数字金融对区域创新差距的影响机理分析

张梁 相广平 马永凡

摘   要：基于2011—2018年我国地级市面板数据，探讨数字金融对区域创新差距的影响及其机理。结果表明：数字金融在区域创新层面表现为“马太效应”，且存在明显的结构性差异，加深了区域间的创新差距;数字金融对区域创新的“马太效应”主要通过对人力要素和金融要素的虹吸效应实现，且金融要素的相对贡献值为81.58%;这种“马太效应”因城市异质性而产生差异，具体来说，在三四五线城市和互联网普及率低的城市更为明显;知识产权保护和金融监管是对“马太效应”进行纠偏的重要举措。

关键词：数字金融;创新差距;普惠性

中图分类号：F832   文献标识码：A   文章编号：1003-7543（2021）05-0088-14

创新是引领发展的第一动力。城市是生产要素集合的空间载体，城市创新水平决定了未来一段时间内我国产业结构升级、新旧动能转换以及区域协调发展的潜力与进程。区域协调发展战略是新时代我国经济社会发展的重大战略之一。“十四五”时期，面对百年未有之大变局，要推动我国经济高质量发展，提升国际地位与影响力，就必须处理好区域间的发展差距问题。我国在健全区域合作、区域互助等方面进行了许多积极且有益的探索。但也要看到，区域间的创新差距依然较大，区域创新的分化现象仍然显著。根据《中国城市科技创新发展报告2020》，我国城市科技创新水平的泰尔指数由2019年的0.058上升至2020年的0.067，区域分化加剧，不同城市群之间的科技创新能力分化严重。如何提升城市创新能力、弥合区域创新差距，是推进高质量发展面临的严峻挑战。

一、相关文献综述

创新活动一般具有投入大、风险高、周期长的特点，高效稳定的金融支持是提升创新水平的重要保障[1]。以大数据、云计算等为代表的新一代信息技术极大颠覆了我国经济社会的发展模式，金融体系在数字时代也正经历着数字化与智能化的发展变革。数字化对金融领域的冲击，为科技公司切入金融领域提供了契机[2]，数字金融应运而生①。数字金融具有鲜明的包容性与普惠性特征[3]，相较于传统金融，其作用效果主要体现为“存量优化”与“增量补充”[1]。得益于北京大学数字普惠金融指数，学术界对数字金融进行了大量研究：张勋等发现数字金融通过改善居民创业行为促进了我国经济的包容性增长[3];唐松等利用上市公司数据发现数字金融通过稳定企业财务状况提升了企业创新能力[1];何宗樾和宋旭光以居民消费为切入点研究数字金融的作用，发现数字金融提升了城市居民的基础性消费[4]。因此，无论是对于经济增长、技术创新，还是对于居民消费，数字金融都扮演了重要角色。

“数字鸿沟”的存在，容易造成新的金融排斥，进而拉大区域之间的差距。数字金融的“马太效应”已得到部分学者证实：王修华和赵亚雄基于贫困户与非贫困户视角，研究发现数字金融在平滑贫困户的生存型消费上效果并不显著，但是对于非贫困户，数字金融除了能够平滑消费防范风险外，还能助推休闲娱乐，数字金融的“马太效应”十分显著[5];张勋等通过构建一般均衡理论，从支付便利性角度证实数字金融对于居民消费具有显著提升作用，但是对农村居民的消费拉动作用不明显[6];何宗樾等借助CFPS的调查数据，发现数字金融不仅增加了贫困发生概率，而且加深了贫困维度[7]。但是，也有学者认为数字金融是一种数字红利，具备趋同效应，有利于缩小收入差距[8-9]。显然，就数字金融具有“马太效应”还是趋同效应学术界尚未达成一致。那么，数字金融能缩小城市间的创新差距，弥合创新的“鸿沟”吗？

考虑到数字金融的包容性和普惠性，对数字金融能否弥合城市创新差距的量化评估显得尤为重要。从创新产出来看，众多学者证实了数字金融的积极作用[1，10]。遗憾的是，鲜有文献关注到创新差距的问题。基于此，本文基于2011—2018年我国283个地级市的样本数据，考察了数字金融发展对城市创新差距的影响。

二、理论分析与研究假设的提出

目前，数字金融对创新的积极效应逐渐被学者们证实，这些研究主要集中在个人、企业以及区域层面。从个人层面来看，张勋等基于CFPS的调研数据研究发现，数字金融显著提升了低收入、低社会资本组别的创新创业水平，从而证实了数字金融的普惠性[6];谢绚丽等基于新增注册企业数研究了数字金融与创业之间的关系，研究发现数字金融显著提升了“草根”人群的创新创业水平[11];赵涛等在对城市高质量发展的研究中发现，数字红利主要通过提升创新创业水平来释放[12]。从企业层面来看，Demertzis等认为，数字金融在新兴技术的加持下有助于缓解逆向选择的问题，进而实现资源与项目更好地匹配，为企业创新活动提供必要支撑[13];唐松等基于我国上市企业数据研究发现，数字金融存在“结构性”的创新效应，且主要通过缓释融资约束、去杠杆、稳定财务状况等渠道实现[1];Norden等发现数字化变革有助于传统金融行业变革，提升金融机构风险识别和防范能力，缓解企业创新的融资约束[14]。从区域层面来看，杜传忠和张远基于新基建的背景研究发现，数字金融從供给侧与需求侧两个层面提升了区域的创新水平[10];徐子尧等基于我国地级市数据研究发现，数字金融通过改善信贷资源配置和居民消费状况提升了区域的创新水平[15]。不难发现，数字金融对创新活动的积极效应是毋庸置疑的。

那么，数字金融能够弥合区域间的创新差距，实现其普惠性吗？从现有研究来看，尚未有文献正面回答数字金融对区域创新的弥合效果，但我们可以从现有文献中得到一些蛛丝马迹。

（一）基准假设

一方面，数字金融提升了传统金融的广度与深度，因而在很大程度上提升了金融的可获得性，弥补了传统金融的不足。从直接效应来看，其一，数字金融凭借其可得性覆盖了大量传统金融中的“长尾”客户群体，缓解了创新主体在创新过程中的资金约束与金融支持不足的问题[15];其二，数字金融的发展带来众多新业态、新模式，平台模式的诞生在一定程度上激发了创新主体的创新意识和创新意愿[16];其三，数字金融由于科技手段的赋能在一定程度上重塑了原有的金融体系，改善了金融资源配置的扭曲状况[17]，进而为创新提供了必要条件。此外，数字金融还存在着不同的间接效应：其一，数字金融打破了原有创新活动的知识边界，使不同部门间存在间接溢出[18];其二，数字金融对于提振消费、优化产业结构等具有积极作用[4，19]。这些因素又是倒逼创新的重要因素。

另一方面，数字金融的创新效应确实存在着显著的异质性。从直接效应来看，其一，数字金融依赖于对金融地理结构的重塑提升了金融资源的可得性，但是相对于小规模的企业，数字金融在大规模企业中融资约束的缓解效应更为明显;其二，数字金融虽然提升了创新的主动性，但是相对于东部地区，中西部地区数字金融的创新效应并不显著，区域普惠性有待提升[16];其三，数字金融提升了资源配置效率，为创新提供了必要的条件保证，但是这种影响依赖于传统金融中介的发展，在金融中介较为发达的地区效果更好[17]。从间接效应来看，数字金融带来的主要是城市居民的消费升级[4，19]，产业结构的优化则在西部地区存在边际效应递减的现象。

数字金融从缓解融资约束、培育新业态等方面促进了整体的创新水平;信息茧房效应的存在使得数字金融作用于不同主体时，会因為自身禀赋的差异产生差距[5]。区域创新差距是基于区域创新的一个比较性的概念，能否弥合差距取决于数字金融在不同地区创新活动的贡献程度，即该问题是一种“速度比较”的逻辑。基于此，本文提出如下假说：

H1a：数字金融能缩小地区间的创新差距，产生趋同效应;

H1b：数字金融会拉大地区间的创新差距，产生“马太效应”。

（二）机制路径

在作用机制的分析中，我们将数字金融对创新差距的影响降维到“钱”和“人”两个层面。从金融要素来看，金融要素在一定程度上扩大了资金供给，可以有效缓解内源融资不足等问题，有利于合理防范和分担金融风险。Acemoglu和Zilibotti研究发现，金融深化为投资者提供了更为合理的资产配置，并降低了投资者风险承担水平，保证了创新活动中资金的持续性和稳定性[20];金融要素有利于提高资源配置效率，促使金融机构更为有效地评估项目风险，提高优质项目的甄别能力[21]。从人力要素来看，人力要素是知识吸收的载体，有助于提升区域的创新水平;人力要素为城市带来了文化多样性，是促进区域创新的重要机制;人力要素为区域创新带来了“新知识”，形成了知识外溢，为城市创新提供了必要的知识储备。

受逐利需求的影响，创新要素会在地区间流动，形成要素密度的高低差异。一方面，有学者认为，数字金融在一定程度上打破了原有的经济地理格局[22]，对地区间的创新要素分布具有重塑效应。也就是说，弱势地区可能在数字金融发展过程中提升创新要素密度加速创新活动，进而逐步缩小与优势地区之间的创新差距。另一方面，也有学者认为，互联网时代地理要素仍未消亡[23]，即数字金融的发展会使得优势地区凭借原有优势形成对创新要素的持续吸引，逐步拉大区域间的创新差距。基于此，本文提出如下假说：

H2a：数字金融对创新要素具有“重新分配”作用，进而缩小区域间的创新差距;

H2b：数字金融对创新要素具有“虹吸效应”，进而拉大区域间的创新差距。

（三）异质性与不同情境的效应差异

数字金融的创新效应在不同区域和情境下存在着异质性。从基准假设和机制路径两个层面来看，城市的禀赋差异影响着数字金融效应的发挥。数字金融的发展需要一定的基础条件，一般来说，在基础设施完善且要素资源充足的地区数字金融会优先发展，而这些同样也是创新活动的必要条件。因此，如果数字金融存在上述机制路径，对于发展条件较好的城市来说数字金融会有“锦上添花”的效果，对于发展较差的城市则是“雪中送炭”[15]，通过这种效应数字金融会逐渐弥合区域间的创新差距，体现其普惠性。但是，数字技术的效力同样依赖于接入成本[22]，表现为负相关。换言之，不同城市之间基础设施的差异性会导致数字金融的“落地成本”提升，影响其创新效应的发挥，表现出截然相反的状态。基于此，本文提出如下假说：

H3：数字金融对区域创新差距的影响会因城市禀赋表现出差异性。

基于数字金融在创新效应上表现出来的差异，是否存在一种纠偏机制能使得结果朝向我们预期的方向发展呢？我们可以从金融与创新两个层面来考虑。从金融层面来看，一方面，数字金融凭借其自身优势淡化了金融边界，使得其风险识别更为困难，放大效应更为明显[1];另一方面，数字金融由于科技与网络的加持，冲击了传统金融行业，改变了其风险承担行为[24]。因此，必要的金融监管在数字金融驱动创新的过程中应该能够发挥积极效用。从创新层面来看，由于创新具有正外部性，只有全面加强知识产权保护工作，才能激发全社会创新活力。知识产权保护能在数字金融的创新效应中发挥一定的纠偏效果。基于此，本文提出如下假说：

H4：数字金融对创新差距的影响会由于金融监管和知识产权保护的不同产生效应差异。

三、研究设计

（一）数据来源

本文主要研究数字金融对区域创新差距（城市层面）的影响，依据现有研究以及数据集，本文作出如下选择：一是数字金融数据，来源于北京大学数字普惠金融指数。二是创新数据，城市层面的创新主要考虑创新投入与创新产出两个维度：从创新投入来看，地级市数据集中只有政府R&D数据较为全面，企业层面缺失严重;从创新产出来看，地级市数据集中可用的是专利数量，现有研究应用较多的主要有两类：城市创新指数研究报告中的数据、国家知识产权局的专利授权数据匹配到地级市层面。本文采用城市创新指数研究报告中的数据以及北京大学国家发展研究院发布的《中国区域创新创业指数2020》中的数据，主要考虑是该数据时间跨度大且覆盖全面①。三是城市层面的控制变量，主要来源于《中国城市统计年鉴》，缺失数据来源于各地级市的统计年鉴以及国民经济和社会发展统计公报。综上，本文数据为2011—2018年283个地级市的数据集，其中剔除了行政区划调整以及数据缺失严重的地级市，考虑到四个直辖市体量与其他地级市的差异，同样予以剔除。同时，为了消除极端值的影响，本文对所有连续变量进行了上下1%的缩尾处理。

（二）变量设定

（1）被解释变量。本文考虑的是创新差距，因而选取《中国区域创新创业指数2020》中代表创新的子维度专利授权量得分，包括新增发明专利得分、新增实用新型专利得分、新增外观设计专利得分。首先，将三者按照在数据集中的权重（50%、30%、20%）加权得到该城市的创新得分;其次，按照经济学领域的通行做法，计算不同指数的离差衡量区域创新差异，离差=某地区某年创新指数/该年度所有地区创新指数的均值;最后，得到本文的整体创新差距（gap）、发明创新差距（gap1）、实用新型创新差距（gap2）以及外观设计创新差距（gap3）。

（2）核心解释变量。本文主要选取数字普惠金融指数（index）来验证本文的假设，考虑到可能存在的结构效应，本文还选取了指数中的数字金融覆盖广度（cover）、数字金融使用深度（deep）、普惠金融数字化程度（digital）。为了消除数据间的量纲差异，对原始指数均除以100。

（3）中介变量。本文的机制路径考虑的是数字金融对创新要素的“重新分配”效应或者虹吸效应。其中，人力要素采用城市非农就业人口的地理密度来衡量集聚程度（talent）。李政和杨思莹认为，农业劳动者与非农劳动者受教育水平往往存在较大差异，因而将其视为创新要素具有一定的可行性[25]。金融要素借鉴陶锋等的研究[26]，采用贷款余额的地理密度衡量其集聚程度（fin）。公式为集聚度=要素水平/城市地理面积，其中要素水平分别为非农就业人口和贷款余额。

（4）控制变量。本文综合选取如下控制变量：政府科技支出水平（gov）：科学技术支出/财政总支出，政府对于科学技术的干预与支持是地区创新的重要支撑;外商投资水平（fdi）：外商投资/GDP取对数，外商投资可能为地区带来新的知识和技术，产生溢出效应，进而影响区域创新;环境状况（ereg）：单位人均GDP的二氧化硫排放量，环境状况体现了地区宜居程度，是吸引人才与资金的重要先决条件;人力资本（hum）：每万人在校大学生数（取对数），创新能力很大程度上取决于地区知识的积累水平，人力资本是很好的衡量指标;人均GDP（agdp）：人均GDP取对数，该指标反映了地区经济社会发展的情况，是创新的土壤;交通基础设施（road）：人均道路里程数，该指标反映了地区的交通便利程度，是创新要素集聚便利性的重要反映。各指标描述性统计如表1所示。

（三）模型设定与实证策略

为了验证基准假设，构建如下估计模型：

gapi，t=α+βindexi，t+γControlsi，t+λi+μt+εi，t（1）

其中，i和t分别表示城市和年份，Controls表示所有控制变量，λi和μt分别表示个体固定效应和时间固定效应，εi，t为随机扰动项。

（四）组别差异的特征事实

从表1的描述性统计来看，数字普惠金融指数的标准差为0.615，说明我国“数字鸿沟”问题较为明显，这可能会带来新的“创新鸿沟”。在表2（下页）中，我们将城市按照数字金融发展的中位数分组，可以看到，低组别的创新差距水平明显更小一些，且在统计上显著，基本可以支持假设H1b，即数字金融主要表现为“马太效应”，并未体现其普惠性。

四、实证结果与分析

（一）基准回归结果

表3展示了基准回归的结果，列（2）—（5）分别加入了时间固定效应、个体固定效应以及控制变量，在这个过程中，数字金融的系数在不断减小，这是由于回归结果中进一步剔除了城市差异的影响。一方面表明本文的结果具有一定的稳健性，另一方面表明本文选取的控制变量具有一定的代表性。

从整体来看，数字金融的系数始终为正且在1%的水平上显著，表明该结果支持了假设H1b，即数字金融对城市创新的影响主要表现为“马太效应”，其普惠性并未得到真正的体现。在表1的描述性统计中可以看到，我国城市间创新水平差距的均值为1.005，表3列（5）的结果显示数字金融的“马太效应”大小为0.182，从经验数据来看数字金融的“马太效应”是较为明显的。本文认为，首先，数字金融仍然没有摒弃传统金融“嫌贫爱富”的本质;其次，数字金融尽管在某种意义上可以重塑经济的时空格局，提升要素配置的效率，但是并未物尽其用;最后，表1显示我国数字金融发展的极差为2.362，表明数字金融的发展自身就存在十分严重的区域差距，“数字鸿沟”加深了“创新鸿沟”。因此，一方面，我们要正视数字金融所带来的创新效应;另一方面，更要高度关注数字金融发展所带来的新的金融排斥现象[5]。

更进一步，为了更精准地刻画数字金融在创新层面的“马太效应”，我们将数字金融和创新差距指标降维，观察数字金融“马太效应”的结构差异以及对创新差距影响的异质性。表4展示了指标降维后的回归结果。列（1）—（3）展示了数字金融的降维回归结果，从结果来看只有覆盖广度的系数显著为正，说明数字金融的“马太效应”主要来源于参与范围的广度，这与王修华和赵亚雄的结论一致[5]。究其原因，我们认为主要是因为互联网发展在地区间的平衡性，导致地区间的接入成本存在较大差距，从而削弱了数字技术的赋能效果，造成了区域间创新差距增加的现象。列（4）—（6）展示了创新差距降维后的回归结果，从结果来看，数字金融的“马太效应”主要表现在对发明专利和实用新型专利层面，其中对发明专利的影响最为显著，程度也最大。发明专利的水平在一定程度上代表的是实质性创新水平，其对于地区发展的促进作用更大，因此数字金融的“马太效应”使得地区创新差距的拉大更多意义上是“实实在在”的差距。更值得警惕的是，唐松等证实数字金融的创新效应主要表现在创新含量更高的实质性创新上[1]，也就是说，不同地区间的实质性创新水平都在因数字金融的作用而提升，但是区域间的差距在逐步加深。

（二）内生性处理与稳健性检验

为了提升前文结论的稳健性，本文主要考虑如下方法：一是工具变量法，试圖解决内生性的问题;二是考虑替换主要变量;三是剔除特殊样本的影响。主要结果如表5所示。

方法一：工具变量法。一方面，考虑到数字金融与创新差距之间可能存在互为因果的关系，另一方面，考虑到可能遗漏变量带来估计偏误，我们寻找了两个工具变量：一是同省份其他城市数字金融发展的均值，二是该城市到杭州的地理距离[3]。表5列（1）—（2）汇报了IV-2SLS的回归结果，工具变量均通过了相关检验，即在考虑内生性后，本文的结论依然成立。

方法二：替换主要变量。包括两个方面：一是替换被解释变量，用泰尔指数作为衡量创新差距的指标;二是替换主要解释变量，考虑到数字金融作用于创新的时滞性，我们将本期的创新差距替换为滞后一期与本期的均值。表5列（3）—（4）显示，在替换主要变量后，回归结果依然支持假设H1b。

方法三：剔除特殊样本的影响。我国的地级市一般分为中心城市和非中心城市，这两类城市的发展水平具有较大差异，因而我们将样本中的省会城市和计划单列市剔除再进行回归。表5列（5）显示，结论依然成立。

（三）机制路径回归结果

在上文的研究假说中，我们认为“数字金融—创新差距”的机制路径是基于数字金融发展对创新要素的“重新分配”或虹吸效应实现的，但机制的“黑箱”我们还未打开，为此，借鉴郭品和沈悦的研究[27]，通过多重中介模型进行机制识别①。模型如下：

gapi，t=α0+α1indexi，t+α2Controlsi，t+λi+μt+εi，t（2）

talenti，t=β0+β1indexi，t+β2Controlsi，t+λi+μt+εi，t（3）

fini，t=γ0+γ1indexi，t+γ2Controlsi，t+λi+μt+εi，t（4）

gapi，t=δ0+δ1indexi，t+δ2talenti，t+δ3fini，t+δ4Controlsi，t+λi+μt+εi，t（5）

其中，talent和fin是上文中设定的两个中介变量，Controls仍為上文提及的控制变量。多重中介模型的验证分为三步：步骤一，对方程（2）进行回归，若α1显著则进行下一步;步骤二，对方程（3）和（4）进行回归，若β1、γ1为正且显著，则表示数字金融对创新要素表现为虹吸效应，反之则为“重新分配”效应;步骤三，对方程（5）进行回归，若δ1不显著而δ2、δ3显著则表现为完全中介，若δ1、δ2、δ3都显著，但δ1相较于α1数值变小，则表现为部分中介。

从表6（下页）的回归结果来看，步骤一至三每一步中主要变量的系数都显著，表明人力要素和金融要素在其中起到了部分中介的作用。从步骤二中的两个回归结果可以看到，数字金融对人员和金融要素的影响为正，即数字金融的发展表现为一种虹吸效应，假说H2b得到证实。本文认为，虽然数字金融在一定程度上化解了创新要素在地理空间的约束，但是一方面数字金融发展本身就需要大量的人员与金融资源，是一个高度创新性的行业，另一方面，数字金融的发展使得更多的“人”和“钱”看到优势地区的诱惑力，加速了弱势地区创新要素的流失。此外，弱势地区相对来说消化吸收要素的能力有限，也是致使创新要素向优势地区集聚的重要因素。

从两个中介变量的相对贡献来看，数字金融通过对人力要素的虹吸提升创新差距的中介效应为0.007，通过对金融要素的虹吸提升创新差距的中介效应为0.031，其中人员要素中介的相对贡献为18.42%，金融要素中介的相对贡献为81.58%。上述数据表明，相对于数字金融的“吸才”效应，“吸财”才是数字金融加深区域创新差距的重要因素。一方面是由于数字技术的发展打破了高端人才在属地才能发挥效应的限制，致使人员要素流动相对来说影响更弱，另一方面则是由于数字金融并未完全脱离金融的框架，其作用的发挥仍然依赖于传统金融中介的发展[17]。

（四）基于城市禀赋的异质性分析

在上文的分析框架中，我们认为数字金融对创新差距的影响会因城市禀赋产生差异性，为此我们作了两组基于城市禀赋的异质性探讨。一类是按城市等级分为一二线和三四五线城市，另一类则是根据城市互联网普及率的中值分为高低两组①。一方面，在该城市等级分类的评价标准中考虑了城市商业集聚水平、城市枢纽性、生活方式多样性、未来可塑性等多个层面，该等级划分标准在一定程度上综合反映了城市发展水平，王春杨等研究发现创新的极化现象主要发生在一二线和三四五线城市之间[28]，据此我们将其分为两组;另一方面互联网普及率在一定程度上反映了数字化的接入成本问题，而数字鸿沟是“马太效应”的重要来源，因此我们按中值将其分为高低两组。

表7（下页）汇报了异质性分析结果。从列（1）—（2）来看，数字金融对创新的“马太效应”主要体现在三四五线城市，一二线城市并不显著，即数字金融的发展并未对一二线城市的区域差距造成较大影响，而主要是加深了三四五线城市的区域创新差距。究其原因，一方面，一二线城市本身就处于创新引领地位，其创新水平在一定程度上存在“天花板”效应;另一方面，一二线城市的基础设施建设等综合环境更有利于创新活动的进行，在三四五线城市即使存在创新意愿，可能囿于资源的束缚也难以产生实质性的创新产出。从列（3）—（4）来看，数字金融的“马太效应”主要体现在互联网普及率较低的城市中，一方面这印证了列（1）—（2）的结果，因为一二线城市都是互联网普及率较高的城市，另一方面也说明数字金融的“马太效应”确实在很大程度上与“数字鸿沟”存在相关性，数字接入成本在不同城市之间形成了新的“空间束缚”，技术成本在创新过程中形成了新的信息成本。假说H3得到证实。

综上所述，在数字技术发展的大背景下，数字金融创新效应的发挥受到了城市自身禀赋的限制，整体来看数字金融并未真正实现其普惠性，弥合创新差距，反而在城市禀赋较弱的地区形成了新的创新障碍，造成了创新在优势城市的极化效应，不利于城市的崛起与进一步发展，阻碍了区域间的协调发展。

五、进一步讨论：如何破除数字金融对城市创新的“马太效应”？

在上文的讨论中，我们已经证实数字金融对区域创新的影响主要表现为“马太效应”，其作用的发挥主要依靠对创新要素的虹吸效应。但是，不可否认的是，数字金融在提升经济发展质量、促进消费等方面也确实存在积极的效应。因此，更重要的问题是如何通过政策进行纠偏以实现数字金融在创新层面的普惠性呢？我们认为，政策的纠偏要回归到问题的本质，即通过对数字金融和创新的“框定”来实现。

创新一方面需要资源的支撑，另一方面更需要创新意愿的提升。我们认为，数字金融在一定程度上打破了资源的空间限制，已经体现出资源的支撑效果，这也是数字金融能够提升创新水平的原因。那么，创新意愿如何提振呢？在经济学的分析上，我们认为创新具有正外部性，加强知识产权保护工作或许能够成为实现数字金融普惠性的纠偏政策。此外，数字金融的发展带来了金融欺诈、信息泄露等风险，“金融风险—金融效率”的平衡显得尤为重要[1]，而金融监管往往存在滞后的特点，因而与时俱进的金融监管也是十分必要的。为了回答这个问题，我们构建如下模型：

gapi，t=α+β1indexi，t+β2adjusti，t+β3（indexi，t×adjusti，t）+γControlsi，t+λt+μt+εi，t（6）

其中，adjust表示知识产权保护和金融监管两类调节变量。在知识产权保护方面，我们采用两种方法衡量：一是用城市所在省份的技术市场成交额占GDP比重表示当地的知识产权保护水平，若高于中值则定义为1，否则为0;二是用该城市是否为国家知识产权示范城市来表示，若是则将其在认定年份以及之后定义为1，否则为0①。在金融监管方面，我们也考虑两种方法：一是考虑互联网金融监管，2015年7月中国人民银行等部门发布《关于促进互联网金融健康发展的指导意见》，标志着互联网金融监管的开端，因此我们将2016年及以后年份定义为1;二是用城市所在省份的金融监管支出占金融业增加值比重来表示，若高于中值则定义为1，否則为0。

表8汇报了两种可能的纠偏机制的回归结果。从知识产权保护层面来看，无论是哪种衡量方式，交互项的系数都显著为负，表明随着知识产权保护水平的提升，数字金融对区域创新差距的正向影响会减弱，因而基于知识产权保护强度的纠偏机制成立。解释如下：知识产权保护水平的提升发挥了一种信号机制的作用，这种信号包含两个层面：一是对创新主体的信号效应，知识产权保护水平的提升可以有效降低研发的溢出损失，避免竞争者的模仿与侵权，对其充分享有创新收益是一种保证;二是对外部创新资源的信号效应，一方面使得创新主体更愿意披露创新的相关信息，降低投资者与创新者之间的信息不对称，另一方面完善的保护机制降低了投资者的投资风险，最终缓解了资源配置低效局面。

从金融监管的层面来看，表8列（3）显示数字金融监管的交互项系数并不显著，这表明数字金融监管并未发挥其纠偏效应，降低因数字金融所带来的“马太效应”。一方面，本文选取的互联网金融监管变量较为笼统，可能对互联网金融监管强度的刻画不够精准;另一方面，数字金融的发展在最近几年尤为迅猛，互联网金融的监管除上述指导意见外并未像传统金融那样形成完善且立体的监管体系。表8列（4）显示，传统金融监管的交互项系数为负且在10%的水平下显著，传统金融监管的框架在一定程度上可以成为数字金融“马太效应”的纠偏机制。金融监管的完善在一定程度上能够提升数字金融发展的规范化，提升“数字金融服务实体经济”的水平[1]。此外，金融监管体系的完备可以有效降低数字金融所带来的风险放大效应，增强创新主体对金融资源的可获得性和使用深度。假说H4得到证实。

综上所述，无论是知识产权保护还是金融监管制度的完善，都能有效应对数字金融对创新差距的马太效应，形成一种纠偏机制，促进资源的最优化配置。基于此，我们认为，数字金融始终是一种带动创新的工具，其积极效应的发挥有赖于外部环境的优化，全面的知识产权保护与完备的金融监管都是其发展过程中必不可少的保障体系。

六、结论与政策建议

本文利用我国2011—2018年283个地级市的样本数据，以区域创新差距为切入点为数字金融的“马太效应”提供了经验证据，通过数字金融对创新要素的虹吸效应打开了两者作用机制的“黑箱”，主要得到以下结论：第一，数字金融的发展在区域创新层面主要表现为“马太效应”，并未依靠科技赋能弥合区域间的创新差距;第二，数字金融对区域创新差距的影响具有明显的结构差异，主要体现为数字金融覆盖广度和实质性创新层面的“马太效应”;第三，数字金融在区域创新层面的“马太效应”主要通过对人力要素和金融要素的虹吸效应实现，其中金融要素虹吸效应的贡献值为81.58%;第四，数字金融对区域创新差距的影响会基于城市禀赋产生异质性，主要体现在三四五线城市和互联网普及率低的城市中;第五，全面的产权保护制度和完善的金融监管体系是对数字金融“马太效应”纠偏的重要举措。总体来看，数字金融助力区域创新机遇与挑战并存：一方面，数字金融的发展为传统金融排斥的弱势地区提供了新机遇;另一方面，数字金融对区域创新的“马太效应”可能会对弱势地区带来新挑战。基于此，本文提出如下建议：

第一，重新审视数字金融在区域创新中的作用，通过政府扶持降低弱势地区的数字接入成本，强化数字金融的使用深度。目前我国数字金融发展本身就存在着东强西弱、南强北弱的现象，信息红利的充分普惠是以“数字鸿沟”的消弭为前提的，因此要多角度、多手段、多方位地克服弱势地区的“自我排斥”。具体而言，首先，以5G等新基建建设为契机，加大对中西部等弱势地区的资源倾斜和政策倾斜，确保弱势地区数字基础设施的全覆盖，弥合区域之间数字化、网络化的差距，为数字红利效应的发挥奠定基础;其次，充分发挥政府与市场的协同作用，坚持竞争中性的原则，鼓励多类市场主体参与到数字基础设施建设的进程中;最后，注重弱势地区数字金融中心城市的布局，既要与发达省份的数字金融中心形成联动互动，又要在区域内部承担起“以强带弱”的辐射和溢出作用。

第二，数字金融的发展在一定程度上打破了地理层面的空间约束，为创新要素在区域间的自由流动提供了可能性，但是弱势地区对创新要素的吸引力以及数字技术带来的新“信息成本”成为加深区域间要素合理配置的新命题，故而一方面各地区要充分发挥自身城市特色优势吸引和合理配置资源，另一方面要重视数字技术发展带来的知识溢出效应，逐步提升自身的创新水平。首先，各地区要找准自身优势，以数字金融发展为契机出台差异化的区域创新战略，转变思维拓宽融资、引资渠道，健全完善人才引进与激励机制，提升区域内外部创新要素的配置效率;其次，依据城市发展中的比较优势调整产业结构布局，提升数字金融创新效应的能动空间;最后，各地区应充分重视数字基础设施的运营，通过数据要素的流动带动知识要素的区域间调控，形成数字金融创新效应的空间溢出。

第三，及时合理的制度安排是数字金融发展过程中的重要纠偏手段。数字金融的发展为金融监管带来了新挑战，有效、及时、可穿透的金融监管体系能更好地稳定市场预期，平衡数字金融发展与区域协调发展之间的关系。与此同时，全面的知识产权保护制度在“中国制造”走向“中国创造”的道路上也是不可或缺的。首先，在守住系统性风险的底线之下给予数字金融发展“容错”的监管空间，建立监管的沙盒机制，为破除“數据孤岛”留有政策余地;其次，完善数字金融监管的顶层设计，在充分平衡数字金融发展与区域创新的基础上推进金融监管体系的变革，保持政策的持续性和稳定性;再次，完善以提质增效为目标的创新激励政策，构建接地气且能落地的创新评估体系，通过事前引导和事后激励相结合的方式充分激发创新主体的能动性;最后，强化政府在知识产权保护中的工作与地位，为知识产权保护的基础体系形成提供必要司法与行政保护，同时以示范城市建设为契机加速形成知识产权保护的中国经验和方案，形成央地在知识产权保护层面的高效互动。

参考文献

[1]唐松，伍旭川，祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020（5）：52-66.

[2]钱海章，陶云清，曹松威，等.中国数字金融发展与经济增长的理论与实证[J].数量经济技术经济研究，2020（6）：26-46.

[3]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019（8）：71-86.

[4]何宗樾，宋旭光.数字金融发展如何影响居民消费[J].财贸经济，2020（8）：65-79.

[5]王修华，赵亚雄.数字金融发展是否存在马太效应？——贫困户与非贫困户的经验比较[J].金融研究，2020（7）：114-133.

[6]张勋，杨桐，汪晨，等.数字金融发展与居民消费增长：理论与中国实践[J].管理世界，2020（11）：48-63.

[7]何宗樾，张勋，万广华.数字金融、数字鸿沟与多维贫困[J].统计研究，2020（10）：79-89.

[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）：99-108.

[9]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）：14-25.

[10]杜传忠，张远.“新基建”背景下数字金融的区域创新效应[J].财经科学，2020（5）：30-42.

[11]谢绚丽，沈艳，张皓星，等.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）：1557-1580.

[12]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020（10）：65-76.

[13]DEMERTZIS M， MERLER S， WOLFF G B. Capital markets union and the fintech opportunity[J]. Journal of Financial Regulation， 2018， 4（1）： 157-165.

[14]NORDEN L， BUSTON C S， WANGNER W. Financial innovation and bank behavior： evidence from credit markets[J]. Journal of Economic Dynamics and Control， 2014， 43：130-145.

[15]徐子尧，张莉沙，刘益志.数字普惠金融提升了区域创新能力吗[J].财经科学，2020（11）：17-28.

[16]谢雪燕，朱晓阳.数字金融与中小企业技术创新——来自新三板企业的证据[J].国际金融研究，2021（1）：87-96.

[17]封思贤，徐卓.数字金融、金融中介与资本配置效率[J].改革，2021（1）：1-16.

[18]韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济，2019（7）：119-136.

[19]唐文进，李爽，陶云清.数字普惠金融发展与产业结构升级——来自283个城市的经验证据[J].广东财经大学学报，2019（6）：35-49.

[20]ACEMOGLU D， ZILIBOTTI F. Was prometheus unbound by chance？ Risk， diversification， and growth[J]. Journal of Political Economy， 1997， 105（4）： 709-751.

[21]BUERA F J， KABOSKI J P， SHIN Y. Finance and development： a tale of two sectors[J]. American Economic Review， 2011， 101（5）：1964-2002.

[22]安同良，杨晨.互联网重塑中国经济地理格局：微观机制与宏观效应[J].经济研究，2020（2）：4-19.

[23]田霖.互联网金融视域下金融地理学研究的新动态述评[J].经济地理，2016（5）：9-16.

[24]邱晗，黄益平，纪洋.金融科技对传统银行行为的影响——基于互联网理财的视角[J].金融研究，2018（11）：17-29.

[25]李政，杨思莹.创新型城市试点提升城市创新水平了吗？[J].经济学动态，2019（8）：70-85.

[26]陶锋，胡军，李诗田，等.金融地理结构如何影响企业生产率？——兼论金融供给侧结构性改革[J].经济研究，2017（9）：55-71.

[27]郭品，沈悦.互联网金融、存款竞争与银行风险承担[J].金融研究，2019（8）：58-76.

[28]王春杨，兰宗敏，张超，等.高铁建设、人力资本迁移与区域创新[J].中国工业经济，2020（12）：102-120.