数字金融对实体经济技术创新的影响研究

徐文迪

(苏州大学商学院 江苏苏州 215006)

长期以来，我国支撑实体经济尤其是先进制造业的核心技术存在发展瓶颈，创新是实体经济发展的第一动力。习近平总书记在党的二十大报告中强调，坚持把发展经济的着力点放在实体经济上，加快实施创新驱动发展战略，推动实现高水平科技自立自强。当前，我国经济处于向高质量发展的转型阶段，技术创新是加快制造业提质增效、推进制造强国建设的关键。

金融是实体经济的血脉，充分发挥金融对实体经济的支持作用有助于宏观经济的稳定。传统金融出于成本因素，存在规模歧视和特有的所有制偏见问题，很大程度上制约了企业在生产研发过程中的技术革新。近年来，随着大数据、云计算、移动互联网的快速发展，数字技术与金融业不断融合，将大数据、区块链、人工智能等技术应用到金融行业的数字金融新业态应运而生。数字金融凭借低成本、高效率及更强的地理穿透优势，能够有效拓宽融资渠道，打破传统金融服务的时间与空间局限，有效解决企业融资难、融资贵的困境，驱动企业去杠杆、稳定财务状况，激发企业技术创新产出内生动力。如何充分利用数字普惠金融驱动实体经济创新是破解传统金融领域难题及实现经济高质量发展的重要抓手。

1 相关文献综述

金融对企业技术创新能力的影响往往体现在融资约束方面。唐松等(2020)研究发现，数字金融的发展能够有效校正传统金融中的错配问题，对企业技术创新存在“结构性”驱动效果。孙继国等(2020)利用双重差分模型验证了普惠金融对中小企业创新能力具有正向影响作用。万佳彧(2020)从融资结构的角度出发，进一步验证了数字普惠金融通过改善企业融资结构从而对企业创新绩效产生正向促进效应。贾俊生等(2021)指出，数字普惠金融通过降低评估审批成本、企业融资门槛及信息不对称三个方面正向激励企业创新活动。赵晓鸽等(2021)基于金融错配视角，研究发现数字普惠金融能够显著缓解企业金融错配程度，进而对企业创新产生促进效应。马颖超、刘树林(2022)同样验证了普惠金融发展能较好地纾解民营企业普遍存在的融资约束问题，提振实体经济创新发展。

关于数字金融的影响效应评估，国内学者主要从数字普惠金融对产业结构、经济发展质量、居民消费结构的影响等方面进行研究。唐文进等(2019)通过研究发现，数字普惠金融对产业结构升级的促进作用存在门槛效应，当其发展到一定程度时，对产业结构升级的促进作用消失。程宇(2022)通过研究发现，数字金融在加快产业结构整体升级的同时，还推动了产业结构高级化发展。张庆君和黄玲(2021)研究发现，数字普惠金融能扩大传统金融服务覆盖范围，加速推动产业结构升级，进而促进经济发展，但对经济发展质量没有显著影响。李牧辰等(2020)从金融排斥理论和金融功能观出发，实证检验发现数字普惠金融的发展总体上缩小了中国城乡居民收入差距，主要体现为覆盖广度和使用深度带来的影响。杜家廷等(2022)研究发现，数字普惠金融主要通过农村经济发展和农村居民经营性收入增长两条路径对中国农村居民消费结构升级具有显著的促进作用，且这种促进作用呈非线性形态。

通过对以上文献的梳理可以看出，有关金融市场与企业创新的关系及数字金融的影响效应评估研究已经较为丰富，但是数字金融这一新型金融体系对实体经济整体创新水平作用机制的研究目前还比较匮乏，尤其是数字金融通过哪些途径对实体经济创新形成影响还缺乏进一步理论和实践的深入论证。因此，本文立足数字普惠金融对规模以上工业企业创新水平影响作用效果的视角，选取北京大学数字金融研究中心测算的数字普惠金融指数作为解释变量，实证研究其对实体经济创新的影响。本文在原有文献的基础上，将数字金融划分为三个维度指标，即以覆盖广度、使用深度和数字化程度作为二级解释变量，探究数字普惠金融发展的不同维度指标对实体经济创新的影响机制，并将样本划分为长江经济带和非长江经济带研究其作用效果的区域异质性，以期对数字普惠金融的实践研究做进一步的延续和拓展。

2 实证设计

2.1 计量模型

针对需要探究的研究假说，本文经验模型的设定思路主要着眼于检验中国各省份地区的数字金融发展水平对该区域实体经济创新活动的影响效应，基准回归模型方程具体设定如下：

其中，因变量Innovation用来度量中国省份地区i在年份t中的创新活动的代理指标；DFit表示数字金融发展水平，包括数字金融总指数、数字金融覆盖广度、数字金融使用深度及普惠金融数字化程度；X为一系列可能影响实体经济创新活动的控制变量，包括投资强度、环境规制、政府干预程度、进出口贸易和基础设施。为了控制不同省份的地区差异与不同年份的时间差异，模型中分别加入了地区固定效应δi以及年份固定效应ρt，前者用来控制不同省份地区由于经济发展水平差异、地缘政治因素等对地区实体经济创新活动可能造成的差异性影响；后者用来控制外部宏观环境的变化或历史发展战略更迭等因素造成的影响。εit为随机扰动项，β0为常数项，β1为数字金融变量系数。

2.2 变量说明和数据

本文各省份地区数据的样本期为2011—2020年。其中，主要被解释变量为实体经济创新能力，在借鉴既有文献的基础上，使用中国各省份地区的规模以上工业企业专利申请数进行衡量，具体数据来自《中国科技统计年鉴》。本文的核心解释变量为数字普惠金融指数，数据来源于2020年北京大学数字金融研究中心编制的数字普惠金融指数体系，其中选取数字金融覆盖广度、数字金融使用深度及普惠金融数字化程度考察各维度对实体经济创新能力的影响。

为了尽可能解决计量方程式中由于遗漏变量造成的偏误问题，本文在控制变量集X中所设置的变量包括：(1)投资强度(inv)。以中国各省份地区的固定资产投资占该地区GDP的比重计量，各省份地区固定资产投资数据源自《中国统计年鉴》。(2)环境规制(env)。以各省份工业污染治理投资占工业增加值的比重计量，数据来源于《中国统计年鉴》和《中国环境统计年鉴》。(3)政府干预(gov)。以各省份一般公共预算支出占GDP的比重衡量，数据来源于《中国统计年鉴》。(4)进出口贸易(tra)。以各省份货物进出口总额占GDP的比重计量，各省份货物进出口总额数据源自《中国金融统计年鉴》。(5)基础设施(fra)。以各省份公路里程与铁路里程的总和与各省份面积的比值，即交通密度(公里/平方千米)衡量，数据来源于《中国统计年鉴》，主要变量的描述性统计如表1所示。为减少异方差问题对实证结果产生较大误差影响，本文对所有变量数据做对数化变换处理。

表1 主要变量的描述性统计

3 实证分析

3.1 主回归结果

由表2第1列回归结果可以看出，数字普惠金融指数对实体经济创新水平的影响在1%的统计水平上显著为正，系数为4.85，表明数字金融发展与实体经济创新呈显著的正相关关系，数字金融的发展能够显著改善实体经济创新。表2第2～4列回归采用逐步回归法依次添加控制变量投资强度(inv)、环境规制(env)、政府干预(gov)、进出口贸易(tra)和基础设施(fra)，以缓解遗漏变量对因果效应估计的干扰。观察其结果，数字金融对实体经济创新影响的系数始终在1%的水平上显著为正。分析以上结果的主要原因，在以大数据、人工智能为基础的数字化技术支持下，数字金融打破了传统金融服务的时间和空间限制，凭借其低成本优势使金融服务更具普惠性。数字金融的纵深发展拓宽了企业融资渠道，降低融资环节的冗余成本，有利于实现资源的高效配置，让一切创新源泉充分涌流，进而促进实体经济创新水平的提升。

表2 主回归结果

对于控制变量来说，投资强度对实体经济创新有显著的促进作用，在1%的统计水平上显著为正，其系数绝对值也相对更高，说明进一步的投资支持有助于激发企业内生创新动力，增强研发创新能力。类似地，环境规制对实体经济创新的影响也显著为正，由于对工业企业环境保护标准的提高增加了企业污染治理的成本，一味增加排污支出不符合企业利润最大化原则，因此工业企业会通过技术创新改进生产技术和生产效率，提升绿色创新水平来补偿增加的污染费用。

3.2 分维度检验

本文在主回归结果的基础上，根据北京大学数字普惠金融指数，将数字金融指标体系细分为三个维度，分别为数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度，进而从数字金融的各个角度探究其对实体经济创新能力的影响差异，如表3所示。覆盖广度衡量了能够通过电子账户得到相应服务的用户数量；使用深度体现了各省份地区实际使用货币基金、信贷和保险等数字金融服务的情况；数字化程度体现了用户使用数字金融服务的成本与门槛。

表3 分维度回归结果

由表3可以看出，在控制一系列控制变量后，数字金融覆盖广度的系数为0.172，作用效果在1%的统计水平上显著为正，说明数字金融覆盖广度对实体经济创新水平具有显著的激励作用。数字金融使用深度的回归结果在10%的统计水平上显著为正，说明数字金融的使用程度越深，数字金融服务的可抵达性就越强，进而缓解融资约束，促进实体经济创新。这两列回归结果初步表明，数字金融的覆盖广度和使用深度在一定程度上从正向效果影响了我国实体经济的创新活动，促进创新水平的提升。结合最后一列的回归结果分析表明，普惠金融数字化程度对实体经济创新水平的影响在10%的统计水平上显著为负，即普惠金融数字化程度对省份地区的规模以上工业企业的专利申请数产生了异常的阻碍作用，可能是由于金融监管往往滞后于金融数字化水平的发展，使企业获得了较为宽松的数字金融环境，从而降低了投资现金流的敏感性，弱化了内部研发的创新动力，对核心业务产生“挤出效应”。数字化程度较高的普惠金融企业能够利用数字金融市场的风险监督漏洞转移业务风险，从而削弱了内部创新监督的动机，对实体经济创新水平造成负面影响。

3.3 区域异质性

考虑到数字金融对实体经济创新的激励效应在经济发展水平和地域资源存在差距的地区存在一定的差异，本文基于经济发展水平和地理区位将全样本划分为长江经济带和非长江经济带两个区域，进一步检验不同区域间的数字普惠金融发展水平对实体经济创新作用是否存在异质性(见表4)。

表4 分区域回归结果

由表4的实证结果可知，在长江经济带和非长江经济带，数字金融对实体经济创新激励效应的显著性极强。在添加控制变量后，长江经济带数字金融总指数的显著系数为0.564，通过了5%的统计显著性检验；而在非长江经济带的省份地区，数字金融与实体经济创新的相关系数为0.291，相较低于在长江经济带的显著水平，但同样通过了5%的显著性检验。上述结果意味着，在技术优势明显、投资空间宽裕的长江经济带，数字金融发展拥有更为健全的金融市场与生态环境支撑，因此更能充分发挥其对实体经济创新的促进效应；而在经济发展水平相对落后的非长江经济带，数字金融凭借其普惠性与低成本优势，能有效缓解企业创新融资约束，对促进该区域实体经济创新扮演“雪中送炭”的角色，但由于金融数字化和信息化的特性对技术水平和基础设施建设存在一定的要求与限制，数字金融对经济欠发达地区的创新补充效果仍有进一步优化的空间。

3.4 稳健性检验

数字金融发展与实体经济创新之间可能存在反向的因果关系，即实体经济创新可能反过来作用于数字普惠金融发展，导致结果因存在内生性问题而出现偏差。为了弱化可能存在的反向因果关系，本文分别采用了滞后一期与滞后二期的解释变量和控制变量对样本数据再次进行回归分析，以检验数字金融发展对实体经济创新的影响是否具有稳健性。由表5可知，在数字金融总指数及相关控制变量都采用滞后数据的情况下，数字金融对实体经济创新在1%的水平上仍有显著的正向影响，说明本文的结果不受反向因果问题的影响。

为进一步缓解内生性问题对结果的干扰，本文采用工具变量法进行最小二乘法估计，选择工具变量为滞后一期的数字金融总指数，估计结果如表5所示。由表5可以看出，数字金融与实体经济创新显著正相关，说明发展数字普惠金融确实能促进实体经济创新发展，与本文预期结果一致。以上结果说明，使用工具变量控制模型的内生性问题后，关键结果并未发生明显改变，说明主效应的回归结果非常稳健。

表5 稳健性检验结果

考虑到北京、上海、天津、重庆四个直辖市在经济实力、科技水平及政策优惠等方面都优于一般省份地区，本文剔除了直辖市的样本数据，并在此基础上重新进行了主回归。在剔除直辖市样本后，数字普惠金融的发展依然显著正向影响工业企业创新水平，同时固定资产投资强度依然是对实体经济创新产生影响最显著的作用渠道，上述结果均验证了本文结论的稳健性。

4 结语

4.1 研究结论

为探究数字普惠金融对实体经济创新的影响效应和作用机制，本文基于2011—2020年我国多个省份地区的面板数据，采用双向固定效应模型，从多角度研究了数字金融发展对实体经济创新水平的影响作用。主要有以下结论：第一，数字普惠金融发展可以直接显著提升实体经济创新水平。细分来看，数字金融覆盖广度对实体经济创新的促进作用更加明显，在1%的统计水平上显著为正，数字金融使用深度对实体经济创新的促进作用在10%的统计水平上显著为正。第二，数字普惠金融对实体经济创新的影响存在区域异质性，对地处长江经济带数字化、信息化程度高，投资力度大，且基础设施相对健全的经济发达省份和城市的促进效应更为显著。第三，通过工具变量、替换核心变量和删除直辖市样本作为稳健性检验，其实证结果仍与本文主要结论一致。

4.2 研究建议

综上所述，本文有以下三点政策建议：第一，搭建数字普惠金融生态圈，构建普惠金融新生态。构建“产业+科技+金融”协同发展的数字金融生态体系，破除数字壁垒和信息孤岛的困境，提高资源在创新领域的配置效率，推动区域内部优势互补，缓解制造企业在研发、生产、经营过程中的融资困境，赋能实体经济创新发展。第二，加大数字普惠金融投资力度，尤其是加快欠发达地区的移动互联基础设施建设。支持和推动以5G网络、物联网等为代表的数字基础设施建设，扩大数字金融覆盖广度，优化通信环境，提高数字金融服务实体经济的效率。第三，完善金融监管制度，引导数字金融健康有序发展。监管部门要根据数字金融的发展特性和运行规律制定针对性的监管方案，规范数字金融相关业务的市场准入机制，建立健全数字金融征信体系，防范可能存在的系统性风险，营造良好的制度环境，以保障数字金融对实体经济创新促进作用的有效发挥。

政府需重视发展数字普惠金融对实体经济创新的驱动作用，最大程度地发挥数字金融的普惠性、包容性和地理穿透优势，深度激发实体经济创新发展的内生动力，从而更好地引领我国经济高质量发展。