数字金融与科技创新对产业结构升级的影响研究

张志伟，程云鹤

（安徽理工大学 经济与管理学院，安徽 淮南 232001）

改革开放前期，我国的产业结构主要集中在低附加值、高能耗和劳动密集型产业，这样的产业结构在我国改革开放的前三十年带来了经济的飞速发展，使我国一跃成为世界第二大经济体。党的十八大以来，我国经济步入新阶段，经济发展进入中高速增长的“新常态”，为了适应这种变化，迫切需要对产业结构进行转型升级，为我国经济稳定增长提供新动力。2020年11月《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》明确提出要加快发展现代产业体系[1]，推动经济体系优化升级。“十四五”规划明确，我国要坚持把发展经济着力点放在实体经济上，坚定不移建设制造强国，推进产业基础高级化、产业链现代化。大力发展战略新兴产业，加快发展现代服务业，淘汰落后产能，增强产业活力，推动产业结构升级，提升我国核心竞争力，实现经济的高质量发展[2]。

加快数字化发展，推动数字中国建设。随着互联网、人工智能等科技的快速发展，数字技术在人们日常生活中扮演了愈来愈重要的角色，也为产业升级转型提供了新的道路。当数字科技与传统金融相融合，便产生了数字金融这一新的金融服务[3]。数字金融基于海量的数据和云计算，能够以较低的成本提供精准的金融服务，同时也降低了金融服务门槛，能让社会各阶层享受到低成本高效率的金融服务，改善中小微企业融资与经营难题。

数字金融作为一种新型的金融工具，极大地拓展了传统金融的服务深度和广度，已有研究发现数字金融对区域创新有显著促进作用[4]。以科技创新为代表的自主创新能力是我国产业结构优化升级的重要源泉，也是作用于产业结构变迁的具体路径[5]。在整个金融体系内，投资规模的扩大对技术进步有着显著促进作用，推动企业技术升级换代和产业融合发展，持续优化产业结构升级[6]。需要研究的问题是，数字金融是否以推动科技创新发展为媒介促进我国产业结构升级。在我国当前供给侧结构性改革大背景下，加快产业结构升级转型，有利于促进经济高质量发展。基于此，本文采用北京大学数字普惠金融指数作为衡量数字金融的指标，研究数字金融对产业结构升级的影响[7]，并进一步挖掘其作用机制，文章的边际贡献在于，从空间计量的角度出发，研究数字金融对产业结构升级的空间作用方式，进一步探讨数字金融对产业结构升级的非线性作用，为各省份数字金融发展提供经验。

金融是现代产业的重要组成部分，为各行各业提供资金支持，为各个产业的繁荣发展创造条件。数字金融是金融业发展的必然趋势，能够使金融服务实现覆盖范围最大化和使用程度深度化。牟晓伟等在其研究中指出，数字金融在我国的发展已经由消费端转向了生产端，对产业升级具有显著影响[8]。在韩健等看来，数字经济的发展对产业结构深度融合具有重要的驱动作用[9]。李治国等将产业结构升级具体分为产业转型速度、产业结构高度化和产业结构合理化三个维度，认为数字经济发展能够显著提升产业结构转型升级[10]。杜金岷等通过研究中小微企业的融资状况与经营环境的改善，得出数字普惠金融的发展对产业升级起到了一定优化作用[11]。基于此，本文认为数字金融对产业升级具有正向显著作用，提出假设：

假设1：数字金融能够促进产业结构转型升级。

数字金融的发展不是一个地区所特有的产物，不同省份的数字金融均有所发展，经济发达省份的数字金融发展比较迅速，他们在自身发展的同时会对周边省份起到带动作用[12]，具有空间上的溢出效应。同样地，本地区产业结构的调整会影响到周边地区产业结构升级转型，地区间产业结构相互依赖，具有空间关联性[13]。黎翠梅等通过空间计量模型研究数字金融对农村消费的影响，发现数字金融对农村消费具有空间溢出效应[14]。于斌斌研究中国285个地级市的统计数据，检验了金融集聚对产业结构升级的空间溢出效应，并且这种溢出效应受到城市规模的限制[15]。基于上述文献，提出数字金融对产业结构升级的空间效应假设：

假设2：数字金融对产业结构升级具有空间效应的影响。

数字金融能显著提升融资效率，降低企业的融资约束，而更高水平的金融发展能否促进产业进一步升级？王智新等通过研究发现数字金融对出口复杂度具有非线性特征，且这种特征呈现出边际递增的趋势[16]。孙叶飞等认为随着城镇化率的提高，产业结构变化会使经济增长存在门槛效应[17]。张嘉怡构建了信息化基础设施为门槛变量，检验数字金融对商贸流通业具有单一门槛效应，对于中西部来说，信息基础设施相对薄弱，数字金融对其商贸流通促进效果则更加显著[18]。进一步研究数字金融对产业结构是否具有非线性特征效应，提出以下假设：

假设3：数字金融对产业结构升级具有门槛效应。

科技创新是衡量整个社会科技发展水平的重要指标，科技创新能够推动经济的发展，也能够为产业结构转型升级带来巨大进步。聂秀华等研究发现数字金融能显著提升各省份的科技创新水平[4]。沈琼等通过三阶段DEA得出产业转型升级的效率，发现技术创新对中部六省的产业结构升级具有显著正向影响[19]。金融科技的创新能够为企业拓宽融资渠道，提升金融服务实体经济的能力，并能通过资本积累来影响产业结构升级[20]。孙勇等通过对长江经济带110个城市的面板数据研究发现，数字技术的创新驱动了经济的高质量发展，对产业结构升级具有促进作用[21]。基于此提出以下假设：

假设4：数字金融可以通过提升科技创新水平来间接影响产业结构升级。

（一）变量说明

1.被解释变量

产业结构升级（SJ）：借鉴韩健等[9]研究，采用产业结构层次系数来衡量产业结构升级指数。公式如下：

其中，i依次表示第一、第二和第三产业，q（i）表示各个产业占总产值的比重，该指数反映了从低水平的产业结构到高水平的产业结构逐步升级的演变进程，能够量化产业结构升级水平。

2.核心解释变量

数字金融：段永琴等人的研究[12]采用北京大学数字普惠金融指数，可以较好地反映中国数字金融的发展水平，本文以此也将数字普惠金融指数作为数字金融的研究指标，还选择了该指数中的覆盖广度和使用深度两个维度指数，分析不同维度的数字金融对产业结构升级的异质性影响。

3.控制变量

根据已有的研究，加入一系列可能会对产业结构升级产生影响的控制变量[22-23]：一是政府干预，采用地方政府财政支出与GDP的比值；
二是开放水平，采用进出口贸易总额与GDP的比值来衡量开放水平；
三是城镇化水平，以城镇人口占常住人口的比重来衡量；
四是固定资产投资水平，采用各省份固定资产投资总额与GDP的比值；
五是经济发展水平，采用各省份人均GDP来衡量，并采取对数化处理。

4.中介变量

科技创新水平：采用科技成果转化率来表示各省份的科技创新水平，科技成果转化率可以更好地反映科技产出能力，科技成果转化率=新产品销售收入/营业收入。

5.门槛变量

数字普惠金融指数：以数字金融作为产业结构升级的门槛变量，可以观察不同的金融发展水平对产业结构升级的影响。

（二）数据来源与描述性统计

本文选取2011—2020年我国30个省、自治区、直辖市（不含西藏和港澳台地区）的面板数据，数字金融的指数来源于北京大学数字普惠金融指数（2011—2020年），其他数据来源于《中国统计年鉴》及各省份的统计年鉴和统计公报。变量的描述性统计结果如表1所示。

表1 描述性统计结果

（三）模型构建

本文的基准模型为

式（2）中，SJit表示省份i在t年的产业结构升级指数，Indexit表示各个省份在各年度的数字金融发展指数，Controlit为各控制变量，μi为个体固定效应，γt为时间固定效应，εit为随机误差项。

1.空间效应

为考察数字金融对产业结构升级的空间效应，首先要构建空间权重矩阵，产业结构的升级可能受到各省份地理距离的影响，同时考虑到各省份经济发展水平的差异，分别构建了地理距离权重矩阵和地理经济嵌套矩阵[24]。

1）地理距离权重矩阵

2）地理经济嵌套矩阵

表示各省份在研究区间的人均GDP，表示研究区间全国的人均GDP。

3）空间计量模型设定

空间计量的一般形式：

上式中，i表示省份，t表示时间年份，yit表示被解释变量，xit表示核心解释变量和控制变量，W为空间权重矩阵，μi为个体固定效应，γt为时间效应，εit为随机误差项；
ρ和λ是空间自相关回归系数。

2.中介效应模型

为验证数字金融与产业结构之间可能存在的作用机制，结合科技进步的现实情况，参考温忠麟等[25-26]的中介模型检验机制，将科技创新作为中介变量，设定中介效应模型：

式中，Mediatorit表示中介变量，其余的字母含义与（1）式相同。

3.门槛模型

数字金融对产业结构升级的影响除了中介效应外，可能还有非线性效应，对此考虑门槛效应[28]，设定如下的门槛模型：

式中，Thrit表示门槛变量，ζ表示待估计的门槛值，本文选取的数字普惠金融指数作为研究的门槛变量，公式（7）为单门槛模型，公式（8）为双门槛模型。

（一）基准回归结果分析

数字金融对产业结构升级的基准回归结果见表2，检验回归方程的方差膨胀因子系数（VIF）发现，所有变量的VIF值都小于10，且平均值为4.87，故认为不存在多重共线性问题，可以进行回归检验。

表2 基准回归结果

基于基准回归计量模型，使用混合OLS回归，并选择固定效应和随机效应两个估计方法作为参考，各个回归均纳入了控制变量。本文旨在讨论数字金融对产业结构升级的影响，没有详细展示控制变量的回归结果。在固定效应和随机效应的回归结果中，数字金融对产业结构升级都呈现显著促进作用，覆盖广度和使用深度两个维度对产业结构升级的影响也是显著为正的。在混合OLS回归中，加入了时间固定效应和个体固定效应，回归结果在1%水平下是显著为正的，验证了假设1，说明数字金融能够促进产业结构转型升级。

（二）空间溢出效应分析

1.空间相关性分析

1）全局莫兰指数

通过全局莫兰指数在地理距离权重矩阵和地理经济嵌套矩阵下，分别检验数字普惠金融指数和产业结构升级的空间自相关性，二者的全局莫兰指数检验结果见表3。结果显示，数字普惠金融的莫兰指数在1%的显著性水平下通过了检验并且系数为正，说明各省份之间的数字金融具有很强的空间相关性，而产业结构升级的莫兰指数均在5%的显著性水平下通过检验，产业结构升级同样具有空间相关性，二者具有显著的空间集聚分布。

表3 全局莫兰指数

2）局部莫兰指数

接下来，计算数字金融和产业结构升级的局部莫兰指数并画出其散点图，观察数字金融与产业结构升级的局部地区是否呈现高值或低值的聚集现象。限于文章篇幅限制，只展示2011年和2020年的散点图（如图1、图2所示），从这些散点图可以清楚地看到，不管是2011年还是2020年，数字金融指数与产业结构升级指数均呈现“高-高”聚集和“低-低”聚集的趋势。“高-高”聚集主要集中在我国经济发达的东部沿海省份，“低-低”聚集则集中在我国经济欠发达的中西部省份，表明数字金融和产业结构升级在我国具有很明显的地域分布性。

图1 2011年产业结构升级和数字金融莫兰散点图

图2 2020年产业结构升级和数字金融莫兰散点图

2.空间计量结果

对于空间面板模型的选择，检验结果如表4所示，经过LM检验，LM-Error检验和LM-Lag检验均通过了1%的显著性水平，可以使用空间杜宾模型（SDM），通过Hausman检验拒绝原假设，选择固定效应的模型，最终确定个体、时间双固定的空间杜宾模型。

表4 拉格朗日乘数检验

利用空间杜宾模型，数字金融指数以及覆盖广度和使用深度对产业结构空间回归结果如表5所示。地理距离权重矩阵和嵌套权重矩阵回归结果的正负性及显著性并无太大差异，模型构建较为适宜。在空间杜宾模型中，数字金融对产业结构升级的影响系数为正，并在5%的显著性水平下通过检验，说明本地区的数字金融水平越高，本地区的产业结构升级水平越高，覆盖广度与使用深度对产业结构升级水平也有着显著正向促进作用，这与基准回归的结果一致。在对产业结构升级影响的空间滞后项系数中，数字金融和覆盖广度维度对产业结构升级的空间滞后项系数显著为正，说明数字金融的发展具有空间效应，本地区数字金融的发展对周边省份的产业结构升级也会造成正向影响。而使用深度维度对产业结构升级的空间滞后项系数没有显著性影响，这可能是由于使用深度反映的是使用数字金融服务的情况。

表5 杜宾模型回归结果

为进一步研究数字金融对产业结构升级的空间影响，在两个权重矩阵下对空间杜宾模型中的空间效应进行分解分析，显示数字金融对产业结构升级的直接效应、间接效应和总效应，如表6所示。由表6可见：数字金融指数的直接效应为0.047，间接效应为0.203，总效应为0.249，均在10%的显著性水平通过检验，表明本地区的数字金融发展不仅对本地区的产业结构升级具有正向促进作用，而且具有显著的空间溢出效应。验证了假设2，数字金融对产业结构升级具有空间影响效应。

表6 空间效应分解

（三）非线性特征分析

在探究数字金融对产业结构升级可能存在非线性特征关系时，以数字金融指数作为门槛变量来检验二者的门槛效应，对其进行三重门槛检验，检验结果如表7所示，可以看出，数字金融指数的单门槛检验P值为0.000 0，单门槛效应在1%的显著性水平下通过检验，双门槛检验的P值为0.080 0，在10%的显著性水平下通过检验，三重门槛检验的P值为0.736 7，未能通过检验，故数字金融指数存在双门槛效应，第一门槛值为0.794，第二门槛值为1.933，门槛估计量与似然比统计量的关系如图3所示。

表7 数字金融的门槛效应结果

图3 数字金融的门槛估计值

表8中展示的是在数字金融为门槛变量的情形下，数字金融指标的覆盖广度与使用深度之间对产业结构升级的非线性特征关联，结果显示，数字金融和使用深度之间对产业结构升级具有双门槛效应，而覆盖广度对产业结构升级则具有单门槛效应，当数字金融指数等于0.794时，对产业结构升级的影响明显为正，而当数字金融指数高于1.933时，对产业结构升级的影响也是显著为正的，此时影响系数有所增加；
同样，对于覆盖广度和使用深度，均是跨越了一定的门槛值以后，其对产业结构升级的影响系数有所提升，并且这些影响是显著为正的。这说明，数字金融可以促进产业结构的升级，并且随着数字金融的发展这种促进效应也在不断加强。

表8 分维度门槛效应回归结果

（四）内在机制分析

上述的模型回归结果说明数字金融对产业结构升级的影响效应，这种影响并不是直接影响，而是通过其他变量引起间接影响，为进一步分析数字金融对产业结构升级影响的内在机制，并验证假设4，采用中介效用模型并选用逐步回归法进行检验，回归结果如表9所示，Ⅰ～Ⅸ分别表示以科技创新水平为中介变量，数字金融、覆盖广度和使用深度对产业结构升级的影响估计结果。首先，公式（4）基准回归已经得到验证。其次，验证公式（5），其回归结果分别是第Ⅱ、Ⅴ、Ⅷ列，显示的是解释变量对中介变量的影响。当中，数字金融和使用深度对科技创新水平的影响是显著为正的，覆盖广度对科技创新有正向影响，但不显著。最后，验证公式（6），数字金融对产业结构升级的系数为0.090，并且通过显著性检验，中介变量的回归系数显著为正。因此，存在“数字金融→科技创新→产业结构升级”的传导机制，即数字金融能够通过科技创新水平来影响产业结构转型升级。

表9 中介效应回归结果

本文基于2011—2020年我国30个省份的面板数据，构建基准回归模型、空间计量模型、门槛效应模型和中介效应模型，分析了数字金融对产业结构升级的影响效应，检验了该效应的驱动存在性、空间作用方式和中介渠道等机制模型。本研究发现：1）数字金融对产业结构升级具有显著的正向作用，并且覆盖广度和使用深度对产业结构升级存在正向影响。2）从空间上来看，产业结构升级具有显著的空间相关性，本地区的产业结构升级能推动周边相邻省份的产业结构升级。数字金融可以优化当地的金融环境，为促进产业结构转型升级创造条件。另外，数字金融还能通过示范效应，推动周边地区产业结构升级[28]。3）数字金融对产业结构升级具有非线性的特征影响，以数字金融指数为门槛变量，在不同的门槛区间内有着不同的影响作用，超过一定的门槛值后，数字金融对产业结构升级的影响显著增加。4）数字金融通过科技创新的中介机制来促进产业结构转型升级，说明科技创新在产业结构升级中起着重要作用。

基于以上结论，提出几点政策建议：第一，实证检验结果表明数字金融对产业结构升级具有促进作用。因此，要充分发挥数字金融的数字技术平台优势，结合区块链和人工智能等技术赋能产业结构升级，政府应加大对数字金融的财政支持，完善数字化相关基础设施建设，进一步提升数字金融的服务覆盖广度和使用深度。同时，加强对数字金融的监管，出台相关的法律法规，防止金融机构发生系统性风险。

第二，各地区间应加强合作与联系。我国东部沿海地区经济发达，集中了众多高附加值产业，而中西部地区则分布着一些附加值低且劳动密集型产业，各地区间要保持联系与交流，逐步打破各地之间的行政壁垒，形成一个跨区域的统一的市场体系，利用数字金融的低成本性，充分发挥数字金融对产业结构升级的空间溢出效应。

第三，各地区因地制宜发展数字金融。由于数字金融对产业结构升级的影响具有非线性特征，各地区应根据自身现实情况采取相应的政策，不能盲目发展数字金融。

第四，加大对科技研发创新的投入。数字金融能以科技创新为媒介促进产业结构升级，在提升数字金融发展的同时，积极推动创新发展战略。科技是第一生产力，创新能带动产业发展的变革，提升经济发展水平，进一步加快产业结构转型升级进程。

猜你喜欢门槛产业结构升级小投入，大升级 Polk Audio Monitor XT系列家庭影院技术(2021年9期)2021-11-05幸福，在“家门口”升级金桥(2020年12期)2020-04-13网络作家真的“零门槛”?当代陕西(2019年8期)2019-05-09整车、动力电池产业结构将调整消费导刊(2018年10期)2018-08-20回暖与升级中国眼镜科技杂志(2018年1期)2018-02-08产业结构变迁影响因素的统计考察统计与决策(2017年2期)2017-03-20基于产业结构对接的人力资源培养实践与思考——以湖南省为例湖南行政学院学报(2016年2期)2016-12-01建筑业产业结构研究综述项目管理技术(2016年9期)2016-05-17停留黄河之声(2016年24期)2016-04-22让乡亲们“零门槛”读书中国火炬(2015年3期)2015-07-31