金融科技与制造业企业创新

方一卓 强国令 李钰燕

一 引 言

创新是国家进步的根本驱动力，在中国发展战略上占据重要的位置。“十四五”规划中明确表明要把科技发展作为经济进步的重要驱动力，到21世纪中叶实现科学技术的自立自强、全方位地提升科技实力，而实现这一目标的核心就是以企业为主体的自主创新。制造业是我国经济结构中的重要组成部分，除了代表着我国的生产力水平之外，其在技术革新、提供就业机会、提升生活水准以及国家税收等领域有着不可替代的地位，是我国经济发展中的重要力量。随着国家对经济质量要求的提高，制造业作为实体经济的根基更是被重点关注，承担着把我国经济形态由要素规模驱动转为要素质量驱动的重要使命，而这整个过程都需要依靠企业的技术进步升级来完成。因此研究制造业企业创新对于我国社会经济发展具有重要意义。

以往研究发现，影响企业创新的因素有很多，如Schumpeter(1934)提出决定企业创新的主要因素就是企业规模与市场结构；吴延兵(2006)基于中国上市公司数据发现企业的人力资源与企业创新水平之间存在着正向关系；冯根福和温军(2008)、李春涛和宋敏(2010)又分别提出了经营者持股量、CEO激励和产权保护程度等对企业研发创新的影响。但是，以上研究关注的因素大都来自于企业内部或行业内部，并没有涉及到金融环境对企业创新的影响，中国作为最大的发展中国家，资本市场并不完善，相对于企业生产经营投资，企业研发投资由于风险高、周期长和信息高度不对称等因素容易受融资环境的影响(解维敏和方红星，2011)，并且高质量的创新对科研人员与科研资金的连续性要求更为严格，这就更需要有稳定的外部资金来提供保障(黎文靖和郑曼妮，2016)。因此，企业创新面临的一个重要障碍就是外部资金获取困难(鞠晓生，2013)。

由于具有周期长、风险高等特点，企业研发创新活动更加需要充足稳定的现金流，而资本市场的存在为企业从事创新活动提供了资金来源渠道。但是根据已有研究，我国制造业企业在外部融资时受到一定的阻碍(蔡竞和董艳，2016)。制造业企业之间竞争激烈，生产、研发等信息都是企业的核心机密(洪少枝等，2011)，一般来说，企业不愿意将详细的生产、研发信息向外部资金提供者披露(鞠晓生，2013)，而外部资金提供者为了规避风险则会向企业索要风险溢价(Easley和O’ Hara，2004)，这种来源于双方内在属性的信息不对称问题给企业融资带来了较大困扰。除了制造业的特性外，金融市场本身也存在着“金融歧视”。在中国，金融机构评判企业融资的标准不是企业盈利能力和发展潜力，而是依据规模、固定资产抵押、股权性质等较为稳定的因素来筛选企业(王道平和刘琳琳，2021)。这就使目前的金融市场上出现了一些资源配置扭曲的现象，大型、国有企业这些对外源融资依赖程度不高的企业往往比较容易进行融资，而需要依靠融资进行创新的中小、民营企业则受到融资约束，难以有效地获取外源融资。

近年来，为支持企业的发展，金融市场不断改革，利用大数据分析、人工智能、云计算等高科技数字化手段赋能金融机构，帮助其提升服务质量、提高服务效率，以此来协助金融机构有效地解决企业外部资金获取困难等问题，这种科技渗透金融的质变表现成为学术界和政府部门关注的焦点。随着信息技术在金融领域的推广，金融科技应运而生并且快速发展(刘绪光和肖翔，2019)。2015年12月14日央行、银保监会等出台了《关于大力推进体制创新扎实做好金融科技服务的意见》；2016年8月8日，国务院在“十三五”规划中提出要引导银行等金融机构创新金融服务，提倡金融科技与金融机构的深度融合，以此推进科技创新发展。在科技与政策的双重支持下，我国金融科技有了突飞猛进的发展，世界银行调查显示，在全世界范围内金融科技排名前100强的企业总资产突破100亿美元，而中国就有8家企业入围。

金融科技的快速发展带动金融市场的深刻变革。那么，金融科技所带来的各种影响在企业生产经营中发挥了何种作用？改革开放以来，虽然金融市场不断发展和完善，但是制造业固有的信息不对称特性和金融市场中存在的“金融歧视”现象带给企业的融资约束依然困扰着诸多企业，金融科技是否能降低金融机构与制造业企业之间的信息不对称、缓解“金融歧视”导致的企业融资约束，进而影响企业创新？国内外文献虽然对此已有大量的研究，但并未针对我国企业面临的实际问题提出有效建议。本文旨在探究金融科技对制造业企业创新的影响，通过分析金融科技作用于制造业企业创新的机理和效果提出我国创新发展的新视角、新观点。在中国经济由量到质的转型关键时期，明确两者之间存在的关系，对于推动金融市场发展升级、协助金融机构更好地为企业服务，从而提高我国经济发展质量具有重要的理论和现实意义。本文主要创新为：(1)生产、研发等信息都是制造业企业的核心机密，一般情况下企业不愿意将详细内容对外披露，导致制造业企业与投资者之间存在严重的信息不对称问题。现有文献更多地关注金融科技与企业创新之间的影响机制，对样本自身特征的阐述分析不足，本文以金融科技发展降低金融机构与制造业企业的信息不对称作为渠道，解释了金融科技影响制造业企业创新的机制。(2)从多方面完善了金融科技对制造业企业创新影响效果的研究，得出金融科技可以从质量和数量两方面改善制造业企业创新的结论。(3)更深层次地探究了金融科技对不同种类制造业企业的影响，发现金融科技对高成长性、小型、民营企业创新的促进作用更为显著。这一结果为金融科技协助深化供给侧结构性改革，推进实体企业高质量发展提供了经验证据。

二 理论分析与研究假设

(一)信息不对称、融资约束与企业创新

企业研发创新会面临较高的失败风险和其他不确定性因素(解维敏和方红星，2011)，为此企业往往要预留足够的资金来保证研发活动的连续性。然而，对于大部分企业来说仅依靠有限的内部融资难以满足整个研发过程的需求，外源融资便成了企业研发的重要保障(蔡竞和董艳，2016)。

企业为了研发活动而进行外源融资时不可避免地会面临信息不对称所导致的一系列问题，这将会阻碍企业的融资(Easley和O’ Hara，2004)。对于依赖于技术而发展的制造业企业而言，高新技术、知识产权、研发创新等是重要资源(洪少枝等，2011)，基于严格的信息保密要求，其在吸引外部投资时不愿意将相关信息以及目前研发项目情况向外披露(鞠晓生，2013)，使得金融机构相对于公司内部成员来说，拥有较少的公司信息(Hall，2002)，缺乏对研发活动的专业认知，面临着较大的不可分散的信息风险(刘小玄和周晓艳，2011)，而金融机构为了缓解这种未知的风险，往往会索要较高的资本溢价(Easley和O’ Hara，2004)，或者规避这种颇具风险性的投资，将更多的资金分配给收益相对稳定的项目(张杰，2000)。然而，无论金融机构选择哪种办法来缓解信息不对称风险，都会限制企业的外部资金获取(蔡竞和董艳，2016)，管理层进而削减研发费用、放缓研发进程，使企业无法保证研发项目的持续进行，最终抑制企业创新(李春涛等，2020)。

除此之外，中国金融市场发展现状给企业带来的融资约束也严重影响了企业创新。目前，大型企业的研发投入主要依靠企业内部资金，缺乏内部资金的中小企业则主要通过外部融资获取创新研发经费(Brown et al.，2009)，但是金融市场往往更倾向于有足够抵押品的大型企业的融资项目，而具有发展潜力的中小企业却得不到足够的金融支持，以至于这些企业在创新研发时面临严重的财务压力，企业创新在一定程度上被“金融歧视”所限制(卢峰和姚洋，2004)。

(二)金融科技与企业创新

目前已有文献论证了金融科技与企业创新的部分关系。李春涛等(2020)研究发现金融科技通过提高税收返还的创新效应来促进新三板企业创新；陈银飞和苗丽(2021)认为金融科技可以帮助政府精准高效地补贴到有创新潜力的企业；侯世英和宋良荣(2021)研究发现金融科技可以促进知识产权质押对企业创新的影响；陈毓佳(2021)从融资环境、资产定价、风险控制等方面分析得出金融科技促进了小微企业研发创新的结论；周素华(2021)认为金融科技可以优化传统金融机构的服务结构和效率，从而促进企业创新。

本文基于制造业的行业特性，分析发现金融科技可以通过降低金融机构与制造业企业的信息不对称，从而促进制造业企业创新。通过技术溢出效应赋能金融机构，利用智能匹配、大数据储存、云计算等新型信息技术规模化地处理数据，全面、深度挖掘用户信息(Lapavitsas和Santos，2008)，显著提高金融机构的信息获取能力(宋敏等，2021)。金融机构通过金融科技所获取的多维数据可以清晰地了解到行业的供需情况、公司的市场占比、成长潜力等信息，横向与纵向对比得到多家公司的综合性信息，增加金融机构对企业的间接判据，使它们可以在不接触企业核心信息的情况下对企业进行客观合理的分析，降低了信息不对称所带来的未知风险。此外，通过金融科技获取的信息数据相较于传统方法获取的信息数据有着更为显著的价格优势，降低了金融机构对目标企业的信息搜寻成本(李三希等，2021)，业务成本的降低最终会影响到企业的融资成本。金融科技带来的信息技术升级不仅能帮助金融机构全方位地获取和分析数据，促使金融机构将资金分配给有创新潜力的企业，还能够从信息不对称问题带来的资本溢价和信息搜寻的业务成本两部分降低企业的融资成本，总体上提高了企业的外部资金获取效率，增加了企业保证创新研发持续进行的可能性，进而推动企业创新(李汇东等，2013)。

除了“赋能”金融机构以外，金融科技的发展给传统金融机构带来了巨大挑战。一方面，以互联网金融公司、第三方支付平台等金融机构为代表的依托于金融科技的新兴金融产业挤压了金融市场(郑志来，2015)，抢占了传统金融机构的部分业务与资源(于波等，2020)。另一方面，随着金融科技的发展，中国的利率市场化进程被变相地推进(邱晗等，2018)，根据Marcus(1984)的“特许权价值假说”，利率市场化所带来的竞争将导致传统金融机构的特许权价值降低，盈利能力受到削弱。在这些挑战下，传统金融机构为了维护资源与利润，将进行一系列的改革创新(盛天翔和范从来，2020)，提升服务效率、降低服务成本、扩大服务范围、提高风险承担能力(黄益平和黄卓，2018)。以目前在金融市场中占据重要地位的商业银行为例：金融科技所衍生的新兴金融产业凭借信息技术方面的优势、高效便利的渠道抢占了商业银行的客户资源，减少了商业银行赖以生存的存款，导致银行的存贷利差有所下降(刘忠璐，2016)。银行为了确保利润将会对风险承担、服务范围等做出适应性改革，不再只是依据公司规模、固定资产抵押、股权性质等较为稳定的因素来筛选企业，反而会更加偏好选择高收益、高风险的项目来补偿利润(邱晗等，2018)，“金融歧视”现象得以改善，为具有创新潜力的中小企业带来了融资机会，融资约束得到缓解，企业可以有相对充足的资金进行创新。

综上所述，金融科技可以通过降低制造业企业与金融机构之间的信息不对称和缓解融资约束来促进企业创新。因此，本文提出假设H1。

H1：金融科技的发展促进了制造业企业创新。

三 研究设计

(一)样本选择与数据来源

本文使用的2012—2018年中国A股制造业上市公司专利数据来自于佰腾网专利数据库，借鉴宋敏等(2021)构建金融科技指标的方法，运用地级市金融科技公司数量衡量城市层面的金融科技发展水平。本文使用的企业方面的财务、管理数据来自国泰安(CSMAR)数据库，行业分类标准来自申银万国。为了使样本数据更具代表性，本文对样本数据进行如下处理：(1)删除掉ST、退市的年度公司样本；(2)剔除掉变量存在数据缺失的样本；(3)为了规避离群值对本文结果的影响，对所有连续型变量进行1%的缩尾处理。最终样本为2012—2018年的8089个公司-年度观测值。

(二)变量定义

1.主要变量定义

企业创新(

Patent

)：首先，借鉴张杰和郑文平(2017)的研究，使用专利申请数量(

Pa

_

number

)来构建企业创新指标。然后，从创新的实际意义出发，企业创新不仅要追求数量，更需要保证质量，依据《专利法实施细则》对企业专利的分类依据，发明专利的技术含量和研发难度在所有专利中最高，企业申请的发明专利数量可以直观地展现企业的科研实力，代表了企业未来的发展潜力。对于制造业企业来说，发明专利代表了企业的核心优势，是制造业进步的动力源泉。因此，本文将创新质量(

Pa

_

quality

)加入到企业创新指标中，借鉴吴迪和张玉昌(2019)的研究，用发明专利申请数量占专利总申请数量的比例来衡量企业创新质量。考虑到专利的产出需要较长的周期，当年的专利产出主要受往年因素影响，为了尽可能地缓解内生性，本文借鉴已有研究将所有解释变量滞后一年进行回归。考虑到专利申请的困难程度，很多企业在当期并没有专利申请记录，导致数据中存在大量的0值，而且专利申请数量存在明显的极端分布特征，本文对专利申请数量加1后取自然对数(李春涛等，2020)。金融科技(

FinTech

)：本文根据宋敏等(2021)构建金融科技指标的办法，使用地级市范围内金融科技公司数量加1取对数构建金融科技发展水平的衡量指标(

FinTech

)，该指标取值越大代表地区金融科技发展水平越高。

2.其他控制变量

参考李春涛等(2020)、宋敏等(2021)的研究，本文控制了以下变量对企业创新的影响：

(1)企业规模(

Size

)。企业规模是影响创新的重要因素之一，规模大的企业往往具有完善的科研设施、尖端的研发团队、专业的管理人员等一系列对企业研发活动具有着至关重要作用的优越条件。本文选取员工总数的对数来衡量企业规模。(2)资产负债率(

Lev

)。资产负债率直观显示了企业的资本结构，资产负债率高的企业将会面临更大的风险，银行在审核贷款时通常会倾向于资产负债率低的企业，除此之外，资本市场对资产负债率低的企业也有较高认可度，这些都可以保证企业有更大的融资空间来支持研发。本文使用年末负债与年末总资产的比值来衡量资产负债率。(3)成长性(

Growth

)。企业成长性和企业研发创新有不可分割的关系。通常情况下，成长性代表着企业的增长潜力，成长性高的企业也意味着之前年度的沉没状态，当企业创新产品被市场广泛认可时，企业当年的成长性指标会有巨大的变化，企业对研发创新的意愿也会变得更加强烈。本文使用年末总资产增长率来衡量企业的成长性。(4)现金流量(

Cashflow

)。现金流量代表了企业目前的资金状况，现金流大的企业一般有充足的资金，受到的融资约束程度也就越低，有利于企业更加顺利地开展研发创新活动(Hall，2002)。本文使用企业经营活动现金流量净额与总资产的比值衡量现金流比率。(5)企业年龄(

Age

)。企业年龄可以间接地表现出企业的一些基本状况。一般来说，企业年龄决定了企业的发展规模、资本积累、技术水平以及行业地位等，与刚成立的企业相比，老牌企业在市场中更有信誉和威望，更被大众所认可。但也有研究认为，老牌企业更偏向于保守经营，不能很快地接受新技术新理念，企业的成长性受阻。因此，目前，企业年龄对创新的作用没有明确说法。本文使用企业当前年份与上市年份的差值衡量企业年龄。(6)资产回报率(

ROA

)。资产回报率是衡量企业盈利能力的重要指标之一，资产回报率越大，意味着企业单位资产能获得更多的利润。企业生产利润的增加可以为企业创新提供资金保障，促进企业的研发创新。本文用年末净利润与年末总资产的比值衡量企业资产回报率。(7)企业资本密度(

Fixedpp

)。资本密度通常用企业年末总收入与年末总资产的比值衡量，如果企业每多创造一份收入需要大量资产，那么这个企业就是重资产企业，如果企业每多创造一份收入需要少量的资产，那么这个企业就是轻资产企业，根据创新条件的分析，重资产企业更有可能进行创新活动并且有着更高的创新效率。(8)董事会独立性(

Indep

)。独立董事与企业内部不具有利益关联，可以客观公正地监管公司治理，在公司决策方面，独立董事的专业知识与经验见解能发挥重要的协助作用，更能站在长远的角度规划公司发展战略，对创新这种能够带来长远利益的企业活动有着一定的促进作用。(9)两任兼职(

Duality

)。如果公司的董事长同时担任总经理职务，

Duality

取值为1，否则为0，意味着公司内部存在严重的代理问题，企业重大事项决策往往有偏向性，创新活动可能受到影响。(10)金融发展水平(

FD

)。本文使用樊纲指数来衡量地区金融发展水平。成熟的金融市场有着较高的信贷资源配置效率，可以让盈利能力强、发展潜力大的中小、民营企业获得更多的信贷资源(简泽等，2013)，进而提高企业创新产出。因此，企业创新的增加很可能是地区金融发展水平提升带来的。

本文使用的主要变量如表1所示。

表1 变量名称

(三)回归模型的建立

参考张杰和郑文平(2017)、田新民和张志强(2020)、李春涛等(2020)的研究，本文构建回归模型(1)来分析金融科技发展对制造业企业创新的影响：

Patent

， =

α

+

βFinTech

， -1+∑

Control

， -1+∑

Year

+∑

Ind

+

ε

，

(1)

在模型中，下标

i

代表公司，

t

代表年度，

m

代表城市，考虑到创新的滞后性，本文将解释变量滞后一期。主要解释变量

FinTech

， -1的含义是公司

i

所在的城市

m

在第

t

-1年度的金融科技发展水平；被解释变量

Patent

， 的含义是公司

i

在第

t

年的创新指标，分别由创新数量(

Pa

_

number

)和创新质量(

Pa

_

quality

)衡量；

Control

， -1的含义是公司

i

在第

t

-1年度的控制变量，包括区域控制变量金融发展水平(

FD

)，个体控制变量企业规模(

Size

)、资产负债率(

Lev

)、企业成长性(

Growth

)、现金流量(

Cashflow

)、企业年龄(

Age

)、资产回报率(

ROA

)、企业资本密度(

Fixedpp

)、董事会独立性(

Indep

)、两任兼职(

Duality

)等；方程中还控制了时间固定效应(

Year

)和行业固定效应(

Ind

)；

ε

， 为随机误差项。此外，

FinTech

， -1的系数

β

表示城市

m

的金融科技发展水平与该城市制造业企业创新的关系，根据前文分析，预期金融科技与创新数量(

Pa

_

number

)和创新质量(

Pa

_

quality

)的估计系数

β

显著为正。

(四)描述性统计

表2报告了本文主要变量的统计特征。首先看金融科技公司数量

FinTechN

的统计情况，最小值为0，主要集中在偏远地区和经济落后区域，结合区域发展程度可以合理地解释这一极端情况，最大值高达29804，是北京地区的统计数量，可以推断出金融科技公司具有择优聚集的特点，中位数为37，均值为1202，表明金融科技发展水平存在严重的右端分布特征。因此，本文需要将

FinTechN

进行对数变换(

FinTech

=ln(1+

FinTechN

))，以此来降低金融科技公司的数量级差距，弱化这种极端分布带来的结果偏差。专利申请数量(

PatentN

)最小值是0，最大值为5948，均值为35.55，中位数为7，同样存在严重的右端分布特征，因此本文也对专利申请数量进行对数变换(

Patent

=ln(1+

PatentN

))；此外，创新质量(

Pa

_

quality

)的均值为0.3，中位数为0.147，可能是因为发明专利的审核流程更加严格，对专利各方面标准有着很高的要求，并且考虑到发明专利所需的高额研发投入，以至于大多企业都不能满足发明专利的研发条件，同时也反映出中国制造业企业创新质量相较于发达国家有所不足的现状。

表2 描述性统计

四 实证结果分析

(一)相关性分析

表3给出了主要变量的Pearson相关系数检验。创新数量(

Pa

_

number

)和金融科技(

FinTech

)的相关系数为0

.

075，创新质量(

Pa

_

quality

)和金融科技(

FinTech

)的相关系数为0.074，充分说明了金融科技与制造业企业创新之间存在着紧密的关系。各控制变量之间的相关系数都非常小，说明本文所选取的企业规模(

Size

)、资产负债率(

Lev

)、企业资本密度(

Fixedpp

)、成长性(

Growth

)、企业年龄(

Age

)、资产回报率(

ROA

)、董事会独立性(

Indep

)等控制变量之间不存在严重的多重共线性。除此之外，可以看到控制变量企业规模(

Size

)和创新数量(

Pa

_

number

)的相关系数为0

.

312，和创新质量(

Pa

_

quality

)的相关系数为0

.

055。资产负债率(

Lev

)和创新数量(

Pa

_

number

)的相关系数为0

.

106，和创新质量(

Pa

_

quality

)的相关系数为0

.

067。企业年龄(

Age

)和创新数量(

Pa

_

number

)的相关系数为0

.

090，和创新质量(

Pa

_

quality

)的相关系数为0.029，以上数据说明了控制变量和被解释变量之间存在一定的相关关系，选择在模型中把这些变量控制起来是合理且严谨的。

表3 相关性分析

(二)均值差异检验

在进行回归分析前，通过均值差异检验来初步分析不同金融科技发展水平下制造业企业创新差异的可能性。依据金融科技发展水平的中位数，将样本分为高低两组，对包括创新数量、创新质量等一系列变量指标进行均值差异检验，相关结果如表4所示。显然可以看出，金融科技发展水平较高地区的企业创新质量均值高于金融科技发展水平较低区域的企业，且在1%水平上显著；金融科技发展水平较高地区的企业创新数量均值高于金融科技发展水平较低区域的企业，且在1%水平上显著。这一结果初步验证了金融科技可以促进制造业企业创新，与本文的预期基本一致。

表4 均值差异检验

(续上表)

(三)基准回归

表5报告了制造业企业创新对金融科技发展的回归结果，考虑到专利产出需要较长的周期，当年的专利产出主要受往年因素影响，本文借鉴既有研究将解释变量滞后一年进行回归，并且控制了年份、行业固定效应。

表5列(1)、 列(2)是没有加入控制变量的回归结果，可以初步看出金融科技与创新数量和创新质量显著正相关；列(3)、 列(4)是加入了控制变量后的回归结果，金融科技与创新数量和创新质量依然在1%的水平上显著正相关，充分表明金融科技促进了制造业企业创新。从经济意义上分析，对于竞争激烈的制造业而言，全面提升企业创新仍存在着一定的难度，创新过程所投入的大量资金只依靠企业自有资金是远远不够的，更需要外部资金的参与和协助，但是制造业生产、研发信息的保密性却很大程度地限制了企业获取外部资金，而金融科技在降低信息不对称所带来的外部资金获取困难问题和缓解企业融资约束后不仅提升了企业创新数量，同时也提升了企业创新质量，全面促进企业创新，表明金融科技实质性地帮助了企业进步和发展，假设H1得到证实。回归结果显示，控制变量与企业创新之间的关系与预期相符合：企业年龄(

Age

)的回归系数显著为负，说明老牌企业虽然资本雄厚、实力强大，但缺乏创新动力；董事会独立性(

Indep

)的系数显著为正，表明独立董事具有客观、长期的眼光，倾向于以创新来提升企业的核心竞争力，从而支持了企业创新(Dong和Gou，2010)。

表5 基准回归结果

(续上表)

(四)稳健性检验

1.工具变量法

由于本文使用的金融科技发展水平是一个城市层面的变量，很有可能会因为遗漏变量或测量误差产生内生性问题。因此，本文使用工具变量法来弱化遗漏变量、测量误差所导致的内生性问题。借鉴张璇等(2019)的思路，本文统计了每个城市所相邻的城市，加总算出这些城市的金融科技发展水平均值来构建金融科技的工具变量(

Md

_

FinTech

)。该工具变量具有相关性和外生性特点：从相关性角度来说，邻近城市的经济政策和发展水平往往较为类似，在相同的外部条件下金融科技也可能会有相同的发展，此外，金融科技的技术溢出效应也会辐射到周边城市，使邻近城市金融科技趋于一致(李春涛等，2020)；从外生性层面分析，由于金融市场存在地区差异性，周围城市的金融科技发展水平很难影响本地企业创新。表6显示了工具变量两个阶段的回归结果，在缓解模型中可能存在的遗漏变量、测量误差等内生性问题后，金融科技发展与企业创新数量和创新质量依然显著正相关，表明金融科技的发展确实能够促进制造业企业创新，更加说明了金融科技实质性地帮助了企业进步和发展。此外，虽然一阶段回归结果显著，但是考虑到金融科技工具变量可能和其他的外生变量有比较强的共线性，本文还对弱工具变量问题进行了判断，工具变量的F值大于16.38，排除了弱工具变量问题。

表6 工具变量回归

2.替换主要变量

北京大学数字金融研究中心课题组构建了数字金融业务广度、业务深度、数字化程度指数，最后综合合成数字金融指数，目前已有众多学者利用此指数进行金融科技的相关研究。本文将金融科技变量替换成北京大学数字普惠金融综合指数(

FinTech

1)来进行回归分析。结果如表7所示，金融科技对企业创新数量和创新质量仍然具有显著的促进作用，且系数都在1%的水平上显著，这说明在替换了金融科技变量之后，金融科技仍然促进了制造业企业创新。企业创新数量和质量可以直观地反映企业的研发创新水平和效率，根据前文理论描述，金融科技对制造业企业创新的促进效应主要通过提升企业的研发支出。因此，为了确定金融科技对企业研发的影响，本文借鉴冯根福和温军(2008)的研究，将企业创新指标替换为企业研发支出比率(

RD

)进行稳健性检验。回归结果如表7所示，金融科技对制造业企业创新的影响在替换了被解释变量衡量指标后仍然在1%的水平上显著为正，金融科技的发展促进了制造业企业的研发资金投入，进而正向影响企业创新。

3.控制政府效率

复杂的行政审批程序会使企业创新面临较长的审批时间和较低的审批效率，企业可能会通过支付高额的寻租费用(寻租活动)来获取生产许可和业务授权，提高了企业的创新研发成本(夏后学等，2019)。而高效的政府可以缩短创新审批时间，减少企业研发活动之外的非必要创新成本，促进企业创新(熊凯军，2020)。因此，本文从政府治理层面进行分析，借鉴熊凯军(2020)的做法，将用省级政府财政收入与公职人员数量的比值衡量的政府效率(

BeGov

)加入到回归模型中。根据表7报告的回归结果，在控制了政府效率后，金融科技仍然显著地促进了制造业企业创新。

表7 替换主要变量、控制政府效率

(四)机制分析

上文证明了金融科技显著促进制造业企业创新，那么金融科技影响制造业企业创新的潜在机制是什么？本文根据金融科技的技术溢出效应，探究金融科技能否通过帮助金融机构获取多维的企业信息，降低金融机构与制造业企业之间的信息不对称，以此促进企业创新。还通过金融科技的竞争效应，探究金融科技能否促进金融机构改革，缓解“金融歧视”所导致的企业融资约束，促进企业创新。

1.金融科技、信息不对称与企业创新

本文根据于蔚等(2012)的研究，构建信息不对称指标(

ASY

)，数值越大表示信息不对称越严重(宋敏等，2021)。并使用中介效应模型(温忠麟等，2012)检验金融科技能否通过降低金融机构与制造业企业之间的信息不对称促进企业创新。表8列(1)结果显示，

FinTech

的系数在1%的水平上显著为负，表明金融科技显著地改善了外部投资者与制造业企业之间的信息不对称程度。列(2)、列(3)结果显示，

ASY

的系数在1%的水平上显著为负，在金融科技降低了金融机构与制造业企业的信息不对称以后，企业创新数量和创新质量有了显著的提升。中介效应检验结果表明，以

Pa

_

number

、

Pa

_

quality

作为被解释变量时，sobel统计量均在1%的水平上显著，表明金融科技通过降低金融机构与制造业企业之间的信息不对称程度促进了企业创新。

2.金融科技、融资约束与企业创新

本文参考Hadlock和Pierce(2010)构建的融资约束计算公式，将

SA

指数作为融资约束的代理变量，

SA

指数绝对值越大，企业受到的融资约束就越小(蒋墨冰等，2021)。表8列(4)—列(6)报告了对融资约束进行机制检验的实证结果。列(4)结果显示，

FinTech

的系数在1%的水平上显著为正，表明金融科技发展能显著降低制造业企业的融资约束。列(5)、列(6)中

SA

的系数在1%的水平上显著为正，表明企业创新数量和创新质量都被融资约束所限制。中介效应检验结果表明，以

Pa

_

number

、

Pa

_

quality

作为被解释变量时，sobel 统计量均在1%的水平上显著，表明金融科技通过竞争效应缓解了“金融歧视”导致的企业融资约束从而促进了企业创新。

表8 机制分析

(五)异质性分析

1.产权性质

国有企业具有政府背书，即使受到信息不对称的限制，在金融市场上相较于非国有企业来说也更容易获取到外部资金。因此，金融科技对国有企业和非国有企业创新行为可能有不同的影响。为了研究这个问题，本文在模型(1)中引入金融科技与产权性质的交互项(

FinSoe

)重新进行回归。通过表9回归结果可以看出，交互项(

FinSoe

)与创新数量(

Pa

_

number

)和创新质量(

Pa

_

quality

)的系数在1%的水平上显著为负，表明与国有企业相比，金融科技对民营企业创新具有显著的提升作用，而对国有企业没有明显的影响。这主要是因为，在金融科技的作用下，金融机构的资源会更多地流向具有发展潜力的民营企业，缓解了它们面临的研发资金压力，为企业研发创新以及高效率的生产性活动提供必要的资金，从而促进企业创新。

2.企业成长性

高成长性的企业往往有着高效的管理制度和资源转换效率，在获得金融机构的投资之后也会高效利用，快速壮大并提升核心竞争力。因此，金融科技对不同成长性企业创新的影响可能存在差异。为了研究这个问题，本文在模型(1)中引入金融科技(

FinTech

)与企业成长性(

Growth

)的交互项(

FinGrowth

)重新进行回归。通过表9回归结果可以看出，交互项(

FinGrowth

)与创新数量(

Pa

_

number

)的系数在5%的水平上显著为正，表明在成长性高的企业中，金融科技显著地提升了企业创新数量，但是对创新质量(

Pa

_

quality

)的提升作用并不显著，可能的原因是高成长企业需要将获取的外部资金合理高效地分配到企业各项经营活动中，以此维持企业的成长速度。这就会导致企业不能将资金过多地集中在研发活动中，部分对资金需求比较高的发明专利创新未得到有效的支持，因此无法显著提升企业创新质量。

3.企业规模

在我国，大型企业在融资时更容易受到金融机构的青睐，而发展潜力更高的中小企业却在融资过程中面临“金融歧视”问题，受到了很大的融资限制(卢峰和姚洋，2004)，影响了企业创新。因此，金融科技对不同规模企业创新的影响可能不同。本文在模型(1)中引入金融科技(

FinTech

)与企业规模(

Size

)的交互项(

FinSize

)重新进行回归，回归结果见表9。可以看出，交互项(

FinSize

)与创新数量(

Pa

_

number

)和创新质量(

Pa

_

quality

)的系数在1%的水平上显著为负，即金融科技显著地促进了小规模企业创新。因为企业创新代表了企业的核心竞争力，可以有效地增加企业的盈利水平，小型企业迫切需要创新来促进企业的发展，因此在金融科技的作用下，有发展潜力的小型企业会获取到更多的外部资金，缓解它们面临的研发资金压力，为企业研发活动的连续性提供必要的资金保障，而小型企业为了提升自身的行业竞争力，也会将外部资金更多地投入到研发活动中，从而促进企业创新，相对于大型企业，金融科技显著促进了小规模企业创新。

表9 异质性分析

五 结论和政策建议

科技是国家发展的永恒主题，金融市场存在的主要意义就是通过资源的整合来服务于科技、服务于企业发展，金融科技通过新兴信息技术手段作用于金融市场，协助金融服务于实体经济，给金融市场带来了一次重大的变革。深化供给侧结构性改革是我国建设现代化经济体系的一项重大战略，在这一背景下，研究金融科技对制造业企业创新的作用对于中国企业转变发展模式具有重要的指导意义。本文利用2012—2018年中国制造业上市公司数据，通过筛选金融科技相关的公司来构建城市层面的金融科技发展水平指标，实证分析金融科技对制造业企业创新的影响。结果显示，金融科技对制造业企业创新有显著的正向影响，并且稳健性检验进一步证明了结论。机制研究发现，金融科技的发展通过技术溢出效应降低了金融机构与制造业企业之间的信息不对称，通过竞争效应缓解了“金融歧视”导致的企业融资约束问题，从而促进了企业创新。

面对金融科技的快速发展，传统金融机构应该摒弃部分落后的营运模式，充分利用金融科技的先进技术来构建新的金融业态，运用信息挖掘技术与智能化数字平台完成自身的改造升级，使我国金融行业快速完成这次信息技术革命，引领世界金融。具体而言：(1)在金融投资方面，依靠国家的指导规划，通过人工智能等新型智能技术的应用与实践，发展自动化服务交易平台，提供安全有效的投资建议。(2)在信用管理方面，建立综合的信用等级评定机制，引入全方位的信息获取与处理技术，将用户认证、多维信息整理等基础技术与区块链、云计算等新型技术包括在内。考虑到此类技术有较高的技术壁垒，可能存在技术方的道德风险，因此监管机构需对其使用相应的监管规则，在监管上不仅需要关注操作风险、信息泄露风险，还需要关注信用评定机制是否符合理性、严谨性、公正性要求。(3)在客户服务方面，构建开放型银行，将金融服务融合于数字化，通过搭建智能服务平台来精准高效地为客户群体提供金融服务。需要注意的是，过于智能化的系统意味着客户的使用难度有所增加，如何简化平台操作和提供清晰易懂的客户服务手册也需要技术方重点考虑。