数字金融如何赋能中间产品创新——基于外部融资和内部优化视角

陈南旭 梅仲钦 胡钰苓

一、引言及文献回顾

国际分工背景下，经济全球化实现了从商品链向价值链的转变。特别是“入世”以来，中国积极主动融入全球化进程，凭借劳动力比较优势从低端嵌入全球市场后取得迅速发展，在全球价值链中分工地位快速攀升。然而，在深度依靠中低端嵌入全球价值链而获得“干中学”式攀升通道的同时，也造成部分中间产品和生产技术严重依赖国外进口的不利局面（郑玉，2021）。尤其在过去一个时期，中国历经两轮产业外移压力，后疫情时代以美国为首的一些发达国家愈发重视本土供应链韧性，不断回撤本国在华企业，国内出现供应链外移，产业链供应链安全稳定问题凸显（王一鸣，2020）。为此，中共二十大报告指出巩固优势产业领先地位，在关系安全发展的领域加快补齐短板，提升战略性资源供应保障能力，着力提升产业链供应链韧性和安全水平。“十四五”规划也强调，坚持创新驱动发展，全面塑造发展新优势。进入新发展阶段，新一轮科技革命与产业变革持续演进，中国发展环境面临深刻而复杂的变化，推动经济发展的变革动力已由生产要素投入转向数字科技创新驱动，以创新释放的“乘数效应”催生中国发展新动能。近年来，国内中间产品供给已对进口中间产品实现了部分替代，中间产品需求内部化倾向日益明显，这对产业链各环节主体的中间产品创新能力提出了新要求（Duan and Dietzenbacher，2018）。具体而言，中间产品创新是企业进行的一系列提升产业链中间投入品质量或生产效率的创新活动（陈南旭和王林涛，2022）。其目的在于提高国内中间产品供给的种类、质量和模块化程度，从而降低中间产品相对价格、提升相对质量，促使整个产业链在生产制造过程中更多地选择使用国内中间产品，降低进口依赖度。因此，逐步提高中国中间产品创新能力，不断增强中间产品供给效率，不但有利于强化产业链供给质量水平，而且对于打破国际“高端回流”和“低端分流”的竞争局面、实现关键“卡脖子”核心技术的自主创新、进而推动构建国内国际双循环发展新格局具有重要意义。

实现中间产品创新能力稳步提升，需要为创新主体注入资金“活水”。虽然目前国内创新环境总体乐观，但创新型中小企业在研发投入过程中仍然面临严重的融资约束问题，导致产业链各环节的中间产品创新难以为继。同时不同环节的创新型企业受不同因素影响所面临的融资约束程度也不尽相同，创新进展与效率参差不齐、创新的各环节之间无法有序衔接，产业链发展出现结构性失衡，金融资源错配，在“有为政府＋有效市场”相结合的中国特色社会主义市场经济时代背景下（陈云贤，2019），国家愈发重视金融发展与时俱进（陈云贤，2021）。数字技术的快速发展推动“平民化”的数字金融迅速崛起，以数字化转型赋能金融科技，或可为解决金融供需不平衡问题提供新方案。2022年中央经济工作会议明确提出，要引导金融机构加大对实体经济和科技创新的支持力度。随着数字金融服务优势日益凸显，诸多学者着力于探寻数字金融影响技术创新的作用机制（钟廷勇等，2022），并普遍得出了正向结论。中间产品创新作为创新链的核心内容，其主要载体是中间产品。现有关于中间产品的相关研究主要集中于中间产品贸易对产业和经济发展的影响。随着国际分工的不断扩大，全球生产性活动强化了中间产品贸易（胡小娟和陈晓红，2006）。具体而言，中间产品进口有助于企业通过“干中学”改进生产技术（许家云和毛其淋，2016），提高生产效率（Amiti and Konings，2007）。然而，高技术复杂度的中间产品进口会加剧进口依赖，导致全球价值链“低端锁定”（陈晓华等，2021）。此外，随着本土中间产品供给比例提升和产业链供应链安全稳定问题凸显，国内对中间产品的研究开始从进口转向创新，后者主要关注产业链中间投入品质量或生产效率的改善。因此，如何提高企业中间产品创新能力成为国内产业链和国际价值链攀升的关键。

已有研究多关注中间产品创新带来的影响，如国内中间产品内嵌技术水平的提高能够显著提升企业出口品附加值（赵景瑞等，2021），中间产品创新可以显著促进中国全球价值链地位攀升等（郑江淮和郑玉，2020），但对如何加快推动中间产品创新尚未做出深入探讨。值得关注的是，金融在推动创新中扮演着重要角色，金融发展水平直接影响企业创新投入，进而影响创新能力与创新效率（孙伍琴和朱顺林，2008）。由此，金融对中间产品创新的影响同样不容忽视。中国现有金融体系面向的服务群体多具备盈利能力强、利润稳定等特征，而创新活动的不确定性极有可能弱化中间产品创新企业的盈利能力和稳定性，使其在获取金融服务过程中陷入困境，创新行为难以为继。近年来，互联网技术的不断发展致使以“信用”为核心的传统金融发生重大变革，数字金融作为一种新型金融模式应运而生，或可为企业中间产品创新赋予新动能。目前，国内学者多借助“北京大学数字普惠金融指数”研究数字金融与创新之间的互动关系。在微观层面，万佳彧等（2020）认为数字金融通过缓解上市企业融资约束促进创新，但该促进作用存在结构性差异。此外，该促进作用在中小企业实践中同样适用，且作用效果比传统金融更优（聂秀华，2020）。在宏观层面，数字金融发展能够显著提高地区技术创新水平（骆莙函等，2021）、增加创新产出（聂秀华等，2021），而收入效应和人力资本效应则可能是重要的传导渠道（汪亚楠等，2020）。

不难发现，学界就“数字金融发展能够促进创新”已达成一定共识，但从拆解技术创新和产业链环节视角尚未探讨数字金融与中间产品创新之间的互动关系，且未对数字金融赋能中间产品创新的作用机制进行深入研究。由此可见，在数字经济与实体经济深度融合的背景下，研究数字金融如何推动中间产品创新具有重要实践价值。因此，本文将数字金融与中间产品创新纳入同一研究框架，探究数字金融赋能中间产品创新的影响机制与现实对策。本文可能的边际贡献有四点：第一，基于亚洲开发银行（ADB）提供的投入产出表，测算并分析了包含自主创新与技术溢出在内的中间产品创新强度；第二，以数字金融为切入点，理论分析和实证检验数字金融对中间产品创新的影响效应；第三，基于外部融资和内部优化双重视角，采用面板门槛模型探究数字金融在加快中间产品创新过程中的作用和机制；第四，通过分析数字金融的多重效应，有利于中间产品创新能力不断提升，进而为中国实现国内产业链和国际价值链“双链”攀升提供经验支撑。

二、理论分析与研究假设

（一）数字金融对中间产品创新的影响

基于一般的柯布－道格拉斯创新投入产出模型（以下简称C－D创新投入产出模型），本文拟建立一个包含数字金融的C－D创新投入产出模型，重点关注中间产品创新产出，而非一般意义上的全部创新产出。其核心作用在于将数字金融嵌入中间产品创新投入产出模型以描述数字金融对中间产品创新的影响。

由投入产出简化表（表1）可知，存在如下行平衡关系式：总产出＝中间使用＋最终使用。即：

表1 投入产出简化表

其中，cij为直接消耗系数，cijXj表示提供给各部门生产消耗的第i部门提供的中间产品总量，Yi表示第i部门提供的最终产品总量。将其简化为矩阵形式：

其中，C为直接消耗系数矩阵，X为总产出矩阵，Y为最终产品矩阵。

借鉴潘娟和范巧（2008）的做法，假设创新投入产出模型具有如下的C－D函数形式：

其中，A、K、L分别表示创新产出的技术、资本与劳动力投入；Z为影响创新产出的其他确定性因素；e为影响创新产出的随机性因素：γ、α、β、μ表示技术、资本、劳动力投入及随机性因素变动的产出弹性，取值均在［0，1］。若要聚焦中间产品创新，则需关注表1中Ⅰ象限的产出。由此可得到中间产品创新投入产出模型为：

各变量含义与式（3）相同。

本文重点考察数字金融对中间产品创新的影响，故在式（4）基础上引入数字金融。数字金融实现了数字技术和金融发展的有机融合，有利于缓解金融市场的信息不对称问题，数字金融科技带来的技术溢出效应成为中间产品创新技术进步的新动能（段军山和高雯玉，2022）。数字金融依靠更广覆盖面、更高使用度和更强可持续性等优势降低了融资门槛和成本，为企业进行中间产品创新活动提供资金保障；同时数字金融引起的技术进步提高了劳动力生产效率，促进了劳动力结构优化（陈南旭和李益，2022）。

由此，不妨假设数字金融发展引起的A、K、L变动弹性分别为λA、λK和λL，则可得到包含数字金融的中间产品创新投入产出模型：

令Q＝CX，则

若简化模型推导，令λA＝λK＝λL＝λ，可对式（6）两端关于γ求导，有：

式（7）表明：数字金融发展对中间产品创新产出存在正向影响，以数字金融赋能中间产品创新具有理论可行性。结合现实情况，企业中间产品创新的源动力在于竞争市场份额以实现利润最大化。然而，中间产品创新活动自身高风险、高投入、高沉没成本的特性往往导致其投入与回报之间存在较大的不确定性，资金是否充裕已成为企业能否提升中间产品创新能力的关键要素。当研发投入资金难以为继，放弃“冒险”的中间产品创新行为，开展安全稳定的组装、加工活动，是多数产业链中间环节企业的常见选择。鉴于传统金融模式下中间产品创新活动可能面临高融资门槛与成本，制约中间产品创新的资金瓶颈已无法忽视。而数字金融的快速发展为破解中间产品创新制约瓶颈、提高企业中间产品创新能力提供了新思路。凭借金融服务业务“平民化”、缓解信息不对称以及降低融资门槛与成本等方面的显著优势，数字金融或可为产业链各环节的中间产品创新有序摆脱资金困境带来新曙光。据此，提出研究假说1。

H1：数字金融发展能够促进中间产品创新。

（二）数字金融对中间产品创新的影响机制

从产业链环节来看，高风险的中间产品创新活动需要金融体系给予持久、充足的资金支持，而融资约束引起的资金短缺却导致产业链单个环节的中间产品创新活动受到制约。从产业链整体上看，各环节面临不同程度的融资约束一定程度上造成了差异化的创新进展与效率，环节间的创新也难以实现有序衔接，“木桶效应”会进一步导致产业链“低端锁定”，产业结构发展呈现不平衡趋势。由此，本文认为数字金融赋能中间产品创新的生成机制可能在于外部融资约束和内部产业结构优化。

1．外部融资约束。数字金融与传统金融“本是同根生”，其核心使命仍是服务实体经济，降低企业外部融资成本、拓宽融资渠道。数字金融利用数字技术与传统金融实现有效融合，可为企业提供低门槛、高效率的金融支持。具体而言，数字金融可从以下三个方面助力企业减轻外部融资负担，增加研发投入，展开中间产品创新：第一，基于互联网技术优化融资方式和过程，拓宽企业融资渠道（如智能投顾、数字供应链金融等），便利企业融资；第二，依托大数据、云计算等数字技术，将借款人的互联网行为数据作为“信用”构建信用评估模型（Duarte et al．，2012），提高信息透明度，实现借贷双方精准匹配，增强贷款方风险识别能力，降低融资风险，提高资金配置效率（阮坚等，2020）；第三，通过“竞争效应”和“挤出效应”对传统金融体系造成冲击，倒逼其加快改革步伐，提高服务实体经济的效率和质量。此外，外部融资是企业研发投入的重要来源，当融资约束问题得到缓解后，产业链中间环节各企业的可用资金丰裕，促使企业将更多的资金投入中间产品创新当中，从而提升企业自身以及产业链中间产品创新能力（张璇等，2017）。值得注意的是，产业链不同环节企业面临的外部融资约束程度不同，数字金融在缓解融资约束时所发挥的作用也会不同。一般而言，企业在面临较强的融资约束时，数字金融能够依靠其普惠性和数字化生态缓解信息不对称所导致的金融资源错配问题，进而促进中间产品创新。因此，提出研究假说2。

H2：数字金融对中间产品创新的促进作用受到外部融资约束的影响，即在外部融资约束存在的情况下，数字金融对中间产品创新的影响存在显著促进效应。

2．内部产业结构优化。数字金融发展主要通过收入效应和资本积累效应影响产业结构优化。一方面，配第－克拉克定理提出经济发展和收入增加会促使高素质劳动力流向高级化产业，推动产业结构优化升级。数字金融的发展将金融服务延伸至传统金融无法触达的“死角”，缓解“长尾”群体的金融排斥，同时提供多元化的投融资服务，有助于提高居民收入水平（张勋等，2019），带动产业人力资源结构优化，从供需两端促进产业结构优化升级；另一方面，数字金融平台能够及时高效地收集和分析数据，通过多指标评价体系对产业链各环节企业进行风险识别与评估以判断是否对其进行借贷，实现资本流向与产业发展方向的精准匹配，利于引导产业健康发展，助推产业结构持续优化升级（李晓龙和冉光和，2021）。此外，数字金融将更准确地带动逐利性资本持续流向经济效益更好、长期投资价值与市场认可度更高的产业，积累推动产业结构优化升级，利于产业链资金配置的优化，为产业链各环节有序开展中间产品创新做出正向激励，益于推动环节间协同创新和产业链高级化发展。中间产品创新事关产业链供应链韧性和安全水平，在此背景下，产业结构优化升级通常会伴随着相关中间产品创新政策的出台，政府整合政策资源，对产业链中间环节的创新进行补贴，分担部分风险（李伟庆和聂献忠，2015）。同时，产业结构优化升级使得市场不断细分，市场竞争更加激烈，消费者对高质量的最终产品需求使得其对中间产品的要求更为严苛，倒逼中间产品不断创新。此外，产业结构优化升级活跃了中间产品贸易，但增加了贸易壁垒，进口国为了保护国内产业而实行产业链回迁，抬高了出口国从中间产品贸易中获得技术溢出的壁垒，促使本国提升中间产品创新能力（吴丰华和刘瑞明，2013）。然而，产业结构优化升级存在不同阶段，数字金融作为一种技术密集型的金融服务，需要产业链相关企业具备一定的技术水平。当产业结构发展处于高级阶段时，技术水平已相对成熟，能够较好地利用数字金融的相关服务，从而更好地推动中间产品创新。为此，提出研究假说3。

H3：数字金融对中间产品创新的促进作用受到内部产业结构优化的影响，即随着产业结构的不断优化升级，数字金融对中间产品创新的正向效应逐渐增强。

三、研究设计

（一）模型设定

基于2011—2020年中国30个省、市、自治区（不包括港澳台及西藏自治区，以下简称省份）投入产出表等官方统计数据，借助计量模型对前文所提研究假设进行实证检验，具体实证设计如下：

1．基准回归模型。基于理论分析和研究假说1，构建如下基准回归模型验证数字金融对中间产品创新的影响：

其中，下标i代表省份，下标t代表年份，IPI为中间产品创新，DFI为数字金融发展，Control表示控制变量集合，μ为个体固定效应，ξ为时间固定效应，ε为随机干扰项。

2．面板门槛模型。根据理论分析可以发现，数字金融发展不仅可以直接促进中间产品创新，而且还存在外部融资约束和内部产业结构优化两种机制。为进一步识别这两种机制的作用原理，本文借鉴葛和平和吴福象（2021）研究思路，构建如下数字金融与中间产品创新的面板门槛模型：

其中，I（*）为示性函数，g为门槛变量（融资约束与产业结构优化），φ为门槛值，其余变量含义与式（8）相同。

（二）变量选取

1．被解释变量。中间产品创新（IPI）。通过中间产品创新强度来反映中间产品创新水平。现有衡量中间产品创新强度的文献较少，郑江淮和郑玉（2020）基于中间产品需要继续投入生产这一实际情况，认为中间产品创新能力可以通过部门使用的中间产品所嵌入的研发（R＆D）存量来表示，并采用Nishioka and Ripoll（2012）提出的方法进行测算。此外，赵景瑞等（2021）、谢谦等（2021）将R＆D存量替换为全要素生产率（TFP）对进口中间产品与国内产业链的内嵌技术进行测度。上述测度方法需要非竞争型投入产出表、各行业R＆D存量或TFP等核心数据，但这些数据在省域层面难以获取。囿于数据可得性，综合借鉴多位学者的测度方法，本文通过每亿元中间产品投入所嵌入的有效专利数来衡量中间产品创新强度，公式如下：

其中，下标j和k表示省份（假设有M个省份），g和h表示制造业行业（假设有N个行业），Q为MN×MN阶分块对角产出矩阵，F表示行业使用的中间产品所嵌入的全部专利数量。D为1×MN阶行向量，D为1×MN阶行向量，表示M个省份N个行业每单位产品内嵌的专利数量。A＝（I－B）－1B，I为MN×MN阶单位矩阵，B为MN×MN阶直接消耗系数矩阵。

具体计算方法分四步。第一，计算直接消耗系数矩阵B。本文利用亚洲开发银行（ADB）提供的中国投入产出表，基于该表所提供的中国制造业部门直接消耗系数的变动信息，对各省份制造业部门直接消耗系数进行推算。推算过程中需要进行两次部门调整，第一次是将2012和2015年制造业部门与2017年的相匹配（其他制造业（C22）和废品废料（C23）进行合并），第二次是将各省份制造业部门与ADB－MRIO中的制造业部门进行匹配，最终得到12个制造业行业，调整之后再计算各个部门对其他部门的直接消耗系数。首先，计算各省份2012年、2015年和2017年的直接消耗系数，并计算其与全国的直接消耗系数的比值ϑ，假定短期内ϑ保持稳定。其次，利用其他年份全国的直接消耗系数与ϑ相乘推算各省份的直接消耗系数矩阵。其中

第二，构造总产出矩阵（Q）。首先，根据总产出与营业收入高度相关的关系，构造了缺失年份各省份制造业部门的名义总产出（Q＿n），之后利用工业生产者出厂价格指数将价格水平调整为2011年的价格水平，得到实际总产出（Q＿r）。

第三，构造单位中间产品投入内嵌的专利存量。借助中国授权发明和实用新型专利数据，构造2010—2020年各省份制造业部门可用专利矩阵。至此，生成了矩阵B、Q、D，可以计算包含自主创新与技术溢出在内的中间产品创新强度（专利数据为每年新增专利数）。

第四，计算中间产品创新强度。首先，计算各省份（全部行业）中间产品内嵌专利数量；其次，计算各省份外部中间产品内嵌专利数量；再次，计算各部门外部中间产品内嵌专利数量①受篇幅所限，不再详细介绍计算过程，读者可参考相关文献或联系作者获取。；最后，将三部分结果求和得到各省份12个制造业行业的中间产品创新强度，再将全部行业加总得到省级层面的中间产品创新强度。测算所得各省份2011—2020年中间产品创新强度均值见表2。

表2 省域中间产品创新强度

不难看出，中间产品创新领先的5个省份分别是广东省、江苏省、山东省、浙江省、福建省，均处于东部地区，且制造业发展处于全国前列；中间产品创新落后的5个省份分别是宁夏、海南省、新疆、甘肃省、青海省，除海南省以外均位于西部地区，且制造业发展较为落后。中间产品创新强度最高的广东省与最低的宁夏相差1642．764，表明当前国内中间产品创新水平参差不齐，各省份发展差距较大。

2．核心解释变量。数字金融发展（DFI）。选取“北京大学数字普惠金融指数”衡量各地区数字金融发展水平。该指数是北京大学联合蚂蚁金服，并选用蚂蚁金服的交易数据进行测算的。作为中国互联网金融行业的领军企业，蚂蚁金服的交易数据具有较高的可信度，能够为测量各地区数字金融发展水平提供坚实基础。此外，该指数不仅考虑了数字金融服务的广度、深度和数字化程度，并且兼顾横向（地区维度）和纵向（时间维度）的可比性，同时从银行服务（主要是借贷）、支付、投资、保险、货币基金、信用服务等多种业态来综合反映数字金融服务的多层次和多元化。

“北京大学数字普惠金融指数”以覆盖广度、使用深度和数字化程度作为测度方向，选取33个细分指标对数字金融发展水平进行全方位测算（郭峰等，2020）。其中，覆盖广度是前提，使用深度是拓展，数字化程度是保障。三个维度的具体含义为：覆盖广度（DFI＿C），反映了支付宝账户覆盖率以及银行卡绑定情况；使用深度（DFI＿U），从支付、货币基金、信贷、保险、投资和信用六个服务方面进行度量，全面展现数字金融服务的实际使用情况；数字化程度（DFI＿D），着重体现数字金融的移动性、实惠性、信用性和便利性四大优势。

3．门槛变量。（1）融资约束（FC）。选取规模以上工业企业负债总计与财务费用的比值①主流文献通常选取利息支出占负债总计的比重进行度量，但2017年之后官方统计部门不再公布利息数据，故本文通过规模以上工业企业财务费用来构建融资约束指标。财务费用是指企业为筹集生产经营所需资金等而发生的筹资费用，包括企业生产经营期间发生的利息支出（减利息收入）、汇兑损失（减汇兑收益）以及相关的手续费等。本文构建的融资约束指标表示一单位财务费用可以融通到的资金量，其值越大表明企业融资能力越强，融资约束越小。作为代理变量。企业为取得研发与生产经营资金而支付的费用能够直观反映其融资难易程度，体现企业所受融资约束的强弱。

（2）产业结构优化（IS）。采用高技术产业①根据国家统计局发布的《高技术产业（制造业）分类（2017）》，将高技术产业确定为：化学原料和化学制品制造业、医药制造业、非金属矿物制品业、通用设备制造业、专用设备制造业、汽车制造业、铁路、船舶、航空航天和其他运输设备、电气机械和器材制造业、计算机、通信和其他电子设备制造业、仪器仪表制造业。主营业务收入占规模以上工业企业主营业务收入的比重作为代理变量。发展高新技术产业既是中国实施创新驱动发展战略的重要举措，也是产业结构优化升级的主要内容。

4．控制变量。（1）新产品开发效益（Product）。采用主营业务收入中新产品销售收入占比进行衡量。研发新产品所带来收益的大小一定程度上决定了资金流向以及企业的研发投入力度，进而影响企业中间产品创新活动。考虑到企业往往在生产年度之初便已制定全年的研发投入计划，因此在模型中使用新产品开发效益的一阶滞后。

（2）企业盈利能力（Profit）。选取利润总额与企业单位数的比值，即企业平均利润进行衡量。已有研究表明，企业盈利能力与研发投入力度存在正向关联，盈利能力越强的企业越有可能开展中间产品创新。与“新产品开发效益”类似，在模型中使用企业盈利能力的一阶滞后。

（3）国有控股企业占比（SOE）。选取国有控股企业资产总计占规模以上工业企业资产总计的比重进行度量。较之私营企业，国有控股企业自身的特殊性使其享有更多政策、资金等方面的倾斜，一定程度上影响中间产品创新。国有控股企业占比在一年中变化较小，故而在模型中使用国有控股企业占比的一阶滞后。

（4）政府重视创新程度（Gov）。采用财政一般预算支出中科学技术支出占比作为代理变量。政府作为政策的制定者与实施者，其对创新活动的重视程度是影响中间产品创新不可忽视的外部因素。

（三）数据来源与描述性统计

本文所用数据主要来自ADB—MRIO（亚洲开发银行多区域投入产出表）、CEADs数据库、度衍公司专利数据库②https：／／www．uyanip．com／．该数据库基于“国家知识产权局专利检索系统”进行数据筛选和整理。、2011—2020年的《中国统计年鉴》《中国科技统计年鉴》《中国工业（经济）统计年鉴》《中国地区投入产出表2012》《中国地区投入产出表2017》《中国劳动统计年鉴》和《中国城市统计年鉴》，数字普惠金融指数数据来自《北京大学数字普惠金融指数（2011—2020年）》。表3展示了主要变量的描述性统计。

表3 主要变量描述性统计

四、实证结果与分析

进行模型估计之前，针对模型中可能存在的多重共线性以及截面相关性问题进行统计检验。此外，为提高实证结果的准确性，选取双向固定效应的基准模型（8）进行检验。

（一）基准回归分析

表4中第（1）、（2）列报告了基准模型估计结果，其中第（1）、（2）列分别为是否添加控制变量的估计结果。可以发现，在有无控制变量的情况下，数字金融（DFI）均能够促进中间产品创新（IPI），且统计意义上的显著性水平小于5%，DFI每增加1个单位，IPI至少增加14．581个单位，表明数字金融发展对中间产品创新的净效应为正，与理论模型中式（7）的描述一致，验证了H1在中国省域层面成立。

表4 数字金融影响中间产品创新的估计结果

值得注意的是，“北京大学数字普惠金融指数”是从覆盖广度、使用深度、数字化程度三个方面对数字金融进行的综合测度。反映了数字金融发展的不同方面。因此，进一步检验数字金融三个子维度对中间产品创新的影响，第（3）～（5）列展示了不同维度的估计结果。可以发现，数字金融不同维度的发展对中间产品创新的影响存在差异。具体而言，覆盖广度的促进作用不明显，使用深度与数字化程度能够显著促进中间产品创新。可能的原因是覆盖范围的扩大仅仅是包络了更多受到金融排斥的“长尾”客户，并未实质性地解决企业中间产品创新过程中面临的资金短缺难题；使用程度提高利于企业获得多元化、个性化的金融服务，从而更合理、更高效地配置资金，提升中间产品创新能力；数字化程度加深不仅扩大了金融体系的服务范围，而且能够通过共享“征信系统”缓解信息不对称，引导资本流向经济效益好、创新价值高的项目。此外，从控制变量的回归结果来看，新产品开发效益与政府重视创新程度对中间产品创新均具有显著的促进作用。表明微观层面上，能否获取收益是企业是否进行中间产品创新的重要原因；宏观层面上，政府对创新的重视程度也是加快中间产品创新的重要推动力。

（二）内生性探讨

就本文的研究主体而言，中间产品创新离不开数字金融的快速发展，数字金融的发展也有赖于中间产品创新能力提升。因此，数字金融与中间产品创新可能存在一定的逆向因果关系。此外，影响中间产品创新的因素众多，尚不能完全纳入模型，数据所包含的控制变量难以完全避免遗漏变量的发生。为缓解可能存在的内生因果和遗漏变量问题，本文尝试通过工具变量法来处理内生性问题，以求更为清晰地识别数字金融对中间产品创新影响的净效应。

互联网是从电话线拨号接入（PSTN）开始进入大众生活的，后来逐步发展到当前的光缆宽带接入。因此，互联网技术发展是以固定电话的普及为开端，历史上固定电话普及率较高的地区其互联网发展水平往往更高，而互联网技术作为数字金融发展的必要基础也使得数字金融发展与固定电话普及率存在必然联系。同时，较之新型互联网技术的蓬勃发展，历史上固定电话普及率对于中间产品创新的影响正在逐渐减弱消失。由此可见，在控制一系列变量影响后，选取历史上固定电话普及率作为工具变量在一定程度上能够满足排他性要求。基于此，借鉴黄群慧等（2019）的做法，本文选取了历史上各省份1988年固定电话普及率（每百人固定电话数量）作为地区数字金融发展指数的工具变量。

本文所选取的数据为平衡面板数据，若只选取1988年省级层面固定电话普及率作为工具变量会导致固定效应模型难以检验。为此，参考Nunn and Qian（2014）的做法，构造各省份1988年固定电话普及率与前一年全国互联网投资额的交互项，以此形成平衡面板数据作为工具变量，并对其进行两阶段最小二乘法（2SLS）回归。估计结果见表5的第（1）、（2）列。可以发现，该工具变量通过了不可识别检验、弱工具变量检验和排他性检验，2SLS的估计结果表明在考虑内生性问题之后，数字金融的估计系数仍在1%的水平上显著为正，数字金融仍然显著促进了中间产品创新能力的提升。

表5 稳健性检验结果

（三）稳健性检验

1．替换解释变量。数字金融与金融科技存在相似之处，但金融科技侧重于“科技”，目的是用科技赋能金融，提升传统金融行业的服务效率、降低运营成本，并未改变金融“对信用风险定价”的本质；而数字金融的关注点更倾向于“金融”，目的在于通过使用数字技术，提高金融体系的包容度，使得金融为实体经济提供更好的服务。然而，二者在发挥效应时均需用到相同的数字基础设施建设。因此，金融科技指数在一定程度上能够映射数字金融发展水平，选取金融科技指数（Fintech）作为数字金融指数（DFI）的代理变量进行稳健性检验。借鉴李春涛等（2020）的做法，通过关键词总搜索量衡量金融科技发展程度。回归结果见表5的第（3）列，可以看出，金融科技指数（Fintech）的系数估计值为0．697，在1%的水平下显著。

2．缩尾处理。为避免异常值对回归结果的干扰，本文对样本进行99%的缩尾处理，回归结果见表5的第（4）列。不难看出，DFI的系数估计值在5%的水平下显著，与基准回归结果一致。

3．子样本回归。将本文最终所得的每年新增专利数的数据与国家统计局中全国每年新增专利数进行对比发现：2014年以后，新增专利数占全国新增专利数达到半数以上，与官方统计数据的差距逐渐缩小。可能的原因在于：一方面，专利到期前，专利权人未按规定缴纳年费，专利自动失效；另一方面，随着技术更迭，原有专利价值较低，专利权人主动放弃后重新申请新专利。因此，目前可获取到的专利仍具有较高价值。为了更加准确识别数字金融对中间产品创新的影响，截取2014—2020年的样本重新进行回归，结果见表5第（5）列。DFI的系数估计值在5%的水平上显著，表明数字金融能够显著促进中间产品创新，基准回归结果稳健性较好。

五、进一步讨论

（一）影响机制检验及分析

依据前文理论分析，可以发现数字金融发展不仅可以直接促进中间产品创新，而且还存在外部融资约束和内部产业结构优化两种机制。据此，本部分对这两种机制予以实证检验。

1．外部融资约束效应。数字金融能够通过优化融资方式和过程、拓宽企业融资渠道；缓解借贷双方信息不对称、降低融资风险；倒逼传统金融机构加快改革步伐，提高服务实体经济的效率和质量等方式降低企业融资成本，进而推动中间产品创新。值得关注的是，产业链不同环节企业面临的外部融资约束程度不同，可能导致数字金融对中间产品创新的影响也会因外部融资约束程度而产生差异。因此本文将融资约束作为影响数字金融发挥作用的门槛变量，具体检验步骤如下：

首先建立面板门限模型予以检验。根据门槛理论，本文利用自助法（Bootstrap）重复抽样300次进行门槛效应检验，结果见表6。可以发现，以融资约束为门槛变量时，单一门槛和双重门槛的F值均通过了5%的显著性检验，表明融资约束对数字金融总指数，其覆盖广度、使用深度和数字化程度的影响具有双重门槛效应，研究假说H2得以验证。

表6 门槛效应自抽样检验结果

在上述研究的基础上对门槛值进行估计，可以发现，融资约束对数字金融总指数，其覆盖广度、使用深度和数字化程度的第一、二门槛值均为7．080和7．200，具体估计结果如表7和图1所示。其中，图1为以融资约束为门槛变量的似然比函数图，LR统计量最低点（即LR统计量为0时的门槛取值）为双门槛模型的真实门槛值，虚线代表7．35的临界值，门槛估计值的95%置信区间则是所有LR值小于5%显著性水平下小于临界值7．35的门槛值的区间，可见门槛值均位于7．35临界值下方，证实了门槛值的有效性。

图1 融资约束的双重门槛估计

表7 门槛估计值及置信区间

最后依据门槛检验结果，运用式（9）的模型进行门槛估计的非线性回归，结果见表8。从表8的第（1）～（4）列可以发现，当融资约束小于7．0800时，数字金融总指数、覆盖广度、使用深度、数字化程度与中间产品创新的关系在1%的水平上显著为正，其系数分别为1．229、1．142、0．953、0．966；当融资约束介于7．080～7．200之间时，影响系数分别为0．665、0．535、0．392、0．574；当融资约束大于7．200时，对应的系数分别为3．088、3．108、2．824、2．364，在1%的水平上显著为正。

表8 融资约束影响中间产品创新的门槛估计结果

不难看出，在以融资约束为门槛变量的情况下，数字金融对中间产品创新的影响呈现出非线性的“U”型关系。表明在“U”型拐点左侧时，数字金融对中间产品创新的促进作用将减弱，但跨过拐点后，其影响会由边际递减效应变为边际递增效应。这一定程度上反映了跨越“U”型拐点后，对于面临较强融资约束的企业而言，数字金融发挥了“雪中送炭”的显著作用。获得充足资金后，一方面，企业往往倾向于通过增加要素投入、扩大生产规模来降低单位成本与边际成本；同时，生产同类型产品的企业在产业链上实现了深度集聚，外部市场的交易费用降低，众多企业均可从外在经济中获益，即数字金融的发展通过规模经济效应推动中间产品创新。另一方面，产业链上的激烈竞争促使企业不断追求新产品和新技术的组合开发效益，通过不同功能和技术的嵌套细化产品分类，实现企业生产经营的多元化，降低生产经营风险，而企业是通过创新来获取竞争优势的，即数字金融的发展能够通过范围经济效应促进中间产品创新。

值得注意的是，在面临较强融资约束时，数字金融总指数对中间产品创新具有显著促进作用，相较于使用深度，其覆盖广度和数字化程度对中间产品创新的提升作用更强。可能的原因是：对于“融资难、融资贵”的企业，在数字技术与传统金融不断深度融合的背景下，一方面，数字金融能够依靠其“横向到顶、纵向到底”的普惠性特点惠及更多处于产业链中间环节的中小企业；另一方面，数字化程度越高，数字金融公司越有利于推动数字化生态建设，加强金融科技应用，不断完善风险监测与管理体系，从而有效缓解借贷双方信息不对称，改善企业融资环境，进而促进中间产品创新能力的提升。

2．内部产业结构效应。由前文分析可知，收入效应和资本积累效应是数字金融发展影响产业结构优化的主要路径。此外，产业结构优化升级存在不同阶段，数字金融作为一种技术密集型的金融服务，需要产业链相关企业具备一定的技术水平。因此，产业结构发展程度会影响数字金融的作用效果，本文将产业结构优化作为数字金融门槛变量，以期探究产业结构优化在数字金融对推动中间产品创新过程中发挥的门槛效应。具体检验结果见表9。可以发现，产业结构优化的单一门槛均通过了5%的显著性，而双重门槛和三重门槛未通过显著性检验，说明产业结构优化对数字金融总指数、覆盖广度、使用深度和数字化程度的影响具有单一门槛效应，研究假说H3得以验证。

表9 门槛效应自抽样检验结果

在上述研究的基础上对门槛值进行估计，可以发现，产业结构优化对数字金融总指数、使用深度、数字化程度的第一门槛值均为20．020，覆盖广度的门槛值为20．430，具体估计结果如表10和图2所示。

图2 产业结构优化的单一门槛估计

表10 门槛估计值及置信区间

其中，图2为以产业结构优化为门槛变量的似然比函数图，LR统计量最低点（即LR统计量为0时的门槛取值）为单门槛模型的真实门槛值，虚线代表7．35的临界值，门槛估计值的95%置信区间则是所有LR值小于5%显著性水平下小于临界值7．35的门槛值的区间，可见门槛值均位于7．35临界值下方，证实了门槛值的有效性。

依据门槛检验结果，运用模型（9）进行门槛估计的非线性回归，结果见表11。

表11 产业结构优化影响中间产品创新的门槛估计结果

从表11的第（1）、（3）、（4）列可以发现，当产业结构优化小于20．020时，数字金融总体发展水平、使用深度和数字化程度对中间产品创新的影响系数分别为1．347、1．105、1．068，显著为正；当产业结构优化大于20．020时，数字金融总体发展水平、使用深度和数字化程度对中间产品创新的促进作用进一步扩大，影响系数分别达到3．159、2．871、2．527，表明随着产业结构不断优化升级，其对中间产品创新的促进作用呈现出边际递增特点。

从表11的第（2）列可以发现，当产业结构优化小于20．430时，数字金融覆盖广度与中间产品创新的关系在1%的水平上显著为正，其系数为1．422；当融资约束大于20．430时，对应的系数为4．134，在1%的水平上显著为正，覆盖广度对中间产品创新的促进作用会随着产业结构不断优化升级呈现出边际递增特点。

总体而言，在以产业结构优化为门槛变量的情况下，数字金融对中间产品创新具有显著影响，且相较于不合理的产业结构，数字金融对中间产品创新的促进作用在更合理的产业结构下显著增强，支持验证了假说H3。从分指数来看，相较于使用深度和数字化程度，在产业结构优化升级的作用下，数字金融覆盖广度对中间产品创新的影响更加有效，可能的原因是：从供给侧来看，随着数字金融的普惠性作用不断加强，有利于金融机构将社会生产、流通和消费等各个环节广泛串联汇集，创新产品数智化服务，同时积极推广数智化服务到产业链各环节各领域，不断推动产业数字化转型；从需求侧来看，随着产业结构不断优化升级，产业链各环节对金融精准注入的需求日益提高，有利于推动数字金融服务的有效供给，实现数字金融与产业结构优化升级的双向赋能，进而为产业链各环节有序开展中间产品创新做出了正向激励。

（二）异质性分析

考虑空间因素对数字金融的各利益相关方具有较为现实的异质性影响，本文将结合国内经济发展水平呈现由东向西递减的空间趋势以及各地数字基础设施建设和传统金融发展水平存在较大差异进行异质性探讨。

1．地区异质性。东、中、西部地区经济发展差异可能会对数字金融赋能中间产品创新产生异质性影响。本文依据国家统计局的官方划分标准，将30个省份划分为东部、中部和西部地区，估计结果见表12的第（1）～（3）列①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆。。其中，中、西部地区的DFI估计系数显著为正，东部地区DFI的估计系数虽然为正，但在统计意义上不显著。可能的原因是，东部地区金融发展环境优越，数字化基础设施完善，数字金融发展水平已达到一定高度，使得其对中间产品创新的促进作用进入一个“稳定期”。数字金融有助于中部地区突破“经济和金融发展均处于中等水平”的瓶颈，进而加快中间产品创新。受限于地理区位因素，西部地区的经济与金融发展都处于落后状态，金融排斥现象相对严重，数字金融可望成为西部地区摆脱金融困境的强有力“武器”。综上所述，数字金融或可成为中西部地区突破中间产品创新瓶颈、提高中间产品创新能力的新渠道，为推动中西部地区中间产品创新提供现实依据，有利于中西部地区发挥后发优势，进一步缩小与东部地区差距，实现中间产品创新的地区协调发展。

表12 异质性估计结果

2．数字基础设施发展异质性。数字基础设施作为数字金融发挥作用的基石，其建设水平必然会影响数字金融对中间产品创新的促进作用。本文以2020年光缆线路是否高于全国平均长度为标准，将30个省份划分为数字基础设施建设水平较高和较低两组样本，回归结果见表12的第（4）、（5）列所示。在数字基础设施建设水平较低地区，数字金融的系数估计值为4．7057，在10%的水平上显著，但数字基础设施建设水平较高地区的系数估计值高达37．6455，约是较低地区的8倍，且在1%的水平上显著。不难看出，数字基础设施在数字金融促进中间产品创新过程中会产生不容忽视的影响。

3．传统金融发展异质性。一方面，传统金融发展水平越高的地区，数字金融往往发展较为迅速（王喆等，2021），其对中间产品创新的推动作用也越强。第一，传统金融发展水平较高地区的融资环境良好、融资渠道多元，为数字金融发展提供资金支持；第二，传统金融发展较好地区金融从业人员的知识水平以及用户对相关金融服务的了解与使用更加充分，为数字金融发展提供必要的人才支撑；第三，账号绑定银行卡数量、用户开通银行卡账户以及传统金融基础设施是数字金融覆盖广度、使用深度和数字化程度得以深入发展的重要基础，即传统金融为数字金融发展提供了金融基础设施支持。另一方面，传统金融供给不足是除监管部门的相对放松和技术进步因素外中国数字金融迅速发展的重要推动力（黄益平和黄卓，2018）。金融排斥的存在导致金融资源在不同主体间低效配置，众多创新型企业获取传统金融服务的门槛与成本较高，而数字金融凭借其普惠性的优势能够包络更多受到金融排斥的群体。因此，传统金融发展水平较低地区的数字金融更可能取得迅速发展。

金融机构营业网点的存在能够提高金融服务可获得性，利于缓解金融排斥问题。作为提供传统金融服务的重要组成部分，金融机构营业网点数能够较好地反映地区传统金融发展水平。因此，本文以2020年金融机构营业网点数是否高于全国平均水平为标准，将30个省份划分为传统金融发展水平较高和较低两组样本，估计结果如表12的第（6）、（7）列所示。两组样本中数字金融的系数估计值分别为5．059、1．055，在5%和1%的水平上显著。传统金融发展水平较高地区DFI的估计系数大于较低地区，表明传统金融是数字金融发展的重要基础与依托，进而对数字金融发挥作用提供了必要保障。但传统金融发展水平较低地区DFI系数估计值的显著性水平略高于较高地区，一定程度上表明传统金融的发展能够通过替代效应和竞争效应推动了数字金融的深度发展，即传统金融发展的不充分也为数字金融发展提供了契机，为数字金融打破地理限制，进而为推动金融排斥较强地区的中间产品创新提供强大动力。上述实证结果在一定程度上反映了数字金融在推动中间产品创新过程中在传统金融发展水平不同地区分别发挥了“雪中送炭”和“锦上添花”的作用。

六、结论与建议

科技自立自强是中国打破高技术垄断、建立起与大国地位相称科技创新体系的必由之路，是新时代高质量发展的内在要求。如何抢抓机遇攻克关键核心技术难题是现阶段中国亟待解决的现实问题。数字经济的时代机遇已然来临，中间产品创新作为攻克关键核心技术难题的现实抓手也已整装待发，以数字金融赋能中间产品创新意义重大。本文建立了一个包含数字金融的中间产品创新投入产出模型，以深入探讨数字金融赋能中间产品创新的生成机制，并选取中国2011—2020年省级面板数据展开实证检验，得出三个主要结论。其一，数字金融对中间产品创新具有显著促进作用，可以成为加快中间产品创新的新动能；其二，外部融资约束与内部产业结构优化是数字金融赋能中间产品创新的重要渠道；其三，数字金融发展对中间产品创新的影响因地区经济发展水平、数字基础设施建设水平以及传统金融发展水平不同而产生差异，该影响在中西部地区、数字基础设施建设水平较高地区更为显著，且传统金融发展落后地区的中间产品创新也能够在数字金融发展进程中获益。由此，本文认为以数字金融加快推动中间产品创新具有较强理论和现实可行性，缓解融资约束与加快产业结构优化可望成为数字金融赋能中间产品创新的重要机制。

基于上述研究，提出三项政策建议。一是重视中间产品创新，加快创新路径转变。政府和企业在制定创新政策时应逐步向中间产品倾斜，政府应给予中间产品创新企业更多补贴与支持。二是紧跟数字化浪潮，抢抓数字金融发展机遇，立足缓解融资约束与加快产业结构优化升级的路径依赖，充分发挥数字金融赋能中间产品创新的巨大作用。具体地，数字金融平台应重视推出与中间产品创新相关的产品和服务，建立专用于中间产品创新的信用评估体系；加强对数字金融机构的监管，防止其对高风险产业环节的过度放贷，引导资金流向经济效益与市场价值更高的环节，提高资金利用率和配置效率，释放产业链各环节中间产品创新活力；利用内部产业结构优化的边际递增效应，重视龙头企业带动作用，推动产业链上中下游、大小企业创新联动，实现产业链各环节创新的有效衔接，做大、做强、做稳产业链；重视产业链长度的合理性，确保产业结构发展平衡。三是加强数字金融基础设施建设，强化高质量发展理念，因地施策推动数字金融在中间产品创新过程中全面发挥作用。立足“东数西算”，通过跨区域产业链协同创新等，进一步深耕东部地区、西部地区数字金融赋能中间产品创新的强大作用；依托“中部崛起”，通过补链、强链、延链等，深挖数字金融赋能中部地区中间产品创新的巨大潜力；紧跟“数字中国”建设步伐，通过加强数字金融知识普及程度、引进数字型人才等，弥合因传统金融发展程度差异产生的数字金融赋能鸿沟，切实加快中间产品创新落实落地。