数字普惠金融对中国制造业企业技术创新效率影响

张高瀚 李威 许尚坤

[摘要]我国制造业高质量发展对推动我国经济高质量有着重要影响，而我国制造业企业自主创新效率低是制约制造业高质量发展的重要因素之一。基于2011—2022年主板、创业板以及新三板上市制造业企业的数据，深入探讨数字普惠金融对制造业企业技术创新效率的具体影响及其作用机制。研究结果发现，数字普惠金融能够显著提升制造业企业的技术创新效率。进一步的机制分析揭示其背后的作用路径：数字普惠金融通过有效降低企业融资成本和增强商业信用，为制造业企业技术创新活动提供有力支持。此外，金融监管在这一过程中发挥积极的正向调节作用。基于上述研究结论，提出一系列政策建议：持续深化数字普惠金融的基础设施建设，并不断优化金融服务体系；倡导并鼓励制造业企业深入参与数字普惠金融的建设与发展；加强对数字普惠金融的监管力度，确保其合规运营并控制潜在风险。

[关键词]数字普惠金融；制造业创新效率；金融监管；融资成本；商业信用

一、 引言

党的二十大报告明确提出，要推动我国制造业迈向高端化1。实现这一目标的关键环节之一是提升制造业企业的创新效率。此外，近年来，一些发达国家通过非市场手段试图阻碍我国获取先进技术和知识的渠道，例如断供、脱钩以及限制特殊领域的科学交流等[1]。这些做法不仅在一定程度上限制了我国获取先进制造业技术的途径，还凸显了我国制造业企业在自主创新效率方面的不足。因此，有必要深入探索能够有效提升我国制造业创新效率的政策路径。

已有研究结果表明，企业融资困难和融资成本高是制约创新效率提升的重要一环。在企业实施技术创新的初期，需要大量的研究开发经费，包括购置先进的研究设施、聘请专业的研究开发人才。然而，技术创新具有周期长、风险高等特点，因此在新技术研发的中后期，稳定且持续的资金来源变得尤为关键[2-3]。在传统金融模式下，金融服务的供给往往不足。即便一些企业能够获得融资，由于传统金融模式缺乏高效、便捷的融资方式，企业的融资成本也往往较高[4]。因此，为了克服影响制造业企业创新效率提升的种种障碍，有必要积极探索并构建新型金融模式，以推动制造业企业的创新与发展。

我国政府对数字普惠金融在推动经济高质量发展中所扮演的角色给予了极高的重视。在党的二十大报告中，明確提出了推动数字经济与实体经济的深度融合，并将普惠金融作为数字经济的一项重要内容2。数字普惠金融与人工智能、大数据、云计算等前沿数字技术的紧密结合，赋予了其共享、便捷、低成本和低门槛等诸多优势。学术界普遍认为，数字普惠金融不仅能够有效缓解企业在融资方面所面临的困难和挑战，还能助力企业规避道德风险和逆向选择问题。尽管数字普惠金融作为一种新型金融模式，为制造业企业在融资方面提供了新的解决方案和服务渠道，然而，数字普惠金融是否能够切实提升制造业企业的创新效率仍然是一个值得深入探讨的问题。

本文旨在利用制造业企业的面板数据，深入剖析数字普惠金融对制造业企业创新效率的影响。当前，尽管已有大量研究从全行业视角出发，分析数字普惠金融对上市企业创新的影响，但这种宏观视角往往忽视了不同行业之间的特性差异，导致研究结论的普适性和针对性受到一定限制。特别地，截至2021年，我国制造业法人单位数量已超过410万，而同期A股制造业上市公司的数量仅为3313家1。这一数据清晰地表明，制造业中的中小微企业数量远超上市公司，并且对整体制造业的发展具有至关重要的影响。此外，现有文献在探讨创新问题时，主要聚焦创新数量的提升，而忽视了创新效率的重要性。创新效率不仅涉及研发资金的投入，还要综合考量这些投入所带来的创新数量与质量的比例关系，从而更加关注创新质量的提升。针对现有研究的不足，本文拟在已有研究的基础上进行完善。本文可能的边际贡献：首先，系统整理主板、创业板以及新三板制造业公司的数据，力求更全面地涵盖制造业中的中小微企业，从而更准确地揭示数字普惠金融对制造业创新效率的影响。其次，重点关注创新效率，深入剖析数字金融如何作用于制造业的创新效率，并提出具有针对性的政策建议。最后，深入关注并分析制造业的特性，结合行业特性进行深入剖析，以期为实践领域提供有力的理论支撑和决策参考。

二、 理论分析与研究假设

1. 影响机制及研究假设

（1）直接影响机制

直接影响机制方面，数字化普惠金融通过拓宽企业对外融资的途径和降低金融服务的门槛，让更多的中小微企业能够获得金融机构的资助，从而体现其普适性。

数字普惠金融是对传统金融排斥理论与包容性增长理论的补充与完善。金融排斥现象，由Leyshon等[5]首次构建理论模型并进行探讨。该理论指出，传统金融机构在追求更高收益的同时，加剧了不同企业间的两极分化。以我国1998年金融分支机构改革为例，金融管制的放松虽促进了银行业竞争，提高了运行效率，但也使银行为追求利润而采取细分市场策略，导致低价值客户被边缘化，金融服务壁垒逐渐形成，金融排斥现象日益严重。为应对这一问题，亚洲开发银行于2007年提出了包容性增长理论[6]。该理论的核心观点是，每个个体都应平等地享有发展机会，特别是弱势群体应得到保护。尽管包容性增长理论在理论上取得了突破，但其提出的解决方案仍主要依赖传统方法，如加强中小企业建设、推动贸易自由化等。在我国实践中，这些方法虽取得了一定成效，但仍存在部分企业融资难的问题。

在这一背景下，数字普惠金融的兴起为弥补传统方法的不足提供了新的解决方案。数字普惠金融利用数字技术和金融业务相结合的优势，为不同社会群体提供了共享金融服务的机会，从而提高了社会金融服务的普惠性。具体来说，数字普惠金融通过大数据技术的支持，深入挖掘企业的历史发展情况，并建立信贷评分模型，为中小微企业和低收入人群提供金融服务。因此，数字普惠金融在我国制造业规模大、企业众多的背景下，为众多中小微企业提供了宝贵的融资机会，推动了整体金融服务普惠性的提升。基于此，本文提出如下假设：

H1：数字普惠金融对制造业企业技术创新效率有着正向的促进作用。

（2）间接影响机制

在间接影响机制方面，即便对于已经拥有融资渠道的大中型企业，数字化普惠金融也能凭借其数据和技术优势，有效降低融资成本。此外，数字化普惠金融还有助于缓解传统金融市场中的逆向选择和道德风险问题，进而提升企业商业信用，促进市场信用体系的建设与完善。

在传统金融体系中，信息披露的不充分往往给市场带来潜在的不公平。金融机构作为金融市场中的中介机构，具备显著的优势：拥有专业的代理人团队、垄断性的线下能力以及雄厚的资本实力。这些优势使得金融机构能够有效地规避市场风险，并在贷款过程中占据主导地位。企业为获得贷款，不仅需要提供严格的信贷资格证明，还要满足金融机构制定的资产抵押标准。这增加了企业的融资成本，而外部融资对于推动企业技术创新效率的提升至关重要[7]。数字普惠金融的广泛应用为这一困境提供了解决方案。数字普惠金融借助强化的信息搜集与数据分析能力，助力金融机构更透彻地洞悉企业经营实况。这不仅简化了审查流程，缩短了审批时间，还有助于降低资产信用评估、线下审核和风险管理的成本。因此，金融机构运营成本的降低为企业带来优惠利率，从而有效降低了企业的融资成本。此外，数字普惠金融的发展还影响了融资定价模式，使其逐渐从传统的信用定价模式转变为自由市场定价模式。这一转变使得金融机构能够进一步简化审核程序，减少审批周期，从而更有效地降低资产信用评价、离线审核和风险管理等费用[8]。

数字普惠金融能够有效缓解市场不确定性和道德风险带来的信用降低问题。市场不确定性的产生往往源于信息的复杂性，而道德风险则部分归因于市场参与者的有限理性。这两种因素共同导致市场交易成本的增加，而解决这一问题的关键在于提升交易双方的信用水平。一方面，信用调节理论主张通过货币信用政策来扩大信用水平，从而促进经济增长。另一方面，信用创造理论提出，货币是银行创造信用的典型手段，这进一步暗示了银行在理论上具有无限的信用创造能力。那么，数字普惠金融如何影响企业与金融机构之间的信用关系？从金融机构的角度来看，新型金融工具作为数字普惠金融的基石，结合大数据、互联网和云计算等数字技术，能够精准识别企业的信用信息。通过建立第三方信用信息平台或风险控制体系，不仅可以降低企业间的信息不对称，还能提升企业的商业信用水平[9]。数字技术还能使企业信用更加透明、信息化，这不仅改变了传统的信用定价模式，提高了资源配置效率，还有助于缓解逆向选择和道德风险，进而增强企业的商业信用[10]。基于此，本文提出如下假设：

H2：数字普惠金融可以间接通过降低融资成本和提高商业信用机制来提升制造业企业技术创新效率。

2. 调节效应分析

理论层面上，关于金融监管对企业技术创新效率的影响存在诸多争议。一方面，监管的成本收益理论认为，金融监管措施如对企业杠杆率的限制和对金融机构资本金的要求等，可能导致企业融资成本上升。另一方面，金融监管有效性理论则认为，监管是解决委托代理成本的有效手段，能够增强金融市场的信息透明度。然而，数字普惠金融的兴起有望降低金融监管的成本，并进一步发挥监管的优势。具体来说，在数字普惠金融的影响下，金融监管体系正在经历变革。人工智能算法在防范金融风险管理方面发挥着重要作用，这有助于缓解传统监管方式可能带来的企业融资成本上升问题[11-12]。此外，鉴于我国制造业企业在前沿技术创新方面的积累不足，金融监管可以加强知识产权保护力度，严厉打击侵犯知识产权的行为，从而提升企业勇于创新研发的信心。在金融监管的助力下，欺诈行为将受到严厉处罚，数字普惠金融所带来的企业商业信用提升也将得到进一步强化[13]。基于此，本文提出如下假设：

H3：金融监管在数字普惠金融对制造业企业技术创新效率的影响中发挥调节作用。

三、 研究设计

1. 模型构建

（1）基准回归模型

为验证假设H1，本文构建面板回归模型检验数字普惠金融对制造业企业技术创新效率的直接影响。具体模型如式（1）所示：

[vati，j，t=β0+β1difj，t+βmXi，j，t+μi+δt+εi，j，t] （1）

其中，下标[i]表示企业，[j]表示省份，[t]表示年份，[vati，j，t]为制造业企业技术创新效率指标，[difj，t]为数字普惠金融指数，[Xi，j，t]为控制变量，[μi]為个体固定效应项，[δt]为时间固定效应项，[εi，j，t]为随机误差项，[β0]、[β1]和[βm]为待估计的参数。其中，[β1]是最需要关注的参数，如果[β1]在统计上显著为正，则说明数字普惠金融有助于促进制造业企业技术创新效率提升。

（2）中介效应模型

为验证假设H2，本文采用中介效应模型，构建三步法检验程序，在式（1）基础上，增加式（2）和式（3）：

[mediai，j，t=β0+β?1difj，t+βmXi，j，t+μi+δt+εi，j，t] （2）

[vati，j，t=β0+β1"difj，t+β2mediai，j，t+βmXi，j，t+μi+δt+εi，j，t] （3）

其中，[mediai，j，t]为中介变量，其余变量定义与式（1）一致。若[β?1]、[β1"]和[β2]都显著，则说明中介效应成立。此外，可以通过计算[β2]与[β?1]乘积计算中介效应大小。

（3）调节效应模型

为验证假设H3，即探究金融监管的调节作用，本文设定调节效应模型如式（4）和式（5）所示：

[vati，j，t=α0+α1difj，t+α2jgj，t+αmXi，j，t+μi+δt+εi，j，t] （4）

[vati，j，t=α0?+α?1difj，t+α?2jgj，t+α3?difj，t×jgj，t+αm?Xi，j，t+μi+δt+εi，j，t] （5）

其中，[jgj，t]表示[j]省份[t]年份的金融监管强度，其他变量与式（1）一致，重点关注交互项（[difj，t×jgj，t]）的系数[α3?]，若[α3?]与式（1）的[α1]同号，则说明金融监管起到了正向调节作用。根据假设H3理论分析，预计[α3?]与[α1]同号。

2. 变量设定与说明

（1）被解释变量

本文的被解释变量为制造业企业技术创新效率（[vati，j，t]）。参考Hirshleifer等[14]的研究方法，企业技术创新效率用制造业企业专利数量与当年和前一年研发支出比值来衡量。由于比值很小，将其扩大107以方便观测。

[vati，j，t=patenti，j，trdi，j，t+rdi，j，t-1×107] （6）

（2）核心解释变量

本文的核心解释变量为数字普惠金融（[dif]）。参考郭峰等[15]的研究方法，采用2011—2022年北京大学数字普惠金融指数来测度。

（3）中介变量和调节变量

中介变量为[fi]表示企业融资成本。本文采用谢婷婷等[16]的研究方法，采用企业财务费用占总负债比重来表示；[fe]表示企业商业信用，采用陈胜蓝等[17]的研究方法，采用应付账款、应付票据和预收账款总和占营业成本比重来表示。调节变量为[jg]，表示金融监管，采用王博峰[18]的研究方法，采用地区金融监管支出占金融业增加值的比重来表示。

（4）控制变量

本文参考朱俊丰[19]的研究方法，选择的企业层面控制变量有：企业总资产规模（[size]），企业收入规模（[income]），企业资本密集度（[intensity]），采用企业总资产与营业收入的比值计算；企业成长性（[growth]），采用企业营业利润率衡量。区域控制变量有：产业结构（[si]），采用地区第二产业占第三产业的比重来计算；教育投入（[education]），采用地区财政教育支出占财政总支出比重来计算；工业化程度（[indust）]，采用工业增加值占地区生产总值比重来计算；政府科技支持（[support]），采用地方财政科学技术支出占地方财政一般预算支出比重来计算；技术市场发展水平（[market]），采用技术市场成交额占地区生产总值比重来计算。

3. 数据来源和描述性统计

本文选取主板、创业板和新三板制造业企业作为研究对象，并采用北京大学提供的《数字普惠金融指数》进行数据匹配，以构建2011—2022年的面板数据。对于样本数据的处理过程如下：第一步，剔除财务信息缺失严重的企业，即剔除关键指标中数值缺失的企业。第二步，剔除样本期间内被标记为ST、*ST、PT的企业。第三步，剔除资产负债率大于1的企业，即所有者权益为负的企业。第四步，对连续型相关变量进行缩尾处理，以控制极端值对实证结果的影响。其中，主板和创业板的企业专利数和研发支出数据来自国泰安数据库，新三板和创业板的数据来源于国家知识产权网统计、全国中小企业股份转让系统（新三板）和CSMAR整合。宏观控制变量数据来自万得数据库和《中国统计年鉴》，具体的描述性统计结果见表1。

四、 实证结果分析

1. 基准回归结果

表2为基本模型的回归结果。以列（1）为例，数字普惠金融的回归系数为0.007，且在1%的水平上显著，说明数字普惠金融可以有效提升制造业企业技术创新效率。这一结果表明，数字普惠金融指数每提升1个单位可以使制造业企业技术创新效率提高0.60%，假设1得到初步验证。为了检验回归结果的稳健性，在列（2）中增加控制变量。列（3）和列（4）选择控制省份固定效应与时间固定效应。在考虑了这些额外的控制因素后，回归结果依然显著，说明数字普惠金融對制造业企业技术创新效率的正面影响是稳健的。

2. 内生性讨论和稳健性检验

（1）内生性检验结果

在探讨数字普惠金融与制造业企业技术创新效率之间的关系时，须关注可能存在的内生性问题。为了有效地解决这些问题，本文参考了谢绚丽等[20]的研究方法，选取2002年各地区每百人使用固定电话数量（[num]）作为工具变量进行研究。选择这一工具变量的逻辑在于，早期固定电话的数量对于后期互联网的普及具有重要影响，而互联网普及又是数字普惠金融发展的直接驱动力。然而，值得注意的是，早年的固定电话数量对当今制造业企业技术创新效率的影响几乎可以忽略不计。因此，这一工具变量不仅与数字普惠金融发展高度相关，而且满足外生性的要求。采用2SLS的回归结果如表3的列（1）和列（2）所示。此外，为了处理可能存在的双向因果关系，本文采用将解释变量滞后一期的方法进行检验，如表3的列（3）所示，即使在滞后一期的情况下，回归结果依然显著，这进一步增强了的研究结论的稳健性。

（2）稳健性检验结果

为了验证上述实证结果的稳定性，本文进行了4种方法的稳健性检验。首先，采用了更换工具变量的方法。该方法使用滞后一期的核心解释变量作为工具变量进行回归，以检验反向因果关系可能导致的内生性问题。回归结果见表4列（1）。其次，排除金融冲击影响。2015年我国股票市场异常波动对金融市场稳定性和投资者信心都产生了影响，对数字普惠金融发展和制造业投资产生了一定负面影响。因此，采用剔除2015年数据的方法检验稳健性，回归结果如列（2）所示，依然显著。再次，采用更换估计模型方法。采用GMM方法进行实证分析，回归结果见列（3）所示。最后，采用更换解释变量方法。采用数字金融覆盖广度（[digitization]）来替换解释变量，回归结果如表4的列（4）所示。以上检验方法再次实证了前文的结论可靠性。

3. 机制检验结果

表5汇报了机制检验结果。首先是“数字普惠金融—融资成本—企业技术创新效率”机制，列（2）回归系数显著为负，说明数字普惠金融降低了企业融资成本。中介效应数值约为0.0012[-0.021×（-0.0619）]，直接效应数值为0.010，融资成本的中介效应约占12%，说明数字普惠金融通过融资成本机制提升了企业技术创新效率。其次是“数字普惠金融—商业信用—企业技术创新效率”机制，列（4）的回归系数为0.0007，且在5%水平下显著，说明数字普惠金融有助于提升商业信用。中介效应数值约为0.0008[-0.007×（-0.116）]，直接效应数值为0.010，融资成本的中介效应约8%，说明数字普惠金融通过融资成本机制提升了企业技术创新效率。综上，H2得到验证。

4. 调节效应检验结果

表6汇报了金融监管调节作用检验结果。如列（1）所示，金融监管与数字普惠金融交互项（[jg][×dif]）的系数显著为正，这表明金融监管进一步强化了数字普惠金融对制造业企业技术创新效率的影响。进一步验证金融监管是否对国有产权企业和非国有产权企业有不同影响，列（2）和列（3）汇报了检验结果。列（2）为国有产权的企业，回归系数0.014，且在1%水平上显著。列（3）为国有产权的企业，回归系数为0.075，且在10%水平上显著。对比后发现，国有产权的企业回归系数值更高，说明金融监管对具有非国有产权的企业影响更为显著。部分原因在于，公众对国有产权企业商业信任程度远高于非国有产权企业，这就造成金融监管对增强国有企业商业信用效果相应减弱。因此，金融监管对非国有产权企业调节作用还有提升的空间。综上，假设H3得到验证。

5. 异质性检验结果

表7展示了企业产权类型和地区异质性的检验结果。首先是企业产权类型异质性检验，其中列（1）为非国有产权企业，列（2）为国有产权企业。从回归结果来看，两列的系数均显著为正，这表明数字普惠金融对不同产权性质的企业均能有效促进技术创新效率的提升。然而，相比之下，非国有产权企业的回归系数数值更高。造成这一现象的原因主要有两方面：首先，国有产权企业由于与政府有关联，通常更容易从银行获得贷款，且由于资产安全性较高，往往更受到投资者的青睐。此外，部分国有产权企业还可以通过发行公司债券等方式进行融资，其融资成本甚至可能低于银行贷款。因此，国有产权企业自身的这些优势降低了对数字普惠金融提供的融资机会和低融资成本的依赖，从而减弱了数字普惠金融对企业技术创新效率的促进作用。接下来是地区异质性检验。根据国家统计局的划分标准，本文将地区分为东、中、西部，分别对应表7中的列（1）至（3）。实证结果显示，3个地区的回归系数均显著为正，这表明数字普惠金融对制造业企业技术创新效率的影响打破了空间局限，其不仅影响了经济较为发达的东部地区，也为欠发达的中西部地区制造业企业提供了金融服务。从回归系数的大小来看，东、中、西部的系数依次降低。这主要是由于改革开放以来，我国东部地区的经济发展水平远超其他地区，金融资源主要集中在东部地区，同时互联网基础设施也优于中西部地区，因此数字普惠金融在东部地区的发展程度更高。

五、 结论与政策建议

1. 结论

本研究选取了2011—2022年沪深主板、创业板以及新三板上市的制造业企业数据作为研究样本，通过实证分析，探讨了数字普惠金融对制造业企业技术创新效率的影响，以及这种影响的传导机制和金融监管的调节效应。本研究的主要结论如下：数字普惠金融对制造业企业技术创新效率具有显著的促进作用；数字普惠金融通过降低企业融资成本和增强商业信用，进一步提高了制造业企业技术创新效率；金融监管在数字普惠金融对制造业企业技术创新效率的影响中发挥着正向调节作用。

2. 建议

第一，政府应持续深化数字普惠金融的基础设施建设，并不断优化金融服务体系，以更好地满足中国制造业门类齐全、覆盖广泛的特性所带来的多样化金融需求。大力推广数字普惠金融，并结合互联网、大数据等先进技术手段，不仅能够显著提高金融服务的普及率，还能进一步优化服务流程，极大提升金融服务的便捷性。然而，数字普惠金融的便利性也会带来风险性的增加，因此，金融机构在推广过程中，必须加强对制造業企业的信用评估和风险管理工作。通过实施更加精准和科学的信用评估方法，金融机构能够为制造业企业提供更加个性化和专业化的金融服务，从而有效提高其信用水平，进一步促进其技术创新和持续发展。

第二，政府应积极倡导并鼓励制造业企业深入参与数字普惠金融的建设与发展。民营企业作为经济发展的重要力量，应鼓励其在数字普惠金融领域展现其活力和创新力，推动其在制造业领域的广泛应用和创新发展。政府要通过提供政策支持和资金扶持，激励制造业企业积极应用数字技术，促进数字技术与制造业的深度融合。这不仅能提升制造业企业的数字化水平，更能激发其创新能力。同时，政府应推动数字技术与金融服务的紧密结合，确保数字普惠金融在制造业领域的广泛应用，为制造业的转型升级和可持续发展提供有力支撑。

第三，加强金融监管对于确保数字普惠金融对制造业企业技术创新效率的正向影响至关重要。根据本文的研究结果，政府应进一步强化对数字普惠金融的监管力度，以确保其合规运营并有效控制潜在风险。通过建立和完善全面的监管体系及风险预警机制，能够及时发现并有效化解风险隐患，为数字普惠金融的稳健和持续发展提供坚实保障。同时，金融监管机构须制定灵活而高效的监管政策，以适应数字普惠金融的创新发展。这些举措不仅有助于维护金融市场的稳定，更能够激发制造业企业的创新活力，推动其技术创新效率的持续提升。

参考文献：

[1] 陈强远，钱则一，陈羽，等.FDI对东道国企业的生存促进效应——兼议产业安全与外资市场准入[J].中国工业经济，2021（7）：137-155.

[2] 陈强远，张醒，汪德华.中国技术创新激励政策设计：高质量发展视角[J].经济研究，2022，57（10）：52-68.

[3] 陈强远，殷赏，程芸倩，等.围绕创新链布局产业链：基于中关村科技园周边新企业进入的分析[J].中国工业经济，2024（1）：75-92.

[4] 陈斌开，林毅夫.金融抑制、产业结构与收入分配[J].世界经济，2012，35（1）：3-23.

[5] Leyshon A，Thrift N.The Restructuring of the U.K.Financial Services Industry in the 1990s：A Reversal of Fortune？[J].Journal of Rural Studies，1993，9（3）：223-241.

[6] 邢小强，薛飞，涂俊.包容性创新理论溯源、主要特征与研究框架[J].科技进步与对策，2015，32（4）：1-5.

[7] Bejakovi? P.The Financing of Research and Development[J].Oxford Review of Economic Policy，2002，18（1）：35-51.

[8] 周振江，郑雨晴，李剑培.数字金融如何助力企业创新——基于融资约束和信息约束的视角[J].产经评论，2021，12（4）：49-65.

[9] 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[J]. 管理世界，2020，36（5）：52-66.

[10] Demertzis M，Merler S，Wolff G B.Capital Markets Union and the Fintech Opportunity[J].Journal of Financial Regulation，2018，4（1）：157-165.

[11] 李青原，陈世来，陈昊.金融强监管的实体经济效应——来自资管新规的经验证据[J].经济研究， 2022，57（1）：137-154.

[12] 杨东.监管科技：金融科技的监管挑战与维度建构[J].中国社会科学，2018（5）：69-91.

[13] Baek J S，Kang J K，Park K S.Corporate Governance and Firm Value：Evidence from the Korean Financial Crisis[J].Journal of Financial Economics，2004，71（2）：265-313.

[14] Hirshleifer D， Hsu P H， Li D.Innovative Efficiency and Stock Returns[J].Journal of Financial Economics，2013，107（3）：632-654.

[15] 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学，2020，19（4）：1401-1418.

[16] 谢婷婷，高丽丽.数字金融对中小企业技术创新的影响及机制研究——基于传统金融结构错配分析[J].金融发展研究，2021（12）：60-68.

[17] 陈胜蓝，刘晓玲.经济政策不确定性与公司商业信用供给[J].金融研究，2018（5）：172-190.

[18] 王博峰.金融监管对中国实体经济增长的影响研究[J].财经论丛，2021（8）：47-58.

[19] 朱俊丰.数字金融对企业技术创新的效应识别与机制检验[J].统计与决策，2023，39（7）：173-178.

[20] 谢绚丽，沈艳，张皓星，等.数字金融能促进创业吗？——来自中国的证据[J].经济学，2018，17（4）：1557-1580.

基金项目：中国宏观经济研究院重点课题“提高投资转化效率研究”（项目编号：A2023031005）。

作者简介：张高瀚，通讯作者，男，中国社会科学院大学国际政治经济学院博士研究生，研究方向为开放宏观；李威，男，中国社会科学院大学经济学院博士研究生，研究方向為数字经济和产业理论等；许尚坤，男，中国社会科学院大学经济学院博士研究生，研究方向为数字经济与宏观经济学。

（收稿日期：2023-12-25  责任编辑：殷 俊）