數字金融對區(qū)域創(chuàng)新效率的影響
——基于空間杜賓模型的實證分析

余謙，劉汀瀅

(武漢理工大學 經濟學院，湖北 武漢 430070)

一、引 言

創(chuàng)新是建設現代化經濟體系的戰(zhàn)略支撐，黨的十九屆五中全會提出要堅持創(chuàng)新在我國現代化建設全局中的核心地位。在我國經濟處于高質量發(fā)展階段的背景下，以科技創(chuàng)新引領產品創(chuàng)新、產業(yè)創(chuàng)新、商業(yè)模式創(chuàng)新從而驅動發(fā)展，這一轉變勢在必行。

與此同時，作為推動創(chuàng)新不可或缺的要素之一，數字化技術與各個產業(yè)深度融合，使傳統(tǒng)經濟的發(fā)展開始邁入數字化轉型新階段。自數字化概念提出以來，我國意識到數字經濟將成為未來經濟增長的新動力，開始大力推動數字化發(fā)展戰(zhàn)略。新華三集團數字經濟研究院與中國信息通信研究院發(fā)布的《中國城市數字經濟指數藍皮書(2021)》相關數據顯示，數字經濟新一線城市數量同比增長62.1%；70%以上的省級、副省級政府以及半數以上的地級市政府均在政府官網上搭建了數據共享平臺；2020年，新冠肺炎疫情對全球經濟造成嚴重沖擊，但中國緊抓數字化轉型的機遇，成為全球唯一實現經濟正增長的主要經濟體。數字金融的發(fā)展為數字經濟提供了有力保障。與傳統(tǒng)金融相比，數字金融具有普惠性和包容性的鮮明特征，可以有效減少金融資源的配置不當，促進實體經濟的發(fā)展，成為創(chuàng)新的強大動力。

在數字化轉型的新階段，如何通過發(fā)展數字金融來提高區(qū)域創(chuàng)新效率是一個亟需解決的實際問題。近年來，許多學者就影響地區(qū)創(chuàng)新有效性的因素開展研究，發(fā)現影響因素是多維的。而數字金融作為信息化發(fā)展的產物，其對創(chuàng)新是否有影響，影響程度及作用路徑如何，尚有待研究。鑒于此，科學梳理我國有關數字金融與創(chuàng)新的文獻，對數字金融發(fā)展如何影響區(qū)域創(chuàng)新效率這一內在機制進行探討，具有一定的現實意義。本研究可能的貢獻表現在以下三個方面：其一，將數字金融與區(qū)域創(chuàng)新效率相結合，為提高區(qū)域創(chuàng)新效率提供新的研究視角；其二，研究中納入空間因素，運用空間杜賓模型分析數字金融對區(qū)域創(chuàng)新效率影響的空間自相關性及其溢出效應；其三，利用中介模型分析數字金融影響區(qū)域創(chuàng)新發(fā)展的內在作用機制。筆者擬使用2011—2018年中國省際面板數據，從空間關聯視角采用空間計量方法實證考察數字金融發(fā)展與創(chuàng)新效率的關系及其內在機理，同時考慮區(qū)域創(chuàng)新的異質性，以期為我國數字金融發(fā)展如何提高區(qū)域創(chuàng)新效率、促進創(chuàng)新體系升級提供可量化的政策建議。

二、文獻綜述與理論假設

(一)區(qū)域創(chuàng)新效率具有空間溢出效應

黨的十八屆五中全會明確提出“創(chuàng)新、協調、綠色、開放、共享”五大發(fā)展理念，強調區(qū)域創(chuàng)新在于同步向好，共同促進經濟增長?；谥形鞑康貐^(qū)與東部沿海地區(qū)之間經濟的交流互動，創(chuàng)新要素會存在省域層面上的空間溢出效應。張春紅等[1]通過分析區(qū)域創(chuàng)新能力得分的差異性與集聚性，發(fā)現某一省域的技術擴散效應對鄰近省域的創(chuàng)新能力具有正向促進作用，溢出效應越大，越有利于本地區(qū)創(chuàng)新能力的提升。張可[2]從空間視角對經濟集聚與區(qū)域創(chuàng)新進行分析，發(fā)現經濟集聚度高的地區(qū)可通過產業(yè)關聯促進相鄰地區(qū)學習知識技術和各類創(chuàng)新要素，形成創(chuàng)新網絡關聯，產生一定的空間溢出效應。產業(yè)集聚在一定程度上也會對區(qū)域創(chuàng)新產生影響，郭將等[3]認為，工業(yè)相關多樣化集聚的區(qū)域能通過技術要素擴散、人力資本流動和示范效應間接提升周邊地區(qū)的創(chuàng)新效率，并且地區(qū)之間的創(chuàng)新項目會因為“虹吸作用”產生競爭效應?；诖?，提出以下假設：

假設1：區(qū)域創(chuàng)新效率具有一定的空間溢出性，并且各地區(qū)之間的創(chuàng)新活動存在競爭效應。

(二)數字金融發(fā)展對區(qū)域創(chuàng)新效率的直接效應

金融科技發(fā)展與創(chuàng)新快速成為現階段國內外學者探討的熱點，黃益平等[4]就數字金融發(fā)展對創(chuàng)新活動的影響進行研究。Khin等[5-6]認為，數字科技產品的普及能有效緩解區(qū)域創(chuàng)新主體信息不對稱等問題，使資本向創(chuàng)新領域集聚，提升區(qū)域創(chuàng)新水平。中小企業(yè)的發(fā)展規(guī)模和資金鏈無法支持周期性長、研發(fā)風險高的創(chuàng)新項目，導致企業(yè)無法通過拓寬融資渠道獲得創(chuàng)新成本，而數字金融的快速發(fā)展可以弱化金融服務邊界，從而降低融資限制與約束[7]。梁榜等[8-10]的研究結果顯示，數字金融的去中心化可有效降低中小企業(yè)內部融資成本和外部融資約束，進而促進創(chuàng)新發(fā)展進程。徐子堯等[11]認為，受區(qū)域地理位置、初始發(fā)展水平等因素的影響，數字金融對不同區(qū)域創(chuàng)新水平的影響具有異質性效應，對中心外圍城市和金融不發(fā)達地區(qū)創(chuàng)新水平的提升更明顯。基于此，提出以下假設：

假設2：數字金融發(fā)展水平的提升可以提高本地區(qū)創(chuàng)新效率，但鄰近地區(qū)數字金融發(fā)展則會抑制本地區(qū)創(chuàng)新效率，并且其影響效應具有異質性。

(三)數字金融發(fā)展對區(qū)域創(chuàng)新效率的間接效應

創(chuàng)新的影響因素有很多，影響的內在機制也各不相同，因此，需要考慮數字金融間接影響區(qū)域創(chuàng)新的路徑機制。唐松等[12]認為，數字金融發(fā)展的普惠性特點對縮小企業(yè)間的融資差距起作用，具體通過“資產負債率”和“財務支出”等路徑變量顯著促進技術創(chuàng)新，這種正向效應對金融發(fā)展較為落后的地區(qū)更為顯著。聶秀華等[13]進一步研究發(fā)現，數字金融的發(fā)展可以激勵中小企業(yè)的技術創(chuàng)新，但通過融資約束SA指數這一中介變量證實高科技中小企業(yè)的創(chuàng)新水平受惠程度更大。李春濤等[14]利用Python等信息技術結合新三板數據證明數字金融可以通過調整稅收額度產生創(chuàng)新效應，從而在一定程度上提升創(chuàng)新水平。鄭雅心等[15-16]發(fā)現，數字金融等金融服務可有效緩解“融資難”“融資貴”等問題，并通過提高受教育水平、改善基礎設施建設間接促進區(qū)域創(chuàng)新水平的提升。杜傳忠等[17-18]有關數字金融對區(qū)域創(chuàng)新影響的中介機制研究表明，調整信貸資源、刺激居民消費是數字金融促進區(qū)域創(chuàng)新的一種可行路徑。基于此，提出以下假設：

假設3：數字金融發(fā)展主要通過擴大金融規(guī)模和產業(yè)結構升級來提高區(qū)域創(chuàng)新水平。

綜上所述，雖然很多學者就數字金融與創(chuàng)新進行了深入的分析與探討，但經過對比總結發(fā)現，國內學者較少從利用隨機前沿方法計算創(chuàng)新效率的角度將創(chuàng)新與數字金融結合起來，而且并未考慮二者之間的作用機制；此外，絕大多數實證分析方法都忽略了二者間的空間依賴性。筆者擬重新從空間關聯視角考察數字金融對區(qū)域創(chuàng)新效率的影響，以期研究結論更合理。

三、模型設定與數據說明

(一)模型設定

空間杜賓模型不僅考慮了被解釋變量之間的空間相關關系，而且考慮了不同區(qū)域的解釋變量與該區(qū)域被解釋變量之間的空間相關性，模型設置更為合理。筆者以空間杜賓模型為基礎，構建如下空間計量模型：

eff=ρWeff+θ1green+θ2Wgreen+Xcontrolφ1+WXcontrolφ2+ε

ε～N(0,σ2In)

(1)

式中：eff為被解釋變量，即區(qū)域創(chuàng)新效率；green為解釋變量，即數字金融綜合指數；Xcontrol為控制變量。參數θ1和φ1表示本省數字金融發(fā)展與控制變量對本省創(chuàng)新效率的作用；參數θ2和φ2表示其他省域數字金融水平與控制變量對本省創(chuàng)新效率的作用。參數ρ代表被解釋變量間的空間關系，W為空間權重矩陣，ε為隨機誤差項。

(二)變量選取及定義

1.被解釋變量

筆者從區(qū)域層面出發(fā)研究不同區(qū)域間創(chuàng)新效率的差異，主要采用隨機前沿方法(stochastic frontier approach,SFA)估計出生產函數,以計算我國各地區(qū)的創(chuàng)新效率。一方面，創(chuàng)新活動需要投入大量人力物力與資本，因此，從資本存量(lnK)和人員全時當量(lnL)兩方面來表征創(chuàng)新投入。資本存量是某地區(qū)為創(chuàng)新活動的產生所投入的資本，人員全時當量是某地區(qū)為創(chuàng)新活動的產生所投入的勞動力數量。資本存量的測算參考張軍等[19]的永續(xù)盤存法。另一方面，從自主創(chuàng)新能力的角度，選取知識技術含量最高、核心競爭力最強的萬人發(fā)明專利授權量這一指標來表征創(chuàng)新產出。SFA所需變量的定義如表1所示。

表1 SFA所需變量定義

為了有效估計效率，需要設定模型所需生產函數的具體形式。此處選用超越對數函數形式，假定技術中性，從而解決了柯布-道格拉斯生產函數中假定技術水平相同這一與實際情形不符的問題。因此，將生產函數設定為如下形式的超越對數函數，即

ln PAT=β0+β1lnK+β2lnL+β3(lnK)2+β4(lnL)2+β5lnKlnL

(2)

使用Frontier 4.1對上述模型進行分析，得到有關隨機前沿生產函數的系數估計值，結果如表2所示。方差比高達0.928 5并通過了顯著性檢驗，這說明無效率因素高達92.85%，適合使用SFA模型估計效率。

表2 隨機前沿生產函數估計結果

2.核心解釋變量

借鑒多數學者的做法，使用北京大學2011—2018年數字普惠金融指數來衡量各省的數字金融發(fā)展水平[20]。該指數由北京大學數字金融研究中心與螞蟻金服集團運用層次分析法、指數分析法等方法計算和編制。

3.控制變量

參考有關區(qū)域創(chuàng)新效率的已有研究，兼顧數據可得性，控制變量選取地區(qū)GDP水平(PGDP)、人力資本(hum)、政府科技支出(gov)、對外開放度(open)、交通發(fā)展水平(trf)。將產業(yè)結構(ind)和金融規(guī)模(dev)作為數字金融對區(qū)域創(chuàng)新效率影響機制中的中介變量。

變量定義如表3所示。

表3 變量定義

(三)數據及樣本

本研究采用了2011—2018年北京大學數字普惠金融指數，為保持數據的一致性，樣本選取時期為2011年至2018年。由于新疆、西藏和港澳臺地區(qū)數據不全，而海南作為自由貿易試驗區(qū)，其實證結果可能會有所偏誤，基于數據的可得性，選取除上述省份外的中國28個省份作為觀測樣本。數據樣本來自中國科技成果數據庫(CSTAD)、《中國統(tǒng)計年鑒》以及萬得數據庫(Wind)等。

(四)空間權重矩陣的選取

W為空間權重矩陣，用來衡量各區(qū)域間的空間作用程度。最廣泛的界定方式有以下三種：0-1鄰接矩陣、地理距離矩陣和經濟距離矩陣。0-1矩陣忽略距離的遠近，對相鄰區(qū)域和不相鄰地區(qū)進行一致化處理，方法過于絕對。若使用經濟距離矩陣，則其與本文控制變量中的經濟因素產生內生性問題。因此，筆者選用地理距離矩陣，通常使用兩省省會直線距離進行計算。計算表達式為

(3)

四、實證結果

(一)基準回歸分析

在納入空間因素和運用空間杜賓模型之前，先使用面板模型進行基準回歸，以探究數字金融發(fā)展對區(qū)域創(chuàng)新水平是否具有線性的正向促進作用。以數字金融綜合指數作為解釋變量，區(qū)域創(chuàng)新效率作為被解釋變量，同時加入地區(qū)GDP水平等控制變量，構建如下模型：

effit=α1greenit+α2PGDPit+α3humit+α4govit+α5openit+uit

(4)

式中：i表示省份，t表示年份(2010—2018年)。根據Hausman檢驗結果選取固定效應模型，進一步應用RStudio對面板數據進行回歸，回歸結果如表4所示。

表4 面板回歸結果

表4報告了數字金融發(fā)展影響區(qū)域創(chuàng)新能力的線性估計結果。無論是否加入控制變量，在1%的顯著性水平下，模型(1)和模型(2)中的核心解釋變量數字金融綜合指數對區(qū)域創(chuàng)新效率的影響均為正值，系數分別為0.137和0.106，證明數字金融促進了區(qū)域層面的創(chuàng)新效率。一方面，在科技與產業(yè)雙變革的背景下，數字金融的普惠性得以凸顯，某一地區(qū)使用數字金融的創(chuàng)新項目越多，越有利于提高此地區(qū)域創(chuàng)新水平；另一方面，從消費者的角度而言，用戶能體驗的業(yè)務種類更豐富、使用頻率更高，進而推動創(chuàng)新項目享受到更大額度的信貸，促進了區(qū)域創(chuàng)新。

此外，在加入了控制變量的模型(2)中，各地區(qū)GDP水平與區(qū)域創(chuàng)新水平之間具有顯著的負相關關系，表明經濟總量雖然有所增長，但區(qū)域創(chuàng)新水平并未得到有效提升。對外開放度的系數值為負并且在1%的水平下顯著，說明該地區(qū)的外商投資可能無法大大改善該地區(qū)的創(chuàng)新水平，這可能是因為引進外資導致此地區(qū)對外來技術的依賴，從而不利于提高其創(chuàng)新能力。人力資本與創(chuàng)新效率在1%顯著性水平下正相關，這與馮江茹[21]的研究結果相一致，說明勞動力的受教育水平是地區(qū)創(chuàng)新的影響因素之一，若想提高地區(qū)創(chuàng)新水平，在發(fā)展數字金融的同時，要加強對創(chuàng)新創(chuàng)業(yè)人才的引進。

(二)空間計量回歸結果

在使用空間模型進行回歸前，采用莫蘭檢驗對其適用性進行分析。本節(jié)運用莫蘭指數檢驗我國2011—2018年各地區(qū)數字金融和區(qū)域創(chuàng)新的空間自相關程度，并在此基礎上進行分析。

表5的結果顯示，區(qū)域創(chuàng)新效率的莫蘭指數均大于0且呈現逐年遞增的趨勢，在10%顯著性水平下，大部分估計值均通過了顯著性檢驗。這說明我國各省域的創(chuàng)新效率在不斷提高，且具有正向的空間自相關性，這種相關性在不斷增強。進一步表明，各省域的創(chuàng)新效率在空間上顯現出集聚效應。數字金融綜合指數的莫蘭指數呈現U型分布的趨勢，并且中間幾年表現并不顯著?？赡艿脑蚴牵弘m然數字金融作為新興產業(yè)在國家各項政策的扶持下發(fā)展勢頭較足，但在發(fā)展過程中對數字信息技術、資本力量以及科研人員的要求在不斷提高，要素也逐漸向發(fā)展迅速的地區(qū)流動，所以集聚趨勢并不明顯。2016年后，我國數字化產業(yè)研發(fā)投入快速增加，業(yè)務模式不斷創(chuàng)新拓展，數字產業(yè)群保持平穩(wěn)較快的增長態(tài)勢，從而對數字金融形成了有力支撐，這有利于數字金融發(fā)展水平高的地區(qū)相互集聚。

表5 區(qū)域創(chuàng)新效率與數字金融綜合指數莫蘭指數值

基于莫蘭指數，分別畫出2011年和2018年的數字金融指數和區(qū)域創(chuàng)新效率的莫蘭指數散點圖，可以看出，結果基本相關。如圖1所示，從局部相關的角度來看，圖1(a)和圖1(b)第一、三象限的點明顯多于第二、四象限的點，即經濟發(fā)展水平較低(高)的地區(qū)在空間上更易聚，并且地區(qū)之間的空間差異較小。而圖1(c)和圖1(d)第二、四象限的點明顯多于第一、三象限的點，這表示“高—低”型、“低—高”型的區(qū)域更多，側面證明了地區(qū)之間的創(chuàng)新活動具有競爭效應。因此，進一步構建空間計量模型來探討數字金融對區(qū)域創(chuàng)新效率的空間作用。

圖1 數字金融指數和區(qū)域創(chuàng)新效率之間的莫蘭指數散點圖

表6列示了基于式(1)的空間杜賓模型的回歸結果。模型中參數ρ=2.418，系數估計值在5%的顯著性水平下顯著為正，說明若本地區(qū)相鄰地區(qū)的創(chuàng)新效率提高1%，會促進本地區(qū)創(chuàng)新效率提高2.418%。這表明鄰近省份創(chuàng)新效率的提高能夠有效推動本省創(chuàng)新的發(fā)展，該結論與大多數學者的研究結論相一致。導致此現象的可能原因：一是地區(qū)之間的資源相互競爭利用，人員相互溝通學習，從而形成“學習—競爭—創(chuàng)新”的良性發(fā)展局面，促進了創(chuàng)新活動的產生；二是知識創(chuàng)新技術是一種具有流動性的要素，所在地區(qū)創(chuàng)新項目可以利用流入的新型技術促進自我研發(fā)與創(chuàng)新，并與鄰里創(chuàng)新項目產生積極互動，共同形成創(chuàng)新新局面。以上結果說明區(qū)域創(chuàng)新效率具有一定的空間溢出性。

表6 空間計量回歸結果

由解釋變量的系數可以明顯看出，本地區(qū)數字金融發(fā)展能夠顯著促進本地區(qū)創(chuàng)新效率，但鄰近地區(qū)數字金融發(fā)展則會顯著抑制本地區(qū)的創(chuàng)新效率，這與學界普遍認為的數字金融發(fā)展能夠整體拉動創(chuàng)新水平提升的觀點似乎不太一致。除去估計偏差的情況，導致此現象的可能原因表現在以下三個方面：第一，大部分省份的數字金融發(fā)展水平還處于尚未成熟的階段，與創(chuàng)新效率共同發(fā)展的良性機制尚未形成，而創(chuàng)新要素更利于向經濟發(fā)展水平高的地方流動，所以數字金融水平高的地區(qū)不一定能夠帶動整體區(qū)域創(chuàng)新效率的提升。第二，我國數字金融不斷開放發(fā)展，增加了系統(tǒng)性風險、信息不對稱性和市場波動，這在一定程度上擾亂了市場的正常運轉。區(qū)域創(chuàng)新活動會因為整個金融市場的動蕩而缺乏數字金融的支持，這再次證實金融發(fā)展在一定程度上對提高整個地區(qū)的創(chuàng)新效率具有負面影響。第三，2011—2018年正是我國大力提倡數字化發(fā)展的階段，其中數字金融發(fā)展水平處于領先地位的省份由于金融科技的技術壁壘較高而產生“洼地效應”。于是，周邊地區(qū)的創(chuàng)新活動因資源匱乏而受到限制，這對創(chuàng)新效率起到了抑制作用。

對控制變量組進行分析可知，無論是本省域還是鄰近省域，區(qū)域創(chuàng)新效率的提升與人力資源的集聚是密不可分的。人才作為第一資源為創(chuàng)新發(fā)展奠定了基礎，一方面，地區(qū)間可以通過彼此交流、相互學習等方式實現知識要素的跨地區(qū)流動和流動過程中的知識整合再創(chuàng)新，整體拉動地區(qū)勞動力素質水平的提升，進而促進創(chuàng)新；另一方面，各地區(qū)可以通過研發(fā)新型技術、拓展創(chuàng)新項目等直接促進創(chuàng)新局面的形成。影響地區(qū)之間創(chuàng)新效率的另一至關重要的因素是交通，地區(qū)的創(chuàng)新效應會因為本地區(qū)的道路基礎設施建設引發(fā)本地效應乃至跨區(qū)域溢出效應。本地創(chuàng)新效應能夠有效促進本地創(chuàng)新資源利用率，而跨區(qū)域創(chuàng)新溢出效應則有助于區(qū)域之間創(chuàng)新資源的共享與轉化。綜上所述，gov，hum，open以及trf等控制變量對區(qū)域創(chuàng)新效率的影響在納入空間因素后，依然與基準回歸結果保持一致，這側面印證了模型選用的合理性。

(三)異質性檢驗

基于我國各省域之間的科技交流更頻繁、交通設施條件更完善以及人力資源要素進出更靈活的背景，無論是事實經驗還是實證分析，都說明創(chuàng)新具有顯著的空間溢出效應。事實上，數字金融發(fā)展水平與創(chuàng)新效率囿于先天資源條件和后天經濟發(fā)展，在區(qū)域分布上呈現出明顯的異質性特點。因此，數字金融對區(qū)域創(chuàng)新效率的影響也極有可能存在省域異質性特征。參照大多數文獻的劃分方法，將28個省份分為東中西部地區(qū)，分地區(qū)對此假設進行具體的分析探討。表7列示了東中西部地區(qū)數字金融對區(qū)域創(chuàng)新效率影響的回歸結果。

表7 異質性檢驗結果

由表7可以看出，一方面，東部地區(qū)創(chuàng)新效率的自回歸系數ρ為正，說明東部地區(qū)創(chuàng)新效率的空間溢出效應為正；另一方面，中部和西部地區(qū)的系數為負，說明中西部地區(qū)創(chuàng)新活動具有明顯的負向空間溢出效應。因此，中西部地區(qū)鄰近省域的創(chuàng)新水平顯著抑制了本地區(qū)創(chuàng)新項目與創(chuàng)新活動。但是，因為中西部地區(qū)的抑制作用遠不如東部地區(qū)的帶動促進作用強，所以整體還是呈現出鄰近省域對本省域創(chuàng)新活動的正向促進作用。這可能是基于以下事實：隨著國家各種政策的傾斜，東部地區(qū)(尤其是沿海地區(qū))是現階段創(chuàng)新的中心區(qū)域，其吸引中部地區(qū)創(chuàng)新資源的能力相對較高，因而中部地區(qū)對創(chuàng)新資源產生激烈競爭。

東中西部本地區(qū)的數字金融指數都為正(1%顯著性水平下顯著)，說明東中西部本地區(qū)的數字金融發(fā)展都能提高本地區(qū)的區(qū)域創(chuàng)新效率，這與上文的研究結論相符，但是中西部鄰近地區(qū)數字金融發(fā)展對本地區(qū)的創(chuàng)新具有抑制作用。造成這種現象的可能原因是：相比于東部地區(qū)，中西部地區(qū)在促進轉型和創(chuàng)新發(fā)展方面還相對落后。事實上，我國的經濟發(fā)展模式本就是從沿海到內陸、沿海帶動內陸的發(fā)展模式。中西部地區(qū)的地理位置、資源分布、金融基礎設施建設以及信息時滯性等多方面因素影響了其經濟的發(fā)展，使該地區(qū)金融服務能力以及人力物力配置均不足，二者共同制約了數字金融服務對中西部地區(qū)區(qū)域創(chuàng)新效率的提升。因此，政府應該針對中西部地區(qū)制定有效政策，解決欠發(fā)達的中西部地區(qū)數字金融服務配置不足、基礎設施落后、優(yōu)勢產業(yè)發(fā)展動能不足等問題，以實現區(qū)域創(chuàng)新水平整體提升的統(tǒng)籌發(fā)展新局面。

(四)數字金融發(fā)展對區(qū)域創(chuàng)新效率的影響機制分析

空間杜賓模型的實證結果表明，本地區(qū)數字金融的發(fā)展顯著提高本地區(qū)創(chuàng)新效率，但鄰近地區(qū)數字金融發(fā)展則會抑制本地區(qū)的創(chuàng)新效率。筆者基于前文的理論機制分析來構建中介模型，驗證本省數字金融發(fā)展是否可以通過擴大金融規(guī)模、升級產業(yè)結構來提高本省區(qū)域創(chuàng)新水平。模型如下：

effit=ω1greenit+ω2Xit+σi+?t+τit

(5)

Mit=1greenit+2Xit+σi+?t+τit

(6)

effit=γ1greenit+γ2Mit+γ3Xit+σi+?t+τit

(7)

式中：i表示省份，t表示年份，?表示時間固定效應，σ表示省份固定效應，τ表示隨機誤差項。金融規(guī)模(dev)和產業(yè)結構(ind)屬于中介變量，進而將其放入中介變量組M中，通過中介效應模型對數字金融影響區(qū)域創(chuàng)新效率的作用機制進行檢驗：首先，參見式(6)，將變量組X中的中介變量分別與數字金融指數green進行回歸，若系數沒有不顯著，說明數字金融發(fā)展能夠在一定程度上對中介變量起作用。而后，參見式(7)，將green和中介變量dev及ind分別一同與區(qū)域創(chuàng)新效率eff進行回歸，若green的系數不顯著或者顯著但系數降低，則說明金融規(guī)模和產業(yè)結構是對區(qū)域創(chuàng)新效率產生影響的路徑變量。全樣本的數字金融影響區(qū)域創(chuàng)新效率作用機制的檢驗結果如表8所示。

表8 數字金融影響區(qū)域創(chuàng)新效率作用機制的檢驗結果

為使比較具有公平性和明確性，在所有模型中加入了相同的控制變量。所有回歸結果都顯示，在 1%的顯著性水平下，數字金融的高速發(fā)展對區(qū)域創(chuàng)新效率具有顯著正向效應。從模型(2)和模型(4)中可以發(fā)現，數字金融的發(fā)展對金融規(guī)模和產業(yè)結構也存在正向顯著影響。更重要的是，基于模型(1)證明了數字金融發(fā)展水平提升顯著促進了區(qū)域創(chuàng)新效率提升的結論。加入了中介變量后，模型(3)和模型(5)中的數字金融相較于之前依舊在5%水平下顯著，但系數均有所降低，并且金融規(guī)模和產業(yè)結構的系數顯著為正，由此證明dev和ind是數字金融發(fā)展水平對區(qū)域創(chuàng)新效率的路徑變量。究其原因，一方面，可能是數字金融能夠憑借云計算、云存儲、大數據等技術確保市場信息的可達性和有效性，極大地緩解了信息不對稱問題，進而拓寬資金來源的渠道及提升資本配置效率，緩解資金鏈緊張和配置不足等問題，使創(chuàng)新研發(fā)項目有充足的資金支撐和保障；另一方面，由數字金融演化而來的京東白條、花唄等便捷金融工具迅速應用于消費者的日常生活中，極大紓緩了中低消費人群消費資金的壓力，整體拉動了居民消費信貸創(chuàng)新，促進了消費結構升級乃至產業(yè)升級，從消費者角度出發(fā)形成技術創(chuàng)新新局面。因此，數字金融發(fā)展主要通過擴大金融規(guī)模和產業(yè)結構升級提高區(qū)域創(chuàng)新效率。

五、結論與啟示

基于我國2011—2018年省際面板數據，一是運用SFA方法計算出區(qū)域創(chuàng)新效率；二是利用空間杜賓模型就數字金融對區(qū)域創(chuàng)新效率的影響進行實證研究，同時進行區(qū)域異質性分析；三是運用中介效應模型研究數字金融對區(qū)域創(chuàng)新效率的作用機制?；诖?，得出以下主要結論：

第一，區(qū)域創(chuàng)新效率具有一定的空間溢出性，并且各地區(qū)之間的創(chuàng)新活動存在競爭效應。

第二，數字金融發(fā)展水平提升可以有效提高本地區(qū)創(chuàng)新效率，但鄰近地區(qū)數字金融發(fā)展則會抑制本地區(qū)的創(chuàng)新效率。異質性分析顯示：中西部地區(qū)創(chuàng)新活動具有明顯的負向空間溢出效應，西部地區(qū)表現得尤為明顯；東部地區(qū)創(chuàng)新效率的空間溢出效應顯著為正。但是，因為中西部地區(qū)的抑制作用遠不如東部地區(qū)的帶動促進作用強，所以整體還是呈現出鄰近地區(qū)對創(chuàng)新活動的顯著促進作用。

第三，數字金融發(fā)展主要通過擴大金融規(guī)模和產業(yè)結構升級來提高區(qū)域創(chuàng)新水平。

基于研究結論，提出如下政策建議：

首先，在國家層面，相關部門應當統(tǒng)籌全局，利用數字金融能夠解決地理限制問題的優(yōu)勢，形成區(qū)域之間數字金融聯動發(fā)展的有效機制。在大力促進數字金融創(chuàng)新溢出的同時，也要加強對數字金融服務業(yè)的監(jiān)管，以確保我國金融事業(yè)的持續(xù)發(fā)展。作為金融和大數據技術的疊加產物，數字金融的風險特征具有了更多不確定性，加強監(jiān)管可以為創(chuàng)新活動的順利開展奠定一定的基礎。

其次，地方政府應當因地制宜，給予本地優(yōu)勢科技企業(yè)一定的政策扶持，放寬中小微企業(yè)創(chuàng)新項目的融資要求，采取各種針對性措施鼓勵數字金融對區(qū)域創(chuàng)新的促進作用。我國東部地區(qū)數字金融發(fā)展最快，其在促進本地區(qū)創(chuàng)新水平提升的同時應該持續(xù)發(fā)揮帶頭作用，帶動周圍地區(qū)同步向好。對于中西部地區(qū)，國家應給予一定的資金補助并加大財政轉移支付力度。各省應當注重均衡發(fā)展，建立良好創(chuàng)新軟環(huán)境，構建共生互利、協調發(fā)展的區(qū)域創(chuàng)新格局。

最后，應擴大人力資本的投入和科研機構、高等學校、企業(yè)間跨地區(qū)的創(chuàng)新合作。一方面，應該繼續(xù)加強教育投入，提高我國從業(yè)人員教育水平，促進高素質勞動要素在跨地區(qū)之間的流動。實證結果表明，在發(fā)展數字金融的同時，應該加強對創(chuàng)新創(chuàng)業(yè)人才的引進。另一方面，各省域具有領先科技創(chuàng)新技術的巨頭公司可以充分發(fā)揮其核心市場和資源分配的優(yōu)勢，利用并整合鄰近地區(qū)高質量市場的創(chuàng)新資源，并加強對相鄰省域創(chuàng)新的資金支持，形成強強聯合、局部帶動整體的良性創(chuàng)新局面。