数字金融与城市生产率*

王如玉 周诚君

引 言

城市是人类社会发展到一定阶段的产物。城市之所以能产生并快速发展，就在于其提供了更高的生产率；而产生高效率的来源在于集聚(Duranton and Puga，2004；梁琦，2004,2009)，经济活动的集聚提高了城市(人口或是经济)密度、缩短了不同行为主体之间的时空距离；产生了劳动力池、知识溢出、需求关联、共用基础设施、公共权力等因素所引致的规模经济，以及其他众多形式的集聚效应(王志高等，2016；江艇等，2018)。但互联网等数字技术的兴起改变了人们的生活方式，也让城市的生产活动方式产生了变革。网络购物日益成为人们生活的一部分，

数字贸易快速发展，数字支付急速膨胀；特别是2020年COVID-19爆发，在家办公、网络会议等线上工作生活方式快速成为主流，城市居民保持社交距离似乎正成为新常态，城市是否应降低密度也成为学者争论的话题。习近平总书记前瞻性地多次强调要加快发展数字经济，推动实体经济和数字经济融合发展；当前我国以5G、大数据、人工智能、云计算、区块链等新一代信息技术为代表的数字经济正成为经济活动中最为活跃的领域和驱动经济发展的新动能，数字经济中的代表性行业即是数字金融行业。因而，本文的主题便是数字金融对城市而言究竟是降低了城市生产率(拥塞效应)，还是提高了城市生产率(集聚效应)？又是通过何种机制对城市生产率产生影响？

在增进城市生产率的众多因素中，金融发展水平无疑是重要的因素(Moore W，2011；Greenwood et al.，2013；连建辉等，2005；王春丽和宋连方，2011)，金融体系完善与发达的国家通常经济增长速度较快(Goldsmith，1969；King and Levine，1993)。但我国传统金融环境依然存在较多问题，大体有两方面表现：首先金融压抑是我国金融体系的一个重要特征，这种金融低效环境对于经济增长具有负面影响(杨再平，2002；卢峰和姚洋，2005)。其次我国传统金融市场交易成本过高，企业向银行申请贷款所需要的时间成本与资金成本高，尤其是对于中小企业来说，贷款从申请到资金到账需要花费大量时间。而大型银行出于对风险的考虑会收取更多的利息以及服务费用(SaPienza et al.，2002)，特别是民营企业一般要比国有企业承担更多债务融资成本(魏志华等，2012)。

因而为解决我国传统金融的供给质量与数量缺陷，人们开始使用诸如人工智能、大数据、区块链、云计算等顶尖技术手段推动金融供给侧改革，这些新的信息技术与金融相结合的金融创新即是数字金融服务模式。数字金融具有诸多优势，一些研究发现数字金融将线下的金融服务转移到线上，可以降低银行成本，继而能显著提高商业银行的全要素生产率，数字金融的创新可以对银行业绩产生长期的积极影响，尽管不同类型的银行对数字金融的吸收能力存在差异(谢平和刘海二，2013；沈悦和郭品，2015)。数字金融也可以为企业提供能够负担得起、方便和安全的金融服务；获取数字金融服务的低成本帮助了企业跨越资金约束的门槛，其中数字金融的众筹模式可以帮助企业以更短的时间、更低的成本获得资金支持(Mollick and Kuppuswamy，2014)。数字金融还能突破金融支付等方面的时空限制，促进居民消费增长(马德功等，2017)。

正因如此，数字金融在我国迅速崛起，而且近年来数字金融正成为我国学术理论探讨的热点。学者们更多地集中于对数字金融本身进行理论探讨，例如谢平等(2012)首次从支付角度、信息处理和配置资源三个角度阐述互联网金融。黄益平(2018)在其《中国的数字金融发展：现在与未来》中将数字金融定义为互联网科技企业和传统金融中介借助数字技术提供融资、投资和其他金融服务的模式。另一些学者则重点分析数字金融的子行业发展问题，例如网贷平台等Herzenstein et al.，2008；Klafft，2008；李悦雷等，2013；叶德珠等，2017)。

有别于以往研究，本文主要在中观层面探讨数字金融与城市生产率关系，这一关系有助于帮助人们理解数字金融发展与配置能否和如何促进城市生产率；以及在我国特定制度背景下，如我国的城市不仅存在规模差异，而且更为重要的是存在行政级别的差异，那么在这一环境变量下，数字金融对于城市生产率的促进作用是否存在空间跳跃。

一、 理论分析

一些研究认为随着信息技术的发展，地理距离已死(Cairncross，1997)，信息技术可以作为城市群的替代品；电子商务的使用基本上不受家庭所在城市规模的影响；电子银行与城市规模没有任何关系(Blasio，2008，2009)。而另一些研究则指出尽管互联网降低了交易成本，但距离因素依然重要(Forman et al.，2009； Alaveras et al.，2015；Quan et al.，2017)。对于数字金融而言，地理因素依然存在的原因在于：首先复杂金融产品、高风险金融产品的线上交易的实现离不开线下面对面的交流与服务(张静等，2017)，在网贷平台的案例中，许多贷款的审批依然需要线下审批，特别对于大额贷款而言更为重要；其次不同地方的金融消费者可能具有不一样的人文特征和地域偏好；同时地方保护主义也可能导致不同地方政府对互联网金融监管的尺度不一，继而引致数字金融发展的规范程度具有较大的区域差异(余中东，2015)。最后数字金融的发展需要更多的诸如社会网络技术、区块链技术等新兴技术，而这些新兴技术往往都在大城市；由于数字金融具有极强的边际成本递减和网络效应，需要获得关键规模从而取得先行者优势(谢平等，2015)；而这种优势的取得就需要数字金融提供者位于技术与观念先进的城市。因此由于数字技术、观念等的地域差异，数字金融的发展首先存在地域鸿沟，呈现为地理空间上的集聚状态。

而数字金融本身也是金融，金融能够促进经济增长(张军、金煜，2005)，金融集聚也能够促进城市全要素生产率提高(徐晔等，2016；王如玉等，2019)，因此数字金融也能促进城市生产率的提升，尽管对于不同规模与级别的城市而言，可能存在显著的差异。那么数字金融如何提升城市生产率？

首先，数字金融能够有效地提升各个金融环节的效率和降低金融成本，而金融效率的提升能提高城市产出水平与城市生产率。数字金融提升了传统金融的支付效率、且拓宽了金融产品的销售渠道。数字金融最大的功能在于突破时空的限制，建立起金融产品提供者与需求者点对点的直接联系，从而加速资金的跨时空流通速度，这将提升金融效率和降低金融企业运营成本；数字金融可以借助多源数据并借助大数据分析手段，极大地提升金融信息的透明性，精准识别有融资需求的客户并能给出合理价格，降低了金融风险；数字金融还可以利用人工智能、云计算实现金融业务的智能化，有效减少金融机构的经营成本。早在2003年，Berger就指出金融机构的服务质量以及多样性会随着互联网等信息技术的发展而提升，Casolaro and Gobb(2007)的研究也说明了信息技术的投资对银行全要素生产率有明显促进作用。吴晓求(2015)指出在金融市场上，数字金融与传统金融的竞争关系，会不断促进金融效率提升以及促使金融结构变革。北京大学数字金融研究中心(2016)利用我国银行信息构建银行互联网转型指数，发现我国银行已经开始利用数字金融模式来进行流程改进。王聪聪(2018)认为数字金融在提升金融效率、解决信息不对称、缓解长尾群体融资需求缺口等方面发挥了传统金融机构难以替代的积极作用，封思贤与郭仁静(2019)也发现数字金融技术的出现，促进银行竞争从而各银行开始改进运营效率。数字金融能够改善金融体系的效率问题，利用金融合理配置资源的作用来提升城市生产率。

其次，数字金融方便人们在各种场合进行交易，提高了消费过程中的便利性，扩大市场需求规模，继而促使实体经济企业能以更快的速度在更广阔的市场空间销售，总体促进了城市生产率的提升。在数字金融技术支持下人们更容易随时随地购买商品，扩大了社会总体有效需求(谢家智和吴静茹2020)。如果数字金融平台易于使用，则用户可以帮助告知和说服其朋友利用数字金融服务，导致更多的个人使用数字金融，从而实现更大的金融包容性( Malady，2016)。传统金融机构将低收入人群排斥正规金融体系(Armendariz and Morduch，2005)，数字金融可以为一些无法得到传统金融服务的人们提供金融服务(World Bank，2014)，数字金融同样使得企业生产的商品能够及时售卖，减少了库存时间和库存损耗，提高了城市总体效率。

最后，数字金融还通过提升交易效率、降低企业使用资金成本和提高金融服务可获得性，降低实体经济企业整体成本，以更快的速度、更合理的价格获得融资，及时捕捉市场机遇，从而提升城市实体经济活力。数字金融的良好发展有助于降低企业杠杆率，减少不必要的管理活动，从而降低企业成本(阮坚等，2020)。金融成本作为企业成本的一部分，使企业在进行区位选择时，更愿意留在金融基础设施好的城市(刘帅，2015)，同时金融集聚程度高的地方能够提供更专业化的服务，对金融业运作机制以及发展趋势有更深的理解，从而支撑数字金融良性发展与提高数字金融发展速度(北京大学数字金融研究中心课题组，2018)，从而减少因为欧美国家的制造业回流的企业数量，减少了国际产业链调整给城市生产率所带来的坏的影响。数字金融可以利用大数据，分析企业在互联网中的数据，降低企业使用金融服务所需要的高额金融成本(王会娟和廖理，2014)。

二、 实证设计

(一)计量模型与实证策略

依据上述理论分析，本文实证部分主要检验两方面内容：首先要对数字金融的发展能否促进城市生产率提升这一主题进行检验，其次是要验证理论分析中的三个影响渠道是否存在。其中核心变量是数字金融发展与城市生产率，由此本文将采用以下模型进行计量：

Yit=α+βDigital_Fit+γXit+ηi+εit

上式中的i代表的是第i个城市；t代表的是第t年；Y代表城市的生产率；Digital_F代表数字化金融发展水平；X代表城市的互联网发展水平。εit代表的是随机误差项，服从N(0,σ2)正态分布。本文对计量模型进行估计主要采用固定效应模型，而对于内生性问题的处理则采用工具变量法，工具变量法的关键在于选择合适的工具变量，即有效的工具变量要能同时满足识别不足、弱工具变量、识别过度等方面的检验。

(二)变量选择与数据来源

1.被解释变量

城市生产率：衡量城市生产率的指标有全要素生产率(TFP)(陈强远等，2016；江艇等，2018)、人均GDP等(柯善咨，2014)。但由于本文主要是用于研究城市总体，因此选用的是各城市全市人均GDP(lnpgdp_T)。但在进行稳健性计量时，则选用了各城市市辖区人均GDP (lnpgdp_D)进行计量，为降低异方差性，本文进行了对数化处理，数据来源于《中国城市统计年鉴》。纳入本文统计样本的城市为我国289个地级市及以上级别的城市。

2.核心解释变量

数字金融发展水平：作为本文研究的关键性解释变量-数字金融发展水平，本文主要选取“北京大学数字普惠金融指数”里面的数字金融发展总指数(index_aggregaten)、数字金融覆盖广度指数(coverage_breadthn)、数字金融使用深度指数(usage_depthn)、网络保险指数(insurance)、电子支付指数(paymentn)、网络贷款指数(credit)、普惠金融数字化指数(digitization_leveln)等，由于同一个城市在普惠金融不同指数中可能存在较大的差异，因此不同的指数之间可能不一定相同，但为了让结果更具有稳健性，本文对上述指标都进行了计量分析。

3.其他控制变量

为尽量减少遗漏变量的影响，本文引入第二产业占GDP的比重(sindu_T)、第三产业占GDP的比重(tindu_T)、移动电话年末用户数(lnusers_MP)、科学技术支出(lnTec_E)、教育支出(lnedu_E)、公路客运量(lntraffic_HP)、客运总量(lntraffic_P)、公路货运量(lnfreight_H)、货运总量(lnfreight)、邮政业务收入(lnpostal_R)、当年实际使用外资金额(lnFDI_T)、每百人公共图书馆藏书(lnpcollection_BT)作为控制城市产业结构差异、数字金融普及基础设施、科技创新潜力、人力资本增长潜能、交通运输发展水平、物流发展状况、对外开放程度、文化基础设施的度量指标。为减小计量方程估计时的异方差性，同样也对上述绝对值取对数。

三、 回归结果分析

(一)基本模型估计

由于我国各个城市的数字金融及其他经济变量的差异显著，且具有明显的个体特征，因此本文首先采用固定效应模型进行估计，而方程能否采用固定效应模型(控制个体效应)、双固定效应模型(控制时间效应和个体效应)等模型形式，其主要由Hausman检验决定。本文对基本模型的估计结果如下表1。

表1 2011-2016年数字金融对城市生产率的影响分析表

在表1中，从F统计量所对应的P值观察可得出，所有估计的方程在整体上对城市生产率这一指标变动均具有较强解释能力，模型设计本身较好。

针对单个变量的系数值及显著性进行考察，从列(1)与列(2)中可以得出，数字金融总指数的提升能够有效促进城市生产率的提高，带动人均GDP的增长。列(3)、(4)、(5)、(6)分别显示数字金融的覆盖率、使用深度、网络保险和普惠金融的数字化水平均有益于城市生产率的提升。其中的原因可能在于数字金融首先能够提升金融效率，互联网保险、网贷、余额宝等网络理财产品的发展无疑不仅促使资金流通速度加快，而且借助于大数据征信等平台能以更快的速度匹配到需要金融支持的个体和企业当中，有力支持个体在城市区域创业、企业扩大经营规模，增加城市就业规模并供给更多高质量的就业岗位，继而促使城市在更深、更广的领域进行专业化分工，而分工水平的进一步细化，相应又提高了劳动者的某一特定技能水平，并引发相关劳动工具或者生产方式的革新，而此又无疑进一步提升城市的生产率；由此数字金融与城市生产率之间存在正向反馈机制，数字金融越发展，则城市生产率提升得越显著。

其他控制变量对城市生产率的影响既显著，也符合预期，同时又具有较强的经济学意义。主要体现为第二产业在GDP中比重的提升有助于提高城市生产率，特别是对于我国这样的人口与经济大国而言，强大有力的工业化体系是我国应对各种风险与挑战的有力支撑。各城市区域地方政府科技支出的增加对城市生产率的提升在所有模型中均具显著性，这体现为科技始终是第一生产力。而提高教育支出与增加文化基础设施则无疑为各城市居民的文化素质的提高提供了物质支持，为各城市区域居民技能提升储备条件。而一个城市交通基础设施的完善，不仅将改变人们出行的便利性，更为重要的是改变该城市的区位条件和区位价值，是提升城市价值的重要手段，能够让该城市吸引更多的企业前来投资,特别是一直以来，FDI对我国的技术进步具有较大的促进作用。

(二)内生性考察

在计量过程中，模型的内生性是常常需要考虑的问题。本文的计量模型或许存在生产率高的城市更倾向于使用数字金融这一反向因果，因此模型可能存在内生性。克服模型的内生性常用的方法是用工具变量法，而工具变量法运用的关键在于工具变量的选择。具体在本文中，既要选择与数字金融发展指标高度相关，同时又相对独立于城市生产率的变量。通过研究筛选，本文发现可用城市工业废水排放量、工业二氧化硫排放量等作为城市数字金融发展指标的工具变量。具体结果见下表2：

表2 工具变量法计量分析表

对上述工具变量的选择解释如下：由于以数字金融为标志的数字化经济的发展，导致城市的产业结构发生转型，因此诱发不同产业结构转型升级，促使城市发展朝着更健康、更节能、更绿色的方向发展，因此数字金融与城市的污染物排放之间可能存在着负向相关关系。同时人均GDP高的城市不一定污染物的排污总量就大或是小，污染物排放与经济发展之间相互独立，因此选用有关城市污染物的排放数据相对合理。从对所选择工具变量的选择的检验来看，所有模型的方法均通过了内生性问题的相关检验。

从工具变量法估计出的变量系数来观察，表2中的估计结果表明解释变量数字金融总指数、数字金融覆盖率、数字金融使用深度、电子支付、网络贷款等指标的提升均能够显著地提升城市生产率，这一解释与表1的解释是类似的，同时也说明了结果具有较强的可靠性。但与表1不同的是其他所有的控制变量对于城市生产率的提升均具有更为显著的效应。例如通过内生性的处理，一些变量变得更加显著；通过观察列(3)至列(5)可发现：衡量物流发展水平的邮政业务收入、衡量数字金融发展的重要硬件基础的移动电话用户数、衡量交通发展水平的公路货运量等指标对于城市生产率指标均具有更为显著的影响。

(三)稳健性检验

通常稳健性的检验主要有以下几方面：一是通过替换相关变量进行回归分析。在前文的计量回归中，本文对核心解释变量如数字金融发展的不同衡量指标进行了替换性的研究，同时对于非核心变量如城市交通发展状况，用两个变量——城市公里的客运量与城市公路的货运量进行了替换研究。二是改变计量方法，如本文通过采用双固定效应模型和工具变量法进行计量分析。在本文中，上述计量所获得的结论基本一致。三是改变样本量和样本时间段。

为此本文进一步开展以下方面的稳健性检验。一是对核心变量进行一定的替换。本文接着用市辖区的城市生产率(即各城市市辖区的人均GDP)代替全市范围的城市生产率。同时对部分的控制变量进行了替代，如用货运总量替代公路货运量，客运总量替代公路客运量，由于篇幅原因，主要计量结果省略，但计量结果是一致的。二是由于中国的城市具有行政级别的差异，而行政级别对城市化的发展具有较大差异的影响，因此需要分开城市级别的类别来进行实证检验，主要计量结果见表3。

表3 城市级别分类的稳健性分析表

通过比较表3中的列(1)与列(2)可知，省会城市及以上级别城市的数字化金融发展总体水平(index_aggregaten)对于全市生产率(lnpgdp_T)的促进作用要大于一般地级市。此外比较列(3)、列(4)中的数字金融使用深度(usage_depthn)和列(5)、列(6)中的网络保险(insurancen)对于两类城市生产率的提升作用，均可得出相同的结论。

两类城市的其他控制变量对于城市生产率的促进作用也有明显差异：如第二产业占GDP比重(sindu_T)、第三产业占GDP的比重(tindu_T)等指标对于不同级别城市的生产率提升的作用大小是不同的。在省会城市及以上级别的城市，城市生产率的提升主要来源于第三产业的快速发展，这是由于劳动力、土地价格、厂房租金等生产成本上升较快，部分制造业企业外迁，第二产业对于此类城市的生产率提升仍然发挥作用，但可能不如第三产业的促进作用强。而与之相反，在一般的地级市，由于企业的研发活动、企业总部等生产性高级服务业迁移到省会城市及以上级别的城市；由于劳动力成本、土地价格等生产成本上升相对缓慢，因此制造业部门广泛存在于这一类城市中，第二产业是促进此类城市经济发展的主要力量。同时越来越多的省会城市及以上级别的城市(包括深圳、厦门等计划单列市)走向创新型经济，因此提高人力资本素质的教育支出(lnedu_E)对于提高该类城市的生产率也就具有显著的影响。当电子商务越发普及、数字贸易越成为趋势，此意味着存有大量制造环节的一般地级市生产的商品可以全域流通，但物流状况成为其货物能否畅通全域销售的关键，因此物流业发展水平(lnpostal_R：包裹等邮政收入)就对一般地级市的生产率的提升具有十分显著的作用。

四、 影响机制分析

结合本文前述的理论和主要研究假说，本文主要分析了数字金融影响城市生产率的三条路径。

(一)数字金融提高金融效率，进而提升城市生产率

为对此渠道进行考察，本文引入了城市金融机构各项贷款余额(lnloan_T)与数字金融发展指标的交互项。如果交互项为正值，本文认为数字金融发展能够促进传统金融效率提升，进而促进城市生产率的提升。计量结果见表4。

表4 提高金融效率回归分析表

在表4中，从数字金融发展总指数(index_aggregaten)、数字金融使用深度(usage_depthn)、网络保险(insurancen)、普惠金融数字化水平(digitization_leveln)与金融机构各项贷款余额交互项观察，交互项均显著为正，这说明数字金融能够有效地提高金融的信贷效率，进而促进城市经济发展，提升城市生产率。

(二)促进商品消费，提高社会有效需求

本文通过引入数字金融发展指标与社会零售总额的交互项来考察这一中介效应。

表5 数字金融促进商品零售的发展

从表5中可以观察到，普惠金融数字化指标(digitization_leveln)与限额以上批发零售贸易业商品交易总额(lnwholesale_T)、社会消费品零售总额(lnretail_T)的交互项对于城市生产率的影响系数均显著为正。这说明数字金融的发展，首先有助于提高零售商品的销售量，继而促进商品的生产，提高城市的运行效率与经济发展。进一步比较表5中的列(1)与列(2)，在没有交互项的情况下，限额以上批发零售贸易业商品销售总额的增长是有助于提升城市生产率(城市人均GDP水平)；但由于众所周知的原因，加入交互项之后，可能会增加模型估计过程中的多重共线性，因此其符号变得不稳定。

(三)促进企业成本降低，提高城市吸引力

数字金融的发展提升了金融效率，降低企业成本，因此，企业在进行区位选择时，则有可能在数字金融环境较好的区域，广义上的企业融资成本如融资所需要的时间等较难以测度，但可以从企业用脚投票的过程(企业的迁移)来间接反映。近年来，欧美国家鼓励制造业回流或者跨国公司重新调整产业链的区域结构，一些制造环节开始从我国退出，以往一些布局在我国的生产部门转移至越南、印度尼西亚、印度等劳动力低廉的国家和地区。那么数字金融如何在这一进程中起到作用？一个基本的猜想是数字金融可以降低企业成本，吸引企业迁入，从而减缓外资所投资的制造业从我国退出进程。因而本文通过引入数字金融发展指标(usage_depthn、digitization_leveln)与港澳台、外资投资的工业产值占工业总产值的比重(foreign_EX)的交互项“来间接考察上述效应”，所得到的计量结果见下表6。

表6 数字金融降低企业生产成本

从表6的列(2)、列(4)中可知，港澳台与外资投资的工业产值占工业总产值的比重(foreign_EX)对城市生产率(lnpgdp_T)具有不显著的负向作用，这是由于近年来外资工业企业产值比重下降，但我国各城市的城市生产率是上升的，因此有负向相关关系。同时到我国投资的港澳台和外商企业能够带来比本土企业更高水平的应用技术，因此常常会产生技术外溢效应，从而推动本土的劳动生产率上升，因此，当港澳台及外国投资资本撤离本土时，将会降低应用技术的来源，进而阻碍相对落后地区和城市劳动生产率的提高。但由于我国的技术水平越来越靠近世界前沿技术，甚至在一些领域起到引领作用，例如5G等技术，而当前逃离我国的产业主要集中于劳动密集型产业，技术水平含量相对不高，因此，当前的外部资本的逃离并不能显著地降低我国城市生产率。

从列(1)与列(3)可观察到，交互项对城市生产率具有显著的促进作用，这说明数字金融的发展能减缓外资企业的流出对我国城市生产率所造成的坏的影响。这也说明由于我国数字金融的发展，能够以更低的成本、更快的速度，在更广阔的领域支持实体经济的发展。

结论及政策启示

本文在中国特定背景下研究了数字金融与城市生产率之间的关系。实证研究表明，数字金融能够提高城市生产率，但是由于我国的城市规模有大小、城市有行政级别，因此数字金融对城市生产率的促进作用在不同级别的城市中差异显著。

研究结果还表明数字金融之所以能够促进城市生产率提升，主要通过以下三渠道完成。一是数字金融能够提高金融效率，促使资金更快地流动，导致金融效率更大程度地促进城市生产率的提升；数字金融方便人们在各种场合进行支付，提高消费过程中的便利性，使人们更容易随时随地购买商品，破除消费过程中的时空限制，扩大社会总体有效需求，在微观层面使企业生产的商品能够及时销售，减少库存时间和库存损耗，在宏观层面则提高城市总体运行效率；三是金融成本作为企业成本的一部分，数字金融有助于降低金融成本，降低企业总成本，使企业在进行区位选择时，更愿意留在数字金融基础设施好的城市。

从本文的研究结论中可以得到以下方面的政策启示：一是由于数字鸿沟是造成数字金融鸿沟的重要原因，数字鸿沟的存在，造成了城市之间的生产率差异。因此，对于5G等新一代信息技术建设，应注重不同城市与区域之间的相对平衡；注重相对落后地区的数字经济及数字金融基础设施建设；并要持续赋能消费者特别是数字技能相对薄弱的农村居民、老年人等群体，促进我国商品消费，提升社会有效需求。二是进一步推动金融信息化、数字化、智能化建设，通过提升金融效率，降低实体经济企业融资成本，减缓欧美国家的制造业回流和国际产业链调整给我国的城市生产率所带来的负面影响。