数字普惠金融发展促进了城市创新吗？ *——基于空间溢出和门槛特征的实证分析

徐章星

（南京农业大学金融学院，江苏 南京 210095；德国哥廷根大学，德国 哥廷根 37073）

一、引言

改革开放以来，我国经济持续高速增长，已迈入中等国家行列。但是，随着刘易斯拐点的出现，人口红利开始逐步消失，加之全球经济周期性调整，我国经济发展开始进入平稳增长阶段。相关数据显示，2019 年我国GDP 实际增速为6.1%，低于1978-2008 年高速增长期的平均增速9.8%。十九大报告指出：“创新是引领发展的第一动力”。在经济下行的背景下，提升企业创新能力，优化产业结构，推动经济发展模式由粗放式增长逐步转变为以创新为驱动的内涵式增长，成为未来中国经济发展的努力方向和路径选择。

创新活动的开展离不开资金的支持。近年来，数字普惠金融的发展为创新活动拓宽了融资渠道。国务院印发的《推进普惠金融发展规划（2016-2020 年）》明确提出：“积极引导各类普惠金融服务主体借助互联网等现代信息技术手段，降低金融交易成本，延伸服务半径，拓展普惠金融服务的广度和深度”。依托信息技术和大数据的发展，普惠金融的服务范围不断扩大，在互联网与传统金融行业进行深度融合的基础上创造出了新的发展业态——数字普惠金融。一方面数字普惠金融的发展促进数字技术与传统金融行业融合发展，发挥普惠金融包容性特征，为降低信息不对称、解决融资难问题提供了新的发展机遇（徐章星等，2015）。另一方面数字普惠金融的发展打破了空间限制，解决贫困问题，推动金融服务加速向周边地区扩散，在一定程度上促进相邻城市的经济发展（董玉峰等，2020）。

已有研究主要集中在传统金融与创新之间的关系，关于数字普惠金融是否促进了创新和经济发展，文献有不同研究结果。谢绚丽等（2018）发现数字普惠金融具有“包容性”特征，对于城镇化率较低的省份和注册资本较少的微型企业的创新具有促进作用。梁榜和张建华（2019）从城市和企业两个层面进行理论和实证研究发现，数字普惠金融的发展和推广促进了城市和中小企业的技术创新。同时，也有部分学者持有相反意见。廖理和张伟强（2017）指出，网络借贷市场中可能存在更强的逆向选择和道德风险问题。同时也有学者对众筹模式的可行性提出了疑问（朱韬和张智光，2019），认为数字普惠金融不一定对创新起到正向作用。总的来看，以往研究存在一定缺陷：一方面基于空间同质性假设背景下分析数字普惠金融与创新之间的关系，另一方面忽视了数字普惠金融与创新之间可能存在的非线性关联，即未考虑不同水平下数字普惠金融对于创新影响的差别效应。

有鉴于此，本文以中国地级市数据为样本，考察数字普惠金融的发展对城市创新的影响。本文可能的贡献有以下几点：第一，理论分析数字普惠金融对于城市创新的空间溢出效应和门槛特征。第二，将中国地级市统计年鉴数据与《北京大学数字普惠金融指数》市级数据相匹配，构建空间面板模型，从微观层面实证探讨数字普惠金融的发展对于城市创新的空间溢出效应。第三，构建门槛面板模型，分析数字普惠金融的发展在促进城市创新过程中可能存在的非线性特征，并考察经济发展的调节作用。

二、理论分析与研究假设

近年来，我国一直致力于金融领域的创新，以大数据、云计算等数字技术与传统金融相互融合，催生了数字金融的新型金融业态，为缓解借贷双方的信息不对称问题、降低交易成本提供了可能性（白俊红和蒋伏心，2015；郭峰和王瑶佩，2020），例如网络借贷连接了地理位置较远的资金需求方和供给方，拓宽了金融服务覆盖广度和深度（谢平和邹传伟，2012）。

数字普惠金融能够有效补充传统金融服务的不足，解决不发达地区长期以来的金融服务不足的问题，同时金融服务水平和可得性的提高能够激励创新活动的发生，有助于促进城市创新水平的提升。数字普惠金融的“包容性”理念和“草根”特性与中小企业等特殊群体的创新需求特征相契合，以借款企业在互联网上沉淀下来的软信息为基础构建信用评估模型，为降低企业风险评估成本提供了可能性，在一定程度上缓解了企业硬信息不足的劣势，降低了企业贷款违约风险，减少了逆向选择和道德风险问题。因此，数字普惠金融的发展缓解了中小企业硬信息不足的劣势，帮助中小企业跨越融资约束门槛，改善了创新环境，释放了中小企业的创新活力，有助于城市创新能力的提升。值得注意的是，数字普惠金融的发展是一个逐步累积但不连续的过程，数字普惠金融的发展起源于条件较为优越的城市，并逐步由大城市向周边城市进行扩张。在数字普惠金融发展的初期，由于大城市基础设施较为完备，根据“极化效应”，与数字普惠金融发展相关的生产要素开始向大城市集中，大城市数字普惠金融发展相对较快。随着数字普惠金融的发展，由于自身的产业发展需求，加上资本本身的逐利性，数字普惠金融开始不断向周边城市发展，通过“涓滴效应”，服务于邻近城市，产生空间溢出效应。数字普惠金融的溢出效应指的是数字普惠金融的发展加速了邻近城市相关产业的竞争与发展，促进企业通过技术创新来提高生产效率，因此数字普惠金融不仅能够在一定程度上削弱本地资金供需双方信息不对称带来的不利影响，其空间溢出效应也能带来相邻城市技术创新的增加，为远距离金融扩散提供技术支撑。数字普惠金融将数字技术等科技手段应用到普惠金融领域，具有“成本低、速度快、覆盖广”的优势（黄益平和黄卓，2018），使得地理距离对金融溢出效应的影响逐渐降低，空间之间的摩擦系数开始降低，促进了数字普惠金融的空间溢出。基于以上分析，提出本文的第一个研究假设：

H1：数字普惠金融的发展对城市创新存在明显的空间溢出效应。

由于大城市具备更好的区位条件和更为完备的基础设施，数字普惠金融的发展对于城市创新的影响可能具有差异（韩先锋等，2019）。在数字金融时代，企业创新需求更加多元化和个性化，通过数字金融手段进行融资、进行技术研发与升级的可能性提高。随着数字普惠金融的不断发展以及相关基础设施的不断完善，数字普惠金融的广度、深度和数字化程度进一步提升，受益群体进一步扩大，创新溢出效果将进一步显现，促使“大众创业、万众创新”良好氛围的真正形成，引发数字普惠金融对创新影响的动态变化，即数字普惠金融对城市创新的影响可能存在一定的非线性特征。一方面，数字普惠金融水平对城市创新影响受到自身门槛特征的约束（唐文进等，2019）。在数字普惠金融发展的初期，数字普惠金融的使用广度和深度并不高，此时引发的创新效应较小。在数字普惠金融发展水平较低和相关基础设施不够完善时，研发部门的融资成本相对较高，数字普惠金融的创新效应相对有限。随着数字普惠金融使用的广度、深度和数字化程度的不断增加，融资成本进一步降低，会促使更多弱势群体能够享受到数字普惠金融带来的金融产品和服务，进一步激发创新融资需求。当数字普惠金融发展到达一定阶段时，对城市创新的作用的影响进一步增强，出现边际收益递增的现象，即越过一定的数字普惠金融水平门槛后，创新激励效应可能开始出现几何式增长，具有“梅特卡夫法则”特征。另一方面，数字普惠金融的发展受到经济发展水平的调节。根据威廉姆斯假设，金融发展对于城市发展的影响可能受到经济发展水平的制约（袁华锡等，2019）。作为高端服务行业，金融业具有较高的门槛，需要一定的经济发展水平与之匹配。在经济发展水平较低的地区，数字普惠金融的发展具有明显的后发优势，其“包容性”特征弥补了传统金融不足，延伸到了传统金融服务无法触达的弱势群体（王国刚和张扬，2015），拓宽了金融服务的广度和深度，对创新的激励效应能够加速落后地区产业结构升级和城市经济发展。随着地区经济发展水平的提升和数字普惠金融的发展纵深，数字普惠金融与实体经济匹配程度增加，对城市创新的促进作用也进一步增强。据此，提出本文的第二个研究假设：

H2：数字普惠金融的发展对于城市创新具有非线性影响，同时该影响受到经济发展水平的调节。

三、研究设计

（一）模型设定

1.空间计量模型

目前空间计量模型主要有空间杜宾模型（SDM）、空间误差模型（SEM）和空间自回归模型（SAR）等。其中，空间杜宾模型将空间误差模型和空间自回归模型相结合，能够得到无偏估计，解释程度更高。同时，本文结合Elhorst（2014）的研究思路对模型的适用程度进行检验，结果如表1 所示。第一，Moran 指数检验结果表明，模型存在空间相关性。第二，LM检验结果显示，空间误差模型和空间自回归模型均适用。第三，经济距离权重矩阵下，空间杜宾模型的Hausman 检验结果显示支持固定效应空间计量模型。第四，空间杜宾模型的地区、时间和双重固定效应LR 检验结果均表明，在固定效应的空间杜宾模型中应同时控制地区和时间双重固定效应。第五，双重固定效应空间杜宾模型的Wald 检验和LR 检验均在1%显著性水平下显著，因此双重固定效应的空间杜宾模型不能简化为空间误差模型或空间自回归模型。基于此，本文利用空间自回归模型、空间误差模型和空间杜宾模型分别进行估计，并分析空间杜宾模型的直接效应和间接效应。

表1 模型检验结果

空间杜宾模型设定如下：

其中：w 代表空间权重矩阵，μi为地区固定效应，vt为时间固定效应，εit代表随机扰动项。参考LeSage（2011）的做法，将空间杜宾模型写成矢量形式，通过计算偏微分得出数字普惠金融对城市创新影响的直接效应和间接效应。空间杜宾模型的矢量形式如下：

在式（3）中，右侧矩阵独立于时间t，直接效应为右侧矩阵对角线元素的平均值，为本地区解释变量对本地区的平均影响；间接效应为非对角线元素的行总和或列总和的平均值，为本地区解释变量对其他地区的平均影响。

一般而言，空间溢出效应与当地经济程度相关。经济相似程度较高的城市，越有利于数字普惠金融的发展与传播，同时促进技术创新的消化与吸收，空间溢出效应也越大。据此，构建经济距离空间权重矩阵如下：

在式（4）中，GDP 为当年地区人均实际GDP，n 为年份。此外，在实证研究中，为了衡量区域空间溢出的平均影响，本文对经济距离空间权重进行了标准化处理。

2.面板门槛模型

为了检验数字普惠金融对城市创新影响的非线性效应，本文采用Hansen（1999）的面板门槛模型进行估计，模型构建如下：

在式（5）中，γ 为待估门槛值，将所有样本划分为两个区间；DF 为数字普惠金融指数，在模型中既是门槛变量，也是核心解释变量，差异是在两个区间内系数不同；I(DFit≤γ)和I(DFit＞γ)是指示函数，满足条件时为1，未满足时为0。

为了得到门槛值及其系数估计，首先需要消除个体效应λi的影响，通过观测值减去组内平均值得到：

对所有观测值进行累叠，将（6）式进行矩阵变换得到：

根据门槛值γ 得到系数α 的OLS 估计值：

值得注意的是，样本中可能存在不止一个门槛，因此将式（5）进行扩展如下：

同时，为了进一步考察不同经济水平下数字普惠金融对城市创新的影响，本文将地区经济发展水平作为调节变量，以此为门槛变量构建非线性模型如下：

（二）数据来源

为了验证前文所提出的研究假设，本文采取以下数据：第一，《中国城市统计年鉴（2012-2017 年）》；第二，2011-2016 年北京大学数字普惠金融指数；第三，2011-2016 年中国研究数据服务平台（Chinese Research Data Services，简称CNRDS）获得的各地级市专利申请数。本文将数据进行以下处理：第一，以地级市为标准，将中国地级市统计年鉴数据、北京大学数字普惠金融指数以及各地区专利申请数以地级市为标准进行匹配；第二，删除样本期间市县合并或重新建立的地级市；第三，剔除相关数据缺失的城市。经过筛选和处理，我们得到了248 个地级市1488 个观测值的平衡面板数据，时间跨度为2011-2016 年。

（三）变量选择

数字普惠金融（DF）。本文的数字金融指数来源于《北京大学数字普惠金融指数》，该数据库由北京大学互联网金融研究中心设计而成，从覆盖广度、使用深度和数字化程度三个方面选取了33 个指标构建了中国数字普惠金融综合指数，涵盖了支付、保险以及信贷等业务，范围涉及省级、地市级和县域三个层级。截至2019 年，该数据库覆盖了全国31 个省份，为数字普惠金融领域相关研究提供了有效的数据支持。本文选取了地级市2011-2016 年数字普惠金融指数作为模型中的主要解释变量，并进行对数化处理。

城市创新（Inn）。城市层面的创新是城市发展由数量型发展向质量型发展的动力，用所在城市当年发明专利申请数量的自然对数来衡量。

表2 主要变量的描述性统计结果

控制变量（Control）。在借鉴以往文献的基础上，本文选取了一系列可能对城市创新产生影响的控制变量，具体如下：产业结构（IS），以第二产业占当年地区生产总值比重来衡量；科教支出（SEE），以城市当年科学事业费支出和教育事业费支出之和占当年地区生产总值比重来表示；人力资本（HC），以高等学校在校学生人数占地区年末总人口比重来表示；固定资产投资（NVFA），以城市当年固定资产投资总额占地区生产总值的比例来衡量；地区经济发展水平（PGDP），以人均地区生产总值的自然对数来衡量；城市环境质量（EQ），以所在城市当年工业二氧化硫排放量来表示，并取自然对数。主要变量的描述性统计结果如表2 所示。

四、实证分析

（一）空间相关性检验

参考以往研究，本文采用Moran's I 指数和Geary's C 两种方式分别对城市创新和数字普惠金融发展进行空间相关性检验，以判断是否应当构建空间计量模型。一般情况下，-1≤Moran's I ≤1：当Moran's I 指数大于零时，表明地区之间的观测值直接存在正相关关系，同时Moran's I 指数越大说明正相关关系越强；当Moran's I 指数小于零时，说明地区之间的观测值存在负相关关系，同时Moran's I 指数越小说明负相关关系越强；当Moran's I 指数等于零时，说明地区之间观测值相互独立，不存在相关关系。而0＜Geary's C＜2，当Geary's C 指数小于1 时，说明各地区之间观测值存在正相关；Geary's C 指数＞1 时说明各地区指数负相关，当Geary's C 指数等于1 时不相关。

Moran's I 指数和Geary's C 指数可以表示为:

城市创新和数字普惠金融发展的空间自相关检验结果如表3 所示。可以发现，在2011-2016 年，各地级市城市创新和数字普惠金融发展的Moran's I 指数和Geary's C 指数的检验均在1%显著性水平下通过了检验，同时Moran's I 指数和Geary's C 指数均大于零小于1，说明数字普惠金融的发展与城市创新各自都具有明显的空间正相关性。再以经济距离为空间权重矩阵进行检验表明，较高数字普惠金融发展（城市创新）水平的地区互相邻近，而较低数字普惠金融发展（城市创新）水平的城市之间也相互接近。

表3 数字普惠金融指数与城市创新的空间相关性检验

（二）空间面板回归模型估计结果

根据表4 的回归结果可以发现，空间自回归模型（SAR）系数ρ 估计值为0.116，在5%显著性水平下显著，空间误差模型（SEM）系数λ 为0.104，在5%显著性水平下显著，空间杜宾模型（SDM）系数ρ 为0.089，在10%显著性水平下显著，表明经济距离相邻近的城市，数字普惠金融发展的空间溢出效应越强。除此以外，三个模型各解释变量的系数符号和显著性水平基本相同，表明实证结果较为可靠。同时，空间杜宾模型对数似然值为77.566，拟合优度为0.716，均高于空间自回归模型和空间误差模型，说明空间杜宾模型的空间拟合程度高于另外两个模型，因此在此重点对空间杜宾模型进行分析。

空间杜宾模型的估计结果显示，数字普惠金融的回归系数为0.461，在1%显著性水平下显著，说明数字普惠金融的发展有助于提高城市创新能力，数字普惠金融的发展开始在我国信贷体系中发挥着重要作用。在中国基础设施较为落后的地区，金融网点较为缺乏，金融地理排斥的可能性较高，导致部分企业被排除在传统金融外。数字普惠金融的发展打破了金融服务的空间限制，将数字技术与互联网相结合，降低了偏远地区及经济欠发达地区的借款企业对传统金融物理网点的依赖，同时以互联网上沉淀下来的软信息为基础构建信用评估模型，为降低企业风险评估成本提供了可能性，减少了逆向选择和道德风险问题，在一定程度上能够缓解金融排斥，帮助硬信息不足的企业获得资金，释放了企业的创新活力，最终促进了城市创新。

从其他控制变量的回归系数来看，城市产业结构系数为0.021，在1%显著性水平下显著，说明第二产业仍旧是城市创新的主要动力，第二产业占比每提升一个单位，城市创新能力提升的可能性增加2.1%。科教支出的系数为0.035，在10%的显著性水平下显著，说明科教支出是促进城市发展的主要动力，需要进一步发挥“科教兴市”的基础性作用，在促进经济发展的同时完成创新型城市的发展目标。人力资本的系数为0.035，在10%显著性水平下显著，说明人才集聚对于城市发展具有重要作用，一个地区高素质劳动力越多，越能为地区科学技术创新提供人才储备基础。固定资产投资系数为0.001，在5%显著性水平下显著，其中可能的原因是固定资产投资能够促进地区基础设施建设，较为完备的基础设施能够加速生产要素流动，降低地区间的运输成本和交通费用，进而对城市创新产生积极影响。人均GDP 系数为0.230，在1%显著性水平下显著，一个合理的解释是城市创新能力需要以一定的经济发展水平作为基础。城市环境质量的系数为-0.043，在5%显著性水平下显著，这说明较差的环境质量抑制了城市创新，如何改善城市环境，是当前推动城市创新亟需解决的一个关键问题。

结合空间变量回归结果来看，数字普惠金融系数为0.468，在5%显著性水平下显著，说明数字普惠金融的发展具有正向溢出效应，拓宽了金融服务的覆盖广度和深度，促进了相邻城市创新能力的提升。同时，城市环境质量的空间变量具有显著的负向溢出效应，说明随着城市环境质量的恶化，将降低邻近城市的创新能力。城市产业结构、科教支出、人力资本等变量的空间溢出效应不显著，其中可能的原因是当前城市发展与周围城市之间的“竞争效应”大于“协同效应”，各城市主要集中于本地区的发展，人力资本、固定资产投资以及经济发展的主动溢出的可能性不大。随着城市的发展，资本和劳动力等生产要素将向具有比较优势的城市集中，在一定程度上导致地区发展的不均衡，造成资源配置的效率低下。数字普惠金融的发展一方面为城市创新提供了可能性，另一方面带动相邻城市创新能力的提升，为未来城市之间的协同发展提供了一个可行方向。在此基础上，下文对空间杜宾模型效应进行分解，做进一步分析与讨论。

表4 空间面板回归模型估计结果

基于空间杜宾模型效应的分解视角，数字普惠金融发展对于城市创新影响的回归结果如表5 所示。从直接效应来看，数字普惠金融系数为0.486，在1%显著性水平下显著，说明数字普惠金融的发展显著促进了城市自身创新能力的提升，从而验证了数字普惠金融助力城市创新的理论预期。从空间溢出效应来看，数字普惠金融的间接效应系数为0.573，在1%显著性水平下显著。由此可见，数字普惠金融的发展不仅有助于本地区城市创新，也促进了邻近地区城市创新能力的提升。这意味着，部分地区金融基础设施落后，导致金融地理排斥的可能性较高，加上企业和金融机构之间信息不对称程度问题，使得创新主体面临融资困境。但是通过数字普惠金融的发展，可以打破以往金融地理排斥和价格排斥等困境，促进城市创新的各执行主体能够得到有效融资，使得城市发展以创新驱动，带动本地区和邻近地区城市协同发展，实现经济发展从数量型向质量型转变。产业结构变量系数为0.002，在10%显著性水平下显著，说明一地区产业结构升级的溢出效应也有助于邻近城市创新能力的提升。同时，其余解释变量方向与显著程度也基本与前文一致。此外，对比数字金融普惠发展的直接效应与间接效应下的回归系数可知，数字金融的发展对城市创新的城市间溢出要明显强于城市内溢出。

表5 各解释变量对城市创新的直接影响和溢出效应检验

（三）数字金融发展对城市创新影响的门槛特征

1.门槛效应检验

在估计门槛模型之前，本文根据Hansen（1999）的研究思路，进行面板门槛存在可能性检验。通过表6 和表7 可以发现，数字普惠金融变量通过了单一门槛检验，这表明，数字普惠金融发展对于城市创新具有非线性门槛特征，在数字金融发展的不同阶段，数字普惠金融与城市创新之间的非线性关系得以验证，选取门槛回归模型进行估计较为科学。同时经过检验发现，东部、中部和西部地区数字普惠金融发展也能够基于单一门槛模型进行分析。此外，经济发展水平变量人均GDP 也通过了单一门槛检验。因此，以经济发展水平为门槛变量，分析不同经济发展水平下数字普惠金融对城市创新的调节效应具有科学性。

表6 数字普惠金融和经济发展水平的门槛效应检验

表7 数字普惠金融和经济发展水平的门槛值估计

2.面板门槛回归模型估计结果与分析

从表8 的模型回归结果可以发现，单一门槛模型下数字普惠金融变量系数均为正且显著，说明数字金融发展与城市创新之间存在显著的非线性关联。当数字普惠金融指数低于5.119时，数字金融系数为0.5801，在1% 显著性水平下显著，说明在此区间内数字普惠金融指数每增加一个单位，城市创新能力增加0.580 个单位。当数字金融指数大于5.119 时，数字普惠金融对城市创新的影响增大为0.612，在1%显著性水平下显著，表明随着数字金融的广度、深度和数字化程度的发展与纵深，数字普惠金融对于城市创新的促进作用将增强。据此可见，随着数字普惠金融的发展，数字普惠金融对于城市创新出现了显著的正向边际效应递增的非线性特征。

进一步对东部、中部、西部三地区数字普惠金融发展与城市创新的非线性关系进行考察。根据表8 实证结果可以发现，和全国总体情况相一致，在东部、中部、西部三地区数字普惠金融发展的创新效应具有显著的正向促进效应，当数字普惠金融发展跨越门槛之后，其对于城市创新的促进作用将进一步增强。同时，数字普惠金融对各地区城市创新的影响的强弱排名依次为西部、东部和中部。数字普惠金融发展对于西部地区城市创新能力的提升作用在门槛前后均高于东部地区和中部地区，一方面说明数字普惠金融的发展具有普惠特征，能够改善经济欠发达的西部地区的融资不足问题，促进地区创新；另一方面西部地区仍旧处于数字普惠金融红利的初始释放阶段，在数字普惠金融发展的过程中具有明显的“后发优势”，相较于东部和中部地区，对城市的创新作用最强。进一步分析发现，考察期内，西部地区62.63%城市的数字金融低于地区门槛值5.013。因此，在未来的一段时间内，加速数字金融发展，以创新驱动西部地区发展是缩小区域经济差距的一个有效手段和可行路径。中部地区数字普惠金融对于城市创新的促进作用在门槛前后均低于东部地区和西部地区。其中可能的原因是一方面东部地区资源禀赋和传统金融基础较好，在此基础上数字普惠金融的创新促进作用比中部更强，另一方面一个合理的解释是东部地区经济基础较好，在经济结构进一步调整的过程中更凸显以产业结构升级为特征和以创新驱动为手段。因此相对而言，中部地区数字普惠金融发展对于城市创新的促进作用相对于西部和东部最小。

通过以上研究可以发现，数字普惠金融发展与城市创新之间存在正向且边际效益递增的发展规律。事实上，数字普惠金融对于城市创新的促进效应不仅受到数字普惠金融本身的影响，更有可能存在其他方面的调节作用。据此，以人均GDP 作为门槛变量，进一步考察地区经济发展水平在数字普惠金融影响城市创新之间的调节作用。根据实证结果可以发现，地区经济发展水平具有一个门槛，地区经济发展水平可以正向强化数字金融的非线性创新效应，当人均GDP 跨越10.191 时，数字普惠金融的系数明显变大，由0.554 增加至0.594，这表明在不同的经济发展水平下，数字普惠金融发展的创新效应存在差异。其中可能的原因是，随着经济发展水平的提高，城市资本积累水平开始逐步提升，经济发展和金融发展的匹配程度提高，为城市创业活动提供了更多的机会，因此随着经济发展水平的提高，数字普惠金融的发展对于城市创新的边际收益增加。此外，其余解释变量方向和显著程度也基本与前文保持一致。据此，本文的研究假设2 得以验证。

表8 面板门槛模型回归结果

采用《中国城市和产业创新能力报告》中2011-2016 年城市创新指数数据替代城市创新变量，同时采取空间面板模型和门槛面板模型进行稳健性检验。结果表明，数字普惠金融不仅对本地区创新有显著的正向作用，其溢出效应也带动了周边城市创新能力的提升（见表9）。数字普惠金融发展对于城市创新能力的提升具有明显的门槛特征，考虑地区差异性和经济水平异质性后该特征依然存在（见表10）。因此，前文的估计结果是稳健的。

表9 空间溢出效应的稳健性检验

表10 门槛特征的稳健性检验

0.005***（0.000）数字普惠金融_3 0.007***（0.000）数字普惠金融_2 0.006***（0.000）0.006***（0.000）0.004***（0.000）0.004***（0.000）0.006***（0.000）门槛数 2 2 2 2 2观测值 1488 552 564 372 1488 0.007***（0.000）0.005***（0.000）0.005***（0.000）

五、结论与启示

本文基于数字普惠金融发展过程中可能存在的空间溢出效应和门槛特征，以我国2011-2016 年248 个地级市面板数据为样本，采用空间计量模型和门槛面板模型实证检验了数字普惠金融发展与城市创新之间的空间关系和非线性特征。研究结果表明，第一，数字普惠金融发展对于城市创新具有明显的空间溢出效应，数字普惠金融发展水平的提升不仅对本地区创新有显著的正向作用，其溢出效应也带动了周边城市创新能力的提升。第二，数字普惠金融发展对于城市创新能力的提升具有明显的门槛特征，当跨越门槛值时，数字普惠金融的发展对于城市创新影响的边际收益增加。第三，分区域来看，数字普惠金融的发展对于城市创新促进作用的门槛高低排序依次为东部、中部和西部，对城市创新促进效应的强弱程度排序依次为西部、东部和中部。调节效应结果显示，数字普惠金融发展的创新效应随着经济发展水平的提高呈现出边际收益递增的特征。此外，城市产业结构升级、科教支出、人力资本和固定资产投资的增加促进了城市创新，环境质量的恶化抑制了城市创新。

基于以上研究结论，本文得出以下启示：第一，针对当前数字普惠金融发展的区域不平等特征，应当进一步加强数字普惠金融对相对落后地区的支持，在充分考虑地区产业结构、要素禀赋的前提下，拓宽数字普惠金融的服务广度和深度，发挥数字普惠金融的包容性特征，使得更多的弱势群体得到有效的融资支持，合理规范数字普惠金融的发展对于城市创新的作用。第二，加强地区间的交流与协作，建立地区间经济发展和产业协同机制，促进数字普惠金融的相互溢出与渗透，增加数字普惠金融对周边城市的辐射效应，促进城市创新能力的提升。在经济较为发达的地区，要加快构建全方位、多层次以及适度竞争的数字普惠金融服务体系，进一步放宽数字普惠金融的准入条件，在有序引导本地区数字普惠金融发展的同时，发挥对周边城市发展的带动效应，并在一定程度上防范区域间数字普惠金融资源的竞争。第三，关注数字普惠金融发展与城市创新之间的门槛特征，在权衡数字普惠金融发展与城市创新目标的同时，根据地区数字普惠金融的不同发展阶段，合理有效地配置金融资源，使得更多弱势群体真正感受到数字金融发展的“普惠效应”，以期以创新驱动城市发展，缩小城市间发展差距。同时，在推动数字普惠金融发展的过程中应注意消除区域内部金融资源的分配不公问题，在推动数字金融发展过程中不断消除区域内部可能存在的“数字鸿沟”现象，激发数字普惠金融在城市发展过程中的“梅特卡夫法则”威力。此外，需要进一步建立健全数字普惠金融相关的基础设施，如完善地区网络设施建设等，在依托数字金融在大数据和移动计算等方面优势的基础上，结合传统金融产品的优势方面，创新金融产品形式，开发出与城市创新相适应的数字普惠金融产品。