数字金融、技术创新与区域制造业高质量发展——基于长三角地区的实证研究

杨雪晴，张 娜

（蚌埠学院 经济与管理学院, 安徽 蚌埠 233030）

党的十九大提出要“加快建设制造强国，加快发展先进制造业”，《国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》和《“十四五”国家信息化规划》明确指出，要强化制造业与数字经济协同发展，增强制造业竞争优势，推动制造业高质量发展。其中数字金融是数字经济围绕金融的新经济业态，有利于提高制造业企业信贷的可得性，实现资源优化和技术升级，进而促进制造业的高质量发展。数字金融已成为我国制造业高质量发展的重要催化剂。基于此，本文从数字金融的直接效应和间接效应视角，探讨数字金融促进区域制造业高质量发展的作用机制。

一、文献回顾与研究设计

（一）文献回顾

当前关于数字金融促进区域制造业高质量发展的理论研究，主要集中在数字金融对金融市场和对区域经济增长的作用等方面。经典理论主要包括索洛模型、内生经济增长理论等认为金融资本是区域经济增长、转型发展的决定性因素[1-2]。随着信息技术的发展，传统金融与信息化紧密结合，衍生出数字金融，相关理论进一步得到拓展。数字金融完善了金融市场中的利率传导链条并降低了贷款市场整体风险水平，弱化了传统货币政策信贷渠道的作用效果，缓解融资约束途径从而助推区域经济高质量发展[3-4]；数字金融发展较好的地区，能提升企业金融资本流动性，促进金融资本流向与高效益匹配的制造型企业，从而推动企业转型升级实现高质量发展[5-6]。

关于数字金融促进区域制造业高质量发展的研究，主要集中采用实证方法分析数字金融的作用路径。传统金融虽然能在一定程度上缓解企业的资金需求[7-8]，但是其低效率配置和金融深度不足会对企业创新活动产生抑制作用[9-10]，数字普惠金融对于传统金融服务的广度和深度都有着极大的拓展[11]，并且对区域创新产出的促进作用明显[12],以及能推动制造业产业结构升级[13]与实体企业高质量发展[14]。

现有关于关于数字金融促进区域制造业高质量发展的研究主要体现在以下几个方面：（1）多数研究集中于数字金融的某一方面或数字金融与区域经济增长关系的研究，相对来说缺少数字金融、技术创新与区域制造业高质量发展的研究。（2）关于区域制造业高质量发展的研究多数局限于省级层面，且测度方法仍有改进的空间。对此，本文将进行如下改进：（1）改进区域制造业高质量发展水平的测度方法；（2）以长三角市级层面数据为研究对象，构建数字金融、技术创新与区域制造业高质量发展的研究框架，探索数字金融对区域制造业高质量发展的作用效果和机制。

（二）研究设计

1.理论模型与研究假设

根据Cobb-Douglas 产出模式假设，制造业生产函数为：

式中M为制造业总产出，A表示技术进步水平系数，L表示制造业部门的劳动力投入，K为资本存量， α为产出弹性，并假定技术进步符合哈罗德中性原理。数字金融具有天然的数据属性、金融属性，与信息化融合，能提高金融资本的流动性，优化资本配置，提高金融资本的利用效率，驱动金融资本运动到高附加值、高利润制造业中，推动区域制造业高质量发展。由此，生产函数得到进一步拓展为：

式中 γ为数字金融具有技术因子特性，这是在既定假设条件展示出数字金融直接促进区域制造业高质量发展。

由此，假设1：数字金融可直接促进区域制造业高质量发展。

数字金融的信息技术特征和优越的流动性，能支持新技术研发和先进技术的扩散，并能提高劳动力投入量和劳动效率，促进制造业生产规模再扩大和高质量发展。由此，生产函数得到进一步深层次的扩展为：

对式子（4）两边取对数得：

两边对时间t微分得：

由此，假设2：数字金融可通过技术创新驱动制造业高质量发展。

2.影响机理（见图1）分析

图1 数字金融驱动制造业高质量发展的影响机理

数字金融促进区域制造业高质量发展作用机制在于：

（1）数字金融能够增进金融资本在不完全要素市场的流动，减少要素价格扭曲以及各种摩擦的存在，按照市场原则高效配置资源，引导金融资本流向高效率高质量制造企业，直接扩大生产，促进了区域制造业的高质量发展。

（2）数字金融提升了资本的流动性，推进市场化进程[15]、提升产业集聚和技术创新水平[16]等，减少了金融资本要素的流动障碍，使生产要素在价格机制的作用下，按照要素报酬等于边际产品价值的原则自由流动，进而优化资源配置，实现金融资本的帕累托最优，推动区域制造业高质量发展。

二、研究样本与变量选择

（一）研究样本和数据来源

本文的研究样本为长三角地区上海市、安徽省、江苏省、浙江省41 个城市。之所以选择长三角地区城市作为研究对象，原因在于江苏省、浙江省、上海市是我国数字金融覆盖面较广、数字化程度较高、数字金融使用深度较强、制造业最发达的地区之一，同时安徽省制造业整体发展水平与长三角其他地区相比还有较大差距，其数字金融发展水平可能也存在差异，因此分析长三角地区的数字金融对区域制造业高质量发展的影响及其异质性，具有重要的现实意义。地级市制造业高质量发展水平测度和控制变量所用数据来源于《中国城市统计年鉴》与各城市的统计年鉴；数字金融数据采用北京大学发布的《全国各市数字普惠金融指数》。

（二）变量选择

1.被解释变量

制造业高质量发展水平（MD）。高质量发展从全局视角体现在发展方式、发展理念的转变，包含了经济社会、生态等方面的内涵式发展[17]。从局部层面经济高质量发展要求创新、绿色、开放、协同、共享[18]，而对于经济系统中的制造业高质量发展主要融合了企业的技术革新能力、投入产出能力、信息化能力、绿色发展能力[19]。因此，依据制造业高质量发展的内涵，构建了测度区域制造业高质量发展的指标体系，主要包括经济效率、创新能力、数字化水平、绿色发展等方面，见表1。

表1 制造业高质量发展指标体系

在借鉴已有研究成果的基础上，构建了区域制造业高质量发展测度指标体系，衡量指标权重的方法主要包括德尔菲法、层次分析法（AHP 法）、熵值法等，但这几种方法得出的评价结果带有很大的主观性，结论缺乏稳定性。基于此，本文采用更为客观的评价方法——熵权法来对单项系统进行定量评价[20-21]，具体步骤如下：

（1）无量纲化处理

由于指标体系中各指标计量单位和属性不一致，本文采用最大值-最小值极差化方法对指标数据进行处理，消除量纲影响，标准化方法为：

其中：max(Ximt)、min(Ximt)、Ximt分别为Xxit指标的最小值、最大值和均值，准则层与指标层的指标权重采用熵权法进行赋值。

（2）确定单项指标的权重

（3）计算系统综合评价指数

在测度各系统综合评价指数时，采用综合评价法，其处理模型为：

测算结果如表2 所示。

表2 长三角地区城市制造业高质量发展水平测度结果

2.解释变量

数字金融发展水平（DF）。数据来源于北京大学发布的2011—2019 年《全国各市数字普惠金融指数》，是本文的核心解释变量[22]。

3.中介变量

技术创新（TN）。根据理论模型以技术创新水平作为中介变量，主要出于对技术创新中介效应的考虑，因为技术创新是数字金融促进区域经济增长的重要渠道。其中专利申请数量可以较好地反映各地技术创新发展的情况且数据易得，故以专利申请数的对数值来代表各地区的技术创新水平[23]。

4.控制变量育年限衡量人力资本水平[24]；经济发展水平（PGDP），采用人均GDP衡量长三角地区各市的经济发展水平[24]；

控制变量主要包括：人力资本（HC）,采用平均受教对外开放（OP），采用外商投资额乘以当年汇率，与各地区的国内生产总值之比来衡量区域对外开放程度[25]；政府干预（GI），采用各市级政府财政支出和地区国内生产总值的比值来衡量地区政府的干预程度[24]；基础设施建设（INF），采用全社会固定资产投资中“交通运输、仓储和邮政业”投资额的占比来衡量基础设施建设水平[24]；市场化程度（MI），采用樊纲等编著的《中国市场化指数》（2011）计算获得[25]。

（三）变量的描述性统计结果

表3呈现各变量的描述性统计结果，其中数字金融发展和地区制造业高质量发展水平区域差异性最大，各市行政干预标准差为0.89，反映各地政府对地方发展的整体干预水平差距不大。

表3 描述性统计分析

三、实证结果与分析

（一）基准回归

对基准模型进行OLS 回归，采用BP 检验发现随机效应优于混合效应模型。然后采用Hausman 检验，结果表明固定效应模型优于随机效应模型，并采用John 和 Aart（1998）稳健性标准误估计方法处理异方差问题。构建的计量模型如下：

式中：i表示长三角各市截面单元；t表示样本时间；MDit是因变量，表示区域制造业高质量发展水平；DFit是核心解释变量，表示各区域的数字金融发展水平；controlit是上述所有控制变量；vi表示各地区的个体效应； µt表示时间效应； εit表示不能被模型解释的随机干扰项。回归结果见表4，（1）、（2）、（3）分别表示混合截面回归、个体固定效应回归和双向固定效应回归。

表4 数字金融对制造业高质量发展影响分析

表4显示数字金融发展对区域制造业高质量发展的回归，结果表明：使用不同的回归方法研究发现数字金融的系数值都保持了良好的稳健性，回归结果表明数字金融与区域制造业高质量发展之间存在显著正向相关关系，且通过了 1%的统计显著性检验，验证假设1 成立。数字金融的发展有助于推动经济绿色转型，提升区域制造业高质量发展。

（二）机制分析

前文实证分析显示数字金融与区域制造业高质量发展呈现显著的正相关，表明数字金融可有效驱动区域制造业高质量发展，而对于数字金融与技术创新对区域制造业高质量发展影响机制分析，需要进一步验证，因此构建中介效应模型如下：

从表5 的回归结果可知，数字金融在总效应和直接效应中的估计系数均为正数，且通过1%显著性检验，表明数字金融可以显著驱动区域制造业高质量发展。加入技术创新解释变量后，直接效应模型中数字金融系数有所降低，表明数字金融对区域制造业高质量发展的影响不仅存在直接效应也存在间接效应。在间接效应模型中，数字金融的系数显著为正，表明数字金融可以促进技术创新。因此，技术创新在数字金融对区域制造业高质量发展的影响作用中起到部分中介效应，其中间接效应与直接效应的比为 0.524 2。当模型系数均显著时，无需进行 sobel 检验，认为中介效应显著。以上实证结果进一步表明数字金融影响区域制造业高质量发展存在两条路径：一是数字金融对区域制造业高质量发展的直接影响，二是技术创新的间接影响。至此，假设 2 得证。

表5 技术创新的中介效应分析

（三）内生性问题

以上实证分析表明数字金融能驱动区域制造业高质量发展，但在模型的因果识别过程中可能存在内生性问题的干扰，内生性主要来源于反向因果和遗漏变量问题。反向因果是指区域制造业高质量有利于促进数字金融的发展，以下选择将数字金融等解释变量进行滞后一期处理解决内生性问题。回归结果如表6 所示，列（1）未加入控制变量，列（2）加入控制变量，随着控制变量的加入，模型的拟合优度得到了改进，回归结果在 1%的显著性水平下显著，表明在一定程度上解决内生性问题后数字金融依旧对区域制造业高质量发展起到显著的促进作用，上述回归结论具有可靠性。

表6 稳健性检验Ⅰ：内生性问题——滞后一期

采用工具变量法对遗漏变量导致的内生性问题进行检验，选择各地级市与杭州市之间的球面距离作为工具变量。首先，地理距离作为自然地理变量与经济社会因素不存在相关关系；其次，杭州数字金融发达，各城市数字金融水平与杭州市之间的距离直接相关。由于本文研究基于面板数据，为了获取年份上的变异性，构造各城市与杭州市之间的距离的倒数乘以当年年份作为工具变量，采用二阶段最小二乘法进行工具变量法估计。表7 工具变量检验表明其不存在过度识别和弱工具变量问题，且解释了工具变量的外生性。同时，表7 显示，解决内生性问题后，数字金融依然显著降低能源强度，且在 1%的显著性水平下显著。

表7 稳健性检验Ⅱ：内生性问题——2SLS

（四）区域异质性分析

长三角地区包括安徽省、浙江省、江苏省和上海市，其中上海市经济社会发展水平与江苏省最接近，本文将其并入江苏省，以此来分析不同区域数字金融与区域制造业高质量发展的异质性。表8 显示，江苏省、浙江省、安徽省数字金融对区域制造业高质量发展影响具有显著的异质性，整体上数字金融对各地区技术创新和制造业高质量发展具有显著的正向作用，技术创新仍是数字金融对区域高质量发展影响的中介变量，同时也证明了上述实证分析的稳健性。在长三角地区数字金融对安徽省制造业高质量发展驱动效果最大，浙江省最小，可能是数字金融更容易促进中低端制造业发展，对高端制造业不敏感。

表8 分区域影响因素效应检验

四、结论与政策建议

本文以长三角地区41 个城市为研究对象，采用面板回归和中介效应模型分析了数字金融对区域制造业高质量发展的作用。研究发现：第一，数字金融发展水平与区域制造业高质量发展水平呈显著正相关，数字金融能有效驱动区域制造业高质量发展；第二，数字金融可通过技术创新这一传导机制促进区域制造业高质量发展；第三，长三角地区数字金融对区域制造业高质量发展影响具有显著的异质性，其中对安徽省作用效果最大。

本文提出如下政策建议：第一，深化传统金融改革，深度融合信息化技术，引导金融资本流向绿色、高质量发展的制造业企业，加快数字金融基础设施建设，促进区域制造业高质量发展。政府应鼓励商业银行运用数字技术完善其现有功能，加强基础设施的建设有助于扩大数字金融覆盖广度，弥补中小企业和欠发达地区在金融发展过程中的不足，提高金融服务惠及实体企业的可及性。第二，推动数字经济发展，激发数字金融服务区域制造业高质量发展。政府应当通过各种政策刺激数字金融支持降低绿色研发风险，让全社会的绿色研发支出一直处于较高水平，从而逐步积累大量的绿色技术与绿色研发人员。进一步激活企业创造活力，提高中国经济整体创新水平，并积极引导地方金融机构，对清洁能源和绿色发展领域的企业进行融资扶持。第三，加快各地区数字金融顶层设计，促进长三角地区数字金融与实体制造企业协调高质量发展，并积极利用产业结构转型、科技创新等有利因素，实现数字金融与区域制造业良性互动、协调发展。