摘要：为研究互联网金融与公司创新行为之间的影响关系，本文以高新技术企业为例，通过收集企业创新数据和互联网金融发展数据建立PVAR模型。研究发现互联网金融与企业创新之间有正向影响关系，且互联网创新对企业创新行为的正向影响较大，这意味着应通过政策导向鼓励互联网金融向公司创新提供资金，同时也应建立监督机制保证其服务实体经济。
关键词：互联网金融；数字经济；企业创新
金融的发展对产业结构调整和经济增长都有重要作用。Schumpeter发现金融能够通过资源在配置的方式上促进产业结构升级。韩廷春(2001)则发现投融资体制的严重扭曲制约经济发展，并提出应建立市场化的间接融资机制。而互联网金融可能是另一个选择，学界因此从2012年就开始对互联网金融的概念、影响等方面展开了研究。对于互联网金融的概念，目前大多采用谢平、邹传伟(2012)的观点，他们认为互联网金融是不同于商业银行间接融资、资本市场直接融资的第三种金融融资方式，其在支付方式、信息处理和资源配置三个方面都具有独特性。汪炜，郑扬扬(2015)在此基础上提出互联网金融发展的经济学理论基础，指出凭借大数据模型能够极大减少信息不对称带来的道德风险。随后学者们对互联网金融的影响展开研究。殷小丽(2018)认为互联网金融不仅能够促进高新技术企业创新，而且能够通过提供高技术产品来提升产业结构。何宜庆等(2020)则指出互联网金融对产业结构升级的影响实际上是对互联网金融与技术进步两者同产业结构升级的深入研究。对相关文献梳理后发现，目前互联网金融对产业结构的影响结论大多一致，即互联网金融通过发挥大数据优势满足资金长尾需求，进而促进了企业创新并达到了产业结构升级的影响。但目前各种相关文献大多以理论研究为主，实证研究也都集中于产业结构和互联网金融的关系上，而对互联网金融和企业创新影响的研究大多尚处于理论层面，因此对互联网金融和企业创新影响的实证研究具有一定创新性。
1理论与假设的提出
金融市场通过融资约束和融资费用对企业创新产生影响。首先就融资约束而言，传统的金融企业更加注重可抵押的传统固定资产和流动资金上，这样的融资分析方式使得传统金融企业无法对企业的创新能力进行分析，因此在传统的融资模式下资金更倾向于传统工业企业，而对高新技术企业的融资形成了较大的融资约束。其次就融资费用而言，由于创新项目的资金回报周期长，因此融资费用高的企业更倾向于减少创新行为。相比传统金融企业，互联网金融能够极大程度减少审批和管理成本，进而降低企业融资门槛与成本。通过对蚂蚁金服贷款数据分析发现，相比于传统金融模式，互联网金融将小额贷款审批时间从数月降低到3秒，每笔贷款成本从2000元降低到2.3元，因此低融资成本也能促进企业创新。企业创新能通过产业结构调整、宏观经济增长促进互联网金融发展。Antzoulatis发现产业技术导向能够影响金融结构和产业结构的相关性。高收益高风险的高新技术企业的创新研发需要资金支持，这为互联网金融公司提供了一定的收入来源，从而促进互联网金融的发展。就宏观经济增长而言，经济增长能够提升居民储蓄，而互联网金融得益于其独特的众筹融资模式，又为自身的发展提供了更多资金来源支持。可见企业创新也有可能促进互联网金融的发展。因此，基于上述分析，本文提出以下两个假设：假设1：互联网金融能够通过减少融资约束、降低融资成本促进企业创新。假设2：企业创新促进产业结构调整、宏观经济增长，进而促进互联网金融发展。
2数据处理与模型构建
互联网金融指标引用的是较为权威的“北京大学数字普惠金融指数”，它由北京大学数字金融研究中心的郭峰、王靖一等编制。该指数从覆盖广度、使用深度、数字化程度三个方面对数字金融发展状况作了较为全面的涵盖，在考虑数字金融发展的广度和深度的同时也兼顾了指数横向与纵向的可比性。因此本文采用该指数2011—2018年各省的数据作为互联网金融指标(index)。企业创新指标主要通过R&D经费支出、专利数量和新产品收入三个二级指标并引用王培海(2020)的中小企业创新指数公式计算得出。由于大型企业的创新研发多采用内部融资的方式进行，而互联网金融对这类企业的创新行为影响较小。因此如果采用规模以上企业的数据来衡量企业创新指数无法反映出互联网金融的真实影响。前文已说明，相对来说高新技术企业的创新行为受到互联网金融的影响更大，能更好地反映互联网金融的影响。本文采用2011—2018年各省的高新技术企业创新数据，对残缺数据进行剔除、修正，最终计算后作为企业创新指标(innov)。由于互联网金融与企业创新的关系目前没有明确的理论支撑，因此本文将两者作为内生变量来构建PVAR模型，从微观视角分析互联网金融对企业创新的影响，以探讨两者之间的关系。
3实证结果分析
3.1相关统计与检验。第一，建立模型之前需要对数据的整体特征进行描述性统计。为了使各变量的量纲一致，本文采用的指标是基于上一年数据的增长率，用以反应互联网金融发展增长率对企业创新增长率的影响。从描述性统计结果来看，近几年互联网金融与企业创新发展迅速，标准差和均值都较为统一，如表1所示。第二，对于面板数据通常需要进行面板单位根检验，以防止出现伪回归的现象。但是本次数据是时间跨度较短、个体数量较大的“短而宽”的面板数据，使用单位根检验的功效较低，因此建立模型时不进行面板单位根检验。第三，建立PVAR模型需要选择最优滞后阶数，通常根据MAIC、MBIC和MQIC三个准则来选择最优滞后阶数。由表2可知，有两个准则选择了滞后一阶作为最优滞后阶数，因此本模型采用内生变量的滞后一阶作为解释变量，如表2所示。第四，对PVAR模型进行稳定性检验。根据最优滞后阶数建立模型后再对模型的稳定性进行检验。根据表3可知，两个单位根为-0.372和0.366，均小于1，因此可以认为该模型是稳定的。根据以上检验，PVAR模型满足稳定性，因此可以进行进一步的格兰杰因果关系检验。由表4结果可知，能够认为在5%的显著性水平下，互联网金融与企业创新是相互影响的。
3.2模型估计。根据模型的稳定性和变量间的格兰杰因果关系的结果，可以通过脉冲响应来考察一个变量变动对其他变量的影响。根据脉冲响应可知，互联网金融指数和企业创新指数之间相互都有正向影响，但两者影响的差异性较大。如图1所示，由第一行的第二个图可知，互联网金融对企业创新有显著的正向影响。在互联网金融指数上升一个单位时，企业创新也随之上升并在2期达到最高，随之企业创新指数到3期时又逐渐回归到正常范围。因此，随着互联网金融的发展，高新技术企业能够享受到互联网金融低融资约束融资成本的优势，从而促进了高新技术企业的创新行为，验证了假设1的正确性。由第二行的第一个图可知，企业创新对互联网金融由很小的正向影响。在企业创新指数上升一个单位时，互联网金融指数在前两期有较小的正向反应，该反应虽然能够验证假设2的正确性，但不具有实际意义。尽管高新技术企业对互联网金融有影响，但影响很小，具体为何会有这样的现象将在下文说明。进一步分析，使用方差分解观察互联网金融与企业创新的解释力贡献程度，分别采用5期和10期两个时点表示。如表5所示，根据数据可知，各变量的冲击对于自身的影响都会更加明显。对公司创新指数，互联网金融在5期、10期的方差贡献占比均为4.2%，能够证明互联网金融对公司创新存在影响；对互联网金融指数，公司创新的方差均在7.1%，能够证明公司创新对互联网金融存在影响，尽管脉冲响应的结果不明显。
4结语
互联网金融作为顺应互联网时展的第三种金融融资方式，对经济社会的影响日益显现。在诸多对互联网金融影响的研究成果中，互联网金融能够促进企业创新经常作为解释互联网金融宏观影响的依据，但并未对互联网金融与公司创新行为作出实证研究。同时随着互联网金融的不断发展，对互联网金融的定位急需研究。本文拟在建立PVAR模型揭示互联网金融与公司创新行为之间的关系，一方面对以往的理论研究进行验证，另一方面对互联网金融的定位提供研究方向。研究发现，互联网金融与公司创新之间是相互影响的。一方面，互联网金融能够通过减少融资成本和降低融资约束来正向影响公司创新行为。另一方面，公司创新行为能够通过影响宏观经济促进互联网金融的发展。但公司创新的影响十分有限，这可能有两方面的原因，一是企业创新对传统金融机构的溢出效应分担了大部分的企业创新行为的影响；二是样本选用的是高新技术企业的创新数据，该类企业对宏观经济的影响相对较小，因此高新技术企业的创新行为在互联网金融发展的反应也较小。本次研究有几点启示与问题。首先，应注意到互联网金融的长尾效应和促进企业创新的作用。基于互联网金融的大数据优势，向有需求的高新技术企业和中小企业提供资金支持促进创新创业。其次，应及时制定互联网金融的相关政策。制定鼓励政策促进互联网金融向着普惠金融发展，帮助企业拓宽融资来源，激励其服务实体经济。最后，由于公开数据有限，本文以高新技术企业的创新数据代表公司创新行为可能存在指标涵盖不全的问题，也无法对互联网金融与公司创新行为作更深层次的研究，期待学者能够进行更全面、更深层次的研究。
作者:刘帅 单位:河北师范大学商学院
