数字普惠金融对区域创新能力提升的影响研究

朱秋亮

摘要：基于中国的30个省（市）的2011～2018年的面板数据，运用空间杜宾模型，实证检验了数字普惠金融发展对区域创新的影响与作用机制。结果表明，中国区域创新能力在空间上成正向自相关性，且呈现集聚特征;数字普惠金融对区域创新能力起到显著的促进作用。

关键词：数字普惠金融;区域创新能力;空间计量

一、前言与综述

近年来，中国经济实力和综合国力得到快速提升，但是经济增长的背后带来了一系列的环境问题。为促进经济高质量发展，减少对环境的破坏，提升创新能力成为发展的方式之一。创新能力成为当前世界各国经济发展竞争力，是引领经济发展的第一动力。数字普惠金融是当代金融发展新模式，让金融服务范围更广泛，在一定程度上弥补传统金融的不足，是推动区域创新能力发展的重要力量。因此，探究中国区域创新能力的分布，以及数字普惠金融对其的影响，对中国实现技术创新及经济社会的可持续发展具有十分重要的意义。

在已有数字普惠金融与区域创新能力的关系研究中，学者们普遍认为数字普惠金融推动了区域创新能力的提升。徐子尧以2011～2017年中国地级市的面板数据为研究对象，发现数字普惠金融发展主要通过改善地区信贷资源配置和刺激居民消费等方式促进区域创新能力的提升。邹辉文以我国的30个省（市）2014～2018年面板数据构建面板平滑转换模型，研究发现数字普惠金融对区域创新效率的提升具有显著的促进作用。郑雅心通过分析数字普惠金融影响区域创新能力的间接机制和直接机制，发现数字普惠金融带来的包容性、全面性和便捷性对我国区域创新产出的积极影响显著。综上所述，现有文献均验证了数字普惠金融对区域创新水平提升的积极作用，但关于数字普惠金融支持区域创新能力提升的程度及在空间上是否支持区域创新能力提升的研究还处于探索阶段，本文从时、空双维度入手，考察我国区域创新能力差异及其演化历程，试图通过加强空间探索性分析在数字普惠金融对区域创新能力影响的运用。

二、中国区域创新能力排名

《中国区域创新能力报告》一书中主要从研发活动经费、地方财政科技投入、有效发明专利和高新技术企业数量等方面综合评价各地区的创新能力。如表1所示，2019年，区域创新能力排前三名的省市分别是广东省、北京市、江苏省。其中广东省综合效用值达到了59.49，连续3年排名第一，相对第二名的领先优势也在不断扩大。

三、研究设计

（一）指标和样本选取

1. 被解释变量

被解释变量：区域创新能力（Innovation），在现有关于区域创新能力的衡量指标，主要以区域创新能力评价指标体系构建【郭新茹（2019）】或 者 创新产出【刘冠辰（2020）】这两种方式衡量，本文为了能够全面系统地体现各地区创新能力，采用《中国区域创新能力评价报告》中的区域创新能力综合效用值。

2. 核心解释变量的选取

解释变量：数字普惠金融指数（IFI），本文采用由北京大学数字金融研究中心和蚂蚁金服集团编制的《北京大学数字普惠金融指数》中的数据。

3. 控制变量的选取

本文主要选取：金融发展（fin）、产业结构（stru）及城镇化水平（pop）为控制变量。以上所有数据主要来源于《中国统计年鉴》《中国科技统计年鉴》等，由于数据限制，剔除港澳台地区和西藏自治区。表2为主要变量的描述性统计。

（二）模型设定

1. 空间计量模型

随着科技的发展，空间数据或包含地理信息的数据更加容易获取，使得更多的经济学研究学者在研究经济事件中将空间因素考虑在内，因此，将空间要素进行研究成为当前研究热点之一。空间计量模型形式如下：常见的空间计量模型包括空间杜宾模型（SDM）、空间误差模型（SEM）及空间滞后模型（SLM），本文主要采用空间杜宾模型进行测度，空间杜宾模型如下：

其中，Yi，t为被解释变量区域创新能力，Xi，t为一系列解释变量，σi为个体固定效应，εi，t为其他影响因素的随机误差项，P表示省域，Wi，j为空间权重矩阵，本模型选用经济距离矩阵，空间滞后系数为ρ，β与θ为空间相关系数。

2. 空间权重选择

目前能够反映不同区域间关系的空间权重矩阵有三种，学者们通常依据自己文章的需求选用，本文选用基于邻接权重的矩阵进行分析。

邻接权重矩阵。根据观测区域之间在地理上的相邻特征对矩阵内各元素进行赋值，当观测区域之间存在相邻关系时wij为 1，当观测区域之间不存在相邻关系时为wij为0，形式如下：

四、实证分析

（一）空间相关性检验

1. 全局空间相关性

在空间经济学领域，空间自相关性分析用于探析不同区域相同变量在空间上是否具有依赖关系及依赖程度如何，更加全面、真实地反映研究变量之间影响方向及影响程度。因此，该研究方法近几年来受到了学者们的广泛重视。研究主要涉及对研究变量局部自相关或全局自相关的研究。全局自相关主要分析的是所研究变量在整个空间范围内的特征。局部自相关则是对全局自相关的补充。

由表3的结果总体来看，莫兰值都是大于 0，均在 5%的显著性水平上拒绝“无空间自相关”的原假设。说明我国区域创新能力总体是呈现正向的空间溢出性。从时间顺序来看，在这10年里的莫兰值，最小值的年份是2018年，最大值的年份是2012年。从整体上来看，区域创新能力的全局莫兰指数存在先增后减的迹象，说明区域创新的空间相互作用先是加强而后减弱。

2. 局部空间相关性

局部Moran’s I指数可以观察到全局Moran’s I指数所无法反映的地区创新能力的局域特征。图1所示的是2018年的创新能力的局部莫兰指数散点图，从中可以看出創新能力局部莫兰指数主要分布在第一和第三象限，说明大多数的省份在创新能力水平具有相同特征，即创新能力越强的地方，相邻地区的创新能力也越强，创新能力越弱的地方，其相邻地区创新能力越弱，以上说明我国区域创新能力具有空间相关性。

（二）空间计量检验

1. Hausman检验

检验结果：chi2（11）为34.38，p值为0.0000。检验结果的P值在 1%的显著性水平下强烈拒绝了随机效应的原假设，因此，本文使用固定效应进行后续的实证检验。

2. 空间模型选择

SEM和SAR两个模型中进行选择，方法是LM检验。判断依据是当两个模型LM检验都显著，就进行稳健型检验，哪个模型稳健性检验显著就使用哪个模型。当两个模型中只有一个模型LM检验结果显著，那么就采用通过的模型。如表4，只有SEM模型的LM检验和稳健性检验都显著，故两者间选择的是SEM模型。

其次，使用LR检验在空间误差模型（SEM）和空间杜宾模型（SDM）之间进行选择。LR检验的P值为0.0928，根据判断方法，在空间误差SEM和空间杜宾SDM模型之间，空间杜宾SDM不能退化为空间误差SEM，应该选用SDM空间杜宾模型。

3. 联合显著性检验

主要的检验方法是LR检验。（1）在both和ind固定效应间选择，检验的显著性水平为P=0.6353，接受原假设，选择的是ind固定效应。（2）在both固定效应和time固定效应上的选择，联合显著性检验的P=0.0000，则不能用time固定的模型，因此，根据检验结果选择的是ind固定效应模型。

4. 空间杜宾模型结果分析

根据表6可知，Spatial 的系数是0.2049，且在5%的显著性水平下显著，说明相邻地区的区域创新能力的提高对本地的创新能力有正向作用。从全部样本来看，本地区数字普惠金融的提升显著促进了区域绿色创新能力的提升，从估计系数来看，数字普惠金融水平每增加一个单位，区域创新水平就会提升0.0402个单位。数字普惠金融通利用数字优势降低融资成本，为小微企业提供了更全面灵活的金融支持，弥补其贷款难问题，激发了创新活力，从而促进区域创新的提升。

金融发展对区域创新能力存在显著的正向影响，相邻地区金融发展对本地区创新能力的影响并不显著。从估计系数来看，金融发展每提升一个单位，就促进创新能力提升1.29各单位。虽然各地区金融规模在不断提升，增加资金投入，但是我国经济发展水平不平衡，跨地区的资金流动受到限制，无法达到资金利用最大化，从而在一定程度上限制了部分企业的融资，限制了企业创新的投入。

产业结构水平对区域创新能力起到促进作用，相邻地区产业结构优化未对本地区创新能力产生明显的溢出效应。从结果系数上来看，产业结构每增加一个单位，促进创新能力提升0.23个单位。创新大多发生于工业、制造业等实体经济，第二产业就业人员的增加会提高创新能力。但是随着产业结构调整，第二产业吸纳就业的数量不断减少，对劳动力的素质要求又在不断提高。因此，不能盲目追求数量，应重点吸纳具有专业技能和研发能力的人才。

城镇化水平对区域创新能力存在显著的正向影响，相邻地区的城镇化水平的提升对本地区的创新能力起到抑制作用。城镇化水平每提升一个单位，促进创新能力提升0.0057个单位。各地区城镇化发展水平提升促进农村劳动力转移，丰富劳动力资源，并且促进该地区的需求。但是，我国各地区在城镇化发展方面存在发展不平衡现象，城镇化水平越低的省份其创新能力越差。

五、结论与建议

（一）结论

本文依据2011～2018年中国的30个省（市）际层面的实证研究，运用空间计量模型，实证检验了数字普惠金融对区域创新能力的影响，得出以下结论：中国区域创新能力的空间自相关性呈正向相关性且集聚特征明显;空间杜宾模型结果显示，各地区数字普惠金融能够对区域创新能力起到顯著的促进作用。

（二）建议

由于中国区域创新能力具有正向的空间相关性且集聚特征明显，因此各省（市）的创新水平会受到邻近省（市）的影响。地方政府应该加强与相邻地区之间的合作，发挥各地区的产业优势，提高创新能力水平。

通过研究发现，数字普惠金融促进区域创新水平的提升，各地方政府应加强数字技术与金融业务的融合，全面提升数字普惠金融发展质量，从而促进区域创新水平的提高。

不断完善当前的数字普惠金融监管体系，随着网络化不断发展，企业可以通过网络平台贷款并投入生产，虽然此种方法较为便捷，但是风险也较大。因此，金融监管部门要采取有效措施，防范数字金融发展带来的风险。

参考文献：

[1]何剑，魏涛，董春风，乔智宏.金融供给空间结构影响区域创新能力了吗[J].科技进步与对策，2021（04）：1-10.

[2]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.

[3]邹辉文，黄友.数字普惠金融发展对区域创新效率的作用研究[J].金融与经济，2021（01）：48-55.

[4]郑雅心.数字普惠金融是否可以提高区域创新产出？—基于我国省际面板数据的实证研究[J].经济问题，2020（10）：53-61.

[5]郭新茹，陈天宇.高质量发展背景下我国区域创新能力比较研究——基于省际面板数据的实证[J].江西社会科学，2019，39（09）：60-69.

[6]刘冠辰，乔志林，陈晨.贸易开放、收入差距与区域创新能力[J].经济问题探索，2021（07）：165-176.

[7]郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（04）：1401-1418.

[8]Anselin L，Syabri I，Kho Y.GeoDa： An Introduction to Spatial Data Analysis [J].Geographical Analysis，2006（01）：5-22.

[9]伊飞霄.数字金融对区域绿色创新效率影响的空间计量分析[J].技术经济与管理研究，2020（11）：74-79

（作者单位：昆明理工大学管理与经济学院）