数字普惠金融与经济增长质量研究——基于绿色全要素生产率的省级面板数据分析

徐嘉钰 刘 茜

（新疆财经大学 统计与数据科学学院，新疆 乌鲁木齐830012）

一、引言

改革开放40多年来，中国经济取得了举世瞩目的成就，也为世界经济带来了新机遇，中国智慧、中国理念为新冠肺炎疫情下的世界经济复苏增添新活力、注入新动能。中国人民生活水平得到极大改善，创造了人类发展史上规模最大、最终受益人数最多的脱贫奇迹，为推动世界经济发展贡献了中国力量。但同时遇到了能源短缺、环境污染和要素边际收益率递减的瓶颈，导致经济增速放缓，粗放式经济发展模式越来越难以持续。近年来，我国经济发展由强调“速度”转向强调“质量”，其中创新型的金融发展模式——数字普惠金融成为实现我国经济增长的重要途径，其与地区经济增长质量之间的关系亟待探究。

普惠金融概念于2005年首次由联合国提出，被定义为能全方位、高效率、低门槛地为社会各阶层和群体提供金融服务的普惠金融体系。2016年G20杭州峰会上中国政府首次推出《G20数字普惠金融高级原则》指引性文件，足以看出，我国对数字普惠金融发展的支持和重视程度。2020年10月，党的十九届五中全会在“十四五”时期经济社会发展指导思想中明确指出，“要以推动高质量发展为主题，突出强调要把新发展理念贯穿发展全过程和各领域”，足以凸显中国经济发展历程中经济高质量发展的战略性、全局性、根本性地位。为此，本文分析了数字普惠金融对经济增长质量的影响，并提出相关建议。

二、文献综述

国内外学者从多维视角研究了普惠金融和经济增长之间的关系。Sarma和 Pais（2011）[1]研究发现，金融包容发展能够显著提升国家发展水平。Emara和Ei（2021）[2]发现普惠金融对所在国家的人均GDP有正向影响。进一步地，Germana和 Luisa（2017）[3]、Li和 Wu等（2020）[4]指出，普惠金融为所有家庭和企业，提供可负担的金融产品，带来广泛的发展机会，促进家庭消费，实现经济增长。Yang 和 Fu（2019）[5]、Menyelim 和Babajide（2021）[6]指出普惠金融能消除多维贫困、减少收入不平等，实现包容性社会目标。

国内一些学者实证分析了数字普惠金融与经济增长的关系，其研究思路主要分为两类：第一类侧重探究数字普惠金融与经济高质量发展之间的关系。詹韵秋（2018）[7]将经济增长分为数量增长和质量增长，研究认为数字金融对经济增长质量有促进效应，而与数量增长之间存在“U”形负向关系，说明数字普惠金融更有助于高质量发展。也有文献通过理论结合实践分析，如滕磊和马德功（2020）[8]根据理论来验证数字金融本身以及通过促进创新、协调、绿色、开放、共享等途径是否可以带动高质量发展，结果表明只有对绿色发展影响效果不明显。第二类研讨了数字普惠金融与全要素生产率的关系。贺茂斌和杨晓维（2021）[9]发现，数字普惠金融通过降低服务门槛提升服务效率来提高全要素生产率，其影响主要体现在拉动地区技术进步，并且提升途径可以通过减少第三产业碳排放来完成。惠献波（2021）[10]研究发现，可以通过提高创新水平、优化产业结构和缓解资源错配等方式提升城市全要素生产率，且数字普惠金融对东部地区的促进效应更明显。刘艳（2021）[11]指出普惠金融可以通过提升农业技术效率进而提升地区农业TFP（全要素生产率），比较分析农业技术进步和技术效率发现数字普惠金融对后者的正向作用效果更显著。

上述文献对本文的研究具有一定的借鉴意义，但仍存在进一步延伸的空间。本文可能的贡献如下：第一，现有文献主要探讨数字普惠金融对经济增长的作用，却鲜有文献致力于考察对经济增长质量的影响，并且将绿色全要素生产率作为衡量其代理指标来研究。第二，构建了省级层面经济增长质量指标体系，计算出经济增长质量指数来替换被解释变量，进行稳健性检验使本文研究结论愈加稳健可靠。第三，以产业结构升级和绿色技术创新为研究视角，在考虑空气污染的基础上，选用产业结构高级化、产业结构合理化、产业结构生态化和绿色技术创新作为中介变量和门槛变量，实证检验了数字普惠金融对地区经济增长质量存在的传导路径及作用效应。

三、理论分析与研究假说

第一，数字普惠金融与经济增长质量。我国在新常态背景下的经济新阶段亟待实现从数量型经济发展向质量型经济发展的动力转换，为了适应新常态下质量型经济的发展，要注重生产要素效率的提升。数字普惠金融可以弥补地区之间的差异性，为那些地域偏、人口少、成本高、金融机构少的地区解除限制，且随着互联网技术、信息通信技术和大数据的渗透，使借贷双方实现无缝衔接，解决不发达地区信息不对称难题，有效提升金融效率。同时，普惠金融作为环境友好、资源节约型的金融服务，将结合数字技术网络平台，合理引导资源流向高技术产业和绿色产业，进而提升绿色TFP。基于此，提出假设1：

假设1：数字普惠金融有助于提高绿色TFP，进而提升区域经济增长质量。

第二，数字普惠金融、产业结构优化与经济增长质量。产业结构优化是提高经济增长质量的内在机制和重要因素之一。很大程度上，其凭借“污染物控制体”和“资源转换器”作用决定着我国环境保护质量和经济发展走向。数字普惠金融借助其低门槛、低成本优势，使要素在地区间流动，促使地区间技术互动，进而使劳动、资本和资源等生产要素配置合理。要素从高污染、高消耗的第一、二产业流向第三产业，促使产业结构优化。与此同时，普惠金融服务的低污染特性使其能够通过提升第三产业占比促进污染减排，进而达到产业结构生态化目标。进一步体现产业结构转型升级带来的“结构红利”，不仅会惠及各省（区、市）经济增长，而且会降低环境污染，改善环境质量，提高绿色TFP。基于此，提出假设2：

假设2：数字普惠金融能够通过优化产业结构提升经济增长质量。

第三，数字普惠金融、绿色技术创新与经济增长质量。绿色技术创新是经济新常态下生产要素效率提升的关键窗口。大数据、云计算等互联网技术的发展进一步扩大了金融行业的服务范围和触及能力，同时还能为小微企业提供融资渠道，降低融资成本，为绿色高科技产业提供资金支持，促进设备更新和产业升级，推动绿色技术进步。普惠金融服务的低污染等特性，有利于企业提升绿色环保技术，降低污染排放，从而实现绿色技术创新，进而提升绿色TFP，实现经济质量型增长。基于此，提出假设3：

假设3：数字普惠金融能够通过支持企业绿色技术创新提升地区经济增长质量。

四、模型、数据与变量说明

（一）模型设定

为验证数字普惠金融对地区经济增长质量的影响（假设1），构建基准模型如下：

其中，i和t分别表示省（区、市）和年份。GTFP为绿色全要素生产率，表示省（区、市）经济增长质量水平；Index表示数字普惠金融指数；C为常数项，Control是控制变量，μi表示个体固定效应，εit为随机干扰项。

为进一步检验数字普惠金融对经济增长质量的作用机制，基于模型（1）运用中介效应法[12]依次构建中介模型和综合模型如下所示：

其中，Mediation代表中介变量，本文选取的是产业结构高级化（SH）、产业结构合理化（SR）和产业结构生态化（SE）和绿色技术创新（Patent）。其他变量的含义与模型（1）一致。

（二）数据与变量说明

1.被解释变量

绿色全要素生产率（GTFP）：本文是基于“环境、能源、经济”分析框架，从五大发展理念入手，采用考虑“坏”产出的SBM函数计算Malmquist-Luenberger（ML）生产率指数。计算公式如下：

由于ML指数反映的是相对于上一年绿色TFP的增长率，故借鉴Zhong和Li（2020）的方法，以2010年为基期（即将基年的绿色TFP设置为1）对ML指数进行环比换算处理得到各省（区、市）历年绿色TFP，将其作为代理指标衡量我国经济增长质量。相关投入产出指标的选取如表1所示。

表1 GTFP测算体系与指标解释

2.核心解释变量

数字普惠金融指数（Index）：选取由北京大学数字金融研究中心联合蚂蚁金服集团并使用后者海量数字金融数据库，共同编制的数字普惠金融指数来衡量各省（区、市）数字普惠金融的发展水平。

3.控制变量

借鉴已有研究本文选取控制变量如下：产业结构（Stru），以第三产业与第二产业增加值之比来衡量；开放程度（Open），以外商直接投资占各省（区、市）GDP比重衡量；政府干预程度（Government），以各省（区、市）财政支出占其GDP比重衡量；金融发展（Finance），以金融机构存贷款余额占各省（区、市）GDP的比重衡量；城市化进程（Urban），以城镇人口占该地区年末人口总数的比重衡量。

4.中介变量

产业结构优化,借鉴甘清华和陈淑梅（2021）[14]的做法，分别构建产业结构高级化（SH）、产业结构合理化（SR）和产业结构生态化（SE）指数来衡量产业结构升级；绿色技术创新（Patent），参考齐绍洲和林屾等（2018）[15]的做法，选用万人绿色专利已授权数（Patent）作为地区绿色技术创新的代理变量。囿于绿色专利已授权数据为微观企业数据，故本文根据绿色专利申请地址进行省（区、市）级层面数据汇总获得该指标。

5.数据说明

囿于港澳台、西藏大量数据缺失，因此考虑数据可得性，使用2011—2019年中国除港澳台、西藏外的30个省（区、市）的面板数据。所用数据源于2012—2020年的《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》及各省（区、市）统计年鉴、WIND数据库和国家统计局网站。个别缺失值采用线性插值法补足。

6.描述性统计

表2是对上述变量的描述性统计。

表2 描述性统计

五、实证分析

（一）基准回归

首先对数字普惠金融与各控制变量进行相关性分析，发现绝大部分变量间的相关系数都小于0.5；其次考察各解释变量间是否存在多重共线性，发现其VIF值都在10以下，可以认为变量间不存在多重共线性。最后通过Hausman检验得知，其伴随概率（p值）为0.0000，因此本文选用面板个体固定效应模型进行估计。

表3为数字普惠金融对经济增长质量的总体基准模型回归结果。其中列（1）是在不加控制变量的状况下，检验数字普惠金融对经济增长质量的直接影响，由结果看出，数字普惠金融变量的系数为正并且显著。列（2）是在控制了无关变量的情况下，地区数字普惠金融每提升1%，绿色TFP平均提升0.102%。且在控制了无关变量以后，数字普惠金融对绿色TFP的提升作用更加明显。列（3）至列（6）是数字普惠金融对绿色TFP的分解项技术效率及技术进步的影响程度。数字普惠金融对地区经济增长质量的提升效应主要表现在促进地区技术进步,但通过提升技术效率的效果为负。

加入控制变量后，数字普惠金融每提高1%，地区技术进步水平将平均提高0.232%，并在1%水平上显著。这说明数字普惠金融作为一项互联网技术创新，能有效促进地区绿色技术进步，在创新层面提升经济增长质量。从控制变量估计情况看，表3列（2）结果显示：产业结构与绿色TFP在1%水平下显著为正，这表明产业结构转型升级促使二、三产业融合发展，使生产要素等其他资源合理配置，进而提升经济增长质量。对外开放水平与绿色TFP的关系显著为正，可能的原因是普惠金融发展水平的提高降低了小微企业的融资成本，有助于其引入高质量、低污染的创新技术，进而提升绿色发展水平。政府干预程度对经济增长质量具有显著的负向影响，可能的原因是当地政府过多干预会使该地区资源配置效率下降，不利于该区域经济发展。此外金融发展与城镇化水平变量的估计系数均显著，且与预期相符。假设1得到验证。

表3 数字普惠金融与经济增长质量总体回归

（二）异质性分析

1.金融发展异质性分析

为了检验数字普惠金融影响地区绿色TFP是否与本地区金融水平有关，本文选取各省（区、市）金融机构存贷款余额占GDP比重的中位数将样本分为发达组和不发达组，检验在不同金融水平下数字普惠金融对绿色TFP的影响效应，结果见表4的列（1）和列（2）。由结果可知，在不同金融水平下，数字普惠金融都能显著促进绿色TFP增长，但这种促进效应在发达省（区、市）要高于不发达省（区、市）。可能的原因是：对于金融水平发达的省（区、市），完善的金融体系促进了低污染企业的发展，其通过向绿色发展投入更多资金，促进技术创新，提高技术效率，进而促进绿色TFP的提高。对于金融水平不发达的省（区、市），数字普惠金融的发展给相对不完善的金融体制和环境带来了普惠红利，从而提升了绿色发展水平。

2.人力资本异质性分析

由于人力资本水平的差异化，本文按照各地区平均受教育年限［平均受教育年限=（小学人数×6+初中人数×9+高中人数×12+大专以上人数×16）/6岁以上总人数］的中位数将样本分为高水平组、低水平组，分别考察数字普惠金融对不同人力资本地区绿色TFP的影响效应，结果见表4的列（3）和列（4）。从回归结果可知，数字普惠金融能正向促进人力资本高水平和低水平的绿色TFP，其系数分别为0.143和0.066，均在1%水平下显著，人力资本高水平地区的系数要高于低水平地区，说明在数字普惠金融发展过程中需重视教育水平带来的地区间差异，进而提升教育水平，为数字普惠金融提升绿色TFP提供强有力的支撑。

表4 异质性检验回归结果

（三）稳健性检验

本文主要采用剔除异常样本、更换被解释变量和处理内生性问题三种方法进行稳健性检验，检验结果如表5所示。

表5 稳健性检验回归结果

第一，剔除异常样本。本文对绿色全要素生产率进行了1%分位数上双边缩尾处理来消除异常样本对最终结果的影响，重新估计新样本得到的结果如表5列（1）所示。第二，替换被解释变量。本文借鉴测度经济增长质量指数的代表性文献[16]构建指标体系，计算出经济增长质量指数，并用该指数替换绿色全要素生产率，检验结果如表5列（2）所示。第三，处理内生性问题。文中选取核心自变量（Index）和因变量（GTFP）的一阶滞后项解决内生性问题，检验结果如表5列（3）、列（4）所示。表 5中列（1）至列（4）结果显示数字普惠金融对经济增长质量的影响皆显著为正，与前文数字普惠金融与绿色TFP的回归结果一致，说明研究结果较为可靠和稳健。

（四）机制分析

1.影响路径检验与分析

数字普惠金融可以通过升级和优化产业结构以及绿色技术创新途径提升经济增长质量，且产业结构升级和绿色技术创新发挥了中介作用。因此，基于中介模型（2）和综合模型（3），分别从产业结构升级和绿色技术创新两个方面对作用路径进行检验。表6中列（2）至列（9）显示了数字普惠金融对各省（区、市）经济增长质量的作用路径。其中，（2）至（5）列是中介模型估计结果，反映了数字普惠金融对产业结构高级化、产业结构合理化、产业结构生态化和绿色技术创新的影响。从回归结果看，数字普惠金融的估计系数分别在1%、10%、1%和1%水平上显著，且均为正。列（6）至列（9）为综合模型估计结果，估计结果显示，数字普惠金融和产业结构高级化、产业结构合理化、产业结构生态化和每万人绿色专利已授权数对绿色TFP的影响效应均在1%的水平上显著为正，表明其对地区经济增长质量皆存在显著的正向推进作用。表6的估计结果结合前文介绍的中介路径的检验过程，说明数字普惠金融对各省（区、市）经济增长质量的中介效应显著，假设2和3得以验证。

表6 作用路径回归结果

2.阈值检验与分析

前文探究了数字普惠金融对经济增长质量的作用路径与影响效应，结果说明数字普惠金融可以通过优化产业结构和促进绿色技术创新提高地区经济增长质量。故本文分别选取产业结构高级化（SH）、产业结构合理化（SR）、产业结构生态化（SE）和绿色技术创新（Patent）当作门槛变量，构建面板门槛模型来分析数字普惠金融对经济增长质量的门槛效应。

本文在不知道门槛数的情况下参考Hansen（1999）[17]的门槛模型，设定门槛计量模型，如式（7）所示：

式中，Kit为门槛变量；I（·）为指示函数，当括号内条件满足时其取值1，否则取0，γ为相应的门槛值；其余变量同模型（1）。

从表7可看出，SH、SR、SE和Patent均存在显著的单门槛效应，二、三重门槛皆不显著，故选用单门槛模型分析，然后根据所得的门槛值，分别以SH、SR、SE和Patent为门槛变量来检验模型，估计结果如表8所示。可以看出，当SH、SR、SE依次跨越2.183、11.654、3.143时，产业结构升级对经济增长质量的拉动效应增强，即产业结构升级的边际效用递增使得数字普惠金融对地区经济增长质量具有显著的推动作用。随着绿色技术创新水平的提高，数字普惠金融对地区经济增长质量的推动作用不断增强，系数从0.0781提高至0.2266，说明绿色技术创新能够正向影响数字普惠金融对地区经济增长质量的拉动效应，且促进效应不断增大。

表7 门槛效应检验及门槛值

表8 门槛变量估计值

六、结论与建议

数字普惠金融对提升各省（区、市）经济增长质量具有重要意义。本文运用中国30个省（区、市）2011—2019年的面板数据，深入探讨了数字普惠金融影响其经济增长质量的作用机理。研究结果表明：

第一，数字普惠金融可以显著提升地区经济增长质量，且提升效应集中体现在促进区域技术进步。

第二，数字普惠金融对经济增长质量存在异质性效应。总体而言，数字普惠金融的经济增长效应在金融发达省（区、市）、人力资本高水平地区的影响更加显著。同时，伴随着地区绿色TFP的提升，数字普惠金融对地区经济增长质量的推进作用呈边际递增趋势。

第三，数字普惠金融能够通过升级和优化产业结构以及绿色技术创新途径提升经济增长质量。进一步发现，当以产业结构高级化、产业结构合理化、产业结构生态化和绿色技术创新为门槛变量时，数字普惠金融与经济增长质量间存在单门槛效应，且当跨越门槛时均能正向促进数字普惠金融对经济增长质量的提高。

结合上述研究结论，本文提出建议如下：

一是绿色技术创新能力是提升区域经济增长质量的原动力。应加强对金融业的创新和研发力度，成立相关专家组对金融技术创新活动给予指导和扶持。进一步提升绿色技术创新要素（人才、资金和技术）配置效率，从而营造良好的数字金融创新氛围，加大对绿色技术产业和新型技术产业的倾斜力度。

二是鉴于数字普惠金融对经济增长质量的作用具有异质性问题，要因地制宜、因省施策、分类推进，不搞“一刀切”。要结合本地区要素禀赋、金融业发展与基础设施水平，建立和完善普惠金融长效推进机制与制度环境。

三是打造数字化“普惠金融服务+产业经济”模式，引导要素资源及资金流向第三产业、高附加值和低碳环保产业，优化要素资源配置，推动产业结构升级和优化。