数字金融发展与区域创新绩效差距

万佳彧,周 勤,武小菲

(1.南京林业大学 经济管理学院,江苏 南京 210037; 2.东南大学 经济管理学院,江苏 南京 211189)

伴随着新一轮产业和技术革命,全球经济步入数字化时代,数字金融作为数字经济浪潮中金融领域的重大创新,对传统金融市场起到了重要补充作用,也对创新活动产生了深远影响。数字金融是科技对传统金融赋能后的深度融合及再创造,与传统金融相比,数字金融具有如下优势:其一,数字金融打破了传统金融在空间上的局限,提升了金融服务的穿透性和覆盖面积。其二,数字金融对于用户数据的充分抓取以及对数据的高效处理降低了金融市场中交易对手间的信息不对称,提升了金融服务的效率,在降低交易成本方面具有无可比拟的优势。数字金融借助数字化技术手段缓解了区域间金融资源分割的困境,促进了资源的跨区域流动,其普惠性特征对区域间创新不平衡的现状起到一定的缓解作用。

鉴于此,本文选取2011—2018年中国城市层面数据,采用QAP (Quadratic Assignment Procedure)模型,验证数字金融以及其分维度指标对城市间创新差距的影响。

本文的增量贡献体现在:

第一,以往数字经济创新效应的研究多以数字金融发展的绝对值为核心变量,少有对不同区域间数字水平的相对差异展开研究。本文为数字金融对创新活动的贡献提供了中观层面的视角和经验证据。

第二,本文不仅关注数字金融总量效应,且从覆盖广度、使用深度和数字化程度三个维度进行分析,避免单一视角可能造成的偏误。

第三,为体现数字金融发展差距和创新差距的关系,引入关系数据分析范式,采用关系数据计量建模技术和QAP模型进行假设检验,使得检验结果更精确可靠。

一、文献综述

本文立足于数字金融发展与包容性增长间的关系,从区域创新的角度进行探讨,下面从以下几个方面对相关文献进行评述。

(一)金融发展的创新效应

唐清泉等(2015)、孙伍琴等(2008)、NANDA等(2014)、张东敏等(2021)分别从融资约束、信息不对称、风险承担路径,从宏观和微观层面建立研究框架,对金融发展的创新效应进行阐述。这些研究从不同角度和层次论证传统金融发展对技术创新起到的促进作用,同时也体现了我国传统金融服务仍面临不完全信息、异质性借贷成本以及借贷约束等金融摩擦,导致创新激励不足等问题。

(二)数字金融对传统金融市场的补充作用

数字金融是数字化时代中国传统金融供给不足背景下应运而生的新兴金融服务业态。数字金融将大数据技术、区块链技术和云计算等信息技术广泛应用于金融服务过程中,重塑了金融业态和模式,为扩大金融服务覆盖范围,降低金融服务成本创造了巨大空间。唐松等(2020)的研究表明数字金融基于数字手段的基础架构使其具有典型的普惠性和包容性特征,从而对传统金融市场起到存量优化和增量补充的作用。

(三)数字金融的创新效应

数字金融的创新效应研究主要分为理论式探讨和经验检验两大类,涉及数字金融的现状(黄益平 等,2018)、数字金融监管(焦瑾璞 等,2015)、数字金融与城乡差距(张贺 等,2018)、数字金融与居民消费(Li et al,2020)、数字金融与环境保护(Wan et al,2022)等,主要集中于数字金融对企业创新的激励以及对城市创新产出的驱动。已有文献分别从微观个体层面、企业层面以及宏观城市层面论证了数字金融对于创新创业活动的促进作用。张勋等(2020)基于个体层面发现了数字金融发展有利于居民创业。赵涛等(2020)基于企业层面证实了数字金融发展有助于提升企业创新能力。Feng等(2022)发现数字金融发展有助于促进绿色技术创新。

然而,在关注数字金融发展带来创新效率提升的同时,对于公平性问题的关注却有所欠缺。已有研究并未涉及数字鸿沟问题的探讨,即数字金融是否会产生其他形式的金融排斥,进而扩大地区间创新差距。学者们就数字金融存在马太效应还是趋同效应并未得到一致结论。王修华等(2020)、张勋等(2019)立足居民消费视角,分别从贫困户与非贫户、城镇与农村层面证明了数字金融的马太效应。周利等(2020)、宋晓玲(2017)从收入差距视角证明了数字金融的趋同效应。包容性增长的概念涵盖效率与公平,那么数字金融的包容性和普惠性特征是否能够弥补地区间的创新差距,促进经济平衡发展?已有文献尚未涉及数字金融对区域创新弥合效果的探讨,但有关金融发展与区域创新收敛的研究可以为本文提供借鉴。

中国作为世界最大的发展中经济体,存在区域技术创新发展不平衡的典型事实。围绕区域创新收敛的研究可以大致概括为以下两个方面:其一是对于区域技术创新收敛的识别。例如,陈向东等(2007)通过研究发现我国不同地区间技术创新不存在俱乐部收敛特征。马大来等(2017)基于空间面板模型发现我国区域创新效率存在显著空间自相关性。魏守华等(2011)采用塞尔指数和区域基尼系数发现我国区域创新能力在空间上呈现出显著的集聚特征。其二是对于区域技术创新收敛因素的探讨。孙建等(2009)指出人力资本是推动我国地区间技术创新俱乐部收敛的关键因素;潘雄锋等(2014)发现对外开放程度、经济发展水平和人力资本对区域创新的俱乐部收敛具有显著影响;王钺等(2016)研究发现资本流动会促进创新活动的发散,且这种影响在不同区域存在异质性。传统金融市场的二元制金融结构及垄断式金融制度可能导致区域金融供给失衡,金融资源大多聚集于经济发展水平较快的地区,因而造成地区间创新差距进一步扩大。

依照“金融功能论”的观点,金融的主要作用是实现并维系资本的优化配置。信息技术的发展可能从金融摩擦和数字技术溢出两方面优化资本配置效率。关于金融摩擦,至少有异质借贷成本、借贷约束和不完全信息三个关键因素。

金融科技通过包容性特征更好地服务于不同地区的客户群体。通过向经济相对落后地区渗透金融服务,扩大金融服务覆盖面,打破资本流动阻隔。金融科技发展辅助金融部门提升对客户的识别能力,降低金融摩擦系数,从而有效降低要素配置扭曲。金融市场资本配置效率的提高,将帮助更高回报率的部门增加获得融资的可能性,创新型企业更容易获得资本青睐,反过来也会强化企业的创新动力。提升资本配置效率,优化资本配置格局,对于实现区域间创新平衡发展尤为重要。

综上所述,数字金融凭借技术手段,具有地理空间穿透性,提升了金融服务的广度和深度,有助于缩小地区间创新差距。郭峰等(2020)研究发现,我国不同区域间数字金融水平差距在不断缩小,这为突破金融资源落后地区的禀赋限制,为我国地区间金融资源的均衡分布提供了可能。数字金融作为数字与金融服务深度融合的新型金融业态,其普惠性理念和草根性特征为我国不同地区间所面临的技术创新瓶颈提供了有效解决方案。具体而言,数字金融可能通过以下渠道缩小我国区域间创新差距。第一,数字金融提升了落后地区的金融可得性,促进了区域间金融的包容性发展,缓解了这些地区创新活动面临的融资约束,为技术创新提供了必要的资金支持。第二,数字金融所依据的数字化信息提升了金融服务效率,改善了金融资源配置过程中的扭曲。基于数字化后台对于信息的全方位整合,金融机构对于价值创新项目的筛选效率得到提升,并引导金融资源流向效率更高的部门,有助于优化金融资源在不同区域间的配置,改善区域内企业的创新环境,强化创新激励。第三,数字金融有助于发挥技术创新的外溢效应,促进区域内企业创新能力提升。数字化手段强化了地区间资本流动和积累,有助于不同区域间建立空间创新联结,从而提升资本的规模效应,提升区域创新绩效。

二、研究方法与数据来源

基于上述分析,数字金融发展是缩小区域创新差距的重要因素。考虑到已有研究对于区域创新收敛因素的探讨,我们构建了一个解释区域创新差距的分析框架。假设A,B分别代表两个不同城市,其创新绩效分别采用InvA和InvB表示,则其创新差距为InvA-InvB。将数字金融发展水平差距、区域间经济差距、外国直接投资差距、产业结构差距、科学教育投入差距、人口数量差距、传统金融水平差距定义为DfiA-DfiB,GrpA-GrpB,FdiA-FdiB,IsA-IsB,ScieduA-ScieduB,PopA-PopB,TfA-TfB。

(一)模型设定

为了涵盖不同城市两两相互间的关系信息,本文参照刘华军等(2018)的研究,采用了如式(1)所示关系数据计量模型。

Y=α0+α1X+α2Z+U

(1)

其中,Y为被解释变量,X为解释变量,Z为一系列控制变量,U为残差项。值得说明的是,在关系数据模型设定中,所有变量均为不同城市变量两两间差异构建的n阶矩阵,其具体形式如式(2)至(4)所示。

(2)

(3)

(4)

矩阵单元代表了地区间的空间溢出关系,其具体计算方式为被解释变量、解释变量和控制变量在不同地区的观测值两两作差得到,即yij=yi-yj、xij=xi-xj、zij=zi-zj。矩阵的主对角线元素均为0。

(二)二次指派程序(QAP)

基于城市之间创新绩效差异数值构建关系变量数据,关系数据模型中残差矩阵U的行列元素存在相关性,进而导致计量模型存在自相关问题(Krackhardt,1988)。此外,多元回归分析要求变量间满足相互独立的前提,作为观测值的关系数据变量可能存在多重共线性问题,造成估计量有偏,导致检验结果不具有统计学意义(Zagenczyk et al,2015)。针对关系数据模型存在的自相关与多重共线性问题,二次指派程序(QAP)提供了解决办法。QAP是一种基于随即置换的非参数检验方法,不需要满足变量间相互独立的假设(Barnett,2011),最早被使用于对流行病空间分布的研究。刘军(2007)提出QAP方法是一种对于关系的测度方法,目前已较为广泛地运用于经济学研究中。刘华军等(2019)基于QAP方法探讨了区域经济空间溢出对地区差距的影响。基于此方法,吕承超等(2020)发现金融发展有助于缩小地区间经济差距。此外,刘海云等(2018)采用QAP方法来研究房价泡沫跨区域传染影响因素。卢现祥等(2021)运用二次指派程序实证探讨我国要素市场化配置水平差异的形成机理。

QAP分析包括相关性分析和回归分析两部分。相关性分析着重于考察关系矩阵间的相关性,而回归分析则侧重于考察多个关系矩阵与一个关系矩阵间存在的回归关系。两者基于的原理基本相似,计算方式也基本相同,均是通过将矩阵转换为长向量进行多元回归后,对因变量矩阵中相对应的行与列进行多次置换,并进行回归分析,以得到对于参数估计值显著性的准确判定。本文参照已有研究(刘华军 等,2018),利用创新绩效水平差异(因变量)与各影响因素水平差异(自变量)构建关系数据模型,借助QAP方法,探讨区域创新绩效水平差异的来源。

(三)变量设定与数据来源

本文采用2011—2018年中国278个城市的年度数据。被解释变量为区域创新差距。核心解释变量包括:数字金融发展水平、数字金融覆盖广度、数字金融使用深度与数字金融数字化水平。参考与区域创新相关文献(白俊红 等,2015;聂秀华 等,2021;王欣亮 等,2021),本文综合选取以下变量作为控制变量纳入模型,包括直接外国投资、地区经济发展水平、产业结构、科技教育投入、地区人口数量以及传统金融发展水平。所选变量均为278×278矩阵,各变量的具体说明和数据来源如下。

1.被解释变量

地区创新差距(Inv)。采用加权后的专利申请量作为度量地区创新水平的指标。由于专利从申请到授权的周期往往为1～3年。因此,与专利授予量相比,专利申请量更能反映当年的技术创新成果。此外,我国专利分为发明专利、实用新型专利、外观设计专利三类,所含技术含量依次递减。本文根据不同专利申请类型分别赋予1/2、1/3、1/6的权重并进行加权后用于描述地区技术创新水平。

2.解释变量

地区数字金融发展水平(Dfi)。地区数字金融指数来源于北京大学互联网金融研究中心发布的中国数字普惠金融指数报告(2011—2018年),该指数的构建基于蚂蚁金融收集的海量数字金融数据,其分项指标包括数字金融覆盖广度(Cov)、使用深度(Usa)和数字化程度(Digi)。数字金融覆盖广度由账户覆盖情况(支付宝账户覆盖率、支付宝用户比例、支付宝账户绑定银行卡数量)构建。使用深度主要由支付业务、货币基金业务、信贷业务、保险业务和投资业务等指标构成。数字化程度由移动化、实惠化、信用化和便利化等指标构成。截至2019年4月,数据已覆盖全国31个省域337个地级市,为数字金融研究提供了可靠的数据来源。

3.控制变量

已有文献对于控制变量的选取集中于物质资本和人力资本两大类。具体而言,王宵雅(2016)选取了经济发展水平、工业化程度、教育水平以及对外开放程度作为研究影响区域创新差距的控制变量。岑聪(2021)选取产业结构、经济发展水平、互联网普及率、城市化率等作为控制变量。张梁等(2021)选取政府科技支出水平、外商投资水平、环境状况、人力资本、人均 GDP等作为区域创新差距的来源进行研究。综合已有相关研究的控制变量选取,本文选择外国直接投资、地区经济发展水平、产业结构、科技教育支出、人口总数、传统金融发展水平等作为控制变量,试图最大程度避免遗漏变量的问题。

(1)外国直接投资(Fdi):采用外国直接投资占地区生产总值的比重来衡量。值得说明的是,以美元计价的外商直接投资总额根据当年人民币对美元的年平均汇率进行折算。外商直接投资会为地区带来新技术,进一步产生的知识溢出效应有利于促进区域创新。

(2)地区经济发展水平(Grp):采用地区生产总值进行衡量。为消除价格变动的影响,选取2003年作为价格基年进行平减。充足的资本是技术创新的重要先决条件,良好的经济环境更有利于创新活动的开展。

(3)产业结构(Is):采用地区第三产业与第二产业的比值进行度量。科技产业的发展离不开区域产业结构的合理布局,产业结构的合理化和高级化有助于构建高效的区域创新系统,从而提升创新能力。

(4)科技教育支出(Sciedu):采用科技与教育支出占地区生产总值的比值进行度量。政府对于科技创新和教育领域的公共投入是开展创新活动的重要支撑。

(5)人口总数(Pop):采用地区年末户籍人口总数进行测度。人力资本是创新活动开展的关键要素之一,人力资本的集聚是产业创新能力提升的基础和前提。

(6)传统金融发展水平(Tf):采用地区年末金融机构贷款余额占地区生产总值的比值进行衡量。地区金融发展主要通过提升金融服务水平,为创新活动提供充足的资金来发挥促进创新的积极效应。

相关数据均来源于2012—2019年《中国统计年鉴》《中国城市统计年鉴》。

具体的变量及变量定义详见表1。

表1 变量的描述性统计

三、回归分析

(一)QAP相关分析

本文采用5000次随机置换样本期考察了各解释变量与被解释变量间的相关性,表2报告了检验结果。

表2 QAP相关分析结果

从主要解释变量的相关性检验结果来看,数字金融发展水平与地区创新差距的相关性系数为0.567,且通过了1%显著性水平检验。对于数字金融不同维度发展情况的三个分指标即覆盖广度、使用深度与数字化程度,除数字化程度外,数字金融的覆盖广度与使用深度均与地区创新差距在1%显著性水平下显著相关且为正,而数字化程度与地区创新差异间的相关性系数为负,且其绝对值远小于前二者,未通过10%的显著性水平检验。对于文中所选取的控制变量而言,城市经济发展水平、人口数量以及传统金融发展水平均在1%显著性水平上与地区创新差距显著相关。而地区产业结构差距和科教投入差距与地区创新差距间的相关性检验结果并未通过10%的显著性水平检验,故在后续回归分析中删除二者。尽管如此,变量间的相关性并不能体现被解释变量与解释变量间的回归关系。为了进一步探究数字金融发展以及其他因素对我国地区创新差距的影响,本文进行了QAP回归分析。

(二)QAP回归分析

为了更加客观、全面地探析数字金融发展对于城市创新差距的影响,本文采用关系数据分析范式中的QAP回归对观测期内的样本进行了全样本、分时期、分年度、分维度和分地区五个层面的多维度检验和分析,所有检验的随机置换样本期均设定为5000次。需要说明的是,QAP回归结果会同时对非标准化回归系数和标准化回归系数进行报告,二者的差异在于,前者是基于原始矩阵的直接估计,而后者则是对矩阵进行标准化处理后的回归结果。由于标准化回归系数排除了不同变量间量纲不同造成的系数大小差异,因而变量间的回归结果可以直接比较。因此,本文着重对标准化回归系数进行分析,但出于回归结果的完整性考虑,也报告了非标准化回归系数。

1.基于全样本回归分析

表3汇报了全样本期(2011—2018年)的QAP回归结果。数字金融指数的系数为0.382且在1%水平上显著,基于全样本期的检验结果支持了本文的假设。各个地区间数字金融水平差异的弱化有助于降低地区间创新水平差距,证明了数字金融发展的普惠性会促进各地区创新活动的平衡发展。此外,地区间外国直接投资、经济水平、人口数量以及传统金融发展水平的差距均会扩大创新水平差距。外国直接投资带来资金支持同时,也有助于引入国外先进技术,带动自主创新研究。GDP反映了地区经济发展综合水平,由于我国经济发展面临多层次、多区域的动态调整过程,各区域间存在经济发展不平衡的客观事实。良好的经济状况能够为技术创新带来充足的资本支撑,也能够为区域吸引更多优质资源,发挥有效外部支持作用。地区人口数量在一定程度上反映了人力资本的富裕程度,人力资本是技术创新开展的主体和源泉,人口均衡发展是缩小地区创新差距的关键因素。金融市场发展能够提升金融服务实体经济的效率,从而将资本更高效地配置到需要的企业部门。控制变量的回归结果与已有研究的结论保持一致。就模型拟合程度而言,调整后的拟合优度R2为0.604,且通过了1%的显著性检验。

表3 全样本期QAP回归分析结果

2.基于分时期回归分析

数字金融作为一种新兴金融业态,其发展离不开政策的扶持。在数字金融发展初期,政府给予了数字金融相对宽松的发展空间。随着对数字金融领域的探索越来越深入,发展道路越来越明晰,政府的支持力度也越来越大。本文选取数字金融发展过程中的标志性事件,即将数字金融首次出现在2014年《政府工作报告》作为数字金融发展的分水岭。这一事件标志着数字金融发展地位的全面提升。因此,我们将2014年作为数字金融发展阶段的划分年份,把全样本期2011—2018年划分为两个时段:第一时段为2011—2014年,第二时段为2015—2018年。分别对两个时段进行QAP回归分析,探究不同时段内数字金融对于地区创新差距的影响及变化。

表4展示了分时期QAP回归结果。在两个时期内,数字金融综合指标以及覆盖广度、使用深度两个分指标的回归系数均在1%显著性水平下显著,但是数字化程度分指标对于创新差距的影响不显著。说明数字金融整体上缩小了地区间的创新差距,但数字金融不同的发展维度对地区创新的影响存在差异。具体而言,数字金融的覆盖广度和使用深度对地区间创新差距的缩小发挥了显著作用。可能的原因是,数字金融的覆盖广度反映了地区数字金融的普及程度,而使用深度则反映了数字金融与日常经济活动的融合程度,两者都对创新活动具有直接影响。对比两个时期内数字金融相关指标的回归系数,发现不论是综合性指标,还是凸显数字金融不同维度发展情况的分指标,在第二阶段的影响均大于第一阶段,表明随着年份推进,数字金融的平衡发展对缩小地区创新差距的影响作用越来越强。这说明随着数字金融的不断发展,其所能辐射的经济主体和经济行为范围越来越广,辐射力度也在不断增强。数字金融服务实体经济的能力随着数字金融基础设施建设的不断完善而提升,对于创新活动的支撑作用也不断强化。

表4 分时期QAP回归分析结果

就控制变量而言,外国直接投资差距对于地区创新差距的影响由第一阶段的显著转为第二阶段的不显著,这一统计学证据说明了外国直接投资对于地区创新差距的贡献逐步减弱。原因可能是随着我国对外开放程度的不断提升,外来资本带来的边际效率下降,创新活动对于外来投资的需求空间不断缩小。地区经济发展水平差距仍然是影响地区间创新差距的关键性因素,且其影响在第二阶段大于第一阶段,表明地区经济差距持续发挥扩大地区创新差距的作用。地区人口数量平衡发展对于缩小地区间创新差距的作用在两个阶段均显著,且其影响微弱上升,说明随着创新活动的不断深化,人力资本是支撑创新发展的不竭动力。表征地区传统金融发展水平的金融机构贷款余额,其系数由第一阶段的10%显著性水平下显著转为第二阶段的不显著。就模型整体的解释力而言,调整后的拟合优度R2在第二阶段大于第一阶段,说明所选变量对于地区创新差距的解释能力整体上有所提升。

3.基于分年度回归分析

为进一步探究相关因素对地区创新差距影响在时空上的动态变化,本文对样本期内的每一个年度进行了QAP回归分析,为方便观察各变量的动态变化过程并进行相互比较,本文将各影响因素在每一年的回归系数进行整理和归纳,明示于图1中。

图1 分年度QAP回归分析结果

从各因素回归系数的横向比较来看,地区经济发展水平对于创新差距的影响明显大于其他因素,这说明地区经济发达与否仍然是决定其创新能力的重要影响因素。创新活动需要大量的资金支持,而发达的经济环境能够为创新提供稳定、持续的投入,为其提供良好的发展土壤。紧随其后的是地区数字金融发展水平,且其对地区创新差距的影响力呈稳定上升趋势,说明数字金融的稳步发展对于包容性发展的目标确有贡献。从创新的角度而言,数字金融的普惠性促进了国家地区间金融发展的平衡,为创新活动提供了必要的资金支持,缩小了地区间创新差距。

4.基于分维度回归分析

数字金融指数反映了地区数字金融业务的整体发展情况,是综合性指标。根据北京大学数字金融研究中心发布的报告,该指标由三个二级指标构成,其分别体现了数字金融不同维度的发展情况。为了揭示数字金融作用于地区创新差距的全貌,本文对于三个分指标一一进行了检验,表5汇报了回归分析结果。

表5 分维度QAP回归分析结果

数字金融覆盖广度的平衡对地区创新差距具有显著负向作用,且其影响大于其他两个维度。这是因为数字金融的覆盖广度反映了地区接收数字金融相关技术与服务的程度,体现了金融支持作用,刻画了数字金融普惠性特征,是金融资源公平性的重要体现。对于受到传统金融市场融资难问题困扰的地区,数字金融对传统金融市场发挥了重要的补充作用,为创新活动提供了所需资金。数字金融使用深度的平衡对于地区创新差距也起到了显著负向作用。数字金融使用深度反映了数字金融与当地实体经济深度融合的情况,是数字金融深度发展水平的体现。随着数字金融发展的不断深入,经济主体可以得到来自数字金融所提供的更加多样化和精准的金融服务,扩大了市场中的资金来源,拓展了创新主体的融资渠道,强化了创新激励。数字金融数字化水平对于地区创新差距的影响数值较小且不显著,可能的原因是数字化指标反映了数字金融的技术特征。数字技术能够打破物理空间的限制,且由于其边际成本为零的特征,能够在各区域间较为均衡地发展,满足地区共享、普惠的需求。但数字化的实质是技术,是一种实现手段,无论是传统金融市场还是数字金融,其本位目标依然是提供更高效的金融服务。虽然地区间利用数字技术获取服务的公平性提高,但该指标并未充分体现其服务经济主体的金融本质,因而对创新行为的影响并不显著。

5.基于分地区回归分析

根据样本城市所处东部、中部和西部地区进行划分①,分别对三个分样本进行QAP回归分析,表6对回归结果进行了汇报。就数字金融在各地区的综合发展而言,模型在三个地区的拟合程度均表现较好,调整后的R2分别为0.536、0.685、0.910,且都通过了1%的显著性水平检验。

表6 分地区QAP回归分析结果

对比数字金融在不同地区的影响,发现数字金融的均衡发展对于地区创新差距的缩小,在东部和中部地区都起到了积极作用,且通过1%显著性检验,但该效应在西部地区不显著。可能的原因是,资本和劳动力是驱动技术创新的两大基本要素。在资本要素方面,数字金融能够利用技术手段围绕创新主体形成一体化的金融服务流程,缓解由于资本不足给创新活动带来的约束。在劳动力要素方面,东、中部地区在人才资源储备方面具备优势,拥有技术创新不可或缺的载体,而西部地区面临较为严重的人才流失问题,这是制约西部地区创新发展的重要原因。因此,数字金融的发展给东、中部地区注入了新的创新活力,而西部地区创新的瓶颈或不在金融资源的限制,而是源于劳动力供给。从控制变量来看,对缩小地区间创新差异发挥重要作用的因素还有地区经济发展水平,其回归系数远大于其他控制变量,且在1%水平上显著,意味着地区的经济差距对于创新差距的贡献度较大。经济水平的提升是地区创新活力提升的重要保障。此外,对于西部地区,人口数量差距对于创新差距的贡献度远高于其他地区,进一步印证了本文的观点,破解人才资源供给不足困境对于推动西部地区技术创新具有重要意义。

对于数字金融发展的各项分指标而言,数字金融覆盖广度和使用深度的平衡发展有利于缩小东部和中部区域内的创新差距,但数字化程度对于创新的影响效应不显著,该结论与已有结论保持基本一致。比较数字金融不同维度在不同地区的系数大小,发现对于东部地区,覆盖广度对于创新的影响大于使用深度,而对于中部地区,结论则正好相反。这恰恰反映了不同地区间,由于先天禀赋以及当前发展情况不同,驱动创新活动所需的要素也不尽相同。就金融发展方式而言,广度上的扩张追赶与深度上的渐进式发展在不同地区所发挥的创新效应存在异质性,应该结合地区特点因地制宜地制定发展策略。

6.稳健性检验

为了证明研究结论的稳健性,本文从两个方面进行了稳健性检验,通过调整QAP回归参数以及更换变量测度方式对样本重新进行了回归估计。

首先,本文对QAP回归的随机种子数以及随机置换次数进行更换后重新进行回归。得到的回归结果与前文估计结果基本保持一致。

其次,本文参照吕承超等(2020)的处理方式,调整了主要变量的构建方式。实证部分对于变量的构建采用的是先进行算术平均值运算后构建差距矩阵的方式,现调整为先构建各变量的差距矩阵,再对其求算术平均值。更换变量测度后,重新对全样本主回归方程进行了分析,回归结果与前文结果基本一致。稳健性检验证明了本文研究结论的可靠性②。

四、结论与政策建议

本文基于2011—2018年中国278个城市样本,利用关系数据分析范式中常用的二次指派程序对数字金融与地区创新差距之间的关系进行了实证研究,基于全样本、分时期、分年度、分地区四个层面,从数字金融发展的覆盖广度、使用深度、数字化程度三个维度探讨了数字金融发展对地区间创新差距的影响。

通过研究发现:

(1)基于全样本的分析结果,各地区数字金融的发展对缩小区域间创新绩效差距具有显著正向影响。就数字金融发展的不同维度来看,数字金融覆盖广度和使用深度地区间差距的缩小均有利于缩小地区间创新差距,但数字化程度对于创新活动的影响效果不明显。

(2)基于分时段的分析结果,数字金融发展对于缩小地区间创新差距的作用逐步增强。外来资本对于创新差距的影响减弱,人力资本对于创新差距的作用微弱提升,其主要反映在外国直接投资系数在第二阶段小于第一阶段,而人口数量系数变化趋势则正好相反。

(3)基于分年度的分析结果,数字金融的平衡发展对于地区创新差距的影响整体呈缓慢上升趋势。地区经济发展平衡对于创新差距的影响在均值附近小幅震荡,但基本保持稳定。人口数量与外国直接投资的平衡发展对于创新差距的影响均呈现出先增强后减弱的态势。传统金融的平衡发展对于创新差距的影响整体保持稳定。

(4)基于分地区的分析结果,数字金融的均衡发展对于缩小地区间创新差距的贡献在东部和中部地区表现显著,但在西部地区不显著。此外,对于东部地区,数字金融覆盖广度的均衡对于地区创新活动平衡发展的贡献大于使用深度,而对于中部地区,二者的作用大小正好相反。对于西部地区而言,人口数量的均衡发展对于创新差距的缩小发挥了主导作用。

基于以上结论,本文提出以下政策建议:

(1)提升区域创新绩效与数字金融的发展与建设相结合。本文研究结论肯定了数字金融发展在缩小区域创新差距过程中所发挥的积极作用。数字金融利用数字化技术构建的服务体系突破了传统金融的诸多瓶颈,打破了金融资源在不同区域和主体间的分割和壁垒,提升了不同群体的金融可得性,为创新活动的开展提供了稳定的资金支持。政府可利用数字金融围绕创新主体的一体化投融资体系,强化市场的创新激励,提升创新效率,充分发挥数字金融对于地区间创新平衡发展的潜力。

(2)在发展数字金融的同时,不能一味地求总量、求速度,应厘清数字金融发展的不同维度。数字金融的覆盖广度、使用深度和数字化程度在不同地区所发挥的作用不尽相同。本文研究表明,数字金融覆盖广度在东部地区发挥的作用大于使用深度,而在中部地区结论则正好相反。因此,在推进数字金融建设时,应结合地区禀赋和特性,策略性地对数字金融的发展模式进行差异化调整,以更好地发挥数字金融的作用,实现地区间创新的包容性发展。

(3)因地制宜调整优惠政策,优化创新要素配置。本文研究结论表明,数字金融发展对于东、中部地区创新绩效的提升具有显著改善作用,而在西部地区创新人才流动作用更大。由于各个地区的特性和比较优势不同,所面临的创新瓶颈也不同。结合创新活动所需的劳动和资本两大基本要素,各地区应制定与地区基本情况相匹配的创新相关政策,引导创新活动的开展。东部沿海地区集聚了较多的高科技人才,为创新活动的开展提供了重要支撑。而对于西部地区,其所面临的人才流失问题是制约创新发展的关键因素。政府应适度利用政策倾斜促进西部地区人才交流,充分发挥人力资本在驱动创新中的引擎作用。

①地区划分参考国家统计局标准,东部地区包括北京、天津、河北、山东、辽宁、江苏、浙江、上海、广东、福建、海南11个省域,中部地区包括内蒙古、吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南9个省域,西部地区包括广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆11个省域。

②由于篇幅所限,此处略去了稳健性检验结果,若需要可与作者联系索取。