基于DSDM 的數(shù)字金融對中國區(qū)域創(chuàng)新效率影響效應(yīng)研究

劉 昱張 旭

(青島大學(xué)經(jīng)濟學(xué)院,青島 260061)

黨的十九大報告指出,“創(chuàng)新是引領(lǐng)發(fā)展的第一動力,是建設(shè)現(xiàn)代化經(jīng)濟體系的戰(zhàn)略支撐”。當(dāng)前,中國經(jīng)濟已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段,創(chuàng)新作為經(jīng)濟增長的根本動力,正處于從要素投入型向高效自主創(chuàng)新型突破的關(guān)鍵時期。創(chuàng)新活動具有高風(fēng)險、高不確定性的特點,在傳統(tǒng)金融業(yè)務(wù)模式下,難以獲取充足穩(wěn)定的資金供給。近年來,隨著互聯(lián)網(wǎng)普及和科學(xué)技術(shù)迅速發(fā)展,以數(shù)字化方式提供金融服務(wù)的數(shù)字金融應(yīng)運而生。各類金融機構(gòu)憑借數(shù)字技術(shù)支持,利用科技手段賦能金融業(yè)務(wù),突破傳統(tǒng)金融模式,為客戶提供數(shù)字化的信貸、保險和理財?shù)冉鹑诋a(chǎn)品與服務(wù)[1]。數(shù)字金融作為傳統(tǒng)金融的有效補充,借助互聯(lián)網(wǎng)普及拓寬金融業(yè)務(wù)覆蓋廣度,憑借數(shù)字技術(shù)低成本、便利化特性降低交易成本和金融服務(wù)門檻,以滿足不同客戶的交易需求,提高金融服務(wù)的可獲得性。中國的數(shù)字金融領(lǐng)域研究走在世界前列,國外數(shù)字金融研究較少且數(shù)字金融對創(chuàng)新的影響研究更為匱乏。國內(nèi)數(shù)字金融對創(chuàng)新影響的相關(guān)研究中,微觀企業(yè)層面研究發(fā)現(xiàn)數(shù)字金融對企業(yè)創(chuàng)新驅(qū)動效應(yīng)顯著且呈現(xiàn)較長時間序列的穩(wěn)健[2],數(shù)字金融通過緩解中小企業(yè)外源融資約束[3]、提升政府稅收返還[4]來促進企業(yè)創(chuàng)新水平提升;宏觀區(qū)域?qū)用嫜芯靠芍獢?shù)字金融主要通過加強銀行信貸對創(chuàng)新活動的支持、增加居民消費、強化銀行業(yè)競爭、提高市場化水平和激發(fā)市場潛力等多條渠道提升城市創(chuàng)新水平與能力[5-6],中西部城市、重點城市及初始創(chuàng)新水平較低城市中數(shù)字金融的創(chuàng)新能力驅(qū)動效果顯著[7]。數(shù)字金融能夠增加企業(yè)創(chuàng)新產(chǎn)出,促進區(qū)域創(chuàng)新發(fā)展。通過對既有研究梳理發(fā)現(xiàn),區(qū)域創(chuàng)新相關(guān)研究多側(cè)重創(chuàng)新水平或創(chuàng)新能力,針對區(qū)域創(chuàng)新效率研究尚不多見。由于中國不同地區(qū)數(shù)字金融與區(qū)域創(chuàng)新發(fā)展差異較大,不能忽視空間效應(yīng);創(chuàng)新是一個動態(tài)積累的過程,既受當(dāng)期各因素影響又與前期各因素作用相關(guān),還需考慮動態(tài)效應(yīng)。動態(tài)空間杜賓模型(Dynamic Spatial Durbin Model,DSDM)能夠全面考慮創(chuàng)新發(fā)展中的動態(tài)特征與空間相關(guān)性[8],改善內(nèi)生性問題[9]。綜上,本文從區(qū)域創(chuàng)新效率角度衡量中國不同地區(qū)創(chuàng)新發(fā)展水平,在納入?yún)^(qū)域創(chuàng)新效率一階時間滯后項和一階時空滯后項的基礎(chǔ)上構(gòu)建DSDM,從不同區(qū)域范圍探討數(shù)字金融與區(qū)域創(chuàng)新效率之間的空間聯(lián)系,為推動區(qū)域創(chuàng)新發(fā)展提供新思路。

1 研究設(shè)計

1.1 數(shù)據(jù)來源

研究數(shù)據(jù)主要來自《北京大學(xué)數(shù)字普惠金融指數(shù)(2011—2018)》《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》,各省(自治區(qū)、直轄市)統(tǒng)計年鑒及Wind數(shù)據(jù)庫等。表1為各變量的表征說明及描述性統(tǒng)計。

表1 變量的表征說明與描述性統(tǒng)計

1.2 變量設(shè)定

被解釋變量是區(qū)域創(chuàng)新效率(eff),選用數(shù)據(jù)包絡(luò)法(DEA)計算。DEA 基于線性規(guī)劃分析[10],不需要對變量設(shè)置嚴(yán)格的函數(shù)關(guān)系,主觀隨意性較小[11],能更好地處理多投入多產(chǎn)出問題,兼顧創(chuàng)新效率的科技產(chǎn)出和經(jīng)濟產(chǎn)出。為反映創(chuàng)新投入的人力要素與資本要素,選取R&D 人員全時當(dāng)量、R&D 經(jīng)費內(nèi)部支出和新產(chǎn)品開發(fā)經(jīng)費作為投入變量;為兼顧科技產(chǎn)出和經(jīng)濟產(chǎn)出,選取專利授權(quán)數(shù)和新產(chǎn)品銷售收入作為產(chǎn)出變量。其中,專利包括發(fā)明專利、實用新型專利和外觀設(shè)計專利,由于三種專利的科技水平和經(jīng)濟價值差異較大,分別賦權(quán)0.5、0.3和0.2,以其加權(quán)平均值作為科技產(chǎn)出指標(biāo)[12];經(jīng)費支出根據(jù)合成價格指數(shù)(0.55×居民消費價格指數(shù)＋0.45×固定資產(chǎn)投資價格指數(shù))進行平減,采用永續(xù)盤存法核算其存量指標(biāo);新產(chǎn)品銷售收入根據(jù)工業(yè)生產(chǎn)者出廠價格指數(shù)進行平減[13-15]。鑒于創(chuàng)新活動從投入到產(chǎn)出存在一定時滯,參照以往研究,假設(shè)時滯為一年,即第t年的投入對應(yīng)第t＋1年的產(chǎn)出,測得2011—2017年的區(qū)域創(chuàng)新效率。

核心解釋變量為北京大學(xué)數(shù)字普惠金融指數(shù)(lndif),由北京大學(xué)數(shù)字金融研究中心與螞蟻金服集團課題組聯(lián)合編制而成,是目前較權(quán)威的衡量數(shù)字金融發(fā)展水平的指標(biāo)[16]。為減少量綱差異,對原始數(shù)字金融指數(shù)取對數(shù)處理。

控制變量:(1)產(chǎn)業(yè)結(jié)構(gòu)(stru),用第二產(chǎn)業(yè)產(chǎn)值占地區(qū)GDP的比值衡量。由于產(chǎn)業(yè)中存在較多與社會發(fā)展不相適應(yīng)的落后產(chǎn)能,不利于創(chuàng)新效率提升,故加入產(chǎn)業(yè)結(jié)構(gòu)的平方項(stru×stru)考察產(chǎn)業(yè)結(jié)構(gòu)與區(qū)域創(chuàng)新效率之間的非線性關(guān)系。(2)知識產(chǎn)權(quán)保護(prot),用技術(shù)市場交易額占地區(qū)GDP的比值表示。(3)城鎮(zhèn)化率(urb),用地區(qū)年末城鎮(zhèn)人口占總?cè)丝诘谋戎岛饬俊?4)基礎(chǔ)設(shè)施水平(infra),用郵電業(yè)務(wù)總量占地區(qū)GDP的比值衡量。(5)人力資本(lnhc),用各地區(qū)6歲以上人口加權(quán)平均受教育年限表示[17]。(6)對外開放程度(open),用地區(qū)當(dāng)年實際利用外商直接投資總額(按當(dāng)年匯率折算人民幣之后)占地區(qū)GDP的比值衡量。

1.3 空間權(quán)重矩陣選取

為使計量結(jié)果較穩(wěn)健,選用4種常見空間權(quán)重矩陣進行實證研究。

(1)地理距離權(quán)重矩陣:空間溢出效應(yīng)可能會隨著地理距離的增大而減弱,基于各省會城市距離平方的倒數(shù)計算,其中D ij表示i省和j省之間通過經(jīng)緯度計算的直線距離。

(3)經(jīng)濟距離權(quán)重矩陣:兩地區(qū)經(jīng)濟發(fā)展水平差距越大,空間溢出效應(yīng)可能越弱,基于各省人均GDP差額的倒數(shù)計算

(4)經(jīng)濟地理嵌套矩陣:考慮地理距離與經(jīng)濟距離的結(jié)合效應(yīng),基于兩省人均GDP乘積與地理距離平方的倒數(shù)綜合計算[18]

2 實證分析

2.1 空間自相關(guān)檢驗

為考察數(shù)字金融和區(qū)域創(chuàng)新效率是否存在空間自相關(guān)性,利用STATA 15軟件,測算全局Moran′s I指數(shù),結(jié)果見表2?？芍?考察期內(nèi)中國數(shù)字金融與區(qū)域創(chuàng)新效率的Moran′s I指數(shù)均大于0,且通過顯著性檢驗,說明中國數(shù)字金融和區(qū)域創(chuàng)新效率具有正向空間自相關(guān)性,均呈現(xiàn)高－高、低－低集聚的空間形態(tài)。

表2 2011—2017 年中國數(shù)字金融與區(qū)域創(chuàng)新效率的Moran′s I統(tǒng)計值

2.2 模型識別與檢驗

空間計量模型估計前,需要檢驗和選擇模型的估計方法,結(jié)果見表3?？芍?LM 檢驗及其穩(wěn)健統(tǒng)計量Robust LM 均顯著,說明模型存在空間滯后性和空間誤差項;Wald和LR 似然比檢驗均顯著,說明選擇SDM 是合適的。Hausman檢驗顯著為正,說明應(yīng)選擇固定效應(yīng)進行估計。

表3 空間面板模型方法檢驗結(jié)果

2.3 全樣本回歸分析

根據(jù)表3檢驗結(jié)果,增加被解釋變量的一階滯后項,基于固定效應(yīng)的DSDM 實證分析結(jié)果見表4,顯示4種不同空間權(quán)重矩陣下模型的估計結(jié)果基本一致。從時間維度看,區(qū)域創(chuàng)新效率的時間滯后項effi,t－1系數(shù)均顯著為正,說明區(qū)域創(chuàng)新效率在時間上具有慣性效應(yīng),上一期創(chuàng)新效率的波動對當(dāng)期創(chuàng)新效率具有同向作用。從空間維度看,區(qū)域創(chuàng)新效率的空間滯后項Weffit系數(shù)多數(shù)顯著為正,表明區(qū)域創(chuàng)新效率的變動在空間上存在正向交互效應(yīng)或關(guān)聯(lián)效應(yīng),地理距離和經(jīng)濟發(fā)展水平相近的省份會相互影響。從時空雙維度看,區(qū)域創(chuàng)新效率時空滯后項Weffi,t－1系數(shù)均顯著為正,表明本省對周邊省份存在時空上的正向影響。核心解釋變量數(shù)字金融(lndif)在4種空間權(quán)重矩陣下的回歸系數(shù)均顯著為正,表明中國數(shù)字金融對本地創(chuàng)新效率具有顯著的正向影響。數(shù)字金融空間滯后項系數(shù)均顯著為負(fù),表明本省數(shù)字金融對周邊省份創(chuàng)新效率呈現(xiàn)抑制作用?？赡苡捎诖嬖诤缥?yīng),數(shù)字金融發(fā)展水平較高的省份吸引了周邊地區(qū)的創(chuàng)新資源,擠占其創(chuàng)新投入,從而抑制周邊地區(qū)創(chuàng)新效率提升。

表4 不同空間權(quán)重矩陣下數(shù)字金融對區(qū)域創(chuàng)新效率影響的估計結(jié)果

各控制變量中,產(chǎn)業(yè)結(jié)構(gòu)(stru)大多對本省及周邊省份創(chuàng)新效率具有顯著的提升作用。產(chǎn)業(yè)結(jié)構(gòu)的平方項(stru×stru)估計系數(shù)大多顯著為負(fù),說明產(chǎn)業(yè)結(jié)構(gòu)與區(qū)域創(chuàng)新效率之間存在倒U 型的曲線關(guān)系。知識產(chǎn)權(quán)保護(prot)大多對本省及周邊省份創(chuàng)新效率影響顯著為負(fù),說明提高知識產(chǎn)權(quán)保護力度可能對中國區(qū)域創(chuàng)新效率產(chǎn)生抑制作用。城鎮(zhèn)化率(urb)的提升對本省創(chuàng)新效率產(chǎn)生顯著的抑制作用,但大多對周邊地區(qū)創(chuàng)新效率產(chǎn)生顯著的促進作用?；A(chǔ)設(shè)施水平(infra)對本地創(chuàng)新效率存在正向影響,對周邊地區(qū)具有顯著的負(fù)向作用。人力資本(lnhc)與對外開放程度(open)對本地和周邊地區(qū)創(chuàng)新效率均有正向促進作用。

2.4 區(qū)域異質(zhì)性分析

由于中國各區(qū)域發(fā)展不均衡,不同地區(qū)數(shù)字金融對創(chuàng)新效率的影響可能存在差異,為此將樣本劃分為東部、中部和西部,利用DSDM 估計。受篇幅所限,由于經(jīng)濟地理嵌套矩陣下模型的自然對數(shù)似然函數(shù)值(loglik)與擬合優(yōu)度更優(yōu),擬合程度更好,因此僅考慮基于經(jīng)濟地理嵌套矩陣的異質(zhì)性分析,同時控制所有控制變量,結(jié)果見表5。可知,三大地區(qū)子樣本與全樣本估計結(jié)果方向一致,即對本地區(qū)創(chuàng)新效率產(chǎn)生正向促進作用,對周邊地區(qū)創(chuàng)新效率產(chǎn)生負(fù)向抑制作用,但顯著性與系數(shù)估計值大小卻不相同。(1)東部地區(qū)數(shù)字金融對本地區(qū)創(chuàng)新效率的影響雖為正,但并不顯著,其系數(shù)估計值也小于中部和西部地區(qū)。東部地區(qū)數(shù)字金融較大的內(nèi)部差距可能會阻礙創(chuàng)新效率提升。考察初期,數(shù)字金融指數(shù)介于24.51～80.19之間,考察末期已擴大至254.76～336.65之間。這與文獻[19]的研究結(jié)論一致,當(dāng)要素發(fā)展差距較大時,容易因“過密”和“過疏”而產(chǎn)生不利影響。此外,東部大多地區(qū)經(jīng)濟實力、研發(fā)能力和信息化水平較高,創(chuàng)新資本相對充足,從而對數(shù)字金融發(fā)展水平要求更高,數(shù)字金融提升創(chuàng)新效率的邊際效應(yīng)較低,致使東部地區(qū)數(shù)字金融的創(chuàng)新效應(yīng)較弱。(2)中部和西部地區(qū)數(shù)字金融對本地創(chuàng)新效率的影響均顯著為正,這是由于中部和西部地區(qū)缺少豐富的創(chuàng)新資源,創(chuàng)新投入的邊際產(chǎn)出高,創(chuàng)新效率提升空間大。數(shù)字金融能夠解決創(chuàng)新資金投入不足的問題,緩解中部和西部地區(qū)信息不對稱,有利于創(chuàng)新效率提升。西部地區(qū)發(fā)展相對落后,數(shù)字金融的影響較中部和東部地區(qū)更顯著且系數(shù)估計值更大,這在一定程度上表明數(shù)字金融的包容性和普惠性。

表5 東、中、西部數(shù)字金融對區(qū)域創(chuàng)新效率影響的動態(tài)空間計量估計結(jié)果

3 結(jié)論

本文基于DSDM 探討了2011—2017年中國數(shù)字金融與區(qū)域創(chuàng)新效率之間的空間關(guān)聯(lián)性。數(shù)字金融與區(qū)域創(chuàng)新效率均存在高值－高值、低值－低值集聚的空間分布特征;數(shù)字金融可以顯著促進本區(qū)域創(chuàng)新效率提升,但對鄰近區(qū)域創(chuàng)新效率表現(xiàn)出一定的抑制作用;數(shù)字金融對創(chuàng)新效率的影響存在區(qū)域差異,具體表現(xiàn)為對中國西部地區(qū)創(chuàng)新效率的提升作用最強,中部次之,東部地區(qū)不顯著。由此,各區(qū)域應(yīng)根據(jù)自身情況合理利用數(shù)字金融提升創(chuàng)新效率,縮小創(chuàng)新效率空間差距。中西部地區(qū)應(yīng)增大數(shù)字金融覆蓋廣度,大范圍搭建數(shù)字金融網(wǎng)絡(luò)服務(wù)體系,引入東部地區(qū)過剩資源提升自身創(chuàng)新活力;東部地區(qū)應(yīng)加深數(shù)字金融使用深度,推動貨幣基金、投資、保險等多種金融業(yè)務(wù)數(shù)字化轉(zhuǎn)型,突破東部地區(qū)數(shù)字金融創(chuàng)新驅(qū)動效用的“瓶頸期”。