数字金融、技术创新与对外直接投资

杨世明,周思淼

(1.2.贵州商学院 经济与金融学院,贵州 贵阳 550014)

我国对外直接投资发展成就显著,为促进国民经济增长作出巨大贡献,是我国经济高质量发展的重要动力,但对外直接投资基础投入大、投资周期长、投资风险大,其稳定持续发展需要较多金融资源支撑。我国数字经济不断发展,数字技术和金融业融合发展,创新数字金融新型服务模式,该模式具有普惠性特征,不但能优化发达地区跨国企业融资,还能惠及欠发达地区和中小企业。

数字金融推动对外直接投资增长的动力机制有待进一步研究。对外直接投资的影响因素一般认为主要有母国因素、东道国因素、双边因素差异与双边关系等,具体包括:母国因素主要有母国政府支持[1]、产业转型升级[2]、产业集聚[3]、城镇化发展[4]等;东道国因素主要有东道国城市化与城市规模[5]、社会政治风险[6]、经济发展水平[7]等;双边因素差异,即文化距离[8]、制度差异[9]等;双边关系,包括双边投资协定[10]、双边政治关系[11]等。

金融对对外直接投资的影响研究主要包括企业融资约束[12-13]与宏观金融发展[14]两个层面;数字金融对对外资直接投资的影响研究,主要基于数字普惠金融指数(1)2018年北京大学数字金融中心研究课题组发布“数字普惠金融指数”量化我国地区数字金融发展情况,为数字金融理论研究提供数据支持。[15]开展,包括促进经济发展[16]、降低贫困水平[17]、缓解融资约束[18]、促进居民消费[19]、促进技术创新[20]、提升产业结构水平[21]与提高就业水平[22]等方面。

当前,鲜有关于数字金融与对外直接投资关系及技术创新在两者间中介作用的研究。技术创新投入高、周期长,数字金融为技术创新提供新融资渠道,是对外直接投资重要影响因素,技术创新获得垄断优势,是数字金融对对外直接投资影响的重要路径。研究旨在评价数字金融经济效果,探索对外直接投资的影响因素,厘清数字金融对对外直接投资的影响路径。研究意义有:第一,将数字金融纳入对外直接投资研究框架,拓宽对外直接投资的影响因素,基于技术创新视角分析数字金融对对外直接投资影响的内在机制,为促进数字金融发展、提高区域技术创新水平和制定对外直接投资发展政策提供理论参考;第二,基于2011—2020年省际面板数据,研究采用个体固定效应模型与中介效应模型实证数字金融发展对对外直接投资影响和技术创新在二者关系中的中介作用,补充和丰富了相关研究。第三,在系统梳理数字金融、技术创新影响对外直接投资机制的基础上,深入分析影响机制的区域异质性影响,检验数字金融普惠性,这也为因地施策提供实证研究参考。

一、研究假设

对外直接投资的固定成本与沉没成本较高,企业对外直接投资所需资金超过自有资金,就需要借助金融市场外部融资来弥补资金缺口[23]。我国企业对外直接投资存在融资约束,这种情况在欠发达地区和中小企业中尤为突出,所以创新金融服务增加企业对外直接投资融资渠道、拓宽金融服务范围极为重要。

数字金融是数字技术嵌入金融服务而形成的新型金融服务方式[24],它拓宽了传统金融服务边界,打破时间地域限制,优化大型企业和发达地区企业投资融资,惠及中小企业和欠发达地区企业投资融资需求,缓解企业对外直接投资的融资约束。

数字金融服务通过增加对外直接投资概率发挥服务机制作用:首先,搭建金融机构与对外直接投资主体联系平台,降低信息不对称,促进资金供需匹配;为对外直接投资提供所需资金,提高对外直接投资可能性;其次,简化企业获取资金的程序,降低金融服务成本,提高金融服务效率,降低投资主体融资成本,缓解企业对外直接投资融资约束问题;最后,借助数字技术,以较低运营成本为欠发达地区企业和中小企业提供融资服务,扩大服务主体,降低金融服务门槛。[25]

综上所述,研究提出以下假设:

H1：数字金融可促进对外直接投资。

数字金融对技术创新有显著促进作用[26],技术创新显著促进对外直接投资水平提高[27],是数字金融对对外直接投资影响的关键路径,其作用机制为:

首先,数字金融促进技术创新水平提升。创新活动投入高、周期长、风险大,仅靠企业内部资金难以满足创新活动对资金的需求,外部融资渠道成为企业重要资金来源[28]。数字金融促进技术创新,主要体现在企业研发资金的获取上:第一,数字金融提高企业创新的融资效率。企业通过数字平台寻找资金供给方,资金供给方亦可通过平台了解资金需求方,实现供需匹配,提高创新企业融资效率。第二,数字金融降低企业创新融资成本。它打破传统金融服务依托固定网点的模式,简化资金审批手续,让企业有更多精力集中于技术创新,提高创新效率。第三,数字金融具有普惠性。传统金融体系构架不充分、发展不均衡与信息不对称等特征导致企业融资成本高,还难以惠及到中小企业和欠发达地区企业[15]。数字金融服务为企业创新提供新型融资模式,降低企业融资门槛,享受金融便利。

其次,技术创新水平提升,促进企业对外直接投资水平提高。传统跨国公司理论(基于垄断优势理论)认为,拥有某种特定优势是企业对外直接投资的前提,即企业拥有特定优势后才有能力进行对外直接投资,这种特定优势包括专有技术、营销管理能力等。特定优势中,技术创新最重要,可促进对外直接投资:第一,技术创新增强企业海外竞争优势;第二,技术创新提高企业盈利能力,企业赚取更多资金以满足对外直接投资的高额资金需求;第三,利润最大化目标驱使下,企业实现突破性技术创新后,会加速边际技术转移,促进企业对外直接投资。

综上所述,研究提出以下假设:

H2：数字金融促进技术创新,进而促进对外直接投资。

我国区域经济发展水平、产业结构水平、金融发展水平不同,企业对外直接投资意向和融资水平存在差异,这导致不同区域数字金融发展对对外直接投资的影响不同。政府对对外直接投资主体的支持程度和对外直接投资主体的国际化水平影响数字金融对对外直接投资的作用效果:东部地区经济发达,产业结构水平较高,金融市场较为成熟,传统金融服务效率和覆盖率较高,企业进行对外直接投资融资约束较小;数字金融提高东部地区对外直接投资水平,但其边际促进效用可能相对较低[29]。中西部地区金融市场不够成熟,传统金融服务覆盖率不高,数字金融丰富了企业对外直接投资融资渠道,惠及欠发达地区,提高金融资源配置效率,降低企业融资成本和对外直接投资的融资门槛,它对中西部地区对外直接投资的边际促进效率较高。西部地区对外直接投资水平较低且影响因素复杂,数字金融对地区对外直接投资影响的显著性水平较低。综上,研究提出以下假设:

H3：数字金融对对外直接投资的促进作用具有区域异质性。

二、研究设计

(一)模型构建

1.基准模型

为检验数字金融对对外直接投资的影响效应,研究建立计量模型如下:

OFDIit=β0+β1DIFit+β2Xit+μi+εit

(1)

其中,i和t分别表示地区和时间;DIFit表示数字金融;OFDIit表示对外直接投资;Xit表示一组控制变量;μi表示个体效应,表示不可观测的地区异质性;εit为随机扰动项。

2.中介效应模型

INNOit=α0+α1DIFit+α2Xit+μi+εit

(2)

OFDIit=γ0+γ1INNOit+γ2DIFit+γ3Xit+μi+εit

(3)

式(2)、式(3)中,INNOit表示t时间i地区的创新水平。

(二)变量说明

1.被解释变量

对外直接投资(OFDI)。研究以《中国对外直接投资统计公报》(2)由我国商务部、国家统计局和国家外汇管理局联合发布。中省(区、市)对外投资存量数据为基础数据。为避免OFDI流量数据受短期波动影响,研究以美元兑换人民币年平均汇率将对外非金融类直接投资存量数据折算为人民币(以亿元为单位),并作对数处理。

2.核心解释变量

数字金融(DIF)。研究选取北京大学数字金融研究中心数字金融指数作为区域数字经济发展的衡量指标[30]。该指标体系包含数字金融覆盖广度、使用深度与数字化程度三个维度,分别表示数字金融账户覆盖率、数字金融使用频率与数字金融服务便利性、低成本和信用化。由于变量量纲不同,研究将数字金融原始总指标数据及其三个维度指数均做缩小100倍处理。

3.中介变量

技术创新(INNO)。一般采用创新投入与创新产出衡量区域技术创新,创新投入即区域研发要素的投入情况,创新产出是区域专利申请或授权数量。创新产出比创新投入更能体现区域实际创新水平,研究以此作为技术创新代理变量,主要包括发明专利、实用新型专利与外观设计专利。发明专利的技术含量一般高于实用新型专利与外观设计专利,因专利授权数据存在滞后性,研究以发明专利申请数对数衡量区域技术创新。

4.控制变量

本研究的控制变量有:

专业根据IEET技术教育认证TAC-AD的要求，建立外部的专业咨询委员会，与专业内部形成良性互动。本专业TAC-AD专业咨询委员会成员11名，由企业专家5名、教育行业专家5名和校友代表1名构成，其中，长期与专业进行联合人才培养合作的上市公司董事长担任专业咨询委员会主任委员。

经济发展(GDP),以各省(区、市)GDP占全国GDP比重表示;

外商直接投资(FDI),以各省(区、市)外商直接投资总额占当地GDP比重表示;

产业结构(STR),以各省(区、市)第三产业与第二产业增加值之比表示;

进出口贸易(IM),以各省(区、市)进出口贸易额占当地GDP比重表示;

科技规模(TEC),以各省(区、市)技术市场成交额占当地GDP比重表示。

(三)数据来源

对外直接投资数据来自2011—2020年《中国对外直接投资统计公报》,数字金融数据来自北京大学数字金融研究中心编制的数字普惠金融指数,其他数据均来自《中国统计年鉴》及各省(区、市)相关《统计年鉴》。研究考察时间为2011年至2020年,选择全国30个省(区、市)(3)研究样本不包含西藏自治区、香港特别行政区、澳门特别行政区和台湾地区。为最终样本,以2011—2020年相关面板数据为研究数据,数据处理和分析采用Stata15软件,变量描述性统计结果见表1。

表1 变量描述性统计

三、实证结果分析

(一)数字金融对对外直接投资的影响

1.基准回归结果

表2是基准回归结果,表2列(1)是不含控制变量的回归结果,数字金融回归系数为0.792,且通过1%显著性水平检验,表明数字金融对对外直接投资有促进作用。表2列(2)是加入控制变量后的回归结果,数字金融回归系数变为0.722,且通过1%显著性水平检验,表明数字金融与对外直接投资呈正相关,也表明控制变量不影响数字金融对对外直接投资的作用,研究假设H1得以验证。

表2 数字金融对对外直接投资影响基准回归结果

表2列(3)、列(4)、列(5),数字金融三维度,即覆盖广度、使用深度、数字化程度的回归系数分别为0.716、0.664和0.409,均通过1%显著性水平检验,研究假设H1再次得以验证。数字金融三维度对外直接投资的影响程度存在异质性,覆盖广度与使用深度对对外直接投资的影响程度大于数字化程度。覆盖广度由电子账户数体现,数量越大表明覆盖面越广,更多企业和“尾部”用户可通过数字金融获得资金支持,享受金融服务,数字金融普惠性得以充分发挥,促进对外直接投资。数字金融使用深度,即数字金融服务使用频率,频率越高表明享受到数字金融服务的用户越多,越有利于促进区域对外直接投资。数字化程度产生的影响较低,数字金融具有便利性和低成本的特征,一定程度上激励企业进行外直接投资,但数字化程度增加会加大金融风险,给企业对外直接投资带来负影响。综合来看,数字金融三维度中,数字化程度对对外直接投资的促进作用小于覆盖广度与使用深度。

2.内生性与稳健性检验

为提高实证结论可信度,研究对模型进行内生性检验与稳健性检验。首先,采用2SLS工具变量回归法进行内生性检验,以互联网普及率为工具变量(参考郑万腾研究[26]),检验结果见表3。

表3 内生性检验结果

由表3,工具变量(IV-INTERNET)与数字金融的回归结果显著为正,表明二者存在强相关性。C-DWaldF值为222.190,表明模型不存在弱工具变量问题。数字金融回归系数显著为正,表明考虑内生性后的研究结论依然成立。

研究替换被解释变量检验模型稳健性,即用对外直接投资流量代替对外直接投资存量。实证检验结果见表4,核心解释变量对对外直接投资影响的作用方向、显著性水平与前述回归结果一致,表明研究实证结果稳健。

表4 基于替代变量的稳健性检验

(二)数字金融、技术创新与对外直接投资

1.中介效应分析

研究分别构建不含中介变量的基准模型、中介变量为被解释变量的模型、基准模型加入中介变量的模型检验技术创新在数字金融影响对外直接投资中的中介作用。三个模型需满足以下条件:第一,数字金融显著影响对外直接投资;第二,数字金融显著影响中介变量;第三,考虑中介变量的存在,若数字金融对对外直接投资的影响效果减弱甚至消失,则表明该影响部分或全部来自中介变量。

由表5,数字金融对对外直接投资和技术创新的影响系数分别为0.722和0.437,数字金融与技术创新变量同时加入模型时,数字金融对对外直接投资的影响系数为0.473,以上系数均通过1%显著性水平检验,较之未加入技术创新变量时系数减小,满足中介效应三个条件。这也表明数字金融影响技术创新,进而影响对外直接投资,技术创新部分中介效应存在。数字金融经技术创新促进对外直接投资水平提高,研究假设H2得以验证。

表5 数字金融、技术创新与对外直接投资的中介效应实证结果

2.基于数字金融三维度的中介效应

表6是数字金融覆盖广度、使用深度与数字化程度对对外直接投资影响的检验结果。表6中,模型(1)、模型(2)、模型(4)、模型(5)、模型(7)、模型(8)的回归系数均显著为正,表明数字金融三维度对对外直接投资与技术创新均发挥促进作用。模型(3)、模型(6)、模型(9)覆盖广度、使用深度与数字化程度对对外直接投资的影响系数均显著为正,且分别小于模型(1)、模型(4)、模型(7)对应回归系数,满足中介效应三个条件,表明技术创新在数字金融三维度促进对外直接投资中均发挥部分中介作用,假设H2再次得以验证。

表6 基于数字金融三维度的技术创新中介效应分析

研究采用更为严谨的Bootstrap对技术创新的中介效应进行检验(抽样次数设置为1000次,置信区间为99%)。由表7,以地区专利申请总数为中介变量时,在数字金融、覆盖广度、使用深度和数字化程度4个解释变量下,无论是直接效应,还是间接效应,99%置信区间均不包含0,表明技术创新中介效应存在。

表7 中介效应Bootstrap检验结果

(三)区域异质性检验

1.数字金融对对外直接投资影响的区域异质性检验

由表8,东中西部地区数字金融对对外直接投资的影响系数分别为0.673、0.856与0.613,东部、中部地区通过1%显著性水平检验,西部地区通过10%显著性水平检验,中部地区数字金融对对外直接投资的影响大于东部、西部地区。造成该情况的原因可能是:东部地区金融发展水平较高,企业对外直接投资的融资约束较小,数字金融对对外直接投资的促进作用较中部地区小;西部地区企业国际化水平和区域开放程度较低,数字金融对西部地区对外直接投资影响的显著性水平也较低,研究假设H3得以验证。

表8 数字金融对对外直接投资影响的区域异质性检验

2.基于数字金融三维度的区域异质性检验

由表9,数字金融覆盖广度、使用深度与数字化程度对对外直接投资影响机制检验结果表明,数字金融三维度的影响程度存在异质性。东部、中部、西部地区覆盖广度对对外直接投资的影响系数分别为0.706、0.878、0.579,且分别通过1%、1%、10%显著性水平检验;使用深度系数分别为0.565、0.805、0.569,分别通过1%、1%、10%显著性水平检验,该结果与上述数字金融总指数检验结论一致,即数字金融对中部地区的影响大于东部、西部地区,对东部地区的影响大于西部地区。东部、中部、西部地区数字化程度对对外直接投资的影响系数分别为0.333、0.478、0.367,均通过1%显著性水平检验,该结果也与上述数字金融总指数检验结论基本一致,即数字化程度对中部地区的影响大于东部、西部地区。数字化程度对西部地区对外直接投资的影响大于东部地区,可能是因为数字化程度深化了数字金融低成本和低门槛优势,进一步促进西部地区对外直接投资。综上,该部分结论与数字金融对对外直接投资的影响基本一致,假设H3再次得到验证。

表9 数字金融三维度影响的区域异质性检验结果

四、结论与对策建议

(一)研究结论

首先,研究分析数字金融对对外直接投资的影响机制和技术创新于二者关系的中介作用,发现数字金融对对外直接投资的影响存在区域异质性。

其次,研究基于2011—2020年中国省级面板数据,采用个体固定效应模型与中介效应模型实证检验数字金融对对外直接投资的影响,发现数字金融显著促进区域对外直接投资。数字金融三维度中,覆盖广度与使用深度对对外直接投资的影响程度高于数字化程度;数字金融促进技术创新,进而促进对外直接投资,且技术创新在数字金融三维度影响对外直接投资中均发挥中介作用;中部地区数字金融对对外直接投资的影响最大,西部地区的最小,且数字金融三维度的检验与数字金融对对外直接投资影响的区域异质性检验结论基本一致。

(二)对策建议

首先,持续推进数字金融发展,加快区域金融和对外直接投资主体数字化转型。第一,政府鼓励传统金融服务业、跨国企业进行数字化转型,不断提高数字金融覆盖广度与使用深度,发挥数字金融普惠作用;第二,引导数字金融服务多元化发展,提高数字金融使用总量与使用活跃度,为对外直接投资主体提供多种融资渠道;第三,提高政府监管力度,不断完善监管政策,规避数字金融低门槛带来的信用风险。

其次,发挥数字金融服务优势,拓宽技术创新融资渠道。发展数字金融服务,促进技术创新主体创新水平提升,能够有效促进对外直接投资。政府要重视数字金融发展,提高传统金融业服务效率,激发技术创新主体创新活力。创新主体应紧抓数字金融发展新机遇,充分利用数字金融获取研发资金,加大持续创新力度,培育对外直接投资新优势。尤其东部地区企业,要借助数字金融拓宽技术创新融资渠道,加大研发投入,提高技术水平,增强企业对外直接投资核心竞争力。

最后,制定差异化数字金融发展政策。数字金融发展时间短,相关政策有待完善,政府应根据数字金融不同阶段发展特点和市场需求及时调整政策:一方面,制定适宜的激励政策促进数字金融发展;另一方面,考虑区域间、机构间金融服务边界不清带来的风险,适时完善监管政策保障数字金融稳定发展。区域数字金融对对外直接投资的影响程度存在差异,发挥数字金融对对外直接投资的激励效应,不同地区应当制定差异化政策:中、东部地区要继续强化数字金融对对外直接投资的促进作用,发展高水平数字金融服务;西部地区应紧抓数字金融为区域对外直接投资主体发展带来的历史机遇,加快发展数字金融,为对外直接投资拓宽融资渠道。