金融科技、资源配置效率与经济增长——基于中国金融科技门槛作用的分析

田新民，张志强

(首都经济贸易大学 经济学院，北京 100070)

一、问题提出

随着中国经济发展方式由数量导向转变为质量导向，提升金融服务实体经济效率是促进经济增长的客观需求。2019年8月，中国人民银行印发了《金融科技(FinTech)发展规划(2019—2021年)》(以下简称规划)。规划指出，金融科技成为促进普惠金融发展的新机遇。金融科技可以降低金融服务的成本和门槛，为中小企业、民生发展提供个性化的金融服务，为扶贫以及区域发展等提供金融支持。同时，金融科技也成为了金融服务实体的新途径。金融科技可以完善金融产品供给，将资金引入高科技、高成长的新兴产业，促进科技创新，提高资源配置效率，助力经济结构性改革和健康可持续发展。因此，金融科技是实现创新驱动的重要驱动力，有助于提供个性化和高质量金融服务，增强金融资源配置效率。

另一方面，金融科技创新的发展也催生了新的金融风险。金融科技的发展促使金融业务边界模糊化，金融风险的传导突破了时空限制，金融风险会以更加隐蔽、快速的方式传播；同时，监管的滞后性和金融科技迭代的快速性不相适应，给监管带来了新的挑战，金融科技创新带来的新风险又会给经济增长产生阻碍。当前中国金融科技发展依然处于初期阶段，金融科技发展的不平衡不充分问题依然存在，顶层设计和政策制定缺失，市场各方面的要素相对失衡，基础设施依然有待完善。那么，当前金融科技的发展水平是否已经对中国经济增长产生了显著的促进作用。同时，金融科技是技术驱动的金融创新，作为金融创新，金融科技的发展是否与中国当前的经济发展水平相适应，其发展水平对经济增长是否存在边际递减效应？对这些问题的理解，对当前中国经济的高质量增长和稳增长具有重要的理论和现实意义。

相比以往的研究，本文的贡献有两点：第一，以金融科技创新为视角，从理论模型上阐述了金融科技与提高产出，促进经济增长的相关关系，并以同一类产出函数从理论模型推导出计量实证模型；第二，基于中介效应模型和门槛效应模型，实证分析了金融科技创新对经济增长的影响及路径，对金融科技相关政策的制定具有一定的实践意义。

二、机理分析与研究假设

(一)文献回顾与理论分析

金融科技是技术驱动的金融创新，从金融发展的角度来看，金融发展可以提高资源效率，进而促进经济增长[1]。有研究人员认为，在一定程度上，金融发展可以促进经济增长，而过度的发展则不利于经济整体效率的提升[2]。对金融科技创新而言，其发展依靠互联网、大数据、人工智能以及区块链等技术创新，随着技术的不断创新以及金融服务和科技的深度融合，金融科技创新同样会对经济增长产生影响。

首先，金融科技的发展会催生出新的商业模式，实现了金融服务线上交易，提升了金融服务的普惠性[3]。金融服务普惠性可以降低贫困增长率，提升居民和企业享受金融产品和服务的便利性，有效缓解金融排斥，提升了金融服务的多样化和个性化[4-6]。金融的普惠性可以帮助更多的居民和企业获取金融服务，降低流动性约束，推动经济增长。金融科技创新会促使消费方式的改变，从而引导消费升级以及投资多元化，带动周边地区，促进经济增长[7]。谷慎和汪淑娟从时空异质性的视角研究发现随着金融科技投入的增加，金融科技对经济增长质量的影响由不显著变为显著为正[8]。此外，依托大数据等最新的技术，金融科技可以更便捷的甄别融资企业的发展和融资风险[7]；金融科技会通过区域贸易和投资开放度提升区域创新效率[9]，而金融科技的数字化也会促进企业创新程度的提高[3]。同时，金融科技改善了现有的金融生态环境，促进了利率市场化[10]，这种市场化的利率通过影响储蓄和投资，进一步促进实体经济的发展。

(二)作用机理分析与研究假设

金融服务和科技创新的深度融合促进金融科技的发展，根据金融科技的特征和本质，假设经济发展中存在一个金融科技部门。由于金融科技具有普惠性，即更有利于发挥长尾效应，提供个性化产品。因此，从金融科技的普惠性来看，随着金融科技水平的提升，其可为长尾需求群体提供多样化和个性化的金融服务[7]。意味着金融科技创新水平的提升会促使金融服务和产品更加多样化，因此，本文以金融科技部门产品和服务的种类代表金融科技发展水平。据此，本文运用Dixit和Stigilitz(1997)的垄断竞争(D-S模型)分析金融科技创新对经济增长的影响及作用机理[11]。首先，设定以下假设：

假设1：消费者对产品具有多样性偏好，其选择的产品种类是一个消费束；

假设2：生产者提供的产品和服务具有对称性；每个企业只生产一种产品，即产品的种类和厂商的数量相同；

假设3：行业符合规模经济，具有垄断竞争性，行业内的产品具有不变的替代弹性；

假设4：金融科技创新的发展会促进产品种类多样性增加，并假设二者具有线性关系。

设定金融科技部门中存在n种产品，对于任意一种产品i∈{1，2，…，n}的消费量为xi。用CES效用函数代表消费者的效用，

(1)

式(1)中，σ为各商品间不变的替代弹性。假定不存在范围经济，消费者对产品种类的偏好是无限的，每个企业只生产一种产品，因此产品种类和企业数量相同。根据标准的D-S模型，垄断竞争的企业根据边际成本进行定价，企业可以自由进出使得利润为0。因此，在均衡时可以得到定价p=σMC/(σ-1)，MC为生产者的边际成本。假定，金融科技部门生产x单位产品需要消耗ax+v单位的劳动投入。这里a服务效率参数，v为以劳动量衡量的固定成本。设单位劳动报酬为w，MC=aw。那么，利润π函数表示为：

(2)

根据π=0，解得x=v(σ-1)/a。设定生产满足C-D函数式：

f(L，Q，K)=Aαβ(LβQ1-β)αK1-α

(3)

其中A、L、Q、K分别为技术因素、劳动投入、金融科技部门产品投入以及资本投入，同时设定技术因素受到金融科技发展的影响。根据式(3)，最终产出分配给劳动的份额为α，分配给从事最终产品生产的劳动份额为αβ，即wL=αβf(L，Q，N)。假定生产过程中总劳动投入为N，那么，wN=αf(L，Q，N)。据此有L=βN，其余的(1-β)N为金融科技部门进行生产的劳动投入，即(1-β)N=n(ax+v)。将x带入其中，有式(4)：

(4)

假定生产者提供的产品和服务具有对称性，根据式(1)有Q=n1/(1-σ)x。从而，金融科技部门的产出效率为：

(5)

每个企业只生产一种产品，即产品种类和和企业数量相同。对式(5)求导有：

(6)

由于σ>1，因此，∂RQ/∂n>0。随着金融科技部门产品种类的增加，金融科技部门产出效率有所提升。进一步地，根据替代弹性的大小，可以对金融科技部门产出效率进一步划分：

(1)当替代弹性σ=2时，∂RQ/∂n=1/a(σ-1)为大于0的常数，即随着金融科技水平的提升，金融科技部门的产出效率提升速度不变；

(2)当替代弹性1<σ<2时，(2-σ)/(σ-1)>0，即随着金融科技水平的提升，金融科技部门的产出效率提升速度不断增加；

(3)当替代弹性2<σ时，(2-σ)/(σ-1)<0，即随着金融科技水平的提升，金融科技部门的产出效率提升速度不断降低。

因为，σ为金融科技部门产品种类的替代弹性，当替代弹性较小，即产品之间的可替代性较低时，金融科技的发展水平的提高会更有利于金融科技部门产出效率的提高。这表明，金融科技对产出效率的影响程度要受到金融科技发展水平的影响。

对于成本最小化而言，有如下目标函数和约束条件式：

minC(w，p)=wL+PQ

(7)

s.t.f(L，Q)=LβQ1-β=1

根据一阶最优条件，求解得到成本函数，

(8)

把价格指数P(n，p)带入式(8)：

(9)

根据式(9)对n求偏导得：

(10)

同样地，对于产出最大化而言：

maxf(L，Q)=LβQ1-β

(11)

s.t.C(w，p)=wL+PQ=1

对式(11)求最优解，并获得产出函数为：

(12)

根据式(12)对n求偏导，得：

(13)

对于式(13)，∂f(L，Q)/∂n>0，即产出对产品种类的边际产出是递增的，表明随着金融科技水平的提升，产出水平是增加的。另外，根据弹性的大小可得到如下结论：

(1)当σ=2-β时，边际产出和产品种类无关，即边际产出为常数；

因此，根据以上分析可以得到：金融科技服务水平作为生产的高级投入要素，其发展水平增加提升了产出，有助于中国经济增长；并且，随着金融科技水平的提升，金融科技对经济增长的促进作用也得到提升。即金融科技在不同发展阶段可能会对经济增长产生不同的影响。当金融科技处于前期阶段时，金融科技发展水平较低，基础设施以及法律法规不够完善；同时，金融科技的发展需要政府、金融机构等不同部门的配合协调，而在前期发展阶段，不同部门协调性较低，难以发挥资源配置效益。另外，随着科技和金融的深度融合，金融风险也会变得更具隐蔽性和传染性，正是由于前期法律法规以及监管措施不及时，金融科技的发展会使得金融风险程度增加。因此，在前期发展阶段，金融科技发展的成本较高，其对经济增长的促进作用较弱，甚至出现负向影响。之后，随着金融科技投入达到一定程度，基础设施以及法律法规不断完善，部门协调性不断增强，对金融风险监管也得到加强，金融科技和经济增长的互动性不断增强，金融科技的发展会不断提高金融资源配置效率，从而显著促进经济增长。另外，金融科技会通过促进金融资源配置效率的提升促进经济增长，并且随着金融科技水平的提升，金融资源配置效率对经济增长的促进会进一步提升。

三、研究设计

(一)模型设定

以上式(3)生产函数设定为C-D函数形式，令1-α为t1，α(1-β)为t2，以上C-D生产函数转化为f(L，Q，K)=Kt1Qt2(AL)1-t1-t2。因此，设定生产函数为：

f(L，Q，K)=KαQβ(AL)1-α-β

(14)

其中，A为反应技术水平和全要素生产率的因素，该因素受到金融科技发展的影响。另外，α代表实物资本的产出弹性，β代表金融科技部门资本的产出弹性。根据实物资本和金融科技部门资本对时间的倒数关系，可以得到式(15)和(16)。

(15)

(16)

(17)

(18)

(19)

根据新古典理论，技术以g的速度呈现指数增长，那么技术可以设定为At=A0egt。如果有诸多因素W会对技术增长产生影响，At可以设定为如下形式：

At=A0egt+θW

(20)

将式(20)带入式(19)中，并取自然对数：

(21)

将式(21)进一步简化为：

lnyit=α0+θWit+φlnXit+μit

(22)

为了体现经济发展的惯性，在式(22)加入经济发展的滞后项：

lnyit=α0+β1lnyit-1+θWit+φlnXit+μit

(23)

在式(23)两边同时减去lnyit-1：

lnyit-lnyit-1=α0+(β1-1)lnyit-1+θWit+

φlnXit+μit

(24)

那么，lnyit-lnyit-1就体现为经济增长，模型(23)和模型(24)是等价的，并且系数β1<1体现出经济增长的收敛性。因此，本文使用模型(23)作为实证部分的估计模型。

根据以上的机理分析，金融科技FinTech会对经济增长产生促进作用，回归模型如下，

lnyit=α0+β1lnyit-1+θ1FinTechit+φlnXit+μit

(25)

另外，金融资源配置效率aeofr会促进经济增长，同时金融科技会提升金融资源配置效率从而促进经济增长，那么根据中介效应检验程序，设定如下回归：

lnyit=α0+β1lnyit-1+θ2aeofrit+φlnXit+μit

(26)

lnyit=α0+β1lnyit-1+θ3FinTechit+θ4aeofrit+

φlnXit+μit

(27)

aeofrit=α0+θ5FinTechit+φlnXit+μit

(28)

系数θ1和θ2表示了金融科技和金融资源配置效率对经济增长的影响。如果金融资源配置效率充当了中介效应，那么θ1～θ5均显著。进一步地，根据以上的分析，为了验证在不同金融科技发展程度上，金融科技和金融资源配置效率均对经济增长产生不同程度的影响，设定以下门槛效应模型：

lnyit=α0+θ6FinTechitI(FinTechit≤γ1)+

θ7FinTechitI(FinTechit>γ1)+

β1lnyit-1+φlnXit+μit

(29)

lnyit=α0+θ9aeofritI(FinTechit≤γ2)+

θ10aeofritI(FinTechit>γ2)+

β1lnyit-1+φlnXit+μit

(30)

(二)变量定义与描述

1.金融资源配置效率

对于金融资源配置效率指标的测度，根据已有的研究来看，DEA方法普遍运用于金融资源配置效率测度中。同时，为克服传统DEA方法中将技术作为外生固定不变参数的缺陷，本文使用基于面板的广义DEA方法对此进行测度，从而使结果更加准确。另外，对于金融资源配置效率指标选取上，杨友才和王希等以金融从业人数、政府支出额和金融机构贷款余额作为输入指标，将金融业增加值作为产出指标[12]。李俊霞和温小霓在对科技金融资源配置效率进行测度时，从企业资金投入、政府资金投入以及市场金融资源投入三个层面中的五个指标进行测度，以专利质量、国际竞争力以及技术转移和科技成果转化的总体规模作为产出指标[13]。结合之前的研究，本文从金融服务和科技发展的投入和产出两个角度考虑指标选取，具体如表1，其中发明专利授权数占比为发明专利申请授权数与专利申请授权数的比值。

表1 金融资源配置效率指标体系

2.其他变量说明

本文的被解释变量为实际人均gdp，该指标根据名义人均gdp和人均gdp实际增长率指数测度而得，同时本文使用实际gdp作为稳健性检验。金融科技(FinTech)发展水平来自北京大学数字研究中心，实证中该指数除以100。本文的控制变量包括消费增长率GC、固定资产比重Invest、开放程度Open、政府规模Gov、金融服务水平Service、城镇化程度Urban以及人力资本Human。其中，固定资产比重、开放程度和政府规模用各省市固定资产总额、进出口总额和政府支出与gdp的比值表示，金融服务水平用金融业从业人数和总人数的比值表示，城镇化程度用城镇人口和总人口的比值表示，人力资本用平均受教育年限表示。表2展示了变量的描述性统计。

表2 变量描述性统计

(三)数据来源

本文使用的数据主要为中国各省市经济发展数据以及北京大学数字研究中心发布的中国各省市数字金融指数，用该指数刻画中国金融科技发展程度的变迁[7，10]。由于数字金融指数从2011年开始发布，同时，为保证相关数据的完整性，本文的数据指标均选自2011—2017年。同时，由于新疆和西藏数据具有民族特色，本文的研究样本将其去除。最终，本文选取了29个省份的年度观测样本。实际人均gdp由名义GDP和人均GDP实际增长率指数测度而得，名义人均GDP和人均GDP实际增长率指数来自中经网。金融资源配置效率由DEA进行测度而得。消费水平、固定资产、进出口总额、政府支出以及城镇人口和总人口来自中经网。金融服务水平和人力资本来自Wind数据库。

四、实证分析

(一)基准回归与中介效应分析

本文使用系统GMM方法对模型进行分析，检验金融科技和金融资源配置效率对经济增长的影响，同时本文引入时间固定效应，表3列示了回归的结果，其中Lag1为滞后一期的被解释变量。首先，本文检验金融科技对金融资源配置效率的影响，回归I显示了回归结果，回归表明金融科技发展显著提升了金融资源配置效率。进一步地，验证金融科技对经济增长的影响，回归II列示了回归结果。回归结果显示，gdp的滞后项为0.904，表明经济增长具有收敛性，这也在一定程度上验证了回归的有效性。同时，金融科技变量的系数为0.119，并且在1%的水平下显著，并且AR(1)项显著负相关，AR(2)项不相关，同时Hansen检验接受原假设，即通过了工具变量过度识别检验。因此，回归II表明金融科技水平的提升可以显著促进经济增长。回归III列示了金融资源配置效率对经济增长的影响，从回归结果以及检验结果来看，金融资源配置效率同样可以显著的促进经济增长。最后，回归IV同时回归金融科技和金融资源配置对经济增长的影响，结果表明，二者可以同时显著的促进经济增长。因此，根据中介效应检验流程，表3的回归结果表明金融科技可以显著的促进经济增长，同时金融资源配置效率作为中介变量，金融科技水平的提升会通过金融资源配配置效率的提高促进经济增长。

表3 基准回归与中介效应回归结果

(二)门槛效应回归及分析

通过门槛效应模型，检验在不同的金融科技水平下，金融科技以及金融资源配置效率对经济增长的影响。本部分进行两个回归，首先检验在不同金融科技水平下，金融科技对经济增长的影响(记为回归I)；另外，检验在不同金融科技水平下，金融资源配置效率对经济增长的影响(记为回归II)。为此，对是否存在门槛效应进行检验，结果如表4。从表4可以看出：对于回归I，单一门槛检验中的P值表明了拒绝原假设，即存在一个门槛。双门槛检验的P值接受了原假设，即不存在两个门槛。因此，回归I中存在一个门槛。同样地，回归II中也存在一个门槛。另外，图1现实了回归I和回归II单门槛的似然比函数图，从中可以更为清晰的理解门槛值和置信区间。

回归I和II均表明存在一个门槛，下面分别对此进行门槛回归，结果如表5所示。表5中门槛回归I列示了金融科技在不同发展水平下对经济增长的影响。其中，Lgdp为gdp的滞后项，其系数为0.787，且在1%的显著水平下显著，表明经济发展具有收敛性。门槛回归I显示，当金融科技发展水平低于2.440 1时，金融科技可以促进经济增长，其回归系数为0.011，对应的t统计量为2.34，即表明当金融科技发展水平较低时，其可以对经济增长产生促进作用。但是，当金融科技发展水平高于2.440 1时，其对经济增长的影响系数为0.015，对应的t统计量为3.17，此时金融科技在1%的水平下对经济增长产生显著的促进作用，并且回归系数也有所提高。因此，门槛回归I的回归结果表明，金融科技对经济增长存在一个瓶颈，当金融科技的发展水平较高时，金融科技会对经济增长产生更为显著的促进作用，金融科技高于门槛值后，金融科技对经济增长的促进作用提升了36.36%。

表4 门槛效应检验

表5的门槛回归II列示了在金融科技发展水平不同的情况下，金融资源配置效率对经济增长的影响。从回归II的回归结果显示，当金融科技发展水平低于2.440 1时，金融资源配置效率对经济增长产生促进效应，但这种促进效应并不显著。当金融科技发展水平高于2.440 1时，金融资源配置效率对经济增长的作用为0.037，此时在1%的水平下显著。这表明，金融资源配置效率对经济增长的促进效果会受到金融科技发展水平的影响。当金融科技发展水平较低时，金融资源配置效率不会对经济增长产生显著的促进作用；而随着金融科技水平的提高，金融资源配置效率对经济增长开始起到显著的促进作用。这也反映出，金融科技的发展水平突破发展瓶颈时，金融科技通过金融资源配置效率的提高对经济增长才会产生显著的效果。金融科技作为一种金融服务和科技创新融合的产物，在表5门槛效应的研究中并没有发现边际效率递减特征，这可能是因为中国的金融科技还处于发展阶段，其对经济增长的促进作用依然是主效应。

表5 门槛效应模型回归结果

(三)稳健性检验

出于稳健性考虑，本文进行以下稳健性检验。

第一，内生性问题。遗漏变量、测量误差以及反向因果均可能会产生内生性。本文采用带有固定效应的阈值模型进行估计，因此可以在一定程度上控制影响经济增长的不随时间变动或是短期内不随时间变动的因素，例如自然资源、地区文化等，但这些变量可能同时对金融科技和经济增长产生影响。金融科技和经济增长同为宏观变量，一个区域经济增长本身可能会影响当地金融科技的发展状况，而不仅仅是金融科技对经济增长产生影响，即存在反向因果问题。此外，通过Hausman对金融科技的内生性进行计量检验(1)用Hausman对模型检验，结果显示：chi2= 122.42，Prob>chi2=0.000，即进行工具变量回归是必要的。，不能拒绝模型存在内生性问题。因此，本文首先使用工具变量，利用两步回归法弱化内生性问题。

对于金融科技变量，考虑该指标具有省份间的空间溢出效应[7]。参考张璇和李子健等、李春涛和闫续文等的研究思路，本文使用东中西部的金融科技指数的平均值作为该变量各省份的工具变量[14-15]。用该金融科技的平均值对金融科技进行回归，再用回归的预测值进行门槛效应回归。回归结果如表6的模型I，结果显示当金融科技发展水平较低时，金融科技对经济增长的促进作用较低，而当金融科技发展水平高于特定值时，金融科技可以对经济增长产生显著的促进作用，并且促进作用增强。同样地，我们得到资源配置效率的预测值，再次回归得到表6的模型II，结果依然表明，当金融科技发展水平发展到一定阶段时，金融资源配置效率会对经济增长产生更强的促进效应。

第二，使用动态面板门槛模型。以上使用的面板门槛模型适用于外生的门槛变量和其他控制变量。为了控制面板门槛模型中的内生性问题，一种动态面板门槛效应模型(DPTEM)，用于识别非线性的因果关系和非对称效应[16-17]。因此，为了进一步控制门槛变量和其他变量的内生性，本文使用Seo和Shin开发的两步法、一阶差分(FD)GMM方法，同时Seo和Shin提供了该模型的Gauss程序[18]。该模型允许门槛变量和其他控制变量均内生。该动态面板门槛效应模型设定如下：

lnyit=α1XitI(FinTechit≤γ)+

α2XitI(FinTechit≥γ)+ui+vit

其中，X包括了滞后的被解释变量、金融科技发展指数、金融资源配置效率以及其他控制变量，门槛模型为金融科技发展指数，γ为门槛值，α1和α2分别为低区置(the lower regime)和高区置(the upper regime)区间的回归参数。

表6 门槛效应的稳健性检验

表7为动态面板门槛效应模型回归结果。回归结果显示，门槛值为2.235，该门槛值要略低于以上实证的门槛值，单较为接近。线性性检验拒绝了没有门槛效应的原假设，J统计量检验表明，接受工具变量有效的原假设。在低区置和高区置区间的回归中，滞后的被解释变量系数分别为0.810和0.780，这和之前实证的结果较为一致，表明经济增长会趋近收敛。当金融科技发展水平较低时，其系数为0.004，在较高的区置内，其系数为0.033，即动态面板门槛效应模型同样表明，随着金融科技发展水平的提高，金融科技会更大程度的促进经济增长。另外，和之前的回归相比，动态面板门槛效应模型中金融科技的回归系数和静态面板门槛的回归系数均在同一量级，这也前后验证了模型的一致性。对于金融资源配置效率变量而言，在低区置区间，回归系数为-0.098，在高区置区间其系数为0.042，同样表明随着金融科技发展水平的提高，金融资源配置效率会加强对经济增长的影响。

表7 动态面板门槛效应模型

第三，替换被解释变量。对于被解释变量，本部分使用实际gdp代替人均实际gdp，分别进行基础回归以及门槛效应检验，结果分别如表8和表9所示。从两表的回归结果表明，以上实证结论依然不变。

表8 基于实际gdp的基准回归与中介效应结果

表9 基于实际gdp的门槛效应回归

一方面，制度质量是资源配置效率至关重要的因素，另一方面，金融科技和经济增长机制的形成需要成熟、完善的制度质量环境加以保证。通过对制度质量的研究，有助于深入了解金融科技对经济增长的影响以及机制生成过程。

当前中国的金融科技依然处于发展阶段，发展不平衡问题依然存在，政策法规和行业标准依然有待完善。经济的发展水平和金融科技的发展和提升与制度质量存在着直接的关系，法律法规的完善、对国有和非国有经济的侧重以及政府的治理水平对金融科技创新产生直接的影响。因此，本部分通过门槛效用探索在不同的制度质量下，金融科技对经济增长的影响。根据已有的文献，中国地区市场化报告，从不同层面代表制度质量[19-21]。据此，本文选取法制化水平law、非国有经济发展度nso以及政府治理水平pi三个层面反映制度质量，同时用市场化综合指数反映制度质量的综合情况，相关数据来自Wind。回归结果如表10。

表10 制度质量的门槛效应回归结果

首先，法制化水平的门槛效应为2.750，回归结果显示，随着经济水平的不断提高，健全的法制环境更有利于金融科技促进经济增长；而当法治环境较低时，知识产权、中介市场发育度以及生产者和法权益保护力度较低，会抑制金融科技的发展，金融科技对经济增长的促进作用也得不到显现。另外，非国有经济发展度的门槛值为8.145，非国有经济发展度跨过门槛值时，金融科技和金融资源配置效率对经济增长的促进作用开始显著。其次，政府治理水平的门槛值为6.310，回归结果表明，当经济发展中政府对资源配置起主导作用时，资源的配置结果依然可以有效的促进经济增长，其路径可能是通过国有经济水平的提升促进经济增长，但此时金融科技并不能起作用，即没有发挥金融科技对资源的有效配置；而随着政府治理水平的提升，市场可以更好的对资源进行配置时，金融科技和资源配置效率均促进了经济增长。最后，从制度质量综合指数来看，同样可以得到相同的结论，即制度质量对金融科技和金融资源配置效率均存在门槛效应，只有当制度质量达到一定程度后，二者对经济增长的促进作用才会更加显著。

五、研究结论与启示

金融科技创新是促进经济增长的新动力，可以提高金融资源配置效率，助力供给侧结构性改革。本文基于金融科技创新视角，通过理论模型分析了金融科技水平的提升对经济增长的影响以及其中的机制作用，研究发现，金融科技创新会提升金融服务和产品的产出效率，降低金融服务成本，提升金融资源配置效率，促进经济增长；并且，在不同的金融科技发展水平下，金融科技和金融资源配置效率对经济增长的影响程度并不相同。基于省域数据，运用中介效应模型和面板门槛效应模型，并通过动态面板模型等内生性控制等方法，对理论假说进行了检验和分析。研究发现：金融科技创新和金融资源配置效率的提升会显著促进经济增长，并且金融资源配置效率充当了金融科技对经济增长的中介作用；金融科技和金融资源配置效率对经济增长的影响存在门槛效应，随着金融科技水平的提升，二者对经济增长的促进作用会进一步增强。在现有的情况下，本文并未发现金融科技对经济增长的边际递减效应；此外，通过制度质量的门槛效应，均发现在较低的制度质量下，金融科技和金融资源配置效率对经济增长的促进作用不显著，而当制度质量达到一定程度时，这种促进作用才会显著。

通过理论和实证分析，本文得到以下启示：(1)加强金融科技创新发展，提升金融资源配置效率。当前的金融科技依然处于发展阶段，因此，有效地增强科技创新和金融服务融合能力，引导金融科技创新发展非常有必要。(2)增强金融科技的普惠性，增强金融惠民服务能力，优化企业信贷渠道。强化金融惠民意识，强化金融服务实体经济的能力，增强金融科技服务专业化、个性化和多样化，为民众和企业发展提供多样化的服务，增加企业的融资渠道。(3)加快顶层机制设计，增强制度治理质量。制度质量对金融科技的发展至关重要，增强相关法律法规的制定和出台，制定行业发展标准，增加金融科技发展的基础设施，为金融科技的发展创造更加良好的条件。