数字金融、信贷可得性与企业创新

李朝阳 潘孟阳 李建标

摘 要：数字金融作为一种新的金融服务模式具有普惠性和精准性，契合了贷款申请企业创新活动的融资需求。本文以2011～2017年A股上市公司为研究样本，从信贷可得性视角探讨了数字金融与企业创新之间的影响机制，并分析了不同金融资源水平条件下数字金融与企业创新的作用关系。研究发现，数字金融对企业创新具有显著的促进作用。机制分析表明，数字金融能够通过提高企业信贷可得性来促进企业创新。进一步分析发现，金融资源水平强化了数字金融对企业创新的影响，传统金融机构仍是企业创新的重要基础。经过内生性与稳健性检验之后，研究结论依然成立。本文的研究结论不仅拓展了数字金融对企业创新影响机制的相关研究，也为数字金融的发展提供了重要的经验参考。

关键词：数字金融;企业创新;信贷可得性;金融资源水平

中图分类号：F832文献标识码：A文章编号：1003-5192（2021）06-0039-08

doi：10.11847/fj.40.6.39

Abstract：As a new financial service mode， digital finance is inclusive and accurate， which meets the financing needs of innovative activities of loan application enterprises. This paper takes 2011～2017 A-share listed companies as research samples， discusses the mechanism between digital finance and enterprise innovation from the perspective of credit availability， and analyzes the relationship between digital finance and enterprise innovation under different levels of financial resources.We find that digital finance has a significant role in promoting enterprise innovation.Mechanism analysis shows that digital finance can promote corporate innovation by improving corporate credit availability.In further mechanism analysis， we find that the level of financial resources has strengthened the impact of digital finance on corporate innovation. Traditional financial institutions are still the important foundation of enterprise innovation. After endogenous and robustness tests， the conclusion is still valid. The research conclusions of this paper not only expand the research on the mechanism of digital finances influence on enterprise innovation， but also provide important experience references for the development of digital finance.Key words：digital finance; enterprise innovation; credit availability; level of financial resources

1 引言

創新是企业发展的直接动力与核心竞争力，也是引领经济发展的第一动力和建设现代化经济体系的战略支撑[1]。但研发创新是一种高投入、沉没成本高、不确定性强的长周期性高风险活动，其固有的信息不对称性也容易产生逆向选择和道德风险问题，再加上传统金融机构与金融市场长期存在的信贷资源配给不均衡问题，导致企业的创新活动常常受到资金约束[2]。数字金融通过金融科技手段对海量的信息进行高效处理分析，使得外部投资者与银行等金融机构能够有效地利用数据信息进行相关投资决策，在一定程度上解决了信息不对称与道德风险问题，扩展了金融服务的广度和深度[3]，为中小企业提供了更多信贷资源配给的机会，成为引领企业创新和产业结构转型升级的重要引擎[4]。

数字金融作为新一代的金融服务模式，也存在部分数字金融机构通过金融创新之名进行套利、借助资本市场转移风险等问题，这不仅给金融系统制造了较大隐性风险，也制约着实体经济的健康发展[5]，因此有必要对数字金融是否真正优化了资源配置、促进企业创新这一问题进行深入分析。现有文献主要集中在数字金融是如何影响全要素生产效率、提升就业、促进产业升级等，这些研究成果为本文探究“数字金融—企业创新”提供了重要的理论支撑和方法借鉴，但关于数字金融对企业创新的影响机制目前仍处于探索阶段，特别是以下两个关键问题尚未深入展开。首先，数字金融改善了中小微企业的融资环境，是企业创新重要的资源，需要进一步明确数字金融促进企业创新的作用路径。第二，传统金融机构是数字金融发展的基础，需要进一步细化不同金融资源水平场景下数字金融与企业创新的作用关系。基于此，本文从信贷可得性视角探讨了数字金融与企业创新之间的作用机制，并进一步分析了不同金融资源水平条件下数字金融与企业创新的作用关系。

本研究的创新价值主要体现在以下方面：（1）将数字金融这种新型金融服务模式纳入企业创新的研究框架，丰富了企业创新驱动因素的相关研究，也为企业创新发展的政策制定提供了数字金融层面的理论支撑。（2）利用2011～2017年A股上市公司数据和北京大学数字普惠金融指数，验证了信贷可得性在数字金融与企业创新之间的中介作用机制，深化了数字金融与企业创新之间的相关研究。（3）探讨了金融资源水平对数字金融与企业创新之间的调节效应，从地区经济差异视角拓展了数字金融的相关研究。

2 理论基础与研究假设

2.1 数字金融对企业创新的影响

数字金融是指传统金融机构、互联网公司利用数字技术实现融资、支付、投资等新型的金融业务模式[6]。在大数据、区块链、云计算等技术的支持下，数字金融机构可以凭借较低的成本来分析处理海量数据[3]，进而通过数据优势及时跟踪贷款申请企业的创新项目进展、减少经理人的机会主义行为、监管企业运行等，有助于贷款申请企业的研发创新[7];数字金融机构还可以通过相关数据分析评估中小企业资质，完善企业信用信息，有效甄别具有创新潜力的企业，帮助贷款申请企业及时获取外部关键信息，避免这些企业因信息不对称而错失投资机会[8]，从而为创新活动提供可能[9]。数字金融的信息效应还可以通过缓解金融要素的信息不对称问题，形成搜寻、需求匹配、市场交易等一体化的流程服务模式，促进不同创新主体在金融资源领域开放共享，进而通过协同效应促进企业创新[3]。

数字金融对传统银行等金融机构的冲击在一定程度上优化了资本市场，为企业创新活动提供了良好的金融市场环境[10]。如数字金融的市场竞争效应能够促进金融机构提升金融服务的效率，提升了贷款申请企业的资金获取效率[7]。數字金融还可以赋能商业银行等金融机构进行产品升级与业务流程优化，能够较好地融入到贷款申请企业的相关生产活动中，可以更灵活地为企业研发创新提供资金服务，帮助企业科学安排各项生产，提升创新活动的资金使用效率[11]。数字金融机构也可以通过自身的信息优势帮助贷款申请企业精准识别客户画像，挖掘客户潜在需求，促进贷款申请企业更好地识别出可能的技术创新路径，实现有针对性的创新，从而降低创新的风险[3]。数字金融作为一种新的商业模式还能够催生相关的新业态和新模式，促进相关地区的企业产品升级、服务品质改善等，通过所形成的创新系统、创新网络共同促进区域相关企业的创新[11]。基于以上分析，本文提出以下假设：

假设1 数字金融对企业创新具有显著正向影响。

2.2 信贷可得性对数字金融与企业创新之间关系的中介

信贷可得性是指从金融机构获得借款的可能性，一般由信贷获得额或信贷约束程度来衡量[12]。数字金融基于科技生态体系所积累的海量数据可以更精准地预测违约风险，大大提升了被排斥到金融服务之外的中小微、民营企业获取信贷资源的可能性[8]。首先，数字金融有效吸纳了市场中的金融资源并转为有效供给，增大了信贷资源供给的总量[3]。基于成本和效率考虑，传统金融机构很难充分利用长尾群体手中的金融资源，但得益于大数据和区块链等技术的赋能，数字金融机构能够以较低成本快速聚集起大量中小投资者。这些集中起来的资源扩充了市场中金融资源的总量，使得更多贷款申请企业能够获得信贷资源。

其次，数字金融拓宽了贷款申请企业获得信贷资源的渠道。数字金融机构凭借信息技术优势能够以相对较低的成本为有金融服务需求的长尾客户群体提供高效、稳定的金融服务[7]。如一些数字金融机构利用借款人社交网络、历史交易记录等软信息作为信贷决策的依据，降低了借贷双方的信息不对称问题，也提升了资金的审批发放效率，扩大了金融服务的群体[10]。类似的智慧银行、供应链金融等已成为部分企业尤其是小微企业获得信贷资源的重要通道，这些平台改善了过去企业融资主要依赖银行的局面，极大丰富了企业的融资选择[3]。

最后，数字金融改善了信贷资源错配。囿于投资成本、技术等因素，较多的中小微、民营企业因为信息不对称问题而被排斥到金融服务之外[13]。尤其是企业创新研发的融资活动，为了避免研发相关信息的泄露，研发企业不愿意披露与其相关的过多信息，进一步加剧了借贷双方的信息不对称问题。而数字金融的商业与服务模式在一定程度上缓解了融资过程中信息不对称问题，拓宽了金融服务场景和用户边界，同样也为企业创新活动提供更有针对性的资金渠道，使得信贷资源在企业间实现更合理的配置[14]。综合以上三点，本文认为数字金融能够提高贷款申请企业的信贷可得性。

金融资源是现代经济的血液，也是企业创新的重要基础。资金的持续投入是企业研发创新活动顺利开展的前提，由于创新活动的高投入高风险特征，是否获得了足量的信贷资源，在一定程度上决定了企业创新能否成功[1]。若企业在融资过程中遇到困难，将对企业创新产生较大消极影响，如张璇等[15]的研究表明银行信贷的缺乏显著降低企业从事创新活动和创新投入的可能性，进而影响企业创新产出。相反，信贷资源的持续补充对于企业创新有着积极意义，如李后建和刘思亚[16]发现银行信贷的持续供给是企业创新产出至关重要的外部投入要素，故信贷可得性对企业创新有显著的正向影响。因此，本文认为，数字金融促进了信贷可得性，而良好的信贷可得性又促进了企业创新，企业信贷可得性在数字金融与企业创新之间扮演着桥梁作用，基于以上分析，提出以下假设：

假设2 信贷可得性在数字金融与企业创新之间具有中介作用。

2.3 金融资源水平对数字金融和企业创新关系的调节

金融资源水平是指金融资源的稀缺程度，常用金融业产值与GDP的比值来测度[8]。虽然在理论上数字金融依托于互联网技术，不受地域空间的限制，但是数字金融本质上还是金融，其运行仍然要依赖于实体经济和传统金融[13]。我国不同地区的金融资源水平存在较大的地区差异，在金融资源水平较差的地区，数字金融相对缺少传统金融机构的资金、硬件、信息等层面支持，电子支付、投资理财、信用业务、借贷等业务发展水平相对较低，降低了数字金融发展的广度和深度，金融资源的不利因素将会弱化数字金融对企业创新的促进机制[7]。金融资源水平较差地区的传统金融机构数量相对偏少，即便这些机构通过科技创新开展线上渠道、不断发展数字金融功能，但金融机构总量偏少也难以发挥数字金融的规模效应、协同创新效应等，对企业研发活动提供的资金支持也相对有限，同样也不利于数字金融对企业创新的积极作用[13]。也就是说数字金融对企业创新的促进作用受制于金融资源水平的影响，较差的金融资源水平弱化了数字金融对企业创新的促进作用。

在金融资源水平较好的地区，金融基础设施建设相对成熟，金融监管也相对完善，在一定程度上促进了数字金融相关的业务模式和实践[4]。如数字金融机构可以更便捷地获取贷款申请企业的信息进而对其信用做出科学评价，基于贷款申请企业的经营信息了解其研发状况，互联网等信息技术也有助于贷款申请企业更便捷地获取信贷资源，保障其创新活动[2]。也就是说，当金融资源相对较高时，数字金融能更充分发挥自身的优势，对贷款申请企业创新的促进作用也就越强。总之，金融资源水平能够正向调节数字金融与贷款申请企业创新之间的关系。基于以上分析，提出以下假设：

假设3 金融资源水平在数字金融与企业创新之间起着正向调节作用。

综上所述，本研究理论模型如图1所示。

3 研究设计

3.1 数据来源

本文以A股上市公司为研究样本，其中企业专利、财务、金融机构分布等数据来自国泰安数据库（CSMAR），数字金融指数来自北京大学数字金融研究中心发布的数字普惠金融指数[14]。由于北京大学数字普惠金融指数最早的数字金融数据从2011年开始，而国泰安数据库中企业专利最新数据截至到2017年，故本研究选取2011～2017年A股上市公司的相关数据。为了保证研究结果的可靠性，本文对数据进行了预处理，主要包括以下几个步骤：（1）金融类和房地产类企业经营性质区别于一般企业，故剔除金融类和房地产类企业;（2）被PT，ST，*ST的企业财务制度异常，也将其剔除;（3）为了消除极端值的影响，对公司层面的连续数据进行了1%缩尾处理;（4）保留连续5年以及5年以上有样本的公司;（5）删除主要统计量为空的样本。经过以上步骤，最终得到了2011～2017年共10216个企业—年度观测值。

3.2 变量说明

（1）被解释变量：企业创新（lnpat）

衡量企业创新主要有两种方法：一是从投入角度，使用研发投入来度量[17];二是从产出角度，使用企业专利申请指标来度量[18]。相对于研发投入，专利申请数能更好地衡量企业创新活动成果[1]，故本文在回归部分采用企业申请专利总数与1之和的自然对数来衡量企业创新，记作lnpat。在稳健性检验中使用企业研发投入力度（R&D），即企业研发支出占营业收入的比例来衡量企业创新[19]。

（2）核心解释变量：数字金融（Index）

为了衡量企业所在地的数字金融发展水平，本文采用北京大学数字普惠金融研究中心发布的北京大学数字普惠金融指数（2011～2017年）。这套指数科学准确地刻画了中国各省份、地市的数字普惠金融发展现状，为数字金融的相关研究提供了极大便利，现已被广泛使用[14]。由于数字金融影响企业创新需要一定时间积累，故本文使用数字普惠金融指数时进行滞后一期处理。

（3）中介与调节变量

中介变量：信贷可得性。贷款额能较为准确地反映企业的信贷可得性状况[12]，因此，本文将“企业长期贷款的自然对数”作为中介变量，用Credit表示。

调节变量：金融资源水平。地区金融业产值反映了地区的金融业发展水平，可以用来衡量一个地区金融资源的好坏，本文参考宋敏等[8]的方法，使用地级市金融业产值与地级市GDP的比值来测度该市的金融资源水平，用Findev表示。

（4）控制变量

企业规模（Size）：企业研发创新活动需要投入大量资源，大企业本身就有足够的资金和技术实力，而且规模越大的企业越倾向于通过创新等方式提高企业的风险管理能力[18]。本文采用通用做法，使用企业总资产的自然对数衡量企业规模。成长性（Growth）：成长性是影響企业创新的重要因素，企业在高速增长阶段不仅具有较强的创新精神，而且具有快速将发明创造投入使用的能力[20]。但是，高成长性企业为扩大经营往往面临较大的资金压力，这并不一定利于开展具有高风险高投入特征的创新活动。因此，需要控制成长性对企业创新的影响。参考李春涛等[18]的做法，本文使用总资产增长率衡量企业的成长性。资产收益率（Roa）：资产收益率是评价企业盈利能力的重要指标，本文用净利润和平均资产总额的比值衡量企业资产收益率[1]。资产负债率（Lev）：资产负债率是评价企业负债水平的重要指标，本文用总负债与总资产的比值衡量企业资产负债率[2]。固定资产（Fixed）：固定资产可以在一定程度上反映出企业的生产和技术条件[18]，本文用企业固定资产净额表示。两职合一（Dual）：高管团队两职合一对企业创新也有着重要影响，参考薛坤坤等[19]类似方法，若总经理兼任董事长，变量取值为1，否则取0。股权集中度（Hold）：股权集中影响企业的创新效率，参考朱德胜和周晓珮[20]的做法，本文用第一大股东持股比例衡量股权集中度。

本文采用的主要变量及其度量方法如表1所示。

3.3 实证模型构建

以企业创新lnpat作为被解释变量，考虑到数字金融对企业创新的影响具有滞后性特征，且存在一定程度的反向因果问题，本文对解释变量数字金融进行滞后一期处理，构建如下模型来分析数字金融对企业创新的影响

如（1）式所示，变量下标i、j、t分别表示企业、城市和年份。被解释变量lnpatit为企业i在t年的专利申请总数加1的自然对数;解释变量Indexjt-1为滞后一期的数字普惠金融指数，代表企业i所处地级市j在t-1年的数字金融指数;controlit代表一系列控制变量，本文加入的控制变量包括企业规模（Size）、成长性（Growth）、资产收益率（Roa）、资产负债率（Lev）、固定资产（Fixed）、两职合一（Dual）、股权集中度（Hold）;εit表示随机误差项。本文的基准回归使用了固定效应模型，为了尽可能降低企业所处行业以及年份对企业创新产生的影响，所有回归模型中都控制了时间和行业的固定效应。

为了进一步探究数字金融发展影响企业创新的潜在机制，本文参考温忠麟等[21]提出的中介效应检验流程，检验数字金融能否通过提高信贷可得性促进企业创新。

其中信贷可得性（Credit）为中介变量。模型（2）与模型（1）一致，也是数字金融影响企业创新的总效应，其中α1代表数字金融对企业创新的总效应。模型（3）中系数β1反映了数字金融对信贷可得性的影响，模型（4）中γ1代表数字金融对企业创新的直接效应，β1γ2代表信贷可得性的中介效应。

接下来进行调节效应检验，判断数字金融对企业创新的影响效果是否受到企业所在城市金融资源水平的影响，其中Indexjt-1×Findevjt代表数字金融与金融资源水平中心化之后的交互项。

4 实证结果分析

4.1 描述性统计与相关分析

本文对主要变量进行了描述性统计，企业创新均值为79.634，最大值为1166，最小值为1，不同企业创新水平差异较大。数字金融最大值为275.555，最小值为46.470，标准差为58.650，这表明不同城市间的数字金融水平也存在较大差异。信贷可得性均值为102841.100，金融资源水平均值为0.099，也就是企业所在城市金融业产值占所在城市GDP比例为9.9%。金融资源水平最大值为0.173，最小值为0.026，不同城市的金融资源水平也存在一定差异。控制变量方面，企业规模均值为22.202，成长性均值为0.259，即上市企业平均总资产增长率为25.9%，资产收益率均值为0.045，资产负债率均值为0.410，固定资产均值为20.406，有27.3%的企业总经理兼任董事长，第一大股东平均持股34.7%。

相关分析结果表明，数字金融与企业创新之间的相关系数显著为正，初步支持了假设1。数字金融与信贷可得性、信贷可得性与企业创新之间的相关系数均显著为正，这也与假设2中的分析相符。但金融资源水平与企业创新、数字金融之间的系数均显著为负，说明传统金融资源与数字金融、企业创新之间作用机制相对复杂，但也和相关研究结论类似，还需要控制相关变量进一步检验。控制变量中，企业规模、资产收益率、资产负债率、固定资产、股权集中度与企业创新之间的系数均显著为正，两职合一对企业创新的影响则显著为负。

此外，为了判断变量之间是否存在多重共线性，使用方差膨胀因子（VIF）进行检验，检验结果表明，VIF的均值为2.04，最大值为4.66，均小于10，表明变量之间不存在多重共线性。

4.2 数字金融与企业创新回归结果分析

回归结果如表2所示，将企业创新作为被解释变量，第（2）、（3）列的回归结果表明，数字金融滞后一期的系数（Indexjt-1）均在1%的水平上顯著为正，说明数字金融与企业创新显著正相关，即数字金融发展越好，企业的创新产出越高，创新能力越强，假设1得到验证。

从第（1）、（3）列看控制变量的回归结果，企业规模（Size）的系数在1%的水平上均显著为正，即企业规模越大，企业创新产出就越多，这表明大企业本身在技术、资金等方面的实力比较雄厚，能够为企业的研发活动投入充足的资源;成长性（Growth）的系数显著为负，说明成长性越高，越不利于企业创新，可能的原因在于企业快速成长后没有足够动力再持续开展研发创新活动;资产收益率（Roa）的系数也显著为正，即企业盈利能力越强，企业的创新产出就越多，资产收益率较高的企业有充足的资金从事研发创新活动;固定资产（Fixed）的系数显著为负，说明企业固定资产对企业创新有显著的抑制作用，这可能是因为固定资产净额较高的企业缺乏一定的灵活性，不利于企业的创新活动;股权集中度（Hold）的系数显著为负，即股权集中度太高不利于企业创新，可能的原因是当股权集中度过高时，大股东会利用其控制权谋取其他方面的收益，减少公司创新活动的资金投入，进而降低创新效率[20]。

4.3 信贷可得性的中介效应检验

为检验信贷可得性在数字金融与企业创新之间的作用关系，根据中介效应检验流程[21]，首先检验自变量（数字金融）与因变量（企业创新）之间的关系。从表2第（3）列的检验结果可以看出，数字金融与企业创新的回归系数在1%的水平上显著，数字金融能够显著促进企业创新;其次，进行自变量（数字金融）和中介变量（信贷可得性）之间的作用关系检验，将信贷可得性作为被解释变量，从表2第（4）列的检验结果可以看出，数字金融的系数在1%的水平上显著为正，说明数字金融能够显著提高企业的信贷可得性;最后，将数字金融这一自变量和信贷可得性这一中介变量都纳入回归方程进行检验，从表2第（5）列的检验结果可以看到信贷可得性的系数在1%的水平上显著为正。综合中介效应的三个步骤检验结果，可以说明企业信贷可得性的中介效应显著，数字金融能够通过提高企业的信贷可得性进而促进企业创新，假设2得证。

4.4 金融资源水平的调节效应检验

金融资源水平的调节效应检验结果如表2第（6）列所示，在回归模型中加入数字金融与金融资源水平中心化之后的交互项Indexjt-1×Findevjt，回归结果表明交互项系数在1%的水平上显著为正，这说明金融资源水平在数字金融与企业创新之间起着正向调节作用，假设3得证，调节效应图见图2。

4.5 稳健性检验

在本文中数字金融指数无法由单个企业驱动，且回归分析中已经将数字金融进行了滞后一期处理，因此出现反向因果导致内生性问题的可能性不大。但可能会因遗漏变量或企业专利数的测量误差等产生内生性问题，本文通过滞后变量和工具变量法来缓解内生性问题。

（1）滞后变量。数字金融影响企业创新需要一定时间，且企业的创新成果申请到企业专利也存在一定滞后性，本文更进一步将数字金融变量滞后两期处理。检验结果表明数字金融对企业创新的促进作用依旧显著，与上文结论一致。

（2）工具变量法。采用省份层面的数字金融指数，并将其滞后一期作为工具变量。一方面，省份与地市的数字金融发展水平相似，满足相关性条件。另一方面其他城市的数字金融发展程度不会直接影响本城市企业的创新水平，存在一定的外生性，可以采用省份层面的数字金融指数作为工具变量[14]，同样验证了回归结果的有效性。

本文采用更换被解释变量、剔除直辖市样本两种方式进一步进行稳健性检验。

（1）更换被解释变量。将研发力度作为被解释变量放入回归模型进行检验后，发现数字金融依旧对企业创新有着显著的促进作用，与上文结论一致。

（2）剔除直辖市样本。我国的直辖市相对于地级市存在较大的经济特殊性[3]，剔除直辖市样本后，结果没有发生显著改变，结论依旧成立。

5 结论与建议

5.1 研究结论

本文以2011～2017年A股上市公司为研究样本，从信贷可得性视角探讨了数字金融与企业创新之间的作用机制，并进一步分析了不同金融资源水平条件下数字金融对企业创新的影响。研究发现，数字金融对企业创新具有显著的促进作用，增加了企业的创新产出。机制分析表明，数字金融能够通过提高企业信贷可得性促进企业创新。金融资源水平强化了数字金融对企业创新的影响，金融资源水平越高，数字金融对企业创新的促进作用越强。为了保证结果的可靠性，本文通过滞后变量和工具变量法缓解了内生性问题，还通过更换被解释变量、剔除直辖市样本进行了稳健性检验，检验结果表明结论依旧成立。

5.2 理论贡献

本研究的理论贡献主要体现在：（1）与以往传统金融模式对企业创新影响的文献不同，本研究从数字金融这一新兴业态入手分析了金融发展对企业创新的影响，并验证了数字金融对企业创新的可能作用机制，这不仅丰富了金融领域的相关研究，也是对企业创新研究的拓展。（2）从信贷可得性视角厘清了数字金融与企业创新的内在机理，通过中介效应检验发现数字金融通过影响信贷可得性，进而促进了企业创新，这一研究结论有助于进一步理解信贷可得性在企业创新活动中所扮演的角色。（3）考虑到我国经济发展的区域不均衡背景和数字金融发展阶段性特征，本文在研究数字金融影响企业创新的基础上，检验了金融资源水平的调节效应，并且发现金融资源水平强化了数字金融对企业创新的影响，揭示了金融资源水平在数字金融与企业创新之间的调节作用，也验证了传统金融机构仍是企业创新的重要基础。（4）目前数字金融赋能效应的研究主要集中在区域经济、地区资本错配、城市创新等宏观层面，本研究则从企业这一微观视角出发，考察了数字金融作用在企业层面的创新效应及其差异化影响，为数字金融赋能企业创新提供新的微观层面经验证据，丰富了数字金融领域的相关研究。

5.3 政策建議

基于以上结论，提出以下三方面政策建议：第一，由于数字金融能够显著促进企业创新，需要为数字金融发展营造良好的政策和监管环境。一方面，政府相关部门要出台相关的产业扶持政策，鼓励数字金融的发展，引导数字金融与相关产业深度结合，形成良性互动;另一方面，进行金融监管改革以适应金融新业态发展的需要，强化数字金融服务主体对实体经济的促进作用。

第二，信贷资源可得性是企业创新的重要基础，在数字金融和企业创新之间扮演着重要的桥梁作用，故需要政府等相关部门借助数字金融技术优化信贷资源配置。如利用数字金融的信息技术优势，着力解决当前市场中信贷资源总量少、配置效率低以及配置不均衡问题。还需要依托金融科技加强社会信用体系建设，通过解决金融机构与企业之间的信息不对称问题，降低企业融资成本，提升贷款申请企业创新活动的资金获取效率。

第三，金融资源相对落后地区需要推进传统金融行业的数字化转型。注重数字金融在区域间的协调发展，特别是对于金融资源相对贫乏地区，可以给予适当的政策倾斜，以防止其在转型过程中出现新型金融资源供给不平衡问题。传统金融是数字金融发展的根基，需要利用数字技术为传统金融注入新鲜血液，形成传统金融与数字金融优势互补、相互促进的新局面。

5.4 研究展望

与已有研究相比较，本研究从企业的微观层面出发探究了数字金融与企业创新之间的作用关系，并引入了信贷可得性中介效应和金融资源水平调节效应的机制检验，为金融创新服务实体经济提供了新思路。但本研究还存在一定的局限性，由于数据获取限制，本研究选取的数据时间段不够长，随着相关数据的后续更新，未来可以采用更长时间段数据研究数字金融与企业创新之间的作用关系。

参 考 文 献：

[1]陈思，何文龙，张然.风险投资与企业创新：影响和潜在机制[J].管理世界，2017，（1）：158-169.

[2]蔡庆丰，陈熠辉，林焜.信贷资源可得性与企业创新：激励还是抑制？——基于银行网点数据和金融地理结构的微观证据[J].经济研究，2020，（10）：124-140.

[3]唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020，（5）：52-66，9.

[4]Maria D， Silvia M， B W G. Capital markets union and the fintech opportunity[J]. Journal of Financial Regulation， 2018， 4（1）： 157-165.

[5]Vallée B， Zeng Y. Marketplace lending： a new banking paradigm[J]. The Review of Financial Studies， 2019， 32（5）： 1939-1982.

[6]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018，17（4）：1489-1502.

[7]Berg T， Burg V， Gombovic' A， et al.. On the rise of fintechs-credit scoring using digital footprints[J]. The Review of Financial Studies， 2020， 33（7）： 2845-2897.

[8]宋敏，周鹏，司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角[J].中国工业经济，2021，（4）：140-157.

[9]Fuster A， Plosser M， Schnabl P， et al.. The role of technology in mortgage lending[J]. The Review of Financial Studies， 2019， 32（5）： 1854-1899.

[10]林爱杰，梁琦，傅国华.数字金融发展与企业去杠杆[J].管理科学，2021，34（1）：142-158.

[11]Beck T， Pamuk H， Ramrattan R， et al.. Payment instruments， finance and development[J]. Journal of Development Economics， 2018， 133： 162-186.

[12]郭丽虹，王硕.融资缺口、市场化程度与中小企业信贷可得性——基于非上市制造业企业面板数据的分析[J].财经研究，2013，39（12）：115-125.

[13]Gomber P J， Kauffman C， Parker B， et al.. On the fintech revolution： interpreting the forces of innovation， disruption， and transformation in financial services[J]. Journal of Management Information Systems， 2018， 35（1）： 220-265.

[14]郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

[15]张璇，刘贝贝，汪婷，等.信贷寻租、融资约束与企业创新[J].经济研究，2017，（5）：161-174.

[16]李后建，刘思亚.银行信贷、所有权性质与企业创新[J].科学学研究，2015，33（7）：1089-1099.

[17]李文贵，余明桂.民营化企业的股权结构与企业创新[J].管理世界，2015，（4）：112-125.

[18]李春涛，闫续文，宋敏，等.金融科技與企业创新——新三板上市公司的证据[J].中国工业经济，2020，（1）：81-98.

[19]薛坤坤，武立东，王凯.董事会非正式层级如何影响企业创新？——来自我国上市公司的经验证据[J].预测，2021，40（3）：25-31.

[20]朱德胜，周晓珮.股权制衡、高管持股与企业创新效率[J].南开管理评论，2016，19（3）：136-144.

[21]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.