数字普惠金融是否促进了区域产业链韧性提升？——基于中国267个城市的经验证据

■何宇 田杰鑫 覃朝晖 陈珍珍

一、引言

受“逆全球化”、全球突发性公共卫生事件、世界经济复苏乏力和国际局部冲突等多重因素影响，国际“断链”风险加剧，全球产业链重构加速，产业链体系不确定性增加。党的二十大报告指出，要“着力提升产业链供应链韧性和安全水平，推动经济实现质的有效提升和量的合理增长”。可见，提升产业链韧性和安全水平是实现产业链现代化进程中的重要内容，亦是推进中国产业迈向全球价值链高端的关键。随着大数据、云计算和人工智能等新一代信息技术的快速发展，数字普惠金融结合了传统普惠金融与数字技术的优势，对我国产业链体系产生了深刻变革。在此背景下，研究数字普惠金融对产业链韧性的影响和作用机制，对于实现产业链自主可控和经济高质量发展具有重要的理论和现实意义。

近年来，随着国际分工逐渐复杂化，产业链活动极易受到外部环境的影响[1]。如何在外部风险冲击下保持产业链韧性受到学术界高度关注。“韧性”最早出现在物理学领域，之后被引入经济学领域，以探索经济系统对于外生冲击的适应性能力。相关研究主要集中于城市韧性和经济韧性等视角[2—6]。随着国际环境动荡加剧，产业链韧性逐渐成为研究热点。产业链的复杂网络组织特征决定了产业链分工体系容易受到外部冲击而表现出网络脆弱性。学者们主要通过指标体系[7]、网页排序[8]等方法测度产业链韧性。产业链韧性的提升是实现产业链现代化的重要支撑。陈晓东等[9]基于数字经济时代数据要素作为新的生产要素，探索了数字经济驱动中国产业链韧性提升的动力机制和实现路径。李胜会等[10]基于产业链“困境识别—破解策略—韧性塑造与提升”分析框架，探索中国破解产业链低端锁定困境的方法和产业链韧性提升的实现机理。也有学者指出知识产权制度能够通过知识多样化和政府政策支持有效促进产业链韧性提升[11]。卫彦琦[12]发现数字普惠金融通过为产业链主体提供金融支持，能够增强其应对冲击并快速恢复的能力，保持产业链韧性强劲。

随着数字技术和传统金融的深度融合，数字普惠金融得到了长足发展。现有文献对于数字普惠金融影响的探讨主要集中于减贫效应、居民消费和产业升级。数字普惠金融通过优化家庭内部资产配置，增强风险管控能力来降低贫困脆弱性[13]。数字普惠金融通过提供数字支付和在线信贷等方式促进居民消费[14]。随着数字普惠金融从消费端转入生产端，数字普惠金融凭借其数字化和普惠化等优势推动产业结构优化，助力产业升级[15]。

相关文献为本文研究提供了重要借鉴和参考，但现有文献仍存在两方面不足：（1）目前在理论层面探讨产业链韧性提升的研究较丰富，但在宏观层面关于区域参与生产网络中的韧性测度仍然是通过指标体系和网页排序变动等方法间接测度，没有统一的直接测度方法；（2）目前学术界的研究主要聚焦于经济韧性和城市韧性，部分学者对制造业和服务业等单一行业的韧性有所研究，鲜有学者从产业链网络关联视角对中国产业链韧性进行研究。本文的边际贡献主要体现在两个方面：（1）以2012、2015 和2017年中国城市尺度多区域投入产出数据为样本，基于复杂网络理论，构建产业链网络节点模拟攻击模型，从复杂网络研究视角直接测度中国产业链韧性，相比其他方法能更好地揭示中国产业链韧性特征；（2）利用测算的产业链韧性指数探索数字普惠金融对产业链韧性的影响和作用路径，为提升产业链韧性提供了重要参考和政策建议。

二、理论分析与研究假说

数字普惠金融作为传统金融和数字技术深度融合的新型金融模式，能够更好地实现覆盖广度和使用深度的最大化，助力实现产业链韧性的提升。第一，数字普惠金融能够缓解信息不对称。产业链网络的复杂产业关联和上下游企业在地理空间上的分散分布导致产业链上下游之间存在信息不对称问题。依托互联网、区块链和大数据等新兴技术的数字普惠金融能够突破时间和空间的限制[16]，增强金融机构和产业链主体之间信息传递的准确性和流畅性，破解信息不对称导致的“断链”问题，提升产业链韧性。第二，数字普惠金融能够降低产业链主体的交易成本。交易成本是制约产业链分工和竞争的重要因素[17]。在产业链分工背景下，上一阶段的产品成为下一阶段的中间产品，因此生产是层层嵌套的，成本也存在嵌套关系，上游阶段的成本会沿着产业链传导到最终产品，影响整个产业链网络。数字普惠金融以信息技术的零边际成本显著降低了产业链主体的信息获取成本和学习成本，提高了经济效率，巩固了地区产业链优势，提升了地区产业链韧性[9]。第三，数字普惠金融能够提升交易灵活性。产业链网络的主体通过错综复杂的关联关系连接，某一节点的交易延迟通过产业链网络的层层传递会快速蔓延，导致整个产业链网络瘫痪。基于大数据的数字普惠金融利用网络空间格局，增强了企业融资的快速性和便捷性，加速企业的资金周转，能有效应对市场动荡，更好地识别产业链网络中的潜在风险和中断点，保持产业链韧性[18]。第四，数字普惠金融能够缓解金融排斥。在产业链网络中，每个节点根据其要素禀赋结构差异选择在产业链的特定阶段进行专业化分工，成为整个产业链网络不可缺少的一部分。中小企业等弱势主体融资难等问题通过产业链上下游关系蔓延至整个网络，影响产业链韧性。数字普惠金融借助大科技生态系统和大数据风控模型，通过全方位监测、评估和预测，拓宽了金融深度和广度，优化了金融资源的配置效率，提升了中小企业和偏远地区的金融可得性，缓解了产业链相对弱势主体融资难的问题[19]，增强了整个产业链网络抗风险能力。基于此，本文提出以下假说：

假说1：数字普惠金融有助于提升产业链韧性。

数字普惠金融能够整合各种创新资源，提升城市创新能力，继而通过发挥创新的“水平效应”和“结构效应”，夯实产业基础，提升产业链韧性[20]。数字金融为创新提供了基础和保障[21]。创新具有高投入、周期长和产出不确定性的特点，而数字普惠金融能够有效解决传统金融存在的“属性错配”“领域错配”和“阶段错配”问题，为创新的开展提供了融资渠道，缓解了融资约束，对创新具有较强的驱动效应[22]。创新是产业链应对风险冲击的安全保障，夯实产业链上各节点的自主创新能力有助于抵御外部冲击。产业链网络的复杂性决定了某一节点所面临的风险会通过产业链网络传递至其他节点，对整个产业链网络造成冲击。通过提升创新能力，解决我国产业基础能力薄弱、部分领域核心技术受制于人的困境，防止技术封控等原因导致的“卡链”威胁整个产业链的安全发展。同时，全球价值链嵌入位置的提升对提升产业链韧性至关重要[23]。创新能力的提升为产业升级提供了技术保障，有助于推动产业向优势领域转型，助推产业向全球价值链中高端迈进，从而增强了产业链韧性。基于此，本文提出以下假说：

假说2：数字普惠金融通过提升城市创新能力来增强产业链韧性。

三、研究设计

（一）样本选择与数据来源

计算产业链韧性指数所使用的投入产出表数据来自中国碳核算数据库（CEADs）提供的《2012 年中国城市尺度多区域投入产出表》《2015 年中国城市尺度多区域投入产出表》和《2017 年中国城市尺度多区域投入产出表》。目前，中国城市尺度多区域投入产出表仅更新到2017 年，受限于数据可得性，本文数据更新到2017 年。数据集涵盖2012、2015 和2017 年中国大陆地区313 个行政单位42 个行业的投入产出数据。数字普惠金融指数来自《北京大学数字普惠金融指数（2011—2020 年）》，其他数据来自《中国城市统计年鉴》和各地级市统计年鉴。剔除数据缺失严重的城市，本文最终选择2012、2015 和2017年中国267个地级市的面板数据进行研究。

（二）变量说明

1.被解释变量：产业链韧性（resilience）

（1）产业链网络构建。产业链网络由生产节点和边组成。令生产节点为pi，产业链网络的生产节点集则表示为P={p1,p2,p3,…,pN}，N 为生产节点总数；生产节点pu与生产节点pv的边关系记作，u,v∈{1,2,…,N}。对节点pu来说，边Luv表示节点pu与节点pv之间的投入产出关系，使用E={L11,L12,…,Luv} 表示边的集合。因此，中国产业链网络可以抽象为一个由生产节点集P、边集E组成的生产网络G(P,E)。

（2）网络中心性指标。为测度中国各地级市的产业链韧性指数，选择介度中心性、邻近中心性和度中心性作为测度产业链韧性的指标[24]。

介度中心性指标（betw）：介度中心性表示生产网络中某生产节点控制其他生产节点的能力。数值越大，表示该生产节点的中转作用越强。整个生产网络结构的介度中心性指标的计算公式如下：

式（1）中，nkj表示生产节点pk与生产节点pj之间最短路径的条数；nkj(i)表示生产节点pk与生产节点pj之间经过生产节点pi的最短路径条数。

邻近中心性指标（clsn）：邻近中心性表示生产节点在生产网络中居于中心的程度，是衡量生产节点的中心性指标之一。数值越大，说明生产节点越靠近生产网络的中心位置，生产节点间越紧密。整个生产网络结构的邻近中心性指标的计算公式如下：

度中心性指标（degr）：在生产网络中，度中心性是刻画节点中心性最直接的度量指标，表示与生产节点pi存在联系的所有生产节点数量之和，包括出度和入度。数值越高，表示该生产节点在生产网络中与其他生产节点联系越多。整个生产网络结构的度中心性指标的计算公式如下：

式（3）中，n-1 表示生产网络最大可能的度，其度中心性表示整个生产网络的度除以最大可能的度n-1。

最大连通子图的相对大小（S）：生产网络移除某个节点会改变网络的连通性，学术界通常使用最大连通子图的相对大小来描述这一变化。最大连通子图的相对大小的计算公式如下：

式（4）中，N 表示初始网络中的生产节点总数，N'表示移除生产节点后的网络中最大连通子图的生产节点总数。

（3）产业链韧性测度。具体分为两步：①基于复杂网络理论，对产业链网络进行模拟网络节点攻击。本文选择蓄意攻击网络节点的方式，此处以度中心性作为表征参数为例介绍攻击步骤（以介度中心性和邻近中心性作为表征参数的步骤类似）。模拟网络节点攻击的步骤如下：首先将中国产业链网络作为初始网络，计算初始网络的度中心性和最大连通子图大小并将产业链网络节点的度中心性按照降序排列，然后根据排序依次对产业链网络的度中心性最大的节点进行攻击，攻击完成后，计算网络中最大连通子图的相对大小S(n)，若S(n)＞0，则按照排序继续对产业链网络的度中心性最大的节点进行攻击，直至S(n)=0 则终止攻击。②基于模拟数值计算产业链韧性指数。根据以上分析，本文设定产业链韧性指数（resilience）的测度公式如下：

式（5）中，S(n)表示产业链网络未受到外生冲击时最大连通子图的相对大小，表示产业链网络受到外生冲击后最大连通子图的相对大小。

2.核心解释变量：数字普惠金融（digit）

针对数字普惠金融的衡量，现阶段学术界主要使用的是北京大学数字金融研究中心发布的中国数字普惠金融指数。该指数以蚂蚁金服集团提供的海量数据为基础，从数字金融覆盖广度、数字金融使用深度和数字支持服务程度三个维度全面构建数字普惠金融指标体系，共包含33 个具体指标，指标选择合理且测算方法科学，已经被广泛应用于学术研究中[25，26]。因此，本文最终选取郭峰等[27]建立的北京大学数字普惠金融指数作为本文的核心解释变量。

3.控制变量

除了核心解释变量以外，还需控制其他可能影响产业链韧性的变量，本文选取以下变量作为控制变量，以降低由于遗漏变量而产生的内生性偏误：①经济发展水平（economic），使用人均GDP 的自然对数衡量；②教育发展水平（education），使用教育业从业人员数的自然对数衡量；③外资引进（foreign），使用港澳台投资企业数的自然对数衡量；④金融发展水平（finance），使用年末金融机构各项贷款余额与国内生产总值的比值衡量。

4.中介变量

创新能力（innovation）。采用各地级市历年专利授权数的自然对数进行衡量。

（三）模型设定

1.基准模型

为检验数字普惠金融对产业链韧性的驱动效应，本文构建如下固定效应模型：

式（6）中，下标i和t分别表示城市和年份。被解释变量resilienceit表示城市i在t年的产业链韧性指数，具体包括以介度中心性（betwresi）、邻近中心性（clsnresi）和度中心性（degrresi）为表征参数测度的产业链韧性指数。核心解释变量digitit表示数字普惠金融指数。Xit表示可能影响产业链韧性的控制变量集，具体包括经济发展水平、教育发展水平、外资引进和金融发展水平。β0为不随个体变化的截距项，δi表示个体固定效应，γt表示时间固定效应，εit表示随机误差项。digitit的系数β1用来衡量数字普惠金融对产业链韧性的影响，若数字普惠金融对产业链韧性具有明显的驱动效应，则β1显著为正。

2.机制模型

为检验数字普惠金融对产业链韧性的驱动机制，本文设定如下中介效应模型：

上式中，Mit为中介变量，具体指创新能力（innovation），其他变量的含义与式（6）一致。

（四）描述性统计分析

主要变量的描述性统计结果如表1 所示。betwresi、clsnresi 和degrresi 的标准差分别为0.080、0.081 和0.083，表明中国各城市之间的产业链韧性相差较大。数字普惠金融指数的标准差为0.405，表明各城市之间的数字普惠金融发展水平存在较大的差距。从经济发展水平、教育发展水平、外资引进和金融发展水平来看，各城市之间的差异亦较明显。

表1 主要变量描述性统计

四、实证结果与讨论

（一）基准回归

表2报告了数字普惠金融对产业链韧性的基准回归结果。其中，奇数列为数字普惠金融与产业链韧性的单变量回归结果，偶数列加入了控制变量，同时控制了时间效应和地区效应。结果显示，在控制其他影响因素的情况下，数字普惠金融的系数分别为0.077、0.068 和0.069，且均在5%的水平上显著，说明数字普惠金融可以促进产业链韧性的提升，假说1得证。从控制变量看，经济发展水平、教育发展水平和外资引进对产业链韧性的提升均具有促进作用。可能是因为：经济发展水平高的城市，能够形成产业集聚的规模效应，吸引资金和人才等向该地聚集，提升产业效率，有利于产业转型和发展，产业链韧性更强；教育发展水平高的城市，能为产业结构升级提供智力支持和人才储备[28]，当地产业链网络能够及时应对外来冲击，产业链韧性更强；外资引进水平高的城市，可以为当地产业转型发展提供充足的资金支持，产业链韧性更强。金融发展水平的系数为负但不显著。可能是因为，金融杠杆率的上升使得金融体系更加不稳定，抗风险能力降低，导致产业链韧性较弱[29]。

表2 数字普惠金融影响产业链韧性的基准回归结果

（二）稳健性检验

1.内生性检验

理论上，产业链韧性强的城市其数字普惠金融发展也会更好，且模型无法考虑影响产业链韧性的全部因素，因此，该模型存在内生性问题。为使检验结果更准确，本文使用工具变量法处理模型中的内生性问题。参考杨景院等[30]的研究，本文使用各地级市到杭州市的球面距离作为工具变量。首先，该变量满足外生性的基本条件。球面距离是纯地理因素，对于产业链韧性具有极强的外生性。其次，该变量满足相关性条件。蚂蚁金服总部位于杭州市，数字普惠金融指数数据大部分来自蚂蚁金服的大数据，主要通过支付宝作为交易平台，但同时发展水平仍然受到距离的影响。学术界已经证实距离杭州市越远，数字普惠金融发展难度越大[31]。需要说明的是，由于距离是横截面数据，不能直接应用于面板数据分析，因此需选取一个时间序列数据与其相乘。具体而言，将地级市到杭州市的球面距离与上一年的数字普惠金融指数相乘作为本文的工具变量（digit1）。工具变量法的回归结果如表3 所示。其中，识别不足检验（LM statistic）拒绝工具变量识别不足的假设，弱工具变量检验的F 统计量的值大于10%的临界值，拒绝弱工具变量的假设，说明选取的工具变量与数字普惠金融是高度相关的。实证结果显示，数字普惠金融的系数仍显著为正，说明前文得出数字普惠金融对产业链韧性具有较强的驱动效应的结论是稳健的。

表3 数字普惠金融影响产业链韧性的工具变量法检验结果

2.其他稳健性检验

为了保证实证结果的科学性，本文从以下两个方面进行了稳健性检验。一是缩尾1%。为了消除异常值对结果的影响，本文对所有的连续变量均进行了上下1%的缩尾处理，结果见表4（1）至（3）列。二是剔除直辖市。北京市、天津市、重庆市和上海市无论是经济发展状况还是产业结构均优于其他城市，为降低直辖市对检验结果的影响，本文将四大直辖市剔除以检验非直辖市中数字普惠金融对产业链韧性的影响，结果见表4（4）至（6）列。从表4 可知，数字普惠金融的系数仍显著为正，说明前文得出的结果是稳健的。

表4 数字普惠金融影响产业链韧性的其他稳健性检验结果

（三）异质性检验

1.维度异质性

数字普惠金融具有多层次和多元化特征，在考虑其整体对城市产业链韧性的影响后，为深入探索其分维度对城市产业链韧性的影响特征，本文分别引入数字普惠金融覆盖广度、使用深度和数字支持服务程度的对数值，以检验不同维度的数字普惠金融对产业链韧性的影响，结果如表5 所示。数字普惠金融覆盖广度和数字支持服务程度对产业链韧性的影响不显著，使用深度对产业链韧性的影响为正且在1%水平上显著，说明数字普惠金融使用深度对产业链韧性的促进作用最大。覆盖广度和数字支持服务程度对产业链韧性的促进作用不显著，这可能是因为：数字普惠金融使用深度侧重纵向，反映的是数字普惠金融的实际运用水平，包括信贷业务和投资业务，其对产业链上的主体提供信贷资金支持，有利于产业链韧性的提升。而覆盖广度侧重的是金融服务的地域范围，数字化程度衡量的是便利化水平。我国金融体系数字化转型尚未全面普及，仍处于起步阶段，覆盖范围较小，因此其对产业链韧性的提升作用暂不显著[32]。

表5 数字普惠金融影响产业链韧性的维度异质性检验结果

2.市场化程度异质性

对于市场化程度不同的地区，数字普惠金融也可能产生不同的影响效果。参照王小鲁等[33]编制的各省“市场化总指数”指标进行样本划分，该指数越大说明市场化水平越高。因该指数2016 年前后的年份不可比，故本文使用2008—2016年的平均指数将各个省份分为“市场化程度低”和“市场化程度高”两组，样本城市再根据其所处省份的组别进行划分，以考察数字普惠金融对不同市场化发展程度地区的异质性影响，回归结果如表6所示。可以发现，数字普惠金融在市场化发展水平低的城市中系数为正且显著，说明对产业链韧性的促进作用更强，而在市场化发展水平高的城市中，数字普惠金融的系数均为正但不显著，说明其促进作用有待提升。可能的原因在于，低市场化程度地区相较于高市场化程度地区，其金融发展环境处于劣势，要素市场发育程度不充分，因此数字普惠金融在市场化程度低的地区能更好地发挥其依靠数字技术降低交易成本的优势，促进产业链条的本土化，显著提升产业链韧性。

表6 数字普惠金融影响产业链韧性的市场化程度异质性检验结果

3.区域异质性

我国不同地区在地理文化、经济发展、基础设施等方面存在较大的差异，这也可能导致数字普惠金融对城市产业链韧性的促进作用存在异质性。为了进一步探索数字普惠金融对产业链韧性影响的区域异质性，本文首先根据各地级市所在省份，按照国家统计局的划分标准将样本划分为东部和中西部两大区域进行异质性分析[34]。表7汇报了东部和中西部两大区域的数字普惠金融对产业链韧性影响的回归结果。就核心解释变量而言，数字普惠金融（digit）的系数在东部地区均为正但不显著，在中西部地区为正且至少在10%水平上显著。究其原因可能在于：东部地区产业基础强，经济发展水平高，依托京津冀经济带、粤港澳大湾区和长三角城市群等经济圈的发展，其产业集聚度和金融服务水平较高，区域内传统金融机构已经形成较为完备的金融服务网络，数字普惠金融等新兴的金融模式边际效益不高，导致其促进作用不明显；相反，中西部地区金融发展水平较低，近几年借助中部崛起和西部大开发等国家政策，实现了经济迅猛发展，使得数字普惠金融凭借其低门槛和低成本的普惠优势迅速融入当地产业发展中，改善了产业融资环境，带动了中西部地区城市产业链韧性的提升[35]。

表7 数字普惠金融影响产业链韧性的区域异质性检验结果

（四）机制检验

自主创新能力的提升是产业链主体应对外来风险，保持产业链韧性强劲的关键。创新能为产业链实现价值增值和流动，减少产业链断点、堵点和短板涌现的风险，增加产业链发展动力[36]。本文通过使用专利申请数衡量城市的创新能力来检验创新效应这一中介机制，中介机制检验结果如表8 所示。（1）列数字普惠金融（digit）的系数在5%水平上显著为正，说明数字普惠金融通过为创新活动提供充足资金能够有效提升城市创新能力。（2）至（4）列数字普惠金融（digit）和创新能力（innovation）的系数均显著为正，表明数字普惠金融能够通过缓解融资约束，改善创新环境，提升城市的创新能力，进而为产业链韧性提升提供技术支持，假说2得证。

表8 数字普惠金融影响产业链韧性的机制检验结果

五、结论与政策建议

本文基于复杂网络理论，构建产业链网络节点模拟攻击模型，以介度中心性、邻近中心性和度中心性为表征参数建立产业链韧性测度框架，根据2012、2015和2017年中国城市尺度多区域投入产出表相关数据测度中国地级市产业链韧性指数，之后利用中国267 个地级市面板数据，通过固定效应模型和中介模型分析数字普惠金融对产业链韧性的影响及其作用机制。研究表明：数字普惠金融对产业链韧性具有明显的驱动作用，这一结论经过内生性检验，即剔除直辖市和排除异常值后依然成立。异质性分析发现，数字普惠金融对产业链韧性的影响具有维度、区域和市场化发展程度异质性。具体而言，数字普惠金融对中西部城市和市场化发展水平较低城市的产业链韧性促进作用更明显，且数字普惠金融使用深度对产业链韧性的促进作用更强。机制检验表明，数字普惠金融通过提升城市创新能力以驱动产业链韧性提升。

基于以上研究结论，本文提出以下政策建议：

第一，推进数字普惠金融综合发展，完善金融服务体系。在新一轮科技革命和产业变革中，各城市应借助大数据、人工智能等现代信息技术，打破产业链上的“信息孤岛”，缓解信息不对称，提升金融支持效率。应大力推进数字普惠金融深度发展，协同产业链上下游，更好释放规模效应。同时，健全“互联网+”金融生态，完善市场金融体系，为产业链韧性的提升注入源源不断的资金支持。

第二，推进数字普惠金融差异化，统筹区域协调发展。在深入实施区域重大战略和区域协调发展战略的背景下，各区域发挥数字普惠金融优势需要保持差异化和特色化，基于区域发展基础差异化，因地制宜完善数字普惠金融发展体系，合理布局产业链，统筹区域协调，鼓励东中西区域交流与合作。中西部地区应继续发挥数字普惠金融的促进作用，带动区域产业链韧性提升。

第三，完善金融支持创新体系，强化产业链和创新链双链融合。提升创新能力是解决“卡脖子”问题、提升产业链韧性的关键。政府应鼓励城市高质量打造区域创新高地，以创新带动技术前沿领域发展，牢牢把握产业链关键环节和核心基础位置，努力实现关键核心技术自主可控，着力疏通卡点堵点，增强对产业链的话语权、议事权和主导权。同时，提升国家创新体系整体效能，瞄准新一轮科技革命和产业变革发展方向，努力抢占科技革命的制高点，避免产业链低端化，推动产业迈向全球价值链中高端，为打造安全稳定的国内产业链运行体系、提升产业链韧性提供保障。