数字金融与制造业耦合关系影响产业结构升级了吗？

贾 楠，张红丽，2

（1.石河子大学经济与管理学院，新疆石河子 832000；2.石河子大学农业现代化研究中心，新疆石河子 832000）

1 引言

经济的高质量发展是“十四五”乃至更长时期我国经济社会发展的主题。而制造业的高质量发展是加快实体经济发展、实现经济高质量发展的前提和基础。纵观世界经济的发展历史发现，制造业的强大是国家发展和民族强盛的关键之匙。尽管我国制造业经过多年的发展取得了一定的成就，但与世界强国的制造业相比，仍存在着自主创新能力不足，质量效益偏低，产业结构水平仍有待提升的问题，面临着遭全球价值链低端俘获，升级全面围堵以及重构多方竞争的困境。

作为现代经济的血液，金融对于推动制造业的高质量发展具有至关重要的作用。特别是金融所具有的融资、配置、信息搜集与风险分担等功能，有助于改善制造业的融资成本，增加科技创新投入，并通过信息共享与风险分担降低制造业的投资风险，提高国际竞争力。近年来，随着互联网、大数据、人工智能等技术的兴起，数字金融应运而生。数字金融对市场反应更加迅速，且边际成本低、资源消耗少，能够更好地与实体经济相融合。考虑到我国经济的发展重心已开始由促增长向调结构的方向转变，制造业产业结构需要进一步地优化。特别是当前我国制造业的发展进入了瓶颈期，而要实现产业结构的优化升级，在产业具备极大关联性的条件下，就需要通过与其他产业的扩散融合来产生结构增长效应［1］。故借助数字金融功能加强上下游企业间的紧密联系，使企业在细化分工的同时降低各环节间的摩擦成本，实现制造业链条与金融的深度融合，这对于转变制造业生产方式与产业结构升级具有深远影响［2］。因此，研究数字金融与制造业的耦合关系，对于我国制造业的高质量发展与产业结构的优化升级具有重要意义。

2 文献综述

有关数字金融、制造业与产业结构升级间的关系，现有研究主要集中于两个部分：一是从理论和实证两方面对数字金融与制造业的关系研究；二是对数字金融服务制造业转型升级的研究。

数字金融与制造业的关系研究。一般而言，制造业转型升级是通过技术创新以实现劳动密集型向技术密集型转型的跃迁过程［3］。特别是Yang和Yu［4］，Wolfmayr［5］认为，生产性服务业是通过给予制造业成本优势与差异化竞争优势的方式对其全要素生产率产生正向影响。基于此，数字金融与制造业的关系研究多从三个方面展开。（1）对传统金融进行结构性功能补充，通过改善长尾群体的金融服务可得性为中小微技术密集型制造业提供支持，并为高新技术制造业提供全方位连续型金融服务［6，7］。（2）数字金融通过倒逼传统银行的市场化改革以优化金融结构，并通过技术溢出促进了信贷资源定价与配置的市场化，进而提升了资金配置效率，降低了技术密集型制造业的融资成本［8，9］。（3）技术、数据等要素的流动性促使数字金融能够突破地域范围限制，因而能够对制造业产生空间溢出效应。此外，技术密集型企业具有更高的集中度，也能更好地与数字金融产生业务联系效应［10，11］。

数字金融服务制造业转型升级的研究。目前基于数字金融视角探讨如何促进制造业转型升级的研究还相对较少。从少数研究来看，姚博［12］认为，数字金融的发展能够对制造业产生较为深远的影响，有助于实现制造业的深刻变革，两行业的融合发展能够为产业结构提供助力。彭继增等［13］基于2010—2015年我国季度层面数据探讨了金融与产业结构的关系，认为互联网金融的发展推动了数字普惠金融的产生，能够通过推动制造业生产方式的变革以促进产业结构转型。张玉华和张涛［14］认为生产性服务业与制造业的协同发展是促进产业结构升级的有效途径。郭燕青和李海铭［15］通过对2007—2017年我国不同地区制造业创新效率的计算后发现，数字金融对制造业创新效率具有显著影响。丁日佳和刘瑞凝［16］，张添［17］则从合理化与高级化两个视角对制造业结构展开研究，实证研究发现数字金融在促进制造业合理化和高级化过程中，对产业结构的转型升级具有显著的正向影响，且不同地区存在显著的异质性特征。此外，段永琴等［11］，李朝阳等［18］均认为，数字金融能够通过提高企业的信贷可得性以缓解融资困境，以相匹配的综合金融服务驱动制造业向技术密集型方向发展，进而实现企业创新与产业结构的升级。

总体上看，现有研究对我国数字金融与制造业的融合发展以及促进产业结构的优化升级均持有肯定态度。但对于我国当前的数字金融与制造业的耦合关系，以及对产业结构优化升级的影响程度如何均莫衷一是。考虑到金融在产业结构演进过程中的作用以及我国不同地区之间金融与制造业发展的差异性因素，数字金融与制造业的耦合程度与产业结构之间的关系可能还存在一定的空间自相关性，而既有研究所选取的传统的回归分析方法也容易忽视空间差异。基于此，本研究将重点关注我国数字金融与制造业之间的耦合关系，并深入研究其对产业结构升级的作用效果与空间异质性，以期从理论与实证方面丰富相关研究。

3 研究设计与分析

3.1 研究指标选取

制造业耦合评价指标体系。从现有研究来看，有学者从经济、科技、能源、环境和社会服务等层面衡量，也有学者从企业数量、从业人员与经营规模等维度衡量，而通过发展规模、结构、效率及潜力等维度衡量是较为全面的方式［19，20］。结合上述研究，本文从总体规模、科技水平与发展速度3个维度共9个指标来进行衡量。具体指标如表1所示。

表1 我国制造业的耦合评价指标体系

数字金融。选取北京大学数字金融研究中心于2021年发布的2011—2020年数字普惠金融指数衡量。该指数主要包括数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度3个维度，33个具体指标，能够较为全面地考察我国数字金融与制造业的耦合关系。

核心解释变量：数字金融与制造业耦合协调度（CR）。根据制造业与数字金融相关数据，由耦合协调模型计算可得。

被解释变量：产业结构升级（INDUS）。产业结构升级的本质是生产要素在不同部门之间重新分配，由生产效率低、资本回报率低的部门向生产效率高与资本回报率高的部门转移的过程［21］。因此，本文选取三次产业的产值比重乘以劳动生产率系数指标来衡量产业结构水平，公式如下

其中INDUS表示我国产业结构水平，Sit为相关产业i在t时期内的生产总值，δit为相关产业i在t时期内的劳动生产率。考虑到两指标的量纲问题，进行标准化处理之后，可计算出我国整体的产业结构水平。

其他核心解释变量。选取金融贷款占GDP的比重（DEBT）、社会消费品零售总额占GDP的比重（RSCG）指标考察市场需求因素对我国产业结构升级的影响。选取外商直接投资与GDP的比重（FDI）、对外直接投资占GDP的比重（OFDI）指标探讨对外开放因素与我国产业结构的关系。选取财政支出与GDP的比重（FISC）分析政府因素对我国产业结构升级的影响。

除上述核心变量以外，本文还选取以下控制变量进行考察：一是基础设施水平（CAFT），用人均货运周转量表示；二是人力资本（HUCP），用研发人员占人口比重表示；三是科技投入（SCI），用财政科技投入占财政支出总额的比重表示。

本文主要选取2011—2020年我国31个省份（不含港澳台）的面板数据进行研究。数据所涉及的指标主要来源于W ind数据库、《中国统计年鉴》《中国工业统计年鉴》《高新技术产业统计年鉴》、国家统计局以及相关指标计算而得。

3.2 耦合协调模型的构建

耦合是指两个或两个以上子系统间通过彼此相互影响，相互制约以及相互作用的活动过程。在构建耦合协调模型过程中，需要通过建立耦合度函数以及测算耦合协调度，进而确定研究对象之间的耦合协调情况。具体方法如下：

第1步数据的标准化处理。假设总共有Z（mij）个指标，mij表示第i个子指标中的第j个实际取值。考虑到制造业所取的各项子指标可能存在不同的正负相关性，故需要对两类指标的标准化公式进行区分。

第2步确定指标权重。运用熵值法的思想来确定制造业各项指标的权重。假设权重用Wij表示，即假设S（mij）为第j个指标中的第i个子系统的比重，则可计算出mj的权重Wj。

第3步估计发展水平。本文借助加权法对我国制造业2011—2020年的状况进行考察，公式为Sij＝Wj×mij。

第4步构建耦合度函数。将数字金融与制造业两个子系统发展水平视为TE和ME，可计算耦合度值C。在此基础上，分别构建综合系统指数Y和耦合协调度CR。最后，区别耦合协调度等级。按照明确性原则，将本文的耦合协调度按照［0，1］划分为10个连续等距阶梯区间［22］。

3.3 结果分析

利用耦合协调模型，可以计算我国数字金融与制造业的耦合协调度（CR）。2011—2020年我国数字金融与制造业的耦合协调度水平稳中有升，其均值由2011年的0.439上升至2020年的0.450。中、西部地区的数字金融与制造业的耦合协调度水平均有所上升，分别由2011年的0.406和0.351上升至2020年的0.441和0.361。东部地区10年间的数字金融与制造业的耦合协调度水平有所下降，由2011年的0.561下降至2020年的0.552，但仍高于中、西部地区，这与东部地区相对发达的数字金融水平以及高质量的制造业发展程度有关，东部地区具有资金融通、政策支持、高端人才优势，有利于数字金融与制造业间的紧密联系。

表2为我国31个省份2020年的耦合协调度层次划分。研究发现，我国各省份的数字金融与制造业耦合协调度呈纺锤体结构。广东、江苏、山东、北京、河北、上海、浙江、河南属于第一梯队，特别是广东、江苏和山东三地区的耦合协调度水平已经达到了中、初级耦合协调水平。而第二梯队主要包括天津、辽宁、安徽、福建、湖北、湖南、四川、黑龙江、江西、广西、重庆以及陕西等12个省（市），这些地区的耦合协调度水平基本处于濒临失调水平。内蒙古、吉林、海南、贵州、山西、云南、西藏、甘肃、新疆、青海与宁夏等11个省份则属于第三梯队，整体耦合协调度水平较为落后，基本处于轻度失调和中度失调的水平。这与当地金融发展水平偏低，基础设施不足，难以承接东部地区制造业产业转移有关。

表2 2020年我国各省份数字金融与制造业耦合协调度划分

4 实证模型构建与分析

4.1 空间计量模型

考虑到本文主要研究的是我国数字金融与制造业耦合关系对产业结构的影响，因此相关指标可能存在区域间相互影响，相互牵制的关系。故利用空间计量模型进行考察，相关模型如下所示

其中Yi为被解释变量，表示不同地区横截面对象的影响；Yi-1表示除该地区外其他地区不同横截面对象的影响；f（·）表示影响横截面对象的某些特定方式，以区别判断不同的空间计量模型的影响因素。同时，选用二分权重矩阵，将存在共同边界的两地区视为相邻地区，其权重为1，否则为0。在此基础上，将矩阵进行标准化后使该矩阵的每行之和为1，以确定每个样本地区的空间影响份额，从而构建出空间计量模型所需要的空间权重矩阵。

4.2 空间计量模型的选择

空间计量模型主要包括空间误差模型（SER）和空间滞后模型（SAR），选择不同设定的模型其所代表的经济意义也有所不同。一般而言，SER模型主要侧重于是否存在空间溢出效应，即误差项存在的相关性是否对空间溢出效应产生随机冲击。而SAR模型则主要考察被解释变量是否通过某种因素的影响进而作用于其他地区，即本地区的因变量会作用于相邻地区。因此，考虑到上述的可能性，本文将分别运用SER模型和SAR模型进行计算。

4.3 M oran相关性检验

在进行空间计量之前，还需要运用Moran’s I指数对我国数字金融、制造业与产业结构升级在空间上是否存在相关性进行检验，Moran’s I指数定义公式如下

如表3所示，产业结构升级指标所对应的Moran’s I指数均为正值，这表明2011—2020年间我国的产业结构升级因地理位置相邻的原因，存在一定的空间自相关性的特征。因此，本文关于数字金融与制造业的耦合关系对产业结构升级影响的研究可以采用空间计量模型进行实证分析。

表3 我国产业结构升级M oran’s I指数自相关检验

4.4 实证结果与分析

本文所构建的SER和SAR模型的公式如下

其中INDUS为被解释变量，表示产业结构升级；X为解释变量，为本文所设定的6个解释变量和3个控制变量；α和ρ分别为变量系数和空间回归系数，主要考察相邻各省的产业结构升级对该省产业结构升级的影响；Wln（INDUS）为空间滞后项；λ为空间误差系数，即实证分析相邻各省产业结构升级的误差项对该省产业结构升级的冲击；W为n×n的空间权重矩阵；ε，μ为随机误差项。通过LM 检验发现，SER模型的p值为0.109，不存在显著性。而SAR模型的p值在1%的水平上显著。因此，可采用空间滞后模型进行考察。考虑到不同地区间相邻两单元可能存在一定程度的空间效应，故可采用固定效应模型。进一步地，再次运用LM检验固定效应模型类型发现，个体固定效应和时间固定效应均通过了LM检验，p值分别为0.093和0.005。但相较而言，时间固定效应较个体固定效应结果更加显著。因此，本文将以时间固定效应的空间滞后模型结果为主，同时，运用OLS方法对结果进行比较。结果如表4。

表4 全国样本的模型实证结果

总体上看，表中OLS的拟合优度为0.741，加入空间因素后，模型的拟合优度为0.936和0.975，且时间固定效应模型的效果更加明显。因此，时间固定效应模型更加适用。

核心解释变量方面，数字金融与制造业的耦合协调度在1%的显著性水平下与我国产业结构升级呈显著的正相关关系，其系数为0.393，其余两模型的结果同样呈显著的正相关关系。这说明通过加强数字金融与我国制造业的联系有助于改善产业结构，有效推动产业结构的优化升级［23］。而代表市场需求的两个指标在模型中的回归系数均显著为正，分别为0.132和0.121。说明我国整体的金融贷款水平和社会消费能力的增强，能够促进数字金融产业的形成和完善，以及与制造业的紧密联系，从而进一步推动产业结构的改善。对外开放度方面，FDI指标在模型中的回归系数为0.127，且在5%的显著性水平下呈正相关关系。这表明我国通过开放市场吸引外资，也有助于推动产业结构升级。但OFDI与产业结构升级却在模型中呈显著的负相关关系，回归系数为-0.104且在1%的显著性水平下显著，其原因可能与国内资本外流有关，资本的流出影响了制造业的融资成本，进而影响了产业结构的升级［24］。而财政支出与GDP的比重指标回归系数显著为负，OLS和个体固定效应模型的结果也呈负值。原因可能在于政府调控能力的不断增强导致地方政府的过度干预，进而影响了资本的有效配置能力，产业间地位差异的扩大影响了产业结构的改善。此外，基础设施水平、人力资本和科技投入指标在时间固定效应模型中均在不同程度的显著性水平上呈正相关关系，说明基础设施的改善，人力资本的提升与科技投入的增加也有助于产业结构升级。

4.5 进一步分析

进一步地，考察我国不同区域数字金融与制造业的耦合协调关系对产业结构升级的影响。通过LM检验发现，我国各地区空间滞后模型均能够在不同的显著性水平下通过检验。因此，对不同地区产业结构影响因素的考察可采用空间滞后模型。而根据区域固定效应模型的LM检验结果发现，东、中部地区通过了个体与时间固定效应检验，p值分别为0.092、0.021及0.030、0.001。西部地区则通过了时间固定效应检验和个体固定效应检验，p值分别为0.035和0.083。综合考虑，研究亦可采用时间固定效应模型进行分析。结果如表5所示。

表5 区域时间固定效应模型回归结果

结果显示，东部地区数字金融与制造业耦合协调度与产业结构之间呈显著的正相关关系，回归系数为0.597，即东部地区数字金融与制造业的耦合关系通过影响产品供给改善了不同要素资源在各产业间的分配，其所产生的空间集聚效应有利于当地产业的优化升级。市场需求因素方面，两个代表性指标也在不同的显著性水平下与产业结构呈正相关关系。这说明东部地区的市场需求因素能够有效地引领产业的产品供给，通过改善产业间的资源要素分配实现产业结构的相应调整。对外开放因素方面，无论是吸引外资还是对外直接投资指标都能够充分运用资本优势以促进当地的产业升级。政府因素方面，东部地区政府调控指标与产业结构呈显著的负相关关系。原因可能在于东部地区的市场经济较为发达，市场对资源要素的有效配置能够将资源向有利于产业结构升级的方向倾斜，过度的政府干预反而不利于产业升级。此外，ρ值通过了1%的显著性检验，且系数为正。说明东部地区邻近省份的产业结构升级产生了空间溢出效应，能够帮助本省产业结构的改善。

中部地区数字金融与制造业的耦合协调度与产业结构之间同样产生了显著的正相关关系，在5%的显著性水平下系数为0.163。且中部地区的市场需求因素两个指标以及FDI指标均呈显著的正相关关系，即市场需求因素以及吸引外资的能力引领了当地的产业结构调整。OFDI指标和政府调控指标则呈现出与东部地区相反的情况。说明当地的对外投资会促使资本外流，企业的融资困境加剧，不利于产业结构的优化升级，且当地市场经济的资源配置能力不足，仍需通过政府调控以推动产业升级。此外，中部地区ρ值系数为0.258且通过了5%的显著性检验，即中部地区的相邻省份能够对本省产生空间溢出效应。但系数较东部地区小，且显著性不高，说明空间溢出效应不足。

西部地区的数字金融与制造业耦合协调度也与产业结构升级产生了正相关关系，但回归系数并不显著，且数值较小。这表明西部地区的数字金融与制造业两大产业发育不足，影响了对产业结构升级的作用。市场需求因素和政府调控因素与产业结构升级呈正相关关系，有利于加速当地产业结构的创新优化。而在对外开放程度方面，FDI与OFDI两个指标的回归系数分别在不同的显著性水平下为负，说明当地企业融资困难，且面临外部资本冲击，难以形成产业优势，影响了产业结构的升级。此外，西部地区的ρ值尽管为正，但并不显著，表明相邻省份的产业结构升级无法有效带动本省产业结构的升级，空间溢出效应尚不明显。

总体上看，我国各地区的数字金融与制造业的耦合协调水平能够与产业结构升级产生正相关关系。东部地区的数字金融与制造业的发展水平较高，相互联系较为紧密，其影响系数也大于中、西部地区。现阶段西部地区的耦合协调水平较低，对产业结构升级的影响尚不显著。我国东、中部地区相邻省份的产业结构升级可通过空间溢出效应来影响本省的产业结构升级，而西部地区同样因数字金融与制造业发展水平的落后，还难以借助相邻省份的空间溢出效应来促进当地的产业结构升级。

5 结论与建议

5.1 研究结论

本文基于2011—2020年我国31个省份的相关数据，通过建立空间滞后模型来分析数字金融与制造业的耦合关系对产业结构升级的影响。研究发现，我国数字金融与制造业的耦合协调水平仍有待提升，总体上处于濒临失调阶段，但能够对产业结构升级起到促进作用。东部地区少数省份的耦合协调关系较高，多数东、中部地区省份处于勉强协调或濒临失调阶段，西部省份则大多处于轻度或中度失调阶段。相应地，东、中部地区呈现出显著的正向空间溢出效应，但西部地区的空间溢出效应不够明显。且东、中部地区各省份的耦合协调水平能够带动产业结构的优化升级，但西部地区因数字金融与制造业发展水平的不足，影响了当地的产业结构调整。

5.2 政策建议

结合上述分析，我们有以下几点政策启示：

（1）完善制度环境，释放要素潜能与做好顶层设计。随着数字技术的发展，需要通过提高政府的服务意识，提升政策的供给质量，从而加快制度的供给效率。进一步简政放权，发挥市场在资源配置中的作用，维护公平的市场秩序，提高企业的营商环境和生产效率。

（2）提升数字金融与制造业的耦合协调水平，加快两大产业的融合创新。一方面要做好数字金融产业的基础设施建设，通过创新金融产品，制定优惠政策，降低数字金融的借贷成本。另一方面，加快数字金融产业的现代化信息技术建设，加大技术投入力度，强化数字金融与制造业的资本要素联系，实现产业联动发展。

（3）缩小区域间产业发展差异，充分利用好各省间的空间溢出效应。一是构建多种形式的区域间经济合作联盟，实现区域间的资源共享，加强区域间的人员交流与研究合作。二是要形成不同区域间的优势资源互补，加快区域间的要素流动。构建分工明确、各具优势，创新协同的产业结构布局，推动区域间“金融—制造”的良性循环。三是推动区域间科技创新与产业调整的深度融合。东部地区发挥技术特长，进一步推动“互联网+”、大数据、人工智能等技术突破，促进金融与制造业产业链的精准对接。而中、西部地区则应积极承接东部地区相关产业的转移，加速与当地企业的深度融合，以促进制造业的优化升级。