邓浏睿，赵伊雯

(湖南师范大学 商学院，湖南 长沙 410081)

一 引 言

无论是从微观还是宏观的层面来看，金融科技与金融领域的深入融合已经对全球经济产生了巨大的影响。同样，资本市场不完善导致的融资约束也是普遍存在的。尤其近年来新冠肺炎疫情的外部冲击，导致制造业“脱实向虚”的倾向愈发严重，虚拟经济的快速发展使得实体经济面临着多重困境。因而，在我国金融科技持续升温的背景下，中央在经济工作部署中提出金融科技的本质在于服务实体经济。

随着我国市场化进程的不断加快，市场中的企业主体日益增多，企业所面临的竞争压力也越来越大，加上我国市场环境的复杂性与资本市场的不完备，使多数企业面临着融资约束问题，这将对企业的投资效率产生一定的阻碍。有大量证据表明，融资约束是企业投资和增长的障碍[1]。世界银行的报告显示，中国有75%的非金融类上市企业将融资约束列为阻碍企业发展的主要因素。郭丽虹等发现在中国资本市场上，小型公司比大型公司面临更大的融资约束问题[2]。这在我国是普遍现象，虽然中小企业有较大的融资需求，但由于信贷歧视、信息不对称等原因难以跨过金融服务体系的门槛，会增加外部融资的成本，导致它们难以抓住净现值为正的投资机会，出现投资不足的问题，进一步降低公司价值。除了融资约束的影响，企业的投资行为也会受到投资的时滞效应影响。在已有的研究中，多数不可逆投资模型会假定项目在做出投资决定后立即上线。但在现实生活中并非如此，投资具有一定的时滞效应，分析时滞效应将有助于了解投资对公司价值影响的动态变化过程。

金融科技是科技创新与金融创新相互融合形成的一个新研究领域。伴随着金融科技的不断发展，大数据、云计算、区块链等技术在传统金融领域的广泛运用，补充了传统金融服务体系的同时，也对微观企业的投融资行为构成了重大影响。在我国金融科技持续升温的背景下，中央在经济工作部署中提出金融科技的本质在于服务实体经济。随着金融科技的快速普及，各大金融科技平台相继推出个性化金融产品，将一系列技术创新如人工智能、智能投顾、区块链等全面应用于金融领域，以帮助降低传统金融业的风险并实现成功转型，改善中小企业融资约束现象，促进实体经济的发展。合理地应用金融科技有望缓解民营企业融资难融资贵的现象，可助推实体经济的发展，增强微观主体活力，充分发挥民企对经济增长和创造就业的重要支撑作用，促进经济社会平稳健康发展。

本文将通过面板向量自回归模型(PVAR)研究金融科技是否会通过影响企业的投资行为进一步影响公司价值，并通过脉冲响应函数分析金融科技对投资时滞效应的影响，最后分析了2020年新冠肺炎疫情暴发对融资约束企业的影响。本文内容安排如下：第一部分为引言；第二部分为文献综述；第三部分为理论分析与研究假设；第四部分为实证结果分析；第五部分为研究结论与政策建议。

二 文献综述

金融科技发展初期，国内外学者对金融科技的研究多数集中于探讨金融科技的本质特征、指数测算以及风险监管等方面。随着金融科技的深度运用，学者们开始将关注的重点转移至金融科技在微观层面的内容，如讨论金融科技及其衍生产品对企业融资和投资效率的影响。

在完美资本市场中，由于企业面临的融资条件都是相同的，外部融资成本与内部融资成本基本无差异，因而投资决策无须考虑资本结构、融资方式等因素，仅需考虑企业自身的需求。但在现实世界中，资本市场的不完美，信息不对称与委托代理问题的存在导致外部融资成本高昂，这也就造成了多数企业面临着融资约束的问题。Poncet等分析了中国不同类型的企业面临着不同程度的融资约束，他们发现中小民营企业面临着严重的融资约束，而国有企业与外资企业则少有这种约束[3]。长期以来我国金融市场的发展一直呈现出间接融资为主，直接融资不足的局面，企业主要从银行等金融机构进行融资。这样的融资环境不利于企业投资的开展。资本市场的不完备导致外部融资成本过高，使得企业无法达到最优投资水平[4]。融资约束程度越高，企业越表现出投资不足的倾向；融资约束程度越低，企业则越表现出投资过度的倾向[5]。因而融资约束的企业易表现出投资不足的非效率性投资行为[6]。在这样的背景下，金融科技的出现为企业投融资决策提供了更丰富的选择。

首先，从金融科技发展对企业投融资行为的影响来看，金融发展水平高可以一定程度上降低企业获得外部融资的难度，新兴科技手段缓解信息不对称的现象，使得投资者获得更加全面、有效的投资与决策信息。中国金融科技(或数字金融)的业务规模、场景应用达到国际领先水平[7]。金融科技公司有望改善已经存在的成本结构，提供具有信任性、稳定性、安全性和透明性的金融科技创新服务与产品。Lenore Palladino认为区块链作为金融科技的产物，为广大投资者提供了一个公共的投资平台，为人们创造了新的财富机会和投资机会[8]。Fuster等(2019)讨论了金融科技在抵押借贷行业中扮演的角色，研究发现金融科技可以在不增加贷款风险的情况下更快地处理抵押贷款，对需求冲击做出更灵活的反应[9]。这将有助于缓解我国信贷市场供需不平衡的问题，提升资金配给的效率。陈文琪使用 VECM 模型论证了金融科技能够有效改善企业的融资困境[10]。

其次，从企业自身的投资行为来看，投资不仅会受到金融发展程度与融资约束程度的影响，投资的时滞效应也增大了投资的不确定性，进而影响投资效率。投资的时滞效应带来的不确定性会影响企业的投资行为和企业价值。Eberly 等认为与Tobin’s Q和现金流量加起来相比，滞后投资是更好的投资预测指标[11]。一些学者认为投资时滞会加速投资，例如Bar-Ilan和Strange提出当存在滞后时，不确定性的增加可能会加速投资决策[12]。另一些学者的研究结果却恰恰相反，如Alvarez 和Keppo认为投资时滞和企业投资项目的收益流呈正相关，因而投资时滞会推迟企业的投资，削弱投资者的投资动机[13]。Campbell的研究结果表明，IT投资的收益从第0期开始出现至第3期达到最大[14]。 Lee考察了研发投资(R&D)对在中国上海证券交易所或深圳证券交易所上市的制造业市场价值的滞后效应[15]。

企业价值最大化是企业追求的最终目标。企业价值影响因素的相关研究成果较为丰富，但鲜有文献研究金融科技发展与企业价值的关系。已有文献研究数字金融与科技金融对企业价值的影响，程翔等通过研究得出科技金融政策的实施会提高企业竞争力，但是具有一定滞后性，企业竞争力可以通过企业价值来表现[16]。数字金融有助于增强企业的信息透明度，识别企业真实的成长机会最终促进企业价值的增长。李红英等的研究结论表明政府、金融机构和企业自身对待金融发展越积极，越容易提升企业价值[17]。

以上研究为本文提供了重要的借鉴，但同时在讨论投资最优决策时忽略了投资时滞的影响，且鲜少有文献研究金融科技发展程度对公司投资时滞与公司价值的直接影响。因此本文通过使用面板向量自回归模型分析金融科技发展程度、企业投资行为以及公司价值之间的动态关系，通过脉冲响应函数分析了金融科技的发展如何通过影响企业的投资时滞期数进而提升公司价值，以及金融科技发展能否通过改善融资约束减少企业投资不足的现象进而提高公司价值。

三 理论分析和研究假设

(一)面板向量自回归模型(PVAR)

公司价值的未来收益和风险不仅取决于当前因素还与历史发展状况相关，金融科技发展程度、投资与公司价值之间的相互关系也是一个跨时间的动态过程。因而本文在整合时间序列特征和面板三维变量特征的基础上，拟采用面板向量自回归模型来检验对于融资约束公司而言，金融科技发展程度对投资支出和公司价值的影响。PVAR模型的基本公式为

其中Yit为一系列内生变量，β为需要估计的参数矩阵，j为滞后阶数，γt为时间效果，hi为个体效果，干扰项为εit。后续将分别采用“组内均值差分法”和 “前向均值差分法”去除时间效应和个体效应。具体到本文的研究中，主要分析一系列变量对公司价值的预测效应。由于PVAR模型是选取内生变量的滞后项作为工具变量，因而需要采用(AIC、BIC、HQIC)信息准则判定最优滞后阶数，根据表1可知融资约束企业的最优滞后阶数为1阶。

表1 滞后阶数的确定

因此，本文面板向量自回归模型的具体表达式为

其中i=1,…,N;t=1,…，T;被解释变量tobinqit指的是t时期企业i的公司价值；由于信息准则确定的最优滞后阶数为1阶，因此解释变量包含公司价值tobinqit-1、投资支出invit-1和金融科技发展程度ln(Fintech)it-k的滞后一阶项；Xnit为控制变量，主要包含公司规模(size)和企业成长性(growth)；α0t、αit、ρit、τit以及θn为待估计参数，本文将在后文通过SGMM方法获得待估计参数的一致有效估计量。

(二)研究假设

对于我国而言，中小微企业贷款需求较大，但传统金融服务的效率低下，资金周转指数远小于贷款需求，导致多数小微企业难以获得传统金融的支持。出现该现象的主要原因是银企信息不对称、金融服务程序烦琐以及融资成本的高昂，这些都使得小微企业难以达到传统金融机构贷款的准入门槛。

随着金融科技的不断深入发展，关于金融科技的发展是否能够改善企业的融资困境，学界存在两种不同的结论。目前，部分学者认为金融科技可以促进企业的发展，提升公司价值。因为金融科技逐渐成熟，使得实体经济呈现出多元化发展，可以提高金融服务的质量，打破时间及空间成本，降低外部融资成本，实现实体经济融资效率的提升。张林运用静态和动态空间面板模型检验金融科技对实体经济增长的影响，结论表明金融发展和科技创新能够促进实体经济的长短期增长[18]。且金融科技基于大数据建立的企业融资信息服务平台，有利于提升企业的透明度，一定程度上缓解信息不对称，缓解中小微企业融资难的问题。例如，Arner等认为金融科技的发展可以支持更广泛的融资和投资渠道[19]。而另一些学者则认为金融科技的发展不利于企业价值的增长。蔡则祥等发现金融业服务于实体经济存在普遍的无效率性，金融与实体经济发展出现严重错配[20]。原因可能是金融科技发展将重心放在干预实体经济上，忽视了金融监管的重要性，导致金融业出现杂乱丛生的现象，再加上企业不能合理利用金融科技来规避风险，因此对实体经济企业投资效率产生负面影响。

综上所述，本文考虑到金融科技的特性，认为金融科技的发展可能会对公司价值产生正效应，但从影响的动态过程来看，可能会因利用不当出现一些不利于公司发展的问题。首先，从企业运用金融科技的初期来看，金融科技可以提供更多融资方式、优化金融服务体系以降低融资成本、提高企业的融资效率。但是若企业缺乏长期应对金融科技的策略，可能会因为金融服务门槛的降低倾向于投资高风险的项目，加大财务风险的突发性和严重性，不利于公司价值的提升。基于以上分析，我们提出以下假设。

假设1a: 金融科技的发展在短期内能够缓解企业的融资约束程度，促进公司价值的增长。

假设1b：金融科技的发展对企业的影响是呈动态变化的，从长期的影响来看可能是一把双刃剑。

对于外部发展环境而言，金融科技的发展是影响企业投资效率的重要因素之一。首先，金融科技对投资效率的影响是通过降低企业融资约束程度来实现的。若公司面临外部融资约束而内源资金又不充足，将有可能被迫放弃有价值的投资机会，表现出投资不足的非效率性投资行为。李红和谢娟娟通过欧拉方程模型研究了金融科技发展能否缓解上市公司的融资约束，结果表明金融发展水平的提高能够改善企业投资不足的行为[21]。庄雷和王烨认为金融科技创新引导了消费升级与产业升级，并带来投资的多元化以及投资效率的提升[22]。金融科技可以利用新兴技术改善金融机构与企业信息不对称的状况，如通过大数据、云计算等建立企业信用评估系统，风险定价系统以及追踪监控体系，这样会提升金融机构的投资效率，使得融资约束企业获得充足的资金进行投资，改善投资不足的现象。基于此，本文提出假设2。

假设2：金融科技的发展会促进企业投资的发生，缓解投资不足的现象，提升公司价值。

企业的投资行为不仅受到自身条件的影响，也受到外部发展环境的影响。对于企业自身发展而言，无论是投资的直接效应还是间接效应，从资金投入到建设项目形成生产能力、引起经济增长是一个动态的变化过程，需要一定的时间来逐步显示其作用，因而投资时滞带来的不确定性对企业价值的影响也十分复杂。部分学者认为投资时滞期数会加速投资，提升公司价值。如Sarkar and Zhang(2013)的研究表明投资时滞的增加会降低投资阈值从而加速投资[23]。另一些学者的研究表明投资时滞会延缓企业价值的提升。Deng 和Zhao的研究表明融资约束企业存在投资不足的现象，且有较长的投资时滞期数，因而投资与公司价值负相关[24]。由于投资时滞主要由投资的技术以及项目的特征决定的，投资时滞的长短也取决于施工技术水平、管理水平以及资金周转速度，而金融科技的发展通过建立数字化业务管理系统，提升了企业的业务管理水平和资金运转效率，有利于减小投资时滞期较长而带来未知风险。综上所述提出假设3。

假设3：企业投资行为对金融科技的冲击有正响应，金融科技可以缩短投资时滞期数，缓解企业投资不足的现象。

四 实证结果分析

(一)样本的选取

本文以2011-2020年在沪深交易所进行交易的A股公司为样本，考虑到2020年新冠肺炎疫情全面暴发可能造成的数据异常性，本文着重对2011-2020年数据进行分析，再进一步分析2020年新冠肺炎疫情冲击对融资约束企业的影响。金融科技指数来源于北京大学数字金融研究中心编制的数字金融总指数(更新至2020年)。在计算过程中剔除银行和保险类等金融行业公司的数据，ST*、ST及财务数据不健全的公司样本，为了消除极值或数据库数值错误，参考多数文献的处理方法，剔除超过均值 ±5倍标准差范围外的数据。所选数据来自CSMAR数据库和锐思数据库，最终确定观测值为362家融资约束的上市公司。

(二)变量的定义与度量

被解释变量。本文用tobinq作为公司价值的代理变量，从市场价值和重置成本的角度衡量企业的价值，既反映了企业的预期利润，体现了投资者对企业未来的预期，也包含了对风险的自动调整。

核心解释变量。本文的研究对象包括企业的投资行为、金融科技发展程度对公司价值的影响。为研究在投资时滞的影响下，公司所做的投资决策对公司价值的影响，采用投资支出(inv)这一指标来表示融资约束公司的投资行为。本文选取北京大学数字金融研究中心编制的数字普惠金融指数的总指数维度，作为金融科技发展程度(Fintech)的代理变量[25]。该指数采用蚂蚁金服的交易账户底层数据，从多个维度表现中国各地区的金融科技发展水平。

控制变量。本文控制了公司规模(size)和企业成长性(growth)的影响，同时加入行业虚拟变量与年度虚拟变量。公司规模会影响企业的投融资行为，因此本文用总资产的自然对数作为企业规模的替代变量。企业的成长性的计算方法为本年度营业收入减去上年度营业收入再除以上年度营业收入。

融资约束的度量。关于融资约束的度量在学术界存在较大的分歧，而融资约束衡量指标的不同造成了研究结论的差异。本文借鉴Hubbard以及连玉君等的处理方法，按照文献中广泛使用的公司规模、股利分派率和负债率三种标准对融资约束进行衡量[1][5]。依据公司规模、股利分派率以及负债率在2011-2013年样本区间的平均值，以第66百分位为分界点，进而把公司规模、股利支付率和负债率小于第66百分位之的公司划分为融资约束组(FC)，最终我们筛选出362家融资约束公司。详见表2。

表2 变量的定义与变量

(三)实证研究结果分析

1.描述性分析

为保证模型的可靠性，首先对融资约束公司的样本数据进行描述性分析。由表3可知，inv的最小值为0.0002，最大值为0.378，较大的个体差异表明融资约束企业的投资支出与企业自身条件和受融资约束程度有关。未经对数处理的金融科技发展程度Fintech的最大值为410.3，最小值为 18.33，且标准差较大为94.62，这说明我国各地区之间金融科技发展程度并不均衡，地区性差异较明显。经过对数化处理之后标准差较小，由此说明对该指标取对数是合理的。由公司价值tobinq可知，融资约束企业之间公司价值也有较大的差距。

表3 各变量的描述性统计结果

2.单位根检验

在进行回归之前，首先要对各变量进行单位根检验，面板数据单位根检验方法主要有LLC、IPS、ADF-F、Fisher、PP-F等，考虑到各个检验方法的优劣，为了提高检验效力，避免伪回归，本文运用IPS和Fisher检验方法进行单位根检验。

由表4可知，经过两种单位根检验后，均在1%的显著水平上拒绝面板包含单位根的原假设，因此不存在单位根问题，不需要进行协整性分析。

表4 单位根检验结果

3.SGMM回归结果分析

考虑到模型的扰动项可能存在异方差和自相关，且inv与tobinq之间可能存在内生性问题，因此本文采用SGMM估计对模型进行回归。由表1确定最优滞后阶数为一阶，因此本文对362家融资受限公司进行一阶SGMM回归，并对各个变量进行前向差分便于消除个体效应与异质性，回归结果如表5所示。为验证SGMM估计的有效性，本文将在稳健性检验部分借鉴Roodman与Arellano和Bond提出的直观的检验方法，在进行SGMM回归同时采用混合OLS回归(Pool OLS)和面板固定效应模型进行估计[26][27]。

(1)从企业投资行为的角度来看，inv对tobinq的回归系数为-2.7005，在1%的水平上显著，由此可知滞后一期的投资支出与公司价值显著负相关。其中隐含的经济原因可能正是投资时滞的存在，无论是投资的直接效应还是间接效应，资金投入建设项目形成生产能力、产生经济收益都需要一定的时间。该投资过程是动态变化的过程，在前一期进行投资决策之后，虽然支出了投资资金但还未产生收益，且受融资约束的公司普遍是规模较小、现金持有不足、外部融资成本高的公司，因而易表现出投资不足的非效率投资行为，滞后一期的投资支出对当期公司价值是负相关关系。

表5 SGMM回归结果

(2)由金融科技发展程度的角度来看，ln(Fintech)对tobinq的回归系数为0.9265，并在1%的水平上显著。由此可知，金融科技的发展程度与融资约束企业的公司价值显著正相关。出现该结果的经济原因有以下几点。其一，技术支持的改进。金融科技的发展完善了资本市场体系，通过技术改进改善了支付手段、财富管理以及银行业的传统技术。这些促使企业合理配置资源，如人工智能和智能投顾的出现极大地改善了实体企业的制造效率和决策效率。其二，金融科技的发展能够提高企业鉴别风险的能力。金融科技运用其大数据、人工智能、区块链技术等提高企业鉴别评估投资项目优劣的能力，促使融资约束企业将有限的现金流准确地投放于恰当的投资项目中，提升投资效率。其三，金融科技的发展能在一定程度上舒缓融资约束，提升公司价值。金融科技的发展能够打破与融资机构的信息不对称现象，将寻求投资机会的投资者与有资金需求的融资者汇聚到统一的平台，利用一定技术将大量小众的需求汇聚在一起，合理配置资金，使得信贷总量得以提升，能够在一定程度上缓解融资约束，使得融资约束企业可以获得发展资金进行有效投资，提升公司价值。综上所述，金融科技的发展能够缓解企业的融资约束程度，提升企业的投资效率，促进公司价值的增长，因此假说1a成立。

4.脉冲响应函数

脉冲响应函数是从动态角度表现各变量间时滞关系的方法，通过随机扰动项的一个标准差冲击对变量当前和未来取值的影响轨迹来衡量，它能够比较直观地刻画出变量之间的动态交互作用及其效应。本文将采用脉冲响应函数分析方法考查变量间的时滞关系，脉冲反应函数下图所示，中间实线为冲击的程度，上下虚线分别是95%置信区间的上下线，横轴表示冲击作用的滞后期间数，纵轴表示脉冲响应程度。

(1)金融科技对公司价值和投资支出的影响。

从图1可以清晰地看出金融科技对公司价值在未来10期的动态影响轨迹。金融科技一个标准差的扰动项冲击对公司价值的影响经历了三个阶段。从第0期至第1期，金融科技对公司价值的影响呈现出增长式的正效应。从第1期至第3期，正效应缓慢下降，即在该时期金融科技对公司价值的正效应逐渐缩小。从第3期开始，产生较小的负效应，最大值约为-0.01，随后缓慢趋近于零。由此可见金融科技在支持企业发展的过程中，并不是简单的短期行为，而是先呈现出持续3期的驱动效能，再出现较小的负冲击，这也证实了部分学者认为金融科技是把双刃剑的结论，它在加强服务供给降低服务成本的同时，也会影响传统行业的盈利能力。企业需要在发展的过程中不断调整应对金融科技的对策，发挥金融科技对公司价值的正向影响作用，避免出现因信息科技操纵不当等产生的负影响。因而，本文得到金融科技的发展对企业的影响是呈动态变化的，从长期的影响看可能是一把双刃剑。这一结论有效验证了假设1b。

由图2可知投资对金融科技的冲击有正响应，且此正效应持续至第4期。这说明对于现金流有限的融资约束企业而言，金融科技的发展在一定程度上会促进该类企业的投资的发生，在一定程度上缓解了投资不足的现象。如大数据与人工智能的应用拓宽了企业的融资渠道，改善了信息不对称的现象，使得投资决策趋于理性化与正确化，从而提高了投资效率。因而，本文认为金融科技的发展会促进企业投资的发生，缓解投资不足的现象，提升公司价值。这一结论有效验证了假设2。

图1 金融科技与公司价值的脉冲反应函数

图2 金融科技与投资的脉冲反应函数

(2)金融科技对投资时滞期数的影响。

为研究金融科技对企业投资时滞期数的影响，我们做了以下两组脉冲反应函数，一组不控制金融科技的发展程度，如图3所示；另一组反之，如图4所示。当不考虑金融科技发展程度时，由图3可知，tobinq受到inv一单位标准差的冲击后，产生负影响，并于第8期缓慢趋近于0。而控制了金融科技发展程度之后，如图4所示，inv一标准差的扰动项冲击立刻对公司价值产生了负影响，但该负冲击仅持续了3期，相较于图3减缓了负冲击的持续期数，在第0期后从最低点逐渐上升，于第3期趋近于零，之后便逐渐产生正效应。这一结果也验证了SGMM估计中滞后一期invt-1对当期tobinq负相关的结论，出现负冲击的经济原因一方面可能是投资时滞的存在，从产生投资支出到获取收益需要一定的时间，因而衡量项目是否可行要考虑该项目的未来收入价值，不能仅仅局限于投资当期或近期的效果，否则会低估该项目的投资价值或该公司的价值。另一方面是融资约束公司往往因投资不足而投资效率低下，有损公司价值，该结论与刘星等的研究一致[6]。但由图4的动态趋势可得出，金融科技的发展在第3期之后影响投资支出对公司价值产生正效应，这表明金融科技能在一定程度上缓解融资约束公司投资不足的低效率投资行为，缩减投资的滞后期数。综上所述，假设3成立。

图3 公司价值与投资的脉冲反应函数(a)

图4 公司价值与投资的脉冲反应函数(b)

5.疫情冲击对融资约束企业的影响

2020年1月新冠肺炎疫情的暴发对我国实体经济造成了严重的冲击，生产生活近乎停摆。为恢复实体经济，国家出台了一系列金融支持政策，实施减税降费，帮助企业纾困解难。在融资约束方面，加大对企业的创业担保贷款贴息支持力度，优化对受疫情影响企业的融资担保服务，给予复工生产足够的现金流支持。因而，在以上研究基础上，加入2020年这一特殊年份的数据，以衡量新冠肺炎疫情突发对企业融资约束程度和投资行为影响。

由表6可知，inv对tobinq的回归系数为1.0568，在5%的水平上显著，即投资支出对公司价值产生正向影响，这与样本窗口为2011-2019年所得结论不同。产生这一现象的原因可能是疫情的影响使得国家不得不加大对中小企业融资的扶持力度，通过安排贴息资金支持降低企业融资成本，提高融资担保服务，给予受疫情影响的融资约束企业足够的现金流以实现再生产，这些政策在一定程度上缓解了企业融资约束的程度和非效率性投资行为。

表6 SGMM回归结果

6.稳健性分析

由PVAR模型设定可知，模型的解释变量中包含被解释变量的滞后一阶项，为验证SGMM估计的有效性，本文借鉴Roodman与Arellano & Bond提出的直观的检验方法，在进行SGMM回归同时采用混合OLS回归(Pool OLS)和面板固定效应估计，由于混合OLS 回归时忽略了数据的面板结构，对被解释变量的滞后项得到上偏的系数估计，而固定效应估计虽然考虑了面板结构，但忽略了因变量滞后项和误差项的相关性，会得到下偏的系数，因此若SGMM 对因变量的滞后一阶项的估计系数介于两者之间，就说明本文模型符合Bond等人关于GMM估计有效性的判断标准。由表7可知SGMMtobinqt-1的估计系数为0.403，介于0.344与0.664之间，因此本模型所得结果是稳健的。

表7 稳健性检验

五 研究结论与政策建议

本文立足于当前学者对金融科技在微观层面的研究，采用 2011-2019年我国全部 A 股上市公司的数据，结合中国数字金融指数，研究地区金融科技的发展程度对融资约束企业投资行为和公司价值的动态关系，得到下述结论。第一，金融科技的发展在一定程度上能够舒缓企业的融资约束程度，提升公司价值。但该影响是呈动态变化的，从长期的影响来看可能是一把双刃剑。第二，金融科技的发展促进融资约束企业投资的发生，改善企业投资不足的现象。第三，金融科技的发展也可以通过缩短融资约束企业的投资滞后期数，促进企业投资效率的提升，进一步提升公司价值。第四，在新冠肺炎疫情期间，政府减税降费，提供融资担保等政策在一定程度上缓解了企业融资约束和投资不足的问题。结合以上研究结论，为更好地引导金融科技能够促进实体经济的发展，本文针对金融机构、国家以及企业提出如下建议。

(1)由于目前是金融科技高速发展的时代，特别是新冠肺炎疫情的出现促使一些新兴产业快速发展，对于金融机构而言必须转变传统的服务模式，运用大数据、云计算、人工智能等金融科技手段构建信息共享平台，提升金融服务的质量与效率，降低金融成本，提高企业融资获得率。(2)对于国家而言，要有效把握政府与市场的边界，在对金融科技进行有效监管的同时，释放市场活力，引导金融科技提供精准的金融服务支持，将中小型企业嵌入优质的金融环境，缓解该类企业融资难融资贵的现象；国家可支持发展股票市场，扩大直接融资的比例，抑制金融机构的信贷歧视，实现金融科技优化发展的同时保障实体经济的发展。在新冠肺炎疫情持续期间，政府应当因地制宜制定合理的融资政策，加快信贷资源的投放速度，为受疫情冲击严重地区提供融资担保服务，共克时艰。(3)对于企业而言，要提升自身信息管理能力和运用数字化信息的能力。企业应从战略全局高度，对应用金融科技做出总体规划，根据自身经营状况和战略目标确定融资规模，主动稳妥地实现金融科技对公司的积极作用，降低金融科技的负面影响。