數字普惠金融對創新要素配置效率的影響研究

李 平

（黃河交通學院，河南 武陟 454950）

一、引言

創新要素配置作為提升全要素生產率的根本途徑，對經濟高質量發展具有重要推動作用[1]。對此，國家提出要持續提高市場、資金、人才等創新要素配置效率，助力高新技術產業實現轉型升級。2021年3月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中提出，打造數字經濟新優勢，提升重點領域人才、資金、基地一體化配置效率。二十大報告進一步指出，“必須堅持科技是第一生產力、人才是第一資源、創新是第一動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領域新賽道，不斷塑造發展新動能新優勢”。基于此目標，堅持創新發展理念，提升創新要素配置效率成為促進經濟高質量發展的必經之路。深入來看，創新要素配置效率不僅可以為優化要素市場提供可量化的標準，還能為國家政策調整與干預提供專業指導。因此，處理好經濟與要素市場協調發展問題已成為當前亟待突破的核心難點。

數字普惠金融是數字技術與普惠金融的高效結合，近些年發展勢頭迅猛[2]。依托區塊鏈、物聯網、人工智能等高新技術發展，許多地區開始將數字普惠金融作為金融供給側結構性改革的重要著力點和經濟增長驅動力。具體而言，數據要素通常以虛擬形式存在，在創新要素配置與流動過程中具有低成本、低能耗的優勢特性，能夠助力數字普惠金融縱深發展。因而，數據要素資源在參與金融活動的過程中打破了傳統高成本、高耗能的發展模式，有效體現了綠色化、創新化的發展理念，與創新要素配置中利用數字技術創造更多經濟效益、利用更少成本創造更大資本產出的發展目標不謀而合。發展數字普惠金融是促進數字經濟健康發展、緩減市場金融風險、提高創新要素配置效率的有效措施。因此，文章從創新要素配置效率和數字普惠金融內在聯系的視角出發，以實證方式檢驗數字普惠金融對創新要素配置效率提升的影響作用，對提升中國國際競爭力、實現高質量發展具有現實意義。

二、文獻綜述

目前，學術界主要從產業結構、資本、企業等方面對創新要素配置效率展開分析。產業結構層面，韓軍、孔令丞(2020)認為創新要素快速流動是優化配置效率的關鍵所在，也是產業結構調整的內在動力，即產業結構合理化調整會促進創新要素配置效率提升[3]。資本層面，Lin Bo Si&Wei Dong Meng(2017)利用復合系統協同作用模型實證分析京津冀裝備制造業創新要素配置效率，結果顯示天津裝備制造業創新要素協同配置效率最高，在裝備制造業創新資本投資層面，京津冀地區發展趨勢一致[4]。李曉峰、盧紫薇(2020)基于超越對數生態函數，對珠三角地區創新要素配置效率進行測算與分析，結果顯示，研究期內珠三角地區創新要素配置效率提升主要依賴于資本投入驅動，而勞動投入驅動作用并不顯著[5]。王欣亮、蘭宇杰(2020)將創新要素分為創新資本與人才兩個維度，使用空間動態面板模型進行系統測算，結果顯示強化軍民融合可以通過優化區域內部創新資本與人才配置現狀，提升創新要素配置效率[6]。企業層面，Ratna Meisa Dai(2020)采用描述性調查和多元線性回歸進行定量分析，結果發現與創新戰略、客戶關系和創新要素配置效率相比，創新文化對企業要素配置效率影響最為顯著[7]。曲玥(2020)基于“企業-員工”匹配調查數據，對企業綜合創新要素配置效率進行具體測算，結果表明不同產業間創新要素配置效率發展水平具有差異性特征。勞動密集型企業內部勞動投入、員工受教育程度等生產要素的配置效率均有顯著提升[8]。李犟、吳和成(2020)基于中國28個省份工業企業面板數據，運用非導向ERM模型測度工業企業創新要素配置效率，結果表明中國工業企業創新要素資源配置效率整體不佳，且區域內部配置效率分布差異顯著[9]。

近年來，伴隨數字經濟的高速發展，數字普惠金融發展勢頭日益迅猛。2016年，在G20杭州峰會上通過《G20數字普惠金融高級原則》，標志著傳統普惠金融開始逐步向數字普惠金融轉變。此背景下，針對數字普惠金融的研究，專家學者也展開了眾多討論。理論層面而言，馮興元、孫同全(2021)基于數字普惠金融發展內涵，從服務廣度、深度與質量三個維度出發，認為各地區間數字普惠金融發展存在較大差異，且服務廣度與深度提升較大，服務質量相對不足[10]。關佳(2022)研究認為數字普惠金融的核心動力是“數字維度”的金融科技。金融科技的革新工具價值，可以有效數字普惠金融精準扶貧發展目標[11]。蔣瑞琛、瞿艷平(2022)系統闡釋了現階段農村數字普惠金融尚處于初步發展階段，在供需層面、載體層面與發展層面均存在短板。農村數字普惠金融高質量發展需要通過優化供需結構、完善載體渠道、挖掘發展潛能等方式實現[12]。實證層面，Qinghan Zeng(2022)采用面板模型和中介效應模型實證分析數字普惠金融對勞動收入份額的影響，研究發現數字普惠金融對規范勞動收入具有顯著影響且具有地區異質性特征[13]。張珍花、楊朝暉(2022)基于政府參與視角，運用系統GMM方法，探究數字普惠金融對經濟高質量發展的影響。研究認為數字普惠金融、政府參與渠道與經濟高質量發展之間呈倒“U”型非線性影響關系[14]。

囿于數字普惠金融應用實踐時間尚短，有關數字普惠金融與創新要素配置效率的實證研究相對偏少，且普遍聚焦于單一主體視角進行具體研究。就數字普惠金融視角而言，數字普惠金融可以促進企業創新[15]、優化綠色全要素生產率[16]、驅動創業活躍度[17]。就創新要素配置效率視角而言，創新績效發展[18]、企業研發決策能力[19]、配置結構優化[20]、科技資源[21]可助力創新要素配置效率顯著提升。已有研究結論為本研究提供了一定理論基礎，但現時學術界并未將數字普惠金融與創新要素配置效率納入同一框架展開系統研究。因此，在此基礎上可進行一定補充與拓展。與現有研究文獻相比，文章主要在以下幾方面有所貢獻：一是基于已有研究，將創新要素配置效率分為創新投入與創新產出兩方面，并運用AHP法衡量創新要素配置效率，擺脫以往創新要素配置效率作為整體虛擬數值變量的研究桎梏。二是按照北京大學數字金融研究中心公布的數據將數字普惠金融指數當作衡量其發展水平的代理變量，并對其進行標準化處理，使研究更加全面化、具體化。根植于此，以2010—2020年中國29個省份面板數據為基礎，借助雙向固定效應模型實證考察數字普惠金融對創新要素配置效率的影響，以期為釋放數字普惠金融發展潛力，提升創新要素配置效率，優化金融服務環境，實現數字經濟高質量發展目標提供現實解釋和啟示作用。

三、模型構建與變量選擇

1.模型設定

數字普惠金融對創新要素配置效率產生影響的同時還需考慮地區經濟發展水平、數字基礎設施、產業結構、數字技術等因素的影響，以及政府在優化數字普惠金融中的適當調控作用，因此設定如下模型：

式中，β0表示數據截距項數，βi(i=1，2，…，9)分別表示解釋變量相對應的具體系數參數數值，λi表示不因個體改變而出現變化的時間效應，μi表示不伴隨時間變化的個體效應數值，εit表示公式隨機擾動項。在模型構建過程中發現數字普惠金融影響因素對創新要素配置效率具有非線性影響，因此在構建相關模型過程中加入數字普惠金融的二次項、產業結構的二次項，以此充分研究數字普惠金融對創新要素配置效率影響因素。

2.變量選擇

（1）被解釋變量：創新要素配置效率(MIF)

目前，學術界對于創新要素配置效率的測量，尚未形成專業統一標準。對此，文章通過梳理已有文獻，借鑒陳陽等(2020)及陶長琪、徐茉(2021)構建的創新要素配置效率指標體系的研究思路[22，23]，并結合數據準確性、可獲得性特征，運用AHP方法將創新要素配置效率整體分為創新投入與創新產出兩部分進行具體研究。在創新投入層面，主要從創新勞動投入與創新資本投入兩維度出發，以R&D活動人員全時當量衡量實際創新勞動投入數值。該數值表示研究期內R&D活動人員工作總量與非全時活動人員依據實際工作時間折算出的工作量總和。因為無論是基礎學術研究還是未來科技研究，均離不開大量R&D經費投入作為研究基礎保障。文章以R&D經費內部支出衡量開展創新科技研發活動的實際資本投資水平。由于R&D經費支出在一定程度上會對當期及之后的創新科研活動產生深刻影響，若以R&D經費支出直接作為創新資本投入的衡量指標，則會致使回歸結果出現偏差，難以準確、系統反映地區科研創新的發展現狀。基于上述考慮以及依據科研創新活動連續性特征，利用研發投入存量（永續盤存法）對創新資本投入進行存量測算，具體計算公式如下：

式中，σ表示R&D投入資產折舊率，At表示第t期的不變價格R&D投資資產數量。

創新產出層面，綜合現有研究發現，常見衡量創新產出指標包括新產品開發項目數量、技術市場成交總額、專利申請授權量、科技論文發表總數等內容。綜合以上指標，考慮到部分地區新項目尚未開發，以及大多科技論文實際并未準確應用與實際生產中，選取專利申請授權量與技術市場成交總額作為衡量區域創新產出活動的直接知識產出指標與間接經濟產出指標。

（2）核心解釋變量：數字普惠金融(AEOS)

文章根據北京大學數字金融研究中心所公布數據進行系統編制的地級層面數字普惠金融指數作為其發展水平的代理變量。同時，為緩減數字普惠金融指標數據出現趨勢波動現象，在模型研究中需對其進行系統處理。

第一步，數據處理。由于設計研究指標種類繁多，不同計量單位之間無法進行快速統一比較。為提高研究效率，采用如下公式對研究指標進行系統化無量綱處理，以此消除研究指標優于計量單位不同而對回歸結果產生偏差的影響，公式如下：

式中，Xij代表各指標消除計量單位差異后的標準數值，X代表原始數值，Xmax、Xmin則分別代表研究指標的最大數值與最小數值。

第二步，確定指標權重。文章選擇對各項研究指標的權重進行均衡分配。由于在對指標進行研究過程中存在一定主觀因素，因此對其進行平均賦權一定程度上能有效緩解主觀因素帶來的誤差影響，且在數字普惠金融發展進程中，各項研究指標在同一領域對數字普惠金融發展均產生重要影響，所以認為各項指標在研究期內同等重要。

第三步，指標測度分析。基于各項研究指標的標準數值Xij與指標權重，創建以下公式測算數字普惠金融發展評價數值。

式中，DFE表示數字普惠金融發展評價數值，Xij為各指標消除計量單位差異后的標準數值，Wij代表各研究指標權重數值。

3.控制變量

為減緩遺漏變量為研究帶來的內生性問題，參考有關創新要素配置效率的研究文獻，文章選取以下控制變量進行研究：政府干預程度(Gov)、市場化水平(Mar)、數字基礎設施(Base)、經濟發展水平(Pgdp)、外商直接投資(Fdi)、城鎮化發展水平(Fin)、產業結構(Ind)。綜上所述，文章的相關研究變量定義如表1所示。

表1 定義變量介紹

4.數據來源及說明

有鑒于研究數據準確性、可得性原則，剔除西藏、寧夏、港澳臺地區的相關數據。文章選取2010—2020年中國29個省份的面板數據分析數字普惠金融對創新要素配置效率的影響作用。個別省份部分年份出現數據丟失現象，采用插值法補全丟失數據，即取前一年與后一年的平均數值補齊當年數據。上述研究數據均來自于歷年《中國統計年鑒》《中國金融統計年鑒》《中國科技統計年鑒》以及國家統計局網站、中國經濟與社會發展統計數據庫和各省份歷年統計年鑒。

四、實證結果與相關檢驗

1.估計結果分析

運用OLS對面板數據模型進行系統估算時，需要確定在研究中選用隨機效應模型還是固定效應模型。表2檢驗結果顯示，P值均小于0.01，表明拒絕選用隨機效應的原始假設，故本研究采用固定效應面板模型進行估計。之后，在固定效應面板模型中加入年度虛擬變量進一步探究是否存在個體時間效應。表3為充分考慮個體時間效應后，對所有年度虛擬研究變量的顯著性聯合系統檢驗結果。結果表明，P值仍舊小于0.01，故充分拒絕“無時間效應”的原始假設內容，認為固定效應面板模型存在顯著時間效應。綜合而言，文章選擇雙向固定效應模型，且具體使用指標聚類穩健的標準誤方法，以充分消除異方差問題對雙向固定效應模型產生的偏差影響。

表2 Hausman檢驗分析

表3 年度虛擬變量顯著性聯合檢驗

基于上述研究基礎，為更好對比不同模型的測算效果，文章進一步利用固定效應模型(FE-robust)、雙向固定效應模型(FE-TW-DED)、混合回歸模型(OLS)對數據指標進行深入分析，旨在探析數字普惠金融對創新要素配置效率的影響作用（見表4）。

表4 不同類型面板模型回歸結果

由表4中模型(2)的估算結果可知：總體而言，雙向固定模型效應的面板模型回歸結果擬合系數值R-sq為0.942，充分說明研究變量整體擬合效果較好，P值均小于0.01，表明雙向固定模型的顯著性聯合普遍在1%水平顯著，且各研究變量大多在1%水平上顯著。

核心解釋變量數字普惠金融發展指標(AEOS)的二次項系數在三種模型中均為正，且P值小于0.01，均在1%水平上顯著。在模型設定測算中，進一步發現數字普惠金融發展與創新要素配置效率存在較為明顯的非線性關系。回歸結果顯示創新要素配置效率指標與數字普惠金融發展指標的平方呈顯著正向關系，且創新要素配置效率隨著數字普惠金融發展呈指數變化態勢。同時，數字普惠金融發展對創新要素配置效率具有顯著促進作用。伴隨數字普惠金融的高速發展，可以切實賦能技術、人才、市場、資金、產業等要素創新發展，充分釋放創新要素配置潛能，減少資本能源消耗，從而提升創新要素配置效率，不斷釋放創新要素配置潛能。

控制變量中，政府干預程度指標(Gov)的回歸結果系數為負，P值小于0.01，在1%水平上顯著為負。這充分表明政府干預程度與創新要素配置效率呈反向變動態勢。政府在干預創新要素配置效率過程中，由于受到市場、資金、人才等多方外部環境要素限制，可能存在一定局限性。

市場化水平研究指標(Mar)系數為正，P值小于0.01，且在1%水平上顯著為正。這說明隨著市場化發展水平的日益提升，不斷暢通要素流通渠道，保障不同市場主體平等獲取創新要素資源，從而推動要素配置實現效益最大化和效率最優化。

數字基礎設施(Base)系數為正，P值小于0.01，在5%水平上顯著為正。這說明數字基礎設施建設水平的不斷提高可以有效促進創新要素配置效率提升。數字基礎設施建設水平提高可以通過完善信息網絡基礎設施及全國一體化大數據中心體系，逐步形成云網結合、智能快捷、綠色低碳、安全可控的綜合智能型數字信息技術設施。在此背景下，需要不斷提升數據中心跨網絡交流能力，進而為創新要素配置市場提供堅實有力的外部支撐。

經濟發展水平(Pgdp)系數均為正，P值小于0.01，在1%水平上顯著為正。說明伴隨經濟社會發展水平的提高，促使創新要素在不同市場主體間的存量配置趨于優化，減少要素無效使用頻率，提高要素配置質量，進而使市場向數字化、高配化轉型升級，并依托創新驅動創新要素配置高效化發展。

外商直接投資(Fdi)回歸結果系數雖為正，但P值卻大于0.1。可以知悉，外商直接投資對創新要素配置效率的影響并不顯著。細究其因，雖然外商直接投資能夠有效促進國家GDP增長、增強技術創新的溢出效應，但現階段大多外商投資的領域僅限于制造業與高科技產業的整體發展方向，對于內部創新要素配置的關注并不顯著。

云游三年，紅腰帶在風影的眼前晃動了三年。他的腦海里有各種各樣的猜想，紅琴到底有沒有去那片林子里，那根紅腰帶是否還掛在樹枝上，風吹雨打，會不會爛斷。那根紅色的帶子上打有一個結，之后一直沒有打結，可他的心中早已經打了七七四十九個結，其實何止這幾個，恐怕是心有千千結了。想來，紅琴又何嘗不是如此，恐怕她比他更甚。這些年來，如果她去林子里找他，或者直接去寺院里找他，見不到他又會怎么樣，他不敢往下想。

城鎮化發展水平(Fin)結果系數為正，P值小于0.05，在5%水平上顯著。這表明隨著城鎮化發展水平的不斷提升，其隨著創新要素配置效率正向變動，呈現顯著正相關。具體而言，新型城鎮化快速形成，進一步推進產業升級、服務提升、要素集聚，增強了各要素向心發展合力。同時，能穩步促進新型都市區經濟轉型，聯動推進城區一體化發展，協同推動地區經濟板塊差異化發展，從而可以打造創新要素高效配置的產城融合發展廊道。

產業結構(Ind)回歸結果系數為正，P值小于0.05，在5%水平上顯著。在上述模型測算過程中，研究發現產業結構指標與創新要素配置效率存在顯著非線性影響關系。創新要素配置效率隨著產業結構指標的變化呈現出較為明顯的指數增長趨勢，故在模型測算中加入產業結構二次項進行系統研究。這說明隨著第三產業比重不斷擴大，促使產業間協調發展、資源配置逐步系統化，對促進創新要素配置效率具有顯著影響。

2.穩健性檢驗分析

（1）替換變量法

為驗證上述結論的準確性與可靠性，避免實證研究結果由于選擇特定變量進行研究而出現的偶然現象問題，文章在結合相關文件以及借鑒相關學者研究結論基礎上，選取信息技術等高科技信息載體(JS)、數字普惠金融產品(CP)、金融服務體系(FW)、金融生態體系(ST)代替核心解釋變量數字普惠金融發展評價值(AEOS)，成為數字普惠金融發展指標的代替變量，并對其進行穩健性檢驗分析。由表5穩健性檢驗結果可知，代替變量和核心解釋變量雖然在整體參數測算數值上略有較小差異，但指標參數測算的數值正負號并無改變，且大多均呈現顯著發展水平。同時，模型的數值擬合優度也趨于相似。據此，認為研究具有較強穩健性，并且研究結論具有一定可靠性與準確性。

表5 替換變量法穩健性檢驗結果

（2）樣本取值范圍法

依據國家統計局劃分標準，文章將研究樣本取值范圍由全國整體范圍轉變為以東部、中部、西部與東北地區分別取值進行穩健性檢驗分析。具體估算結果如表6所示。

表6 樣本取值范圍法穩健性檢驗結果

3.內生性問題分析

通過借鑒眾多學者研究結論[24，25]，文章利用工具變量方法，選取核心解釋變量數字普惠金融發展指標的滯后兩期作為工具研究變量，運用兩階段最小二乘回歸法(TSLS)對測算模型進行檢驗分析。在工具研究變量的選擇過程中，鑒于選用解釋變量數字普惠金融發展指標的滯后一期作為工具測算變量，故工具測算變量與被解釋變量之間具有顯著相關性，因此不存在出現弱測算工具變量的研究情況，充分滿足研究變量相關性約束條件。除此之外，選用數字普惠金融的滯后期作為工具測算變量，當期的隨機擾動項因素無法對數字普惠金融發展指標滯后期研究結果產生影響，故也充分滿足研究變量外生性的約束條件。從表7回歸結果可知，運用數字普惠金融發展指標的滯后期作為工具測算變量對內生性問題加以重點控制后，回歸結果顯示數字普惠金融發展指標仍在1%水平上顯著為正，且測算數值系數的正負號與顯著性水平均無任何改變。據此，在對可能出現內生性問題的環節進行重點控制之后，數字普惠金融發展對創新要素配置效率具有顯著促進作用，這充分說明本研究結果具有較強穩健性特征。

表7 內生性檢驗結果

五、結論與建議

1.研究結論

文章選取2010—2020年間中國29個省份的面板數據，深入探究中國數字普惠金融發展對創新要素配置效率的影響因素，得出如下結論：

一是數字普惠金融發展是推動創新要素配置效率提升的重要影響因素，在促進創新要素配置效率發展過程中具有顯著作用。此結果在通過變換核心變量、改變研究樣本區間和引入工具研究變量等相關檢驗之后依舊成立。二是中國數字普惠金融對創新要素配置效率的影響作用存在顯著區域異質性特征。數字普惠金融對創新要素配置效率的影響在東部地區最大，中部地區次之，西部與東北地區最不顯著。三是根據控制變量的結果分析可知，政府干預程度對創新要素配置效率的提升顯著為負，出現顯著抑制作用。市場化水平對創新要素配置效率存在顯著正向促進作用。市場化水平提升有利于暢通要素流通渠道，優化市場創新要素集聚能力。數字基礎設施對創新要素配置效率呈現顯著正向作用。數字基礎設施建設是提升創新要素配置效率的重要基礎，為其優化發展提供托底作用。經濟發展水平提升對創新要素配置效率呈顯著促進作用。外商直接投資對創新要素配置效率提升具有促進作用但效果不明顯。外商直接投資通常選擇創新要素配置效率相對較高地區。因此其溢出效應在發達地區并不明顯。

2.建議

基于上述研究結論，文章提出如下幾點發展建議：

第一，打造產業金融基礎服務平臺。加快數字產業化，重點打造以區塊鏈、人工智能等高新技術為核心的產業金融基礎服務平臺，并結合要素市場發展需求逐步完善數字普惠金融基礎設施，優化數字金融發展環境，建構自下而上的數字普惠金融市場均等化體系。同時，大力發展高新技術產業，打造“金融+產業+生態”新型產業發展模式，加快金融性基礎產業發展，充分發揮數字普惠金融在創新要素領域的聯結作用，通過數字普惠金融促進創新要素配置效率的提升。

第二，構建高效金融審慎監管機制。數字普惠金融在創新要素金融監管與風險管控方面均提出更高要求。防范創新要素市場金融風險是數字普惠金融發展的基本底線。據此，國家需深刻認識傳統創新要素金融市場風險專項治理經驗與教訓，構建智能化、高效化金融審慎監管機制。同時，重點關注數字普惠金融與創新要素市場聯動創新能力，促進金融監管機制即時調整升級。此外，國家也需建立動態化審慎監管體系，對創新要素市場實行穿透式風險防控，全方位破解數字普惠金融服務中的風控難點，進一步提升對創新要素市場的容忍度，允許出現適當的數字金融監管彈性。

第三，完善差異化金融服務體系。各地政府要實時關注數字普惠金融與創新要素配置效率之間的流通服務效應，根據數字普惠金融不同發展階段，采取相應舉措合理配置創新要素資源，以此提升區域創新要素配置效率。同時，中小微企業提高自身數字化水平建設也是拓寬數字普惠金融發展渠道的重要因素之一。據此，國家需要積極引導中小微企業實現全流程數字化轉型升級，提高中小微企業智能化數據采集效率，從而建立內部數字普惠金融服務生態數據系統。此外，應立足中小微企業發展現狀，設立差異化專項投資補貼基金機制。通過差異化補貼機制降低創新要素市場交易成本，不斷激發地區創新要素配置活力。