數字金融、融資約束與中小企業(yè)科技創(chuàng)新
——基于新三板數據的實證研究

劉 莉，楊宏睿

（安徽財經大學 a.經濟學院；b.金融學院，安徽 蚌埠 233030）

一、引 言

科技創(chuàng)新不僅是企業(yè)提高市場競爭力的重要手段，也是我國經濟高質量發(fā)展的關鍵支點，更是我國實施創(chuàng)新驅動發(fā)展戰(zhàn)略、尋求經濟新增長點的關鍵所在。中小企業(yè)對國民經濟的貢獻率不斷提升，但因其科技創(chuàng)新過程中普遍存在投入多、周期長、風險大等特征，長期以來面臨嚴重的融資約束。主要表現為：一方面內源性融資能力較弱，另一方面外源性融資長期遭受嚴重的“融資歧視”［1］，使其難以獲得傳統(tǒng)金融機構大量且穩(wěn)定的資金支持，面臨較強的融資約束，創(chuàng)新研發(fā)激勵受到抑制。如何更好地發(fā)揮金融服務實體經濟，尤其是加強對中小企業(yè)的支持力度，進一步釋放社會創(chuàng)新活力，具有重要的研究意義與現實價值。

在現代信息技術與互聯網快速發(fā)展背景下，數字金融近年來在我國得到了快速發(fā)展。相較于傳統(tǒng)金融業(yè)而言，數字金融依托互聯網技術，具有更高可獲得性、更廣產品和服務覆蓋面、更強可持續(xù)性等優(yōu)勢，有利于中小企業(yè)更高效率地獲得金融資源［2］，有效緩解了金融市場中信息不對稱問題，成為解決金融市場“二八定律”的重要手段，同時也是金融產業(yè)面對新的經濟發(fā)展階段實現自身數字化、發(fā)揮普惠性作用的必然選擇。

數字金融的發(fā)展能否有效促進市場主體福利水平提升呢？宏觀來看，郝云平、雷漢云（2018）［3］認為，數字普惠金融具有很強的空間相關性，會顯著促進經濟增長；宇超逸等（2020）［4］研究發(fā)現，數字金融發(fā)展及其覆蓋廣度、使用深度以及數字化水平均有助于提高經濟發(fā)展質量；不僅如此，數字金融發(fā)展還可以顯著縮小城鄉(xiāng)收入差距（宋曉玲，2017［5］；楊偉明等，2020［6］），進而促進經濟高質量發(fā)展。具體到微觀，學者們認為數字金融對不同層次消費者的行為意向具有顯著影響（唐怡，2020［7］），能夠顯著提升居民整體消費水平并促進消費升級（楊偉明等，2021［8］）；同時，數字金融發(fā)展還可以顯著激發(fā)居民創(chuàng)業(yè)行為（何婧、李慶海，2019［9］；馮大威等，2020［10］），對企業(yè)創(chuàng)新具有顯著的正向激勵作用（萬佳彧等，2020［11］），對于企業(yè)價值提升（李沁洋等，2021［12］）、全要素生產率的提高（王道平、劉琳琳，2021［13］）以及綠色發(fā)展（段永琴等，2021［14］）等都具有顯著影響，進一步激發(fā)了企業(yè)活力，為經濟高質量發(fā)展提供原動力。

已有文獻對數字金融發(fā)展的影響從宏觀與微觀層面進行了深入探討，但對于促進中小企業(yè)科技創(chuàng)新政策落腳點的相關研究仍較少，缺乏細致的實證研究。尤其是現有文獻多著眼于數字金融對上市公司和規(guī)模以上工業(yè)企業(yè)科技創(chuàng)新的激勵作用，絕大多數采用滬深兩市A 股上市公司數據進行研究［15］，忽略了上市公司本身具有發(fā)展規(guī)模大、研發(fā)能力強、獲取資金易等特征，并非能完全體現數字金融普惠性，因此使用該數據在一定程度上可能存在樣本偏誤，難以客觀準確反應數字金融對中小企業(yè)科技創(chuàng)新的影響。為此，本文通過將數字普惠金融指數與中國新三板掛牌企業(yè)數據相匹配，研究2011—2020 年數字金融發(fā)展如何通過緩解融資約束而對中小企業(yè)科技創(chuàng)新產生促進作用，并探究其影響效果的區(qū)域差異。

本文可能的邊際貢獻在于：首先，從數字金融視角豐富了宏觀金融市場與微觀中小企業(yè)行為之間關系的相關研究；其次，以緩解融資約束為主要切入點，實證檢驗了數字金融發(fā)展對中小企業(yè)科技創(chuàng)新的影響；最后，選取新三板掛牌企業(yè)作為研究樣本，高新技術企業(yè)占主導、中小微型企業(yè)規(guī)模等特征在一定程度上更能反映數字金融普惠性實效。

二、理論分析與研究假設

（一）數字金融發(fā)展與中小企業(yè)科技創(chuàng)新

科技創(chuàng)新是實現高質量發(fā)展的核心驅動力，在很大程度上依賴于科研人才、創(chuàng)新能力、儀器設備等創(chuàng)新先期投入，使得金融成為企業(yè)進行科技創(chuàng)新的重要外部環(huán)境。從現實層面，受經濟傳統(tǒng)發(fā)展模式和舊體制的限制，我國金融市場發(fā)展并非完善，存在資源配置錯位、傳導機制不暢、深層次結構性矛盾突出等表現，這使得金融市場與實體經濟兩者之間存在較為嚴重的發(fā)展不平衡、不充分問題，進一步影響了市場微觀主體為其進行科技創(chuàng)新的可能性，遏制了區(qū)域技術創(chuàng)新水平的提高（李曉龍等，2017）［16］。尤其是對于本身規(guī)模不大、融資能力不足的中小企業(yè)來說，一方面由于自身在人才、技術及設備等硬性創(chuàng)新條件下先天不足；另一方面又因為自身擔保品少、信用等級低、抗風險能力弱等因素受到傳統(tǒng)金融機構的融資歧視，最終使得本身最具創(chuàng)新活力的中小企業(yè)陷入融資難、融資貴的泥潭，不利于中小企業(yè)進行科技創(chuàng)新。

數字金融作為一種全新的金融業(yè)態(tài)，憑借其及時、準確、普惠等特征，對傳統(tǒng)金融在服務實體企業(yè)生產活動過程中存在的屬性錯配、階段錯配和領域錯配等問題起到了補充糾正作用。具體而言，數字金融能夠有效降低企業(yè)成本，通過新形式的匹配路徑與價格機制滿足多樣化產品需求，提高產品質量，拓展市場邊界，為企業(yè)提供創(chuàng)新空間，使經濟發(fā)展由效率驅動轉向創(chuàng)新驅動（荊文君、孫寶文，2019）［17］。

基于以上分析，本文提出假設H1。

H1：數字金融能夠促進企業(yè)科技創(chuàng)新投入。

（二）融資約束的中介作用

中小企業(yè)科技創(chuàng)新很大程度上受到融資約束的限制，其融資特點主要表現為規(guī)模小、周期短、風險大、頻率高，因此在我國以“銀行中心型”為主導的融資體制下，通常面臨較強的融資約束。當中小企業(yè)不能實現內部融資時，就需要向金融市場尋求外部融資以維持科技創(chuàng)新投入，但中小企業(yè)的研發(fā)創(chuàng)新項目通常情況下涉及其自身未來布局與核心競爭力，使得中小企業(yè)在申請外部融資過程中往往避免披露其商業(yè)機密等相關信息，進而加劇了企業(yè)與市場投資者之間的信息不對稱，進一步造成企業(yè)融資約束加劇（唐嘉勵、唐清泉，2010）［18］。學術界普遍認為，緩解融資約束能夠激勵企業(yè)科技創(chuàng)新，而數字金融的發(fā)展可能會通過以下幾個渠道緩解融資約束，進而對中小企業(yè)科技創(chuàng)新起到激勵作用。

第一，數字金融能拓寬中小企業(yè)融資渠道，提供多元化融資選擇，提高融資效率。一方面，數字金融作為新興業(yè)態(tài)是對傳統(tǒng)大型金融機構的有益補充，豐富和完善了金融市場主體；另一方面，數字金融的加入也會加劇金融行業(yè)間的競爭，倒逼傳統(tǒng)金融業(yè)數字化轉型，從而增加融資選擇，提高融資效率。

第二，數字金融能完善信用評價體系，緩解信息不對稱，增強資金供求雙方信任度與匹配度。通過最大限度地采集企業(yè)信息，包括將傳統(tǒng)金融所拋棄的大量非結構化信息、低價值信息采用數據處理技術進行凝練、轉化，與企業(yè)行為數據、財務數據等高價值信息有機融合，形成更為全面、更加真實的企業(yè)資信情況與資金需求畫像，緩解信息不對稱，增強資金供求雙方信任度與匹配度。

第三，數字金融能降低信用風險與道德風險，使中小企業(yè)融資風險形式更加靈活，降低風險成本。一方面，基于大數據、區(qū)塊鏈等現代信息技術，數字金融可以獲得更為透明的企業(yè)行為數據，描繪出更為清晰的用戶畫像，降低投融資風險；另一方面，數字金融憑借其及時便捷的特性能夠降低用戶對貨幣的流動性偏好，聚集大量閑置資金并根據現實需求隨時轉變資金利用策略，填補因資金流動造成的短期缺口，提高其抗風險能力，降低風險成本。

基于以上分析，本文提出假設H2。

H2：數字金融發(fā)展能通過緩解中小企業(yè)融資約束促進科技創(chuàng)新。

（三）數字金融緩解融資約束促進中小企業(yè)科技創(chuàng)新的區(qū)域異質性

長期以來，我國東部地區(qū)與中西部地區(qū)（1）經濟水平存在著較大差異，使得金融資源整體呈現出空間分布不均態(tài)勢，具體體現在經濟發(fā)達的東部地區(qū)集聚大量金融資源而經濟欠發(fā)達的中西部地區(qū)的金融資源相對匱乏。數字金融作為數字技術與金融服務深度結合的產物，能夠打破傳統(tǒng)金融行業(yè)對物理網點、信息資源和空間距離的過度依賴，更廣幅度地覆蓋傳統(tǒng)金融行業(yè)難以觸及的地域與領域，填補大量傳統(tǒng)金融業(yè)對中小企業(yè)的資金供給空白。

一方面，經濟發(fā)達的東部地區(qū)在資金供給、人才質量、技術服務和配套設施等各方面都擁有“起跑優(yōu)勢”，因此數字金融的發(fā)展對于該地區(qū)的中小企業(yè)科技創(chuàng)新來說更像是一針“助力劑”，在中小企業(yè)整個融資體系中并非處于核心地位；另一方面，經濟欠發(fā)達的中西部地區(qū)由于資金短缺、人才流失、配套設施不健全等短板，使得當地中小企業(yè)難以通過傳統(tǒng)金融渠道緩解自身融資約束，而數字金融的發(fā)展對于該地區(qū)中小企業(yè)科技創(chuàng)新來說無疑是一針“催化劑”，發(fā)揮了不可忽視的重要作用。因此，本文將對樣本按企業(yè)注冊地進行劃分，分別從東部地區(qū)與中西部地區(qū)兩大空間視角檢驗數字金融通過緩解融資約束促進中小企業(yè)科技創(chuàng)新的影響。

基于以上分析，本文提出假設H3。

H3：數字金融緩解融資約束促進中小企業(yè)科技創(chuàng)新的影響對中西部地區(qū)更明顯。

三、實證設計

（一）研究樣本與數據來源

本文選取新三板（全國中小企業(yè)股份轉讓系統(tǒng)）掛牌企業(yè)為研究樣本，利用2011—2020年中國新三板掛牌企業(yè)的財務數據與數字普惠金融指數的面板數據進行分析。在剔除掉金融類企業(yè)、*ST、ST 企業(yè)和數據缺失較為嚴重的企業(yè)后，得到3 406家企業(yè)樣本，26 665個可觀測數值。新三板掛牌企業(yè)財務數據（2011—2020年）來源于Wind數據庫；中國數字普惠金融指數的省級指數（2011—2020 年）來源于北京大學數字金融研究中心。為了排除異常值的影響，本文對所有連續(xù)變量1%以下和99%以上的數據進行了Winsorize處理。

（二）變量選取

1.被解釋變量：中小企業(yè)科技創(chuàng)新投入（研發(fā)投入強度）

參考以往研究，數字金融主要通過緩解中小企業(yè)的融資約束來促進其創(chuàng)新，該作用的直接表現就是企業(yè)研發(fā)投入的增多，因而被解釋變量“中小企業(yè)科技創(chuàng)新”選擇用“研發(fā)投入強度”來衡量［19］，因此本文將研發(fā)投入強度作為中小企業(yè)科技創(chuàng)新的替代變量。具體計算方法如下：

2.解釋變量：數字普惠金融指數（lnIndex）

本文選取北京大學數字金融研究中心與螞蟻金服合作推出的一套符合中國實情的數字普惠金融指數［20］。該數據主要涉及三大維度，包括覆蓋廣度（lnWidth）、使用深度（lnDepth）和數字化程度（ln-Digital），共計33 個細化指標。該指數不僅編制方法科學合理，并且已被眾多學者廣泛應用于數字金融相關研究領域之中，具有相當的可靠性與代表性。

3.中介變量：融資約束（SA）

目前，學界對于融資約束定量測度方法主要有三大代表性指數，包括SA 指數（Hadlock＆Pierce，2009）、KZ 指數（Lamont et al，2001）和WW 指數（Whited＆Wu，2006）。在充分考慮以上指數可能存在較多內生性金融變量的情況下，借鑒鞠曉生等（2013）［21］的做法，利用企業(yè)總資產（Size）和企業(yè)年齡（Age）來構建SA指數，并以此作為衡量企業(yè)融資約束程度的指標。具體計算方法如下：

4.控制變量

單從影響企業(yè)科技創(chuàng)新的相關研究成果來看，影響企業(yè)科技創(chuàng)新的因素非常多。本文考慮所選數據的相關性與可獲得性，最終所選取的控制變量主要為企業(yè)層面的特征變量，包括“財務杠桿率（DFL）”“企業(yè)績效（EP）”“管理費用率（MER）”“固定資產比率（FAR）”“兩職合一（TO）”。

各變量及其度量方法見表1所列。

表1 變量說明

續(xù)表1

（三）模型構建

本文首先分析數字金融對中小企業(yè)科技創(chuàng)新的影響。選取中小企業(yè)年度研發(fā)投入強度作為被解釋變量，設置模型（1）如下：

其中：下標i代表第i個企業(yè)（i=1，2，…，3 406），t代表第t年（t=2011，2013，…，2020）。為防止數據本身以及變量數據之間差異過大導致的不良影響，對相對較大的數據（絕對數值）取自然對數，對相對數值（即比例或者百分比數據）不進行對數化處理。

（1）式中：被解釋變量Innovationit是中小企業(yè)科技創(chuàng)新投入；解釋變量lnIndex是自然對數處理后的數據；CV 表示控制變量。同時借鑒李沁洋、支佳（2021）［22］的做法，采用控制年份和行業(yè)的固定效應模型進行檢驗，其中Year和Ind分別表示年份固定效應和行業(yè)固定效應，旨在盡可能減輕中小企業(yè)所屬行業(yè)等因素對其科技創(chuàng)新的影響，并避免觀察期內各種宏觀因素對企業(yè)融資約束和科技創(chuàng)新的干擾。

基于假設1，本文預測模型（1）中α1系數顯著為正，表明數字金融發(fā)展可以促進企業(yè)科技創(chuàng)新，且數字金融發(fā)展越好，越有利于促進企業(yè)進行科技創(chuàng)新。

為進一步探究數字金融發(fā)展對中小企業(yè)科技創(chuàng)新的中介機制，檢驗數字金融是否能夠通過緩解融資約束而對中小企業(yè)科技創(chuàng)新起到正向促進作用，本文將SA作為融資約束的代理變量，并借鑒溫忠麟、葉寶娟（2004）［23］所提出的中介效應模型方法來檢驗融資約束的中介作用，分步驟建立以下三種回歸模型：

其中，企業(yè)融資約束指標SAit是中介變量，其他變量的定義與測度方法與上文保持一致?；诩僭O2，預測模型（2）系數α1顯著為正，表明從總效應來看，數字金融發(fā)展對中小企業(yè)科技創(chuàng)新具有正向促進作用；預測模型（3）系數β1顯著為負，表明數字金融發(fā)展能夠緩解企業(yè)融資約束；同時預測模型（4）中系數γ1顯著為正，系數γ2顯著為負，表明融資約束在數字金融對促進中小企業(yè)科技創(chuàng)新作用機制中發(fā)揮了中介作用，即數字金融的發(fā)展可以通過緩解中小企業(yè)融資約束進而促進其科技創(chuàng)新。

四、實證結果分析

（一）描述性統(tǒng)計

表2 報告了描述性統(tǒng)計特征，結果顯示，本次實驗的有效樣本數為26 665個。除了虛擬變量外，Innovation 數據波動是比較大的，表明中小企業(yè)間科技創(chuàng)新力存在較大差距。取對數化后，數字普惠金融指數的均值為5.578 6，最小值和最大值分別為4.384 4 和6.035 2，說明總體上我國數字金融取得了快速發(fā)展，但地區(qū)間數字金融發(fā)展程度存在較大的差異。企業(yè)融資約束的均值為-3.588 4，最小值和最大值分別為-4.197 4 和-3.056 9，說明中小企業(yè)普遍面臨較強的融資約束，同時各個企業(yè)之間融資約束程度有較大不同。

表2 變量描述性統(tǒng)計（Winsorize后）

（二）相關性分析

從對變量進行person相關性檢驗的結果可知：解釋變量lnIndex 與被解釋變量Innovation 的相關系數為0.077 7，且有99%以上的概率存在顯著的正向相關關系，即lnIndex 與Innovation 兩個指標是同向變化的，初步驗證H1，即數字普惠金融指數會有效提高企業(yè)的創(chuàng)新。中介變量SA與被解釋變量Innovation的相關系數為-0.072 0，有99%以上的概率負向相關關系是顯著的，且中介變量SA 與解釋變量lnIndex之間的相關系數為-0.319 6，同樣存在負向顯著的相關關系?？刂谱兞烤c被解釋變量Innovation 存在比較明顯的相關關系，說明控制變量選取較合理。

（三）數字金融對中小企業(yè)科技創(chuàng)新的影響

為驗證H1，即數字金融對中小企業(yè)科技創(chuàng)新的影響，本文對模型（2）進行面板固定效應回歸，控制行業(yè)和年份帶來的影響，得到研究變量對被影響變量之間的關系。表3第（1）列是不加入控制變量但控制年份和行業(yè)效應作用下的回歸結果，第（2）列是加入控制變量且加入年份和行業(yè)效應控制的結果。

表3 模型（2）多元回歸分析

模型（2）多元回歸分析結果顯示：在控制行業(yè)效應和年份效應的情況下，模型的調整R2為0.725 4，擬合優(yōu)度達到72.54%，F檢驗值為629.872 6，p值＜0.01，即存在有99%以上的概率解釋變量以及控制變量聯合對Innovation 的影響系數是不為0 的，可以繼續(xù)進行單個變量系數的檢驗。lnIndex 的影響系數為2.038 9，且對應的概率值是小于0.01 的，存在顯著正向影響，控制變量DFL、EP、MER、FAR 均存在顯著影響，且EP、MER均存在顯著正向影響，DFL、FAR 則存在顯著負向影響，這充分表明數字金融發(fā)展能夠促進中小企業(yè)科技創(chuàng)新。

（四）中介效應分析

為檢驗假設2，即融資約束在數字金融發(fā)展對中小企業(yè)科技創(chuàng)新的影響機制中所發(fā)揮的中介作用，接下來將對模型（3）和模型（4）分別進行回歸，回歸結果見表4所列。

表4 中介效應分析

從表4 模型（3）可以看出，lnIndex 對SA 的影響系數為-0.075 4，且在1%水平下顯著，表明數字金融發(fā)展能夠有效緩解中小企業(yè)融資約束；從表4模型（4）可以看出，lnIndex 與SA 均存在有99%以上的概率對被解釋變量Innovation 的影響是顯著的，且lnIndex 的影響系數為1.873 5，SA 的影響系數為-2.193 8，表明中小企業(yè)面臨的融資約束越高，其科技創(chuàng)新能力越低。因此，可以得出結論：SA 存在部分的中介效應，即數字金融發(fā)展會影響中小企業(yè)科技創(chuàng)新，且會通過縮小企業(yè)融資約束促進中小企業(yè)科技創(chuàng)新。從而進一步說明，緩解融資約束是中小企業(yè)促進科技創(chuàng)新的路徑，且中介效應（β1γ2）占總效應（α1）的比例為8.11%，驗證了H2。

（五）異質性檢驗

為驗證H3，即考察數字金融通過緩解融資約束對中小企業(yè)科技創(chuàng)新產生的影響在不同區(qū)域是否存在異質性，本文以企業(yè)注冊地為依據將樣本企業(yè)劃分為東部和中西部兩大區(qū)域，分組進行回歸分析與比對，結果見表5所列。

從表5可以看出，東部地區(qū)lnIndex對Innovation的影響系數為1.575 2，且在5%水平下顯著，但lnIndex對SA影響不顯著，且SA對Innovation 影響也不顯著，即數字普惠金融對中小企業(yè)科技創(chuàng)新存在顯著正向影響，而融資約束的中介效應不存在。中西部地區(qū)lnIndex對Innovation的影響系數為6.003 7，且在1%水平下顯著，lnIndex對SA影響系數為-0.298 4，在5%水平下顯著，同時lnIndex、SA對Innovation的影響均顯著，即在中西部地區(qū)融資約束的中介效應是顯著的，此時，總效應為6.003 7，直接效應為5.005 4，間接效應為0.998 3［-0.298 4×（-3.3455）］，中介效應為16.63%（0.998 3/6.003 7×100%），即存在有16.63%的中介效應。

表5 異質性檢驗

據此，H3 得以驗證。數字金融通過緩解融資約束促進中小企業(yè)科技創(chuàng)新的作用在中西部經濟欠發(fā)達地區(qū)更為有效。換言之，在經濟發(fā)達的東部地區(qū)，由于傳統(tǒng)金融資源較為豐富，中小企業(yè)擺脫融資約束困境的選擇更為多元化，對數字金融依賴程度較低，一定程度上遏制了數字金融普惠效應的發(fā)揮；而在經濟欠發(fā)達的中西部地區(qū)，數字金融成為中小企業(yè)為數不多的資金供給者，由此產生更高的邊際創(chuàng)新效益，在緩解其融資約束與促進科技創(chuàng)新層面凸顯出較強的影響作用。

續(xù)表5

（六）穩(wěn)健性檢驗

為更加精確探究數字金融發(fā)展與中小企業(yè)科技創(chuàng)新之間的關系，本文首先引入滯后變量解決模型內生性問題，然后采用變量替換法對數字金融緩解中小企業(yè)融資約束促進科技創(chuàng)新的作用機制做穩(wěn)健性檢驗。

1.引入滯后變量

鑒于本文在模型設計的過程中可能會存在解釋變量與被解釋變量互為因果的情況，故采用二階段最小二乘法估計，選擇解釋變量的滯后一期作為工具變量，解決模型的內生性問題，結果見表6所列。

表6 滯后效應檢驗

續(xù)表6

在進行二階段最小二乘估計后，解釋變量lnIndex仍然存在顯著正向影響，影響系數為1.909 8，而它對中介變量SA的影響系數仍然是顯著為負的，影響系數為-0.077 0，在表6第（3）列中，被解釋變量lnIndex的影響系數為1.724 6，中介變量SA的影響系數為-2.405 2，且均在1%水平下顯著，因此，在解決內生性的情況下，模型的結果仍然比較一致，也從另一個方面說明模型的結果比較穩(wěn)健。

2.替換核心解釋變量

為進一步增強數字金融發(fā)展對中小企業(yè)科技創(chuàng)新影響回歸結果的可靠性，本文采用對數化處理后的數字普惠金融指數一級指標——覆蓋廣度（lnCover）、使用深度（lnDepth）、數字化程度（lnDig）分別作為解釋變量（lnIndex）的替換變量進行穩(wěn)健性檢驗。利用數字金融覆蓋廣度、使用深度和數字化程度分別進行回歸分析，結果見表7所列。

表7 穩(wěn)健性檢驗——替換核心解釋變量

從表7可以看出，更換解釋變量后，關鍵變量的系數仍然與表4較為一致。在表7覆蓋廣度第1列中l(wèi)nCover的影響系數為1.329 2，且在1%水平下顯著，表明數字金融覆蓋廣度提升可以顯著促進中小企業(yè)科技創(chuàng)新；在第3列中l(wèi)nCover和SA均在1%水平下顯著，同時lnCover 的影響系數為1.239 0，SA的影響系數為-1.705 1，其回歸結果和正負符號均與表4回歸結果較一致，說明融資約束在數字金融覆蓋廣度對中小企業(yè)科技創(chuàng)新的正向影響中起到了中介作用。

同理，數字普惠金融使用深度lnDepth 以及數字普惠金融數字化程度lnDig 對創(chuàng)新的影響系數分別為1.654 4和0.687 4，均存在比較顯著的影響，且lnDepth、lnDig 對SA 的影響系數分別為-0.054 3和-0.034 9，且均在1%和5%水平下顯著，在中介效應模型（3）中，分指數和SA 的影響均是顯著的，即融資約束是存在中介效應的，與前文回歸結果一致。因此進一步表明，本文實證分析模型與結論具有穩(wěn)定性和可靠性。

五、結論與政策建議

本文選取2011—2020年中國新三板掛牌企業(yè)數據，采用固定效應和中介效應模型，對數字金融促進中小企業(yè)科技創(chuàng)新的影響實效、作用機制和區(qū)域異質性進行實證分析，結果如下：①數字金融的發(fā)展對中小企業(yè)科技創(chuàng)新具有顯著正向作用，這一結論在穩(wěn)健性檢驗后仍成立，且覆蓋廣度和使用深度的作用效果更為顯著；②融資約束在數字金融促進中小企業(yè)科技創(chuàng)新過程中產生了重要的中介效應，即數字金融的發(fā)展能夠拓寬中小企業(yè)融資渠道，緩解信息不對稱，提升信息透明度，降低風險成本與代理成本，有利于中小企業(yè)緩解融資約束困境，提升科技創(chuàng)新能力；③數字金融發(fā)展對緩解中小企業(yè)融資約束、促進科技創(chuàng)新的影響在經濟欠發(fā)達的中西部地區(qū)更為顯著，相較于經濟發(fā)達的東部地區(qū)，數字金融能有效彌補中西部地區(qū)傳統(tǒng)金融資源區(qū)域錯配問題，縮小區(qū)域經濟發(fā)展差距，促進區(qū)域間平衡協(xié)調發(fā)展。

基于上述研究結論，本文提出以下政策建議：①搭建數字金融新基建頂層設計，提升關鍵底層技術。新基建戰(zhàn)略作為智慧經濟時代新發(fā)展理念的重要抓手，應更加全面思考與分析當前環(huán)境下金融行業(yè)的戰(zhàn)略定位，重新定義行業(yè)與產品的新邏輯。同時積極推動數字金融基礎設施建設，大力發(fā)展5G 基站、大數據中心、人工智能、區(qū)塊鏈等數字化基礎設施，為傳統(tǒng)金融行業(yè)數字化轉型夯實基礎，打造完善的數字金融發(fā)展條件。②加大對“專精特新”中小企業(yè)政策傾斜與區(qū)域政策搭配，因地制宜發(fā)揮好數字金融服務創(chuàng)新型中小企業(yè)高質量發(fā)展的普惠支持作用。尤其是對中西部“專精特新”為代表的中小企業(yè)，政府應依托北交所、民營銀行、科技小貸企業(yè)和金融租賃企業(yè)等主體，充分釋放數字金融推動科技創(chuàng)新的活力，促進區(qū)域經濟平衡發(fā)展。③科技與金融二元滲透融合催生的數字金融很大程度上顛覆了傳統(tǒng)金融市場運作邏輯，對我國分業(yè)監(jiān)管體制提出了更高要求。尤其是在尚未形成統(tǒng)一監(jiān)管體制前，如何跳出傳統(tǒng)監(jiān)管模式，形成以技術驅動的跨行業(yè)金融監(jiān)管新模式，對未來防范金融系統(tǒng)內生性風險以及數字金融背景下衍生出的第三方金融機構、數字信息安全等外生性風險具有十分重要的意義。

注 釋：

（1）東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11 個省份；中西部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南、內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆20個省份。