金融科技对制造业企业全要素生产率的影响研究_王燕.pdf

金融科技对制造业企业全要素生产率的影响研究*王 燕(西南大学经济管理学院,重庆4 0 0 7 1 5)摘 要:本文梳理了金融科技、制造业企业全要素生产率等相关研究,分析金融科技对制造业企业全要素生产率的影响机理,并基于2 0 1 1-2 0 2 0年制造业上市公司数据和地级市金融科技数据进行实证验证。结果表明:金融科技发展显提升制造业企业全要素生产率,且对非国有企业、资本密集型企业影响更显著。进一步机制分析表明,金融科技通过提升技术创新水平进而促进制造业企业全要素生产率的提升。本文研究丰富了金融科技与制造业企业全要素生产率关系的相关研究,为制造业企业高质量发展提供一定的理论基础。关键词:金融科技;技术创新;企业全要素生产率;制造业企业中图分类号:F 2 7 0;F 8 3 2文献标识码:A文章编号:2 0 9 6-4 1 5 3(2 0 2 3)0 1-0 0 7 1-1 2一、引 言2 0 1 0年中国成为世界上规模最大的制造业国家,但推动中国制造业崛起的低成本劳动力优势正在随着工业化进程的加速和人口老龄化而消退。由于核心竞争力不足、成本上升等问题,中国制造业面临发达国家“高端回流”和发展中国家“中低端分流”的双重困境,中国制造业企业亟需提高全要素生产率以增加核心竞争力。习近平总书记多次强调大力发展制造业。党的二十大报告指出,要坚持把发展经济的着力点放在实体经济上,推进新型工业化,加快建设制造强国,着力提高全要素生产率。近年来,大数据、云计算、物联网等新一代信息技术的快速发展为制造业的发展提供了新的思路。同时,中国人民银行相继印发 金融科技发展规划(2 0 1 9-2 0 2 1年)和 金融科技发展规划(2 0 2 2-2 0 2 5年),提出新时期金融科技发展指导意见,明确以服务实体经济为宗旨。制造业是实体经济的重中之重。那么,金融科技是否能够提高制造业全要素生产率?其中的作用机制是什么?是否具有异质性?既有研究主要从产业数字化(宋清华 等,2 0 2 2)、数字化转型(涂心雨 等,17当代金融研究2 0 2 3年第1期*收稿日期:2 0 2 2-0 8-1 6作者简介:王燕,硕士研究生,西南大学经济管理学院,研究方向:金融机构与金融市场。2 0 2 2)、智能化发展(温湖炜 等,2 0 2 1)、市场竞争(范晓男 等,2 0 2 0)等方面研究制造业企业全要素生产率的影响作用,鲜有研究金融科技对制造业企业全要素生产率的影响。制造业企业作为实体经济的根基,在中国经济转型的关键时期,厘清金融科技与制造业企业之间的关系对于促进金融系统更好地服务实体经济、推动中国经济的高质量发展具有重要的理论和现实意义。鉴于此,本文利用2 0 1 1-2 0 2 0年制造业上市公司数据和地级市金融科技发展指数数据,运用双向固定效应模型研究金融科技对制造业企业全要素生产率的影响,并从技术创新视角探究其中的作用机制。与现有文献相比,本文聚焦于制造业企业,探究金融科技对制造业全要素生产率的影响,分析其影响机制和异质性。二、文献综述与研究假设(一)金融科技的相关研究金融稳定理事会(F i n a n c i a lS t a b i l i t yB o a r d)2 0 1 7年把金融科技定义为以大数据、云计算等技术手段推动,能够通过新的业务模式、应用、流程或产品对金融服务产生重要影响的金融创新。金融科技相关研究主要集中在对金融机构的影响。盛天翔和范从来(2 0 2 0)研究发现金融科技有利于交易型和关系型贷款技术融合,提高市场集中度,进而促进小微企业信贷供给。杨望等(2 0 2 0)基于文本挖掘法构建金融科技指数,研究发现,金融科技通过金融创新、技术溢出和市场竞争驱动商业银行战略转型三个方面促进商业银行的效率提高。同时也有不少学者研究金融科技对实体经济的影响。薛莹和胡坚(2 0 2 0)认为金融科技通过大数据、区块链、人工智能等新兴技术可以减少双方的信息不对称,降低中介、沉没和人力等成本,精准识别风险信息以提高风险控制,具有资源配置效应。同时,金融科技的新支付模式,正向影响技术进步,促进金融结构效率优化、资本积累;金融科技的新技术填补消费缺口,金融大数据有利于消费升级,间接促进技术进步,具有创新效应。董竹和蔡宜霖(2 0 2 1)发现金融科技可以缓解信息不对称、融资约束,降低融资成本,拓宽融资渠道,进而有利于经济增长。宋敏等(2 0 2 1)选取金融科技公司数量作为金融科技指标,研究发现金融科技主要通过“技术溢出效应”赋能金融机构降低信息不对称,提高信贷配给效率进而提高全要素生产率(H u a n ge t a l.,2 0 1 8)。(二)制造业企业全要素生产率的相关研究提升制造业企业全要素生产率是推动制造业高质量发展的必由之路。现有文献研究制造业企业全要素生产率的影响因素,主要从企业内部因素和外部环境层面进行分析。企业内部主要从研发投入、高管股权激励、融资约束等展开。张广胜和孟茂源(2 0 2 0)认为研发投入可以增加企业技术、知识积累进而转化为生产力和27王 燕:金融科技对制造业企业全要素生产率的影响研究资源配置效率的优化,提高企业全要素生产率。而且两职合一和政治关联在研发投入对制造业企业全要素的影响中起正向调节作用。盛明泉和蒋世战(2 0 1 9)基于2 0 0 7-2 0 1 6年制造业数据和O P法测算的企业全要素生产率数据发现高管股权激励通过促进技术创新,进而显著提升企业全要素生产率。欠发达国家企业生产率低于发达国家企业的一个重要原因是缺乏人力资本。人力资本水平较高的工人倾向采用效率高的新技术,并自主研发,可以提高企业全要素生产率(C h ee ta l.,2 0 1 8)。在此基础上,刘家悦等(2 0 2 0)基于1 9 9 8-2 0 1 3年中国工业企业数据中的制造业企业数据同样证实了人力资本有利于制造业企业全要素生产率的提高,同时融资约束会影响企业创新资金的投入,进而对中国制造业企业全要素生产率产生负向影响。外部环境主要从人口老龄化、产业数字化、数字化转型、智能化发展、市场竞争等方面进行研究。胡日东和曹婧博(2 0 2 1)基于2 0 0 0-2 0 1 9年沪深A股上市制造业企业数据发现,目前中国的老龄化促进制造业企业全要素生产率提升,主要有劳动成本上升、人力资本积累、创新投入增加三个影响渠道。宋清华等(2 0 2 2)运用投入产出法构建制造业产业数字化指标,发现产业数字化通过“创新激励效应”“价值共创效应”和“管理优化效应”三个渠道对全要素生产率产生正向影响。涂心雨和严晓玲(2 0 2 2)认为数字化转型有利于提升企业技术创新水平、经营管理水平、智能化生产制 造 水 平 和 扩 大 规 模 效 应,从 而 提 升 全 要 素 生 产 率。温 湖 炜 和 钟 启 明(2 0 2 1)基于2 0 0 9-2 0 1 8年中国制造业上市公司,发现智能化发展促进全要素生产率提升,制造业企业可以通过改变价值链嵌入方式提高全要素生产率。范晓男等(2 0 2 0)基于扩展的C DM模型,发现市场竞争可以影响企业创新投入和产出进而促进企业全要素生产率。通过梳理金融科技与制造业企业相关文献,不难发现鲜有学者考虑金融科技这一重要外部因素对制造业企业全要素生产率的潜在影响。尽管宋敏等(2 0 2 1)从赋能和信贷配给角度研究了金融科技与企业全要素生产率的关系,但对于制造业企业仍有研究的空间。(三)研究假设一方面,对制造业企业而言,激烈的技术竞争使得技术创新相关信息属于机密,金融机构缺少相关信息,往往索要资本溢价(E a s l e ye ta l.,2 0 0 4)或者投资到其他项目。金融科技依托大数据、人工智能和区块链等先进的科学技术收集、分享、学习和分析相关信息,从而快速、准确、科学和智能地作出决策,使金融机构在缺少核心信息的情况下,可以多方面综合分析,减少信息不对称,降低借贷双方信息搜寻成本,为由于缺少抵押物而融资难且具有发展潜力的企业提供资金,及时、高效地解决全产业链的融资需求,缓解企业的融资约束。另一方面,金融机构能够通过37当代金融研究2 0 2 3年第1期大数据等技术,搜集海量企业数据,给予优质民营企业相应的信贷支持,优化信贷资源配置,让信贷资源最大化发挥作用。基于此,本文提出假设1:H1:金融科技能够提升制造业企业全要素生产率。由于创新活动具有周期长、投入大、风险高的特点,因此企业需要大量的资金进行研发活动(C h e mm a n u re t a l.,2 0 1 4)。制造业企业由于激烈的技术竞争使得其技术创新相关信息属于机密,披露的信息少,往往面临着融资约束。第一,金融科技能够使金融机构在缺少核心信息的情况下,利用大数据等新技术搜集信息,综合全面分析企业信息,及时给予需要资金的企业资金,制造业企业得以有足够的资金投入研发,促进企业创新能力。第二,随着金融科技发展,一些金融科技公司涌现抢占了传统金融机构的资源,倒逼传统金融机构转型升级,提升服务效率,扩大服务范围,增加中小、民营企业获得融资的机会,使得企业得到资金进行研发创新。金融科技的技术溢出效应能够提高金融机构获取信息的能力,降低信息不对称,提高外部资金获取效率,从而促进企业创新(方一卓 等,2 0 2 2),技术和产品创新又可以通过扩散效应和外溢效应对企业生产率产生正面影响(R o b e r t,2 0 0 5)。基于此,提出假设2:H2:金融科技能够通过促进制造业企业技术创新进而提升制造业企业全要素生产率。三、研究设计(一)样本说明与数据来源本文选取2 0 1 1-2 0 2 0年制造业上市公司的数据,上市公司数据来源于国泰安(C S MA R)数据库;金融科技数据借鉴宋敏(2 0 2 1)的测量方法,来源于“天眼查”网站。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:(1)删除S T、P T的年度公司样本;(2)剔除主要变量缺失的样本。最终得到98 7 0个公司的年度观测值。(二)变量选取1.被解释变量企业全要素生产率(t f p-l p)。考虑到使用传统的索洛残差法可能导致样本选择偏差和同时性偏差,本文使用L P方法构建对数形式的柯布-道格拉斯生产函数来估计企业全要素生产率:l nYi t=0+1l nLi t+2l nKi t+3l nMi t+i t(1)式(1)中,l n Y为企业的营业收入,l nK为企业固定资产净值,l n L为企业支付给职工以及为职工支付的现金,l nM为企业生产过程中的中间投入,中间投入用企业的营业成本加上企业的销售费用、管理费用、财务费用减去企业的当期计提折旧47王 燕:金融科技对制造业企业全要素生产率的影响研究与摊销及支付给职工以及为职工支付的现金来表示。本文在稳健性检验中采用O P方法测算的全要素生产率指标作为被解释变量的替代变量。2.核心解释变量金融科技(f i n t e c h)。本文借鉴宋敏等(2 0 2 1)构建金融科技指标的办法,使用地级市内金融科技公司数量加1取对数测算金融科技发展水平指标。3.中介变量技术创新(R&D)。由于研发投入金额越多,越有利于企业创新。本文借鉴潘越等(2 0 1 5)的研究成果,使用研发投入经费加1取对数来衡量。4.控制变量参考宋敏等(2 0 2 1)、宋清华等(2 0 2 2)的方法选取以下指标作为控制变量:企业规模(s i z e),采用年末总资产取对数来表示;资产负债率(l e v),总负债与总资产的比值;企业价值(Q),托宾Q值;资产回报率(r o a),净利润与总资产的比值;现金流量(c a s h),经营活动产生的现金流量净值与年末总资产的比值;流动比率(l r a t i o),流动资产与流动负债的比值;企业年龄(a g e),公司成立年限加1取对数;股权集中度(c o n),前十大股东持股比例;董事会独立性(i n d e p),独立董事与董事人数的比值;董事会规模(b o a r d s i z e),董事人数;高管薪酬(s a l a r