研发投入、基础研究与普惠金融数字化转型*

陈晓东 邓斯月

一、引言

2016年，数字普惠金融的概念首次在G20杭州峰会上提出；党的十九大报告提出，着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系；2021年《政府工作报告》提出了加快数字化发展，建设数字中国的要求；《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》提出，要健全具有高度适应性、竞争力、普惠性的现代金融体系；党的二十大报告明确提出，加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群；2022年世界互联网大会的主题为“共建网络世界 共创数字未来——携手构建网络空间命运共同体”，凸显了数字经济、数字金融对推动后疫情时代经济发展、挖掘经济增长新动能的重要作用。

近年来，随着互联网技术的蓬勃发展，数字普惠金融得到了飞速的发展，可以在一定程度上帮助企业降低金融服务门槛、减少成本、提高服务效率、突破瓶颈、解决难题。新时期，尤其是后疫情时代，数字普惠金融凭借覆盖范围大、服务成本低等优势，成为促进经济转型发展的重要驱动力。可以说，在未来的一段时间，数字普惠金融将与经济的高质量发展紧密相连。

R&D经费投入的规模及强度，反映了一个地区对科学技术研发投入的重视程度，也能在一定程度上代表科学技术的发展情况。科学技术的发展可以通过提高劳动生产率带动就业，并进一步促进消费，推进地区支付、存贷款、保险、证券等多种金融项目的有序开展。R&D经费投入对地区科技的进步、经济的发展、金融领域的深化起到显著的正向促进作用。我国仍是发展中国家，在经济下行风险加大且受新冠肺炎疫情影响的情况下，财政收支趋紧，R&D经费投入的总额是有限的，不同省份对基础研究经费的投入也有一定的差异，经济发达省份的财政预算资金相对充裕，相应的科技投入也会比较多,科技的发展又进一步促进该省经济的发展、人均收入的提高、金融市场的改善；而相对落后的省份由于财政资金的趋紧、疫情的冲击，对区域内的R&D经费投入相对较低，进而导致区域内科技发展的滞缓。不同省份对R&D经费投入、科技发展的重视程度的差异进一步拉大了各省份科技发展的差距，加剧了科技发展的不均衡性。但是不同省份的经济基础不同，R&D经费投入也不可能在规模上保持一致，因而需要探究R&D经费投入规模、占地区生产总值比重对区域内金融发展的影响程度，是在其他因素不变的情况下越大越好，还是存在一个发展的阈值。本文以此为切入点，从省域面板数据出发，利用2011～2022年省域面板数据，探究R&D经费投入、基础研究竞争情况对数字普惠金融的影响。

二、文献回顾

随着数字普惠金融在我国的普遍推广，其对我国经济的高质量发展发挥着越来越重要的作用。诸多学者也从不同角度对其进行了较为深入的研究，主要集中在数字普惠金融指数的构建、数字普惠金融指数测算、数字普惠金融与经济发展的相关性、数字普惠金融对缩小城乡收入差距的影响作用等方面。

(一)数字普惠金融概念的提出

普惠金融指有效且能全方位为社会各阶层与群体提供服务的金融体系，具体指通过完善金融基础设施，提供便捷的金融服务，以相对较低的成本与时间向社会群体提供金融服务，尤其是经济相对欠发达的地区与社会群体中收入相对较低的群体。2005年，联合国首次引用这一概念，并将其用于2005年的“国际小额信贷年”的宣传，随后该发展模式被联合国与世界银行大力推广。2005年，普惠金融概念被引入了我国。2013年，党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》，对普惠金融在我国的落地发展起到了重要作用。2015年，国务院发布的《推进普惠金融发展规划(2016—2020年)》对普惠金融进行了更加翔实的部署，进一步明确了普惠金融的定义：普惠金融是指立足机会平等要求和商业可持续原则，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务。

随着网络与移动通信技术的广泛应用，普惠金融也从最初的关注银行实体网点、信贷服务的便捷获得性，转变为关注支付、存贷款、保险、证券等多维度、多领域的金融服务。当前，普惠金融与数字金融的交互性、高度关联性发展，为互联网高新技术企业发展提供了机遇。数字普惠金融以信息化技术与金融创新产品为主体，扩大了覆盖范围，降低了服务成本。数字普惠金融已成为普惠金融不可或缺的一部分。可以说，在互联网蓬勃发展的当下，数字普惠金融是普惠金融的创新发展形式，也是我国金融领域创新发展的重要推动力。大力发展数字普惠金融，对于提高我国金融领域发展水平，尤其是欠发达地区的经济发展有重要的意义。

(二)关于数字普惠金融的现状研究

杜晓山(2006)较早从客户、微观、中观、宏观四个维度，构建普惠金融体系，论述小额信贷的发展。他认为，小额信贷可以在一定程度上增加农村金融的供给并能够有效缓解农村信贷不足的难题，此外他也认为普惠金融通过小微贷款培训、员工双向激励等多种措施对数字金融起到正向的促进作用，形成良性循环，推动普惠金融的可持续发展。阿尔弗列德·翰尼葛等(2011)提出，要提倡金融包容性，融资模式的创新将成为破解小微企业融资困境的有效抓手。吴晓求(2015)认为，与传统金融相比，高度参与互联网经济的数字金融对于大规模企业金融与高收入群体金融转型到普惠金融有一定的优势，在互联网技术高速发展的当下，对数字金融进行一定程度的规范，有利于推进普惠金融高质量发展。

何婧等(2017)指出，近年来互联网金融得到了高速的发展，但目标偏移大、金融排斥严重、企业融资成本高等问题仍然存在，数字普惠金融是破解类似问题的关键，可以有效缓解金融服务“最后一公里”的难题，加快推进普惠金融发展。中国人民银行开封市中心支行课题组(2021)认为，数字化的支付体系在一定程度上缓解了新冠肺炎疫情带来的负面影响，银行互联网支付方式、公益性小额信贷公司等金融机构为中小企业提供了资金渠道，为复工复产作出了重要的贡献。

此外，一些学者认为数字普惠金融与地区的经济发展存在相关性。刘亦文等(2018)认为数字金融与经济发展存在显著的正相关性，广度、深度、数字化程度均能在不同程度上促进经济增长。钱海章等(2020)通过双重差分法证实了数字金融与经济增长的正相关性，认为技术创新与地区创业有很强的关联性。蒋长流和江成涛(2020)对258个地级市进行了实证分析，认为数字普惠金融对大城市与小城市的经济高质量发展存在不同的效应，同时也存在收敛门槛与加速门槛。

刘洋和陈晓东(2021)通过构建数字经济发展综合指标体系，认为数字经济可以通过影响人力资本和科技创新，间接促进产业结构升级。陈晓东和刘冰冰(2022)在此基础上，通过构建省域数字经济指数，对其进行了补充，并认为数字经济发展存在明显的区域异质性且区域数字经济发展的差距在逐渐缩小。陈晓东(2022)认为数字经济对区域的协调发展起到重要的作用，要着力构建区域间协同发展与优势互补机制、缩小区域数字经济发展差距。

部分学者认为数字普惠金融可以在一定程度上缩小城乡间的收入差距，对于脱贫的工作开展有着重要的意义。田杰和陶建平(2011)通过县域面板数据，从国家与区域两个层面对农村地区的金融排斥与城乡收入差距进行了实证研究，认为数字普惠金融的深化发展会在一定程度上缩小城乡间收入差距，且存在区域的异质性。李建伟(2017)认为周边省份的数字普惠金融发展对本省的辐射带动效果不显著。张子豪和谭燕芝(2018)在此基础上，利用SDM模型分析，认为本省数字普惠金融的发展扩大了周边省份的城乡收入差距，与使用深度相比，覆盖广度更能有效缩小城乡收入差距。耿良和张馨月(2019)利用杜宾模型，从空间溢出视角分析出发，认为城乡收入差距的缩小会在一定程度上反作用于本省普惠金融发展，但对周边省份的溢出效应不明显。杨虹等(2021)认为数字普惠金融可以通过降低金融服务成本、提高农户教育水平、提升农村就业创业三种路径推动脱贫工作开展。孙继国等(2020)认为数字普惠金融对中西部的减贫效应大于东部地区、对农村的减贫效应大于城镇。顾晓安等(2020)通过固定效应模型实证分析，认为数字普惠金融对贫困县、省级贫困县、国家级贫困县的减贫效应存在递减关系。

(三)数字普惠金融指标体系的构建

一些学者通过构建指标体系，测量了数字金融的发展情况。焦瑾璞等(2015)率先对我国普惠金融发展进行了分析，构建了普惠金融体系，探讨金融服务可获得性、应用状况和服务质量。杨军等(2016)在焦瑾璞等(2015)研究的基础上，构建了县域普惠金融发展评价指标体系。王韦程(2015)基于供给、需求与外部因素，构建了中国普惠金融指数。郭峰等(2020)利用蚂蚁集团的数据，运用指标无量纲化与层次分析法，对数字金融覆盖广度、数字金融使用深度与普惠金融数字化程度进行汇总，构建了北京大学数字普惠金融指数。

(四)本文研究的创新点

现有的研究多集中在数字普惠金融指数构建、省域及地级市数字普惠金融指数测算、数字普惠金融与经济发展的相关性、数字普惠金融缩小城乡收入差距的作用等方面。现有研究中，学者们多将数字普惠金融视为解释变量，分析其对经济社会各方面的积极影响，而较少进行科学技术发展与数字普惠金融的讨论，尤其是缺少R&D经费投入情况与数字普惠金融关系的研究。数字普惠金融发轫于互联网技术飞速发展的当下，其发展与科技的发展息息相关，而科技的发展又与R&D经费的投入紧密相连，本文以此为切入点，从省域面板数据出发，分析R&D经费投入与数字普惠金融的相关性，探究R&D经费投入对数字普惠金融的影响。

本文的创新点主要体现在以下几方面。一是对研究维度与视角进行创新。通过实证分析，探究R&D经费投入规模、占地区生产总值比重与数字普惠金融三个维度(即数字化程度、数字金融覆盖广度、数字金融使用深度)是否存在相关性。二是由于R&D经费投入总额有限，为探究不同省份R&D投入规模及占比对数字普惠金融的效应是否存在差异性，构建了基础研究竞争指数FIC，探究区域间基础研究的竞争性对数字普惠金融的影响。三是本文系统梳理了数字普惠金融相关概念、我国数字普惠金融的发展现状，明晰了数字普惠金融的研究脉络。

三、数字普惠金融指数的构建

后疫情时代，我国各省份(1)由于本文内容涉及大量省级数据，为行文及阅读方便，此处及下文省份均指省(区、市)。经济发展规模、增幅均趋紧，改革开放以来，部分省份的收入增幅呈现负增长。互联网蓬勃发展的当下，数字普惠金融以其便利性、及时性、低成本等诸多优势成为破解经济发展难题的关键。可以说，数字普惠金融的发展在一定程度上影响了经济发展的速度、质量，对域内居民生活水平的提高也至关重要。本文采用郭峰等(2020)编制的数字普惠金融指数，运用普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度三个指标衡量各省份数字普惠金融的发展情况。研究发现，数字普惠金融在2011～2022年呈现指数性增长，我国东部省份排名靠前；西部省份提升较快；此外，对于东北省份而言，除辽宁外，2020年均位于20位以后，值得关注的是，黑龙江排名由2011年的第16位下降到2020年的第28位。

(一)数字普惠金融指标体系

为分析我国数字普惠金融的现状，本文参见郭峰等(2020)的方法，将采用中国数字普惠金融指数描述中国数字普惠金融的发展情况。中国数字普惠金融指数始于2011年，由北京大学数字金融研究中心与蚂蚁金服集团共同编制，基于蚂蚁金服的交易账户大数据得出，可靠性与准确性有一定保证。该指标以数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度三个维度为切入点、通过11个二级维度、33个细分指标，构建数字普惠金融指标体系，具体指标构成如表1所示。

表1 数字普惠金融指标体系

续表

(二)我国数字普惠金融发展现状

中国数字普惠金融始于公益性小额借贷，随后衍生为支付、信贷等多元的金融服务，得益于互联网经济的蓬勃发展，数字普惠金融得到了指数性的增长，由2011年的40.8增长到2020年的342.2，9年间增长了738.7%，表明中国的数字普惠金融增长迅速(见表2)。

表2 部分年份我国数字普惠金融的发展情况

从排名来看，上海(2011年80.2，2020年431.9)、北京(2011年79.4，2020年417.9)、浙江(2011年77.4，2020年406.9)一直位列前三位，排名靠前的省份均位于我国东部地区。从排名变化看，河南提升最快，由2011年的第24位(28.4)提升至2020年的第14位(340.8)；第二是安徽，由2011年的第18位(33.1)提升至2020年的第9位(350.2)；第三是江西，由2011年的第22位(29.7)提升至2020年的第15位(340.6)，排名提升较快的省份均为我国中部省份(见表2)。

从增幅来看，相比2011年，2022年贵州(1567.2%)、青海(1527.0%)、甘肃(1521.5%)的数字普惠金融指数增幅位列前三名，增幅较多的省份均为我国西部省份。从排名、排名变化、增幅的情况看，我国东部省份数字普惠金融基础发展较好，中部省份数字普惠金融排名提升较多，西部省份数字普惠金融改善程度较好(见表2)。

分地区来看，东部地区发展程度最高，中部次之，西部最后；而东北地区，除辽宁外，2020年排名均位于20位以后，值得关注的是，黑龙江排名由2011年的第16位(33.6)下降到2020年的第28位(306.1)。

四、实证研究

发展数字普惠金融已成为经济发展、提升居民生活质量、缩小城乡收入差距的重要抓手，其重要性与意义不言而喻。为探究R&D经费投入情况对数字普惠金融的影响，本文采用2011～2020年省域面板数据进行实证分析，用普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度三个指标衡量地区数字普惠金融的发展程度。研究发现，投入规模、强度对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度有显著的正向促进作用，对不同省份的影响也存在异质性，对经济发展相对落后的省份促进作用较大。考虑到各省份的经济发展存在一定差异，R&D经费投入存在一定的竞争性，在参照马廷灿等(2011)研究方法的基础上，构建了基础研究竞争指数(FIC)。研究结果显示，随着省域R&D经费投入与发明专利在全国占比的增加，研发竞争力随之增强，对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度的影响也随之增强。

(一)2016～2021年我国R&D经费投入情况

R&D 经费的投入强度能够体现国家的创新能力，对增强我国科技竞争实力具有重要的意义。科技进步是国家经济发展的基础，加大R&D经费投入强度，对创新型国家建设、增强整体科技竞争实力具有十分重要的意义。据《中国统计年鉴(2022)》数据，2021年我国R&D经费投入2.78万亿元，同比增长14.2%，R&D经费占GDP比重达到2.44%，同比增长0.03个百分点，接近OECD国家新冠肺炎疫情前的平均水平(2.47%)。其中，基础研究经费0.17亿元，同比增长15.6%，占 R&D经费比重6.09%，同比增长0.08个百分点。R&D经费投入规模及占比的提高，反映了我国对科学技术发展的重视及各地区对新发展理念的有效落实。

(二)R&D经费对数字普惠金融有正向的促进作用

为探究研发经费投入与数字普惠金融的关系，首先构建R&D经费与数字普惠金融之间的实证模型。

Digeitm=β0+β1lnrdit+β2cityit+β3eduit+β4gdpgit+θit+εit

(1)

其中，Digeitm表示i省份t年的数字普惠金融指数，用北京大学数字普惠金融指数构建的普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度三个指标来表示；lnrd表示R&D经费的投入情况，用当年R&D经费的对数值表示；cityit表示i省份t年的城镇化情况；eduit表示i省份t年的本科及以上文化程度占全部学生的比例情况；gdpgit表示i省份t年的地区生产总值增长情况；θit表示年份虚拟变量。具体的数据描述如表3所示。

表3 相关变量及含义

表4是对式(1)随机效应的实证描述，第(1)列至第(3)列分别是R&D经费投入对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度进行回归分析的结果，回归系数均为正，即均产生了正向效应。值得关注的是，R&D经费投入对数字金融覆盖广度的系数大于数字金融使用深度与普惠金融数字化程度，说明R&D经费投入的增加对数字金融覆盖广度的正向作用最大，其次是使用深度；即R&D经费投入的增加会对推广数字普惠金融产生显著的正向效应，在经济相对落后、数字技术普及欠缺的地方更加有效果。此外，城镇化率与地区生产总值增长率对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度存在负向效应，说明了在城镇化率相对较低的地区加大R&D经费的投入，可以提升数字普惠金融程度。

表4 R&D经费对数字普惠金融的随机效应影响

续表

(三)R&D经费对数字普惠金融存在最大影响的阈值

表4已通过实证分析证实了R&D经费投入会对数字普惠金融产生正向影响，为了探究R&D经费投入规模与数字普惠金融的相关关系，即是否为非线性、存在门槛效应、有最优效应的阈值，引入了式(2)，即R&D经费的平方项。

Digeitm=β0+β1lnrdit+β2lnrdit×lnrdit+β3cityit+β4eduit+β5gdpgit+θit+εit

(2)

表5是对式(2)的实证分析，第(1)列至第(3)列分别为R&D经费投入对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度的随机效应回归，R&D经费对数字普惠金融数字化程度的一次项为负、二次项为正，且均显著，说明R&D经费的增加会显著提高域内数字普惠金融程度，但存在一定的阈值，即R&D经费在一定范围内会对数字普惠金融产生正向效应，而超过该阈值，将对数字普惠金融起到负向效应，而对数字金融覆盖广度和数字金融使用深度并不存在阈值。

表5 R&D经费对数字普惠金融门槛效应的实证估计结果

(四)增加R&D经费强度对提高数字普惠金融有显著的正向影响

式(1)与式(2)探讨了R&D经费投入规模对数字普惠金融的正向效应，不同省份的经济发展不同，因而仅从R&D经费投入规模探究影响具有一定的局限性。国际上一般将R&D经费占地区生产总值的比重作为衡量科技创新的重要指标，本文也依据国际惯例将其引入，代表某省份R&D经费的投入情况，表示某省份对科学技术的重视程度。

本文在式(1)的基础上引入prordit，表示R&D经费占地区生产总值比重，由此构建了式(3)，式(1)与式(3)除将核心解释变量R&D经费规模替换为R&D经费占地区生产总值比重外，其他控制变量均不变。

Digeitm=β0+β1prordit+β2cityit+β3eduit+β4gdpgit+θit+εit

(3)

表6对式(3)的实证结果进行了汇报。第(1)列至第(3)列分别为R&D占地区生产总值比重对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度的回归分析，实证结果与R&D经费投入(见表1)的结果基本一致。

表6 R&D经费占比对数字普惠金融的随机效应影响

随着R&D经费在地区生产总值中占比的增加，对数字普惠金融的促进作用也随之增大，即存在显著的正向效应。在其他因素不变的情况下，增加R&D经费在地区生产总值中的占比，对城镇化率较低、教育程度落后、经济欠发达的省份，数字普惠金融的正向促进作用相对较大。

(五)基础研究竞争指数对数字普惠金融有正向影响

在后疫情时代，各省财政收入趋紧的现状下，R&D经费的总投入是有限的，如何在R&D经费投入相对不变的基础上，将数普惠字金融的“蛋糕”做大，缩小各省份数字普惠金融的差异，弥补城乡数字金融的发展鸿沟，是当前科学技术发展的难题与关键点。

R&D能在一定程度上反映域内对科学技术的重视，但对域内数字普惠金融产生的影响有多大却并不明确，是否能带来更多的创新发明也不明晰。为探究不同省份基础研究竞争能力是否会对域内数字普惠金融产生影响，本文在参考马廷灿等(2011)构建的竞争能力基础研究综合竞争指数(NSFC)的基础上，构建了基础研究竞争指数FIC，并将其作为后续论证的核心变量。具体公式如下：

(4)

式(4)中A某省域-某年表示某省份某年国内发明专利申请受理数，平均A某省域-某年为30个省份某年的平均国内发明专利申请受理数；RD某省域-某年为某省份某年R&D经费情况，平均RD某省域-某年为30个省份某年的平均R&D经费情况。式(5)在式(1)的基础上引入FICit，作为后续研究的核心解释变量，用以代表某省份t年的研究支出竞争指数。

具体的实证模型如下：

Digeitm=β0+β1FICit+β2cityit+β3eduit+β4gdpgit+θit+εit

(5)

表7是对式(5)的随机效应实证描述，其中FICit对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度均产生了正向效应。说明随着基础研究竞争指数的提升，该地区的数字普惠金融程度也在增加，且对指数使用深度的影响要大于对指数使用广度的影响。城镇化率、高学历人才比例与数字普惠金融成正比，即说明在其他因素不变的情况下，R&D与发明专利在全国占比的增加与数字普惠金融存在显著的正向效应。

表7 基础研究竞争指数对数字普惠金融指数的随机效应影响

(六)基础研究竞争指数对数字普惠金融存在最优效应的阈值

上述的实证结果均表示基础研究竞争指数对数字普惠金融有显著的正向效应，但基础研究竞争指数是否是越大越好，是否存在促进数字普惠金融发展的最优阈值？基于此，本文在式(5)的基础上，引入基础研究竞争指数的二次项，建立了动态面板方程式(6)。

Digeitm=β0+β1FICit+β2FICit×FICit+β3cityit+β4eduit+β5gdpgit+θit+εit

(6)

表8列示了式(6)的实证分析结果，探究基础研究竞争指数对数字普惠金融是否存在最优影响的阈值，第(1)列至第(3)列分别为普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度。在上述实证结果中，基础研究竞争指数的一次项均显著为正，而二次项均为负数，表明基础研究竞争指数在阈值范围内对域内数字普惠金融有正向的促进效用，但超过该值反而会抑制域内数字普惠金融发展。

表8 R&D经费对数字普惠金融门槛效应的实证估计结果

(七)R&D投入与基础研究竞争指数对数字普惠金融的影响机制研究

前文已经通过实证分析，验证了R&D投入与基础研究竞争指数对数字普惠金融存在显著的促进作用，为进一步探究影响机制(见图1)，本文引入产业结构升级指数。

图1 R&D投入与基础研究竞争指数对数字普惠金融的影响机制

本文认为，R&D投入与基础研究会进一步对域内产业结构情况进行优化，对于三大产业重新布局有显著的促进作用，并能在一定基础上促进域内普惠金融数字化程度的提高。因此，本文引入了产业结构升级指数。依照前人的研究，本文设定影响我国各地区生产总值(Y)的三大要素：劳动(L)、资本(K)和政府财政支出(G)。

Yit=f(Lit，Kit，Git)

(7)

本文基于柯布—道格拉斯生产函数(C-D函数)，假设i地区在t时的C-D函数为：

(8)

假设技术水平不变，对式(7)进行对数化处理，得到：

lnYit=δ+αlnKit+βlnLit+γlnGit

(9)

在式(8)中，地区生产总值由劳动、资本及财政支出决定，结合本文的研究目的，将式(9)左边的地区生产总值由产业结构升级指标替代，即产业结构升级指标，用Upisit来代表。

表9的第(1)列、第(2)列分别为R&D投入与基础研究竞争指数对产业结构升级的随机效应分析，实证结果显示，lnrd与FIC的系数均显著为正，即R&D的投入与基础研究竞争指数对产业结构升级呈现显著的正向效应。

表9 R&D投入与基础研究竞争指数对产业结构升级的随机效应影响

表10的第(1)列至第(3)列分别为产业结构升级对普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度的随机效应分析，实证结果显示，三者对产业结构升级均有显著的促进作用。表9与表10证实了R&D投入与基础研究竞争指数可通过促进域内产业结构升级，进而提高数字普惠金融指数，促进域内普惠金融数字化转型。

表10 产业结构升级对数字普惠金融指数的随机效应影响

五、稳健性检验

考虑到动态面板数据模型可能会存在内生性，本文利用差分GMM进行回归，进行稳健性检验。

Digeitm=β0+β1Digei，t-1，m+β2Xit+β3eduit+β4gdpgit+θit

(10)

其中，Digeitm代表i省份t年数字普惠金融情况，Dige_(i，t-1，m)代表数字普惠金融滞后一期的情况，Xit为本文的核心变量，分别代表R&D投入情况与基础研究竞争指数，为了保证实证研究前后的一致性，其他变量均保存不变。

式(10)采用的动态面板数据，模型因引入了上一期的滞后项，为了处理存在内生性问题，对模型的一阶差分消去个体效应εit，处理过程如下：

ΔDigeitm=β0+β1ΔDigei，t-1，m+β2ΔXit+β3Δeduit+β4Δgdpgit+Δθit

(11)

其中，Digeitm与εit存在相关性，故ΔDigeitm≡ΔDigei，t-1，m-ΔDigei，t-2，m与Δθit≡θit-θi，t-1相关，ΔDigei，t-1，m为内生变量，应找到合适的工具变量才能得到稳健的结果。差分GMM采用了工具变量的方法，有效地解决了变量的内生性问题。表11与表12分别为R&D投入对数字普惠金融指数、基础研究竞争指数对数字普惠金融指数的稳健性检验，结果显示核心指标均显著，即通过稳健性检验。

表11 R&D投入对数字普惠金融指数的稳健性检验

续表

表12 基础研究竞争指数对数字普惠金融指数的稳健性检验

表11与表12中的L.X表示普惠金融数字化程度、数字金融覆盖广度、数字金融使用深度的一阶滞后项，实证结果显示该变量系数均显著为正，即前文的实证结果稳健可靠。

此外，本文也运用Sargan方法进行了过度识别检验，各方程的P值均大于0.05，即各方程均在5%的水平上显著，不能拒绝“所有工具变量均有效”的原假设，即不存在过度识别的问题。

六、主要结论及政策建议

得益于互联网金融的高速发展，数字普惠金融已经成为促进经济发展、缩小城乡差距的重要驱动力，而R&D经费投入则是衡量区域核心竞争力、社会经济发展水平与技术进步的重要指标。本文在总结前人研究的基础上，对研究维度与视角进行了创新，以2011～2020年的省域面板数据为切入点，进行实证分析，探究R&D经费投入规模、强度与数字普惠金融的相关关系，结果均显著为正，即R&D经费投入会对数字普惠金融产生正向的促进作用；并在此基础上引入了基础研究竞争指数，旨在探究地区间基础研究的竞争性对数字普惠金融的影响，实证结果显示基础研究竞争能力与数字普惠金融存在正相关关系。

(一)主要结论

1.增加R&D经费投入规模对数字普惠金融有显著的促进作用

科技的进步和发展与科技资金的投入紧密相关， R&D经费投入则是科技经费的重要来源。R&D经费投入的情况，一方面能代表该区域对科学技术的重视程度，另一方面也能在一定程度上代表某地区科学技术的发展水平。本文通过实证分析可知，R&D经费投入的增加会对数字普惠金融产生正向的促进作用，即在其他因素不变的情况下，增加R&D经费的投入可以有效提升区域科学技术水平，进而提升劳动生产率，带动更多就业，并进一步促进消费，推动域内支付、存贷款、保险、证券等多种金融项目有序开展。

2.R&D经费投入规模对数字普惠金融存在非线性的门槛效应

本文通过实证分析，认为在一定范围内增加R&D经费投入会对数字普惠金融产生正向促进作用，而超过该阈值反而不利于数字普惠金融的提升。R&D经费投入可以在一定程度上提升区域的科技发展水平，但当R&D经费投入增加到一定的规模后，会出现边际递减效应，因而R&D经费投入的规模应控制在一定的范围内，否则会产生规模不经济，造成一定程度上的资源浪费，不利于促进经济的平稳增长与数字普惠金融的有效提升。

3.增加R&D经费投入强度对提高数字普惠金融有显著的正向作用

通过实证分析，发现增加R&D经费投入会对数字普惠金融起到正向的促进作用，但是不同省份的经济发展水平不同，财政收入也存在一定的差异，因而单纯从规模看“量”的大小，仍然缺少一定的现实指导意义。因此，本文引入R&D经费投入占GDP比重，该指标是衡量地区科技创新能力的核心指标。通过实证分析可以得出，增加R&D经费在GDP中的占比，将显著提高域内数字普惠金融发展水平，即重视R&D经费投入、增加R&D经费投入强度，会显著提高该省份的科学技术水平，对数字普惠金融发展水平的提高有显著的促进作用。

4.基础研究竞争指数对数字普惠金融有正向的促进作用，且对不同省份存在异质性

在后疫情时代，各省财政收入也开始趋紧，R&D的总投入经费也逐渐缩紧，如何在R&D总投入金额相对固定的情况下，最大限度地增加省域数字普惠金融水平，成为破解财政收入趋紧的关键。本文在马廷灿等(2011)研究的基础上，构建了基础研究竞争指数FIC，探究基础研究竞争指数与数字普惠金融的相关关系，实证结果表明，随着基础研究竞争指数的增加，数字普惠金融也会随之增大，对于该地区的普惠金融指数、指数覆盖广度、指数使用深度均有显著的促进作用，且对深度的正向影响要大于广度。

(二)政策建议

1.进一步加大R&D经费的投入规模与投入强度

R&D经费投入不仅是保障地区赢得创新竞争的重要因素，也是衡量区域科技创新水平的重要指标。通过增加R&D经费的规模与投入强度可以显著地提高地区的科学技术水平。但值得关注的是，现阶段，我国国家财政科技支出的R&D经费占比并不高，地方财政科技支出的R&D占比更低。地方政府增强对辖区内科学技术发展和经济发展水平的了解，更能精准施策，R&D经费也能够更加精准地投放，应当积极鼓励地方政府增加科学技术研发经费的投入，提升地区科学技术的研发水平，促进地区的经济发展，提升域内数字普惠金融的发展水平。

2.积极推动科技与数字普惠金融的协调发展

R&D经费投入规模与强度的增加，会对区域内的科学技术发展、经济发展水平、数字普惠金融程度产生积极的促进作用，但增加R&D经费的投入仅是在“量”上做加法。除此之外，强化相关政策的支持力度，将其摆在经济发展的核心位置上，实现前瞻性、引领性的发展，仍需通过出台保障科学技术发展的系统政策，为区域内科学技术发展、数字普惠金融发展水平的提高保驾护航。

3.根据经济发展水平差异因地制宜精准施策

由于经济实力、科研人员富集程度、政府R&D经费投入等方面的差异，不同省份科学技术的发展差异性较大，科学技术发展趋势也不尽相同。对于北京、上海、浙江、江苏、广东等科学技术发展相对较好的省份，一方面，鼓励地方政府加大R&D经费的投入规模与强度，提高地方政府科学技术研发的积极性；另一方面，鼓励这部分地区进一步提高“原创性”的创新能力，形成一批科研能力强、创新程度高的高新技术企业，发挥辐射带动效应。对于自身经济基础条件相对较差、科技资源相对贫乏的省份，中央政府可以通过增加国家R&D经费投入、政策倾斜等举措引入先进的互联网技术、高素质人才与社会资金等优质资源，构筑有利于数字普惠金融发展的环境，缩小区域发展差距。

4.鼓励各市场主体加大研发投入力度与开展合作

科学技术的发展、数字普惠金融发展水平的提高关乎整个社会的发展水平与经济红利，政府应积极出台系列政策、增加经费投入。但是仅依靠政府是不够的，还应该积极调动区域内企业、高校积极参与。一方面，可以通过增加企业基础研究投入的力度、对科技研发投入较大的企业进行税收补贴等方式，降低企业科技投入难度与成本；另一方面，也要加强企业与高等院校、科研院所的合作，将更多的研发成果、发明专利尽快转化为市场化的产品，激发市场活力，促使科技带来更多的发展红利。

5.加快完善普惠金融数字化基础设施建设

提升数字普惠金融发展水平除了要在供给侧顺势而为以外，还要在需求侧关注消费者的金融需求，尤其是要关注欠发达地区。一方面，要加强对欠发达地区，尤其是偏远农村地区的网络基础设施建设，完善“硬件条件”。可以通过政策补贴、公开招标、政策引导等多种形式，鼓励企业研发适应低收入群体的智能终端设备，提供价格优惠、操作简单的数字化服务。另一方面，开展针对低收入群体与老年人的数字化技能培训，普及数字普惠金融知识，提高弱势群体金融素养，实现“软件提升”，强化弱势群体应用数字技术和金融服务的能力，使其能平等享受数字普惠金融发展的红利，逐渐缩小“数字鸿沟”。

6.鼓励数字普惠金融与传统金融融合发展

政府应出台一系列优惠政策，激励传统金融机构结合自身的金融服务与产品，运用数字化技术，实现金融产品创新与升级，迎合市场需求，更好地服务小微企业，助力实体经济。此外，也要通过科技赋能，实现数字技术与数字普惠金融的深度融合，坚持服务实体经济的大方向，通过体制机制的创新，克服“脱实向虚”“资金空转”等现象，服务实体经济。对于民营企业数量占比较大的地区，可通过发展线上投融资平台，为投资者打造安全、高效、便捷的投融资环境，构建传统金融和数字普惠金融相结合的金融发展体系，加大对小微企业的投资力度，进一步激发民营企业的活力。

7.建立健全数字普惠金融法律法规体系

数字普惠金融快速发展的同时，也给金融监管带来了一定的挑战，作为数字普惠金融重点服务对象的弱势群体，识别与承受风险的能力相对较低，而互联技术的即时性、便利性又使得金融风险的扩散较以往更加迅速，因而原有的金融监管模式对于数字普惠金融来说并不适用，所以需要借助数字技术、人工智能等科技手段，构建完善的金融监管体系、监管机制与市场准入体系，防范化解系统性金融风险。