数字金融的创新激励效应——基于传导机制新视角

聂秀华，吴 青

（1．中国农业发展银行 博士后科研工作站，北京 100045；2．对外经济贸易大学 国际经济贸易学院，北京 100029）

一、引 言

党的十八大以来，中国政府强调并实施创新驱动战略，时刻将科技创新摆在国家发展全局的核心位置，通过出台各项扶持性产业政策，给予创新产业、企业、项目等适度的财政补贴、税收优惠支持，以此加快国家创新体系建设。然而，我国的自主研发现状不容乐观，十九届五中全会报告指出，尽管我国现已转型处于高质量发展阶段，但发展不均衡问题突出，基础科技创新、科技创新产业转化等方面存在不足，创新能力仍然不适应高质量发展要求［1］（聂秀华等，2021）。基于技术创新现状，不禁产生这样的疑问：在创新驱动发展战略实施的政策背景下，相比于世界其他创新型国家，为何我国的技术对外依存度较高、创新研发效率较低？制约技术创新的主要因素及其作用机制又是什么？这些均是当前学术界和政府决策部门热切关注的问题。

实际上，在企业技术创新制约因素的文献研究中，专家、学者多基于委托代理理论、信号传递理论、高层梯度理论等角度，以融资约束作为切入点解疑释惑，并沿着这一逻辑路径，将对策视角投向资金供给侧——金融领域（James等,2012；张璇等，2017）［2-3］。值得注意的是，伴随着我国金融体制改革的循序推进，数字金融作为一种高效、覆盖面广的金融服务模式，为解决企业技术研发创新的融资约束问题带来新契机。《北京大学数字普惠金融指数（2011—2018）》报告中提到，2011—2018年中国数字金融业务实现了跨越式发展，2018年省级数字金融指数的中位数为2011年的8.9倍，指数值以平均每年36.4%的速度增长；从全国范围内的省级指数变异系数结果看，2011—2018年，省际间数字金融指数变异系数显著下降，各地区数字金融指数呈现趋同之势。蚂蚁金服、京东金融、陆金所和众安保险居全球五大数字金融公司之列，第三方支付、网络借贷、数字保险以及数字货币等业务规模在国际上也是遥遥领先。但这些全新金融服务模式是否开始作用于城市创新研发进程，至今还没有系统的定性机制探讨和定量研究结论。

基于此，本文将主要围绕数字金融与城市创新能力的关系及其背后的内在创新作用机制展开讨论。结构如下：首先，通过构建基准线性回归模型验证数字金融对城市创新能力的影响效应；其次，利用机制检验模型探索可能的逻辑路径，试图构建更加完整、合理的传导链条；最后，进一步分析中，采用动态门限面板模型探究在市场分割状况下，数字金融和城市创新能力之间可能存在的非线性关系。

本文创新点有以下三点：第一，研究内容方面，将数字金融与城市创新能力置于同一研究框架，在线性关系检验的基础上，首次将传导路径划分为直接、间接端口，并深入、系统地构建合理化的内在传导路径；此外，探究了基于市场分割状况异质性，基础关系可能出现的非线性变化特征。第二，研究指标选取方面，不同于以往文献中城市创新能力的度量方式，本文采用地区发明授权专利市场价值、发明授权专利数量、创新效率等，从“创新成果的市场认可度”等多维视角综合衡量城市的创新能力，以得到更加稳健的实证检验结果。第三，研究方法方面，考虑技术研发活动的动态惯性特征，为避免内生性问题，将在基准线性回归模型和门槛效应模型中加入城市创新能力和数字金融发展指数的滞后项，通过构建动态面板模型探究数字金融与城市创新能力的关系。此外，与通过分组或交乘项回归方式探究关键变量对基础关系影响的现有研究方法不同，本文采用动态门限面板模型，探究关键变量变化对两者关系的非线性影响效果。

本文的研究结论也具有重要的现实意义。随着金融供给端改革的推进，探究数字金融对实体经济，尤其是对技术创新这一决定经济增长关键“驱动要素”的影响，将成为积极响应十九届五中全会会议精神的应有之义。研究发现，数字金融可以通过刺激消费、优化消费结构以及提高对外开放水平等双路径实现其对城市创新能力的激励效应，进一步地，数字金融对城市技术创新的影响与市场分割状态紧密相关。这些结论不仅有助于政府等相关决策部门更好地评估区域发展要件、提高金融服务效率，通过整合各项资源促进企业成长和发展，还对企业如何用好数字金融这一工具以实现技术腾飞和转型具有重要的指导意义。

二、文献综述与研究假设

（一）文献综述

2004年支付宝账户体系上线作为中国数字金融的起始点，短短十几年时间，围绕数字金融的研究成果层出不穷。总体来说，该领域的研究大致可以分为两类：第一类统归于纯理论形式的探讨，主要集中对其发展现状（Kapoor,2013；Guo et al.,2016）［4-5］、影响因素（葛和平和朱卉雯，2018）［6］、风险识别与防控（焦瑾璞、孙天琦，2015）［7］等领域的研究。第二类是在指标测度（肖翔和洪欣，2014；郭峰等，2020）［8-9］基础上的实证检验，主要侧重于研究数字金融对创新（郑雅心，2020）［10］、创业（谢绚丽等，2018）［11］、银行行为（邱晗等，2018）［12］、经济增长以及包容性经济增长（龚沁宜和成学真，2018；梁双陆和刘培培，2019）［13-14］的影响。鉴于“技术创新”“数字金融”在我国数字经济与可持续经济增长模式中的特殊战略地位，关于两者关系的讨论一时成为“现象级”研究热点，硕果累累。通过文献梳理与总结后发现，无论是基于宏观的省际、城市面板数据（刘佳鑫和李莎，2021）［15］，还是站在微观企业样本的研究视角（翟华云和刘易斯，2021；杨先明和杨娟，2021）［16-17］，专家、学者均肯定了数字金融的创新激励效应，而由于数字金融发展时间尚短，受限于数据的可得性与指标构建的完整性，对基础关系与作用机制的研究内容较为单一，主要在线性关系探索的基础上，论述了缓解融资约束（贾俊生和刘玉婷，2021）［18］与促进产业结构优化升级（聂秀华等，2021）［1］作为传导路径的合理性。因此，如何选取合适的切入视角，创新探索可能的传导路径并构建更加系统、完整的研究框架，成为该研究需要进一步延展的方向。

（二）研究假设

作为内在作用逻辑的全新探索，数字金融凭借信息技术赋值优势，可能还会通过刺激消费需求、优化消费结构等直接路径以及提高对外开放水平等间接路径，发挥其对城市创新能力的促进效用。

一方面，数字金融可以通过刺激市场有效需求和优化消费结构等直接路径促进城市创新能力的提升。第一，多元化消费信贷的产生使数字金融可以有效缓解居民的流动性约束，进而刺激市场有效需求（董云飞等，2019）［19］，如蚂蚁借呗、花呗、京东白条以及各种互联网金融公司提供的消费信贷工具，可以很大程度上改变传统的消费观念、颠覆现实性消费模式（徐铭延等，2019）［20］，消费金融市场竞争的白热化氛围有效降低消费成本并不同程度地优化居民消费结构，促进消费需求水平上升；另外，数字金融凭借其强大的地理穿透性以及延展性优势，可以为受传统金融服务忽视的偏远地区或欠发达地区的企业、个人提供更健全、个性化的消费信贷等金融服务。以上均有效促进了居民消费规模的扩大以及地区消费结构的升级。第二，数字金融模式下消费信贷服务可以依靠移动支付等数字化信息金融平台降低消费支付成本（易行健和周利，2018）［21］，提供高隐秘性支付服务（崔海燕，2017）［22］。进一步地，在“心理账户”作用下，数字金融还在助力实现支付便利、提升消费者用户体验、提升主体支付意愿等诸多方面创新服务价值。第三，数字金融不仅扩大了消费信贷的融资渠道，且在大数据、云计算等数字化技术加持下，通过数据价值挖掘、多维指标评价等端口，为用户提供更加符合其消费需求特征、更低坏账风险的消费信贷服务或消费信贷还款方式，均有助于缓解消费者信贷还款压力、刺激消费需求、降低金融风险（杨天宇和陈明玉，2018；Demirguc-Kunt等,2011）［23-24］。综上所述，数字金融不仅可以有效激励新的市场需求，而且还会带来城市消费结构的优化、升级，消费规模的扩大，能够促进企业开展以扩大生产规模和提高生产效率为目的的技术创新，而消费结构优化、升级则可以直接推动厂商生产技术的更新换代，两者均促进了城市创新能力的提高。

另一方面，数字金融可以通过提升对外开放水平，依托国际技术溢出路径，实现其对城市创新能力的提升。数字金融依托信息技术能较大程度地纾解国际贸易中的“信用难题”，主要表现为：第一，大数据为具有国际贸易需求的参与者选择贸易伙伴提供了信息挖掘、价值分析等技术手段，通过多维度信息搜集，从根本上降低了信息不对称引发的贸易违约风险概率（张杰和高德步，2017）［25］。第二，区块链凭借其去中心化、高保密、安全、不可篡改性等优势，最大程度实现了贸易参与各方的信息共享，提高了国际贸易运行效率。第三，数字金融可以为具有贸易融资需求的个体提供更加多元化、优质、个性化的融资服务，节省了金融机构的人力成本并降低了风险承担水平（潘锡泉，2016）［26］，直接推动了参与主体间的优质互动与良性循环。在此基础上，数字金融亦通过以下路径或效应对城市创新产生激励效应：一是技术溢出效应。依托“进口溢出”理论，技术创新水平相对落后的国家会以“贸易”为契机，进口具有更高技术含量的设备或者中间产品等，通过学习、模仿，吸收、改进先进技术，帮助处于技术劣势的企业迅速掌握先进的生产技术，提高产业效率与创新水平（刘啟仁和黄建忠，2015；Pierrakis和Collins,2014）［27-28］。二是涓滴—竞争效应。先进技术拥有国为了获得最大化的创新垄断收益，会通过贸易手段抢占国际市场，造成技术创新水平相对落后国家的本土市场被分割，进口国企业固有收益遭遇稀释。在这种竞争效应激励下，会倒逼企业开展技术创新活动，通过创新要素投入，学习、模仿或自主研发形成自己的竞争优势，从而使城市技术创新水平得以提升。三是提高资金利用效率。创新活动自身具有高投入、高风险、长周期等诸多特质，国际贸易活动的开展既便利了国际技术知识外溢的可能性，又减少了进口企业的创新成本，且相较于自主研发活动，国际技术溢出路径下的模仿性技术创新形式将承担更低的风险（孙少勤和邱斌，2014；Lu和Yao,2009）［29-30］。此外，企业可以将技术溢出路径节省下来的资金用于开展其他核心技术的研发，由此激励城市创新能力的提升。基于此，本文提出假设1、假设2和假设3。

H1：数字金融对城市创新能力具有显著的驱动效应；

H2：数字金融可以通过扩大消费规模、优化消费结构等直接方式驱动城市创新；

H3：数字金融可以通过提升对外开放水平并依托国际技术溢出效应等间接方式驱动城市创新。

三、样本、变量与模型设定

（一）样本与数据来源

本文选取2011—2018年中国除港、澳、台地区之外的285个地级市面板数据作为研究样本。其中，产业结构调整指数、经济发展水平等变量构建数据来源于国家统计局；发明授权专利市场价值变量数据来源于复旦大学产业发展研究中心《中国城市和产业创新力报告2017》；数字金融发展指数变量数据来源于北京大学数字金融研究中心；人力资本水平代理变量数据来源于中央财经大学中国人力资本与劳动经济研究中心；传统金融发展水平代理变量数据来源于中经网统计数据库；研发投入密度数据来源于《中国科技统计年鉴》；外商直接投资、对外直接投资、对外开放度以及市场需求水平与市场分割指数等代理变量构建数据来源于Wind数据库；构建制度质量代理变量数据来源于樊纲、王小鲁编制的《中国分省份市场化指数报告（2018）》。

（二）变量说明

1.被解释变量

本文被解释变量为城市创新能力（Inno）。以往研究主要是从创新投入（鞠晓生等，2013）［31］、产出成果（侯建和陈恒，2016）［32］两个角度衡量某一地区的科技创新能力，但创新实际上是一个强调新技术商业经济价值的市场化概念。因此，为保证创新指标的即时、前瞻、可比性，本文摒除以往研究中经常使用的新产品销售利润率指标，试图从“创新成果市场化价值”的角度衡量城市创新水平。该指标具体测算方法详见《中国城市和产业创新力报告2017》。

为保证实证研究结果的稳健性，本文在稳健性检验部分同时采用各地区发明授权专利数量和创新研发效率等作为城市创新能力的代理变量。从多维度全面刻画、衡量城市技术创新水平，且为了规避指标量纲的影响并在最大程度上消除异方差，对区域创新水平的代理变量均进行了对数化处理。

2.核心解释变量

本文核心解释变量为数字金融指数（FI）。本文使用北京大学数字金融研究中心编制的2011—2018年地级市层面中国数字普惠金融指数（一期、二期），代表各地区数字金融发展程度。该指数采用大数据技术从多个维度刻画中国数字金融发展水平，通过综合传统金融服务和互联网服务新形势特征，全面反映数字技术助力金融的总体发展和变化趋势［9］。进一步地，结合数据的可得性、可靠性，分别从数字金融服务的覆盖广度、使用深度和数字化程度三个维度衡量构建数字金融指标体系，其中，数字金融覆盖广度是前提条件，使用深度代表实际使用情况，而数字化程度可以被看作是潜在条件。

（1）数字金融覆盖广度（Width）。不同于传统金融机构触达用户时直接体现为“金融机构网点数”和“金融服务人员数”，基于互联网的新金融模式具有极强的地理穿透性。因此，该维度指标利用每万人拥有支付宝账号数量、支付宝绑卡用户比例以及平均每个支付宝账号绑定银行卡数来表示账户的覆盖水平。

（2）数字金融使用深度（Depth）。该指标分别从这一新型金融服务涵盖类型以及其使用情况两个层面衡量互联网金融服务的实际使用状况。其中，数字金融服务涵盖了支付、货币基金、信贷、保险、投资、信用等诸多服务类型；进一步地，本文对每万支付宝用户数量中将使用这些服务人数所代表的实际使用总量指标、人均交易笔数所代表的使用活跃度指标和人均交易金额所代表的使用深度指标加以综合，以衡量数字金融使用情况。

（3）数字化程度（Digital）。该指标分别从移动化、实惠化、信用化、便利化四个维度考量互联网金融数字化程度。实际上，数字化带来的便利性和低成本等优势是吸引用户参与数字金融的决定性因素。一般而言，数字金融服务越便利（如较高的非介质支付方式的普及、移动化程度）、成本越低（如较低的小微经营者、个人贷款利率），则数字金融的服务用户就越多、需求就越旺盛。

3.中介变量

本文中介变量为市场需求水平（ME）和对外开放水平（TRADE）。

（1）市场需求水平（ME）。由于缺乏直接度量地区市场需求的变量，而消费水平是最能直接反映地区市场需求的指标，因而，本文采用地区消费水平相关变量衡量区域内市场需求状况。此外，为更好地说明数字金融通过需求端拉动，进而影响城市技术创新水平的路径，本文将进一步从消费规模（CE）和消费结构（CES）两个角度分析相关的机制路径。参考已有文献，采用社会零售商品总额的对数值（CE1）和居民消费水平率（CE2）刻画地区消费状况，即市场需求规模（易行健和周利，2018；董云飞等，2019）［21，19］；采用居民消费结构衡量市场需求结构（1），将生存型消费与八大类消费总支出的比重作为消费降级、市场需求结构弱势的指标（CES1）；同时，将发展型与享受型消费与八大类消费总支出的比重作为消费升级、市场需求结构优化的指标（CES2）。

（2）对外开放水平（TRADE）。参考已有文献，采用进出口贸易总额×当年汇率占地区生产总值的比值，代表国际贸易发展规模即对外开放程度。此外，为尽量规避因遗漏变量带来的内生性偏误，本文将对外开放水平（TRADE）作为控制变量纳入基准回归模型中。

4.门槛变量

本文门槛变量为市场分割指数（Seg），包括子市场分割指数和总市场分割指数。

（1）子市场分割指数。基于Samuelson（1954）［33］“冰山成本”模型的假设条件，借鉴桂琦寒等（2006）［34］的“价格指数法”，并参考赵奇伟和鄂丽丽（2009）［35］、韩庆潇和杨晨（2018）［36］的指数选取路径，拟对子市场分割程度进行指数化测度（2）（3）。

子市场分割指数的计算步骤如下：计算相邻地区基于同一指数的相对价格，为了使地区间置换顺序不影响相对价格的方差值，同时考虑价格环比指数的性质，故对相对价格采用绝对值的形式表示，即

其中：i、j表示省份；t表示年份；k代表商品或要素的具体种类；p为某种商品或要素的零售价格环比指数。为了消除异地贸易的商品或要素自身的“异质效应”特征可能带来的市场真实分割程度高估后果，本文将采用去均值法继续测度相对价格的相对变动指标，方法是先计算该价格指数在给定时间内所有邻接地区相对价格的平均值，再分别用相邻地区的相对价格绝对值减去该平均值，即

需要说明的是，本文选取2010—2018年31个省份（不包括港澳台地区）的价格指数，考虑各省份地理位置的差异性，海南省虽然没有零距离邻近省份，但是市场的分割与整合亦需要考量相对概念，因此，将广东省与海南省作为相互邻近省份处理与计算，故得到31个省份消费品市场分割指数（Segp）、劳动力市场分割指数（Segl）和资本市场分割指数（Segk）的数据。

（2）总市场分割指数。基于数据指标特点以及研究意图，为最大程度上避免非客观等因素干扰，得到普适性价值更高的总市场分割指数，“熵权法”成为本文测度各市场分割指数权重的首选。具体计算步骤如下：

首先，标准化处理。若子指标对综合指标有正向影响，则采用正向指标的计算方法；反之，则采用负向指标的计算方法。结合本文子市场分割指数的性质，采用正向指标的计算方法，即

其次，利用标准化的数据求取子市场分割指标的信息熵。根据信息论中信息熵的定义，计算公式为：

再次，求取信息熵冗余度，即各子市场分割指数的信息效用值，计算公式为：d i=1-e i。

最后，在以上信息效用值求取基础上计算各子市场分割指标的权重，计算公式为：。

经过熵权法计算，消费品市场分割指数、劳动力市场分割指数以及资本市场分割指数的权重分别为0.16、0.41、0.43，以此为基础得到总市场分割指数。由于以上计算得出的四类市场分割指数数值较小，使得变量参数估计结果过小，不利于实证回归结果的分析。因此，本文参考韩庆潇和杨晨（2018）［36］，将以上结果均作扩大1 000倍的处理，最终得到消费品市场分割指数（Segp）、劳动力市场分割指数（Segl）、资本市场分割指数（Segk）以及总市场分割指数（Segs）四个门槛变量的数值。

5.控制变量

参照已有关于城市层面技术创新的文献，本文选取以下指标作为控制变量纳入模型中；具体包括国际技术溢出路径：外商直接投资（FDI）、对外直接投资（OFDI）、对外开放度（TRADE）、研发投入密度（RDD）、传统金融发展水平（TF）、产业结构调整指数（Structure）、经济发展水平（Pgdp）、制度质量（Institutional）、人力资本水平（HC）。考虑技术创新可能存在的惯性特征，本文在模型中进一步控制了上一期的技术创新水平（Innot-1）。同时，也控制了年度固定效应和城市固定效应，以控制宏观层面因素的变化。为减少极端值对实证结果的影响，对所有连续变量在上、下1%水平上进行了缩尾处理。

主要变量定义见表1所列。

表1 主要变量定义

续表1

（三）模型设定

1.基准线性回归模型

为了验证H1，本文考虑技术研发创新可能存在惯性特征，为避免回归结果可能出现的内生性偏误，同时，部分规避反向因果识别问题干扰，在模型中加入被解释变量和解释变量的滞后项，建立如下基准线性回归方程：

其中：Inno代表城市创新能力，即区域内发明授权专利的市场价值；Innot-1为Inno的滞后一期值；FI为地区数字金融发展总指数；control表示一系列控制变量，包括外商直接投资（FDI）、对外直接投资（OFDI）、对外开放度（TRADE）、研发投入密度（RDD）、传统金融发展水平（TF）、产业结构调整指数（Structure）、经济发展水平（Pgdp）、制度质量（Institutional）、人力资本水平（HC）；i表示省份；t表示年度；θ为年度虚拟变量；μ为省份虚拟变量；ε为随机误差项。为缓解内生性问题的影响，本文使用两步系统GMM方法对上述模型进行检验。

为比较数字金融发展的各维度对城市创新能力的影响差异，本文在基准回归模型（6）的基础上进一步将数字金融发展总指数（FI）替换成数字金融覆盖度（Width）、使用深度（Depth）、数字化程度（Digital）分别进行检验。

2.机制检验模型

为验证H2、H3，本文借鉴谢绚丽（2018）［11］的研究方法，利用包含机制变量交叉项模型进行传导路径的分析。模型构建如下：

其中，Mediate代表中介变量，根据理论假设，包括消费规模（CE）、消费结构（CES）、国际贸易水平或对外开放程度（TRADE）等。

四、主要实证结果与分析

（一）描述性统计

表2中主要变量的描述性统计显示，发明授权专利市场价值的标准差较大，说明区域间发明授权专利成果在市场化过程中出现了价值分层现象。2011—2018年数字金融实现了跨越式发展，从分指标描述性统计结果可以看出，数字化程度的均值最大，说明数字化技术赋值是总指数增长的重要来源。另外，数字金融发展总指数与其分指标代理变量标准差较大，说明我国区域间数字金融发展不均衡现象严重，存在显著的城市分化特征。

表2 主要变量的描述性统计

（二）基本回归结果与分析

为验证H1，本文对模型（1）进行实证检验，回归结果见表3所列。由残差序列相关检验结果可知，AR（2）的P值均超过10%的显著性水平，说明随机误差项不存在二阶序列自相关，即可以使用系统GMM进行检验估计。由工具变量的有效性检验结果可知，Hansen检验的P值结果不拒绝工具变量，不存在过度识别的原假设，说明模型中工具变量的选择有效；Wald统计量结果也显示，模型整体高度显著。因此，总体来说，基于总样本回归的动态面板两步系统GMM的实证结果可信。

表3 总样本动态模型回归结果

续表3

表3结果显示：首先，无论是采用总指标还是低维度指标刻画数字金融发展水平，以发明授权专利市场价值作为被解释变量衡量城市创新能力的回归结果中，其滞后一期项的系数均在1%的水平下显著为正，证实了我国区域技术研发创新活动具有持续动态变化特征的猜想。其次，表3列（1）显示，数字金融发展指数回归系数在以各区域发明授权专利市场价值、发明专利授权数量为被解释变量的回归结果中为正，且在1%的水平下显著，说明数字金融的发展显著促进了城市技术创新水平，验证了H1，即新金融模式的创新的确通过某种行之有效的传导路径，发挥了其在促进城市创新能力方面的积极作用。再次，从数字金融分维度指标的回归结果看：①表3列（2）结果显示，数字金融覆盖度的估计系数均在1%的显著性水平下为正，说明提高数字金融的覆盖率，使数字金融服务真正惠及更多的创新主体有利于城市技术创新水平的提高。②表3列（4）结果显示，数字支持服务指标影响系数均为正，且分别在5%和10%的水平下显著，说明大数据、云计算、区块链等先进互联网技术的应用，不仅拓展了传统金融服务的客户触达范围，而且一定程度上通过特殊“征信系统”的建立缓解了借贷以及企业创新活动中可能出现的信息不对称问题，从而显著提高了各区域发明授权专利价值。③表3列（3）结果显示，数字金融使用深度指标的估计系数结果均表现为统计意义上不显著，即说明数字金融服务多元化的发展并未对城市技术创新水平产生影响，这一结果与现实情况相符，即数字金融对区域内企业创新影响的主要渠道是传统“信贷”业务，而投资、货币基金、保险等业务的开展并未对企业技术创新产生直接影响。

（三）机制检验结果与分析

基于上述分析，本文发现数字金融的总体发展、覆盖广度的拓展以及数字化的升级，均对城市创新能力产生了较为显著的“激励效应”。然而，数字金融具体是通过怎样的影响机制最终作用于城市创新能力，仍需进一步探究。同现有文献的融资约束路径、产业结构优化升级路径不同，本文另辟蹊径，从直接、间接路径传导的角度出发，探究“市场需求效应”和“国际技术溢出效应”作为内在逻辑机制的合理性。

1.刺激、升级消费需求，直接拉动城市创新能力提升

市场需求是驱动城市创新能力提升最直接、最根本的动力。一般而言，无论是市场需求规模的膨胀，还是需求结构的优化、升级，不仅会为城市技术创新活动的开展营造良好的氛围，还会起到风向标的重要指引作用。数字金融作为数字中国的重要组成部分，为城市创新活动提供连续、稳定供给端资金投入，同时，也通过刺激市场有效需求以及进行信息挖掘、优化消费结构等方式为技术创新活动的开展开辟新的需求路径。因此，可以预期，数字金融的区域创新“激励效应”在市场需求比较小或者是市场需求级别比较低的地区将更加显著。这是因为，在具有较小市场需求特征的区域，数字金融更能发挥其优势，在边际效用递减理论下，最大化地缓解居民消费约束，刺激更多消费需求或优化该区域居民需求结构。基于此，本文将实证分析区域性市场需求水平和结构对数字金融发展与城市技术创新水平关系的影响，以验证数字金融是否通过提升区域市场需求或者优化市场需求结构等方式，直接促进城市技术创新水平的提升。实证回归结果见表4、表5所列。

表4 数字金融、消费规模与城市技术创新

续表4

表5 数字金融、消费结构与城市技术创新

表4列（1）、列（2）分别报告了以社会零售商品消费总额和居民消费率作为机制变量反映市场需求规模的估计结果。分析发现，数字金融发展指数系数虽不显著，但数值为正；数字金融发展指数与代表市场需求规模机制变量的交乘项系数为负，且均在1%的水平下显著为负。表5列（1）、列（2）分别报告了以生存型消费需求占比（即消费结构低端化）和发展+享受型消费需求占比（即消费需求结构优化、升级）作为机制变量反映消费或市场需求结构的估计结果，此时，数字金融发展指数系数在1%的水平下显著为正，另外，数字金融发展指数与生存型消费需求占比交乘项系数显著为正，同时数字金融发展指数与发展+享受型消费需求占比交乘项系数显著为负。以上结果均与预期相符，验证了H2。

2.提高对外开放水平，促进国际技术溢出

通过信息挖掘、云计算分析处理、信息共享等路径，数字金融依托大数据以及区块链技术能较大程度纾解国际贸易中的信用难题。另外，数字金融也为国际贸易活动的顺利开展提供了多元化融资渠道，扩大了区域内国际贸易的规模，促进了对外开放程度的提高，而国际贸易作为国际技术溢出效应实现的三大路径之一，凭借技术溢出、竞争效应等提高资金使用效率、优化资源配置等方式，在激励国内城市技术创新水平提升方面发挥着不可代替、无可比拟的作用。也就是说，基于间接机制传导角度，数字金融的发展可能通过促进国际贸易活动开展的路径，实现其激励城市技术创新水平提升的目的。因此，可以预期，若以上推理成立，在国际贸易规模较小即对外开放程度较低的地区，数字金融的城市创新“激励效应”会更加显著。基于此，本文将实证检验数字金融对城市创新能力的“激励效应”在对外开放程度异质化条件下的情况，检验结果见表6所列。

表6 数字金融、国际贸易与城市技术创新

续表6

表6报告了间接影响路径之一国际贸易（即对外开放程度）的机制检验回归结果，可以发现，数字金融发展指数的估计系数虽然没有表现为统计意义上的显著性，但数值为正。另外，数字金融发展指数与国际贸易规模交乘项的系数为负，且在1%的水平下显著，说明伴随着国际贸易规模的扩大或对外开放水平的提高，数字金融对城市技术创新活动的“激励效应”正在逐步减弱，同样属于边际效用递减的范畴，也就是说，在国际贸易规模较小或者是对外开放程度较差的地区，数字金融的区域创新“激励效应”会更加显著。该结果与预期相符，验证了H3。

五、进一步分析：门槛特征检验

中国地域辽阔，地区间资源禀赋、经济发展水平不尽相同，除了数字金融自身特性引发的内生性风险外，市场分割状况也会对数字金融最终作用于城市创新能力的效果产生重要影响。因此，按照作用对象差异，本文将市场分割划分为消费品市场分割、劳动力市场分割和资本品市场分割三种类型。在进一步分析中，将区别于现有文献普遍采用的分组回归或交乘项回归方法，运用动态门限面板回归模型具体测度以上三种类型的市场分割状况，并就数字金融对城市创新能力产生影响的异质化作用路径进行分析。

（一）门槛效应检验与门槛值确定

以总、分市场分割指数作为门限变量的动态门限自抽样检验结果，见表7所列。Wald统计量及P值检验结果显示，以发明授权专利市场价值作为被解释变量衡量城市创新能力一重门槛效应显著。由此说明，数字金融发展对城市创新能力的影响会伴随着门限变量特征值的差异呈现一种非线性的动态变化特征。

表7 动态门限自抽样检验结果

（二）参数估计与结果分析

表8报告了以市场分割指数（包括总指数和各分市场指数）作为门槛变量时，数字金融对城市创新能力的影响。由动态面板门限模型的回归结果可知，以市场分割状况等外部性因素作为门槛变量的一重门槛效应均十分显著，即数字金融发展对城市创新促进作用在不同强度区间内有所不同，具有非线性的特征。

表8 动态门限面板回归模型结果四

续表8

1.总市场分割指数

在表8列（1）总市场分割指数为门槛变量的动态门限面板的回归结果中，无论置于何区间，市场分割状态下的数字金融不仅难以发挥对城市技术创新的“激励效应”，反而产生了“遮掩效果”，即数字金融对技术创新水平产生了显著的抑制作用。其中，当总市场分割指数置于较低区间程度时，即低于门槛值5.704时，数字金融发展指数对发明授权专利市场价值的影响系数为-0.062，并在1%的水平下显著；当总市场分割指数持续走高并跨越这一门槛值后，数字金融指数的系数不仅没有出现逆转，反而在1%的显著性水平下该估计系数绝对值增大至0.319。这说明总市场分割状况的存在彻底扭转了数字金融本该发挥其对城市技术创新的促进作用，具体表现为随着总市场分裂程度的上升，数字金融对城市创新能力的抑制作用表现得愈发强烈。

2.子市场分割指数（消费品市场分割指数）

表8列（2）—（4）分别为子市场分割指数作为门槛变量的动态门限面板的回归结果。具体来看，表8列（2）中，以消费品市场分割指数作为门槛变量，当消费品市场分割程度处于较低水平，即尚未跨越门槛值0.016时，数字金融发展指数的估计系数在1%的水平下显著，为0.051；当消费品市场分割程度加剧，分割指数跨越门槛值后，数字金融对发明授权专利市场价值代表的城市创新能力的影响系数为-0.165，且在1%的水平下显著。这说明当消费品市场分割程度到达并超越临界值后，“遮掩效应”同样扭转了数字金融对城市创新能力的激励效果，只有在较低程度的消费品市场分裂状态下，数字金融才有可能发挥其应有的创新“激励效应”。

3.子市场分割指数（劳动力市场分割指数）

表8列（3）显示，在劳动力市场分割指数作为门槛变量的动态门限面板模型的回归结果中，无论分割指数是否跨越门槛值，劳动力市场分割状况的存在使得数字金融发展指数的阶段性估计系数均显著为负，且伴随着分割程度的增加，该因素对数字金融与城市创新能力关系的影响程度加剧，具体表现为同等显著性水平下绝对值上升。这说明，相比之下，劳动力市场分割状况对数字金融与城市创新能力关系的“遮掩”作用效果更加直接且显著，虽然较低程度的劳动力市场分割指数能够暂时缓解市场分割对数字金融创新“激励效应”的抑制作用，但是却始终没有扭转抑制作用。

4.子市场分割指数（资本市场分割指数）

表8列（4）显示，以资本市场分割指数作为门槛变量，当该子市场分割指数低于门槛值0.011时，数字金融发展指数对发明授权专利市场价值的影响系数在1%的水平下显著为正，且为0.214；当资本市场分割指数大于此门槛值水平后，数字金融发展指数的估计系数出现逆转，不仅为负，且同样在1%的水平下显著。该结果说明，当资本市场分割程度较小时，“遮掩效应”不显著，数字金融凭借其特征优势可以发挥其对城市创新能力的激励效果；当资本市场分割状态已然甚嚣尘上时，数字金融的区域创新激励效果会被“遮掩”，并在资本市场分割状态下产生抑制加重效果。

综上所述，无论是子市场分割指数还是总市场分割指数作为门槛变量的动态门限估计结果均说明，“市场分割”这一现实因素从本质上已然会对数字金融与城市创新能力提升的“激励效应”产生显著的“遮掩效果”，且伴随着市场分割指数的上升，该“遮掩效果”的反向抑制作用愈演愈烈，虽然数字金融凭借其先天技术优势可能会在个别子市场中发挥对冲、反牵制效果，但是就目前数字金融发展阶段来看，很难在高维度市场分割状态下对城市技术创新水平产生根本的扭转作用。

六、内生性问题探讨与稳健性检验

本文采用两步系统GMM动态模型估计方法对核心解释变量、各控制变量进行滞后一期处理，在一定程度上克服了由于变量选取、模型设定以及反向因果识别等问题导致的内生性偏误。下文将主要围绕聚焦问题，对基本回归结果和传导机制两部分的内容展开稳健性检验。

（一）针对基本回归结果的稳健性检验

1.变量选取

鉴于创新产能输出结果多样性的表现形式，除了使用上述城市创新能力代理变量外，为得到更加稳健的实证结论，本文将同时采用两个指标衡量城市技术创新水平的实际状况。特别需要说明的是，研发投入与发明授权专利数量的比值（IE）这一指标，是从“创新效率”角度进一步刻画区域创新质量，该指标数值越小，即代表单位专利产出要求的研发投入较少、创新效率更高。此外，从数量的角度对数字金融的创新“激励效应”进行检验，将创新水平定义为发明授权专利数量（加1）的自然对数（Inno2）。回归结果见表9所列。

表9 数字金融与创新研发效率、发明授权专利数量的自然对数

表9列（1）以创新研发效率衡量城市创新能力时，数字金融发展指数的系数为负，且在1%的水平下显著；表9列（2）以发明授权专利数量（加1）的自然对数为被解释变量时，数字金融发展指数的估计系数显著为正。以上结果均说明，数字金融的发展显著促进了区域内技术创新水平的提高。这一结果与表3总样本动态模型回归中以发明授权专利价值作为被解释变量衡量城市创新能力的结论一致，再次验证并支持了H1。

2.研究方法

（1）工具变量法一。为增加实证回归结果的稳健性，本文还呈现了互联网普及率作为工具变量的两阶段最小二乘法的估计检验结果：①选用互联网上网人数与各城市人口占比（Inter1）衡量互联网普及率水平；②选用互联网人数（Inter2）代表互联网普及率。检验结果见表10所列。

表10 工具变量法的回归结果

考虑模型因果识别中可能存在的主要内生性问题，即反向因果与遗漏变量，本文采用两步系统GMM方法并且对核心解释变量进行了滞后一期处理，即通过探究滞后一期的数字金融发展水平对当期城市创新能力的影响，并在一定程度上减轻反向因果识别问题的部分困扰（Wooldridge，2010）［37］，在基准回归方程中选取并加入了若干可能对城市创新能力产生影响的控制变量，但仍无法忽略因不可观测因素导致估计结果中可能出现的内生性偏误。因此，为了更好地识别数字金融发展与城市创新能力之间的关系，本文同时采用工具变量法对模型进行稳健性估计检验。参考相关研究（谢绚丽等，2018）［11］，选取区域互联网普及率作为数字金融发展指数的工具变量，一方面，该指标与数字金融的发展息息相关，其升级、普及均会丰满数字金融的发展羽翼；另一方面，基于行业的异质性特征，该指标与城市创新能力并无直接关联。因此，从理论层面上看，互联网普及率有其作为数字金融发展指数工具变量的合理性。表10是互联网普及率作为估计变量的回归结果，同时，还使用不同时间区间的工具变量进行必要的稳健性检验，证明估计结果保持不变。表10结果显示：首先，在工具变量法第一阶段的回归结果中F统计量超过10，说明模型设定中并不存在弱工具变量问题，工具变量法的估计结果真实、有效；其次，即便在考虑了模型的内生性问题以后，数字金融发展指数的系数仍然显著为正，即数字金融的确发挥了其对城市创新能力的“激励效应”。该结果与原文中利用两步系统GMM的估计结果相一致，再次验证并支持了H1。

（2）工具变量法二。本文选取的外生事件冲击分别为2013年“余额宝开张”、2014年“数字金融首次在政府工作报告中出现”和2016年“央行颁布《G20数字普惠金融高级原则》”（以下简称《原则》），利用各事件冲击哑变量的滞后一期与数字金融发展指数滞后两期的乘积作为数字金融发展指数滞后一期的工具变量。一方面，无论是这三个事件或政策的发生、颁布，还是数字金融发展的滞后期，均与数字金融的发展息息相关，即满足了相关性要求，具体表现为：2013年“余额宝开张”被认为是中国数字金融的正式开端，余额宝这一新型金融形式的出现促进了中国数字金融的发展；2014年数字金融首次在政府工作报告中出现，侧面反映了数字金融发展的重要性以及政策层面对数字金融发展布局寄予厚望的战略体现，而这必然有利于推动中国数字金融的腾飞；2016年央行颁布的《原则》作为全面性、权威性数字金融发展的国际性准则，其制定与推广必然会加速数字金融保质提升（钱海章等，2020）［38］。另一方面，无论是2013年“余额宝开张”、2014年“数字金融首次出现在政府工作报告”，抑或是2016年“央行颁布的《原则》”，均属于外生的、全国范围内一次性铺开的事件冲击，以上述外部事件冲击作为数字金融发展指数的工具变量，能够尽可能地避免与分离因该工具变量的地域性差异影响而对数字金融作用造成的外部干扰，且其外生属性也意味着以上政策、事件与城市技术创新不相关，从而满足了工具变量需具备的外生性要求（钱海章等，2020）［38］。因此，从理论层面看，“余额宝开张”“数字金融首次出现在政府工作报告中”“央行颁布的《原则》”等外部事件冲击有其作为数字金融发展指数工具变量的合理性。

本文以各事件冲击哑变量的滞后一期与数字金融发展指数滞后两期的乘积作为数字金融发展指数滞后一期的工具变量，具体包括：2013年“余额宝开张”的虚拟变量与数字金融发展指数滞后一期的交乘项（Post1t-1×FIt-2）；2014年“数字金融首次在政府工作报告中出现”的虚拟变量与数字金融发展指数滞后一期的交乘项（Post2t-1×FIt-2）；2016年“央行颁布的《原则》”的虚拟变量与数字金融发展指数滞后一期的交乘项（Post3t-1×FIt-2）。以上诸事件的虚拟变量定义为：重要事件或政策发生前Post记为0；重要事件或政策发生后Post记为1。回归结果见表11所列。

表11 工具变量法的回归结果

表11列（1）—（6）分别是2013年“余额宝开张”、2014年“数字金融首次在政府工作报告中出现”和2016年“央行颁布《G20数字普惠金融高级原则》”等外生事件冲击哑变量的滞后一期与数字金融发展指数滞后两期的乘积，作为数字金融发展指数滞后一期工具变量的回归结果。研究发现：首先，无论使用何种外生政策冲击作为工具变量，表11中工具变量法第一阶段回归结果中F统计量均超过10，说明模型设定中并不存在弱工具变量问题，工具变量法的估计结果真实、有效；其次，即便考虑了模型的内生性问题后，数字金融发展指数的系数仍然显著为正，即数字金融的确发挥了其对城市创新能力的“激励效应”。该结果与原文中利用两步系统GMM的估计结果相一致，再次验证并支持了H1。

（二）针对传导机制部分的稳健性检验

为进一步增强本文机制检验的解释力，借鉴温忠麟和叶宝娟（2014）［39］的研究，采用逐步检验回归系数法对传导机制部分的内容进行稳健性检验。模型设定如下：

方程（8）（9）（10）为中介效应检验程序，其中：Inno代表城市创新能力，即区域内发明授权专利的市场价值；FI为数字金融发展总指数；Mediate代表中介变量；control表示一系列控制变量，包括外商直接投资（FDI）、对外直接投资（OFDI）、对外开放度（TRADE）、传统金融发展水平（TF）或产业结构调整指数（Structure）、经济发展水平（Pgdp）、制度质量（Institutional）、人力资本水平（HC）等；i表示城市；t表示年份；ε为随机误差项。

根据温忠麟和叶宝娟（2014）［39］逐步检验回归系数法的中介效应检验机制程序：第一步，检验方程（8）的系数，若显著，进行第二步。第二步，查验方程（9）的系数和方程（10）的系数，如果两个都显著，则中介效应显著，转到第四步；如果至少有一个不显著，进行第三步。第三步，用Bootstrap法直接验证H0：Ø1μ2=0，如果显著，则中介效应显著，继续第四步；否则中介效应不存在，分析终止。第四步，检验方程（10）的系数，如果不显著，即为完全中介效应；若显著，则为部分中介效应，进一步地，若Ø1μ2和μ1同号，中介效应占总效应的比重为Ø1μ2/θ1。

1.消费规模

表12为消费需求规模作为机制变量的逐步检验回归系数法的实证分析结果。其中，列（4）—列（5）为社会零售商品消费总额对数值作为区域消费、市场需求规模代理变量的中介机制检验结果，根据方程（8）—（10）的理论设定，θ1显著为正，Ø1、μ2均显著为正，即中介效应显著；μ1显著为正，Ø1μ2与μ1同号，属于部分中介效应，且中介效应占总效应的比重为29.359%。表12列（1）—列（3）为居民消费率作为区域消费、市场需求规模代理变量的中介机制的检验结果，同样根据方程（8）—（10）的理论设定，θ1显著为正，Ø1、μ2均在不同的显著性水平下为正，说明该代理变量的中介效应显著，进一步地，μ1显著，Ø1μ2与μ1同号，即说明此中介效应属于部分中介效应的范畴。经过计算，此部分中介效应的比重为33.526%，即意味着居民消费率作为消费、市场需求规模代理变量的部分中介效应显著。

表12 逐步回归系数检验法：数字金融、消费规模与区域技术创新

2.消费升级

表13是消费需求结构优化、升级作为机制变量的逐步检验回归系数法的实证分析结果。列（1）（2）（3）为生存型消费占比作为区域消费、市场需求结构（准确地说是消费、市场需求结构低级化）代理变量的中介机制检验结果，根据方程（8）—（10）的理论设定，θ1显著为正，Ø1、μ2显著为负，即意味着生存型消费占比作为中介变量的合理性，且其部分中介效应比重为29.117%。列（1）（4）（5）为发展+享受型消费占比作为地区消费或市场需求结构（地区消费与市场需求结构优化、升级）代理变量的中介机制检验结果。根据理论设定，θ1显著为正，Ø1、μ2均在不同的显著性水平下为正，说明该代理变量的中介效应显著，进一步地，μ1显著，Ø1μ2与μ1同号，即说明此中介效应属于部分中介效应的范畴。经过计算，此部分中介效应的比重为22.946%，即意味着居民消费率作为消费、市场需求规模代理变量的部分中介效应显著。以上结果再次验证了H2。

表13 逐步回归系数检验法：数字金融、消费升级与区域技术创新

3.国际贸易

表14为使用逐步检验回归系数法检测的国际贸易作为中介变量的机制检验结果。其中，列（1）—（3）为国际贸易占比作为地区开放程度代理变量的中介机制检验结果，根据方程（8）—（10）的理论设定，θ1为正，Ø1、μ2亦显著为正，部分中介效应显著；其中，数字金融激励区域技术创新水平提升的总效应为1.807，数字金融通过国际贸易对区域技术创新水平的间接效应为0.311，中介效应占总效应的比重为17.183%。以上结果再次验证了H3。

表14 逐步回归系数检验法：数字金融、国际贸易与区域技术创新

综上所述，利用逐步检验回归系数法进行机制效应检验的结果与文中利用“交叉项”进行机制检验的结论基本一致，再次验证了H2、H3，即肯定了“提质增需”“国际贸易”作为机制变量的合理性。

七、结论与建议

（一）结论

本文运用2011—2018年285个地级市的面板数据，运用两步系统GMM和动态门限回归模型对数字金融与城市创新能力之间的关系进行了实证检验。研究结果表明：首先，数字金融显著促进了城市创新能力的提高；其次，数字金融可以通过刺激消费需求、促进消费结构优化升级等直接路径以及提升对外开放水平等间接路径发挥其对城市创新能力的激励效应；最后，数字金融对城市创新能力的作用效果受市场分割状况的影响，呈现非线性变化的特征。具体地，在市场分割程度较低的情况下，数字金融对城市创新能力的提升作用可能会更为显著。本文的研究结论不仅丰富了有关金融功能领域方面的文献，探究数字金融对技术创新这一关键维度的影响，也有助于相关部门对数字金融这一新形式的发展制定相应的政策方案。

（二）建议

（1）加快数字金融这一新型金融服务模式在中国的布局。第一，传统金融机构应加快数字化改革步伐，例如通过区块链等先进金融科技的运用，优化支付、清算业务流程，低成本、快捷地实现信息存储以及价值转移，以低廉的价格为创新型企业、产业、项目等提供高效率的金融服务体验。第二，提高大数据等技术的金融场景应用能力，这一过程同时包括输入、输出两个端口，而金融机构数据化思维模式的转变是实现这一目标的关键，通过构建强大的数据分析设备以及人才储备体系，打造以大数据技术为核心的生态系统，深入挖掘多端口数据价值，降低创新企业借贷过程中的逆向选择、道德风险等信息不对称问题，最终达到利用数字化金融服务渠道提升全方位的用户体验的目的。与此同时，大数据技术情景化的应用能力除了要继续发挥其在风险控制、产品、资本等领域优势，还要加快其在渠道、场景端的应用布局，为创新企业、项目融资提供更好的用户体验。

（2）重视数字金融的安全问题。数字金融时代的到来意味着人们的生产、生活方式将发生翻天覆地的变化，数字技术的运用在为用户提供更便捷服务的同时，也带来了不可忽视的脆弱性等安全问题，而这必将成为制约数字金融进一步发展的瓶颈。因此，强化中国数字金融数字安全迫在眉睫。实际上，相比于发达国家，中国现阶段亟待加强构建较先进、完备的互联网安全技术网络体系，一方面，政府相关部门应加强网络软件、硬件的资助，提高金融机构数字技术研究团队的研发能力；另一方面，基于数字金融网络信息安全性考虑，鼓励金融机构与互联网等IT企业的合作、交流，培养本土数字技术精英，通过自主创新数字金融网络技术安全手段，切实保障数字金融在场景应用时的高效性、安全性。

（3）循环带动、突出重围、及时纾困是突破市场非完整性弊病的有效且必要手段。重点在于应充分调动经济主体创新、创造积极性，运用多元化手段、通过多维视角释放因循守旧的要素圈制，促进资金、人才等要素的跨境流动。具体而言，相关部门特别是地区层面的政府，应该树立长远策略思维，包括各子市场在内的劳动力市场、商品市场以及资本市场，应该在审慎调控的框架内，给予市场经济自身的作为空间，促进创新要素的自由流动，释放创新活力，营造更加市场化的资源配置氛围。比如，东部地区可以将市场整合的重点放在消费品市场领域，而中西部地区基于自身发展条件，为更好地发挥数字金融对城市创新能力的激励效应，应该将更多的精力或资源用于探索解禁劳动力市场活力方面，促进人才资源的跨地域流动，提高资源配置效率。

注 释：

（1）以国家统计局公布的八大类消费支出为支点，根据各种消费支出的相似性特征进行分组，包括生存型消费、发展型消费和享受型消费支出。

（2）冰山成本模型认为，跨地域交易会使商品利润产生成本损耗，基于问题研究的需要，本文将不同地区的商品或要素设置为Pi和Pj，交易成本为其价格的比例C（0＜C＜1），只有当该商品在一个地区的净收益高于其在另一个地区的售价时，即Pi（1-C）＞Pj，才会产生跨地域的无成本获利行为。若地域间商品流通价格的相对方差逐渐减小，说明跨区域无成本套利空间正在逐渐收窄，即市场分割趋势正在形成或加强。

（3）子市场指标变量的选取，参考赵奇伟（2009）和鄂丽丽，韩庆潇和杨晨（2018）的指数选取路径。