数字金融能否赋能实体经济发展：机制分析与中国经验

王儒奇，陶士贵

(南京师范大学 商学院，江苏 南京 210023)

一、引言

不论经济发展到什么时候，实体经济始终是我国经济发展的根基，是我国在国际经济竞争中赢得主动权的基础保障［1］。在相关战略和政策的指引下，我国打下了良好的工业基础并积累了巨大的实体经济财富。但近年来，我国制造业发展动能不足，房地产市场和股票市场交替繁荣，金融资本呈现出脱离实体经济运行轨迹的趋势，金融“自我循环”和经济“脱实向虚”等问题日益加深［2］。习近平总书记曾强调，“从大国到强国，实体经济发展至关重要，任何时候都不能脱实向虚”①。在此背景下，重视并回归实体经济发展，引导金融资本从高收益的虚拟经济流向实体经济，实现金融服务实体经济这一根本目标，已成为当前需要重点研究的现实问题。

现如今，随着移动互联网和人工智能等新一代数字技术的发展，数字经济时代的到来将为实体经济高质量发展提供全新机遇。作为数字经济时代的典型代表之一［3］，数字金融是一种新型数字技术与传统金融业深度融合的新金融模式，具有打破传统金融活动的时空限制、降低金融服务门槛、节约交易成本以及缓解信息不对称性等独特优势［4］，提高了实体经济部门的融资可得性，从而促进实体经济发展。对此，党的十九大报告也曾提出“推动互联网、大数据、人工智能和实体经济深度融合”，“增强金融服务实体经济的能力”。因此，深入研究数字金融对实体经济的赋能作用以及这一过程中的影响机制，对于充分把握新一轮科技革命的历史性机遇，推动实体经济增长具有重要的现实意义。

目前，不少学者将数字金融视为经济增长的“新引擎”，并针对相关问题进行了较为深入的研究，重点关注如下几类问题：一是数字金融的内涵、发展和测度［5-6］；二是数字金融如何影响居民消费［7-8］、创新和创业［9-11］、产业结构［12］以及企业全要素生产率［13］等社会热点问题；三是数字金融对国家宏观经济发展的影响，例如：经济增长［14］、绿色发展［15］、全要素生产率［16］以及经济增长质量等［17-18］。总体来看，既有文献虽然已经将数字金融和国家宏观经济发展的相关问题联系在了一起，但细化到实体经济层面的研究相对较少［19］，且存在着如下不足：一是有关城市实体经济的测度较为粗糙，大多使用第二产业产值［19-20］或者工业总产值［21］作为替代指标，随着数字经济与实体经济的融合程度日益加深，仅仅使用传统意义上的制造业或者工业来衡量我国当前的实体经济发展现状显然是不够全面的；二是相关研究尚未对数字金融究竟会对我国实体经济中的哪些部分(农业、传统制造业还是信息传输和计算机服务等第三产业)产生影响进行讨论，并且缺乏有关数字金融如何影响实体经济发展的内在机制分析。

有鉴于此，本文在理论分析的基础上，围绕数字金融能否影响我国实体经济发展这一问题，从直接影响、间接机制和空间效应等多重视角深入探索了数字金融对实体经济发展的影响。这可能在如下几个方面丰富了既有研究：①从狭义、一般和广义三个层次的实体经济出发，对我国城市层面实体经济的发展现状做出更为全面和精准的测度；②围绕数字金融能否赋能实体经济发展这一根本性问题，全面评估了数字金融对不同层次实体经济的影响，并且深入探讨了数字金融影响我国实体经济发展的具体作用路径；③在考虑数字金融具有空间相关性的基础上，进一步探索了数字金融对实体经济发展产生外溢效应的空间区域边界，提高研究结果可信度的同时还丰富了这一领域的实证方法。

二、机制分析与研究假设

现如今，我国实体经济正面临着“脱实入虚”、盈利能力下降和发展动力不足的严峻考验，数字金融凭借自身高效便捷、低门槛、低成本以及可持续强等优势，将会为抑制实体企业虚拟化、防范金融风险和赋能实体经济发展带来新的机遇。因此，本节将深入分析数字金融对我国实体经济发展的影响以及具体的作用机制，并提出相应的研究假设。

(一)数字金融对实体经济发展的直接作用

1.数字金融对实体经济的直接影响

首先，数字金融能够降低金融服务门槛并改善实体企业的融资环境。近年来，我国数字金融发展规模日益扩大的一个主要原因就是传统金融的服务能力和质量均很难满足当今社会的现实需求［22］。尤其是对中小型实体企业而言，由于传统金融贷款模式对企业发展规模、资质担保价值和经营状况等方面有比较严格的要求，往往因为缺乏有效抵押物被传统金融服务机构拒之门外。“中小企业能办大事”，作为我国实体经济发展的关键组成部分，中小企业在优化经济结构、服务民生以及解决就业等领域都扮演了不可或缺的角色［23］。数字金融依托互联网和大数据等数字技术，通过现代化信息科技手段对贷款人的资质和信用风险进行综合评估，有效摆脱了传统贷款模式对抵押品的依赖程度，大大增加了中小企业成功获取贷款的可得性，切实增强了金融对中小企业支持力度和提高了金融服务实体经济的能力。

其次，数字金融能够突破时空界限和降低交易成本。数字金融凭借自身突破时间和空间限制的优势，在很大程度上改善了以往人们办理金融业务时遇到的诸多困扰(如：距离金融机构网点较远、办理业务等候时间较长以及需要多地办理贷款手续等)，有效地帮助贷款人节约了经济和时间成本，间接地降低了企业的贷款成本，并提高了企业的盈利空间。因此，数字金融在扩大传统金融服务覆盖度和缓解实体企业融资约束的同时，还激发了企业开展创新活动和投资实体建设的热情。

最后，数字金融还可以缓解信息不对称和防范金融风险。一方面，数字金融依托大数据等数字技术，通过搜集企业的相关信息并对其进行信用评估，能够有效缓解传统金融服务过程中存在的信息不对称和信贷约束问题［22，24］。另一方面，由于中小企业经常出现经营记录不完善等问题，导致传统金融机构在对其进行信用和资质审查的结果并不一定完全可靠［19，25］。数字金融在利用信息技术对企业进行评估的过程中，能够更加便捷和及时地识别企业过去一段时间的大量行为数据，通过大数据筛选和风险评估等手段更好地把控潜在的贷款风险，从而为真正需要资金做实事的企业提供帮助，切实发挥金融服务实体经济的本质功能。

基于此，本文提出假说1a：数字金融能够直接赋能实体经济发展。

2.数字金融对不同层次实体经济的影响

考虑到我国工业化和数字化融合程度日益加深，不同产业间界限日趋模糊，为了更加准确地判断数字金融究竟作用于实体经济中的哪些部分，本文从狭义(REAL0)、一般(REAL1)和广义(REAL2)三个层次出发②，分别考察数字金融对我国实体经济的影响。其中，实体经济的划分参考既有研究［1］：R0层面的实体经济主要指制造业；R1层面主要指R0、农业、建筑业以及除制造业外的其他工业；R2层面包括R1、除了金融业和房地产业外的其他服务业。

首先，从R0层次来看，数字金融的本质功能是缓解低中小企业和低收入群体的融资约束［3］，而制造业作为我国实体经济的根基与核心，行业内中大型企业和国有企业的数量相对较多［1，26］，已经能够较为轻松地从传统金融市场获取信贷资金，所以数字金融对R0的影响可能尚未充分彰显。

其次，从R1层次来看，除了工业和建筑业还包括农业，是传统意义上“实体性”生产部门［1］。事实上，我国的农业部门一直面临着较为严重的融资困境，数字金融所特有的“普惠性”能够帮助农户更加及时和便捷地获取信贷资金和金融服务，实现农具和农产品加工等设备的升级，拓展商品的销售渠道，极大地提高相关产业的生产效率和生产能力。

最后，从R2层次来看，除了R1还包含除了金融业和房地产业以外的全部服务业。相较于第二产业，我国第三产业所包含的中小企业相对较多［25］，数字金融的发展将会在很大程度上帮助其拓宽融资渠道并催生出诸多全新的商业模式和服务业态；此外，数字金融带来的支付形式便捷化和多样化在提高人民群众体验感和消费欲望的同时，还能有效地带动服务业以及相关产业发展。

基于此，本文提出假说1b：数字金融虽然能够在整体上促进实体经济的发展，但是对R0层次实体经济的影响可能尚不明显。

3.数字金融对实体经济影响的区域异质性

除此之外，考虑到我国幅员辽阔，不同地区间的实体经济发展存在着较大的差异，整体上呈现东部强，中西部相对薄弱的格局。东部地区和一些发达城市的金融分支机构覆盖度相对较高，传统金融已经能够在很大程度上满足当地实体经济发展的需求；然而对于中西部地区和一些相对欠发达城市而言，由于当地交通和通讯基础设施的建设相对落后，传统金融机构开设线下网点会面临成本高和困难大等问题，所以当地居民和企业在很多时候无法及时享受到便捷的金融服务［5］，这在很大程度上制约了地区实体经济发展。在数字技术的支持下，数字金融能够打破传统金融过分依赖线下营业网点的局限性，拓展传统金融服务覆盖面，充分激发中小企业开展创业活动和投资实体建设的热情，为支持中西部地区实体经济的包容性发展赋予了新动能。

基于此，本文提出假说1c：数字金融对实体经济的影响存在明显的区域异质性，其中对中西部地区的赋能作用更强。

(二)数字金融对实体经济发展的间接作用机制

数字金融不仅能够直接影响实体经济发展，还有可能通过缓解资源错配、促进技术创新和推动产业结构升级间接地作用于实体经济发展。

1.缓解资源错配

所谓“资源错配”，是一个与“资源有效配置”相对的概念。有效配置指的是整个社会实现产出最大化和效率最优化的一种资源配置方式。在现实情境下，当资源配置偏离这一最优状态时，就出现了资源错配［27］。若资源错配严重到一定程度，就会导致土地、资本以及人才等资源的浪费，阻碍国家经济的发展。既有研究表明，要素价格扭曲和各类摩擦是导致资源错配的主要原因［28-29］，其中金融摩擦导致的资源错配更是阻碍我国经济发展的重要原因［30］。数字金融能够借助大数据和机器学习等手段，弥补传统金融服务的空缺，提高金融机构的办事效率，最终提高金融市场的运行效率并降低金融资源的错配程度。与此同时，数字金融最大的特点就是为中小企业提供更为安全和便捷的融资渠道，这将显著提高我国相对落后地区和低收入群体参加经济活动的热情，在一定程度上解决了就业难的问题，并且有效缓解我国的劳动力错配程度。伴随着资源配置效率的不断提高，未来势必会对我国全要素生产率的提高和实体经济建设作出更大的贡献［29，31］。

基于此，本文提出假说2a：数字金融能够通过缓解资源错配，间接地促进我国实体经济发展。

2.促进技术创新

区域创新活动并不是创新主体的简单相加或创新资源的随意堆积，而是离不开相关主体和创新环境的共同作用。首先，创新研发是一个长周期、高投入和高风险的漫长过程，数字金融能够为参与创新的各类主体(尤其是中小企业)提供便捷的融资渠道和及时的资金支持，在极大程度上规避了由于烦琐审批流程导致创新项目研发资金断裂的风险［32］。其次，数字金融依托互联网和大数据等技术手段，不仅能够帮助参与创新的中小企业实现“普惠”，还可以通过高效的信息收集和匹配能力，为大型企业和研究机构提供“精准”和“高效”的服务［33］。最后，在数字金融飞速发展的背景下，融资模式的创新将会促进各类新型商业模式与服务业态的迭代升级，不断提高居民消费品质，倒逼企业加速开展研发活动，最终提高地区技术创新水平［34-35］。技术创新作为引领经济发展的核心驱动已经得到社会各界的广泛认可，伴随着数字金融对创新活动提供的支持力度日益增强，必然将对实体经济发展产生更强的赋能作用。

基于此，本文提出假说2b：数字金融能够通过促进技术创新，间接地赋能我国实体经济发展。

3.推动产业结构升级

数字金融所具有的覆盖面广、融资成本低以及金融产品多样化等特色，能够为推动产业结构升级创造诸多可能性。一方面，从资本形成和产业发展的视角来看。大力推进战略性新兴产业和高新技术产业发展是实现我国产业升级和经济高质量发展的主要方向之一，但是上述产业大多存在投资周期长、风险高的特点，很难获得足够的资金支持，而数字金融恰好可以为具有较大发展潜力的新兴产业提供多样化的融资渠道，缓解经营过程中可能存在的融资约束［36］；与此同时，数字金融还能够通过大数据对新兴产业进行资料筛查和风险预测，通过风险管理等手段助力相关产业健康发展并推动产业结构升级。另一方面，从社会需求的视角来看。数字金融的发展带来了丰富多样的金融产品和消费模式，在极大程度上满足了居民的消费需求，而多样化的消费需求又将通过恩格尔效应和鲍莫尔效应推动制造业和服务业向高端化迈进，实现产业结构升级［12，37］，最终赋能实体经济发展。

基于此，提出假设2c：数字金融可以通过推动产业结构升级，间接地促进我国实体经济发展。

(三)数字金融对城市实体经济发展的空间外溢效应

数字金融最大的优势就是可以借助数字技术打破传统经济活动的时空限制，在加快信息搜集和传递的同时，还加强了地区间的金融和经济活动的空间关联强度。在当前大力发展实体经济，全球高端制造业竞争愈发激烈的背景下，更应充分把握数字金融带来的诸多机遇，应对未来在国家竞争中可能面临的新挑战［38］。既有研究发现，我国的数字金融不仅存在明显的空间相关性［5］，还可以通过跨地区的学习交流等途径对邻近地区的经济发展质量产生显著的溢出效应［39］，实体经济发展作为地区经济发展质量评价体系中至关重要的一环，必然会在数字金融的影响下表现出更强的空间相关性。

基于此，本文提出假设3a：数字金融在促进本城市实体经济发展的同时，还能够通过空间外溢效应赋能邻近城市。

除此之外，数字金融虽然能够通过空间外溢效应赋能邻近城市的实体经济发展，但外溢效应存在着一定的空间界限，并且伴随着空间距离的增加，数字金融对实体经济的外溢效应将呈现出逐渐衰减的特征。第一，数字金融虽然能够在很大程度上缓解信息不对称问题，但伴随着地理距离的不断增加，金融机构对外地企业实际经营情况(尤其是默会信息)的了解程度会大幅降低［40］。第二，虽然数字金融能够打破时间和空间的限制，但金融机构仍然更容易同本地区或近距离范围内的金融服务需求者开展高频率商业交流，逐渐建立起更加可靠和信任的合作关系。第三，在现实情境下，地方政府保护主义将会成为限制空间外溢边界的另一个重要原因。虽然我国的市场化改革已经取得了明显的成效，但是不同行政区域间的市场分割和贸易壁垒依然是客观存在的［41］，地方保护主义将会导致数字金融的跨地区(尤其是超过省际边界)赋能作用大大衰减。

基于此，本文提出假设3b：伴随着空间距离的增加，数字金融对实体经济的外溢效应将呈现出逐渐衰减的特征，并且存在着一定的空间界限。

三、数据来源与模型设定

(一)数据来源与变量设定

本文选择中国284个地级市(未考虑西藏、港澳台、部分行政区划发生变动以及数据缺失严重的城市)2011—2020年面板数据为研究样本，数据来源为《中国城市统计年鉴》、各省(市)统计年鉴和统计公报，部分缺失数据通过插值法补齐。

1.被解释变量

实体经济(REAL)。目前有关实体经济的范畴尚未完全达成共识，本文依据既有研究对实体经济层次的划分标准［1］，从狭义(R0)、一般(R1)和广义(R2)三个层次分别刻画我国各城市的实体经济发展现状。首先，狭义的实体经济主要指制造业，考虑到数据的可得性，使用各城市的工业产值来衡量R0层面狭义的实体经济；其次，一般意义上的实体经济主要指R0、农业、建筑业以及除制造业外的其他工业，由于各城市年鉴在统计第一产业产值时并未将农林牧渔四大行业分开统计，故使用第一和第二产业的和来衡量R1层面的实体经济；最后，R2层面的实体经济包括R1、除了金融业和房地产业外的其他服务业，通过计算各城市GDP减去金融业和房地产业产值得到③。

2.核心变量

数字金融(DF)。目前有关数字金融发展水平的测度方式相对有限，使用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”作为衡量我国各城市数字金融发展水平的代理指标［5］。

3.中介变量

(1)资源错配。按照式(1)所示的方法分别计算出资本错配(Kmisch)和劳动力错配指数(Lmisch)［27］。

(1)

其中，μKi和μLi为要素价格绝对扭曲系数，由于计算绝对扭曲系数的难度相对较大，一般可以通过测算价格相对扭曲系数来替代，具体计算方法如式(2)所示。

(2)

ln(Yit/Lit)=lnA+βitln(Kit/Lit)+μi+γi+εit

(3)

其中，产出(Yit)使用各城市当年GDP来衡量；资本投入(Kit)使用各城市的资本存量来衡量，通过永续盘存法计算得到，计算方法如式(4)所示；劳动投入(Lit)使用各城市当年在岗职工数来衡量；μi和γi分别为个体和时间固定效应。

Kt=It/Pt+(1-δt)Kt-1

(4)

其中，Kt为当期的固定资本存量；It为当期的名义固定资本总额；Pt表示固定资产投资价格指数；δt为折旧率，设定折旧率为9.6%［42］；Kt-1为前一期的固定资本存量。

依据上述计算过程，可以分别测算出资本和劳动力的错配指数，在现实情境中，资源错配包括资源配置不足与配置过度两种情况，为了保证回归方向一致，对资本和劳动力错配指数分别做绝对值处理［43］，即：数值越大，表示资源错配程度越严重。

(2)技术创新(INN)。用各地级市财政预算支出中的科学技术支出来刻画。

(3)产业结构(STR)。通过计算第二产业和第三产业占GDP的比重来衡量。

4.控制变量

为了更加准确地计算出数字金融对实体经济发展的影响，共设定如下七个控制变量。①政府干预(GOV)，使用财政支出占GDP的比重来衡量；②人力资本(HUM)，选取高等学校在校生人数来衡量；③城市规模(PEO)，选择城市年末户籍人口数作为代理变量；④对外开放水平(OPEN)，通过计算城市进出口总额与GDP的比值得到；⑤金融发展规模(FIN)，计算年末金融机构人民币各项贷款余额与地区生产总值的比值；⑥环境污染水平(POLL)，从中国的现实情境来看，二氧化硫在工业生产导致的污染物中占比较高，并且会对人们的健康产生极大的危害，此外，城市层面二氧化硫的统计数据比其他污染物更完整，可信性也更高，故选取工业二氧化硫排放量来衡量［44］；⑦交通强度(TRA)，由于城市层面缺乏完整的汽车拥有量数据，铁路和水运客运量相关数据缺失的年份较多，故选择城市公路客运量作为代理指标［45］。为了避免异方差问题导致回归存在偏误，对部分指标进行了对数化处理，各变量的描述性统计结果如表1所示④。

表1 各变量描述性统计

(二)计量模型的设定

1.基准模型设定

(5)

2.中介效应模型

为了进一步探索数字金融在实体经济发展过程中存在的间接传导机制，设定式(6)所示的中介效应模型。其中Mischit、INNit和STRit分别为本文设定的三个中介变量，分别为资源错配(包括资本错配和劳动力错配)、技术创新和产业结构升级，控制变量的选取和基准模型保持一致。有关中介模型的设定，目前大部分文献采用了心理学领域的“三步法”进行实证检验，但由于经济学和心理学在学科思想上的区别，很容易导致这一方法的“滥用”。因此，使用实证检验数字金融对于中介变量产生的影响，而中介变量对于我国实体经济发展的相关影响，通过相应的经济学理论以及现实中的客观依据进行说明［46］。

Mischit(INNit，STRit)=θ0+θ1×Dfit

(6)

3.空间计量模型

一般而言，各个地区(城市)会存在一定程度的空间关联，单纯使用传统的面板模型可能会存在研究偏误。因此，本文在测算空间相关性的基础上，构建如式(7)所示空间杜宾模型(模型选择的检验结果见后文)检验数字金融在影响实体经济发展时可能产生的空间外溢效应。其中，W包括临接矩阵和反距离权重矩阵，W×DFit表示本城市数字金融发展对邻近城市实体经济带来的影响，其余变量的设定与基准模型一致。在此基础上，通过调整空间矩阵的设置来进一步测算数字金融对实体经济发展的空间外溢边界。

REALit=α0+ρW×REALit+α1×DFit

(7)

四、实证分析

(一)数字金融对实体经济发展的直接影响

1.基准回归

按照前文设定的基准回归模型，本节首先使用普通最小二乘法(OLS)探索数字金融对中国实体经济发展的直接影响，表2中模型(1)～模型(6)分别测算了数字金融对我国三个层次实体经济的影响。首先，从模型(2)的拟合结果来看，数字金融对我国R0层次实体经济的影响为正，但未能通过显著性检验，这说明数字金融的发展没有对最狭义的实体经济(工业)产生显著作用。其次，从模型(4)的拟合结果来看，DF项的系数为0.228且通过1%的显著性检验，这表明伴随着数字金融发展水平的提升，能够显著促进我国R1层次实体经济的发展。最后，根据模型(6)的回归结果可知，数字金融发展每提高一个单位将会促进我国城市R2层次实体经济发展能力提升0.195个单位。综合来看，数字金融的发展对于R0层次(狭义)的实体经济影响尚不明显，但能够显著地赋能我国R1层次(一般)和R2层次(广义)的实体经济发展，有效地验证了假设1a。

表2 基准回归

由基准回归的结果来看，数字金融能够显著地赋能我国R1层次和R2层次的实体经济发展，但是对其中R0层次部分的影响并不明显，在一定程度上表明我国数字金融的发展主要作用于实体经济中除了工业以外的部分。为了进一步验证这一猜想，分别将R1和R2层次实体经济中涉及R0的部分去除，再次进行回归。由表3的拟合结果可知，数字金融对于去除R0部分实体经济的影响均显著为正，充分说明随着数字金融的蓬勃发展，主要作用于我国实体经济中的农业和第三产业，但是对传统工业的影响并不明显，有效地验证了假设1b。

表3 去除R0部分实体经济的回归结果

通过固定研究样本的地区和时间特征虽然能在一定程度上提升拟合结果的真实性，但就本文的研究重点来看，数字金融的飞速发展虽然能够促进R1和R2层次的实体经济发展，但是地区(城市)实体经济的发展水平同样也有可能会推动当地互联网和人工智能等新型数字技术的革新，进而对数字金融发展水平产生影响。因此，数字金融与地区实体经济发展间可能会存在一定的内生性，故下文将通过工具变量法进行稳健性检验。

2.内生性检验

有关工具变量的选取，选取各城市1984年的每万人固定电话数量为工具变量［47］。首先，考虑到数字金融的产生和发展依托于互联网和大数据等新型数字技术，现代数字技术的发展与变革又离不开原始互联网技术创造的基础条件；其次，随着新型数字通讯技术的进步和沟通软件的发展，固定电话作为一种相对传统的通讯方式，对现阶段经济活动的影响日趋减弱，符合作为工具变量的排他性要求。此外，考虑到单一年份的截面数据无法进行面板模型的实证检验，将前一年的互联网用户数与各城市1984年的固定电话数据构造交互项［48］，作为该年份数字金融影响城市实体经济发展的工具变量(TELE)。由表4所示的结果可知，在考虑潜在的内生性后，数字金融对于我国R1层次和R2层次实体经济的发展仍然表现出显著的促进作用，与基准回归得到的拟合结果一致。此外，当被解释变量分别为我国R1层次和R2层次的实体经济发展时，WaldF统计量分别为44.281和30.694(均大于10)，均拒绝弱工具变量的原假设，充分证明工具变量是有效的。

表4 工具变量回归结果

3.稳健性检验

考虑到北京、天津、上海和重庆四个直辖市在实体经济发展基础、数字信息技术基础以及政策优惠等方面都与一般地级市间存在着较大的差异。因此，在剔除四个直辖市后，对剩余的研究样本再次进行回归，其中模型(4)和模型(6)分别为基准回归中数字金融对R1和R2层次实体经济的影响，模型(13)和模型(14)为剔除四个直辖市后的拟合结果。表5结果表明，除了数字金融的回归系数略微下降外，对实体经济的作用方向和显著性均与基准回归保持一致，说明拟合结果是稳健的。

表5 稳健性检验

4.异质性分析

虽然数字金融的发展能够在整体上显著促进我国实体经济的发展，但考虑到我国幅员辽阔，不同区域和城市间的地理区位、实体经济发展基础和互联网发展基础存在着明显的差距，那么数字金融对不同区域的影响是否会表现出一定的差异性呢？为了检验这一猜想，本节将我国各城市划分为东中西三大区域并进行异质性分析。由表6的拟合结果可知，数字金融对东部地区R1层次和R2层次实体经济的作用均不显著，对中部和西部地区实体经济的作用均显著为正。出现这一结果的可能原因是，东部城市的金融基础和实体经济发展条件本来就在国内处于领先地位，传统金融的机构网点较多、金融产品多样化、金融功能相对多元化，已经能够较好地实现金融对实体经济的服务功能，因此数字金融的作用尚不明显；数字金融最大的作用是能够丰富金融服务的选择性和提高金融服务的普惠性，相较于东部地区，中西部地区的金融基础相对薄弱、发展相对缓慢，因此数字金融的出现能够很好地弥补传统金融发展过程中的缺陷并扩大金融服务的覆盖面，显著地赋能当地实体经济发展，有效地验证了假设1c。

表6 异质性分析

(二)数字金融对实体经济发展的间接作用机制

数字金融除了能够直接促进实体经济发展，还可以通过改善资源错配、促进技术创新和推动产业结构升级间接地赋能实体经济发展。为了验证上述四条间接传导路径，本节通过构建中介效应模型来检验数字金融在影响我国实体经济发展过程中产生的间接作用机制。正如前文模型设定中所说，由于心理学的相关研究与经济学中的因果推断之间存在着许多“格格不入”的地方，因此本文不再使用传统的“三步法”中介效应模型，仅对数字金融作用于中介变量的问题进行实证检验，而中介变量对于城市实体经济发展的影响，则通过相关的经济学理论或者客观事实进行解释和说明［46］。由于篇幅限制，仅报告R2层次实体经济研究样本的拟合结果(见表7)。

表7 中介效应检验

首先，数字金融对资本错配(Kmisch)的回归系数为-0.019且通过1%的显著性检验，说明数字金融的发展能够显著改善我国城市间的资本错配问题；既有研究表明：资本错配显著地增加了实体经济的债务成本，严重侵占了实体经济的利润，在很大程度上制约了实体经济发展的内在动力［49-50］，所以数字金融的飞速发展可以通过缓解资本错配来为我国的实体经济发展注入新的动力；另外，数字金融对劳动力错配(Lmisch)的影响为负但未能通过显著性检验，表明数字金融尚未对劳动力错配产生显著的缓解作用。简而言之，数字金融可以通过缓解资源错配(主要是资本错配)间接地促进实体经济发展，有效验证了假设2a。

其次，数字金融每提高1个单位将会促进城市创新能力(INN)提高0.239个单位，这表明数字金融依托大数据和云计算等新型数字技术，凭借自身突破时空限制的独特优势，为产学研等各类创新主体持续注入了创新发展动力，进而提高了城市创新能力；与此同时，创新作为国家经济发展的第一动力，城市创新能力的提升势必能够显著地促进实体经济发展，因此数字金融能够通过提高城市创新能力间接地促进实体经济发展，有效验证了假设2b。

最后，数字金融每提高1个单位还能够推动城市产业结构(STR)提升0.053个单位，产业结构的优化升级一直都是促进实体经济增长乃至高质量发展的重要途径，产业结构升级既要求服务业和高技术产业的规模不断扩大，还需要推动我国传统工业企业的数字化转型，数字金融的发展能够更好地融入和渗透到各个行业中，潜移默化地提升各部门的产值贡献，实现产业结构的优化升级，最终赋能实体经济的发展，有效验证了假设2c。

(三)数字金融影响实体经济发展的空间溢出效应

随着互联网和大数据等新一代数字技术的不断进步，不同地区实体经济表现出愈发明显的空间相关性。数字金融将会在极大程度打破传统的空间边界，在赋能本地区实体经济的同时，还有可能通过空间外溢效应对邻近地区产生影响。因此，本节通过构建空间计量模型深入考察数字金融影响实体经济发展时产生的溢出效应。

1.权重矩阵设定和模型构建

首先，依据两个城市是否存在相邻关系构建地理邻接矩阵(为避免“孤岛效应”，将海南省海口市设定为与广东省湛江市邻接)。其次，为了防止使用单一矩阵导致拟合结果出现偏误，故进一步根据两个地区(城市)的经纬度计算出城市间的空间距离，构建空间反距离权重矩阵。再次，为了保证模型设定的有效性，基于两种矩阵分别测算了数字金融和城市实体经济在2011—2020年的莫兰指数，由表8所示的结果可知，两个变量均通过了空间相关性检验。最后，根据LR检验的结果来看(见表9)，空间杜宾模型(SDM)是不能退化为空间自回归或者空间误差模型的。综上，本节将构建SDM模型来探索数字金融对地区实体经济发展产生的空间外溢效应。

表8 空间莫兰指数结果

表9 空间杜宾模型回归结果

2.回归结果分析

考虑到各城市间的经济发展存在显著的空间相关性，数字金融在促进本城市实体经济发展的同时，还将不可避免地对邻近城市的实体经济产生影响。因此，本节分别基于地理邻接权重矩阵和反距离权重矩阵，构建空间杜宾模型来检验数字金融在赋能实体经济发展过程中可能产生的空间溢出效应。考虑到空间效应的存在，采用偏微分方法将回归结果进一步分解［51］，用一种更加全面的视角对拟合结果进行分析。由于篇幅限制，同样仅报告R2层次实体经济研究样本的拟合结果。由表9报告的结果可知，在两种空间权重矩阵下，数字金融发展每提高1%将分别促进本城市实体经济增长0.174个和0.122个单位，与此同时还会通过空间外溢效应促进邻近城市的实体经济增长0.128个和0.212个单位，验证了假设3a。

五、进一步探索：数字金融赋能实体经济的空间衰减边界

前文的实证结果表明数字金融在促进本城市实体经济发展的同时，还能够通过外溢效应赋能邻近城市，本节将进一步使用空间计量分析技术探索数字金融影响实体经济发展的空间衰减边界。一般而言，两个城市间的空间关联会随着二者间地理距离的增加而不断减弱，最终导致数字金融对实体经济的空间溢出效应存在一定的区域边界。那么，数字金融的空间外溢范围究竟有多大？为此，本节通过设定不同的地理距离阈值(d)来寻找空间外溢的边界，假设城市i和城市j之间的距离为dij，若dij在地理距离阈值(d)的范围内，则将该单元从空间矩阵中删除，具体的矩阵设置如式(8)所示。

(8)

之所以将阈值(d)范围内的空间单元删除，而不是将阈值(d)范围外的空间单元删除，是因为设置空间阈值的主要目的是为了研究伴随着空间单元之间的距离不断变大，外溢性效应是否降低甚至消失。首先，将初始阈值设置为50 km，并按照50 km为一单位逐渐放大空间阈值；其次，依据新生成的矩阵依次进行实证回归，分别记录每次回归数字金融对实体经济发展的空间外溢效应系数和t统计量，具体的计算结果如图1所示。可以发现，随着距离的增加，数字金融对实体经济发展的外溢效应表现出明显的空间衰减特征，整体来看可以大致分为如下三个区间：第一个区间为300 km之内，在这一区间内数字金融产生空间外溢效应明显处于较强的水平，这个距离大致为一个省份的范围，充分说明数字金融的发展对同一省份内的其他城市能够产生非常强的促进作用；第二个区间为300 km～950 km的空间范围，在这个空间范围内，数字金融依然能够对实体经济产生显著的空间外溢效应，但伴随着地理距离的不断扩大，外溢效应呈现出明显的下降趋势，充分说明数字金融的空间外溢效应具有明显的空间衰减特征；第三个区间为超过950 km，当阈值超过950 km之后，数字金融对实体经济发展的外溢效应已经开始不再显著，有效地验证了假设3b。

图1 数字金融空间外溢效应的衰减边界

六、结论与建议

本文选取中国2011—2020年284个城市的面板数据为研究样本，深入考察了数字金融对城市实体经济发展的影响及具体作用机制。研究结果表明：第一，数字金融能够直接促进我国一般(R1)和广义(R2)层次实体经济的发展，但对狭义(R0)层次实体经济的影响尚不显著，这一研究结论在经过一系列检验后依然成立；第二，从区域异质性的分析结果来看，数字金融对中西部地区实体经济的赋能作用更强；第三，从间接作用的机制来看，数字金融除了能够直接赋能实体经济增长外，还可以通过减缓资源错配、促进技术创新和推动产业结构升级间接地赋能实体经济发展；第四，空间计量的实证结果表明：数字金融在赋能本城市实体经济的同时，还可以通过空间外溢效应作用于邻近城市的实体经济发展；第五，数字金融赋能实体经济发展的空间外溢效应会随着地理距离的增加而出现衰减，在950 km以内为空间外溢的密集区域，当越过这一阈值后外溢效应基本消失。

相较于以往的研究，本文从直接影响、间接机制和空间效应等多重视角出发，以一种更为全面的视角探索了数字金融对不同层次实体经济的赋能作用。本文的研究结论对于促进我国实体经济发展具有重要的政策启示。为了能够更好地强化数字金融的赋能作用，提出如下对策建议：第一，主动抓住数字金融蓬勃的机遇，加大数字技术的研发投入，加快数字通讯基站以及大数据中心等基础配套基础设施的建设，进一步释放数字金融对实体经济发展的赋能作用。第二，引导数字金融资金流入实体经济领域，把握数字金融“普惠性”的优势促进中西部地区实体经济发展，努力提升我国区域发展的协调性。第三，数字金融的发展应以减缓资源错配、促进技术创新和推动产业结构升级为导向，培养高端科技人才和数字技术人才，聚焦关键核心技术，提升我国数字金融发展水平，从而更好地打破实体经济发展过程中面临的困境。第四，充分利用数字金融打破时空限制的独特优势，依托外溢效应释放其对地区实体经济发展的空间贡献能力。第五，努力打造区域经济一体化的全新发展格局，各地方政府间应加强交流合作，实现互利共赢，让数字金融对实体经济发展的空间外溢效应能够在更大的范围内发挥赋能作用。

［注 释］

① 2018年10月22日至25日，习近平总书记在广东考察时强调。

② 后文将狭义(REAL0)、一般(REAL1)和广义(REAL2)三个层次的实体经济分别简写为R0、R1和R2。

③ 金融业和房地产业的产值通过手动检索各城市历年的统计年鉴或统计公报获取，因为我国部分城市年鉴在统计第三产业时并未公布各细分行业的产值(或仅有少量年份公布)，所以在研究数字金融对R2层面实体经济的影响时，对部分样本进行了剔除。

④ 因受限于篇幅，后文的中介效应模型选取R2(广义)层次实体经济为被解释变量，故中介变量描述性分析的样本量与R2层次实体经济保持一致；另外，由于《中国价格统计年鉴》自2020年不再公布固定资产价格指数，涉及资源错配部分的样本考察期为2011—2019年。