科技金融政策对数实产业技术融合的影响研究

关键词：科技金融政策；数实产业技术融合；双重差分法

DOI：10.19313/j.cnki.cn10-1223/f.20241018.008

一、引言

数实融合是中国经济高质量发展的重要引擎。党的二十大报告强调，要加快数字经济发展，促进数字经济与实体经济的深度融合，致力于打造具有国际竞争力的数字产业集群。①推动数字经济与实体经济融合是党中央的重大战略决策，是推动中国式现代化建设的必然选择（夏杰长等，2022；张晖等，2023）。我国数字经济正逐步走向深化应用、规范发展、普惠共享的新阶段，数字经济和实体经济融合发展成为引领和支撑我国数字经济新一轮增长的主引擎和主战场，也是赋能经济社会高质量发展的重要路径与有力支撑。②但是，中国数字经济和实体经济融合也面临着“不能融合”“不便融合”“不愿融合”“融合不全”“融合不深”等突出问题，数字经济驱动数实融合的巨大潜能尚未充分释放（洪银兴和任保平，2023）。

企业是微观经济运行主体，也是数字技术和实体经济深度结合的主要载体（袁淳等，2021）。数实产业技术融合③是当前企业转型的重要趋势，但是推进企业数实产业技术融合难度大、投入多、周期长且风险高，需要大量的资金、技术、人才和数据要素支持，同时金融机构也缺乏足够动力支持这些企业创新发展。目前，我国现行的金融体系与模式发展尚不完善，科技创新活动的自身特性与我国金融体系固有的结构性矛盾是阻碍科技与金融有效结合的主要原因，从而难以支持企业数实产业技术融合。为了提升我国科技金融质量，2011年，科技部、中国人民银行等五部门联合决定在全国设立“促进科技和金融结合”试点，并将中关村国家自主创新示范区、天津市、上海市、深圳市、江苏省等16 个地区列为首批试点地区。这些地区拟在科技金融产品、服务模式和科技金融对接机制等方面进行创新，以便为科技金融①从数量增长向质量提升提供可借鉴或可复制的范本。2016年，科技部和金融监管部门联合发布了第二批科技和金融结合试点城市名单，郑州、厦门、宁波和济南等9 个城市都位列其中。试点地区先后成立了由政府主要领导牵头，科技、财税、金融办以及“一行三局”等部门共同参与的试点工作协调推进机制，也相继推出建立贷款风险补偿基金、科技成果转化项目库、科技创业企业信息共享平台、完善产权交易市场监管和交易制度等鼓励创新的政策，有助于营造企业数实产业技术融合的生态环境（侯世英等，2020）。科技金融政策在产业结构升级（胡欢欢等，2018）、数字技术应用（陈振权等，2022）、企业数字化转型（申明浩等，2022）、技术创新（叶初升等，2022）、高质量发展（康艳玲等，2023）、价值链位势攀升（褚希伟等，2024）和农业生产效率提升（郭进等，2024）等方面发挥了重要作用，但能否促进企业数实产业技术融合呢？迄今鲜有文献对此进行关注。

鉴于此，本文基于中国企业发明专利数据与上市公司数据，利用专利互引数据构建企业数实产业技术融合度量指标，研究科技金融试点政策对数实产业技术融合的影响及其作用机制。研究发现，科技金融试点政策对企业数实产业技术融合有显著促进作用，此结论在一系列稳健性检验下依旧成立。异质性检验发现，在高端人才资源供给不足、数字经济政策供给水平较高和高信息化水平地区，大规模、成长期、成熟期和资本集聚型企业中，科技金融试点政策对企业数实产业技术融合的促进作用更为明显。机制检验发现，科技金融试点政策可以推动资金、技术、人才、数据等要素的重新配置，提升创新创业活跃度，藉此实现数实产业技术融合。

相对于现有文献，本文可能的边际贡献在于：第一，新的研究视角。与龙海明等（2021）关注科技金融对产业结构升级（宏观层面）的影响不同，本文聚焦于科技金融试点政策对微观层面企业数实产业技术融合的影响。第二，新的科技金融政策实体效应识别方式。与邹克和周益赞（2024）一样，本文也聚焦于科技金融对实体经济尤其是数实产业技术融合的影响，但与他们的研究设计不同②，本文基于2011 年和2016 年分批实施的“促进科技和金融结合试点”政策为外生冲击，识别科技金融政策实体经济效应。机制检验也发现，科技金融试点政策促进了生产要素的重新配置，提升了创新创业活跃度。本文拓展了科技金融政策经济效应识别的相关研究。第三，新的政策意蕴。研究结论对中国在建设金融强国过程中利用科技金融推进数实产业技术融合乃至实体经济高质量发展具有重要的政策意蕴，亦为科技和金融结合政策的全面推广提供可靠的经验证据。

二、文献综述

现有与本文最相关的文献为如下三支：数实融合的相关研究、科技金融与实体经济高质量发展之间的关系以及促进科技和金融结合试点政策效果的相关研究。

关于数实融合的研究。学术界围绕数实融合的影响因素与后果分析展开了诸多研究。就影响因素而言，部分学者研究了经济发展水平、人力资本水平、数字基础设施等因素对数实融合的影响（张帅等，2022；胡西娟等，2022；张晖等，2023）。关于数实融合的后果分析主要集中于考察数实融合对绿色转型、绿色发展和经济高质量发展的影响。Meng et al.（2023）研究发现，数实融合通过绿色技术效应促进了工业绿色转型。崔琳昊等（2024）发现数实融合通过推动产业结构升级和技术进步促进城市产出扩张、投入优化和治理提升，从而进一步促进城市绿色发展。田秀娟和李睿（2022）研究表明，数字技术通过推动产业结构的优化升级、提高劳动生产率促进实体经济的高质量发展。总体来看，现有文献大多从宏观层面探究了数实融合的影响因素与后果，较少在微观层面基于数实产业技术融合视角的探究。

科技金融（政策）与实体经济高质量发展之间的关系。现有关于科技金融（政策）与实体经济高质量发展之间关系的文献大致可划分为以下两类。一是科技金融对实体经济高质量发展的影响。刘立军和刘义臣（2022）构建科技金融与实体经济高质量发展耦合协调模型和结构方程模型，实证检验发现，京津冀科技金融投入通过绿色发展路径显著促进了实体经济高质量发展；邹克和周益赞（2024）研究表明，科技金融通过扩大实体规模显著促进实体经济高质量发展。二是科技金融试点政策对实体经济高质量发展的影响。康艳玲（2023）构建双重差分模型检验了科技金融政策通过推动创新显著促进经济高质量发展；朱晓杰（2023）以“促进科技和金融结合试点”为准自然实验，研究发现科技金融政策是驱动城市农业经济高质量发展的重要力量。现有文献从某些层面或视角研究了科技金融（政策）与实体经济之间的关系，而缺乏对科技金融与数实融合之间关系的探究验证。

促进科技和金融结合试点政策效果的相关研究。政策效果大多基于科技和金融结合试点政策，从宏观和微观两个维度来进行识别。宏观层面主要聚焦于对地区创新水平（马凌远等，2019；王贤彬等，2024）、科技人才集聚水平（谢文栋，2022）、产业结构优化（冯永琦等，2021）、碳减排（Xu et al.，2022）或绿色发展（Gao et al，2022）、科技和金融结合效果（邹克等，2022）、经济增长（徐越倩等，2021）和全要素生产率（冯锐等，2021）等影响的探讨。微观层面侧重于对企业数字化技术应用水平（陈振权等，2021）、数字化转型（申明浩等，2022）、企业技术创新（叶初升等，2022）、价值链位势攀升（褚希伟等，2024）和高质量发展（康艳玲等，2023）等影响的研究。虽然部分文献关注了科技与金融结合试点的政策效应，但这些文献主要关注的是科技金融政策对实体经济发展和环境治理的影响，缺乏从数实产业技术融合视角研究政策效应的相关文献。

三、理论分析与研究假说

（一）政策实施背景

科学技术是第一生产力，金融是现代经济的核心。加强科技与金融的有效结合，不仅对于增强自主创新能力、促进经济发展方式的转变至关重要，而且是推动科技和金融自身发展的强大动力。金融的发展可以为科技创新提供必要的社会融资支持，同时提高财政资金的使用效率和监督其使用效果；而科技创新则为金融发展开辟新的领域，为金融资源的优化配置奠定基础，为金融的安全运行提供保障。只有科技创新与金融发展相互支持、协同运作，才能推动经济发展方式快速转向创新驱动和内生增长的道路。为此，我国制定并推行了一系列科技与金融结合的配套政策和措施。

为提高科技创新成果转化的效率，组织开展了“促进科技和金融结合试点”（以下简称“科技金融政策”）工作。2010 年12 月16 日，科技部、人民银行、银监会、证监会、保监会联合印发了《促进科技和金融结合试点实施方案》，提出要引导和促进各类资本创新金融产品、改进服务模式、搭建服务平台，实现科技创新与金融资本的有机结合，为科技企业提供差异化的金融服务。随后，2011 年10 月20 日，科技部等五部门发布《关于确定首批开展促进科技和金融结合试点地区的通知》。为保障试点工作顺利开展，科技部和“一行三会”成立了以科技部部长万钢为组长的试点工作部际协调指导小组。结合专家评审意见和国家区域发展战略布局，科技部会同“一行三会”确定中关村国家自主创新示范区、天津市、上海市、江苏省、浙江省“杭温湖甬”地区、安徽省合芜蚌自主创新综合实验区、武汉市、长沙高新区、广东省“广佛莞”地区、重庆市、成都高新区、绵阳市、关中—天水经济区（陕西）、大连市、青岛市、深圳市等16 个地区为首批促进科技和金融结合试点地区。截至2016 年，试点地区出台350 多项科技金融政策，设立了总量近40 亿元专项基金；搭建了新型科技创新投融资平台，为不同发展阶段的科技企业提供多样化的投融资服务；建立科技金融信息服务平台、汇聚了数千家企业信息和各类投融资信息。试点地区不断创新财政科技投入方式，加强对金融资本和民间投资的引导和带动。企业创业投资引导基金已与地方政府、民间投资共同成立了近百家创投基金，基金注册资本总额超过130 亿元。①为深化数字经济时代的创新驱动发展战略，2016 年，两个主导部门增设了厦门、郑州等9 个城市，作为第二批科技金融政策试点地区。

自从科技与金融结合的试点项目启动以来，参与试点的各个地区相继推出针对科技金融的多项举措，具体涉及优化财政资源配置、建立科技融资平台、促进企业与资本市场对接、提供科技保险服务等多个方面。近年来，国内外学者围绕科技金融试点政策进行了政策效应识别（马凌远等，2019；徐越倩等，2021；Xu et al.，2022；康艳玲等，2023）。在此基础上，本文拟借助该试点实证检验科技金融政策对企业数实产业技术融合的影响。

（二）研究假说

1. 科技金融政策对企业数实产业技术融合的影响分析

科技金融政策运用无偿资助、偿还性资助、贷款贴息等多种方式，引导和促进银行业、证券业、保险业金融机构及创业投资等各类资本创新金融产品、改进服务模式、搭建服务平台，实现科技创新链条与金融资本链条的有机结合，为企业提供多元化、差异化的金融服务，加快科技成果转化，激发企业内生增长动力。

科技金融政策是政府及相关部门为推动科技进步与金融创新的深度融合，促进科技创新成果转化与应用，而制定的一系列财政支持、税收优惠、市场准入等方面的政策措施。科技金融政策的实施为驱动企业数实产业技术融合带来了契机，具体阐述如下：首先，提供资金支持，促进科技成果转化。科技金融政策综合运用无偿资助、偿还性资助、风险补偿、贷款贴息以及后补助等方式引导金融资本参与实施国家科技重大专项、科技支撑计划、火炬计划等科技计划，并建立科技成果转化项目库，运用创业投资机制，吸引社会资本投资科技成果转化项目。这些资金不仅有助于企业研发新技术、新产品，还能够帮助企业克服从研发到商业化过程中的资金瓶颈，加快了科技创新转化为实际生产力的速度，促进了技术和市场的有效对接（申明浩等，2022），有助于实现科技产业金融的良性循环，从而促进数实产业技术融合。其次，优化金融服务，提升服务实体经济能力。科技金融政策推动建立科技金融专营机构、科创金融服务中心等专业机构，这些机构通过深入了解企业的特点和需求，提供更加精准、高效的金融服务，有助于提升金融服务实体经济的能力，实现科技创新在实体经济中的广泛应用，进一步促进数实产业技术融合。再次，加强风险管理，保障融合稳健发展。科技金融政策通过建立科技信贷风险补偿基金等机制，对企业贷款进行风险补偿，降低了金融机构的风险，有助于金融机构更加积极地支持企业的技术创新（Feng et al.，2023），推动数实产业技术融合稳健发展。最后，推动政策引导与激励，营造良好发展环境。科技金融政策为企业和创业投资机构提供税收优惠政策，鼓励其加大研发投入和投资力度，有助于激发企业的创新活力。同时，建立实施试点的监督检查机制，给予相应的奖励和激励，有助于引导金融机构更加积极地参与数实融合过程，推动数实产业技术深度融合。因此，提出假说1：科技金融政策能够促进企业数实产业技术融合。

2. 科技金融政策促进企业数实产业技术融合的机制分析

科技金融政策通过要素（资金、技术、人才和数据）重新配置，激发地区创新创业活跃度，最终促进企业数实产业技术融合。具体阐述如下：

（1）科技金融政策能够通过资金、技术、人才和数据等生产要素的重新配置影响创新创业活跃度。

科技金融政策通过增加科技信贷支持、搭建信息化服务平台以及多层次资本市场融资缓解融资约束，降低融资成本，提高融资效率。信息不对称是构成企业融资约束的关键因素之一（Kaplanet al.，1997）。基于信息不对称和委托代理理论框架，所有权与经营权的分离可能导致管理层利用信息不对称的优势，将个人风险转嫁给企业，产生逆向选择或道德风险等问题（Claessens et al，2013）。试点地区加强信用体系建设，建立科技型企业贷款风险补偿机制，形成政府、银行、企业以及中介机构多元参与的信贷风险分担机制，并搭建信息化服务平台，整合企业的基本融资信息，降低了借贷双方的信息不对称，降低金融机构面临的信贷风险，缓解企业的融资约束，降低融资成本，提高融资效率。同时，科技金融政策推动试点地区逐步建立以政府资金为引导、民间资本为主体的创业资本筹集机制，加快多层次资本市场体系建设，扩大直接融资规模。建立技术产权交易所联盟和统一信息披露系统，为科技成果流通和企业通过非公开方式进行股权融资提供服务，充分利用信托贷款、股权投资和融资租赁等多种方式的组合，构建多渠道融资格局，统筹协调科技金融资源，搭建科技金融合作平台，优化金融生态环境，提高地区金融发展水平，缓解企业的融资约束，提升企业融资效率（解维敏和方红星，2011）。如：成都高新区构建以“梯形融资模式”为代表的科技金融服务体系，近年来累计帮助1 300 多家（次）中小企业获得担保贷款50 多亿元，知识产权质押贷款1.4 亿元。①综上所述，科技金融政策通过多方面的措施，有效缓解了企业的融资约束，降低了融资成本，并提高了融资效率。创新创业活动伴随高风险（Hsu et al.，2014），资金充裕是关键（王雄元和卜落凡，2019），资金问题的解决推动了创新创业活跃度的提升。

科技金融政策促进了技术要素的流通和增值。技术要素的流通和增值是技术引进和技术创新之间的重要桥梁，它通过促进技术知识的传播和应用，为企业技术引进和技术创新提供了丰富的资源和动力。任何市场活动在获取收益的同时必定伴随着风险（Li et al.，2014）。进行技术引进需要企业投入大量的时间和精力，会有许多的偶然事件，如果企业缺乏持续开发的能力则所引进的新技术很难得到进一步完善（单骞胤，2003），失败的可能性很大。因此，高风险是企业进行技术引进的突出特点之一。科技金融政策通过整合资本注入、业务补贴等多种措施，增强担保机构对企业支持的能力和动力，创新多样化的担保模式，并促进担保与创业投资的融合，从而加速建设多层次的担保体系，提高企业的风险承担能力，为技术引进提供了保障（Shagufta et al.，2016）。同时，科技金融政策积极培育发展战略性新兴产业，探索科技资源与金融资源对接的新机制，引导社会资本积极参与自主创新，加快科技成果转化，逐步形成一个科技创新链条与金融资本链条有机结合的金融市场，提高了企业技术创新水平（叶初升等，2022）。通过技术引进和技术创新，同时有效整合内部研发能力和外部资源，弥补技术短板，提升创新创业效率，从而促进创新创业发展。非但如此，在完善的创新创业环境中，技术、市场、生产与管理的不确定性因素将有效降低，进而优化创新效率，增强城市创新能力，带动区域创新创业活跃度提升。

科技金融政策的实施有力地促进了人才资源的积累与扩充。首先，科技金融政策结合创新人才推进计划、国家高技能人才振兴计划等各项国家重大人才工程的实施，推动金融机构与高校共建人才项目，培养了更多高学历人才。其次，政策支持科技金融体系的完善，通过创新科技保险产品、加大对科技人员保险力度等举措，有助于优化数字人才的培养和就业环境。最后，科技金融试点城市凭借其良好的金融生态环境，支持科技型企业吸引和凝聚创新创业人才，通过虹吸效应加快了金融资源的流动和人才的积累（高粼彤等，2024），从而发挥科技金融对人才积累的正向促进作用。高素质人才汇聚，为城市创新创业注入活力，提升创新创业质量（张禹等，2022）。随着高素质劳动力供给增加，专业化分工和劳动生产率提升，推动价值链各环节高效整合，提升全要素生产率和资源配置效率，激发城市创新创业活力，推动经济高质量发展。

科技金融政策能够有效推动数据要素利用水平的提升。第一，试点地区建设科技金融合作试点支行，为企业提供数据质押贷款、数据资产评估等数据金融服务，提高了数据要素利用水平。第二，科技金融政策进一步加快网络基础设施和数据中心等硬件设施的完善、网络信息共享平台的建设、信息系统的共享互通，可以促进数据要素流通、降低数据要素利用成本（彭影等，2023），从而提高数据要素利用水平，推动数字经济发展。第三，科技金融政策鼓励科技创新，推动科技型企业发展，带动对数据要素的需求，促进数据要素的流通和利用。数据要素高效利用，可推进新质生产力发展（张夏恒等，2024），优化企业创新资源配置，为企业创业提供了新动能和新思维，提升创新创业活跃度（姜南等，2021）。

资金、技术、人才和数据等要素的重新配置，为创新创业提供更加有利的环境和条件，从而激发更大的创新活力和创业潜力，促进创新创业活跃度的提升。

（2）创新创业活跃度的提升会推动企业数实产业技术融合的发展。

首先，创新创业活跃度的提升，能够促进经济高质量发展，提高传统产业的智能化、自动化水平，进而推动数实产业技术融合。其次，创新创业活动势必会推动数字基础设施建设。David et al.（2015）研究表明创新创业活动与基础设施呈正相关关系，创新创业活动对数字基础设施的需求日益增长，这促使政府和企业加大对数字基础设施的投资，为数实产业技术融合提供良好的基础条件。最后，创新创业能够推动产业链各个环节协同发展（郑金辉等，2024），将不同领域的资源进行整合，提升整个产业链的数字化水平，从而促进数实产业技术的融合。

因此，提出假说2：科技金融政策能够通过提升创新创业活跃度促进企业数实产业技术融合。

四、研究设计

（一）模型设定

为了分析科技金融试点政策对数实产业技术融合的影响，本文以2011 年和2016 年确定的两批试点地区作为准自然实验，采用个体和时间双向固定效应的多期双重差分法（林永生等，2023），设计实证模型如下：

（二）变量选择与数据说明

1. 被解释变量

本文被解释变量为数实产业技术融合（TechConv），参考黄先海和高亚兴（2023）的做法，基于创新产出视角从广义和狭义两个维度去测度。广义上，将数实产业技术融合定义为：如果一个专利的IPC 主分类不属于数字产业技术，但至少引用了一个数字产业技术的专利，那么这个专利就代表了企业的一次数实产业技术融合行为，将指标汇总到企业—年份层面加1 取自然对数后得到企业数实产业融合技术变量。狭义上，将数实产业技术融合定义为：如果一个专利的IPC 主分类属于实体产业技术，并且该专利的其他IPC 分类中至少有一个层面被识别为数字产业技术，那么这个专利就被定义为企业的一项数实产业融合技术，将指标汇总到企业—年份层面加1 取自然对数后得到企业数实产业融合技术变量（FusiTech）。这种度量方式侧重于从专利的IPC 分类号中直接识别实体产业和数字产业技术的融合情况。

2. 解释变量

解释变量为科技金融试点政策，共有16 个地区确定为首批试点，包括经济区和实验区，以及单独的省份和城市。鉴于研究需要，本文将这些地区进一步划分为41 个试点城市。在促进科技和金融融合政策推动及首批试点地区示范作用的引领下，2016 年6 月，增设了9 个城市为第二批试点城市。需要说明的是，虽然宁波市在2016 年才被确定为科技金融政策试点城市，但是宁波市高新区早在2011 年就被纳入第一批科技金融政策试点地区中，考虑到政策的溢出效果，本文将宁波市归为第一批科技金融政策试点城市。

3. 控制变量

为消除外生变量的影响，参考黄先海等（2023）和叶初升等（2022）的研究，本文选取了一系列企业层面控制变量。企业规模（Size），以企业总资产的自然对数衡量；企业年龄（Age），以会计年度与企业成立年份之差的自然对数衡量；财务杠杆（Lev），以资产负债率衡量；企业盈利能力（Roa），以总资产净利润率衡量；现金流水平（CF），以经营活动产生的现金流量净额与总资产的比率衡量；产权性质（SOE），非国有企业取0，国有企业取1；两职合一（Dual），若董事长与总经理为同一人，取值为1，否则为0；董事会规模（Boardsize），以董事会人数的自然对数衡量；独立董事占比（Indep），以独立董事在董事会中的占比衡量。

4. 样本数据

本文选取2008—2019 年A 股上市企业为研究样本，其中企业的基本信息、财务指标等数据来自国泰安（CSMAR）数据库；专利数据来自专利数据库。在计算本文所涉及的相关变量后将两个数据库匹配，并对初始样本进行如下处理：（1）剔除ST、*ST、PT 类企业样本；（2）剔除总资产小于总负债的样本；（3）剔除金融行业样本；（4）剔除企业年龄小于1 的样本；（5）为减少极端值的影响，对连续变量进行1%和99%分位的缩尾处理。

5. 描述性统计

表1报告了主要变量的描述性统计结果。

五、实证分析

（一）基本回归结果

科技金融试点政策对企业数实产业技术融合的基准回归结果如表2 所示。列（1）控制了行业固定效应和年份固定效应，列（2）进一步加入企业层面控制变量；所有回归在城市层面聚类。从回归结果可以看出，Treatpost 的系数均显著为正，这就说明科技金融试点政策的实施促进了企业数实产业技术融合，符合本文的假设预期，验证了假说1。为保证结果的稳健性，替换为狭义的数实产业技术融合测度指标，结果如表2 列（3）-（4）所示，回归结果依旧正向显著，表明科技金融试点政策促进了企业数实产业技术融合。考虑到NhBT46Cxtolh7gw7M42Ra8Kb/LrNlfjocW+sqf+WaKw=数字化转型是数实产业技术融合的基础和前提，伴随着产业技术融合，企业数字化转型势必加速。为确保对政策效果的全面评估，本文还进一步考察了试点政策对企业数字化转型的影响。数字化转型分别参照吴非等（2021）、袁淳等（2021）、刘飞和田高良（2019）的方法，采用年报披露的数字化相关词频数（DigitalTran1）、数字化转型指数（DigitalTran2）、数字硬件投资占比（DigitalTran3）和软件投资占比（DigitalTran4）度量。回归结果如表2 列（5）-（8）所示，所有回归结果均正向显著，进一步佐证了科技金融试点政策对企业数实产业技术融合有促进作用。

（二）平行趋势

检验采用双重差分法的前提条件是处理组与控制组的样本在受到政策冲击之前具有相似的发展趋势，即符合平行趋势的假定。本文参考Beck et al.（2010）的方法，采用事件分析法进行平行趋势假设检验：设定事件窗口期为政策前4 年到政策后4 年，以科技金融试点政策实施前1 年作为基准期。从图1 可以看出，在科技金融试点政策实施前的4 年内，估计系数不显著，表明处理组与控制组的数实产业技术融合在科技金融试点政策正式实施之前并不存在显著差异，满足处理前趋势检验。进一步观察其动态趋势可知，科技金融试点政策有显著的动态效应。

此外，考虑到平行趋势的稳健性，本文还使用Freyaldenhoven et al（2022）提出的“xtevent”命令画出事件研究图（如图2）。从图2 中可看出无论是否加入协变量，依旧满足平行趋势要求：政策实施前回归系数都不显著，政策实施后部分年份系数显著。

考虑到Roth et al（2022）所指出的，由于估计和推断偏误的存在，处理前趋势检验可能无法有效地验证平行趋势假设，因此，本文参照Biasi and Sarsons（2022）、Rambachan and Roth（2023）的做法，设置最大偏差度Mbar=1×标准误，对政策实施后第二期和第三期进行敏感性检验，图3 展示了在相对偏离程度限制的平行趋势敏感性检验结果。结果显示，当存在一定偏差时，平行趋势仍然成立。

（三）稳健性检验

1. 剔除直辖市。由于直辖市在国家行政体系中的特殊地位，其经济规模、人口密度、资源配置等方面可能与普通城市存在较大差异，这可能导致数据存在异常值，影响模型的稳定性和预测准确性。因此，本文剔除北京、上海、天津和重庆四个直辖市的样本以保证城市自身特性的一致性。回归结果如表3 列（1）所示，剔除直辖市样本后，回归结果仍与前文结论一致。

2. 排除地区与行业层面的遗漏变量影响。考虑到存在行业层面随时间变动的不可观测因素，本文进一步加入了年份×行业固定效应。此外，企业还会受到一些地区特征因素的影响，为排除地区因素可能随时间变化的影响，本文也进一步控制了年份×省份固定效应。表3 中列（2）-（3）的结果显示本文的研究结论依然可靠。

3. 调整专利引用信息窗口期。考虑到部分专利申请中的专利引用信息可能是专利审查员所添加，并不完全是企业自己填写的，这可能导致对企业数实产业技术融合的实际值存在高估。借鉴已有文献专利引用信息窗口期的选择（易巍等，2021），本文对企业专利引用信息设置三年窗口期，重新计算企业数实产业技术融合数量。结果如表3 列（4）所示，调整专利引用信息窗口期后，科技金融试点政策对企业数实产业技术融合的影响仍显著为正，支持本文基准结论。

4. 数实产业技术融合滞后一期。考虑到科技金融试点政策对数实产业技术融合的影响可能存在一定的时滞性，本文选用数实产业技术融合的滞后一期用于基准回归检验，回归结果见表3 列（5），结果依旧显著为正，表明本文结论是稳健的。

5. 调整专利公开期限。考虑到专利从申请到公开的周期最长可达18个月，在样本期末年度，部分专利可能尚未公开，为避免指标度量偏差的问题，本文剔除了2018年与2019年的样本进行稳健性检验。结果如表 3 列（6）所示，核心解释变量的系数仍显著为正，本文基本回归结果仍然保持稳健。

6. 采用PSM-DID方法。不同企业特征可能会影响企业数实产业技术融合，为解决企业特征差异可能带来的估计偏误，更准确评估科技金融试点政策对数实产业技术融合的影响，本文采用PSMDID方法进行稳健性检验。本文选取企业规模、企业年龄、财务杠杆、企业盈利能力、产权性质、两职合一、董事会规模、独立董事占比等变量作为匹配变量，利用1 对1 近邻匹配的方法进行匹配。再利用匹配后得到的样本重新回归，结果如表3列（7）所示。由结果可知，采用PSM-DID方法得到的回归系数和显著性与基准回归基本一致，表明本文结论是稳健的。

7. 安慰剂检验。参考周茂等（2018）的做法，按照基准回归中科技金融试点政策虚拟变量的分布情况，随机抽样500 次构建“伪政策虚拟变量”，并以模型（1）重新回归估计，检验其系数和P 值分布，结果如图4 所示。数实产业技术融合对“伪政策虚拟变量”回归系数的均值分布于0 左右且近似正态分布，远小于基准回归系数，P 值大多大于0.1。表明科技金融试点政策对数实产业技术融合的影响并非偶然，具有稳健性。

8. 排除其他竞争性政策。如果样本区间内发生了与被解释变量高度相关的其他政策冲击，也会影响估计结果的准确性。本文主要考虑了信息惠民政策、创新型城市政策、智慧城市政策、宽带中国政策和大数据综合试验区试点政策的影响。如表4 所示，将构建的政策指标纳入回归后，Treatpost 的估计系数仍然显著为正。由于2015 年后有诸多政策，科技转化政策难以剥离，本文将2015 年之后的数据删除，进行回归，结果依然稳健，这再一次证明科技金融试点政策对企业数实产业技术融合有促进作用。

9. 内生性检验。考虑处理组可能存在选择性偏误问题，需进一步采用工具变量进行检验。对于工具变量的选取，借鉴柏培文和张云（2021）、马为彪和吴玉鸣（2022）的研究，采用1984 年城市固定电话数量与数字经济发展程度的交互项作为科技金融政策的工具变量。基础设施越完善、数字经济发展水平越高，越有利于激发该地科技金融的发展，所以该工具变量和科技金融发展程度存在相关性；且1984 年城市固定电话数量作为历史数据与科技金融当前的发展无直接关联，外生于科技金融系统，满足外生性要求。

因此，本文所选工具变量同时满足相关性和排他性，实证检验结果也证实了这一点。第一阶段估计结果见表5 列（1），工具变量系数显著为正，F 统计量为37.25，大于经验法则的临界值10，即内生变量与工具变量在统计上存在较强的相关性。LM 统计量的估计结果为6.54，表明工具变量不存在识别不足的问题。C-D Wald F统计量的值为1 687.92，远大于Stock-Yogo 在10%显著性水平上的临界值，拒绝了弱工具变量的假设。第二阶段估计结果见表5 列（2），与基准回归结果一致，表明使用工具变量控制内生性问题后，科技金融政策对企业数实产业技术融合的促进作用仍然显著。

六、异质性分析

（一）企业规模

表6 中列（1）列（2）显示，科技金融政策对大规模企业促进作用较大，对中小企业数实产业技术融合没有显著促进作用。原因可能是，科技金融政策虽然引导银行业金融机构加大对中小企业的信贷支持，但由于银企之间信息不对称，银行往往潜意识地认为大规模企业抵押品较充足，偿还能力较强。而中小企业因员工流动性较高、可持续发展风险较大、自主创新能力较弱且缺乏核心竞争力，银行追求利润和规避风险的商业本性使其难以放宽信贷标准，中小企业可能仍然难以获得贷款。且相对来说，大规模企业创新的基础环境与各项配套设施更加完善，技术相对成熟，更容易吸引生产要素的集聚。因此，科技金融政策对大规模企业数实产业技术融合的促进作用更显著。

（二）企业生命周期

根据生命周期理论（ Adizes，1988），在不同的发展阶段，企业的资源配置、创新意愿、战略选择等存在较明显的差异。本文参考Dickinson（2011）的做法，采用现金流组合法将企业生命周期划分为成长期、成熟期、衰退期三个阶段，探究科技金融政策对不同生命周期企业数实产业技术融合的影响。表6 列（3）-（5）结果显示，科技金融政策显著促进成长期和成熟期企业数实产业技术融合，对衰退期企业没有明显作用。相对于衰退期企业，成长期和成熟期的企业有较强的创新动力，科技金融政策通过提供资金支持、技术支持和人才引进等措施，能够更有效地帮助成长期和成熟期的企业克服数实产业技术融合的障碍，促进数实产业技术融合。而对于衰退期的企业，往往生产设备陈旧、技术落后，企业可能面临更大的竞争压力和市场不确定性，这导致它们更倾向于保守的战略，而不是高风险的创新，科技金融政策可能无法提供足够的帮助，因此促进作用不明显。

（三）企业要素密集度

科技金融政策促进企业数实产业技术融合的作用效果会受到企业资源禀赋的影响。参照肖曙光和杨洁（2018）的研究，将研究样本划分为资本密集型、技术密集型和劳动密集型三组。结果如表6 中列（6）-（8）所示，科技金融政策对资本密集型企业促进作用较大，对技术密集型和劳动密集型企业数实产业技术融合没有显著促进作用。其原因可能在于，资本密集型企业通常拥有丰富的资产资源，并且依赖机械设备进行生产，科技金融政策提供的资金支持，使得这些企业能够将生产设备升级为自动化和智能化系统，将数字化技术融入日常生产运营中，促进企业的数实产业技术融合。相较之下，技术密集型企业通常在政策实施前就已经具有较高的技术创新水平，具备较强的技术融合能力，科技金融政策对其数实产业技术融合的边际效应减弱，难以进一步推动其融合发展。对于劳动密集型企业，生产效率的提升主要依赖于劳动者的技能提高，而这些企业往往与数字化的直接联系较少，因此它们对于进行数实产业技术融合的意愿也相对较低。

（四）高端人才供给水平

参考刘春玲和田玲（2021）的做法，用企业所在省份的高校数量作为区域高等人才供给的代理变量，探究科技金融政策在不同高端人才供给区域是否有不同的效果。结果如表7 列（1）-（2）所示，高校数量少的区域，回归系数在5%的水平上显著为正；高校数量多的区域，回归系数不显著。以上研究表明，对于高端人才供给不足的区域而言，科技金融政策的效果较明显。在高端人才供给丰富的地区，市场竞争可能更为激烈。而在高端人才供给较少的地区，企业和机构可能更容易获得政策支持和资源，从而在数实产业技术融合的竞争中占据优势。对于高端人才资源供给不足区域，市场潜力可能尚未完全开发，科技金融政策可以激发市场活力，充分挖掘高端人才潜能和发展优势，从而推动数实产业技术融合。

（五）数字经济政策供给水平

本文参考陶长琪和丁煜（2022）的研究，使用各市政府工作报告中数字经济政策词频数度量数字经济政策供给水平，并按中位数进行分组检验。数字经济政策供给水平较高城市的数字化水平更高，科研活动更为丰富，因而有必要检验由数字经济政策供给水平差异带来的异质性。回归结果如表7 的列（3）-（4）所示，在数字经济政策供给水平高的地区，科技金融政策对企业数实产业技术融合的促进作用更为显著。企业进行数实产业技术融合需要投入较高成本、面临较大风险，数字经济政策的出台和实施为企业提供了明确的方向和强力的支持，激励企业进行数实产业技术融合。

（六）信息化水平

参考Xu et al.（2022）的做法，本文采用年末国际互联网用户数与地区总人口数的比值来衡量城市信息化水平。根据信息化水平的中位数，本文将样本划分为高水平组和低水平组，进一步探究在不同信息化水平城市中科技金融政策对数实产业技术融合的不同影响。结果如表7 列（5）-（6）所示，信息化水平高的城市，基础设施完善，技术创新效率高，创新发展环境良好，为数实产业技术融合奠定了有利的基础。而信息化水平较低的城市，金融发展活力较弱，创新动力不足，科技协同效率较低，较难推进数实产业技术融合。因此，科技金融政策在信息化水平较高的城市对数实产业技术融合的促进效果显著。

七、机制检验

基于前文理论分析，为检验试点政策影响数实产业技术融合的机制，构建如下中介模型：

其中，Mediator是中介变量，其他变量与前文一致。在现有研究基础上，为更全面评估创新创业活跃度这一影响机制，本文借鉴白俊红等（2022）、毛文峰等（2020）、王亚飞等（2024）、林栋等（2024）的研究，选取新注册企业数量（IEA1）、人均新注册企业数量（IEA2）、城市就业人员自雇率（各地区私营企业和个体从业人员占总就业人员的比重）（IEA3）、创新创业指数（IEA4）、人均城市创新创业指数（IEA5）、城市单位面积创新创业指数（IEA6）衡量创新创业活跃度。估计结果如表8 列（1）-（6）所示，回归系数均显著为正，科技金融政策通过提升创新创业活跃度促进了企业数实产业技术融合。表8 列（7）-（8）显示，科技金融政策显著增加了专精特新企业数量和专精特新小巨人企业数量，专精特新企业和专精特新小巨人企业数量的增加与创新创业发展相辅相成，表明科技金融试点政策通过创新创业促进了企业数实产业技术融合。为探究科技金融政策是如何激发创新创业活跃度来促进企业数实产业技术融合的，本文进一步对资金、技术、人才、数据要素进行检验。指标具体选取为：融资约束，采用Whited and Wu（2006）构建的融资约束指数，即WW 指数来衡量企业面临的融资约束。债务融资成本，参考刘梦莎等（2023）的研究，用企业财务费用/期末总负债衡量。股权融资成本，参考叶陈刚等（2015）的做法，采用PEG 比例模型计算得出。融资效率，参考王秀贞等（2017）的研究，采用DEA 模型计算得出。技术引进，参考张彩云和吕越（2018）的做法，用固定资产合计衡量。研发投入，参考余明桂等（2016）的研究，将企业研发投入与企业总资产的比率作为技术创新的代理变量。数字人才储备规模，参考孙黎和许唯聪（2021）的做法，采用信息传输和软件从业人员规模衡量。数据要素利用水平，参照史青春（2023）的做法，统计人工智能技术、区块链技术、云计算技术、大数据技术、大数据技术应用五项指标在企业年报中的披露次数，求和后衡量数据要素利用水平。结果如表9 列（1）-（9），科技金融试点政策能有效缓解融资约束、降低企业的融资成本、提升融资效率、推动技术引进技术创新和增加高学历、数字人才储备，提高数据要素利用水平，从而提升创新创业活跃度，促进企业数实产业技术融合。

八、结论与政策建议

党的十八大以来，政府层面相继出台一系列政策措施大力支持数实融合发展。数实产业技术融合是实现数字经济和实体经济深度融合的微观着力点，数实产业技术融合需要科技和金融的有效结合支撑。本文借助科技金融试点政策的外生冲击构造双重差分模型，基于2008—2019 年中国上市公司数据，检验了科技金融政策对企业数实产业技术融合的影响。研究发现，试点政策能够显著促进企业数实产业技术融合，这一结论在一系列稳健性检验下依旧成立。异质性检验发现，科技金融政策对企业数实产业技术融合的促进效果在大规模、成长期、成熟期和资本集聚型企业，在高端人才供给较少、经济政策供给水平较高和信息化水平较高地区更为明显。机制分析发现，试点政策通过提高创新创业活跃度推动企业数实产业技术融合。

研究结论对中国在建设金融强国过程中利用科技金融政策推进数实产业技术融合乃至实体经济高质量发展具有重要的政策意蕴：

第一，加强科技金融基础制度建设，进一步支持数实产业技术融合。从本文结论可知，科技金融政策对企业数实产业技术融合具有显著的促进作用。因此，政府部门应强化相关基础制度和机制建设，健全激励约束机制，推动金融机构和金融市场全面提升科技金融服务能力、强度和水平，为各类创新主体的科技创新活动提供全链条全生命周期金融服务；优化激励引导政策体系，完善科技创新和技术改造再贷款、支小再贷款、科技创新专项金融债券等政策工具，建立健全科技金融标准体系、统计制度和科技金融服务效果评估机制，完善常态化投融资对接、信息共享、创新试点、风险分担和防控等配套机制，增强金融支持精准性和可持续性，推动科技、产业、金融等要素汇集融合，提高创新链、金融链和产业链的稳定性和竞争力，实现数实产业技术融合新发展。

第二，全方位构建支持创新创业的政策体系。推动产学研合作，促进科技成果转化，同时鼓励金融机构参与创新项目。构建良好的创新创业生态系统，包括创新平台、研发机构、人才培养等，为创新创业提供资源和支持。着力营造良好的数字化创新氛围，促使企业将更多的工作重心放在数字技术创新领域，从而展现更优的政策边际效应。构建更为全面系统的创新创业质量评价体系，通过政策引导，使得更多金融资金流入高质量科技创新活动，更大程度促进企业数实产业技术融合。

第三，因地制宜，精准施策。在制定和实施科技金融政策时，政府充分考虑科技金融政策对不同行业、不同地区和不同特征的企业数实产业技术融合的差异性，政府应引导金融服务向成果转化初期和前端倾斜，应更加注重精准服务企业需求，面向关键核心技术攻关提供长周期、可持续的金融服务，引导金融资本投早、投小①、投长期、投硬科技，以高质量科技金融服务助力实现高水平科技自立自强，进而推动实体经济高质量发展。