数字金融与科技创新的协同及互动关系研究——以成渝地区双城经济圈为例

陈永红，王 琴，黄大勇

(1.重庆工商大学 长江上游经济研究中心，重庆 400067；2.长江师范学院 管理学院，重庆 408100)

《国家创新驱动发展战略纲要》中提到，创新驱动在国家发展中占据重要地位，科技创新有助于提升国家实力。而金融作为国家的经济命脉，在现代经济中处于核心地位。因此，促进金融和科技创新协调发展，是推动经济高质量发展、构建新发展格局的必然要求。近年来，随着数字经济的兴起以及大数据技术的运用，数字金融在我国得到快速发展。2021年的国务院政府工作报告和2022年印发的《中国银保监会办公厅关于银行业保险业数字化转型的指导意见》先后提出要加快数字化发展，打造数字经济新优势，坚持在创新驱动等原则下构建适应现代经济发展的数字金融新格局，不断提高金融服务实体经济的能力和水平。在此背景下，发展数字金融具有突出的时代价值。如今，科技创新作为高质量发展的着力点[1]，其与数字金融之间的协调发展势必会对金融业的高质量发展产生深远的影响。因此，对数字金融与科技创新之间的协同及互动关系进行研究具有比较深刻的现实意义。

一、文献综述

现有关于数字金融对科技创新影响的研究主要关注对企业创新的影响和对区域创新的影响。对于企业创新而言，数字金融的发展不仅可以促进中小企业的技术创新投入增加[2]，还对企业技术创新具有显著的结构性创新驱动作用[3]。除此之外，数字金融的发展可以缓解企业的融资约束问题，有效解决企业的“融资难”“融资贵”问题[4-6]，这有助于企业提高创新产出。对于区域创新而言，数字金融可以通过产生收入效应和人力资本效应[7]、影响供给两端[8]、促进产业升级并产生外部需求[9]等方式对区域创新产生影响。然而，由于不同区域的经济发展水平、金融规模、产业结构水平、基础设施水平等不尽相同，数字金融的发展对区域创新能力的影响效应存在异质性[8，10]。

现有关于科技创新对数字金融影响的研究主要关注对整个金融行业或金融系统的影响。科技的变革以及创新成果的转化可能会使金融系统的运行效率、服务效率得到有效提升[11-13]。另外，科技革新还可能会促进新型金融产品以及新型金融机构的产生[14-15]，这将有利于完善金融体系和优化金融机构，进而推动整个金融行业的发展。

在数字金融与科技创新两者的互动关系方面，目前将两者的动态互动关系结合起来进行分析的学者较少，仅有少数学者使用耦合协调度模型、空间计量模型等方法探讨我国数字金融和科技创新之间的相互作用关系[16-17]。

综上所述，目前学者们对数字金融和科技创新的研究大部分都从单向角度出发，将两者相互作用关系结合起来分析的学者较少。同时，我国区域之间的经济发展水平、政策、科技创新水平等存在较大差异，整体研究对区域发展的指导意义不大，所以对具体区域的科技创新与数字金融的关系进行研究，并提出有针对性的政策建议十分必要。

成渝地区双城经济圈(下文简称“成渝经济圈”)是长江经济带的重要组成部分，为提升成渝经济圈数字金融与科技创新的协调发展水平，加快推进成渝共建西部金融中心与西部科学城，本文采用耦合协调度模型、面板向量自回归(PVAR)模型，从时间和空间两个维度对成渝经济圈数字金融和科技创新之间的互动关系进行探讨，为推动成渝经济圈数字金融和科技创新协调发展提供参考依据。

二、科技创新与数字金融之间的相互作用机理

(一)科技创新对数字金融的作用

科技创新水平的提升会助推数字金融的发展。首先，科技创新有利于提升数字服务水平，促进技术输出与行业赋能，使数字金融业的风险防控能力和综合竞争力得到提高[18]。其次，科技的发展会催生出新型的金融机构，新机构的出现会使该行业竞争程度增加，因而传统金融机构不得不与新科技相融合，进而推动行业整体发展，即新机构通过“鲶鱼效应”促进金融市场不断完善[15]。最后，因科技创新而产生的新型金融机构可能会凸显行业监管体系的漏洞，所以相关监管部门必须根据实际情况完善监管体系，这将有利于带动行业的监管创新，提升数字金融监管的专业性、统一性和穿透性[19]。

(二)数字金融对科技创新的作用

数字金融的发展与科技创新的发展同样有着密切关系。首先，科技创新是一个高风险、高投入的过程，因此科技创新主体在进行科技创新活动前往往需要准备大量的资金，而数字金融恰好可以基于直接作用路径，通过缓解融资约束问题来激励创新行为[20]。其次，数字金融的发展除了可以提升个人金融服务的效果，还可以为众多的企业提供一个更为广阔便捷的融资平台，有效降低外部融资不稳定导致中小企业科技创新活动失败的可能性。除此之外，数字金融凭借数字化、智能化、低成本等特点，为创新主体搭建了一个广阔的信息交流平台，可有效降低信息不对称造成的负面影响[16]。最后，数字金融的发展会扩大金融服务的范围，缓解部分偏远地区科技创新主体的融资压力，有效促进金融资源优化配置，进而提升偏远地区科技创新主体的研发能力[21]。

三、实证研究设计

(一)变量选择与数据来源

一般而言，衡量某区域科技创新水平的指标有R&D费用、专利申请数量、专利授权数量、高新技术企业数量等。考虑到数据的可获得性，本文选取专利累计申请数量、专利授权数量以及有效发明专利数量三个指标，并将它们融合为科技创新指数(TEI)。相关数据来源于四川省知识产权服务促进中心、重庆市知识产权局以及2014—2020年四川省15个地级市和重庆市29个区县的统计公报。而本文衡量数字金融的指标则参考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(DFI)，该指数从覆盖广度、使用深度以及数字化程度三个维度进行构建，可以较好地反映数字金融发展水平。对于个别缺失值，本文采用线性趋势法进行处理。

(二)耦合协调度模型

结合本文数据的特点，将数字金融和科技创新两大系统的相互促进程度界定为耦合度，将两大系统的协调发展程度界定为耦合协调度。在正式构建模型之前，先用熵值法对科技创新的综合发展水平进行测算，同时对北京大学数字普惠金融指数进行标准化处理。

本文采用物理学中的耦合模型对数字金融与科技创新的相互促进程度进行量化，构建的耦合度模型如下：

C={[(U1×U2)/(U1+U2)/2]2}1/2

(1)

式(1)中，C代表耦合度，且C∈[0,1]，若C越接近1则表示两大系统的相互促进程度越大；U1表示数字金融指数，U2表示科技创新指数。

为更加客观准确地测量成渝经济圈数字金融与科技创新的协调发展水平，本文进一步构建耦合协调度模型，具体模型如下：

D=(C×T)1/2,T=aU1+bU2

(2)

式(2)中，D代表耦合协调度；C为数字金融与科技创新的耦合度；T为数字金融和科技创新的综合度；a、b为待定系数，且a+b=1，本文认为数字金融和科技创新在经济发展过程中发挥同等重要的作用，因此将a、b均赋值为0.5。根据耦合协调度数值的大小划分不同的耦合协调等级，具体划分标准如表1所示。

表1 耦合协调等级划分标准

(三)马尔可夫链法

马尔科夫链主要通过构造一个状态转移概率矩阵来描述区域内某社会经济现象随时间变化从一种状态转移到另一种状态的概率分布，以此刻画研究对象动态演进的全过程[22]。本文将测算出的数字金融与科技创新的耦合协调度数据进行离散化处理，变成g种类型，接着计算每种类型状态转移变化的概率分布，最后得出整个区域的演进规律。通过构造一个g×g的马尔可夫转移概率矩阵M来表示不同年份区域耦合协调等级间的转移。

mij=nij/nj

(3)

式(3)中，mij代表耦合协调等级从t年的i状态转移到t+1年的j状态的概率；nij代表耦合协调等级从t年的i状态转移到t+1年的j状态的路径数量。

(四)PVAR模型

选用面板向量自回归(PVAR)模型可以深入分析数字金融与科技创新两者之间的互动机制。与传统的线性回归模型相比，该模型将面板数据模型与VAR模型充分结合，将所有的变量视为内生变量，有效避免了内生性问题，使得模型更加科学合理。具体模型如下：

(4)

式(4)中，i代表成渝经济圈内的各区(县、市)(i=1,2，…，44)；t代表年份(t=1,2，…，7)；j代表滞后期数(j=1,2，…，p)；Yi,t为包含数字金融与科技创新两个内生变量的二维列向量；∝i代表各区(县、市)的固定效应向量；β0代表截距向量；εi,t代表时间效应；δi,t代表随机扰动项。

四、科技创新发展水平与数字金融发展水平的时空特征

成渝经济圈科技创新指数和数字金融指数的变化情况如表2所示。

表2 成渝经济圈科技创新指数和数字金融指数的变化情况

(一)科技创新发展水平

从时间维度来看，2014—2020年成渝经济圈科技创新水平总体保持上升趋势。由表2可知，2014—2020年，成渝经济圈科技创新指数均值由0.0777增长至0.2532，年均增长率达到了21.76%，但变异系数总体呈现出下降趋势。具体来讲，2014—2020年，成渝经济圈科技创新指数变异系数整体呈现出“明显下滑—平稳波动—明显下滑”的变动过程。其中，科技创新指数变异系数明显下滑的两个阶段分别是2014—2016年和2019—2020年，变异系数分别从1.0675下降至0.8099、从0.8730下降至0.8347。与基期相比，末期成渝经济圈科技创新指数变异系数降低了0.2328。

(二)数字金融发展水平

由表2可知，2014—2020年成渝经济圈数字金融指数均值保持着逐年上升的趋势。2014—2020年，成渝经济圈数字金融指数均值由0.2557增长至0.4953，年均增长率为11.65%。与基期相比，末期的数字金融指数均值增长了近一倍。2014—2020年，成渝经济圈数字金融指数变异系数以微小的变动幅度重复着“下降—上升”的变动趋势，总体上变异系数从0.5046下降至0.4809，降低了4.70%。该时段成渝经济圈数字金融指数变异系数的变化不是很明显，表明成渝经济圈内部区域之间的数字金融发展差距问题没有得到有效改善。

五、科技创新与数字金融耦合协调的时空特征

(一)时间变化特征

1.耦合协调度呈现增长态势

成渝经济圈耦合协调度的变化情况如表3所示。由表3可知，2014—2020年成渝经济圈耦合协调度均值总体呈现上升趋势，2014—2016年增长速度相对较快，2017—2020年增长速度有所放缓。从耦合协调等级来看，随着时间的推移，成渝经济圈耦合协调等级已由中度失调转变为基本协调。这表明随着经济社会的发展，科技创新和数字金融的协调发展水平得到进一步优化，彼此的相互作用程度有所增强。

表3 成渝经济圈耦合协调度的变化情况

四川省科技创新与数字金融耦合协调度的地区分布情况如表4所示，重庆市科技创新与数字金融耦合协调度的地区分布情况如表5所示。具体而言，根据成渝经济圈耦合协调度均值的变化特点，可以将协调发展水平变化大致分为两个阶段，即中度失调期(2014—2015年)和基本协调期(2016—2020年)。2014—2015年，成渝经济圈耦合协调度均值从0.3427上升到0.3908，耦合协调等级为中度失调。由表4和表5可知，科技创新与数字金融耦合协调度在2014年和2015年处于中度失调等级的四川地级市分别为6个和2个，重庆区县分别为19个和18个。同时，2014—2015年重庆区县中还存在以云阳县和忠县为代表的严重失调地区。2016—2020年，成渝经济圈耦合协调度均值从0.4657上升到0.5527，耦合协调等级也由前一阶段的中度失调转变为现阶段的基本协调。根据耦合协调度均值，又可将这一时期分为两个阶段。2016—2017年为第一阶段，耦合协调度均值由0.4657上升到0.4911。在这一阶段，重庆区县中已经不存在严重失调地区，并且处于中度失调和基本协调水平的区县大致各占一半；四川省的15个地级市都已经达到基本协调及其以上水平，其中成都市的耦合协调等级已经达到高度协调。2018—2020年为第二阶段，耦合协调度均值从0.5125上升到0.5527。在这一阶段，成渝经济圈中耦合协调度处于中度失调水平的地区由9个减少为6个，基本协调地区由26个减少为23个，中度协调地区由8个增加到13个，高度协调地区由1个增加到2个。截至2020年末，四川省成都市、绵阳市的科技创新和数字金融耦合协调等级已达到高度协调水平，但重庆市还没有达到高度协调水平的区县。

表4 四川省科技创新与数字金融耦合协调度的地区分布情况

表5 重庆市科技创新与数字金融耦合协调度的地区分布情况

2.耦合协调度的区域差距问题有所改善

由表3可知，2014—2020年成渝经济圈科技创新与数字金融耦合协调度变异系数大致呈现出“先快速下滑、后平稳波动”的特征。2014—2016年为快速下滑期，变异系数由0.3577下降至0.2369；2016—2020年为平稳波动期，变异系数在0.24上下波动。与基期相比，末期成渝经济圈科技创新与数字金融耦合协调度变异系数降低了0.1208。总体来看，成渝经济圈内科技创新与数字金融耦合协调度的区域差距问题得到了一定程度的改善。

(二)空间变化特征

本文对成渝经济圈耦合协调度进行空间分析，发现成渝经济圈科技创新和数字金融的协调水平有所提高，但是空间分布仍存在显著差异。

1.高水平协调区域呈现集聚特征

2014—2020年，高水平协调区域主要集聚在重庆中心城区和成都都市圈。重庆市29个区县中，2014—2020年耦合协调度均值大于重庆市整体均值(0.4304)的区县有13个，具体的耦合协调度均值从大到小排名依次为沙坪坝区(0.6448)、南岸区(0.6118)、九龙坡区(0.5846)、北碚区(0.5702)、江北区(0.5631)、渝北区(0.5583)、渝中区(0.5349)、大渡口区(0.5300)、巴南区(0.5060)、璧山区(0.4744)、江津区(0.4567)、永川区(0.4467)、长寿区(0.4384)。其中，属于重庆中心城区的区县有9个，占比达到69.23%，即重庆市范围内的高水平协调区域主要集中在重庆中心城区，集聚特征显著。四川省15个地级市中，2014—2020年耦合协调度均值大于四川省整体均值(0.5421)的地级市有5个，具体的耦合协调度均值从大到小排名依次为成都市(0.8484)、绵阳市(0.7004)、德阳市(0.6363)、自贡市(0.5574)、雅安市(0.5532)。其中，排名前两位的成都市、德阳市都属于成都都市圈。产生空间集聚特征的原因可能是成都市与重庆市主城区分别作为各自区域的中心，与其他区域相比在经济发展、科技创新、资源禀赋、交通运输、人才吸引等方面具有显著优势，使得高水平协调区域长期集聚在这两大中心城市及其周围。

2.相对低水平协调区域存在地区锁定现象

根据成渝经济圈内各地区耦合协调度的变化情况，发现科技创新和数字金融耦合协调水平较低区域存在一定的地区锁定现象。首先，比较重庆市29个区县的耦合协调度可知，云阳县、垫江县、忠县、梁平区、万州区、开州区、黔江区的耦合协调度常年处在重庆市均值以下水平，这些区县主要集中在重庆市的东部和东北部。其中，云阳县、垫江县、忠县的耦合协调度几乎一直处于重庆市29个区县中的后三位。这些区域的耦合协调度处在相对低水平的原因可能是距离重庆中心城区太远，重庆中心城区的辐射和引领示范作用还不够。其次，比较四川省15个地级市的耦合协调度可知，四川省东部的达州市、南充市、广安市的耦合协调度常年处在四川省15个地级市中的后三位。造成此现象的原因可能是这3个地级市位于成都市与重庆市之间，在两大中心城市的虹吸效应影响下，这3个地级市在引进人才和高新技术企业时会受到一定程度的阻碍，即成都市与重庆市之间的部分区域存在“中部塌陷”现象。因此，成渝经济圈中科技创新和数字金融耦合协调水平相对较低的区域存在地区锁定现象。

(三)转移概率分析

上述分析只能简单反映成渝经济圈科技创新和数字金融耦合协调度的时空变化趋势，而构建马尔科夫链可以更深层次地体现出其内在演变规律。本文依照前文耦合协调度的划分方法，将2019年、2020年存在的耦合协调度类型从低到高划分为中度失调(Ⅰ)、基本协调(Ⅱ)、中度协调(Ⅲ)、高度协调(Ⅳ)4种类型，然后滞后1年预测2021年成渝经济圈科技创新和数字金融耦合协调度的转移概率。2019—2020年数字金融和科技创新耦合协调度的马尔可夫链转移矩阵如表6所示。

根据表6可知：(1)主对角线上的数字都大于非主对角线上的数字，表明研究区域内重庆市各区县和四川省各地级市的科技创新和数字金融耦合协调发展水平较为稳定，一年后依旧保持中度失调、基本协调、中度协调、高度协调的概率分别为56.25%、70.56%、81%、100%。其中，主对角线上的数值由0.5625递增至1，某种意义上也反映了成渝经济圈科技创新和数字金融的耦合协调水平正朝着积极方向发展，并没有出现两极化现象。(2)横向看主对角线及其右边转移概率的大小可以发现，前三行中每一行右边的数值总是明显小于左边的数值，说明成渝经济圈科技创新和数字金融的耦合协调发展是一个循序渐进的过程，尽管存在中度失调直接转变为高度协调这种跨阶段转移的概率，但是其概率值仅为4%，表明并不会在短时期内出现大片区域的跨阶段发展。(3)主对角线下方的数值都为0，表明研究区域中不存在科技创新和数字金融耦合协调发展倒退的情况。

表6 2019—2020年数字金融和科技创新耦合协调度的马尔可夫链转移矩阵

六、PVAR模型分析

为进一步分析成渝经济圈科技创新与数字金融的动态发展关系，本文运用PVAR模型，并利用Stata 16软件，对2014—2020年成渝经济圈科技创新与数字金融两大系统的关系进行进一步分析。

(一)平稳性检验与协整检验

为了保证回归结果真实可靠，首先对科技创新和数字金融两大系统的指标进行单位根检验。本文采用LLC检验、IPS检验以及PP检验三种方法，若三种检验方法得出的结果不一致，则说明数据是非平稳的，需对数据进行差分处理后再进行检验，直至数据平稳。检验结果如表7所示。

根据表7中的检验结果，科技创新和数字金融两大系统的综合指标都通过了1%的显著性水平检验，即DFI和TEI都拒绝“存在单位根”的原假设，这表明DFI和TEI都是平稳的数据序列。为验证数字金融与科技创新是否存在长期稳定的均衡关系，需要进一步进行面板协整检验。根据本文面板数据特征，选择用Kao检验、Pedroni检验来分析变量之间的协整关系。检验结果表明，成渝经济圈科技创新与数字金融两大系统在两种面板协整检验方法上全部接受“所有变量存在协整关系”的备择假设，即数字金融与科技创新存在长期稳定的均衡关系。

表7 面板单位根检验结果

(二)格兰杰因果检验

为了准确估计PVAR模型，首先要选择最优滞后阶数。依据AIC、BIC、HQIC信息准则，选择最小值作为最优滞后阶数。面板单位根检验结果如表8所示。根据表8的结果，选择最优滞后阶数为1。

表8 最优滞后阶数判断结果

其次，对PVAR模型进行格兰杰因果检验，进一步判断成渝经济圈数字金融与科技创新之间的关系，检验结果如表9所示。表9的检验结果在1%的显著性水平上拒绝“数字金融不是科技创新的格兰杰原因”，同样在1%的显著性水平上拒绝“科技创新不是数字金融的格兰杰原因”，即成渝经济圈数字金融与科技创新之间存在着双向的格兰杰因果关系。这表明数字金融的发展会对科技创新产生影响，同时科技创新也会对数字金融的发展产生影响。

表9 格兰杰因果检验结果

(三)脉冲响应分析

为进一步分析成渝经济圈内数字金融与科技创新的动态关系，通过脉冲响应来分析当两个变量分别受到自身冲击和另外一个变量冲击时的变化路径。在基期分别为科技创新与数字金融设置1个单位的脉冲，考察期设定为10年，通过观察各变量对冲击的动态反应，具体分析冲击对各变量产生的影响，具体如图1所示。图1中，每幅小图的中间曲线代表脉冲响应函数，其上方和下方的两条曲线分别代表在95%和5%情况下的分位点估计值。

首先，对数字金融施加一个正向的冲击，数字金融受到1个单位自身冲击和数字金融受到1个单位科技创新冲击的情况分别如图1(a)和图1(b)所示。科技创新在面对数字金融的正向冲击时，当期的冲击效应为正向，并且在滞后1期时效应达到最大；第2期至第8期冲击效果逐渐变弱，但始终在0以上波动；第8期之后曲线逐渐趋近于0并收敛；第10期开始已几乎不存在冲击的影响。这表明数字金融的发展在短期内会对科技创新产生明显的正向促进作用，但随着期限的延长，该正向促进作用逐渐减弱。数字金融面对自身冲击时，也会产生正向的影响，但在6期后该影响已经趋近于0。这表明短期内数字金融的发展对自身有强化作用，但是强化效果会随着时间的推移而迅速衰减。

其次，对科技创新施加一个正向的冲击，科技创新受到1个单位数字金融冲击和科技创新受到1个单位自身冲击的情况分别如图1(c)和图1(d)所示。科技创新在面对数字金融的正向冲击时，当期的冲击效应为正向，第2期至第6期冲击效应逐渐减弱，并且在第8期之后冲击效应逐渐趋于0。这表明短期内科技创新会对数字金融的发展产生正向的影响，但长期来看该效果不显著。科技创新在面临自身的冲击时，8期内冲击效果都为正，但是冲击效应逐渐减弱，这同样表明短期内科技创新对自身有促进作用，但长期来看正向促进作用比较微弱。

(a)

(四)方差分解

为了更加准确地反映数字金融与科技创新两者间的相互作用程度和影响时效，本文使用方差分解来分析每一个变量冲击时所作出的贡献。滞后15期以内偶数期的方差分解结果如表10所示。

根据表10可知，数字金融对其自身的贡献程度随着滞后期数的增加而不断减小，方差贡献率从第2期的72.5%逐渐降低至第8期的61.2%；第8期之后，方差贡献率稳定在61.2%。而科技创新对数字金融的贡献程度在短期内随着滞后期数的增加不断增大，方差贡献率在第8期及以后稳定在38.8%。数字金融对科技创新的方差贡献率一直处于较低水平，在第4期达到稳定以后也仅为0.7%。而科技创新对其自身的方差贡献率一直保持在99%以上，即科技创新的方差贡献率主要源于其本身，依照其自身惯性发展的态势十分明显。

表10 方差分解结果

七、结论与建议

本文基于成渝经济圈相关数据，测算数字金融和科技创新的发展关系。通过构建耦合协调度模型，探讨了数字金融和科技创新的耦合发展关系，并在此基础上构建PVAR模型，进一步分析数字金融和科技创新的互动发展关系。主要结论如下：(1)2014—2020年，成渝经济圈数字金融和科技创新的发展水平得到提高，但是区域之间发展不均衡。(2)从耦合协调度模型来看，2014—2020年成渝经济圈数字金融和科技创新的耦合协调度显著增长，耦合协调等级由中度失调转变为基本协调，但区域内各地区的耦合协调水平存在差距。(3)从PVAR模型来看，成渝经济圈内数字金融和科技创新两大系统的关系稳定，两大系统之间存在相互促进作用。

基于以上结论，提出以下几点政策建议：(1)目前成渝经济圈内数字金融和科技创新存在发展不平衡现象，因此各地区制定政策时要因地制宜，统揽大局，有效打破地域壁垒，在保证发达地区稳中有进的前提下，大力推动落后地区发展。(2)总体来讲，成渝经济圈的科技创新水平还有待提升，因此未来要强化科技创新能力，加大科研经费投入力度，注重科研成果的转化落地，大力引进高新技术企业，推动高校、企业、科研机构进行跨区域交流。(3)数字金融与科技创新存在双向的因果关系，因此要充分利用数字金融的发展来促进科技创新水平的提高，同时也要反过来利用科技创新进一步激发数字金融的发展活力，实现两者互利共赢。成都市与重庆市作为两大极核城市，要充分发挥好“领头羊”作用，引领和带动周边地区的科技创新和数字金融发展。