数字金融对产业结构升级的影响研究

张苏林 黄 程

（重庆理工大学，重庆 401320）

一、引言

党的十九届五中全会把“推进产业基础高级化与产业链现代化”作为“十四五”期间经济发展的重要任务之一。这项任务的提出，不仅是顺应当前我国进入新常态后经济健康稳定发展的需要，也是转变经济发展方式、转换经济增长动能的重要保障。与此同时，党的十九大指出，我国经济增长模式发生了重要改变，处于由高速度发展转向高质量发展的关键阶段，加快实体经济建设、改变优化经济结构，推动大数据与实体经济有机结合，加速发展现代服务业，优化产业升级，使得我国的经济活力不断增强。推动经济高质量发展，关键在于稳步促进产业升级，不仅仅要推动农业的现代化，还要坚持发展先进制造业，不让关键技术受制于人，促使我国处于世界产业链的中高端，更要使得经济重心转移至第三产业，完成由劳动密集型到资本密集型的转变，进而带动一批高技术产业的发展，有序完成产业机构升级。

十九大报告指出，随着我国产业结构不断升级，数字经济等新兴产业方兴未艾。在发展的新阶段，传统金融的发展对实体经济的贡献不断减弱，面对疫情的冲击和全球经济形势的不确定性，实体经济融资渠道将越发困难。云计算和智能算法的发展，为传统金融转向数字金融在技术上提供了可能性，此外“十四五”规划纲要指出推进数字经济和实体经济深度融合，则在政策上为数字金融的发展提供了便利，数字金融的出现在很大程度上解决传统金融融资困难的难题，使得实体企业更好发展，进而促进产业的发展升级。

二、理论分析与研究假设

1.数字金融对产业结构升级的相关研究

杨虹等（2021）发现数字普惠金融的发展对不同地区产业升级的影响存在异质性。毛成刚等（2022）通过研究109 个资源型城市的面板数据发现数字金融的发展能促进产业结构高级化，但是对产业结构合理化的影响并不明显。牟晓伟等（2022）指出数字金融对产业升级有显著促进作用，且东部地区的效果明显强于西部地区。由此可见，数字金融的发展能够显著促进产业结构升级，基于上述分析，提出本文第一个假设。

假设1：数字金融能够促进产业结构升级。

2.数字金融对产业结构升级的路径分析

谭蓉娟等（2021）发现数字金融的使用深度和数字化程度与产业升级之间存在非线性关系，技术创新作为中介变量发挥部分中介效应，提升创新水平能够促进地区的产业升级。代毓芳等（2020）认为人力资源匹配结构不合理严重制约了产业结构升级，农村人力资源的贫乏减弱了经济活力。陈建军等（2014）认为人力资本的异质性是产业机构升级的重要因素，人力资本和产业结构匹配的动态性决定了产业升级的结果。邢佳琳等（2022）发现在碳中和背景下，湖南省地市的绿色金融发展对产业结构升级有显著促进作用。此外，朱广印等（2021）发现绿色信贷对产业升级有显著正向影响，并且绿色信贷在金融发展对产业升级的影响中发挥部分中介效应。基于以上分析，本文提出以下假设：

假设2：数字金融通过创新水平影响产业结构升级。

假设3：数字金融通过人力资源水平影响产业结构升级。

假设4：数字金融通过绿色金融影响产业结构升级。

三、模型设定、指标选取及测度

1.模型设定

为考察数字金融对产业结构升级的影响，构建以下基准模型：

式（1）中，i 表示城市，t 表示时间，ISU 为被解释变量表示各省份产业结构升级水平。DIF 为核心解释变量，用数字普惠金融发展指数表示数字金融。control 为控制变量，包含外商直接投资（fdi）、经济发展水平（gdp）、外贸依存度（open）以及通货膨胀率（inf）。

为了研究数字金融影响产业结构升级的作用机制，本文考察创新水平、人力资源水平和绿色金融发展水平是否作为数字金融和产业结构升级之间的中介变量，借鉴温忠麟等（2014）的做法，构建以下中介模型：

式（2）中，Xit表示中介变量包含创新水平（INN）、人力资源水平（HC）、绿色金融（GF），uit表示随机扰动项。

2.被解释变量

产业结构升级（ISU）。关于产业结构升级指标的建立，前人有较多的研究，并且设立了比较科学的指标体系，已有相关研究中大多从产业高级化和产业合理化等两个角度，分别测度产业结构升级水平。本文借鉴刘强等（2021）的做法，构建产业高级化、产业合理化、产业高新化以及产业生态化四个指标，综合衡量产业结构升级水平。

（1）产业高级化（IS）。将第三产业增加值和第二产业增加值的比值来衡量产业高级化，该指标为正向指标。

（2）产业合理化（IR）。关于产业合理化的指标，学者对此设计的标准不尽相同，本文借鉴吕明元等（2013）的计算方法，对产业合理化的定义如下：

式（4）中Yi/Y 表示第 i 产业产值比重，Li/L 表示第 i产业劳动力比重（i=1，2，3）。SR 是个逆向指标，为方便本文计算，将产业合理化指标取倒数，令IR=1/SR，该指标为正向指标。

（3）产业高新化（IN）。产业高新化在于考虑高技术产业对于产业结构升级的作用，采用全社会固定投资额中科学研究及技术服务投资比重来衡量产业高新化程度，该指标为正向指标。

（4）产业生态化（IE）。产业生态化在于全面衡量投入与产出的比较，将生态环境考虑指标中，用单位GDP 能耗来衡量，考虑到单位GDP 能耗为负向指标，因此采用其倒数来衡量产业生态化，该指标为正向指标。

考虑各指标综合发展，采用几何平均法计算出产业结构升级水平，即：

3.核心解释变量

本文核心解释变量为数字普惠金融发展指数（DIF），指标数据来源于北京大学数字金融研究中心编制的《北京大学数字普惠金融指数（2011—2020）》，为消除异方差的影响，选取其对数值作为实证检验的核心解释变量。同理，对于数字普惠金融指数包含的三个子维度，即覆盖广度（cov）、使用深度（usa）及数字化程度（dig）也进行对数化处理，然后作为替代变量，进行进一步实证检验。

4.中介变量

（1）创新水平（INN）。现有文献中，部分学者选取政府科技创新投入水平来衡量该地区的创新水平，由于存在资源利用率不充分的问题，这些指标并不能准确衡量该地区的创新水平，因此本文选取万人有效发明专利拥有量来衡量该地区创新水平。

（2）人力资源水平（HC）。参考已有文献做法，使用就业人员平均受教育年限来衡量人力资源水平，计算方式如下：

式（5）中pr、ju、se、jn、un、po 分别代表就业人员中拥有小学、初中、高中、专科、本科以及研究生学历占比。

绿色金融（GF）。鉴于数据可得性，参考张婷等（2022）的测算方法，从绿色信贷、绿色投资、绿色保险以及政府支持等四个维度考察绿色金融发展水平。绿色信贷为负指标，用六大高耗能工业产业利息支出和工业利息总支出的比值表示。绿色投资为正指标，用环境污染治理投资与GDP 的比值表示。绿色保险为正指标，用农业保险收入与农业总产值的比值表示。政府支持为负指标，用财政环境保护支出和财政一般预算支出的比值表示。采用熵值法将上述四个指标拟合成各地区绿色金融发展指数。

5.控制变量

为控制其他变量对各省份产业升级结构升级水平的影响，将外商直接投资（fdi）、经济发展水平（gdp）、外贸依存度（open）以及通货膨胀率（inf）设为控制变量。外商直接投资（fdi）用外商直接投资总额和GDP 的比重来衡量，经济发展水平（gdp）用人均gdp 的对数值来衡量，外贸依存度（open）用进出口总额和gdp 的比重来衡量，通货膨胀率（inf）用居民价格消费指数的对数值来衡量。

6.数据来源

本文数据来源主要分为三大部分，其中数字普惠金融数据来源于北京大学数字金融研究中心编制的《北京大学数字普惠金融指数（2011—2020 年）》，绿色金融部分数据来源于《中国工业统计经济年鉴》、EPS 数据库，其余数据来源于国家统计年鉴（2011—2020 年）和相应年份的省市统计年鉴，由于西藏数据缺失严重，故剔除出样本，部分年鉴某年份数据的缺失用插值法进行补齐。为降低异方差带来的影响，对绝对值数据进行对数化处理。

四、实证检验

1.基准回归

根据Hausman 检验结果，本文选用固定效应模型进行实证分析。表1 列出了数字普惠金融对产业结构升级影响的基准回归结果。模型（1）反映了在不加入控制变量的情形下，数字金融对产业结构升级的回归结果；模型（2）分别加入控制变量后，数字金融对产业结构升级的回归结果。可以看出，在加入控制变量后，核心解释变量在1%的显著水平上显著，并且模型整体的R2增大，这表明加入的控制变量对整体而言是合适的。观察模型（1）、模型（2）可知，外商直接投资、经济发展水平和通货膨胀率对产业结构升级有显著正向影响，外资依存度对产业结构升级有显著负向影响；数字金融的估计系数均为正且显著，表明数字金融对产业结构升级有显著正向促进作用。因此，本文的假设1 得到验证。

表1 基准回归结果

表2 中介效应检验结果

表3 工具变量法回归结果

2.中介效应检验

根据前文中介效应分析，构建模型（3）至模型（8）分析数字金融对产业结构升级的影响路径。根据实证结构我们认为创新水平、人力资源水平和绿色金融在数字金融促进产业结构升级中起到中介作用，其中数字金融发挥完全中介作用。因此，本文假设2、3、4 得到验证。通过对比模型（3）、（5）、（7）中数字金融的系数，可以看出在创新水平、人力资源水平和绿色金融三个间接影响产业结构升级的途径中，创新水平的影响效果更大。

3.内生性检验

虽然参考前人研究结果，在变量选取上尽可能科学客观，但是依然存在变量遗漏的客观事实，此外并未考虑其反向因果，即产业结构升级能促进数字金融的发展，导致内生性问题依然可能存在。因此本文将进一步用工具变量法来检验内生性问题是否存在。将移动电话普及率作为工具变量，采用两阶段最小二乘估计（2sls）来进行内生性检验。第一阶段的F 值和第二阶段的Wald 检验值分别为150.7 和227.14，远远大于临界值，数字金融的系数为1.005 且通过1%显著水平检验，主要结论依然成立，说明选取的工具变量是有效的。

4.稳健性检验

前文中的内生性检验虽然在一定程度上保证了实证结果，但是为了确保实证研究的可靠性，本文将进行稳健性检验。稳健性检验的方法大致分为，变量替换法、补充变量法、分样本回归法、调整样本期、改变样本容量法等几种方法。本文将采用变量替换法加以检验。

本文将更换被解释变量。本文的被解释变量包含了产业高级化、产业合理化、产业高新化和产业生态化四个方面，将产业升级结构系数来替代被解释变量。其具体计算公式如下：

其中，UG 代表产业结构升级系数，Si代表第i 产业增加值与三次产业增加值的比值，UG 为正向指标。替换被解释变量之后的实证结果如表4 所示，模型（10）显示数字金融的系数为0.0722，通过1%显著水平检验，和基准回归结果基本相似，说明前文结论有较好的稳健性。

表4 替换被解释变量的稳健性估计检验结果

5.地区异质性检验

我国幅员辽阔，地理环境复杂，造就了各具特色的产业结构，各地的经济发展水平存在差异，数字金融发展水平也参差不齐，因此本文将根据国家统计局的划分，将除港澳台地区和西藏自治区外30 个省份划分成东部和中西部两个地区，进行进一步的实证检验，实证结果如表5 所示。

表5 地区异质性实证检验结果

实证结果表明两个地区数字金融都能显著促进产业结构的发展，这与前文的结论基本相同。但是东部地区的影响大于非东部地区，这是因为东部地区处于沿海地带，金融行业较为发达，相应的数字普惠金融发展的程度也更好，够更有力地吸引各种生产资源，使得三次产业的资源能够得到更加合理的配置与利用，一二三产业之间的发展也更为均衡。资本的逐利性使得资本不断流向能够生产出高效益的企业，处于产业链低端的会退出该地区，而那些优质的高新技术产业将获得更多的资本，形成聚集效应，进而促进了产业结构升级。

五、结论与建议

1.主要结论

本文主要基于2011—2020 年中国30 个省份的面板数据，构建静态面板模型以及中介效应模型，分析研究数字金融、创新水平、人力资源水平、绿色金融等变量对产业结构升级的影响，得出以下结论。

数字金融对产业结构升级产生显著的促进作用。基准模型以及中介效应模型的实证结果都支持这个结论，在使用工具变量对数据进行两阶段最小二乘法回归之后，这一结论依旧成立。

数字金融对产业结构升级存在中介效应，数字金融能通过创新水平、人力资源水平和绿色金融来推动产业结构升级，其中绿色金融在数字金融促进产业结构升级的过程中发挥完全中介作用，创新水平和人力资源水平发挥部分中介作用，创新水平推动产业结构升级的影响更大。

数字金融对产业结构升级的促进作用存在明显的区域性，对于经济较为发达的东部地区，其促进作用明显强于经济基础较为薄弱的非东部地区。

2.对策建议

基于上文得出的研究结论，提出以下建议：

全面深化数字金融的发展，首先借助政策力量，加大对区域链、人工智能以及大数据等“新基建”的建设，为数字金融的发展奠定坚实的技术基础。其次，数字金融的使用深度、覆盖广度和数据化程度均能促进产业升级，因此要解开对数字金融发展的限制，拓宽数字金融发展的融资渠，同时也要加强金融市场的监管，引导数字金融良性发展，防范系统性风险的发生。

大力推进城镇化，缩小中国各地区间的区别。各地区间最显著的区别在于农村，实现城乡一体化，建立健全农村地区金融系统是党中央实现乡村振兴战略的应有之义，中国发展最大的潜力在农村，发展最大的难题也在农村。解决农村和农民问题，推进城镇化就要将当地的特色产业和金融系统有机结合起来，普及并且深化数字金融在农村地区的应用，进而促进数字金融的不断发展，使得产业结构不断优化升级。

加快绿色金融的发展，加大科学教育的投入，以加强区域创新水平和人力资源水平，使得数字金融更好服务于产业结构升级，推动中国经济高质量发展。