成渝城市群数字金融发展赋能经济高质量发展的空间效应分析

宋 诚 李季刚

（新疆财经大学金融学院 新疆乌鲁木齐 830012）

一、引言

城市群作为推进城市化发展的空间主体、促进区域协调发展的重要助力和实现国家发展目标的重要平台，在世界百年未有之大变局背景下，受到越来越多的关注。成渝地区位于“一带一路”和长江经济带的交汇处，根据2020年发布的《成渝地区双城经济圈建设规划纲要》，成渝城市群将被打造为国际知名、国内领先、辐射带动西部地区发展的重要增长极。

在现代社会中，金融是不可或缺的资源，金融创新与高质量发展是促进区域经济高质量发展的关键因素之一。数字金融是金融发展顺应数字化发展进程的产物，具备天然的普惠特征，可以弥补成渝城市群金融发展的短板。

基于此，本文以成渝城市群数字金融为研究对象，研究数字金融赋能成渝城市群经济高质量发展的空间效应。

二、文献综述

数字金融是传统金融业与云计算、物联网、大数据和人工智能等数字技术的深度融合。一方面，数字金融可以利用数字技术弥补传统金融体系的缺陷，还能有效缓解金融排斥问题，促使金融更好地服务于实体经济[1]；另一方面，数字金融可以更有效地引导社会资金的流向，推动产业结构优化升级[2]。近几年，我国数字金融发展迅速，其原因可能是传统金融服务供给缺乏且金融资源分配不均、数字技术发展迅猛以及金融监管相对宽松[3]。数字金融的持续发展对我国经济社会各个层面都产生了极大影响。从微观层面看，数字金融使传统金融的普惠特性得到增强，在打破中小企业融资约束[4]、提升中小企业经营效率[5]、提高农户创业意愿[6]和缓解农户相对贫困[7]等方面起到了很大的推动作用。从中观层面看，数字金融优化了金融资源配置效率，有力地推动了我国产业结构转型升级[8]，促进了区域技术创新[2]，缩小了城乡发展差距[9]。从宏观层面看，数字金融可以直接促进经济增长，也可以由推动产业结构转型[10]和提升创新创业水平[1]等途径间接地推动经济增长。

经济高质量发展在经济增长的过程中主要体现为经济增长结构优化和经济体系稳定运行，在经济增长的结果上主要体现为经济发展成果共享和生态环境优化[11]。在经济高质量发展过程中应着重关注动力转换以及转换的路径方法[12]，当前我国经济高质量发展的动力在于创新[13]。

数字金融是金融发展创新的重要表现形式。数字金融的出现使得金融资源能够得到更加公平有效的配置，为破解我国区域经济发展不平衡问题提供了一条重要的途径[14]。数字金融所具备的普惠性和精准性可以兼顾经济活动的效率与公平，有助于推动我国经济社会各领域高质量发展[15]。学者们从多个角度探讨了数字金融对经济高质量发展的影响。从经济高质量发展的整体角度看，上官绪明等[16]利用我国地级市相关数据进行实证研究，发现数字金融可以促进经济高质量发展且具有空间溢出效应。从经济协调发展的角度看，一个省（自治区、直辖市）的数字金融发展有助于缩小其省域内城乡收入差距和城乡发展差距，也有助于其邻近省份城乡收入差距的缩小[17]，但会促使其邻近省份城乡发展差距加大[9]。从经济创新发展的角度看，对一个省（自治区、直辖市）而言，数字金融发展能推动其省域内的创新创业活动；从全国层面来说，数字金融不能显著地推动创新创业活动；分地区看，东部地区省份的数字金融发展能较显著地推动其周边省份的创新创业活动[18]。从经济绿色发展的角度看，数字金融发展能推动当地技术密集型产业的发展，降低单位GDP能耗，助力当地经济绿色发展，具有正向空间溢出效应[19]。从经济共享发展的角度看，数字金融发展有助于矫正省域内金融资源错配，但会抑制邻近省份金融资源错配的矫正效率[20]。

从研究角度看，现有研究大多探究数字金融对企业、家庭、农户等微观主体的经济活动的影响，探究数字金融对社会经济整体发展影响的文献则相对较少；从研究对象看，多数研究利用省际面板数据进行实证分析，较少针对某一区域进行研究；因此，本文拟利用成渝城市群2011—2019年面板数据检验数字金融发展对经济高质量发展的空间效应。

三、研究设计

（一） 变量选择

1.被解释变量——经济高质量发展（HE）

基于经济高质量发展的内涵，借鉴陈景华等[21]、汪淑娟等[22]的做法，同时考虑数据可得性，本文围绕经济协调、创新经济、绿色经济、开放经济以及共享经济等五个方面构建经济高质量发展评价指标体系（见表1），对成渝城市群内各城市的经济高质量发展进行评价。

目前，针对多个指标的综合评价方法包括主观赋权评价法和客观赋权评价法。主观赋权法主要是根据专家的经验进行主观判断得到权重，其权重通常受主观因素影响较大，而客观赋权法主要是根据指标数据进行赋权。为确保评价的客观性，本文采用客观赋权法中的熵值法对评价对象的各指标赋权，具体方法如下。

（1）采用以下公式对各指标进行归一化处理，以消除量纲的影响。

正向指标的处理公式为

负向指标的处理公式为

其中，i表示城市；j表示观测指标；t表示年份；表示指标观测值；表示最小观测值；表示最大观测值；表示经过标准化处理后的指标值。

（2）计算第t年第j项指标下第i个城市所占的比重Pijt，其公式为

其中，n为被观测城市个数，m为观测年份总数。

（3）计算第j项指标的熵值ej，公式为

（4）计算第j项指标的差异性系数gj。

（5）计算第j项指标的权重 ωj。

其中，k为各个指标。

（6）计算经济高质量发展HE。

HEit为第i个城市第t年的经济高质量发展。

2.解释变量——数字金融发展DIF0

用北京大学数字金融研究中心编制的《北京大学数字普惠金融指数2011—2020》[23]中的数字普惠金融总指数除以100得到的结果来表示数字金融发展DIF0。数字金融发展共三个维度，分别是数字金融覆盖广度、数字金融使用深度和数字金融数字化水平，分别用DIF1、DIF2和DIF3表示。

3.控制变量

（1）投资率（KPL）。用固定资产投资总额与GDP的比率来衡量KPL。投资率可以在一定程度上反映一个地区对基本建设和更新改造的投入力度，故投资率可能会对经济高质量发展产生影响。

（2）政府支出（GOV）。因为政府支出对经济增长的作用具有乘数效应，财政支出的增加可以带来膨胀式的经济增长，所以本文用财政支出来衡量GOV。

（3）人力资本（HC）。因为人力资本是经济发展不可或缺的组成部分，高素质的从业人员数量更是影响经济高质量发展的重要因素，所以本文用当年高等学校在校生人数来衡量HC。

4.数据来源

本文的数据来源有四个：一是2012—2020年《中国城市统计年鉴》，二是各省份的统计年鉴，三是各城市统计局公布的城市年鉴和公报，四是北京大学数字金融研究中心编制的《北京大学数字普惠金融指数2011—2020》。缺失的数据主要是通过插值法补齐。主要变量描述性统计如表2所示。

表2 主要变量的描述性统计（2011—2019 年）

（二） 模型构建

1.基本模型

根据以上分析，为检验数字金融对经济高质量发展的影响，本文建立如下基本模型：

其中，C为常数项；i代表城市；t代表年份；HEit为经济高质量发展；DIFn分别代表数字金融发展、数字金融覆盖广度、数字金融使用深度和数字金融数字化水平（当n分别为0、1、2、3时）；Controla为各控制变量，当a等于1、2或3时分别表示GOV、HC和KPL； αn为数字金融发展及其三个维度的回归系数； β为各控制变量的回归系数，反映各控制变量对经济高质量发展的影响程度；ui是 地区固定效应；ε为随机误差项。

2.空间计量模型

为进一步反映数字金融发展对经济高质量发展的空间溢出效应，本文在基本模型的基础上建立空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。

（1）空间滞后模型（SLM）。SLM可以用于探究被解释变量在邻近区域内是否具有溢出效应，本文构建如下空间滞后模型：

式（9）中，ρ为空间自回归系数，W为空间权重矩阵。本文根据城市层面的特点，采用经济地理距离矩阵作为空间权重矩阵。

（2）空间误差模型（SEM）。考虑到变量的空间滞后项，本文构建如下空间误差模型：

其中，λ为空间自回归系数。

（3）空间杜宾模型（SDM）。本文在考虑自变量空间滞后项和因变量相关性的基础上扩展SAR与SEM模型，构建如下空间杜宾模型：

四、实证结果分析

（一） 基本模型分析

首先，为确保检验结果的稳健性，本文采用固定效应模型和随机效应模型对成渝城市群数字金融和经济高质量发展的关系进行检验，检验结果见表3。随后，为确定具体采用哪种模型，本文进行了Hausman检验。经检验，Hausman检验统计量为28.66，P值为0.00，因此采用固定效应模型比随机效应模型更有效。

表3 基本模型估计结果

因为经济高质量发展和数字金融发展之间可能存在互为因果的关系，同时模型也可能存在其他内生性问题或遗漏变量，所以还应采用GMM模型进行估计，估计结果见表3。

从表3可以看出：（1）在成渝城市群内，数字金融发展能促进经济高质量发展。（2）与控制变量加入前相比，控制变量加入后解释变量数字金融发展的回归系数的符号和显著性水平未发生显著变化；与加入控制变量的固定效应模型估计结果相比，在GMM估计结果中，数字金融发展的回归系数的符号和显著性水平没有发生明显变化。（3）控制变量政府支出、投资率和人力资本的回归系数均为正，表明这三者均能促进经济高质量发展。

为进一步了解数字金融发展各维度对经济高质量发展的影响，本文采用固定效应模型对每个维度进行回归，回归结果见表4。回归结果表明，数字金融覆盖广度、数字金融使用深度和数字金融数字化水平均能促进经济高质量发展。

表4 数字金融各维度回归结果

（二） 空间相关性分析

1.全局莫兰指数

本文采用Stata16软件对各主要变量进行空间相关性检验，结果如表5所示。从表5可以看出：（1）2011—2019年，经济高质量发展的全局莫兰指数均为正值且大部分年份通过了显著性检验，数字金融发展和数字金融覆盖广度的莫兰指数均显著为正，表明成渝城市群内各城市经济高质量发展、数字金融发展和数字金融覆盖广度均具有正向空间相关性，呈现高—高集聚和低—低集聚的空间分布状态。（2）2011—2019年，数字金融使用深度的莫兰指数值存在明显波动，但总体上还是呈正的空间相关性。（3）数字金融数字化水平的莫兰指数值仅有个别年份为正值，大多数年份为负值，表明数字金融数字化水平尚未形成稳定的空间集聚状态。因为2019年数字金融数字化水平的莫兰指数为正值，所以为进一步探究数字金融数字化水平对经济高质量发展的影响，本文拟对其进行空间效应检验。

表5 主要变量的 Moran's I 值

2.局部莫兰散点图

为更直观地观测成渝城市群内经济高质量发展和数字金融发展的空间相关性，本文采用成渝城市群2019年的数据绘制了各主要变量的莫兰散点图，如图1①所示。图1（1）显示成渝城市群内各城市的经济高质量发展大部分集中于一、三象限，呈现高—高集聚和低—低集聚的特征，即经济高质量发展较好的城市会被经济高质量发展较好的城市包围，而经济高质量发展较差的城市同样会被经济高质量发展较差的城市包围。图1（2）至图1（5）分别是数字金融发展及其三个维度的莫兰散点图。从图中可以看出，成渝城市群内各城市的数字金融发展、数字金融覆盖广度、数字金融使用深度和数字金融数字化水平也呈现高—高集聚和低—低集聚的特征。这进一步证明经济高质量发展、数字金融发展及其三个维度均具有正向的空间相关性，选择空间计量模型进行研究具有可行性。

同时，从局部莫兰散点图可以看出，无论是经济高质量发展还是数字金融发展及其三个维度，只有重庆和成都始终位于第一象限，其他城市则大多处于第三象限。这表明重庆和成都作为成渝城市群的核心城市，对整个城市群的辐射带动作用尚不显著，还有很大的上升空间。

（三） 空间效应分析

1.空间计量模型选择

本文利用2011—2019年数据对变量成渝城市群数字金融发展及其三个维度与经济高质量发展的空间相关性进行LM检验，DIF0、DIF1、DIF2和DIF3的LMERR、LMLAG及其稳健形式的Robust LMERR和Robust LMLAG均通过显著性检验（见表6)，因此，本文更适合采用空间误差模型进行实证分析。

表6 LM 检验及 Hausman 检验结果

2.空间误差模型回归结果分析

数字金融及其三个维度的回归结果见表7。从表7可以看出：数字金融发展的回归系数和空间误差系数均显著为正，表明成渝城市群内每个城市经济高质量发展不仅受自身数字金融发展的正向影响，还受周边城市经济高质量发展空间溢出效应的正向影响。数字金融覆盖范围、数字金融使用深度和数字金融数字化水平的回归系数均为正，且均表现出统计意义上的显著性，表明三者对成渝城市群内各城市经济高质量发展具有促进作用；同时，三者的空间误差系数也显著为正，进一步证实经济高质量发展在成渝城市群内具有正向的空间溢出效应。在四次回归中，控制变量投资率和人力资本的回归系数显著为正，表明投资的增加和人力资本的积累都能助推城市群内各城市经济高质量发展，政府支出的回归系数则没有体现出统计意义上的显著性。

表7 空间误差模型（SEM）回归结果

五、结论及建议

（一） 研究结论

第一，基本模型的回归结果表明：在成渝城市群内，各城市的数字金融发展可以带动城市经济高质量发展；数字金融发展对经济高质量发展有推动作用，其三个维度对经济高质量发展均有促进作用。

第二，空间模型的回归结果表明成渝城市群内经济高质量发展具有正向的空间溢出效应。

第三，控制变量的回归结果表明，增加投资和积累人力资本是推动成渝城市群内各城市经济高质量发展必不可少的措施。

（二） 对策建议

第一，依托重庆、成都等城市的科研资源和高新技术产业，以创新为发展突破口，加大创新力度，积极发展金融科技，借助科技创新和金融创新进一步提高数字金融的普惠性和精准性，促使数字金融发展更好地发挥支持经济高质量发展的作用；同时，充分利用经济高质量发展在成渝城市群内的正向空间溢出效应，推动成渝城市群经济高质量发展。

第二，在成渝城市群内构建各城市互联互通的数字金融发展生态圈，实现城市间数字金融要素的优化配置和有效对接，提高数字赋能背景下金融发展推动经济高质量发展的效率；同时，各城市之间还应建立必要的经济发展协调机制，按各城市的地理位置和要素禀赋明确各城市发展定位，提升各城市在城市群整体协同发展中的参与度，更好地发挥成都、重庆两个中心城市的辐射带动作用，以最终实现城市群经济高质量发展。

第三，更多地关注投资和人力资本。一方面，继续增加投资，进一步完善基础设施建设，加强新型基础设施建设，实施区域协调发展战略，增强区域经济协调性，推动跨地区的联系合作，提高各城市数字金融发展的空间关联程度，以实现区域内经济、金融数据安全可靠的共享和经济、金融资源要素高效有序的流动；另一方面，继续完善人才引进政策和机制，充分发挥成渝城市群人口优势和成都、重庆等城市高校多的优势，积极引进掌握数字技术的复合型人才，尤其是数字金融人才，充分有效地利用数字金融发展推动各行业高质量发展和产业结构优化升级，促进经济高质量发展。

注释：

① 图1中的数字01至15分别代表重庆、成都、自贡、泸州、德阳、绵阳、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安。