數字金融賦能城市全要素生產率
——來自283 個城市的經驗研究

袁徽文

（南京大學經濟學院，江蘇南京 210093）

1 研究背景

自改革開放以來，我國經濟建設取得了舉世矚目的成績，成為世界經濟增長史上的偉大奇跡［1］。中國經濟高速增長主要依靠要素投入，但新古典增長理論認為，隨著投入量的不斷增加，其所帶來的邊際收益會逐漸降低［2］。同時，過于依賴“數量追趕”的增長方式，意味著全要素生產率對經濟發展的影響程度較低［1］。正因如此，近年來中國經濟增長速度逐漸放緩，原有的增長模式已不再適應現實發展的需要［3］，“數量追趕”的優勢已不再明顯［1］，大力發展全要素生產率已成為實現經濟高質量發展的核心舉措［4］。面對新冠肺炎疫情的沖擊，黨中央基于國內外情況的變化，提出構建以國內大循環為主體，國內國際雙循環相互促進的新發展格局。這是具有前瞻性和系統性的宏觀布局，能夠有效發揮市場配置資源的作用，推動要素進行整合優化，從根本上轉變經濟發展的模式，增強現代化市場經濟體系的活力，最終完成城市全要素生產率提升的目標，這也是推動高質量發展的要求之一。

隨著高新技術的快速發展，數字金融的影響逐漸滲透到經濟生活的各個領域，為當前經濟健康可持續發展注入新的增長元素。城市的高質量發展需要依靠大量的要素投入和科技進步，這些資源能夠順利地進行配置，離不開數字金融的支持［5］。因為數字金融憑借著其優勢特征，能夠有效地降低融資成本和服務門檻、擺脫時間與空間的約束、提高智能化水平以及優化信息不對稱等問題，更好地服務于實體經濟發展，引導資金向高附加值、高尖端技術領域流入，從而實現城市全要素生產率的提升。

基于上述理論分析，數字金融與城市全要素生產率之間是否存在關系？以及究竟存在著怎樣的關系？對于這一問題的深入研究，可以更好地發揮國際國內兩個市場、兩種資源的優勢，促進新發展格局的構建，這不僅有利于城市全要素生產率的提升，還對我國經濟可持續健康發展具有較強的戰略價值。

本文對現有研究的邊際貢獻主要表現在：一是，首次實證分析數字金融對城市全要素生產率的影響，并且采用模型對283 個城市的全要素生產率進行測算。二是，以往的研究更多側重于省級層面，本文采用283 個城市的數據進行實證研究，使樣本數據更加豐富。三是，依據地理區域和人均GDP 兩種不同的標準對樣本劃分，進一步研究數字金融對城市全要素生產率的異質性影響，從而使研究的內容得到更進一步的深入。四是，首次實證分析數字金融與城市全要素生產率在不同地區所存在的正U 型與倒U 型關系，并詳細分析了隱藏在背后的機制原理。五是，采用系統GMM 對模型重新估計，并將解釋變量替換為數字金融發展水平總指數，充分驗證了模型的穩健性，使本文的研究結論準確可信。

2 文獻綜述與研究假設

數字金融作為信息通信技術與金融業務相互融合的創新發展模式，不僅改變了以往金融機構的經營理念，更是對傳統金融發展體系的重要補充，自服務內容至服務對象都充分體現著普惠金融的核心思想。數字金融借助高新技術領域的研究成果，給人們日常生活帶來了很多便利，不僅能發掘大量長尾用戶群體，激活傳統金融機構未覆蓋區域的市場活力，還能夠為用戶提供更多的資金渠道和投資途徑，突破時間與空間的限制，降低金融產品服務的門檻，提升了整個區域內的經濟運轉效率［6］。Han等［7］認為金融業務水平的提升能夠對全要素生產率有著明顯的促進作用，同時，金融發展的速度與資源配置的效率呈現出正相關關系，進而能夠推動全要素生產率的增長。Karlan 等［8］認為降低金融服務的門檻，提高金融服務的使用頻率，能夠對人們的消費預算進行優化。此外，數字金融能夠及時獲取用戶需求的動態變化，提早應對可能出現的危機，有效緩解信息傳遞的滯后性，實現對創新型企業的精準支持，促進金融資源的有效配置，最終達到城市全要素生產率提高的目標［9］。基于上述研究分析，本文提出假設1：

H1：數字金融對城市全要素生產率具有顯著的促進作用。

黃益平等［10］認為，盡管市場化改革的進程不斷推進，但是中國目前金融抑制程度在全世界范圍內仍處于較高水平，并且其近期對經濟發展所造成的負面影響日益突顯。Mckinnon［11］認為金融抑制是廣大發展中國家共同面對的問題，進而可能會使信貸資源配置不協調，不利于經濟的穩定增長。因此，必須循序漸進地對金融體系進行創新改革，充分發揮金融資源在發展過程中的作用，完成金融服務于實體經濟發展的重要任務，而數字金融的出現恰好滿足當下經濟發展的需求，憑借著服務門檻低、操作便捷、具有普惠性等優勢獲得了廣泛的用戶群體，一定程度上彌補以往傳統金融業務的不足，為城市全要素生產率的發展增添新元素。因此，在發展水平相對落后的地區，數字金融能夠為區域內的創新創業活動提供一定的支持，從而推動城市全要素生產率取得顯著的進步。Chen 等［12］認為中國城市全要素生產率已由單核化模式轉變為雙峰結構，對于經濟發展相對落后的區域來說，縮小差距實現趕超的難度將會變得越來越大。Zhang 等［13］認為中國全要素生產率區域發展不平衡的現象日益嚴重，其中，技術進步是解決問題的關鍵。Buera 等［14］認為由于固定資產的投資規模比較大，金融發展水平較低的區域往往存在資源錯配的現象，進而不利于開展大規模投資活動，因此，金融發展欠發達的區域會抑制全要素生產率的提升。唐松等［15］等認為由于地區間存在著金融發展不平衡的現象，這會導致金融抑制的程度存在差別，從而在金融發展較為落后的地區，金融抑制水平較高，在這種情況下，數字金融能夠充分發揮作用，更好地服務于創新創業項目，支持區域內技術創新活動的順利進行。基于上述研究分析，本文提出假設2：

H2：數字金融對城市全要素生產率的影響具有異質性；

H2a：數字金融對于西部地區城市全要素生產率的提升作用更加顯著；

H2b：數字金融對于低收入地區城市全要素生產率的提升作用更加顯著。

數字金融能夠對城市全要素生產率產生溢價效應和擠出效應。所謂溢價效應，即數字金融的發展能夠緩解市場參與者融資難的問題，給初創企業更多的選擇去調整資產結構，主動持有流動性較高的金融資產，及時應對生產運營過程中潛在的風險，避免企業資金狀況出現流動性不足的問題，這能夠極大調動市場參與者的創業熱情，激發企業家精神，推動城市全要素生產力的提升。而擠出效應是指當投資數字金融的短期收益率超過實體經濟時，市場參與者會更加傾向于通過數字金融進行短期投資，忽視了提升企業核心競爭力的長期發展目標，從而抑制城市全要素生產率的發展。Aghion 等［16］認為由于金融摩擦的因素，使企業面臨融資困難和流動性危機，這不利于可持續健康發展，進而影響全要素生產率的提高。Christophers［17］認為非金融企業為了實現股東價值最大化會更加重視短期收益率，同時會充分利用兼并或回購等方式。Davis［18］認為如果企業能夠解決融資約束的問題，那么，企業發展過程中的擠出效應則不會出現。在經濟實際發展過程中，數字金融的溢價效應和擠出效應同時存在，并且兩種效應的大小關系決定著城市全要素生產率的發展方向。在相對發達的地區，期初溢出效應處于主導地位，隨著數字金融的發展，其對城市全要素生產率的影響先升后降，呈現出倒U 型特征。在相對落后的地區，期初擠出效應處于主導地位，隨著數字金融的發展，其對城市全要素生產率的影響先降后升，呈現出正U 型特征。許平祥等［19］認為企業TFP 實際增長的方向取決于金融資產配置所帶來的“儲蓄效應”與“擠出效應”的大小，并且隨著兩種效應的動態變化，金融資產配置對企業TFP的影響表現出倒U 型關系。基于上述研究分析，本文提出假設3：

H3：數字金融使用深度對城市全要素生產率的影響呈現出不同的特征；

H3a：數字金融使用深度對東部地區城市全要素生產率的影響呈現出倒U 型特征；

H3b：數字金融使用深度對中部地區城市全要素生產率的影響呈現出正U 型特征。

3 模型設定與數據選取

中國數字金融的起點可以追溯到2004 年支付寶賬戶體系的出現，并在2013 年余額寶上線后得到迅猛發展［20］。數字金融給我們的生活帶來了日新月異的變化，已成為新時代下經濟社會發展的新方向。數字金融借助大數據，人工智能等先進方式，一定程度上降低了運營成本，實現對企業服務效率的優化，擺脫了對實體網點的依賴，讓市場中各個參與者都能享受到數字金融所帶來的高效便捷。

3.1 模型設定

依據上文所提出的H1與H2，為了實證研究數字金融與城市全要素生產率之間的關系，本文將模型設定為：

最后，進行穩健性檢驗。具體公式，如下所示：

3.2 數據選取

3.2.1 被解釋變量：城市全要素生產率（TFP）

（1）測算方法：數據包絡分析法（DEA）是利用投入產出變量采用線性規劃的方式對生產單元進行相對效率評價的方法［21］。1953 年瑞典經濟學家構建消費數量指數形成最初的指數模型［22］。后經由Caves 等［23］學者利用這種模型進行研究分析。該模型能夠有效地進行動態DEA 效率測算，一定程度上對傳統DEA 模型的不足進行了彌補，其優點是可以避免模型設定問題所帶來的測量誤差。同時，指數可以分解為效率變化指數（TE）和技術進步指數（TP），而效率變化指數（TE）還能夠再次分解為純技術效率變化指數（PE）和規模效率變化指數（SC）［24］。因此，很多學者選擇模型對全要素生產率（TFP）進行測算分解研究。指數模型從期至期的公式及其分解，如下所示：

在城市發展過程中，必然會涉及到要素有效利用的問題，即達到產出最大化或投入最小化的目標，從而能夠促進城市全要素生產率的發展。因此，為了準確地進行實證分析，本文采用模型對283 個城市的全要素生產率（TFP）進行測量計算。

測算指標：其一，產出指標：將基期設定為2000 年，采用實際地區生產總值（GDP）進行衡量。其二，投入指標，包括資本存量和勞動力投入。資本存量：按照永續盤存法的思路對資本存量進行測算，具體公式為：，其中期城市資本存量；期城市資本存量；期固定資產投資總額；為固定資產投資價格指數，同樣將基期設定為2000 年；為折舊率。由于無法獲得城市層面的固定資產投資價格指數，所以，采用省級層面相應的價格指數對其進行替換［26］。而對于存在缺失的固定資產相關數據，采用相應的省級增長率對缺失值進行估算。同時借鑒張軍等［27］的研究，將設定為9.6%，并將基期資本存量設定為基期固定資產投資總額除以10%。勞動力投入：采用年末單位從業人員數來進行衡量。以上數據均來自于國研網和《中國城市統計年鑒》。

3.2.2 解釋變量：數字金融

北京大學數字普惠金融指數統計了省、市、縣3 個級別的年度數據，由覆蓋廣度、使用深度和數字化程度這3 個維度所組成，其中一共涵蓋了33 個具體的統計指標。它能夠客觀地描繪中國數字金融的現狀，同時，還能夠從不同層次，不同維度對當前國內數字金融的發展水平和整體變化趨勢進行更進一步的剖析，為數字金融的研究提供了詳實可靠的數據來源，并在數字金融的研究領域中得到廣泛地使用。

因此，本文根據郭峰等［28］所分析的內容，采用北京大學數字金融研究中心和螞蟻金服集團共同編制的數字普惠金融指數來對數字金融進行量化。同時，將數字普惠金融指數中所包含的數據除以100，并用分別表示數字金融發展水平總指數、覆蓋廣度、使用深度、數字支持服務程度。

3.2.3 控制變量

（1）政府支出規模：用地方財政一般預算內支出占地區生產總值的比重來表示政府支出規模。政府支出能夠對市場參與者的行為與決策產生巨大的影響。合理的政府支出規模能夠完善地方基礎設施建設，保證市場經濟有序開展，營造良好的經商創業環境，順利地將產業資本和高新技術企業引進來，促進經濟高質量發展。

3.2.4 數據來源與數據處理

本文數字金融的量化指標來自于北京大學數字金融研究中心和螞蟻金服集團共同編制的《北京大學數字普惠金融指數》［28］。其余數據均來自于國研網。本文選取2011 年至2018 年城市數據作為原始樣本，并按照以下原則對數據進行處理：首先，剔除數據缺失嚴重的個體。然后，本文對數據采取1%以下和99%以上的縮尾處理，這能夠有效地防止極端值所造成的影響。最終，得到全國283 個城市自2011年至2018 年的面板數據，從而研究分析數字金融與城市全要素生產率之間的關系。

4 實證結果分析

4.1 描述性統計

由表1 可知，TFP 的平均值為0.246，最小值為-0.176，最大值為0.712，證明近年來我國城市全要素生產率一直處于上升狀態，但各地區之間的發展并不平衡，與現實情況較為符合。數字金融發展水平總指數的平均值為1.556，最小值為0.333，最大值為2.719，說明全國各地區數字金融發展水平存在著較大程度的差距。因此，實證研究數字金融對城市全要素生產率的影響變得十分有意義。

表1 描述性統計

4.2 全樣本回歸

首先，基于上文提出的H1，實證研究數字金融對城市全要素生產率的影響。

根據表2 第（1）列可知，數字金融的覆蓋廣度每提高1 個單位，城市全要素生產率便可提升0.103個單位。在第（2）列中，數字金融的使用深度每提高1 個單位，城市全要素生產率便可提升0.084 1 個單位。在第（3）列中，數字支持服務程度每提高1個單位，城市全要素生產率便可提升0.027 6 個單位。自第（1）列至第（3）列中，居民儲蓄對城市全要素生產率的影響均在1%的水平上顯著為正，其系數值分別為0.134、0.158、0.210，說明居民儲蓄的增加是有利于提升城市全要素生產率，這也從側面說明了在居民的生活富足有余時，能夠更好地保證社會經濟的平穩運行，激發全社會進行改革創新，進而實現城市全要素生產率的發展。其他控制變量的結果也大致符合預期。此外，在表2 中可以明顯看出，數字金融的3 個維度對城市全要素生產率的影響程度依次減弱，相對于覆蓋廣度和使用深度來說，數字支持服務程度對城市全要素生產率的影響程度還存在著很大的發展空間，在高新技術等尖端領域迅猛發展的背景下，數字支持服務的發展擁有廣闊的前景，未來將會面向全產業鏈成為經濟增長新的動力源泉。

表2 全樣本回歸

表2（續）

綜上所述，不管使用固定效應還是隨機效應，數字金融的覆蓋廣度、使用深度、數字支持服務程度對城市全要素生產率的影響均在1%的水平上顯著為正，說明數字金融對城市全要素生產率具有顯著的促進作用，驗證了H1。

4.3 分樣本回歸

4.3.1 區域性的差異

考慮到各地區經濟水平的差異性，本文以區域位置作為分類依據，把樣本數據分成東部、中部和西部3 個地區，更進一步地討論分析數字金融發展對不同區域城市全要素生產率的影響。根據表3 的結果可知，西部地區數字金融的發展對城市全要素生產率的影響最大，中部地區的影響程度相對較弱，然而在經濟發達的東部地區，數字金融對城市全要素生產率的影響最小。這主要是因為東部地區本身經濟發展水平較高，傳統意義上的金融機構數量眾多，業務服務相對完善，能夠有效地為企業生產活動提供強有力的支持，因此，相對而言，東部地區數字金融的發展對城市全要素生產率的推動作用最弱［29］。而在西部地區，經濟發展水平相對較弱，傳統意義上的金融服務與基礎設施并不健全，這在很大程度上限制了地區的創新發展，進而阻礙了城市全要素生產率的發展。但近年來，隨著數字金融的快速發展，改變了以往西部地區金融發展的現狀，數字金融憑借著其先進的技術優勢，不僅能夠有效地降低金融成本，減少金融資源的錯配現象［6］，更能夠將數字金融發展的紅利滲透到區域內的各行各業，利用數字金融對產品研發的正向促進作用，驅動城市全要素生產率的提升［15］。

表3 分樣本回歸

綜上所述，數字金融對于西部地區城市全要素生產率的提升作用更加明顯，驗證了H2a。

4.3.2 收入性的差異

本文以人均GDP 的中位數作為分類依據，將樣本數據分為高收入地區和低收入地區。根據表4 的結果可知，數字金融的3 個維度對低收入地區城市全要素生產率的影響均在5%的水平上顯著為正。因為低收入地區的經濟相對落后，傳統金融無法在區域內實現全面覆蓋，且服務內容較為單一，同時，由于信息傳遞不具備時效性，使得傳統金融的業務在低收入地區很難順利地開展，這也在很大程度上限制了區域內工業企業的研發與創新［30］。與此同時，企業在市場競爭的過程中，必須不斷進行研發創新，實現產品服務的優化升級，然而資金的壓力會使很多企業陷入困境［5］。數字金融的出現，能夠以其便利高效低成本的優勢，極大地滿足區域內生產、消費、創新、創業等各種需求，也可以為低收入地區提供更大規模的融資，進一步降低融資成本和金融風險，為城市全要素生產率的發展打下堅實的基礎［31］。而在高收入地區，數字支持服務程度對城市全要素生產率的影響不顯著。盡管高收入地區的使用深度在1%的水平下顯著，但相對于低收入地區的使用深度來說，仍存在著很大的差距。因此，數字金融對低收入地區城市全要素生產率的促進作用更為明顯，這在一定程度上也說明數字金融與傳統金融在不同收入的區域存在著相互替代的現象［30］。

表4 分樣本回歸

綜上所述，數字金融對于低收入地區城市全要素生產率的提升作用更加明顯，驗證了H2b。

4.4 正U 型與倒U 型檢驗

由表5 可知，在東部地區，數字金融使用深度的一次項系數值為0.187，而其二次項系數值為-0.086 0，且都在10%的水平上顯著，標志著在東部地區，數字金融使用深度對城市全要素生產率的影響呈現出倒U 型關系，即起初數字金融的使用深度會推動城市全要素生產率的發展，但隨著數字金融使用深度的進一步發展，會在一定程度上阻礙城市全要素生產率的發展。值得關注的是，中部地區使用深度的一次項系數值為-0.290，而其二次項系數值為0.054 4，且都在5%的水平上顯著，標志著在中部地區，使用深度對城市全要素生產率的影響呈現出正U 型關系。而在西部地區，不管是覆蓋廣度、使用深度，還是數字支持服務程度，其與城市全要素生產率之間的U 型關系均不明顯。

表5 正U 型與倒U 型檢驗

究其原因，根本還是在于地區經濟發展的差異。第一，在經濟發展較好的地區，資源錯配的情況相對較少，信息透明度更高，市場參與者能夠利用數字金融的優勢及時應對經營活動中潛在的風險，提高金融資產的配置效率，那么數字金融使用深度在最初會推動城市全要素生產率的發展。在經濟發展較弱的地區，情況截然相反，資源錯配與信息不對稱的情況相對較多，應對風險的措施存在滯后性，未能對資產進行充分有效的管理配置，那么數字金融使用深度的最初發展則會抑制城市全要素生產率的提升［32］。第二，在數字金融發展的過程中會出現溢出效應和擠出效應，也即市場參與者能夠借助數字金融來緩解融資約束，提高金融資產的流動性，以應對發展過程中的潛在風險，同時，還可以通過數字金融產品來提高資源配置的效率，增加整體資產所帶來的收益，進而產生能夠提升城市全要素生產率的溢出效應。此外，市場參與者會追逐數字金融產品所帶來的短期收益，忽視實體經濟所帶來的長期發展，進而會引發阻礙城市全要素生產率發展的擠出效應［19］。在東部地區，創新創業的環境氛圍濃厚，數字金融的溢出效應最初占主導地位。市場參與者會主動調整資產管理模式，在保證流動性和收益性的前提下，積極提升自身的核心競爭力，更加關注經營發展的長期規劃目標，進而推動城市全要素生產率的發展。但隨著數字金融使用深度的發展，邊際收益逐漸遞減，此時擠出效應占主導地位，抑制了城市全要素生產率的發展，因此，數字金融使用深度對東部地區城市全要素生產率的影響呈現出倒U 型關系。而在中部地區，市場參與者更多關注于短期利潤的最大化，數字金融的擠出效應最初占主導地位。此時，市場參與者更多希望通過數字金融產品來獲得短期的收益，擠占了本該應用于研發投入的部分資金，從而阻礙了城市全要素生產率的發展［19］。但隨著數字金融使用深度的發展，市場參與者創新創業的積極性逐漸被調動起來，此時溢出效應占主導地位，能夠有效地推動城市全要素生產率的發展，所以，數字金融使用深度對中部地區城市全要素生產率的影響呈現出正U 型關系。

綜上所述，由于區域間經濟水平存在差異，數字金融使用深度對城市全要素生產率的影響作用呈現出不同特征，驗證了H3。在東部地區，起初數字金融的使用深度會推動城市全要素生產率的發展，但隨著數字金融使用深度的進一步發展，會在一定程度上阻礙城市全要素生產率的發展，呈現出倒U型關系。在中部地區，情況則截然相反，起初數字金融的使用深度會抑制城市全要素生產率的發展，但當跨過某個拐點之后，數字金融的使用深度會推動城市全要素生產率的提升，呈現出正U 型關系。

4.5 穩健性檢驗

本文采取以下措施來開展穩健性檢驗：（1）替換解釋變量。用數字金融發展水平總指數來作為數字金融的量化指標，代替原來的覆蓋廣度、使用深度和數字支持服務程度這3 個維度。（2）考慮到內生性問題，決定分別采用兩步系統GMM 和一步系統GMM 對模型重新進行回歸，同時將被解釋變量的滯后一階、滯后二階增添到模型之中。由表6 可知，AR（2）的P值均大于0.1，說明不存在二階序列相關的問題。Sargan 檢驗的P值均大于0.1，說明工具變量不存在過度識別的問題［33］。同時，在第（1）～（4）列中，數字金融發展水平總指數的系數均為正且在1%的水平上顯著，說明數字金融發展水平總指數對城市全要素生產率具有正向的推動作用，其估計結果與之前的觀點依然保持一致，標志著本文的研究結論準確可信。具體結果，如表6 所示：

表6 穩健性檢驗

5 主要結論與政策啟示

5.1 主要結論

本文于現有文獻的基礎之上，采用數字金融的覆蓋廣度、使用深度和數字化程度這3 個維度的數據，深入分析數字金融對城市全要素生產率的影響。此外，使用數字金融發展水平總指數代替上述3 個維度，考慮到內生性的問題，分別采用兩步系統GMM和一步系統GMM方法對模型進行穩健性檢驗，以保證結果準確可信。研究發現：（1）數字金融的3 個維度均能夠顯著地推動城市全要素生產率的發展。（2）數字金融能夠有效地推動西部地區、低收入地區城市全要素生產率的發展，說明數字金融能夠在經濟發展較弱的地區充分發揮作用，并在一定程度上彌補了傳統金融業務的不足。（3）由于東中西部地區經濟發展程度存在差異，使得數字金融使用深度與城市全要素生產率之間的關系呈現出不同的特征。具體表現為，數字金融使用深度對東部地區城市全要素生產率的影響呈現出倒U 型特征，對中部地區城市全要素生產率的影響呈現出正U 型特征，而對西部地區城市全要素生產率的影響作用并不顯著。

5.2 政策啟示

（1）大力發展數字經濟。我國在數字技術領域獲得了顯著進步，數字經濟已成為我國高質量發展的重要驅動力。數字經濟作為一種新的經濟運行模式，能夠通過數字平臺將政府、企業和個人整合起來，滲透到社會的方方面面，具有辦事效率高、外部性效應強等優點，尤其在本次疫情中，數字經濟的優越性更為凸顯。與此同時，數字經濟能夠對經濟活動中所產生的數據進行采集、處理、共享、利用，從而保證市場參與者能夠及時獲取相關信息，建立高效便捷的信息傳遞機制，提升工作質量，避免資源浪費。數字經濟的迅猛發展為整個社會提供了大量的工作崗位，增加了居民的收入，同時，數字經濟的便捷在很大程度上刺激了居民的消費，有助于轉向高質量發展的增長模式。不管是宏觀層面還是微觀層面，數字經濟都正改變著整個經濟的運行模式，它不僅正在與傳統行業相結合，同時也在孕育著新興行業的誕生，共同為經濟持續穩定健康發展增添新的活力。因此，加強高尖端技術領域的合作與研發，充分發揮數字經濟的優越性，從而推動城市全要素生產率的提高。

（2）推動新型數字基礎設施建設。依托前沿的數字化技術，立足于時代發展的新需求，對傳統的數字基礎設施進行迭代升級，完善數字金融的各項功能服務，為提升城市全要素生產率打下堅實的基礎。同時，加強人工智能、工業互聯網、大數據、云計算等高尖端技術在數字金融領域的推廣應用，這不僅能夠孕育出更多的創新模式和發展契機，還能夠使數字金融充分地發揮自身優勢，更好地服務于供給側與需求側的發展要求，改善要素配置的市場化程度，推動資源在全社會范圍內的合理利用，最終實現城市全要素生產率的提升。

（3）優化金融發展的制度環境。數字金融在經濟發展的過程中發揮著越來越重要的作用，不僅突破了傳統金融的業務模式，更能夠為客戶群體提供低成本且高效率的金融服務。因此，必須構建良好的制度環境，尊重市場規律，激發企業活力，完善知識產權保護體系，通過市場競爭篩選出高效率的企業與組織，矯正要素配置扭曲，促進資源在全社會范圍內的自由流動，積極推動數字金融的健康發展。同時，完善相關的法律法規，培育自由的營商環境，降低尋租行為，深化開放水平，最大程度地激發企業家精神，實現資源的利用效率，進而推動城市全要素生產率的提高。

（4）強化數字金融的風險管理。盡管數字金融為社會的進步與發展提供了很多的便利，但依然存在著一些風險隱患。如果這些問題未能得到足夠的重視和有效的解決，將會對經濟的發展與穩定造成不利影響。因此，要全面提升金融系統的數字化水平，嚴格把控市場準入的門檻，統一用戶信息數據庫，優化風險管理模塊的審核策略，構建新型智能化的數字金融結構體系，對于每一筆業務都能實現提前預防、實時監測和智能評估，從而能夠最大限度地降低數字業務的潛在風險，滿足不同用戶群體的個性化要求，維護金融市場的健康穩定運行，最終實現數字金融賦能城市全要素生產率。