数字金融对中小企业技术创新的影响及机制研究

谢婷婷 高丽丽

摘   要：在传统金融模式下，金融资源结构性错配严重制约中小企业技术创新，数字金融发展能够有效矫正这一问题，进而驱动中小企业创新。基于2011—2018年中小板上市公司数据，运用面板固定及中介效应模型，在传统金融结构错配背景下，探讨数字金融对中小企业技术创新的影响及内在机制。研究发现，相较于传统金融，数字金融对中小企业技术创新的驱动效应更为显著，数字金融通过矫正传统金融结构错配，改善非国有、高技术、成长期和成熟期中小企业创新融资环境，更具靶向性地支持中小企业创新活动。进一步发现，数字金融使用深度与数字化程度两个维度均对中小企业技术创新产生积极影响，但覆盖广度影响不明显。机制分析表明，数字金融能够通过缓解企业融资约束、减少企业融资成本和降低企业杠杆来提高企业创新产出。本文的研究结论为数字金融的发展优化、实现创新驱动提供可靠经验证据和政策启示。

关键词：数字金融;技术创新;传统金融;面板固定效应模型;中介效应模型

中图分类号：F832  文献标识码：A  文章编号：1674-2265（2021）12-0060-09

DOI：10.19647/j.cnki.37-1462/f.2021.12.008

一、引言

技术创新是决定经济持续增长的重要动力。在我国新旧动能转换关键时期，创新驱动的内涵式增长已然成为经济高质量发展的重要抓手（张军扩等，2019）[1]。微观企业作为技术创新主要实施者，激发企业创新能够充分带动经济质量及效益的提升。然而，企业创新具有高投入、长周期、高风险等特征，导致创新融资存在严重信息不对称，使企业创新面临融资困境。尤其对中小企业来说，一方面，技术创新基础不如大型企业，需持续投入大量资金;另一方面，受自身特征影响，导致创新融资成本高、效率低，在基础瓶颈与融资困境双重限制下，创新受到严重阻碍。因此，持续稳定的资金来源对中小企业技术创新尤为重要。

然而，我国传统金融体系存在的金融资源错配现象已严重影响中小企业技术创新。具体表现在：首先，属性错配。由于传统金融结构性失衡与行业顺周期偏好以及风险审慎管理体系的制约，导致非國有企业比国有企业融资成本更高、融资效率更低。其次，领域错配。我国传统金融部门严格秉持盈利原则和风控要求，容易在考核次序与风险监控上出现错位，导致高新技术企业相较于非高技术企业获得资金难度更大。最后，阶段错配。受传统金融部门“后向型”偏好的影响，导致最具潜力的成长期企业面临融资困境。因此，传统金融服务实体经济出现的结构错配，严重抑制中小企业在技术创新活动中的潜在驱动力，这也是当前金融改革应该关注的重点。

传统金融服务实体经济出现的结构错配在当下需要创新性金融模式加以纠正。伴随人工智能、大数据以及云计算等新兴技术的蓬勃发展，金融与新技术逐渐融合，一种新型金融模式——数字金融由此顺应而生（郭峰等，2016）[2]。作为传统金融的补充，数字金融能否通过服务的便捷化及较低的门槛提高金融服务的普惠性，又能否通过对数据的分析及审核有效降低信息不对称，进而影响中小企业技术创新，是值得探索的现实问题。现有文献较多从政府、市场以及社会文化等方面探讨如何支持企业创新（郑玉，2020;徐丽鹤和李青，2020;吴迪等，2020）[3-5]，而关于数字金融如何影响微观中小企业技术创新的研究还处在探讨阶段，多集中在数字金融通过缓解融资困境、提升企业价值和企业全要素生产率，从而提升企业创新等，为本文研究提供了有益参考。鉴于我国数字金融发展位于世界前列，中小企业是我国创新发展的动力之一，对数字金融相较于传统金融如何根据创新型中小企业发展规律、融资特征等发挥作用进行研究具有一定的理论价值和实践意义。

本文将2011—2018年中小板上市公司数据与各省数据相匹配进行面板实证检验。具体而言，主要包括以下三个方面：其一，比较数字金融与传统金融对中小企业技术创新的影响力，判断数字金融能否通过纠正传统金融结构错配，助力中小企业技术创新;其二，分别探究数字金融三个维度发展对中小企业技术创新的影响，辨别哪个维度对其影响更为显著;其三，通过中介效应模型，基于融资约束、融资成本、企业杠杆等机制路径进行识别与检验，厘清数字金融影响中小企业技术创新的作用机制。

二、理论分析与研究假设

（一）数字金融对中小企业技术创新的影响

依托互联网、大数据等技术发展的数字金融，在资金需求市场中，与传统银行服务偏向“二八定律”中的20%不同，数字金融更多服务的是80%的“长尾”群体，其中，中小企业受益最为明显。在数字金融在延长金融服务覆盖率、提高金融服务可获得性、减少交易成本和提高金融服务的供需匹配性四个维度的作用下，数字金融充分发挥“长尾效应”，通过缓解企业融资约束、减少融资成本、降低企业杠杆等路径驱动中小企业技术创新。

首先，数字金融能够拓宽企业融资渠道，提高融资可得性，缓解创新融资约束。一方面，中小企业作为资金需求者，在传统金融市场中具有“多、小、散”特征，传统金融部门服务这类主体必须付出昂贵成本。数字金融利用区块链、云计算以及人工智能等手段，能够在低成本、低风险的环境中高效处理海量数据，使得长尾群体突破正规金融服务的“卷帘门”“玻璃门”限制，获得金融的有效供给。另一方面，中小企业技术创新对资金投入具有量大、长期、稳定的要求，数字金融通过对传统金融市场中金融产品以及商业模式进行数字化创新，能够提高产品间的供需匹配性，以多品种、个性化服务满足中小企业创新活动持续、高频的融资需求，进而有效缓解创新融资约束（江红莉和蒋鹏程，2021）[6]。

其次，数字金融凭借自身独特的信息搜集和处理能力，能够有效降低风险评估成本与交易成本，减少创新融资成本。数字金融利用自身独特的风险监控、信息处理与检测系统，能够快速、高效地处理中小企业信息，简化贷款审查流程，缩短贷款审批时间，降低资产信用评估、线下审核与风险管理成本，进而减少中小企业创新融资成本（杨先明和杨娟，2021;谢雪燕和朱晓阳，2021）[7，8]。

最后，数字金融能够降低企业通过加杠杆方式获取资金的需求，促进企业加大对长周期、高风险创新活动的资金投入。中小企业财务报表中杠杆率水平较高会降低企业技术创新水平，依托数字金融能够有效改善中小企业融资环境，并且为企业研发项目的实施提供必要的支撑条件，提升企业的经济实力，促使企业逐渐减少对加杠杆的主动性需求，有利于进行长周期、高风险以及资金需求大的技术创新活动。因此，数字金融的“去杠杆作用”能够产生对中小企业技术创新的驱动效应（梁琦和林爱杰，2020）[9]。

据此，本文提出研究假设H1：数字金融的发展能够通过缓解企业融资约束、减少融资成本、降低企业杠杆，进而驱动中小企业技术创新。

（二）数字金融对传统金融结构错配的靶向优化路径

1.“属性错配”的优化路径。国有企业因自身产权特征，比非国有企业更容易获得财政资金支持，更容易被传统金融机构青睐。数字金融的发展能够丰富金融机构搜集非国有中小企业信息的渠道，有效解决因信息不对称造成的创新融资难题。同时，数字金融低门槛、高效率、多品种与个性化的金融服务能够与非国有中小企业创新融资需求相契合，驱动非国有企业增加创新研发投入。国有企业则受自身体制限制，对数字金融带来的便利渠道反应迟缓，导致数字金融对国有企业技术创新的驱动作用不明显。

假设H2：数字金融的发展能够矫正传统金融的“属性错配”，对非国有企业的创新产出具有显著的正向促进作用。

2.“领域错配”的优化路径。从产业特征看，高技术与非高技术企业相比拥有更强的技术创新融资需求。然而，高技术企业的创新投资具有高风险、长周期、高投入的特点，与传统金融部门安全性、流动性、盈利性的放贷原则背道而驰，导致高技术企业创新融资难、融资贵。数字金融的出现，一方面能够打破传统金融部门放贷审核指标过于单一的弊端，另一方面依托数字金融信息监测系统，能够多维度、全时段掌握信贷资金的动向，有效降低信贷风险，为高技术企业营造良好的创新融资环境。除此之外，数字金融还能够将高技术企业的创新项目置于市场价值评估网络中，模拟评估创新项目的市场价值，有助于资质差但创新价值高的企业获得资金供给，更加有效地矫正传统金融的“領域错配”（李小玲等，2020）[10]。

假设H3：数字金融的发展能够矫正传统金融的“领域错配”，对高技术企业的创新产出具有显著的正向促进作用。

3.“阶段错配”的优化路径。根据企业生命周期理论，企业经历萌芽、成长、成熟到衰退的发展时期，而在不同的发展阶段，企业的资产负债、现金流以及创新需求等方面有所不同。传统金融部门具有“后向型”偏好，会根据企业资产、盈利能力选择客户。然而，成长期企业稀缺的抵押品和担保能力及较高的资产负债率，导致具有强烈创新融资需求的企业面临严重的融资困境。数字金融的发展能够为成长期企业提供多元化的融资渠道，同时还能够依托自身独特的信息搜集、处理能力，提升金融机构处理分析企业信息的能力，有助于改善成长期企业创新融资现状（黄锐等，2021;阮坚等，2020）[11，12]。

假设H4： 数字金融的发展能够有效克服传统金融运行中存在的“阶段错配”，对成长期企业的技术创新活动起到显著优化效果。

三、研究设计

（一）数据来源

本文选取中小板上市公司作为研究对象，以北京大学提供的《数字普惠金融指数》进行匹配，进而构建2011—2018年的面板数据。本文对样本数据的处理过程如下：第一步，剔除财务信息缺失严重的企业;第二步，剔除样本期间内为ST、*S T与金融行业的企业;第三步，为控制极端值对实证结果的影响，对连续变量进行1%和99%分位的缩尾处理。最终筛选出总共3115个观测值。微观企业数据来自国泰安数据库，数字金融指数来自北京大学金融研究中心公布的《数字普惠金融指数》，宏观控制变量数据来自万得数据库。

（二）变量的选取

1. 被解释变量——企业技术创新变量（Total、Invent、Low）。本文参照王小燕等（2019）[13]和唐松等（2020）[14]等学者的做法，采用企业创新专利产出衡量企业技术创新能力。按照现有企业专利数据，将其分为三个层次：其一，企业专利申请总数（Total），代表企业总的创新水平;其二，企业发明专利申请总数（Invent），代表企业的实质性技术创新能力;其三，实用型与外观专利申请数之和，代表企业低端技术创新能力。

2. 核心解释变量——数字金融（Digfin）。参照已有文献（梁榜和张建华，2018;聂秀华，2019）[15，16]的研究，选取北京大学数字金融研究中心编制的数字普惠金融指数作为数字金融的代理变量。

3. 中介传导变量。

（1）企业融资约束（SA）。本文借鉴鞠晓生等（2013）[17]、包钧等（2018）[18]等学者的做法，利用计算得出的SA指数作为企业融资约束的代理变量，公式为：

[SA=-0.737×Size+0.043×Size2-0.04×Age] （1）

其中，Size为企业总资产真实值（单位：百万）取对数，Age为企业上市年限。

（2）企业融资成本（Expen）。本文采用财务费用与企业负债的比值作为企业融资成本替代变量，该指标可以从侧面衡量企业为融取资金所支付的成本。

（3）企业杠杆（Lever）。本文利用资产负债率反映企业债务约束情况，从侧面反映企业归还借款的能力。

4. 控制变量。本文为了弥补遗漏变量对回归结果的影响，从微观和宏观两个层面选取多个变量作为控制变量，具体指标如表1所示。

（三）模型的设定与实证策略

1. 面板固定效应模型。本文为检验数字金融与企业技术创新的关系，构建如下模型：

[Total=α+β1Digfini，t-1+∑β2KB+∑Year+∑Ind+ε]     （2）

在上述模型（2）中，核心解釋变量为省级数字金融指数（Digfin、Dfg、Dss）;被解释变量为企业技术创新（Total、Invent、Low）;KB为相关控制变量;ε为随机扰动项。

在模型回归前，本文对其进行了以下处理：其一，内生性处理。为避免因反向因果关系造成的内生性问题，本文将核心解释变量滞后1期，在一定程度上降低内生性对回归结果的影响。其二，模型选择。一方面，本文经过F检验、Hausman检验发现两个统计量的P值均在1%水平下显著，最终选择面板固定效应模型。另一方面，本文检验时间效应是否显著，LR检验结果显示大多数时间变量系数是显著的。因此，从表2看，最终选取双向固定效应模型检验数字金融与中小企业技术创新的关系。最终选取双向固定效应模型检验数字金融与中小企业技术创新的关系。

表2：面板模型选择结果

[ 检验值（P值） 结果 F统计量 3.49（0.001） 固定效应模型 Hausman检验 15.48（0.05） 固定效应模型 ]

2. 中介效应模型。为探究数字金融影响企业技术创新的具体作用机制，本文设置了如下方程进行检验。

[Totali，t=ϕ+ϕ1Digfini，t-1+φCV+∑Year+∑Ind+ε] （3）

[Mediatori，t=θ+θ1Digfini，t-1+∑φCV+∑Year+∑Ind+τ]  （4）

[Totali，t=α+α1Mediatori，t+α2Digfini，t-1+∑φCV+∑Year+∑Ind+ξ]   （5）

上述模型中的Mediator为中介变量总称，分别代表企业融资约束、企业融资成本以及企业杠杆，其余变量的设定与模型（2）类似。

四、实证结果与分析

（一）数字金融对中小企业技术创新的影响

1. 基准回归分析。表3中的模型X（1）—X（3）列示了数字金融对中小企业技术创新影响的基准回归结果。结果显示：其一，数字金融的发展对企业总创新能力与实质性创新能力均呈现十分显著的促进作用，说明数字金融能够为中小企业创新提供丰富的融资工具及融资渠道，在一定程度上盘活游离在正规金融体系之外的金融资源，驱动企业总创新能力的提升。其二，数字金融对低端技术创新能力的回归系数仅在10%的水平下显著，且系数相较于实质性创新能力较小。主要由于数字金融本身独具的信息处理能力，能够帮助企业提高创新决策的有效性，减少低端技术创新的投入。以上说明，数字金融的发展能够通过对中小企业实质性创新能力的提升带动企业总创新能力的提高，减缓中小企业目前存在的“创新泡沫”问题。

表3中的模型X（4）—X（6）列示了传统金融发展对企业技术创新的回归结果。结果显示：传统金融发展对企业总创新能力的影响系数为0.081，且在5%的水平下显著，对企业实质性创新能力的影响不显著。研究发现，传统金融发展对企业技术创新能够产生正向促进作用，但与数字金融相比影响系数较小，促进效应不突出，并且对企业实质性创新能力影响不显著。

2. 降维回归分析。为进一步分析数字金融与中小企业技术创新的关系，本文对数字金融进行降维处理，分解为覆盖广度、使用深度以及数字化程度（见表4）。检验结果表明，数字金融的覆盖广度（L.Dfg）对企业技术创新的影响较小且不显著，但数字金融的使用深度（L.Dss）及数字化程度（L.Szh）对企业技术创新（Invent）的回归系数显著为正，并且能够在提升企业实质性技术创新能力（Invent）的同时带动总体创新能力（Total）的提高。以上说明，数字金融能够通过使用深度的延展以及数字化应用的普及，为企业创新融资提供多元化的融资工具和融资渠道，促进中小企业技术创新项目的开展，仅依靠使用群体覆盖面积的增加，对企业技术创新的影响不明显。

（二）稳健性检验及内生性处理

1. 稳健性检验。一是更换主要变量。从投入与产出两个层面，以研发投入与总资产的比值作为企业创新投入指标，以企业无形资产增量与总资产比值衡量企业创新产出。二是剔除特殊事件样本影响。数字金融发展对企业技术创新的影响，与全球金融态势的发展有着密切联系，忽视这类因素的影响可能会使估计结果不准确。因此，本文将样本期间我国2015年重大股灾作为典型的金融事件，对2015年及之后样本进行剔除，尽可能排除股灾的影响。此外，样本中的地区直辖市具有较大的经济特殊性，当地的数字金融发展与技术创新活动与其他地区可能存在差异，本文删除样本中的直辖市。最终发现，数字金融驱动中小企业技术创新的结论未受上述改变的影响（见表5）。

2. 内生性处理。上述实证中，本文对核心解释变量进行了滞后1期处理，一定程度降低因反向因果关系造成的内生性影响。除了反向因果外，实证过程中还会因为遗漏变量造成内生性偏差。因此，本文借鉴万佳彧等（2020）[19]等学者的研究，采用各省互联网普及率（Hlw）作为工具变量，并且运用两阶段最小二乘法对模型进行重新估计。

进行两阶段最小二乘法估计前，首先，运用Hausman检验确定数字金融是否为内生性解释变量，检验结果如表6所示，模型X（2）、X（3）、X（4）中Hausman统计值均在10%的水平下显著，说明变量数字金融内生性解释变量。其次，利用LM检验进行不可识别检验，结果发现LM统计量均显著，拒绝不可识别假设。最后，运用F检验确定工具变量的选取是否有效，模型X（1）中主要变量在1%的水平下显著，且F统计量为194.96，表明工具变量互联网普及率与内生性解释变量数字金融存在较强相关性。第二阶段回归结果显示，模型X（2）、X（3）中数字金融的回归系数在5%水平下显著为正，模型X（4）的回归结果不显著。因此，不论基于基准回归还是工具变量回归，数字金融驱动中小企业技术创新的结论都是显著的。

（三）数字金融的“纠错配”功能與中小企业技术创新

在上述研究中，本文基本证实数字金融相较于传统金融对中小企业技术创新的正向驱动作用更为突出。但值得深入探究的是，数字金融是否在校正传统金融结构错配的基础上驱动中小企业技术创新？

表7中的panelA按企业属性分为国有企业与非国有企业。检验结果显示，在非国有企业组中，数字金融对企业总体专利创新能力与实质性技术创新能力的系数显著为正;而在国有企业组中，数字金融对企业技术创新的回归系数均不显著。这是由于国有企业能够凭借产权特征在传统金融市场中获取充足、低成本的金融资源，并受自身体制限制对数字金融所带来的便利渠道反应较慢或迟缓。与此相反，非国有企业在传统金融市场中面临严峻的融资困境，处于融资的“低水平均衡”中，融资境遇的改善会产生较大的边际产出，验证假设H2。

表7中的panelB按行业属性分为高技术企业与非高技术企业。实证结果显示，数字金融对高技术行业与非高技术行业的影响也具有差异性特征。在非高技术行业组中，数字金融对实质性技术创新能力的系数为0.176，且仅在10%的水平下显著，无法带动总体创新能力的增加。在高技术行业组中，数字金融对实质性技术创新能力的回归系数为0.210，并且能够带动总体创新能力的提升。这是因为高技术企业的创新项目投资具有高风险、长周期、高投入的特点，与传统金融部门的放贷原则背道而驰，导致高技术企业在传统信贷市场中面临较强的金融排斥，数字金融的出现能够较大程度改善融资环境，且对高技术企业的影响更为显著，验证假设H3。

表8按企业生命周期分为成长期、成熟期以及衰退期。结果显示，当企业处于成长期与成熟期时，数字金融对企业实质性技术创新的系数均显著为正，并能够带动总体创新能力的提升，但成熟期相较于成长期对企业技术创新的驱动效应更为显著。当企业处于衰退期时，数字金融对企业技术创新的影响不显著。这是因为，在传统金融市场中成长期的中小企业由于内部抵押品以及担保能力有限，进行创新融资的渠道狭窄，而数字金融的出现能够为其带来多样化的现金流，进而驱动企业实质性技术创新。但成长期企业仍会受自身规模影响，导致数字金融对成长期的创新驱动效应并没有成熟期突出。衰退期企业由于自身资源储备不足，自主创新能动性较差，数字金融会利用大数据技术筛选出此类企业，并降低对衰退期企业的支持。

（四）数字金融驱动中小企业技术创新的机制识别

数字金融发展能够对传统金融市场起到增量补充作用，拓宽企业融资渠道、丰富企业融资工具，进而缓解企业融资约束。在表9 Panel A中，数字金融对企业融资约束的系数为负且显著，说明数字金融的发展一定程度上能够缓解企业融资约束。X（3）与X（5）的检验结果显示，融资约束对企业整体创新能力、实质性技术创新能力和低端创新能力的回归系数均为负，且在1%的水平下显著，说明随着企业融资约束的增加会减少企业有限的现金流投向研发活动，抑制企业创新产出。以上说明，数字金融能够通过缓解企业融资约束，驱动中小企业技术创新。

数字金融在缓解融资约束的基础上，能够进一步降低企业的融资成本。在表9 Panel B中，数字金融对企业融资成本的系数为-0.206，且显著，说明数字金融的发展能够降低企业的融资成本。企业融资成本对企业技术创新的影响也显著为负，说明融资成本较高的企业对技术创新活动产生抑制作用。由此说明，数字金融降低企业的融资成本，为企业增加可用资金，进而能够激发企业的创新动力。

数字金融在改善企业融资状况后，企业通过加杠杆的方式融取资金的需求会降低。在表9 Panel C中，数字金融对企业杠杆的回归系数为-0.113，且显著，说明数字金融的发展能够有效发挥去杠杆作用。企业杠杆对企业整体创新能力与实质性技术创新能力的系数分别为-0.018、-0.062且显著，说明企业杠杆的增加不利于企业创新能力的提升，其中对实质性技术创新的影响最大。由此说明，数字金融的去杠杆作用会对企业技术创新发挥正向驱动作用，尤其是实质性技术创新。

五、研究结论与启示

本文借助2011—2018年中小板上市公司数据，在传统金融结构错配背景下，深入探讨数字金融对中小企业技术创新的影响，主要得到以下结论：第一，数字金融发展对中小企业技术创新具有显著的创新驱动作用，与传统金融相比，数字金融的驱动效应更为突出。数字金融通过矫正传统金融存在的结构错配问题，改善非国有、高技术、成长期和成熟期中小企业的创新融资困境，使其更具靶向性地支持中小企业技术创新活动。第二，在数字金融发展各维度中，使用深度与数字化程度的提高对企业技术创新具有显著的正向影响，但覆盖广度的增加对企业技术创新影响不明显，仅依靠数字金融使用数量的增加，无法改善中小企业创新融资环境，必须依靠数字金融使用深度的延展和数字化技术的普及，才能充分发挥数字金融驱动企业技术创新的作用。第三，数字金融发展能够通过缓解企业融资约束、减少企业融资成本及降低企业杠杆等路径，驱动企业技术创新活动。

本文对于进一步提高数字金融服务实体经济的效率具有一定的启示意义，基于以上结论，本文提出以下建议：

首先，完善数字金融基础设施建设，提高服务中小企业技术创新效率。地方应积极推进新型基础设施建设，加快数字金融发展，一方面，加快5G基础设施建设与应用，推动中小企业运用5G技术对设备和管理方式进行数字化改造;另一方面，加大数字产业园、示范园建设，通过示范基地和园区建设，为同类企业提供可复制推广经验。

其次，推动传统金融与数字金融的竞合发展，实现传统金融的数字化转型。以商业银行为主体的传统金融机构，对中小企业的创新驱动明显不足，应加快商业银行的数字化转型，不断运用大数据等技术，培育数据挖掘和分析技能，为银行决策、风险控制和客户管理服务，同时加快银行科技部门从后台保障部门向前台部门转变。

最后，构建多元化的数字金融产品体系，满足中小企业多样化的金融需求。在业务模式方面，打造一系列平台化系统，根据企业融资需求及风险模型的动态判断，设计定制化的金融产品，解决中小企业融资难题，如传化支付系统。在技术运用方面，积极鼓励金融机构运用互联网、大数据和人工智能提升金融服务的时效性、便捷性和可得性，及时为企业提供 “短、小、频、急”的金融产品。

注：

①因篇幅所限，表5、表6中控制变量的实证结果省略，作者备索。

参考文献：

[1]张军扩，侯永志，刘培林，何建武，卓賢.高质量发展的目标要求和战略路径 [J].管理世界，2019，（7）.

[2]郭峰，孔涛，王靖一，张勋，程志云，阮方圆，孙涛，王芳.中国数字普惠金融指标体系与指数编制 [J].北京大学数字金融研究中心工作论文，2016年.

[3]郑玉.政府补贴的创新效应——兼论不同类型创新的最适补贴区间 [J].经济经纬，2020，37（4）.

[4]徐丽鹤，李青.信贷来源结构对中小企业多维度创新活动的影响 [J].财经研究，2020，46（7）.

[5]吴迪，赵奇锋，韩嘉怡.企业社会责任与技术创新——来自中国的证据 [J].南开经济研究，2020，（3）.

[6]江红莉，蒋鹏程.数字金融能提升企业全要素生产率吗？——来自中国上市公司的经验证据[J].上海财经大学学报，2021，（3）.

[7]杨先明，杨娟.数字金融对中小企业创新激励——效应识别、机制和异质性研究[J].云南财经大学学报，2021，（7）.

[8]谢雪燕，朱晓阳.数字金融与中小企业技术创新——来自新三板企业的证据[J].国际金融研究，2021，（1）.

[9]梁琦，林爱杰.数字金融对小微企业融资约束与杠杆率的影响研究[J].中山大学学报（社会科学版），2020，（6）.

[10]李小玲，崔淑琳，赖晓冰.数字金融能否提升上市企业价值？——理论机制分析与实证检验[J].现代财经（天津财经大学学报），2020，（9）.

[11]黄锐，赖晓冰，赵丹妮，汤子隆.数字金融能否缓解企业融资困境——效用识别、特征机制与监管评估[J].中国经济问题，2021，（1）.

[12]阮坚，申么，范忠宝.何以驱动企业债务融资降成本——基于数字金融的效用识别、异质性特征与机制检验[J].金融经济学研究，2020，（1）.

[13]王小燕，张俊英，王醒男.金融科技、企业生命周期与技术创新——异质性特征、机制检验与政府监管绩效评估 [J].金融经济学研究，2019，34（5）.

[14]唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异 [J].管理世界，2020，36（5）.

[15]梁榜，张建华.中国普惠金融创新能否缓解中小企业的融资约束 [J].中国科技论坛，2018，（11）.

[16]聂秀华.数字金融促进中小企业技术创新的路径与异质性研究 [J].西部论坛，2020，30（4）.

[17]鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创新可持续性 [J].经济研究，2013，48（1）.

[18]包钧，谢霏，许霞红.中国普惠金融发展与企业融资约束 [J].上海金融，2018，（7）.

[19]万佳彧，周勤，肖义.数字金融、融资约束与企业创新[J].经济评论，2020，（1）.