您的当前位置：首页数字金融对中小企业技术创新的驱动效应研究

数字金融对中小企业技术创新的驱动效应研究

来源：微智科技网

2021年3月（第35卷第3期）

EastChinaEconomicManagement

（Vol.35，No.3）

Mar.，2021

●开放与创新［DOI］10.19629/j.cnki.34-1014/f.200318002数字金融对中小企业技术创新的驱动效应研究

聂秀华，吴

青

（对外经济贸易大学国际经济贸易学院，北京100029）

摘要：文章采用2014—2018年中小板上市公司数据，运用两步系统GMM模型对数字金融与中小企业技术创新水

平之间的关系进行实证检验。研究结果表明：数字金融通过有效缓解中小企业融资约束困境可以实现其对技术创新水平的“激励”作用；其影响结果会受到公司特征、地区特征的制约，具体来说，数字金融对高科技中小企业技术创新水平的“激励效应”更大，与此同时，数字金融只对非国有所有权性质或者经济发展水平较高、制度环境质量较好区域内中小企业的技术创新水平有显著的“激励作用”。关键词：数字金融；中小企业；技术创新水平；企业特征；地域特征中图分类号：F832.29；F273.1文献标识码：A文章编号：1007-5097（2021）03-0042-12

ResearchontheDrivingEffectofDigitalFinanceontheTechnologicalInnovationofSMEs

（SchoolofInternationalEconomicsandTrade，UniversityofInternationalBusinessandEconomics，Beijing100029，China）Abstract：Basedonthedataofsmallandmedium-sizedlistedcompaniesfrom2014to2018，thispaperusestwo-stepsystemGMMmodeltoempiricallytesttherelationshipbetweendigitalfinanceandtechnologicalinnovationlevelofsmallandmedium-sizedenterprises.Theresultsshowthatdigitalfinancecanachieveits\"incentive\"effectontheleveloftech⁃nologicalinnovationbyeffectivelyalleviatingthefinancingconstraintsofSMEs；theresultswillberestrictedbythecom⁃panycharacteristicsandregionalcharacteristics.Specifically，digitalfinancehasagreater\"incentiveeffect\"onthetech⁃nologicalinnovationlevelofhigh-techsmallandmedium-sizedenterprises.Atthesametime，digitalfinanceonlyhasasignificant\"incentiveeffect\"onthetechnologicalinnovationlevelofsmallandmedium-sizedenterprisesinregionswithnon-stateownershiporhigherlevelofeconomicdevelopmentandbetterqualityofinstitutionalenvironment.Keywords：digitalfinance；smallandmedium-sizedenterprises；thetechnologicalinnovationlevel；enterprisecharacter⁃istics；regionalcharacteristics

NIEXiuhua，WUQing

一、引言

新中国成立70周年之际，中国经济再发展面临增速下滑、动力不足、结构失衡等一系列难题，严峻的国际形势下，如何谋求中国经济“新”转机成为当下、学术界激辩的焦点，技术创新在日益成为各国寻求经济可持续发展新动力的背景下，也将继续作为驱动我国经济新旧动能转换的重要支撑。另一方面，中小企业以其独有的体量优势，不仅是经济增长的重要动力，更是促进技术创新的中坚力量，但基于我国传统金融体系结构性失衡以及中小企业自身性特征，融资约束历来是制约中小企业顺利进行技术研发的绊脚石，如何保证中小企业

创新研发资金注入的持续性，成为各级顺利引导、支持其开展创新研发活动进而推动区域创新水平提升的首要难题。

值得注意的是，从现实角度看，伴随着我国金融体系改革的循序推进，数字金融作为一种高效、覆盖面广的全新金融服务模式似乎为解决中小企业技术研发创新的融资约束问题带来了新契机。《北京大学数字普惠金融指数（2011—2018）》报告显示：2011—2018年中国数字金融业务实现了跨越式发展，2018年省级数字金融指数的中位数为2011年的8.9倍，指数值以平均每年36.4%的速度增长；从全国范围内的省级指数变异系数结果看，

收稿日期：2020-03-18

基金项目：国家自然科学基金青年项目“央企‘换帅’与控股上市公司盈余管理”（71802049）；国家自然科学基金面上项目“金融

科技助力普惠金融发展的机制研究”（72073024）

作者简介：聂秀华（1991—），女，山东潍坊人，博士研究生，研究方向：金融市场，公司治理，企业创新；

吴青（1965—），女，广东中山人，教授，博士，研究方向：金融市场。

—42—

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

2011—2018年，省际间数字金融指数变异系数显著下降，各地区数字金融指数呈现出趋同之势。数字金融作为党在十九大提出的建设数字中国的重要组成部分，同时也是构建现代金融体系题中的应有之义，通过运用移动互联、云计算和大数据等手段，与传统金融服务相结合，以其高效率、全方位性、更强的客户触达能力以及地理穿透性等优势镌刻出中国新金融、新现象。但这一新现象是否开始作用于解决中小企业技术创新所需要的融资支持问题，进而影响企业技术研发创新进程，至今还没有可靠的定量结论。

基于此，本文将围绕数字金融与中小企业技术创新关系展开讨论，后续结构如下：首先，通过构建基准线性回归模型验证数字金融对中小企业技术创新影响效应的存在性；其次，考虑数字金融作用于中小企业技术研发活动过程中可能受到诸多因素影响，将按照所有权结构、是否隶属于高科技产业以及经济发展水平、外部制度质量等进行分样本回归，探究两者关系基于公司、地区差异性特征下的异质化表现；最后，基于理论分析，进一步将融资约束作为中介变量探究数字金融对中小企业技术创新影响效应可能存在的传导路径。

本文的创新在于：首先，首次从微观角度，将数字金融与中小企业技术创新置于同一框架，研究两者之间的关系，并进一步按照企业、地区差异性特征进行分组回归，进一步探究异质化因素对两者关系可能产生的影响；其次，在探究两者基本线性关系的基础上，首次验证了融资约束变量作为数字金融作用于中小企业技术创新水平中介变量的合理性。

二、文献综述与研究假设

（一）金融发展与技术创新相关的文献综述技术创新是经济增长的源泉，经济发展也离不开金融系统的不断完善。由于金融与创新的重要性，大量研究考察了两者关系。尽管Schumpeter（1912）早就金融发展与技术创新的关系进行初探，然而，直至金融普惠化的推广和第三次科技的开展，对于两者关系的探究才正式引起国内外学者的广泛关注，并成为学术界的激辩热点［1］。经过数十年知识沉淀，纵观该领域的文献发现，学者们主要围绕以下角度试图从宏观、微观层面上构建金融发展与技术创新两者关系的研究框架。

一是对关系结果的研究。已有文献表明，不管是以风险资本、股票市场还是信贷市场等模式衡量

的金融发展概况［2-3］，还是以金融发展规模、金融发展结构和金融发展效率代表的金融发展水平均会对技术创新产生显著影响［4］，而其具体影响效果会受行业［5］、模式［6］、区域［7］、制度质量、知识产权保护程度［8］、企业所有权性质［9］等因素制约而呈现出异质性变化。

二是对关系过程即金融发展对技术创新影响机制的探索。一方面，部分学者认为金融发展可能通过贸易开放［10］或者降低交易成本，缓解技术创新型企业融资约束、松绑研发资金投入等方式激励微观企业实现技术创新［11］；另一方面，部分学者认为技术创新项目自身的高投入、长周期等特征使得创新型企业具有较强的外部融资依赖性，而金融市场制度健全、金融发展水平较高的国家（地区）会通过优化金融资源配置、合理引导资金流向、降低信息不对称等方式甄别价值型技术创新项目，并产生“羊群效应”为技术创新指明方向，从而进一步实现区域内技术创新水平的提升［12］。

伴随着实体金融的发展和第三次科技浪潮的到来，金融以数字化赋值的新形式重新活跃于大众视野。以2004年支付宝账户体系上线作为中国数字金融的起始点，短短十几年时间，围绕数字金融的研究方兴未艾，总体来说，该领域的研究大体可以归为两类：第一类是对其发展现状［13-14］、影响因素［15］、风险识别与监管［16］等方面进行的纯理论形式探讨；第二类是在指标测度［17-18］基础上，对创业［19］、银行行为［20］、减贫效应［21］、缩小城乡收入差距［22］、助力经济增长［23］以及满足小微企业、三农等弱势群体金融服务需求［24-25］等方面的实证研究。通过梳理与数字金融相关领域的研究文献发现，目前关于数字金融如何助力微观经济体技术创新的研究尚显不足，本文拟研究数字金融与中小企业技术创新投入的关系，并基于企业特征（所有制结构、是否隶属于高科技产业）、地区特征（经济发展水平、外部环境质量）等异质性条件对该关系进入深入研究，不仅可以丰裕关于金融发展与技术创新关系的理论体系，还具有为相关决策部门提供建议的现实意义。

（二）研究假设

中小企业以其独特的市场地位历来是驱动国家创新发展的第一引擎。然而，研发创新活动诸多先天劣势特征却导致企业研发投资经常遭遇高调整成本、高融资约束的双重困境。具体来说：一方面，由于研发活动资产专用性和创新成果人力依附

—43—

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

性造成的高调整成本，要求企业从创新概念的产生到新产品最终面向市场有大量且持续的资金注入［26］；另一方面，创新研发活动信息的非公开性以及创新结果的不确定性导致企业与外部投资者之间存在着严重的信息不对称，加剧了逆向选择和道德风险问题。进一步地，作为发展中国家，我国金融发展滞后，资本、货币市场发展不平衡，企业融资渠道单一，对银行体系过度依赖，企业杠杆率高企，财务危机严重，进一步加剧了高融资约束问题。

数字金融作为一种高效、覆盖面广的金融服务，旨在构建一个汇集更多人、可持续、全方位的金融体系［27］，肩负着为弱势群体，特别是中小企业提供系统、便捷金融服务支持，实现金融“普惠”的重要使命。综合来看，数字金融主要可以通过以下方式缓解中小企业融资约束，从而达到促进中小企业创新研发投入，激励其技术创新水平提升的作用。

拓宽融资渠道、降低金融服务门槛。中小企业自身发展规模小、经营不稳定、资质担保价值低、缺乏信用审核记录等特征以及创新活动资金注入高、持续性、稳定性等要求，使得中小企业的技术创新筹资项目被排斥在正规金融服务门槛外。与传统金融机构相比，数字金融通过互联网技术赋值能够以相对可负担的成本为有金融服务需求的“长尾”客户群（如中小企业），提供高效、稳定的金融服务。具体来说，数字金融作为一种全新的金融创新服务模式，一方面通过打破传统金融服务对金融基础设施和地理依赖等，极大程度上扩大了传统金融服务的覆盖率，降低了中小企业金融服务需求的门槛；另一方面，数字金融通过延展其使用深度，借助多样化融资方式，进一步拓宽了中小企业的融资渠道，从而缓解了中小企业技术创新项目的融资约束，提高了其创新研发投入的可能性。

防范风险，降低融资成本。以银行为代表的传统金融机构在对中小企业创新项目融资进行信贷批复之前往往需要大量、繁琐、漫长的审核流程以防止信贷风险，防止呆账、坏账等不确定事件的发生，保护债权益。而商业银行的惯用伎俩是将整个审核流程中产生的人力、物力耗损成本转嫁给下游的信贷申请者，也就是说即便审核通过，中小企业所承担的创新项目融资成本也十分昂贵。此外，传统金融机构过度依赖人力、物理营业网点等金融基础设施的特点，使得其在进一步扩大金融服务范围时的难度和成本骤增。相比之下，数字金融

—44—

不仅具有极强的地理穿透性，而且其利用大数据、云计算等先进的互联网技术，从根本上改变了传统金融服务模式。以信贷业务为例，信贷申请者利用互联网通过网贷平台就可以实现在线信用贷款，不仅避免了繁琐的审核流程，而且也降低了金融机构的服务成本。蚂蚁金服发布的数据表明，云计算的成本不仅只是传统IT服务成本的1/10，而且其在传统金融服务领域的应用能够更好地发挥信息筛选和风险甄别功能，有效降低了传统借贷活动中的信息不对称问题，缓解了中小企业在创新项目融资时的融资约束困境，从而促进了中小企业技术创新研发投入。

构建征信体系，提高融资效率。“大、智、移、云”等先进技术的应用使得传统金融模式发生了彻底变革，中小企业受其抵押资质差、信息披露程度低等劣势而被金融机构借贷审批拒之门外的困境得到了根本改善。数字金融下，有借贷需求的中小企业及其创新项目被置于大数据、云计算的系统框架内，通过搜集、整合、分析其历史交易记录，以及深入剖析、计算、预估创新项目的市场价值等，可以为企业或融资项目构造一个度信用评分指数，由此既方便了金融机构对中小企业客户进行资质审核，提高了金融资源的配置效率，也避免了中小企业在信息不对称影响下受信贷部门“歧视”。审批流程的简化、融资成本的降低使得中小企业可以更便捷、高效地为其创新项目融资，融资约束问题得到缓解，进而促进了其技术创新研发投入。

基于以上分析，本文提出假设1。投入具有“激励效应”；

H1-1：数字金融对中小企业的技术创新研发H1-2：数字金融对中小企业技术创新研发投

入的“激励效应”可以通过缓解其融资约束这一传导机制实现。

另外，研究样本虽同属中小企业，但是基于个体差异化特征明显、企业所在地区资源禀赋情况也

不尽相同，因此除了数字金融自身特性引发的内生性风险外，企业特征（如所有权性质差异、是否隶属于高科技产业等）、地域特征（如外部制度环境、经济发展水平差异等）也可能会对数字金融最终作用于中小企业技术创新研发投入的效果产生重要影响。

中国特殊的制度背景使得企业的“所有制”结构在金融市场资源配置中发挥着巨大作用。实际控制人性质和政企关系通过“信号传递”功能在企

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

业是否能够通过传统金融机构取得创新项目融资中发挥了关键作用。实际上，数字金融对不同控制权性质的中小企业在为其创新融资项目中的融资约束缓解效果也是不同的，具体而言：首先，相比于国有企业，非国有中小企业的信息不对称问题更为严重，一方面源于非国有中小企业财务状况等信息披露程度不高，可信度较差；另一方面，传统金融机构与非国有中小企业来往匮乏，无法通过历史交易记录对其信用情况进行客观评测。数字金融的应用改变了银行等传统金融机构单一渠道收集借贷用户征信数据的现状，通过大数据、云计算等能够更加及时、高效地挖掘、收集中小企业的软信息，改善了传统借贷业务中非国有中小企业的信息不对称问题。其次，数字金融灵活性高、体量小、包容度高等特点与非国有中小企业创新项目需求快、频率高、持续性等特征更相契合。最后，相比于国有中小企业利用其特殊的政企身份可以较便捷地从传统、正规金融机构获取其创新项目融资，非国有企业受“所有制歧视”会将筹资渠道更多地投射到由数字金融搭建的多元化借贷市场，因此，对数字金融较高的依赖程度也使得数字金融的发展在缓解非国有企业创新项目融资约束方面发挥了更具有建设性的作用。

基于以上分析，本文提出假设2。

H2：相比之下，数字金融在促进非国有中小企

通过将其置于高科技市场价值评测网络中，通过预估其项目创新价值等，实际上更加有利于资质较差但是创新项目价值较高的企业获得信贷资金支持，优化了金融资源配置效率。

基于以上分析，本文提出假设3。

H3：相比之下，数字金融在促进高科技行业中

小企业增加其创新研发投入方面将发挥更为积极、显著的作用。

数字金融作为传统金融服务赋值数字技术的一种创新金融服务模式，其形成和发展需要外部资源、环境的支持，其中地区的经济发展水平和制度环境质量是两个必须考虑的因素。而实际上，地域间资源禀赋的差异不仅会对数字金融的发展产生影响，而且也会作用于数字金融对中小企业创新研发投入影响的过程。

内生金融发展理论认为，金融体系的萌芽、完善需要成本。在经济发展水平较差的地区，经济主体无法承担数字金融发展所需要的资源支持，因此金融发展滞缓，长期无法满足作为“长尾”用户的中小企业的创新项目融资需求。在经济发展水平较好的地区，资源禀赋的优势，包括资金的支持、科研团队的集聚等，一方面为数字金融的萌芽、发展提供了先决条件，即发达地区的信息获取和传播方面的比较优势必然会助力数字金融的发展，另一方面也为中小企业的创新提供了智力支持、资源保障。因此，经济发展水平较好地区的中小企业创新项目融资动机更强，而且在数字金融发展较为迅速的情况下，中小企业创新项目融资的可得性更大。

基于以上分析，本文提出假设4。

H4：相比之下，数字金融对经济发展水平较高

业增加其创新研发投入方面将发挥更为显著、积极的作用。

另外，相比于非高新技术中小企业，高新技术中小企业具有更强的创新项目融资动机。具体来说，首先高新技术产业的营业收入中技术创新项目占比大，而技术创新研发自身投入高、风险大、持续性长等特点，既使得企业难以仅依靠内部融资满足创新项目资金需求，又使其面临较高的外部融资成本。又因为高科技中小企业自身特征和创新项目融资特点均与以银行为代表的传统金融机构坚持的“安全性、流动性、盈利性”等贷款发放原则相违背，因此高科技中小企业信贷可得的不确定性更高，对数字金融这一新型金融模式的需求更强烈。数字金融的出现破除了传统金融机构信贷发放的弊端，通过数字化信息的监测可以度、全时段地掌握信贷资金流向，极大地降低了高科技中小企业信贷发放、使用过程中的信息不对称问题，且由于高科技产业筹资项目的技术含量更高，数字金融

区域内的中小企业创新研发投入的“激励效应”更显著。

外部制度环境的完善程度与区域内金融市场、金融中介的发达程度以及中小企业的成长性密切相关。伴随着法律的健全，我国制度环境质量总体向好，但是基于各地开放程度、文化习俗、地理位置差异、管理等因素，导致区域间外部制度环境呈现出区域性差异化特征。一般而言，外部制度环境较好的地区，首先，数字金融发展较为顺利，即同步化、科学的法律法规不仅降低了信贷违约风险，而且通过保护合同的履行，为资金出借方提供补偿，极大程度上保障了资金借贷双方的权益。其次，比较健全和稳定的制度体系是企业战略决策的重

—45—

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

要考量因素，一方面各项产业、扶持可以起到特殊“资源禀赋”信号传递的作用，有利于实现中小企业为其技术创新活动进行的项目融资，提高了信贷可得性，发挥了数字金融对中小企业创新项目融资的资金支持作用；另一方面制度质量执行力中包含了中小企业直接决定能否有效控制和多大程度上减少不确定性的因素，而这是其进行技术创新活动、增加其创新研发投入的重要诱因。

基于以上分析，本文提出假设5。

H5：相比之下，数字金融对制度环境质量较好

新能力，即创新投入是否能顺利转化为具有市场意义的成果，不仅受企业研发支出、团队支持的影响，而且需要依赖若干不受企业控制的外部因素，如、专利门槛、市场认可度等。相比而言，创新投入的内涵较为单纯、客观，不仅可以真实地反映企业对技术创新的重视程度，而且能够最直接、最客观地反映企业进行技术创新研发的主观意愿，再加上对数据可得性、统计口径一致性的考虑，本文最终选取微观企业研发投入强度作为企业创新水平的代理变量，该指标等于研发支出总额与营业收入的比值。

2.解释变量

区域内的中小企业创新研发投入的“激励效应”更显著。

三、样本、变量与模型设定（一）样本与数据来源

数字金融指数（FintechIndex）。本文使用北京大学数字金融研究中心编制的省级层面中国数字普惠金融指数（一期、二期）代表各地区数字金融发展程度。该指数采用了大数据技术从多个维度刻画了中国数字金融发展水平，通过综合传统金融服务和互联网服务新形势特征，全面反映了数字技术助力金融的总体发展和变化趋势［18］。

3.中介变量

融资约束指数（FC）。代表性的融资约束测度方法有KZ指数［30］、WW指数［31］和SA指数［32］。相比于KZ指数、WW指数，SA指数在定量描述企业融资约束强度方面均有若干优势：首先，SA指数的构建变量均是随时间变化不大且具有很强外生性的变量，可尽量减少实证结果中内生性偏误的干扰；其次，基于数据的可得性，SA指数的子指标更易于收集、计算；最后，SA指数相对稳健。因此，本文借鉴鞠晓生等（2013）的做法，以SA指数作为衡量融资约束水平的代理变量，其计算公式为-0.737×文融资约束的代理指标［26］。

4.调节变量

Size+0.043×Size2-0.04×Age，并以其绝对值作为本

本文的研究对象是我国中小企业上市公司，样本区间为2014—2018年，数字金融指数、区域经济发展水平来源于国家统计局官网，制度质量指数来源于樊纲、王小鲁编制的《中国分省份市场化指数报告（2018）》，各省互联网普及率来源于《中国分省份市场化指数报告（2018）》，其他指标的代理变量均来源于Wind数据库。参照Khuranaetal.（2006）、余明桂等（2019）的做法［28-29］，对数据进行如下筛选：①剔除金融类上市公司数据；②剔除2014—2018年成立公司数据；③剔除*ST、ST、PT公司；④剔除资产负债率大于1、小于0的公司；⑤剔除所有者权益为负的公司；⑥剔除CF、资本支出绝对值大于1的公司；⑦剔除关键指标中间年度缺失的公司数据，以保证公司数据的连续性；⑧若公司名称相同而公司代码不同或者公司代码相同但是公司名称不同，则根据公司办公地址所在省份、邮政编码等基本信息进行辨识，若为同一家公司，则进行剔除；⑨对主要变量进行了1%以下和99%以上Winsor处理。最后整理得到737家公司的观测点，共计3685个平衡面板数据。

（二）变量说明1.被解释变量

企业创新水平（RD）。目前，相关文献主要从创新投入、产出两个角度衡量企业创新水平，其中创新产出的代理指标有新产品价值、专利（发明专利、实用新型专利、外观设计专利）申请或授权数量；创新投入的代理指标主要指企业研发投入水平，包括研发金额支出、研发人员数量等。实际上，各创新产出代理变量包含了企业实际技术研发创

—46—

（1）制度环境质量（Institutional）。作为外部制度环境状况的代理变量，本文借鉴以往的研究，将中国市场化指数作为制度质量的代理变量，数据来源于樊纲、王小鲁编制的《中国分省份市场化指数报告（2018）》。中国市场化指数从法律制度环境、产品市场发育、与市场、非国有经济发展、技术成果市场化等五个层面衡量了中国市场化程度，不仅能综合反映中国各地区市场化水平，而且常被学术界用于评价地区制度质量的高低。

（2）经济发展水平（gdp）。较高的经济发展水

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

平代表地区较好的资源禀赋优势，创新活跃度较高，更有益于激励技术创新水平的提升。本文采用对数化后的地区人均生产总值作为衡量各地区的经济发展水平的代理标量，一定程度上消除了指标量纲的影响与异方差的问题。

5.控制变量

参照与金融发展、企业技术创新等相关文献的研究成果，为尽量避免由于遗漏变量带来的内生性偏误，本文决定将企业规模（Size）、资产负债率（Lev）、企业绩效（Roa）、管理费用率（Mfee）、固定资产比率（Fix）、补助强度（Subsidy）、成立时间（Age）作为控制变量纳入模型中来。另外，本文还设置了年度虚拟变量、行业虚拟变量。

以上各主要变量定义见表1所列。

表1

变量名称企业创新水平（%）数字金融指数融资约束指数制度环境质量经济发展水平企业规模资产负债率（%）企业绩效（%）管理费用率（%）固定资产比率（%）成立时间

RDFintech

IndexFCInstitutionalgdpSizeLevRoaMfeeFixAge

金融发展总指数；controlit表示一系列控制变量；Yeardummy、industrydummy分别为年份虚拟变量、εit为随机误差项；α0、α1、β1表示常行业虚拟变量；

γ1…，γj表示待估参数。数项；

四、实证结果分析

首先对样本数据的离群值进行1%的缩尾处理。变量统计性描述见表2所列。

表2

变量RDRDt-1Sizet-1Levt-1Roat-1Mfeet-1Fixt-1Subsidyt-1

Aget-1gdpt-1

36852948

主要变量的统计性描述

4.6363.86.53.924

3.6903.5

0.07024.3800.02024.610

样本数均值标准差中位数最小值最大值

FintechIndext-12948277.60041.950271.800204.100357.400294821.00.98021.019.66024.350294837.26017.28036.4402948294829482948

5.1285.9679.8046.2680.0170.3052.9410.2568.9671.634

8.7100.0072.9449.580

7.11079.3101.29036.0900.44657.4700.00016.4701.946

4.143

4.615-17.21022.230

主要变量定义

度量方法（1）

企业研发支出总额/年末营业收入数据来源于《北京大学数字

普惠金融指数（2011-2018）》|SA|=|-0.737×Size+0.043×

Size2-0.04×Age|数据来源于《中国分省份市场化

指数报告（2018）》地区人均生产总值取自然对数企业年末总资产取自然对数企业年末负债总额/年末总资产企业利润总额/年末总资产企业年末管理费用/年末营业收入企业年末固定资产/年末总资产补助总额/年末营业收入企业成立年限取自然对数

变量符号

294820.90012.72019.150

294879706269837886026165146997

2.95011.200

Institutionalt-12948

（一）基本回归结果

为尽量避免内生性偏误，本文决定采用两步系统GMM方法对基准回归方程进行检验，估计结果见表3所列。在列（1）中，AR（2）的P值均超过10%的显著性水平，说明随机误差项不存在二阶序列自相关，即证明了采用两步系统GMM进行估计检验的合理性；Hansen检验的结果不拒绝工具变量，不存在过度识别的原假设，说明模型中工具变量选择的有效性；另外，Wald检验的P值结果也显示模型整体高度显著。因此，总体来说，基于总样本回归的动态面板两步系统GMM的实证估计结果可信。

表3

（1）变量两步系统GMM补助强度（%）Subsidy

（三）基准线性回归模型

为了验证H1-1的内容，基于技术研发创新可能存在的惯性特征考虑，为避免回归结果可能出现的内生性偏误，在模型中加入被解释变量的滞后项。同时考虑数字金融可能存在对区域技术创新水平影响的滞后性特征，在一定程度上缓解反向因果的内生性问题等，建立如下基准线性回归方程：

RDit=α0+α1RDit-1+β1FintechIndexit-1+

∑γjcontroljit+yeardummy+

industrydummy+εit

数字金融指数回归结果

（2）固定效应（3）随机效应（4）固定效应（5）随机效应（6）2SLSFintechIndext-1RDt-1Sizet-10.004***0.008***0.018***0.009***0.007***0.013***（3.06）（5.39）（12.68）（5.）（6.75）（3.36）0.497***（12.93）0.135***0.792***（0.024）（0.011）0.00.660***0.294***0.5***0.176***0.463***（1.04）（4.21）（3.14）（3.61）（4.24）（6.01）0.133***0.125***0.225***0.124***0.100***0.372***（7.27）（10.39）（21.33）（10.43）（13.46）（16.55）-0.010***0.013*-0.018***0.010-0.009***-0.034***（-2.74）（1.66）（-3.11）（1.36）（-3.14）（-7.32）-0.007**-0.014***-0.015***-0.011**-0.003-0.009*（-2.25）（-2.73）（-3.52）（-2.22）（-1.32）（-1.95）（1）

Mfeet-1Fixt-1Levt-1其中：下角标i表示中小板上市公司企业，t表示年份；RD代表企业技术创新水平，RDt-1表示企业技术创新水平一期滞后项；FintechIndex表示数字

—47—

续表3

（1）变量两步系统GMM（2）固定效应（3）随机效应数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

字金融发展与企业技术创新水平之间的关系，本

（4）固定效应（5）随机效应（6）2SLS文将同时采用2SLS对模型进行稳健性估计检验。

［19］

参考相关研究（谢绚丽等，2018），本文将选取区

Roat-1Subsidyt-1Aget-1cons年份/行业-0.001-0.038***-0.010-0.037***0.0040.049***（-0.06）（-4.33）（-1.23）（-4.27）（0.60）（3.85）1.206***0.300***0.437***0.284***0.191***0.625***（29.15）（5.97）（9.12）（5.69）（5.79）（8.23）0.030-0.123-0.075-0.026-0.0010.018（0.15）（-0.32）（0.385）（-0.19）（0.135）（0.09）-1.448-11.353***-5.219**-10.070***-4.388***-8.527***（-1.00）（-3.39）（-2.32）（-3.03）（-4.53）（-4.49）控制控制0.145-0.340［0.735］控制控制0.162控制域互联网普及率作为数字金融发展指数的工具变量，一方面该指标与数字金融的发展息息相关，其升级、普及均会丰满数字金融的发展羽翼，另一方面基于行业的异质性特征，该指标与区域技术创新水平并无直接关联，因此从理论层面上看，互联网普及率有其作为数字金融发展指数工具变量的合理性。从第（6）列的估计结果来看，首先，在工具变量法第一阶段的回归结果中F统计量超过10，说明模型设定中并不存在弱工具变量问题，工具变量法的估计结果真实、有效；其次，具体来看，即便在考虑了模型的内生性问题以后，数字金融发展指数前系数仍然显著为正，即数字金融的确发挥了其对

R-squaredAR（2）［P］Hansen检验2.180［0.703］［P］Hausman检验［P］第一阶段F值［P］Wald检验2506.000［0.000］［P］样本观测值29482948294829482948270.090［0.000］662.130［0.000］903.142***［0.000］737.94［0.000］2948区域技术创新水平的“激励效应”。该结果与两步系统GMM、静态回归模型及其他动态估计模型结果一致，再次验证并支持了H1的内容。

在诸多控制变量的回归结果中，管理费用率和补助强度的估计系数均在1%的水平下显著为正，说明管理费用率的提高和研发补助的增加都有利于促进中小企业创新研发投入水平的提高，这一结果与预期相符。本文研究样本中高科技企业占多数，企业创新活动依附人力资本，公司持续保持市场竞争优势在较大程度上依赖于公司拥有的核心技术和公司培养、积累的一大批核心技术人员，适当的薪酬激励是吸引、留住人才的关键因素，较高的管理费用率既反映了企业对技术研发人才的重视，同时也是中小企业高研发投入的重要表现形式。补助作为企业，特别是中小企业研发创新资金来源的重要渠道，通过信号效应、资源禀赋效应等弥补了传统金融机构资金借贷供给的不足，在缓解企业融资约束方面已经成为若干专家、学者的共识。资产负债率和固定资产比率在模型（1）回归结果中的估计系数在1%的水平下均显著为负，一方面，较高的资产负债率说明中小企业的破产风险较大；另一方面，较大的固定资产比率意味着中小企业内部的闲置资金较少。众所周知，企业负债承受能力是金融机构对其进行贷款资质审核评判的重要因素，而内部资金是企业投资项目的主要来源，因此较高的资产负债率和固定资产比率意味着中小企业创新研发活动缺少稳定、可靠的融资来源，而基于外

注：***、**、*分别表示1%、5%、10%的显著性水平；系

数下方括号中数值为其t值或Z值。

列（1）数字金融发展总指数回归结果中，核心解释变量系数在1%的水平下显著为正，说明数字金融的发展能够显著提高中小企业创新研发投入，激励其技术创新水平的提升，由此基本验证了H1-1关于数字金融具有对中小企业技术创新水平“激励效应”的存在性假设，说明新金融模式的创新虽然机遇与风险并存，但是就目前实证检验结果来看，数字金融以信息技术赋值传统金融服务的模式，通过拓宽融资渠道、降低金融服务门槛、防范风险、降低融资成本、构建征信体系、提高融资效率等途径，在一定程度上缓解了中小企业技术研发融资约束，并切实提高了其创新研发投入水平，在激励中小企业技术创新水平方面发挥了积极作用。

另外，为保证实证研究结果的稳健性，利用静态模型和另外两种动态估计模型对原基准方程的结果进行了检验，从Hausman检验结果来看，无论加入被解释变量滞后项的估计模型结果，还是未加入被解释变量滞后项的估计模型结果，均拒绝了原假设，即应该采用固定效应模型的估计结果。从第（2）（4）列的估计回归结果看，核心解释变量前系数均在1%的水平下显著为正，即再次验证了列（1）的回归估计结果。另外，为了更好地识别数—48—

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

部融资渠道成本高企的假设，中小企业较大的融资约束必然抑制中小企业技术创新研发投入，不利于其技术创新水平的提高。此外，资产收益率、企业规模和企业成立年限代理变量前系数均不显著，可能是因为同属于中小企业，成立时间尚短，实力薄弱，经营不稳定，在市场竞争中处于相对弱势的地位，因此未能对企业的研发投入、技术创新水平产生显著影响。

（二）异质性检验

1.基于企业特征差异的分析结果

影响系数不显著，说明数字金融的发展未能对国有企业增加其创新研发投入力度产生任何显著影响。

这一实证研究结果与Wei等2017年发表在《经济学展望杂志》上关于“同等规模的前提下，国企的研发效率明显低于民企和外企，而这一特征在中小规模企业中更为明显”的论断相一致［33］，也验证了H2的内容，即相比于国有企业有信用背书等优势，可以较顺利、低成本地取得项目融资资金，非国有中小企业基于传统国有银行与非国有经济所有制结构“不兼容”的状况，存在影响金融机构授信以及客户评价标准歧视等诸多信贷资质审核问题，长期受到传统金融机构信贷歧视，因此非国有中小企业在创新研发活动项目融资过程中的融资约束问题更加突出，而数字金融的发展一方面打破了所有制结构信贷匹配的约束，更加迎合非国有中小企业创新项目融资需求，另一方面先进互联网技术的应用可以在最大范围内复合企业各项历史交易记录指标，构建客观、完善的信用评价系统，从而部分缓解了非国有中小企业由于抵押担保少而遭遇融资难的困境，同时通过将作为融资项目的创新活动置于数字技术分析框架中也可以较科学地得出此项技术的创新市场价值，从而为信贷发放机构提供更加全面的信贷供给依据。因此，相比于国有企业，数字金融能显著促进非国有中小企业创新研发投入水平的增加，进而激励其技术创新水平的提高。

（2）是否隶属于高科技产业。表4（3）（4）列是以是否隶属于高科技产业为分组依据的回归结果，由bdiff检验结果看，核心解释变量的组间系数差异性结果显著，即差异性回归结果可信。通过横向对比可以发现，虽然数字金融系数均在1%的水平下显著为正，但是高科技产业子样本回归结果中核心解释变量系数更大，即说明数字金融虽然可以通过缓解融资约束同时助力于高科技、非高科技产业中中小企业增加其创新研发投入，但是相比较之下，数字金融对高科技产业中中小企业的创新研发投入可以起到更加显著的积极作用。

以上实证研究结果验证了H3。其原因可能是：第一，受研究样本的影响，无论是否隶属于高科技产业，中小企业受其自身特征影响，如抵押物价值低、经营风险高等，以及受技术研发活动不确定性大、资金投入高、投入稳定性强等诸多特征制约，均面临不同程度的融资约束；第二，在“大众创业、

—49—

为验证H2、H3的内容，将所有研究样本按照企业性质以及是否隶属于高科技产业进行分组。其中，企业性质分组中，除地方和国有企业同归属于国有企业一组外，其他性质的企业都属于非国有企业组；在是否隶属于高科技产业的分组中，本文除参考Hall、Jaffe的高科技行业界定标准外，还将国家统计局2002年印发的高科技产业统计分类目录的通知作为分组依据：计算机与通信设备制造、公共软件服务、电子、航空航天、医药制造、专用仪器仪表制造、化学品制造等行业为高科技产业，其他的均为非高科技产业。基于企业性质差异和是否隶属于高科技产业差异的分组回归结果见表4所列。

表4

变量FintechIndext-1Controls年份/行业AR(2）［P］以企业特征为分组依据的回归结果

国有企业（1）非国有p-value高科技非高科技p-value企业of产业产业of（2）difference（3）（4）difference0.0020.005***0.002**（3.34）（2.54）控制控制控制控制控制控制0.0600.0030.005***（1.20）（2.95）控制控制控制控制-0.8100.190［0.417］［0.848］0.5400.180［0.587］［0.858］11.6809.270［0.111］［0.234］2492.6908278.950［0.000］［0.000］2244704Hansen检验11.3306.260［0.125］［0.510］［P］Wald检验1492.9002774.480［0.000］［0.000］［P］样本观测值4082540注：***、**、*分别表示1%、5%、10%的显著性水平；系

数下方括号中数值为其Z值。下同。

（1）企业性质差异。表4（1）（2）列是以企业性质为分组依据的回归结果，由bdiff检验结果看，核心解释变量的组间系数差异性结果显著，即差异性回归结果可信。列（2）中数字金融指数前系数为0.005，并在1%的水平下显著，说明数字金融的发加；列（1）国有企业样本的回归结果中，数字金融前展显著促进了非国有企业技术研发投入水平的增

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

万众创新”等国家创新驱动战略影响下，企业创新是衡量其能否在多变的市场环境中生存下来的重要依据，也是一个企业社会竞争力的重要体现，创新是全行业应对瞬息万变生存、竞争环境的根本保障，特别是高科技产业的中小企业，其高成长潜力势必产生扩大规模、增加投资的内在需求，且由于高新技术企业项目的技术含量更高，项目本身不稳定因素更多、风险更大，贷款的管理成本更高，所以增加了该产业内中小企业融资难度。一方面，数字金融发展利用其高覆盖率增加了传统信贷长尾用户的信贷可得性，缓解了高科技、非高科技产业中中小企业在创新项目融资过程中的融资约束困境；另一方面，互联网技术在构建企业以及创新项目资质评价审核过程中，由于高科技中小企业作为融资项目的创新活动其创新市场价值含量更高，因此会有更大的几率通过金融机构的资质审核或者获得更高的信贷额度，因此相比于非高科技产业中的中小企业，数字金融的发展会在更大程度上显著提高其技术创新研发投入水平。

2.基于地域特征差异的分析结果

较高区域内企业的子样本回归结果中，数字金融指数前系数在1%的水平下显著为正，说明较好的经济发展状况有利于数字金融发挥其对中小企业技术研发投入的促进作用；列（2）为经济发展水平较差区域内企业组别的子样本回归结果，结果显示数字金融前系数未表现出统计意义上的显著性，说明较差的经济发展水平不利于数字金融发挥对该区域内中小企业技术研发创新投入的资金支持作用。

以上实证研究结果验证了H4，即良好的经济发展状况不仅可以助力金融中介机构利用借贷双方的规模经济，降低金融交易成本，金融市场在信息获取和传播方面的比较优势也有利于减少信息不对称，提高中小企业的融资可得性，而且较好的经济发展状况意味着较丰富的资源禀赋优势，如人才集聚、物质资源丰富等，同样有利于为中小企业开展技术创新营造良好的氛围；在经济发展水平较低时，经济主体无法承担形成金融体系所需的成本，数字金融体系发展滞缓，此时，金融发展处于低效率状态，自然也无法充分满足中小企业在其技术创新研发过程中的融资需求。

（2）制度环境质量差异。与以经济发展水平为分组依据的回归结果相似，且由bdiff检验结果看，核心解释变量的组间系数差异性结果显著，即差异性回归结果可信。表5（3）（4）列在制度环境质量较好的分组中，数字金融指数前系数显著为正，但是在制度质量较差分组的回归结果中，数字金融前系数不显著。说明只有较好的制度环境质量才能激发数字金融对区域内中小企业技术创新的促进作用，增加其研发投入支出。

以上实证研究结果验证了H5，即较高水平的制度环境质量不仅代表市场中存在较发达的金融中介机构能给予投资者更充分的保护，并使之享有更高效的金融服务水平。与此同时，作为技术创新型企业投资项目选择与资源战略配置的重要考量因素［34］，良好的制度质量通过有效控制外部环境中的不确定性，较少企业技术创新活动中的经济租金成本等引导企业将更多资金、要素等转移到技术创新项目中。另外，优质的制度环境氛围如助推器般加速了数字金融的萌芽与发展，通过“大、智、移、云”等数字技术赋值不仅有效缓解了传统借贷项目中的逆向选择、道德风险等信息不对称问题，还能通过完善信贷事后监督及制定防范数字金融荒蛮生长的规章制度等，进一步缓解中小企业在技术创新

为验证H4、H5的内容，下面将以企业办公地址所在省份的经济发展水平和制度环境质量为依据进行分组。其中，经济发展水平或者制度环境质量指数大于中值的一组代表企业所处地区的经济发展水平以及外部环境制度质量均处于较高水平，反之则代表企业所在地区的经济发展水平或制度环境质量较差。基于经济发展水平差异和基于制度环境质量差异的分组回归结果见表5所列。

表5

以区域特征为分组依据的回归结果

经济发展经济发展p-value制度环境制度环境p-value变量水平高水平低of质量高质量低of（1）（2）difference（3）（4）difference0.010***0.0040.009***0.0040.0700.090FintechIndext-1（3.85）（1.37）（3.23）（1.23）Controls年份/行业AR(2）［P］Hansen检验［P］Wald检验［P］样本观测值控制控制控制控制控制控制控制控制控制控制-0.6300.610［0.528］［0.545］7.4303.770［0.191］［0.437］636.97066.550［0.000］［0.000］150414440.740-1.340［0.456］［0.180］3.4301.240［0.330］［0.743］9.7604496.820［0.000］［0.000］15041444（1）经济发展水平差异。表5（1）（2）列为基于经济发展水平差异的分组回归结果，由bdiff检验结果看，核心解释变量的组间系数差异性结果显著，即差异性回归结果可信。列（1）经济发展水平—50—

数字金融对中小企业技术创新的驱动效应研究

表7

变量

FC（1）

FCt-1RDt-1

FintechIndext-1

FCSizet-1Mfeet-1Fixt-1Levt-1Roat-1Subsidyt-1

Aget-1cons年份行业AR（2）［P］Hansen检验

［P］Wald检验［P］样本观测值

-0.033**（-2.04）0.00002（0.07）-0.0001***（-4.51）1.297***（7.46）

0.526***（14.06）0.003***（2.60）-36.517***（-4.96）3.393***（5.08）0.1111***（6.53）

（Vol.35，No.3）

Mar.，2021

项目中的融资约束困境，激励技术研发投入的增加。

五、数字金融对企业技术创新激励效应的传导路径分析

表3的回归结果证实了数字金融的发展对中小企业技术研发投入会产生积极的影响效应，但却没有验证数字金融的发展是通过何种路径来达到促进中小企业创新研发投入的目的。基于此，为验证H1-2的内容，本文将使用附有中介变量的调节模型进一步探究数字金融基于融资约束路径对中小企业研发投入激励效应产生的内在机理和传导路径，构建如下模型：

FCit=α0+α1FCit-1+β1FintechIndexit-1+

∑γjcontroljit+yeardummy+

industrydummy+εit

中介效应检验结果

RD（2）

FC（3）0.305***（4.23）

0.023***（1.90）

-0.001*（-0.27）

0.001**（0.68）-1.658**（-0.45）

-0.439（-0.49）0.225***（21.31）-0.050（-0.95）-0.023（-0.70）-0.085（-1.24）0.040*（17.54）-0.079（-0.40）8.397（1.01）控制控制0.200［0.201］3.0980.985

13.540（1.03）0.124***（10.45）0.119（0.18）-1.218***（-2.76）0.316（0.24）0.187**（20.10）-3.476（-0.32）-31.761（-0.95）控制控制0.305［0.545］2.7030.274KZ

RD（4）

RDit=α0+α1RDit-1+β1FintechIndexit-1+β2FCit+

∑γjcontroljit+yeardummy+

industrydummy+εit

（2）

-0.0008***-0.013***（-6.00）（-3.30）0.0001（1.16）0.002***（4.17）0.012***（11.45）-0.024**（-2.24）-0.163（-0.75）控制控制0.090［0.928］4.500［0.721］

-0.030***（-5.79）-0.054***（-4.）1.315***（29.03）1.8***（4.00）47.547***（4.80）控制控制0.400［0.690］6.070［0.532］

（3）

其中，SA表示企业融资约束水平。基于模型（1）中数字金融系数显著为正的检验结果，若融资β2应显著。另外，若为完全中介效应则方程（3）中

约束的中介效应存在，则方程（2）中β1、方程（3）中β1不显著，若为部分中介效应则方程（3）中β1虽显

著，但是数值减小。

此外，作为中小企业融资约束的代理指标，本文除使用SA指数外，为增加实证研究结果的稳健性，在参考了Kaplan等做法的基础上，利用经营活动现金流（CF）、现金股利（DIV）、现金持有量（C）、资产负债率（LEV）以及托宾Q指数（TobinQ）等指标（2），构建orderedlogit回归模型，估计KZ指数，一般来说KZ指数越大，融资约束水平越高。KZ指数的回归结果见表6所列，中介效应的回归结果见表7所列。

表6

变量CFDIV

54.2102705.4903628.9001098.340

［0.000］［0.000］［0.000］［0.000］2948

2948

2596

表7（1）（3）列为方程（5）的回归结果，可以发现，无论是以SA指数绝对值还是KZ指数衡量企业融资约束水平，数字金融指数前影响系数在1%的水平下显著为负，说明伴随着数字金融指数的增加，融资约束呈现减小的趋势，即数字金融的发展的确在一定程度上缓解了中小企业融资约束困境。表7（2）（4）列为同时包含融资约束与数字金融指数的回归方程检验结果，具体来看，融资约束指数前系数均在5%的水平下显著为负，这一结果与预期相符，即融资约束的确收紧了中小企业技术创新研发投入，对中小企业的技术创新水平产生了消极影响。此外还应该注意到，相比之前静态模型的回归估计结果，数字金融指数前系数在（2）（4）列中虽未发生性质的变化，但是数值减小，即部分中介效应显著。

—51—

KZ指数系数构建回归结果

（1）-9.154

（-59.092）-27.727（-35.562）-4.011（-46.4）3.482（51.854）0.328（45.400）0.2113245

CLEVTobinQPsedudoR2

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

综上所述，以上实证结果证明了融资约束作为数字金融作用于中小企业技术研发投入过程中中介变量的合理性。进一步地，本文发现融资约束的部分中介效应显著，即数字金融的发展可以通过缓解中小企业的融资约束进而促进其增加技术创新研发投入水平，至于数字金融对中小企业创新研发投入的“激励效应”是否还存在其他的传导途径，可以作为以后重点探究的方向。

六、结论与建议（一）结论

本文运用2014—2018年中小板上市公司数据，首先，通过构建基准线性回归模型验证数字金融对中小企业技术创新“激励效应”的存在性；其次，考虑数字金融作用于区域内企业技术研发活动过程中可能受到企业特征（所有制结构、是否隶属于高科技产业）、地区特征（经济发展水平、外部环境质量）等诸多因素影响，进一步将样本基于以上因素进行分组回归，探究异质性因素可能对两者关系产生的影响；最后，基于之前的理论分析，通过构建中介效应模型，探究数字金融对中小企业技术创新活动可能存在的传导机制。研究结果表明：数字金融通过有效缓解中小企业融资约束困境，可以实现其对技术创新水平的激励作用；其影响结果会受到公司特征（所有权性质、是否隶属于高新科技产业）、地区特征（经济发展水平、制度环境质量）的制约，具体来说，数字金融对高科技中小企业技术创新水平的“激励效应”更大，与此同时，数字金融只对非国有所有权性质或者经济发展水平较高、制度环境质量较好区域内中小企业的技术创新水平有显著的“激励作用”。

（二）建议

数字金融是缓解我国中小企业融资约束进而促进其创新研发投入的重要渠道，因此等相关部门应积极鼓励数字金融的发展，发挥其在我国企业进行创新项目融资的金融支持作用。

一方面，立意高远，加强数字金融的全行业布局，鼓励传统金融业务的数字化赋值，通过产、学结合的方式进一步夯实“大、智、移、云”在数字金融领域应用的技术基础；另一方面，金融机构可以在安全稳妥的前提下，加快技术创新成果投入市场的速度，加强先进的数字技术在传统金融服务情景中的应用，如通过构建度信用评价体系进行中小企业借贷资质审核或搭建模型对创新项目进行价值

—52—

预估，并利用区块链技术对信贷资金流向进行实时追踪监测，以切实保障资金专款专用，降低借贷机构资金坏账的风险。

与此同时，基于数字金融对国有中小企业以及经济发展水平较差、外部制度质量较差地区的中小企业的技术创新影响效应不显著的实证研究结果，提出以下建议：

国有企业因为其特殊的“所有制结构”，在传统金融服务借贷业务中历来享有借贷优势，有相对较小的融资约束困境，但是伴随着国家创新发展战略的实施以及数字金融在传统金融机构的布局，应相应建成关于对企业创新成果价值的审核体系，例如传统金融机构可通过数字技术对国有中小企业创新融资项目的价值进行检测、评估，并对资金流向进行检测，由此来进一步保障国有企业创新成果的价值标杆形象。

经济发展是基础，制度环境是保障，等相关部门着力于进行该地区数字金融建设的前提是做好该区域内经济以及制度质量搭建工作。好的经济发展水平意味着丰富的资源禀赋优势，不仅带来人才集聚促进数字金融发展，还能为中小企业的技术研发带来科研团队的智力支持；另外，数字金融作为一种全新的金融模式，缺乏相应制度法律的监管不仅可能引发金融市场系统性风险，而且也不利于中小企业技术创新成果的保护。因此，相关部门建立健全法律制度，既要监管创新过程及成果保护，加强网络反腐，促进企业寻利，又要构建数字金融的审慎监管框架：一是建立市场行为监管和审慎监管并行的合力监管框架，利用技术手段对信用风险、信息风险和操作风险进行管控，保护中小企业在创新项目融资过程中的合法权益；二是完善法律规定，加强数字金融市场主体行为监管，在对传统金融市场主体监督管理的基础上，进一步加强监督服务提供者的经营行为和操作行为，防范资金和客户信息风险，加强监督服务使用者的支付行为，防范信用风险；三是强化金融与互联网联合监管机制，畅通信息共享渠道，加强技术管理手段，充分发挥大数据分析作用，有效拓展审慎监管，预警防范系统性风险。注释：

（1）在制度质量指标中，对2017年、2018年的缺失值数据以

2016年相应数值进行填充；所有省级面板数据的变量，如数字金融指数、外部制度环境质量以及经济发展水平

数字金融对中小企业技术创新的驱动效应研究

（Vol.35，No.3）

Mar.，2021

等均按照企业办公地址所在的省区进行手动匹配。

（2）CF=经营活动活动产生的现金流量净额/期初总资产；

DIV=（每股税前现金股利×实收资本或股本）/期初总资产；C=（货币资金+交易性金融资产）/期初总资产；LEV=总负债/总资产；TobinQ=托宾Q值。

参考文献：

［1］SCHUMPTERJA.Captitalism，SocialllismandDemocra⁃cy［J］.NewYork：Harper&Row，1912.［2］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［J］.金融研究，2015（4）：148-161.［3］NANDAR，NICHOLAST.DidBankDistressStifleInno⁃

vationDuringtheGreatDepression?［J］.JournalofFi⁃nancialEconomics，2014，114（4）：273-292.［4］张杰，高德步.金融发展与创新：来自中国的证据与解释

［J］.产业经济研究，2017（3）：43-57.［5］胡杰，任丹阳.金融发展、企业特征与研发融资约束——

来自中国股市的经验证据［J］.科技进步与对策，2017，34（6）：81-90.［6］钟腾，汪昌云.金融发展与企业创新产出——基于不同

融资模式对比视角［J］.金融研究，2017（12）：127-142.［7］芦锋，韩尚容.我国科技金融对科技创新的影响研究

——基于面板模型的分析［J］.中国软科学，2015（6）：139-147.［8］赖永剑，贺祥民.金融发展与区域创新绩效的非线性关

系——基于面板平滑转换回归模型［J］.华中科技大学学报（社会科学版），2015，29（2）：92-99.［9］张夏.汇率波动、地区金融发展对企业创新的影响［J］.

世界经济研究，2017（12）：104-117，134.［10］张宽，黄凌云.创新偏好与区域创新能力：如愿以

偿还是事与愿违?［J］.财政研究，2020（4）：66-82.［11］唐清泉，巫岑.银行业结构与企业创新活动的融资约束

［J］.金融研究，2015（7）：116-134.［12］孙伍琴，朱顺林.金融发展促进技术创新的效率研究

——基于Malmuquist指数的分析［J］.统计研究，2008（3）：46-50.［13］KAPOORA.FinancialInclusionandtheFutureofthe

IndianEconomy［J］.Futures，2013（10）：35-42.［14］GUOF，KONGST，WANGJ.GeneralPatternsandRe⁃

gionalDisparityofInternetFinanceDevelopmentinChi⁃na：EvidencefromthePekingUniversityInternetFi⁃nanceDevelopmentIndex［J］.ChinaEconomicJournal，2016，9（3）:1-19.［15］葛和平，朱卉雯.中国数字普惠金融的省域差异及影响

因素研究［J］.新金融，2018（2）：47-53.［16］谢平，邹传伟.互联网金融模式研究［J］.金融研究，

2012（12）：11-22.［17］肖翔，洪欣.普惠金融指数的编制研究［J］.武汉金融，

2014（9）：7-11.

［18］郭峰，王靖一，程志云，等.测量中国数字普惠金融发

展：指数编制与空间特征［J］.经济学（季刊），2020，19（4）：1401-1418.［19］谢绚丽，沈艳，张浩星，等.数字金融能促进创业吗：

来自中国的证据［J］.经济学（季刊），2018，4（17）：1557-1580.［20］邱晗，黄益平，纪洋.金融科技对银行行为的影响：基于

互联网理财的视角［J］.金融研究，2018（11）：17-30.［21］龚沁宜，成学真.数字普惠金融、农村贫困与经济增长

［J］.甘肃社会科学，2018（6）：139-145.［22］陈啸，陈鑫.普惠金融数字化对缩小城乡收入差距的空

间溢出效应［J］.商业研究，2018（8）：167-176.［23］李乐，周林毅.数字普惠金融促进地区生产效率研

究［J］.山东理工大学学报（社会科学版），2018（4）：5-9.［24］傅秋子，黄益平.数字金融对农村金融需求的异质性影

响：来自数字普惠金融指数与中国家庭金融调查的证据［J］.金融研究，2018（11）：68-84.［25］易行健，周利.数字普惠金融发展是否显著影响了居民

消费——来自中国家庭的微观证据［J］.金融研究，2018（11）：47-67.［26］鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业

创新可持续性［J］.经济研究，2013（1）：4-16.［27］刘建徽，周志波，陈习定.普惠小微金融发展研究——

基于安徽、湖北和深圳模式的比较分析［J］.当代金融研究，2018（4）:-98.［28］KHURANAIK，MARTINX，PEREIRARR.Financial

DevelopmentandtheCashFlowSensitivityofCash［J］.JournalofFinancial&QuantitativeAnalysis，2006，41（4）：787-807.［29］余明桂，钟慧洁，范蕊.非国有化、融资约束与企业创新

——来自中国工业企业的证据［J］.金融研究，2019（4）：75-91.

［30］LAMONTO，POLKC，SAA-REQUEJOJ.Financial

ConstraintsandStockReturns［J］.ReviewofFinancialStudies，2001，14（2）：529-554．［31］WHITEDT，WUG.FinancialConstraintsRisk［J］.Re⁃

viewofFinancialStudies，2006，19（2）：531-559．［32］HADLOCKC.，PIERCEJ.NewEvidenceonMeasuring

FinancialConstraints：MovingBeyondtheKZIndex［J］.ReviewofFinancialStudies，2010，23（5）：1909-1940．［33］WEISJ，XIEZ，ZHANGX.From\"MadeinChina\"to

\"InnovatedinChina\"：Necessity，Prospect，andChalleng⁃es［J］.JournalofEconomicPerspectives，2017，31（1）：49-70.［34］SHENGD，ZHANGS，NIUFJ，etal.APotentialNew

FrostHeaveMechanisminHigh-speedRailwayEm⁃bankments［J］.Géotechnique，2013，（2）：144-154.

［责任编辑：金眉］

—53—

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文