数字金融发展对地方财政收入的影响及区域差异研究——基于中国282 个地级市面板数据的中介效应检验

宋宝琳 张 航 胡欣蕊

内容提要：受经济增速放缓与新冠肺炎疫情的双重影响，我国地方财政收入出现疲软现象，财政可持续性遭受严峻的考验。随着数字科技的迅猛发展，数字金融能够更好地服务实体经济，继而可能会增加地方财政收入，破解财政收支困境。鉴于此，基于2011-2019 年我国282个地级市的面板数据，运用面板数据回归与中介效应模型，检验数字金融对地方财政收入的影响以及作用机制。结果表明，数字金融发展能够显著增加地方财政收入；中介分析表明，数字金融可通过提高消费水平以及优化产业结构来增加地方财政收入；异质性分析表明，数字金融对中西部地区和中、低财政收入城市的财政增收作用更加明显。研究结论可以为政府制定数字金融发展政策，平衡地方财政收支提供参考借鉴。

财政是国家治理的基础和重要支柱，财政收入是实现财政职能的根本保障。对于地方政府而言，财政收入则是提供基本公共服务、保障基本民生的坚实基础。近年来，我国经济增长速度放缓，经济发展不确定性增加，加之受新冠肺炎疫情的影响，财政收入遭受严重冲击。为刺激经济增长，政府加大债务举借力度，地方债规模持续扩大。地方财政收入是地方债务偿还的保障，是财政循环的重要环节。因此，研究地方财政收入问题不仅关系地方经济，更关乎国计民生。

数字金融为保障地方财政收入提供了新的研究视角。随着信息通信技术的更新迭代，数字科技与传统金融的融合不断加深，形成了以数字化为驱动的金融新模式——数字金融。与传统金融模式相比，数字金融具备广覆盖、高效率的特点，能够更加有效发挥金融服务实体经济的功能。数字金融作为新型金融形态，已然成为金融业未来发展的主要趋势。由北京大学数字普惠金融指数可知，2011-2020 年，我国数字普惠金融发展迅速，总指数的平均值由40 增长至341.22，年均增速为26.89%。①北京大学数字金融研究中心课题组：《北京大学数字普惠金融指数（2011-2020 年）》，https：//idf.pku.edu.cn/yjcg/zsbg/513800.htm。即便在新冠肺炎疫情冲击下，数字普惠金融依旧保持正增长态势。为此，党中央也多次强调要“深化金融体制改革，增强金融服务实体经济的能力”，旗帜鲜明地推动金融的普惠性发展。那么，数字金融能否促进地方政府增收，其传导机制如何？这正是本文欲探究并解决的问题。

一、文献综述

近年来，数字金融受到社会各界广泛关注，成为学术研究的热点问题。目前，关于数字金融经济社会效应方面的研究已经十分丰富，且部分研究领域已达成共识。在微观层面，数字金融通过便捷支付方式、缓解信贷约束等机制显著提升了居民消费水平、优化了消费结构（江红莉和蒋鹏程，2020）。同时，数字金融凭借其低门槛、低成本的优势，有效缓解了中小微企业、民营企业的融资约束，增加了企业的研发投入，对企业创新产生了促进作用（万佳彧等，2020）。在宏观层面，数字金融通过促进区域创新水平提升（任碧云和刘佳鑫，2021）、推动区域技术进步（贺茂斌和杨晓维，2021）、助力乡村振兴战略（谢地和苏博，2021）、缩小城乡收入差距（陈啸和陈鑫，2018）等方式为经济高质量发展作出了显著贡献。在数字金融的财税效应方面，梁晓琴（2020）基于省级面板数据，运用固定效应模型，实证检验了数字金融对地方税收收入的积极影响，并进一步发现这一作用存在门槛效应，具体表现为当数字金融发展程度较高时，其对税收的正向激励作用更为明显。邓达等（2021）通过测度我国各省份财政可持续能力指数，实证检验证明数字金融发展通过增加财政收入来提升地方财政可持续性。综上，目前学术界以数字金融为主题的研究较为丰富，但涉及地方财政收入的研究相对匮乏，且主要集中于省级层面。另外，缺少相关传导机制方面的实证研究。鉴于此，本文以2011-2019 年我国282 个地级市的面板数据为基础，运用面板数据回归与中介效应等模型，检验数字金融发展对地方财政收入的影响机制与路径。

本文的边际贡献主要体现在以下三个方面：第一，从宏观层面检验了数字金融与地方财政收入的关系，为破解地方财政收支困境、促进财政可持续发展提供了新的思路。第二，评估了消费水平与产业结构在数字金融增加地方财政收入过程中的中介效应，更加精准明晰了数字金融对地方财政收入影响的传导路径。第三，异质性分析验证了不同地区数字金融对地方财政收入影响的差异性，对制定数字金融区域差异化发展政策具有一定的借鉴意义。

二、理论机制与研究假设

（一）直接传导机制与研究假设

数字金融对地方财政收入的影响主要体现在税收收入、债务收入①根据《2021 年政府收支分类科目》，一般公共预算收入科目包括税收收入、非税收入、债务收入和转移性收入。、征管水平等方面。首先，数字金融发展能够显著增加地方税收收入。一方面，数字技术赋能于传统金融行业，促进了金融业的快速发展，推动了金融业自身税收贡献率提升。据《中国税务年鉴》统计数据显示，2011-2019 年，金融业税收收入占税收总收入比重由8.85%上升至11.53%。另一方面，数字金融的便捷性与普惠性有助于降低交易成本，提高各类资产交易频率以及交易规模，进而起到涵养税源、扩大税基的作用。与此同时，数字金融体系下，资产价格的不断“重估”与再定价，提高了社会价格总水平，导致真实税收“级距差”被压缩，产生“税率爬升”现象（欧卫东等，2019）。其次，数字金融发展有利于缓解地方政府融资困境。地方政府债务融资本质上是地方政府与金融资本在市场上进行的一种金融联动行为，易受到金融发展水平的影响（Graham et al.，2014）。在传统金融市场上，小规模投资者相对分散，其资金难以得到充分利用。数字金融则能弥补传统金融短板，实现更多资金的吸收与整合，增加可配置资金，缓解地方政府融资困境。与此同时，数字金融丰富了地方政府的债务融资渠道，增加了政府信用等级评定的客观性，有助于地方政府充分挖掘“信用资产价值”并进行债务融资，进而降低融资成本与融资风险（侯世英和宋良荣，2020）。再次，数字金融发展有助于提高财政的征管水平。在数字金融搭建的扁平化金融体系下，数字技术的充分运用极大提高了经济数据的可追踪性与经济活动的可监管性，可有效抑制偷税漏税行为（梁晓琴，2020），从而有助于增加地方财政收入。另外，数字技术的普遍应用推动了政府征管的数字化与智能化转型，在保障财政资金及时收缴的同时，也减少了征纳成本，提高了征管效率。因此，提出如下假设：

假设1：数字金融可显著增加地方财政收入。

（二）间接传导机制与研究假设

数字金融可通过提高消费水平增加地方财政收入。就消费水平而言，数字金融主要通过增加居民收入、优化消费信贷、便捷支付手段等方式促进消费水平的提高。第一，数字金融通过增加居民收入提高消费水平。首先，数字金融发展有效促进了经济增长，据《中国统计年鉴》相关数据显示，2020 年金融业对国内生产总值的贡献率高达23.12%，推动国内生产总值上涨了0.54%。数字金融自身的发展及其带动的经济增长增加了就业机会，提升了居民就业率与收入水平（Allen et al.，2016）。其次，数字金融缓解了融资困境，为居民创业提供了资金支持，有助于拓宽居民收入来源。再次，数字金融体系下的投资理财平台更加丰富多样，支付宝等互联网理财产品不断涌现，拓宽了居民的投资渠道，进而有助于分散投资风险，提高投资性收入（邹新月和王旺，2020）。第二，数字金融降低了金融服务门槛，消费者更易获得信贷支持。蚂蚁花呗、京东白条等互联网信贷有效缓解了居民流动性约束，从而刺激了消费需求。第三，数字金融促进支付方式便捷化，有助于增加社会消费欲望（易行健和周利，2018）。随着智能手机的普及，互联网消费更加便捷。同时移动支付平台提升了支付便捷程度，增加了居民消费频率及金额。商品和服务消费量的增加既扩大了增值税等商品课税的课税基础，又增加了企业所得税的应纳税所得额，理论上能够促进地方财政增收。因此，提出如下假设：

假设2：数字金融通过提高消费水平增加了地方财政收入。

数字金融可通过优化产业结构增加地方财政收入。就产业结构而言，数字金融主要通过缩小收入差距、加速技术创新等方式优化产业结构。一方面，数字金融通过缩小收入差距优化产业结构。在合理的资源配置下，金融发展有助于改善收入状况、缩小收入差距（Kongsamut et al.，2001）。数字化同普惠金融的融合发展不仅扩大了社会投资，还提供了专业性的资产管理，进一步推动了人均收入的增长和收入差距的缩小（张勋等，2019）。根据配第-克拉克原理，随着人均国民收入水平的提高、收入差距的不断缩小，劳动力会逐渐向高级化产业转移，产业结构也会随之优化。另一方面，数字金融通过加速技术创新优化产业结构。数字金融发展通过改善社会融资环境，激励了企业的研发投入与技术创新，进而有利于促进产业链与产业结构的整体优化升级（杜金岷等，2020）。同时产业结构的优化也增加了地方财政收入，这种作用主要反映在税收收入方面。目前第二产业与第三产业是我国税收收入的主要贡献者，据《中国税务年鉴》相关数据显示，2019 年我国第二、三产业税收收入占税收总收入的比重分别为42.95%、56.94%，尤其是第三产业对税收收入的贡献增长十分迅速。因此，提出如下假设：

假设3：数字金融通过优化产业结构增加了地方财政收入。

（三）异质性传导机制与研究假设

由于我国不同城市的地理区位、资源禀赋以及政策倾向程度不同，城市之间的财政收入、消费水平、产业结构、数字金融等方面也存在着较大差异（徐子尧等，2020），数字金融对地方财政收入的作用效果可能存在区域异质性。具体而言，东部地区的数字金融与经济发展水平处于全国领先地位，消费水平、第二三产业占比普遍偏高，城市的财政收入已经达到较高水平，因此数字金融对东部地区或高财政收入城市的财政收入只能发挥锦上添花的作用。相反，中西部地区较东部地区发展缓慢，金融覆盖范围较窄，消费水平偏低，第二、三产业占地区生产总值比重偏低，财政收入具有较大的增长空间，因此数字金融对中西部地区或中低财政收入城市的财政收入能发挥雪中送炭的作用。因此，提出如下假设：

假设4：数字金融对地方财政收入的影响存在明显的区域异质性。相对而言，数字金融更有助于增加中西部地区、中低财政收入城市的地方财政收入。

三、模型设定、变量选取与数据来源

（一）模型设定

参考艾华等（2021）研究数字经济对地方税收影响的回归模型，以及梁晓琴（2020）研究数字金融影响地方税收的回归模型，本文通过构建市级面板计量模型检验数字金融发展对地方财政收入的影响作用，基准回归模型设定如下：

其中，LnF-Revenceit表示i 市在t 年的地方财政收入；D-Financeit表示数字金融指数；Xit表示控制变量，包括地区创新能力、财政支出、失业程度、“营改增”政策；γi表示城市固定效应，ηt表示年份固定效应，εit为随机干扰项。

为了验证数字金融对地方财政收入的间接影响，本文引入中介变量，构建回归模型如下：

对墨西哥柏树来说，影响其扦插效果的主导性因素为插穗保持水分的能力、含水量及其插穗的性状；东北红豆杉插穗的生根率首先受基质的影响，其次是浸泡的时间，最后是使用的药物和穗龄等因素；对西伯利亚落叶松来说，穗龄是影响其扦插效果的主要因素，基质属于次要原因；在华北落叶松的扦插繁殖实践中，插穗的长度对一年生的硬枝扦插效果起着主要影响；年龄和地理位置对白落叶松的扦插效果存在比较明显的影响，这一点也适合红皮云杉。由此看来，在进行扦插繁殖时，要考虑多种因素，结合树种的特点，采取效果最好的扦插技术。

其中，Medit表示中介变量，在后文分析过程中分别用消费水平和产业结构来表示；其余解释变量同模型（1）。

（二）变量选取

1.被解释变量

地方财政收入（F-Revence）。采用地方政府一般公共预算收入来表示地方财政收入。由于地方财政收入数额过大，遵循普遍的处理方法，对其取对数处理，同时有助于消除异方差问题。参照徐子尧等（2020）做法，综合考虑变量之间量纲的差异，在取对数处理之后，再乘以100。这里用LnF-Revence表示处理之后的地方财政收入。

2.核心解释变量

数字金融（D-Finance）。采用北京大学数字金融研究中心和蚂蚁科技集团联合编制的数字普惠金融指数来表示城市数字金融发展水平，该指数涵括了数字金融覆盖广度（F-Breadth）、数字金融使用深度（F-Depth）和数字普惠金融数字化程度（F-Digilevel）三个一级维度（郭峰等，2020）。

3.中介变量

根据理论分析，选取消费水平（Consumption）和产业结构（Ind-Structure）作为中介变量，检验数字金融对地方财政收入的影响机制。其中，消费水平变量采用社会消费品零售总额来衡量，该统计指标既反映了居民、企业、政府在实物商品上的消费，同时也囊括了服务消费领域的餐饮服务。同被解释变量一样，也采用取对数后，再乘以100 的处理方法。产业结构变量采用第二、三产业增加值占地区生产总值的比重来表示。这里用Lnconsumption 表示处理之后的消费水平变量。

为减少遗漏变量带来内生性问题，以地方财政收入相关文献研究为基础，选取创新能力（Innovation）、财政支出（F-Expenditure）、失业水平（Unemployment）、“营改增”政策（Policy）作为控制变量。其中，创新能力采用北京大学国家发展研究院与龙信数据研究院共同计算编制的中国城市创新创业指数的总指数得分来衡量；财政支出采用地方政府一般公共预算支出来表示；失业水平采用城市失业人数来表示；“营改增”政策因素通过设置虚拟变量来处理。2016 年5 月营改增全面实施，因此2016 年（包括2016 年）之后，政策因素取值标记为1，反之标记为0。为解决量纲问题，财政支出和失业水平均同被解释变量一样，在取对数处理之后，再乘以100。这里用LnF-Expenditure、Lnunemployment 表示处理之后的财政支出和失业水平。具体变量的描述性统计分析如表1。

表1 研究变量的描述性统计分析

（三）数据来源

以2011-2019 年我国282 个地级市为研究对象，构建面板数据模型，检验数字金融对地方财政收入的影响效果及作用机制。由于北京、上海、天津、重庆四个直辖市在经济社会等各方面均具备明显优势，在行政级别上与省同级，因此将其剔除，以此来避免极端值的影响。数字金融指数来源于北京大学数字普惠金融指数，创新能力数据来源于朗润龙信中国区域创新创业指数，其余指标数据来自历年《中国城市统计年鉴》《中国统计年鉴》《中国区域经济统计年鉴》，个别缺失值采用插值法予以补齐。

四、实证结果及分析

（一）基准回归结果

在回归分析之前，需先进行平稳性检验，检验结果表明各变量均在5%的水平上拒绝存在单位根的原假设，同时解释变量的方差膨胀因子均小于5，不存在多重共线性。后续研究可直接在该平稳面板序列的基础上进行。基准回归结果见表2，其报告了数字金融对地方财政收入的影响效果。第（1）-（4）列分别采用随机效应模型、个体固定效应模型、时间固定效应模型、双固定效应模型进行检验。结果表明，无论采用何种模型，数字金融发展对地方财政收入的激励作用均在1%的水平上显著为正，且拟合优度均处于较高水平。就控制变量而言，在双固定效应模型下，城市创新变量的系数在1%的水平上显著为正，这说明城市创新能力的提升有助于增加财政收入。失业水平变量前的系数在10%的显著性水平上为负，说明失业程度加深会导致地方财源流失。政策变量前的系数在1%的水平上显著为负，说明“营改增”政策在一定程度上削弱了地方财力。财政支出在1%的显著性水平上正向影响着财政收入，充分体现了财政支出与收入之间的紧密性。综上所述，数字金融发展可以显著增加地方财政收入，假设1 得到验证。

表2 基准回归结果

（二）稳健性检验

为了进一步证明研究结果的可靠性和非随机性，分别从改变样本容量、替换解释变量两个角度来进行稳健性检验。第一，基于我国各地区发展水平存在较大差距，且各省会城市发展水平一般优于该地区其他城市的现实，将样本中的省会城市剔除来检验数字金融对地方财政收入的作用效果。第二，对各解释变量在1%的水平上进行缩尾处理，之后进行回归。第三，使用核心解释变量数字金融的子维度指标来替代数字金融，这里选取了占比较高的覆盖广度（54%）和使用深度（29.7%）两个子维度来进行稳健性检验。覆盖广度主要表现在电子账号覆盖率、互联网金融产品的普遍化、大众化程度上，而使用深度主要是指实际使用互联网金融服务的程度（郭峰等，2020）。

稳健性检验结果如表3 所示，在剔除省会城市和进行1%水平上缩尾处理之后，数字金融对地方财政收入的正向激励作用均通过了1%的显著性水平检验，与基准回归结果类似。同时，数字金融覆盖广度和使用深度对地方财政收入的边际影响为0.696 个单位和0.067 个单位，分别通过了1%和10%的显著性水平检验。综上可知，假设1 在稳健性检验中依然成立。

表3 稳健性检验

（三）内生性检验

内生性问题在较大程度上会破坏参数估计的“一致性”。一方面，数字金融与地方财政收入之间可能存在反向因果的关系，即数字金融发展促进了地方财政收入的增加，同时地方财力的增加也推动了数字金融的发展。另一方面，遗漏变量也会引发内生性问题。通过杜宾-吴-豪斯曼检验后，拒绝所有解释变量均外生的假设。基于此，为了准确识别数字金融对地方财政收入的影响作用，参考任碧云和刘佳鑫（2021）的研究，采用移动电话年末用户数（M-Telephone）、互联网宽带接入用户数（BBA）作为工具变量，进行内生性分析，该工具变量通过了识别不足检验与弱工具变量检验。回归结果如表4 所示，在考虑了互为因果以及遗漏变量问题后，数字金融仍在1%的显著水平上正向激励着地方财政收入的增加，这表明数字金融对地方财政收入的正向激励作用是稳健的，假设1 的可信度得到进一步增强。

表4 基于2SLS 工具变量法的内生性检验

五、中介效应检验与异质性分析

上述研究验证了数字金融发展对地方财政收入的促进效果，进一步考虑数字金融对地方财政收入的作用机制以及数字金融的财政增收效果在不同地区、不同财政收入城市的异质性。

（一）中介效应检验

按照中介效应检验逐步回归三步法，检验数字金融对地方财政收入的间接影响路径。根据模型（2）和模型（3）的设定进行回归，结果如表5 所示，其中第（2）-（3）列是采用消费水平作为中介变量的检验结果，第（4）-（5）列则是以产业结构作为中介变量的检验结果。研究表明，就消费水平中介变量而言，数字金融对消费水平的正向激励作用在1%的显著性水平上为正。进一步检验可知，数字金融的发展和消费水平的提高同时在1%的显著性水平上促进地方财政收入增加，表明数字金融发展可以通过提高地方消费水平间接增加地方财政收入，其中，中介效应为13.28%。对于产业结构中介变量而言，表5 第（4）-（5）列显示，产业结构与数字金融的系数均在1%的水平上显著为正，同时第（5）列数字金融系数小于第（1）列系数，表明产业结构起到了部分中介作用，即数字金融发展可以通过提升第二、三产业占比间接增加地方财政收入，其中，中介效应占比25.75%。由此可得，数字金融可以通过提高地方消费水平、优化产业结构增加地方财政收入，关于传导机制的假设2 与假设3 成立。

表5 基于逐步回归法的中介效应检验

为准确识别数字金融影响地方财政收入的作用机制，依旧选取移动电话年末用户数作为工具变量，检验中介效应的内生性问题。该变量满足工具变量的排他性要求，且通过了识别不足检验与弱工具变量检验。结果如表6 所示，在采用工具变量进行估计后，“数字金融→消费水平→地方财政收入”“数字金融→产业结构→地方财政收入”的中介效应传导路径与基准回归基本一致。这表明考虑内生性问题后，中介效应的估计结果依旧稳健存在。

表6 基于2SLS 工具变量法的中介效应内生性检验

（二）异质性分析

考虑到数字金融对地方财政收入的影响效果对于不同地区可能存在差异，分别从区位类型和城市财政收入水平两个维度对样本进行回归，检验数字金融对地方财政收入影响的异质性。在不同区位类型上，将全部样本城市划分为东部和中西部两大地理区域①东部包括河北、辽宁、江苏、浙江、福建、山东、广东、海南八个地区所辖地市；中西部包括内蒙古、广西、贵州、四川、云南、西藏、新疆、甘肃、陕西、青海、宁夏、山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南十九个地区所辖地市。进行分样本回归。在地方财政收入水平方面，将全部样本城市划分为高财政收入城市、中财政收入城市和低财政收入城市进行分样本回归，其中规定高财政收入城市为地方财政收入在样本城市财政收入平均水平以上，包括75 个城市；规定中财政收入城市为地方财政收入在样本城市财政收入平均水平的0.5 倍至平均水平之间，包括75 个城市；规定低财政收入城市为地方财政收入在样本城市财政收入平均水平的0.5 倍以下，包括132 个城市。

异质性分析结果如表7 所示，在城市区位异质性检验上，数字金融对东部和中西部地方财政收入的影响均在1%的水平上显著为正，并且中西部地区的系数要明显高于东部地区。这表明数字金融发展可显著增加东部和中西部地区的财政收入，但在不同地区存在差异，具体表现为对中西部地区财政收入的影响要强于东部地区。在城市财政收入的异质性检验上，高财政收入城市的数字金融对地方财政收入的影响为正但并不显著，低财政收入城市和中财政收入城市的数字金融对地方财政收入影响的系数在1%的水平上显著为正，且对低财政收入城市的影响效果要强于中财政收入城市。这表明数字金融发展有助于减少城市之间财政收入差异，充分体现了数字金融的普惠性。综上所述，数字金融对地方财政收入的影响存在明显的异质性，数字金融更有助于增加中西部地区、中低财政收入城市的地方财政收入，假设4 得到验证。

表7 异质性检验

六、结论与建议

（一）研究结论

数字经济时代，数字化与传统金融的结合愈加紧密，数字金融得到充分发展，这为地方财政收入的可持续性研究提供了一个崭新的视角。本文首先从理论上阐述了数字金融发展对地方财政收入的影响机理，而后基于2011-2019 年我国282 个地级市的面板数据，实证检验了数字金融发展对地方财政收入的影响路径。结论如下：（1）数字金融可显著增加地方财政收入。无论在随机效应模型下抑或在固定效应模型下，数字金融均在1%的显著性水平上增加了地方财政收入。经过剔除省会城市、缩尾处理、替换解释变量等一系列稳健性检验后，数字金融对地方财政收入的扩大作用依旧显著。进一步考虑互为因果以及遗漏变量问题，在将移动电话年末用户数与互联网宽带接入用户数作为工具变量，进行内生性分析后，数字金融仍在1%的显著水平上增加地方财政收入。（2）数字金融可以通过提高消费水平、优化产业结构的路径增加地方财政收入。在中介效应检验中，消费水平与产业结构的中介效应占比分别为13.28%与25.75%。在考虑内生性问题后，影响机制依旧存在。（3）数字金融对地方财政收入的影响存在明显的区域异质性。在城市区位异质性检验上，数字金融发展对我国东部与中西部地区的地方财政收入均有扩大作用，但强度有所不同。具体而言，数字金融对中西部地区的影响作用要强于东部地区。在城市财政收入的异质性检验上，数字金融可显著增加中、低财政收入城市的财政收入，但对高财政收入城市的影响并不显著。具体而言，数字金融对低财政收入城市的影响作用要强于中财政收入城市与高财政收入城市。

（二）对策建议

第一，扎实推进数字金融高质量发展。坚持“市场主导、政府引领”的基本原则，完善数字金融的顶层设计与总体规划，支持并引导数字要素同金融业务的有效结合，扩展数字金融覆盖广度，加深数字金融使用深度，深化数字金融数字化程度，促进数字金融高发展质量。具体而言，合理规划政府、社会资金，加大对数字基础设施建设的投资，夯实信息化、智能化、便捷化的设施基础。同时推进税收征管体制改革，税务部门应充分利用数字化技术，实现以数治税。基于大数据扩大涉税信息管理范围，加强对新型“非货币化”金融工具的针对性管控，创新税务稽查新模式，提升税收治理数字化水平，实现数字金融与财政收入的良性互动。

第二，着力提高区域消费水平。推动数字金融产品、服务创新，依托大数据、人工智能、区块链等数字技术，掌握消费者偏好动向，研发更加契合消费者需求的数字金融产品与服务，提升金融服务效率，巩固数字金融在提高消费水平中的作用。同时，优化互联网信贷领域的服务模式，推动互联网保险发展，缓解消费者的流动性约束，继而为地方培育优质财源。

第三，持续优化产业结构。一方面，利用新兴数字技术赋能传统产业转型升级，促进第二产业、第三产业同数字要素融合发展，着力提高产业数字化应用水平与数字产业化的发展速度，培育符合时代需求的数字信息网络行业，切实优化产业结构；另一方面，在确保金融市场稳定的前提下，适当放松对高新技术产业的融资约束，加强高新产业核心技术的自主创新，实现产业内部技术进步与产业结构优化，积极培植新的财政收入增长点。

第四，因地制宜地制定数字金融发展的差异化政策。中西部地区和中、低财政收入城市要多措并举发展数字金融，充分发挥“后发优势”，利用好政策扶持，引进高端人才，加强基础网络建设，推进数字金融向更高层次发展，切实增加本地财政收入。与此同时，东部地区与高财政收入城市应立足于良好的发展基础，拓宽数字金融服务范围，优化数字金融服务质量，继续保持中高财政收入水平。