数字金融是否影响企业绿色技术创新——来自上市公司的经验证据

王智新，朱文卿，韩承斌

(河北大学经济学院,保定 河北 071002)

0 引言

近年来，绿色发展的重要性日益凸显，逐渐上升为新时代国家发展的战略目标与方向。 《中国制造2025》强调创新驱动与绿色发展双轨并进，党的十八届五中全会确定了包括绿色发展在内的发展理念，昭示了绿色发展成为今后国家发展规划的重要原则。十九大报告中提出 “人与自然和谐共生”和 “绿水青山就是金山银山”的理念。 《 “十四五”规划纲要》提出构建市场导向的绿色技术创新体系，实施绿色技术创新攻关行动，推动经济社会发展全面绿色转型，建设美丽中国。在美丽中国背景下，如何加快企业绿色技术创新，提高企业绿色竞争力一直是国内外学者研究的前沿问题。与此同时，由区块链、物联网和人工智能等构成的新一代信息技术加速突破，深度融合于金融产品和服务中，数字金融在缓解融资约束、降低交易成本、优化营商环境、加快产业转型、缩小区域差异和提升发展质量等方面受到决策层高度关注。《“十四五”规划建议》提出要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎。未来，推进数字经济与实体经济深度融合发展和良性交互赋能是一个崭新的前沿课题，而数字金融发展则发挥着至关重要的作用。那么，数字金融是否显著影响企业绿色技术创新？如果存在显著的经济效应，这种效应是否具有较强的稳健性？其背后的作用机制是什么？数字金融对企业绿色技术创新的作用在本身特征、中介效应以及空间效应上又具有何种差异？我国未来在推进数字金融发展、提高企业绿色技术创新过程中应该如何超前布局和精准施策？

当前学界在企业绿色技术创新领域的研究主要分布在影响因素方面。学者通过实证研究指出市场需求[1]、政府补贴和优惠[2]、企业形象[3]、企业所有制结构和地区经济发展水平[4]等因素均会影响企业开展绿色技术创新意愿和能力。值得注意的是，现有文献中鲜有关于数字金融影响企业绿色技术创新的研究成果，与本文联系最为紧密的主要是探讨企业融资约束对企业绿色技术创新影响的研究。例如，融资约束影响企业信贷资金，限制企业的研发投入，约束企业的创新意愿和能力[5-6]，说明在一定程度上数字金融可以通过缓解企业融资约束，推动企业绿色技术创新效率提升。还有学者从多维度验证金融行业对企业创新具有积极的促进作用[7-8]。不过，目前尚未有直接证据证实数字金融对企业绿色技术创新具有积极的推动作用。

本文首次将数字金融纳入企业绿色技术创新的分析框架，运用2011—2018年中国上市企业的绿色专利拥有数据和数字普惠金融指数[9]，通过多种计量方法实证检验数字金融对企业绿色技术创新的经济效应及影响机制，为现有研究作出一定的边际贡献。①创新研究角度。从数字金融的角度丰富企业绿色技术创新的相关研究，考察数字金融影响企业绿色技术创新的经济效应及背后机制，较好地弥补现有研究的缺陷和不足。②研究方法创新。在实证研究中，本文在构建基本回归模型检验数字金融的直接效应之外，采用中介效应模型检验其是否存在间接效应，通过多种方法缓解可能存在的内生性问题对回归结果的影响。③政策建议创新。本文进一步探讨数字金融的影响在不同区域和不同类型企业的差异，通过异质性研究更加合理地规划企业绿色技术创新的方向和路径，研究得出的重要结论更加全面和精准，研究的参考价值更高。

1 研究背景与理论分析

企业绿色技术创新是企业通过改进现有流程和生产方式或改变投入要素，使用更加节约高效的资源，以此助力企业降本增效，保证企业活动正常运转，同时形成环境的正外部效应，创造环境绩效。其核心是在可持续发展思想的指导下，开展创新活动。数字金融则利用云计算等数字技术，降低企业融资约束的同时顺应绿色发展思想，融合多元化绿色产品和服务，为企业间协同绿色创新搭建平台，促进企业绿色技术创新效率提高。

1.1 线性机理与研究假说

数字金融从直接和间接两个方面共同提升企业绿色技术创新效率。数字金融通过扩大融资数量和提升融资质量两个路径共同缓解企业融资约束，成为企业绿色技术创新效率提升最显著的直接作用机制。一方面，数字金融通过互联网提供服务和产品，打破空间和人工限制，降低企业信息搜寻成本、时间成本和交易成本；另一方面，数字金融利用大数据和云计算等数字科技，整合识别市场上海量的信息和企业数据，将受到企业规模、信誉水平和市场信息不对称等因素限制无法参与金融活动的中小企业纳入金融市场，发挥长尾效应，扩大资金来源。通过降低融资成本和扩宽融资渠道，数字金融为企业提供更大程度的资金支持，提高企业融资数量。从融资质量看，数字金融的作用机制主要体现在风险识别与控制和业务融合两个方面。凭借自身具备的风险识别能力，数字金融为供给 (需求)方匹配合适的需求 (供给)方，对涵盖的项目和活动进行精准评估后不断缩小甚至去除高风险项目，保留低风险项目，不断增强去风险化意识。此外，数字金融在发展过程中与时俱进，不断完善创新，与不同行业相结合，推出针对性的产品和服务。响应国家绿色发展号召，数字金融设立绿色信贷服务，业务涵盖核电、风电和光伏发电等多个绿色领域，优先为开展环保项目的企业提供信贷支持，促进企业绿色业务融合。风险控制能力增强和绿色业务融合发展，双管齐下提升企业融资质量。融资数量和融资质量的提升，能够有效缓解企业融资约束，提高企业开展绿色创新活动的意愿和能力。

间接效应体现在完善基础设施、形成创新氛围和优化治理结构3个方面。①数字基础设施为数字金融发挥作用提供重要保障，随着数字金融在社会各个领域渗透以及发挥作用，国家必然加大对数字基础设施的投资，完善现代通信等相关建设，形成正向外部经济效应。②数字金融行业作为技术含量高的业态模式，向经济社会及企业内部扩散的过程中形成技术溢出效应，创造有利于创新的社会氛围，在知识碰撞中激发创新火花，提升整体创新能力与水平。③在为企业提供金融服务的过程中，数字金融帮助企业合理规划资金结构和人员结构等，完善企业治理结构，为企业可持续发展提供内生动力。基于此，本文提出假说1：数字金融能够直接提升企业绿色技术创新。

1.2 非线性机理与研究假说

数字金融利用5G、物联网和大数据等数字科技，为企业提供更加优质的金融产品和服务，更广阔安全的资金，重塑企业经营管理流程，降本增效，提高企业经营效益。企业享受数字金融释放的红利后，提高自身竞争能力，转变经营管理理念。为了企业可持续发展，企业高层会选择可持续发展战略，或改进工艺，或完善流程，从各个方面进行绿色技术创新，为企业发展提供深层次动力。随着数字金融不断发展，推动企业绿色技术创新的能力可能增强，呈现 “非线性特征”。

受限于金融发展水平、基础设施等因素，数字金融在问世初期的使用成本较高，自身能力有待提高，涉及的绿色业务较少，因此该阶段数字金融的使用对象单一，业务范畴狭窄，数字金融对企业绿色创新效率提升的溢出效应式微。随着率先使用数字金融的企业取得经济效应，这类企业将数字金融运用在更多业务中，未使用的企业则发挥 “学习效应”，将数字金融纳入经营活动中，同时 “绿色发展”观念在社会范围内不断深入，企业扩展绿色业务规模和类型，数字金融与企业绿色技术创新活动的互动增强。数字金融与企业的联动深入发展，企业针对在绿色技术创新活动中使用数字金融服务的问题和不足，向数字金融提出更多、更广和更高的要求，基于逐利性的数字金融行业也会不断改进完善，为企业提供更加多元高效的金融服务，更先进智能的网络技术以及创新思维。该阶段数字金融的使用成本降低，信息共享能力提高，其溢出效应增强，边际成本不断下降，边际收益随之提升。随着数字金融不断发展，企业绿色技术创新效率不断提升。如此反复作用和累积循环，数字金融与企业绿色技术创新都能够获益。因此，数字金融促进企业绿色技术创新的作用呈现出非线性特征。基于此，本文提出假说2：数字金融对企业绿色技术创新效率提升的促进作用呈现非线性特征。

1.3 异质性机理与研究假说

数字金融助力企业绿色技术创新效率的作用，受到经济系统中的政策、资源和资金投入等因素调节。当前企业绿色技术创新效率呈现东部最高，其次是中部地区，西部地区最低的地区格局[10]。在中部地区绿色技术创新效率有更广阔的发展空间，西部地区虽然也能凭借后发优势助力企业绿色技术创新效率提升，但是该地区经济基础较差，数字金融的溢出效果仍然有限。金融发展水平高的地区为培育数字金融提供更为肥沃的土壤，该地区的数字金融自诞生以来便比其他地区水平高、能力强，能够为企业绿色技术创新提供更加优质全面的金融服务；市场化水平衡量了各地区的市场分割程度，市场化水平高代表该地区的资源流动壁垒较少[11]，绿色技术创新的知识、技术和经验流动更加顺畅，企业学习效应更强。因此在中部地区、金融发展水平高和市场化水平高的地区，数字金融释放的红利更大，推动企业绿色技术创新效率的作用更强。

对于企业而言，不同类型企业自身条件和生产经营活动中的侧重点不同，这影响了数字金融作用的发挥。大规模企业拥有更雄厚的资金和更高水平的研发团队，他们为了社会地位和企业形象更有动力和实力开展绿色技术创新；国有企业得到政府资金和政策支持，自身政治属性要求他们承担绿色技术创新侧重的社会性责任；两职合一的企业内部治理水平更高，拥有更完善的信息披露机制，能够增强项目可信度，提高融资成功率。小规模企业受制于自身实力难以承担高额且持续投入的创新资金[12]，非国有企业追求 “经济效益最大化”而忽视环境效应。因此相比于小规模企业、非国有企业和非两职合一企业，在大规模企业、国有企业和两职合一企业中数字金融与绿色技术创新活动结合，更能发挥 “1+1>2”的效应，促进企业绿色技术创新效率提升[13-14]。基于此，本文提出假说3：数字金融推动企业绿色技术创新效率提升的作用在中部地区、发达地区和市场化水平高的地区更加显著；假说4：数字金融推动企业绿色技术创新效率提升的作用在大规模企业、国有企业和两职合一企业更加显著。

2 构建模型、变量说明与数据来源

2.1 构建模型

本文把数字金融纳入企业绿色技术创新的分析框架，构建模型如下:

Patentit=α0+α1indexit+α2Xit+λi+δt+εit

(1)

式中,Patentit表示i省份在t时期的企业绿色技术创新指标，indexit代表i省份在t时期的数字金融水平指标，λi为省份层面的个体固定效应，δt为时间固定效应；εit为随机扰动项。α1大小及方向反映数字金融对企业绿色技术创新的影响。向量X为控制变量集。

为了检验企业绿色创新活动中是否存在非线性溢出，借鉴Hansen的面板门槛模型构建如下门槛模型：

Patentit=α0+α1Indexit×I(Uit≤γ)+α2Indexit×I(Uit>γ)+α3Xit+λi+δt+εit

(2)

式中,Indexit是核心解释变量，Uit是门槛变量，γ为待估门槛值，其他变量定义同式 (1)。

式 (2)仅为假设存在一个门槛值的情形，考虑到样本完全存在多个门槛值的可能性，这里对模型拓展如下：

Patentit=α0+α1indexitI(Uit≤γ1)+α2I(Uit>γ1)+…+αnindexitI(Uit≤γn)+αn+1I(Uit>γn)+αcXit+λi+δt+εit

(3)

2.2 变量设定

本文选取企业绿色专利拥有量为被解释变量，数字金融发展指数为解释变量，金融发展水平、研发强度和产业结构为门槛变量以及包括企业年龄和市场规模等一系列控制变量在内的指标体系。具体指标名称和定义见表1。

表1 变量定义

2.3 变量描述性统计

本文的数字金融综合发展指数来自北京大学数字金融研究中心利用蚂蚁金服海量数据编制公布的中国数字普惠金融指数，企业绿色技术创新效率指标来自国泰安数据库公布的企业绿色专利数据。其他控制变量数据主要来自 《中国统计年鉴》、 《中国金融统计年鉴》 《中国互联网发展状况统计报告》， 《中国科技统计年鉴》。本文主要变量的描述性统计结果见表2。结果显示，企业绿色技术创新指标 (patent)呈现均值小，标准误大的特点，表明总体上企业绿色专利拥有量较少，意味着当前企业绿色技术创新仍处于较低水平，且不同企业的绿色技术创新水平存在较大差距。数字金融指标相比于企业绿色技术创新指标，呈现均值大，标准误小的特点。从控制变量看，控制变量也呈现均值大，标准误小的特点。从控制变量的最大值和最小值也可看出不同上市公司在企业年龄、固定资产比率 (fas)和管理费用 (manage)方面、不同省市在市场规模 (scale)、知识产权保护水平 (property)和省份经济发展水平 (pgdp)等方面存在明显差异。

表2 变量描述性统计

3 实证结果分析

3.1 基准估计结果分析

数字金融水平影响企业绿色技术创新效率的线性估计结果见表3。为了充分研究数字金融对企业绿色技术创新效率的影响，本文采用递进式回归原则，模型 (1)在控制时间和省份虚拟变量的基础上仅考虑核心解释变量。结果显示，数字金融综合指数的估计系数显著为正，在模型 (2)中进一步纳入控制变量集，数字金融系数仍为正且在1%的水平下显著，这充分表明数字金融的发展有利于企业绿色技术创新效率提升。纳入控制变量后核心解释变量回归系数有所下降，可归因于控制变量吸收相关影响。回归结果的高度显著证实数字金融对企业绿色技术创新效率提升具有促进作用，证实假说1。

表3 基准回归结果

进一步将数字普惠金融综合指数分解为覆盖广度、使用深度和数字化程度指标进行回归检验，结果见模型 (3)～ (5)。结果显示覆盖广度、使用深度和数字化程度对企业绿色技术创新均有促进作用。覆盖广度的促进作用最大，使用深度系数显著但系数值较小，说明当前数字金融使用深度虽然是企业提高绿色技术创新效率的重要力量，但是其推动作用有待提高；数字化程度未通过10%水平的显著性检验，可能是数字金融用户黏性较低，且我国经济区域、城乡差距较大，导致数字化程度不能明显促进企业绿色技术创新。

3.2 非线性结果分析

为了验证数字金融对企业绿色技术创新效率的非线性效应，本研究构建面板门槛模型进行回归估计。首先进行存在性检验，检验结果和门槛值的LR图形见表4和图1。

表4 门槛效应检验结果

图1 门槛值的LR图形

结果显示，金融变量、研发变量和产业变量均显著通过单一门槛检验，拒绝双重门槛和三重门槛的存在性检验，数字金融对企业绿色技术创新的非线性特征得到证据支撑。基于此设定单一门槛回归模型，结果见表5。结果表明，当金融发展跨过2.48的门槛值，研发强度跨过0.04的门槛值，产业结构跨过3.37的门槛值，数字金融变量系数和显著性均有明显提升，充分说明在金融发展水平上升、研发创新强度提升和产业结构优化的条件下，数字金融具有 “边际效应”递增的非线性特征，证实本文提出的假说2。数字金融的动态影响不仅受到自身水平影响，而且存在金融发展、研发创新和产业结构升级方面的调节作用。

表5 面板门槛模型回归结果

3.3 异质效应分析

(1)地区异质性分析。为了更加充分全面了解数字金融对企业绿色技术创新的影响，本文进行东中西部、发达程度和市场化水平的地区异质性研究，其中发达程度通过传统金融机构存贷款余额划分，回归结果见表6。结果显示，数字金融变量系数在中部地区、发达地区和市场化水平高的地区显著为正，证实假说3。发达地区和市场化水平高，必然伴随着该地区较高的经济发展程度，资金、技术和人才等资源要素较小的流动障碍，市场交易成本较低，有利于促进地区资源配置效率的提高，激发创新主体的创新激情，进而提高地区技术和产品革新，充分发挥数字金融的驱动力。东部地区作为最早享受改革开放红利的地区，比其他两个地区拥有更大的经济发展优势，数字金融得到广泛深入使用，数字金融对企业绿色技术创新的驱动作用已充分释放。西部地区、不发达地区和市场化水平低的地区数字金融尚未成为企业绿色技术创新提高的推动力量，说明现阶段需要降低市场交易成本，打破资源要素流动障碍，加强知识产权保护，创造良好市场环境，充分挖掘数字金融对企业绿色技术创新的激励力。

表6 地区异质性分析

(2)企业异质性分析。进一步地，本文从企业所有制、企业规模和企业内部治理水平这3个方面检验数字金融对企业绿色技术创新的企业异质性表现。其中，企业内部治理水平以是否为两职合一企业为划分依据。估计结果见表7。

表7 企业异质性分析

结果显示，数字金融在国有企业、大规模企业和两职合一企业能够显著提升企业绿色技术创新效率。国有企业和大规模企业资金雄厚，拥有更高素质的研发团队，能够承担高额且持续投入的研发资金。绿色技术创新更加强调生态效益和社会效益，国有企业根据其自身的政治属性更能承担社会责任，开展绿色技术创新。两职合一指标作为企业内部治理环境指标之一，代表企业内部治理水平。两职合一企业内部治理水平高，本身具有较好的内部控制能力，能够及时对外披露企业相关信息。数字金融的应用可以帮助整合企业资源与信息，及时在资金供需双方传输，避免借款人对征信记录的过度依赖，提高融资成功率，为企业开展创新活动创造有利条件。综上所述，考虑企业异质性，国有企业、大规模企业和两职合一企业的数字金融对企业绿色技术创新的推动作用更强，证实假说4。

(3)绿色专利异质性分析。企业绿色技术专利指标分为7个部分，即替代能源、运输、节能、废物管理、农林、行政监管和核能发电。将各部分专利的企业拥有量替换为被解释变量重新进行回归，回归结果见表8。模型 (1) (3) (5)为节能、废物管理和行政监管的回归结果，模型 (2) (4) (6)进一步增加控制变量以保证结果的稳健性。结果显示，数字金融的拉动作用在节能、废物管理和行政监管方面显著，在替代能源、运输、农林和核能发电方面有待挖掘。节能、废物管理和行政监管方面技术创新的可操作性更强，不会受到企业所属行业的约束，创新成果转换为经济效益的可能性更大，时间周期更短，企业在这些方面具有更强的创新意愿。当企业获得资金和金融服务支持后，更容易做出技术创新的战略决策。因此，数字金融发展对节能、废物管理和行政监管方面的技术创新推动作用更强。替代能源对于资源种类和充裕程度要求高，运输和农林具有行业限制，核能发电对企业资金和技术设置门槛，各种因素层叠压制企业在这些方面进行创新的意愿和能力，数字金融发展对这些方面的技术创新推动作用也尚待提升。

表8 绿色专利异质性分析

3.4 内生性问题讨论

考虑到模型构建中可能存在内生性问题，在前文中，本文在模型中加入城市化、政府干预等控制变量，尽可能减轻由于内生性问题造成的实证结果偏误。进一步地，考虑到工具变量法是解决内生性问题的重要方法，本文参考其他学者的做法，为核心解释变量选取3个工具变量：①滞后1期的数字金融指数 (Indexi,t-1)。考虑到企业行为不仅受当期数字金融影响，也会受上期数字金融影响，因此将数字金融指数的滞后1期作为当期数字金融指数的工具变量。②互联网普及率 (net)。为了避免出现各地区创业活动对当地数字金融发展产生影响的双向因果情形，本文选取相同时间跨度的省级层面互联网普及率数据作为工具变量。一方面互联网行业为数字金融提供了生长土壤，另一方面不考虑其他因素对企业创新的影响，互联网普及率不会直接作用于企业绿色技术创新活动。因此，互联网普及率可以作为合理有效的工具变量。③1990年各省份固定电话数量与上年各省份互联网用户数的交互项。互联网的运用是数字金融发挥其作用的前提条件，而互联网是传统通信工具固定电话的延续，在互联网广泛深入使用的现今，固定电话对社会的影响不断下降，因此选取固定电话用户数作为工具变量具有一定的合理性，同时纳入随时间变化的互联网用户数构造交互项，符合面板数据模型选取工具变量的要求。回归结果见表9。本文选取的工具变量通过相关检验，证实所选工具变量的有效性。回归结果显示在考虑内生性问题后，数字金融对企业绿色技术创新的促进作用依然显著存在，证明前文结论的稳健性。

表9 内生性检验结果

3.5 稳健性检验

为了尽可能保证结论稳健，本文已经对数据进行时间—省份双固定、剔除样本数据中1%的极端值，剔除严重缺失的样本数据以及使用xtscc命令的稳健标准误，修正数据可能存在的问题。为了增强结果的可信度，此处尝试更多的稳健性处理。①增加控制变量，本文在现有模型基础上增加控制变量，尽可能降低由遗漏变量带来的回归结果偏误；回归结果见表10的模型 (1)～ (3)。②变化被解释变量重新估计，对替代能源、运输节能、废物管理、农林、行政监管和核能发电7个维度分别赋予10%、10%、15%、25%、10%、20%和10%的比重，重新构建企业绿色专利拥有量变量。回归结果见表10的模型 (4)。③变化解释变量重新估计，对数字金融指数的3个细分指标分别赋予30%、30%和40%以及20%、50%和30%的比重，重新计算数字金融总指数。回归结果见表10的模型 (5) (6)。

表10 稳健性分析回归结果

回归结果显示数字金融对企业绿色技术创新的促进作用仍然存在，进一步证实本文所得结论，说明结论具有较强稳健性。但是进一步比较发现，使用细分维度构建的数字金融指数进行回归后，作用强度有所下降，这说明数字金融发展需要树立全局观，单一维度的研究会导致数字金融的驱动力量被明显低估。

4 结论与政策建议

本文基于2011—2018年中国上市公司绿色专利数据和省级数字金融指数实证检验数字金融对企业绿色技术创新的溢出作用。结果发现，数字金融能够直接推动企业绿色技术创新效率提升，这种提升作用具有明显的地区和企业异质性；当金融发展、研发强度和产业结构突破自身门槛值时，数字金融的溢出作用得到进一步强化。基于上述结论，提出以下建议。

(1)遵循具体问题具体分析原则，提升企业绿色技术创新整体效率。大企业和国有企业自身实力雄厚，拥有高素质的科研人员，对这类企业可实行一般化政策，帮助他们进一步激发创新活力；对于小企业和非国有企业，政府应当加大补贴和技术支持，引导高素质人才流入这类企业，调动这类企业绿色技术创新意愿和能力。加大绿色技术知识产权保护，建立研发交流中心，帮助企业资源共享，提高绿色技术水平。

(2)加强数字金融与企业的联动能力。加强和完善企业融资、网络环境和支付结算等基础设施建设，简化企业使用金融服务环节和手续，在合作过程中充分了解企业需求，解决阻碍数字金融深入企业的障碍，实现数字金融高效服务企业绿色技术创新活动。响应国家绿色发展号召和企业绿色经营意愿，不断提出绿色发展有关的金融服务，弥补市场上绿色金融不足缺陷，让更多企业通过绿色金融服务开展绿色技术创新活动。

(3)加速推进数字金融与普惠金融建设。增加欠发达地区数字金融服务供给，在资源分配中重点考虑农村和边远地区。加强这些地区数字金融相关基础设施建设，增加数字金融产品和服务的多样化，提高地区居民金融素养，增加对数字金融服务的使用程度和使用效率，利用数字金融普惠性特征增加居民收入和激发创业，促进地区经济协调发展。