數字普惠金融、知識產權保護與企業創新

孫芳城，伍桂林，蔣水全

（1.重慶工商大學 會計學院，重慶 400067；2.重慶工商大學 長江上游經濟研究中心，重慶 400067）

一、引言

技術創新是提升經濟實力和培育競爭優勢的重要引擎，同時也是暢通國內大循環、在國際大循環中贏得主動的關鍵變量。黨的二十大報告強調，要加快實現高水平科技自立自強。具有自主知識產權的核心技術，既是企業持續發展的“命脈”所在，也是企業核心競爭力的源頭活水。然而，創新項目的投資周期長、信息不對稱和產出不確定等特點，嚴重阻礙了企業創新（Tang et al，2022）。根據國家統計局公布的最新數據，2021年我國研發經費投入超2.79 萬億元，為GDP 的2.44%，然而，在《2021 年全球百強創新機構》名單中，日本和美國的上榜企業總和超過70%，中國僅有9 家企業和研究院入選榜單。因此，如何解決企業的融資難題與提高企業的創新意愿，促進創新產出的“提質增效”，進而服務于國內大循環戰略，已成為我國當前乃至今后一段時期亟待解決的問題。

金融是實體經濟的血脈，金融和實體經濟循環不暢是制約經濟循環的重要因素。現有文獻從宏觀、產業與微觀企業層面證實了傳統金融發展對創新的推動作用（戴志敏和羅燕，2016；凌丹和鄒夢婷，2020）。然而，傳統金融服務融資模式與金融供求的不平衡，反映了其存在門檻高、資源配置效率低下等問題，嚴重影響了企業的金融服務可獲得性（李曉龍等，2017）。近年來，隨著人工智能（artificial intelligence）、區塊鏈（blockchain）、云計算（cloud computing）、大數據（big data）等“ABCD”技術地不斷涌現，金融加強了與新興技術的有機結合，數字普惠金融應運而生，并逐步成為全球企業創新變革的重要突破點。已有研究表明，良好運行的金融市場能有效地動員儲蓄（胡善成等，2022）、配置資源（Samuel 和Mujtaba，2022）、分散風險（闕澄宇和孫小玄，2021）和降低資金供求雙方的信息不對稱（鐘騰和汪昌云，2017），從而緩解企業創新的融資困境。那么，以共享、便捷、低成本、低門檻為特征的數字普惠金融（Demertzis et al，2018），能否通過高效率、全方位的觸達能力與地理穿透性等優勢來促進企業創新，這是本文探究的第一個命題。

除此之外，創新活動的展開不僅需要充足的資金，還離不開良好的創新體制機制和外在市場環境。特別地，企業創新離不開制度，尤其是知識產權保護制度的支持。在新一輪科技革命和產業變革時代，知識產權保護制度對企業創新的作用顯得尤為必要。這是因為，創新投資本身具有外部公共品特征，客觀上需要良好的法律保護環境與機制以降低研發信息外溢的風險和保障創新主體的權益（Liu 和Jiang，2016），從而增強對創新的價值激勵。根據國家知識產權局公布的數據，2021 年中國知識產權系統共受理專利侵權行政裁決案件4.98 萬件，同比增長17.4%。作為解決企業創新“市場失靈”問題的政策手段，知識產權保護始終受到監管部門和理論界的高度關注。然而，從現有研究來看，知識產權保護對企業創新的影響尚未達成一致結論：一方面，“促進觀”認為知識產權保護能夠避免侵權行為的發生，保障創新主體的壟斷利潤，從而激勵企業創新（Grimaldi et al，2021）；另一方面，“抑制觀”認為，知識產權保護制度阻礙了知識在技術中的共享和傳播，增加了企業獲得技術和知識的成本，導致企業研發動力不足，從而抑制了企業創新（宗慶慶等，2015）。以上兩種觀點孰是孰非尚存爭議。因此，本文探討的第二個問題是，知識產權保護能否有助于數字普惠金融發揮資源配置功能進而促進企業創新。

本文可能存在的貢獻在于：第一，有助于厘清數字普惠金融對企業創新的影響機理。與以往多數文獻從銀行股權關聯（賀曉宇和張治棟，2018）、政府支持（張嘉望等，2022）等傳統融資渠道研究企業創新不同，本文以數字普惠金融為視角，探究了數字普惠金融對企業創新激勵的三種作用機理，檢驗了數字普惠金融對企業創新的經濟后果，彌補了以往文獻在相關領域的研究不足。第二，有助于拓展知識產權保護制度的相關文獻。現有研究大多從專利被侵權率、案件結案率（鮑宗客等，2020；Galasso 和Luo，2017）等國家執法層面考察知識產權保護對創新的影響。本文從地區技術市場交易規模與地區知識產權代理機構密度角度出發，揭示出知識產權保護對數字普惠金融與企業創新的調節作用呈現出一定的規模效應、融資依賴差異和階段差異特征，補充了知識產權保護領域的研究視角。第三，有助于提供金融服務創新、創新驅動發展的經驗證據。本文建立了數字普惠金融影響企業創新的傳導機制，加深了對金融市場與微觀企業行為之間互動關系的理解，不僅為當前漸進式的金融改革提供借鑒，還為創新驅動發展戰略提供經驗依據。

二、理論分析與研究假設

（一）數字普惠金融與企業創新

研發創新過程內在的信息不對稱和道德風險提高了創新項目的不確定性，影響了企業的創新投資決策。眾所周知，企業的融資渠道包括內源融資和外部融資。盡管內源融資的自主性高且風險較小，但依賴內源融資為創新項目籌資不但受到企業盈利空間的限制和經營波動的影響，還會受到產權性質、管理層激勵等公司治理因素的制約（王滿四和徐朝輝，2018）。因此，外部融資成為企業籌集創新資金的重要渠道。根據融資優序理論（pecking order theory），為防止控股權被轉移，管理層偏好于債務融資而非股權融資。在云計算等新興技術的支持下，數字普惠金融改變了傳統金融的服務范圍和觸達能力，增強了金融服務可獲得性，是緩解企業融資難題和促進企業創新的重要渠道。本文認為，數字普惠金融主要從以下三個方面影響企業的創新決策。

第一，數字普惠金融能夠降低信息不對稱，提高企業的創新融資效率。由于研發活動具有較高的信息不對稱和道德風險問題，投資者難以判斷創新活動的收益與風險情況，這使得企業的創新融資項目被排斥在傳統金融服務的門檻外（董春風和司登奎，2022）。數字普惠金融通過數字信息技術建立的信息處理與風險控制系統，不僅提升了客戶的消費體驗，還提高了信貸資金的配置效率和服務質量（梁玲玲等，2022）。此外，依托大數據等新興技術建立的客戶征信體系還可以簡化信貸審查程序，縮短信貸審核時間，有利于企業順利開展自主創新活動。

第二，數字普惠金融能夠降低融資成本，緩解企業的創新融資約束。在傳統金融服務模式下，金融資源錯配等問題阻礙了企業創新進程，打擊了企業的創新積極性（趙曉鴿等，2021）。而數字普惠金融憑借極強的地理穿透性和先進的互聯網等特征，彌補了傳統金融服務模式的短板。例如，在數字普惠金融服務模式下，資金需求者通過移動客戶端借助網貸平臺即可實現在線信用貸款，能夠降低金融機構的服務成本和信貸申請者的時間成本。Gomber et al（2018）的研究表明，相較于傳統金融服務，數字普惠金融有利于降低企業的資本成本。

第三，數字普惠金融能夠拓寬融資渠道，降低企業創新項目的風險與不確定性。已有文獻表明，中小企業因信息披露機制不規范、抵押品不足等原因，難以獲得有效的金融服務，從而導致企業的創新動力不足。數字普惠金融擴展了金融的服務范圍和觸達能力，同時，其“包容性”理念為各類企業創新提供了足夠的融資保障。一方面，數字普惠金融將企業信用透明化、信息化，顛覆了傳統的信用定價模式，有助于提升金融服務實體經濟功能（Norden et al，2014；曾燕萍等，2022）；另一方面，數字普惠金融緩解了企業在籌資環節的不確定性，優化了企業內部的財務行為，進而降低了企業面臨的財務風險（唐松等，2020）。基于上述分析，本文提出如下假設：

數字普惠金融有利于促進企業創新（H1）。

（二）數字普惠金融、知識產權保護與企業創新

法與金融學的核心觀點認為，健全高效的法律體系是保障金融發展和經濟增長的重要因素（La Porta，1997）。在激烈的市場競爭中，為鞏固市場份額與維持核心競爭力，企業會積極開展創新活動，以獲得核心技術或專利的排他性使用權。但是，知識溢出效應的存在，不僅難以保證關鍵工藝的排他性，還增加了創新成果被侵犯的風險。在此情況下，知識產權保護通過保障發明者的壟斷收益，修正了創新產出的外部性問題，為研發活動提供了有效激勵（Pooja 和Christian，2022）。具體而言，知識產權保護主要通過以下兩方面影響企業創新：一方面，知識產權保護有助于減少外部性問題，保護創新主體的期望收益，從而刺激企業加大自主研發創新力度。這是因為，知識產權保護的排他性與獨占性能夠在一定程度上保障創新主體的權益，對企業產生直接的創新激勵效應（莊子銀等，2021）。另一方面，知識產權保護有助于降低創新成果的不確定性，減少籌資環節的信息不對稱問題，從而緩解創新項目的融資約束。由于研發活動具有風險高、孵化周期長等特征，投資者無法全面考察企業的技術水平、項目發展前景等方面的信息，從而做出不予投資或降低投資額度等決策。由此，若地方政府能夠為創新主體提供良好的制度環境，保障其合法權益，企業可能會為利益相關者提供更多的研發信息，有利于緩解資金供求雙方的信息不對稱，此時，知識產權保護水平的上升有助于企業增加創新投入。

然而，現階段我國處于新興加轉軌階段，知識產權保護制度仍不完善，市場上還存在不規范行為。如果以壟斷的方式對創新主體提供利益保護可能會加劇帕累托法則下的不公平，這種排他性的保護手段為壟斷者帶來超額利潤，同時也會相應地減少創新的壓力驅動并影響其他創新主體的資源積累（王鈺等，2021）。這是因為，知識產權保護增加了低技術企業，尤其是中小企業與初創企業的模仿成本，阻礙了先進技術的傳播與交流，增加了企業的引進成本，這在一定程度上削弱了企業學習和引進先進技術進行模仿創新的能力，減弱了企業創新積極性。例如，吳先明等（2018）的研究表明，后發企業的技術創新路徑為：“引進-吸收-再創新”，即企業主要通過引進和吸收先進知識技術的方式實現模仿式創新。由此可知，過高的知識產權保護不僅會形成壟斷的市場結構，減少自由競爭和創新的利潤激勵，還會增加企業的生產成本和創新引進成本（如技術使用費、許可證費），從而導致“促進創新”變成“抑制創新”（鮑宗客等，2020）。基于上述分析，本文提出如下假設：

知識產權保護會促進企業創新（H2a）；

知識產權保護會抑制企業創新（H2b）。

綜上所述，數字普惠金融與知識產權保護均能影響企業的創新投資決策，且知識產權保護被視為政府調節市場的重要政策工具。那么，知識產權保護對數字普惠金融與企業創新的關系起到怎樣的影響呢？本文推測，知識產權保護主要從以下兩方面影響數字普惠金融的企業創新激勵作用。一方面，知識產權保護可能正向調節數字普惠金融與企業創新的關系。制度經濟學理論認為，制度是決定經濟主體行為的基本因素，創新則取決于企業自身情況與制度環境的相互作用（石麗靜，2017）。由此，除了數字普惠金融為企業技術創新提供便捷、低成本的資金支持之外，政府還應提供合理的制度保障來保護創新項目的投資收益，從而為數字普惠金融推動創新提供更高的價值激勵。此時，知識產權保護水平越高，侵權風險就越低，越有利于發揮數字普惠金融的創新激勵作用，提高“長尾”客戶群體的金融服務有效性。反之，知識產權保護水平較低不僅會增加企業創新成果轉化的不確定性，創新主體的專利內容還可能面臨被競爭對手盜取，甚至影響其競爭優勢的危險，此時數字普惠金融的“增量補充”紅利失效（唐松等，2020），創新激勵作用減弱。張楠等（2019）的研究表明，無論是從行政還是司法保護維度來看，在激烈的產品市場競爭中，只有投資者預期專利成果能夠得到足夠保障時，才愿意投入資金，支持企業開展創新活動。

另一方面，知識產權保護可能負向調節數字普惠金融與企業創新的關系。前文的理論分析表明，數字普惠金融和知識產權保護都能通過自身的傳導機制緩解創新項目的資源配置約束，推進創新成果的產業化進程并快速建立市場勢力和進入壁壘，從而維護創新主體的權益。換句話說，兩者的功能在某種程度上可以相互替代，即數字普惠金融與企業創新的關系對知識產權保護的敏感度較低，或者知識產權保護可能會削弱數字普惠金融的創新效用，原因主要包括兩點：第一，過強的知識產權保護意味著創新主體更具專利“壟斷權”，致使創新主體著眼于當下收益而無視更具創新價值的長遠投資，從而削弱了數字普惠金融對創新激勵作用（Chu et al，2012）；第二，對于發展中國家而言，更強的知識產權保護導致企業付出更多的學習成本，這將會降低企業的自主創新動力，故數字普惠金融的企業創新激勵效果減弱（Brüggemann et al，2016）。劉鈞霆和曲麗娜（2020）研究發現，在嚴格的國際知識產權保護環境下，企業難以學習和吸收國外的先進技術，降低了其自主研發的信心與模仿創新的機會，從而抑制了補貼政策對戰略性新興產業的創新激勵。基于上述分析，本文提出如下假設：

知識產權保護對數字普惠金融與企業創新的關系具有正向調節作用（H3a）；

知識產權保護對數字普惠金融與企業創新的關系具有負向調節作用（H3b）。

三、研究樣本與模型設計

（一）樣本選擇與數據來源

本文以我國滬深兩市A 股非金融類公司作為研究樣本，并依據數字普惠金融指數的起始年限（2011 年）將樣本區間設定為2011—2020 年。本文剔除了金融保險行業和被處理的公司；剔除數據缺失的公司；剔除同時發行H 股、B 股的公司，經上述篩選處理后，最終得到13301 個觀測值。本文對財務數據進行了上下1%的縮尾處理。數字普惠金融指標選自北京大學數字金融研究中心編制的《北京大學數字普惠金融指數》，技術市場交易規模數據來自《中國統計年鑒》，知識產權代理機構數據來自國家知識產權局，其他變量數據均來自國泰安數據庫。

（二）變量內涵與模型設定

1.變量內涵

第一，企業創新（RD）。借鑒吳超鵬和唐菂（2016）、Liu 和Qiu（2016）的做法，本文選擇研發投入強度即研究開發費用與年末總資產的比值作為企業創新的代理變量。選擇研發投入強度衡量創新的原因在于：不同行業與公司的專利傾向存在不同。在不同的競爭地位、發展階段，公司會權衡申請專利還是采用商業秘密來保護創新成果兩種方式的利弊。因此，研發投入更能體現企業開展創新活動的意愿。

第二，數字普惠金融（Index）。本文采用《北京大學數字普惠金融指數》的省份層面數據來衡量數字普惠金融。此外，為進一步考察數字普惠金融細分維度對企業創新的影響，本文使用了數字普惠金融覆蓋廣度、使用深度與數字化程度三個二級指標。其中，覆蓋廣度（Cover）反映數字普惠金融依托互聯網技術的地理穿透性，使用深度（Use）表示數字普惠金融的實際使用情況，數字化程度（Dig）則通過移動化、實惠化、信用化和便利化等指數體現。

第三，知識產權保護（IPP）。本文構建以下兩個指標來衡量地方知識產權保護水平：①技術市場交易規模（IPP1）。技術市場交易規模為各地區技術市場成交合同金額除以該地區的年度生產總值。技術交易契約的達成很大程度上依賴于知識產權保護機制的落實，只有對地區知識產權保護機制有信心時，技術交易契約才可能達成，故可以用各地區技術市場成交量來刻畫該地區的知識產權保護狀況（楊麗君，2020）。②知識產權代理密度（IPP2）。知識產權代理機構密度采用各地區知識產權代理機構數量與該地區人口總數的比值來度量。知識產權代理公司的密度越大，表明行業競爭越激烈。此時，為鞏固競爭地位與維持客戶資源，知識產權代理機構會積極主動地向企業宣傳相關的知識產權保護制度，強化產權保護意識，故地區知識產權代理機構密度能夠在一定程度上反映當地知識產權保護水平（Liu 和Jiang，2016）。

第四，控制變量（Controls）。參照以往文獻的研究，本文的控制變量主要包括：企業規模（Size），為公司年末資產的自然對數；資產負債率（Lev），為公司負債與資產的比值；凈資產收益率（Roe），為凈利潤與公司凈資產的比值；現金持有水平（Cf），用經營活動現金流量凈額除以總資產表示；公司成長性（Growth），用總資產增長率來表示；兩職合一（Dual），若董事長和總經理由同一人擔任取值為1，否則為0；股權集中度（Large），為第一大股東持股比例；董事會規模（Board），為董事會人數的自然對數；公司年齡（Age），用公司成立年限+1 的自然對數來表示；外商投資水平（FDI），用外商投資總額除以地區當年生產總值表示；財政支出（EXP），用地方財政支出除以地區當年生產總值來表示。此外，本文還控制了年份效應（Year）和行業效應（Ind）。

2.模型設定

為檢驗數字普惠金融、知識產權保護與企業創新的關系，本文借鑒吳超鵬和唐菂（2016）的研究，構建如下模型：

其中：i為企業i；t為第t年；α0為待估常數項；α1/α2用以估計模型中自變量（Indexi，t/IPPi，t）對因變量（RDi，t）的影響效應；α3為調節變量（IPPi，t）對數字普惠金融和企業創新的調節作用；∑Controlsi，t為模型中各控制變量；εi，t為隨機擾動項。

四、實證結果與分析

（一）主要變量的描述性統計

表1 列示了相關變量的描述性統計結果。數據顯示，研發投入（RD）的均值為0.021，中位數為0.018，均值大于中位數，表明樣本呈現右偏分布，且不同企業的研發投入強度存在差異。數字普惠金融指數（Index）的最大值為3.990，最小值為0.402，表明數字普惠金融發展水平具有一定的區域特征。從數字普惠金融的細分維度來看，覆蓋廣度（Cover）、使用深度（Use）與數字普惠金融指數（Index）的標準差接近，發展趨勢總體形式相同。技術市場交易規模（IPP1）的最大值和最小值分別是0.164 和0.000，知識產權代理機構密度（IPP2）的最大值和最小值為0.298 和0.001，表明部分地區的知識產權保護意識較差，且不同地區的知識產權保護水平存在較大差距。從控制變量來看，成長性（Growth）的均值為0.148，表明絕大部分的樣本企業成長性較好。股權集中度（Large）的均值為0.340，表明樣本企業中第一大股東的平均持股比例為0.340。此外，其他變量的取值與已有相關研究的統計結果差別不大，不再贅述。

表1 主要變量的描述性統計

（二）基準回歸分析

1.數字普惠金融與企業創新

表2 為數字普惠金融與企業創新的檢驗結果。（1）列回歸結果顯示數字普惠金融總指數（Index）與企業創新（RD）的回歸系數為0.006，在1%水平上顯著為正，表明數字普惠金融有助于促進企業自主創新，假設H1得到驗證。（2）～（4）列為數字普惠金融的細分維度對企業創新的影響。回歸結果顯示，數字普惠金融的覆蓋廣度（Cover）、使用深度（Use）與企業創新（RD）的估計系數均在1%水平上顯著為正，數字化程度（Dig）的回歸系數不顯著。上述回歸結果表明，數字普惠金融主要從覆蓋廣度和使用深度兩方面體現其共享、便捷、低門檻特性，從而提升企業的創新意愿。

表2 數字普惠金融與企業創新

2.數字普惠金融、知識產權保護與企業創新

表3 報告了數字普惠金融、知識產權保護與企業創新的檢驗結果。（1）、（2）列分別為技術市場交易規模（IPP1）與知識產權代理機構密度（IPP2）對企業創新（RD）的影響。其中，（1）列技術市場交易規模（IPP1）的回歸系數為0.028，在1%水平上顯著為正，表明技術市場規模越大，越有利于企業開展創新活動。（2）列知識產權代理機構密度（IPP2）的估計系數為0.018，在1%水平上顯著為正，回歸結果表明，當上市公司所在地區的知識產權機構密度越大，創新主體的成果越能受到保障，企業的創新積極性越高。綜合上述回歸結果分析，知識產權保護有利于促進企業創新，假設H2a 得到驗證。（3）、（4）列分別為技術市場交易規模（IPP1）與知識產權代理機構密度（IPP2）對數字普惠金融與企業創新的調節作用。回歸結果顯示，交乘項（Index×IPP1）與企業創新（RD）的估計系數為-0.009，在5%水平上顯著為負；交乘項（Index×IPP2）與企業創新（RD）的估計系數為-0.011，在1%水平上顯著為負，回歸結果表明，知識產權保護削弱了數字普惠金融對企業創新的正向促進作用，即兩者呈現出替代效應，支持了假設H3b。出現上述現象的原因主要是，數字普惠金融與知識產權保護均能激發企業的創新意愿，但是當兩者結合在一起時，他們的功能在一定程度上可以相互替代，從而出現了在知識產權保護水平越高的地區，數字普惠金融對企業創新的促進效應較弱的現象。

（三）穩健性檢驗

1.工具變量法（IV-2SLS）

為緩解數字普惠金融與企業創新之間存在的內生性問題，本文借鑒謝絢麗等（2018）的研究，采用省級互聯網普及率作為工具變量進行內生性檢驗。一方面，互聯網普及率與數字普惠金融的發展緊密關聯；另一方面互聯網普及率與企業創新不存在直接影響路徑。因此，互聯網普及率適合作為數字普惠金融的工具變量。工具變量的檢驗結果見表4 的（1）、（2）列所示。表4 的（1）列中互聯網普及率（Inter）的回歸系數在1%水平上顯著，數字普惠金融指數（Index）與互聯網普及率（Inter）的第一階段統計量F值為340.48，遠高于臨界值，表明不存在弱工具變量問題，互聯網普及率（Inter）作為數字普惠金融的工具變量是合適的。表4 的（2）列報告了第一階段的擬合值與企業創新（RD）的回歸系數在1%水平上顯著為正，表明在控制內生性問題后，本文的研究結果依然穩健。

2.Heckman 兩階段法

由于企業開展創新活動的過程中存在自我選擇效應，即企業增加創新投入可能是受其他因素的影響，且這些因素未能被基準回歸模型識別，從而導致本文的估計有偏。為此，本文使用Heckman 兩階段法來緩解企業創新的自我選擇效應，檢驗結果見表4 的（3）、（4）列所示。表4 的（3）列報告了在控制了公司規模、資產負債率、股權集中度、董事會規模、公司年齡、外商投資水平、財政支出等變量后進行Probit 估計的檢驗結果。（4）列報告了逆米爾斯比率（IMR）加入基準回歸模型的檢驗結果，回歸結果顯示，第一階段計算的逆米爾斯系數不顯著，表明不存在自選擇問題，本文的研究結果穩健。

3.傾向得分匹配法（PSM）

本文使用傾向得分匹配法來緩解可能存在的樣本選擇偏差問題，檢驗結果見表4 的（5）、（6）列所示。在控制了公司規模、股權集中度、董事會規模、公司年齡、外商投資水平、財政支出等變量后，在實驗組和控制組進行1∶1、1∶2 的近鄰匹配，分別得到4958、7127 個樣本，并將配對后的樣本重新帶入模型（1）中進行回歸分析。檢驗結果顯示，表4 的（5）、（6）列中數字普惠金融與企業創新的系數均在1%水平上顯著為正，本文的研究結果依然穩健。

表4 內生性檢驗

4.其他穩健性檢驗方法

除此之外，本文還進行了如下穩健性測試：

第一，替換被解釋變量。本文從創新產出角度，使用專利申請數量衡量企業的創新能力，具體地，企業創新為發明專利、實用新型專利與外觀設計專利申請總量的自然對數。表5 的（1）列報告了相關檢驗的回歸結果，結果顯示：交乘項（Index×IPP）與企業創新（RD）的估計系數顯著為負，回歸結論穩健。此外，借鑒魏浩和巫俊（2018）的做法，采用研究開發費用除以銷售收入的比值重新度量企業創新，表5 的（2）列檢驗結果顯示，交乘項（Index×IPP）與企業創新（RD）的估計系數為-0.384，在10%水平上顯著為負，與主回歸結論一致。

第二，替換解釋變量。本文將數字普惠金融指數取對數重新定義解釋變量，表5 的（3）列檢驗結果顯示，交乘項（Index×IPP）與企業創新（RD）的估計系數為-0.026，在5%水平上顯著為負，檢驗結果與主回歸結果一致。

第三，模型滯后一期。由于模型中可能存在變量遺漏和測量誤差等問題，本文采用對解釋變量滯后一期來緩解可能存在的反向因果關系導致的內生性問題，表5 的（4）列檢驗結果顯示，交乘項（Index×IPP）與企業創新（RD）的估計系數在10%水平上顯著為負，回歸結論與前文一致。

第四，更換數據源。參照唐松等（2020）的研究，本文將《北京大學數字普惠金融指數》的省份層面的數據替換為城市層面的數據，表5 的（5）列檢驗結果顯示，交乘項（Index×IPP）與企業創新（RD）的估計系數為-0.017，在10%水平上顯著為負，檢驗結果與主回歸結論一致。

第五，控制省份固定效應。本文在主回歸模型的基礎上將上市公司按其注冊地匹配到省份層面，同時控制省份、年度、行業效應，表5 的（6）列檢驗結果顯示，交乘項（Index×IPP）與企業創新（RD）的估計系數為-3.720，在1%水平上顯著為負，回歸結果穩健。

第六，加入遺漏變量。考慮到模型（1）中存在一定的遺漏變量問題，本文還控制了獨立董事比例（Ind）、資本回報率（Return）、管理費用率（Adm）、產業結構（IS）、市場化水平（Market）特征變量。其中，獨立董事占比用獨立董事與董事人數的比值表示；資本回報率為考慮現金紅利再投資的公司股票年度回報率；管理費用率用管理費用與主營業務收入的比值來衡量；產業結構為第二產業產值與地區生產總產值的比值；市場化水平采用王小魯等編制的《中國分省份市場化指數報告》中的市場化進程總得分來刻畫。表5 的（7）列檢驗結果顯示，交乘項（Index×IPP）與企業創新（RD）的估計系數為-0.009，在5%水平上顯著為負，回歸結論依然穩健。

表5 其他穩健性檢驗

五、拓展性檢驗

（一）數字普惠金融對企業創新的機制識別檢驗

依據前文的理論分析，數字普惠金融主要從降低企業的信息不對稱、融資成本和財務風險三條路徑，解決企業的融資難題和提高企業的創新意愿，進而促進企業創新。為進一步檢驗數字普惠金融對企業創新的機制黑箱，本文借鑒溫忠麟和葉寶娟（2014）的研究，構建了以下模型對上述路徑進行檢驗：

其中：i為企業i；t為第t年；α0、β0、γ0為待估常數項；α1、γ1用以估計自變量（Indexi，t）對因變量（RDi，t）的影響效應；β1為自變量（Indexi，t）對中介變量（ILLIQi，t、DEBTi，t、Z_Scorei，t）的影響效應；γ2為中介變量（ILLIQi，t、DEBTi，t、Z_Scorei，t）對因變量（RDi，t）的影響效應；∑Controlsi，t為模型中各控制變量；εi，t為隨機擾動項。參照王嘉鑫（2020）的研究，采用流動性比率作為信息不對稱（ILLIQ）的代理變量；參照Pittman 和Fortin（2004）的研究，采用企業的利息支出和有息債務總額的比值衡量債務融資成本（DEBT）；借鑒Castro et al（2020）的研究，采用風險Z值作為財務風險（Z_Score）的代理變量①風險Z 值的具體計算方法為：Z_Score=1.2×營運資金/總資產+1.4×留存收益/總資產+3.3×息稅前利潤/總資產+0.6×所有者權益賬面價值/負債賬面價值+0.999×銷售收入/總資產。，Z值越大，表明企業財務風險越小。

表6 報告了數字普惠金融對企業創新的影響機制檢驗結果。其中，表6 的（1）、（2）列為信息不對稱的中介效應檢驗結果，（1）列數字普惠金融（Index）的估計系數顯著為正，回歸結果表明數字普惠金融能夠降低信息不對稱。（2）列數字普惠金融（Index）與信息不對稱（ILLIQ）對企業創新（RD）的回歸系數均顯著為正，回歸結果表明信息不對稱在數字普惠金融與企業創新中存在部分中介效應。（3）、（4）列為融資約束中介效應的檢驗結果，（3）列數字普惠金融（Index）與融資約束（DEBT）的回歸系數為-0.015，在10%水平上顯著為負，回歸結果表明數字普惠金融能夠降低企業債務融資成本，進而降低企業的融資約束。（4）列數字普惠金融（Index）與融資約束（DEBT）對企業創新（RD）的回歸系數在1%水平上顯著，回歸結果表明融資約束在數字普惠金融與企業創新中存在部分中介效應。（5）、（6）列為財務風險中介效應的檢驗結果，（5）列數字普惠金融（Index）與財務風險（Z_Score）的回歸系數為0.068，在10%水平上顯著為正，回歸結果表明數字普惠金融的發展有利于企業財務風險的穩定。（6）列數字普惠金融（Index）與財務風險（Z_Score）對企業創新（RD）的回歸系數在1%水平上顯著，回歸結果表明財務風險在數字普惠金融與企業創新中存在部分中介效應，且部分中介效應占總效應的5.67%。與此同時，本文對中介效應進行了Bootstrap檢驗，相應的檢驗結果均通過了顯著性檢驗。綜上所述，數字普惠金融主要通過降低企業的信息不對稱、融資約束和財務風險這三條路徑來促進企業創新。

表6 數字普惠金融對企業創新的影響機制檢驗

（二）數字普惠金融對企業創新的經濟后果檢驗

前已述及，數字普惠金融通過降低信息不對稱、融資約束與財務風險三條路徑促進企業創新。那么，上述作用對企業及其地區經濟發展有何影響？為此，本文構建了以下模型來檢驗數字普惠金融的創新激勵效應帶來的經濟后果。

其中：i為企業i；t為第t年；α0為待估常數項；α1、α2為自變量（Indexi，t、RDi，t）對因變量（TQi，t、OIi，t、NCSKEWi，t、Economici，t）的影響效應；α3為交乘項（Indexi，t×RDi，t）對因變量（ILLIQi，t、DEBTi，t、Z_Scorei，t）的影響；∑Controlsi，t為模型中各控制變量；εi，t為隨機擾動項；TQi，t為企業價值；OIi，t為營業利潤率；NCSKEWi，t為股價崩盤風險，借鑒王翌秋和王新悅（2022）的研究，采用股票收益負偏態收益系數來度量；Economici，t為地方經濟增長率，采用當年國內生產總值GDP 的增長率來表示。

表7 報告了數字普惠金融對企業創新的經濟后果檢驗結果。表7 的（1）列交乘項（Index×RD）與企業價值（TQ）的估計系數為1.623，在10%水平上顯著為正，表明數字普惠金融對創新的激勵效應提升了企業價值。（2）列交乘項（Index×RD）與營業利潤率（OI）的估計系數為0.224，在10%水平上顯著為正，表明數字普惠金融對創新的激勵效應有助于提高企業的財務績效。（3）列交乘項（Index×RD）與股價崩盤風險（NCSKEW）的估計系數為-1.475，在1%水平上顯著為負，表明數字普惠金融降低信息不對稱和財務風險的特點，有利于降低企業的股價崩盤風險。（4）列交乘項（Index×RD）與經濟增長（Economic）的估計系數為0.060，在10%水平上顯著為正，表明數字普惠金融對企業的創新激勵還能進一步傳遞到宏觀層面的經濟增長。

表7 數字普惠金融對企業創新的經濟后果檢驗

（三）數字普惠金融、知識產權保護與企業創新的橫截面差異檢驗

1.規模效應

企業規模不同，預示著企業在環境和資源上及企業的創新行為存在較大差異。大規模企業往往代表著更高的信息披露質量與更強的融資能力，而信息透明度較低的小規模企業則更容易面臨融資約束困境。如趙曉鴿等（2021）的研究表明，受自身資源與外部融資能力的影響，小規模企業相較于大規模企業而言更加依賴金融市場環境。這是因為，小規模企業缺少相應的組織機構、人才資源等，其知識產權管理和運用水平、研發能力和抗風險能力較低。因此，若政府加強知識產權保護行為，小規模企業更愿意積極創新以獲得持久的市場競爭優勢，從而小規模企業對數字普惠金融與知識產權保護水平的敏感性較高。為此，本文按照企業市場占有率的中位數進行分組檢驗，市場占有率為企業營業收入與行業營業收入總額的比值，回歸結果見表8。表8 的（1）列小規模企業中交乘項（Index×IPP1）與企業創新（RD）的估計系數為-0.022，在1%水平上顯著為負；（2）列大規模企業中交乘項（Index×IPP1）與企業創新（RD）的估計系數不顯著。回歸結果表明，數字普惠金融通過精準的信息監測與處理系統，能夠更好的識別具有良好發展前景與創新意愿的小規模企業，從而提高資金配置效率。由于小規模企業更加需要知識產權保護制度維護其創新收益。因此，相較于大規模企業，數字普惠金融與知識產權保護的交互效應在小規模企業中效果更為顯著。

2.融資需求效應

通常，創新活動在研究與開發階段的資金投入規模較大，但留存收益往往不能滿足企業資金需求，此時，外部融資成為企業獲取資金的重要渠道。數字普惠金融不僅降低了企業的信貸交易成本，其“普惠”特性還拓展了金融服務的覆蓋范圍與觸達能力，為企業創新活動提供不竭的動力源泉。在此情況下，外部融資需求高的企業為提升自身償債能力，提高投資者或債權人的決策信心，將更依賴知識產權保護制度，以保障其壟斷收益。為此，本文借鑒鐘騰和汪昌云（2017）的研究，采用資本支出與營運現金的差與資本支出的比值作為外部融資依賴的代理變量，分組檢驗回歸結果見表8。表8 的（3）列為外部融資依賴較高組的檢驗結果，數字普惠金融與知識產權保護的交乘項（Index×IPP1）與企業創新（RD）的回歸系數為-0.021，在1%水平上顯著為負；（4）列為外部融資依賴較低組的檢驗結果，數字普惠金融與知識產權保護的交乘項（Index×IPP1）與企業創新（RD）的回歸系數不顯著。上述回歸結果表明，外部融資需求較高的企業，對數字普惠金融的需求更高，從而知識產權保護對數字普惠金融與企業創新的調節作用更加顯著。

3.階段效應

生命周期理論認為，不同的生命周期階段，企業的發展目標、組織特點和面臨的風險與市場環境不同，創新意愿與融資需求也有所不同。與成熟期企業相比，成長期企業具有迫切的市場份額擴張沖動與創新積極性，自由資金規模往往難以滿足其資金需求，而數字普惠金融的發展不僅能夠滿足其強烈的信貸需求，還能提升企業處理信息的能力與創新項目決策效率。與此同時，成長期企業的創新意愿更強，對知識產權保護制度也會更加敏感。因此，成長期企業對數字普惠金融與知識產權保護水平的依賴度更高。據此，本文參照Dickinson（2011）基于現金流的企業生命周期劃分方法，將初創期和成長期的樣本合并為成長期，成熟期和衰退期的樣本合并為成熟期，分組檢驗回歸結果見表8。表8 的（5）列成長期企業中交乘項（Index×IPP1）與企業創新（RD）的估計系數為-0.015，在5%水平上顯著為負；（6）列成熟期企業中交乘項（Index×IPP1）與企業創新（RD）的估計系數不顯著。上述回歸結果表明，數字普惠金融低成本、低門檻的優勢，為成長期企業提供了極大的創新融資便利，同時，成長期為保障其壟斷收益，對知識產權保護的需求也較高。因此，相較于成熟期企業，數字普惠金融與知識產權保護的交互效應在成長期企業中效果更為顯著。

表8 數字普惠金融、知識產權保護與企業創新的橫截面差異

六、研究結論與啟示

當前，大量文獻表明，金融體系具有識別篩選和資源配置功能，是創新驅動經濟增長的重要基礎制度。然而，鮮有學者關注到金融科技催生出新的金融服務模式能否助力于企業創新，以及在行業競爭壓力下，知識產權保護水平對數字普惠金融與企業創新的影響。本文將數字普惠金融、知識產權保護與企業創新納入同一框架進行探討，研究結果發現：第一，數字普惠金融主要通過降低信息不對稱、融資約束與財務風險三條路徑提高企業的創新積極性；第二，數字普惠金融對企業創新的激勵效應不僅能夠提升企業層面的創新價值績效與創新財務績效，還能影響企業在資本市場的股價崩盤風險，同時也能傳遞到宏觀經濟層面；第三，知識產權保護對數字普惠金融與企業創新的關系有負向調節作用，且該調節作用在小規模企業、外部融資依賴度高和成長期階段的企業中效果更為顯著。

上述結論不僅有助于透徹理解數字普惠金融和知識產權保護影響企業創新的傳導機理，同時也為當前的政策制定提供了一定的經驗參考和證據支持。通過前文研究，本文的研究結論具有如下啟示意義：

第一，應繼續發揮數字普惠金融的資源配置作用。本文的機制檢驗發現，降低信息不對稱、融資約束與財務風險是數字普惠金融促進企業技術創新的主要路徑，這為外部融資需求強烈、成長期與小規模企業提供了便捷的創新融資渠道。與此同時，從數字普惠金融的三個細分維度來看，數字化程度對微觀企業的支持程度還需繼續提高。因此，面對金融科技發展所帶來的機遇，政策制定部門應盡快推出數字普惠金融的支持政策，健全金融基礎設施，對融資需求旺盛、創新能力優質的企業給予足夠的金融支持。例如，針對中小企業融資難、融資慢、融資貴的問題，數字普惠金融應努力發揮其成本低、風險低、效率高、信息透明等方面的特征，從而為中小微企業提供多元化優質的數字融資渠道。

第二，應適度提高知識產權保護的執法力度。前文的檢驗結果表明，知識產權保護雖然能夠促進企業創新，但過高的知識產權保護水平會減少企業相互學習、吸收先進技術的機會，從而減弱數字普惠金融對企業創新的激勵效應。由此，應提倡適度的知識產權保護，防止過高的知識產權保護帶來的壟斷勢力阻礙市場良性競爭，從而打擊企業自主創新的信心，弱化數字普惠金融對企業創新的貢獻，即應努力協調政府的“保護”作用與市場的資源配置作用。因此，政策部門應制定合適的知識產權保護政策，平衡各類企業的創新需求。

第三，應激活企業創新需求，服務“雙循環”戰略。隨著國內外政治、經濟環境的變化，國際國內雙循環戰略已成為新時期我國保持國際競爭力的必然選擇。本文的研究發現，數字普惠金融不僅有利于提高企業在產品市場和資本市場的表現，還能進一步促進地區經濟增長，進而推動國內經濟高質量發展。因此，在雙循環戰略下，我國應從需求端完善知識產權保護制度，釋放企業創新活力；從供給端提高金融服務可獲得性，為企業提供融資便利，激發創新積極性，從而提高創新質量。