數字金融、技術創新與區域經濟增長

尹少華，羅漢祥

(中南林業科技大學 商學院，湖南 長沙 410004)

一、引言

近年來，資源與環境約束導致中國經濟再發展遭遇產業結構升級瓶頸，可持續經濟增長動力亟待由“要素”“投資”驅動向“創新”驅動轉變，技術創新正日益成為維持和推動中國區域經濟可持續發展的決定性因素。[1]另一方面，數字金融作為一種高效、覆蓋面廣的金融服務，旨在構建一個匯集更多人、可持續、全方位的金融體系。[2]目前，已有文獻從刺激消費需求、優化消費結構，促進產業結構升級、激勵國際貿易發展以及緩解融資約束、釋放資金潛力等層面闡述了數字金融對區域技術創新的激勵效應，但承接國家“金融服務實體經濟”的重要使命，數字金融是否可以直接作用于促進區域經濟增長，或是通過技術創新激勵路徑間接實現它對區域經濟增長的服務效能還有待實踐檢驗。

數字金融誕生伊始，國內外專家、學者對這一領域的研究方興未艾，伴隨著數字金融量化測度技術的完善，研究方向逐漸從對定義、影響因素、風險與監管等純理論形式的探討，轉為在指標測度基礎上對減貧效應、創業、消費、產業結構優化 、創新、經濟增長等方面的實證檢驗。[3-9]但關于數字金融、技術創新、經濟增長關系的研究還存在空白。學者大多從單線關系入手，缺乏整體性關系研究體系的把握，使得該領域研究成果呈現出框架分散、研究內容單調等特點。

本文可能的創新點主要體現在三個方面。第一，首次將數字金融、區域技術創新與區域經濟增長置于同一研究框架，檢驗數字金融服務實體經濟的效能以及數字金融創新激勵效應對經濟增長的促進作用。第二，基于實際研究問題的需要以及克服內生性問題的考慮，本文綜合采用靜態、動態面板模型以及多路徑檢驗機制圍繞研究問題展開驗證，最大程度上保證了研究結論的穩健性。第三，本文在穩健性檢驗部分，從創新投入層面對基準回歸結果進行了二次驗證，指標選取的創新與多樣性既充分保證了實證研究結果的穩健性，同時也提供了該研究領域更豐富的指標選取經驗。

二、研究假設

數字金融會直接對區域經濟增長產生顯著影響。第一，數字金融增加了實體經濟的融資渠道[10]，金融機構通過大數據技術獲得潛在客戶信息，基于云計算功能對信息進行價值分析，甄別出客戶實際的信用與經營狀況，在防范風險、降低成本的同時，能極大程度上緩解被傳統金融機構排斥的長尾客戶的融資約束困境，區域內投資項目得到資金支持，有利于實現區域經濟的增長。第二，數字金融為區域實體經濟帶來了新的商業模式，數字化技術賦值后的金融模式為電子商務平臺的正常運轉提供了重要保障，不僅減少了市場分割干擾，還衍生出新的商業運營模式，便捷化支付與交易手段均不同程度、不同層面地刺激了區域經濟增長。綜上所述，本文提出如下假設：

H1：數字金融會直接且顯著促進區域經濟增長。

數字金融可通過刺激需求、優化需求結構[7]，緩解融資約束、釋放資金潛力[11]，以及促進國際貿易發展[12]等路徑實現其對區域技術創新水平的激勵效應。一般來說，技術創新主要是通過以下渠道促進區域經濟的發展。

首先，若創新成果能夠滿足或者帶來新的市場需求則意味著該創新研發項目具有普遍認可度與較高潛力市場價值，新產品或服務的產生必將促進消費增加、消費結構變化，這會相應帶來投資數量的上升與調整。[13]根據經濟增長三駕馬車的驅動理論，經濟增長動力充足的情況下勢必會帶來區域經濟的發展與進步。

其次，技術創新可以提高產品質量[14]，提升用戶服務體驗，鎖定或拓展消費覆蓋群體，并在降低生產成本的同時提高區域內企業的生產效率[15]，打破固有生產要素傳統的組合形態，而后通過趨利性流動、匹配優化資源配置等，實現區域內經濟增長。

最后，技術創新水平相對落后的地區會利用與技術創新水平發達地區的貿易活動，通過學習、模仿等手段提升該地區的技術創新水平[16]，有效的國際技術溢出路徑反向活躍了國際貿易活動，帶來區域經濟進步。另外，率先開展技術創新的地區為了獲得創新壟斷利潤會通過貿易方式率先搶占國際市場，本土企業為保護市場份額便會在競爭效應驅動下通過模仿或進行自主研發創新形成核心競爭力，整個過程必然會給區域經濟注入新的活力，從而刺激區域經濟的增長。

綜上所述，本文提出如下假設：

H2：數字金融可以通過促進區域技術創新的路徑間接實現其對經濟增長的激勵效應。

三、樣本、變量與模型設定

(一)樣本與數據來源

本文選取2011～2020年中國31個省級面板數據。其中，產業結構調整指數、經濟增長水平等代理變量構建數據來源于國家統計局，發明授權專利市場價值代理變量數據來源于復旦大學產業發展研究中心的《中國城市和產業創新力報告(2017)》，數字金融發展指數代理變量數據來源于北京大學數字金融研究中心的《北京大學數字普惠金融指數(2011～2020)》，傳統金融發展水平代理變量數據來源于中經網統計數據庫，研發投入密度數據來源于《中國科技統計年鑒》，外商直接投資、對外直接投資以及對外開放度等代理變量數據來源于Wind數據庫，構建制度質量代理變量的數據來源于樊綱、王小魯編制的《中國分省份市場化指數報告(2021)》，人力資本水平代理變量的數據來源于中央財經大學人力資本與勞動經濟研究中心。

(二)變量說明

1.被解釋變量

區域經濟增長水平(GDP)。本文將采用各省人均實際GDP的對數值和人均實際GDP的增長率作為代理變量，分別衡量區域經濟增長的規模和速度。

2.核心解釋變量

數字金融發展指數(FI)。本文使用北京大學數字金融研究中心編制的北京大學數字普惠金融指數代表各地區數字金融發展程度，該指標具體測算方法詳見《北京大學數字普惠金融指數(2011～2020)》。

3.中介變量

區域技術創新水平(Inno)。本文采用復旦大學和第一財經研究院利用微觀大數據并通過專利更新模型估計的各區域發明授權專利市場價值(Inno)的數據，具體測算方法詳見《中國城市和產業創新力報告(2017)》。

4.鏈條變量

產出變量。本文選取31個省自治區2011～2020年實際GDP作為產出變量。

勞動投入。基于數據可得性，本文以全社會年底從業人員數量作為勞動力投入數量。

資本投入。本文采用永續盤存法來對各省市的資本存量進行估算。

5.控制變量

參照已有關于區域技術創新的文獻，本文選取以下指標作為控制變量納入模型。①國際技術溢出的三條主要路徑：外商直接投資(FDI)、對外直接投資(OFDI)、對外開放度(TRADE)，為各指標經按樣本期間各年的平均匯率進行換算后與地區生產總值的比值；[17，18]②研發投入密度(RDD)，為地區研發投入與地區生產總值的比值；③傳統金融發展水平(TF)，借鑒Lu and Yao和張寬、黃凌云的方法采用各省、自治區(除港、澳、臺)的金融機構貸款余額與各地區生產總值的比值衡量各區域傳統金融發展水平；[19，20]④產業結構調整指數(Structure)，為第三產業年增加值與第二產業年增加值的比值；⑤制度質量(Institutional)，本文將地區市場化指數作為制度質量的代理變量，數據來源于樊綱、王小魯編制的《中國分省份市場化指數報告(2021)》；⑥人力資本水平(HC)，本文將采用中央財經大學人力資本與勞動經濟研究中心公布的各省人均實際人力資本水平作為區域人力資本水平的代理變量。

同時，本文也控制了年度固定效應和省份固定效應，以控制宏觀層面因素的變化。為減少極端值對實證結果的影響，本文對所有連續變量在上、下1%水平上進行了縮尾處理。主要變量的定義如表1所示。

(三)模型設定

1.基準線性回歸模型

考慮到數字金融可能存在對區域經濟增長水平影響的滯后性特征，并在一定程度上緩解反向因果的內生性問題等，本文建立如下基準線性回歸方程以驗證研究假設H1：

為緩解內生性問題的影響，本文將使用兩步系統GMM方法對上述模型進行檢驗。

2.機制檢驗模型

為驗證H2內容，本文將利用三步式中介效應模型進行分析。我們將借鑒溫忠麟、葉寶娟逐步回歸系數法的中介效應檢驗機制程序構建如下方程：[21]

(2)

(3)

(4)

方程(2)(3)(4)為中介效應檢驗程序。第一步，檢驗方程(2)的系數θ1，若顯著，進行第二步。第二步，查驗方程(3)的系數φ1和方程(4)的系數μ2，如果兩個都顯著，則中介效應顯著，轉到第四步；如果至少有一個不顯著，進行第三步。第三步，用Bootstrap法直接驗證H0：φ1μ2=0，如果顯著，則中介效應顯著，繼續第四步；否則中介效應不存在，分析終止。第四步，檢驗方程(4)的系數μ1，如果不顯著，即為完全中介效應；若顯著，則為部分中介效應，進一步，若φ1μ2和μ1同號，中介效應占總效應的比重為φ1μ2/θ1。

根據Bootstrap檢驗機制的程序，如果間接效應的系數顯著，且95%的置信區間不包括0，即中介效應成立。根據相關研究，當逐步回歸系數法、Bootstrap的檢驗方法都顯著的情況下，逐步回歸系數的檢驗結果要強于Bootstrap檢驗的結果。[22]因此，若逐步回歸系數φ1和系數μ2中至少有一個不顯著，我們將匯報Bootstrap法的中介效應占比的檢驗結果，若兩種檢驗方法的檢驗結果均顯著，我們將利用逐步回歸系數法的回歸結果匯報中介效應占比的回歸結果。

四、實證分析

(一)描述性統計

表2報告了主要變量的描述性統計結果。結果顯示，發明授權專利市場價值的標準差較大，說明區域間發明授權專利成果在市場化過程中出現了價值分層現象。數字化程度的均值最大，說明數字化技術賦值是總指數增長的重要來源。

表2 主要變量的描述性統計

(二)基本回歸結果

考慮到作用機制的滯后性特征，實證分析中我們將對數字金融發展指數及其低維度指標做滯后一期處理，并在模型中進一步控制了上一期的技術創新水平(Innot-1)。隨后，我們對模型(1)進行實證檢驗。

回歸結果如表3所示，AR(1)與AR(2)的P值均超過10%的顯著性水平，可以使用系統GMM進行檢驗估計。Hansen檢驗的P值結果不拒絕工具變量不存在過度識別的原假設，說明模型中工具變量的選擇是有效的。Wald統計量結果也顯示模型整體高度顯著。因此，本文基于總樣本回歸的動態面板兩步系統GMM的實證結果可信。在表3中，被解釋變量的滯后一期項的系數在1%的水平上顯著為正，證實了我國區域經濟增長具有持續動態變化的特征。

表3 總樣本動態模型回歸結果

表3列(1)回歸結果雖未表現出統計意義上的顯著性，但數字金融發展指數估計系數為正。表3的列(2)中，數字金融發展指數的估計系數在1%的水平上顯著為正；另外，無論模型中是否包含控制變量，表3列(3)(4)中，核心解釋變量即數字金融發展指數的估計系數均顯著為正。以上結果均說明數字金融的發展顯著促進了區域經濟增長水平的提升，驗證了H1中關于數字金融具有直接促進區域經濟增長水平的存在性假設。

(三)機制檢驗結果

中介機制檢驗結果顯示，發明授權專利市場價值作為中介變量的直接效應與間接效應均顯著為正，且其95%的置信區間均不包括0，即意味著地區人均實際GDP作為經濟增長水平代理變量時，區域技術創新水平的中介效應顯著，屬于部分中介效應的范疇，中介效應在總效應的比重為29.167%。經過計算，此部分中介效應的比重為19.355%，以上實證結果均肯定了H2假設內容的存在性。

五、鏈條機制檢驗

機制檢驗的結果初步證實了H2假設內容，但是我們仍對其影響機制的內在作用機理缺乏必要理解。若數字金融激勵區域內企業增加研發投入和創新產出為數量效應和短期效應，那么質量效應和長期效應即為數字金融通過研發投入的增加促進區域創新產出的提高進而加速技術進步帶來全要素生產率的增長，最后改善區域經濟增長水平和增強區域競爭力的因果鏈機制。關于研發投入、創新產出、全要素生產率、區域經濟增長水平是基于“知識生產函數”的CDM結構模型。[23]后來Acosta等對該模型延伸為企業決定創新投入，創新投入影響創新產出，創新產出解釋企業生產率。[24]CDM模型可以糾正企業是否進行研發投入的選擇性，同時糾正研發和創新產出的內生性，并假設研發投入、創新和生產率之間具有同步性。因此，我們將進一步利用技術創新活動時間序列上的鏈條效應特點做細致展開，借鑒涂晶的研究[25]，通過構建結構方程模型，對數字金融-區域技術創新水平-地區經濟增長水平之間關系做因果鏈條的路徑分析(見圖1)。

圖1 因果鏈條路徑的結構方程模型

其中，橢圓形邊框內的內容代表潛變量，矩形邊框里面的內容代表觀測變量，圓形邊框內的內容代表殘差項。

(一)信度檢驗

本文利用SPSS軟件對數據進行標準化處理的基礎上進行信度與效度檢驗。但在進行檢驗之前，先采用下列的公式對數據進行無量綱化處理，使得其在(0,1)范圍之內：

其中，X表示標準化數值，Xi表示第i個指標的原始數據；Xmax、Xmin分別為每個指標變量中的最大值和最小值，a、b表示參數，設a=0.9,b=0.1。

我們將借鑒Hair et al.的研究結論[26]，運用Cronbach’s alpha指標對標準化的數據進行信度檢驗。結果顯示，創新產出與地區經濟增長水平等潛變量的Cronbach’s alpha值分別為0.832、0.809，均大于0.7，該結果說明數據之間的內部一致性水平較高，可以進行下一步分析。

(二)模型的適配度檢驗

我們將遵循與之相對應的標準考衡模擬路徑的有效性。整體模型適配度檢驗結果顯示，模型整體適配度卡方值P值為0.161，大于0.05，不能拒絕原假設，即模型協方差矩陣和樣本協方差矩陣可以契合，說明上述結構方程模型與實際樣本數據可以適配。進一步，從選取的其他部分指標檢驗結果看，各項指數均在可接受范圍之內，說明模型的契合度可以接受，數據與模型整體的擬合狀況良好。綜上所述，可以使用該模型進行相關變量的路徑分析。

(三)路徑結果與分析

在確認模型中的路徑均通過檢驗以及整體模型適配良好以后，我們將運用AMOS軟件分析整體模型的路徑結果，并基于此結果驗證因果鏈條等相關內容的存在性。整體模型的具體數據如圖2所示。

圖2 結構方程路徑結果圖

檢驗結果顯示，數字金融的發展促進了區域內研發投入的增加，研發投入的增加是創新產出水平提升的重要誘因，創新產出的增加與應用實現了區域整體的技術進步，而技術進步作為重要驅動力顯著激勵了區域經濟增長水平的提升。H2假設內容再次得到支持，因果鏈條成立。圖2可以很直觀地看出這一因果鏈條機制。

六、內生性問題探討與穩健性檢驗

為了更好識別數字金融發展與區域經濟增長水平關系，本文將從關鍵變量選取和研究方法置換等兩個角度開展針對基準線性回歸與中介機制檢驗等部分的穩健性檢驗。

(一)針對基本回歸結果的內生性問題探討與穩健性檢驗

為增加基本回歸結論的穩健性，本文還同時增加了靜態模型估計及工具變量法的估計檢驗結果。回歸結果顯示，無論是從何角度衡量區域經濟增長水平，數字金融發展指數的系數均在不同的顯著性水平下為正，同樣驗證并支持了H1的內容。

本文選取的外生事件沖擊分別為2013年“余額寶開張”，2014年“數字金融首次在政府工作報告中出現”以及2016年“央行頒布《G20數字普惠金融高級準則》”。一方面，這三個事件或政策滿足了相關性要求。另一方面，這三個事件或政策均屬于外生的、全國范圍內一次性鋪開的事件沖擊，以上述外部事件沖擊作為數字金融發展指數的工具變量能夠盡可能地避免與分離因該工具變量的地域性差異影響而對數字金融作用造成的外部干擾，且其外生屬性也意味著以上政策、事件與區域技術創新不相關，滿足了工具變量需具備的外生性要求。

本文以各事件沖擊啞變量的滯后一期與數字金融發展指數滯后兩期的乘積作為數字金融發展指數滯后一期的工具變量。回歸結果顯示，工具變量法第一階段回歸結果中F統計量均超過10，說明模型設定中并不存在弱工具變量問題，工具變量法的估計結果真實、有效。數字金融發展指數的系數仍然顯著為正，該結果與原文中利用兩步系統GMM的估計結果相一致，再次驗證并支持了H1的假設內容。

(二)針對機制檢驗部分的內生性問題探討與穩健性檢驗

本文采用創新投入端數據，即研發投入密度作為區域技術創新水平的代理變量，驗證數字金融于區域技術創新水平衍生、長期效應的存在性。

回歸結果顯示，間接效應估計系數結果顯著為正，95%的置信區間不包括0，即意味著研發投入密度作為區域技術創新水平代理變量的中介效應顯著。直接效應估計系數結果顯著為正，95%的置信區間不包括0，部分中介效應顯著。其中，數字金融促進區域經濟增長水平提升的直接效應為0.640，數字金融通過激勵區域內技術創新水平進而促進區域經濟增長水平提升的間接效應為0.288，中介效應在總效應的比重為31.034%。用地區人均實際GDP增長率衡量地區經濟增長水平、研發投入密度作為區域技術創新水平代理變量的中介機制，檢驗結果顯示，中介效應在總效應的比重為30.964%。

綜上所述，利用逐步檢驗回歸系數法與系數乘積檢驗法相結合的方式，通過置換區域技術創新水平的代理變量進行機制效應檢驗的諸上回歸分析結果與前文機制檢驗部分的結論一致，再次驗證了H2假設內容，即區域技術創新作為機制變量的合理性以及數字金融于區域技術創新水平激勵效果的衍生、長期效應顯著。與此同時，從各區域技術創新水平代理變量的中介效應占比結果看，支持了國家倡導并實施創新驅動戰略、數字金融服務實體經濟的合理性與價值。

七、結論與建議

(一)結論

本文運用2011～2020年31個省、自治區的面板數據，檢驗了數字金融、區域技術創新水平與區域經濟增長之間的關系。實證研究結果表明，首先，數字金融對提升區域經濟增長水平的確具有顯著影響，且該顯著影響在東部與中部地區較為卓著。其次，該影響的實現路徑之一為區域技術創新驅動，即數字金融可以通過促進區域技術創新水平的提升進而實現該地區經濟的增長。最后，本文發現，該路徑隱含著更為細致的關于技術創新活動的因果鏈條傳導路徑，即數字金融的發展促進了區域內研發投入的增加，研發投入的增加是創新產出水平提升的重要誘因，創新產出的增加與應用實現了區域整體的技術進步，而技術進步作為重要驅動力顯著激勵了區域經濟增長水平的提升。

(二)建議

1.加快數字金融這一新型金融服務模式在中國的布局。第一，提高大數據等技術的場景應用能力，這一過程同時包括輸入、輸出兩個端口；與此同時，大數據技術情景化的應用能力方面，還要加快其在渠道、場景端的應用布局。第二，做好數字金融風險防控，堅持市場化、法治化、國際化原則的統一，尊重國際共識和規則的基礎上，將金融活動全面納入監管，有效防范風險，保證金融系統的安全性與穩定性。

2.正確引導與實施創新驅動戰略，充分利用和發揮技術創新自身以及數字金融作用于區域技術創新過程中在時間維度上、區域間的空間溢出效應。首先，地區管理當局應從政策層面合理、科學利用區域技術創新行為的外溢特征，引導技術創新為區域內實體經濟提質增效。其次，利用數字金融創新“激勵效應”的空間外溢特征，通過學習經濟背景相似地區先進的金融場景數字化賦值方法等助力區域內技術創新研發行為，切實提升區域內創新產出數量與市場認可度。