数字金融与经济高质量增长：机制、效应与异质性分析

王 敏，李兆伟，吕 寒

(西安外国语大学 a.人文社科研究中心；b.商学院；c.经济金融学院，西安710128)

引 言

数字金融是指通过互联网等技术手段实现与传统金融服务相融合而形成的新一代金融服务，主要提供包括移动支付、网商银行、网络借贷等金融服务。作为金融创新的衍生产品，提供普惠性以及精准性的金融服务是数字金融发挥改造传统金融体系的核心特征。2016年中央银行发布的《G20数字普惠金融高级准则》更加强调支付数字化与远程开户，旨在进一步利用数字技术推动普惠金融的发展，建设包容性金融发展体系。现阶段，我国经济正在从高速增长向高质量增长转变，经济增长也由要素驱动逐渐转向创新驱动。十九届五中全会指出：要推进数字经济产业化、智能化、规范化、国际化发展，形成数字产业链，发挥集群效应，将数字金融打造成促进经济增长的新引擎与新动力，这不仅是对我国未来数字经济发展的超前谋划，也是对促进经济高质量增长的战略准备。因此，有必要从学理层面深入剖析数字金融政策体系对经济高质量增长的影响，从而有助于中央和各地区政府部门合理制定数字金融政策，最终有效促进经济高质量增长。

关于经济高质量增长的研究已开始由内涵研究转向指标体系构建。学者们分别基于经济结构合理性(李变花，2004)[1]、经济可持续性(钞小静和惠康，2009)[2]、经济社会基本面(任保平，2018)[3]以及经济社会生态发展质量(徐瑞慧,2018)[4]等不同研究角度构建经济高质量增长的评价体系。如赵英才等(2006)[5]从产出效率、产出消耗、产品质量、经济运行质量和生存环境质量等五个维度测算经济増长质量；魏婕和任保平(2011)[6]利用模糊综合评价模型，建立指标体系对经济的包容性增长进行评价等等。

关于数字金融，学界普遍认为其有助于技术创新和实体经济的发展。王玉娟(2014)[7]发现数字金融通过构建包容性的创新环境，可以实现创新主体间的有效衔接，进而填补在创新成果中出现的“结构洞”；梁榜(2019)[8]发现，数字金融无论从城市层面还是企业层面都能对技术创新产生显著正向作用，而且数字金融还可以通过强化资源配置、刺激居民消费等来实现产业结构的转型升级(BRUHN M，2014)[9]。我国数字金融的普惠性效应，不仅对实现数字技术与实体经济的深度融合产生了积极影响，还在缩小城乡差距(张子豪，2018)[10]、促进包容性增长(张勋，2019)[11]、激励创新创业(谢绚丽，2018)[12]等方面发挥着不可替代的作用。

部分学者已开始重视数字金融与经济高质量增长间的相互促进关系(叶大清，2018)[13]。理论维度上，数字金融可以通过发挥金融创新效应与金融配置效应，为经济高质量增长提供更加优质的金融服务(何宏庆,2019)[14]；宇超逸等(2020)[15]也发现数字金融可以通过缩减居民收入来协调城乡发展、改善资本错配来优化资源配置共同推动我国经济的高质量增长。实践维度上，金融科技可以提升传统金融产业的服务能力，为经济的质量型增长创造条件(薛莹和胡坚，2020)[16]；滕磊(2020)[17]证实数字金融可通过缓解企业融资约束提升区域的创新水平与对外开放水平，这也是实现经济高质量增长的必经路径；数字金融在实现金融与科技融合的过程中，不断推动产业智能化、信息化与绿色化的形成，为我国经济的高质量、可持续增长提供了重要动力(任保平和豆渊博，2021)[18]。

从现有研究来看，大多文献在研究数字金融的积极效应上都涉及了经济高质量增长的内涵维度，为本文继续探究数字金融对经济高质量增长的影响奠定了理论基础。但已有研究均未能从定量分析入手，剖析数字金融与经济高质量增长的内在逻辑关系，同时，由于高质量发展评价指标体系尚缺乏顶层设计，各种指标体系的切入点与内涵界定都不尽相同。因此本文将理论研究与实践探索相结合，在逐步完善经济高质量发展综合评价指标体系的基础上，结合多种实证研究方法，深入探究数字金融对经济高质量增长的影响及其作用机制，检验数字金融政策的实际效应，并进一步检验数字金融对经济高质量增长影响的异质性。

一、理论逻辑与研究假设

本文构建了数字金融对经济高质量增长的作用机制，厘清数字金融对我国经济高质量增长的影响，为后续实证研究奠定理论基础。

首先，傅家骥(1998)[19]认为国家实现经济高质量增长的过程是技术创新不断发挥作用的过程。数字金融体系下不仅诞生了新型的支付模式，而且改变了金融产品在供给端的生产与销售方式，实现了金融服务和金融支持数字化、多元化与个性化，同时也激发了金融创新活力与经营效率，不断推动金融资本的积累聚集，形成数字金融的技术创新效应(薛莹和胡坚，2020)[16]。其次，传统金融行业长期存在“二八定律”现状，位于长尾地带的中小型企业无法获得足够的金融支持，加剧“马太效应”进而造成市场经济体的不平衡发展，这与高质量发展中的协调发展内涵相悖。数字金融则打破这一定律，依托互联网手段实现普惠金融的全覆盖，延伸使用深度，为弱势群体提供就业、投资、创业等项目上的金融保障，减轻信贷资金配给程度，促进金融资源的合理优化配置(王馨，2015)[20]，在金融体系上缓解我国不平衡、不充分发展的局面。最后，金融风险危机是引发市场经济混乱的重要原因，数字金融的发展完善了传统金融体系，利用人工智能、区块链等先进技术快速获取金融交易信息，识别、分析金融风险，增强实体经济的风险分散能力与运营能力，提高宏观经济的抗风险能力以及稳定整个金融经济环境，不断形成金融与经济相互促进的局面。

综上，数字金融可以通过自身优势化解我国传统金融体系的弊病，在缓解社会主要矛盾变化的基础上促进经济高质量增长。由此提出如下假设：

假设1：数字金融能够有效促进我国经济高质量增长

周叔莲和王伟光(2001)[21]认为产业结构优化升级是实现我国调整发展战略、平衡供需结构、促进经济高质量增长的必然要求，而数字金融作为一种兼具技术性与金融性的创新型工具，既能依靠数字动能推动高技术产业的发展，也能够发挥技术福利与竞争效应实现对传统产业的改造，以营造优良金融环境共同促进产业结构的转型升级。首先，从供给侧看，数字金融优化了产业投资环境(任保平和豆渊博，2021)[18]，并有效促进金融基础设施的发展。这将促使整个金融产业运用互联网思维建设运营，依靠数字化技术提高产业内部的生产效率，不断加强数字金融对产业结构转型升级的“助力效应”(Chihiro,2018)[22]。同时，金融基础设施的发展也将带动金融产业聚集，并依靠网络经济效应、空间溢出效应推动产业结构的优化升级(于斌斌,2017)[23]。其次，从需求侧看，数字金融带来的技术福利显著刺激金融消费潜力的释放。数字金融提供了较传统金融更加安全、高效、便捷的金融产品，增加了居民的投资选择与财富积累渠道，推动了需求层面的结构优化。同时，金融消费升级也极大缓解了传统产业生产要素瓶颈与产能过剩问题，并基于竞争压力激发其他需求部门创新发展动能，推动产业结构的完善革新(蔡海亚和徐盈之，2017)[24]。由此提出如下假设：

假设2a：数字金融能够通过推动产业结构转型升级促进经济高质量增长

长期以来，我国中小微企业普遍面临融资约束困境的主要原因在于此类企业常被排除在传统金融体系之外(梁琦和林爱杰,2020)[25]。数字金融可利用数字技术让无法获得金融服务的群体享受正规的金融服务(吴善东,2019)[26]，并从拓宽融资渠道、降低融资成本、提供优质服务三个方面帮助中小企业打破融资困境难题。第一，在大数据、云计算等新兴技术驱动下，数字金融拓宽了传统金融的使用深度与触达能力，如P2P网络借贷平台、网上金融超市、供应链金融等新金融模式的兴起，使得中小企业在信贷支持下的融资选择更加多元与高效；第二，数字金融克服传统金融线下交易特点，仅依靠网络交易平台，全线上、全天候为中小企业提供贷款服务，减少融资过程中的人力、物力消耗和借贷双方的信息不对称风险，共同促进金融交易便捷化、信息收集透明化，从根本上降低中小企业融资过程中的交易成本与搜寻成本；第三，数字金融通过技术手段实现对中小企业的经济指标分析，可以鉴别最具发展潜力的企业，并预测其融资需求(郑志来,2014)[27]，提供个性化的金融供给，破除中小微企业长期以来的金融资源壁垒，促进企业内部的技术创新，带动经济增长。由此提出如下假设：

假设2b：数字金融能够通过打破中小企业融资约束促进经济高质量增长

协调城乡发展、缩减收入差距是高质量发展的重要内涵，也是彰显我国制度优势的核心要素。长期以来，我国面临着区域发展不协调、城乡二元结构明显的现实难题，除了资源禀赋与历史原因，还与我国传统金融体系的低效与扭曲密切相关。而数字金融在很大程度上可以改善传统金融体系“嫌贫爱富”的特点。首先，数字金融依靠技术支撑降低金融资源的流动性约束，发挥资源配置效应，将金融服务延伸到偏远贫困地区，并将弱势群体纳入服务范围，克服了传统金融“最后一公里”难以下沉的问题(殷贺,2020)[28]。其次，数字金融为农村居民带来更多就业机会，并为其提供信贷支持，鼓励农村家庭进行创新创业，增加收入，进而缩小城乡差距。而且数字金融的这种普惠性特征将在收入差距较大的地方被进一步放大，尤其在一些城镇化较低地区、注册资本较少企业内部，数字金融对居民创新创业的积极效果会更为显著(谢绚丽等，2018)[12]。最后，数字金融所带来的福利效应也会引起周围地区的模仿学习，促进资本、技术、劳动力的跨区域流动，形成数字金融对收入差距减少的空间溢出效应(陈啸和陈鑫,2018)[29]，实现城乡地区间的协调发展，进而促进经济的高质量增长。由此提出如下假设：

假设2c：数字金融能够通过缩减居民城乡收入差距促进经济高质量增长

二、实证策略与数据

(一)实证策略

1.基础模型设定：数字金融发展与经济高质量增长

依据以上理论分析，为了验证数字金融发展对经济高质量增长的影响，本文设定了如下基本检验模型：

h_econit=α0+α1difit+αxit+ui+εit

(1)

其中，i代表省份，t代表时间，h_econ表示各省的经济高质量增长水平,dif表示数字金融的发展水平，x为一系列的控制变量，ui用于控制地区固定效应，εit为随机扰动项。

2.作用机制研究：中介效应模型

实现经济高质量增长的首要任务在于推进供给侧改革，以推进产业结构升级来解决供需错位问题。因此，本文基于理论推导假设2a，认为数字金融能够通过产业结构升级这一中间环节促进经济高质量增长，即具有“数字金融发展——产业结构转型升级——经济高质量增长”的传导机制。本文使用中介效应模型验证该假设，同时采用温忠麟(2004)[30]提出的中介效应检验法对中介效用模型进行检验。中介效应模型如下：

h_econit=α0+α1difit+α2xit+ε1it

(2)

indit=β0+β1difit+β2xit+ε2it

(3)

h_econit=γ0+γ1difit+γ2indit+γ3xit+ε3it

(4)

其中，indit表示i地区t时期的产业结构升级状况，其他变量解释同上。

3.政策效应：双重差分模型

2016年9月中央银行发布《G20数字普惠金融高级准则》，其涵盖了数字金融发展中的创新与风险、金融消费者权益保护等内容，旨在进一步推动全球普惠金融的共享发展。本文将其视为一项“准自然实验”，参照李建军和韩珣(2019)[31]的做法，将政策提出时间视为外生性变量，并在地区关系上认为东部地区与中西部地区所受到的政策效应影响强度存在显著差异。在分组设置上本文与以往研究不同之处在于：以往研究更多注重数字金融与经济增长数量的关系，认为其在不发达地区的经济增长边际效应更大(钱海章等，2020)[32]。但是经济的高质量增长不仅是数量的提升，还涉及生产、环境保护、协调发展等多种维度，考虑到东部经济发达地区较为完善的基础设施、创新手段以及先进的环境治理能力，本文分别将东部地区与中西部地区视为实验组与控制组，基于省级面板数据，利用双重差分模型(DID)检验数字金融政策的实施对经济高质量增长的政策效应。双重差分模型公式如下：

h_econit=α0+α1treati×periodi+αxit+ui+δt+εit

(5)

其中，i表示地区，t表示时间，h_econ表示经济的高质量增长水平；treat表示地区虚拟变量(限定中西部地区为0，东部地区为1)；period表示时间虚拟变量(基于数字金融理念的提出年份，2016年之后为1，2016年之前为0)，其余变量解释与上文一致，并且此模型还同时控制了地区固定效应ui与年份固定效应δt。

4.异质性分析

为进一步考察数字金融与经济高质量增长间的内在关系，本文从异质性角度出发，研究数字金融在不同维度下以及在不同边界条件下对经济高质量增长的影响，深入分析数字金融异质性的经济质量增长效应。

(1)维度异质性。从数字金融指数的构成要素来看，其主要由数字金融服务的覆盖广度、使用深度与数字支持服务程度三个方面构成，为深入分析数字金融各维度发展与经济增长的内在联系、探究经济质量对数字金融内部要素的敏感程度，本文将在沿用公式(1)的基础上设定计量模型来验证上述关系。

(2)边界异质性。为加深对数字金融与经济高质量增长的关系认识，本文在借鉴相关研究的基础上探究数字金融对经济高质量增长的边界条件。唐松等(2020)[33]和张勋等(2020)[34]的研究发现，地区的技术创新水平和居民消费水平会显著影响数字金融的发展效果。基于该理论支撑，本文进行分组实验，以中位数为划分依据，将研究样本分为高技术与低技术地区、高消费与低消费地区，深入探究不同属性下的数字金融发展对经济高质量增长的异质性影响效果。

(二)变量与数据

1.被解释变量：经济高质量增长(h_econ)

为了更加客观、准确地衡量经济的高质量增长水平，借鉴马茹等(2019)[35]的做法，从质量性供给、质量性需求、发展效率、经济运行以及对外开放五个维度出发，构建经济高质量评价体系(见表1)，并利用全局主成分分析法对5项一级指标与19项二级指标展开测度。

表1 经济高质量增长测度指标

2.核心变量：数字金融指数(dif)

采用北京大学中国数字金融研究中心编制的中国各省份数字金融指数衡量,同时为测度数字金融指数各维度异质性的经济效应，将数字金融服务的覆盖广度、使用深度以及数字支持服务程度分别记为dif1、dif2、dif3。

3.机制变量：产业结构转型升级

在产业结构转型升级的过程中，产业结构高级化与产业结构合理化是两个不可或缺的部分，两者相互影响、相互联系，共同作用于产业结构优化。据此，本文将采用产业结构合理化(ind_r)与产业结构高级化(ind_h)作为衡量产业结构转型升级的代理变量，具体研究数字金融对经济高质量增长的作用机制。

产业结构合理化是各产业间的耦合协同状态，数字金融本身属于第三产业，其在发挥作用的过程中将不断促进第三产业产值的提升，增强资源利用效率，进一步推动我国产业结构的协调化发展。据此，本文将借鉴干春辉等(2011)[36]的做法，利用改进的泰尔指数衡量产业结构合理化程度。

(6)

其中，Yijt表示i地区第j产业在t时期的增加值，Yit表示i地区t时期的生产总值，Lijt表示i地区第j产业在t时期的就业人数，Lit表示i地区t时期的产业就业总人数。同时为了方便分析，此处将改进的泰尔指数取倒数，值越大表示产业结构越合理。

产业结构高级化是指经济资源配置由低级向高级演变的过程，数字金融在减少企业搜寻成本、打破融资约束等方面发挥了重大作用，不断驱动各个产业的劳动生产率向高级化转变。据此，本文借鉴徐德云(2008)[37]的做法，以对三大产业产值进行赋值的方式对产业结构高级化进行合理测算。

ind_h=Yi1t×1+Yi2t×2+Yi3t×3

(7)

其中，Yi1t指i地区第一产业在t时期的产业增加值，其他变量类推，并予以对数化处理。

4.控制变量

根据索洛经济增长模型以及经济高质量增长内涵，本文选取五项影响经济高质量增长的要素指标作为控制变量。

(1)城镇化率(urb)，用城镇人口数量占总人口的比重衡量。城镇化对农村资源的合理化配置、城市基础设施的完善以及消费、投资的拉动具有促进作用，但随着一个地区的城镇化水平步入成熟阶段，所引发的环境、人口等问题将对经济质量造成冲击。

(2)资本投入(cap)，用外商投资数额占GDP比重衡量。根据投资乘数原理，增加投资会使产出成倍提升，激发地区经济活力与区域竞争力。

(3)政府干预(gov)，用财政支出在GDP的占比衡量。政府干预表现为市场经济的调节失灵时，政府及时采取经济或财政手段调控的行为，政府干预将对经济的平稳运行发挥重要作用，但有时过渡干预将会造成资源浪费、市场秩序紊乱。

(4)技术创新(tec)，用地区研发经费支出表示。经济发展的实质是在市场中不断引入以技术为基础的创新，技术创新能力的提升将直接影响生产要素的使用效率，不断形成企业规模效应、产业聚集效应，将创新产品转化为经济效益，促进经济数量与质量增长。

(5)居民消费(hoc)，用居民人均消费支出表示。居民消费是GDP核算的关键要素，消费水平的提升将直接改变市场的消费结构与消费需求，刺激终端市场的物质流动。同时居民消费层次的高级化转变将调整社会生产结构，优化经济的增长方式。

本文数字金融指数来自“北京大学数字普惠金融指数”，其他变量均来自《中国统计年鉴》、各省份统计年鉴以及统计公报，部分缺失数据已采用插值法补全。数据时间跨度为2011—2018年，各变量的描述性统计结果见表2。

表2 各变量的描述性统计

5.内生性与工具变量

在变量的处理上，尽管本文控制了相关变量，但仍面临内生性问题。一方面，数字金融发展仍具备传统金融的部分特性，因此其与经济的增长之间依然存在反向因果关系；另一方面，影响经济高质量增长的因素有很多，本文仅选取了具有代表性的相关变量，但依然存在遗漏变量的可能性。基于以上两方面原因，为确保模型测度结果的准确性与可靠性，本文将利用工具变量法解决内生性问题。

黄群慧等(2019)[38]认为，互联网技术的发展是由固定电话普及开始，数字金融源于互联网，因此历史上固定电话普及率较高的地区也是数字金融发展较好的地区。同时，在互联网技术普及前，人们之间的信息交流主要依靠邮件沟通实现，邮局的分布状态也在影响当今数字金融的普及与发展。基于此，可以采用历史上(1984年)每百人拥有的固定电话数量与人均邮电业务量作为数字金融发展指数的工具变量，基本满足了排他性要求。但同时需指出，虽然以上工具变量的选取可以解决内生性问题，但并不随时间变化，将导致第二阶段估计失效，因此本文借鉴(张勋等2020)[34]的做法，将工具变量与全国层面(除本省外)的数字金融发展指数的均值进行交互处理，使其作为具备时间效应的工具变量，解决内生性问题，并分别记为iv1及iv2。

三、实证结果分析

(一)数字金融与经济高质量增长的基准回归分析

在基准回归模型中，采用不同的估计方法评估数字金融对经济高质量增长的影响(见表3)。首先不考虑模型内生性问题，分别利用固定效应模型与随机效应模型考察数字金融的经济高质量增长效应，回归结果如列(1)、(2)所示；接下来考虑内生性问题，分别选取固定电话数量、人均邮电业务量与数字金融(除本省外)的交互项作为工具变量，利用工具变量法对模型(1)进行估计，回归结果见列(3)、(4)、(5)、(6)。工具变量回归结果显示，第一阶段F统计量的概率值小于0.05，表明选取的工具变量能较好地代表内生解释变量的信息，即不存在弱工具变量问题。以上基准回归模型中，数字金融系数均在1%的水平上显著，表明数字金融能够极大促进经济高质量增长。

表3 数字金融与经济高质量增长：基准回归结果

控制变量回归结果见列(4)、(6)，除系数显著性水平外，系数符号与数值大小无明显差异。其中，城镇化水平对经济的高质量增长起到一定程度的抑制作用。根据诺瑟姆(Northam)的城镇化S型曲线理论，当城镇化超过60%～70%时将进入成熟阶段，其对经济增长的推动作用也将减弱。截至2018年我国平均城镇化水平达到59.85%，城镇化带来的污染、人口等问题将阻碍经济质量的提升，而资本投入、技术创新与居民消费均显著促进了经济高质量增长。投资与消费作为拉动我国经济增长的两驾马车，对经济增长的促进作用始终存在。根据索洛增长模型，技术创新是经济可持续增长的源泉。政府干预的回归系数为正，但是结果并不显著。可能原因在于政府支出虽有利于实现资源优化配置和区域协调发展，维持市场平稳，但是政府干预一旦“越线”将会打破市场的运行规律，导致政府支出对经济的拉动作用趋向弱化。

(二)数字金融影响经济高质量增长的机制分析

本文利用中介效应检验法对以产业结构合理化与产业结构高级化为中介变量的估计结果分别进行检验。

表4展示了数字金融对经济高质量增长的中介效应回归结果。列(1)、(2)、(3)报告了以产业结构合理化为中介变量的估计结果，数字金融与产业结构合理化系数均通过了显著性检验，即存在部分中介效应，数字金融可以通过调整产业结构合理化来加强对经济高质量增长的推动作用；列(1)、(4)、(5)报告了以产业结构高级化为中介变量的估计结果，数字金融与产业结构高级化均通过了显著性水平检验，即存在部分中介效应。从系数值可看出，数字金融通过产业结构高级化对经济高质量增长的影响作用(0.146)超过了数字金融对经济高质量增长的直接作用，这也启示政府部门要更加注重数字金融与产业结构高级化的融合发展，提升数字金融的经济贡献效率。以上两个过程共同反映出数字金融的合理实施能够促进资源在产业间的优化配置，有助于产业结构升级的实现，最终促进经济高质量增长，进一步验证存在“数字金融——产业结构转型升级——经济高质量增长”的假设。

表4 数字金融与经济高质量增长：机制回归结果

(三)数字金融政策的经济高质量增长效应分析

1.双重差分模型(DID)基准回归结果分析

在考虑多重共线性、异方差以及序列相关等模型计量问题的基础上，本文借鉴胡联(2014)[39]的做法，采用White稳健性估计，依靠逐步加入控制变量的方式进行实证分析。从回归结果分析：(1)以period为时间虚拟变量，treat为地区虚拟变量，同时控制时间固定效应和地区固定效应后，发现对于数字金融发展水平较高的东部地区，数字金融政策即《G20数字普惠金融高级准则》显著促进了东部地区经济高质量增长。(2)随着控制变量的加入，模型的拟合度逐渐增强，时间虚拟变量与地区虚拟变量交互项系数比较稳定，且均在1%的水平下显著。同时从列(6)分析，交互项系数为0.120，说明数字金融政策的实施使东部地区经济高质量增长平均提升了0.12个百分点，效果比较显著(见表5)。

表5 数字金融与经济高质量增长的DID回归结果

2.安慰剂检验

针对上文DID模型的回归结果，为防止原估计结果出现偏差，需对其进行安慰剂检验，通过虚构处理组的方式再次进行回归检验。一般来说，安慰剂检验的常用方法有两种：一是基于政策实施时间的安慰剂检验，二是基于处理组的安慰剂检验。本文采用第一种方法，并借鉴刘瑞明和赵仁杰(2015)[40]的研究思路，将政策时间分别提前二年、三年、四年，探究经济高质量增长是否来自数字金融政策的推动，若回归结果显著，表明经济高质量增长并非数字金融政策带动，原估计结果出现错误；若不显著，则可以认为数字金融政策促进了经济高质量增长。同时，将政策实施条件滞后一年，以验证数字金融政策的正向促进作用。

从以上安慰剂检验的回归结果来看，将政策实施时间提前2-4年后，假想政策时间与地区交互项系数并不显著，说明东部地区数字金融政策的颁布实施确实影响了经济高质量增长；同时从政策滞后一年的结果来看，交互项系数大于政策实施当年的系数(0.121)，进一步验证了数字金融政策能够有效促进东部地区经济高质量增长，为DID模型的基准回归结论提供可靠性支持(见表6)。

表6 数字金融与经济高质量增长的DID回归结果：安慰剂检验

(四)数字金融影响经济高质量增长的异质性分析

1.维度异质性分析

根据设定的计量模型，从数字金融的覆盖广度、使用深度以及支持服务程度三个维度深入验证其对经济高质量增长的具体作用(见表7)。利用固定效应模型进行估计的结果分别见列(1)、(2)、(3)。

表7 数字金融与经济高质量增长：维度异质性分析

(1)数字金融覆盖广度。回归结果显示，数字金融覆盖广度显著促进了经济的高质量增长。覆盖广度强调的是数字金融的充足性与可及性，是否提供了足够的数字金融服务、覆盖了更多的使用人群，这说明提升数字金融覆盖广度将对经济的高质量增长呈现积极作用，同时也启示相关政府部门要加强数字金融的基础设施建设，保障数字金融的供给效率，提升数字金融的覆盖广度。

(2)数字金融使用深度。回归结果显示，数字金融使用深度显著促进了经济的高质量增长。使用深度强调的是数字金融的丰富性与服务性，是否具备了多样化的金融工具、提供了多元化的金融服务，其更多引领的是居民对于数字金融的相关需求。这启示当地政府要在推进数字金融时加强居民对于金融知识的辨别，依靠有针对性的金融知识普及提升居民的金融需求，进而更好地推进数字金融对经济高质量增长的带动作用。

(3)数字金融支持服务程度。回归结果显示，数字金融支持服务程度显著促进了经济的高质量增长。支持服务程度强调的是数字金融的便利性与优惠性，是否可以为用户提供便捷化的服务、设定完善的优惠政策，旨在将居民消费与数字金融有效融合起来。这启示当地政府要充分利用大数据、区块链等创新型技术，将信息化技术面向居民消费，提升金融交易效率，促进经济高质量增长。

(4)综合系数结果比较。可以看出，数字金融覆盖广度对经济的高质量增长的作用最大，使用深度次之，支持服务程度最小，此回归结果与钱海章等(2020)[32]的研究也基本一致。覆盖广度是数字金融实现普惠特征的基础，其在横向上实现了数字金融的资源分配与便民化的服务供给。但要真正实现数字金融的普惠性，还取决于数字金融的使用深度，由于落后地区居民对于信贷、保险等业务知识相对匮乏，即使接入数字金融，对金融业务的抵触也会直接降低数字金融的使用效率。支持服务能力是使用深度的功能体现，不仅要求满足用户的收益状况，还要求满足金融机构的服务让利，保障双方意愿才可能真正实现对经济的高质量增长的正向作用，否则将面临商业可持续与普惠性方面的难题，导致数字金融的推广失败(贝多广,2017)[41]，因此支持服务程度对经济的高质量增长作用也是相对最低的。

2.边界异质性分析

根据设定的技术创新与居民消费的边界条件，分别得出在低技术与高技术地区，低消费与高消费地区数字金融对经济高质量增长的异质性影响，具体回归结果见表8。

表8 数字金融与经济高质量增长：边界异质性分析

(1)技术创新的异质性。根据各省份技术创新水平，划分为低技术地区(中位数以下)与高技术地区(中位数以上)，结果见列(1)、(2)所示。研究发现，相对于低技术地区，数字金融在高技术地区对经济高质量增长的推动效果更为强烈。一般而言，高技术地区数字金融的基础设施建设更加完善，数字金融更具接入性与可及性，其与大数据、人工智能等先进技术的深度融合将极大减少信贷风险，提升企业的盈利能力。因此，这也启示我们增强数字金融经济效应的重要途径在于提升区域的技术创新能力，增强技术对金融的支撑作用，努力实现数字金融的经济产出最大化。

(2)居民消费的异质性。采用固定效应模型探究在居民消费水平异质性条件下(中位数为划分依据)数字金融对经济高质量增长的影响效果，模型估计结果见列(3)、(4)。结果显示：数字金融均显著促进了两组样本地区的经济高质量增长，但从系数值发现，这种影响在高消费地区的促进作用更大。数字金融的发展带来了诸如P2P网贷等互联网理财产品，其相对于传统储蓄具有更多的收益。而且一般居民消费较高的地区，居民的收入水平也相对较高，消费者会更倾向于数字金融产品储蓄，这不仅增加了消费者自身的“财富效应”，推动了消费结构的转型升级，而且形成了数字金融设施建设的规模效应，对经济高质量增长的促进作用也会更大。

(3)从实验组的样本分布来看，高技术与高消费地区多为我国的东部地区省份，以上地区数字金融对经济高质量增长的促进作用更加强烈，这也进一步验证了政策效应DID研究结果：在数字金融政策颁布后，数字金融对我国东部发达地区经济的质量增长效果更为显著。

(五)稳健性检验

通过实证研究看出，数字金融的发展显著促进了我国经济高质量增长。为验证回归结果的可靠性，采用以下方式进行稳健性检验(见表9)：

表9 稳健性检验结果

1.更改测度方法

本文利用技术市场成交额代替专利申请数来衡量创新水平，利用消费者价格水平代替人均消费支出衡量消费水平，对回归结果重新估计，结果见列(1)。在更换控制变量的测度方法后，数字金融对经济的高质量增长的正向作用依旧显著，证明估计结果稳健。

2.剔除地区样本

中国经济增长的区域差异性可能作为外生因素导致数字金融的经济质量增长效应不一致。因此，本文剔除北京、天津、上海、重庆四个经济发达的直辖市以及内蒙古、广西、新疆、宁夏、西藏五个经济落后的自治区，对剩下的面板数据重新回归，结果见列(2)。可以看到，在剔除相关地区样本数据后，参数的系数与显著性水平没有明显变化，证明估计结果稳健。

3.增加遗漏变量

经济高质量增长涉及多维度，在因变量的选取中并未涉及环境指标，因此加入固体废弃物综合利用率(gre)这一控制变量，进一步衡量经济高质量增长中的生态性、绿色性，结果见列(3)。可以看到，回归系数的大小与显著性水平没有明显变化，证明估计结果稳健。

4.缩尾处理

对核心解释变量以及控制变量进行1%显著水平下的缩尾处理，并控制地区固定效应重新回归拟合，结果见列(4)。可以看到，缩尾处理后的核心解释变量系数与显著性水平均无明显变化，证明估计结果稳健。

上述四种不同方式的稳健性检验，有效验证了本文研究结果的可靠性。

四、结论和建议

(一)结论

1.基准回归以及后续工具变量法回归结果均显示，数字金融的发展显著促进了经济高质量增长。

2.为探究数字金融对经济高质量增长的作用机制，以产业结构转型升级(可分解为产业结构合理化与产业结构高级化)作为中介变量，采用中介效应模型验证了“数字金融——产业结构转型升级——经济高质量增长”这一传导机制的有效性，即数字金融的发展可以通过推动产业结构转型升级进而带动经济高质量增长。

3.以《G20数字普惠金融高级原则》这一文件颁布作为准自然实验，加入双重差分模型(DID)，发现数字金融显著促进了东部发达地区的经济高质量增长，安慰剂检验结果论证了政策实施的有效性。

4.为进一步分解数字金融与经济高质量增长的关系，分别研究数字金融维度异质性与边界异质性影响。维度异质性结果显示数字金融的覆盖广度、使用深度以及支持服务程度均显著促进了经济的高质量增长，且作用大小依次递减；边界异质性结果显示数字金融在技术创新较强、居民消费较高地区的经济质量增长效应更为强烈，这也与准自然实验的研究结果相互论证，验证了回归结果的可靠性。

(二)建议

1.健全数字金融发展体系

政府应积极开展顶层设计，制定政策规定，引导数字金融创新化、常态化发展，充分利用新技术、新业态、新模式完善传统金融体系建设；同时，政府也要尊重金融市场发展规律，避免过度干涉，形成一个以政府为引导、市场为驱动的良性金融环境。

2.促进数字金融在区域间平衡发展

首先，加快数字金融基础设施建设，依托以人工智能、区块链、大数据为支撑的现代信息技术功能，拓宽数字金融的服务广度与使用深度，利用其普惠性特征降低金融资源的流动性约束，提高金融服务在落后贫困地区的触达能力，实现对有限资源的合理优化配置；其次，不同地区政府应在中央统筹调控下，灵活采取差别性政策，东部地区政府应在数字金融领域大力投资，积极扶持，而中西部地区政府则应在充分调查本地实体经济需求的前提下审慎开展，避免一拥而上导致无效投资。

3.充分发挥数字金融对产业结构升级的推动作用

数字金融对经济增长的影响作用会通过产业结构升级间接实现，因此要充分发挥数字金融对产业结构调整的推动作用。根据不同产业要素禀赋和技术水平，量身定制数字金融接入政策，优先在高附加值产业和战略性新兴产业布局数字金融服务，改革投资政策，引导要素在产业间的优化配置，加速产业结构升级，最终形成“数字金融—产业机构转型升级—经济高质量增长”的良性传导机制。

4.防范传统城镇化负面效应，推进新型城镇化建设

推进以人为本的新型城镇化建设，合理推进城市群、小城镇和卫星城市建设，增加数字化设施和服务在各类卫星城市、中小城镇的覆盖面，在此基础上提高数字金融水平对新型城镇化建设的贡献力度，最终促进经济高质量增长。