数字金融模式下政府补助对企业创新的影响研究

夏 琴，刘剑民

（1.湖南科技大学商学院，湖南湘潭 411100；2.南昌大学经济管理学院，江西南昌 330031）

一、引言

创新是实现经济高质量发展的驱动力和重要引擎，企业是经济活动的主体，也是创新活动的主体。但是，企业创新具有不确定性，技术和知识具有公共产品的溢出性和资本市场的不完美（Dimos 和Pugh，2016），企业创新活动往往会遇到市场失灵的问题（Tassey，2004）。创新具有正外部性、不确定性和投资周期长等特征，企业需要大量的资金来维持创新活动的长期投入（解维敏和方红星，2011），企业内部资金和传统银行经营贷款并不足以支撑长期研发投入。企业研发往往涉及私人知识产权保密性和独占性，企业与资金供应方存在信息不对称，资金供应方无法进行最优投资选择，会导致资金流向非研发活动，而创新产出的难以评估会导致企业很难获得外部融资，或融资成本非常高（Carpenter 和Petersen，2002）。

政府补助能够激励企业从事研发活动。通过政府补助，政府起到了投资人的作用，从金融方面支持企业的研发创新活动（Kolluru 和Mukhopadhaya，2017），给予创新企业适当补助成为政府引导企业进行研究与开发的普遍做法。1999－2020年，中国国家财政科学技术拨款由543.9 亿元增加到10095.0 亿元，年均增长率为14.9%①作者根据历年全国科技经费投入统计公报整理得出。。相对于不断增加的政府补助，中国企业的创新效率却相对低下（吴和成等，2010），存在明显研发要素错配等市场失灵现象，企业创新的效率和积极性偏低。政府补助能否抑制市场失灵，政策实施的效果是否会符合政府最初的目标，是企业创新研究的焦点。

学者们对政府补助和企业创新绩效之间的关系进行了探讨，主要有以下三种结论：一是政府补助对企业创新具有激励作用，政府向企业提供补贴可以缓解企业创新资金不足的困境，从而降低研发创新成本，同时，政府提供补贴可以向社会传递积极信号，提高社会创新活力，提高企业创新绩效（Almus 和Czarnitzki，2003；解维敏等，2009；王明海和李小静，2017；郭玥，2018）；二是政府补助对企业创新具有负面影响，例如挤占企业研发投入（Wallsten S J，2000；安同良等，2009；闫志俊和于津平，2017）；三是政府补助的影响存在U 型关系或者不确定性（Guellec 和Van Pottelsberghe，2003；张彩江和陈璐，2016；吴伟伟和张天一，2021）。既有研究结论并未达成一致，主要是处于不同经济环境下政府补助影响企业创新的经济后果可能存在差异。

随着数字技术的发展，数字金融模式成为实体经济赖以维持和发展的血脉，对企业创新具有重要作用。数字金融的发展减弱了传统金融歧视的弊端，拓宽了技术研发企业的融资渠道，使以往难以从银行获得贷款的企业也能获得金融资金（Buchak 等，2018），有效提高了企业创新的积极性与成功率（庄毓敏等，2020）；借助于大数据、物联网、人工智能和云计算等数字技术，数字金融改善了由于信息不对称而产生的高风险溢价和高运营成本问题（黄浩，2018），优化资源配置效率，为企业创新提供新机遇（唐松等，2020）；企业创新离不开金融的支持，如何利用数字科技提高创新绩效一直是理论界关注的焦点（万佳彧等，2020）。数字金融模式下政府补助是否可以有效解决企业创新激励难题？作用机制如何运作？分析数字金融模式的影响路径和作用机制有利于正确理解和分析当前数字金融模式下政府补助和企业创新绩效之间的关系。

本文的主要贡献：一是内容上，拓展和补充了政府补助影响企业创新绩效的影响机理。本文提出并探索政府补助缓解研发资源错配、形成知识产权保护和知识溢出补偿等的影响机理，对现有理论研究进行补充；二是机制上，探索和构建了数字金融模式下政府补助影响企业创新绩效的多因素影响框架。现有文献虽然研究了政府补助与企业创新的直接关系，但对数字经济模式下政府补助如何支持企业创新的研究不够深入。更为重要的是，既有研究未将其他重要因素纳入政府补助影响企业创新的研究框架，存在片面性，系统性较差，尤其是对数字金融模式这一现实中重要的因素未给予应有的重视，关于数字金融模式对政府补助与企业创新绩效关系的影响，以及数字金融模式是否和如何作用于政府补助与企业创新绩效三者关系的研究比较少见。本文率先将数字金融模式这一现实中的重大影响因素纳入政府补助与企业创新绩效研究框架和理论模型中，探索和验证该重要因素的影响机制。

二、理论分析与研究假设

（一）数字金融模式下政府补助与企业创新绩效

企业研发活动具有外部性特征和溢出效应。企业通常无法将创新收益全部内部化，其研发活动难以获得应有补偿甚至收益低于投入，且研发创新的公共产品特性导致企业创新投入无法达到最优投资水平。从企业角度来看，创新的不确定性、私人知识产权保护不足和研发补偿市场机制不健全等问题，在一定程度上增加了企业研发成本和信息不对称性，极大地弱化了企业创新的积极性。由于传统要素市场价格扭曲和市场失灵风险的存在，单纯的市场力量难以将研发资源有效配置到企业研发活动中，企业创新绩效往往并不理想。政府补助作为弥补市场失灵的有效调节手段，可以弥补创新的技术外溢效应，起到降低研发成本的作用。

企业创新具有正外部性，通过政府补助对企业进行扶持有利于提高企业的创新研发活力。但政府部门对企业创新能力缺乏了解，无法对申请研发补助的企业进行精准判别，可能导致具有发展潜力的创新项目无法得到政府补助（李春涛等，2020）。随着企业创新能力和技术水平的提高，创新对投入的数量和效率等要求越来越高，传统工业经济时代的金融供给模式已不能满足后工业时代企业创新发展的需要。

数字金融是金融与科技叠加之后产生的、与数字经济相对应的一种金融形态。数字金融模式下，金融科技是手段，服务实体经济是内核。实践中，数字银行、数字支付、数字供应链金融、数字普惠金融、数字保险等都可看作是数字金融模式的形式。数字金融模式赖以生存的基础是大数据和信用信息，数字金融模式下政府机构与各类信息主体、研发企业连接起来，金融机构与政府部门数据互通，打破了数据壁垒，政府机构可以利用大数据、云计算等先进信息技术对企业进行更精准地评估，缓解政府和企业之间的信息不对称，政府可以对企业进行精准化补助，从而提高企业的创新绩效。政府对企业信息的全面了解，有助于其精准制定和实施政策，提高企业投资项目的审批效率（谈婕和高翔，2020）。随着数字技术的发展，数字金融模式成为新常态和新业态，数字金融产品越来越丰富和复杂，更有效地满足了企业的创新需求。

数字金融模式下，政府补助更有利于缓解研发资源错配。政府补助依靠行政力量弥补市场失灵，将研发所需要的资金直接注入企业研发活动，调整要素市场扭曲所形成的资本逐利行为，数字金融模式提升企业受政府信任的程度和得到政府补助的速度，可以使企业获得足量市场资金，促进市场要素合理配置，促进企业创新投入和实质性的创新产出，显著提高企业的研发绩效。企业出于减少研发成本和优化投资结构的考虑，也愿意将政府补助投入到企业创新活动中，以获取更多创新绩效，从而形成良性循环。

数字金融模式下，政府补助有利于保护知识产权，形成知识溢出补偿效应。企业创新活动形成的知识产权在市场中会引来竞争者的模仿和学习，逐步转变成公共知识，具有外部性，竞争者的研发成本几乎为零，导致研发企业成本虽高却无法获得应有补偿。数字金融模式下，政府补助是企业创新活动中知识保护和补偿的重要形式，数字金融模式降低了企业资金成本并加速企业资金周转速度，政府补助代表政府对研发企业知识产权的认可与支持，减少了企业创新的不确定性和风险（Almus 和Czarnitzki，2003）。更重要的是，政府补助可以补偿私人知识产权演化为公共知识的成本，促进了私人知识产权保护，使企业研发成本得到补偿，从而激励企业的创新活动。

基于此，本文提出假设1。

假设1：数字金融模式作用下，政府补助可以促进企业提升创新绩效。

（二）数字金融模式调节作用下政府补助对企业创新绩效影响路径

企业进行创新活动需要花费大量的成本，包括资金投入和人力投入，而创新活动带来的效益具有滞后性，当资金不足以支撑研发投入时，企业便会陷入融资危机，融资约束一直是困扰企业创新的一个重要因素。大多数研发信息都属于企业的私有知识产权，知识产权具有私密性和独占性，而资金供给方则缺乏企业具体信息，为防止逆向选择与委托代理，趋向于严格化资金供给条件甚至不予供给，这使得企业的融资约束更加严重，缺乏创新投入资金。

传统金融模式下，融资约束制约了企业（尤其是中小企业）的技术创新投入，而数字金融模式可以缓解企业的融资约束,进而提高企业创新绩效。一方面，数字金融模式调节作用下，政府补助意味着实现高质量和突破性创新的企业更容易获得私有知识产权补偿资金，降低了企业的研发成本。政府补助相当于企业从政府获得了直接融资，缓解了企业开展创新活动的融资约束（Koga，2003；辜胜阻等，2018）。数字金融模式下，政府补助可以更为精准地提供给国家急需产业和企业关键技术领域，可能实现高质量和突破性创新的企业可以获得更多补助，改变传统模式下政府补助可能被错配的状况。另一方面，数字金融模式调节作用下，政府补助能够缓解担保机构之间协调失灵带来的负面影响（Beck 等，2010），有助于增加企业的融资机会，使企业更容易获得外部机构的融资（高艳慧等，2012）。数字金融模式调节作用下，政府补助还能够缓解信息不对称，即获得政府补助能够帮助企业传递积极的信号（Kleer，2010；Takalo 和Tanayama，2010），因为投资者认为政府一般倾向于支持和扶持技术知识型企业（Hauessler 等，2009；Takalo 和Tanayama，2010），资金供给方更信赖基于大数据的政府补助投向，投资意愿增强，从而缓解可能实现高质量和突破性创新企业的资金压力，产生明显的信号传递效应，引导资本要素流向（刘剑民等，2019），降低相关企业的融资约束。

此外，传统金融市场存在的信息不对称现象导致企业面临外部融资约束（Myers 和Majluf，1984），抑制了企业创新活动的开展。而数字金融模式推动金融市场日益繁荣，企业融资约束趋向缓解。一方面，数字金融模式拓宽了金融服务的范围，使企业获得信贷支持的可能性增大。传统信贷机构通常以企业可抵押的资产作为放贷的基础，缺乏抵押物的企业往往面临较大的融资约束，而数字金融模式下，金融业对该类企业长远的发展前景进行评估，能够惠及更多难以获得传统信贷的企业，尤其是中小企业。另一方面，数字金融模式降低了资金供求双方的信息不对称，金融机构通过应用互联网、人工智能和云计算等技术对企业进行筛选和评估，以便更高效地提供资金，从而缓解企业研发活动的融资约束。

基于此，本文提出假设2。

假设2：数字金融模式的调节作用可有效缓解融资约束，进而促进企业提高创新绩效。

成熟的大型企业拥有充裕的现金流和广阔的融资渠道，创新实力强，对政府补助的依赖程度相对较弱；而小型企业实力较弱，创新动力不足，同时因自身的抵押或担保不够，往往面临更大的融资约束。因此，政府补助应更多地向小型企业倾斜，从而缓解小型企业资金不足的困境，切实激发小型企业研发投入积极性，政府补助可以显著缓解中小企业融资约束（Czarnitzki，2006；Thorsten 等，2010）。

基于此，本文提出假设3。

假设3：在小型企业中，政府补助缓解融资约束。

三、研究设计

（一）样本与数据

本文选择2007－2020年A 股上市公司数据，筛选过程如下：一是剔除ST 企业；二是剔除数据存在异常值样本；三是剔除数据缺失样本。参考2012年开始施行的《国民经济行业分类》（GB/T4754—2011），将样本企业划分为20 个门类行业。经过筛选，获取了16388 个观测值，覆盖18 个行业。本文数据主要源自国泰安数据库、中国统计年鉴等，对连续变量进行1%缩尾（Winsorize），标准误差进行公司层面Cluster 处理。

（二）变量说明

1.企业创新绩效

企业创新绩效（lnapp），本文选取企业创新专利的申请量并对其进行对数化处理，作为企业创新绩效的替代变量，即企业创新专利申请数越多，企业创新绩效越高。

2.政府补助

政府补助（lnsub），营业外收入的政府补助部分，对其取对数。

3.数字金融模式

2016年，中国人民银行参与制定的《G20 数字普惠金融高级原则》在G20 峰会公布，并在同年正式通过，该原则指出：利用数字技术推动普惠金融发展，扩展数字金融服务基础设施生态系统，数字普惠金融发展成为数字金融模式最具代表性的业态。鉴于此，本文取北京大学普惠金融指数表示数字金融模式。

4.融资约束

借鉴Hadlock 和Pierce（2010）构建的sa指数，sa=-0.737size+0.043size2-0.04age，sa指数为负，且绝对值越大表示融资约束越大。其中，size=ln（企业资产总额/1000000），企业资产总额单位为元，age为公司的上市年限。

本文变量及定义详见表1。

表1 变量定义

（三）模型设计

1.政府补助对企业创新绩效的基准模型

为分析政府补助对企业创新绩效的影响，本文构建回归模型（1）：

其中，control表示模型中的控制变量，region、industry和year表示控制了城市、行业和年份效应。

2.数字金融模式的调节效应模型

在模型（1）的基础上加入数字金融模式、数字金融模式和政府补助的交互项，考察数字金融模式的调节作用：

3.数字金融模式调节作用下政府补助对企业创新绩效的影响路径

为验证假设2，本文运用有调节的中介效应模型（温忠麟和叶宝娟，2014），并在上述模型的基础上加入融资约束、融资约束与数字金融模式的交互项。

4.异质性检验

按照企业的资产规模对所有实证样本进行分组检验，考察政府补助缓解融资约束从而促进企业创新绩效的作用在大型企业和小型企业中是否有所区别。本文取企业规模的中位数来划分大小型企业，分样本进行检验。

四、实证检验

（一）描述性统计

变量的描述性统计结果如表2所示。统计结果显示，企业创新专利的申请量（lnapp）最小值为0.693，最大值为7.336，平均值为3.181，说明企业创新绩效波动较大。政府补助（lnsub）的最大值为20.32，是最小值9.903 的2 倍多，说明不同企业之间政府补助的差额较大。基于此，研究获得更多政府补助的企业，政府补助对其创新绩效的激励作用是否更好。

表2 描述性统计

（二）回归模型与假设检验

采用普通最小二乘法（OLS）进行数据回归，结果如表3所示。第（1）列是模型（1）对企业创新专利申请量的回归，可以看出，政府补助（lnsub）系数在1%水平上显著，系数为正说明企业获得的政府补助越高，企业创新专利申请量越高，政府补助与企业创新绩效显著正相关。表3第（2）列是模型（2）对企业创新专利申请量的回归，可以看出，政府补助和数字金融模式的交互项（lnsub×index）系数在1%水平上显著且为正，说明数字金融模式对政府补助之于企业创新具有正向调节效应，假设1 得到验证。

表3 创新绩效回归结果

（三）有调节的中介效应模型

有调节的中介效应回归结果如表4所示，政府补助与数字金融模式交互项（lnsub×index）系数在1%水平上显著为负，数字金融模式与融资约束交互项（sa_×index）系数在1%水平上显著为正。这表明，数字金融模式的调节作用可有效缓解融资约束，进而促进企业提高创新绩效，假设2 得到验证。

表4 有调节的中介效应回归结果

（四）异质性检验

表5是分企业规模的回归结果。由表5第（7）列可以看出，对于大型企业，政府补助（lnsub）的系数为负，但不显著，说明在大型企业中，政府补助缓解融资约束的效果不显著。由表5第（3）列可以看出，政府补助（lnsub）的系数在1%的水平上显著为负，说明在小型企业中，政府补助显著缓解了融资约束，提高了企业创新绩效，假设3 得到验证。

表5 分企业规模的回归结果

五、稳健性检验

（一）内生性问题

为了获取更加稳健的估计量，本文借鉴杨洋等（2015）的做法，使用两阶段最小二乘法，采取按行业统计的当年及滞后一期的政府补助均值作为政府补助的两个工具变量进行回归，结果如表6所示。可以看出，政府补助（lnsub）的系数在1%的水平上显著为正，政府补助与数字金融模式（lnsub×index）交互项的系数在5%的水平上显著为正，回归结果与前文一致，说明结果是稳健的，假设1 和假设2 成立。

表6 工具变量法

（二）关键变量替代

选取企业当年创新专利授权量作为企业创新绩效的替代变量，回归结果如表7显示，政府补助（lnsub）的系数在1%的水平上显著为正，政府补助与数字金融模式（lnsub×index）交互项的系数在10%的水平上显著为正，再次验证了假设1 和假设2。

表7 创新绩效指标替代

此外，创新活动具有长周期性特点，大多数创新研究都需要投入几年甚至更长的时间，政府补助对创新绩效的影响具有滞后性。故解释变量滞后一期（lnsubt-1），检验其与企业创新绩效（lnapp）的关系。由表8可知，政府补助滞后一期（lnsubt-1）的系数和政府补助滞后一期与数字金融模式（lnsubt-1×index）交互项的系数在1%的水平上显著为正，回归结果依然验证了假设1 和假设2。

表8 政府补助指标替代

（三）截取时间段的子样本检验

财税政策改革对产业升级和经济高质量发展有重要的现实意义，2012年以来，我国逐渐开始实施大规模的减税降费政策，最值得关注的是“营改增”政策的实施。“营改增”可以通过缓解地区间税收逐底竞争、促进产业结构升级、提高地区创新水平来促进企业创新发展（崔志坤和张奇，2021）。鉴于此，本文截取区间为2012－2020年子样本进行检验，结果如表9所示。由表9可知，政府补助（lnsub）的系数在1%的水平上显著为正，政府补助与数字金融模式（lnsub×index）交互项的系数在10%的水平上显著为正，结果与前文一致，假设1 和假设2 均成立。

表9 截取时间段

六、研究结论和政策建议

本文以2007－2020年中国A 股上市企业为样本，通过理论和实证检验政府补助对企业创新绩效的影响，并进一步探索了作用机制和影响路径。研究发现：政府补助显著正向影响企业创新绩效，数字金融模式在政府补助促进企业提升创新绩效中起到了积极的调节作用；有调节的中介效应检验表明，数字金融模式的调节作用可有效缓解融资约束，进而促进企业提升创新绩效；进一步研究表明，在小规模企业中政府补助缓解融资约束的效果更为显著。

基于以上结论，本文提出如下建议：一是政府要根据企业特质制定不同的政府补助发放政策，政府补助对企业融资约束的缓解作用在较小规模企业中更加显著，因此，政府补助政策要更多地关注小规模企业；二是政府在对企业进行技术创新补贴时要对企业进行考核与筛选，政府对企业申请的创新项目补贴应该持谨慎的态度；三是企业要善于利用政府扶持的信号机制，减少信息不对称产生的融资约束，提高企业的资金可获得性；四是加大数字技术基础研究投入，鼓励商业银行进行数字金融转型，推动数字金融快速发展，激励企业持续创新。