数字金融对制造业全球价值链分工地位的影响研究

罗国良

（广东技术师范大学管理学院，广州 510665）

0 引言

制造业作为中国科技实力与工业能力的关键载体，是推动实体经济高质量发展的主要引擎。改革开放以来，中国制造业凭借低成本优势与“两头在外、大进大出”的外向型发展模式，嵌入全球价值链加工环节，加速工业化与现代化进程。发展至今，中国制造业出口产品科技含量和附加值逐渐提升，参与全球价值链的程度也在进一步加深。尚需注意，国际贸易摩擦常态化与贸易政策不确定性加快了制造业全球价值链重构[1]，这对中国制造业外向型发展带来较大冲击。在此背景下，如何推动制造业全球价值链分工地位从低端锁定向高端攀升，促使中国真正成为参与全球价值链的受益者，已成为当下重要的研究课题。

伴随新一轮科技革命的深入推进，由数字技术与金融领域深度融合形成的数字金融可发挥普惠性、低成本优势，为提升制造业全球价值链分工地位带来新效能。具体而言，数字金融依托丰富的金融业态，可有效缓解融资约束，增加制造业研发投入资本，增强制造业市场核心竞争优势，进而提升制造业全球价值链分工地位。然而，这种促进作用并非长期有效，尤其在面临较大融资约束引致无法覆盖出口固定成本与沉没成本时，制造业就会减少研发投入，由此削弱全球价值链升级能力[2]，降低全球价值链分工地位。可见，数字金融蓬勃发展在一定程度上与制造业全球价值链分工地位的提升之间存在不确定性。那么，数字金融与制造业全球价值链分工地位的关系到底为何？其中影响机制表现如何？在数字化浪潮下，厘清数字金融与制造业全球价值链分工地位的因果关系及作用机制，可在现实层面为金融机构制定制造业高质量发展的金融政策给予经验参照。

与本文直接相关的文献主要有三类。一是关于数字金融内涵的研究。何运信等（2021）[3]研究认为，互联网金融是将移动支付、信息处理与资源配置相结合的金融服务业态。朱丽萍等（2022）[4]强调，数字金融主要指金融机构借助数字工具与互联网平台进行融合，为不同群体提供融资、支付、投资与其他业务的一种新型金融服务模式。徐伟呈等（2022）[5]将数字普惠金融划分为服务广度与服务深度两个子维度，多元化地阐释了数字金融内涵。二是关于制造业全球价值链分工地位影响因素的研究。目前，多数研究论证了技术要素对制造业全球价值链分工地位的影响。陈晓华等（2022）[6]研究发现，高技术含量中间品进口显著增强了制造业的全球价值链参与程度。王元彬和王林（2022）[7]经过实证研究指出，技术要素研发活动有利于提升制造业全球价值链分工地位。同时，少部分研究探究了政策制度对制造业全球价值链分工的影响，认为环境规制强度提高[8]、经济政策不确定性增加[9]会明显促进制造业全球价值链分工地位提升。三是数字金融与制造业全球价值链分工地位的关系。伴随金融科技快速发展，既有研究正在不断丰富数字金融与制造业全球价值链分工二者间影响机制的内容。如孙哲远（2022）[10]的研究指出，数字金融有利于促进制造业全球价值链嵌入位置攀升。

既有文献为深入辨析数字金融如何影响制造业全球价值链分工地位提供了一定的经验借鉴。但令人遗憾的是，过往研究少有立足动态视角探析数字金融与制造业全球价值链分工地位的非线性关系及其内在作用机制的。据此，本文基于2007—2021 年中国制造业数据库与中国海关数据库匹配数据，设计了“数字金融—融资约束/企业杠杆率—制造业全球价值链分工地位”逻辑框架，以期为提升制造业全球价值链分工地位提供一定的经验证据。

1 研究假设

1.1 数字金融对制造业全球价值链分工地位的影响机制

数字金融可凭借新型数字技术合理配置资源，实现精准匹配供需并降低交易门槛[11]，缓解制造业融资约束，提高制造业资金使用效率，对提升制造业全球价值链分工地位带来有利契机。其一，数字金融可借助数字技术，联同线上线下交易主体搭建资金供求双方的中介平台，获得有别于传统信息的动态化、精确化信息，进而为尾部制造业提供充足资金支持，缓解融资约束。如此，制造业可获得大量融资进行技术研发，增强技术创新能力，提高制造业全球价值链分工地位。其二，数字金融以数字化技术实现信贷业务智能化，建立起资本供给方与需求方之间的直接资金联系，能够加快资金流通速度，实现资金供给与资金需求相匹配，为制造业提升全球价值链分工地位提供重要资金来源。

数字金融的融资约束缓解效应存在一个合理界限。数字金融若超出一定区间，则会使制造业管理决策倾向于跨行业套利，在有限金融资源的情况下抑制制造业创新投资积极性，不利于提升制造业全球价值链分工地位。为追求更多利益，数字金融机构会将资金配置于制造业高风险投机活动，提高制造业投资杠杆率，增加系统性风险可能性。此时，数字金融机构进行大规模投资与信贷扩张操作若难以获得预期收益，则会出现坏账高企问题，进而导致信贷市场崩溃，削弱制造业核心竞争优势，拉低制造业全球价值链分工地位。根据以上分析，提出如下研究假设：

假设1：数字金融与制造业全球价值链分工地位存在先提升后降低的“倒U”型关系。

假设2：数字金融既可通过缓解融资约束这一渠道提升制造业全球价值链分工地位，也可通过增加企业杠杆率对制造业全球价值链分工地位产生不利影响。

1.2 营商环境的调节作用

营商环境是直接影响全球价值链分工地位的重要因素[12]，也是提升市场资源配置效率的基础条件。营商环境好意味着市场主导者能够围绕企业需要提供更高水平的服务，降低政府对市场经济活动的干预程度。实际上，良好的营商环境可为数字金融快速融入制造业各环节提供体制机制支撑，推动制造业更好地使用外部资金进行研发创新，提升制造业全球价值链分工地位。在“倒U”型曲线到达拐点之前，营商环境的改善会增强数字金融对制造业全球价值链分工地位的提升效应，这在图形上表现为曲线形态收窄的状态。在到达拐点之后，营商环境的改善会加速推进数字金融发展，倒逼制造业将闲置资金用于开拓市场。如此一来，制造业更关注实体层面的研发创新，有利于实现“脱虚向实”，提高在实体经济领域的核心竞争优势，提升制造业全球价值链分工地位。此时，曲线下滑态势更加明显。并且，良好的营商环境会推动数字金融快速发展，延缓拐点到来的时间，进而提升制造业全球价值链分工地位，这在图形上表现为拐点右移的态势。综合上述分析，提出如下研究假设：

假设3a：营商环境对数字金融与制造业全球价值链分工地位的“倒U”型关系存在调节效应。

假设3b：良好的营商环境能够促使数字金融与制造业全球价值链分工地位的“倒U”型曲线收窄、拐点右移、整体水平提升。

2 研究设计

2.1 变量选取

2.1.1 核心解释变量：数字金融指数（Fin）

《北京大学数字普惠金融指数》基于覆盖广度、使用深度以及数字化程度三个层面展开深入分析，构建了包含24个具化指标的数字普惠金融指数。该指数对中国省级与地级市数字普惠金融发展水平进行详细评价，具有较强的权威性。因此，本文将该指数作为数字金融的代理变量。与此同时，考虑到部分原始指标与其他变量数值相比过大，进一步对数字金融指数取对数。

2.1.2 被解释变量：制造业全球价值链分工地位（GVC_P）

以制造业国际分工地位指数表征制造业全球价值链分工地位。具体算法为，以一国制造业中间品出口额与该国制造业中间品进口额之比并取对数得出中间品对数值，进而以一国制造业对其他国家出口的中间品对数值-本国制造业出口品中使用进口中间品对数值得出制造业全球价值链分工地位指数。可用如下公式表示：

式（1）中，GVC_P为制造业全球价值链分工地位指数；CKdi代表d国i制造业的间接增加值出口；DKdi指代d国i制造业出口最终产品中所包括的国外增加值；Fdi反映的是d国i制造业总的出口增加值。有学者以式（1）为基础，进一步从四个维度（包括增加值出口、出口加工后返回本国的国内增加值、国外增加值与重复计算部分）出发[13]，分解了制造业全球价值链分工地位指数。在此之后，王直等（2015）[14]在Koopman 等（2014）[13]研究的基础上，从部门层面分解了出口增加值，并将总出口分解为16个部分。按照上述分解思路及结果，可将制造业全球价值?链分工地位指数表示为：

式（2）中，DE_intdi表示d国i中间品间接出口的国内增加值；RDXdi为d国i中间品出口返回国内的增加值；DDIdi为d国i中间品出口国内价值重复计算部分；MESdi为内含于本国出口中的进口国增加值；OVXdi代表内含于本国出口中的第三国增加值；FEIdi代表d国i中间品出口国外价值重复计算部分。在实际核算过程中，GVC_P数值越大意味着一国制造业在国际分工活动中可越好地进行中间产品的出口，这也能够说明制造业全球价值链分工地位越高。

2.1.3 调节变量：营商环境（BE）

结合2019 年国务院颁布的《优化营商环境条例》，本文选取具有典型特征的政策环境、金融环境、市场环境、创新环境和基础环境5 个一级指标并对应下设12 个二级指标。在此基础上，将2007—2021 年国家及相关部门发布的权威数据作为取值，并运用熵权法测得营商环境权重。营商环境评价指标体系及其权重如表1所示。

2.1.4 中介变量

本文主要涉及两个中介变量：一是融资约束（KZ）。借鉴已有研究成果[15]，以KZ指数衡量融资约束水平。该指数越大，代表制造业面临的融资约束程度越高。二是企业杠杆率（LEV）。参照传统研究做法[16]，用短期借款余额加长期借款余额再除以总资产测得企业杠杆率。所得数值越高，意味着制造业企业杠杆率越高，反之越低。

2.1.5 控制变量

从行业维度与国家维度出发，引入下述控制变量。行业层面包括：研发投入强度（tec），以研发投入/GDP 衡量；技术创新能力（rd），以专利授权数表征；资本存量（hum），根据中国人力资本与劳动经济研究中心的计算方法，选用J-F收入法计算的实际劳动力资本存量（含在校生）作为资本存量的代理变量。国家层面包括：对外直接投资力度（open），以对外直接投资/GDP衡量；基础设施水平（bas），以公路里程数表征；自然资源禀赋（env），以本国燃料、金属、矿石出口总和占该国总出口的比重衡量。

2.2 模型构建

为验证研究假设1，构建如下形式的计量回归模型：

式（3）中，被解释变量GVC_Piet代表第t年e地区i制造业企业全球价值链分工地位指数；核心解释变量lnFiniet与(lnFin)2iet分别表示t年e地区i制造业企业数字金融指数及其二次项；Ctriet为一系列控制变量的集合；χi与γt分别表示个体固定效应与时间固定效应；εiet是随机扰动项。

为进一步考察营商环境在数字金融与制造业全球价值链分工地位二者之间的调节效应，在式（3）基础上构建如下调节效应模型：

式（4）中，BEiet代表t年e地区i制造业企业面临的营商环境。

此外，为检验研究假设2，构建中介效应模型进行论证，具体形式如下：

中介效应检验路径包括c路径、a路径和c′路径三个模型。其中，c路径为核心解释变量对被解释变量的回归；a路径为中介变量Miet对核心解释变量的回归；b路径和c′路径表示核心解释变量对被解释变量和中介变量的回归。中介变量Miet包括两个，即融资约束（KZ）与企业杠杆率（LEV）。

2.3 样本选取与描述性统计

基于研究需要与数据可得性原则，将研究期设定为2007—2021 年。同时，按照《国民经济行业分类（GB/T 4754—2017）》，选取代码为C13—C43 的沪深A 股上市制造业企业为初始样本。本文数据主要源自国泰安与万得两大主流数据库。其中，数字金融数据来自北京大学数字金融研究中心，制造业全球价值链分工地位数据来源于海关贸易数据库和国研网贸易数据库。控制变量数据来自国家统计局官网、各省份统计公报与统计年鉴、EPS 数据库。部分缺失数据采用插值法补齐。为提升研究精准性，本文对样本进行如下处理：其一，剔除ST*、ST与关键数据严重缺失的上市制造业企业；其二，对连续变量进行双边1%的缩尾处理。经过筛选，获得12553个观测样本。主要变量及其描述性统计结果如下页表2所示。

3 实证结果及分析

3.1 数字金融对制造业全球价值链分工地位的影响

通过式（1）对研究假设1进行检验，结果如下页表3所示。列（1）为未加入控制变量、个体固定效应与时间固定效应时，核心解释变量对被解释变量的影响。结果显示，数字金融的一次项系数为0.1362，二次项系数为-0.1025，均通过1%水平上的显著性检验。这说明数字金融对制造业全球价值链分工地位呈先增强后削弱的“倒U”型影响。控制个体固定效应与时间固定效应，以及加入一系列控制变量后的回归结果分别见列（2）、列（3）。研究表明，核心解释变量的显著性及符号与列（1）一致。由此，假设1得证。

3.2 营商环境的调节效应

在式（1）中加入数字金融与营商环境的交乘项（lnFin×BE）以及数字金融二次项与营商环境的交乘项（(lnFin)2×BE），进行回归分析。表3 结果显示，lnFin×BE与(lnFin)2×BE的回归系数分别为0.4112 与-0.1253，且均通过1%水平上的显著性检验。这说明营商环境对数字金融与制造业全球价值链分工地位的关系产生调节作用，假设3a得证。进一步考虑到，营商环境对数字金融与制造业全球价值链分工地位的“倒U”型曲线关系的具体影响效果如何？为探究这一问题，参考杨骞等（2019）[17]的经验，对式（4）进行简化并得到如下公式：

具体分析如下：

（1）营商环境对“倒U”型曲线形态的影响

从式（8）可知，制造业全球价值链分工地位是关于数字金融的二次函数。理论上而言，曲线顶点的曲率一般决定曲线形态的平缓程度。针对于此，按照曲率计算方法对式（7）求二阶导数，由此得出且C＜0。进一步就曲线属性而言，C越大意味着曲率越接近0，也就说明曲线越平缓。在具体研究中，考虑到调节变量营商环境是影响曲线平缓程度的重要因素，依据上述内容进行计算并得出。根据表3 列（4）结果，a4系数为-0.1253，意味着营商环境水平提高会使得曲率C变小，进而导致“倒U”型曲线趋向于变窄。对此，为探究营商环境对“倒U”型曲线形态产生何种影响，本文将BE取25%的分位数（-0.1555），代表营商环境水平较低，将BE取75%的分位数（-0.0133），代表营商环境水平较高。随后，将BE值和系数估计值代入顶点曲率计算公式，进而得到如下结果：当BE值较小时，C值为-0.0143，反之C值为-0.0149。该结果证实，当营商环境水平较高时，数字金融与制造业全球价值链分工地位的“倒U”型曲线顶点曲率变小。此时，良好的营商环境可使得“倒U”型曲线收窄，假设3b得证。

（2）营商环境对“倒U”型曲线拐点的影响

根据二次函数性质可知，曲线拐点为一阶导数等于0时，核心解释变量的取值设置为lnFin*，进而得出lnFin*=进一步地，对BE求导得出，代入可得。从计算结果来看，伴随营商环境的逐步改善，曲线拐点会逐渐向右移动。也就是说，营商环境向好会使得数字金融与制造业全球价值链分工地位的“倒U”型曲线拐点向右偏移，假设3b得证。

（3）营商环境对“倒U”型曲线整体水平的影响

分别将营商环境水平较好（BEh）、营商环境水平较差（BEb）市场环境下的制造业全球价值链分工地位设置为GVC_Ph、GVC_Pb，其中BEh-BEb＞0 。那么则有：GVC_Ph-GVC_Pb=(a3lnFin+a4(lnFin)2+a5)(BEh(lnFin)2×BE-BEb)。经过样本检验发现，研究结果存在二重临界值0.795与32.255。当lnFin∈(0.795，32.255)时，f(lnFin)=(α3lnFin+α4(lnFin)2+α5)＞0，此时伴随营商环境逐步向好，曲线整体水平就会向上移动。当lnFin＜0.795 时，此时所得到的制造业样本量偏小，且数字金融规模较小，因此营商环境对本文研究的“倒U”型曲线的调节作用不明显。由于第二重临界值要远大于样本取值范围，因此本文不再对此进行深入讨论。综合而言，较好的营商环境有利于促进数字金融与制造业全球价值链分工地位的“倒U”型曲线整体水平提升，假设3b得证。

3.3 中介效应分析

下页表4报告了融资约束（KZ）与企业杠杆率（LEV）的中介效应检验结果。列（1）显示，数字金融对融资约束的影响系数为-0.1055，且通过1%水平上的显著性检验，表明数字金融能够有效缓解制造业融资约束。列（2）加入了核心解释变量的一次项（lnFin）与二次项（(lnFin)2），回归结果支持融资约束的缓解有利于促进制造业全球价值链分工地位提升的中介效应。列（3）为数字金融对企业杠杆率的影响，回归结果表明数字金融显著提高了企业杠杆率。列（4）为加入核心解释变量的一次项（lnFin）与二次项（(lnFin)2）后的检验结果，研究发现企业杠杆率上升抑制了制造业全球价值链分工地位的提升。据此，假设2得证。

表4 中介效应检验结果

3.4 异质性分析

3.4.1 制造业技术水平异质性

参照崔岩和刘珊珊（2021）[18]的经验，按照技术创新程度不同，将制造业划分为高技术制造业与低技术制造业，由此探究数字金融对不同制造业全球价值链分工地位的影响，结果如表5列（1）、列（2）所示。结果显示，数字金融对高技术制造业全球价值链分工地位的影响更显著。就调节效应而言，营商环境对数字金融与低技术制造业全球价值链分工地位的关系影响更显著。

表5 异质性检验结果

3.4.2 制造业要素密集度异质性

鉴于不同行业要素密集程度存在一定区别，数字金融与行业要素的融合程度及作用效果也有所差异。借鉴李俊久和张朝帅（2022）[19]的研究思路，并依据要素密集度划分标准，将我国制造业划分为技术密集型与非技术密集型两大类，由此实证探讨数字金融对制造业全球价值链分工地位的异质性影响，具体结果见表5 列（3）、列（4）。研究发现，数字金融与制造业全球价值链分工地位的“倒U”型关系，以及营商环境的调节作用在技术密集型制造业中更显著。

4 稳健性检验

为验证基准回归的科学性，进一步进行如下稳健性检验，结果见表6。第一，内生性问题处理。为解决数字金融与制造业全球价值链分工地位之间可能存在的内生性问题，本文利用两阶段最小二乘法（2SLS）进行回归分析。在数字金融工具变量选取方面，参考林正和陈淼（2023）[20]的做法，以互联网端口接入户数（NET）作为数字金融的工具变量。结果显示，过度识别检验（Hansen）中的P值大于0.1，意味着所选工具变量符合外生性条件；Cragg-Donald Wald F 统计量的检验结果说明不存在弱工具变量问题。第二，替换核心解释变量。为弱化共线可能性，本文对核心解释变量进行滞后一期处理，再次进行回归。实证结果表明，数字金融与制造业全球价值链分工地位的“倒U”型曲线关系始终成立，证明基准回归结果稳健。

表6 稳健性检验结果

5 结论与启示

本文选取2007—2021 年中国沪深A 股上市制造业企业数据，引入营商环境作为调节变量，深入探究数字金融对制造业全球价值链分工地位的影响，得到如下结论：（1）数字金融与制造业全球价值链分工地位具有先上升后下降的“倒U”型关系。（2）营商环境在该“倒U”型关系中发挥重要的调节作用，即在良好营商环境支撑下，“倒U”型曲线形态趋向于收窄，出现拐点右移以及整体水平提升的现象。（3）数字金融快速发展一方面可缓解融资约束进而对制造业全球价值链分工地位提升带来积极效应，另一方面能够提升企业杠杆率进而降低制造业全球价值链分工地位。（4）在高技术制造业、技术密集型制造业中，数字金融与制造业全球价值链分工地位的“倒U”型关系更显著。

依据上述结论，得出如下启示：（1）适度推进数字金融发展。金融机构需强化科技赋能，运用人工智能、大数据等新技术发展线上金融，要提高金融需求响应、审批、办理速度，为制造业科技研发提供金融支持，提高制造业全球价值链分工地位。（2）持续优化营商环境。政府应建立完善营商环境的优化议事协调机制，明确牵头部门和主责部门，使相关福利政策更好地融入制造业企业，驱动制造业企业研发创新活动顺利开展，为制造业全球价值链分工地位提升提供助力。（3）稳妥降低企业杠杆率。金融机构应设置资产负债率预警线和重点监管线，着重运用定向降准等货币政策工具，降低企业杠杆率，积极为制造业企业获取稳定中长期低成本资金提供支持，促使制造业将投资用于科研创新环节，提高制造业全球价值链分工地位。