劉非凡

一、前言

小微企業(yè)作為國民經(jīng)濟的重要組成部分，受自身規(guī)模有限、流動性不佳、制度不規(guī)范等制約，普遍抗風(fēng)險、履約能力較差，在金融供求關(guān)系中處于劣勢地位。政府性融資擔(dān)保機構(gòu)作為銀企橋梁，在為弱信用、弱資質(zhì)主體增信的同時，參與銀擔(dān)風(fēng)險分擔(dān)，是政府參與市場調(diào)節(jié)的重要一環(huán)。數(shù)據(jù)要素作為一種新興的現(xiàn)代生產(chǎn)要素，有著豐富的屬性特征和巨大的未來潛力[1]。本文梳理了數(shù)據(jù)要素對政策性融資擔(dān)保行業(yè)的直接、間接影響路徑，運用熵值法擬合，基于全國東、中、西部12個省份（直轄市）2019—2021年連續(xù)三年面板數(shù)據(jù)，帶入空間計量模型（SDM）。結(jié)果表明，數(shù)據(jù)要素在深刻影響著社會經(jīng)濟發(fā)展、要素分配格局的同時，也對于推動政策性融資擔(dān)保行業(yè)的可持續(xù)發(fā)展起到了積極的作用，在地理位置層面、經(jīng)濟發(fā)展層面均存在顯著的空間溢出效應(yīng)。

二、文獻綜述與理論梳理

（一）政府性金融與政策性融資擔(dān)保

政策性金融概念出自白欽先在1989年出版的《比較銀行學(xué)》?！吨腥A金融詞庫·政策性金融分卷》一書圍繞政策性金融的定義、特質(zhì)和現(xiàn)實意義進一步完善與補充。田天（2015）在其文章中闡述，按照業(yè)務(wù)性質(zhì)分類，政策性擔(dān)保、政策性貸款、政策性投資和政策性保險均應(yīng)被劃入政策性金融范疇。融資擔(dān)保理論起源于信息經(jīng)濟學(xué)。美國經(jīng)濟學(xué)家喬治·阿克爾洛夫（1970）提出融資擔(dān)保的價值在于“借助獨立第三方的擔(dān)保有助于弱化信息不對稱問題的影響”。政府性融資擔(dān)保理論作為融資擔(dān)保的重要分支，因普惠金融的興起而受到學(xué)術(shù)界極大關(guān)注。曹華政（2014）指出，金融性、政策性、補充性、普惠性、有償性是政策性融資擔(dān)保的顯著特征。崔張利（2015）在其文章中借由對融資擔(dān)保的運行規(guī)律、經(jīng)營管理模式的討論，闡述了未來政策性擔(dān)保的發(fā)展方向?？梢?，政府性融資擔(dān)保作為政策性金融工具，在逆周期調(diào)節(jié)、社會福利最大化配置上發(fā)揮著重要作用，也是解決市場弱勢群體融資難問題的關(guān)鍵一環(huán)。

我國經(jīng)濟已轉(zhuǎn)向高質(zhì)量發(fā)展階段，如何在現(xiàn)有基礎(chǔ)上實現(xiàn)供需雙方更高質(zhì)量的動態(tài)平衡已成為我國經(jīng)濟增長的關(guān)注重點。趙全厚等（2020）在其文章中指出，融資擔(dān)保業(yè)可持續(xù)發(fā)展需圍繞著撬動社會資金、逆周期穩(wěn)定和分類監(jiān)管多元化經(jīng)營展開。魏福軍等（2023）提出，合理設(shè)置代償率與融資成本區(qū)間、強調(diào)數(shù)字化轉(zhuǎn)型的核心地位、持續(xù)完善的配套政策是助力政府性融資擔(dān)保可持續(xù)的關(guān)鍵環(huán)節(jié)。

（二）數(shù)據(jù)要素

區(qū)別于信息和知識等概念，數(shù)據(jù)是指任何以電子或者其他方式對信息的記錄，其核心特征是非競爭性[2]。從要素屬性上看，數(shù)據(jù)要素作為新型生產(chǎn)要素，可以通過催生技術(shù)創(chuàng)新進而帶動全要素生產(chǎn)率的提高，最終推動經(jīng)濟的高質(zhì)量發(fā)展（蔡躍洲、馬文君，2021），5G時代的來臨，云計算的普及，數(shù)據(jù)要素通過數(shù)據(jù)產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)據(jù)化的雙向催化，實現(xiàn)數(shù)據(jù)賦能的“新實體經(jīng)濟”。從提高資源配置角度來看，數(shù)據(jù)要素可以在解決傳統(tǒng)要素資源配置過程中的信息不對稱、資源浪費與錯配問題的同時，疏通國內(nèi)國際雙循環(huán)中的“堵點”，充分發(fā)揮其規(guī)模報酬遞增的優(yōu)勢（徐翔等，2021），從而實現(xiàn)整體的高質(zhì)量增長[3]。

（三）數(shù)據(jù)要素推動政府性融資擔(dān)保高質(zhì)量發(fā)展的影響路徑

數(shù)據(jù)要素推動政府性融資擔(dān)保高質(zhì)量發(fā)展的影響路徑見圖1。

直接影響路徑。通過產(chǎn)業(yè)數(shù)據(jù)化，完成對海量數(shù)據(jù)整合與信息破壁，降低決策成本，提高決策準(zhǔn)確性，動態(tài)調(diào)整代償率、放大倍數(shù)、融資定價等關(guān)鍵指標(biāo)的合理區(qū)間，保證自身的抗風(fēng)險能力[4]。實現(xiàn)對小微、“三農(nóng)”等主體的精準(zhǔn)滴灌，構(gòu)建自有客戶的精準(zhǔn)畫像，為批量化、集約化的展業(yè)新模式提供大數(shù)據(jù)支撐。重塑風(fēng)控流程，讓政府性融資擔(dān)保機構(gòu)從傳統(tǒng)意義上銀擔(dān)合作關(guān)系中的“追隨者”變?yōu)椤耙龑?dǎo)者”與“合作方”，推動行業(yè)的可持續(xù)發(fā)展[5]。

間接影響路徑。數(shù)據(jù)要素具有非競爭性、部分可排他性、協(xié)同性、規(guī)模報酬遞增和外部性的特點，高度契合準(zhǔn)公共物品定位的社會屬性。在微觀層面，激發(fā)供需端的“長尾效應(yīng)”，為政府性融資擔(dān)保提供良好的發(fā)展環(huán)境。中觀層面，實現(xiàn)對傳統(tǒng)產(chǎn)業(yè)的融合升級，催化新型產(chǎn)業(yè)的崛起，打破地理隔閡，為政府性融資擔(dān)保的發(fā)展提供了良性增長的基本土壤。宏觀層面，提高全要素生產(chǎn)率的同時，也深刻地改變了政府治理模式，增強了宏觀政策的前瞻性和穩(wěn)定性，為政府性融資擔(dān)保的發(fā)展提供良好的政策環(huán)境[6]。

三、數(shù)據(jù)要素、政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展指數(shù)測度

（一）指標(biāo)體系與測度辦法

基于數(shù)字技術(shù)、數(shù)字產(chǎn)業(yè)及數(shù)字化轉(zhuǎn)型能力三個維度構(gòu)筑起數(shù)據(jù)要素指標(biāo)體系。圍繞財政部《政府性融資擔(dān)保、再擔(dān)保機構(gòu)績效評價指引》，從政策效益、經(jīng)營能力、風(fēng)險控制三個方面構(gòu)建政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展指數(shù)指標(biāo)體系見表1。

對比變異系數(shù)法、數(shù)據(jù)包絡(luò)分析法、主成分分析法、因子分析法等數(shù)據(jù)擬合辦法，本文擬采用熵值法進行權(quán)數(shù)擬合，各指標(biāo)標(biāo)準(zhǔn)化至0—1區(qū)間后。

指標(biāo)屬性為正向的指標(biāo)：

指標(biāo)屬性為負(fù)向的指標(biāo)：

Xij為省市i的第j項指標(biāo)值，MAXxj和MIXxj為指標(biāo)j的最大值和最小值，x'ij為標(biāo)準(zhǔn)化后的值，使用熵值法測算權(quán)重：

樣本共包含m個省份，n項指標(biāo)，i指代省份，j指代指標(biāo)。Pij為指標(biāo)值占比，ej為熵值，gj為差異系數(shù)，Wj為指標(biāo)權(quán)重，Yij為指標(biāo)值。

（二）測度結(jié)果

為保證數(shù)據(jù)口徑一致，本文利用12個省份（直轄市）在2019—2021年的公開數(shù)據(jù)，測算出數(shù)據(jù)要素指數(shù)和政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展指數(shù)的指標(biāo)權(quán)重見表2、表3。

依據(jù)各指標(biāo)權(quán)重，測算出數(shù)據(jù)要素指數(shù)和政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展指數(shù)，如表4、表5和圖2所示。

四、空間計量模型結(jié)果分析

（一）變量選擇與模型原理

被解釋變量：政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展指數(shù)（Capital），用于衡量政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展水平[7]。

核心解釋變量：數(shù)據(jù)要素指數(shù)（Digital），用于衡量數(shù)字化水平。

其他解釋變量（控制變量）：民營企業(yè)在社會注冊企業(yè)占比（Corporation），用于測度當(dāng)?shù)孛駹I企業(yè)活躍程度。一般公共預(yù)算支出在本級國民經(jīng)濟總值中占比（Expenditure）用于測度地方財政支出的擠出效應(yīng)，側(cè)面衡量地方政府逆周期調(diào)節(jié)能力。每10萬人口高等學(xué)校（大學(xué)及以上）平均在校生數(shù)占比（School），用于測度地方人才儲備能力。當(dāng)?shù)刂圃鞓I(yè)固定資產(chǎn)投資增速（Manufacture）用于測度當(dāng)?shù)貙嶓w經(jīng)濟的中堅力量—制造業(yè)的發(fā)展水平與質(zhì)量。房地產(chǎn)開發(fā)固定資產(chǎn)投資（Realestate）用于測度房地產(chǎn)行業(yè)對實體經(jīng)濟的擠壓程度。保費收入國民經(jīng)濟占比（Insurance）用于測度諸如保險等其他金融行業(yè)的繁榮程度[8]。

數(shù)據(jù)來源：中國統(tǒng)計年鑒、北京大學(xué)數(shù)字金融研究中心課題組數(shù)據(jù)報告、12?。ㄖ陛犑校┬疟＜瘓F、再擔(dān)保機構(gòu)主體年度評級報告。

通過“莫蘭指數(shù)I”（Moran's I）來檢測樣本數(shù)據(jù)之間的空間依賴性，計算公式如下：

式中，I為莫蘭指數(shù)，xi和xj為個體i和個體j的指標(biāo)值，x為樣本均值，Wij為空間權(quán)重矩陣W的元素，S2為樣本方差。本文選擇一般的空間杜賓模型作為模型的基本形式，利用多種空間權(quán)重矩陣構(gòu)建空間計量模型。公式如下：

式中，被解釋變量Capitalit表示地區(qū)i在t年的政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展指數(shù)，核心解釋變量Digitalit為數(shù)據(jù)要素指數(shù)，W為空間權(quán)重矩陣，Xit為各項控制變量，a為常數(shù)項，μi和ηt分別表示個體效應(yīng)和時間效應(yīng)，εit為隨機誤差項。

空間權(quán)重矩陣上本文采用了三種設(shè)定方式：

（1）地理鄰接權(quán)重矩陣。該權(quán)重矩陣為空間權(quán)重矩陣的基本形式，若兩地區(qū)i和j的接壤，則，若二者不相鄰則。

（2）地理距離權(quán)重矩陣。對于兩地區(qū)i和j，其空間權(quán)重為兩地之間地理距離dij的倒數(shù)，，，地理距離越近，權(quán)重越大。本文利用各省份省會城市的經(jīng)緯度值計算出各地區(qū)之間的地表直線距離，進而得到地理距離權(quán)重矩陣。

（3）經(jīng)濟距離權(quán)重矩陣。對于兩地區(qū)i和j，其空間權(quán)重為兩地經(jīng)濟發(fā)展水平之差的絕對值的倒數(shù)，本文以各地人均GDP在2019-2021年的均值衡量各地經(jīng)濟發(fā)展水平，，，兩地經(jīng)濟差距越小，權(quán)重越大。

（二）莫蘭檢測

被解釋變量在2019—2021年的“莫蘭指數(shù)I”指數(shù)均在5%的水平顯著為正；核心解釋變量的各年份“莫蘭指數(shù)I”指數(shù)均在10%的水平顯著為正（見表6）。表明兩指數(shù)適用空間計量方法進行模型估計。

（三）空間計量估計

利用樣本對數(shù)字發(fā)展對政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展的影響進行空間計量估計（見表7）。根據(jù)Hausman檢驗結(jié)果，選擇固定效應(yīng)模型形式，固定個體（省份）和時間（年份）兩因素。空間計量估計結(jié)果如表7所示，基于地理鄰接、地理距離和經(jīng)濟距離三種權(quán)重矩陣的估計結(jié)果對應(yīng)表中結(jié)果（1）、（2）和（3）。

在三種空間權(quán)重矩陣下，核心解釋變量數(shù)據(jù)要素（Digital）的系數(shù)均顯著為正，說明數(shù)據(jù)要素對政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展具有正向影響。一般公共預(yù)算支出在國民經(jīng)濟總值占比（Expenditure）和房地產(chǎn)固投增速（Realestate）的系數(shù)顯著為負(fù)，反映了如果地區(qū)經(jīng)濟無法擺脫對政府財政支出、房地產(chǎn)投資的過度依賴，將抵消政策性融資擔(dān)保行業(yè)的正向作用，最終將反噬政策性融資擔(dān)保行業(yè)賴以生存的經(jīng)濟土壤。保費收入國民經(jīng)濟占比（Insurance）、每10萬高等教育人群占比（School）、制造業(yè)固定資產(chǎn)投資增速（Manufacture）顯著為正，反映了金融環(huán)境的繁榮程度、教育水平和后續(xù)人才力量的儲備積淀以及實體經(jīng)濟的發(fā)展都有利于政策性融資擔(dān)保行業(yè)的可持續(xù)發(fā)展[9]。

五、結(jié)語

（一）警惕脫實向虛，為政策性融資擔(dān)保行業(yè)的發(fā)展提供良性土壤

隨著我國經(jīng)濟步入新常態(tài)，經(jīng)濟增速放緩，成本上升與創(chuàng)新力不足，導(dǎo)致實體經(jīng)濟利潤率遠(yuǎn)低于虛擬經(jīng)濟利潤，資本流向股市、債市和房地產(chǎn)市場，虛擬經(jīng)濟壓過實體經(jīng)濟、金融自循環(huán)、空轉(zhuǎn)等現(xiàn)象層出不窮。實體經(jīng)濟作為滋養(yǎng)政策性融資擔(dān)保行業(yè)可持續(xù)發(fā)展的土壤，離不開“活水”。因此，政府需時刻警惕脫實向虛，貫徹實業(yè)強國，關(guān)注小微企業(yè)生存環(huán)境，為政策性融資擔(dān)保行業(yè)的發(fā)展提供廣闊的土壤。

（二）把握數(shù)據(jù)要素，為政策性融資擔(dān)保行業(yè)的發(fā)展提供智慧支持

數(shù)據(jù)要素是數(shù)字經(jīng)濟的核心資源，也是繁榮實體經(jīng)濟的動力源。數(shù)據(jù)要素可以在流通中釋放價值，賦能中孕育新的數(shù)據(jù)要素。“數(shù)據(jù)二十條”已在制度層面明確了數(shù)據(jù)要素市場的建設(shè)規(guī)范，強調(diào)了涉及金融領(lǐng)域的關(guān)鍵性條款，因此，政策性融資擔(dān)保行業(yè)要把握數(shù)據(jù)要素的生產(chǎn)價值，積極完成數(shù)據(jù)化轉(zhuǎn)型，深挖沉淀客戶，加強與金融“朋友圈”的數(shù)據(jù)合作，打造信息共享的產(chǎn)業(yè)鏈條，共建智慧金融、智慧擔(dān)保。

（三）提防“稟賦陷阱”，為政策性融資擔(dān)保行業(yè)的發(fā)展提供內(nèi)生動力

所謂的“稟賦陷阱”又指“荷蘭病”，指代資源越充裕的地區(qū)，產(chǎn)業(yè)結(jié)構(gòu)越單一。如果將政府投入視為一種資源稟賦的話，如若過度干預(yù)市場運轉(zhuǎn)，勢必會造成經(jīng)濟對財政的依賴，導(dǎo)致增長“惰性”。政策性融資擔(dān)保行業(yè)的可持續(xù)發(fā)展離不開百花齊放的經(jīng)濟業(yè)態(tài)與齊頭并進的產(chǎn)業(yè)格局，數(shù)字化是未來的新方向，數(shù)據(jù)要素也是決定未來的戰(zhàn)略性資源，無序的財政投入不僅會對消費與投資領(lǐng)域產(chǎn)生擠出效應(yīng)，也會間接抑制新興產(chǎn)業(yè)的誕生。因此，政府要把握數(shù)據(jù)的要素屬性，充分利用其“滲透效應(yīng)”與“替代效應(yīng)”，關(guān)注專精人才的培養(yǎng)，為政策性融資擔(dān)保行業(yè)的發(fā)展提供源源不斷的內(nèi)生動力。

引用

[1]白欽先.中華金融辭庫：政策性金融分卷[M].北京：中國金融出版社，1998.

[2]田天.信用擔(dān)保理論、實踐與創(chuàng)新[M].北京：北京師范大學(xué)出版社，2012.

[3]曹華政.破解我國小型微型企業(yè)融資困境的有效途徑[J].浙江金融，2012（10）：72-75.

[4]崔張利.信用擔(dān)保管理概論[M].北京：經(jīng)濟科學(xué)出版社，2011.

[5]趙全厚，黃蓉.中小企業(yè)政策性融資擔(dān)保國際經(jīng)驗借鑒[J].地方財政研究，2019（06）：106-112.

[6]蔡躍洲，馬文君.數(shù)據(jù)要素對高質(zhì)量發(fā)展影響與數(shù)據(jù)流動制約[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（03）：64-83.

[7]徐翔，厲克奧博，田曉軒.數(shù)據(jù)生產(chǎn)要素研究進展[J].經(jīng)濟學(xué)動態(tài)，2021（04）：142-158.

[8]夏杰長.數(shù)據(jù)要素賦能我國實體經(jīng)濟高質(zhì)量發(fā)展：理論機制和路徑選擇[J].江西社會科學(xué)，2023，43（07）：84-96+207.

[9]田時中，許玉久，范宇翔.數(shù)據(jù)要素新動能對制造業(yè)高質(zhì)量發(fā)展的影響研究[J].統(tǒng)計與信息論壇，2023，38（08）：55-66.

作者單位：江蘇省融資再擔(dān)保有限責(zé)任公司

■ 責(zé)任編輯：韓 柏 藺懷國