数字金融对企业绿色创新的影响

●李 俊

一、引言

改革开放40多年以来，中国在实现经济高速增长的同时，粗放的经济增长方式使得中国面临着严重的生态环境问题。2020年9月，习近平主席在第75届联合国大会上宣布，中国将力争2030年前实现碳达峰、2060年前实现碳中和。其中，绿色创新作为以改善生态环境质量为目标的技术创新活动，在推动中国环境治理目标实现以及产业绿色转型过程中扮演着重要角色。党的十九大报告明确指出要构建市场导向的绿色技术创新体系，建立健全绿色低碳循环发展的经济体系。然而，由于绿色创新具有外部性强、周期长、投入大、风险高等特征，企业在开展绿色创新的过程中通常需要一定的资金支持。现有文献发现，融资约束是制约企业创新活动的重要因素（万佳彧等，2020）。与此同时，由于绿色项目具有识别难度大、运营风险大等特点，以银行为代表的传统金融机构受制于风险管控和收益要求，通常缺乏向绿色项目授信的积极性，进而使得企业长期陷入“融资环境恶化——绿色创新缩减”的恶性循环（叶翠红，2021）。在此背景下，如何改善企业的融资环境，促进企业绿色创新是一个亟待探讨的重要课题。

近年来，伴随着互联网、云计算、大数据等新兴技术的快速发展，数字技术与金融活动之间的联系也越来越紧密，并由此产生了数字金融。数字金融泛指传统金融机构与互联网公司利用数字技术实现融资、支付、投资和其他的新型金融业务模式（黄益平和黄卓，2018）。在数字金融的具体表现形态中，既涵盖了利用数字技术解决传统金融业务模式痛点的科技形态，又包含了提供以移动互联网为主要特征的替代性金融服务的金融形态。作为传统金融机构的有效补充，数字金融能够借助大数据、云计算等新兴技术降低绿色项目的识别成本，加强绿色项目的风险管控，提升金融服务效率，进而提高金融市场资源配置的效率。那么，数字金融的发展能否促进企业绿色创新，亟待检验。

基于2011—2017年中国上市工业企业，本文利用北京大学数字金融研究中心发布的数字普惠金融指数实证检验区域数字金融发展水平对于企业绿色创新的影响。本文可能的研究贡献在于：第一，本文从企业绿色创新的视角丰富了数字金融的经济效应，以往文献分析了数字金融对于创业（谢绚丽等，2018）、城乡收入差距（宋晓玲，2017）以及企业创新（万佳彧等，2020）的影响，而对于数字金融如何影响企业绿色创新的关注尚有不足；第二，本文丰富了企业绿色创新的影响因素，以往文献主要探讨环境规制、银行信贷等外部制度如何影响企业绿色创新活动（陶锋等，2021；王馨和王营，2021），而尚未分析数字金融这一新兴业态对于企业绿色创新的影响；第三，本文研究结论可以为未来中国金融市场以及环境治理体系的发展提供理论支撑与政策建议。

本文后续部分安排如下：第二部分为文献综述与研究假设，第三部分为研究设计，第四部分为实证分析，第五部分为结论与启示。

二、文献综述与研究假设

（一）文献综述

本文旨在探讨数字金融与企业绿色创新之间的关系，并主要涉及到以下两方面的文献。一是关于企业绿色创新影响因素的相关研究。企业绿色创新是指涉及到减少环境污染、减少原材料和能源使用等方面的技术创新活动（齐绍洲等，2018）。由于开展绿色创新活动具有较强的外部性且需要一定的资金支持，现有文献主要从外部制度的视角分析企业绿色创新的影响因素。陶峰等（2021）发现环境规制有助于企业绿色创新水平的提升。王馨和王营（2021）发现绿色金融政策的推行能够缓解企业在开展绿色项目过程中的信贷约束，进而促进企业绿色创新。然而，尚未有文献关注数字金融这一新型业态对于企业绿色创新的影响。二是关于数字金融经济效应的相关研究。谢绚丽等（2018）发现数字金融的发展对创业有显著的促进作用。宋晓玲（2017）发现数字普惠金融的发展能够显著缩小城乡居民收入差距。同时，部分学者从企业创新（万佳彧等，2020）、企业全要素生产率（陈中飞和江康奇，2021）、企业价值（张晓燕和李金宝，2021）等视角探讨了数字金融的微观效果，然而现有文献较少关注数字金融如何影响企业绿色创新。与一般创新项目相比，绿色创新项目具有外部性强、投入高、周期长、识别难度大等特征，而传统金融机构受制于风险防控的要求往往难以满足企业在开展绿色创新活动方面的融资需求。同时，企业绿色创新作为推动产业绿色转型的重要举措，对于中国双碳目标的实现以及生态文明的建设具有重要意义。因此，研究数字金融对于企业绿色创新的影响，不仅能够丰富企业绿色创新影响因素以及数字金融经济效应的研究，而且能够为中国金融市场的发展以及环境治理体系的构建提供理论支撑和政策建议。

（二）研究假设

绿色创新具有外部性强、周期长、风险高、不可逆等特征，因此，企业在进行绿色创新活动时需要大量的资金投入。根据优序融资理论，当企业内部资金不足以支持绿色创新活动时，企业往往需要借助外源融资渠道以支持绿色创新活动。但是，由于企业绿色创新项目的识别成本较高、抵押难度较大，传统金融机构与企业之间面临着信息不对称问题。这种信息不对称与金融机构追求资金的安全性、营利性和流动性目标相冲突，使得企业绿色创新项目面临着融资难、融资贵等问题，进而约束了企业绿色创新活动。作为传统金融的有效补充，数字金融可以通过拓宽融资渠道、提升金融服务效率、缓解信息不对称等方式缓解企业在开展绿色创新活动时所面临的融资约束，进而提升企业绿色创新表现，具体分析如下：

第一，数字金融能够降低金融服务门槛，拓宽企业融资来源。由于信息完整度低、实物资产少、信用风险大等问题，高科技企业以及中小企业往往被排斥在金融市场之外，被称为“尾部群体”。借助移动互联网、大数据等数字技术，数字金融能够降低金融服务门槛，触及更多的融资主体，进而拓宽企业绿色创新项目的融资来源。在此背景下，数字金融能够缓解企业融资约束，进而为企业的绿色创新活动提供强有力的资金支持。

第二，数字金融能够降低信贷审批成本，提升金融服务效率。数字金融依托大数据、人工智能、区块链等数字技术，能够提升信息筛选能力，缩短企业申请借贷与获得资金的时间，为企业提供快捷简便的信贷服务，进而可以使得企业及时获取开展绿色创新活动所需的资金。

第三，数字金融能够提升风控能力，缓解信息不对称。绿色创新项目较高的识别难度和较大的风险往往会降低金融机构为其提供信贷支持的积极性。数字金融的发展能够精准抓取企业和绿色创新项目的特征信息，进而能够实现企业风险情况的准确评估。在此背景下，数字金融的发展将缓解金融机构与企业之间的信息不对称，提升金融机构为企业绿色创新项目提供信贷资金的意愿，进而促进企业绿色创新。

综上所述，本文提出以下研究假设：

研究假设：数字金融发展对于企业绿色创新具有促进作用。

三、研究设计

（一）样本选择与数据来源

为分析数字金融对于企业绿色创新的影响，本文选取2011—2017年中国A股上市工业企业作为研究样本。其中，本文将工业企业作为研究对象的原因在于，工业企业是中国环境污染的主要来源，其在绿色创新方面的表现将直接关系到中国环境治理目标的实现。在初始样本的基础上，本文剔除了被ST及PT处理、资产负债率大于1、主要变量缺失以及主营业务发生重大变更的样本企业，并最终获得5714个企业年度观测值。此外，为了缓解异常值对研究估计的影响，本文对企业层面的连续变量进行上下1%分位的缩尾处理。

本文的数字金融数据来源于北京大学数字金融研究中心所编制的“北京大学数字普惠金融指数”，企业绿色专利数据是基于国家知识产权局的专利检索系统和世界知识产权组织的《国际专利分类绿色清单》手工搜集获得，其他企业财务数据来源于CSMAR数据库。

（二）变量定义

1.被解释变量。企业绿色创新（GTI）：现有文献主要从投入和产出两个角度对企业创新水平进行度量，具体包含研发投入与专利申请量（Tian& Wang，2014）。考虑到企业在绿色创新方面的研发投入难以度量，本文参考相关文献（徐佳和崔静波，2020），采用企业绿色专利申请量度量企业绿色创新水平。具体地，本文将企业绿色专利申请量加1的对数作为企业绿色创新的代理变量。

2.解释变量。数字金融（DFI）：参考相关文献（万佳彧等，2020），本文采用北京大学数字金融研究中心编制的“北京大学数字普惠金融指数”度量各区域数字金融发展水平。该指数从覆盖广度、使用深度及数字支持服务程度三个维度构建数字金融评价指标体系，并对不同区域的数字金融发展水平进行了科学度量，进而为数字金融领域的研究提供了可靠的数据支撑。具体地，本文将北京大学数字普惠金融指数的对数作为各区域数字金融发展水平的代理变量。

3.控制变量。借鉴齐绍洲等（2018），本文选取企业年龄（Age）、企业规模（Size）、资产负债率（Debt）、成长性（Growth）、盈利能力（ROA）、经营活动现金流（Cash）、研发投入（RD）、出口（Export）、股权集中度（Top1）、董事会独立性（Independent）、两职合一（Dual）等作为控制变量。具体变量定义如表1所示。

表1变量定义

（三）模型设定

为探讨数字金融与企业绿色创新之间的关系，本文构建如下回归模型：

其中，下标i表示企业，下标t表示年份。GTI表示企业绿色创新，考虑到企业申请绿色专利具有一定的时间周期，选取企业滞后一期的绿色创新作为被解释变量。DFI表示企业注册地所在省份的数字金融发展水平，Control表示一系列控制变量，Industry表示行业固定效应，Year表示时间固定效应，ε表示随机扰动项。本文重点关注的参数是β1，若β1显著为正，则表明数字金融对于企业绿色创新具有促进作用。

四、实证分析

（一）描述性统计

表2对变量进行描述性统计分析，可以发现企业绿色创新的均值为1.648，表明绝大部分上市工业企业在绿色创新方面具有一定的投入。同时，企业绿色创新的标准差为1.280，表明不同企业之间的绿色创新水平存在差异。数字金融的最小值和最大值分别为3.013和5.799，表明不同区域之间的数字金融发展水平存在一定的差异。其他变量的描述性统计结果均在合理范围内，并与以往文献保持一致。

（二）基准回归分析

数字金融对企业绿色创新影响的基准回归结果如表3所示，第（1）列为没有加入控制变量的估计结果，第（2）列为加入控制变量的估计结果。可以发现，无论是否加入控制变量，DFI的回归系数均在5%置信水平下显著为正，表明数字金融对于企业绿色创新具有显著的促进作用，研究假设通过检验。

（三）稳健性检验

1.更换代理变量。为缓解其他创新激励因素对估计结果的干扰，本文参考齐绍洲等（2018），采用企业绿色专利申请量占专利申请总量的比重作为企业绿色创新的另一代理变量进行稳健性检验，具体结果如表4第（1）列所示。可以发现，DFI的回归系数在10%置信水平下显著为正，研究结论保持稳健。

表2描述性统计

表3数字金融对企业绿色创新影响的回归结果

2.更换估计方法。由于企业绿色专利申请量均为非负数且不满足正态分布，进而可能使得最小二乘法在估计系数时产生偏差。为缓解估计偏差，本文采用Tobit模型检验数字金融对于企业绿色创新的影响，具体结果如表4第（2）列所示。可以发现，DFI的回归系数在10%置信水平下显著为正，表明研究结论依然稳健。

3.工具变量。在识别数字金融与企业绿色创新之间关系的过程中，可能会面临遗漏变量、反向因果等问题。为缓解以上内生性问题，本文参考谢绚丽等（2018），采用省级互联网普及率作为各区域数字金融发展水平的工具变量，并进一步考察数字金融对企业绿色创新的影响。具体地，本文从《中国互联网发展状况统计报告》中获取2011—2016年各省份互联网普及率，并将各省互联网普及率作为工具变量进行两阶段最小二乘法估计，具体结果如表4第（3）列所示。可以发现，Wald检验值为556.956，表明不存在弱工具变量问题，且DFI的回归系数在1%置信水平下显著为正，表明数字金融对于企业绿色创新的促进作用在控制内生性后依然稳健。

表4稳健性检验

五、结论与启示

本文以2011—2017年中国A股上市工业企业作为研究样本，借助北京大学数字普惠金融指数实证检验了数字金融对于企业绿色创新的影响。研究结果显示，数字金融对于企业绿色创新具有显著的正向影响，即区域数字金融水平的提升有助于企业绿色创新活动的开展，这一正向作用在进行更换代理变量、更换估计方法、采用工具变量法等一系列稳健性检验后仍然成立。

基于以上研究结论，本文对于未来数字金融的发展以及绿色创新体系的构建具有如下政策启示：第一，深化数字金融发展，提升数字金融覆盖度。借助大数据、云计算、人工智能等新兴技术，数字金融能够提升金融服务效率，缓解金融机构与企业之间的信息不对称。因此，应进一步推动数字金融发展，加强数字技术与金融产业之间的融合，提升传统金融机构数字化水平，进而能够更好地满足企业绿色创新的融资需求。第二，规范企业环境信息披露，健全数字金融基础设施建设。完善的环境信息披露是实现绿色信贷精准投放的重要支撑，应通过制定企业环境信息披露的详细准则以提升企业信息披露的主动性，并通过支持大数据、云计算、区块链等底层技术产业的发展以捕捉更为丰富的信息，进而构建较为完善的征信体系。第三，强化数字金融监管，防范金融风险传染。数字金融在提升金融服务效率的同时，可能会面临算法风险、数据风险、垄断风险等一系列问题，应加强数字金融相关法律法规建设，规范相关数据的采集与使用，坚持金融行业持牌经营，守住金融安全的底线。