数字金融、研发投入与企业创新——基于融资约束和内部盈利的视角

Digital Finance, Research Input and Corporate Innovation—Based on the Perspective of Financing Constraints and Internal Profitability

摘要: 创新驱动战略是推动企业技术创新的重要源泉。文章采用2011~2021年北京大学数字普惠金融指数和上市公司相关数据，基于融资约束和内部盈利视角实证检验了数字金融、研发投入与企业创新之间的关联机制。研究发现：1) 数字金融和研发投入、企业创新显著正相关，且研发投入对企业创新具有正向促进作用；2) 数字金融对研发投入的作用存在内外部两个传导机制，外部通过缓解融资约束提高研发投入，而内部则通过增加企业营业利润和流动资产提高研发投入，并最终促进企业创新；3) 从区域异质性看，数字金融对中西部地区企业创新具有更显著的激励作用。因此，政府应落实相关政策促进数字金融与区域经济协同发展；市场应完善数字金融发展过程中的相关机制，充分发挥数字金融的共享优势和普惠特性；同时企业应当抓住数字金融政策红利，不断挖掘客户个性化需求。

Abstract: Innovation-driven strategy promotes technological innovation activities of enterprises. Based on the digital Finance Index of Peking University and the data of listed companies from 2011 to 2021, this paper empirically analyzes the relationship between digital finance, R&D investment and enterprise innovation from the perspective of financing constraints and internal profitability. The findings are as follows: First, digital finance is significantly positively correlated with R&D investment and enterprise innovation, and R&D investment has a positive promoting effect on enterprise innovation. Second, there are two internal and external transmission mechanisms for the effect of digital finance on R&D investment. The external improves R&D investment by easing financing constraints, while the internal increases the operating profits and current assets of enterprises to provide R&D investment, and ultimately promotes enterprise innovation. Third, from the perspective of regional heterogeneity, digital finance has a more significant incentive effect on enterprise innovation in the central and western regions. Therefore, the government should implement relevant policies to promote the coordinated development of digital finance and regional economy; the market should improve the relevant mechanisms in the development process of digital finance and give full play to the shared advantages and inclusive features of digital finance; at the same time, enterprises should seize the dividend of digital financial policy and continuously tap the personalized needs of customers.

1. 引言

技术创新是国家经济持续增长的决定性因素 [1] 。2023年《政府工作报告》中指出要“增强科技创新引领作用。强化国家战略科技力量”。受金融全球化持续发展、数字化转型和债务危机等因素影响，传统金融机构难以满足企业创新需求。数字金融作为一种有效补充 [2] ，能够突破地域限制，降低成本门槛，提高企业融资可得性，推动核心技术研发。面对日新月异的金融环境，研究数字化金融发展能否促进企业创新以及二者之间的作用机制，对实现经济高质量发展具有深刻意义。

数字金融利用信息集约化推动企业产品和服务的创新 [3] [4] 。其对外优化产业和金融结构 [5] ，减少资源错配 [6] ；对内集中闲散资金，激励企业业务、运营、管理多方位转型，通过缓解融资约束提高研发投入。企业创新的风险和不确定性高 [7] ，唯有稳定的资金流投入才能保障创新的开展，因此研发投入的增加会对企业创新产生正向影响。当前研究大多仅考虑宏观视角数字金融对企业创新的影响或融资约束的中介效应，对数字金融影响研发投入的内部机制及内外系统研究较少。本文基于2011~2021年北京大学数字普惠金融指数 [8] 和上市公司数据，通过年份和省份匹配实现数字金融、研发投入与企业创新的关联，利用固定效应模型和中介效应模型，检验数字金融对研发投入和企业创新的直接效应并分析数字金融对研发投入的内外部传导机制。

2. 文献综述与研究假设

2.1. 数字金融与企业创新

发达的金融体系能实现创新回报预测的有效性，提高创新效率 [9] 。数字金融作为技术驱动型的创新金融业态，能够纠正结构性错配 [6] ，优化资源配置 [10] ，实现金融服务便捷化 [11] 。数字金融通过覆盖广度、使用深度和数字化支持服务三个方面促进企业创新 [4] ，一是推动数字技术和传统业务的跨界融合，二是提升金融服务的种类和质量，三是优化企业运营管理。当前研究中，学者们融入了高管背景 [12] 、市场机制和政府调控 [13] 、信息约束 [14] 等众多因素，研究结果均指出：数字金融的技术溢出效应、竞争效应和产业优化效应，能够正向激励企业创新。基于此，本文提出如下假设：

假设1：数字金融对企业创新具有显著促进作用。

2.2. 数字金融与研发投入

数字金融主要通过“外降”和“内增”两个渠道影响研发投入和企业创新 [4] 。

从企业的外部融资来看，数字金融能够缓解研发投入面临的融资约束。一方面，数字金融减轻信贷扭曲 [15] [16] ，降低传统金融机构的门槛和成本，为缓解融资约束提供了可能 [17] ；另一方面，数字金融依托大数据抓取不同企业、客户、机构的数据并加以整合，降低信息不对称造成的融资约束 [14] [18] [19] 。

从企业的内部盈利来看，数字金融对研发投入的作用路径主要体现在“增量补充”和“存量优化”两方面 [6] 。一是数字金融能够快速高效地将市场闲散金融资源转化为有效供给；二是数字技术通过优化业务、服务和营销等活动推动传统金融体系的转型和重塑。此外，数字金融有助于企业提高运营效率 [20] 、改进风险管理 [3] 和创新产品服务，以此增加盈利能力和研发投入，激励企业创新。

基于此，本文提出以下假设：

假设2：数字金融能够显著增加企业研发投入。

假设2a：外部存在“数字金融发展–缓解融资约束–增加研发投入”的传导机制；

假设2b：内部存在“数字金融发展–增加营业利润和流动资产–提高研发投入”的传导机制。

2.3. 研发投入与企业创新

企业创新活动周期长、调整成本高、不确定性强 [21] ，因此对研发投入的稳定性和连续性要求高。投入研发资金、时间和技术等资源是企业开展创新活动的前提和基础 [22] ，能够促进企业的突破式创新和渐进式创新 [23] ，同时也能激励企业专利申请动机的增强和研发强度的增大 [24] ，二者的正向关系在赖力琦 [25] 和余官胜 [26] 的研究中也得到了验证。综上，本文提出以下假设：

假设3：研发投入能够显著提升企业创新能力。

3. 数据、变量与模型

3.1. 数据来源

由于北京大学数字普惠金融指数仅更新至2021年度，因此本文数据选取的时间范围为2011~2021年，结合国泰安数据库上市公司的财务数据进行了年份和省份匹配。同时参考其他研究对样本进行以下处理：1) 为保证企业业绩稳定性，剔除了ST企业；2) 由于金融和房地产的创新活动较为特殊，剔除此类企业；3) 剔除数据缺失的样本值；4) 对样本变量进行1%和99%水平上的缩尾处理以消除样本中离群值的干扰。最终得到4292条观测值。

3.2. 变量说明

一是被解释变量：企业创新(Innovation)。本文借鉴了GRILICHES Z [27] ，唐松等 [6] 的做法，利用企业的专利数据测度该指标，由于专利授权具有时间滞后性，本文仅考虑企业年度专利申请量。

二是解释变量：数字普惠金融指数(DF)。本文采用北京大学数字金融研究中心所编制的“北京大学数字普惠金融指数”。为保障分析准确性，该部分选取对数化后的市级数据，在后续稳健性检验中将其替换为省级数据进行验证。

三是中介变量：包括研发投入(RD)，融资约束(SA)，营业利润(TP)，流动资产(FC)。本文以企业研发投入的对数值进行研究；融资约束采用具有避免内生性干扰、与公司指标相关性高等优势的SA指数；同时对企业营业利润和流动资产取对数值。

四是控制变量。参考曾雅婷等 [28] 、杨先明等 [29] 的研究，本文在回归模型中加入了具有一定代表性的控制变量，具体包括企业资产规模(Size)、企业年龄(Age)、资产负债率(Lev)、第一大股东持股比例(Top 1)和政府补助(Gov)。详细定义见下表1。

Table 1. Variables and related descriptions

表1. 变量及相关定义

数据来源：根据北京大学数字普惠金融指数和国泰安(CSMAR)数据库上市公司数据计算整理。

3.3. 模型构建

基于上述理论假设，本文构建了以下研究模型：

1) 直接效应模型

$Innovatio{n}_{ijt}={\alpha }_0+{\alpha }_{1}D{F}_{it}+{\displaystyle \sum {\alpha }_{j}contro{l}_{ijt}}+{\alpha }_{2}cit{y}_{ijt}+{\epsilon }_{it}$ (1)

$R{D}_{it}={\beta }_0+{\beta }_{1}D{F}_{it}+{\displaystyle \sum {\beta }_{j}contro{l}_{it}}+{\beta }_{2}cit{y}_{ijt}+{\epsilon }_{it}$ (2)

$Innovatio{n}_{it}={\gamma }_0+{\gamma }_{1}R{D}_{it}+{\displaystyle \sum {\gamma }_{j}contro{l}_{it}}+{\gamma }_{2}cit{y}_{ijt}+{\epsilon }_{it}$ (3)

其中， $Innovatio{n}_{ijt}$ 表示j城市i企业t时期的企业创新水平； $R{D}_{ijt}$ 表示j城市i企业t时期的企业研发投入水平； $D{F}_{it}$ 表示i企业所在城市t时期的数字金融普惠总指数； $contro{l}_{ijt}$ 表示控制变量； $cit{y}_{ijt}$ 为企业的区域固定效应； ${\epsilon }_{it}$ 为随机误差项。

2) 中介效应模型

本文借鉴温忠麟等 [30] 的研究，构建数字金融与研发投入之间内外部传导机制的中介效应模型：

$S{A}_{iJt}={\partial }_0+{\partial }_{1}D{F}_{i,t-1}+{\displaystyle \sum {\partial }_{j}contro{l}_{ijt}}+{\partial }_{2}cit{y}_{ijt}+{\epsilon }_{ijt}$ (4)

$R{D}_{i,j,t-1}={\delta }_0+{\delta }_{1}D{F}_{i,t-1}+{\delta }_{2}S{A}_{i,t-1}+{\displaystyle \sum {\delta }_{j}contro{l}_{it}}+{\delta }_{3}cit{y}_{ijt}+{\epsilon }_{ijt}$ (5)

$T{P}_{ijt}={\mu }_0+{\mu }_{1}D{F}_{i,t-1}+{{\displaystyle \sum }}^{\text{}}{\mu }_{j}contro{l}_{ijt}+{\mu }_{2}cit{y}_{ijt}+{\epsilon }_{ijt}$ (6)

$R{D}_{i,j,t-1}={\phi }_0+{\phi }_{1}D{F}_{i,t-1}+{\phi }_{2}T{P}_{i,j,t-1}+{{\displaystyle \sum }}^{\text{}}{\phi }_{j}contro{l}_{ijt}+{\phi }_{3}cit{y}_{ijt}+{\epsilon }_{ijt}$ (7)

$F{C}_{ijt}={\mu }_0+{\mu }_{1}D{F}_{i,t-1}+{{\displaystyle \sum }}^{\text{}}{\mu }_{j}contro{l}_{ijt}+{\mu }_{2}cit{y}_{ijt}+{\epsilon }_{ijt}$ (8)

$R{D}_{i,j,t-1}={\phi }_0+{\phi }_{1}D{F}_{i,t-1}+{\phi }_{2}F{C}_{i,j,t-1}+{{\displaystyle \sum }}^{\text{}}{\phi }_{j}contro{l}_{ijt}+{\phi }_{3}cit{y}_{ijt}+{\epsilon }_{ijt}$ (9)

$Innovatio{n}_{ijt}={\tau }_0+{\tau }_{1}R{D}_{i,j,t-1}+{\tau }_{2}D{F}_{i,t-1}+{\tau }_{3}T{P}_{i,j,t-1}+{\tau }_{4}F{C}_{i,j,t-1}+{\displaystyle \sum {\tau }_{j}contro{l}_{ijt}}+{\tau }_{5}cit{y}_{ijt}+{\epsilon }_{ijt}$ (10)

其中，对模型(4) (5)中的“数字金融( $D{F}_{it}$ )”、“研发投入( $R{D}_{ijt}$ )”和模型(5)中的“融资约束( $S{A}_{ijt}$ )”进行滞后一期处理。一方面考虑同一期企业研发投入对企业融资的反向影响；另一方面是数字金融作用的时间滞后性可能出现于研发投入对企业创新水平的影响中。

4. 实证结果与分析

4.1. 描述性统计

本文模型主要变量的描述性分析结果见下表2。具体来看，“企业创新”均值为3.581，表明我国企业创新水平普遍不高，其最大值和最小值分别为7.690、0.693，反映出了不同企业之间的较大差异；“数字金融总指数——城市”的均值为5.384，标准差为0.416，体现了目前数字金融在我国发展的普遍性；“研发投入”均值为18.189，在15.427到22.268的范围内波动，说明了企业研发投入的差异性；“融资约束”均值为−3.752，标准差为0.254，充分反映出融资约束是我国企业面临的一大普遍问题，整体数值分布于−4.430到−3.070之间，即企业融资约束的程度并不完全相同；“营业利润”和“流动资产”的均值分别为18.976和21.545，反映出企业内部的盈利水平和资产积累。

Table 2. Descriptive statistics of primary variables

表2. 主要变量描述性统计

4.2. 实证结果

1) 直接效应的检验

本文利用固定效应模型检验数字金融、研发投入和企业创新三者之间的关系，在回归过程中仅控制城市固定效应，模型(1) (2) (3)的回归结果见下表3。

Table 3. Parameter estimation of direct effect between digital financial, R&D investment and firm innovation

表3. 数字金融、研发投入与企业创新的直接效应参数估计

注：括号内为t值；***，**，*分别表示在1%、5%、10%置信水平上显著。

从表中可以看出，模型(1)中，数字金融对企业创新的估计系数为0.392，该系数在1%的置信水平上显著为正，表明数字金融能够显著促进企业创新，假设1成立。模型(2)中，数字金融发展水平每增加一个单位，研发投入就提高0.411个单位，即数字金融的发展能够增加企业研发投入，假设2成立。模型(3)中，研发投入能够显著正向提高企业创新能力，其估计系数在1%的置信水平上显著为正，假设3成立。模型(1)和模型(3)在控制城市固定效应后，相关系数有所减小，这可能是因为加入控制变量后部分影响因素有所吸收，但是无论是否控制城市固定效应，上述结果均显著且稳健。

2) 检验“数字金融发展–缓解融资约束–增加研发投入”的传导机制

本文引入融资约束研究数字金融影响研发投入的外部传导机制，具体的回归结果见下表4。

从模型(4)回归结果可以看出，数字金融的发展能够显著缓解企业融资约束。在模型(5)中，数字金融与研发投入显著正相关，而融资约束与研发投入显著负相关，对比模型(2)和模型(5)的估计系数可以发现，加入融资约束后，数字发展对研发投入的影响有所减弱，其系数从0.331变为0.326，即融资约束在数字金融和研发投入之间发挥着中介效应。数字金融的发展依托于大数据等数字技术，能有效缓解信息不对称造成的融资约束，从而促进研发投入和企业创新，假设2a成立。

3) 检验“数字金融发展–增加营业利润和流动资产–提高研发投入”的传导机制

本文通过数字金融对企业营业利润和流动资产的影响研究数字金融与研发投入的内部传导机制，具体回归结果见下表5。

Table 4. Test results of the transmission mechanism of “Digital Finance-Financing Constraints-R&D Investment”

表4. “数字金融–融资约束–研发投入”传导机制的检验结果

注：括号内为t值；***，**，*分别表示在1%、5%、10%置信水平上显著。

Table 5. Test results of the transmission mechanism of “Digital Finance-Operating Profit and Current Assets-R&D Investment”

表5. “数字金融–营业利润和流动资产–研发投入”传导机制的检验结果

注：括号内为t值；***，**，*分别表示在1%、5%、10%置信水平上显著。

在模型(6) (7)中，数字金融与营业利润、流动资产分别在1%的置信水平上显著正相关。在模型(8) (9)中，数字金融、营业利润、流动资产均体现出对研发投入的显著正向影响，同时模型(10)反映了数字金融、营业利润和流动资产、研发投入、企业创新之间的链式传导效应，即数字金融增加企业营业利润和流动资产，进而提高研发投入，并最终正向激励企业创新活动。

4.3. 异质性分析

本文进一步探讨了区域异质性对数字金融、研发投入与企业创新三者关系的影响。在省份分类的过程中，本文参考了吕江林等 [31] 的研究，将北京、天津、河北、辽宁、江苏、浙江、上海、福建、广东、山东和海南归类为东部地区，由于剩下的省份样本相对较少，因此直接将其归为中西部地区。具体回归结果见表6。

Table 6. Parameter estimation for eastern region and western region

表6. 东部地区和中西部地区的参数估计

注：括号内为t值；***，**，*分别表示在1%、5%、10%置信水平上显著。

从上述回归结果来看，数字金融对研发投入和企业创新的促进作用在各地区均成立。对比东部和中西部模型可以发现，中西部地区数字金融与企业创新的估计系数为0.402，略高于东部地区的0.379，表明数字金融的促进作用在中西部地区更为显著。数字金融的发展有利于填补金融服务在中西部地区的空缺。此外，数字金融能够通过互联网技术推动金融服务跨越地域局限，降低金融服务壁垒，以此提高中西部地区企业融资的可得性，进而推动企业创新。

4.4. 稳健性检验

为了确保研究结果的可靠性，本文通过如下方法对上述实证结果进行稳健性检验。一是替换变量。将城市数字金融总指数替换为省级数据，具体回归结果见下表7。从表中可以看出，数字金融对研发投入和企业创新的直接促进效应依旧成立。上述假设1~3得到了进一步验证。二是Bootstrap检验。Bootstrap检验对数据的分布没有具体要求，并且多次有放回的重复抽样一定程度保证了结果的稳健性，因此本文以此方法重复800次检验模型中“融资约束”、“营业利润”和“流动资产”的中介效应，检验结果见表8。

Table 7. Robust Testing I: Replace variables

表7. 稳健性检验I：替换变量

注：括号内为t值；***，**，*分别表示在1%、5%、10%置信水平上显著。

Table 8. Robust Testing II: Bootstrap test

表8. 稳健性检验II：Bootstrap检验

注：***，**，*分别表示在1%、5%、10%置信水平上显著。

加入融资约束、营业利润和流动资产后，数字金融对研发投入间接效应的置信区间分别为[0.002, 0.015]，[0.016, 0.037]，[0.027, 0.062]，内部均不含0，即三者的中介效应均存在。在融资约束对研发投入的影响中，主效应为−0.330，该值在1%的水平下显著，间接效应置信区间为[−0.499, −0.162]，不包含0，即数字金融通过缓解融资约束促进研发投入。通过检验营业利润和流动资产、研发投入、企业创新之间的中介作用，由于两组的置信区间分别为[0.041, 0.075]和[0.296, 0.408]，可以发现流动资产对企业创新具有显著的直接效应。

5. 结论与启示

5.1. 研究结论

本文利用2011~2021年北京大学数字普惠金融指数和上市公司数据，基于融资约束和内部盈利视角分析了数字金融、研发投入和企业创新之间的作用机制。通过固定效应模型和中介效应模型实证检验了数字金融对研发投入和企业创新的直接效应，同时分析了数字金融影响研发投入的内外部传导机制。主要结论如下：第一，数字金融对研发投入和企业创新具有显著正向激励作用，且企业创新随研发投入的增加而增强；第二，数字金融对研发投入的作用存在内外部两个传导机制，外部传导中通过缓解融资约束提高研发投入，而内部传导中数字金融主要增加了企业的营业利润和流动资产，进而提高研发投入，最终通过链式传导至企业创新；第三，从区域异质性看，数字金融对中西部地区企业创新具有更显著的激励作用。

5.2. 启示

结合上述研究结论，本文主要从政府政策、市场机制和企业发展三方面给出以下现实启示：

第一，对政府政策而言：首先应坚持推动数字金融发展，充分发挥数字金融对各区域创新的驱动作用；其次应加强对数字金融的政策支持，促进数字金融与区域经济的协同发展；最后要完善相关的制度政策，保障数字金融的可持续发展。

第二，对市场机制而言：信息不对称所导致的融资约束问题是制约当前企业技术创新的主要因素之一。因此，我们应当完善市场机制，充分发挥数字金融的共享优势和普惠特性，通过优化资源配置提高企业创新能力并促进经济的高质量发展。

第三，对企业发展而言：首先应当抓住数字金融政策红利，在政府相关政策的指导下实现业务、营销和运营等方面的数智化；其次应当依托高速发展的数字技术和智能信息平台，利用海量数据挖掘客群的个性化需求；最后企业应当加强人才培养机制，通过“校企合作”等方式引进数字化人才。