数字金融是否促进了县域产业结构升级？——基于网商银行进入农村市场的准自然实验

张正平，赵魏兰

(1.北京工商大学经济学院，北京 100048；2.北京工商大学数字金融研究中心，北京 100048)

一、引 言

在我国经济迈入高质量发展阶段的背景下，推动县域经济高质量发展无疑具有十分重要的意义，而产业结构升级则是实现县域经济高质量发展的重要支撑。《中共中央 国务院关于做好2022年全面推进乡村振兴重点工作的意见》指出，要聚焦产业促进乡村发展，持续推进农村一二三产业融合，大力发展县域富民产业。在此背景下，中小微企业已成为县域经济社会发展的主体力量，在扩大内需、增加就业和收入、推动经济发展和保持社会稳定等方面发挥着越来越重要和不可替代的作用。然而，在我国县域的三次产业分布中，与城市相比，县域第三产业的占比依然偏低。由于金融排斥的存在，以银行信贷为主导的传统金融难以满足中小经济主体(如家庭、小微企业等)的资金需求[1]。近年来，数字金融作为一种崭新的金融业态发展迅速，是传统金融机构与互联网公司利用数字技术实现融资、支付、投资等的新型金融业务模式[2]，解决了传统金融业务发展中的很多痛点。例如，数字金融克服了传统金融固有的地域排斥，利用终端设备提供金融服务，产品的创新使得金融服务更加直接、更加平民化，提升了县域金融服务的可得性。那么，数字金融是否能够促进县域产业结构升级，其作用机制如何，是否存在异质性？这正是本文试图回答的问题。

从已有文献来看，有关金融发展与产业结构升级的研究主要集中在两个方面。一是传统金融与产业结构升级的关系。这类研究大致形成了促进论和抑制论两种观点。(1)促进论。金融市场的不断完善有效缓解了货币政策的结构性矛盾，从而畅通货币政策传导机制[3]，提高了各种资源的可得性[4]，改善了企业的外部融资环境，帮助企业实现技术进步，最终推动产业结构转型升级。(2)抑制论。如果金融发展实际上阻碍了实体经济的发展，则会使金融发展与产业升级背道而驰[5]。若金融资本与实体经济部门的产业资本不匹配，产业空心化不利于产业结构升级[6]。因此，应兼顾金融发展与产业结构调整的平衡性，找到最佳阈值进行发展。二是数字金融与产业结构升级的关系。数字金融在产业结构转型升级中的作用逐渐凸显，对产业结构升级起到正向促进作用，并且不同维度的数字金融对产业结构优化的影响存在差异。例如，唐文进等(2019)[7]基于283个地级以上城市的面板数据实证研究发现，数字普惠金融发展影响产业结构升级由较显著到非常显著，促进作用呈现由弱到强的非线性变化过程。陈一明和温涛(2023)[8]基于2011—2018年中国省级面板数据发现，数字普惠金融对乡村产业发展有正向促进作用，覆盖广度比数字化程度更明显，且数字普惠金融总指数、分维度的数字化程度对乡村产业发展的推动作用存在明显的空间溢出效应。进一步地，数字金融促进产业结构升级的作用机制体现在两个方面：其一，科技创新效应。数字金融提高中小企业创新融资的可得性，缓解创新融资约束，有利于创新水平的提升，推动产业结构优化升级[9]。其二，创业效应。数字金融为长尾客户提供创业融资渠道，金融资源倾向创业群体，提升了创业水平，进而促进产业结构升级[9]。

上述文献为我们理解金融发展对产业结构升级的影响奠定了良好的基础，但仍存在一些不足。一方面，已有文献关于数字金融影响产业结构升级的作用机制集中在科技创新、创业等方面，但对作用机制的逻辑分析并不深入，没有真正与产业结构升级建立逻辑联系，且忽视了数字金融在推动第三产业发展上所具有的特点和优势；另一方面，现有文献多采用北京大学数字金融研究中心发布的数字普惠金融指数衡量数字金融发展水平，考虑到该指数存在数据来源单一、涵盖内容不够明晰等问题，基于该指数估计对产业结构的影响可能是有偏的。为此，本文以网商银行进入农村市场作为一项准自然实验，采用多期双重差分法估计数字金融对县域产业结构升级的影响。

本文的主要创新在于：一是在理论机制上，从数字金融特点和优势的角度切入，揭示了数字金融通过发挥数字技术优势，引导更多资金流向第三产业，进而促进县域产业结构升级的作用机制，同时也揭示了数字金融通过推动消费结构升级来促进县域产业结构升级的作用机制，丰富并加深了对二者关系的理解；二是在估计方法上，区别于已有文献多采用OLS估计方法，本文基于网商银行进入农村市场的准自然实验，采用多期双重差分法进行估计，可以更加精准地识别数字金融影响县域产业结构升级的“净效应”，并采用PSM-DID纠正可能的选择性偏误，大大提高了研究结论的可靠性；三是在研究内容上，实证检验了不同地区、不同贫困程度和不同传统信贷投入规模等情形下数字金融对县域产业结构升级的异质性影响，更深入地剖析了二者之间的关系，为数字金融更好助力县域产业结构升级提供了新的思路。

二、理论分析与假说提出

(一)数字金融对县域产业结构升级的影响

产业结构调整深受金融发展的影响，金融发展是产业结构调整的重要助推力量[10]。绝大部分县域经济以中小微市场主体为主，由于信息不对称，这类企业往往被排斥在传统金融机构愿意服务的范畴之外，经常面临融资难、融资贵和融资慢的问题，而数字金融能在较大程度上解决这一问题。首先，县域产业中以第三产业为主体的中小微企业所需资金量小，交易更灵活。数字金融扩大了金融服务的覆盖面和可得性，降低了金融交易成本[11]，有效缓解了中小微企业融资约束，进而优化了信贷资金在县域产业之间的配置[12]。其次，数字金融借助其低门槛、低成本优势，加速地区间要素流动和技术互动，优化劳动、资本等生产要素配置。数字技术的广泛应用，使得数字金融能够迅速精准匹配产业链的各个需求端，为产业发展提供资金支持[2]。数字金融逐渐渗透到县域产业的各个环节，使得产业边界逐渐模糊，第三产业在第一二产业上的融合应用日趋加深，促进县域产业结构升级。最后，在县域内只要有互联网覆盖，就很有可能获得数字金融提供的服务。数字金融激发了县域的底层活力和内在动力，增加贫困人群追求更高生活的机会[9]，引导生产要素向效率更高的部门转移，促进县域产业结构升级。据此，本文提出假说H1：

H1：数字金融促进了县域产业结构升级。

(二)数字金融影响县域产业结构升级的机制

从三次产业整体角度来分析，根据张伯超等(2018)[13]的研究，2015年之前第一产业的资本收益率最低，第三产业的资本收益率最高，第二产业处于中间位置，2012—2016年，第三产业的资本收益率呈现出稳中有升的态势。《中国县域经济百强研究》显示，2016—2020年，在中国县域经济结构中，第二产业的占比有所降低，而第三产业占比逐年上升，已成为中国县域经济发展的一级推进器。研究发现，具有比较优势的第三产业能够创造更高的资本回报率，而金融资源流动总是趋向于回报率高的地区[14]，这意味着金融体系将引导资金流向第三产业。具体而言，数字金融通过两个途径发挥作用：一方面，数字金融利用大数据、云计算等新一代数字技术，缓解了中小微企业与资金供给者之间的信息不对称，实现了信息资源的共享和交易。数字金融使得小微企业享受到同等程度的金融服务，拓宽了小微企业的融资渠道[7]。由于县域小微企业多属于第三产业(1)根据康波财经、中国普惠金融研究院等单位联合发布的《2021中国小微企业发展指数报告》，我国小微企业分布在第三产业的占比达到79.7%。根据笔者的观察并综合相关资料判断，我国县域小微企业也多分布在第三产业，与上述报告披露的比例基本一致。，其资产收益率相对较高，数字金融更青睐县域小微企业，意味着会引导更多的资金流向资产收益率高的县域第三产业，从而促进县域产业结构升级。另一方面，数字金融作为数字技术与金融结合的创新产物，给传统金融机构带来了经营压力，推动传统金融机构的数字化转型。数字金融发展能够增加农村金融市场的竞争程度，进而激励传统农村金融机构投放更多的涉农贷款，有助于农村正规金融服务“普”和“惠”同时实现[15]。通过这两个途径，数字金融将引导县域信贷资金更多地流向收益率更高的县域第三产业。据此，本文提出假说H2：

H2：数字金融通过发挥数字技术优势引导资金流向第三产业，从而促进县域产业结构升级。

一方面，数字金融通过降低家庭收入不确定性和缓解流动性约束实现收入稳定[16]，将金融服务延伸至相对偏远和贫穷的社会群体，同时缓解居民当期消费资金不足问题，实现跨期消费，为消费提供了更为广阔的空间。此外，数字金融依靠大数据等技术可有效防范风险，提高居民风险控制能力。另一方面，根据马斯洛需求层次理论，居民在满足基本生活需求型消费之后，文教娱乐、医疗保健等发展型消费和享受型消费是居民重点消费的对象[17]。这意味着数字金融为消费升级创造了有利条件，充足的资金极有可能激发居民将目光投向发展型消费和享受型消费，促进居民消费结构升级。事实上，消费需求结构是产业结构演进的根本动因，生产的最终目的是满足居民消费需求，居民消费结构升级会倒逼产业结构调整。当居民消费结构由生存型逐渐向发展型和享受型转变时，消费者对需求收入弹性高的中高端产品需求更多，生产厂商接收到这一信号后调整生产，不断扩大生产中高端产品的规模，进而实现产业结构升级[18]。据此，本文提出假说H3：

H3：数字金融通过促进消费结构升级，从而促进县域产业结构升级。

(三)数字金融影响县域产业结构升级的异质性

首先，数字金融对不同地区的异质性影响。一方面，数字金融发展水平在空间分布上呈现“东强西弱、南强北弱”的现象。南方地区在经济、社会、生态、民生领域均存在显著优势[19]，南方地区比北方地区更容易获得金融资源。另一方面，北方地区产业结构相较于南方地区的县域整体偏重，而南方地区在现代服务业的支撑下快速发展[20]。数字金融在第三产业基础比较雄厚的南方地区更能激发产业活力，南方地区逐渐过渡到以高新技术产业为主的产业结构。

其次，数字金融对不同贫困程度的异质性影响。2020年我国脱贫攻坚取得全面胜利，但事实上，扶贫工作由解决绝对贫困转向了缓解相对贫困[21]，这意味着尽管贫困县全部脱贫摘帽，但实质是从绝对贫困县变成了相对贫困县。数字金融发展促进县域产业结构升级在相对贫困县和非贫困县之间作用效果存在差异是因为相对贫困县和非贫困县产业结构升级水平本身的差异。相对贫困县第三产业发展相对落后，较为单一的产业结构使得产业结构升级难度较大、水平较低。非贫困县的基础设施建设以及产业结构均优于相对贫困县[22]，市场化程度较高，数字金融可以充分发挥集聚社会闲散和小额资金的储蓄动员能力。金融资源在完善的市场机制作用下不断向第三产业流动，导致数字金融对非贫困县产业结构升级具有更显著的作用。

最后，数字金融对不同传统信贷投入规模的异质性影响。以银行为主导的传统金融模式下普遍存在的金融排斥制约了中小企业及农村地区的发展，由于传统金融自身的局限性[7]，传统信贷供给不足的县域产业结构升级步伐缓慢。在传统信贷投入较高的县域，数字金融弥补了传统金融存在的短板，更好地满足产业发展的资金需求，有效提升县域的金融供给能力，进而促进产业结构升级。据此，本文提出假说H4：

H4：相较于北方县、相对贫困县、传统信贷投入低的县，数字金融对南方县、非贫困县、传统信贷投入高的县产业结构升级的促进效果更大。

三、研究设计

(一)数据来源

网商银行进入县域的数据来自手工整理，以网商银行与某县或县所属地级市签署县域普惠金融合作协议、为县产业提供贷款服务为标志，衡量县域是否有网商银行的进入；各县的微观数据来自2014—2021年《中国县域统计年鉴》，用于描述县域特征；数字普惠金融信贷指数来自北京大学数字金融研究中心发布的北京大学数字普惠金融指数；消费数据来自西南财经大学中国家庭金融调查与研究中心组织管理的“中国家庭金融调查”项目(CHFS)[23]。另外，鉴于2015年和2016年网商银行成立不久，进入农村市场的样本很少，故将这两年有网商银行进入的县域样本予以剔除，同时剔除了样本中的极端值，并采用ARIMA模型填补了只有部分缺失值的样本。最终得到我国31个省份(未包括港澳台地区)的县2013—2020年的面板数据，共18791个有效样本。

(二)变量说明

1.被解释变量：产业结构升级。产业结构升级是指产业结构从低层次向高层次跃迁的过程，根据发达国家的经验，“经济结构服务化”是产业结构升级的重要特征[24]。参考干春晖等(2011)[24]对产业结构升级的定义，在县域经济效益最优目标的指引下，县域产业结构升级表现为引导产业结构由低级向高级进行转换的过程。在2013—2019年，第三产业的经济增长贡献与人均产出增长率、第二产业经济增长贡献趋势一致，且高于第二产业经济增长贡献，呈波动中平缓上升态势[25]，这意味着第三产业的影响力逐步增强并超过第二产业，逐渐成为产业主体，成为影响县域经济发展差异的主导因素。考虑到我国县域产业结构升级的经济服务化特征和服务业的高增长率、县域第三产业占比稳步提升等典型事实，本文借鉴鲁钊阳和李树(2015)[26]的做法，采用第三产业增加值与第一二产业增加值之和的比重衡量县域产业结构升级程度，计算公式如下：

IS=Y3/(Y1+Y2)

(1)

其中，Y1、Y2和Y3分别表示第一产业、第二产业和第三产业的增加值。IS的值越大，表示县域产业结构升级程度越高。

2.解释变量：数字金融。本文以网商银行进入县域作为数字金融的代理变量。网商银行是我国的互联网银行，该行以互联网为平台，拥有云端处理高并发能力，通过大数据、互联网的方式服务县域小微企业和个人用户。2022年网商银行年报显示，该行数字信贷累计服务的小微企业和个人经营者超过5000万户，小微贷款不良率为1.94%。根据网商银行进入县域的时间进行赋值。网商银行在2017年逐渐扩大进入农村市场的范围，将2017年作为政策冲击事件发生年份，即2017年及以后年份取值为1，其他年份取值为0，得到时间虚拟变量(Time)。将样本分为处理组和控制组，处理组即网商银行进入的县，取值为1，控制组即没有网商银行进入的县，取值为0，得到分组虚拟变量(Treat)。

3.控制变量。参考唐文进等(2019)[7]、杨虹和王乔冉(2021)[9]、陈一明和温涛(2023)[8]的做法，本文控制了可能影响县域产业结构的其他因素，具体包括经济发展水平、政府干预程度、传统信贷投入、城镇化水平、固定资产投资水平以及城乡收入差距。具体变量定义见表1。

表1 变量定义

(三)模型设定

双重差分法(DID)基于个体数据进行回归，判断政策的影响是否在统计上显著，能够较大限度地避免政策作为解释变量所存在的内生性问题。由于网商银行进入县域的时点不一致，而传统DID仅能评估单一时点政策实施效果，因此不适用于本文。多期DID可有效处理个体处理期时间点不完全一致的情况，适用于同一政策在影响群体中的渐进实施，因此，本文借鉴袁航和朱承亮(2018)[27]的做法，采用多期DID方法进行估计，即在不同时点分别进行双重差分。基于多期DID方法，设定如下模型检验以网商银行代表的数字金融冲击对县域产业结构升级的影响：

ISit=β0+β1Treati×Timeit+β2Xit+ui+λt+εit

(2)

其中，ISit为被解释变量，表示i县在t年的产业结构升级指数。交互项Treati×Timeit为解释变量，表示i县在t年是否有网商银行进入。Treati为分组虚拟变量，若Treati=1，则为处理组，若Treati=0，则为控制组。Timeit为时间虚拟变量，若i县在t年有网商银行进入，则Timeit=1，反之则Timeit=0。β1为核心参数，即网商银行进入县域后对县域产业结构升级的净效应。Xit代表控制变量集，ui代表个体固定效应，λt代表时间固定效应，εit代表随机误差项。

四、实证结果及分析

(一)描述性统计分析

表2为变量的描述性统计结果。由表2可知，全样本(2455个县，18791个样本)下，被解释变量产业结构升级的最大值为6.8249，最小值为0.0578，均值为0.7017，表明不同县域的产业结构升级程度存在较大差异。从控制变量来看，这些变量的变动均符合预期，适合进行回归分析。需要说明的是，处理组(778个县，6009个样本)中，产业结构升级的均值为0.7005，标准差为0.3704；控制组(1677个县，12782个样本)中，产业结构升级的均值为0.7023，标准差为0.3372。从处理组和控制组产业结构升级程度看，均值和标准差比较接近，适合进行回归分析。

表2 变量描述性统计结果

(二)基准回归及结果分析

表3报告了数字金融对县域产业结构升级影响的回归结果，第(1)和(2)列为采用OLS回归得到的单差法估计结果，单一比较网商银行进入县域与未进入县域在产业结构升级上的差异，第(3)和(4)列为采用双向固定效应的多期双重差分法估计结果。比较第(1)和(3)列的估计系数可知，使用单差法得到的结果大于双重差分法得到的结果，说明单差法虽能解决部分问题，但会高估数字金融对县域产业结构升级的促进效果，因此多期双重差分法估计更为准确。由估计结果可知，无论采用单差法还是双重差分法，Treat×Time的估计系数均在1%水平上显著为正，表明数字金融显著促进了县域产业结构升级。第(2)和(4)列分别在第(1)和(3)列的基础上加入控制变量，估计系数的大小和显著性未发生实质性改变，说明在网商银行进入的县，数字金融的确促进了产业结构升级。由第(4)列的估计结果看，当其他因素不变时，网商银行进入县域使得处理组的县域产业结构升级指数提高了4.02%。这意味着数字金融显著促进了县域产业结构升级，假说H1得到了支持。导致这种结果可能的原因是，县域第三产业往往难以从传统金融机构获得所需的信贷资金，而数字金融的出现打破了传统金融对县域第三产业的排斥，增加了金融市场竞争，进而引导更多的资金流向县域第三产业，从而推进县域产业结构升级。

表3 数字金融对县域产业结构升级的影响：基准回归

就第(4)列的控制变量而言，有几个变量的结果值得关注：其一，经济发展水平对县域产业结构升级的影响系数显著为负，可能是因为我国县域经济仍处于转型期，粗放型经济增长模式的惯性强大，抑制了地区产业的多元化发展，会对产业结构升级造成显著的抑制效应；其二，固定资产投资水平对县域产业结构升级具有负向影响，这可能是由于固定资产投资对产业结构升级的影响存在滞后效应，从长期来看对产业结构调整可能存在正向的作用。

(三)稳健性检验(2)受篇幅限制，具体结果未报告，作者备索。

1.平行趋势检验。双重差分法有效的前提是满足平行趋势假定，即在网商银行进入县域前后，县域之间产业结构升级的演变趋势应该是相近的。在样本期2013—2020年内，由于网商银行进入各县的时间存在差异，本文以网商银行进入各县的时间为基期，分析网商银行进入县域前五年和后三年的平行趋势变化情况，结果发现网商银行进入县域前的回归系数普遍平缓且不显著，表明数字金融发挥作用前处理组与控制组的产业结构升级无显著差异。从动态效应看，在网商银行进入县域后，产业结构升级的回归系数出现波动，并呈现出正向上升趋势，表明数字金融对县域产业结构升级的促进作用具有长期效应。综上，平行趋势假定成立。

2.安慰剂检验。县域产业结构升级的统计显著性可能源于某些随机因素。为此，借鉴Cantoni等(2017)[28]的处理办法进行安慰剂检验，判断数字金融对县域产业结构升级的促进作用是否是由其他随机性因素引起的。随机生成处理组并重复了500次和1000次回归，将500次和1000次回归中网商银行进入县域的t值统计出来，得到县域产业结构升级下网商银行进入县域的t值的核密度图，并与真实t值(2.97)进行比较。结果发现，对于县域产业结构升级指标，仅有极少数回归的t值大于真实回归系数的t值，说明基准回归结论比较稳健，数字金融的确对县域产业结构升级产生了促进作用。

3.PSM-DID。网商银行选择进入某县的过程中可能存在一定的选择“标准”，例如，往往会选择经济基础较好的县，因而不能严格满足随机分组的假设，直接比较处理组和控制组之间的差异可能会存在选择性偏差。因此，本文参考韦东明等(2021)[29]的做法，采用倾向得分匹配法(PSM)处理该问题。具体而言，对样本分别进行k近邻匹配(1∶4)、卡尺内最近邻匹配和核匹配，降低网商银行进入的县与未进入的县之间的系统性差异，使两组样本具有更加相似的县域特征。平衡性检验表明绝大部分协变量之间没有显著差异，经过倾向性得分匹配后，样本的特征差异大幅消除。应用匹配后的结果重新进行回归，结果显示，数字金融的系数仍显著为正，表明数字金融显著地促进了县域产业结构升级，与基准回归结果一致。

4.删除直辖市的县域样本。直辖市内的县级单位往往在经济发展机会、资源获取能力等方面更有优势，对高素质人才具有更强的吸引力，产业发展水平更高，可能导致高估数字金融对县域产业结构升级的促进效应，因此有必要将这类样本剔除后进行回归。结果显示，在剔除四个直辖市的县域样本后，数字金融的系数显著为正，与基准回归结果一致。

5.替换被解释变量。用第三产业增加值与地区生产总值之比衡量产业结构升级程度，以增加估计结果的可靠性。结果显示，数字金融的系数仍显著为正，与基准回归结果一致。

五、进一步讨论

(一)影响机制分析

1.引导资金流向。在县域，数字金融服务的客户多为自然人和小微经营者。依据网商银行年报，截至2022年底，累计服务小微客户超5000万，县域客户占比超过一半。根据康波财经等单位联合发布的《2021中国小微企业发展指数报告》，我国小微企业分布在第三产业的占比达到79.7%。按照这个比例对县域进行推断，网商银行服务的县域小微企业大多属于第三产业，其数字金融服务无疑是促进县域产业结构升级的重要力量。另外，北京大学数字普惠金融指数的子指数“信贷指数”是从贷款用户数、平均贷款笔数和平均贷款金额等角度进行综合衡量的，反映了个人和小微经营者的信贷业务情况。据此，本文从小微企业信贷的角度考察数字金融引导县域资金流向的作用，参考李牧辰等(2020)[30]的做法，使用县级层面的“信贷指数”衡量数字金融在县域的信贷资金投放力度，去掉缺失值和极端值，以其均值为标准将样本划分为高信贷指数组和低信贷指数组。考虑到数据的可得性，样本时间区间为2014—2020年。

分组回归及组间系数差异检验结果见表4的第(1)和(2)列，相较于信贷指数低的县，数字金融的系数在信贷指数高的县中更显著，且组间系数差异检验证实两组系数存在显著差异，说明在信贷指数高的县，数字金融对产业结构升级的促进作用更大。这表明数字金融很可能引导了更多的信贷资金流向县域第三产业，使得拥有更多信贷资源的县域产业结构升级程度更高，支持了假说H2。这可能是因为金融体系倾向引导资金流向回报率高的第三产业[14]，随着数字技术在数字金融领域的不断渗透，产业结构向着适应数字技术发展的方向调整。具体地，数字金融利用数字技术优势更好地缓解了信贷双方信息不对称，从而更加精准地识别小微企业的信贷需求，降低了资金供需双方的搜寻、匹配成本，为更大范围的县域生产经营活动提供金融支持，尤其是使得信贷资金更多地流向县域小微企业和第三产业，从而促进县域产业结构升级。

表4 机制检验的回归结果

2.促进消费结构升级。借鉴王小华和温涛(2015)[17]的做法，本文将食品、衣着、居住、交通通信方面的支出定义为基本生存型消费，将文教娱乐、医疗保健方面的支出定义为发展享受型消费，用发展享受型消费占家庭总消费的比重代表消费结构升级，该值越大表明家庭消费结构升级程度越高。选取CHFS数据库中2015、2017与2019年家庭层面的消费数据，根据被调查者所在的区县与县级层面的数据进行匹配，去掉缺失值和极端值，以其均值为标准将样本划分为高水平消费结构升级组和低水平消费结构升级组。

分组回归及组间系数差异检验结果见表4的第(3)和(4)列，相较于消费结构升级水平低的县，数字金融的系数在消费结构升级水平高的县中更显著，且组间系数差异检验证实两组系数存在显著差异，说明在消费结构升级水平高的县，数字金融对产业结构升级的促进作用更大。这表明如果县域居民消费结构升级水平更高，数字金融对促进这类县域产业结构升级的作用更大，支持了假说H3。这可能是因为数字金融使得居民拥有充足的资金将消费目光投向发展享受型消费，促进了居民消费结构升级，进而催动生产，倒逼产业结构升级。

(二)异质性分析

1.地区异质性。本文将31个省份(不包括港澳台地区)的样本县按照地理位置划分为北方组和南方组(3)北方地区包括北京、天津、河北、山东、河南、山西、内蒙古、黑龙江、吉林、辽宁、陕西、甘肃、青海、宁夏和新疆等15个省份；南方地区包括上海、江苏、浙江、安徽、福建、江西、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南和西藏等16个省份。。由表5的P值结果可知，两组组间系数在1%水平上显著，说明两组系数具有可比性。数字金融的系数在南方组显著为正，在北方组为正值但不显著，表明数字金融显著促进了南方县域产业结构的升级，但对北方县域产业结构升级的促进作用并不显著，假说H4得到了支持。

表5 异质性分析的回归结果

2.贫困程度异质性。根据国家乡村振兴局公布的2014年全国832个贫困县名单，将样本划分为相对贫困县组和非贫困县组。由表5的P值结果可知，两组样本的组间系数存在显著差异。表5第(3)和(4)列结果显示，非贫困县的数字金融系数显著为正，而相对贫困县的数字金融系数不显著，说明相比于相对贫困县，数字金融能够更加有力地促进非贫困县的产业结构升级，证实了假说H4。

3.传统信贷投入规模异质性。将样本县人均金融机构贷款余额根据均值划分为低传统信贷投入与高传统信贷投入两组。由表5的P值结果可知，两组样本的组间系数差异显著。表5第(5)和(6)列结果显示，高传统信贷投入组的数字金融系数显著为正，低传统信贷投入组的数字金融系数不显著，说明数字金融更能够显著促进传统信贷投入高的县的产业结构升级，假说H4得到了支持。

六、研究结论及政策启示

本文将网商银行进入农村市场视为一项准自然实验，基于2013—2020年的县域数据，实证检验了数字金融对县域产业结构升级的影响。研究发现：(1)数字金融显著促进了县域产业结构升级，这一结论在稳健性检验后依然成立；(2)数字金融不仅通过发挥数字技术优势，引导资金流向第三产业促进县域产业结构升级，还通过促进消费结构升级促进县域产业结构升级；(3)相较于北方县、相对贫困县、传统信贷投入低的县，数字金融对南方县、非贫困县、传统信贷投入高的县产业结构升级的促进效果更大。

上述实证结论对我国县域产业结构调整和推动数字金融发展具有重要的政策启示：首先，大力推进县域数字金融发展。一方面，加快县域金融基础设施建设，推动数字金融稳步发展。根据不同的县域条件，有序推进5G、人工智能、云计算等数字技术产业的发展，持续加大财政投入力度，引导社会资本参与，促进数字金融基础设施的完善，不断提升县域数字金融发展水平，提高小微企业的金融可得性，促进县域产业结构升级。另一方面，推动县域金融机构数字化转型，积极创新数字金融产品和服务。认真落实国家数字金融政策，通过与金融公司合作、借力省联社平台等方式，大力推进县域金融机构数字化转型，鼓励金融机构立足县域产业特征，积极推动数字金融产品与服务创新。例如，可针对农家乐、农村电商等小微企业开发一揽子的在线数字金融服务方案，助力县域产业结构升级。

其次，充分发挥数字金融技术优势，大力推进消费结构升级。一方面，结合县域经济发展情况，有针对性地提供差异化的数字金融产品和服务，充分利用网商银行等互联网银行在数字金融上的技术优势，更好地服务县域产业发展。例如，金融机构可在电商基础较好的县域、信息化水平不高的县域分别采用纯线上和“线上+线下”的展业模式，县级政府可主动接洽引进互联网银行并与之签署产业支持协议，县域金融机构可积极与互联网银行或金融科技公司在业务、技术、人才等领域展开交流合作。另一方面，在不断完善县域数字金融发展环境的同时，着力提高县域居民收入水平，推进基本公共服务均等化，推动县域居民消费结构升级。例如，进一步推动城乡一体化，加大县域教育、医疗、养老等方面的扶持力度，建立健全农村社会保障体系，积极发展县域电商产业园区，提振农村居民消费意愿和消费信心。

最后，因地制宜促进县域产业结构升级。一方面，在县域产业发展过程中，政府部门应给予北方地区、相对贫困县、传统信贷投入低的县更多的资源倾斜，以弥补数字金融促进县域产业结构升级作用相对较小的不足。例如，可考虑加大基础设施建设投资力度促进县域经济发展，或通过向央行申请更多的面向“三农”、乡村振兴的货币资金投放。另一方面，对于南方地区、非贫困县、传统信贷投入高的县，应通过制定更加有效的政策引导县域数字金融的发展，以充分利用数字金融对其产业结构升级提升作用更强的优势。例如，可进一步加快县域金融机构数字化转型步伐，提升县域传统金融数字化水平；可进一步完善县域小微企业发展环境，引导小微企业交易线上化，更好地契合数字金融的业务特征。