數(shù)字金融對我國區(qū)域性金融風險的影響研究

王珂凡 何文彬

（新疆財經(jīng)大學金融學院 新疆烏魯木齊 830012）

隨著互聯(lián)網(wǎng)技術(shù)與傳統(tǒng)金融業(yè)務(wù)模式的緊密結(jié)合，以金融科技為核心的數(shù)字金融呈現(xiàn)出快速發(fā)展態(tài)勢，改變了當前中國的經(jīng)濟與金融布局，人們的生產(chǎn)和生活方式正在進入以數(shù)字化為標志的新時期[1]。一方面，數(shù)字金融由于其自身具有的普惠性、創(chuàng)新性等特性，通過運用移動終端和大數(shù)據(jù)信息挖掘等渠道幫助金融機構(gòu)決策，不僅降低了金融機構(gòu)的獲客成本，提高了金融服務(wù)效率，還為金融行業(yè)數(shù)字化轉(zhuǎn)型提供了新思路，有利于推動我國經(jīng)濟高質(zhì)量發(fā)展。但另一方面，數(shù)字金融并沒有改變自身的金融本質(zhì)，更不能徹底改變傳統(tǒng)金融業(yè)中“風險—收益”這一基本內(nèi)核。數(shù)字化時代的高度開放性與互聯(lián)互通性，使每一次數(shù)字金融創(chuàng)新的背后都更易于形成業(yè)務(wù)、科技、大數(shù)據(jù)信息、互聯(lián)網(wǎng)等諸多風險因素疊加，從而造成金融風險的積聚，進而對金融穩(wěn)定產(chǎn)生一定程度的沖擊。

在我國經(jīng)濟轉(zhuǎn)向高質(zhì)量發(fā)展的背景下，黨和國家一直把防范化解重大風險作為三大攻堅戰(zhàn)之首，重點是防控金融風險。區(qū)域性金融系統(tǒng)構(gòu)成了國家整體金融系統(tǒng)，故控制區(qū)域性金融風險是防范宏觀金融風險、確保國家經(jīng)濟金融安全的基礎(chǔ)。在此背景下，加強對區(qū)域性金融風險的科學測度，深入研究數(shù)字金融對區(qū)域性金融風險的影響，從而提升地方數(shù)字金融治理能力，避免因過度創(chuàng)新而導(dǎo)致新的區(qū)域性金融風險產(chǎn)生，已成為金融領(lǐng)域的重大課題。

一、文獻回顧

我國的數(shù)字金融實踐已經(jīng)取得了令人矚目的成效，日益成熟的數(shù)字金融，為我國傳統(tǒng)金融行業(yè)提供了全新的發(fā)展模式和創(chuàng)新機會。郭峰等[2]的調(diào)查表明，數(shù)字金融是實現(xiàn)低成本、廣覆蓋和可持續(xù)性金融發(fā)展的重要模式，為經(jīng)濟落后地區(qū)實現(xiàn)經(jīng)濟趕超提供了機會。田新民和張志強[3]在研究中發(fā)現(xiàn)，數(shù)字金融技術(shù)的進步可以通過提高金融資源配置效率來促進中國經(jīng)濟發(fā)展。錢海章等[4]認為，數(shù)字金融能夠推動創(chuàng)新創(chuàng)業(yè)，助力我國經(jīng)濟高質(zhì)量發(fā)展。

在認同數(shù)字金融給經(jīng)濟發(fā)展帶來積極影響的同時，學者們也開始廣泛關(guān)注其對于區(qū)域性金融風險的影響，但目前尚未達成共識。部分學者支持數(shù)字金融會加劇區(qū)域性金融風險。Beck等[5]發(fā)現(xiàn)，數(shù)字金融創(chuàng)新不能完全消除風險，反而因無序和過度創(chuàng)新會改變金融結(jié)構(gòu)，造成金融體系的不穩(wěn)定。戴國強和方鵬飛[6]以及吳曉求[7]發(fā)現(xiàn)，隨著數(shù)字金融的多維度發(fā)展，銀行融資成本增加，加大了銀行的破產(chǎn)風險，進而可能催生區(qū)域性金融風險。黃益平和黃卓[8]以及顧海峰和楊立翔[9]認為，由于數(shù)字金融快速發(fā)展，商業(yè)銀行為獲得高額回報而主動承擔更大風險，造成了金融風險積聚，由此增加了區(qū)域性金融風險爆發(fā)的可能性，進而影響經(jīng)濟發(fā)展的穩(wěn)定性與安全性。趙增奎[10]和吳善東[11]認為，數(shù)字金融的新型業(yè)態(tài)發(fā)展速度快，且數(shù)量眾多、規(guī)模不一，跨地區(qū)數(shù)字金融產(chǎn)業(yè)使得傳統(tǒng)金融監(jiān)管方式難以見效，會形成監(jiān)管盲區(qū)，助長了金融市場的風險傳播，加大了區(qū)域性金融風險。Frost等[12]研究認為，大型金融機構(gòu)利用數(shù)字技術(shù)有可能進一步集中市場份額從而導(dǎo)致新的區(qū)域性金融風險出現(xiàn)。部分學者支持數(shù)字金融能夠抑制區(qū)域性金融風險，有利于金融穩(wěn)定。丁杰[13]認為，傳統(tǒng)金融機構(gòu)通過廣泛使用數(shù)字技術(shù)，創(chuàng)造了更多的金融產(chǎn)品種類，為投資者提供了多種選擇，能夠促進風險的分散轉(zhuǎn)移。趙燕等[14]和劉忠璐[15]認為，金融機構(gòu)利用大數(shù)據(jù)、云計算等創(chuàng)新性數(shù)字技術(shù)，完善了個人信用評估和風險管控體系，金融風險識別、預(yù)警和管理能力顯著提升，從而緩解了區(qū)域性、系統(tǒng)性金融風險。衛(wèi)曉鋒[16]和羅航等[17]指出，數(shù)字金融降低了信息收集成本，減弱了信息不對稱性，弱化了信貸波動和資產(chǎn)價格的波動，同時為金融機構(gòu)帶來大量未開發(fā)客戶，拓寬了資金來源渠道，進一步抑制了信用風險的產(chǎn)生和系統(tǒng)性金融風險的擴散。王娟和朱衛(wèi)未[18]研究發(fā)現(xiàn)，數(shù)字金融的發(fā)展能夠有效降低企業(yè)的非效率投資水平，并實現(xiàn)有效地去杠桿，從而提高企業(yè)財務(wù)穩(wěn)定水平，由此降低了微觀主體引發(fā)區(qū)域性金融風險的可能性。李優(yōu)樹和張敏[19]以及歐陽資生等[20]發(fā)現(xiàn)，數(shù)字金融可以同時從降低交易成本、提升盈利能力、增強風險抵御能力等多方面對區(qū)域性金融風險起到抑制作用。

上述文獻梳理清晰地顯示了數(shù)字金融與區(qū)域性金融風險之間的關(guān)聯(lián)性。目前，學界對于國家層面金融風險的研究很多，大多側(cè)重研究了數(shù)字金融的廣泛應(yīng)用對商業(yè)銀行產(chǎn)生的風險，但較少涉及數(shù)字金融對區(qū)域性金融風險影響的定量研究，且已有文獻也僅以面板數(shù)據(jù)固定效應(yīng)回歸模型進行實證分析，研究不夠深入。綜上，本文以我國30個省份為樣本（基于數(shù)據(jù)的可得性與完整性，暫未包括港澳臺地區(qū)和西藏自治區(qū)），從各省份實際金融狀況出發(fā)，以分屬于金融市場類型、外部經(jīng)濟以及宏觀經(jīng)濟的共16個指標2011—2020年度的統(tǒng)計數(shù)據(jù)為依據(jù)，構(gòu)建我國區(qū)域性金融風險衡量體系并利用熵權(quán)法進行賦值，然后利用基準回歸模型與空間杜賓模型實證研究數(shù)字金融對我國區(qū)域性金融風險的影響，最后提出相關(guān)政策建議。

二、理論分析與研究假設(shè)

（一） 數(shù)字金融對區(qū)域性金融風險的直接影響

已有研究顯示，數(shù)字金融本身具有的普惠性和便捷性提升了傳統(tǒng)金融的可及性，對區(qū)域性金融風險產(chǎn)生一定影響，這種影響可以歸納為加劇作用和抑制作用兩種[21]。

數(shù)字金融通過對金融體系的內(nèi)部影響和外部影響加劇區(qū)域性金融風險。內(nèi)部影響主要有四個方面。首先，數(shù)字金融的去中介功能可能引發(fā)金融脫媒效應(yīng)，由此稀釋銀行存款資金而加大銀行市場風險。其次，數(shù)字金融的高收益理財功能可能引起債券市場資金轉(zhuǎn)移，從而導(dǎo)致債券價格下跌而加大債券市場風險。再次，數(shù)字金融的數(shù)字化股權(quán)眾籌功能可能引起股票市場資金轉(zhuǎn)移，從而導(dǎo)致股票價格下跌而加大股票市場風險。最后，數(shù)字金融的網(wǎng)絡(luò)化服務(wù)功能改變了傳統(tǒng)保險行業(yè)以線下銷售為主的模式，同時催生出許多新的險種與線上營銷方式，加大了保險機構(gòu)數(shù)字化轉(zhuǎn)型升級過程中的風險。外部影響主要有三個方面。首先，隨著數(shù)字金融客戶規(guī)模的擴大，信貸、擔保等準入要求降低，增加了金融機構(gòu)承擔的信用風險，區(qū)域性金融風險爆發(fā)的可能性增加。其次，數(shù)字金融憑借較強的便捷性和較低的交易成本擠占了傳統(tǒng)金融機構(gòu)的市場份額，當服務(wù)于地方經(jīng)濟發(fā)展的金融機構(gòu)面臨經(jīng)營困境時，就會引發(fā)區(qū)域性金融風險[22]。最后，數(shù)字金融推動了交易業(yè)務(wù)數(shù)字化，客戶信息和交易內(nèi)容的安全隱患加大，不利于金融業(yè)的穩(wěn)定發(fā)展[21]。

數(shù)字金融對區(qū)域性金融風險的抑制作用主要體現(xiàn)在金融體系的風險抵抗能力增強。第一，互聯(lián)網(wǎng)及信息技術(shù)與傳統(tǒng)金融業(yè)態(tài)相結(jié)合催生出數(shù)字金融新業(yè)態(tài)，這種新業(yè)態(tài)發(fā)展勢頭迅猛，能有效吸收市場中的閑置金融資源、拓寬融資渠道、降低融資成本，從而更好地服務(wù)于實體經(jīng)濟，進而降低區(qū)域性金融風險。第二，數(shù)字金融為地方政府融資提供了更多選擇，降低了地方政府對銀行信貸融資的依賴，有利于緩解其融資約束與債務(wù)壓力，從而抑制區(qū)域性金融風險。第三，數(shù)字金融能夠更精準地獲取市場信息，極大地緩解了買賣雙方的信息不對稱，從而減少道德風險等代理問題，推動金融市場健康運轉(zhuǎn)。第四，數(shù)字金融通過大數(shù)據(jù)信息技術(shù)使得金融市場的定價更加合理，提高了金融資源配置效率，大大降低了金融資源錯配風險[22]。第五，數(shù)字金融推動了金融行業(yè)的制度創(chuàng)新和產(chǎn)品創(chuàng)新，提升了金融服務(wù)質(zhì)量，促進了金融體系乃至經(jīng)濟結(jié)構(gòu)的優(yōu)化升級，有助于金融市場的有效運轉(zhuǎn)，進而增強其風險抵抗能力。第六，數(shù)字金融憑借其普惠性、高效性的特征迅速捕獲了潛在的長尾市場，在信息技術(shù)的支撐下擴大金融供給，同時推動傳統(tǒng)金融機構(gòu)運營流程智能化、規(guī)范化，提升了金融機構(gòu)的風險應(yīng)對能力，有助于金融行業(yè)實現(xiàn)轉(zhuǎn)型升級、提質(zhì)增效[23]。

基于上述分析，本文提出研究假設(shè)H1：數(shù)字金融會抑制區(qū)域性金融風險。

（二） 數(shù)字金融對區(qū)域性金融風險的空間溢出效應(yīng)

在我國金融行業(yè)數(shù)字化轉(zhuǎn)型過程中，金融機構(gòu)之間的互聯(lián)互通性變得更為廣泛，各地區(qū)金融系統(tǒng)之間的耦合性更強，區(qū)域性金融風險的聯(lián)動性也因此提高。一方面，不同地區(qū)對于跨地區(qū)數(shù)字金融活動的監(jiān)管并未達到全方位的狀態(tài)，仍存在監(jiān)管空白區(qū)域，加上部分監(jiān)管方法相對滯后、低效，助長了影子銀行的產(chǎn)生與發(fā)展，一旦出現(xiàn)違約情況就容易形成“多米諾骨牌效應(yīng)”，產(chǎn)生跨部門、跨區(qū)域風險溢出效應(yīng)，導(dǎo)致金融風險的破壞水平和影響范圍增大。另一方面，數(shù)字金融發(fā)展速度極快，吸引了各類高質(zhì)量要素資源集聚，一個地區(qū)的高速發(fā)展往往能輻射鄰近地區(qū)，通過“擴散效應(yīng)”帶動周邊地區(qū)共同發(fā)展，促進鄰近地區(qū)的金融制度完善和金融基礎(chǔ)設(shè)施建設(shè)，從而抑制區(qū)域性金融風險的產(chǎn)生，增強金融風險的抵御能力。

基于以上分析，本文提出假設(shè)H2：周邊地區(qū)數(shù)字金融的發(fā)展會間接影響本地區(qū)的區(qū)域性金融風險，即具有空間溢出效應(yīng)。

三、研究設(shè)計

（一） 樣本選擇與數(shù)據(jù)來源

本文最終選取我國30個省份（基于數(shù)據(jù)的可得性與完整性，暫未包括港澳臺地區(qū)和西藏自治區(qū)）2011—2020年的面板數(shù)據(jù)開展實證研究。其中，數(shù)字金融數(shù)據(jù)來自北京大學數(shù)字金融研究中心，其他數(shù)據(jù)來自《中國統(tǒng)計年鑒》、國家統(tǒng)計局網(wǎng)站和Wind數(shù)據(jù)庫，并使用插值法計算部分缺失值。

（二） 變量設(shè)定

被解釋變量：區(qū)域性金融風險(RFR)。參考歐陽資生等[20]的研究，本文將區(qū)域性金融風險定義為區(qū)域內(nèi)金融機構(gòu)微觀金融風險的擴散，及其他區(qū)域通過金融活動的互聯(lián)性向本地區(qū)傳播的金融風險。目前，學術(shù)界尚未對區(qū)域性金融風險形成統(tǒng)一的測度方法，衡量指標也各有優(yōu)缺點。本文在參考相關(guān)學者研究框架[24-25]的基礎(chǔ)上，充分考慮到指標選取的科學性、全面性、獨立性與可得性原則，根據(jù)中國金融市場分類、對外經(jīng)濟和宏觀經(jīng)濟形勢，構(gòu)建了一個衡量區(qū)域性金融風險的指標體系（見表1），并使用熵值法對各項指標進行賦權(quán)，計算得到區(qū)域性金融風險指數(shù)。

表1 區(qū)域性金融風險指標體系

解釋變量：數(shù)字金融（DF）。參考黃益平和黃卓[8]的研究，本文將數(shù)字金融定義為傳統(tǒng)金融機構(gòu)與互聯(lián)網(wǎng)公司利用數(shù)字信息技術(shù)進行創(chuàng)新，實現(xiàn)高效融資、支付、投資，并衍生出新型金融業(yè)務(wù)模式。北京大學數(shù)字金融研究中心測算的數(shù)字普惠金融指數(shù)涵蓋了 2011—2020 年中國各省份數(shù)據(jù)，具有很強的真實性、權(quán)威性與可信性，符合本文的實證要求，因此，本文選擇數(shù)字普惠金融指數(shù)的對數(shù)值表征解釋變量。

控制變量：用城市道路照明燈數(shù)量的對數(shù)值反映城市化水平（URB），用第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值之比衡量產(chǎn)業(yè)結(jié)構(gòu)合理程度（STR），用城鎮(zhèn)居民人均可支配收入的對數(shù)值反映家庭收入水平（INC），用地方財政支出占地區(qū) GDP 的比例衡量政府調(diào)控（GOV），用規(guī)模以上工業(yè)企業(yè)單位數(shù)量的對數(shù)值代表工業(yè)化水平（IND）。

工具變量：互聯(lián)網(wǎng)普及率（NET）， 用互聯(lián)網(wǎng)寬帶接入用戶人數(shù)與常住人口總數(shù)之比衡量。

（三） 模型構(gòu)建

1.基準回歸模型

為了分析數(shù)字金融對我國區(qū)域性金融風險的影響，本文建立如下基準回歸模型：

式中，i代表省份；t代表時間；RFRi,t為本文的被解釋變量，表示i省份在第t年的區(qū)域性金融風險；解釋變量為DF；Ctrls表示本文的控制變量；νi為個體固定效應(yīng)；μt為時間效應(yīng)；ε為隨機誤差項。

2.空間計量模型

為了探討空間溢出效應(yīng)，本文構(gòu)建如下空間計量模型。

首先，本文構(gòu)建空間滯后模型（SAR）如下：

式中，ρ為空間自回歸系數(shù)；W為空間鄰接矩陣，定義為：

上式中的i和j分別代表兩個區(qū)域。然后，本文構(gòu)建空間誤差模型（SEM）如下：

式中，λ為空間誤差回歸系數(shù)。

最后，本文構(gòu)建空間杜賓模型（SDM）如下：

式中，WRFRi,t是空間滯后項；系數(shù)ρ是空間自回歸系數(shù)，表示空間上相鄰地區(qū)對本地區(qū)形成的空間外溢效果，其估計值可以直接反映空間溢出效應(yīng)的大小和方向。

四、實證研究與結(jié)果分析

（一） 描述性統(tǒng)計分析

表2給出了相關(guān)變量的描述性統(tǒng)計情況。表2顯示，RFR的最大值為0.6496，最小值為0.1963，平均值為0.3292，表明我國不同地區(qū)區(qū)域性金融風險水平存在一定差異，且部分地區(qū)區(qū)域性金融風險較高。與RFR相比，雖然DF的均值更高，但其標準差遠大于RFR的標準差，分布更具離散性，表明不同地區(qū)數(shù)字金融發(fā)展水平存在較大差異。此外，控制變量和工具變量的統(tǒng)計值均在正常范圍內(nèi)。

表2 變量的描述性統(tǒng)計

（二） 回歸結(jié)果與分析

1.基準回歸結(jié)果及分析

本文根據(jù)Hausman 檢驗結(jié)果，確定基準回歸分析應(yīng)采用雙向固定效應(yīng)模型，并得到回歸結(jié)果見表3。由表3可知，在考慮控制變量的影響之后，數(shù)字金融每變動 1 個單位會使得區(qū)域性金融風險反向變動 0.0225 個單位，且在 5% 顯著性水平下通過檢驗，即數(shù)字金融的發(fā)展會顯著減緩區(qū)域性金融風險的積聚與發(fā)生，這一結(jié)論與 H1一致?？赡艿脑虬ǎ簲?shù)字金融的發(fā)展降低了信息收集成本，緩解了信息不對稱程度，同時促進了金融創(chuàng)新，增強了金融體系抵御風險的能力，也抑制了區(qū)域性金融風險。在控制變量方面，樣本期間的城市化水平、產(chǎn)業(yè)結(jié)構(gòu)合理程度會抑制區(qū)域性金融風險的發(fā)生，家庭收入水平、政府調(diào)控與工業(yè)化水平的影響相反。

表3 基準回歸結(jié)果

2.內(nèi)生性分析

為確保實證結(jié)果的嚴謹性，本文借鑒康鑫依等[26]的做法，選取2011—2020年我國省級互聯(lián)網(wǎng)普及率的自然對數(shù)作為工具變量進行內(nèi)生性檢驗。一方面，數(shù)字金融的興起、發(fā)展與互聯(lián)網(wǎng)的普及率密切相關(guān)，另一方面，互聯(lián)網(wǎng)的普及率與區(qū)域性金融風險沒有直接關(guān)系，因此互聯(lián)網(wǎng)普及率符合本文的工具變量選取標準。

表4為使用工具變量即互聯(lián)網(wǎng)普及率（NET）進行兩階段最小二乘法的估計結(jié)果。結(jié)果顯示，第一階段F值遠高于10，表明不存在弱工具變量問題，工具變量的選取有效。從第二階段來看，引入工具變量后的回歸系數(shù)為?0.0601，且在5%的顯著性水平下通過檢驗，表明數(shù)字金融與區(qū)域性金融風險仍存在負向相關(guān)關(guān)系，即數(shù)字金融能抑制區(qū)域性金融風險，進一步證明了基準回歸結(jié)果的嚴謹性，驗證了H1。

表 4 (續(xù))

表4 內(nèi)生性檢驗

3.異質(zhì)性分析

首先，由于我國不同地區(qū)資源要素配置與經(jīng)濟社會發(fā)展水平存在明顯差距，導(dǎo)致數(shù)字金融發(fā)展狀況差異較大，為此，本文擬進一步考察數(shù)字金融對區(qū)域性金融風險影響的區(qū)域異質(zhì)性①。其次，盡管數(shù)字金融出現(xiàn)較早，但直到2013年余額寶的誕生才引發(fā)數(shù)字金融的快速發(fā)展，為此，本文擬借鑒段永琴[27]的做法，將研究樣本分為2011—2012年和2013—2020年兩個范圍進行時間異質(zhì)性檢驗。分析結(jié)果詳見表5。

表5 異質(zhì)性分析結(jié)果

表5顯示，四個區(qū)域數(shù)字金融的發(fā)展均會抑制區(qū)域性金融風險，但影響水平差異較大，其中，數(shù)字金融對西部地區(qū)區(qū)域性金融風險的抑制作用最大，東北和東部次之，中部最小?？赡艿脑虬ǎ弘S著我國西部地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)加快，數(shù)字化技術(shù)推動了金融風險預(yù)警機制的完善，減小了區(qū)域性金融風險發(fā)生的可能性；東部地區(qū)和中部地區(qū)金融業(yè)配套設(shè)施相對完備，金融體系相對成熟，抵御風險的能力較強，故邊際作用較??；東北地區(qū)因各種原因尚未實現(xiàn)實體經(jīng)濟和數(shù)字金融的深度融合，產(chǎn)業(yè)融合效應(yīng)和產(chǎn)業(yè)聯(lián)動效應(yīng)不明顯，導(dǎo)致數(shù)字金融對區(qū)域性風險的抑制作用不明顯。表5還顯示，在2011—2012年區(qū)間，數(shù)字金融對區(qū)域性風險的影響較小，但在2013—2020年區(qū)間，DF的回歸系數(shù)在5%的水平下通過顯著性檢驗，且系數(shù)絕對值遠高于其在2011—2012年區(qū)間的數(shù)值，說明數(shù)字金融對區(qū)域性風險的抑制作用主要顯現(xiàn)在2013年之后。

4.區(qū)域性金融風險空間相關(guān)性檢驗

為了驗證假設(shè)2，本文首先選取30個省份的經(jīng)緯度坐標構(gòu)建基于地理位置的空間鄰接矩陣，由此計算2011—2020年區(qū)域性金融風險的全局Moran′s I指數(shù)，進行空間相關(guān)性驗證。計算公式如下：

式中X為區(qū)域性金融風險，S2為其樣本方差，n為樣本數(shù)量。表6顯示，我國2011—2020年區(qū)域性金融風險的Moran′s I指數(shù)均顯著大于0，即存在正向空間相關(guān)性，可進行空間面板回歸分析。

表6 區(qū)域性金融風險空間相關(guān)性檢驗

然后，本文以空間鄰接矩陣為基礎(chǔ)，繪出區(qū)域性金融風險的四象限莫蘭散點聚集圖，見圖1。

圖1 2020年各地區(qū)區(qū)域性金融風險 Moran 散點圖

限于篇幅，本文僅列示了2020年的Moran散點圖。從圖1可以看出，我國大多數(shù)省份主要集中在第I和第III象限，說明區(qū)域性金融風險水平相近的省份之間存在空間集聚現(xiàn)象，即具有正向的空間相關(guān)關(guān)系。

5.空間計量模型實證與分析

上述空間相關(guān)性檢驗結(jié)果表明，區(qū)域性金融風險具有正向的空間相關(guān)關(guān)系，下一步本文將驗證假設(shè)2，即數(shù)字金融對區(qū)域性金融風險存在空間溢出效應(yīng)。

為選擇合適的空間計量模型，本文首先進行Hausman檢驗，根據(jù)檢驗結(jié)果P=0.0000選擇空間固定效應(yīng)模型。然后，使用LM檢驗拒絕混合OLS回歸，發(fā)現(xiàn)雙向固定效應(yīng)在10%的顯著性水平下大多數(shù)變量P值均顯著，且擬合值R2最高，說明擬合程度最好。最后，根據(jù)LR檢驗結(jié)果，拒絕將SDM模型退化為SEM模型或SAR模型，故本文最終選用雙向固定的SDM模型來研究數(shù)字金融對區(qū)域性金融風險的空間溢出效應(yīng)。檢驗結(jié)果見表7、表8。

表7 LM檢驗結(jié)果

表8 LR檢驗結(jié)果

表9為數(shù)字金融對區(qū)域性金融風險的SDM估計結(jié)果。表9顯示，采用空間杜賓模型進行空間計量分析時，空間自回歸系數(shù)ρ為 0.2271，表明我國區(qū)域性金融風險存在顯著的聚集效應(yīng)。數(shù)字金融的空間滯后項W×DF系數(shù)為負，且在1%水平下通過了顯著性檢驗，即數(shù)字金融對區(qū)域性金融風險具有顯著的空間溢出效應(yīng)，表明鄰近地區(qū)數(shù)字金融的發(fā)展也會間接起到緩解本地區(qū)區(qū)域性金融風險積聚的作用，抑制區(qū)域性金融風險的產(chǎn)生，驗證了假設(shè)H2?？赡茉虬ǎ弘S著鄰近地區(qū)數(shù)字金融的不斷發(fā)展，更多的高質(zhì)量要素資源將流入該區(qū)域，在推動鄰近地區(qū)經(jīng)濟發(fā)展的同時，通過擴散效應(yīng)與區(qū)域協(xié)同效應(yīng)促進本地區(qū)金融體系的完善，從而減小本地區(qū)區(qū)域性金融風險的發(fā)生概率。

表 9 (續(xù))

表9 數(shù)字金融發(fā)展對區(qū)域性金融風險的SDM估計結(jié)果

由于SDM模型包含了空間滯后項，其系數(shù)不能準確度量模型中解釋變量對被解釋變量的影響程度，所以，本文下一步將采用偏微分方法對溢出效應(yīng)進行分解，結(jié)果如表10所示。

表10 SDM模型直接、間接和總效應(yīng)分解

表10顯示，數(shù)字金融對區(qū)域性金融風險的直接效應(yīng)為正，間接效應(yīng)以及總效應(yīng)均顯著為負，表明在考慮空間因素之后，雖然跨地區(qū)數(shù)字金融活動會形成監(jiān)管盲區(qū)，增加本地區(qū)金融風險的傳播，但是由于鄰近地區(qū)數(shù)字金融的發(fā)展可以通過空間溢出效應(yīng)減緩本地區(qū)的區(qū)域性金融風險，且間接效應(yīng)產(chǎn)生的抑制作用遠遠大于直接效應(yīng)導(dǎo)致的加劇作用，因此總體上降低了我國區(qū)域性金融風險水平，驗證了假設(shè)H2。城市化水平、產(chǎn)業(yè)結(jié)構(gòu)合理程度的總效應(yīng)均為負，表明這些因素會抑制區(qū)域性金融風險的發(fā)生，家庭收入水平、政府調(diào)控與工業(yè)化水平的總效應(yīng)均為正，結(jié)論相反。

（三） 穩(wěn)健性檢驗

為保證上述結(jié)論的可靠性，本文參考汪亞楠等[28]的做法進行穩(wěn)健性檢驗。首先，更換本文的解釋變量，用數(shù)字普惠金融指數(shù)三個維度分指標的對數(shù)值再次檢驗數(shù)字金融對區(qū)域性金融風險的空間溢出效應(yīng)，三個維度分指標分別為覆蓋廣度（DF1）、使用深度（DF2）和數(shù)字化程度（DF3），回歸結(jié)果見表11?？梢钥闯觯谔鎿Q解釋變量后，空間滯后項回歸系數(shù)仍為負，即鄰近地區(qū)數(shù)字金融的發(fā)展抑制了本地區(qū)面臨的區(qū)域性金融風險，且間接效應(yīng)大于直接效應(yīng)，加總后的總效應(yīng)仍為負，證明了結(jié)論的可靠性與穩(wěn)健性。其次，剔除直轄市?？紤]到直轄市與其他省份相比可能存在一定的經(jīng)濟發(fā)展獨特性，從而可能影響實證結(jié)果的準確性，因此本文剔除四個直轄市后再次進行回歸分析，結(jié)果見表11，結(jié)論不變。

表11 穩(wěn)健性檢驗

五、研究結(jié)論與啟示

（一） 研究結(jié)論

本文以數(shù)字金融為解釋變量，以區(qū)域性金融風險為被解釋變量，基于我國2011—2020年30個省份的統(tǒng)計數(shù)據(jù)，構(gòu)建面板模型與空間杜賓模型，實證檢驗數(shù)字金融對區(qū)域性金融風險的直接影響以及空間溢出效應(yīng)，研究結(jié)論如下：（1）數(shù)字金融能顯著抑制我國區(qū)域性金融風險。（2）我國區(qū)域性金融風險具有顯著的正向空間相關(guān)性。（3）我國數(shù)字金融對區(qū)域性金融風險具有空間溢出效應(yīng)，即周邊地區(qū)數(shù)字金融的發(fā)展間接抑制了本地區(qū)的區(qū)域性風險。（4）數(shù)字金融對區(qū)域性金融風險的抑制作用具有區(qū)域異質(zhì)性和時間異質(zhì)性，對西部地區(qū)的抑制作用最大，東北和東部次之，中部最小，且抑制效應(yīng)主要體現(xiàn)在2013年之后。

（二） 政策建議

基于上述結(jié)論，本文提出推動數(shù)字金融發(fā)展、緩解我國區(qū)域性金融風險的如下政策建議：

第一，健全數(shù)字金融運行機制，設(shè)立數(shù)字金融監(jiān)管機構(gòu)。本文研究顯示，數(shù)字金融能夠顯著抑制我國區(qū)域性金融風險，為此，政府部門應(yīng)健全數(shù)字金融運行機制，加強數(shù)字化基礎(chǔ)設(shè)施建設(shè)，確保數(shù)字金融的良性發(fā)展。此外，政府部門可考慮設(shè)立數(shù)字金融監(jiān)管機構(gòu)，專門負責數(shù)字金融的監(jiān)管和風險防范，通過建立與時俱進、動態(tài)調(diào)整的監(jiān)管機制，一方面提高區(qū)域性金融風險監(jiān)管的精準性和及時性，另一方面防范因數(shù)字金融過度創(chuàng)新而引發(fā)區(qū)域性金融風險。

第二，優(yōu)化資源配置，拓寬數(shù)字金融的空間溢出通道。鑒于周邊地區(qū)數(shù)字金融的發(fā)展可以通過空間溢出效應(yīng)間接抑制本地區(qū)區(qū)域性風險，因此政府部門應(yīng)該優(yōu)化資源配置，加快構(gòu)建大數(shù)據(jù)全要素流動的國內(nèi)統(tǒng)一大市場，進一步消除阻礙要素跨區(qū)域流動的體制性障礙，加速要素間的空間集聚和跨區(qū)域深度融合，拓寬數(shù)字金融的空間溢出通道。

第三，實行差異化地區(qū)發(fā)展戰(zhàn)略，增強整體風險應(yīng)對能力。本文研究顯示，數(shù)字金融對區(qū)域性金融風險的抑制作用存在地區(qū)差異，而根本原因在于各地區(qū)的經(jīng)濟社會發(fā)展水平存在明顯各異。因此，現(xiàn)階段我國政府應(yīng)依據(jù)各地區(qū)實際情況采取差異化發(fā)展戰(zhàn)略，推動西部大開發(fā)形成新格局，支持東北振興取得新突破，促進中部地區(qū)加快崛起，鼓勵東部地區(qū)加快推進現(xiàn)代化，通過縮小地區(qū)間差異增強整體風險應(yīng)對能力。

注釋：

① 根據(jù)中國四大經(jīng)濟區(qū)劃分標準，東部地區(qū)包含北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)包含山西、安徽、江西、河南、湖北、湖南；西部地區(qū)包含內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆；東北地區(qū)包括遼寧、吉林、黑龍江。