数字普惠金融对区域创新的影响研究

张卓怡 沈佳佳 李欠强

(台州学院 商学院，浙江 台州 318000)

0 引言

当前中国正加快建设创新型国家，然而创新能力的地区间差距明显[1]，需加快推动区域创新平衡发展。近年来，依托大数据、区块链等数字化技术的不断进步，普惠金融在中国的发展取得了巨大成就。《2019年中国普惠金融发展报告》显示，截至2019年6月末，全国乡镇银行业金融机构覆盖率为95.65%，行政村基础金融服务覆盖率为99.20%，比2014年末提高8.10个百分点。数字普惠金融正逐步成为现代金融业发展的重点，其发展有利于提高企业创新产出[2]。因此，在新时代背景下探讨数字普惠金融对区域创新的影响机制，对于推动我国区域创新具有重要的现实意义。

目前关于金融发展对区域创新的国内外研究较多，主要有以下观点：国外学者Martin和Ioannis的研究指出，在贸易自由的区域，金融发展对区域创新的正向促进作用显著[3]。Bengt和Patrik研究中国的资本流动与区域创新关系，指出金融机构的市场化和集聚效应是促进区域创新的主要影响因素[4]。Rajan和Zingales认为金融发展对于一个国家或地区的技术创新水平并不具有直接的影响，金融发展只是通过影响地区FDI的流入间接地影响到地区技术创新水平[5]。国内学者孙伍琴和朱顺林构建随机影响变截距模型，研究发现23个省市金融发展促进技术创新效率的平均水平是逐渐提高的，且各省市金融发展促进创新的Malmquist生产率的影响具有地区差异性[6]。梁榜和张建华在内生经济增长框架下，引入专利部门和金融发展变量，指出创新是金融发展影响经济增长的重要渠道[7]。李苗苗等运用单位根检验、协整检验和因果有向无环图等分析方法，对我国各省金融发展、技术创新与经济增长之间的关系进行研究发现：金融发展是导致技术创新的直接原因[8]。随着互联网、移动通信等现代数字技术与传统金融业的不断融合，金融交易方式与服务模式不断演进，数字普惠金融成为大趋势。

基于此，本文选取2011-2018年中国280个地级市作为研究样本，探索数字普惠金融对区域创新的影响效应。实证结果表明，数字普惠金融显著促进了区域创新。在通过剔除部分样本、替换被解释变量等方法进行稳健性检验后，本文的结论仍然成立。此外，基于地区异质性检验表明，数字普惠金融促进区域创新的影响效应在小规模地区和营商环境好的地区表现得更为显著，为各地区制定差异化的数字普惠金融政策以及促进区域创新能力提升提供了借鉴意义。

1 理论基础与研究假设

1.1 数字普惠金融对区域创新的影响

首先，数字普惠金融利用其优势，大大加快了金融资金和信息的传递，节约了金融服务的交易成本[9]，提高了跨地区支付效率和资源配置效率[10]，同时也提高了中小微企业的融资效率[7]，有效降低了企业的融资成本，助力其创新活动[11]，从而促进区域的创新。其次，数字普惠金融扩大了金融服务的覆盖广度[12]，覆盖了部分传统金融业的金融服务盲区，将位于传统金融服务网点辐射范围以外偏远地区的低收入人群、特殊群体囊括在内，使得企业可以突破时间和地域的约束，在开放透明的平台上快速找到适合自己的金融产品，改善了区域信贷资源的配置状况，促进了企业的创新活动，从而促进区域的创新。最后，数字普惠金融利用大数据、云计算等新兴互联网技术将社会闲散资金集聚起来[10]，拓宽了企业的融资渠道，增加了融资的可得性，有效缓解了企业研发投资活动的融资约束，提高了其对高风险、高报酬创新活动的金融供给能力，使得企业有更多的资金用于研发试验中[10]，从而促进了区域的创新。总的来说，数字普惠金融通过降低金融服务的交易成本[13]和扩大金融服务的覆盖广度，改善了区域信贷资源配置状况，增加了企业融资的可得性，缓解了企业融资难的问题，尤其缓解了中小微企业的融资约束，从而增加企业的研发投入，助力其研发活动，提高了企业创新的成功率，最终促进了区域创新。基于以上分析，提出研究假设：

H1：数字普惠金融的发展能够促进区域的创新。

1.2 数字普惠金融影响区域创新的异质性分析

1.2.1 地区规模

由于地区规模的不同，导致在基础设施、人才供给、金融供给等方面存在较大差异，从而影响数字普惠金融发展对不同地区规模的创新促进作用。一般来说，大规模地区资源高度集中[14]，产业基础稳固，人才供给较充足，传统金融市场发展较成熟，金融服务效率较高[7]，企业创新能力强，获得的专利数较多，企业进行创新试验活动的困难相对较小[15]。而中小规模地区传统金融市场覆盖严重不足，金融服务效率低，金融资源受限[14]，人才流失严重，企业创新能力较弱，获得的专利数较少，企业进行创新试验活动的困难较大，特别是中小微企业。数字普惠金融提供的金融服务以其极强的穿透性和覆盖性大大增加了金融服务的覆盖面，有效地提高了金融资源的配置效率。总的来说，数字普惠金融的发展对中小规模地区的创新促进作用远远大于对大规模地区的创新促进作用。基于以上分析，提出研究假设：

H2：地区规模消极调节数字普惠金融对区域创新的影响。即相对于大规模地区，数字普惠金融对中小规模地区的创新促进作用更强。

1.2.2 营商环境

首先，良好的营商环境能为企业提供公平竞争的市场环境[16]，有效减少市场垄断行为，激发企业的积极性和活力，从而促使企业将更多的资金用于研发投入，提升自身的创新绩效，增强其竞争优势，积极影响数字普惠金融对区域创新的促进作用。其次，良好的营商环境能为企业提供公开透明的法治环境[17]，政府加强对企业知识产权和创新成果的保护执法力度，可以提升企业创新能力[18]，有效提高企业的专利产出[19]，特别是促进实体企业的发展[20]，进而提高数字普惠金融对区域创新的促进作用。第三，良好的营商环境能为企业提供高效的政务环境[21]和服务效率[22]，简化政府工作手续，降低制度性交易成本[23]，提高资源利用率，激励企业增加研发投入，提高投入产出比[16]，从而促进企业的创新。同时，良好的营商环境能够有效抑制地方政府在“经济人”诉求下对财政创新投入配置效率的负面影响，从而提升政府创新投入绩效[24]，最终正向调节数字普惠金融对区域创新的促进作用。基于以上分析，提出研究假设：

H3：营商环境积极调节数字普惠金融对区域创新的影响。即相对于营商环境好的地区，数字普惠金融对营商环境差的地区的创新促进作用更强。

2 研究设计

2.1 数据来源与样本选择

本文所需的数字普惠金融指数数据来自北京大学数字金融研究中心与蚂蚁金服集团联合发布的《中国数字金融普惠发展指数报告》；其他城市层面的变量数据均来自于《中国城市统计年鉴》《中国科技统计年鉴》。同时，由于不同区域地级市的专利申请数据存在较大差异，为了避免异常值的影响，本文对所有连续型变量采取1%分位数的缩尾(Winsorize)处理。考虑到数据的可获得性，本文选取2011-2018年280个地级市作为研究样本，剔除了北京、天津、上海、重庆4个直辖市和西藏自治区，探索数字普惠金融对区域创新的影响效应。

2.2 模型设定

本文所要检验的是数字普惠金融对区域创新的影响效应。参考国内外研究的主流做法,本文构建如下双向固定效应模型来分析数字普惠金融对区域创新的影响：

innoit=α0+α1difit+α2controlit+γi+δt+εit

(1)

其中，下标i和t分别表示地区和年份；innoit是被解释变量，为i地区在第t年的创新绩效；difit为核心解释变量，代表地区的数字普惠金融指数。估计系数α1反映了数字普惠金融对区域创新绩效的净效应，是本文最关注的参数，若α1在统计学意义上显著大于0，则表明数字普惠金融能促进区域创新绩效的提升；controlit表示影响区域创新绩效的一系列控制变量；γi表示地区固定效应，控制了不随时间变化的地区特征因素；δt表示时间固定效应，控制了对地区而言具有共同影响的宏观经济因素；εit为误差项。

为了进一步探索地区规模和营商环境是否是数字普惠金融影响区域创新的边界条件，本文在公式(1)的基础上加入地区规模和营商环境以及其与数字普惠金融的交互项，并对交互项的系数是否显著异于0进行检验，来检验可能存在的调节效应，构建模型如下：

innoit=α0+α1difit×sizeit+α2difit+α3sizeit+α4controlit+γi+δt+εit

(2)

innoit=α0+α1difit×envirit+α2difit+α3envirit+α4controlit+γi+δt+εit

(3)

其中，公式(2)中的sizeit为地区规模；公式(2)主要探讨数字普惠金融在不同规模的地区间是否存在差异性。公式(3)中的envirit为地区营商环境。公式(3)主要考察了数字普惠金融的创新效应是否受到不同地区营商环境的影响。

2.3 变量定义与说明

被解释变量：区域创新水平(inno)。参考白俊红和蒋伏心[25]的做法，本文对发明专利、实用新型专利和外观设计专利分别赋权0.5、0.3和0.2的加权专利申请数来衡量区域创新水平。

核心解释变量：数字普惠金融指数(dif)。本文采用北京大学数字金融研究中心与蚂蚁金服集团联合发布的“数字普惠金融指数”来进行衡量，dif值越大，该地区数字普惠金融发展程度越高。这套指数已被广泛认可应用，成为国内外研究中数字普惠金融指数常用指标。

调节变量：①地区规模(size)，本文借鉴张秋燕和齐亚伟(2016)的研究[26]，以各地区年末人口数来衡量。②营商环境(envir)，本文以《中国城市营商环境报告》发布的各地区营商环境指数来衡量。

控制变量：参考已有研究的普遍做法，本文选取了以下控制变量：①城市化水平(inurt)，本文使用城镇人口占总人口的比重表示；②对外开放程度(trade)，本文使用进出口贸易总额(当年汇率折算成人民币)与GDP的比值表示；③经济发展水平(ingdp)，本文使用取对数的国民生产总值表示；④产业升级指数(structure)，本文使用第三产业增加值与第二产业增加值的比值表示；⑤研发投入密度(govrd)，本文使用研发投入与GDP的比值表示。

3 实证结果分析

3.1 基准回归结果

表1报告了根据公式(1)进行估计的数字普惠金融对区域创新的影响效应。第(1)列报告了控制了地区和年份双向固定效应后的估计结果，结果显示dif的估计系数在1%的水平下显著为正；第(2)列是在第(1)列基础上增加5个控制变量后的估计，结果显示dif的估计系数仍然在1%的水平下显著为正。说明数字普惠金融对区域创新存在显著的积极影响，前文假设1得到验证。

表1 基准回归结果

3.2 基于区域异质性的调节效应分析

为探索地区规模与营商环境在数字普惠金融与区域创新之间的调节作用，基于前文模型(2)、(3)进行估计，结果如表2所示。表2的第(1)列是基于模型(2)的估计，结果显示dif*size的交互系数在5%的水平下显著为负，表明区域规模负向调节数字普惠金融对区域创新的影响，即相对于较大规模的地区，数字普惠金融对较小规模地区的创新影响效应更大，验证了前文的假设2。表2的第(2)列是基于模型(3)的估计，结果显示dif*envir交互系数在5%的水平下显著为正，表明营商环境积极调节数字普惠金融对区域创新的影响效应，即相对于营商环境较差的企业，数字普惠金融对营商环境较好的地区创新影响效应更大，验证了前文的假设3。

4 稳健性检验

为了确保实证结果可靠，本小节中通过剔除部分样本、替换被解释变量等方法进行稳健性检验。

(1)剔除部分样本检验。考虑到中心城市与其他一般地级市在制度环境、经济发展等方面存在较大差异,可能会因样本异质性较大而造成估计结果偏误，因此在此本文剔除掉中心城市样本以排除其对创新绩效可能产生的异质影响。剔除掉中心城市后的估计结果与上文结果大致相同,表明上文结果的稳健性。

表 2 调节效应检验

(2)替换被解释变量检验。除了本文使用的加权专利申请数来测度区域创新绩效外，现有研究还有使用发明专利授权数来测度区域创新绩效。因此，本文在此也尝试使用发明专利授权数进行替换变量检验来测度区域创新，检验数字普惠金融对区域创新的创新效应，估计结果与上文一致。表明使用发明专利授权数并不影响估计结果，数字普惠金融对区域创新绩效仍然具有显著的促进作用。

5 研究结论与政策启示

本文选取2011-2018年280个地级市作为研究样本，剔除了北京、天津、上海、重庆4个直辖市和西藏自治区，探索数字普惠金融对区域创新的影响效应。研究结果表明：第一，数字普惠金融的发展能够促进区域的创新。第二，地区规模消极调节数字普惠金融对区域创新的影响。即相对于大规模地区，数字普惠金融对中小规模地区的创新促进作用更强。第三，营商环境积极调节数字普惠金融对区域创新的影响。即相对于营商环境好的地区，数字普惠金融对营商环境差的地区的创新促进作用更强。

基于以上研究结论，本文具有以下政策启示：第一，大力发展数字普惠金融，建立健全数字普惠金融机制，注重金融基础设施服务建设，扩宽数字普惠金融的覆盖面，努力使其成为推动区域创新的重要支撑和动力。第二，基于数字普惠金融对不同规模的地区产生不同程度的促进作用，政府应积极鼓励数字普惠金融的发展，出台一系列相关优惠政策，重视营商环境的调节作用，特别是中小规模地区要把握好数字普惠金融浪潮带来的机遇，同时对相关产业进行战略调整，规避“虹吸效应”带来的不利影响，为地区经济的发展提供必要的保障。第三，加强各地区市场环境建设和法治环境建设，强化金融监管机制，为数字普惠金融的发展提供良好的营商环境。第四，重视数字普惠金融的推广和使用，鼓励中小微企业和个体积极加入数字普惠金融行列，利用好数字普惠金融的“数字化”优势，由数字普惠金融带动企业创新，从而促进区域创新。第五，结合实际情况，因地制宜地实行差异化的数字普惠金融政策，促进金融资源在各地区的合理分配，提高金融资源的利用效率，以此推动区域创新和国民经济高质量发展。