數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)研究

鄒 耀，高長(zhǎng)春

(東華大學(xué) 旭日工商管理學(xué)院，上海 200051)

0 引言

隨著我國(guó)經(jīng)濟(jì)由高速增長(zhǎng)階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，創(chuàng)新作為推動(dòng)高質(zhì)量發(fā)展的第一動(dòng)力，是促進(jìn)區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展的內(nèi)生動(dòng)力。創(chuàng)新依賴于研發(fā)投入，2019年我國(guó)研究與實(shí)驗(yàn)發(fā)展(R&D)經(jīng)費(fèi)投入總量為2.2萬(wàn)億元，穩(wěn)居世界第二位，并且首次突破2萬(wàn)億元大關(guān)，同比增長(zhǎng)12.5%，連續(xù)四年保持兩位數(shù)增長(zhǎng)，R&D經(jīng)費(fèi)投入強(qiáng)度占GDP比重約為2.23%，再創(chuàng)歷史新高(1)《2019年全國(guó)科技經(jīng)費(fèi)投入統(tǒng)計(jì)公報(bào)》。。在不斷增加研發(fā)投入絕對(duì)量的同時(shí)，更應(yīng)該關(guān)注研發(fā)投入產(chǎn)出的效率問(wèn)題。如果一味地追求研發(fā)投入絕對(duì)量的增長(zhǎng)而忽視創(chuàng)新效率的增長(zhǎng)將導(dǎo)致創(chuàng)新資源的浪費(fèi)，不利于創(chuàng)新型國(guó)家建設(shè)。以往研究指出，效率問(wèn)題是中國(guó)科技創(chuàng)新過(guò)程中需要重點(diǎn)關(guān)注的問(wèn)題，我國(guó)研發(fā)效率整體偏低[1]，東、中、西在技術(shù)、資金、人才等要素資源分布不均背景下，區(qū)域間創(chuàng)新效率更是存在較大差距[2]，嚴(yán)重制約了我國(guó)經(jīng)濟(jì)的協(xié)調(diào)可持續(xù)發(fā)展。深入分析影響我國(guó)創(chuàng)新效率的重要因素，并據(jù)此提出相應(yīng)對(duì)策，對(duì)于提升我國(guó)區(qū)域創(chuàng)新實(shí)力和水平，促進(jìn)區(qū)域協(xié)調(diào)發(fā)展具有重要作用。

區(qū)域創(chuàng)新效率的影響因素眾多，已有學(xué)者重點(diǎn)關(guān)注了人力資本[3]、外商直接投資[4]、要素市場(chǎng)扭曲[5]、政府參與[6]、金融發(fā)展[7]、互聯(lián)網(wǎng)發(fā)展[8]等因素對(duì)創(chuàng)新效率的影響。其中一些研究在學(xué)術(shù)界已有定論，如人力資本、要素市場(chǎng)扭曲等對(duì)于區(qū)域創(chuàng)新效率的影響，而有些研究還存在一定爭(zhēng)議，如外商直接投資、政府參與對(duì)于區(qū)域創(chuàng)新效率的影響，也有一些研究對(duì)于能夠?qū)^(qū)域創(chuàng)新效率產(chǎn)生作用效果的某些因素分析得不夠深入，如金融發(fā)展等，仍然具有深入討論的價(jià)值和必要。金融體系作為獲取研發(fā)資本要素的重要渠道，對(duì)于推動(dòng)區(qū)域創(chuàng)新效率發(fā)揮著重要作用?？萍紕?chuàng)新離不開(kāi)金融支持，科技創(chuàng)新具有高成本、高風(fēng)險(xiǎn)和長(zhǎng)期性等特點(diǎn)，創(chuàng)新主體由于自身規(guī)模的限制，難以完全承受科技創(chuàng)新投入成本，而在技術(shù)誕生的初期，金融市場(chǎng)的發(fā)展可以加速新技術(shù)的擴(kuò)散[9]。金融效率和銀行信貸規(guī)模的增加對(duì)于提升科技創(chuàng)新的研發(fā)效率和轉(zhuǎn)化效率均具有顯著的積極作用[10]。但是，傳統(tǒng)金融機(jī)構(gòu)的“嫌貧愛(ài)富”以及地理距離限制，使得一些不發(fā)達(dá)地區(qū)或偏遠(yuǎn)地區(qū)難以獲得金融服務(wù)，而且傳統(tǒng)普惠金融發(fā)展主要依靠小微金融機(jī)構(gòu)，此類金融機(jī)構(gòu)的服務(wù)區(qū)域小、業(yè)務(wù)量小、信貸經(jīng)驗(yàn)不足[11]，這些嚴(yán)重制約了區(qū)域研發(fā)投入。而以信息技術(shù)為支撐的數(shù)字金融則具有鮮明的數(shù)字化、普惠性和包容性特征[12]，可以降低傳統(tǒng)金融對(duì)于物理網(wǎng)點(diǎn)的依賴，具有更強(qiáng)的地理穿透性[13]，能夠緩解借貸雙方的信息不對(duì)稱問(wèn)題，有效降低金融交易和經(jīng)營(yíng)的成本[14]，而且降低中小企業(yè)和中西部地區(qū)債務(wù)融資成本以及緩解外部融資約束[15]。就資金需求來(lái)說(shuō)，金融獲取門(mén)檻的降低能夠有效地滿足一些規(guī)模較小或新創(chuàng)企業(yè)和低收入人群的融資需求，可以通過(guò)帶動(dòng)居民收入增長(zhǎng)和服務(wù)業(yè)發(fā)展促進(jìn)居民創(chuàng)新[16]，而對(duì)于資金供給來(lái)說(shuō)，第三方支付平臺(tái)可以通過(guò)搜集用戶的交易和支付數(shù)據(jù)反映用戶的信用狀況[17]，提高信息獲取和分析、風(fēng)險(xiǎn)識(shí)別和控制能力。

與現(xiàn)有文獻(xiàn)相比，本研究可能的邊際貢獻(xiàn)在于：第一，在數(shù)字技術(shù)與傳統(tǒng)金融行業(yè)深入融合的背景下，數(shù)字金融與傳統(tǒng)金融在商業(yè)模式上存在較大差異，二者對(duì)于區(qū)域創(chuàng)新的影響也不盡相同，已有相關(guān)文獻(xiàn)尚缺乏對(duì)數(shù)字金融與區(qū)域創(chuàng)新效率關(guān)系的研究。本文在理論分析的基礎(chǔ)上，利用2011-2018年中國(guó)31省區(qū)市的面板數(shù)據(jù)進(jìn)行實(shí)證研究，從總體上評(píng)估數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)，為二者間的關(guān)系提供經(jīng)驗(yàn)證據(jù)。第二，本文通過(guò)隨機(jī)前沿模型計(jì)算出包括各地專利申請(qǐng)、研發(fā)經(jīng)費(fèi)內(nèi)部支出、研發(fā)人員全時(shí)當(dāng)量等在內(nèi)的省際創(chuàng)新效率，而已有研究大多是基于城市層面的創(chuàng)新水平或者省際創(chuàng)新產(chǎn)出，難以衡量省際創(chuàng)新的實(shí)質(zhì)性效果。第三，已有研究鮮有涉及數(shù)字金融影響區(qū)域創(chuàng)新效率門(mén)檻效應(yīng)問(wèn)題，本文驗(yàn)證基于互聯(lián)網(wǎng)普及率、市場(chǎng)化程度的數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率影響的門(mén)檻效應(yīng)，能夠更好地識(shí)別數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率提升的非線性關(guān)系，有利于更加全面掌握數(shù)字金融發(fā)展影響區(qū)域創(chuàng)新效率可能受到的約束條件，從而提高政策的針對(duì)性和有效性。

1 文獻(xiàn)綜述與研究假設(shè)

大數(shù)據(jù)、云計(jì)算、人工智能、區(qū)塊鏈等現(xiàn)代信息技術(shù)的快速發(fā)展，推動(dòng)了互聯(lián)網(wǎng)金融的進(jìn)一步發(fā)展，數(shù)字金融對(duì)于區(qū)域創(chuàng)新的影響作用受到了學(xué)者們的廣泛關(guān)注。從微觀企業(yè)層面看，唐松等基于2011-2017年滬深兩市A股上市公司數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字金融發(fā)展對(duì)于企業(yè)技術(shù)創(chuàng)新的確存在“結(jié)構(gòu)性”驅(qū)動(dòng)效果[18]，特別是數(shù)字金融的深度發(fā)展對(duì)于企業(yè)技術(shù)創(chuàng)新的促進(jìn)效果在較長(zhǎng)一個(gè)時(shí)間序列上都會(huì)穩(wěn)健成立。梁榜等利用數(shù)字金融地級(jí)市層面數(shù)據(jù)與城市整體以及微觀中小企業(yè)專利數(shù)據(jù)進(jìn)行匹配，發(fā)現(xiàn)數(shù)字金融的發(fā)展和推廣對(duì)技術(shù)創(chuàng)新具有激勵(lì)效應(yīng)，進(jìn)一步的機(jī)制分析表明，數(shù)字金融發(fā)展能夠降低中小企業(yè)債務(wù)融資成本和緩解外部融資約束，進(jìn)而促進(jìn)企業(yè)的創(chuàng)新產(chǎn)出[15]。萬(wàn)佳彧等將北京大學(xué)數(shù)字金融研究中心發(fā)布的2011-2018年市級(jí)數(shù)據(jù)與中國(guó)上市企業(yè)數(shù)據(jù)匹配后發(fā)現(xiàn)，數(shù)字金融發(fā)展會(huì)顯著緩解企業(yè)的融資約束，而融資約束放松會(huì)對(duì)企業(yè)特別是對(duì)中小企業(yè)和民營(yíng)企業(yè)的創(chuàng)新產(chǎn)生更強(qiáng)顯著正向影響[19]。從宏觀區(qū)域?qū)用?，杜傳忠等利用中?guó)267個(gè)城市數(shù)字金融指數(shù)和城市創(chuàng)新力數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字金融發(fā)展具有顯著的創(chuàng)新效應(yīng)，能夠通過(guò)改善銀行信貸和提高居民消費(fèi)水平來(lái)提升區(qū)域創(chuàng)新水平[20]。汪亞楠等運(yùn)用280個(gè)地級(jí)市面板數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字金融能夠顯著驅(qū)動(dòng)我國(guó)城市創(chuàng)新，收入效應(yīng)和人力資本效應(yīng)是其重要的傳導(dǎo)機(jī)制[21]。鄭雅心基于全國(guó)樣本數(shù)據(jù)發(fā)現(xiàn)，數(shù)字金融有利于區(qū)域創(chuàng)新產(chǎn)出的增加，但存在區(qū)域異質(zhì)性，并且可以通過(guò)提高區(qū)域高等教育水平、完善基礎(chǔ)設(shè)施建設(shè)和增加居民平均工資間接地促進(jìn)創(chuàng)新產(chǎn)出[22]。此外，蔣長(zhǎng)流等通過(guò)構(gòu)建綜合指標(biāo)體系對(duì)城市層面的經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行測(cè)算，并結(jié)合數(shù)字金融指數(shù)發(fā)現(xiàn)，數(shù)字金融能夠通過(guò)激勵(lì)中小企業(yè)的研發(fā)創(chuàng)新活動(dòng)，進(jìn)而提升企業(yè)全要素生產(chǎn)率，為經(jīng)濟(jì)高質(zhì)量發(fā)展奠定微觀基礎(chǔ)[23]。

上述文獻(xiàn)從微觀企業(yè)層面和宏觀區(qū)域?qū)用婢C明，數(shù)字金融發(fā)展可以通過(guò)不同途徑促進(jìn)區(qū)域創(chuàng)新水平的提升。但是，由于各省市基礎(chǔ)設(shè)施完善程度、經(jīng)濟(jì)發(fā)展水平不同，我國(guó)數(shù)字金融的發(fā)展呈現(xiàn)明顯的地域性差異[24]，東部地區(qū)普惠金融發(fā)展水平高于西部地區(qū)。從分指數(shù)來(lái)看，2011-2018年金融數(shù)字化程度指數(shù)增長(zhǎng)最快，數(shù)字金融覆蓋廣度指數(shù)次之，數(shù)字金融使用深度指數(shù)增速最慢[14]。已有研究發(fā)現(xiàn)，數(shù)字金融發(fā)展在1%的顯著水平上能夠促進(jìn)區(qū)域創(chuàng)新水平的提高，數(shù)字金融指數(shù)每提高1分則區(qū)域創(chuàng)新指數(shù)提高0.314分。從分區(qū)域來(lái)看，數(shù)字金融對(duì)于東部地區(qū)城市創(chuàng)新的驅(qū)動(dòng)效應(yīng)明顯強(qiáng)于中西部。從數(shù)字金融一級(jí)維度來(lái)看，覆蓋廣度和使用深度的系數(shù)均在1%的水平顯著為正，而數(shù)字化程度對(duì)區(qū)域創(chuàng)新的影響不顯著[20-21]。據(jù)此，本文提出假設(shè)1。

假設(shè)1：數(shù)字金融及其分指數(shù)均有助于促進(jìn)區(qū)域創(chuàng)新效率，但是其作用效應(yīng)可能因?yàn)閰^(qū)域不同存在異質(zhì)性。

數(shù)字金融發(fā)展對(duì)于區(qū)域創(chuàng)新效率的影響可能受到區(qū)域互聯(lián)網(wǎng)普及率、市場(chǎng)化程度等多種因素的影響。首先，互聯(lián)網(wǎng)普及率不僅能直接促進(jìn)區(qū)域創(chuàng)新效率，還可以通過(guò)加速人力資本積累、金融發(fā)展和產(chǎn)業(yè)升級(jí)間接對(duì)區(qū)域創(chuàng)新效率產(chǎn)生積極影響[8]。數(shù)字金融的發(fā)展以一定的網(wǎng)絡(luò)平臺(tái)和信息技術(shù)為依托，當(dāng)互聯(lián)網(wǎng)普及率得到提高時(shí)，數(shù)字金融的服務(wù)范圍和觸及領(lǐng)域?qū)⑦M(jìn)一步延伸[23]，依托于互聯(lián)網(wǎng)的新金融模式不再依賴于物理網(wǎng)點(diǎn)，其輻射范圍變得更廣，這為城市創(chuàng)新發(fā)展提供了良好的金融環(huán)境[21]。其次，就目前的市場(chǎng)化程度而言，東部沿海地區(qū)市場(chǎng)化水平較高，而中西部欠發(fā)達(dá)地區(qū)市場(chǎng)化水平仍較低。市場(chǎng)化水平的區(qū)域不平衡必然導(dǎo)致區(qū)域資源配置效率的差異，進(jìn)而影響區(qū)域創(chuàng)新效率在開(kāi)放程度高的地區(qū)，市場(chǎng)競(jìng)爭(zhēng)機(jī)制越完善，產(chǎn)業(yè)競(jìng)爭(zhēng)越激烈，優(yōu)勝劣汰的競(jìng)爭(zhēng)機(jī)制將迫使區(qū)域創(chuàng)新主體更加注重提高生產(chǎn)效率和加大技術(shù)創(chuàng)新投入，從而提高區(qū)域創(chuàng)新效率。據(jù)此，本文提出假設(shè)2。

假設(shè)2：數(shù)字金融對(duì)區(qū)域創(chuàng)新效率的影響作用可能存在基于區(qū)域互聯(lián)網(wǎng)普及率、地區(qū)市場(chǎng)化程度的門(mén)檻效應(yīng)。

2 模型構(gòu)建及變量、數(shù)據(jù)說(shuō)明

2.1 數(shù)據(jù)來(lái)源

考慮到數(shù)據(jù)的可得性和一致性問(wèn)題，本研究樣本的時(shí)間跨度為2011-2018年，研究對(duì)象為我國(guó)31個(gè)省區(qū)市。對(duì)所有非比值型指標(biāo)取對(duì)數(shù)處理，以減少數(shù)據(jù)異方差的影響。相關(guān)數(shù)據(jù)來(lái)自歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)基本單位統(tǒng)計(jì)年鑒》《中國(guó)互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告2018》。針對(duì)其中個(gè)別變量的缺失值，筆者從相關(guān)網(wǎng)站和政府官網(wǎng)搜集、比對(duì)并進(jìn)行手工填充，以保證數(shù)據(jù)的完整性和真實(shí)性。本文采用STATA14軟件對(duì)面板數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析和計(jì)量檢驗(yàn)。

2.1.1 被解釋變量

本文所選取的被解釋變量為區(qū)域創(chuàng)新效率(fte)。目前常用的度量技術(shù)效率的方法是生產(chǎn)前沿分析方法。所謂生產(chǎn)前沿是指在一定的技術(shù)條件下，各種比例投入所對(duì)應(yīng)的最大產(chǎn)出集合。根據(jù)是否已知生產(chǎn)函數(shù)的具體形式，生產(chǎn)前沿分析方法分為參數(shù)方法和非參數(shù)方法，前者以隨機(jī)前沿分析為代表，后者以數(shù)據(jù)包絡(luò)分析為代表。隨機(jī)前沿分析是參數(shù)方法中的典型代表，它的最大優(yōu)點(diǎn)就是考慮了隨機(jī)因素對(duì)于產(chǎn)出的影響，但是事先假定隨機(jī)項(xiàng)的概率分布以及設(shè)定不同的前沿生產(chǎn)函數(shù)會(huì)導(dǎo)致不同的估計(jì)結(jié)果，使評(píng)價(jià)結(jié)果出現(xiàn)偏誤。而對(duì)于非參數(shù)的數(shù)據(jù)包絡(luò)圖分析法則無(wú)須提前估計(jì)企業(yè)的生產(chǎn)函數(shù)，從而避免了因錯(cuò)誤的函數(shù)形式而帶來(lái)的問(wèn)題，但是它對(duì)生產(chǎn)過(guò)程沒(méi)有任何描述，不能描述投入與產(chǎn)出之間的關(guān)系。兩種方法各有利弊，需要根據(jù)具體的研究問(wèn)題進(jìn)行選擇[25]。本文借鑒蘭海霞[26]、韓先鋒[8]等人的研究，從資本和人力兩方面出發(fā)，使用各地研發(fā)人員的全時(shí)當(dāng)量作為地區(qū)創(chuàng)新的人力資本投入，相較于研發(fā)人員數(shù)量指標(biāo)，研發(fā)人員全時(shí)當(dāng)量更能夠有效反映本地區(qū)創(chuàng)新系統(tǒng)中研發(fā)人員的實(shí)際勞動(dòng)投入量；使用研發(fā)經(jīng)費(fèi)內(nèi)部支出作為資本投入指標(biāo)，可以克服研發(fā)資本存量計(jì)算的主觀性。采用地區(qū)專利申請(qǐng)量作為區(qū)域創(chuàng)新產(chǎn)出的衡量指標(biāo)。

對(duì)于生產(chǎn)函數(shù)，本文采用科埃利[27]提出的具有修正錯(cuò)誤的廣義似然率統(tǒng)計(jì)量進(jìn)行假設(shè)檢驗(yàn)，以確定創(chuàng)新效率的衡量函數(shù)。LR檢驗(yàn)的原假設(shè)為H0：創(chuàng)新效率模型中二次項(xiàng)系數(shù)和交互項(xiàng)系數(shù)全為零。如果拒絕原假設(shè)，說(shuō)明創(chuàng)新效率模型中二次項(xiàng)系數(shù)和交互項(xiàng)系數(shù)不全為零，則采用超越對(duì)數(shù)生產(chǎn)函數(shù)。LR檢驗(yàn)的廣義似然比的公式為：

LR=-2×[lnL(H0)-lnL(H1)]。

(1)

檢驗(yàn)統(tǒng)計(jì)量LR服從混合卡方分布，即LR～x1-α2(K)，其中α為顯著性水平，K為自由度。當(dāng)統(tǒng)計(jì)量LR大于臨界值時(shí)，則拒絕原假設(shè)，相反則接受原假設(shè)。本文通過(guò)Froniter4.1運(yùn)算可知，LR統(tǒng)計(jì)量在5%的顯著水平下大于混合卡方分布臨界值，應(yīng)拒絕原假設(shè)，采用超越對(duì)數(shù)隨機(jī)前沿生產(chǎn)模型進(jìn)行參數(shù)估計(jì)。各省區(qū)市創(chuàng)新效率如表1所示。

表1 2011-2018年各省區(qū)市創(chuàng)新效率均值概況

從表1來(lái)看，2011-2018年的創(chuàng)新效率均值中，浙江在全國(guó)31個(gè)省區(qū)市中位居首位，高達(dá)0.99。東部省份的創(chuàng)新效率均值高于中西部地區(qū)，除了最高的浙江外，江蘇、廣東、上海、福建等省份的創(chuàng)新效率均值都超過(guò)了區(qū)域平均值。中部地區(qū)創(chuàng)新效率均值為0.5，高于西部地區(qū)，其中安徽創(chuàng)新效率均值為0.74，位居中部地區(qū)首位，此外，江西、黑龍江等省份的創(chuàng)新效率均值超過(guò)了區(qū)域均值。西部地區(qū)創(chuàng)新效率均值最低，西藏、青海兩省的創(chuàng)新效率均值甚至為負(fù)數(shù)，也是全國(guó)最低值所在省份。

2.1.2 核心解釋變量

本文的核心解釋變量是數(shù)字金融(index)。數(shù)據(jù)來(lái)源于北京大學(xué)數(shù)字金融研究中心發(fā)布的《中國(guó)數(shù)字金融發(fā)展指數(shù)(第二期)》[14]，其由北京大學(xué)數(shù)字金融研究中心聯(lián)合螞蟻金服集團(tuán)，利用螞蟻金服的海量數(shù)據(jù)，采用層次分析法、指數(shù)分析法編制而成，該指數(shù)的編制彌補(bǔ)了現(xiàn)有研究中金融服務(wù)比較單一、指標(biāo)體系維度不夠全面、創(chuàng)新性互聯(lián)網(wǎng)因素缺失等不足，是目前國(guó)內(nèi)最權(quán)威、使用最頻繁的數(shù)字金融指數(shù)。該指數(shù)包括數(shù)字金融覆蓋廣度(index1)、數(shù)字金融使用深度(index2)以及金融數(shù)字化程度(index3)3個(gè)子維度，此外使用深度指數(shù)中還包含支付、信貸、保險(xiǎn)、信用、投資、貨幣基金等業(yè)務(wù)分類指數(shù)，可以全面準(zhǔn)確地反映各個(gè)地區(qū)數(shù)字金融發(fā)展水平，因此本文以該指數(shù)省級(jí)層面數(shù)據(jù)及其3個(gè)子維度作為各地?cái)?shù)字金融發(fā)展的代理變量。

2.1.3 其他變量的定義

門(mén)檻變量：一是互聯(lián)網(wǎng)普及率(netr)，借鑒曹玉平等人的研究，用各省年底網(wǎng)民人數(shù)與其年底常住總?cè)丝谥葋?lái)衡量各地互聯(lián)網(wǎng)發(fā)展水平[28]；二是市場(chǎng)化程度(market)，采用樊綱等編制的各省份的市場(chǎng)化指數(shù)作為市場(chǎng)化程度指標(biāo)[29]?？刂谱兞浚阂皇浅鞘谢?urb)，使用人口指標(biāo)，即城鎮(zhèn)年末常住人口與總?cè)丝诘谋戎?；二是?jīng)濟(jì)發(fā)展水平(pgdp)，用各地人均地區(qū)生產(chǎn)總值的自然對(duì)數(shù)來(lái)衡量；三是對(duì)外開(kāi)放度(tra)，采用各地區(qū)進(jìn)出口滿意總額與地區(qū)GDP比重來(lái)衡量；四是政府行為(gov)，采用省際政府年度財(cái)政一般預(yù)算支持總額與GDP比值反映政府對(duì)經(jīng)濟(jì)的干預(yù)行為；五是人力資本存量(hc)，通過(guò)各地未上學(xué)人數(shù)、受過(guò)小學(xué)教育人數(shù)、受過(guò)中學(xué)教育人數(shù)、受過(guò)中職和大學(xué)以上教育人數(shù)分別乘以權(quán)重6，9，12，15，16，19后求和，然后再除以6歲以上人口數(shù)得到。

2.2 計(jì)量模型設(shè)定

基于上述被解釋變量、核心解釋變量和控制變量的選擇，本文為了檢驗(yàn)數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)，考慮到其他可能影響區(qū)域創(chuàng)新效率但又未包含在模型內(nèi)的因素，采用時(shí)間固定效應(yīng)設(shè)定面板數(shù)據(jù)模型：

fteit=α0+α1indexit+βcontrolit+δt+λi+εit。

(2)

式中，被解釋變量fteit表示第i省份第t年的創(chuàng)新效率水平；核心解釋變量indexit代表第i省份第t年的數(shù)字金融發(fā)展指數(shù)，包括數(shù)字金融發(fā)展水平總指數(shù)、覆蓋廣度、使用深度和數(shù)字化程度共4個(gè)指標(biāo)；控制變量controlit包括第i省份第t年的城市化率(urb)、經(jīng)濟(jì)發(fā)展水平(pgdp)、對(duì)外開(kāi)放度(tra)、政府行為(gov)等省級(jí)層面的控制變量；α，β分別為變量的回歸系數(shù)；δt表示控制了省級(jí)的時(shí)間固定效應(yīng)；λi表示控制了省級(jí)的個(gè)體固定效應(yīng)；εit表示誤差項(xiàng)。

為了驗(yàn)證數(shù)字金融影響區(qū)域創(chuàng)新效率的門(mén)檻效應(yīng)，借鑒Hansen面板門(mén)檻模型，設(shè)定如下門(mén)檻模型：

fteit=α0+α1indexit×I(Qit<γ)+α2α1indexit×I(Qit>γ)+βcontrolit+εit。

(3)

式中，Qit是門(mén)檻變量，即影響數(shù)字金融促進(jìn)區(qū)域創(chuàng)新效率的主要因素；γ為需要確定的門(mén)檻值；I(·)為示性函數(shù)，當(dāng)括號(hào)內(nèi)的表達(dá)式為真時(shí)，取值為1，反之為0；其他參數(shù)的含義不變。

3 數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)實(shí)證結(jié)果及分析

3.1 描述性統(tǒng)計(jì)特征

表2報(bào)告了本研究中變量的描述性統(tǒng)計(jì)特征。統(tǒng)計(jì)結(jié)果顯示區(qū)域創(chuàng)新效率(fte)的最大值為0.992，最小值為-0.720，可見(jiàn)我國(guó)區(qū)域間創(chuàng)新效率差距較大。同時(shí)，各地創(chuàng)新效率均值為0.488，說(shuō)明我國(guó)區(qū)域創(chuàng)新效率總體水平較低。數(shù)字金融指數(shù)最大值為5.934，最小值為2.786，說(shuō)明區(qū)域間數(shù)字金融指數(shù)差距也較大，其中數(shù)字金融覆蓋廣度(index1)區(qū)域差距最小，金融數(shù)字化程度(index3)區(qū)域間差距最大，數(shù)字金融使用深度(index2)差距居中，可見(jiàn)未來(lái)應(yīng)該縮小區(qū)域間金融數(shù)字化應(yīng)用水平的差距，提高區(qū)域數(shù)字金融使用深度，進(jìn)而提升區(qū)域數(shù)字金融發(fā)展水平。

表2 變量描述性統(tǒng)計(jì)

3.2 基準(zhǔn)回歸結(jié)果

在對(duì)面板數(shù)據(jù)回歸之前，首先進(jìn)行了豪斯曼檢驗(yàn)，分別進(jìn)行隨機(jī)效應(yīng)(RE)、固定效應(yīng)(FE)對(duì)相關(guān)變量逐次回歸。豪斯曼檢驗(yàn)結(jié)果顯示P值為0.000，在1%顯著性水平上拒絕隨機(jī)效應(yīng)的原假設(shè)，應(yīng)該選擇固定效應(yīng)模型。具體基準(zhǔn)回歸結(jié)果如表3所示。

表3 數(shù)字金融對(duì)區(qū)域創(chuàng)新效率的影響回歸結(jié)果

表3中，模型1只包括數(shù)字金融指數(shù)一個(gè)解釋變量對(duì)區(qū)域創(chuàng)新效率的影響，結(jié)果表明，數(shù)字金融發(fā)展在1%的顯著水平上能夠促進(jìn)區(qū)域創(chuàng)新效率的提高，從影響系數(shù)上來(lái)看，數(shù)字金融指數(shù)每提高1個(gè)標(biāo)準(zhǔn)差，區(qū)域創(chuàng)新效率將提高0.159個(gè)標(biāo)準(zhǔn)差，且在模型2中加入控制變量城市化率(urb)、經(jīng)濟(jì)發(fā)展水平(pgdp)、對(duì)外開(kāi)放度(tra)、政府行為(gov)后，數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響依然顯著，有力論證了數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的正向促進(jìn)作用，這一實(shí)證結(jié)果與本文假設(shè)1基本符合，這為我國(guó)提升區(qū)域創(chuàng)新效率提供了新思路。此外，模型3、模型4、模型5展示的數(shù)字金融分指標(biāo)的實(shí)證檢驗(yàn)結(jié)果表明，不同數(shù)字金融結(jié)構(gòu)對(duì)區(qū)域創(chuàng)新效率的影響存在一定的差異，數(shù)字金融覆蓋廣度和使用深度均對(duì)我國(guó)區(qū)域創(chuàng)新效率產(chǎn)生顯著的促進(jìn)作用，使用深度相比于覆蓋廣度對(duì)區(qū)域創(chuàng)新效率的影響效應(yīng)更加強(qiáng)烈；數(shù)字化程度雖然對(duì)于區(qū)域創(chuàng)新效率具有正向影響，但是效果不顯著?？赡艿脑蚴?，隨著互聯(lián)網(wǎng)的普及，基于信息技術(shù)的互聯(lián)網(wǎng)金融打破了原有的物理?xiàng)l件限制，能夠?yàn)槠髽I(yè)和個(gè)人提供更加便捷的金融服務(wù)，優(yōu)化了區(qū)域的金融環(huán)境，有利于區(qū)域創(chuàng)新效率的提升。但是僅僅提升數(shù)字金融的覆蓋面還遠(yuǎn)遠(yuǎn)不足以說(shuō)明數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率提升的促進(jìn)作用，還需要數(shù)字金融的使用深度，即數(shù)字金融的業(yè)務(wù)種類和使用頻率，使用深度越深，隨著業(yè)務(wù)種類的增加，用戶越能享受到高質(zhì)量信貸，從而促進(jìn)區(qū)域創(chuàng)新效率的提升。目前我國(guó)金融正在朝數(shù)字化金融的方向轉(zhuǎn)型，數(shù)字化金融硬件設(shè)施的普及程度遠(yuǎn)遠(yuǎn)不夠，因此，數(shù)字化金融對(duì)區(qū)域創(chuàng)新效率的影響目前來(lái)看還不是太顯著，這也意味著我國(guó)金融發(fā)展的數(shù)字化程度仍有很大的提升空間。此外，從以上回歸結(jié)果可以看出，控制變量城市化率、政府行為等對(duì)區(qū)域創(chuàng)新效率都具有顯著的正向影響。但是，經(jīng)濟(jì)發(fā)展水平和對(duì)外開(kāi)放度對(duì)區(qū)域創(chuàng)新效率的影響不顯著。

3.3 區(qū)域異質(zhì)性分析

目前，隨著現(xiàn)代信息技術(shù)和產(chǎn)業(yè)集聚的快速發(fā)展，我國(guó)金融資源逐步形成集聚態(tài)勢(shì)，金融資源在空間的分布上表現(xiàn)出非均衡和不連續(xù)的特征，大量的優(yōu)勢(shì)金融資源集中于大城市和發(fā)達(dá)城市，造成區(qū)域間的差異發(fā)展[30]。表4揭示了數(shù)字金融對(duì)我國(guó)區(qū)域創(chuàng)新效率影響的區(qū)域化差異。其中，模型6、模型8、模型10、模型12為東部地區(qū)的回歸結(jié)果，模型7、模型9、模型11、模型13為中西部地區(qū)的回歸結(jié)果。從中可以發(fā)現(xiàn)：①數(shù)字金融、覆蓋廣度、使用深度對(duì)于東部地區(qū)創(chuàng)新效率的促進(jìn)作用要優(yōu)于中西部地區(qū)，這是因?yàn)闁|部地區(qū)特別是被譽(yù)為我國(guó)經(jīng)濟(jì)之都的上海，匯集了大量的金融機(jī)構(gòu)和資源，相比而言中西部地區(qū)卻要落后很多；②數(shù)字化程度對(duì)于三大區(qū)域創(chuàng)新效率的促進(jìn)作用均不顯著；③東部地區(qū)的覆蓋廣度對(duì)于區(qū)域創(chuàng)新效率的促進(jìn)作用要好于使用深度，而中西部地區(qū)的使用深度對(duì)于區(qū)域創(chuàng)新效率的促進(jìn)作用要優(yōu)于覆蓋廣度，可能的原因是東部地區(qū)傳統(tǒng)金融資源豐富，金融業(yè)態(tài)較為完善，企業(yè)和個(gè)人金融消費(fèi)的頻率較高，隨著數(shù)字金融覆蓋廣度的提升，人們對(duì)于金融的需求量更大，對(duì)于創(chuàng)新效率的促進(jìn)作用更加顯著，而中西部地區(qū)屬于傳統(tǒng)金融的流出地，企業(yè)和個(gè)人金融資源的使用頻率和消費(fèi)習(xí)慣均低于東部地區(qū)，即便數(shù)字金融降低了金融獲取門(mén)檻，人們的金融消費(fèi)習(xí)慣一時(shí)也難以跟上，因此覆蓋廣度對(duì)區(qū)域創(chuàng)新效率的影響要低于使用深度。以上分析表明，數(shù)字金融對(duì)不同區(qū)域創(chuàng)新效率的影響具有明顯的差異，與假設(shè)1相符。

表4 數(shù)字金融對(duì)區(qū)域創(chuàng)新效率影響的分地區(qū)回歸結(jié)果

3.4 門(mén)檻效應(yīng)檢驗(yàn)

以市場(chǎng)化程度、互聯(lián)網(wǎng)普及率為門(mén)檻變量來(lái)檢驗(yàn)數(shù)字金融影響區(qū)域創(chuàng)新效率的門(mén)檻效應(yīng)。首先進(jìn)行門(mén)檻效應(yīng)檢驗(yàn)，結(jié)果如表5所示。從門(mén)檻效應(yīng)檢驗(yàn)結(jié)果可知，以市場(chǎng)化程度和互聯(lián)網(wǎng)普及率為門(mén)檻變量的模型均通過(guò)了單門(mén)檻效應(yīng)檢驗(yàn)，而雙門(mén)檻效應(yīng)檢驗(yàn)均不顯著，說(shuō)明數(shù)字金融對(duì)區(qū)域創(chuàng)新效率的影響存在基于市場(chǎng)化程度和互聯(lián)網(wǎng)普及的單門(mén)檻效應(yīng)。

表5 門(mén)檻效應(yīng)檢驗(yàn)結(jié)果

其次進(jìn)行門(mén)檻值估計(jì)。表6顯示了以市場(chǎng)化程度和互聯(lián)網(wǎng)普及率為門(mén)檻變量的門(mén)檻估計(jì)結(jié)果及95%的置信區(qū)間。以市場(chǎng)化程度為門(mén)檻變量的門(mén)檻值為2.930，似然比值LR小于1%顯著性水平上的臨界值，處于原假設(shè)接受范圍內(nèi)，說(shuō)明數(shù)字金融對(duì)區(qū)域創(chuàng)新效率影響的市場(chǎng)化程度的估計(jì)門(mén)檻值與實(shí)際門(mén)檻值相同。同理，以互聯(lián)網(wǎng)普及率為門(mén)檻變量的門(mén)檻值為0.501，似然比值LR小于5%顯著性水平上的臨界值，同樣處于原假設(shè)接受范圍內(nèi)，說(shuō)明數(shù)字金融對(duì)區(qū)域創(chuàng)新效率影響的互聯(lián)網(wǎng)普及率的估計(jì)門(mén)檻值與實(shí)際門(mén)檻值相同。

表6 門(mén)檻值估計(jì)及置信區(qū)間

最后對(duì)面板門(mén)檻模型進(jìn)行參數(shù)估計(jì)，結(jié)果如表7所示。

表7 門(mén)檻模型估計(jì)結(jié)果

當(dāng)市場(chǎng)化程度低于相應(yīng)的門(mén)檻值2.930時(shí)，數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)為正，但不顯著，當(dāng)市場(chǎng)化程度跨越相應(yīng)的門(mén)檻值以后，其對(duì)區(qū)域創(chuàng)新效率的影響顯著為正，而且作用力度變大。此外，以地區(qū)互聯(lián)網(wǎng)普及率為門(mén)檻變量的結(jié)果顯示，在控制其他影響因素的情況下，當(dāng)?shù)貐^(qū)互聯(lián)網(wǎng)普及率低于相應(yīng)的門(mén)檻值0.501時(shí)，數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)為正，但不顯著，當(dāng)互聯(lián)網(wǎng)普及率跨越相應(yīng)的門(mén)檻之后，其對(duì)區(qū)域創(chuàng)新效率的影響顯著為正。這說(shuō)明數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響效應(yīng)存在基于市場(chǎng)化程度和互聯(lián)網(wǎng)普及率的單門(mén)檻效應(yīng)，當(dāng)市場(chǎng)化程度或互聯(lián)網(wǎng)普及率跨越門(mén)檻值以后，其對(duì)于區(qū)域創(chuàng)新的正向促進(jìn)作用才得以發(fā)揮，證明假設(shè)2是成立的。

3.5 穩(wěn)健性檢驗(yàn)

由于區(qū)域創(chuàng)新效率值在0～1之間，因此采用面板Tobit模型進(jìn)行實(shí)證結(jié)果的穩(wěn)健性分析，以避免固定效應(yīng)模型估計(jì)帶來(lái)的偏差。通常固定效應(yīng)Tobit模型難以得到一致的估計(jì)值，而隨機(jī)效應(yīng)Tobit模型能夠很好地規(guī)避這個(gè)問(wèn)題，因此，選用隨機(jī)效應(yīng)Tobit模型進(jìn)行回歸結(jié)果的穩(wěn)健性檢驗(yàn)，具體回歸結(jié)果如表8中模型18和模型19所示。通過(guò)實(shí)證結(jié)果可以看出，Tobit模型數(shù)字金融擬合系數(shù)均顯著大于0，與上文實(shí)證研究結(jié)論保持一致，說(shuō)明本文研究結(jié)論具有一定的穩(wěn)健性。

信貸業(yè)務(wù)是推進(jìn)數(shù)字金融發(fā)展的重要安排，本文選取各省年末各類金融機(jī)構(gòu)貸款余額除以地區(qū)生產(chǎn)總值即信貸比例作為數(shù)字金融的代理變量進(jìn)行再次回歸，具體結(jié)果如表8中模型20和模型21。通過(guò)實(shí)證結(jié)果可以看出，信貸比例的擬合系數(shù)也都顯著為正，這再次揭示出本文研究結(jié)論的穩(wěn)健性。

表8 數(shù)字金融對(duì)區(qū)域創(chuàng)新效率影響的穩(wěn)健性檢驗(yàn)

3.6 內(nèi)生性檢驗(yàn)

除此之外，考慮到數(shù)字金融與區(qū)域創(chuàng)新效率之間可能存在的反向因果關(guān)系會(huì)使模型存在內(nèi)生性，本文借鑒張勛[17]等人的研究，采用解釋變量的滯后一期作為解釋變量進(jìn)行回歸估計(jì)。結(jié)果顯示，數(shù)字金融對(duì)區(qū)域創(chuàng)新效率影響的回歸系數(shù)依然顯著為正，最終結(jié)果沒(méi)有發(fā)生實(shí)質(zhì)性改變，說(shuō)明本文的研究結(jié)論是穩(wěn)健的。

4 結(jié)論和政策建議

本文首先從理論上梳理了數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的作用機(jī)理，然后基于北京大學(xué)數(shù)字金融研究中心2019年公布的數(shù)字金融指數(shù)和2011-2018年中國(guó)31個(gè)省區(qū)市的宏觀統(tǒng)計(jì)面板數(shù)據(jù)，采用雙向固定效應(yīng)模型和門(mén)檻效應(yīng)模型實(shí)證檢驗(yàn)了數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率影響的總效應(yīng)和門(mén)檻效應(yīng)。研究發(fā)現(xiàn)：數(shù)字金融、數(shù)字金融覆蓋廣度和使用深度對(duì)于區(qū)域創(chuàng)新效率具有顯著的促進(jìn)作用，數(shù)字化程度對(duì)于區(qū)域創(chuàng)新效率的正向影響作用不顯著。同時(shí)，數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率影響具有一定的區(qū)域異質(zhì)性，其中，數(shù)字金融、覆蓋廣度、使用深度對(duì)于東部地區(qū)創(chuàng)新效率的促進(jìn)作用要優(yōu)于中西部地區(qū)，而數(shù)字化程度對(duì)于三大區(qū)域的創(chuàng)新效率促進(jìn)作用均不顯著；東部地區(qū)的覆蓋廣度對(duì)于創(chuàng)新效率的促進(jìn)作用要好于使用深度，而中西部地區(qū)的使用深度對(duì)于區(qū)域創(chuàng)新效率的促進(jìn)要優(yōu)于覆蓋廣度。數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的影響存在基于市場(chǎng)化程度、互聯(lián)網(wǎng)普及率的門(mén)檻效應(yīng)，數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的促進(jìn)作用只有在門(mén)檻變量跨越相應(yīng)的門(mén)檻值后才得以發(fā)揮，而且促進(jìn)作用隨著門(mén)檻水平的提高而逐漸增大。

基于此，本文認(rèn)為應(yīng)加快發(fā)展數(shù)字金融，并不斷完善數(shù)字金融的各個(gè)維度，充分發(fā)揮數(shù)字金融在覆蓋廣度、使用深度和數(shù)字化程度等方面的優(yōu)勢(shì)，進(jìn)而促進(jìn)區(qū)域創(chuàng)新效率的提升。此外，數(shù)字金融促進(jìn)區(qū)域創(chuàng)新效率的提升還需要一個(gè)良好的外部環(huán)境，包括區(qū)域的市場(chǎng)化程度和互聯(lián)網(wǎng)普及率，外部環(huán)境的改善可以大大改善數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的促進(jìn)作用。因此要充分發(fā)揮數(shù)字金融對(duì)于區(qū)域創(chuàng)新效率的作用效應(yīng)，可以從以下幾個(gè)方面著手。

一是加強(qiáng)大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、人工智能等新一代信息技術(shù)與傳統(tǒng)金融的深度融合，進(jìn)一步提升省際數(shù)字金融發(fā)展水平，同時(shí)中西部地區(qū)要抓住數(shù)字金融快速發(fā)展的重要機(jī)遇，努力縮小區(qū)域數(shù)字金融發(fā)展的省際差異。首先，要積極引導(dǎo)傳統(tǒng)金融的數(shù)字化轉(zhuǎn)型，擴(kuò)大數(shù)字金融的覆蓋廣度，讓更多的個(gè)體、企業(yè)等享受到數(shù)字金融帶來(lái)的便利性和好處。其次，在保障數(shù)字金融使用過(guò)程有效的風(fēng)險(xiǎn)監(jiān)管和安全的前提下，加快數(shù)字金融產(chǎn)品和服務(wù)的創(chuàng)新和應(yīng)用，積極推進(jìn)電子簽名、視頻簽約、人臉識(shí)別等技術(shù)在數(shù)字金融領(lǐng)域的合法利用，提高人們對(duì)于數(shù)字金融產(chǎn)品的使用深度，特別是在中西部地區(qū)，提升數(shù)字金融使用深度的作用更加顯著。最后，要持續(xù)完善數(shù)字金融服務(wù)的配套基礎(chǔ)設(shè)施，提升數(shù)字金融服務(wù)區(qū)域創(chuàng)新的能力。

二是深化金融供給側(cè)結(jié)構(gòu)性改革，推動(dòng)金融市場(chǎng)化改革，促進(jìn)金融要素在區(qū)域間自由流動(dòng)，同時(shí)，通過(guò)政策性和靶向性引導(dǎo)金融資本流向中西部和中小企業(yè)及個(gè)體，推動(dòng)區(qū)域創(chuàng)新效率的協(xié)調(diào)可持續(xù)發(fā)展。此外，要大力推進(jìn)互聯(lián)網(wǎng)與傳統(tǒng)金融深度融合，平衡互聯(lián)網(wǎng)資源分布的區(qū)域差異，政府要積極引導(dǎo)互聯(lián)網(wǎng)相關(guān)產(chǎn)業(yè)在中西部布局，推動(dòng)中西部地區(qū)的互聯(lián)網(wǎng)普及率，縮小中西北地區(qū)與東部地區(qū)的“數(shù)字鴻溝”，為區(qū)域數(shù)字金融營(yíng)造良好的互聯(lián)網(wǎng)發(fā)展環(huán)境。