虎不發威，作答答案落实

来源：蒙格斯报告

我国政府先后批准设立了江西等七省区的内陆型经济试验区，构建高水平双向开放体系。对比东南沿海发达省份，我国内陆省份在经济高质量增长方面还存在哪些短板或不足？基于此，本文分别设立内陆省份及东南发达省份两组样本对照，将数字金融、区域金融发展、产业聚集度等作为变量，多维度比照分析不同省份的数据，并在文献综述的基础上，阐述数字金融与新质生产力发展之间的关系，并据此提出两个理论假设进行实证验证。

来源：初稿发表于张宇,陈华,程鹏.数字金融发展、区域金融与内陆开放型经济——基于中介效应检验的证据.中国科技投资，2024年6月(18)。修订完成于2025年1月。

一、引言

以数字经济发展为代表，人类社会正在进入以新质生产力为代表的新阶段。2023年9月，习近平总书记在黑龙江省考察时首次提出新质生产力概念。2023年10月召开的中央金融工作会议，首次提出了“加快建设金融强国”目标。科技与金融的协同发展，对于一个地区的经济增长极为关键。本文采用2011-2022年全国省域经济数据为样本，实证检验内陆省份数字金融在促进区域金融和经济增长方面的机制与作用。与现有研究结果不同，本文发现我国的数字金融发展还处于努力突破传统发展模式、探索数字金融应用以及与监管反复博弈的初级阶段，金融市场波动、数字金融模式风险与监管政策调整等各种因素都可能对经济增长产生短期负面影响。同时，发现数字金融能够显著影响各省金融发展程度及产业聚集度。

本文的学术贡献体现在以下方面：第一，在文献综述的基础上阐述数字金融与新质生产力之间的关系；第二，分别设立内陆省份及东南发达省份两组样本对照，将区域金融发展作为主要中介变量，分析两组样本省份的数字金融促进经济高质量增长的作用机制；第三，将产业聚集度指标作为控制变量，进一步分析从数字金融到区域经济高质量增长之间的关系。

二、文献综述与研究假设

（一）文献综述

1.数字金融与科技、经济增长的关系

研究表明：科技和金融经过几个世纪的发展，往往以协同的方式相互影响（Allen and Gale,1994; Goetzmann, 2009）。在19世纪和20世纪为了筹资建设大规模的铁路，金融家开发了专门的投资银行和会计系统，以便远程投资者进行筛选和监控。金融家后来开发了现代风险投资机构来投资科技初创企业。金融和企业技术创新之间存在着密切的联系，这种协同作用对于经济增长至关重要。如今，借助数字技术和互联网通信技术，数字金融实现了金融服务方式的创新和优化，提升金融服务效率，从而有助于提高新创企业的经营效益。(1)技术和金融创新将呈正相关；(2)除非金融家与技术前沿的推进相配合，创新并改进筛选技术，否则找到成功的创业者的概率会下降，从而减缓经济增长（Laeven，2015）。数字金融的快速发展，为新创企业成长带来更多的发展机会和市场空间（陈胜利，2024）。

作为新质生产力的代表性推动要素，科技与金融二者互相促进融合发展的结果是，数字技术推动区域金融发展水平，再推动当地新质生产力水平和经济增长。新质生产力的核心是科技创新，它伴随着大规模和全方位的技术进步。新质生产力的发展也会带来生产关系的变革，促进包括金融资源在内的先进优质生产要素向新质生产力领域流动。历史经验证明，只有抓住技术革命的机会，构建更加健全的具有高度适应性、竞争力、普惠性的现代金融体系，才能更加有效地支持实体经济的发展。

2.数字金融与开放型经济的关系

Yueh，L.(2016)分析了数字金融对于开放型经济的影响，认为数字金融可以促进跨国贸易和外汇交易的便利，同时也能够帮助发展中国家加速发展。Vishwanath，S.R.(2019)研究了数字金融对于银行行业在开放型经济中的影响，认为数字金融将推动银行业务的创新及其在国际贸易和跨境支付领域的重要性。Zhang,Y.(2017)通过实证发现，数字金融可以提高金融市场效率，降低交易成本，提高跨国贸易的效率，帮助发展中国家加速发展。数字金融的发展能够提高新创企业在金融资源方面的获取能力和利用能力，缓解新创企业在融资、投资、支付、资产管理等方面的金融排斥问题，进而促进地区开放型经济发展。数字金融在“数字金融→产业结构升级→区域经济韧性”关系中发挥了显著的正向中介效应（陈胜利等，2024）。

（二）理论假设

1.数字金融与新质生产力关系的理论探讨

数字金融与新质生产力的高科技特征一致，数字金融与新质生产力的有机衔接将推动新质生产力发展。数字金融将有形的和无形的交易、支付、清算和信用数据信息进行数字化、标准化，本身就是摆脱传统银行业务模式、解放金融生产力的业务模式。它通过大数据和人工智能等技术手段，解决了传统金融存在的信息不对称难题，使得许多中小企业和初创企业获得足够的融资支持。在数字金融模式下，产业链上中下游所有企业均可平等地获得金融服务，为系统性解决中小企业“融资难、融资贵”提供了解决方案。数字金融本身就是科技创新的体现，属于一种新产业、新模式、新动能，因而也是发展新质生产力的核心要素。

数字金融与新质生产力的高效能特征一致，数字金融与新质生产力的有机衔接将提升新质生产力水平。世界的主要金融形态包括现金、电子支付系统和金融机构等，这些金融形态相互作用和共同发展构成了现代金融体系，并成为经济运行的核心。信息技术的进步促使现代金融体系先后经历了20世纪60年代以自动取款机为代表的电子化，21世纪初以网上银行为代表的互联网化，和目前以“人工智能+”、大数据风控、区块链协作为代表的数字金融的发展路径。数字金融改变了传统金融的运营模式，成为未来数字社会不可或缺的经济体系基石。数字金融正是以数字技术赋能化的金融体系，促进生产要素的创新性配置，催生产业深度转型升级，从而推动以全要素生产率大幅提升为核心标志的新质生产力水平的提升。

数字金融与新质生产力的高质量特征一致，数字金融与新质生产力的有机衔接将提供新质生产力的前进动能（张宇，2024）。在数字经济时代，新质生产力是以技术创新为主导的生产力；同样，数字金融的发展也是由新技术推动的，如人工智能、大数据、区块链等，这些技术的应用使得金融服务更加智能化、个性化和便捷化。数据作为关键要素已经成为金融行业最重要的生产要素，同时也是数字金融创新的生产资料。金融机构利用大数据分析提供更精准的服务，帮助企业和个人做出更好的财务决策，数字金融的发展不仅仅是为了金融自身的创新，更重要的是要服务于实体经济。这与新质生产力的目标相契合，即通过科技创新推动产业升级和经济结构的优化。

2.两个理论假设

基于以上，本文分别设立内陆省份及东南发达省份两个样本组，构建中介效应模型，来实证检验和对照分析数字金融与内陆及沿海省份区域金融发展和经济增长的关系。

H1：数字金融与区域金融发展正相关，且能够通过后者的中介效应影响经济增长。

数字媒体和信息技术已经使工作和组织能够远距离进行，3D打印、工业机器人和智能化装备可以支持不断变化的生产地点。但是，其中仍然存在着一个悖论：即随着远程工作在技术上变得更加容易，高科技企业员工仍然喜欢通过他们的社会网络，由社会关系如朋友、校友联系在一起的一组人和组织来定位工作地点（NeffG.，2005），催生了一批限于特定地理区域的创新产业集聚区，如硅谷地区聚集了全球许多顶尖的科技公司，这些企业通过人才流动、技术共享和合作创新，不断引领世界科技行业的发展；如深圳凝聚电子信息产业上下游企业，形成完整的产业链、强大的供应链和高效的协同链。这种效应也被称作产业创新的“集聚效应”。因此，数字技术的发展能够加快某些区域的产业集聚，激发当地新质生产力发展，推动新兴产业创新和传统产业转型，实现整体经济增长。

进而，产业创新技术工作人员的集聚区将产生“虹吸”效应和“技术外溢”。“虹吸”效应可以加速产业链上下游的凝聚和形成，并培养整个产业生态系统。产业的区域集聚能够吸引更多的人才和资源，产生集约效应。当一个地区已经形成特色产业聚集地时，头部企业的入驻、成熟的配套环境和尖端科研机构的号召力能够吸引更多的专业人才、市场供应商和服务提供商加入，为当地经济发展创造有利的外部经济性，从而激发有潜能的消费，扩大有效益的投资，提高产业凝聚度和竞争力。因此，科技与金融的发展（二者的结合产生数字金融）将有助于促进地区产业聚集度，本文提出第二个假设：

H2：数字金融对各省的产业集聚产生正面影响。

在实证检验之前值得我们反思的一个问题是：这种激发新质生产力的新兴产业的集聚，为什么更多发生在东南沿海发达省份，而不是在我国的内陆省份？2012年以来，我国政府在国家层面先后批准设立了宁夏、四川、陕西、甘肃、青海、新疆、江西等七省区的内陆型经济试验区，构建高水平双向开放体系。对照东南发达省份，我国内陆省份在哪些方面存在短板或不足？基于此，本文分别设立内陆省份及东南发达省份两组样本对照，将区域金融发展作为主要中介变量，分析两组样本省份的数字金融促进经济增长的作用机制。

三、研究设计与实证分析

（一）样本选择与数据来源

为了对比内陆省份与东南沿海发达省份的数字金融与产业聚集效应，本文设立两个参照组：即宁夏、四川、陕西、甘肃、青海、新疆、江西等七省构成第1组的样本，江苏、浙江和广东三省构成第2组的样本，以2011-2022年经济数据为样本，原始数据源自中国统计年鉴、各省（区）统计局、北大数字普惠金融指数、万德数据库等。

（二）变量定义

1.被解释变量

开放型经济增长（OE）。采用内陆省份与东南部经济发达省份GDP增长率为代表变量。

2.核心解释变量

数字金融指数（DF）。采用北京大学数字普惠金融指数为代理变量，当作核心解释变量。

3.中介变量

区域金融发展水平（Dev）。由内陆省份与东南部经济发达省份金融机构贷款数量除以各省地区生产总值表示。

4.控制变量

根据齐绍洲和原毅军等的研究成果，地区层面的控制变量选择：①人力资本（Labor），由样本省份高等教育在校人数除以人口数量表示；②产业聚集度（Aggl），计算样本省份中各城市常住人口的变异系数。变异系数是标准差与平均值的比值，用于消除样本数据点数量对差异度的影响，变异系数越高表明该省的产业聚集性越好（见表1）。

表1 相关变量定义

（三）模型设定

构建考察数字金融对开放型经济省份经济增长的影响的回归模型，以及基于区域金融发展（Dev）作用下的中介效应模型（温忠麟、叶宝娟，2014），如下：

其中，下标i，t分别代表省份和年份，OEi,t为被解释变量，DF为数字金融代表变量，controli,t为一系列控制变量，εi,t为随机误差项。在实证分析中，本文进行如下处理：第一，所有原始数据通过Stata软件进行中心化（均值为零）处理；第二，通过豪斯曼检验固定效应和随机效应的系数差异，选择适当的模型；第三，检验中介效应是否显著。

（四）实证分析

1.描述性统计

表2为变量描述性统计结果。2011-2022年，第1组地区生产总值的平均增速为10.4%，最高值为23.7%，最低值为0.5%，均值标准差高于第2组，表明内陆省份之间发展的不平衡；第2组地区生产总值的平均增速为9.2%，最高值为18.6%，最低值为2.9%，数字金融水平高于第1组，而第1组的区域金融发展程度（Dev）更高，根据指标含义（表1）表明内陆省份的信贷投放相对GDP的占比更高，内陆地区具有产业投资拉动倾向；从受高等教育人口占比（Labor）看，第2组明显更高，很明显东南沿海省份的教育资源更加丰富；而第1组的区域城市人口的变异系数（Aggl）更高，表示内陆省份城市人口分布相对均值有更大的偏差性。

表2 主要变量的描述性统计结果

2.相关性分析

两组样本反映的规律一致，只是相关系数不同，即数字金融与区域金融发展程度正相关，与城市人口聚集变异正相关，而与经济增长负相关（表3）。

表3 主要变量之间的相关性分析

3.多重共线性检验与豪斯曼检验

VIF（Variance Inflation Factor，方差膨胀因子）是多元线性回归分析中用于检测多重共线性的一种统计量，我们利用VIF检验评估变量的多重共线性问题。经检验，模型的平均VIF值为2.78，通过多重共线性检验。一般情况下，如果VIF值大于5或10，则认为解释变量之间存在多重共线性问题。

表4 模型多重共线性检验结果

豪斯曼检验是用于判断模型采用固定效应模型或是随机效应模型的检验方法。Hausman（1978）提出，应首先在估计模型中分别加入个体固定效应和随机效应，然后规范地检验时变解释变量系数的统计量是否存在显著区别，进而做出对两种方法的选择判断。本文的豪斯曼检验统计量结果如下：

chi2(5)=8.765，Prob>chi2=0.067，表明原假设（Ho：系数的差异不是系统性的）被拒绝，应选择随机效应模型。

4．实证结果与中介效应分析

表5和表6是应用随机效应模型的检验结果，可以对比加入控制变量前后的情形。两组模型的解释程度有一定差异，组2模型自变量对因变量的解释程度相对较高；1、2组因变量中的数字金融等自变量对经济增长的解释力均不足，分别为21.8%和27.8%。但中介变量地区金融发展程度的被解释度很高，以整体R2来看分别为50.7%、62.6%（表5）。

考察第一个假设H1：

数字金融与区域金融发展正相关，且能够通过后者的中介效应影响经济增长。两组在以区域金融发展为因变量，以数字金融为自变量的回归中，回归系数均为正且统计上显著，两组样本省的数字金融发展均对区域金融发展程度产生正面影响，且东南部经济发达省份的数字金融对地方金融发展促进的边际效应（0.922）更大。

对于中介效应，根据温忠麟，叶宝娟（2014）的方法，表5组1中：模型2变量DF的系数为0.673且p<0.01；模型3中介变量的系数-0.175且p<0.05，原假设被拒绝，依次检验系数如果都显著，则证明X对Y的影响至少有一部分是通过中介变量M实现的。组2中：模型5变量DF的系数为0.922且p<0.01；模型6中介变量的系数-0.198且p<0.1，原假设被拒绝，同样表明存在着一定的中介效应。但经进一步检验，两组变量均不具有完全中介效应。可见，两组的检验均说明：数字金融对两组省的经济增长的影响至少有一部分是通过中介变量来实现的。

表5 增加控制变量后对照组的基准回归结果

注：***p<0.01,**p<0.05,*p<0.1；括号内为标准差。

表6 未增加控制变量的对照组的基准回归结果

注：***p<0.01,**p<0.05,*p<0.1；括号内为标准差。

考察第二个假设H2：

数字金融对各省的产业集聚产生正面影响。本文定义的产业聚集度意指产业从事人员的地理聚集与专业信息的交换，较难取得准确的代理变量，替代采取省域内各个城市常住人口的变异系数来代表以上概念。该算法（见表1）用于消除样本数据点数量对差异度的影响，如果人口变异系数越高，则表明该省的产业聚集性越好。模型如下：

同理，经过豪斯曼检验，chi2统计量为26.30，自由度为3，Prob>chi2的概率为0.000，小于显著性水平，本模型采用固定效应模型。经过实证分析，两组样本中数字金融对各省的产业集聚度的解释力都不强，最高的R2为0.482，最低的仅为0.038，说明对后者的解释力微弱。另外，内陆省份数字金融指数的解释变量系数为负，而东南发达省的数字金融指数的系数为正。总之，第二个假设经过检验后基本不成立，但东南发达省份数字金融的发展对产业聚集的影响偏正面。

表7 两组模型基准回归结果

注：***p<0.01,**p<0.05,*p<0.1；括号内为标准差。

四、数字金融与内陆省份发展新质生产力的启示

（一）各省份数字金融与经济增长负相关问题的探讨

如何理解2011年—2022年之间发生的数字金融与省域经济增长的负相关？作者认为：数字金融与经济增长之间并不存在简单的线性影响，而是一种较复杂的非线性作用，因此使用线性回归模型的结果肯定不理想。原因如下：

一是数字金融的快速发展使一些省份出现了产业结构的不可逆转变，即一些行业原有的盈利模式已然失效而新经济模式并未确立，导致一段时间内经济增长放缓或对后者产生负向影响。例如，一些省份的传统产业数字化过程中，传统制造业就业机会减少，而与新质生产力相符合的数字经济和新兴产业还需要时间积累和发展壮大，于是，“破”与“立”在经济增长过程中出现时间周期的不同步性；另外，发展数字金融以及与之相应的金融科技需要大量的研发人员和资金投入，资源在“政府之手”和“市场之手”共同引导下重新配置，也会对原有支撑地方经济发展的传统行业，典型的如房地产业，形成资源“挤出效应”，暂缓经济增长。

二是数字金融是一个新生事物，目前总体上仍处于突破传统金融发展模式、探索数字金融应用，以及在创新发展与合规监管之间反复博弈磨合的初期阶段。数字金融最早可以追溯到20世纪90年代国内互联网刚刚兴起，主要是电子支付的形式存在。2011年，中国的互联网金融开始崛起，包括陆金所、宜人贷等众多互联网金融平台涌现。2014年智能手机在世界上迅速普及，传统金融机构和金融科技企业开始大力发展互联网银行、移动支付、互联网保险及网络借贷等。而在“野蛮生长”之后泥沙俱下，2015年，我国政府加强对P2P（个人对个人）借贷平台的监管，开启数字金融强监管序幕，互联网金融泡沫爆破。2020年，我国实际运营的P2P网贷机构已经归零，标志着P2P网贷行业成为历史。尽管面临严格的监管环境，金融科技的创新发展并未停止，区块链、大数据、人工智能等技术在互联网金融领域的应用不断深化为行业的持续发展提供了新的动力。可见，在2011年—2022年，数字金融发展一波三折，金融市场的波动、数字金融模式风险以及监管和政策的调整等因素，都可能对省级经济增长产生短期的负面影响。

三是我国同样面临世界上普遍存在的“数字鸿沟”现象。数字金融的发展一方面是以普惠金融为目标，但同时也可能带来数字鸿沟问题，即数字技术和金融服务的不平等分布。一些内陆省份由于基础设施缺乏、数字技术普及率低等原因，在数字金融方面的发展相对东南部沿海省份滞后。某些边缘群体或边远地区无法充分融入数字金融体系，导致他们无法享受到数字金融带来的机会，从而加剧社会财富分配的“不均等”化，从而导致数字金融与经济增长之间存在负相关的问题。

（二）内陆省份“新兴产业聚集”效应不明显的探讨

根据上一部分的分析，数字金融对东南发达省份的新兴产业集聚产生了一定的正向效应，而在内陆省份是相反的。数据检验的结果与前文我们反思的现象是一致的，即激发新质生产力的新兴产业的集聚，为什么更多发生在东南沿海发达省份，而不是在我国的内陆省份？

数据分析的结果是表象的，而要解决内陆省份提高新兴产业聚集度、发展新质生产力的短板问题，就要从更深层次影响生产力发展的生产组织形式、人才培养、管理体制等生产关系的层面寻求答案，需要建立与新质生产力发展要求相适应的生产关系，这涵盖了科技体制、生产要素配置体制机制以及生产组织方式的全面变革，以更高效、更具创新性满足新质生产力的需求。

党的二十届三中全会要求“健全因地制宜发展新质生产力体制机制”，其中的“因地制宜”的含义就对内陆省份具有很大的启示，既要瞄准世界科技前沿，也要因地制宜，避免区域布局的产业同质化，在重点领域培育一批各具特色、优势互补、结构合理的战略性新兴产业集群。

（三）内陆省份“因地制宜”发展新质生产力的建议

第一，内陆省份要构建符合新质生产力发展的生产关系，加速监管模式从被动监督、生硬管理向主动服务的蝶变，强化产业政策和金融监管对创新型科技产业的引领、护航和孵化作用。管理部门应建立起科技创新类企业尤其是民营企业，与政府及金融机构的常态化沟通机制，根据经济发展精准调整监管要求，坚持长期主义，发展耐心资本，在风险可控的前提下，通过政策引导投融资支持颠覆性创新和突破性技术，设计包容审慎、富有弹性的创新试错容错性的金融机制。

第二，内陆省份要充分发挥区域产业创新的“集聚效应”。在推动建设现代产业体系的过程中，积极鼓励各地发展各具行业特色的创新集聚区。例如，安徽聚焦新能源汽车领域，强化创新引领，优化产业布局，提升关键核心技术，构建具有国际竞争力的新能源汽车产业集群。江西加快构建体现江西特色和优势的现代化产业体系，形成电子信息、新能源汽车、智能终端及物联网和新能源新材料四大优势产业集群。要建立产业链上下游企业共同体，推动人才链与产业链、创新链的深度融合，促进经济的持续增长和新质生产力的不断提升。

第三，内陆省份要学会利用好产业数字金融。目前，产业数字金融已经进入3.0阶段，其特点是金融机构依托物联网、大数据、区块链、人工智能、云计算等数字技术，可以“一行一策”地定制数据采集与算法模型，通过物联网布点和企业系统无缝直连，基于区块链不可篡改、可追溯的特点将每一笔资产背后交易情况数字化、透明化和可视化。数字金融的发展加速了产业链上下游企业的业务整合与空间聚集，而产业数字化也为数字金融提供了发展的空间。

第四，内陆省份发展新质生产力也不应忽视传统产业。有的内陆省份在产业规划和政策引导上，把钢铁、石化、有色、建材等传统产业贴上夕阳产业、落后产业的标签，导致资源投入越来越少，有的甚至弃之不顾，从而错过了传统产业低碳绿色的转型升级。中西部地区有自己的比较优势，可以根据资源禀赋、产业基础、科研条件等，有选择地推动新产业、新模式、新动能发展，也可以用新技术改造提升传统产业，发展新质生产力。

［1］ 黄奇帆,朱岩,邵平. 数字经济：内涵与路径[M].北京：中信出版社，2022.

［2］ 林毅夫，王贤青. 新质生产力：中国创新发展的着力点与内在逻辑[M]. 中信出版社，2023.

［3］ 郭峰,熊云军.中国数字普惠金融的测度及其影响研究：一个文献综述[J].金融评论,2021,13(06):12-23+117-118.

［4］ 陈胜利，游婷麟，宋继伟.数字金融对中国区域经济韧性的影响机制研究[J/OL].系统科学与数学:1-31[2024-01-20].

［5］ 张宇.更好发挥新兴产业创新的“集聚效应”[N].光明日报,2024-2-22(015).

［6］ 张宇、李静.新质生产力：重塑金融和经济的未来[M].北京：研究出版社，2024.

［7］ Gompers, Paul, Lerner, Josh. （2001）. "The Venture Capital Revolution." Journal of Economic Perspectives 2(1), 145-168.

［8］ Laeven L, Levine R, Michalopoulos S. (2015) Financial innovation and endogenous growth[J]. Journal of Financial Intermediation, 24(1): 1-24.

［9］ Neff G. (2005) The changing place of cultural production: The location of social networks in a digital media industry[J]. The annals of the American academy of political and social science, 597(1): 134-152.

［10］ Vishwanath，S. R. (2019). The impact of fintech on open economy banking. Journal of Banking Regulation, 20(1), 22-31.

［11］ Yueh，L. (2016). The future of digital finance. Journal of Financial Transformations, 43, 71-79.

［12］ Zhang, Y. (2017). The effect of digital finance on open economy. Finance and Trade Research, 16(5), 52-61.

［13］ 温忠麟,张雷,侯杰泰.中介效应检验程序及其应用[J].心理学报,2004(05):614-620.

作者简介

张 宇

张宇，男，河南济源人，中国社科院研究生院投资经济系经济学博士。曾先后在中国建设银行总行、中投证券、国投泰康信托、中国青年出版社等机构工作，现为九江学院江西开放型经济研究中心研究员，经济学院副教授，长期从事数字金融、资本市场和新质生产力研究，出版《新质生产力：重塑金融和经济的未来》《转型期政府投资的多效应分析》等专著。

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。