林木西 肖宇博 | 数字金融、技术创新与区域经济增长
导 读
作者简介：林木西，辽宁大学经济学院教授，博士生导师，从事国民经济学、区域经济学研究。
内容摘要：根据数字金融通过技术创新影响区域经济增长三个渠道的特点，在柯布-道格拉斯函数中嵌入数字金融引起技术创新的产出弹性，理论上论证了技术创新在数字金融影响区域经济增长中的中介作用；并利用2011-2019年省级面板数据及中介效用模型的因果逐步检验回归系数法和系数乘积Bootstrap抽样检验法，对技术创新水平在数字金融与区域经济增长之间的中介效应进行了实证检验。结果表明：数字金融对区域经济增长有显著正向效应，数字金融通过技术创新促进经济增长。利用工具变量法缓解数字金融与区域经济增长之间可能的内生性，结果仍显著。通过异质性分析发现，在经济基础更优的东部地区，数字金融影响区域经济增长的总效用水平及技术创新的中介效用强度更加突出。
关键词：经济增长；技术创新；数字金融；中介效用；区域经济
正 文
数字金融是数字经济发展的重要支撑。随着数字经济的发展，最新的科技金融手段必然会加速数字金融的发展，数据是数字化 新时代的关键生产要素，而金融业是数据积累最为深厚的行业。因此，我国现阶段推动数字金融发展，既有其重要性，又有客观必然性。数字金融是科技创新与金融创新相互融合的产物。20世纪从80年代由金融机构发起的金融电子信息化开始，到2000年后以移动支付为代表的互联网金融商业模式的建立，再到如今移动互联网结合区块链技术在数字金融领域的进一步应用，经过三十余年的发展，我国数字金融发展迅速，涵盖了银行业、保险业、证券基金及信托等全部金融业务，现已成为我国金融体系的重要组成部分。
数字金融发展可以促进区域经济增长。各区域经济增长情况与其金融发展水平密切相关，区域经济增长差距可以用其金融发展水平来解释。数字科技兴起后，数据处理和数字化能力日益重要，而金融业应用数据积累深厚的优势，首先与数字科技相结合，诞生了数字金融新业态，进一步促进了区域经济增长。根据现有文献，数字金融可以从以下几个方面促进区域经济增长：一是数字金融有利于金融资产优化配置，为中小微企业提供普惠金融，并有利于金融稳定的实现，提升区域内实体经济实力；二是数字金融对新增企业数量有显著的促进作用，对创业行为有显著的激励作用，促进了区域经济的发展；三是数字经济加速普惠金融发展，提升落后地区融资能力，促进中国经济包容性增长；四是数字普惠金融提升了家庭金融资产、不动产的价值，促进了城市家庭尤其是中西部家庭的财富增长。因此，以数字金融为代表的数字经济，增添了中国经济的活力，后来居上，超越了西方发达国家。
数字金融对区域技术创新产生重要影响。一是在数字科技手段的加持下，数字金融具有服务范围更广、更有针对性地提供普惠金融服务的特点，因此可以为更多企业，特别是为中小微企业、民营企业，缓解其技术创新融资约束问题提供帮助，从而促进区域经济创新驱动发展；二是数字金融可以提升区域技术创新水平。在“双循环”背景下，数字金融提升了金融业的普惠能力，缓解了实体经济的资金约束，使实体经济投入更多研发资金成为可能，从而提升了区域技术创新水平；三是数字金融横向扩展了金融服务的覆盖面，纵向挖掘了金融服务的深度，总体上加速了金融数字化进程，因而有效弥补了传统金融的不足，有利于区域内技术创新水平的提升；四是还应看到，数字金融对区域技术创新也具有结构性差异的“马太效应”，使区域间的技术创新产生差距，因此需要知识产权及金融监管部门采取相应措施加以解决。
数字金融、技术创新和区域经济增长三者的关系。一般说来，金融业主要从三个方面支持和促进区域经济的发展：一是为实体经济提供完善的支付体系；二是为实体经济提供资金支持，增加其流动性资金；三是金融业通过银行贷款和其他非银行业金融机构的活动为区域内实体经济的研发提供资金支持，创新工艺技术等。金融对创新、经济增长的作用，主要通过金融市场活动产生影响。金融市场可依托行业专业人才对企业及企业家产品创新行为和经营行为进行判断，为高成功概率的创新活动和经营手段进行融资支持，分散风险等。进一步分析，数字金融的诞生，伴随着科技公司进入金融领域。通过数字科技弥补了传统金融包容性不足的短板，帮助城市实体经济提升技术创新水平，激发城市冒险精神。因此，数字金融、科技创新活动对于区域经济增长作用显著。由于我国正处于新旧经济增长方式的更替阶段，技术创新使我国成为创新驱动发展型经济体的原动力。宏观上，在新基建的背景下，数字金融从供给侧和需求侧提升区域创新水平，从而有利于区域经济的创新驱动发展。从中观来看，数字金融所具有的普惠属性，可以为技术密集型制造业的资金约束松绑，为实体经济立足双循环提供金融支撑，为制造业转型升级与绿色可持续发展助力。在微观层面，数字金融的普惠特点有利于减少“逆向选择”，进而更好地支持企业开展创新活动，合理分配资源和匹配项目，从而在企业层面带动区域经济增长。
由上可知，数字金融主要从弥补传统金融机构服务不足，降低金融活动成本，促进居民消费，激励大众创业，提升区域技术创新水平等五个方面来带动区域经济增长。更深层次的研究发现，已有文献多集中于数字金融的某些方面，或数字金融与区域经济增长之间的关系研究，相对来说，缺少对数字金融、技术创新与区域经济增长三者关系的专题研究。基于此，本文利用含有31个省份的宏观面板数据，分析数字金融可否通过技术创新来影响区域经济增长，重点研究数字金融通过技术创新来促进区域经济增长的直接效应和间接效应。
一
理论模型
（一）数字金融促进技术创新、区域经济增长的作用渠道
综合上述文献，数字金融引发的技术创新在实践中主要从三个渠道促进区域经济增长：1）提供更多的资金支持。数字金融的普惠属性，为区域实体经济及研发机构提供更多科研资金支持，通过提升整体区域内企业的技术创新水平，推动创新驱动发展，助力区域经济增长；2）拓展更宽的融资渠道。数字金融本身的数字科技属性，即金融整体支付体系的技术创新为区域内实体经济拓宽更多融资渠道，缓解资金束缚，从而促进区域内实体经济的发展；3）提升更高的投入效率。数字金融的创新属性，会产生提升劳动效率以及增加就业创业的效应，相当于增加了整体经济的劳动力投入，从而促进区域经济的增长。
（二）理论模型与前提假定
根据以上分析，为了进一步说明数字金融通过技术创新促进区域经济增长的作用，现设定某个区域内带有时变参数的总量生产函数基本模型为：
式(1)中t是时间，Y是经济总产出水平，A是技术创新水平系数；F(·)是两种生产要素数量：劳动力投入量L和资金投入量K的函数。
将上式引入经典柯布—道格拉斯生产函数 F(L(t),K(t))=K(t)αL(t)β，可得区域内带有时变参数的总量生产函数具体模型为：
式(2)增加资本产出弹性α，劳动力产出弹性β。
根据渠道1），在式(2)中提出假定Ⅰ：设定在总体技术创新水平中，由于数字金融发展所引起的技术创新的产出弹性为λ（或：数字金融创新产出弹性），亦即总体技术水平的改变。根据渠道2）和渠道3）提出假定Ⅱ：数字金融发展所引起的K与L的变化，将与数字金融所引起的技术创新的产出弹性为λ相关。这一假定设立的原因可理解为：在渠道2）中，数字金融其本身支付系统的技术创新，可以为实体经济提供更加高效的流动资金贷款服务，亦即资金量的扩大。根据渠道3），数字金融引起的技术创新提升了劳动效率和增加了就业和创业的机会，亦即劳动力投入量和扩大的劳动投入效率的提高。
由此得到的拓展模型为：
式(3)中dk =dα/dλ表示资金投入产出弹性随着数字金融创新产出弹性λ的变化而变化的比率；dL=dβ/dλ表示劳动力投入产出弹性随着数字金融创新产出弹性λ变化而变化的比率。由于数字金融的发展，进一步优化了资源配置，促进了生产效率的提高，因此促使要素产出水平提升，进而可知 dα/dλ> 0,dβ/dλ>0。对(3)式两边取对数，则生产函数方程可表示为：
式(4)等号两边再对t求全微分可得：
式(5)中，设gY=dY/Y(t)代表区域经济增长率，gA=dA/A(t)代表区域技术进步贡献率，gK=dK/K(t)代表区域资本贡献率，gL= dL/L(t)代表区域劳动效率贡献率，增加影响经济的随机因素μ，则由式(5)可得有数字金融发展因素带动下的区域经济增长理论模型为：
基于上述理论模型分析可以发现，数字金融、技术创新和区域经济增长之间存在如下关系：
假设Ⅰ：数字金融的发展可以直接带动区域经济的增长（直接效应）；
假设Ⅱ：数字金融可以通过技术创新促进区域经济增长（间接效应）。
二
样本说明与指标测度
（一）样本选取与数据来源
本文选取了2011年至2019年全国31个省（区、市）的面板数据进行分析。数字金融发展指数来源于北京大学数字金融研究发展中心的《北京大学数字普惠金融指数（2011-2020年）》，人均实际GDP、专利申请数、劳动力人数、外商直接投资额、对外直接投资额、进出口总额、第二三产业增加值、地方财政支出及研发强度等代理变量数据均来自《中国统计年鉴》和wind数据库。其中数字金融发展指数样本时间跨度九年，因此本文观测值为279个。
（二）变量定义
1.被解释变量。
经济增长水平（lnpgdp）。用各省人均实际GDP的对数值来衡量区域内经济增长水平。在后面的稳健性检验中，用实际GDP的对数值作为被解释变量的替代变量。
2. 核心解释变量。
数字金融发展水平（ifi）。采用北京大学中国数字金融研究中心编制的2011-2019年度我国31个省（区、市）的数字金融普惠指数除以100来代表各省份数字金融的发展程度，此总指数（ifi）从数字金融覆盖广度（width）、数字金融使用深度（depth）及数字化程度 （digital） 三个方面刻度了中国及各省级行政区的数字金融发展水平，从而全面展示了数字金融的总体发展和变化趋势。因此，在之后的稳健性检验及异质性分析中，用三个分指数分别作为解释变量的替代变量。
3. 中介变量。
技术创新水平（lninno）。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省份技术创新水平。
4. 控制变量。
考虑数据的可得性和完整性，本文选择如下控制变量：1）劳动力投入（lnlabor）。主要以城镇单位就业人数的对数值来衡量劳动力投入水平。2）外商直接投资（fdi）。用外商投资额乘以当年汇率，再与各省的国内生产总值之比作为代表。3）对外直接投资（ofdi）。选用对外直接投资额乘以当年汇率再和各省的国内生产总值之比作为代表。4）对外贸易度（trade）。选用进出口总额乘以当年汇率，再与各省份的地区生产总值之比代表对外贸易的开放程度。5）产业结构（structure）。重点选择第三产业与第二产业增加值的比例来代表。6）政府购买（gov）。选用各省级政府财政支出和国内生产总值（GDP）的比例来衡量。7）研发密度（govRD）。采用各省份研发投入与对应GDP的比值进行衡量。
（三）主要变量的描述性统计
表2汇总了主要变量的描述性统计结果。由此可以看出，各区域人均实际GDP的标准差较大，说明各省之间的人均实际GDP出现了分层情况。数字普惠金融发展水平指数的三个分指数：数字金融覆盖广度（width）、数字金融使用深度（depth）、金融数字化程度（digital），其中金融数字化的均值最大，代表了其对总指数的发展贡献最大，还有三个分指数标准差也较大，说明各省份间数字普惠金融发展并不均衡。
三
实证设计与结果分析
（一）模型设定
根据理论模型特征，本文选用中介效应模型的检验方法，探究数字金融发展水平（解释变量）对区域经济增长水平（被解释变量）的直接效应，以及数字金融发展水平（解释变量）通过技术创新水平（中介变量）可否产生带动区域经济增长（被解释变量）的中介效应，并且测度中介效应的效果强度。
中介效应模型中解释变量对被解释变量的内部影响机制，采用第三变量来分析。从理论模型(1)-模型(6)的推导分析可得，本文采用的第三变量是作为中介变量的技术创新水平。从本文所探究的实证分析来说，如果数字金融发展水平（ifi）可以通过技术创新水平（lninno）的变化来带动区域经济增长（lnpgdp），则技术创新水平（lninno）就可以作为中介变量。三变量中介效应模型示意图及方程解释图1所示。
如图1，c是解释变量ifi对被解释变量lnpgdp的总效应，a×b代表解释变量通过中介变量lninno所产生的中介效应，c'表示解释变量ifi的直接效应。通过模型(1)、模型(2)、模型(3)的方程可得系数关系为c=c'+a×b，即数字金融发展水平对区域经济增长水平的总效应为直接效应与间接效应之和。由此可以根据c'的显著性判断中介效应的强弱：如果c'不显著，则此时中介效应为完全中介效应，也就是解释变量ifi对被解释变量lnpgdp的总效用全部由中介变量lninno所产生；如果c'显著，则代表此时的中介效应为部分中介效应，亦即解释变量ifi对被解释变量lnpgdp的总效用中有一部分是因中介变量lninno所产生。
目前，中介效应检验主要有两类检验方法：第一类是各回归系数检验方法，又称为因果逐步检验回归系数法；第二类是系数乘积检验方法，其中包括Sobel-Goodman检验（即Sobel检验） 和Bootstrap抽样检验两种主要方式。第一类逐步检验回归方法简单易懂，在当下的论文中较为常见，但其检验力是三种方法中最低的。因此，如果当中介变量所产生的中介效果较弱时，逐步检验回归则较难得到显著结果。但从相反角度考虑，如果逐步检验回归已得到显著结果，则其检验力低就可以不必考虑。Sobel检验力高于各回归系数法。Bootstrap抽样检验的检测统计效力是最高的，故Sobel方法可以被其取代。
依据上面的检验理论，本文首先选用经典的各回归系数检验方法，然后再采用Bootstrap抽样检测进行再次验证，因此设计了三面板模型(7)、模型(8)、模型(9)对中介效应进行检验：
ln(*) 表示各变量取对数值，i=1,2,3,…,31（代表省、市、区），t=2010,2011,…,2020（代表年份），Control代表一系列控制变量，εit为误差扰动项，μi，λi，φi是用来控制各省份的固定效应的不随时间变动的因素，α，β，δ，γ为回归系数。
模型(10)为检验解释变量ifi（数字金融发展水平）和被解释变量lnpgdp（区域经济增长水平）之间的关系，其系数α1为总效应。如其显著，则数字金融发展水平与区域经济增长水平显著相关，为因果逐步回归检验法成立的前提，中介效应检验可因此继续；如其不显著，则停止检验。模型(11)为检验解释变量ifi和中介变量lninno（技术创新水平）的关系，如其系数β1显著，则说明模型(11)回归系数显著，可继续检验模型(12)系数的显著性；如β1>0，则数字金融发展水平对技术创新水平具有正向促进效应；如β1<0，则说明具有负向阻碍效应。模型(12)为检验系数δ2的显著情况，如δ2显著，并模型(11)中β1显著，是进行完全效应检验的前提条件，然后通过判断系数δ1的显著性来确定解释中介变量lninno是否为完全中介效应，即解释变量ifi对被解释变量lnpgdp是否为完全通过中介变量而产生影响效应。
（二）参数估计
本文选用面板数据，需要通过Hausman检验模型(10)、模型(11) 、模型(12)，以确定上述模型设定是采用固定效应模型还是随机效应模型进行参数估计。在目前的研究中，采用固定效应模型较为常见，但为论证的严谨性起见，仍须通过数据检验确定模型的种类。以模型(10)为例，可设定原假设为“H0：μi与其他解释变量均不相关，即：随机效应模型为正确模型”；以此同样设定原假设λi，φi，然后依次对模型模型(10)、模型(11) 、模型(12)进行Hausman检验，依据结果显示：三个模型的P值均显著，可拒绝原假设，因此可判定固定效应模型更适合选用，采用各回归系数检验法回归结果如表3。
在模型(10)中，主要检验图1中的路径c，即检验数字金融发展水平和区域人均实际GDP之间的关系。表3中数字金融发展水平系数为0.225在1%水平下显著且为正，说明数字金融发展水平对区域人均实际GDP的发展具有显著的正向效应，数字金融发展显著促进了区域经济增长。具体来说：固定其他因素不变，数字金融发展水平每增加1%，平均来说，可使区域人均实际GDP增加0.00225%。这启示政府相关部门应持续推进数字金融的发展，以带动区域经济的高质量发展。
在模型(11)中，主要检验图1中的路径a，即检验数字金融发展水平和区域技术创新水平之间的关系，表3中数字金融发展水平系数为0.546在1%水平下显著且为正，说明数字金融发展水平对区域技术创新水平的发展具有显著的正向效应，表明数字金融发展显著促进了区域技术创新水平的提高。具体来说，固定其他因素不变，数字金融发展水平每增加1%，平均使区域技术创新水平提高0.005 46%。这启示政府相关部门应持续推进数字金融的发展，以提高区域内技术创新水平。
在模型(12)中，主要检验图1中的路径b和c'，即检验数字金融发展水平通过技术创新水平来影响区域经济增长之间的关系。表3中技术创新水平系数为0.075在1%水平显著为正，同时，数字金融发展水平系数为0.184在1%水平下显著且为正，说明数字金融发展水平和技术创新水平均对区域经济增长具有显著的正向促进效应。具体来说：1）固定其他因素不变，技术创新水平每增加1%，平均使区域人均实际 GDP提高 7.5%；2） 固定其他因素不变，数字金融发展水平每增加1%，平均使区域技术创新水平提高0.00184%。
模型中的其他控制变量，可从经济增长和技术创新水平两方面具体分析：
一是经济增长水平及其影响因素。综合模型(10)和模型(12)的回归结果发现：外商直接投资、对外直接投资、进出口贸易总额都对经济增长产生显著正向作用，说明外商直接投资仍是经济增长的重要源泉，对外直接投资和进出口贸易进一步促进了我国企业的发展，从而带动了区域经济增长。劳动力投入对区域经济增长的影响，或者不显著或者影响系数很小，说明低技术含量的劳动力投入不再是高质量发展的主要决定因素，需要加强对技术创新的投入力度。而从研发强度的影响系数中可以看出，尤其在模型(12)中，研发投入影响显著且为正向效应，说明研发投入可以促进技术创新和经济增长。政府财政支出对经济增长影响显著为负，这与当前政府购买对经济增长的带动效应正在减小有关，说明需要在扩大政府支出的同时吸引更多的社会资本投入，促进区域经济增长。产业结构对经济增长作用不显著，说明虽然区域产业结构目前呈现“三、二、一”格局，但第二、第三产业的整体水平产业集中度不高，难以形成规模效应，对区域经济增长的促进作用不显著。
二是对技术创新发展水平的影响因素。结合模型(11)，外商直接投资和对外直接投资都对技术创新产生显著正向作用，说明我国“一带一路”倡议等相关“走出去”战略促进了科技创新。而研发强度和政府支出对技术创新水平作用不显著，说明需要进一步加大研发投入力度和政府支出水平。结合外商直接投资及对外直接投资的显著正向作用可以发现，目前我国技术创新水平的提高多与引入国外技术有关，自身研发水平亟待提高。关于劳动力投入作用不显著，说明技术创新水平的提高主要在于劳动力素质的提升，而不单纯是增加劳动力投入的数量。产业结构对技术创新水平作用不显著，说明我国的生产性服务业应进一步提质增效，工业尤其是装备制造业需不断增强自主创新能力和核心竞争力，促进区域经济和国民经济高质量发展。
从以上模型(10)、模型(11) 、模型(12)的检验模型回归结果中可以看出，路径c、a、b和c'的系数均显著，说明中介效应显著，通过采用Bootstrap抽样检测进行再次验证，结果如表4所示。
在Bootstrap抽样检测中，0值不在a×b的置信区间，说明中介效应成立，存在以技术创新水平为中介变量的中介效应，技术创新是数字金融发展促进区域经济增长的中介渠道。从表3及表4中可以看出，间接（中介）效用a(0.546)×b(0.075)=0.041，直接效用c'=0.184，总效用c=0.225，因此，由公式a×b/c可计算，技术创新水平中介效应占数字金融发展带动经济增长总效用的18.1%。
（三）稳健性检验
为保证本文研究结果的可靠性，本文做了两种稳健性检验：一是替换核心解释变量。重新分别选用数字金融发展水平三个分指数：数字金融覆盖广度（width）、数字金融使用深度（depth）及数字化程度（digital） 进行回归检测。二是替换被解释变量。重新选用地区实际GDP的对数值（lngdp）进行回归检测。在两种稳健性检测结果中，参数估计和显著性均未发生明显变化，说明本文此前实证结果是稳健的（表5）。
（四）内生性分析
根据上述分析，引致内生性的主要来源有：一是反向因果。在数字金融发展促进区域经济增长的同时，区域经济增长也会正向影响数字金融发展水平；二是遗漏变量。本文已在数据可得的条件下，努力控制影响经济增长的变量，但仍无法避免残差项中留有影响经济增长的变量。针对以上内生性的两个来源，本文通过选用ifi滞后一期和移动电话普及率（每百人拥有移动手机数）作为分析的工具变量，探究数字金融对区域经济增长的影响。
采用ifi滞后一期作为工具变量是借鉴已有文献处理面板数据内生性的思路，选用ifi滞后一期作为解释变量进行回归。
采用移动电话普及率作为工具变量的主要原因：一是虽然我国数字金融发展是以2003年支付宝（Alipay）在互联网电脑端的诞生为发端，但真正驶入快车道是伴随2007年苹果iphone开启移动互联网时代后，以2013年为中国数字金融快速发展元年。同年6月余额宝上线，8月微信增加支付功能，这两个移动互联网产品的诞生标志着中国互联网支付双渠道开始对基于银行卡移动支付产生巨大的冲击，并迅速扩展到金融业的各个领域。而这一切的必备基础就是移动电话的普及。二是本文选取数据时间为2011年至2019年，这期间我国经济整体稳中向好，同期移动电话行业在激烈竞争中快速发展，消费者可以根据自身需要选择不同价位的移动电话。因此，可以认为移动电话的普及率与区域经济增长不相关，选择移动电话普及率作为工具变量满足了排他性的要求。
表6的内生性分析结果显示，通过内生性分析后，数字金融对区域经济增长的促进作用在1% 的显著水平上依然成立，再次验证了假设Ⅰ。在对工具变量法的有效性验证中，不可识别检验的Kleibergen-Paap rk的LM统计量P值为0.000，显著拒绝“识别不足”的原假设，说明可以使用工具变量法；弱工具变量检验的Cragg-Donald Wald F和Kleibergen-Paap Wald rk F的统计量值均远大于Stock-Yogo weak ID test critical values中10%偏误的临界值（16.38），可以拒绝原假设，认为不存在弱工具变量问题，验证了本文工具变量选择的合理性。
四
进一步分析
为了加深了解数字金融通过技术创新变化影响经济增长的作用机制，本文进一步探究了技术创新中介效应的边界条件，以判断数字金融通过技术创新中介效应影响区域经济增长的异质性。
根据已有文献，经济基础的不同将影响数字金融发展的效果，再结合《测度中国数字普惠金融发展：指数编制与空间特征》可知，数字金融在我国各地区之间的发展情况存在差异性。囿于数据资料的可得性和完整性，在本文分析的范围内主要是东西部地区的差异，且与东西部的经济基础差异直接相关。因此，本文参照研究报告《测度中国数字普惠金融发展：指数编制与空间特征》的思路，按照地理经济学中“胡焕庸线”对各省按照东西部地区进行分组，考察数字金融通过技术创新中介效应影响区域经济增长，回归结果如表7所示。
（一）经济基础的异质性
根据表7的数字金融总指数实证结果可以看出，数字金融促进东部地区经济增长的边际效应更大，同时，三项分指数从数字金融覆盖广度、使用深度及数字化程度三方面反映出东部地区的边际效应更大。从理论上来讲，数字金融虽然可以使部分金融活动摆脱空间上的束缚，以使西部这种地广人稀的地区中更多的经济个体享受到普惠金融的好处，但数字金融的本质还是金融，金融活动必须依靠实体经济活动而产生。相比之下，东部地区的经济条件更优，人口稠密，经济活动更活跃，在这种区域集聚效应的影响下，数字金融促进经济增长的效果较西部地区更加明显。
（二）技术创新的中介效应异质性
根据表7的数字金融总指数实证结果可以看出，根据东西部地区的技术创新中介效应系数a×b数值，相比于西部地区，东部地区技术创新的中介效应相对明显。进一步分析三项分指数的技术创新中介效应，数字金融覆盖广度所反映的技术创新中介效应系数值为：东部地区0.030、西部地区0.028；数字金融使用深度所反映的技术创新中介效应系数值为：东部地区0.082、西部地区0.058；金融数字化程度所反映的技术创新中介效应系数值为：东部地区0.062、西部地区0.066。由此说明由于数字金融发展水平所引起的技术创新水平的提高，对区域经济增长的中介效应存在一定异质性。究其原因，从数字金融覆盖广度来说，东部地区相关经济基础更好，既有利于数字金融的发展，也有利于技术创新的推广，因而东部技术创新驱动的经济增长更快；从数字金融使用深度来说，东部地区人口稠密，接受教育程度更高、接触数字金融机会更多，既有利于形成数字金融的使用惯性，也有利于扩展并深化技术创新应用场景，因而可使东部技术创新驱动的经济增长效果更优；从金融数字化程度方面来说，虽然目前东西部地区数字化方法基本相同，但因西部地区前期的数字化水平较低，因而可使西部地区技术创新驱动的经济增长边际效应增长幅度更大。从以上三个维度来看，东西部地区技术创新中介效应均存在异质性，然则综合三个维度的技术创新的中介效应东部更大。
五
结论与建议
本文选用2011-2019年省级面板数据，探究了数字金融通过技术创新水平对区域经济增长的作用机制。结果显示，数字金融对区域经济增长有显著的正向效应，同时利用工具变量法缓解数字金融与区域经济增长之间可能存在的内生性，结果仍显著。进一步对我国东西部地区的异质性分析表明，在经济基础更优的东部地区，数字金融影响区域经济增长的总效用水平及技术创新所引起的中介效应强度都更加突出。
（一）发挥数字金融对科技创新的作用，促进区域经济增长
一是发挥数字金融的普惠性，为区域尤其是西部地区实体经济及研发提供更多科研资金支持，提高西部地区数字金融覆盖广度和使用深度；二是发挥数字金融的科技属性，增强金融整体支付体系对区域经济增长的支持力度，不仅发挥传统金融的促进作用，而且充分挖掘市场金融或“大金融”的融资潜力，为促进科技创新、区域经济增长作出更大贡献；三是发挥数字金融的创新性，全面提升金融数字化程度，西部地区充分利用后发优势，东部地区进一步提质增效，通过金融创新促进科技创新，从而促进区域经济协调发展。
（二）加强数字金融基础设施建设及人才培养，增强数字金融普惠竞争力
一是加快“新基建”进度。由于东西部地区的数字金融发展总体水平存在差异，因此政府及相关金融机构应继续加快西部地区数字金融相关基础设施建设，提高数字金融的覆盖广度，使更多西部地区居民能够享受更好的数字金融服务；二是挖掘西部地区数字金融的使用深度。加强宣传教育，培养更多用户合理使用数字金融的方式和习惯；三是提高金融数字化程度。继续通过数字科技赋能传统金融业，加快金融业数字信息化革新速度；四是努力培养更多数字金融相关专业人才。启动产学研一体化培养模式，因地制宜，互相借鉴，寻找最佳的培养方式，为数字金融行业发展输送更多的合格人才，进而增强各地区数字金融普惠竞争力。
（三）强化政策支持，推动数字金融协调发展
数字金融是数字中国建设的重要力量，我国是当今世界数字金融的先行者，在一些试点地区和先行省份已取得一定的成绩和经验。在此基础上，为推动数字金融更好地赋能科技创新和区域经济增长，应加快制定促进数字金融协调发展的有关政策：一是抓紧制定区域数字金融发展规划。目前，许多省份已制定了数字经济、数字政府发展规划，但普遍缺少数字金融发展规划，亟待积极探索填补这一空白；二是促进数字金融助力科技创新政策。主要是支持银行和非银行金融机构为区域内实体经济及研发提供更多资金支持，发展新经济新模式新业态；三是促进区域经济增长的政策。通过数字金融助力中小微企业提供普惠金融服务，增强市场主体活力，努力扩大就业和提升劳动效率，以数字金融发展促进区域经济增长。
（林木西，肖宇博.数字金融、技术创新与区域经济增长[J].兰州大学学报（社会科学版），2022，50（2）：47-59.）
责任编辑 | 贾 宜
网络编辑 | 王 菲
审核 | 斯丽娟
原文载于《兰州大学学报（社会科学版）》2022年第2期，注释从略