摘要：提高全要素生產(chǎn)率是實(shí)現(xiàn)高質(zhì)量發(fā)展的動(dòng)力源泉，數(shù)字金融作為經(jīng)濟(jì)發(fā)展的新引擎，是增強(qiáng)金融機(jī)構(gòu)服務(wù)實(shí)體經(jīng)濟(jì)質(zhì)效、助力生產(chǎn)率提升的重要舉措。本文以中國(guó)2011—2020年286個(gè)城市為樣本，考察數(shù)字金融對(duì)城市全要素生產(chǎn)率的影響效果及作用機(jī)制，數(shù)字金融顯著促進(jìn)了城市全要素生產(chǎn)率提升。其中，數(shù)字金融覆蓋廣度的作用效果最為明顯，之后依次為數(shù)字金融使用深度、數(shù)字金融數(shù)字化程度。數(shù)字金融能夠通過(guò)推動(dòng)技術(shù)創(chuàng)新和優(yōu)化要素配置兩種效應(yīng)賦能全要素生產(chǎn)率，創(chuàng)新驅(qū)動(dòng)效應(yīng)的貢獻(xiàn)度大于要素配置效應(yīng)。不同城市化推進(jìn)模式下，數(shù)字金融對(duì)城市全要素生產(chǎn)率的作用存在差異。相比于政府主導(dǎo)型和廣度推進(jìn)型城市，市場(chǎng)主導(dǎo)型和深度推進(jìn)型城市的數(shù)字金融對(duì)全要素生產(chǎn)率的提升效果更為顯著。

關(guān)鍵詞：數(shù)字金融；全要素生產(chǎn)率；創(chuàng)新驅(qū)動(dòng)；要素配置；城市化推進(jìn)模式

中圖分類號(hào)：F49；F832；F273文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-148X（2024）05-0059-10

收稿日期：2024-05-21

作者簡(jiǎn)介：邸勍（1990—），男，河北保定人，助理教授，博士，研究方向：區(qū)域經(jīng)濟(jì)與科技創(chuàng)新；袁曉玲（1964—），女，陜西西安人，教授，博士生導(dǎo)師，研究方向：高質(zhì)量發(fā)展；張美莎（1991—），女，山西運(yùn)城人，講師，博士，研究方向：制度與創(chuàng)新經(jīng)濟(jì)。

基金項(xiàng)目：教育部哲學(xué)社會(huì)科學(xué)重大課題攻關(guān)項(xiàng)目“促進(jìn)城市高質(zhì)量建設(shè)發(fā)展的長(zhǎng)效機(jī)制研究”，項(xiàng)目編號(hào)：20JZD012；陜西省社會(huì)科學(xué)基金項(xiàng)目“自立自強(qiáng)戰(zhàn)略下陜西科技創(chuàng)新助力經(jīng)濟(jì)高質(zhì)量發(fā)展的實(shí)現(xiàn)機(jī)制與路徑研究”，項(xiàng)目編號(hào)：2023D021。

①數(shù)據(jù)來(lái)源于聯(lián)合國(guó)國(guó)際比較計(jì)劃委托美國(guó)賓夕法尼亞大學(xué)建立的數(shù)據(jù)庫(kù)“佩恩表”。

一、引言

新古典經(jīng)濟(jì)增長(zhǎng)理論認(rèn)為，提高全要素生產(chǎn)率是維系經(jīng)濟(jì)長(zhǎng)期穩(wěn)定增長(zhǎng)的主要驅(qū)動(dòng)力［1］。然而，近十年來(lái)中國(guó)的全要素生產(chǎn)率不及美國(guó)的40%，年均增速僅有12%①，經(jīng)濟(jì)發(fā)展亟須從規(guī)模速度型向質(zhì)量效率型轉(zhuǎn)變。黨的二十大報(bào)告明確指出，“高質(zhì)量發(fā)展是全面建設(shè)社會(huì)主義現(xiàn)代化國(guó)家的首要任務(wù)，要著力提高全要素生產(chǎn)率，推動(dòng)經(jīng)濟(jì)實(shí)現(xiàn)質(zhì)的有效提升和量的合理增長(zhǎng)”。從供給端來(lái)看，要實(shí)現(xiàn)這一目標(biāo)，僅憑要素資源量的增長(zhǎng)是不夠的，還必須依靠有效的金融手段從根源上改變資源配置的激勵(lì)安排。數(shù)字金融作為傳統(tǒng)金融與新興技術(shù)有機(jī)融合的產(chǎn)物，具有成本低、速度快、覆蓋廣等優(yōu)勢(shì)，是增強(qiáng)金融機(jī)構(gòu)服務(wù)實(shí)體經(jīng)濟(jì)質(zhì)效、助力生產(chǎn)率提升的重要舉措。充分發(fā)揮數(shù)字金融在推動(dòng)城市全要素生產(chǎn)率中的作用，無(wú)疑對(duì)構(gòu)建中國(guó)特色現(xiàn)代金融體系以及實(shí)現(xiàn)高質(zhì)量發(fā)展具有重要的理論和現(xiàn)實(shí)意義。

梳理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，學(xué)者們對(duì)數(shù)字金融效應(yīng)的研究尚未形成統(tǒng)一定論，主要觀點(diǎn)可以分為三類：第一類觀點(diǎn)認(rèn)為，數(shù)字金融對(duì)全要素生產(chǎn)率具有促進(jìn)效應(yīng)。持此類觀點(diǎn)的學(xué)者們大多基于中國(guó)省級(jí)面板數(shù)據(jù)展開研究，認(rèn)為科技與金融的結(jié)合可以提高區(qū)域融資能力，推動(dòng)產(chǎn)業(yè)專業(yè)化與多樣化集聚，進(jìn)而提升全要素生產(chǎn)率，且這一作用效果呈東強(qiáng)西弱的態(tài)勢(shì)［2-3］；也有少數(shù)學(xué)者以中小企業(yè)為研究對(duì)象，發(fā)現(xiàn)數(shù)字金融可以通過(guò)緩解融資約束促進(jìn)企業(yè)全要素生產(chǎn)率提升，其促進(jìn)效果與企業(yè)規(guī)模、產(chǎn)權(quán)性質(zhì)等有關(guān)［4］。第二類觀點(diǎn)是數(shù)字金融對(duì)全要素生產(chǎn)率具有擠出效應(yīng)。這類觀點(diǎn)認(rèn)為，數(shù)字金融會(huì)利用金融杠桿增加企業(yè)負(fù)債率，導(dǎo)致其對(duì)全要素生產(chǎn)率的激勵(lì)作用遞減［5］。第三類觀點(diǎn)是數(shù)字金融對(duì)全要素生產(chǎn)率的影響呈現(xiàn)先抑制后促進(jìn)的“U”型非線性關(guān)系［6］。這類觀點(diǎn)認(rèn)為，在金融科技發(fā)展初期金融投機(jī)動(dòng)機(jī)較大，使得企業(yè)將資金投向虛擬經(jīng)濟(jì)領(lǐng)域而非實(shí)體經(jīng)濟(jì)，當(dāng)金融科技發(fā)展到一定程度時(shí)才能產(chǎn)生“脫虛向?qū)崱钡淖饔谩?/p>

現(xiàn)有文獻(xiàn)已圍繞數(shù)字金融對(duì)全要素生產(chǎn)率的影響進(jìn)行了開拓式的有益探討，但仍值得進(jìn)一步推進(jìn)研究：一是大多文獻(xiàn)重點(diǎn)關(guān)注數(shù)字金融“能否”促進(jìn)全要素生產(chǎn)率提升，對(duì)于“如何”促進(jìn)的機(jī)制探討較為薄弱，鮮有研究從全要素生產(chǎn)率的內(nèi)涵出發(fā)綜合考慮創(chuàng)新驅(qū)動(dòng)和要素配置渠道，尤其缺乏針對(duì)不同渠道在影響機(jī)制中的貢獻(xiàn)度分析；二是既有文獻(xiàn)在分析數(shù)字金融對(duì)區(qū)域全要素生產(chǎn)率的影響時(shí)大多采用省級(jí)數(shù)據(jù)或國(guó)別數(shù)據(jù)，使得信息的豐富性大大降低，有必要以維度更為豐富的城市數(shù)據(jù)為樣本，為如何充分發(fā)揮數(shù)字金融在推動(dòng)城市全要素生產(chǎn)率中的作用提供經(jīng)驗(yàn)支持；三是盡管有少數(shù)文獻(xiàn)以城市數(shù)據(jù)為樣本探究了數(shù)字金融對(duì)全要素生產(chǎn)率的影響，但其在進(jìn)行異質(zhì)性研究時(shí)主要局限于城市地域、規(guī)模、行政級(jí)別或要素維度，較少?gòu)某鞘谢膭?dòng)力來(lái)源和空間模式視角切入，更缺乏嚴(yán)謹(jǐn)?shù)亩糠治黾右哉撟C。事實(shí)上，中國(guó)不同地區(qū)城市化的演進(jìn)過(guò)程和發(fā)展模式存在明顯差異，有必要從其動(dòng)力來(lái)源和空間模式出發(fā)，拓展異質(zhì)性研究視域?；诖?，本文以中國(guó)2011—2020年286個(gè)城市為樣本，探究數(shù)字金融對(duì)城市全要素生產(chǎn)率的影響效果及作用機(jī)制，并立足中國(guó)城市化進(jìn)程的動(dòng)力來(lái)源與空間模式差異，進(jìn)一步檢驗(yàn)上述結(jié)論的異質(zhì)性。

本文可能的邊際貢獻(xiàn)主要體現(xiàn)在以下三個(gè)方面：一是在研究?jī)?nèi)容上，以全要素生產(chǎn)率內(nèi)涵為切入點(diǎn)，基于創(chuàng)新驅(qū)動(dòng)效應(yīng)和要素配置效應(yīng)兩條渠道系統(tǒng)剖析數(shù)字金融對(duì)全要素生產(chǎn)率的影響機(jī)制，并采用KHB方法對(duì)各類效應(yīng)進(jìn)行分解，為理解數(shù)字金融的經(jīng)濟(jì)效應(yīng)提供更為清晰的理論解釋；二是在研究對(duì)象上，以中國(guó)286個(gè)城市為樣本，彌補(bǔ)了以往研究大多采用省級(jí)數(shù)據(jù)或國(guó)別數(shù)據(jù)導(dǎo)致的信息豐富性局限；三是在拓展分析上，立足中國(guó)城市化推進(jìn)過(guò)程中的現(xiàn)實(shí)情境，從動(dòng)力來(lái)源和空間模式出發(fā)對(duì)上述結(jié)論進(jìn)行異質(zhì)性檢驗(yàn)，不僅拓展了現(xiàn)有研究視域，也為不同類型地區(qū)“量體裁衣”制定差異化的政策提供了理論依據(jù)與實(shí)踐指引。

二、理論分析與研究假設(shè)

本文在兼顧金融中介相關(guān)理論和全要素生產(chǎn)率影響因素的前提下，以信息不對(duì)稱理論、交易成本理論、長(zhǎng)尾效應(yīng)理論和經(jīng)濟(jì)增長(zhǎng)理論為基礎(chǔ)探究數(shù)字金融影響全要素生產(chǎn)率的內(nèi)在機(jī)理?？紤]到全要素生產(chǎn)率增長(zhǎng)的主要途徑是科技進(jìn)步和資源配置效率提升［7-8］，故而著重從創(chuàng)新驅(qū)動(dòng)效應(yīng)和要素配置效應(yīng)兩個(gè)渠道細(xì)化數(shù)字金融影響全要素生產(chǎn)率的作用機(jī)理，并提出相應(yīng)的研究假設(shè)。

（一）數(shù)字金融對(duì)全要素生產(chǎn)率的影響

數(shù)字金融對(duì)全要素生產(chǎn)率的影響可以借助信息不對(duì)稱理論、交易成本理論、長(zhǎng)尾效應(yīng)理論和經(jīng)濟(jì)增長(zhǎng)理論的主要觀點(diǎn)來(lái)闡釋。在上述理論分析框架下，金融市場(chǎng)普遍存在信息不對(duì)稱、交易成本高、融資門檻高、服務(wù)范圍受限等現(xiàn)象，導(dǎo)致道德風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)增加，企業(yè)騙貸和銀行壞賬等問題頻出，借款主體融資成本提高，資金分配不平衡加劇，嚴(yán)重影響著金融系統(tǒng)的資源配置效率［9］。資源配置是金融系統(tǒng)的核心功能，金融系統(tǒng)依靠各種金融手段和工具動(dòng)員社會(huì)儲(chǔ)蓄，對(duì)聚集起來(lái)的資金進(jìn)行配置。金融資源流向某一領(lǐng)域時(shí)，其他資源會(huì)在金融手段的支持下更快地完成在該領(lǐng)域的配置，從而作用于資本的邊際生產(chǎn)率和全要素生產(chǎn)率，最終產(chǎn)生正向或負(fù)向的經(jīng)濟(jì)效應(yīng)。隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、5G、人工智能等數(shù)字技術(shù)在金融領(lǐng)域的運(yùn)用，互聯(lián)網(wǎng)支付、移動(dòng)支付、網(wǎng)上銀行、網(wǎng)上貸款、網(wǎng)上保險(xiǎn)、網(wǎng)上基金、金融服務(wù)外包等數(shù)字金融服務(wù)與傳統(tǒng)金融服務(wù)實(shí)現(xiàn)互補(bǔ)，并逐漸擔(dān)負(fù)起更為重要的角色［10］。這種以數(shù)字技術(shù)為支撐創(chuàng)造出來(lái)的金融業(yè)務(wù)模式，構(gòu)建起更加直接的網(wǎng)絡(luò)，打破了過(guò)去企業(yè)與企業(yè)、人和人、人與物之間的平面連接，形成立體、折疊的架構(gòu)，并在此架構(gòu)中實(shí)現(xiàn)了點(diǎn)對(duì)點(diǎn)、端對(duì)端的交互式連接，省去了很多中間節(jié)點(diǎn)，可以有效降低運(yùn)行和交易成本，促進(jìn)信息了解更加充分，助力新技術(shù)與金融產(chǎn)品、業(yè)務(wù)的多樣性發(fā)展，推動(dòng)大企業(yè)、高收入群體與中小微企業(yè)、低收入群體的資金流向平衡，提高資金配置效率，有力彌補(bǔ)了傳統(tǒng)金融的不足，強(qiáng)化了金融體系服務(wù)于實(shí)體經(jīng)濟(jì)的有效性，為全要素生產(chǎn)率的提升注入了新動(dòng)能?；诖耍疚奶岢鲆韵卵芯考僭O(shè)：

H1：數(shù)字金融能夠促進(jìn)全要素生產(chǎn)率的提升。

（二）數(shù)字金融影響全要素生產(chǎn)率的作用機(jī)制

全要素生產(chǎn)率是指國(guó)民經(jīng)濟(jì)中所有人力、物力、財(cái)力等資源投入轉(zhuǎn)化為最終產(chǎn)出的總體效率，衡量的是除去勞動(dòng)、資本、土地等要素投入之后的“剩余”，其增長(zhǎng)的主要途徑是科技進(jìn)步和資源配置效率提升。鑒于此，本文以全要素生產(chǎn)率內(nèi)涵為切入點(diǎn)，基于創(chuàng)新驅(qū)動(dòng)效應(yīng)和要素配置效應(yīng)兩條渠道探究數(shù)字金融對(duì)全要素生產(chǎn)率的作用機(jī)制。

1數(shù)字金融影響全要素生產(chǎn)率的創(chuàng)新驅(qū)動(dòng)效應(yīng)

技術(shù)創(chuàng)新是以創(chuàng)造新技術(shù)為目的或以科學(xué)技術(shù)知識(shí)及其創(chuàng)造的資源為66973637ca2ecc9002b15473a5397e02基礎(chǔ)的創(chuàng)新，系新技術(shù)替代舊技術(shù)的過(guò)程，能夠有效降低生產(chǎn)成本、提高生產(chǎn)效率、促進(jìn)資本與高級(jí)勞動(dòng)要素協(xié)同互補(bǔ)，對(duì)全要素生產(chǎn)率具有顯著提升作用。然而，其不確定性高、回報(bào)周期長(zhǎng)等特性引發(fā)的信貸約束成為阻礙創(chuàng)新活動(dòng)順利實(shí)施的“攔路虎”［11］，尤其是以銀行為主的傳統(tǒng)金融機(jī)構(gòu)在提供信貸服務(wù)時(shí)，通常將考察重點(diǎn)專注于創(chuàng)新主體的信用等級(jí)與抵押物，忽略了主體自身的創(chuàng)新能力，致使技術(shù)創(chuàng)新潛力較大但抵押物不足或信用等級(jí)較低的主體被阻擋在正規(guī)金融服務(wù)范圍之外，創(chuàng)新活動(dòng)難以得到可靠保障，創(chuàng)新水平難以實(shí)現(xiàn)高效提升［12］。

數(shù)字金融的發(fā)展在一定程度上能夠緩解上述制約，滿足研發(fā)資金需求，提高技術(shù)創(chuàng)新水平［13］。首先，數(shù)字技術(shù)與信息技術(shù)在金融領(lǐng)域的應(yīng)用有助于金融機(jī)構(gòu)建立更為有效的模型對(duì)可能存在的信用風(fēng)險(xiǎn)進(jìn)行精準(zhǔn)評(píng)估，因信息不對(duì)稱引發(fā)逆向選擇的可能性大幅降低，既能提高金融機(jī)構(gòu)的決策效率，又能減少金融機(jī)構(gòu)的放貸顧慮，從而提升創(chuàng)新主體的資金可得性；其次，數(shù)字金融的出現(xiàn)提高了信息搜尋速度與質(zhì)量，能夠及時(shí)監(jiān)督資金的去向與用途，并能動(dòng)態(tài)追蹤借款主體的信用狀況，困擾金融機(jī)構(gòu)的“監(jiān)管難”問題得到一定緩和，有利于創(chuàng)新活動(dòng)的順利開展；最后，金融機(jī)構(gòu)憑借互聯(lián)網(wǎng)與大數(shù)據(jù)在金融領(lǐng)域的普及擴(kuò)大了信息來(lái)源，能夠科學(xué)評(píng)判金融需求者的技術(shù)創(chuàng)新能力和市場(chǎng)發(fā)展?jié)摿?，甄別出具備創(chuàng)新潛力的主體與投資價(jià)值的項(xiàng)目，進(jìn)而引導(dǎo)資金流向創(chuàng)新能力更高的領(lǐng)域，進(jìn)一步加快了技術(shù)創(chuàng)新步伐。綜上，從創(chuàng)新驅(qū)動(dòng)效應(yīng)來(lái)看，數(shù)字金融能夠借助其內(nèi)嵌的數(shù)字技術(shù)優(yōu)勢(shì)，有效監(jiān)督防范信用風(fēng)險(xiǎn)，提高金融機(jī)構(gòu)的決策效率與資金配置效率，從而增加技術(shù)創(chuàng)新資金的可得性，提高整體技術(shù)創(chuàng)新能力，最終推動(dòng)全要素生產(chǎn)率提升。鑒于此，本文提出研究假設(shè)：

H2：數(shù)字金融能夠通過(guò)推動(dòng)技術(shù)創(chuàng)新提升全要素生產(chǎn)率。

2數(shù)字金融影響全要素生產(chǎn)率的要素配置效應(yīng)

要素配置是指社會(huì)經(jīng)濟(jì)活動(dòng)中的人力、物力、財(cái)力等基本資源在不同用途上加以比較所作出的選擇。在生產(chǎn)技術(shù)凸性假設(shè)下，當(dāng)要素投入邊際產(chǎn)出相等時(shí)達(dá)到最優(yōu)配置，當(dāng)要素邊際產(chǎn)出在橫截面上不相等時(shí)就會(huì)出現(xiàn)配置不均衡現(xiàn)象，即為要素錯(cuò)配［14］。要素錯(cuò)配會(huì)引致資源逆效率流動(dòng)，生產(chǎn)率低的主體卻占據(jù)了更多生產(chǎn)要素，生產(chǎn)率高的主體反而受困于市場(chǎng)約束，因而資源錯(cuò)配是全要素生產(chǎn)率提升的“絆腳石”。金融的核心功能就在于引領(lǐng)資源要素的流動(dòng)與配置，但信息不對(duì)稱、融資門檻高等問題帶來(lái)的金融摩擦?xí)璧K要素流動(dòng)，導(dǎo)致資源配置不足且配置效率偏低［15］。以銀行為主的金融機(jī)構(gòu)通常將大客戶的業(yè)務(wù)視為重點(diǎn)，數(shù)量更多的長(zhǎng)尾客戶則被擋在金融服務(wù)體系之外，導(dǎo)致一些生產(chǎn)率高但規(guī)模小的長(zhǎng)尾客戶無(wú)法獲取正規(guī)信貸，生產(chǎn)率低但規(guī)模大的企業(yè)卻能以較低利率獲取資金，從而造成資源錯(cuò)配。

數(shù)字金融的發(fā)展在一定程度上能夠擴(kuò)大服務(wù)范圍，促進(jìn)要素流動(dòng)，改善資源錯(cuò)配，以此實(shí)現(xiàn)要素配置的優(yōu)化［16］。首先，數(shù)字金融的優(yōu)勢(shì)之一在于可以通過(guò)大數(shù)據(jù)分析長(zhǎng)尾客戶的信用狀況并以低廉的成本進(jìn)行動(dòng)態(tài)監(jiān)控，無(wú)須采用提高準(zhǔn)入門檻的方式保證資金安全，因而會(huì)有更多生產(chǎn)者獲得融資服務(wù)機(jī)會(huì)。與此同時(shí)，隨著金融服務(wù)準(zhǔn)入門檻的下降，銀行等傳統(tǒng)金融機(jī)構(gòu)及數(shù)字金融公司會(huì)在鯰魚效應(yīng)驅(qū)使下相互競(jìng)爭(zhēng)，金融服務(wù)受眾面進(jìn)一步擴(kuò)大，資源配置不足的問題能夠得到有效解決，全要素生產(chǎn)率也隨之提升。其次，數(shù)字金融具有不受時(shí)空限制的特性，這一特性促進(jìn)要素在不同部門與區(qū)域間自由流動(dòng)，有效緩解了因流動(dòng)性不足導(dǎo)致資源配置效率低的問題，使得各地能夠根據(jù)自身需求進(jìn)行快速連結(jié)和雙向匹配，拓展了區(qū)域資源整合的深度與廣度，提高了資金配置效率，進(jìn)一步促進(jìn)了全要素生產(chǎn)率的提升。最后，數(shù)字金融能夠借助互聯(lián)網(wǎng)等技術(shù)完成線上的點(diǎn)對(duì)點(diǎn)交易，弱化了傳統(tǒng)交易對(duì)物理網(wǎng)點(diǎn)和前臺(tái)的依賴，這一交易方式促使業(yè)務(wù)流程簡(jiǎn)化，人為干預(yù)減弱，業(yè)務(wù)審批的尋租空間壓縮，隱形成本下降，資金實(shí)現(xiàn)了從盈余者向需求者的精準(zhǔn)轉(zhuǎn)移，要素錯(cuò)配與扭曲現(xiàn)象得到有效矯正，進(jìn)而對(duì)全要素生產(chǎn)率產(chǎn)生了積極影響。綜上，從要素配置效應(yīng)來(lái)看，數(shù)字金融能夠借助數(shù)字技術(shù)降低融資門檻，擴(kuò)大金融服務(wù)覆蓋面，促進(jìn)要素自由流動(dòng)，精準(zhǔn)調(diào)配資金供需，從而達(dá)成要素配置優(yōu)化的目標(biāo)，助推全要素生產(chǎn)率提升。鑒于此，本文提出研究假設(shè)：

H3：數(shù)字金融能夠通過(guò)優(yōu)化要素配置提升全要素生產(chǎn)率。

三、研究設(shè)計(jì)

（一）模型構(gòu)建

遵循上文理論分析及研究假設(shè)，為檢驗(yàn)數(shù)字金融對(duì)全要素生產(chǎn)率的影響，設(shè)定如下基準(zhǔn)回歸模型：

lnTFPit=α0+α1lnDFit+ΣαjlnXjit+μi+λt+εit（1）

其中，TFPit為i城市t年的全要素生產(chǎn)率；DFit為i城市t年的數(shù)字金融發(fā)展水平；Xit為i城市t年的一系列控制變量集合；α0為常數(shù)項(xiàng)；α1為數(shù)字金融系數(shù)，反映數(shù)字金融發(fā)展對(duì)全要素生產(chǎn)率的影響程度；αj為第j個(gè)控制變量系數(shù)；μi為城市固定效應(yīng)；λt為時(shí)間固定效應(yīng)；εit為隨機(jī)誤差，表示影響全要素生產(chǎn)率的其他因素。此外，為保證數(shù)據(jù)的平穩(wěn)性，對(duì)所有變量進(jìn)行取對(duì)數(shù)處理。

為進(jìn)一步探究數(shù)字金融影響全要素生產(chǎn)率的創(chuàng)新驅(qū)動(dòng)機(jī)制和要素配置機(jī)制，本文采用逐步檢驗(yàn)回歸系數(shù)法［17］構(gòu)建以下回歸模型：

lnideit/faeit=β0+β1lnDFit+ΣβjlnXjit+μi+λt+εit（2）

lnTFPit=β0+β2lnideit/faeit+ΣβjlnXjit+μi+λt+εit（3）

lnTFPit=β0+β3lnDFit+β4lnideit/faeit+ΣβjlnXjit+μi+λt+εit（4）

公式（2）—公式（4）中，ideit和faeit分別為i城市t年的創(chuàng)新驅(qū)動(dòng)效應(yīng)與要素配置效應(yīng)；β0為常數(shù)項(xiàng)；β1-j為回歸系數(shù)，其余變量含義同上。為進(jìn)一步探究數(shù)字金融對(duì)全要素生產(chǎn)率影響的直接效應(yīng)與間接效應(yīng)，厘清創(chuàng)新驅(qū)動(dòng)效應(yīng)與要素配置效應(yīng)在數(shù)字金融影響全要素生產(chǎn)率過(guò)程中的貢獻(xiàn)度，本文采用KHB方法［18］構(gòu)建如下模型進(jìn)行分析：

lnTFPit=αE+βElnDFit+γE1lnideit+γE2faeit+ΣδEjXjit+εit（5）

lnTFPit=αF+βFlnDFit+ΣδFjXjit+εit（6）

式（5）和式（6）共同組成了效應(yīng)分解模型，數(shù)字金融對(duì)全要素生產(chǎn)率的總效應(yīng)為βF/σF；直接效應(yīng)為βE/σE;間接效應(yīng)為βF/σF-βE/σE；σE與σF為規(guī)模參數(shù)，其余變量含義不變。

（二）變量選取與數(shù)據(jù)來(lái)源

1被解釋變量：全要素生產(chǎn)率（TFP）。本文根據(jù)DEA方法計(jì)算Malmquist指數(shù)［19］，以2000年為基期進(jìn)行累乘，得到各城市全要素生產(chǎn)率數(shù)據(jù)。具體來(lái)說(shuō)，選取各城市的生產(chǎn)總值（GDP）衡量產(chǎn)出水平，并以2000年為基期進(jìn)行平減處理；選取基于永續(xù)盤存法進(jìn)行估算的各城市資本存量衡量資本投入水平；選取各城市城鎮(zhèn)單位與城鎮(zhèn)私營(yíng)個(gè)體從業(yè)人數(shù)之和衡量勞動(dòng)投入水平。

2核心解釋變量：數(shù)字金融（DF）。本文使用郭峰等（2020）［20］構(gòu)建的城市級(jí)數(shù)字普惠金融指數(shù)表征數(shù)字金融發(fā)展水平。該指數(shù)以螞蟻集團(tuán)后臺(tái)的交易金額、交易頻率、用戶數(shù)量等數(shù)據(jù)為基礎(chǔ)進(jìn)行編制，包括總指數(shù)和覆蓋廣度（DFbreadth）、使用深度（DFdepth）、數(shù)字化程度（DFlevel）等三個(gè)一級(jí)指數(shù)。覆蓋廣度指數(shù)主要采用居民支付寶賬號(hào)數(shù)量、支付寶綁卡程度、交易金額等數(shù)據(jù)展現(xiàn)數(shù)字金融覆蓋人群的規(guī)模；使用深度指數(shù)主要表示各地區(qū)利用互聯(lián)網(wǎng)進(jìn)行支付、貸款、保險(xiǎn)、基金等金融活動(dòng)的頻率；數(shù)字化程度指數(shù)主要從移動(dòng)化、便利化等方面體現(xiàn)了數(shù)字金融的服務(wù)是否高效便捷。

3機(jī)制變量：創(chuàng)新驅(qū)動(dòng)效應(yīng)（ide）與要素配置效應(yīng)（fae）。本文采用技術(shù)創(chuàng)新水平表征創(chuàng)新驅(qū)動(dòng)效應(yīng)，在具體指標(biāo)計(jì)算中，采用包括發(fā)明專利、實(shí)用新型專利和外觀設(shè)計(jì)專利在內(nèi)的專利申請(qǐng)數(shù)量進(jìn)行衡量，并結(jié)合專利的價(jià)值屬性對(duì)三種類型專利依次賦予05、03和02的權(quán)重，最終加總得到各城市的技術(shù)創(chuàng)新水平，數(shù)值越大說(shuō)明技術(shù)創(chuàng)新水平越高［21］。同時(shí)，本文采用要素錯(cuò)配程度表征要素配置效應(yīng)，具體選取GDP、資本存量、勞動(dòng)力人數(shù)、資本價(jià)格彈性、勞動(dòng)價(jià)格彈性等指標(biāo)計(jì)算城市要素錯(cuò)配指數(shù)，指數(shù)值越大說(shuō)明錯(cuò)配程度越高。

4控制變量：本文還考慮了與全要素生產(chǎn)率密切相關(guān)的因素作為控制變量進(jìn)行考察，包括人均產(chǎn)值（pcov）、產(chǎn)業(yè)結(jié)構(gòu)（is）、人力資本（hc）、資產(chǎn)規(guī)模（as）、信息化水平（inf）、對(duì)外開放程度（open）。其中，人均產(chǎn)值采用城市的GDP總量與從業(yè)人數(shù)的比值表征，數(shù)值越大說(shuō)明經(jīng)濟(jì)發(fā)展水平越高；產(chǎn)業(yè)結(jié)構(gòu)采用各城市產(chǎn)業(yè)結(jié)構(gòu)指數(shù)來(lái)衡量其轉(zhuǎn)型升級(jí)效果，即將三次產(chǎn)業(yè)增加值與總產(chǎn)值的比重進(jìn)行加總，數(shù)值越大說(shuō)明產(chǎn)業(yè)結(jié)構(gòu)越優(yōu)化；人力資本選取各城市教育支出占財(cái)政支出的比重衡量，該比值越大說(shuō)明人力資本水平越高；資產(chǎn)規(guī)模采用各城市規(guī)模以上工業(yè)企業(yè)資產(chǎn)總計(jì)與GDP的比值表征，該數(shù)值越大表明城市資產(chǎn)總量越多；信息化水平選用各城市互聯(lián)網(wǎng)寬帶接入用戶數(shù)表征，數(shù)值越大表明信息化水平越高；對(duì)外開放程度選取各城市進(jìn)出口總額與GDP的比重衡量，該比值越大表明對(duì)外開放程度越高。

本文以2011—2020年中國(guó)286個(gè)城市的面板數(shù)據(jù)為樣本進(jìn)行實(shí)證分析根據(jù)中華人民共和國(guó)中央人民政府網(wǎng)公布的資料顯示：截至2022年底，中國(guó)有直轄市和地級(jí)市（含副省級(jí)城市）298個(gè)?？紤]到數(shù)據(jù)的可得性與完整性，樣本剔除了港、澳、臺(tái)地區(qū)以及儋州、三沙、吐魯番、哈密、畢節(jié)、銅仁、日喀則、昌都、山南、林芝、那曲、海東等數(shù)據(jù)缺失較多或成為地級(jí)行政區(qū)時(shí)間相對(duì)較晚的城市樣本，最終選取了286個(gè)城市作為樣本。。研究數(shù)據(jù)主要來(lái)源于北京大學(xué)數(shù)字金融研究中心網(wǎng)站、CNRDS數(shù)據(jù)庫(kù)、CSMAR數(shù)據(jù)庫(kù)、CEIC數(shù)據(jù)庫(kù)、國(guó)家統(tǒng)計(jì)局網(wǎng)站、各省（市）統(tǒng)計(jì)局網(wǎng)站、各省（市）統(tǒng)計(jì)年鑒以及《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)金融年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》《中國(guó)人口統(tǒng)計(jì)年鑒》等。個(gè)別年份數(shù)據(jù)缺失利用線性插值法補(bǔ)齊。

（三）描述性統(tǒng)計(jì)分析

變量原始數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果見表1?？梢钥闯觯髯兞康钠骄蹬c中位數(shù)相差不大，不存在顯著偏態(tài)分布。全要素生產(chǎn)率的均值為089，最大值為272，最小值為013，這意味著不同城市樣本之間的全要素生產(chǎn)率存在明顯差距。數(shù)字金融總指數(shù)的最大值與最小值分別為33448和1130；覆蓋廣度、使用深度及數(shù)字化程度指數(shù)的最大值分別為32649、34975、58123，最小值分別為1949、4326、2786，反映出不同城市的數(shù)字金融發(fā)展程度差距明顯。

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸

在進(jìn)行回歸分析前，首先對(duì)數(shù)據(jù)進(jìn)行了Hausman檢驗(yàn)，發(fā)現(xiàn)結(jié)果均在1%顯著水平上拒絕原假設(shè)，這表明采用雙向固定效應(yīng)面板模型進(jìn)行回歸分析具有可行性。與此同時(shí)，采用方差膨脹因子法（VIF）檢驗(yàn)樣本數(shù)據(jù)整體是否存在多重共線性，結(jié)果均小于10，表明變量之間不存在嚴(yán)重的多重共線問題。

數(shù)字金融對(duì)全要素生產(chǎn)率影響的基準(zhǔn)回歸結(jié)果如表2所示?？梢钥闯觯瑪?shù)字金融總指數(shù)以及三個(gè)分指數(shù)均與全要素生產(chǎn)率呈現(xiàn)正向單調(diào)線性關(guān)系，證明假設(shè)H1成立。表2列（1）為數(shù)字金融總指數(shù)對(duì)全要素生產(chǎn)率影響的回歸結(jié)果，數(shù)字金融的系數(shù)為0306，通過(guò)了1%的顯著性水平檢驗(yàn)，即數(shù)字金融總體發(fā)展水平每提升1%會(huì)導(dǎo)致全要素生產(chǎn)率提高0306%。這一結(jié)果意味著數(shù)字金融對(duì)全要素生產(chǎn)率的提升具有積極影響，反映出數(shù)字金融在增強(qiáng)金融普惠性、降低交易成本、擴(kuò)大融資規(guī)模、提高資金供求匹配度與資源流動(dòng)效率等問題上起到了良好效果。表2列（2）—列（4）分別為數(shù)字金融覆蓋廣度、使用深度與數(shù)字化程度三項(xiàng)分指數(shù)對(duì)全要素生產(chǎn)率影響的回歸結(jié)果，可以看出，回歸系數(shù)通過(guò)了1%或5%的顯著性水平檢驗(yàn)，說(shuō)明數(shù)字金融覆蓋廣度、使用深度與數(shù)字化程度等均促進(jìn)了全要素生產(chǎn)率的提升。從三個(gè)分指數(shù)的回歸系數(shù)大小來(lái)看，數(shù)字金融覆蓋廣度對(duì)全要素生產(chǎn)率的影響程度最大，說(shuō)明使用支付寶等電子賬號(hào)的人群數(shù)量越多，用戶之間的支付轉(zhuǎn)賬就會(huì)越方便快捷，業(yè)務(wù)流程縮短，資金流動(dòng)速度提高，從而對(duì)資源配置產(chǎn)生積極作用，這也充分體現(xiàn)出數(shù)字金融的普惠性特點(diǎn)；使用深度對(duì)全要素生產(chǎn)率的影響力僅次于覆蓋廣度，表明數(shù)字金融所提供的信貸、基金、保險(xiǎn)等各種金融產(chǎn)品、服務(wù)的種類和便捷度仍需拓寬做深，以滿足更多人對(duì)金融的需求，進(jìn)而促進(jìn)全要素生產(chǎn)率的提升；相比于覆蓋廣度和使用深度，數(shù)字化程度對(duì)全要素生產(chǎn)率的作用最小，說(shuō)明還要進(jìn)一步加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，拓展新數(shù)字技術(shù)研發(fā)空間，為提高數(shù)字金融的數(shù)字化程度提供保障，從而有力促進(jìn)全要素生產(chǎn)率的提升。

在控制變量中，人均產(chǎn)值、人力資本、產(chǎn)業(yè)結(jié)構(gòu)等對(duì)全要素生產(chǎn)率起到了提升作用。這表明隨著人均產(chǎn)出增長(zhǎng)、人力資本投入增加以及產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，城市內(nèi)部資源配置得到優(yōu)化，技術(shù)水平得到提升，勞動(dòng)者技能、素質(zhì)、活力等得到增強(qiáng)，產(chǎn)業(yè)發(fā)展不斷向技術(shù)密集型與資本密集型調(diào)整，全要素生產(chǎn)率得到有效提升。與之相反，資產(chǎn)規(guī)模和對(duì)外開放抑制了全要素生產(chǎn)率提升，這可能源于企業(yè)規(guī)模與創(chuàng)新效率所形成的反差，相較于追求收益穩(wěn)定的大型企業(yè)，中小型企業(yè)更傾向于選擇預(yù)期收益更高的創(chuàng)新投資項(xiàng)目，其較高的創(chuàng)新效率有利于全要素生產(chǎn)率的提升。同時(shí)，我國(guó)在全球分工體系中處于價(jià)值鏈較低位置，出口加工貿(mào)易企業(yè)居多，外資也傾向于勞動(dòng)密集型和資源密集型產(chǎn)業(yè)，加之歐美的技術(shù)封鎖和貿(mào)易摩擦，阻礙了全要素生產(chǎn)率提升。另外，現(xiàn)階段信息化水平及相應(yīng)基礎(chǔ)設(shè)施的提升未對(duì)全要素生產(chǎn)率產(chǎn)生顯著影響。

（二）作用機(jī)制分析

數(shù)字金融通過(guò)創(chuàng)新驅(qū)動(dòng)和要素配置效應(yīng)影響全要素生產(chǎn)率的回歸結(jié)果如表3所示?？梢钥闯觯瑪?shù)字金融可以通過(guò)提高技術(shù)創(chuàng)新水平、降低要素錯(cuò)配率促進(jìn)全要素生產(chǎn)率的提升，假設(shè)H2與假設(shè)H3成立。在表3列（1）和列（2）中，數(shù)字金融和創(chuàng)新驅(qū)動(dòng)效應(yīng)的回歸系數(shù)均顯著為正，表明數(shù)字金融的發(fā)展顯著促進(jìn)了技術(shù)創(chuàng)新，技術(shù)創(chuàng)新水平的提高能夠帶動(dòng)全要素生產(chǎn)率提升。表3列（3）在控制創(chuàng)新驅(qū)動(dòng)效應(yīng)后，數(shù)字金融系數(shù)顯著為正，且系數(shù)大小相較于前文基準(zhǔn)回歸略有下降，說(shuō)明數(shù)字金融發(fā)展通過(guò)促進(jìn)技術(shù)創(chuàng)新提升了全要素生產(chǎn)率，且創(chuàng)新驅(qū)動(dòng)效應(yīng)起到了部分傳導(dǎo)作用。在表3列（4）和列（5）中，數(shù)字金融和要素配置效應(yīng)的回歸系數(shù)均顯著為負(fù)，表明數(shù)字金融的發(fā)展顯著降低了要素錯(cuò)配率，要素錯(cuò)配率的降低能夠促進(jìn)全要素生產(chǎn)率提升。表3列（6）在控制要素配置效應(yīng)后，數(shù)字金融系數(shù)顯著為正，且系數(shù)大小相較于前文基準(zhǔn)回歸略有下降，說(shuō)明數(shù)字金融發(fā)展通過(guò)優(yōu)化要素配置提升了全要素生產(chǎn)率，且要素配置效應(yīng)起到了部分傳導(dǎo)作用。

上述結(jié)果表明數(shù)字金融能夠緩解眾多科技創(chuàng)新企業(yè)面臨的融資約束，并借助數(shù)字科技手段促進(jìn)資金流向創(chuàng)新強(qiáng)度高的領(lǐng)域，加快了研發(fā)活動(dòng)步伐，推動(dòng)了技術(shù)創(chuàng)新發(fā)展。技術(shù)創(chuàng)新可以節(jié)省生產(chǎn)成本，提高生產(chǎn)效率，其溢出效應(yīng)還會(huì)進(jìn)一步帶動(dòng)區(qū)域創(chuàng)新能力的提升，從而促進(jìn)全要素生產(chǎn)率的整體提升。與此同時(shí)，數(shù)字金融能夠提高要素流動(dòng)性，精準(zhǔn)匹配資金供求關(guān)系，緩解資源配置不足問題，提高資源配置效率，從而對(duì)全要素生產(chǎn)率起到了積極作用。

進(jìn)一步運(yùn)用KHB方法對(duì)數(shù)字金融影響全要素生產(chǎn)率的各種效應(yīng)進(jìn)行分解，結(jié)果如表4所示。可以看出，數(shù)字金融對(duì)全要素生產(chǎn)率的直接效應(yīng)占總效應(yīng)的比重為1354%，間接效應(yīng)占總效應(yīng)的比重為8646%，表明數(shù)字金融發(fā)展通過(guò)創(chuàng)新驅(qū)動(dòng)效應(yīng)和要素配置效應(yīng)對(duì)全要素生產(chǎn)率影響的貢獻(xiàn)度更高，推動(dòng)技術(shù)創(chuàng)新、優(yōu)化要素配置是數(shù)字金融促進(jìn)全要素生產(chǎn)率提升的重要路徑。從作用機(jī)制的貢獻(xiàn)度看，創(chuàng)新驅(qū)動(dòng)的間接效應(yīng)系數(shù)更大，占據(jù)兩種作用機(jī)制產(chǎn)生間接效應(yīng)總和的6991%，占到總效應(yīng)的6044%，是要素配置效應(yīng)的23倍，說(shuō)明相較于資源配置為核心的傳統(tǒng)金融，數(shù)字金融的作用更偏重于推動(dòng)技術(shù)創(chuàng)新，也在一定程度上揭示了從要素驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)轉(zhuǎn)變的高質(zhì)量發(fā)展要義。

（三）內(nèi)生性處理與穩(wěn)健性檢驗(yàn)

1內(nèi)生性處理。數(shù)字金融的發(fā)展能夠促進(jìn)城市全要素生產(chǎn)率提升，反過(guò)來(lái)全要素生產(chǎn)率的提升會(huì)擴(kuò)大生產(chǎn)規(guī)模，增加資金需求，從而促進(jìn)數(shù)字金融的發(fā)展，這就意味著二者之間可能存在內(nèi)生性。為克服這一問題，更加準(zhǔn)確地識(shí)別數(shù)字金融發(fā)展對(duì)全要素生產(chǎn)率的影響效果，本文借鑒張勛等（2019）［22］、郭珂和郭雪萌（2023）［23］的思路分別選取各城市到杭州的地理距離倒數(shù)和相鄰城市數(shù)字金融總指數(shù)的平均值作為數(shù)字金融的工具變量，使用2SLS方法重新對(duì)上述研究?jī)?nèi)容進(jìn)行實(shí)證分析。盡管數(shù)字金融的主要實(shí)現(xiàn)形式為線上，但其發(fā)展程度仍受到地理空間因素影響，呈現(xiàn)與杭州相距越遠(yuǎn)則推廣難度越大的特點(diǎn)，因此選取各城市到杭州的地理距離作為工具變量具有理論和現(xiàn)實(shí)可行性［24］。同時(shí)，周圍地區(qū)數(shù)字金融的發(fā)展推廣會(huì)對(duì)本地?cái)?shù)字金融產(chǎn)生溢出效應(yīng)，故而也可以考慮采用相鄰城市數(shù)字金融總指數(shù)的平均值作為本地?cái)?shù)字金融的工具變量。加入工具變量的估計(jì)結(jié)果顯示，各城市到杭州的地理距離倒數(shù)以及相鄰城市數(shù)字金融總指數(shù)的平均值均為強(qiáng)工具變量，其結(jié)果與前文相比僅是解釋變量的系數(shù)值略有改變，變量系數(shù)方向和顯著性等與前文一致限于篇幅，該檢驗(yàn)結(jié)果未做報(bào)告，如有需要可向作者索取。。這意味著在控制內(nèi)生性問題后，本文的研究結(jié)論依然成立。

2穩(wěn)健性檢驗(yàn)。 本文采用同時(shí)替換核心解釋變量與回歸方法的方式對(duì)上文研究結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)，用以控制可能存在的計(jì)量結(jié)果偏差。借鑒宋敏等（2021）［25］計(jì)算金融科技公司數(shù)量的做法，在“天眼查”網(wǎng)站搜索包含“數(shù)字金融”“金融科技”“互聯(lián)網(wǎng)金融”等在內(nèi)的關(guān)鍵詞，獲取相關(guān)企業(yè)的工商注冊(cè)信息，將各城市每年的金融科技企業(yè)數(shù)量進(jìn)行加總，以此作為數(shù)字金融發(fā)展水平的代理變量，并采用SYS-GMM方法重新對(duì)上文研究?jī)?nèi)容進(jìn)行實(shí)證檢驗(yàn)。結(jié)果顯示，核心解釋變量與機(jī)制變量的系數(shù)方向與顯著性沒有明顯差異，表明在替換變量和模型后，本文的研究結(jié)論依然成立限于篇幅，該檢驗(yàn)結(jié)果未做報(bào)告，如有需要可向作者索取。。

五、進(jìn)一步探討：城市化動(dòng)力來(lái)源和推進(jìn)模式差異下的再檢驗(yàn)

盡管有少數(shù)文獻(xiàn)以城市數(shù)據(jù)為樣本探究了數(shù)字金融對(duì)全要素生產(chǎn)率的影響，但在進(jìn)行異質(zhì)性研究時(shí)主要局限于城市地域、規(guī)模、行政級(jí)別或要素維度，鮮少?gòu)某鞘谢七M(jìn)模式視角出發(fā)，更缺乏嚴(yán)謹(jǐn)?shù)亩糠治黾右哉撟C。事實(shí)上，中國(guó)不同地區(qū)城市化的演進(jìn)過(guò)程和發(fā)展模式存在明顯差異，有必要從動(dòng)力來(lái)源和空間模式出發(fā)，探究數(shù)字金融對(duì)城市全要素生產(chǎn)率的差異化影響。

從城市化推進(jìn)的動(dòng)力來(lái)源來(lái)看，政府和市場(chǎng)是兩種主要推動(dòng)力量［26］。政府主導(dǎo)型城市化旨在根據(jù)國(guó)家經(jīng)濟(jì)發(fā)展的需要，通過(guò)一系列行政控制和政策制度安排等手段，按照既定的計(jì)劃和目標(biāo)來(lái)推動(dòng)城市化進(jìn)程，整體表現(xiàn)出“自上而下”的宏觀調(diào)控；市場(chǎng)主導(dǎo)型城市化主要通過(guò)人口、資本等要素的自由流動(dòng)與聚集以及市場(chǎng)選擇等方式自發(fā)地促進(jìn)某個(gè)城市的形成和發(fā)展，“自下而上”的“自發(fā)性”特征更加突出。從城市化推進(jìn)的空間模式來(lái)看，一般有深度推進(jìn)型和廣度推進(jìn)型兩類，表現(xiàn)出以舊城改造、建設(shè)CBD等為主的內(nèi)部重組和以建設(shè)開發(fā)區(qū)、建設(shè)新城和新區(qū)、擴(kuò)展主城區(qū)、構(gòu)建鄉(xiāng)鎮(zhèn)村莊產(chǎn)業(yè)化等模式為主的外延擴(kuò)展兩種特征［27］。鑒于此，本文以城市化動(dòng)力來(lái)源和推進(jìn)模式的差異為切入點(diǎn)，將城市樣本按照政府主導(dǎo)型城市化、市場(chǎng)主導(dǎo)型城市化依據(jù)中國(guó)市場(chǎng)化指數(shù)課題組出版的《中國(guó)市場(chǎng)化指數(shù)》《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告（2018）》以及《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告（2021）》計(jì)算各?。ㄗ灾螀^(qū)、直轄市）2011—2020年的市場(chǎng)化進(jìn)程指數(shù)平均值，若某個(gè)?。ㄗ灾螀^(qū)、直轄市）的均值高于全國(guó)平均水平，則將省、自治區(qū)內(nèi)部的城市或直轄市本身認(rèn)定為市場(chǎng)主導(dǎo)型城市化模式；反之，若某個(gè)?。ㄗ灾螀^(qū)、直轄市）的均值低于全國(guó)平均水平，則將省、自治區(qū)內(nèi)部的城市或直轄市本身認(rèn)定為政府主導(dǎo)型城市化模式。需要指出的是，2011—2016年、2016—2020年的數(shù)據(jù)計(jì)算基期不同，評(píng)分和排序不可以直接進(jìn)行比較。因此，本文首先將兩套數(shù)據(jù)計(jì)算得到指數(shù)進(jìn)行比例換算，在此基礎(chǔ)上對(duì)跨時(shí)段數(shù)據(jù)進(jìn)行平減處理，最終得到2011—2020年的可比數(shù)據(jù)。以及深度推進(jìn)型城市化、廣度推進(jìn)型城市化計(jì)算286個(gè)樣本城市2011—2020年新區(qū)建設(shè)與開發(fā)區(qū)建設(shè)面積之和占城市行政區(qū)面積比例的平均值，若某個(gè)城市的均值高于全國(guó)平均水平則認(rèn)定其為廣度推進(jìn)型城市化模式；反之，低于全國(guó)平均水平的城市認(rèn)定為深度推進(jìn)型城市化模式。的類別進(jìn)行劃分，并在此基礎(chǔ)上探究數(shù)字金融對(duì)全要素生產(chǎn)率影響的異質(zhì)性。當(dāng)然，現(xiàn)實(shí)社會(huì)中沒有絕對(duì)的政府主導(dǎo)型城市化或市場(chǎng)主導(dǎo)型城市化城市，也沒有絕對(duì)的深度推進(jìn)型城市化或廣度推進(jìn)型城市化城市，這是相對(duì)概念。

表5報(bào)告了城市化推進(jìn)模式存在差別的城市數(shù)字金融影響全要素生產(chǎn)率的回歸結(jié)果。從城市化動(dòng)力來(lái)源的分組結(jié)果來(lái)看，表5列（1）中數(shù)字金融未通過(guò)顯著性水平檢驗(yàn)，列（2）中數(shù)字金融系數(shù)為0415，且通過(guò)了5%的顯著性水平檢驗(yàn)，表明市場(chǎng)主導(dǎo)型城市的數(shù)字金融發(fā)展促進(jìn)了全要素生產(chǎn)率提升，而政府主導(dǎo)型城市的數(shù)字金融發(fā)展未對(duì)全要素生產(chǎn)率產(chǎn)生作用。這可能源于一方面市場(chǎng)機(jī)制具有善于識(shí)別勞動(dòng)力需求、居民消費(fèi)傾向、交易成本等特征，有利于強(qiáng)化數(shù)字金融對(duì)資源的合理高效配置，促進(jìn)全要素生產(chǎn)率提升；另一方面，市場(chǎng)主導(dǎo)型城市大多集中于東南沿海地區(qū)，基礎(chǔ)設(shè)施完善、要素稟賦較好、交易成本較低、要素集聚能力較強(qiáng)，尤其是在招商引資、人才吸引、研發(fā)活動(dòng)等方面具有優(yōu)勢(shì)，這就使得數(shù)字金融不僅能充分促進(jìn)要素流動(dòng)，還便于在數(shù)字技術(shù)加持下實(shí)現(xiàn)知識(shí)和信息的快速流動(dòng)，充分發(fā)揮創(chuàng)新驅(qū)動(dòng)效應(yīng)，進(jìn)而提升了全要素生產(chǎn)率。與之相反，政府主導(dǎo)型城市的目標(biāo)導(dǎo)向性與手段強(qiáng)制性突出，過(guò)去一段時(shí)間存在行政效率偏低、政策實(shí)施不靈活且較為保守等問題，導(dǎo)致金融資源匱乏，金融硬件和軟件相對(duì)薄弱，金融體系和制度保障不夠完善，限制了數(shù)字金融對(duì)全要素生產(chǎn)率的提升作用。

從城市化空間模式的分組結(jié)果來(lái)看，在表5列（3）和列（4）中數(shù)字金融系數(shù)均顯著為正，但列（3）中數(shù)字金融的系數(shù)值與顯著度均大于列（4），說(shuō)明深度推進(jìn)型城市中數(shù)字金融對(duì)全要素生產(chǎn)率的提升作用相較于廣度推進(jìn)型城市更為顯著。這與深度推進(jìn)型城市更加集約高效的發(fā)展密切相關(guān)，相較于廣度推進(jìn)型城市，深度推進(jìn)是基于原有城區(qū)進(jìn)行的資源整合升級(jí)，人口、產(chǎn)業(yè)、公共基礎(chǔ)設(shè)施集中，為集聚效應(yīng)和共享經(jīng)濟(jì)提供了良好平臺(tái)，使得各類金融資金、人力資本、固定資本、知識(shí)信息等能夠在小范圍內(nèi)匯聚和集散，從而更好地發(fā)揮數(shù)字金融的規(guī)模效益，提高要素空間配置效率，有效推動(dòng)全要素生產(chǎn)率提升。此外，深度推進(jìn)模式的客觀條件驅(qū)使了產(chǎn)業(yè)發(fā)展以技術(shù)密集型的高新技術(shù)產(chǎn)業(yè)以及資本密集型的第三產(chǎn)業(yè)為主，間接助推了數(shù)字金融發(fā)展速度，提高了全要素生產(chǎn)率。

六、結(jié)論及建議

本文以中國(guó)2011—2020年286個(gè)城市為樣本，探究了數(shù)字金融對(duì)城市全要素生產(chǎn)率的影響效果及作用機(jī)制，并立足中國(guó)城市化進(jìn)程的動(dòng)力來(lái)源與空間模式差異，進(jìn)一步檢驗(yàn)上述結(jié)論的異質(zhì)性。研究發(fā)現(xiàn)：（1）數(shù)字金融顯著促進(jìn)了城市全要素生產(chǎn)率提升。在三個(gè)分指數(shù)中，數(shù)字金融覆蓋廣度的促進(jìn)作用最明顯，之后依次為數(shù)字金融使用深度、數(shù)字金融數(shù)字化程度。（2）數(shù)字金融能夠通過(guò)推動(dòng)技術(shù)創(chuàng)新和優(yōu)化要素配置兩種效應(yīng)賦能全要素生產(chǎn)率。進(jìn)一步采用KHB方法進(jìn)行效應(yīng)分解發(fā)現(xiàn)，數(shù)字金融通過(guò)創(chuàng)新驅(qū)動(dòng)與要素配置效應(yīng)提升城市全要素生產(chǎn)率的效果大于其直接產(chǎn)生的作用，且創(chuàng)新驅(qū)動(dòng)效應(yīng)的貢獻(xiàn)度大于要素配置效應(yīng)。（3）在不同城市化推進(jìn)模式下，數(shù)字金融對(duì)城市全要素生產(chǎn)率的作用存在差異。相較于政府主導(dǎo)型和廣度推進(jìn)型城市，市場(chǎng)主導(dǎo)型和深度推進(jìn)型城市的數(shù)字金融對(duì)全要素生產(chǎn)率的提升效果更為顯著。

根據(jù)上述結(jié)論，本文就如何提升數(shù)字金融服務(wù)實(shí)體經(jīng)濟(jì)的質(zhì)效提出以下幾點(diǎn)建議：（1）“軟硬兼施”賦能數(shù)字金融高質(zhì)量發(fā)展。一方面，要強(qiáng)化數(shù)字金融基礎(chǔ)設(shè)施建設(shè)，加大對(duì)數(shù)字金融領(lǐng)域基礎(chǔ)設(shè)施建設(shè)的補(bǔ)貼力度，推動(dòng)傳統(tǒng)金融基礎(chǔ)設(shè)施迭代升級(jí)，筑牢數(shù)字金融發(fā)展的“硬基礎(chǔ)”底座；另一方面，要完善數(shù)字金融業(yè)務(wù)流程，及時(shí)對(duì)金融業(yè)務(wù)流程進(jìn)行數(shù)字化改造，重構(gòu)底層業(yè)務(wù)邏輯，調(diào)整產(chǎn)品服務(wù)模式，提供更多優(yōu)質(zhì)數(shù)字金融產(chǎn)品和服務(wù)；此外，應(yīng)加快數(shù)字金融法治體系建設(shè)，明確各監(jiān)管機(jī)構(gòu)權(quán)責(zé)，避免出現(xiàn)監(jiān)管盲區(qū)，將數(shù)字技術(shù)與監(jiān)管相結(jié)合，搭建動(dòng)態(tài)風(fēng)險(xiǎn)管控平臺(tái)和信息共享數(shù)據(jù)庫(kù)，為數(shù)字金融發(fā)展提供優(yōu)良的“軟環(huán)境”。（2）創(chuàng)新驅(qū)動(dòng)和要素市場(chǎng)改革雙向發(fā)力，提升數(shù)字金融服務(wù)實(shí)體經(jīng)濟(jì)質(zhì)效。一方面，加強(qiáng)數(shù)字金融對(duì)科技人才培養(yǎng)和研發(fā)資金投入的作用，提升創(chuàng)新驅(qū)動(dòng)效應(yīng)；另一方面，要打破要素流通壁壘，實(shí)現(xiàn)要素在區(qū)域、部門、行業(yè)之間的自由流動(dòng)，強(qiáng)化數(shù)字金融引領(lǐng)資源流動(dòng)的作用；同時(shí)，還要推動(dòng)數(shù)據(jù)等新型要素與傳統(tǒng)要素的融合發(fā)展，加強(qiáng)“數(shù)實(shí)融合”，改善要素市場(chǎng)信息匹配程度，提高資源配置效率。（3）發(fā)揮有效市場(chǎng)和有為政府在發(fā)展數(shù)字金融中的協(xié)同作用。一方面，讓“無(wú)形之手”大顯神通，充分發(fā)揮市場(chǎng)規(guī)律在資源配置中的主導(dǎo)力量與效率優(yōu)勢(shì)，將數(shù)字金融這塊“蛋糕”做大；另一方面，讓“有形之手”有力調(diào)控，有效發(fā)揮政府引導(dǎo)要素規(guī)范調(diào)配的機(jī)能，彌補(bǔ)市場(chǎng)的自發(fā)性、盲目性、滯后性缺陷，維護(hù)市場(chǎng)秩序與公平競(jìng)爭(zhēng)，優(yōu)化公共服務(wù)，從而保障數(shù)字金融平穩(wěn)有序發(fā)展。在此基礎(chǔ)上，既要“兩手抓”，也要實(shí)現(xiàn)“握手”，讓政府與市場(chǎng)各司其職、各盡其用，相互補(bǔ)充，共同推動(dòng)數(shù)字金融高質(zhì)量發(fā)展。（4）“量體裁衣”制定數(shù)字金融發(fā)展戰(zhàn)略。金融機(jī)構(gòu)在發(fā)展數(shù)字金融時(shí)一定要從城市的實(shí)際情況及自身?xiàng)l件等客觀因素出發(fā)，在數(shù)字金融頂層設(shè)計(jì)和戰(zhàn)略布局上同時(shí)下功夫，既要抓住數(shù)字金融發(fā)展的戰(zhàn)略機(jī)遇，又要顧及城市客觀條件所限基礎(chǔ)設(shè)施、行業(yè)數(shù)字化和信息化水平等現(xiàn)狀，因地制宜發(fā)展數(shù)字金融。

參考文獻(xiàn)：

［1］SolowRM.TechnicalChangeandtheAggregateProductionFunction［J］.ReviewofEconomicsandStatistics，1957，39：312-320.

［2］唐松，賴曉冰，黃銳．金融科技創(chuàng)新如何影響全要素生產(chǎn)率：促進(jìn)還是抑制？——理論分析框架與區(qū)域?qū)嵺`［J］．中國(guó)軟科學(xué)，2019，34（7）：134-144．

［3］許平祥.經(jīng)濟(jì)金融化與“全要素生產(chǎn)率之謎”：理論機(jī)制與實(shí)證檢驗(yàn)［J］.商業(yè)研究，2023，66（5）：90-99.

［4］顧寧，吳懋，趙勛悅．?dāng)?shù)字普惠金融對(duì)小微企業(yè)全要素生產(chǎn)率的影響——“錦上添花”還是“雪中送炭”［J］．南京社會(huì)科學(xué)，2021，32（12）：35-47．

［5］于江波，白凱，王曉芳．?dāng)?shù)字金融能否引領(lǐng)全要素生產(chǎn)率和經(jīng)濟(jì)產(chǎn)出跨越胡煥庸線［J］．山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022，44（2）：31-46.

［6］巴曙松，白海峰，胡文韜．金融科技創(chuàng)新、企業(yè)全要素生產(chǎn)率與經(jīng)濟(jì)增長(zhǎng)——基于新結(jié)構(gòu)經(jīng)濟(jì)學(xué)視角［J］．財(cái)經(jīng)問題研究，2020，42（1）：46-53．

［7］蓋慶恩，朱喜，程名望，等．要素市場(chǎng)扭曲、壟斷勢(shì)力與全要素生產(chǎn)率［J］．經(jīng)濟(jì)研究，2015，50（5）：61-75．

［8］BaumannJ，KritikosAS.TheLinkbetweenR&D，InnovationandProductivity：AreMicroFirmsDifferent？［J］.ResearchPolicy，2016，45（6）：1263-1274.

［9］PiaoZF，WuCH，SuN，etal.FinancialConstraints，CapitalMisallocationandFirm’sTotalFactorProductivity（TFP）Loss-empiricalEvidencefromListedManufacturingCompaniesinChina［J］.AppliedEconomics，2023，55（39）：4572-4585.

［10］謝平，鄒傳偉．互聯(lián)網(wǎng)金融模式研究［J］．金融研究，2012，55（12）：11-22．

［11］ShiY，GongL，ChenJ.TheEffectofFinancingonFirmInnovation：MultipleCaseStudiesonChineseManufacturingEnterprises［J］.EmergingMarketsFinanceandTrade，2019，55（4）：863-888.

［12］錢雪松，唐英倫，方勝．擔(dān)保物權(quán)制度改革降低了企業(yè)債務(wù)融資成本嗎？——來(lái)自中國(guó)《物權(quán)法》自然實(shí)驗(yàn)的經(jīng)驗(yàn)證據(jù)［J］．金融研究，2019，62（7）：115-134．

［13］萬(wàn)佳彧，周勤，肖義．?dāng)?shù)字金融、融資約束與企業(yè)創(chuàng)新［J］．經(jīng)濟(jì)評(píng)論，2020，41（1）：71-83．

［14］BankerRD，CharnesA，CooperWW.SomeModelsforEstimatingTechnicalandScaleInefficienciesinDataEnvelopmentAnalysis［J］.ManagementScience，1984，30（9）：1078-1092.

［15］李欣澤，陳言．金融摩擦與資源錯(cuò)配研究新進(jìn)展［J］．經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2018，59（9）：100-114．

［16］張玲，董成立，張偉偉.數(shù)字普惠金融對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響機(jī)制研究［J］.哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，40（6）：20-30.

［17］BaronRM，KennyDA.TheModerator-mediatorVariableDistinctioninSocialPsychologicalResearch：Conceptual，Strategic，andStatisticalConsiderations［J］.JournalofPersonalityandSocialPsychology，1986，51（6）：1173-1182.

［18］KarlsonKB，HolmA，BreenR.ComparingCoefficientsofNestedNonlinearProbabilityModels［J］.TheStataJournal，2011，11：420-438.

［19］CavesDW，ChristenseLR，DiewertWE.TheEconomicTheoryofIndexNumbersandtheMeasurementofInput，Output，andProductivity［J］.Econometrica，1982，50（6）：1393-1414.

［20］郭峰，王靖一，王芳，等．測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征［J］．經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418．

［21］鄭萬(wàn)騰，趙紅巖，范宏．?dāng)?shù)字金融發(fā)展對(duì)區(qū)域創(chuàng)新的激勵(lì)效應(yīng)研究［J］．科研管理，2021，42（4）：138-146．

［22］張勛，萬(wàn)廣華，張佳佳，等．?dāng)?shù)字經(jīng)濟(jì)、普惠金融與包容性增長(zhǎng)［J］．經(jīng)濟(jì)研究，2019，54（8）：71-86．

［23］郭珂，郭雪萌．產(chǎn)業(yè)集聚與企業(yè)資產(chǎn)結(jié)構(gòu)——基于中國(guó)地級(jí)市及上市企業(yè)的證據(jù)［J］．金融經(jīng)濟(jì)學(xué)研究，2023，38（6）：32-49．

［24］傅秋子，黃益平.數(shù)字金融對(duì)農(nóng)村金融需求的異質(zhì)性影響——來(lái)自中國(guó)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，2018，61（11）：68-84.

［25］宋敏，周鵬，司海濤．金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2021，38（4）：138-155.

［26］邸勍，袁曉玲，王書蓓.城鎮(zhèn)化影響環(huán)境質(zhì)量的典型機(jī)制與差異化研究［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2021，43（3）：94-106.

［27］李強(qiáng)，陳宇琳，劉精明．中國(guó)城鎮(zhèn)化“推進(jìn)模式”研究［J］．中國(guó)社會(huì)科學(xué)，2012，33（7）：82-100+204-205．

TheImpactofDigitalFinanceonUrbanTotalFactorProductivity

——AnExaminationbasedonInnovation-drivenandFactorAllocationPerspectives

DIQing1a，b，YUANXiaoling1c，ZHANGMeisha2

（1.Xi’anJiaotongUniversity，a.SchoolofPublicPolicyandAdministration;b.Instituteof“TheBeltand

TheRoad”PilotFreeTradeZone;c.SchoolofEconomicsandFinance，Xi’anJiaotongUniversity，

Xi’an710049，China;2.SchoolofMarxism，Chang’anUniversity，Xi’an710064，China）

Abstract：Effortstoimprovetotalfactorproductivityisthedrivingforceforhigh-qualitydevelopment，anddigitalfinance，asanewengineforeconomicdevelopment，isanimportantmeasureforfinancialinstitutionstoimprovethequalityandefficiencyofservingtherealeconomyandboostproductivity.Taking286citiesinChinafrom2011to2020assamples，thispaperexplorestheeffectandmechanismofdigitalfinanceonurbantotalfactorproductivity，andfurtherteststheheterogeneityoftheaboveconclusionsbasedonthedifferencesofpowersourcesandspatialpatternsinChina’surbanizationprocess.Thefindingsareasfollows：（1）Digitalfinancesignificantlypromotestheimprovementoftotalfactorproductivity;Thecoverageofdigitalfinancehasthemostobviouseffect，followedbythedepthofuseofdigitalfinanceandthedegreeofdigitalfinancedigitalization.（2）Digitalfinancecanempowertotalfactorproductivitybypromotingtechnologicalinnovationandoptimizingfactorallocation;FurtherusingKHBmethodtodecomposethecontributiondegree，itisfoundthatthecontributiondegreeofinnovation-driveneffectisgreaterthanthatoffactorallocationeffect.（3）Underdifferenturbanizationpromotionmodels，theeffectofdigitalfinanceontotalfactorproductivityisdifferent.Comparedwithgovernment-ledandwidth-promotedcities，digitalfinanceinmarket-ledanddeep-promotedcitieshasamoresignificanteffectontheimprovementoftotalfactorproductivity.

Keywords：digitalfinance;totalfactorproductivity;innovation-driven;elementallocation;urbanizationpromotionmodel

（責(zé)任編輯：趙春江）