金融科技的经济增长效应——基于数字普惠金融指数的实证检验

付会敏 江世银

（南京审计大学金融学院，江苏 南京 211815）

一、引言

金融科技是指由科技带来的金融创新。随着以互联网、人工智能、区块链、云计算、大数据为代表的数字技术迅猛发展，尤其是近年来大数据与深度学习不断进化，使得传统金融机构与互联网企业业务不断交叉，金融服务模式和金融产品实现快速更新。2015—2020年间，全球金融科技逐渐兴起并迎来发展高潮。《2019年全球金融科技采纳率指数》指出，全球平均金融科技采纳率持续攀升，从2015年的16%一路升至2019年的64%。此外，我国消费者对金融科技的采纳率在2019年达到了87%，即便是尚未采纳的消费者也至少知晓一些金融科技服务。金融科技凭借先进的技术缓解信息不对称，优化金融产品服务，促进数字经济的可持续发展，为经济增长提供了新的动能。

毫无疑问，金融科技的创新驱动作为带动经济增长的重要路径，已然成为当下学界关注的焦点之一。就目前金融科技对经济增长影响的研究而言，绝大多数都只是停留在理论分析以及政策探讨的层面上，实证检验方面的研究相对较少，且研究结论尚未达成一致，同时新的问题不断涌现，例如：我国金融科技发展与经济增长之间存在着怎样的相关关系？其影响机制是什么？不同金融科技发展阶段对经济增长所起的作用是否存在差异？其发展程度对经济增长的影响是否存在边际递减效应？金融科技促进经济增长的效率在不同维度和不同地区是否存在差异？探究这些问题的答案，对于充分发挥金融科技对经济增长的促进作用具有重要的理论和实践意义。与已有的研究相比，本文的研究贡献主要有两点：第一，从金融科技的角度，在理论上揭示了金融科技与经济增长的相关性，并从该理论中推导出量化的实证模型，丰富了关于经济增长影响因素的文献。第二，本文实证检验了金融科技对经济增长的影响，扩展了对金融科技影响经济增长的机制的探讨，对相关政策的制定具有一定的启示作用。

二、文献综述与研究假设

研究金融科技对经济增长的影响，离不开金融发展与经济增长的关系。关于金融发展与经济增长的关系问题，最早可以追溯到Gurley 和Shaw（1955）提出的金融深化论和McKinnon（1973）提出的金融抑制论。金融深化论认为，完善的金融体制是经济发展的有利条件，它能够将剩余的储蓄资金有效地引导到生产投资上，进而促进经济发展；同时，良好的外部经济环境是金融发展的基础，只有在稳定有序的市场秩序下才能保障金融业的可持续发展，由此形成了金融深化与经济发展相互促进的良性循环。金融抑制论则认为，由于存在利率、汇率管制等政府对金融体系和金融活动过度干预的诸多现象，持有货币的收益远低于持有实物资产，导致大量市场微观主体放弃持有货币形式的资产而转为持有实物形式的资产，这使得银行储蓄资金进一步减少，弱化了银行的金融中介功能，难以激发市场主体的投资活力，阻碍经济增长。

金融科技是一个不成熟且发展演变迅速的概念（王靖一和黄益平，2018）。近年来，金融科技逐渐成为国内外金融学界和相关企业关注的焦点。尽管金融科技这一话题得到了广泛讨论，但关于如何定义与理解金融科技，各学者莫衷一是，尤其对金融科技内涵和外延的界定仍存在较明显的分歧。分歧点主要在于各自侧重点的不同，有的侧重技术，有的则更侧重金融，当然也有的侧重二者的结合及其产生的结果。例如，Chen 等（2019）认为，金融科技可以被广泛地定义为对提供金融服务产生实质影响的一系列技术创新。Gai 等（2018）发现金融科技已成为一个流行术语，用来描述金融服务机构采用的新技术，应用范围包括数据安全和金融服务交付。可见，这类观点强调应用在金融领域中的新型复杂技术。还有些学者认为，金融科技可以界定为金融科技公司，更侧重于对金融业本身的改造。例如，Milian 等（2019）认为，金融科技是金融行业中活跃型的创新型企业，通讯便利和信息自动处理是其显著优势。根据金融稳定委员会（FSB）的定义，金融科技是指由科技带来的金融创新，它所创造出的新模式、新业务、新流程和新产品对金融市场、金融机构以及提供金融服务的方式产生了重大影响。这个定义则侧重于金融与科技的结合及其产生的结果。

随着金融科技的飞速发展，金融科技对经济增长的影响不仅受到政府的重视，而且受到学者们的广泛关注。孙志红和张娟（2021）认为，金融科技对不同经济发展水平地区的经济增长都具有显著的促进作用。田新民和张志强（2020）认为，金融科技创新对提升金融服务质量和产出水平具有重要作用。谢婷婷和任丽艳（2017）、唐琳等（2020）认为，当金融创新通过技术进步助力实体经济时，总体上显著促进了经济增长。据此，本文提出假设1。

假设1：金融科技的发展有助于促进经济增长。

金融科技影响经济增长的路径是多方面的。已有研究表明，金融科技可以通过技术进步、刺激消费和投资等途径影响经济增长。其中，金融科技凭借先进的技术投入不断创新金融产品与服务，使得经济增长效率大大提高，这一路径逐渐成为广大学者的共识。例如，杨伟中等（2020）通过构造金融驱动技术进步的内生增长DSGE 模型深入模拟发现，经济增长率在长期趋于技术进步的稳态增长水平。唐松等（2022）基于企业生命周期视角的研究发现，金融科技通过加大研发投入和创新产出推动企业进行数字化转型，成为驱动数字经济发展进入快车道的关键。薛莹和胡坚（2020）发现，金融科技以新兴科技投入作为支撑，变革生产技术和生产方式，激发金融创新的内在活力，同时突破传统的金融资本配置方式，促进金融业的“脱虚向实”，为推动经济社会高质量和可持续发展创造良好条件。据此，本文提出假设2。

假设2：金融科技对经济增长的影响作用存在基于技术投入的中介效应。

不可否认，金融科技的风险与机遇并存。在为市场经济行为主体带来极大便利的同时，金融科技的快速发展也带来了传统金融业务边界的模糊化，机构之间的关联性逐渐增强，金融风险传导速度加快，在金融市场稳定、货币政策实施与金融监管等方面带来了新的挑战。刘少波等（2021）强调，目前，我们必须认识到金融科技的发展和运用还处于初级探索发展阶段，相关的学术研究和理论构建尚未成熟。

近年来，金融科技领域受到学术界广泛关注和争论的一个主要问题是，金融科技是促进经济增长还是抑制经济增长？杨东（2018）认为，由于金融科技带来技术和产品的快速迭代，金融风险的传导路径和机制变得更加快速、复杂和隐蔽，而监管的滞后性加剧了金融市场的不可控性，导致风险头寸不断积累和蔓延。此外，部分金融科技公司在业绩导向以及商业利益最大化的驱动下存在一定程度的“使命漂移”，抑制金融服务实体经济的效率，违背了经济可持续发展要求。庄雷和王烨（2019）认为，通过监管套利、空转套利或关联套利等多种方式，运用创新金融工具，将资金大量配置于虚拟行业甚至在金融体系内“空转”，加上信息不对称和交易费用过高，导致金融科技的发展并没有较好地发挥促进经济增长的作用，反而容易因资本逐利产生高泡沫，加剧系统性金融风险。据此，本文提出假设3。

假设3：金融科技与经济增长的关系具有门槛效应，当金融科技的发展达到一定门槛值之后，其对经济增长的影响将发生变化。

三、研究设计

（一）数据来源与变量选取

为了保证数据的可用性和一致性，本文的研究样本时间段为2011—2020年，研究对象为我国31 个省（自治区、直辖市，以下简称省份）。本文数据主要来自北京大学数字金融研究中心、《中国统计年鉴》《中国金融年鉴》和历年各地《国民经济和社会发展统计公报》等。

1.被解释变量：经济增长（lnPCGDP）。由于不同省份GDP 体量差别巨大，为了消除数量级对回归结果的影响，本文采用各省人均GDP 的对数值作为经济增长的代理变量。

2.核心解释变量：金融科技（FINTECH）。本文选取北京大学数字金融研究中心与蚂蚁集团研究院共同编制的2011—2020年数字普惠金融指数来代表全国各省金融科技的发展，同时考虑覆盖广度（cov）、使用深度（use）和数字化程度（dig）等多个维度。该指数编制的主要依据是蚂蚁集团提供的互联网金融大数据，较好地反映了我国近年来金融创新的变革特征和发展趋势，并被广泛应用于金融科技领域研究。

3.控制变量：（1）人力资本（EDU）。设置每个受教育层次的学习年限为小学6年、初中9年、高中12年、大专以上16年，以各地区、各教育层次的人口比例为权重，计算得到每个地区的平均受教育年限。人力资本是影响经济增长的关键性因素，一般认为，人力资本的提高会促进经济增长。（2）政府干预程度（GOV），用财政支出占GDP 的比例表示。政府公共支出的增加往往会影响该地区的产业结构，进而影响经济发展的质量。（3）对外开放水平（OPEN），用进出口总额（进出口总额用人民币汇率年均价折算）占GDP 的比例表示。新增长理论认为对外开放具有产出效应，可以提高生产率，促进经济增长。（4）金融发展指数（FD），用金融机构的存贷款余额占GDP 的比例表示，用来反映地区金融深化程度。（5）基础设施发展（INFRA），用基础设施建设占固定资产投资的比例表示。（6）产业结构（IS），用各省第三产业产值占GDP 的比例表示。（7）资本存量（lnK），以各省历年的固定资产投资数据为基础，采用“永续盘存法（PIM）”计算得到。PIM公式为：

其中，K表示地区期的资本存量，K表示地区-1 期的资本存量，I表示地区期的名义固定资产形成额，P表示地区的价格指数（统一用该省的GDP 平减指数代替），为资本存量的折旧。参考单豪杰（2008）的做法，取为10.96%，并以2000年为基期对2011—2020年的资本存量进行估算。为消除数量级的影响，本文将资本存量进行对数处理。

4.中介变量：技术投入（RD）。用R&D 经费占GDP的比例表示技术投入水平。科技创新是经济增长的主要动力之一，创新可以改善企业资源，加快技术要素流动，提升产品附加值，最终促进经济增长。

（二）模型设定

本文采用Hausman检验来决定固定效应和随机效应的选取。Hausman 检验的原假设为“=使用随机效应模型”，检验结果表明P值小于0.01，则拒绝原假设，意味着拒绝随机效应模型。因此，本文使用固定效应模型进行实证分析。

其中，lnPCGDP是地区在年的经济增长水平；FINTECH表示地区在年的金融科技发展水平； x代表控制变量； φ和δ分别代表个体和年份固定效应；ε是残差项，包括无法在上述模型中反映出来的任何随机干扰因子。本文重点关注的是核心解释变量FINTECH的系数，若显著为正，则表示地区金融科技的发展能显著促进经济增长，假设1成立。

为检验假设2 是否成立，本文采取逐步回归的方法，分别构建了固定效应模型（3）和（4），检验技术投入是否在金融科技对经济增长的影响中充当了中介变量。

其中，RD表示技术投入，x是控制变量，是残差项。上述模型的检验分为三步：首先，利用模型（2）检验金融科技对经济增长的影响，得到回归系数，如果显著，则可以进行下一步的中介效应的识别。其次，利用模型（3）检验金融科技对中介变量技术投入的影响，得到回归系数，如果显著，则进行下一步检验。最后，检验中介效应是否存在，将中介变量技术投入加入式（4）中进行检验，得到回归系数。当显著并且的绝对值比的绝对值小时，若显著，则说明存在部分中介效应，即金融科技发展会部分通过影响技术投入来促进经济增长；若不显著，则说明存在完全中介效应，即金融科技发展会完全通过影响技术投入来促进经济增长。

四、实证分析

（一）描述性统计

表1显示了解释变量、被解释变量和控制变量的描述性统计结果。被解释变量经济增长的平均值为1.6166，标准差为0.4389，表明区域经济发展差异尚在合理范围内。核心解释变量金融科技的均值为216.2352，标准差为97.0303，说明我国各省份金融科技发展水平之间存在一定的差异。金融发展指数均值为3.3012，标准差为1.2061，表明各地区的金融深化程度差异较小。

表1：主要变量的基本统计特征

（二）基准回归

由于模型的解释变量之间可能存在某种线性关系，从而导致不准确的实证结果，因此，有必要检验实证模型的多重共线性。方差膨胀因子（VIF）是检验回归模型是否具有多重共线性的重要方法，判断的临界值通常为10。本文各变量的多重共线性检验结果表明，各变量的方差膨胀因子均在10 以下，说明不存在多重共线性问题，实证模型设置较为合理。

表2显示了金融科技与经济增长之间的固定效应模型的估计结果。回归结果表明，金融科技的回归系数显著为正，体现了金融科技对经济增长具有显著的积极影响。假设1 初步得到验证。可能的原因是：一方面，金融科技利用金融行业的技术驱动创新，提高金融资源配置效率，促进金融业发展提质增效；另一方面，金融科技通过与大数据技术相结合，拓宽金融服务覆盖面，有效解决信息不对称，为经济可持续发展提供低成本的资金支持。

表2：金融科技与经济增长的基准回归

（三）中介效应检验

表3是金融科技基于技术投入中介效应影响经济增长的回归结果。如第（2）列所示，金融科技的回归系数在1%的显著性水平上为正，说明金融科技的发展可以促进技术投入力度的加大。第（3）列的结果显示，将技术投入加入模型后，金融科技的估计系数在1%的水平上仍显著为正，但系数值比有所减小，并且技术投入的回归系数在5%的水平上显著，这说明技术投入在金融科技影响经济增长的过程中起到了部分中介作用，即金融科技对经济增长的影响除了直接效应外，还有一部分是通过技术投入这一中介变量来实现的。假设2得到验证。

表3：金融科技、技术投入与经济增长

（四）稳健性检验

1.剔除特定样本。由于直辖市的金融科技发展较快，经济增长的速度往往也较快，反向因果问题可能较严重，因此，本文剔除直辖市（北京、上海、重庆和天津）的样本，对模型（2）进行重新估计，结果如表4所示。剔除特定样本后，金融科技的系数依然显著为正。假设1再次得到验证。

表4：非直辖市地区的金融科技与经济增长

2.内生性问题。在基准回归模型中，尽管本文试图控制可以同时影响金融科技和经济增长的因素，但实证结果还可能会受到某些不可观察因素的影响，这可能会使估计结果产生偏差。此外，金融科技与经济增长之间可能存在反向因果关系，即各省的经济增长会带来当地更快的金融科技发展。为了缓解由遗漏变量、测量误差或反向因果关系引起的内生性问题，本文选择系统GMM 模型进行稳健性检验。GMM 方法从矩条件出发，构造包含参数的方程，不需要对变量的分布进行假定，也不需要知道随机扰动项的分布信息，可以有效地解决内生性问题。因此，本文在基准回归模型的基础上加入人均GDP 的一阶滞后项构造如下式所示的动态面板模型：

其中，lnPCGDP表示人均GDP的一阶滞后项。

如表5所示，进一步比较列（1）静态面板的双向固定效应模型和列（2）动态面板的系统GMM 模型的估计结果，金融科技对经济增长的影响均在1%的水平上显著为正。AR（2）检验的P值大于0.1，即不存在二阶序列相关，模型通过了自相关检验；Sargan 检验对应的P 值大于0.1，表明所有的工具变量都是有效的。因此，双向固定效应模型和系统GMM 模型的估计结果是一致且可靠的，说明在缓解潜在内生性后，本文的结论依然成立，即金融科技能够显著促进经济增长，假设1 再次得到验证。另外，系统GMM 的回归结果还显示，人均GDP 的一阶滞后项在1%的水平上显著，一定程度上说明经济增长存在一定的路径依赖，过去的经济增长会影响当期的经济增长水平。

表5：金融科技对经济增长影响的稳健性检验

五、进一步讨论：门槛效应检验与异质性分析

（一）门槛效应检验

在回归分析中，我们要考虑系数估计值是否稳定，即如果将整个样本分成若干个子样本进行回归，是否仍然可以得到大致相同的估计结果。金融科技与经济增长的关系受金融科技发展阶段的影响，如果采用一般的线性模型进行拟合，不能充分说明这种异质性的存在，甚至估计结果可能存在偏差。因此，本文采用面板门槛回归构建非线性结构模型，避免将所有样本按主观标准人为分组检验引起的偏误，以期获得金融科技的最优适用区间。本文主要探讨模型中含有两个门槛值的情形，因此，设计面板门槛模型如下：

其中，q是选取的门槛变量，本文选取FINTECH为门槛变量，和代表门槛值，且<。e是随机扰动项，独立同分布于(0,)。I（·）为指示性函数，当门槛变量满足限制条件时，I=1；否则，I=0。μ反映各省份的异质性（个体效应），如自然环境、历史背景等不易量化的因素。当==时，说明此面板数据模型不存在门槛效应。

本文采取自举300 迭代进行抽样检验。表6显示了单一门槛、双重门槛和三重门槛假设的实证检验结果。从P 值来看，在10%的显著性水平上拒绝了存在三重门槛的假设，单一门槛检验和双重门槛检验的P值分别为0.0033 和0.08，说明存在双重门槛效应。因此，本文选取双重门槛模型进行估计。表7显示了门槛估计值及置信区间，第一门槛和第二门槛值分别为91.68 和292.87，说明金融科技处于不同发展阶段时对经济增长存在异质性的影响。假设3得到验证。

表6：门槛效应检验结果

表7：门槛估计值及置信区间

表8给出了面板门槛模型的回归结果，金融科技对经济增长的影响始终为正，只是具体的影响大小会随着其发展程度变化。当金融科技的发展程度低于第一门槛值时，金融科技对经济增长表现出强大的推动力，这种积极影响在1%的水平上是显著的。当金融科技发展到第一门槛值和第二门槛值之间时，其对经济增长仍有显著的促进作用，但效果逐渐减弱，说明金融科技的发展对经济增长的影响存在边际递减效应。这可能是因为，金融科技的发展往往是金融与科技两大知识密集型产业的有机融合，将大数据、人工智能、区块链等技术应用于金融行业，通过改变金融行业的经营思维和方法极大地促进金融业的发展，并且有利于减少决策中的信息不对称和资本市场套利行为，优化金融环境，提高资源配置效率，进而刺激消费和投资，推动经济的快速发展。而在金融科技快速发展直至其对经济增长的贡献达到顶峰后，会出现大量资本涌入金融科技行业和盲目追求利润的现象，进而造成金融科技行业高泡沫，加剧金融资本去实体化。与此同时，金融科技的发展伴随着大量网络交易的出现，加剧了金融领域的技术和操作风险，增加了经济发展中的不确定性，削弱了经济增长效应。当金融科技发展越过第二门槛值时，其对经济增长的正向影响会逐渐恢复，但影响程度较初期有所减少。

表8：金融科技与经济增长的门槛回归

（二）异质性分析

1.基于不同维度金融科技的异质性分析。金融科技的代理变量数字普惠金融总指数由覆盖广度（cov）、使用深度（use）和数字化程度（dig）等子指数组成，而使用深度指数又包括支付使用指数（pay）、保险使用指数（ins）、信贷使用指数（cre）三种不同的业务类型。考虑到随着数字金融服务行业的不断发展，金融科技产品和服务已呈现出多元化的特征，本文分别探讨金融科技不同维度的发展对经济增长可能存在的差异性影响。

从表9第（1）列的回归结果可以看出，覆盖广度的提高能够显著促进经济增长；第（2）和（6）列的回归结果显示，使用深度的加深和数字化程度的提高同样能够促进经济增长，但显著性和影响程度均有所降低；从第（3）—（5）列可以看出，支付使用指数和保险使用指数对经济增长均有显著的正向作用。综上所述，金融科技不同维度的发展在促进经济增长方面确实存在差异，覆盖广度、使用深度和数字化程度的提高都能显著促进经济增长，但覆盖广度的促进作用更加明显。

表9：不同维度的金融科技与经济增长

2.基于地理位置的异质性分析。我国幅员辽阔，各种资源分布不一，东中西部的经济和金融科技发展水平也大不相同。从描述性统计结果来看，我国金融科技发展存在显著的区域不平衡性，这可能会进一步拉大区域间的经济差距。因此，有必要研究金融科技对经济增长影响的区域异质性。本文将样本按照地理位置划分为东部和中西部两个子样本。

表10为金融科技经济增长效应的区域异质性回归结果，东部地区金融科技对经济增长的回归系数在数值和显著性方面均低于中西部地区，说明金融科技的经济增长效应呈现区域异质性。主要原因是：一方面，东部地区的经济发展水平和金融科技水平高于中西部地区，且拥有更好的政策体系、营商环境和创新能力，造成金融科技对经济增长的边际贡献不明显；另一方面，中西部地区的经济基础比东部地区薄弱，“三农”主体、中小微企业、新兴产业对金融支持的依赖程度较高，使得金融科技对中西部地区经济增长的影响更为显著。

表10：经济增长效应的区域异质性分析结果

六、结论与启示

本文使用2011—2020年省级面板数据，运用固定效应回归模型和面板门槛回归模型，全面系统地分析金融科技与经济增长的关系。研究发现，金融科技对经济增长起到了强有力的推动作用，技术投入是金融科技促进经济增长的重要渠道；金融科技对经济增长的影响具有双重门槛效应，金融科技的发展对经济增长的影响存在边际递减效应，一味地发展金融科技未必能带来经济的持续快速增长；金融科技对中西部地区的经济增长具有更显著的促进作用，并且不同维度的金融科技对经济增长的影响不同，其中，覆盖广度对经济增长的影响较为显著。据此，提出以下建议：

第一，加强顶层设计，完善金融科技体制框架。当前，金融科技仍处于快速发展阶段，应继续推进科技创新和金融服务的深度融合，建立完善的制度体系，从制度上确保金融科技活动的开展有章可循，为金融科技的长久发展提供一个稳定有序的政策环境。同时，必须深刻意识到监管的重要性，充分利用大数据和人工智能等现代技术，适时开展金融科技监管沙盒试点，提高监管透明度，维护良好的金融科技生态，努力做到鼓励、引导与规范并重。

第二，引导金融科技企业加大研发力度，提升金融科技创新的核心竞争力。各金融科技企业应在技术运行规律与金融法规的边界内，有效借助金融科技中的创新驱动机制，推动金融业与实体部门的技术革新，提高金融资源配置效率和金融发展水平，促进经济增长。只有不断提供创新型的金融产品与服务，金融科技的发展才能焕发生机与活力。

第三，正视地区差异，因地制宜制定金融科技发展战略。对于中西部地区，政府应充分认识到其与东部发达地区金融科技发展程度的差距，在政策上有所倾斜，加大金融科技基础设施的建设力度，做好金融科技相关的技术人才引进工作；对于东部地区，应保持现有的发展体制，继续利用自身优势来发展金融科技，同时应把握好金融科技发展的程度，避免未来过高水平的发展对经济增长产生的边际递减效应。在中西部地区“补短板”，在东部地区“强优势”促进东中西三大区域金融科技发展齐头并进，进而推动全国各地区的经济增长。

第四，加强金融科技专业人才的培养，推动金融科技理论与实际运用的有机结合。如在高校开设金融科技等相关专业，培养具有较强实践能力和创新精神的金融精英，一定程度上缓解金融科技人才短缺的问题，为金融科技的发展提供坚实的后备军。增加金融科技专项培养的费用支出，搭建内部培训平台，重视金融科技人才的培养和后续发展，并在薪酬福利上给予技术型专业人才适度倾斜。加快完善金融科技人才机制建设，为金融科技高质量发展奠定人才基石。