数字金融、金融资源配置效率与企业创新绩效

卫 达 任宗强 陈康豪

（1.温州市大数据发展管理局，浙江 温州 325088；2.温州大学商学院，浙江 温州 325035；3.温州大学温州人经济研究中心，浙江 温州 325035）

一、引言

伴随着人工智能、大数据、云计算等数字技术与传统金融的融合，数字金融正蓬勃发展。2023 年国务院政府工作报告提出“对普惠小微贷款阶段性减息”。党的二十大提出“加快发展数字经济，促进数字经济和实体经济深度融合”。“十四五”规划也明确提出“推进产业数字化转型”。数字金融的出现和发展能弥补传统金融的短板，通过缓解信息不对称及资源错配等问题，进一步支撑企业的生产经营（唐松伍等，2020）。然而，数字金融可能存在“双刃剑”效应，其对企业的创新到底起到促进作用还是抑制作用？数字金融通过何种机制介入微观层面进而影响企业的创新绩效？这对企业是否选择应用数字金融意义重大。因此，厘清数字金融对企业创新绩效的影响及路径机理，有助于为提升企业创新绩效提供保障，也对优化金融服务、实现我国经济高质量发展有着重要意义。

现有文献主要从宏微观两个层面来分析数字金融的作用。在宏观层面，学者主要聚焦于分析数字金融与收入差距（刘自强和张天，2021；张呈磊等，2021）、高质量发展（张勋等，2019）和城市创新绩效（田皓森和潘明清，2021）之间的联系；而在微观层面主要聚焦于讨论数字金融如何促进企业创新（陈昆等，2023；Caputo et al.，2019）与创业（Briel et al.，2018）等。然而，目前聚焦于数字金融对企业创新绩效的影响效应与作用机制的研究相对较少，且忽略从资源配置效率的视角来揭示数字金融对企业创新绩效的影响效应。鉴于此，本文利用2011—2021 年中国A 股上市企业的面板数据为研究样本，从资源配置效率的视角实证研究数字金融对企业创新绩效之间的影响和传导机制，以期为提升企业创新绩效、推动政府出台相关数字金融政策提供可靠的经验证据。

本文的边际贡献有以下两点：第一，本文将数字金融和企业创新绩效纳入同一理论分析框架，阐明数字金融通过提高金融资源配置效率进而提升企业创新绩效的理论可行性，拓宽了数字金融对企业创新绩效的作用路径。第二，运用门槛效应模型，证实数字金融在不同发展阶段对企业创新绩效的促进程度存在差异化表现，为企业积极应用数字金融以提升企业创新绩效以及政府决策提供有效的经验支持。

二、理论机制与研究假设

（一）数字金融与金融资源配置效率

数字金融，其本质是传统金融机构与互联网公司利用数字技术实现融资、支付、投资和其他新型金融业务模式（黄益平和黄卓，2018），能提升金融机构的服务质量。第一，数字金融能够降低信息成本，从而提升金融资源配置效率。一方面，数字金融能借助大数据和信息流，利用互联网平台的公开性、透明性和数据完整性，相较于传统金融机构，其具有成本低、速度快的优势，从而降低交易成本。另一方面，数字金融能够降低中小企业的债务融资费用，加快资金流转，减少高成本负债，降低财务杠杆，从而降低融资成本和交易成本。此外，直接融资市场受到限制是资本错配的根源（孙光林等，2021），而数字金融可以强化中小企业的信用体系建设，拓展融资渠道，减轻资源错配问题。

第二，数字金融通过整合信息流、现金流等信息，改善了信息不对称的问题，提升了金融配置效率。数字金融通过数字技术对企业数据加以处理和分析，能精确划分和整合有关企业信用和经营状况的信息，协调各种生产要素，提高资源配置的效率，使金融机构能够更精确地评估企业风险（马芬芳和王满仓，2021）。此外，数字金融能够有效识别“长尾”企业的需求，缓解资金压力，促进金融市场资源的合理配置（孟令国和陈怿，2023）。数字金融提供了各式各样的金融产品，能够应对不同的金融需求和消费偏好，有效降低交易成本，优化金融资源的配置（王馨，2015），进而提高金融服务的质量和金融资源配置效率。因此，数字金融能够缩小金融机构和实体企业部门之间的信息鸿沟，提升金融资源的配置效率。因此，本文提出如下假设：

H1：数字金融能提升金融资源配置效率。

（二）数字金融、金融资源配置效率与企业创新绩效

一方面，数字金融能助推企业降本增效，提升企业的创新能力。首先，数字金融能校正传统金融中的资源错配问题（黄锐等，2020），其所打造的数字平台能有效联系相关企业，进而缓解企业信息不对称的问题，大幅降低企业因为搜寻、信息、议价以及监督所带来的成本。其次，数字金融能够通过信息化技术及产品创新，降低传统金融机构冗杂的审批及评估费用，有效减少企业的融资成本。企业的创新需要大量的资金支持，而高昂的融资费用成为企业缺乏创新动力、技术发展缓慢的关键因素。因此，数字金融能够增加企业的创新资金投入（黄锐等，2020）。最后，数字金融能够提升信息筛选能力和风险评估能力，提高金融支持效率，进而缩短企业从资金申请到获得资金的时间，大大降低了供求时间不匹配的问题。与此同时，市场仍然存在大量“尾部”群体，即资金有限但勇于创新的小微企业，其往往由于自身的抵押物有限及高风险性而无法获得传统的金融服务，但数字金融能扩大金融服务的覆盖范围，提升金融服务实体经济的能力，做到点对点助推小微企业创新活动。

另一方面，金融资源配置效率的提升可以定义为通过提高自身经济效用和资源间协同合作水平进而降低生产过程的多余消耗（王凯，2021），其亦对企业的研发投入有一定的促进作用。企业若研发投入不足，会显著降低其创新绩效，而导致企业创新投入不足的原因一般是以下几点：一是创新活动需要大量的资金投入，资金及人才限制是抑制企业创新的原因（Amore et al.，2013）；二是创新活动具有不确定性高、周期长等特征，导致企业管理者缺乏创新激励；三是技术创新具有公共属性，技术溢出效应会导致企业研发投入不足。针对上述问题，提升金融资源配置效率，可以缓解信息不对称、提高企业竞争力，进而有效提升企业创新绩效。数字金融和金融资源配置效率均能对企业创新绩效有较好的提升效果。因此，本文提出如下假设：

H2：数字金融能通过改善金融资源配置效率来提升企业创新绩效。

（三）门槛效应

学者们近年来对数字金融、金融资源配置效率及其他因素的关系做了一些实证研究。有的学者分析了金融资源配置效率在数字金融和金融服务水平之间的中介和门槛作用（瞿慧等，2021），有的学者认为金融科技水平差异会影响金融科技和金融资源配置效率对经济增长的贡献，呈现出门槛效应（田新民和张志强，2020）。本文认为，一方面由于数字金融需要对传统金融机构进行数字化和智能化改造，且其具有投资量大、波及面广的特性，这大大降低了企业的资金获取难度。此外，研发投入与创新绩效的关系呈现出“N”型特征，即先促进、后抑制、再促进。因此，数字金融的发展与企业创新绩效的关系可能存在拐点。另一方面，由于金融资源配置效率受数字金融的影响，其对企业创新绩效的效果可能会存在差异。因此，本文提出如下假设：

H3：数字金融与企业创新绩效的提升存在门槛效应。

H4：金融资源配置效率与企业创新绩效的提升存在门槛效应。

三、研究设计

（一）数据来源

本文所采用的数据分为两类：一类是中国A股上市公司的数据，其中创新绩效数据来源于中国研究数据服务平台（CNRDS），其他控制变量数据来源于国泰安数据库（CSMAR）；另一类是中国的宏观数据，来源于《中国统计年鉴》《中国财政年鉴》。本文采取以下措施对样本进行处理：排除主要变量缺失数据的样本；排除ST，*ST公司样本。经过处理后，最终样本涉及2011—2021年共计19972个企业观测值。

（二）指标选取及说明

1.被解释变量：企业创新（Innovation）。由于专利能促进技术整合能力与企业持续性创新的正向关联，其能较好地代表企业创新能力。因此，本文以企业当年专利申请数量+1的自然对数为企业创新绩效的度量指标。

2.解释变量：数字金融（DigFin）。本文采用北京大学数字金融研究中心课题组编制的数字普惠金融指数/100 作为衡量数字金融的指标。该指数体系从数字金融覆盖广度、使用深度和普惠金融数字化程度三个维度来测度数字金融，已成为多数研究的选择。

3.中介变量：金融资源配置效率（Efficiency）。对于金融资源配置效率的测度，DEA方法已经普遍被学者们用于测度金融资源配置效率。为了摒弃规模收益不变的缺陷，本文采用BCC模型。该模型认为生产规模收益可变，消除了规模的干扰，更适合测量实际的金融资源配置效率。此外，在金融资源配置效率上，本文参考田新民和张志强（2020）的研究，从金融服务的投入和科技发展的产出两个角度选取指标，具体如表1所示。

表1 金融资源配置效率指标体系

4.控制变量。本文借鉴储德银和刘文龙（2021）的研究，选取了净资产收益率（ROE）、固定资产占比（FIXED）、总资产周转率（ATO）、现金流比率（Cashflow）、账面市值比（BM）、前十大股东持股比例（Top10）、托宾Q 值（TobinQ）作为控制变量。各变量具体说明如表2所示。

表2 变量定义表

（三）模型设定

1.基准回归模型。本文根据温忠麟等（2004）对中介效应的检验方法，探求数字金融和金融资源配置效率对企业创新绩效提升的作用路径，并构建公式（1）～公式（3）来验证假设H1和假设H2：

其中，Innovation、DigFin、Efficiency、controls表示企业创新绩效、数字金融、金融资源配置效率和控制变量，α和β表示系数，t表示时间，λ表示时间固定效应，ε表示随机误差项。

2.门槛效应模型。为了探究数字金融发展水平对数字金融和金融资源配置效率促进企业创新绩效的影响差异，本文构建了门槛效应公式（4）、（5），以检验假设H3、H4：

四、实证分析

（一）描述性统计

表3描述了主要变量的基本特征。由表3可以看出，企业创新绩效的平均值为3.345，可以看出企业的创新绩效较好，但是其最大值与最小值相差较大，表示其发展不够均衡。数字金融的平均值为2.657，最小值为0.774，最大值为4.069，说明各省份的数字金融发展水平存在差距。金融资源配置效率的平均值为0.965，最小值为0.863，最大值为1，这表示各省份的金融资源配置效率较高。

表3 描述性统计

（二）相关性分析

从表4可以看出，数字金融与企业创新绩效呈正相关关系，初步验证了数字金融可以提高企业创新绩效的假设。金融资源配置效率与企业创新绩效呈正相关关系，在一定程度上可以说明金融资源配置效率提升了企业创新绩效。在本文建立的实证检验模型中，大多数变量之间的相关系数绝对值小于0.5，这表明该模型不存在严重的共线性问题。

表4 相关性分析

（三）基准回归结果分析

表5 展示了数字金融、金融资源配置、企业创新绩效三者之间的关系，采用了固定效应模型进行回归分析。本文检验了数字金融对企业创新绩效的影响，表5列（1）中数字金融的系数为0.4875，并且在1%的水平下显著，表明数字金融的发展显著提升了企业创新绩效。进一步地，验证了数字金融对金融资源配置效率的影响，在控制变量的前提下，表5列（2）显示数字金融能够有效促进金融资源配置效率的提高。根据表5 列（3）显示，回归结果表示数字金融的系数为0.4726，金融资源配置效率的系数为1.3757，二者均在1%的水平下显著，符合中介效应检验流程。因此，回归结果验证了假设H1和假设H2，即数字金融能通过改善金融资源配置效率来提升企业创新绩效。

表5 基准回归结果

（四）稳健性检验

1.工具变量法。上述基准回归结果表明，数字金融能通过改善金融资源配置效率来提升企业创新绩效，但由于采用的是固定效应回归模型，可能存在内生性问题。借鉴瞿慧等（2021）的研究，本文利用互联网普及率作为数字金融的工具变量，分别采用2SLS回归和GMM回归进行估计。本文在进行回归分析之前，检验了工具变量的外生性和过度识别问题，二者均通过检验。在考虑了可能存在的内生性问题后，根据表6列（1）与列（2）的结果，数字金融与金融资源配置效率的系数方向与基准回归结果一致，且均通过了显著性检验。因此，本文结果通过了内生性检验。

表6 工具变量估计结果

2.替换被解释变量。本文用研发支出总额占营业收入之比来替代专利申请数量（RD/Sales），以衡量企业创新绩效。表7 为替换被解释变量后，数字金融、金融资源配置效率与企业创新绩效的回归结果。表7 列（1）、（2）、（3）的结果表明，数字金融与金融资源配置效率的关系符合基准回归的预期，且通过了中介效应的检验，证明了前文结果的稳健性。

表7 稳健性检验结果

（五）异质性检验

本文考虑到国有和非国有制造业企业在效率和市场准入方面的差异，将浙江省的制造业企业划分为两类，分别探讨数字金融与金融资源配置效率、企业创新绩效之间的异质性关联。实证结果如表8所示。表8列（1）、（2）、（3）表示了国有企业的回归结果。其中，由于列（3）中Efficiency未通过10%的显著性检验，因此中介效应不成立，即在本文实证检验中，国有企业数字金融的中介效应不显著。在非国有企业的实证检验中，列（4）、（5）、（6）符合基准回归模型的设定，其均通过了显著性检验，即在非国有企业中，假设H1成立。而且，非国有企业的数字金融和金融资源配置效率的系数高于国有企业，这表明数字金融与金融资源配置对非国有企业创新绩效的促进作用更显著。

表8 异质性检验结果

（六）门槛效应检验

1.门槛效应检验。本文进一步采用门槛效应模型来分析数字金融及金融资源配置效率在不同数字金融发展水平下如何作用于企业创新绩效。表9 回归Ⅰ和回归Ⅱ分别考察数字金融与金融资源配置效率对企业创新绩效的作用，并探讨其是否随着数字金融发展水平而变化。表9 显示了样本是否具有门槛效应的检验结果。回归Ⅰ的单一门槛的P 值为0.0600，而双重门槛的P值为0.2633，未通过10%的显著性检验。因此，回归Ⅰ选择单一门槛效应模型；回归Ⅱ的单一门槛的P值为0.0000，双重门槛模型则不符合10%水平的显著性要求，P值达到0.2067。因此，回归Ⅱ也选择单一门槛效应模型。此外，表9的结果也表示，回归Ⅰ的门限值为2.2445，回归Ⅱ的门限值为2.6485。

表9 门限值个数检验

本文采用门槛效应模型分析样本数据，回归结果如表10 所示。回归Ⅰ显示，在不同阶段的数字金融发展水平对企业创新绩效有不同影响。当数字金融发展水平达到2.2445 时出现门槛效应；此外，数字金融系数均为正且具有1%显著性水平，说明数字金融能够有效促进企业创新绩效。此外，当数字金融发展水平低于门限值时，其系数为0.3363，数字金融发展水平高于门限值时的系数（0.4353）。这说明当数字金融的发展水平超过门限值时，数字金融对企业创新绩效的提升会更加显著，即更能够促进企业创新。

表10 门槛效应模型回归结果

表10回归Ⅱ的结果表示了在不同的数字金融发展水平下，金融资源配置效率对企业创新绩效的影响。当数字金融发展程度小于门限值时，金融资源配置效率的回归系数值为-0.2873，但是未能通过10%的显著性检验,而当数字金融发展程度大于门限值时，金融资源配置效率的回归系数值为0.6091。这表明随着数字金融的发展，金融资源配置效率会从抑制企业创新绩效到促进企业创新绩效。其原因可能是数字金融的发展可以提高金融资源配置效率，使得企业更容易获得资金，从而更好地进行研发和创新，提高企业的创新绩效。此外，数字金融的发展也可以使得企业更容易获得资源，提高企业的创新绩效。

2.稳健性检验。本文采用将企业分为国有企业和非国有企业的方法来进行稳健性检验。表11回归Ⅰ分为国有企业和非国有企业，表示了不同数字金融发展水平下，数字金融对企业创新绩效的影响。国有企业和非国有企业均存在门限值，且当数字金融发展水平超过门限值时，数字金融对企业创新绩效的回归系数会提升，这与上文的门槛效应检验结果一致。在回归Ⅱ中，国有企业和非国有企业表现一致，当数字金融发展水平小于门限值时，金融资源配置效率的系数为负，而当数字金融发展水平大于门限值时，金融资源配置效率的系数为正。回归Ⅰ和回归Ⅱ的结果表示已通过稳健性检验。因此可以验证假设H3和假设H4。

表11 稳健性检验结果

五、结论与建议

（一）研究结论

数字金融作为数字技术和金融资源的结合，能通过降低信息不对称、缓解融资约束、提高金融效率等方式，提升金融资源配置效率以进一步推动企业创新绩效的提高。本文选取中国A 股上市企业为研究对象，并将2011—2021 年中国上市企业面板数据与普惠金融指数相匹配，通过建立固定效应模型和门槛效应模型，实证分析数字金融、金融资源配置效率与企业创新绩效之间的关系。本文研究结果表明：第一，数字金融能够显著提升企业创新绩效，金融资源配置效率在数字金融影响企业创新绩效的过程中起到中介作用；第二，数字金融与金融资源配置效率对企业创新绩效的提升均存在门槛效应，二者均会随着数字金融发展水平的提升而增强促进作用，即数字金融发展和金融资源配置效率对企业创新绩效提升具有非线性关系；第三，异质性检验发现，数字金融能通过金融资源配置效率提升非国有企业的创新绩效，但该中介效应在国有企业中不显著。

（二）政策建议

首先，基于数字金融能显著提升企业创新绩效的研究结论，地方政府应积极支持和规范数字金融的发展，促进数字金融与实体经济的深度融合，通过提升金融资源配置效率的方式，进而激发企业的创新动力和竞争优势。一方面，加快数据、资金等资源要素流动，通过数字技术与金融服务相融合的方式，以数字人民币、区块链技术以及人工智能等先进技术赋能企业创新发展。另一方面，加强数字金融风险防控能力建设，完善数字金融权益保护机制，提高数字金融普惠性和可信度。此外，政府还需加大对企业应用数字金融的扶持力度，推动企业与互联网平台、银行等合作共赢，降低企业获取金融服务的门槛。

其次，由于数字金融对不同所有制企业的影响存在差异化特征，从政府政策制定角度来看，应该根据不同所有制、不同规模、不同行业的企业特点，制定差异化的数字金融扶持政策，以适应企业创新绩效的差异性需求，避免一刀切的做法，实现政策效果最大化。一是应建立健全产业数字金融政策协调机制，统筹规划产业链上下游、区域内外、国内外市场等多方面因素；二是根据企业的不同特征和发展阶段，制定相应的税收优惠、财政补贴、信贷支持等政策措施；三是鼓励地方政府出台符合本地实际情况的产业数字金融试点示范项目，并及时总结经验教训。

最后，基于数字金融促进企业创新绩效的门槛效应，政府应该开展数字金融普及工作，积极完善资源信息交互整合，帮助企业跨越创新门槛，实现数字金融与创新绩效之间的正向循环。一方面，进一步推动金融机构和企业协作进行数字金融服务与产品创新，通过加强数字金融知识普及以及先进技术的引进，提高数字金融对企业的支持力度。另一方面，通过定期举行项目、技术交流会，提振企业应用数字金融的信心，通过资源信息交互的方式，帮助企业降低创新风险，促进企业竞争力持续提升。