数字金融、融资成本与制造业企业创新

肖雁飞 陈 静

一、引言

企业创新具有极大不确定性，同时受到高调整成本和高融资成本的双重约束。为确保创新活动的可持续性，充足、稳定的金融资源必不可少〔1〕。然而，当面临较强的融资约束时，企业进行创新研发的意愿将被削弱，将倾向于减少研发支出而更多投向“短平快”项目〔2〕。因此，我国企业创新面临的主要困难往往也与金融资源缺位有着密切关系，如谢绚丽(2018)等认为传统金融市场发展不平衡所造成的金融资源缺位是我国企业创新意愿低的主要原因〔3〕。目前，我国正实施创新驱动发展战略，尤其是制造强国战略的实施必须依赖于企业创新。但由于我国直接融资市场的金融供给不足，传统的间接融资部门在谋求盈利性的同时也持风险规避态度，即便在各金融部门通力合作下，也难以使制造业获得足够金融支持〔4〕。

数字金融发展对企业创新影响研究还刚起步，相关研究主要从企业风险承担〔5〕、融资约束〔6〕等视角探讨了数字金融对企业创新的促进作用，认为数字金融在数字技术支撑下可以便利地获取到更多中小企业信息，有助于金融机构研发出更多适配中小企业融资需求的金融产品和服务，进而有效降低融资难度〔7〕，并促进企业降低财务杠杆、稳定财务状况〔8〕，最终提升企业创新能力。然而，相关研究较多从全行业考虑企业创新问题，仅少量研究涉及对制造业创新影响研究，如唐松(2020)等将企业分为制造业与非制造业两个对照组，认为数字金融对制造业企业创新驱动效应更为明显，但研究未揭示融资成本在其中所起的作用〔9〕。

本文从融资成本角度出发，试图探讨数字金融是如何激励制造业企业创新的，可能的贡献在于：第一，已有研究主要是从全行业角度考察，本文专注于制造业企业，探究数字金融对制造业企业创新影响，并进一步把数字金融分为覆盖广度、使用深度以及数字化程度三个维度，探讨不同维度对企业创新影响差异。第二，现有研究虽然探讨了数字金融对融资成本降低的积极作用，但这一作用在制造业企业创新中的传导过程较少触及，本文尝试从融资成本角度探讨数字金融对制造业企业创新的作用机制，以期更好解释数字金融是如何通过降低融资成本进而激励制造业企业创新的。第三，本文进一步探讨企业和地区异质性，能够为促进我国不同规模和不同地区的制造业企业创新提供针对性建议。

二、理论分析与假设提出

1.数字金融与制造业企业创新

首先,数字金融能降低制造业企业创新融资门槛,拓宽融资渠道。传统金融机构在选择客户时更偏向于规模大、固定资产多、经营绩效好的企业。小微企业往往因为各种因素限制被传统金融体系排斥,难以获得融资,形成“长尾群体”。而数字金融拓宽了传统金融边界〔10〕,突破了时间和空间限制,旨在通过行为场景数据和大数据手段触及更多由小规模企业等构成的“长尾群体”,破除融资壁垒、扩大服务范围,更多小规模企业可以借助多种服务模式拓宽创新融资渠道,进而提高其创新水平。

其次，数字金融所具备的信息搜寻能力能帮助制造业企业提高融资效率、降低创新融资成本，也能防范信贷风险事件发生。企业创新项目兼具信息不对称和高风险性〔11〕，传统金融机构在对企业创新项目进行贷款审批时，往往持谨慎态度，为降低信贷风险、保护债权人利益，通常会进行复杂且漫长的审查，不可避免地会产生高额审批费用，这一部分费用最终将会由企业承担，导致企业融资成本升高。制造业企业信息搜寻能力较差，通常难以迅速捕捉到有效融资信息，而数字金融具有资源和信息整合效应〔12〕，企业信息被置于大数据互联网框架中，为贷方机构进行客户资质审核带来极大便利，快速实现金融资源与目标客户匹配，缩短融资周期，这在一定程度上解决了传统金融服务中由于信息不对称而导致的高成本问题，拓展了普惠金融服务范围和服务深度〔13〕。此外，数字金融通过大数据手段还能有效识别和管控风险，提高风险管理能力，为贷方机构监督贷后资金使用情况提供了便利，可在一定程度上避免金融市场中存在的道德风险问题。据此，提出：

假设1：数字金融对制造业企业创新具有激励作用。

2.数字金融与制造业企业创新：融资成本的调节效应

一方面，金融支持是技术创新核心要素，完备的金融体系可为企业创新活动提供稳定充足资金来源，从而确保创新活动顺利进行〔14〕。我国传统金融体系一直以来以银行为主导，面对市场竞争的加剧，银行只能通过提高资金投放效率和提高风险忍耐度来增加收入，维持原有的利润水平〔15〕。因此，传统金融支持面临贷款风险，使得制造业企业在寻求金融支持时出现“融资难、融资贵”困境，阻碍企业创新。数字金融基于云计算、大数据等信息技术并借助网络交易平台，极大便利了企业信用数据的收集、整理和分析，使得信贷审批速度大幅提升〔16〕，节省了信贷审批过程中人力和物力消耗，融资成本随之减少，且数字金融快速发展倒逼传统金融改革发展，使得融资成本进一步降低。显然，融资成本减少会降低制造业企业创新成本，增强企业创新意愿，从而更多地进行研发投入。

另一方面，融资成本不仅会直接影响制造业企业创新投入，还可能在数字金融促进企业创新中起着调节作用。首先，融资成本降低有利于增强制造业企业偿债能力。融资成本降低意味着企业通过数字金融进行融资的偿债压力减小，企业更有动力筹集资金进行创新活动。其次，融资成本降低有利于增强制造业企业盈利能力。企业在维持原有收益水平情况下，融资成本减少有利于企业增加利润、增强盈利能力，刺激企业利用数字金融进行融资并投入到创新活动中，进而获取更多收益，进一步提升盈利能力，从而提升企业市场竞争力。因此，融资成本越低，制造业企业利用数字金融增加研发投入的动力越强。据此，提出：

假设2：融资成本越低，越有利于通过数字金融促进制造业企业创新。

3.数字金融激励制造业企业创新具有异质性

通常来说，信息透明度较高的企业会在融资方面更具优势。为提高企业信息透明度，大规模企业定期都会聘请专业机构进行审计并进行信息披露，而小规模企业则没有足够资金实力去支付高额费用。因此，小规模企业往往由于规模小、缺乏抵押品、信息披露不完善等原因难以在传统金融体系下通过正规金融渠道获取资金。因而，尽管小规模制造业企业具有极强创新活力，却长期以来受制于传统金融规模歧视效应。数字金融具有普惠特性和一定的逆规模特征，有利于为小规模制造业企业带来丰富的金融资源。同时，在传统金融体系下，大规模制造业企业的创新资金需求已经得到基本满足，因此，数字金融将更多地为小规模制造业企业提供创新融资服务。据此，提出：

假设3：数字金融对小规模制造业企业创新的促进作用更为显著。

另外，就经济发展水平而言，在经济发展水平相对较低的地区，数字金融可能是制造业企业获取资金提高企业技术创新水平的主要途径，对其依赖程度较高，受到的影响也相对较大，且经济发展水平较低的地区的制造业企业创新资金需求长期受到抑制，数字金融的出现将为这些企业带来可供技术创新的资金，刺激企业增强创新意愿，从而推动其创新水平提升。而在经济发展水平较高的地区，往往有着发达的金融体系，传统金融水平相对较高，对数字金融依赖程度低，受其影响相对较小。在经济发展水平较高的地区，企业长期以来保持着较高创新水平，创新需求也不会因为数字金融出现发生实质性改变。同时，我国不同地区制度环境、政策倾向等有较大差别，东部地区传统金融水平高，基本可以满足企业资金需求，而中西部地区由于金融机构网点分布密度小、金融基础设施落后，导致传统金融水平较低，制造业企业想要获取创新资金十分困难。因此，数字金融有利于缓解中西部企业融资约束，为技术研发提供资金支持，激励其开展研发活动。据此，提出：

假设4：数字金融对制造业企业创新的正向作用在经济发展水平较低的地区以及中西部地区更为显著。

三、研究设计

1.数据来源

本文以2011-2020年我国A股市场制造业企业作为样本，与数字金融指数进行匹配构建面板数据集。对数据进行如下处理：第一，剔除财务数据中存在缺失值和异常值的上市公司数据；第二，针对在样本期间出现非正常交易状态的制造业企业，将该企业全部年份数据进行剔除；第三，数据连贯性以“3年连续”为最低标准，将不满足最低标准企业样本予以剔除。为消除极端值影响，还对企业层面控制变量按照上下1%进行缩尾处理，最后得到12251个样本。数字金融指数来自《北京大学数字普惠金融指数(2011-2020年)》，企业财务数据来自CSMAR数据库。

2.变量说明及描述性统计

(1)被解释变量：企业创新水平(RDSSR)。借鉴李汇东(2013)等研究〔17〕，选取“研发投入占营业收入的比值”来测度企业创新水平，该指标能对每单位营业收入所对应的创新研发投入变动情况进行准确刻画。

(2)解释变量：数字金融指数(FI)。选取《数字普惠金融指数》省级指数衡量我国各省数字金融发展水平，该指数从覆盖广度(Width)、使用深度(Depth)以及数字化程度(Digital)三个维度进行刻画。考虑数字普惠金融指数及各维度指数数值较大，对其采取除以100的方式进行处理。

(3)调节变量：融资成本(EXP)。借鉴谢婷婷(2021)等所采用的指标〔18〕，使用“财务费用与总负债的比值”衡量融资成本，该指标可反映企业在融资时支付的佣金、手续费等费用情况。

(4)控制变量。借鉴贾俊生(2021)〔19〕、万佳(2020)〔20〕以及赵晶晶(2021)〔21〕等人研究成果，选取如下控制变量：企业资产(SIZE)、企业年龄(AGE)、资产负债率(LEV)、托宾Q值(Q)、净资产收益率(ROE)、管理费用率(MER)与固定资产比(FAR)，详见表1。

表1 指标体系及说明

(5)描述性统计。从表2可知，RDSSR最小值为0，最大值为76.35%，说明各个企业间创新投入水平差异较大，且均值为4.54%，中位数为3.78%，说明我国制造业企业创新水平整体偏低。FI最小值为0.162，最大值为4.319，说明各地数字金融水平差异较大，且均值为2.661，中位数为2.721。

表2 描述性统计

3.模型设定

借鉴唐松(2020)等研究〔22〕，选用双向固定效应模型，考察数字金融对制造业企业创新影响作用，构建模型(1)进行检验：

RDSSRi，t=α0+α1FIi，t+α2Controli，t+δi+θt+εi，t

(1)

为了探究融资成本的调节效应，在上述模型基础上加入融资成本与数字金融的交乘项，构建模型(2)：

RDSSRi，t=β0+β1FIi，t+β2EXPi，t+β3EXPi，t*FIi，t+β4Controli，t+δi+θt+εi，t

(2)

模型(1)-(2)中，i表示企业，t表示年份。RDSSRi，t为制造业企业创新水平；FIi，t为数字金融总指数；EXPi，t为融资成本；Controli，t为前述控制变量；δi为企业个体固定效应，用于控制随个体变动的不可观测因素；θt为时间固定效应，用于控制随时间变动的不可观测因素；εi，t为随机误差项。

四、实证分析

1.数字金融对制造业企业创新影响

基准回归结果如表3所示，每个回归中都加入了企业层面控制变量，并且进行了个体和时间双向固定。其中表3列(1)报告了数字金融总指数对制造业企业创新回归结果，数字金融总指数系数为0.705，通过5%显著性检验，可见数字金融发展能够显著促进制造业企业提升创新水平，支持了假设1。为进一步分析数字金融与制造业企业创新关系，对数字金融进行降维，分别报告数字金融“覆盖广度”“使用深度”和“数字化程度”对制造业企业创新影响，见表3列(2)-列(4)结果表明，“覆盖广度”对制造业企业创新回归系数为负值但不显著，而“使用深度”和“数字化程度”回归系数分别为0.381和0.33，且分别在5%和1%水平上显著为正，说明数字金融可通过“使用深度”延伸以及“数字化应用”推广，为制造业企业带来多元化融资方式，助力制造业企业创新，而单纯依靠“使用群体”覆盖范围的扩大，则很难为制造业企业创新提供支持。

表3 基准回归结果

表3中各个控制变量系数也基本符合理论预期。企业资产和企业年龄系数分别在5%和1%水平上显著为正，说明规模越大、上市年份越久的制造业企业，技术创新能力水平越高。资产负债率系数在5%水平上显著为负，说明负债经营不利于制造业企业创新。

为了解决可能存在的反向因果问题，本文使用数字金融总指数及其二级维度的滞后一期对制造业企业创新进行回归分析，如表4所示。数字金融总指数滞后一期通过了1%显著性检验，数字金融“使用深度”和“数字化程度”滞后一期分别通过了5%和1%显著性检验且均为正，与基准回归结果一致。

表4 数字金融滞后一期对制造业企业创新的回归结果

2.融资成本的调节效应

表5报告了融资成本在数字金融对制造业企业创新影响中的调节作用。列(1)表明，融资成本与数字金融总指数的交乘项系数为-3.66，通过了1%显著性检验，且

表5 融资成本调节效应的回归结果

数字金融总指数系数显著为正，与交乘项系数符号恰好相反，表明融资成本降低1个单位，数字金融对制造业企业创新边际影响会增加3.66个单位，意味着融资成本的调节作用显著存在，融资成本会负向调节数字金融对制造业企业创新的促进作用，假设2 得到验证。可能的原因在于，当融资成本降低时，制造业企业开展创新活动成本随之降低，企业通过技术创新也能够获得更多收益，企业偿债能力、盈利能力和创新能力同时得到提高，企业会更加愿意运用数字金融进行融资进而开展创新活动。列(2)-(4)表示融资成本在数字金融不同维度对制造业企业创新影响中的调节作用，结果表明，融资成本与“使用深度”和“数字化程度”交乘项系数均在1%显著性水平上为负，同时对应的回归中数字金融“使用深度”和“数字化程度”系数均显著为正，表明融资成本会负向调节二者对制造业企业创新激励作用。

3.异质性检验

(1)企业规模异质性。以企业资产中位数作为划分标准，将研究样本划分为小规模制造业和大规模制造业两组，然后分别对两组企业进行回归检验，估计结果见表6列(1)和列(2)。检验发现，无论是小规模组还是大规模组，数字金融对制造业企业创新促进作用都存在，都通过了10%显著性检验，其中小规模企业组中数字金融系数更大，促进作用更为明显，假设3得到验证。

表6 异质性分析结果

(2)地区发展异质性。首先，考察经济发展水平在数字金融对制造业企业创新激励效应中的影响。以“人均地区生产总值”衡量一个地区经济发展水平，根据该指标上下30%进行分组回归，将30%分位数以下的地区视为经济发展水平较低地区，70%分位数以上的地区则视为经济发展水平较高地区，估计结果详见表6列(3)和列(4)。

检验发现，在经济发展水平较低的地区，数字金融对制造业企业创新影响显著，系数为1.334且在5%显著性水平上显著；而在经济发展水平较高的地区，未见显著偏向性影响，假设4中“数字金融对制造业企业创新的正向作用在经济发展水平较低的地区更为显著”得到验证。其次，考察地区差异在数字金融对制造业企业创新激励效应中的影响。将样本划分为东部地区与中西部地区两组进行回归分析，其中东部地区省份包括北京、河北、浙江、天津、山东、江苏、福建、上海、海南和广东等10个省级行政单位，其余省份(除黑龙江、辽宁、吉林以外)属于中西部地区。估计结果见表6列(5)和列(6)。检验发现，数字金融对中西部地区制造业企业创新促进作用显著，系数为1.859且通过了1%显著性检验；而对东部地区制造业企业创新没有明显影响。假设4中“数字金融对制造业企业创新的正向作用在中西部地区更为显著”得到验证。

4.内生性检验

在上述回归分析中，考虑了反向因果问题，但还可能由于遗漏变量等原因存在内生性问题。借鉴许钊(2022)〔23〕、余得生(2022)〔24〕等研究，采用工具变量法，将数字金融指数滞后一期作为工具变量进行内生性检验。第一阶段回归结果显示，数字金融滞后一期系数为0.716，通过了1%显著性检验，满足相关性要求，并且第一阶段F值为1869.889，远大于10，说明不是弱工具变量。第二阶段回归结果表明，数字金融指数系数为1.369，并且通过了1%显著性检验，即数字金融对制造业企业技术创新具有显著激励作用。因此，不论是在基准回归中还是在工具变量回归中，数字金融对于制造业企业创新都具有显著正向作用，即在考虑内生性后本文的结论依然成立(1)因篇幅所限，内生性检验结果未列示。。

5.稳健性检验

考虑到我国直辖市(北京、天津、上海、重庆)经济特殊性，数字金融发展水平、企业创新活动等都可能与其他地区存在较大差异。因此，将直辖市样本予以剔除并重新进行检验。同时，由于2013年是我国数字金融发展元年，考虑到数字金融在2013年前后发展水平差异，删除了2013年之前样本数据，将检验数据年限设定在2014-2020年重新进行回归。结果表明，数字金融有助于制造业企业创新的主要结论没有改变，数字金融不同维度对制造业企业创新影响的结论也均未发生变异(2)因篇幅所限，稳健性检验结果未列示。。

五、结论与建议

本文以我国A股市场制造业企业为研究对象，从融资成本角度考察了数字金融对制造业企业创新的影响。结果表明，数字金融对制造业企业创新有显著促进作用。从不同维度来考察，“使用深度”和“数字化程度”促进作用明显，而“覆盖广度”作用不显著。从融资成本调节作用来看，融资成本在数字金融促进制造业企业创新过程中具有显著负向影响。从异质性检验来看，数字金融对小规模制造业企业促进作用大于大规模制造业企业，对经济发展水平较低的地区的促进作用更为显著。

政策建议：第一，大力发展数字金融，着力提高数字金融的使用深度和数字化程度，充分发挥市场力量促进金融信息化和数字化。与此同时，监管部门要对数字金融加强监管，使数字金融尽可能服务于实体经济，避免数字金融资金过多地流进资本市场，防范系统性风险发生，但也要在守住风险底线前提下，给足容错空间，促进数字金融的持续健康发展。第二，充分发挥融资成本对数字金融创新激励效应的调节作用。数字金融快速发展给传统金融带来了巨大压力，倒逼传统金融改革发展，竞争效应下企业融资成本不断走低，制造业企业运用数字金融进行融资的动力增强，政府部门在关注数字金融发展的同时也要重视传统金融的改革。第三，政府在制定企业创新相关政策时，需要更多地关注小规模制造业企业。数字金融能够为小规模制造业企业创新带来丰富的金融资源，能够帮助落实我国创新驱动发展战略实施，应该制定相应政策使数字金融更多地向“长尾群体”倾斜，更多地为这部分群体提供创新资金支持。第四，强化数字金融对经济发展水平较低的地区制造业企业创新的激励作用。经济发展水平较低的地区制造业企业容易受制于传统金融发展的不平衡，难以获取充足的金融资源投入到创新研发，如今数字金融迅速兴起，为企业获取技术创新资金提供了多样化的融资渠道，制造业企业应该抓住机遇。