數字金融、信貸可得性與企業創新

李朝陽 潘孟陽 李建標

摘 要：數字金融作為一種新的金融服務模式具有普惠性和精準性，契合了貸款申請企業創新活動的融資需求。本文以2011～2017年A股上市公司為研究樣本，從信貸可得性視角探討了數字金融與企業創新之間的影響機制，并分析了不同金融資源水平條件下數字金融與企業創新的作用關系。研究發現，數字金融對企業創新具有顯著的促進作用。機制分析表明，數字金融能夠通過提高企業信貸可得性來促進企業創新。進一步分析發現，金融資源水平強化了數字金融對企業創新的影響，傳統金融機構仍是企業創新的重要基礎。經過內生性與穩健性檢驗之后，研究結論依然成立。本文的研究結論不僅拓展了數字金融對企業創新影響機制的相關研究，也為數字金融的發展提供了重要的經驗參考。

關鍵詞：數字金融;企業創新;信貸可得性;金融資源水平

中圖分類號：F832文獻標識碼：A文章編號：1003-5192（2021）06-0039-08

doi：10.11847/fj.40.6.39

Abstract：As a new financial service mode， digital finance is inclusive and accurate， which meets the financing needs of innovative activities of loan application enterprises. This paper takes 2011～2017 A-share listed companies as research samples， discusses the mechanism between digital finance and enterprise innovation from the perspective of credit availability， and analyzes the relationship between digital finance and enterprise innovation under different levels of financial resources.We find that digital finance has a significant role in promoting enterprise innovation.Mechanism analysis shows that digital finance can promote corporate innovation by improving corporate credit availability.In further mechanism analysis， we find that the level of financial resources has strengthened the impact of digital finance on corporate innovation. Traditional financial institutions are still the important foundation of enterprise innovation. After endogenous and robustness tests， the conclusion is still valid. The research conclusions of this paper not only expand the research on the mechanism of digital finances influence on enterprise innovation， but also provide important experience references for the development of digital finance.Key words：digital finance; enterprise innovation; credit availability; level of financial resources

1 引言

創新是企業發展的直接動力與核心競爭力，也是引領經濟發展的第一動力和建設現代化經濟體系的戰略支撐[1]。但研發創新是一種高投入、沉沒成本高、不確定性強的長周期性高風險活動，其固有的信息不對稱性也容易產生逆向選擇和道德風險問題，再加上傳統金融機構與金融市場長期存在的信貸資源配給不均衡問題，導致企業的創新活動常常受到資金約束[2]。數字金融通過金融科技手段對海量的信息進行高效處理分析，使得外部投資者與銀行等金融機構能夠有效地利用數據信息進行相關投資決策，在一定程度上解決了信息不對稱與道德風險問題，擴展了金融服務的廣度和深度[3]，為中小企業提供了更多信貸資源配給的機會，成為引領企業創新和產業結構轉型升級的重要引擎[4]。

數字金融作為新一代的金融服務模式，也存在部分數字金融機構通過金融創新之名進行套利、借助資本市場轉移風險等問題，這不僅給金融系統制造了較大隱性風險，也制約著實體經濟的健康發展[5]，因此有必要對數字金融是否真正優化了資源配置、促進企業創新這一問題進行深入分析。現有文獻主要集中在數字金融是如何影響全要素生產效率、提升就業、促進產業升級等，這些研究成果為本文探究“數字金融—企業創新”提供了重要的理論支撐和方法借鑒，但關于數字金融對企業創新的影響機制目前仍處于探索階段，特別是以下兩個關鍵問題尚未深入展開。首先，數字金融改善了中小微企業的融資環境，是企業創新重要的資源，需要進一步明確數字金融促進企業創新的作用路徑。第二，傳統金融機構是數字金融發展的基礎，需要進一步細化不同金融資源水平場景下數字金融與企業創新的作用關系。基于此，本文從信貸可得性視角探討了數字金融與企業創新之間的作用機制，并進一步分析了不同金融資源水平條件下數字金融與企業創新的作用關系。

本研究的創新價值主要體現在以下方面：（1）將數字金融這種新型金融服務模式納入企業創新的研究框架，豐富了企業創新驅動因素的相關研究，也為企業創新發展的政策制定提供了數字金融層面的理論支撐。（2）利用2011～2017年A股上市公司數據和北京大學數字普惠金融指數，驗證了信貸可得性在數字金融與企業創新之間的中介作用機制，深化了數字金融與企業創新之間的相關研究。（3）探討了金融資源水平對數字金融與企業創新之間的調節效應，從地區經濟差異視角拓展了數字金融的相關研究。

2 理論基礎與研究假設

2.1 數字金融對企業創新的影響

數字金融是指傳統金融機構、互聯網公司利用數字技術實現融資、支付、投資等新型的金融業務模式[6]。在大數據、區塊鏈、云計算等技術的支持下，數字金融機構可以憑借較低的成本來分析處理海量數據[3]，進而通過數據優勢及時跟蹤貸款申請企業的創新項目進展、減少經理人的機會主義行為、監管企業運行等，有助于貸款申請企業的研發創新[7];數字金融機構還可以通過相關數據分析評估中小企業資質，完善企業信用信息，有效甄別具有創新潛力的企業，幫助貸款申請企業及時獲取外部關鍵信息，避免這些企業因信息不對稱而錯失投資機會[8]，從而為創新活動提供可能[9]。數字金融的信息效應還可以通過緩解金融要素的信息不對稱問題，形成搜尋、需求匹配、市場交易等一體化的流程服務模式，促進不同創新主體在金融資源領域開放共享，進而通過協同效應促進企業創新[3]。

數字金融對傳統銀行等金融機構的沖擊在一定程度上優化了資本市場，為企業創新活動提供了良好的金融市場環境[10]。如數字金融的市場競爭效應能夠促進金融機構提升金融服務的效率，提升了貸款申請企業的資金獲取效率[7]。數字金融還可以賦能商業銀行等金融機構進行產品升級與業務流程優化，能夠較好地融入到貸款申請企業的相關生產活動中，可以更靈活地為企業研發創新提供資金服務，幫助企業科學安排各項生產，提升創新活動的資金使用效率[11]。數字金融機構也可以通過自身的信息優勢幫助貸款申請企業精準識別客戶畫像，挖掘客戶潛在需求，促進貸款申請企業更好地識別出可能的技術創新路徑，實現有針對性的創新，從而降低創新的風險[3]。數字金融作為一種新的商業模式還能夠催生相關的新業態和新模式，促進相關地區的企業產品升級、服務品質改善等，通過所形成的創新系統、創新網絡共同促進區域相關企業的創新[11]。基于以上分析，本文提出以下假設：

假設1 數字金融對企業創新具有顯著正向影響。

2.2 信貸可得性對數字金融與企業創新之間關系的中介

信貸可得性是指從金融機構獲得借款的可能性，一般由信貸獲得額或信貸約束程度來衡量[12]。數字金融基于科技生態體系所積累的海量數據可以更精準地預測違約風險，大大提升了被排斥到金融服務之外的中小微、民營企業獲取信貸資源的可能性[8]。首先，數字金融有效吸納了市場中的金融資源并轉為有效供給，增大了信貸資源供給的總量[3]。基于成本和效率考慮，傳統金融機構很難充分利用長尾群體手中的金融資源，但得益于大數據和區塊鏈等技術的賦能，數字金融機構能夠以較低成本快速聚集起大量中小投資者。這些集中起來的資源擴充了市場中金融資源的總量，使得更多貸款申請企業能夠獲得信貸資源。

其次，數字金融拓寬了貸款申請企業獲得信貸資源的渠道。數字金融機構憑借信息技術優勢能夠以相對較低的成本為有金融服務需求的長尾客戶群體提供高效、穩定的金融服務[7]。如一些數字金融機構利用借款人社交網絡、歷史交易記錄等軟信息作為信貸決策的依據，降低了借貸雙方的信息不對稱問題，也提升了資金的審批發放效率，擴大了金融服務的群體[10]。類似的智慧銀行、供應鏈金融等已成為部分企業尤其是小微企業獲得信貸資源的重要通道，這些平臺改善了過去企業融資主要依賴銀行的局面，極大豐富了企業的融資選擇[3]。

最后，數字金融改善了信貸資源錯配。囿于投資成本、技術等因素，較多的中小微、民營企業因為信息不對稱問題而被排斥到金融服務之外[13]。尤其是企業創新研發的融資活動，為了避免研發相關信息的泄露，研發企業不愿意披露與其相關的過多信息，進一步加劇了借貸雙方的信息不對稱問題。而數字金融的商業與服務模式在一定程度上緩解了融資過程中信息不對稱問題，拓寬了金融服務場景和用戶邊界，同樣也為企業創新活動提供更有針對性的資金渠道，使得信貸資源在企業間實現更合理的配置[14]。綜合以上三點，本文認為數字金融能夠提高貸款申請企業的信貸可得性。

金融資源是現代經濟的血液，也是企業創新的重要基礎。資金的持續投入是企業研發創新活動順利開展的前提，由于創新活動的高投入高風險特征，是否獲得了足量的信貸資源，在一定程度上決定了企業創新能否成功[1]。若企業在融資過程中遇到困難，將對企業創新產生較大消極影響，如張璇等[15]的研究表明銀行信貸的缺乏顯著降低企業從事創新活動和創新投入的可能性，進而影響企業創新產出。相反，信貸資源的持續補充對于企業創新有著積極意義，如李后建和劉思亞[16]發現銀行信貸的持續供給是企業創新產出至關重要的外部投入要素，故信貸可得性對企業創新有顯著的正向影響。因此，本文認為，數字金融促進了信貸可得性，而良好的信貸可得性又促進了企業創新，企業信貸可得性在數字金融與企業創新之間扮演著橋梁作用，基于以上分析，提出以下假設：

假設2 信貸可得性在數字金融與企業創新之間具有中介作用。

2.3 金融資源水平對數字金融和企業創新關系的調節

金融資源水平是指金融資源的稀缺程度，常用金融業產值與GDP的比值來測度[8]。雖然在理論上數字金融依托于互聯網技術，不受地域空間的限制，但是數字金融本質上還是金融，其運行仍然要依賴于實體經濟和傳統金融[13]。我國不同地區的金融資源水平存在較大的地區差異，在金融資源水平較差的地區，數字金融相對缺少傳統金融機構的資金、硬件、信息等層面支持，電子支付、投資理財、信用業務、借貸等業務發展水平相對較低，降低了數字金融發展的廣度和深度，金融資源的不利因素將會弱化數字金融對企業創新的促進機制[7]。金融資源水平較差地區的傳統金融機構數量相對偏少，即便這些機構通過科技創新開展線上渠道、不斷發展數字金融功能，但金融機構總量偏少也難以發揮數字金融的規模效應、協同創新效應等，對企業研發活動提供的資金支持也相對有限，同樣也不利于數字金融對企業創新的積極作用[13]。也就是說數字金融對企業創新的促進作用受制于金融資源水平的影響，較差的金融資源水平弱化了數字金融對企業創新的促進作用。

在金融資源水平較好的地區，金融基礎設施建設相對成熟，金融監管也相對完善，在一定程度上促進了數字金融相關的業務模式和實踐[4]。如數字金融機構可以更便捷地獲取貸款申請企業的信息進而對其信用做出科學評價，基于貸款申請企業的經營信息了解其研發狀況，互聯網等信息技術也有助于貸款申請企業更便捷地獲取信貸資源，保障其創新活動[2]。也就是說，當金融資源相對較高時，數字金融能更充分發揮自身的優勢，對貸款申請企業創新的促進作用也就越強。總之，金融資源水平能夠正向調節數字金融與貸款申請企業創新之間的關系。基于以上分析，提出以下假設：

假設3 金融資源水平在數字金融與企業創新之間起著正向調節作用。

綜上所述，本研究理論模型如圖1所示。

3 研究設計

3.1 數據來源

本文以A股上市公司為研究樣本，其中企業專利、財務、金融機構分布等數據來自國泰安數據庫（CSMAR），數字金融指數來自北京大學數字金融研究中心發布的數字普惠金融指數[14]。由于北京大學數字普惠金融指數最早的數字金融數據從2011年開始，而國泰安數據庫中企業專利最新數據截至到2017年，故本研究選取2011～2017年A股上市公司的相關數據。為了保證研究結果的可靠性，本文對數據進行了預處理，主要包括以下幾個步驟：（1）金融類和房地產類企業經營性質區別于一般企業，故剔除金融類和房地產類企業;（2）被PT，ST，*ST的企業財務制度異常，也將其剔除;（3）為了消除極端值的影響，對公司層面的連續數據進行了1%縮尾處理;（4）保留連續5年以及5年以上有樣本的公司;（5）刪除主要統計量為空的樣本。經過以上步驟，最終得到了2011～2017年共10216個企業—年度觀測值。

3.2 變量說明

（1）被解釋變量：企業創新（lnpat）

衡量企業創新主要有兩種方法：一是從投入角度，使用研發投入來度量[17];二是從產出角度，使用企業專利申請指標來度量[18]。相對于研發投入，專利申請數能更好地衡量企業創新活動成果[1]，故本文在回歸部分采用企業申請專利總數與1之和的自然對數來衡量企業創新，記作lnpat。在穩健性檢驗中使用企業研發投入力度（R&D），即企業研發支出占營業收入的比例來衡量企業創新[19]。

（2）核心解釋變量：數字金融（Index）

為了衡量企業所在地的數字金融發展水平，本文采用北京大學數字普惠金融研究中心發布的北京大學數字普惠金融指數（2011～2017年）。這套指數科學準確地刻畫了中國各省份、地市的數字普惠金融發展現狀，為數字金融的相關研究提供了極大便利，現已被廣泛使用[14]。由于數字金融影響企業創新需要一定時間積累，故本文使用數字普惠金融指數時進行滯后一期處理。

（3）中介與調節變量

中介變量：信貸可得性。貸款額能較為準確地反映企業的信貸可得性狀況[12]，因此，本文將“企業長期貸款的自然對數”作為中介變量，用Credit表示。

調節變量：金融資源水平。地區金融業產值反映了地區的金融業發展水平，可以用來衡量一個地區金融資源的好壞，本文參考宋敏等[8]的方法，使用地級市金融業產值與地級市GDP的比值來測度該市的金融資源水平，用Findev表示。

（4）控制變量

企業規模（Size）：企業研發創新活動需要投入大量資源，大企業本身就有足夠的資金和技術實力，而且規模越大的企業越傾向于通過創新等方式提高企業的風險管理能力[18]。本文采用通用做法，使用企業總資產的自然對數衡量企業規模。成長性（Growth）：成長性是影響企業創新的重要因素，企業在高速增長階段不僅具有較強的創新精神，而且具有快速將發明創造投入使用的能力[20]。但是，高成長性企業為擴大經營往往面臨較大的資金壓力，這并不一定利于開展具有高風險高投入特征的創新活動。因此，需要控制成長性對企業創新的影響。參考李春濤等[18]的做法，本文使用總資產增長率衡量企業的成長性。資產收益率（Roa）：資產收益率是評價企業盈利能力的重要指標，本文用凈利潤和平均資產總額的比值衡量企業資產收益率[1]。資產負債率（Lev）：資產負債率是評價企業負債水平的重要指標，本文用總負債與總資產的比值衡量企業資產負債率[2]。固定資產（Fixed）：固定資產可以在一定程度上反映出企業的生產和技術條件[18]，本文用企業固定資產凈額表示。兩職合一（Dual）：高管團隊兩職合一對企業創新也有著重要影響，參考薛坤坤等[19]類似方法，若總經理兼任董事長，變量取值為1，否則取0。股權集中度（Hold）：股權集中影響企業的創新效率，參考朱德勝和周曉珮[20]的做法，本文用第一大股東持股比例衡量股權集中度。

本文采用的主要變量及其度量方法如表1所示。

3.3 實證模型構建

以企業創新lnpat作為被解釋變量，考慮到數字金融對企業創新的影響具有滯后性特征，且存在一定程度的反向因果問題，本文對解釋變量數字金融進行滯后一期處理，構建如下模型來分析數字金融對企業創新的影響

如（1）式所示，變量下標i、j、t分別表示企業、城市和年份。被解釋變量lnpatit為企業i在t年的專利申請總數加1的自然對數;解釋變量Indexjt-1為滯后一期的數字普惠金融指數，代表企業i所處地級市j在t-1年的數字金融指數;controlit代表一系列控制變量，本文加入的控制變量包括企業規模（Size）、成長性（Growth）、資產收益率（Roa）、資產負債率（Lev）、固定資產（Fixed）、兩職合一（Dual）、股權集中度（Hold）;εit表示隨機誤差項。本文的基準回歸使用了固定效應模型，為了盡可能降低企業所處行業以及年份對企業創新產生的影響，所有回歸模型中都控制了時間和行業的固定效應。

為了進一步探究數字金融發展影響企業創新的潛在機制，本文參考溫忠麟等[21]提出的中介效應檢驗流程，檢驗數字金融能否通過提高信貸可得性促進企業創新。

其中信貸可得性（Credit）為中介變量。模型（2）與模型（1）一致，也是數字金融影響企業創新的總效應，其中α1代表數字金融對企業創新的總效應。模型（3）中系數β1反映了數字金融對信貸可得性的影響，模型（4）中γ1代表數字金融對企業創新的直接效應，β1γ2代表信貸可得性的中介效應。

接下來進行調節效應檢驗，判斷數字金融對企業創新的影響效果是否受到企業所在城市金融資源水平的影響，其中Indexjt-1×Findevjt代表數字金融與金融資源水平中心化之后的交互項。

4 實證結果分析

4.1 描述性統計與相關分析

本文對主要變量進行了描述性統計，企業創新均值為79.634，最大值為1166，最小值為1，不同企業創新水平差異較大。數字金融最大值為275.555，最小值為46.470，標準差為58.650，這表明不同城市間的數字金融水平也存在較大差異。信貸可得性均值為102841.100，金融資源水平均值為0.099，也就是企業所在城市金融業產值占所在城市GDP比例為9.9%。金融資源水平最大值為0.173，最小值為0.026，不同城市的金融資源水平也存在一定差異。控制變量方面，企業規模均值為22.202，成長性均值為0.259，即上市企業平均總資產增長率為25.9%，資產收益率均值為0.045，資產負債率均值為0.410，固定資產均值為20.406，有27.3%的企業總經理兼任董事長，第一大股東平均持股34.7%。

相關分析結果表明，數字金融與企業創新之間的相關系數顯著為正，初步支持了假設1。數字金融與信貸可得性、信貸可得性與企業創新之間的相關系數均顯著為正，這也與假設2中的分析相符。但金融資源水平與企業創新、數字金融之間的系數均顯著為負，說明傳統金融資源與數字金融、企業創新之間作用機制相對復雜，但也和相關研究結論類似，還需要控制相關變量進一步檢驗。控制變量中，企業規模、資產收益率、資產負債率、固定資產、股權集中度與企業創新之間的系數均顯著為正，兩職合一對企業創新的影響則顯著為負。

此外，為了判斷變量之間是否存在多重共線性，使用方差膨脹因子（VIF）進行檢驗，檢驗結果表明，VIF的均值為2.04，最大值為4.66，均小于10，表明變量之間不存在多重共線性。

4.2 數字金融與企業創新回歸結果分析

回歸結果如表2所示，將企業創新作為被解釋變量，第（2）、（3）列的回歸結果表明，數字金融滯后一期的系數（Indexjt-1）均在1%的水平上顯著為正，說明數字金融與企業創新顯著正相關，即數字金融發展越好，企業的創新產出越高，創新能力越強，假設1得到驗證。

從第（1）、（3）列看控制變量的回歸結果，企業規模（Size）的系數在1%的水平上均顯著為正，即企業規模越大，企業創新產出就越多，這表明大企業本身在技術、資金等方面的實力比較雄厚，能夠為企業的研發活動投入充足的資源;成長性（Growth）的系數顯著為負，說明成長性越高，越不利于企業創新，可能的原因在于企業快速成長后沒有足夠動力再持續開展研發創新活動;資產收益率（Roa）的系數也顯著為正，即企業盈利能力越強，企業的創新產出就越多，資產收益率較高的企業有充足的資金從事研發創新活動;固定資產（Fixed）的系數顯著為負，說明企業固定資產對企業創新有顯著的抑制作用，這可能是因為固定資產凈額較高的企業缺乏一定的靈活性，不利于企業的創新活動;股權集中度（Hold）的系數顯著為負，即股權集中度太高不利于企業創新，可能的原因是當股權集中度過高時，大股東會利用其控制權謀取其他方面的收益，減少公司創新活動的資金投入，進而降低創新效率[20]。

4.3 信貸可得性的中介效應檢驗

為檢驗信貸可得性在數字金融與企業創新之間的作用關系，根據中介效應檢驗流程[21]，首先檢驗自變量（數字金融）與因變量（企業創新）之間的關系。從表2第（3）列的檢驗結果可以看出，數字金融與企業創新的回歸系數在1%的水平上顯著，數字金融能夠顯著促進企業創新;其次，進行自變量（數字金融）和中介變量（信貸可得性）之間的作用關系檢驗，將信貸可得性作為被解釋變量，從表2第（4）列的檢驗結果可以看出，數字金融的系數在1%的水平上顯著為正，說明數字金融能夠顯著提高企業的信貸可得性;最后，將數字金融這一自變量和信貸可得性這一中介變量都納入回歸方程進行檢驗，從表2第（5）列的檢驗結果可以看到信貸可得性的系數在1%的水平上顯著為正。綜合中介效應的三個步驟檢驗結果，可以說明企業信貸可得性的中介效應顯著，數字金融能夠通過提高企業的信貸可得性進而促進企業創新，假設2得證。

4.4 金融資源水平的調節效應檢驗

金融資源水平的調節效應檢驗結果如表2第（6）列所示，在回歸模型中加入數字金融與金融資源水平中心化之后的交互項Indexjt-1×Findevjt，回歸結果表明交互項系數在1%的水平上顯著為正，這說明金融資源水平在數字金融與企業創新之間起著正向調節作用，假設3得證，調節效應圖見圖2。

4.5 穩健性檢驗

在本文中數字金融指數無法由單個企業驅動，且回歸分析中已經將數字金融進行了滯后一期處理，因此出現反向因果導致內生性問題的可能性不大。但可能會因遺漏變量或企業專利數的測量誤差等產生內生性問題，本文通過滯后變量和工具變量法來緩解內生性問題。

（1）滯后變量。數字金融影響企業創新需要一定時間，且企業的創新成果申請到企業專利也存在一定滯后性，本文更進一步將數字金融變量滯后兩期處理。檢驗結果表明數字金融對企業創新的促進作用依舊顯著，與上文結論一致。

（2）工具變量法。采用省份層面的數字金融指數，并將其滯后一期作為工具變量。一方面，省份與地市的數字金融發展水平相似，滿足相關性條件。另一方面其他城市的數字金融發展程度不會直接影響本城市企業的創新水平，存在一定的外生性，可以采用省份層面的數字金融指數作為工具變量[14]，同樣驗證了回歸結果的有效性。

本文采用更換被解釋變量、剔除直轄市樣本兩種方式進一步進行穩健性檢驗。

（1）更換被解釋變量。將研發力度作為被解釋變量放入回歸模型進行檢驗后，發現數字金融依舊對企業創新有著顯著的促進作用，與上文結論一致。

（2）剔除直轄市樣本。我國的直轄市相對于地級市存在較大的經濟特殊性[3]，剔除直轄市樣本后，結果沒有發生顯著改變，結論依舊成立。

5 結論與建議

5.1 研究結論

本文以2011～2017年A股上市公司為研究樣本，從信貸可得性視角探討了數字金融與企業創新之間的作用機制，并進一步分析了不同金融資源水平條件下數字金融對企業創新的影響。研究發現，數字金融對企業創新具有顯著的促進作用，增加了企業的創新產出。機制分析表明，數字金融能夠通過提高企業信貸可得性促進企業創新。金融資源水平強化了數字金融對企業創新的影響，金融資源水平越高，數字金融對企業創新的促進作用越強。為了保證結果的可靠性，本文通過滯后變量和工具變量法緩解了內生性問題，還通過更換被解釋變量、剔除直轄市樣本進行了穩健性檢驗，檢驗結果表明結論依舊成立。

5.2 理論貢獻

本研究的理論貢獻主要體現在：（1）與以往傳統金融模式對企業創新影響的文獻不同，本研究從數字金融這一新興業態入手分析了金融發展對企業創新的影響，并驗證了數字金融對企業創新的可能作用機制，這不僅豐富了金融領域的相關研究，也是對企業創新研究的拓展。（2）從信貸可得性視角厘清了數字金融與企業創新的內在機理，通過中介效應檢驗發現數字金融通過影響信貸可得性，進而促進了企業創新，這一研究結論有助于進一步理解信貸可得性在企業創新活動中所扮演的角色。（3）考慮到我國經濟發展的區域不均衡背景和數字金融發展階段性特征，本文在研究數字金融影響企業創新的基礎上，檢驗了金融資源水平的調節效應，并且發現金融資源水平強化了數字金融對企業創新的影響，揭示了金融資源水平在數字金融與企業創新之間的調節作用，也驗證了傳統金融機構仍是企業創新的重要基礎。（4）目前數字金融賦能效應的研究主要集中在區域經濟、地區資本錯配、城市創新等宏觀層面，本研究則從企業這一微觀視角出發，考察了數字金融作用在企業層面的創新效應及其差異化影響，為數字金融賦能企業創新提供新的微觀層面經驗證據，豐富了數字金融領域的相關研究。

5.3 政策建議

基于以上結論，提出以下三方面政策建議：第一，由于數字金融能夠顯著促進企業創新，需要為數字金融發展營造良好的政策和監管環境。一方面，政府相關部門要出臺相關的產業扶持政策，鼓勵數字金融的發展，引導數字金融與相關產業深度結合，形成良性互動;另一方面，進行金融監管改革以適應金融新業態發展的需要，強化數字金融服務主體對實體經濟的促進作用。

第二，信貸資源可得性是企業創新的重要基礎，在數字金融和企業創新之間扮演著重要的橋梁作用，故需要政府等相關部門借助數字金融技術優化信貸資源配置。如利用數字金融的信息技術優勢，著力解決當前市場中信貸資源總量少、配置效率低以及配置不均衡問題。還需要依托金融科技加強社會信用體系建設，通過解決金融機構與企業之間的信息不對稱問題，降低企業融資成本，提升貸款申請企業創新活動的資金獲取效率。

第三，金融資源相對落后地區需要推進傳統金融行業的數字化轉型。注重數字金融在區域間的協調發展，特別是對于金融資源相對貧乏地區，可以給予適當的政策傾斜，以防止其在轉型過程中出現新型金融資源供給不平衡問題。傳統金融是數字金融發展的根基，需要利用數字技術為傳統金融注入新鮮血液，形成傳統金融與數字金融優勢互補、相互促進的新局面。

5.4 研究展望

與已有研究相比較，本研究從企業的微觀層面出發探究了數字金融與企業創新之間的作用關系，并引入了信貸可得性中介效應和金融資源水平調節效應的機制檢驗，為金融創新服務實體經濟提供了新思路。但本研究還存在一定的局限性，由于數據獲取限制，本研究選取的數據時間段不夠長，隨著相關數據的后續更新，未來可以采用更長時間段數據研究數字金融與企業創新之間的作用關系。

參 考 文 獻：

[1]陳思，何文龍，張然.風險投資與企業創新：影響和潛在機制[J].管理世界，2017，（1）：158-169.

[2]蔡慶豐，陳熠輝，林焜.信貸資源可得性與企業創新：激勵還是抑制？——基于銀行網點數據和金融地理結構的微觀證據[J].經濟研究，2020，（10）：124-140.

[3]唐松，伍旭川，祝佳.數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異[J].管理世界，2020，（5）：52-66，9.

[4]Maria D， Silvia M， B W G. Capital markets union and the fintech opportunity[J]. Journal of Financial Regulation， 2018， 4（1）： 157-165.

[5]Vallée B， Zeng Y. Marketplace lending： a new banking paradigm[J]. The Review of Financial Studies， 2019， 32（5）： 1939-1982.

[6]黃益平，黃卓.中國的數字金融發展：現在與未來[J].經濟學（季刊），2018，17（4）：1489-1502.

[7]Berg T， Burg V， Gombovic' A， et al.. On the rise of fintechs-credit scoring using digital footprints[J]. The Review of Financial Studies， 2020， 33（7）： 2845-2897.

[8]宋敏，周鵬，司海濤.金融科技與企業全要素生產率——“賦能”和信貸配給的視角[J].中國工業經濟，2021，（4）：140-157.

[9]Fuster A， Plosser M， Schnabl P， et al.. The role of technology in mortgage lending[J]. The Review of Financial Studies， 2019， 32（5）： 1854-1899.

[10]林愛杰，梁琦，傅國華.數字金融發展與企業去杠桿[J].管理科學，2021，34（1）：142-158.

[11]Beck T， Pamuk H， Ramrattan R， et al.. Payment instruments， finance and development[J]. Journal of Development Economics， 2018， 133： 162-186.

[12]郭麗虹，王碩.融資缺口、市場化程度與中小企業信貸可得性——基于非上市制造業企業面板數據的分析[J].財經研究，2013，39（12）：115-125.

[13]Gomber P J， Kauffman C， Parker B， et al.. On the fintech revolution： interpreting the forces of innovation， disruption， and transformation in financial services[J]. Journal of Management Information Systems， 2018， 35（1）： 220-265.

[14]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

[15]張璇，劉貝貝，汪婷，等.信貸尋租、融資約束與企業創新[J].經濟研究，2017，（5）：161-174.

[16]李后建，劉思亞.銀行信貸、所有權性質與企業創新[J].科學學研究，2015，33（7）：1089-1099.

[17]李文貴，余明桂.民營化企業的股權結構與企業創新[J].管理世界，2015，（4）：112-125.

[18]李春濤，閆續文，宋敏，等.金融科技與企業創新——新三板上市公司的證據[J].中國工業經濟，2020，（1）：81-98.

[19]薛坤坤，武立東，王凱.董事會非正式層級如何影響企業創新？——來自我國上市公司的經驗證據[J].預測，2021，40（3）：25-31.

[20]朱德勝，周曉珮.股權制衡、高管持股與企業創新效率[J].南開管理評論，2016，19（3）：136-144.

[21]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.