常建新 范立春 高莉

摘? ?要：本文利用2011—2018年我國30個省級行政區(qū)的面板數(shù)據(jù)，通過動態(tài)SDM和中介效應(yīng)模型考察了數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的影響。研究結(jié)果表明：（1）經(jīng)濟高質(zhì)量發(fā)展在空間上表現(xiàn)出了較強的正相關(guān)性特征，在時間上表現(xiàn)出了明顯的路徑依賴特征;（2）數(shù)字普惠金融不僅直接推動了經(jīng)濟高質(zhì)量發(fā)展，還可以通過提高創(chuàng)新能力、擴大技術(shù)溢出和促進產(chǎn)業(yè)升級的中介效應(yīng)推動經(jīng)濟高質(zhì)量發(fā)展;（3）數(shù)字普惠金融的覆蓋廣度對經(jīng)濟高質(zhì)量發(fā)展的促進作用最為顯著，使用深度次之，數(shù)字化程度最小;（4）數(shù)字普惠金融對西部地區(qū)經(jīng)濟高質(zhì)量發(fā)展的促進作用最為顯著，中部地區(qū)次之，東部地區(qū)最小。

關(guān)鍵詞：數(shù)字普惠金融;經(jīng)濟高質(zhì)量發(fā)展;動態(tài)SDM;中介效應(yīng)

中圖分類號：F830? 文獻標(biāo)識碼：A? 文章編號：1674-2265（2021）12-0069-08

DOI：10.19647/j.cnki.37-1462/f.2021.12.009

一、引言

當(dāng)前，我國資源約束日益趨緊，環(huán)境承載能力接近上限，依靠要素低成本的粗放型、低效率增長模式已經(jīng)不可持續(xù)，內(nèi)部發(fā)展面臨著周期性減速和結(jié)構(gòu)性減速的挑戰(zhàn)，外部國際政治經(jīng)濟形勢不確定性凸顯。毫無疑問，實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展已然成為解決諸多矛盾的焦點之一。金融是現(xiàn)代經(jīng)濟的核心，是實體經(jīng)濟的血液，同時也是資源配置和宏觀調(diào)控的重要工具，金融供給側(cè)結(jié)構(gòu)性改革已經(jīng)成為實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵之策（李志揚等，2020）[1]。而進行數(shù)字普惠金融創(chuàng)新是踐行金融供給側(cè)結(jié)構(gòu)性改革的重要內(nèi)容。

數(shù)字普惠金融是近年來逐漸興起的數(shù)字技術(shù)與金融相融合的一種新興形態(tài)，其以各種數(shù)字技術(shù)為實施條件，為社會各個階層尤其是傳統(tǒng)金融覆蓋不足的低收入群體、農(nóng)村及偏遠(yuǎn)地區(qū)人口以及中小微企業(yè)等提供平等、有效、全面、便捷的金融產(chǎn)品和服務(wù)（中國信息通信研究院云計算與大數(shù)據(jù)研究所，2019）[2]。隨著大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈等信息技術(shù)飛速發(fā)展，數(shù)字技術(shù)與普惠金融的融合不斷加深，金融服務(wù)的便捷性、可得性不斷提高，覆蓋面日益擴大。數(shù)字普惠金融正成為緩解社會融資壓力、改善企業(yè)融資環(huán)境、拓寬融資渠道的有效途徑（謝絢麗等，2018）[3]。由于我國電子商務(wù)和電子支付技術(shù)在全世界都處于領(lǐng)先水平，具備發(fā)展數(shù)字普惠金融的巨大優(yōu)勢，因此，應(yīng)積極發(fā)展數(shù)字普惠金融，為實體經(jīng)濟賦能，促進經(jīng)濟高質(zhì)量發(fā)展。由此，研究數(shù)字普惠金融與經(jīng)濟高質(zhì)量發(fā)展之間的關(guān)系具有重要的現(xiàn)實意義。

二、文獻回顧與理論假說

2016年G20杭州峰會通過的《G20數(shù)字普惠金融高級原則》正式提出利用數(shù)字技術(shù)促進普惠金融發(fā)展，把推廣數(shù)字普惠金融上升到了國家戰(zhàn)略層面。此后，我國學(xué)術(shù)界關(guān)于數(shù)字普惠金融的研究一直處于國際領(lǐng)先地位。尤其是北京大學(xué)數(shù)字金融研究中心和螞蟻金服集團合作于2016年和2019年發(fā)布了兩期《北京大學(xué)數(shù)字普惠金融指數(shù)》之后，國內(nèi)眾多學(xué)者借助這套指數(shù)開展了豐富的實證研究。相較于傳統(tǒng)金融，數(shù)字普惠金融以其低門檻、低成本和廣覆蓋等優(yōu)勢，呈現(xiàn)出明顯的親貧性特征，所以，現(xiàn)有關(guān)于數(shù)字普惠金融的研究主要集中在縮小城鄉(xiāng)收入差距和減緩貧困等方面。研究發(fā)現(xiàn)，數(shù)字普惠金融可以通過增加金融可得性、降低金融服務(wù)門檻、減少貧困發(fā)生率、緩解中低收入群體的信貸約束等途徑縮小城鄉(xiāng)收入差距（宋曉玲，2017;倪瑤和成春林，2020;張賀和白欽先，2018;梁雙陸和劉培培，2019;周利等，2020）[4-8];也可以通過提高信貸可得性、增加農(nóng)村地區(qū)收入、滿足農(nóng)村金融需求、促進包容性增長、提升社會保障水平等機制實現(xiàn)其增收減貧效應(yīng)（傅秋子和黃益平，2018;黃倩等，2019;汪亞楠等，2020;周利等，2021）[9-12]。然而，關(guān)注數(shù)字普惠金融影響經(jīng)濟高質(zhì)量發(fā)展的研究相當(dāng)有限。本文認(rèn)為，數(shù)字普惠金融是經(jīng)濟高質(zhì)量發(fā)展的重要驅(qū)動因素。傳統(tǒng)金融的物理網(wǎng)點式服務(wù)成本較高、覆蓋范圍較低，制約了我國經(jīng)濟高質(zhì)量發(fā)展。數(shù)字普惠金融充分利用人工智能、大數(shù)據(jù)、電子商務(wù)技術(shù)等現(xiàn)代化手段，大大降低了金融服務(wù)成本，擴展了金融服務(wù)覆蓋范圍，增強了金融服務(wù)便利性，提高了金融促進經(jīng)濟高質(zhì)量發(fā)展的效率和水平。因此，本文提出以下假說：

假說1：數(shù)字普惠金融推動了經(jīng)濟高質(zhì)量發(fā)展。

現(xiàn)有研究已經(jīng)證明了創(chuàng)新能力（冉征和鄭江淮，2021）[13]、技術(shù)溢出（汪麗娟等，2019）[14]以及產(chǎn)業(yè)升級（賈洪文等，2021）[15]對經(jīng)濟高質(zhì)量發(fā)展的驅(qū)動機制及驅(qū)動效應(yīng)。本文認(rèn)為數(shù)字普惠金融可以通過強化創(chuàng)新能力效應(yīng)、技術(shù)溢出效應(yīng)和產(chǎn)業(yè)升級效應(yīng)進一步驅(qū)動經(jīng)濟高質(zhì)量發(fā)展。（1）創(chuàng)新能力效應(yīng)。一方面，數(shù)字普惠金融能夠拓寬融資渠道，降低融資成本，擴大融資規(guī)模，進而增加研發(fā)資本投入，從而有利于提高創(chuàng)新能力。另一方面，數(shù)字普惠金融體現(xiàn)出的較高的數(shù)字化程度能夠加快產(chǎn)品和要素市場數(shù)據(jù)和信息傳輸速度，加速創(chuàng)新資源在項目、企業(yè)和行業(yè)之間流動，增強創(chuàng)新資源市場交易能力，從而有利于提高創(chuàng)新能力。（2）技術(shù)溢出效應(yīng)。第一，數(shù)字普惠金融有助于捕捉海量數(shù)據(jù)信息，降低數(shù)據(jù)信息收集成本，特別是降低了先進技術(shù)需求方運用先進技術(shù)改進落后生產(chǎn)經(jīng)營方式的數(shù)據(jù)信息收集成本，促進了先進技術(shù)的應(yīng)用和推廣，從而有利于擴大技術(shù)溢出。第二，數(shù)據(jù)信息的快速、精準(zhǔn)捕獲能夠縮短二次創(chuàng)新的研發(fā)時間，降低學(xué)習(xí)和吸收先進技術(shù)的成本，有利于提高技術(shù)改造、模仿和創(chuàng)新成功率，提升獲得高水平科技成果的概率，從而有利于進一步擴大技術(shù)溢出。（3）產(chǎn)業(yè)升級效應(yīng)。一是數(shù)字普惠金融能夠加快信息與技術(shù)的融合速度，促使新技術(shù)更快、更好地轉(zhuǎn)移轉(zhuǎn)化，從而提高整個產(chǎn)業(yè)的生產(chǎn)率，進而促進產(chǎn)業(yè)升級。二是數(shù)字普惠金融能夠優(yōu)化資本配置結(jié)構(gòu)，提升傳統(tǒng)金融服務(wù)實體經(jīng)濟的能力，提高金融服務(wù)實體經(jīng)濟的效率和質(zhì)量，這不僅助推了金融產(chǎn)業(yè)自身要素稟賦結(jié)構(gòu)轉(zhuǎn)型升級，也能帶動相關(guān)產(chǎn)業(yè)結(jié)構(gòu)之間與結(jié)構(gòu)內(nèi)部的升級。因此，本文提出以下假說：

假說2：數(shù)字普惠金融通過提高創(chuàng)新能力、擴大技術(shù)溢出和促進產(chǎn)業(yè)升級的中介機制推動了經(jīng)濟高質(zhì)量發(fā)展。

三、研究設(shè)計

（一）計量模型設(shè)定

1. 基準(zhǔn)回歸模型設(shè)定?？臻g杜賓模型（Spatial Durbin Model，以下簡稱SDM）作為空間計量模型中的一般化模型①，可以較好地反映被解釋變量、解釋變量及隨機干擾項的空間相關(guān)性（Elhorst，2014）[16]，是研究各類空間溢出效應(yīng)的標(biāo)準(zhǔn)框架。因此，本文參考Lesage和Pace（2009）[17]的做法，采用SDM來設(shè)定基準(zhǔn)回歸模型。模型設(shè)定如下：

[GTFPit=σ1GTFPit-1+ρjωijGTFPjt+σ2DIFIit+π1jωijDIFIjt+σ3Conit+π2jωijConjt+μ1i+υ1t+ε1it]? （1）

其中，下標(biāo)[i]和[t]分別表示省份和年份;被解釋變量[GTFP]表示經(jīng)濟高質(zhì)量發(fā)展水平，核心解釋變量[DIFI]為數(shù)字普惠金融發(fā)展水平，[Con]為一組控制變量;[ρ]為空間自回歸系數(shù);[ω]為空間權(quán)重矩陣。為了更好地擬合省份間的經(jīng)濟發(fā)展?fàn)顩r，本文參考林光平等（2005）[18]的做法，使用人均[GDP]平均值之差的絕對值的倒數(shù)構(gòu)建經(jīng)濟距離空間權(quán)主矩陣。此外，本文還選取了常見的鄰接權(quán)重矩陣和地理距離矩陣用來對經(jīng)濟距離權(quán)重矩陣的估計結(jié)果進行穩(wěn)健性檢驗。[μ1]和[υ1]分別為省份固定效應(yīng)和年份固定效應(yīng)，用來控制不可觀測因素，提升模型估計精度;[ε～iid0，δ2]為隨機干擾項且與[μ1]不相關(guān)。

2. 中介回歸模型設(shè)定。本文參考Baron和Kenny（1986）[19]提出的中介效應(yīng)三步檢驗方法，以基準(zhǔn)回歸模型（1）為第一步的回歸模型，并繼續(xù)基于動態(tài)SDM將第二步和第三步的遞歸模型設(shè)定如下：

[Medit=θ1Medit-1+ρjωijMedjt+θ2DIFIit+?1jωijDIFIjt+θ3Conit+?2jωijConjt+μ2i+υ2t+ε2it] （2）

[GTFPit=τ1GTFPit-1+ρjωijGTFPjt+τ2DIFIit+φ1jωijDIFIjt+τ3Medit+φ2jωijMedjt+τ4Conit+φ3jωijConjt+μ3i+υ3t+ε3it] （3）

其中，[Med]為表示創(chuàng)新能力、技術(shù)溢出和產(chǎn)業(yè)升級的中介變量。本文將按照以下步驟檢驗中介效應(yīng)是否顯著存在：第一步，回歸模型（1），系數(shù)[σ2]反映了數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的總效應(yīng)，如果[σ2]顯著則進行下一步。第二步，回歸模型（2），通過系數(shù)[θ2]識別數(shù)字普惠金融對中介變量的影響，如果[θ2]顯著則進行下一步。第三步，回歸模型（3），系數(shù)[τ2]和[τ3]分別反映了數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的直接效應(yīng)和中介效應(yīng)，如果系數(shù)[τ3]顯著，說明中介效應(yīng)存在，其中，如果[τ2]不顯著，說明存在完全中介效應(yīng);如果[τ2]顯著，說明存在部分中介效應(yīng)，中介效應(yīng)所占比重為[[（θ2τ3）/（τ2+θ2τ3）]]。

（二）研究變量

1. 被解釋變量——經(jīng)濟高質(zhì)量發(fā)展水平（GTFP）?？紤]到當(dāng)前供給側(cè)結(jié)構(gòu)性改革的目的是提高要素供給質(zhì)量，推進結(jié)構(gòu)調(diào)整，矯正要素錯配，提高全要素生產(chǎn)率（Total factor productivity，以下簡稱TFP）。由此可見，提高供給質(zhì)量乃至整個經(jīng)濟發(fā)展質(zhì)量，最終都要落實到提高TFP上。此外，由于近年來環(huán)境污染問題日趨嚴(yán)重，我國政府高度重視產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟發(fā)展方式的轉(zhuǎn)型升級，力圖實現(xiàn)“降污”與“增長”雙贏、“既要金山銀山，也要綠水青山”的綠色經(jīng)濟高質(zhì)量發(fā)展（祁毓等，2016）[20]。因此，本文采用能夠同時考慮實際經(jīng)濟增長過程中期望產(chǎn)出（“好”的產(chǎn)出，如 GDP等） 和非期望產(chǎn)出（“壞”的產(chǎn)出，如環(huán)境污染等）的綠色全要素生產(chǎn)率（Green TFP，以下簡稱GTFP）來衡量經(jīng)濟高質(zhì)量發(fā)展水平。

參考Chung等（1997）[21]提出的、能夠同時考慮以上兩種產(chǎn)出類型的Malmquist-Luenburger指數(shù)模型，并基于規(guī)模報酬不變假設(shè)，測算考察期內(nèi)各省份的GTFP。GTFP的測算過程需要各省份的投入及期望產(chǎn)出和非期望產(chǎn)出變量數(shù)據(jù)。就投入變量來說，本文參考汪莉等（2019）[22]的研究，選擇勞動力投入、資本投入和能源投入。其中，勞動力投入采用2011—2018年各省份年末城鎮(zhèn)單位就業(yè)人數(shù)表征;資本投入采用固定資產(chǎn)投資，并利用永續(xù)盤存法將其核算為存量形式;能源投入為各省份的能源消費總量。對于期望產(chǎn)出采用2011—2018年各省份地區(qū)生產(chǎn)總值，并利用以2011年為基期的GDP平減指數(shù)將其核算為2011年的不變價。對于非期望產(chǎn)出，本文參考王兵和劉光天（2015）[23]的研究，選取二氧化硫（ SO2）排放量以及二氧化碳（CO2）排放量進行衡量。

2. 核心解釋變量——數(shù)字普惠金融發(fā)展水平（DIFI）。本文選取北京大學(xué)數(shù)字金融研究中心發(fā)布的數(shù)字普惠金融指數(shù)（Digital Inclusive Finance index，以下簡稱DIFI）來衡量數(shù)字普惠金融發(fā)展水平。該指數(shù)的編制遵循了綜合性、均衡性、可比性、連續(xù)性和可行性等原則，將數(shù)字技術(shù)與普惠金融相融合，可以較好地反映各省份的數(shù)字普惠金融發(fā)展水平。此外，該指數(shù)又分為覆蓋廣度（DIFC）、使用深度（DIFD）和數(shù)字化程度（DIFS）三個維度，其中，覆蓋廣度反映了數(shù)字普惠金融觸達(dá)客戶的能力，使用深度體現(xiàn)了數(shù)字普惠金融的發(fā)展深度，而數(shù)字化程度則考察了數(shù)字普惠金融的便利性程度（郭峰等，2020）[24]。

3. 中介效應(yīng)變量。（1）創(chuàng)新能力（Inn）。本文從創(chuàng)新投入的角度來度量各省份的創(chuàng)新能力，采用各省份R&D經(jīng)費投入占GDP的比重，即R&D經(jīng)費投入強度來衡量。（2）技術(shù)溢出（Tec）?，F(xiàn)有研究已經(jīng)證明技術(shù)市場成交額能夠較好地體現(xiàn)省份間的技術(shù)溢出（戴魁早和劉友金，2020）[25]，基于同一思路，本文采用各省份技術(shù)市場成交額的對數(shù)來衡量技術(shù)溢出水平。（3）產(chǎn)業(yè)升級（Upg）。本文從產(chǎn)業(yè)結(jié)構(gòu)高級化維度來考察產(chǎn)業(yè)升級，產(chǎn)業(yè)結(jié)構(gòu)高級化是指產(chǎn)業(yè)結(jié)構(gòu)從農(nóng)業(yè)化向工業(yè)化進而向服務(wù)化、信息化演進的過程。本文采用各省份第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值之比來衡量。

4. 控制變量。綜合經(jīng)濟高質(zhì)量發(fā)展影響因素的代表性文獻，本文選取了經(jīng)濟增長水平（PGDP）、投資水平（Inv）、消費水平（Con）、對外開放水平（Open）、城鎮(zhèn)化水平（Urban）以及交通基礎(chǔ)設(shè)施水平（Inf）作為控制變量，以盡可能避免因遺漏變量導(dǎo)致的估計偏誤。其中，經(jīng)濟增長水平采用經(jīng)過平減后的人均GDP的對數(shù)形式衡量;投資水平和消費水平采用支出法國內(nèi)生產(chǎn)總值中的資本形成率和最終消費率衡量;對外開放水平采用進出口總額占GDP比重衡量;城鎮(zhèn)化水平采用城鎮(zhèn)總?cè)丝谡既咳丝诘谋戎睾饬?交通基礎(chǔ)設(shè)施水平采用單位國土面積交通基礎(chǔ)設(shè)施（鐵路里程+公路里程+內(nèi)河航道里程）的密度衡量。

（三）數(shù)據(jù)來源與描述性統(tǒng)計

本文選取了2011—2018年我國省級層面面板數(shù)據(jù)作為研究樣本，研究對象為我國30個省級行政區(qū)（未包括港澳臺地區(qū)及西藏自治區(qū)）（以下簡稱省份）。除了數(shù)字普惠金融發(fā)展水平，其余變量所涉及的數(shù)據(jù)來源于2012—2019年的《中國統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》以及各省份的統(tǒng)計年鑒，變量的描述性統(tǒng)計如表1所示。

四、實證結(jié)果與分析

（一）空間相關(guān)性檢驗結(jié)果分析

采用空間計量模型進行回歸的前提是變量存在空間自相關(guān)性，通常采用Moran's I指數(shù)來判別。本文計算了三種空間權(quán)重矩陣下經(jīng)濟高質(zhì)量發(fā)展水平和數(shù)字普惠金融發(fā)展水平的Moran's I指數(shù)，結(jié)果如表2所示。2011—2018年，三種空間權(quán)重矩陣下經(jīng)濟高質(zhì)量發(fā)展水平的Moran's I指數(shù)均在1%或5%的水平下顯著為正。這一結(jié)果表明，在空間上各省份的經(jīng)濟高質(zhì)量發(fā)展水平并不是隨機分布的，具有較強的正相關(guān)性和相似值的空間聚集性，即經(jīng)濟發(fā)展質(zhì)量較高的省份彼此相鄰，而經(jīng)濟發(fā)展質(zhì)量較低的省份也彼此相鄰，相鄰省份之間經(jīng)濟高質(zhì)量發(fā)展會彼此促進。此外，2011—2018年，三種空間權(quán)重矩陣下數(shù)字普惠金融發(fā)展水平的Moran's I指數(shù)均在1%水平顯著為正，這意味著各省份數(shù)字普惠金融發(fā)展水平存在非常顯著的空間相關(guān)性，在考察數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的影響時，其空間相關(guān)性不可忽視。

（二）基準(zhǔn)回歸模型估計結(jié)果分析

本文先對基準(zhǔn)回歸模型進行了Hausman檢驗，結(jié)果顯示其P值為0，拒絕了隨機效應(yīng)的原假設(shè);在此基礎(chǔ)上，又對其進行了Wald檢驗和LR檢驗。結(jié)果顯示，各檢驗的統(tǒng)計量均在1%水平下顯著，并且由于解釋變量的空間自回歸系數(shù)顯著不為0，表明SDM不能退化為SAR和SEM。因此，本文采用固定效應(yīng)的SDM模型，估計結(jié)果見表3。

對比第一列和第二列可以發(fā)現(xiàn)，靜態(tài)SDM的估計結(jié)果在R2和Log-likelihood值穩(wěn)健性方面均不及動態(tài)SDM估計結(jié)果，且經(jīng)濟高質(zhì)量發(fā)展水平滯后一期的估計系數(shù)非常顯著，由此可見，不考慮時間滯后效應(yīng)的靜態(tài)SDM估計結(jié)果有一定偏誤，因此，本文以第二列基于經(jīng)濟距離矩陣的動態(tài)SDM估計結(jié)果進行基準(zhǔn)分析。

由第二列可知，經(jīng)濟高質(zhì)量發(fā)展水平的空間自回歸系數(shù)ρ在5%的水平下顯著為正，這說明經(jīng)濟高質(zhì)量發(fā)展具有明顯的空間溢出效應(yīng)，空間相關(guān)省份經(jīng)濟發(fā)展質(zhì)量的提升能夠顯著促進本省份經(jīng)濟發(fā)展質(zhì)量的改善。這一結(jié)果也反映出，各省份應(yīng)加強溝通協(xié)作，凝聚發(fā)展合力，攜手推動區(qū)域經(jīng)濟高質(zhì)量發(fā)展。經(jīng)濟高質(zhì)量發(fā)展水平滯后一期的估計系數(shù)為0.468，且在1%的水平下顯著，表明前一期經(jīng)濟高質(zhì)量發(fā)展水平每增加1個單位，將導(dǎo)致下一期經(jīng)濟高質(zhì)量發(fā)展水平繼續(xù)走高0.468個單位，這意味著我國經(jīng)濟高質(zhì)量發(fā)展在時間維度上表現(xiàn)出明顯的慣性特征和路徑依賴現(xiàn)象，各級政府在追求經(jīng)濟“量”的增長的同時，更要重視經(jīng)濟發(fā)展“質(zhì)”的持續(xù)提升。核心解釋變量數(shù)字普惠金融發(fā)展水平的估計系數(shù)為0.013，且在1%的水平下顯著，這一結(jié)果表明數(shù)字普惠金融發(fā)展水平每增加1個單位，將顯著提高經(jīng)濟高質(zhì)量發(fā)展水平0.013個單位，假說1得到證實。

此外，第三列和第四列還報告了鄰接矩陣動態(tài)SDM和地理距離矩陣動態(tài)SDM估計結(jié)果。與第二列經(jīng)濟距離矩陣動態(tài)SDM估計結(jié)果相比，數(shù)字普惠金融發(fā)展水平的估計系數(shù)大小雖然有所變化，但仍然在1%的水平下顯著為正，其余各控制變量的系數(shù)符號及顯著性均沒有明顯改變，說明了第二列經(jīng)濟距離矩陣動態(tài)SDM的估計結(jié)果是穩(wěn)健的。

（三）中介回歸模型估計結(jié)果分析

按照上文給出的中介效應(yīng)檢驗步驟進行估計。另外，考慮到中介效應(yīng)檢驗的三個回歸模型均以動態(tài)SDM形式構(gòu)建，本文利用Moran's I指數(shù)對模型（2）中三個中介變量的空間相關(guān)性進行檢驗②，結(jié)果發(fā)現(xiàn)三個中介變量在空間上均表現(xiàn)出了較強的正相關(guān)性特征，證明了以動態(tài)SDM形式構(gòu)建中介回歸模型的合理性。中介效應(yīng)估計結(jié)果見表4。

如第一、三、五列所示，數(shù)字普惠金融對三個中介變量創(chuàng)新能力、技術(shù)溢出和產(chǎn)業(yè)升級的估計系數(shù)分別在1%和5%的水平下顯著為正，說明數(shù)字普惠金融能夠顯著提高創(chuàng)新能力、擴大技術(shù)溢出并促進產(chǎn)業(yè)升級。第二、四、六列為納入中介變量后模型（3）的估計結(jié)果，可以發(fā)現(xiàn)，創(chuàng)新能力、技術(shù)溢出和產(chǎn)業(yè)升級的估計系數(shù)均在1%的水平下顯著為正，且與基準(zhǔn)回歸模型一致，數(shù)字普惠金融的估計系數(shù)仍然顯著為正，說明創(chuàng)新能力、技術(shù)溢出和產(chǎn)業(yè)升級均只產(chǎn)生了部分中介效應(yīng)，且中介效應(yīng)在總效應(yīng)中的占比分別為7.236%、5.251%和11.229%。這一結(jié)果驗證了數(shù)字普惠金融可以通過提高創(chuàng)新能力、擴大技術(shù)溢出和促進產(chǎn)業(yè)升級的中介效應(yīng)推動經(jīng)濟高質(zhì)量發(fā)展，假說2得到證實。

（四）異質(zhì)性分析

1. 數(shù)字普惠金融各維度對經(jīng)濟高質(zhì)量發(fā)展的影響。數(shù)字普惠金融發(fā)展包括覆蓋廣度、使用深度和數(shù)字化程度三個維度，本文進一步基于經(jīng)濟距離矩陣動態(tài)SDM分析這三個維度對經(jīng)濟高質(zhì)量發(fā)展的影響，表5第一列到第三列分別報告了三個維度的估計結(jié)果。

如第一至三列所示，數(shù)字普惠金融各維度均對經(jīng)濟高質(zhì)量發(fā)展產(chǎn)生了顯著的正向影響。具體來說，覆蓋廣度對經(jīng)濟高質(zhì)量發(fā)展的推動作用最為顯著，使用深度次之，數(shù)字化程度最小。覆蓋廣度的擴展意味著數(shù)字普惠金融可獲得性的增加，這種基于互聯(lián)網(wǎng)的新金融模式打破了傳統(tǒng)金融的限制，使得更多經(jīng)濟主體能夠觸及金融服務(wù)，也可以使原先勞動效率低下的人群受益于數(shù)字普惠金融服務(wù)，從而有利于推動經(jīng)濟高質(zhì)量發(fā)展。隨著使用深度的推進，數(shù)字普惠金融的信貸、保險、征信等服務(wù)功能可得性更高，有助于緩解企業(yè)和居民的信貸約束，提高其抗風(fēng)險能力，既滿足了企業(yè)和居民的金融需求，又為企業(yè)創(chuàng)造更多的就業(yè)崗位、幫助勞動力實現(xiàn)異地就業(yè)并進行人力資本投資等，從而優(yōu)化了要素配置。覆蓋廣度是前提，使用深度代表實際應(yīng)用，而數(shù)字化程度是基本條件。前兩者為“普”，后者則為“惠”。雖然數(shù)字普惠金融在我國各省份均有發(fā)展，但內(nèi)陸落后省份居民的使用頻率遠(yuǎn)低于沿海發(fā)達(dá)省份。例如，掃碼支付在發(fā)達(dá)省份已為常態(tài)，而現(xiàn)金交易在落后省份仍占很大比例。因此，數(shù)字化程度對經(jīng)濟高質(zhì)量發(fā)展的推動作用相對較小。

2. 各區(qū)域數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的影響。數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的影響可能受到地區(qū)經(jīng)濟發(fā)展水平的制約。根據(jù)常用的分類標(biāo)準(zhǔn)，本文將30個省份劃分為東部、中部和西部三大區(qū)域③，表6第一列到第三列分別給出了三大區(qū)域基于經(jīng)濟距離矩陣的動態(tài)SDM估計結(jié)果。

如第一至三列所示，東部、中部和西部地區(qū)數(shù)字普惠金融發(fā)展均顯著推動了經(jīng)濟高質(zhì)量發(fā)展，間接驗證了全國層面的估計結(jié)果是穩(wěn)健的。具體來說，西部地區(qū)數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的推動作用最為顯著，中部地區(qū)次之，東部地區(qū)最小。東部地區(qū)金融服務(wù)業(yè)較為發(fā)達(dá)，傳統(tǒng)金融機構(gòu)已形成完整、規(guī)?；姆?wù)網(wǎng)絡(luò)，數(shù)字普惠金融發(fā)展只是起到補充作用，對經(jīng)濟高質(zhì)量發(fā)展的推動作用相對較小。相比之下，近年來中西部地區(qū)數(shù)字普惠金融快速發(fā)展，并以其低門檻、低成本和廣覆蓋等特點迅速滲透到各個產(chǎn)業(yè)領(lǐng)域和縣域經(jīng)濟中，呈現(xiàn)出顯著的親貧性特征，使得中西部欠發(fā)達(dá)省份和中低收入群體享受到更優(yōu)質(zhì)的金融服務(wù)，有力配合了國家的中部崛起和西部大開發(fā)戰(zhàn)略，持續(xù)推動經(jīng)濟高質(zhì)量發(fā)展。

（五）內(nèi)生性討論

為了避免出現(xiàn)“經(jīng)濟發(fā)展質(zhì)量越高的省份數(shù)字普惠金融發(fā)展水平越高”這一反向因果可能導(dǎo)致的內(nèi)生性問題，本文參考謝絢麗等（2018）[3]的研究，選取中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）提供的各省份互聯(lián)網(wǎng)普及率（Int）作為數(shù)字普惠金融發(fā)展的工具變量，并繼續(xù)采用三種空間權(quán)重矩陣下的動態(tài)SDM對模型內(nèi)生性問題進行校正。理由如下：首先，互聯(lián)網(wǎng)普及率反映了數(shù)字普惠金融發(fā)展的基礎(chǔ)設(shè)施水平，與數(shù)字普惠金融發(fā)展顯著正相關(guān);其次，在控制了各省份不同經(jīng)濟發(fā)展水平后，互聯(lián)網(wǎng)普及率與經(jīng)濟高質(zhì)量發(fā)展之間并不直接相關(guān)，滿足工具變量的外生性要求;再次，LM檢驗和Cragg-Donald Wald 檢驗的結(jié)果表明互聯(lián)網(wǎng)普及率不存在識別不足和弱工具變量問題;最后，由于內(nèi)生變量與工具變量數(shù)量相同，工具變量恰好被識別，所以也不存在過度識別問題。因此，互聯(lián)網(wǎng)普及率是數(shù)字普惠金融的一個有效工具變量，估計結(jié)果見表7。

如表7所示，引入了工具變量互聯(lián)網(wǎng)普及率后，三種空間權(quán)重矩陣下數(shù)字普惠金融發(fā)展仍然對經(jīng)濟高質(zhì)量發(fā)展產(chǎn)生顯著的正向影響，且修正了內(nèi)生性之后，數(shù)字普惠金融的估計系數(shù)及顯著性均有一定程度的提升，這證明了上述實證分析結(jié)果是穩(wěn)健且一致的。

五、研究結(jié)論與政策啟示

本文利用2011—2018年我國30個省級行政區(qū)的面板數(shù)據(jù)，通過動態(tài)SDM和中介效應(yīng)模型考察了數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的影響。研究結(jié)果表明：（1）經(jīng)濟高質(zhì)量發(fā)展在空間上表現(xiàn)出了較強的正相關(guān)性特征，在時間上表現(xiàn)出了明顯的路徑依賴特征;（2）數(shù)字普惠金融不僅直接推動了經(jīng)濟高質(zhì)量發(fā)展，還可以通過提高創(chuàng)新能力、擴大技術(shù)溢出和促進產(chǎn)業(yè)升級的中介效應(yīng)推動經(jīng)濟高質(zhì)量發(fā)展，三種中介效應(yīng)的占比分別為4.443%、3.707%和5.180%;（3）數(shù)字普惠金融的覆蓋廣度對經(jīng)濟高質(zhì)量發(fā)展的推動作用最為顯著，其次是使用深度，數(shù)字化程度的推動作用最小;（4）西部地區(qū)數(shù)字普惠金融對經(jīng)濟高質(zhì)量發(fā)展的推動作用最為顯著，中部地區(qū)次之，對東部地區(qū)經(jīng)濟高質(zhì)量發(fā)展的推動作用最小。

近年來，信息技術(shù)的快速發(fā)展加速了數(shù)字技術(shù)與普惠金融的有機結(jié)合，衍生出了金融發(fā)展的新方向，并積極賦能經(jīng)濟發(fā)展。經(jīng)過40多年的改革開放，我國經(jīng)濟逐漸由量增模式向提效模式轉(zhuǎn)變，高質(zhì)量經(jīng)濟已成為可持續(xù)發(fā)展的必然選擇。堅持金融服務(wù)實體經(jīng)濟的理念，深入推進金融供給側(cè)結(jié)構(gòu)性改革，是實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的前提和基礎(chǔ);而進行數(shù)字普惠金融創(chuàng)新則是踐行金融供給側(cè)結(jié)構(gòu)性改革的重要內(nèi)容。因此，本文的政策啟示在于，應(yīng)繼續(xù)推進數(shù)字普惠金融體系建設(shè)，拓展數(shù)字普惠金融覆蓋廣度、提高使用深度并增強數(shù)字化程度，不斷完善其在支付、信貸、保險等方面的功能，充分發(fā)揮其覆蓋范圍廣、服務(wù)成本低的優(yōu)勢，同時還需加強對數(shù)字普惠金融潛在風(fēng)險的防范，為經(jīng)濟高質(zhì)量發(fā)展提供更加堅實的金融保障。

注：

①SDM可通過系數(shù)設(shè)定退化成具有特異性的空間滯后模型（SAR）或空間誤差模型（SEM），因而其更具有一般性（Kortum和Lerner，1998）[26]。

②篇幅所限，本文不在正文中列出三個中介變量的空間相關(guān)性檢驗結(jié)果。

③東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區(qū)包括吉林、黑龍江、山西、安徽、江西、河南、湖北和湖南;西部地區(qū)包括內(nèi)蒙古、重慶、四川、貴州、 云南、陜西、甘肅、廣西、青海、寧夏和新疆。

參考文獻：

[1] 李志揚，李澤軍，李彩虹.金融支持區(qū)域經(jīng)濟高質(zhì)量發(fā)展監(jiān)測框架研究 [J].金融經(jīng)濟，2020，（3）.

[2]數(shù)字普惠金融發(fā)展白皮書（2019年） [M].中國信息通信研究院云計算與大數(shù)據(jù)研究所，2019.

[3]謝絢麗，沈艷，張皓星，郭峰.數(shù)字金融能促進創(chuàng)業(yè)嗎？——來自中國的證據(jù) [J].經(jīng)濟學(xué)（季刊），2018，（4）.

[4]宋曉玲.數(shù)字普惠金融縮小城鄉(xiāng)收入差距的實證檢驗 [J].財經(jīng)科學(xué)，2017，（6）.

[5]倪瑤，成春林.普惠金融數(shù)字化對城鄉(xiāng)居民福利差異影響的對比研究 [J].金融發(fā)展研究，2020，（3）.

[6]張賀，白欽先.數(shù)字普惠金融減小了城鄉(xiāng)收入差距嗎？——基于中國省級數(shù)據(jù)的面板門檻回歸分析 [J].經(jīng)濟問題探索，2018，（10）.

[7]梁雙陸，劉培培.數(shù)字普惠金融與城鄉(xiāng)收入差距[J].首都經(jīng)濟貿(mào)易大學(xué)學(xué)報，2019，（1）.

[8]周利，馮大威，易行健.數(shù)字普惠金融與城鄉(xiāng)收入差距：“數(shù)字紅利”還是“數(shù)字鴻溝”[J].經(jīng)濟學(xué)家，2020，（5）.

[9]傅秋子，黃益平.數(shù)字金融對農(nóng)村金融需求的異質(zhì)性影響——來自中國家庭金融調(diào)查與北京大學(xué)數(shù)字普惠金融指數(shù)的證據(jù) [J].金融研究，2018，（11）.

[10]黃倩，李政， 熊德平. 數(shù)字普惠金融的減貧效應(yīng)及其傳導(dǎo)機制 [J].改革，2019，（11）.

[11]汪亞楠，譚卓鴻，鄭樂凱.數(shù)字普惠金融對社會保障的影響研究 [J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2020，（7）.

[12]周利，廖婧琳，張浩.數(shù)字普惠金融、信貸可得性與居民貧困減緩——來自中國家庭調(diào)查的微觀證據(jù) [J]. 經(jīng)濟科學(xué)，2021，（1）.

[13]冉征，鄭江淮.創(chuàng)新能力與地區(qū)經(jīng)濟高質(zhì)量發(fā)展——基于技術(shù)差異視角的分析 [J].上海經(jīng)濟研究，2021，（4）.

[14]汪麗娟，吳福象，蔣欣娟.雙向FDI技術(shù)溢出能否助推經(jīng)濟高質(zhì)量發(fā)展 [J].財經(jīng)科學(xué)，2019，（4）.

[15]賈洪文，張伍濤，盤業(yè)哲.科技創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)升級與經(jīng)濟高質(zhì)量發(fā)展 [J].上海經(jīng)濟研究，2021，（5）.

[16]Elhorst J.Paul. 2014. Spatial Econometrics：from Cross Sectional Data to Spatial Panels [M].New York： Springer.

[17]LeSage James，Pace Robert Kelley. 2009. Introduction to Spatial Econometrics [M].New York：CRC Press.

[18]林光平，龍志和，吳梅.我國地區(qū)經(jīng)濟收斂的空間計量實證分析：1978-2002年 [J].經(jīng)濟學(xué)（季刊），2005，（S1）.

[19]Reuben M. Baron，David A. Kenny. 1986. The Moderator-Mediator Variable Distinction in Social Psychological Research：Conceptual，Strategic，Andstatistical Considerations[J].Journal of Personality & Social Psychology，（6）.

[20]祁毓，盧洪友，張寧川.環(huán)境規(guī)制能實現(xiàn)“降污”和“增效”的雙贏嗎？——來自環(huán)保重點城市“達(dá)標(biāo)”和“非達(dá)標(biāo)”準(zhǔn)實驗的證據(jù) [J].財貿(mào)經(jīng)濟，2016，（9）.

[21]Chung Y H，F(xiàn)?re R，Grosskopf S. 1997. Productivity and Undesirable Outputs：A Directional Distance Function Approach [J].Journal of Environmental Management，51.

[22]汪莉，邵雨卉，陳登科.地方尋租與區(qū)域綠色經(jīng)濟增長效率 [J].世界經(jīng)濟文匯，2019，（3）.

[23]王兵，劉光天.節(jié)能減排與中國綠色經(jīng)濟增長——基于全要素生產(chǎn)率的視角 [J].中國工業(yè)經(jīng)濟，2015，（5）.

[24]郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征 [J].經(jīng)濟學(xué)（季刊），2020，（4）.

[25]戴魁早，劉友金.市場化改革能推進產(chǎn)業(yè)技術(shù)進步嗎？——中國高技術(shù)產(chǎn)業(yè)的經(jīng)驗證據(jù) [J].金融研究，2020，（2）.

[26]Kortum S. Samuel，Lerner Josh. 1998. Stronger Protection or Technological Revolution：what is Behind the Recent Surge in Patenting [C].Cambridge：Carnegie-Rochester Conference Series Public Policy，NBER.