长三角数字金融环境对区域科技创新的影响分析

胡骋来 屠立峰 乔桂明

(苏州大学 东吴商学院，江苏 苏州 215021)

一、引言

习近平总书记在2017年提出“要构建以数据为关键要素的数字经济”。党的十九届四中全会提出要将数据作为生产要素参与分配，数据作为生产要素的经济价值不断得到重视和利用。(1)习近平：《不断做强做优做大我国数字经济》，《求是》2022年第2期。数字经济时代，市场主体获取金融资源及服务的渠道与方式都发生了革命性变化。数字金融服务机构可以利用数字平台积累的海量客户数据，实时对企业进行多维度数据画像和风险评价，为企业提供成本更低的金融产品。(2)Ozili P K.Impact of Digital Finance on Financial Inclusion and Stability.Borsa Istanbul Review,2018,(4).数字金融环境对区域创新的影响日益凸显。(3)杨刚、张亨溢：《数字普惠金融、区域创新与经济增长》，《统计与决策》2022年第2期；LI J,LI B.Digital inclusive finance and urban innovation:Evidence from China.Review of Development Economics,2021,(4).数字金融环境是以数据资源为生产要素、以网络为重要渠道、以信息技术为效率提升手段的一系列外在的金融资源获取条件。《金融科技发展规划(2022—2025年)》明确指出，未来四年，要加快健全适应数字经济发展的现代金融体系。全国各地日益重视在推进数字经济发展的过程中，将数字金融与地区创新相结合。(4)陈利、王天鹏、吴玉梅等：《政府补助、数字普惠金融与企业创新——基于信息制造类上市公司的实证分析》，《当代经济研究》2022年第1期；郑雨稀、杨蓉、Mohammad Heydari：《数字金融促进了突破式创新还是渐进式创新?》，《云南财经大学学报》2022年第2期；崔耕瑞：《数字金融与产业高质量发展》，《西南民族大学学报(人文社会科学版)》2022年第2期。长三角地区的现代产业发展基础雄厚，拥有一大批专业化、高附加值、创新能力较强的企业，高新技术产业竞争力在全国处于领先地位。在区域创新合作方面，长三角三省一市签署了《长三角地区加快构建区域创新共同体战略合作协议》，联手承担重大科技创新任务，推进区域内大科学装置建设和科技资源共享，并试行科技创新券在长三角范围内通用通兑。在区域金融合作方面，发布了《关于进一步加快推进上海国际金融中心建设和金融支持长三角一体化发展的意见》，围绕同城化金融服务、跨区域联合授信、跨区域公共信用信息共享、一体化科技金融服务和金融信息共享合作机制等领域形成16条举措。长三角也是我国数字经济发展最快的区域之一。发端于上海青浦的“长三角数字干线”，依托G50主干廊道与沿线城市，协同打造一流新型基础设施的数字创新发展带。苏州借助长三角数字货币研究院、长三角金融科技公司、长三角数字金融数据中心三大国家级平台，把数字金融产业打造成为长三角一体化发展的亮点。现有国家数字人民币试点城市中，长三角试点城市达到8个，对长三角数字金融环境的改善起到重要的推进作用。根据中国信息通信研究院发布的《长三角数字经济发展报告(2021)》，长三角三省一市数字经济增速均高于同期GDP增速5个百分点以上，数字经济在第三产业渗透率均高于40%。学者研究发现，数字金融对长三角技术密集型产业发展(5)段睿媛：《长三角地区数字金融对技术密集型产业的影响》，《商业经济研究》2022年第3期。、区域创新能力提升(6)梁金华、厉飞芹、刘旭凤：《数字金融对区域创新能力提升的影响研究——基于长三角城市群的实证检验》，《技术经济与管理研究》2022年第1期。均有明显的促进作用。然而，在长三角一体化上升为国家战略的背景下，长三角各城市的数字金融环境建设是否具有空间溢出效应？数字金融环境的区域一体化能否对区域创新带来协同效应？学术界对此鲜有研究。2021年，长三角地区经济总量继续保持全国四分之一的比重，成为中国经济的增长极和最具活力的区域之一。作为长三角的龙头，上海经济总量突破4万亿，独领第一方阵。杭州、南京、合肥、苏州、宁波、无锡和南通等7座城市经济总量突破万亿，列入长三角第二梯队。常州、徐州、温州、绍兴、扬州、盐城、嘉兴、泰州、台州和金华这10座城市入围2021年全国城市经济总量50强，构成长三角城市群第三梯队。连云港、芜湖、淮安、滁州等7座城市入围全国百强，经济总量均在3 000至5 000亿区间，这7座城市经济增速较快，构成长三角城市群第四梯队。其他城市则处在长三角城市群第五梯队，这些城市经济基础相对较为薄弱，需进一步发掘自身优势、找准产业方向，将发展的落差转化为发展的空间。本文以长三角41座城市为样本，将城市科技产出作为研究对象，探讨数字金融环境对城市创新的空间溢出效应，研究结论对进一步加深理解数字金融环境一体化建设与区域创新的关系具有重要意义。

二、理论分析与研究假设

(一)数字金融环境为创新主体提供必要的信用信息数据资源共享机制

随着信息技术的发展，市场主体可将生产与经营活动以视频、图片、文字等数字形式记录并保存。市场主体通过使用数字技术，能够高效获取信息，降低交易成本，产品和技术的供求双方都能够很好地找到交易机会。由此可见，数字经济时代为创新提供了更加包容、开放的信息环境。创新活动需要大量的资本，企业自有资金难以满足创新需求。而且，创新项目具有风险高、回报期长、不确定性大等特点，信息不对称问题较为突出。因此，企业创新活动更易受到外部融资约束的影响。(7)Hall B.The financing of research and development.Oxford Review of Economic Policy,2002,(18).

在数字金融环境良好地区，包括市场主体信用信息在内的数据要素得以合法合规共享。金融服务机构能便利地收集和分析客户交易过程产生的商流、物流、资金流和信息流等数据，对交易项下的货物、应收或预付账款、其他权益进行动态监控，验证交易背景真实性，监测交易关键流程，实现资金闭环管理。(8)杨亚平、赵昊华：《金融投资行为、数字普惠金融与企业创新》，《南方金融》2022年第1期，第18-33页。金融服务机构能依托大科技平台、大数据、云计算等数字技术开展金融产品、商业模式、技术应用和业务流程的创新，在扩大规模、提高效率、改善体验、降低成本和控制风险等方面形成服务优势，弥补传统金融服务方式的能力不足。

大科技平台能利用平台上客户留下的数字足迹，实时监测用户行为并支持大数据风控，通过生态系统增加客户违约的成本，对客户的履约行为进行了约束。大数据风控拥有信息优势和算法优势，借助复杂的机器学习模型，有助于捕捉不同变量之间的非线性效应，可以更准确地刻画用户的违约特征。(9)黄益平：《关于中国数字金融创新与发展的几个观点》，《金融论坛》2021年第26期，第3-5页。“交易信用”对风险的揭示模式与产业链、供应链发展趋势相适应，对整体风险判断将起到重要的作用。(10)赖辉、黄宇梦、周宗放：《基于云模型的网络信任及网络交易信用风险评估研究——以C2C交易模式为例》，《管理评论》2017年第7期，第225-234页。

综上所述，良好的数字金融环境为金融机构提供了丰富的企业信用信息，有利于形成风险更加可控、成本更加低廉的金融服务，从而能更高效地满足企业创新所需的资金需求。特别是，当数字金融覆盖面大、使用度深、数字化程度高时，金融机构更能获取信用数据，进行更有效的风险评估和定价，在支持企业科技创新时所表现的效率会更高。本文提出假设1及三个子假设：

H1：良好的数字金融环境，能促进城市科技产出增长。

H1A：数字金融覆盖广度越大，城市科技产出越高。

H1B：数字金融使用深度越大，城市科技产出越高。

H1C：普惠金融数字化程度越大，城市科技产出越高。

(二)数字金融环境为创新主体提供充分的数字金融竞争合作机制

随着中国经济发展方式从“要素驱动”向“创新驱动”转变，以银行业金融机构为主体、抵押信贷为主要方式的金融服务体系很难有力地支撑创新发展。数字金融在科技信贷、移动支付和线上投资方面具有天然优势。(11)Wang,Qian,et al.The impact of digital finance on financial efficiency.Managerial and Decision Economics,2020,(1).面对互联网企业在利用数字技术高效满足企业资金需求方面所取得的成功，传统金融机构开始加快布局数字化转型，与互联网企业共同构建数字金融生态圈。数字金融创新对银行业绩有长期的积极影响。(12)Scott,S.V.,Van Reenen,J.,& Zachariadis,M.The long-term effect of digital innovation on bank performance:An empirical study of SWIFT adoption in financial services.Research Policy,2017,(5).数字和信息技术在金融环境中的扩散推动了中国金融业的市场化进程。(13)Wang,J.From aperture satellite to “Internet finance”:Institutionalization of ICTs in China’s financial sector since 1991.Telecommunications Policy,2018,(42)；Liu,C.Y.,Lingjan,C.,Chengchung,L.,& Xiuwen,Y.Analysis of Beijing Tianjin Hebei regional credit system from the perspective of big data credit reporting.Journal of Visual Communication and Image Representation,2019,(1).

当一个地区金融机构与科技企业形成良性竞争和合作机制时，企业将面临价格更低、服务更优的金融资源环境。数字金融通过建立动态信用评估和风险监控系统，可以避免传统金融机构的投资担忧。(14)Berger,A.N.,Ifiekhar,H.,& Mingming,Z.Bank ownership and efficiency in China:What will happen in the world’s largest nation?.Journal of Banking and Finance,2009,(33).数字金融为资金供求双方的信息沟通和资源交流搭建了良好平台，通过借助发达的通信技术，扩大了金融服务的边界，提高了信息透明度，实现了包容性和效率。创新型企业的高增长潜力也符合数字普惠金融的商业可持续性特征。(15)Liu,J.H..Research on Internet finance:Its business models and development trend.Association for Computing Machinery,2018,(2).随着金融机构与互联网科技公司的深入合作，金融业务会加速向混业经营演化，这种整合有利于不同金融机构牌照资源的互补与共享，数字金融和传统金融从“竞争”状态过渡到“融合”状态。良好的数字金融环境，能进一步提升传统金融机构支持科技创新的作用。(16)Kshetri,N..Big data’s role in expanding access to financial services in China.International Journal of Information Management,2016,(36).本文提出假设2及三个子假设：

H2：数字金融环境越好，传统金融机构(业务)对城市科技产出的促进效果越强。

H2A：数字金融覆盖广度越大，传统金融机构(业务)对城市科技产出的促进效果越强。

H2B：数字金融使用深度越大，传统金融机构(业务)对城市科技产出的促进效果越强。

H2C：普惠金融数字化程度越大，传统金融机构(业务)对城市科技产出的促进效果越强。

三、研究设计

文章采用空间计量方法研究数字金融环境对城市科技创新的相邻效应和溢出效应。

(一)模型设定

构建一般的空间面板模型：

(1)

文章首先使用聚类稳健标准误估计空间自回归模型(SAR)，即δ=0，有：

(2)

SAR考虑了被解释变量的时间滞后项和空间滞后项，选择个体效应和时间效应双固定。

随后，文章使用聚类稳健标准误估计空间杜宾模型(SDM)，即(1)的情形，根据豪斯曼统计量来选择随机效应模型和固定效应模型。

(二)变量选择和数据来源

文章选择专利授予(PATNGRT)作为被解释变量，借此衡量城市的创新产出水平。

文章将数字金融环境(DIGI)作为核心解释变量。采用由北京大学数字金融研究中心和蚂蚁集团研究院联合编制的北京大学数字普惠金融指数(ZS)作为总体衡量指标，并分别从数字普惠金融的覆盖广度(FGGD)、使用深度(SYSD)和数字化程度(SZH)三个维度研究数字金融环境的不同表现。(17)郭峰、王靖一、王芳等：《测度中国数字普惠金融发展:指数编制与空间特征》，《经济学(季刊)》2020年第4期。

文章将人民币各项存款余额占当年GDP比重(DEPO)、人民币各项贷款余额占当年GDP比重(LOAN)、保险密度(取自然对数，lnINSDEN)、保险深度(INSDEP)、发行债券额(取自然对数，lnBOND)、风险资本投资额(取自然对数，lnVC)、上市公司在证券市场募集资金总额(包括首发和增发等方式，取自然对数，lnSTOCK)作为解释变量，在分析金融支持城市创新的基础上，进一步考虑上述变量在不同的数字金融环境中对城市创新的促进作用。

此外，文章从数字设施、产业结构、人均收入三个方面选择控制变量，包括移动电话年末用户数(取自然对数，lnMobl)、互联网宽带接入用户数(取自然对数，lnINT)、第二产业占GDP比重(IND)、第三产业占GDP比重(SER)、人均GDP(取自然对数，GDPPC)、金融业年末城镇单位就业人员占城镇单位从业人员期末人数比重(FINEMP)。

文章研究了长三角41座城市在2011—2019年间的表现。这段期间内，长三角城市群数字金融快速发展，数字金融对城市创新促进效应的影响代表性强。数据主要来源于历年《浙江统计年鉴》《上海统计年鉴》《安徽统计年鉴》《江苏统计年鉴》、WIND数据库和北京大学数字金融研究中心发布的数字普惠金融指数。

表1显示了专利授权2011—2019年的全局空间自相关结果，包括莫兰指数I、吉尔里指数C和Getis & Ord指数G。从三个指数的统计显著性看，专利授权具有显著的正空间自相关性。

表1 PATNGRT的全局空间自相关检验

四、实证结果分析

(一)空间滞后模型结果分析

表2是以城市当年所获得专利授权作为被解释变量的空间滞后模型估计结果。8个模型都控制了时间效应和个体效应，空间滞后回归系数ρ在5%水平上都显著为正，表明，邻近城市专利授权对本地区专利授权具有正向影响。

表2 数字金融环境对专利授权影响的空间滞后模型实证结果

第2列是以普惠金融综合指数为数字金融环境变量、没有考虑股权融资工具和债券融资方式的估计结果。用数字普惠金融综合指数表示数字金融环境时，城市数字普惠金融指数提高1%，会促进专利授权增长128.5%。由此表明，假设1成立。存款余额、贷款余额、保险密度、保险深度对专利授权都有正向作用，说明当金融供给充裕时，企业科技成果会更丰富。数字金融与金融变量的交互项统计都很显著。具体看，数字金融环境既定条件下，存款余额、贷款余额、保险密度、保险深度的提高，对促进专利授权有额外的增加。由此表明，数字金融环境对银行、保险等传统金融支持企业创新具有催化促进作用，假设2成立。第3列是在第2列模型中增加了债券融资规模、风险资本投资规模、股票市场募集资金规模以及该三项与数字金融环境的交互项，估计结果显示，债券融资规模和股票市场募集资金规模的提升，对专利授权有正向效应。风险资本投资规模的估计结果不显著。交互项估计结果表明，当数字金融环境既定时，债券融资规模和股票市场募集资金规模的提升，会促进专利授权有额外的增加。由此表明，数字金融环境对资本市场支持企业创新也具有催化促进作用，即假设2成立。

第4列模型是将数字普惠金融覆盖广度作为数字金融环境指标，数字普惠金融覆盖广度提高1个单位，会促进专利授权增长122.4%。由此表明，假设1A成立。数字普惠金融覆盖广度与存款余额、贷款余额、保险密度、保险深度的交互项系数统计都显著，表明数字普惠金融覆盖广度对传统金融机构支持企业创新具有催化促进作用，即假设2A成立。第5列模型是在第4列模型中纳入3项直接融资工具，估计结果的统计特征与第4列一致，进一步发现，数字普惠金融覆盖广度对资本市场支持企业创新也具有催化促进作用，即假设2A成立。

第6列模型是将数字普惠金融使用深度作为数字金融环境指标，数字普惠金融使用深度提高1个单位，会促进专利授权增长20.92%。由此表明，假设1B成立。数字普惠金融使用深度与存款余额、贷款余额、保险密度、保险深度的交互项系数统计都显著，表明数字普惠金融使用深度对传统金融机构支持企业创新具有催化促进作用，即假设2B成立。第7列模型是在第6列模型中纳入3项直接融资工具，估计结果的统计特征与第6列一致，进一步发现，数字普惠金融使用深度对资本市场支持企业创新也具有催化促进作用，即假设2B成立。

第8列模型是将普惠金融数字化程度作为数字金融环境指标，普惠金融数字化程度提高1个单位，会促进专利授权增长19.33%。由此表明，假设1C成立。普惠金融数字化程度与存款余额、贷款余额、保险密度、保险深度的交互项系数统计都显著，表明普惠金融数字化程度对传统金融机构支持企业创新具有催化促进作用，即假设2C成立。第9列模型是在第8列模型中纳入3项直接融资工具，估计结果的统计特征与第8列一致，进一步发现，普惠金融数字化程度对资本市场支持企业创新也具有催化促进作用，即假设2C成立。

(二)空间杜宾模型结果分析

为确保检验结果的稳健性，文章分别采用固定效应模型和随机效应模型估计长三角41座城市数字金融环境和城市创新的空间关系，并对两个模型的结果做Hausman检验，8组模型的Hausman检验统计量都为负值，不能拒绝原假设“Ho:difference in coefficients not systematic”(两种方法得到的参数没有显著性差异)，表明采用随机效应模型比固定效应模型更有效。空间自回归系数ρ在1%水平上显著为正。表明，邻近城市专利授权对本市专利授权具有正向影响。

表3第2列显示，数字金融环境对专利授予具有显著的正向效应，假设1成立。存款、贷款、保险密度、保险深度、债券市场融资、股票市场融资对专利授权都有正向作用。数字金融环境与上述变量的交互项系数都显著，表明数字金融环境对金融支持企业创新具有催化促进作用，假设2成立。第3列显示，数字普惠金融覆盖广度对专利授予具有显著的正向效应，假设1A成立，数字普惠金融覆盖广度与存款、贷款、保险密度、保险深度、债券市场融资、股票市场融资的交互项系数都显著，表明数字普惠金融覆盖广度对金融支持企业创新具有催化促进作用，假设2A成立。第4列显示，数字普惠金融使用深度对专利授予具有显著的正向效应，假设1B成立，数字普惠金融使用深度与存款、贷款、保险密度、保险深度、债券市场融资、股票市场融资的交互项系数都显著，表明数字普惠金融使用深度对金融支持企业创新具有催化促进作用，假设2B成立。第5列显示，普惠金融数字化指数对专利授予具有显著的正向效应，假设1C成立，普惠金融数字化指数与存款、贷款、保险密度、保险深度、债券市场融资、股票市场融资的交互项系数都显著，表明普惠金融数字化指数对金融支持企业创新具有催化促进作用，假设2C成立。风险资本投资及其与数字金融交互项的估计结果都不显著。

表3 数字金融对专利授权的空间杜宾模型实证结果

五、研究结论与建议

(一)研究结论

本文通过采用空间滞后模型和空间杜宾模型，估计了长三角41座城市数字金融环境对专利授权的效应，结果表明：

第一，数字普惠金融综合指数、数字普惠金融覆盖广度、数字普惠金融使用深度和普惠金融数字化程度的提高，都会促进城市专利授权的增加。值得强调的是，空间滞后模型中数字金融变量直接效应、间接效应和总效应的统计显著，说明数字金融环境对专利授权的影响具有正向的空间溢出效应，也即，不仅本市的数字金融环境水平提升能促进自身专利授权增加(直接效应)，地理邻接城市数字金融环境通过促进当地专利增长，也能对本市专利产生正向溢出效应(间接效应)。由此可见，在长三角41座城市中，数字金融环境对区域科技创新活动产生了显著的空间效应。

第二，数字金融环境对金融支持城市创新的效果具有催化和促进作用。金融发达，有助于企业获得创新所需资金，当数字金融环境优越时，金融支持企业创新的效应会更加显著。除了常规的信贷、债券、上市外，长三角地区保险业也十分发达，针对科技创新有丰富的产品创新，如人才贷、研发费用损失保险等新型产品，能更好解决其他金融机构在支持企业创新方面的顾虑。特别当进入数字时代，金融机构加快金融科技创新和数字化转型的步伐，通过科技赋能，在丰富金融产品和工具、提升金融服务效率和包容性方面取得积极成果，极大促进城市创新的活跃。

(二)研究建议

根据研究结论，对进一步优化长三角数字金融环境提出如下建议：

一是构建长三角创新产业数字金融服务平台。鼓励长三角金融机构将高水平科技自立自强作为重点服务领域，努力实现科技企业贷款余额、有贷款户数持续增长，提升综合金融服务水平。长三角总部金融机构应发挥科技赋能优势，打造智能、高效、敏捷的数字金融全流程系统平台，积极支持高新技术企业、“专精特新”中小企业等创新发展，支撑数据获取、场景接入、准入筛查、授信审批、事中事后监控等环节的业务处理，构建服务产业生态的场景化多维工具箱，帮助长三角地区科技型中小企业实现生产经营活动全流程数字化，为金融服务全流程数字化提供生态基础。

二是加快形成长三角企业和个人信用信息共享机制。支持地方政府建设科技企业信息平台，共享工商、社保、知识产权、税务、海关、水电等信息，通过搭建科技成果转移转化项目数据库等，缓解银行保险机构与科技企业之间的信息不对称。鼓励银行保险机构充分利用政府公共数据平台，整合科技创新资源信息，创新银税互动、银商合作和银关合作等服务模式。长三角金融机构应围绕产业生态和产业上下游客户的数字化、智能化授信评估和风险监控，探索运用个人征信及企业征信等金融信用数据，以及产业链上的交易数据，构建数字化授信模型及数字化风控模型体系，确保产业数字金融业务风险可控。

三是完善长三角知识产权融资服务体系。打造长三角知识产权质押登记服务平台。支持通过知识产权交易市场，开展知识产权收储交易，拓宽知识产权质物处置渠道，加快出质知识产权的流转变现。银行机构要深化对知识产权融资业务的认识，积极运用互联网技术等提升知识产权质押业务办理效率，建立健全知识产权价值评估机构库、专家库，及时评估知识产权价值变化，优化知识产权押品动态管理。

四是鼓励创设面向长三角重点产业链的数字金融产品。金融机构应从数字化程度较高的重点产业生态场景入手，沿着“找数据、选数据、用数据”的思路，与长三角头部优质的核心企业、产业互联网平台或产业园区，共同打造与产业链交易契合的产业数字金融产品，为生态场景内的科创型中小微企业提供数字金融服务。

五是推动长三角生态绿色一体化发展示范区数字人民币跨区域特色应用场景创新落地。深化拓展示范区内数字人民币发放科技企业奖补的试点场景，由点及面推广至更多科创企业，探索更多科创奖补的定向支付场景。使用数字人民币实现示范区高端人才补贴发放，探索实现示范区企业和个人使用数字人民币购买付费金融服务，依托数字人民币智能合约特性，推进奖补款跨区域定向消费和全流程监管。推进数字人民币在以绿色保险、科创保险为主的各类保险业务中的应用，构建保险行业生态圈数字人民币支付闭环。