金融科技及負債水平對企業創新的影響研究

陳亞如

(安徽大學 商學院，合肥 230601)

一、引言

創新是企業在競爭中獲得優勢的重要利器，也是促使企業轉型升級的必要因素。金融業的發展作為企業創新過程中重要的外部環境，為企業提供穩定的資金保障，促進企業創新活動的順利實施。通常情況下中小企業將負債融資作為其獲得外源性融資的首要選擇，但部分企業往往會因為其自身規模小、可供抵押資產少等原因使其在融資過程中受到較大的約束。缺少必要的資金支持，企業的創新活動也無法順利開展。當前大數據、云計算等新興科技與金融的融合代表了全球金融發展的趨勢，科技與金融的深度融合對傳統金融行業帶來的較大的影響，打破了傳統金融的壁壘，改變了金融行業中信息不對稱、中小企業融資門檻高等現狀，為企業創新提供了堅實的資金基礎。長三角地區是我國經濟較為發達的地區，匯聚了上海、南京、杭州、合肥等經濟發達城市，擁有同濟大學、復旦大學、南京大學、浙江大學、中國科學技術大學等眾多國內高等學府，具有較強的金融科技及人才優勢。本文以長三角地區上市公司數據為樣本，分析金融科技、負債水平與企業創新之間的關系，為中小企業在創新方面提供借鑒。

二、理論基礎與研究假設

(一)企業創新

通過梳理文獻發現，研究者主要從投入和產出兩方面測度企業創新：投入方面主要用當期企業研發投入與營業收入的比值、研發支出與總資產的比值兩種；產出角度主要包括期末專利申請量、授權等。由于國泰安數據庫中各上市公司的專利數量數據只記錄至2017年，不能滿足研究中所需2014—2019年的實驗數據，故選擇參考文獻[2]從投入角度測度企業的創新活動。

(二)金融科技與企業創新

已有文獻對金融科技的測度方法大致分為兩種，沈悅和郭品、李春濤等采用“文本挖掘法”，主要通過網絡爬蟲技術檢索金融科技等關鍵詞出現在新聞中以及百度搜索引擎中的頻率，并對得到數據進行處理后作為金融科技的衡量指標。為了避免網絡爬蟲技術測度金融科技的誤差，郭峰等構建了2011—2020年數字普惠金融指數第三期來測度金融科技。除了采用金融科技整體指數測度對企業創新活動影響之外，在穩健性檢驗過程中從數字金融的覆蓋廣度、使用深度、數字支持服務程度三方面分析金融科技發展對企業創新的影響。基于此提出假設1：

H1：金融科技的發展有助于促進企業創新活動。

(三)負債水平、金融發展程度與企業創新

充足的資金投入是企業創新活動順利實施的重要保障，而負債融資是企業獲得外源融資的重要途徑，故企業通常會采取負債融資來為企業的創新活動獲取資金，即隨著企業負債水平的升高會促進企業開展創新活動。但也有學者認為，負債水平提升的同時會加大企業的經營風險，由于企業創新活動的結果不確定，加之中小企業獲得融資的門檻較高，很有可能會導致企業的初始投資資金陷入無法回流的狀態，加大企業的財務風險和管理風險，管理者則出于保證公司可持續經營的目的，會相應降低企業負債融資水平，因此會限制企業的創新活動。但隨著金融科技促進金融行業發展，中小企業融資門檻降低，企業融資難的狀況得到了緩解，大大促進了中小企業投入創新活動的積極性。基于此提出假設2和假設3：

H2：負債水平對企業創新活動產生負向影響。

H3：金融發展程度在負債水平和企業的創新活動中起到正向調節作用。

三、數據分析與實證模型

(一)樣本數據說明

為了驗證所提出的假設，研究中所采用的數據來源：(1)由北京大學數字金融研究中心課題組2021年4月17日發布的2011—2020數字普惠金融第三期；(2)2014—2019年安徽省、江蘇省、浙江省、上海市全部A股上市公司有關企業負債水平、企業創新以及其他相關變量的信息，數據來自三省一市的統計年鑒以及國泰安數據庫(CSMAR)。同時剔除上市公司中以下數據：(1)金融業、房地產業類的公司；(2)ST及 *ST類的公司；(3)上市公司相關數據不足5年的；(4)資產負債率小于0和大于1的公司；(5)相關財務數據缺失的公司。此外，為使實證結果不受極端值的影響，對主要樣本數據進行1%以下和99%以上的縮尾(Winsorize)處理，最終得到737家上市公司數據，共4351個樣本量。

(二)變量定義與模型設計

1.變量定義

變量定義示于表1。

表1 變量及變量定義

2.模型設計

為了驗證假設1中金融科技對企業創新的影響，構建模型(1)：

RD

=

α

+

α

FinTech

+

α

Size

+

α

Age

+

α

ROA

+

α

Equity

+

α

CQ

+

ε

(1)

為了驗證假設2負債水平對企業創新活動的影響，構建模型(2)：

RD

=

β

+

β

Lev

+

β

Size

+

β

Age

+

β

ROA

+

β

Equity

+

β

CQ

+

θ

(2)

為了驗證假設3金融發展程度在負債水平對企業創新中的調節作用，構建模型(3)：

RD

=

γ

+

γ

Lev

+

γ

Fd

+

γ

Lev

*

Fd

+

γ

Size

+

γ

Age

+

γ

ROA

+

γ

Equity

+

γ

CQ

+?

(3)

其中：模型(1)～(3)中的

α

、

β

、

γ

分別為回歸過程中出現的常數項；

α

、

β

、

γ

、

γ

為回歸過程中解釋變量系數，

α

、

β

、

γ

為回歸結果中的各個控制變量的系數；

ε

、

θ

、?為回歸過程中可能出現的誤差。模型(3)中的

γ

為回歸過程中公司負債水平與金融發展程度交互項的系數。

四、檢驗結果與分析

(一)描述性統計

表2是相關變量的描述性統計分析結果。結果顯示，

RD

均值、標準差、最大值以及最小值分別是0.037、0.035、0.194、0.000，表明長三角地區整體的創新投入水平偏低，且投入水平之間差別較大，企業的創新意識仍有較大的強化空間。各省份的負債率均值為0.397，且其變動范圍比較大，由此可見各省的A股上市公司負債水平分布廣泛，且負債率較低的上市公司比較多。也可以看出各省份的金融科技發展狀況和金融發展狀況差別較大。

表2 變量描述性統計分析

(二)相關性分析

表3是對所需變量進行相關性分析的結果。從表3可以得到，統計結果和前文提出的假設1、假設2初步一致，金融科技的發展促進企業創新的效果顯著，相關系數為0.071，且在1%的水平上與企業創新正相關；企業負債水平和企業創新的相關系數為-0.270，隨著負債水平的提升，企業的創新活動會被抑制，即負債水平和企業創新之間呈現顯著負相關關系。且研究所選取的控制變量整體上也和企業創新顯著相關。從相關系數的大小來看，各個變量的相關系數均小于0.7，故回歸模型受多重共線的影響較小。

表3 變量相關性分析

(三)回歸分析

1.金融科技與企業創新

表4中模型(1)列為金融科技對企業創新影響的實證結果。可以看出，金融科技在1%的水平上能夠顯著促進企業的創新活動，即假設1得到了驗證。隨著人工智能、大數據等新興技術與金融業的不斷融合，數字普惠金融克服傳統金融壁壘，實現對金融業的變革。金融科技公司運用大數據、云計算等可以從整體上了解消費者的偏好、習慣，進而為消費者提供更加符合其需求的產品，顯著促進電子商務的發展，引導社會消費，改善消費總量和消費結構，從而推動中小企業創新發展。

表4 變量回歸結果分析

2.負債水平與企業創新

表4中模型(2)列為負債水平對企業創新活動影響的實證回歸結果。結果顯示，長三角地區A股上市公司的負債水平與企業創新呈現顯著的負相關關系，實證回歸結果與提出的假設2相吻合。當公司負債增加時，會降低公司的財務彈性，同時也會增加公司的經營風險。過高的資產負債率可能會導致企業資金回流困難、收支難以平衡。當公司管理者洞察到負債可能會使企業陷入不利地位時，為了規避風險，管理者通常會降低負債等籌資活動，從而使企業的投資大大縮減，導致企業的創新活動因受到資金的約束而被抑制，從而會對企業創新產生負向影響。

表4中模型(3)列為在金融發展的調節作用下企業負債水平對企業創新影響的實證回歸結果。結果顯示，負債水平和金融發展程度的交互項(

Lev

*

Fd

)則與企業的創新活動呈現出顯著的負相關關系，證明了調節變量是有效的，強化了負債水平對企業創新活動的負面影響。同時回歸結果也驗證了提出的假設3。

此外，從所選擇控制變量的回歸結果可以看出，相較于規模較大的企業而言，中小企業有助于正向促進企業的創新活動。其原因是規模較大的企業可以憑借其自身的資源優勢、雄厚的抵押物以及良好的信用優勢更容易獲得融資，而中小企業由于成立的時間短、規模小、固定資產較少，在創業初期容易陷入融資困境。隨著新興科技賦能金融，傳統金融行業得到迅速發展，數字普惠金融使得中小企業的融資門檻大大被降低，中小企業在能承受的負債比率下有更多的渠道獲得資金來對企業進行創新。根據產權性質與企業創新的回歸結果中發現，與國有企業相比，非國有企業更有助于正向促進企業的創新活動。國有企業由于有比較好的信用基礎，國有背景可以使其長期得到政府政策和國有銀行的資金支持，可以獲得較多的信貸優惠和融資便利。而非國有企業大多數以企業自身是否盈利為目標且受政府以及國有銀行的政策資助相對較少，較難獲得外源性融資。金融科技與數字普惠金融的發展，使得大部分非國有企業滿足了資金的需求，有利于更多的非國有企業積極推動自身企業的創新活動。

五、穩健性檢驗

(一)替換被解釋變量

考慮到部分企業的收入有可能會被盈余操縱從而導致企業收入數據失去可信度，故用企業當期期末研發支出總數與當期期末總資產加一之后取對數來測度企業的創新活動。分別將模型(1)、(2)、(3)中的被解釋變量的測度方法替換后得到表5中

RD

、

RD

、

RD

，對實證結果進行穩健性檢驗。檢驗結果發現，金融科技與企業創新在1%水平上顯著正相關，負債水平與企業創新在1%的水平上顯著負相關，金融科技與企業的創新活動在1%的水平上顯著正相關；金融發展程度有效促進負債水平與企業創新活動之間的負相關關系。與表4回歸結果一致，研究涉及的主要結論沒有發生變化。

表5 替換被解釋變量后的回歸分析

(二)替換解釋變量

為了保證金融科技對企業創新影響研究的可靠性，表6分別為從覆蓋廣度(

Coverage

)、使用深度(

Usage

)、數字支持服務程度(

Digital

)三個維度對模型(1)中的金融科技進行替換從而對結果進行穩健性檢驗，得到

FinTech

、

FinTech

、

FinTech

。檢驗結果表明，覆蓋廣度對于長三角地區的影響程度最大，覆蓋廣度主要是反映了一個地區的金融環境；使用深度和數字支持服務對企業創新的影響大致相同，主要反映了一個地區對金融科技的接受情況，且三者都對企業創新均產生顯著的正向影響。穩健性檢驗的結果與表4實證分析結果一致，研究的主要結論也沒有發生變化。

表6 替換解釋變量后的回歸分析

六、結語

通過對長三角地區全部A股上市公司數據研究分析得出如下結論：(1)大數據、云計算等科技與金融的融合推動金融業的迅速發展，對傳統金融帶來創新性變革。(2)負債水平會對企業創新產生抑制效應。由于中小企業自身較難獲得外源性融資，隨著負債融資的提高會大大加大企業陷入收支不平衡、資金周轉不靈困境的可能性，此時管理者就會通過減少負債融資來降低風險，資金不足使得企業的創新活動被擱置。(3)金融科技與數字普惠金融的發展，對中小企業獲得融資帶來了巨大的便利，金融發展程度在企業的負債水平與企業的創新活動中起到正向調節的作用。

金融科技在為企業帶來融資便利的同時，也提高了企業的經營風險。金融監管部門應謹慎監管金融科技發展過程中可能會誘發的金融風險，規范監管機制，提高金融風險監管的效率。

由于企業的創新過程具有周期長、風險大且結果不確定等特點，因此企業應該根據實際運行情況合理安排負債融資規模以及企業的創新結構，避免資金過度投入創新活動導致資金難以回流等不利于企業經營的狀況發生。

注釋：

①該指數一共發布了三期數據：2016年發布2011-2015年數據；2019年發布2016-2018年數據；2021年發布2019-2020年數據。