数字金融发展能否促进结构红利释放？※

内容提要：数字金融改善了县域的融资环境，在优化要素配置结构的同时为结构红利的释放开辟了新道路，成为经济高质量发展的新动力。文章尝试将数字金融纳入到县域结构红利的研究框架内，基于1869个县域数据运用空间计量模型分析了数字金融对结构红利的影响。研究发现：县域数字金融和结构红利存在着空间依赖关系；县域数字金融发展及其各维度水平的提升能够促进县域结构红利的释放；数字金融对县域结构红利的影响还存在非均衡效应，即与贫困县域相比，数字金融更容易促进富裕县域结构红利的释放；县域固定资产投资和技术效率在数字金融对结构红利的影响过程中发挥了中介效用。根据研究结论为推动县域数字金融发展和结构红利释放提出了三点政策建议。

一、 引 言

县域经济已经成为国民经济增长的重要推动力量。2019年县域生产总值占地区生产总值的53.37%。2003年至2019年县域经济年均增速为20.71%。县域不仅是经济发展的未来、乡村振兴的战略重点，而且还是实现共同富裕的关键点。因此各级政府也采取多种措施推动县域经济高质量发展。而释放结构红利是县域经济高质量发展进程中抢占新一轮增长点的突破口。随着中国二元经济结构的逐渐转型，人口红利、资源红利和全球化红利等也正逐渐减退，改革开放带来的技术落差优势也在市场经济潮流中弱化，因此为县域经济高质量发展寻找新源泉变得尤为迫切。新古典经济增长理论认为不同部门(地区)的生产率并不相同，部门(地区)间生产率的差异会引致要素的流动，进而提高要素的生产率，最终带来超稳态的结构红利(唐代盛和盛伟，2019)，这也为促进县域经济高质量发展提供了思路。实践也证明了释放结构红利是提升全要素生产率和促进经济高质量发展的内在机制和重要手段(孙学涛，2021)。因此，通过改变要素配置的方式来提高产出效率进而释放结构红利的发展模式，应该是国内国际双循环背景下县域经济实现保量提质的一种可行选择。

数字金融是县域结构红利释放的新动力(邓峰等，2021)。金融不仅能够推动经济发展，而且还能够引领产业结构调整，但由于传统金融自身的局限性(唐文进等，2019)，县域经济高质量发展中传统金融的作用相对较小。这是由于与城市经济相比，县域经济受到自然条件和资源禀赋的制约，其生产成本相对较大、风险相对较高，因此县域经济很难受到投资者的青睐，甚至还出现了县域金融资本外流的现象(王伟和朱一鸣，2018)。为了提高县域金融的活力，2003年以来国家出台了相关措施，尽管这些措施取得了一定的成效，但县域金融覆盖率较低和县域融资成本较高的问题仍然没有彻底解决。以大数据为代表的信息技术与传统金融不断融合，产生了金融的新业态——数字金融，它不仅改变了传统金融的供给形式，而且还提高了金融的服务可选择性。数字金融既能够实现资本的保值增值，又能够以低成本和便利的方式为县域经济提供金融服务，有效解决了金融服务实体经济“最后一公里”的问题，提高了县域要素效率(王喆等，2021)。由主导产业扩散效应理论可知，数字金融作为一种新业态，一方面能够促进信息交流和降低交易成本，进而实现交易可能性集合的拓展和资源的优化，从而提高要素的边际生产率；另一方面数字金融提高了其服务经济社会的广度和深度，优化了资金要素在不同产业间的配置结构，最终释放了结构红利。

综上所述，本研究将面临着以下两个关联但又不相同的问题：一是如何促进县域结构红利释放？二是如何发挥数字金融的作用？在数字金融背景下如何推动县域结构红利释放。特别是，彼此之间的传导机制是什么？从现有文献来看，我们尚不得而知，需要从理论方面和实证方面展开研究去寻找答案，这也是本文的出发点。

二、 文献综述

结构红利是指要素由生产效率较低的部门(地区)流向生产效率较高的部门(地区)所引致的效率提升。“结构红利假说”提出之后，学者从理论上将生产率增长分解为结构红利和技术效应，并证实了结构红利的存在。在经济增长方式转变的关键时期，结构红利假说也成为国内学者研究经济增长的一个重要领域。对于经济增长过程中是否存在结构红利，学者实证研究结论也存在着争议(胡亚茹和陈丹丹，2019)。学者采用城市的数据(孙学涛，2021)和省级数据(Bang等，2019)证实了经济增长过程中存在着结构红利。部分学者也采用城市两部门数据(于斌斌，2015)和企业数据(Zhi等，2019)实证分析发现经济增长过程中结构红利假说并不显著。同时还有部分学者发现经济增长过程中存在着结构红利和结构负利并存的现象(干春晖和郑若谷，2009)。通过以上分析发现从理论上能够证实结构红利的存在，但无论国内学者还是国外学者对于结构红利验证的结论都存在着争议。因此需要进一步实证讨论结构红利的存在与否。

现有的文献证实了传统金融发展优化了资本要素的配置结构(唐文进等，2019)，推动了产业结构升级，释放了结构红利(孙学涛，2021)。随着传统金融在产业结构和经济高质量发展中的作用越来越重要，金融理论研究也不断深入，学者发现随着金融的发展，金融对产业结构的影响逐渐增强，即结构红利释放效应越来越明显(韩克勇和孟维福，2021)。同时部分学者通过研究发现传统金融发展对产业结构的影响存在显著的差异，即传统金融对产业结构的影响表现为先促进后抑制，即传统金融发展先表现为结构红利，后表现为结构负利(王兰平等，2020)，还有学者通过研究发现传统金融发展会对产业结构产生扭曲效应，即传统金融发展不会为经济发展带来结构红利(曾国平和王燕飞，2007)。在数字经济发展背景下，学者也逐渐开始关注数字金融的经济效应。学者研究发现数字金融能够提升要素效率，进而推动了结构红利的释放(冯永琦和邱晶晶，2021)。数字金融能够促进新兴企业的发展(孙继国等，2020)、降低传统金融对物理网点的依赖，进而降低金融服务的成本，从而优化资本要素的配置结构，并最终释放了经济体的结构红利(孙学涛，2021)。部分学者研究发现数字金融对产业结构的影响是线性的(易信和刘凤良，2015)，这就意味着数字金融就一定能够推动产业结构升级和经济发展。但也有部分学者研究发现数字金融会对产业结构升级产生抑制作用(唐文进等，2019)。虽然有大量的文献研究了数字金融对产业结构的影响，但还没有看到相关文献研究数字金融与结构红利释放的关系，这与中国已经成为全球数字金融发展最迅速国家的现实不相符合(郭峰等，2020)。

虽然现有文献对结构红利和数字金融从不同层面采取了多种方式进行了研究，但存在着以下可拓展之处。一是结构红利测度方面，虽然能够从理论上证明结构红利的存在，但实证研究结论并不一致，主要原因是结构红利来源于要素在不同部门(地区)之间的流动，而现有文献在测度结构红利过程中从产出角度测度，并没有从要素动态属性角度测度结构红利。二是数字金融与结构红利的研究方面，金融与结构红利的研究主要集中于传统金融与结构红利，同时传统金融对结构红利影响的结论也存在着分歧；在数字金融迅速发展的现实背景下，数字金融与结构红利的理论研究却滞后于数字金融发展的现实。

针对以上文献存在的不足和分歧，本文的边际贡献具体如下：结构红利测度方面，由于结构红利的实证研究存在着争议，本文从要素动态属性视角重新测度县域结构红利，并分析县域结构红利的时空差异。数字金融对结构红利的影响方面，由于金融对结构红利释放的影响存在着分歧，因此需要理清金融与结构红利的逻辑关系，同时现有文献忽视了数字金融对结构红利的作用机制。从县域角度研究数字金融与结构红利的关系，与城市经济不同的是县域面临着资本不足和外流并存的现象，然而现有文献主要从省级层面或者城市层面研究数字金融或结构红利，忽视了数字金融对县域经济的影响。综上所述，本文将数字金融纳入到结构红利释放的模型内，讨论数字金融对结构红利产生了怎样的影响。

三、 理论分析

结构红利来源于要素在不同部门(地区)之间进行重新配置所提高的要素效率，因此结构红利也被誉为经济效率提升的源泉。结构红利存在的前提是部门(地区)间要素效率存在差异，这种效率差异会引致要素流动，进而通过优化要素配置结构的方式提高了要素效率，最终释放了地区结构红利。在数字金融与实体经济相融合的背景下，结构红利不仅来源于传统要素配置结构的改善，而且还来源于数字金融这种高级要素。数字金融是传统金融与大数据和云计算等信息技术相融合而成的金融新业态，它不仅会直接促进结构红利的释放，而且还会从固定资产投资(唐文进等，2019)和技术创新(翟仁祥和宣昌勇，2022)等角度促进地区结构红利的释放。因此，数字金融也逐渐成为了结构红利释放的重要驱动力。数字金融对结构红利的促进作用主要表现在以下两个方面：数字金融对结构红利的直接影响和数字金融对结构红利的传导路径。

1. 数字金融对结构红利的直接影响

数字金融会通过“水平效应”和“规模效应”来影响结构红利。“水平效应”表现在两方面：一方面是数字金融机构通过大数据和云计算等信息技术手段识别出金融需求者的最佳资本需求数量，从而改善了要素在不同产业(地区)之间的配置结构，最终促进地区结构红利的释放；另一方面是数字金融在一定程度上解决了经济体之间的信息不对称问题，提高了金融机构服务长尾群体的能力，这在一定程度上解决了长尾群体资金不足的问题，激发了经济体的活力，数字金融这种普惠性的特征还会以优化金融配置结构的方式，改善实体经济的要素配置结构，最终提高实体经济的要素效率。随着经济体内要素效率的不断提升，其他地区(部门)的要素就会向该地区流动，进而提高了流入经济体的要素效率，从而释放了结构红利。“规模效应”表现为数字金融与传统要素的区别在于数字金融在一定程度上会违背要素边际效率递减的规律，即数字金融对经济体的影响会表现出边际效率递增(封思贤和徐卓，2021)。这是因为传统要素与数字金融相比具有自身的优势，但数字金融与传统金融相融合能够使传统要素发挥更大的效应。具体而言，数字金融会与劳动要素和土地要素进行融合，从而提高了劳动要素和土地要素的效率，进而促进劳动要素和土地要素的集聚，最终通过优化要素配置结构的方式促进了县域结构红利的释放。数字金融的“规模效应”还表现在某一经济体的数字金融与实体经济相融合，会提高实体经济的要素效率，其他实体经济在学习效应的驱动下，也会积极引导实体经济与数字金融融合，进而提高了要素效率，从而释放了结构红利。基于此，提出以下假设：

假设1：数字金融能够促进结构红利的释放。

2. 数字金融对结构红利的间接影响

数字金融不仅会直接影响结构红利，而且还会以固定资产投资和技术效率为中介影响结构红利。数字金融的资本效应体现在由于县域内劳动力资源相对丰富，而资本要素相对不足，数字金融这种全新的服务模式会促进资本市场的完善，增加了资本要素的供给量，缓解了经济体的资本约束(吴雨等，2020)，即数字金融会通过影响上资本要素供给的方式进而促进经济体的固定资产投资。这种新模式的固定资产投资会影响县域经济的要素投入结构，这种要素投入结构的变化会优化县域的要素配置结构，进而提高要素效率，释放县域结构红利。数字金融的技术效率效应体现在数字金融机构的基础设施不仅可以为数字金融机构服务，而且还能够为实体经济服务，进而促进要素的精准匹配，为新技术、新产品提供了充足的资本要素，进而提高实体经济的效率。同时数字金融对技术效率的带动作用还表现在数字金融保证了技术创新的长期性和稳定性，降低了技术创新的风险，最终以技术创新的方式提升了经济效率。综上所述，数字金融还会以提高要素效率的方式释放结构红利，进而推动实体经济高质量发展(Sasidharan等，2014)。基于此，提出以下假设：

假设2：数字金融还会以推动固定资产投资和技术效率的方式促进结构红利的释放。

四、 研究设计

1. 结构红利测度

假设县域内存在i个产业，Yi为县域i产业的增加值，Y为县域生产总值，则县域经济增速y的数学表达式为：

(1)

(2)

学者通过研究发现地区经济的增长一方面来自于要素的贡献，另一方面来自于效率的贡献。因此县域产业的增长也可能来自于这两方面，即县域各产业增长率可以表示为：

(3)

式(3)的li为i产业内的劳动要素，ki为i产业内的资本要素，tfpi为i产业的效率，fi(*)为i产业的生产函数，i=N时为农业产业，i=A为非农产业。

由于二元经济结构的存在，农业产业与非农产业之间可能存在着效率差异(张维今等，2020)，为了简化分析，假设县域只有农业产业和非农产业，则农业产业和非农产业的效率可以表示为：

(4)

数字金融虽然具有普惠性的特征，但其对各产业的影响会存在着显著的差异(何宗樾等，2020)，因此在数字金融发展背景下，县域各产业的要素投入为：

(5)

其中tfp′A为在数字金融影响下非农产业的全要素生产率；tfp′N为在数字金融影响下农业的全要素生产率；ΔkA(ΔkN)为农业(非农)产业运用数字金融的数量，其中ΔkA与ΔkN并不一定相等。

为了简化分析，本部分假定县域内各产业运用数字金融，并不会对劳动要素产生替代效应；并且其他要素投入不变。由于数字金融的发展不仅会对县域内各产业资本要素的投入产生影响，而且还会对县域生产效率产生影响，因此数字金融发展所引致的产出效率差异则为结构红利，其数字表达式为：

(6)

式(6)的TSE为数字金融发展所引致的县域结构红利，将式(6)进一步简化为：

(7)

公式(7)内的TSE>0时，说明数字金融发展能够促进县域结构红利的释放；TSE<0时，说明数字金融发展会抑制县域结构红利的释放。

2. 计量模型

由于县域经济体并非独立存在，因此县域的数字金融(结构红利)与邻近县域的数字金融(结构红利)是相关的，即县域数字金融不仅与时间有关，而且还与空间有关。空间集聚是数字金融发展非常显著的特征，例如浙江省杭州市以蚂蚁集团为中心的西湖区正逐渐成为中国数字普惠金融发展的中心地区，进而促进了杭州市相邻地区数字金融的发展。因此在分析数字金融对县域结构红利的影响时，需要考虑到数字金融和结构红利的空间依赖性。根据空间计量经济学的原理，进行空间计量分析之前需要运用Moran’s I指数检验数字金融和结构红利的空间依赖性。如果二者之一存在空间依赖关系，则需要运用空间计量模型讨论二者之间的关系，否则需要运用传统计量模型讨论二者之间的关系。其中Moran’s I指数为：

(8)

如果数字金融或结构红利存在空间依赖关系，则需要运用空间计量模型分析数字金融对县域结构红利的影响。但数字金融和结构红利的空间依赖关系不仅会通过自回归项来体现，而且还会通过误差项来体现。但现有空间计量模型分别运用不同的模型讨论空间自回归项和误差项，而两种效应可能会同时存在，需要运用更一般的空间计量模型讨论数字金融对县域结构红利的影响。本文借鉴孙学涛(2021)等的研究方法尝试运用SARAR模型分析数字金融对县域结构红利的影响，其数学表达式为：

Y=ρWY+Xβ+μ

(9)

μ=λWμ+ε

(10)

公式(9)和(10)内的β表示空间自回归项的系数，Y表示县域结构红利，X表示数字金融和控制变量，λ表示空间误差项对结构红利的影响，ρ表示周边地区对县域结构红利的影响效应，ε表示空间扰动项，μ表示空间误差项，W表示县域之间的权重矩阵，权重w(i,j)=1/d(i,j)，d(i,j)表示基于经纬度计算出的县域i与县域j的距离。

3. 数据来源及指标选取

为检验数字金融与结构红利之间的因果关系，本文的数据主要来源于两部分。第一部分为县域数据，主要来自于《中国县域统计年鉴》(2014-2020年)，缺失指标尝试从地级市(或省)统计年鉴增补，这部分数据主要用于县域结构红利的测度以及控制变量的量化；第二部分为北京大学公布的数字普惠金融指数(2011-2020)。

本文的被解释变量为结构红利，结构红利是基于公式(7)进行测算的，其结果具体如表1所示。

表1 县域结构红利的时空差异

表1给出了全国县域、东中西部县域结构红利的测算结果。由表1可知，中国县域经济体内无论是总体还是东中西部均存在结构红利，并没有存在鲍莫尔成本病。说明中国县域经济内存在着要素配置结构失衡，这种失衡会导致要素的效率损失。从空间差异来讲西部地区的结构红利大于东部地区，说明西部地区要素提升空间相对更大些。从时间趋势来讲中国县域结构红利呈现出先上升后下降的趋势，说明随着县域结构红利的释放，通过释放结构红利推动县域经济高质量发展的空间越来越小。

解释变量为数字金融(Digital)，由于北京大学的数字金融指数还包涵了覆盖广度(Digital1)、使用深度(Digital2)和服务程度(Digital3)等三个复合因素。为了全面地分析数字金融对县域结构红利的影响，因此本文还尝试将数字金融各维度引入到计量模型内。

本文还以县域固定资产投资和技术效率为中介变量分析数字金融对结构红利的作用机制。其中固定资产投资运用固定资产投资总额的自然对数来表示；技术效率借鉴孙学涛(2021)测算技术效率的方法，重新测算了县域技术效率，但由于技术效率的测算不是本文的研究重点，因此技术效率的测算过程不再详细赘述。

为了准确地分析出数字金融对结构红利的影响效应，本文还引入了七个控制变量，其中信息化水平(Phone)是控制县域信息化发展状况对县域结构红利的影响，人力资本(Student)是控制县域内人力资本状况对县域结构红利的影响，城镇化(Urbanize)是控制劳动要素由农业部门向非农部门转移对县域结构红利的影响，金融发展水平(Deposit)是控制县域内传统金融发展状况对县域结构红利的影响，政府干预(Finance)是控制政府参与经济活动的状况对县域结构红利的影响，企业发展(Industry)是控制县域内企业发展状况对县域结构红利的影响，社会消费(Consume)是控制县域内的社会消费对县域结构红利的拉动作用。数字金融及其各维度、县域结构红利、中介变量以及控制变量的统计性描述如表2所示。

表2 变量的统计性描述

五、 实证分析

1. 空间相关性检验

由于数字金融与结构红利可能存在着空间依赖关系，需要运用空间统计量分析数字金融与结构红利的空间依赖关系。本部分采用Moran’s I指数讨论数字金融与结构红利的空间依赖关系。其检验结果具体如表3所示。

表3 空间依赖性检验

由表3数字金融和结构红利的空间依赖性检验结果可知，数字金融与结构红利的Moran’s I指数均为正，但2016年的数字金融不显著，其余年份的数字金融和结构红利均通过了显著性检验。总体而言县域数字金融和结构红利存在着高高(低低)集聚，即数字金融在对结构红利产生影响的同时，也会对相邻县域的数字金融和结构红利产生影响。

2. 数字金融的均衡效应

前文从理论角度分析了数字金融对结构红利的影响，本部分尝试运用县域的面板数据验证前文的理论分析。由于本部分运用的是面板数据，因此需要讨论混合效应、随机效应和固定效应哪种更适合讨论数字金融对结构红利的影响。BP检验显示随机效应比混合效应更适合讨论数字金融对结构红利的影响；Hausman检验显示固定效应比随机效应更适合讨论数字金融对结构红利的影响。因此本部分基于公式(9)和公式(10)运用SARAR模型讨论数字金融对结构红利的影响，并在空间计量模型内加入了时间和地区双重固定效应。表4汇报了数字金融对结构红利影响的结果。

本文在讨论数字金融与结构红利之间关系时，控制了县域信息化水平、人力资本水平等经济特征。表4的被解释变量均为结构红利，其中模型一至模型四的核心解释变量分别为数字金融指数及其覆盖广度、使用深度和服务程度等三个维度。数字金融对县域结构红利影响的分析具体如下。

第一，分析数字金融对结构红利的影响。由表4模型一数字金融对县域结构红利的影响可知，数字金融的系数显著为正。说明县域数字金融发展有助于促进县域结构红利的释放，即县域结构红利释放过程中存在着数字红利，验证了假设1。可能的解释是：一方面，由传统的经济增长模型可知，数字金融作为金融的新业态，县域数字金融的发展不仅可以提高传统金融的质量，而且还会实现资本要素的重新配置，进而实现生产可能性曲线的外移，从而促进县域结构红利的释放；另一方面，数字金融作为一种新的要素，会改变传统的投入产出关系，这种投入产出关系的改变也会提高传统要素的效率，进而促进县域结构红利的释放。

表4 数字金融对结构红利的影响

第二，分析数字金融覆盖广度对县域结构红利的影响。由表4模型二覆盖广度对县域结构红利的影响可知，数字金融覆盖广度的系数显著为正。说明县域数字金融覆盖范围越大，所释放出来的结构红利就越大，再次验证了假设1。可能的解释是：当前中国县域经济内存在着要素配置结构失衡，特别是资本要素配置结构的失衡，这种失衡限制了县域要素效率的提升，进而限制了县域结构红利的释放(唐文进等，2019)，而数字金融的普惠性会提高企业(个体)的资本可得性，进而提升企业(个体)的要素效率，最终促进了县域结构红利的释放。

第三，分析数字金融使用深度对县域结构红利的影响。由表4模型三使用深度对县域结构红利的影响可知，数字金融使用深度的系数显著为正。说明县域数字金融使用深度越深，县域经济体内所释放出来的结构红利就越大，再次验证了假设1。可能的解释是：数字金融使用深度越高说明数字金融与县域经济内的实体经济相融合的程度就越深，这种融合度的提升一方面会提高实体经济的资本可得性，进而改善县域经济体的要素配置结构，从而促进了县域结构红利的释放；另一方面也为县域实体经济数字化发展提供了平台，从而促进了实体经济的数字化，进而提高了实体经济的要素效率，从而促进了县域结构红利的释放。

第四，分析数字金融服务程度对县域结构红利的影响。由表4模型四服务程度对县域结构红利的影响可知，数字金融服务程度的系数显著为正。说明县域数字金融的便利性和低成本优势会显著释放县域结构红利，再次验证了假设1。可能的解释是：一方面，数字金融与传统金融相比具有便利性和低成本的优势(郭峰等，2020)，这种优势会改变县域经济的资本配置结构，推动县域产业结构升级，从而提高要素配置效率，最终释放了县域结构红利；另一方面，数字金融的便利化和低成本也为县域内实体经济的发展指明了方向，从而推动了县域实体经济的便利化和低成本，这种便利化和低成本的发展趋势也会提高县域实体经济的要素效率，进而释放了县域结构红利。

第五，分析数字金融各维度对县域结构红利的影响差异。由表4模型二至模型四数字金融各维度对县域结构红利的影响可知，数字金融使用深度的估计系数最大，覆盖广度的估计系数次之，而服务程度的估计系数最小。说明对县域结构红利影响最大的是数字金融的使用深度，而服务程度对县域结构红利的影响最小。可能的解释是：覆盖广度侧重的是数字金融的覆盖面，这种覆盖面的大小对县域结构红利的影响不如数字金融与实体经济相融合对县域结构红利的影响大；同时数字金融覆盖面的扩大对县域结构红利的影响大于以便利性为代表的数字金融服务程度对县域结构红利的影响。因此县域政府在推动县域结构红利的释放过程中应该将数字金融的使用深度放在首要位置。

第六，分析数字金融的空间溢出效应。由表4模型一至模型四的空间自回归项(rho)和空间误差项(lambda)可知，数字金融的空间自回归项和空间误差项显著为正。说明数字金融不仅会直接促进县域结构红利的释放，而且周边地区的数字金融也会对县域结构红利产生空间溢出效应。可能的解释是：县域经济之间存在着显著的空间依赖关系，这种空间依赖关系的存在会导致数字金融在空间上表现为高高(低低)集聚，再一次验证了数字金融与结构红利的空间依赖关系的存在。

3. 数字金融的非均衡效应

数字金融对不同县域结构红利的影响可能存在着非均衡效应(郭峰等，2020)，即数字金融对经济发展水平不同县域结构红利的影响会存在着差异，因此在分析数字金融对县域结构红利的影响时需要考虑到县域初始经济发展水平。借鉴孙学涛等(2022)研究非均衡效应的方法，将样本期前一年的地区生产总值作为县域初始经济发展水平。实证分析过程中将县域2013年的地区生产总值与数字金融的交互项纳入到空间计量模型内，分析数字金融对县域结构红利影响的非均衡效应。空间计量模型的其余设定与数字金融均衡效应的设定方式相同。数字金融对县域结构红利影响的非均衡效应如表5所示。

表5 数字金融对对结构红利的非均衡效应

表5给出了数字金融对县域结构红利影响的非均衡效应，表5的被解释变量均为结构红利。限于篇幅，本部分只给出了数字金融对县域结构红利影响的非均衡效应，没有给出数字金融各维度对县域结构红利影响的非均衡效应。由表5全国县域部分可知，数字金融对县域结构红利的影响显著为正，说明县域数字金融发展能够促进县域结构红利释放，与数字金融均衡效应的估计结果相同，再次验证了假设1数字金融能够推动县域结构红利释放。数字金融对县域结构红利影响的非均衡效应分析具体如下。

第一，分析数字金融的非均衡效应。由表5全国县域部分可知，数字金融与县域2013年地区生产总值交互项的估计系数显著为正。说明数字金融对不同县域结构红利的影响存在着显著的差异，即数字金融更能够促进2013年地区生产总值较高县域结构红利的释放。可能的解释是2013年地区生产总值不同的地区其对数字金融的需求也不同，地区生产总值较高的地区，其对数字金融的需求也就越多；而地区生产总值较低的地区，其对数字金融的需求也就越小。由于不同县域数字金融的需求不同，这就会导致数字金融对不同县域结构红利的影响存在着差异。为了进一步分析数字金融对不同县域的影响差异，本部分尝试将全国县域划分为富裕县域、中等县域和贫困县域以讨论数字金融对不同县域结构红利的影响差异。县域的划分标准为：按照2013年县域的地区生产总值进行排序，其中排序在前623位的县域界定为富裕县域，排序在后623位的县域界定为贫困县域，其余县域界定为中等县域。

第二，数字金融对不同贫富县域结构红利的影响差异。由表5富裕县域、中等县域和贫困县域的估计结果可知，数字金融对富裕县域结构红利的影响为正，对贫困县域结构红利的影响为负，并且通过了显著性水平检验。说明数字金融对县域结构红利的影响存在着非均衡效应，即数字金融会促进富裕县域结构红利的释放，但会抑制贫困县域结构红利的释放(何宗樾等，2020)。可能的解释是富裕县域的经济实力雄厚，经济效率也相对较高，资本要素在富裕县域能够获得的收益也就会相对更多，虽然数字金融具有普惠性的特点，但数字金融也具有逐利性。贫困县域数字金融的发展并没有促进其结构红利的释放，反而抑制了其结构红利的释放，这也从另一方面证实了数字金融发展并没有改变县域在地区经济发展中的弱势地位(王伟和朱一鸣，2018)。

六、 进一步分析

1. 内生性讨论

为了克服数字金融的内生性，本部分尝试寻找数字金融的工具变量。现有文献在选取数字金融工具变量时，主要以县域所属城市的数字金融(孙学涛等，2022)、城市所在地与杭州的球面距离(张勋等，2019)、滞后一期数字金融(张勋等，2020)等作为数字金融的工具变量分析其经济效应。借鉴现有文献选取工具变量的方法，本部分尝试以县域与所属省会城市的地理距离(1)县域与城市的距离运用Arcgis10.2软件，基于县域和省会城市的经纬度计算得到县域与所属省会城市的地理距离。(以下简称地理距离)作为数字金融的工具变量。“好”的工具变量需要同时具备相关性和外生性两个条件，首先分析地理距离与数字金融的相关性，与县域相比省会城市的数字金融发展处于领先地位，与省会城市距离越近的县域数字金融发展就会越好。本文没有选取县域与北京、上海和杭州等这类城市的地理距离，这是因为省会是一个地区经济的中心，虽然北京等大城市会对县域产生影响，相比较而言，省会对县域的影响会更大。其次分析地理距离的外生性，即地理距离不会通过遗漏一些变量，特别是经济发展水平对县域结构红利产生影响，从而满足排他性的要求。由于省会是地区经济发展的中心，县域与省会距离越远并不意味着经济发展水平越低，即地理距离的外生性接近满足；同时与省会越近的县域，其经济发展水平可能会越高，本文的解决方式为采用县域城市化率、企业发展水平和信息化水平等变量控制县域经济发展，进而尽可能减少遗漏变量的影响，从而降低地理距离与结构红利之间的可能联系。

理论上分析了地理距离相关性和外生性之后，尝试对数字金融与地理距离进行相关性检验，发现相关系数为0.7201，且在1%水平上显著。同时本部分还尝试进一步讨论数字金融与结构红利的内生性，由表6第一阶段数字金融对地理距离变量的估计结果可以看出F检验均大于30，表明不存在弱工具变量的问题。第二阶段讨论地理距离对结构红利的估计结果。计量模型的其余设定与数字金融均衡效应的设定方式相同。数字金融对地理距离的估计结果如表6第一阶段部分所示；地理距离对结构红利的影响如表6第二阶段部分所示。

表6 工具变量对结构红利的估计结果

表6第一阶段部分模型一至模型四的被解释变量均为地理距离；核心解释变量分别为数字金融指数及其覆盖广度、使用深度和服务程度。第二阶段部分模型五的被解释变量为县域结构红利，核心解释变量为地理距离。由表6第一阶段部分的估计结果可以看出，县域数字金融对地理距离的影响为正，且均通过了显著性水平检验，说明县域数字普惠金融与地理距离变量之间存在相关性。

由表6的估计结果可知，地理距离对县域结构红利的影响均显著为正，从内生性角度证实了数字金融估计结果的稳健性，也验证了县域数字金融的发展能够促进县域结构红利的释放。将地理距离变量的估计系数与数字金融的估计系数进行对比，发现地理距离变量的系数较小，说明县域数字金融与县域结构红利之间可能存在着内生性，这种内生性的存在会放大数字金融的经济效应。

2. 作用机制分析

县域经济在区域经济发展过程中处于弱势地位，数字金融能够释放结构红利，这也就为推动县域经济高质量发展提供了新路径——通过发展数字金融，释放结构红利的方式来推动县域经济高质量发展。那么数字金融是如何促进县域结构红利释放的？如前文理论分析部分所示，数字金融可能会通过提高县域固定资产投资和促进技术效率的方式释放县域结构红利，本部分尝试在前文理论分析的基础上进一步分析数字金融对县域结构红利的作用机制。数字金融对县域结构红利的作用机制具体如表7所示。

表7 数字金融对结构红利的作用机制分析

(续表)

表7给出了数字金融对县域结构红利作用机制的估计结果。表7模型一、模型三、模型四和模型六的被解释变量均为县域结构红利，模型二的被解释变量为固定资产投资，模型五的被解释变量为技术效率。囿于篇幅限制，本部分只给出了数字金融的系数，没有给出数字金融各维度的估计系数。数字金融对县域结构红利的作用机制分析具体如下。

第一，分析数字金融对中介变量的影响。由表7的模型二和模型五可知，数字金融对固定资产投资和技术效率的影响显著为正。说明县域数字金融的发展能够促进县域固定资产投资增加和技术效率提升。可能的解释是：一方面，数字金融作为金融发展的一种新模式，提高了经济体的资本可得性，进而促进了县域固定资产投资；另一方面，数字金融的发展会优化县域的要素配置结构，要素配置结构的优化不仅会提高要素效率，还会提高县域的整体效率。

第二，分析中介变量对县域结构红利的影响。由表7的模型一和模型四可知，中介变量对县域结构红利的影响显著为正。说明县域固定资产投资增加和技术效率提升能够促进县域结构红利释放(孙学涛，2021)。由于固定资产投资和技术效率对结构红利的促进作用已经被学者所公认，因此其可能的解释本部分不再赘述。

第三，分析数字金融和中介变量对县域结构红利的影响。由表7的模型三和模型六可知，数字金融和中介变量对县域结构红利的影响均显著为正。说明数字金融不仅会对县域结构红利产生直接影响，而且还会以县域固定资产投资和技术效率为中介变量对县域结构红利产生影响，验证了假设2。可能的解释是：一方面，数字金融能够增加中小企业等弱势经济体的资本供给，以缩小区域间和区域内差距的方式增加了经济体的资本要素供给，进而提高了县域资本配置效率，从而有利于提升县域技术效率，最终释放了县域结构红利；另一方面，数字金融与实体经济的融合会以推动实体经济数字化的方式，提升县域技术效率，最终释放了县域结构红利。

3. 稳健性检验

为了验证数字金融对县域结构红利影响的稳健性，本部分尝试从数字金融指数的量化方式、权重矩阵、计量模型和县域样本等方面讨论数字金融对县域结构红利影响的稳健性。

第一，更换数字金融指数的量化方式。前文在分析数字金融对县域结构红利的影响过程中数字金融采用数字金融及其各维度均除100来衡量，本部分采用数字金融及其各维度的自然对数重新衡量数字金融，模型的其他处理方式与数字金融均衡效应的设定方式相同。由表8更换数字金融变量的量化方式部分可知，数字金融对县域结构红利的影响仍然显著为正，且数字金融的估计系数没有显著的变化，说明前文的研究结论稳健。

第二，更换空间计量模型的权重矩阵。前文在分析数字金融对县域结构红利影响过程中权重矩阵采用地理距离权重矩阵，本部分尝试基于邻接关系重新构建县域的权重矩阵分析数字金融对县域结构红利的影响，模型的其他处理方式与数字金融均衡效应的设定方式相同。由表8更换权重矩阵部分可知，更换权重矩阵之后数字金融对县域结构红利的影响仍然显著为正，且数字金融的估计系数没有显著的变化，说明前文的研究结论稳健。

第三，更换计量模型。前文在分析数字金融对县域结构红利的影响过程中采用SARAR模型同时讨论数字金融对县域结构红利影响的空间自回归项和空间误差项，本部分尝试采用空间自回归模型和空间误差模型分别讨论数字金融对县域结构红利影响的空间自回归项和空间误差项，模型的其他处理方式与数字金融均衡效应的设定方式相同。由表8更换计量模型部分可知，更换计量模型后数字金融对县域结构红利的影响仍然显著为正，且数字金融的估计系数没有显著的变化，说明前文的研究结论稳健。

表8 稳健性检验

第四，细分样本。前文在分析数字金融对县域结构红利的影响过程中将所有县域数据看作一个整体，本部分尝试将样本数据划分为东中西三个部分，分别讨论数字金融对县域结构红利的影响，模型的其他处理方式与数字金融均衡效应的设定方式相同。由表8细分样本部分可知，数字金融对东中西部县域结构红利的影响显著为正，对东部地区县域的影响最大，对西部地区县域的影响最小。说明数字金融主要通过影响东中部地区县域结构红利，进而影响全国县域结构红利的释放。由东中西部地区数字金融的估计系数可知，数字金融对县域结构红利的影响基本稳健。

七、 结论及政策启示

基于互联网发展起来的数字金融，通过改变传统金融服务模式的方式促进了县域经济高质量发展。通过释放结构红利推动县域经济高质量发展是国内国际双循环背景下县域经济高质量发展的重要路径之一，但数字金融是否对县域结构红利的释放产生促进作用目前尚未可知。本文在从理论上分析了数字金融对结构红利影响的基础上，运用县域数据实证分析了数字金融对县域结构红利影响的均衡效应和非均衡效应，同时进行内生性讨论和作用机制分析。通过研究发现：第一，县域数字金融与结构红利存在着空间依赖关系；第二，数字金融及其各维度水平提升能够促进县域结构红利的释放，即县域结构红利释放过程中存在着“数字红利”；第三，数字金融对县域结构红利的影响还存在着显著的非均衡效应，即数字金融能够显著地促进富裕县域结构红利的释放，但会抑制贫困县域结构红利的释放；第四，县域数字金融与县域结构红利之间存在着内生性，内生性会放大数字金融的经济效应；第五，数字金融对县域结构红利的影响过程中还存在着县域固定资产投资和技术效率的中介效应。

本文为县域经济高质量发展提供了理论依据和实证依据，为促进实体经济与数字金融相融合提供了经验借鉴。针对中国数字金融快速发展的事实，结合理论分析和实证分析，为县域积极应对数字金融发展和促进县域结构红利释放，提出了以下三点政策建议。

第一，促进数字金融发展，释放县域结构红利。由前文理论分析和实证分析可知，总体而言数字金融及其各维度水平提升能够促进县域结构红利的释放，即县域结构红利释放过程中存在着“数字红利”。因此县域政府应该积极应对数字金融，县域政府需要从县域经济发展大局出发，在国家和城市数字金融发展的基础上，参考相邻县域数字金融发展战略，推出具有本地特色的数字经济发展规划，并设定本地区数字金融和数字经济的发展目标，以指导本地区数字金融和数字经济发展。另外，数字金融和数字经济的发展需要市场的参与，发展数字金融的目的是为了让金融更好地服务实体经济，因此数字金融的发展还需要企业和居民等经济主体的参与，进而实现数字金融与实体经济的融合，在释放县域结构红利的同时也释放数字红利。

第二，县域要实施动态化、差异化的政策应对数字金融。由前文分析可知，数字金融对县域结构红利的影响存在着显著的非均衡效应，即数字金融会促进富裕县域结构红利的释放，但会抑制贫困县域结构红利的释放。因此不同类型的县域应该采取不同的政策来应对数字金融的发展。富裕县域应该积极融入到数字金融发展的大环境中，促进数字金融与实体经济深层次融合，强化数字金融的溢出效应。富裕县域在数字金融方面也应发挥自身的领先优势，为县域经济发展数字金融，实现数字金融与实体经济高效融合提供具有可复制、可借鉴的经验。同时富裕县域在数字金融发展过程中也应该避免出现“过度重视金融化”的现象，避免过度重视数字金融而对实体经济产生负外部效应。由前文实证分析可知数字金融会抑制贫困县域结构红利的释放，这是因为数字金融只有与实体经济相融合才能促进经济发展，这种融合的前提是建立在县域人力资本水平较高的基础上(何宗樾等，2020)，因此贫困县域的首要任务是提升本地区的人力资本水平。

第三，优化数字金融供给结构，推进县域均衡发展。由前文理论分析和实证分析可知，数字金融不仅能够直接促进县域结构红利的释放，而且还会以固定资产投资和技术效率为中介进一步促进县域结构红利的释放。因此县域金融机构在积极推进数字金融发展的同时也应该鼓励商业银行在了解中小企业等弱势经济体金融需要的基础上，为其提供针对性服务，以解决其融资难问题，从资本要素角度提升县域的技术效率，进而促进中小企业高质量发展；同时鼓励经济主体利用数字金融发展平台，加快推进实体经济的数字化，最终实现县域经济高质量发展的目标。