数字金融、产权性质与企业创新——基于创新异质性视角

李菲菲，马若微，黄解宇

（1.北京工商大学 经济学院，北京100048；2.运城学院 经济管理系，山西 运城044000）

一、引言

创新是发展的引擎，是经济持续增长的动力和源泉。企业作为创新的微观主体，其创新能力的提高对自身发展、国家竞争力的提升都有着重要意义。然而，创新是一项投入较大、产出不确定的活动，需要有充足、稳定的资金来源作为保障[1]，由于中国金融体系发展还很不完善，传统金融在为企业提供服务时存在属性错配、领域错配、阶段错配等结构性错配问题[2]，致使企业在进行研发投资活动时资金保障不足，普遍面临着融资约束[3，4]。此外，根据双元创新理论，企业创新有探索式创新和开发式创新两种模式，企业要想紧跟时代发展，需要同时兼顾二者，过分强调其一都不利于企业创新发展，但是在企业的实践中，往往存在重视开发式创新，对探索式创新投入不足的现象[5]。如何提升金融服务效率，促进企业创新能力的稳步提升，实现双元创新的均衡，是新发展格局下经济高质量发展的现实问题。

近年来，数字技术与金融产业的深度融合催生出了一系列新型金融业态，数字金融应运而生并快速成长。借助云计算、大数据等新兴技术，数字金融加强了金融主体间的联接，拓展了传统金融服务的内容和边界[6]，那么数字金融发展能否在改善金融供给效率的同时驱动企业创新？既有文献主要从产业政策[7，8]、金融发展[9，10]、制度环境[11，12]等方面分析如何促进企业创新，由于数字金融发展时间较短，目前仅有个别学者开始将数字金融作为企业创新的影响因素展开研究，唐松等(2020)[2]的研究发现数字金融能校正传统金融中存在的资金错配问题，对技术创新存在“结构性”驱动效果。贾俊生(2021)[13]的研究表明数字金融对辖区企业创新有显著促进作用。然而，这些学者在考虑企业的创新行为时，大多将企业的创新活动作为一个整体，而未考虑创新模式的异质性。由于探索式创新和开发式创新在回报方式、投资风险、资金来源等方面都有着较大差异，因此在考虑创新活动时不能忽视二者的区别。

另一方面，在中国现行经济体制下，存在着大量的国有企业和非国有企业，两种类型的企业在管理体制、经营目标等方面都有所不同，在研究数字金融与企业创新活动的关系时还应考虑所有权性质的影响。

综上，文章在数字金融蓬勃发展的大背景下，基于创新异质性视角探讨了数字金融对企业创新行为的影响，并进一步考察了产权性质在二者关系中所发挥的调节效应。据此，文章致力于解决以下问题：数字金融发展能否促进企业创新？数字金融对企业探索式创新和开发式创新是否存在着不同影响？产权性质在数字金融与企业的创新活动中发挥着怎样的调节作用？

二、理论分析与研究假设

1.数字金融与企业创新投入

对企业而言，在进行创新活动时需要投入大量的资金，往往需要外部融资。且创新项目具有一些与普通投资不同的特征，首先，创新的产出一般为知识、技术等无形资产，而无形资产难以作为抵押物获得外部融资；其次，创新产出具有高度的不确定性，体现为研发投入到研发产出的高失败率以及研发成果转化为商业成果的高风险性；此外，在激烈的市场竞争下，与创新项目相关的信息往往被视为商业机密而不被披露，加剧了企业与外部投资者的信息不对称。创新活动所具有的无形资产特性、高度不确定性以及信息不对称使其很难获得外部融资，而内源融资又难以满足其资金需求，但一方面由于创新活动中投入到产出的高失败率以及研发成果转化为商业成果的高风险性，另一方面，创新活动的相关信息往往被视为商业机密而不能被披露，加剧了企业与外部投资者的信息不对称，导致企业很难获得外部融资，从而致使很多净现值为正的项目也无法进行(Myers等，1984)，由此便产生了融资约束问题。稳健、高效的金融体系可以缓解企业在创新过程中的资金约束，助力企业创新[13]。具体来说，数字金融的发展对企业创新的影响主要体现在以下三个方面：

第一，可以拓宽企业融资渠道，降低金融服务门槛。传统的金融服务模式下，金融机构在提供信贷支持时通常更注重企业可供抵押的实物资产[16]，而忽视了技术、创新能力等无形资产，这使得具有发展潜力但资质担保价值低的企业难以获得外部融资，阻碍了企业创新[17]。数字经济时代，新型金融业态打破了传统金融业务受硬件设施、地理位置的约束，客户的覆盖范围更为广泛，金融服务的门槛也更低，很大程度上提高了企业信贷资源的可获得性。此外，随着金融服务和金融产品创新的不断发展和完善，多层次、多维度的融资模式拓宽了企业融资渠道，有助于为企业创新提供充足的资金支持。

第二，可以防范信贷风险，降低融资成本。创新活动的高度不确定性使其本身具有较高的风险属性，为保障债权人的利益，传统金融机构在为企业创新项目提供融资服务时需要进行一系列复杂的审批流程以降低信贷风险，这一方面会拉长企业融资周期，另一方面在审批流程中消耗的人力、物力等成本会转嫁给企业，提高企业的融资成本[18]。数字金融的发展借助互联网平台、数字技术等手段改变了传统金融服务模式，大大缩短了信贷审批流程。Fuster等(2019)[19]以美国的信贷数据为研究样本，发现数字技术与金融服务的有效融合使企业贷款审批的速度提高了将近20%，并且这种高效的审批并没有带来违约风险的增加。这种基于大数据、人工智能的信贷审批可以依托数字技术强大的风险甄别功能防范信贷风险，降低企业的融资成本，激发企业的创新活力。

第三，促进信息共享，提升金融服务效率。企业与资金供给方之间的信息不对称是其难以获得外部融资的原因之一(Kaplan，1997)，数字金融能够凭借互联网、云计算、区块链等先进的技术手段，对企业及其创新项目的相关数据进行精准的挖掘和获取，并据此建立完善的信息监测体系、风险评估体系。由此，一方面能够提升企业的信息透明度，极大地便利资金提供方对企业资金使用情况及项目进度的实时追踪，避免企业在信息不对称影响下受到信贷歧视，另一方面也简化了对企业的信贷审核评估流程，提高了其融资效率，进一步促进企业创新。基于以上分析，提出：

假设H1：数字金融发展对企业创新有促进作用。

2.数字金融与企业异质性创新

根据双元创新理论，可以把创新分为开发式创新和探索式创新。开发式创新是指企业在现有知识、技术的基础上，通过对现存产品的加工、改善，以满足既有市场为目的，为充分挖掘既有市场的新需求所采取的创新[21]。对于开发式创新来说，由于是对现存产品的改善，因此研发周期相对较短，风险较低，具有一定的可预测性，能在短期内产生经济效益，为企业带来稳定回报[22]，可视为一种渐进性创新。探索式创新则是指企业脱离原有的知识、技术领域，借助新知识、新技术，通过研发新产品以迎合新兴市场所进行的创新[23]。就探索式创新来说，它着眼于未知的新市场新领域，是一种根本性的、大幅度的创新活动[24]，能增强企业的核心竞争力，更注重企业的长远利益。但是同时，其研发周期较长，风险也更大，可视为一种激进式创新。

较长的投资回报周期及较高的不确定性，使得探索式创新相比开发式创新面临着更为严重的融资约束问题[25]，因此数字金融的发展对两种异质性创新的促进作用可能存在着一定的差异。在数字金融发展程度越高的地区，资金的可获得性越高，在有充沛资金支持的条件下，立足于企业的长远发展，企业将更倾向于进行能为企业带来核心技术能力的探索式创新。此外，尽管探索式创新风险较高，但是其收益也较高，数字金融的发展能在很大程度上降低企业的融资成本，进而降低创新成本，在创新收益不变的前提下创新成本的降低会进一步激励企业进行探索式创新，从而获得更高的收益。因此，数字金融发展对探索式创新有促进作用。而对于开发式创新，由于其能给企业带来既定的回报，风险较低，面临的融资约束也较低，相比探索式创新，企业有较多的资金可用于开发式创新[26]。因此，开发式创新对数字金融发展所带来的融资服务的升级和优化敏感性不强，即数字金融发展对开发式创新发挥的作用不如探索式创新。基于以上分析，提出：

假设H2：相比开发式创新，数字金融对企业探索式创新的促进作用更强。

3.所有权性质的调节作用

从企业产权性质的角度来看，国有企业和非国有企业的创新行为有着显著的差异，因此在研究创新活动时应考虑产权性质的影响。一方面，由于管理体制的差异，国有企业的领导任命一般由上级领导决定，且任期较短[27]，这导致国有企业的领导往往更重视企业的短期收益，倾向于开展短、平、快的投资项目，对于回报期长、风险较大的创新投资活动兴趣不大，投资动力不足[28]。而非国有企业为了在激烈的市场竞争中生存下去，必须依靠持续不断的创新投入保持竞争力；另一方面，相比非国有企业，国有企业承担着改善民生、提供就业等更多的社会责任，因此能够得到政府、国有银行等机构的政策扶持，融资渠道较多，融资成本也相对较低[6]，而非国有企业则无法享受到优惠的融资政策，创新活动难以得到传统金融服务模式的资金支持，面临融资难、融资成本高的问题。现有研究表明，非国有企业面临的融资约束往往高于国有企业[29]。因此，当数字金融的快速发展带来金融环境的改善时，对于国有企业来说，是可以利用的资金更为充裕；而对于非国有企业来说，是获得了可以进行研发创新的资金。因此可以推断，数字金融发展对企业创新的促进作用在非国有企业更为显著。

更进一步地，若考虑研发创新的异质性，探索式创新是开发新产品，着重未来收益，回报周期更长、风险更大，开发式创新是改善已有产品，着重短期利益，回报周期短，风险较低，结合国有企业与非国有企业的特征，不难推测国有产权属性对探索式创新的抑制作用更强，而对于开发式创新的抑制作用相对较弱。基于以上分析，提出：

假设H3：相比国有企业，数字金融对企业创新、探索式创新的促进作用在非国有企业更为显著。

三、研究设计

1.模型设定

（1）基准回归模型

为验证假设H1，考察数字金融发展对企业创新的促进作用，文章设定如下基准回归模型：

其中，被解释变量RDit表示企业i在第t年的创新水平，解释变量Fintechmt表示企业i所在区域m第t年的数字金融指数，Controls表示其他控制变量，ηt表示时间固定效应，φj表示行业固定效应，δm表示区域固定效应，文章同时控制了时间、行业、区域固定效应，εit表示随机误差项。在模型(1)中，主要观察系数β的显著性水平及正负方向。

（2）分样本回归模型

为验证假设H2，检验数字金融发展对探索式创新和开发式创新的不同影响，借鉴顾群等(2020)[30]的做法，将创新数据划分为探索式和开发式两组，构建如下分样本回归模型：

模型(2)用于考察数字金融与探索式创新的关系，模型(3)用于考察数字金融与开发式创新的关系。在模型(2)、(3)中主要观察系数β1、β2的差异。

（3）调节效应模型

为验证假设H3，即产权性质会削弱数字金融对企业创新、探索式创新的促进作用，分别在模型(1)、(2)、(3)的基础上引入产权性质与数字金融指数的交互项(Fintech×State)，构建如下调节效应模型：

模型(4)用于考察产权性质在数字金融与企业整体创新关系中发挥的调节作用，主要观察系数φ的显著性水平及正负，模型(5)用于考察产权性质在数字金融与企业探索式创新关系中的调节作用，主要观察系数φ1的显著性水平及正负，模型(6)用于考察产权性质对数字金融和企业开发式创新关系中的调节作用，主要观察系数φ2的显著性水平及正负。

2.变量说明

（1）被解释变量

企业创新(RD)：借鉴王红建等(2017)[31]的做法，文章采用研发投入强度作为企业创新的代理变量，即用研发支出/营业收入衡量企业创新水平。在后续的稳健性检验中，采用了人均研发支出的衡量方法。

探索式创新(R)与开发式创新(D)：根据中国2006年颁布的《企业会计准则——基本准则》中无形资产的相关内容，企业内部研发项目的支出，应区分研究阶段支出与开发阶段支出，其中研究阶段的支出在发生时费用化，开发阶段的支出在满足特定条件时予以资本化计入无形资产。由于相比开发阶段支出，研究阶段的支出不确定性更大，类似于探索式创新。因此，文章借鉴毕晓芳等(2017)[24]的做法，将研究阶段支出(r)视为探索式创新投资，将开发阶段支出(d)视为开发式创新投资。具体来说，若样本r＞0，d＞0或r＞0，d=0将其划分为探索式创新组，用r+d与营业收入之比衡量该样本探索式创新水平，记为R，若样本r=0，d＞0将其划分为开发式创新组，用d与营业收入之比衡量该样本开发式创新水平，记为D。

（2）解释变量

数字金融(Fintech)：文章借鉴郭峰等(2020)[32]的研究思路，采用北京大学数字金融中心开发的数字普惠金融指数作为数字金融代理变量。该指数依托蚂蚁金服微观数据，包含了覆盖广度、使用深度、数字化程度等多维数据，能够有效契合中国数字金融发展现状，具有一定的代表性和可靠性，目前已在相关研究中得到了广泛运用[33]。文章选取2014—2019年地级市层面的数字普惠金融指数作为模型中数字金融的代理变量，用Fintech表示。

（3）调节变量

文章的调节变量为产权性质，采用虚拟变量的度量方式，若企业为国有控股，取值为1；若为非国有控股，取值为0，用State表示。

（4）控制变量

参考已有文献，文章选择了企业规模、资本结构、固定资产比例、资产回报率、企业增长率、第一大股东持股比例、管理层持股比例、企业年龄作为控制变量，另外，文章还控制了年份、行业、区域固定效应。变量的具体含义及测度如表1所示。

表1 指标选择与变量说明

3.样本选择和数据来源

文章选择2014—2019年中国制造业上市公司A股数据作为初始研究样本，其中，企业层面数据均来源于国泰安CSMAR数据库，数字金融数据来源于北京大学数字金融研究中心。按照文献的惯例做法，文章剔除了样本期内ST、数据缺失的公司，为消除异常值对实证结果的影响，对所有连续变量进行了双侧1%的缩尾处理(winsor)，最终得到3142个样本观测值，按照创新模式划分后，得到探索式创新样本1902个，开发式创新样本1240个。样本数据的描述性统计见表2。

表2 描述性统计

描述性统计结果显示，全样本中创新投入的均值为0.047，说明中国制造业上市公司研发投入整体上处于较低水平，此外，创新投入的最小值为0，最大值为1.375，说明不同企业的创新投入力度存在着明显的差距。数字金融指数无论从总指数(Fintech)还是从覆盖广度(Coverge)、使用深度(Usage)、数字化程度(Digi)等分指数来看，最小值与最大值间都存在一定的差距，说明中国不同区域数字金融发展程度处于非均衡状态。分样本来看，探索式创新投入均值为0.033，开发式创新投入均值为0.068，说明中国企业更偏好开发式创新，对开发式创新投入的资金更多。

四、回归结果与分析

1.基准回归结果

表3列示了数字金融对企业创新的回归结果。第(1)列为数字金融总指数(Fintech)对企业创新的影响，可以看出，Fintech的系数为0.840，通过了1%的显著性水平，说明数字金融从整体上对企业创新有正向促进作用，假设H1得到了证实。数字金融作为一种新兴金融业态，在传统金融服务模式的基础上融入了大量的科技元素，可以通过拓宽融资渠道、降低融资成本、提升企业透明度等方式缓解企业融资约束，助力企业创新。

表3 数字金融与企业创新

另外，由于数字金融指数涵盖了覆盖广度(Coverge)、使用深度(Usage)、数字化程度(Digi)等多个维度，为了更全面了解数字金融对企业创新的影响，文章进一步从三个分指数的角度出发进行分析，回归结果见表3中(2)～(4)列。可以看出，Coverge、Usage、Digi的系数均显著为正，说明数字金融的广度、深度、数字化程度都可以对企业创新产生激励效应，进一步证实了假设H1。通过对比(2)～(4)列中数字金融各分指数的系数，可以发现数字金融使用深度对企业创新的促进作用最大，这主要是由于使用深度刻画了实际使用数字金融服务的情况，体现了某一区域金融业务的服务能力，若服务能力越强，则企业融资效率越高，进而对企业创新的促进作用越强。

2.分样本回归结果

为了进一步探讨数字金融是否对企业探索式创新和开发式创新有不同影响，分别对探索式创新样本组和开发式创新样本组进行回归，结果见表4。在探索式创新组中，第(1)列为数字金融总指数(Fintech)对企业探索式研发投入的回归结果，可以看出，Fintech系数显著为正，说明数字金融对企业探索式创新有正向激励效应。进一步，采用数字金融分指数进行回归，结果见第(2)～(4)列，各分指数系数均显著为正。同样的，在开发式创新组中，第(5)列为数字金融总指数(Fintech)对企业开发式研发投入的回归结果，结果显示，Fintech的系数为负且不显著，说明数字金融对企业的开发式创新并没有产生影响，进一步采用分指数回归得到了一致的结果。以上结果表明，数字金融对企业的探索式创新和开发式创新确实存在着不同的影响，假设H2得到证实。这是由于数字金融的发展极大地改善了企业的融资环境，在有稳定资金来源的条件下，企业更倾向于进行能为其带来核心竞争力的探索式创新，而开发式创新面临的融资约束较小，企业凭借自身能力即可进行，数字金融对其促进作用并不显著。

表4 数字金融对企业探索式创新、开发式创新回归结果

3.调节效应回归结果

表5报告了在加入数字金融与产权性质的交互项Fintech×State后的回归结果。第(1)～(3)列的结果显示，加入Fintech×State后，Fintech与RD、Fintech与R的系数仍显著为正，Fintech与D的系数仍不显著，再次证明了假设H1和假设H2。

表5 所有权性质的调节效应

根据第(1)列，数字金融与所有权性质交互项(Fintech×State)的系数为-2.172，在1%的水平上显著，说明所有权性质弱化了数字金融对企业创新的正向作用，即在非国有企业中，数字金融对企业研发投入的激励效果更为显著。列(2)为探索式创新样本的回归结果，Fintech×State的系数仍显著为负，说明产权性质对数字金融与探索式创新的影响与对企业整体创新的影响是相同的，即在非国有企业中，数字金融对企业探索式研发投入的促进作用更强。列(3)为开发式创新样本的回归结果，Fintech×State的系数为正且不显著，说明产权性质并不会影响数字金融与开发式创新的关系，即无论是在国有企业还是非国有企业，数字金融都不会对开发式研发投入产生影响。以上结果证实了假设H3。带来这种结果的原因主要在于，相比非国有企业，国有企业的领导更看重短期利益，因此对研发投入，尤其是探索式研发投入力度不足。

4.稳健性检验

为保证结果的可靠性，文章更换了创新投入的衡量方式，采用人均研发的自然对数重新度量研发投入，分别对模型(1)～(6)回归后结果见表6中(1)～(6)列。根据列(1)，Fintech系数显著为正，再次证实了假设H1。根据列(2)、(3)，数字金融对探索式创新的回归系数显著为正，对开发式创新的回归系数不显著，假设H2再次得到了证实。根据列(4)～(6)，全样本回归中，数字金融与产权性质交互项系数显著为负，探索式创新样本中得到了一致的结果，而在开发式创新样本中，交互项系数不显著，假设H3得到了证实。以上结果说明在更换核心变量的度量方法后，文章的结论依然成立。

此外，为防止反向因果、遗漏变量等内生性问题对文章的研究结果产生干扰，参考邱晗等(2018)[34]的设计思路，采用各省份互联网普及率作为数字金融的工具变量来缓解内生性，数据来源于2014—2018年《中国互联网络发展统计报告》。表6中第(7)列为工具变量一阶段的回归结果，第(8)列为第二阶段回归结果。一阶段回归结果显示，工具变量IV的系数估计值在1%的水平上显著为正，表明某一地区互联网发展水平越高，该地区的数字金融水平也越高，满足工具变量的相关性要求。二阶段的回归结果显示，数字金融Fintech的系数在1%的水平上显著为正，说明在缓解潜在内生性后，文章核心假设H1仍然是成立的。

表6 稳健性检验

综上，文章的研究结果是稳健的。

五、结论与启示

文章选取2014—2019年中国制造业上市公司微观数据，通过构建基准回归模型及分样本回归模型研究了数字金融对企业创新投入及不同创新模式的影响，通过构建调节效应模型考察了产权性质在数字金融与企业创新活动中发挥的调节作用，主要结论为：数字金融发展对企业创新投入有正向促进作用，从不同维度来看，数字金融使用深度对创新投入的促进作用最强；考虑创新模式异质性后，数字金融对探索式创新和开发式创新促进作用不同，具体来说，数字金融对探索式创新有正向激励效果，而对开发式创新不起作用；考虑所有权性质的影响后，在国有企业中，数字金融对创新投入的促进作用会被削弱，并且相比开发式创新，对探索式创新的削弱作用更为明显。

文章的研究结论具有如下政策启示：

第一，在守住不发生系统性风险的底线下，应积极推进数字金融发展，助力实体企业创新。一方面，加大信息技术的研发投入力度，推动人工智能、大数据、云计算、区块链等高端核心技术的不断创新与完善，鼓励金融业向数字化、信息化转型，加强数字经济产业与金融产业的深度融合；另一方面，除了在整体上促进数字金融的发展外，还应进一步扩大数字金融的覆盖广度，提高其数字化程度，为创新型企业打造更为优质、高效的融资环境。

第二，相比开发式创新，探索式创新对促进企业技术升级及经济持续增长发挥着更为重要的作用，但同时也面临着更为严重的融资约束。因此，在当前我国产业升级及经济高质量发展背景下，应积极引导数字金融对企业的探索式创新给予针对性的资金支持，加大扶持力度，以增加企业的探索式创新投入，实现企业双元创新的均衡发展，提高其创新水平。

第三，相比非国有企业，国有企业创新动力不足，创新潜能还未被完全激发出来。因此，应进一步深化国有企业改革，发展混合所有制经济，以充分调动企业创新的能动性，激发企业的创新活力与潜力，提高数字金融对国有企业的创新激励效果，积极促进企业为探索式创新投入更多资金，最终推动经济的高质量发展。