数字金融与经济高质量发展：双向赋能还是单向驱动

2024-03-24潘方卉陈淼

金融发展研究 2024年2期

潘方卉陈淼

摘要：本文以中国30个省份为研究对象，应用耦合协调度模型考察数字金融与经济高质量发展耦合协调时空演变特征，刻画两者相互影响、相互作用的典型事实后，构建空间联立方程模型研究数字金融与经济高质量发展的交互作用。研究发现：数字金融与经济高质量发展存在耦合协调关系，时序演化上两者耦合协调度呈现稳定上升趋势，且表现出区域间的差异性和收敛性，但仍存在较大提升空间；空间演变上表现为明显的“分散→聚集”特征。在本地内，数字金融与经济高质量发展已形成双向赋能的良性循环，数字金融赋能经济高质量发展存在“中部＞西部＞东部”的强度差异，经济高质量发展赋能数字金融的提质效应明显高于增量效应。在邻域内，仅存在着数字金融对经济高质量发展的单向驱动作用，暂未实现双向赋能。

关键词：数字金融；经济高质量发展；耦合协调；时空演变；空间交互效应

中图分类号：F830 文献标识码：A 文章编号：1674-2265（2024）02-0016-11

DOI：10.19647/j.cnki.37-1462/f.2024.02.002

一、问题提出

党的十九大正式提出中国经济进入高质量发展阶段，党的二十大将实现高质量发展定义为中国式现代化的本质要求，实现经济高质量发展正逐渐转变为全面建成社会主义现代化强国战略的核心要素。经济高质量发展既在满足本国人民美好生活需要、提升创新效率、优化经济发展方式、推动人与自然和谐共生、扩大对外开放等方面发挥着积极作用，又能够为推动全球经济稳定与增长贡献中国智慧与发展方案（张占斌和毕照卿，2022）[1]。

习近平总书记高度重视金融在经济发展中的重要作用，巧妙地将金融和经济比喻为血脉和肌体，为金融与经济关系研究提供理论指引。两者之间的关系一直是国内外学者关注的焦点，一些研究认为金融发展可以促进经济增长（Bucci和Marsiglio，2019）[2]，反过来经济增长也可以带动金融发展（陈晓玲和张毅，2017）[3]，即金融发展与经济增长之间存在双向因果关系（庄毓敏等，2020）[4]。同时，由于研究对象和时间的差异，也有研究认为二者之间还未形成双向促进关系（Sharma，2016）[5]。数字金融在数字技术支撑下表现出“低门槛、高效率、覆盖广”的优势（Gabor和Brooks，2017）[6]，能够发挥资源配置效应和普惠效应，推动经济高质量发展（孟添和张恒龙，2022）[7]。因此，有必要在数字化快速发展背景下拓展金融与经济的研究领域，探讨数字金融与经济高质量发展之间的双向作用。

目前有关数字金融与经济高质量发展之间关系的研究，主要集中于探寻数字金融对经济高质量发展的单向影响，具体可以分为三类。第一类认为数字金融有助于促进经济高质量发展，这种正向促进作用可以通过驱动创新创业（常建新等，2021）[8]、缓解融资约束（李梦雨等，2021）[9]、提升消费水平（薛秋童和封思贤，2022）[10]等渠道实现，并且市场化水平和财政支出水平对二者之间的关系起到调节作用（徐亚平等，2023；张珍花和杨朝晖，2022）[11，12]。第二类认为数字金融对经济高质量发展存在非线性影响（陈惠中和赵景峰，2022）[13]，这种非线性关系会受到经济开放程度、产业结构差异等因素的影響（李林汉和李建国，2022；徐伟呈和范爱军，2022）[14，15]。第三类认为数字金融对经济高质量发展的影响存在空间溢出效应，但是空间溢出效应的研究并没有得到统一结论，例如：上官绪明和葛斌华（2021）[16]研究发现数字金融对经济高质量发展具有显著的正向空间溢出效应，而褚翠翠等（2021）[17]认为这种空间溢出效应为负向抑制。

关于数字金融与经济高质量发展之间相互作用关系的研究文献仍然较为少见，且现有研究主要关注二者之间的耦合协调关系。张恒等（2021）[18]研究发现中国数字普惠金融与区域经济发展协调能力逐渐提升，杨孟阳和唐晓彬（2023）[19]则关注到京津冀地区数字金融与经济高质量发展的耦合协调性。但是，大量研究表明金融与经济增长之间存在着相互作用关系，郭四代和高静（2016）[20]认为区域金融发展与区域经济增长均能对双方产生短期内的正响应，阳佳余和张少东（2018）[21]研究发现中国地区经济增长和金融发展均存在显著空间相关性，田新民和武晓婷（2019）[22]提出中国金融与实体经济的协调度仍有较大提升空间，张芷若和谷国锋（2020）[23]研究表明科技金融与区域经济良性协同发展状况初步显现。另外，以往研究在探讨数字金融对经济高质量发展的影响时，为了保证研究结论的稳健性，也会充分考虑内生性问题，即经济高质量发展对数字金融的反作用（牛丽娟，2023）[24]。

以往研究为本文奠定了基础，但也存在着一定的不足：其一，现有研究大多关注数字金融如何影响经济高质量发展，缺乏经济高质量发展对数字金融的影响研究，忽略二者之间的双向因果关系会导致估计结果的偏误；其二，数字金融与经济高质量发展的耦合协调性研究仅停留在特定区域的时序演变特征和空间相关性，无法全面反映数字金融与经济高质量发展之间的时空关联与演变特征；其三，关于数字金融与经济高质量发展之间存在正向还是负向的空间溢出效应，仍然没有得到统一结论。鉴于空间联立方程模型不仅可以从空间视角探究经济变量之间的相互作用关系，而且可以解决联立性偏误和遗漏变量引起的内生性问题（张可，2019）[25]，本文将从全国层面研究数字金融与经济高质量发展耦合协调度的时空演变特征，同时基于空间联立方程模型探究数字金融与经济高质量发展之间的交互效应，旨在拓展金融与经济相互关系的研究边界，补充和丰富数字金融与经济高质量发展关系研究的理论和方法，为新发展阶段实现“数字金融驱动经济高质量发展、经济高质量发展促进数字金融发展”的双向赋能提供现实指导。

本文的邊际贡献有两点：一是应用耦合协调原理，构建耦合度和耦合协调度模型，利用2012—2021年中国30个省（自治区、直辖市，以下简称省份）面板数据，全面测度数字金融系统与经济高质量发展系统的耦合协调度，从时空视角分析数字金融与经济高质量发展耦合协调度的演变特征，描述数字金融和经济高质量发展相互作用、相互影响的典型事实。二是应用空间联立方程模型实证检验数字金融与经济高质量发展的空间交互影响效应，着重探索数字金融与经济高质量发展之间的空间溢出效应及其交互作用，并进一步分析数字金融对经济高质量发展空间效应的区域异质性，以及经济高质量发展对数字金融总指数和细分指数的空间效应差异。

二、研究设计

（一）研究方法

1. 熵值法。本文构建的经济高质量发展评价体系围绕创新发展、协调发展、绿色发展、开放发展、共享发展五个维度，其中每一维度由多个具体指标构成，因此，必须准确测度每个具体指标在综合评价系统中的权重。考虑到AHP层次分析法和专家打分法的主观性较强，本文选用熵值法客观赋权，确定每项具体指标的权重。熵值法主要根据指标间差异程度来确定权重，有效避免主观性影响，具体过程如下：

第一步，指标的标准化处理：

[Yij=Xij-minXijmaxXij-minXij，Xij为正向指标maxXij-XijmaxXij-minXij，Xij为负向指标] （1）

其中，[i]表示省份，[j]表示测度指标，[Xij]表示初始指标数值，[Yij]表示标准化处理后的指标数值，[maxXij]和[minXij]分别表示[Xij]的最大值和最小值，计算得到归一化矩阵[Y'=（Yij）m×n]。

第二步，计算各个指标[Yij]在经济高质量发展水平评价中的比重[wij]，由此得到比重矩阵[W=（wij）m×n]：

[wij=Yiji=1mYij（j=1，2，…，n）] （2）

第三步，计算第[j]个指标的熵值[zj]：

[zj=-（1lnm）×i=1m（wijlnwij）（i=1，2，…，m）] （3）

第四步，计算第[j]个指标的差异系数[gj]，差异系数越大，表明这一指标对研究对象起到的作用越大：

[gj=1-zj（j=1，2，…，n）] （4）

第五步，指标赋权，定义权重[pj]：

[pj=gjj=1ngj（j=1，2，…，n）] （5）

第六步，计算各省份的综合得分[hqedi]：

[hqedi=j=1npj×Yij] （6）

[hqedi]越大表示该省份经济高质量发展水平越高。

2. 耦合度模型和耦合协调度模型。耦合协调度是两个系统之间相互作用和相互影响的程度，子系统之间的耦合度与耦合协调度是决定耦合系统演变的核心因素。本文为探索数字金融和经济高质量发展的相互作用、相互影响程度，借鉴葛鹏飞等（2020）[26]的做法，建立数字金融—经济高质量发展耦合协调度模型。

多个子系统的耦合度模型表示如下：

[CZ1，Z2，…，ZL=n×Z1Z2…ZLZ1+Z2+…+ZLL1L] （7）

其中，[L=1，2，…，M]代表系统的个数。由于本文涉及数字金融和经济高质量发展两个系统，故[L]取值为2。数字金融与经济高质量发展构成的双系统耦合度模型如下：

[Cab=2×ZaZbZa+Zb212] （8）

其中，[Cab]表示数字金融系统与经济高质量发展系统的耦合值，取值为0～1，取值越大，表明两个系统耦合水平越高。虽然使用耦合度模型可以识别数字金融与经济高质量发展之间的相互作用程度，但数字金融与经济高质量发展的推进在实践中难以完全保持一致。当某个地区数字金融与经济高质量发展的综合评价值[Za]和[Zb]取值相近且较低时，使用耦合度判断可能呈现较高值的“伪评价”结果（唐晓华等，2018）[27]，使得评价结果出现偏误。因此，为准确地反映不同地区数字金融与经济高质量发展的耦合协调水平，需进一步构建如下耦合协调度模型：

[Dab=Cab×Tab] （9）

[Tab=αZa+βZb] （10）

其中，[Dab]表示数字金融系统与经济高质量发展系统的耦合协调度值，取值范围为0～1，[Tab]为数字金融系统与经济高质量发展系统的综合评价指标，[α]和[β]分别为待定权重系数，满足[α+β=1]的关系式。对于[α]和[β]的取值，需要充分考虑数字金融和经济高质量发展的重要程度。结合中国金融和经济长期发展的实践关系，参考王裕瑾和李梦玉（2023）[28]的做法，本文令[α=β=0.5]，认为数字金融和经济高质量发展同等重要，探索两者的协同发展。

3. 空间联立方程模型。为了验证数字金融与经济高质量发展可能存在的双向因果关系，考察经济高质量发展与数字金融的空间溢出效应及其交互作用，本文借鉴张可（2019）[25]的做法，选择广义嵌套空间模型构建空间联立方程模型如下：

[hqedit=α+β1dfiit+η1i=1nwijhqedit+η2i=1nwijdfiit+β2i=1nXit+μi+ε] （11）

[dfiit=α+λ1hqedit+η3i=1nwijdfiit+η4i=1nwijhqedit+λ2i=1nZit+ξi+υ] （12）

式（11）和（12）分别表示经济高质量发展方程和数字金融方程。其中，[i]和[t]分别表示地区和年份，[dfi]表示数字金融指数，[hqed]表示经济高质量发展水平，[η]表示空间相关系数，用来测度数字金融和经济高质量发展的空间溢出效应，[w]表示省份间的空间关系。考虑到其他影响经济高质量发展和数字金融的因素，故在经济高质量发展方程中加入一组控制变量[X]，包括经济发展水平、对外开放度、人力资本、研发投入强度。在数字金融方程中加入一组控制变量[Z]，包括经济发展水平、城镇化、互联网发展水平、人口密度、市场化水平。用[μ]和[ξ]表示地区个体效应，[ε]和[υ]表示随机扰动项。

（二）指标选取、数据来源、耦合类型划分与变量选取

1. 指标选取及数据来源。（1）数字金融。对于数字金融的测度，主要有普惠金融调查统计中的数字金融指标、区域数字金融指数等方式。本文采取数字金融相关研究中应用广泛的北京大学数字普惠金融指数，选取第四期（2011—2021年）中数字金融总指数（[dfi]）和细分指数（覆盖广度[cob]、使用深度[usd]以及数字化程度[dil]）衡量数字金融发展水平。鉴于覆盖广度主要体现账户的覆盖率，使用深度体现的是数字金融发展的真正效果，数字化程度则是互联网技术的集中体现（钱海章等，2020）[29]，因此，本文认为覆盖广度和使用深度指数分别是对数字金融发展的量与质的衡量。（2）经济高质量发展。遵循经济高质量发展的理论内涵，综合考虑系统性和全面性原则，按照相关学科的基本原理要求，参考杨耀武和张平（2021）[30]在测度经济高质量发展水平时选取的指标，从创新发展（[hqed1]）、协调发展（[hqed2]）、绿色发展（[hqed3]）、开放发展（[hqed4]）和共享发展（[hqed5]）五个维度选取52个具体指标综合考察经济高质量发展水平（见表1）。（3）数据来源。研究中所使用的原始数据来自《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》以及国家统计局、各省份统计局网站，评价指标体系中少量缺失数据采取线性插值的方法进行补齐。由于西藏自治区2015年以前数据缺失严重，港澳台地区数据获取难度较大，本次研究对象未涉及西藏以及港澳台地区。

2. 耦合协调类型划分。对于数字金融与经济高质量发展的耦合协调状况，本文参考杨孟阳和唐晓彬（2023）[19]的研究，采用均匀分布函数法将数字金融和经济高质量发展耦合协调度划分为10个等级，各等级的耦合协调度划分区间与发展阶段界定如表2所示。

3. 变量选取。关于数字金融发展水平（[dfi]）和经济高质量发展水平（[hqed]），前文已进行详细描述。为避免遗漏变量导致的偏差，考虑指标代表性和数据可得性，参考牛丽娟（2023）[24]、张鹏和于伟（2019）[31]的做法，选取一组影响经济高质量发展和数字金融的控制变量。

经济高质量发展方程中的控制变量包括：经济发展水平（[pgdp]），通过各省份当年人均GDP与当年全国人均GDP之比衡量，GDP是考察经济发展水平的重要指标，经济高质量发展通常需要较高的国内生产总值水平；对外开放度（[ops]），通过进出口总额与GDP的比值衡量，对外开放度的提高有助于加强国际竞争力、促进技术创新和优化资源配置，对经济高质量发展有积极影响；研发投入强度（[rdi]），高研发投入强度能够提高新产品和技术的研发效率，改善市场环境以及提高产品质量和降低生产成本，进而促进经济高质量发展；人力资本（[huma]），通过地区教育支出与财政预算内支出之比衡量，人力资本水平提升能够提高劳动力素质、创新能力以及劳动生产率，产生技术进步效应，驱动经济高质量发展水平提升。

数字金融方程中的控制变量包括：经济发展水平（[pgdp]），经济发展水平的提高通常伴随着金融服务需求的增加；城镇化（[urban]），通过地区城镇人口与总人口的比值进行衡量，高城镇化水平可以提供数字金融所需的资源并改善数字金融建设的市场环境；互联网发展水平（[lid]），运用互联网宽带接入数与总人口的比值衡量，互联网发展能够提供数字化、智能化、网络化的条件，推动数字金融业务的创新和应用；人口密度（[den]），通过地区每平方公里人口数衡量，人口密度的增加为数字金融发展提供更广阔的市场，促进数字金融产品和服务的覆盖面和使用率增加；市场化水平（[mar]），运用私营企业和个体就业人员数与总人口的比值进行衡量，市场化水平越高，营商环境越优化，为数字金融创新发展提供潜能。主要变量的描述性统计见表3。

三、时空演变格局分析

当前不平衡不充分的發展限制着人民对美好生活的向往，充分发挥经济的肌体作用和金融的血脉作用，是立足中国实际、解决中国主要矛盾的重要方式。已有学者关注数字金融、经济高质量发展自身的发展特征。对于数字金融，研究发现中国数字金融发展水平逐年提高，31个省份间存在差异、集聚与收敛特征。对于经济高质量发展，从地级市、特定流域、城市群到七大区域，再到全国，均呈现出“水平不高，稳步前进”的趋势，但经济高质量发展不均衡问题十分突出（陈景华等，2020）[32]。要刻画数字金融与经济高质量发展的时空耦合特征，必须把握两个系统各自的发展趋势。

（一）数字金融与经济高质量发展水平分析

1. 数字金融发展水平。如图1所示，2012—2021年中国七大区域数字金融发展水平整体呈现出“阶梯式”增长趋势，主要形成包括增长期（2012—2015年）、平台期（2015—2016年）、加速增长期（2016年—2021年）在内的三个发展阶段。在增长期，七大区域发展速度差异不显著，华东以外区域形成数字金融发展聚集区，数字普惠金融指数聚集在[200，225]。在平台期，七大区域数字金融发展变化不大，基本维持在平行状态。在加速增长期，全国数字金融发展水平加速增长，尤其是在2017年以后数字金融发展水平增速明显快于增长期与平台期，这与中国基础设施建设加快、互联网加速普及的物质基础密不可分。

2. 经济高质量发展水平。全国及七大区域2012—2021年经济高质量发展水平的变化趋势如图2所示，主要呈现出以下四点规律：第一，各地区的经济高质量发展水平整体呈上升趋势，除华南和东北地区出现过小幅度下降外，其他地区均呈现持续上涨态势。第二，各省份之间的经济高质量发展水平存在显著差异，华东地区在2016年以后始终处于七大区域之首，而西北地区的经济高质量发展水平一直较为落后。第三，2017年之后七大区域经济高质量发展水平开始呈现加速上升的趋势，主要原因可能是党的十九大提出“经济高质量发展”，产生了显著的政策性推动效应。第四，不同地区的经济高质量发展速度存在差异，华东、华南、西南等地区相对其他地区发展更快。

（二）数字金融与经济高质量发展水平耦合协调度的时空演变特征

1. 时序演变趋势。时序演变是在纵向时间维度比较分析数字金融与经济高质量发展耦合协调度的变化趋势，利用耦合协调度模型对2012—2021年数字金融和经济高质量发展耦合协调度进行测算，具体结果见表4。

整体来看，中国数字金融与经济高质量发展耦合协调度呈现逐年递增趋势，由2012年的0.355提升至2021年的0.709，年均增长率为7.15%，表明数字金融与经济高质量发展之间的耦合协调度在不断提升，但仍存在较大提升空间。

分区域来看，华东和华北地区始终位于前两位，均属于初级协调（均值在0.60～0.69），而东北、西南和西北地区耦合协调度均低于全国平均水平，东北、华南、华中和西南地区属于勉强协调（均值在0.50～0.59之间），西北地区仍处于濒临失调（均值为0.491），即数字金融与经济高质量发展耦合协调水平在不同区域间存在着显著的差异，区域发展不均衡特征明显。从增长率来看，各大区域年均增长率排名较高的依次是西北（9.47%）、西南（9.1%）以及华中地区（8.12%），超过全国平均水平，其次是华南（6.81%）、东北（6.6%）以及华北地区（6.04%），年均增长率最低的是华东地区（5.98%）。在这种情境下，耦合协调度较高的地区往往表现出较低的增长率，而耦合协调度较低的地区则有较高的增长率，说明中国数字金融与经济高质量发展耦合协调差距正在逐渐缩小，区域发展差异呈现出一定的收敛态势。

分省份来看，仅北京进入高度协调期，属于良好协调；上海、广东、浙江、江苏、天津和福建进入发展期，前三者属于中级协调，后三者属于初级协调阶段；其余23个省份则仍处于过渡期，其中14个省份属于勉强协调，9个省份属于濒临失调，表现出经济发达省份的耦合协调度较高的特征，而且省份间发展不平衡问题较为严重。从增长率来看，排名前5位的省份分别为贵州、青海、甘肃、云南和广西，增长率后5位的省份为广东、浙江、天津、北京和上海，表现出耦合协调水平越高（低）的省份增长速度越低（高）的特征。

2. 空间演变趋势。鉴于2017年数字金融与经济高质量发展耦合协调度由波动增长阶段过渡到快速发展阶段，本文分别选取2012年、2017年、2021年中国各省份耦合协调度为评价对象，描绘各省份耦合协调度空间分布，进而揭示数字金融和经济高质量发展耦合协调度的空间分异特征，具体见图3。

根据图3可知，2012—2021年，数字金融与经济高质量发展耦合协调度的空间演变具有明显的“分散→聚集”特征。具体而言：2012年，中国有20个省份数字金融与经济高质量发展耦合协调度处于可接受的失调期，7个省份处于过渡期，贵州和青海处于衰退期，仅北京处于发展期，耦合协调类型分布在从严重失调到初级协调的6个等级内，平均耦合等级4.05，七大区域的空间分布相对分散。2017年，北京以外的省份已进入过渡期或发展期，西北以外的地区空间分布相对聚集，空间分散程度缩小，空间聚集度加强，平均耦合等级6.53，新疆、甘肃、宁夏以外的27个省份基本实现数字金融与经济高质量发展的协调发展。2021年，23个省份数字金融与经济高质量发展耦合协调进入发展期，北京、上海等6个省份迈向高度协调期，仅新疆处于过渡期，但也基本实现了数字金融与经济高质量发展的勉强协调，平均耦合等级提升至7.58，七大区域基本形成空间聚集分布，且呈现出“华东＞华北＞华中＞华南＞西南＞东北＞西北”的空间分布，北京、上海、广东、重庆等省份数字金融与经济高质量发展的耦合协调水平明显高于区域内其他省份。

总体来看，自2012年以来，中国数字金融与经济高质量发展耦合协调度的增长趋势明显，空间分布由最初的分散状态逐渐向聚集状态转变，数字金融与经济高质量发展相互促进、相互支撑的作用不斷提升，这正是数字经济与实体经济深度融合的体现。具体而言，首先，数字经济驱动数字金融快速发展，随着大数据、人工智能等技术的快速应用，数字经济成为推动经济增长的新动力（王亮和蒋依铮，2022）[33]，加速发展的数字经济不断夯实数据要素基础和优化数据要素配置（李治国和王杰，2021）[34]，极大地推动了数字金融的快速发展。其次，经济高质量发展水平快速提升，党的十九大作出“我国经济已由高速增长阶段转向高质量发展阶段”的重大论断，促使各地区积极走高质量发展道路，不断提升经济高质量发展水平。最后，国家政策不断推进数字经济与实体经济深度融合，进一步释放数字红利，畅通国内国际双循环，构建现代产业体系，为数字金融与经济高质量发展双向赋能提供动力。

四、空间交互效应分析

数字金融能够有效驱动经济高质量发展，经济高质量发展为数字金融发展提供支撑，两者可能存在双向因果关系。现有文献研究数字金融驱动经济高质量发展时往往采取工具变量法解决内生性问题，同时传统联立方程模型难以估计可能存在的空间溢出效应，而以空间杜宾模型为代表的传统空间计量模型虽能识别空间溢出效应的大小，但难以刻画被解释变量与解释变量之间的交互影响。因此，本文采用空间联立方程模型探究空间交互效应，既能避开变量间的内生性问题，又能识别出数字金融和经济高质量发展之间的交互影响和空间溢出效应。

（一）空间相关性检验

应用空间联立方程模型需要建立在空间自相关的基础上，因此，需要考察变量之间的空间相关性。先基于各省份的社会经济数据构建邻接矩阵和经济距离矩阵。具体地，邻接矩阵依据地区[i]和地区[j]是否相邻确定空间权重；经济距离矩阵根据地区[i]和地区[j]人均GDP差值取绝对值的倒数确定空间权重，后续空间联立分析所需的空间权重矩阵也据此设定。然后，计算数字金融和经济高质量发展的空间Moran's I指数，结果如表5所示。由表5可知，在邻接矩阵和经济距离矩阵下，数字金融和经济高质量发展均呈现出显著的空间相关性，表明空间联立方程模型分析有效，两者的相互影响可能存在空间溢出效应。

（二）空间联立分析

本文將采用广义三阶段空间最小二乘估计法（GS3SLS）来估计空间联立方程模型。经济高质量发展方程和数字金融方程的具体估计结果分别见表6和表7。

1. 数字金融对经济高质量发展的影响结果分析。根据表6可知，在直接效应方面，无论是邻接矩阵还是经济距离矩阵，从全国到东部、中部以及西部地区①，数字金融对经济高质量发展的估计系数基本在1%的水平下显著为正，表明数字金融赋能经济高质量发展。而这种正向赋能效应存在区域异质性，表现为“中部＞西部＞东部”的赋能强度差异。原因可能是：一方面，数字金融可以通过降低交易成本缓解金融排斥和融资约束问题，相比于东部地区，中西部地区的融资约束水平较高，因此，数字金融驱动经济高质量发展的效应在中西部更加显著；另一方面，相比于中部地区，西部地区存在着数字基础设施较差、居民数字素养较低等问题，因此，数字金融驱动经济高质量发展的效应在中部地区大于西部地区。

在空间效应方面，整体来看，邻接矩阵和经济距离矩阵都显示，本地数字金融对邻域经济高质量发展呈现正向空间溢出作用，表现出“涓滴效应”，因此，数字金融在带动区域经济高质量发展、缩小经济发展差异方面起到积极作用，有助于缓解中国经济发展不平衡、不充分的问题。分区域来看，数字金融对经济高质量发展的空间溢出效应存在明显的区域异质性。首先，在使用邻接矩阵时，东部地区数字金融驱动经济高质量发展的空间溢出效应在5%水平上显著为正，但是在使用经济距离矩阵时，则不显著。可能的原因在于：一方面，东部地区作为中国经济的重要发展极，邻近地区企业都具备数字金融服务等创新技术支持，不仅在本地经济活动中表现出较强的竞争力，同时拥有开发更大潜在市场的需求和更多与周边企业交流合作的机会，区域间的经济联系和贸易往来比较紧密，因而数字金融对周边经济高质量发展的溢出效应显著；另一方面，东部地区内部的经济差距相对较小，往往有较高的经济协同效应，因而在使用经济距离矩阵时表现并不显著。其次，中部地区数字金融对经济高质量发展的空间溢出效应表现为使用邻接矩阵时不显著，使用经济距离矩阵时在5%水平上显著为负，可能的原因是中部地区正处于经济快速发展时期，同质经济体内部资源争夺越发激烈，导致“虹吸效应”显著。因此，中部地区数字金融对本地经济高质量发展的正向影响效应最大，而对邻近地区则表现出负向空间溢出效应。最后，西部地区数字金融对经济高质量发展的空间溢出效应表现为显著的正向赋能，可能的原因是西部地区相对落后，数字金融服务在经济结构、营商环境和政策扶持等方面有一定倾向性，有助于促进西部地区经济的持续增长和转型升级，从而实现经济高质量发展。同时，地理邻接经济体之间的空间溢出效应显著低于同质经济体之间的空间溢出效应，反映出成渝经济圈带动西部地区发展的作用明显，契合中国近年来大力推进成渝地区双城经济圈建设的政策导向。

2. 经济高质量发展对数字金融的影响结果分析。根据表7给出的数字金融方程估计结果，在直接效应方面，两种空间权重矩阵下，经济高质量发展对数字金融总指数的影响均在1%水平上为正，表明经济高质量发展对数字金融起到积极推进作用。但是，经济高质量发展对数字金融细分指标的影响存在一定差异，对使用深度的正向促进作用高于覆盖广度和数字化程度。原因可能是，经济高质量发展不仅关注经济总量的增加，更注重质的提升，而数字金融使用深度指数体现数字金融服务的质量，因此，经济高质量发展必然会对该细分指数起到更加积极的促进作用。

在空间效应方面，两种空间权重矩阵下经济高质量发展对数字金融总指数、覆盖广度、数字化程度的空间溢出效应均表现为1%水平上的显著抑制作用，表明本地经济高质量发展水平会对邻域数字金融发展产生抑制作用，经济高质量发展高水平地区会吸引人才、企业、技术等资源聚集，产生“虹吸效应”。此外，在数字金融各维度的异质性分析中，经济高质量发展对邻域数字金融数字化程度的抑制作用高于覆盖广度和使用深度，表明各地区在数字化基础设施建设中的资源竞争比较激烈。

五、结论与建议

（一）主要结论

本文基于2012—2021年中国30个省份的面板数据，使用耦合协调度模型和空间联立方程模型研究数字金融与经济高质量发展之间的协调性和空间交互影响效应。研究发现：

第一，中国数字金融发展呈现“阶梯式”增长，七大区域间差异不显著，而经济高质量发展水平呈现“波动式”增长，七大区域间差异存在扩大趋势，数字金融系统的差异显著低于经济高质量发展水平系统。

第二，中国数字金融与经济高质量发展之间存在耦合协调关系。时序演变上，研究期内两者耦合协调度呈现稳定上升趋势，地区耦合协调度与其增长率存在负向关系，“追赶效应”逐渐显现。时空演变上，数字金融与经济高质量发展之间的耦合协调关系具有明显的“分散→聚集”特征，期末呈现“华东＞华北＞华中＞华南＞西南＞东北＞西北”的空间分布，北京、上海、广东、重庆等省份数字金融与经济高质量发展的耦合协调水平明显高于区域内其他省份。

第三，数字金融与经济高质量发展在本地实现双向赋能，即数字金融可以赋能经济高质量发展，经济高质量发展也可以赋能数字金融的发展。其中，中部地区数字金融对经济高质量发展的正向驱动效应明显高于西部和东部，而经济高质量发展对数字金融的提质效应强于增量效应。

第四，数字金融和经济高质量发展存在空间溢出效应，即本地数字金融与邻域数字金融显著正相关，而本地经济高质量发展与邻域经济高质量发展显著负相关。此外，两者存在显著的空间交互作用，即本地数字金融能够促进邻域经济高质量发展，存在明显的区域异质性，东部和西部地区的促进作用更加明显，中部表现为抑制作用；而本地经济高质量发展阻碍着邻域数字金融发展，对数字化程度的抑制作用明显高于覆盖广度和使用深度，具有明显的“虹吸效应”。

（二）政策启示

本研究对推动数字金融与经济高质量发展协调发展具有重要的政策启示：

一是应加强数字金融系统建设，提升数字金融服务高质量发展的水平。中国数字金融的快速发展，为经济高质量发展提供了有力支持。作为数字经济的重要组成部分，数字金融的快速发展需要更多科技人才以及更加完善的技术体系支撑，政府应当进一步加大对数字金融系统建设的投入，加强科技人才培养，鼓励企业加大自主研发。同时，借鉴国际数字金融实践，制定和完善数字金融的法律法规体系，提高数字金融风险监管水平，确保数字金融业健康快速发展。

二是应优化数字金融与经济高质量发展的协调性，实现金融与经济双向赋能。实现数字金融与经济高质量发展的协调发展，需要根据不同地区的发展实际制定差异化政策。例如，在中西部地区，数字金融与经济高质量发展还处于起步阶段，政策应注重数字金融市场的快速建设，提高数字金融对经济的驱动作用；而在东部地区，数字金融与经济高质量发展已达到一定水平，政策应该重在驱动数字化技术创新，推动数字金融向高端化升级。此外，应当针对不同地区的特点，出台针对性的政策措施，例如提高金融创新力度、加快数字金融和实体经济深度融合等。

三是应加强数字金融与经济高质量发展的交互作用，实现地区间良性循环。政府可以通过加强数字金融与经济高质量发展之间的交互作用研究，建立多重合作机制和数字金融产业联盟等机构，优化发展策略，采取差异化政策措施，以实现地区间良性循环，推动数字金融和经济高质量发展的整体提升。

综上，加强数字金融与经济高质量发展的协调性和空间交互影响效应，推动以数字金融为代表的数字经济向高质量发展，是当前经济发展的一个重要命题。政府在推进数字金融和经济高质量发展方面要注重协调和创新，落实好具体的政策，并采用科学的监测和评估方法来不断优化政策，加快实现省际数字金融和经济高质量发展之间的双向赋能协调与互动，为经济发展提供强大支持。

注：

①在本研究中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省份；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南等9个省份；西部地区包括广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等10个省份。

参考文献：

[1]张占斌，毕照卿.经济高质量发展 [J].经济研究，2022，57（04）.

[2]Bucci A，Marsiglio S. 2019. Financial Development and Economic Growth：Long-run Equilibrium and Transitional Dynamics [J].Scottish Journal of Political Economy， 66（3）.

[3]陈晓玲，张毅.金融发展、产业升级与经济增长的动态关系研究——基于省际数据的面板VAR分析 [J].财贸研究，2017，28（10）.

[4]庄毓敏，储青青，马勇.金融发展、企业创新与经济增长 [J].金融研究，2020，478（04）.

[5]Sharma D. 2016. Nexus Between Financial Inclusion and Economic Growth：Evidence from the Emerging Indian Economy [J].Journal of Financial Economic Policy，8（1）.

[6]Gabor D，Brooks S. 2017. The Digital Revolution in Financial Inclusion：International Development in the Fintech era[J]. New Political Economy， 22（4）.

[7]孟添，张恒龙.数字金融与区域经济高质量发展[J].社会科学辑刊，2022，（01）.

[8]常建新，范立春，高莉.数字普惠金融能够推动经济高质量发展吗？[J].金融发展研究，2021，（12）.

[9]李梦雨，彭传旭，魏熙晔.数字金融能否促进经济高质量发展——来自我国275个城市的经验证据 [J].金融监管研究，2021，（11）.

[10]薛秋童，封思贤.数字普惠金融、居民消费与经济高质量发展 [J].现代经济探讨，2022，（07）.

[11]徐亚平，潘韵婷，史依铭.数字普惠金融、市场化水平与经济高质量发展——来自我国217个地级市的证据 [J].金融发展研究，2023，（01）.

[12]张珍花，杨朝晖.数字普惠金融对经济高质量增长影响研究——基于政府参与视角 [J].华东经济管理，2022，36（04）.

[13]陈惠中，赵景峰.数字金融、产业结构优化与经济高质量发展 [J].西南民族大学学报（人文社会科学版），2022，43（05）.

[14]李林汉，李建国.数字普惠金融、经济开放对经济高质量发展的非线性效应 [J].統计与决策，2022，38（11）.

[15]徐伟呈，范爱军.数字金融、产业结构调整与经济高质量发展——基于南北差距视角的研究 [J].财经科学，2022，（11）.

[16]上官绪明，葛斌华.数字金融、环境规制与经济高质量发展 [J].现代财经（天津财经大学学报），2021，41（10）.

[17]褚翠翠，佟孟华，李洋，费威.中国数字普惠金融与省域经济增长——基于空间计量模型的实证研究 [J].经济问题探索，2021，（06）.

[18]张恒，赵茂，李璐.数字普惠金融与区域经济发展的时空耦合协调研究——基于2011—2019年省级面板数据实证 [J].新金融，2021（06）.