江紅莉 ， 蔣鵬程

（江蘇大學(xué) 財(cái)經(jīng)學(xué)院，江蘇 鎮(zhèn)江 212013）

一、 問(wèn)題的提出

自改革開(kāi)放以來(lái)，全要素生產(chǎn)率對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)超過(guò)30%（Bosworth和Collins，2008），被視為新常態(tài)下提升我國(guó)經(jīng)濟(jì)增長(zhǎng)的著力點(diǎn)，也是我國(guó)跨越“中等收入陷阱”的關(guān)鍵（蔡昉，2013）。黨的十九大報(bào)告更是明確提出“要推動(dòng)中國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量變革、效率變革、動(dòng)力變革，提高全要素生產(chǎn)率”。毫無(wú)疑問(wèn)，創(chuàng)新是企業(yè)全要素生產(chǎn)率提升的重要驅(qū)動(dòng)力。然而，創(chuàng)新是一個(gè)沉沒(méi)成本高、產(chǎn)出不確定的長(zhǎng)周期和高風(fēng)險(xiǎn)的活動(dòng)，需要穩(wěn)定、充足的金融資源作為保障（王玉澤等，2019）。由于傳統(tǒng)金融在服務(wù)企業(yè)生產(chǎn)活動(dòng)的過(guò)程中存在屬性錯(cuò)配、階段錯(cuò)配和領(lǐng)域錯(cuò)配（唐松等，2020），致使融資約束問(wèn)題普遍存在于中國(guó)企業(yè)之中（李駿和萬(wàn)君寶，2019）。融資難、融資貴已然成為企業(yè)全要素生產(chǎn)率提升的“阿喀琉斯之踵”。如何提升金融服務(wù)實(shí)體經(jīng)濟(jì)的質(zhì)效，促進(jìn)企業(yè)全要素生產(chǎn)率的穩(wěn)步提升，成為“大循環(huán)”和“雙循環(huán)”新發(fā)展格局下經(jīng)濟(jì)高質(zhì)量發(fā)展的現(xiàn)實(shí)問(wèn)題。

近年來(lái)，隨著大數(shù)據(jù)、云計(jì)算、移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，數(shù)字技術(shù)與金融業(yè)不斷融合，誕生了以第三方支付、移動(dòng)支付等為代表的數(shù)字金融新業(yè)態(tài)①目前關(guān)于數(shù)字金融尚未有精確的定義，大多數(shù)文獻(xiàn)采用的是黃益平和黃卓（2018）給出的定義：數(shù)字金融泛指?jìng)鹘y(tǒng)金融機(jī)構(gòu)與互聯(lián)網(wǎng)公司利用數(shù)字技術(shù)實(shí)現(xiàn)融資、支付、投資和其他新型金融業(yè)務(wù)模式。。數(shù)字技術(shù)與金融服務(wù)的深度融合，改進(jìn)了金融服務(wù)的模式、邊界和效率，助力企業(yè)生產(chǎn)活動(dòng)。一方面，數(shù)字金融引發(fā)的“鯰魚(yú)效應(yīng)”改變了金融業(yè)的競(jìng)爭(zhēng)格局，傳統(tǒng)金融機(jī)構(gòu)在數(shù)字化轉(zhuǎn)型過(guò)程中會(huì)帶來(lái)服務(wù)模式和技術(shù)轉(zhuǎn)型的升級(jí)，推動(dòng)金融結(jié)構(gòu)變革和金融效率的提升，使得金融更具普惠性（吳曉求，2015），有利于改善企業(yè)尤其是中小企業(yè)的融資環(huán)境。另一方面，在信息技術(shù)的支撐下，數(shù)字金融具有更強(qiáng)的地理穿透力和低成本優(yōu)勢(shì)，能夠打破傳統(tǒng)金融服務(wù)的時(shí)間和空間限制，拓展金融服務(wù)的邊界，提高金融服務(wù)的觸達(dá)能力，降低企業(yè)融資環(huán)節(jié)中的冗余成本，實(shí)現(xiàn)資源的高效配置，一定程度上能緩解企業(yè)的融資約束，促進(jìn)企業(yè)技術(shù)創(chuàng)新（萬(wàn)佳彧等，2020；唐松等，2020）。由此，探討數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的影響，以及是否因外部環(huán)境和內(nèi)在稟賦差異而存在異質(zhì)性，對(duì)完善我國(guó)數(shù)字金融發(fā)展、促進(jìn)企業(yè)全要素生產(chǎn)率增長(zhǎng)，進(jìn)而促進(jìn)金融供給側(cè)改革和實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展具有一定的現(xiàn)實(shí)價(jià)值和理論意義。

鑒于此，本文在“數(shù)字金融—企業(yè)全要素生產(chǎn)率”全景式邏輯框架下，基于內(nèi)生增長(zhǎng)理論，將數(shù)理推導(dǎo)與邏輯推理相結(jié)合，分析數(shù)字金融發(fā)展對(duì)企業(yè)全要素生產(chǎn)率的影響，挖掘其深層次作用機(jī)制，并識(shí)別邏輯鏈條上的關(guān)鍵節(jié)點(diǎn)。在此基礎(chǔ)上，以中國(guó)2011–2017年滬深兩市A股非金融類上市公司為樣本，對(duì)上述理論機(jī)制進(jìn)行實(shí)證檢驗(yàn)，并一步探討數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的異質(zhì)性作用。本文可能的邊際貢獻(xiàn)為：第一，豐富了企業(yè)全要素生產(chǎn)率驅(qū)動(dòng)因素的研究視角。不同于現(xiàn)有文獻(xiàn)從傳統(tǒng)金融發(fā)展、金融摩擦、金融資產(chǎn)配置等角度研究企業(yè)全要素生產(chǎn)率，本文從數(shù)字金融這一新金融業(yè)態(tài)的視角研究企業(yè)全要素生產(chǎn)率，為數(shù)字金融服務(wù)經(jīng)濟(jì)高質(zhì)量發(fā)展提供來(lái)自微觀企業(yè)層面的理論支撐和經(jīng)驗(yàn)證據(jù)，拓展了關(guān)于企業(yè)全要素生產(chǎn)率驅(qū)動(dòng)因素的研究邊界。第二，不同于已有文獻(xiàn)探討數(shù)字金融對(duì)企業(yè)融資約束、技術(shù)創(chuàng)新的影響，本文將研究的邏輯鏈條進(jìn)一步延伸至企業(yè)全要素生產(chǎn)率，揭示了數(shù)字金融影響企業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)制。在充分識(shí)別數(shù)字金融與企業(yè)全要素生產(chǎn)率基本關(guān)系的基礎(chǔ)上，從理論和實(shí)證兩個(gè)層面論證了“數(shù)字金融—融資成本—企業(yè)技術(shù)創(chuàng)新—企業(yè)全要素生產(chǎn)率”“數(shù)字金融—融資約束—企業(yè)技術(shù)創(chuàng)新—企業(yè)全要素生產(chǎn)率”這兩條邏輯完整的鏈條，進(jìn)而識(shí)別并檢驗(yàn)了數(shù)字金融影響企業(yè)全要素生產(chǎn)率的作用路徑和關(guān)鍵節(jié)點(diǎn)，為數(shù)字金融這一新型金融業(yè)態(tài)如何服務(wù)于企業(yè)全要素生產(chǎn)率的提升、促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展提供了靶向和實(shí)施路徑。第三，進(jìn)一步在“數(shù)字金融—企業(yè)全要素生產(chǎn)率”研究范式中嵌入多元約束要素，發(fā)現(xiàn)數(shù)字金融結(jié)構(gòu)對(duì)企業(yè)全要素生產(chǎn)率具有異質(zhì)性影響；數(shù)字金融對(duì)創(chuàng)新型企業(yè)和資產(chǎn)負(fù)債率更高的企業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的企業(yè)以及對(duì)處于傳統(tǒng)金融發(fā)達(dá)和信息技術(shù)水平高的地區(qū)的企業(yè)，其生產(chǎn)率提升效應(yīng)更強(qiáng)，揭示了不同橫截面特征差異下數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率影響的差異，為進(jìn)一步優(yōu)化數(shù)字金融服務(wù)經(jīng)濟(jì)高質(zhì)量發(fā)展的政策制定提供了可靠的經(jīng)驗(yàn)證據(jù)，有助于提升數(shù)字金融服務(wù)實(shí)體經(jīng)濟(jì)的質(zhì)效。

二、 文獻(xiàn)綜述與理論分析

（一）文獻(xiàn)綜述

自Romer（1986）提出內(nèi)生增長(zhǎng)理論后，國(guó)內(nèi)外學(xué)者便開(kāi)始在內(nèi)生增長(zhǎng)理論框架下探究金融發(fā)展對(duì)全要素生產(chǎn)率的影響。盡管產(chǎn)生了豐富的學(xué)術(shù)成果，但研究結(jié)論存在分歧。一些學(xué)者認(rèn)為金融發(fā)展通過(guò)“技術(shù)通道”和“效率通道”促進(jìn)了全要素生產(chǎn)率的增長(zhǎng)（張軍和金煜，2005；Arizala等，2013；Han和Shen，2015）。另一些學(xué)者認(rèn)為，金融發(fā)展對(duì)企業(yè)全要素生產(chǎn)率沒(méi)有影響（Hao，2006；徐思遠(yuǎn)和洪占卿，2016），甚至產(chǎn)生了負(fù)向影響（陳剛等，2009），而信貸資源錯(cuò)配導(dǎo)致的資本配置無(wú)效率是其中的重要原因。此外，還有一些學(xué)者認(rèn)為，金融發(fā)展與全要素生產(chǎn)率之間存在非線性關(guān)系（Méon和Weill，2010；馬勇和張航，2017）。

相對(duì)于宏觀層面豐富的研究成果，從微觀層面研究金融發(fā)展對(duì)企業(yè)全要素生產(chǎn)率影響的文獻(xiàn)較為匱乏。為數(shù)不多的文獻(xiàn)主要是從更寬泛的金融角度研究企業(yè)全要素生產(chǎn)率，涉及金融地理結(jié)構(gòu)（陶鋒等，2017）、金融分權(quán)（何美玲等，2019）、資本深化（宋建和鄭江淮，2020）、企業(yè)金融化（胡海峰等，2020）、金融科技創(chuàng)新（巴曙松等，2020）、融資約束（段梅和李志強(qiáng)，2019）等。Gatti和Love（2008）利用保加利亞的調(diào)查數(shù)據(jù)研究發(fā)現(xiàn)，企業(yè)缺乏信貸渠道，其生產(chǎn)率相對(duì)較低。Krishnan等（2015）的研究表明，銀行放松管制會(huì)提高美國(guó)制造企業(yè)的全要素生產(chǎn)率。Caggese（2015）同樣發(fā)現(xiàn)意大利企業(yè)生產(chǎn)率的增長(zhǎng)幅度與其行業(yè)所處融資約束的狀況成反比。國(guó)內(nèi)的相關(guān)研究也表明，信息不對(duì)稱引致的金融摩擦，導(dǎo)致企業(yè)面臨融資約束的問(wèn)題，進(jìn)而造成企業(yè)生產(chǎn)率的損失（葛鵬等，2017）。

近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)對(duì)金融業(yè)的滲透逐步增強(qiáng)，逐漸衍生出數(shù)字金融這一新的金融業(yè)態(tài)。唐松等（2019）從省級(jí)層面探討了數(shù)字普惠金融指數(shù)（金融科技）對(duì)全要素生產(chǎn)率的影響，但目前鮮有文獻(xiàn)將研究下沉到微觀企業(yè)，挖掘數(shù)字金融影響企業(yè)全要素生產(chǎn)率的內(nèi)在機(jī)制。企業(yè)是重要的經(jīng)濟(jì)活動(dòng)主體，企業(yè)全要素生產(chǎn)率的提升是經(jīng)濟(jì)高質(zhì)量發(fā)展在微觀層面的體現(xiàn)。由于“合成謬誤”的存在，數(shù)字金融雖然可以提升宏觀全要素生產(chǎn)率，但在微觀層面不一定成立，需要基于更細(xì)粒度數(shù)據(jù)對(duì)理論假設(shè)進(jìn)行科學(xué)嚴(yán)密的實(shí)證檢驗(yàn)，以便得到可靠的研究結(jié)論。

（二）理論分析

數(shù)字金融不僅能拓寬企業(yè)的外部融資渠道，還能借助數(shù)字技術(shù)降低投融資雙方的信息不對(duì)稱，緩解金融摩擦。本文在Levine和Warusawitharana（2021）構(gòu)建的框架中嵌入數(shù)字金融，推導(dǎo)數(shù)字金融與企業(yè)全要素生產(chǎn)率之間的關(guān)系。

假設(shè)企業(yè)生產(chǎn)函數(shù)為Cobb-Douglas生產(chǎn)函數(shù)：

其中，Y為企業(yè)產(chǎn)出，A、K和L分別為企業(yè)全要素生產(chǎn)率、資本投入和勞動(dòng)投入，α為資本產(chǎn)出彈性。將產(chǎn)出價(jià)格標(biāo)準(zhǔn)化為1，且假定企業(yè)需要支付固定的勞動(dòng)成本（工資）w，則企業(yè)的未來(lái)現(xiàn)金流如式（2）所示：

假定企業(yè)資本折舊率恒定為δ，投資額為I。假定存在資本的二次調(diào)整，調(diào)整成本為這也符合投資的標(biāo)準(zhǔn)Q理論：其中q(A)等于企業(yè)價(jià)值與資本存量的比值。

根據(jù)內(nèi)生增長(zhǎng)理論，企業(yè)通過(guò)投資技術(shù)創(chuàng)新項(xiàng)目進(jìn)而實(shí)現(xiàn)生產(chǎn)率的提升。將技術(shù)創(chuàng)新支出定義為S，則企業(yè)全要素生產(chǎn)率的增長(zhǎng)函數(shù)為該函數(shù)表明企業(yè)技術(shù)投入越多，則全要素生產(chǎn)率提升幅度越大。假定A′為企業(yè)下一期的全要素生產(chǎn)率：

技術(shù)創(chuàng)新項(xiàng)目支出導(dǎo)致全要素生產(chǎn)率的增長(zhǎng)函數(shù)滿足嚴(yán)格遞增且為凹形，并滿足標(biāo)準(zhǔn)稻田（Inada）條件：

企業(yè)首先利用經(jīng)營(yíng)活動(dòng)產(chǎn)生的自由現(xiàn)金流為實(shí)物投資和創(chuàng)新項(xiàng)目融資，當(dāng)自有資金不足時(shí)，則進(jìn)行外部融資，定義F為所需外部融資金額。簡(jiǎn)單起見(jiàn)，不考慮傳統(tǒng)金融與數(shù)字金融對(duì)企業(yè)融資的資金分配比例。數(shù)字金融發(fā)展程度越高的地方，F(xiàn)將越能夠得到滿足，即數(shù)字金融與F之間存在正向相關(guān)關(guān)系，因此我們將F視為數(shù)字金融對(duì)企業(yè)融資的支持力度。

企業(yè)價(jià)值V(K,A)最大化遵循如下貝爾曼方程：

其中，β為企業(yè)未來(lái)價(jià)值的折現(xiàn)率。借鑒胡海峰等（2020）的做法，將q(A)定 義為 βE[V(K,A)]，由對(duì)S求偏導(dǎo)，可得由于q(A)是關(guān)于S的單調(diào)遞增函數(shù)，因此將式（4）對(duì)S求導(dǎo)，可得恒大于0。

數(shù)字金融和企業(yè)全要素生產(chǎn)率的關(guān)系如下：

由此，提出以下研究假設(shè)：

假設(shè)1：數(shù)字金融發(fā)展水平越高，企業(yè)全要素生產(chǎn)率越高。

數(shù)字金融可以降低企業(yè)融資成本，緩解融資約束。由于傳統(tǒng)金融機(jī)構(gòu)“嫌貧愛(ài)富”、市場(chǎng)信息不對(duì)稱等原因，我國(guó)企業(yè)尤其是中小型企業(yè)面臨融資難、融資貴的困境一直未得到有效紓解。隨著金融服務(wù)嵌入以人工智能、區(qū)塊鏈和云計(jì)算等為代表的數(shù)字技術(shù)，數(shù)字金融有助于打破傳統(tǒng)金融藩籬，為企業(yè)融資困境的改善提供了更多的可能性。具體而言：（1）數(shù)字金融的資金放大器功能，能夠拓寬資金來(lái)源，豐富企業(yè)融資渠道。數(shù)字金融基于數(shù)字技術(shù)、數(shù)字化服務(wù)平臺(tái)，吸納資本市場(chǎng)中“長(zhǎng)尾投資者群體”的小規(guī)模資金，集聚成大規(guī)模資金，再利用場(chǎng)景、服務(wù)、技術(shù)等優(yōu)勢(shì)，將資金貸給有外部融資需求的企業(yè)，尤其是受到傳統(tǒng)金融機(jī)構(gòu)排斥的企業(yè)，一定程度上能夠緩解企業(yè)的融資約束。（2）數(shù)字金融引致的“鯰魚(yú)效應(yīng)”能夠降低企業(yè)融資成本。數(shù)字金融的崛起和壯大改變了傳統(tǒng)金融的渠道結(jié)構(gòu)，打破了金融業(yè)原有的利益格局，削弱了傳統(tǒng)商業(yè)銀行的壟斷勢(shì)力，加劇了金融業(yè)的競(jìng)爭(zhēng)。在與數(shù)字金融的跨業(yè)競(jìng)合以及同業(yè)競(jìng)爭(zhēng)中，迫于“經(jīng)濟(jì)壓力”和“社會(huì)壓力”，傳統(tǒng)商業(yè)銀行不斷地進(jìn)行數(shù)字化轉(zhuǎn)型（王詩(shī)卉和謝絢麗，2021），逐漸打破舊有能力疆界，搜集和挖掘企業(yè)信息的能力和效率均得以提高，信貸資源錯(cuò)配得以矯正，使得企業(yè)能夠在相對(duì)公平的成本區(qū)間內(nèi)融得資金（阮堅(jiān)等，2020），降低企業(yè)融資成本。（3）數(shù)字金融能夠促進(jìn)信息共享，降低信息不對(duì)稱程度，進(jìn)而降低企業(yè)融資成本，緩解融資約束。信息不對(duì)稱是導(dǎo)致企業(yè)“融資難、融資貴”的主要原因之一。數(shù)字金融依托人工智能、云計(jì)算、大數(shù)據(jù)等數(shù)字技術(shù)，對(duì)海量的數(shù)據(jù)進(jìn)行挖掘，快速匹配不同主體間的信息，不僅能夠降低借貸雙方的信息搜尋成本，實(shí)現(xiàn)精準(zhǔn)服務(wù)，節(jié)約決策成本，還能夠利用大數(shù)據(jù)技術(shù)精準(zhǔn)地評(píng)估信貸客戶風(fēng)險(xiǎn)，對(duì)信貸客戶實(shí)現(xiàn)動(dòng)態(tài)監(jiān)管，降低借貸過(guò)程中的風(fēng)險(xiǎn)管理成本。

企業(yè)融資困境的紓解，有助于技術(shù)創(chuàng)新，進(jìn)而提升企業(yè)全要素生產(chǎn)率。由于“融資約束會(huì)鈍化企業(yè)的進(jìn)入和退出，阻礙資源的有效配置”，進(jìn)而會(huì)造成企業(yè)生產(chǎn)率的損失（葛鵬等，2017）。當(dāng)企業(yè)面臨的融資困境得到有效緩解后，企業(yè)能夠選擇最優(yōu)資本結(jié)構(gòu)，對(duì)其經(jīng)營(yíng)活動(dòng)作出最優(yōu)決策，從而優(yōu)化金融資源的配置和經(jīng)營(yíng)行為，增加創(chuàng)新投資，以提升企業(yè)全要素生產(chǎn)率（何光輝和楊咸月，2012）。具體來(lái)看，受限于較高的融資成本和融資約束，企業(yè)不愿意將資金投向回報(bào)周期較長(zhǎng)但回報(bào)率高的項(xiàng)目。降低融資成本和紓解融資約束，會(huì)分散企業(yè)投資項(xiàng)目風(fēng)險(xiǎn)，緩解投資長(zhǎng)期項(xiàng)目的流動(dòng)性風(fēng)險(xiǎn)，有利于企業(yè)改變投資組合，實(shí)現(xiàn)投資由低收益項(xiàng)目向高收益項(xiàng)目的轉(zhuǎn)變，促進(jìn)企業(yè)全要素生產(chǎn)率的提升（趙春明等，2015）。更重要的是，技術(shù)創(chuàng)新作為企業(yè)全要素生產(chǎn)率提升的核心動(dòng)力，卻是一項(xiàng)高投入、高風(fēng)險(xiǎn)和回報(bào)周期較長(zhǎng)的活動(dòng)。數(shù)字金融能夠改善企業(yè)外部融資環(huán)境，增加融資渠道，降低融資成本，有利于企業(yè)增加研發(fā)資金投入和人力資本投入，激發(fā)技術(shù)創(chuàng)新活力（唐松等，2020），進(jìn)而提升企業(yè)全要素生產(chǎn)率。

綜上，提出以下研究假設(shè)：

假設(shè)2：融資成本、融資約束和技術(shù)創(chuàng)新是“數(shù)字金融—企業(yè)全要素生產(chǎn)率”路徑上的關(guān)鍵節(jié)點(diǎn)，即數(shù)字金融通過(guò)緩解企業(yè)“融資貴”和“融資難”困境，促進(jìn)技術(shù)創(chuàng)新，進(jìn)而提升企業(yè)全要素生產(chǎn)率。

三、 模型構(gòu)建與變量選取

（一）模型構(gòu)建

本文構(gòu)建如下基準(zhǔn)回歸模型來(lái)探討數(shù)字金融與企業(yè)全要素生產(chǎn)率之間的關(guān)系，以檢驗(yàn)研究假設(shè)1：

其中，tfpiτt代表i地區(qū)τ 企業(yè)第t年的全要素生產(chǎn)率，dfit為i地區(qū)第t年的數(shù)字金融，X為控制變量集合，為時(shí)間固定效應(yīng)，為行業(yè)固定效應(yīng)，εit為擾動(dòng)項(xiàng)。

借鑒董嘉昌等（2020）和劉偉江等（2019）的做法，構(gòu)建如下兩組中介效應(yīng)模型，以檢驗(yàn)研究假設(shè)2：

其中，costiτt表示i地區(qū) τ 企業(yè)第t年的融資成本，fciτt表示i地區(qū) τ 企業(yè)第t年的融資約束，innoiτt為i地區(qū) τ 企業(yè)第t年 的技術(shù)創(chuàng)新水平，其余變量的含義同式（8）。式（8）中 β1顯著，是中介效應(yīng)檢驗(yàn)的前提。式（9）–（11）是檢驗(yàn)數(shù)字金融是否通過(guò)緩解“融資貴”困境促進(jìn)技術(shù)創(chuàng)新，進(jìn)而提升企業(yè)全要素生產(chǎn)率；式（12）–（14）是檢驗(yàn)數(shù)字金融是否通過(guò)緩解“融資難”困境促進(jìn)技術(shù)創(chuàng)新，進(jìn)而提升企業(yè)全要素生產(chǎn)率。分別對(duì)式（9）–（11）和式（12）–（14）兩組中介模型進(jìn)行逐步回歸，關(guān)注α1、 θ2、 γ3和 γ1是 否顯著，若均顯著，且 α1×θ2×γ3乘積與 γ1同號(hào)，則假設(shè)2成立。

（二）變量選取

1.全要素生產(chǎn)率。企業(yè)全要素生產(chǎn)率的測(cè)度方法主要有OLS、FE、GMM、OP和LP等方法（魯曉東和連玉君，2012）。根據(jù)CD生產(chǎn)函數(shù)采用OLS法估計(jì)企業(yè)全要素生產(chǎn)率是經(jīng)典的測(cè)度方法，但是該方法存在樣本選擇性偏差和同時(shí)性偏差，導(dǎo)致估計(jì)結(jié)果有偏。因此，大多數(shù)文獻(xiàn)采用Olley和Pakes（1996）、Levinsohn和Petrin（2003）提出的基于一致半?yún)?shù)估計(jì)值方法計(jì)算企業(yè)全要素生產(chǎn)率（魯曉東和連玉君，2012；楊汝岱，2015）。由于OP方法要求每個(gè)企業(yè)每年均具有正投資，會(huì)導(dǎo)致大量樣本被舍棄，本文使用LP方法計(jì)算企業(yè)全要素生產(chǎn)率。參照胡育蓉等（2019）和陳維濤等（2019）的做法，使用以2000年為基期、進(jìn)行了CPI定基處理的主營(yíng)業(yè)務(wù)收入（自然對(duì)數(shù)值）作為增加值變量，代理變量則采用經(jīng)過(guò)CPI定基處理的、購(gòu)買(mǎi)商品和接受勞務(wù)支付的現(xiàn)金（自然對(duì)數(shù)值）衡量，采用企業(yè)員工人數(shù)（自然對(duì)數(shù)值）作為自由變量，采用經(jīng)過(guò)以2000年為基期的固定資產(chǎn)投資價(jià)格指數(shù)定基處理后的固定資產(chǎn)凈額（自然對(duì)數(shù)值）作為狀態(tài)變量。

2.數(shù)字金融。北京大學(xué)數(shù)字金融研究中心與螞蟻金服合作編制了“數(shù)字普惠金融指數(shù)”，該指數(shù)不僅涵蓋省級(jí)、市級(jí)和部分縣級(jí)的總指數(shù)，還包含數(shù)字覆蓋廣度、使用深度和數(shù)字化程度三個(gè)子指數(shù)。國(guó)內(nèi)學(xué)者主要基于該指數(shù)量化研究數(shù)字金融發(fā)展水平（謝絢麗等，2018）。下文將基于總指數(shù)和三個(gè)子指數(shù)進(jìn)行實(shí)證研究。為了消除因數(shù)據(jù)量綱和量級(jí)不同而引致的模型估計(jì)偏誤，對(duì)數(shù)字金融總指數(shù)和各子指數(shù)均除以100。

3.中介變量。（1）融資成本。根據(jù)肖文和薛天航（2019）的做法，采用財(cái)務(wù)費(fèi)用率衡量融資成本，即企業(yè)財(cái)務(wù)費(fèi)用與營(yíng)業(yè)收入之比。（2）融資約束。使用SA指數(shù)衡量企業(yè)的融資約束（Hadlock和Pierce，2010），SA=（–0.737）×size+0.043×size2– 0.04×age，其中size=ln（企業(yè)總資產(chǎn) /1000000）（吳秋生和黃賢環(huán)，2017），age為企業(yè)年齡。由于計(jì)算得到的SA指數(shù)均為負(fù)數(shù)，故對(duì)該指數(shù)取絕對(duì)值，絕對(duì)值越大則表明融資約束程度越高（黃銳等，2020）。（3）技術(shù)創(chuàng)新。借鑒唐松等（2020）的做法，采用上市公司的發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利申請(qǐng)量之和的自然對(duì)數(shù)值作為企業(yè)技術(shù)創(chuàng)新的衡量指標(biāo)。

4.控制變量。參照肖文和薛天航（2019）、胡育蓉等（2019）、陳維濤等（2019）的研究，選擇如下控制變量：（1）企業(yè)規(guī)模。一般而言，大規(guī)模企業(yè)會(huì)在資源獲取方面存在優(yōu)勢(shì)，會(huì)對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生影響，采用員工人數(shù)的自然對(duì)數(shù)值衡量。（2）資產(chǎn)負(fù)債率。資產(chǎn)負(fù)債代表企業(yè)杠桿程度，過(guò)高的杠桿率會(huì)引發(fā)企業(yè)風(fēng)險(xiǎn)，不利于全要素生產(chǎn)率的提升，使用資產(chǎn)負(fù)債率度量。（3）資產(chǎn)收益率。使用凈利潤(rùn)與總資產(chǎn)的比值衡量。（4）企業(yè)年齡。企業(yè)年齡定義為截至樣本當(dāng)年企業(yè)成立的時(shí)長(zhǎng)。（5）要素密集度。采用人均實(shí)際固定資產(chǎn)凈額的對(duì)數(shù)值衡量。（6）產(chǎn)權(quán)性質(zhì)。根據(jù)企業(yè)股權(quán)性質(zhì)將其劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)。變量描述性統(tǒng)計(jì)如表1所示。

表1 變量描述性統(tǒng)計(jì)

（三）數(shù)據(jù)來(lái)源和樣本選擇

本文主要使用了兩套數(shù)據(jù)，數(shù)字金融使用的是北京大學(xué)數(shù)字金融研究中心發(fā)布的“數(shù)字普惠金融指數(shù)”（郭峰等，2020），該數(shù)據(jù)包含了省、市和縣三級(jí)，本文采用的是地級(jí)及以上城市數(shù)據(jù)。除公司注冊(cè)地以外，公司層面數(shù)據(jù)均來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)，公司注冊(cè)地采用CCER數(shù)據(jù)庫(kù)中上市公司基本信息數(shù)據(jù)。選取滬深A(yù)股2011–2017年非金融類上市公司作為研究樣本。具體做如下篩選：（1）剔除ST和*ST企業(yè)；（2）剔除樣本期內(nèi)上市不滿三年的企業(yè)；（3）根據(jù)《上市公司行業(yè)分類指引》(2012年修訂)，剔除低于9家企業(yè)的行業(yè)（胡育蓉等，2019）；（4）剔除員工數(shù)低于100人和職工薪酬、營(yíng)業(yè)收入、資產(chǎn)收益率、資產(chǎn)負(fù)債率等財(cái)務(wù)數(shù)據(jù)異?；蛉笔У钠髽I(yè)。

此外，對(duì)公司層面的連續(xù)數(shù)據(jù)均進(jìn)行首尾1%縮尾處理，對(duì)固定資產(chǎn)凈額采用以2000年為基期的固定資產(chǎn)價(jià)格指數(shù)進(jìn)行消脹處理，對(duì)其余含有價(jià)格因素的變量采用以2000年為基期的CPI進(jìn)行消脹處理（胡育蓉等，2019）。最后，根據(jù)公司注冊(cè)地，將數(shù)字金融數(shù)據(jù)匹配到各企業(yè)，形成12 571條非平衡面板數(shù)據(jù)。

四、 實(shí)證分析

（一）基準(zhǔn)分析

表2報(bào)告了式（8）的回歸結(jié)果，其中，列（1）、（2）和列（3）、（4）分別為OLS估計(jì)和時(shí)間—行業(yè)雙固定的回歸結(jié)果。無(wú)論是否加入控制變量和采用何種估計(jì)方法，數(shù)字金融的系數(shù)均在1%的顯著性水平上為正，說(shuō)明數(shù)字金融顯著地促進(jìn)了企業(yè)全要素生產(chǎn)率的提升，即研究假設(shè)1得到驗(yàn)證。受外部融資溢價(jià)和抵押約束的影響，中小企業(yè)、民營(yíng)企業(yè)和高技術(shù)企業(yè)等受到嚴(yán)重的融資約束。數(shù)字金融中諸如眾籌、小額貸款等方式拓寬了企業(yè)的融資渠道；而諸如大數(shù)據(jù)、人工智能、區(qū)塊鏈等數(shù)字技術(shù)的嵌入，使得數(shù)字金融能夠簡(jiǎn)化企業(yè)融資流程，提升融資效率，降低融資成本，有助于企業(yè)增加創(chuàng)新投資，進(jìn)而提升全要素生產(chǎn)率。

表2 基準(zhǔn)回歸

控制變量的估計(jì)結(jié)果顯示，企業(yè)規(guī)模、資產(chǎn)收益率和產(chǎn)權(quán)性質(zhì)能夠促進(jìn)企業(yè)全要素生產(chǎn)率，與胡海峰等（2020）、陳維濤等（2019）、胡育蓉等（2019）等的結(jié)論是一致的，即要素密集度本質(zhì)上體現(xiàn)了資本的深化，顯著提升了企業(yè)全要素生產(chǎn)率。

（二）內(nèi)生性處理與穩(wěn)健性檢驗(yàn)

1.內(nèi)生性處理。雖然本文的解釋變量和被解釋變量不是同一層級(jí)數(shù)據(jù)，由反向因果關(guān)系造成的內(nèi)生性問(wèn)題不太突出，但依舊可能存在不可觀測(cè)變量同時(shí)影響數(shù)字金融和企業(yè)全要素生產(chǎn)率，導(dǎo)致擾動(dòng)項(xiàng)相關(guān)，進(jìn)而產(chǎn)生內(nèi)生性問(wèn)題，本文進(jìn)一步采用工具變量估計(jì)法來(lái)緩解可能存在的內(nèi)生性?，F(xiàn)有關(guān)于數(shù)字金融的研究，一般使用互聯(lián)網(wǎng)普及率（謝絢麗等，2018）、各地到杭州的直線距離（杜傳忠和張遠(yuǎn)，2020）、“Bartik instrument”（易行健和周利，2018）和數(shù)字金融滯后項(xiàng)等作為工具變量（汪亞楠等，2020）。本文借鑒易行健和周利（2018）的做法，使用數(shù)字金融指數(shù)滯后一階與數(shù)字金融指數(shù)在時(shí)間上的一階差分的乘積作為數(shù)字金融的工具變量，采用IV-2SLS進(jìn)行估計(jì)。估計(jì)結(jié)果如表3所示，考慮了潛在的內(nèi)生性問(wèn)題后，數(shù)字金融依然顯著地提升了企業(yè)全要素生產(chǎn)率，與基準(zhǔn)研究的結(jié)論一致。

2.穩(wěn)健性檢驗(yàn)

（1）替換被解釋變量。將采用OLS、FE和GMM①采用GMM方法測(cè)算的企業(yè)全要素生產(chǎn)率的程序來(lái)自任勝鋼等（2019）在中國(guó)工業(yè)經(jīng)濟(jì)官網(wǎng)公布的stata附件。方法測(cè)算的企業(yè)全要素生產(chǎn)率作為被解釋變量，同時(shí)將LP法測(cè)算的企業(yè)全要素生產(chǎn)率取對(duì)數(shù)作為被解釋變量，對(duì)式（8）進(jìn)行回歸。估計(jì)結(jié)果如表4所示，無(wú)論采用何種方式測(cè)度企業(yè)全要素生產(chǎn)率，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率影響的系數(shù)都在1%的水平上為正，說(shuō)明數(shù)字金融顯著地促進(jìn)了企業(yè)全要素生產(chǎn)率的提升。研究假設(shè)1再次得到驗(yàn)證。

表3 工具變量估計(jì)結(jié)果

表4 替換被解釋變量的穩(wěn)健性檢驗(yàn)

（2）控制傳統(tǒng)金融發(fā)展水平。Claessens和Laeven（2003）認(rèn)為地區(qū)金融發(fā)展能夠增加企業(yè)外部融資渠道。因此，將傳統(tǒng)金融發(fā)展水平納入式（8）進(jìn)行回歸，并采用貸款與GDP的比值衡量傳統(tǒng)金融發(fā)展水平（fin）。由于增加了宏觀變量，本文進(jìn)一步控制了省份固定效應(yīng)，回歸結(jié)果如表5所示。在控制傳統(tǒng)金融發(fā)展水平后，數(shù)字金融依舊能顯著促進(jìn)企業(yè)全要素生產(chǎn)率的提升，前文結(jié)論可靠。

（3）更換時(shí)間段。業(yè)界普遍認(rèn)為2013年支付寶上線意味著數(shù)字金融進(jìn)入元年，為了防止2013年前后數(shù)字金融發(fā)展產(chǎn)生結(jié)構(gòu)性變化，將樣本回歸時(shí)間劃分為2011–2012年與2013–2017年兩個(gè)時(shí)間段并對(duì)式（8）進(jìn)行回歸?；貧w結(jié)果如表6所示，在兩個(gè)不同的時(shí)間段內(nèi)，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率都具有顯著的正向作用。

表5 控制傳統(tǒng)金融發(fā)展水平的穩(wěn)健性檢驗(yàn)

（4）分區(qū)域回歸。我國(guó)不同區(qū)域間經(jīng)濟(jì)發(fā)展水平差距較大，為了排除樣本內(nèi)某一區(qū)域企業(yè)樣本過(guò)多導(dǎo)致的估計(jì)偏誤，將樣本劃分為東部、中部、西部和東北四個(gè)區(qū)域，分別對(duì)式（8）進(jìn)行估計(jì)。結(jié)果如表7所示，在四個(gè)子樣本中，數(shù)字金融都顯著正向促進(jìn)全要素生產(chǎn)率的提升，說(shuō)明排除潛在的樣本過(guò)于集中在某區(qū)域?qū)е碌臉颖酒`問(wèn)題后，基準(zhǔn)結(jié)論依舊可靠。

表6 分時(shí)間段估計(jì)的穩(wěn)健性檢驗(yàn)

表7 分區(qū)域估計(jì)的穩(wěn)健性檢驗(yàn)

（三）機(jī)制檢驗(yàn)

根據(jù)表2至表7可知，式（8）中數(shù)字金融的系數(shù)均顯著為正，中介效應(yīng)分析的前提條件成立。由表8的列（1）和列（4）可知，數(shù)字金融顯著降低了企業(yè)的融資成本和融資約束，列（3）和列（6）的結(jié)果表明融資成本和融資約束在1%的水平上抑制了企業(yè)全要素生產(chǎn)率。這是因?yàn)槭芟抻谕庠慈谫Y約束，企業(yè)無(wú)法選擇最優(yōu)融資結(jié)構(gòu)，從而無(wú)法作出最優(yōu)的經(jīng)營(yíng)決策，加之資金不足，難以支持研發(fā)這類高風(fēng)險(xiǎn)活動(dòng)，導(dǎo)致企業(yè)生產(chǎn)率下降。由列（2）和列（5）可知，數(shù)字金融通過(guò)緩解企業(yè)融資約束、降低融資成本，進(jìn)而促進(jìn)了企業(yè)技術(shù)創(chuàng)新。由列（3）和列（6）可知，數(shù)字金融和技術(shù)創(chuàng)新均顯著地提升了企業(yè)全要素生產(chǎn)率。根據(jù)檢驗(yàn)法則，研究假設(shè)2得到驗(yàn)證，即數(shù)字金融通過(guò)紓解企業(yè)融資難、融資貴的困境，促進(jìn)企業(yè)技術(shù)創(chuàng)新，最終提升全要素生產(chǎn)率。

表8 機(jī)制檢驗(yàn)

五、 進(jìn)一步討論：異質(zhì)性分析

（一）數(shù)字金融結(jié)構(gòu)的異質(zhì)性影響

數(shù)字金融指數(shù)包含了覆蓋廣度、使用深度和數(shù)字化程度三個(gè)子指數(shù)，其中前兩者體現(xiàn)了“普”，后者體現(xiàn)了“惠”（郭峰等，2020）。為了分析數(shù)字金融不同維度對(duì)企業(yè)全要素生產(chǎn)率的影響，將式（8）中數(shù)字金融總指數(shù)替換為上述三個(gè)子指數(shù)，回歸結(jié)果如表9所示。由列（1）和列（2）可知，數(shù)字金融覆蓋廣度和使用深度對(duì)企業(yè)全要素生產(chǎn)率的影響在1%的水平上為正，即數(shù)字金融覆蓋廣度和使用深度均能顯著提升企業(yè)全要素生產(chǎn)率，一定程度上說(shuō)明數(shù)字金融發(fā)揮了普惠功能。依托數(shù)字技術(shù)，數(shù)字金融具有更強(qiáng)的地理穿透力和低成本優(yōu)勢(shì)，能夠降低金融服務(wù)成本，拓寬金融服務(wù)的邊界，提高金融服務(wù)的可得性，對(duì)于偏遠(yuǎn)地區(qū)企業(yè)和傳統(tǒng)金融資源較差地區(qū)的企業(yè)而言尤其如此。使用深度則體現(xiàn)了數(shù)字金融服務(wù)的多樣性，其中，信貸業(yè)務(wù)不僅能緩解企業(yè)融資約束，為技術(shù)創(chuàng)新提供資金支持，還能緩解消費(fèi)者的流動(dòng)性約束，刺激消費(fèi)，從需求側(cè)倒逼企業(yè)提升全要素生產(chǎn)率。

表9 數(shù)字金融結(jié)構(gòu)的異質(zhì)性影響

數(shù)字化程度對(duì)企業(yè)全要素生產(chǎn)率影響的一次項(xiàng)系數(shù)顯著為負(fù)，嘗試加入數(shù)字化程度的二次項(xiàng)，其系數(shù)顯著為正，即數(shù)字化程度對(duì)企業(yè)全要素生產(chǎn)率的影響呈顯著的正U形。數(shù)字化程度主要體現(xiàn)了金融服務(wù)的數(shù)字化方式，這對(duì)各地區(qū)數(shù)字基礎(chǔ)設(shè)施提出了較高的要求，當(dāng)數(shù)字基礎(chǔ)設(shè)施無(wú)法契合數(shù)字化服務(wù)時(shí)，“數(shù)字鴻溝”會(huì)惡化金融資源配置，不利于企業(yè)全要素生產(chǎn)率的提升。另一個(gè)可能的原因是，數(shù)字化程度（諸如信用貸款、優(yōu)惠的小額貸款利率、便利化的貸款方式）在緩解企業(yè)融資約束的同時(shí)，也進(jìn)一步促使企業(yè)利用外部融資在虛擬經(jīng)濟(jì)行業(yè)進(jìn)行套利，這導(dǎo)致數(shù)字金融資源“脫實(shí)向虛”，損害經(jīng)濟(jì)效率。但隨著監(jiān)管政策的相繼出臺(tái)，資金空轉(zhuǎn)問(wèn)題會(huì)得到有效抑制，進(jìn)而發(fā)揮數(shù)字化程度“惠”的作用。

（二）企業(yè)特征異質(zhì)性

一方面，由于創(chuàng)新型企業(yè)的低實(shí)物資產(chǎn)、高無(wú)形資產(chǎn)和研發(fā)高風(fēng)險(xiǎn)的特征與以銀行業(yè)為主導(dǎo)的傳統(tǒng)金融機(jī)構(gòu)的信貸理念相違背，創(chuàng)新型企業(yè)比非創(chuàng)新型企業(yè)遭受到更大的融資約束（黃銳等，2020）；另一方面，中國(guó)的金融市場(chǎng)尚不完善，負(fù)債率作為企業(yè)融資的信用評(píng)價(jià)標(biāo)準(zhǔn)會(huì)進(jìn)一步導(dǎo)致負(fù)債率高的企業(yè)遭受更大的融資約束，難以獲得傳統(tǒng)金融機(jī)構(gòu)的新增貸款（譚小芬和張文婧，2017）。借助數(shù)字技術(shù)，數(shù)字金融通過(guò)產(chǎn)品和服務(wù)創(chuàng)新，降低對(duì)有形資產(chǎn)不足的融資企業(yè)的信用評(píng)估成本，提高對(duì)融資企業(yè)風(fēng)險(xiǎn)的控制能力，降低金融服務(wù)的門(mén)檻，促使金融服務(wù)需求向“尾部”客戶群體移動(dòng)，一定程度上能緩解創(chuàng)新型企業(yè)和高負(fù)債企業(yè)的融資約束。由此，本文進(jìn)一步檢驗(yàn)數(shù)字金融對(duì)全要素生產(chǎn)率的影響是否因企業(yè)創(chuàng)新程度和負(fù)債水平差異而存在異質(zhì)性。借鑒黃銳等（2020）的劃分標(biāo)準(zhǔn)，將《上市公司行業(yè)分類指引》（證監(jiān)會(huì)2012版）中C27、C39、I和M行業(yè)的上市企業(yè)認(rèn)定為創(chuàng)新型企業(yè)，其余企業(yè)為非創(chuàng)新型企業(yè)。此外，根據(jù)企業(yè)資產(chǎn)負(fù)債率的中位值將樣本劃分為高負(fù)債企業(yè)和低負(fù)債企業(yè)。采用費(fèi)舍爾檢驗(yàn)判斷組間是否具有顯著差異，結(jié)果如表10所示，費(fèi)舍爾檢驗(yàn)經(jīng)驗(yàn)P值顯著，說(shuō)明存在顯著差異。

表10 企業(yè)特征的異質(zhì)性影響

根據(jù)是否為創(chuàng)新型企業(yè)的分組估計(jì)結(jié)果，數(shù)字金融均能顯著促進(jìn)創(chuàng)新型企業(yè)和非創(chuàng)新型企業(yè)的全要素生產(chǎn)率，但對(duì)創(chuàng)新型企業(yè)的促進(jìn)作用更強(qiáng)。一個(gè)可能的原因是創(chuàng)新型企業(yè)大多是中小型企業(yè)，面臨較大的融資約束，數(shù)字金融發(fā)展更大程度上緩解了其融資困境，為技術(shù)研發(fā)提供了資金支持，有助于提高全要素生產(chǎn)率。根據(jù)資產(chǎn)負(fù)債率分組的估計(jì)結(jié)果，數(shù)字金融對(duì)高負(fù)債水平企業(yè)全要素生產(chǎn)率的影響大于低負(fù)債水平企業(yè)?？赡艿脑蚴?，企業(yè)負(fù)債水平越高，其潛在的信用風(fēng)險(xiǎn)越大，外部融資約束越強(qiáng)（譚小芬和張文婧，2017），數(shù)字金融基于數(shù)字技術(shù)能夠?qū)崿F(xiàn)對(duì)企業(yè)還貸的監(jiān)督，降低其違約風(fēng)險(xiǎn)，紓解其融資約束，提升全要素生產(chǎn)率。

（三）產(chǎn)業(yè)異質(zhì)性

本文根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》對(duì)三大產(chǎn)業(yè)的劃分，結(jié)合《上市公司行業(yè)分類指引》（證監(jiān)會(huì)2012版）來(lái)識(shí)別企業(yè)所屬的產(chǎn)業(yè)①由于綜合類企業(yè)無(wú)法進(jìn)行產(chǎn)業(yè)歸類，在此異質(zhì)性分析中被剔除。。具體而言，將樣本中屬于門(mén)類A的上市企業(yè)劃分為第一產(chǎn)業(yè)企業(yè)，屬于門(mén)類B、C、D和E的企業(yè)（含工業(yè)和建筑業(yè)）劃分為第二產(chǎn)業(yè)企業(yè)②A類為農(nóng)、林、牧、漁業(yè)；B、C、D和E分別為采礦業(yè)、制造業(yè)、電力、熱力、燃?xì)饧八a(chǎn)、供應(yīng)業(yè)和建筑業(yè)。，其余為第三產(chǎn)業(yè)企業(yè)。

由于第一產(chǎn)業(yè)企業(yè)（農(nóng)林牧漁類）的研發(fā)效率較低（洪圖和李飚，2020），大量研發(fā)資金投入帶來(lái)的創(chuàng)新產(chǎn)出有限；而第二、三產(chǎn)業(yè)的企業(yè)主要是制造業(yè)、工業(yè)和服務(wù)業(yè)，其研發(fā)基礎(chǔ)較好，創(chuàng)新活力較強(qiáng)，研發(fā)資金投入帶來(lái)的邊際創(chuàng)新產(chǎn)出相對(duì)較高，數(shù)字金融對(duì)不同產(chǎn)業(yè)全要素生產(chǎn)率的影響可能存在異質(zhì)性。表11的估計(jì)結(jié)果顯示，數(shù)字金融對(duì)第一產(chǎn)業(yè)的企業(yè)全要素生產(chǎn)率影響不顯著，但是顯著地提升了第二、三產(chǎn)業(yè)的企業(yè)全要素生產(chǎn)率。第一產(chǎn)業(yè)企業(yè)受制于自身的低研發(fā)效率，即使獲得有效的融資支持，也難以提升企業(yè)研發(fā)創(chuàng)新能力，為全要素生產(chǎn)率的提升提供動(dòng)力支持。第二、三產(chǎn)業(yè)企業(yè)由于具有較高的研發(fā)資源稟賦，如較高的人力資本，數(shù)字金融提供的資金資本與人力資本協(xié)同耦合，相得益彰，帶動(dòng)技術(shù)創(chuàng)新水平的提升，進(jìn)而提高企業(yè)全要素生產(chǎn)率。

表11 產(chǎn)業(yè)異質(zhì)性影響

（四）城市資源稟賦異質(zhì)性

從數(shù)字金融指數(shù)的空間分布看，數(shù)字金融初始發(fā)展較好的區(qū)域往往是傳統(tǒng)金融較為發(fā)達(dá)的區(qū)域，意味著可能存在數(shù)字金融的服務(wù)能力與地區(qū)金融資源稟賦相關(guān)的現(xiàn)象。數(shù)字金融作為金融與科技的結(jié)合，依托數(shù)字技術(shù)發(fā)揮其優(yōu)勢(shì)，意味著數(shù)字金融會(huì)受限于以互聯(lián)網(wǎng)技術(shù)等為代表的現(xiàn)代信息技術(shù)的滲透。由此，以傳統(tǒng)金融發(fā)展程度和互聯(lián)網(wǎng)普及率分別作為地區(qū)金融資源稟賦和信息技術(shù)稟賦的代理變量，研究城市資源稟賦約束下數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的異質(zhì)性影響。具體而言，按照各城市樣本時(shí)間內(nèi)傳統(tǒng)金融發(fā)展水平和互聯(lián)網(wǎng)普及率的中位值，將樣本分為金融發(fā)達(dá)和不發(fā)達(dá)地區(qū)、信息水平高和水平低的地區(qū)，估計(jì)結(jié)果如表12所示。組間系數(shù)差異通過(guò)了費(fèi)舍爾檢驗(yàn)，說(shuō)明存在顯著性差異。從傳統(tǒng)金融發(fā)展水平分組回歸結(jié)果來(lái)看，無(wú)論是在金融發(fā)達(dá)地區(qū)還是在不發(fā)達(dá)地區(qū)，數(shù)字金融都能顯著促進(jìn)企業(yè)全要素生產(chǎn)率的提升，但是對(duì)處在金融發(fā)達(dá)地區(qū)的企業(yè)促進(jìn)作用更大，說(shuō)明數(shù)字金融目前是“錦上添花”，并不能完全脫離傳統(tǒng)金融資源基礎(chǔ)。從互聯(lián)網(wǎng)普及率的分組回歸結(jié)果來(lái)看，互聯(lián)網(wǎng)普及率較高的地區(qū)，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的作用更大，意味著數(shù)字基礎(chǔ)設(shè)施是制約數(shù)字金融服務(wù)的一大影響因素，現(xiàn)階段在推進(jìn)數(shù)字金融服務(wù)的過(guò)程中應(yīng)當(dāng)完善數(shù)字基礎(chǔ)設(shè)施，以縮小“數(shù)字鴻溝”。

表12 城市要素稟賦差異下數(shù)字金融的異質(zhì)性影響

六、 結(jié)論與啟示

驅(qū)動(dòng)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的動(dòng)力之一是提升金融服務(wù)實(shí)體經(jīng)濟(jì)的質(zhì)效。隨著信息技術(shù)的快速發(fā)展，數(shù)字技術(shù)與金融的融合越來(lái)越廣泛，數(shù)字金融這一新型金融業(yè)態(tài)能否提升企業(yè)生產(chǎn)效率、促進(jìn)企業(yè)高質(zhì)量發(fā)展成為關(guān)注的焦點(diǎn)。數(shù)字金融最大的特點(diǎn)是“數(shù)字化”和“普惠性”，這無(wú)疑為紓解企業(yè)的融資困境提供了可能，也為企業(yè)生產(chǎn)率的提升奠定了基礎(chǔ)?；诖?，本文從數(shù)字金融這一新金融業(yè)態(tài)的視角，研究其對(duì)企業(yè)全要素生產(chǎn)率的影響，挖掘其內(nèi)在作用機(jī)制以及潛在的異質(zhì)性作用，并基于中國(guó)2011–2017年滬深A(yù)股非金融類上市公司數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。主要結(jié)論為：第一，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率具有顯著的正向影響，在考慮了因遺漏變量等可能引致的內(nèi)生性問(wèn)題以及經(jīng)過(guò)一系列穩(wěn)健性檢驗(yàn)后，該結(jié)論依舊成立。第二，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率影響的內(nèi)在邏輯鏈條為：“數(shù)字金融—融資成本—技術(shù)創(chuàng)新—企業(yè)全要素生產(chǎn)率”“數(shù)字金融—融資約束—技術(shù)創(chuàng)新—企業(yè)全要素生產(chǎn)率”，即數(shù)字金融通過(guò)緩解企業(yè)融資難、融資貴的困境，促進(jìn)企業(yè)技術(shù)創(chuàng)新，進(jìn)而提升企業(yè)全要素生產(chǎn)率。第三，進(jìn)一步在“數(shù)字金融—企業(yè)全要素生產(chǎn)率”研究范式中嵌入多元約束要素，發(fā)現(xiàn)除數(shù)字化程度對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生了正U形影響之外，數(shù)字金融覆蓋廣度與使用深度兩個(gè)子維度的影響均顯著為正；數(shù)字金融對(duì)創(chuàng)新型企業(yè)和資產(chǎn)負(fù)債率更高的企業(yè)的全要素生產(chǎn)率的提升作用更大；除第一產(chǎn)業(yè)以外，數(shù)字金融對(duì)其他產(chǎn)業(yè)的企業(yè)全要素生產(chǎn)率均有顯著的正向作用；傳統(tǒng)金融發(fā)展和信息技術(shù)水平是數(shù)字金融驅(qū)動(dòng)企業(yè)全要素生產(chǎn)率的重要邊界條件，傳統(tǒng)金融越發(fā)達(dá)的地區(qū)，信息技術(shù)水平越高的地區(qū)，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的正向作用越大。

本文的研究結(jié)論為新時(shí)代數(shù)字金融如何服務(wù)實(shí)體經(jīng)濟(jì)、實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展提供了有益思考。（1）引導(dǎo)數(shù)字金融服務(wù)實(shí)體經(jīng)濟(jì)，助力企業(yè)提升全要素生產(chǎn)率。引導(dǎo)金融“脫虛向?qū)崱笔墙鹑跇I(yè)高質(zhì)量發(fā)展的必然選擇，也是金融供給側(cè)結(jié)構(gòu)性改革的重點(diǎn)。充分發(fā)揮數(shù)字金融的數(shù)字技術(shù)優(yōu)勢(shì)，降低金融服務(wù)的門(mén)檻，將金融服務(wù)的觸角延伸至受傳統(tǒng)金融服務(wù)排斥的中小微企業(yè)，為有發(fā)展?jié)摿Φ闹行∥⑵髽I(yè)提供精準(zhǔn)的金融服務(wù)，緩解企業(yè)在研發(fā)、生產(chǎn)、經(jīng)營(yíng)過(guò)程中的融資困境，促進(jìn)企業(yè)全要素生產(chǎn)率的提升。（2）因內(nèi)外部資源稟賦差異，數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的影響存在異質(zhì)性，因此，應(yīng)實(shí)施差異化的數(shù)字金融服務(wù)策略。對(duì)于涉農(nóng)企業(yè)，數(shù)字金融應(yīng)發(fā)揮“普惠性”作用，降低涉農(nóng)企業(yè)的融資成本，緩解其融資約束，提高其研發(fā)效率，助力實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化；對(duì)于高負(fù)債率的企業(yè)，應(yīng)借助大數(shù)據(jù)、人工智能等數(shù)字技術(shù)，加強(qiáng)服務(wù)前的信用評(píng)估、服務(wù)中的動(dòng)態(tài)風(fēng)險(xiǎn)監(jiān)控；對(duì)于傳統(tǒng)金融資源匱乏的地區(qū)，應(yīng)當(dāng)在推進(jìn)傳統(tǒng)金融發(fā)展的基礎(chǔ)上進(jìn)一步發(fā)展數(shù)字金融；對(duì)于傳統(tǒng)金融發(fā)達(dá)的地區(qū)，應(yīng)當(dāng)積極推進(jìn)銀行等傳統(tǒng)金融機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型，加大金融科技的研發(fā)和應(yīng)用，提高金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，如利用數(shù)字技術(shù)識(shí)別有潛力的創(chuàng)新型企業(yè)，提供高效、精準(zhǔn)的金融服務(wù)。（3）重視數(shù)字金融的生產(chǎn)率提升效應(yīng)，創(chuàng)造良好的外部環(huán)境，進(jìn)一步促進(jìn)數(shù)字金融的發(fā)展。在守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)底線的前提下，給予數(shù)字金融這一新型金融業(yè)態(tài)更多的政策支持，如完善數(shù)字基礎(chǔ)設(shè)施建設(shè)，提高互聯(lián)網(wǎng)普及率，為推動(dòng)數(shù)字金融的深度發(fā)展提供堅(jiān)實(shí)的保障；制定科學(xué)的信用數(shù)據(jù)標(biāo)準(zhǔn)，完善征信數(shù)據(jù)資源共享機(jī)制，健全數(shù)字金融征信體系，為數(shù)字金融服務(wù)實(shí)體經(jīng)濟(jì)打造良好的信用環(huán)境；保持“試點(diǎn)容錯(cuò)”的監(jiān)管態(tài)度，創(chuàng)造寬緊適度的監(jiān)管環(huán)境，為數(shù)字金融的成長(zhǎng)保留一定的空間。