金融科技在推动企业转型和提升长期竞争力方面的作用机制

《Economic Analysis and Policy》：The Mechanism of FinTech in Leveraging Enterprise Transformation and Enhancing Long-term Competitiveness

　　

刘毅|朱燕|马晓云

宁波工业大学，中国宁波315800

摘要

本研究探讨了金融科技（FinTech）发展影响企业转型和长期竞争力提升的机制，特别关注企业数字化转型的中介作用。我们将长期竞争力定义为主要由新型高质量生产力（NQP）驱动——这种生产力以创新驱动增长、高效资源配置和可持续发展为特征。基于2015年至2023年中国A股上市公司的面板数据，研究结果表明，FinTech显著促进了NQP的提升。这一效应在非国有企业、非监管行业以及位于东部和西部地区的公司中尤为明显。此外，企业数字化转型起到了关键的中介作用，表明FinTech通过推动企业运营、创新流程和管理系统的全面数字化升级，促进了NQP和竞争优势的形成。研究结果强调了将FinTech与企业数字化相结合的战略重要性，以促进在数字经济时代的可持续转型和增强长期竞争力。

引言

在技术快速进步和可持续性需求日益增长的背景下，提高生产力已从单纯的数量扩张转向质量转型。这一演变体现在新型高质量生产力（NQP）的概念中，它强调创新驱动增长、最佳资源配置和可持续发展，超越了传统的资本和劳动力投入。从宏观层面来看，全要素生产率（TFP）长期以来一直被认为是长期经济增长的核心引擎，但其现代发展面临着双重压力：绿色低碳转型的迫切需求和数字技术的颠覆潜力（Zakari等人，2022年）。在宏观层面上，NQP长期以来被视为长期经济增长的核心引擎，但其现代演变与绿色转型和数字颠覆的双重压力紧密相关。然而，这些力量在企业层面具体如何相互作用仍缺乏深入研究。

数字革命已成为重塑各行业生产力的强大动力。数字经济和企业数字化转型现在被广泛认为是提高制造业和更广泛实体经济全要素生产率（TFP）的催化剂（Cheng等人，2023年；Lyu等人，2023年）。数字技术创新促进了能源效率和可持续生产（Lu & Li，2024年），数字化在新能源供应链等关键领域产生了积极的外溢效应（Zhang等人，2025年）。当与强大的内部创新能力相结合时，数字化转型成为绿色全要素生产率（GTFP）的关键驱动力（Cobbinah等人，2025年），并与ESG实践相结合时，还能提升整体TFP（Ding等人，2024年）。在支持性监管环境下，行业智能已被证明能够提升GTFP（Yang & Liu，2024年）。

然而，在这种绿色转型和数字化的双重进程中，金融科技（FinTech）的具体作用仍不够明确。虽然现有研究阐明了数字化、绿色金融和环境政策的作用，但FinTech代表了数字创新的一个独特且强大的子集，对资源配置、风险管理、交易效率和资本可及性具有直接且微妙的影响。FinTech涵盖了人工智能、区块链、大数据分析和云计算在金融服务中的应用，从根本上重塑了金融中介的结构。它有望缓解信息不对称和高交易成本等长期存在的摩擦，这些摩擦传统上限制了资本流向创新型、高增长或注重可持续性的企业——这些企业正是NQP范式的体现。

本研究旨在填补这一空白，探讨三个核心文献领域：（1）FinTech与企业绩效——近期研究记录了FinTech对融资约束、创新和运营效率的积极影响，但很少有研究将FinTech直接与NQP等高级生产力指标联系起来；（2）数字化转型与生产力——大量研究表明数字化提升了企业效率和创新能力（Cheng等人，2023年；Wang & Li，2025年），但数字化转型本身的驱动因素往往被视为外生的；（3）FinTech与数字化转型之间的缺失环节——我们认为FinTech是企业数字化的关键外部推动因素，这一中介作用在以往的研究中大多被忽视。

因此，本研究旨在构建并测试一个综合框架：“FinTech发展 → 企业数字化转型 → NQP”。我们认为FinTech不仅直接影响生产力指标，更重要的是，通过使企业在其运营、创新流程和管理系统中进行全面的数字化升级，从而产生更深远和可持续的影响。这种数字化转型将FinTech的外部技术冲击内化为企业自身的能力体系，使企业能够优化资源配置、加速创新周期并改善战略决策——从而体现NQP的核心特征。

章节摘录

理论分析与研究假设

本章旨在构建一个系统的理论分析框架，深入剖析金融科技发展、企业数字化转型和新型高质量生产力（NQP）之间的内在逻辑联系。基于资源基础视角、创新扩散理论和技术赋能的观点，本章将逐一解析金融科技作为外部推动因素如何触发企业内部变化的传导路径。

方法论与数据

本章将详细阐述用于检验上述假设的实证策略、变量测量、数据来源和模型设置。

描述性统计

表1报告了主要变量的描述性统计结果。首先，核心解释变量全要素生产率（Tfp）的平均值为0.0075，最小值为0.0001，最大值为0.1483，标准差为0.0109。这表明不同上市公司之间的全要素生产率水平存在显著差异，为研究其影响因素提供了良好的基础。其次，...

结论与政策启示

基于2015年至2023年A股上市公司的数据，本研究实证检验了金融科技发展对企业全要素生产率的影响及其作用机制。主要研究结论如下：首先，金融科技的发展对企业全要素生产率有显著的提升作用。即使在处理了内生性问题后，这一结论仍然成立。

未引用参考文献

Chen等人，2021年；Guo等人，2024年；Jiakui等人，2023年；Jiang等人，2024年；Li等人，2024年；Lin和Zhu，2025年；Liu等人，2025年；Shah等人，2024年；Cheng等人，2024年；Shair等人，2021年；Skare和Soriano，2021年；Song等人，2022年；Wang等人，2024年；Wen等人，2024年；Wu等人，2022年；Yu和Chen，2025年；Zhang等人，2024年；Zhang等人，2024年；Zhou和Wang，2022年；Du等人，2024年；Fang等人，2022年

CRediT作者贡献声明

刘毅：资源管理、项目协调、资金筹集。朱燕：初稿撰写、验证、监督、软件开发。马晓云：初稿撰写与编辑、数据整理、概念构建。