數(shù)字普惠金融對(duì)縣域全要素生產(chǎn)率的影響及機(jī)制分析

莫 媛，林麗泰，孫光林

（1.南京財(cái)經(jīng)大學(xué) 金融學(xué)院，南京 210023；2.南京大學(xué) 商學(xué)院，南京 210093）

0 引言

縣域經(jīng)濟(jì)是國(guó)民經(jīng)濟(jì)發(fā)展的基本組成部分，扮演著承接產(chǎn)業(yè)轉(zhuǎn)移、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、推進(jìn)城鎮(zhèn)化發(fā)展的重要角色?？h域經(jīng)濟(jì)總量約占全國(guó)的40%左右，2022年“千億縣”總數(shù)達(dá)到54 個(gè)，完成GDP8.6 萬億元，占全國(guó)經(jīng)濟(jì)總量的7.1%。但是，當(dāng)前縣域生產(chǎn)總值增長(zhǎng)率持續(xù)下降、增長(zhǎng)動(dòng)力不足，從2011 年的20%下降至2021 年的12%。培育發(fā)展新動(dòng)能是促進(jìn)縣域經(jīng)濟(jì)持續(xù)發(fā)展的重要支撐，隨著信息技術(shù)的進(jìn)步，數(shù)字普惠金融為促進(jìn)縣域經(jīng)濟(jì)發(fā)展提供了新思路。截至2023 年6 月，農(nóng)村地區(qū)互聯(lián)網(wǎng)普及率為60.5%，2023 年上半年全國(guó)農(nóng)村網(wǎng)絡(luò)零售額達(dá)1.12 萬億元，同比增長(zhǎng)12.5%。那么，數(shù)字普惠金融能否成為驅(qū)動(dòng)縣域全要素生產(chǎn)率的新動(dòng)能？其影響渠道是擴(kuò)大縣域經(jīng)濟(jì)規(guī)模，抑或是促進(jìn)技術(shù)進(jìn)步？地區(qū)之間是否存在差異？這些都是亟須解答的問題。

目前，關(guān)于金融發(fā)展與全要素生產(chǎn)率之間的關(guān)系并未得出一致結(jié)論，主要原因在于：第一，金融發(fā)展衡量指標(biāo)未統(tǒng)一，單一的指標(biāo)并不能較好地刻畫金融發(fā)展的全部?jī)?nèi)涵。有學(xué)者使用銀行貸款[1]、銀行分支機(jī)構(gòu)數(shù)量[2]、金融機(jī)構(gòu)存貸款余額占地區(qū)生產(chǎn)總值的比重[3]來度量金融發(fā)展水平，發(fā)現(xiàn)金融發(fā)展與全要素生產(chǎn)率存在顯著正相關(guān)關(guān)系。但使用金融業(yè)增加值占GDP 的比重時(shí)，則得出了相反的結(jié)論[4]。第二，由于各國(guó)經(jīng)濟(jì)發(fā)展模式不同，且世界經(jīng)濟(jì)偶有動(dòng)蕩，這導(dǎo)致針對(duì)不同期間、不同樣本的研究得到了不同的結(jié)論。Asteriou 和Spanos（2019）[5]以歐洲26 個(gè)國(guó)家為研究對(duì)象，發(fā)現(xiàn)自2008年金融危機(jī)后，金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的作用逐漸減弱，抑制了全要素生產(chǎn)率水平的提高。Ahmad等（2021）[6]指出印度當(dāng)?shù)亟鹑诎l(fā)展對(duì)全要素生產(chǎn)率具有顯著正向影響。還有部分國(guó)別研究則認(rèn)為金融發(fā)展與全要素生產(chǎn)率之間存在非線性關(guān)系[7—9]。

數(shù)字普惠金融作為數(shù)字技術(shù)與普惠金融的結(jié)合，其與全要素生產(chǎn)率的關(guān)系也引起了很多學(xué)者的關(guān)注。在省域?qū)用?，?shù)字經(jīng)濟(jì)對(duì)全要素生產(chǎn)率的可持續(xù)發(fā)展具有驅(qū)動(dòng)作用，主要源于降低了金融服務(wù)門檻[10]，提高了資本配置效率[11]，以及發(fā)揮了知識(shí)、人才、資金等生產(chǎn)要素的空間溢出效應(yīng)[12,13]。同時(shí)，他們的研究也提出了上述作用的區(qū)域非平衡性。在城市層面，科技與金融結(jié)合主要通過提高城市創(chuàng)新水平、融資能力等途徑促進(jìn)全要素生產(chǎn)率增長(zhǎng)[14—16]。

綜上所述，學(xué)者們就金融發(fā)展、數(shù)字普惠金融與全要素生產(chǎn)率之間的關(guān)系進(jìn)行了充分討論。相對(duì)省域和城市而言，農(nóng)村地區(qū)基礎(chǔ)設(shè)施與公共服務(wù)建設(shè)仍不夠完善，數(shù)字普惠金融發(fā)展水平也較低。以省域和城市作為研究對(duì)象得出的結(jié)論對(duì)農(nóng)村是否具有適用性仍不得而知。對(duì)此，本文首先運(yùn)用DEA-Malmquist 指數(shù)法測(cè)算縣域全要素生產(chǎn)率，然后實(shí)證分析縣域數(shù)字普惠金融發(fā)展對(duì)縣域全要素生產(chǎn)率的影響及作用機(jī)制，最后進(jìn)一步分析上述影響的區(qū)域異質(zhì)性，以期為促進(jìn)縣域經(jīng)濟(jì)高質(zhì)量發(fā)展提供有益參考。

1 研究假設(shè)

已有研究表明，全要素生產(chǎn)率偏低的主要原因之一是存在資源錯(cuò)配問題。數(shù)字普惠金融在一定程度上加速了信息與要素流動(dòng)、緩解了信息不對(duì)稱、減少了資源錯(cuò)配與市場(chǎng)扭曲。一方面，數(shù)字普惠金融通過緩解流動(dòng)性約束、便利居民支付促進(jìn)了家庭消費(fèi)支出，同時(shí)也衍生出多樣化的消費(fèi)模式。2023 年上半年全國(guó)農(nóng)產(chǎn)品網(wǎng)絡(luò)零售額為0.27萬億元，同比增長(zhǎng)13.1%。因此，數(shù)字普惠金融有助于促進(jìn)市場(chǎng)分工的深化細(xì)化，對(duì)于實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)發(fā)揮著重要的作用。另一方面，已有研究認(rèn)為技術(shù)創(chuàng)新可以降低生產(chǎn)要素的投入成本，從而優(yōu)化資源的配置。由于創(chuàng)新過程需要不斷投入新設(shè)備和技術(shù)人才，因此企業(yè)創(chuàng)新活動(dòng)對(duì)于資金的需求非常大[17]，且資金投入具有周期長(zhǎng)、風(fēng)險(xiǎn)高的特征。農(nóng)村中小企業(yè)普遍規(guī)模小、抵押物不足，使得他們?cè)趧?chuàng)新過程中往往面臨較強(qiáng)的融資約束。而數(shù)字普惠金融增加了金融產(chǎn)品的多樣性、降低了金融服務(wù)門檻；且相比傳統(tǒng)銀行貸款，數(shù)字普惠金融能夠發(fā)揮數(shù)字技術(shù)優(yōu)勢(shì)，更準(zhǔn)確地量化違約風(fēng)險(xiǎn)，同時(shí)也有助于簡(jiǎn)化企業(yè)貸款流程，為企業(yè)創(chuàng)新活動(dòng)保駕護(hù)航。根據(jù)技術(shù)溢出理論，頭部企業(yè)具有示范效應(yīng)和競(jìng)爭(zhēng)效應(yīng)，從而推動(dòng)整個(gè)地區(qū)全要素生產(chǎn)率的提高。基于此，本文提出假設(shè)1：數(shù)字普惠金融通過刺激居民消費(fèi)提升規(guī)模效率，通過激發(fā)企業(yè)創(chuàng)新能力提升純技術(shù)效率，進(jìn)而提高縣域全要素生產(chǎn)率水平。

根據(jù)信息不對(duì)稱理論，信息優(yōu)勢(shì)方會(huì)存在“道德風(fēng)險(xiǎn)”，而信息劣勢(shì)方則會(huì)出現(xiàn)“逆向選擇”，導(dǎo)致市場(chǎng)低效甚至無效。農(nóng)村地區(qū)由于契約信用文化發(fā)展不足、征信系統(tǒng)覆蓋率低、農(nóng)戶缺乏有效質(zhì)押擔(dān)保等問題，信息不對(duì)稱問題較為嚴(yán)重。根據(jù)金融排斥理論，在不完全競(jìng)爭(zhēng)市場(chǎng)條件下，各個(gè)階層差距逐漸擴(kuò)大，一些弱勢(shì)群體很容易被排斥在金融體系之外。有研究表明，在金融中介發(fā)展水平較高的地區(qū)，數(shù)字金融[11]、金融政策實(shí)施[14]等驅(qū)動(dòng)因素對(duì)于地區(qū)資本配置效率和技術(shù)進(jìn)步具有正向促進(jìn)作用。較高的地區(qū)信用水平是數(shù)字普惠金融發(fā)揮作用的重要條件，對(duì)于緩解信息不對(duì)稱與金融排斥具有重要的作用。因此，本文提出假設(shè)2：在信用水平較高的地區(qū)，數(shù)字普惠金融對(duì)全要素生產(chǎn)率的促進(jìn)作用更大。

在傳統(tǒng)要素流動(dòng)方式下，物理距離是阻礙要素跨區(qū)域流動(dòng)的最大障礙?；莴I(xiàn)波（2021）[15]研究發(fā)現(xiàn)，數(shù)字普惠金融在傳統(tǒng)基礎(chǔ)設(shè)施更加完善的城市，更能顯著促進(jìn)城市全要素生產(chǎn)率的增長(zhǎng)；李建軍等（2020）[18]則基于省域樣本指出在信息基礎(chǔ)設(shè)施建設(shè)不完備地區(qū)的普惠金融對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際作用更大。因此，無論是鐵路、機(jī)場(chǎng)、港口等傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)，還是以數(shù)字化、信息化為代表的信息基礎(chǔ)設(shè)施建設(shè)，都會(huì)對(duì)經(jīng)濟(jì)產(chǎn)生積極影響。截至2023 年6月，我國(guó)農(nóng)村地區(qū)互聯(lián)網(wǎng)普及率仍比城市低24.6 個(gè)百分點(diǎn)。信息基礎(chǔ)設(shè)施不完備、物理交通不便的地區(qū)要素流動(dòng)更加閉塞，可能導(dǎo)致微觀主體獲得金融服務(wù)成本更大。基于此，本文提出假設(shè)3：在信息基礎(chǔ)設(shè)施建設(shè)水平更高的地區(qū)，數(shù)字普惠金融對(duì)全要素生產(chǎn)率的促進(jìn)作用更大。

2 研究設(shè)計(jì)

2.1 研究方法

（1）DEA-Malmquist指數(shù)法

當(dāng)采用面板數(shù)據(jù)時(shí)，可以運(yùn)用DEA 線性規(guī)劃和Malmquist TFP 指數(shù)測(cè)量生產(chǎn)率變化，即兩個(gè)年份之間生產(chǎn)率的相對(duì)變化，彌補(bǔ)DEA 模型靜態(tài)分析的不足。該方法通過觀測(cè)值，基于一定的生產(chǎn)有效性標(biāo)準(zhǔn)確定生產(chǎn)前沿包絡(luò)面上的相對(duì)有效點(diǎn)，從而對(duì)各決策單元進(jìn)行效率評(píng)價(jià)。Malmqusit 指數(shù)變化還可以分解為技術(shù)進(jìn)步變化和技術(shù)效率變化，以反映生產(chǎn)率變化的原因。公式如下：

其中，Xt表示t時(shí)期的投入，Yt表示t時(shí)期的產(chǎn)出；表示在時(shí)間t的技術(shù)條件下從t到t+1 時(shí)期的技術(shù)效率變化，表示在時(shí)間t+1 的技術(shù)條件下從t到t+1時(shí)期的技術(shù)效率變化；Dt0為生產(chǎn)距離函數(shù)，表示t時(shí)期實(shí)際值與前沿生產(chǎn)面之間的相對(duì)值；tfpch為全要素生產(chǎn)率指數(shù)；techch為技術(shù)進(jìn)步指數(shù)，此處主要表現(xiàn)為數(shù)字技術(shù)帶來的前沿生產(chǎn)面變動(dòng)情況；effch為技術(shù)效率變化指數(shù)，更加強(qiáng)調(diào)在技術(shù)水平不變的前提下，縣域各類生產(chǎn)要素的配置與利用狀態(tài)，表示對(duì)前沿生產(chǎn)面的追趕情況；pech和sech分別為純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)。變化指數(shù)值小于1代表效率水平降低，大于1則代表效率水平提高。

（2）兩階段最小二乘法和面板分位數(shù)回歸模型

先構(gòu)建基礎(chǔ)面板回歸模型：

其中，tfpchit代表t年縣域i的全要素生產(chǎn)率指數(shù)，difiit是t年縣域i的數(shù)字普惠金融水平，xit代表模型中t年縣域i的控制變量，α0為截距項(xiàng)，α1和α2為待估計(jì)系數(shù)，εit為隨機(jī)擾動(dòng)項(xiàng)。

考慮到研究可能存在遺漏變量與反向因果問題，本文選用各縣域到杭州市的距離作為工具變量，利用兩階段最小二乘法對(duì)原估計(jì)進(jìn)行糾正，以緩解模型的內(nèi)生性問題。

再構(gòu)建面板分位數(shù)回歸模型，以觀測(cè)數(shù)字普惠金融在不同水平全要素生產(chǎn)率下的作用差異：

其中，Qτ(tfpchit)為縣域全要素生產(chǎn)率指數(shù)的τ分位數(shù)，β1τ為核心解釋變量的τ分位數(shù)估計(jì)系數(shù)，β2τ為控制變量的τ分位數(shù)估計(jì)系數(shù)。

（3）中介效應(yīng)模型

為探究數(shù)字普惠金融發(fā)展對(duì)縣域全要素生產(chǎn)率的影響機(jī)制，本文進(jìn)一步構(gòu)建中介效應(yīng)模型[19]，同時(shí)使用boostrap法進(jìn)行穩(wěn)健性檢驗(yàn)。中介效應(yīng)模型如下：

其中，Mit為中介變量，本文選取消費(fèi)率（consu）和企業(yè)創(chuàng)新能力（inno）作為中介變量，分別從微觀主體行為和企業(yè)創(chuàng)新角度探究傳導(dǎo)機(jī)制。

2.2 變量說明

本文具體變量的設(shè)置及說明如表1所示。

表1 變量設(shè)置及說明

2.3 數(shù)據(jù)來源

本文以2014—2021年中國(guó)1639個(gè)縣域（包括縣級(jí)市、自治縣、旗）為樣本，覆蓋我國(guó)31 個(gè)省份（不含港澳臺(tái)）。為保證樣本穩(wěn)定性，本文以2014 年行政區(qū)劃作為基準(zhǔn)。2014 年全國(guó)共有2082 個(gè)縣域，而北京大學(xué)數(shù)字普惠金融指數(shù)（縣級(jí)）在2014年的統(tǒng)計(jì)樣本僅包含1754個(gè)縣域。為兼顧地方區(qū)劃變化，本文最終選取1639 個(gè)縣域作為研究樣本，數(shù)據(jù)有效率達(dá)78.72%。核心解釋變量的數(shù)據(jù)來源于北京大學(xué)數(shù)字普惠金融指數(shù)；被解釋變量、控制變量、分組變量及中介變量的數(shù)據(jù)來源于《中國(guó)縣域統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》以及《中國(guó)統(tǒng)計(jì)年鑒》，其中銀行網(wǎng)點(diǎn)數(shù)據(jù)來源于銀保監(jiān)會(huì)金融許可證信息，企業(yè)創(chuàng)新數(shù)據(jù)來源于《中國(guó)區(qū)域創(chuàng)新能力報(bào)告》。

3 結(jié)果分析

3.1 縣域全要素生產(chǎn)率的變化特征

從時(shí)序變化看（見表2），縣域全要素生產(chǎn)率穩(wěn)步增長(zhǎng)。其中，縣域技術(shù)進(jìn)步與純技術(shù)效率整體呈現(xiàn)正向增長(zhǎng)趨勢(shì)，而規(guī)模效率表現(xiàn)較為穩(wěn)定?？h域全要素生產(chǎn)率的提升究竟是源于技術(shù)進(jìn)步還是技術(shù)效率，需要后續(xù)實(shí)證進(jìn)一步分析。從區(qū)域不平衡性看（見表3），方差檢驗(yàn)和t 檢驗(yàn)結(jié)果顯示，在不同信用水平、信息基礎(chǔ)設(shè)施建設(shè)水平的地區(qū)，全要素生產(chǎn)率均存在顯著的差異。據(jù)統(tǒng)計(jì)，樣本中東部地區(qū)全要素生產(chǎn)率大于1的縣域占比達(dá)67%，比中西部地區(qū)高出約7個(gè)百分點(diǎn)。

表2 2013—2021年縣域Malmquist全要素生產(chǎn)率指數(shù)

表3 不同地區(qū)全要素生產(chǎn)率的差異檢驗(yàn)

3.2 縣域數(shù)字普惠金融的發(fā)展趨勢(shì)

整體而言，數(shù)字普惠金融在農(nóng)村地區(qū)發(fā)展呈增長(zhǎng)趨勢(shì)，2014—2021 年年均增長(zhǎng)率達(dá)13.13%，且有逐漸收斂趨勢(shì)。從城鄉(xiāng)差異看，縣域數(shù)字普惠金融發(fā)展的變異系數(shù)自2017年后明顯小于市域和省域①變異系數(shù)是數(shù)據(jù)組標(biāo)準(zhǔn)偏差與均值的比值，常用于分析數(shù)據(jù)的離散程度，是分析內(nèi)部差異與收斂性較為合理的指標(biāo)。2017年縣域變異系數(shù)為0.058，市域?yàn)?.092，省域?yàn)?. 088；2021年縣域變異系數(shù)為0.065，市域?yàn)?.086，省域?yàn)?.088。，表明縣域內(nèi)部差異較小，數(shù)字普惠金融在農(nóng)村地區(qū)具有廣泛的潛在市場(chǎng)。從東、中、西三大地區(qū)的差異看（見下頁圖1），2014—2016年中部地區(qū)縣域之間數(shù)字普惠金融水平的差異最小，東部地區(qū)次之，西部地區(qū)最大；2017—2021 年，西部地區(qū)縣域之間的變異系數(shù)最小，東部地區(qū)最大，可能的原因是，西部地區(qū)縣域數(shù)字金融發(fā)展水平普遍較低，而東部地區(qū)是全國(guó)百強(qiáng)縣最為集中的地區(qū)，由于上海市、杭州市等中心城市的輻射作用，引致周邊縣域的數(shù)字普惠金融發(fā)展水平明顯高于其他地區(qū)。

圖1 三大地區(qū)縣域數(shù)字普惠金融指數(shù)變異系數(shù)逐年變化趨勢(shì)

3.3 數(shù)字普惠金融對(duì)全要素生產(chǎn)率的影響分析

依據(jù)上述思路，本文采用Stata 軟件分析數(shù)字普惠金融對(duì)全要素生產(chǎn)率的影響及作用機(jī)制。工具變量有效性檢驗(yàn)的Kleibergen-Paap rk LM統(tǒng)計(jì)量對(duì)應(yīng)的P值為0.000，拒絕了“工具變量不可識(shí)別”的原假設(shè)；Kleibergen-Paap rk Wald F 統(tǒng)計(jì)量大于Stock-Yogo 弱識(shí)別檢驗(yàn)在10%水平上的臨界值為16.38，表明縣域到杭州市的距離是合適工具變量。

根據(jù)表4，整體而言，數(shù)字普惠金融顯著提升了技術(shù)效率以及全要素生產(chǎn)率。在信息不對(duì)稱的農(nóng)村信貸市場(chǎng)上，金融中介（網(wǎng)上銀行、數(shù)字金融平臺(tái)等）比個(gè)人和企業(yè)更具信息優(yōu)勢(shì)，提高了資金配置效率。這也說明發(fā)展普惠金融是貫徹新發(fā)展理念的重要舉措，它在緩解信貸分配不平衡方面發(fā)揮了重要作用。但是，數(shù)字普惠金融對(duì)技術(shù)進(jìn)步的影響并不顯著，可能的原因是縣域經(jīng)濟(jì)技術(shù)進(jìn)步路徑存在一定依賴性，此外，它還受農(nóng)村技術(shù)能力、經(jīng)濟(jì)基礎(chǔ)條件等因素影響，如數(shù)字技術(shù)賦能鄉(xiāng)村產(chǎn)業(yè)發(fā)展的應(yīng)用場(chǎng)景仍顯不足。分位數(shù)估計(jì)結(jié)果（表5）表明，縣域資源配置效率越高或技術(shù)創(chuàng)新水平越高，越有利于數(shù)字技術(shù)的觸達(dá)，從而拓展服務(wù)廣度和深度，更有效地提升全要素生產(chǎn)率。由此可見，數(shù)字普惠金融與縣域全要素生產(chǎn)率存在顯著正相關(guān)關(guān)系，且數(shù)字普惠金融可以促進(jìn)全要素生產(chǎn)率的規(guī)模效率和純技術(shù)效率。

表4 數(shù)字普惠金融與全要素生產(chǎn)率及其分解效率關(guān)系的估計(jì)結(jié)果

表5 數(shù)字普惠金融對(duì)縣域全要素生產(chǎn)率影響的分位數(shù)估計(jì)結(jié)果

3.4 機(jī)制檢驗(yàn)

（1）居民消費(fèi)的中介效應(yīng)檢驗(yàn)

由表6可知，數(shù)字普惠金融通過減少居民傳統(tǒng)消費(fèi)進(jìn)而提升了縣域全要素生產(chǎn)率。此處與假設(shè)1 不一致的原因可能是，本文選取的社會(huì)消費(fèi)品零售額包括實(shí)物商品網(wǎng)上零售額，但不包括非實(shí)物商品網(wǎng)上零售額。隨著鄉(xiāng)村移動(dòng)互聯(lián)網(wǎng)和智能手機(jī)普及，數(shù)字普惠金融下沉力度加大，線下消費(fèi)活動(dòng)的大幅收縮反而刺激線上消費(fèi)和數(shù)字化新興消費(fèi)需求，顯示出鄉(xiāng)村消費(fèi)升級(jí)潛力。據(jù)統(tǒng)計(jì)，2023年1月至2月鄉(xiāng)村消費(fèi)品零售額同比增長(zhǎng)4.5%，較城鎮(zhèn)消費(fèi)品零售額增速高出0.3個(gè)百分點(diǎn)。在“雙循環(huán)”新發(fā)展格局下，數(shù)字普惠金融引起的“消費(fèi)升級(jí)”形成了對(duì)縣域經(jīng)濟(jì)高質(zhì)量發(fā)展的有力支撐。

（2）企業(yè)創(chuàng)新能力的中介效應(yīng)檢驗(yàn)

由下頁表7可知，數(shù)字普惠金融可以通過提高企業(yè)創(chuàng)新能力提升縣域全要素生產(chǎn)率。在金融資源錯(cuò)配情況下，數(shù)字普惠金融能夠緩解具有增長(zhǎng)潛力企業(yè)的融資困境，從而增加了企業(yè)技術(shù)創(chuàng)新投入和產(chǎn)出[20]。這些企業(yè)又進(jìn)一步產(chǎn)生示范效應(yīng)，從而促進(jìn)了縣域全要素生產(chǎn)率的提升。這與假設(shè)1對(duì)企業(yè)創(chuàng)新機(jī)制的設(shè)定一致。

表7 企業(yè)創(chuàng)新對(duì)全要素生產(chǎn)率影響的中介效應(yīng)檢驗(yàn)結(jié)果

3.5 異質(zhì)性分析

從地區(qū)信用水平的異質(zhì)性來看，下頁表8的估計(jì)結(jié)果顯示，地區(qū)信用水平越高，數(shù)字普惠金融的效率提升效應(yīng)越強(qiáng)。在信用水平低的地區(qū)，“被動(dòng)金融排斥”與“主動(dòng)金融排斥”均會(huì)降低農(nóng)村居民金融服務(wù)可得性。在信用水平高的地區(qū)，農(nóng)村信用體系更加健全、金融擔(dān)保機(jī)構(gòu)數(shù)量更多，金融中介聚集社會(huì)閑散資金的速度更快，進(jìn)而滿足微觀主體的投融資需求，假設(shè)2成立。

表8 地區(qū)信用水平異質(zhì)性視角下的分組估計(jì)結(jié)果

從信息基礎(chǔ)設(shè)施的異質(zhì)性來看，作為一種重要的經(jīng)濟(jì)性基礎(chǔ)設(shè)施，信息基礎(chǔ)設(shè)施具有數(shù)字化、信息化與公共性的特征，是數(shù)字普惠金融發(fā)揮作用的載體。由表9 可知，相比在信息基礎(chǔ)設(shè)施低水平、中低水平地區(qū)，信息基礎(chǔ)設(shè)施高水平縣域的數(shù)字普惠金融提升縣域全要素生產(chǎn)率的效果更大。通信技術(shù)的發(fā)展，加快了信息與要素的流動(dòng)，使金融交易成本進(jìn)一步降低，在信息基礎(chǔ)設(shè)施水平越高的地區(qū)，信息的可觸及性與通達(dá)性更高，進(jìn)而加快促進(jìn)了全要素生產(chǎn)率提升。假設(shè)3成立。

表9 信息基礎(chǔ)設(shè)施水平異質(zhì)性視角下的分組估計(jì)結(jié)果

從控制變量看，人力資本水平對(duì)技術(shù)進(jìn)步的估計(jì)系數(shù)顯著為正，但對(duì)純技術(shù)效率的估計(jì)系數(shù)顯著為負(fù)。在人力資本水平高的縣域，勞動(dòng)密集型產(chǎn)業(yè)對(duì)勞動(dòng)力的依賴程度大，抑制了其他生產(chǎn)要素的配置需求，但從長(zhǎng)遠(yuǎn)看，人力資本積累有助于獲得更大技術(shù)進(jìn)步。值得注意的是，2010—2021年，全國(guó)農(nóng)村地區(qū)的人均受教育年限為7.35年，西部地區(qū)僅為6.87 年①根據(jù)《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》公布的數(shù)據(jù)計(jì)算得出。。由于農(nóng)村產(chǎn)業(yè)水平落后于城市，優(yōu)秀人才返鄉(xiāng)工作意愿低，人力資本外溢現(xiàn)象較為普遍，因此提高縣域人力資本水平對(duì)于促進(jìn)地區(qū)全要素生產(chǎn)率具有現(xiàn)實(shí)意義。創(chuàng)新驅(qū)動(dòng)基礎(chǔ)對(duì)規(guī)模效率和技術(shù)進(jìn)步的影響顯著為正，對(duì)純技術(shù)效率影響顯著為負(fù)。囿于數(shù)據(jù)可得性，本文選取規(guī)模以上工業(yè)企業(yè)數(shù)作為代理變量。雖然，規(guī)模以上工業(yè)企業(yè)是工業(yè)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的重要力量，但是，縣域傳統(tǒng)產(chǎn)業(yè)重復(fù)投資嚴(yán)重，縣域經(jīng)濟(jì)僅僅注重規(guī)模以上企業(yè)的發(fā)展，可能并不利于全要素生產(chǎn)率的提高；縣域新型工業(yè)化應(yīng)當(dāng)立足區(qū)域優(yōu)勢(shì)，加強(qiáng)產(chǎn)業(yè)鏈建設(shè)，通過產(chǎn)業(yè)集聚增強(qiáng)創(chuàng)新能力。銀行業(yè)集中度對(duì)規(guī)模效率和技術(shù)進(jìn)步的影響顯著為負(fù)，并最終呈現(xiàn)對(duì)全要素生產(chǎn)率的抑制作用。依據(jù)效率結(jié)構(gòu)假說及安逸生活假說，銀行業(yè)市場(chǎng)集中度越高，機(jī)構(gòu)的經(jīng)營(yíng)績(jī)效越低。區(qū)位特征估計(jì)結(jié)果顯示，東部地區(qū)的各項(xiàng)效率指標(biāo)均顯著高于其他地區(qū)。

3.6 穩(wěn)健性檢驗(yàn)

本文已在機(jī)制分析部分使用Bootstrap 法進(jìn)行了穩(wěn)健性檢驗(yàn)，此處使用縮尾處理與差分GMM 法進(jìn)行進(jìn)一步的穩(wěn)健性檢驗(yàn)。

（1）縮尾處理

考慮到我國(guó)區(qū)域分布差異，為剔除樣本異常值對(duì)估計(jì)結(jié)果的影響，本文在1%的水平上對(duì)主要解釋變量進(jìn)行縮尾處理并重新估計(jì)，結(jié)果見表10。工具變量有效性檢驗(yàn)的Kleibergen-Paap rk LM統(tǒng)計(jì)量對(duì)應(yīng)P值為0.000，拒絕了“工具變量不可識(shí)別”的原假設(shè)；Kleibergen-Paap rk Wald F統(tǒng)計(jì)量大于Stock-Yogo 弱識(shí)別檢驗(yàn)在10%水平上的臨界值16.38。估計(jì)系數(shù)方向與顯著性與上文一致，表明估計(jì)結(jié)果較為穩(wěn)健。

表10 數(shù)字普惠金融與全要素生產(chǎn)率關(guān)系的縮尾處理估計(jì)結(jié)果

（2）差分GMM模型

為了避免模型設(shè)定中產(chǎn)生的內(nèi)生性問題，并考慮到當(dāng)?shù)厝厣a(chǎn)率水平可能會(huì)受到過去水平的影響而使估計(jì)出現(xiàn)偏差，本文引入全要素生產(chǎn)率水平的滯后項(xiàng)，使用差分GMM模型進(jìn)行動(dòng)態(tài)估計(jì)。由下頁表11可知，本文的結(jié)論不依賴于模型的設(shè)定，仍具有穩(wěn)健性。

表11 數(shù)字普惠金融與全要素生產(chǎn)率關(guān)系的差分GMM估計(jì)結(jié)果

4 結(jié)論

在數(shù)字技術(shù)廣泛應(yīng)用的背景下，本文以2014—2021年中國(guó)1639 個(gè)縣域?yàn)槔诓捎肈EA-Malmquist 指數(shù)法測(cè)度縣域全要素生產(chǎn)率的基礎(chǔ)上，運(yùn)用兩階段最小二乘法、面板分位數(shù)回歸模型和中介效應(yīng)模型分析數(shù)字普惠金融對(duì)全要素生產(chǎn)率的影響及作用機(jī)制。研究發(fā)現(xiàn)：（1）整體而言，樣本期內(nèi)我國(guó)縣域全要素生產(chǎn)率整體處于穩(wěn)定上升趨勢(shì)，主要源于技術(shù)進(jìn)步與純技術(shù)效率的提高。東部地區(qū)有效率的縣域數(shù)占比明顯高于中西部地區(qū)。（2）在作用機(jī)制方面，數(shù)字普惠金融通過刺激居民消費(fèi)升級(jí)，以及提升企業(yè)創(chuàng)新能力提高縣域的全要素生產(chǎn)率。農(nóng)村居民的消費(fèi)升級(jí)，改善了生產(chǎn)要素的再配置效率和規(guī)模效率；企業(yè)創(chuàng)新能力培育則有助于要素在產(chǎn)業(yè)間的優(yōu)化配置。（3）從異質(zhì)性視角來看，在信用水平更高、信息基礎(chǔ)設(shè)施建設(shè)更完善的地區(qū)，數(shù)字普惠金融對(duì)縣域全要素生產(chǎn)率的促進(jìn)作用更大。地區(qū)信用水平越高，緩解農(nóng)村金融排斥的影響和力度越大；地區(qū)信息基礎(chǔ)設(shè)施建設(shè)越完善，信息的可觸及性與通達(dá)性越高。