数字金融、技术创新与制造业高质量发展——基于中介效应模型和门槛效应模型的实证检验

吴爱东，蒋 琳

（天津商业大学经济学院，天津 300134）

制造业是国民经济的主体，作为一国综合实力的重要体现，是技术创新和拉动经济高质量发展的重要力量。中国是世界上工业体系最为健全的国家之一，制造业增加值于2020年达26.6万亿元，占全球比重的30%，但还存在着产能过剩、创新能力不足和难以攻克“卡脖子技术”的问题，严重阻碍了中国由“制造大国”转变为“制造强国”的步伐。技术创新作为驱动制造业高质量发展的重要原动力，创新活动的开展需要持续稳定的资金支持，然而中国以银行为主导的传统金融体系却无法满足制造业技术创新的融资需求。在大数据、人工智能等数字技术的赋能下，数字金融作为一种新业态，内生于实体经济的需要，能够克服传统金融的诸多不足，拓宽金融服务的广度与深度，提高资金配置效率。因此，如何充分发挥数字金融的作用促进制造业技术创新，进而实现制造业高质量发展，是中国当下亟待解决的问题。

1 文献综述

金融对经济增长有着重要作用[1]，且二者之间存在正相关的关系[2]，结合中国的实际情况，金融发展与经济增长之间存在着非线性的“门槛效应”[3-4]。当金融发展过于饱和时反而会抑制经济增长[5]，中国以银行体系为主导的金融供给结构已不适应产业结构升级的需求[6]，反而对制造业的产业升级产生了负向影响[7]。从现状来看，金融支持制造业高质量发展存在着制造业企业有效融资需求不足、融资供给侧结构性失衡、信息不对称以及中小企业难以获取信贷服务的问题[8]。从其背后的原因来看，中国现有金融体制存在着结构性问题，金融资金并未有效满足制造业企业培育自主创新能力和更新固定资产这两方面的融资需求[9]。因此，发挥数字金融优势，改善传统金融的供给质量，高效率满足制造业的融资需求，是促进技术创新、支撑制造业高质量发展的重要路径。

数字金融依托于大数据、人工智能等数字技术的发展应运而生，作为一种新兴业态，是数字经济的重要组成部分，能够有效弥补传统金融的不足，在中国得到了充分的发展[10-11]，深刻影响着国民的生产生活[12]。数字金融在微观、中观和宏观三个层面均能够促进经济高质量发展，其中创新能力的提升是经济高质量发展的重要体现[13-14]。在微观层面，数字金融所发挥的“增量补充”和“存量优化”作用可以有效纠正传统金融错配，解决企业的融资问题，从而有效支撑企业的技术创新[15]。在中观层面，数字金融既可以引导产业的创新方向，又能够提升创新主体的创新意愿和创新能力，从而有利于产业的创新成果转化[16]，还能驱动技术革新促进产业结构升级[17]。在宏观层面，数字金融通过缓解融资约束为区域内的创新活动提供资金，引导社会资金流向促进产业结构升级，从而提升区域的技术创新水平[18]。除了为技术创新带来积极影响，数字金融还可以发挥其协调引导作用，推动经济绿色转型，加速企业绿色产业链布局，助力金融市场与环保产业的双向联动[19]。

制造业是实体经济的重要组成部分，数字经济，包括数字金融，在制造业高质量发展的过程中也会产生重要的积极作用[20-21]。就制造业高质量发展的不同维度而言，数字金融发展水平的提高能够在一定程度上减少工业污染排放量，有利于制造业绿色转型[22]。数字金融对低端、中端和高端制造业所产生的影响效果不同，在企业科技创新能力提升的情况下，数字金融能够促进制造业产业结构升级[23]。数字金融可以通过投资效应和人力资本效应驱动高技术产业的发展，支持制造业高级化[24]。数字金融还能通过缓解融资约束、促进技术创新和促进生产性服务业的发展推动制造企业的出口扩张，提高中国制造业的国际竞争地位[25]。数字金融摆脱对物理介质的依赖，为制造业提供高附加值的金融服务和技术支持，改善了金融环境，高度契合了制造业的需求，加之数字金融所具备的绿色属性发挥其社会示范效应，带动制造业的可持续发展[26]。

通过梳理以上文献可以发现，学者们在数字金融、制造业高质量发展和技术创新问题领域内研究成果颇丰[27]，本文在已有研究的基础上，将三者整合在一个框架内，可能的边际贡献在于：第一，现有文献关于制造业高质量发展的研究较为丰富，本文将从市场导向的数字金融视角出发，厘清数字金融直接和间接影响制造业高质量发展的传导机制，并从多个层面分析技术创新对制造业高质量发展的影响途径。第二，结合经济发展不同阶段的特征，进一步研究数字金融通过技术创新对制造业高质量发展产生的影响，为中国发展数字金融和激励制造业技术创新提供一些理论支撑。

2 机理分析与研究假设

在不同经济发展阶段，作为实体经济主要组成部分的制造业具有不同的特征，金融也发挥着与之相对应的作用。在要素驱动阶段，基本条件为60%，占据主导地位，制造业通过从银行获取资金维持生产经营活动，不断增加要素投入，生产规模得以扩张。在效率驱动阶段，效率因素提升至50%，基本条件下降至40%，制造业得益于前期的资本积累，产业结构得到了初步优化，呈现高速增长的发展趋势。直至创新驱动阶段，效率因素所占比重仍为50%，基本条件进一步下降至20%而创新要素提升至30%，此时效率因素和创新要素发挥协同作用，制造业所呈现的特征应该是创新能力强、经济效益好、结构合理、对外开放水平高同时兼顾绿色环保的高质量发展，需要高效、灵活且富有创新性的数字金融的支持。

当前中国经济正位于由效率驱动转向由创新驱动的关键阶段①，制造业也处于由高速增长转向高质量发展的关键时期，以银行为主导的传统金融间接融资方式无法满足制造业技术创新的需求。数字技术与金融服务融合是金融发展的自然规律，数字金融通过充分发挥其中介服务、资源配置和引导消费三大功能[21]，解决传统金融在微观、中观乃至宏观层面所存在的不足，能够分别从直接和间接两方面促进制造业的高质量发展，其传导机制如图1所示。

图1 数字金融影响制造业高质量发展的传导机制

2.1 数字金融对制造业高质量发展的直接影响

首先，数字金融基础功能在于提供中介服务，借助大数据、人工智能和云计算等数字技术，解决资金供需双方之间的信息不对称问题。通过对有融资需求的制造企业，特别是过去融资困难的“长尾企业”，进行事前筛选、事中追踪和事后监督，实时监控企业的生产经营状况和还款情况，降低借款违约概率，规避逆向选择和道德风险，从而营造一个良好的借贷环境，提高资金的利用效率，构建一个较为完备的资本市场，解决制造业的融资约束难题。其次，数字金融的主导功能在于提高资金配置效率[28]。一方面，数字金融拓展了服务边界，提高了金融服务的可获性，能够将社会闲置资金有效转化为金融资源，盘活“小、多、散”的民间资金。另一方面，数字金融简化了审批流程，节省了物理网点的租金，使得资金得以较快地从供给方流向与其要求相匹配的需求方，从而降低了金融交易成本。金融资源增加和金融交易成本减少所带来的资金存量增加是制造业高质量发展的重要支撑。最后，数字金融具有引导居民消费的衍生功能，低门槛、数字化、便捷性的数字金融服务有利于居民可支配财富的增加，进而提高该地区的人均收入水平。根据凯恩斯的绝对收入理论，当地的消费水平也有所提高，消费者素质也随之提高，需求偏好发生的变化使得购买商品的资金流向技术密集型、创新密集型行业，这要求制造业进行个性化、定制化、绿色化的柔性生产，从需求侧促进制造业的高质量发展。

基于以上分析，本文提出假设1。

假设1：数字金融与制造业高质量发展之间存在密切联系，且数字金融会对制造业高质量发展产生正向影响。

2.2 数字金融对制造业高质量发展的间接影响

从微观层面来看，技术创新是制造业企业高质量发展的重要前提，传统金融却更倾向于投资较为成熟项目以规避流动性风险。随着数字技术的不断成熟，数字金融则能够缓解有技术创新需求的制造业企业的融资约束。对于技术创新风险高、研发到成果转化周期长、回报率不确定的特点，数字金融可以借助数字技术提供一个稳定可靠的平台[29]，提高信贷市场的信息透明度，将高风险偏好投资者的资金与制造企业创新研发活动的融资需求相匹配，充分使用金融资源。从中观层面来看，数字金融所提供的充足资金能够确保创新研发活动正常运行，加快成果转化的进程，其数字化、高效率、网络化的商业模式有利于引导发现新商机、拥有新技术的创新型制造企业进入行业参与竞争，使得低效落后的企业退出行业，从而提升该行业整体的生产能力。从宏观层面来看，数字金融有利于制造业跨越新技术的初始障碍，实现先进技术的传播，促进中国制造业在全球价值链地位的攀升。一方面，中国制造业企业能够利用数字金融提供的资金购买国外高技术产品进行模仿而产生技术溢出效应。另一方面，数字金融自身所带有的数字属性支持并带动制造业行业科技创新，驱使其生产的产品技术含量提高，打破国际市场中对中国的“低端锁定”，助力中国制造业提高国际竞争地位。

基于以上分析，本文提出假设2。

假设2：数字金融以驱动制造业技术创新为媒介间接地促进制造业高质量发展，即制造业技术创新的中介效应为正。

2.3 数字金融与制造业高质量发展的非线性关系

金融发展与经济增长之间并非简单的线性关系，数字金融作为传统金融的有力补充，制造业作为实体经济的主导产业，数字金融与制造业高质量发展之间也可能存在着门槛效应。一方面，制造业技术创新水平高的地区凭借其广阔的发展前景和创造经济价值的潜力，能够吸引数字金融资源的流入，形成“资金充足-技术创新能力强-制造业高质量发展-资金更加充足”的良性循环。另一方面，技术创新水平的提升并非一个可以在短时间内完成的过程，高水平的技术创新意味着该地区吸引了大量高素质人才的集聚，并且有着大量前期经验的积累，诸如政府的支持力度更强、人力资本更丰富、居民生活水平更高、基础设施更加完善等外部因素的优势，也会使数字金融驱动制造业高质量发展的激励效应得到更为充分的释放。

基于以上分析，本文提出假设3。

假设3：在不同的技术创新水平下，数字金融与制造业高质量发展水平之间存在门槛效应，技术创新水平越高，则数字金融对制造业高质量发展所产生的作用越强。

3 模型设定与变量的选取和说明

3.1 模型设定

为了检验数字金融与制造业高质量发展水平的关系，并考虑到当期制造业高质量发展水平很有可能受到上一期的影响，从而导致内生性的问题，本文构建基准回归模型如（1）式：

（1）式中，i表示省份，t表示时间，MHQD表示制造业高质量发展水平，DFI表示数字金融总指数，它还包括覆盖广度、使用深度和数字化程度三个分指数，control表示控制变量，包括政府支持力度、经济发展水平、数字基础设施建设、传统金融发展和人力资本水平，α0为常数项，α1和δ′为系数，μi和σt分别表示地区和时间非观察效应，εit为随机扰动项，下同。

在基准回归模型的基础上，本文将制造业技术创新（npd）作为中介变量，考察数字金融对制造业高质量发展的影响机制，构建模型（2）和（3）式：

（2）式和（3）式中，γ0和β0为常数项，γ1、β1和β2为系数。本文采取以下步骤对数字金融、技术创新和制造业高质量发展之间是否存在中介效应进行检验：

第一步：检验模型（1）式中核心解释变量数字金融是否显著。

第二步：对中介效应模型进行回归后，若γ1和β2均显著，则进行第三步；若两者中至少有一个不显著，则进行第四步。

第三步：进一步检验模型（3）式中β1的显著性，若显著，则说明存在部分中介效应；若不显著，则说明存在完全中介效应。

第四步：对模型进行Sobel检验，若结果显著则存在中介效应，否则不存在中介效应。

第五步：最后比较β2和γ1是否与β1同号，若三者符号相同，则说明存在中介效应；若符号不同，则说明存在遮掩效应。

为进一步探讨数字金融与制造业高质量发展之间是否存在非线性的数字金融门槛效应，本文借鉴Hansen[30]提出的面板门槛模型，构建数字金融与制造业高质量发展的计量模型，见（4）式：

（4）式中，I（·）为示性函数，其值取决于门槛变量与门槛值，threshold为门槛变量，γ1、γ2…γn表示门槛值。

3.2 变量的选取和说明

3.2.1 被解释变量

制造业高质量发展水平（MHQD）。本文参考已有研究，构建了包括成果转化、经济效益、结构升级、对外开放和绿色环保5个一级指标和15个二级指标的复合评价指标体系，反映地区制造业的高质量发展水平见表1。

表1 制造业高质量发展水平复合评价指标体系

本文采用熵值法对制造业高质量发展水平进行测度，具体方法如下：

第一步，为消除不同量纲的影响，用极差法对各项指标进行标准化处理，正向指标见（5）式，负向指标见（6）式。

正向：

负向：

第二步，计算第i个省市的第j个指标的比重，见（7）式。

最后，计算第j个指标的权重即可，见（9）式。

在（5）式至（9）式中，Xij表示第i年份第j个指标的值，max（Xij）和min（Xij）分别表示各项评价指标的最大值和最小值，yij表示第i年第j个指标的权重，xij′表示经过标准化后的指标，m表示评价指标的年份总数，ej表示第j个指标的信息熵，wj表示第j个指标的权重。

经计算，制造业高质量发展水平变动趋势如图2所示。从图2中可以较为直观地看出，2011—2020年，中国的制造业高质量发展水平整体呈上升趋势，仅在2015年出现短暂的回落，且在2015年后制造业高质量发展水平的提升速度较2015年之前更快。其背后的原因在于，中国的制造业曾在2015年陷入收缩，面临着成本优势削弱、产能严重过剩、行业结构不合理、核心技术薄弱等困局，制造业PMI在2015年下半年持续位于临界点以下。面对经济下行压力，国务院正式发布旨在提升中国制造业创新能力的《中国制造2025》，全面推行制造强国战略，中国制造业从此步入制造大国向制造强国转变的历史跨越，制造业高质量发展水平从此不断提升。

图2 制造业高质量发展水平变化趋势

3.2.2 核心解释变量

数字金融指数（DFI）。本文选择北京大学数字金融研究中心与蚂蚁金服研究院所发布的“北京大学数字普惠金融指数”作为核心解释变量，并选择了覆盖广度（Wid）、使用深度（Dep）和数字化程度（Dig）作为分指数③。

3.2.3 中介变量与门槛变量

制造业技术创新水平（npd）。以往研究大多使用规模以上工业企业专利申请数、制造业拥有发明专利数、制造业R&D经费内部支出或技术市场成交合同金额等指标来衡量技术创新水平，而由于技术创新的成果转化周期较长，有一定的滞后性，在短时间内可能存在遮掩效应[14]。因此，本文选择制造业新产品开发项目数作为技术创新水平的衡量指标。

3.2.4 控制变量

政府支持度（gov）。政府可通过财政拨款、专项扶持、设立研发机构等方式引导制造业高质量发展，本文用一般公共预算支出来表示。

经济发展水平（pgdp）。一个地区的富裕程度越高，当地居民的消费水平就可能越高，制造企业为迎合消费者的偏好而生产高质量产品。本文用人均GDP表示该地区的经济发展水平。

数字基础设施（dinf）。诸如5G、大数据、互联网等基础设施的应用能够大幅提升企业的沟通效率和生产效率，有利于技术溢出和企业创新[31]。互联网作为数字技术应用的重要载体，本文用各省份互联网宽带接入端口数来表示数字基础设施情况。

传统金融发展（tf）。结合中国缺乏各省份金融资产和M2的统计数据且直接融资所占比值较低的实际情况，本文参考张宽等[32]研究方法，使用金融机构贷款余额衡量传统金融发展水平。

人力资本水平（hcl）。人力资本水平的提高有利于制造业学习能力、创造能力的增强，对制造业的高质量发展具有促进作用，本文借鉴聂秀华等学者[18]的研究经验，采用各省实际人均人力资本作为人力资本水平的代理变量。

3.3 数据来源

考虑到数据的准确性和可得性，本文以2011—2020年中国30个省份④的面板数据为样本，其中构建高质量发展的复合评价指标体系的相关数据和控制变量的数据，来自各省份的统计年鉴，部分缺失数据查阅该地区对应年份的《国民经济和社会发展统计公报》或使用插值法补齐；数字普惠金融指数来自北京大学数字金融研究中心发布的《中国数字普惠金融指数（2011—2020年）》。数据的描述性统计如表2所示。

表2 描述性统计

4 实证分析

4.1 基准回归模型结果

对数字金融总指数和分指数模型进行Hausman检验后，P值均为0.000，即在1%的显著水平上拒绝了随机效应的原假设，接受固定效应的备择假设，本文取核心解释变量和被解释变量的对数以消除异方差的影响，回归结果如表3所示。

表3 基准模型与稳健性检验回归结果

从表3可知，数字金融总指数能够在1%的显著水平上促进制造业高质量发展，数字金融总指数每增长1%，制造业高质量发展水平便会提高0.14%。从分指数来看，数字金融覆盖广度指数和使用深度指数、数字化程度指数分别在1%和5%的显著水平下促进制造业的高质量发展。反映数字金融规模的覆盖广度指数每增长1%，制造业的高质量发展水平便提高0.11%。反映实际使用数字金融服务情况的使用深度指数每增长1%，则制造业高质量发展水平便提高0.107%。反映用户使用金融服务便利性的数字化程度指数每增长1%，则制造业高质量发展水平变提高0.076%。另外，从控制变量上来看，政府支持力度和人力资本水平均能对制造业高质量发展起到显著的正向影响，传统金融发展存在的缺陷显著地抑制了制造业高质量发展，由于地区富裕程度和数字基础设施建设所产生的影响多元而又复杂，对制造业高质量发展所产生的影响在本模型中虽然不显著，但仍起到正向促进作用。

4.2 稳健性检验

鉴于系统GMM模型能够修正个体异质性、测量误差和潜在内生性问题，本文在原模型中加入滞后2期的制造业高质量发展指数作为解释变量，构建如（10）式所示的系统GMM模型进行稳健型检验：

表3列（5）所示的回归结果显示，数字金融总指数对制造业高质量发展的影响是显著的，其方向与基准回归结果一致，在数值上也未发生重大变化。通过AR（1）小于0.1但AR（2）的值大于0.1可知，随机扰动项存在一阶自相关，但不存在二阶自相关。由Sargan检验的p值大于0.05可知，本模型不存在工具变量的过度识别问题，即本模型的估计结果是有效的。因此本文的基准回归结果是可靠的，且具有良好的稳健性。

4.3 制造业技术创新的中介效应分析

在基准回归模型的基础上，本文引入制造业的技术创新水平指标检验数字金融对制造业高质量发展的作用机制，估计结果如表4所示。

表4列（1）回归结果显示，数字金融在5%的显著水平下对制造业的技术创新有着正向促进作用，在列（2）回归结果中，技术创新水平和数字金融的系数均显著，即控制了技术创新这一指标后，数字金融对制造业高质量发展的积极影响仍显著。根据上文中（2）式和（3）式的设定，β1、β2、γ1均显著且β2和γ1均与β1同号，即制造业的技术创新具有中介效应。

表4 中介效应估计结果

4.4 门槛回归结果分析

接着本文用面板门槛回归方法检验了数字金融的门槛效应，门槛效果检验如表5所示，门槛估计结果如表6所示，门槛回归结果如表7所示，数字金融与制造业高质量发展的门槛值及置信区间如图3所示。

表5 门槛效果检验

表6 门槛估计结果

表7 门槛回归结果

图3 数字金融与制造业高质量发展的门槛值及其置信区间

由以上回归结果可知，数字金融对制造业高质量发展的影响通过了单一门槛检验。当制造业每年新产品开发项目数小于或等于18 249件时，数字金融与制造业高质量发展在5%的显著水平上正相关，数字金融指数每增长1%，都会使得制造业高质量发展水平提高0.163%，此时的数字金融能够初步解决制造业技术创新的融资问题，提供相对充足的资金，驱动制造业高质量发展。当制造业每年新产品开发项目数大于18 249件时，数字金融与制造业高质量发展在1%的显著水平上正相关，数字金融指数每增长1%，都会使得制造业高质量发展水平提高0.220%，此时数字金融随着应用数字技术的不断深入而逐渐成熟，进一步缓解信息不对称问题，精准匹配资金供需双方提升资金利用效率，使得制造业技术创新能力更强，对制造业产生的积极作用更加多元化并产生协同效应，从而引导资金流向研发能力更强、生产产品更高端、财务状况更好、国际地位更高的环境友好型制造业中去，更为有效地促进制造业高质量发展。

此外，政府参与度的系数始终显著为正，即中国政府提供的财政支持在制造业高质量发展的全过程中发挥着积极作用。传统金融发展的系数始终显著为负，进一步证实了传统金融存在的结构性失衡、较高的交易成本和信息不对称问题，这些问题所带来的资金配置效率低下对制造业高质量发展产生阻碍，也充分说明中国大力发展数字金融从而满足制造业迫切需求的必要性。

5 结论与建议

本文通过熵值法测算了我中国的制造业高质量发展水平，通过固定效应模型验证了数字金融总指数及子指标均会对制造业高质量发展产生显著的促进作用，并通过系统GMM模型证实了这一结论的稳健性，接着又通过中介效应模型证实了技术创新在数字金融支持制造业高质量发展中发挥着中介效应，通过面板门槛效应模型验证了数字金融与制造业的高质量发展并非简单的线性关系，而是在不同技术创新水平下存在单一门槛效应。

对于以上实证结果，本文提出以下建议：

首先，要继续大力发展数字金融。进一步促进数字技术与金融的融合，从而弥补传统金融系统的不足。不断提高数字金融的用户覆盖率，充分发挥数字金融的网络效应，使得制造企业所需的金融服务便捷化、可触达。不断完善数字金融业务，通过信息化手段消除数字鸿沟，使金融资源在制造业行业内达到最佳配置效率。不断加强数字基础设施的建设，实现信息与资源互通，可以通过政策、税收等方式引导金融资源流向以制造业为代表的实体经济。同时，要继续发挥数字金融的普惠特性，提高居民的消费水平，构建消费导向型市场，从需求侧拉动制造业高质量发展。

其次，在推进数字金融过程中，要为制造业的技术创新营造一个良好的创新环境。完善技术创新体系，提高制造业行业的自主创新能力，提升中国制造业的竞争力，引导数字金融服务更多地面向制造业企业引进高新技术、购买先进生产设备、提升生产工艺等方面的业务，并利用数字金融自身的数字资源和技术属性为制造业的创新提供启发。

再次，要注重技术创新经验的积累。除了应用性创新之外，还要鼓励制造业的基础性创造，使企业与高校、科研院所产学研相结合，培养创新型人才，努力攻克制造业行业中存在的“卡脖子”技术。

此外，还需要建立有效的数字金融监管体系。数字金融也带来了新的风险和挑战，这些未知因素的积累将会令数字金融对制造业高质量发展的促进作用减弱。要有防范和化解重大金融危机的居安思危意识，借助大数据、人工智能、区块链等科技手段及时发现问题，避免出现系统性风险。

注 释：

① 依据世界银行发布的《全球竞争力报告》，经济体可根据人均GDP划分为要素驱动经济、效率驱动经济和创新驱动经济三种类型五个阶段。人均GDP在2 000美元以下为要素驱动发展阶段，在2 000～3 000美元之间表示经济体处于要素驱动转向效率驱动发展阶段，在3 000～9 000美元之间表示经济体处于效率驱动发展阶段，在9 000～17 000美元之间表示经济体处于效率驱动转向创新驱动发展阶段，超过17 000美元则表示经济体已经处于创新驱动发展阶段。

② 其中，传统制造业与现代制造业区分的标准主要以技术为参照，本文对传统制造业的界定参考《国民经济行业分类》（GB/T，4754-2017）并借鉴以往研究成果，包括农副食品加工业，纺织业，木材加工和木、竹、藤、棕、草制品业，黑色金属冶炼和压延加工业，有色金属冶炼和压延加工业，金属制品业，工艺品及其他制造业。高技术产业依据《高技术产业（制造业）分类（2017）》全国统一分类标准，包括医药制造业，航空、航天器及设备制造业，电子及通信设备制造业，计算机及办公设备制造业，医疗仪器设备及仪器仪表制造业，信息化学品制造。

③ 本文所选用的30个省份的数字金融指数为北京大学数字金融研究中心课题组的研究成果：郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020（4）：1401-1418.

④30个省份包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、内蒙古、重庆、四川、贵州、海南、云南、陕西、广西、甘肃、宁夏、青海、新疆。