编者按 金融科技创新为金融资源合理配置开辟了新的路径，本文基于新结构经济学通过探究金融科技创新对企业全要素生产率的带动作用，进而分析其对经济增长的影响。本文利用中国33个省级行政区2011—2018年企业层面的面板数据，采用动态面板模型，发现金融科技创新对企业的全要素生产率有促进作用，并带动经济增长。
同时，本文采用面板门槛模型研究发现，金融科技创新的优势在高技术密集型产业更加明显，而且其作用存在门槛效应。这意味着，金融科技创新的作用是需要产业升级的配合才能体现出来。金融科技创新为企业提供所需的要素禀赋，当其与产业结构相互适应时，将是推动经济快速增长的又一着力点。
文 / 巴曙松（北京大学汇丰金融研究院执行院长、香港交易所集团首席中国经济学家、中国银行业协会首席经济学家）、白海峰（招商基金管理有限公司）、胡文韬（清华大学银色经济与健康财富研究中心）
改革开放给中国经济带来了40年的高速增长，但是随着人口红利的逐渐较少、产业升级的缓慢发展以及资本流动的持续阻碍，中国经济发展进入了结构调整阵痛期，因此，转变经济增长模式是中国实现产业升级和高质量发展的必要途径。蔡昉等[1]通过拟合环境库兹涅茨曲线，发现传统经济动能已无法实现持续的高质量经济增长，需要提高企业生产效率。而庄涛和吴洪[2]认为，这种高效的生产率将会体现在企业的全要素生产率上，并采用中国国家知识产权局专利数据实证发现，全要素生产率能促进经济增长,而全要素生产率的提高依托于企业的技术升级。在此领域，学者们尝试通过引入专利产出和技术创新来研究企业绩效和经济增长之间的相互作用关系，从而表明技术创新对于经济增长的重要意义，如Aghion[3]的企业竞争与创新理论以及吴超鹏和唐菂[4]的科技创新驱动与经济转型理论。所以早在党的十八大时，中国就把“实施创新驱动”提高到国家战略，近二十多年的研发投入（R&D）逐年增长，研发投入占GDP的比重已经由1991年的0.6%提高到2015年的2.1%。 但是创新带动经济发展仍然存在着问题。2018年美国府发动对中国301条款调查使我们重新意识到，中国的创新模式还是以依赖发达国家的高新技术为主，自主创新能力不足。顾夏铭等[5]研究发现，在2006—2015年，中国专利申请量和授权量年均增长率分别达到了24%和23%，发明专利申请年均增长率高达30%和28%，徐瑛等[6]指出，虽然国内年专利申请量从47万件迅速上升到328万件，但是中国全要素生产率没有得到明显提升。这意味着一味谋求创新是无法持续促进经济发展的，所以，杨子荣和张鹏杨[7]认为，想要从根本上改变经济发展模式，首先需要促进产业结构转型升级，优化金融资源配置，只有金融资源配置与产业结构相适应，才能够促进产业增长。Allen和Gale[8]认为，在产业结构调整和经济发展的不同阶段需要不同的金融服务来提高融资效率。 近年来，全球金融科技投资额不断增加，仅2018年全球金融科技投资额增长逾一倍，达到553亿美元。其中，中国投资额达255亿美元，占全球总投资额的一半，几乎是2017年全球金融科技的投资总额。目前，中国处于产业转型的新阶段，而金融科技的快速发展将有助于产业结构升级，带动经济发展。党的十九大报告将发展现代金融作为建设现代化经济产业体系的重要内容之一，而发展现代金融需要利用大数据、云计算、网络借贷、支付等方式优化资源配置，实现金融与科技融合，进而带动产业升级，促进实体经济发展。 刘蕾和鄢章华[9]认为，金融科技的兴起有效地弥补了传统金融的天然缺陷，提高了金融资源的配置效率。从企业融资角度来看，金融科技创新推动商业银行更好地为企业提供融资服务。通过大数据技术分析企业的经营情况，商业银行能更客观有效地为企业提供信贷和担保服务，从而解决企业融资难、融资贵等问题。从企业运营角度来看，区块链技术确保了企业每笔交易有迹可循，降低了业务的违约风险。而区块链的去中心特征提高了企业跨境交易和结汇的效率，同时减少了跨境资金成本。金融科技的创新使企业快速适应市场发展需求,实现经济效益最大化。中国现阶段经济发展需要新的金融服务模式助力产业结构升级，从而推动经济快速发展。 本文从微观层面分析金融科技对企业全要素生产率和经济发展的作用,主要创新集中在以下两个方面：第一，基于新结构经济学理论，探究金融科技创新促进经济发展的内在路径，对于进一步阐明中国经济由要素驱动向创新驱动的转型具有重要意义。第二，本文采用了动态面板模型和面板门槛模型分析金融科技创新在高技术密集型产业和低技术密集型产业中的作用效果，为金融科技创新与产业结合提供实证支持。 新古典经济学认为，企业的生存能力是固定的，理论的本质在于研究生产力不变的情况下，求解企业的最优资源配置。新古典经济增长理论把全要素生产率视为推动经济持续增长的重要因素，而探索提高全要素生产率的决定因素，已逐渐成为学术研究的热点问题。Schumpeter[10]认为，创新带动产业结构升级，进而实现经济增长，而经济增长的源泉是全要素生产率的提高。 余泳泽和张先轸[11]认为，要研究技术创新对经济的推动作用，就要研究作为生产函数要素并能代表产业技术水平进步的全要素生产率，这是因为技术的进步才能有效提高生产率。但是，从风险的视角来看，Villaverde等[12]、Gulen和Ion[13]与Kang等[14]认为，创新没有带动经济发展，是由于经济政策不确定性改变了企业经营活动成本，抑制研发投入欲望，不确定性影响了企业的投资决策，增加企业成本去权衡创新活动面临的风险和收益，反而降低了企业的全要素生产率。从金融成本的视角，贾俊生等[15]与Chowdhurya和Maung[16]认为,金融发展的不完善导致融资成本、交易成本和市场摩擦变大，从而限制了研发经费的投入，金融发展有效降低了信息搜寻成本，合理发现企业创新的价值。从内生性视角，余泳泽和张先轸[11]指出，企业内部创新模式的不健全导致创新无法实现产业化。虽然对于创新带动经济发展的研究不胜枚举，但是金融科技作为技术创新以及金融发展的产物，其对企业全要素生产率的影响缺乏相关研究。 付才辉[17]基于新结构经济学提出，经济发展需要通过要素禀赋结构升级。随着要素禀赋结构升级后，原先符合比较优势的产业和技术不再具备比较优势，这将推动企业进行技术创新和产业升级，从而再次带动经济发展，实现高质量增长。杨子荣和张鹏杨[7]认为，金融资本作为一地区特定时点的要素禀赋，其结构的升级势必也会带动经济发展。而金融科技创新是指金融产业通过与科技产业的融合，实现金融行业的禀赋结构升级，进而为实体经济提供高效率和高质量的金融服务。金融科技通过提高资本配置效率和优化了资本配置结构，为企业的产业升级以及全要素生产率的提高提供了基础。 从企业融资来看，张玉明和赵瑞瑞[18]通过借鉴金融科技的技术发现，在传统的金融模式下，由金融中介机构主导的金融活动会导致传统金融的低效、信息不对称和存续期间短等问题。这势必将弱化了企业的融资能力，导致企业对于技术创新的投资下降，进而约束了企业的全要素生产率。为了缓解企业资金约束，实现信息对称以及节省中介费用，卢亚娟和刘骅[19]通过分析科技金融协调效应发现，金融科技创新如大数据、云计算等技术，降低了金融资源搜索和传输的成本，从而缓解信息不对称问题以及降低了企业的融资成本。这种资源的高效配置将有助于促进科技向生产力的稳步转化。 从技术应用的角度来看，郭凯明[20]认为，人工智能技术的运用可视为实现自动化生产方式、改进劳动生产效率的重要技术创新。而企业利用大数据分析手段来预测市场需求、挖掘潜在客户,提供新产品和新服务,进而完善自我的竞争优势。除了刘蕾和鄢章华[9]提出的“去中心化”具备资金效率和成本优势外，区块链技术还提高了全产业链的可追溯性和真实性，并能对企业在研发、制造、销售等环节实现全记录，从而弥补传统企业的防伪技术并提高生产率。 假设１： 金融科技创新有助于促进企业的全要素生产率，进而带动经济增长。 Krugman[21]指出，大部分东亚国家的技术创新所带来的经济增长并不明显，产业结构发展并没有出现实质提高。对此，付才辉[17]通过讨论新古典经济学向新结构经济学的转换，强调了要素禀赋结构在优化生产方面的重要性。这意味着，技术创新带动经济增长需要建立在产业结构升级的条件下。刘伟和张辉[22]通过将技术进步和产业结构升级从全要素生产率中分解出来发现，两者均对经济增长有促进作用，而且产业升级发展至特定阶段时，技术进步对于全要素生产率的带动更加明显。随着产业结构不断升级,金融结构也必将随产业结构的升级进行创新变化。龚强等[23]认为，高技术型企业将面临较高的技术风险和市场风险，会更依赖于高效率和高质量的金融服务。而金融科技创新的优势在于运用大数据、云计算、人工智能和区块链等技术，减少信息不对称，降低信用风险和融资成本，提高金融服务效率。所以金融科技创新在高技术密集型行业中对优化资本配置以及提高产能效率的优势更加明显。 假设2：金融科技创新在高技术密集型产业中，其对全要素生产率带动作用更加明显。
（一） 样本选择及数据来源
本文选择2011－2018年中国上市与非上市公司作为研究样本，其中包含了中国香港和中国澳门地区的公司，非上市公司的数据来自于Orbis全球企业数据库，上市公司数据来源于Wind资讯金融数据库。本文选取的数据以财务数据为主，地区层面的经济数据从Wind资讯金融数据库数据库和《中国统计年鉴》中获取。本文对高技术密集型和低技术密集型企业的分类是根据欧盟统计局对Orbis行业的分类。
（二）变量说明
1.被解释变量
本文的被解释变量为全要素生产率（TFP），借鉴余泳泽和张先轸[11]的研究，计算企业的全要素生产率，利用企业生产率代表经济发展。通过采用随机前沿分析法（Stochastic Frontier Analysis，SFA）计算出公司层面的TFP，以此微观的视角探索经济发展。随机前沿生产函数被设定为柯布—道格拉斯形式，本文得出下列预测全要素生产率模型：
2.解释变量
本文的解释变量为金融科技创新（Fintech），借鉴杨子荣和张鹏杨[7]的做法，从活力和规模两个维度衡量金融科技创新发展程度。金融科技创新的数据涵盖了33个省级行政区，属于地区层面数据。金融科技创新活力(Fintech_ID)，衡量的是一个地区的金融科技创新运用程度，反映金融科技创新技术对产业结构调整和地区经济发展的影响。金融科技创新活力的数据来源于World Bank数据库，属于时间序列数据，在模型中对其自然对数。
金融科技创新规模(Fintech_S)，衡量的是一个地区的金融科技创新的研发投入以及使用金融科技技术所产生的费用，其主要反映一个经济体的金融科技发展状况。金融科技创新规模的数据来源于World
Bank和中国金融科技企业数据库，属于时间序列数据，在模型中对其取自然对数。
3.控制变量
为重点考察金融科技创新对产业结构和经济增长的影响，本文控制了可能会影响产业和经济增长的影响因素，如企业和区域特征：杠杆率Leverage，用于反映企业的负债风险的，以及衡量企业资金结构对企业的拉动作用，具体度量指标为总负债和总资产的比例；资产收益率ROA，用于反映企业的收益情况，具体度量指标为净利润和总资产的比例；销售成本Cost，用于反映企业的销售收入与销售投入关系，具体度量指标为销售成本总额的对数；无形资产Intangible，用于反映企业的专利权、商标权的价值，衡量企业未来发展的潜力；外商直接投资FDI，为实际利用外商直接投资额和GDP的比例，反映外商直接投资对产业和经济增长的拉动作用；地区出口总额Export，反映外需对产业和经济增长的拉动作用。
（三）模型构建
为了探索金融科技创新与全要素生产率之间的关系，本文选择OLS估值(固定效应模型)做基础模型，如下：
为了加强估值的有效性，我们引用动态面板模型，采用Arellano和Bover[24]提出的系统广义矩形估值方法(System Meneralized Method of Moments)，如下：
四 实证检验与结果分析
（一） 变量描述性统计
本文选用中国33个省级行政区的企业级面板数据作为样本，同时考虑各地区的独特优势，控制了地区性数据。表１是本文主要变量的描述性统计结果。如表1所示，中国企业全要素生产率的均值为0.366，远低于发达国家的0.70。而企业的杠杆率较高以为0.568，这说明企业的债务问题较为严重。
（二）金融科技创新与全要素生产率关系的实证检验
金融科技创新与企业全要素生产率之间的固定效应模型估计结果如表２所示。在表２的列（2）和列（3）中，金融科技创新活力（Fintech_ID）和金融科技创新规模（Fintech_S）与企业的全要素生产率在1％的置信水平下正相关，这意味着金融科技创新活力增加1%，企业的全要素生产率将相应地提高0.5个百分点，而金融科技创新规模增加1%，企业的全要素生产率将相应地提高1.8个百分点。为了消除内生性因素影响，本文引入了S-GMM模型，在列（4）和列（5）中同样发现，金融科技创新的活力和金融科技创新的规模对企业的全要素生产率有显著的正向作用，这意味着这一结论是稳健的。
同时，企业杠杆率（leverage）和无形资产比率（Intangible）与企业的全要素生产率有显著的正相关关系，这意味着资本的投入和无形资产的积累有利于企业的发展。虽然金融科技创新对企业的发展有带动作用，但是这一结论在具体指导不同地区产业结构的实践上，具有明显的不足。而中国各个省级行政区既涵盖了技术密集型产业又包括劳动力密集型产业，不同产业结构可能存在巨大的差异，因此，金融科技创新对不同产业结构的作用也应存在差异。
（三）不同产业结构条件下金融科技创新与企业全要素生产率关系的实证检验
表3中列（1）和列（2）列出了不同产业结构条件下金融科技创新对企业全要素生产率的作用的固定效应模型估计结果，发现金融科技创新活力和金融科技创新规模对企业全要素生产率有显著的正向作用，对于高技术密集型产业来说，金融科技创新对企业的发展有带动作用。同时，表3中列（3）和列（4）列出了S-GMM估计结果，Arelleno-Bond检验表明各模型残差不存在二阶序列相关，Hansen检验显示各模型的工具变量有效，因此，S-GMM估计量是一致的和有效的。从列（3）和列（4）可以发现，金融科技创新活力和金融科技创新规模的系数分别是0.003和0.022，且在1%置信水平上显著，这也与列（1）和列（2）的固定效应模型估计结果一致，进一步证明，金融科技创新能推动企业全要素生产率，又表明我们的估计结果是稳健的。
与之相似，表3的模型列（5）—列（8）给出了金融科技创新与低技术密集型产业的企业全要素生产率的关系。列（5）和列（6）通过F检验和VIF检验，而列（7）和列（8）通过了Arelleno-Bond检验和Hansen检验，说明了列（5）—列（8）的估计是有效的。然而，对于低技术密集型产业，金融科技创新活力和金融科技创新规模与企业全要素生产率没有存在显著的相关性。这说明，金融科技创新更能带动高技术密集型产业的发展。
（四）基于面板门槛模型的稳健性检验
基于以上分析结果，为检验假设2是否成立，本文采用面板门槛模型，实证检验不同产业结构条件下全要素生产率与经济增长的关系。模型设定如下：
本文首先选用金融科技创新为门槛变量，对全要素生产率与经济增长与之间是否存在门槛效应进行检验。表4对全要素生产率与经济增长之间是否存在门槛效应进行了检验，发现在1%的置信水平下全要素生产率与经济增长存在单一门槛效应。
在表4门槛值测度的基础上，为了进一步验证金融科技创新对经济增长的作用，本文用固定效应模型对全要素生产率与经济增长之间的关系是否受金融科技发展阶段影响进行实证检验，检验结果如表5所示。
从列（1）和列（2）可以看出，在高技术密集型产业结构下，全要素生产率对经济增长有显著的正作用，尤其是金融科技创新高于门槛值时，全要素生产率促进经济增长的作用更为明显。但是，从列（3）和列（4）的结果来看，在低技术密集型产业结构下，全要素生产率对经济增长的正作用并不显著，当金融科技创新高于门槛值时，全要素生产率对经济增长的促进作用才较为显著。这意味着全要素生产率与特定发展阶段的金融科技创新及其内生决定的产业结构相适应时，才能够进一步促进经济增长。
五 结论与启示
本文从微观视角，基于新结构经济学理论，探讨金融科技创新对于企业全要素生产率和经济增长的作用。通过收集2011—2018企业层面面板数据，利用动态面板模型和面板门槛模型实证检验不同产业结构下，金融科技创新与企业全要素生产率以及经济增长的非线性关系，并得出以下结论：第一，金融科技创新对企业全要素生产率有带动作用，并能促进经济增长。 同时，当产业结构以高技术密集型为主时，金融科技创新对企业的促进作用更加明显。第二，金融科技创新对于企业全要素生产率的带动作用存在门槛效应。 这意味着，金融科技创新的作用是需要产业升级的配合才能体现出来，当金融科技与产业升级层度相互适应时，企业的全要素生产率将进一步促进经济增长。
本文的研究对于经济高质量发展具有一定的启示意义：第一，技术创新和产业结构升级有助于提高企业的全要素生产率，促进经济增长。 而产业结构升级要靠金融科技创新满足实体经济发展过程中产生的新的金融需求，从而弥补传统金融结构不能有效优化资源配置的短板。第二，中国产业正处于转型中，随着要素禀赋结构的变化，产业结构也逐渐升级和转型。 而金融科技创新并不适用于所有产业，实证发现金融科技创新对于高技术密集型产业的作用更加明显。第三，金融科技创新是金融业实现结构升级和转型的过程，其本质还是以金融结构为主。 因此，实现经济发展的前提需要加强金融机构管理，强化金融科技的功能。
参考文献（可滑动）
[1]蔡昉,都阳,王美艳.经济发展方式转变与节能减排内在动力[J].经济研究,2008,(6):4-11. [2]庄涛,吴洪.基于专利数据的我国官产学研三螺旋测度研究——兼论政府在产学研合作中的作用[J].管理世界,2013,(8):175-176.
延伸阅读
巴曙松主持，李祥林主讲：金融科技和金融科技战略问题丨北大汇丰金融前沿对话第46期
巴曙松：金融科技创新推动支付行业进入新阶段
金融云学堂首讲丨白海峰：外资流入对中国资本市场的影响
巴曙松、白海峰：推广H股“全流通”提升配置效率
白海峰：从价值投资的角度看“伦港的世纪联姻”
粤港澳大湾区金融机构协同发展中的金融科技创新丨粤港澳大湾区金融发展报告（2018）
巴曙松：从创业和技术发展角度探讨金融创新与技术创新
文章来源： 《财经问题研究》杂志 2020年第1期（总第434期）（文中观点仅代表作者作为一位研究人员个人的看法，不代表任何机构的意见和看法）