基于QCA的科技金融企業(yè)績效影響因素研究

王曉艷,梁 珂

(合肥學(xué)院 經(jīng)濟與管理學(xué)院,合肥 230601)

在全球向后疫情時代過渡的背景下,探索金融科技與實體經(jīng)濟的融合備受關(guān)注?？萍冀鹑诋a(chǎn)業(yè)生態(tài)體系主要由科技企業(yè)、金融企業(yè)、金融監(jiān)管機構(gòu)、研究機構(gòu)和行業(yè)協(xié)會組成。其中,科技企業(yè)主要在風(fēng)控、營銷、客服、投顧和征信等領(lǐng)域為金融企業(yè)和金融監(jiān)管機構(gòu)提供高端技術(shù)服務(wù),具有較大的融資需求。金融企業(yè)主要由商業(yè)銀行構(gòu)成,是整個生態(tài)體系的金融服務(wù)方。金融企業(yè)和科技企業(yè)組成的科技金融企業(yè)是當(dāng)前中國科技金融產(chǎn)業(yè)發(fā)展的主要載體。目前,中國科技金融產(chǎn)業(yè)在全球處于領(lǐng)先地位,在市場規(guī)模、應(yīng)用場景等方面都取得了一定成果,科技金融的發(fā)展已成為推動我國高新技術(shù)發(fā)展的重要因素。[1]因此,改善科技金融企業(yè)生產(chǎn)經(jīng)營效率,提高企業(yè)競爭力,提升企業(yè)績效,對中國科技金融產(chǎn)業(yè)體系發(fā)展具有積極作用。

從當(dāng)前研究現(xiàn)狀看,國內(nèi)外學(xué)者對科技金融促進經(jīng)濟高質(zhì)量發(fā)展、降低融資約束的作用機理和作用效果等進行了相關(guān)研究[2],但將科技金融企業(yè)作為獨立的研究范疇,探究科技金融企業(yè)發(fā)展和影響的研究文獻并不多。對這一問題的研究,有助于發(fā)現(xiàn)科技金融企業(yè)自身獨特的提升路徑,理解不同類別的科技金融企業(yè)的差異。

鑒于當(dāng)前對科技金融企業(yè)發(fā)展的研究,發(fā)現(xiàn)加大資金投入和高管激勵能夠影響企業(yè)的成長。施賽特基于雙向固定效應(yīng)模型研究發(fā)現(xiàn)科技貸款能顯著提升科技金融企業(yè)績效。[3]王晶玉發(fā)現(xiàn)公共科技金融投入和市場科技金融投入對高技術(shù)企業(yè)提高績效具有顯著的正向作用。[4]李懷建等在對企業(yè)績效的研究中發(fā)現(xiàn):研發(fā)投入與高管激勵均對企業(yè)績效有積極的促進作用,企業(yè)創(chuàng)新投入與高管薪酬激勵和公司績效之間均呈現(xiàn)顯著的正向調(diào)節(jié)效應(yīng)。[5]這些研究對提升科技金融企業(yè)的績效具有一定的參考價值,但仍有不足之處。已有研究主要探討單一因素對企業(yè)績效的影響,但是在現(xiàn)實中,企業(yè)的績效總是受制于多種因素的共同作用,各因素間是相互聯(lián)系和不可分割的。而且,這些因素在不同的情境下可能會產(chǎn)生不同的結(jié)果。另外,目前研究中對于提高特定企業(yè)績效的措施,遷移到不同情境下不同的企業(yè)中可能會產(chǎn)生矛盾,造成矛盾的原因有可能是忽略了其他因素的組合作用。

在科技金融企業(yè)中,需要解決的問題是新穎的、錯綜復(fù)雜的,影響企業(yè)產(chǎn)生高績效的因素也是復(fù)雜的,因此,探究科技金融企業(yè)提升績效的路徑,不能僅考慮單個影響要素,而是需要找到多個要素之間的組合協(xié)同效應(yīng)對績效的影響。

1 研究方法選擇和模型構(gòu)建

1.1 研究方法選擇

已有的線性回歸模型、因子分析、固定效應(yīng)模型等定量研究方法,雖然也可以通過增加條件因素來觀察變量間的交互效應(yīng),但是,當(dāng)條件因素超過兩個時,便難以厘清其間關(guān)系。鑒于已有研究方法的局限性,本文采用定性比較分析(Qualitative Comparative Analysis, QCA)的方法,分析多因素組合對企業(yè)績效的影響,從整體視角研究科技金融企業(yè)績效提升的路徑。

QCA法是一種基于布爾代數(shù)的集合論分析方法,用于研究多個條件因素對結(jié)果的影響,其作用是為了解釋實踐中條件因素間相互依賴并發(fā)產(chǎn)生結(jié)果的組態(tài)現(xiàn)象,具有整合多種戰(zhàn)略選擇和導(dǎo)向的作用,有效的探究復(fù)雜的因果機制。[6]QCA方法依賴于先前的研究選擇條件因素,因此根據(jù)當(dāng)前對提高企業(yè)績效的定量研究,從中提取出影響企業(yè)績效的條件因素,將這些條件因素作為本研究的條件變量,利用QCA方法探究其中復(fù)雜的因果機制。

QCA包括三種方法:csQCA(清晰集定性比較分析)、mvQCA(多值定性比較分析)和fsQCA(模糊集定性比較分析)。這三種方法在變量的劃分上具有差異,csQCA將離散變量一部分劃分為“0-1”的二分布,0代表完全不隸屬,1代表完全隸屬。mvQCA是將離散變量劃分為3類或3類以上。fsQCA是針對連續(xù)變量,確定變量的3個斷點,將變量劃分為“0-0.5-1”三部分,0代表完全不隸屬,0.5代表交叉點,1代表完全隸屬。其中fsQCA更加穩(wěn)健、對異常值更加敏感,并且沒有樣本代表性的問題,不假定數(shù)據(jù)服從特定概率分布。[6]本文所選變量皆為連續(xù)變量,因此,本文選擇fsQCA方法模擬現(xiàn)實中多因素共同作用于科技金融企業(yè)績效的場景。

1.2 模型構(gòu)建

根據(jù)大量的對于企業(yè)績效的研究,從中提取所研究的條件變量進行篩選,最終從大量研究者的文獻中確定了金融科技投入、流程優(yōu)化建設(shè)投入、技術(shù)儲備程度、負債水平、營運能力、管理能力[7-12]等六個因素作為影響科技金融企業(yè)績效的關(guān)鍵因素。每一個因素在不同學(xué)者的研究中對企業(yè)績效都出現(xiàn)過顯著影響,也是企業(yè)實現(xiàn)自身成長的重要指標(biāo),將這些因素綜合起來構(gòu)建科技金融企業(yè)產(chǎn)生績效的機制模型(如圖1所示),探究快速提升科技金融企業(yè)績效的實現(xiàn)路徑。

圖1 科技金融企業(yè)產(chǎn)生績效的機制模型

1.3 變量說明

樣本選取上市公司中的科技金融企業(yè),時間為2010—2020年,數(shù)據(jù)來源于國泰君安數(shù)據(jù)庫,研究樣本中包含114家公司。選取的數(shù)據(jù)存在數(shù)據(jù)項缺失的,則剔除,所得樣本條件變量和結(jié)果變量的說明,見表1。

表 1 條件變量和結(jié)果變量說明

2 QCA分析

2.1 變量的描述性統(tǒng)計分析

金融科技投入、流程優(yōu)化建設(shè)投入、技術(shù)儲備程度的建設(shè)投入的數(shù)值,來自于國泰君安數(shù)據(jù)庫數(shù)據(jù)的統(tǒng)計和評估,營運能力為企業(yè)資產(chǎn)周轉(zhuǎn)率,管理能力為董監(jiān)高前三名的薪資總額取對數(shù)。樣本的條件變量和結(jié)果變量的描述性統(tǒng)計結(jié)果,見表2。

表2 樣本描述性統(tǒng)計分析

由表2可知,樣本中企業(yè)績效水平、負債水平、營運能力、管理能力的標(biāo)準(zhǔn)差較小,分布較為均勻,金融科技投入、流程優(yōu)化建設(shè)投入、技術(shù)儲備程度這3個變量在分布較為不均勻,個別企業(yè)中金融科技投入和流程優(yōu)化建設(shè)投入非常高對數(shù)據(jù)的分布造成了較大影響。

2.2 數(shù)據(jù)校準(zhǔn)

采用QCA方法需要對于測量的變量進行再校準(zhǔn),轉(zhuǎn)換為集合概念。轉(zhuǎn)變后的集合隸屬介于0到1之間,需要設(shè)置三個錨點,分別為完全隸屬、交叉點和完全不隸屬。錨點的選擇可以借鑒現(xiàn)有的理論來設(shè)置,也可根據(jù)經(jīng)驗劃分,但要做到合理和透明。因此,參考先前研究[13,14],采用常規(guī)設(shè)置,將案例樣本按照95%(完全隸屬)、50%(交叉點)和 5%(完全不隸屬)的標(biāo)準(zhǔn)進行校準(zhǔn),校準(zhǔn)錨點見表3。

表3 變量的校準(zhǔn)錨點

2.3 必要性檢測

在進行 QCA 的標(biāo)準(zhǔn)分析前,要確定任何一個條件對結(jié)果來說是否是必要的。[15]用來分析條件是否構(gòu)成結(jié)果的必要條件或充分條件。必要條件意味著該條件總在結(jié)果存在時出現(xiàn),換言之,沒有該條件,結(jié)果就無法產(chǎn)生。通常認定必要條件需要達到0.9的一致性分數(shù),并且具有足夠的覆蓋度。

必要性檢測分別檢測了高企業(yè)績效與非高企業(yè)績效的一致性和覆蓋度兩個指標(biāo)。一致性指標(biāo)主要檢驗必要條件關(guān)系,覆蓋度則是檢驗充分條件關(guān)系。一致性的公式為

(1)

覆蓋度的公式為

(2)

式中,xi表示第i個條件變量的“觀測值”,yi表示第i個結(jié)果變量的“觀測值”。

由表4可知,必要條件中,資產(chǎn)負債率得分最高,為0.859 941,但低于0.9的一致性分位數(shù)要求,即單因條件不構(gòu)成必要條件。因此,在科技金融企業(yè)中,單因條件變量對高企業(yè)績效結(jié)果和非高企業(yè)績效結(jié)果的解釋度偏低,因此,本文需要展開進一步的組態(tài)分析。

表4 必要條件檢測結(jié)果

2.4 組態(tài)分析與結(jié)果解釋

2.4.1 組態(tài)分析

本研究借鑒定性比較分析方法研究專家Ragin的觀點,將一致性閾值設(shè)置為較為嚴(yán)格的0.80,可接受的個案數(shù)設(shè)為1。在fsQCA3.0軟件中,選擇標(biāo)準(zhǔn)分析,對企業(yè)績效和非企業(yè)績效分別做組態(tài)分析,得到的企業(yè)績效組態(tài)分析見表5和非企業(yè)績效組態(tài)分析見表6。

表 5 企業(yè)績效組態(tài)分析表

表 6 非企業(yè)績效組態(tài)分析表

2.4.2 結(jié)果解釋

2.4.2.1 企業(yè)績效組態(tài)結(jié)果分析

根據(jù)表5,產(chǎn)生高企業(yè)績效的組態(tài)共有7個,這7個組態(tài)的一致性均超過了0.8,模型解的一致性為0.812 7。說明模型解中 7個組態(tài)構(gòu)成了充分條件。解的覆蓋度為0.736 1,說明該模型解釋了約74%的產(chǎn)生高企業(yè)績效的原因。高績效科技金融企業(yè)的7個組態(tài)對應(yīng)了5種核心條件組合,即五條產(chǎn)生高企業(yè)績效路徑。

(1)負債水平主導(dǎo)驅(qū)動。表5中,H1和H2這兩個條件組態(tài)均是以負債水平作為核心條件出現(xiàn),其他條件表現(xiàn)為缺失或無關(guān)緊要。這意味著負債水平對于企業(yè)取得高績效具有顯著作用。其中H1解釋了約45%的案例,H2解釋了約53%的案例。負債水平在必要性檢測中未達到必要條件程度,但卻以充分條件出現(xiàn)在組態(tài)中,這說明高績效企業(yè)都會刻意借貸增加投入,從而使得資產(chǎn)負債率增加,增加的投入對績效的提升產(chǎn)生了重要作用。該路徑的代表企業(yè)有:江陰銀行、張家港行、中航資本、紫金銀行。科技金融企業(yè)大部分為商業(yè)銀行,商業(yè)銀行資金大部分來源于社會上的存款,本身就具有高負債水平的因素,負債水平更是顯示出其吸儲和放貸水平,與企業(yè)績效具有較強聯(lián)系[16]。但其中這條路徑中的張家港行和中航資本屬于非銀行類,具有較高的負債水平,說明在企業(yè)擁有高的負債水平,一定程度上使得財務(wù)杠桿利益變高, 提高資本收益率。

(2)負債水平主導(dǎo)下的金融科技投入驅(qū)動。表5中條件組態(tài)H3中以非高流程優(yōu)化建設(shè)投入和負債水平為核心條件,以金融科技投入為邊緣條件,使得41%的高績效案例符合此路徑。該路徑的代表企業(yè)有:北京銀行、上海銀行、交通銀行。這些銀行都把數(shù)字化轉(zhuǎn)型作為新一輪發(fā)展規(guī)劃主線,加大了金融科技的投入。以北京銀行為例,北京銀行采用了區(qū)塊鏈的技術(shù),打造了線上交易平臺“京信鏈”,利用區(qū)塊鏈中的智能合約技術(shù),使得訂單一旦簽訂,完全按照代碼執(zhí)行,具有不可篡改性,保證了數(shù)據(jù)安全。整個過程中訂單自動執(zhí)行,不需要依賴人員,相較于傳統(tǒng),具有更低的成本。

(3)負債水平和運營能力雙主導(dǎo)下的驅(qū)動。表5中,H4和H5這兩個條件組態(tài)均是以負債水平作為核心條件出現(xiàn),輔以運營能力的支持。H4解釋了39%的高績效案例,H5解釋了27%的高績效案例。該路徑的代表企業(yè)有:華夏銀行、光大銀行、建設(shè)銀行、南華期貨、吳江銀行。在這條路徑下,當(dāng)高負債水平和高營運能力條件同時存在時,科技金融企業(yè)可以做到不需要借助其他條件來快速提升績效。

(4)金融科技投入、技術(shù)儲備程度和負債水平主導(dǎo)下的驅(qū)動。表5中條件組態(tài)H6中以金融科技投入、技術(shù)儲備程度、負債水平和非高管理能力為核心條件。使得38%的高績效案例符合此路徑。該路徑的代表企業(yè)有:南京銀行、長沙銀行、貴陽銀行。當(dāng)科技金融企業(yè)存在金融科技投入、技術(shù)儲備程度和負債水平三種條件驅(qū)動時,高的管理能力對企業(yè)并未起到明顯作用。

(5)金融科技投入、技術(shù)儲備程度、負債水平和營運能力主導(dǎo)下的驅(qū)動。表5中條件組態(tài)H7中以金融科技投入、技術(shù)儲備程度、負債水平和營運能力為核心條件,使得31%的高績效案例符合此路徑。該路徑的代表企業(yè)有農(nóng)業(yè)銀行、工商銀行。當(dāng)企業(yè)具備多種有利條件時,就很可能獲得高績效。

以上五條產(chǎn)生高企業(yè)績效路徑可以歸納為以負債水平為主導(dǎo)和以金融科技投入為主導(dǎo)的兩條提升路徑。以負債水平為主導(dǎo)的提升路徑包含路徑①、路徑②、路徑③,這三條路徑都是利用較高的負債水平為核心條件,并借助其他方式來實現(xiàn)企業(yè)高績效。以金融科技投入為主導(dǎo)的提升路徑包含路徑④和路徑⑤,這兩條路徑主要是通過加大金融科技投入,進行技術(shù)創(chuàng)新,利用技術(shù)優(yōu)勢來提升企業(yè)績效。

3.4.2.2 非銀行企業(yè)績效組態(tài)結(jié)果分析

根據(jù)表6,產(chǎn)生非高企業(yè)績效的組態(tài)共有9個,這9個組態(tài)的一致性均超過了0.8,模型解的一致性達到了0.921 8。從9個組態(tài)當(dāng)中非高負債水平均為核心條件,說明非高績效的企業(yè)基本都不會具備高的負債水平,這也充分驗證了負債水平主導(dǎo)驅(qū)動是金融科技企業(yè)產(chǎn)生高績效的關(guān)鍵路徑。

2.5 銀行類與非銀行類企業(yè)組態(tài)對比分析

2.5.1 數(shù)據(jù)校準(zhǔn)、必要性分析

與上文數(shù)據(jù)處理方法一致,將數(shù)據(jù)根據(jù)類別劃分為銀行和非銀行企業(yè),再將條件變量、結(jié)果變量按照Ragin提出的95%(完全隸屬)、50%(交叉點)以及 5%(完全不隸屬)的標(biāo)準(zhǔn)分別進行數(shù)據(jù)校準(zhǔn)。然后再進行必要性檢測,結(jié)果見表7。

表 7 銀行類與非銀行類企業(yè)必要條件檢測結(jié)果

非銀行類企業(yè)績效所有因素均為超過0.9的門檻值,說明這些因素都不構(gòu)成必要條件。銀行類企業(yè)績效中,營運能力得分為0.932 120,超過了門檻值0.9,構(gòu)成了必要條件,說明當(dāng)銀行類企業(yè)取得高績效時,營運能力這個條件總是會出現(xiàn),這也充分說明了高的營運能力是銀行取得高績效的核心條件。因此,可以將營運能力這個條件因素去除,利用其余條件變量對銀行類企業(yè)績效做組態(tài)分析。

2.5.2 銀行類和非銀行類企業(yè)組態(tài)分析

與上文數(shù)據(jù)處理方法一致,根據(jù)Ragin的建議,采用組態(tài)分析性臨界值為0.8的標(biāo)準(zhǔn)。分別對兩種類企業(yè)做組態(tài)分析,得到結(jié)果見表8和表9,兩類企業(yè)的整體一致性分別為0.843 9、0.806 0,均超過了標(biāo)準(zhǔn)值0.8,表明方案具有較好的一致性。

表 8 銀行類企業(yè)績效的組態(tài)分析表

表 9 非銀行企業(yè)績效的組態(tài)分析表

結(jié)合銀行類和非銀行類企業(yè)的組態(tài)分析表,可以得出銀行類企業(yè)產(chǎn)生高績效的路徑有三條:①非高流程優(yōu)化建設(shè)投入和負債水平主導(dǎo)下的驅(qū)動;②非高金融科技投入、非高技術(shù)儲備程度和負債水平主導(dǎo)下的驅(qū)動;③非高流程優(yōu)化建設(shè)投入、非高技術(shù)儲備程度和管理能力主導(dǎo)下非高金融科技投入的驅(qū)動。非銀行類企業(yè)產(chǎn)生高績效的路徑有四條:①非高流程優(yōu)化建設(shè)投入、非高技術(shù)儲備程度、負債水平、營運能力和管理能力主導(dǎo)下非高金融科技投入的驅(qū)動;②金融科技投入、負債水平、營運能力和管理能力主導(dǎo)下技術(shù)儲備程度的驅(qū)動;③非高金融科技投入、流程優(yōu)化建設(shè)投入、非高技術(shù)儲備程度、非高負債水平、營運能力和非高管理能力主導(dǎo)下的驅(qū)動;④金融科技投入、流程優(yōu)化建設(shè)投入、技術(shù)儲備程度、非高負債水平、營運能力和非高管理能力主導(dǎo)下的驅(qū)動。

可見,銀行類和非銀行類企業(yè)彼此之間實現(xiàn)績效的路徑存在一定的異同,銀行類大多都是基于負債水平和管理能力來實現(xiàn)高績效,但對于非銀行類企業(yè)來說,除了采用這兩種方式來實現(xiàn)高績效外,還需要通過加大金融科技投入或者提高技術(shù)儲備程度等方式進行輔助。這說明了提升企業(yè)的技術(shù)水平和加強創(chuàng)新對非銀行類企業(yè)更加重要,科技金融和技術(shù)創(chuàng)新還未成為銀行類企業(yè)自身成長的核心驅(qū)動。