马芬芬　付泽宇　王满仓

关键词数字金融 全要素生产率 融资约束 技术创新 规模扩张

〔中图分类号〕F249.24〔文献标识码〕A〔文章编号〕0447-662X（2021）07-0069-11

一、引言及文獻综述

在金融抑制背景下，我国很多企业面临较为严重的融资约束问题。银行倾向于给国有企业发放贷款，而民营企业和中小企业由于缺乏抵押品、财务信息不透明等原因面临较为严重的融资约束。①企业规模扩张和技术创新均有助于提升全要素生产率，但很多企业的研发和投资活动遭受融资约束，导致全要素生产率普遍不高。当前企业面临的融资困境为数字金融的发展提供了机会。数字金融指的是传统金融机构与互联网公司利用金融科技实现融资、支付和投资等的新型金融业务模式。金融科技的应用使得金融机构能够获取更多有关借款人的信息，减少信息不对称，缓解企业融资约束，②为企业实施技术创新、实现规模经济和提高全要素生产率提供条件。因此，探究数字金融对企业全要素生产率的作用机制有重要的现实意义。

有关金融发展与生产率关系的理论和经验研究都较为丰富。理论方面，现有研究基本认同金融发展有助于提高生产率。一方面，金融系统能够识别最有前景的投资项目，促使资源流向效率最高的企业，以促进生产率的增长;另一方面，金融体系具有收集和处理信息、分散风险等多种功能，这些功能的发挥促使金融资源流向技术创新项目，从而促进技术进步并提高生产率。作为发展中国家，中国金融发展对全要素生产率的影响究竟如何也引发学界关注。赵勇和雷达以“私人部门贷款占GDP的比重”衡量金融发展，发现金融发展能够显著提升全要素生产率。赵勇、雷达：《金融发展与经济增长：生产率促进抑或资本形成》，《世界经济》2010年第2期。陈启斐和吴建军以“金融业增加值占GDP的比重”衡量金融发展，发现金融发展并未提升全要素生产率。陈启斐、吴建军：《金融发展与技术进步：一项来自中国省级数据的研究》，《经济评论》2013年第6期。Aziz和Duenwald以“银行贷款占GDP的比重”衡量金融发展，发现金融发展对全要素生产率无显著影响。总之，金融规模的扩张未显著提升全要素生产率，而私人部门贷款相对GDP的增加会显著提升全要素生产率。这是由于单纯的金融规模扩张难以解决民营企业和中小企业融资难的结构性问题，姚耀军、董钢锋：《中小企业融资约束缓解：金融发展水平重要抑或金融结构重要？——来自中小企业板上市公司的经验证据》，《金融研究》2015年第4期。而增加私人部门的贷款意味着部分地缓解了民营企业和中小企业的融资难问题，说明缓解企业融资约束是金融发展提升全要素生产率的关键。

有别于传统的金融发展，近几年迅速发展的数字金融基于大数据、云计算和区块链等新技术，对海量数据进行挖掘，极大地减少了信息不对称，缓解了企业融资约束。这为企业技术创新和规模扩张提供了资金支持，进而有可能提升企业全要素生产率。但目前有关数字金融与全要素生产率的研究还比较匮乏。侯层和李北伟基于省级层面数据，发现金融科技可通过提高创新能力、增强技术溢出效果以及促进产业结构升级等提升全要素生产率。侯层、李北伟：《金融科技是否提高了全要素生产率——来自北京大学数字普惠金融指数的经验证据》，《财经科学》2020年第12期。唐松等基于省级层面数据，发现金融科技创新衍生的金融新业态能够促进全要素生产率的提升。唐松、赖晓冰、黄锐：《金融科技创新如何影响全要素生产率：促进还是抑制？——理论分析框架与区域实践》，《中国软科学》2019年第7期。目力所及的这两篇文章都是基于宏观数据研究金融科技与全要素生产率的关系，鲜有文献基于企业层面对此展开研究。因此，探究数字金融影响企业全要素生产率的微观机制有重要的价值。

现有研究证实数字金融能够缓解企业融资约束，而缓解融资约束是提升企业全要素生产率的重要途径。任曙明、吕镯：《融资约束、政府补贴与全要素生产率——来自中国装备制造企业的实证研究》，《管理世界》2014年第11期。因此，数字金融可能通过缓解企业融资约束，进而提升全要素生产率。鉴于此，本文基于融资约束的视角探讨数字金融是否能够提升企业全要素生产率。首先，构建数理模型分析数字金融影响企业全要素生产率的理论机制。其次，基于2011—2015年间中国工业企业数据库实证检验数字金融对企业全要素生产率的影响及其机制，从而为发展数字金融提升企业全要素生产率提供微观证据。

本文的边际贡献包括以下两点：第一，从融资约束的视角，揭示了数字金融提升企业全要素生产率的机制。现有研究仅从宏观层面探讨金融科技对全要素生产率的影响，而数字金融对全要素生产率的影响缺乏微观层面的研究。第二，本文基于微观企业层面的数据，通过控制企业个体特征的异质性解决可能存在的内生性问题，得出更为稳健的结论。现有研究主要基于宏观数据，但宏观数据难以考察企业个体的异质性，潜在的内生性问题难以解决。

本文剩余部分安排如下：第二部分是理论模型与研究假设，第三部分是数据来源和变量设置，第四部分是实证分析和稳健性检验，第五部分是机制分析和异质性分析，第六部分是结论和启示。

二、理论模型与研究假设

1.模型基本假定

本文借鉴Gorodnichenko和Schnitzer的模型，基于融资约束的视角分析数字金融对企业全要素生产率的影响。融资约束对企业全要素生产率的影响主要通过如下两个渠道：第一，融资约束限制企业的创新活动，由此妨碍企业技术进步和全要素生产率提升;第二，融资约束限制企业规模扩张，使得企业难以达到规模经济进而妨碍全要素生产率提升。因此，我们关注融资约束对创新活动和规模扩张决策的影响。

假设企业的活动包括两个阶段：第一个阶段企业决定是否创新，投资创新活动会产生FI的固定成本;第二个阶段企业进行生产活动，决定是否规模扩张，规模扩张会产生FS的固定成本。由于我们关注的是融资约束对创新活动和规模扩张的影响，因此我们首先需要界定清楚企业的创新和生产活动如何融资。原则上，企业可以使用内部资金（留存利润）或外部资金（债务融资）来进行创新和生产活动。我们假设由于存在信息不对称，因此使用外部资金比内部资金有更高的资金成本。具体而言，假定企业使用内部资金的机会成本为1，使用外部资金的成本为γ，γ>1。

我们假设，第一阶段的技术创新需要通过内部资金来融资。由于创新存在严重的信息不对称问题，难以获得外部融资，因此支持企业技术创新的资金来源于内部资金的假设是合理的。这一点与已有经验研究的结论也是一致的。第二阶段，企业的生产活动需要资金，企业如果扩张规模，则需要更多的资金。由于内部资金的成本低于外部资金，因此企业倾向于使用内部资金进行生产。但如果内部资金不足，则必须通过外部资金来补充生产所需的剩余资金。

我们先验地假设，企业有足够的内部资金以支持创新和生产活动的概率为q，而在生产环节需要外部融资的概率为1-q。一方面以公司需要外部融资的可能性来衡量融资约束，需要外部融资的可能性越大，企业面临的融资约束越严重;另一方面以企业外部融资成本来衡量融资约束，企业外部融资成本越高，通常也反映了其面临的融资约束越严重。肖兴志、张伟广、朝镛：《僵尸企业与就业增长：保护还是排挤？》，《管理世界》2019年第8期。三种事件可以增加企业需要外部融资的可能性。第一，企业在第一阶段将内部资金用于技术创新，那么在第二阶段将留下较少的内部资金用于生产，令这种情况导致的内部资金不足以支持生产活动的可能性增加δI;第二，企业在第二阶段是否扩张规模，这会引起内部资金不足以支持生产活动的可能性增加δS;第三，企业可能会受到流动性的冲击（例如，客户推迟付款等），令这种情况导致的內部资金不足以支持生产活动的可能性增加δL∈{0，δL}。假设企业只能被动地接受外部的流动性冲击，无法影响δL的大小，即流动性的潜在外生冲击在0阶段实现。总之，当企业不实施创新和规模扩张活动时，依赖外部融资的可能性为δL;如果企业创新，则依赖外部资金的可能性增加δI;如果企业扩张规模，则依赖外部资金的可能性增加δS;这三种情况都意味着企业依赖外部资金的可能性增加。在这种情况下，企业会意识到所需要的外部资金可能是困难的或昂贵的。由于创新消耗了内部资金，它增加了企业需要外部融资的可能性。规模扩张增加了企业生产活动所需的资金，因此也增加了企业需要外部融资的可能性。

2.融资约束对技术创新和规模扩张的影响

（1）融资约束对技术创新的影响

在第一阶段，企业考虑是否创新。如果没有创新，令πi表示利润;当生产活动来源于内部资金时，i=1;当生产活动来源于外部资金时，i=γ。同样，对于i∈{1，γ}，如果企业创新，令πIi表示利润，其中πIi>πi。我们假设随着融资成本的增加，创新增加的利润会逐渐减少。这一点可以表示如下：

（πIγ-πγ）γ<0（1）

如果企业不创新，其预期回报是：

E（π）=（q-δL）π1+（1-q+δL）πγ（2）

如果企业在第一阶段将内部资金用于创新，那么在第二阶段生产活动来源于内部资金的概率变为q-δL-δI;意味着需要外部融资的可能性为1-q+δL+δI。对于创新的企业，预期利润是：

E（π|I）=（q-δL-δI）πI1+（1-q+δL+δI）πIγ-FI（3）

现在可以确定企业在第一阶段创新的动机，并描述它是如何受到负面流动性冲击和外部资金成本的影响。令企业的预期利润差异为ΔIπ，ΔIπ可以表示为：

ΔIπ=E（π|I）-E（π）=（q-δL）（πI1-π1）+（1-q+δL）（πIγ-πγ）-δI（πI1-πIγ）-FI（4）

当且仅当ΔIπ>0时，企业决定创新。为了确定外生流动性冲击和外部资金成本对预期利润差异的影响，分别对ΔIπ关于δL和γ求一阶导数：

ΔIπδL=-（πI1-π1）+（πIγ-πγ）<0（5）

ΔIπγ=（1-q+δL）（πIγ-πγ）γ+δIπIγγ<0外部融资成本越高，使用外部资金获得的利润越低，即πIγ /γ<0，因此易得式（6）小于0。（6）

外生流动性冲击的增加和外部资金成本的上升都会缩小企业创新的预期利润差异。因此，企业面临的融资约束越严重，创新的激励越小。

（2）融资约束对规模扩张的影响

在第二阶段，企业考虑是否扩张规模。为简化分析，此处假定企业在第一阶段未实施技术创新，如果企业在第一阶段实施技术创新，亦不会改变最终结论。如果没有扩张规模，令πi表示利润;当生产活动来源于内部资金时，i=1;当生产活动来源于外部资金时，i=γ。同样，对于i∈{1，γ}，如果企业扩张规模，令πSi表示利润，其中πSi>πi。假设随着融资成本的增加，企业扩张规模新增的利润会逐渐减少。这一点可以表示如下：

（πSγ-πγ）γ<0（7）

如果企业不扩张规模，其预期回报是：

E（π）=（q-δL）π1+（1-q+δL）πγ（8）

如果企业在第二阶段扩张规模，那么在第二阶段生产活动来源于内部资金的概率变为q-δL-δS;这意味着需要外部融资的可能性为1-q+δL+δS。对于规模扩张的企业，预期利润是：

E（π|S）=（q-δL-δS）πS1+（1-q+δL+δS）πSγ-FS（9）

现在可以确定企业在第二阶段扩张规模的动机，并描述它是如何受到负面流动性冲击和外部资金成本的影响。令企业的预期利润差异为ΔSπ，并表示为：

ΔSπ=E（π|S）-E（π）=（q-δL）（πS1-π1）+（1-q+δL）（πSγ-πγ）-δS（πS1-πSγ）-FS（10）

当且仅当ΔSπ>0时，企业决定扩张规模。为了确定外生流动性冲击和外部资金成本对预期利润差异的影响，我们分别对ΔSπ关于δL和γ求一阶导数：

ΔSπδL=-（πS1-π1）+（πSγ-πγ）<0（11）

ΔSπγ=（1-q+δL）（πSγ-πγ）γ+δSπSγγ<0（12）

外生流动性冲击的增加和外部资金成本的上升都会缩小企业扩张规模的预期利润差异。因此，企业面临的融资约束越严重，扩张规模的激励越小。经验研究也表明，融资约束会制约企业扩张规模。李洪亚、史学贵、张银杰：《融资约束与中国企业规模分布研究——基于中国制造业上市公司数据的分析》，《当代经济科学》2014年第2期。

总之，融资约束减少了企业技术创新和规模扩张的激励，最终对企业技术创新和规模扩张产生负面影响。原因是负面的流动性冲击增加了企业需要外部融资的可能性，而外部资金成本高于内部资金成本，企业需要外部融资可能性的增加与较高的外部融资成本，共同降低了企业技术创新和规模扩张的预期利润差异。

3.数字金融对技术创新和规模扩张的影响

（1）数字金融对融资约束的影响

现有研究基本认同数字金融能够缓解企业融资约束。万佳彧、周勤、肖义：《数字金融、融资约束与企业创新》，《经济评论》2020年第1期。缓解作用体现在两个方面：“增量补充”和“存量优化”。所谓增量补充，是指数字金融会促进金融机构扩大金融供给，进而缓解企业融资约束。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》，《管理世界》2020年第5期。金融机构应用大数据、互联网和人工智能等技术，可低成本吸收传统金融市场上众多“小”“散”投资者的资金，扩大金融供给，进而缓解企业融资约束。所谓存量优化，是指数字金融赋能金融机构提高资金配置效率，进而缓解企业融资约束。这主要通过三种途径：第一，相较于传统金融科技创新，数字金融能够更加有效地降低信息不对称，进而缓解企业融资约束。信息不对称是企业面临融资约束的重要原因。传统银行主要基于信用数据、财务数据和抵押物发放信贷，而数字金融除此之外，还应用大数据、人工智能和区块链等金融科技挖掘与企业经营状况相关的非财务信息，做出是否放贷的决策。 第二，数字金融扩大了金融服务的范围，使得缺乏抵押物的企业也能够获得信贷支持。传统银行在发放贷款时通常以企业可供抵押的资产作为放贷的基础，钱雪松、唐英伦、方胜：《担保物权制度改革降低了企业债务融资成本吗？——来自中国〈物权法〉自然实验的经验证据》，《金融研究》2019年第7期。那些硬资产较少但具备发展前景的企业常面临更大的融资约束。数字金融通过大数据、人工智能等先进技术评估企业的发展前景，将缺乏抵押物却具备发展前景的企业纳入信贷服务范围，缓解了这类企业的融资约束。第三，数字金融通过减少信贷发放过程中的寻租活动，能够缓解企业融资约束。信贷寻租会增加企业的融资成本，加重企业面临的融资约束。张璇、刘贝贝、汪婷等：《信贷寻租、融资约束与企业创新》，《经济研究》2017年第5期。相较于传统金融科技创新，数字金融基于大数据和人工智能技术自动审批贷款的业务模式，能够缩短贷款审批时间，减少了贷款审批过程中人为的设租和寻租活动。

综上所述，数字金融能够减少企业面临的融资约束。令数字金融发展程度为η，假设η∈[0，1]，数字金融发展程度越高，η值越大。数字金融发展程度越高的地区，地区内企业面临的负面流动性冲击δL越小，即δL/η<0，获得外部资金的成本γ越低，即γ/η<0。

（2） 数字金融对技术创新和企业规模的影响

当融资约束得到缓解之后，企业总是倾向于同时进行技术创新和规模扩张。因为企业规模扩张可以进一步摊薄单位产品负担的创新成本。现有经验研究也证实了企业规模与研发投入之间存在正相关关系。孙晓华、王昀：《企业规模对生产率及其差异的影响——来自工业企业微观数据的实证研究》，《中国工业经济》2014年第5期。因此通常情况下，数字金融既能促进企业技术创新，又能促进企业规模扩张。

数字金融对技术创新的影响可以表示为：

ΔIπη=ΔIπδL·δLη+ΔIπγ·γη>0（13）

由ΔIπ/δL<0，δL/η<0，ΔIπ/γ<0，γ/η<0，易得式（13）大于0。数字金融通过缓解企业融资约束，增加企业技术创新的激励，最终促进企业技术创新。由此提出如下假说：

假说1：数字金融通过缓解企业融资约束，促进了企业技术创新。

数字金融对企业规模的影响可以表示为：

ΔSπη=ΔSπδL·δLη+ΔSπγ·γη>0（14）

由ΔSπ/δL<0，δL/η<0，ΔSπ/γ<0，γ/η<0，易得式（14）大于0。数字金融通过缓解企业融资约束，增加企业规模扩张的激励，最终促进企业规模扩张。由此提出如下假说：

假说2：数字金融通过缓解企业融资约束，促进了企业规模扩张。

4.数字金融对企业全要素生产率的影响

（1）技术创新对企业全要素生产率的影响

令企业全要素生产率为TFP，TFP>0。现有研究认同技术创新是提升企业全要素生产率的重要来源。D.Comin， B.Hobijn， “An Exploration of Technology Diffusion，” NBER Working Paper， no.12314， 2006.由此我们假设企业技术创新的激励ΔIπ越大，技术创新的概率越高，企业全要素生产率TFP越高，即：

TFPΔIπ>0（15）

（2）规模扩张对企业全要素生产率的影响

马歇尔提出的规模经济效应指出，伴随着规模扩张，产品的单位生产成本降低。然而，企业规模扩大并不一定能保证降低生产成本，随着企业规模扩大，通常会经历规模报酬递增、不变和递减三个阶段，即企业规模与全要素生产率之间呈倒U型关系。中国产业发展的现实情况是，过度竞争现象严重，产业组织结构较为分散，大多数企业处在规模报酬递增的阶段。孙晓华、王昀：《企业规模对生产率及其差异的影响——来自工业企业微观数据的实证研究》，《中国工业经济》2014年第5期。实证研究结果也支持企业规模對生产率存在正效应。张沁琳、沈洪涛：《政府大客户能提高企业全要素生产率吗？》，《财经研究》2020年第11期。因此，整体而言当前中国企业规模扩张有利于提升全要素生产率。由此我们假设企业规模扩张的激励ΔSπ越大，企业扩张规模的概率越高，企业全要素生产率TFP越高，即：

TFPΔSπ>0（16）

（3）数字金融对全要素生产率的影响

由式（13）～式（16）可知，数字金融通过促进技术创新和规模扩张，可提升企业全要素生产率，即：

TFPη=TFPΔIπ·ΔIπη+TFPΔSπ·ΔSπη>0（17）

由此提出如下假说：

假说3：数字金融有助于提升企业全要素生产率。

假说4：数字金融通过促进企业技术创新，进而提升全要素生产率。

假说5：数字金融通过促进企业规模扩张，进而提升全要素生产率。

三、研究设计

1.模型设定

本文首先设置如下模型分析数字金融对企业全要素生产率的影响：

TFPit=c+β1digfinit+jβjcontrolit+μi+ut+εit（18）

式（18）中，TFPit为企业全要素生产率，digfinit为数字金融发展程度，βj为待估参数，μi为企业个体固定效应，ut为时间固定效应，εit为残差项。本文所有的回归均控制了时间固定效应、企业个体固定效应、四位数行业固定效应和城市固定效应，并且对标准误进行个体层面的聚类调整。

2.变量设置

（1）被解释变量：企业全要素生产率。本文参考鲁晓东和连玉君的研究，鲁晓东、连玉君：《中国工业企业全要素生产率估计：1999—2007》，《经济学（季刊）》2012年第2期。分别采用LP法和OP法在两位数行业层面上分行业两位数行业上的企业可以看作有近似的生产函数，分行业估计可以更准确地测算全要素生产率。估计企业TFP。

（2）核心解释变量：数字金融发展水平。本文的研究对象是工业企业，这类企业的贷款主要来源于银行。因此，本文以银行对金融科技的应用水平来代表数字金融发展水平。北京大学的“数字普惠金融指数”基于蚂蚁集团的交易数据构造而成，既能反映蚂蚁集团在各城市的推广水平，又能反映各城市银行的金融科技应用水平。郭峰、孔涛、王靖一：《互联网金融空间集聚效应分析——来自互联网金融发展指数的证据》，《国际金融研究》2017年第8期;沈悦、郭品：《互联网金融、技术溢出与商业银行全要素生产率》，《金融研究》2015年第3期。因此，本文采用“数字普惠金融指数”作为各个城市银行的金融科技应用水平的代理变量。该指数包括覆盖广度、使用深度和数字化程度三个维度。覆盖广度以互联网支付账号的普及率及其绑定的银行账户数来体现。使用深度以支付宝中使用金融服务的人数、人均交易笔数和人均交易金额来衡量。数字化程度反映企业获取金融服务的便利性以及获取信贷的成本。最后，本文对数字金融普惠指数及其各个维度的细分指数均进行归一化处理。

（3）中介变量：①融资约束，采用由Hadlock和Pierce构建的SA指数衡量。SA指数的计算公式为：SA=-0.737×Size+0.043×Size2-0.04×Age。其中，Size为企业规模，Age为企业年龄。SA指数的计算结果均为负值，方便起见对其取绝对值，绝对值越大，企业面临的融资约束越严重。由于SA指数仅由企业的规模和年龄决定，外生性较强，能够准确测度中国企业融资约束，因而得到广泛应用。②技术创新，采用企业三种专利的授权量再取对数来衡量。③企业规模，用资产总额取对数来表示。

（4）控制变量。本文参照张羽瑶和张冬洋的研究设置如下企业特征变量：企业年龄，企业规模，是否为国有企业，资产负债率，资产利润率和固定资产比率。张羽瑶、张冬洋：《商业信用能够提高企业全要素生产率吗？——基于中国企业的融资约束视角》，《财政研究》2019年第2期。变量的计算方法见表1。

3.数据来源

本文基于中国工业企业数据库和企业创新数据库，构建了2011—2015年工业企业数据库目前只更新到2015年，而数字金融的发展始于2011年，因此本文选取2011—2015年数据作为研究样本。的非平衡面板数据。参照Brandt等的方法对样本进行匹配和数据清洗。L.Brandt， J.V.Biesebroeck， Y.Zhang， “Creative Accounting or Creative Destruction？ Firm-level Productivity Growth in Chinese Manufacturing，” Journal of Development Economics， vol.97， no.2， 2012， pp.339～351.在对所有连续变量进行前后各0.5%的缩尾处理后，最后共得到419396个年份—公司的观测值。主要变量的描述性统计结果如表1所示。

表1变量定义及描述性统计

四、檢验结果与分析

1.基准回归结果

本文首先利用式（18）检验数字金融对企业TFP的影响，具体结果见表2。列（1）～列（4）中数字金融的系数均在1%的水平上显著为正，说明数字金融能够显著提升企业TFP，假说3得证。数字金融的发展体现为越来越多的金融机构使用大数据和区块链等数字技术挖掘企业经营相关的信息，信贷市场的信息不对称逐步减少，金融机构的贷款技术持续提升，企业的融资需求更容易得到满足。这为企业自主创新、引进技术和人才或购置先进设备提供了资金支持，这都有利于企业提升全要素生产率。

其他控制变量的结果表明：企业规模越大、企业年龄越大、资产利润率越高，企业TFP越高;资产负债率越高、固定资产比率越高，企业TFP越低。这些结论均符合预期，且与现有研究结论一致。张羽瑶、张冬洋：《商业信用能够提高企业全要素生产率吗？——基于中国企业的融资约束视角》，《财政研究》2019年第2期。

表2数字金融与企业TFP的回归结果

2.数字金融细分维度与企业TFP

接下来，本文考察数字金融各个维度的发展对企业TFP的影响，回归结果见表3。回归结果表明，数字金融各个维度的发展均能显著提升企业TFP。扩大覆盖广度，意味着数字金融服务覆盖了更多的人群，金融机构利用数字技术吸收存款的能力有所提升，相应的可以发放给企业的贷款增加。使用深度提高，意味公众使用数字金融服务的平均额度上升，同样提升了金融机构吸收存款的能力，进而增加对企业的贷款发放。数字化程度的提高，意味着金融机构利用数字技术发放贷款成本的降低，进而降低企业获得贷款的成本。总之，数字金融这三个维度的发展均有利于金融机构应用数字技术增加对企业的贷款发放，可为企业的技术创新和规模扩张提供资金支持，进而提升企业TFP。

表3数字金融细分维度与企业TFP的回归结果

3.稳健性检验

本文采用以下两种方法进行稳健性检验。第一，工具变量法。借鉴李春涛等的思路，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》，《中国工业经济》2020年第1期。采用各个城市的接壤城市数字金融发展水平的均值作为工具变量。第二，替换核心解释变量的测度方式。参照金洪飞等的思路，金洪飞、李弘基、刘音露：《金融科技、银行风险与市场挤出效应》，《财经研究》2020年第5期。利用文本挖掘法构建各个城市银行应用金融科技的水平。回归结果表明前文研究结论是稳健的。限于篇幅，稳健性检验的回归结果不予汇报，感兴趣的读者可向作者索要。

五、进一步讨论

1.机制分析

（1）数字金融影响技术创新和企业规模的机制分析

本文设置如下中介效应模型检验数字金融影响技术创新和企业规模的中介效应是否显著：

SAit=c+α1digfinit+∑jαjcontrolit+μi+ut+εit（19）

inoit/scaleit=c+γ1digfinit+γ2SAit+∑jγjcontrolit+μi+ut+εit（20）

inoit和scaleit为因变量，在式（19）～式（20）中纳入描述企业特征的控制变量：是否为国有企业、资产负债率、资产利润率和固定资产比率。分别表示技术创新和企业规模，SAit为中介变量，表示融资约束，回归结果见表4。列（1）中数字金融的系数和列（2）中融资约束的系数均显著为负，说明数字金融通过缓解融资约束促进企业技术创新的中介效应显著，假说1得证。在传统的以抵押物为主要放贷决策依据的情况下，创新活动由于存在较大的风险而难以从外部筹集资金。数字金融赋能金融机构挖掘企业各个维度的信息，评估企业的创新能力和发展前景，并将其作为重要的放贷决策依据，进而为自主创新能力较强的企业提供创新活动的资金支持。列（3）中融资约束的系数亦显著为负，说明数字金融通过缓解融资约束促进企业规模扩张的中介效应显著，假说2得证。当前中国大多数企业处在规模报酬递增的阶段，然而企业的规模扩张受到融资约束的限制。数字金融缓解了企业面临的融资约束，促使企业购置生产设备和增加劳动雇佣，扩大生产能力以充分发挥规模经济作用。

表4数字金融影响技术创新和企业规模的机制分析

（2）数字金融影响企业TFP的机制分析

本文继续设置如下中介效应模型检验数字金融影响企业TFP的中介效应是否显著：

inoit/scaleit=c+α1digfinit+∑jαjcontrolit+μi+ut+εit（21）

TFPit=c+γ1digfinit+γ2inoit/scaleit+∑jγjcontrolit+μi+ut+εit（22）

inoit和scaleit為中介变量，以企业规模为因变量的回归中设置如下控制变量：企业年龄、是否为国有企业、资产负债率、资产利润率和固定资产比率。以技术创新为因变量的回归中设置如下控制变量：企业年龄、企业规模、是否为国有企业、资产负债率、资产利润率和固定资产比率。分别表示技术创新和企业规模，回归结果见表5。列（1）中数字金融的系数和列（2）中技术创新的系数均显著为正，说明数字金融通过促进技术创新提升企业TFP的中介效应显著，假说4得证。数字金融的发展促使金融机构为企业的自主创新提供资金支持。创新主要包括产品创新和生产流程创新，产品创新通过提高产品在市场上的竞争力有助于扩大企业营业收入，生产流程创新通过优化生产流程有助于降低企业生产成本。增加营业收入和降低生产成本最终体现为提升企业TFP。列（3）中数字金融的系数和列（4）中企业规模的系数均显著为正，说明数字金融通过促进企业规模扩张提升企业TFP的中介效应显著，假说5得证。数字金融的发展有助于企业扩张规模。中国企业目前大部分处在规模报酬递增阶段，扩大规模有利于降低产品的单位成本，最终反映为企业TFP的提升。

表5数字金融影响企业TFP的机制分析

2.异质性分析

（1）企业规模异质性分析

本文按照企业规模的中位数将所有企业分为大规模企业和小规模企业，重新构造虚拟变量企业规模。此处的企业规模为0—1二值变量，大规模企业取1，小规模企业取0。再构造数字金融与企业规模的交互项加入基准模型，检验数字金融对企业TFP的作用在不同規模企业上的异质性，回归结果见表6。列（1）～列（2）中数字金融与企业规模交互项的系数显著为负，说明数字金融对中小企业TFP的提升作用大于大企业。这是由于中小企业面临更为严重的融资约束问题，因此，数字金融缓解融资约束进而提升企业TFP的作用在中小企业中更大。

（2）企业所有制异质性分析

本文在基准模型中引入数字金融与是否为国有企业（是则取1，否则取0）的交互项，以检验数字金融对不同所有制企业的影响是否存在差异，回归结果见表6。列（4）“中数字金融×是否为国有企业”的系数显著为负，说明数字金融提升企业TFP的作用在国有企业中更小。这是由于民营企业相较于国有企业面临更为严重的融资约束问题，因此数字金融缓解融资约束进而提升企业TFP的作用在民营企业中更大。列（3）中“数字金融×是否为国有企业”的系数为负但不显著，可能的原因是：与OP法相比，LP法估计全要素生产率时未控制企业所有制、出口等因素对全要素生产率的影响，由此产生了一定的估计偏误。

表6异质性分析

六、结论与启示

在金融抑制的背景下，中国企业普遍面临融资约束，创新和规模扩张因融资约束而受到限制，企业全要素生产率普遍不高。为了缓解企业融资约束、提升企业全要素生产率，本文着眼于考察数字金融对企业全要素生产率的作用，以期为发展数字金融以提升企业全要素生产率提供理论依据和经验证据。首先，基于融资约束的视角，构建数理模型分析数字金融影响企业全要素生产率的机理。然后以工业企业数据库为研究样本，实证检验数字金融对企业全要素生产率的影响及机制，得到以下三点结论：第一，数字金融有助于提升企业全要素生产率，并且数字金融各维度的发展均有助于提升企业全要素生产率;第二，数字金融赋能金融机构采用大数据和区块链等数字技术提高贷款技术，缓解了企业融资约束，为企业技术创新和规模扩张提供资金支持，进而提升了企业全要素生产率;第三，民营企业和中小企业由于面临更为严重的融资约束，使得数字金融提升企业全要素生产率的作用在民营企业和中小企业中更大。

研究结论有如下三点政策启示：（1）推进银行对金融科技的应用，提升银行的贷款技术。企业的贷款获取主要依赖银行，因此推进银行应用金融科技以提高贷款发放技术至关重要。整体而言，区别于互联网金融公司拥有平台内企业的海量交易信息作为贷款发放的依据，银行缺乏评估企业信用风险的基础数据。因此，政府应当鼓励银行与金融科技公司的合作，银行为金融科技公司提供资金划拨与清算等业务，金融科技公司为银行提供前台客户流与线上大数据，以赋能银行应用大数据技术提高放贷技术。（2）鼓励企业开展电子商务和数据上链，减少信息不对称。数字金融发展主要通过减少信息不对称缓解企业融资约束。政府应该鼓励企业在各类平台上积累交易数据以减少信息不对称。一方面，政府应该建立电子商务企业的孵化机制，可以通过树立典型、人员培训和财政补贴等方式，引导企业开展电子商务，在电商平台积累交易数据，传递企业经营良好的信号;另一方面，鼓励企业将交易信息在第三方区块链平台上进行登记和确认。依靠区块链的共识机制等技术手段，确保上链信息的不可篡改性和可追溯性，保证贷款企业相关信息真实可靠。（3）增加对民营企业和中小企业的资金支持。数字金融主要提升了民营企业和中小企业的全要素生产率，侧面印证了民营企业和中小企业既是创新的主力军又面临着融资困境。除了推进数字金融发展，政府可以通过多种途径缓解民营企业和中小企业的融资难问题。一方面，继续推进利率市场化改革，让银行能够按照市场化的原则确定贷款利率，增加银行给民营企业和中小企业发放贷款的激励;另一方面，培育民营企业和中小企业上市，加大对民营企业和中小企业的宣传、辅导和咨询力度，推动更多的民营企业和中小企业在资本市场获得融资。

作者单位：马芬芬，西北大学经济管理学院、榆林学院管理学院;付泽宇，英国班戈大学金融学院;王满仓，西北大学经济管理学院、欧亚学院金融学院

责任编辑：牛泽东