數字普惠金融發展對區域創新效率的作用研究

■鄒輝文，黃 友

一、引言與文獻綜述

中共十九大報告指出，加快普惠金融體系建設、引導金融回歸服務實體經濟是深化金融供給側結構性改革的重要內容。近年來，依托互聯網大數據、云計算等數字技術的不斷進步，普惠金融服務在可獲得性和可負擔性方面取得了重大進展。根據《2019 年中國普惠金融發展報告》顯示，截至2019 年6 月，我國行政村基礎金融服務覆蓋率已達到99.20%，較2014 年末提高了8.1 個百分點。金融科技及數字金融產品的創新為解決普惠金融成本高、效率低和服務失衡問題提供了有效途徑，數字普惠金融成為了現代金融發展的主流和重點（黃益平和黃卓，2018）。

值得注意的是，作為傳統金融體系的有力補充，數字普惠金融打破了傳統金融機構服務中小企業的壁壘，為促進區域技術創新帶來了新機遇，是推動“大眾創業、萬眾創新”的重要方式和手段。而研發項目的高風險、長周期及不可預測性等特點，導致企業創新活動容易遭受到外源性融資限制，融資約束逐漸成為企業技術創新所面臨的首要難題（Hall & Lerner，2010）。因此，提高中小企業的金融可得性對于扶持中小企業進而推動區域技術創新而言顯得尤為重要。那么，數字金融發展與推廣能否成為新時代下促進區域技術創新效率提升的新動能？數字普惠金融影響創新效率的潛在機制又是什么？

從已有研究看，大多從宏觀層面考慮數字普惠金融的包容性特征及其對經濟增長和福利的影響，涉及數字普惠金融與創新效率的微觀研究較少，相關文獻主要集中在金融科技發展對技術創新水平的調節和機制分析。例如Khin&HO（2019）和Ozili（2020）認為，小額信貸、微型金融等數字科技產品的普及在降低融資成本、改善資源配置、緩解信息不對稱等方面發揮了積極作用，有效地推動資源向創新領域集聚，提升了創新和經濟活動的水平。Arner et al.（2020）研究表明，數字技術還具有將新的金融資源引入金融體系的潛力，隨著儲蓄率上升，這些資源將通過金融體系重新配置，用以支持區域創新、商業發展和基礎設施建設，從而為實現創新發展目標提供支撐。聶秀華（2020）進一步研究發現，對于傳統金融模式下受融資約束越強的中小經濟實體，數字金融的技術創新激勵效應則越顯著。而唐松等（2020）的研究結果卻顯示，數字金融廣度的發展對企業創新效應的影響并不明顯，且表現出隨時間推移逐步衰減的特征。

已有研究鮮有文獻將數字普惠金融這一新興宏觀要素納入區域創新效率的研究框架，對于數字普惠金融能否成為驅動區域創新效率提高的新動能也尚無定論。鑒于此，本文嘗試從微觀視角出發，厘清數字普惠金融對區域創新效率的作用機制及其影響效應，以期為進一步推動“大眾創業，萬眾創新”提供參考和借鑒。同時，準確評價數字普惠金融對區域創新效率的作用，對提高我國數字金融政策的有效性具有重要的理論和現實意義。

二、理論分析與研究假設

作為新興金融業態，數字普惠金融通過信息化技術和數字金融產品創新，顯著提高金融服務實體經濟質量和效率，增強了弱勢群體的權能，有助于激發區域創新主體的研發積極性和主動性，對推動區域技術創新效率改進具有重要意義。具體表現為：

首先，技術創新離不開金融的支持，數字普惠金融提高了創新企業的金融可得性，緩解了流動性約束，促進研發投入和創新產出，從而以企業創新帶動區域創新。數量龐大且創新活躍的中小企業是區域自主創新的重要力量，但由于其發展規模小、擔保資質差、經營與信用記錄不完善等，往往被排斥在正規金融體系之外，難以獲得適當、有效的金融服務。金融發展理論認為，在產品技術創新的最初階段，金融體系通過支持資源轉移和資本動員，極大地影響了企業的研發過程及其結果。流動性充裕使得企業具有更強的能力和更多的機會進行產學研拓展，而當融資約束收緊時，則會對企業的低效益投資行為產生約束，迫使企業減少高風險創新投入，進而導致企業創新效率降低（顧群和翟淑萍，2012）。數字金融所具備的觸達便捷、覆蓋廣泛、商業可持續等特征，較好地契合了中小經濟體創新活動持續、高頻、小額的資金需求特征，有效緩解中小企業長期以來的創新融資難題，釋放了中小企業等弱勢群體的創新活力，有利于區域創新績效的提升（梁榜和張建華，

2019）。

其次，金融科技發展為創新活動帶來正外部性，有助于改善區域創新效率。數字技術的跨時空互聯共享、低成本信息獲取等先天優勢和本質特征，可以為區域間創新活動帶來外部性。在傳統要素流動方式下，距離是阻礙知識信息交流的最大屏障，這導致創新要素跨區域流動效率不高。而數字技術的應用使得部分創新要素的流動變成了不同主體間的計算機數據交互，促進了區域間要素流動和技術信息擴散，形成區域創新空間互聯；并且依托互聯網的網狀拓撲結構，區域內部的創新主體間形成了一個完整的協同創新圓環，各環節間的高效協同提高了區域創新效率（霍麗和寧楠，2020）。

最后，技術創新又是一個涉及多個體、多元素，同時又充滿高度不可預測性的動態過程。研發過程中的資源投入只是創新實現的必要而非充分條件，研發活動的復雜性和風險性注定了其結果的不確定性（李曉龍和冉光和，2018）。如上所述，在普惠金融發展初期，數字普惠金融通過資本紅利、知識溢出、要素資源共享等正外部性，對區域創新效率產生了積極影響。但隨著創新活動的深入，技術創新難突破、過度投資、不確定性等問題開始顯現，此時盡管數字普惠金融發展水平有了明顯提升，但也很難進一步發揮其創新激勵效應，由此導致數字普惠金融發展對區域創新效率的促進作用呈現出逐步遞減的趨勢。基于此，提出如下假設：

H1：數字普惠金融發展對區域創新效率的促進作用呈現“邊際效應”遞減的非線性特征。

在新常態下，數字普惠金融的創新激勵效應會受到外界環境影響。目前，隨著我國對外開放程度和層次的不斷加深，外資帶來的技術外溢逐漸成為影響區域創新產出不可忽視的因素——開放的環境不僅能加快創新知識溢出，而且有助于將前沿技術帶進本國經濟，提升區域創新產出和創新效率。但同時，外資的流入對東道國的人力資源和創新資本投入產生了一定的擠出效應，使東道國失去創新動力，從而削弱了數字普惠金融的創新激勵效應（李政等，2017）。由此可見，對外開放環境顯著影響著數字普惠金融的創新激勵過程，但其作用結果并不確定。另外，“金融科技+區域創新”融合離不開政府支持——政府可以通過適當的財政補貼機制，降低企業創新成本，增強其抵御市場風險的能力（白俊紅和李婧，2011）；通過產業引導政策，深化互聯網、大數據產業與實體經濟的融合，推動區域科技創新發展再上新臺階。綜上所述，本文提出如下假設：

H2：數字普惠金融與區域創新效率之間的非線性關系會受到對外開放程度的影響；

H3：數字普惠金融與區域創新效率之間的非線性關系會受到政府干預力度的影響。

三、區域創新效率水平測算

（一）測算方法

DEA 方法是用來評估“多投入多產出”情形下決策單元間的相對有效性，被廣泛應用于各項經濟效率的測算當中。雖然DEA模型具有無需事先設定具體函數形式及估計權重等優點，但該方法卻忽略了統計性檢驗問題，而且也無法回避樣本敏感性和極端值對評價結果產生的影響。因此，為彌補傳統DEA方法的不足，本文基于可變規模報酬假定下的DEA 模型，使用Bootstrap技術進行糾偏，以實現對區域創新效率及其變化進行更為精確的測度。Bootstrap—DEA的具體算法如下：

一是通過傳統DEA 方法，計算出每個決策單元的原始效率得分：

其中，b為使用Bootstrap方法的第b次迭代。

四是將調整后的投入與（原始）產出數據重新進行DEA 效率計算，得到模擬樣本的效率得分：

五是重復上述過程B次，最終得到決策單位的初始效率得分的偏差、糾偏效率值及置信區間，具體為：

（二）變量選取

變量的選取主要包含了投入和產出兩個部分。在創新投入方面，主要從資本和勞動力投入兩個維度進行考慮，選取研究與試驗發展（R&D）人員全時工作當量及R&D經費支出作為創新投入指標。其中，在研發經費指標選擇上，本文采用的是研發投入存量（永續盤存法）①限于篇幅，具體測算結果并未在文中披露。，而不是流量數據，這是因為研發是一個創新環境對區域創新效率的持續性影響過程，前期的研發投入在當期依然發揮著重要作用。創新產出方面，選取國內專利申請數和技術市場成交額來衡量區域創新活動的直接知識產出與間接經濟產出。雖然，專利授權數指標相比申請數更為直接，但其具有明確的時滯效應，而在缺乏有效的滯后處理時，選擇專利申請數來衡量知識產出則更為準確（韓兆洲和程學偉，2020）。

表1 創新效率評價指標體系

（三）測算結果

利用R3.5.3軟件，基于Bootstrap糾偏的DEA方法，對我國30 個省份區域創新效率進行了測度，結果如表2所示。

表2 各省份區域創新效率測度結果

續表2

四、實證分析

（一）模型構建

基于前文理論基礎，結合Gonzales et al.（2005）研究，為更好地刻畫數字普惠金融發展對區域創新效率的非線性影響，構建了一個多因素變量的面板平滑轉換回歸（Panel Smooth Transition Regression，PSTR）模型，模型如下：

其中，xit為解釋變量，yit為被解釋變量，μit表示固定個體效應，μit為隨機誤差項，β0為解釋變量線性部分估計系數，βj為解釋變量非線性部分估計系數。轉換函數g（qit，γj，cj）滿足logistic 函數形式，即：

其中，轉換函數g（qit，γj，cj）的取值在0—1間平滑轉換，這使得解釋變量的參數估計以cj為中心隨著qit的變換在β0～β0+β1之間平滑轉換。γ為大于0的斜率參數，γ越大，則不同區制間轉換速度越快。qit為轉換變量，r為轉換函數個數。cj代表位置參數，一般為轉換函數的拐點，m 則是位置參數的個數。

（二）變量解釋

被解釋變量：區域創新效率（Inno）數值由上文計算獲得的各地區創新效率來表示。

核心解釋變量與轉換變量：數字普惠金融發展（dif）既是核心解釋變量也是轉換變量。關于數字普惠金融發展的度量，使用北京大學數字金融研究中心編制的《數字金融普惠金融指數》。本文將其作為衡量各地區的數字普惠金融發展水平的代理變量。

控制變量：為避免遺漏變量而造成估計偏誤，選取對外開放（open）、政府干預（gov）、金融發展規模（fin）和產業結構（ind）作為控制變量。其中，對外開放以經營地所在單位進出口貿易總額與GDP 比值為代表；政府干預以科學技術支出占當年財政支出比重為代表；金融發展規模采用各地區金融機構年末貸款余額與GDP的比值來衡量；產業結構則以各省歷年第二產業產值占地區生產總值的比重來表征。

限于數據的可得性，選取2014—2018 年我國30 個省份（由于西藏和港澳臺地區數據缺失嚴重，故未納入考慮）的經驗數據來分析數字普惠金融發展對區域創新效率改進的激勵效應。數據來源于歷年《國家統計年鑒》、《國家科技統計年鑒》和《國家金融統計年鑒》。表3為選取的6個變量的描述性統計。

表3 主要變量的描述性統計

（三）機制檢驗

在確定采用面板平滑轉換回歸模型時，首先需要考察數據間是否存在非線性轉換機制。借鑒Hansen（1996）處理方法，對轉換函數在γ=0處進行一階泰勒展開來構造輔助回歸式，從而通過計算LM、LMF 和LRT 統計量進行等價的“線性檢驗”。

表4 線性檢驗與剩余非線性檢驗

表5 位置參數個數的確定

由表4的檢驗可知，LM統計量、LMF統計量和LRT 統計量在10%的置信水平下，均拒絕了截面同質性（γ=0）的原假設，這意味著數字普惠金融發展與創新效率之間存在顯著的非線性相關關系。此時，若忽略非線性效應采用傳統的線性面板模型進行估計將產生結構性偏誤，故應將非線性特征納入模型加以考慮。為進一步確定轉換函數個數，對相同統計量下的剩余轉移機制進行再檢驗，結果顯示，在10%的顯著水平下，各統計量均無法拒絕γ=1 的原假設，說明模型中只存在一個轉換函數。接著，根據最小AIC和BIC準則確認位置參數的個數m。觀察表5 可以發現，m=1 時AIC 數值略大于m=2 時AIC的數據值，但m=1時BIC的數值要小于m=2是相應的數值，兩者存在選擇差異性。進一步分析發現m=1時LMF統計量要大于m=2時的LMF統計量，表明在m=1 時數據的非線性特征更為顯著，選擇m=1更具統計合理性。因而，模型最終的轉換函數與位置參數個數均為1，即包含一個轉換函數的兩機制PSTR模型。

建立的PSTR模型如式（8）所示：

（四）參數估計

通過以上檢驗使模型在正確設定的基礎上，采用非線性最小二乘法（NLS）對模型相關參數展開估計。在此過程中，運用了遺傳優化算法進行多次迭代，以此來確定γ和c 的最優估計初始值。

表6 面板平滑轉換回歸模型估計結果

通過表6 中模型（3）的估計結果可以看出，模型對應的平滑參數較小（2.662），表明模型在門限值前后的轉換速度一般（如圖1）。模型的門限值為201.012，接近于數字普惠金融發展指數的中位數水平，反映出2014—2018 年各省份數字普惠金融發展水平的集中趨勢。門限值前后，數字普惠金融發展水平的高低對區域技術創新效率的影響呈現兩種不同的作用機制。在跨越門限值之前，數字普惠金融對創新效率的影響表現為顯著的正向作用，即數字普惠金融發展有助于推動區域創新效率的提高。然而在跨越門限值之后，dif 的非線性系數為-0.171 且高度顯著，雖然0.257 減0.171 依舊為正，但此時創新激勵效應隨著數字普惠金融發展水平的提高開始減弱，表現出邊際效應遞減的規律，這一現象充分證明了本文提出的假設H1。結合前文的描述性統計可知，我國普惠金融發展水平的平均值為241.5，已超過門限估計值水平201.012，說明我國數字普惠金融對于創新效率的促進作用已經步入第二階段，速度逐漸放緩。總體而言，研發過程的復雜性與不確定性等問題，使得外部環境邊際改善在影響創新活動長期表現的決定方面相對乏力，因而隨著數字普惠的繼續深入其對區域創新效率的促進作用將逐漸趨于飽和。

圖1 轉換函數的非線性變化趨勢

基于模型的估計結果還可以發現，4個控制變量中，對外開放水平對區域創新效率的影響表現為先促進后抑制，說明在短期內外資的技術溢出效應要大于擠出效應，對區域創新效率具有顯著的正向影響，但長期內會呈現出較為明顯的擠出效應（0.283-0.368<0），不利于技術創新效率的改進，從而印證了研究假設H2。金融發展規模對區域創新效率的影響則表現為先抑制后促進，這可能是由于我國長期存在的資源配置不合理現象，使得金融發展所帶來的紅利效應具有一定的時滯性，但在渡過這段磨合期之后，金融規模發展則會促進創新效率的提高。而政府干預與區域創新效率之間的非線性關系并不可靠，說明政府的積極干預對區域創新效率的提升可以起到長期的正面促進作用，這與假設H3 的理論預期相一致。此外，產業結構對創新效率的影響在門限值前后也呈現出了差異性的特征，盡管這一影響效應并不顯著。

表7 基于門限水平的樣本空間分布

（五）地區異質性分析

為進一步分析數字普惠金融發展的創新激勵效應在各區域間的異質性表現，將2014—2018年30個省份的數字普惠金融發展水平和門檻值進行對比。表7顯示，截至2014年末，僅北京、上海、江蘇、浙江、福建和廣東6 個東部省份的數字普惠金融發展實現了對門限值的跨越，說明我國數字普惠金融發展的創新激勵效應存在較大的區域差異性，東部地區在推動轉型創新發展取得顯著成效，中西部則相對落后。這可能是因為，傳統上中西部地區經濟發展有先天不足，融資心理、融資場景和金融基礎設施建設的滯后，使得區域內資源配置和金融服務能力相較東部整體較弱，制約了數字普惠金融發展對中西部地區創新效率的提升。但隨著時間的推移，東部與中西部地區間“數字鴻溝”明顯縮小，這充分地反映了數字金融這種特定模式的普惠性特征，有助于后發地區直接獲得并利用更為廣泛的外部性，有效地解決了欠發達地區傳統金融服務供給不足、基礎設施較差、要素市場化程度低等問題，能更好地實現區域統籌，協同發展。

（六）穩健性檢驗

為檢驗參數估計的穩健性，采用基于R&D人員全時工作當量經費（流量）支出來衡量的區域創新效率對式（3）中的因變量進行替換，重新建立PSTR 模型[估計結果見表6 中模型（4）]。由表6 可知，不同因變量下的模型估計結果差異不大。在跨越門限值前后，數字普惠金融發展對區域創新效率的促進作用仍表現出邊際效應遞減的非線性特征。特別地，兩個模型各自的位置參數也幾乎保持一致，進一步證明了本文建立的PSTR 模型穩健性好，參數估計結果可信度強。

五、結論與啟示

本文基于Bootstrap 糾偏的DEA 方法測算了我國30 個省份的區域創新效率值，并通過構建面板平滑轉換回歸（PSTR）模型，考察了數字普惠金融對區域創新效率的非線性影響及門限特征。研究發現：一是數字普惠金融發展與區域創新效率間呈現正向邊際報酬遞減的非線性關系，其發生體制轉換的門限水平為201.012。即在跨越門限值之后，數字普惠金融發展對區域創新效率的促進作用逐漸減弱。二是從地區差異性看，數字普惠金融對區域創新效率的影響效應具有明顯的區域異質性，東部地區較早地實現了對門限水平的跨越，創新引領東部地區率先實現優化發展。但隨著數字金融普惠性特征日益體現，地區間“數字鴻溝”明顯縮小，逐漸形成了科技創新區域協同新格局。三是對外開放水平與金融發展規模對創新效率也表現出顯著的非線性特征。在門限水平前后，對外開放水平與創新效率的關系呈倒U型趨勢，金融發展規模對區域創新效率的影響則由抑制轉變為促進。而政府干預的非線性效應并不顯著，其對區域創新效率的影響則始終表現為促進。

根據上述研究結論，得到如下政策啟示：第一，加快推進金融基礎設施建設，改善數字金融發展環境，助力數字金融服務，為提高金融服務質量，推動自下而上的金融權利均等化打下堅實基礎。第二，實施差異化金融支持，提高創新資源利用效率。關注數字金融發展與創新效率之間的門檻效應，根據數字普惠金融發展的不同階段，采取相應的措施來合理配置其他金融資源，以更有效的方式促進區域創新協同發展。此外，政府也應為中小企業等弱勢群體設立專項投資基金及財政補貼等差異化創新激勵機制，通過制度機制降低創新活動交易成本，激發區域科技創新新活力。第三，構建包容有效的數字普惠金融監管體系，在防范風險的前提下合理創新。