魯小凡,竇錢斌,王仁文

(1.中國科學(xué)技術(shù)大學(xué) 人文與社會科學(xué)學(xué)院,合肥 230026;2.中國科學(xué)技術(shù)大學(xué) 知識產(chǎn)權(quán)研究院,合肥 230026;3.安徽財經(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)生增長轉(zhuǎn)型成為我國邁向高質(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會抑制企業(yè)全要素生產(chǎn)率的提升[2]。這是因為傳統(tǒng)金融體系支持實體企業(yè)的主要方式是以銀行等機構(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,卻無法根據(jù)不同企業(yè)融資貸款情況進行精準金融支持,極易造成金融資源錯配從而降低配置效率,進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)精準識別企業(yè)特征,有效緩解傳統(tǒng)金融機構(gòu)面臨的信息不對稱難題進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企業(yè)全要素生產(chǎn)率,進而助力高質(zhì)量發(fā)展?

大多數(shù)學(xué)者認為數(shù)字金融可以促進企業(yè)全要素生產(chǎn)率[2,10-11],但作用路徑有一定差異。有學(xué)者認為,數(shù)字技術(shù)是全要素生產(chǎn)率增長的主要驅(qū)動力,隨著數(shù)字技術(shù)的引入會加速傳統(tǒng)金融機構(gòu)的內(nèi)部競爭,激發(fā)銀行服務(wù)企業(yè)的內(nèi)生動力,逼迫其為維持自身績效而主動尋找有金融服務(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大R&D投入規(guī)模,增強技術(shù)創(chuàng)新能力,減少生產(chǎn)成本,提升全要素生產(chǎn)率[14-15]。但對不同規(guī)模、不同屬性、不同地區(qū)的企業(yè)促進效應(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)率研究的文獻較為豐富,既有研究肯定了數(shù)字金融發(fā)展帶來的正向積極效應(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)率的宏觀作用機制。那么數(shù)字金融發(fā)展是否能對企業(yè)全要素生產(chǎn)率產(chǎn)生促進作用?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)造出一個準自然實驗,通過雙重差分法識別了數(shù)字金融對企業(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,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)域市場競爭強度影響企業(yè)全要素生產(chǎn)率,另一方面通過提升勞動力要素成本,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。既有文獻較多關(guān)注到了傳統(tǒng)金融模式和金融結(jié)構(gòu)對企業(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)字金融的促進效應(yīng),為理解數(shù)字金融精準服務(wù)企業(yè)提供了依據(jù)。(3)不同于已有文獻探討數(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,本文通過引入市場競爭和勞動力成本兩個宏觀環(huán)境因素詳細闡述了數(shù)字金融影響企業(yè)全要素生產(chǎn)率的全新機制,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、特征性事實與研究假說

(一)特征性事實

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。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,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)這一特征事實的原因有可能來自企業(yè)所處宏觀市場環(huán)境的變化嗎?我們從影響企業(yè)生產(chǎn)行為的最重要兩個宏觀環(huán)境因素來考察:一是市場競爭程度,二是市場要素成本。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?shù)氐暮暧^市場環(huán)境,進而對企業(yè)的生產(chǎn)行為產(chǎn)生影響。

基于圖2,我們可進一步觀察到如下兩個特征性事實:

圖2 數(shù)字金融、地區(qū)市場競爭與勞動力要素成本

特征性事實2:區(qū)域數(shù)字金融發(fā)展水平越高,市場競爭程度越高。通過采用樊綱、王小魯編撰的《中國市場化指數(shù)》來直觀描述地區(qū)市場競爭程度(2)由于《中國市場化指數(shù)》只有省級層面的數(shù)據(jù),后文的實證分析,會通過構(gòu)造更加細致的地級市級別的競爭程度指標來考察地區(qū)市場競爭水平。,地區(qū)市場化指數(shù)越高則一定程度說明了該區(qū)域市場機制越完善,市場競爭機制體現(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)的市場競爭越強。

特征性事實3:數(shù)字金融發(fā)展水平越高的地區(qū),勞動力要素成本越高。我們主要通過勞動力要素成本去考察企業(yè)所面臨的要素市場環(huán)境,在崗職工平均工資指標可以代表地區(qū)的勞動力要素成本高低。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數(shù)呈現(xiàn)出較強的正相關(guān)性。

(二)研究假設(shè)

數(shù)字金融是一種促進信息共享的數(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)手段則需要花費極大的人力物力,但投資回報很低,機會成本過高。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,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、可得性等特征對于我們理解其對企業(yè)全要素生產(chǎn)率的影響機制是不可或缺的,這是因為數(shù)字金融改變了企業(yè)發(fā)展的外部環(huán)境,即市場競爭環(huán)境和要素成本環(huán)境。市場環(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:從市場競爭的角度看,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稱問題,使得買賣雙方對彼此情況更為了解,降低了信用風險,解決了企業(yè)融資困難問題,讓傳統(tǒng)主流金融行業(yè)無法提供服務(wù)的企業(yè)能較快獲得資金去用于研發(fā)、生產(chǎn)和經(jīng)營等活動。另一方面,數(shù)字技術(shù)賦予了數(shù)字金融可以在不受時空限制的情況下降低線下市場經(jīng)濟的信息壁壘,驅(qū)動企業(yè)通過對接市場數(shù)據(jù)庫和各類平臺,更易獲取大量市場數(shù)據(jù),并利用現(xiàn)代信息技術(shù)的海量儲存和智能分析方法,便捷高效地篩選出有益企業(yè)發(fā)展的行業(yè)動態(tài)和市場情報,從而調(diào)整其生產(chǎn)研發(fā)方向,提高企業(yè)競爭力。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,越來越多的企業(yè)會主動選擇在數(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)嚴重,進一步“逼迫”企業(yè)進行技術(shù)創(chuàng)新從而免遭淘汰[21]。而原本處于技術(shù)優(yōu)勢的企業(yè)為保持相對優(yōu)勢也必須進行創(chuàng)新,由此帶來更高的生產(chǎn)率。據(jù)此,本文提出如下假設(shè):

H1:數(shù)字金融將通過市場競爭的自選擇效應(yīng)提高企業(yè)全要素生產(chǎn)率

從勞動力要素成本的角度看,地區(qū)數(shù)字金融發(fā)展越好,會放大該地區(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)間要素無法有效自由流動的情況下,資本要素的增加會導(dǎo)致資本價格反向變化,勞動力要素價格則是正向變化。而在地區(qū)間要素能夠相對自由流動的情況下,數(shù)字金融發(fā)展越好的地區(qū),資本要素會向價格較高的地方流動,進而提高周邊地區(qū)的資本要素水平,帶動周邊地區(qū)勞動力要素價格上升,即數(shù)字金融的發(fā)展會對周邊地區(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)的勞動力要素價格都會上升。而這種由數(shù)字金融所帶來的外生性成本上升擴大了企業(yè)技術(shù)投入前后的利潤差距,倒逼企業(yè)更傾向于增加技術(shù)投入來提升全要素生產(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力要素成本,倒逼企業(yè)加大對知識和技術(shù)資本的投入,產(chǎn)出的創(chuàng)新成果將進一步支撐企業(yè)全要素生產(chǎn)率的提高

二、因果識別策略與變量說明

(一)因果識別策略

為精準識別數(shù)字金融對企業(yè)全要素生產(chǎn)率的影響效應(yīng),本文將數(shù)字金融作為一個外生政策沖擊,采用準自然實驗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f、tδf+δp+δt分別代表企業(yè)和時間;被解釋變量TFPft代表企業(yè)全要素生產(chǎn)率的對數(shù);DIF為本文對地區(qū)數(shù)字金融指數(shù)進行分組的變量,具體解釋見后文;Post13t代表中國開始實施數(shù)字金融的時間虛擬變量,業(yè)內(nèi)將2013年余額寶的出現(xiàn)視為中國數(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)展水平對中國制造業(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分別代表個體和年份的固定效應(yīng);εft為隨機誤差項。

為了識別假設(shè)H1和假設(shè)H2的影響機制,基于式(2)我們進一步構(gòu)造如下計量模型:

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

(3)

其中,Channels為渠道變量,分別從市場競爭程度和勞動力要素成本兩個維度進行考察,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)率的對數(shù)(TFP)。關(guān)于全要素生產(chǎn)率的測算,常見的主要有OLS、OP、GMM和LP等。參考聶輝華和賈瑞雪(2011)[23]的測算過程,并使用OP法對企業(yè)全要素生產(chǎn)率進行估計,用LP法計算的TFP進行穩(wěn)健性檢驗。

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)編制出的衡量我國地區(qū)層面數(shù)字金融發(fā)展水平的數(shù)據(jù)庫[24]。需要說明的是:第一,業(yè)內(nèi)普遍認為2013年是中國數(shù)字金融發(fā)展元年,因此我們對于政策沖擊變量的設(shè)定是以2013年為界而不是數(shù)據(jù)庫中的起始年份2011年。第二,與既有文獻采用面板數(shù)據(jù)直接進行回歸的做法不同[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。該變量不隨時間維度變化,僅隨個體維度而變化。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,則代表了在個體維度受到政策實施的影響較小,可以視為控制組(control)(3)進行這樣構(gòu)造的一個前提假設(shè)是,2013—2017各年份中地區(qū)之間數(shù)字金融發(fā)展水平的相對排名不大,否則可能導(dǎo)致構(gòu)造出的分組變量無法真實反映個體受到政策沖擊的影響程度。。因此,本文進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。

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競爭和勞動力成本。其中,勞動力成本指標參照林煒(2013)[27]的方法,以在崗職工平均工資的對數(shù)來衡量。而市場競爭指標則參照吳三忙、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)負債率(LEV),參照萬佳彧、周勤和肖義(2020)[29]采用企業(yè)期末總負債與資產(chǎn)之比來衡量;資本支出(CAP),參照梁榜、張建華(2018)[30]采用長期資本性支出與期初總資產(chǎn)的比值來衡量;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)利息費用與總負債的比值來衡量;產(chǎn)權(quán)性質(zhì)(SOE),根據(jù)企業(yè)性質(zhì),國企取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《國民經(jīng)濟行業(yè)分類》統(tǒng)一調(diào)整為兩位數(shù)代碼。公司數(shù)據(jù)來自CSMAR數(shù)據(jù)庫,數(shù)字金融數(shù)據(jù)來自北京大學(xué)發(fā)布的《數(shù)字普惠金融指數(shù)》,市場競爭和勞動力成本數(shù)據(jù)則來自《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》。表1報告了各變量的描述性統(tǒng)計結(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,標準差為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,標準差為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)計結(jié)果

三、實證結(jié)果分析

(一)基準回歸

表2報告了數(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行考察,列(1)是在不加入任何控制變量的回歸檢驗中數(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)展能夠促進企業(yè)全要素生產(chǎn)率的提高。在控制個體和年份固定效應(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)展能夠促進企業(yè)全要素生產(chǎn)率的提高。可能的原因是隨著人工智能、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,從而在資本的推動下提升企業(yè)全要素生產(chǎn)率,但其具體作用機制有待進一步分析。

表2 基準回歸結(jié)果

(二)雙重差分的穩(wěn)健性檢驗

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

1.預(yù)期效應(yīng)檢驗

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,進而將導(dǎo)致系數(shù)估計結(jié)果存在偏誤。因此,為了檢驗企業(yè)是否存在預(yù)期效應(yīng),我們以2013年為基準,構(gòu)造了數(shù)字金融政策實施前一年的時間虛擬變量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結(jié)果,DIF×Pre的交互項系數(shù)為0.097,沒有通過10%的置信水平檢驗。檢驗結(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)定有效性檢驗結(jié)果

2.構(gòu)造變量的穩(wěn)健性檢驗

第(2)列是將分組變量更換為DIF1,并與Post交乘后的系數(shù)即檢驗當數(shù)字金融政策開始實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的交互項系數(shù)為0.1003,且均在5%水平上顯著,說明在中國數(shù)字金融發(fā)展的元年之后促進了企業(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法測算的TFP,解釋變量分別是兩個不同分組DIF和DIF1并與Post交乘,交互項系數(shù)分別為0.2125和0.1498,均通過了1%的置信水平檢驗。通過替換變量檢測均不改變結(jié)果的顯著性,說明構(gòu)造的變量穩(wěn)健。

3.共同趨勢檢驗

雙重差分模型的前提假設(shè)是共同趨勢。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)率的變化趨勢總體一致,因此在式(2)基礎(chǔ)上構(gòu)造了如下擴展的雙重差分模型加以驗證:

(5)

其中,Yearz表示年份虛擬變量,βz是重點關(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,則通過共同趨勢檢驗。

表3第(5)列是進行共同趨勢的假設(shè)檢驗。取數(shù)字金融政策開始實施的前三年構(gòu)建虛擬變量,估計系數(shù)沒有通過10%的置信水平檢驗,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)字金融政策開始實施后對企業(yè)全要素生產(chǎn)率有顯著促進效應(yīng)。為了進行更直觀地觀察,圖4繪制了第(5)列的估計值,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,能夠滿足共同趨勢的假設(shè)檢驗。

圖4 共同趨勢檢驗

4.安慰劑檢驗

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)識別的因素,但在實際中仍無法完全排除政策效果可能受到其他不可觀測因素的影響,因此采用安慰劑檢驗對結(jié)論進行驗證。具體而言,將受到數(shù)字金融影響的企業(yè)隨機分配給上市公司,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系數(shù)將依然顯著為正;反之將不再顯著,安慰劑檢驗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,安慰劑檢驗通過。

圖5 安慰劑檢驗

(三)機制檢驗

本部分將從區(qū)域市場競爭和勞動力成本兩個角度分析數(shù)字金融促進企業(yè)全要素生產(chǎn)率提升的作用機制。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)率的機制檢驗

表4中模型(1)、(2)是無控制變量和加入控制變量后分別檢驗了以市場競爭作為路徑的影響機制。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?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行激烈的市場競爭。劣勢地位的企業(yè)會更加重視技術(shù)創(chuàng)新,而處于技術(shù)優(yōu)勢的企業(yè)也必須不斷地進行創(chuàng)新從而保證其相對地位。

表4中模型(3)、(4)是無控制變量和加入控制變量后分別檢驗了以勞動力成本作為路徑的影響機制。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提高該地勞動力要素成本。而這種由數(shù)字金融所帶來的外生性成本上升擴大了企業(yè)技術(shù)投入前后的利潤差距,倒逼企業(yè)更傾向于增加技術(shù)投入。

既有研究大部分認同區(qū)域市場競爭和勞動力成本會促進企業(yè)全要素生產(chǎn)率的提升[33-36],其原因在于,一方面市場競爭的提高會讓企業(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,勞動力成本的抬高會激勵企業(yè)加大研發(fā)投入提高技術(shù)水平,使企業(yè)重獲競爭優(yōu)勢,以其內(nèi)生增長提高全要素生產(chǎn)率。再結(jié)合本文研究,數(shù)字金融既可提高當?shù)貏趧恿σ爻杀?也可增加當?shù)赝a(chǎn)業(yè)企業(yè)數(shù)量從而強化市場競爭。故數(shù)字金融會通過影響市場競爭環(huán)境和勞動力成本促進企業(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)的交互項估計系數(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)展對低股權(quán)集中度企業(yè)全要素生產(chǎn)率的促進效果更加顯著。這可能是因為:一方面,數(shù)字金融的廣泛應(yīng)用將促進區(qū)域市場競爭。當市場競爭強度提高上升時,同業(yè)競爭將逐漸激烈,對企業(yè)市場占有率的沖擊將更強,企業(yè)所面臨的外部環(huán)境將更加嚴峻;另一方面,數(shù)字金融的發(fā)展將引發(fā)勞動力成本提高的社會效應(yīng),從而加重企業(yè)對利潤率的控制難度,使其不得不調(diào)整生產(chǎn)經(jīng)營模式來適應(yīng)新的市場變化。此時對于企業(yè)下一步的經(jīng)營發(fā)展,如果只是有少數(shù)股東進行決策,則容易造成片面性和主觀性,無法科學(xué)準確分析市場環(huán)境變化對企業(yè)生產(chǎn)經(jīng)營活動所產(chǎn)生的影響,從而對企業(yè)全要素生產(chǎn)率的提高造成影響。相反,當股權(quán)集中度不高時,企業(yè)可以廣泛征集股東意見,對市場環(huán)境變化進行充分研判并制定更加合理的應(yīng)對方案,從而促進數(shù)字金融對企業(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)模進行分組,考察數(shù)字金融促進企業(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)的交互項估計系數(shù)顯著為正,說明相比于小微企業(yè),數(shù)字金融發(fā)展對大中型企業(yè)全要素生產(chǎn)率的促進效果更加顯著。進一步分析,一方面,對于大型企業(yè),影響系數(shù)達到了0.4713,遠高于中型企業(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)相對中小企業(yè)更多。隨著數(shù)字金融帶來的金融服務(wù)便利化,勞動力成本越來越高,大型企業(yè)不得不面對提高員工福利待遇等現(xiàn)實問題,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)率來應(yīng)對人力資本提高所帶來的連鎖效應(yīng)。但對于小型企業(yè)來說,勞動力成本更低,轉(zhuǎn)型升級的壓力較小。另一方面,數(shù)字金融的發(fā)展將引發(fā)激烈的市場競爭。在市場競爭強的環(huán)境下,優(yōu)秀人才在市場競爭下將被逐漸篩選出來并占據(jù)有利地位。此時企業(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,提高利潤率來維持其行業(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%兩個分位點進行劃分。結(jié)果發(fā)現(xiàn),數(shù)字金融發(fā)展與大中型企業(yè)的交互項估計系數(shù)顯著為正,說明相比于小微企業(yè),數(shù)字金融發(fā)展對中低資本密集度企業(yè)的全要素生產(chǎn)率的促進效果更加顯著,而對高資本密集度企業(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。這是因為,一方面,隨著地區(qū)數(shù)字金融發(fā)展水平的提高,該地勞動力要素成本更高,而以勞動密集型企業(yè)為主的低資本密集度企業(yè)相較于其他企業(yè)更依賴勞動力要素的投入,在勞動力要素成本不斷上升的情況下將承擔更大的成本壓力[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)域市場競爭強度的提高,要素流動將會加快。對于原本要素不占優(yōu)勢的低資本密集度企業(yè)來說,要想繼續(xù)在市場中存活,就必須通過提升全要素生產(chǎn)率實現(xiàn)企業(yè)轉(zhuǎn)型升級,向資本密集型企業(yè)轉(zhuǎn)變,從而在激烈的市場競爭中免遭淘汰。

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,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)上實現(xiàn)了廣度、深度的升級。在經(jīng)濟高質(zhì)量發(fā)展的背景下研究數(shù)字金融對企業(yè)全要素生產(chǎn)率的提升將有重大的理論和實踐意義。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),運用雙重差分展開了詳細的實證研究,得到如下結(jié)論:(1)數(shù)字金融發(fā)展顯著提高了當?shù)仄髽I(yè)的全要素生產(chǎn)率水平。(2)數(shù)字金融發(fā)展可通過市場競爭和勞動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)展促進市場競爭,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)展對生產(chǎn)率的驅(qū)動效應(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發(fā)展對企業(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)驗參考。具體政策建議如下:(1)應(yīng)充分肯定數(shù)字金融對實體經(jīng)濟發(fā)展的驅(qū)動作用。在嚴格防范金融風險的前提下,發(fā)揮數(shù)字金融對生產(chǎn)率提升的促進效應(yīng),創(chuàng)造支持數(shù)字金融進一步發(fā)展的外部環(huán)境。同時對數(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貼政策和融資優(yōu)惠政策激勵底層技術(shù)革新,促進數(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),并在市場競爭強度較大和勞動力成本較高的地區(qū)鼓勵金融機構(gòu)結(jié)合云計算、大數(shù)據(jù)等新型信息技術(shù)的存儲與分析功能,廣泛收集行業(yè)信息、認真分析企業(yè)情況,擇優(yōu)向大型企業(yè)和低勞動密集企業(yè)發(fā)放貸款,為特定企業(yè)貸款實施定向降準。同時,在面對股權(quán)集中度較高的企業(yè)時,金融機構(gòu)要層層把關(guān),加大貸款批準審核力度和后期資金流向的監(jiān)督。(3)數(shù)字技術(shù)的運用可能使得用戶面臨隱私泄漏風險,服務(wù)商也可能由于非結(jié)構(gòu)化數(shù)據(jù)的不恰當處理而面臨法律風險。故在推動數(shù)據(jù)挖掘和開放共享的同時,應(yīng)清晰界定數(shù)據(jù)價值和知識產(chǎn)權(quán),建立制度提高技術(shù)水平,為信息安全提供保障。