数字普惠金融能够推动经济高质量发展吗？

常建新 范立春 高莉

摘   要：本文利用2011—2018年我国30个省级行政区的面板数据，通过动态SDM和中介效应模型考察了数字普惠金融对经济高质量发展的影响。研究结果表明：（1）经济高质量发展在空间上表现出了较强的正相关性特征，在时间上表现出了明显的路径依赖特征;（2）数字普惠金融不仅直接推动了经济高质量发展，还可以通过提高创新能力、扩大技术溢出和促进产业升级的中介效应推动经济高质量发展;（3）数字普惠金融的覆盖广度对经济高质量发展的促进作用最为显著，使用深度次之，数字化程度最小;（4）数字普惠金融对西部地区经济高质量发展的促进作用最为显著，中部地区次之，东部地区最小。

关键词：数字普惠金融;经济高质量发展;动态SDM;中介效应

中图分类号：F830  文献标识码：A  文章编号：1674-2265（2021）12-0069-08

DOI：10.19647/j.cnki.37-1462/f.2021.12.009

一、引言

當前，我国资源约束日益趋紧，环境承载能力接近上限，依靠要素低成本的粗放型、低效率增长模式已经不可持续，内部发展面临着周期性减速和结构性减速的挑战，外部国际政治经济形势不确定性凸显。毫无疑问，实现经济高质量发展已然成为解决诸多矛盾的焦点之一。金融是现代经济的核心，是实体经济的血液，同时也是资源配置和宏观调控的重要工具，金融供给侧结构性改革已经成为实现经济高质量发展的关键之策（李志扬等，2020）[1]。而进行数字普惠金融创新是践行金融供给侧结构性改革的重要内容。

数字普惠金融是近年来逐渐兴起的数字技术与金融相融合的一种新兴形态，其以各种数字技术为实施条件，为社会各个阶层尤其是传统金融覆盖不足的低收入群体、农村及偏远地区人口以及中小微企业等提供平等、有效、全面、便捷的金融产品和服务（中国信息通信研究院云计算与大数据研究所，2019）[2]。随着大数据、云计算、人工智能、区块链等信息技术飞速发展，数字技术与普惠金融的融合不断加深，金融服务的便捷性、可得性不断提高，覆盖面日益扩大。数字普惠金融正成为缓解社会融资压力、改善企业融资环境、拓宽融资渠道的有效途径（谢绚丽等，2018）[3]。由于我国电子商务和电子支付技术在全世界都处于领先水平，具备发展数字普惠金融的巨大优势，因此，应积极发展数字普惠金融，为实体经济赋能，促进经济高质量发展。由此，研究数字普惠金融与经济高质量发展之间的关系具有重要的现实意义。

二、文献回顾与理论假说

2016年G20杭州峰会通过的《G20数字普惠金融高级原则》正式提出利用数字技术促进普惠金融发展，把推广数字普惠金融上升到了国家战略层面。此后，我国学术界关于数字普惠金融的研究一直处于国际领先地位。尤其是北京大学数字金融研究中心和蚂蚁金服集团合作于2016年和2019年发布了两期《北京大学数字普惠金融指数》之后，国内众多学者借助这套指数开展了丰富的实证研究。相较于传统金融，数字普惠金融以其低门槛、低成本和广覆盖等优势，呈现出明显的亲贫性特征，所以，现有关于数字普惠金融的研究主要集中在缩小城乡收入差距和减缓贫困等方面。研究发现，数字普惠金融可以通过增加金融可得性、降低金融服务门槛、减少贫困发生率、缓解中低收入群体的信贷约束等途径缩小城乡收入差距（宋晓玲，2017;倪瑶和成春林，2020;张贺和白钦先，2018;梁双陆和刘培培，2019;周利等，2020）[4-8];也可以通过提高信贷可得性、增加农村地区收入、满足农村金融需求、促进包容性增长、提升社会保障水平等机制实现其增收减贫效应（傅秋子和黄益平，2018;黄倩等，2019;汪亚楠等，2020;周利等，2021）[9-12]。然而，关注数字普惠金融影响经济高质量发展的研究相当有限。本文认为，数字普惠金融是经济高质量发展的重要驱动因素。传统金融的物理网点式服务成本较高、覆盖范围较低，制约了我国经济高质量发展。数字普惠金融充分利用人工智能、大数据、电子商务技术等现代化手段，大大降低了金融服务成本，扩展了金融服务覆盖范围，增强了金融服务便利性，提高了金融促进经济高质量发展的效率和水平。因此，本文提出以下假说：

假说1：数字普惠金融推动了经济高质量发展。

现有研究已经证明了创新能力（冉征和郑江淮，2021）[13]、技术溢出（汪丽娟等，2019）[14]以及产业升级（贾洪文等，2021）[15]对经济高质量发展的驱动机制及驱动效应。本文认为数字普惠金融可以通过强化创新能力效应、技术溢出效应和产业升级效应进一步驱动经济高质量发展。（1）创新能力效应。一方面，数字普惠金融能够拓宽融资渠道，降低融资成本，扩大融资规模，进而增加研发资本投入，从而有利于提高创新能力。另一方面，数字普惠金融体现出的较高的数字化程度能够加快产品和要素市场数据和信息传输速度，加速创新资源在项目、企业和行业之间流动，增强创新资源市场交易能力，从而有利于提高创新能力。（2）技术溢出效应。第一，数字普惠金融有助于捕捉海量数据信息，降低数据信息收集成本，特别是降低了先进技术需求方运用先进技术改进落后生产经营方式的数据信息收集成本，促进了先进技术的应用和推广，从而有利于扩大技术溢出。第二，数据信息的快速、精准捕获能够缩短二次创新的研发时间，降低学习和吸收先进技术的成本，有利于提高技术改造、模仿和创新成功率，提升获得高水平科技成果的概率，从而有利于进一步扩大技术溢出。（3）产业升级效应。一是数字普惠金融能够加快信息与技术的融合速度，促使新技术更快、更好地转移转化，从而提高整个产业的生产率，进而促进产业升级。二是数字普惠金融能够优化资本配置结构，提升传统金融服务实体经济的能力，提高金融服务实体经济的效率和质量，这不仅助推了金融产业自身要素禀赋结构转型升级，也能带动相关产业结构之间与结构内部的升级。因此，本文提出以下假说：

假说2：数字普惠金融通过提高创新能力、扩大技术溢出和促进产业升级的中介机制推动了经济高质量发展。

三、研究设计

（一）计量模型设定

1. 基准回归模型设定。空间杜宾模型（Spatial Durbin Model，以下简称SDM）作为空间计量模型中的一般化模型①，可以较好地反映被解释变量、解释变量及随机干扰项的空间相关性（Elhorst，2014）[16]，是研究各类空间溢出效应的标准框架。因此，本文参考Lesage和Pace（2009）[17]的做法，采用SDM来设定基准回归模型。模型设定如下：

[GTFPit=σ1GTFPit-1+ρjωijGTFPjt+σ2DIFIit+π1jωijDIFIjt+σ3Conit+π2jωijConjt+μ1i+υ1t+ε1it]  （1）

其中，下标[i]和[t]分别表示省份和年份;被解释变量[GTFP]表示经济高质量发展水平，核心解释变量[DIFI]为数字普惠金融发展水平，[Con]为一组控制变量;[ρ]为空间自回归系数;[ω]为空间权重矩阵。为了更好地拟合省份间的经济发展状况，本文参考林光平等（2005）[18]的做法，使用人均[GDP]平均值之差的绝对值的倒数构建经济距离空间权主矩阵。此外，本文还选取了常见的邻接权重矩阵和地理距离矩阵用来对经济距离权重矩阵的估计结果进行稳健性检验。[μ1]和[υ1]分别为省份固定效应和年份固定效应，用来控制不可观测因素，提升模型估计精度;[ε∼iid0，δ2]为随机干扰项且与[μ1]不相关。

2. 中介回归模型设定。本文参考Baron和Kenny（1986）[19]提出的中介效应三步检验方法，以基准回归模型（1）为第一步的回归模型，并继续基于动态SDM将第二步和第三步的递归模型设定如下：

[Medit=θ1Medit-1+ρjωijMedjt+θ2DIFIit+ϕ1jωijDIFIjt+θ3Conit+ϕ2jωijConjt+μ2i+υ2t+ε2it] （2）

[GTFPit=τ1GTFPit-1+ρjωijGTFPjt+τ2DIFIit+φ1jωijDIFIjt+τ3Medit+φ2jωijMedjt+τ4Conit+φ3jωijConjt+μ3i+υ3t+ε3it] （3）

其中，[Med]为表示创新能力、技术溢出和产业升级的中介变量。本文将按照以下步骤检验中介效应是否显著存在：第一步，回归模型（1），系数[σ2]反映了数字普惠金融对经济高质量发展的总效应，如果[σ2]显著则进行下一步。第二步，回归模型（2），通过系数[θ2]识别数字普惠金融对中介变量的影响，如果[θ2]显著则进行下一步。第三步，回归模型（3），系数[τ2]和[τ3]分别反映了数字普惠金融对经济高质量发展的直接效应和中介效应，如果系数[τ3]显著，说明中介效应存在，其中，如果[τ2]不显著，说明存在完全中介效应;如果[τ2]显著，说明存在部分中介效应，中介效应所占比重为[[（θ2τ3）/（τ2+θ2τ3）]]。

（二）研究变量

1. 被解释变量——经济高质量发展水平（GTFP）。考虑到当前供给侧结构性改革的目的是提高要素供给质量，推进结构调整，矫正要素错配，提高全要素生产率（Total factor productivity，以下简称TFP）。由此可见，提高供给质量乃至整个经济发展质量，最终都要落实到提高TFP上。此外，由于近年来环境污染问题日趋严重，我国政府高度重视产业结构和经济发展方式的转型升级，力图实现“降污”与“增长”双赢、“既要金山银山，也要绿水青山”的绿色经济高质量发展（祁毓等，2016）[20]。因此，本文采用能够同时考虑实际经济增长过程中期望产出（“好”的产出，如 GDP等） 和非期望产出（“坏”的产出，如环境污染等）的绿色全要素生产率（Green TFP，以下简称GTFP）来衡量经济高质量发展水平。

参考Chung等（1997）[21]提出的、能够同时考虑以上两种产出类型的Malmquist-Luenburger指数模型，并基于规模报酬不变假设，测算考察期内各省份的GTFP。GTFP的测算过程需要各省份的投入及期望产出和非期望产出变量数据。就投入变量来说，本文参考汪莉等（2019）[22]的研究，选择劳动力投入、资本投入和能源投入。其中，劳动力投入采用2011—2018年各省份年末城镇单位就业人数表征;资本投入采用固定资产投资，并利用永续盘存法将其核算为存量形式;能源投入为各省份的能源消费总量。对于期望产出采用2011—2018年各省份地区生产总值，并利用以2011年为基期的GDP平减指数将其核算为2011年的不变价。对于非期望产出，本文参考王兵和刘光天（2015）[23]的研究，选取二氧化硫（ SO2）排放量以及二氧化碳（CO2）排放量进行衡量。

2. 核心解释变量——数字普惠金融发展水平（DIFI）。本文选取北京大学数字金融研究中心发布的数字普惠金融指数（Digital Inclusive Finance index，以下簡称DIFI）来衡量数字普惠金融发展水平。该指数的编制遵循了综合性、均衡性、可比性、连续性和可行性等原则，将数字技术与普惠金融相融合，可以较好地反映各省份的数字普惠金融发展水平。此外，该指数又分为覆盖广度（DIFC）、使用深度（DIFD）和数字化程度（DIFS）三个维度，其中，覆盖广度反映了数字普惠金融触达客户的能力，使用深度体现了数字普惠金融的发展深度，而数字化程度则考察了数字普惠金融的便利性程度（郭峰等，2020）[24]。

3. 中介效应变量。（1）创新能力（Inn）。本文从创新投入的角度来度量各省份的创新能力，采用各省份R&D经费投入占GDP的比重，即R&D经费投入强度来衡量。（2）技术溢出（Tec）。现有研究已经证明技术市场成交额能够较好地体现省份间的技术溢出（戴魁早和刘友金，2020）[25]，基于同一思路，本文采用各省份技术市场成交额的对数来衡量技术溢出水平。（3）产业升级（Upg）。本文从产业结构高级化维度来考察产业升级，产业结构高级化是指产业结构从农业化向工业化进而向服务化、信息化演进的过程。本文采用各省份第三产业产值与第二产业产值之比来衡量。

4. 控制变量。综合经济高质量发展影响因素的代表性文献，本文选取了经济增长水平（PGDP）、投资水平（Inv）、消费水平（Con）、对外开放水平（Open）、城镇化水平（Urban）以及交通基础设施水平（Inf）作为控制变量，以尽可能避免因遗漏变量导致的估计偏误。其中，经济增长水平采用经过平减后的人均GDP的对数形式衡量;投资水平和消费水平采用支出法国内生产总值中的资本形成率和最终消费率衡量;对外开放水平采用进出口总额占GDP比重衡量;城镇化水平采用城镇总人口占全部人口的比重衡量;交通基础设施水平采用单位国土面积交通基础设施（铁路里程+公路里程+内河航道里程）的密度衡量。

（三）数据来源与描述性统计

本文选取了2011—2018年我国省级层面面板数据作为研究样本，研究对象为我国30个省级行政区（未包括港澳台地区及西藏自治区）（以下简称省份）。除了数字普惠金融发展水平，其余变量所涉及的数据来源于2012—2019年的《中国统计年鉴》《中国人口和就业统计年鉴》以及各省份的统计年鉴，变量的描述性统计如表1所示。

四、实证结果与分析

（一）空间相关性检验结果分析

采用空间计量模型进行回归的前提是变量存在空间自相关性，通常采用Moran's I指数来判别。本文计算了三种空间权重矩阵下经济高质量发展水平和数字普惠金融发展水平的Moran's I指数，结果如表2所示。2011—2018年，三种空间权重矩阵下经济高质量发展水平的Moran's I指数均在1%或5%的水平下显著为正。这一结果表明，在空间上各省份的经济高质量发展水平并不是随机分布的，具有较强的正相关性和相似值的空间聚集性，即经济发展质量较高的省份彼此相邻，而经济发展质量较低的省份也彼此相邻，相邻省份之间经济高质量发展会彼此促进。此外，2011—2018年，三种空间权重矩阵下数字普惠金融发展水平的Moran's I指数均在1%水平显著为正，这意味着各省份数字普惠金融发展水平存在非常显著的空间相关性，在考察数字普惠金融对经济高质量发展的影响时，其空间相关性不可忽视。

（二）基准回归模型估计结果分析

本文先对基准回归模型进行了Hausman检验，结果显示其P值为0，拒绝了随机效应的原假设;在此基础上，又对其进行了Wald检验和LR检验。结果显示，各检验的统计量均在1%水平下显著，并且由于解释变量的空间自回归系数显著不为0，表明SDM不能退化为SAR和SEM。因此，本文采用固定效应的SDM模型，估计结果见表3。

对比第一列和第二列可以发现，静态SDM的估计结果在R2和Log-likelihood值稳健性方面均不及动态SDM估计结果，且经济高质量发展水平滞后一期的估计系数非常显著，由此可见，不考虑时间滞后效应的静态SDM估计结果有一定偏误，因此，本文以第二列基于经济距离矩阵的动态SDM估计结果进行基准分析。

由第二列可知，经济高质量发展水平的空间自回归系数ρ在5%的水平下显著为正，这说明经济高质量发展具有明显的空间溢出效应，空间相关省份经济发展质量的提升能够显著促进本省份经济发展质量的改善。这一结果也反映出，各省份应加强沟通协作，凝聚发展合力，携手推动区域经济高质量发展。经济高质量发展水平滞后一期的估计系数为0.468，且在1%的水平下显著，表明前一期经济高质量发展水平每增加1个单位，将导致下一期经济高质量发展水平继续走高0.468个单位，这意味着我国经济高质量发展在时间维度上表现出明显的惯性特征和路径依赖现象，各级政府在追求经济“量”的增长的同时，更要重视经济发展“质”的持续提升。核心解释变量数字普惠金融发展水平的估计系数为0.013，且在1%的水平下显著，这一结果表明数字普惠金融发展水平每增加1个单位，将显著提高经济高质量发展水平0.013个单位，假说1得到证实。

此外，第三列和第四列还报告了邻接矩阵动态SDM和地理距离矩阵动态SDM估计结果。与第二列经济距离矩阵动态SDM估计结果相比，数字普惠金融发展水平的估计系数大小虽然有所变化，但仍然在1%的水平下显著为正，其余各控制变量的系数符号及显著性均没有明显改变，说明了第二列经济距离矩阵动态SDM的估计结果是稳健的。

（三）中介回归模型估计结果分析

按照上文给出的中介效应检验步骤进行估计。另外，考虑到中介效应检验的三个回归模型均以动态SDM形式构建，本文利用Moran's I指数对模型（2）中三个中介变量的空间相关性进行检验②，结果发现三个中介变量在空间上均表现出了较强的正相关性特征，证明了以动态SDM形式构建中介回归模型的合理性。中介效应估计结果见表4。

如第一、三、五列所示，数字普惠金融对三个中介变量创新能力、技术溢出和产业升级的估计系数分别在1%和5%的水平下显著为正，说明数字普惠金融能够显著提高创新能力、扩大技术溢出并促进产业升级。第二、四、六列为纳入中介变量后模型（3）的估计结果，可以发现，创新能力、技术溢出和产业升级的估计系数均在1%的水平下显著为正，且与基准回归模型一致，数字普惠金融的估计系数仍然显著为正，说明创新能力、技术溢出和产业升级均只产生了部分中介效应，且中介效应在总效应中的占比分别为7.236%、5.251%和11.229%。这一结果验证了数字普惠金融可以通过提高创新能力、扩大技术溢出和促进产业升级的中介效应推动经济高质量发展，假说2得到证实。

（四）异质性分析

1. 数字普惠金融各维度对经济高质量发展的影响。数字普惠金融发展包括覆蓋广度、使用深度和数字化程度三个维度，本文进一步基于经济距离矩阵动态SDM分析这三个维度对经济高质量发展的影响，表5第一列到第三列分别报告了三个维度的估计结果。

如第一至三列所示，数字普惠金融各维度均对经济高质量发展产生了显著的正向影响。具体来说，覆盖广度对经济高质量发展的推动作用最为显著，使用深度次之，数字化程度最小。覆盖广度的扩展意味着数字普惠金融可获得性的增加，这种基于互联网的新金融模式打破了传统金融的限制，使得更多经济主体能够触及金融服务，也可以使原先劳动效率低下的人群受益于数字普惠金融服务，从而有利于推动经济高质量发展。随着使用深度的推进，数字普惠金融的信贷、保险、征信等服务功能可得性更高，有助于缓解企业和居民的信贷约束，提高其抗风险能力，既满足了企业和居民的金融需求，又为企业创造更多的就业岗位、帮助劳动力实现异地就业并进行人力资本投资等，从而优化了要素配置。覆盖广度是前提，使用深度代表实际应用，而数字化程度是基本条件。前两者为“普”，后者则为“惠”。虽然数字普惠金融在我国各省份均有发展，但内陆落后省份居民的使用频率远低于沿海发达省份。例如，扫码支付在发达省份已为常态，而现金交易在落后省份仍占很大比例。因此，数字化程度对经济高质量发展的推动作用相对较小。

2. 各区域数字普惠金融对经济高质量发展的影响。数字普惠金融对经济高质量发展的影响可能受到地区经济发展水平的制约。根据常用的分类标准，本文将30个省份划分为东部、中部和西部三大区域③，表6第一列到第三列分别给出了三大区域基于经济距离矩阵的动态SDM估计结果。

如第一至三列所示，东部、中部和西部地区数字普惠金融发展均显著推动了经济高质量发展，间接验证了全国层面的估计结果是稳健的。具体来说，西部地区数字普惠金融对经济高质量发展的推动作用最为显著，中部地区次之，东部地区最小。东部地区金融服务业较为发达，传统金融机构已形成完整、规模化的服务网络，数字普惠金融发展只是起到补充作用，对经济高质量发展的推动作用相对较小。相比之下，近年来中西部地区数字普惠金融快速发展，并以其低门槛、低成本和广覆盖等特点迅速渗透到各个产业领域和县域经济中，呈现出显著的亲贫性特征，使得中西部欠发达省份和中低收入群体享受到更优质的金融服务，有力配合了国家的中部崛起和西部大开发战略，持续推动经济高质量发展。

（五）内生性讨论

为了避免出现“经济发展质量越高的省份数字普惠金融发展水平越高”这一反向因果可能导致的内生性问题，本文参考谢绚丽等（2018）[3]的研究，选取中国互联网络信息中心（CNNIC）提供的各省份互联网普及率（Int）作为数字普惠金融发展的工具变量，并继续采用三种空间权重矩阵下的动态SDM对模型内生性问题进行校正。理由如下：首先，互联网普及率反映了数字普惠金融发展的基础设施水平，与数字普惠金融发展显著正相关;其次，在控制了各省份不同经济发展水平后，互联网普及率与经济高质量发展之间并不直接相关，满足工具变量的外生性要求;再次，LM检验和Cragg-Donald Wald 检验的结果表明互联网普及率不存在识别不足和弱工具变量问题;最后，由于内生变量与工具变量数量相同，工具变量恰好被识别，所以也不存在过度识别问题。因此，互联网普及率是数字普惠金融的一个有效工具变量，估计结果见表7。

如表7所示，引入了工具变量互联网普及率后，三种空间权重矩阵下数字普惠金融发展仍然对经济高质量发展产生显著的正向影响，且修正了内生性之后，数字普惠金融的估计系数及显著性均有一定程度的提升，这证明了上述实证分析结果是稳健且一致的。

五、研究结论与政策启示

本文利用2011—2018年我国30个省级行政区的面板数据，通过动态SDM和中介效应模型考察了数字普惠金融对经济高质量发展的影响。研究结果表明：（1）经济高质量发展在空间上表现出了较强的正相关性特征，在时间上表现出了明显的路径依赖特征;（2）数字普惠金融不仅直接推动了經济高质量发展，还可以通过提高创新能力、扩大技术溢出和促进产业升级的中介效应推动经济高质量发展，三种中介效应的占比分别为4.443%、3.707%和5.180%;（3）数字普惠金融的覆盖广度对经济高质量发展的推动作用最为显著，其次是使用深度，数字化程度的推动作用最小;（4）西部地区数字普惠金融对经济高质量发展的推动作用最为显著，中部地区次之，对东部地区经济高质量发展的推动作用最小。

近年来，信息技术的快速发展加速了数字技术与普惠金融的有机结合，衍生出了金融发展的新方向，并积极赋能经济发展。经过40多年的改革开放，我国经济逐渐由量增模式向提效模式转变，高质量经济已成为可持续发展的必然选择。坚持金融服务实体经济的理念，深入推进金融供给侧结构性改革，是实现经济高质量发展的前提和基础;而进行数字普惠金融创新则是践行金融供给侧结构性改革的重要内容。因此，本文的政策启示在于，应继续推进数字普惠金融体系建设，拓展数字普惠金融覆盖广度、提高使用深度并增强数字化程度，不断完善其在支付、信贷、保险等方面的功能，充分发挥其覆盖范围广、服务成本低的优势，同时还需加强对数字普惠金融潜在风险的防范，为经济高质量发展提供更加坚实的金融保障。

注：

①SDM可通过系数设定退化成具有特异性的空间滞后模型（SAR）或空间误差模型（SEM），因而其更具有一般性（Kortum和Lerner，1998）[26]。

②篇幅所限，本文不在正文中列出三个中介变量的空间相关性检验结果。

③东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南;中部地区包括吉林、黑龙江、山西、安徽、江西、河南、湖北和湖南;西部地区包括内蒙古、重庆、四川、贵州、 云南、陕西、甘肃、广西、青海、宁夏和新疆。

参考文献：

[1] 李志扬，李泽军，李彩虹.金融支持区域经济高质量发展监测框架研究 [J].金融经济，2020，（3）.

[2]数字普惠金融发展白皮书（2019年） [M].中国信息通信研究院云计算与大数据研究所，2019.

[3]谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？——来自中国的证据 [J].经济学（季刊），2018，（4）.

[4]宋晓玲.数字普惠金融缩小城乡收入差距的实证检验 [J].财经科学，2017，（6）.

[5]倪瑶，成春林.普惠金融数字化对城乡居民福利差异影响的对比研究 [J].金融发展研究，2020，（3）.

[6]张贺，白钦先.数字普惠金融减小了城乡收入差距吗？——基于中国省级数据的面板门槛回归分析 [J].经济问题探索，2018，（10）.

[7]梁双陆，刘培培.数字普惠金融与城乡收入差距[J].首都经济贸易大学学报，2019，（1）.

[8]周利，冯大威，易行健.数字普惠金融与城乡收入差距：“数字红利”还是“数字鸿沟”[J].经济学家，2020，（5）.

[9]傅秋子，黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据 [J].金融研究，2018，（11）.

[10]黄倩，李政， 熊德平. 数字普惠金融的减贫效应及其传导机制 [J].改革，2019，（11）.

[11]汪亚楠，谭卓鸿，郑乐凯.数字普惠金融对社会保障的影响研究 [J].数量经济技术经济研究，2020，（7）.

[12]周利，廖婧琳，张浩.数字普惠金融、信贷可得性与居民贫困减缓——来自中国家庭调查的微观证据 [J]. 经济科学，2021，（1）.

[13]冉征，郑江淮.创新能力与地区经济高质量发展——基于技术差异视角的分析 [J].上海经济研究，2021，（4）.

[14]汪丽娟，吴福象，蒋欣娟.双向FDI技术溢出能否助推经济高质量发展 [J].财经科学，2019，（4）.

[15]贾洪文，张伍涛，盘业哲.科技创新、产业结构升级与经济高质量发展 [J].上海经济研究，2021，（5）.

[16]Elhorst J.Paul. 2014. Spatial Econometrics：from Cross Sectional Data to Spatial Panels [M].New York： Springer.

[17]LeSage James，Pace Robert Kelley. 2009. Introduction to Spatial Econometrics [M].New York：CRC Press.

[18]林光平，龙志和，吴梅.我国地区经济收敛的空间计量实证分析：1978-2002年 [J].经济学（季刊），2005，（S1）.

[19]Reuben M. Baron，David A. Kenny. 1986. The Moderator-Mediator Variable Distinction in Social Psychological Research：Conceptual，Strategic，Andstatistical Considerations[J].Journal of Personality & Social Psychology，（6）.

[20]祁毓，盧洪友，张宁川.环境规制能实现“降污”和“增效”的双赢吗？——来自环保重点城市“达标”和“非达标”准实验的证据 [J].财贸经济，2016，（9）.

[21]Chung Y H，Färe R，Grosskopf S. 1997. Productivity and Undesirable Outputs：A Directional Distance Function Approach [J].Journal of Environmental Management，51.

[22]汪莉，邵雨卉，陈登科.地方寻租与区域绿色经济增长效率 [J].世界经济文汇，2019，（3）.

[23]王兵，刘光天.节能减排与中国绿色经济增长——基于全要素生产率的视角 [J].中国工业经济，2015，（5）.

[24]郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展：指数编制与空间特征 [J].经济学（季刊），2020，（4）.

[25]戴魁早，刘友金.市场化改革能推进产业技术进步吗？——中国高技术产业的经验证据 [J].金融研究，2020，（2）.

[26]Kortum S. Samuel，Lerner Josh. 1998. Stronger Protection or Technological Revolution：what is Behind the Recent Surge in Patenting [C].Cambridge：Carnegie-Rochester Conference Series Public Policy，NBER.