金融科技创新如何促进实体经济高质量发展

周雷　宁心怡　宋佳佳　张鑫

摘   要：金融科技创新对于提升金融服务效率，服务实体经济具有重要意义。基于2011—2021年我国31个省份的平衡面板数据，运用空间计量模型和中介效应检验，研究金融科技创新对实体经济高质量发展的直接影响、间接效应和作用机制。研究发现：金融科技创新不仅能直接促进本地区实体经济高质量发展，而且具有正向空间溢出，对邻近地区实体经济高质量发展呈现渐进、动态的长期影响。中介效应和异质性检验表明，提升金融服务效率是金融科技创新促进实体经济高质量发展的主要机制。在金融科技创新监管试点地区，金融科技对实体经济高质量发展的直接影响、间接效应和中介效应均明显高于非试点地区。因此，要优化金融科技业态空间布局，提升金融服务效率，深化金融科技创新监管试点，以更好地服务实体经济高质量发展。

关键词：金融科技；实体经济；高质量发展；金融服务效率；空间效应；双重差分模型

中图分类号：F832.1   文献标识码：A  文章编号：1674-2265（2024）01-0079-10

DOI：10.19647/j.cnki.37-1462/f.2024.01.009

一、引言及文献综述

2023年10月召开的中央金融工作会议强调，坚持把金融服务实体经济作为根本宗旨，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。服务实体经济是金融科技创新的出发点和落脚点。田秀娟等（2021）[1]从宏观产业层面实证分析了金融科技服务实体经济的路径，结果表明金融科技可以通过金融创新和科技创新双路径促进实体经济增长。王婧菲和孙立（2023）[2]则从微观层面运用沪深A股上市公司数据检验发现，在“数实融合”背景下，数字产业化是金融科技创新的主要“动力源”，而金融科技创新水平的提升能显著抑制实体企业的“脱实向虚”倾向，从而助力实体经济高质量发展，但上述影响强度存在地区和产权异质性。谭中明等（2022）[3]通过实证检验发现，金融科技会促进实体经济的高质量发展，并通过信贷规模、信贷结构和长期信贷价格的传导，体现出显著的正向空间溢出。王红建等（2023）[4]基于金融加速器理论考察金融科技对实体经济运行的稳定器作用及其机理，发现金融科技发展通过减少银企信息不对称，抑制上市企业投资波动，降低抵押品在债务契约中的重要性等渠道，显著弱化金融加速器效应，提高实体经济运行稳定性和发展质量。此外，金融科技与数字金融高度相关，随着科技、数据与金融融合的深入，两者的界限日益模糊，一般认为数字金融是金融科技应用成果的体现。闻岳春和黄昌杰（2023）[5]采用双向固定效应模型检验得出新兴数字金融的发展对我国东、中、西部地区实体经济发展规模均具有显著的正向促进作用。陆凤芝和王群勇（2022）[6]构建空间计量模型研究得出数字普惠金融的发展可以显著促进本地区金融服务实体经济效率的提升，但对邻近地区的影响尚未有效显现。

综上，已有文献主要研究了金融科技对实体经济规模、质量和效率的影响，但对其动态空间效应和作用机制的讨论不足，特别是已有研究关注了金融科技创新对金融服务效率的正向影响，但是对金融服务效率提升如何进一步促进实体经济高质量发展，鲜有完整的机制检验。因此，本文通过构建实体经济高质量发展指标体系和嵌套空间权重矩阵，全面研究金融科技创新对实体经济高质量发展的直接影响、动态间接效应和作用机制，并基于金融科技创新监管试点政策进行异质性分析，为推动金融科技守正创新、提升金融服务实体经济高质量发展能力提供借鉴。本文的边际贡献和主要创新点包括：一是测算考虑地理距离与经济特征的嵌套空间权重矩阵，构建包含外生交互与内生交互的空间杜宾模型，并通过引入时空滞后项对金融科技创新的长短期效应进行偏微分分解，全面、精准评估其对实体经济高质量发展的直接效应、间接效应及其动态变化。二是以金融服务实体经济效率为中介变量，检验“金融科技创新→金融服务实体经济效率→实体经济高质量发展”的作用机制，弥补相关文献的欠缺。三是已有金融科技对实体经济影响的异质性分析大多根据我国东中西部的地理区划来划分，未能很好地抓住金融科技创新的监管环境差异和空间分布特征。本文根据中国人民银行金融科技创新监管试点开展情况，将31个省（自治区、直辖市，以下简称省份）划分为试点地区和非试点地区两类进行多时点双重差分检验和异质性分析，详细比较两类地区在金融科技服务实体经济成效和传导机制方面的差异，为评估、完善和推广试点政策、更好地发挥金融科技创新对实体经济高质量发展的支持作用提供经验证据。

二、理论分析与研究假设

（一）金融科技创新对实体经济高质量发展的影响

从宏观上看，金融科技创新能够强化金融体系的资金融通、资源配置和风险保障等功能，满足实体经济的多样化金融需求，助力实体经济高质量发展。周雷等（2019）[7]认为金融科技创新提高了储蓄向投资的转化效率，缓解了融资约束，提升了实体部门，特别是小微企业的融资可得性，扩大了金融服务覆盖面，从而有助于实体经济的包容性增长。薛莹和胡坚（2020）[8]重点从资源配置角度分析了金融科技助推实体经济高质量发展的理论逻辑，认为金融科技创新减少了传统金融面临的信息不对称问题，降低了交易成本，从而提升了金融跨时空配置资源的能力，服务实体经济高质量发展。谢绚丽等（2018）[9]验证了保险科技产品能够对冲和降低实体经济的运行风险和创业风险，提高经济发展的韧性。从微观上看，金融科技能促进企业技术创新，且这一效应在中西部地区和国有企业中更大。此外，金融科技创新还能为居民提供数字人民币、互联网消费金融等新产品，降低交易和融资成本，助力消费升级和扩大内需。因此，金融科技创新能够推动实体经济内生增长和良性循环，服务高质量发展。综上，提出假设H1。

H1：金融科技创新有助于促进实体经济的高质量发展。

金融科技的“非接触式”特征，使其天然具有突破空间限制，为实体经济提供跨区域、跨市场数字化金融服务的优势。数字技术赋能下的金融科技创新能够打破传统金融市场要素流动的壁垒，增强区域间经济金融活动的关联度和集聚性，从而为其发挥服务实体经济的正向溢出效应奠定基础。唐松等（2019）[10]的实证研究表明，金融科技创新总体上提升了本地区实体经济的全要素生产率，同时通过知识和技术溢出，有效提高周边地区的全要素生产率，助力经济高质量发展。刘丹阳和黄志刚（2023）[11]基于“双循环”相互促进的视角，实证研究得出金融科技创新成果的推广应用，可有效促进金融科技对邻近地区实体经济高质量发展外溢效应的发挥，助力构建新发展格局。李梦雨等（2021）[12]运用我国地级市数据检验却得出金融科技创新对实体经济高质量发展的溢出效应尚未显现的结论。事实上，金融科技创新除短期内可跨区域提供数字金融服务外，还可以通过数字产业合作、共建金融科技基础设施、技术成果市场化等方式，对邻近地区实体经济的高质量发展产生长期的“涓滴效应”。因此，金融科技创新的溢出是一个渐进、动态的过程，而相关研究对此关注不足，可能影响对金融科技与实体经济高质量发展关系的全面把握。综上，从动态空间效应角度提出假设H2。

H2：金融科技创新对实体经济高质量发展具有动态的正向空间溢出效应。

（二）金融科技创新影响实体经济高质量发展的机制

已有文献验证了金融科技发展有助于提升金融服务实体经济效率，但是金融服务效率的提升对实体经济高质量发展的影响机制尚未得到完整检验。因此，可以考虑将金融服务实体经济效率作为中介变量，系统考察金融科技创新对实体经济高质量发展的影响机制。首先，金融机构通过引进、应用和普及金融科技企业的技术和产品，能够提升金融服务效率，从而间接促进实体经济的高质量发展（鲁钊阳和马辉，2021）[13]。其次，金融科技创新降低了交易成本，提高了金融的普惠性，能够满足面广量大的小微企业等“长尾群体”的金融服务需求，促进实体经济均衡高质量发展。最后，金融科技平台运用数字技术对客户进行实时、动态监测，能有效降低信用风险和市场风险，为金融服务实体经济高质量发展保驾护航。此外，金融科技与传统金融的“竞争效应”还能倒逼传统金融机构在数实融合背景下加快数字化转型步伐，深化供给侧结构性改革，以自身高质量发展更好地服务实体经济的高质量发展。综上，可以提出假设H3。

H3：金融科技创新通过提升金融服务实体经济效率促进实体经济高质量发展。

我国实体经济发展质量存在显著的空间差异（邵汉华和刘克冲，2020）[14]，金融科技发展水平也呈现一定的区域差异与空间效应（王荣等，2023）[15]。因此，金融科技创新提升金融服务效率，进而促进实体经济高质量发展的作用可能存在区域异质性。特别是，随着中国人民银行开展的金融科技创新监管试点工作的推进，试点与非试点地区在金融科技监管环境、支持政策、市场化程度等方面的差异，为检验金融科技创新促进实体经济高质量发展影响机制的异质性提供了条件。金融科技创新监管试点构建了中国版“监管沙盒”，通过创新监管工具，为金融科技发展提供具有安全边界的真实市场环境，实现了鼓励创新与防范风险的平衡。截至2022年底，在政策支持下，已有172个试点项目落地，包括16个资本市场项目，涉及9个省级行政区。绝大部分项目均以服务实体经济重点领域和薄弱环节为目标，通过技术赋能金融科技创新，提升金融服务实体经济效率，进而促进实体经济的高质量发展。此外，金融科技创新监管试点通过引入市场化竞争机制，也有助于市场主体在相对公平的环境中争取金融资源，畅通金融科技创新促进实体经济高质量发展的传导机制（聂秀华等，2021）[16]。综上，可以提出假设H4。

H4：在金融科技创新监管试点地区，金融科技创新更能通过提升金融服务效率进而促进实体经济高质量发展。

三、研究设计

（一）样本选择与数据来源

本文样本覆盖我国31个省份（不含港澳台地区）的宏观平衡面板数据，考虑到数据可得性及我国金融科技的发展实际，样本期间为2011—2021年，共包括341个年度样本观测值。主要原始数据来源于《中国统计年鉴》以及各省市统计年鉴、国家统计局和中国人民银行官网、万得数据库、北京大学数字金融研究中心等。

（二）变量设定

1. 被解释变量：实体经济高质量发展指数。实体经济高质量发展水平的测度主要有两种方法：一是使用绿色全要素生产率（常建新等，2021）[17]；二是通过构建指标体系综合评价（谭中明等，2022）[3]。使用单一指标测度可能无法反映实体经济高质量发展的丰富内涵，因此，本文从创新、协调、绿色、开放、共享五大新发展理念出发，构建实体经济高质量发展的评价指标体系，如表1所示。其中，涉及实体经济的指标，采用通行的去除房地产业和金融业之后的地区生产总值来表示（樊羚和韩廷春，2020）[18]，涉及实体企业的指标，也采用去除房地产企业和金融企业之后的企业来表示（申明浩等，2022）[19]。在构建评价指标体系的基础上，本文运用基于熵权法的TOPSIS模型处理指标数据，先对负向指标取倒数，然后对缺失值用插值法填补，再进行数据标准化，最后为避免主观赋权可能存在的偏误，采用信息熵确定各项指标权重，合成实体经济高质量发展指数（HQR），作为实证研究的被解释变量。

2. 解释变量：金融科技创新水平。总结已有文献，常用以下两种代理变量来测度金融科技创新水平：一是借鉴Askitas和Zimmermann（2009）[20]提出的互联网信息论，郭品和沈悦（2015）[21]率先通过挖掘网络文本中金融科技相关的词频来合成代理变量；二是北京大学数字金融研究中心定期发布的数字普惠金融指数（郭峰等，2020）[22]。由于第一种测度方法主要测度的是金融科技的网络舆情热度，可能与实际金融科技创新水平存在一定的偏差。而数字普惠金融指数涵盖了数字支付、互联网理财、互联网贷款、保险科技、互联网基金、大数据征信等金融科技主要业态，反映了金融科技的普及程度、创新产品、使用状况、服务成本和便捷性，能够较全面地体现实际金融科技创新水平，满足本研究对数据来源和样本期间的要求。因此，借鉴亓鹏和韩庆潇（2022）[23]的做法，采用数字普惠金融指数测度金融科技创新水平（Fin）。

3.中介变量：金融服务实体经济效率。金融科技在金融服务实体经济过程中发挥了“催化剂”作用，通过提升金融服务实体经济的效率，促进实体经济高质量发展。因此，本文选择金融服务实体经济效率（FTFP）作为中介变量。考虑到数据的可得性，参考宋志秀（2019）[24]等的指标构建方法，完善了金融服务实体经济效率投入产出指标体系，如表2所示。然后运用DEA-Malmquist法测度2011—2021年我国31个省份金融服务实体经济效率。

4. 控制变量。为控制其他影响实体经济高质量发展水平的因素，筛选了五个控制变量纳入计量模型，分别为实体经济人力资本（Hum）、实体经济物质资本（K）、政府财政支出（Fis）、城镇化水平（Town）和物价水平（P）。表3给出了模型使用的主要变量定义。

（三）模型构建

1. 嵌套空间权重矩阵构建。金融科技创新的“鲇鱼效应”促进了生产要素流动，优化了资源配置，这种要素流动包括跨区域流动，因此，检验金融科技创新对实体经济高质量发展的影响时有必要考虑空间效应，构建空间计量模型。考虑到空间效应可能同时蕴含地理距离因素与经济规模因素，且在实际中这种空间效应存在非对称性，因此，本文将地理反距离矩阵与经济特征矩阵相结合，构建嵌套空间权重矩阵，以更准确地刻画空间效应的综合性与复杂性，如（1）式所示。

[Wij=diag（X1/X，X2/X，…，X31/X）×Wdij]      （1）

其中，[Wij]为嵌套空间权重矩阵，[diag…]为对角矩阵，[Xi]为2011—2021年省份[i]的GDP均值，[X]为2011—2021年全国的GDP均值（不含港澳台地区），[Wdij]为地理反距离矩阵，其元素为省份[i]与省份[j]的省会城市间地理距离的倒数。

2. 面板空间计量模型构建。已有研究利用空间计量模型考察金融科技对其他被解释变量的影响，结果表明金融科技创新确实存在空间集聚特征与溢出效应（刘继兵等，2022）[25]。而实体经济发展的空间溢出效应也已经得到了部分实证研究的支持。同时，对于省级层面的数据，双向固定效应下的面板模型可以避免样本异质性和时间效应带来的结果有偏性，因此，选择空间、时间双向固定效应模型作为构建面板空间计量模型的基础。

综上，结合设定的变量及选择的嵌套空间权重矩阵，可以构建如（2）式所示的双向固定效应面板空间计量模型。此外，为统一量纲，减少异方差性，在构建模型时对各变量取自然对数，统一在变量前加ln表示。

[lnHQRit=β0+ρWlnHQRit+β1lnFinit+β2WlnFinit+γ1lnCit+γ2WlnCit+φi+ut+λWεit+vit] （2）

在（2）式中，[lnHQRit]表示省份[i]第[t]年对数化后的实体经济高质量发展指数；[lnFinit]表示省份[i]第[t]年对数化后的金融科技创新水平；[lnCit]为选取的一组对数化处理后的控制变量向量；[W]为构建的嵌套空间权重矩阵；[ρ]度量[lnHQRit]的空间滞后系数，体现被解释变量与其空间自回归项的内生交互；[β0]为常数项，[β1]为核心解释变量的回归系数，[γ1]为控制变量的回归系数向量；[β2]为核心解释变量的空间回归系数，体现核心解释变量与被解释变量在空间上的外生交互；[γ2]为控制变量的空间回归系数向量；[φi]和[μt]分别为空间和时间固定效应；[λ]为空间误差系数；[εit]和[vit]为随机误差项。

根据参数设置的不同，空间计量模型可分为空间杜宾模型、空间滞后模型和空间误差模型。在（2）式中，当[λ=0]时，表示空间杜宾模型（SDM）；当[λ=β2=γ2=0]时，表示空间滞后模型（SAR）；当[ρ=β2=γ2=0]时，表示空间误差模型（SEM）。

3.中介效应模型构建。为进一步检验金融服务实体经济效率的中介效应，笔者参考温忠麟和叶宝娟（2014）[26]的经典文献，采用逐步因果法构建中介效应模型。以金融服务实体经济效率为中介变量的空间杜宾模型中介效应检验过程如下所示。

[lnHQRit=β0+ρWlnHQRit+clnFinit+β2WlnFinit+γ1lnCit+γ2WlnCit+φi+ut+vit] （3）

[lnFTFPit=α0+alnFinit+a'WlnFinit+α1lnCit+φi+ut+vit] （4）

[lnHQRit=β'0+ρ'WlnHQRit+blnFTFPit+c'lnFinit+β'2WlnFinit+γ1'lnCit+γ'2WlnCit+φi+ut+vit] （5）

在（3）式中，若经检验回归系数[c]显著，则主效应显著，继续检验（4）式和（5）式，若回归系数[a]和[b]同时显著，则中介效应显著；若[a]和[b]中至少有一个不显著，则用Bootstrap法检验系数乘积[ab]，若系数乘积显著，则中介效应显著。在中介效应显著的前提下，若（5）式中的回归系数[c']同时显著，则为部分中介效应，否则为完全中介效应。

四、实证分析

（一）面板空间计量模型估计

首先，基于构建的嵌套空间权重矩阵，采用Moran's I指数检验金融科技创新水平（Fin）和实体经济高质量发展指数（HQR）的全局空间自相关性，结果显示全局Moran's I均为正值，且均在1%的水平下显著，说明具备统计学意义上的空间集聚特征，适合采用空间计量方法进行实证分析。其次，需要选择合适的空间模型设定形式。根据空间计量的似然比检验（LR检验）结果，在5%的显著性水平下，拒绝了空间杜宾模型（SDM）可以退化为空间滞后模型（SAR）或空间误差模型（SEM）的原假设，因此，采用空间杜宾模型（SDM）是合理的。为避免遗漏，本部分同时估计SAR和SEM，以便与SDM的估计结果相比较，得出更加可靠的结论。此外，随机效应豪斯曼检验在1%的显著性水平下拒绝了原假设，因此，可以选择空间、时间双向固定效应模型（FE）。最后，根据处理双向固定效应面板模型可能存在的内生性的通行做法，对所有解释变量均滞后一期处理，以缓解内生性问题。为叙述方便，本文实证分析部分在讨论解释变量的回归系数时，默认指的是解释变量一期滞后项的回归系数。

表4报告了各模型的基准回归估计结果，其中模型1是作为对照的双向固定效应面板回归模型估计结果，模型2—4 是三种空间计量模型的回归结果。根据表4，模型1—4的核心解释变量金融科技创新水平（Fin）的回归系数均在1%的水平下显著为正，结果具有稳健性。其中，在考虑空间内生和外生交互的SDM模型中，金融科技创新水平的回归系数更大，从整体上验证了金融科技创新有助于促进实体经济高质量发展，即假设H1在样本范围内得到了支持。同时，从SDM模型的估计结果看，金融科技创新水平的空间回归系数也在1%的水平下显著为正，初步验证了金融科技创新不仅会促进本地区的实体经济高质量发展，而且会影响邻近地区的实体经济高质量发展。但是，直接通过点回归估计空间效应系数可能产生偏误（赵涛等，2020）[27]，下文将进一步构建动态空间杜宾模型并运用偏微分方法进行效应分解。此外，SAR模型和SDM模型的空间滞后系数均在1%的水平下显著为正，说明邻近地区提高实体经济高质量发展水平，能够通过示范效应和溢出效应提升本地区的实体经济高质量发展水平。统一大市场的构建、生产要素的自由流动和基础设施的共享有助于强化实体经济发展的空间集聚特征，推动实现共同富裕目标。

（二）空间效应分解

基准回归验证了金融科技创新对实体经济高质量发展存在间接效应，即正向空间溢出，但是这种空间溢出是一个动态过程。因此，本部分通过引入被解释变量的时空滞后项，将空间杜宾模型扩展为动态空间杜宾模型（DSDM），采用偏微分方法进行效应分解，分为直接效应、间接效应和总效应，并进一步参考姚凤阁等（2022）[28]的做法，将DSDM模型区分为短期DSDM模型和长期DSDM模型，其中短期DSDM模型仅考虑滞后一期的影响，而长期DSDM模型同时考虑了滞后二期和三期的动态影响，结果如表5所示。从短期DSDM分解结果看，金融科技创新水平对实体经济高质量发展的直接效应在1%的水平下显著，而间接效应和总效应分别在10%和5%的水平下显著，比较具体的效应系数大小可以发现，金融科技创新在短期内主要促进本地区的实体经济高质量发展，同时对邻近地区有一定的正向空间溢出。从长期DSDM分解结果看，金融科技创新的直接效应、间接效应和总效应均在1%的水平下显著为正，其中，间接效应系数较短期上升近1倍，表明在长期，金融科技创新在促进本地区实体经济高质量发展的同时，其对邻近地区的动态正向空间溢出进一步显现，通过技术扩散、资源共享和要素流动，显著助推邻近地区实体经济高质量发展水平的提升。综上，假设H2在样本范围内得到了支持。

（三）稳健性检验

1. 替换核心解释变量测度方法。考虑到数字普惠金融指数的成分比较复杂，而实体经济高质量发展与银行信贷关联度较高，与保险、基金的关联度较弱，因此，在稳健性检验部分，先替换解释变量测度方法，创新性地采用银行为申请人的金融科技专利数量FinPT来测度金融科技创新水平。具体做法为运用Python 3.11软件，参考李真等（2023）[29]构建的金融科技专利词典，从“中国专利信息中心专利之星检索平台”获取银行为申请人的金融科技专利相关数据，并根据专利申请公布日、申请人所在省级行政区，进行匹配和统计，形成银行金融科技专利数量的“年份—省份”面板数据，作为测度金融科技创新水平的代理变量纳入空间杜宾模型。回归结果如表6的模型7所示。可见，替换核心解释变量的测度方法后，金融科技创新对实体经济高质量发展的回归系数仍显著为正，同时金融科技的空间效应、实体经济的空间滞后系数也与基准回归结果基本一致，通过了稳健性检验。

2. 金融科技创新监管试点的双重差分检验。为推动金融科技守正创新，更好地促进实体经济高质量发展，中国人民银行组织开展了金融科技创新监管试点。截至2022年底，已有172个服务实体经济的试点项目落地，涉及北京市、上海市、广东省、江苏省、浙江省、河北省、四川省、重庆市、湖北省等9个省份。金融科技创新监管试点作为外生的政策冲击，为检验金融科技创新对实体经济高质量发展的影响提供了良好的“自然实验”条件。由于各地区开展试点的具体时点不同，本部分通过构建多时点双重差分模型，进行稳健性检验，如（6）式所示。

[lnHQRit=α0+ρWlnHQRit+βDIDit+α1lnCit+φi+ut+vit]             （6）

在（6）式中，下标[i]、[t]分别表示地区和年份，[lnHQRit]表示对数化后的实体经济高质量发展指数，[W]为嵌套空间权重矩阵，[ρ]为空间滞后系数；[DIDit=Treati×Postit]为多时点双重差分模型的核心解释变量，表示地区[i]在[t]年是否参加了金融科技创新监管试点，参加取1，未参加取0，其回归系数[β]即为我们关注的“自然实验”的“净政策处理效应”；[lnCit]为一组对数化处理后的控制变量向量，[α1]为控制变量的回归系数向量；[φi]和[μt]分别为空间和时间固定效应，[vit]为随机误差项。

表6的模型8报告了多时点双重差分模型的估计结果，“净政策处理效应”的估计系数在5%水平上显著为正，即与非试点地区相比，金融科技创新监管试点显著促进了试点地区实体经济的高质量发展。为验证双重差分结果的可信度，进一步进行了平行趋势检验和安慰剂检验，结果表明，在试点政策实施之前，估计系数并不显著异于0，意味着实验组和对照组之间不存在系统性的显著差异，符合平行趋势假设。从试点实施后的效果看，金融科技创新监管试点的影响存在一定的动态性，与空间计量模型检验结果基本一致。同时，进一步通过500次的随机抽样进行安慰剂检验。结果估计系数基本服从以0为均值的正态分布，表明双重差分模型的估计结果并非由不可观测的随机因素驱动，进一步验证了估计结果的稳健性。

五、机制分析

（一）金融服务实体经济效率的中介效应检验

本部分进一步探究金融科技创新促进实体经济高质量发展的机制及其异质性特征。将基于表2指标体系测算的我国31个省份2011—2021年金融服务实体经济效率作为中介变量纳入空间杜宾模型，根据式（3）—（5）所示的逐步因果法进行中介效应检验，结果如表7所示。

表7：金融服务实体经济效率中介效应检验结果

[变量 模型9：lnFTFP 模型10：lnHQR lnFin 0.265***

（3.604） 0.079**

（2.527） WlnFin 0.083*

（1.792） 0.085*

（1.959） lnFTFP 0.231***

（4.056） WlnHQR 0.401***

（3.259） 控制变量 控制 控制 空间固定效应 控制 控制 时间固定效应 控制 控制 N 341 341 R2 0.514 0.609 ]

根据模型4的基准回归结果，在主效应显著为正的前提下，表7中模型9和10显示，金融科技创新对金融服务效率的回归系数及金融服务效率对实体经济高质量发展的回归系数均在1%水平下显著为正，同时模型10中金融科技创新水平的回归系数在5%的水平下显著为正，且其绝对值比基准回归明显下降，表明存在部分中介效应，且中介效应占总效应的比值较高，为52.77%。因此，提升金融服务效率是金融科技服务实体经济的主渠道，即假设H3在样本范围内得到支持。

（二）金融科技创新监管试点的异质性分析

已有研究表明，完善金融监管体系，运用监管科技创新审慎监管工具，有助于提升金融服务实体经济效率，增强金融科技对实体经济高质量发展的促进作用。因此，本部分将31个省份划分为金融科技创新监管试点地区和非试点地区两个子样本，均以金融服务实体经济效率为中介变量进行机制分析，结果如表8所示。

根据表8，先对比模型11和14，可以发现，试点地区金融科技创新对本地区实体经济高质量发展的促进作用以及对邻近地区的正向空间溢出均明显高于非试点地区，初步验证了金融科技创新监管试点服务实体经济的成效。进一步对比机制检验结果，模型12中金融科技创新对金融服务效率的回归系数在1%的水平下显著为正，模型13中金融服务效率对实体经济高质量发展的回归系数也在1%的水平下显著为正，同时直接效应系数不显著，表明在试点地区，金融服务效率发挥了完全中介作用。而对于非试点地区，模型15中金融科技创新的回归系数不显著，模型16中金融服务效率的回归系数在10%的水平下显著，参考温忠麟和叶宝娟（2014）[26]的做法，进一步用Bootstrap法检验系数乘积，尽管也验证了金融服务效率的部分中介作用，但明显弱于试点地区，即假设H4在样本范围内得到了支持。

六、结论与建议

基于2011—2021年31个省份的面板数据，通过构建实体经济高质量发展指标体系和嵌套空间权重矩阵，运用空间计量经济学方法，研究金融科技创新对实体经济高质量发展的直接影响、动态间接效应和作用机制，并运用银行金融科技专利数据和基于金融科技创新监管试点的双重差分模型进行稳健性检验。主要结论如下：（1）金融科技创新有助于促进实体经济的高质量发展，其中，在短期，主要促进本地区实体经济的高质量发展，同时对邻近地区有一定的正向空间溢出；而在长期，反映正向空间溢出的间接效应系数较短期上升近1倍，说明金融科技创新的空间影响是一个渐进、动态的过程。上述结论在进行了一系列稳健性检验后，仍然成立。（2）中介效应检验表明，金融服务实体经济效率的中介效应占总效应的52.77%，验证了金融科技创新通过提升金融服务效率进而促进实体经济高质量发展的机制。（3）与非试点地区相比，在金融科技创新监管试点地区，金融科技更能通过提升金融服务效率促进实体经济的高质量发展，其直接影响、间接效应和中介效应均明显高于非试点地区。根据以上结论，可以从优化金融科技业态空间布局、提升金融服务实体经济效率和推进金融科技创新监管试点等方面提出具体建议，以更好地发挥金融科技创新的赋能作用，促进实体经济高质量发展。

第一，优化金融科技创新业态空间布局，助力实体经济均衡高质量发展。实证研究表明，金融科技不仅能促进本地区实体经济高质量发展，而且对邻近地区具有动态空间溢出，呈现明显的空间集聚特征。因此，需要结合国家级金融改革创新试点和区域一体化发展的顶层设计，优化金融科技创新业态空间布局，为加快建设金融强国提供有力支撑。京津冀地区要充分发挥北京的首位优势和雄安新区的“先行先试”政策优势，抓好金融科技创新监管、数字人民币试点、区块链先导应用和金融科技服务资本市场等项目落地，优化金融科技创新业态的空间布局与要素集聚，促进数实融合”，支撑京津冀高质量协同发展。环渤海地区要围绕环渤海经济圈建设需要，加强区域金融合作，推动山东半岛和辽东半岛两翼加快融入和协同发展，优化金融科技业态空间布局，赋能绿色金融、科技金融、普惠融资等产品和模式更好地服务沿海开发、开放和实体经济高质量发展。长三角地区要落实区域一体化发展规划，发挥上海国际金融中心的辐射效应，促进金融科技业态、数字技术资源和金融科技复合型人才集聚，优化空间布局和功能支撑，打造国际一流的金融科技创新都市圈和金融服务实体经济高质量发展标杆。粤港澳大湾区要从金融结构、跨境合作、外商投资等方面优化发展，增强湾区金融资源和生产要素集聚，充分发挥金融科技创新的正向空间溢出，服务湾区实体经济一体化、高质量发展。其他地区也要结合区位优势和实体经济重点领域，完善地方金融科技“监管沙盒”，培育和发展数字技术支撑的绿色金融、转型金融、智慧乡村金融等特色金融服务，优化金融科技创新业态空间布局，促进实体经济均衡高质量发展。

第二，提升金融服务效率，畅通金融科技促进实体经济高质量发展传导机制。实证研究表明，提升金融服务实体经济效率，对于畅通传导机制，更好地发挥金融科技创新的直接作用与间接效应具有重要价值。可以从投入产出转换、数字技术赋能和数据要素应用三个层面提升金融服务实体经济效率。首先，投入产出的转换是金融服务效率的根基。要贯彻落实中央金融工作会议精神，完善机构定位，支持国有大型金融机构做优做强，当好服务实体经济的主力军和维护金融稳定的压舱石。要着力打造现代金融机构和市场体系，优化网点、人员、资本等要素投入数量和比例，同时提高信贷资金、金融服务等产出与实体经济高质量发展需求的匹配度，从而提高金融行业整体的全要素生产率，提升金融服务实体经济效率。其次，要加大驱动金融科技创新的生成式人工智能、大数据多维引擎等前沿技术的研发力度，赋能金融机构数字化转型，提升金融科技服务实体经济的效率。最后，在数字经济时代，数据作为金融科技行业的核心资产和关键新型生产要素，突破了传统生产要素的边际生产力递减规律。要深化数据要素在金融科技创新与推广中的应用，完善数据要素的产权、定价、流通、交易、使用、分配、治理、安全等基础制度和政策体系，建立创新容错机制，加快突破金融数据可信流通、开放共享等关键技术，促进数据要素与金融要素高效流动和优化配置，畅通传导机制，充分释放金融科技创新促进实体经济高质量发展的动力。

第三，稳步推进金融科技创新监管试点，增强金融科技服务实体经济能力。实证研究表明，金融科技创新对实体经济高质量发展的促进作用和间接效应，在金融科技创新监管试点地区明显高于非试点地区。因此，建议根据各地金融科技发展实际，针对实体经济需求，借鉴试点地区的成功经验，完善金融科技监管体系，加强监管科技能力建设，稳步扩大试点范围、增加试点项目、打造具有地方特色的“监管沙盒”，引导金融机构加快数字化转型步伐，推动数字技术与金融业态的深度融合，通过培育和开展有特色、高质量的金融科技试点项目，满足乡村振兴、产业数字化、绿色发展、共同富裕等实体经济高质量发展过程中新的金融需求。同时，贯彻落实《金融科技发展规划（2022—2025年）》，在风险可控、依法合规的前提下发挥好金融科技创新监管试点对全局性转型升级的示范、突破、带动作用，为经济社会发展提供优质金融服务，实现金融科技创新与实体经济高质量发展的相互促进和良性循环。

参考文献：

[1]田秀娟，李睿，杨戈.金融科技促进实体经济发展的影响：基于金融创新和科技创新双路径的实证分析 [J].广东社会科学，2021，（05）.

[2]王婧菲，孙立.数字产业化、金融科技创新与实体经济“脱实向虚” [J].商业研究，2023，（03）.

[3]谭中明，刘倩，李洁，卜亚.金融科技对实体经济高质量发展影响的实证 [J].统计与决策，2022，（06）.

[4]王红建，张科，李青原.金融科技的经济稳定器作用：金融加速器理论的视角 [J].经济研究，2023，（12）.

[5]闻岳春，黄昌杰.数字金融、金融集聚与实体经济发展 [J].金融监管研究，2023，（09）.

[6]陆凤芝，王群勇.数字普惠金融与金融服务实体经济效率提升 [J].南开学报（哲学社会科学版），2022，（03）.

[7]周雷，周铃，毛丹玲.金融科技助力实体经济高质量发展的作用机理研究 [J].浙江金融，2019，（08）.

[8]薛莹，胡坚.金融科技助推经济高质量发展：理论逻辑、实践基础与路径选择 [J].改革，2020，（03）.

[9]谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？——来自中国的证据 [J].经济学（季刊），2018，（04）.

[10]唐松，赖晓冰，黄锐.金融科技创新如何影响全要素生产率：促进还是抑制？——理论分析框架与区域实践[J].中国软科学，2019，（07）.

[11]刘丹阳，黄志刚.金融科技、OFDI与经济高质量发展：基于“双循环”相互促进的视角 [J].中国管理科学，2023，（11）.

[12]李梦雨， 彭传旭， 魏熙晔. 数字金融能否促进经济高质量发展：来自我国275 个城市的经验证据 [J]. 金融监管研究，2021，（11）.

[13]鲁钊阳，马辉.金融科技创新对实体经济增长的影响研究 [J].科学管理研究，2021，39（05）.

[14]邵汉华，刘克冲.实体经济与要素投入协同发展的时空差异及效应研究：高质量发展视角 [J].科技进步与对策，2020，37（12）.

[15]王荣，叶莉，房颖.中国金融科技发展的动态演进、区域差异与收敛性研究 [J].当代经济管理，2023，45（04）.

[16]聂秀华，江萍，郑晓佳，吴青.数字金融与区域技术创新水平研究 [J].金融研究，2021，（03）.

[17]常建新，范立春，高莉.数字普惠金融能够推动经济高质量发展吗？[J].金融发展研究，2021，（12）.

[18]樊羚，韩廷春.金融发展服务实体经济过程中的政府作用：增进还是抑制？[J].经济与管理研究，2020，41（08）.

[19]申明浩，谭伟杰，杨永聪.科技金融试点政策赋能实体企业数字化转型了吗？[J].中南大学学报（社会科学版），2022，28（03）.

[20]Askitas N，Zimmermann K F. 2009. Google Econometrics and Unemployment Forecasting [J].Discussion Papers of DIW Berlin，55（2）.

[21]郭品，沈悦.互联网金融对商业银行风险承担的影响：理论解读与实证检验 [J].财贸经济，2015，（10）.

[22]郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展：指数编制与空间特征 [J].经济学（季刊），2020，19（04）.

[23]亓鹏，韩庆潇.金融科技发展有助于农商行业务回归本源吗？——来自县域农商行的微观证据 [J].金融发展研究，2022，（07）.

[24]宋志秀.基于 DEA-Malmquist 法的中国区域金融服务实体经济效率测度 [J].武汉金融，2019，（12）.

[25]刘继兵，田韦仑，张驰，常俊萍.金融科技如何影响绿色发展：基于动能转换和地理结构的经验证据 [J].技术经济，2022，（09）.

[26]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（05）.

[27]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展：来自中国城市的经验证据 [J].管理世界，2020，36（10）.

[28]姚凤阁，梁珈源，汪晓梅，张德华.数字金融、技术进步与区域经济高质量发展 [J].统计与决策，2022，38（18）.

[29]李真，李茂林，朱林染.银行金融科技与企业金融化：基于避险与逐利动机 [J].世界经济，2023，46（04）.

收稿日期：2023-11-05      修回日期：2023-12-28

基金项目：国家教育部人文社会科学研究青年基金项目“数字金融服务实体经济高质量发展研究：宏观影响与微观机制”（23YJC790206）；江苏省社科应用研究精品工程课题“江苏数字金融产业支持实体经济高质量发展研究”（23SYB-036）。

作者简介：周雷，男，江苏苏州人，苏州市职业大学商学院研究员，东南大学SRTP项目指导教师，注册会计师，研究方向为金融科技；宁心怡，女，江苏苏州人，苏州市职业大学商学院，研究方向为金融科技；宋佳佳，女，江苏宿迁人，东南大学经济管理学院，研究方向为数字金融；张鑫，女，河南南阳人，东南大学经济管理学院，研究方向为金融科技。