数字经济对中国城商行高质量发展的影响研究——基于全要素生产率视角

李晓庆，李琳芸

南京信息工程大学 管理工程学院，江苏 南京 210044

引 言

2021年4月，《中国数字经济发展白皮书》中表示，中国数字经济总规模正处于稳步增长状态，已从2011年的9.49万亿元增长至2020年的39.2万亿元，数字经济总规模在GDP的占比也超过了1/3。在如此快速发展的时代中，数字经济已经成为优化中国经济结构、推动产业现代化、推动社会经济高质量发展的主要动力[1]。大数据、互联网、AI人工智能等科学技术正逐渐被开发、应用在各行各业，并发挥推动社会经济转型、促成新兴生产模式、推动社会经济高质量发展的作用。从宏观角度来看，数字经济通过促进效率提升来驱动经济高质量发展[2]。数字技术通过将各类“小数据”收集、集成、加工，可以对未来市场趋势进行有效预测。从微观主体角度来看，数字经济通过促进消费来驱动企业高质量发展[3],[4]578-599。数字化平台不但可以给消费者提供更为及时和全面的商品信息，缓解信息不对称程度[5]，有效降低商品交易价格[6]，而且数字化技术可以打破地域限制，为消费者提供便利的服务[7]。此外，数字化技术一方面通过数字化产品的低成本效应提高企业规模效应，另一方面可以提升厂商之间的协同效应，提高整个产业链的运行效率[8]。可以说，技术创新成为企业聚集的决定性因素[9]，企业走向数字化是必然趋势。

有关数字经济对商业银行影响的研究，较早文献主要探讨网络金融和电子银行对商业银行的“双刃剑”作用。数字金融的发展势头迫使商业银行只能接纳互联网技术以增强自身竞争力，互联网技术与金融业务相结合的互联网金融应运而生。互联网金融，亦被称为“数字金融”，是借助互联网和移动通信技术实现资金融通、支付结算和信息中介功能的新兴金融模式。数字金融对商业银行的影响，多数研究认为，数字金融已显著影响我国金融体系[10-13]，通过经济压力和社会压力倒逼银行数字化创新，通过技术溢出效应提升我国商业银行全要素生产率[14]。但金融科技也会导致银行风险偏好上升，尤其是通过恶化存款结构和抬高付息成本两种渠道显著加重了银行承担的风险[15]。现有研究更多的是对依托数字技术的数字金融方面的探讨，而数字经济不同于互联网金融或数字金融。作为经济学概念的数字经济是人类通过大数据的识别、选择、过滤、存储和使用，引导和实现资源快速优化配置与再生，最终实现经济高质量发展的经济形态。也就是说，数字金融是一种金融服务，数字经济是数字技术广泛应用于经济环境和经济活动并带来根本性变革的经济体系。具体来说，根据《数字经济及其核心产业统计分类(2021)》(国家统计局令第33号)，数字经济包括数字产业化和产业数字化两个方面。数字经济包括数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字化效率提升业等五大类。前四大类为数字产业化部分，即数字经济核心产业，第五大类为产业数字化部分，涵盖了数字金融、数字商贸、数字社会、数字政府、智慧农业、智能制造、智能交通、智慧物流等数字化应用场景。

现有研究主要探讨数字金融对商业银行经营行为和创新行为的影响。在数字金融服务如火如荼发展的数字经济体系中，中国商业银行尤其是城商行是否能积极应对？相比大型商业银行，城商行客户主要为当地中小、民营和科技企业，与数字金融服务对象同质，但其成立时间短、网点少，可以依托地域优势、客户资源和先验知识，接受互联网金融更为直接的示范、竞争和联系耦合效应，可能更容易受益于互联网金融的技术溢出效应[16]。因此，区别于现有文献对数字金融的关注，本文试图探讨地区数字经济发展对当地城商行是否具有技术溢出效应，即数字经济是否能促进当地城商行全要素生产率的提升，助力其高质量发展。本文将进一步检验数字经济会通过何种机制来对城商行全要素生产率产生技术溢出效应。

本文的贡献体现在以下几个方面：(1)目前大多文献研究聚焦于数字金融、互联网金融等数字化金融服务的影响作用，关于数字经济对城商行高质量发展影响研究较少，本文从这个角度对此进行研究，有助于拓宽研究广度。在计算城商行全要素生产率时，本文主要采用LP法，在稳健性检验中取OP、LP、OPACF、LPACF法(1)OP指Olley-Pakes法，LP指Levinsohn-Petrin法，OPACF和LPACF分别指Ackerberg、Caves和Frazer(ACF)修正的OP法和LP法。为表达方便，后文皆用简称。的算术平均数，同时通过主成分分析法对数字经济指数进行量化。(2)本文将城商行作为研究对象，城商行主要依赖于当地城市经济，为当地中小企业提供金融服务，具有总体规模较小、发展依赖性强的特点。将其作为研究对象，研究数字经济对其高质量发展的影响有利于帮助其在面对数字经济冲击时，更从容地应对数字改革。同时，当地小规模企业或有类似特点的金融机构也可借此研究得到更多的启示。(3)在异质性分析中，以城商行所处地域、银行资产规模、是否受到政府干预等差异作为区分，实证检验数字经济对城商行高质量发展的影响是否会受到这些因素的调节。根据影响差异对不同性质的城商行数字化过程提出不同的建议。(4)本文在研究数字经济对城商行高质量发展是否具有影响的同时，进一步揭示数字经济的作用渠道，从技术效率和管理效率两个方面展开研究。本文采用两种中介机制检验方法进行分析，以保证结论的客观准确性。

一、文献回顾与研究假设

(一)数字经济对城商行影响的研究

从总体来看，互联网技术是把“双刃剑”。部分学者认为加入互联网技术后可以使得业务办理速度更快、办理流程更为顺畅、风险识别更为精准，这是互联网技术带来的优势。互联网技术可以提供新型平台，更高效地完成金融业务及交易[17]。科学技术的应用，使得互联网金融具有边际成本递减和网络效用[18]。尽管在初期，需要投入较高的固定成本来使用互联网技术，但长期来看其成本递减。同时随着互联网用户的不断增加，人们可以充分享受到更为全面的服务。数字金融能改变商业银行的存款结构，提高其经营水平，降低其金融交易成本，使其获得竞争优势。但互联网金融也会对传统金融业务造成极大的冲击，其中贷款业务和理财产品受到的影响最大[19]。数字金融的融入会造成金融服务性质的改变，也会对银行支付能力造成一定的冲击[20]。同时，互联网技术的应用需要更加谨慎，监管方面的压力与日俱增。银行在使用互联网技术的同时需要了解其运作机制，更加严格地监管数据的安全性、稳定性、可靠性等[4]578-599。

在我国资本市场不断深化和金融脱媒程度加剧的宏观背景下，银行业面临的竞争压力，尤其是存款竞争压力越来越大[21]18，资产规模较小的城商行更甚。随着电子商务的兴起，数字金融与商业银行之间的竞争愈演愈烈[22]。数字金融对传统金融业改革具有巨大的影响力。越来越多的国内学者聚焦于互联网金融对银行业的影响研究上。刘澜飚等从金融机构视角进行研究，发现两者具有很强的可协调性[23]。互联网技术的加入推动整个行业进行自我改革。大多数学者认为互联网技术的加入对银行业具有正向作用。通过数字化平台，银行可以更快地获取所需信息，加快分析速度，提高业务进展流畅度，更加精准分析可能存在的风险，降低资源错配程度[24]。数字金融具有包容性，数字技术使其更具普遍性和更高的效率[25]。比如，在支付宝、微信等移动支付方面，数字技术使其克服传统服务方式的局限，降低成本，以提供更为便捷的服务为目标，同时提高了服务效率和覆盖面。沈悦和郭品通过构建互联网金融产品创新指数，发现数字金融可以推动商业银行的绩效提升，且在不同的企业性质中影响程度有所差异[26]。其中，在股份制商业银行中影响最为明显。互联网技术的创新可以改变银行负债结构，使银行更快向数字化转型[21]23-24。

但是也有学者发现数字金融对商业银行全要素生产率的影响呈现先升后降的趋势，对于一些中小银行来说，发展数字金融需要较高的成本，因此他们对于利用科学技术进行业务模式改革的意愿较小[27]。此外，数字金融会减少金融摩擦从而削弱政策传导效果[28]。由于各个银行规模存在差异，在如此竞争环境下，可能会导致不良竞争，从而阻碍银行业的发展。

在数字经济研究方面，随着互联网、大数据、云计算等技术的广泛应用，数字经济与传统经济的深度融合成为数字经济发展的新特征。从微观来看，数字经济改变了传统的盈利模式，形成了规模经济、范围经济和长尾效应[29]。对于企业而言，数字经济推动其数字化改革，有利于降低信息不对称，降低成本，促使企业去中介化[30-31]。数字化提高企业数据挖掘能力，使其更快掌握市场动向，加快对市场需求的反应速度，促成其产业的分工、协同作业[32]，提高其整体运营效率。此外，数字化有利于实现部门之间、企业之间、行业之间协同配合，深度融合，推动企业创新发展[33]。从宏观来看，数字技术改变了原有的资源配置方式，促进政府与市场的融合，促进经济的高质量发展[34]。数字经济能够推动社会物质文明建设，促进物质、精神财富积累，提高人们的创新意识、创造力，实现物质生活和精神文明生活共同富裕，也有利于解决我国当前面临的发展不平衡和不充分问题，促进产业升级转型、改善产业布局、提高生产效率，促进各区域协调全面发展。总之，数字化技术的加入能弥补公共服务的短板，提升政府服务效率，促进收入公平和完善数字化基础设施建设。

综上，有关数字经济对商业银行影响的直接主题研究较少，更多的是数字经济中的数字金融发展对商业银行经营行为以及创新行为的关注。从微观效应来看，数字经济推动了企业数字化改革，降低了企业信息不对称程度，同时提高了企业数据的挖掘能力，促进企业整体效率提升。从宏观效应来看，数字经济与传统经济深度融合，有利于缓解我国面临的发展不平衡和不充分问题，带动传统产业升级转型，促进各地区协同发展。同时，数字经济通过知识、技术等溢出效应带动周边效率提高，利用先富带动后富，逐渐实现共富。作为区域型商业银行，城商行以服务于地方实体经济为宗旨，当地数字经济的发展势必会影响其经营发展。在新时代下，不仅仅是数字金融服务变革会对城商行造成直接技术冲击，城商行所在地的数字经济体系建设也将会对城商行的数字化技术、业务结构以及客户群体等产生影响。数字技术的迅速发展可以改变原先的传统结构以及组织管理模式，从而形成新兴的、更为便捷的生产、运营模式，促进银行的高质量发展[35]。同时，数字经济的“数据”储存成本更低，当这些“数据”加入生产过程中，可以有效克服传统资本的约束问题和增长极限问题[36]。数字经济在孕育新兴经济形式的同时，还可以促进城商行与传统产业融合，通过创新动能驱动其全要素生产率提升。因此，本文提出如下假设：

假设1：数字经济对城商行全要素生产率具有促进推动作用。

(二)数字经济对银行全要素生产率影响机制研究

企业效率的提升是促进企业高质量发展的重要推动力[37-39]。数字经济通过提升效率来实现高质量发展的效应主要体现在以下三个方面：一是最大限度地降低信息不对称性[40]。数字化技术可以优先通过客户偏好对城商行资源进行更为有效的配置，即通过数据挖掘，城商行可以掌握更多、更及时的市场需求，及时有效地优化金融资源配置。二是数字经济可以突破空间局限，将不同区域的资源整合、再分配[41]。数字化技术的加入可以使得市场更为公开透明，有助于推动知识、技术的普遍应用，从而提升城商行的创新效率。因为透明的市场环境更利于形成良好的竞争环境，提升金融资源配置效率。三是数字经济的快速发展有助于形成规模经济。目前城商行还主要以传统存贷款业务经营模式为主，当地数字经济的高效性可以推动城商行存贷款业务的规模效应。

同时，数字经济会产生“鲶鱼效应”，加大同业竞争，从而达到减轻“领域错配”“属性错配”等目的[42-43]。数字经济还可以起到提高企业创新能力的作用，数字化技术的加入可将封闭的部门串联起来，使整个企业更加协同化。本文认为，数字经济的技术属性会通过技术溢出效应影响地方城商行，而技术溢出效应往往会提高城商行的技术效率。由于技术效率的提升是如城商行一类的中小商业银行全要素生产率提高的主要推动力[44-46]，本文提出如下假设：

假设2：数字经济通过提升城商行技术效率推动其全要素生产率提升。

管理效率的提升是提高企业效率的有效途径[47]。数字经济的快速发展可以推动企业管理效率提升[48]，对城商行类企业也会产生同样的效应。首先，先进的技术可以有效提高员工的工作效率，有效降低信息传递时间及成本。当企业使用钉钉、微信等数字化工具交流时，大大减少了信息传递的时间，使其交流更为及时、便捷，有效提升了员工之间的协同性[49]。其次，在经营过程中会遇到市场消费偏好变化的情形，数字经济则可以及时捕捉到市场变化，加快企业优化资源配置。当城商行管理模式从传统的“垂直式管理”转变为开放的“扁平化管理”，城商行的管理效率也会在无形之中得到提升，从而推动其生产效率提升。最后，数字经济能有效提高企业管理者的预测能力。管理者可以通过数字化平台，更加有效、及时地了解客户市场偏好的变动，并对企业未来发展有更好的规划[50]。因此，本文提出：

假设3：数字经济通过提升城商行管理效率推动其全要素生产率提升。

二、研究设计

(一)样本选取与数据来源

本文选取124家城商行作为研究样本，样本区间选定为2011—2019年，数据来源于Wind数据库与各省(自治区、直辖市)统计年报。

(二)变量说明

1.被解释变量：全要素生产率

本文的被解释变量为城商行的全要素生产率。OP法假定企业根据当前生产率作出投资决策，认为可以用企业投入资金作为不可直接观测的生产率的代表，来解决同时性偏差问题。LP法在OP法的基础上通过替换变量的方法解决了样本损失的问题，LP法使用中间投入指标代替投资指标，减少了投资额为0的样本损失，能够较好地解决内生性问题，获得一致有效的估计[51]。且阿克伯格等(Ackerberg et al)基于OP法和LP法对变量间可能存在的共线性问题进一步修正，得到OPACF法和LPACF法[52]。

通过对比，本文主要采用LP法度量样本城商行的全要素生产率(TFP)，并用OP法、LP法和OPACF法、LPACF法四种方法测算的全要素生产率均值(TFP1)进行稳健性检验。LP法度量全要素生产率计算式如下：

yit=a0+a1lit+a2kit+h(mit,kit)+εit

其中，i为城商行，t为年份，εit为残差项，即为所要计算的全要素生产率TFP，yit为总产出，lit为劳动投入的产出贡献，kit为资本投入的产出贡献，h(mit,kit)为可被观察到并影响当期要素投入决策的因素，在LP法中由资本投入kit和中间投入mit决定。由于城商行员工数量披露较少，劳动投入的多少主要体现在城商行的营业支出中，因此本文采用营业支出(l)作为劳动投入的代理变量，固定资产(k)作为资本投入的代理变量，吸收存款为中间投入(m)的代理变量，营业收入(y)作为总产出的代理变量。表1为城商行全要素生产率计算变量和描述统计。

表1 城商行全要素生产率计算变量和描述性统计

2.核心解释变量：数字经济指数

数字经济目前已经成为中国经济高质量发展的主要推动力。有关数字经济的量化，本文主要采用主成分分析法[53]。本文使用电信业务收入、信息传输加算服务和软件业人数、互联网宽带接入用户数、移动电话用户数、惠普金融指数等进行主成分分析，以此来计算样本城商行所处城市的数字经济指数DEI。

3.控制变量

为了减轻遗漏变量对基准回归结果的影响，本文从城商行及其所处城市两个角度选取控制变量[54]。城商行所处城市、地区不同，城市人口规模不同，其GDP增长率不同，政府对科技投入存在差异，城市劳动错配程度[55]也存在差异。从城商行角度来看，各个银行的存贷比、不良贷款率、资产收益率存在差异，这些可能导致银行的全要素生产率不同。因此，本文将城市的GDP增长率GDP2、科技支出SCI、城市劳动错配程度L，以及城商行的资产收益率ROA、存贷比Ratio、不良贷款率Bad作为控制变量。

4. 中介变量

沈悦和郭品发现互联网金融对商业银行全要素生产率具有技术溢出效应[56]。根据前文影响机制分析，本文选择技术效率和管理效率作为两个中介变量。

(1)技术效率

本文使用DEA(数据包络分析)的非径向RA模型[57]计算技术效率TE。在数据包络分析中，技术效率是指一个生产单元的生产水平达到该行业技术水平的程度。技术效率可以从投入和产出两个角度来衡量，在投入既定的情况下，技术效率由产出最大化的程度来衡量。在产出既定的情况下，技术效率由投入最小化的程度来衡量。其中，投入变量主要包括利息支出、营业支出、吸收存款、拨备覆盖率等，产出指标主要包括利息收入、非利息收入、贷款总额等[58-61]。

(2)管理效率

在管理效率方面，本文采用(管理费用+手续费及佣金支出)/营业收入的比值Manage来衡量城商行的管理效率。该指标越高，表示一单位营业收入所划分的管理成本越高，意味着管理效率越低；反之，管理效率越高。

表2为本文所用到的变量定义和描述性统计。

表2 变量定义和描述性统计

(三)模型构建

本文的核心问题在于检验数字经济指数是否会对城商行全要素生产率产生影响。本文以城商行全要素生产率作为被解释变量，数字经济指数作为核心解释变量，加入控制变量，并控制时间效应，建立模型(1)，如下：

TFPit=α0+α1DEIit+∑Controls+∑year+μ1it

模型(1)

其中，i为城商行，t为年份；被解释变量为城商行全要素生产率(TFP)；核心解释变量为数字经济指数(DEI)；控制变量为Controls；year代表城商行年份的虚拟变量；μ1it为随机误差项。

三、实证分析

(一)描述性统计

主要变量的描述性统计结果见表2所示。样本城商行全要素生产率TFP均值为5.032，最小值为4.173，最大值为6.010，标准差为0.388，说明样本银行的全要素生产率具有显著差异。数字经济指数的均值在9.282，标准差为0.998，也较大，这说明中国城市之间的数字经济指数存在明显差异。其余变量总体上布局较为合理，在此不再赘述。

(二)数字经济对城商行全要素生产率——基准回归

采用高维固定效应模型对模型(1)进行回归分析，结果如表3。第(1)列为不控制其他变量因素及时间影响的OLS回归结果，第(2)列为仅控制其他变量因素的高维固定效应的回归结果，第(3)列为控制时间影响因素，不控制其他变量因素的高维固定效应回归结果，第(4)列为既控制其他变量因素，又控制时间影响因素的高维固定效应的回归结果。表3结果显示，不管是否控制其他变量、城商行年份等影响因素，数字经济指数的回归系数均在1%的置信水平下显著，且为正。在同时控制其他控制变量和城商行年份时，数字经济指数提升1单位会促使城商行全要素生产率提升0.098个单位。基准回归结果表明，数字经济可以推动当地城商行全要素生产率提升，本文假设1得以验证。

表3 基准回归结果

(三)基准回归的稳健性检验

为保证研究结论的稳健性，本文进一步使用面板工具变量法、更换被解释变量和核心解释变量及双重聚类分析进一步对基准模型进行稳健性检验。

1.面板工具变量法

为了解决反向因果关系导致的内生性问题，本文采用年度城市数字经济指数均值作为工具变量(IV)。2011—2019年这9年的城商行数据，按年份分为9组，IVit的计算式如下，即第t年除去城商行i的其他城商行所处的城市数字经济指数的均值，其中m是第t组的城商行个数。

基准回归稳健性检验结果如表4列(1)和列(2)所示，二阶段的F统计量足够大，通过弱工具变量检验。面板工具变量法的稳健性检验表明，数字经济指数与城商行的全要素生产率之间呈显著正相关关系，进一步验证了本文假设1，即数字经济可以推动城商行全要素生产率提升。

2.更换被解释变量、核心解释变量和双重聚类分析

为了缓解变量度量误差带来的影响，本文首先更换被解释变量，将OP、LP、OPACF、LPACF得到的全要素生产率的均值作为新的被解释变量TFP1，带入模型中进行回归，结果见表4的列(3)所示。回归结果表明，数字经济与当地城商行全要素生产率之间呈显著正相关关系。同时，本文进一步更换核心解释变量，将数字经济指数替换为熵值法计算的数字经济指数DEI2，带入模型中进行回归分析，结果见表4的列(4)所示。结果表明，当数字经济指数每提高1单位，城商行全要素生产率指数提升0.895，且在1%的置信水平下显著。

此外，为了避免基准回归可能存在异方差和自相关的问题，本文进行城商行及其年度的双重聚类分析。表4的列(5)的结果表明，数字经济与城商行全要素生产率之间仍呈显著的正相关关系。

综上，在进行了一系列稳健性检验后，数字经济与当地城商行全要素生产率的显著正关系的结论仍然稳健，进一步论证了本文的假设1。

表4 基准回归稳健性检验结果

(四)异质性检验

基准回归结果表明，数字经济发展会显著推动当地城商行全要素生产率的提升。为了更好分析数字经济对城商行的溢出效应，本文进一步进行异质性检验，探讨数字经济提升城商行全要素生产率的影响机制，即数字经济对城商行全要素生产率的影响是否受到银行所处地区的影响、数字经济对城商行全要素生产率的影响程度是否会受到银行资产规模影响、数字经济对城商行全要素生产率的影响是否受到政府干预程度影响。由于分组回归后两组系数并不能直接比较，本文采用费舍尔组合检验(Permutation test)的bdiff命令，分别对Permutation1 000次和Bootstrap1 000次抽样的分组回归进行组间系数差异检验。

1.城商行所处地区的异质性分析

在东部地区，城市经济发展相对发达，在面对数字经济的机遇时，当地城商行对数字化的接受程度更高，其业务结构调整速度更快。市场化程度较高的东部地区城商行可能更容易融入数字化，数字经济的效率提升作用可能更为显著。在中西部地区，由于城市经济发展速度相对较慢，当地城商行的业务结构可能较为单一，在面对数字经济的机遇时，其反应可能较慢，对数字化的接受程度较低。因此，本文推测，相比于东部地区，中西部的数字经济发展对城商行全要素提升效应可能较弱。本文将根据样本城商行所处地区的不同划分为东部、中西部两大组进行分组回归，结果见表5列(1)和列(2)所示。结果表明，如果城商行处于东部地区，数字经济对城商行全要素生产率的影响系数为0.130，在1%的置信水平下显著为正，而在中西部地区，数字经济对城商行全要素生产率的影响系数为0.058，且相比东部数据组，显著程度明显降低。在费舍尔组合检验中，两组间系数差异为0.072，在Permutation1 000次抽样、Bootstrap1 000次抽样中P值均为0，说明两组之间存在显著差异，验证本文的推测。

2.城商行资产规模的异质性分析

除去城商行所处地区的不同，各个城商行本身也存在一定的差异。俗话说“船小好掉头”，银行资产规模越大，经营业务相对更为复杂，短时期的数字化技术与银行融合的难度可能越大，需要兼顾的因素也可能越多。而资产规模较小的城商行，所承接的业务相对简单，从业人员也相对较少，数字经济在融入这类银行时，其可以及时地作出相应的调整，数字经济的技术溢出效应可能更明显。因此，本文猜测，相比资产规模较大的城商行，小规模城商行吸收数字化能力可能更好，数字经济对其技术溢出效果更好，其全要素生产率提升作用更明显。本文根据资产规模不同，将样本银行资产均值作为分界线，将样本分成资产规模较大、资产规模较小的两个组群，分别进行回归，结果见表5的列(3)和列(4)。分组回归结果表明，两组之间存在显著差异，且组间系数差异在1%水平下显著，即相比大银行，数字经济对资产规模较小的城商行的技术溢出效应更强，验证本文推测。

3.政府干预程度的异质性分析

政府的干预会在一定程度上影响城商行的决策行为。在有政府干预的城商行中，会有更强的意愿和资金实力来吸纳数字化技术，在面对数字化改革时更具灵活性和包容性。有地方政府干预的城商行经营管理更为有序和规范，在数字化的过程中更容易提高管理效率，数字经济对其全要素生产率提升效应更明显。相反，无地方政府干预的城商行，因为缺乏经济和政策扶持，难以较好地利用数字经济福利从事生产经营管理。因此，本文推测，相比缺少地方政府干预的城商行，数字经济发展对具有政府干预的城商行全要素生产率提升作用更为明显。本文根据地方政府是否对城商行进行控股分为两组，结果见表5的列(5)和列(6)所示。回归结果表明，在具有政府控股干预的城商行中，数字经济对其全要素生产率提升作用更为明显，且通过组间系数差异检验，验证本文推测。

表5 异质性检验结果

四、作用渠道分析

基准回归结果表明，数字经济对城商行全要素生产率具有一定的推动作用，那么其背后的作用机制又是如何呢？本文借鉴杜传忠等在2021年研究的做法[62]和温忠麟等的思路[63]，在模型(1)的基础上构建递进方程组的中介效应模型，实证检验数字经济是否能通过技术效率和管理效率两个渠道的技术外溢效应来推动城商行全要素生产率。

Medit=γ0+γ1DEIit+∑Controls+∑year+μ2it

模型(2)

TFPit=δ0+δ1DEIit+δ2Medit+∑Controls+∑year+μ3it

模型(3)

首先，采用逐步回归法的高维固定效应模型对模型(1)进行检验，前文表3和表4结果显示，系数α1检验显著，数字经济对城商行全要素生产率会产生影响。其次，对模型(2)进行回归检验，观察数字经济是否会对中介变量产生影响。若模型(2)系数γ1检验显著，则进一步对模型(3)进行回归检验。其中δ1为直接效应，δ2×γ1为中介效应。如果δ2与γ1均显著，则表示中介效应存在；若其中至少有一个不显著，则继续采用Bootstrap法观察δ2×γ1在95%的置信区间中是否包括0，若不包括0，则说明δ2×γ1显著，中介效应存在，反之则不存在中介效应。

(一)技术效率渠道

多重中介效应检验结果如表6所示。结果表明，数字经济发展通过技术溢出效应，提高了当地城商行技术效率，进而提升其全要素生产率。

表6 技术效率的中介效应检验结果

本文进一步对其采用Bootstrap法抽样统计，结果如表7所示。结果显示，数字经济对城商行全要素生产率的直接效应系数为0.185，其95%置信区间不包括0，这表明数字经济对当地城商行全要素生产率具有显著影响。技术效率效应的系数为0.030，95%的置信区间不包含0，这说明技术效率的中介作用存在。从中介效应的贡献程度来看，技术效率发挥了大约14.286%(0.030/0.215)的中介作用，验证本文的假设2。

表7 技术效率的中介效应统计检验结果

本文认为,数字经济的加入可以通过提升城商行的技术效率推动其高质量发展。通过引入数字技术，城商行在原有的决策上加入更为先进科学技术，可以更快、更多地掌握客户需求，面对客户的要求时，可以更迅速地对决策进行调整，选择更适合客户的产品。不同地域的城商行可以在数字化平台上协同合作，将不同地域的资源整合、再分配。同时，数字技术的加入也会使得城商行之间产生同业竞争压力，有利于形成良好的竞争环境，减少错配等问题。在同业竞争时，数字技术的加入更有利于城商行对其业务进行创新发展。例如，可以通过数字技术建设城商行的APP，通过数字平台给客户提供服务，大大提高服务的便捷性。数字技术的加入也可以促进城商行内多部门的协同合作，通过技术溢出效应提升城商行的技术效率，从而起到推动城商行高质量发展的作用。

(二)管理效率渠道

管理效率是本文采用(管理费用+手续费及佣金支出)/营业收入的比值作为管理效率效应的指标(Manage)，如果Manage的值越小，则表示管理效率越高，反之则越低。本文将Manage指标带入中介效应模型进行影响机制研究。

管理效率渠道的中介效应研究结果见表8所示。结果表明，数字经济发展通过技术溢出效应，提高当地城商行的管理效率(即降低成本收入比)，进而促进城商行全要素生产率的提升。进一步的Bootstrap法抽样检验结果见表9所示。结果表明，数字经济对城商行全要素生产率的直接效应系数为0.185，其95%置信区间不包括0，说明数字经济对城商行全要素生产率具有显著影响。管理效率效应的系数为0.030，并在1%的置信水平下显著，95%的置信区间不包含0，说明管理效率的中介作用显著存在。总体来看，数字经济可以通过提高管理效率来驱动当地城商行全要素生产率的提升，其中介贡献度约为14.286%(0.030/0.215)，验证本文的假设3。

表8 管理效率的中介效应结果

表9 管理效率的中介效应统计检验结果

本文认为，数字经济的加入可以提升城商行的管理效率。借助数字化平台，员工之间的交流更为便捷、迅速，管理者更有效、更及时地了解员工的需求，从而进行人员优化管理和配置。管理者还可以通过数字化技术，更加及时地了解客户市场偏好的变动，及时对市场决策作出调整并对发展方向有更好规划。数字技术的加入可以使得资源管理更为有序，当需要配置资源时，利用数字技术可以更快获取信息，对资源进行更优配置。同时，数字技术的加入使得城商行的管理结构从“垂直管理”转变成“扁平化管理”，多部门参与管理，可以使得部门之间相互协作、相互制约，大大提高管理效率，对城商行发展具有推动意义。

五、总结与建议

本文基于全要素生产率视角实证检验了数字经济发展对于当地城商行高质量发展的影响。研究结果表明，数字经济发展通过技术溢出效应可以显著地促进当地城商行全要素生产率的提升。为了保障研究结论的可靠性，本文进行了多种方法的稳健性检验，结论依然可靠。为了探讨数字经济驱动城商行全要素生产率提升的作用机制，本文进一步探讨异质性的影响。异质性分析发现：在东部地区，数字经济对当地城商行全要素生产率的正向影响比处于中西部地区的更为显著；从资产规模来看，资产规模较小的城商行，当地数字经济发展对其全要素生产率的提升作用更显著；从政府干预程度来看，有政府干预的城商行在面对数字化改革时更具灵活性和包容性，其融入数字经济体系意愿更高，数字经济对其全要素生产率提升作用更为明显。此外，本文进一步验证了数字经济发展的技术溢出效应会通过技术效率和管理效率两个渠道来提升城商行全要素生产率，促进城商行的高质量发展。

本文研究具有以下政策启示：(1)城商行应积极应对数字经济所带来的机会与威胁，全力融入数字经济发展大环境中。近年来，数字经济逐渐发展成为中国经济的新引擎。面对数字经济的机遇，城商行应主动调整业务结构，融合数字经济体系，快速响应市场，不断提高自身的综合实力，实现高质量发展。(2)城商行在面对数字经济改革时应选取适合自身发展的应对政策。如资产规模较大的城商行在数字化过程中，应以积极的态度面对数字化改革，调整业务结构，调动员工积极融合数字化意愿等。(3)政府应大力支持数字经济的可持续发展，对积极响应数字化改革的城商行给予一定鼓励。一些仅由民营资产组成的城商行在数字化过程中存在一定困难，政府可以给予其一些资金或者政策帮助。同时，政府需要对数字经济进行监管，制定相关的法规和管理条例，促进数字经济的健康可持续发展。地方政府应该抓住数字经济快速发展的红利，利用数字化技术推动当地城商行的高质量发展。(4)依赖当地城市经济发展的小规模城商行，可以结合自身特点积极融合数字化技术，以积极的态度面对数字经济，及时调整业务结构，从技术、管理等方面努力创新，抓住数字经济发展机会，推动自身的高质量发展。