数字金融发展激励民营企业创新的研究

2024-06-03段光君杨希

中国商论 2024年10期

段光君杨希

摘要：本文在剖析数字金融对民营企业技术创新作用机制的基础上，以山东省170家上市民营企业为研究对象，以民营企业创新水平为被解释变量，以数字金融发展水平为解释变量，并引入融资约束为中介变量，利用Tobit模型和中介效应模型实证检验数字金融对民营企业创新的激励作用。结果表明，数字金融发展既提高了民营企业的创新投入，又激励了民营企业的技术创新活动，该作用十分显著；数字金融发展主要通过缓解融资约束激励民营企业创新。基于此，本文提出推动数字金融健康发展、提升民营企业的数字金融适应能力等政策建议，旨在通过数字化转型推进民营企业创新，进而助力金融高质量发展，实现金融强国战略。

关键词：民营企业；数字金融；融资约束；Tobit模型；数字化转型

本文索引：段光君，杨希.<变量 2>[J].中国商论，2024（10）：-116.

中图分类号：F276.44 文献标识码：A 文章编号：2096-0298（2024）05（b）--05

1 引言

党的十九届五中全会提出“加快构建新发展格局，切实转变发展方式”，强调“坚持创新驱动发展”。民营企业是科技创新的重要主体，全国工商联发布的《2023中国民营企业500强调研分析报告》显示，在民营企业500强中，有414家企业的核心技术来源于自主开发与研制；2022年，民营企业的国内有效专利数量较上年增长8.42%[1]，充分体现了我国民营企业的技术创新活力和创新能力。

企业技术创新具有周期长、高风险等特征，研发投入阶段和创新产出应用阶段都具有高度的不确定性[2]；技术创新活动的保密特征，使得资金的供求双方存在较大的信息不对称，因此，企业的技术创新活动容易陷入调整成本和融资成本过高的困境[3]。同时，传统金融体系金融资源配置效率较低，加之民营企业资产质量不高，缺少优质的抵质押物等特征，面临更严峻的融资约束，这在很大程度上抑制、阻碍了民营企业的技术创新。

数字金融利用大数据、机器学习以及云计算等信息技术手段改进传统金融服务业态[4]，不仅可以对“海量”信息进行筛选，甄别出高创新能力的民营企业，而且可以拓宽企业的融资渠道，弥补传统金融机构忽略长尾客户的缺点，有利于推动民营企业创新。

近年来，学者们初步证实了数字金融对企业创新的正向影响（梁榜和张建华，2019[5]；万佳彧等，2020[6]；唐松等，2020[7]），但鲜有文章将研究对象聚焦于民营企业，分析数字金融发展对民营企业创新的激励作用。这不仅不利于了解现实中我国数字金融与民营企业创新的关系，也难以为相关实践提供理论指导。因此，本文主要有以下贡献：一是构建数字金融激励民营企业创新的理论框架；二是实证分析数字金融发展对民营企业创新的激励作用，为促进数字技术与金融融合发展、提高民营企业创新水平和创新质量提供经验证据和数据支撑。

2 理论分析与研究假设

大数据、机器学习、云计算等信息技术手段与传统金融服务相结合形成一种新的金融服务生态——数字金融。高效率、广覆盖以及地理穿透性等特征是数字金融的强大优势，利用这些优势，数字金融能够将被传统金融排除在外的弱势群体，包括民营企业纳入服务对象，助力构建可持续的普惠性金融体系。数字金融对民营企业创新的影响主要有以下几点。

（1）降低金融服务门槛，拓宽融资渠道

与其他产权性质的企业相比，民营企业信用审核缺乏、资产质量不高、发展规模小、经营不稳定，而技术创新活动又需要投入大量且持续的资金，显然，传统金融机构难以为民营企业的技术创新项目提供金融服务。但较强的客户触达能力使数字金融能够以较低的成本将民营企业等“长尾”客户群纳入服务对象，一方面，数字金融不受地理位置和基础设施的限制，能够更广泛的提供金融服务，降低了获取金融服务的门槛[8]；另一方面，数字金融的发展为民营企业拓宽了融资渠道，使得民营企业也能享受到周到、舒适的金融服务，为民营企业解决了因“双高”困惑而产生的融资约束问题[9]，激励民营企业开展技术创新项目。

（2）降低融资成本，防范信贷风险

由于民营企业技术创新属于高风险项目，传统金融机构在提供融资时，一般都十分谨慎，需要经过繁琐且漫长的审核流程，既拉长了融资周期，也提高了融资成本[10]。然而，数字金融利用大数据、云计算、机器学习等信息技术，对数据信息进行筛选、风险甄别，快速绘制客户画像，缓解信息不对称，挖掘出真正具有创新能力的民营企业，利用互联网平台办理融资手续，可以有效简化融资流程，降低融资成本；大数据风控模型有助于贷前调查、贷中审查和贷后管理，实现信贷风险的科学防范。因此，数字金融能够利用技术手段帮助传统金融机构和互联网平台甄别信贷风险，为民营企业技术创新优质项目提供资金支持，降低信贷成本。

（3）构建征信体系，提高融资效率

随着“大、智、移、云”等先进的数字化技术不断发展，传统金融服務模式也发生彻底变革，民营企业融资状况得以改善。在数字金融模式下，大数据技术和人工智能等技术可实现对目标客户历史交易记录的搜集、分析和整合，同时对技术创新项目的市场价值进行剖析、评估，构建多维度信用评价体系，提高金融资源配置效率。民营企业的技术创新项目更有机会获得贷款，而且技术创新投入的持续性也可以得到保证，技术创新水平不断提高[4]。

基于以上分析，本文提出以下假设：

假设1：数字金融的发展可以有效提升民营企业创新；

假设2：数字金融对民营企业创新的激励作用，主要通过缓解民营企业融资约束的渠道实现。

3 研究设计

3.1 数据来源

本文选取2016—2020年山东省16地市的上市民营企业作为研究样本，借鉴北京大学数字金融研究中心发布的地市层面数字普惠金融指数作为山东省各地市数字金融发展水平的代理变量[11]，依据上市民营企业注册地将两组数据进行匹配。本文所使用的数据主要来源于国泰安数据库和《中国城市统计年鉴》，缺失值由各城市统计公报数据补充。基于数据有效性，剔除了金融类企业，ST、*ST、PT类企业，当年上市企业以及数据缺失或异常的企业。筛选完成后，最终得到168家企业的590个非平衡面板数据观测值。

3.2 变量设定

（1）被解释变量。本文选取企业研发投入强度（RD）作为被解释变量，参考张璇等（2017）[12]和万佳彧等（2020）[6]的做法，采用研发支出占营业收入的比重来衡量。

（2）解释变量。本文选取北京大学数字普惠金融总指数（DIFI）及其三个维度分指标：数字金融覆盖广度（DCB）、数字金融使用深度（DUD）和普惠金融数字化程度（DSS）作为解释变量，衡量地区数字金融发展水平。为消除量纲影响，本文对数字普惠金融指数做归一化处理。

（3）中介变量。本文选取融资约束指标作为中介变量。借鉴梁榜和张建华（2019）[5]、唐松等（2020）[7]的做法，采用KZ指数作为融资约束指标，该指数越大，表示企业面临的融资约束程度越高。

（4）控制变量。本文将从企业层面和地区层面选取控制变量，具体包括企业规模、企业年龄、企业盈利能力、企业资产负债率、股权集中度、政府补助和地区经济发展状况。

3.3 模型构建

3.3.1 数字金融发展对民营企业创新的影响

由于研发投入左断尾分布，故采用Tobit模型进行估计：

模型（1）中，i和t分别表示企业和年份，RD为企业研发投入强度，核心解释变量为数字金融指数（DIFI）及其分指数（DCB、DUD、DSS），CV为各控制变量，为模型随机误差项。

3.3.2 数字金融发展对民营企业创新影响的路径

本文在考察数字金融对民营企业创新的影响路径时，借鉴温忠麟等（2005）提出的中介效应检验步骤[13]，构建本文中介效应模型：

模型（1）为了考察数字金融发展对民营企业创新的影响，α1代表数字金融对民营企业创新的总效应。模型（2）反映数字金融对民营企业融资约束的影响。模型（3）反映的是数字金融和融资约束两个变量对民营企业创新的共同影响。

4 实证分析

4.1 描述性统计

表1为主要变量的描述性统计结果。投入强度变量均值为3.528，表明样本企业技术创新水平较低，从最大最小值来看，山东省上市民营企业研发投入强度存在较大差异，同时，该变量的十分位数为0，说明10%样本企业研发投入为零，因此研发投入强度变量为左断尾分布。KZ指数最大最小值相差18.485，标准差为2.393，表明山东省上市民营企业的融资约束也存在较大差异。其他控制变量整体波动不大，不存在明显的离群值。

4.2 基本回归分析

本文利用Tobit模型检验了数字金融发展对民营企业创新的影响，回归结果如表2所示。其中列（1）为不加任何控制变量，列（2）为加入控制变量，列（3）-列（5）为数字普惠金融指数的三个分维度对企业研发投入强度的影响。可以看出，数字金融与民营企业研发投入强度在1%显著性水平下是正相关关系，表明数字金融发展水平越高的城市，该地区民营企业研发投入强度越强，即假设1成立。

本文进一步考察了数字普惠金融的三个维度分指数对民营企业创新的影响，以此作为初步的稳健性检验，结果如表2列（3）-列（5）所示。从结果来看，三个不同维度指数均通过1%或5%的显著性检验，覆盖广度、数字化程度和使用深度对民营企业创新的影响系数分别为1.991、1.013和1.009，数字金融覆盖广度对民营企业创新的影响程度最高。

从控制变量来看，企业规模对民营企业研发投入强度的影响显著为正；企业年龄对民营企业研发投入强度的影响在5%的显著性水平下为-2.087，表明年轻企业更具创新活力；资产负债率对民营企业研发投入强度的影响系数为-1.659，且在10%水平下显著，表明上一期的资产负债率越低样本企业研发投入强度越高。

4.3 中介效應分析

本文运用中介效应模型，进一步探讨融资约束在数字金融激励民营企业创新过程中的中介作用[6]。其回归结果如表3列（1）至列（3）所示。

表3列（1）即模型（1）的回归结果，未加入中介变量，考察数字金融对民营企业创新的总效应。数字金融指数的系数为1.825，且通过了1%显著性检验。表3列（2）为模型（2）的回归结果，考察数字金融对民营企业融资约束的影响。数字金融在1%显著性水平下为负，表明数字金融可以显著的缓解民营企业的融资约束问题。表3列（3）为模型（3）的回归结果，考察在加入中介变量前提下，数字金融对民营企业创新的直接效应，数字金融指数在1%显著性水平下为1.776，融资约束指标在5%显著性水平下为负。综合表2列（1）（2）（3）回归结果可以看出，融资约束在数字金融影响民营企业创新过程中起部分中介作用。其中，在其他因素保持不变的情况下，数字普惠金融指数每增加1个单位，企业研发投入强度会直接提升1.776个单位，同时也会使融资约束下降1.545个单位，融资约束每提高1个单位，企业研发投入强度下降0.105个单位。因此，数字普惠金融每提高1个单位会通过融资约束使得民营企业研发投入强度间接提升0.1622个单位（1.545*0.105≈0.1622），总效应提高1.825个单位，因融资约束而产生的间接效应占总效应的8.89%。说明数字金融发展对民营企业创新的激励作用，主要是通过缓解民营企业融资约束的渠道实现的，因此假设2成立。

4.4 稳健性检验

文章借鉴解维敏和方红星（2011）的做法，采用研发支出/年初总资产衡量研发投入强度（RD1）[14]作为研发投入强度的替代变量进行稳健性检验，回归结果见表3列（4）。在替换了民营企业研发投入衡量方法后，数字金融的影响系数为0.957仍在1%水平下显著且通过了稳健性检验。

5 结论与建议

5.1 结论

本文在剖析数字金融对民营企业创新影响的基础上，以2016—2020年山东省170家上市民营企业为研究样本，实证检验了地区数字金融发展水平对当地民营企业创新的影响程度和影响路径。主要结论如下：

第一，数字金融发展水平越高，当地民营企业创新能力越强，但数字金融不同维度指数对民营企业创新的影响程度存在细微差异。覆盖广度对民营企业创新的影响程度最高，而使用深度对民营企业创新影响程度弱于覆盖广度和数字化支持程度的影响；企业规模越大，技术创新投入强度越高；企业年龄和企业资产负债率对民营企业创新的影响为负。

第二，数字金融可以通过缓解融资约束激励民营企业创新。分析其原因，数字金融利用大数据、云计算机器学习等数字技术可以有效拓宽融资渠道、降低融资成本、提高融资效率，并以此缓解民营企业所面临的融资约束，使民营企业有充裕的资金进行研发创新活动，进而激励民营企业创新，综合来看，融资约束带来的间接效应在总效应中占比约为8.89%。

5.2 政策建议

第一，积极推进地区数字金融健康发展，缓解融资约束

（1）政府层面，引导地区数字金融健康发展，数字赋能传统金融机构业务转型。例如，政府引导创立大数据和云计算中心，夯实数字技术在金融领域的应用。（2）金融机构层面，传统金融机构应尽快实现数字化转型，以此促进普惠金融发展，同时在金融业务广度、深度和数字化程度方面不断提升。（3）金融监管层面，不断完善数字金融监管体系。当前，法律制度不完善是数字金融监管面临的主要问题。因此，金融监管层面应尽快完善监管体系以适应数字金融的发展，例如拓展审慎监管， “线上线下”联合监管，提高监管效率，加强信息共享等以维护金融市场稳定，使数字金融更好地扶持实体经济[15]。

第二，提升民营企业数字金融适应能力，加强数字金融资源配置效率

（1）加快构建民营企业财务管理制度和信息披露制度[16]，缓解民营企业在外部融资过程中的信息不对称。（2）民营企业应合理配置数字金融资源，将利用数字金融渠道获得的融资投入最有效率的创新项目中，充分发挥数字金融对民营企业发展中的支持作用。（3）民营企业应积极主动了解数字金融相关知识，拓宽融资渠道，利用数字金融开发技术创新项目。

参考文献

全国工商联经济部. 2023中国民营企业500强调研分析报告[R].2023（9）.

Hottenrott H， Peters B. Innovative capability and financing constraints for innovation： more money， more innovation？[J]. Review of Economics and Statistics， 2012， 94（4）：1126-1142.

王玉泽，罗能生，刘文彬.什么样的杠杆率有利于企业创新[J].中国工业经济，2019（3）：138-155.

聂秀华.数字金融促进中小企业技术创新的路径与异质性研究[J].西部论坛，2020，30（4）：37-49.

梁榜，张建华.数字普惠金融發展能激励创新吗：来自中国城市和中小企业的证据[J].当代经济科学，2019，41（5）：74-86.

万佳彧，周勤，肖义.数字金融、融资约束与企业创新[J].经济评论，2020（1）：71-83.

唐松，伍旭川.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.

陈亮.数字金融对企业创新的影响研究[J].商场现代化，2023（6）： 138-140.

刘柳，宋国玉，朱浩.数字金融能否缓解企业策略性创新：基于激励效应和调节作用的实证检验[J].中国商论，2023（13）：122-125.

谭博谦.新时代中国民营企业融资困境与纾困对策分析[J].中国商论，2023（17）：99-102.

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.

张璇，刘贝贝，汪婷，等.信贷寻租、融资约束与企业创新[J].经济研究，2017，52（5）：161-174.

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.

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.