数字普惠金融、实体投资偏向与中小企业的全要素生产率——来自中小板上市公司的经验证据

郑兴无，关小满

（中国民航大学 经济与管理学院，天津 300300）

一、引言

中小企业由于发展规模、成长经验及治理机制等因素影响在市场机制下往往面临与大企业不同的竞争境遇，外部条件更易对企业的生产状况、效率改进等产生影响，较为明显的就是中小企业在生产经营过程中要面临更直接的融资制约和更高的融资成本，缺乏有效的金融支持（李旭超等，2017）[1]，中小企业的要素合理配置、技术改进创新等各方面都受制于资金投入的制约，从而导致不仅规模发展受限，而且企业效率提升等方面都面临各种掣肘（Song 和Wu，2015）[2]。

中小企业全要素生产率的提高不仅来自于要素的合理配置，在人力资本和研发创新投入的支持等（马茹等，2019）[3]，还受制于地区金融的发展。在探究金融因素对企业全要素生产率的影响时，大多文献从传统金融发展或者金融资源配置效率的角度展开（张庆君等，2016）[4]。现阶段，数字普惠金融借助技术优势，扩大普惠金融的服务范围，丰富普惠金融的产品与形式，改变了传统金融服务模式，已成为正规金融外的有效补充，有力改善了中小企业融资环境，为促进其效率的提升提供了一条切实可行的解决路径。

数字普惠金融影响中小企业生产率的研究洞见主要基于融资约束、企业创新视角展开（江红莉和蒋鹏程，2021）[5]，尚无文献从企业投资偏好分析数字普惠金融发展对全要素生产率的影响。已有文献进行了数字普惠金融对企业金融投资的影响研究（陈春华等，2021）[6]，故在此基础上，基于企业投资偏好这一视角在微观层面探究数字普惠金融有效支持实体经济的机制，并将数字普惠金融指数与中小企业全要素生产率相匹配，构建2011—2019 年中小企业板上市公司的非平衡面板数据集，运用不同计量模型回归进行数字普惠金融对中小企业全要素生产率影响的经验研究。

二、文献评述与研究假说

数字普惠金融在我国快速发展，产生的经济效应引起了广泛的研究，产生收入效应和就业效应，显著提升社会保障水平等（汪亚楠等，2020）[7]。同时，数字普惠金融与全要素生产率的相关研究逐层深入，选用31 省市面板数据采用空间面板杜宾模型研究发现，金融科技创新通过空间溢出效应提升全要素生产率（唐松等，2019）[8]。以278 个地级市为研究对象进行分析，发现数字普惠金融通过提升技术创新水平、产业结构升级及缓解资源错配等途径正向影响全要素生产率（惠献波，2021）[9]，部分研究开始触达微观层面，数字金融通过缓解企业融资约束，促进技术创新进而提升企业全要素生产率（江红莉和蒋鹏程，2021）[5]。基于不同层面的研究表明，现阶段数字普惠金融促进了全要素生产率的提升，这对于中小企业效率的提升可能也是一条切实可行的途径。

（一）数字普惠金融和中小企业全要素生产率

一方面，数字普惠金融作为普惠金融的新形式，丰富了普惠金融的产品与形式，呈现出成本低、速度快、覆盖广的优势，使得中低收入群体和中小微企业金融服务的可获得性增加，改善中小企业的融资环境，助力中小企业做出合理有效的生产、技术创新决策，提升企业生产效率（何光辉和杨咸月，2012）[10]。另一方面，数字普惠金融利用数字技术和网络交易平台，只需要极少的物力和人力，大大提升了融资效率，而且在传递过程中基本不消耗任何资源，使得信息收集更加高效、快捷，有效降低了中小企业的信息成本。同时根据收集到的大量数据能够更好地发挥信息筛选和风险甄别功能，降低了中小企业的交易成本和创新融资成本（梁榜和张建华，2019）[11]，有利于技术创新活动的开展，正向影响中小企业全要素生产率。

综上，提出假设1：数字普惠金融促进中小企业全要素生产率的提升。

（二）数字普惠金融、实体投资偏向与中小企业全要素生产率

作为不同经济部门之间资金联系的桥梁，数字普惠金融能够提高资本配置效率，但在金融服务实体经济的过程中，出现了实体企业资金偏好于主业发展背离的金融资产投资，这无论在总量还是增量上对企业经营性业务的全要素生产率都存在负向影响（刘笃池等，2016）[12]。资本累积是企业规模扩张和提升持续竞争能力的基本路径，企业在发展扩张进程中总是存在一定程度的融资约束，尤其是中小企业由于企业规模小、发展路径不清晰等带来的脆弱性，融资约束情况更为严重。数字普惠金融的兴起改变了中小企业融资环境、拓展了投资视野，必然也会影响企业投资抉择，产生实体投资偏向。

一方面，数字普惠金融拓宽融资渠道，有助于缓解信息不对称问题，进而减弱中小企业投资金融资产的预防性动机和逐利性动机。数字普惠金融利用自身特点，有效地吸纳了市场中的金融资源转化为有效供给，拓宽了金融服务的广度和深度，增强金融服务的可得性，缓解中小企业融资约束，满足中小企业的资金流动性需求。数字普惠金融整合了海量的数据并通过数据相应处理使得信用透明化，增强金融中介的信息分析处理能力，为投资者提供更多有关中小企业的有效信息，建立可靠的第三方征信体系，降低交易双方信息不对称程度取消高贷款成本产生的风险补偿，减弱了企业投资金融资产的倾向，降低企业金融资产配置水平（陈春华等，2021）[6]。

另一方面，数字普惠金融为实体经济发展提供了保险服务，一定程度上对冲了实体经济的运营风险，可建立良好的风险控制评价体系，重新调动了实体投资的积极性。数字普惠金融作为正规金融的有效补充，加剧了银行业的竞争程度，驱动银行信贷向具有较高风险的创新项目倾斜，从而促进风险大、回报高的小微群体和创新项目信贷投放规模的提升（杜传忠和张远，2020）[13]，通过增加这种资金获得性进而促进企业实体投资，提升企业全要素生产率（盛安琪和耿献辉，2021）[14]。

综上，提出假设2：数字普惠金融可作用于实体投资偏向，进而影响中小企业全要素生产率。

三、研究设计

（一）模型

为厘清数字普惠金融对中小企业全要素生产率的作用，构建基准模型（1）如下：

并为进一步验证假设2，借鉴温忠麟等（2004）[15]的中介效应模而构建计量模型如下：

式中lntfpit为i企业在t年的全要素生产率的自然对数，lnindexit反映i企业所在城市t年的数字普惠金融指数的自然对数，其下含覆盖广度指数（lnbreadth），使用深度指数（lndepth），数字化支持服务程度指数（lndigit）等细分指标，fin是金融资产投资占比，反映的是企业实体投资偏向程度的反面，即金融投资意愿，Control表示控制变量的集合。

（二）数据说明和指标选取

企业全要素生产率（lntfp）作为被解释变量，是衡量企业生产投入产出效率的核心指标。在测度中，与传统的OLS、固定效应估计法相比，LP法使用中间投入作为工具变量，解决了由企业同时选择产量与资本存量带来的同时性偏差问题，故使用LP法计算中小企业的全要素生产率，根据C-D生产函数取对数后如下式：

式（5）中，企业产出变量（Y）用主营业务收入表示；借鉴张沁琳和沈洪涛（2020）[16]做法，资本存量指标（K）选取用固定资产原值、工程物资、在建工程之和；企业的劳动投入（L）用企业员工人数表示并取自然对数；中间投入要素（M）用企业购买原材料、接受劳务支付的费用表示。

数字普惠金融（lnindex）作为模型的核心解释变量，选取北京大学数字普惠金融总指数为代理变量，该指数由北京大学数字金融研究中心和蚂蚁金服共同编制，并被细分为覆盖广度指数（lnbreadth）、使用深度指数（lndepth）和数字化支持服务程度指数（lndigit）（郭峰等，2020）[17]，为了消除因数据量纲和量级不同而引致的模型估计偏误，对数字普惠金融总指数和各子指数均取自然对数。

企业金融化程度（fin）作为模型的中介变量，是实体投资偏向的反向代理变量，表示对金融资产的投资偏好程度，其数值越高，实体投资偏向越弱，对企业生产效率的负向效应越大。使用金融资产投资占比表示，选用企业金融投资与主营业务收入之比来衡量，其中，企业金融资产包括7 个部分为货币资金、交易性金融资产、可供出售金融资产、投资性房地产、持有至到期投资、应收股利和应收股息（张成思和郑宁，2018）[18]，考虑到我国企业层面资本存量的衡量缺乏一致性和连贯性，实证分析中选取主营业务收入表示企业总产值作为资本存量的替代对投资支出进行平减（付文林和赵永辉，2014）[19]。

模型还控制了影响中小企业全要素生产率的其他控制变量集，在企业层面，用资产负债率（lev）表示偿债能力；用公司净利润与期末总资产的比值表示企业盈利能力（roa)；用营业收入增长率（growth）表示企业发展能力；企业投资水平（lnI），采用购建固定资产、无形资产等支付的现金的自然对数；企业固定资产投资（capital）采用资本存量的自然对数来衡量；人力资本投入（lnwage）用人均工资即应付工资薪酬与员工人数比值的自然对数表示；创新投资（r&d）用研发投入金额占总资产的比重；企业规模（lnsize）用总资产的自然对数衡量。产权性质（soe）根据企业股权性质将其划分为国有企业和非国有企业，国有企业为1，否则为0；以经营活动产生的现金流量除以总资产表征现金流量（cashflow）。城市层面，控制了产业升级（structure），用第三产业增加值与第二产业增加值之比表示；经济发展水平（lngdp），选用地区国内生产总值的自然对数；银行信贷水平（loan），用金融机构年末贷款余额与金融机构年末存款余额的比值衡量（杜传忠和张远，2020）[20]。综上各变量的定义和特征如表1 所示。

表1 变量描述性统计

选取2011—2019 年中国中小企业板上市公司为研究对象，财务数据来自国泰安数据库通过匹配深圳主板A 股上市公司内的代码而得，会计期间选择每一年的12 月31 日这一期，采用合并报表数据，剔除了变量存在缺失严重数据的样本，部分缺失值采用插值法进行补充，最终得到包含931 个企业样本，7 091 个观测值。为了避免异常值对实证结果的影响，进一步对企业所有连续变量进行双侧1%的缩尾处理。城市层面控制变量的数据来源于各年的《中国城市统计年鉴》整理而得，部分缺失值采用插值法进行补充。

从上述描述性统计结果看到，中小企业板上市公司在偿债能力，盈利能力和现金流量方面仍存在较大的差距，这可能和中小企业所在地区的资源禀赋，自身产权性质不同相关，有关可能产生的差异性影响将在下文分样本回归中进行检验。

四、回归结果与分析

（一）基准回归结果

基准回归模型的豪斯曼检验支持使用固定效应回归模型，为了检验数字普惠金融与中小企业全要素生产率的关系，模型（1）～模型（3）为逐步控制数字普惠金融和控制变量的回归结果。豪斯曼内生性检验发现模型中存在内生性，模型（4）为将数字普惠金融作了相应内生性处理所进行的两阶段最小二乘回归。结果如表2 所示。

表2 基准回归

由于数字普惠金融对企业全要素生产率具有显著正向影响，因此可进行数字普惠金融，企业金融化和中小企业全要素生产率的中介效应回归，为降低双向因果关系和遗漏变量所导致的内生性估计偏误，采用工具变量法做进一步检验，其中工具变量选取的是滞后一期的数字普惠金融指数，结果如表3 所示。

表3 中介效应回归结果

模型（6）为数字普惠金融对中介变量企业金融化程度的影响，回归系数在1%水平上显著为负，模型（7）中数字普惠金融和企业金融化回归系数均显著，说明存在中介效应。模型（8）～模型（10）的回归结果显示，使用工具变量方法与基准回归结果一致，表明数字普惠金融能够显著提高中小企业全要素生产率，并通过降低企业金融化程度即作用于实体投资偏向，间接促进中小企业全要素生产率提升。

（二）稳健性检验

为了检验上述结果的稳健性，使用数字普惠金融的三个细分指标进行回归，结果如表4 所示。

表4 稳健性检验

三个维度指标均对中小企业全要素生产率具有显著的促进作用，随着数字普惠金融覆盖群体更广，提供的金融产品和服务更多样以及数字普惠金融效率的提升，对中小企业全要素生产率产生显著的正向影响。细分指标的工具标量回归结果也支持了前述回归结果的稳健性，其中使用深度的系数相对较大，直接促进作用以及通过抑制金融化程度作用于实体投资偏向的间接促进作用更明显，因为随着数字普惠金融覆盖广度和数字化程度发展，数字普惠金融的使用深度越来越成为各地指数增长的重要驱动，其他各变量与基准回归结果大体一致。

（三）异质性分析

由于地级市数字普惠金融具体发展水平存在一定的差距，中小企业自身性质等因素差异，在影响中小企业全要素生产率方面的具体机制和实现方式可能存在差异，因此将样本数据按产权性质分为国企和民营，按地区分为东部（11 个省市）、中部（8 个省市）和西部（12 个省市）（汪亚楠等，2020）[7]，分别进行子样本回归，结果如表5 所示。

表5 异质性回归结果

数字普惠金融促进中小企业全要素生产率提升存在产权异质性和区域异质性，这一促进作用对于民营企业和中东部地区的企业效果更显著。可能原因，一方面由于国有企业的可能获得相对更多的政府财政支持，较便捷地从传统正规金融机构获取技术创新项目融资，相比于国有企业，非国有中小企业有更强的融资需求，但面临更强的传统金融融资限制，而数字普惠金融灵活度高、体量小、包容性强等特点与非国有中小企业融资需求快、频率高等特征更相契合。另一方面，数字普惠金融在金融发展水平较高的地区对企业效率的促进作用更强，而中东部地区金融发展水平普遍超过西部地区，这些区域差异必然会制约数字普惠金融对中小企业全要素生产率的促进作用。

五、进一步机制分析

一方面，当实体企业资金存在金融资产投资的偏向时，会挤出固定资产更新改造、人才资本投资、研发创新等方面的支出（黄贤环和王瑶，2019）[21]，抑制企业发展实体的积极性，导致中小企业技术进步滞后、经营业绩持续性不强，人力资源质量不高从而阻碍中小企业全要素生产率的提升（Cupertino等，2019）[22]。

另一方面，数字普惠金融通过弱化中小企业金融化的预防性动机和逐利性动机，降低中小企业金融化程度，提高实体投资偏向，并随着金融监管的规范及力度的增强，数字普惠金融发展对中小企业实体投资偏向的作用会更加凸显。企业普遍存在融资约束，企业规模越小融资约束程度越严重，而数字普惠金融本质上改善了中小企业的融资环境。在更具成长性的中小企业中，缺乏投资机会时会更倾向于金融投资，而在面对投资机会时不会进一步增加对金融资产的配置（孙济潍和沈悦，2021）[23]，毕竟中小企业有自身发展和业绩目标的优先考虑。

为直接验证数字普惠金融作用于实体投资偏向，促进企业实体投资引致的生产率提升效应，选择人力资本投入（lnwage）和企业资本性支出来（capital）作为实体投资偏向的正向代理变量，构建以下计量模型：

其中，方程（6）中控制了企业规模（lnsize），现金流量（cashflow），偿债能力（lev），资本性支出来（capital）以及地区经济发展水平（lngdp）；方程（7）中控制了企业规模（lnsize），现金流量（cashflow），偿债能力（lev），人力资本投入（lnwage）以及地区经济发展水平（lngdp）。基准回归结果以及进一步的2SLS回归结果如表5 所示。

表6 报告的结果显示，数字普惠金融可以促进中小企业人力资本投入和企业资本性支出，即提高中小企业的实体投资偏向，将部分资金从金融部门转回生产经营部门，促进企业主业长期发展。2SLS回归结果仍支持模型的结论，进一步说明了回归结果的稳健性。

表6 机制分析回归结果

六、结论与启示

在促进金融支持实体经济发展的大背景下，数字普惠金融的快速发展能否提高企业实体投资偏向，在微观层面助力企业生产效率的提升，本文提供了相应的经验数据支持。数字普惠金融在传统普惠金融的基础上发挥技术优势打破传统金融服务的限制在一定程度上有效促进实体经济发展，提升中小企业的全要素生产率，使用不同细分指标和计量模型结果依然成立，且影响效应存在有明显的区域差异性和产权异质性，对中东部地区的企业和民营企业的作用更显著。同时，提升企业创新投资和人力资本投入，促进地区产业升级和经济发展水平也能够提升中小企业全要素生产率。

基于此，现阶段应一方面发挥数字普惠金融的普惠性特点，以现代科技为依托，通过数字化平台提升资源配置效率，缓解信息不对称，优化风险管理，积极构建满足中小微企业融资需求的多层次金融服务体系，进一步助力中小企业全要素生产率的提升，服务实体经济。另一方面，作为一种新型金融发展的模式，应处理好与传统普惠金融的关系，形成良性互补，同时考虑到地区资源禀赋的差距，制定数字普惠金融差异化发展策略，因地制宜，可有效缓解虚拟经济与实体经济发展背离的问题。总之，中小企业全要素生产率的提升需要众多影响因素的整体协同，除促进金融环境改善外，还依赖于自身发展能力提升，注重金融资产和实体投资的组合分配等途径提升企业效率。