数字普惠金融、融资约束与中小微企业技术创新

项东 田婷婷 李楠

【摘 要】 基于2011—2020年新三板注册中小微企业的专利数与全国地市级数字普惠金融指数的匹配数据，以2016年9月杭州G20峰会通过《G20数字普惠金融高级原则》为一项准自然实验，分析数字普惠金融作用于中小微企业技术创新的效果及路径。研究表明：数字普惠金融能够显著促进中小微企业技术创新，尤其对低端技术创新的促进作用更明显；数字普惠金融缓解融资约束是促进中小微企业技术创新的主要路径，数字普惠金融的覆盖广度是缓解融资约束的主要路径。另外，数字普惠金融对中小微企业技术创新的促进作用在政策环境好的地区和内部治理质量差的企业表现得更为明显。

【关键词】 数字普惠金融； 技术创新； 融资约束； 中小微企业； 准自然实验

【中图分类号】 F273.1；F276.3；F832.5  【文献标识码】 A  【文章编号】 1004-5937（2023）19-0038-11

一、引言

党的二十大报告明确提出支持中小微企业发展，无疑会对中小微企业的未来产生重要而深远的影响。二十大报告还指出，“支持专精特新企业发展”“营造有利于科技型中小微企业成长的良好环境”，明确释放了鼓励中小微企业技术创新的积极信号。我国市场主体中中小微企业占大多数，但由于自身规模小导致资金以及抗风险能力不足等一直是阻碍中小微企业发展的主要因素。因此，解决中小微企业面临的金融问题，是我国金融体制改革的重点[ 1 ]。尽管我国出台了一系列助力中小微企业发展的政策措施，但由于中小微企业具有资金规模小、融资需求快且频繁的特点，使得传统金融机构在面对中小微企业信贷时十分谨慎，因此，中小微企业仍然面临着信贷供给不足的问题。

与其他投资项目相比，创新产出具有高度的不确定性，固有的信息不对称容易诱发道德风险，使得银行放贷意愿降低，导致中小微企业的技术创新受到很大的外部融资约束。融资约束较为严重的企业，更倾向于减少资金投入创新项目，因为创新项目不仅难以很快收到成效，而且资金需求也十分高。然而，数学普惠金融的出现，有可能改善以上现象。

2005年，联合国最早提出普惠金融一词。之后，许多传统金融机构纷纷与科技企业合作，为普惠金融的数字化转型提供了新动力，使商业银行突破了网点的地理限制，更加精准地服务客户，而凭借平台优势和关键技术，金融科技企业也提供了更多网络金融服务，如京东数科、蚂蚁金融等。此外，数字普惠金融作为一种全新的金融模式，能够填补传统金融服务的短板。然而，技术风险、网络风险是数字科技本身所固有的风险，可能会与传统金融风险进一步叠加。数字鸿沟的存在也增加了金融监管风险。在金融发展不稳定且需进一步加强金融监管的环境下，数字普惠金融对中小微企业技术创新的影响具有较大的不确定性。因此，研究数字普惠金融对中小微企业技术创新的影响具有重要的实践价值和理论意义。

2016年9月，G20峰会通过了《G20数字普惠金融高级原则》（以下简称《高级原则》），包含8项原则、66条行动建议，着重强调如何通过数字技术助力普惠金融发展。这是该领域首次推出的高级别的指引性文件，其中很多内容是根据中国实际发展经验提出的。此后，国家先后批准了宁波市、赣州市、吉安市、临沂市、宁德市、龙岩市作为国家普惠金融改革试验区，进行数字普惠金融的改革探索。《高级原则》的印发作为一项政策冲击，为探讨数字普惠金融与中小微企业技术创新之间的关系提供了一项很好的准自然实验，因此本文基于《高级原则》的出台这一准自然实验，进一步探讨数字普惠金融与中小微企业技术创新的关系。

与已有研究相比，本文的主要贡献在于：（1）从政策效应视角出发，基于《高级原则》出台的准自然实验进一步探讨数字普惠金融对中小微企业技术创新的促进作用是否比传统普惠金融更具优势。（2）基于缓解融资约束视角，深入探讨数字普惠金融对企业技术创新的影响机制，为深入理解数字普惠金融与中小微企业技术创新之间的关系提供了新思路。（3）基于地区政策环境差异和企业内部治理质量差异，分别探讨了数字普惠金融对中小微企业技术创新的差异化影响，为我国制定科学的创新发展政策，促进数字技术与普惠金融的深度融合提供了微觀经验证据。

二、理论机制与研究假设

企业创新水平受多种因素的影响。宏观层面，已有文献研究了产业或财税政策[ 2 ]、金融发展[ 3 ]、法律制度环境[ 4 ]等对企业创新的影响。微观层面，学者研究了社会关系[ 5 ]、大股东持股比例[ 6 ]、管理者特征[ 7 ]等对企业创新的影响。由此不难发现，驱动企业技术创新不仅是一项重要的工程，而且是企业开展创新项目的前提条件，主要由制度、要素供给等构成。如果企业的要素禀赋不能得到高效利用，且缺乏制度、政策等支撑系统助力企业技术创新，则企业技术创新活动极有可能陷入困境。

金融的支持对技术创新至关重要，然而不平衡、不充分的金融发展制约了中小微企业创新项目的开展。由于金融体系以间接融资为主，所以具有规避风险偏好，对风险控制较为谨慎，导致不确定性高、风险高的技术创新项目并不能从金融机构得到长期的信贷支持，不利于中小微企业技术创新的提高[ 8 ]。我国政府一直很重视金融领域的创新和改革，尤其鼓励将云计算、大数据和互联网等数字技术深入融合到传统金融行业中，推动数字普惠金融的飞速发展。因此，数字普惠金融以信息技术作为支撑，能够减少经营成本和交易成本，减少借贷双方的信息不对称问题，拓宽金融服务的触达能力和覆盖范围，为中小微企业技术创新增添新的力量。基于上述分析，本文提出假设1。

H1：数字普惠金融可以促进中小微企业技术创新。

我国正处于经济转型期，企业想要实现高质量的发展必须靠创新[ 9 ]。然而，中小微企业创新带来的收益难以准确测算，因此创新的不确定性风险较大，使得中小微企业在投资创新项目时经常因资金短缺出现一些问题，而数字普惠金融可以提供更为多样化的金融服务，降低金融机构的服务门槛，在一定程度上降低企业融资成本，促进中小微企业创新能力的提高。另外，在世界各地倡导数字普惠金融服务的背景下，加强金融监管也可以帮助数字普惠金融更好发挥作用。此外，数字普惠金融可以缓解企业的融资约束，且这一作用是数字普惠金融提升企业创新能力的主要路径。具体而言，数字普惠金融不是一维发展的，不同维度可能给技术创新带来不同的促进作用。基于上述分析，本文提出如下假设。

H2：数字普惠金融通过缓解融资约束促进中小微企业技术创新。

由于數字普惠金融扩大了传统金融服务的覆盖范围，能够更多服务于传统金融容易忽视的中小微企业，使中小微企业的融资渠道得以拓宽，进而提升中小微企业的技术创新。由于物理网点和线下服务的限制，传统银行机构很难惠及中小微企业，而金融服务与数字技术的充分融合打破了这种固有的地理限制，使得中小微企业可以直接享受银行的相关服务。此外，银行系金融科技子公司与互联网科技公司的出现改善了中小微企业被大型银行歧视的现象，能缓解中小微企业融资约束，增加创新投入。基于上述分析，本文提出如下假设。

H2a：数字普惠金融的覆盖广度通过缓解融资约束促进中小微企业技术创新。

数字普惠金融的出现，使中小微企业对传统金融服务的使用程度进一步加深，主要体现为移动支付、信贷、投资、保险、信用服务以及货币基金等数字金融服务使用频率的增加。此外，金融机构捕捉中小微企业获取数字金融服务后留下的网络信息，有利于全方位评估中小微企业，缓解信息不对称问题。数字普惠金融量化企业非结构化和非标准化的文本信息资源可以通过文本挖掘技术完成，使得企业的经营能力和财务状况被金融机构所掌握，金融服务供需双方的匹配时间大大减少，降低了企业融资成本，从而为企业的创新项目投入更多资金。通过大数据溯源，数字普惠金融可以还原中小微企业的行业特点，对企业的信用进行多维度分析，从而提高企业信用透明度，将企业信贷风险降到可控范围，进一步提升中小微企业的技术创新。基于上述分析，本文提出如下假设。

H2b：数字普惠金融的使用深度通过缓解融资约束促进中小微企业技术创新。

由于数字普惠金融的出现，金融服务的数字化程度进一步加深，提高了传统金融机构的便利性、移动性，使得中小微企业的融资效率大大提升，进而有更多的资金开展创新项目。在基础通讯设施已经基本覆盖的前提下，数字普惠金融可以为中小微企业提供无差别跨空间的金融服务与产品，减少企业获取资金的时间。金融机构基于互联网构建的信息服务体系能够拓宽客户信用评价的广度与深度，缩短客户信用审核时间，为中小微企业提供便捷化、成本低、效率高的信贷服务，从而使融资效率得以提高，加大企业创新投入。基于上述分析，本文提出如下假设。

H2c：数字普惠金融的数字化程度通过缓解融资约束促进中小微企业技术创新。

根据已有文献，企业所处的政策环境不同，数字普惠金融对创新的促进作用也会不同[ 10 ]。企业所处政策环境的差异会直接影响企业对创新成果的保护，进而影响中小微企业的技术创新水平。研究表明，政策环境差的地区往往交易成本较高，数字普惠金融发展较为缓慢，很难达成融资相关契约，这在很大程度上与地区的市场化程度低、产权意识薄弱有关。知识产权意识越薄弱，越容易出现掠夺创新成果的现象，会在很大程度上挫伤中小微企业的创新热情。而在政策环境好的地区，企业的信息披露可以通过新兴的数字技术得以提高，减少信息不对称，并且健全的法律体系和监督制度可以加强对企业创新成果的保护，进而助力企业技术创新水平的提升。基于上述分析，本文提出假设3。

H3：数字普惠金融对中小微企业技术创新的促进作用在政策环境好的地区中更显著。

根据已有文献，企业内部治理质量越差，企业面临的违约风险会越高，融资成本也会随之增加，从而在一定程度上阻碍企业开展创新项目。然而，数字普惠金融可以通过大数据、云计算等新兴技术提供更精准的企业信息，帮助企业提高内部治理质量，提升信息披露水平，从而减少信息不对称，降低违约风险，减少审核调查环节，降低融资成本，进而有助于提升中小微企业技术创新水平。基于上述分析，本文提出假设4。

H4：数字普惠金融对中小微企业技术创新的促进作用在内部治理质量差的企业中更显著。

三、研究设计

（一）一项准自然实验：《G20数字普惠金融高级原则》

《G20数字普惠金融高级原则》是国际上首次推出的高级别的指引性文件。从国家层面看，《高级原则》明确强调数字化时代的普惠金融新理念，不断关注普惠金融的“最后一公里”问题。因此，《高级原则》的出台，标志着数字普惠金融提升到了新的高度。为贯彻落实《高级原则》，宁波市、赣州市、吉安市、临沂市、宁德市、龙岩市被国家先后批准为普惠金融改革试验区，从而进行数字普惠金融的深入探索。

数字普惠金融重点关注弱势群体，因此中小微企业是其重点服务对象之一。《高级原则》旨在为中小微企业提供更为公平的金融服务，从而建设可持续健康发展的金融体系。此外，《高级原则》包含8项具体原则，涵盖发展数字普惠金融中的法律和监管框架、风险与创新、数字金融服务基础设施、数字技术和金融等内容，并将成为相关领域国际顶层设计的关键一环。在《高级原则》的指引下，上述6个普惠金融改革试验区实施了一系列支持中小微企业发展数字普惠金融的政策，如表1所示。

《高级原则》出台是一个很好的准自然实验，能帮助更好地检验数字普惠金融是否提供更为公平有效的金融服务，能否提升企业的技术创新水平。本文将位于6个试验区的企业划分为实验组，将位于非试验区的企业划分为对照组。在考虑当前数字普惠金融发展相关内容的基础上，采用Rosenbaum等[ 11 ]提出的PSM法，选取企业规模（Size）、固定资产比（PPE）、经营性现金流（CFO）、销售净利率（NPS）、流动比率（CR）、资产负债率（LEV）6个变量对实验组和对照组企业按照1：1最近邻匹配的原则进行逐年PSM匹配，然后以《高级原则》作为政策冲击，进行双重差分检验，即完成本文最重要的PSM-DID检验。

（二）数据来源与数据处理

本文选用新三板上市公司作为研究对象，并根据国家统计局印发的《统计上大中小微型企业划分办法（2017）》，进一步筛选了新三板上市企业中的中小微企业作为研究样本。本文主要使用了以下数据库：（1）被解释变量，新三板中小微企业2011—2020年专利申请数据，来自国家知识产权局（通过公司名称、具体年份等关键词手工检索并整理得到）；（2）解释变量，地市级数字普惠金融发展指数，来源于北京大学开发的《中国数字普惠金融发展指数（2011—2020年）》；（3）新三板中小微企业的财务数据等，来自CSMAR数据库和Wind数据库。为了获取更有代表性的样本数据，本文对数据进行了如下处理：（1）剔除主要变量缺失或异常的数据；（2）剔除保险、银行、证券等金融类企业；（3）对连续型变量进行1%的双侧缩尾处理，以便消除极端值的干扰；（4）剔除ST以及暂停上市和退市的企业。经过处理，最终得到2011—2020年5 316个观测值。

（三）关键变量度量

1.被解释變量：中小微企业创新总产出（Innov）

对于企业创新的度量一般从投入和产出两个层面考虑。创新投入主要通过研发人数和研发投入来度量[ 12 ]，创新产出主要通过专利的申请数[ 13 ]、授权数[ 14 ]或引用数[ 15 ]来度量。由于企业能否成功产出创新成果充满未知，选用创新投入可能会使企业创新能力被高估[ 16 ]，因此本文选取中小微企业的专利申请数来度量创新。根据我国《专利法实施细则》，可将企业专利划分为三种类型：发明专利是对方法和产品的创新，技术含量最高；实用新型专利主要是对产品构造和产品形状的创新，技术含量中等；外观设计专利主要是对产品外观的创新，技术含量最低。为了考察数字普惠金融对不同专利的影响程度，本文采用不同类型专利的申请数进行衡量，并对三种类型的专利分别展开研究。

2.解释变量：数字普惠金融指数（DIFI）

本文采用由北京大学测算的数字普惠金融指数对数字普惠金融进行度量，为了使数据更具有代表性，使用地市级数字普惠金融指数。由于数字普惠金融不是一维发展的，因此，本文对数字普惠金融的覆盖广度、使用深度、数字化程度分别展开研究。

3.中介变量：融资约束（SA）

目前学术界主要用SA指数、WW指数和KZ指数来度量企业融资约束。由于SA指数不包括企业内生性变量，可以使测度误差更小，因而使用SA指数度量融资约束的文献越来越多。本文借鉴Hadlock等[ 17 ]与刘莉亚等[ 18 ]的思路，选用SA指数度量企业融资约束，即SA指数越大，企业面临越严重的融资约束。其他变量详见表2。

（四）描述性统计

由表3可知，三种类型专利申请的中位数均为0，表明很多中小微企业并没有申请专利，从整体上看，中小微企业的技术创新水平不高，有待进一步加强。这可能与大多数中小微企业从事公用事业、消费服务等创新能力低的行业有关，同时也从一定程度上反映出我国中小微企业不太重视技术创新，因此，提升技术创新是中小微企业的重要任务。由表2可知，对数字普惠金融指数进行了除以100的处理，而表3中经过处理的数字普惠金融指数的标准差仍为30.96，说明在中小微企业的发展过程中，数字普惠金融可能存在地域差异性，因此，后文的相关研究根据地域特征作了进一步划分。

（五）模型构建

首先，本文采用双向固定效应模型检验数字普惠金融对中小微企业创新的影响作用，如模型（1）。

其中，被解释变量Innovi，t表示企业i在第t年的创新总产出，解释变量DIFIi，t表示企业i在第t年的数字普惠金融指数，Controls则包含了所有控制变量。同时控制年份、行业固定效应。？着i，t表示随机误差项。关键解释变量DIFIi，t的系数？琢1用来衡量数字普惠金融对技术创新的具体影响，根据本文研究假设，预测该系数显著为正。

其次，为了进一步验证数字普惠金融与中小微企业技术创新之间是否存在融资约束这一传导路径，参考温忠麟和叶宝娟[ 19 ]的中介效应检验方法，进一步建立模型（2）和模型（3）。

其中，SA为中介变量，用来衡量企业的融资约束程度。模型（2）中的系数？琢1为待检验系数，若该系数显著为负，则表明数字普惠金融发展得越好，企业面临的融资约束越小。模型（3）中的系数？琢1、？琢2为待检验系数，若系数？琢1显著为正、？琢2显著为负，则表明缓解融资约束是数字普惠金融促进中小微企业技术创新的重要路径。

最后，依托准自然实验对数字惠普金融的政策效应进行评估，这一方法较好地避免了数字普惠金融作为解释变量可能存在的内生性问题，同时避免了其他因素的干扰，能识别数字普惠金融对中小微企业创新的净影响效应。由于政策具有一定的时滞性，本文基于2016年9月G20峰会通过《高级原则》，把2017年作为政策的起始点。

根据上述内容，本文将基于PSM匹配后的DID模型（4）设定为：

四、实证结果分析

（一）基准回归分析

表4报告了数字普惠金融对企业创新总产出、核心技术创新、中端技术创新、低端技术创新的基准回归结果。在每一列中均加入了相关的控制变量，并同时控制了年份、行业固定效应。由表4列（1）可知，DIFI在5%的水平上显著促进了中小微企业的整体技术创新，故H1得以验证。在列（2）和（3）中，DIFI的系数虽为正，但并不显著，说明数字普惠金融对核心技术创新、中端技术创新的影响并不突出，进而说明新三板中小微企业的创新质量有待提高。在列（4）中，DIFI在1%的水平上显著促进了低端技术创新，说明新三板中小微企业的创新数量正在随着数字惠普金融的发展而增加。

此外，中小微企业的创新水平也会受到企业某些个体特征的影响，其中企业规模和固定资产比例的系数大多显著为正，说明企业的规模越大，总资产中的固定资产占比越多，越有利于提高中小微企业的技术创新。资产负债率的系数大多显著为负，说明资产负债率越高，技术创新水平越难提高。

（二）中介效应检验

表5列（2）中，DIFI的系数在1%的水平上显著为负，说明数字普惠金融可以显著缓解中小微企业的融资约束。主要原因可能在于，数字普惠金融可以提供中小微企业需要的信用资本，进而提高其信用抵押价值，从而使其面临的信息不对称有所降低，能吸收更多的资本。在列（3）中，数字普惠金融的系数较列（1）有所下降，但仍然显著为正，而SA的系数显著为负，证明缓解融资约束是数字普惠金融助力企业技术创新的主要路径，H2得以验证。

此外，数字普惠金融不是一维发展的，不同维度可能给技术创新带来不同的影响，因此将中小微企业的技术创新分别与数字普惠金融的三个不同维度进行回归，结果如表6所示。可以看出数字普惠金融的覆盖广度在5%的水平上显著促进了中小微企业技术创新，且在1%的水平上缓解了中小微企业的融资约束。列（3）进一步表明数字普惠金融的覆盖广度通过缓解中小微企业的融资约束促进技术创新。这一回归结果与汪亚楠等的研究结论一致，可能是由于在2011—2020年间我国数字惠普金融的覆盖广度快于其他维度的发展导致的，因此覆盖广度对创新的激励作用最为明显，H2a得以验证。

（三）准自然实验

根据研究设计，位于6个试验区的企业为本文PSM的实验组，对照组为2011—2020年未被划分为普惠金融试验区的企业，通过Logit模型估计倾向得分。在报告最近邻匹配之前，需要进行平衡性检验，限于篇幅，没有展示检验结果。由表7列（1）可知，《高级原则》对中小微企业的创新水平具有显著的促进作用；由列（2）—（4）可知，《高级原则》对中端技术创新的促进作用最显著。因此，提高中小微企业的创新质量仍是重中之重。

（四）稳健性检验

1.应用现金敏感性模型度量融资约束

为进一步增强回归结果的可靠性，本文借鉴Almeida 等[ 20 ]的思路，选用现金—现金敏感性模型重新度量融资约束。Almeida等认为，由于企业存在预防性动机，当面临融资约束时，企业会通过适当留存经营活动现金流来积累内部资金，即企业现金持有量与现金流的正向关系是企业存在融资约束的相关证据。因此，如果发展数字普惠金融会削弱它们之间的正向关系，则认为数字普惠金融可以有效缓解中小微企业的融资约束。

本文借鉴Almeida等的思路，将模型设定如下：

其中：？驻Cash表示企业现金持有量的变动情况，定义为现金及现金等价物净增加额/总资产；CF表示现金流量，定义为经营活动现金流量净额/总资产；Grow反映企业成长性，定义为主营业务收入增长率；SD表示企业短期债务变动，定义为流动性负债增加额/总资产；Year和Industry为年份和行业虚拟变量；？着为误差扰动项；i和t分别代表企业和时间。当系数？琢1显著为正时，表明中小微企业存在融资约束；当系数？琢2显著为负时，表明数字普惠金融能够有效缓解中小微企业的融资约束。此外，本文进一步通过数字普惠金融的三个维度进行了相关验证，限于篇幅，此部分结果未展示。

2.使用不同的回归模型

由于新三板上市公司中中小微企业的专利申请数量有许多零值，数据具有左侧截尾的特征，因此本文选择Tobit模型进行稳健性检验。此外，中小微企业的专利申请数量具有计数变量的特点，因此进一步使用Poisson模型进行检验。两个回归模型均验证了前文的研究假设，即数字普惠金融促进中小微企业的技术创新，并且显著促进了低端技术创新的提高，而中小微企业的创新质量仍有待加强，故前文结论稳健。限于篇幅，此部分结果未展示。

3.共同趋势检验

本文在进行倾向性得分匹配后，构建了DID模型。图1显示，《高级原则》出台前，各交互项的系数均不显著，而在《高级原则》出台后，交互项的系数均显著，说明本文采用的PSM-DID模型满足共同趋势检验，即中小微企业的创新增长速度在政策提出之前大致相同，但在政策出台之后，实验组技术创新显著高于对照组，故认为本文使用的PSM-DID模型通过了共同趋势检验。

4.安慰剂检验

假设在2014年发生政策冲击，然后随机划分虚假的对照组与实验组进行安慰剂检验。在虚假的政策冲击下，交互项DID系数并不显著，因此证明了本文PSM-DID结果的稳健性。限于篇幅，此部分结果未展示。

5.剔除部分因素影响

数字普惠金融与新三板中小微企业的技术创新同全球的整体金融走势有着千丝万缕的联系，如果忽视这一因素将会导致回归结果不够准确。2015年我国股市大幅下跌，基于客观角度，这类因素很难用特定的变量进行测度，因此删除2015年的数据[ 21 ]，本文的核心研究结论并未发生改变，从而证明了本文结论的稳健性。限于篇幅，此部分结果未展示。

6.内生性处理

数字普惠金融作为一个宏观变量，企业个体的创新活动对其产生的影响较小，但仍然可能会因出现遗漏变量而导致内生性问题，本文希望弱化这一内生性问题，故在此选用工具变量法。借鉴傅秋子等[ 22 ]的思路，选用“企业所在地级市到杭州的距离”作为工具变量。该工具变量同时符合相关性和外生性条件：一方面，地理空间会通过经济行为产生影响，但不会随着经济发展而发生变化；另一方面，“企业所处地级市到杭州的距离”虽然与城市的数字普惠金融发展水平直接相关，但又不会通过数字普惠金融的发展而影响企业的技术创新。结果表明DIFI的系数仍然显著为正，说明本文结论稳健性。限于篇幅，此部分结果未展示。

（五）异质性分析

1.基于政策环境的分样本研究

我国不同地区政策环境有一定差异，因此，在不同的政策环境下，数字普惠金融对中小微企业的创新是否存在差异化影响是一个值得探讨的问题。本文基于不同政策环境地区进行分组，以进一步研究数字普惠金融对中小微企业技术创新的差异化影响。

表8列（1）和列（2）显示了分地区的基准回归结果。结果表明，DIFI的系数在政策环境好的地区显著为正，而在政策环境差的地区不显著，说明数字普惠金融对中小微企业技术创新的激励作用在制度环境好的地区表现更加明显。这可能是因为，政策环境好的地区可以为中小微企业提供更為健全的配套设施和更多的高质量人才，因此更有利于促进技术创新的提高，H3得以验证。

2.基于内部治理质量的分样本研究

数字普惠金融具有信息甄选和风险识别功能，因此可以在约束管理者行为和减少代理成本方面发挥突出作用。本文根据新三板市场分册管理办法，将全部样本数据划分为内部治理差和内部治理好的企业，进一步研究在不同的内部治理质量下，数字普惠金融对中小微企业的技术创新是否存在差异化影响。

表8列（3）和列（4）显示了区分内部治理的基准回归结果。结果表明，DIFI的系数在内部治理差的企业中显著为正，而在内部治理好的企业中不显著，说明数字普惠金融对中小微企业创新的促进作用在内部治理差的企业中表现得更加明显。这可能是因为数字普惠金融不仅对中小微企业创新具有激励作用，而且具有一定程度的外部治理效应，H4得以验证。

五、结论与启示

许多传统金融机构通过与科技企业合作推进了普惠金融的数字化转型，在一定程度上促进了数字普惠金融的发展，给人类的日常生活带来了巨大改善。我国深入贯彻新发展理念的关键是加快建设创新型国家，因此本文考察数字普惠金融对中小微企业技术创新的影响具有重要的实践意义。本文将2011—2020年新三板上市公司的中小微企业与数字普惠金融的地级市数据进行匹配，选择双向固定效应模型进行实证分析。结果发现，数字普惠金融显著激励了中小微企业的整体技术创新，且在低端技术创新方面最为突出。进一步研究发现，缓解融资约束是数字普惠金融提高技术创新的主要路径，且在数字普惠金融的覆盖广度中尤为明显。此外，在2016年9月出台《高级原则》的政策冲击下，数字普惠金融对中小微企业创新的促进作用明显强于出台前。通过异质性分析发现，数字普惠金融对中小微企业创新的促进作用在政策环境好、内部治理差的企业表现得更为突出。

基于以上研究结论，本文提出了以下建议：

第一，数字普惠金融助力中小微企业技术创新，推动实体经济的可持续发展。我国正处在高速增长转向高质量增长的关键时期，应该积极加快数字普惠金融高速发展的步伐，对中小微企业提供足够的政策支持，积极推动普惠金融与科技企业的融合，从而推动数字普惠金融的发展。在具体落实政策方面，政府应该积极推动构建多元化金融服务，实现数字普惠金融与中小微企业的精准对接，使更多企业以更低成本享受金融服务，进而使数字普惠金融以更高的效率提升经济效益。

第二，面對数字普惠金融带来的机遇，传统金融机构应加强与科技企业和新兴技术的融合，与高质量、高效率企业合作，从而同时实现信贷风险的减小和资金利用效率的提高。政府应使中小银行、科技企业和互联网银行的数据、技术及平台优势发挥到最大，为中小微企业提供足够的资金援助。此外，应提高合约的安全性，优化风险管理，以此提高交易透明度，解决困扰中小微企业“融资难、融资贵”的问题，丰富中小微企业的融资渠道。

第三，政府不仅要激励企业的技术创新和技术进步，而且应该增强甄别企业创新的能力。如果单纯地提高税收返还、提供政府补助可能会适得其反，助长企业在创新方面的惰性。在中小微企业中甄选出真正具有创新能力和创新意愿的企业，并给予相应的政府支持，是提高中小微企业创新能力的重要方面。只有助力数字普惠金融的发展，提高企业在创新领域的资源配置效率，才能更好地推动高质量发展，构建美好创新生态。

【参考文献】

［1］ 张晓燕.北交所新规如何助力“专精特新”中小企业发展［J］.人民论坛，2021（29）：4.

［2］ 张同斌，高铁梅.财税政策激励、高新技术产业发展与产业结构调整［J］.经济研究，2012，47（5）：58-70.

［3］ 解维敏，方红星.金融发展、融资约束与企业研发投入［J］.金融研究，2011（5）：171-183.

［4］ TONG T W，HE W，HE Z L，et al.Patent regime shift and firm innovation：evidence from the second amendment to China's patent law［J］.Academy of Management Annual Meeting Proceedings，2014，2014（1）：14174-14174.

［5］ 申宇，赵玲，吴风云．创新的母校印记;基于校友圈与专利申请的证据［J］.中国工业经济，2017（8）：156-173.

［6］ 鲁桐，党印.公司治理与技术创新：分行业比较［J］.经济研究，2014，49（6）：115-128.

［7］ 罗思平，于永达.技术转移、“海归”与企业技术创新：基于中国光伏产业的实证研究［J］.管理世界，2012（11）：124-132.

［8］ 白俊红，蒋伏心.协同创新、空间关联与区域创新绩效［J］.经济研究，2015，50（7）：174-187.

［9］ 党力，杨瑞龙，杨继东.反腐败与企业创新：基于政治关联的解释［J］.中国工业经济，2015（7）：146-160.

［10］ 钟腾，汪昌云.金融发展与企业创新产出：基于不同融资模式对比视角［J］.金融研究，2017（12）：127-142.

［11］ ROSENBAUM P R，RUBIN O B，et al.The central role of the propensity score in observational studies for causal effects［J］.Biometrika，1983，70（1）：41-55.

［12］ HALL B H，LOTTI F，MAIRESSE J.Employment，innovation，and productivity：evidence from Italian microdata［J］.Industrial and Corporate Change，2008，17（4）：813-839.

［13］ 李春涛，闫续文，宋敏，等.金融科技与企业创新：新三板上市公司的证据［J］.中国工业经济，2020（1）：81-98.

［14］ 郑彩玲，张继彤.高铁开通对城市创新质量的影响：基于PSM-DID模型的实证研究［J］.技术经济，2021，40（2）：28-35.

［15］ HIRSHELIFER D，LOW A，TEOH S H.Are overconfident CEOs better innovators？［J］.The Journal of Finance，2012，67（4）：1457-1498.

［16］ TIAN X，WANG T Y.Tolerance for failure and corporate innovation［J］.Review of Financial Studies，2014（1）：211-255.

［17］ HADLOCK C J，PIERCE J R.New evidence on measuring financial constraints：moving beyond the KZ index［J］.Review of Financial Studies，2010，23（5）：1909-1940.

［18］ 刘莉亚，何彦林，王照飞，等.融资约束会影响中国企业对外直接投资吗：基于微观视角的理论和实证分析［J］.金融研究，2015（8）：124-140.

［19］ 温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014，22（5）：731-745.

［20］ ALMEIDA H，CAMPELLO M，WEISBACH M S.The cash flow sensitivity of cash［J］.The Journal of Finance，2004，59（4）：1777-1804.

［21］ 唐松，伍旭川，祝佳.数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异［J］.管理世界，2020，36（5）：52-66.

［22］ 傅秋子，黄益平.数字金融对农村金融需求的异质性影响：来自中国家庭金融调查与北京大学数字普惠金融指数的证据［J］.金融研究，2018（11）：68-84.