肖红军 阳镇 | 数字普惠金融会推动企业数字化吗

本文载于《吉林大学社会科学学报》2022年第6期

“财经前沿：数字经济专题”栏目

数字普惠金融会推动企业数字化吗

肖红军 阳镇 | 文

肖红军中国社会科学院工业经济研究所研究员, 管理学博士

阳 镇 中国社会科学院工业经济研究所助理研究员, 清华大学技术创新研究中心兼职副研究员, 管理学博士。

一、引言

新一轮技术革命塑造了全新的经济形态、产业组织模式以及微观企业的商业模式。在宏观层面，数字经济已经成为引领我国经济新一轮增长与社会转型的利器。尽管目前学界对数字经济的构成内容及测算方法存在广泛争议，但是根据中国信息通信研究院2021年4月发布的《中国数字经济发展白皮书》，2020年数字经济占GDP比重为38.6%，数字经济是GDP的贡献主体已是不争的事实。在产业层面，除了数字产业以外，由于数字技术的广泛渗透性和高度赋能性，产业数字化成为产业新一轮增长的主攻方向。在微观企业层面，不论是传统企业组织还是基于数字技术的全新商业组织，都在充分利用数字化机遇，数据要素成为驱动企业全要素生产率增长的全新生产要素。企业把数字技术嵌入研发、生产、管理等流程之中，实现企业资金链、人才链、创新链与供应链的全链条数字化，最终基于数据生产要素赋能企业增长，创造基于数字技术的经济价值和社会价值。以数字技术为基础的新组织形态如平台型企业，基于互联网平台有效地连接市场双边用户，更好地降低交易成本，打造基于互联网平台的商业生态圈，创造了更高阶的经济价值与社会价值。近年来，学界围绕数字经济、产业数字化以及企业数字化开展了大量研究。

目前，聚焦于微观层面的企业数字化研究主要基于三条主线：第一条主线基于企业数字化的内容和方向。这类研究主要聚焦于企业管理过程，认为企业管理活动包括企业的研发创新管理、生产管理、运营管理和销售服务管理等，企业数字化是企业基于数字技术实现管理过程的自动化与数字化，实现创新数字化、生产智能化、服务数字化与销售服务数字化。也有研究从组织价值流动与价值创造的视角，认为企业价值创造的过程包括企业价值创造主体、价值创造网络、价值创造的资源基础和价值创造的范围对象，数字技术深度嵌入企业价值创造的过程就是企业的数字化转型并且是企业数字化的重要维度。第二条主线基于企业数字化的驱动因素。有些研究基于企业数字化的外部环境，认为技术路线的变化、外部消费者价值诉求与竞争环境的变化是企业数字化转型的关键因素；另有研究则基于企业所处的社会网络，认为企业数字化本质上是企业之间关系衍生的传导效应与辐射效应，其中同群效应在企业数字化转型中发挥了不可替代的作用。第三条主线基于企业数字化的内在机制与价值效应，探究企业数字化过程中的内在传导机理以及数字化与绩效之间的具体关系。其中，探究数字化赋能企业价值创造的主要机制包括组织结构赋能、组织学习赋能、生产模式赋能、研发设计赋能，进而实现企业基于数字化的创新价值与经济价值。总体而言，学者们对企业数字化的驱动因素以及内在传导机理开展了多层次的探索，但是研究多集中于外部竞争环境和技术环境因素等对企业数字化的具体影响，对企业数字化过程中需要的金融环境支持尤其是融资环境支持缺乏系统性研究。同时，这些研究对企业数字化的测度指标较为单一，样本多为行业小样本或者基于问卷调查的小样本，如特定制造业或高新技术企业等，缺乏总体层面对企业数字化的大样本测量与微观检验，因此对企业数字化的驱动因素检验结果也存在一定的普适性偏差。

究其本质，企业数字化不仅是单纯的数字技术开发与应用，它还是企业的一种资源投入活动。企业在推进数字化的过程中，需要众多资源和利益相关方的支持。金融资源是一种相对稀缺的资源，可以更好地为企业数字化提供相应的融资支持。同时，数字技术创新是具有风险性、周期性和不确定性的市场活动，金融支持对于促进企业数字化过程中的数字技术创新具有重要作用，比如引进新的数字设备、开发新的数字产品以及设计新的数字管理流程与数字平台等。传统金融由于资本的逐利性以及金融资源配置扭曲等现实问题，对企业技术创新尤其是具有外部性的绿色技术创新的支持具有较强的风险规避意识。近年来，随着数字技术的进步，数字金融不断发展，尤其是随着数字技术对传统普惠金融的赋能增效，数字普惠金融成为新的金融科技范式以及金融新业态，实现了数字科技与传统普惠金融模式的有机结合。数字普惠金融能够突破传统金融活动的金融网点以及营业时间的时空束缚，立足数字信息技术实现金融供需双方的精准匹配对接、金融活动领域的全时空覆盖、融资过程的高效与低成本；基于传统金融活动的空间延展性、金融资源覆盖范围的可得性以及金融服务成本的满意性，重塑传统金融供给形态、金融服务过程以及金融效率。既有研究对数字普惠金融的界定存在分歧，有的研究是从数字技术视角下的金融服务模式界定数字普惠金融，认为数字普惠金融以传统普惠金融为基础，运用数字技术来实现金融服务模式的高效率、高质量、高获得性，突破了传统普惠金融的时空与成本限制；另有研究则是从金融服务对象的视角界定数字普惠金融，认为数字普惠金融是旨在满足社会各阶层群体的价格所需而开展的数字技术与金融相结合的金融活动。因此，相比于传统金融，数字普惠金融有助于解决传统金融中存在的规模歧视、所有制歧视以及资源错配问题。数字普惠金融不但可以改善金融市场的信息不对称程度，而且可以为企业面向数字化的创新提供融资，降低数字技术的交易成本，也为企业寻求新的合作伙伴提供潜在支持。近年来，党中央加强了数字普惠金融的政策供给。在《“十四五”国家信息化规划》中，明确要求完善数字金融基础设施，增强金融有效支持实体经济的能力；2022年2月的《推进普惠金融高质量发展的实施意见》，为我国数字普惠金融的发展指明了战略方向，针对如何提高普惠金融的覆盖度、可得性和满意度作了相应的战略部署。从我国数字普惠金融的发展态势来看，《北京大学数字普惠金融指数（2011—2020）》显示，2011年各省份数字普惠金融指数的中位数为33.6，2015年增长到214.6，2020年增长到334.8，中国省级数字普惠金融指数的中位数增长了9倍。总体上，中国数字普惠金融发展迅猛且呈现出区域分化与城市分化现象；从分项指标来看，数字普惠金融的覆盖广度、使用深度和数字化程度不断提高，数字普惠金融在支付、信贷、保险以及企业融资等领域发挥了越来越重要的作用。从数字普惠金融的价值效应来看，学者们对数字普惠金融与经济增长、城乡收入差距、企业创新、减贫等开展了大量研究，而对微观企业层面的数字化转型驱动机制尚缺乏深入研究。

基于此，本文主要关注数字普惠金融能否推动企业数字化，以中国沪深A股上市公司为实证研究样本，考察数字普惠金融对企业数字化的影响及其内在机理，着重从内部资源投入、外部资源配置和融资约束视角探讨其在数字普惠金融与企业数字化之间所起的中介作用，为进一步佐证数字普惠金融对企业数字化的资源赋能与创新赋能提供经验启示，也为新发展阶段下深入推进企业基于数字化转型与数字技术创新的高质量发展提供政策启示。本文的边界贡献在于：第一，在理论层面，从数字普惠金融视角探讨企业数字化的驱动因素，基于创新金融环境与金融资源配置的视角丰富企业数字化的驱动因素研究。第二，在实践层面，一方面为政府着力从数字金融与普惠金融的双重视角，构建面向企业数字化转型与数字技术创新的高质量金融市场环境提供政策启示；另一方面也为企业促进数字化转型中的技术创新与管理创新，获得数字化转型融资以及利益相关方的支持提供管理启示。

二、理论分析与研究假设

（一）数字普惠金融与企业数字化

从金融科技的视角来看，数字普惠金融不同于传统金融，它基于数字技术实现金融资源的优化配置，提高金融对微观市场主体的覆盖程度以及包容性。一方面，从信息不对称与金融风险管理的视角来看，传统金融活动对企业融资支持的评估依赖于企业的绩效以及长期可持续发展能力。这一过程中不可避免地会产生一系列信息不对称和不完全带来的信用风险；同时，传统金融活动中存在较为明显的基于规模与基于产权的非中性支持，即由于金融资源的相对稀缺性，在选择支持对象的过程中存在企业规模和企业所有权歧视等现象，大量中小企业和民营企业难以在传统金融活动中获得足够的金融资源。大数据、区块链、云计算等数字技术可以赋能传统金融活动，有效解决金融资源供需双方的信息不对称问题，利用数字技术全方位地实现金融风险评估与风险管理，扩大金融资源的配置范围，降低传统金融配置活动对微观市场主体的排斥性，提高传统金融活动的包容性。另一方面，从金融配置活动的过程视角来看，数字普惠金融能够强化金融资源配置的市场信号。数字普惠金融以数字技术的包容性与可达性提高对创新导向的企业融资支持与筛选，降低企业金融资源获取过程中的信息不对称和交易成本。具体来说，数字普惠金融能够基于大数据、人工智能等数字识别与智能分析技术，定向、精准地分析企业创新导向意愿以及融资薄弱环节，分类、精准地构建不同企业用户的“画像”，根据不同类型金融对象分类实施金融定向支持，改善金融资源配置过程中的错配现象，减少金融机构与企业之间由信息不对称带来的资源配置失灵问题。

本文认为，数字普惠金融推动企业数字化主要通过三类机制实现。第一，从融资成本视角来看，数字普惠金融能够更好地为企业融资提供支持，节约企业数字化过程中的融资成本，缓解企业数字化过程中的融资约束。第二，从创新激励机制的视角来看，企业数字化本质上是企业基于数字场景与数字技术嵌入的创新活动，需要通过引进新的创新设备、改造与优化企业传统的管理与运营业务流程，包括数字技术嵌入的生产流程、创新研发流程、销售服务流程等，改变企业的价值创造网络，进而实现企业数字化过程中的渐进式与探索性创新。企业的数字化创新本质上是一种具有风险性、周期性和不确定性的市场活动，需要外部的金融支持来降低企业创新过程中的风险。因此，数字普惠金融基于可达性与包容性，可以强化金融资源配置的市场信号，提高对数字技术与数字管理创新导向的企业融资支持与筛选，降低企业金融资源获取过程中的信息不对称与交易成本，进而更好地支持企业基于数字化的创新活动。第三，从金融资源配置的视角来看，传统金融资源配置活动存在较为明显的规模偏向性与产权偏向性，而数字普惠金融能够降低企业获取金融资源的门槛与成本，减少传统金融歧视，进而改善传统金融活动中的资源错配程度。另外，数字金融普惠化有助于提升金融机构的服务意识和竞争意识，从而提升数字普惠金融对企业数字化的金融支持深度。

基于以上分析，本文认为数字普惠金融能够提升企业数字化程度，且主要通过融资约束缓解机制、金融错配改善机制和创新投入强化机制发挥作用。因此，本文提出如下研究假设：

H1：数字普惠金融会提高企业数字化程度。

H1a：数字普惠金融通过缓解融资约束提高企业数字化程度，即融资约束在数字普惠金融与企业数字化之间产生中介效应。

H1b：数字普惠金融通过强化创新投入提高企业数字化程度，即创新投入在数字普惠金融与企业数字化之间产生中介效应。

H1c：数字普惠金融通过改善金融错配提高企业数字化程度，即金融错配在数字普惠金融与企业数字化之间产生中介效应。

（二）数字普惠金融、高管金融背景与企业数字化

从企业战略决策的视角来看，数字化转型是企业的重要战略方向，即通过数字化战略重塑企业竞争力，实现企业在数字竞争与动态竞争下的可持续竞争优势。相应地，如何驱动企业的数字化战略决策也成为研究关注的焦点议题。自高阶梯队理论提出以来，企业高管个体的战略决策导向被认为与高管的个体特征息息相关，高管个体的认知结构、工作经历与价值导向对企业战略决策产生直接影响。企业战略决策是具有风险性的市场行为，数字化战略决策需要企业投入相应的经济资源与创新资源，引进或开发相应的数字技术并嵌入企业运营管理与业务实践体系之中。企业战略决策需要足够的知识基础，尤其是对战略决策者的个体能力和素质有显性化的要求。近年来，学界围绕企业高管的个体人口统计学特征、高管背景、高管工作经历等开展了大量研究，探讨高管背景、高管工作经历对企业战略决策的影响。金融背景是企业高管的重要背景之一，一般而言，具有金融机构工作经历的高管更为熟悉金融资本的运作规律，能够洞察金融资本的投资偏好以及相关投资过程的制度安排与操作规范，有助于在企业数字技术创新过程中获取金融资本投资，有利于开展具有较高风险性与周期性的技术创新活动。从社会网络的视角来看，具有金融背景的企业高管拥有丰富的金融领域的人脉与信息，能够充分利用这些资源获取相应的金融资源，强化企业创新融资意愿，进而驱动企业数字化战略决策，提高企业数字化程度。

与上述分析相对应，高管金融背景也可能抑制了企业数字化战略决策，主要原因在于两个层面：第一，数字普惠金融以其特有的包容性和无偏性，实现了金融资源配置的时空扩大化与对象范围扩大化，减少了金融机构对部分企业的排斥行为。因此，原本需要基于高管金融背景来获取企业数字化尤其是数字技术创新的金融资源，会在一定程度上被数字普惠金融资源替代和稀释。第二，从资源配置的视角来看，由于企业数字化是具有创新资源配置导向的资源投入活动，企业需要承担相应的创新失败或未达预期绩效的风险。从这个意义上来说，具有金融背景的高管可能基于金融资源的市场逐利性以及个体的职业生涯风险，强化企业的金融化倾向。同时，具有金融背景的企业高管拥有较多银行等金融机构的资源和信息，企业融资约束相对较低，在融资环境较为宽松的情况下会强化企业的金融化倾向，强化企业对金融领域的投资与资源配置。这意味着在高管具有金融背景的情况下，企业的数字化倾向会遭到一定程度的削弱，抑制了数字普惠金融下的企业数字化倾向。基于此，本文认为，高管具有金融背景的情况下，数字普惠金融可能对企业数字化产生两种不同方向的调节效应，第一种是强化数字化战略倾向从而提高了企业数字化程度；第二种是削弱数字化战略倾向从而降低了企业数字化程度。因此，本文提出如下研究假设：

H2a：高管金融背景在数字普惠金融与企业数字化之间产生正向调节效应，即高管具有金融背景的情况下，数字普惠金融对企业数字化的驱动效应更强。

H2b：高管金融背景在数字普惠金融与企业数字化之间产生负向调节效应，即高管具有金融背景的情况下，数字普惠金融对企业数字化的驱动效应更弱。

三、研究设计

（一）样本与数据

考虑我国上市公司企业数字化数据的完整性与可得性，本文选取沪深A股上市公司为研究样本，以2013—2019年为时间范围构建企业数字化的文本挖掘数据库，并将数字普惠金融数据库与之匹配。本文的主要被解释变量企业数字化数据，通过手工搜集整理公司年报得到，然后基于Python文本挖掘技术构建企业数字化相关语义特征词库，形成与企业数字化相关的文本词频测度数据；主要解释变量为数字普惠金融，数据基于北京大学数字金融研究中心发布的《数字普惠金融指数》；企业财务与公司治理等数据主要来自CSMAR数据库和WIND数据库。上市公司的行业类型根据中国证监会《上市公司行业分类指引（2012年修订）》规定的行业代码和行业门类代码确定，所属地区根据公司注册地所在城市确定。借鉴已有研究的做法，按如下标准对初始样本进行筛选：1）剔除金融、保险行业样本；2）剔除曾被ST或PT的公司样本；3）剔除资不抵债的公司样本；4）剔除相关变量缺失的公司样本。按上述标准筛选后，最终得到共计16075个公司-年度样本观察值的面板数据。为了排除极端值的影响，本文对连续变量均进行了上下1%的Winsorize缩尾处理。

（二）变量选择

1.被解释变量：企业数字化（Digital）。目前对企业数字化缺乏较为公认统一的定义。一般而言，数字技术与其他技术的不同之处在于可重新编程性、数据的同质性和积极的网络外部性。从技术的分布领域来看，数字技术可以分为社交、移动、分析和云技术四大类，企业数字化主要是指企业利用数字技术改变企业的价值创造模式以及运营管理过程，体现为数字技术嵌入企业的研发设计、生产制造以及产品业务服务流程与销售网络之中，间接地体现为对企业价值链和商业模式的重塑。目前对企业数字化的测度主要基于企业数字化投入和基于文本挖掘关键词频的方法。基于文本挖掘关键词频的具体步骤为：首先，基于2013—2019年国家相关政策文件中关于“数字化”的阐述，提取“数字化”相关词源，确定“数字化”的相关文本检索关键词库，进一步通过文本分析方法创建检索关键词，其中的高频关键词包括互联网、大数据、人工智能、电子商务、智能化、云计算、信息技术、数字化、网络化、机器人等共128个；其次，运用Python技术抓取样本公司2013—2019年报关于“数字化”的关键词；最后，对提取的数据进行整理，以“数字化”关键词的披露次数/文本总字数衡量企业数字化程度。

2.解释变量：数字普惠金融（DIF）。北京大学数字金融研究中心不定期发布数字普惠金融指数研究报告，本文参考谢绚丽等、唐松等的相关研究，选取2021年发布的《北京大学数字普惠金融指数（2011—2020）》中各地级市层面的数字普惠金融指数作为数字普惠金融的代理变量。该指数覆盖了全国31个省份（未核算中国的港澳台地区）、337个地级以上城市，为数字普惠金融领域的研究奠定了数据基础。该指数同时还采用覆盖广度（DIF_Breadth）、使用深度（DIF_Depth）、数字化程度（DIF_Digitalize）三个指标来进一步细化数字普惠金融各维度。

3.中介变量：借鉴赵晓鸽等、梁榜和张建华以及万佳彧等的相关研究，本文选取企业融资约束（FC）、创新投入（RD）和金融错配（FM）作为中介变量，即作为数字普惠金融作用于企业数字化的传导机制变量。其中，融资约束以Hadlock & Pierce提出的SA指数衡量；企业创新投入以研发支出占营业收入比重衡量；金融错配以企业资本成本减去行业平均资本成本衡量。

4.调节变量：高管金融背景（FB）。本文借鉴杜勇等、史燕平等的相关研究，公司CEO有在金融监管部门、商业银行、政策性银行、证券公司等金融机构的工作经历，则认为公司CEO有金融背景，赋值为1，否则为0。为进一步验证检验结果的稳健性，后文剔除公司CEO在金融监管部门、政策性银行的工作经历，构建新的高管金融背景变量（FBnew）。

5.控制变量：本文主要参考肖红军和李井林、阳镇等的相关研究，选取反映企业财务特征和公司治理特征的相关变量作为控制变量，包括企业规模、资产负债率、净资产收益率、营业收入增长率、企业年龄、董事会规模、独立董事比例、两职合一、第一大股东持股比例、产权性质等。此外，模型控制了行业和时间固定效应。

综合上述，主要变量说明如表1所示。

（三）模型设定

本文设定回归模型（1）—（8），分别用于检验假设H1和H2,，具体模型设定如下：

其中，回归模型（1）的被解释变量为企业数字化（Digital），解释变量为数字普惠金融（DIF），探究数字普惠金融对企业数字化的影响，进而检验研究假设H1。回归模型（2）—（4）的被解释变量分别为融资约束（FC）、创新投入（RD）和金融错配（FM），解释变量为数字普惠金融（DIF），回归模型（5）—（7）探究数字普惠金融影响企业数字化的三种中介机制，进而检验研究假设H1a—H1c。模型（8）的解释变量为数字普惠金融（DIF），调节变量为高管金融背景（FB），进而检验研究假设H2a—H2b。所有回归模型中的Control_it为控制变量，ε_it为随机扰动项。

四、实证结果及解释

（一）描述性统计分析

表2报告了主要变量的描述性统计结果。从表2中可以看出，被解释变量中，企业数字化（Digital）的均值为0.001，方差为0.002，最小值为0，最大值为0.033，说明不同上市公司的数字化程度具有较大差异，存在部分尚未开展数字化转型的企业。解释变量中，数字普惠金融（DIF）的均值为2.29，方差为0.487，最小值为0.852，最大值为3.216，说明我国各地区数字普惠金融发展程度不一，数字普惠金融在整体上尚处于深化推进阶段。调节变量中高管金融背景（FB）的均值为0.024，方差为0.152，最小值为0，最大值为1，说明我国上市公司CEO具有金融背景的比例相对偏低，大部分CEO不具有金融机构的工作经历，且不同上市公司CEO金融背景具有较为明显的异质性。

（二）主回归：数字普惠金融对企业数字化的影响

本文首先通过Hausman检验确定应该使用固定效应模型还是随机效应模型，Hausman检验结果拒绝使用随机效应模型的假设，因此使用固定效应模型。基于回归模型（1）设定，使用OLS方法检验研究假设H1，即考察数字普惠金融（DIF）对企业数字化（Digital）的影响。表3结果表明，在逐步加入企业财务特征与公司治理特征控制变量后，数字普惠金融对企业数字化的影响始终为正，列（3）数字普惠金融（DIF）的回归系数为0.001，通过了1%水平下的显著性检验，从而验证了研究假设H1。这说明，数字普惠金融发展程度越高，企业数字化程度越高。数字普惠金融对企业数字化具有较为明显的推动作用，它增强了企业数字技术创新与数字管理创新的资源基础，提升了企业数字化过程中的融资支持，进而提高了企业数字化程度。

（三）分维度检验：数字普惠金融各维度对企业数字化的影响

本文进一步考察数字普惠金融各维度对企业数字化的影响，具体包括数字普惠金融覆盖广度、使用深度、数字化程度。在中国数字金融普惠发展指数中，覆盖广度主要根据地区支付宝账户数量衡量，是数字金融覆盖人群的评价指标；使用深度主要基于地区使用互联网金融服务的频率衡量；数字化程度从数字支持效率与数字服务环境维度反映地区数字普惠金融水平。本文基于回归模型（1），分别考察了数字普惠金融覆盖广度、使用深度、数字化程度对企业数字化的影响。表4的列（1）—（3）结果表明，数字普惠金融覆盖广度、使用深度、数字化程度三个维度均对企业数字化产生显著影响，研究假设H1再次得到验证。这意味着，数字普惠金融既需要提高覆盖广度和使用深度，也需要提高数字化程度，以更好地推动企业数字化。

（四）稳健性检验

为验证主回归结果的稳健性，本文采用替换因变量方法和替换回归模型方法重新进行检验。对于企业数字化的测度，首先替换为“数字化”关键词频数的对数（Digital1）。表5的列（1）结果表明，数字普惠金融的回归系数为0.784，通过了1%水平下的显著性检验，研究假设H1依然得到验证。更进一步，缩小“数字化”关键词范围，选取75个最重要的关键词，分别形成关键词频数的对数（Digital2）与关键词频数（Digital3）两个变量。表5的列（2）—（3）结果表明，数字普惠金融对企业数字化的影响为正，通过了1%水平下的显著性检验，研究假设H1再次得到验证。

本文测度的样本中，存在企业数字化变量为0的情况，即部分企业文本中未包含“数字化”关键词。考虑到使用OLS方法所得估计结果的偏误，采用Tobit模型重新考察数字普惠金融对企业数字化的影响。表5的列（4）—（5）结果表明，不论是替换回归模型，还是同时替换回归模型和因变量，数字普惠金融对企业数字化的影响依然显著为正，研究假设H1依然得到验证，主回归结果稳健。

（五）内生性检验

在本文的回归模型中，数字普惠金融与企业数字化之间的互为因果问题不明显，即企业个体层面的数字化程度难以引致整个地区数字普惠金融水平的改变，但是可能存在由于遗漏变量以及样本偏差带来的内生性问题。为此，本文采用三种方法进行内生性检验。第一种方法，解释变量数字普惠金融滞后一期（L.DIF），表6的列（1）结果表明，数字普惠金融对企业数字化的影响为正，通过了1%水平下的显著性检验。第二种方法，控制地区层面的互联网水平（Internet），采用各省份网络普及率衡量地区互联网发展水平，表6的列（2）结果表明，数字普惠金融对企业数字化的影响为正，通过了1%水平下的显著性检验。第三种方法，选取数字普惠金融水平滞后一期（L.DIF）作为工具变量，使用两阶段回归法重新进行检验，表6的列（3）—（4）结果表明，数字普惠金融对企业数字化的影响依然显著为正，在第二阶段结果中，回归系数为0.001，通过了1%水平下的显著性检验。以上的内生性检验结果再次证实主回归结果稳健。

五、机制检验与价值效应

（一）中介机制检验

本文进一步考察数字普惠金融对企业数字化影响的中介机制，即数字普惠金融发展是否通过缓解融资约束、强化创新投入、改善金融错配影响企业数字化，进而验证研究假设H1a—H1c。根据温忠麟和叶宝娟提出的中介效应检验方法，对回归模型（2）—（7）进行检验，表7报告了回归结果，其中，列（1）是表3的列（3）主回归结果。

一是缓解融资约束的中介机制检验。采用Hadlock & Pierce所提出的SA指数来衡量企业融资约束程度，该值越大，融资约束程度越小。首先检验数字普惠金融对融资约束（FC）的影响。列（2）结果表明，数字普惠金融对融资约束的影响为正，回归系数为0.116，通过了1%水平下的显著性检验。然后检验数字普惠金融与融资约束对企业数字化的共同影响。列（3）结果表明，数字普惠金融对企业数字化的影响显著为正，且与列（1）的回归系数相比变小。由此可见，融资约束在数字普惠金融与企业数字化之间起到中介作用，说明数字普惠金融通过缓解企业融资约束间接影响企业数字化，研究假设H1a得到验证。

二是强化创新投入的中介机制检验。首先检验数字普惠金融对创新投入（RD）的影响。列（4）结果表明，数字普惠金融对创新投入的影响为正，回归系数为0.009，通过了1%水平下的显著性检验。然后检验数字普惠金融与创新投入对企业数字化的共同影响。列（5）结果表明，数字普惠金融对企业数字化的影响显著为正，且与列（1）的回归系数值相比变小。由此可见，创新投入在数字普惠金融与企业数字化之间起到中介作用，说明数字普惠金融通过强化创新投入间接影响企业数字化，研究假设H1b得到验证。

三是改善金融错配的中介机制检验。首先检验数字普惠金融对金融错配（FM）的影响。列（6）结果表明，数字普惠金融对金融错配的影响为负，回归系数为-0.153，通过了1%水平下的显著性检验。然后检验数字普惠金融与金融错配对企业数字化的共同影响。列（7）结果表明，数字普惠金融对企业数字化的影响显著为正，且与列（1）的回归系数值相比变小。由此可见，金融错配在数字普惠金融与企业数字化之间起到中介作用，说明数字普惠金融通过改善金融错配间接影响企业数字化，研究假设H1c得到验证。

（二）调节效应检验：高管金融背景的替代效应

本文进一步考察高管金融背景在数字普惠金融与企业数字化之间的调节效应，以检验互斥的研究假设H2a和H2b哪个成立。表8中的列（1）报告了高管金融背景在数字普惠金融与企业数字化之间调节效应的回归结果。其中，数字普惠金融与高管金融背景交互项（FM ∗ DIF）对企业数字化的影响为负，通过了5%水平下的显著性检验。这表明，高管金融背景在数字普惠金融与企业数字化之间起到负向调节作用，高管金融背景抑制了数字普惠金融对企业数字化的推动作用。可能的原因在于：一方面，在利用数字普惠金融推动企业数字化时，高管金融背景对缓解融资约束发挥了替代效应。具有金融背景的高管，一般而言能够获得更多金融资源，缓解了企业数字化过程中的融资约束。另一方面，具有金融背景的高管强化了企业金融化导向而非创新导向，基于资本的逐利性最大化所获取金融资源的收益。基于此，本文提出的研究假设H2b得到验证。为进一步检验回归结果的稳健性，在原高管金融背景变量中剔除金融监管部门、政策性银行工作经历，形成新的高管金融背景变量（FMnew），重新考察其在数字普惠金融与企业数字化之间的调节作用。列（2）结果表明，数字普惠金融与高管金融背景交互项（FMnew ∗ DIF）对企业数字化的影响依然为负，通过了5%水平下的显著性检验。这说明，高管金融背景在数字普惠金融与企业数字化之间依然起到负向调节作用，研究假设H2b成立且稳健。

（三）价值效应：企业创新绩效与盈利能力

本文进一步考察数字普惠金融推动企业数字化的价值效应。基于知识基础观与开放式创新理论，企业数字化能够显著改善企业创新链的开放程度，更好地基于数字技术捕获企业创新过程中的知识，吸收与整合创新所需要的各类异质性知识；更好地基于开放式创新平台实现用户创新导向，强化企业与外部知识主体的创新合作，最终提高企业的创新绩效。基于此，本文进一步检验企业数字化在数字普惠金融与企业创新绩效之间的中介效应。企业创新绩效（lnApply）用企业专利申请数量衡量。遵循中介效应的一般检验程序，表9的列（1）结果表明，数字普惠金融对企业创新绩效的影响显著为正，列（2）在加入企业数字化之后，数字普惠金融对企业创新绩效的回归系数变为0.481，相比于列（1）的0.490有所下降，通过了1%水平下的显著性检验。这说明，企业数字化在数字普惠金融与企业创新绩效之间产生中介效应，企业数字化能够通过提升知识捕获、吸收与整合能力以及强化创新合作等方式提升企业创新绩效，发挥了数字普惠金融推动企业数字化的价值效应。

本文进一步检验企业数字化在数字普惠金融与企业盈利能力之间的中介效应。企业盈利能力（ROA）用资产收益率衡量。遵循中介效应的一般检验程序，表9的列（3）结果表明，数字普惠金融对企业盈利能力的影响显著为正，列（4）在加入企业数字化之后，数字普惠金融对企业盈利能力的回归系数为0.002，通过了1%水平下的显著性检验。这说明，企业数字化在数字普惠金融与企业盈利能力之间产生中介效应，发挥了数字普惠金融推动企业数字化的价值效应。

六、异质性分析

本文进一步考察数字普惠金融对企业数字化影响的异质性，包括产权异质性、行业异质性、企业规模异质性。

从产权异质性来看，国有产权具备天然的公共属性，且具有天然的政治关联，相比于非国有产权，其在市场中能够获得更多的融资支持。因此，数字普惠金融对企业数字化的影响具有产权异质性。本文以企业最终控制人性质定义国有产权，表10的列（1）与列（2）结果表明，无论是国有企业还是非国有企业，数字普惠金融对企业数字化的影响均显著为正，但相比于国有企业，在非国有企业中，数字普惠金融对企业数字化的推动作用更明显。

从行业异质性来看，制造业是我国实体经济的主体，在数字强国与制造强国的战略背景下，制造企业数字化转型压力和动力相比于非制造企业而言更大；同时，在制造企业金融资源不足以及创新研发动力不足的现实情况下，制造企业的数字化更需要外部金融资源支持。基于中国证监会《上市公司行业分类指引（2012年修订）》提供的行业代码，将上市公司隶属行业门类代码为C（制造业）的企业定义为制造企业，其他企业为非制造企业。列（3）与列（4）结果表明，无论是制造企业还是非制造企业，数字普惠金融对企业数字化的影响均显著为正，但相比于非制造企业，在制造企业中，数字普惠金融对企业数字化的推动作用更明显。

从企业规模异质性来看，不同规模企业的融资环境以及融资渠道的丰富度不同，数字普惠金融能够在一定程度上减少传统金融对中小企业的排斥，改善金融错配。本文对企业规模的测算为相对规模，即首先计算所有样本企业的规模均值，再将大于均值的企业定义为大企业，小于等于均值的企业定义为中小企业。列（5）与列（6）结果表明，无论是大企业还是中小企业，数字普惠金融对企业数字化的影响均显著为正，但相比大企业，在中小企业中，数字普惠金融对企业数字化的推动作用更明显。

七、研究结论与启示

（一）研究结论

迈入新发展阶段，如何在宏观层面推动数字经济发展，在微观层面推动企业数字化转型，成为我国实现经济高质量发展的重大现实问题。本文从外部金融环境视角出发，基于2013—2019年沪深A股上市公司样本，考察数字普惠金融对企业数字化的影响与内在机理。研究结果表明：第一，数字普惠金融深入赋能企业数字化，对企业数字化产生显著的促进效应，且数字普惠金融覆盖广度、使用深度和数字化程度对企业数字化均产生显著的促进效应。第二，中介机制检验结果表明，数字普惠金融主要通过三类机制推动企业数字化，包括缓解融资约束、强化创新投入、改善金融错配。第三，调节机制检验结果表明，高管金融背景在数字普惠金融与企业数字化之间产生显著的负向调节效应，以金融化导向替代了创新导向。第四，价值效应检验结果表明，企业数字化提升了企业创新绩效与盈利能力。第五，异质性分析结果表明，数字普惠金融对企业数字化的促进效应在非国有企业、制造企业和中小企业中更为显著。

（二）政策与管理启示

本文的研究结论为政府促进数字普惠金融发展、改善金融环境提供了新的政策启示，也为推动与深化企业数字化建设提供了新的管理启示。

对于政府而言：第一，要高度重视数字普惠金融对微观市场主体的数字技术利用与融资的赋能增效作用。数字普惠金融以其特有的渗透性、包容性与普惠性优化各类市场主体对金融资源的分配与共享。一方面，基于数字普惠金融发展带动企业创新链建设、产业链建设，破解创新型国家建设中所面临的共性的和关键核心的数字技术难题；另一方面，进一步加强面向企业数字化的融资基础设施建设，为不同类型的企业尤其是中小企业提供直接专项金融工具。第二，加快针对数字普惠金融的法律法规等制度建设，避免企业利用制度漏洞与制度空白不正当地获取稀缺的金融资源；加强对数字普惠金融支持对象的引导，避免大企业利用数字普惠金融等金融工具开展企业金融化活动，尤其是要重点监管制造企业金融化问题，对制造企业利用数字普惠金融开展主营业务之外的金融业务实施清单式监管，避免制造企业金融化活动衍生出实体经济“脱实向虚”问题。第三，加快建立面向数字经济主战场的企业数字化转型的政策激励体系，基于不同行业类型以及数字化需求环境的差异性，分类分层地精准施策，基于产业政策、创新政策与科技政策等多类政策协同，为企业数字化提供外部政策环境支持。用好政府直接性补贴与功能性普惠性政策的组合拳，优化企业数字化的政策环境。

对于企业而言：第一，在数字技术快速发展的背景下，企业应积极通过数字化战略重塑企业战略体系，抓住企业数字化转型的窗口期和机遇期，通过企业数字化转型实现企业创新链与产业链的深度数字化。第二，企业创新投入是数字普惠金融推动企业数字化的重要中介机制，要充分利用数字普惠金融获取的金融资源开展企业数字化转型与数字技术创新，避免金融资源在企业机会主义导向和市场逻辑导向下的“脱实向虚”，在数字场景开发、数字技术应用和数字化管理等方面增加投入，让企业数字化转型不断向纵深发展。第三，在企业内部治理层面，完善基于数字战略实施体系下的企业高管的选聘与晋升制度，重视高管激励的制度建设，更好地激励高管利用数字普惠金融下的创新融资机遇，做出长期导向与创新导向的数字化创新战略决策。

（三）研究局限与未来展望

本文的研究存在一定的局限性，主要表现为三个方面：第一，企业数字化是一个多维构念，而本文对企业数字化的测度基于数字化的相关关键词，可能有一定的偏差性。未来将进一步探索企业数字化的不同维度测度指标，如基于问卷调查、管理层语义分析以及企业年报披露信息等综合手段，深化企业数字化的测度指标与测量方法研究。第二，数字普惠金融对不同类型企业数字化的异质性作用机制检验不全面，如上市企业与非上市企业可能存在异质性。本文基于上市企业数据的可得性，仅检验和分析了数字普惠金融对上市企业数字化的影响机理，未来可通过问卷调查与文本分析等途径，将研究领域拓展至非上市企业。第三，本文在调节机制研究中，仅考察了企业高管金融背景，对于企业内外部因素缺乏系统和全面的实证研究，未来需要更深入、完整地考察内外部因素对数字普惠金融推动企业数字化的替代和协同机制。

(本文载于《吉林大学社会科学学报》2022年第6期，注释从略，如有需要请参阅原文。全文图片除特殊声明者外，均由作者提供。)