數字金融對產業集聚的影響

夏廣瑞

摘? ?要：基于中國285個城市的面板數據以及北京大學數字金融研究中心發布的2011—2018年中國數字普惠金融指數，采用固定效應模型、面板門檻模型等回歸方法實證分析了中國數字金融發展與產業集聚之間的關系。研究發現，中國數字金融的發展對第二、三產業的集聚均具有長期且顯著的促進作用;此外，異質性分析表明，與東部地區相比，數字金融對于中、西部地區產業集聚的影響更為顯著;最后，通過對數字金融子維度的研究發現，數字金融的廣度和深度都很好地促進了產業集聚的形成，但數字化便利程度與產業集聚之間存在著非線性的關系。

關? 鍵? 詞：數字金融;產業集聚;門檻模型;數字化便利程度

中圖分類號：F830.1/DF438.1? ? ?文獻標識碼：A? ? ?文章編號：2096-2517（2021）03-0070-11

DOI：10.16620/j.cnki.jrjy.2021.03.006

一、引言

產業集聚作為現代產業發展的一種重要組織形式， 不僅是區域經濟發展過程重要的主導力量，同時也在國際競爭中扮演著重要角色。 自20世紀90年代以來， 學術界對產業集聚促進區域經濟增長逐漸形成較為深入的共識，這也使得發展區域產業集群成為地方政府促進區域經濟發展普遍采取的政策手段。傳統觀點往往認為產業集聚是在市場機制的作用下，各生產要素根據效率原則自發集聚的一種現象。然而在我國，由于產業集聚對經濟的巨大拉動作用，地方政府往往使用行政手段對微觀經濟主體加以干預。目前學界對于產業集聚的影響因素以及現實意義的研究較為廣泛，比如國內外的研究發現產業集聚可以影響創新、促進區域經濟發展、縮小地區工資差距、緩解地區環境污染等。但對于中國快速發展的數字金融業在產業集聚的過程中發揮了怎樣的作用還缺乏充分的研究。

當前，以數字金融為代表的數字經濟的發展為調整產業結構以及經濟發展的提質增效做出了巨大貢獻， 特別是在2021年新冠肺炎疫情對經濟發展造成巨大沖擊的背景下，探討數字金融對實體經濟發展的影響具有重要意義。北京大學數字金融研究中心在2019年4月發布了第二期的《北京大學數字普惠金融指數（2011—2018）》，該報告包括省、市、縣三個層面①。郭峰等（2020）指出從城市層面來看，2018年城市層面數字金融指數的均值是2011年的4.52倍，年均增長33.37%[1]。隨著近年來我國數字金融的快速發展，就業、創業籌資更加便捷、方式更加靈活。那么數字金融的發展是否會對產業集聚產生某種影響呢？如果產生影響，數字金融在不同地區的影響又是否存在差異？ 通過何種方式、對何種產業產生影響呢？本文著眼于近年來我國數字金融的快速發展，分析了數字金融與產業集聚的相關關系，研究發現數字金融的發展可以長期顯著地影響地區產業集聚，這為我國培育建設世界級產業集群提供了新思路。

二、文獻綜述

（一）產業集聚的相關研究

產業的集群與集聚是一種世界性的經濟現象，經濟學界對產業集群和產業集聚的研究最早可追溯到亞當·斯密在《國富論》中關于市場分工與范圍以及行業發展與市場競爭環境的論述[2]。美國經濟學家Marshall（1920）首次從“外部經濟”的角度對產業集聚進行了較為詳細的定義和論述，因此一般將Marshall認為是經濟學史上產業集聚理論的開創者[3]。1929年，德國經濟學家Weber提出了產業集聚兩階段論的觀點，Weber認為在產業發展的初期，企業可以通過生產擴張而產生集聚優勢;而在產業發展的高級階段，則往往是通過企業間的聯系網絡形成產業集聚的優勢[4]。20世紀70年代，空間維度在經濟學領域的拓展以及經濟學的分析范式和分析工具在地理學中的應用使得新經濟地理學逐漸發展起來。以Krugman為代表的新經濟地理學家以傳統的收益遞增理論為基礎，著重分析空間結構、經濟增長和規模經濟之間的相互關系，提出了新空間經濟理論。 在新空間理論的基礎之上，Krugman（1991）通過數學模型的推導，發展了產業集聚的相關觀點并證明了運輸成本的降低和制造業比例的提高更有利于區域產業集聚的形成[5]。此外，Porter（1990）在認同企業自發集聚發揮著重要作用的同時，還認為政府的公共政策對產業集聚的形成、發展的模式和周期有著極為重要的影響[6]。

盡管目前學術界有大量的關于產業集聚的理論研究和實證文獻，但至今為止對于產業集聚的界定以及內在形成機制并沒有形成完全一致的意見。關于產業集聚形成原因的探討，部分學者提出產業集聚的形成和發展完全是市場的自發行為，因而認為產業集聚的形成具有很強的偶然性。另有部分學者則認為產業集聚是在地區特殊的要素稟賦、供需結構、文化傳統、知識技術等比較優勢的作用下所逐步形成的，并且受市場競爭、區域要素稟賦和政府政策的同時影響。

（二）數字金融的相關研究

黃益平等（2018）認為數字金融泛指傳統金融機構利用互聯網公司的數字技術所提供的包括投資、支付、融資、信貸在內的一系列的新型金融服務[7]。在科技革命和產業變革的大背景下，萬佳彧等（2020） 認為數字金融的發展已成為一國金融高質量發展的重要引擎[8]。King等（1993）以及張勛等（2020） 都認同金融最核心的功能仍然在于實現貨幣資源的優化配置，同時盡可能地降低風險，因此數字經濟尤其是數字金融，作為傳統金融與互聯網技術的結合體，自然也具有金融的基本特性[9-10]。隨著近年來數字金融在我國的迅猛發展，數字金融的發展所帶來的經濟效應已得到了一定的評估。目前國內已有多位學者使用數字金融指數分別從宏觀和微觀對我國經濟進行研究，如宋曉玲（2017）在研究中發現數字金融的發展有助于縮小城鄉收入差距[11];易行健等（2018）發現了數字金融的發展可以通過提升支付便利性和緩解流動性約束兩個方面增加居民消費[12];黃益平等（2019）通過對中國數字金融發展歷程的系統回顧，提出了對中國數字金融進一步發展的展望[13]。此外，張勛等（2019）還通過論證數字金融有助于促進低物質資本和低社會資本家庭的創業行為，從而提出了數字金融可以促進中國經濟包容性增長的觀點[14]。已有研究還表明數字金融的發展有助于通過實現低成本、廣覆蓋和可持續的金融發展新模式從而實現金融的普惠性和包容性。 國內外已有研究的一個基本的共識表明，發達的金融系統可以顯著緩解企業融資的外部約束，從而促進區域經濟增長。

（三）數字金融影響產業集聚的相關研究

范劍勇等（2014）提出在過去的幾十年里，全球經濟發展的重要特征就是經濟活動的集聚程度不斷提高[15]。自Marshall系統提出產業集聚概念以來，已經有許多經濟學家對產業集聚形成的原因進行了深入探討。陳建軍等（2009）認為產業的集聚離不開生產要素的自然稟賦，但產業集聚與生產要素之間又絕非簡單的對等關系[16]。冼國明等（2006）則通過回顧我國東南沿海制造業產業集聚的過程，發現成熟的市場、充足的勞動力以及較高的外資份額在我國東南沿海產業集聚的過程中都發揮了重要的作用[17]。然而，隨著數字經濟在中國的迅猛發展，中國在短短十幾年間已經成為引領全球數字金融發展的一面旗幟，數字經濟、數字金融對中國的宏觀經濟和微觀個體產生了全方位的影響。Guo等（2016）認為數字金融并不是憑空出現和發展的，其發展仍要依賴于實體經濟和傳統金融[18]。對于數字金融的發展，從已有研究來看，學者大多聚焦于數字金融對實體經濟的影響，而對于研究它與產業集聚之間關系的文獻較少。目前研究主要集中于數字金融對經濟高質量發展、企業生產效率、金融資產配置、 就業創業以及居民收入分配和消費的影響。盡管以往沒有涉及數字金融與產業集聚的相關研究，但關于傳統金融發展與經濟增長和產業集聚的研究可以為本文提供借鑒。

本文基于傳統產業集聚理論，結合我國數字金融發展現狀，提出了數字金融可能影響產業集聚的兩條路徑。即數字金融一方面通過影響企業創新進而影響產業集聚，另一方面又通過影響人才集聚來促進產業集聚的形成。

本文的創新點如下：第一，本文基于北京大學數字金融研究中心發布的2011—2018年城市層面的數字普惠金融指數和我國285個地級及以上城市的相關數據，首次從城市層面實證探究了數字金融的發展對產業集聚的影響;第二，本文在梳理相關文獻的基礎上，實證探究了數字金融發展的覆蓋廣度、使用深度和數字化程度分別對于不同產業集聚影響的差異，豐富了有關數字金融和產業集聚的相關研究。

三、模型設定

（一）變量與數據

1.被解釋變量

本文致力于研究在產業集聚的過程中數字金融發揮了怎樣的作用。國內衡量產業集聚常用的指標主要有行業集中度、空間基尼系數、EG指數、DO指數以及區位熵等。由于本文聚焦于研究二、三產業集聚，而區位熵可以較為準確地反映地理要素的空間分布并消除地區規模差異等因素，因此，考慮到數據的準確性和可獲得性， 本文借鑒陳建軍等（2008）[19]和楊仁發（2013）[20]的做法，采用二、三產業區位熵指數來衡量不同區域的產業集聚程度，從產值的角度分別測算不同城市第二、三產業的綜合區位熵指數。計算數據全部來自于《中國城市統計年鑒》，i地區r產業的區位熵計算公式為：

aggli，r=?（1）

其中，ei，r表示i地區r產業的生產總值，aggl2表示第二產業集聚程度，aggl3表示第三產業集聚程度，aggl1表示二、三產業集聚的總程度。

2.核心解釋變量

本文的核心解釋變量是中國數字金融的發展水平。北京大學數字金融研究中心基于螞蟻金服的海量數據，從覆蓋廣度（breadth）、使用深度（depth）和數字化服務程度（digilevel）三個維度構建了我國數字金融評價體系，并在此基礎上測算了我國數字普惠金融發展指數。其中，覆蓋廣度主要包含支付寶賬號數量、支付寶綁卡用戶比例和支付寶綁卡數量三項指標;使用深度涵蓋了支付業務、貨幣基金業務、信貸業務、保險業務、投資業務和信用業務六項指標;數字化服務程度則主要包括移動化、實惠化、信用化和便利化，這也是互聯網技術的集中體現。 本文采用該中心所發布的2011—2018年中國城市數字普惠金融指數對各市的數字金融發展水平進行衡量。

3.控制變量

以往研究影響產業集聚的實證文獻中大多只探討了經濟發展層面的解釋變量（如國民生產總值、外商直接投資、消費品零售額、固定投資規模等）和人口層面的解釋變量（如城市化水平、地區人口密度、城鎮登記失業率等）對產業集聚的影響，而忽視了數字金融這種經濟新業態對產業集聚的影響。根據以往關于產業集聚影響因素的研究，為減少因遺漏變量而產生的內生性偏誤，同時考慮到數據的準確性與可得性問題，本文從實證的角度選取以下可能影響地區產業集聚的控制變量：

（1）經濟發展水平。經濟發展水平會影響地區數字金融的發展，而且產業集聚最終目的還是為了通過優化地方經濟發展環境及基礎設施來促進區域經濟增長， 所以本文采用各市生產總值對數來衡量地區宏觀經濟發展水平。

（2）用電總量。用電總量可以反應出經濟運行狀況， 不僅是判斷經濟實際運行情況的一個晴雨表，也是判斷區域經濟情況的一個重要參考，因此本文選擇了地區工業用電總量作為控制變量。

（3）外商直接投資。在我國改革開放的過程中，外商直接投資通過區域外溢效應在促進區域產業集聚和技術創新等方面發揮了重要作用。因此本文采用了地區外商直接投資規模指標作為控制變量。

（4）房地產投資。固定資產投資的增長有力的促進了我國經濟增長，從稅基和稅源兩方面促進了稅收收入的增長。但由于我國近年來固定資產統計口徑的變化以及相關數據的嚴重缺失，因此本文使用房地產投資替代固定資產投資，經過相關性檢驗，房地產投資與固定資產投資具有較強的一致性。

（5）公共服務水平。政府財政支出是促進國民經濟平穩運行和資源有效配置的重要手段，各地財政支出將顯著改善公共基礎設施建設，為經濟發展營造良好的外部條件，因此本文采用地方政府財政支出衡量地區公共服務水平。

（6）失業率。失業率通?？梢苑从吵鲆粋€地區勞動力資源的閑置情況，失業率上升意味著更多的勞動力資源無法得到有效的利用，從而導致社會總需求下降，經濟增長動力也將減弱，因此本文采用城鎮職工登記失業率來衡量地區間勞動力的閑置情況。

（7）零售消費總額。社會消費支出是拉動地區經濟增長的基本動力，也是經濟發展的“三駕馬車”之一。龐大的消費市場也在需求端影響著企業的選址與聚集，因此本文采用零售消費總額衡量地區消費水平。

（二）計量模型

aggli，t=α0+α1indexi，t+β'Xi，t+γi+δt+εi，t （2）

aggli，t=π0+π1indexi，t·I（thri，t≤γ1）+π2indexi，t·

I（thri，t>γ1）+β'Xi，t+γi+δt+εi，t （3）

其中，（2）式為面板數據模型的標準形式，可以采用固定效應或隨機效應進行估計，（3）式是借鑒Hansen的研究所設定的門檻回歸模型，以考察數字金融對產業集聚的影響是否具有門檻效應。其中，thri，t為門檻變量，aggli，t為i地在第t年的產業集聚水平，indexi，t反映i地在第t年的數字金融指數，Xi，t為控制變量列向量，β'為控制變量對應的參數列向量，γi為個體固定效應，δt為時間固定效應，εi，t為隨機擾動項。對于面板數據而言，由于γi是未觀察變量，而且它可能與解釋變量相關，因此通常的OLS回歸將導致解釋變量系數的估計偏誤。這時通常的估計方法是將所有變量進行組內去均值處理后再進行估計，即采用固定效應模型（FE）。如果γi與解釋變量不相關，那么就可以采用隨機效應模型（RE），比較隨機效應和固定效應模型，Hausman檢驗可以在統計意義上拒絕其中一個模型。

四、實證結果

（一）變量描述性統計

為了減弱并消除模型異方差的影響，并盡可能體現變量間的彈性關系同時將回歸結果更好地展示，本文中對數字金融指數及其各維度指數均除以100， 對其余絕對值變量均進行取對數的處理。另外，為避免各變量之間的多重共線性問題，本文進行了方差膨脹因子（VIF）檢驗，檢驗結果表明各解釋變量的VIF值均小于10， 說明各解釋變量之間不存在明顯的多重共線性問題。本文變量的描述性統計具體情況如表1所示。

（二）基準回歸分析

表2以全國285個城市為研究樣本，對時間和城市進行了雙向固定，考察了數字金融總指標對產業集聚的影響。在模型1至模型8中逐一增加控制變量， 數字金融的發展對產業集聚的影響始終為正，且均在1%的水平上高度顯著。具體而言，在只控制時間和城市，不控制其他變量的條件下，數字金融對產業集聚水平的影響程度為0.504個百分點且在1%的水平下顯著;在控制地區生產總值、財政支出、用電總量、外商投資等一系列變量的條件下，數字金融總指標對產業集聚的影響程度為0.37個百分點，依然在1%的水平下顯著。雖然表2的回歸結果表明數字金融的發展會影響區域產業集聚，但數字金融的發展對于哪種產業集聚的影響更為顯著以及在不同區域間又是否存在差異還亟需進一步研究。

（三）數字金融對產業集聚的影響分析

表3進一步分析了數字金融的發展對二、三產業集聚的不同影響，如表3所示，模型1至3分別為數字金融對二、三產業集聚總的影響、對第二產業集聚的影響以及第三產業集聚的影響。通過表3不難發現，在同時控制時間效應和城市效應以及包括地區生產總值、用電總量、外商投資等一系列變量的條件下，數字金融無論是對第二產業還是第三產業的影響都十分顯著。具體來看，在控制一系列變量的條件下，數字金融指數對第二、第三產業的影響分別為0.065和0.305。 通過回歸結果不難發現，數字金融對第三產業的影響程度要遠大于數字金融對第二產業的影響程度，這也符合以往的經驗研究。 即第三產業服務業受到支付形式多樣化、支付手段便利化的影響鏈條更短、 反應更為迅速;而由于第二產業往往為加工制造業，其受金融工具的影響周期往往更漫長，短期之內的影響不如第三產業顯著。但總的來看，無論是在第二產業集聚還是第三產業的集聚的過程中，數字金融都發揮了顯著的影響。

基于面板數據模型估計結果，基本證實了數字金融發展對產業集聚的正向促進作用。通過前文的理論分析，本文認為數字金融的發展在理論上可以促進區域產業集聚。但是數字金融的發展與衡量都包含許多維度，主要體現為交易賬戶的增加、交易成本的下降以及互聯網金融服務的便利化等。因此，進一步考察數字金融總指數的二級指標對不同產業集聚的不同影響，有助于找出數字金融影響產業集聚的作用機制。數字金融的二級指標具體包括數字金融覆蓋廣度、使用深度以及數字化程度三個方面。下面從數字金融二級指標著手，探討數字普惠金融的二級指標對于不同產業集聚的不同影響。

如表4所示，在分析數字金融二級指標對不同產業集聚的影響中，不難發現，數字金融的覆蓋廣度與使用深度對產業集聚的影響程度明顯更大且更顯著，但數字化程度對二、三產業集聚的影響不具有統計學上的顯著意義。數字金融二級指標數字化程度對微觀個體和企業的影響不及覆蓋廣度和使用深度立竿見影，其中可能的原因是線性回歸忽視了在數字金融發展的不同階段推廣數字化程度對二、三產業集聚影響可能存在的差異，例如在數字化程度推廣的初期和中后期可能會對產業集聚產生不同的影響。因此，本文接下來以數字金融二級指標數字化程度作為門檻變量，進一步分析推廣數字化程度對產業集聚影響可能存在的門檻效應。

表5為運用Bootstrap方法得到的數字金融對產業集聚影響的門檻效應檢驗結果。通過實證結果可以發現，數字化程度對產業集聚的單一門檻和雙重門檻效應檢驗均通過了1%的顯著性測試 ，但三重門檻效應檢驗沒有通過顯著性測試。說明數字化程度對第二產業集聚的影響存在著雙重門檻效應。因此，根據門檻效應檢驗結果構建雙重門檻效應模型：

aggli，t=π0+π1digitii，t·I（thri，t≤γ1）+π2digitii，t·

I（γ1

β'Xi，t+γi+δt+εi，t? （4）

根據表6面板門檻模型的估計結果可知，當數字化程度低于門檻值1.1717時， 數字化程度對產業集聚的影響為-0.0138且在5%的顯著水平上顯著，其經濟含義是在數字金融發展的初期，其二級指標數字化程度每提高一個單位，產業集聚水平反而下降0.0138個單位水平; 當數字化程度在第一個門檻值1.1717與第二個門檻值2.0013之間時，數字化程度對產業集聚的影響為0.0267個單位水平，不僅在影響程度上顯著為正，而且在顯著性水平上也通過了1%顯著性水平的測試; 當數字化程度超過第二個門檻值2.0013時， 數字化程度對于產業集聚的影響也隨之進一步擴大，這表明隨著數字化程度推廣的深入，它將長期對產業集聚產生持續而深遠的影響。 對于此種現象一種可能的解釋是：當數字金融發展程度較低時，數字化推廣前期需要大量的投入和扶持，因而數字化程度的發展對于產業集聚的影響較小。但當數字金融發展到一定階段之后， 充分帶動了地區經濟發展和人才集聚，數字化程度進一步釋放其對于產業集聚的影響程度，尤其是會帶來第三產業的集聚與繁榮。

（四）區域異質性分析

由于我國不同區域經濟發展差異較大，城市的基礎設施建設、經濟發展水平、產業結構、資源稟賦等均存在較大差異。因此，為了更好地衡量數字金融發展水平對區域產業集聚的影響程度，本文按照東、中、西部地區將我國劃分為三個區域，以研究不同區域數字金融發展水平對產業集聚的影響程度的差異。其中，東部地區包括北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、海南、遼寧共11省市;中部地區包括山西、河南、安徽、湖南、湖北、江西、黑龍江、吉林共8個省市;西部地區包括新疆、內蒙古、甘肅、寧夏、青海、陜西、西藏、四川、重慶、貴州、云南和廣西12省市。

回歸結果如表7所示， 數字金融的發展在東、中、 西部地區都對區域產業集聚產生重要影響。具體來看， 數字金融發展水平每提高一個單位水平，東部地區產業集聚提高0.245個百分點，中部地區提高0.574個百分點， 西部地區提高0.468個百分點?？梢园l現，與東部相比，數字金融的對于中、 西部地區的產業集聚影響更為明顯。其中可能的原因是由于改革開放以來，憑借著著臨近國際市場的地理優勢、外商投資的不斷注入以及政府政策牽引扶持，我國東部沿海地區制造業和服務業都已經經歷了快速發展，產業結構都明顯更加優化，產業集聚已經達到一個較高水平。因此，雖然數字金融在東部沿海地區發展更為迅猛， 但其對于產業集聚的影響程度卻不如中、西部地區，這也進一步表明了數字金融的發展有助于實現欠發達地區的產業集聚和產業結構的優化升級。

（五）穩健性檢驗

本文采用變換樣本的方式對前文的回歸結果進行穩健性檢驗。由于在城市規模和城市行政等級上存在差異，中小城市在發展數字金融以及政策制定、招商引資、構建產業集群等方面存在相對弱勢。而且， 由于直轄市與各省會城市和普通地級市相比，行政級別更高，政府的行政權限更大、優惠政策更多、經濟發展水平也更高，因此，本文剔除了4個直轄市以及27個省會級城市的樣本數據， 重新對前文各項研究結果進行實證檢驗，回歸結果如表8所示?？梢园l現，在控制了其他變量的條件下，數字金融總指標在各種檢驗條件下都對總產業集聚和第二、第三產集聚表現出顯著的正向影響，檢驗結論與前文所述基本一致。

五、研究結論與對策建議

（一）研究結論

首先，在數字金融發展與產業集聚之間的理論分析部分，本文認為數字金融的發展可以通過促進企業創新和人才集聚兩個方面來促進產業集聚。具體來看，數字金融的發展可以通過緩解企業融資約束、促進企業間信息溝通兩個方面提高企業創新產出。此外，數字金融還可以通過緩解傳統金融市場對低收入群體的金融排斥，并通過提高支付便利化手段等促進人才的區域集中。人口的集聚一方面帶來了充足的勞動力供給，另一方面也提供了巨大的消費市場，因此人口集聚會進一步增強產業集聚。

其次，本文結合中國數字金融指數和中國285個地級及以上城市2011—2018年的面板數據，采用面板門檻模型等回歸方法，實證分析了數字金融及其各維度的發展與二、 三產業集聚之間的關系，探究了不同區域數字金融及其各維度的發展對產業集聚的異質性影響，發現如下：第一，數字金融及其覆蓋廣度和使用深度的推廣對二、三產業集聚的總效應存在顯著的正向關系，即數字金融的發展在二、三產業集聚的過程中發揮了重要作用。第二，與第二產業相比，數字金融的發展對于第三產業集聚的長期影響更為顯著。第三，數字化程度對于產業集聚的影響存在雙重門檻效應，在數字化程度指數低于某個門檻值時會對產業集聚發生負向影響;但數字化程度的提高，達到一定階段處于兩個門檻值之間時， 會對產業集聚產生較為顯著的正向影響;而且隨著數字化程度的進一步提高，其對產業集聚的影響也不斷擴大。第四，數字金融的發展對不同區域內產業集聚的影響存在區域異質性，與東部地區相比，數字金融的發展對于中、西部地區產業集聚的影響更為顯著，這也進一步表明了數字金融的發展更有助于實現欠發達地區的產業集聚和產業結構的優化升級，這也為通過發展數字金融實現落后地區產業結構升級和經濟增長提供了有益思路。

（二）對策建議

第一，數字金融的發展可以促進區域產業結構升級和產業集聚，因此要穩步有序地繼續推動以數字金融這種新業態為代表的數字經濟進一步發展。 增加數字金融服務供給、提高數字化程度是促進落后地區產業結構升級和產業集聚的有力手段。政府部門和金融機構應大力建設數字金融基礎設施，推動金融基礎設施的信息化，促進支付和信用制度的便利化，推動數字金融服務促進產業集聚。

第二， 要引導資本合理介入數字經濟領域、防止資本的無序擴張，以更好地實現數字金融的普惠性。政府部門和金融機構要注意“金融過度和金融風險”等問題的出現，防止數字金融的過度發展為區域經濟發展和產業集聚升級帶來負的外部效應。

第三， 數字經濟的發展日益成為經濟本身。要推動數字金融這種新業態的健康有序發展，一方面要監督引導數字金融的供給方落實發揮金融的基本職能，促進貨幣資金的有效配置和經濟的健康有序發展;另一方面也要求政府部門和金融機構要積極普及數字金融發展的重要意義，主動引導金融需求方努力提升自身的金融知識素養，積極主動地將自身發展需求同數字金融發展目標相對接以實現經濟社會的健康發展。

參考文獻：

[1]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020（4）：1401-1418.

[2]亞當·斯密.國民財富的性質和原因的研究[M].郭大力，王亞南，譯.北京：商務印書館，2013：80 -100.

[3]MARSHALL A.Principles of Economics[M].London：Macm-illan，1920.

[4]WEBER A.Theory of the Location of Industries[M].Chicago，IL：University of Chicago Press，1929.

[5]KRUGMAN P.Increasing Returns and Economic Geography[J].Journal of Political Economy，1991（3）：483-499.

[6]PORTER M E.The Competitive Advantage of Nations[M].New York：Macmillan，1990.

[7]黃益平，黃卓.中國的數字金融發展：現在與未來[J].經濟學（季刊），2018（4）：1489-1502.

[8]萬佳彧，周勤，肖義.數字金融、融資約束與企業創新[J].經濟評論，2020（1）：71-83.

[9]KING R G，LEVINE R.Finance，Entrepreneurship and Gr-owth[J].Journal of Monetary Economics，1993（3）：513-542.

[10]張勛，楊桐，汪晨等.數字金融發展與居民消費增長：理論與中國實踐[J].管理世界，2020（11）：48-63.

[11]宋曉玲.數字普惠金融縮小城鄉收入差距的實證檢驗[J].財經科學，2017（6）：17-25.

[12]易行健，周利.數字普惠金融發展是否顯著影響了居民消費——來自中國家庭的微觀證據[J].金融研究，2018（11）：47-67.

[13]黃益平，陶坤玉.中國的數字金融革命：發展、影響與監管啟示[J].國際經濟評論，2019（6）：24-35，5.

[14]張勛，萬廣華，張佳佳等.數字經濟、普惠金融與包容性增長[J].經濟研究，2019（8）：71-86.

[15]范劍勇，馮猛，李方文.產業集聚與企業全要素生產率[J].世界經濟，2014（5）：51-73.

[16]陳建軍，陳國亮，黃潔.新經濟地理學視角下的生產性服務業集聚及其影響因素研究——來自中國222個城市的經驗證據[J].管理世界，2009（4）：83-95.

[17]冼國明，文東偉.FDI、地區專業化與產業集聚[J].管理世界，2006（12）：18-31.

[18]GUO F，KONG S T，WANG J.General Patterns and Regional Disparity of Internet Finance Development in China：Evidence from the Peking University Internet Finance Development Index[J].China Economic Journal，2016，99（3）：253-271.

[19]陳建軍，胡晨光.產業集聚的集聚效應——以長江三角洲次區域為例的理論和實證分析[J].管理世界，2008（6）：68-83.

[20]楊仁發.產業集聚與地區工資差距——基于我國269個城市的實證研究[J].管理世界，2013（8）：41-52.

The Influence of Digital Finance on Industrial Agglomeration

——Empirical Study on 285 Prefecture-level Cities in China

Xia Guangrui

（School of Finance and Economics， Jimei University， Xiamen 361000， China）

Abstract： Based on the panel data of 285 cities in China and the China Digital Financial Inclusion Index （2011-2018） released by the Digital Finance Research Center of Peking University， this paper empirically analyzed the relationship between the development of digital finance and industrial agglomeration in China by using regression methods such as fixed effect model and panel threshold model. It is found that the development of digital finance in China has a long-term and significant promoting effect on the agglomeration of the secondary and tertiary industries. In addition， the heterogeneity analysis shows that compared with the eastern region， digital finance has a more significant impact on industrial agglomeration in the central and western regions. Finally， the analysis of the sub-dimensions of digital finance shows that the breadth and depth of digital finance promote the formation of industrial agglomeration well， but there is a nonlinear relationship between the degree of digital convenience and industrial agglomeration.

Key words： digital finance; industrial agglomeration; threshold model; digital

（責任編輯：李丹;校對：盧艷茹）