數字金融能否緩解企業策略性創新？

劉柳 宋國玉 朱浩

摘 要：創新是我國經濟轉型升級和實現高質量發展的重要驅動力，但一直受高調整成本和高融資成本“雙高”問題的困擾，而數字金融的發展，增強了金融供給能力，并顯著改善了金融服務的可得性和便利性，有助于緩解企業創新融資難的問題，同時驅動企業創新并改善創新結構。本文基于數字普惠金融指數和2011—2020年A股上市企業樣本數據，實證檢驗了數字金融對企業創新的影響。研究發現：（1）數字金融具有促進企業高質量創新的激勵效應；（2）數字金融對緩解政府創新補助誘發企業策略性創新具有調節作用。

關鍵詞：數字金融；數字普惠金融指數；策略性創新；激勵效應；調節作用

本文索引：劉柳，宋國玉，朱浩.<變量 2>[J].中國商論，2023（13）：-125.

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2023）07（a）--04

1 引言

創新作為具有典型投入沉沒性、過程不可逆及產出不確定的長周期、高風險正外部性強的活動，一直受到高調整成本和高融資成本“雙高”問題的困擾，其持續性更需要穩定且充足的資源保障。近年來，依托大數據、云計算、區塊鏈、人工智能等新興信息技術的快速發展及其向傳統領域的加速滲透融合，我國數字金融實現跨越式發展，切實增強了金融供給能力，并顯著改善了金融服務的可得性和便利性。鑒于此，探討和分析具有打破時空約束、便捷、低成本、低門檻特征的數字金融，能否驅動我國企業創新并改善創新結構，助力高質量創新以擺脫“低端鎖定”和“量大質低”的創新困境，成為國內外學者的研究熱點，并具有較強的現實指導意義。對此，本文聚焦并嘗試回答以下兩個問題：一是數字金融促進企業創新并改善企業創新結構了嗎？二是數字金融是否緩解了政府創新補助誘發的企業策略性創新？

基于此，本文利用數字普惠金融指數和2011—2020年A股上市公司數據，實證檢驗了數字金融發展對企業創新結構的影響及其對政府創新補助誘發的企業策略性創新行為的緩解作用。

2 理論分析與研究假設

2.1 數字金融與企業創新

數字金融是利用互聯網技術和移動通信技術等現代信息技術，實現資金融通、支付、投資和信息中介服務的一種新興金融服務模式，通過場景、數據和結合金融創新產品來補足傳統金融服務的短板，充分發揮“成本低、速度快、覆蓋廣”的優勢，降低金融服務門檻與金融交易成本，有助于緩解企業融資約束和提高創新效率，進而促進高質量創新。

一方面，數字金融借助現代信息技術可觸及較為廣泛的尾部群體，有效擴大資金來源為緩解企業融資約束提供了可能。數字金融采集企業創新主體在互聯網上沉淀的大量行為數據等軟信息，有助于解決企業內部和外部信息不對稱。基于大數據分析為降低風險評估成本提供了可能，一是精準識別具有價值的創新項目，避免迎合政府政策而實施低價值策略性創新；二是實現投資者對創新主體信用評估的同時，有效彌補了其硬信息不足的劣勢，有助于緩解創新活動信息不對稱導致的融資約束，助其跨越創新的資金門檻，推動開展高質量創新活動。

另一方面，數字金融作為一種金融溢出，在一定程度上能夠驅動傳統金融體系重塑，獨特的數據優勢有助于實現對企業復雜信息的整合和處理，更深層次的數字支付、數字信貸等業務形態能有效緩解借貸雙方的代理沖突。數字金融的發展能將更多的創新主體融入主流金融服務中，在此過程中，提升類金融能力和人力資源水平，并促進其從開放式創新中獲益。依托數據分析和共享，以較低的通信和復制成本幫助企業進行新產品研發創新，有助于提高企業創新效率。據此，本文提出假說H1：

H1：數字金融正向激勵企業高質量創新，但對企業策略性創新沒有刺激作用。

2.2 數字金融與企業策略性創新

創新補助作為政府刺激企業創新水平提升的重要政策工具，在我國取得了顯著成效，并一直是創新領域研究的熱點。現有文獻指出，資源獲取和信號傳遞是創新補助影響企業創新的重要渠道，與創新補助激勵效應得到證實的還有扭曲效應，創新補助不完全契約屬性易誘發企業實施“尋扶持”的策略性創新，期望通過獲得補助緩解融資約束和應對經營風險，進而追求創新“數量”迎合補助政策，忽視“質量”衍生“專利泡沫”，資源配置過程中，尋租行為也會加劇扭曲效應。上述分歧說明“市場失靈”與“政府失靈”可能同時存在。如何緩解創新補助扭曲效應和修正企業策略性創新成為政府創新補助體系優化和完善的關鍵。

數字金融借助現代信息技術運用和金融服務的快速供給，有助于削弱企業策略性創新動機，進而緩解政府創新補助誘發的策略性創新行為。首先，數字金融對企業創新融資環境的改善，提高了企業融資便利性，有效緩解了企業創新所面臨的融資約束，能在一定程度上減輕企業追求創新補助進而獲得融資便利的策略性創新行為。其次，數字金融的適時和快速響應能在一定程度上緩解企業因流動性緊張而出現的風險敞口，幫助企業更有效地應對內外部財務沖擊和經營風險，有效避免企業因風險規避而弱化創新。最后，數字金融和現代信息技術的快速發展與推廣應用，有助于政府和社會加強對企業創新質量的精準甄別，降低低質量創新的補助獲利，進而壓縮企業策略性創新行為生產空間。據此，本文提出假說H2：

H2：數字金融能緩解政府創新補助所誘發的企業策略性創新。

3 研究設計

3.1 樣本選擇與數據來源

本文選擇A股上市企業為研究樣本，依據數字金融指數起始年限（2011年），選擇2011—2020年為樣本期間，并對樣本數據進行了以下處理：（1）剔除金融類和AB股交叉上市企業；（2）剔除整個樣本期間內沒有創新產出的企業；（3）剔除ST、*ST、PT類樣本；（4）剔除關鍵變量缺失的樣本；（5）為避免極端值影響，對連續變量在1%和99%分位上進行Winsorize處理，最終獲得15874個“企業-年份”觀測樣本。企業專利數據來自CNRDS數據庫，企業財務數據均來自CSMAR數據庫和Wind數據庫，數字金融指數來自北京大學編制的《數字普惠金融指數》（2011—2020年）。

3.2 模型設計與變量定義

為檢驗上述假說H1和H2，本文分別構建以下2個實證模型：

其中，被解釋變量Inn為企業創新，相對專利申請，專利授予因得到國家專利局認證更能準確反映企業的有效創新產出，且三種專利之間創新難度和價值存在較大差異。因此，本文采用發明專利授權作為企業高質量創新的代理指標，非發明專利授權作為企業策略性創新的代理指標。

DIF表示企業所在省份的數字金融發展情況，采用北京大學數字金融研究中心發布的北京大學《數字普惠金融指數》度量，并進行歸一化處理。

Sub表示創新補助。借鑒郭玥（2018）的研究，為排除非創新補助的干擾，本文運用關鍵詞檢索方法搜索上市公司政府補助明細中的具體項目名稱和說明，僅當包含有與創新相關的關鍵詞條目（如研究、研發、創新、專利、人才等）才計入創新補助。

CV表示控制變量。為盡可能克服遺漏變量的影響，借鑒已有研究，本文納入企業微觀層面的多個變量，包括企業規模Size、資產負債率Lev、企業年齡Age、營業收入增長率Growth、資產收益率Roa、有形資產比重Ci、獨立董事占比Indep、大股東持股比例Top1、管理層薪酬激勵Msalary、是否出口Export、研發投入Rd等，并控制了年度、行業和省份效應。考慮到以專利授權衡量創新存在滯后，并避免反向因果以減輕內生性問題，本文對數字金融關鍵解釋變量和所有控制變量均作滯后一期處理，變量定義如表1所示。

4 實證結果與分析

4.1 描述性統計與相關分析

表2為主要變量的描述性統計結果，發明專利Inn_i均值1.47、中位數1.39、最大值7.76，均小于非發明專利Inn_u均值2.51、中位數2.64、最大值8.45，表明上市公司創新產出中非發明專利占比較大，存在高質量創新和策略性創新兩種行為。數字金融DIF歸一化處理后均值0.57，中位數0.60，標準差0.21，說明不同區域之間數字金融發展程度存在一定的差異，為本文檢驗數字金融對企業創新的影響提供了基礎。樣本中，約74.6%的企業獲得過政府創新補助，Sup均值0.13、標準差0.23，說明政府創新補助在不同企業之間存在較大差異。其他控制變量統計分析與已有研究基本類似。

4.2 回歸分析

表3報告了模型（1）的檢驗結果，所有回歸均控制了年度、行業和省份效應。列（1）和（2）被解釋變量為企業高質量創新Inn_i，列（1）中數字金融DIF系數為正且在5%水平上顯著；加入控制變量后列（2）中依然在5%水平上顯著為正，說明數字金融發展水平越高，企業發明專利產出越大，即數字金融能正向激勵企業高質量創新。列（3）被解釋變量為企業策略性創新Inn_u，DIF系數為負，表明數字金融負向影響企業非發明專利產出，雖未通過顯著性檢驗，但證實其對企業策略性創新沒有刺激作用，以上結果支持假說H1。為進一步檢驗實證結果，以發明專利授權占比為被解釋變量進行回歸，列（4）中DIF系數為正且通過1%水平顯著性檢驗，說明數字金融促進提高了企業創新產出中發明專利的占比，再次驗證了數字金融對企業高質量創新和策略性創新的影響差異。

表4報告了模型（2）的檢驗結果。列（1）中，政府創新補助Sub系數顯著為正，說明創新補助誘發了企業策略性創新，導致非專利產出增大；DIF * Sub系數為負且在1%水平上顯著，加入控制變量的列（2）中DIF * Sub系數值有所減小，但依然在1%水平上顯著為負，表明數字金融發展水平越高，政府創新補助對企業策略性創新的誘發作用越弱，非發明專利產出水平越低，證實數字金融能有效緩解政府創新補助引致的企業策略性創新，此結果支持假說H2。為進一步檢驗實證結果，第（3）和第（4）列依據數字金融DIF年度中位數，將樣本分為數字金融發展水平高低兩組并進行分組回歸，系數差異顯著性檢驗表明數字金融發展水平較高組中的政府創新補助Sub系數顯著小于數字金融發展水平較低組，降低約37%，再次驗證了數字金融對政府創新補助誘發企業策略性創新的調節作用。

5 結語

本文采用數字普惠金融指數和2011—2020年A股上市企業樣本數據，實證檢驗了數字金融對企業創新的影響。研究發現：第一，數字金融具有促進企業高質量創新的激勵效應；第二，數字金融具有緩解政府創新補助誘發企業策略性創新的調節作用。

根據以上結論，本文提出以下建議：第一，重視數字金融對企業高質量創新、推動實現高質量發展的積極作用，有序推進數字金融發展，進一步改善金融服務觸達性和便捷性，不斷改善創新主體的融資環境；第二，充分發揮市場在資源配置中的決定性作用，優化和完善政府創新補助體系，推動有效市場和有為政府更好地結合，以高效激勵企業創新，助力加快實現高水平科技自立自強。

參考文獻

王玉澤，羅能生，劉文彬.什么樣的杠桿率有利于企業創新[J].中國工業經濟，2019（3）：138-155.

張勛，萬廣華，張佳佳，等.數字經濟、普惠金融與包容性增長[J].經濟研究，2019（8）：71-86.

王修華，趙亞雄.數字金融發展是否存在馬太效應：貧困戶與非貧困戶的經驗比較[J].金融研究，2020 （7）：114-133.

李建軍，彭俞超，馬思超.普惠金融與中國經濟發展：多維度內涵與實證分析[J].經濟研究，2020（4）：37-52.

萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[J].經濟評論，2020（1）：71-83.

周振江，鄭雨晴，李劍培.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[J].產經評論，2021，12（4）：49-65.

Duarte J， Young S.L. Trust and credit： The role of appearance in peer-to-peer lending[J]. Review of Financial Studies，2012，25（8）：2455-2483.

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），2017，17（4）：1489-1502.

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，2020，36（5）：52-66+9.

譚云清，原海英，馬永生，等.資源約束、知識搜索對企業開放式創新影響[J].科研管理，2017，38（S1）：641-649.

GoldfarbA， TuckerC. Digital Economics[J].Journal of Economic Literature，2019，57（1）：3-43．

HallBH， Harhoff D.Recent research on the economics of Patents[J].Annual Review of Economics，2012（1）：541-565.

李萬福，杜靜，張懷.創新補助究竟有沒有激勵企業創新自主投資：來自中國上市公司的新證據[J].金融研究，2017（10）：130-145.

張杰，鄭文平.創新追趕戰略抑制了中國專利質量么？[J].經濟研究，2018，53（5）：28-41.

郭玥.政府創新補助的信號傳遞機制與企業創新[J].中國工業經濟，2018（9）：98-116.

黎文靖，鄭曼妮.實質性創新還是策略性創新：宏觀產業政策對微觀企業創新的影響[J].經濟研究，2016，51（4）：60-73.

楊瑞龍，侯方宇.產業政策的有效性邊界：基于不完全契約的視角[J].管理世界，2019，35（10）：82-94+219-220.

余明桂，回雅甫，潘紅波.政治聯系、尋租與地方政府財政補貼有效性[J].經濟研究，2010，45（3）：65-77.

楊國超，芮萌.高新技術企業稅收減免政策的激勵效應與迎合效應[J].經濟研究，2020，55（9）：174-191.

安同良，千慧雄.中國企業R&D補貼策略：補貼閾限、最優規模與模式選擇[J].經濟研究，2021，56（1）：122-137.

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