數(shù)字化智能化對(duì)金融業(yè)運(yùn)行效率的影響研究

姚鳳閣,王天航

(哈爾濱商業(yè)大學(xué) 金融學(xué)院, 哈爾濱 150028)

引 言

近年來信息技術(shù)的跨越式發(fā)展，推動(dòng)了智能化與數(shù)字化在金融業(yè)的廣泛應(yīng)用，尤其支付寶的誕生，帶動(dòng)了以物聯(lián)網(wǎng)、移動(dòng)互聯(lián)、云計(jì)算、區(qū)塊鏈、生物識(shí)別等技術(shù)為基礎(chǔ)的互聯(lián)網(wǎng)支付、互聯(lián)網(wǎng)保險(xiǎn)與理財(cái)、股權(quán)眾籌、網(wǎng)絡(luò)消費(fèi)等金融科技的快速崛起，金融業(yè)的發(fā)展打破了傳統(tǒng)金融在時(shí)間的滯后性與空間上的距離性。在這樣的大環(huán)境下，只有提高金融業(yè)運(yùn)行效率才能確保經(jīng)濟(jì)社會(huì)的平穩(wěn)運(yùn)行，那么智能化與數(shù)字化的應(yīng)用是否能對(duì)金融行業(yè)運(yùn)行效率有所影響？這種影響是怎樣的？研究這些問題將對(duì)金融業(yè)未來的發(fā)展方向與方式具有重要意義。

一、文獻(xiàn)回顧

數(shù)字化與智能化廣泛應(yīng)用于金融行業(yè)，數(shù)字化是指一種信號(hào)處理過程，它是將各種復(fù)雜的外部信息進(jìn)行量化，轉(zhuǎn)變?yōu)橐子谟?jì)算機(jī)或者機(jī)器處理的語(yǔ)言；智能化則是事物借助人工智能等外部技術(shù)支持能動(dòng)地滿足人的各種需求的屬性?，F(xiàn)有文獻(xiàn)針對(duì)數(shù)字化和智能化在金融業(yè)中應(yīng)用的研究基本依托于金融科技的視角，“金融科技”一詞在國(guó)內(nèi)的出現(xiàn)晚于西方，由于國(guó)外相關(guān)文獻(xiàn)對(duì)于“金融科技”的論述一直沒能達(dá)成統(tǒng)一共識(shí)，所以也造成了后續(xù)研究側(cè)重點(diǎn)的不同。Bunnell等(2020)認(rèn)為金融科技是確保金融業(yè)務(wù)順利運(yùn)行的技術(shù)支持，并將這些技術(shù)根據(jù)業(yè)務(wù)模塊做了區(qū)分，突出強(qiáng)調(diào)了金融科技對(duì)于傳統(tǒng)金融業(yè)務(wù)缺陷的數(shù)字化支持[1]。Thakor(2020)則認(rèn)為金融科技更側(cè)重于創(chuàng)新，技術(shù)活動(dòng)在金融領(lǐng)域的應(yīng)用其意義在于對(duì)傳統(tǒng)金融產(chǎn)品的升級(jí)以及服務(wù)的改善，是一種動(dòng)態(tài)的推進(jìn)過程而不僅僅是靜態(tài)的科技手段[2]。也有一些學(xué)者對(duì)于金融科技的認(rèn)識(shí)持有謹(jǐn)慎觀點(diǎn)，Martino(2021)則認(rèn)為金融科技同時(shí)也帶給了傳統(tǒng)金融更大的威脅，銀行等金融機(jī)構(gòu)的客戶越來越適應(yīng)新技術(shù)帶來的優(yōu)越性，因此迫使這些金融機(jī)構(gòu)進(jìn)行業(yè)務(wù)和戰(zhàn)略的重新整合，這種沖擊是具有破壞性的[3]。

關(guān)于金融業(yè)效率問題的研究，國(guó)內(nèi)研究成果主要集中于行業(yè)區(qū)域性差異以及影響因素方面，金春雨等(2013)利用數(shù)據(jù)包絡(luò)分析對(duì)我國(guó)2001—2010年金融業(yè)效率進(jìn)行了測(cè)算，證明了在這期間金融業(yè)發(fā)展具有明顯的區(qū)域特征，規(guī)模效率通過作用于技術(shù)效率與技術(shù)進(jìn)步共同促進(jìn)了金融業(yè)全要素生產(chǎn)率的提升[4]。金春雨和韓哲(2012)具體分析了影響金融業(yè)效率的因素，認(rèn)為社會(huì)財(cái)富、產(chǎn)業(yè)結(jié)構(gòu)和生活水平對(duì)其有顯著正影響，而行業(yè)經(jīng)營(yíng)低效和經(jīng)營(yíng)環(huán)境則起到了反作用[5]。馬正兵(2015)研究了1997—2012年我國(guó)金融業(yè)全要素生產(chǎn)率變化趨勢(shì)，發(fā)現(xiàn)自1999年出現(xiàn)拐點(diǎn)以來，我國(guó)金融業(yè)全要素生產(chǎn)率增長(zhǎng)一直為正，但是由于政府的非中性經(jīng)濟(jì)干預(yù)導(dǎo)致其中技術(shù)效率因素起到了制約作用[6]。戴偉和張雪芳(2015)對(duì)我國(guó)省級(jí)金融業(yè)效率絕對(duì)水平進(jìn)行了測(cè)算，盡管2000年以后我國(guó)金融業(yè)效率處于正增長(zhǎng)，但是整體來看效率水平絕對(duì)值偏低[7]。李雯和王純峰(2019)研究發(fā)現(xiàn)供給側(cè)和需求側(cè)對(duì)金融效率的影響存在顯著不同，且影響程度存在區(qū)域性差異[8]。在金融效率的其他影響方面，唐昭霞(2019)從微觀層面證明了行業(yè)競(jìng)爭(zhēng)有利于金融企業(yè)經(jīng)營(yíng)效率的提升[9]。梁琳(2021)借助雙重差分模型分析了當(dāng)前階段我國(guó)人工智能政策對(duì)金融業(yè)的消極影響，驗(yàn)證了政策悖論的顯著效應(yīng)[10]。

金融業(yè)效率的研究已經(jīng)不是新穎的命題，但關(guān)于數(shù)字化、智能化前沿技術(shù)對(duì)金融業(yè)效率的影響研究并沒有得出統(tǒng)一的結(jié)論，導(dǎo)致這種結(jié)果的原因主要是：首先，對(duì)數(shù)字化和智能化等科技屬性的變量量化存在難度，難以統(tǒng)一。例如現(xiàn)有文獻(xiàn)在研究此種性質(zhì)的變量多數(shù)會(huì)直接通過數(shù)字金融或者金融科技的視角進(jìn)行展開，且在選取量化方法時(shí)通常采取文本挖掘法[11]、賦權(quán)構(gòu)建相關(guān)指數(shù)[12]以及替代變量法[13]等不同方法。其次，金融業(yè)效率的測(cè)算由于投入產(chǎn)出指標(biāo)的選取差異會(huì)造成最終結(jié)果的差異，并且時(shí)間跨度的不同也是造成其結(jié)果差異的一大因素。金融科技在近些年得到了快速發(fā)展，現(xiàn)有文獻(xiàn)有相當(dāng)一部分研究時(shí)間段跨度過于久遠(yuǎn)，同時(shí)缺乏權(quán)威的科技類量化指標(biāo)，所以關(guān)于數(shù)字化智能化對(duì)金融業(yè)運(yùn)行效率影響研究的命題也相對(duì)較為欠缺，因此進(jìn)一步理順兩者作用機(jī)制，選取時(shí)間跨度更為合理和更新的數(shù)據(jù)，有利于為今后金融業(yè)高效率運(yùn)行、更好地服務(wù)實(shí)體經(jīng)濟(jì)提供參考。

二、理論分析與研究假設(shè)

盡管“經(jīng)濟(jì)人假設(shè)”默認(rèn)了經(jīng)濟(jì)行為中各方擁有“完全信息”，但信息不對(duì)稱是一直存在的。出于逐利目的，交易雙方或多或少會(huì)隱藏部分對(duì)自己無利的信息，事前信息不對(duì)稱則容易導(dǎo)致逆向選擇問題，而事后信息不對(duì)稱則容易導(dǎo)致道德風(fēng)險(xiǎn)。作為經(jīng)濟(jì)運(yùn)行的中介，金融業(yè)同時(shí)面臨買方與賣方的雙側(cè)交易風(fēng)險(xiǎn)，銀行等金融中介機(jī)構(gòu)會(huì)經(jīng)常尋求與熟悉的客戶進(jìn)行交易并且對(duì)其有優(yōu)惠利率，而其他客戶尤其一些中小企業(yè)則很難與金融中介機(jī)構(gòu)達(dá)成交易或者以高溢價(jià)進(jìn)行交易，這就是金融機(jī)構(gòu)為避免信息不對(duì)稱帶來?yè)p失的一種體現(xiàn)。從宏觀層面看，信息不對(duì)稱的結(jié)果是經(jīng)濟(jì)體整體經(jīng)營(yíng)成本的上升，企業(yè)會(huì)有更高的融資約束[14]，金融業(yè)配置資源效率下降。

金融業(yè)作為一種輕資產(chǎn)行業(yè)且由于行業(yè)性質(zhì)原因不像其他工業(yè)企業(yè)一樣受地理位置因素影響明顯，但是從理論上講，地理位置所帶來的優(yōu)勢(shì)必然對(duì)其發(fā)展造成潛移默化的影響，于是“金融集聚”開始獨(dú)立作為一個(gè)研究分支。顯而易見，金融集聚也是產(chǎn)業(yè)集聚的一種，而作為經(jīng)濟(jì)運(yùn)行的中介，信息優(yōu)勢(shì)是其不可忽略的關(guān)鍵因素，并主導(dǎo)了金融集聚，“非標(biāo)準(zhǔn)化”信息會(huì)增加溝通成本，而行業(yè)集聚會(huì)降低這些損耗[15]。另外，隨著現(xiàn)代技術(shù)的發(fā)展，高新技術(shù)產(chǎn)業(yè)的集聚同樣對(duì)金融業(yè)有正向影響，這些技術(shù)在金融業(yè)中的廣泛應(yīng)用直接提升了行業(yè)資源配置與整合能力[16]。

綜上所述，金融業(yè)作為經(jīng)濟(jì)的中介其運(yùn)行效率的高低與市場(chǎng)中的“信息”息息相關(guān)。一方面，互聯(lián)網(wǎng)金融服務(wù)實(shí)體經(jīng)濟(jì)的能力在不斷增強(qiáng)，同時(shí)大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等高新技術(shù)正推動(dòng)市場(chǎng)信息的逐漸透明化，金融行業(yè)信息獲取成本也隨之降低；另一方面，信息驅(qū)動(dòng)的金融產(chǎn)業(yè)集聚隨著當(dāng)今互聯(lián)網(wǎng)技術(shù)的進(jìn)步得到了進(jìn)一步強(qiáng)化，依托數(shù)字化與智能化實(shí)現(xiàn)的資源互通與信息共享也打破了傳統(tǒng)依托區(qū)位優(yōu)勢(shì)而得到的規(guī)模經(jīng)濟(jì)規(guī)律。因此本文提出如下假設(shè)：

假設(shè)：數(shù)字化智能化發(fā)展對(duì)于金融業(yè)運(yùn)行效率有正向促進(jìn)作用

三、實(shí)證分析

(一)數(shù)據(jù)來源與處理

1.核心解釋變量的選取與處理

數(shù)字化智能化在金融業(yè)的應(yīng)用屬于金融科技的范疇，對(duì)于此類變量的衡量目前文獻(xiàn)更多采用的處理方式是替代變量或者挖掘法構(gòu)建一個(gè)衡量指數(shù)，本文認(rèn)為文本挖掘法中建立初始詞庫(kù)以及對(duì)關(guān)鍵詞的篩選等步驟過于主觀，并且以“詞頻”反映“技術(shù)水平”過于片面，而且考慮到當(dāng)前各大網(wǎng)站都有專門針對(duì)反爬蟲的保護(hù)措施，文本挖掘法得到的信息并不能完全反映實(shí)際情況，因此考慮選取替代變量法構(gòu)建解釋變量，參考邱晗等(2018)的做法[13]，本文同樣用其來衡量解釋變量數(shù)字化智能化發(fā)展水平(DITEC)，數(shù)據(jù)選取2011—2019年省級(jí)面板數(shù)據(jù)。

2.被解釋變量的選取與處理

確定被解釋變量金融業(yè)效率(EFFICIENCY)首先需要選取合適的投入指標(biāo)和產(chǎn)出指標(biāo)。梳理現(xiàn)有文獻(xiàn)可以發(fā)現(xiàn)，金融業(yè)效率的投入指標(biāo)一般選取金融業(yè)從業(yè)人員數(shù)量、金融業(yè)固定資產(chǎn)投資額、金融業(yè)存款余額、金融業(yè)固定資本存量、金融機(jī)構(gòu)數(shù)、金融業(yè)從業(yè)人員工資總額、銀行業(yè)規(guī)模、證券業(yè)規(guī)模以及勞動(dòng)力投入等，產(chǎn)出指標(biāo)主要選取金融業(yè)增加值，也有文獻(xiàn)選取了年末金融機(jī)構(gòu)貸款余額[17-19]。參考現(xiàn)有文獻(xiàn)并結(jié)合研究?jī)?nèi)容，同時(shí)考慮數(shù)據(jù)的可得性，投入指標(biāo)選取金融業(yè)城鎮(zhèn)單位就業(yè)人員、金融業(yè)法人單位數(shù)和年末金融機(jī)構(gòu)存款余額，產(chǎn)出指標(biāo)選取金融業(yè)增加值。其中，金融業(yè)城鎮(zhèn)單位就業(yè)人員用來反映金融業(yè)投入的人力要素，數(shù)據(jù)來源為國(guó)家統(tǒng)計(jì)局；金融業(yè)法人單位數(shù)用來反映金融業(yè)投入的物力要素，數(shù)據(jù)來源為國(guó)家統(tǒng)計(jì)局；年末金融機(jī)構(gòu)存款余額用來反映金融業(yè)投入的財(cái)力要素，數(shù)據(jù)來源為《中國(guó)城市統(tǒng)計(jì)年鑒》。所有數(shù)據(jù)選取2011—2019年省級(jí)面板數(shù)據(jù)。由于數(shù)據(jù)的缺失，金融業(yè)法人單位數(shù)2013年數(shù)據(jù)取了2014年和2012年的平均值。年末金融機(jī)構(gòu)存款余額數(shù)據(jù)中，海南省只計(jì)入三亞市和?？谑袛?shù)據(jù)；貴州省只計(jì)入貴陽(yáng)事、六盤水市、遵義市和安順市，遵義市2019年數(shù)據(jù)缺失，以2018年和2020年的平均值代替；西藏自治區(qū)只計(jì)入拉薩市數(shù)據(jù)；青海省只計(jì)入西寧市數(shù)據(jù)；新疆維吾爾自治區(qū)只計(jì)入烏魯木齊市和克拉瑪依市數(shù)據(jù)。

3.控制變量

(1)地方政府一般預(yù)算支出(expenditure)。將地方政府一般預(yù)算支出作為其中一個(gè)控制變量(數(shù)據(jù)來源為國(guó)家統(tǒng)計(jì)局)，考慮到此變量數(shù)值過大，為了使實(shí)證結(jié)果更直觀而對(duì)其取對(duì)數(shù)處理(lnexpenditure)。

(2)研究生及以上學(xué)歷占比(education)。受教育程度是勞動(dòng)力資本的重要構(gòu)成要素，作為企業(yè)金融機(jī)構(gòu)同樣以利潤(rùn)最大化為經(jīng)營(yíng)目標(biāo)，隨著科技創(chuàng)新在金融系統(tǒng)中的應(yīng)用，工作環(huán)境對(duì)復(fù)雜業(yè)務(wù)流程處理的要求也逐步提高，而高學(xué)歷人才相對(duì)有著更高的適應(yīng)性。因此將研究生及以上學(xué)歷占比作為其中一個(gè)控制變量，其中西藏自治區(qū)2011年、2013年和2014年缺失數(shù)據(jù)根據(jù)其他年份情況按最低水平補(bǔ)齊，數(shù)據(jù)來源為《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》。

(3)城鎮(zhèn)化率(urbanization)。城鎮(zhèn)化有助于進(jìn)一步深化產(chǎn)業(yè)分工，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的合理轉(zhuǎn)變，這一過程帶動(dòng)了金融業(yè)對(duì)資源尤其是資本要素的合理再分配，因此將城鎮(zhèn)化率作為其中一個(gè)控制變量，其數(shù)值由城鎮(zhèn)常住人口占該地區(qū)常住總?cè)丝诘谋戎档玫剑嚓P(guān)數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局。

(二)模型的設(shè)定

根據(jù)以上分析，設(shè)定如下計(jì)量模型：

EFFICIENCYit=αDITECit+β1Inexpenditureit+β2educationit+β3urbanizationit+λi+μt+εit

(1)

式中，變量EFFICIENCY表示金融業(yè)運(yùn)行效率，變量EITEC表示數(shù)字化智能化發(fā)展程度，Inexpenditure表示取對(duì)數(shù)后的地方政府一般預(yù)算支出，education表示研究生及以上學(xué)歷占比，urbanization表示城鎮(zhèn)化率，系數(shù)α、β1、β2和β3分別表示數(shù)字化智能化發(fā)展程度、地方政府一般預(yù)算支出、研究生及以上學(xué)歷占比和城鎮(zhèn)化率對(duì)金融業(yè)運(yùn)行效率的影響效應(yīng)，i表示省份，t表示年份，λi表示個(gè)體固定效應(yīng)，μt表示時(shí)間固定效應(yīng)，εit表示擾動(dòng)項(xiàng)。

(三)金融業(yè)運(yùn)行效率測(cè)算及描述性統(tǒng)計(jì)

利用數(shù)據(jù)包絡(luò)分析(DEA)對(duì)我國(guó)31個(gè)省級(jí)行政區(qū)金融業(yè)運(yùn)行效率進(jìn)行了測(cè)算。DEA模型以相對(duì)效率為基礎(chǔ)，采用非參數(shù)方法來評(píng)價(jià)判斷同類型的決策單元(DMU)，能夠避免主觀、減少誤差并簡(jiǎn)化運(yùn)算。DEA效率評(píng)價(jià)模型的原理是利用線性規(guī)劃的方法，建立一個(gè)有效的最佳效率前沿面，將待測(cè)決策單元與前沿面進(jìn)行對(duì)比，進(jìn)而判斷被檢測(cè)決策單元是否有效并對(duì)現(xiàn)有的投入和產(chǎn)出值給予指導(dǎo)，最終實(shí)現(xiàn)效率最大化。最基礎(chǔ)、最常用DEA模型主要有兩類：一是不變規(guī)模報(bào)酬(CRS)的CCR模型，是在假設(shè)規(guī)模報(bào)酬不變的情況下進(jìn)行效率測(cè)算；二是可變規(guī)模報(bào)酬(VRS)的BCC模型，其測(cè)算的純技術(shù)效率以規(guī)模報(bào)酬可變?yōu)榧僭O(shè)。本文運(yùn)用的是基于投入角度的BCC(input-BC2)模型，X、Y為投入和產(chǎn)出變量，其數(shù)學(xué)公式如下：

(2)

模型中對(duì)決策單元DMU有效性的定義為：若θ=1且S-≠S+≠0，則稱DMU為弱DEA有效；若θ=1且有S-=S+=0成立，則稱DMU為DEA有效；若θ<1，則稱DMU為非DEA有效。由此，以省級(jí)行政單位為劃分標(biāo)準(zhǔn)，測(cè)算了其金融業(yè)運(yùn)行效率。

根據(jù)測(cè)算結(jié)果可知(1)限于篇幅，相關(guān)測(cè)算結(jié)果節(jié)略，如果有需要，請(qǐng)向作者索取。，中國(guó)金融業(yè)運(yùn)行效率在2018年和2019年整體上達(dá)到了較高水平，北京、天津、吉林、上海以及廣東等省份及直轄市金融業(yè)運(yùn)行效率達(dá)到高水準(zhǔn)的時(shí)間較早，如果以時(shí)間軸來看，中國(guó)金融業(yè)運(yùn)行效率總體呈現(xiàn)上升趨勢(shì)，具體地，所用回歸分析中各變量情況如表1所示：

表1 描述性統(tǒng)計(jì)

(四)回歸分析

繪制被解釋變量金融業(yè)運(yùn)行效率與核心解釋變量數(shù)字化智能化發(fā)展程度之間的散點(diǎn)圖(如圖1所示)，直觀上看兩者呈正相關(guān)關(guān)系，為了準(zhǔn)確檢驗(yàn)前述假設(shè)，對(duì)其具體影響機(jī)制做進(jìn)一步驗(yàn)證。

圖 金融業(yè)運(yùn)行效率與數(shù)字化智能化發(fā)展程度關(guān)系散點(diǎn)圖

基于全樣本數(shù)據(jù)對(duì)其進(jìn)行了固定效應(yīng)(FE)和隨機(jī)效應(yīng)(RE)的回歸，并通過Hausman檢驗(yàn)對(duì)回歸類型進(jìn)行了選擇(如表2可知)。Hausman檢驗(yàn)的卡方值為29.94，P值為0，說明在1%的顯著性水平下拒絕了“核心解釋變量與個(gè)體固定效應(yīng)不相關(guān)”的原假設(shè)，即應(yīng)該選用固定效應(yīng)模型進(jìn)行分析。

核心解釋變量DITEC的回歸系數(shù)為正，且在5%的置信水平上顯著，說明數(shù)字化智能化發(fā)展對(duì)金融業(yè)運(yùn)行效率存在正向影響，這也驗(yàn)證了提出的假設(shè)成立。得益于支付寶的誕生，加速了數(shù)字化與智能化在互聯(lián)網(wǎng)金融領(lǐng)域的創(chuàng)新，以大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算等前沿技術(shù)為支撐的現(xiàn)代信用體系和支付體系推動(dòng)市場(chǎng)信息逐步透明化，在為市場(chǎng)參與者帶來極大便利的同時(shí)，也讓金融業(yè)分享了極大的紅利。金融業(yè)以此為契機(jī)改變傳統(tǒng)線下以人力物力投入主導(dǎo)的發(fā)展模式成功向技術(shù)主導(dǎo)型業(yè)務(wù)轉(zhuǎn)型，新的業(yè)務(wù)模式能更好地適應(yīng)個(gè)人消費(fèi)習(xí)慣，同時(shí)也降低了與企業(yè)的溝通成本，使得經(jīng)營(yíng)成本大大降低，效率得到提升。

控制變量lnexpenditure的回歸系數(shù)為負(fù)，且在5%的置信水平上顯著，說明地方政府一般預(yù)算支出的增加會(huì)對(duì)金融業(yè)運(yùn)行效率存在抑制作用。這似乎與人們的直觀認(rèn)知存在偏差，但事實(shí)上，財(cái)政支出一方面可能會(huì)使行業(yè)產(chǎn)生過度依賴的現(xiàn)象，另一方面可能還會(huì)打破原有良性運(yùn)轉(zhuǎn)體系。由此可知，財(cái)政支出對(duì)行業(yè)發(fā)展存在兩面性。

控制變量education的回歸系數(shù)為負(fù)，但回歸結(jié)果并不顯著，說明高學(xué)歷人員對(duì)金融業(yè)運(yùn)行效率的影響效應(yīng)存在不確定性。高學(xué)歷人員通常具備扎實(shí)的理論知識(shí)和完善的邏輯思維等優(yōu)勢(shì)，但在操作方面可能與熟練技術(shù)人員相比存在一定欠缺，金融行業(yè)的良性運(yùn)轉(zhuǎn)離不開高學(xué)歷人員在管理端的集思廣益，同樣也離不開技術(shù)人員在運(yùn)營(yíng)端的辛勤付出，所以將學(xué)歷因素視為影響被解釋變量的單一因素進(jìn)行研究存在一定不足，本文回歸結(jié)果存在合理性。

控制變量urbanization的回歸系數(shù)為正，且在1%的置信水平上顯著，說明了城鎮(zhèn)化有效推動(dòng)了金融業(yè)運(yùn)行效率的提升。相比于農(nóng)村地區(qū)，城市具有更好的基礎(chǔ)設(shè)施設(shè)備，隨著農(nóng)村人口的遷移，城市的負(fù)載進(jìn)一步增加，這一方面意味著原先金融機(jī)構(gòu)服務(wù)體系在城市的覆蓋人群增加，另一方面人口的集聚也會(huì)促使產(chǎn)業(yè)的進(jìn)一步優(yōu)化和升級(jí)，高質(zhì)量的服務(wù)覆蓋網(wǎng)絡(luò)與更有效的資金融通模式勢(shì)必對(duì)金融業(yè)整體運(yùn)行效率起到助推作用。

(五)內(nèi)生性分析

前文的分析均在基于解釋變量嚴(yán)格外生的基礎(chǔ)上，但當(dāng)模型中存在內(nèi)生性解釋變量時(shí)則會(huì)對(duì)估計(jì)結(jié)果的準(zhǔn)確性產(chǎn)生影響，因此需對(duì)內(nèi)生性問題進(jìn)行檢驗(yàn)并討論以剔除內(nèi)生性問題對(duì)文章結(jié)論產(chǎn)生的偏差。目前文獻(xiàn)關(guān)于變量?jī)?nèi)生問題的處理方法更多地采用核心解釋變量滯后一期的做法，本文同樣借鑒此種方法，采用IV-2SLS進(jìn)行回歸，具體結(jié)果如表3所示：

表2 固定效應(yīng)回歸及Hausman檢驗(yàn)結(jié)果

表3 內(nèi)生性檢驗(yàn)

由表3可知，Kleribergen-Paap rk LM檢驗(yàn)在1%的顯著性水平上拒絕了“工具變量識(shí)別不足”的原假設(shè)，同時(shí)Kleribergen-Paap rk F統(tǒng)計(jì)量為306.251，大于10%水平臨界值16.38，說明不存在弱工具變量問題。另外，Anderson-Rubin檢驗(yàn)在1%的顯著性水平上拒絕了“工具變量與內(nèi)生變量不相關(guān)”的原假設(shè)，由此說明此工具變量的有效性；核心解釋變量系數(shù)絕對(duì)值稍有降低，但符號(hào)方向沒有改變，且仍在1%的置信水平上顯著，控制變量結(jié)果也與前文保持一致。

(六)異質(zhì)性分析

現(xiàn)有文獻(xiàn)針對(duì)異質(zhì)性分析大多基于地理區(qū)域劃分回歸分組，但考慮到地理位置特性并不能充分反映經(jīng)濟(jì)學(xué)特性，因此以2011—2019年各省級(jí)行政單位的每萬(wàn)人年均GDP作為回歸分組劃分依據(jù)(此指標(biāo)由各省級(jí)行政區(qū)各年GDP除以年末常駐人口再取平均值得出，數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局)。具體地，將北京、上海、江蘇、天津、浙江、山東、福建、廣東、湖北、重慶、陜西、內(nèi)蒙古、遼寧、湖南和安徽劃分為經(jīng)濟(jì)發(fā)達(dá)地區(qū)，將河南、四川、江西、吉林、河北、山西、黑龍江、青海、云南、西藏、貴州、廣西、甘肅、新疆、海南和寧夏劃分為經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，分組回歸結(jié)果如表4所示。

表4 異質(zhì)性分析回歸結(jié)果

由表4結(jié)果可以看出，在分地區(qū)的估計(jì)結(jié)果中數(shù)字化智能化對(duì)金融業(yè)運(yùn)行效率的影響效應(yīng)沒有實(shí)質(zhì)性改變，兩組回歸系數(shù)均為正，但對(duì)于全國(guó)層面來說顯著性略微偏低。在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，數(shù)字化智能化發(fā)展對(duì)金融業(yè)運(yùn)行效率的促進(jìn)作用更明顯，因?yàn)橄啾扔诮?jīng)濟(jì)發(fā)達(dá)地區(qū)，在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)金融業(yè)發(fā)展空間更大，現(xiàn)代化技術(shù)的應(yīng)用對(duì)行業(yè)整體的邊際貢獻(xiàn)更加明顯；財(cái)政支出對(duì)經(jīng)濟(jì)欠發(fā)達(dá)省份的金融業(yè)運(yùn)行效率抑制作用更明顯，學(xué)歷占比在分地區(qū)的回歸估計(jì)中仍不顯著，而城鎮(zhèn)化率仍然在1%的置信水平上顯著，其對(duì)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的作用效果同樣高于經(jīng)濟(jì)發(fā)達(dá)地區(qū)。

(七)穩(wěn)健性檢驗(yàn)

為了保證研究結(jié)果的可靠性，分別選擇北京大學(xué)數(shù)字金融研究中心發(fā)布的數(shù)字普惠金融“覆蓋廣度(BREADTH)”和“使用深度(DEPTH)”兩個(gè)指標(biāo)替換原核心解釋變量重新進(jìn)行回歸，由表5所示，數(shù)字化智能化發(fā)展對(duì)金融業(yè)運(yùn)行效率的影響效應(yīng)結(jié)果僅存在系數(shù)絕對(duì)值大小上的輕微改變，符號(hào)未發(fā)生改變，因此認(rèn)為原結(jié)論未發(fā)生實(shí)質(zhì)性改變，說明原結(jié)論具有可靠性。

表5 穩(wěn)健性檢驗(yàn)結(jié)果

四、結(jié)論及建議

本文基于近年來在支付寶、微信支付等帶動(dòng)下互聯(lián)網(wǎng)金融快速發(fā)展的背景，研究了數(shù)字化智能化發(fā)展對(duì)我國(guó)金融業(yè)運(yùn)行效率的影響，在控制了地方政府一般預(yù)算支出、研究生及以上學(xué)歷占比和城鎮(zhèn)化率變量后，設(shè)計(jì)了雙向固定效應(yīng)模型。研究認(rèn)為，數(shù)字化智能化發(fā)展對(duì)我國(guó)金融業(yè)運(yùn)行效率存在正向影響，在替換解釋變量的穩(wěn)健性檢驗(yàn)下此結(jié)論依然成立，這種影響對(duì)經(jīng)濟(jì)欠發(fā)達(dá)的省份比經(jīng)濟(jì)發(fā)達(dá)省份的促進(jìn)作用更加明顯；財(cái)政支出則對(duì)金融業(yè)運(yùn)行效率存在抑制作用，城鎮(zhèn)化率同樣對(duì)金融業(yè)運(yùn)行效率有促進(jìn)作用，但是學(xué)歷因素對(duì)其影響則存在不確定性。

基于結(jié)論，為進(jìn)一步提升我國(guó)金融業(yè)運(yùn)行效率提出如下建議：

(1)加大研發(fā)投入，促進(jìn)科技創(chuàng)新與金融運(yùn)行深度融合。我國(guó)經(jīng)濟(jì)發(fā)展仍存在區(qū)域性不均衡現(xiàn)象，通過財(cái)政支出的政策性傾斜，持續(xù)推動(dòng)前沿技術(shù)攻關(guān)，促進(jìn)工業(yè)互聯(lián)網(wǎng)、5G網(wǎng)絡(luò)等技術(shù)更好與金融業(yè)融合，實(shí)現(xiàn)金融網(wǎng)絡(luò)全覆蓋與高效互通。

(2)細(xì)化財(cái)政支出分類，實(shí)現(xiàn)資金精準(zhǔn)扶持。我國(guó)財(cái)政支出跟蹤機(jī)制尚不成熟，資金使用效率反饋機(jī)制有待提高，籠統(tǒng)財(cái)政撥款容易造成局部資金使用的無效率，同時(shí)產(chǎn)生過度依賴性，細(xì)化資金流向有利于對(duì)特定對(duì)象的精準(zhǔn)扶持。

(3)推動(dòng)監(jiān)管部門人才引進(jìn)，完善制度體系。伴隨著互聯(lián)網(wǎng)金融的快速發(fā)展，越來越多的融資模式與資金業(yè)務(wù)隨之產(chǎn)生，難免有不法分子鉆法律空白進(jìn)行不當(dāng)斂財(cái)行為，監(jiān)管部門一方面要通過引進(jìn)專業(yè)的高層次人才對(duì)風(fēng)險(xiǎn)進(jìn)行識(shí)別同時(shí)在網(wǎng)絡(luò)后臺(tái)進(jìn)行有效監(jiān)管，另一方面也要積極與法律部門溝通，聯(lián)合出臺(tái)相關(guān)政策法規(guī)，實(shí)現(xiàn)對(duì)投資者的及時(shí)保護(hù)。