中国产业数字金融高质量发展的区域差异与驱动因素

尚 猛，刘 钰，曹峻玮

（1.安阳工学院 飞行学院，河南 安阳 455000；2.扬州大学 商学院，江苏 扬州 225000）

一、引言

近年来，全球数字经济快速持续增长，并逐步渗透至各个领域，为推进世界经济复苏、缓解经济下行压力作出巨大贡献。据全球知名市场咨询研究机构IDC 预测，到2022 年底，全球GDP 增长的动力源将有65%来自数字化，即世界发展将正式步入数字经济时代。事实上，中国已将数字经济上升为国家战略，并在《“十四五”数字经济发展规划》中提出要加快数字产业化与产业数字化发展，到2025 年实现数字经济核心产业增加值在国民GDP 中比重达10%。在此新形势下，产业与数字金融、数字技术的融合更加紧密和迫切，对金融服务提出更高要求，产业数字金融应运而生。产业数字金融是以数据为生产要素，以产业互联网为依托，以数据信用为核心的新型金融形态。2022 年4 月，在产业数字金融研讨会上有专家强调，在数字经济时代，金融机构迎来产业互联网发展新机遇，需将产业数字金融能力建设纳入核心发展议题之中。也有专家认为，产业数字化持续深入发展，对金融服务产业的方式提出更高要求，促使产业数字金融发展迎来重要战略机遇期。据《产业数字金融研究报告（2021）》预测，到2025 年中国产业数字金融规模将突破400 万亿元，将有效反哺数字经济发展，推动实体经济实现高质量发展。故此，有必要对产业数字金融高质量发展的空间差异进行客观分析，并准确研判其动态演进趋势，为有效提升产业数字金融发展水平、助推实体经济高质量发展提供有益参考。

文章梳理已有文献发现，当前学术界关于产业数字金融的研究主要集中在两方面：一是产业金融。李萌、王安琪(2016)认为，战略性新兴产业金融支持效率总体保持上升趋势，尤其在高端装备制造业、新能源产业、信息技术产业以及节能环保产业中上升趋势显著，即存在显著行业异质性[1]。鲍星(2020)研究认为，金融开放对于产业结构调整具有倒“U”型非线性作用，并可通过技术创新促进产业结构优化[2]。周国富等(2020)提出，金融发展不仅能够直接为产业结构升级提供资金支持，也可通过缓解技术创新的融资约束，间接为产业结构升级提供技术支撑[3]。二是数字金融。黄浩(2018)立足于中国数字金融发展阶段，深入剖析了数字金融生态系统的形成与面临的挑战，认为应认清数字金融业态本质，实施分类监管[4]。聂秀华、吴青(2021)发现，数字金融的创新激励效应具有直接与间接双重空间一致特征，显著提升区域技术创新水平[5]。吴雨等(2021)认为，数字金融能够通过风险承担水平提升、金融信息获取、投资便利性增加等渠道提升家庭金融资产组合的有效性，降低家庭极端风险投资可能性[6]。封思贤、郭仁静(2019)提出，数字金融可促进银行竞争，进而有效改善银行成本效率，且存在所有权异质性[7]。但不可忽视的是，相关研究尚未涉及产业数字金融高质量发展这一领域，对产业数字金融高质量发展时空差异方面的研究较为匮乏，并且多数针对数字金融与产业金融的研究大多倾向于静态分析。基于此，文章从规模、结构、效率三方面构建产业数字金融高质量发展的评价指标体系，有效弥补现有研究空白。在此基础上，利用Dagum 基尼系数分解法客观分析产业数字金融高质量发展的空间非均衡性，探寻其差异来源。进一步地，借助空间计量模型揭示驱动产业数字金融高质量发展的因素，以识别各地区产业数字金融高质量发展的障碍因素与驱动因素。

二、指标体系构建、数据来源与研究方法

1.指标体系构建与数据来源

研究分析中国产业数字金融高质量发展水平，需构建产业数字金融高质量发展水平的评价指标体系。当前，学术界对于产业数字金融高质量发展的测度尚未统一。本研究以北京大学数字金融研究中心编制的数字普惠金融指数为基础，并参考已有研究[8，9]，遵循针对性、科学性、可得性以及可操作性等原则，从数字金融规模、数字金融结构、数字金融效率来衡量各省份产业数字金融高质量发展水平，指标选取如表1 所示。文章以除港澳台地区之外的中国31 个省份面板数据为研究对象，将样本期设定为2011—2020 年。数据主要源于历年《中国统计年鉴》 《中国金融统计年鉴》、WIND 数据库、各省份统计年鉴以及《区域金融运行报告》等。

表1 产业数字金融高质量发展评价指标体系

2.研究方法

（1）产业数字金融高质量发展水平测度方法

根据表1 的指标体系，借助主成分分析法测度产业数字金融高质量发展水平。为便于比较不同省份各年份指标，对数据进行标准化处理，最终得到介于0～1 之间的各省份产业数字金融高质量发展水平指数。标准化公式如下：

其中，i表征的是省份，t表征的是年份，xit与分别为借助主成分分析法直接测度和经过标准化处理所得的产业数字金融高质量发展水平。

（2）Dagum 基尼系数

作为衡量区域差异的重要指标，Dagum 基尼系数有助于克服传统泰尔指数的局限性，还可以对地区差距进行衡量，被广泛应用于空间差异分析。基于此，文章利用Dagum 基尼系数分解方法，对产业数字金融高质量发展水平的总体基尼系数及各基尼系数加以测算。公式如下：

其中，μ 表征的是所有省份产业数字金融高质量发展水平的均值，yji(yhr)表征的是j(h)区域内i(r)省份的产业数字金融高质量发展水平；n表征的是省份数量；k表征的是区域划分数量。基尼系数越大，意味着产业数字金融高质量发展的差异就越大。

（3）空间计量模型

空间计量模型与传统回归方法相比，能够对样本之间的空间关联和依赖性进行综合考察[10]。当前，学术界常用的空间计量模型有三种，分别是SEM（空间误差模型）、SAR（空间滞后模型）、SDM（空间杜宾模型），具体公式分别如下所示：

其中，Y表征的是产业数字金融高质量发展水平；ϖ 表征的是空间权重矩阵；Xit和βi分别表征的是解释变量及其估计系数；λ 表征的是空间误差系数；θit表征的是随机扰动项；φt表征的是时间固定效应；μi表征的是个体固定效应；ρ 表征的是空间滞后项系数。若检验结果显示ρ 通过显著性水平检验，则证明文章所选解释变量具有空间相关性。

三、产业数字金融高质量发展水平的测度与差异分解

1.产业数字金融高质量发展水平的测度

借助上文方法测度得出2011—2020 年全国及各地区产业数字金融高质量发展水平（图1）。可以看出，考察期内中国产业数字金融高质量发展水平呈现波动上升态势。具体分析发现，2011—2014 年，中国产业数字金融高质量发展水平呈现快速提升趋势。原因在于，2012 年中国开始进行金融机构改造，鼓励并引导民间资本加入金融机构。2013 年中国全面放开金融机构贷款利率管制，促使数字金融服务成本得以降低，服务效率有效提升。2015—2017 年，产业数字金融高质量发展水平增势趋缓，进入整体金融缓慢调整阶段。这一阶段，金融市场影子银行问题与金融“超发展”凸显，数字金融服务实体经济的能力出现滑坡，促使整体金融市场进入质量调整阶段。2017 年之后，产业数字金融高质量发展水平进入较快提升阶段。主要原因在于，数据中心、人工智能等新型数字基础设施的普及与运用为产业数字金融高质量发展带来重大推动力[11]。虽然2020年受到新冠肺炎疫情的影响，中国经济增长速度与往年相比出现显著下降情况，但产业数字金融高质量发展水平仍然保持增长态势。从具体变化特征来看，中国产业数字金融高质量发展具有较为复杂的时空变化状态。从时间维度来看，中国产业数字金融具有较强的增长规律性；从空间维度来看，产业数字金融高质量发展具有鲜明非均衡性与差异性。

图1 中国产业数字金融高质量发展指数变化

文章按照国家统计局划分的东部、中部、西部、东北四大区域，进一步分析中国产业数字金融高质量发展的区域差异。结果发现，产业数字金融高质量发展表现为东部地区＞西部地区＞中部地区＞东北地区。并且西部、中部、东北地区产业数字金融高质量发展水平均低于全国平均水平。不仅如此，产业数字金融高质量发展呈现出明显的空间集聚性，并呈现出“梯度显著、圈层集中”的特性，这意味着经济社会发展较快地区的产业数字金融高质量发展水平高于经济社会发展较慢的地区。

2.空间差异与分解

为深入探究中国产业数字金融高质量发展水平的差异性与变化特征，依据Dagum 基尼系数分解方法，测量2011—2020年中国产业数字金融高质量发展的基尼系数以及四大区域的基尼系数，以此来分析产业数字金融高质量发展的区域差异。

（1）总体差异和区域内差异

根据测度结果绘制产业数字金融高质量发展水平的全国和四大地区基尼系数变化趋势，如图2 所示。从全国层面来看，产业数字金融高质量发展的基尼系数在观测期内由2011 年的0.2117 降为2020 年的0.1186，呈现出明显下降趋势，这说明样本期内，产业数字金融不均衡发展趋势逐步减弱。从区域内差异来看，四大地区的内部基尼系数与全国基尼系数变化趋势较为相似，呈现出稳步下降的态势，意味着四大地区产业数字金融高质量发展的空间差异逐渐减小。横向比较来看，各地区的区域内基尼系数均小于全国基尼系数，意味着产业数字金融高质量发展的区域内差异小于总体差异。中部地区产业数字金融高质量发展的基尼系数最大，可能的原因在于虽然中部地区受到多重优惠政策扶持，产业数字金融高质量发展水平明显提升，但其内部结构改善程度仍然弱于其他地区。纵向比较来看，西部地区区域内差异降速与降幅较大，东部、中部、东北地区区域内差异呈现缓慢降低的动态演变趋势。东部地区区域内差异则始终处于较低水平，这意味着考察期内东部地区产业数字金融高质量发展的均衡程度明显高于其他地区。

图2 产业数字金融高质量发展的基尼系数演变趋势

（2）区域间差异

对中国产业数字金融高质量发展的区域间差异进行测度发现，中—东北地区区域间差异最大，中—西部地区、东—东北地区以及东—中部地区差异次之，西—东北地区与东—西部地区区域间差异相对较小。从时间演进来看，2014 年是分界点，2014 年之前，组间差异主要出现在东—西部地区、中—西部地区、东—东北地区以及西—东北地区。2014 年之后，组间差异主要出现在中—东北地区、中—西部地区、东—中部地区以及东—东北地区。观察其演变趋势可以发现，东—西部地区以及西—东北地区区域间差异表现出显著下降态势，而中—东北地区区域间差异呈明显上升趋势，其他地区区域间差异变化较为平稳，出现轻微下降趋势。值得注意的是，东—西部地区区域间差异降幅较大，2011—2020 年间降低了25.85%，而中—东北地区区域间差异则呈现大幅上升，增长幅度为37.83%。

（3）差异来源及贡献度

借助基尼系数测算产业数字金融高质量发展的区域差异来源，结果发现，产业数字金融高质量发展水平在2011—2014年间的超变密度贡献率最大，这表明该阶段超变密度是产业数字金融高质量发展水平差异的主要来源。2015 年开始区域间差异贡献率超过超变密度，成为产业数字金融高质量发展水平总体差异的主要来源。从差异来源演变趋势来看，区域间差异呈现显著上升趋势，超变密度贡献呈现逐年降低态势，区域内差异贡献呈现波动态势。综上可知，考察期的中后阶段，区域间差异是中国产业数字金融高质量发展水平总体差异的主要来源。

四、驱动因素分析

产业数字金融是产业与数字金融、数字技术深度融合的产物，是一种新型金融形态。产业数字金融高质量发展势必受到经济发展、资源禀赋、地理区位等多重因素影响。基于此，文章借鉴已有研究[12]，从经济发展水平、产业结构、创新水平、人力资本、经济外向度等方面考察中国产业数字金融高质量发展的驱动因素，并采用空间计量模型深度解剖各变量因素对产业数字金融高质量发展的影响。

1.驱动因素说明

创新水平(Inn)借助区域内专利申请授权数量加以表征；产业结构(Ind)借助第三产业总产值在国民GDP 总值中的占比加以表征；经济发展水平(Redl)借助人均GDP 加以表征；人力资本(Hca)借助区域内每百万人中大学生人数占比加以衡量；经济外向度(Eco)借助地区内进出口总额与GDP 比值进行衡量。

2.空间相关性讨论

（1）空间权重矩阵

结合前文研究结论，文章选取经济距离权重对各省份之间产业数字金融的相互影响加以衡量。经济距离的测度指标为各省份GDP 实际差额。就空间权重矩阵而言，其非对角线元素为，GDPit表征的是第i年t地区的实际GDP 值。对角线元素值均为0。

（2）空间相关性检验

考虑到不同地区之间产业数字金融高质量发展可能存在一定的空间依赖性，文章利用莫兰指数检验产业数字金融高质量发展的空间相关性，结果发现，2011—2020 年中国产业数字金融高质量发展水平的莫兰指数均大于0，且均通过1%显著性水平检验。这一结果表明，中国产业数字金融高质量发展水平具有显著空间相关关系。

3.实证结果分析

（1）全国层面

进行回归之前，需要借助Hausman 检验、LM检验以及LR检验确定最优空间计量模型，以此准确识别驱动产业数字金融高质量发展的具体因素。同时，对非比值型的变量进行对数化处理，并对其方差膨胀因子进行检验。结果发现，前文所选变量的VIF 值都小于10，说明各变量之间不存在多重共线性问题。全国层面SAR 模型的滞后系数为0.097，未通过显著性水平检验，即表明SAR 模型将退回到OLS 模型。随后对各变量进行回归估计，结果见表2。

表2 驱动因素回归估计结果

根据全国层面估计结果可知，创新水平、经济发展水平、人力资本等均对产业数字金融高质量发展具有显著促进作用。第一，经济发展水平每增加1%，产业数字金融高质量发展水平提升0.025，主要原因是经济发展水平较高的地区，更容易吸引技术、资本、人力等各类生产要素集聚，为产业数字金融高质量发展创造良好外部环境。第二，创新水平每增加1%，产业数字金融高质量发展水平提升0.029，主要原因是产业数字金融需要以现代信息技术为基础，技术创新能够为其带来先进技术支撑，因此创新水平提升能够促进产业数字金融高质量发展。第三，人均受教育年限每增加1 年，产业数字金融高质量发展水平提升0.075，主要原因是产业数字金融的产品研发、创新均需要高素质人才支撑，因此人力资本对于产业数字金融高质量发展具有显著促进作用。第四，经济外向度每增加1%，产业数字金融高质量发展水平提升0.052，主要原因是对外开放有助于引进国外的先进技术与理念，利于产业数字金融高质量发展。而产业结构的回归系数并不显著，这在一定程度上说明产业数字金融高质量发展并不是某一类产业发展的专属支持，而是各类型产业发展的重要资金来源。

（2）区域层面

中国产业数字金融高质量发展呈现非均衡性特征，故需划分区域具体考察各区域产业数字金融高质量发展的驱动因素。根据表2 第三列结果可知，东部地区经济发展水平、创新水平、经济外向度对产业数字金融高质量发展具有明显推动作用，而人力资本、产业结构对产业数字金融高质量发展的影响不显著。这一结果表明，研究期内东部地区经济发展水平、创新水平与对外开放是其产业数字金融高质量发展的最主要驱动因素，而人力资本与产业结构均较为完善，并没有表现出对产业数字金融高质量发展的驱动作用。根据表2 第六列估计结果可知，人力资本是东北地区产业数字金融高质量发展的关键驱动因素，人均受教育年限每增加1 年，产业数字金融高质量发展水平将提高0.077。从表2 第四列和第五列的估计结果可以看出，产业结构对产业数字金融高质量发展的促进作用在中部与西部地区较为显著。第三产业占比每提升1%，中部和西部地区产业数字金融高质量发展水平将分别提升0.005、0.007。原因在于中部与西部地区产业发展相对滞后，因此产业结构不断优化，对产业数字金融高质量发展的边际贡献更高。除此之外，与全国层面不同，经济外向度对中部地区产业数字金融高质量发展具有负向影响，可能的原因在于，中部地区地处内陆，不具备对外贸易的比较优势，故资源投入到对外贸易会抑制产业数字金融高质量发展。西部地区人力资本对产业数字金融高质量发展具有显著抑制作用，原因在于，产业数字金融高质量发展需要相匹配的人力资本，但是当人力资本投入相对过剩之后，会造成人力资源浪费，不利于产业数字金融高质量发展。

五、结论及建议

文章选取2011—2020 年中国31 个省份面板数据，借助Dagum 基尼系数分解方法、空间计量模型测度产业数字金融高质量发展的区域差异与多元驱动因素，得出如下结论：一是考察期内中国产业数字金融高质量发展水平不断上升，且存在显著空间非均衡性。二是产业数字金融高质量发展水平总体差异呈不断下降趋势，超变密度是造成分布差异的主要原因。三是产业数字金融高质量发展存在空间相关性，且受多元驱动因素影响。全国层面，经济发展水平、创新水平、人力资本是驱动产业数字金融高质量发展的主要因素。区域层面，东部与东北地区产业数字金融表现出虹吸效应；东部地区产业数字金融高质量发展主要依赖于经济发展水平、创新水平、经济外向度提升；中、西部地区主要依赖于产业结构升级；东北地区人力资本对本区域产业数字金融高质量发展具有显著促进作用。由此，提出以下建议：

第一，建立健全差异化产业数字金融政策框架体系。政府需始终秉持因地制宜的原则，制定契合本地区产业发展实际的数字金融发展政策和实施细则。在此基础上，各地要在宏观政策指导下精准施策，推进区域间产业数字金融协同发展。具体而言，东部地区应着力健全产业数字金融市场及政策保障体系，充分借助资本、人才及技术优势，最大限度发挥比较优势，进一步加快实现区域内产业数字金融协同发展步伐；中、西部地区应建立健全符合现实情况的产业数字金融政策体系，推进产业数字金融基础设施建设进程，逐步实现产业数字金融空间可及度的持续拓宽，在缩小区域间产业数字金融发展差异的同时，持续提升区域产业数字金融的整体发展水平。

第二，拓展产业数字金融深度与广度。地方政府、各类金融机构应将产业数字金融发展重点区域聚焦于中小微企业等“金融洼地”，利用远程银行和虚拟网点等为广大中小微企业提供理财、保险以及信贷等多元化金融服务。在产业数字金融覆盖广度得以不断拓展后，使用深度必将成为加快产业数字金融协同发展的核心着力点。因此，各地区要切实贯彻数字金融知识教育与宣传工作，提升广大中小微企业对数字金融的认知与使用深度，促进数字渠道、服务机制以及物理网点等方面的协调发展，加快弥合“数字鸿沟”，为产业数字金融高质量发展创造良好外部环境。

第三，提高数字金融资源配置效率。政府在制定相关政策时，要充分考虑产业数字金融发展的空间集聚特征，对各类金融资源进行合理配置，有效发挥区域中心城市金融机构数字技术优势对落后地区的辐射带动作用，将优势数字金融服务惠及更多中小微企业，缩小区域间发展差距。不仅如此，各地还要以市场机制为导向，充分发挥政府与市场的协同调控作用，探索建立生产要素合作交流平台，促进人才、技术及资金等要素自由有序流动，从而增强产业数字金融发展的资源整合能力与空间联动性，缓解区域产业数字金融发展不均衡现象。

第四，加强财政在产业数字金融中的引领作用。各地应建立财政和政策性金融在产业数字金融中的互动融合机制，强化对落后地区产业数字普惠金融业务的补贴与奖励力度，持续推进产业数字化建设，为产业数字金融高质量发展提供必要的硬件基础。与此同时，银行业需不断深化与商业性金融机构之间的合作，着手创新数字金融债券和产业转贷等多元化形式，为助推产业数字金融高质量发展提供有力支撑。