数字经济、金融发展与经济韧性

刘 莉 陆 森

(安徽财经大学,安徽 蚌埠 233030)

一、引言与文献综述

当今世界正经历百年未有之大变局。地缘政治、保护主义、单边主义、气候、病毒、战争等偶然因素或非偶然因素深刻影响着国际格局和国内环境。根据中国国家统计局初步核算,2021年中国国内生产总值1143670亿元,比上年增长8.1%,两年平均增长5.1%。亮眼的经济基本盘表明中国在面对不确定风险和经济下行压力时经济韧性强,这是中国实现经济转型和高质量发展的关键。面对严峻的国内外双重压力,经济韧性受到社会各界的关注。

学界对于经济韧性目前存在两种主流认知视角,一是均衡论视角,二是演化论视角。由于认知视角的不同,因此对经济韧性的测度、影响因素的分析存在较大差异。Martin(2012)认为均衡论视角下经济韧性是指区域抵抗危机的能力和从危机中恢复的能力,认为危机不会对区域发展造成长期的演化影响。基于均衡论视角下经济韧性的研究较为丰富,持此观点学者的核心思想是假定经济处在稳定的运行状态,危机发生导致经济损失。在对经济韧性的测度中通常选取一个或几个指标计算危机前后的经济损失及敏感程度(Martin,2012;徐圆 等,2019;刘晓星 等,2021),也有学者从抵抗力、恢复力等目标层构建指标体系测度经济韧性(朱金鹤 等,2021)。部分学者认为全要素生产率、市场规模、开放程度、市场化程度、人力资本、创新能力(徐圆 等,2020;谭俊涛 等,2020)等因素会影响区域经济抵抗波动、从危机中恢复的韧性。Pietro et al.(2021)利用空间一般均衡模型分析在不同类型的冲击下经济系统的调整和恢复机制,为经济韧性的研究打开了新的思路。演化论视角经济韧性由Simmie et al.(2010)、Martin et al.(2015)、Boschma(2015)提出,认为区域经济无时无刻不受到微小的冲击,处于一种动态的发展路径中,因此经济韧性是区域经济不断调整自身经济结构和经济规模以适应外部冲击、实现经济发展的长期能力。孙久文等(2017)也认可区域经济韧性是一个地区固有的特征,为该区域经济的系统属性,对区域经济提升的影响是长期、持续地。西方学界认为演化论视角下影响经济韧性的因素主要有产业结构(Brown et al.,2017)、经济发展水平(Fingleton et al.,2012)、文化因素(Huggins et al.,2015)。

在全球新一轮技术革命的浪潮下,以数据为核心要素的新经济形态悄然发展,数字经济已成为驱动全球经济社会发展的主导力量。2016年于中国杭州举办的二十国集团峰会在《二十国集团数字经济发展与合作倡议》中提出数字经济是以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。这也是目前学界广泛认可的数字经济的定义。随着数字经济的概念日渐明确,数字经济核算和测度成为一个重要问题。衡量数字经济的方式主要有测度数字经济产业规模指标(陈梦根 等,2022)和构建数字经济指标体系(OECD,2014)两类。刘军等(2020)构建多维度指标体系测度中国各个省份数字经济的发展水平,填补了我国省级数字经济水平的研究空白。目前学界对于数字经济促进经济高质量发展早已达成一致,已有对数字经济和经济高质量发展的研究主要集中于经济增长、经济结构、经济效率方面。焦勇(2020)、丁志帆(2020)认为数字经济的发展使得多样化需求以较快的速度、较低的成本传递给供给方,供给和需求的匹配效率得以提高。荆文君等(2019)、田秀娟等(2022)等认同数字经济的发展可以提高全要素生产率,驱动经济的内生增长。关于数字经济与经济韧性之间的研究还较少。荆林波(2021)对数字经济与韧性城市的经济建设进行了理论探析,朱金鹤等(2021)认为数字经济可以通过培养人才资源、提升产业完整性、促进研发创新间接提高城市经济韧性。

数字金融、金融科技等新型金融业态,加强了金融对实体经济的服务功能,推动金融市场激活发展潜能。数字经济能够降低金融服务门槛和服务成本、改善中小微企业的融资环境(王馨,2015)、更有效地服务普惠金融主体(傅秋子 等,2018),优化资源配置,提升金融服务规模和效率。金融发展在促进经济转型、提升经济质量中起到引擎作用。李健等(2015)、杜思正等(2016)、庄毓敏等(2020)、张建鹏等(2021)等分别研究了金融发展对技术进步、对外贸易、经济增长、绿色转型的促进作用。

梳理现有文献可以发现,基于均衡论视角,数字经济在推动经济发展、提高经济韧性过程中起到重要作用。但对演化论视角下经济韧性的相关研究较少。各地区的演化经济韧性究竟如何?演化论视角下经济韧性与数字经济的关系是怎样的?数字经济是否会通过影响金融发展进而影响经济韧性?金融业在数字经济强化经济韧性过程中扮演怎样的角色?在已有文献中缺乏回答上述问题的答案。

本文基于2011—2019年中国211个地级市及以上城市的面板数据,采用演化论视角下的经济韧性定义构建指标体系测度经济韧性,通过多种计量方法全面分析数字经济对经济韧性的直接影响和金融发展的间接影响、门槛效应,进一步研究了数字经济对经济韧性的空间效应,以期为提高经济韧性建言献策。本文可能的边际贡献在于:一是基于演化论视角下经济韧性的定义,从模块化和冗余化两个维度测度区域演化经济韧性水平,拓宽了对经济韧性的研究;二是丰富了数字经济发展的经济后果研究,多角度评估数字经济发展对经济韧性的影响效果;三是从作用机制出发,探寻数字经济提高区域经济韧性水平的金融发展路径。

二、理论分析与研究假说

演化论视角下的经济韧性是指区域不断调整自身社会经济结构以适应环境变化和持续发展的长期演化能力(Martin,2012)。一方面,数字经济作为一种新兴的经济形式,是区域发展的一种突破性演化路径;另一方面,数字经济通过渗透传统产业,与经济要素深度融合,提升经济要素的效率和关联,提高区域演化的冗余化倾向,影响区域演化的模块化能力和冗余化能力。因此,本文将从直接效应、间接效应和门槛效应三方面阐述数字经济对经济韧性的影响效果和作用机制。

(一)数字经济对经济韧性的直接影响

数字经济具有交易成本低、渗透能力强、创新力度高等特点,在提高经济活动效率的同时,为经济演化提供了无限的路径选择可能性,对经济韧性产生重要影响。在微观层面,人工智能、大数据等数字技术的应用使得企业迅速应对消费者多样性的需求和瞬时性的变动,并根据需求的变化精准调配生产资料、使用经济要素(陈晓红 等,2022),降低经济活动成本,提高区域演化能力;企业在生产中采用新的要素组合、创新商业模型,从模块化演化维度影响经济韧性。在中观层面,随着数字经济的发展和信息通信技术的渗透融入,传统行业知识的传播和应用速度不断提升,传统工农行业全要素生产率得到提升。在宏观层面,面对宏观经济波动,数字经济能够加快经济内在的稳定器响应速度,加强现有经济要素的关联度,提升区域演化的冗余化能力;同时,数字经济也有助于宏观经济突破路径依赖,加快探寻新的经济增长点(荆文君 等,2019)。基于上述分析,提出:

假说1:数字经济对经济韧性有正向的直接影响。

(二)数字经济对经济韧性的间接影响

数字经济对经济韧性的影响体现在其加速信息传递、优化资源配置和促进颠覆性创新等方面。金融作为资金融通的工具,承担着信息中介、资源配置的功能,因此数字经济可以通过金融发展进一步影响经济韧性。下面将从两方面具体分析。

一是数字经济对金融发展的影响。数字经济扩大了金融业的规模。电子支付、网络平台的发展降低了金融发展的成本,支付宝、数字普惠金融的开拓拉近了普通大众与金融的时间距离和空间距离,同时数字经济增加了金融业服务受众(崔耕瑞,2021)。数字经济的发展也优化了金融结构。长期以来,我国金融业以银行机构为主体,数字经济的发展促进了金融体系的多样化,资源配置的途径增加,市场化程度提高。数字技术与传统金融行业的融合发展,提高了金融业的创新水平。此外,数字经济发展提高了金融效率,促进了资源的有效配置(封思贤 等,2021),提升了资金供求双方的信息交互水平,缓解了资源配置过程中信息不对称导致的金融效率低下问题。因此,数字经济可以促进金融发展。

二是金融发展对经济韧性的影响。金融发展对经济发展的影响主要通过两种途径:一方面,金融发展能够提高流动性,有效动员储蓄,增加投资,促进区域创新演化;另一方面,金融发展能够提高金融资源的配置效率,降低风险,提升区域经济发展效率。从对经济韧性的模块化能力影响来看,金融支持能够提高创新创业的风险承受能力。在新产业发展的过程中,金融业通过资金筹集提高技术研发资金投入,改善了市场条件和市场环境,从而加快了区域经济新增长点的开发(庄毓敏 等,2020)。从对冗余化能力的影响角度,金融发展通过优化资本结构、减少信贷市场摩擦、透明化市场环境保证融资路径依赖度较强的企业在较低风险下深度发展,同时金融的信息交流功能也使得经济要素间的联系更为紧密,抵抗经济波动的能力提升。

基于上述对数字经济、金融发展和经济韧性的分析,提出:

假说2:数字经济通过影响金融发展间接影响经济韧性。

(三)数字经济对经济韧性的非线性影响

由于数字化时代下信息传递共享成本低、处理能力强,数字经济在规模经济、范围经济等方面影响经济韧性(李晓华,2019)。数字经济的网络效应带来规模经济和范围经济,使得数字经济所创造价值呈指数式增长。同时,数字经济的发展发掘了区域内部的多样性,形成长尾效应,这种效应也使得数字经济对经济韧性的影响存在非线性特征。

数字经济对经济韧性的影响具有非线性特征还可能来源于金融发展这一门槛条件。一方面,金融发展可能在数字经济影响经济韧性中产生正向的调节作用。金融支持经济发展的核心机制就在于金融发展能够通过减少道德风险、逆向选择或者交易成本等方式降低信息不对称程度、优化资本配置以提高经济效率(Rajan et al.,1998;李青原 等,2013)。数字经济对区域创新的影响程度随着创新成本的下降而提升,区域演化模块化能力得以提高;数字经济对经济要素耦合程度和产业升级的影响程度也随着金融发展程度的提高而提高,冗余化能力得以提升。另一方面,金融发展对经济发展的影响具有非线性特征。随着金融杠杆水平的提高,经济增速会先升高后降低(马勇 等,2017)。杨友才(2014)研究发现较低的金融业发展水平对经济发展的促进作用并不显著,过度的金融发展也会损害实体经济发展;只有在金融市场成熟有效的情况下,金融业对经济发展才会呈现出边际报酬递增的规律。因此,金融发展可能会作为门槛变量,调节数字经济对经济韧性的影响。

基于上述分析,提出:

假说3:数字经济和金融发展作为门槛变量使得数字经济对经济韧性的影响存在非线性特征。

三、研究设计

(一)模型构建

1.基准回归模型

为验证假说1,即考察数字经济对经济韧性的直接影响,本文参考赵涛等(2020)的做法,构建如下城市和年份双向固定效应模型:

ERit=α0+α1DEit+αcControlsit+μi+δt+εit

(1)

其中,i和t分别表示城市和年份,被解释变量ER表示经济韧性水平,解释变量DE表示数字经济,Controls代表一系列控制变量,μi和δt分别表示城市和时间固定效应,ε表示随机扰动项。若DE的回归系数显著为正,则表明数字经济对经济韧性存在显著的正向影响。

2.中介效应模型

为验证假说2,即考察金融发展在数字经济影响经济韧性的过程中是否发挥中介作用,本文在模型(1)的基础上,纳入了以下模型:

Finit=β0+β1DEit+βcControlsit+μi+δt+εit

(2)

ERit=γ0+γ1DEit+γ2Finit+γcControlsit+μi+δt+εit

(3)

其中,Fin表示中介变量金融发展,其他变量的含义与模型(1)一致。金融发展的中介效应检验步骤如下:在模型(1)的系数α1显著为正的基础上,通过观察模型(2)的系数β1、模型(3)的系数γ1、γ2的显著性,判断金融发展是否在数字经济对经济韧性的影响中存在中介效应。

3.面板门槛模型

为验证假说3,设定如下面板门槛模型:

ERit=φ0+φ1DEit×I(Adjit≤θ)+φ2DEit×I(Adjit>θ)+αcControlsit+μi+δt+εit

(4)

式(4)以单门槛情形为例设立,对于门槛值及其个数,根据样本数据计量检验后决定是否将模型扩充至多门槛情形。其中,Adj为门槛变量,θ为门槛的临界值。I(·)为结果为0或1的示性函数,满足不等式条件时函数值为1,反之为0。根据前述理论分析,选定数字经济水平和金融发展水平为门槛变量。

(二)变量说明

1.被解释变量:经济韧性(ER)

本文基于演化论视角,认为经济韧性是指产业结构、生产关系等在区域演化中不断自我强化的历史路径依赖能力(冗余化能力)和在历史演化路径上的创新重组能力(模块化能力)。纵观已有文献,该视角下的经济韧性测度较少,Angulo et al.(2018)采用偏离-份额分析法分解区域的产业结构变化和区位优势以衡量区域演化韧性。鉴于采用经典SSA方法衡量经济韧性可能会忽视分析研究时段内的动态变化,本文基于定义从区域演化的模块化能力和冗余化能力两个层面分解经济韧性,构建指标体系予以测度。

(1)模块化能力(ER1)。区域的模块化演进下对历史路径依赖度较低,主要通过现有生产要素、资源禀赋、知识技能的模块衍生、重组和创新以重构增长路径(Boschma,2015)。因此,经济韧性的模块化能力是指区域发展新产业和新技术、创造新增长路径的能力。其要求区域经济要素多样化,在面对危机时能够及时调整经济发展方式,形成毁灭性创新。就模块化的演化方式而言,知识的传播、技能的革新能够加速区域摆脱历史路径依赖,促进创新成果产出。基于此,经济多样性、创新水平和知识传播是区域经济韧性模块化能力的重要衡量指标。在具体的数据处理上,经济多样性参考Frenken et al.(2007)、孙晓华等(2012),计算经济系统中产业关联相对较弱的部门之间的熵指标,得到无关多样化指数。创新水平分别从投入和产出角度采用每万人发明专利授权数、科技支出占财政支出比重衡量。知识传播水平采用人均拥有图书馆馆藏量和教育支出占财政支出比重衡量。

(2)冗余化能力(ER2)。经济韧性的冗余化能力强调区域经济要素的高度关联性。由于区域内部要素关联强,区域经济由一类或几类产业主导,产业专业化水平高。这种专业化演进不易受除主导行业外特定行业冲击的影响,并且在主导产业波动时可以通过成熟的发展路径高效调配资源禀赋,抵抗经济波动。经济要素的关联度越高意味着区域产业相关性越强,产业集聚水平越高。但单一的产业集聚可能会导致区域对外界波动适应能力弱,演化陷入锁定状态,经济韧性反而较低(Boschma,2015)。因此,冗余化演化的最优路径应该是在已有历史路径依赖形成的产业结构和生产关系基础上,对区域内生产要素、生产关系深度开发,推动产业结构合理化和高级化。基于上述分析,综合考虑数据可得性,分别从产业集聚、产业相关性、产业结构合理化和产业结构高度化层面来衡量经济韧性的冗余化能力。参考柳卸林等(2020),采用Krugman专业化指数来衡量区域产业专业化集聚;参考Frenken et al.(2007)、孙晓华等(2012),采用Frenken相关多样性指数衡量产业相关性水平;参考韩永辉等(2017),计算要素投入结构和产出结构的耦合程度,度量产业结构合理化;参考干春晖等(2011),用第二、第三产业产值比例度量产业结构高度化。

从模块化能力(ER1)和冗余化能力(ER2)两个维度测度经济韧性的指标体系详见表1。本文采用主观赋权法和客观赋权法相结合的方法确定权重,参考戚聿东等(2020),对主观和客观赋权法得到的权重取均值得到组合权重。客观赋权法采用熵值法测算。熵值法的核心思想是数据越离散,包含的信息量越多,数据处理过程相对客观,但不能反映不同指标在实际经济运行中受重视程度的差异。主观赋权法参考刘军等(2020),采用NBI指数法确定权重。NBI指数权重确定方法中每级指标权重=1/该级指标的个数,适合对存在明显递进关系的指标分类赋权。由于模块化和冗余化是区域演化的不同倾向,本文的指标分类中存在明显的递进关系,因此主观上对二级指标赋相等的权重(各占50%),在三级指标的主观赋权上也平均分配权重。最后,利用线性加权法得到经济韧性指数(ER)。

表1 经济韧性指标体系

2.解释变量:数字经济(DE)

本文借鉴赵涛等(2020)的做法,选取固定端互联网用户数、移动端互联网用户数、互联网行业从业人员数、互联网行业产出、数字金融发展五个指标构建数字经济发展水平评价指标体系,具体见表2。对具体指标数据进行标准化处理后,运用主成分分析法合成数字经济变量(DE)。

表2 数字经济发展水平指标体系

3.中介变量:金融发展(Fin)

现有文献大多采用地区金融机构贷款余额占GDP比重来衡量金融发展(Rajan et al.,1998;庄毓敏 等,2020)。该指标更多是以金融深度替代金融发展,而未考虑金融系统的资源配置效率问题。为此,本文参考王志强等(2003)、董竹等(2019),从金融规模和金融效率两个角度衡量金融发展的规模扩张和效率变化情况。

(1)金融规模(finscale),以金融存贷款余额与地区常住人口的比值来衡量。地区人均存贷款余额侧重于金融可得性视角,能够有效表征金融规模扩张质量。

(2)金融效率(fineff)。金融效率分为金融中介效率和金融市场效率。其中,金融中介效率是指金融机构的投入产出效率。本文在理论分析部分主要从金融机构资源配置效率论证金融发展的中介作用,因此借鉴王志强等(2003)的做法,以金融机构存贷余额比衡量金融效率,该指标能够表征金融机构将投入(储蓄)转化为产出(贷款)的效率。金融市场效率衡量的是金融行业对实体经济支持效率,我们将在后文进一步研究。为使结果更具可比性,我们对金融发展的两个衡量指标进行了标准化处理。

4.控制变量

本文参考孙伟增等(2022)、崔耕瑞(2021)、徐圆等(2020)等,在回归模型中纳入了以下控制变量:经济水平(lngdp),用GDP的自然对数表示;市场规模(scale),用区域人口数量与区域土地面积的比值表示;市场化程度(market),用财政支出与地区生产总值的比值表示;对外开放(open),用当年实际使用外资金额的对数表示。

(三)样本选择与数据说明

本文研究样本选择中国2011—2019年地级市及以上面板数据,形成了211个城市1899个面板观测值。数据主要来自《中国城市统计年鉴》,数字金融指数采用北京大学数字金融研究中心所发布的中国数字普惠金融指数,专利数据来自国家知识产权局提供的《中国专利数据库》。部分缺失值采用线性插值法填补。表3列示了本文主要变量的描述性统计结果。

表3 描述性统计结果

四、实证结果分析

(一)数字经济与经济韧性

表4报告了数字经济与经济韧性的基准回归结果。其中,列(1)～(3)是未加入控制变量的回归结果,被解释变量分别为经济韧性、经济韧性的模块化能力和冗余化能力。列(4)～(6)则是加入所有控制变量后的回归结果。由表4列(1)、(4)可见,无论是否纳入控制变量,数字经济(DE)的回归系数均在1%的水平上显著为正,说明数字经济对经济韧性具有显著的正向促进作用,假说1得到验证。同时,列(2)、(3)以及列(5)、(6)的结果显示,数字经济对模块化能力和冗余化能力的影响均为正,且至少通过了5%水平的显著性检验。进一步,对比回归系数可知,数字经济对经济韧性模块化能力的促进作用较冗余化能力更大。

表4 基准回归结果

(二)作用机制检验

为验证假说2是否成立,即数字经济对经济韧性的正向影响是否通过金融发展路径实现,本文采用逐步回归法、系数乘积检验法(Sobel检验)进行检验,结果见表5。

表5 作用机制检验结果

其中,列(1)～(4)为金融规模渠道的回归结果。由列(1)可见,数字经济对金融规模的影响系数在1%水平上显著为正,说明数字经济对金融规模具有显著的正向促进作用。列(2)的结果显示,在加入中介变量金融规模(finscale)后,数字经济对经济韧性的影响系数未发生方向与显著性水平上的实质性变化,同时金融规模对经济韧性也存在显著的正向影响。上述检验结果说明,数字经济通过扩大金融规模提升了经济韧性。列(5)～(8)为金融效率渠道回归结果。列(5)中,数字经济(DE)的回归系数在1%的水平上显著为正,说明数字经济发展显著提升了金融中介效率。在将中介变量金融效率(fineff)同时引入回归模型后,由列(6)可见,数字经济(DE)以及金融效率(fineff)的回归系数均显著为正。这说明,金融效率在数字经济影响经济韧性的过程中发挥中介作用。综上所述,本文假说2成立,即数字经济通过提高金融发展水平增强了城市经济韧性。

需要指出的是,由表5列(3)、(4)可知,金融规模对经济韧性冗余化能力的影响不显著,与Sobel检验结果类似,说明金融规模渠道主要作用于经济韧性模块化水平。金融规模的中介效应之所以存在差异,其可能的原因在于:数字经济通过挖掘多样化的市场需求和供给提升了经济韧性的模块化能力。一方面,数字经济促进多样化金融工具的使用,加速金融创新;另一方面,前数字时代难以获得金融服务的个体在数字时代金融可得性提高。根据长尾效应,这些非主流个体的需求种类更加丰富,构成多元化的市场。列(7)、(8)的回归结果显示,金融效率对模块化能力和冗余化能力的回归系数分别为0.0025和0.0039。从间接效应的占比来看,金融效率对经济韧性两个维度的间接效应占金融效率对经济韧性间接效应的比值分别为0.3972(0.0060/0.0151)与0.6093(0.0092/0.0151),金融效率对冗余化水平的影响更强。金融效率对经济韧性两个子维度的影响存在差异的原因可能在于:数字经济能够提升金融机构资金运营效率,但并未改变其资金投放偏好。相对于创新型企业,专业化企业信息披露充分,运营经验丰富,未来预期明确。金融机构基于搜寻成本、交易成本等的考虑,倾向于向成熟的专业化企业提供金融支持。因此,金融效率的提升推动区域朝向专业化方向演化,加强经济韧性冗余化能力。

(三)门槛效应检验

进一步,进行门槛效应检验以验证假说3是否成立。参考赵涛等(2020),本文基于Hansen(1999)提出的“自助法”(Boorstrap),经过1000次反复抽样后得到F统计量值及相应P值,表6展示了门槛效应检验结果。当门槛变量为数字经济(DE)时,未通过单一门槛、双重门槛和三重门槛检验,说明数字经济发展对经济韧性的非线性影响不受自身作用。金融规模(finsclae)通过了三重门槛检验,金融效率(fineff)则通过了单一门槛检验,说明金融发展在数字经济影响经济韧性的过程中发挥调节效应。

表6 门槛效应检验结果

在此基础上,我们分别以金融规模为门槛变量设定三重门槛回归模型和以金融效率为门槛变量设定单一门槛回归模型,表7报告了门槛效应检验结果。可以看出,不同金融发展水平下,数字经济对经济韧性的影响存在差异。数字经济对经济韧性的促进作用随着金融效率的提高显著加强。当金融效率高于门槛值时,金融业的资源配置效率提高,金融业对产业升级、区域创新水平和多样性的支持能力加强(钱水土 等;2011;张宽 等,2019),数字经济通过金融效率作用于经济韧性的强度提升。而金融规模对数字经济和经济韧性间关系的调节作用呈“U”形特征,即数字经济对经济韧性的正向影响强度随金融规模的扩大而呈现先下降再上升的趋势。这可能是因为,金融业在初期无序扩张、产业链不合理拉长(张杰,2018),金融效率低下,资源配置、产业结构等方面的矛盾不断显现,最终使得数字经济对经济韧性的支持效果一定程度下降。在经历早期的超常规扩张后,金融市场逐步回归正常健康发展轨道,金融监管日趋强化(李扬,2017),金融业对经济发展的积极影响愈加凸显,此时数字经济通过金融发展渠道提升经济韧性的效应显著增强。综上所述,本文假说3成立。

表7 门槛效应检验结果

(四)内生性问题

1.遗漏变量问题处理

一方面,考虑到本期经济韧性可能受上一期经济韧性的影响,本文在模型中引入滞后一期被解释变量,更换为动态面板模型,采用系统GMM方法进行估计,结果如表8列(1)所示。从中可见,经济韧性存在路径依赖,在排除滞后项干扰后,数字经济(DE)的系数显著为正,与基准回归结果保持一致。另一方面,鉴于经济韧性还可能受宏观系统性环境变化的影响,我们在回归中加入省份与年份的交互固定效应,以捕捉城市对于宏观冲击的异质性反应。表8列(2)的结果显示,在考虑宏观环境的影响后,数字经济与经济韧性仍然显著正相关,与表4报告的检验结果一致。

2.双向因果问题处理

本文也可能存在双向因果所致的内生性问题,而工具变量法是解决内生性问题的主要方法。借鉴赵涛等(2020),本文采用1984年中国城市邮电业务总量与一个随时间变化的变量构造的交互项作为数字经济的工具变量。一方面,数字经济提高了信息通信技术,是传统通信技术的延续发展,传统通信产业会由于路径依赖影响数字经济的发展和信息交流,满足工具变量的相关性。另一方面,在数字经济时代,传统邮电工具使用频率逐渐下降,不太可能通过其他路径对经济韧性产生影响,满足工具变量的排他性。时间变动变量选取上一年全国互联网使用人数。表8列(3)报告了工具变量法的2SLS估计结果。Kleibergen-Paap rk的LM统计量P值在1%的水平上显著,拒绝工具变量不可识别的假设;Kleibergen-Paap rk的Wald F统计量大于弱识别检验10%水平上的临界值,通过了弱识别检验。第二阶段回归结果显示,数字经济(DE)的回归系数在1%的水平上显著为正。这说明,在使用工具变量法尽可能缓解内生性问题后,数字经济显著促进经济韧性提升的结论仍稳健成立。

3.准自然实验

为进一步缓解数字经济综合指标体系和经济韧性指标体系间的相关性,通过引入数字经济政策外生冲击以更为准确地评估数字经济与经济韧性的因果关系。“宽带中国”战略为本文研究提供了一个较为理想的准自然实验环境。本文以实施“宽带中国”试点政策的城市作为实验组,未实施试点政策的城市为控制组,采用多期双重差分模型检验“宽带中国”试点政策效果,评估数字经济是否促进了区域经济韧性水平。

(1)多期双重差分模型

国务院于2014—2016年分三批共确定120个“宽带中国”战略示范城市(城市群)。由于各地区成为示范城市的时间存在差异,本文构建多期双重差分模型(5)检验“宽带中国”试点是否会促进城市经济韧性水平提升。模型设定如下:

ERit=φ0+φ1Treati×Postt+φcControlsit+μi+δt+εit

(5)

其中:Treat为分组变量,若城市为“宽带中国”示范城市,则赋值为1,否则为0;Post为年份虚拟变量;其余变量的含义与模型(1)一致。Treat×Post的回归系数φ1主要用于反映试点政策对城市经济韧性的影响。表8列(4)报告了模型(5)的估计结果,从中可见,Treat×Post的系数显著为正,说明“宽带中国”试点对城市经济韧性有显著促进作用,数字经济发展能够提升经济韧性,本文结论稳健可靠。

(2)平行趋势与动态效应检验

双重差分模型有效的前提在于实验组和对照组在处理前具有相同的变化趋势,即“宽带中国”试点城市与非试点城市的经济韧性在试点前不存在显著差异。本文参考Beck et al.(2010),设立模型(6)检验平行趋势。

(6)

其中,虚拟变量Post(n)表示试点地区第n年的政策实施情况。当观测年份为示范城市试点政策实行的第n年,Post(n)取值为1,否则为0;特别地,n小于0表示政策实施前的年份,n为0表示政策实施当年。本文选取政策实施前后五年进行动态效应检验。若Post(-5)～Post(-1)的系数不具有统计显著性,则可以认为通过了平行趋势检验,政策实施前处理组与对照组不存在显著差异。

图1展示了模型(6)中Post(n)的估计系数及其90%置信水平的置信区间。结果显示,在“宽带中国”战略试点前,试点地区与非试点地区的经济韧性不存在显著差异,平行趋势假设成立,双重差分模型结论可靠。从政策实施的动态效应来看,随着“宽带中国”战略的持续推进,试点政策对经济韧性的影响强度逐渐提高。

图1 平行趋势检验

(3)安慰剂检验

安慰剂检验可以排除无法观测的因素和其他遗漏变量对多期DID模型造成的干扰。具体而言,在样本城市中随机抽取相同试点数量城市作为政策处理组,在2011—2019年中随机抽取试点时间,利用随机抽取的试点城市和政策时间生成与现实不符的样本对模型(5)进行回归,得到双重差分项估计值。将以上随机抽取过程重复1000次,可以得到1000个虚假处理组估计系数。图2为随机生成试点时间和地点估计系数的核密度图及其p值分布图。从中可见,双重差分项回归系数及其对应的p值均呈现出0均值、正态分布的特征,安慰剂检验通过。这说明在排除其他未观测因素后,“宽带中国”试点政策能够促进试点城市经济韧性的提升。

图2 安慰剂检验

(五)稳健性检验

为进一步确保研究结论的可靠性,本文还进行了以下稳健性测试:

其一,更换解释变量的测量方法。采用熵值法确定指标权重,线性加权合成新的数字经济变量DE2。此外,为避免指标体系主观性的影响,我们还使用单一指标城市信息传输、计算机和软件行业就业人员占总就业人员比重衡量了数字经济发展水平(IS)。表9列(1)、列(2)分别报告了以DE2和IS为解释变量的回归结果,不难发现,回归系数依然显著为正,前文结论并未发生根本性变化。

表9 稳健性检验结果

其二,更换被解释变量的测量方法。借鉴Frenken et al.(2007)、孙晓华等(2012),分别以产业无关多样性(UV)和相关多样性(RV)衡量经济韧性的模块化能力和冗余化能力,并以此作为被解释变量重新回归,结果见表9列(3)、(4)。不难发现,数字经济(DE)的回归系数均在1%的水平上显著为正,即数字经济发展能够显著提升区域产业相关多样性和无关多样性。这意味着在调整经济韧性的测量指标后,本文假说1仍然成立。

其三,缩尾处理。为排除极端值对回归结果的干扰,本文对所有连续性变量分别在1%、5%分位上进行了双边缩尾处理。重新回归后的结果如表9列(5)、(6)所示,数字经济(DE)与ER_1、ER_5均显著正相关,再次证实本文结论是稳健的。

五、进一步研究

(一)异质性分析

1.城市经济发展的影响

中国地域广大,各地区处在不同的经济发展阶段,数据要素的接受处理能力、数字经济等新兴经济业态的运营能力存在差异,导致数字经济对经济韧性在不同经济发展程度地区的异质性影响效果。本文按照全国人均GDP水平将样本划分为经济发展较差地区(城市人均GDP低于全国人均GDP地区)和较好地区(城市人均GDP高于全国人均GDP地区)两组进行检验,结果见表10列(1)、(2)。可以看到,无论是在经济发展较差地区还是较好地区,数字经济(DE)的回归系数均显著为正;但是,在经济发展水平较高地区,DE的系数值更大,说明经济相对发达地区数字经济对经济韧性的影响强度相对较高。这可能是因为:人均GDP高于全国平均值的地区经济基础较好,数字经济运作与使用效率更高,与实体经济发展融合效果更好,区域经济专业化与多样化水平均得到有效提升,经济韧性水平更高。此外,对于城市经济发展的异质性分析也呼应了上文金融发展门槛效果的分析。根据上文的结论,金融发展水平较高的地区数字经济对经济韧性的影响强度也较高。金融业发展成熟地区的经济发展水平也较高。因此,在金融发展水平较高、经济发展水平较高的地区,数字经济对经济韧性的正向影响更为强烈。

表10 异质性检验结果

2.城市群的影响

城市群是经济活动的高级化空间组织形式,是区域工业化和城市化发展演化的成果,在要素集聚能力、整合发展能力、基础设施水平、经济以及社会文化发展等方面具有较强优势。本文先将样本划分为两组,即长三角、珠三角和京津冀三大成熟城市群城市,以及非三大城市群城市。在此基础上,重新进行回归,估计结果如表10列(3)、(4)所示。由回归结果可知,在三大城市群组和非三大城市群组,数字经济(DE)的回归系数均在1%的水平上显著,但从系数值大小来看,数字经济对经济韧性的促进作用在城市群组更强。从经济要素配置的视角来看,城市群经济本质上是经济要素在城市群范围内空间上的高效配置和优化流动(张学良 等,2014)。相对于非城市群城市,城市群中经济要素的运行速度更快,配置效率更高,数字经济对经济韧性的提升更明显。而从城市群内部运行逻辑来看,城市间功能互补、分工合理是实现城市群内部协调和提升城市发展水平的核心(马燕坤,2016)。数字经济发展可以更好地整合城市群演化过程中各城市的职能,推动城市群统一市场的形成,发挥城市群规模经济的优势,提高城市群内部各城市经济韧性。

(二)空间效应

已有研究证实,数字经济、数字金融对经济高质量发展(赵涛 等,2020)、产业升级(黄赜琳 等,2022)、全要素生产率(杨慧梅 等,2021)等具有显著的空间效应。朱金鹤等(2021)基于均衡论视角研究了经济韧性的空间效应。那么,演化论视角下的经济韧性是否存在空间溢出效应?数字经济能否通过空间效应作用于邻近区域的经济韧性?本部分将通过空间计量分析进一步研究经济韧性和数字经济的空间效应。

1.空间自相关检验

在进行空间计量分析前,需要检验数字经济、经济韧性是否存在空间自相关性。本文计算了不同空间矩阵下各年度数字经济(DE)和经济韧性(ER)的Moran’I指数以检验空间相关性,结果如表11所示。结果显示,2011—2019年间,我国地区间数字经济和经济韧性的Moran’I指数均显著为正,说明我国城市数字经济和经济韧性在空间分布上具有聚集性,存在空间正自相关性。

表11 经济韧性和数字经济Moran’I指数检验结果

2.空间溢出效应

通过Moran’I指数可以初步判断区域间是否存在空间效应,但对于空间效应的成因以及影响因素则需要构建空间计量框架展开进一步分析。参照姜磊(2016)提出的空间回归模型选择思路,从OLS模型开始,对OLS回归后的残差进行拉格朗日乘子检验(LM test)。LM检验结果显示,LM-Error统计量和LM-Lag统计量均显著。进一步,开展稳健性的拉格朗日乘子检验(Robust LM test),结果表明,Robust LM-Error统计量和Robust LM-Lag统计量均达到1%显著性水平。因此,选择面板空间杜宾模型(SDM)检验数字经济对经济韧性的空间溢出效应。为保证结果的稳健性,本文参考安同良等(2020)、韩峰等(2020),分别构建地理距离矩阵、经济距离矩阵、经济地理嵌套矩阵以近似刻画城市的空间关联特征,同时还列出了基于面板空间滞后模型(SAR)的回归结果。

表12报告了基于空间杜宾模型(SDM)和空间滞后模型(SAR)的空间溢出效应检验结果。在SDM模型的回归结果中,三种空间矩阵与数字经济的交互项均显著为正,说明数字经济在空间上对经济韧性产生了影响。在偏微分分解总效应后得到直接效应、间接效应后发现,总效应、直接效应、间接效应的结果均显著为正,说明本地区数字经济发展对地理和经济上邻近区域的经济韧性有显著提升效果。SDM模型与SAR模型的空间自回归系数ρ均显著为正,说明区域经济韧性除受数字经济的空间效应影响外,也与邻近地区的经济韧性密切相关。数字经济对经济韧性的正向空间溢出效应可能源于以下两个方面:一是交流效应,本地区与邻近地区的交流联系能够避免区域陷入演化路径锁定,数字经济可以降低沟通成本、提高交流效率,促进经济韧性的模块化水平提升;二是关联效应,区域间的联系具有双向互动性,邻近地区的数字经济发展水平彼此影响,共同推动本地经济韧性提升。此外,引入空间效应后,数字经济(DE)的回归系数仍显著为正,再次证实前文结论具有稳健性。

表12 空间溢出效应结果

(三)数字经济、经济“脱实向虚”与经济韧性

事实上,金融业发展是一把双刃剑,前文的理论分析对金融发展正向提升经济韧性颇多着墨,而并未涉及可能的负面效果。一方面,金融发展对实体经济的负面效果内生于金融系统的顺周期性中。根据金融加速器理论,金融体系会进一步放大和加强经济冲击(Bernanke et al.,1989)。另一方面,货币金融存在脱离实体经济“自娱自乐”甚至是干扰实体经济运行的可能性(李扬,2017)。金融规模的扩张不断提高金融业的杠杆率,产生资产泡沫的可能性增加(Caballero et al.,2008),导致资源错配(Wagner,2010),在宏观上会降低经济增速(马勇 等,2017),加剧经济波动,甚至带来金融危机。同时,货币金融对实体经济强力的渗透导致实体经济“脱实向虚”,实业投资率下降,“经济金融化”现象严重(张成思 等,2016)。经济金融化损害了经济多样性,有利于金融机构和食利阶层,进一步加剧区域经济金融化。金融因其固有的脆弱性将无力抵抗经济波动,区域经济韧性下降。因此,金融脱离实体经济的发展将抑制经济韧性,是区域演化的歧途。

基于以上分析,当且仅当金融能够有效服务实体经济才能发挥其资源配置功能,提高区域经济韧性。那么数字经济能否缓解经济“脱实向虚”、提升金融服务实体经济效率,进一步提升经济韧性?为进一步检验金融发展在数字经济对经济韧性影响中的作用,我们用GDP中实体经济增加值与金融业增加值的比值来衡量金融支持实体经济效率(finsup)。由于《中国城市统计年鉴》中并未披露城市金融业增加值,我们借鉴廖凯诚等(2021),用地级市的金融存贷款与所在省份金融存贷款的比值作为权重乘以省份金融业增加值得到城市金融业增加值,实体经济增加值即为城市生产总值减去金融业增加值。表13列(1)为数字经济对金融支持实体经济效率的回归结果,DE的回归结果显著为正,数字经济与金融支持实体经济效率正相关,表明数字经济推动金融支持实体经济发展。更进一步,我们检验了金融支持实体经济效率对经济韧性的影响,表13列(2)、(3)的结果一方面验证了金融支持实体经济效率对经济韧性的提升效果,另一方面说明数字经济通过促进金融服务实体经济效率进一步提升经济韧性,是对上文机制检验中金融效率中介变量的补充。

表13 数字经济、经济“脱实向虚”与经济韧性

六、结论与政策建议

(一)研究结论

本文基于中国2011—2019年211个地级市及以上行政单位的面板数据,测度了演化论视角下的经济韧性,利用固定效应模型分析了数字经济对经济韧性的影响,同时通过构建中介效应模型、门槛效应模型分析数字经济对经济韧性影响的金融发展作用路径,进一步探讨了数字经济对经济韧性的空间溢出效应。研究结果表明:第一,数字经济的发展能够显著促进演化经济韧性及其模块化能力和冗余化能力,且对模块化能力的影响效果更强。第二,数字经济对经济韧性的推动作用通过金融规模扩张和金融效率提升来实现;金融发展水平同时还作为门槛变量调节数字经济对经济韧性的影响。第三,数字经济对经济韧性存在空间溢出效应。本地的数字经济发展能够显著提升周边地区经济韧性水平。第四,金融业脱离实体经济发展会损害区域经济韧性,数字经济能够推动金融支持实体经济发展,从而进一步提升经济韧性。

(二)政策建议

第一,发展数字经济,提高经济韧性。数字经济既是区域演化的新路径、新模式,也与传统路径深度融合提升传统产业效率,是提升经济韧性模块化能力和冗余化能力的新引擎。因此,把握数字经济发展机遇,撰写数字经济发展方案,促进数字经济均衡发展,推动数字经济高质量发展将直接影响区域演化倾向与发展路径,能够有效提高区域经济韧性。

第二,区域产业多样化和专业化发展并重,打造区域演化的双重优势。模块化能力和冗余化能力是区域经济韧性的两个不同维度,而多样化与专业化是区域演化模块化与冗余化的核心。多样化发展使得区域演化在面对经济波动时可以迅速调节发展路径,专业化发展可以有效利用经济要素间的强关联抵抗经济波动。多样化和专业化双重发展,能够有效提升区域经济韧性。

第三,推动金融发展,激发金融活力。一是加快金融市场化,完善金融监管制度,提升金融服务实体经济效率。通过扩大金融规模、优化金融结构、提高金融效率,使数字经济提升经济韧性更为高效。二是坚持金融发展与实体经济发展相协调。重视经济金融化对经济韧性的损害,提高金融支持实体经济效率,进一步提升经济韧性。

第四,释放数字经济的空间红利,实现区域均衡化、一体化发展。考虑到数字经济对经济韧性影响的正向空间溢出效应,城市群城市中数字经济对经济韧性影响也显著高于非城市群城市。因此,应加快城市群建设,构建以中心城市为核心的都市圈层,促进数字经济资源扩散和数字红利的转移,带动周边城市发展,引导经济协同发展。