金融科技、创新资源配置与全要素生产率

邓楚瑶

（哈尔滨商业大学 经济学院，黑龙江 哈尔滨 150000）

一、引言

金融科技的本质是现代技术为金融赋能，有利于企业经营、生产管理以及精准识别信息以实现信贷精准投放。信息时代大背景下，传统金融机构增长动能严重不足，迫切需要提高金融科技发展水平[1]。金融科技可通过获取更多借贷人信息，降低信息不确定性，实现信贷精准投放，拓宽企业的融资渠道，从而有效促进企业的产融结合，提升其创新能力[2]。同时，金融科技通过技术手段大大改善了金融服务与企业经营效率，也为促进技术向生产力转化做出独特贡献[3]。此外，金融科技通过对传统金融进行技术改造和创新，为金融业务提质增效，丰富金融内涵，拓宽金融边界，切实推动了中国实体经济与产业经济高质量发展。

与此同时，金融科技的发展大大缓解了企业的融资约束问题。金融科技提高了金融机构精准鉴别借贷人信息的程度，降低了银企之间严重的信息不对称性问题[4]，从而优化了企业信用贷款资源配置结构，最终降低了企业的融资难度，缓解了融资约束[5]，使得企业有更充足的资源进行投资。而企业技术创新项目的投资概率与融资约束成负相关[6]，即融资约束程度越低，则企业更有可能投资于技术创新项目，优化其创新资源配置，进而提高全要素生产率。

现有的研究多认为金融科技对全要素生产率的影响呈线性关系[7，8]，而文章认为企业会在实体投资和金融投资之间进行抉择，两种投资方式的收益成本变化使得金融科技与全要素生产率之间呈现“U”型关系。金融科技发展初期，缓解企业融资约束程度较低时，因金融投资的套利空间大、机会多、投资回报率高，而实体投资资金需求大，且回报的不确定性高，两者间的差异会推动企业进行金融化投资而非实体投资，因此金融投资动机在初期时占主导，而企业的创新资源投入较少，使得全要素生产率(TFP)水平在初期呈下降状态。随着企业融资约束的进一步缓解，其获得的融资额度足以支撑企业进行大额实体投资，在此之后，创新资源的配置得到进一步优化。同时，金融机构在金融科技发展的背景下，能够利用数字手段对企业进行更加精准地分析，缓解信息不对称[9]。信息不对称的缓解提高了企业信贷资源可获得性，降低贷款成本，从而提高企业全要素生产率[8]。

鉴于此，文章可能的边际贡献在于：

第一，现有文献主要观点是金融科技能线性提高企业全要素生产率水平[7，8]，金融科技水平越高，企业的全要素生产率水平因技术创新而随之提高。而文章通过分析企业对于金融化动机与实体投资动机的权衡，得出金融科技水平的提升会以“U”型关系影响企业全要素生产率水平，即金融科技发展水平的提高首先会降低全要素生产率水平，随着企业融资约束的进一步缓解，全要素生产率水平随之提高。

第二，文章创新性地分析了金融科技对于企业影响的两面性，即金融科技水平的提高缓解了企业的融资难度，扩大了融资规模，但在初期融资规模扩大的程度并不足以鼓励企业进行融资额度要求高且不确定性也高的实体投资，因此企业为套利选择金融化投资，后期融资约束的进一步放开使得企业在金融化动机与实体投资之间的权衡中选择了实体投资，促进了技术创新，提高了全要素生产率水平。全面了解二者的动因能更好地预见金融科技发展所带来的影响，为后续金融科技发展提供有效借鉴。

第三，从企业、行业以及市场三个角度分析金融科技对于全要素生产率的异质性影响，不仅在学术上丰富了现有文献，也在实践上指导了金融科技更好地为实体经济服务，推动经济“脱虚向实”。

二、文献综述和假设提出

1.文献综述

金融稳定理事会(FSB)认为金融科技是技术驱动的金融创新，现有研究主要从投资效率、融资约束、金融服务质量及创新活动等方面探究金融科技给企业带来的影响。一方面，金融科技具有资源和治理效应，通过降低信息不对称性从而提高企业的投资效率[10]。同样，金融科技发展热潮倒逼传统的金融机构进行数字化转型，提高风险管控能力以及资源配置效率，从而提升其提供的金融服务质量[11]。唐松等(2020)认为，金融科技的发展促使生产要素进行跨产业、跨时空配置，通过提高要素资源的流通效率，加强地区之间的交流，鼓励企业进行创新活动[12]。

另一方面，金融科技通过降低企业的融资约束，从而提高企业投资效率，提升企业价值与绩效。谢平等(2015)认为金融机构借助大数据、互联网、人工智能等高科技，以低成本高效获取、分析借贷方的信息和数据，采用信用评估模型进行信贷决策和风险控制，改善资金供需双方信息不对称情况，从而缓解融资约束[13]。而连玉君、苏治(2009)认为，在高融资约束的背景下，企业容易出现投资不足的现象，导致企业投资效率低下[14]。融资约束的存在会制约企业创新资源配置水平，从而损害企业价值与绩效，阻碍企业提升研发创新产品的市场竞争力[15]。

现有文献还从微观、中观与宏观角度研究了金融科技与全要素生产率的关系。微观方面，金融科技可以优化资源配置，提高企业技术进步水平，从而促进全要素生产率的提高。金融科技推动企业更新其产品与服务的生产方式，从而提供质量更优的后台服务，推动技术进步[16]。因此，企业生产技术发展受益于金融科技发展带来的资产配置效率的改善。此外，金融科技利用大数据、互联网等技术对外部信息精准处理分析，大大降低了银企信息不对称问题，还能通过分析贷款人背景以及信用历史匹配交易意向，扩大金融机构服务范围，提高信贷资源配置效率[17]。

中观层面，金融科技还从产业层面影响着全要素生产率。金融科技的发展突破了以间接融资为主的金融资源配置模式，给传统金融业带来巨大冲击，推动其转型。并且高科技与金融的融合创新催生了电子金融等新型服务模式，产生乘数效应，有利于提高经济产出和生产率[18]。

然而，金融科技发展在带来机遇的同时，也带来了挑战。从宏观层面看，金融科技的发展带来的风险极易跨地域传播，且具有系统性、隐蔽性等特点，给企业生产技术的提高造成了一定程度上的威胁与阻碍[19]。但从另一角度看，大数据、云计算等技术的应用也加强了企业的风险识别能力，提高了资源配置效率，最终有利于全要素生产率的提高[20]。

2.假设提出

综上，金融科技的发展能降低银企信息不对称性程度、缓解融资约束问题及优化信贷配比。区域金融科技的发展拓宽了传统金融机构获取信息的渠道，扩大了信息共享范围、降低银企信息不对称性[21]。同时，金融科技的发展促进海量数据的整合和精准匹配，有利于提高企业信息精确度，从而增加投资准确性。

具体而言，金融科技的发展依托底层大数据、云计算、人工智能和区块链等技术创新，重构当前金融基础设施，推动金融新业态的发展。金融科技的发展有利于对金融与非金融信息进行实时搜集与分析，提高决策精准性，初步缓解了企业的融资约束，提高了企业的可融资规模。金融科技还能增强资金供需双方的匹配度，为企业提供更为广阔的平台和更周到的融资服务，降低企业的融资成本[22]，使企业使用较少抵押便能获得贷款，提升借款能力，优化信贷配比。

融资约束的缓解对于企业资源配置呈阶段性特征。企业融资约束得到缓解后，融资规模初步增大，企业为追求高额利润，倾向于将资金投资于套利空间大、机会多、投资回报率高的金融化投资，而并不会选择投入成本高、回收期长且不确定性高的实体投资，两者差异推动企业前期金融化投资比例上升，因此金融投资动机会在初期时占主导，而企业的创新资源投入较少，使得初期全要素生产率水平呈下降状态。随着企业融资约束的进一步缓解，其获得的融资额度足以支撑企业对实体经济进行大额投资，企业因此降低金融化投资比例，提高对实体投资的投入，创新资源的配置得到进一步优化。

创新资源的投入直接影响到企业全要素生产率水平。技术创新、生产技术进步离不开创新资源的投入，由于创新活动所依赖的高精尖设备等需要巨额资金投入，因此创新资源配置不足会抑制企业创新热情与意愿[23]。创新型人才汲取新知识、新技术并将其灵活运用到企业的生产经营中，进而转化为专利、新产品等形式，实现企业技术进步，提高全要素生产率水平。因此，金融科技通过缓解企业融资约束，影响企业创新资源配置，最终形成“U”型关系影响企业全要素生产率水平。

基于上述分析，文章提出如下研究假设：

假设H1：金融科技发展水平与企业全要素生产率之间存在“U”型关系。

假设H2：创新资源配置在金融科技与企业全要素生产率之间发挥中介作用。

假设H3：金融科技与企业金融化之间存在倒“U”型的关系。

三、实证模型与数据来源

1.样本选取和数据来源

文章数据来源CSMAR 数据库，以2013—2020 年中国沪深A 股上市公司为研究对象。对获得的初始样本进行如下处理：考虑到金融行业的特殊性，剔除与其他行业差异较大的金融行业数据；剔除研究期间内，相关变量数据缺失的公司；剔除处于*ST、S*ST、ST 异常经营状态的公司数据；文章对连续变量进行1%～99%水平的Winsorize 处理，消除异常值的影响。最终获得15942 个公司的年度观测值。

2.模型构建

为了实证检验金融科技发展与全要素生产率之间的关系，文章设定模型如下：

其中，TFPi，t是企业i在第t年的全要素生产率；Fintechm，t-1表示地区m在第t-1 年的金融科技发展水平，文章用金融科技公司数量衡量；Controls表示控制变量；φi和δi分别表示年份和企业固定效应。文章参考温忠麟、叶宝娟(2014)[24]的研究，采用中介效应检验模型来检验这一影响机制：

其中，TFPi，t代表企业的全要素生产率，解释变量代表金融科技发展程度。lnrdexp是创新资源配置，代表企业创新资源配置，为中介变量，其余变量同式(1)。

3.变量说明

（1）金融科技发展水平的测算

文章参考宋敏等(2021)[8]的思路，检索天眼查中金融科技相关的关键词，比如“互联网”“物联网”“区块链”等，以此获得相关企业的工商注册信息，并且剔除了解散、停业等经营异常的样本和经营时间不超过一年的样本。在此基础上，文章进一步筛选所得数据，根据样本中金融科技公司的经营范围，使用与金融相关的关键词模糊匹配样本企业，仅保留成功样本。最终，使用所在地区金融科技公司数量来度量金融科技发展水平，数值越大，金融科技发展水平越高。

（2）全要素生产率的测算

借鉴鲁晓东与连玉君(2012)[25]、刘莉亚等(2018)[26]的方法，文章利用OP 法测算全要素生产率。文章的变量说明见表1。

表1 变量说明表

4.描述性统计

由表2 可知，全要素生产率(tfp)均值为15.039，标准差为1.051，中位数为14.926，表明结果无明显偏态。金融科技公司数量(FintechN)取对数后均值为3.206，中位数为2.944，标准差为1.831，同样说明金融科技公司数量分布较为均匀，未出现明显的偏态现象。表2 还列出了其他变量的描述性统计，均在正常范围之内，结果不再赘述。

表2 样本描述性统计

四、实证结果

1.基准回归结果：金融科技与全要素生产率

基于前文的理论分析，结合假设H1，初步认为金融科技会先降低企业的全要素生产率，随后提高其生产水平。表3 则对“金融科技—企业的全要素生产率”的基准关系进行了实证检验。从第(4)列回归结果可看出，二次项为正，说明金融科技与企业全要素生产率存在着明显的“U”型关系，即金融科技发展首先会降低企业全要素生产率，随着金融科技的发展企业全要素生产率水平再逐渐提高。如前所述，金融科技的发展初期降低了融资约束，则企业的金融资产投资套利动机首先占据主导地位，金融化投资规模大，后期融资约束得到很大缓解时，企业才会将大量资金投入研发活动等产出确定性较低的生产中，实体投资规模变大，初步验证了假设H1。文章将利用替换指标等方法检验结果的稳健性。

表3 金融科技与企业全要素生产率

2.稳健性检验

第一，为了防止金融科技变量衡量具有偶然性而给实证结果带来的估计偏误，且仅考虑金融科技公司的数量而忽略了公司质量有可能对结果产生影响，表4 通过更换金融科技的变量衡量方式进行稳健性检验。第(1)列将使用地区当年新注册且到年末依然存活的金融科技公司的注册总资本除以地区GDP 总额(FintechV)重新衡量金融科技水平，并与全要素生产率再次回归，可以看出金融科技与企业全要素生产率均在1%的水平上显著相关，结果依然稳健，说明文章不存在由于变量指标衡量所带来的结果不稳健情况。

第二，考虑到地区经济发展水平以及金融发展水平不同既能影响金融科技发展水平，又能给全要素生产率带来影响，表4 第(2)列控制了地区经济、金融发展水平，结果可看出，两者系数均显著，即经济发展水平与金融发展水平都显著影响金融科技发展水平与企业全要素生产率水平。控制地区经济发展水平与金融发展水平后结果依旧稳健。

表4 稳健性检验

第三，考虑到样本期间企业因当地金融科技发展程度较低，而迁移到临近金融科技发达城市的自选择问题非文章考虑范围，那么会对回归结果产生影响。因此，文章删除样本期间注册地址跨地级市迁移的企业样本并进行重新回归。由结果可以看出，剔除特定样本后，结果依旧显著稳健。

第四，考虑到周围城市金融科技发展也会激励当地的企业全要素生产率水平提高，为了缓解金融科技空间溢出效应的影响，仅考虑本地区金融科技发展给企业全要素生产率带来的提高效果，第(4)列控制企业所在市以外的金融科技发展水平，即接壤城市平均金融科技发展水平(meanFintech)，结果仍显著。

3.内生性检验

（1）工具变量法

前文的研究结论可能会面临内生性问题。为了减弱潜在的遗漏变量及反向因果关系造成的对研究结论的潜在影响，文章进一步采用工具变量法进行检验，参考宋敏等(2021)[8]的做法，企业金融科技发展的工具变量(iv)使用样本企业所在省GDP 最临近注册地的其他三个地级市的金融科技发展水平的均值，并对基准模型进行估计。选取这一变量的理由是根据张杰等(2017)的观点，金融机构选址时，省内GDP 是金融机构考虑是否进入该地区的最相关指标，且GDP 相近的省份金融业结构存在共同点，能够为金融科技“赋能”打下坚实基础。因此，省内GDP 差距不大的地级市的金融科技发展程度也具有高度相关性。而相似GDP 水平的城市金融科技发展很难直接影响企业的全要素生产率，在文章控制了周边城市金融科技发展程度的溢出效应的基础上，该指标还满足外生性条件。因此文章将企业金融科技发展(iv)系数再次回归，结果保持不变，说明在缓解潜在内生性后，保持了结果的稳健性，即金融科技发展与企业全要素生产率仍呈“U”型关系。

（2）系统GMM 回归

考虑到企业全要素生产率序列相关这一特点会对结果造成影响，为了解决这一问题，文章采用系统GMM 回归来检验前文结论的稳健性。由表5 第(3)列结果可知，变量FintechN2 仍在1%的水平上显著相关，表明在考虑了企业全要素生产率序列相关这一特点的情况下，结果依然稳健。

表5 内生性检验

五、机制检验

基于文章假设H1 的证实，为了深入探究创新资源配置作为中介能否影响全要素生产效率，因此文章进行了中介效应的检验，结果如表6 所示。由表5 结果可知，第(1)、(3)、(5)列仅控制固定效应，第(2)列加入控制变量后再次进行回归，发现创新资源配置的增多与全要素生产率在1%的水平上显著正相关，即创新资源配置越高，全要素生产率水平越高。第(4)列结果显示金融科技的发展对于创新资源配置呈“U”型关系，而第(6)列加入创新资源配置作为中介再次进行回归后发现显著性下降，即金融科技通过影响创新资源配置，并以“U”型关系影响企业全要素生产率水平，验证了前文假设H2。

表6 机制检验：创新资源配置

文章加入融资成本进行回归，从表7 结果可得，第(1)列仅控制固定效应，第(2)列加入控制变量进行回归，发现融资成本在1%水平上与金融科技发展成显著负相关，即金融科技的发展水平提高会带来融资成本的降低，从而缓解企业融资约束，降低企业融资门槛。同理，第(3)、第(5)列仅控制固定效应，第(4)、第(6)列加入控制变量分别验证金融科技对抵押贷款与信用贷款的影响。由结果可以看出，金融科技的发展会降低企业抵押贷款的比例，提高信用贷款的比例。金融科技还可以通过精准降低银企信息不对称性，帮助企业以较低的抵押获得贷款，提高使用信用贷款的频率，借款能力提升，使得企业在向银行借款时，精准匹配自身借贷信息，从而占有更有利的借款地位。

根据前文的理论假设，企业前期融资约束缓解程度较低的情况下，金融科技在前期发展时的不全面，其本身面对的信息漏洞较大，信息不对称性给企业带来的困难较多，企业因套利动机欲获得更高的投资收益率，会优先选择金融化投资。后期企业信息不透明度降低，实体投资收益率提高，抑制金融化倾向，从而降低金融化行为，提高实体投资比例。为进一步探究并验证企业金融投资的动机，文章使用金融科技与金融投资进行回归。表8 第(1)、第(3)列仅控制固定效应，第(2)、第(4)列结果显示，即金融科技水平二次项系数显著为负，而一次性系数显著为正，金融科技对于金融投资存在倒“U”型关系，假设H3 得证。

表8 金融科技与企业金融化倾向

六、异质性检验

考虑到金融科技对内部控制质量不同的企业影响的差异性，文章将内部控制质量作为分组依据，分为内部控制质量较好和较差两组，并再次进行回归检验，以探究金融科技对内部控制质量不同的企业的全要素生产率是否仍具有显著的影响效果。表9 第(2)列结果表明内部控制质量较差的企业金融科技发展对于其全要素生产率存在“U”型影响，而第(4)列结果可以看出金融科技发展对于内部控制质量较好的企业的全要素生产率只存在正面影响。企业内部控制质量较好时，企业可以通过内部控制防止套利行为发生，且创新资源的配置在内部控制质量提升时对于全要素生产率的提升作用更加显著，则金融化对于企业的吸引力减弱，因此内部控制质量较好的企业，金融科技发展会显著提高全要素生产率水平，其套利性动机减弱，也因金融资产配置低而会进行更多创新资源配置，因此不存在“U”型过渡。

表9 异质性分析：内部控制质量

已有研究表明，金融科技能与金融机构产生互补作用，两者融合空间较大[21]，因此在市场化水平较低的地区，金融科技对企业全要素生产率的提升效果更加明显[8]。而市场化水平较低的地区金融科技发展给企业带来的好处较明显，能降低信息不对称性与信贷资源分配不均带来的问题，对企业全要素生产率改善效果较显著，产生互补效应。为了进一步探究市场化水平不同给企业全要素生产率带来的影响，文章将市场化水平作为分组依据，分别进行回归。表10 第(2)、第(4)列结果表明在市场化水平较低的地区，金融科技发展对于企业全要素生产率水平在1%的水平上存在“U”型影响，而在市场化水平较高的地区，金融科技程度提升对于企业全要素生产率水平的提升作用并不显著，金融科技发展能对市场化水平较低的地区产生互补效应，验证了假设H3。

表10 异质性分析：市场水平

七、结论与政策建议

金融科技为经济赋能，遵循新的发展理念、坚持科学发展对增强金融服务实体经济的能力至关重要。金融科技的发展可以助力经济从高速发展转向高质量发展，能加速金融业与实体经济的包容性发展。

文章研究发现，企业全要素生产率与金融科技之间存在“U”型关系。机制分析表明，区域金融科技的发展能够激发企业创新的活力，提高创新资源配置，进而提高企业的全要素生产率。金融科技对全要素生产率的影响具有明显的异质性，即内部控制质量较差的企业金融科技发展对于其全要素生产率存在“U”型影响，而较好企业金融科技发展对于其全要素生产率只存在正面影响；市场化水平较低的地区，金融科技对企业全要素生产率的提升效果更加明显，而较低地区金融科技发展则能显著提高企业全要素生产率水平。

基于以上结论，文章提出如下建议：

第一，深化金融改革。金融科技赋能金融发展，通过借助大数据、人工智能、物联网等技术工具可以缓解银企之间的信息不对称性，优化信贷资源配置，因此应进一步深化金融供给侧改革，加强数字技术服务金融，鼓励金融机构开展数字化转型。

第二，完善金融基础设施建设，加强监管。金融科技发展带来机遇的同时也会带来挑战，政府应该加强对金融科技的监管与引导，防范其可能引发的巨大金融风险，同时还要因地制宜，根据各地金融市场的不同制定相应的市场准入监管，完善相关政策，以适应金融发展节奏加快的实际需要。

第三，多措并举缓解企业融资约束。企业融资难、融资贵的问题一直是阻碍企业加大创新资源配置的绊脚石，为鼓励企业生产技术创新，应当更好地发挥金融普惠性，构建多层级、覆盖面广、差异性的融资体系，以满足多样化的融资需求。