金融创新对于经济高质量发展影响的区域差异性分析

李林汉，宋瑞龙

（1.中央民族大学 经济学院，北京 100081；2.河北金融学院 河北省科技金融重点实施室，河北 保定 071051）

随着我国经济发展总体形势逐步进入常态化，发展阶段从高速增长转向高质量发展。2017年12月的中央经济工作会议上，提出今后的发展思路，经济宏观政策制定的根本要求就是推动经济高质量发展。经济高质量发展事关我国社会主义现代化建设全局，既体现经济发展量的提升，也展现经济发展结构的转变，是实现我国各民族共同富裕的重要步骤。随着近年来我国政府相继出台各项政策法规，为经济高质量发展提供良好条件，经济发展质量逐年提升。但是，由于我国地域广阔，不同地区的发展程度还存在明显差异。金融创新为各项经济活动提供金融支持和资金保障，为科技创新提供支持，科技作为第一生产力，也会促进经济增长。反过来，经济高质量发展也会促进金融创新，从而产生双向协同效应。金融创新为解决区域的发展不均衡问题提供了一条可能的道路。

基于此，本文运用2011—2020年我国31个省、自治区、直辖市（不含港澳台地区）的平衡面板数据，首先采用主成分分析法生成区域经济高质量发展水平指标，然后使用面板回归模型，分析不同区域之间金融创新对于经济高质量发展水平的影响，探讨金融创新如何在不同经济发展区域更为有效地配置资金，为地区之间的经济高质量发展提供对策建议。

一、文献综述与理论假设

（一）文献综述

多数学者认为金融创新的概念是由熊彼特[1]提出的，是指增加新的金融工具和变更现有的金融体制，从而获取现有的金融体制和工具无法取得的潜在利益，是一个为了经济持续发展的过程。关于金融创新影响经济高质量发展的研究始于金融创新影响经济发展的研究，大部分学者的观点认为金融创新能够促进经济发展，Franklin等构建了包括金融创新的一般均衡模型，发现当卖空行为被禁止的时候，金融创新可以促进企业的发展[2]。Nachman等认为在市场均衡情况下，金融创新可以完善市场功能并且分散个人风险[3]。Houston等研究了69个国家的近2 400家银行样本，认为更强的债权与更高的增长有关，金融创新意味着更多的信息共享，也会导致更高的银行盈利能力以及更高的经济增长可能性[4]。Michalopoulos等研究表明，金融创新对企业科技进步可以起到促进作用，从而推动企业发展进而达到社会财富增加的目的[5]。但是也有部分学者认为金融创新会抑制经济发展，Diamond等认为金融创新能够加快资金的流动性，改进经济效率，但是流动性也加大了银行挤兑的可能性，会带来金融危机隐患[6]。Rajan等认为金融创新活动会降低审查债务人资格的认真程度，这种降低会导致违约率上升，为经济增长带来金融风险[7]。李向军等认为金融创新具有双刃剑的效应，如果金融创新只是为了增加货币投机的需求，而没有真实投资的发生，那么金融创新将会导致金融不稳定[8]。蒋瑞波等在总结文献的基础上，认为我国的金融创新水平尚不足以有效地促进经济增长[9]。

部分学者认为金融创新与经济增长之间不是简单的线性关系，存在着非线性、动态的变化关系，周佰成等使用PMG方法，研究了金融创新对于经济发展的长期和短期动态影响关系，得出结论：政策制定者应制定各项长期和短期经济调控政策，更好应对经济发展中的波动，避免大规模的金融危机[10]。胡文涛等从商业银行金融创新的角度出发，研究了金融创新对于盈利能力的作用，结论表明：以风险承受能力为门限变量，金融创新对于盈利存在门限效应，当低于门限值时，金融创新就会对盈利产生抑制[11]。也有学者认为金融创新要基于技术创新才能对经济发展产生促进作用，否则会产生资金空转，金融虚拟化过重的现象[12-13]。

近年来，关于金融创新影响经济高质量发展的研究盛行，经济高质量发展的内涵包括质量第一、效益优先，提高全要素生产率，最主要的就是要以人为本，满足人民日益增长的美好生活需要。林毅夫等从新结构经济学的角度出发，分析现阶段我国金融体系的根本问题在于结构性矛盾，并且概括了我国金融体系三个层次的七个金融结构矛盾，以经济高质量发展与债权融资和股权融资的结构矛盾为主，分析了金融创新对于经济高质量发展的作用缺陷以及着重点，提出深化金融供给侧改革，避免金融脱实向虚，尊重市场规律，因地制宜落实相关政策[14]。赵涛等从城市层面数字经济发展考虑，将数字经济作为金融创新的重要表现形式，认为数字经济可以通过加强创业活跃度赋能经济高质量发展，而且这种效应存在空间溢出的影响效应以及非线性递增的边际效应[15]。张超等认为金融创新可以通过产业结构升级带动经济高质量发展，金融创新支持经济高质量发展的关键是金融结构的改革优化，以及金融机构的逐步完善[16]。宇超逸等运用门槛模型、中介效应模型，实证检验了金融创新对经济高质量发展的影响效应，结果表明金融要与实体经济匹配才能起到促进经济高质量发展的效应[17]。

纵观上述的文献研究，目前学者们大多都是从企业层面、银行层面、国家层面探究金融创新对经济发展的影响，而对于我国各个地区的分样本研究还较少。单纯的从宏观层次进行研究则忽略了我国地区之间差异大、地理条件不一致的问题。所以本文基于运用主成分分析法得到的经济高质量发展指标，将全国31个省份划分为发达地区、中等发达地区和不发达地区，使用面板回归模型探析这三个分类地区金融创新对于经济高质量发展的影响。此外，考虑到经济高质量发展的丰富内涵，本文使用主成分分析法，从多指标多方面的层次进行衡量。

（二）研究理论与假设

首先，金融创新是传统金融的补充，金融创新能够利用好金融行业的中介性质，更加迅速地构建支持经济发展的金融平台，加大资金流动性，对接新项目，更好发挥出金融行业资源配置的效应；其次，金融创新可以借助科技创新优势，消除信息不对称的问题，降低金融投资的风险，提高金融中介功能，创造出效率更高的资金配置方式和识别模型；第三，金融创新可以适当降低金融代理的担保成本，使投资周期较长、风险较大的高技术产业更易获得资金配置，进一步完善市场机制，为企业创造更多资金配置。金融创新能够促进经济高质量发展，经济高质量发展也会对金融创新产生正向的影响效应，二者协同发展。经济高质量发展水平越高的地方，其金融产业以及金融创新的发展也相应越高，这些地区经济发展完备，高新技术发展位于全国前列，人力资源也较充沛，这些因素都能促使金融创新发挥好经济促进效应。经济高质量发展中等发达地区和不发达地区大多位于中西部，国家也相继推出了西部大开发等战略，积极为这些地区的经济发展助力，从引进人才到投入资金再到点对点支援，多管齐下，都对金融创新的落实以及经济高质量发展起到促进作用。因此，本文提出如下假设：

假设1：金融创新对经济高质量发展的发达地区具有显著的正向影响效应。

假设2：金融创新对经济高质量发展的中等发达地区具有显著的正向影响效应。

假设3：金融创新对经济高质量发展的不发达地区具有显著的正向影响效应。

假设4：金融创新对经济高质量发展程度不同的地区的促进效应存在显著差异性。

二、研究设计和数据选取

（一）模型建立

为了检验金融创新对于经济高质量发展的地区异质性，也考虑到上期的经济高质量发展可能会影响到当期的经济高质量发展，本文建立如下的带有滞后一期被解释变量的动态面板模型：

在上式中，gzl为被解释变量经济高质量发展水平，jrcx表示地区金融创新水平，i代表地区，t代表时间，X为本文的控制变量，μi用来控制各个省份不受时间变化的因素，即固定效应，εit为误差扰动项。选用面板回归方法对模型（1）进行估计，该方法可有效避免可能存在的内生性问题以及短面板数据的局限性问题。

（二）数据选取

1.被解释变量

经济高质量发展水平（gzl）：关于经济高质量发展，学者们使用了众多相关指标进行衡量，期盼为后续研究提供更丰富的信息，增加研究的可信性和科学性。经济高质量发展应该是生产要素消耗少、资源配置效率高、资源环境破坏低、经济发展效益好的体现。基于上述考虑，本文借鉴已有文献[18-19]的方法，选用主成分分析法从经济的高效性、稳定性、结构性、低耗性和创新性五个层面进行经济高质量发展的衡量，具体指标与衡量方式如表1所示。

表1 经济高质量发展水平综合评价指标集

收集到上述数据以后，首先对于负向数据进行取倒数处理，正向数据保持不变；为了消除量纲上的影响，对数据进行标准化处理，三级指标做平均加权处理形成二级指标；运用主成分分析法得到最后的经济高质量发展指标。将2020年各省份经济高质量发展数据的二级指标进行主成分分析的过程展示，首先利用SPSS进行降维分析，表2表明第一和第二主成分的贡献率已达到85%以上，因此选用第一和第二主成分作为经济高质量发展水平综合评价指标。

表2 主成分分析结果

表3展示了第一主成分和第二主成分对应的变量系数，可得两个主成分与各个变量之间的关系树如下：

表3 第一主成分和第二主成分的变量系数

其中 f1、f2分别表示第一主成分、第二主成分，x1、x2、x3、x4、x5分别表示标准化以后的经济高质量发展水平的二级指标。由于主成分分析需要将各个变量进行标准化处理，综合指标无量纲，因此仅衡量区域经济高质量发展水平并无实际意义。

结合表2和表3，2020年各省份经济高质量发展水平指标计算公式如下：

代入数据便可得2020年各省份经济高质量发展水平指标，以此类推，将2011—2020年各省份经济高质量发展水平全部测算出来。

2.核心解释变量

金融创新水平（jrcx）是一个多维度的动态的变化过程，参考李丛文，从金融中介服务经济的方面出发，选择银行信贷增长率进行衡量[12]；参考刘超等，从金融业发展、支付方式创新、融资方式创新等方面进行综合考虑，采用混合指标法进行衡量[20]；参考李林汉等，从投入产出的角度采用数据包络分析法进行衡量[21]。相较于以前的文献做法，本文采用北京大学数字普惠金融指数[22]进行金融创新衡量。该指数由北京大学数字金融研究中心和蚂蚁集团研究院共同研究，结合了数字金融发展的新形势和新特征，包含了支付、保险、货币基金以及信用服务等各个表现方面，兼顾纵向和横向可比性，体现了数字金融服务的多层次和多元化，运用大数据技术进行计算，数据更具有科学性和可信性，能较好地反映金融创新的水平。

3.控制变量

为全面考察金融创新对经济高质量发展水平的区域差异性影响，本文从政府、经济、交通、通信等方面选取相关变量作为控制变量。具体计算公式以及符号汇总如表4所示。

表4 控制变量定义

4.数据来源与样本年限

鉴于研究的必要性和数据的可得性，本文选用我国31个省份2011—2020年平衡面板数据作为样本，数据来源于《中国统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》，各省份的年度统计公报、统计局官网以及wind数据库，部分缺失数据采用线性插值进行计算得到，各个变量的描述性统计情况见表5。

表5 变量的描述性统计

三、实证分析

（一）划分区域

常见的区域划分分为以下三种：第一种按照全国区域位置进行东中西部的划分；第二种使用聚类分析进行划分；第三种按照平均值进行排名。第一种方法比较常见，但是本文讨论的是经济高质量发展水平的异质性问题，单纯地按照区域位置划分并不一定准确。第二种方法也较多见，但是会产生研究区域样本过少或者过多的情形，不利于问题的研究。因此，本文按照样本年限的平均值进行划分，首先将各地按照年限进行平均值的计算，然后按照从小到大进行排名，取第1名到第10名为经济高质量发展发达地区，包括北京、上海、广东、天津、海南、浙江、江苏、辽宁、陕西、湖北；取第11名到第20名为经济高质量发展中等发达地区，包括重庆、甘肃、黑龙江、湖南、吉林、山东、四川、福建、西藏、安徽；取第21名到第31名为经济高质量发展不发达地区，包括贵州、山西、云南、新疆、广西、青海、内蒙古、河北、河南、宁夏、江西。

（二）实证分析

首先进行混合回归，结果如表6所示。通过分析回归结果可知，混合回归的结果整体较好，R2均超过了50%，而且金融创新在经济高质量发展的不同地区回归系数均为正，除中等发达地区以外，其他地区的金融创新变量均通过了1%的显著性检验，说明金融创新显著促进了各地的经济高质量发展。

表6 混合回归结果

表7为F检验的结果，鉴别是否可以建立固定效应模型，而原假设为混合效应模型。根据表7可以看出，除经济高质量发展中等发达地区接受原假设以外，其他地区与全国均拒绝原假设。

表7 F检验结果

表8为LM检验结果，鉴别是否可以建立随机效应模型，而原假设为混合效应模型。通过表8可以看出，除经济高质量发展中等发达地区接受原假设以外，其他地区与全国均拒绝原假设。

表8 LM检验结果

表9为Hausman检验的结果，由于经济高质量发展中等发达地区建立的是混合效应模型，所以表9只有发达地区、不发达地区及全国的Hausman检验结果，鉴别是否可以建立面板固定效应模型，而原假设为面板随机效应模型。据表9结果可以看出，经济高质量发展发达地区与经济高质量发展不发达地区接受原假设，而全国拒绝原假设。

表9 Hausman检验结果

根据表7至表9的模型选择结果，表10为全国样本数据按照个体固定效应、时间固定效应和双向固定效应模型的回归结果。表10的结果显示，个体固定效应的拟合度最优，且变量显著的个数也多于其他两个模型，因此本部分的解释针对个体固定效应进行。从结果来看，全国层面的金融创新系数为正，且通过了1%的显著性检验，说明从全国整体来说，金融创新对于经济高质量发展具有较为显著的正向促进效应，且金融创新程度增加1%，经济高质量发展水平增加0.05%。从控制变量来看，政府干预、城镇化水平与通信水平对于经济高质量发展也具有显著的正向促进效应；而对外开放程度却具有显著的负向抑制效应，这可能是由于对外开放的技术转移效应低于资源利用效应；其他控制变量的系数均不显著。

表10 全国样本的时间、个体和双向固定效应回归结果

根据表7至表9的模型选择结果，表11为经济高质量发展不发达地区的随机效应回归结果、经济高质量发展中等发达地区的混合回归结果、经济高质量发展发达地区的随机效应回归结果。从结果可以看出，金融创新在经济高质量发展不发达地区的回归系数为正，且通过了1%的显著性检验；在中等发达地区的回归系数为正，但是没有通过显著性检验；在发达地区的回归系数为正，且通过了10%的显著性检验。这些说明金融创新确实对于经济高质量发展的不同区域具有不同的促进效应，金融创新程度增加1%，经济高质量发展水平在不发达地区、中等发达地区和发达地区分别增加0.06%、0.02%和0.03%，验证了前文的假设。

表11 不同地区面板数据回归结果

（三）稳健性检验

为了对模型的可靠性进行判定，本部分进行模型稳健性检验。采用替换被解释变量和增加解释变量的方法。

1）经济高质量发展作为综合动态的经济学概念，衡量方法众多，除了本文提到的综合指标主成分分析法以外，全要素生产率的测算也是一种方法，因此本文借鉴贾洪文等[23]的方法，运用包括期望产出和非期望产出的绿色全要素生产率来表示本文的被解释变量，绿色全要素生产率的计算方法选用非角度和非径向的超效率SBM（Slack Based Model）模型，SBM模型表达式如下：

上式中，N个决策主体的投入为n种，设为X，期望产出为m种，设为Ym，非期望产出为k种，设为Yk，投入产出指标此处不再赘述。S-代表投入指标的松弛变量；Sm代表期望产出指标的松弛变量；Sk表示非期望产出指标的松弛变量，ρ表示绿色全要素生产效率值，即本文的被解释变量。最后进行实证检验，结果见表12。通过实证可以得出，金融创新依然促进了经济高质量发展，而且此种促进存在地区差异，经济不发达地区的促进程度最大，与前文的假设保持一致，说明本文的实证结果是基本稳健的。

表12 替换被解释变量的稳健性实证检验

2）创业作为激发市场竞争效应的重要手段，可以通过提升产业创新和技术水平来提升产业的劳动生产率，进而促进经济高质量发展。因此，本文将地区创业水平加入到模型中，控制金融创新对经济高质量发展的区域性影响，借鉴王勇等[24]的做法，选用如下公式进行创业水平的测度：

其中 chuangyei为第 i年各地的区域创业水平，表示各地每万人城镇就业人员数所拥有的连续三年累计私营企业数量。PEk表示在第k年区域的私营企业数。此处的加和衡量的是以当年为基准，过去三年的累计私营企业数，Li表示第i年各地的区域城镇就业人员数。实证检验结果见表13。从表13可以看出，增加解释变量以后，金融创新依然促进了经济高质量发展，而且此种促进存在地区差异，经济不发达地区的促进程度最大，与前文的假设保持一致。再次说明本文的实证结果是基本稳健的。

表13 增加解释变量的稳健性实证检验

四、结论与建议

本文运用面板回归模型对我国31个省份的2011—2020年的平衡面板数据进行实证分析，首先用主成分分析法合成了经济高质量发展水平综合评价指标，然后将经济高质量发展进行区域划分，划分为经济高质量发展的发达地区、中等发达地区和不发达地区，运用面板数据回归模型进行实证分析，探究了金融创新对区域经济高质量发展的差异性影响，得出以下结论：第一，在全国范围内，金融创新促进了区域经济高质量发展。第二，在经济高质量发展不同的地区，金融创新均促进了经济高质量发展。第三，金融创新促进经济高质量发展存在地区差异，具体表现在经济高质量发展不发达地区的金融创新促进效应最大，而在经济高质量发展发达地区的金融创新促进效应最小。这可能是因为，在经济高质量发展的发达地区，资金已经有了相当的积累，正处于边际效应递减的区间，金融创新促进效应小，而不发达地区的经济基础还不够强，各项经济指标处于爬坡期，前期积累小，故而金融创新具有的资金配置功能能够发挥更大的作用。

根据研究结果，提出如下建议：第一，从实证分析来看，金融创新对各地的经济高质量发展起到了积极的促进效应，因此，各地要继续加大金融创新的力度，增加研发力度，引进更多人才，调整和优化金融创新发展政策，为发挥金融创新的资源配置效应助力。第二，对于金融创新的区域性差异，经济高质量发展不发达地区应该充分利用政策优势，加强基础设施建设，培养高技术人才，发挥好金融创新的红利效应，缩小与经济高质量发展发达地区的差异，同时也要注意学习发达地区的发展经验，避免走入误区。第三，积极关注金融创新促进效应的同时，也要看到金融创新的负面案例。各地要对金融创新掌握好监管度，在放权发展的同时，也要积极了解市场形势，推出相应的监管政策，尽力缩短政策时效性的滞后度，从而更好地推动区域经济高质量发展。