數(shù)字金融、融資水平與企業(yè)全要素生產(chǎn)率
——基于A股和新三板制造業(yè)上市企業(yè)的實(shí)證研究

潘 藝，張金昌

（1.中國社會(huì)科學(xué)院大學(xué) 研究生院，北京 102488；2.中國社會(huì)科學(xué)院 工業(yè)經(jīng)濟(jì)研究所，北京 100006）

一、引言

黨的二十大報(bào)告提出，“堅(jiān)持以推動(dòng)高質(zhì)量發(fā)展為主題，加快建設(shè)現(xiàn)代化經(jīng)濟(jì)體系，著力提高全要素生產(chǎn)率，推動(dòng)經(jīng)濟(jì)實(shí)現(xiàn)質(zhì)的有效提升和量的合理增長”。目前，我國經(jīng)濟(jì)正面臨資本報(bào)酬逐漸遞減、人口紅利逐漸消失的困境，因此，提升我國企業(yè)全要素生產(chǎn)率必定是支撐我國經(jīng)濟(jì)增長的主要?jiǎng)恿Γ?］。制造業(yè)是我國國民經(jīng)濟(jì)的命脈，制造業(yè)的發(fā)展?fàn)顩r將直接影響我國經(jīng)濟(jì)發(fā)展的質(zhì)量和速度［2］。我國制造業(yè)起步比較晚、基礎(chǔ)比較薄弱，相關(guān)技術(shù)和人才比較缺乏，一些高精技術(shù)又長期受到發(fā)達(dá)國家的封鎖，必須依靠自身力量發(fā)展，而制造業(yè)的發(fā)展又需要大量資金支持，因此，制造業(yè)企業(yè)必須依靠外部融資來解決資金需求［3］。

長久以來，融資問題一直是制約制造業(yè)企業(yè)高質(zhì)量發(fā)展的瓶頸問題。雖然金融機(jī)構(gòu)多次出臺政策和措施，但制造業(yè)企業(yè)“融資難、融資貴”問題始終沒有得到有效解決。

近些年，隨著大數(shù)據(jù)、人工智能、云計(jì)算等數(shù)字技術(shù)的快速發(fā)展和廣泛應(yīng)用，數(shù)字技術(shù)與金融實(shí)現(xiàn)了深度融合。數(shù)字金融已成為我國新金融、新經(jīng)濟(jì)的重要發(fā)展方向［4-5］。在以促進(jìn)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展、實(shí)現(xiàn)數(shù)字中國為目標(biāo)的發(fā)展階段，數(shù)字金融這一新型的金融方式是否能有效解決制造業(yè)企業(yè)的融資問題，數(shù)字金融的發(fā)展對制造業(yè)企業(yè)全要素生產(chǎn)率的影響和作用機(jī)制如何？目前相關(guān)研究比較缺乏。因此，本文將2011—2020 年數(shù)字金融數(shù)據(jù)與同期A 股和新三板制造業(yè)上市企業(yè)數(shù)據(jù)進(jìn)行匹配，實(shí)證考察了數(shù)字金融發(fā)展對制造業(yè)企業(yè)全要素生產(chǎn)率的影響以及融資水平的中介效應(yīng)。

本文的邊際貢獻(xiàn)有：①目前數(shù)字金融的實(shí)證研究大多采用省級數(shù)字金融指數(shù)數(shù)據(jù)，本文采用企業(yè)所在的地級市數(shù)字金融指數(shù)數(shù)據(jù)，研究結(jié)果將更加穩(wěn)??；②目前關(guān)于制造業(yè)企業(yè)融資問題的研究集中于融資約束，僅回答了數(shù)字金融是否解決制造業(yè)企業(yè)“融資難”的問題，本文以融資水平為中介效應(yīng)進(jìn)行研究，回答了數(shù)字金融是否解決制造業(yè)企業(yè)“融資貴”的問題，彌補(bǔ)了對現(xiàn)有企業(yè)融資問題研究的不足；③現(xiàn)有數(shù)字金融對微觀企業(yè)影響的研究樣本主要基于A股上市企業(yè)，而A股企業(yè)主要以大中型企業(yè)為主，小微企業(yè)較少，本文以A股和新三板制造業(yè)企業(yè)為樣本，研究范圍更加全面。

二、文獻(xiàn)綜述和研究假設(shè)

（一）文獻(xiàn)綜述

1954 年，Solow（1957）［6］提出“索洛余值”之后，國外學(xué)者開展了大量關(guān)于全要素生產(chǎn)率方面的研究，并建立了很多研究方法和計(jì)算模型，主要有：Caves 等（1982）將Malmquist 指數(shù)應(yīng)用于生產(chǎn)效率變化的測算并建立了CCD 模型［7］，Blundell 和Bond（1998）建立了廣義矩估計(jì)方法（GMM）［8］，Olley 和Pakes（1996）運(yùn)用半?yún)?shù)方法建立了OP 模型［9］，Levinsohn 和Petrin（2003）基于OP 模型內(nèi)生性問題建立了LP 模型［10］，Ackerberg 等（2006）通過ACF 方法解決了LP方法的共線性問題［11］。這些模型的廣泛應(yīng)用，推動(dòng)了全要素生產(chǎn)率研究的發(fā)展。

相較于國外學(xué)者在全要素生產(chǎn)率領(lǐng)域取得的豐富研究成果，我國學(xué)者關(guān)于全要素生產(chǎn)率的研究起步比較晚，但發(fā)展迅速，取得了豐富的研究成果［12-14］。在宏觀研究方面，唐松等（2019）基于我國31 個(gè)省級面板數(shù)據(jù)的研究發(fā)現(xiàn)，金融科技創(chuàng)新借助技術(shù)優(yōu)勢緩解了信息不對稱，創(chuàng)新性金融新業(yè)態(tài)和金融新業(yè)務(wù)能助力地區(qū)全要素生產(chǎn)率提升［15］；侯層和李北偉（2020）運(yùn)用2011—2018 年省級面板數(shù)據(jù)開展實(shí)證檢驗(yàn)，結(jié)果表明，數(shù)字金融通過創(chuàng)新能力、技術(shù)溢出和產(chǎn)業(yè)結(jié)構(gòu)升級等途徑提高了全要素生產(chǎn)率［16］；惠獻(xiàn)波（2021）基于2011—2018年中國278個(gè)地級市數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字普惠金融通過提升技術(shù)創(chuàng)新水平、產(chǎn)業(yè)結(jié)構(gòu)升級及緩解資源錯(cuò)配等途徑促進(jìn)了城市全要素生產(chǎn)率增長［17］。在微觀研究方面，冉芳和譚怡（2021）選取2011—2018 年上市企業(yè)微觀數(shù)據(jù)并結(jié)合省級數(shù)字金融指標(biāo)數(shù)據(jù)進(jìn)行研究，結(jié)果表明，數(shù)字金融以及3 個(gè)不同子維度對企業(yè)全要素生產(chǎn)率均具有促進(jìn)作用，但東部和中西部地區(qū)的企業(yè)存在明顯差異［1］；陳中飛和江康奇（2021）基于省級數(shù)字金融數(shù)據(jù)和A股上市公司數(shù)據(jù)進(jìn)行了研究，認(rèn)為數(shù)字金融發(fā)展可通過企業(yè)營收渠道和金融效率渠道促進(jìn)企業(yè)生產(chǎn)率水平提高［18］；張樹果（2022）同樣基于省級數(shù)字金融數(shù)據(jù)和A 股上市公司數(shù)據(jù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)數(shù)字金融通過緩解企業(yè)融資約束，進(jìn)而提高企業(yè)全要素生產(chǎn)率［19］。

在梳理上述數(shù)字金融與全要素生產(chǎn)率相關(guān)研究文獻(xiàn)后，發(fā)現(xiàn)相關(guān)研究存在以下局限性：①在數(shù)據(jù)層面，大多數(shù)學(xué)者都以省級數(shù)字金融指數(shù)作為研究基礎(chǔ)，基于地級市數(shù)字金融指數(shù)的研究文獻(xiàn)較少；②在微觀全要素生產(chǎn)率研究方面，大多以A股上市企業(yè)為樣本，由于A股上市企業(yè)以大中型企業(yè)為主，因此，針對小微企業(yè)的研究較少。另外，制造業(yè)是我國最大的行業(yè)，但數(shù)字金融對制造業(yè)企業(yè)全要素生產(chǎn)率影響的研究比較匱乏；③對傳導(dǎo)機(jī)制的研究主要集中在融資約束和技術(shù)創(chuàng)新視角，其他研究視角較少。數(shù)字金融的發(fā)展首要解決的是企業(yè)融資問題，現(xiàn)有文獻(xiàn)回答了數(shù)字金融緩解了企業(yè)“融資難”的問題，但并沒有回答是否解決了企業(yè)“融資貴”的問題。上述文獻(xiàn)研究過程中的局限性，為本文研究提供了方向。

（二）研究假設(shè)

許多研究表明，技術(shù)研發(fā)和創(chuàng)新投入對企業(yè)全要素生產(chǎn)率的提升有積極作用［1］，但持續(xù)的研發(fā)投入和技術(shù)創(chuàng)新需要大量的資金支持。長期以來，制造業(yè)企業(yè)都面臨融資難和融資貴的問題，融資問題阻礙了企業(yè)通過金融市場獲取資金，使得企業(yè)無法持續(xù)開展研發(fā)投入和技術(shù)創(chuàng)新，企業(yè)全要素生產(chǎn)率無法得到有效提升。隨著數(shù)字金融的發(fā)展，傳統(tǒng)金融的瓶頸問題逐一得到解決：①信息不對稱問題。傳統(tǒng)金融機(jī)構(gòu)與企業(yè)之間信息不對稱是企業(yè)融資困難的重要原因［20］，數(shù)字金融利用互聯(lián)網(wǎng)技術(shù)提升了信息搜集能力，利用大數(shù)據(jù)技術(shù)提升了海量數(shù)據(jù)挖掘和快速匹配能力，緩解了信息不對稱［21］。另外，數(shù)字金融憑借數(shù)字技術(shù)建立可靠的第三方征信體系，也緩解了信息不對稱［22］。②金融機(jī)構(gòu)資金不足問題。傳統(tǒng)金融機(jī)構(gòu)由于本身資金不足，造成了放貸壓力。數(shù)字金融的發(fā)展方便了客戶的理財(cái)和投資需求，能以更低的成本吸引眾多小散投資者，進(jìn)而增加了金融機(jī)構(gòu)的資金規(guī)模，可以有效滿足企業(yè)資金供給需求，緩解企業(yè)融資困難［23］。③交易成本的問題。數(shù)字平臺的推出降低了金融機(jī)構(gòu)和企業(yè)之間的協(xié)商成本和交易成本，金融機(jī)構(gòu)的監(jiān)督成本也會(huì)降低，因而企業(yè)融資成本也會(huì)下降。

上述分析表明，數(shù)字金融的發(fā)展使得原先傳統(tǒng)金融機(jī)構(gòu)的融資問題得到有效解決，制造業(yè)企業(yè)通過外部融資渠道可以更便捷、更低價(jià)地獲得更多的資金。長期、穩(wěn)定的資金來源有助于企業(yè)持續(xù)開展研發(fā)投入和技術(shù)創(chuàng)新，通過低成本的規(guī)模擴(kuò)張，實(shí)現(xiàn)企業(yè)全要素生產(chǎn)率的提升［24］。據(jù)此，本文提出假設(shè)1。

H1：數(shù)字金融的發(fā)展可以顯著促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率的提升。

企業(yè)外部融資包括負(fù)債融資和權(quán)益融資。隨著數(shù)字金融的發(fā)展、交易成本的降低，金融機(jī)構(gòu)的貸款利率也會(huì)逐漸下降。對制造業(yè)企業(yè)來說，企業(yè)外部融資會(huì)更便捷，融資成本會(huì)更低，企業(yè)“融資貴”的問題得到緩解。目前，很多學(xué)者都對財(cái)務(wù)費(fèi)用的下降是否緩解企業(yè)“融資貴”的問題進(jìn)行研究。該方法存在一定的局限性，財(cái)務(wù)費(fèi)用是企業(yè)利息支出減去利息收入和匯兌損益之后的金額，當(dāng)企業(yè)利息收入較多時(shí)，財(cái)務(wù)費(fèi)用難以真實(shí)揭示企業(yè)融資成本。另外，使用利息支出與營業(yè)收入之比（簡稱“利息負(fù)擔(dān)水平”）雖然可以真實(shí)反映企業(yè)的融資成本，但該指標(biāo)僅能揭示企業(yè)承受的負(fù)債壓力，難以看出企業(yè)實(shí)際的貸款水平，因此，能夠與金融機(jī)構(gòu)的貸款利率相互驗(yàn)證的是利息支出與付息負(fù)債之比這一指標(biāo)（簡稱“負(fù)債融資水平”），該指標(biāo)可以揭示商業(yè)銀行貸款利率變化對企業(yè)產(chǎn)生的影響。除負(fù)債融資成本外，企業(yè)的外部融資成本還有權(quán)益融資成本，可以用企業(yè)為分配紅利所支付的現(xiàn)金與權(quán)益資金之比（簡稱“權(quán)益融資水平”）進(jìn)行評價(jià)［25］。因此，通過“利息負(fù)擔(dān)水平”“負(fù)債融資水平”和“權(quán)益融資水平”3個(gè)維度的綜合分析可以評價(jià)企業(yè)“融資貴”的問題是否得到緩解。

上文的分析表明，隨著數(shù)字金融的發(fā)展，“融資貴”問題會(huì)得到緩解，制造業(yè)企業(yè)融資成本也會(huì)隨之下降，企業(yè)會(huì)更積極地通過外部融資獲得資金用于研發(fā)投入和技術(shù)創(chuàng)新，有助于企業(yè)全要素生產(chǎn)率的提升，據(jù)此，本文提出假設(shè)2、假設(shè)3 和假設(shè)4。

H2：數(shù)字金融的發(fā)展會(huì)降低制造業(yè)企業(yè)利息負(fù)擔(dān)水平，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

H3：數(shù)字金融的發(fā)展會(huì)降低制造業(yè)企業(yè)負(fù)債融資水平，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

H4：數(shù)字金融的發(fā)展會(huì)降低制造業(yè)企業(yè)權(quán)益融資水平，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

由于制造業(yè)企業(yè)存在產(chǎn)權(quán)性質(zhì)、規(guī)模、密集型、所在地區(qū)的異質(zhì)性，數(shù)字金融發(fā)展對制造業(yè)企業(yè)的影響會(huì)存在差異。綜上，設(shè)計(jì)出本文研究框架如圖1所示。

圖1 數(shù)字金融對制造業(yè)企業(yè)全要素生產(chǎn)率影響的研究框架

三、模型設(shè)計(jì)和數(shù)據(jù)說明

（一）模型設(shè)計(jì)

本文根據(jù)H1設(shè)計(jì)模型（1）：

其中：TFP 為被解釋變量，表示制造業(yè)企業(yè)全要素生產(chǎn)率；DiFin為解釋變量，表示企業(yè)所在城市的數(shù)字金融指數(shù)；Control 為控制變量；Year、Pro 和Ind 分別表示年度、省份和行業(yè)固定效應(yīng)；ε表示殘差項(xiàng)；i表示企業(yè)；t表示年度。

本文根據(jù)H2、H3和H4，設(shè)計(jì)傳導(dǎo)機(jī)制模型（2）和模型（3）：

其中，F(xiàn)L 為中介變量，表示企業(yè)的融資水平，分別用利息負(fù)擔(dān)水平（IBL）、負(fù)債融資水平（DFCR）、權(quán)益融資水平（EFCR）衡量。本文參考江艇（2022）［26］的中介效應(yīng)驗(yàn)證方法，首先，選擇與被解釋變量有顯著關(guān)系的融資水平作為中介變量；然后，根據(jù)模型（2）中系數(shù)β1的顯著性識別融資水平是否存在中介效應(yīng)；最后，利用模型（3）分別采用Sobel 檢驗(yàn)和Bootstrap 檢驗(yàn)，驗(yàn)證所選擇的中介變量的傳導(dǎo)機(jī)制是否存在。

（二）變量定義

1.被解釋變量

本文的解釋變量是全要素生產(chǎn)率（TFP）。微觀企業(yè)全要素生產(chǎn)率的估計(jì)方法主要有GMM、OP、LP 和ACF 等，由于LP 方法可以較好地解決企業(yè)同時(shí)選擇產(chǎn)量與資本存量帶來的同時(shí)性偏差和數(shù)據(jù)丟失問題，適用于企業(yè)層面的全要素生產(chǎn)率估計(jì)。因此，本文使用LP 方法估算制造業(yè)企業(yè)的全要素生產(chǎn)率（TFP）。

2.解釋變量

本文的解釋變量是數(shù)字金融指數(shù)（DiFin）。參考已有研究，采用北京大學(xué)數(shù)字金融研究中心的數(shù)字普惠金融指數(shù)進(jìn)行衡量。目前，該數(shù)據(jù)已經(jīng)涵蓋了我國31 個(gè)省份、337 個(gè)地級以上城市以及約2 800 個(gè)縣區(qū)，具有一定的公開性和權(quán)威性。本文采用上市企業(yè)所在城市的數(shù)字普惠金融指數(shù)數(shù)據(jù)，并且使用覆蓋廣度（DiExt）、使用深度（DiDep）、金融化程度（DiLev）3 個(gè)維度的明細(xì)數(shù)據(jù)進(jìn)行分類研究。

3.中介變量

根據(jù)上文的研究假設(shè)內(nèi)容，本文選擇融資水平變化作為衡量“融資貴”變化的指標(biāo)。融資水平由利息負(fù)擔(dān)水平（IBL）、負(fù)債融資水平（DFCR）和權(quán)益融資水平（EFCR）3個(gè)維度組成。

4.控制變量

借鑒相關(guān)學(xué)者的研究方法，本文選取企業(yè)年齡（Age）、企業(yè)資本密集度（Cap）、企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、股權(quán)集中度（Ten）、兩職合一（Dual）、獨(dú)立董事比例（Inde）、審計(jì)意見（Aud）作為控制變量。

變量定義具體見表1所列。

（三）數(shù)據(jù)來源

本文使用2011—2020 年制造業(yè)上市企業(yè)財(cái)務(wù)報(bào)表數(shù)據(jù)和企業(yè)所在城市的數(shù)字金融數(shù)據(jù)，其中，制造業(yè)上市企業(yè)的財(cái)務(wù)報(bào)表數(shù)據(jù)來源于Wind系統(tǒng)A 股和新三板數(shù)據(jù)，上市企業(yè)所在城市的數(shù)字金融數(shù)據(jù)來源于北京大學(xué)數(shù)字金融研究中心課題組的《北京大學(xué)數(shù)字普惠金融指數(shù)》報(bào)告，并且對相關(guān)數(shù)據(jù)進(jìn)行了如下處理：①剔除ST 等經(jīng)營不善的企業(yè)；②剔除營業(yè)收入、員工數(shù)量、固定資產(chǎn)、銷售商品和提供勞務(wù)收到的現(xiàn)金、融資水平小于0的企業(yè)；③對所有變量進(jìn)行Winsorize 處理，最后得到31 751 個(gè)樣本觀測值。本文所使用的分析軟件為Stata15。

四、實(shí)證分析

（一）描述性統(tǒng)計(jì)

表2列示了各主要變量的描述性統(tǒng)計(jì)結(jié)果。

從表2 可以看出，本次研究的樣本數(shù)為31 751個(gè)，TFP 均值為16.100，接近中位數(shù)16.070，標(biāo)準(zhǔn)差為1.027，表明研究樣本企業(yè)全要素生產(chǎn)率大致滿足正態(tài)分布。另外，TFP的最小值為11.200，最大值為19.970，表明制造業(yè)企業(yè)全要素生產(chǎn)率在樣本期間存在明顯差異，使得本文研究具有一定的現(xiàn)實(shí)意義。DiFin 的最大值和最小值有較大差異，表明數(shù)字金融在各城市的發(fā)展存在顯著差異。除此之外，控制變量分布值域比較廣，能夠較好地控制研究過程中存在的遺漏變量偏差問題，使研究結(jié)果更加穩(wěn)健。

（二）基礎(chǔ)回歸

表3 列示了數(shù)字金融與制造業(yè)企業(yè)全要素生產(chǎn)率的回歸結(jié)果。

表3 基本回歸

從表3 列（1）的回歸結(jié)果來看，DiFin 系數(shù)在1%水平上顯著為正，表明總體上數(shù)字金融的發(fā)展可以顯著促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率的提升，H1 初步得證。主要原因是：數(shù)字金融的發(fā)展有效緩解了信息不對稱；隨著數(shù)字金融的發(fā)展，眾籌、小額貸款等融資方式拓寬了企業(yè)融資渠道；數(shù)字技術(shù)的發(fā)展和應(yīng)用降低了金融機(jī)構(gòu)的審批風(fēng)險(xiǎn)、簡化了審批流程，使得企業(yè)比以往更容易、更便捷、更低成本地獲得融資資金；企業(yè)獲得資金后可以持續(xù)開展研發(fā)投入和技術(shù)創(chuàng)新，有助于促進(jìn)企業(yè)全要素生產(chǎn)率的提升。從列（2）至列（4）的回歸結(jié)果來看，DiExt、DiDep 和DiLev 系數(shù)在1%水平上顯著為正，DiDep 值大于DiExt，DiLev 數(shù)值最小，表明數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度對企業(yè)全要素生產(chǎn)率的影響存在差異，使用深度對企業(yè)全要素生產(chǎn)率影響最大，覆蓋廣度次之，而數(shù)字化程度對企業(yè)全要素生產(chǎn)率影響最小。該情況與《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2020 年）》的結(jié)論相似，意味著在數(shù)字金融發(fā)展過程中，數(shù)字化程度和覆蓋廣度已經(jīng)逐步達(dá)到一定的飽和度，不可能再出現(xiàn)發(fā)展初期的快速增長現(xiàn)象，金融機(jī)構(gòu)只有針對數(shù)字金融的應(yīng)用場景和服務(wù)模式進(jìn)行完善和提高，才能獲得更大的發(fā)展空間。

（三）穩(wěn)健性檢驗(yàn)

1.替換被解釋變量

本文參考陳維濤等（2019）［27］計(jì)算TFP的方法，將重新計(jì)算得到的全要素生產(chǎn)率（TFP_C）作為被解釋變量進(jìn)行回歸，結(jié)果見表4所列。

從回歸結(jié)果來看，替換被解釋變量后，DiFin系數(shù)在1%水平上顯著為正，說明數(shù)字金融的發(fā)展顯著促進(jìn)了制造業(yè)企業(yè)全要素生產(chǎn)率的提升，與基本回歸結(jié)果一致，H1 得到驗(yàn)證。此外，DiExt、DiDep和DiLev 的值在1%水平上同樣顯著為正，其中，DiDep 值最大，DiExt 次之，DiLev 值最小，該回歸結(jié)果與基本回歸結(jié)果也一致，進(jìn)一步驗(yàn)證了H1。

2.剔除異常數(shù)據(jù)。

考慮2015 年中國股市劇烈波動(dòng)對上市企業(yè)的影響以及北京、上海、天津和重慶4 個(gè)直轄市存在的經(jīng)濟(jì)特殊性，本文借鑒唐松等（2020）［28］的研究方法，將上述異常數(shù)據(jù)剔除，然后分別進(jìn)行回歸，結(jié)果見表5所列。從回歸結(jié)果來看，DiFin、DiExt、DiDep和DiLev 的值在1%水平上顯著為正，說明數(shù)字金融發(fā)展有助于制造業(yè)企業(yè)全要素生產(chǎn)率提升的結(jié)論依然成立，H1再次得到驗(yàn)證。

表5 穩(wěn)健性檢驗(yàn)（剔除異常數(shù)據(jù)）

3.內(nèi)生性檢驗(yàn)

為了避免數(shù)字金融發(fā)展與制造業(yè)企業(yè)全要素生產(chǎn)率提升之間存在的反向因果關(guān)系，以及因遺漏變量而影響回歸結(jié)果的準(zhǔn)確性，本文采用工具變量法對上述研究結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)。首先，借鑒黃群慧等（2019）［29］的研究方法，選取各城市1984 年每百人固定電話數(shù)量和每萬人郵局?jǐn)?shù)量作為地區(qū)數(shù)字金融發(fā)展指數(shù)的工具變量，電話用戶數(shù)和郵局?jǐn)?shù)代表城市信息化發(fā)展水平，也將對城市數(shù)字金融發(fā)展產(chǎn)生影響，而1984 年的電話和郵局?jǐn)?shù)量不會(huì)通過數(shù)字金融發(fā)展影響企業(yè)全要素生產(chǎn)率；借鑒郭峰（2017）［30］的研究方法，選擇企業(yè)注冊地所在城市到杭州市的球面距離作為工具變量，杭州作為自然地理變量，與城市數(shù)字金融發(fā)展水平有顯著關(guān)系，但各城市與杭州之間的距離不會(huì)通過數(shù)字金融發(fā)展而影響企業(yè)全要素生產(chǎn)率。此外，上述選用的工具變量都能滿足有效工具變量的外生性和相關(guān)性的假設(shè)條件。從表6 回歸結(jié)果來看，F(xiàn)值均遠(yuǎn)超過臨界值10，排除了弱工具變量問題，Sagan 檢驗(yàn)結(jié)果，P值為0.964，表明工具變量通過過度識別檢驗(yàn)，工具變量是外生的，說明本文選用的工具變量有效；DiFin 系數(shù)在1%水平上顯著為正，說明數(shù)字金融發(fā)展對制造業(yè)企業(yè)全要素生產(chǎn)率有顯著推動(dòng)作用，由此，H1再次得到驗(yàn)證。

表6 穩(wěn)健性檢驗(yàn)（內(nèi)生性檢查）

五、傳導(dǎo)機(jī)制分析

（一）利息負(fù)擔(dān)水平的效應(yīng)分析

首先，將利息負(fù)擔(dān)水平（IBL）代入模型（2）和模型（3）進(jìn)行回歸，結(jié)果見表7 列（1）和列（2）。從回歸結(jié)果來看，表7 列（1）的DiFin 系數(shù)在1%水平上顯著為負(fù)，可初步確定利息負(fù)擔(dān)水平（IBL）存在中介效應(yīng)；然后，進(jìn)行Sobel檢驗(yàn)，發(fā)現(xiàn)P值為0.001（結(jié)果小于0.050），表明利息負(fù)擔(dān)水平（IBL）中介效應(yīng)仍然存在；最后，進(jìn)行Bootstrap 檢驗(yàn)，在通過1 000次抽樣結(jié)果后發(fā)現(xiàn)，95%置信區(qū)間為［0.001，0.005］（結(jié)果不包含0），進(jìn)一步驗(yàn)證了利息負(fù)擔(dān)水平（IBL）的中介效應(yīng)。由此，驗(yàn)證了H2，即數(shù)字金融發(fā)展會(huì)降低制造業(yè)企業(yè)利息負(fù)擔(dān)水平，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

表7 中介效應(yīng)分析（利息負(fù)擔(dān)水平）

按照上述方法，分別將數(shù)字金融的覆蓋廣度（DiExt）、使用深度（DiDep）和數(shù)字化程度（DiLev）代入模型（2）和模型（3）進(jìn)行回歸，結(jié)果見表7列（3）至列（8）?？梢钥闯?，列（3）DiExt系數(shù)在1%水平上顯著為負(fù)，列（5）和列（7）DiDep 和DiLev 系數(shù)都在5%水平上顯著為負(fù)，初步表明數(shù)字金融指數(shù)的3 個(gè)維度發(fā)展都能顯著降低企業(yè)利息負(fù)擔(dān)水平，即數(shù)字金融3 個(gè)維度的發(fā)展能通過企業(yè)利息負(fù)擔(dān)水平（IBL）影響企業(yè)全要素生產(chǎn)率。此外，Sobel檢驗(yàn)和Bootstrap 檢驗(yàn)結(jié)果顯示，P值都小于0.050，抽樣1 000次后95%的置信區(qū)間結(jié)果都不包含0，進(jìn)一步表明，數(shù)字金融3個(gè)不同維度的發(fā)展都降低了制造業(yè)企業(yè)的利息負(fù)擔(dān)水平，進(jìn)而促進(jìn)了企業(yè)全要素生產(chǎn)率的提升。

（二）負(fù)債融資水平效應(yīng)分析

本文將負(fù)債融資水平（DFCR）作為中介變量代入模型（2）和模型（3）進(jìn)行回歸，結(jié)果見表8 所列。按照上文中介效應(yīng)分析的方法進(jìn)行分析，結(jié)果顯示：列（1）DiFin 系數(shù)在1%水平上顯著為負(fù)，Sobel 檢驗(yàn)結(jié)果P值小于0.050，Bootstrap 檢驗(yàn)結(jié)果包含0，說明數(shù)字金融的發(fā)展能降低制造業(yè)企業(yè)負(fù)債融資水平，但負(fù)債融資水平并沒有起到中介效應(yīng)作用，即數(shù)字金融的發(fā)展不能通過負(fù)債融資水平促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率的提升，因此，H3不成立；列（3）DiExt 系數(shù)在1%水平上顯著為負(fù)，Sobel 檢驗(yàn)結(jié)果P值小于0.050，Bootstrap 檢驗(yàn)結(jié)果不包含0，列（5）和列（7）DiDep 和DiLev 系數(shù)都在1%水平上顯著為負(fù)，Sobel 檢驗(yàn)結(jié)果P值大于0.050，Bootstrap 檢驗(yàn)結(jié)果都不包含0，說明數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度都能夠降低制造業(yè)企業(yè)負(fù)債融資水平，但負(fù)債融資水平的中介作用存在異質(zhì)性。負(fù)債融資水平在數(shù)字金融覆蓋廣度對企業(yè)全要素生產(chǎn)率的影響中起到了中介作用，但在數(shù)字金融使用深度和數(shù)字化程度對企業(yè)全要素生產(chǎn)率的影響中沒有起到中介作用。

表8 中介效應(yīng)分析（負(fù)債融資水平）

（三）權(quán)益融資水平的效應(yīng)分析

本文將權(quán)益融資水平（EFCR）作為中介變量進(jìn)行回歸，結(jié)果見表9 所列?？梢钥闯觯校?）DiFin系數(shù)在5%水平上顯著為正，Sobel檢驗(yàn)結(jié)果P值小于0.050，Bootstrap 檢驗(yàn)結(jié)果包含0，說明數(shù)字金融的發(fā)展提升了制造業(yè)企業(yè)權(quán)益融資水平，但權(quán)益融資水平并沒有起到中介作用，即數(shù)字金融的發(fā)展不能通過權(quán)益融資水平促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升，因此，H4 不成立；列（5）DiDep 系數(shù)在5%水平上顯著為正，Sobel 檢驗(yàn)結(jié)果P值小于0.050，Bootstrap 檢驗(yàn)結(jié)果不包含0，列（3）和列（7）中，DiExt 系數(shù)在1%水平上顯著為正，DiLev 系數(shù)不顯著，Sobel檢驗(yàn)結(jié)果P值都大于0.050，Bootstrap檢驗(yàn)結(jié)果都包含0，說明數(shù)字金融的覆蓋廣度和使用深度促進(jìn)了制造業(yè)企業(yè)權(quán)益融資水平的提升，而數(shù)字化程度對制造業(yè)企業(yè)權(quán)益融資水平的變化沒有顯著影響。權(quán)益融資水平在數(shù)字金融使用深度對制造業(yè)企業(yè)全要素生產(chǎn)率的影響中起到了中介作用，但在數(shù)字金融覆蓋廣度和數(shù)字化程度對制造業(yè)企業(yè)全要素生產(chǎn)率的影響中沒有起到中介作用。

表9 中介效應(yīng)分析（權(quán)益融資水平）

六、異質(zhì)性分析

（一）數(shù)字金融對不同產(chǎn)權(quán)性質(zhì)企業(yè)的影響差異

為了考察數(shù)字金融對不同產(chǎn)權(quán)性質(zhì)企業(yè)的影響差異，本文將樣本按企業(yè)產(chǎn)權(quán)性質(zhì)分為國有企業(yè)和非國有企業(yè)，具體為中央國有企業(yè)和地方國有企業(yè)歸類為國有企業(yè)；民營、外資、集體、公眾和其他企業(yè)歸類為非國有企業(yè)，分別進(jìn)行回歸，結(jié)果見表10 列（1）和列（2）?？梢钥闯觯瑖衅髽I(yè)DiFin 系數(shù)在1%水平上顯著為正，而非國有企業(yè)DiFin 系數(shù)在5%水平上顯著為正，說明數(shù)字金融發(fā)展對國有制造業(yè)企業(yè)全要素生產(chǎn)率的促進(jìn)作用更顯著。原因可能是：數(shù)字金融的發(fā)展提高了金融機(jī)構(gòu)的貸款效率、降低了貸款利率，國有制造業(yè)企業(yè)和非國有制造業(yè)企業(yè)都能享受數(shù)字金融帶來的紅利，國有制造業(yè)企業(yè)通過專業(yè)化、體系化、法治化建設(shè)，進(jìn)一步增加了人才儲(chǔ)備、優(yōu)化了企業(yè)結(jié)構(gòu)、提升了管理水平，有助于其利用人才和技術(shù)優(yōu)勢進(jìn)行研發(fā)投入和技術(shù)創(chuàng)新，進(jìn)而提升全要素生產(chǎn)率；相較于國有企業(yè)，雖然數(shù)字金融的發(fā)展緩解了非國有制造業(yè)企業(yè)的融資問題，但在人才和技術(shù)儲(chǔ)備上仍存在較大差距，非國有企業(yè)在研發(fā)和創(chuàng)新投入方面顯著不足，無法有效提升企業(yè)全要素生產(chǎn)率。因此，數(shù)字金融的發(fā)展對國有制造業(yè)企業(yè)全要素生產(chǎn)率的提升作用更顯著。

表10 異質(zhì)性分析

（二）數(shù)字金融對不同規(guī)模企業(yè)的影響差異

為了考察數(shù)字金融對不同規(guī)模企業(yè)的影響差異，本文按企業(yè)規(guī)模將樣本分為大型企業(yè)和非大型企業(yè)，其中，非大型企業(yè)為中型、小型和微型企業(yè)，分別進(jìn)行回歸，結(jié)果見表10 列（3）和列（4）。可以看出，大型企業(yè)DiFin 系數(shù)在1%水平上顯著為正，而非大型企業(yè)DiFin 系數(shù)不顯著，說明數(shù)字金融的發(fā)展能顯著促進(jìn)大型制造業(yè)企業(yè)全要素生產(chǎn)率的提升，但對非大型制造業(yè)企業(yè)沒有顯著影響。原因可能是：大型制造業(yè)企業(yè)經(jīng)營規(guī)范、業(yè)務(wù)穩(wěn)定、抗風(fēng)險(xiǎn)能力強(qiáng)、人才和技術(shù)儲(chǔ)備豐富，隨著數(shù)字金融的發(fā)展，金融機(jī)構(gòu)的融資效率進(jìn)一步提高、融資成本進(jìn)一步降低，更能助力大型制造業(yè)企業(yè)全要素生產(chǎn)率的提升；中小微制造業(yè)企業(yè)經(jīng)營模式單一、抗風(fēng)險(xiǎn)能力弱、人才儲(chǔ)備不足，金融機(jī)構(gòu)為了控制信貸風(fēng)險(xiǎn)，往往無法為企業(yè)提供足夠的信貸資金或者將信貸風(fēng)險(xiǎn)的成本轉(zhuǎn)嫁給中小微制造業(yè)企業(yè)，不利于其創(chuàng)新發(fā)展，并且我國大多數(shù)中小微企業(yè)盈利能力較弱，獲得的資金主要用于維持企業(yè)正常運(yùn)營，用于技術(shù)改造提高生產(chǎn)效率的資金較少，因此，數(shù)字金融的發(fā)展能緩解中小微企業(yè)的融資問題，但對企業(yè)全要素生產(chǎn)率的提升作用不顯著。

（三）數(shù)字金融對不同密集型企業(yè)的影響差異

為了考察數(shù)字金融對不同密集型企業(yè)的影響差異，本文將制造業(yè)企業(yè)分類為勞動(dòng)密集型和非勞動(dòng)密集型企業(yè)，其中，非勞動(dòng)密集型企業(yè)為資本和技術(shù)密集型企業(yè)，分別進(jìn)行回歸，結(jié)果見表10列（5）和列（6）。可以看出，勞動(dòng)密集型企業(yè)和非勞動(dòng)密集型企業(yè)的DiFin 系數(shù)都在1%水平上顯著為正，進(jìn)一步通過chow 檢驗(yàn)，結(jié)果顯示，交叉項(xiàng)系數(shù)在5%水平上顯著為負(fù)，說明數(shù)字金融的發(fā)展對非勞動(dòng)密集型制造業(yè)企業(yè)全要素生產(chǎn)率的提升作用更大。原因可能是：我國制造業(yè)企業(yè)中許多企業(yè)是以手工作業(yè)為主的勞動(dòng)密集型企業(yè)，數(shù)字金融的發(fā)展緩解了勞動(dòng)密集型企業(yè)的融資問題，但勞動(dòng)密集型企業(yè)的人工成本比較低，所以這些企業(yè)仍傾向于采用以人工操作為主的生產(chǎn)方式；數(shù)字金融的發(fā)展緩解了技術(shù)密集型和資本密集型制造業(yè)企業(yè)的融資問題，這些企業(yè)更愿意將資金投入到產(chǎn)品研發(fā)和技術(shù)創(chuàng)新，因而非勞動(dòng)密集型企業(yè)能顯著地提升企業(yè)全要素生產(chǎn)率。

（四）數(shù)字金融對不同地區(qū)企業(yè)的影響差異

我國地域廣闊，各地區(qū)的歷史、文化、地理環(huán)境不同，經(jīng)濟(jì)發(fā)展差異較大，為考察數(shù)字金融對不同地區(qū)企業(yè)的影響差異，本文按企業(yè)所在地區(qū)將樣本分為東部（經(jīng)濟(jì)發(fā)達(dá)）地區(qū)和非東部（經(jīng)濟(jì)欠發(fā)達(dá)）地區(qū)（不包含港澳臺地區(qū)）（1），分別進(jìn)行回歸，結(jié)果見表10 列（7）和列（8）?？梢钥闯?，東部地區(qū)企業(yè)DiFin 系數(shù)在1%水平上顯著為正，非東部地區(qū)企業(yè)DiFin 系數(shù)不顯著，說明數(shù)字金融的發(fā)展對東部制造業(yè)企業(yè)全要素生產(chǎn)率的提升作用更顯著。原因可能是，數(shù)字金融對企業(yè)全要素生產(chǎn)率的影響需要企業(yè)所在城市綜合經(jīng)濟(jì)實(shí)力的支持，經(jīng)濟(jì)水平較高的城市，基礎(chǔ)設(shè)施、人才水平、政府效率都會(huì)好于經(jīng)濟(jì)水平較低的城市，因此，東部地區(qū)企業(yè)提升企業(yè)全要素生產(chǎn)率的動(dòng)力更足。

七、研究結(jié)論與政策建議

（一）研究結(jié)論

為了探究數(shù)字金融的發(fā)展是否有效解決了制造業(yè)企業(yè)融資問題，是否提升了制造業(yè)企業(yè)全要素生產(chǎn)率，本文利用2011—2020 數(shù)字金融數(shù)據(jù)與同期A 股和新三板制造業(yè)企業(yè)數(shù)據(jù)，實(shí)證研究了數(shù)字金融對制造業(yè)企業(yè)全要素生產(chǎn)率的影響及其傳導(dǎo)機(jī)制。研究結(jié)果表明：①總體上，數(shù)字金融發(fā)展能顯著促進(jìn)我國制造業(yè)企業(yè)全要素生產(chǎn)率的提升；②分渠道來看，數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度都能促進(jìn)我國制造業(yè)企業(yè)全要素生產(chǎn)率的提升；③從傳導(dǎo)機(jī)制來看，數(shù)字金融發(fā)展降低了制造業(yè)企業(yè)利息負(fù)擔(dān)水平和負(fù)債融資水平，但提升了企業(yè)權(quán)益融資水平，其中，利息負(fù)擔(dān)水平起到了中介作用，而負(fù)債融資水平和權(quán)益融資水平?jīng)]有起到中介作用；④異質(zhì)性分析發(fā)現(xiàn)，數(shù)字金融的發(fā)展對提升國有、大型、非勞動(dòng)密集型、東部地區(qū)的制造業(yè)企業(yè)全要素生產(chǎn)率的作用更顯著。

（二）政策建議

根據(jù)上述研究結(jié)果，本文提出以下建議：

第一，國家應(yīng)繼續(xù)發(fā)展數(shù)字金融，并加大數(shù)字化程度的發(fā)展力度，促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率的提升。國家應(yīng)在政策層面繼續(xù)鼓勵(lì)和支持?jǐn)?shù)字金融發(fā)展的同時(shí)，考慮數(shù)字金融的覆蓋廣度和使用深度逐漸趨于飽和，后續(xù)發(fā)展乏力，而目前數(shù)字化程度發(fā)展對降低制造業(yè)企業(yè)負(fù)債融資水平和權(quán)益融資水平仍有很大空間。因此，可以將發(fā)展數(shù)字金融的數(shù)字化程度作為下一階段的重點(diǎn)發(fā)展方向，進(jìn)一步降低制造業(yè)企業(yè)融資水平，促進(jìn)制造業(yè)企業(yè)全要素生產(chǎn)率提升。

第二，金融機(jī)構(gòu)應(yīng)進(jìn)一步緩解中小微制造業(yè)企業(yè)“融資貴”問題，促進(jìn)制造業(yè)整體高質(zhì)量發(fā)展。數(shù)字金融發(fā)展緩解了制造業(yè)企業(yè)融資問題，但并沒有解決中小微制造業(yè)企業(yè)“融資貴”的難題，中小微制造業(yè)企業(yè)仍無法通過享受數(shù)字金融紅利來促進(jìn)企業(yè)全要素生產(chǎn)率的提升。因此，金融機(jī)構(gòu)需進(jìn)一步加強(qiáng)數(shù)字金融建設(shè)，加大對中小微制造業(yè)企業(yè)的支持力度，促進(jìn)我國制造業(yè)整體高質(zhì)量發(fā)展。

第三，加大數(shù)字金融對經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的支持力度，推動(dòng)地區(qū)產(chǎn)業(yè)聯(lián)動(dòng)，實(shí)現(xiàn)共同發(fā)展。數(shù)字金融發(fā)展突破了空間和時(shí)間的限制，將金融服務(wù)業(yè)務(wù)延伸到許多偏遠(yuǎn)地區(qū)，但沒有改變非東部經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)企業(yè)全要素生產(chǎn)率發(fā)展緩慢的窘境。因此，金融機(jī)構(gòu)可以適當(dāng)實(shí)施針對不同地區(qū)差異化的金融政策，為經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)提供更優(yōu)惠的金融政策，吸引更多制造業(yè)企業(yè)和人才入駐，推動(dòng)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的經(jīng)濟(jì)發(fā)展；同時(shí)，利用金融政策，鼓勵(lì)、引導(dǎo)經(jīng)濟(jì)發(fā)達(dá)地區(qū)制造業(yè)企業(yè)參與中西部地區(qū)建設(shè)，通過地區(qū)聯(lián)動(dòng)、產(chǎn)業(yè)聯(lián)動(dòng)，實(shí)現(xiàn)共同發(fā)展的目標(biāo)。

（三）研究不足

本文研究了數(shù)字金融的發(fā)展對我國制造業(yè)企業(yè)全要素生產(chǎn)率的影響及傳導(dǎo)機(jī)制，在研究過程中仍存在一些不足之處有待改進(jìn)：①在數(shù)據(jù)層面，本研究采用的數(shù)字金融指數(shù)是利用螞蟻集團(tuán)關(guān)于數(shù)字普惠金融的海量數(shù)據(jù)計(jì)算得到，該數(shù)據(jù)有一定的局限性，相關(guān)指標(biāo)仍需要進(jìn)一步優(yōu)化和完善；②在研究內(nèi)容上，本文雖然研究和分析了制造業(yè)行業(yè)，但我國制造業(yè)有30個(gè)行業(yè)，數(shù)字金融發(fā)展對每個(gè)制造業(yè)行業(yè)的影響也會(huì)存在差異，需進(jìn)一步細(xì)化研究。

注 釋：

（1）東部（經(jīng)濟(jì)發(fā)達(dá)）地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南10 個(gè)省份；非東部（經(jīng)濟(jì)欠發(fā)達(dá)）地區(qū)包括遼寧、吉林、黑龍江、山西、安徽、江西、河南、湖北、湖南、內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆21個(gè)省份。