数字金融对城市经济韧性的影响研究——基于中介效应模型的实证分析

刘 志 蛟

(黑龙江大学 经济与工商管理学院, 黑龙江 哈尔滨 150080)

城市经济韧性是经济高质量发展的重要基础。有韧性的经济体应对外来负面冲击时,往往具有很强的适应和抵御能力,能够通过创新推动经济复苏与繁荣。对于城市而言,提升经济韧性水平也是维持其区域竞争优势的重要前提,有助于抵御负面冲击,从而降低经济硬着陆的可能性。另外,金融和经济联系紧密,数字金融作为金融发展的重要方向,对城市经济产生重要影响。鉴于此,本文将着重研究数字金融对城市经济韧性的影响,探索城市经济韧性提升的路径。

“韧性”一词最早出现在物理学中,直至21世纪初才被学者们引入到人文社科等领域。学者们就城市经济韧性问题展开研究。Reggiani[1]将区域经济韧性视为抵御冲击的能力。Martin等[2]界定经济韧性为抵御能力、恢复能力、适应能力和更新能力四个方面,得到不少学者的肯定和支持。恢复和更新能力的根本是创新,故而,经济韧性可归结为适应性、防御性和创新性三方面。测度经济韧性有三个方法:一是多层次指标体系法;二是敏感度指数法;三是计量模型方法。敏感度指数和多层次指标体系法较为常用,但敏感度指数指标过于单一。本文将采用多层次指标体系法,参考Martin等[2]关于经济韧性的界定,构建指标体系,测度城市经济韧性指数与分指数。

已有研究关于经济韧性影响因素研究不少,但聚焦数字金融影响的文献不多。影响经济韧性的因素大体包括产业结构、固定资本、经济发展水平、政府干预、外生冲击等[3-5]。关于数字金融与经济韧性关系研究较少。崔耕瑞[6]研究发现数字金融对经济韧性提升是显著的,主要通过缩小城乡收入差距、提高资本配置效率和引导消费升级来发挥作用。高粼彤等[7]基于省际数据研究数字金融对中国区域经济韧性的影响,发现数字金融水平较高时,数字金融才对区域经济韧性具有显著促进作用。以上研究中,数字金融影响经济韧性的路径机制不完全相同,所用数据不同,但基本结论一致,即数字金融对经济韧性存在正向影响。梳理相关文献,主要存在两大问题:第一,绝大多数研究忽视了数字金融的作用;第二,极少数研究虽涉及数字金融,但缺乏对其影响路径的全面考量,且中介变量的选择缺乏系统性、全面性。本文将在已有研究基础上引入数字金融,并从微观、中观和宏观三个层面去研究其影响经济韧性的中介机制。

一、 数字金融影响经济韧性理论机制分析

1. 数字金融的直接效应

数字金融可以通过提升传统金融功能影响经济发展,对经济韧性产生直接作用。它是新兴信息技术与金融业相结合的产物,能够最大限度地配置金融资源,满足经济体主要参与者的金融需求[8]。数字金融主要通过金融产品和服务创新及利用网络空间格局来提升经济韧性水平[6]。数字金融将大数据、区块链与人工智能等信息技术应用于金融业中,一方面能够提高资金供求匹配效率和应对冲击的反应速度;另一方面能够促进金融平台、产品等创新,拓宽融资渠道,降低融资成本,改善企业的运营状况。面对负面冲击时,经济体的适应能力、防御能力和创新能力都将增强。与此同时,数字金融通过空间维度提高经济韧性,它能够有效打破时空限制,融资者随时随地可办理金融业务,有效提高金融资源的配置效率。新兴信息技术的引入,能够较大程度缓解金融市场信息不对称问题,降低资金供求双方的金融风险,提高金融机构和融资企业应对危机的防御能力。

2. 数字金融的间接效应

数字金融可以通过微观、中观和宏观三个层面间接影响经济韧性。在微观层面,数字金融主要通过家庭消费和企业投资行为间接发挥作用。在中观层面,以产业结构为中介发挥间接影响。在宏观层面,主要通过政府实施的宏观战略政策(如科教兴国战略)产生影响。

(1) 数字金融微观层面影响机制。数字金融对家庭消费具有积极影响。基于传统消费理论,家庭消费行为受限于现金约束和流动性约束。金融发展可以通过合理配置资源弱化双重约束,激发家庭潜在的消费能力[9]。数字金融的发展成熟,拓宽了家庭的消费渠道,降低了中低收入家庭消费信贷门槛。数字金融在信用卡等传统融资消费渠道之外提供了新的便捷消费融资渠道,例如蚂蚁花呗、京东白条等。另外,除传统支付方式外,消费者还可借助微信、支付宝等第三方支付工具进行消费,而且网络购物打破传统消费的时空限制,极大地拓宽了消费空间,缩短了购物时间。简而言之,数字金融对于家庭消费具有明显的降本增效作用,主要通过支付便利性和融资便利性两方面促进了家庭消费。数字金融有利于扩大消费,而城市家庭消费规模的增大能够提升经济适应能力。社会消费品零售总额与家庭消费基本一致,数字金融促进家庭消费,表现为社会消费品零售总额的提高,通过适应能力影响经济韧性。

数字金融对企业投资有重要影响。非金融企业投资通常分为实业投资和金融投资两类。其中,实业投资包括固定资产投资、企业研发支出,金融投资包括配置股票、债券等金融类资产。基于“预防性动机”角度,数字金融可能会抑制金融投资促进实业投资,因其能够缓解信息不对称带来的融资约束难题[10]。随着新兴信息技术在银行业的应用,商业银行的信息获取渠道扩宽、信息精度提高,从而可以更加快速有效地确定融资企业的信用评价和贷款额度。基于“短期财富效应”角度,数字金融可能会抑制实业投资的发展[10]。随着数字金融的发展,企业能够更充分地借助新兴技术在更大范围和更高效率条件下完成金融投资决策。投资行为,尤其是固定资产投资,将提升城市经济的适应性水平,从而影响经济韧性。

综上所述,表征消费的社会消费品零售总额和表征投资的固定资产投资可能是数字金融影响经济韧性的重要中介机制。

(2) 数字金融中观层面影响机制。数字金融通过产业发展影响经济韧性水平。产业多样化能够较大限度地降低外来冲击风险的集中度,将负面冲击的伤害通过产业关联分散至不同产业中,通过其他产业的增长来抵消和分散风险,从而提高经济的风险抵御能力[11]。新兴信息技术的应用,能够扩大传统金融服务的覆盖广度和使用深度,缓解传统金融业存在的信息不对称等问题,降低金融摩擦。数字金融将从交易成本、服务范围和风险管理三方面推动产业结构优化升级[12],实现产业多样化发展。产业多样化是影响经济韧性的重要因素,因此,产业多样化是影响经济韧性的重要中介机制。

(3) 数字金融宏观层面影响机制。数字金融可以通过教育、科技途径影响经济韧性。影响经济韧性的宏观因素包括:财政政策、货币政策、经济制度、对外开放与科教兴国战略等。财政、货币政策具有外生性。经济制度和对外开放战略具有稳定性。科教兴国涉及人才和科技两大要素,二者不仅是经济发展的重要生产要素,而且也是经济韧性的重要基础。数字金融可以为教育服务提供多样化、高效率的融资服务,让更多人享受教育服务,促进人才培养。数字金融可能会直接推动金融科技发展,也可能间接影响其他科技研发投入,从而影响经济韧性。因此,教育投入和科技投入可能是数字金融影响经济韧性的中介机制。

二、 研究设计与数据处理

1. 经济韧性指标体系构建

本文构建多层次指标体系以评价城市经济韧性。经济韧性可分为适应能力、创新能力和防御能力。适应能力是指经济遭受冲击后维持生活和生产稳定的能力,参考Cowell[13]和齐昕等[14]的研究,选取固定资产投资、人均GDP和社会消费品零售总额为二级指标。创新能力是指面对负面冲击时经济体开辟经济发展新路径的能力,与研发能力和研发经费等密切关联,借鉴Bristow[15]的研究,选取发明专利授权占比、专利申请量和科学技术支出为二级指标。防御能力,也称抵御风险能力,是指经济受到负面冲击后的抗干扰和吸收冲击的能力。Cowell[13]认为防御能力与地区教育支出水平、可支配收入和失业有关,但其未考虑金融市场因素。鉴于此,选取教育支出、居民工资水平、城镇登记失业相对比率和存贷款比率作为二级指标。居民工资水平反映居民的可支配收入水平,城镇登记失业相对比率反映失业状况的好坏,存贷款比率用以反映经济危机时期的金融防御能力。构建城市经济韧性指标体系如下,见表1。

表1 经济韧性指标体系

经济韧性指标体系的权重采用主客观相结合的方法确定。一级准则层平均赋权,二级指标层熵权法赋权,根据指标变异性确定客观权重。

经济韧性指数测算步骤如下:

第一步,数据的标准化处理。正向指标标准化公式为

逆向指标标准化公式为

第二步,计算指标的信息熵Ei。基于信息论理论,信息熵公式为

第三步,指标权重确定。基于上述所得各指标信息熵E1、E2、…、Ek,可得各指标的权重Wi,计算公式为

式中,k为准则层对应的指标层二级指标数量。

第五步,计算各城市的经济韧性指数。对第四步得到的三个分指数取算术平均即可。

2. 实证模型构建

(1) 基准模型。采用面板回归模型进行实证研究。面板模型通常分为混合面板模型、固定效应模型和随机效应模型三大类型,表达式依次如下:

(2) 中介效应模型。上述基准模型结论如若支持存在促进作用的观点,可进一步进行中介效应检验。参考温忠麟等[16]的研究,构建中介效应模型如下:

(3) 数据选取与处理。 选取中国30个代表性城市(1)代表性城市:北京、天津、石家庄、呼和浩特、沈阳、长春、哈尔滨、上海、南京、杭州、合肥、福州、厦门、南昌、济南、青岛、郑州、武汉、长沙、广州、深圳、南宁、海口、重庆、成都、西安、兰州、西宁、银川和乌鲁木齐。2016—2019年数据, 范围涵盖直辖市、省会城市、沿海重要城市。 研究对象是中国各个地区的经济、政治、文化及创新中心, 明显不同于其他地级市。 涉及的原始变量包括: 年末户籍人口、固定资产投资、人均GDP、财政支出、地区生产总值、社会消费品零售总额、发明专利收取数量、专利授权数量、专利申请数量、公共财政支出、科学技术支出、教育支出、居民工资水平、城镇单位从业人数、城镇登记失业人数、存款余额、贷款余额、实际使用外资金额、年末城市道路面积、数字金融指数和分指数,以及19个行业城镇单位就业人数等。 名义变量采用消费价格指数CPI进行消胀处理。 原始数据来源于2017—2020年的《中国城市统计年鉴》、各城市发布的《统计年鉴》《中国商务年鉴》和城市知识产权部门发布的信息,城市数字金融数据取自北京大学数字普惠金融指数[18]。个别缺失数据采用线性插值补齐。

① 经济韧性指数。基于表1所构建的指标体系,通过主客观赋权法测算城市经济韧性指数。二级指标变量中的发明专利授权占比、城镇登记失业相对比率、存贷款比率等不能直接获得,需另外计算。发明专利授权占比取城市的发明专利授权数量与专利授权数量之比;城镇登记失业相对比率由城镇登记失业人数比上城镇单位从业人数与城镇登记失业人数之和计算得出;存贷款比率则由存款余额比上贷款余额计算得出。通过主客观赋权确定各二级指标权重,以此权重作加权平均可得经济韧性指数(R0)、适应能力指数(R1)、创新能力指数(R2)和防御能力指数(R3)。

③ 控制变量。经济韧性受制度、政策、经济发展、基础设施与对外开放等多种因素影响。实证研究中应有所兼顾,避免遗漏和冗余。基于上述考虑,选择控制变量包括:人均GDP、基础设施水平、政府干预和外资利用水平。基础设施水平以人均年末城市道路面积来衡量,政府干预取公共财政支出占GDP比重,外资利用水平则以城市实际使用外资金额占GDP比重来测算。

三、 数字金融与经济韧性关系的实证分析

1. 城市经济韧性水平

表2为2017—2019年中国代表性城市经济韧性指数与排名。从经济韧性的涨跌来看,2017—2019年指数连续上升的有北京、上海、南京、杭州、合肥等14个城市。连续下降的城市有天津、石家庄、呼和浩特等7个城市,表明这些城市的经济韧性呈逐渐下降的趋势。余下9个城市多数表现为先降后升的趋势,整体情况好于指数连续下降的城市。从经济韧性总体排名来看,9个城市排名不变,其中6个排名前十,头部城市的经济韧性指数增长整体相对稳定,应对负面冲击的能力不断增强。排名前十的城市,经济韧性指数平均年增长率为9.23%;排名居中的城市平均年增长率为3.73%;排名后十位的城市,平均年增长率为-4.58%(2)排名前十、居中和后十位城市的平均年增长率根据表2中城市年均增长率取算术平均计算得到,不含排名跃迁城市(长春和厦门)。。经济韧性表现出马太效应,强者愈强,城市间经济韧性差距不断拉大。

表2 中国代表性城市不同年份经济韧性指数与排名

2. 数字金融对经济韧性的影响

先研究数字金融指数(取自然对数,记为D0)对经济韧性的总影响,之后采用中介效应模型研究数字金融影响经济韧性的路径。

(1) 基准模型分析。表3为基准模型回归结果。对于所有模型而言,个体固定效应的F统计量至少在10%水平上显著拒绝原假设,说明可能存在个体固定效应或随机效应。进一步进行Hausman检验,结果均在1%显著性水平上拒绝随机效应原假设。基于此,选择个体固定效应模型进行实证分析。通过冗余变量检验确定进入模型的控制变量,结果发现多数模型的外资利用水平和基础设施水平的F统计量不显著,为了模型一致可比性,统一选择人均GDP和政府干预作为控制变量进入模型中。

表3 基准面板回归模型估计结果

表3回归模型因变量依次为经济韧性(R0)、适应能力(R1)、创新能力(R2)和防御能力(R3)。 由表3可知,数字金融对经济韧性指数、适应能力、创新能力和防御能力影响系数的T值均在1%显著性水平拒绝原假设, 表明数字金融对经济韧性指数、适应能力指数、创新能力指数和防御能力指数均存在显著的正向影响。 数字金融指数上升1%会提高经济韧性指数2.412 1单位, 数字金融指数提高1%会提高适应能力指数2.253 1单位, 数字金融指数提高1%会促进创新能力指数提高3.569 4单位, 数字金融指数提高1%会引起防御能力提高1.413 9单位, 可以显见,数字金融对城市创新能力的提升最为明显。

(2) 中介效应检验。进一步采用逐步回归的方式估计式(5)和(6),结果如表4所示(见封三)。 与基准模型一致, 中介效应回归模型采用个体固定效应模型。 表4偶数行给出了不同中介变量关于式(6)的估计结果, 数字金融对经济韧性的直接影响均在1%水平上显著为正, 说明数字金融的发展能够直接提高城市经济韧性水平。 偶数行还给出了中介变量对经济韧性的影响系数, 仅城市消费水平和投资水平存在显著的正向影响。表4奇数行给出了不同中介变量关于式(5)的估计结果, 数字金融仅对投资水平的影响不显著, 而对其他中介变量影响显著为正。

表4 经济韧性的中介效应模型估计

β2×β4衡量了数字金融的中介效应,由于β2和β4的估计结果并非全部显著(除城市消费水平外),有必要检验乘积项的显著性。采用残差Bootstrap法检验中介效应,结果见表5。由表5可知,中介变量Cp、Ip、Ep和Id乘积项90%置信区间不包含0,表明数字金融以城市消费水平、投资水平、教育投入和产业多样化为中介影响经济韧性的路径是显著的。而对于科技投入,中介效应置信区间包含0,说明中介效应不显著。显然,城市消费水平、投资水平、教育投入和产业多样化是数字金融影响城市经济韧性的重要中介。

表5 经济韧性的中介效应Bootstrap检验

(3) 数字金融分指数对经济韧性的影响。数字金融分指数包括数字金融的覆盖广度(D1)、使用深度(D2)和数字化程度(D3)。表6为D1、D2和D3对经济韧性总影响的估计结果。个体固定效应F检验和Hausman检验结果均在1%显著性水平上拒绝原假设,故选择个体固定效应模型。覆盖广度、使用深度和数字化程度均对经济韧性有显著的正向影响。D1提高1%时会引起经济韧性指数提高1.498 2单位,D2提高1%时引起经济韧性指数提高1.955 2单位,D3提升1%会引起经济韧性指数提升1.527 6单位。

表6 数字金融分指数的基准模型估计

表7为数字金融分指数影响经济韧性的中介效应结果。当消费水平、教育投入和产业多样化作为中介变量时,数字金融覆盖广度的中介效应是显著的,90%置信区间不包含0,说明数字金融覆盖广度可以间接通过城市消费水平、教育投入和产业多样化的路径提升城市经济韧性水平。当城市消费水平、投资水平、科技投入、教育投入与产业多样化作为中介变量时,数字金融使用深度的中介效应均是显著的,90%置信区间均不包含0,说明数字金融使用深度可以间接通过城市消费水平、投资水平、科技投入、教育投入和产业多样化的路径提升城市经济韧性水平。除了科技投入外,当城市消费水平、投资水平、教育投入与产业多样化作为中介变量时,数字金融数字化程度的中介效应是显著的,90%置信区间不包含0,说明数字金融数字化程度可以通过城市消费水平、投资水平、教育投入与产业多样化的路径间接提升城市经济韧性水平。

表7 数字金融分指数影响经济韧性的中介效应Bootstrap检验

(4) 稳健性检验。上述实证结论可能会随经济韧性测度方法调整而改变。改变测度方法,使用单一指标法测算城市经济韧性。本文借鉴赵春燕等[20]的研究,选择城镇登记失业相对比率(记为UR)作为经济韧性测度重新估计中介效应模型中的式(4)和式(6),实证结果如表8所示(见封三)。城镇登记失业相对比率越高,表明经济韧性越弱,因此以城镇登记失业比率为经济韧性的回归结果,相关自变量的回归系数符号应与前述实证结果相反。第一行为式(4)的估计结果,表明数字金融对UR影响显著为负,说明数字金融水平越高,城市经济韧性就越强。第二至六行为式(6)的估计结果,数字金融对经济韧性存在显著的正向的直接影响,中介变量的影响系数与前文实证结果基本一致,仅个别中介变量的符号相反,说明上述实证分析结果是稳健的。考虑模型可能存在的内生性问题,导致回归系数有偏非一致性,本文对原有核心解释变量做滞后一期处理进行回归,因变量为R0,结果如表9所示(见封三),从回归系数显著性及符号来看,与前文中介效应回归结果差异不大。

表8 稳健性检验结果

表9 内生性检验结果

四、 结论与政策建议

本文基于中国30个代表性城市数据测算城市经济韧性指数,研究了数字金融对经济韧性的影响,得出以下结论:第一,地区中心城市的经济韧性表现出马太效应,强者愈强,城市间经济韧性差距不断拉大。第二,数字金融整体发展对城市经济韧性总指数和分指数的提高均有显著影响。第三,数字金融通过直接和间接两大途径提高经济韧性,其中城市消费水平、投资水平、教育投入和产业多样化是数字金融影响的重要中介机制。第四,数字金融覆盖广度、使用深度和数字化程度对城市经济韧性的提高均具有显著作用。第五,城市消费水平、教育投入和产业多样化是数字金融分指数影响城市经济韧性的重要中介机制,科技投入仅是使用深度指数影响经济韧性的重要中介机制,投资水平则只是数字金融使用深度和数字化程度影响的中介机制。基于上述结论,提出如下政策建议:

一是大力发展数字金融,全面提高数字金融覆盖广度、使用深度和数字化程度。通过提升数字金融整体水平促进城市经济韧性的增强。

二是着重推动城市产业多样化发展。当前各城市产业布局,主要是基于国家战略布局、资源禀赋、地理区位、国家政策等因素而形成。产业结构较为单一的城市,在面临外来负面冲击时处于硬接触状态,难以通过产业结构、产业关联形成缓冲,可以通过发展新兴产业,推动数字产业化与产业数字化,实现高质量的产业多样化发展。

三是要稳定城市就业市场,加强对中小企业的支持。消费市场规模与城市消费需求相吻合,稳住居民消费能够保障社会总需求的稳定。消费背后是以居民的稳定收入水平为支撑,收入来源于企业报酬支付。劳动密集的中小企业受外来负面冲击影响最为严重。因此,从根本上稳定城市就业市场要保就业、保中小企业。

四是改善投资环境。数字金融发展能够促进投资增加。地方政府应进一步加强对投资环境的改善和营商环境的优化,增强城市的投资吸引力,这有利于促进数字金融通过投资渠道提升城市经济韧性水平。

五是促进教育发展。教育投入与数字金融发展能够产生协同效应,提高数字金融的影响。与此同时,教育本身也能为城市经济发展供给人才,提供智力支持。