数字金融发展与产业结构升级——基于空间外溢视角的分析

苍玉权 赵洪宸

（南京审计大学，江苏 南京 211815）

一、引言

我国经济已由高速增长阶段转向高质量发展阶段，推动经济实现高质量发展意味着我国必须从过去依靠要素驱动和资本驱动的“粗放式增长”转向依靠技术进步和产业结构转型升级的“集约式增长”。习近平总书记强调，推动经济高质量发展，要把重点放在推动产业结构转型升级上。金融资源供给正是推动产业结构转型升级的重要支撑。十九大报告强调，深化金融体制改革，增强金融服务实体经济能力。当前我国正规金融部门的金融供给不足制约了我国金融业服务实体经济的能力（黄益平和黄卓，2018）。由于金融排斥问题的存在，以银行信贷为主导的传统金融难以满足中小经济主体（如家庭、小微企业等）的资金需求（吴雨等，2020），因此难以充分发挥其助力实体经济、推动产业升级的作用。

传统金融所面临的困局在新时代下需要创新型金融模式来解决（唐松等，2020），数字金融作为传统金融与现代科技的融合产物，通过算法技术及产品创新，降低金融服务的成本，增加金融服务的供给渠道（郭峰等，2020），可以有效地渗透至传统金融机构供给不足的领域，让金融服务更全面地覆盖中小经济体。以普惠、低门槛、信息化为特征的数字金融能否通过助力小微企业、促进金融机构效率提升等区别于传统金融的渠道，助力产业结构的调整升级是个值得深究的现实问题。为了检验数字金融是否能够对产业结构的调整升级产生预期的推动作用，本文将在系统分析数字金融发展影响产业结构升级具体机制的基础上，以我国2011—2018年281个地级及以上城市面板数据作为样本，研究数字金融对产业结构升级的影响效应。

与现有研究相比，本文贡献在于：第一，本文在统一框架下探讨数字金融区别于传统金融推动产业结构调整升级的机制路径，验证了创新创业、金融机构效率提升在数字金融影响产业结构升级过程中所起到的中介效应；第二，通过构建空间杜宾模型（SDM），探讨数字金融对产业结构升级的空间溢出效应；第三，引入空间滞后模型（SLX），以“八纵八横”光缆干线通信网络节点作为工具变量，对数字金融发展与产业结构升级间由于反向因果关系所导致的内生性问题进行了一定的控制；第四，基于我国城市规模等级划分子样本，证明数字金融在不同规模等级城市对产业结构升级的影响效果存在差异，并进一步探究I 型及以上大城市数字金融发展对周边中小城市、II型大城市的不同溢出效应，有利于地方政府因地制宜制定相应政策。

二、文献综述

目前国内外已有大量文献讨论了传统金融发展对产业结构升级的影响机制与作用效果。其中，Levine（1996）认为，金融机构充分发挥金融供给功能是产业结构升级的重要条件；林毅夫等（2009）指出，金融资源充分促进产业结构升级的前提是金融结构与产业结构相匹配；钱水土和周永涛（2011）以银行贷款规模衡量金融发展，通过实证分析得出金融发展可以通过技术提升来实现助力产业升级的作用；朱玉杰和倪骁然（2014）发现，由于金融抑制的存在，无论是金融规模存量还是金融效率都无法有效促进产业结构升级；李文艳和吴书胜（2016）认为金融规模、金融效率可以分别通过资本形成、资本要素配置的渠道推动产业结构升级；郑威和陆远权（2019）用地区金融集聚度来衡量其金融发展水平，发现金融发展水平是影响地区产业调整的关键要素。

但是必须承认的是，我国金融发展还存在不足之处，尤其是传统金融服务长期供给不足，严重制约我国的产业结构升级。在这样的金融环境下，数字金融应运而生。数字金融通过现代信息技术，缓解由于信息不对称而产生的高风险溢价与高运营成本问题，拓宽金融服务边界（黄浩，2018）。由于数字金融已经得到广泛应用（Chen，2016），学者们也对数字金融在实体经济中的影响效应展开大量研究。宏观层面，吴悠悠（2015）认为数字金融的发展在对传统金融产生冲击的同时，也会通过竞争倒逼传统金融业提升服务效率；谢绚丽等（2018）的实证结果表明数字金融通过助力不发达地区、扶持小微企业促进创新创业；Kapoor（2013）发现数字金融的发展能够助力国家经济的发展，钱海章等（2020）的研究同样验证了数字金融对经济增长的促进作用；汪亚楠等（2020）利用市级层面数据研究数字金融对社会保障的促进作用及作用机制。微观层面，Grossman &Tarazi（2014）发现数字金融的发展可以促进居民消费，易行健和周利（2018）得出同样的结论；傅秋子和黄益平（2018）发现数字金融的出现影响农户对正规信贷的需求；王瑶佩和郭峰（2019）的研究表明数字金融发展影响农户参与数字金融的决策；张勋等（2019）发现通过带动家庭创业，数字金融不仅能够促进农村居民的收入提高，还能改善中国整体的收入分配状况；吴雨等（2020）发现数字金融会抑制传统私人借贷市场的发展；方观富和许嘉怡（2020）的研究表明数字金融发展能够促进居民就业。然而，纵观现有文献，鲜见数字金融影响产业结构升级的相关研究，本文仅发现唐文进等（2019）通过实证分析，研究数字金融与产业结构升级间的非线性关系。

通过梳理相关文献可以发现，国内外学者对于数字金融如何影响产业结构的研究仍然较少，尤其缺少数字金融区别于传统金融影响产业结构升级的理论机制分析。目前的文献并没有关注到数字金融与产业结构升级之间由于反向因果关系而产生的内生性问题。随着区域间联系的日益密切与交通设施的飞速发展，中国产业结构升级的空间依赖性变得不可忽略，不同城市间的产业调整存在着明显的空间关联效应，因而数字金融发展对某一城市产业升级产生影响的同时，也会对周边城市的产业调整产生影响，而目前大多数文献忽略了这种空间关联效应。本文研究则有助于弥补现有研究的不足，为助力数字金融推动城市产业结构升级提供有益参考。

三、理论机制及空间溢出效应

（一）数字金融促进产业结构升级的理论机制

数字金融作为传统金融的一种新形式，对产业结构升级的影响方式仍然部分遵循着传统金融的作用规律，即通过资本形成、资本导向、信用催化、机会共享等途径推动产业主体的资本积累与技术进步，从而推动产业结构升级（郑威和陆远权，2019）。同时，数字金融作为传统金融的创新与延展，还可以发挥区别于传统金融的独特优势，从传统金融不易触及的渠道推动产业结构升级。本文认为，数字金融区别于传统金融、助力产业结构升级的渠道还存在以下两点：

1.数字金融通过提升金融机构效率促进产业结构升级。数字金融作为传统金融与数字技术深度融合的产物，对以银行业为代表的传统金融机构造成很大的冲击（封思贤和郭仁静，2019）。一方面，数字金融的发展重塑金融业原有的利益格局，激化行业内的竞争，倒逼传统金融机构进行业务升级，提高其服务质量（吴悠悠，2015）；另一方面，数字金融的技术思维更加领先，对传统金融机构起到示范作用。传统金融机构可以通过模仿其产品形式、吸纳其服务理念、学习其先进技术的方式，促进自身数字化转型，实现自身服务范围的扩大与服务效率的提升（沈悦和郭品，2015）。

数字金融与传统金融机构间的竞争与合作促进金融机构整体效率的提升，而金融机构效率是影响金融资本导向的重要因素，金融机构效率的提升保证了资本市场与信贷市场的资本能够流向生产率更高的生产部门，促进资本要素的合理配置（李文艳和吴书胜，2016），从而推动地区的产业结构升级。据此，本文提出假设H1。

假设H1：数字金融能够通过提升金融机构效率，推进资本要素的合理配置，进而助力产业结构升级。

2.数字金融通过影响创业促进产业结构升级。数字金融是对传统金融机构服务的一种补充，能够渗透到传统金融机构服务供给不足的领域（封思贤和郭仁静，2019）。商业银行作为我国传统金融机构的主导机构，控制风险、保证资金安全是其首要考虑的因素。作为推动产业结构升级的主力军，小微企业一方面由于规模有限，缺乏经营记录，与资金提供者间存在着更严重的信息不对等问题（谢绚丽等，2018），另一方面由于有效财产的缺乏，无法为资金提供者提供足够的抵押物。基于以上两点，商业银行往往无法为小微企业的发展提供有效的资金支持。此外，股权融资作为企业发展的另外一个重要资金来源，大部分中小企业都未能达到其门槛条件，即使获得融资，资金提供者也会通过提高利率的手段转嫁由于信息不对称、缺少抵押带来的风险成本（阮坚等，2020）。因此，小微企业通常会面临融资门槛高、融资成本贵的问题。然而，得益于数字金融的飞速发展，小微企业所面临的融资困境得到有效缓解：一方面，数字金融门槛较低，成为小微企业获取融资的新渠道；另一方面，数字金融依靠其内嵌的大数据、人工智能等信息技术可以对贷款人在互联网留下的行为记录进行分析，对小微企业进行信用评级，减少因信息不对称带来的风险成本与评估成本，降低小微企业的融资成本（谢绚丽等，2018）。因此，数字金融的发展通过帮助小微企业越过创业的资金门槛，推动地区创新创业活动的开展，进而促进地区的技术进步，最终优化地区的产业结构。据此，本文提出假设H2。

假设H2：数字金融能够通过降低金融准入门槛、减少融资成本促进创新创业活动的开展，进而助力产业结构升级。

（二）空间溢出效应

1.产业结构调整的空间关联性。产业结构升级并非某一地区特有的经济现象，不同地区间的产业结构调整具有明显的空间关联性。原因在于，一方面，地区间相似的经济特征容易加剧地区间的政策模仿与产业发展攀比（盛斌和赵文涛，2020），使得周边地区间的产业特征趋向同质化。另一方面，某一地区的产业结构升级往往伴随着知识、技术、人力资本的溢出，高级要素的流动促进了周边地区的产业结构升级。据此，本文提出假设H3。

假设H3：不同地区间的产业结构调整存在着空间关联性。

2.数字金融的空间溢出效应。一是正向溢出效应。首先，由于产业结构转型升级具有空间关联性，数字金融在影响本地产业结构调整的同时，也会通过地区间产业调整的依赖作用，影响周边地区的产业结构调整。其次，某一地区的数字金融可以通过其大数据技术，引导金融要素实现跨时空配置，促进该地区与周边地区的要素交流（唐松等，2020），增加周边地区的金融服务供给，便利周边地区企业技术创新活动的展开，进而对邻近地区的产业结构转型产生正向影响。再次，某一地区的数字金融发展能够通过“示范效应”，推动周边地区数字金融业务的推广（郭峰等，2020），提高周边地区的数字金融水平，从而间接地影响邻近地区的产业结构调整。最后，由上文理论分析可知，数字金融发展提升了本地传统金融机构的效率，推动本地传统金融结构的业务升级与数字化转型，促进其跨区域支付效率，提升本地传统金融机构对周边地区的金融要素输出，最终推动邻近地区产业结构的调整升级。

二是负向溢出效应。本地区数字金融水平的提升会通过助力当地的产业结构升级对周边地区的高级要素产生“极化效应”，具体而言，一个地区的产业结构转型升级往往伴随着周边地区知识、技术、人力资本等高级要素向本地区流动，本地区淘汰的落后产业、低级要素向周边地区转移（韩峰等，2020），阻碍相邻地区产业的转型升级，因此本地的数字金融发展也可能会对邻近地区产生负向的空间外溢作用。据此，本文提出假设H4。

假设H4：数字金融会对周边地区的产业结构升级产生空间溢出效应。

四、模型设定与变量说明

（一）空间计量模型设定

根据上文理论机制分析，本文进一步通过实证检验数字金融对产业结构升级的影响情况。由于不同城市之间的产业调整也会因为空间联系而产生关联，计量模型中除数字金融以外的其他解释变量也可能因为城市间产业结构调整的空间依赖性对邻近城市造成空间溢出作用。为了对这样的空间溢出效应进行控制，本文引入解释变量与被解释变量的空间滞后项，具体空间计量模型设定如公式（1）所示。

其中，ISit表示城市i在t年的产业结构状况，本文从产业高级化（UISit）和产业合理化（RISit）两个角度来衡量；IFit为城市i在t年的数字金融发展水平，本文用北京大学数字金融研究中心和蚂蚁金服集团共同编制的数字普惠金融指数来衡量；μi表示城市固定效应；νt表示时间固定效应；εit表示残差；Xit表示控制变量，主要包括交通基础设施建设、人力资本、地方政府财政支出、劳动力供给和对外开放程度；ρ表示空间自回归系数；γ1、γ2分别表示数字金融与控制变量空间交互项的弹性系数；Wij表示空间权重矩阵。

（二）变量说明

本文选用2011—2018年281个地级及以上城市的面板数据作为样本。数据主要来源于“北京大学数字普惠金融指数”与2012—2019年《中国城市统计年鉴》。

1.被解释变量。本文被解释变量为产业结构升级（IS）。产业结构升级反映的是生产要素配置不断优化调整，进而带动产业结构朝着合理化与高级化方向演进的过程。本文从产业合理化与产业高级化两个角度综合评价产业结构升级。其中产业合理化是指产业间的聚合程度，反映要素投入与产出结构之间的耦合程度，本文借鉴干春晖等（2011）、邓慧慧等（2020）的设定，将泰尔指数与模糊数学中加权海明（Hammming）贴近度评价方法相结合，构建产业合理化指标，具体如公式（2）所示。

其中，RISit表示产业合理化程度；表示三次产业分别占总产值的比重表示三次产业的就业人口分别占就业总人口的比重；|(Yit/Yt)-(Lit/Lt)|表示投入与产出的耦合程度，其值越大，表示经济偏离均衡状态程度越高，产业合理化程度越低。因此RISit的值越大，表示经济越接近于平衡状态，产业合理化程度越高。

由信息技术驱动的服务型产业在总产值中的占比重不断提升是产业结构升级的重要特征（干春晖等，2011），本文采用第三产业产值占总产值的比重来表征产业高级化，这种衡量方式可以清楚地反映出服务型产业的发展状况，具体如公式（3）所示。

其中，UISit表示产业高级化程度表示第三产业占总产值的比重。如果UISit处于上升状态，就表示服务型产业在产业结构中的地位上升。

2.核心解释变量。本文核心被解释变量为数字金融（IF）。本文使用中国数字普惠金融指数来表示各城市的数字金融发展水平，它能综合反映地区的数字金融覆盖广度、使用深度与数字支持服务程度，该指数目前已被广泛认可与应用，具有较高的代表性与可靠性。

3.其他控制变量。除了上述变量，本文还控制以下可能会对产业结构升级产生影响的变量。交通基础设施水平（Inf）：选取人均城市道路面积来衡量一个地区的交通基础设施水平。人力资本（Edu）：选取普通高校在校生占总人口比重来衡量一个地区的人力资本水平。地方政府财政支出（Gov）：选取地方政府财政支出占GDP 比重来衡量一个地区的政府财政支出水平。劳动力供给（Ls）：选取就业人口总量来衡量一个地区的劳动力供给水平。对外开放程度（Open）：选取实际利用外资占GDP 比重来衡量一个地区的对外开放程度。计量模型中所涉及的变量的描述性统计结果如表1所示。

表1 变量的描述性统计

五、空间计量结果分析

（一）空间矩阵设定与计量结果分析

虽然就理论上而言数字金融的发展突破了地理的限制，但是数字金融仍遵循着传统金融的发展规律，发展水平依赖于当地的传统金融与实体经济（郭峰等，2020）。因此，本文认为数字金融对地区产业结构转型升级所产生的空间外溢作用受到地理要素与经济要素的双重影响。基于此，本文构建地理距离和经济规模嵌套矩阵来反映空间个体在地理距离与经济差距间的双重空间邻近性，具体如公式（4）所示。

其中，Wd为地理距离矩阵，Wd=1/dij，dij表示城市之间的距离，当i=j时，dij取0。经济规模矩阵We=，其中代表城市i的人均实际GDP 在2011—2018年间的均值，φ表示地理距离矩阵在嵌套过程中所占权重，本文参照韩峰和阳立高（2020）的做法，将φ设定为0.5。

基于距离与经济的嵌套矩阵，本文计算产业高级化与产业合理化的面板莫兰指数。结果显示产业结构化的莫兰指数为0.1320，伴随概率为0.0000；产业合理化的莫兰指数为0.0645，伴随概率为0.0000。说明地区间的产业高级化与产业合理化均有着明显的正向关联性，验证本文的假设H3。

为了选取适用于本文样本的空间计量模型，本文参考Elhorst（2014）的做法，依据“OLS-SAR 或SEMSDM”的判断路径来决定本文所用模型的具体形式，经检验后选用同时控制时空双重固定效应的SDM模型作为计量模型，计量结果见表2。

尽管表2 证明了城市间的产业结构调整确实存在着明显的空间交互效应，但是并不能反映出数字金融发展以及其他控制变量对产业结构升级的边际影响，也无法准确识别出数字金融对邻近城市产业调整升级的空间溢出作用。为了准确地反映各解释变量的空间外溢作用，本文参考Elhorst（2014）的思路，估计SDM模型下各解释变量对产业结构升级的直接效应与间接效应，结果如表3所示。

表2 数字金融对产业结构升级的空间效应估计结果

表3 数字金融对产业结构升级的直接效应和间接效应估计

表3 显示数字金融对城市产业高级化和合理化的直接效应估计系数分别为0.2198、0.0989，意味着数字金融水平每提升1%，会分别使得产业结构高级化和合理化水平提升0.2198%与0.0989%。说明数字金融的发展既推动了地区的产业结构朝着服务化演进，又促进了地区不同产业间的均衡发展，这也与前文的理论分析相符：数字金融可以通过多种渠道推动地区的产业结构升级。数字金融对产业合理化的间接效应估计系数为0.2794，意味着数字金融水平每提升1%，会使得周边地区产业合理化水平提升0.2794%，该间接效应占总效应的70%以上，高于直接效应，说明某一城市的数字金融发展水平会对邻近城市的产业合理化产生正向的空间外溢作用；对产业高级化的间接效应估计系数为-0.4288，意味着数字金融水平每提升1%，会使得周边地区产业高级化水平降低0.4288%，该间接效应占总效应的60%以上，高于直接效应，说明某一城市的数字金融发展会抑制周边城市的产业高级化进程。由上文理论分析可知，数字金融同时会对邻近城市造成正负两种空间溢出效应。从正向溢出效应来看，本地区的数字金融发展可以通过示范效应、技术外溢效应以及金融要素的跨区域配置等机制直接或间接地推动邻近地区的产业结构升级；从负向溢出效应来看，数字金融发展促进本地区产业结构升级的过程中伴随着资本、技术、人才等高级要素的集聚以及低端产业、低级要素向周边地区的转移，从而抑制周边地区的产业结构升级。从估计系数来看，本地区的数字金融推动了周边城市产业间的均衡发展，说明在影响周边城市产业合理化的过程中，数字金融发展的正向外溢作用要强于负向外溢作用；本地区的数字金融发展对周边城市产业高级化的估计系数为负值，原因可能在于数字金融发展推动本地区产业结构升级的过程中所引发的“极化效应”与低端产业转移阻碍了周边城市的产业结构朝着高级化方向发展，而这种负向影响效应强于数字金融发展通过促进金融要素流动、增加资本供给等途径助力周边城市产业高级化的正向影响效应。

（二）数字金融发展影响产业结构升级的中介机制检验

本文的理论机制分析显示，数字金融发展能够通过提升金融机构效率、促进创业影响金融资本配置效率和技术进步，从而推动产业结构升级。为了对上述机制进行检验，本文借鉴温忠麟和叶宝娟（2014）的中介效应检验方法，通过构建递归模型检验数字金融影响产业结构升级的机制，具体模型表示如公式（5）至（7）所示。

其中，MVit表示中介变量，包括金融机构效率和创新创业情形。本文借鉴彭俞超等（2018）的设定，采用金融机构年末贷款余额与GDP 的比值来间接表征地区的金融机构效率（Ef），数据来源于2012—2019年《中国城市统计年鉴》；借鉴谢绚丽等（2018）的做法，采用新建企业数反映城市的创业情况（Se），数据来源于北京大学企业大数据研究中心编制的创新创业指数。由于部分城市的创业数据存在缺失，本文在检验创业的中介效应时剔除北京、上海等5 个城市。首先，本文根据式（5）检验数字金融对产业结构升级的影响；其次，对式（6）进行回归，通过观察系数来判断数字金融发展是否会对中介变量产生显著影响，若该系数显著为正，则表示数字金融发展对中介变量具有明显的促进作用；最后，对式（7）进行计量分析，若系数与均显著，且系数较系数有所减小，则说明本文选取的中介变量确实存在部分中介作用；若系数显著，系数不显著，则说明本文选取的中介变量存在完全中介作用。

表4 中式（5）结果显示，数字金融对产业高级化与产业合理化的直接影响为正，对产业合理化的间接影响同样为正，对产业高级化的间接影响为负，且上述影响均显著。当中介变量为金融机构效率时，式（6）的参数估计结果显示，数字金融的直接影响显著为正，间接影响并不显著，说明数字金融发展促进了本地区的金融机构效率提升，但是对周边城市的金融机构效率并没有产生明显的影响。式（7）中金融机构效率的参数估计结果显示，金融机构效率对产业高级化同时存在着显著为正的直接影响与间接影响，对本地的产业合理化也存在着明显的正向影响，说明金融机构效率的提升不仅促进了本地区的产业结构转型升级，还通过空间外溢作用推动邻近城市的产业高级化进程，这一估计结果也验证了上文提出的理论分析。进一步观察式（7），数字金融对产业高级化与产业合理化的直接效应系数仍显著为正，但均小于加入中介变量前的估计系数，这意味着在数字金融促进本地区产业高级化与产业合理化的过程中，金融机构效率起到部分中介作用。式（5）与式（7）中数字金融对周边地区产业高级化的间接效应系数变化显示出，数字金融发展通过促进金融机构效率提升可以在一定程度上抑制其对周边地区产业高级化的负向溢出作用。

表4 金融机构效率的中介效应检验

当中介变量为创新创业时，表5 中式（6）的参数估计结果显示，数字金融对创新创业同时存在着明显的正向直接影响与间接影响，说明数字金融发展不仅促进了本地区的创业，还能对周边城市产生正向的溢出效应。式（7）中创新创业的估计参数显示，创业并不会对产业高级化产生明显影响，但是对本市的产业合理化具有明显的推动作用。式（7）中数字金融发展对产业合理化的直接效应估计系数为0.0974，小于式（5）中的直接效应估计系数0.0991。这表明在数字金融推动产业合理化的过程中，创新创业具有明显的部分中介作用。

表5 创业的中介效应检验

（三）稳健性检验

为检验数字金融发展对产业结构升级影响效果的稳健性，本文从替换空间权重矩阵、剔除直辖市、变换被解释变量指标和处理内生性四个方面对基准回归的计量结果进行稳健性检验。

1.数字金融作为传统金融衍生而来的新业态，其发展仍依赖于当地的经济水平，本文将基准回归模型中使用的嵌套矩阵（Wn）替换为经济规模矩阵（We），重新进行空间计量分析。

根据表6中结果可见，将地理距离与经济规模嵌套矩阵替换为经济规模矩阵后，数字金融发展对产业高级化的直接影响为正，间接影响为负；对产业合理化的直接影响和间接影响均为正，且上述影响均显著。因此，替换空间权重矩阵后的空间计量结果与基准回归中数字金融发展对产业结构升级的作用关系基本一致，验证了基准回归结果的稳健性。

表6 数字金融对产业结构升级影响的稳健性检验

2.由于我国直辖市与其他地级市相比存在一定的特殊性，因此本文在剔除北京市、天津市、上海市、重庆市4 个直辖市以后，重新对样本进行计量分析，结果也在表6中呈现。结果显示，数字金融对产业高级化与产业合理化的影响仍与基准回归结果一致。

3.本文用第三产业占总产值的比重作为产业高级化的基础变量进行回归，该部分本文利用第三产业增加值作为产业高级化的替代指标进行稳健性检验，数据来源于2012—2019年《中国城市统计年鉴》。表6 中的结果显示，替换指标后，数字金融对产业高级化的直接效应系数显著为正，间接效应系数在5%的水平下显著为负。回归结果仍与基准回归一致，印证了模型的稳健性。

4.内生性问题：SDM模型本身可以有效解决空间计量中由于遗漏变量所引起的内生性问题，但无法解决因解释变量与被解释变量间反向因果关系所引起的内生性问题。为了处理由反向因果引起的内生性问题，本文使用空间滞后解释变量模型（SLX），借鉴何宗樾等（2020）的设定，选取1998年建成的“八纵八横”光缆干线通信网络节点作为工具变量，采用2SLS估计方法进一步处理模型的内生性问题。考虑到这一工具变量非时变的特点，无法用于固定效应模型，本文参考赵涛等（2020）的做法，将上一年全国互联网用户数量与其交互构成新的变量LnFra，用LnFra以及其空间滞后项W×LnFra作为工具变量。此外，本文还以数字金融发展指数及其空间滞后项的滞后一期LnIF（-1）、W×LnIF（-1）作为工具变量进行两阶段最小二乘估计，估计结果见表7。

F 检验显示，工具变量通信网络节点、数字金融发展指数滞后项均与内生变量高度相关，不存在弱工具变量的问题。无论是使用通信网络节点还是数字金融发展指数滞后项作为工具变量，数字金融对产业高级化的直接效应系数都为正，间接效应都为负，且均通过了1%的显著性水平检验，与基准回归结果一致，验证了数字金融对本地区产业高级化的促进作用以及对周边城市的负向溢出作用。使用通信网络节点作为工具变量时，数字金融对周边城市的溢出效应仍显著为正，验证了数字金融对周边城市产业合理化的推动作用；对本地区的直接效应估计系数虽然为正，但并未能通过显著性水平检验。使用数字金融发展指数滞后项作为工具变量时，数字金融对产业合理化的直接效应与间接效应均显著为正，与基准回归结果相符，验证了数字金融对产业合理化的推动作用以及正向溢出作用。

六、基于不同等级城市、区域差异以及金融中心溢出的进一步分析

（一）基于不同规模等级城市的进一步分析

数字金融是推进我国普惠金融发展的重要介质，其与生俱来的政策性和靶向性特征（汪亚楠等，2020）能够引导普惠金融资源流向金融资源相对匮乏的中小城市。为了探究数字金融的发展能否有效纠正传统金融的靶向偏离问题（唐松等，2020），本文通过划分城市规模等级讨论在不同规模等级的城市样本下数字金融对产业结构升级的影响。城市规模等级的划分标准参照2014 年国务院颁发的《关于调整城市规模划分标准的通知》，结果见表8。小城市样本中，数字金融发展对产业高级化的直接影响与间接影响虽然为正，但是其影响效果并不显著；对产业合理化的直接影响显著为正，但是估计系数为0.0645，小于其他等级城市的直接效应估计系数。说明数字金融对小城市产业调整的推动作用仍不明显，具有很大的提升空间。原因可能在于小城市数字金融普及程度不高，城市居民由于金融知识匮乏、金融意识保守等原因（汪亚楠等，2020），尚未对数字金融服务进行充分利用。II 型大城市数字金融对本市的产业合理化具有明显的正向作用，估计系数为0.0658，意味着II型大城市数字金融水平每提升1%，会使得产业合理化水平提升0.0658%。对本市产业高级化的直接影响同样为正，但并不显著。中等城市数字金融发展对产业高级化与产业合理化的直接效应系数均显著为正，分别为0.1506 与0.0714，意味着中等城市数字金融水平每提升1%，会使得产业高级化、产业合理化水平分别提升0.1506%与0.0714%，说明中等城市数字金融发展能够在促进产业高级化的同时推动产业合理化发展，比较直接效应估计值还可以发现，所有城市样本中，中等城市样本中数字金融对产业合理化的促进作用最明显。数字金融对中等城市产业升级的促进效果优于小城市与II型大城市的原因可能在于，同小城市相比，中等城市数字金融普及程度更高；同II 型大城市相比，中等城市的传统金融体系较为落后，金融需求无法得到满足的群体占比更高，数字金融的发展能够通过降低金融服务门槛，对中等城市的“中小微弱”起到“雪中送炭”的作用。中等城市和II型大城市数字金融发展对产业高级化与产业合理化的间接效应系数显示，中等城市样本中数字金融发展对周边城市的产业高级化的估计系数为-1.0590，且通过5%水平下的显著性检验，说明数字金融发展会抑制周边城市的产业高级化，对周边城市的产业合理化的估计系数同样为负，但并未通过显著性水平检验；II型大城市的数字金融发展对周边城市的产业高级化、产业合理化均产生明显的促进作用。此外，I型及以上大城市的数字金融发展对产业合理化的直接效应同样显著为正，为0.3179，数值接近于中等城市，说明数字金融发展对I型及以上大城市产业结构升级的综合推动效果最优。间接效应系数显示，I 型及以上大城市的数字金融发展对周边城市的产业合理化同样具有明显的促进作用。综合不同规模等级城市的回归结果来看，数字金融发展对中等城市的产业结构升级具有明显的促进作用，促进效果仅次于I 型及以上大城市，但是对小城市的促进效果明显逊于其他规模等级的城市。以上说明数字金融对传统金融靶向偏离问题的纠正作用虽然得到一定的体现，但要充分发挥数字金融的普惠功能还需要进一步提升数字金融的普及程度。

表8 基于不同城市规模等级的异质性检验

（二）基于区域差异的进一步分析

现实中，我国三大区域的经济发展不平衡，产业结构也存在着较大的差异。表9 从区域化视角分析数字金融对产业结构升级的影响。观察数字金融对我国三大区域产业结构升级的直接效应系数可以发现，数字金融对各区域的产业高级化与合理化都能起到促进作用，对东部、中部、西部地区产业高级化的估计系数分别为0.1391、0.2339、0.0952，产业合理化的估计系数分别为0.0908、0.1325、0.0731。比较系数大小发现，无论是产业高级化还是产业合理化，数字金融对中部地区的促进作用最强，东部次之，西部最弱。可能的解释是，我国数字金融资源有限，难以在全国广泛普及，西部城市的数字金融设施最少（汪亚楠等，2020），西部地区的居民金融意识也相对保守，因此数字金融对西部地区产业结构升级的影响颇为有限；东部地区的经济在三大区域中最为发达，产业服务化程度与合理化程度均已处于较高的水平，这使得数字金融发展水平的提升对东部地区产业结构升级的边际效应低于其他区域；中部地区的产业结构升级正处于稳步推进的阶段，数字金融资源相较于西部地区更为丰富，居民的金融认知能力也在逐渐提升，这使得数字金融对中部地区产业结构升级的推动作用得到最充分的发挥。观察数字金融对我国三大区域产业结构升级的间接效应系数发现，数字金融对东部地区的产业高级化与合理化的溢出作用均显著为正，估计系数分别为0.1529与0.3197，对中部地区产业合理化的间接影响并不显著，对产业高级化的间接影响显著为负，估计系数为-0.4895，对西部地区产业高级化与合理化的间接影响均显著为负，分别为-0.3793与-0.0753。原因可能在于，东部地区较为发达，数字金融更易通过技术溢出、金融资源共享等途径对其他地区产生正向的溢出作用，本地淘汰的低端产业通常也会转移至相对较为落后的中、西部地区，中、西部地区由于自身经济发展状况限制，受低端产业转移影响较大，并且更易受极化效应影响，人才资源等往往更倾向于流向周边较发达的地区，而西部地区此类现象尤甚，因此数字金融发展会对中、西部地区的产业结构升级产生负向的溢出作用。

表9 基于区域差异的异质性检验

（三）基于区域金融中心溢出的进一步分析

长期以来，我国传统金融资源供给的空间分布极不均衡，金融资源优先向大城市（区域金融中心）集聚，周边中小城市的金融服务供给严重不足（陆远权等，2016）。金融资源集聚的持续演进会在地理空间上形成不同层次的区域金融中心，最终形成“中心—外围”的金融空间结构（郑威和陆远权，2019）。金融中心的形成促进了跨区域支付、跨区域金融资源分配效率的提升，因此区域金融中心的金融发展不仅会促进本地区的产业结构升级，还能够通过扩大对外围中小城市的金融资源供给，推动外围地区的产业结构升级。虽然数字金融不会受到地理约束，但是其发展依赖于当地的传统金融（郭峰等，2020），因此，数字金融发展对地区产业结构升级的影响机制仍然部分遵循着传统金融的作用规律。为了探究区域金融中心的数字金融发展是否同样存在着对外围地区的正向溢出效应，本文利用SLX模型，将I型及以上大城市设定为区域金融中心，先计算仅包含I 型及以上大城市解释变量的空间滞后项，然后在总样本中剔除I 型及以上大城市样本，考察I 型及以上大城市数字金融发展空间滞后项对周边不同规模等级城市的影响。

由表10 中I 型及以上大城对周边所有类型城市的总体效应可知，产业高级化的总体溢出效应为正，估计系数为0.5107，产业合理化的总体溢出效应为负，估计系数为-0.1081，说明I 型及以上大城市数字金融发展在推动周边地区产业结构的高级化演进的同时，导致周边地区的产业结构偏离合理化。具体细分城市规模等级可以发现，I 型及以上大城市数字金融发展对中等城市、小城市的产业高级化的溢出效应系数显著为正，分别为0.6003 与2.1426，对产业合理化的溢出效应系数同样为正，但并不显著，说明I型及以上大城市数字金融发展虽然对周边中小城市的产业合理化影响并不明显，但对其产业高级化存在明显的推动作用。原因在于，I 型及以上大城市的数字金融发展提升了其跨区域支付能力与跨区域金融资源配置效率，促进金融资源向周边中小城市的高效生产部门流动，进而促使周边地区产业结构趋于高级化。I型及以上大城市数字金融发展对II型大城市产业高级化的促进作用并不明显，对产业合理化存在明显的抑制作用，可能的解释是，相较于周边的中小城市，周边的II型大城市与I型及以上大城市的经济结构更为相似，更容易产生产业攀比、人才竞争现象。在这种竞争关系下，地方保护主义通过约束I 型及以上大城市对II型大城市的金融资源供给（Porteous，1999），削弱了I型及以上大城市数字金融发展对II型大城市产业高级化的促进作用。此外，I 型及以上大城市数字金融的发展通过促进经济发展（钱海章等，2020），提升了其与II型大城市展开人才、技术等高级资源的竞争优势，进而抑制周边II 型大城市的产业结构转型升级。

表10 I型及以上大城市对周边城市的溢出作用

七、结论与政策建议

推进产业基础高级化、产业链现代化是助力我国经济高质量发展的重要环节，近年来，基于信息技术的数字金融飞速发展，通过拓宽金融服务的供给范围，为产业结构升级注入了新动力。本文采用2011—2018 年地级及以上城市面板数据和空间杜宾模型探讨数字金融发展对产业结构升级的综合作用机制。结果显示，数字金融发展不仅同时促进了本地区的产业高级化和产业合理化，还推动周边城市的产业合理化进程，但对周边城市的产业高级化产生明显的阻碍作用。分析影响机制发现，提升金融机构效率、促进创新创业是数字金融发展推动本地区产业结构转型升级的重要途径，此外，通过促进本地区金融机构效率提升，数字金融发展对周边城市产业高级化的抑制作用被削弱。进一步从不同城市规模等级分析结果来看，I 型及以上大城市与II 型大城市的数字金融发展不仅能够促进推动本地区的产业结构转型升级，还能有效助力周边城市的产业升级；中等城市的数字金融发展虽然可以促进本地区的产业结构升级，但是阻碍了周边城市的产业高级化；小城市的数字金融发展虽然对本地区的产业结构升级有一定的促进作用，但效果不如其他规模等级的城市。从区域金融中心溢出效应来看，I型及以上大城市作为区域金融中心，其数字金融发展能够为周边中小城市的产业高级化带来正向的溢出效应，但是由于竞争关系的存在，I型及以上大城市的数字金融发展抑制了周边II 型大城市的产业结构升级。

基于上述结论，本文政策启示具体表现为以下几个方面。首先，推动数字金融发展，充分发挥数字金融推动产业结构升级的作用。总体上来看，当前阶段数字金融的发展推动了地区产业结构的调整升级，政府应积极鼓励数字金融的发展，同时也要发挥好引导功能，构建数字金融监管长效机制，保障数字金融对产业主体的金融供给。此外，数字金融发展对周边地区的产业高级化存在的负向溢出作用会抑制周边地区的产业结构升级。因此，政府应该统筹考虑地区间的空间联动性与产业关联性，充分发挥数字金融对周边地区的示范效应，加强金融资源的跨区域配置，控制各地区在产业结构升级过程中对周边地区高级生产要素产生的“极化效应”。其次，拓宽数字金融覆盖面积，深化数字金融使用程度，促进不同规模等级城市数字金融的协调发展。发挥I型及以上大城市的领先优势，通过推动I 型及以上大城市的金融服务深化与创新，强化I 型及以上大城市数字金融发展对本地区产业结构转型升级的推动作用及对周边中小城市的正向溢出效应；发挥小城市的后发优势，通过宣传推广、金融知识普及等渠道提升数字金融的覆盖范围、使用程度，充分发挥出数字金融的靶向性特征，助力小城市的产业结构升级。最后，支持传统金融机构与数字金融的融合发展，从供给侧发力，降低中小企业的融资门槛与融资成本。发挥数字金融的示范作用与技术溢出效应，促进传统金融机构的数字化转型，利用好数字化工具，解决中小企业融资难、融资贵的问题，助力“大众创业、万众创新”，为产业结构升级提供新动能。