中国海洋大学学报社会科学版  2022  Issue (3): 109-121  DOI: 10.16497/j.cnki.1672-335X.202203011

引用本文  

王垒, 宋天阳. 数字金融发展对企业绿色技术创新的影响研究——基于多主体中介的驱动解释[J]. 中国海洋大学学报(社会科学版), 2022, (3): 109-121.
Wang Lei, Song Tianyang. Digital Finance and Green Technology Innovation of Enterprises: Driver Interpretation Based on Multi-agent Mediation[J]. Journal of Ocean University of China (Social Sciences), 2022, (3): 109-121.

基金项目

国家社会科学基金项目“机构投资异质性对创业股东治理行为影响的管理策略研究”(18CGL009);山东省自然科学基金青年基金“基于文本分析的上市公司社会责任沟通策略研究”(ZR2020QG019);山东省高等学校青创科技计划创新团队“数字金融绿色技术创新团队”(2021RWG004)

作者简介

王垒(1986-),男,山东淄博人,中国海洋大学经济学院副教授,博士生导师,主要从事公司金融研究

文章历史

收稿日期:2022-03-01
数字金融发展对企业绿色技术创新的影响研究——基于多主体中介的驱动解释
王垒 , 宋天阳     
中国海洋大学 经济学院,山东 青岛 266100
摘要:本研究探讨数字金融对企业绿色技术创新的影响与内在机理,并以2011—2019年沪深A股和创业板的上市工业企业为样本进行实证检验。研究发现,数字金融对于企业绿色技术创新具有驱动效应,并且数字金融覆盖广度与使用深度在其中发挥关键作用。在中介机制分析中,数字金融通过减少银行“大贷款人监督”干预压力、降低分析师预测偏误,以及增强政府运用税收优惠政策工具的激励效果,进而提高企业绿色技术创新水平。此外,数字金融对绿色创新的驱动效应在企业性质和行业异质性检验中呈现出一定的需求端偏好,即相对于非国有企业和非重污染企业,数字金融对绿色技术创新的驱动效应在国有企业和重污染企业中更为明显。本研究能够为数字金融赋能绿色创新,兼顾推进数字化发展与绿色发展提供参考。
关键词数字金融    企业绿色技术创新    银行“大贷款人”干预    分析师预测    税收优惠    
Digital Finance and Green Technology Innovation of Enterprises: Driver Interpretation Based on Multi-agent Mediation
Wang Lei , Song Tianyang     
School of Economics, Ocean University of China, Qingdao 266100, China
Abstract: The paper examines the influence of digital finance on green technology innovation of companies and its internal mechanism on an empirical basis by using the data sample of industrial companies listed on GEM and Shanghai-Shenzhen A-shares from 2011 to 2019. The research results show that digital finance plays a positive role in green technological innovation of enterprises, especially the coverage breadth and usage depth of digital finance have played a key role in it. Furthermore, we find that digital finance promotes green technology innovation of enterprises by reducing the intervention pressure of banks' "great lender oversight", reducing analysts' forecasting bias and enhancing the incentive effect of government's use of tax policy tools. In the test of firm ownership attribute and industry heterogeneity, the contribution of digital finance to enterprise green technology innovation shows a certain demand-side preference. Digital finance can significantly support the state-owned companies and corporations in heavily polluting industries because of the convenience of supervision and financing, but it has the weaker promoting effect on non-state-owned companies and corporations in non-heavily polluting industries. This paper provides empirical evidence and policy reference for digital finance to promote enterprises' green technology innovation and take into account both digital development and green development.
Key words: digital finance    enterprise green technology innovation    great lender oversight    analyst forecasts    tax incentives    
一、引言

从十九大报告前瞻性地提出“构建市场导向的绿色技术创新体系”,到2021年2月国务院发布《关于加快建立健全绿色低碳循环发展经济体系的指导意见》提出“鼓励绿色低碳技术研发,实施绿色技术创新攻关行动,支持企业建立市场化运行的绿色技术创新联合体”,种种举措说明国家对企业绿色技术创新的持续重视。进一步讲,绿色技术创新是实现企业转型升级与绿色发展的根本途径。[1]然而,我国企业绿色技术创新普遍受内外资金约束、信息不对称、政策支持缺乏靶向性等因素的制约,创新动力不足,[2]传统金融模式在解决企业绿色技术创新所面临的困境时力有未逮。近年来,数字科技的应用使金融领域重新焕发生机,数字金融模式应运而生,对微观主体的创新行为发挥着举足轻重的作用。

首先,基于长尾理论,数字金融能够吸纳具有长尾特征的金融市场尾部用户,打破二八定律,[3]满足创新型企业融资的多样性需求。其次,数字金融依托现代信息工具,采用大数据信用评估方法打通客户信息透明度渠道,建立信息沟通机制,减少逆向选择。而且,通过助力金融机构提高环境信息的利用效率,数字金融模式实现环境监督穿透于企业资金使用的全过程,从而缓解绿色资金使用的道德风险问题。[4]可以说,数字金融对海量数据的挖掘,精准化用户画像,降低了企业与金融机构以及政府间的信息不对称程度。[5]最后,数字金融是一种低成本、广覆盖和可持续的普惠金融模式,具有传统金融所缺少的绿色属性,其经营以虚拟网点为主、无纸化办公,大大降低了金融服务资源、能源消耗。[6]上述观点支持了数字金融对企业绿色技术创新的助力作用。然而,金融创新理论和风险理论的观点却认为,数字金融是一种典型的金融创新,会带来更大的风险,进而对企业绿色技术创新等活动可能存在负面影响。因此,数字金融究竟能否有效解决企业绿色技术创新的困境,若其能够助益绿色技术创新,则数字金融绿色创新驱动的内在机理如何,本文将对上述问题进行详细研究。

二、文献综述 (一) 企业绿色技术创新影响因素

现有文献关于企业绿色技术创新的影响因素大致可以概括为政府、市场和企业三个层面。其中,政府层面以环境规制工具为主,体现为排污收费等强制型环境规制工具以及环保补贴、税收优惠等激励型环境规制工具;市场层面包括市场监管制度、市场信息对称程度等因素;企业层面则体现在企业经营业绩、资金约束、管理者绿色创新意识、开发技术能力等方面。[7]

具体来看,在政府政策层面,波特假说认为,合理适当的环境规制有利于企业进行创新,企业通常依赖税收优惠等激励型环境规制工具对绿色创新的外部性进行纠正;同时已有研究表明,财税政策的支持力度不足是企业绿色技术创新的关键障碍,[8]故针对企业绿色技术创新的财政政策能够有效地实施就显得至关重要。在市场方面,由于市场信息的不对称,科技成果商业化应用不畅导致绿色技术创新之路步履维艰,[9]而且信息联通机制和共享平台的缺乏等诸多现实困境也是制约我国企业绿色发展的重要因素。[10]在企业自身层面,研发费用的高居不下和融资约束障碍是企业绿色技术创新面临的关键经济难题,[11]资金短缺限制了企业的绿色创新行为。

(二) 数字金融的发展与演进

数字金融伴生于近年来我国数字经济的改革与发展,是利用互联网技术提供金融服务的新兴模式,属于传统金融和现代信息技术相结合的产物,[12]目前包括的模式涉及第三方支付、数字货币、区块链等类型的网络金融。

数字金融的概念虽然诞生较晚,但是对于数字金融的研究已经初具规模。总体而言,体现为数字金融在经济增长、收入消费、创新创业等方面的影响。在经济增长方面,数字普惠金融的运用促进金融产品和服务广泛、快速地触达客户,提高收入增长的可能性,尤其针对农村居民的家庭收入,这有利于实现城乡均衡发展和经济的包容性增长。[13]在消费方面,数字金融能够使广大居民获得信贷支持实现跨期消费,并且能够通过多样性金融服务提高居民投资理财的收益水平进而提高居民消费水平。[14]在创新创业方面,数字金融的发展能够解决传统金融存在的靶向偏离问题,驱动企业去杠杆、提升财务稳定性,促进企业技术创新。[15]另外,数字普惠金融能够强化数字技术对企业突破式创新的促进效果,[16]通过降低融资门槛、信息不对称和审批成本,[17]缓解金融资源错配等方式,提升企业创新水平,并且相较于民营企业,对国有企业的影响更大。[18]

(三) 文献评述

通过梳理已有文献可知,关于企业绿色技术创新与数字金融的研究存在尚待完善之处:(1)现有研究肯定了经济等因素对企业创新的重要影响,但在金融深化改革的过程中,数字金融作为一种金融与数字科技的绿色新兴融合手段,能否对企业绿色技术创新产生有效助力,仍有待进一步实证验证。(2)关于数字金融如何影响企业绿色技术创新的传导机制有待进一步探索。尤其针对企业绿色技术创新自身的特殊属性导致的不同限制问题,驱动因素能否合理而精准地多路径传导到企业绿色技术创新,现有研究结果暂时难以给出确切回答,需要作进一步检验。(3)现有研究指出,企业创新驱动因素的作用发挥还存在特征性差异,因此要想全面掌握数字金融对企业绿色技术创新的影响机理,有必要从产权性质等企业特征因素进行异质性挖掘,全面深入理解数字金融的微观影响效果。

三、理论分析与研究假设 (一) 数字金融对企业绿色技术创新的直接影响

绿色技术包括循环再生技术、污染控制与预防技术等一系列环境友好型的现代技术,其对金融服务的要求更高。

首先,数字金融模式是“平台型”辐射,相较于“管道型”的传统金融模式,更具有开放性、传播性、智能性与动态性,这种信息共享优势体现为直接对其他行业产生技术溢出效应,[19]有利于不同行业的企业之间相互学习并进行绿色技术改造。其次,数字金融具有绿色属性,可利用信息识别功能将金融资源优先配置给环境友好型企业的绿色技术创新项目,倒逼“三高”企业进行绿色技术改造,并将信息化的环境数据传递给政府环境治理部门,有助于打造“奖优罚劣”的环境治理闭环。[20]最后,数字金融的风险管理功能与激励监督功能有助于激发企业的绿色创新活力,迫使企业废除高耗能低效率的“灰色”生产技术,转而通过绿色技术创新实现节能减排,达到兼顾经济效益与环境价值双赢的效果。[21]根据以上分析,提出如下假设:

假设1:数字金融的发展能够促进企业进行绿色技术创新。

(二) 数字金融对企业绿色技术创新的间接作用路径

根据利益相关者理论,凡是受企业行为影响抑或是影响企业经营目标的主体,皆为企业的利益相关者。在企业众多的利益相关者之中,银行是最具代表性的金融中介,发挥资金融通的作用,分析师作为信息中介能够传递企业信息,在金融市场中的地位越来越得到重视,而政府则是制定企业政策与监管企业的主体,规范企业行为,上市公司不可避免地要接触到银行、分析师、政府等利益相关者。银行贷款、分析师预测和政府税收优惠作为典型的利益相关者行动,不仅会对企业的经营与治理产生影响,而且也是企业绿色技术创新的重要因素。为此,本文进一步探讨数字金融能否通过影响利益相关者行为进而驱动企业绿色技术创新。

首先,银行向企业的放贷行为倾向于抑制企业的创新活力。出于债权安全的考虑,银行会通过贷后的治理机制,限制经理人将借款投资于风险较高并缺少担保价值的创新项目,[22]即为银行的“大贷款人监督”作用。[23]与其他类型的技术创新相比,绿色技术创新在风险方面更加突出。因此,企业即便获得银行借款,但受到银行的监督干预限制,企业用借款进行高风险的绿色技术创新机会受限,导致银行借款难以转化成绿色创新投入。数字金融平台为企业提供了大量个性化可触及信贷产品,可供企业选择的融资渠道更多,使企业负债中的银行借款占比降低,有效减弱银行的“大贷款人监督”作用,有助于企业摆脱持续低创新困境,激发企业绿色技术创新的活力。根据以上分析,提出如下假设:

假设2:数字金融的发展通过降低银行“大贷款人监督”的干预压力,进而促进企业绿色技术创新。

其次,分析师跟踪预测能够通过缓解信息不对称提高企业的创新绩效,[24]但预测的准确度是关键。数字金融的网络融资平台能够促使企业释放大量的非强制性披露信息,为分析师提供决策依据,提高预测准确性。[25]作为独立专业的第三方信息中介,分析师的预测精确度上升,有助于投资者对公司信息的掌握,改善企业价值被低估的现状,进而提升企业管理层和员工的信心,有利于绿色技术创新的开展。此外,分析师预测精确度上升,市场信息透明度提高,以便政府与金融机构对企业进行资质审核时利用更真实有效的信息进行综合判断,防止污染企业将高污染项目包装成绿色项目获取信贷支持,有效避免“假绿”等问题,助力企业绿色技术创新能力的提升。根据以上分析,提出如下假设:

假设3:数字金融的发展通过降低分析师预测偏误,进而促进企业绿色技术创新。

最后,绿色技术创新能够产生正的溢出效应,这会减少企业绿色技术创新的动机,税收优惠等政策工具会帮助企业矫正绿色创新的正外部性。然而,因政府所掌握的信息有限,较难确定企业是否真正具有税收减免的资质,且无法直接监督企业对资金的使用,易造成政策资源不是流向缺少绿色创新资金的企业,反而流入为管理层带来私人利益的领域,企业难以达到有效的绿色技术创新政策激励预期。但是,数字金融却可以通过大数据分析,帮助政府部门在收集企业经营状况以及信贷风险等信息的同时,快速生成用户特征“画像”,[26]这不仅有利于政府对企业进行监管,而且有利于政府甄别需要税收优惠的企业,综合促进财政资源流向适合的企业,进行精准帮扶,提高税收优惠政策工具对绿色技术创新的激励作用。根据以上分析,提出如下假设:

假设4:数字金融的发展通过提高政府运用税收优惠政策工具的激励作用,进而促进企业绿色技术创新。

四、研究设计 (一) 数据来源

本文选取2011—2019年沪深A股和创业板上市的1705家工业企业为研究样本,样本中不包括单项数据缺失、PT、ST和已摘牌的上市公司。同时,依据省级层面数字金融指数起始年限(2011年)进行配对,构建2011—2019年的面板数据集。进一步,对连续变量采用缩尾处理,最终保留了9189条“企业—年份”观测数据。其中,上市工业企业的绿色专利数据来源于中华人民共和国国家知识产权局,上市公司经济特征数据来自国泰安数据服务中心,数字金融数据来自“北京大学数字普惠金融指数”。

(二) 模型设计与实证策略

借鉴唐松等的研究,[15]本文采用如下基准模型分析数字普惠金融对我国上市工业企业绿色技术创新能力的影响:

$ Y_{i, t}=\alpha+\beta D I F_{i, t}+\sum \varphi C V_{i, t}+\sum Year +\sum Ind +\varepsilon $ (1)

其中,因变量Y是企业绿色技术创新水平,以企业绿色专利申请数量(PAT)、绿色发明专利申请数量(INPAT)和绿色实用新型专利申请数量(UPAT)作为代理变量。自变量是数字普惠金融指数(DIF),CV代表控制变量。为了控制随年份的增加而不断改变的行业特质,本文采用控制“年份—行业”(Year-Ind)的双向固定效应模型进行检验。ε代表模型的随机误差项。

为进一步探讨数字金融发展对企业绿色技术创新激励影响的机制渠道,基于利益相关者理论,从银行借款、分析师预测、政府税收三个利益相关者行为角度出发,对数字金融驱动企业绿色技术创新的内在机制渠道进行验证。采用温忠麟三步法进行中介机制的识别检验,构建模型(2)—模型(4)如下:

$ Y_{i, t}=\lambda+\lambda_{1} D I F_{\mathrm{i}, t}+\sum \varphi C V+\sum { Year }+\sum { Ind }+\varepsilon $ (2)
$ { Mediator }_{i, t}=\psi+\psi_{1} D I F_{i, t}+\sum \varphi C V+\sum { Year }+\sum { Ind }+\tau $ (3)
$ Y_{i, t}=\xi+\xi_{1} { Mediator }_{i, t}+\xi_{2} D I F_{i, t}+\sum \varphi C V+\sum { Year }+\sum { Ind }+v $ (4)

其中,Mediator分别为银行借款、分析师预测偏误和税收优惠,其他变量的设定同式(1)。

(三) 变量设定 1、被解释变量

被解释变量为企业绿色技术创新水平(PAT)。采用工业上市公司绿色专利数据代表绿色技术创新水平。依据世界知识产权组织的“国际专利分类绿色清单”划分标准,筛选出企业每年的绿色专利数量,并将其划分为绿色发明专利(INPAT)和绿色实用新型专利(UPAT)。

2、解释变量

解释变量为数字金融(DIF)。采用省级北京大学数字普惠金融指数作为自变量的代理变量。其中,数字金融指数包含三个分维度,即数字金融覆盖广度(DIFB)、数字金融使用深度(DIFD)和普惠金融数字化程度(DIFL),对总指数和分维度指数统一采取归一化处理后进行回归分析。

3、中介传导变量

(1) 银行借款(BLOAN)。用银行借款作为银行债权人监督压力的代理变量,具体用(短期银行借款+长期银行借款+一年期内到期的非流动负债)/企业年末总资产来衡量。

(2) 分析师预测偏误(AFROR)。参考林晚发等的研究计算分析师预测偏误,[27]公式如下:

$ A F R O R_{i, t}=\frac{A b s\left[ Mean \left(F E P S_{i, t}\right)-U E P S_{i, t}\right]}{A b s\left(U E P S_{i, t}\right)} $ (5)

其中,AFRORi, t表示分析师于第t年对公司i的预测偏差,FEPSi, t代表分析师于第t年预测的公司i的每股收益值,UEPSi, t表示公司i于第t年公告的每股收益实际值。比值越大,分析师预测偏误越大。

(3) 税收优惠(TAXR)。用税费返还作为税收优惠的代理变量,具体借鉴柳光强等的做法,[28]选用样本公司年报中“收到的各种税费返还”来进行衡量。

4、控制变量

参考已有研究,本文还控制了企业规模、公司年龄等变量。表 1为各个变量的测度方法和描述性统计结果。

表 1 变量定义与描述性统计
(四) 相关性分析

运用Pearson和Spearman相关系数检验法验证变量之间是否相关以及相关性程度。从表 2中可见,一方面,数字金融发展指数与企业绿色专利申请量之间是正相关关系,基本符合预期;另一方面,观察各个变量间的相关系数可知,模型不存在严重的多重共线性问题。

表 2 相关系数检验结果
五、实证结果分析 (一) 基准回归结果 1、数字金融对企业绿色技术创新的影响

表 3报告了数字金融发展对企业绿色技术创新的回归结果。结果显示,数字金融发展能够提升企业整体的绿色技术创新水平(βPAT=0.608,p < 0.01),假设1成立。同时可以发现,数字金融对绿色发明创新的驱动作用要高于绿色实用新型创新(βINPAT=0.594>0.326=βUPATpINPAT < 0.01,pUPAT < 0.01),即相较于绿色外观和构造的创新,绿色产品和方法等技术创新受数字金融的正向影响更大,说明了数字金融的发展的确更有助于促进企业绿色技术创新核心竞争力的提高,优化绿色技术创新结构,真正实现工业企业绿色转型升级。

表 3 数字金融发展对企业绿色技术创新的影响:基准回归的回归结果
2、数字金融变量分维度对企业绿色技术创新的影响

为探究不同的数字金融特征对企业绿色技术创新存在的侧重性影响作用,进一步运用数字金融指数所包含的三个维度依次对企业绿色技术创新水平进行回归分析,表 4展示了相关回归结果。

表 4 数字金融指标分维度分析的回归结果

数字金融覆盖广度对企业绿色技术创新的驱动作用显著(βPAT=0.527,p < 0.01)。该指标通过电子账户覆盖率来衡量,说明数字金融发展通过扩大电子账户覆盖率最大程度保障了用户能够得到相应服务,引导资源要素跨时空配置,提高经济系统内资源的流通效率,进而提升企业的绿色技术创新水平。数字金融使用深度对企业绿色技术创新的驱动效果也非常显著(βPAT=0.430,p < 0.01),说明在互联网新金融模式下,数字金融通过信贷、保险、征信等多元业务,为企业提供更多的融资渠道,有助于企业进行绿色技术创新。不过,普惠金融数字化程度对企业绿色技术创新的影响效力并不显著,且方向性为负(βPAT=-0.086,p>0.1)。这可能因为,普惠金融数字化程度测度指标中包含代表经营者平均贷款利率的实惠化以及信用化和便利化,低利率的实惠可能会使企业获得大量低成本贷款,尤其便利程度增加后,企业资金来源的替代性选择更多,使得企业的投资更加分散和多元,甚至可以放弃绿色技术创新以换取短期投资收益。由此可见,当前数字金融发展是依靠覆盖面积的扩大和使用深度的挖掘推动我国绿色技术创新发展的。

(二) 稳健性处理 1、工具变量法

针对模型可能存在的反向因果和变量遗漏等内生性问题,借鉴谢绚丽等的研究,[29]选取各省份的互联网普及率作为工具变量进行检验。表 5列(1)—列(3)的结果显示,在采用2SLS工具变量法减轻内生性问题后,现有结论依然稳健。

表 5 2SLS工具变量法和更换核心解释变量口径的回归结果
2、更换核心解释变量口径

本文进一步更换了核心解释变量的口径,采用城市一级的数字金融发展指数(DIF^)进行内生性检验。表 5列(4)—列(6)的回归结果说明,将核心解释变量替换为城市级的数字普惠金融指数后,结论依然保持稳健。

3、自变量滞后一期

考虑到数字金融对企业绿色技术创新活动的影响可能存在一定的传递时间,因此采用数字金融指数的一阶滞后项进行检验。从表 6列(1)—列(3)的回归结果中可知,“数字金融驱动企业绿色技术创新”的核心结论稳健。

表 6 自变量滞后一阶处理和更换Tobit模型的回归结果
4、回归模型更替

由于被解释变量绿色专利申请数据,存在一定的零值堆积特征,因此针对此种数据结构,采用了Tobit模型进行检验。表 6列(4)—列(6)的数据表明,更替回归模型之后,数字金融提升企业绿色技术创新水平的效果依旧显著。

(三) 影响机制分析 1、基于银行债权人干预角度

银行借款的中介作用结果如表 7所示。从中可以发现,数字金融发展能够显著减少企业向银行的借款,降低银行干预(β=-0.195,p < 0.01)。银行借款对企业绿色专利申请数量的影响系数显著为负,进而证实了假设2。进一步,在将银行借款作为中介变量的前提下,银行债权人干预在数字金融对绿色实用新型专利影响中的中介效应占比要高于其在数字金融对绿色发明专利影响中的中介效应占比(19.369% < 26.977%),即银行干预在数字金融对非实质性绿色技术创新的影响中的作用更大。原因可能在于,绿色发明专利的创新难度更高,项目失败的风险也更高,银行从债权人一方的风险承担方面考虑,更偏好向绿色实用新型专利项目提供资金,然而,数字金融发展使得企业融资渠道更丰富,这也会给银行支持企业非实质性绿色创新方面造成更大的冲击,因而银行借款的中介作用也更明显。

表 7 数字金融发展影响企业绿色技术创新的渠道机制的回归结果
2、基于分析师预测偏误角度

分析师预测偏误的中介作用结果如表 7所示。从中可以发现,数字金融的发展能够显著降低分析师预测偏误(β=-1.909,p < 0.05),提升市场信息透明度,进而有利于优化金融资源的合理配置,提升企业绿色技术创新的总体水平(β=-0.003,p < 0.05)。对比两类绿色专利的回归结果发现,促进绿色发明专利创新的机制有效(β=-0.003,p < 0.01);而促进绿色实用新型专利创新的机制无效(β=-0.002,p>0.1),经Sobel检验,结果依旧不显著。可能的原因在于,发明专利技术含量更高,其申请费用普遍偏高且成功率较低,企业更加倾向于通过实用新型专利寻求政策扶持,即一种追求“数量”的策略性创新手段。而数字金融能够减少分析师预测偏误,增加市场信息透明度,有效抑制企业将实用新型专利作为“漂绿”的手段,激发企业进行绿色发明专利创新的活力,真正促进企业绿色创新质量的提高。

3、基于政府税收优惠角度

政府税收优惠的中介作用结果如表 7所示。从中可以发现,数字金融有助于企业获得税收优惠(β=11.826,p < 0.01)。说明数字金融的发展可以帮助政府更好地甄别具有绿色技术创新潜力的企业,推动税费返还更多地向这些企业倾斜。税收优惠对两类绿色专利有显著的正向影响,体现了数字金融通过税收优惠政策助力企业绿色技术创新,从而证实了假设4。同时对比税收优惠在数字金融对两类绿色专利影响的中介作用结果时发现,在绿色实用新型专利创新中占比略大(13.936% < 18.138%),原因可能在于,相比于绿色发明专利,绿色实用新型专利的申请与转化较快,因此成为企业获取政府税收优惠的快捷手段。

纵观三条路径,三类利益相关者的中介效应比例大小关系依次为,银行>政府>分析师(21.424%>17.506%>0.942%),这体现了数字金融更加依托于直接的资源关联主体去驱动企业进行绿色技术创新。

六、进一步分析 (一) 基于产权性质的分样本研究

国有企业和非国有企业两者在资源基础、激励机制和经营目标等方面存在一定差距,因而产权属性会显著影响企业的技术创新活动。[30]因此,本文试图分组剖析数字金融对企业绿色技术创新影响的所有权属性差异,结果如表 8所示。

表 8 基于产权性质和行业的分样本研究的回归结果

数字金融对国有企业的绿色技术创新具有显著的正向影响(βPAT=0.609,p < 0.01),尤其针对绿色发明专利的创新(βINPAT=0.647,p < 0.01),接近绿色实用新型专利的两倍(βUPAT=0.348,p < 0.05)。横向对比国有企业和非国有企业,数字金融对企业绿色核心竞争力的驱动效果在国有企业中更明显。可能的原因在于,根据政治观,国有企业的主要高管大多数由政府任命,这意味着高管不仅要考虑企业经营绩效,还需要对社会效益等目标负责,因此国有企业会对绿色技术创新的开展更加重视。而非国有企业一般不存在直接的社会效益目标考核约束,因而更加关注企业利润和企业价值最大化,在一定程度上削减了高管进行具有双重外部性的绿色技术创新活动的动力。

(二) 基于行业的分样本研究

企业所处行业往往与绿色技术创新之间存在着密切的联系。绿色技术创新强调环境效益,而重污染行业生产外部性高,使得绿色技术创新在降低成本、优化性能方面的战略价值在重污染行业中更突出。因此,本文依据环境保护部门2010年出版的《上市公司环境信息披露指南》,按照企业样本是否属于其中规定的重污染行业划分为两类,试图刻画数字金融对企业绿色技术创新影响的行业属性差异,结果如表 8所示。

数字金融对企业绿色技术创新的影响,在重污染行业样本中,系数显著为正,而在非重污染行业样本中的显著性较弱,说明数字金融发展更偏重于驱动重污染企业绿色创新。原因可能在于,政府受制于行政资源的局限性往往处于信息劣势地位,难以察觉重污染企业的环境违规行为,[31]但数字金融的发展能够提高市场信息透明度,增强政府监管力度,倒逼重污染企业进行绿色技术创新。此外,外界对非重污染企业的生态环境监督效力要弱于重污染企业,导致非重污染企业相较于重污染企业而言,进行绿色技术创新改善环境的动力与压力较小。

七、结论与政策建议

在当前数字化大变革、数字金融模式兴起和发展的背景下,本文借助2011—2019年沪深A股和创业板的上市工业企业数据,实证检验了数字金融对我国上市工业企业绿色技术创新的影响。研究发现, (1)数字金融发展能够显著提高我国上市工业企业绿色技术创新能力,具体表现为增加绿色发明专利和绿色实用新型专利的数量,同时对绿色发明专利创新的驱动效果更强;对数字金融变量的分维度实证结果表明,数字金融覆盖广度和数字金融使用深度对企业绿色技术创新具有十分显著的驱动效果,而普惠金融数字化程度影响效果不显著。(2)影响机制分析表明,数字金融能够通过减少银行“大贷款人监督”干预压力、降低分析师预测偏误、增强政府运用税收优惠等政策工具的激励效果,进而促进企业绿色技术创新水平的提升。(3)异质性分析表明,数字金融发展能够显著提高国有企业和重污染行业企业的绿色技术创新水平,而对非国有企业和非重污染行业企业的绿色技术创新驱动力较弱。

针对以上研究结论,提出以下政策建议:第一,在持续建设与发展数字金融的同时,应当明确与监督普惠金融数字化特征的绿色创新扶持方向,提倡数字金融支持绿色技术创新活动的可得性与门槛性并存,补齐短板,高质量发挥数字金融的专项绿色创新驱动效用。第二,根据企业绿色技术创新改革需求,合理借助在数字金融驱动企业绿色技术创新过程中利益相关主体的差异化助力作用。比如,鼓励企业运用好数字金融手段,优化企业自身的融资结构,减少银行“大贷款人监督”干预压力;善用数字金融帮助政府精准施策,提高环保财政的靶向性;建设良好的市场环境支持卖方分析师保持观点独立性,激励分析师利用好数字化传播渠道,提升观点准确性与独立性。第三,因企施策,以应对数字金融绿色创新效应的产权与行业差异,不仅持续完善国有企业和重污染行业企业中借助数字金融实现绿色技术创新的动机与效果,而且也应着重促进数字金融在非国有企业和非重污染行业企业的发展应用,以激发其在绿色技术创新与升级中的动力与潜力。

参考文献
[1]
王旭, 褚旭. 制造业企业绿色技术创新的同群效应研究: 基于多层次情境的参照作用[J/OL]. 南开管理评论: 1-24. http://kns.cnki.net/kcms/detail/12.1288.F.20210408.1855.023.html. (0)
[2]
李玉婷, 史丹. 中国工业能源效率鸿沟的形成机理与实证研究[J]. 山西财经大学学报, 2018, 40(6): 61-73. (0)
[3]
万佳彧, 周勤, 肖义. 数字金融、融资约束与企业创新[J]. 经济评论, 2020, (1): 71-83. (0)
[4]
中国工商银行与清华大学"绿色带路"项目联合课题组. 推动绿色"一带一路"发展的绿色金融政策研究[J]. 金融论坛, 2019, 24(6): 3-17. (0)
[5]
Demertzis M, Merler S, Wolff G B. Capital markets union and the Fintech opportunity[J]. Journal of Financial Regulation, 2018, 4(1): 157-165. DOI:10.1093/jfr/fjx012 (0)
[6]
段永琴, 何伦志, 克甝. 数字金融、技术密集型制造业与绿色发展[J]. 上海经济研究, 2021, (5): 89-105. DOI:10.3969/j.issn.1005-1309.2021.05.009 (0)
[7]
Arena C, Michelon G, Trojanowski G. Big egos can be green: A study of CEO hubris and environment and environmental innovation[J]. British Journal of Management, 2018, 29(2): 316-336. DOI:10.1111/1467-8551.12250 (0)
[8]
Liao Z J, Xu C K, Cheng H, Dong J C. What drives environmental innovation? A content analysis of listed companies in China[J]. Journal of Cleaner Production, 2018, 198: 1567-1573. DOI:10.1016/j.jclepro.2018.07.156 (0)
[9]
Roper S, Tapinos E. Taking risks in the face of uncertainty: An exploratory analysis of green innovation[J]. Technological Forecasting and Social Change, 2016, 112: 357-363. DOI:10.1016/j.techfore.2016.07.037 (0)
[10]
李春发, 卢娜娜, 李冬冬, 等. 企业绿色创新: 政府规制、信息披露及投资策略演化[J]. 科学学研究, 2021, 39(1): 180-192. (0)
[11]
Yang R, Tang W S, Zhang J X. Technology improvement strategy for green products under competition: The role of government subsidy[J]. European Journal of Operational Research, 2021, 289(2): 553-568. DOI:10.1016/j.ejor.2020.07.030 (0)
[12]
钱海章, 陶云清, 曹松威, 等. 中国数字金融发展与经济增长的理论与实证[J]. 数量经济技术经济研究, 2020, 37(6): 26-46. (0)
[13]
张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8): 71-86. (0)
[14]
杨伟明, 粟麟, 孙瑞立, 等. 数字金融是否促进了消费升级?——基于面板数据的证据[J]. 国际金融研究, 2021, (4): 13-22. (0)
[15]
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, 36(5): 52-66. (0)
[16]
张吉昌, 龙静. 数字技术应用如何驱动企业突破式创新[J]. 山西财经大学学报, 2022, 44(1): 69-83. (0)
[17]
贾俊生, 刘玉婷. 数字金融、高管背景与企业创新——来自中小板和创业板上市公司的经验证据[J]. 财贸研究, 2021, 32(2): 65-76. (0)
[18]
赵晓鸽, 钟世虎, 郭晓欣. 数字普惠金融发展、金融错配缓解与企业创新[J]. 科研管理, 2021, 42(4): 158-169. (0)
[19]
沈悦, 郭品. 互联网金融、技术溢出与商业银行全要素生产率[J]. 金融研究, 2015, (3): 160-175. (0)
[20]
滕磊, 马德功. 数字金融能够促进高质量发展吗?[J]. 统计研究, 2020, 37(11): 80-92. (0)
[21]
汪淑娟, 谷慎. 科技金融对中国经济高质量发展的影响研究——理论分析与实证检验[J]. 经济学家, 2021, (2): 81-91. (0)
[22]
肖海莲, 唐清泉, 周美华. 负债对企业创新投资模式的影响——基于R&D异质性的实证研究[J]. 科研管理, 2014, 35(10): 77-85. (0)
[23]
Bharath S T, Dahiya S, Hallak I. Corporate Governance and Loan Syndicate Structure[J]. Journal of Financial and Quantitative Analysis, 2020, , 1-72. (0)
[24]
陈钦源, 马黎珺, 伊志宏. 分析师跟踪与企业创新绩效——中国的逻辑[J]. 南开管理评论, 2017, 20(3): 15-27. (0)
[25]
杨凡, 张玉明. 网络媒介、互动式信息披露与分析师行为——来自"上证e互动"的证据[J]. 山西财经大学学报, 2020, 42(11): 113-126. (0)
[26]
李春涛, 闫续文, 宋敏, 等. 金融科技与企业创新——新三板上市公司的证据[J]. 中国工业经济, 2020, (1): 81-98. (0)
[27]
林晚发, 赵仲匡, 刘颖斐, 等. 债券市场的评级信息能改善股票市场信息环境吗?——来自分析师预测的证据[J]. 金融研究, 2020, (4): 166-185. (0)
[28]
柳光强, 杨芷晴, 曹普桥. 产业发展视角下税收优惠与财政补贴激励效果比较研究——基于信息技术、新能源产业上市公司经营业绩的面板数据分析[J]. 财贸经济, 2015, (8): 38-47. (0)
[29]
谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?——来自中国的证据[J]. 经济学(季刊), 2018, (4): 1557-1580. (0)
[30]
冯根福, 郑明波, 温军, 等. 究竟哪些因素决定了中国企业的技术创新——基于九大中文经济学权威期刊和A股上市公司数据的再实证[J]. 中国工业经济, 2021, (1): 17-35. (0)
[31]
潘爱玲, 刘昕, 邱金龙, 等. 媒体压力下的绿色并购能否促使重污染企业实现实质性转型[J]. 中国工业经济, 2019, (2): 174-192. (0)