數字金融對實體經濟技術創新的影響研究

徐文迪

(蘇州大學商學院 江蘇蘇州 215006)

長期以來，我國支撐實體經濟尤其是先進制造業的核心技術存在發展瓶頸，創新是實體經濟發展的第一動力。習近平總書記在黨的二十大報告中強調，堅持把發展經濟的著力點放在實體經濟上，加快實施創新驅動發展戰略，推動實現高水平科技自立自強。當前，我國經濟處于向高質量發展的轉型階段，技術創新是加快制造業提質增效、推進制造強國建設的關鍵。

金融是實體經濟的血脈，充分發揮金融對實體經濟的支持作用有助于宏觀經濟的穩定。傳統金融出于成本因素，存在規模歧視和特有的所有制偏見問題，很大程度上制約了企業在生產研發過程中的技術革新。近年來，隨著大數據、云計算、移動互聯網的快速發展，數字技術與金融業不斷融合，將大數據、區塊鏈、人工智能等技術應用到金融行業的數字金融新業態應運而生。數字金融憑借低成本、高效率及更強的地理穿透優勢，能夠有效拓寬融資渠道，打破傳統金融服務的時間與空間局限，有效解決企業融資難、融資貴的困境，驅動企業去杠桿、穩定財務狀況，激發企業技術創新產出內生動力。如何充分利用數字普惠金融驅動實體經濟創新是破解傳統金融領域難題及實現經濟高質量發展的重要抓手。

1 相關文獻綜述

金融對企業技術創新能力的影響往往體現在融資約束方面。唐松等(2020)研究發現，數字金融的發展能夠有效校正傳統金融中的錯配問題，對企業技術創新存在“結構性”驅動效果。孫繼國等(2020)利用雙重差分模型驗證了普惠金融對中小企業創新能力具有正向影響作用。萬佳彧(2020)從融資結構的角度出發，進一步驗證了數字普惠金融通過改善企業融資結構從而對企業創新績效產生正向促進效應。賈俊生等(2021)指出，數字普惠金融通過降低評估審批成本、企業融資門檻及信息不對稱三個方面正向激勵企業創新活動。趙曉鴿等(2021)基于金融錯配視角，研究發現數字普惠金融能夠顯著緩解企業金融錯配程度，進而對企業創新產生促進效應。馬穎超、劉樹林(2022)同樣驗證了普惠金融發展能較好地紓解民營企業普遍存在的融資約束問題，提振實體經濟創新發展。

關于數字金融的影響效應評估，國內學者主要從數字普惠金融對產業結構、經濟發展質量、居民消費結構的影響等方面進行研究。唐文進等(2019)通過研究發現，數字普惠金融對產業結構升級的促進作用存在門檻效應，當其發展到一定程度時，對產業結構升級的促進作用消失。程宇(2022)通過研究發現，數字金融在加快產業結構整體升級的同時，還推動了產業結構高級化發展。張慶君和黃玲(2021)研究發現，數字普惠金融能擴大傳統金融服務覆蓋范圍，加速推動產業結構升級，進而促進經濟發展，但對經濟發展質量沒有顯著影響。李牧辰等(2020)從金融排斥理論和金融功能觀出發，實證檢驗發現數字普惠金融的發展總體上縮小了中國城鄉居民收入差距，主要體現為覆蓋廣度和使用深度帶來的影響。杜家廷等(2022)研究發現，數字普惠金融主要通過農村經濟發展和農村居民經營性收入增長兩條路徑對中國農村居民消費結構升級具有顯著的促進作用，且這種促進作用呈非線性形態。

通過對以上文獻的梳理可以看出，有關金融市場與企業創新的關系及數字金融的影響效應評估研究已經較為豐富，但是數字金融這一新型金融體系對實體經濟整體創新水平作用機制的研究目前還比較匱乏，尤其是數字金融通過哪些途徑對實體經濟創新形成影響還缺乏進一步理論和實踐的深入論證。因此，本文立足數字普惠金融對規模以上工業企業創新水平影響作用效果的視角，選取北京大學數字金融研究中心測算的數字普惠金融指數作為解釋變量，實證研究其對實體經濟創新的影響。本文在原有文獻的基礎上，將數字金融劃分為三個維度指標，即以覆蓋廣度、使用深度和數字化程度作為二級解釋變量，探究數字普惠金融發展的不同維度指標對實體經濟創新的影響機制，并將樣本劃分為長江經濟帶和非長江經濟帶研究其作用效果的區域異質性，以期對數字普惠金融的實踐研究做進一步的延續和拓展。

2 實證設計

2.1 計量模型

針對需要探究的研究假說，本文經驗模型的設定思路主要著眼于檢驗中國各省份地區的數字金融發展水平對該區域實體經濟創新活動的影響效應，基準回歸模型方程具體設定如下：

其中，因變量Innovation用來度量中國省份地區i在年份t中的創新活動的代理指標；DFit表示數字金融發展水平，包括數字金融總指數、數字金融覆蓋廣度、數字金融使用深度及普惠金融數字化程度；X為一系列可能影響實體經濟創新活動的控制變量，包括投資強度、環境規制、政府干預程度、進出口貿易和基礎設施。為了控制不同省份的地區差異與不同年份的時間差異，模型中分別加入了地區固定效應δi以及年份固定效應ρt，前者用來控制不同省份地區由于經濟發展水平差異、地緣政治因素等對地區實體經濟創新活動可能造成的差異性影響；后者用來控制外部宏觀環境的變化或歷史發展戰略更迭等因素造成的影響。εit為隨機擾動項，β0為常數項，β1為數字金融變量系數。

2.2 變量說明和數據

本文各省份地區數據的樣本期為2011—2020年。其中，主要被解釋變量為實體經濟創新能力，在借鑒既有文獻的基礎上，使用中國各省份地區的規模以上工業企業專利申請數進行衡量，具體數據來自《中國科技統計年鑒》。本文的核心解釋變量為數字普惠金融指數，數據來源于2020年北京大學數字金融研究中心編制的數字普惠金融指數體系，其中選取數字金融覆蓋廣度、數字金融使用深度及普惠金融數字化程度考察各維度對實體經濟創新能力的影響。

為了盡可能解決計量方程式中由于遺漏變量造成的偏誤問題，本文在控制變量集X中所設置的變量包括：(1)投資強度(inv)。以中國各省份地區的固定資產投資占該地區GDP的比重計量，各省份地區固定資產投資數據源自《中國統計年鑒》。(2)環境規制(env)。以各省份工業污染治理投資占工業增加值的比重計量，數據來源于《中國統計年鑒》和《中國環境統計年鑒》。(3)政府干預(gov)。以各省份一般公共預算支出占GDP的比重衡量，數據來源于《中國統計年鑒》。(4)進出口貿易(tra)。以各省份貨物進出口總額占GDP的比重計量，各省份貨物進出口總額數據源自《中國金融統計年鑒》。(5)基礎設施(fra)。以各省份公路里程與鐵路里程的總和與各省份面積的比值，即交通密度(公里/平方千米)衡量，數據來源于《中國統計年鑒》，主要變量的描述性統計如表1所示。為減少異方差問題對實證結果產生較大誤差影響，本文對所有變量數據做對數化變換處理。

表1 主要變量的描述性統計

3 實證分析

3.1 主回歸結果

由表2第1列回歸結果可以看出，數字普惠金融指數對實體經濟創新水平的影響在1%的統計水平上顯著為正，系數為4.85，表明數字金融發展與實體經濟創新呈顯著的正相關關系，數字金融的發展能夠顯著改善實體經濟創新。表2第2～4列回歸采用逐步回歸法依次添加控制變量投資強度(inv)、環境規制(env)、政府干預(gov)、進出口貿易(tra)和基礎設施(fra)，以緩解遺漏變量對因果效應估計的干擾。觀察其結果，數字金融對實體經濟創新影響的系數始終在1%的水平上顯著為正。分析以上結果的主要原因，在以大數據、人工智能為基礎的數字化技術支持下，數字金融打破了傳統金融服務的時間和空間限制，憑借其低成本優勢使金融服務更具普惠性。數字金融的縱深發展拓寬了企業融資渠道，降低融資環節的冗余成本，有利于實現資源的高效配置，讓一切創新源泉充分涌流，進而促進實體經濟創新水平的提升。

表2 主回歸結果

對于控制變量來說，投資強度對實體經濟創新有顯著的促進作用，在1%的統計水平上顯著為正，其系數絕對值也相對更高，說明進一步的投資支持有助于激發企業內生創新動力，增強研發創新能力。類似地，環境規制對實體經濟創新的影響也顯著為正，由于對工業企業環境保護標準的提高增加了企業污染治理的成本，一味增加排污支出不符合企業利潤最大化原則，因此工業企業會通過技術創新改進生產技術和生產效率，提升綠色創新水平來補償增加的污染費用。

3.2 分維度檢驗

本文在主回歸結果的基礎上，根據北京大學數字普惠金融指數，將數字金融指標體系細分為三個維度，分別為數字金融覆蓋廣度、數字金融使用深度和普惠金融數字化程度，進而從數字金融的各個角度探究其對實體經濟創新能力的影響差異，如表3所示。覆蓋廣度衡量了能夠通過電子賬戶得到相應服務的用戶數量；使用深度體現了各省份地區實際使用貨幣基金、信貸和保險等數字金融服務的情況；數字化程度體現了用戶使用數字金融服務的成本與門檻。

表3 分維度回歸結果

由表3可以看出，在控制一系列控制變量后，數字金融覆蓋廣度的系數為0.172，作用效果在1%的統計水平上顯著為正，說明數字金融覆蓋廣度對實體經濟創新水平具有顯著的激勵作用。數字金融使用深度的回歸結果在10%的統計水平上顯著為正，說明數字金融的使用程度越深，數字金融服務的可抵達性就越強，進而緩解融資約束，促進實體經濟創新。這兩列回歸結果初步表明，數字金融的覆蓋廣度和使用深度在一定程度上從正向效果影響了我國實體經濟的創新活動，促進創新水平的提升。結合最后一列的回歸結果分析表明，普惠金融數字化程度對實體經濟創新水平的影響在10%的統計水平上顯著為負，即普惠金融數字化程度對省份地區的規模以上工業企業的專利申請數產生了異常的阻礙作用，可能是由于金融監管往往滯后于金融數字化水平的發展，使企業獲得了較為寬松的數字金融環境，從而降低了投資現金流的敏感性，弱化了內部研發的創新動力，對核心業務產生“擠出效應”。數字化程度較高的普惠金融企業能夠利用數字金融市場的風險監督漏洞轉移業務風險，從而削弱了內部創新監督的動機，對實體經濟創新水平造成負面影響。

3.3 區域異質性

考慮到數字金融對實體經濟創新的激勵效應在經濟發展水平和地域資源存在差距的地區存在一定的差異，本文基于經濟發展水平和地理區位將全樣本劃分為長江經濟帶和非長江經濟帶兩個區域，進一步檢驗不同區域間的數字普惠金融發展水平對實體經濟創新作用是否存在異質性(見表4)。

表4 分區域回歸結果

由表4的實證結果可知，在長江經濟帶和非長江經濟帶，數字金融對實體經濟創新激勵效應的顯著性極強。在添加控制變量后，長江經濟帶數字金融總指數的顯著系數為0.564，通過了5%的統計顯著性檢驗；而在非長江經濟帶的省份地區，數字金融與實體經濟創新的相關系數為0.291，相較低于在長江經濟帶的顯著水平，但同樣通過了5%的顯著性檢驗。上述結果意味著，在技術優勢明顯、投資空間寬裕的長江經濟帶，數字金融發展擁有更為健全的金融市場與生態環境支撐，因此更能充分發揮其對實體經濟創新的促進效應；而在經濟發展水平相對落后的非長江經濟帶，數字金融憑借其普惠性與低成本優勢，能有效緩解企業創新融資約束，對促進該區域實體經濟創新扮演“雪中送炭”的角色，但由于金融數字化和信息化的特性對技術水平和基礎設施建設存在一定的要求與限制，數字金融對經濟欠發達地區的創新補充效果仍有進一步優化的空間。

3.4 穩健性檢驗

數字金融發展與實體經濟創新之間可能存在反向的因果關系，即實體經濟創新可能反過來作用于數字普惠金融發展，導致結果因存在內生性問題而出現偏差。為了弱化可能存在的反向因果關系，本文分別采用了滯后一期與滯后二期的解釋變量和控制變量對樣本數據再次進行回歸分析，以檢驗數字金融發展對實體經濟創新的影響是否具有穩健性。由表5可知，在數字金融總指數及相關控制變量都采用滯后數據的情況下，數字金融對實體經濟創新在1%的水平上仍有顯著的正向影響，說明本文的結果不受反向因果問題的影響。

為進一步緩解內生性問題對結果的干擾，本文采用工具變量法進行最小二乘法估計，選擇工具變量為滯后一期的數字金融總指數，估計結果如表5所示。由表5可以看出，數字金融與實體經濟創新顯著正相關，說明發展數字普惠金融確實能促進實體經濟創新發展，與本文預期結果一致。以上結果說明，使用工具變量控制模型的內生性問題后，關鍵結果并未發生明顯改變，說明主效應的回歸結果非常穩健。

表5 穩健性檢驗結果

考慮到北京、上海、天津、重慶四個直轄市在經濟實力、科技水平及政策優惠等方面都優于一般省份地區，本文剔除了直轄市的樣本數據，并在此基礎上重新進行了主回歸。在剔除直轄市樣本后，數字普惠金融的發展依然顯著正向影響工業企業創新水平，同時固定資產投資強度依然是對實體經濟創新產生影響最顯著的作用渠道，上述結果均驗證了本文結論的穩健性。

4 結語

4.1 研究結論

為探究數字普惠金融對實體經濟創新的影響效應和作用機制，本文基于2011—2020年我國多個省份地區的面板數據，采用雙向固定效應模型，從多角度研究了數字金融發展對實體經濟創新水平的影響作用。主要有以下結論：第一，數字普惠金融發展可以直接顯著提升實體經濟創新水平。細分來看，數字金融覆蓋廣度對實體經濟創新的促進作用更加明顯，在1%的統計水平上顯著為正，數字金融使用深度對實體經濟創新的促進作用在10%的統計水平上顯著為正。第二，數字普惠金融對實體經濟創新的影響存在區域異質性，對地處長江經濟帶數字化、信息化程度高，投資力度大，且基礎設施相對健全的經濟發達省份和城市的促進效應更為顯著。第三，通過工具變量、替換核心變量和刪除直轄市樣本作為穩健性檢驗，其實證結果仍與本文主要結論一致。

4.2 研究建議

綜上所述，本文有以下三點政策建議：第一，搭建數字普惠金融生態圈，構建普惠金融新生態。構建“產業+科技+金融”協同發展的數字金融生態體系，破除數字壁壘和信息孤島的困境，提高資源在創新領域的配置效率，推動區域內部優勢互補，緩解制造企業在研發、生產、經營過程中的融資困境，賦能實體經濟創新發展。第二，加大數字普惠金融投資力度，尤其是加快欠發達地區的移動互聯基礎設施建設。支持和推動以5G網絡、物聯網等為代表的數字基礎設施建設，擴大數字金融覆蓋廣度，優化通信環境，提高數字金融服務實體經濟的效率。第三，完善金融監管制度，引導數字金融健康有序發展。監管部門要根據數字金融的發展特性和運行規律制定針對性的監管方案，規范數字金融相關業務的市場準入機制，建立健全數字金融征信體系，防范可能存在的系統性風險，營造良好的制度環境，以保障數字金融對實體經濟創新促進作用的有效發揮。

政府需重視發展數字普惠金融對實體經濟創新的驅動作用，最大程度地發揮數字金融的普惠性、包容性和地理穿透優勢，深度激發實體經濟創新發展的內生動力，從而更好地引領我國經濟高質量發展。