數字金融如何助力企業創新
——基于融資約束和信息約束的視角

周振江 鄭雨晴 李劍培

一 引言及文獻綜述

“十四五”規劃明確指出要堅定不移地貫徹落實“新發展理念”、堅持“創新驅動發展”，加快轉變經濟發展方式，實現要素驅動、投資驅動向創新驅動轉變。企業是創新的主體(莊濤和吳洪，2013)[1]，企業技術創新有助于轉變經濟增長方式、實現經濟增長新目標(唐未兵等，2014)[2]，對于我國推動創新驅動發展具有重要意義(孫早和宋煒，2012)[3]。然而企業的創新活動離不開金融的支持，傳統金融業對企業創新的支持略顯不足，而數字金融的出現為企業創新活動提供了更多的可能性(王馨，2015)[4]。數字金融作為金融發展的重要產物，相比于傳統金融在各個方面都更具優勢，其有效擴大了金融服務的范圍，加強了金融服務的深度，提高了金融服務的效率，數字金融的發展將對我國金融服務實體經濟的目標產生重要影響。因此，深入探究數字金融對企業創新的影響和作用機理具有重要的現實和理論意義。

隨著數字經濟的發展，越來越多學者關注數字金融，研究的話題主要集中在數字金融發展激發城市創業活力(謝絢麗等，2018[5]；馮永琦和蔡嘉慧，2020[6])，縮小城鄉收入差距(宋曉玲，2017[7]；張賀和白欽先，2018[8]；殷賀等，2020[9])，驅動城市創新(汪亞楠等，2020)[10]，通過提高創新能力與增強技術溢出實現產業結構的升級，全面提升了城市的全要素生產率(侯層和李北偉，2020)[11]，助推經濟高質量發展(滕磊和馬德功，2020)[12]。各地區金融發展水平是決定中國企業技術創新的關鍵外部因素(馮根福等，2021)[13]。良好的金融環境有助于企業技術創新能力的提高(Booth et al.，2006)[14]，金融體系的發展拓寬了企業融資渠道、信息渠道、人才渠道，使得企業在創新決策時可以獲取更多資源，從而提高企業創新的積極性與成功率(莊毓敏等，2020)[15]。借助于云計算、大數據等技術的發展，數字金融可精準化地獲取信息并通過計算機技術進行數據處理，緩解信息不對稱問題，從而擴大金融服務范圍與創新金融服務模式，相比于傳統金融，數字金融擁有低門檻、高效、共享的優勢(Gomber et al.，2018)[16]。數字金融發展水平的提高有助于提高企業的融資效率，降低企業融資約束，為企業創新帶來豐富的現金支持(Pana et al.，2015)[17]。

綜合現有研究，本文的創新點可能在于：相比于傳統金融，數字金融出現的時間較晚，對于數字金融的研究大多集中于城市層面和居民層面(如經濟高質量發展、城鄉收入差距、居民消費等)，而在微觀企業方面的研究還比較少(唐松等，2020)[18]，本文利用2011-2018年北京大學數字普惠金融指數市級層面的數據與中國A股上市公司面板數據，以企業創新過程的投入與產出兩個維度進行分析和比較，進一步從融資約束和信息約束兩個視角來探究數字金融對企業創新的影響機理，豐富了數字金融發展與微觀企業創新的相關研究。

二 理論分析與研究假說

1. 融資約束視角下的數字金融與企業創新

企業創新離不開研發投入，而企業研發不足很大一部分原因是企業的融資約束(Brown et al.，2009)[19]。企業所面臨的融資約束阻礙了企業進行研發創新的積極性，一方面，企業研發活動需要大量且持續不斷的資金注入，一部分用于企業自主研發過程中的資金投入，而另一部分資金用于企業在適當時機實行并購或購買專利獲取創新資源以支持企業創新(Atanassov，2013)[20]。另一方面，資金的流動性在支持企業自主研發的同時，對于企業間的協同創新更為重要，可將外部知識有效地轉化為企業自我創新動能。而當企業面臨的融資約束越大，其參與協同創新的可能性也就越低，其他企業會為了規避風險而選擇資金流充足的公司進行合作(周開國等，2017)[21]。

從融資約束的視角來看，數字金融有效地解決了企業“融資貴與融資難”的問題。第一，數字金融提供了多樣化的產品渠道，一些基于數字技術孕育而生的新融資模式得到廣泛運用，為企業擴寬融資渠道，提高了企業的融資效率，從而為企業創新提供資金支持。第二，數字金融具有普惠性與包容性的特點，普惠性體現在門檻低且覆蓋性廣，包容性體現在對基礎相對較差的群體也能提供支持。數字金融主要利用服務、數據的優勢，克服了傳統金融市場中利用金融網點連接各金融主體的地域難題，補足了傳統金融對于信息存儲與匹配的短板，降低金融服務的門檻，提高了對不同群體用戶的觸達，為企業融資擴大資金來源的同時也為小微企業享受金融服務、獲取資金提供了渠道。第三，數字金融在其發展的過程中，成功地使得自由市場定價模式代替傳統的信用定價模式，利用供需條件進行定價提升了金融市場自由化程度，有利于提高金融市場的資源配置效率，合理的定價模式有效地降低了企業的融資成本。基于以上分析，數字金融的發展有助于解決企業融資問題(唐松等，2020)[18]，擴大企業的資金來源渠道，提高信貸匹配效率，促進金融資源的合理配置，從而促進了企業創新。基于上述分析，提出假說一：

假說一：數字金融在一定程度上緩解了企業的融資約束，從而促進企業創新。

2.信息約束視角下的數字金融與企業創新

信息作為重要的生產要素，在企業創新活動中扮演了重要的角色。企業創新活動存在商業競爭，不會過多地向外界透露其研發的具體信息，進而引發投資者與企業之間、企業與企業之間存在信息差，而導致信息不對稱的問題(楊鳴京等，2019)[22]。信息不對稱導致投資者對企業存在判斷失誤，過分低估從事大量創新活動企業的價值，從而進行了“逆向選擇”，間接導致從事創新活動的企業可能由于缺乏資金而放棄創新活動(徐欣和唐清泉，2010)[23]。

從信息約束的視角來看，數字金融的發展有助于解決企業信息不對稱問題。一方面，數字金融發展緩解了企業內部信息不對稱。數字金融利用其大數據優勢較為全面且具體地對企業經營狀況數據進行處理與分析，正確評估公司所有創新項目風險，識別出具有價值的創新項目，幫助企業管理層規避風險相對較大、回報率相對較低的創新活動，提高了企業投資效率，從根本上增加了企業創新投入的數量與質量。另一方面，數字金融的發展緩解了企業外部信息不對稱。在數字金融模式下，各外部投資者能更清晰地了解企業經營狀況與所從事的創新活動，增加投資者對創新項目的信任程度，企業內部人員也可通過金融中介了解到同行業企業的研發情況，幫助企業獲得更多的融資資源與技術資源。此外，企業進行創新研究需要經歷“汲取—嘗試—失敗—嘗試—成功”的循環過程，因此，對新信息的汲取以及現有信息的分析整理是決定企業創新成果產出的關鍵因素。數字金融利用其大數據優勢，使得企業在進行信息搜集、整理、評估、分析等環節高效便捷，信息處理成本的降低極大程度地加大了信息的可得性與可分析性。綜合而言，數字金融發展增加了企業內外部信息透明度，緩解信息約束對企業融資和技術創新造成的障礙，從而促進了企業創新。基于上述分析，提出假說二：

假說二：數字金融在一定程度上緩解了企業的信息約束，從而促進企業創新。

三 實證模型設定、變量度量與數據說明

(一)實證模型設定

1.基準模型構建

本文借鑒唐松等(2020)[18]的研究，設定如下實證計量模型：

Yijt=α0+α1indexjt+∑αnContorlit+yeart+industryu+εit

(1)

式(1)中，變量下標i，j，t，u分別表示企業、該企業所在城市、觀測年份與行業。被解釋變量Yijt用于衡量企業創新，用創新投入(rd_re)與創新產出(pantent_invent)來衡量。indexjt為解釋變量，用數字金融發展指數來衡量，包括總指數(finanacial_index)、廣度指數(index_lenth)、深度指數(index_depth)與數字化程度指數(index_digital)。Contorlit表示可能影響企業創新的控制變量。yeart表示觀測年份的虛擬變量，industryu表示企業所在行業的虛擬變量，εit為該模型的誤差項。

2.中介效應模型構建

為探究數字金融如何影響企業創新，本文借鑒溫忠麟等(2014)[24]的研究，在基準回歸模型(1)的基礎上設定以下中介效應模型：

Mijt=β0+β1indexjt+∑βnContorlit+yeart+industryu+εit

(2)

Yijt=γ0+γ1indexjt+γ2Mijt+∑γnContorlit+yeart+industryu+εit

(3)

首先檢驗模型(1)中核心解釋變量數字金融對企業創新活動影響系數α1的顯著性和大小；在模型(1)的基礎上進行模型(2)的檢驗，用系數β1測度數字金融對中介變量(融資約束和信息約束)的影響；在模型(1)和模型(2)都顯著的基礎上進行模型(3)的檢驗，模型(3)系數γ1反映了數字金融對企業創新活動影響的直接效應，模型(2)系數β1與模型(3)系數γ2的乘積β1γ2則用來衡量中介變量所產生的中介效應大小，即本文嘗試探究的作用機制。

(二)變量度量

1.被解釋變量

企業創新。本文將企業創新的過程劃分為兩個階段：第一階段為企業創新投入(rd_re)，采用研發強度來衡量(周開國等，2017)[21]，即企業當年研發投入占營業收入的比例，研發強度越大說明該企業的創新投入越多；第二階段為企業創新產出(lnpatent_invent)，已有研究大多通過專利指標來衡量企業創新產出(Lerner和Wulf，2007)[25]，考慮到不同變量之間數值大小的差異，本文采用企業發明類專利申請數量取對數來衡量。采用專利申請數而非授權數作為該指標的衡量，能更大限度地體現出企業創新成果，避免因為其他原因導致無法授權通過的因素；而專利申請數分為發明類專利和非發明類專利，相對而言，發明類專利更能體現企業在技術創新方面的實質性產出。

2.核心解釋變量

數字金融發展指數(finanacial_index)。本文使用北京大學數字金融研究中心編制的數字普惠金融指數衡量中國數字金融發展水平(郭峰等，2020)[26]。該指標基于螞蟻金服提供的數字金融大數據編制而成，包括廣度、深度以及數字化程度三個維度，近年來已被廣泛應用于中國數字金融的研究(唐松等，2020)[18]。數字金融發展指數的度量涉及全國、各省、各地級市，本文采用各地級市數字金融發展指數作為核心解釋變量。

3.中介變量

(1)融資約束(fina_res)。本文采用Hadlock和Pierce(2010)[27]構建的SA指數來衡量企業面臨的融資約束，該指數在中國企業的實證經驗中得到了很好的驗證(鞠曉生等，2013)[28]。SA指數的計算方法為:

SA=-0.737*Size+0.043*Size2-0.04*Age

(4)

其中，Size為企業規模，即企業總資產；Age為企業年齡，從企業成立當年算起。用該方法計算出的SA指數為負數，對其取絕對值得到fina_res，SA指數的絕對值越大，說明企業受到的融資約束越嚴重。

(2)信息約束(information_res)。信息不對稱的發生主要是指企業對外界信息的不明朗所面臨的風險以及企業之間對于創新技術信息的保密導致企業面臨信息約束。而獲取企業信息的途徑主要依靠企業公布和調查研究，分析師作為企業信息搜集和傳遞的媒介，主要是通過調研、訪談等多種方式追蹤企業信息并形成相關的研究報告，進行信息傳遞，提高上市企業信息的公開透明度(Yang et al.，2019)[29]，緩解各利益主體之間的信息不對稱問題。因此，本文利用分析師跟蹤人數來度量上市公司的信息約束情況，具體利用上市公司該年分析師跟蹤人數+1取對數來衡量信息約束程度，該公司擁有的分析師人數越多，說明其受到的信息約束越少。

4. 控制變量

在企業生產經營過程中，企業創新容易受到諸多因素的影響，綜合參考以往相關文獻(唐松等，2020[18]；萬佳彧等，2020[30])，本文選取以下變量作為本文的控制變量。

(1)資產規模(lnasset)。本文利用企業當期總資產金額(百萬)取對數以衡量企業資產規模。企業資產規模與企業創新之間的關系在學界并沒有一個定論，但資產規模在一定程度上影響企業創新的投入與產出這一結論得到了廣泛的認同。

(2)收入規模(lnrevenue)。本文利用企業當年主營業務收入與其他業務收入之和(百萬)取對數以衡量企業的收入規模。隨著企業收入規模的不斷擴大，相比于發展新技術，企業傾向于投資目前收入較高且穩定的項目，一些研究表明收入規模的擴大對企業創新存在負向影響。

(3)資產負債率(por_debt)。本文用企業當期總負債與總資產的比例來衡量企業資產負債率。資產負債率的提高意味著企業資產中負債的占比不斷提高，當企業更多的通過負債融資時，其對于風險的偏好則相對保守，為避免面臨更大風險以至于資不抵債，企業對創新的積極性也會相對下降。

(4)資本密集度(cap_intensive)。本文利用企業當期總資產與營業收入的比例來衡量企業資本密集度。資本密集度指標是一種用于衡量企業賺錢效率的指標，即企業需要花費多少錢才能賺錢，資本密集度高的企業其經營效率反而不高。企業的創新活動需要長期不斷的資金支持，經營效率不高的企業面臨的外部融資壓力也越高，越不利于其從事創新活動。

(5)股權集中度(onwership)。本文利用第一大股東持股占全部股份的比例來衡量企業股權集中度。已有相關研究發現股權集中度與企業創新投資存在一定關系(馮根福和溫軍，2008)[31]，股權集中度決定了企業決策權的歸屬，而企業發展的路徑以及是否從事創新活動是企業決策的重要內容。

(三)數據說明

本文所用數字金融發展指數來源于北京大學數字金融研究中心官網，專利數據以及分析師數據來源于國泰安數據庫，企業財務數據來源于wind數據庫，互聯網接入數來源于前瞻數據庫。本文收集了中國滬深兩市A股上市企業2011-2018年數據作為研究基礎，將其按照各企業注冊地所在地級市與數字金融發展指數所涉及的337個地級市數據進行匹配，得到涵蓋2011-2018年的面板數據集合。并對所得數據進行以下處理：(1)剔除了按照《國民經濟行業分類(GB/T 4754-2017)》中行業代碼為J金融以及K房地產的相關企業，因為金融行業與房地產行業過分依賴金融資本，容易對實證結果造成誤差；(2)剔除了在此期間被ST*、ST的公司；(3)剔除了數據缺失較為嚴重的企業。最終經過整理得到2827家公司14267條觀測樣本進入實證研究。

各變量描述性統計結果如表1所示。

表1 各變量描述性統計

四 實證結果分析

(一)基準回歸模型結果分析

表2 數字金融與企業創新基準回歸結果

在控制變量中，資產規模的系數顯著為正，說明資產規模的增加能顯著促進企業創新活動，隨著企業規模的增大，其更容易得到金融機構的信賴而獲得資金支持，且信息獲取的能力也越來越強，有利于其從事創新活動。收入規模與資產負債率對企業創新的影響顯著為負。資本密集度對企業創新投入的影響系數顯著為正，但其對創新產出的影響系數在回歸中均不顯著，原因可能在于資本密集度主要影響了經營者對是否從事創新活動的判斷以及對創新活動的選擇，而對技術成果的產出影響不大。股權集中度的系數則表明股權越集中越不利于企業的創新活動，股權集中者由于擁有較多股份，因此也承擔較多的經營風險，創新活動具有高風險的特點，容易讓股權集中者望而卻步。

(續上表)

(二)作用機制分析

1.數字金融、融資約束與企業創新

以融資約束作為中介變量，將各項指標代入模型(1)-模型(3)，以檢驗融資約束的中介效應，結果如表3所示。表3列(1)和列(4)分別為數字金融對企業創新投入與產出的影響，與表2基準回歸模型列(1)和列(2)所報告的結果相一致，參照模型(1)，α1分別為0.041與0.010，代表了總效應。表3列(2)與列(5)分別為數字金融對融資約束的影響，參照模型(2)，β1均為-0.001，表示數字金融顯著緩解了企業的融資約束。表3列(3)與列(6)分別為加入融資約束后，數字金融對企業創新投入與產出的總效應，參照模型(3)，γ1分別為0.039與0.009，代表了直接效應，γ2分別為-1.721與-0.449，上述系數均在1%水平上顯著，通過中介效應檢驗步驟，得出融資約束的中介效應顯著，數字金融通過緩解企業融資約束從而促進了企業創新，與唐松等(2020)[18]的研究結論一致，由此假說一得以驗證。進一步，β1γ2用于衡量融資約束在該影響中所起到中介效應的大小，以企業創新投入的視角，融資約束所起到的中介效應為0.0017，占總效應的比例為4.20%；以企業創新產出的視角，融資約束所起到的中介效應為0.0004，占總效應的比例為4.49%，相比之下，兩者相差0.29%，融資約束在數字金融對企業創新產出影響中起到的中介效應略微高于在企業創新投入中的影響。此外，唐松等(2020)[18]的研究中得到融資約束的中介效應占總效應大小約為3.4%(以發明專利申請量衡量企業創新產出)，該數值小于本文得到的中介效應。從直觀上來看，融資約束作為機制變量，其在數字金融影響企業創新的作用渠道中的解釋力比前文理論分析要小，可能的原因在于：第一，數字技術在金融領域的應用和發展是近幾年科技發展的產物，數字金融在企業融資市場的普及廣度和應用深度還較小，企業融資渠道主要還是傳統金融，因此數字金融通過融資約束影響企業創新的作用可能會偏小；第二，本文的中介變量融資約束是通過應用Hadlock和Pierce(2010)[27]構建的SA指數來衡量，該指數只考慮了企業資產和成立年限，可能會低估企業實際的融資約束；第三，本文盡可能地控制了影響企業創新的變量，但也可能存在一些遺漏變量，從而影響了本文中介效應的大小。但總的來看，數字金融在一定程度上緩解了企業的融資約束，進而促進了企業的創新投入與創新產出。

表3 數字金融、融資約束與企業創新

2.數字金融、信息約束與企業創新

以信息約束作為中介變量，將各項指標代入模型(1)-模型(3)，以檢驗信息約束的中介效應，表4報告了中介效應模型的檢驗結果。表4列(1)和列(4)分別為數字金融對企業創新投入與產出的影響，與表2列(1)和列(2)所報告的結果相一致，參照模型(1)，α1分別為0.041與0.010，代表了總效應。表4列(2)與列(5)分別為數字金融對信息約束的影響，參照模型(2)，β1均為0.006，表示數字金融顯著地緩解了企業的信息約束。表4列(3)與列(6)分別為加入信息約束后，數字金融對企業創新投入與產出的總效應，參照模型(3)，γ1分別為0.037與0.009，代表了直接效應，γ2分別為0.600與0.151，且上述系數均在1%水平上顯著，通過中介效應檢驗步驟，得出信息約束的中介效應顯著，數字金融通過緩解企業信息約束從而促進了企業創新，由此假說二得以驗證。進一步，β1γ2用于衡量信息約束在該影響中起到的中介效應大小，以企業創新投入的視角，信息約束起到的中介效應為0.0036，占總效應的比例為8.78%；以企業創新產出的視角，信息約束起到的中介效應為0.0009，占總效應的比例為9.06%，相比之下，兩者的占比相差0.28%，信息約束在數字金融對企業創新產出影響中所起到的中介效應略微高于在企業創新投入中的影響。結合前文融資約束的結果來看，信息約束的中介效應大于融資約束，但其效應也不到10%。中介效應偏小的可能原因在于：第一，本文采用數字金融發展指數來衡量數字金融發展水平，該指數只使用中國一家代表性數字金融機構的微觀數據測算得到，可能會低估實際的數字金融發展水平，從而影響到信息約束的中介效應大小；第二，本文采用分析師人數來衡量企業的信息約束，得到的結果與現實中企業面臨的信息約束程度存在一定誤差，可能會低估企業實際面臨的信息約束；第三，數字金融作用于企業創新的機制可能存在其他途徑，并未被本文識別，加上可能存在遺漏變量，因此回歸結果會低估其作用。總的來看，數字金融在一定程度上緩解了企業的信息約束，進而促進了企業的創新投入與創新產出。

表4 數字金融、信息約束與企業創新

(三)內生性檢驗

研究數字金融對企業創新的影響可能存在以下內生性問題：(1)反向因果。企業創新活動在一定程度可能會推動數字金融的發展，而不僅僅是數字金融的發展促進了企業創新活動，特別是金融類的企業，故本文樣本中剔除了金融類相關企業；此外，由于被解釋變量來自企業的微觀數據，而解釋變量為市級層面數字金融發展指數，數據本身的來源不同，很大程度上降低了反向因果的可能性。(2)遺漏變量。在模型估計中，雖然控制了企業規模、資產負債率等對企業創新活動的影響，但仍可能存在其他影響企業創新的因素被納入模型殘差項中。因此，本文還運用高階聯合固定效應模型和工具變量法進行內生性問題的檢驗。

1.高階聯合固定效應模型

本部分借鑒唐松等(2020)[18]的內生性處理辦法，利用控制了“時間×行業”的高階聯合固定效應模型(Moser和Voena，2012)[32]緩解內生性問題。該模型如下：

Yijt=α0+α1indexjt+∑αnContorlit+yeart+industryu+yeart*industryu+εit

(5)

表5列(1)和列(2)報告了在采用高階聯合固定效應模型下數字金融對企業創新投入和創新產出的回歸結果，可以看到核心解釋變量的系數在1%水平上顯著為正，且各變量系數的顯著性及大小與基準回歸模型基本一致，表明本文基準回歸模型結果較為穩健。

2.工具變量法

謝絢麗等(2018)[5]的研究中利用互聯網普及率作為數字金融發展指數的工具變量，由于互聯網普及率相關數據只統計到省一級層面，為了使得模型設計更為契合，同時考慮數據的可得性，本文采用市級層面的互聯網用戶接入數作為工具變量。一方面，互聯網的使用率作為數字金融發展的基礎，延伸了數字金融發展的廣度與深度，與數字金融存在著密切的關系；另一方面，在控制相關變量后，互聯網使用率與企業創新也不存在明顯的關系渠道。因此，選取互聯網用戶接入數作為工具變量進行2SLS檢驗。

表5列(3)和列(4)為工具變量回歸結果，其中包括第一階段回歸的F值與P值，P值為0.000，說明工具變量與數字金融發展指數顯著相關。而在弱工具變量的檢驗中，Cragg-Donald Wald F在10%水平上的臨界值為16.38，大于10，故不存在弱工具變量問題。互聯網用戶接入數作為工具變量具有合理性。從結果來看各核心解釋變量的系數均在1%水平上顯著為正，再次表明基準回歸模型結果的穩健性。

表5 內生性檢驗

(續上表)

(四)穩健性檢驗

為檢驗數字金融與企業創新活動間關系的穩定性，在解決內生性問題的基礎上，本文采用以下三種不同方法進行穩健性檢驗。

1.核心解釋變量滯后一期

本文采用數字金融發展指數的滯后一期數值用于衡量數字金融發展水平，替換以后所表示的含義為滯后一期的數字金融發展水平對當期企業創新的影響，在一定程度上緩解了反向因果的問題。表6列(1)和列(2)回歸結果顯示，數字金融發展指數的系數在1%水平上顯著為正，再次支持了基準回歸結果的穩健性。

2.消除股災影響

數字金融和企業創新兩者都與金融市場大環境存在密切的關系，金融市場的波動在一定程度上影響著兩者的關系，因此外生的市場因素容易影響回歸結果的偏誤。本文研究樣本的數據時間為2011-2018年，在這個時間序列中，發生了一個典型的金融沖擊事件，2015年的股災使得中國金融市場動蕩，且在未來的幾年都持續產生了影響，由于這一事實發生持續了一段時間，很難通過特定的模型或者是變量進行衡量，本文借鑒唐松等(2020)[18]的處理辦法，剔除2015年也就是中國股災發生年份之后的數據樣本，進行穩健性檢驗。表6列(3)和列(4)回歸結果顯示，數字金融發展指數的系數在1%水平上顯著為正，表明數字金融對企業創新的促進作用在消除股災影響后依然穩健。

3.消除直轄市影響

由于直轄市相比其他地級市擁有更大的行政級別和可調配的資源，該地區的企業創新活動相對活躍，且其數字金融發展的速度也相對較快，為了消除此類地區發展的影響，本文刪除了四個直轄市(北京市、上海市、天津市與重慶市)的樣本數據進行回歸，以確保結果穩健。表6列(5)和列(6)回歸結果顯示，數字金融發展指數的系數在1%水平上均顯著為正，再次表明數字金融對企業創新的促進作用在刪除直轄市樣本后依然穩健。

表6 穩健性檢驗

五 進一步分析

(一)基于企業所有權的異質性分析

從企業所有權性質角度來看，民營企業相對于國有企業更容易面臨融資難與信息不對稱的問題。一方面，國有企業由于國家對其資本擁有所有權或控制權的原因，在承擔較多社會責任的同時也獲得國家和政府更多的資金支持，銀行的信貸政策也更偏向于國有企業。國有企業更容易獲得傳統金融機構的認可而獲得融資，相比之下盡管民營企業的融資需求更為旺盛，但是民營企業更容易面臨融資約束的困境。另一方面，由于所有權歧視問題的存在，民營企業的社會地位在一般情況下低于國有企業，故民營企業在市場中獲取信息的成本也相對較高，更容易面臨信息約束；而且民營企業囿于其產權特性，與傳統金融機構接觸的機會較少，信息相對閉塞。數字金融改變了傳統金融機構自行對客戶進行信用調查的模型，更多的是通過大數據實時、高效、準確地多維度挖掘客戶信息，科學搭建評價系統進行授信考察，這一改變使得民營企業接觸金融服務的機會更多。此外，國有企業相比于民營企業來說更容易受到國家的限制，某種程度上國有企業也面臨較高的信息約束，而數字金融對企業信息透明度的提高正好解決了這一問題，進一步增加了企業間創新合作的機會。因此，企業所有權性質的不同可能影響數字金融對企業創新活動的作用。

基于上述考慮，本文進行了企業所有權的異質性檢驗。通過判斷是否國有控股，將企業劃分為國有企業和民營企業兩組數據進行回歸分析。表7的回歸結果顯示，無論是國有企業還是民營企業，數字金融發展指數對企業創新的影響均在1%水平上顯著為正。具體來看，表7列(1)和列(3)反映了以企業創新投入為被解釋變量的回歸結果，可見數字金融對國有企業的影響系數為0.031，低于民營企業的0.042，數字金融更能增加民營企業的創新投入。可能的原因在于民營企業因其所有權性質的原因，在融資方面相比于國有企業更困難，具有更高的融資約束，所以在數字金融的背景下，其更容易獲得數字金融所帶來的融資福利；而表7列(2)、 列(4)以企業創新產出為被解釋變量的回歸結果顯示，數字金融對國有企業的影響更明顯，可能的原因在于，數字金融的發展更大程度地提高了國有企業的信息透明度，進一步增加了企業間創新合作的機會，故數字金融對國有企業的創新產出激勵更明顯。

表7 企業所有權和規模異質性分析

(二)基于企業規模的異質性分析

由于不同規模企業面臨的融資約束和信息約束不同，數字金融對不同規模企業創新決策的影響可能存在一定的差異。因此，本文根據企業資產規模進行大小企業樣本劃分，將各年份資產大于50%百分位數的企業劃分為大企業，否則為小企業，進一步探究了數字金融對不同規模企業的影響差異。回歸結果如表7所示，無論是大企業還是小企業，數字金融對企業創新投入和創新產出的影響均在1%水平上顯著為正。具體來看，表7列(5)和列(7)反映了以企業創新投入為被解釋變量的回歸結果，可見數字金融對小企業的影響系數為0.054，大于大企業的0.026，說明數字金融更能增加小企業的創新投入。可能的原因在于小企業獲得更多融資后，更有積極性加大創新投入的力度。而表7列(6)和列(8)則是以企業創新產出為被解釋變量的回歸結果，可見數字金融對小企業的影響系數為0.008，小于大企業的0.010，說明數字金融對大企業創新產出的影響大于小企業。可能的原因在于，小企業創新能力(特別是科技人才、資源、技術等協調能力)相比大企業略顯不足，大企業能夠在受到相同的數字金融發展紅利的幫助下獲得更多的創新產出。

(三)基于地區差異的異質性分析

由于各地區稟賦的不同，數字金融對企業創新的作用可能存在區域差異(喻平和豆俊霞，2020)[33]。地區稟賦一般由經濟發展水平來衡量，經濟發達的地區，其傳統金融體系相對發達且金融服務的覆蓋面積廣，綜合實力強的企業數量多，對于該地區的企業來說，能享受的金融服務多且享受金融服務花費的成本也相對較低，他們更容易接觸銀行等傳統金融機構，同時經濟發達地區的制度較為完善，信息公開相對透明，因此經濟發達地區的企業更容易獲得資金與信息的支持，所受到的信息約束與融資約束也相對較小。而在經濟欠發達地區，金融體系的搭建尚未完善，對該地區的觸達率相對較低，且這些地區的企業大多是中小企業，他們更容易面臨資金問題，資金不足的情況阻礙了企業從事創新活動的可能。基于上述分析，數字金融基于其覆蓋面廣且門檻低的特點對經濟欠發達地區的企業影響更大。結合中國目前的實際情況來看，我國東部地區經濟較發達，而中西部地區經濟發展較為落后，因此，數字金融對中西部地區企業創新的影響應該更大(張輝等，2016)[34]。同時，粟芳和方蕾(2016)[35]在其研究中說到，目前中國的金融資源主要集中在沿海經濟帶，而中部地區對銀行和保險的排斥相對嚴重，西部地區由于相關基礎設施建設不完善，其對互聯網金融的排斥也較為嚴重。因此，地區差異極有可能影響數字金融對企業創新活動的激勵。

本文進一步考察了區位異質性。參照國家統計局對中國東中西部區域的劃分標準，將樣本企業劃分為東部、中部和西部企業，表8報告了區位異質性回歸的結果。在三組樣本中，數字金融對企業創新活動的影響均顯著為正。具體來看，表8列(1)、 列(3)和列(5)分別報告了數字金融對東部、中部和西部企業創新投入的影響，其系數大小分別為0.043、0.050、0.032，而列(2)、 列(4)和列(6)分別報告了數字金融發展指數對東部、中部和西部企業創新產出的影響，其系數大小分別為0.009、0.011、0.007。從上述數據可以看出，數字金融對企業創新活動影響的大小排序為：中部>東部>西部。西部地區由于經濟發展水平落后，貧困地區相對較多，互聯網相關基礎設施建設不足，互聯網金融服務的覆蓋程度和水平有限，因而數字金融對西部地區企業的影響最小。中部地區兼具東部和西部的優勢，經濟發展水平緊跟東部發達地區，互聯網等基礎設施建設水平較高，故數字金融對中部地區企業創新影響最深刻。

六 結論與對策建議

數字金融為中國經濟發展帶來了新機會，數字金融的發展不僅在宏觀層面促進了經濟的發展，而在微觀層面上也激發了各經濟主體的活力。本文基于2011-2018年中國滬深A股上市企業數據與北京大學數字金融研究中心所提供的數字金融發展指數，實證檢驗了數字金融對企業創新活動的影響、作用機制及其異質性。主要結論為：(1)數字金融顯著促進了企業創新投入與企業創新產出，數字金融對企業創新投入的影響大于企業創新產出。進一步地將數字金融發展指數區分為廣度指數、深度指數與數字化指數，結果顯示三個指數對企業創新的影響均顯著為正，且數字金融發展廣度指數與深度指數對企業創新的影響相比數字化指數更為顯著。(2)作用機制分析表明，融資約束與信息約束的中介效應顯著，數字金融在一定程度上緩解了企業的融資約束與信息約束，進而促進企業創新，融資約束在數字金融對企業創新投入影響中的中介效應高于在企業創新產出中的影響，而信息約束則相反。(3)從企業所有權的角度來看，無論是民營企業還是國有企業，數字金融均對企業創新起到正向影響。在對企業創新投入影響中，民營企業的影響大于國有企業；而在對企業創新產出影響中，國有企業的影響則大于民營企業。從企業規模異質性來看，數字金融更能增加小企業的創新投入，不過其對大企業創新產出的影響則更大。從地區差異的角度來看，數字金融對企業創新的影響在中部地區企業中較大，東部地區次之，而西部地區最小。

據此，得到的政策啟示為：(1)大力完善金融體系建設，發展高效便捷的數字金融服務。加大對數字金融的推廣，鼓勵數字金融平臺多元化發展，為企業享受數字金融服務提供便利，降低數字金融服務門檻。發展高效便捷的數字金融服務，助力企業在金融市場中獲取有效資源，為數字金融驅動企業創新提供保障。(2)注重數字金融均衡發展，助力企業創新。創新離不開金融市場的支持，而我國金融發展由于歷史原因，在結構上存在不平衡不充分的難題，各主體享受到的數字金融服務存在差異。因此，要注重數字金融的平衡發展，對欠發達的地區，加強數字金融的推廣與普及工作；對于金融基礎設施較薄弱的地區，加大網絡基礎設施建設力度，助力數字金融解決傳統金融普惠的難題，從而促進企業創新。(3)與時俱進，全面發展數字金融的同時注重整體與局部相結合。數字金融要注重數字技術與金融發展的深度融合，充分利用云計算、大數據等信息技術，擴大數字金融覆蓋的范圍，深化數字金融的服務水平，提高數字金融數字化程度，為數字金融激勵微觀主體創新活動打下基礎。在全面發展的同時，要抓住重點，在發展初期，以數字金融覆蓋的廣度為主，搭建數字金融渠道，打破傳統金融的網點困境，提高各主體的觸達率，為發展數字金融提供廣泛的客戶基礎。