魯小凡,竇錢斌,王仁文

(1.中國(guó)科學(xué)技術(shù)大學(xué) 人文與社會(huì)科學(xué)學(xué)院,合肥 230026;2.中國(guó)科學(xué)技術(shù)大學(xué) 知識(shí)產(chǎn)權(quán)研究院,合肥 230026;3.安徽財(cái)經(jīng)大學(xué) 合肥高等研究院,合肥 230071)

引 言

向依托全要素生產(chǎn)率提高的內(nèi)生增長(zhǎng)轉(zhuǎn)型成為我國(guó)邁向高質(zhì)量發(fā)展階段的關(guān)鍵環(huán)節(jié),而全要素生產(chǎn)率的提高離不開金融體系的支持。既有研究表明企業(yè)全要素生產(chǎn)率的提高與金融支持關(guān)系密切[1],但不完備的金融市場(chǎng)會(huì)抑制企業(yè)全要素生產(chǎn)率的提升[2]。這是因?yàn)閭鹘y(tǒng)金融體系支持實(shí)體企業(yè)的主要方式是以銀行等機(jī)構(gòu)向企業(yè)提供信貸業(yè)務(wù)[3],雖可為企業(yè)生產(chǎn)經(jīng)營(yíng)和技術(shù)創(chuàng)新提供資金支持從而提高生產(chǎn)率水平,卻無(wú)法根據(jù)不同企業(yè)融資貸款情況進(jìn)行精準(zhǔn)金融支持,極易造成金融資源錯(cuò)配從而降低配置效率,進(jìn)一步抑制了全要素生產(chǎn)率的提升[4-5]。而數(shù)字金融作為一種新型金融行為模式[6],具有一定的“技術(shù)溢出效應(yīng)”[7-8]。其可通過利用大數(shù)據(jù)、人工智能等信息技術(shù)精準(zhǔn)識(shí)別企業(yè)特征,有效緩解傳統(tǒng)金融機(jī)構(gòu)面臨的信息不對(duì)稱難題進(jìn)而提高資源配置效率[9]。隨著數(shù)字技術(shù)在金融服務(wù)中的廣泛應(yīng)用,金融資源開始從物理空間向虛擬空間轉(zhuǎn)移,一定程度上扭曲了過去地理空間中傳統(tǒng)信貸資源的分布狀態(tài),進(jìn)而導(dǎo)致那些依賴于金融資源從事生產(chǎn)的企業(yè)行為發(fā)生改變。那么數(shù)字金融究竟能否促進(jìn)企業(yè)全要素生產(chǎn)率,進(jìn)而助力高質(zhì)量發(fā)展?

大多數(shù)學(xué)者認(rèn)為數(shù)字金融可以促進(jìn)企業(yè)全要素生產(chǎn)率[2,10-11],但作用路徑有一定差異。有學(xué)者認(rèn)為,數(shù)字技術(shù)是全要素生產(chǎn)率增長(zhǎng)的主要驅(qū)動(dòng)力,隨著數(shù)字技術(shù)的引入會(huì)加速傳統(tǒng)金融機(jī)構(gòu)的內(nèi)部競(jìng)爭(zhēng),激發(fā)銀行服務(wù)企業(yè)的內(nèi)生動(dòng)力,逼迫其為維持自身績(jī)效而主動(dòng)尋找有金融服務(wù)需求的優(yōu)質(zhì)企業(yè),有效解決金融供給方和需求方的信息不對(duì)稱,暢通企業(yè)融資渠道,從而影響企業(yè)全要素生產(chǎn)率[12-13]。還有學(xué)者認(rèn)為,數(shù)字金融可以有效降低企業(yè)金融獲取門檻,有利于企業(yè)通過利用外部資金擴(kuò)大R&D投入規(guī)模,增強(qiáng)技術(shù)創(chuàng)新能力,減少生產(chǎn)成本,提升全要素生產(chǎn)率[14-15]。但對(duì)不同規(guī)模、不同屬性、不同地區(qū)的企業(yè)促進(jìn)效應(yīng)卻有較大差距[16-17]。目前,有關(guān)數(shù)字金融、企業(yè)全要素生產(chǎn)率研究的文獻(xiàn)較為豐富,既有研究肯定了數(shù)字金融發(fā)展帶來(lái)的正向積極效應(yīng),但大多聚焦于考察宏觀層面數(shù)字金融對(duì)省份或者城市全要素生產(chǎn)率的影響,在企業(yè)層面也大多聚焦于企業(yè)內(nèi)部視角探討影響機(jī)制。但數(shù)字金融作為宏觀政策,并不直接影響企業(yè)微觀主體的經(jīng)營(yíng)狀況,目前研究較為缺乏討論影響企業(yè)全要素生產(chǎn)率的宏觀作用機(jī)制。那么數(shù)字金融發(fā)展是否能對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生促進(jìn)作用?如果數(shù)字金融能賦能企業(yè)全要素生產(chǎn)率的發(fā)展,那么其宏觀作用機(jī)制又包括哪些?

基于上述背景,本文以2011—2017年滬深兩市上市公司數(shù)據(jù)為基礎(chǔ),將其與數(shù)字普惠金融指數(shù)匹配后構(gòu)造出一個(gè)準(zhǔn)自然實(shí)驗(yàn),通過雙重差分法識(shí)別了數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的影響,并在異質(zhì)效應(yīng)方面談?wù)摿斯蓹?quán)集中度、企業(yè)規(guī)模和資本密集度。同時(shí),本文還以全新視角探究了數(shù)字金融如何影響企業(yè)全要素生產(chǎn)率這一問題。研究表明,數(shù)字金融一方面通過調(diào)節(jié)區(qū)域市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度影響企業(yè)全要素生產(chǎn)率,另一方面通過提升勞動(dòng)力要素成本,倒逼企業(yè)提高全要素生產(chǎn)率。

本文與以往研究的區(qū)別:(1)豐富了該領(lǐng)域的研究視角。既有文獻(xiàn)較多關(guān)注到了傳統(tǒng)金融模式和金融結(jié)構(gòu)對(duì)企業(yè)全要素生產(chǎn)率的影響,但數(shù)字金融作為新型金融業(yè)態(tài),其對(duì)企業(yè)全要素生產(chǎn)率的影響還有待深入探討。(2)本文基于異質(zhì)性視角分別研究了在不同股權(quán)集中度、不同規(guī)模、不同資本密集度企業(yè)中數(shù)字金融的促進(jìn)效應(yīng),為理解數(shù)字金融精準(zhǔn)服務(wù)企業(yè)提供了依據(jù)。(3)不同于已有文獻(xiàn)探討數(shù)字金融通過降低企業(yè)融資難度或提高創(chuàng)新水平影響全要素生產(chǎn)率的作用路徑,本文通過引入市場(chǎng)競(jìng)爭(zhēng)和勞動(dòng)力成本兩個(gè)宏觀環(huán)境因素詳細(xì)闡述了數(shù)字金融影響企業(yè)全要素生產(chǎn)率的全新機(jī)制,為數(shù)字金融更好服務(wù)企業(yè)全要素生產(chǎn)率的提升提供了理論借鑒。

一、特征性事實(shí)與研究假說

(一)特征性事實(shí)

首先,根據(jù)“數(shù)字金融—企業(yè)全要素生產(chǎn)率”的假說,我們從兩方面考察特征性事實(shí)。一方面,通過公式(1)利用企業(yè)收入規(guī)模的權(quán)重,將微觀的全要素生產(chǎn)率加總到地區(qū)層面,可以直觀地觀察某地區(qū)加權(quán)平均的全要素生產(chǎn)率水平。

(1)

特征性事實(shí)1:數(shù)字金融發(fā)展水平越高的地區(qū),其平均技術(shù)水平也越高。下圖1顯示,無(wú)論是從全要素生產(chǎn)率的加權(quán)平均還是從地區(qū)人均GDP去構(gòu)建技術(shù)水平的替代指標(biāo),數(shù)字金融指數(shù)與其均表現(xiàn)出顯著的正相關(guān)關(guān)系。

圖1 數(shù)字金融指數(shù)與地區(qū)平均技術(shù)水平(1)簡(jiǎn)化起見,圖1僅展示了2018年的情形,其余樣本年份也出現(xiàn)了類似特征。

出現(xiàn)這一特征事實(shí)的原因有可能來(lái)自企業(yè)所處宏觀市場(chǎng)環(huán)境的變化嗎?我們從影響企業(yè)生產(chǎn)行為的最重要兩個(gè)宏觀環(huán)境因素來(lái)考察:一是市場(chǎng)競(jìng)爭(zhēng)程度,二是市場(chǎng)要素成本。若數(shù)字金融發(fā)展水平與這些因素存在顯著的事實(shí)關(guān)聯(lián),可能在一定程度上說明了數(shù)字金融發(fā)展水平改變了當(dāng)?shù)氐暮暧^市場(chǎng)環(huán)境,進(jìn)而對(duì)企業(yè)的生產(chǎn)行為產(chǎn)生影響。

基于圖2,我們可進(jìn)一步觀察到如下兩個(gè)特征性事實(shí):

圖2 數(shù)字金融、地區(qū)市場(chǎng)競(jìng)爭(zhēng)與勞動(dòng)力要素成本

特征性事實(shí)2:區(qū)域數(shù)字金融發(fā)展水平越高,市場(chǎng)競(jìng)爭(zhēng)程度越高。通過采用樊綱、王小魯編撰的《中國(guó)市場(chǎng)化指數(shù)》來(lái)直觀描述地區(qū)市場(chǎng)競(jìng)爭(zhēng)程度(2)由于《中國(guó)市場(chǎng)化指數(shù)》只有省級(jí)層面的數(shù)據(jù),后文的實(shí)證分析,會(huì)通過構(gòu)造更加細(xì)致的地級(jí)市級(jí)別的競(jìng)爭(zhēng)程度指標(biāo)來(lái)考察地區(qū)市場(chǎng)競(jìng)爭(zhēng)水平。,地區(qū)市場(chǎng)化指數(shù)越高則一定程度說明了該區(qū)域市場(chǎng)機(jī)制越完善,市場(chǎng)競(jìng)爭(zhēng)機(jī)制體現(xiàn)得也越明顯。根據(jù)圖2A,數(shù)字金融指數(shù)與市場(chǎng)化指數(shù)之間具有正相關(guān)關(guān)系,這可能說明了地區(qū)數(shù)字金融發(fā)展越好,該地區(qū)的市場(chǎng)競(jìng)爭(zhēng)越強(qiáng)。

特征性事實(shí)3:數(shù)字金融發(fā)展水平越高的地區(qū),勞動(dòng)力要素成本越高。我們主要通過勞動(dòng)力要素成本去考察企業(yè)所面臨的要素市場(chǎng)環(huán)境,在崗職工平均工資指標(biāo)可以代表地區(qū)的勞動(dòng)力要素成本高低。由圖2B可見,地區(qū)數(shù)字金融發(fā)展水平與該地在崗職工平均工資的對(duì)數(shù)呈現(xiàn)出較強(qiáng)的正相關(guān)性。

(二)研究假設(shè)

數(shù)字金融是一種促進(jìn)信息共享的數(shù)字化方式[18]。其將信息處理、數(shù)據(jù)通信、云計(jì)算等相關(guān)技術(shù)作用于金融領(lǐng)域開展大數(shù)據(jù)分析,有效降低了金融業(yè)務(wù)模式的交易成本和門檻,在空間層面挖掘了金融服務(wù)的廣度和深度。同時(shí)數(shù)字金融以其低成本、低門檻的特性構(gòu)建了共享、便捷、安全的數(shù)據(jù)體系,全面提升金融服務(wù)水平[19-20]。數(shù)字金融與傳統(tǒng)金融的差異化體現(xiàn)在金融市場(chǎng)中有許多具有非普遍性和非大眾化的金融需求人群,但若通過常規(guī)的金融服務(wù)手段則需要花費(fèi)極大的人力物力,但投資回報(bào)很低,機(jī)會(huì)成本過高。而由數(shù)字技術(shù)加持的數(shù)字金融體現(xiàn)了金融科技的初衷和目標(biāo),讓被現(xiàn)代金融服務(wù)鎖在門外的人群更易獲得高質(zhì)量金融服務(wù)。正因如此,數(shù)字金融的外部性、可得性等特征對(duì)于我們理解其對(duì)企業(yè)全要素生產(chǎn)率的影響機(jī)制是不可或缺的,這是因?yàn)閿?shù)字金融改變了企業(yè)發(fā)展的外部環(huán)境,即市場(chǎng)競(jìng)爭(zhēng)環(huán)境和要素成本環(huán)境。市場(chǎng)環(huán)境的改變導(dǎo)致企業(yè)生產(chǎn)行為發(fā)生變化,企業(yè)全要素生產(chǎn)率隨之改變。

具體而言:從市場(chǎng)競(jìng)爭(zhēng)的角度看,一方面數(shù)字金融主要依賴于信息技術(shù)與金融業(yè)務(wù)的深度融合,提升金融數(shù)據(jù)的挖掘能力和處理效率。而數(shù)據(jù)作為信息的載體,通過降低數(shù)據(jù)獲取和處理難度解決了信息不對(duì)稱問題,使得買賣雙方對(duì)彼此情況更為了解,降低了信用風(fēng)險(xiǎn),解決了企業(yè)融資困難問題,讓傳統(tǒng)主流金融行業(yè)無(wú)法提供服務(wù)的企業(yè)能較快獲得資金去用于研發(fā)、生產(chǎn)和經(jīng)營(yíng)等活動(dòng)。另一方面,數(shù)字技術(shù)賦予了數(shù)字金融可以在不受時(shí)空限制的情況下降低線下市場(chǎng)經(jīng)濟(jì)的信息壁壘,驅(qū)動(dòng)企業(yè)通過對(duì)接市場(chǎng)數(shù)據(jù)庫(kù)和各類平臺(tái),更易獲取大量市場(chǎng)數(shù)據(jù),并利用現(xiàn)代信息技術(shù)的海量?jī)?chǔ)存和智能分析方法,便捷高效地篩選出有益企業(yè)發(fā)展的行業(yè)動(dòng)態(tài)和市場(chǎng)情報(bào),從而調(diào)整其生產(chǎn)研發(fā)方向,提高企業(yè)競(jìng)爭(zhēng)力。以上兩方面最后導(dǎo)致了金融服務(wù)成本下降,企業(yè)獲益難度降低,越來(lái)越多的企業(yè)會(huì)主動(dòng)選擇在數(shù)字金融發(fā)展較好地區(qū)集聚,導(dǎo)致“優(yōu)勝劣汰”的情況愈發(fā)嚴(yán)重,進(jìn)一步“逼迫”企業(yè)進(jìn)行技術(shù)創(chuàng)新從而免遭淘汰[21]。而原本處于技術(shù)優(yōu)勢(shì)的企業(yè)為保持相對(duì)優(yōu)勢(shì)也必須進(jìn)行創(chuàng)新,由此帶來(lái)更高的生產(chǎn)率。據(jù)此,本文提出如下假設(shè):

H1:數(shù)字金融將通過市場(chǎng)競(jìng)爭(zhēng)的自選擇效應(yīng)提高企業(yè)全要素生產(chǎn)率

從勞動(dòng)力要素成本的角度看,地區(qū)數(shù)字金融發(fā)展越好,會(huì)放大該地區(qū)的貨幣乘數(shù)和貨幣流通速度,導(dǎo)致資本要素變多。在地區(qū)間要素?zé)o法有效自由流動(dòng)的情況下,資本要素的增加會(huì)導(dǎo)致資本價(jià)格反向變化,勞動(dòng)力要素價(jià)格則是正向變化。而在地區(qū)間要素能夠相對(duì)自由流動(dòng)的情況下,數(shù)字金融發(fā)展越好的地區(qū),資本要素會(huì)向價(jià)格較高的地方流動(dòng),進(jìn)而提高周邊地區(qū)的資本要素水平,帶動(dòng)周邊地區(qū)勞動(dòng)力要素價(jià)格上升,即數(shù)字金融的發(fā)展會(huì)對(duì)周邊地區(qū)企業(yè)的全要素生產(chǎn)率產(chǎn)生溢出效應(yīng)。所以隨著地區(qū)數(shù)字金融的發(fā)展,該地區(qū)的勞動(dòng)力要素價(jià)格都會(huì)上升。而這種由數(shù)字金融所帶來(lái)的外生性成本上升擴(kuò)大了企業(yè)技術(shù)投入前后的利潤(rùn)差距,倒逼企業(yè)更傾向于增加技術(shù)投入來(lái)提升全要素生產(chǎn)率[22]。據(jù)此,本文提出如下假設(shè):

H2:數(shù)字金融通過提升勞動(dòng)力要素成本,倒逼企業(yè)加大對(duì)知識(shí)和技術(shù)資本的投入,產(chǎn)出的創(chuàng)新成果將進(jìn)一步支撐企業(yè)全要素生產(chǎn)率的提高

二、因果識(shí)別策略與變量說明

(一)因果識(shí)別策略

為精準(zhǔn)識(shí)別數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的影響效應(yīng),本文將數(shù)字金融作為一個(gè)外生政策沖擊,采用準(zhǔn)自然實(shí)驗(yàn)框架下的雙重差分法(DID)構(gòu)造如下模型:

TFPft=α+βDIF×Post13t+γControl+δf+δt+εft

(2)

其中,下標(biāo)f、tδf+δp+δt分別代表企業(yè)和時(shí)間;被解釋變量TFPft代表企業(yè)全要素生產(chǎn)率的對(duì)數(shù);DIF為本文對(duì)地區(qū)數(shù)字金融指數(shù)進(jìn)行分組的變量,具體解釋見后文;Post13t代表中國(guó)開始實(shí)施數(shù)字金融的時(shí)間虛擬變量,業(yè)內(nèi)將2013年余額寶的出現(xiàn)視為中國(guó)數(shù)字金融發(fā)展的元年,因此我們將政策沖擊的年份設(shè)定為2013年,2013年及以后取值為1,否則為0;DIF×Post13t的系數(shù)β是數(shù)字金融發(fā)展水平對(duì)中國(guó)制造業(yè)企業(yè)全要素生產(chǎn)率的因果效應(yīng)。若β>0,則表示在外生政策沖擊下數(shù)字金融發(fā)展水平較高地區(qū)的企業(yè)(treat組)相比較低地區(qū)的企業(yè)(control組)而言,企業(yè)的全要素生產(chǎn)率更高,即數(shù)字金融發(fā)展越好,區(qū)域企業(yè)全要素生產(chǎn)率越高。Control代表一系列可能影響全要素生產(chǎn)率的控制變量集合;δf和δt分別代表個(gè)體和年份的固定效應(yīng);εft為隨機(jī)誤差項(xiàng)。

為了識(shí)別假設(shè)H1和假設(shè)H2的影響機(jī)制,基于式(2)我們進(jìn)一步構(gòu)造如下計(jì)量模型:

Channels=α+βDIF×Post13t+γControl+δf+δt+εft

(3)

其中,Channels為渠道變量,分別從市場(chǎng)競(jìng)爭(zhēng)程度和勞動(dòng)力要素成本兩個(gè)維度進(jìn)行考察,變量的具體構(gòu)造過程見下文。其他變量的含義與式(2)保持一致。

(二)變量說明

1.被解釋變量

企業(yè)全要素生產(chǎn)率的對(duì)數(shù)(TFP)。關(guān)于全要素生產(chǎn)率的測(cè)算,常見的主要有OLS、OP、GMM和LP等。參考聶輝華和賈瑞雪(2011)[23]的測(cè)算過程,并使用OP法對(duì)企業(yè)全要素生產(chǎn)率進(jìn)行估計(jì),用LP法計(jì)算的TFP進(jìn)行穩(wěn)健性檢驗(yàn)。

2.解釋變量

核心解釋變量為數(shù)字金融分組變量(DIF)和政策沖擊的時(shí)間虛擬變量(Post13t)?！稊?shù)字普惠金融指數(shù)》是北京大學(xué)結(jié)合螞蟻金服大數(shù)據(jù)技術(shù)編制出的衡量我國(guó)地區(qū)層面數(shù)字金融發(fā)展水平的數(shù)據(jù)庫(kù)[24]。需要說明的是:第一,業(yè)內(nèi)普遍認(rèn)為2013年是中國(guó)數(shù)字金融發(fā)展元年,因此我們對(duì)于政策沖擊變量的設(shè)定是以2013年為界而不是數(shù)據(jù)庫(kù)中的起始年份2011年。第二,與既有文獻(xiàn)采用面板數(shù)據(jù)直接進(jìn)行回歸的做法不同[25-26],本文利用各地區(qū)在2013—2017年數(shù)字金融指數(shù)的年均值構(gòu)造了地區(qū)分組變量DIF。該變量不隨時(shí)間維度變化,僅隨個(gè)體維度而變化。該構(gòu)造方法可較好區(qū)分出不同地區(qū)個(gè)體在數(shù)字金融政策沖擊下受到政策影響的程度。分組指數(shù)越高代表該地區(qū)數(shù)字金融發(fā)展水平越高,可以說明個(gè)體維度在2013年政策沖擊下該地區(qū)受到數(shù)字金融政策影響的程度越大,可以將其視為處理組(treat),反之,若該地區(qū)的分組指數(shù)越低,則代表了在個(gè)體維度受到政策實(shí)施的影響較小,可以視為控制組(control)(3)進(jìn)行這樣構(gòu)造的一個(gè)前提假設(shè)是,2013—2017各年份中地區(qū)之間數(shù)字金融發(fā)展水平的相對(duì)排名不大,否則可能導(dǎo)致構(gòu)造出的分組變量無(wú)法真實(shí)反映個(gè)體受到政策沖擊的影響程度。。因此,本文進(jìn)一步考察了各年份之間數(shù)字金融指數(shù)的相關(guān)性情況。圖3顯示,以2013年作為初始年份,數(shù)字金融發(fā)展水平越高的地區(qū),其在2014年、2016年和2017年的數(shù)字金融發(fā)展水平也相對(duì)越高,具有顯著的正相關(guān)性,說明分組變量DIF的構(gòu)造具有一定的穩(wěn)健性。另外,本文也使用了2013年初始年份的數(shù)字金融指數(shù)(DIF1)作為分組變量的替代變量,用于穩(wěn)健性檢驗(yàn)。

圖3 不同年份的數(shù)字金融發(fā)展水平相關(guān)度

3.渠道變量

本文渠道變量包含市場(chǎng)競(jìng)爭(zhēng)和勞動(dòng)力成本。其中,勞動(dòng)力成本指標(biāo)參照林煒(2013)[27]的方法,以在崗職工平均工資的對(duì)數(shù)來(lái)衡量。而市場(chǎng)競(jìng)爭(zhēng)指標(biāo)則參照吳三忙、李善同(2011)[28]的處理方法,具體公式為:

(4)

4.控制變量

包括資產(chǎn)負(fù)債率(LEV),參照萬(wàn)佳彧、周勤和肖義(2020)[29]采用企業(yè)期末總負(fù)債與資產(chǎn)之比來(lái)衡量;資本支出(CAP),參照梁榜、張建華(2018)[30]采用長(zhǎng)期資本性支出與期初總資產(chǎn)的比值來(lái)衡量;股權(quán)集中度(EQU),參照周冬華等(2022)[31]采用企業(yè)第一大股東的持股比例來(lái)衡量;融資約束(DFC),參照余明桂、鐘慧潔和范蕊[32]的做法,采用企業(yè)利息費(fèi)用與總負(fù)債的比值來(lái)衡量;產(chǎn)權(quán)性質(zhì)(SOE),根據(jù)企業(yè)性質(zhì),國(guó)企取1,反之為0;企業(yè)特征(GXIN),根據(jù)企業(yè)是否為高新技術(shù)企業(yè),高新技術(shù)企業(yè)取1,反之為0。

(三)數(shù)據(jù)說明

本文選擇滬深A(yù)股2011—2017年制造業(yè)上市公司為樣本。將樣本限定在2018年之前,主要是考慮到2018年開始受中美貿(mào)易摩擦這一外生性沖擊,中國(guó)制造業(yè)企業(yè)受到較大波及。而在雙重差分下,為排除其他可能存在的外生性沖擊的影響,既有文獻(xiàn)普遍截取事件發(fā)生前后的三到五年做雙重差分的因果分析,本文因而沿用這一做法。在樣本搜集與處理過程中,我們僅保留了滬深A(yù)股中屬于制造業(yè)的上市公司,并剔除關(guān)鍵變量嚴(yán)重缺失的企業(yè),將樣本內(nèi)企業(yè)所在制造業(yè)行業(yè)編碼參照2002年頒布的《國(guó)民經(jīng)濟(jì)行業(yè)分類》統(tǒng)一調(diào)整為兩位數(shù)代碼。公司數(shù)據(jù)來(lái)自CSMAR數(shù)據(jù)庫(kù),數(shù)字金融數(shù)據(jù)來(lái)自北京大學(xué)發(fā)布的《數(shù)字普惠金融指數(shù)》,市場(chǎng)競(jìng)爭(zhēng)和勞動(dòng)力成本數(shù)據(jù)則來(lái)自《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和《中國(guó)城市統(tǒng)計(jì)年鑒》。表1報(bào)告了各變量的描述性統(tǒng)計(jì)結(jié)果。從表1中可以看到,企業(yè)全要素生產(chǎn)率的均值為13.554,標(biāo)準(zhǔn)差為0.7436,說明樣本企業(yè)在全要素生產(chǎn)率方面存在較大差異。數(shù)字金融分組的均值為5.3942,標(biāo)準(zhǔn)差為0.1036,表明數(shù)字金融在各省份之間存在差異,這也為本文研究提供了條件。

表1 描述性統(tǒng)計(jì)結(jié)果

三、實(shí)證結(jié)果分析

(一)基準(zhǔn)回歸

表2報(bào)告了數(shù)字金融發(fā)展影響企業(yè)全要素生產(chǎn)率的基準(zhǔn)回歸結(jié)果。為了保障后續(xù)研究結(jié)果的可靠性,首先在不加入任何控制變量的情形進(jìn)行考察,列(1)是在不加入任何控制變量的回歸檢驗(yàn)中數(shù)字金融發(fā)展與企業(yè)全要素生產(chǎn)率之間關(guān)系的檢驗(yàn)結(jié)果,后續(xù)逐步納入全部控制變量。結(jié)果顯示,核心解釋變量數(shù)字金融發(fā)展的估計(jì)系數(shù)均顯著為正,且控制變量的引入并未改變基本的回歸結(jié)果且逐步收斂,實(shí)證結(jié)論具有較高的穩(wěn)健性。說明數(shù)字金融的發(fā)展能夠促進(jìn)企業(yè)全要素生產(chǎn)率的提高。在控制個(gè)體和年份固定效應(yīng)以及相關(guān)變量的基礎(chǔ)上,數(shù)字金融發(fā)展水平每提升1個(gè)單位,企業(yè)全要素生產(chǎn)率將提升13%。由此可知,數(shù)字金融的發(fā)展能夠促進(jìn)企業(yè)全要素生產(chǎn)率的提高?？赡艿脑蚴请S著人工智能、大數(shù)據(jù)等信息技術(shù)與金融服務(wù)業(yè)的交叉融合,使得企業(yè)的需求和資本的供給可以更好地連接起來(lái),從而在資本的推動(dòng)下提升企業(yè)全要素生產(chǎn)率,但其具體作用機(jī)制有待進(jìn)一步分析。

表2 基準(zhǔn)回歸結(jié)果

(二)雙重差分的穩(wěn)健性檢驗(yàn)

表2雖通過逐步加入控制變量已初步顯示了估計(jì)結(jié)果具有較強(qiáng)的穩(wěn)健性,但仍無(wú)法完全排除可能存在的內(nèi)生性問題,因而還需要對(duì)前提假設(shè)進(jìn)行檢驗(yàn)。

1.預(yù)期效應(yīng)檢驗(yàn)

如果企業(yè)在受到數(shù)字金融政策利好之前就存在了全要素生產(chǎn)率提高的預(yù)期,那么利用DIF指數(shù)構(gòu)造的處理組和控制組之間就沒有可比性,進(jìn)而將導(dǎo)致系數(shù)估計(jì)結(jié)果存在偏誤。因此,為了檢驗(yàn)企業(yè)是否存在預(yù)期效應(yīng),我們以2013年為基準(zhǔn),構(gòu)造了數(shù)字金融政策實(shí)施前一年的時(shí)間虛擬變量Pre,將其與核心解釋變量交乘后引入到雙重差分模型中。表3的第(1)列給出了具體的估計(jì)結(jié)果,DIF×Pre的交互項(xiàng)系數(shù)為0.097,沒有通過10%的置信水平檢驗(yàn)。檢驗(yàn)結(jié)果表明,企業(yè)在受到數(shù)字金融政策影響之前的預(yù)期效應(yīng)不明顯。

表3 DID設(shè)定有效性檢驗(yàn)結(jié)果

2.構(gòu)造變量的穩(wěn)健性檢驗(yàn)

第(2)列是將分組變量更換為DIF1,并與Post交乘后的系數(shù)即檢驗(yàn)當(dāng)數(shù)字金融政策開始實(shí)施后是否有明顯效果。根據(jù)表3第(2)列可知,2013年之后,DIF×Pre的交互項(xiàng)系數(shù)為0.1003,且均在5%水平上顯著,說明在中國(guó)數(shù)字金融發(fā)展的元年之后促進(jìn)了企業(yè)全要生產(chǎn)率的上升,因此,數(shù)字金融發(fā)展的正向沖擊有助于推動(dòng)企業(yè)生產(chǎn)率的提升。說明分組有效。

表3第(3)和(4)列是把被解釋變量替換成LP法測(cè)算的TFP,解釋變量分別是兩個(gè)不同分組DIF和DIF1并與Post交乘,交互項(xiàng)系數(shù)分別為0.2125和0.1498,均通過了1%的置信水平檢驗(yàn)。通過替換變量檢測(cè)均不改變結(jié)果的顯著性,說明構(gòu)造的變量穩(wěn)健。

3.共同趨勢(shì)檢驗(yàn)

雙重差分模型的前提假設(shè)是共同趨勢(shì)。該假設(shè)意味著地區(qū)在未受到數(shù)字普惠金融影響之前,按照DIF劃分為處理組和控制組之間,不同地區(qū)的企業(yè)全要素生產(chǎn)率的變化趨勢(shì)總體一致,因此在式(2)基礎(chǔ)上構(gòu)造了如下擴(kuò)展的雙重差分模型加以驗(yàn)證:

(5)

其中,Yearz表示年份虛擬變量,βz是重點(diǎn)關(guān)注的待估參數(shù),若在數(shù)字普惠金融沖擊前βz不顯著不為0,則通過共同趨勢(shì)檢驗(yàn)。

表3第(5)列是進(jìn)行共同趨勢(shì)的假設(shè)檢驗(yàn)。取數(shù)字金融政策開始實(shí)施的前三年構(gòu)建虛擬變量,估計(jì)系數(shù)沒有通過10%的置信水平檢驗(yàn),在2013年之前均不顯著,在數(shù)字金融政策沖擊的那一年都開始顯著且為正。說明數(shù)字金融政策開始實(shí)施后對(duì)企業(yè)全要素生產(chǎn)率有顯著促進(jìn)效應(yīng)。為了進(jìn)行更直觀地觀察,圖4繪制了第(5)列的估計(jì)值,可以發(fā)現(xiàn)不同組別的企業(yè)全要素生產(chǎn)率在數(shù)字金融這一政策沖擊之前沒有顯著差異,能夠滿足共同趨勢(shì)的假設(shè)檢驗(yàn)。

圖4 共同趨勢(shì)檢驗(yàn)

4.安慰劑檢驗(yàn)

上文盡管控制了各類固定效應(yīng)以及討論了各種可能影響政策因果效應(yīng)識(shí)別的因素,但在實(shí)際中仍無(wú)法完全排除政策效果可能受到其他不可觀測(cè)因素的影響,因此采用安慰劑檢驗(yàn)對(duì)結(jié)論進(jìn)行驗(yàn)證。具體而言,將受到數(shù)字金融影響的企業(yè)隨機(jī)分配給上市公司,并生成模擬的解釋變量,重復(fù)回歸1 000次。若影響企業(yè)全要素生產(chǎn)率的因素并不僅是數(shù)字金融,那么模擬解釋變量的估計(jì)系數(shù)將依然顯著為正;反之將不再顯著,安慰劑檢驗(yàn)過程中仍然控制其他變量。由圖5可知系數(shù)值基本呈現(xiàn)以零為中心的正態(tài)分布,安慰劑檢驗(yàn)通過。

圖5 安慰劑檢驗(yàn)

(三)機(jī)制檢驗(yàn)

本部分將從區(qū)域市場(chǎng)競(jìng)爭(zhēng)和勞動(dòng)力成本兩個(gè)角度分析數(shù)字金融促進(jìn)企業(yè)全要素生產(chǎn)率提升的作用機(jī)制。結(jié)果如表4所示。

表4 數(shù)字金融影響企業(yè)全要素生產(chǎn)率的機(jī)制檢驗(yàn)

表4中模型(1)、(2)是無(wú)控制變量和加入控制變量后分別檢驗(yàn)了以市場(chǎng)競(jìng)爭(zhēng)作為路徑的影響機(jī)制。結(jié)果表明不論是否有控制變量,結(jié)果均顯著為正,即數(shù)字金融政策的推行能夠增加當(dāng)?shù)赝a(chǎn)業(yè)企業(yè)數(shù)量,這使得企業(yè)之間為了生存而不得不進(jìn)行激烈的市場(chǎng)競(jìng)爭(zhēng)。劣勢(shì)地位的企業(yè)會(huì)更加重視技術(shù)創(chuàng)新,而處于技術(shù)優(yōu)勢(shì)的企業(yè)也必須不斷地進(jìn)行創(chuàng)新從而保證其相對(duì)地位。

表4中模型(3)、(4)是無(wú)控制變量和加入控制變量后分別檢驗(yàn)了以勞動(dòng)力成本作為路徑的影響機(jī)制。結(jié)果表明不論是否有控制變量,結(jié)果均顯著為正,即數(shù)字金融政策的推行會(huì)提高該地勞動(dòng)力要素成本。而這種由數(shù)字金融所帶來(lái)的外生性成本上升擴(kuò)大了企業(yè)技術(shù)投入前后的利潤(rùn)差距,倒逼企業(yè)更傾向于增加技術(shù)投入。

既有研究大部分認(rèn)同區(qū)域市場(chǎng)競(jìng)爭(zhēng)和勞動(dòng)力成本會(huì)促進(jìn)企業(yè)全要素生產(chǎn)率的提升[33-36],其原因在于,一方面市場(chǎng)競(jìng)爭(zhēng)的提高會(huì)讓企業(yè)的集聚效應(yīng)和自選擇效應(yīng)愈發(fā)明顯,從而使得更有效率或生產(chǎn)率更高的企業(yè)得以生存。另一方面,勞動(dòng)力成本的抬高會(huì)激勵(lì)企業(yè)加大研發(fā)投入提高技術(shù)水平,使企業(yè)重獲競(jìng)爭(zhēng)優(yōu)勢(shì),以其內(nèi)生增長(zhǎng)提高全要素生產(chǎn)率。再結(jié)合本文研究,數(shù)字金融既可提高當(dāng)?shù)貏趧?dòng)力要素成本,也可增加當(dāng)?shù)赝a(chǎn)業(yè)企業(yè)數(shù)量從而強(qiáng)化市場(chǎng)競(jìng)爭(zhēng)。故數(shù)字金融會(huì)通過影響市場(chǎng)競(jìng)爭(zhēng)環(huán)境和勞動(dòng)力成本促進(jìn)企業(yè)全要素生產(chǎn)率的提高。假設(shè)H1、H2均成立。

四、異質(zhì)性分析

(一)股權(quán)集中度

以股權(quán)集中度進(jìn)行分組,表5列(1)、(3)是股權(quán)集中度大于70%的分組,表5列(2)、(4)是股權(quán)集中度小于70%的分組。結(jié)果顯示,數(shù)字金融發(fā)展與低股權(quán)集中度企業(yè)的交互項(xiàng)估計(jì)系數(shù)顯著為正,說明相比于高股權(quán)集中度企業(yè),數(shù)字金融發(fā)展對(duì)低股權(quán)集中度企業(yè)全要素生產(chǎn)率的促進(jìn)效果更加顯著。這可能是因?yàn)?一方面,數(shù)字金融的廣泛應(yīng)用將促進(jìn)區(qū)域市場(chǎng)競(jìng)爭(zhēng)。當(dāng)市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度提高上升時(shí),同業(yè)競(jìng)爭(zhēng)將逐漸激烈,對(duì)企業(yè)市場(chǎng)占有率的沖擊將更強(qiáng),企業(yè)所面臨的外部環(huán)境將更加嚴(yán)峻;另一方面,數(shù)字金融的發(fā)展將引發(fā)勞動(dòng)力成本提高的社會(huì)效應(yīng),從而加重企業(yè)對(duì)利潤(rùn)率的控制難度,使其不得不調(diào)整生產(chǎn)經(jīng)營(yíng)模式來(lái)適應(yīng)新的市場(chǎng)變化。此時(shí)對(duì)于企業(yè)下一步的經(jīng)營(yíng)發(fā)展,如果只是有少數(shù)股東進(jìn)行決策,則容易造成片面性和主觀性,無(wú)法科學(xué)準(zhǔn)確分析市場(chǎng)環(huán)境變化對(duì)企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)所產(chǎn)生的影響,從而對(duì)企業(yè)全要素生產(chǎn)率的提高造成影響。相反,當(dāng)股權(quán)集中度不高時(shí),企業(yè)可以廣泛征集股東意見,對(duì)市場(chǎng)環(huán)境變化進(jìn)行充分研判并制定更加合理的應(yīng)對(duì)方案,從而促進(jìn)數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的提高。

表5 不同股權(quán)集中度企業(yè)的異質(zhì)性分析

(二)企業(yè)規(guī)模

本文將樣本企業(yè)按照企業(yè)規(guī)模進(jìn)行分組,考察數(shù)字金融促進(jìn)企業(yè)全要素生產(chǎn)率是否受到企業(yè)規(guī)模的影響。具體而言,按照企業(yè)規(guī)模分組,表6第(1)-(3)列的分組分別是:企業(yè)規(guī)模的分位數(shù)處于33.33%以下的(代表規(guī)模較小的企業(yè))、分位數(shù)處于33.33%～66.66%中間的(代表規(guī)模中等的企業(yè))、分位數(shù)處于66.66%以上的(代表規(guī)模較大的企業(yè))。結(jié)果顯示,數(shù)字金融發(fā)展與大中型企業(yè)的交互項(xiàng)估計(jì)系數(shù)顯著為正,說明相比于小微企業(yè),數(shù)字金融發(fā)展對(duì)大中型企業(yè)全要素生產(chǎn)率的促進(jìn)效果更加顯著。進(jìn)一步分析,一方面,對(duì)于大型企業(yè),影響系數(shù)達(dá)到了0.4713,遠(yuǎn)高于中型企業(yè),說明數(shù)字金融政策具有規(guī)模效應(yīng)。造成這一結(jié)果的可能原因是:大規(guī)模企業(yè)的員工人數(shù)相對(duì)中小企業(yè)更多。隨著數(shù)字金融帶來(lái)的金融服務(wù)便利化,勞動(dòng)力成本越來(lái)越高,大型企業(yè)不得不面對(duì)提高員工福利待遇等現(xiàn)實(shí)問題,這就容易造成在企業(yè)盈利能力不變的情況下生產(chǎn)銷售投入的降低。所以,大型企業(yè)必須更加注重提升全要素生產(chǎn)率來(lái)應(yīng)對(duì)人力資本提高所帶來(lái)的連鎖效應(yīng)。但對(duì)于小型企業(yè)來(lái)說,勞動(dòng)力成本更低,轉(zhuǎn)型升級(jí)的壓力較小。另一方面,數(shù)字金融的發(fā)展將引發(fā)激烈的市場(chǎng)競(jìng)爭(zhēng)。在市場(chǎng)競(jìng)爭(zhēng)強(qiáng)的環(huán)境下,優(yōu)秀人才在市場(chǎng)競(jìng)爭(zhēng)下將被逐漸篩選出來(lái)并占據(jù)有利地位。此時(shí)企業(yè)和人員的角色面臨雙向選擇,大型企業(yè)為了留住人才將不得不在待遇上給予支持,這將間接增加企業(yè)經(jīng)營(yíng)成本,從而逼迫企業(yè)提高自身全要素生產(chǎn)率,從而降低生產(chǎn)成本,提高利潤(rùn)率來(lái)維持其行業(yè)地位。

表6 不同規(guī)模企業(yè)的異質(zhì)性分析

(三)資本密集度

表7列(1)-(3)是根據(jù)資本密集度的差異將樣本按照33.33%和66.66%兩個(gè)分位點(diǎn)進(jìn)行劃分。結(jié)果發(fā)現(xiàn),數(shù)字金融發(fā)展與大中型企業(yè)的交互項(xiàng)估計(jì)系數(shù)顯著為正,說明相比于小微企業(yè),數(shù)字金融發(fā)展對(duì)中低資本密集度企業(yè)的全要素生產(chǎn)率的促進(jìn)效果更加顯著,而對(duì)高資本密集度企業(yè)的全要素生產(chǎn)率提升效應(yīng)不顯著,其中以低資本密集度企業(yè)的提升作用更大。這是因?yàn)?一方面,隨著地區(qū)數(shù)字金融發(fā)展水平的提高,該地勞動(dòng)力要素成本更高,而以勞動(dòng)密集型企業(yè)為主的低資本密集度企業(yè)相較于其他企業(yè)更依賴勞動(dòng)力要素的投入,在勞動(dòng)力要素成本不斷上升的情況下將承擔(dān)更大的成本壓力[37],而其又難以通過其他有效途徑緩解短期內(nèi)的成本壓力,通過技術(shù)進(jìn)步提高全要素生產(chǎn)率將成為其突破瓶頸的必然路徑和緊迫需要。另一方面,數(shù)字金融激發(fā)了區(qū)域市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度的提高,要素流動(dòng)將會(huì)加快。對(duì)于原本要素不占優(yōu)勢(shì)的低資本密集度企業(yè)來(lái)說,要想繼續(xù)在市場(chǎng)中存活,就必須通過提升全要素生產(chǎn)率實(shí)現(xiàn)企業(yè)轉(zhuǎn)型升級(jí),向資本密集型企業(yè)轉(zhuǎn)變,從而在激烈的市場(chǎng)競(jìng)爭(zhēng)中免遭淘汰。

表7 不同資本密集度企業(yè)的異質(zhì)性分析

五、結(jié)論與建議

(一)研究結(jié)論

自數(shù)字金融誕生以來(lái),得益于政策支持和環(huán)境變化,數(shù)字金融得到了巨大發(fā)展。通過借助新型信息技術(shù)手段降低了服務(wù)門檻,提高了工作效率,在原本傳統(tǒng)金融的基礎(chǔ)上實(shí)現(xiàn)了廣度、深度的升級(jí)。在經(jīng)濟(jì)高質(zhì)量發(fā)展的背景下研究數(shù)字金融對(duì)企業(yè)全要素生產(chǎn)率的提升將有重大的理論和實(shí)踐意義。本文基于2011—2017年滬深兩市上市公司數(shù)據(jù)和北京大學(xué)數(shù)字金融研究中心發(fā)布的數(shù)字金融普惠金融指數(shù),運(yùn)用雙重差分展開了詳細(xì)的實(shí)證研究,得到如下結(jié)論:(1)數(shù)字金融發(fā)展顯著提高了當(dāng)?shù)仄髽I(yè)的全要素生產(chǎn)率水平。(2)數(shù)字金融發(fā)展可通過市場(chǎng)競(jìng)爭(zhēng)和勞動(dòng)力成本間接影響企業(yè)全要素生產(chǎn)率,具體表現(xiàn)為:數(shù)字金融發(fā)展促進(jìn)市場(chǎng)競(jìng)爭(zhēng),企業(yè)自選擇性提高自身全要素生產(chǎn)率;數(shù)字金融發(fā)展提高地區(qū)勞動(dòng)力成本,倒逼企業(yè)提高全要素生產(chǎn)率。(3)數(shù)字金融的發(fā)展對(duì)生產(chǎn)率的驅(qū)動(dòng)效應(yīng)在大型企業(yè)、非股權(quán)集中企業(yè)和低資本密集型企業(yè)中更加顯著。

(二)政策建議

本文從數(shù)字金融角度研究了金融市場(chǎng)發(fā)展對(duì)企業(yè)生產(chǎn)率的影響,為如何支持企業(yè)提升生產(chǎn)率提供了新的經(jīng)驗(yàn)參考。具體政策建議如下:(1)應(yīng)充分肯定數(shù)字金融對(duì)實(shí)體經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)作用。在嚴(yán)格防范金融風(fēng)險(xiǎn)的前提下,發(fā)揮數(shù)字金融對(duì)生產(chǎn)率提升的促進(jìn)效應(yīng),創(chuàng)造支持?jǐn)?shù)字金融進(jìn)一步發(fā)展的外部環(huán)境。同時(shí)對(duì)數(shù)字金融的底層技術(shù)產(chǎn)業(yè)也要持續(xù)支持,可以通過制定必要的稅收補(bǔ)貼政策和融資優(yōu)惠政策激勵(lì)底層技術(shù)革新,促進(jìn)數(shù)字金融和相關(guān)技術(shù)產(chǎn)業(yè)協(xié)同發(fā)展。(2)應(yīng)持續(xù)關(guān)注大型企業(yè)和低資本密集型企業(yè),并在市場(chǎng)競(jìng)爭(zhēng)強(qiáng)度較大和勞動(dòng)力成本較高的地區(qū)鼓勵(lì)金融機(jī)構(gòu)結(jié)合云計(jì)算、大數(shù)據(jù)等新型信息技術(shù)的存儲(chǔ)與分析功能,廣泛收集行業(yè)信息、認(rèn)真分析企業(yè)情況,擇優(yōu)向大型企業(yè)和低勞動(dòng)密集企業(yè)發(fā)放貸款,為特定企業(yè)貸款實(shí)施定向降準(zhǔn)。同時(shí),在面對(duì)股權(quán)集中度較高的企業(yè)時(shí),金融機(jī)構(gòu)要層層把關(guān),加大貸款批準(zhǔn)審核力度和后期資金流向的監(jiān)督。(3)數(shù)字技術(shù)的運(yùn)用可能使得用戶面臨隱私泄漏風(fēng)險(xiǎn),服務(wù)商也可能由于非結(jié)構(gòu)化數(shù)據(jù)的不恰當(dāng)處理而面臨法律風(fēng)險(xiǎn)。故在推動(dòng)數(shù)據(jù)挖掘和開放共享的同時(shí),應(yīng)清晰界定數(shù)據(jù)價(jià)值和知識(shí)產(chǎn)權(quán),建立制度提高技術(shù)水平,為信息安全提供保障。