数字金融对制造业企业生产技术升级的影响

■王明 张盼盼

一、引言与文献综述

党的十九届六中全会强调“要推进科技自立自强”。作为推进科技发展的重要微观经济单元，企业的生产技术水平直接影响其自身的科技水平，并对企业产品质量升级和竞争力提升具有重要意义。改革开放40年来，中国制造业企业的生产技术水平有了大幅提高，但是与发达国家相比仍然存在着较大的技术差距[1]。作为提升对外贸易竞争力、促进可持续发展的重要引擎，中国制造业企业的技术创新和生产技术升级是改善产业结构、抵御外部竞争压力、实现全球价值链升级和保障创新驱动发展战略顺利实施的关键所在。

数字金融（Digital Finance）利用人工智能、大数据等前沿数字技术，将数字科技与金融服务深度融合，大大提高了传统金融机构在信息搜集、身份识别、风险评估等方面的效率。数字金融的表现形态既包括科技企业依靠其技术实力通过移动支付平台、网上银行、小额信贷平台、互助众筹平台等形式提供金融服务，也包括传统金融机构利用大数据等数字技术挖掘商业价值、缓解信息不对称问题，进而提高金融服务效率[2，3]。厘清数字金融对经济发展的作用以及如何服务好实体经济是极具价值的议题。

中国制造业企业的生产技术升级需要持续大量的资金投入。传统金融机构的服务供给依赖于物理网点，这导致其服务范围受限。数字金融的发展减少了金融机构对物理网点的依赖，扩大了金融服务范围。同时，利用大数据等前沿技术，降低了信息搜寻和风险评估成本。因此，数字金融能为企业提供便捷、高效、个性化的金融产品和服务，缓解企业面临的融资约束，进而提升技术创新活力，促进企业生产技术升级。

目前关于数字金融如何影响中国制造业企业生产技术升级的文献尚显不足，与本文主题相关度较高的一类文献是数字金融或融资约束对企业技术创新的影响。Ding 等[4]利用中国企业层面的微观数据，剖析了融资约束、企业营运资本特征和固定资本投资的关系，结果表明融资约束加剧了企业营运资本波动，抑制了企业固定资本投资，进而限制了企业生产技术水平的提升。张盼盼等[5]利用中国工业数据库、中国海关数据库和中国专利数据库的匹配数据，研究发现融资约束抑制了企业的技术创新活动。唐松等[6]利用中国A 股上市企业数据库和中国专利数据库的匹配数据，研究发现数字金融通过“纠错配”“补短板”功能缓解了企业的融资约束、降低了企业的财务杠杆，进而提高了企业的创新产出。聂秀华等[7]探究了地区数字金融发展与创新水平的关系，结果表明数字金融发展促进了地区技术创新水平的提高，可能的作用机制包括缓解融资约束和优化产业结构，且地区人力资本水平和制度也会影响其作用效果。贾俊生等[8]以上市公司为研究对象，研究发现数字金融发展正向促进了企业创新，且该促进作用仅存在于非国有和高新技术企业中。

本文利用企业层面的微观数据和最新的数字金融指数，从覆盖范围、覆盖深度和数字化应用三个维度探究了数字金融对中国制造业出口企业生产技术的影响并进行了异质性分析。同时，分别从城市层面和企业层面剖析了数字金融发展对企业生产技术选择的作用机制。

本文可能的边际贡献在于：第一，研究视角上，关于数字金融和企业生产技术选择的研究都比较成熟，但具体研究二者关系的文献却尚显不足。本文将两者纳入同一个分析框架中，不仅从理论上阐述了数字金融的作用机制，还利用微观数据进行了详细的论证，丰富了相关命题的研究。第二，研究内容上，本文构建了中国数字金融发展影响中国制造业企业生产技术选择的理论分析框架，实证检验了城市数字金融发展对制造业企业生产技术选择的影响。第三，充分讨论了企业层面和城市层面的异质性影响，为未来实现数字金融与实体经济的有机结合提供了经验证据。

二、理论分析

制造业企业的生产技术创新和生产技术升级往往涉及机器设备的更新，这类投资具有初始投入大、回报周期长、风险高的特征。以金融为本质，以区块链、大数据、人工智能、移动互联等前沿技术为依托的数字金融能更好地契合企业的创新投资融资需求，为缓解企业融资难、融资贵困境和促进区域产业转型升级提供更多可能性。

第一，数字金融的“增量补充”效应能有效拓宽企业融资渠道，缓解企业融资约束。传统的金融市场中存在着数量庞大、资金量小、分布广的中小投资者，吸纳这些投资的成本高昂。通过生活场景的流量导入，互联网金融平台能以较低的成本获取上亿数量级的客户资源[9]。利用“长尾效应”，金融平台能从分散的投资者身上筹集到规模庞大的资金，并将其转化为有效供给，提供给有融资需求的企业。在增加供给总量的基础上，数字金融还进一步丰富了企业的融资渠道和融资方式[6]，为改善企业融资约束提供了必要条件，缓解了企业尤其是创新型企业的融资约束[10]。当面临的融资约束得到缓解，融资成本得到降低后，企业能减少或者避免流动性不足对企业生产经营和研发活动的不利冲击，防止错失提升企业生产率的创新和投资机会，最终增加企业选择生产技术升级的概率。

第二，数字金融的“存量优化”效应能提高信贷资源配置效率，降低企业融资成本。作为一种正向金融溢出，数字金融能够驱动传统金融体系重塑[6]。由于可以预测投资者和借款人的行为，可信度在金融交易中具有重要地位[11]。数字金融借助区块链、人工智能、大数据、5G通信等前沿技术应用，提高了金融交易的信息化和透明度水平，优化了传统的信用定价模式，极大地降低了金融服务双方的筛选匹配成本。传统金融机构在信息化浪潮下开始转型升级，这些改变极大地扩展了传统金融的服务范围[12]，促进了金融服务的提质增效，改善了金融资源的配置效率[6]。数字金融发展的“存量优化”效应显著改善了金融服务效率、降低了企业融资成本。

第三，数字金融发展促进了地区产业结构升级，增强了地区技术创新的外溢效应。利用大数据、人工智能等技术，数字金融能够构建出一个具有多重指标的风险评估系统，甄别出有价值的创新投资项目，并匹配原本闲置的金融资源。这种金融服务模式的优化能加速技术创新，推动区域产业转型升级。区域产业结构转型升级能强化技术创新的外溢效应，加速先进技术在区域内的扩散与有效利用，激发企业创新活力、提升企业技术创新水平[7]，从而促进企业生产技术升级。

基于上述分析，本文提出如下假说：

假说1：数字金融发展能促进制造业企业生产技术升级。

假说2：数字金融通过缓解企业融资约束、降低企业融资成本、优化区域产业结构这三大渠道促进制造业企业生产技术升级。

三、计量模型、指标与数据

（一）计量模型的设定

根据上述分析，本文设定如下计量模型用于实证分析：

其中，被解释变量tech 表示企业的生产技术水平，核心解释变量index 为城市层面数字金融指数，X为控制变量。α为模型中相应变量的系数，ε为随机扰动项。J为行业虚拟变量，P为地区虚拟变量。

为验证本文的假说2，探究数字金融发展对企业技术选择的作用渠道，在基准检验模型（1）的基础上，本文构造了如下中介效应模型：

式（2）和式（3）中，inter表示中介变量，分别用来度量企业面临的融资约束和融资成本。如果系数β1和γ2均显著，系数γ1的值为正且小于基准回归模型中系数α1的值，则中介效应成立，存在相应的中介效应渠道。

（二）变量说明

1.被解释变量

本文的被解释变量为中国制造业出口企业的生产技术水平。企业的生产技术水平不容易被直接观测到，使用全要素生产率进行替代往往会产生较大的测量误差[13]。参照Bas等[14]的测算方法，本文使用企业是否进口资本品①作为衡量指标。中国制造业企业目前在生产技术上仍然处于追赶阶段，因此，资本品进口尤其是高技术资本品的进口会推动中国制造业企业实现技术升级。

衡量指标1（tech1）：在样本观测期内，当企业首次被观测到资本品进口行为时，该年份及以后所有年份衡量指标tech1 均取值为1。在企业第一次被观测到资本品进口之前的年份，衡量指标tech1取值为0。

衡量指标2（tech2）：制造业企业进口资本品用来服务于生产，如果进口的资本品价值过低，可能无法给企业生产水平带来实质性的帮助。因此，为了减少进口资本品价值含量过低给代理变量有效性带来的干扰，本文参照陈雯等[13]的方法，将进口资本品的标准调整到1000 美元。当企业第一次进口了1000 美元以上的资本品，该年份及后续年份，衡量指标tech2取值为1；否则，取值为0。

衡量指标3（tech3）：企业当年是否有进口资本品。若有，则衡量指标tech3取值为1；否则，取值为0。

在后续的实证分析中，本文使用代理变量tech1进行基准分析，使用代理变量tech2 和tech3 进行稳健性检验。

2.核心解释变量

本文采用“北京大学数字普惠金融指数”城市层面的数据来衡量区域数字金融发展程度，以此作为本文的核心解释变量（index）。该指数从数字金融覆盖范围（breadth）、数字金融使用深度（depth）和数字金融数字化水平（digital）三个维度来构建指标评价体系，在下文的基准回归中，本文将同时考察这三个维度子指标对企业技术选择的影响。

3.控制变量

（1）企业控制变量

借鉴已有相关文献并考虑数据的可得性，本文采用如下企业控制变量来控制除核心解释变量之外可能会影响企业技术选择的因素。①企业规模（size）。由于规模效应的存在，不同规模的企业更新生产技术所需承担的平均成本并不一样。本文采用企业资产总额来度量企业规模。②企业年龄（age）。企业在自身发展的不同阶段，对采用新的生产技术的态度并不一致。根据企业的生命周期理论，在健康发展阶段，随着企业规模与利润的增长，企业可能会积极更新机器设备、进行固定资产的投资；在衰退阶段，企业年龄可能会抑制其升级生产技术。本文使用当前年份与企业创建年份之间的差值再加上1 来描述企业年龄。③企业资本密度（kl）。资本密度高的企业往往具有较高的生产技术。本文使用人均固定资产来表示企业资本密度。④行业集中度（hhi）。根据产业组织理论，良性竞争和过度竞争对企业行为会有不同的影响。⑤加工贸易份额（pro）。本文使用企业出口额中加工贸易出口的份额表示加工贸易的影响程度。⑥国企虚拟变量（soe）。与私营企业相比，国企具有不同的决策模式。若企业是国企，该变量取1；否则为0。⑦外资虚拟变量（foe）。相比内资企业，外资企业在国际间技术溢出方面往往处于优势地位。若企业属于外资所有，该变量取1；否则为0。

（2）城市控制变量

由于数字金融指数是城市层面的变量，出于内生性考虑，本文还控制了城市人均GDP（pgdp）和城市经济增长速度（growth）。

4.工具变量

中国的数字金融发展呈现出距离杭州越远，数字金融推广难度越大的特征[15]。参考相关文献的做法，本文采用城市距离杭州市的直线距离作为工具变量，缓解计量模型可能存在的内生性问题。本文首先从国家基础地理信息中心获取各城市的经纬度数据，然后利用STATA软件计算出各城市与杭州的直线距离（dist）。

5.中介变量

（1）采用SA指数（sa）作为企业层面融资约束的代理变量，SA 指数计算公式为：-0.737size+0.043size2-0.04age。其中，size为企业规模，age为企业年龄。SA 指数越大，企业融资约束越大[16，17]。（2）采用财务费用率（fincost）作为企业融资成本的代理变量。财务费用率为企业财务费用与营业收入之比。（3）采用城市层面的第三产业增加值与GDP 之比作为产业结构（struc）的代理变量。

在所有变量开始测算之前，本文对相关的名义变量都进行了平减处理。同时，在后续的实证检验中，对于数字金融指数（index）、企业规模（size）、企业年龄（age）、企业资本密度（kl）、各城市与杭州的直线距离（dist）、城市人均GDP（pgdp）均采用其对数形式。

（三）数据说明

本文使用的企业相关信息来自中国工业企业数据库，产品贸易方面的信息来自中国海关数据库，城市层面的数字金融发展指数来自北京大学数字金融研究中心，其他城市层面相关信息来自《中国城市统计年鉴》。由于北京大学数字普惠金融指数的最早年份为2011年，中国工业企业数据库的最新年份为2013年，考虑数据的可得性，本文样本时间跨度为2011—2013年。在力求精细匹配的原则上，本文逐步匹配了中国工业企业数据库和中国海关数据库，并根据地区代码和年份匹配上了城市层面的数字金融发展指数。同时，对样本数据进行了一系列处理：剔除贸易中间商；根据通用会计准则剔除掉数据明显异常的样本；删除指标缺失过多的样本等。本文最终得到68946个样本观测值。

四、实证结果与分析

（一）基准实证结果

表1为数字金融影响中国制造业企业生产技术选择的基准估计结果。出于稳健性考虑，（1）列仅加入了部分企业层面的控制变量，并控制了行业、地区固定效应，数字金融的估计系数为正，并通过了1%的显著性检验。（2）列加入了国有企业、外资企业虚拟变量，进一步控制了企业属性。数字金融的估计系数仍显著为正，但系数的绝对值有一定程度下降。（3）列加入城市层面的控制变量，进一步控制城市差异，数字金融的估计系数仍然在1%显著水平上为正。总体来看，区域数字金融发展显著促进了区域内制造业企业选择生产技术升级。假说1得到初步验证。（4）至（6）列探究了数字金融的三个维度即数字金融覆盖范围（breadth）、数字金融使用深度（depth）和数字金融数字化程度（digital）对企业生产技术选择的影响。其中，数字金融覆盖范围的估计系数在1%显著水平上为正，与数字金融总效应方向和显著性一致，数字金融使用深度和数字化程度系数皆为正但不显著。这说明，在数字金融促进企业生产技术升级的影响过程中数字金融覆盖范围起最主要的作用。同时，数字金融估计系数绝对值大于任何单一维度指标的估计系数，说明数字金融对企业生产技术升级的作用是数字金融多方面发展合力作用的结果。

表1 基准回归结果

从表1（1）至（3）列可以看出，企业规模与企业技术水平呈显著正相关关系，即规模越大的企业越有可能选择更为高级的生产技术。正如前文所述，企业的规模越大，其采用高技术所需分摊的成本越低。因此，该实证结果与预期相符。企业年龄与企业选择技术升级呈显著正相关关系。本文的考察样本为处于健康发展阶段的企业（工企数据库2011年的纳入门槛为正常经营且年营收不低于2000 万人民币），存续时间越长，企业在人力、技术和资金上的积累往往越多，企业越有可能通过更新机器设备实现技术升级，实证结果与预期相符。企业的人均资本系数显著为正，即资本密度高的企业在样本观测期内更有可能选择技术升级。资本密度高的企业往往有更为充沛的资本和更为深厚技术积累，这为其生产技术升级提供了保障。行业集中度系数显著为正，行业集中度越高，说明竞争程度越低，由实证结果可知企业越有可能选择技术升级，这一结果也表明过于激烈的行业内竞争会减少企业积累和长期投资，不利于企业生产技术升级。企业加工贸易出口份额系数显著为正，说明加工贸易出口比例越高的企业越有可能选择生产技术升级。一个可能的解释是加工贸易出口比例越高的企业参与国际贸易的程度越深，这拓展了其接触和吸纳国外先进资本品的渠道，增大了其生产技术升级的概率。

（二）内生性问题

计量模型中反向因果和遗漏重要变量都可能会造成估计结果有偏，影响本文结果的可靠性。由于本文的核心解释变量和被解释变量分别是城市和企业层面的，因此，本文关注遗漏变量的影响。参考相关文献的做法，本文采用各城市距离杭州市的直线距离作为工具变量，缓解计量模型可能存在的内生性问题。相关结果如表2所示。在工具变量有效性检验中，各城市与杭州市距离（dist）通过了工具变量识别不足（Kleibergen-Paap rk LM）和弱工具变量（Kleibergen-Paap rk Wald F）检验，说明本文工具变量的选取是合理的。表2（1）至（6）列结果显示，无论是否加入相关控制变量，数字金融的系数均显著为正，说明在考虑内生性的情况下本文的主要结论依然可靠②。

表2 工具变量估计结果

（三）作用机制检验

在前文的中介效应模型和中介代理变量的基础上，本文进一步对数字金融的作用机制进行实证检验，相关结果如表3 所示。（1）和（2）列结果显示，SA指数（sa）的中介效应成立，即数字金融发展显著缓解了企业层面的融资约束，并通过企业层面融资约束的缓解促进了企业生产技术升级。（3）和（4）列结果显示，财务费用率（fincost）通过了中介效应检验，说明企业融资成本的降低是数字金融发展促进企业生产技术升级的作用机制之一。上述结果表明，数字金融发展显著缓解了企业融资约束，降低了企业融资成本，一定程度上解决了企业融资难、融资贵等问题，支持了企业的技术研发和固定资本投资，推动了企业生产技术升级。（5）和（6）列结果显示，区域产业结构（struc）优化这一作用机制成立，数字金融发展加速了区域技术创新，促进了产业结构升级。产业结构优化升级增强了区域内技术创新的外溢效应，激励企业技术升级。综上所述，数字金融发展通过缓解融资约束（包括城市层面和企业层面）、降低企业融资成本和优化区域产业结构这三条路径来推动制造业企业选择生产技术升级。前文假说2成立。

表3 机制检验

（四）异质性分析

1.企业所有制的异质性分析

不同所有制的企业在行为决策上有很大的区别，本文根据控股股东类型来划分企业所有制，将总体样本划分为国有、民营和外商投资三个子样本进行分组回归，所得结果如表4（1）至（3）列所示。结果显示，数字金融发展对国有企业生产技术升级的促进作用并不显著，而对民营企业、外资企业的影响系数均在1%水平上显著为正。数字金融发展拓宽了融资渠道，有效缓解了民企和外企面临的融资约束，帮助有需求的企业实现生产技术升级。与此同时，私营企业的生产技术选择决策主要考虑企业发展，而国有企业的生产技术选择决策还要考虑社会责任和环境影响等多方面因素。表4（2）和（3）列结果还表明，数字金融发展对外资企业的总体促进作用要强于私营企业。可能是由于信息不对称，在传统金融体系下，相对于本土企业，外企外源融资能力较差[5]，抑制了其生产技术升级需求。数字金融发展则加速释放了这一需求。

2.企业全要素生产率的异质性分析

企业的人力资本积累、技术积累和研发投入能促进企业吸收进口中间品和资本品带来的技术外溢，而企业的人力资本、技术和研发创新的累积程度可以用企业当前的全要素生产率来刻画。因此，具有不同全要素生产率水平的企业在生产技术升级的决策上可能会表现出差异。按照LP法，本文计算出企业的全要素生产率（tfp），并依据其数值大小将样本企业划分为低生产率、中等生产率和高生产率三个组别，分别考察制造业企业当前生产率水平的可能影响。表4（4）至（6）列结果显示，数字金融发展显著促进了中等生产率和高生产率企业的生产技术升级，而对低生产率企业的促进效果则不显著，所得结果与预期相符。一方面，生产率高的企业往往具有更好的人力资本、技术积累和研发创新能力，对新技术消化、吸收、模仿与创新的能力更强。数字金融发展增强了进口资本品在中高生产率企业中的技术外溢效应，而低生产率企业对高技术的吸纳能力较弱，数字金融发展对其生产技术升级促进作用有限。另一方面，生产率高的企业往往具有更强的市场竞争力，有实力进行固定资产的更新投资。数字金融发展增强了企业的资金融通能力，推动了中高生产率企业的固定资产投资和转型升级。同时，本文理论分析部分表明，数字金融发展主要推动生产率越过技术升级门槛值但仍面临融资约束的企业选择生产技术升级，过低和过高生产率的企业受到数字金融的影响会减弱。这一部分的实证结论表明，数字金融发展主要促进中等生产率企业技术升级，其次是高生产率企业，与理论分析的结果相契合。

表4 所有制与生产率的异质性分析结果

3.城市金融资源禀赋和互联网发展的异质性分析

数字金融兼具金融和科技属性，利用区块链、大数据、人工智能等前沿技术，将数字科技与金融服务深度融合，通过“增量补充”和“存量优化”大大提高了传统金融服务效率。从数字金融的现实发展来看，数字金融指数较高的地区往往是传统金融资源禀赋充沛的地区。同时，数字金融的推广必须依托以互联网普及为基础的信息技术的渗透。本文以城市金融业从业人数与户籍人口的比率来表示城市传统金融资源禀赋、以城市宽带接入户数与户籍人口的比率来表示城市互联网普及率，考察数字金融在不同传统金融资源禀赋和互联网普及率下对企业生产技术选择的异质性影响，相关结果如表5 所示。表5（1）和（2）列结果显示，数字金融均显著促进了低金融禀赋组与高金融禀赋组的企业选择生产技术升级。从回归系数来看，数字金融对高金融禀赋组的促进作用明显更大，说明数字金融发展依然离不开传统金融体系的支撑，充沛的传统金融资源能增强数字金融对企业选择生产技术升级的促进作用。表5（3）和（4）列结果显示，在互联网普及率更高的地区，数字金融对企业选择高生产技术的促进作用更强。以5G、高速宽带为代表的通信技术服务是数字金融发展必不可少的数字基础设施，在数字金融的推广过程中需要优先推动当地通信服务水平的发展，尤其是在传统金融服务薄弱的地区。

表5 金融资源禀赋和互联网发展的异质性分析结果

五、稳健性检验

（一）改变企业生产技术升级的测算方法

前文使用是否进口资本品作为企业生产技术升级的代理变量，为了减少资本品价值过低给指标有效性带来的干扰，在代理变量tech1 的基础上，参照陈雯等[13]的方法，本文引入代理变量tech2。只有观测到企业进口价值不少于1000美元的资本品时，才认为企业选择了生产技术升级。同时，在代理变量tech1的基础上，本文只考虑企业当年的资本品进口行为，由此引入代理变量tech3。表6（1）和（2）列为tech2 作为被解释变量的回归结果，（3）和（4）列为tech3作为被解释变量的回归结果。结果表明，无论是否加入控制变量，数字金融的回归系数均至少在5%的水平上显著为正。这说明更换企业生产技术水平的测算方法后，本文的核心结论仍然稳健。

（二）改变数字金融发展水平的测量方法

前文使用北京大学数字普惠金融研究中心的数字金融指数作为区域数字金融发展水平的衡量指标，参考谢绚丽等[18]的做法，本文采用城市互联网普及程度（internet）作为区域数字金融发展程度的另一衡量指标，结果如表6（5）和（6）列所示。结果显示，无论是否加入控制变量，互联网普及程度的系数均至少在5%水平上显著为正。在更换数字金融衡量指标后，所得结论与前文基准回归并无差异。

表6 稳健性检验

此外，本文还进行了一些其他稳健性检验：①将核心解释变量和控制变量滞后一期重新检验；②将回归模型更换为二值选择模型Probit和Logit。上述检验结果均与前文结论一致。

六、结论与启示

伴随着信息技术的快速发展，作为一种新型金融业态，中国数字金融的蓬勃发展对实体经济增长的影响成为社会关注的焦点。作为经济体系的微观个体，企业的生产技术水平是“科技自立自强”的基础。因此，本文研究了中国数字金融发展如何影响制造业企业生产技术水平，分别从城市层面和企业层面探讨了其作用机制和异质性影响，并进一步讨论了中国金融市场化进程的调节作用。通过利用2011—2013年的中国工业企业数据库、中国海关数据库和北京大学数字普惠金融指数进行实证检验，本文得到主要结论如下：第一，数字金融发展显著促进了区域内制造业企业生产技术升级，该结论在依次加入企业层面和城市层面控制变量、引入外生性工具变量、调整变量测算方法、更换不同的回归模型等多个稳健性检验后依然成立。第二，本文通过中介效应模型探究了数字金融的作用渠道，结果发现，数字金融发展通过缓解企业融资约束、降低企业融资成本以及优化城市产业结构，最终显著促进区域内制造业企业选择生产技术升级。第三，企业所有制与企业所在城市的异质性影响了数字金融对企业技术升级的作用强度。相对于国有企业，数字金融发展对外资企业和民营企业生产技术升级的促进作用更强。具有中等生产率水平的制造业企业生产技术升级更显著受益于数字金融发展，其次是高生产率企业和低生产率企业。城市传统金融资源禀赋和互联网普及率越高，数字金融对区域内制造业企业生产技术升级的促进作用越大，传统金融发展水平和数字基础设施水平在数字金融发挥外溢效应中起到了重要支撑作用。

本文的研究具有如下启示：

首先，挖掘数字金融发展潜能，引导数字金融服务好实体经济。数字金融发展对实体经济的高质量发展产生了显著的正向溢出效应，应该营造良好环境以促进其健康发展。一方面在守住不发生系统性金融风险底线的前提下，为数字金融发展营造相对稳定的监管环境，给予数字金融发展一定的包容和试错空间，给予更多的政策指导及资源支持。同时完善以信息通信为代表的数字基础设施建设，降低互联网接入门槛。另一方面应通过政策指导、规范行业发展，避免数字金融“脱实向虚”，促进数字经济与实体经济有机结合。其次，畅通数字金融作用渠道，助力企业生产技术提高。数字金融通过缓解融资约束、降低企业融资成本缓解了企业运营、研发创新和固定资本投资中融资难、融资贵的困境，并通过优化产业结构增大了区域内企业通过技术外溢获取新技术的机会。因此，应依托数字金融的技术优势，吸纳和盘活闲散社会金融资源，充分发挥其促进金融服务提质增效的长处，利用税收减免或补贴方式，鼓励和支持数字金融企业利用大数据发掘有创新和发展潜力的中小微企业尤其是落后地区的企业，为其提供精准、高效的金融服务。■

注 释

①根据联合国广义经济分类（BEC），将代码为41、521 的产品归为资本品，将代码为111、121、21、22、31、322、42 以及53的产品归为中间品。

②考虑到以支付宝为代表的数字金融的推广不仅起源于杭州市，同时也是从北京、上海、广州和深圳这四个一线城市为中心向外铺开。因此，出于稳健性考虑，本文在剔除这四个城市后再次进行工具变量回归，所得结果无实质差异。