数字普惠金融对经济高质量发展的影响研究

徐 铭，沈 洋，周鹏飞

（1.重庆师范大学 经济与管理学院，重庆 401331；2.华侨大学 经济与金融学院，福建 泉州 362021）

普惠金融指的是在机会平等和商业可持续原则下，为有金融服务需求的社会各阶层提供适当、有效的金融供给服务。基于现代信息技术和传统普惠金融集成而来的数字普惠金融，利用大数据、人工智能和云计算等新兴技术极大地降低了金融供给服务的门槛和成本，提高了欠发达地区金融服务的可得性，对于提高金融服务效率、改善金融服务体验、缓解金融资本错配、实现普惠金融服务的商业持续性具有重要推动作用。可以明确的是，数字普惠金融有助于拓展金融服务边界、丰富交易形式和优化供需衔接，通过实体部门与金融部门协同共进的方式助力经济发展，因此数字普惠金融的重要性在于其能够破解传统普惠金融理论的潜在悖论。现阶段，我国经济正处于调整经济发展方式、优化产业结构、转换增长动能、实现经济提质增档的关键时期，推动经济高质量发展成为我国当前和未来很长一段时间内制定政策方针、确定发展思路和实施宏观调控的首要目标［1］。金融发展在促进技术创新、推动产业转型升级和提高居民消费质量等方面发挥着重要作用，而数字普惠金融的重要使命和目标就在于推动经济高质量发展［2］。因此，基于数字普惠金融角度，探究数字普惠金融对经济高质量发展的影响机制具有重要的现实意义。

自2016 年中国人民银行发布《G20 数字普惠金融高级原则》以来，学术界对此进行了大量的研究。当前已有针对数字普惠金融的研究主要聚焦于数字普惠金融内涵及外延、发展思路、如何缓解贫困、推动技术创新进步、促进消费等方面。如郭峰、孔涛、王靖一［3］和黄益平［4］运用空间计量分析了互联网金融的发展，并阐述了数字普惠金融的发展内涵及风险与机遇；谢绚丽、沈艳、张皓星等［5］，曾之明、余长龙、张琦等［6］运用固定效应等计量方法验证了数字普惠金融能有效促进创业，为广大群众提供就业机会与机遇，且对于农民工群体更能解决就业难题，从而改善居民收入水平和减少贫困水平；尹应凯、侯蕤［7］分析了促进数字普惠金融发展的路径是提升技术水平和改善法律监管水平；周利、廖婧琳、张浩［8］，王玉泽、罗能生、刘文彬［9］通过实证分析发现，企业发展创新是数字普惠金融技术发展带来的成效之一；杜丹清、占智康［10］和江红莉、蒋鹏程［11］运用动态面板模型证实数字普惠金融对于居民消费结构有着显著的改善，并间接推动经济发展；蒋长流、江成涛［12］指出，数字普惠金融的发展及其覆盖广度、使用深度和数字化程度均能提高经济发展质量，但由于互联网的“数字鸿沟”干扰，数字普惠金融对经济质量的促进效应存在异质性；滕磊、马德功［13］指出，数字金融能够通过缓解企业融资约束，实现普惠金融的“普惠”内核，以推动经济高质量发展。

综上所述，已有文献为本文研究提供了经验启示与方法借鉴，但仍然有边际拓展的空间。一方面，由于数字普惠金融的概念在2016 年才被正式提出，现阶段关于数字普惠金融的研究还较少；另一方面，尽管已有文献探究了数字普惠金融对经济高质量发展的影响，但它们大多采用综合指标来刻画经济高质量发展水平，使用绿色全要素生产率进行表征的做法鲜有，现有文献也未从深层次揭示数字普惠金融对经济高质量发展的促进作用究竟是推动绿色技术效率改善还是促进绿色技术进步所致。鉴于此，本文基于数字普惠金融角度，探究了金融发展对经济高质量发展的影响，并运用SBM－ GML 指数来测度全国280 个地级市及以上城市的经济高质量发展水平，采用面板回归模型从深层次来验证数字普惠金融能否对经济高质量发展起促进作用，亦或是主要通过技术效率改善来带动，还是通过技术进步提高来推动。

1 影响机制分析

数字普惠金融对经济高质量发展的影响，可以归纳为技术创新效应、产业结构效应和收入增长效应，几种效应彼此渗透、相互作用，协同促进全要素生产率的提高。①技术创新效应。得益于金融科技公司的创新理念、先进技术的快速发展和营商环境的持续优化，近年来数字普惠金融呈现出良好的发展势头。相较于传统金融，数字普惠金融利用大数据处理技术缓解了各金融机构交易风险和成本过高的问题，实现了技术层面上的提升，并以此优化了各企业间的资源配置。从企业微观层面来看，随着互联网、云计算、人工智能和大数据分析等现代信息技术的出现，市场信息逐渐公开透明，降低了企业交易成本和信息搜寻成本，提高了经济决策效率。此外，数字普惠金融还能通过物联网、云计算和大数据分析等帮助企业实现技术整合和智能制造，采取制定利率优惠和定向贷款等方式发挥示范效应、技术溢出效应和竞争效率，以此带动产业链上下游企业相互学习、模仿和再创新，提高区域经济发展质量。②产业结构效应。数字普惠金融通过优化要素资源配置和缓解资本错配的方式促进产业结构升级。一般而言，开展数字普惠金融业务有利于简化金融审批程序，提升金融服务可获得性、资本配置效率，降低借贷成本，解决中小微企业融资问题，促进企业技术革新，最终促使国民产业结构不断优化。产业结构优化可以反映为产业结构高级化和产业结构合理化，产业结构高级化直接显示了现代科技水平的进步。从金融供给角度来看，数字普惠金融利用现代数字技术减缓了金融交易过程中的信息不对称，且能够获取企业更多的非财务信息，如社会网络关系及企业发展相关的物流、货流、人流、信息流等要素被纳入到风险评估和资本定价系统内，有助于规避金融市场中道德风险和逆向选择问题，使金融风险和投资收益更加匹配，提高了金融要素服务实体经济的支持效率，从而促进经济高质量发展［14］。③收入增长效应。凯恩斯经济学理论认为，收入是决定居民消费的关键性因素，收入的内生性增长是推动居民消费支出和扩大内需的有效手段，而居民消费又是实体经济部门长远发展的基础。嵌入现代数字经济发展体系，金融系统内部正发生着剧烈变革，数字普惠金融可促使金融结构调整、金融技术改革和金融规模扩大。反映到企业微观个体，数字普惠金融能够扭转金融要素错配和提高金融服务质量与效率，对缓解中小微企业融资约束，提升全民创业活力具有促进作用，这对丰富国民经济业态和居民灵活就业创造了资本支撑［15］。数字普惠金融还突破了物理网点和工作时间限制，互联网的天然“泛在性”使得数字金融规模化发展边际成本趋于零，这能引领金融供给朝着平民化、大众化和数字化的方向发展。因此，数字普惠金融不仅降低了金融服务门槛，让金融资源惠及更多的“长尾客户”，还拓宽了居民投资理财渠道，使得“人人都可以理财”成为现实，为居民获取更多的收入创造了渠道。

2 变量选取、模型构建与数据来源

2.1 变量选取

被解释变量：经济高质量发展（GTFP）。目前针对经济高质量发展内涵的讨论主要是基于宏观层面进行探讨，认为经济高质量发展的内核在于国民经济整体发展质量和生产效率上升，具体表现为产业结构高级化、技术结构升级化、资源消耗递减性与劳动结构适应性［16］。绿色全要素生产率不仅显示了剔除劳动力、资本、土地等有形生产要素之外因科学技术突破、生产要素配置效率改善、部门管理流程优化和企业组织模式改进等技术进步带来的产出增长程度，还将单位产值能耗与污染物排放也纳入核算体系之内，这正符合高质量发展的经济有效性、协调性和可持续性的基本理念。本文参照已有文献的做法［17－19］，采用数据包络分析（DEA）对城市经济高质量发展进行了测度。针对传统DEA 模型可能面对的无可行解的问题，当前主要的解决办法有两种：一是采用超效率DEA模型，将被评价单元从约束条件数中剔除；另一种则是采取构造全局参比前沿面的方式来解决无可行解的问题。效仿Oh 的思路［20］，本文采取构建SBM－GML 指数的方式对经济高质量发展水平进行测度。表达式为：

核心解释变量：数字普惠金融（DFI）。选取郭峰、王靖一、王芳等［23］编制的地级市层面的北京大学数字普惠金融指数进行表征。该套指数由北京大学数字金融研究院和蚂蚁金服共同编制完成，是基于海量用户真实交易数据形成，包含33 个细分指标，具有一定的权威性、科学性和合理性。此外，数字普惠金融还包含覆盖广度（COV）、使用深度（USE）和数字化程度（DIG）。

控制变量：为尽可能地缓解重要遗漏变量使得模型估计并非最有效，力求获取最优无偏差估计，在参考既有文献的基础上，本文选取外商直接投资（FDI）、政府财政支出（GOV）、产业结构（TG）和经济发展水平（GDP）作为控制变量。

模型设定：基于以上变量选取和设定，本文构建公式（2）来探究数字普惠金融对经济高质量发展的影响效应，计算公式为：

式中，i表示城市；t表示年份；α表示待估系数；ε表示随机扰动项，服从白噪声过程。为了减缓异方差影响和缩小数量级，对公式（2）进行对数化处理，计算公式为：

2.2 数据检验

根据模型设置形式，检验各个变量间是否存在多重共线性是线性回归分析的重要前提。若变量之间存在多重共线性的情况，那么模型估计结果便会失真，难以准确反映实际经济状况，进而所产生的经济含义也不尽合理。因此，本文先对模型进行多重共线性检验，检验结果见表1。从估计结果来看，最大的方差膨胀因子（VIF）为（变量GDP）3.00，平均方差膨胀因子（Mean VIF）为2.06，远小于10 的判断标准，因此可以认为模型设置不存在多重共线性问题，可以进行下一步的回归分析。

表1 多重共线性检验

2.3 数据来源

本文选取的各个变量原始数据来源于2012—2019年《中国统计年鉴》、各省份统计年鉴、EPS 数据库和北京大学数字金融研究院公布的《北京大学数字普惠金融指数报告（2011—2018）》。考虑到数据的连续性和可得性，删除部分缺失值较多的城市，最终保留280 个城市样本。

3 实证结果及分析

3.1 基准回归模型实证结果分析

面板数据常使用的拟合模型主要有固定效应模型（FE）、随机效应模型（RE）和混合最小二乘法（POLS），具体使用哪种方法还需要做进一步检验。F检验、LM 检验和豪斯曼检验的结果显示，FE 模型为最优拟合模型，因此本文选取FE 模型进行拟合分析。此外，为了考察数字普惠金融与经济高质量发展之间是否存在非线性关系，本文将数字普惠金融的平方项（DFI2）也纳入模型内进行考察。估计结果见表2。

表2 固定效应模型估计结果

从表2 可见，数字普惠金融对经济高质量发展的估计系数为0.117，且通过了1%水平显著性检验，表明数字普惠金融能够显著促进经济高质量发展。数字普惠金融综合水平每增加1 个单位，经济高质量发展综合水平便会增加0.117 个单位。从数字普惠金融的平方项来看，其估计系数为0.011，也通过了1%显著性检验，表明现阶段数字普惠金融对于经济高质量发展的促进效应始终是成立的，但这种促进作用有边际效应递减的趋势。数字普惠金融所具有的安全便捷、覆盖广泛、产品多样、商业可持续等特征，能很好地契合当前我国中小企业在动能转换、技术创新、效率改善过程中对于金融资本的持续、高频和小额的异质需求特征，缓解了以往被传统金融排斥在外的“弱势群体”融资约束和信贷约束等问题。因此，数字普惠金融为传统金融插上了“翅膀”，帮助金融服务更好地普惠到被传统金融服务排斥的群体，促使生产要素在各个生产主体内部有序流动，进而增强市场上各类主体经营活力，推动城市经济高质量发展。但不可忽视的是，虽然在数字普惠金融初期，数字技术产生的数字红利、资本深化、知识溢出等对于区域经济高质量发展确实有较大推动作用，但随着企业活力不断释放、技术研发持续深入、产业结构转型升级，区域经济发展“天花板”效应开始显现，过度投资、不确定性和技术创新乏力，使得数字普惠金融难以像推广初期那样对区域经济高质量发展的“乘数效应”相匹配，由此导致数字普惠金融对于经济高质量发展的促进作用不断衰减。这种边际递减效应也被邹辉文、黄友在研究数字金融与区域创新的过程中所证实［24］。

3.2 稳健性检验

为验证基准回归结果的敏感性，采取以下4 种方法进行稳健性检验：①内生性考虑与处理。尽管本文为缓解遗漏变量内生性问题而尽可能地选取了控制变量进行估计，但模型设置仍然可能面临反向因果关系内生性问题的威胁。如，在区域经济发展状况较好的地区，由于基础设施更加完善、移动终端普惠率更高等现实因素，使得经济发展越好的地区往往数字金融发育程度也更好。为消除反向因果内生性问题，本文选取工具变量法（2SLS）进行消除，采用数字金融的滞后一期和滞后二期作为工具变量。②更换被解释变量。由于数字金融对城市经济高质量发展的影响可能存在一定的时滞效应，因此选取被解释变量的滞后二期替代原被解释变量，再进行FE估计。③使用更加稳健的标准误。虽然上文为减缓异方差问题而对数据进行了对数化处理，但仍然不能根除异方差、自相关或截面相关产生的干扰问题。本文正是典型的大N 小T 的短面板数据，上述3 个问题在实际估计过程中是必须面对的问题。借鉴Hoechle［25］的思路，采用Driscoll ＆ Kraay 稳健标准误来对上述3 个问题进行修正。④增加控制变量。现实经济发展过程中能够影响经济高质量发展的客观因素还有很多，因此在已有控制变量的基础上再选取人均受教育年限和社会零售品销售额两个控制变量，并在此基础上，采用自助法抽样1000 次以获取更加精准的统计量。

各个稳健性检验方法的估计结果见表3。其中，列（1）与列（2）分别表示将滞后一期与滞后二期作为工具变量进行的2SLS 估计；列（3）表示将被解释变量的滞后二期代入固定效应模型进行估计；列（4）表示采用FGLS模型的估计结果；列（5）表示增加控制变量和采用稳健标准误的估计结果。从各个模型的估计结果来看，核心解释变量DFI 与城市经济高质量发展（GTFP）之间的影响方向与显著性未发生显著变化，各个模型均表明至少在10%显著性水平下数字金融对经济高质量发展的促进作用是成立的，基准回归结果是可靠的、稳健的。

表3 内生性处理与稳健性检验

3.3 结构效应

由于数字普惠金融并不是孤立存在的，还包含了覆盖广度、使用深度和数字化程度等子结构。为了进一步验证数字普惠金融对经济高质量发展产生的影响，本文将从数字金融覆盖广度（COV）、使用深度（UES）、数字化程度（DIG）3 个维度再次进行回归。同时，由于绿色全要素生产率又可以分为绿色技术进步（GTC）与绿色技术效率（GEC），故本文将其纳入到模型内进行验证，回归结果见表4。

从表4 可见，覆盖广度、深度与数字化程度均在1%显著性水平下正向促进经济高质量发展。其中，数字金融覆盖广度指数明显大于使用深度和数字化程度，说明经济高质量发展对数字金融的覆盖面广度更为敏感。从经济现实看，数字普惠金融凭借现代信息技术和普惠金融理念对疏通金融服务“最后一公里”和减少“长尾客户”具有显著作用，尤其是对扭转传统金融服务在经济发展过程中产生的“结构性错配”、“部门错配”和“阶段性错配”等金融资本错配问题，能明显改善小微企业“融资难”和“融资贵”等现象［26］。此外，数字金融使用深度、数字化程度有助于提高金融服务效率、推动金融产品创新、便捷企业信贷行为，这能减少企业资金约束、资金链不稳定等不确定性因素对企业产生的“胁迫”作用，有助于经济主体大胆创新、扩大生产规模、提高研发投入、增强资源利用效率，进而实现区域内经济高质量发展。

表4 不同维度数字普惠金融指标回归结果

在绿色全要素生产率分解项中，数字普惠金融对绿色技术进步同样显著促进提升，但对技术效率方面，数字普惠金融对的影响为负且不显著，说明数字普惠金融有效促进了绿色进步的改善，但对技术效率影响尚未有成效。原因可能是，当前我国经济高质量发展的主要动能在于技术进步提高，而技术效率还有较大的改善空间。

4 结论与政策启示

金融是实体经济正常运营的血脉，金融运行是否通畅、供应是否便捷和充足，将对一个国家或地区的经济增长与现代化转型产生重大的影响。本文基于2011—2018 年我国280 个地级市及以上城市的面板数据，在梳理数字普惠金融影响经济高质量发展的理论传导基础上，利用固定效应模型对两者的关系进行了实证考察，结果表明：①我国各地级市及以上城市数字普惠金融对经济高质量发展有着显著的促进作用，即数字普惠金融越发达，经济发展质量便越高，但这种促进效应会随着数字普惠金融发育程度提高而不断衰减，存在边际效应递减现象。②将数字普惠金融分解为覆盖广度、使用深度与数字化程度3 个维度发现，数字普惠金融在不同程度上对经济发展有着促进作用。③将经济高质量发展分解为绿色技术进步指数与技术效率指数后发现，数字普惠金融显著促进了绿色技术进步，但对提升技术效率方面并不够明显。

基于前文的理论分析与实证考察，为了更好地发挥数字金融对地区经济高质量发展增长的促进作用，本文提出以下政策建议：①将数字普惠金融纳入以绿色全要素生产率增长为动力的经济高质量发展政策框架，通过稳步提升数字普惠金融发展水平，促进绿色全要素生产率增长。数字金融是新兴产业，居民对数字金融概念及适用性尚未普及，且数字普惠金融的相关法律和监管机制尚未形成一个健全的体系。为了促使数字普惠金融能健康快速发展，政府及相关部门应加强对各互联网金融机构的管控，明确数字普惠金融的监管方案，使居民能够在享受数字普惠金融带来的生活便利的同时，还能有效避免风险。除此之外，数字普惠金融的技术优势可以在政府职能部门进行推广，使普惠金融在惠及普通群众的基础上，也能为政府工作提供技术层面的支撑。②数字普惠金融发展的覆盖面不够，居民对数字金融不甚了解和数字化程度未达到更高点是当前数字金融的问题所在。当前我国欠发达地区和农村地区对于数字普惠金融服务的接入较晚，信息化基础设施建设相对较少，为更好发挥数字普惠金融3个维度对经济高质量发展的促进程度，我国应加大对信息技术产业的投入和互联网的覆盖面积，解决传统金融对欠发达地区的不足，最终实现数字普惠金融从覆盖广度向覆盖深度的转变。③在信息化时代背景下，数字金融的发展对技术水平的提升有着相应的贡献，但对技术效率的提升作用尚不明显。因此，应加大数字金融长期战略投资和要素资源的优化配置，提升技术效率，以更好促进经济高质量发展。大力发展数字普惠金融需要培养更多信息技术人才，互联网机构应学习与借鉴世界前沿技术，利用大数据、人工智能云计算等数字技术服务广大居民，并逐步解决传统金融的弊端。数字普惠金融服务拥有不同类别，数字化应用程度的提高就是技术进步带来的益处，使更多居民摆脱了以往传统繁琐的金融服务方式，更好地获得生活便利。