数字金融、融资约束与中小企业科技创新——基于新三板数据的实证研究

刘 莉，杨宏睿

（安徽财经大学 a.经济学院；b.金融学院，安徽 蚌埠 233030）

一、引 言

科技创新不仅是企业提高市场竞争力的重要手段，也是我国经济高质量发展的关键支点，更是我国实施创新驱动发展战略、寻求经济新增长点的关键所在。中小企业对国民经济的贡献率不断提升，但因其科技创新过程中普遍存在投入多、周期长、风险大等特征，长期以来面临严重的融资约束。主要表现为：一方面内源性融资能力较弱，另一方面外源性融资长期遭受严重的“融资歧视”［1］，使其难以获得传统金融机构大量且稳定的资金支持，面临较强的融资约束，创新研发激励受到抑制。如何更好地发挥金融服务实体经济，尤其是加强对中小企业的支持力度，进一步释放社会创新活力，具有重要的研究意义与现实价值。

在现代信息技术与互联网快速发展背景下，数字金融近年来在我国得到了快速发展。相较于传统金融业而言，数字金融依托互联网技术，具有更高可获得性、更广产品和服务覆盖面、更强可持续性等优势，有利于中小企业更高效率地获得金融资源［2］，有效缓解了金融市场中信息不对称问题，成为解决金融市场“二八定律”的重要手段，同时也是金融产业面对新的经济发展阶段实现自身数字化、发挥普惠性作用的必然选择。

数字金融的发展能否有效促进市场主体福利水平提升呢？宏观来看，郝云平、雷汉云（2018）［3］认为，数字普惠金融具有很强的空间相关性，会显著促进经济增长；宇超逸等（2020）［4］研究发现，数字金融发展及其覆盖广度、使用深度以及数字化水平均有助于提高经济发展质量；不仅如此，数字金融发展还可以显著缩小城乡收入差距（宋晓玲，2017［5］；杨伟明等，2020［6］），进而促进经济高质量发展。具体到微观，学者们认为数字金融对不同层次消费者的行为意向具有显著影响（唐怡，2020［7］），能够显著提升居民整体消费水平并促进消费升级（杨伟明等，2021［8］）；同时，数字金融发展还可以显著激发居民创业行为（何婧、李庆海，2019［9］；冯大威等，2020［10］），对企业创新具有显著的正向激励作用（万佳彧等，2020［11］），对于企业价值提升（李沁洋等，2021［12］）、全要素生产率的提高（王道平、刘琳琳，2021［13］）以及绿色发展（段永琴等，2021［14］）等都具有显著影响，进一步激发了企业活力，为经济高质量发展提供原动力。

已有文献对数字金融发展的影响从宏观与微观层面进行了深入探讨，但对于促进中小企业科技创新政策落脚点的相关研究仍较少，缺乏细致的实证研究。尤其是现有文献多着眼于数字金融对上市公司和规模以上工业企业科技创新的激励作用，绝大多数采用沪深两市A 股上市公司数据进行研究［15］，忽略了上市公司本身具有发展规模大、研发能力强、获取资金易等特征，并非能完全体现数字金融普惠性，因此使用该数据在一定程度上可能存在样本偏误，难以客观准确反应数字金融对中小企业科技创新的影响。为此，本文通过将数字普惠金融指数与中国新三板挂牌企业数据相匹配，研究2011—2020 年数字金融发展如何通过缓解融资约束而对中小企业科技创新产生促进作用，并探究其影响效果的区域差异。

本文可能的边际贡献在于：首先，从数字金融视角丰富了宏观金融市场与微观中小企业行为之间关系的相关研究；其次，以缓解融资约束为主要切入点，实证检验了数字金融发展对中小企业科技创新的影响；最后，选取新三板挂牌企业作为研究样本，高新技术企业占主导、中小微型企业规模等特征在一定程度上更能反映数字金融普惠性实效。

二、理论分析与研究假设

（一）数字金融发展与中小企业科技创新

科技创新是实现高质量发展的核心驱动力，在很大程度上依赖于科研人才、创新能力、仪器设备等创新先期投入，使得金融成为企业进行科技创新的重要外部环境。从现实层面，受经济传统发展模式和旧体制的限制，我国金融市场发展并非完善，存在资源配置错位、传导机制不畅、深层次结构性矛盾突出等表现，这使得金融市场与实体经济两者之间存在较为严重的发展不平衡、不充分问题，进一步影响了市场微观主体为其进行科技创新的可能性，遏制了区域技术创新水平的提高（李晓龙等，2017）［16］。尤其是对于本身规模不大、融资能力不足的中小企业来说，一方面由于自身在人才、技术及设备等硬性创新条件下先天不足；另一方面又因为自身担保品少、信用等级低、抗风险能力弱等因素受到传统金融机构的融资歧视，最终使得本身最具创新活力的中小企业陷入融资难、融资贵的泥潭，不利于中小企业进行科技创新。

数字金融作为一种全新的金融业态，凭借其及时、准确、普惠等特征，对传统金融在服务实体企业生产活动过程中存在的属性错配、阶段错配和领域错配等问题起到了补充纠正作用。具体而言，数字金融能够有效降低企业成本，通过新形式的匹配路径与价格机制满足多样化产品需求，提高产品质量，拓展市场边界，为企业提供创新空间，使经济发展由效率驱动转向创新驱动（荆文君、孙宝文，2019）［17］。

基于以上分析，本文提出假设H1。

H1：数字金融能够促进企业科技创新投入。

（二）融资约束的中介作用

中小企业科技创新很大程度上受到融资约束的限制，其融资特点主要表现为规模小、周期短、风险大、频率高，因此在我国以“银行中心型”为主导的融资体制下，通常面临较强的融资约束。当中小企业不能实现内部融资时，就需要向金融市场寻求外部融资以维持科技创新投入，但中小企业的研发创新项目通常情况下涉及其自身未来布局与核心竞争力，使得中小企业在申请外部融资过程中往往避免披露其商业机密等相关信息，进而加剧了企业与市场投资者之间的信息不对称，进一步造成企业融资约束加剧（唐嘉励、唐清泉，2010）［18］。学术界普遍认为，缓解融资约束能够激励企业科技创新，而数字金融的发展可能会通过以下几个渠道缓解融资约束，进而对中小企业科技创新起到激励作用。

第一，数字金融能拓宽中小企业融资渠道，提供多元化融资选择，提高融资效率。一方面，数字金融作为新兴业态是对传统大型金融机构的有益补充，丰富和完善了金融市场主体；另一方面，数字金融的加入也会加剧金融行业间的竞争，倒逼传统金融业数字化转型，从而增加融资选择，提高融资效率。

第二，数字金融能完善信用评价体系，缓解信息不对称，增强资金供求双方信任度与匹配度。通过最大限度地采集企业信息，包括将传统金融所抛弃的大量非结构化信息、低价值信息采用数据处理技术进行凝练、转化，与企业行为数据、财务数据等高价值信息有机融合，形成更为全面、更加真实的企业资信情况与资金需求画像，缓解信息不对称，增强资金供求双方信任度与匹配度。

第三，数字金融能降低信用风险与道德风险，使中小企业融资风险形式更加灵活，降低风险成本。一方面，基于大数据、区块链等现代信息技术，数字金融可以获得更为透明的企业行为数据，描绘出更为清晰的用户画像，降低投融资风险；另一方面，数字金融凭借其及时便捷的特性能够降低用户对货币的流动性偏好，聚集大量闲置资金并根据现实需求随时转变资金利用策略，填补因资金流动造成的短期缺口，提高其抗风险能力，降低风险成本。

基于以上分析，本文提出假设H2。

H2：数字金融发展能通过缓解中小企业融资约束促进科技创新。

（三）数字金融缓解融资约束促进中小企业科技创新的区域异质性

长期以来，我国东部地区与中西部地区（1）经济水平存在着较大差异，使得金融资源整体呈现出空间分布不均态势，具体体现在经济发达的东部地区集聚大量金融资源而经济欠发达的中西部地区的金融资源相对匮乏。数字金融作为数字技术与金融服务深度结合的产物，能够打破传统金融行业对物理网点、信息资源和空间距离的过度依赖，更广幅度地覆盖传统金融行业难以触及的地域与领域，填补大量传统金融业对中小企业的资金供给空白。

一方面，经济发达的东部地区在资金供给、人才质量、技术服务和配套设施等各方面都拥有“起跑优势”，因此数字金融的发展对于该地区的中小企业科技创新来说更像是一针“助力剂”，在中小企业整个融资体系中并非处于核心地位；另一方面，经济欠发达的中西部地区由于资金短缺、人才流失、配套设施不健全等短板，使得当地中小企业难以通过传统金融渠道缓解自身融资约束，而数字金融的发展对于该地区中小企业科技创新来说无疑是一针“催化剂”，发挥了不可忽视的重要作用。因此，本文将对样本按企业注册地进行划分，分别从东部地区与中西部地区两大空间视角检验数字金融通过缓解融资约束促进中小企业科技创新的影响。

基于以上分析，本文提出假设H3。

H3：数字金融缓解融资约束促进中小企业科技创新的影响对中西部地区更明显。

三、实证设计

（一）研究样本与数据来源

本文选取新三板（全国中小企业股份转让系统）挂牌企业为研究样本，利用2011—2020年中国新三板挂牌企业的财务数据与数字普惠金融指数的面板数据进行分析。在剔除掉金融类企业、*ST、ST 企业和数据缺失较为严重的企业后，得到3 406家企业样本，26 665个可观测数值。新三板挂牌企业财务数据（2011—2020年）来源于Wind数据库；中国数字普惠金融指数的省级指数（2011—2020 年）来源于北京大学数字金融研究中心。为了排除异常值的影响，本文对所有连续变量1%以下和99%以上的数据进行了Winsorize处理。

（二）变量选取

1.被解释变量：中小企业科技创新投入（研发投入强度）

参考以往研究，数字金融主要通过缓解中小企业的融资约束来促进其创新，该作用的直接表现就是企业研发投入的增多，因而被解释变量“中小企业科技创新”选择用“研发投入强度”来衡量［19］，因此本文将研发投入强度作为中小企业科技创新的替代变量。具体计算方法如下：

2.解释变量：数字普惠金融指数（lnIndex）

本文选取北京大学数字金融研究中心与蚂蚁金服合作推出的一套符合中国实情的数字普惠金融指数［20］。该数据主要涉及三大维度，包括覆盖广度（lnWidth）、使用深度（lnDepth）和数字化程度（ln-Digital），共计33 个细化指标。该指数不仅编制方法科学合理，并且已被众多学者广泛应用于数字金融相关研究领域之中，具有相当的可靠性与代表性。

3.中介变量：融资约束（SA）

目前，学界对于融资约束定量测度方法主要有三大代表性指数，包括SA 指数（Hadlock＆Pierce，2009）、KZ 指数（Lamont et al，2001）和WW 指数（Whited＆Wu，2006）。在充分考虑以上指数可能存在较多内生性金融变量的情况下，借鉴鞠晓生等（2013）［21］的做法，利用企业总资产（Size）和企业年龄（Age）来构建SA指数，并以此作为衡量企业融资约束程度的指标。具体计算方法如下：

4.控制变量

单从影响企业科技创新的相关研究成果来看，影响企业科技创新的因素非常多。本文考虑所选数据的相关性与可获得性，最终所选取的控制变量主要为企业层面的特征变量，包括“财务杠杆率（DFL）”“企业绩效（EP）”“管理费用率（MER）”“固定资产比率（FAR）”“两职合一（TO）”。

各变量及其度量方法见表1所列。

表1 变量说明

续表1

（三）模型构建

本文首先分析数字金融对中小企业科技创新的影响。选取中小企业年度研发投入强度作为被解释变量，设置模型（1）如下：

其中：下标i代表第i个企业（i=1，2，…，3 406），t代表第t年（t=2011，2013，…，2020）。为防止数据本身以及变量数据之间差异过大导致的不良影响，对相对较大的数据（绝对数值）取自然对数，对相对数值（即比例或者百分比数据）不进行对数化处理。

（1）式中：被解释变量Innovationit是中小企业科技创新投入；解释变量lnIndex是自然对数处理后的数据；CV 表示控制变量。同时借鉴李沁洋、支佳（2021）［22］的做法，采用控制年份和行业的固定效应模型进行检验，其中Year和Ind分别表示年份固定效应和行业固定效应，旨在尽可能减轻中小企业所属行业等因素对其科技创新的影响，并避免观察期内各种宏观因素对企业融资约束和科技创新的干扰。

基于假设1，本文预测模型（1）中α1系数显著为正，表明数字金融发展可以促进企业科技创新，且数字金融发展越好，越有利于促进企业进行科技创新。

为进一步探究数字金融发展对中小企业科技创新的中介机制，检验数字金融是否能够通过缓解融资约束而对中小企业科技创新起到正向促进作用，本文将SA作为融资约束的代理变量，并借鉴温忠麟、叶宝娟（2004）［23］所提出的中介效应模型方法来检验融资约束的中介作用，分步骤建立以下三种回归模型：

其中，企业融资约束指标SAit是中介变量，其他变量的定义与测度方法与上文保持一致。基于假设2，预测模型（2）系数α1显著为正，表明从总效应来看，数字金融发展对中小企业科技创新具有正向促进作用；预测模型（3）系数β1显著为负，表明数字金融发展能够缓解企业融资约束；同时预测模型（4）中系数γ1显著为正，系数γ2显著为负，表明融资约束在数字金融对促进中小企业科技创新作用机制中发挥了中介作用，即数字金融的发展可以通过缓解中小企业融资约束进而促进其科技创新。

四、实证结果分析

（一）描述性统计

表2 报告了描述性统计特征，结果显示，本次实验的有效样本数为26 665个。除了虚拟变量外，Innovation 数据波动是比较大的，表明中小企业间科技创新力存在较大差距。取对数化后，数字普惠金融指数的均值为5.578 6，最小值和最大值分别为4.384 4 和6.035 2，说明总体上我国数字金融取得了快速发展，但地区间数字金融发展程度存在较大的差异。企业融资约束的均值为-3.588 4，最小值和最大值分别为-4.197 4 和-3.056 9，说明中小企业普遍面临较强的融资约束，同时各个企业之间融资约束程度有较大不同。

表2 变量描述性统计（Winsorize后）

（二）相关性分析

从对变量进行person相关性检验的结果可知：解释变量lnIndex 与被解释变量Innovation 的相关系数为0.077 7，且有99%以上的概率存在显著的正向相关关系，即lnIndex 与Innovation 两个指标是同向变化的，初步验证H1，即数字普惠金融指数会有效提高企业的创新。中介变量SA与被解释变量Innovation的相关系数为-0.072 0，有99%以上的概率负向相关关系是显著的，且中介变量SA 与解释变量lnIndex之间的相关系数为-0.319 6，同样存在负向显著的相关关系。控制变量均与被解释变量Innovation 存在比较明显的相关关系，说明控制变量选取较合理。

（三）数字金融对中小企业科技创新的影响

为验证H1，即数字金融对中小企业科技创新的影响，本文对模型（2）进行面板固定效应回归，控制行业和年份带来的影响，得到研究变量对被影响变量之间的关系。表3第（1）列是不加入控制变量但控制年份和行业效应作用下的回归结果，第（2）列是加入控制变量且加入年份和行业效应控制的结果。

表3 模型（2）多元回归分析

模型（2）多元回归分析结果显示：在控制行业效应和年份效应的情况下，模型的调整R2为0.725 4，拟合优度达到72.54%，F检验值为629.872 6，p值＜0.01，即存在有99%以上的概率解释变量以及控制变量联合对Innovation 的影响系数是不为0 的，可以继续进行单个变量系数的检验。lnIndex 的影响系数为2.038 9，且对应的概率值是小于0.01 的，存在显著正向影响，控制变量DFL、EP、MER、FAR 均存在显著影响，且EP、MER均存在显著正向影响，DFL、FAR 则存在显著负向影响，这充分表明数字金融发展能够促进中小企业科技创新。

（四）中介效应分析

为检验假设2，即融资约束在数字金融发展对中小企业科技创新的影响机制中所发挥的中介作用，接下来将对模型（3）和模型（4）分别进行回归，回归结果见表4所列。

表4 中介效应分析

从表4 模型（3）可以看出，lnIndex 对SA 的影响系数为-0.075 4，且在1%水平下显著，表明数字金融发展能够有效缓解中小企业融资约束；从表4模型（4）可以看出，lnIndex 与SA 均存在有99%以上的概率对被解释变量Innovation 的影响是显著的，且lnIndex 的影响系数为1.873 5，SA 的影响系数为-2.193 8，表明中小企业面临的融资约束越高，其科技创新能力越低。因此，可以得出结论：SA 存在部分的中介效应，即数字金融发展会影响中小企业科技创新，且会通过缩小企业融资约束促进中小企业科技创新。从而进一步说明，缓解融资约束是中小企业促进科技创新的路径，且中介效应（β1γ2）占总效应（α1）的比例为8.11%，验证了H2。

（五）异质性检验

为验证H3，即考察数字金融通过缓解融资约束对中小企业科技创新产生的影响在不同区域是否存在异质性，本文以企业注册地为依据将样本企业划分为东部和中西部两大区域，分组进行回归分析与比对，结果见表5所列。

从表5可以看出，东部地区lnIndex对Innovation的影响系数为1.575 2，且在5%水平下显著，但lnIndex对SA影响不显著，且SA对Innovation 影响也不显著，即数字普惠金融对中小企业科技创新存在显著正向影响，而融资约束的中介效应不存在。中西部地区lnIndex对Innovation的影响系数为6.003 7，且在1%水平下显著，lnIndex对SA影响系数为-0.298 4，在5%水平下显著，同时lnIndex、SA对Innovation的影响均显著，即在中西部地区融资约束的中介效应是显著的，此时，总效应为6.003 7，直接效应为5.005 4，间接效应为0.998 3［-0.298 4×（-3.3455）］，中介效应为16.63%（0.998 3/6.003 7×100%），即存在有16.63%的中介效应。

表5 异质性检验

据此，H3 得以验证。数字金融通过缓解融资约束促进中小企业科技创新的作用在中西部经济欠发达地区更为有效。换言之，在经济发达的东部地区，由于传统金融资源较为丰富，中小企业摆脱融资约束困境的选择更为多元化，对数字金融依赖程度较低，一定程度上遏制了数字金融普惠效应的发挥；而在经济欠发达的中西部地区，数字金融成为中小企业为数不多的资金供给者，由此产生更高的边际创新效益，在缓解其融资约束与促进科技创新层面凸显出较强的影响作用。

续表5

（六）稳健性检验

为更加精确探究数字金融发展与中小企业科技创新之间的关系，本文首先引入滞后变量解决模型内生性问题，然后采用变量替换法对数字金融缓解中小企业融资约束促进科技创新的作用机制做稳健性检验。

1.引入滞后变量

鉴于本文在模型设计的过程中可能会存在解释变量与被解释变量互为因果的情况，故采用二阶段最小二乘法估计，选择解释变量的滞后一期作为工具变量，解决模型的内生性问题，结果见表6所列。

表6 滞后效应检验

续表6

在进行二阶段最小二乘估计后，解释变量lnIndex仍然存在显著正向影响，影响系数为1.909 8，而它对中介变量SA的影响系数仍然是显著为负的，影响系数为-0.077 0，在表6第（3）列中，被解释变量lnIndex的影响系数为1.724 6，中介变量SA的影响系数为-2.405 2，且均在1%水平下显著，因此，在解决内生性的情况下，模型的结果仍然比较一致，也从另一个方面说明模型的结果比较稳健。

2.替换核心解释变量

为进一步增强数字金融发展对中小企业科技创新影响回归结果的可靠性，本文采用对数化处理后的数字普惠金融指数一级指标——覆盖广度（lnCover）、使用深度（lnDepth）、数字化程度（lnDig）分别作为解释变量（lnIndex）的替换变量进行稳健性检验。利用数字金融覆盖广度、使用深度和数字化程度分别进行回归分析，结果见表7所列。

表7 稳健性检验——替换核心解释变量

从表7可以看出，更换解释变量后，关键变量的系数仍然与表4较为一致。在表7覆盖广度第1列中lnCover的影响系数为1.329 2，且在1%水平下显著，表明数字金融覆盖广度提升可以显著促进中小企业科技创新；在第3列中lnCover和SA均在1%水平下显著，同时lnCover 的影响系数为1.239 0，SA的影响系数为-1.705 1，其回归结果和正负符号均与表4回归结果较一致，说明融资约束在数字金融覆盖广度对中小企业科技创新的正向影响中起到了中介作用。

同理，数字普惠金融使用深度lnDepth 以及数字普惠金融数字化程度lnDig 对创新的影响系数分别为1.654 4和0.687 4，均存在比较显著的影响，且lnDepth、lnDig 对SA 的影响系数分别为-0.054 3和-0.034 9，且均在1%和5%水平下显著，在中介效应模型（3）中，分指数和SA 的影响均是显著的，即融资约束是存在中介效应的，与前文回归结果一致。因此进一步表明，本文实证分析模型与结论具有稳定性和可靠性。

五、结论与政策建议

本文选取2011—2020年中国新三板挂牌企业数据，采用固定效应和中介效应模型，对数字金融促进中小企业科技创新的影响实效、作用机制和区域异质性进行实证分析，结果如下：①数字金融的发展对中小企业科技创新具有显著正向作用，这一结论在稳健性检验后仍成立，且覆盖广度和使用深度的作用效果更为显著；②融资约束在数字金融促进中小企业科技创新过程中产生了重要的中介效应，即数字金融的发展能够拓宽中小企业融资渠道，缓解信息不对称，提升信息透明度，降低风险成本与代理成本，有利于中小企业缓解融资约束困境，提升科技创新能力；③数字金融发展对缓解中小企业融资约束、促进科技创新的影响在经济欠发达的中西部地区更为显著，相较于经济发达的东部地区，数字金融能有效弥补中西部地区传统金融资源区域错配问题，缩小区域经济发展差距，促进区域间平衡协调发展。

基于上述研究结论，本文提出以下政策建议：①搭建数字金融新基建顶层设计，提升关键底层技术。新基建战略作为智慧经济时代新发展理念的重要抓手，应更加全面思考与分析当前环境下金融行业的战略定位，重新定义行业与产品的新逻辑。同时积极推动数字金融基础设施建设，大力发展5G 基站、大数据中心、人工智能、区块链等数字化基础设施，为传统金融行业数字化转型夯实基础，打造完善的数字金融发展条件。②加大对“专精特新”中小企业政策倾斜与区域政策搭配，因地制宜发挥好数字金融服务创新型中小企业高质量发展的普惠支持作用。尤其是对中西部“专精特新”为代表的中小企业，政府应依托北交所、民营银行、科技小贷企业和金融租赁企业等主体，充分释放数字金融推动科技创新的活力，促进区域经济平衡发展。③科技与金融二元渗透融合催生的数字金融很大程度上颠覆了传统金融市场运作逻辑，对我国分业监管体制提出了更高要求。尤其是在尚未形成统一监管体制前，如何跳出传统监管模式，形成以技术驱动的跨行业金融监管新模式，对未来防范金融系统内生性风险以及数字金融背景下衍生出的第三方金融机构、数字信息安全等外生性风险具有十分重要的意义。

注 释：

（1）东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11 个省份；中西部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆20个省份。