数字技术、科技金融与企业创新投入——基于“科技与金融结合试点”的准自然实验

薛 晴，焦文庆

(1.陕西师范大学 国际商学院,陕西 西安 710062;2.长安大学 经济与管理学院,陕西 西安 710064)

一、引言与问题的提出

习近平总书记指出“企业是创新的主体,是推动创新创造的生力军”。据统计,当前我国企业研发投入已占全国研发投入总额的76.4%,企业创新投入不仅直接关系其自身生存发展,也在很大程度上决定了社会整体创新水平,影响着国家经济和产业发展前景。科技创新成本高、周期长、风险大,企业从技术研发到成果转化再到商业化应用,各个阶段需要大量资金投入。长期以来,融资难、融资贵始终是企业科技创新投入的重要制约因素,也是我国实施创新驱动战略的重要障碍。“十四五”规划明确要求“完善金融支持创新体系”,因此深入探索金融服务科技创新的新机制,引导企业加大创新投入具有重要的现实意义。

科技金融强调科技创新与金融创新有效的融合,被视为促进科技创新的重要体制机制创新。我国有关金融科技的实践探索可以追溯到20世纪80年代。1985年中国人民银行、国务院科技领导小组办公室发布了《关于积极开展科技信贷的联合通知》。2011年及2016年国家分两批实施“科技和金融结合试点政策”,允许纳入试点范围的地区或城市在创新科技金融产品和服务模式,探索科技资源与金融资源对接的新机制等方面先行先试。经过30多年的发展,逐步形成了科技支行、科技保险、风险投资、多层次资本市场等多渠道、全方位、多视角的科技金融体系[1]。科技金融实践的快速发展,推动了相关理论研究不断深入,但囿于微观企业数据的可得性,有关科技金融促进企业创新投入的经验证据仍十分有限,且研究结论存在较大差异。吴净(2020)、孔一超,周丹(2020)等发现科技金融有利于促进企业创新投入[2-3],也有研究发现金融并不必然促进企业创新,二者可能存在“倒U形关系”[4-5]。叶初升等(2022)借助“科技与金融结合试点”这一准自然实验,发现科技金融能够提高企业创新数量,但对其创新质量并无显著影响[6]。现实中,我国众多科技型企业,特别是从事科技创新的中小企业仍面临严重的金融约束。

企业创新活动固有的信息不对称问题以及由此产生的逆向选择和道德风险, 是其面临融资难题的主要原因之一[7]。 近年来, 得益于数字技术的快速发展和成熟应用, 金融服务模式革新和效率提升, 为破解企业创新的融资难题提供了新的契机。 数字技术能够提高金融体系信息甄别能力有效地解决信息不对称问题, 为真正具备创新潜力和实力的企业提供金融支持, 同时数字技术还能够提高综合金融服务能力, 更好地匹配企业创新过程中不同规模和期限的资金需求。 目前, 已有研究关注了数字技术发展对企业创新的影响[8-10], 但现有文献一般直接考察数字技术与企业创新的作用, 忽略了数字技术是通过优化金融服务模式、 提升服务效率, 进而缓解企业创新行为的融资约束, 促进企业创新投入这一基本事实。

本文充分借鉴上述两方面研究成果,借助“科技与金融结合试点”的准自然实验,采用我国2010—2020年省级面板数据和沪深A股上市公司匹配数据,通过多期DID的方法检验科技金融对企业创新投入的影响,在此基础上构建三重差分模型,检验数字技术是否通过强化试点政策效果,缓解企业融资约束,进而促进企业创新投入。本文可能的贡献在于:①采用2010—2020年1 700多家上市公司数据,使用多期DID模型评估了试点政策的效果,从微观层面揭示了科技金融对企业创新投入的影响。②采用百度搜索数据,构建省级层面的数字化指数,并运用三重差分模型检验数字技术在提高科技金融服务水平、缓解融资约束、促进企业创新投入中的作用,丰富了有关数字技术与企业创新问题的研究,为进一步推进科技与金融融合发展提供了针对性政策建议。

二、理论分析与研究假说

最早关于金融与创新关系的研究可以追溯到20世纪初期熊比特(Schumpeter,1912)的创新理论,即金融的核心功能是识别并为企业家重组生产要素提供融资[11]。20世纪90年代,King和Levine(1993)等发展了熊彼特的观点,提出“金融发展—企业家精神—经济增长”的理论[12]。金融的核心功能是甄别最具潜力的企业家并提供金融服务,鼓励技术创新,进而促进经济长期增长[13]。在此基础上,Perez(2002)通过论述创新与金融结合的基本范式,认为二者的结合能够推动创新从而实现高额回报[14]。国外关于科技金融的论述主要集中在科技与金融的关系,但一直未出现直接相关的研究。

科技金融是伴随着我国科技创新逐渐发展起来的, 具有强烈的实践特色, 并且随着科技与金融融合程度的不断加深, 科技金融表现出明显的综合性特征, 主要体现在促进科技创新的一系列金融服务、 金融政策与金融制度等, 为初创期到成熟期各阶段的企业创新提供金融服务[1]。 科技金融在企业科技创新中也体现出创新性特征, 企业在科技创新中会形成新技术风险、 新产品风险与企业家风险[15], 有效的金融体系需要适应企业在创新过程中的资金需求与风险特征, 通过对各类金融工具与金融产品的创新, 提供与创新成果相契合的金融服务, 可以满足科技创新中的资金需求, 也分散了创新过程中存在的风险。

从科技金融信息处理功能来看,科技金融通过提高金融机构的风险甄别能力和风险管理能力,有效筛选企业的创新项目,降低了处理信息的成本,加快企业贷款审批,减小企业所面临的融资约束压力,丰裕企业的可用资金,使企业不会因为资金短缺而减少对于创新的投入,提升企业进行研发投入的意愿和能力。从科技金融资源配置功能来看,合理引导金融资源和社会资本向科技企业积聚,给企业在科技创新中提供更稳定的现金流,降低企业对非必须杠杆的需求,提高财务稳定性,推动企业创新。鉴于上述分析,提出:

H1:科技金融能够通过缓解企业的融资约束、降低企业的杠杆效应提升企业的创新投入水平。

伴随着数字技术的广泛应用,数字技术对金融的驱动作用不断得以强化,给传统金融领域带来了深刻的变革。数字技术赋能金融服务,通过数据挖掘、云计算、数字网络等技术的运用捕捉到更多的企业信息[16],穿透式识别市场中风险[17],有效缓解了传统金融市场中的信息不对称问题,拓宽了金融服务边界,创新了金融服务模式。有利于进一步优化科技金融试点中各项金融政策,提高金融服务效率,改变了企业在创新活动中的融资约束,进而影响企业的创新投入。第一,数字技术进一步有效改善金融市场信息不对称问题,双向优化资金借贷市场环境。虽然科技金融政策的出台解决了企业融资的“硬信息”约束,但大数据的使用能够抓取企业在进行支付、交易、投资等活动时更准确、更透明的日常经营信息,同时金融机构等外部投资者可以更清晰地了解企业与上下游企业及合作者之间的交易信息,有效补充了更多非财务性质的“软信息”,投资者据此更加准确地评估创新项目的可行性与市场前景,大大降低了信息的处理成本,进一步缓解了信息约束,提高资金的配置效率,促进企业创新投入。第二,数字技术能够降低融资成本,激励企业加大创新投入。科技金融政策虽然出台了众多政策鼓励金融机构加大对企业创新的信贷政策,但碍于实体网点建设成本的限制,科技金融对于企业的服务能力有效,仍有大量的中小型科技企业难以获得信贷资金,从而制约了企业的技术创新。数字技术与金融的结合在很大程度上解决了传统金融服务在时间和地理方面受限的问题,能有效地集中金融资源,拓宽企业融资渠道,充分发挥“长尾效应”,为更多中小型科技企业提供服务,进一步提高企业创新投入水平。鉴于上述分析,提出:

H2: 数字技术能够有效提高科技金融服务水平和效率，进而促进企业创新投入。

三、研究设计

截至目前,“一行三会”会同科技部于2011年和2016年分别设立了“科技与金融结合试点”地区,第一批试点地区为中关村国家自主创新示范区、上海市等16个地区,第二批为郑州市、厦门市等9个地区。由于科技金融对企业创新投入的影响受到企业特征、行业特征等多方面因素的影响,存在一定程度的分析结果偏误。为了减少其他影响因素的干扰,将“科技与金融结合试点”作为准自然实验,运用双重差分和三重差分估计科技与金融结合试点对企业创新投入及数字技术发挥的作用,可以在一定程度上消除内生性问题,2011年与2016年“试点”工作的开展正好为我们研究这一问题提供了契机。

(一)模型设定

1.多期DID模型 由于科技与金融结合试点地区建设于2011年和2016年分两批次在不同地区开展, 这一特征刚好满足了本研究涉及的区域-年份双层“多期DID”方法的使用条件。 而科技与金融结合建设的地区无法提前预知自身是否会被设立为试点地区, 政府决策亦无法在短时间内被干涉, 因此科技与金融结合试点地区建设可被看做为一次外生的创新激励事件[2], 可构建多期DID模型来进行检验。

参考李桥兴等(2021)[18],以企业所在地区t年是否有被列入科技与金融结合试点地区为政策变量(Treat),2011年与2016年被列入试点地区的当年和此后各年Treat=1;否则Treat=0。构建模型如下:

Innovationit=α+βTreat+Controls+ηh+θt+εi,t

(1)

2011年和2016分别为第一批和第二批金融与科技结合试点地区的设立时间。Treat为政策变量，Controls为控制变量，ηh表示行业固定效应，θt表示时间固定效应,εi,t表示随机误差。若β显著为正,则表明受到政策冲击地区企业的创新投入有明显提升。

2.三重差分模型 在利用双重差分模型衡量外生冲击对企业创新投入影响的基础上,本文构建了三重差分模型来检验数字技术是否能提高企业的创新投入。

参考陈艳、张武洲等(2022)[19]构建三重差分模型(2)来进行验证:

Innovationit=α1+βTreat+β1Treat×digitalize+Controls+ηh+θt+εi,t

(2)

Treat为政策变量、digitalize为各省份历年的数字化发展指数,其中超过平均数字化水平的地区划分为高数字化水平地区(digitalize=1),低于平均水平的地区划分为低数字化水平地区(digitalize=0),以此构建三重差分项Treat×digitalize(DDD)检验数字技术是否会提高企业的创新投入。其中Controls为与前文一致的控制变量、ηh表示行业固定效应,θt表示时间固定效应,εi,t表示随机误差。

(二)变量说明与数据来源

1.变量说明

(1)被解释变量。企业创新投入水平。研发资金投入和研发人员投入(聂秀华等,2019)是企业进行创新投入的两种方式[20][21]。以研发投入占营业收入的比例度量企业的研发投入水平,用研发人员数量占比作为替换变量进行稳健性检验。

(2)解释变量。一是科技金融政策变量。若某一地区在2011年或者2016年被纳入科技与金融结合试点地区建设中,则对归属于该地区的企业样本从该年份开始赋值为1,否则赋值为0。

二是数字化指数。借鉴李春涛等(2020)、赵宸宇(2021)对数字技术的衡量方法[22][23],利用数字技术相关关键词的百度搜索指数,提取与数字技术相关的关键词采用因子分析法在SPSS23.0软件中合成数字化指数。

(3)控制变量。为尽可能控制其他影响企业创新投入水平的因素,在研究中引入控制变量。一是企业年龄,以企业成立年距观测年的年限衡量。成立年限长短不一的企业有着不同成熟程度的运营模式,进而在创新投入上也有着不同的表现。二是企业盈利性,以总资产净利润率衡量。盈利能力强弱的差异,亦会对企业研发资金的投入带来不同的影响[20]。三是企业规模,以企业年末资产总额的自然对数值衡量。企业发展会受到自身规模的影响,不同规模的企业在创新投入上有着不同的表现。四是企业成长性的变量,以企业总资产增长率衡量。不同成长阶段的企业面临着不同的现金流压力[22],企业的创新投入水平也会受到相应的影响。五是审计意见,以审计单位出具标准无保留意见取0,否则为1的0—1虚拟变量衡量。审计意见会对企业形象带来影响,进而通过对企业外部投资者和企业价值来影响企业的创新投入。六是股权集中度,以企业第一大股东的持股比例衡量。股权过度集中可能会给有利于企业长期发展的研发投入活动带来损害。七是兼任情况,以企业董事和经理为同一人取1,否则为0的0—1虚拟变量衡量。高管与董事是否兼任的不同企业管理模式也会对企业创新投入相关决策产生影响[20]。八是反映企业监管的董事会独立性,以独立董事占董事会总人数比例衡量。不同的监管环境也会影响到企业的创新投入[22]。变量的具体情况与描述性统计结果见表1。

表1 相关变量的计算方法与描述性统计

2.数据来源。本文以2010—2020年中国沪深A股上市公司为研究对象,上市公司的行业特征、财务特征等数据均来自国泰安(CSMAR)数据库;2011年和2016年出台了两批科技结合金融试点地区,将研究样本期间进行划分,位于科技与金融结合试点地区的上市企业设定为实验组,反之设为对照组。为提高样本数据的代表性,对所使用的数据进行如下处理:将证券、银行和保险等金融类行业上市公司样本剔除;将资不抵债的公司样本剔除;将研究期限内当年出现ST和*ST的上市公司样本剔除;将相关财务数据缺失的上市公司样本剔除;对所有连续型变量进行1%水平的双侧缩尾处理,以降低异常值对研究的影响。

四、实证结果与机制检验

(一)科技金融对企业创新投入的作用——基准回归结果

1.基准回归。所有实证部分借助Stata16.0软件完成。基于模型(1),分别在不加入和加入控制变量的情况科技金融政策对企业创新投入的影响予以检验,实证结果见表2。

表2 金融科技对企业创新投入的影响

表2的结果显示,无论是否添加控制变量,模型中Treat的系数均显著为正。实证结果显示,在科技与金融结合试点地区建设政策实施后的实验组中,企业创新投入显著被促进,说明科技金融政策的执行给企业提供了更多的资金支持,激励了企业的研发投入。

2.机制检验 借鉴刘瑞明等(2020)做法从实证的角度来对上述两个途径进行验证[24],参考魏志华等(2014)以KZ指数(1)以经营性净现金流、现金股利、现金持有、负债程度以及成长性等五个因素作为表征融资约束的代理变量,通过回归分析构建的一个综合指数(KZ指数)来衡量企业的融资约束程度。衡量企业的融资约束,数值越小,融资约束程度越低[25];唐松等(2020)以Z值(2)国泰安数据库提供的上市公司财务困境Zscore模型计算Z值。根据Z评分法,以2.67和1.81作为临界值计算样本得分所处的范围,判断标准是Z>2.67为财务状况良好,发生破产的可能性较小；Z<1.81为财务困境,潜伏着破产危机；1.81

在融资约束和财务稳定性模型中,Treat的系数分别显著为负值和正值,即在科技与金融结合试点地区建设政策实施后的实验组中,企业所面临的融资约束程度得到了显著的缓解且企业的财务稳定性也得到了有效提升,说明科技金融政策的实施确实发挥了缓解企业融资约束和提升企业财务稳定性的作用。

(二)数字技术对企业创新投入的影响———三重差分回归结果分析

表3汇报了运用三重差分方法估计的数字技术对企业创新投入的影响。实证结果显示DDD项系数为正,且在10%的水平上显著,说明数字技术可以强化科技金融政策的执行效果。数字技术在金融领域的广泛应用,使金融中介更精准地掌握企业信用信息,有效识别创新项目的信贷需求,降低金融服务成本,扩大金融服务的覆盖范围,提高科技金融的服务水平和效率,使企业更容易获得及时、充足的资金支持,提高企业创新投入。

表3 三重差分检验

五、稳健性与异质性分析

(一)稳健性检验

1.平行趋势检验 科技金融政策效果成立的必要前提是,若不存在科技金融政策冲击,试点区和非试点区的企业创新投入应有一致的发展趋势。借鉴Beck et al(2010)[26]的做法,将科技金融政策实施前后的多个年份虚拟变量作为解释变量纳入基准模型。根据样本数据实际情况,设置科技金融政策实施前5年至后9年的年份虚拟变量,其中以政策实施当年为基期。科技金融政策实施前,各年份虚拟变量回归系数置信区间均包含了0,说明在科技金融政策实施前,试点地区和非试点地区企业创新投入发展满足平行趋势假定。

2.排除“相似政策”的影响 有效的政策评价要求其不可与同时期其他相似政策效果混淆,即政策“净效应”应将其他政策冲击影响排除[27]。在本研究时间段内,同时还存在着国家创新试点城市建设和国家自主创新示范区建设的政策。2008年我国批准深圳作为首个创新试点城市,并在后续不断加入新的创新试点城市;2009年批准北京中关村科技园为首个国家自主创新示范区后,并在后续不断加入新的创新示范区。

为避免国家创新试点城市和国家自主创新示范区等相似政策的影响,在基准计量模型中加入变量Innocity和Indearea,分别表示企业所在地区是否被批复为自主创新示范区和国家创新试点城市建设的虚拟变量,即被批复的当年及以后取1,否则为0。表4的结果有助于排除其他相似政策对企业创新投入的潜在影响,得到排除其他相似政策冲击后,科技与金融结合试点地区建设政策对企业创新投入影响的净效应。Treat的估计系数仍然显著为正,说明在剔除同时期相似政策影响后,本文原结论依旧成立。

3.剔除直辖市 直辖市的科技与金融试点建设地区同其他地区间存在着一定程度的差异,为排除此影响,现将直辖市的样本企业剔除掉进行检验。检验结果如表4,发现在剔除北京、重庆、天津和上海四个直辖市后,原结论依旧不变。

4.更替变量 使用企业创新投入的另外一种衡量方式,即使用研发人员占比作为被解释变量进行检验。检验结果如表4,发现将被解释变量更改为研发人员投入比例时,仍然得出原结论。

表4 稳健性检验

(二)异质性分析

1.行业异质性 为探讨科技金融政策的实施对不同行业企业创新投入影响的差异,借鉴宋建波等(2016)的分类方法[28],将行业代码为A、D、F、H、J、K、M的归为非科技行业,剩下的行业归为科技行业,并以此进行检验。结果如表5所示,发现科技金融政策的实施对企业创新投入的激励效应在不同行业中有着不同的表现。其对科技行业企业创新投入有着显著的正向激励效应,而对非科技行业企业的激励效应则是不显著的。科技行业有着更为迫切的创新投入需求,且创新活动具有专业性和保密性高的特性,外部投资者对其保持着更为谨慎的投资态度,因而企业在进行创新投入时所面临的压力也会更大。科技金融政策的实施能够优化处境更为艰难的科技行业企业的融资环境,为此类企业的创新活动带来更为显著的助推力量。

2.地区异质性 为分析科技金融政策实施对不同地区企业创新投入影响的差异,现将样本划分为东部、中部和西部进行分析。结果如表5所示,发现科技金融政策对处于东、中、西部地区企业的创新投入有着显著为正的激励效应,且东部与中部地区的系数大于西部。以上结果说明:由于区位优势、信息优势、经济优势,能够吸引金融资源更容易向经济更为发达的东部聚集,且处于东部的试点地区更多,科技金融的政策效果更明显,对企业创新投入的激励作用也更为显著。而西部地区由于金融环境相对薄弱,科技金融政策的作用效果相对较弱。

表5 异质性检验

六、结论与政策建议

数字技术和科技金融的发展为破解企业创新投入的融资约束提供了有效路径。“科技与金融结合试点”政策的出台创造了良好的“准自然实验”机会,本文基于我国2010—2020年省级面板数据和沪深A股上市公司的匹配数据,采用多期DID模型与三重差分模型有助于精准评估数字技术、科技金融对企业创新投入的影响及其作用机制。研究结果表明,基准模型结果显示科技金融能够有效促进企业创新投入;引入数字技术的三重差分模型结果显示,数字技术通过提高金融服务水平和效率,促进企业创新投入。在进一步的机制检验中发现,科技金融可以通过缓解企业融资约束和降低企业的杠杆效应促进企业创新投入。异质性分析发现,科技金融对企业创新投入的促进作用在高科技行业、中东部地区更为显著。

上述结论具有以下政策启示:一是科技金融有益于促进企业创新投入,应进一步强化顶层设计,为制定与实施科技金融政策营造更为合理宽松的政策环境,通过发挥科技金融的引导作用,拓宽企业创新项目的融资渠道和保持企业财务指标的稳定。因此未来政策实施的要点在于:充分发挥科技金融在调动企业融资方面的积极作用,运用数字技术助力企业获取贷款和盘活金融市场中可用资金,降低融资成本缓解融资约束,进一步引导科技金融将资金精准投入到有创新需求的企业中,提升企业的财务水平,满足其资金需求,降低对企业杠杆的需求。二是数字技术通过强化科技金融的政策效果促进企业创新投入,应该充分发挥数字技术在缓解信息不对称、提高综合金融服务能力等方面的独特优势,引导更多金融资源向科技创新企业倾斜。值得注意的是,数字技术的发展和运用也会带来数据安全、数字鸿沟等问题,监管部门和金融机构应更加重视数字技术背后隐含的安全、风险和公平等问题,确保数字技术更好地创新金融服务模式,提高金融服务效率,促进企业创新发展的作用。三是科技金融对企业创新投入的促进作用存在显著的区域与行业差异,要探索形成破解企业创新投入融资约束的经验模式,更要鼓励各地区结合区域特点、禀赋优势和产业特点,加大科技金融改善公共金融服务的力度、创新科技金融产品与服务模式为西部地区企业创新投入提供更多支持,同时以市场需求为依托,引导更多金融资源向科技创新行业倾斜。