数字金融、产业结构优化与经济高质量发展

陈惠中 赵景峰

[提要]实现经济高质量发展是未来中国经济社会发展的重大核心目标，本文从经济发展的三个方面构建了全新的高质量发展评价指标体系，以2010-2020年全国30个省份的面板数据为研究基础，利用半参数模型从全国、区域两个层面分析了数字金融和产业结构优化对高质量发展各维度的影响效应。结果显示：从全国层面来看，数字金融发展和产业结构优化均能对发展成果产生正向影响。从区域层面来看，数字金融发展与产业结构优化对于经济高质量发展的作用效果存在地区差异。

一、引言及文献综述

当今世界正经历着百年未有之大变局，而中国正面临着经济增速放缓、人口红利消失的巨大挑战。人口老龄化的出现以及生态环境的破坏，促使中国必须转变发展思路与模式。因此，为保持经济社会持续健康发展的现实需要，也是适应新时代中国社会主要矛盾变化的客观要求，党的十九大提出“高质量发展”的理念。然而，新冠疫情的肆虐为世界经济带来了巨大冲击，国内外不确定性加剧，高质量发展面临着内外双重困境。在此情况下，党的十九届六中全会再次强调了高质量发展的重要性，提出：“必须实现创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的高质量发展，推动经济发展质量变革、效率变革、动力变革。”“实现高质量发展是我国经济社会发展历史、实践和理论的统一，是开启全面建设社会主义现代化国家新征程、实现第二个百年奋斗目标的根本路径。”(刘鹤，2021)[1]近年来，随着互联网、移动支付、物联网和人工智能为代表的数字经济的出现为高质量发展的实现提供了新的途径。数字经济正处于不断发展之中，其技术在世界范围内还未固化，同时数字技术培育的新动能将进一步深化第三次产业革命。研究数字经济赋能高质量发展的机制和效应，对于推动我国产业结构升级、改变发展模式以及实现高质量发展具有重要的战略意义。

一般来讲，数字金融可以定义为将新兴数字技术广泛运用到金融行业的模式，为支付、投融资以及各类金融业务的开展提供更加快捷便利的服务(黄益平和黄卓，2018)[2]。在数字金融的测度方面，郭峰等(2020)[3]研究并编制了一套涵盖中国31个省份、337个地级以上城市的“北京大学数字普惠金融指数”，用来刻画并分析不同地区数字普惠金融的发展趋势，该指标也为大多数研究数字金融的学者提供了重要的数据来源。内生性增长理论认为经济增长来源于技术进步，而技术进步需要有强大的创新能力为依托，金融能够在其中发挥着重要作用(Romer，1990)[4]。同时数字金融能够通过缓解融资约束进而促进经济增长(Kapoor，2013)[5]。张蕊和余进韬(2021)[6]实证检验了数字金融的经济增长效应，发现数字金融可以显著促进经济增长。关于数字金融的经济效应，研究认为，第一，数字金融可以促进产业结构转型升级(Bruhn&Love，2014；[7]李晓龙和冉光和，2021[8])。第二，数字金融发展能够显著驱动区域技术创新(郑万腾和赵红岩，2021)[9]及企业的绿色技术创新(翟华云和刘易斯，2021)[10]。第三，数字金融提高了农民收入(孙继国和侯非凡，2021)[11]并能够有效降低城乡发展差距(马威和张人中，2021)[12]。第四，数字金融能够更好地保障普惠金融业务的开展，提高被传统金融所排斥的低收入人群、女性、青年群体正规金融的可得性(齐红倩和李志创，2019)[13]；增加了居民创新创业成功率(陈晓芳和杨建州，2021)[14]和中小企业正规金融的可得性(Rosavina，2019)[15]，进而提高了中小企业技术创新能力(谢雪燕和朱晓阳，2021)[16]。第五，数字金融可以提高企业全要素生产率(马芬芬等，2021[17]；江红莉和蒋鹏程，2021[18])。进一步研究发现，数字金融同样能够提高城市全要素生产率(袁徽文，2021)[19]和绿色全要素生产率(范欣和尹秋舒，2021)[20]。

数字金融能够有效推动经济高质量发展(何宏庆，2019)[21]。薛莹和胡坚(2020)[22]提出将各类新兴数字技术广泛用于金融领域，提高资源配置效率和创新水平进而推动经济高质量发展。结合现有研究发现，数字金融驱动经济高质量发展主要有以下几条途径：数字金融可以通过缓解企业融资约束来提升区域创新水平和对外开放水平，进而促进高质量发展(藤磊和马德功，2020)[23]；数字金融可以推动产业结构升级进而促进经济高质量发展(王敏等，2021)[24]；数字金融能够推动技术进步从而驱动经济高质量发展(刘伟等，2021)[25]。上官绪明和葛斌华(2021)[26]也提出数字金融对经济高质量发展具有显著的直接促进效应及正向空间溢出效应。

产业结构优化升级同样能够促进经济高质量发展(刘琦莉等，2021)[27]。通常情况下，产业结构往往作为中介变量来推动经济高质量发展。具体而言，绿色技术创新可以通过产业结构合理化与高级化进而促进经济高质量发展(朱于珂等，2021)[28]；金融结构优化也可以通过产业结构升级进而促进经济高质量发展(魏文江和钟春平，2021)[29]；产业结构升级还可以作为消费升级与经济高质量发展之间的中介变量，即消费升级可以通过产业升级来影响经济高质量发展(崔耕瑞，2021)[30]。同时冯珍等(2021)[31]研究发现产业结构合理化和高级化能够显著提高全要素生产率。随后张庆君和黄玲(2021)[32]对数字普惠金融、产业结构与经济高质量发展三者之间的关系进行了研究，发现数字普惠金融能显著提高经济发展速度，但对经济发展质量的提升则表现出抑制作用。同时在中部地区数字普惠金融可以通过产业结构转型升级来缓解普惠金融对经济发展质量提升的抑制效应。

总结之前的研究发现，目前的研究方面主要集中在数字金融和高质量发展测度、数字金融促进产业结构升级以及推动高质量发展机理方面。同时也有研究发现，产业结构优化与升级是实现高质量发展的重要途径之一。然而，在定量分析方面，多数文献选择了线性模型，该方法忽略了不同数字金融发展水平与产业结构优化效果对于高质量发展作用的异质性，进而得出对于高质量发展影响因素作用的错误估计。因此，本文引入半参数模型与参数模型进行对比，构建了半参数模型的效应测度方法，在此基础上，综合运用灰色关联分析，从全国、区域两个视角对中国数字金融发展与产业结构优化在高质量发展各个维度中的影响效应进行了动态分析，并对作用机制进行了实证分析与比较研究。

本文的主要贡献在于：首先在高质量发展评价指标体系方面，综合分析现有文献的研究成果，从发展成果、发展质量和发展潜力三个维度来全面刻画高质量发展的程度，文章的各项具体指标多以最终表征型数据为主。其次，本文在通常使用的参数模型中加入了半参数模型，并对二者进行了比较分析研究，在此之后采用了灰色关联度分析，全面分析了不同时期及不同区域数字金融发展与产业结构优化对于经济高质量发展的动态作用机理。

二、指标选取及测度方法

(一)数字金融指标选取

本文选择北京大学数字普惠金融指数作为度量数字金融发展水平的指标，该指数主要从覆盖广度、使用深度和数字支持服务程度三个层面出发，可以在多个维度衡量数字金融发展的水平，具有相当的科学性和可靠性，也是目前众多学者所采用的数字金融指标数据。

(二)产业结构优化效果的测度

借鉴刘强等(2021)[33]对产业结构优化效果的测度方法，本文通过引入合理化(SR)、高级化(SH)、高新化(SN)以及生态化(SE)四个维度来综合衡量产业结构的优化效果(TSA)。

1.产业结构合理化反映了产业之间的协调程度，同时还反映了资源的投入与产出效应。泰尔指数通常用来衡量区域内或变量间的不平衡程度，本文借鉴干春晖等(2011)[34]的作法，将泰尔指数稍作变化，即可用来度量产业结构合理化(SR)。公式如下：

其中，TL是泰尔指数，即泰尔熵，代表产业结构的合理化，为负向指标，均衡状态时，TL=0，TL值越大表明产业结构不合理程度越严重，Y代表产值，L代表就业人数，下标i代表第一、第二、第三产业。

2.产业结构高级化主要度量三个方面，首先是对产业结构升级程度的衡量，即对产业结构从第一产业向第二产业、继而向第三产业演进过程的度量(付凌晖，2010)[35]。其次是产业结构由劳动密集型向着资本密集型，继而向技术和知识密集型产业演进过程的度量(干春晖等，2011)[34]。最后是对产业链升级程度的度量，即从制造初级产品的产业过渡到制造中间产品的产业，演进到生产最终产品的产业(刘伟等，2008)[36]。在产业结构高级化的测度方法上本文借鉴付凌晖(2010)[35]的夹角余弦法，具体公式为：

其中，θ1代表第一产业向第二、第三产业的升级效应，θ1=π-μ1-μ2；θ2代表第二产业向第三产业的升级效应，θ1=π/2-σ1。产业结构高级化水平SH=θ1+θ2，用来度量产业结构的高级化水平，该值为正向指标，值越大说明高级化水平越高。

3.产业结构高新化指标重点度量在产业结构优化中，科技即高新技术产业的作用效果，借鉴刘强(2021)[33]对高新化指标的测度方法，采用全社会固定资产投资总额中科学研究及技术服务投资占比来代表产业高新化程度(SN)，该指标为正向指标，数值越大说明产业高新化程度越高。

4.产业结构生态化指标(SE)的加入可以更加全面地度量产业结构优化的效果，该指标将生态环境保护考虑到产业结构优化中，采用单位GDP能耗来度量生态化效果，数值越小说明产业生态化水平越高。

最后，采用几何平均法计算得出产业结构综合优化效果(TSA)的测算指标：

(三)高质量发展的测度

高质量发展的出发点是转变经济发展方式，促进经济可持续发展。在提升高质量发展的过程中需要以可持续发展和绿色发展理念为导向；以产业结构优化，创新驱动发展为途径；以外部政策为依托；以创新绿色发展理念为内生驱动；以提高人民的福祉、满足人民对美好生活的向往为目标。本文在借鉴和学习了之前学者们的研究后，构建了一套由发展成果、发展质量和发展潜力三大维度为基础的指标体系。其中发展成果从经济、社会、生态角度衡量了经济发展所带来的各项经济效益；发展质量主要从协调、效率、稳定三个角度来测度经济发展的质量；发展潜力以可持续发展理念为指导，通过度量驱动方式、资源水平和人力资本等方面，来衡量经济能否持续健康发展。其中对部分指标做了一定的处理，均由原始数据计算得出。具体见表1。

在测度方法的选择上，本文将高质量发展分为三个维度，分别对发展成果、发展质量和发展潜力进行测度，方法选择熵权topsis法进行测度分析，熵权topsis法相比于其他几种测度方法来说具有三大优势，首先，熵权topsis法是topsis法与熵权法的结合，兼具二者优点，完美地融合了科学性和客观性。其次，熵权法本身是一种客观赋权的方法，可以有效地消除主观性，结果较为稳定。再次，topsis法能够给出各测度对象与最优方案及最劣方案的距离，方便直观，易于计算。以发展成果为例，熵权topsis法测算模型有如下几个步骤：

设Xij(i=1，2，…，n，j=1，2，…，m；n=30，m=10)为i省市第j个指标的观测数值，建立初始矩阵X：

(1)

首先，对初始矩阵X中各指标Xij作标准化处理，得到Yij，由于正向指标和负向指标所代表含义不同，故采取不同的算法进行数据标准化，详见公式(2)、(3)：

(2)

(3)

其次，利用熵值法确定各指标权重，计算i省市在第j个指标上的指标比值pij与第j个指标的熵值eij(0≤eij≤1)，具体见公式(4)、(5)：

(4)

(5)

然后，确定权重系数，其中Wj为第j个指标的权重，具体见公式(6)：

(6)

确定权重系数之后，利用topsis法进行决策方案的选择，进而建立共同富裕发展水平测度指标的加权矩阵Wj：

Wj=(rij)nm

(7)

其中：rij=Wj×Yij，令第j个指标在30省市中最大值和最小值分别用Q+j、Q-j来表示，并计算欧式距离D+i、D-i，详见公式(8)、(9)：

(8)

(9)

之后，利用公式(10)计算相对接近度Ci：

(10)

其中，相对接近度Ci(0≤Ci≤1)值的大小反映了全国省际层面第i省市的高质量发展指数，Ci越接近1，说明省份i高质量发展水平越高。

三、数字金融、产业结构优化对高质量发展的效应分析

(一)模型设定与数据说明

在探究数字金融与产业结构优化对经济高质量发展影响效应的过程中，本文发现各变量之间存在着显著的非线性关系。因此为了更好地剖析并解释数字金融、产业结构优化对高质量发展的作用效果，本文将传统的参数模型放宽到半参数模型，继而构建了半参数回归模型。以发展成果为例，半参数模型构建如下：

DAit=s(DFit)+α0+α1gdpit+α2urit+α3faiit+α4icit+α5fdiit+εit

(11)

DAit=f(TSAit)+β0+β1gdpit+β2urit+β3faiit+β4icit+β5fdiit+εit

(12)

其中，s(·)和f(·)为非参数光滑函数，αi和βi为线性部分的待估参数，其余部分为各类控制变量，εit为影响高质量发展变化的其他随机因素。考虑到模型估计的可识别性，本文假定光滑函数s(·)和f(·)的期望值为0。

在变量的设定上，本文被解释变量为中国经济高质量发展指标下的三个维度目标，分别为发展成果(DA)、发展质量(DQ)、发展潜力(DC)。核心解释变量设定为数字金融发展水平(DF)和产业结构优化效果(TSA)，通过研究并对比二者对经济高质量发展的动态作用机理，考虑到变量间的内生性问题，本文选取了一系列控制变量，其中包括：

地区经济发展水平(gdp)，地区经济规模对该地区经济高质量发展具有重要影响，经济高质量发展往往基于良好的经济基础，而当经济达到一定规模后，才有可能寻求发展方式的转变；城镇化率(ur)，用城镇人口数量占总人数的比重来衡量，合适的城镇化水平可以优化乡村资源配置，提高城市基础设施建设并增加消费和投资对经济增长的拉动作用，而过度的城镇化也会对人口、环境等造成冲击；固定资产投资水平(fai)，良好的资本吸引力可以更好地吸引资本投入，拉动经济增长，进而促进高质量发展，本文采用固定资产投资总额占GDP比重来衡量；基础设施建设水平(ic)，基础设施建设是经济发展的基础保障，也是实现高质量发展的必要条件，参考李晓龙(2021)的方法，用人均货物周转率来衡量地区基础设施建设水平；外商投资水平(fdi)，增加投资会提高产出，激发经济活力并促进经济增长，本文采用外商投资总额占GDP的比重来衡量。详情见描述性统计(表2)。

在数据和样本选取方面，由于西藏及港澳台数据严重缺失，为了研究的准确性，本文最终选取了全国30个省份的面板数据，时间跨度为2010-2020年。各项数据均来自《中国统计年鉴》《中国社会统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国农村统计年鉴》《中国科技统计年鉴》《中国人口和就业统计年鉴》《中国教育统计年鉴》以及各省统计局发布的地方统计年鉴、地方志和生态环境公报。

在进一步的探析中，本文发现变量间不存在显著的线性或曲线变动趋势(见图1)，故不能直接采用线性或非线性的模型进行分析，更进一步探究发现，变量间的走势呈现此起彼伏的态势，存在内部的灰色关联。因此本文利用灰色关联分析法来对指标间的内在关联性进行研究。具体地，将高质量发展下三个维度指标分别作为参考数据列，数字金融发展水平和产业结构优化效果作为比较数据列，计算估值水准与各指标间关联系数，进而得到灰色关联度数值，以发展成果为例，具体公式如下：

图1 变量趋势图(以2020年数据为例)

(13)

式中，ξi，k为xi对DAk在k点的关联系数；|DAk-xi，k|为第k点DA与xi的绝对差；minimink|DAk-xi，k|为数列DA与数列xi在k点的二级最小差数绝对值；maximaxk|DAk-xi，k|为数列DA与数列xi在k点的二级最大差数绝对值，ρ为灰色分辨系数，取值在0-1之间，本文取值为0.5。

将各关联系数代入公式(13)，计算出xi与DA的灰色关联度ri，具体公式如下：

(14)

其中，k=1，2，3…30，表示30个地区；xi，k∈{DF1，k，TSA2，k}，表示数字金融发展水平和产业结构优化效果。

(二)数字金融、产业结构优化与高质量发展的动态演变

随着区域经济社会的快速发展，中国现行三大地带的划分已难以适应新形势下统筹区域发展的要求，为了更直观更合理地反映各个区域的各项基本情况以及适应各自经济发展阶段的基本特点，本文参考了刘勇(2005)[37]对全国“新三大地带”的划分方法，①具体分为东北及东部沿海、中部及近西部和远西部地区。为了从时间维度上更好分析这三者的关系，本文探析了“新三大地带”的数字金融、产业结构优化与高质量发展的动态演变趋势。

图2(A)显示了“新三大地带”在样本期内数字金融的变化趋势，可以看出从2010年开始，全国数字金融总体发展良好，呈现稳步提升态势，表明中国经济在进入新的发展阶段以来，更加注重金融行业的健康发展，金融能够更好地服务于实体经济。同时从“新三大地带”分组来看，东北及东部沿海地区数字金融发展水平较高，中部及近西部地区次之，远西部地区数字金融发展水平还有待提升。总体来看，三大地区之间差距较小，表明我国普惠数字金融发展较为平衡。

图2 数字金融与产业结构优化演变趋势图

图2(B)显示了“新三大地带”在样本期内产业结构优化效果的变化趋势，整体而言，我国产业结构优化效果在样本期内没有显著的提升，总体呈现持平状态，其中东北及东部沿海地区还出现了回落，而中部及近西部地区呈现缓慢上升态势。三大地带产业结构优化水平存在差异，其中东北及东部沿海地区产业结构优化水平最高，中部及近西部地区次之，但差距在逐年缩小，远西部地区产业结构优化水平较低，仍需继续提升。

从整体来看，全国高质量发展各个维度的变化较为稳定，新三大地带的总体差距不大。其中发展成果维度水平较高并且总体呈现上升趋势，但近年来发展有减缓的趋势，表明我国经济增速放缓对整体发展成果提升具有一定的影响，如图3(A)所示。在发展成果维度中，东北及东部沿海地区发展水平最高，中部及近西部次之，远西部地区从2012年来，发展迅速，曾一度接近中部地区水平。在发展质量这一维度上，如图3(B)所示，东部及东部沿海地区总体上呈现出下降态势，该情况在2018年后有所好转。这一地带大部分地区属于我国经济发展水平较高的地区，全国四大一线城市和三大城市群全部集中在这一地带，但经济高速增长的同时带来了诸多不平衡不充分的问题。随着经济增长压力的加剧，未来一段时间将会面临更大的发展困境，因此需要转变发展方式和思路，改变经济增长的驱动方式，从传统只重视经济增长转变到关注经济发展质量上来。在经济发展潜力维度上，东北及东部沿海地区以及中部及近西部地区发展较为平稳。而远西部地区在发展潜力维度上出现了较大波动，从2016年以来，呈现出强劲的增长势头。远西部地区有着丰富的自然资源和未受到破坏的自然环境，为未来远西部地区的发展提供了巨大的发展潜力。

图3 高质量发展各维度动态演变图

(三)基于全国维度的实证分析

为了探究我国数据金融发展与产业结构优化对经济高质量发展的作用机理，本文基于公式(11)和(12)对样本期内的数据进行了实证检验，详见表3。为了对比传统参数模型和半参数模型所得结果的不同，本文同时进行了参数检验和半参数检验，具体地，Part(A)采用一般面板数据模型进行回归，Part(B)采用半参数模型进行回归。从模型的拟合程度来看，半参数模型得出的整体效果显著优于一般面板回归模型，说明本文采用的半参数模型是科学且合理的。

1.发展成果维度的比较分析

由表3的检验结果可以看出，首先参数部分显示来看，两项核心解释变量均通过了1%置信水平下的显著性检验，但数字金融和产业结构优化对发展成果指标产生了截然相反的作用，数字金融发展能显著提高经济发展成果，而产业结构优化却对经济发展成果提高产生了负向的作用。再看半参数部分，检验结果同样高度显著，具体如图4所示，数字金融发展整体上对发展成果提高有着正向作用，并表现出破浪式上升的特点，说明数字金融的发展可以很好地带动当地的经济发展，由于数字金融的普惠性特点可以让金融服务更加惠及到各个阶层的人群，因此数字金融发展可以更加有利地完善社会保障制度，从而提高经济发展成果。此外，控制变量均通过显著性检验，其中外商投资水平的正向作用强度最大。

图4 数字金融与高质量发展各维度指标

另一方面，如图5所示，在前期产业结构优化对发展成果提高产生了抑制作用，随后该作用得到缓解。可能原因是过早地进行产业结构升级会对部分地区传统的经济结构造成破坏，因此影响到经济发展及社会保障体系。此时，在控制变量中，除基础设施建设外，其余变量均可有效促进发展成果提高，且外商投资水平的促进作用最大。

图5 产业结构优化与高质量发展各维度指标

2.发展质量维度的比较分析

如表3所示，在参数部分，两项核心解释变量均在1%的置信水平下高度显著，表明数字金融发展和产业结构优化均可以显著促进经济质量的提升，但二者对经济发展质量的提升效果远不如对提高经济发展成果那样明显。半参数部分显示，核心解释变量均高度显著，如图4所示，数字金融发展对发展质量的提升起到一定的正向促进作用，但趋势较为平坦，总体呈现平稳上升态势。从构建的指标体系来看，发展质量维度更加关注到发展的协调性、平衡性及稳定性等，金融借助数字化技术可以更好地做到金融普惠，在一定程度上解决了发展不均衡的问题，数字金融可以更好地规范金融业的发展，防范各类金融风险，增加经济的稳定性。控制变量中，除城镇化水平外，其他变量都通过了显著性检验，其中固定资产投资水平对发展质量的拉动作用最强，而外商投资水平对经济发展质量产生了负向影响。

另一外面，如图5所示，产业结构优化与经济发展质量呈现明显的非线性关系，产业结构优化初期对发展质量产生抑制作用，到中后期开始对经济增长质量产生较强的促进作用。整体上产业结构优化对经济发展质量提升有正向作用。说明产业结构优化对经济增长质量的提升是一个长期过程，在前期可能会出现抑制的情况，但总体来看，产业结构优化对经济增长质量提升会起到正向促进作用。控制变量均通过显著性检验，从检验结果来看，固定资产投资水平在发展质量的促进作用中强度最大，外商投资水平对发展质量提升起到负向作用。

3.发展潜力维度的比较分析

表3显示，在参数部分，两项核心解释变量均通过了1%置信水平下的显著性检验，其中数字金融与发展潜力二者呈现负相关关系，表明数字金融发展对经济发展潜力提升产生了显著的抑制作用，而产业结构优化与发展潜力呈现出显著的正相关关系，表明产业结构优化可以有效提高经济发展潜力。在半参数部分，核心解释变量均通过检验。数字金融发展对经济发展潜力产生了明显的抑制作用，如图4所示，二者存在明显的非线性关系，呈现出波浪式下滑，并且该抑制作用在后期尤为强烈，表现出断崖式下滑态势。可能是因为数字金融的快速发展，改变了企业的传统融资方式，融资的便利化和资金的充裕反而降低了企业的研发能力，造成了资源的浪费和效率的下降，进而对该地区创新驱动和资源使用产生不利影响。在控制变量中，城镇化水平和外商投资水平未通过显著性检验。

表3 全样本参数模型和非参数模型回归结果

另一方面，如图5所示，产业结构优化对经济发展潜力的提高效果显著，从图中曲线可以看出，该曲线呈现波浪式上升，在后期效果尤为强烈。表明产业结构优化可以有效促进经济发展潜力的提升，产业结构的优化升级可以改变传统的经济发展方式，转为以创新驱动的发展方式，使得经济发展从外延式发展转变为内涵式发展，减少了资源过度利用的现象，对保护生态环境具有重要作用。

(四)基于区域视角的实证分析

为了更加系统地研究数字金融发展和产业结构优化对经济高质量发展的作用，本文进一步对“新三大地带”进行分组探讨，逐一分析数字金融与产业结构优化对不同区域高质量发展作用的异质性。因篇幅所限，以下实证检验只展示半参数模型的回归结果。

1.东北及东部沿海地带的比较分析

表4展示了东北及东部沿海地区的检验结果，结果显示，数字金融和产业结构优化均可影响高质量发展，二者呈现非线性关系且均在1%的显著性水平下高度显著。如图6所示，数字金融的发展会显著提高经济发展成果和经济发展质量，并且对经济发展成果的提高效应更为明显。此外，与高质量发展其他两项维度不同，数字金融与经济发展潜力之间的作用效果并不明显，总体呈现出波动态势，在数字金融发展后期会对经济发展潜力产生巨大抑制作用。控制变量中，经济发展水平和固定资产投资水平会明显推动经济高质量发展，外商投资水平与经济发展成果和经济发展质量表现出正相关关系，而与经济发展潜力之间呈现负相关关系。

表4 分样本半参数模型回归结果(东北及东部沿海)

图6 数字金融与高质量发展各维度(东北及东部沿海)

如图7所示，产业结构优化与高质量发展之间展现出非线性关系，其中产业结构优化会显著提高经济发展质量和经济发展潜力，该效应呈现波浪式上升的特征，对经济发展成果的影响效应呈现波动态势并在后期生产抑制作用。

图7 产业结构优化与高质量发展各维度(东北及东部沿海)

2.中部及近西部地带的比较分析

由表5的检验结果可知，同东北及东部地区一样，数字金融和产业结构优化均能影响高质量发展，其中数字金融对发展成果和发展质量的作用效果均在1%的显著性水平下通过检验，而对发展潜力的作用效果则通过了5%的显著性检验。具体如图8所示，数字金融对经济发展成果的正向作用缓慢提升，但在后期出现了抑制作用。而数字金融发展可以显著提升经济发展质量，这一作用效果持续在整个数字金融发展全过程。但在发展潜力维度，数字金融和经济发展潜力呈现出负相关的关系，该效果持续到后期才得到转变，开始正向作用于经济发展潜力。

图8 数字金融与高质量发展各维度(中部及近西部)

表5 分样本半参数模型回归结果(中部及近西部)

产业结构优化对发展潜力的作用效果通过了5%的显著性检验，对发展成果和发展质量的作用效果也在10%的显著性水平下通过检验。通过观察变量间的波动趋势可以看出，产业结构优化对经济发展成果和经济发展质量的提高产生了抑制作用，但作用力度并不强烈，总体呈现平稳下降趋势。而产业结构优化对经济发展潜力的作用效果则展现出前期促进后期抑制的态势(如图9)。

图9 产业结构优化与高质量发展各维度(中部及近西部)

3.远西部地带的比较分析

远西部地带的检验结果和前两个地带截然不同，从检验结果来看，仅数字金融对发展质量的作用效果通过了10%的显著性检验，表明在远西部地区，数字金融的发展可以促进经济质量的提升。其余变量间作用均未能通过检验，本文分析原因有两点：其一是远西部地区整体经济发展水平、方式、结构等一系列条件均与其他地区有着很大区别，因此会产生不同的作用效果。其二是因为“新三大地带”的划分导致实证检验的样本量不充足，不能较好反应出实际的情况。

(五)基于时间维度的实证分析

为了继续探究数字金融与产业结构优化对高质量发展的动态影响过程，本文利用灰色关联度分析来进一步检验，结合上文对灰色关联分析法的说明，通过式(13)和(14)可以计算出数字金融发展与产业结构优化对于经济高质量发展的灰色关联度，具体如图10所示，整体而言，数字金融与产业结构优化在样本期内对高质量发展各维度的影响呈波动式变化。

图10 灰色关联度变动趋势图

具体来看，在发展成果特征中，产业结构优化对发展成果的影响程度总体高于数字金融发展，二者均呈现波动式上升，在2020年之后二者走势趋于相似；在发展质量特征中，在2016年之前产业结构对经济发展质量的影响效应要强于数字金融发展，在2016年之后则出现了相反的情况。数字金融发展水平的曲线总体呈现“W”走势，并在2019年后持续上升，表明数字金融对经济发展质量的正向影响效应逐渐增强；在发展潜力特征中，数字金融发展与产业结构优化对发展潜力的影响效应均在2014年后显著增强，且数字金融发展曲线的增长势头高于产业结构优化曲线，随着时间的推移，二者对于发展潜力的作用效果趋于一致，曲线走势更加平缓。

四、结论及建议

(一)研究结论

本文利用2010-2020年中国30个省份的面板数据，从发展成果、发展质量和发展潜力三个方面构建了中国经济高质量发展评价指标体系，通过引入合理化、高级化、高新化及生态化指标，利用几何平均法测度了产业结构优化效果。实证检验部分在传统参数模型中加入了半参数模型比对分析了数字金融与产业结构优化对经济高质量发展的影响效应，最后利用灰色关联度法分析了二者对高质量发展影响作用的动态变化。由此本文得出以下研究结论：

1.从全国层面来看，数字金融发展和产业结构优化均能对发展成果产生正向影响，但数字金融的拉动效应要显著强于产业结构优化，同时产业结构优化水平在后期会对发展成果提高产生一定的抑制作用；在经济发展质量上，与发展成果相似，二者均能对发展质量起到正向作用力，但数字金融的拉动作用稍弱；数字金融发展会对发展潜力提升产生抑制作用，产业结构优化在初期对发展潜力提升的拉动作用呈现波动式缓慢增长。

2.从区域层面来看，数字金融发展与产业结构优化对于经济高质量发展的作用效果存在地区差异。具体来看，在东北及东部沿海地带，数字金融发展可以显著提高经济发展成果并提升经济发展质量，但对经济发展成果的正向影响更加明显；在中部及近西部地带，数字金融发展对经济增长质量的提升效果显著，而对经济发展潜力提升会产生抑制作用，对经济发展成果的提高效果并不明显，而产业结构优化可以在一定程度上提升经济发展潜力；在远西部地区，数字金融和产业结构优化对该地区经济高质量发展的拉动作用不明显。

3.从时间维度来看，样本期内，数字金融发展与产业结构优化对经济高质量发展的影响呈现出波动式变化。其中，产业结构优化对经济发展成果的影响要高于数字金融，但产业结构优化对经济发展成果的影响效应是负向影响，即产业结构优化能显著抑制经济发展成果的提高；数字金融和产业结构优化均对经济发展质量提升产生了正向推动作用，在2016年之前，产业结构优化对经济发展质量的影响要高于数字金融，2016年后数字金融对经济发展质量的影响高于产业结构优化；数字金融和产业结构优化对经济发展潜力的影响分别在2014和2013年后出现了加强，随后二者影响程度缓慢增强，经济发展潜力将会受数字金融与产业结构优化的双重作用。

(二)启示

上述结论对于数字金融与产业结构优化如何促进经济高质量发展具有重要的政策启示：

1.研究发现数字金融和产业结构优化对经济高质量发展的非线性关系对未来的政策制定有着重要意义，说明二者对高质量发展在不同时期会产生不同的影响效果，同时效果的强弱也有所不同，在一定时期内甚至会产生抑制作用。因此需要政府采取灵活的政策方针，政策制定应该具备时效性，并采取全方位一体化的政策效应监测系统，对政策实施的前中后期都要监测与调整，只有平衡的、适时的发展方式才能有效推动经济高质量发展。

2.为了适应数字金融的快速发展，政府需要关注金融风险的可控性，要通过建立一整套完善的数字金融法律法规制度对数字金融发展进行适度监管，并完善数字金融征信体系，最大化保障数字金融良好健康的发展。需要注意的是，政府在对数字金融进行监管的同时，也要尊重金融市场的发展规律，避免过度干涉市场，保持市场的主要驱动作用和政府的引导支持作用。

3.政府要把握数字金融的核心价值，发挥数字金融的普惠属性，合理配置金融资源，防范各类披着数字技术外衣的资本扭曲其配置过程，加剧资源分配的不公平。要让金融更好地服务于实体经济和社会各个阶层，最终实现经济高质量发展。

4.政府应该坚持推进产业结构优化与升级，发挥产业结构对经济高质量发展的推动作用。坚持创新驱动的发展战略与产学研结合的战略，加强科学技术研发水平，提高创新能力，加强产业结构高新化的提升；政府需要深度融合高新技术产业与传统制造业，并加大对第一、第二产业的技术支持，推进产业结构的合理化与高级化；同时需要进一步淘汰落后产能，大力发展高新技术产业与绿色产业。

5.数字金融和产业结构优化对经济高质量发展的影响效应均表现出显著的区域异质性，因此，针对不同地区，政府应该实行差别化政策。对于东北及东部沿海地区，继续发展数字金融，坚持产业结构优化升级，而对于中部和西部地区，政府要加快数字金融基础设施建设，依托人工智能、区块链及大数据等新型信息技术手段，从深度和广度上扩展数字金融的使用范围，消除数字鸿沟。在投资方面需要谨慎结合当地实际需求，避免资源浪费。中西部地区的产业结构优化与升级需要循序渐进，不能一蹴而就，从当地实际情况和传统发展模式出发，科学、合理地实现产业结构的优化。

注释：

①新三大地带划分：东北及东部沿海具体包含：北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、山东、广东、海南。中部及近西部具体包含：山西、江西、安徽、河南、湖南、湖北、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏。远西部具体包括：内蒙古、青海、新疆、西藏。