科技金融发展促进了企业数字化技术应用吗？

陈振权 田何志 吴非

[摘要]在当前数字经济高质量发展的时代背景下，科技金融发展及其相关政策的实施往往能激励企业加快数字化技术的部署和应用。借助于“科技金融试点”政策变动的外生冲击，充分剖析并展示了这一冲击对我国上市企业数字技术运用的影响。研究发现，科技金融试点政策的制定和实施能够有效提升企业应用数字技术的意愿和投入，且科技金融试点政策在不同属性企业上展现出了差异化的效果：此政策的驱动效力更多地体现在非国有、东中部以及高科技企业的样本中。机制研究发现，科技金融政策能够改善企业财务状况，优化企业投融资行为，进而为数字化转型提供动力。特别地，有效的金融监管是发挥科技金融政策的重要条件。从科技金融的视角，拓展了有关企业数字化转型应用的研究文献，为政府部门科技金融政策设计和微观主体创新转型提供了有益参考。

[关键词]科技金融;数字化技术应用;双重差分;试点政策

一、 引言

伴随着数字经济影响范围越来越广，对经济生态的渗透越来越深，数字化技术的广泛应用已经成为企业技术创新和变革的主要推手[1]，并正逐步成为创新驱动战略实施的重要保证之一[2]。如何推进企业数字化技术应用？客观上就需要深化体制改革进而为企业数字化应用扫清制度层面的障碍。在此情境下，科技金融作为一种促进科技与金融相融合的机制创新，能够达到从制度层面为企业数字化创新保驾护航的效果。基于政策层面，国家也早在2011年就已经在全国筛选16个地区作为首批“科技与金融结合”试点，累计出台了超过350项政策先行先试1，为全国范围内提升科技金融供给质量提供可供复制推广的成功经验。那么，基于“科技和金融结合试点”的政策作为一项科技金融地区性政策，其是否与时俱进地有效推动地区企业的数字化技术应用，这无疑是非常值得探讨的研究议题。

有鉴于此，本文以科技金融试点政策为切入点，详尽探讨了政策变动如何作用于企业在数字技术应用方面的激励和动力，以期对中国数字经济建设提供参考。本文可能的边际贡献在于：其一，研究视角创新。当前尚无文献直接探讨科技金融政策试点下数字技术应用的发展情况，本文创新性地将科技金融政策试点考虑在内，以此作为外生冲击凸显政策变动对企业的影响机制和路径。其二，研究框架创新。本文从“融资约束与融资成本”“杠杆率与研发投入”等不同的路径出发，分析科技金融作用于企业数字化技术应用的传导机制，并从金融监管的角度为优化金融科技政策提供了新的思路。

二、 文献梳理与理论分析

企业数字化技术应用是通过综合运用创新性数字化技术工具[3]，促进企业在生产、经营、营销等决策和行为下充分运用数据要素，进而有效提升其生产经营绩效[4]。这将有助于突破传统经济发展模式边际收益递减的桎梏[5]，因而被各级政府寄予了较高的政策期望。数字化技术创新具有较强的正外部性特征[6]，单靠企业自身的力量难以从根本上提升数字化创新的供给水平和质量，这就在一定程度上凸显政府介入的必要性和重要性。其中科技金融作為促进科技与金融相融合的一系列谱系政策，理应能更好地弥补市场的不足[7]，释缓企业数字化创新过程中资源约束所导致的困境[8]。不仅如此，科技金融政策在促进高技术产业发展、助力地区产业结构升级上也扮演着积极角色[9]，并进一步地促成地区经济质量增长的提升[10]。科技金融政策的实施可能打通支撑企业数字化技术应用的资金通道，从而有助于企业加大数字化技术创新，塑成核心竞争力[11]。

科技金融试点能够改善企业融资难融资贵，进而促进企业数字化技术应用。企业数字化技术应用项目总体投入较高且风险性较大，这就要求企业拥有较多的资源以支持此类项目的顺利开展[12]。在此情境下，科技金融试点创新科技金融支持模式，通过有效筛选数字化技术应用项目并注入所需资金，使企业不会囿于资源短绌进而减少对创新项目的投入力度[13]，从而显著促进企业数字化技术创新。顺延上述逻辑，科技金融试点地区通过为企业数字化技术应用提供良好的资金保障，在一定程度上拓展了其资源约束边界，释缓了数字化技术应用项目的资金窘迫。在此情境下，资源相对富余的企业有可能降低其外部融资总量，进而减少其融资成本。进一步地，由于获得科技金融支持拥有类似于“认证”的效果[14]，加之各种融资优惠政策的有效实施，企业有望获得更低的贷款利率，因而有助于压缩企业融资成本。毋庸置疑，较低的融资成本使得企业开展数字化技术应用项目时后顾之忧较少，数字化项目也得以在企业的决策序列中被赋予一个较高的权重，这将有助于驱动企业数字化技术应用进程的顺利开展。

科技金融试点能够优化企业投融资行为，进而促进企业数字化技术应用。在当前“数字中国”建设的大背景下，科技金融试点地区将有望逐步加大对企业数字化项目的支持力度，为企业数字化转型提供良好的资金支持和制度性保障。不难理解，在金融市场给予企业更充分支持的背景下，加之科技金融政策具有后效考核机制，这就在一定程度上促使企业优化投融资策略，有助于避免过高金融杠杆对企业运营的负面冲击。值得指出的是，健康的财务状况是提升企业经营质量的先决条件，因而也将对企业数字化技术应用大有裨益。顺延上述逻辑，较低的金融杠杆使得企业无需将大部分精力倾注于财务状况优化，因此能够将主要的工作重心放置于需时较长的数字化研发创新项目。企业数字化创新力度的增大，将有助于更好识别数字化技术的发展前沿[15]，并据此进行针对性创新研发，从而提高数字技术与企业主营业务的融合度。特别是配合科技金融试点中各种创新政策的推出，将有利于在社会营造支持数字化技术创新的生态环境[16]，进而驱动企业数字化技术创新和应用。

三、 研究设计

1. 数据来源说明

考虑到2007年中国上市企业会计准则发生变更，本文样本起始点定为2007年，终点为2018年。本文科技金融政策具体是指2010年出台政策1中的两批试点地区和城市：其中第一批共41个2，于2011年纳入试点范围;第二批为9个3，于2016年纳入。本文将研究期内样本根据属地原则进行界分，位于试点城市的上市企业设定为实验组，反之则为对照组，然后在双重差分法中应用时间虚拟变量将两组样本再界分为政策实施前和实施后，以此分析科技金融政策是否存在促进相关企业应用数字化技术的净效应。为保障实证检验的稳健性，本文还剔除了异常（如ST、PT、IPO当期数据）、极端值（超出双边1%范围）和不满足五年连续指标样本，并最后进行了对数化处理。

2. 模型设定

本文构建如下模型对科技金融试点政策净效应进行验证：

[ADTi，t=α0+α1Treat×Post+αnControls+μi+πt+εi，t]  （1）

模型中，如变量或系数包含下标，则其意义一致，t表征时间（年度），i表征特定企业;被解释变量（ADT）为企业的数字技术应用强度，Control表征控制变量集，其变量选定在后面详述，本部分重点说明的是解释变量部分。由于本文采用的是双重差分法，因此解释变量的构成与对其系数的解读与惯常的回归模型有一定差异。其中Treat作为主要虚拟变量，取值為1时表征样本点属于实验组，为0则属于对照组;Post则表征样本点处于试点实施前年份还是实施后年份，试点政策实施前为0，反之为1。

3. 变量定义

（1）被解释变量

数字化技术应用（ADT）。前期文献在数字化技术相关主题的论述中更偏重于理论分析[17-18]，较少涉及企业数字化技术应用强度或水平的测度。本文拟借鉴吴非等[19]的方法，采用构建词库+文本挖掘，然后统计词频的方法来构建本文的数字化技术应用指标，具体步骤包括：第一，根据权威会议文件（如《大数据产业发展规范（2016—2020年）》等）及权威文献，提取核心词汇并进行手工词义筛选，最终形成由“移动互联网”等38个关键词1构成的匹配词库。第二，使用爬虫工具在巨潮网上爬取研究期（2008—2019）内样本集合内所有企业的年报文本，并对部分以图片形式呈现的文本采用OCR识别方式进行转换。第三，在前两步骤的基础上，使用Python工具将关键词在每个年报文本中出现的频次进行识别和统计，形成特定企业在特定年份的数字化技术应用强度值并将其对数化，而此数据最终汇总形成表征数字化技术应用（ADT）的面板数据。

（2）核心解释变量

科技金融政策交乘项（Treat×Post）。如前数据来源部分所述，Treat和Post都为“0/1”哑变量，用以表征特定企业在特定年度是属于何种政策冲击状态（试点、非试点、试点前、试点后），在此不再赘述。

（3）机制渠道变量

企业融资约束（KZ）。本文借鉴Kaplan等[20]的方法，通过对企业融资约束与其财务特征回归的形式确定了融资约束指标的线性计算模型。

企业融资成本（Fcost）。财务费用是企业融资成本的重要体现，因此本文遵循学界惯用的方法，以财务费用的相对指标反映企业融资成本。

企业杠杆率水平（Lev）。借鉴吴非等[19]的研究，采用企业负债合计与资产合计的比值作为企业杠杆率水平的测度指标。

创新投入（R&D）。按惯常做法，本文以企业研发投入占比表征其创新投入强度，该指标越大表明企业创新投入越多，企业越重视创新。

（4）控制变量

本文的控制变量组包括企业的总资产（Asset）、主营业务收入（Sale）、第一大股东持股比率（F-H）、成立年限（Age）、净资产收益率（Roe）、托宾Q值（Tobinq）、外资持股比例（Qfii）、董事长-总经理兼任（Dual）、审计意见（Audit）等。

四、 实证结果及经济解释

1.基准回归

在表1中，本文探讨科技金融试点政策对企业数字化技术应用的作用。可以看出，无论是双固定效应的模型1，还是将控制变量纳入考量的模型2，Treat×Post的回归系数均为正值。这说明，随着科技金融试点城市的推广，科技金融政策将显著促进企业数字化技术应用。此外，为了更好地观测此驱动效应的长期效果，在科技金融试点政策当年、滞后1年至滞后4年都设置了相应的时间虚拟变量，由实证结果可以发现，在延长了变量的观测期后，当年项和滞后项的回归系数均为正且高度显著。这说明，科技金融试点政策对于企业数字化转型创新应用的影响具有一定的时间后效特征。

2. 稳健性检验

需要说明的是，采用准自然实验的方法需要确保处理组和控制组在特定政策实施前具有相同的趋势特征，否则回归结果中的政策效应可能是失真的。对此，在表2的检验中，在模型中加入了（Treat[×]Before）。如结果所示，试点城市政策实施前的虚拟变量回归结果并不显著，从而排除了处理组与控制组之间存在差异的可能，且Treat[×]Post系列回归项均保持高度显著的状态，这与前述的实证结果核心发现保持高度一致。

3. 异质性分析

表3基于企业产权属性进行研究。研究发现，在非国有企业组别中，科技金融试点政策对企业数字化技术应用的回归系数为0.160;而在国有企业组别中，该回归系数则缩小至0.103，这说明，科技金融试点政策显著提升非国有企业数字化技术应用水平，此促进作用较之国有企业而言更为明显。本文认为，国有企业在金融资源的获取上往往存在较大的优势，因此科技金融发展能够为这类企业带来的额外金融资源支撑可能相对有限。相比之下，非国有企业本身就存在一定的融资困境，此时科技金融发展能够更好地补充非国有企业的（特别是创新转型）资源的不足，进而为企业数字化技术应用提供了良好的资源支撑。由此，科技金融对非国有企业的支持容易产生出更大的边际弹性。此外，非国有企业所面临的市场竞争压力更大，有着更强的动力开展新技术的研发和应用，能够更好地利用这种专项性的科技金融资源用以支持自身的数字化技术应用。

进一步地，本文研究科技金融试点政策对不同科技属性企业的影响。实证结果表明，科技金融试点政策显著促进高科技企业数字化转型;而对非高科技企业而言，科技金融试点政策对非高科技企业数字化转型的影响无法通过任何统计显著性检验。这意味着，当前的科技金融政策试点具有非常良好的靶向性特征，能够定点精准支持高科技企业的数字化技术应用需求，对于非高科技企业而言则有选择性地进行“后撤”处理。这恰恰是符合现有科技金融发展导向的一种表现。特别是，高科技企业本身就在技术创新、数字化应用上有着更强的主观能动性，在科技金融的支持下，能够形成更大的数字化技术应用促进效果。从这个角度来看，即便科技金融能够对非高科技企业进行支持，但囿于这类企业缺乏锐意创新和数字化应用的基础，使得科技金融对非高科技企业的数字化技术应用驱动效果无法展现。

表4的实证检验从企业内部属性差异研究转向了外部地域差异的分析上。研究发现，东、中部地区的科技金融试点政策对企业的数字化技术应用具有显著的促进作用，而对于西部地区企业的数字化应用却没有产生具有统计显著差异的影响。无论是科技金融抑或是企业的数字化应用，大多集中在东中部等经济具备一定实力的地区。一方面，这类地区的科技金融政策较为完善，金融本身也具有着较好的发展底蕴;另一方面，这类地区的市场竞争较为激烈，企业往往会更加关注新型数字化技术的应用。此时的科技金融与企业的结合将产生更为显著的数字化技术应用驱动效果。相比之下，西部地区无论是经濟、金融发展抑或是企业数字化应用水平，都处在一个“低水平均衡”区间中，这类地区的科技金融难以对企业形成良好的促进优化效果。

五、 科技金融试点政策对企业数字化技术应用的传导路径研究

在前述部分中，本文就“科技金融试点政策—企业数字化技术应用”范式进行了研究，为解读科技金融政策的数字化驱动效应提供了经验证据。但必须承认的是，科技金融试点政策与企业数字化应用之间的传导路径尚不明晰。有鉴于此，本部分旨在系统解读两者之间的具体机制路径。

本文认为，科技金融的一个重要作用，首先体现在科技金融能够专项性地向企业提供金融资源以驱动创新转型。基于此，本文从“融资约束”和“融资成本”两个角度进行检验。结果表明，科技金融试点政策能较为有效地破解企业融资困局。进一步地，当企业存在较严重融资约束时，企业必然会缺少足够的资源投入到数字化技术应用的改造中去，由此降低了企业的数字化技术应用水平，因此，科技金融试点政策对融资约束的缓解，将驱动企业数字化技术应用水平的提升。类似地，科技金融的目标导向即在于为那些具有科技创新特征项目的融资提供更加便利的条件，有效降低企业的融资成本。进一步来看，随着企业融资成本的提高，企业借助外部渠道融资的意愿也会随之下降。由此，企业在驱动数字化技术应用上就会缺乏足够的金融资源，从而导致创新转型程度的降低。于此，科技金融试点政策能够有效降低企业融资成本，进而为数字化技术的应用提供更加有利的条件。从表5的经验结果来看，科技金融试点政策能够改善企业的融资与财务困境，从而为数字化技术应用提供直接的金融资源支持。

顺延表5的实证逻辑，科技金融试点政策的推广有助于降低企业融资约束和融资成本，为企业的生产发展乃至创新转型提供更加充沛的金融资源支持。那么，在企业拥有更多的金融资源前提下，企业的投融资行为必将会得到一定的改善，从而助力企业的数字化技术应用。基于上述考虑，本文从“杠杆行为”和“研发投入”两个视角进行实证检验。结果显示，科技金融政策有助于抑制企业的过高杠杆率。这说明，科技金融试点政策为企业提供了足够充裕的资源后，企业降低了自身的加杠杆倾向。科技金融试点政策在降低了企业杠杆率后，能够为企业数字化技术应用营造良好的环境，促进创新转型升级。进一步地，本文将研究视角转向企业的研发投入行为上来。正如前文所述，科技金融是围绕科技项目支持的金融，科技金融发展程度越好，对企业的专项性支持力度就越大，则企业从事研发创新活动时就具有了更多的资源支撑，其研发投入的强度也会随之增强。一个具有较强研发水平的企业，必然会有助于技术项目的开展，从而直接驱动了企业的数字化技术的应用。从表6的经验结果来看，科技金融试点政策能够优化企业投融资行为，降低不必要的杠杆水平，提升研发投入的强度，从而为数字化技术提供动力。

六、 拓展性研究：基于金融监管视角下的经验证据

科技金融本质上依旧脱离不了金融的范畴。在新时代下，科技金融与其他类型的金融一样，都需要金融监管层的关注和管理，牢牢守住不发生金融风险的底线。基于上述考虑，本文在“科技金融试点政策—企业数字化技术应用”的范式中，进一步考虑了金融监管的重要影响。在地方金融监管变量方面，本文用区域性金融监管支出与区域金融业增加值的比值来衡量，先根据金融监管强弱水平的不同进行检验;再考察科技金融与金融监管的交互项的回归结果，以重新验证前述的实证结果（表7）。

研究发现，在金融监管较强的情形下，科技金融试点政策的回归系数为0.254，远大于金融监管较弱情形下的回归系数（0.082）。这表明，有效的金融监管是科技金融试点政策发挥作用的重要条件。进一步地，本文将研究转向交互项的考察上来。其中，科技金融试点政策与金融监管的交互项（Treat×Post×Regulation）为正值且高度显著，表明较强的金融监管下，科技金融试点政策能够更好地发挥对企业数字化技术应用的驱动效果。本文认为，金融监管的规范化有效化，有助于科技金融试点政策更好地识别有效的创新转型企业，避免相关金融资源流入低效无关领域，增强了科技金融的靶向性和安全性，对企业的数字化技术应用而言具有更好的支撑作用。

七、 研究结论与政策启示

科技金融作为支持创新转型的金融模式，其试点政策的实施凸显了其对企业应用数字化技术的有效推动。本文通过科技金融试点政策的外生冲击构造双重差分模型，并基于我国A股企业财务数据（2007—2018）对此进行了详尽的验证，得到如下主要核心结论。

1. 研究结论

第一，试点政策的实施能够对区域内企业应用数字化技术形成有效的驱动。第二，科技金融试点政策效力具有明显的结构化特征：在企业属性层面上，产权属性差异（国有、非国有）与创新属性差异（高科技、非高科技）是导致其政策效力差异的主要原因，其政策效力在非国有以及高科技企业中更为显著。在区域层面的差异上，东中部地区的科技金融政策较之于西部地区科技金融政策而言，在驱动企业数字化技术应用水平提升上具有更为显著的效果。第三，科技金融试点政策一方面能够提升企业财务行为的稳健性，降低企业的融资约束和融资成本;另一方面能够优化企业行为，降低杠杆率水平并提升研发投入强度，从而全方位保障数字技术的顺利应用。第四，金融监管则能根据政策环境的松紧适度，调节试点政策的促进作用，当前强度较高的监管水平对政策效力的发挥更为有利。

2. 政策建议

第一，系统总结“科技和金融结合试点”政策的成功经验，并复制推广到全国各地区。抓住当前数字经济发展的历史机遇，支持科技金融试点地区进一步深化机制体制改革，创新科技金融服务产品和模式，优化科技金融投入结构，通过充分发挥体制性红利来多维度驱动企业数字化技术创新和应用，为企业数字化转型保驾护航。第二，全方位构建支持企业数字化技术创新和发展的政策支持体系。一方面，在实践中，科技金融政策支持重点应当有所侧重。具体而言，有必要对国有、非国有和高科技企业给予一定的政策倾斜，以期更好地缓解此类企业融资难融资贵的问题，促使其将更多的工作重心放在数字化创新领域，从而展现更优的政策边际效应。另一方面，各地区亟需基于资源禀赋原则制定独具特色的科技金融政策，加强地区政策协调，最大程度促进企业数字化技术的创新和发展。第三，加大数字化研发投入力度，切实提升数字化创新水平。着力营造良好的数字化创新氛围，多维度助推企业加大数字化研发投入，以提振企业数字化创新动能，为我国数字经济健康快速发展奠定良好的基础。第四，完善金融监管体系架构，更加注重金融应用的风险与收益的平衡，更加关注行为监管和功能监管，积极引导金融资源投入到实体经济领域中来。

参考文献：

[1] 闫云凤，赵晓静.中国数字技术行业在全球价值链中的国际竞争力研究[J].广西财经学院学报，2020，33（5）：68-82.

[2] 杨德明，刘泳文.“互联网+”为什么加出了业绩[J].中国工业经济，2018（5）：80-98.

[3] Gregory V.Understanding Digital Transformtion[J].Journal of Strategic Information Systems，2019，28（2）：118-144.

[4] 吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界，2021，37（7）：130-144.

[5] 卜亚，余星辉.数字金融发展对我国城乡收入差距的影响——基于空间杜宾模型的实证分析[J].开发研究，2021（4）：73-81.

[6] Atallah G. Vertical R&D Spillovers， Cooperation， Market Structure， and Innovation[J]. Economics of Innovation and New Technology，2002，11（3）：179-209.

[7] Sasidharan S A， Lukoseb P J J， Surenderrao K.Financing Constraints and Investments in R&D：Evidence from Indian Manufacturing Firms[J].Quarterly Review of Economics and Finance，2015，55（Feb.）：28-39.

[8] Hyytinena A，Toivanen O.Do Financial Constraints Hold Back Innovation And Growth？ —Evidence on the role of public policy[J].Research Policy，2005，34（9）：1358-1403.

[9] Wonglimpiyarat J. Government  Programmes in Financing Innovations： Comparative Innovation System Cases of Malaysia and Thailand[J].Technology in Society，2011，33（1）：156-164.

[10] Mazzucato M. From Market Fixing to Market-Creating： A New Framework for Innovation Policy[J].Industry and Innovation，2016，23（2）：140-156.

[11] 程翔，张瑞，张峰.科技金融政策是否提升了企业竞争力？——来自高新技术上市公司的证据[J].经济与管理研究，2020，41（8）：131-144.

[12] 解维敏，方红星.金融发展、融资约束与企业研发投入[J].金融研究，2011（5）：171-183.

[13] Hall B H.The Financing of Research and Development[J].Oxford Review of Economic Policy，2002，18（1）：35-51.

[14] Lee C Y.The Differential Effects of Public R&D Support on Firm R&D：Theory and Evidence from Multi-Country Data [J].Technovation，2011，31（31）：256-269.

[15] Liu D， Chen S， Chou T.Resource Fit in Digital Transformation[J].Management Decision，2011，49（10）：1728-1742.

[16] 侯世英，宋良榮.金融科技、科技金融与区域研发创新[J].财经理论与实践，2020，41（5）：11-19.

[17] 黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018，17（4）：1489-1502.

[18] 焦勇.数字经济赋能制造业转型：从价值重塑到价值创造[J].经济学家，2020（6）：87-94.

[19] 吴非，刘嘉文，常曦.地方产业政策与企业杠杆率：促进还是抑制[J].广东财经大学学报，2020，35（6）：17-31.

[20] Kaplan S N， Zingales L.Do Investment-Cash Flow Sensitivities Provide Useful Measures of Financing Constraints？[J].The Quarterly Journal of Economics，1997，112（1）：169-216.

基金项目：广东省软科学研究领域省级科技计划项目“广东省科技金融智库建设”（项目编号：2017B070703004）;广东省软科学研究领域省级科技计划项目“科技金融创新的理论深化及广东实践的若干问题研究”（项目编号：2018B070714014）;国家社科基金重点项目“金融与实体经济的结构匹配及其增长效应研究”（项目编号：19AJY026）。

作者简介：陈振权（1976-），男，硕士，广东省生产力促进中心创业服务部部长、副研究员，研究方向为科技政策、科技管理、科技金融;田何志（1981-），男，硕士，广东省生产力促进中心副研究员，研究方向为科技金融;吴非（1989-），男，博士，广东金融学院金融科技工程技术开发中心助理研究员，研究方向为科技创新。

（收稿日期：2021-10-19  责任编辑：殷 俊）