数字金融、网络中心性与区域创新水平——基于2011—2020年省级面板数据的实证分析

李瑞晶

（河北金融学院 金融与投资学院，河北 保定 071051）

一、引言

《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》（简称“十四五”规划）坚持将创新驱动发展作为我国现代化建设的核心。实施创新驱动发展战略离不开金融支持，金融可通过集聚资金、配置资源、信息传递、风险管理等功能激励经济主体的创新活动，提升区域创新水平。自《G20 数字普惠金融高级原则》提出以来，金融发展进入了一个与数字技术深度融合的新时代，凭借大数据、云计算、人工智能等技术发展的契机，形成了低成本、广覆盖的数字金融，弥补了传统金融模式的不足，显著提高了金融服务实体经济的效率与质量，对于推动区域创新起到了更有力的支撑作用。

数字金融的最大优势在于其打破了地理空间约束，为资源要素在区域之间自由流动提供了可能。然而金融发展的中心化、集群化的网络特征并未改变，数字金融发展的区域不平衡性也愈发突显，以“核心—外围”为结构的数字金融网络逐渐形成（胡宗义和李明月，2018；王江和赵川，2021；高昕和李国权，2022）[1-3]。在日益密切的区际联系中，边缘弱势地区对资源要素的吸引力不足，将会进一步拉大区域差距。因此，在当前国内数字金融发展不均衡、不充分的背景下，如何实现区域间要素合理流动与配置，成为数字金融发展与功能实现的新问题。

二、文献综述

已有很多文献证实了数字金融对于技术创新存在积极影响。创新活动具有高投入、高风险、长周期的特征，更容易面临融资约束。数字金融可以依托现代技术实时抓取信息，提高信贷效率与风险评估的准确性（黄浩，2018；Demertzis 等，2018）[4-5]，从而改善创新主体的融资环境，降低信息不对称与融资成本，推动技术创新并促进成果转化（庄旭东和王仁曾，2021；万佳彧等，2020；张慧慧等，2021）[6-8]。从间接渠道来看，数字金融还可以通过提高人力资本供给，刺激居民的消费需求，促进产业升级等渠道支持区域创新创业活动，激发市场主体活力，提高区域创新水平（马德功和滕磊，2020；任碧云和刘佳鑫，2021；杜传忠和张远，2020；郑万腾等，2021）[9-12]。然而也有研究指出，数字金融发展的非均衡性在区域创新方面表现出了“马太效应”，人力和资本要素的虹吸作用导致了新的金融排斥，可能扩大区际创新差距（张梁等，2021）[13]。

数字金融具有更强的空间穿透性，打破了传统金融的距离限制，加强了我国各地区之间金融要素的联系。当前我国数字金融发展呈现区域异质性和区际联系并存的特点，并逐渐形成了较为稳定的关联网络。其中东部沿海发达地区处在网络的中心，对数字金融资源要素起到控制作用，吸引外部资源的流入，中西部地区省份处在网络的边缘地带（余海华和张静，2021）[14]。数字金融网络是信息传递与资源流动的重要渠道。因此，准确认识网络对数字金融功能的影响，对于加深区际金融合作，构建新发展理念下数字金融协调发展格局具有重要意义。

基于此，本研究利用我国2011—2020 年省级平衡面板数据，构建数字金融空间关联网络，分析数字金融发展对区域创新水平的影响以及网络中心性的调节作用，并进一步讨论这一效应在不同地区的可能差异。本文的主要边际贡献在于：一是基于社会网络理论，从信息传递和要素流动的角度分析了数字金融网络中心性在数字金融促进区域创新中的调节效应；二是利用块模型分析、分组回归等方法，进一步区分了不同地区在关联网络中的作用和地位，可为推进数字金融区域协调发展，提升数字金融的创新激励功能提供科学依据。

三、理论分析与研究假设

（一）数字金融影响区域创新的作用机理

创新活动具有研发周期长、资金投入多、结果风险大等特征，经常面临融资约束困境。创新主体如果没有充足、稳定的现金流作为保障，则很容易减少研发投入，抑制创新产出。从供给侧的角度来看，数字金融作为一种新型金融服务模式，拓展了传统金融的边界，提高了资金的可得性和金融服务的有效性，能够缓解创新主体的融资困境，进而激励创新活动，提高区域创新水平。与传统金融相比，数字金融的信贷审核过程更为简捷，降低了资金需求者的融资门槛，提升了金融的包容性，可为那些通过传统渠道无法获得资金支持的创新主体提供有效服务（Fuster 等，2019；康书生和杨娜娜，2022）[15-16]。同时，大数据和云计算等现代技术的运用也使得数字金融的信息捕获和处理能力大大增强，提高了信用评级的准确性，能大幅缓解信息不对称问题，降低融资风险，促进企业创新成长（谢平和邹传伟，2012；Hau 等，2021）[17-18]。从需求拉动的角度来看，数字金融的普及推动了商业模式重构，为研发创新提供了新的市场机遇（Teece，2010）[19]。依托电商和网络社交平台打造的完整的商业生态体系，覆盖了居民衣食住行的方方面面，促进了居民生活方式和消费品质的迭代升级，极大地挖掘了市场潜能（马香品，2020）[20]。居民对高品质生活的需求扩张，将倒逼企业不断推进产品与服务的更新换代，从而促进地区创新能力与产出水平的提高（徐子尧等，2020）[21]。此外，数字金融这一新兴业态对于现代技术的运用，也将对技术创新提出更高的诉求，起到激励创新的效果。基于以上分析，本文提出研究假设1。

H1：数字金融有利于提高区域创新水平。

（二）数字金融网络中心性的调节作用

数字金融网络能将不同节点联系起来，成为资金、信息等要素在不同地区流动汇集的重要渠道（李媛媛和刘思羽，2021）[22]，这其中网络中心性的价值主要源于处在网络中心的节点的信息优势和对资源的控制利用优势（Ibarra 和Andrews，1993）[23]。处在网络中心的节点通过与其他网络成员之间发生更多信息交换，或是作为其他成员沟通的桥梁，更容易获得来自其他网络成员的异质性知识，进而形成技术优势和相对权力，从而可以创造更大的价值。一方面，网络中心性较高的地区在网络中扮演着信息枢纽的重要角色（李善民等，2015）[24]，因此可以通过与其他地区的交流合作形成资源互补，获取发展数字金融的关键技术和更有效的投资机会，有利于数字金融的发展以及功能提升。另一方面，优越的网络位置不仅有利于节点对于信息和知识的获取，而且还体现在对其他成员的控制力上。处在网络中心的节点往往位于其他成员交流的最短路径上，可以控制其他网络成员所需的关键资源信息，从而拥有权力优势，率先争取到更优质的客户（王永贵和刘菲，2019）[25]。基于此，本文提出研究假设2。

H2：网络中心性对数字金融促进区域创新的效果存在正向调节作用。

（三）数字金融网络中心性调节作用的异质性分析

在数字金融网络中，不同节点与其他节点的关联特征各不相同，其地位和作用也有所差异。若将关联网络中地位和作用相近的地区划分到同一板块，根据板块内外关联性和要素传递机制的不同，可将地区分为四大类型，即净受益板块、经纪人板块、双向溢出板块和净溢出板块（刘赛红和李朋朋，2020；沈丽等，2019）[26-27]。净受益板块向其他地区输出的信息数量较少，主要是从外部吸收信息和资源。经纪人板块在输出信息的同时也接受从外部传递过来的信息。结合前文的分析可知，接受外来信息资源的板块更容易形成网络中的要素集聚池，能更有效地获取其他节点的新知识和技术，掌握相对优势。由此可以推测，净受益板块和经纪人板块能更好地享有网络合作带来的好处，提升数字金融促进创新的效果。而双向溢出板块和净溢出板块主要是向板块内外的其他节点输出信息，从其他节点处接收的信息数量较少。资源的虹吸效应将加剧此类地区的资金外流，进一步拉大与其他地区的差距，从而不利于数字金融激励创新效应的实现。基于此，本文提出研究假设3。

H3：在净受益板块和经纪人板块，网络中心性对数字金融促进区域创新存在正向调节作用；而在净溢出板块和双向溢出板块，网络中心性存在负向调节作用。

此外，数字金融禀赋也会影响网络中心性调节作用的实现。网络位置提供的是潜在机会,能否最终把机会转化为价值，则有赖于个体属性特征（张华和郎淳刚，2013）[28]。数字金融发展水平不同的地区对资源的控制利用能力存在差异。在基础禀赋较好的地区，技术和制度条件更为完善，金融体系更为发达，市场主体的融资需求和创新能力也更高，从而有利于数字金融对区域内外部资源的充分控制和利用，形成对区域创新的更有力支持（聂秀华，2020）[29]。相反，在金融发展水平较低的地区，由于基础禀赋较差，对信息的处理能力比较有限，较多的外部联结反而会造成知识信息冗余，很难对数字金融的功能起到提升效果。基于以上分析，本文提出研究假设4。

H4：数字金融发展水平越高的地区，网络中心性的正向调节作用越显著。

综上所述，本研究构建数字金融、网络中心性和区域创新水平三者之间的作用机制理论模型，如图1所示。

图1 作用机制与理论假说

四、研究设计

（一）模型构建

本文首先构建如式（1）所示的基准回归模型，检验数字金融影响区域创新水平的主效应；随后在其基础上引入数字金融与网络中心性的交互项，构建如式（2）所示的回归模型以检验网络中心性的调节效应；最后再通过分组回归的方式检验调节效应在不同地区的异质性。式中，yit表示区域创新水平，indexit表示数字金融指数及其各类分维度指数，centralityit为网络中心性，后文实证过程中将分别使用点度中心度、接近中心度和中介中心度三个指标衡量节点的网络中心性，index×centralityit为交互项，xjit为控制变量集，μ1it和μ2it为独立同分布的随机误差项。

（二）变量设定

在被解释变量区域创新水平的选择上，前期研究通常使用人均专利申请量、新产品销售收入等指标衡量区域创新，而且新产品销售收入比专利数量更能反映创新成果的商业化水平（谢其军和宋伟，2020；侯世英和宋良荣，2021）[30-31]。因此，本研究使用新产品销售收入与GDP 的比值衡量区域创新水平，记为income，同时也使用人均专利申请量的自然对数用作后续的稳健性检验，记为lnpatent。

核心解释变量为数字金融发展水平。本研究使用北京大学数字金融研究中心公布的数字金融总指数（index_aggregate）以及覆盖广度（coverage_breadth）、使用深度（usage_depth）和数字化水平（digitization_level）三类分维度指数衡量数字金融发展水平（郭峰等，2020）[32]。其中，覆盖广度主要反映数字金融的普及程度，使用深度衡量一个地区对数字金融产品和服务的实际使用状况，而数字化水平则侧重体现数字金融的便利化、低成本和高效率特征。为避免不同变量的数量级差异过大，在原指数的基础上除以100。

为检验网络中心性对数字金融影响区域创新的调节作用，本研究使用各省区市数字金融的网络中心性指标作为调节变量。衡量网络中心性的指标主要包括点度中心度（degree）、接近中心度（closeness）和中介中心度（betweenness）三种（王营和曹廷求，2017）[33]。点度中心度反映了节点在网络中的重要地位，其取值越高，说明某一地区与其他地区发生的直接联系越多。中介中心度越高，说明该节点在网络中处于中介位置，对网络中信息传递的控制力越强。接近中心度则是描述某一地区与其他地区之间产生联系的距离远近，接近中心度越高，说明该地区与其他地区的距离越短，关联越紧密。本研究首先使用点度中心度构造交互项检验调节效应，随后使用接近中心度和中介中心度进行稳健性检验。借鉴同类研究，本文首先根据式（3）、式（4）所示的引力模型确定地区之间数字金融发展的关联关系并构建关联网络，然后利用ucient 软件计算各地区网络中心性。其中，rij表示地区i 和地区j 之间的关联强度，FIN、POP 和GDP 依次代表数字金融发展水平、地区总人口数和地区生产总值，distanceij为两个地区之间的中心球面距离，pGDP 为人均生产总值，conij表示地区i 在地区i 和地区j 之间的金融关联贡献率。当引力值超过引力矩阵的行平均值时，将矩阵元素记为1，否则记为0。

最后，考虑到区域创新水平可能受到其他因素的影响，本文参考同类研究，选择人力资本水平、产业结构合理化水平、金融深化程度和对外开放程度作为模型控制变量。创新活动对人力资本质量有较高要求，本研究使用15 岁以上文盲半文盲比例度量人力资本水平（逆指标），记为edu。产业结构合理化水平使用二、三产业增加值占比表示，记为industry。金融深化程度使用社会融资规模与GDP 之比表示，记为finance。对外开放程度使用外商直接投资总额与GDP之比表示，记为foreign。

（三）数据说明

本研究使用我国30 个省份（因数据可获性香港、澳门、台湾和西藏除外）2011—2020 年平衡面板数据开展实证研究。其中数字金融相关数据来源于北京大学数字金融研究中心，其余统计数据来源于EPS统计平台。变量数据的描述性统计情况，如表1所示。

五、实证结果与分析

（一）基准回归结果分析

本研究分别将数字金融总指数以及三项分维度指数纳入回归模型，分析数字金融对区域创新的影响。在回归之前，我们对所有变量进行了LLC和IPS单位根检验以避免伪回归问题，检验结果显示，所有变量均为平稳序列。Hausman 检验结果拒绝了原假设，因此选择构建固定效应模型。同时使用稳健标准误以控制异方差。基准模型的参数估计结果如表2所示。

如表2 的第（1）列所示，变量index_aggregate 的回归系数显著为正，说明数字金融发展有利于提高区域创新水平。如第（2）—（4）列所示，模型核心解释变量的回归系数同样显著为正，表明数字金融覆盖广度、使用深度和数字化水平三项分维度指数也分别对区域创新水平存在显著的促进作用，其中数字金融覆盖广度对区域创新的促进作用最强，使用深度次之，数字化水平最弱，但三者差距不大，由此可以验证研究假设H1。

表1 描述性统计

表2 基准模型回归结果

（二）内生性的处理

本研究内生性的来源主要有两方面：一是反向因果导致的内生性，即区域创新水平的提高可能促进数字金融的发展；二是遗漏变量导致的内生性，尽管本研究控制了若干可能影响区域创新水平的变量，但仍然可能存在其他未观测到的因素而带来遗漏变量偏误。对于反向因果带来的内生性问题，本研究在后文的稳健性检验中将解释变量滞后一期进行回归，结果发现系数仍然显著，从而验证了实证结论的可靠性。对于遗漏变量带来的内生性问题，本文在此引入工具变量并使用两阶段最小二乘法（2SLS）估计回归系数。参考相关研究（谢绚丽等，2018；冯永琦和蔡嘉慧，2021）[34-35]，使用互联网普及率作为数字金融指数的工具变量。互联网普及率是数字金融发展的重要基础设施，与数字金融高度相关；同时在控制了其他变量后，互联网普及率与新产品销售收入不存在直接关联关系，符合工具变量外生性要求。第一阶段回归的F 统计值大于10，通过了弱工具变量检验。工具变量2SLS回归结果如表3所示，核心解释变量数字金融指数及其各项分维度指数的回归系数的方向和显著性水平与表2 高度一致，各项控制变量回归系数的显著性水平也有所提升并符合预期。由此可知数字金融对区域创新存在稳定的促进作用，验证了研究结论的可靠性。

表3 工具变量2SLS回归结果

（三）数字金融网络中心性的调节效应分析

为检验网络中心性对数字金融影响区域创新的调节作用，本研究在基准回归模型的基础上引入数字金融指数与网络中心性的交互项。为避免交互项产生严重的多重共线性问题，本研究在构造交互项时进行了去中心化处理。含交互项的模型回归结果如表4 所示。如第（1）列所示，数字金融总指数及其与网络中心性交互项的回归系数均在0.01的水平下显著为正，表明数字金融有利于促进区域创新，同时网络中心性对数字金融促进区域创新水平提升的作用产生了正向的调节效应，一个地区网络中心性越高，数字金融激励本地创新产出的作用效果越强，研究假设H2得到验证。如第（2）—（4）列所示，数字金融覆盖广度、使用深度和数字化水平及其交互项的回归系数也均显著为正，这也进一步验证了研究结论的可靠性。

表4 调节效应检验结果

（四）异质性分析

为进一步区分不同地区在数字金融网络中的地位，本研究使用块模型分析，借鉴CONCOR 算法，将最大分割深度设置为2，收敛标准设置为0.2，将全部样本分为净受益、经纪人、双向溢出和净溢出四个板块，并以此为依据划分样本进行分组回归。同时考虑到数字金融发展初始禀赋的差异，以数字金融指数及其各项分维度指数的中位数为界，将全部样本分为高—低两组进行分组回归。异质性检验的回归结果如表5 所示，其中第（1）—（4）列依次为净受益板块、双向溢出板块、经纪人板块和净溢出板块成员的模型参数估计结果，第（5）列和第（6）列分别为数字金融发展水平较高和较低地区的分组回归结果。

如表5 的第（3）列所示，经纪人板块的数字金融总指数、覆盖广度和使用深度分维度指数的交互项回归系数在0.05 的水平下显著为正，表明数字金融网络中心性对于数字金融促进区域创新存在正向调节效应。从资源流动和信息共享的角度来看，经纪人板块处在网络中的关键位置，既对外发出信息，也从其他网络节点处接受信息，发挥着类似桥梁的作用，因此能从网络关系中获得最大的好处。净受益板块的模型参数估计结果不显著，其可能的原因是样本数量过少。但对于第（2）列和第（4）列所示的双向溢出板块和净溢出板块而言，虽然数字金融及其三项分维度指数几乎都表现出对区域创新的显著促进效果，但交互项的估计系数显著为负，表明网络中心性对数字金融促进区域创新存在负向调节作用。此类地区在网络中处于边缘的位置，向外发出资源和信息较多，从其他成员处接收的信息很少，这也就意味着该地区不仅没有通过关联网络从外地吸收先进的资源和经验，反而由于资源虹吸效应导致本地区资本外流，因此网络中心性越高，就越不利于数字金融促进创新的功能实现。至此，研究假设H3得以验证。

表5 异质性检验结果

数字金融发展水平不同的地区，网络中心性的调节效应也表现出异质性。如表5 的第（5）列所示，在数字金融发展水平较高的地区，数字金融总指数、使用深度和覆盖广度分维度指数与网络中心性的交互项的回归系数分别在0.01、0.05 和0.1 的水平下显著为正，说明在数字金融发展水平较高的地区，通过参与网络合作可以起到提高区域创新水平的作用。而在数字金融发展水平较低的地区，虽然核心解释变量数字金融及其分维度指数的回归系数均显著为正，但其与网络中心性的交互项的估计系数却没有通过显著性检验，表明在数字金融发展水平较为落后的地区，提高网络中心性不会对数字金融的区域创新促进效应产生显著的影响。这是由于落后地区的网络参与度不高，通过合作网络很难获取高质量的资源和信息，同时自身对外来信息的利用能力也比较差，因此网络合作的优势没有明显体现出来。至此，研究假设4得证。

综上可知，只有当某一地区数字金融的发展在网络中居于稳定的中心地位，且自身金融禀赋相对较高时，网络中心性的结构性优势才能有效凸显，对区域创新才能起到显著的正向调节作用。

（五）稳健性检验

为保证研究结果的可靠性，本文依次使用以下三种方式进行稳健性检验：一是将模型中的全部解释变量滞后一期，以避免反向因果带来的内生性问题；二是更换被解释变量的代理变量，使用人均专利申请量的自然对数（lnpatent）衡量区域创新水平；三是更换调节变量，分别使用接近中心度（closeness）和中介中心度（betweenness）作为网络中心性的代理变量。稳健性检验的回归结果如表6 所示，可以看出，关键解释变量的参数估计结果及其显著性情况与前文高度一致，表明研究结论具备很好的稳健性。

表6 稳健性检验结果

六、结论与建议

本研究利用我国2011—2020 年30 个省份的省级面板数据，实证分析了数字金融发展对区域创新水平的影响，并重点讨论了数字金融网络中心性对其激励创新作用的调节效应以及区域异质性。本研究主要得出以下结论。

其一，数字金融的发展有利于提高区域创新水平，数字金融总指数以及覆盖广度、使用深度和数字化水平三类分维度指数都对区域创新起到显著的促进作用，其中数字金融总指数和覆盖广度对区域创新的促进作用最强，使用深度次之，数字化水平的影响最弱。

其二，数字金融网络中心性对于数字金融影响区域创新水平的效果存在正向调节作用，网络中心性越高，数字金融促进区域创新水平的作用越强。

其三，数字金融网络中心性的调节效应体现出区域差异。处在经纪人板块以及数字金融发展水平更高的地区，网络中心性对数字金融促进创新表现为显著的正向调节效应；而在资源净溢出和双向溢出板块，其他地区的资源虹吸效应对数字金融促进创新的功能产生了负向影响，网络中心性表现为负向调节作用。

根据上述研究结论，本文在此提出以下政策建议，以优化数字金融发展格局，激发区域创新活力。

首先，要提高数字金融对区域创新活动的支持力度。经济的高质量发展离不开科技创新的引领，数字金融对区域创新具有显著的推进作用，能有效地激励研发创新，促进经济发展提质增效。因此，要提高数字金融的覆盖率和使用深度，健全数字金融对创新活动的资金供给体系，完善融资支持机制。具体可通过推进知识产权质押贷款、投贷联动等金融产品和金融服务的创新，整合用户画像和数据，搭建前瞻性的风控模型，完善科技金融产品体系、价格形成机制和风险防范机制，从而缓解创新主体的融资约束，提升资源利用效率，更好地支持科技研发活动开展。

其次，要畅通不同地区间信息与资源的交流共享渠道，发挥数字金融网络的关联和正向溢出效应。要顺应当前数字金融发展的空间结构特征，充分考虑地区之间的网络关联，畅通不同地区之间的资源共享渠道，构建共融共享的开放式发展格局。数字金融能克服传统金融模式对物理网点、人员的依赖，但其技术的普及仍依赖信息化基础设施建设。因此应加强在网络边缘地区和落后地区的数字技术相关基建投资，提高5G 宽带普及率，提升信息跨区域传输效率和存储安全性，降低数字技术落地成本，从而逐渐弥合区域之间的差距，优化数字金融网络结构，打造互联互通的良好数字金融生态。

再次，不同地区应客观认识当前的发展阶段和网络地位，选择性地利用网络中心优势，制定合理的数字金融发展战略。异质性分析表明，网络中心度较高的地区参与网络合作有利于提升数字金融的创新激励效果。因此此类地区应继续利用中心优势和相对权力协调跨区域金融活动，打造创新增长极；同时也要树立大局观和全局意识，承担起“以强带弱”的责任，加强跨区域金融合作，实现资源、技术和信息交流共享。而位于资源外溢板块的地区应减少对网络的不当依赖，努力留住金融资本，避免资金外流。同时率先优化本地区金融生态环境，学习先进经验，推动数字金融追赶式、跨越式发展，形成与发达地区平等对话的合作地位。