數字金融發展與區域創新績效差距

萬佳彧,周 勤,武小菲

(1.南京林業大學 經濟管理學院,江蘇 南京 210037; 2.東南大學 經濟管理學院,江蘇 南京 211189)

伴隨著新一輪產業和技術革命,全球經濟步入數字化時代,數字金融作為數字經濟浪潮中金融領域的重大創新,對傳統金融市場起到了重要補充作用,也對創新活動產生了深遠影響。數字金融是科技對傳統金融賦能后的深度融合及再創造,與傳統金融相比,數字金融具有如下優勢:其一,數字金融打破了傳統金融在空間上的局限,提升了金融服務的穿透性和覆蓋面積。其二,數字金融對于用戶數據的充分抓取以及對數據的高效處理降低了金融市場中交易對手間的信息不對稱,提升了金融服務的效率,在降低交易成本方面具有無可比擬的優勢。數字金融借助數字化技術手段緩解了區域間金融資源分割的困境,促進了資源的跨區域流動,其普惠性特征對區域間創新不平衡的現狀起到一定的緩解作用。

鑒于此,本文選取2011—2018年中國城市層面數據,采用QAP (Quadratic Assignment Procedure)模型,驗證數字金融以及其分維度指標對城市間創新差距的影響。

本文的增量貢獻體現在:

第一,以往數字經濟創新效應的研究多以數字金融發展的絕對值為核心變量,少有對不同區域間數字水平的相對差異展開研究。本文為數字金融對創新活動的貢獻提供了中觀層面的視角和經驗證據。

第二,本文不僅關注數字金融總量效應,且從覆蓋廣度、使用深度和數字化程度三個維度進行分析,避免單一視角可能造成的偏誤。

第三,為體現數字金融發展差距和創新差距的關系,引入關系數據分析范式,采用關系數據計量建模技術和QAP模型進行假設檢驗,使得檢驗結果更精確可靠。

一、文獻綜述

本文立足于數字金融發展與包容性增長間的關系,從區域創新的角度進行探討,下面從以下幾個方面對相關文獻進行評述。

(一)金融發展的創新效應

唐清泉等(2015)、孫伍琴等(2008)、NANDA等(2014)、張東敏等(2021)分別從融資約束、信息不對稱、風險承擔路徑,從宏觀和微觀層面建立研究框架,對金融發展的創新效應進行闡述。這些研究從不同角度和層次論證傳統金融發展對技術創新起到的促進作用,同時也體現了我國傳統金融服務仍面臨不完全信息、異質性借貸成本以及借貸約束等金融摩擦,導致創新激勵不足等問題。

(二)數字金融對傳統金融市場的補充作用

數字金融是數字化時代中國傳統金融供給不足背景下應運而生的新興金融服務業態。數字金融將大數據技術、區塊鏈技術和云計算等信息技術廣泛應用于金融服務過程中,重塑了金融業態和模式,為擴大金融服務覆蓋范圍,降低金融服務成本創造了巨大空間。唐松等(2020)的研究表明數字金融基于數字手段的基礎架構使其具有典型的普惠性和包容性特征,從而對傳統金融市場起到存量優化和增量補充的作用。

(三)數字金融的創新效應

數字金融的創新效應研究主要分為理論式探討和經驗檢驗兩大類,涉及數字金融的現狀(黃益平 等,2018)、數字金融監管(焦瑾璞 等,2015)、數字金融與城鄉差距(張賀 等,2018)、數字金融與居民消費(Li et al,2020)、數字金融與環境保護(Wan et al,2022)等,主要集中于數字金融對企業創新的激勵以及對城市創新產出的驅動。已有文獻分別從微觀個體層面、企業層面以及宏觀城市層面論證了數字金融對于創新創業活動的促進作用。張勛等(2020)基于個體層面發現了數字金融發展有利于居民創業。趙濤等(2020)基于企業層面證實了數字金融發展有助于提升企業創新能力。Feng等(2022)發現數字金融發展有助于促進綠色技術創新。

然而,在關注數字金融發展帶來創新效率提升的同時,對于公平性問題的關注卻有所欠缺。已有研究并未涉及數字鴻溝問題的探討,即數字金融是否會產生其他形式的金融排斥,進而擴大地區間創新差距。學者們就數字金融存在馬太效應還是趨同效應并未得到一致結論。王修華等(2020)、張勛等(2019)立足居民消費視角,分別從貧困戶與非貧戶、城鎮與農村層面證明了數字金融的馬太效應。周利等(2020)、宋曉玲(2017)從收入差距視角證明了數字金融的趨同效應。包容性增長的概念涵蓋效率與公平,那么數字金融的包容性和普惠性特征是否能夠彌補地區間的創新差距,促進經濟平衡發展?已有文獻尚未涉及數字金融對區域創新彌合效果的探討,但有關金融發展與區域創新收斂的研究可以為本文提供借鑒。

中國作為世界最大的發展中經濟體,存在區域技術創新發展不平衡的典型事實。圍繞區域創新收斂的研究可以大致概括為以下兩個方面:其一是對于區域技術創新收斂的識別。例如,陳向東等(2007)通過研究發現我國不同地區間技術創新不存在俱樂部收斂特征。馬大來等(2017)基于空間面板模型發現我國區域創新效率存在顯著空間自相關性。魏守華等(2011)采用塞爾指數和區域基尼系數發現我國區域創新能力在空間上呈現出顯著的集聚特征。其二是對于區域技術創新收斂因素的探討。孫建等(2009)指出人力資本是推動我國地區間技術創新俱樂部收斂的關鍵因素;潘雄鋒等(2014)發現對外開放程度、經濟發展水平和人力資本對區域創新的俱樂部收斂具有顯著影響;王鉞等(2016)研究發現資本流動會促進創新活動的發散,且這種影響在不同區域存在異質性。傳統金融市場的二元制金融結構及壟斷式金融制度可能導致區域金融供給失衡,金融資源大多聚集于經濟發展水平較快的地區,因而造成地區間創新差距進一步擴大。

依照“金融功能論”的觀點,金融的主要作用是實現并維系資本的優化配置。信息技術的發展可能從金融摩擦和數字技術溢出兩方面優化資本配置效率。關于金融摩擦,至少有異質借貸成本、借貸約束和不完全信息三個關鍵因素。

金融科技通過包容性特征更好地服務于不同地區的客戶群體。通過向經濟相對落后地區滲透金融服務,擴大金融服務覆蓋面,打破資本流動阻隔。金融科技發展輔助金融部門提升對客戶的識別能力,降低金融摩擦系數,從而有效降低要素配置扭曲。金融市場資本配置效率的提高,將幫助更高回報率的部門增加獲得融資的可能性,創新型企業更容易獲得資本青睞,反過來也會強化企業的創新動力。提升資本配置效率,優化資本配置格局,對于實現區域間創新平衡發展尤為重要。

綜上所述,數字金融憑借技術手段,具有地理空間穿透性,提升了金融服務的廣度和深度,有助于縮小地區間創新差距。郭峰等(2020)研究發現,我國不同區域間數字金融水平差距在不斷縮小,這為突破金融資源落后地區的稟賦限制,為我國地區間金融資源的均衡分布提供了可能。數字金融作為數字與金融服務深度融合的新型金融業態,其普惠性理念和草根性特征為我國不同地區間所面臨的技術創新瓶頸提供了有效解決方案。具體而言,數字金融可能通過以下渠道縮小我國區域間創新差距。第一,數字金融提升了落后地區的金融可得性,促進了區域間金融的包容性發展,緩解了這些地區創新活動面臨的融資約束,為技術創新提供了必要的資金支持。第二,數字金融所依據的數字化信息提升了金融服務效率,改善了金融資源配置過程中的扭曲?；跀底只笈_對于信息的全方位整合,金融機構對于價值創新項目的篩選效率得到提升,并引導金融資源流向效率更高的部門,有助于優化金融資源在不同區域間的配置,改善區域內企業的創新環境,強化創新激勵。第三,數字金融有助于發揮技術創新的外溢效應,促進區域內企業創新能力提升。數字化手段強化了地區間資本流動和積累,有助于不同區域間建立空間創新聯結,從而提升資本的規模效應,提升區域創新績效。

二、研究方法與數據來源

基于上述分析,數字金融發展是縮小區域創新差距的重要因素?？紤]到已有研究對于區域創新收斂因素的探討,我們構建了一個解釋區域創新差距的分析框架。假設A,B分別代表兩個不同城市,其創新績效分別采用InvA和InvB表示,則其創新差距為InvA-InvB。將數字金融發展水平差距、區域間經濟差距、外國直接投資差距、產業結構差距、科學教育投入差距、人口數量差距、傳統金融水平差距定義為DfiA-DfiB,GrpA-GrpB,FdiA-FdiB,IsA-IsB,ScieduA-ScieduB,PopA-PopB,TfA-TfB。

(一)模型設定

為了涵蓋不同城市兩兩相互間的關系信息,本文參照劉華軍等(2018)的研究,采用了如式(1)所示關系數據計量模型。

Y=α0+α1X+α2Z+U

(1)

其中,Y為被解釋變量,X為解釋變量,Z為一系列控制變量,U為殘差項。值得說明的是,在關系數據模型設定中,所有變量均為不同城市變量兩兩間差異構建的n階矩陣,其具體形式如式(2)至(4)所示。

(2)

(3)

(4)

矩陣單元代表了地區間的空間溢出關系,其具體計算方式為被解釋變量、解釋變量和控制變量在不同地區的觀測值兩兩作差得到,即yij=yi-yj、xij=xi-xj、zij=zi-zj。矩陣的主對角線元素均為0。

(二)二次指派程序(QAP)

基于城市之間創新績效差異數值構建關系變量數據,關系數據模型中殘差矩陣U的行列元素存在相關性,進而導致計量模型存在自相關問題(Krackhardt,1988)。此外,多元回歸分析要求變量間滿足相互獨立的前提,作為觀測值的關系數據變量可能存在多重共線性問題,造成估計量有偏,導致檢驗結果不具有統計學意義(Zagenczyk et al,2015)。針對關系數據模型存在的自相關與多重共線性問題,二次指派程序(QAP)提供了解決辦法。QAP是一種基于隨即置換的非參數檢驗方法,不需要滿足變量間相互獨立的假設(Barnett,2011),最早被使用于對流行病空間分布的研究。劉軍(2007)提出QAP方法是一種對于關系的測度方法,目前已較為廣泛地運用于經濟學研究中。劉華軍等(2019)基于QAP方法探討了區域經濟空間溢出對地區差距的影響?；诖朔椒?呂承超等(2020)發現金融發展有助于縮小地區間經濟差距。此外,劉海云等(2018)采用QAP方法來研究房價泡沫跨區域傳染影響因素。盧現祥等(2021)運用二次指派程序實證探討我國要素市場化配置水平差異的形成機理。

QAP分析包括相關性分析和回歸分析兩部分。相關性分析著重于考察關系矩陣間的相關性,而回歸分析則側重于考察多個關系矩陣與一個關系矩陣間存在的回歸關系。兩者基于的原理基本相似,計算方式也基本相同,均是通過將矩陣轉換為長向量進行多元回歸后,對因變量矩陣中相對應的行與列進行多次置換,并進行回歸分析,以得到對于參數估計值顯著性的準確判定。本文參照已有研究(劉華軍 等,2018),利用創新績效水平差異(因變量)與各影響因素水平差異(自變量)構建關系數據模型,借助QAP方法,探討區域創新績效水平差異的來源。

(三)變量設定與數據來源

本文采用2011—2018年中國278個城市的年度數據。被解釋變量為區域創新差距。核心解釋變量包括:數字金融發展水平、數字金融覆蓋廣度、數字金融使用深度與數字金融數字化水平。參考與區域創新相關文獻(白俊紅 等,2015;聶秀華 等,2021;王欣亮 等,2021),本文綜合選取以下變量作為控制變量納入模型,包括直接外國投資、地區經濟發展水平、產業結構、科技教育投入、地區人口數量以及傳統金融發展水平。所選變量均為278×278矩陣,各變量的具體說明和數據來源如下。

1.被解釋變量

地區創新差距(Inv)。采用加權后的專利申請量作為度量地區創新水平的指標。由于專利從申請到授權的周期往往為1～3年。因此,與專利授予量相比,專利申請量更能反映當年的技術創新成果。此外,我國專利分為發明專利、實用新型專利、外觀設計專利三類,所含技術含量依次遞減。本文根據不同專利申請類型分別賦予1/2、1/3、1/6的權重并進行加權后用于描述地區技術創新水平。

2.解釋變量

地區數字金融發展水平(Dfi)。地區數字金融指數來源于北京大學互聯網金融研究中心發布的中國數字普惠金融指數報告(2011—2018年),該指數的構建基于螞蟻金融收集的海量數字金融數據,其分項指標包括數字金融覆蓋廣度(Cov)、使用深度(Usa)和數字化程度(Digi)。數字金融覆蓋廣度由賬戶覆蓋情況(支付寶賬戶覆蓋率、支付寶用戶比例、支付寶賬戶綁定銀行卡數量)構建。使用深度主要由支付業務、貨幣基金業務、信貸業務、保險業務和投資業務等指標構成。數字化程度由移動化、實惠化、信用化和便利化等指標構成。截至2019年4月,數據已覆蓋全國31個省域337個地級市,為數字金融研究提供了可靠的數據來源。

3.控制變量

已有文獻對于控制變量的選取集中于物質資本和人力資本兩大類。具體而言,王宵雅(2016)選取了經濟發展水平、工業化程度、教育水平以及對外開放程度作為研究影響區域創新差距的控制變量。岑聰(2021)選取產業結構、經濟發展水平、互聯網普及率、城市化率等作為控制變量。張梁等(2021)選取政府科技支出水平、外商投資水平、環境狀況、人力資本、人均 GDP等作為區域創新差距的來源進行研究。綜合已有相關研究的控制變量選取,本文選擇外國直接投資、地區經濟發展水平、產業結構、科技教育支出、人口總數、傳統金融發展水平等作為控制變量,試圖最大程度避免遺漏變量的問題。

(1)外國直接投資(Fdi):采用外國直接投資占地區生產總值的比重來衡量。值得說明的是,以美元計價的外商直接投資總額根據當年人民幣對美元的年平均匯率進行折算。外商直接投資會為地區帶來新技術,進一步產生的知識溢出效應有利于促進區域創新。

(2)地區經濟發展水平(Grp):采用地區生產總值進行衡量。為消除價格變動的影響,選取2003年作為價格基年進行平減。充足的資本是技術創新的重要先決條件,良好的經濟環境更有利于創新活動的開展。

(3)產業結構(Is):采用地區第三產業與第二產業的比值進行度量?？萍籍a業的發展離不開區域產業結構的合理布局,產業結構的合理化和高級化有助于構建高效的區域創新系統,從而提升創新能力。

(4)科技教育支出(Sciedu):采用科技與教育支出占地區生產總值的比值進行度量。政府對于科技創新和教育領域的公共投入是開展創新活動的重要支撐。

(5)人口總數(Pop):采用地區年末戶籍人口總數進行測度。人力資本是創新活動開展的關鍵要素之一,人力資本的集聚是產業創新能力提升的基礎和前提。

(6)傳統金融發展水平(Tf):采用地區年末金融機構貸款余額占地區生產總值的比值進行衡量。地區金融發展主要通過提升金融服務水平,為創新活動提供充足的資金來發揮促進創新的積極效應。

相關數據均來源于2012—2019年《中國統計年鑒》《中國城市統計年鑒》。

具體的變量及變量定義詳見表1。

表1 變量的描述性統計

三、回歸分析

(一)QAP相關分析

本文采用5000次隨機置換樣本期考察了各解釋變量與被解釋變量間的相關性,表2報告了檢驗結果。

表2 QAP相關分析結果

從主要解釋變量的相關性檢驗結果來看,數字金融發展水平與地區創新差距的相關性系數為0.567,且通過了1%顯著性水平檢驗。對于數字金融不同維度發展情況的三個分指標即覆蓋廣度、使用深度與數字化程度,除數字化程度外,數字金融的覆蓋廣度與使用深度均與地區創新差距在1%顯著性水平下顯著相關且為正,而數字化程度與地區創新差異間的相關性系數為負,且其絕對值遠小于前二者,未通過10%的顯著性水平檢驗。對于文中所選取的控制變量而言,城市經濟發展水平、人口數量以及傳統金融發展水平均在1%顯著性水平上與地區創新差距顯著相關。而地區產業結構差距和科教投入差距與地區創新差距間的相關性檢驗結果并未通過10%的顯著性水平檢驗,故在后續回歸分析中刪除二者。盡管如此,變量間的相關性并不能體現被解釋變量與解釋變量間的回歸關系。為了進一步探究數字金融發展以及其他因素對我國地區創新差距的影響,本文進行了QAP回歸分析。

(二)QAP回歸分析

為了更加客觀、全面地探析數字金融發展對于城市創新差距的影響,本文采用關系數據分析范式中的QAP回歸對觀測期內的樣本進行了全樣本、分時期、分年度、分維度和分地區五個層面的多維度檢驗和分析,所有檢驗的隨機置換樣本期均設定為5000次。需要說明的是,QAP回歸結果會同時對非標準化回歸系數和標準化回歸系數進行報告,二者的差異在于,前者是基于原始矩陣的直接估計,而后者則是對矩陣進行標準化處理后的回歸結果。由于標準化回歸系數排除了不同變量間量綱不同造成的系數大小差異,因而變量間的回歸結果可以直接比較。因此,本文著重對標準化回歸系數進行分析,但出于回歸結果的完整性考慮,也報告了非標準化回歸系數。

1.基于全樣本回歸分析

表3匯報了全樣本期(2011—2018年)的QAP回歸結果。數字金融指數的系數為0.382且在1%水平上顯著,基于全樣本期的檢驗結果支持了本文的假設。各個地區間數字金融水平差異的弱化有助于降低地區間創新水平差距,證明了數字金融發展的普惠性會促進各地區創新活動的平衡發展。此外,地區間外國直接投資、經濟水平、人口數量以及傳統金融發展水平的差距均會擴大創新水平差距。外國直接投資帶來資金支持同時,也有助于引入國外先進技術,帶動自主創新研究。GDP反映了地區經濟發展綜合水平,由于我國經濟發展面臨多層次、多區域的動態調整過程,各區域間存在經濟發展不平衡的客觀事實。良好的經濟狀況能夠為技術創新帶來充足的資本支撐,也能夠為區域吸引更多優質資源,發揮有效外部支持作用。地區人口數量在一定程度上反映了人力資本的富裕程度,人力資本是技術創新開展的主體和源泉,人口均衡發展是縮小地區創新差距的關鍵因素。金融市場發展能夠提升金融服務實體經濟的效率,從而將資本更高效地配置到需要的企業部門?？刂谱兞康幕貧w結果與已有研究的結論保持一致。就模型擬合程度而言,調整后的擬合優度R2為0.604,且通過了1%的顯著性檢驗。

表3 全樣本期QAP回歸分析結果

2.基于分時期回歸分析

數字金融作為一種新興金融業態,其發展離不開政策的扶持。在數字金融發展初期,政府給予了數字金融相對寬松的發展空間。隨著對數字金融領域的探索越來越深入,發展道路越來越明晰,政府的支持力度也越來越大。本文選取數字金融發展過程中的標志性事件,即將數字金融首次出現在2014年《政府工作報告》作為數字金融發展的分水嶺。這一事件標志著數字金融發展地位的全面提升。因此,我們將2014年作為數字金融發展階段的劃分年份,把全樣本期2011—2018年劃分為兩個時段:第一時段為2011—2014年,第二時段為2015—2018年。分別對兩個時段進行QAP回歸分析,探究不同時段內數字金融對于地區創新差距的影響及變化。

表4展示了分時期QAP回歸結果。在兩個時期內,數字金融綜合指標以及覆蓋廣度、使用深度兩個分指標的回歸系數均在1%顯著性水平下顯著,但是數字化程度分指標對于創新差距的影響不顯著。說明數字金融整體上縮小了地區間的創新差距,但數字金融不同的發展維度對地區創新的影響存在差異。具體而言,數字金融的覆蓋廣度和使用深度對地區間創新差距的縮小發揮了顯著作用?？赡艿脑蚴?數字金融的覆蓋廣度反映了地區數字金融的普及程度,而使用深度則反映了數字金融與日常經濟活動的融合程度,兩者都對創新活動具有直接影響。對比兩個時期內數字金融相關指標的回歸系數,發現不論是綜合性指標,還是凸顯數字金融不同維度發展情況的分指標,在第二階段的影響均大于第一階段,表明隨著年份推進,數字金融的平衡發展對縮小地區創新差距的影響作用越來越強。這說明隨著數字金融的不斷發展,其所能輻射的經濟主體和經濟行為范圍越來越廣,輻射力度也在不斷增強。數字金融服務實體經濟的能力隨著數字金融基礎設施建設的不斷完善而提升,對于創新活動的支撐作用也不斷強化。

表4 分時期QAP回歸分析結果

就控制變量而言,外國直接投資差距對于地區創新差距的影響由第一階段的顯著轉為第二階段的不顯著,這一統計學證據說明了外國直接投資對于地區創新差距的貢獻逐步減弱。原因可能是隨著我國對外開放程度的不斷提升,外來資本帶來的邊際效率下降,創新活動對于外來投資的需求空間不斷縮小。地區經濟發展水平差距仍然是影響地區間創新差距的關鍵性因素,且其影響在第二階段大于第一階段,表明地區經濟差距持續發揮擴大地區創新差距的作用。地區人口數量平衡發展對于縮小地區間創新差距的作用在兩個階段均顯著,且其影響微弱上升,說明隨著創新活動的不斷深化,人力資本是支撐創新發展的不竭動力。表征地區傳統金融發展水平的金融機構貸款余額,其系數由第一階段的10%顯著性水平下顯著轉為第二階段的不顯著。就模型整體的解釋力而言,調整后的擬合優度R2在第二階段大于第一階段,說明所選變量對于地區創新差距的解釋能力整體上有所提升。

3.基于分年度回歸分析

為進一步探究相關因素對地區創新差距影響在時空上的動態變化,本文對樣本期內的每一個年度進行了QAP回歸分析,為方便觀察各變量的動態變化過程并進行相互比較,本文將各影響因素在每一年的回歸系數進行整理和歸納,明示于圖1中。

圖1 分年度QAP回歸分析結果

從各因素回歸系數的橫向比較來看,地區經濟發展水平對于創新差距的影響明顯大于其他因素,這說明地區經濟發達與否仍然是決定其創新能力的重要影響因素。創新活動需要大量的資金支持,而發達的經濟環境能夠為創新提供穩定、持續的投入,為其提供良好的發展土壤。緊隨其后的是地區數字金融發展水平,且其對地區創新差距的影響力呈穩定上升趨勢,說明數字金融的穩步發展對于包容性發展的目標確有貢獻。從創新的角度而言,數字金融的普惠性促進了國家地區間金融發展的平衡,為創新活動提供了必要的資金支持,縮小了地區間創新差距。

4.基于分維度回歸分析

數字金融指數反映了地區數字金融業務的整體發展情況,是綜合性指標。根據北京大學數字金融研究中心發布的報告,該指標由三個二級指標構成,其分別體現了數字金融不同維度的發展情況。為了揭示數字金融作用于地區創新差距的全貌,本文對于三個分指標一一進行了檢驗,表5匯報了回歸分析結果。

表5 分維度QAP回歸分析結果

數字金融覆蓋廣度的平衡對地區創新差距具有顯著負向作用,且其影響大于其他兩個維度。這是因為數字金融的覆蓋廣度反映了地區接收數字金融相關技術與服務的程度,體現了金融支持作用,刻畫了數字金融普惠性特征,是金融資源公平性的重要體現。對于受到傳統金融市場融資難問題困擾的地區,數字金融對傳統金融市場發揮了重要的補充作用,為創新活動提供了所需資金。數字金融使用深度的平衡對于地區創新差距也起到了顯著負向作用。數字金融使用深度反映了數字金融與當地實體經濟深度融合的情況,是數字金融深度發展水平的體現。隨著數字金融發展的不斷深入,經濟主體可以得到來自數字金融所提供的更加多樣化和精準的金融服務,擴大了市場中的資金來源,拓展了創新主體的融資渠道,強化了創新激勵。數字金融數字化水平對于地區創新差距的影響數值較小且不顯著,可能的原因是數字化指標反映了數字金融的技術特征。數字技術能夠打破物理空間的限制,且由于其邊際成本為零的特征,能夠在各區域間較為均衡地發展,滿足地區共享、普惠的需求。但數字化的實質是技術,是一種實現手段,無論是傳統金融市場還是數字金融,其本位目標依然是提供更高效的金融服務。雖然地區間利用數字技術獲取服務的公平性提高,但該指標并未充分體現其服務經濟主體的金融本質,因而對創新行為的影響并不顯著。

5.基于分地區回歸分析

根據樣本城市所處東部、中部和西部地區進行劃分①,分別對三個分樣本進行QAP回歸分析,表6對回歸結果進行了匯報。就數字金融在各地區的綜合發展而言,模型在三個地區的擬合程度均表現較好,調整后的R2分別為0.536、0.685、0.910,且都通過了1%的顯著性水平檢驗。

表6 分地區QAP回歸分析結果

對比數字金融在不同地區的影響,發現數字金融的均衡發展對于地區創新差距的縮小,在東部和中部地區都起到了積極作用,且通過1%顯著性檢驗,但該效應在西部地區不顯著?？赡艿脑蚴?資本和勞動力是驅動技術創新的兩大基本要素。在資本要素方面,數字金融能夠利用技術手段圍繞創新主體形成一體化的金融服務流程,緩解由于資本不足給創新活動帶來的約束。在勞動力要素方面,東、中部地區在人才資源儲備方面具備優勢,擁有技術創新不可或缺的載體,而西部地區面臨較為嚴重的人才流失問題,這是制約西部地區創新發展的重要原因。因此,數字金融的發展給東、中部地區注入了新的創新活力,而西部地區創新的瓶頸或不在金融資源的限制,而是源于勞動力供給。從控制變量來看,對縮小地區間創新差異發揮重要作用的因素還有地區經濟發展水平,其回歸系數遠大于其他控制變量,且在1%水平上顯著,意味著地區的經濟差距對于創新差距的貢獻度較大。經濟水平的提升是地區創新活力提升的重要保障。此外,對于西部地區,人口數量差距對于創新差距的貢獻度遠高于其他地區,進一步印證了本文的觀點,破解人才資源供給不足困境對于推動西部地區技術創新具有重要意義。

對于數字金融發展的各項分指標而言,數字金融覆蓋廣度和使用深度的平衡發展有利于縮小東部和中部區域內的創新差距,但數字化程度對于創新的影響效應不顯著,該結論與已有結論保持基本一致。比較數字金融不同維度在不同地區的系數大小,發現對于東部地區,覆蓋廣度對于創新的影響大于使用深度,而對于中部地區,結論則正好相反。這恰恰反映了不同地區間,由于先天稟賦以及當前發展情況不同,驅動創新活動所需的要素也不盡相同。就金融發展方式而言,廣度上的擴張追趕與深度上的漸進式發展在不同地區所發揮的創新效應存在異質性,應該結合地區特點因地制宜地制定發展策略。

6.穩健性檢驗

為了證明研究結論的穩健性,本文從兩個方面進行了穩健性檢驗,通過調整QAP回歸參數以及更換變量測度方式對樣本重新進行了回歸估計。

首先,本文對QAP回歸的隨機種子數以及隨機置換次數進行更換后重新進行回歸。得到的回歸結果與前文估計結果基本保持一致。

其次,本文參照呂承超等(2020)的處理方式,調整了主要變量的構建方式。實證部分對于變量的構建采用的是先進行算術平均值運算后構建差距矩陣的方式,現調整為先構建各變量的差距矩陣,再對其求算術平均值。更換變量測度后,重新對全樣本主回歸方程進行了分析,回歸結果與前文結果基本一致。穩健性檢驗證明了本文研究結論的可靠性②。

四、結論與政策建議

本文基于2011—2018年中國278個城市樣本,利用關系數據分析范式中常用的二次指派程序對數字金融與地區創新差距之間的關系進行了實證研究,基于全樣本、分時期、分年度、分地區四個層面,從數字金融發展的覆蓋廣度、使用深度、數字化程度三個維度探討了數字金融發展對地區間創新差距的影響。

通過研究發現:

(1)基于全樣本的分析結果,各地區數字金融的發展對縮小區域間創新績效差距具有顯著正向影響。就數字金融發展的不同維度來看,數字金融覆蓋廣度和使用深度地區間差距的縮小均有利于縮小地區間創新差距,但數字化程度對于創新活動的影響效果不明顯。

(2)基于分時段的分析結果,數字金融發展對于縮小地區間創新差距的作用逐步增強。外來資本對于創新差距的影響減弱,人力資本對于創新差距的作用微弱提升,其主要反映在外國直接投資系數在第二階段小于第一階段,而人口數量系數變化趨勢則正好相反。

(3)基于分年度的分析結果,數字金融的平衡發展對于地區創新差距的影響整體呈緩慢上升趨勢。地區經濟發展平衡對于創新差距的影響在均值附近小幅震蕩,但基本保持穩定。人口數量與外國直接投資的平衡發展對于創新差距的影響均呈現出先增強后減弱的態勢。傳統金融的平衡發展對于創新差距的影響整體保持穩定。

(4)基于分地區的分析結果,數字金融的均衡發展對于縮小地區間創新差距的貢獻在東部和中部地區表現顯著,但在西部地區不顯著。此外,對于東部地區,數字金融覆蓋廣度的均衡對于地區創新活動平衡發展的貢獻大于使用深度,而對于中部地區,二者的作用大小正好相反。對于西部地區而言,人口數量的均衡發展對于創新差距的縮小發揮了主導作用。

基于以上結論,本文提出以下政策建議:

(1)提升區域創新績效與數字金融的發展與建設相結合。本文研究結論肯定了數字金融發展在縮小區域創新差距過程中所發揮的積極作用。數字金融利用數字化技術構建的服務體系突破了傳統金融的諸多瓶頸,打破了金融資源在不同區域和主體間的分割和壁壘,提升了不同群體的金融可得性,為創新活動的開展提供了穩定的資金支持。政府可利用數字金融圍繞創新主體的一體化投融資體系,強化市場的創新激勵,提升創新效率,充分發揮數字金融對于地區間創新平衡發展的潛力。

(2)在發展數字金融的同時,不能一味地求總量、求速度,應厘清數字金融發展的不同維度。數字金融的覆蓋廣度、使用深度和數字化程度在不同地區所發揮的作用不盡相同。本文研究表明,數字金融覆蓋廣度在東部地區發揮的作用大于使用深度,而在中部地區結論則正好相反。因此,在推進數字金融建設時,應結合地區稟賦和特性,策略性地對數字金融的發展模式進行差異化調整,以更好地發揮數字金融的作用,實現地區間創新的包容性發展。

(3)因地制宜調整優惠政策,優化創新要素配置。本文研究結論表明,數字金融發展對于東、中部地區創新績效的提升具有顯著改善作用,而在西部地區創新人才流動作用更大。由于各個地區的特性和比較優勢不同,所面臨的創新瓶頸也不同。結合創新活動所需的勞動和資本兩大基本要素,各地區應制定與地區基本情況相匹配的創新相關政策,引導創新活動的開展。東部沿海地區集聚了較多的高科技人才,為創新活動的開展提供了重要支撐。而對于西部地區,其所面臨的人才流失問題是制約創新發展的關鍵因素。政府應適度利用政策傾斜促進西部地區人才交流,充分發揮人力資本在驅動創新中的引擎作用。

①地區劃分參考國家統計局標準,東部地區包括北京、天津、河北、山東、遼寧、江蘇、浙江、上海、廣東、福建、海南11個省域,中部地區包括內蒙古、吉林、黑龍江、山西、安徽、江西、河南、湖北、湖南9個省域,西部地區包括廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆11個省域。

②由于篇幅所限,此處略去了穩健性檢驗結果,若需要可與作者聯系索取。