数字金融对企业创新绩效的影响

寇明婷 王宇飞 张梦琳

摘 要：以科技赋能的数字金融为企业创新提供了新的机会。本文选用2011—2019年沪深A股上市公司面板数据为样本，面向企业创新的投入端和产出端，实证分析了数字金融对企业创新绩效的影响。研究结果表明：数字金融对企业创新绩效存在显著的促进效应，在替换变量、一期滞后和引入工具变量等稳健性检验后效果依旧显著。采用门槛机制影响分析发现数字金融对企业创新绩效的提升具有边际递增的非线性特征，且其边际递增的效应在创新产出端更为明显。引用数字金融与管理层年龄、教育水平、任期3种管理层异质性的交互项进一步探究了管理层异质性在数字金融对企业创新绩效影响中的调节作用，结果表明存在负向调节，即管理层异质性会减弱数字金融对企业创新绩效的促进作用。本文的研究将为我国企业如何利用数字金融提高企业创新绩效提供经验参考。

关 键 词：数字金融;企业创新绩效;管理层异质性;门槛效应

DOI：10.16315/j.stm.2023.03.005

中图分类号： F832

文献标志码： A

收稿日期： 2023-03-24

基金项目： 国家自然科学基金面上项目（72274012）；教育部人文社会科学规划基金项目（22YJA630037）；中央高校基本科研业务费专项资金资助项目（FRFTP20015A3，2020.062022.06）

作者简介： 寇明婷（1981—），女，教授，博士生导师;

王宇飞（1999—），女，硕士研究生；

张梦琳（2002—），女，硕士研究生.

科技创新已经成为国家和区域发展的重要驱动力[1]。根据《2021年全球创新指数报告》，我国创新指数排名连续9年稳步上升且上升势头强劲。作为创新的主体，企业创新的具体实施离不开长期且稳定的资金的支持，然而融资成本高、融资困难已成为制约企业创新发展的重要原因[2]。一方面，由于创新的不确定性和高风险性，使得较低风险容忍度的传统金融机构缺乏向企业创新项目贷款的动机[3];另一方面，创新主体和金融市场之间的高度信息不对称加剧了企业融资困难的局面[4]。

随着数字经济的快速发展，依托于区块链、大数据等数字技术的数字金融应运而生，并成为学者研究热点[5-6]。研究表明，以成本低、效率高、覆盖广[7-8]为特征的数字金融在增加有效金融供给[9]、缓解资源错配[10]、降低信息不对称[11]等方面发挥着积极的作用，已经成为我国经济实现优质发展的重要力量。如何利用数字金融来驱动企业创新绩效是值得深入思考的问题。

现有数字金融与创新的研究主要集中在宏观区域层面[12-13]，较少有微观企业层面的研究。基于此，本文运用2011—2019年我国沪深A股上市公司为研究对象，结合公司所属地区数字金融指数，从直接影响效应和门槛机制影响效应2个研究角度以及创新投入和产出2个方向，探究数字金融对我国企业创新绩效的影响。企业要想发展数字金融，离不开管理层的支持，因此本文将进一步探究管理层在其中发挥的调节作用。本文的研究为我国企业数字金融的发展和企业创新绩效的提升提供了一定的政策建议，并为我国数字化发展中管理层如何提高企业创新绩效提供了一定的经验参考。

1 理论分析与研究假设

1.1 数字金融对企业创新绩效的影响

作为一种新型的金融方式，数字金融能够最大程度消除信息不对称和资源错配[14]，加快资本要素流向生产环节，不仅提升了整个社会的运行效率，也改善了企业创新的市场环境，有助于推动企业创新绩效的提升。首先，数字金融能降低企业融资成本。数字技术的应用可以有效提升信息筛选效率[15-16]，其风险识别功能可以快速收集企业的信用信息，提高金融机构对创新主体风险评估的效果[17]，从而降低企业融资的交易成本[18]。其次，数字金融能有效缓解融资约束。数字平台的构建突破了时空壁垒，金融机构通过数字平台可以随时搜集企业的日常交易活动[19]，快速有效地实现创新资金供需的精确匹配，打破了传统金融市场的“长尾效应”，帮助中小企业及时获得金融服务进而开展创新活动。再次，数字金融能缓解信息不对称。数字金融的信息化发展可以改善金融机构和企业之间信息不对称，增强信息透明度[20]，有利于企业在创新网络中的交流与合作，从而增强金融资源与创新项目的相互匹配，并规避金融市场中的逆向选择和道德风险[21]。最后，数字金融赋能商业模式创新。面对数字化时代的新机遇与新挑战，通过创建良好的企业创新机制，企业能够快速应对动态和竞争激烈的市场，并在商业竞争中持续保持创新的竞争力[22]。据此，本文提出如下研究假设：

H1：数字金融能够促进企业创新绩效的提升。

1.2 数字金融对企业创新绩效的非线性特征

数字金融作为一种金融溢出，颠覆了传统金融体系架构，其发展为企业创新提供强有力的资金支持，促进企业生产专业化和实现规模增长，因此数字金融对企业创新的影响可能是非线性的。首先，数字金融具有规模效应。数字金融的发展突破了传统金融服务的边界[23]，利用自身优质创新资源，企业能够吸引更多优质的资本支持，有效增强企业的规模效应[24]，同时规模收益递增效应可以进一步刺激企业创新发展的欲望。其次，數字金融可以加速资本积累。数字金融的发展加快了一体化数字金融服务网络的构建，使得更多的主体进入更庞大的资源配置网络，提升网络内部成员间资源交换效率，帮助优质创新主体快速实现资本积累。同时，数字金融的包容性将更多特殊群体引入劳动力市场，为其提供享受金融服务和提升劳动技能的机会，得以促进整个社会人力资本的积累[25]。最后，数字金融为企业数字化转型提供了快速的资金支持，助力企业实现技术改造和产品升级，从而使得企业创新效率不断提高[26]。据此，本文提出如下研究假设：

H2：数字金融对企业创新绩效具有边际效应递增的非线性特征。

1.3 管理层异质性的调节作用

数字化时代，创新不只是研发人员的工作，管理层团队已是创新成功的最重要的关键因素之一[27]。因此为了探究管理层异质性是否会促进企业创新绩效的提升，本文进一步研究了管理层异质性在数字金融对企业创新绩效促进作用中的调节效应。有研究表明管理层内部人员的不同的背景可以在公司管理中互为补充，可以增加信息与知识的多样性，带来多元化的想法和视野。这些多元化可以有效的帮助企业识别潜在的风险与机遇，以提高决策的综合性和绩效[28-29]。但大多数研究表明管理层异质性会带来管理层内部人员之间价值观差异，导致团队内部认知差异增大。管理层之间也很难互相信任，团队会出现凝聚力下降、离职率上升的现象，而这些现象又会进一步增加沟通中出现矛盾和冲突的机率，团队内部沟通成本越大也越难达成一致[30-31]。因此管理层异质性会阻碍企业绩效的提升，尤其显著抑制创新绩效的提升[32]。学术界对管理层异质性研究的角度主要集中在管理层年龄、教育水平和任期3个方面[33-35]，因此本文将重点探究这3种异质性在数字金融对企业创新绩效影响作用中的调节效用。据此，本文提出如下研究假设：

H3：管理层异质性会减弱数字金融对企业创新绩效的促进作用。

2 研究设计

2.1 样本选择与数据来源

本文选取2011—2019年我国沪深A股上市公司的公开数据为研究样本，基准公司取自中国研究数据服务平台（CNRDS）数据库，剔除缺失值，删除ST公司和保险业与货币金融服务2个行业的公司，同时删除数据量小于5年的公司，共获得2 116家企业的17 102个非平衡观测值。本文独立授权专利数量和研发投入强度相关原始数据源于CNRDS数据库，研发投入强度根据研发支出和营业收入二者手工計算，其中研发支出的数据的缺失值比较国泰安数据库（CSMAR）进行补充。数字金融的数据源于北京大学数字金融研究中心。本文调节变量的原始数据源于国泰安数据库（CSMAR）。本文的控制变量的数据均来自以上数据库。在数据处理时，为消除极端值对结果的影响，本文对所有变量均采用winsor2缩尾处理。本文的数据分析和模型计算使用stata14和stata16两款软件。

2.2 变量选择

2.2.1 被解释变量

现有研究大多采用单一指标度量企业创新绩效，本文还原绩效的投入产出比的特点，采用双维度的衡量方式。在创新绩效的产出端，本文借鉴胡山等[36]的做法，选用企业当年独立授权专利数加1后取自然对数来衡量，相较于独立申请专利数，独立授权专利数经过了国家专业机构的认证，更能够真实衡量企业的创新产出能力。

同时按照专利的3种划分类型，将专利划分为独立授权发明专利和独立授权非发明专利2种，其中独立授权非发明专利由实用新型和外观设计专利相加所得。在创新绩效的投入端，本文借鉴戴小勇等[37]的做法，选用企业研发投入强度来衡量。相较于使用研发支出总量表示创新投入，研发投入强度消除了企业规模层面的差异，使之更具有可比性。

2.2.2 解释变量

本文的解释变量为公司注册地所在城市的普惠金融数字化程度。借鉴张勋等[38]的研究，该数据选用北京大学数字金融研究中心和蚂蚁金服集团共同编制的337个地级以上城市普惠金融数字化程度[39]。普惠金融数字化程度由4个维度、10个具体指标进行测度，度量了我国不同城市数字金融的数字化发展水平。

2.2.3 调节变量

参考已有对管理层异质性研究的文献，本文选取高管年龄，教育水平和任期3组管理层异质性作为本文研究的调节变量。其中高管教育水平参照国泰安数据库划分标准；高管任期的数据根据任期开始与年报披露日期或任期结束的差值计算所得。本文选用HerfindahlHirschman指数测量上述3种管理层异质性，计算公式为H=1-∑P2i，t，j，其中：Pi，t，j表示第i家公司第t年第j类管理人员所占比例，H表示管理层异质性的大小。

2.2.4 控制变量

参考已有文献[40]，本文从企业规模、年龄、财务状况、盈利能力、现金流和股权集中度多角度考量，选取了6个控制变量：企业规模（Size）、企业年龄（Age）、资产负债率（Lev）、资产收益率（Roa），营业收入现金净含量（Cf）和股权集中度（Shrc）。本文主要变量选择及定义，如表1所示。

2.3 模型设定

2.3.1 数字金融对企业创新绩效影响的分析

为研究数字金融对企业创新绩效的影响，本文采用面板数据回归模型进行检验，具体如式（1）所示。

Yi，t=β0+β1Digii，t+∑βkControlsi，t+εi，t（1）

其中：Yi，t（Patenti，t、Patentii，t、Patentudi，t、RdExpi，t）分别为公司i在t时期的独立授权专利数量加1的对数值、独立授权发明专利数量加1的对数值、独立授权非发明专利数量加1的对数值和公司i在t时期的研发投入强度;Digii，t为公司i所在城市t时期的数字普惠金融数字化程度加1的对数值;β1为解释变量Digii，t的回归系数;∑βk×Controlsi，t为模型中控制变量的影响。β0为常数项，εi，t为随机误差项。

2.3.2 数字金融对企业创新绩效影响的门槛机制分析

为研究数字金融对企业创新绩效的非线性特征，本文选用静态面板门槛固定模型进行检验，具体如式（2）所示。

Yi，t=γ0+γ1Digii，t·I（Digii，t≤θ1）+γ2Digii，t·

I（θ1

θ2）+∑γkControlsi，t+εi，t。（2）

其中：Yi，t为本文的被解释变量，分别为Patenti，t、Patentii，t、Patentudi，t、RdExpi，t;Digii，t为门槛变量;I（·）为指示函数;当满足括号内的条件时取值为1，否则取值为0;γ为常数项及门槛回归的系数;∑γk×Controlsi，t为模型中控制变量及其系数影响;εi，t为随机误差项。

2.3.3 管理層异质性的调节效应分析

为研究管理层异质性在数字金融对企业创新绩效的影响中的调节效应，本文通过引用数字金融与管理层年龄异质性（Age）、数字金融与管理层教育水平异质性（Edu）和数字金融与管理层任期异质性（Time）3组交互项进行研究。

Yi，t=δ0+δ1Digii，t+δ2Heti，t+δ3Digii，t×Heti，t+

∑δkControlsi，t+εi，t。（3）

其中：Yi，t为本文的被解释变量，分别为Patenti，t、RdExpi，t，Digii，t×Heti，t为数字金融与管理层异质性的交互项，且Heti，t为3种异质性，即管理层年龄异质性（Agei，t）、管理层教育水平异质性（Edui，t）和管理层任期异质性（Timei，t）。δ3为三组交互项的回归系数，系数正负代表调节效应的正负;∑δk×Controlsi，t为模型中一系列控制变量及其系数影响，δ0为常数项，εi，t为随机误差项。

3 实证结果与分析

3.1 描述性统计与相关性分析

描述性统计结果，如表2所示。由表2可知，公司3种专利授权量最大值为6.42，最小值为0，均值为2.52，说明我国沪深A股上市企业专利授权数量相差较大，公司创新产出情况存在一定差异，且中位数微大于均值，说明我国大部分公司创新产出都位于中等的水平，公司创新产出数量仍待提高，且相较于非发明专利，发明专利的提升空间更大。公司研发投入强度的最大值仅为0.25，且中位数0.03小于均值0.04，说明我国沪深A股上市公司研发投入强度大多处于均值以下水平，研发投入严重不足。数字普惠金融数字化程度的最大值为5.82，最小值为3.13，方差为0.59，说明本文选取公司所在城市的数字化发展程度具有较大差异，均值小于中位数说明大多公司所在城市的数字普惠金融发展程度都处在较高的水平。这与公司追逐经济发展程度高的城市有关，而经济发展程度高的城市普遍普惠金融数字化发展程度也较高。从控制变量看，本文选取的公司规模、年龄、财务状况等都存在一定差异，且股权都较为集中。

所有变量的Person相关性检验和多重共线性VIF检验结果，如表3、表4所示，由表3可知，所有被解释变量与解释变量Digi的系数均为正数且均在1%的水平下显著，说明数字金融对企业创新投入和产出都存在显著的正向相关关系，即数字金融对企业创新绩效的提升具有显著的正向促进作用，初步证实了本文的假设1。同时，本文所选取的控制变量与Patent、Patenti、Patentud、RdExp的相关系数基本上显著小于0.5，可以认为本文所选取的控制变量指标是合理的。

由表4可知，各变量的VIF的均值为1.40，最大值为1.71，远小于10，理论上可以认为各变量间不存在多重共线性问题，进一步说明本文选取的控制变量的恰当性。

3.2 实证分析

3.2.1 数字金融对企业创新绩效影响的分析

本文选用面板回归模型研究数字金融对企业创新绩效的影响，根据Hausman检验结果显示，在模型中存在个体固定效应，因此本文选取固定效应面板回归模型进行检验，实证结果如表5所示。

由表5可知，模型（1）（2）（3）数字金融的回归系数均在1%的水平下显著为正，说明数字金融与企业独立授权专利数量之间存在显著的正向相关关系，且模型（2）的回归系数大于模型（3）的回归系数，说明相较于非发明专利，数字金融对发明专利的正向促进效应更为明显。模型（4）数字金融的回归系数也在1%的水平下显著为正，说明数字金融可以显著增强研发投入强度。从模型的R2可以看出专利作为被解释变量的模型拟合效果要高于研发投入强度。因此可以得出结论，数字金融显著促进了企业创新绩效的提升，以上结论验证了本文假设H1。

3.2.2 数字金融对企业创新绩效影响的门槛机制分析

本文选用静态面板门槛固定模型检验数字金融对企业创新绩效影响的非线性特征，本文数据为非平衡面板，因此本文选用xthreg2非平衡面板门槛回归模型，并运用Stata16软件进行测算，结果如表6所示。

根据Hansen的方法进行门槛存在性和数量的检验[41]，以数字金融作为门槛变量，通过自举抽样的方法获得F统计量与P值。由表6可知，数字金融对独立授权专利数量，独立授权发明专利数量，独立授权非发明专利数量均在1%的水平上通过双门槛检验，未通过三门槛检验；对研发投入强度在1%的水平上通过单门槛检验，未通过双门槛检验，数字金融对独立授权专利数量，独立授权发明专利数量，独立授权非发明专利数量的影响均在1%的水平上显著为正，且表现出明显的边际效应递增的非线性特征，且发明专利在突破第一门槛后递增的效应要大于突破第二门槛递增的效应，而非发明专利则相反。数字金融对研发投入强度的影响在1%的水平上显著为正，且突破单门槛前后的系数为0.005 9和0.006 2，表明数字金融对研发投入强度的影响存在边际效应递增的非线性特征，但边际递增的效应不是很明显。以上结果验证了本文假设H2，而且说明数字金融对企业创新绩效提升的边际递增的效应在创新产出端更为明显。

3.2.3 管理層异质性的调节效应分析

本文通过引用数字金融与管理层年龄异质性、数字金融与管理层教育水平异质性和数字金融与管理层任期异质性3组交互项研究管理层异质性的调节作用，并沿用上文的固定效应面板回归模型进行检验，结果如表7所示。

由表7可知，数字金融与管理层异质性的3组交互项回归系数均在不同程度的显著水平上为负，说明管理层异质性减弱了数字金融对企业创新绩效的正向效应。以上结果验证了本文假设H3。这是因为在管理层内部年龄、教育程度和任期相差越大的企业，管理层内部人员之间价值观差异也越大，管理层之间也很难互相信任，管理层团队内部沟通成本越大也越难达成一致，而且管理层短视和风险规避也抑制了企业绩效的提升，所以造成了管理层异质性减弱了数字金融对企业创新绩效的正向促进效应。

4 稳健性检验

4.1 替换被解释变量

为确保实证结果的稳健性，本文选用企业联合授权专利数量（JoPat、JoPati、JoPatud）代替企业独立授权专利数量（Patent、Patenti、Patentud），用企业研发人员占企业所有员工的比例（RdPer）代替研发投入强度（RdExp），回归结果如表8所示，模型（1）～（4）Digi的回归系数为0.140，0.124，0.087和0.056，且均在1%的显著性水平，因此可以证明本文结论稳健。

4.2 替换解释变量

为消除解释变量单一带来的实验结果误差，本文将解释变量Digi做出替换，用企业注册地所在省份的数字金融指标（Digi_Pro）替代市级指标，回归结果如表9所示。模型（1）～（4）省级普惠金融数字化程度的回归系数均大于0，且显著性水平为1%，因此可以证明本文结论稳健。

4.3 剔除直辖市

考虑到北京、天津、上海和重庆作为直辖市，其数字化程度相较其他地级城市发展水平较高，可能会对回归结果产生一定的影响，因此本文剔除这4个地区后重新进行回归。回归结果如表10所示。模型（1）～（4）中Digi的系数正负与显著程度均未发生任何变化，因此可以证明本文结论稳健。

4.4 滞后一期

考虑到数字金融对企业创新绩效的影响可能存在一定滞后效应，因此本文对解释变量Digi和所有控制变量均进行滞后一期处理之后重新回归，回归结果如表11所示。模型（1）～（4）结果表明滞后一期并未对本文的结果造成影响，因此可以证明本文结论稳健。

4.5 工具变量法

本文选取的回归样本为我国沪深A股上市公司，往往都是一些规模较大，实力雄厚的企业，其内部创新绩效较其他企业处在较高的水平，而且这些企业会对所在城市数字金融的提升产生较大的贡献。因此，创新绩效高的企业或许普惠金融数字化程度也较高，二者可能存在互为因果的关系。为解决模型可能存在的内生性问题，本文借鉴黄慧群等[42]和Nunn等[43]的做法，引用1984年各城市年末电话机数量（与地区相关）与上一年全国互联网普及率（与时间相关）构建交互项（Phone）作为各城市数字金融的工具变量。采用 Kleibergen-Paap rk LM方法和Cragg-Donald Wald F 统计量方法进行检验。

结果表明所选工具变量不存在不可识别和弱工具变量问题，回归结果如表12所示。模型（1）～（4）数字金融的系数均在1%的水平上显著为正，数字金融对企业创新绩效依然为促进作用，证明本文结论的稳健性。

5 结论与建议

5.1 研究结论

立足于“数字金融建设”和“创新驱动发展”，本文从微观企业创新绩效视角切入，选用2011—2019年沪深A股上市公司面板数据为样本，面向企业创新的投入端和产出端，运用面板固定效应模型和静态面板门槛固定模型，实证分析了数字金融对企业创新绩效的影响。本文主要研究结果如下：一是数字金融显著促进了企业创新绩效的提升，在替换变量、剔除直辖市、滞后解释变量和构建工具变量等方法进行稳健性检验后仍成立。二是采用门槛机制影响分析发现数字金融对企业创新绩效的提升具有边际递增的非线性特征，说明数字金融对企业创新绩效的影响适用梅特卡夫法则，且相较于创新投入端，这种边际递增的效应在创新产出端更为明显。三是引用数字金融与管理层年龄、教育水平、任期3种管理层异质性的交互项进一步探究了管理层异质性在数字金融对企业创新绩效影响中的调节作用，结果均为负向调节作用，即管理层异质性会减弱数字金融对企业创新绩效的促进作用，这与管理层内部人员之间沟通难度大，管理层短视和风险规避有关。

5.2 政策建议

基于以上研究，本文提出以下3点建议。第一，加快数字金融基础设施的构建，积极实施数字普惠金融服务行动，银行等金融机构要加大普惠金融领域数字技术应用，提升数字金融服务质量，优化数字金融风险防控，积极发挥数字金融对企业创新的促进作用。第二，企业应重视数字金融对企业创新绩效的显著促进效应，重视加快企业数字化转型和企业研发创新的投入，提升企业创新的硬实力，重视基础研究与应用研究同步进行，加快解决关键核心技术“卡脖子”等抑制企业发展的重要问题。第三，调整管理层内部结构，降低管理层内部的差异，合理控制管理层年龄、教育水平和任期的异质性水平，降低管理层异质性在数字金融对企业创新绩效显著促进影响中的负向调节效应。

参考文献：

［1］ XU K，MEI R，LIANG L，et al.Regional convergence analysis of sustainable innovation efficiency in European Union countries[J].Journal of Environmental Management，2023，325：116636.

[2] LIN B，MA R.How does digital finance influence green technology innovation in China？ Evidence from the financing constraints perspective[J].Journal of Environmental Management，2022，320：115833.

[3] LI Z，CHEN H，MO B.Can digital finance promote urban innovation？ Evidence from China[J].Borsa Istanbul Review，2023，23（2）：285-296.

[4] CORNAGGIA J，MAO Y，TIAN X，et al.Does banking competition affect innovation？[J].Journal of Financial Economics，2015，115（1）：189-209.

[5] 唐松，伍旭川，祝佳.数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020，36（5）：52-66.

TANG S，WU X C，ZHU J.Digital finance and enterprise technology innovation：Structural characteristics，mechanism identification，and differences in effects under financial regulation[J] Management World，2020，36（5）：52-66.

[6] RAZZAQ A，YANG X.Digital finance and green growth in China：Appraising inclusive digital finance using web crawler technology and Big Data[J].Technological Forecasting and Social Change，2023，188：122262.

[7] SUN G L，LIN T，AI Y F，et al.Digital finance and corporate financial fraud[J].International Review of Financial Analysis，2023.

[8] 谢绚丽，沈艳，张皓星，等.数字金融能促进创业吗？：来自中国的证據[J].经济学（季刊），2018，17（4）：1557-1580.

XIE H L，SHEN Y，ZHANG H X，et al.Can digital finance promote entrepreneurship？ Evidence from China [J] China Economics Quarterly，2018，17（4）：1557-1580.

[9] HSU P H，XUAN T，YAN X.Financial development and innovation：Crosscountry evidence[J].Journal of Financial Economics，2014，112（1）：116-135.

［10］JIN L，DAI J，JIANG W，et al.Digital finance and misallocation of resources among firms：Evidence from China[J].The North American Journal of Economics and Finance，2023，66：101911.

[11]唐松，赖晓冰，黄锐.金融科技创新如何影响全要素生产率：促进还是抑制？：理论分析框架与区域实践[J].中国软科学，2019（7）：134-144.

TANG S，LAI X B，HUANG R.How does fintech innovation affect total factor productivity：promoting or inhibiting？ Theoretical analysis framework and regional practice [J] China Soft Science Magazine，2019（7）：134-144.

[12]杜念宇，赵建.数字金融能促进创新创业吗？：来自280个地级市的证据[J].新金融，2023（3）：50-56.

DU N Y，ZHAO J.Can digital finance promote innovation and entrepreneurship？ Evidence from 280 prefecture level cities[J] New Finance，2023（3）：50-56.

[13]HUI P，ZHAO H，LIU D，et al.How does digital finance affect regional innovation capacity？ A spatial econometric analysis[J].Economic Modelling，2023，122：.

[14]張世昌，刘洪民，李林遥，等.数字金融对制造业企业出口产品质量的影响研究[J].科技与管理，2023，25（1）：34-44.

ZHANG S C，LIU H M，LI L Y，et al.Research on the impact of digital finance on the quality of export products of manufacturing enterprises[J] ScienceTechnology and Management，2023，25（1）：34-44.

[15]GOLDFARB A，TUCKER C.Digital economics[J].Journal of Economic Literature，2019，57（1）：3-43.

[16]CHEN Y.Improving market performance in the digital economy[J].China Economic Review，2020，62：101482.

[17]XIONG M，LI W，XIAN B T S，et al.Digital inclusive finance and enterprise innovation：Empirical evidence from Chinese listed companies[J].Journal of Innovation & Knowledge，2023，8（1）：100321.

[18]钟金慧，李红玉.融资能力对企业研发投入的影响研究：基于数字金融的调节效应[J].科技与管理，2022，24（6）：72-84.

ZHONG J H，LI H Y.A Study on the impact of financing ability on enterprise R&D investment：Based on the regulatory effect of digital finance[J] ScienceTechnology and Management，2022，24（6）：72-84.

[19]LI W，PANG W.Digital inclusive finance，financial mismatch and the innovation capacity of small and mediumsized enterprises：Evidence from Chinese listed companies[J].Heliyon，2023，9（2）：.

[20]張佳佳.数字金融、技术创新与企业竞争力：来自中国A股上市企业的实证证据[J].南方金融，2023（1）：23-36.

ZHANG J J.Digital finance，technological innovation，and corporate competitiveness：Empirical evidence from Chinese Ashare listed companies[J] Southern Finance，2023（1）：23-36.

[21]DEMERTZIS M，MERLER S，WOLFF G B.Capital markets union and the fintech opportunity[J].Journal of Financial Regulation，2018，4（1）：157-165.

[22]朱俊丰.数字金融对企业技术创新的效应识别与机制检验[J].统计与决策，2023（7）：173-178.

ZHU J F.Identification and mechanism testing of the effect of digital finance on enterprise technological innovation [J] Statistics and Decision Making，2023（7）：173-178.

[23]LI Y，LIU X.Digital finance，trade credit and enterprise independent innovation[J].Procedia Computer Science，2022，202：313-319.

[24]任娇，赵荣荣，任建辉.数字金融、高技术产业集聚与区域创新绩效[J].统计与决策，2023，39（5）：86-91.

REN J，ZHAO R R，REN J H.Digital finance，hightech industry agglomeration，and regional innovation performance [J] Statistics and Decision Making，2023，39（5）：86-91.

[25]LI H，ZHANG W，WEI Q.Seismic demand assessment on Kconfiguration eccentrically braced frames[J].Structures，2022，45：1225-1238.

[26]孙哲远.数字金融、中小企业发展与制造业全球价值链攀升[J].企业经济，2022，41（9）：15-26.

SUN Z Y.Digital finance，the development of small and mediumsized enterprises，and the rise of the global value chain in the manufacturing industry[J] Enterprise Economy，2022，41（9）：15-26.

[27]LEE J，ELBASHIR M Z，MAHAMA H，et al.Enablers of top management team support for integrated management control systems innovations[J].International Journal of Accounting Information Systems，2014，15（1）：1-25.

[28]SIMONS T，PELLED L H，SMITH K A.Making use of difference：Diversity，debate，and decision comprehensiveness in top management teams [J].The Academy of Management Journal，1999，42（6）：662-673.

[29]马富萍，郭晓川.高管团队异质性对技术创新绩效的影响研究：高管团队冲突处理方式的调节作用[J].内蒙古大学学报（哲学社会科学版），2010，42（6）：38-42.

MA F P，GUO X C.Research on the effect of executive team heterogeneity on technological innovation performance：The regulatory effect of conflict handling methods in executive team[J] Journal of Inner Mongolia University （Philosophy and Social Sciences Edition），2010，42（6）：38-42.

[30]ANCONA D G，CALDWELL D F.Bridging the boundary：External activity and performance in organizational teams[J].Administrative science quarterly，1992，37（4）：634-665.

[31]JACKSON S E，BRETT J F，SESSA V I，et al.Some differences make a difference：Individual dissimilarity and group heterogeneity as correlates of recruitment，promotions，and turnover[J].Journal of Applied Psychology，1991，76（5）：675-689.

[32]王雪莉，馬琳，王艳丽.高管团队职能背景对企业绩效的影响：以中国信息技术行业上市公司为例[J].南开管理评论，2013，16（4）：80-93.

WANG X L，MA L，WANG Y L.The impact of functional background of senior management teams on enterprise performance：A case study of listed companies in Chinas information technology industry[J] Nankai Management Review，2013，16（4）：80-93.

[33]陈清，张海军.管理层异质性、权力结构与商业银行经营效率[J].宏观经济研究，2018（6）：156-168.

CHEN Q，ZHANG H J.Management heterogeneity，power structure，and operational efficiency of commercial banks[J] Macroeconomic Research，2018（6）：156-168.

[34]王瑛，官建成，马宁.我国企业高层管理者、创新策略与企业绩效之间的关系研究[J].管理工程学报，2003（1）：1-6.

WANG Y，GUAN J C，MA N.Research on the relationship between senior managers，innovation strategies，and enterprise performance in Chinese enterprises[J] Journal of Management Engineering，2003（1）：1-6.

[35]李后建，张宗益.管理层风险激励模式、异质性与企业创新行为[J].研究与发展管理，2015，27（5）：53-67.

LI H J，ZHANG Z Y.Management risk incentive model，heterogeneity，and enterprise innovation behavior[J] Research and Development Management，2015，27（5）：53-67.

[36]胡山，余泳泽.数字经济与企业创新：突破性创新还是渐进性创新？[J].财经问题研究，2022（1）：42-51.

HU S，YU Y Z.Digital economy and enterprise innovation：Breakthrough innovation or progressive innovation？[J].Research on Financial Issues，2022（1）：42-51.

[37]戴小勇，成力为.研发投入强度对企业绩效影响的门槛效应研究[J].科学学研究，2013，31（11）：1708-1716.

DAI X Y，CHENG L W.Research on the threshold effect of R&D investment intensity on enterprise performance[J] Scientific Research，2013，31（11）：1708-1716.

[38]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.

ZHANG X，WAN G H，ZHANG J J，et al.Digital economy，inclusive finance，and inclusive growth[J] Economic Research，2019，54（8）：71-86.

[39]郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

GUO F，WANG J Y，WANG F，et a.Measuring the development of digital inclusive finance in China：Index compilation and spatial characteristics[J] China Economics Quarterly，2020，19（4）：1401-1418.

[40]黎文靖，郑曼妮.实质性创新还是策略性创新？：宏观产业政策对微观企业创新的影响[J].经济研究，2016，51（4）：60-73.

LI W J，ZHENG M N.Substantive innovation or strategic innovation？ The impact of macro industrial policies on micro enterprise innovation[J] Economic Research，2016，51（4）：60-73.

[41]HANSEN B E.Threshold effects in nondynamic panels：Estimation，testing，and inference[J].Journal of Econometrics，1999，93（2）：345-368.

[42]黃群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验[J].中国工业经济，2019（8）：5-23.

HUANG Q H，YU Y Z，ZHANG S L.Internet development and manufacturing productivity improvement：Internal mechanisms and Chinas experience[J] China Industrial Economy，2019（8）：5-23.

[43]NUNN N，QIAN N.US food aid and civil conflict[J].American Economic Review，2014，104（6）：1630-1666.

［编辑：厉艳飞］

The impact of digital finance on enterprise innovation performance

：Based on the moderating effects of management heterogeneity

KOU Mingting， WANG Yufei， ZHANG Menglin

（School of Economics and Management， University of Science and Technology Beijing， Beijing 100083， China）

Abstract：Digital finance， empowered by science and technology， can minimize information asymmetry as well as resource mismatch and relieve financing constraints， providing new opportunities for enterprise innovation. This paper selects the panel data of Shanghai and Shenzhen Ashare listed companies from 2011 to 2019 as a sample， combining the digital finance index based on the registered region of the listed enterprise， from two research perspectives of direct impact effect and threshold mechanism impact effect， and empirically analyzes the impact of the digital finance on the performance of enterprise innovation. In terms of the measurement of enterprise innovation performance， this paper selects R&D investment intensity and patent quantity respectively， facing the two aspects of enterprise innovation input and output. The research results show that there is a significant positive promotion effect between the digital finance and the innovation performance of enterprises， and it still has a significant promotion effect after a series of robustness tests， such as replacement of dependent variables and explanatory variables， excluding municipalities directly under the central government， lagging for a period of time and the introduction of instrumental variables. This is because digital finance plays a positive role in reducing enterprise financing costs， easing financing constraints and reducing information asymmetry， which can effectively solve the problems faced by enterprises in the process of innovation. In addition， while focusing on the output side of innovation and dividing patents into invention patents and noninvention patents， we found that digital finance has a more obvious positive promoting effect on invention patents. As a kind of financial spillover， digital finance has the characteristics of scale effect and can accelerate capital accumulation and has a nonlinear influence on enterprise innovation performance. Base on the impact analysis of the threshold mechanism， it is proved that the digital finance has a nonlinear characteristic of marginal increase in the improvement of enterprise innovation performance， and its marginal increasing effect is more obvious on the innovation output side compared with innovation input side. The interaction terms between digital finance and three types of management heterogeneity， namely management age， education level， and tenure， were cited to further explore the moderating effect of management heterogeneity on the impact of digital finance on enterprise innovation performance. The results show that there is a negative moderating effect， that is， management heterogeneity weakens the promoting effect of digital finance on enterprise innovation performance. This is because an enterprise with a bigger difference in the management level will have a bigger difference in the values of its staff， and it will be difficult for managers to trust each other， which will not be conducive to the construction of digital finance within the enterprise and seriously affect the positive role of digital finance in the improvement of enterprise innovation performance. The research in this article provides certain policy recommendations for the development of digital finance and the improvement of enterprise innovation performance in listed enterprises of China， and provides some experience reference for the management on how to improve enterprise innovation performance in the digital development of China.

Keywords：digital finance; enterprise innovation performance; management heterogeneity; threshold effect