金融科技与企业创新：新三板上市公司的证据.pdf

2020年第 1期 金融科技与企业创新 新三板上市公司的证据 李春涛， 闫续文， 宋 敏， 杨 威 摘要 金融科技催生出新的金融服务模式，这能否解决实体经济的融资难题从而促 进企业创新呢？通过“金融科技”关键词百度新闻高级检索，本文创新性地构建了地区金融 科技发展水平指标，并利用 20112016 年新三板上市公司数据，考察了金融科技发展对 企业创新的影响及其机制。 实证结果表明，金融科技发展显著促进了企业创新。 就经济意 义而言，城市的金融科技发展水平每提高 1%，当地企业专利申请数量平均会增加约 0.17 项。 作为一个宏观变量，地区金融科技发展水平受单个企业创新行为的影响较小，但是依 然会存在测量误差和遗漏变量等内生性问题。 本文运用接壤城市金融科技发展水平的均 值作为工具变量，得到了一致的估计结果。 本文的结果在替换企业创新指标、使用不同回 归模型等一系列稳健性检验后仍然成立。机制分析表明，金融科技通过两个渠道促进企业 创新，一是缓解企业的融资约束，二是提高税收返还的创新效应。异质性分析表明，金融科 技促进企业创新的作用在东部地区和高科技行业表现得更为明显。 在中国经济高质量发 展背景下，持续推进金融科技发展、重塑金融行业生态格局，才能为实体经济提供源源不 断的创新活力，从而推动创新型国家建设。 关键词 金融科技发展； 企业创新； 融资约束 中图分类号F124 文献标识码A 文章编号1006-480X（2020）01-0081-18 一、 问题提出 创新是高质量发展的关键“支点”，是企业发展的“命脉”。然而，创新项目资金需求大、不确定性 高 （Hall，2002）， 固有的信息不对称性还会诱发逆向选择和道德风险等问题 （Berger and Udell， 1990），使得企业创新活动面临严重的外部融资难题（鞠晓生等，2013）。 近年来，科学技术助力金融 市场发展，在以云计算和区块链主导的分布式计算技术、以物联网和移动互联主导的互联技术、以 收稿日期 2019-09-13 基金项目 国家自然科学基金面上项目 “银行业竞争的微观资源配置效应评估与金融结构优化政策的研究” （批准号 71873145）；教育部人文社会科学研究一般项目“非对称卖空约束下食品安全治理机制研究：直接监督、 溢出效应与创新激励”（批准号 19YJA790038）。 作者简介 李春涛，中南财经政法大学金融学院教授，河南大学“攀登计划”特聘教授，博士生导师，金融学博 士；闫续文，中南财经政法大学金融学院硕士研究生；宋敏，武汉大学经济与管理学院教授，博士生导师，经济学 博士；杨威，武汉大学经济与管理学院博士后，金融学博士。通讯作者：杨威，电子邮箱：。感 谢中国工业经济“金融科技创新与经济转型升级”专题研讨会与会学者所提的宝贵意见，感谢匿名评审专家 和编辑部的意见建议，当然文责自负。 81 DOI:10.19581/ki.ciejournal.2020.01.006 生物识别和数字加密技术主导的安全技术以及大数据与人工智能等新兴技术的驱动下， 金融科技 （FinTech，Financial Technology）迎来了爆发式增长。 国际知名创投咨询研究机构 CB Insights 的报 告指出，2016 年全球金融科技行业共吸引投资 127 亿美元，其中，中国金融科技企业所获投资总额 高达46亿美元，领跑全球金融科技。通过前沿数字技术手段，金融科技能够获取更多有关借款人的 信息（Buchak et al.，2018），催生出新的金融服务模式，扩大了金融服务的覆盖范围，拓宽了企业的 融资渠道，从而可能有效地促进企业的产融结合，提升其创新能力。因此，厘清金融科技发展对企业 创新的影响及其机制，对创新驱动中国经济高质量发展、提升金融服务实体经济功能的发挥有着重 要的现实意义。 在金融科技的驱动下，金融生态逐渐呈现出分布式、网络化的结构，使得交易成本更低，参与主 体更加多元。 但遗憾的是，由于难以寻找合适的金融科技度量指标，现有文献主要探讨了金融科技 的发展特征（李杨和程斌琪，2018；陈彩虹，2019）和监管方式（杨东，2018；周仲飞和李敬伟，2018）， 并没有研究金融科技如何影响企业创新。创新能够使企业在激烈的市场竞争中赢得优势，同时也是 推动经济持续增长的主要动力（Solow，1957），探讨金融科技对企业创新的影响，为评估金融科技发 展的社会经济效益、深化对企业创新驱动因素的认识具有重要的理论价值。 金融科技指标的构建是考察金融科技发展对微观企业行为影响的关键。 施炳展和金祥义 （2019）利用百度搜索构建了国内居民对不同国家的注意力指数，这为本文运用互联网搜索的页面 数量构建地区金融科技发展指标提供了一个启示。 运用百度新闻高级检索结果度量金融科技发展 水平的逻辑在于，一个地区金融科技发展、企业设立、技术进步往往都会被媒体关注，从而能被百度 新闻检索到。 百度作为领先的中文搜索引擎， 其在国内搜索引擎市场几乎处于垄断的绝对优势地 位。通过百度新闻搜索金融科技相关热词所得到的页面数量，能够比较准确地反映相关地区金融科 技的发展水平。本文通过百度新闻高级检索搜索“地区+关键词”并选择具体年份来获得相应关键词 的城市年份的页面数量，这不仅反映了金融科技在不同地区之间的差异性，也反映了金融科技发 展的过程。 金融科技发展对企业创新的影响可能会受到测量误差和遗漏变量等内生性问题的困扰。 本文 根据 Chong et al.（2013）、张杰等（2017）和张璇等（2019）的思路构造工具变量，选用接壤城市的金 融科技发展水平的平均值作为工具变量。另外，金融科技不仅极大地拓宽了现有金融机构服务的覆 盖范围，同时也催生了一批新型信用中介机构，如主营小微多元化金融的微众银行、网商银行、蚂蚁 金服和阿里小贷等，这种普惠性使得更多的中小微企业可以享受到便捷安全的金融产品和服务。中 小微企业在金融科技发展中收益颇丰，故本文选取 20112016 年新三板上市公司数据，运用专利 申请数度量企业的创新产出，考察地区金融科技发展对企业创新的影响及其机制。 实证结果表明， 金融科技发展显著促进了企业创新。 考虑内生性问题以及控制金融发展水平等一系列稳健性检验 后，本文的结论仍然成立。 进一步研究发现，金融科技发展水平缓解了融资约束对于企业创新的抑 制作用，并提升了政府税收返还的创新效应。 此外，金融科技促进企业创新的作用在东部地区和高 科技行业表现得更为明显。 本文可能的边际贡献在于：基于互联网大数据搜索引擎，创新性地提出了一个金融科技发展 的度量指标。 本文使用百度新闻中地级市或直辖市与金融科技有关的关键词搜索结果数量来衡量 地区金融科技发展水平，评估了金融科技对企业创新发展的影响效应，为后续关于金融科技发展的 经验研究提供了有益的借鉴。 将金融科技纳入企业创新的分析框架，从宏观层面拓展了对企业创 新影响因素的认识，丰富了企业创新的现有研究。 从缓解企业的融资约束和提高税收返还的创新 李春涛等：金融科技与企业创新 82 2020 年第 1 期 效应这两个渠道，深入刻画金融科技发展对企业创新的影响机制，为促进金融与科技深度融合、制 定合理的创新发展政策提供了微观经验证据。 二、 理论机制 1. 金融科技的演进与发展 根据金融稳定理事会（Financial Stability Board）的定义，金融科技是技术上的金融创新，主要 由云计算、大数据、区块链、人工智能等新兴技术手段驱动，能够产生新的商业模式、技术应用及产 品服务，从而对金融市场以及金融服务业务的提供方式产生重大影响，提升了传统金融行业的效率 并有效降低运营成本。 “金融科技”一词最早由花旗集团董事长 John Reed 于 20 世纪 90 年代初在 刚成立的“Smart Card Forum”上提出（Puschmann，2017）。 德意志银行认为，金融科技主要用来描述 金融领域的信息化，是应用于金融行业的基于互联网、区块链和大数据等前沿技术手段的总称。 以 金融科技为代表的科技变革正在为金融发展输入源源不断的活力， 由此产生的新型金融业态正在 成为人类社会迈向数字经济和信息文明的新引擎（杨东，2018）。 从历史的视角看，金融发展史也是金融与科技融合愈加紧密的历史，现代金融发展的源动力来 自于科技的应用。以服务制造业为主的早期金融推动了信用中介机构的发展（陈彩虹，2019）。如今， 以信息科技为主的金融业态逐渐开始“去中心化”，金融信息呈现出分布式、网络化的结构。 信息科 技的高速发展激发了金融创新（Goldstein et al.，2019），在提供多元化金融产品的同时也简化了支 付和服务流程，使信息交换的过程更加直观便捷。金融科技的外延所囊括的移动互联、大数据、区块 链、云计算、人工智能等领域，正在对银行、证券和保险等行业的核心业务产生重大影响。例如，大数 据和区块链技术减少了信息不对称，降低了交易成本，使交易既安全又便捷。与此同时，机器学习算 法通过对数据的高效挖掘和深度处理，提供了智能化与个性化的金融服务（李杨和程斌琪，2018）， 金融信息的共享化也有助于提升资源利用效率，进一步延伸金融产业的生态空间。 然而，在为微观主体带来极大便利的同时，金融科技的快速发展也带来了金融业务边界的模糊 化，机构之间的关联性逐渐增强，金融风险传导速度加快，给金融市场稳定、货币政策与金融监管等 方面带来了新的挑战。这就要求监管当局更新监管理念，完善监管政策，创新监管模式，以随时应对 金融科技的发展变化（杨东，2018）。 合理的测度是监管和分析的基础，本文试图运用百度新闻年度 高级检索结果数量衡量金融科技发展，以期深入刻画金融科技发展的经济后果。 2. 金融科技与企业创新 企业的创新决策受到多种因素的影响。 微观层面，已有文献研究了企业规模（周黎安和罗凯， 2005；吴延兵，2007）、股权结构（冯根福和温军，2008）、经理人激励机制（Lin et al.，2011）、管理者特 征（Hirshleifer et al.，2012；罗思平和于永达，2012）、所有权性质（李春涛和宋敏，2010）、机构投资者 （温军和冯根福，2012）、大股东持股比例（鲁桐和党印，2014）、社会关系（申宇等，2017）等对企业创 新的影响。 宏观层面， 学者们研究了财税或产业政策 （江飞涛和李晓萍，2010； 张同斌和高铁梅， 2012）、金融发展（解维敏和方红星，2011）、法律制度环境（Dosi et al.，2006；Tong et al.，2014）等对 企业创新的影响。 上述关于宏观环境对创新效果的分析，更多地集中于法律保护、财税及产业政策 等，缺乏关于金融科技发展与企业创新之间关系的研究。 面对竞争日新月异的市场，企业必须依靠创新才能实现高质量的发展（党力等，2015）。 创新活 动的一个关键特征在于其产出具有高度的不确定性（Hall，2002），固有的信息不对称极易诱发道德 风险，加之创新活动需要更高的失败容忍度（周铭山和张倩倩，2016），使得银行构建银企关系的意 83 愿较低，企业创新活动饱受融资约束之苦（鞠晓生等，2013）。同时，创新项目资金需求较大且难以很 快形成回报，因而更加依赖融资。 较为严重的融资约束会使企业更倾向于削减新产品开发的投入， 而发达的金融市场能够降低企业面临的融资约束，缓解公司财务困境，从而有助于增加企业创新。 Brown et al.（2009）使用美国的高科技企业数据发现，大企业的研发投入主要依靠企业内部资金，而 缺乏内部资金的中小科技企业主要通过发达的股票市场为研发融资， 美国 20 世纪 90 年代出现的 创新高潮主要就是由股票市场推动的。 金融科技的发展可以通过降低银企之间的信息不对称缓解企业的融资约束， 从而促进企业创 新。 在一篇关于中国金融科技助力小额贷款的研究中，Huang et al.（2018）利用阿里巴巴的数据，发 现蚂蚁金服在审批借款的时候，会利用传统审贷信息之外的、包括销售信息在内的非财务信息进行 辅助审贷，这不仅降低了双方的信息不对称性，而且提高了金融服务的质量，进一步促进了包括创 新在内的实体经济的发展。 Lin et al.（2013）利用美国 Prosper 借贷平台数据，发现借款人的社会网 络关系信息可以用于信贷审核，并提高其借款成功的概率和降低融资成本以及事后违约的风险。这 表明金融科技在挖掘更全面的用户信息、缓解信息不对称性方面起到了重要的作用。 金融科技发展也可以加快信贷审批的程序， 进而缓解融资约束和降低融资成本。 Fuster et al. （2019）利用美国住房信贷数据，在控制了一系列可能影响按揭贷款审批程序的因素以后，发现金融 科技使贷款审批速度提高了 20%，并且这种快速的审批也没有增加贷款的违约风险。 Huang et al. （2018）利用蚂蚁金服的小额贷款数据，发现蚂蚁金服依托金融科技手段，将传统的银行审贷和发放 时间从高达数月降低到3秒钟。这种基于大数据、人工智能的审贷方法，也降低了人为干预，减少了 贷款审批过程中的寻租空间，从而降低了融资成本。 金融科技让外部融资普惠化，降低金融市场的融资门槛。 传统的金融服务模式下，银行等金融 机构更加重视企业可供抵押的硬资产（钱雪松等，2019），而忽略了技术和创新能力，使得那些硬资 产较少但成长潜力较大的企业难以获得融资，从而阻碍了企业创新。 金融科技通过大数据、人工智 能、区块链等先进技术，对各类金融服务主体进行全面的梳理分析，形成科技产业生态图谱（韩涵， 2018），扩大了金融服务覆盖面，从而降低了信贷市场的准入门槛。 Buchak et al.（2018）利用美国住 房抵押贷款市场的数据发现， 金融科技影子银行的借款人拥有更低的个人信用评分以及贷款价值 比，也就是说，那些难以从传统银行获得贷款的群体更可能从金融科技影子银行获得所需资金。 因 此，金融与科技的深度融合势必能够更好地服务于实体经济，进一步丰裕企业的可用资金，促使企 业将更多的资金用于再生产活动，有助于激发中国企业的创新活力。 基于以上分析，本文提出： 假说1：地区金融科技发展可以缓解企业融资约束，进而促进企业创新。 金融科技也有利于政府高效实施企业创新激励政策。 创新项目的高投入与创新结果的不确定 性，使得政府部门难以获取企业创新的相关信息，并辨别创新项目的优劣。一方面，金融科技运用大 数据技术全方位评估企业特征（Zhu，2019），使政府能够有效甄别具有创新潜力的企业，有利于政府 通过财政政策与税收政策缓解企业的融资困境，从而激发企业的创新活力。 另一方面，由于创新具 有持续性和高风险性，长期依赖政府财政与税收优惠政策的企业容易滋生“享乐主义”，最终挤出了 企业创新（张杰等，2015）。金融科技通过对高频数据的深度挖掘与分析，结合深度学习等算法，有助 于政府实时跟踪企业创新项目的进展、监管微观企业运行、减少经理人“享乐主义”，并提升财政与 税收政策促进创新激励的有效性。 基于以上分析，本文提出： 假说2：地区金融科技发展可以提高政府财政和税收政策激励创新的有效性。 李春涛等：金融科技与企业创新 84 2020年第 1期 三、 数据、模型与变量 1. 数据来源与数据处理 本文所使用的新三板上市企业专利数据来自佰腾网专利数据库， 地级市或直辖市层面金融科 技的发展程度来自百度新闻高级检索相关关键词的结果数量， 地区金融发展水平的数据来自中国 银行业监督管理委员会公布的商业银行分支机构数据，新三板企业的财务数据、董事会相关数据以 及研发数据来自国泰安（CSMAR）数据库和 WIND 数据库，企业所属城市特征的相关数据来自中 国城市统计年鉴。 为了使样本数据更具代表性，本文对样本数据进行如下处理：剔除银行、证券、 保险等金融类上市公司的样本；剔除主要变量存在数据缺失的样本；剔除所有者权益账面值为 负的公司样本；对连续型变量进行双侧 1%的缩尾处理（Winsor），以便消除离群值对本文结果的 干扰。 经过以上处理，得到最终样本涉及20112016年23558个公司年度观测值。 2. 模型构建 参考 Nanda and Rhodes-Kropf（2013）、蔡竞和董艳（2016）、张杰等（2017），本文构建如下回归 模型来分析金融科技发展对企业创新产出的影响： Innovation i，t =+Fintech m，t +Controls+ i + t，j + i，t （1） 其中，被解释变量Innovation i，t 为公司i在第t年的创新产出，使用企业专利申请数量度量；解释 变量Fintech m，t 表示公司i所在的城市m 在第 t 年的金融科技发展水平， 使用百度新闻年度高级检 索结果数量度量；Controls 是表示企业个体特征和城市层面特征的其他控制变量， 包括企业规模 （Size）、资产负债率（LEV）、企业成长性（Growth）、资本支出占比（CapEx）、固定资产比（PPE）、董事会 独立性（Indep）、城市GDP（GDP）、城市人口（Population）等； i 表示公司个体固定效应，由于地区固定 效应会被公司个体固定效应吸收，因此本质上本文也控制了地区固定效应； t，j 表示年份行业固定 效应以控制行业层面随时间变动的不可观测因素，下标 t 表示年份， j 表示行业，本文所控制的固 定效应相比已有文献更加严格； i，t 表示随机误差项。 关键解释变量 Fintech m，t 的系数表示金融科 技发展对企业创新的影响，根据本文的研究假说，预期该系数显著为正。 3. 关键变量度量 （1）企业创新（Innovation）。 企业的创新测度分为创新投入和创新产出，前者包括研发投入和研 发人数（冯根福和温军，2008；Hall et al.，2008），后者则主要是企业专利的申请（Dosi et al.，2006； Tong et al.，2014）、授权（张杰等，2017）或引用数量（Hirshleifer et al.，2012）。 由于新三板企业的研 发支出缺失值较多， 本文主要使用专利申请指标来测度创新， 而用研发支出总额占销售收入比例 （RD/Sales）进行稳健性检验。 企业申请的专利数量反映了投入资源的利用效率，能够较好地体现技 术创新的能力（Ernst，2001）。本文运用企业专利申请总数的自然对数来衡量企业的创新（Patent）。考 虑到很多样本企业的年度专利申请数量为 0， 而且专利申请数量的分布存在明显的厚尾现象，因 此，企业创新需要对专利数量加1后取自然对数。 依据中国专利法实施细则，企业专利分为发明 专利、实用新型专利和外观设计专利三类。发明专利是对产品和方法的创新，技术含量最高，体现了 企业核心竞争力。实用新型专利只保护产品，主要针对其形状和构造，技术含量相对发明专利较低， 被称为“小专利”。 外观设计专利则注重产品外表的设计，不涉及产品本身的技术性能，技术含量最 低。 因此，为了考察金融科技发展对不同类型专利的影响，本文使用企业发明专利的自然对数衡量 企业的发明专利创新（Patent1），使用实用新型专利与外观设计专利数量之和的自然对数测度企业 85 的非发明专利创新（Patent2）。 本文以新三板上市企业为研究对象。之所以选择新三板企业，主要是基于如下考量：创新 主体以中小企业为主；挂牌公司众多，超过了 11000 家，分布非常广泛，遍布全国各个省市，涵盖 金融科技不同发展水平的地区；拥有经过外部审计的财务数据；其专利申请数据可以通过佰腾 网获得。 本文手工收集了佰腾网公布的企业专利信息，并与新三板公司名单匹配，获得新三板企业 历年各类专利的申请数据。凡是在样本期间更名的公司，其原始公司名下的专利以及其全资子公司 名下的专利均合并计入更名后公司当年的专利，但跨地域设立的子公司则不在合并范围内。 （2）金融科技发展（Fintech）。 本文根据“十三五”国家科技创新规划大数据产业发展规划 （20162020 年）中国金融科技运行报告（2018）以及相关重要新闻和会议，从中提取与金融科 技相关的关键词，包括 EB 级存储、NFC 支付、差分隐私技术、大数据、第三方支付、多方安全计算、 分布式计算、股权众筹融资、互联网金融、机器学习、开放银行、类脑计算、量化金融、流计算、绿色计 算、内存计算、区块链、人工智能、认知计算、融合架构、商业智能、身份验证、深度学习、生物识别技 术、数据可视化、数据挖掘、数字货币、投资决策辅助系统、图计算、图像理解、网联、文本挖掘、物联 网、信息物理系统、虚拟现实、移动互联、移动支付、亿级并发、异构数据、语义搜索、语音识别、云计 算、征信、智能金融合约、智能客服、智能数据分析、智能投顾、自然语言处理，共 48 个关键词。 将这 些关键词与中国所有地级市或直辖市匹配，在百度新闻高级检索中分年份搜索地级市或直辖市+关 键词，如搜索“北京+区块链”，百度新闻高级检索可以给出 20112016 年间既包含“北京”又包含 “区块链”的新闻页面的数量。本文运用网络爬虫技术，爬取百度新闻高级检索页面的网页源代码并 提取出搜索的结果数量，并将同一地级市或直辖市层面的所有关键词搜索结果数量加总，得到总搜 索量（Fintech_R）。由于这一指标分布存在显著的右偏性，因此，本文对这一指标做对数变换，作为衡 量该地级市或直辖市层面金融科技发展水平（Fintech）的指标。 4. 其他控制变量 （1）公司规模（Size）：企业规模是影响创新的重要因素（Jefferson et al.，2006）。 规模越大的企业 产品生产能力越强，声誉越高，为了企业的持久发展，就越倾向于进行长期投资，通过创新等方式提 高企业的风险管理能力。 本文选取总资产的对数来衡量公司规模。 （2）资产负债率（LEV）：资产负债率代表了企业的资本结构和公司偿付能力，反映了企业举债 经营的能力。 当企业面临的杠杆较低时，持续的研发投入更能得到保证，从而更能通过兼并收购等 方式拓展知识基础（OBrien，2003），因此创新能力更强。 本文使用年末负债与年末总资产的比值来 衡量资产负债率。 （3）成长性（Growth）：企业成长对创新行为有重要的影响。 成长性较强的企业通常拥有较大增 长潜力，当创新项目投资不被看好时，良好的市场预期使其具备应对相关风险的能力。然而，快速成 长的企业面临的资金压力也比较大。 这种资金压力不利于推进风险较高且投资周期较长的创新项 目。因此，成长性对于企业创新能力的影响结果并不能完全确定（Richardson et al.，2002）。本文使用 年末总资产增长率来衡量企业的成长性。 （4）资本支出比例（CapEx）：资本支出比例是一个增量的概念，通常是指能够使得固定资产增值 的所有费用。 由于固定资产可以在一定程度上反映企业的生产和技术条件，因此，资本支出比例越 大，企业的生产和技术条件越好，企业创新积极性越高。然而，资本支出比例的增加在改善企业现有 技术和生产条件的同时，也会通过延长现有技术的生命周期而降低企业对新技术的需求，助长了企 业创新的“惰性”（谢子远和黄文军，2015）。 因此，资本支出比例对于企业创新的影响结果同样不能 李春涛等：金融科技与企业创新 86 2020年第 1期 变量 观测值个数 均值 标准差 最小值 中位数 最大值 Patent 23558 0.7055 1.0227 0.0000 0.0000 6.0845 Patent_R 23558 3.1945 9.1892 0.0000 0.0000 438.0000 Fintech_R 23558 5303.2491 1.91e+05 0.0000 99.0000 7.10e+06 Size 23558 18.1074 1.1901 15.4521 18.1071 21.1009 LEV 23558 0.4252 0.2176 0.0326 0.4191 0.9498 Growth 23558 0.0789 0.7250 -5.6888 0.1477 0.8564 CapEx 23558 0.2121 0.1863 0.0014 0.1635 0.7590 PPE 23558 0.1643 0.1587 0.0010 0.1129 0.6639 Indep 23558 0.0193 0.0804 0.0000 0.0000 0.4286 GDP 23558 18.1814 0.9768 15.7329 18.3380 19.4567 Population 23558 6.5266 0.6462 4.7314 6.5813 8.1195 Fintech 23558 4.5459 1.2975 0.0000 4.6052 15.7756 Patent2 23558 0.5194 0.8755 0.0000 0.0000 5.2883 Patent1 23558 0.3633 0.7012 0.0000 0.0000 5.4889 主要变量的基本统计特征表 1 完全确定。 本文使用购建固定资产、无形资产和其他长期资产所支付的现金总额与年末总资产的比 值来衡量资本支出比例。 （5）固定资产比（PPE）：固定资产占比越高，企业的生产技术条件越好、盈利能力越强。 同时，固 定资产还能够作为抵押物提高企业的融资能力， 为企业创新项目提供更为丰裕的资金 （He and Tian，2016）。因此企业固定资产越多，创新能力越强。本文使用固定资产总额比年末总资产来衡量固 定资产比。 （6）董事会独立性（Indep）：独立董事作为公司治理重要的监管力量，在涉及公司重大决策时，能 够就公司的创新等事务做出更为独立的判断，在发挥重要内部治理作用的同时，更能发表中立且符 合中小股东利益的意见（Adams and Ferreira，2007）。 因此，董事会独立性越高，企业的创新能力越 强。 本文使用独立董事人数占董事会总人数的比例来衡量董事会独立性。 此外，企业的创新产出不仅仅是企业单方面研发资源投入的结果，与其所在城市也有着密切关 系。 经济发展水平较高，人口较多的城市，往往拥有丰富的经济资源与大量的高素质人才，企业创新 的条件更加丰厚。因此本文也在控制变量中加入了城市层面的GDP和人口，以控制城市层面的因素。 5. 描述性统计 表1报告了主要变量的基本统计特征。 未取对数的专利总数（Patent_R）的中位数是 0，表明大 部分企业并没有专利申请；年均专利申请数量仅有3.19个，表明新三板企业总体创新性不强。 这可 能是因为新三板企业主要来自消费者服务、公用事业等创新较少的行业，同时也反映出中国企业创 新不足的现状。 未取对数的专利总数的均值远大于其中位数， 说明专利申请存在着明显的右偏特 征。 因此，本文对Patent_R做对数变换（Patent=ln（1+Patent_R）用以计算企业创新指标Patent 的方 法是合理的。 表1也报告了未取对数的金融科技测度指标（Fintech_R）的统计特征。 Fintech_R的均 值为5303，远大于中位数99，说明Fintech_R也存在严重的右偏特征。 因此，本文对Fintech_R进行 对数变换（Fintech=ln（1+Fintech_R）用以计算金融科技发展指标Fintech的方法也是合理的。 87 2011 573 3.6270 113 2.2682 61 3.0210 2012 581 3.7708 110 3.0388 60 3.2448 2013 1625 3.8010 384 2.7896 180 3.1362 2014 4072 4.3094 968 3.3295 471 3.6983 2015 5330 4.9314 1243 3.9742 607 4.4512 2016 5330 5.4967 1243 4.2808 607 4.9168 观测值个数 平均值 观测值个数 平均值 观测值个数 平均值 年份 东部地区 中部地区 西部地区 金融科技发展分年份和地区的趋势变化表 2 表2报告了金融科技发展（Fintech）分年份和地区的趋势变化。 可以看出，随着大数据、区块链、 人工智能等新一代信息技术的普及，金融科技发展水平基本上呈现逐年上升的趋势。 通过同一时间 不同地区的横向比较，样本期内新三板上市企业在东部地区分布较多，东部地区也因经济发达、科 技进步迅速，其金融科技发展水平高于中、西部地区。 本文也注意到，西部地区的金融科技发展水平 高于中部地区，这其中起决定性作用的当数“大数据之都”的贵阳市。 从2012年国务院提出在贵州 发展电子及新一代信息技术等战略性新兴产业，到2015年首个国家级数据中心灾备中心落户 贵州，极大地提高了西部地区整体的金融科技发展水平。 四、 实证结果分析 1. 基准回归结果 表3报告了金融科技发展对企业发明创新、非发明创新和创新总产出的固定效应模型（1）的回 归结果，每列回归均加入了企业和城市层面的控制变量，并控制了年份行业固定效应。考虑到金融 科技发展的指标是城市层面的，同一城市的企业之间相关性较高，因此，回归模型中均使用城市聚 类效应对标准误进行修正。 实证结果显示，Fintech 的系数在3个回归中均显著为正， 表明本文构建的金融科技发展指数 与中国新三板上市公司的创新产出显著正相关。在经济意义上，以第（1）列为例，考虑到未取对数的 创新产出 Patent_R 的均值为3.19，城市的金融科技发展水平每提高 1%，当地企业专利申请数量平 均会增加约0.17项（即3.190.0543=0.17）。 可能的原因是，金融科技发展利用大数据技术，降低了 银企之间的信息不对称，提高了信贷审批速度，让金融服务能够精准地定位于缺乏抵押品但具有创 新潜力的中小企业，缓解了企业创新资金短缺的“燃眉之急”。 回归结果中的控制变量与企业创新行为间的关系也基本达到了理论预期：企业规模（Size）的系 数为正，且达到 1%的显著性水平，表明大企业的创新能力更强；资产负债率（LEV）的系数在 1%的 水平上显著为负，表明负债经营不利于企业创新；董事会独立性（Indep）的系数有两个显著为正，另 一个达到了单边显著为正，表明较好的公司治理可以促进企业创新。 2. 内生性问题 地区金融科技发展水平作为一个宏观变量，其受到单个企业创新行为的影响较小 ，但是依然 可能会因为遗漏变量或金融科技的测量误差而导致结果出现偏误从而产生内生性问题。 本文进一 由于百度新闻搜索量级较大，其结果无法由单个公司所驱动，因此，不大可能存在反向因果关系。 李春涛等：金融科技与企业创新 88 2020年第 1期 （1） （2） （3） 专利总产出（Patent） 发明专利（Patent1） 非发明专利（Patent2） Fintech 0.0543* 0.0159* 0.0507* （3.4610） （1.8101） （3.2935） Size 0.1208* 0.0828* 0.0794* （3.3079） （4.1984） （2.7349） LEV -0.2607* -0.1116* -0.2092* （-5.4733） （-3.9656） （-5.1101） Growth -0.0065 -0.0108 -0.0012 （-0.7763） （-1.5650） （-0.1437） CapEx -0.1269 -0.1323 -0.0905 （-1.3177） （-1.6456） （-1.0496） PPE 0.2718* 0.2217* 0.1363 （1.7544） （1.9851） （0.9758） Indep 0.4477* 0.1877 0.3664* （2.5414） （1.4355） （2.3266） GDP 0.2183 0.1074 0.1938 （0.8375） （0.6657） （1.1867） Population -0.1082 0.0013 -0.1425 （-0.2313） （0.0062） （-0.2981） 截距项 -5.0635 -3.5219 -3.5570 （-0.9718） （-1.1165） （-0.9327） 企业个体 是 是 是 年份行业 是 是 是 N 23558 23558 23558 Within-R 2 0.1041 0.0744 0.0802 基准回归结果表 3 注：*、*和*代表显著性水平10%、5%和1%；模型中使用了城市层面聚类的稳健标准误，括号内为t 值。 以下各表同。 步使用工具变量方法来弱化这一内生性问题。 借鉴Chong et al.（2013）、 张杰等 （2017）、 张璇等 （2019）的思路，本文手工整理了所有城市的接壤城市，使用相同年度该城市所有接壤城市金融科技 发展水平的均值作为工具变量。 该工具变量符合相关性和外生性两个约束条件：一方面，邻近的地 级市通常具有相似的经济发展水平，金融科技发展程度相近；另一方面，由于信贷融资存在地域分 割性，临近地区的金融科技发展水平难以通过融资渠道影响本地企业创新。表4显示了工具变量的 回归结果，在考虑金融科技与企业创新之间可能存在的内生性问题后，金融科技发展的系数依然为 正，表明金融科技发展能够显著促进企业创新产出，这与前文结果完全一致。 3. 稳健性检验 （1）剔除样本期内从未申请专利的企业。 新三板上市公司的经营范围涉及消费者服务、公用事 业等创新较少的业务，考虑到样本期内部分企业从未申请过专利，若此类企业更倾向于在金融科技 发展水平较低的地区挂牌上市，这可能影响本文的回归结果。 为了消除这种干扰，本文将样本期内 89 （1） （2） （3） 专利总产出（Patent） 发明专利（Patent1） 非发明专利（Patent2） Fintech 0.6585* 0.6334* 0.2700 （1.6670） （2.1084） （0.7893） 控制变量 是 是 是 企业个体 是 是 是 年份行业 是 是 是 N 23484 23484 23484 工具变量回归结果 表4 注：控制变量包括企业规模（Size）、资产负债率（LEV）、成长性（Growth）、资本支出占比（CapEx）、固定资产比（PPE）、董事会独 立性（Indep）、城市GDP（GDP）、城市人口（Population）以及截距项。以下各表同。本文运用百度新闻高级检索的结果数量度量 的金融科技发展这一指标是相对外生的，难以受到个体企业行为的影响。 此外，金融科技包含创新概念，主要体现的是金融 创新，是金融与科技的融合，与企业创新活动有较大区别。 因此，探讨金融科技发展对企业创新的因果关系是有意义的。 （1） （2） （3） 专利总产出（Patent） 发明专利（Patent1） 非发明专利（Patent2） Fintech 0.0734* 0.0220* 0.0683* （3.9159） （1.8952） （3.7337） 控制变量 是 是 是 企业个体 是 是 是 Within-R 2 0.1365 0.0963 0.1039 年份行业 是 是 是 N 15393 15393 15393 剔除样本期内从未申请专利的企业的稳健性检验表5 专利申请量一直为零的公司剔除，进一步增强本文结果的可信度。回归结果报告于表5。在剔除从未 申请过专利的企业后，金融科技发展（Fintech）对企业创新产出仍然具有显著的促进作用。 这与前文 的结论一致。 （2）控制金融发展水平。 地区金融发展水平往往会影响企业获取外部融资的渠道（Claessens and Laeven，2003）。 金融发展水平的提升会增加以银行为主的正规金融机构数量，拓宽企业的融资 渠道，缓解融资压力。在金融发展较为完善的地区，企业获得融资的审批和监督成本较低，从而对创 新起到了积极的推动作用（解维敏和方红星，2011）。 因此，样本期间企业创新的增加很可能是由地 区金融发展水平的提升带来的，而不是由金融科技发展驱动。 基于此，本文在控制变量中