数字金融影响企业创新的实证分析

吴海燕

摘 要：作为传统金融体系的补充，数字金融模式的发展能否为微观企业的创新活动起到促进作用是值得探讨的问题。本文以2011至2020年间沪深A股上市企业的信息与财务数据，以及北京大学推出的数字普惠金融指数为基础，采用双向固定效應模型，探究数字金融的发展水平对企业创新的影响。研究结果：数字金融发展水平会对企业创新产生显著的正向影响效果，融资约束在二者的关系中起着中介效应。使用深度、数字化程度均对企业创新有正向影响，其中使用深度的影响效果最大；覆盖广度的回归结果并不显著。异质性分析结果表明，数字金融对于创新的促进效应对于非东部地区企业和高新技术企业更明显。上述研究结论的政策启示：发展数字金融的过程中，要注重覆盖广度的扩展，更需注重使用深度的挖掘；要注重不同地域间数字金融水平的均衡发展。

关键词：数字金融；企业创新；融资约束

中图分类号：F270 文献标识码：Ａ 文章编号：１００９ — ２２３４（２０23）08 — ００71 — ０8

一、引言

技术创新是经济发展的重要驱动力，也是企业的核心竞争力（Porter，1992）。现阶段，中国面临着转变经济发展方式，摒弃投入大量生产要素的粗放型发展模式，向技术创新驱动的高质量发展的方向转变。企业在技术创新的过程中扮演着重要的角色。企业的创新项目存在投入成本高，转产周期长，产出高风险的特征，因此，传统的金融机构对于此类投资项目保持谨慎的态度。面对融资难的困境，企业通过综合评估后往往会减少创新项目的投资。如何促进企业创新水平，激发企业创新动力，成为学术界近年来十分关注的热点问题。

随着互联网技术以及服务的不断深化，金融市场发生重大变革，由传统的金融方式转变到数字金融模式。数字金融指传统金融机构联合互联网企业，把金融服务与数字技术结合起来，形成的新的支付、结算、投融资业态模式（黄益平和黄卓，2018）。数字金融通过互联网技术突破空间限制，降低投资门槛，拓宽金融服务的覆盖广度，吸纳更多投资群体的资金，也为企业提供了更广的融资渠道。但是，数字金融的发展，能否为企业的创新活动提供有效的资金支持，从而促进技术创新，值得深入探讨。

现有文献从不同方向探讨了影响中国企业创新的重要因素，包括外部因素，如市场竞争（张杰等，2014）、营商环境（夏后学等，2019）、人才政策（刘春林和田玲，2021）、金融发展（段军山和庄旭东，2021）等；内部因素，如公司规模（周黎安和罗凯，2005）、公司治理（冯根福和温军，2008）等。关于数字金融的文献集中于数字金融对于政府融资（侯世英和宋良荣，2020）、创业（谢绚丽等，2018）、居民消费（何宗樾和宋旭光，2020）、经济增长（钱海章等，2020）等方面的影响。

本文在借鉴以上文献的方法基础上，旨在分析数字金融对于企业创新的影响。关于此类问题的相关研究文献相对较少，探索二者的关系可以对数字金融发展的效应有更加明晰的评估，对其未来的发展方向有相对良好的判断。因此，对此问题的深入研究具有一定的理论和现实意义。

本文的可能的主要贡献有：1.从数字金融的视角探索金融发展的新动态对于企业创新影响作用。由于数字金融是近些年数字经济发展的新构成，是较新的金融发展模式，该领域的研究刚刚兴起。相关研究集中于其对宏观经济问题的影响，对于微观市场个体的行为研究相对较少。本文可以为此领域提供一些贡献。2.由于资本市场存在信息不对称，投资方对于融资需求者提出的要求较高，企业外部融资成本较高。所以，在经营活动中，公司普遍会面临融资约束的问题（李红和谢娟娟，2018），其高风险的创新活动需要解决更大的困难。基于此，文章把缓解企业融资约束作为中介机制进行分析。

二、理论分析与研究假设

企业创新活动由国家经济发展和企业生存所驱动，需要各方生产要素支持。而资金是可以充分调动这些要素的基础。因此，金融发展的效率将对企业的技术创新活动产生显著的影响（贾俊生等，2017）。在中国的金融系统中，传统的银行体系占据主导地位，多层次资本市场正逐步建立和完善，这都为企业创新项目起到一定的资金扶持效果。但是，对于现阶段我国科技高速进步的期望而言，仍需金融系统不断改进和完善，为之提供更多、更有效的资金供给。

2013年，蚂蚁金服联合天弘基金推出余额宝，以简便操作、低门槛等优势迅速吸收大量投资资金。学术界普遍将余额宝的推出视为中国数字金融的起点（黄益平和黄卓，2018）。迄今为止，中国数字金融发展覆盖了众多金融业务，包括支付、投资、融资以及数字货币等等。其发展很可能以其独特的优势来为企业提供融资服务，缓解企业融资约束，从而提高企业的创新水平。

首先，数字金融最大的优势是普惠性。一方面，通过降低门槛吸收分散的小规模客户投资，扩大资金增量。另一方面是支持普惠金融性机构和部门的发展，如小额信贷公司和银行机构设置的普惠金融业务部门。其次，数字技术通过互联网社交平台把投融资双方联结在一起，使他们之间的信息迅速匹配（黄浩，2018），对企业做出相对准确的信用评估，降低金融机构的获客和风控成本（黄益平和黄卓，2018）。所以，数字金融的出现可以在很大程度上解决信息不对称的问题，提高金融系统资金配置的效率，使金融机构的触角接触到企业，掌握企业的整体情况，为企业的创新活动提供更多的资金支持的可能性。

基于以上分析，本文提出假设如下：

假设1：数字金融可以促进企业创新。

传统的金融机构在设置分支机构时，倾向于经济发展快的发达地区和城市。在欠发达地区的机构设置不足，导致这些地区借贷融资等金融服务相对落后（温涛等，2016）。而数字金融作为传统金融的补充，提供了更便捷的服务模式。使得金融服务的覆盖面扩大到这些地区，通过数字技术降低当地企业信息的获取成本，从而有可能为它们提供更多的融资渠道，促进企业的技术创新活动。我国东部地区占有者大量的金融资源。相比之下，非东部地区有所落后。在数字金融发展的过程中，非东部地区企业会更容易受益。由此，本文做出如下假设：

假设2：数字金融促进企业创新在非东部地区企业中表现更明显。

高新技术企业更依赖外部融资，而传统信贷机构的融资方案不利于这些企业（张杰和高德步，2017）。因此，高新技术企业面临更大的融资约束问题。相对于其它企业，高新技术企业需要不断快速地更新技术，它们承载更多的创新任务。创新项目前期投入大，回报周期长，失败风险高。其投资价值评估存在很大不确定性，很难达到传统金融机构的抵押贷款的要求。同时，其不稳定的投资收益以及现金流，也抑制了银行机构对那些小规模、新进入的高新技术企业给予充分的资金支持。当金融发展的状态得到改进时，不同企业融资约束缓解的程度也会有所不同。相对于其它企业，高新技术企业面临更高水平的融资约束。所以，当金融环境更优时，它们更容易从中受益，从而调整经营决策幅度会相对较大（沈红波等，2010）。由此，本文做出如下假设：

假设3：数字金融促进企业创新在高新技术企业中表现更明显。

三、数据与模型

（一）数据来源及处理

文章所使用的沪深A股上市企业专利数据来自Wind数据库和中国研究数据服务平台CNRDS数据。数字金融指数是由北京大学数字金融研究中心和蚂蚁科技集团联合编制。企业的财务信息以及研发数据来自国泰安（CSMAR）数据库、锐思数据库和Wind数据库。

文章对样本数据进行处理：1.剔除金融、房地产行业公司样本；2.剔除主要变量存在数据缺失的样本；3.剔除样本期是ST、PT的企业；4.对连续型变量进行双侧1%的缩尾处理（Winsor）。经过以上处理，得到最终样本涉及2011—2020年21542个公司—年度的面板观测值。

（二）变量设定

1.北京大学数字普惠金融指数

该指数是在收集了大量相关数据的基础上编制而成，覆盖了全国31个省份、337个地级以上城市，从覆盖广度、使用深度和普惠金融数字化程度三个维度描述我国数字金融的发展水平和程度（郭峰等，2020）。文章采用2011—2020年城市级数字普惠金融指数（Index-A）作为解释变量。同时，本文还从三个维度，即覆盖广度（coverage）、使用深度（usage）、普惠金融数字化程度（digitization），探索具体影响。其中，覆盖广度主要通过电子账户数的覆盖率衡量。电子账户的渗透程度可以体现某一地区数字金融服务的发展基础水平。使用深度代表数字金融的实际服务水平，由支付、货币基金、信贷、保险方面金融业务的水平来建立相应指标。普惠金融数字化程度则体现数字金融服务的普惠性程度，包括实惠性、便利性等水平的高低。

2.企业创新

本文借鉴已有文献的经验，从投入和产出两个角度衡量企业创新。本文基准回归部分参考大多数已有文献的做法，选取企业专利申请数作为指标。稳健性检验部分选用研发支出与营业收入之间的比例作为衡量创新水平的指标。我国专利有以下三类：发明专利是对产品和方法的改进或创新，是实质性技术创新，对于科技发展具有较大的推动作用；实用新型专利是产品形状和构造改进提出的技术更新，技术要求相对较低；外观设计专利则是对产品外观的升级。为了深入直观地进行分析，文章用企业专利申请总量衡量其总创新（EI1），将发明专利数作为发明创新（EI2）的指标，使用实用新型专利与外观设计专利数量之和测量非发明创新（EI3）。

3.融资约束

相关领域的研究对企业融资约束的测度通常采用KZ指数、WW指数及SA指数。为了避免KZ指数和WW指数可能造成的内生性。本文选取SA指数测量企业的融资约束水平。SA指数由Hadlock和Pierce（2010）提出和构建，计算公式为：。由计算公式可以看出，SA指数具有很强的外生性，适合作为衡量指标。

4.控制变量

控制变量包括企业规模（Size，年总资产自然对数），上市年限（ListAge，上市年限取对数），营业收入增长率（Growth，本年的营业收入与上一年相比增长率），总资产周转率（ATO，营业收入与平均资产的比值），总资产净利润率（ROA，净利润与总资产平均余额的比值），管理费用率（Mfee，管理费用除以营业收入），独立董事比例（lndep，独立董事占董事总人数比例），两职合一（Dual，董事长与总经理兼任时取1，否则为0。

（三）模型设定

文章通过建立数学模型探究数字金融发展水平对于企业创新的影响作用：

其中，變量的下标i、j、t分别表示企业、城市和年份。被解释变量Ｉｎｎｏｖαｔｉｏｎｉｊｔ是企业创新变量，解释变量Ｄｉｇｉ？蕊ｉnjt是数字金融普惠指数。Controlｉｊｔ为前述控制变量，？着ｉｊｔ为模型随机误差项。

为避免宏观客观因素对于回归结果干扰，本文的回归采用双向固定效应模型，固定年份和城市效应。此外，在回归检验中，默认采用了聚类稳健标准误。

（四）描述性统计特征

从表1可以看出企业的专利总申请最小值为0，最大值达到960。说明企业之间的创新能力具有很大的差距。数字金融指数最小为23.1，最大值为334.48，代表地区间数字金融发展水平不均衡。

四、检验结果与分析

（一）基准回归

表2的回歸结果显示，数字金融发展对企业三项创新指标的回归系数均为正值，且均通过1%的统计显著性检验。说明数字金融的发展有助于提升企业的创新能力。其中，数字金融指数对于发明专利的影响作用高于非发明专利。由此可以得出，数字金融发展的背景，对于企业的创新质量起到良性调整作用，促进企业的创新能力逐步向高端的发明创造转变。

为了深层次挖掘数字金融对企业技术创新的影响，本文进一步从数字金融指数三个维度分别对于创新的作用程度：覆盖广度和使用深度以及普惠金融数字化程度。由此可更具体地分析数字金融如何提高企业创新能力。表3显示，使用深度和普惠金融数字化指数的回归结果都通过显著性检验，覆盖广度指数回归结果都不显著。通过对比系数发现，在总专利申请和发明专利的回归结果中，使用深度对于专利申请数的回归系数都大于其他两个维度的系数。在非发明专利的回归结果中，使用深度的系数大于普惠金融数字化的系数。因此得知，使用深度这一维度对企业创新的促进作用最大。在数字金融发展推进的广度扩展的同时，更需注重其使用深度的优化。

（二）内生性处理

为了避免反向因果，遗漏重要变量等原因可能导致内生性，本文运用工具变量法处理内生性问题。本文借鉴张勋等（2019）的方法，即个体所在地区与杭州的球面距离作为工具变量。该工具变量与地区的数字金融发展程度具备相关性。杭州作为阿里巴巴集团总部所在地，其数字金融发展在全国范围内具有领先水平。因此，距离杭州越近的城市，其数字金融的发展水平应越高。通过表4可以看出，在考虑可能存在的内生性问题的情况下，数字金融发展对于企业专利申请的回归系数依然显著为正，表明数字金融的发展可以正向影响企业的创新水平，这与上文的论证结果一致。

（三）稳健性检验

1.替换被解释变量

基准回归部分被解释变量是用企业的专利申请数量测量。为了得到更稳健的结果说明数字金融对于企业创新的影响作用，本文从创新的投入角度对被解释变量进行测度。本文借鉴李春涛等（2020）的方法，运用企业年度的研发支出占营业收入的比例这一指标（RD）进行稳健性检验。根据表5的回归结果可以看出在固定年份效应和城市效应前后，数字金融指数对企业创新投入的回归系数仍呈显著的正值，数字金融的发展会促进企业研发投入提高，从而促使企业的创新产出增加。这与前文得到的结论一致。

2.剔除公共事业企业和样本期内无专利申请的企业

经过数据处理的样本量中，还存在大量样本期内一直无专利申请的企业以及创新度低的公共事业企业。这些企业在样本量中占有较大比例，可能会影响实证结果。因此，本文将这些样本剔除，进行稳健性检验。从表6的结果可以看出，数字金融系数对于三项专利申请指标的回归系数显著为正，与前文结论一致。

五、机制分析

上文已论证数字金融发展可以显著促进企业的创新行为。为了理解其内部机制，即数字金融的发展是否会通过降低企业面对的融资约束，为企业创新投入提供资金支持，从而促进创新产出。本文设置如下模型进行检验：

其中，FC是融资约束变量，由企业的SA指数测度。模型（2）？茁中代表的是数字金融指数对企业创新的总效应。模型（3）中系数？籽代表了数字金融发展水平对企业融资约束的影响作用的大小。模型（4）中系数？兹测量数字金融指数对企业创新影响的直接效应，？渍？籽的乘积代表融资约束在二者的关系之间起到的部分中介效应。

由表7的结果可知，Index-A指数对SA指数的回归结果在1%的水平上显著为负，说明数字金融的发展越高可以缓解企业面临的融资约束。第（3）列中，Index-A对总的专利申请的回归系数0.4268显著为正且小于第（1）列总效应系数0.5137。同时，第（3）列中，SA指数的回归系数-91.8341显著为负。可以计算中介效应，小于总效应。在第（4）-（5）列的发明专利以及第（6）-（7）列的非发明专利的实证结果中，也可以得出类似的关系。由此，可以得出结论：降低企业融资约束在数字金融发展促进企业创新行为过程中起着部分中介作用。

六、异质性分析

1．不同区域企业

由于中国各地区经济发展存在不均衡的状态。东部地区在政治、经济、人才资源上都处于领先地位，中西部以及其他地区相对落后。为了掌握数字金融对企业创新的影响作用是否存在地区差异，本文将企业按照所在区域划分为东部以及其他地区两个子集进行回归对比。

通过对比表8中第（1）和（4）列、第（2）和（5）列、第（3）和（6）列三组回归系数，可以发现数字金融指数对两种地区的企业专利总申请和发明专利申请的回归结果显著，且其他地区的回归结果都大于东部地区。非专利发明的两种地区回归结果有同样的关系，但并不显著。由此，可以得出数字金融的发展对于东部以外的其他地区的企业创新影响效应比东部地区更强。说明，数字金融发挥了普惠的效应，在经济相对落后、金融基础相对薄弱的地区，更大程度地为企业打通融资渠道，提供更多的技术支持资金，为它们技术创新带来更高的促进效应。

2.是否高新技术企业

高新技术企业往往贡献更多的创新成果，同时也需要更多的创新投入。但是，往往高新技术企业由于其创新投入的成本大、风险高，在向传统金融机构融资的过程中，更容易受到严格的贷款审批对待。因此，数字金融的发展是否能够为这些企业带来更多的资金支持服务，关系着企业的创新活动是否有更足的驱动力。本文将企业按照是否高新技术企业分成兩组子集对比实证结果，判断数字金融对于两组企业的创新活动促进效应有怎样的区别。

通过对比表9中第（1）和（4）列、第（2）和（5）列两组回归系数，发现数字金融指数对两类企业专利总申请和发明专利申请的回归结果显著，且高新技术企业的回归结果都大于非高新技术企业。第（3）和（6）列中，虽然高新技术企业非专利发明的回归结果小于非高新技术企业，但其系数并不显著。由此可以得到结论：在数字金融的发展对于创新的影响中，相对非高新技术企业而言，高新技术企业的效果更好。

七、结论与启示

本文选取沪深A股上市企业为样本，运用数字金融指数城市级总指数以及三个维度的指数对企业的专利申请进行回归。结果显示数字金融发展对于企业创新有显著的促进作用。其中，对于发明创新的作用大于非发明创新；三个维度中，使用深度对于创新的促进效果最强。文章运用工具变量法检验内生性。通过更换变量和剔除样本的方法，对论证结果进行稳健性检验，并得到一致性结论。在机制分析中，论证了融资约束在数字金融对于企业创新的影响中发挥着中介的作用。在异质分析中，发现相对于东部地区而言，其他地区的企业在数字金融促进创新的作用机制中受益更大；相对于非高新技术企业来说，高新技术企业在此影响中的效应更明显。

本文通过分析以上结论，得到如下启发。首先，在推动数字金融发展的进程中，除了注重覆盖广度的扩展，更需注重使用深度的挖掘，提升数字金融的实际为企业创新活动提供的金融服务水平。其次，要注重对于东部地区以外的企业以及高新技术企业的资金扶持，在合理评估这类企业的创新能力以及运营状况的情况下，对其提供相应的数字金融的融资支持计划，从而提高其创新的投入和产出。最后，数字金融的快速发展中容易滋生系统性融资风险。因此，应尽快研究以及建立完善的风险监管机制。

〔参 考 文 献〕

［1］Hadlock，C．J， Pierce， J.R．New Evidence on

Measuring Financial Constraints： Moving Beyond the KZ Index［J］.Review of Financial Studies，2010，23（05）．

［2］Porter， M.E. Capital Disadvantage： America's Failing Capital Investment System［J］.Harvard Business Review，1992，70（05）.

［3］黄益平，黄卓.中国的数字金融发展：现在与未来［J］.经济学（季刊），2018（04）.

［4］段军山，庄旭东.金融投资行为与企业技术创新——动机分析与经验证据［J］.中国工业经济，2021（01）.

［5］冯根福，温军.中国上市公司治理与企业技术创新关系的实证分析［J］.中国工业经济，2008（07）.

［6］郭峰，王靖一，王芳，孔涛，张勋，程志云.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（04）.

［7］何宗樾，宋旭光.数字金融发展如何影响居民消费［J］.财贸经济，2020（08）.

［8］侯世英，宋良荣.数字金融对地方政府债务融资的影响［J］.财政研究，2020（09）.

［9］黄浩.数字金融生态系统的形成与挑战——来自中国的经验［J］.经济学家，2018（04）.

［10］贾俊生，伦晓波，林树.金融发展、微观企业创新产出与经济增长——基于上市公司专利视角的实证分析［J］.金融研究，2017（01）.

［11］李红，谢娟娟.金融发展、企业融资约束与投资效率——基于2002—2013年上市企业面板数据的经验研究［J］.南开经济研究，2018（04）.

［12］李春涛，闫续文，宋敏，杨威.金融科技与企业创新———新三板上市公司的证据［J］.中国工业经济，2020（01）.

［13］刘春林，田玲.人才政策“背书”能否促进企业创新［J］.中国工业经济，2021（03）.

［14］钱海章，陶云清，曹松威，曹雨阳，中国数字金融发展与经济增长的理论与实证［J］.数量经济技术经济研究，2020（06）.

［15］沈红波，寇宏，张川.金融发展、融资约束与企业投资的实证研究［J］.中国工业经济，2010（06）.

［16］温涛，朱炯，王小华.中国农贷的‘精英俘获’机制：贫困县与非贫困县的分层比较［J］.经济研究，2016（02）.

［17］夏后学，谭清美，白俊红.营商环境、企业寻租与市场创新——来自中国企业营商环境调查的经验证据［J］.经济研究，2019（04）.

［18］谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？——来自中国的证据［J］.经济学（季刊），2018（04）.

［19］张杰，高德步.金融发展与创新：来自中国的证据与解释［J］.产业经济研究，2017（03）.

［20］张勋，万广华，张佳佳，何宗樾. 数字经济、普惠金融与包容性增长［J］.经济研究，2019（08）.

［21］张杰，郑文平，翟福昕.竞争如何影响创新：中国情景的新检验［J］.中国工业经济，2014（11）.

［22］周黎安，罗凯.企业规模与创新：来自中国省级水平的经验证据［J］.经济学（季刊），2005（02）.

〔责任编辑：孙玉婷〕