数字金融创新有助于促进实体经济高质量发展吗?——基于金融服务效率的机制分析与空间计量

周 雷,张 鑫,董 珂

(1.苏州市职业大学 商学院,江苏 苏州 215104;2.东南大学 经济管理学院,江苏 南京 211189)

一、引言及文献综述

2023年10月召开的中央金融工作会议强调,坚持把金融服务实体经济作为根本宗旨。做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。要着力打造现代金融机构和市场体系,疏通资金进入实体经济的渠道。[1]数字金融作为数字技术驱动的金融创新,代表了金融行业的发展方向,在服务实体经济高质量发展中发挥着日益重要的作用。[2]数字金融通过创新金融服务模式,促进普惠金融发展,疏通科技金融、绿色金融、小微金融等金融服务实体经济的重点领域和薄弱环节;同时推动金融机构数字化转型,深化金融供给侧结构性改革,赋能金融强国建设,增强金融服务实体经济高质量发展的能力。汪亚楠等较早检验了数字金融对我国实体经济规模的影响,得出数字金融能够显著提振我国实体经济,其中数字金融的覆盖广度和使用深度对实体经济产生了显著的刺激作用,但是数字化程度的效应尚不显著。[3]王博和魏晓分析了区块链驱动的数字金融创新赋能实体经济高质量发展的机理,包括有利于降低实体经济发展的交易成本、提高实体经济发展的协作效率和改善实体企业融资信用环境。[4]杨丽晨基于我国31个省级行政区面板数据,采用固定效应模型实证研究得出数字金融的发展有助于优化产业结构和提升实体经济资本配置效率,这一影响效果在东中西部同样存在。[5]陆凤芝和王群勇考虑空间因素后,研究得出数字普惠金融可以显著促进本地区金融服务实体经济效率的提升。[6]此外,金融科技与数字金融高度相关,随着科技、数据与金融融合的深入,两者的界限日益模糊,一般认为数字金融创新是金融科技应用成果的体现。谭中明等运用空间计量模型检验得出,金融科技会对实体经济高质量发展产生显著的正向促进作用,同时通过数字技术溢出,存在正向空间溢出效应。[7]

综上,已有研究重点分析了数字金融创新对实体经济规模、质量和效率的影响,但对其动态空间效应和作用机制的讨论不足,特别是已有研究关注了数字金融创新对金融服务效率的正向影响,但是对金融服务效率提升如何进一步促进实体经济高质量发展,鲜有完整的机制检验;对于金融科技创新监管试点地区和非试点地区也缺乏数字金融服务实体经济的比较研究。因此,本文通过构建实体经济高质量发展指标体系和嵌套空间权重矩阵,运用动态杜宾模型和中介效应模型,全面研究数字金融创新对实体经济高质量发展的直接影响、动态溢出效应和作用机制,并对金融科技创新监管试点地区进行异质性分析,提出对策建议,为提升数字金融服务实体经济高质量发展能力提供借鉴。本文的边际贡献主要包括:一是在已有研究的基础上,测算同时考虑地理距离与经济特征的嵌套空间权重矩阵,构建包含外生交互与内生交互的空间杜宾模型,并通过引入时空滞后项对数字金融创新的长短期效应进行偏微分分解,全面和精准评估数字金融创新对实体经济高质量发展的直接效应、溢出效应及其动态变化。二是根据最新的中央金融工作会议精神,首次以金融服务实体经济效率为中介变量检验“数字金融创新→金融服务实体经济效率提升→实体经济高质量发展”构成的完整作用机制,丰富和拓展已有的实证研究成果,弥补相关文献的欠缺。三是已有数字金融对实体经济影响的异质性分析,大多根据东中西部来划分,未能很好地抓住数字金融创新的监管环境差异和空间集聚特征。本文根据中国人民银行金融科技创新监管试点开展情况,将31个省级行政区划分为试点地区和非试点地区进行异质性分析,详细比较两类地区在数字金融服务实体经济成效和传导机制方面的差异,为评估和推广试点政策,更好地发挥数字金融创新对实体经济高质量发展的促进作用提供经验证据。

二、理论分析与研究假设

(一)数字金融创新对实体经济高质量发展的影响

从宏观上看,数字金融创新能够强化金融体系的资金融通、资源配置和风险保障等功能,满足实体经济的多样化金融服务需求,助力实体经济高质量发展。何晓焕和谢婷婷认为数字金融创新提高了储蓄向投资的转化效率,缓解了流动性约束,提升了实体部门,特别是小微企业的融资可得性,扩大了普惠金融服务覆盖面,从而有助于实体经济的包容性增长和高质量发展。[8]张长全和刘明慧揭示了数字金融创新通过信息揭示和价值发现机制,可以引导资本进入更好的实体产业,提升实体经济的发展质量。[9]谢绚丽等验证了数字金融提供的保险科技产品,能够对冲和降低实体经济的运行风险和创业风险,提高经济发展的韧性。[10]从微观上看,数字金融能抑制实体企业“脱实向虚”,提高企业技术创新能力,同时推动居民消费升级,为实体经济高质量发展提供重要支撑。徐伟呈和范爱军实证研究表明,数字金融驱动企业技术创新和提升企业创新绩效,遏制实体企业源于“借势取利”动机的过度金融化趋势,夯实经济高质量发展的微观基础。[11]此外,数字金融还能为居民提供数字人民币、互联网消费金融等新产品,降低交易和融资成本,助力消费升级和扩大内需,促进实体经济良性循环和内生增长。综上,可以提出假设H1。

H1:数字金融创新有助于促进实体经济的高质量发展。

数字金融的“非接触式”特征,使其天然具有突破地理空间限制,为实体经济跨区域、跨市场提供数字化金融产品和服务的优势。数字技术赋能下的数字金融创新能够打破传统金融市场要素流动的分割和壁垒,增强区域间经济金融活动的关联度和集聚性,从而为其发挥服务实体经济的正向溢出效应奠定基础。上官绪明和葛斌华实证研究表明,跨区域提供数字金融创新产品和服务,并加强人员、技术、数据等要素的流动,具有显著的正向溢出效应,进而促进邻近地区实体经济高质量发展。[12]龚贺也得出本地区数字普惠金融发展和数字金融使用深度的提高能够显著推动邻近地区实体经济发展。[13]李梦雨等运用我国地级市数据检验却得出数字金融对实体经济高质量发展的溢出效应尚未显现。[14]事实上,数字金融创新除短期内即可跨区域提供数字金融服务外,还可以通过数字产业合作、共建数字征信基础设施、技术成果市场化等方式,对邻近地区产生长期的“涓滴效应”。因此,数字金融的溢出是一个渐进、动态的过程,而相关研究对动态空间效应的关注不足,可能影响对数字金融创新赋能实体经济高质量发展的全面把握。综上,从动态角度提出假设H2。

H2:数字金融创新对实体经济高质量发展具有动态的正向空间溢出效应。

(二)数字金融创新影响实体经济高质量发展的机制

在数字经济时代,数字金融创新的本质是运用底层数字技术驱动、加速和优化金融创新,以提高金融服务实体经济的效率,即承担了金融供给侧服务实体经济需求侧的“催化剂”功能。已有文献测度了数字金融对金融服务实体经济效率的影响[6],但尚未完整检验这种影响对实体经济高质量发展的作用。因此,可以考虑将金融服务效率作为数字金融创新促进实体经济高质量发展的传导中介,来完善作用机制。首先,数字金融基于数字技术与数字服务手段,能够显著降低交易成本,满足广泛的小微企业、农户、新市民等长期受金融排斥对象的“长尾”金融服务需求,提升金融服务实体经济的效率和普惠性,促进实体经济均衡高质量发展。其次,数字金融具有数字经济的正外部性,能够在一定程度上抑制资本的逐利性,优化资源配置,提升金融服务效率,引导资金“脱虚向实”,为实体经济高质量发展服务。第三,数字金融通过运用大数据等技术对客户进行实时、动态监测,能够有效降低信用风险和市场风险,提高金融服务实体经济的效率和安全性,为实体经济高质量发展保驾护航。此外,周雷等的研究表明,金融科技与数字金融的“竞争效应”,倒逼商业银行等传统金融机构加快数字化转型的步伐,运用数字技术和数据要素完善风险管理体系,提高金融服务效率,推动金融行业更好地服务实体经济高质量发展。[15]综上,可以从作用机制角度提出假设H3。

H3:数字金融创新通过提升金融服务实体经济效率进而促进实体经济高质量发展。

我国实体经济发展质量存在显著的空间差异[16],数字金融创新业态也呈现一定的空间集聚分布特征[17]。因此,数字金融对提升金融服务效率,进而促进实体经济高质量发展的作用可能存在区域异质性。特别是,随着中国人民银行开展的金融科技创新监管试点工作的推进,试点地区与非试点地区在数字金融监管环境、支持政策、市场化程度等方面的差异,为检验数字金融创新促进实体经济高质量发展的实际效果和作用机制提供了条件。金融科技创新监管试点构建了中国版“监管沙盒”,通过创新监管工具,为数字金融发展提供具有安全边界的真实市场环境,实现了鼓励创新与防范风险的平衡。截至2022年底,在政策支持下,已有172个试点项目落地,包括16个资本市场项目,涉及9个省级行政区。绝大部分项目均以服务实体经济重点领域和薄弱环节为目标,通过技术赋能数字金融守正创新,提升金融服务实体经济效率,进而促进实体经济的高质量发展。表1列出了部分代表性项目,以“基于区块链的产业金融服务”为例,该项目由中国银行运营,通过运用区块链等数字技术,显著提升银行供应链金融服务效率,解决产业链供应链上下游实体企业,特别是小微企业融资难题,助力实体经济高质量发展[18]。此外,金融科技创新监管试点通过引入市场化竞争机制,也有助于实体企业在相对公平的环境中获得金融资源,推动金融服务实体经济效率提升,畅通数字金融创新促进实体经济高质量发展的传导机制。[19]综上,可以提出假设H4。

H4:在金融科技创新监管试点地区,数字金融提升金融服务效率更能促进实体经济高质量发展。

表1 金融科技创新监管试点服务实体经济项目示例

三、研究设计

(一)样本选择与数据来源

本文样本选择覆盖我国31个省级行政区(不含港澳台)的宏观平衡面板数据,考虑数据可得性及我国数字金融的发展实际,样本期间为2011—2021年,共包括11年341个年度样本观测值。空间计量分析主要原始数据来源于《中国统计年鉴》以及各省市统计年鉴、国家统计局和中国人民银行官网、Wind数据库和EPS数据库、北京大学数据金融研究中心公布的数据普惠金融指数等。金融服务实体经济效率机制分析的投入产出数据来源于《中国劳动统计年鉴》《中国金融统计年鉴》和中国人民银行官网。稳健性检验中数字金融创新水平的替代变量,通过构建关键词库,爬取百度网页搜索指数,经词频统计和主成分分析合成。

(二)变量设定

1.被解释变量:实体经济高质量发展指数

已有研究测度实体经济发展质量常用两种方法:一是使用全要素生产率[20];二是通过构建指标体系来综合评价[21]。高质量发展作为我国“十四五”乃至更长时期经济社会各方面发展的主题,具有综合性和动态性,使用单一指标测度可能无法反映高质量发展的丰富内涵。推动高质量发展,必须完整、准确、全面贯彻新发展理念,坚持把发展经济的着力点放在实体经济上,因此本文从创新、协调、绿色、开放、共享五大新发展理念出发,构建实体经济高质量发展的评价指标体系,如表2所示。其中,指标中涉及实体经济的界定,采用通行的去除房地产业和金融业之后的地区生产总值来表示[22],相应的实体企业也采用去除房地产企业和金融企业之后的企业来表示[23]。在构建评价指标体系的基础上,本文对指标的处理,首先对负向指标取倒数,然后进行缺失值用插值法填补和数据标准化,最后为避免主观赋权可能存在的偏误,采用熵权法确定各项指标权重,合成实体经济高质量发展指数(HQR),作为实证研究的被解释变量。

表2 实体经济高质量发展评价指标体系

2.解释变量:数字金融创新水平

在数字经济时代,数字金融是数字技术驱动的金融创新已成共识,但对数字金融创新水平尚无统一的测度指标。总结已有文献,常用的测度方法有两种:一是借鉴Askitas和Zimmermann[24]提出的互联网信息论,由郭品和沈悦[25]率先使用的网络文本挖掘方法;二是北京大学数字金融研究中心定期发布的数字普惠金融指数[26]。北京大学数字金融研究中心于2022年8月对该指数进行了第四次更新,结合数字金融创新的新形势、新特征与数据的可得性和可靠性,从数字金融覆盖广度、数字金融使用深度和数字化程度3个维度构建指标体系,编制并发布了包括2011—2021年我国31个省级行政区的数字普惠金融指数。该指数涵盖了数字支付、互联网理财、互联网贷款、保险科技、互联网基金、大数据征信等数字金融主要业态,全面反映了数字金融的普及程度、创新产品、使用状况、服务成本和便捷性,能够满足本文研究对数据来源和样本期间的要求。因此,借鉴李林汉和田卫民的做法,采用数字普惠金融指数测度解释变量数字金融创新水平(DF)[27]。

3.中介变量:金融服务实体经济效率

数字金融创新可以通过提升金融服务实体经济的效率,从而促进实体经济高质量发展。因此,本文选择金融服务实体经济效率(FTFP)作为中介变量。已有研究大多将金融服务效率直接作为被解释变量,尚未完整检验数字金融创新促进实体经济高质量发展的作用机制,但是肖晓军和李执敏[28]对金融服务实体经济效率的测算方法值得借鉴。本文在完善金融服务实体经济效率的投入产出指标的基础上,基于DEA模型,结合Malmquist方法,测算了2011—2021年我国31个省级行政区金融服务实体经济的效率,作为机制分析的中介变量。

4.控制变量

为控制其他影响实体经济高质量发展水平的因素,本文参考惠宁和陈锦强[29]、巴曙松和王紫宇[30]等文献,筛选了五个控制变量纳入计量模型,分别为实体经济人力资本(Hum)、实体经济物质资本(K)、政府财政支出(Fis)、城镇化水平(Town)和物价水平(P)。本文模型使用的主要变量定义归纳如表3所示。

表3 主要变量定义一览表

(三)模型构建

1.嵌套空间权重矩阵构建

数字金融创新的“鲶鱼效应”促进了生产要素流动,优化了资源配置。这种要素流动包括跨区域流动,因此检验数字金融创新对实体经济高质量发展的影响有必要考虑空间交互效应,构建空间计量模型。选择恰当的空间权重矩阵是构建空间计量模型的基石,常用的空间权重矩阵包括地理反距离矩阵、经济特征矩阵等[31]。考虑到数字金融与实体经济的空间效应可能同时蕴含地理距离因素与经济规模因素,且在实际中这种空间溢出效应存在非对称性[32],即经济发展水平较高的省份会对发展水平较低的省份产生更强的空间影响,数字金融也会由于网络经济的“马太效应”而形成具有辐射作用的区域金融中心,因此本文将地理反距离矩阵与经济特征矩阵相结合,构建嵌套空间权重矩阵,以更准确地刻画空间效应的综合性与复杂性[33],如式(1)所示。

(1)

2.面板空间计量模型构建

基于已有研究利用空间计量模型考察数字金融创新对其他被解释变量的影响,结果表明数字金融创新确实存在空间溢出效应。[34]而实体经济发展的空间溢出效应也已得到了部分实证研究的支持。[35]同时,考虑到本文所采集的数据为全样本平衡面板数据,涉及31个省级行政区,不存在从总体中随机抽样的问题,且对于省级层面的数据,双向固定效应下的面板模型可以避免样本异质性和时间效应带来的结果有偏性,因此选择空间、时间双向固定效应模型作为构建面板空间计量模型的基础。

综上,结合设定的变量及选择的嵌套空间权重矩阵,可以构建如式(2)所示的双向固定效应面板空间计量模型,用于实证检验数字金融创新对实体经济高质量发展的影响。此外,为统一量纲,减少异方差性,在构建模型时将各变量取自然对数。

lnHQRit=β0+ρWlnHQRit+β1lnDFit+β2WlnDFit+γ1lnCit+γ2WlnCit+φi+ut+λWεit+vit

(2)

在式(2)中,lnHQRit表示省份i第t年对数化后的实体经济高质量发展指数;lnDFit表示省份i第t年对数化后的数字金融创新水平;lnCit为选取的一组对数化处理后的控制变量向量;W为构建的嵌套空间权重矩阵;ρ度量lnHQRit的空间滞后系数,体现被解释变量与其空间自回归项的内生交互;β0为常数项,β1为核心解释变量的回归系数,γ1为控制变量的回归系数向量;β2为核心解释变量的空间回归系数,体现核心解释变量与被解释变量在空间上的外生交互;γ2为控制变量的空间回归系数向量;φi为空间固定效应,μt为时间固定效应;λ为空间误差系数;εit和vit为服从正态分布的随机误差项。

根据参数设置的不同,空间计量模型可分为空间杜宾模型、空间滞后模型和空间误差模型。在式(2)中,当λ=0时表示空间杜宾模型(SDM);当λ=β2=γ2=0时,表示空间滞后模型(SAR);当ρ=β2=γ2=0时,表示空间误差模型(SEM)。

3.中介效应模型构建

在构建面板空间计量模型的基础上,为进一步检验数字金融创新促进实体经济高质量发展的作用机制,即检验数字金融是否通过提升金融服务实体经济的效率,进而促进实体经济高质量发展,需要进一步构建中介效应模型。在中介效应检验方法的选择上,笔者参考温忠麟和叶宝娟[36]的经典文献,结合空间计量模型,采用逐步因果法构建中介效应模型。以金融服务效率(FTFP)为中介变量的空间杜宾模型中介效应检验过程如式(3)至式(5)所示。

lnHQRit=β0+ρWlnHQRit+clnDFit+β2WlnDFit+γ1lnCit+γ2WlnCit+φi+ut+vit

(3)

lnFTFPit=α0+alnDFit+α1lnCit+φi+ut+vit

(4)

(5)

在式(3)中,若经检验回归系数c显著,则主效应显著,继续检验式(4)和式(5),若回归系数a和b同时显著,则中介效应显著;若回归系数a和b中至少有一个不显著,则用Bootstrap法检验系数乘积ab,若系数乘积显著,则中介效应显著。在中介效应显著的前提下,若式(5)中的回归系数c′同时显著,则为部分中介效应,否则为完全中介效应。

四、实证分析

在完成变量设定和模型构建后,笔者基于采集的2011—2021年31个省级行政区面板数据进行实证分析。首先检验数字金融与实体经济的全局空间自相关性,然后估计面板空间计量模型的基准回归,并分析空间溢出效应和作用机制,以验证研究假设,为提出政策建议提供依据。实证分析使用Stata 16.0软件完成。

(一)全局空间自相关性检验

空间自相关性检验用于确定变量间是否存在空间依赖关系,是构建空间计量模型的基础。全局空间自相关性检验能够描述变量的整体空间分布状况,判断是否存在空间集聚特征。Moran’sI指数是全局空间自相关性检验最常用的指标。本文基于构建的嵌套空间权重矩阵,采用Moran’sI指数检验核心解释变量数字金融创新水平(DF)和实体经济高质量发展指数(HQR)的全局空间自相关性,结果如表4所示。根据表4,2011—2021年,我国31个省级行政区的数字金融创新水平与实体经济高质量发展指数在嵌套空间权重矩阵下的全局Moran’sI均为正值,且均在1%的水平下显著,表明我国省级层面的数字金融创新和实体经济高质量发展水平均存在显著的正向空间自相关性,具备统计学意义上的空间集聚特征。进一步分析发现,两者的Moran’sI指数还有逐渐增加的趋势,即其空间依赖关系在整体上还在增强,因此适合采用空间计量方法进行实证分析,以提高实证结果的可靠性和解释力。

表4 数字金融与实体经济的全局空间自相关性检验结果

(二)面板空间计量模型估计

在估计面板空间计量模型之前,需要选择合适的模型形式,以确定式(2)中的参数设置。首先,通过LM检验来进一步验证变量间的空间依赖关系,并判断是否可以使用空间滞后模型(SAR)、空间误差模型(SEM)来估计。然后,采用LR检验来判断空间杜宾模型(SDM)是否可以退化为SAR或SEM,具体检验结果如表5所示。根据表5,LM检验和稳健LM检验的统计量均在1%的水平下显著,因此变量间存在空间滞后效应和空间误差效应。同时,LR检验均拒绝了SDM可以退化为SAR或SEM的原假设,因此采用SDM更符合检验结果。为避免遗漏,本部分同时估计SAR和SEM,以便与SDM的估计结果相比较,得出更加可靠的结论。此外,Husman检验在1%的显著性水平下拒绝了随机效应的原假设,因此可以选择空间、时间双向固定效应模型(FE)。最后,对所有解释变量均滞后一期处理,以缓解内生性问题,为叙述方便,本文实证分析部分在讨论解释变量的回归系数时,默认指的是解释变量一期滞后项的回归系数。

表5 面板空间计量模型选择检验

表6报告了各模型的基准回归估计结果。首先,模型1至3的核心解释变量数字金融创新水平DF的回归系数均在1%的水平下显著为正,并且在考虑空间内生和外生交互的SDM模型中,DF的回归系数更大,从整体上验证了数字金融创新有助于促进实体经济高质量发展,即假设H1在样本范围内得到了支持。同时,从SDM模型的估计结果看,数字金融创新水平的空间回归系数也在1%的水平下显著为正,初步验证了数字金融创新不仅会促进本地区的实体经济高质量发展,而且会影响邻近地区的实体经济高质量发展。但是,直接通过点回归,估计空间溢出效应系数可能产生偏误[37],下文将进一步构建动态空间杜宾模型并运用偏微分方法进行效应分解,以更准确地估计动态空间溢出效应。其次,SAR模型和SDM模型的空间滞后系数均在1%的水平下显著为正,说明邻近地区提高实体经济高质量发展水平,能够通过示范效应和溢出效应提升本地区的实体经济高质量发展水平。随着统一大市场的构建,生产要素的自由流动和基础设施的共享,有助于强化实体经济发展的空间集聚特征,推动实现共同富裕目标。[38]后,从控制变量看,限于篇幅,表6中仅列出了溢出效应显著的控制变量政府财政支出(Fis)的回归结果。从中可以看出,政府财政支出的增加有助于促进本地区的实体经济高质量发展,但是邻近地区加大财政支出会对本地区的实体经济高质量发展水平产生负的外部性,可能的原因是政府财政支出某种程度上体现了地方政府间的“锦标赛”竞争[39],当邻近地区政府加大财政投入时,会吸引资源要素流出,即产生“虹吸效应”,从而不利于本地区的实体经济高质量发展。

表6 面板空间计量模型基准回归估计结果

(三)空间溢出效应分析

根据基准回归结果,数字金融创新对实体经济高质量发展存在空间溢出效应,但是这种空间溢出效应不是静态的,数字金融创新通过跨区域提供数字金融产品和服务以及扩散数字技术,对邻近地区实体经济高质量发展的影响是一个动态过程。因此,本部分在Pace和LeSage[40]研究的基础上,通过引入被解释变量的时空滞后项,将空间杜宾模型扩展为动态空间杜宾模型(DSDM),并采用偏微分方法进行效应分解,结果如表7所示。从短期DSDM分解结果看,数字金融创新水平对实体经济高质量发展的短期直接效应在1%的水平下显著,同时短期溢出效应和短期总效应分别在10%和5%的水平下显著,比较具体的效应系数大小可以发现,数字金融创新在短期内主要促进本地区的实体经济高质量发展,同时对邻近地区有一定的正向溢出效应。从长期DSDM分解结果看,数字金融创新的直接效应、溢出效应和总效应均在1%的水平下显著为正,其中,溢出效应系数上升近1倍,表明在长期,数字金融创新在促进本地区实体经济高质量发展的同时,其对邻近地区的动态正向空间溢出效应进一步显现,通过技术扩散、资源共享和要素流动,显著助推邻近地区实体经济高质量发展水平的提升。综上,假设H2在样本范围内得到了支持。

表7 数字金融创新空间效应DSDM分解结果

(四)稳健性检验

采用替换解释变量测度方法和改变空间权重矩阵设定进行稳健性检验。首先,参考董竹和蔡宜霖[41]等文献,通过网络文本挖掘合成数字金融创新水平的替代变量。从底层技术和创新应用两个维度构建关键词库,前者包括大数据、云计算、人工智能、区块链、移动互联网、生物识别、物联网和元宇宙;后者包括数字人民币、智能投顾、开放银行、保险科技、互联网贷款、互联网理财、量化投资、区块链供应链金融。利用Python 3.11爬取上述关键词的百度搜索指数,进行词频统计并运用主成分分析法合成数字金融创新指数,替换基准回归中的数字普惠金融指数。其次,嵌套空间权重矩阵同时考虑了地理距离与经济特征,但是计算复杂,可能存在一定的测量误差。在稳健性检验中,直接以31个省级行政区的地理位置特征构建地理邻接权重矩阵进行空间计量分析。结果表明,在替换解释变量测度方法和改变空间权重矩阵设定这两种情形下,数字金融创新水平对实体经济高质量发展的回归系数仍显著为正,同时数字金融的空间溢出效应、实体经济的空间滞后系数也与基准回归结果基本一致,通过了稳健性检验。限于篇幅,详细的稳健性检验结果从略。

五、机制分析

(一)金融服务实体经济效率的中介效应检验

在整体上验证数字金融创新有助于促进实体经济高质量发展,且存在正向空间溢出效应的基础上,本部分进一步探究其背后的作用机制和异质性特征。从理论上看,数字金融创新通过运用数字技术赋能金融服务实体经济效率提升,进而助推实体经济高质量发展。但是,以金融服务实体经济效率为中介变量进行机制分析,首先需要对其进行准确测度。在运用DEA-Malmquis法测度金融服务实体经济效率时,考虑到省级层面数据的可得性,参考宋志秀[42]等的指标构建方法,完善了金融服务实体经济效率投入产出指标体系,如表8所示。将基于表8指标体系测算的我国31个省级行政区2011—2021年金融服务实体经济效率作为中介变量纳入空间杜宾模型,根据式(3)至式(5)所示的逐步因果法进行中介效应检验,结果如表9所示。

根据模型3的基准回归结果,在数字金融创新促进实体经济高质量发展的主效应c显著为正的前提下,表9中模型6和7显示,数字金融创新对金融服务效率的回归系数a以及金融服务效率对实体经济高质量发展的回归系数b均在1%水平下显著为正,同时模型7中数字金融创新水平的回归系数c′在5%的水平下显著为正,且其数值比基准回归结果明显下降,表明存在部分中介效应,且中介效应占总效应的比值较高,为ab/c=50.38%。因此,提升金融服务效率是数字金融服务实体经济的主要渠道,验证了数字金融创新通过提升金融服务实体效率进而促进实体经济高质量发展的作用机制,即假设H3在样本范围内得到支持。

表8 金融服务实体经济效率投入产出指标体系

(二)金融科技创新监管试点的异质性分析

为构建符合我国国情的“监管沙盒”,推动数字金融守正创新,中国人民银行组织开展了金融科技创新监管试点工作,引导金融机构和金融科技企业依托试点项目,运用科技手段赋能数字金融提质增效,服务实体经济高质量发展。截至2022年底,已有172个服务实体经济、惠民利企的试点项目落地,涉及北京市、上海市、江苏省、浙江省、广东省、河北省、四川省、重庆市、天津市等9个省级行政区。已有研究表明,完善金融监管体系、创新金融监管手段,有助于提升金融服务实体经济效率[43],进一步增强数字金融对实体经济高质量发展的促进作用[44]。因此,本部分将31个省级行政区划分为金融科技创新监管试点地区和非试点地区两个子样本,均以金融服务实体经济效率为中介变量进行机制分析,结果如表10所示。需要说明的是,虽然金融科技创新监管试点自2019年才落地,但是中国人民银行遴选试点地区的主要依据即为各地区的金融科技与数字金融水平,因此可以合理推断在试点启动前,两类地区在数字金融创新服务实体经济方面即可能存在异质性,同时考虑到面板空间计量模型对样本观察值的要求,因此表10中对两类地区的检验仍使用了完整的样本期间。

表9 金融服务实体经济效率中介效应检验结果

表10 金融科技创新监管试点的异质性分析结果

根据表10,首先对比模型8和11,可以发现,试点地区数字金融创新对本地区实体经济高质量发展的促进作用以及对邻近地区的空间溢出效应,均明显高于非试点地区,初步验证了金融科技创新监管试点服务实体经济的成效。进一步对比机制检验结果,模型9中数字金融创新对金融服务效率的回归系数a在1%的水平下显著为正,模型10中金融服务效率对实体经济高质量发展的回归系数b也在1%的水平下显著为正,同时直接效应系数c′不显著,表明在试点地区金融服务效率在数字金融创新与实体经济高质量发展之间发挥了完全中介作用,验证了假设H4。金融科技创新监管试点项目聚焦金融服务实体经济的重点领域和薄弱环节,主要包括乡村振兴、小微企业融资、产业数字化、科技金融、绿色金融、供应链金融、公众金融服务等,通过完善金融监管方式和推动数字金融创新应用,赋能金融机构数字化转型和提升金融服务效率,更好地支持实体经济高质量发展。而对于非试点地区,模型12中数字金融创新的回归系数a不显著,模型13中金融服务效率的回归系数b在10%的水平下显著,参考温忠麟和叶宝娟[36]的做法,进一步用Bootstrap法检验系数乘积ab,尽管也验证了金融服务效率的部分中介作用,但是明显弱于试点地区。非试点地区数字金融创新提升金融服务效率进而促进实体经济高质量发展的传导机制有待进一步完善。

六、结论与建议

本文基于2011—2021年31个省级行政区的平衡面板数据,通过构建实体经济高质量发展指标体系和嵌套空间权重矩阵,运用面板空间计量模型和中介效应检验方法,实证研究了数字金融创新对实体经济高质量发展的直接影响、动态溢出效应和作用机制,全面回答了数字金融创新是否有助于促进实体经济高质量发展这一核心问题。全文主要结论如下:(1)从整体上看,数字金融创新有助于促进实体经济高质量发展,在改变数字金融变量测度方法和空间权重矩阵设定的情况下,上述结论依然稳健。(2)动态空间杜宾模型检验结果表明,数字金融创新在短期内主要促进本地区实体经济的高质量发展,同时对邻近地区有一定的正向溢出效应;而在长期,其正向空间溢出效应系数上升近1倍,说明数字金融创新对实体经济高质量发展的空间影响是一个渐进、动态的过程。(3)中介效应检验结果表明,金融服务实体经济效率的中介效应占总效应的50.38%,验证了数字金融创新通过提升金融服务效率进而促进实体经济高质量发展的作用机制。(4)与非试点地区相比,在金融科技创新监管试点地区,数字金融创新提升金融服务效率更能促进实体经济的高质量发展,其直接影响、溢出效应和中介效应均明显高于非试点地区。根据以上实证研究结论,可以提出以下对策建议,以更好地发挥数字金融创新的赋能作用,提升金融服务效率,促进实体经济高质量发展。

(一)稳步推进金融科技创新监管试点,增强数字金融服务实体经济能力

实证研究表明,数字金融创新有助于促进实体经济高质量发展,而且这种促进作用和溢出效应,在金融科技创新监管试点地区明显高于非试点地区。上述结果验证了金融科技创新监管试点的成效,也为进一步推进试点工作,稳步扩大试点范围提供了依据。现行落地的试点项目,大部分位于东部沿海发达地区,而实体经济发展质量相对落后的地区,也需要通过数字金融创新,打通金融服务实体经济的堵点和痛点。因此,建议在完善金融监管体制的基础上,稳步扩大试点范围、增加试点项目,根据各地数字金融基础和实体经济需求,借鉴试点地区的成功经验,引导金融机构数字化转型,推动数字技术与金融业态的深度融合,通过培育和开展有特色、高质量的数字金融试点项目,满足乡村振兴、产业数字化、绿色发展、共同富裕等实体经济高质量发展过程中的新金融需求。要支持持牌金融机构与数字科技企业加强合作,由持牌金融机构提供金融应用场景,鼓励具有实质创新性的数字科技企业作为申报主体一起参加试点,为金融机构解决服务实体经济中的堵点和痛点问题提供科技产品和数字化解决方案,实现降本增效,提升金融机构通过数字金融创新服务实体经济高质量发展的能力。同时,贯彻落实《金融科技发展规划(2022—2025年)》,注重实践积累和经验总结,完善“监管沙盒”模式,在风险可控、依法合规的前提下发挥好金融科技创新监管试点对全局性数字化转型升级的示范、突破、带动作用,根据各地的数字金融创新基础和实体经济发展需求,分批增加试点省份和城市,适当向中西部地区倾斜,促进区域协调和均衡发展,实现数字金融创新与实体经济高质量发展的相互促进和良性循环。

(二)优化数字金融创新业态空间布局,助力实体经济均衡高质量发展

实证研究表明,数字金融创新不仅有助于促进本地区实体经济的高质量发展,而且对邻近地区具有动态空间溢出效应,呈现明显的空间集聚特征。因此,需要结合国家级金融改革开放发展创新试点和区域一体化发展的顶层设计,优化数字金融创新业态空间布局,构建优势互补、高质量发展的区域经济布局和国土空间体系。京津冀地区要充分发挥北京的首位优势和雄安新区的“先行先试”政策优势,抓好数字人民币试点、区块链先导应用和数字金融服务产品落地,围绕中关村、北交所、金融街等重要基础设施,优化金融科技服务资本市场和数字金融创新业态的空间布局与要素集聚,支撑京津冀高质量协同发展。长三角地区要落实区域一体化发展规划,以建设全国首个数字征信实验区为契机,发挥上海国际金融中心的辐射效应,促进数字技术资源、金融科技人才和数字金融业态集聚,优化空间布局和功能支撑,打造国际一流的数字金融创新都市圈和金融服务实体经济高质量发展标杆。成渝陕经济区是对我国西部发展具有重要战略意义的三角形经济区,要围绕共建西部金融中心目标,打造西部数字金融发展高地,联合实施金融数据综合应用试点项目,优化成都、重庆、西安“西三角”核心地带的数字金融空间格局和业态布局,在乡村振兴、绿色金融、科创金融、特色消费、智慧民生、监管科技、政务服务等领域拓展数字金融应用场景,完善服务实体经济高质量发展的数字金融创新体系,助推国家重大发展战略在西部地区落地实施。长江经济带在我国区域协调发展战略中起着重要作用,要发挥长江经济带横跨我国东中西部的区位优势,推动“东数西算”“东西合作”等国家战略在数字金融领域落地,优化长江沿线区域数字金融创新业态一体化空间布局,打破数据要素壁垒,打通数字金融上下游产业链,通过“强链”“补链”和释放统一大市场活力,为实体经济高质量发展提供有力金融支撑。粤港澳大湾区要立足“一个目标、两种制度、多维创新”的定位,深度构建内生高效、共生关联的数字金融创新生态体系,充分发挥数字金融创新的正向空间溢出效应,并从金融结构、跨境合作、外商投资等方面优化发展,增强湾区金融资源和生产要素集聚,服务大湾区实体经济一体化、高质量发展。其他地区也要结合区位优势和实体经济重点领域,完善地方“监管沙盒”,引育和发展数字技术支撑的转型金融、智慧乡村金融等特色金融服务,优化数字金融创新业态空间布局,促进实体经济均衡高质量发展。

(三)提升金融服务效率,畅通数字金融促进实体经济高质量发展的传导机制

实证研究表明,金融服务实体经济效率在数字金融创新与实体经济高质量发展之间发挥了重要的中介作用,因此提升金融服务效率,对于畅通数字金融促进实体经济高质量发展的传导机制,更好地发挥数字金融创新的直接作用与溢出效应,具有重要价值。可以从投入产出转换、数字技术赋能和数据要素应用三个层面提升金融服务实体经济效率。首先,投入产出的转换是金融服务效率的根基。要贯彻落实中央金融工作会议精神,完善机构定位,支持国有大型金融机构做优做强,当好服务实体经济的主力军和维护金融稳定的压舱石。要着力打造现代金融机构和市场体系,优化网点、人员、资本等金融投入数量和比例,同时提高信贷资金、金融服务等产出与实体经济高质量发展需求的匹配度,从而提高金融行业整体的全要素生产率,提升金融服务实体经济效率。其次,数字金融创新由数字技术与数据要素双轮驱动,要加大数字技术研发力度,赋能金融机构数字化转型,提升数字金融服务实体经济的效率。同时,在数字经济时代,数据作为金融业的核心资产和关键生产要素,突破了传统生产要素的边际生产力递减规律。要深化数据要素在数字金融创新与推广中的应用,完善数据要素的产权、定价、流通、交易、使用、分配、治理、安全等基础制度和政策体系[45],建立创新容错机制,加快突破金融数据可信流通、开放共享等关键技术,完善大数据交易所等数据要素市场基础设施,培育和壮大各类市场主体,鼓励金融机构搭建开放场景和平台,通过要素市场合法、合规获取和处理数据并提供基于政府部门数据、企业运营数据、金融业务数据等多种数据要素的多样化服务,促进数据要素与金融要素高效流动和优化配置,从而畅通金融服务效率提升在数字金融与实体经济高质量发展中的传导机制,充分释放数字金融创新对实体经济高质量发展的促进作用和溢出效应。