数字普惠金融对企业绿色创新的影响及其机制检验

兰梓睿，张书华

（1.天津社会科学院生态文明研究所，天津 300191；2.天津财经大学 管理可计算建模协同创新中心，天津 300222）

0 引言

近年来，随着北京大学数字金融研究中心相继发布北京大学数字普惠金融指数，数字金融的量化研究有了突破性的进展。部分学者认为数字普惠金融对经济增长有正向的促进作用，在增强地区消费水平[1]、提高资源配置效率[2]等方面发挥着重要作用。对生产率的影响方面，既有学者以中国278个地级市面板数据为研究样本，分析数字普惠金融对城市绿色全要素生产率的影响及作用机制，也有学者针对金融科技和企业全要素生产率展开了研究。数字普惠金融对创新的影响研究主要集中在区域、城市以及微观企业等层面，潘爽等（2021）[3]发现数字金融对城市创新水平提升有显著的促进效果，并具有普惠的作用；郑万腾和赵红岩（2021）[4]研究了数字金融对区域技术创新的收敛性影响，结果表明不同城市区域产生的收敛效果也存在明显的差异；Huang和L（i2017）[5]研究发现，数字普惠金融可以帮助企业获得更多的财务信息和非财务信息，缓解信息不对称问题，进而提高微观企业的创新水平。

现有研究成果针对数字普惠金融对企业全要素生产率、企业创新的作用效果展开了讨论，但鲜有研究从绿色发展的角度来评估数字普惠金融发展带来的环境效益，即对企业绿色创新水平提升的影响。本文以数字普惠金融发展产生的绿色增长效应为研究重点，基于2011—2020年中国沪深A股上市公司、各地级市面板数据以及北京大学数字普惠金融指数，采用双向固定效应模型来分析数字普惠金融对企业绿色创新的影响，并分析其具体的作用机制。

1 理论分析与研究假设

随着信息技术的不断发展，逐渐催生出数字普惠金融这一新型的金融服务模式。数字普惠金融具有覆盖范围广、深度大以及费用低等特点，能够通过提高地区资源配置效率，来实现要素资源的正常流动，减少高污染行业的资源聚集，从而为企业的绿色创新带来新的发展空间。一方面，数字普惠金融通过利用信息技术等现代手段，提高项目的风险管理能力，倒逼传统金融服务模式的转型发展，这有助于有效避免借贷双方由于获取信息差异造成的损失，减少企业节能减排技术研发、生产工艺绿色化改造等方面的融资成本，进而增强企业绿色技术研发投入强度，推动企业绿色创新水平提升。另一方面，数字普惠金融有效降低了金融服务的门槛和成本，通过金融产品的交叉创新，引导资金由高污染行业向低污染、绿色部门流动，这既可以提高金融产业的资源配置效率，也拓宽了融资渠道范围，有效降低了绿色金融产品的交易成本，为企业的绿色创新发展提供新的机遇和路径[6]。基于此，本文提出：

假设1：数字普惠金融发展对企业绿色创新水平的提升有显著促进作用。

数字普惠金融有效促进企业绿色创新的内在机制主要集中在三个方面。

一是缓解融资约束压力。数字普惠金融通过减少银行与企业之间的信息不对称，使得企业开展绿色创新项目的价值信息能够准确被衡量，并获得相应的资金支持[7]，有助于降低相关企业节能减排技术研发、优化生产工艺流程等方面的融资成本，拓展企业开展绿色创新活动的融资途径，为企业的绿色创新发展提供新的发展机遇。

二是提高技术外溢水平。通过利用金融科技手段，可以增强行业之间的关联性，进而促进要素技术资源的正常流动，而数字普惠金融将传统金融产品、服务和现代数字技术进行结合，有效降低了创新主体的交易成本和企业的研发成本，促进企业采用更加环保的生产方式来对新材料、新设备等加以应用，从而提高企业绿色创新水平和区域可持续发展水平[8]。同时，数字普惠金融的发展提高了技术市场的活跃度，通过对企业绿色专利相关衍生产品技术市场和数据市场的开发、应用，有利于绿色创新先进技术的推广，增强了技术溢出效果，为企业绿色创新发展提供技术支持。

三是缓解资源错配程度。一方面，数字普惠金融业务的逐步推广能够解决市场信息不对称问题，缓解资源错配程度，为绿色产业的发展提供更加公平的市场环境；另一方面，数字普惠金融在发展过程中通过利用技术手段来改善企业绿色专利研发资金投入供给和需求的矛盾，进而提升金融产品应用于企业绿色创新项目的配置效率，有利于实现企业绿色创新水平的进一步提升。基于此，本文提出：

假设2：数字普惠金融发展对企业绿色创新的促进作用主要是通过缓解融资约束压力、提高技术外溢水平和缓解资源错配程度来实现的。

2 研究设计

2.1 模型建立

为了深入刻画数字普惠金融对企业绿色创新的影响，本文借鉴前人的研究，构建如下的基准模型：

其中，i、j和t分别代表企业、地区和年份；patent表示企业绿色创新水平；Index表示的是数字普惠金融指数；control代表的是一系列控制变量；μi表示企业个体固定效应，也反映了地区固定效应；γt表示时间固定效应；εijt为随机误差项。

2.2 变量选择

2.2.1 被解释变量

企业绿色创新水平（patent）作为本文的被解释变量，参考国际专利委员会对于环境友好型专利技术的分类，即“国际专利分类绿色清单”，将绿色专利分为七大类，具体包括交通运输类、废物管理类、节能类、可替代能源类、监管设计类、农业林业类和核能发电类，将其归纳总结为企业的绿色专利数量，以此来衡量企业绿色创新水平。同时，从绿色专利申请的性质来看，主要有两种类型，分别为发明专利和实用新型专利，绿色发明专利侧重从创新投入的角度来分析，而绿色实用新型专利侧重从创新产出的角度来进行分析，为了进一步考虑不同专利类型下数字普惠金融对企业绿色创新发展的影响差异，本文将绿色专利细分为绿色发明专利（patent-in）和绿色实用新型专利（pat⁃ent-ut）来进行回归研究。

2.2.2 核心解释变量

本文的核心解释变量为数字普惠金融（Index），关于数字普惠金融的测度，借鉴北京大学数字金融研究中心发布的数字普惠金融指数以及3个二级指标来进行衡量。

2.2.3 控制变量

为了避免在利用数据进行回归分析过程中因忽略遗漏变量带来的误差影响，本文对其他可能影响企业绿色创新水平的变量进行控制。（1）企业规模大小（size），企业发展规模的大小与企业创新活动的开展有密切的关系，采用企业当年的总资产来衡量。（2）企业资产利润率（pro），企业的利润率水平越高，越能够更好地保障企业的现金流平稳运行，同时，也越有利于提高企业融资能力，为企业研发创新活动的开展提供资金支持，故采用企业当年利润总额和总资产的比值来衡量。（3）企业资产负债率（debt），企业负债能力会影响企业现金流情况以及研发投入水平，采用企业当年总负债和总资产的比值来衡量。（4）企业资本密集程度（cap），资本密集程度会影响企业资本投入和技术创新，故采用企业固定资产净值与员工总人数的比值来衡量。（5）企业成长性水平（gro），企业成长发展的方向和速度也会对企业研发创新活动的开展产生重要影响，故采用企业当年的营业收入的增长率来衡量。（6）经济发展水平（eco），采用各地区当年的GDP增长率来衡量。（7）金融发展（fin），采用各地区金融业产值占全国GDP的比重来衡量。

2.3 数据来源

本文选取2011—2020 年中国沪深A 股上市公司数据为样本，同时，也选取了地级及以上城市层面的数据来加以匹配，相关数据主要来自CSMAR和Wind数据库、《中国城市统计年鉴》以及各地区统计公报等。为了使样本数据更具有代表性和准确性，对样本数据也做了相应处理：一是剔除金融机构以及ST、*ST 类上市公司相关数据；二是对部分样本变量数据缺失的企业进行剔除；三是对所有的样本数据进行上下1%的缩尾处理，并对涉及经济方面的数据以2011 年为基期进行不变价处理，以消除价格变动的影响，最终得到19409个观测值。

3 实证分析

3.1 基准回归结果

本文采用双向固定效应模型来分析数字普惠金融对企业绿色创新水平的影响，在回归模型中同时加入企业和城市层面的相关控制变量，并控制了企业个体和时间效应，在回归分析中使用城市聚类效应对标准误差进行修正，来消除同一个地区不同企业存在的相关性影响。回归结果如下页表1所示。

表1 基准回归结果

表1 列示了数字普惠金融对企业绿色创新水平的回归结果，可以发现数字普惠金融指数无论是对企业绿色专利，还是对企业绿色发明专利和绿色实用新型专利均有显著的正向促进作用，均通过了1%或5%的显著性检验，这也与前面预期的研究假设保持一致。这是因为数字普惠金融以大数据、人工智能等信息技术手段为依托，具有高效性、便利性以及低成本等优势，一方面能够提高要素配置效率，吸引更多资金投入绿色、高技术产业，提高企业的绿色创新能力和生产率水平；另一方面通过提供多元化的金融与服务，提升了企业在绿色技术研发及应用方面的信贷融资效率，进而降低了金融服务的门槛以及交易成本，有助于企业开展绿色创新项目。

对于控制变量来说，企业规模对企业绿色创新有正向的促进作用，其系数在1%的水平上显著为正，表明企业发展规模越大，企业的融资能力和劳动力水平也越突出，对企业的创新能力有越大的促进作用。企业资产利润率和成长性水平的回归系数均显著为正，这说明企业盈利水平越高，劳动力运作产生的生产效益就越好，越有助于企业开展创新活动。企业资产负债率和资本密集程度的回归系数显著为负，表明企业资产负债率越高，越不利于现金流的正常流动，而资本密集程度较高的企业，容易忽略技术创新投入的重要作用，这都会对企业绿色创新发展产生负面影响。从城市层面来看，地区经济发展水平的回归系数显著为正，而金融发展的回归系数则显著为负，这也体现了不同地区创新发展的差异性。

3.2 内生性讨论

研究数字普惠金融对企业绿色创新的影响作用，更多的是采用宏观层面的数字普惠金融指数来进行分析，而单个企业产生反向作用的可能性就比较小，可能存在遗漏变量对模型估计系数的有偏或者非一致性产生影响，进而导致估计结果的准确性存在偏差。本文以历年互联网普及率作为工具变量（IV），该工具变量符合外生性和相关检验的要求。从相关性的角度来看，数字普惠金融的普及应用以大数据、云计算等为技术基础，互联网普及率则反映了当地基础设施建设的情况，数字普惠金融和互联网普及程度之间有密切的关联性，可以满足工具变量的相关性要求。从外生性的角度来看，对于被解释变量企业绿色创新而言，地区互联网基础设施建设的发展能够解决不同主体间信息交流的不对称、信息成本高等问题，与企业实现绿色创新发展之间并没有直接的相互作用关系。因此，可以将互联网普及率作为工具变量，通过采用两阶段最小二乘法来进行回归，结果如表2所示。

表2 工具变量法的回归结果

表2显示采用工具变量进行二阶段回归的分析结果，列（1）是工具变量（互联网普及率）的回归结果，可以发现工具变量的系数在5%的水平上显著为正，表明完善的互联网基础设施更有助于数字普惠金融规模的扩大，数字普惠金融水平的提升也需要信息技术的不断完善和发展，这证实了工具变量的相关性特征。从第二阶段中列（2）的结果来看，地区互联网普及率的不断提高能够明显促进企业绿色创新水平的提升，其系数在1%的水平上显著为正，这跟前人研究得出的结论也比较符合[9]。从列（3）和列（4）的结果来看，地区互联网普及率发展对企业绿色发明专利创新和绿色实用新型专利创新均存在显著的正向影响，这进一步说明了互联网作为新的信息技术变革，打破了时空壁垒的约束，有助于信息的凝练、整合和扩散，促进不同创新主体实现创新资本的积累，推动地区绿色技术进步，从而实现绿色经济发展水平快速提升。从这个角度来说，选择互联网普及率作为工具变量也符合外生性的要求，进一步说明前文研究结果不存在内生性问题，结果较为稳健。

3.3 稳健性检验

3.3.1 替换被解释变量

采用绿色专利数量衡量企业绿色创新水平，更多体现了数字普惠金融对创新产出的作用，为了更加全面分析其对企业绿色创新的影响，本文从创新投入的角度来分析，采用企业研发投入占营业总收入的比重来衡量，回归估计结果如下页表3 列（1）和列（2）所示，其中列（1）是固定效应模型，列（2）是两阶段工具变量法回归分析。通过采用更换被解释变量衡量指标来进行回归分析，可以看出数字普惠金融的回归系数均在1%或5%的水平上显著为正，说明从创新投入角度来看，数字普惠金融也能够提高企业研发投入强度，从而提升企业创新水平，证实了前文研究结果的稳健性。

表3 稳健性检验的回归结果

3.3.2 滞后性影响

对于企业创新发展来说，创新投入和产出需要一定的时间，因此需要考虑数字普惠金融对企业绿色创新水平提升的时间滞后性影响，故利用滞后一期的数字普惠金融指数作为解释变量进行回归。回归结果如表3 列（3）和列（4）所示，考虑变量的滞后效应后，回归系数均显著为正，进一步验证了结果的稳健性。

3.3.3 替换样本

考虑到样本选择的偏差可能会对实证结果产生影响，故剔除直辖市样本的影响，因为这些地区经济发展水平、数字金融业以及企业融资能力等相对较强，忽略这些特殊样本可能带来的影响更有助于确保研究结果的稳健性，通过再次进行回归检验，结果如表3 列（5）和列（6）所示，表明数字普惠金融仍对企业绿色创新有显著的促进作用。

3.4 作用机制分析

通过实证研究发现数字普惠金融可以显著促进企业绿色创新水平，那么，其作用机制是什么？前文通过理论分析发现，数字普惠金融主要通过缓解企业融资约束压力、提高技术外溢水平和缓解资源错配程度来提升企业行业竞争力，进而促进其绿色创新能力的提升[10]。为此，本文借鉴文献[10,11]的研究方法，采用中介效应模型来对其作用机制进行分析和检验，具体模型构建如下所示：

其中，Med代表中介变量，企业融资约束压力（fc）采用公式-0.737×Size+0.043×Size2-0.04×Age计算的企业融资约束指数（SA）来衡量，Size 代表企业规模的自然对数，Age 代表企业成立时间，SA 的值为负数，其绝对值越大，说明企业融资约束程度越高；技术外溢水平（tec）采用技术交易量来衡量，技术交易量的大小更能体现数字普惠金融在技术发展中产生的创新溢出效应；资源错配程度（res）采用前人的研究思路，通过主成分分析法来对资本错配和劳动错配指数进行权重赋值，从而得出资源错配系数。模型（2）、模型（3）和模型（4）中其余变量的含义和模型（1）中的保持一致。

在使用中介效应模型进行回归时，一方面要考虑各模型中数字普惠金融指数的回归系数β1、η1和ω1均满足显著性水平的要求，另一方面模型（4）中数字普惠金融指数的回归系数ω1不显著时，说明中介变量在数字普惠金融影响企业绿色创新发展中存在完全促进作用，而当回归系数ω1小于β1时，说明中介变量发挥着部分中介促进作用，回归结果如表4所示。

表4 影响机制的回归结果

从中介变量融资约束压力看，列（2）的回归结果显示，数字普惠金融发展能够有效缓解企业融资约束压力，其系数在5%的水平上显著为负，将数字普惠金融和融资约束压力同时加入回归模型中进行分析，结果表明，列（3）数字普惠金融指数的回归系数小于列（1）数字普惠金融指数的回归系数，融资约束的回归系数在5%的水平上显著为负，证实了融资约束压力具有部分中介作用，即数字普惠金融通过降低企业融资约束压力来提高绿色创新水平。而对于技术外溢和资源错配来说，数字普惠金融指数的回归系数均小于列（1）基准回归的系数，说明了技术外溢水平和资源错配程度都具有部分中介作用，即数字普惠金融可以通过提高技术外溢水平和缓解资源错配程度来促进企业绿色创新水平提升，证实了前文研究假设的正确性。

3.5 异质性分析

3.5.1 基于区位的异质性分析

由于地区经济发展水平、资源禀赋等存在差异性，东部地区工业基础以及基础设施建设发展实力相对较为雄厚，而中西部地区资源要素流动水平较低，数字普惠金融对企业绿色创新水平增长的带动效应可能存在明显的差异。因此，本文将样本数据分为东部和中西部地区来进行分析，回归结果如下页表5 中的列（1）和列（2）所示，对于东部地区来说，数字普惠金融对企业绿色创新的影响在10%的水平上显著为正，促进作用并不够明显，而在中西部地区，这种促进作用则十分明显，在1%的水平上显著为正，这可能是因为东部地区具有较好的基础设施建设，金融体系发展较为完善，相关金融制度和产品服务也比较丰富，不仅为不同规模企业绿色技术研发需求的信贷融资提供便利，也为城市绿色发展创造良好的金融市场环境。因此，数字普惠金融的普及和应用更多的是扩大了相关主体的融资途径，对企业绿色创新的激励促进作用并不明显。中西部地区的金融发展水平和相关金融制度的完善程度并不高，推行数字普惠金融政策，为经济主体融资提供了更多的渠道和方式，这也为地方政府加大绿色技术创新研发资金投入提供了有力的支撑，提高企业在节能减排技术研发、生产工艺流程绿色化改造等方面的行业竞争力，使得数字普惠金融的发展更具有广泛性和公平性，显著提高了企业绿色创新水平。

表5 异质性分析的回归结果

3.5.2 基于企业所有制的异质性分析

企业性质的差异会影响数字普惠金融产生的作用效果。为此，进一步将样本数据分为国有企业和非国有企业两个子样本进行回归分析，结果如表5中列（3）和列（4）所示。可以发现，对于国有企业来说，数字普惠金融对其绿色创新水平的影响在5%的水平上显著为正，而数字普惠金融对非国有企业绿色创新的促进作用更为明显，在1%的水平上显著为正，这可能是因为，国有企业受国家和地方政府直接干预或者管理，企业发展更多需要考虑政府的发展目标和战略规划，受政策波动影响较大，使得资源配置效率较低，不利于数字普惠金融促进企业绿色创新活动；而非国有企业相对比较灵活，数字普惠金融发展通过运用技术手段，能够有效评估中小民营企业的财务风险，帮助银企双方获得对称的信息，有助于银行掌握非国有企业绿色技术研发、生产工艺流程绿色化改造等方面的融资需求，使得非国有企业开展绿色创新项目获得更多的信贷支持，有利于企业正常开展的研发创新活动和融资需求。

3.5.3 基于市场环境的异质性分析

数字普惠金融弥补了传统金融的不足，形成了互补的发展局面，这也能够为企业的创新发展提供良好的市场环境。因此，地区市场化程度越高，其信贷资源配置效率以及信息对称程度越高，可能使得数字普惠金融发展带来的创新效应并不明显。本文采用私营企业工业企业年销售产值与规模以上工业企业销售产值的比值来反映民营经济活跃的程度，即市场化程度。回归结果如表5 中的列（5）和列（6）所示，相较于市场化程度较高的地区，数字普惠金融对低市场化程度地区的促进作用更加明显。这是由于在市场化程度较高的地区绿色专利市场化交易体系相对完备，经济主体交易较活跃，数字普惠金融对其影响较小；而在市场化程度较低的地区，数字普惠金融将改善绿色专利交易的市场环境，提高企业之间绿色创新活动的信息共享程度，促进作用更加明显。列（6）中回归系数在1%的水平上显著为正，说明在市场化程度较低的地区，通过运用大数据和人工智能等手段来发展数字普惠金融，能够弥补地区绿色技术研发市场化进程不足的缺陷，为企业绿色创新发展提供良好的市场和行业竞争环境。

4 结论

本文基于2011—2020年中国沪深A股上市公司、地级市数据以及北京大学数字普惠金融指数，通过构建双向固定效应模型和中介效应模型，实证分析了数字普惠金融对企业绿色创新的影响及其作用机制。结果表明：（1）数字普惠金融发展对企业绿色创新水平提升存在显著的正向促进作用，细分来看，对企业绿色发明专利的影响在1%的水平上显著为正，而对企业实用新型专利的影响在5%的水平上显著为正，且经过一系列的内生性和稳健性检验后，回归结果依然成立；（2）作用机制分析结果表明，数字普惠金融发展对企业绿色创新的促进作用主要通过缓解融资约束压力、提高技术外溢水平和缓解资源错配程度等途径来实现；（3）异质性分析结果显示，从区位异质性来看，相对于较为发达的东部地区来说，数字普惠金融对中西部地区企业绿色创新的促进作用更加显著；从企业性质来看，与国有企业相比，数字普惠金融对非国有企业绿色创新的正向影响更明显；从市场环境变化的角度来看，数字普惠金融在市场化程度较低的地区更容易发挥创新补偿的效果。