金融科技是否提升了涉农企业全要素生产率?
——基于融资约束和政府补助的视角

孙继国，黄亚南

(青岛大学 经济学院，山东 青岛 266071)

一、引言

党的二十大报告明确提出，要全面推进乡村振兴，坚持农业农村优先发展。农业产业化龙头企业是引领带动乡村全面振兴和农业农村现代化的主力军，是打造农业全产业链、构建现代乡村产业体系的中坚力量，是带动农民就业增收的重要主体，在加快推进乡村全面振兴中具有重要作用。2020 年县级以上龙头企业引领各类农业产业化组织辐射带动农户1.2 亿多户，吸纳就业中农村户籍劳动力近七成①数据来源:农业农村部新闻办公室:«发挥龙头企业引领作用 夯实乡村振兴产业根基——农业农村部乡村产业发展司负责人就‹关于促进农业产业化龙头企业做大做强的意见›答记者问»，2021 年10 月26 日。。农业龙头企业高质量发展离不开金融的有力支撑，2021 年10 月农业农村部印发的«关于促进农业产业化龙头企业做大做强的意见»明确提出，要加大对联农带农效果明显的龙头企业的金融支持力度，确保优质金融服务全覆盖，形成金融支持龙头企业的合力。

近年来，金融科技作为一项技术驱动型的金融创新，发展迅猛。金融科技通过对海量信息的挖掘，极大地减少了信息不对称，缓解了企业面临的融资约束问题，为企业规模经济的实现和要素生产率的提升提供了条件[1]。同时，金融科技为企业提供技术赋能，缓冲了多元化对企业风险承担水平的抑制作用，能够提升企业的风险管理能力[2]。金融科技的发展是否会明显提升涉农企业的全要素生产率? 其潜在的作用机制又是什么? 在持续全面推进乡村振兴和加快农业农村现代化的新阶段，对以上问题进行系统研究，对于发挥金融科技优势，强化涉农企业金融服务，构建金融支持涉农企业高质量发展的长效机制具有重大的理论意义和现实意义。

已有研究将影响企业全要素生产率的因素归纳为市场因素与政府因素两类。市场因素方面，市场规模的扩大使产业集聚成为可能，而产业集聚对生产率的提高有着重要作用。市场竞争的引入和增强，也会对企业全要素生产率有显著的提升作用[3－4]。刘乃郗等[5]认为，外商投资会直接促进农业企业的全要素生产率进步，并且这种促进作用会随年份而逐步增加。韩嫣和武拉平[6]认为，创新在外商直接投资对农业企业生产率的各项溢出效应中，都起到了一定的中介作用。政府因素方面，燕洪国和潘翠英[7]研究发现，税收优惠能够促进企业加大创新要素投入，进而提升企业全要素生产率。白洁[8]研究认为，政府补贴能够通过推动技术创新来提高企业全要素生产率。然而，也有学者持相反观点，闫志俊和于津平[9]研究认为，政府补贴对企业生产率的提升产生了显著的负面效应，而且在新兴产业表现更明显。

金融体系具有资金配置与风险管理等功能，能够为企业创新提供资金支持，提升企业风险承担水平，进而促进企业高质量发展。金融规模的扩大、金融效率的提升均有利于增加企业研发投资，拓宽企业融资渠道，进而显著提升全要素生产率[10－11]。但也有学者认为，单纯的金融规模扩张并未解决企业融资难的结构性问题，金融发展对企业全要素生产率没有显著影响[12－13]。还有学者从供应链金融的角度分析金融对涉农企业融资约束的缓解效应，认为供应链金融可以降低涉农企业的信用风险，缓解其面临的融资困境[14]。

近年来，随着数字技术与金融服务的深度融合，学者们开始从不同角度研究金融科技对企业创新的影响。有学者研究发现，金融科技能够通过缓解融资约束来提升企业全要素生产率，但是随着企业融资约束的进一步缓解，这种作用效果会递减[15－16]。王小燕等[17]研究认为，金融科技通过对海量数据的挖掘与分析，可以精准地识别出具有融资困境的企业，从而及时为企业的技术创新活动提供资金支持。孙继国等[18]认为，金融科技能够激励中小企业的研发创新活动，进而提升企业全要素生产率。资源配置方面，陈中飞和江康奇[19]研究发现，金融科技发展可通过企业营收渠道和金融效率渠道，间接促进企业生产率水平的提升。

综上所述，已有文献为本文提供了有益借鉴与参考，但现有文献大多是基于传统制造业企业层面数据进行研究分析，鲜有文献将研究视角聚焦到涉农企业层面。再者，对金融科技和涉农企业全要素生产率两者作用机制进行系统理论分析和实证检验的研究也较少，进行深入异质性分析的研究更是鲜见。鉴于此，本文基于沪深两市A 股涉农上市企业的面板数据，实证检验金融科技对涉农企业全要素生产率的影响效应。本文主要的边际贡献在于:第一，以涉农上市企业为研究样本，分析金融科技对涉农企业全要素生产率的影响效应，揭示了金融科技对涉农企业高质量发展的重要作用；第二，从融资约束与政府补助的角度入手，分析金融科技影响涉农企业全要素生产率的作用机制，全面阐释金融科技影响涉农企业全要素生产率的内涵；第三，从金融发展水平和财政支农水平出发，对金融科技影响涉农企业全要素生产率的效果进行异质性分析，为金融科技赋能涉农企业高质量发展提供经验证据和决策参考。

二、理论分析与研究假说

涉农企业在发展过程中不同程度地面临着资金短缺、融资困难、信息不对称等的问题，原因主要集中于以下方面:涉农企业的产品往往科技含量比较低，其盈利能力也相对较弱，传统金融机构不愿为企业的生产经营提供更多的资金支持；涉农企业通常规模较小，公司治理结构也不完善，出于规避风险的目的，金融机构通常放弃对涉农企业的融资业务[20]；涉农企业的资产专用性较强，涉农抵押交易市场机制也不完善，涉及大型农机具设备等抵押的融资业务面临着抵押物价值缩减及变现难等问题，不利于满足涉农企业的有效融资需求[21]；涉农企业开放性不足，金融机构难以凭借现有信息对其建立完整的信用评级体系，彼此之间缺乏有效的信息沟通，从而产生了比较严重的信息不对称，难以获得外部融资[22]。

在传统的金融模式下，由金融中介机构主导的金融活动对融资约束的缓解能力有限，从而限制了企业全要素生产率的提升。金融科技的发展，缓解了信息不对称带来的信贷约束和排斥反应，为企业提供了更多的融资来源[23]。同时，金融科技通过运用一系列的数字技术，能够精准识别有融资需求的企业，有效缓解信贷配给问题，促进科技向生产力的进一步转化。金融科技的出现，打破了金融服务实体经济的“二八定律”，能够有效降低市场门槛，改善企业融资环境，提高农民等长尾群体的金融服务可得性[24－25]。融资约束的缓解使得企业有充足的资金优化各种生产要素，有助于增加企业创新投入、升级企业生产设备与工艺、积累高水平人力资本，进而促进企业生产率的提升[26]。此外，融资约束的缓解降低了企业的融资成本，提高了企业的运营效率与投资估值，有助于改善企业的投资状况，促进企业生产质量的提高[27]。基于以上分析，提出研究假设1 和假设2。

H1:金融科技能够显著提升涉农企业全要素生产率。

H2:金融科技能够通过缓解融资约束来提升涉农企业全要素生产率。

资源匮乏与要素配置扭曲问题严重制约着农业企业的高质量发展，政府作为“看得见的手”在有效消除市场失灵问题上能够起到不可替代的作用，政府补助就是政府优化资源配置的重要方式之一[28]。政府补助能够给予企业一定的价格补偿，有助于企业保持价格优势，实现规模扩张[29]。政府补助的发放本身就是对企业的认可与激励，是对企业申请项目的一种肯定[30]。企业的研发活动可能面临着资源配置的无效率，政府补助能够在一定程度上消除研发活动外部性，抑制市场失灵[31]。此外，税费负担的下降有助于企业降低融资成本，改善企业内源性资金的充裕度，增加与技术创新相关的资金投入，从而促进企业创新效率的提升[32]。

政企之间信息不对称问题的存在，使得政府部门难以对有潜力的涉农企业提供有效的政府补助。金融科技能够凭借大数据、云计算、区块链等先进的技术手段，对海量的企业信息进行处理与整合，建立起比较精确的信息监测体系与风险评估体系，有利于政府准确把握企业风险，做出最有利于资源分配的政府决策[33]。依靠先进的互联网技术，金融科技拓宽了政府部门与金融机构的数据共享渠道，增强了政府对企业的回应性，有助于政府实时跟踪企业创新项目的进展，进而开展精准的治理与服务[34]。同时，金融科技能够帮助政府部门对企业资金流进行动态监管，有效监督企业对政府补贴的使用，最大程度地发挥政府补助的激励作用，从而促进企业的高质量发展。基于以上分析，提出研究假设3。

H3:金融科技能够通过提高政府补助来提升涉农企业全要素生产率。

三、研究设计

(一)样本选取和数据来源

本文选取2011—2020 年中国沪深A 股涉农上市企业为研究样本。涉农企业选取农、林、牧、渔服务业，农副产品加工业，以及食品制造业、化学原料及化学产品制造业中涉及化肥、农药及农机生产的企业。上市公司基本特征数据来源于CSMAR 数据库，遵循已有文献惯例，本文剔除了已退市的上市公司样本、既发行A 股又发行B 股的上市公司样本以及被标记为ST、∗ST 和PT 的公司样本。同时对所有连续变量进行了1%和99%的WINSOR 缩尾处理，并根据公司注册地所在城市，将各城市金融科技发展水平与企业进行匹配，得到1 059个样本数据。

(二)变量说明

1.被解释变量

被解释变量为企业全要素生产率(TFP)。目前主要的估计方法有LP、OP、GMM 和OLS 估计方法，LP 和OP 方法在解决内生性问题上具有一定的优势。参考鲁晓东和连玉君[35]对企业全要素生产率的估计方法，用LP 方法做基准分析，以OP 方法做稳健性检验。LP 方法的计算原理如式(1)所示:

其中，Yit为总产出，用企业营业收入衡量；Kit为资本投入，用企业固定资产净额衡量；Lit为劳动投入，用企业员工人数衡量；Mit为中间投入①中间投入＝营业成本＋销售费用＋管理费用＋财务费用－折旧摊销－支付给职工以及为职工支付的现金。，通过方程(1)估计得到的εit即为企业全要素生产率。

2.解释变量

解释变量为金融科技(Fintech)。参考宋敏等[36]的测算方法，使用涉农企业注册地所在的地级市范围内金融科技公司②金融科技公司界定标准:以金融科技、云计算、大数据、区块链、人工智能、物联网、分布式计算、互联网金融以及生物识别作为关键词，利用“天眼查”网站对以上关键词进行检索，获取当前经营正常且经营时间为1 年及以上的公司样本。然后根据巴塞尔银行监督委员会对金融科技业务模式的分类，使用正则表达式将其与公司经营范围进行模糊匹配，匹配成功的即为金融科技公司。数量作为金融科技的衡量指标，实证分析中进行对数化处理，数值越大表示金融科技发展水平越高。同时，采用文本挖掘的方法构建金融科技发展程度的度量指标进行稳健性检验。

3.控制变量

借鉴顾宁等[16]、袁其刚等[37]的研究，选取影响全要素生产率的公司特征(企业规模、产权性质、企业年龄)、财务特征(杠杆率、资产收益率、现金流、成长性)及管理特征(股权集中度、两权分离率)等因素作为控制变量。

具体变量定义及说明见表1。

(三)描述性统计

各变量的描述性统计结果如表2 所示。涉农企业全要素生产率的均值为9.160，最小值为7.039，最大值为11.660，表明涉农企业全要素生产率之间的差别较为明显。

表2 主要变量的描述性统计

(四)模型设定

为检验金融科技与涉农企业全要素生产率之间的关系，构建双向固定模型如式(2)所示:

其中，TFPit表示涉农企业i在第t年的全要素生产率，Fintechjt表示涉农企业注册地所在地区j在第t年的金融科技发展水平，Control为控制变量，i表示企业，t表示时间，Year为时间固定效应，Industry为行业固定效应，ε为随机干扰项。

四、实证结果分析

(一)基准回归

基准回归结果如表3 所示，每列回归均控制了年份固定效应和行业固定效应。金融科技(Fintech)的回归系数均显著为正，表明金融科技显著促进了涉农企业全要素生产率的提升，H1 得以验证。控制变量方面，杠杆率(Lev)、资产收益率(ROA)和企业现金流(Cashflow)的估计系数均显著为正，表明企业现金流越充足、融资能力与盈利能力越强，企业全要素生产率越高，此时企业有充足的资金进行一系列的创新与生产活动；两权分离率(Seperation)系数也显著为正，表明经营权和所有权的分离有助于企业突破自身限制，提高创新绩效；股权集中度(CR)系数显著为负，表明股权集中度越高，管理层将受到更多的监督与权力制约，不利于企业自身发展。

表3 基准回归结果

(二)内生性检验

考虑到金融科技发展水平与涉农企业全要素生产率之间可能存在反向因果的内生性问题，本文采用工具变量法进行回归。借鉴张勋等[38]、何宗樾等[39]的做法，选择“城市到杭州的球面距离与全国层面(除本市)数字金融发展水平的交互”来构建具有时间变化效应的工具变量，并采用两阶段最小二乘法进行估计。

表4 显示了工具变量的两阶段回归结果。列(1)显示，工具变量(IV)的回归系数显著为负，表明金融科技(Fintech)与工具变量(IV)显著相关。两阶段回归中第一阶段F 值大于10，说明该工具变量不是弱工具变量，工具变量选取有效。列(2)显示，Fintech的回归系数显著为正，表明工具变量法能够有效地缓解基准回归模型的内生性，即距离杭州市越近的城市金融科技水平越高，对涉农企业全要素生产率的提升作用越明显，基准回归的结论得到进一步验证。

表4 内生性检验

(三)稳健性检验

1.更换被解释变量的衡量方法。以OP 方法重新测度涉农企业全要素生产率，结果如表5 列(1)所示，回归结果依然成立。

表5 稳健性检验结果

2.更换解释变量的度量指标。利用文本挖掘法构建金融科技指数来对城市金融科技发展水平进行测度，具体步骤如下:首先，结合本文研究需求和百度收录情况，构建金融科技词库；其次，将词库各关键词2011—2020 年的百度搜索指数全部采集后进行无量纲化处理①金融科技底层技术角度包括“大数据、云计算、人工智能、区块链、生物识别”；支付清算角度包括“在线支付、移动支付以及第三方支付”；中介服务角度包括“网络融资、网上融资、在线银行、网贷、网络贷款、网银、电子银行、互联网银行以及直销银行”；直接称呼角度包括“互联网金融、金融科技”。；最后，使用变异系数法确定权重，合成地区金融科技指数。回归结果如表5 列(2)所示，金融科技的回归系数仍然显著为正。

3.解释变量滞后一期处理。表5 列(3)为对金融科技采取滞后一期处理后(Fintech1)的回归结果，基准结论依然稳健。

4.缩短样本区间。2013 年6 月，阿里巴巴的第三方网上支付平台支付宝推出了余额宝，2013 年也被称为我国的“互联网金融元年”[40]。因此，将样本区间缩短至2013 至2020 年，回归结果如表5 列(4)所示，金融科技的回归系数仍然显著为正，与基准回归结果一致。

(四)异质性分析

1.金融发展水平的异质性分析

涉农企业在发展过程中由于信息不对称容易面临融资难、融资贵的问题，良好的金融发展环境、有效的金融支持能够有效缓解融资约束，拓宽涉农企业的融资渠道，促进企业创新能力的提升。在高效的金融市场上，企业可以更快地匹配到优良的投资项目，从而有效缓解创新过程中面临的信贷配给问题。一般而言，在金融发展水平高的地区，金融发展能够显著促进企业绩效的提升；而在金融发展水平低的地区，金融发展对企业绩效的促进作用不明显。因此我们推测，在金融发展水平高的地区，金融科技的发展更能显著提升涉农企业全要素生产率。以各省金融机构的存贷款余额与生产总值的比值衡量金融发展水平，参考王贞洁和王惠[41]的划分方法，根据其年度中位数将样本按照其注册地所在省份划分为金融发展水平高、低两组进行回归检验，回归结果见表6 列(1)、列(2)。可以看出，在金融发展水平高的地区，金融科技能够显著提升涉农企业生产率；而在金融发展水平低的地区，金融科技对涉农企业全要素生产率的促进作用不明显，推测得以验证。

表6 异质性分析

2.财政支农水平的异质性分析

财政支农与金融支农的协调配合是当前国家支农的重要政策创新之一。我国农村地区的地方财政资金投入，一般会通过粮食直补、农资综合补贴等收入补贴的形式来刺激农民的收入，并进而影响农业经济。政府的涉农财政支出不仅可以直接支农，也可以通过引导金融支农的方式达到政府财政资金的有效分配。以各省涉农支出金额占财政支出的比重来衡量财政支农的力度，根据其年度中位数将样本按照其注册地所在省份划分为涉农支出高、低两组进行回归检验，结果见表6 列(3)、列(4)。可以看出，在涉农支出低的地区，金融科技可以显著促进涉农企业生产率的提升；而在涉农支出高的地区，这种促进作用不明显。其原因可能是在涉农支出较少的地区，涉农企业面临的融资约束问题更加严重，金融科技的发展有效地缓解了涉农企业与金融机构之间的信息不对称问题，能够为涉农企业提供更多的融资渠道，从而对企业全要素生产率的提升作用更加明显。

五、机制分析

前文理论分析认为，金融科技可通过影响融资约束和政府补助来提升涉农企业全要素生产率。为验证假设的合理性，借鉴江艇[42]的研究，在基准回归模型基础上构建中介效应模型如式(3)所示:

其中，M为中介变量，其他变量与前文一致。中介变量具体包括:(1)融资约束(FC)。借鉴田杰等[43]对融资约束的衡量方法，选取SA 指数作为企业融资约束的衡量指标。(2)政府补助(Sub)。借鉴罗宏等[44]对政府补助的衡量方法，选取企业合并报表中定期公告的政府补助金额作为政府补助的衡量指标，实证分析中进行对数化处理。

机制检验结果见表7。列(1)与基准回归结果相同。列(2)显示，Fintech的系数显著为负，表明金融科技显著降低了企业融资约束程度。融资约束的缓解有助于激励企业研发创新，优化企业资源配置，促进企业生产率的提升[15，19，45]。综合理论分析和实证结果可知，金融科技能够通过缓解融资约束促进涉农企业全要素生产率的提升，H2 得以验证。由列(3)可知，Fintech的系数显著为正，表明金融科技的发展显著增加了政府补助。政府补助的发放有助于降低企业融资成本，提高企业创新效率和生产率[28－29，46]。综合理论分析和实证结果可知，金融科技能够通过影响政府补助促进涉农企业全要素生产率的提升，H3 得以验证。综上分析，金融科技可以通过缓解涉农企业融资约束、提高政府补助促进涉农企业全要素生产率的提升。

表7 机制分析

六、结论与对策建议

金融科技的发展为提升涉农企业全要素生产率、促进乡村全面振兴提供了新路径。本文选取2011—2020 年我国沪深两市A 股涉农上市公司为研究样本，利用面板回归模型实证检验金融科技对涉农企业全要素生产率的影响。研究发现，金融科技能够显著促进涉农企业全要素生产率的提升。在考虑内生性问题以及更换企业全要素生产率的测度方法、金融科技的衡量指标、滞后一期、缩短样本区间等一系列稳健性检验后，结论依然成立。异质性分析显示，金融科技对涉农企业全要素生产率的提升效应在金融发展水平较高地区的企业、涉农支出较低地区的企业中尤为显著。机制分析表明，金融科技可以通过缓解融资约束、提高政府补助促进涉农企业全要素生产率的提升。

基于以上研究结论，提出如下对策建议:第一，进一步提升金融科技水平，创新金融涉农服务。积极推动农村传统金融机构数字化转型，借助金融科技创新供应链信贷产品，为涉农企业提供多元化的金融需求，增强金融的普惠性。同时要加强与涉农龙头企业的合作，根据农业产业链条上的不同融资需求提供全方位的金融服务，构建农业数字金融生态圈。第二，推动金融科技在涉农金融领域的应用，扩大涉农金融服务半径。金融机构要充分利用大数据、云计算等技术开发涉农信贷风险评估体系，有效整合涉农主体信用信息，帮助涉农企业解决因轻资产、无抵押而带来的融资难问题。此外，金融发展水平和涉农支出较低的地区应进一步深化金融科技应用，加快涉农金融科技产品和服务创新，做好涉农企业贷款风险管理，提高涉农企业金融服务的可得性。第三，发挥金融科技对政府部门的支持作用，实现政府部门与涉农企业之间的信息畅通。充分利用金融科技的信息处理优势，通过云计算、大数据等数字技术帮助政府甄别有潜力的涉农企业，加大对符合标准的涉农企业政府补贴力度，为涉农企业提供全方位的资金支持。借助于数字信息技术，政府应加强涉农补贴资金的监督，通过精准分析、快速响应、分类服务等举措，为涉农企业提供高效的资源配置服务，从而推动涉农企业高质量发展。