數字金融、融資成本與制造業企業創新

肖雁飛 陳 靜

一、引言

企業創新具有極大不確定性，同時受到高調整成本和高融資成本的雙重約束。為確保創新活動的可持續性，充足、穩定的金融資源必不可少〔1〕。然而，當面臨較強的融資約束時，企業進行創新研發的意愿將被削弱，將傾向于減少研發支出而更多投向“短平快”項目〔2〕。因此，我國企業創新面臨的主要困難往往也與金融資源缺位有著密切關系，如謝絢麗(2018)等認為傳統金融市場發展不平衡所造成的金融資源缺位是我國企業創新意愿低的主要原因〔3〕。目前，我國正實施創新驅動發展戰略，尤其是制造強國戰略的實施必須依賴于企業創新。但由于我國直接融資市場的金融供給不足，傳統的間接融資部門在謀求盈利性的同時也持風險規避態度，即便在各金融部門通力合作下，也難以使制造業獲得足夠金融支持〔4〕。

數字金融發展對企業創新影響研究還剛起步，相關研究主要從企業風險承擔〔5〕、融資約束〔6〕等視角探討了數字金融對企業創新的促進作用，認為數字金融在數字技術支撐下可以便利地獲取到更多中小企業信息，有助于金融機構研發出更多適配中小企業融資需求的金融產品和服務，進而有效降低融資難度〔7〕，并促進企業降低財務杠桿、穩定財務狀況〔8〕，最終提升企業創新能力。然而，相關研究較多從全行業考慮企業創新問題，僅少量研究涉及對制造業創新影響研究，如唐松(2020)等將企業分為制造業與非制造業兩個對照組，認為數字金融對制造業企業創新驅動效應更為明顯，但研究未揭示融資成本在其中所起的作用〔9〕。

本文從融資成本角度出發，試圖探討數字金融是如何激勵制造業企業創新的，可能的貢獻在于：第一，已有研究主要是從全行業角度考察，本文專注于制造業企業，探究數字金融對制造業企業創新影響，并進一步把數字金融分為覆蓋廣度、使用深度以及數字化程度三個維度，探討不同維度對企業創新影響差異。第二，現有研究雖然探討了數字金融對融資成本降低的積極作用，但這一作用在制造業企業創新中的傳導過程較少觸及，本文嘗試從融資成本角度探討數字金融對制造業企業創新的作用機制，以期更好解釋數字金融是如何通過降低融資成本進而激勵制造業企業創新的。第三，本文進一步探討企業和地區異質性，能夠為促進我國不同規模和不同地區的制造業企業創新提供針對性建議。

二、理論分析與假設提出

1.數字金融與制造業企業創新

首先,數字金融能降低制造業企業創新融資門檻,拓寬融資渠道。傳統金融機構在選擇客戶時更偏向于規模大、固定資產多、經營績效好的企業。小微企業往往因為各種因素限制被傳統金融體系排斥,難以獲得融資,形成“長尾群體”。而數字金融拓寬了傳統金融邊界〔10〕,突破了時間和空間限制,旨在通過行為場景數據和大數據手段觸及更多由小規模企業等構成的“長尾群體”,破除融資壁壘、擴大服務范圍,更多小規模企業可以借助多種服務模式拓寬創新融資渠道,進而提高其創新水平。

其次，數字金融所具備的信息搜尋能力能幫助制造業企業提高融資效率、降低創新融資成本，也能防范信貸風險事件發生。企業創新項目兼具信息不對稱和高風險性〔11〕，傳統金融機構在對企業創新項目進行貸款審批時，往往持謹慎態度，為降低信貸風險、保護債權人利益，通常會進行復雜且漫長的審查，不可避免地會產生高額審批費用，這一部分費用最終將會由企業承擔，導致企業融資成本升高。制造業企業信息搜尋能力較差，通常難以迅速捕捉到有效融資信息，而數字金融具有資源和信息整合效應〔12〕，企業信息被置于大數據互聯網框架中，為貸方機構進行客戶資質審核帶來極大便利，快速實現金融資源與目標客戶匹配，縮短融資周期，這在一定程度上解決了傳統金融服務中由于信息不對稱而導致的高成本問題，拓展了普惠金融服務范圍和服務深度〔13〕。此外，數字金融通過大數據手段還能有效識別和管控風險，提高風險管理能力，為貸方機構監督貸后資金使用情況提供了便利，可在一定程度上避免金融市場中存在的道德風險問題。據此，提出：

假設1：數字金融對制造業企業創新具有激勵作用。

2.數字金融與制造業企業創新：融資成本的調節效應

一方面，金融支持是技術創新核心要素，完備的金融體系可為企業創新活動提供穩定充足資金來源，從而確保創新活動順利進行〔14〕。我國傳統金融體系一直以來以銀行為主導，面對市場競爭的加劇，銀行只能通過提高資金投放效率和提高風險忍耐度來增加收入，維持原有的利潤水平〔15〕。因此，傳統金融支持面臨貸款風險，使得制造業企業在尋求金融支持時出現“融資難、融資貴”困境，阻礙企業創新。數字金融基于云計算、大數據等信息技術并借助網絡交易平臺，極大便利了企業信用數據的收集、整理和分析，使得信貸審批速度大幅提升〔16〕，節省了信貸審批過程中人力和物力消耗，融資成本隨之減少，且數字金融快速發展倒逼傳統金融改革發展，使得融資成本進一步降低。顯然，融資成本減少會降低制造業企業創新成本，增強企業創新意愿，從而更多地進行研發投入。

另一方面，融資成本不僅會直接影響制造業企業創新投入，還可能在數字金融促進企業創新中起著調節作用。首先，融資成本降低有利于增強制造業企業償債能力。融資成本降低意味著企業通過數字金融進行融資的償債壓力減小，企業更有動力籌集資金進行創新活動。其次，融資成本降低有利于增強制造業企業盈利能力。企業在維持原有收益水平情況下，融資成本減少有利于企業增加利潤、增強盈利能力，刺激企業利用數字金融進行融資并投入到創新活動中，進而獲取更多收益，進一步提升盈利能力，從而提升企業市場競爭力。因此，融資成本越低，制造業企業利用數字金融增加研發投入的動力越強。據此，提出：

假設2：融資成本越低，越有利于通過數字金融促進制造業企業創新。

3.數字金融激勵制造業企業創新具有異質性

通常來說，信息透明度較高的企業會在融資方面更具優勢。為提高企業信息透明度，大規模企業定期都會聘請專業機構進行審計并進行信息披露，而小規模企業則沒有足夠資金實力去支付高額費用。因此，小規模企業往往由于規模小、缺乏抵押品、信息披露不完善等原因難以在傳統金融體系下通過正規金融渠道獲取資金。因而，盡管小規模制造業企業具有極強創新活力，卻長期以來受制于傳統金融規模歧視效應。數字金融具有普惠特性和一定的逆規模特征，有利于為小規模制造業企業帶來豐富的金融資源。同時，在傳統金融體系下，大規模制造業企業的創新資金需求已經得到基本滿足，因此，數字金融將更多地為小規模制造業企業提供創新融資服務。據此，提出：

假設3：數字金融對小規模制造業企業創新的促進作用更為顯著。

另外，就經濟發展水平而言，在經濟發展水平相對較低的地區，數字金融可能是制造業企業獲取資金提高企業技術創新水平的主要途徑，對其依賴程度較高，受到的影響也相對較大，且經濟發展水平較低的地區的制造業企業創新資金需求長期受到抑制，數字金融的出現將為這些企業帶來可供技術創新的資金，刺激企業增強創新意愿，從而推動其創新水平提升。而在經濟發展水平較高的地區，往往有著發達的金融體系，傳統金融水平相對較高，對數字金融依賴程度低，受其影響相對較小。在經濟發展水平較高的地區，企業長期以來保持著較高創新水平，創新需求也不會因為數字金融出現發生實質性改變。同時，我國不同地區制度環境、政策傾向等有較大差別，東部地區傳統金融水平高，基本可以滿足企業資金需求，而中西部地區由于金融機構網點分布密度小、金融基礎設施落后，導致傳統金融水平較低，制造業企業想要獲取創新資金十分困難。因此，數字金融有利于緩解中西部企業融資約束，為技術研發提供資金支持，激勵其開展研發活動。據此，提出：

假設4：數字金融對制造業企業創新的正向作用在經濟發展水平較低的地區以及中西部地區更為顯著。

三、研究設計

1.數據來源

本文以2011-2020年我國A股市場制造業企業作為樣本，與數字金融指數進行匹配構建面板數據集。對數據進行如下處理：第一，剔除財務數據中存在缺失值和異常值的上市公司數據；第二，針對在樣本期間出現非正常交易狀態的制造業企業，將該企業全部年份數據進行剔除；第三，數據連貫性以“3年連續”為最低標準，將不滿足最低標準企業樣本予以剔除。為消除極端值影響，還對企業層面控制變量按照上下1%進行縮尾處理，最后得到12251個樣本。數字金融指數來自《北京大學數字普惠金融指數(2011-2020年)》，企業財務數據來自CSMAR數據庫。

2.變量說明及描述性統計

(1)被解釋變量：企業創新水平(RDSSR)。借鑒李匯東(2013)等研究〔17〕，選取“研發投入占營業收入的比值”來測度企業創新水平，該指標能對每單位營業收入所對應的創新研發投入變動情況進行準確刻畫。

(2)解釋變量：數字金融指數(FI)。選取《數字普惠金融指數》省級指數衡量我國各省數字金融發展水平，該指數從覆蓋廣度(Width)、使用深度(Depth)以及數字化程度(Digital)三個維度進行刻畫。考慮數字普惠金融指數及各維度指數數值較大，對其采取除以100的方式進行處理。

(3)調節變量：融資成本(EXP)。借鑒謝婷婷(2021)等所采用的指標〔18〕，使用“財務費用與總負債的比值”衡量融資成本，該指標可反映企業在融資時支付的傭金、手續費等費用情況。

(4)控制變量。借鑒賈俊生(2021)〔19〕、萬佳(2020)〔20〕以及趙晶晶(2021)〔21〕等人研究成果，選取如下控制變量：企業資產(SIZE)、企業年齡(AGE)、資產負債率(LEV)、托賓Q值(Q)、凈資產收益率(ROE)、管理費用率(MER)與固定資產比(FAR)，詳見表1。

表1 指標體系及說明

(5)描述性統計。從表2可知，RDSSR最小值為0，最大值為76.35%，說明各個企業間創新投入水平差異較大，且均值為4.54%，中位數為3.78%，說明我國制造業企業創新水平整體偏低。FI最小值為0.162，最大值為4.319，說明各地數字金融水平差異較大，且均值為2.661，中位數為2.721。

表2 描述性統計

3.模型設定

借鑒唐松(2020)等研究〔22〕，選用雙向固定效應模型，考察數字金融對制造業企業創新影響作用，構建模型(1)進行檢驗：

RDSSRi，t=α0+α1FIi，t+α2Controli，t+δi+θt+εi，t

(1)

為了探究融資成本的調節效應，在上述模型基礎上加入融資成本與數字金融的交乘項，構建模型(2)：

RDSSRi，t=β0+β1FIi，t+β2EXPi，t+β3EXPi，t*FIi，t+β4Controli，t+δi+θt+εi，t

(2)

模型(1)-(2)中，i表示企業，t表示年份。RDSSRi，t為制造業企業創新水平；FIi，t為數字金融總指數；EXPi，t為融資成本；Controli，t為前述控制變量；δi為企業個體固定效應，用于控制隨個體變動的不可觀測因素；θt為時間固定效應，用于控制隨時間變動的不可觀測因素；εi，t為隨機誤差項。

四、實證分析

1.數字金融對制造業企業創新影響

基準回歸結果如表3所示，每個回歸中都加入了企業層面控制變量，并且進行了個體和時間雙向固定。其中表3列(1)報告了數字金融總指數對制造業企業創新回歸結果，數字金融總指數系數為0.705，通過5%顯著性檢驗，可見數字金融發展能夠顯著促進制造業企業提升創新水平，支持了假設1。為進一步分析數字金融與制造業企業創新關系，對數字金融進行降維，分別報告數字金融“覆蓋廣度”“使用深度”和“數字化程度”對制造業企業創新影響，見表3列(2)-列(4)結果表明，“覆蓋廣度”對制造業企業創新回歸系數為負值但不顯著，而“使用深度”和“數字化程度”回歸系數分別為0.381和0.33，且分別在5%和1%水平上顯著為正，說明數字金融可通過“使用深度”延伸以及“數字化應用”推廣，為制造業企業帶來多元化融資方式，助力制造業企業創新，而單純依靠“使用群體”覆蓋范圍的擴大，則很難為制造業企業創新提供支持。

表3 基準回歸結果

表3中各個控制變量系數也基本符合理論預期。企業資產和企業年齡系數分別在5%和1%水平上顯著為正，說明規模越大、上市年份越久的制造業企業，技術創新能力水平越高。資產負債率系數在5%水平上顯著為負，說明負債經營不利于制造業企業創新。

為了解決可能存在的反向因果問題，本文使用數字金融總指數及其二級維度的滯后一期對制造業企業創新進行回歸分析，如表4所示。數字金融總指數滯后一期通過了1%顯著性檢驗，數字金融“使用深度”和“數字化程度”滯后一期分別通過了5%和1%顯著性檢驗且均為正，與基準回歸結果一致。

表4 數字金融滯后一期對制造業企業創新的回歸結果

2.融資成本的調節效應

表5報告了融資成本在數字金融對制造業企業創新影響中的調節作用。列(1)表明，融資成本與數字金融總指數的交乘項系數為-3.66，通過了1%顯著性檢驗，且

表5 融資成本調節效應的回歸結果

數字金融總指數系數顯著為正，與交乘項系數符號恰好相反，表明融資成本降低1個單位，數字金融對制造業企業創新邊際影響會增加3.66個單位，意味著融資成本的調節作用顯著存在，融資成本會負向調節數字金融對制造業企業創新的促進作用，假設2 得到驗證。可能的原因在于，當融資成本降低時，制造業企業開展創新活動成本隨之降低，企業通過技術創新也能夠獲得更多收益，企業償債能力、盈利能力和創新能力同時得到提高，企業會更加愿意運用數字金融進行融資進而開展創新活動。列(2)-(4)表示融資成本在數字金融不同維度對制造業企業創新影響中的調節作用，結果表明，融資成本與“使用深度”和“數字化程度”交乘項系數均在1%顯著性水平上為負，同時對應的回歸中數字金融“使用深度”和“數字化程度”系數均顯著為正，表明融資成本會負向調節二者對制造業企業創新激勵作用。

3.異質性檢驗

(1)企業規模異質性。以企業資產中位數作為劃分標準，將研究樣本劃分為小規模制造業和大規模制造業兩組，然后分別對兩組企業進行回歸檢驗，估計結果見表6列(1)和列(2)。檢驗發現，無論是小規模組還是大規模組，數字金融對制造業企業創新促進作用都存在，都通過了10%顯著性檢驗，其中小規模企業組中數字金融系數更大，促進作用更為明顯，假設3得到驗證。

表6 異質性分析結果

(2)地區發展異質性。首先，考察經濟發展水平在數字金融對制造業企業創新激勵效應中的影響。以“人均地區生產總值”衡量一個地區經濟發展水平，根據該指標上下30%進行分組回歸，將30%分位數以下的地區視為經濟發展水平較低地區，70%分位數以上的地區則視為經濟發展水平較高地區，估計結果詳見表6列(3)和列(4)。

檢驗發現，在經濟發展水平較低的地區，數字金融對制造業企業創新影響顯著，系數為1.334且在5%顯著性水平上顯著；而在經濟發展水平較高的地區，未見顯著偏向性影響，假設4中“數字金融對制造業企業創新的正向作用在經濟發展水平較低的地區更為顯著”得到驗證。其次，考察地區差異在數字金融對制造業企業創新激勵效應中的影響。將樣本劃分為東部地區與中西部地區兩組進行回歸分析，其中東部地區省份包括北京、河北、浙江、天津、山東、江蘇、福建、上海、海南和廣東等10個省級行政單位，其余省份(除黑龍江、遼寧、吉林以外)屬于中西部地區。估計結果見表6列(5)和列(6)。檢驗發現，數字金融對中西部地區制造業企業創新促進作用顯著，系數為1.859且通過了1%顯著性檢驗；而對東部地區制造業企業創新沒有明顯影響。假設4中“數字金融對制造業企業創新的正向作用在中西部地區更為顯著”得到驗證。

4.內生性檢驗

在上述回歸分析中，考慮了反向因果問題，但還可能由于遺漏變量等原因存在內生性問題。借鑒許釗(2022)〔23〕、余得生(2022)〔24〕等研究，采用工具變量法，將數字金融指數滯后一期作為工具變量進行內生性檢驗。第一階段回歸結果顯示，數字金融滯后一期系數為0.716，通過了1%顯著性檢驗，滿足相關性要求，并且第一階段F值為1869.889，遠大于10，說明不是弱工具變量。第二階段回歸結果表明，數字金融指數系數為1.369，并且通過了1%顯著性檢驗，即數字金融對制造業企業技術創新具有顯著激勵作用。因此，不論是在基準回歸中還是在工具變量回歸中，數字金融對于制造業企業創新都具有顯著正向作用，即在考慮內生性后本文的結論依然成立(1)因篇幅所限，內生性檢驗結果未列示。。

5.穩健性檢驗

考慮到我國直轄市(北京、天津、上海、重慶)經濟特殊性，數字金融發展水平、企業創新活動等都可能與其他地區存在較大差異。因此，將直轄市樣本予以剔除并重新進行檢驗。同時，由于2013年是我國數字金融發展元年，考慮到數字金融在2013年前后發展水平差異，刪除了2013年之前樣本數據，將檢驗數據年限設定在2014-2020年重新進行回歸。結果表明，數字金融有助于制造業企業創新的主要結論沒有改變，數字金融不同維度對制造業企業創新影響的結論也均未發生變異(2)因篇幅所限，穩健性檢驗結果未列示。。

五、結論與建議

本文以我國A股市場制造業企業為研究對象，從融資成本角度考察了數字金融對制造業企業創新的影響。結果表明，數字金融對制造業企業創新有顯著促進作用。從不同維度來考察，“使用深度”和“數字化程度”促進作用明顯，而“覆蓋廣度”作用不顯著。從融資成本調節作用來看，融資成本在數字金融促進制造業企業創新過程中具有顯著負向影響。從異質性檢驗來看，數字金融對小規模制造業企業促進作用大于大規模制造業企業，對經濟發展水平較低的地區的促進作用更為顯著。

政策建議：第一，大力發展數字金融，著力提高數字金融的使用深度和數字化程度，充分發揮市場力量促進金融信息化和數字化。與此同時，監管部門要對數字金融加強監管，使數字金融盡可能服務于實體經濟，避免數字金融資金過多地流進資本市場，防范系統性風險發生，但也要在守住風險底線前提下，給足容錯空間，促進數字金融的持續健康發展。第二，充分發揮融資成本對數字金融創新激勵效應的調節作用。數字金融快速發展給傳統金融帶來了巨大壓力，倒逼傳統金融改革發展，競爭效應下企業融資成本不斷走低，制造業企業運用數字金融進行融資的動力增強，政府部門在關注數字金融發展的同時也要重視傳統金融的改革。第三，政府在制定企業創新相關政策時，需要更多地關注小規模制造業企業。數字金融能夠為小規模制造業企業創新帶來豐富的金融資源，能夠幫助落實我國創新驅動發展戰略實施，應該制定相應政策使數字金融更多地向“長尾群體”傾斜，更多地為這部分群體提供創新資金支持。第四，強化數字金融對經濟發展水平較低的地區制造業企業創新的激勵作用。經濟發展水平較低的地區制造業企業容易受制于傳統金融發展的不平衡，難以獲取充足的金融資源投入到創新研發，如今數字金融迅速興起，為企業獲取技術創新資金提供了多樣化的融資渠道，制造業企業應該抓住機遇。