数字金融、空间溢出与大众创业

巩 鑫,唐文琳

(广西大学 商学院,广西 南宁 530000)

一、引言

企业家创业在增加国家创新能力、促进区域经济增长等方面发挥重要作用。改革开放以来,中国创业活动显著提升,对整体经济增长发挥了重要作用。鼓励创业,是经济新形势下缓解就业压力、促进经济稳步增长、实现产业结构升级的重要途径[1]。党的十七大以来,中国政府开始不断注重创业,提出“以创业带动就业”“大众创业、万众创新”的号召。随后,政府陆续出台《国务院办公厅关于发展众创空间推进大众创新创业的指导意见》和《关于积极推进“互联网+”行动的指导意见》等一系列支持创业的优惠政策,明确提出“提升互联网金融服务能力和普惠水平”“增强众筹对大众创新创业的服务能力”“更好满足不同层次实体经济的投融资需求”。根据国家市场监管总局的统计数据,2018年全国新增注册企业680万户,达到历史新高。

在中国创业显著提升的同时,数字金融也在快速发展。各种理财产品、P2P网贷平台、第三方支付、众筹等互联网金融业态均实现跨越式发展,首家互联网保险公司“众安保险”、首家互联网银行“网商银行”相继获批成立,数字金融开启了高速发展模式。专家学者们开始关注数字金融对于创业的影响。数字金融可以为创业提供资金支持,缓解资金需求中的信息不对称现象、降低融资成本,数字金融的快速发展对于创业有显著的促进作用[2]。

同样,中国各省份的创业也具有区域差异性,呈现出空间集聚现象。《中国私营经济年鉴》数据显示,2015年,江苏、浙江和上海长三角三省市,分别新增注册企业数量24.75万户、17.97万户和21.28万户,占全国新增注册企业数量的比例达到17.67%。数字金融的发展具有一定的溢出效应,数字金融在各省份发展的不均衡现象可能和各省份创业的区域差异性存在相关性。现有文献在研究数字金融对创业的影响时,通常将各个地区看作一个封闭独立的系统,只考虑地区特定的经济环境特征对创业影响,而忽略地区间创业的空间相互影响作用,在建模过程中如果不考虑创业的空间相关性,研究结果势必会出现偏差。那么,中国各省份数字金融是否对创业活动有显著的促进作用?各省份数字金融的发展是否对邻近省份的创业活动产生空间溢出效应?数字金融的不同维度与创业的关系是否存在差异?本文利用中国2011—2018年30个省份面板数据,通过构建空间杜宾模型(SDM)回答以上问题,以期为政府制定促进创业政策提供参考。

二、文献综述

金融是创业环境的重要组成部分,金融发展可以为创业活动提供资金支持,缓解创业过程中面临的融资约束,分散创业过程中的融资风险。完善的金融体系可以为企业创业提供充足的资金,同时金融发展的多样性,能够满足不同群体的融资需求。然而,银行部门绝大多数信贷资源都流向了国有企业,传统正规金融存在着明显的产权歧视和规模歧视,抑制了民营企业和中小企业创业活动的开展[3]。在传统正规金融无法满足创业的融资需求时,创业者将不得不转向非正规金融,寻找资金支持[4]。因此,要缓解制约创业活动的融资约束,需要拓展金融服务的覆盖广度,降低创业环境中的金融抑制和金融排斥现象,让普通创业者也能享受金融服务。

随着互联网技术迅速发展,以移动支付、搜索引擎和云计算等信息技术为基础的数字金融引起社会广泛关注。关于数字金融的表述,最早可以追溯到20世纪80年代,花旗银行CEO约翰·里德(John Reed)认为“银行业务都是由位元和字节组成的”。2015年,西南财经大学和中国战略文化促进会联合发布的《中国数字金融发展报告》将数字金融定义为“网络技术和金融的渗透和融合,是金融行业与互联网技术、精神相结合的新领域”。黄益平认为数字金融是大数据与金融的深度融合,具有较低的获客成本、大数据风控、支付便利等特点,未来将在第三方支付、网络借贷、网络投资、数字保险、商业银行业务的互联网化等方面发挥重要影响[5]。由此可见,学者们普遍认为数字金融是互联网、移动支付、大数据等信息技术向金融业渗透过程中产生的一种新型金融业态,具有成本低、大数据风控、覆盖面广、支付便利等特点,是未来金融发展的方向。

数字金融拓展了金融服务的覆盖广度、使用深度和支付便利性,缓解创业过程中的融资需求和信息不对称现象。首先,数字金融扩大了传统金融的覆盖广度,降低创业过程中的金融排斥现象。由于成本因素,传统金融在偏远地区、农村地区设置的分支机构较少,这些地区正常的金融服务无法得到满足[6],从而影响这些地区创业活动的开展。数字金融能够弥补传统金融的缺陷,满足中小企业创业过程中的融资需求,有助于消除传统金融服务中的“规模歧视”和“地域歧视”。数字金融拓宽了小额、零散、个性化投融资服务的渠道,形成了有别于传统金融的长尾优势。基于大数据、移动支付等信息技术的数字金融,能够迅速分析、评估创业过程中的风险,这在一定程度上缓解中小企业创业过程中的信息不对称,降低中小企业融资成本,使得小额贷款供给成为可能,消除了传统金融对中小企业的“规模歧视”[7]。其次,数字金融拓展了金融服务的使用深度,带来了新兴领域的创业机会。及时、准确的信息资源,可以帮助潜在创业者更好地识别、开发和利用创业机会[8],数字金融以互联网为依托,可以快速识别和挖掘新兴领域的商业机遇,支付宝、微信等移动支付的出现,使得消费者可以轻松地完成在线交易,极大地促进了电子商务发展的空间,实现了线下交易的线上化[9],催生了共享经济、电子商务等诸多新型领域的创业。再次,数字金融的发展提高了支付的便利性,降低创业融资成本。第三方支付的出现,改变了传统的收付结算方式,为企业在交易过程中提供担保,有利于促进创业。第三方支付的便捷性能够缓解农村地区金融供给不足问题,缩短了资金汇转过程中的在途时间,降低了资金汇转过程中的交易费用[10]。数字金融以大数据为基础,以移动支付为支撑,可以用较低成本对新创企业开展风险识别、分析和评估,提高了融资速度,降低企业融资成本。与传统金融服务偏重所有权性质、收入、资产规模等财务信息不同,数字金融更侧重于贷款人的诚信、互联网消费记录及支付行为数据等信息,从而激发创业活动。

近年来,随着新经济地理学的不断完善和发展,学者们开始考虑空间因素对经济生活的影响。Audretsch等发现金融集聚会通过知识的溢出作用,促进地区生产率的增长[11]。余泳泽等认为金融集聚会通过空间溢出效应,导致周边地区生产率增长[12]。为创业提供重要资金支持的金融集聚,无疑会对创业活动产生巨大影响,创业活动所需的资本等要素在地区间流动,要素流动将产生空间相关性,经济要素的流动是空间关联的重要原因。然而,现有文献大多采用传统面板模型分析数字金融与创业之间的关系,较少采用空间计量方法。传统面板模型通常假定各个地区之间的创业活动是相互独立的,一个地区数字金融的发展对邻近地区的创业活动没有影响,这些假设显然不符合现实情况。地区之间通常会进行创业活动的交流合作,创业落后地区会学习创业先进地区的成功经验,使得一个地区的创业活动会受到相近地区创业的影响。企业家精神呈现出了一种空间集聚态势,东部长三角、珠三角地区是中国创业活动的密集地区[13]。另外,创业活动所需的资本等要素在地区之间相互流动,支付宝等新型支付工具的出现,使得资本跨地区流动更加便捷高效[14]。数字金融对创业也就可能产生空间溢出效应,即数字金融的发展不仅会影响本省份内的创业活动,也可能会影响相近省份的创业活动。如果忽略这种空间相关性的影响,传统面板模型估计将是有偏的。基于上述原因,本文采用空间杜宾模型将数字金融与创业的空间自相关性同时纳入计量模型,既考虑到企业家创业活动空间之间的相关性,又考虑到数字金融对创业活动的空间溢出效应。

与以往文献相比,本文可能的不同之处在于以下三个方面:首先,将数字金融与创业的空间自相关性同时纳入一个计量分析模型,采用空间杜宾模型研究数字金融对中国创业活动的影响。其次,考虑到中国东、中、西部不同地区数字金融发展的不均衡,分析不同地区数字金融对创业空间溢出效应的差异及原因。再次,采用数字金融的不同发展维度,从覆盖广度、使用深度和数字支付服务三个方面研究不同发展维度对创业空间溢出效应的差异及原因。

三、变量与模型构建

(一)变量

被解释变量:创业(lnfirms)。根据Global Entrepreneurship Monitor(GEM)的划分,创业包括生存型创业和机会型创业。生存型创业是被动创业,是以个人或家庭为单位的自我雇佣的小型经济组织,主要是由于生活所迫,为了维持生计,不得不从事的活动。机会型创业是主动创业,会受到宏观经济等因素的影响。因此,相对于生存型创业,机会型创业可以更好地体现数字金融发展等宏观经济环境对创业的影响。关于创业程度的衡量指标主要有自我雇佣率[15]和新增私营企业数量,Glaeser认为新增私营企业数量可以更真实地体现宏观经济、社会发展等因素对创业的影响[16]。本文根据GEM对创业的划分,采取国际上通用的机会型创业衡量地区创业活跃度,采用当年新增注册私营企业的数量测度机会型创业[16]。数据来源于《中国私营经济年鉴》,为了避免变量之间的剧烈波动,消除可能存在的异方差现象,当年新增注册私营企业的数量采用对数形式。

解释变量:数字金融(digfinance)。借鉴谢绚丽等采用“北京大学数字普惠金融指数(2011—2018)”衡量数字金融的发展[2],该指数包含中国省级、地级和县域三个层级,时间跨度从2011年至2018年。数字普惠金融指数从覆盖广度、使用深度和数字支持服务程度三个维度进行构建,更全面、客观地反映数字金融的实际发展状况。覆盖广度根据每万人拥有支付宝账号数量等指标编制,衡量数字金融在人们生活中的覆盖率。使用深度根据信贷、保险、投资和征信等指标编制,衡量数字金融的深度发展程度。数字支持服务程度根据移动支付笔数占比和小微经营者平均贷款利率等指标编制,衡量数字金融的便利性和金融服务成本。

控制变量:借鉴谢绚丽等和张龙耀等的做法[2,17],选取失业率(unemrate)、教育程度(education)、产业结构(industucture)、传统金融(tradfinance)等指标作为控制变量。失业率较高,人们为了维持生计,被动创业的可能性越高。但是,失业率的高低与经济发展大环境有关,较高的失业率意味着经济发展不景气,社会主动创业的可能性较低[18];教育程度与企业家才能存在正相关关系,较高的受教育程度有助于提高创业者的商业技能和管理能力[19],该指标采用“大专及以上文化程度人口数的对数”;产业结构的调整和优化会催生创业机会,降低创业成本,从长期看会对地区创业活动产生积极影响[20],该指标采用“地区第三产业产值/地区生产总值”;创业具有最低资金门槛,和区域金融发展水平密切相关,较高的金融发展水平可以为创业者提供资金支持[21],本文用“金融机构贷款余额/地区生产总值”衡量传统金融的发展。以上控制变量数据来源于《中国统计年鉴》。由于“北京大学数字普惠金融指数”时间跨度从2011年到2018年,因此本文选取2011—2018年中国30个省份(西藏、港澳台地区由于数据不全,没有选取)的面板数据,研究数字金融对创业的影响,主要变量描述性统计见表1。

表1 主要变量描述性统计表

(二)模型构建

本文重点关注数字金融对创业的空间溢出效应,不仅考虑本省份数字金融对本省份创业的影响,同时还要考虑本省份数字金融对邻近省份创业活动的影响。空间滞后模型反映了本地区和邻近地区创业之间的影响,解决的是空间依赖性问题。空间误差模型反映了本地区的不可观测因素对于邻近地区创业活动的影响,解决的是空间异质性问题。而空间杜宾模型是空间滞后模型及空间误差模型的一般形式,同时解决了以上两个问题,能够更好地捕捉不同来源所产生的外部性和溢出效应[22]。

lnfirmsit=ρWlnfirmsjt+β1digfinanceit-1+β2unemrateit-1+β3educationit-1+β4industuctureit-1+

β5tradfinanceit-1+θ1Wdigfinanceit-1+θ2Wunemrateit-1+θ3Weducationit-1+

θ4Windustuctureit-1+θ5Wtradfinanceit-1+μi+νt+εit

其中,下标i表示不同省份,t表示年份,ρ为因变量空间滞后项系数,W为各省份的空间权重矩阵,W·为各解释变量的空间滞后项,μi表示个体固定效应,νt表示时间固定效应,εit表示随机扰动项。

为尽可能避免内生性问题,本文从三个方面进行处理:一是采用极大似然法估计,这可以在一定程度上减弱可能存在的内生性问题;二是对所有解释变量使用一阶滞后项,即采用上一期的数字金融指数、失业率、教育程度等数据,分析影响当期创业活动,这可以有效缓解反向因果问题;三是采用邻接矩阵、地理矩阵和经济地理矩阵等不同空间权重矩阵进行回归分析。

四、数字金融与创业的空间关联性分析

为了研究每个省份数字金融与创业在地理空间上的相关性,我们运用空间自相关莫兰指数及其散点图分析数字金融与创业在地理空间上是否存在空间自相关。

(一)全局空间关联性分析

莫兰指数用于解释区域经济行为的空间相关性,取值一般介于-1到1之间,大于0表示各区域空间正自相关,即高值与高值相邻、低值与低值相邻;小于0表示各区域空间负自相关,即高值与低值相邻;等于0表示无空间自相关,观测值完全随机分布。莫兰指数的绝对值大小衡量区域空间自相关程度,绝对值越大表示空间自相关程度越大。表2和表3分别描绘了2011—2018年中国各省份数字金融与创业的莫兰指数变动情况。可以看出,在空间邻接权重矩阵、地理距离权重和经济地理权重矩阵下,数字金融的莫兰指数值都是正数,且都通过了1%的显著性水平检验,表明各省份的数字金融存在正向空间相关性。创业的莫兰指数值除个别年份的空间邻接权重矩阵的估值在10%水平上显著,其余各年都通过了5%的显著性水平检验,表明各省份的创业同样存在正向空间相关性。这些说明,数字金融和创业在空间分布上不是随机的,而是存在空间集聚现象。

表2 2011—2018年数字金融的莫兰指数表

表3 2011—2018年创业的莫兰指数表

(二)局域空间关联性分析

通过计算2011年、2015年、2018年数字金融和创业的局部莫兰指数,发现数字金融与创业在大多数地区均强烈拒绝“无空间自相关”的原假设(1)由于篇幅有限,未列出局部莫兰指数检测结果,如有需要可以向作者索取。,这与全局莫兰指数检验结论一致,即数字金融和创业在空间分布上存在集聚现象。

图1 2011年莫兰散点图

图2 2015年莫兰散点图

图3 2018年莫兰散点图

为了更清楚地显示数字金融与创业的空间相关性,图1到图3给出了2011年、2015年和2018年的莫兰散点图。空间相关系数莫兰散点图将空间集聚模式划分为四种,即根据第一、二、三、四象限顺序,第一象限高高集聚,表示集聚水平高的地区被同样集聚水平高的地区包围;第二象限低高集聚,表示集聚水平低的地区被其他高集聚水平地区包围;第三象限低低集聚,表示低集聚水平地区被同样低集聚水平地区包围;第四象限高低集聚,表示高集聚水平地区被其他低集聚地区包围。如图1到图3所示,数字金融与创业的莫兰散点图大部分省份位于高高集聚的第一象限和低低集聚的第三象限。2011年、2015年和2018年数字金融的莫兰散点位于第一、三象限的省份占总数的比重分别是80%、81.15%和83.33%,2011年、2015年和2018年创业的莫兰散点位于第一、三象限的省份占总数的比重分别是60%、63.77%和70%。可以看出从2011到2018年,数字金融和创业的空间集聚程度在逐步提升,数字金融和创业都存在显著的空间正相关性,数字金融发展程度较高的省份在空间上相互集聚,而数字金融发展较低的省份空间上也相对集中;创业程度较高的省份,其周边省份的创业程度也较高,创业程度较低的省份,其周边省份的创业程度也较低。图1到图3均说明研究数字金融和创业考虑空间相关性是必要的,忽略这种空间特征得出的结论会有失偏颇。

表4给出了2011、2018年各省份数字金融和创业的空间相关模式。可以看出,整体上数字金融和创业的高高集聚、低低集聚省份数量所占比重较高,说明数字金融和创业都存在显著的空间正相关性。对于数字金融,高高集聚省份主要集中在东部长三角地区、京津地区和闽粤地区,山东、安徽分别由2011的低低集聚、低高集聚迁入2018年的高高集聚;低低集聚省份主要集中在中西部地区,湖北由2011年的低低集聚迁到2018年的高低集聚,说明这几年湖北数字金融发展较快。对于创业而言,高高集聚省份主要集中在长三角地区,福建、安徽由2011年的低高集聚迁入到2018年的高高集聚;低低集聚省份主要集中在中西部地区,河北由2011年的低低集聚迁到2018年的高低集聚,原因在于受到京津创业的影响,带动河北创业水平的提升。值得注意的是,数字金融和创业在空间分布上基本形成了相同的集聚区域,创业活动的高高集聚区一般也是数字金融高高集聚区,创业活动的低低集聚区基本也是数字金融低低集聚区。上海、江苏、浙江、福建、山东等省份创业水平高集聚地区,也是数字金融高集聚区域,新疆、甘肃、青海、宁夏、内蒙古等中西部省份创业水平低集聚地区,同样也是数字金融低集聚区域。出现这一现象的原因在于,数字金融的空间集聚有利于形成规模效应和溢出效应。在数字金融集聚区内,数字金融的发展可以加速资本积累,促使金融企业不断优胜劣汰,形成规模经济,为创业活动提供资金支持。数字金融集聚促使金融企业增强竞争,不断提高服务效率,降低企业融资成本。这样,企业更愿意向资金使用成本较低的区域集中,使得集聚效应不断增强。同时,数字金融的空间集聚带来了溢出效应。数字金融的发展会促使各种资源向集聚区集中,带来技术、人力资本的集聚,为创业活动提供技术和人力资本支持,从而促进创业的有效开展。反过来,创业活动的不断提升,增强社会经济增长的活力和动力,使得经济发展对数字金融的需求增加,提高资金的周转速度和运行效率,从而进一步促进数字金融的发展,提高数字金融集聚水平。

表4 数字金融和创业空间相关模式表

五、空间计量实证结果与分析

(一)基于全国层面的分析

由上文分析可知,数字金融与创业存在空间自相关性,接下来采用空间杜宾模型,对数字金融发展对创业的空间溢出效应进行实证分析与检验。表5显示了数字金融对创业影响的回归结果,列(1)为不考虑空间特征的面板固定效应模型估计结果,列(2)、(3)、(4)分别是采用邻接矩阵、地理距离矩阵和经济地理矩阵为空间权重的估计结果。由于空间回归模型的系数不具有实际意义,为了进一步分析数字金融对创业活动的边际效应,精确测度变量之间的空间交互作用,需要采用偏微分方法将模型分解为直接效应、间接效应和总效应。直接效应即本地效应,表示本省份数字金融的发展对本省份创业活动的影响。间接效应即空间溢出效应,表示本省份数字金融的发展对邻近省份创业活动的影响。表5后半部分给出了采用空间偏微分方法测算的空间效应。从表5中可以看出:

首先,从调整的R2、LogL等统计变量来看,列(1)到列(4)都具有较好的拟合度,且空间模型估计结果优于不考虑空间特征的面板固定效应模型估计结果,表明考虑空间特征后,数字金融对创业影响具有较好的解释能力。列(2)到列(4)空间相关系数ρ均为正,在邻接矩阵、地理距离矩阵下,通过5%的显著性统计检验,在考虑地区经济联系的经济地理矩阵下,也通过10%的显著性统计检验,说明省份间创业存在显著的正向空间相关效应,一个省份的创业活动在一定程度上影响其周边省份的创业活动。本地创业活动的活跃促进了邻近地区创业活动的开展,反过来,邻近地区活跃的创业活动也对本地创业活动产生正向影响。

表5 数字金融对创业影响的回归结果

其次,数字金融的回归系数均显著为正数,其空间滞后项“W×数字金融”的估计系数在地理距离矩阵和经济地理矩阵下都不显著,进一步考察偏微分分解方法测算的空间效应可知,无论在哪种空间权重矩阵下,数字金融对创业活动的直接效应均在1%的显著性水平下为正数,数字金融对创业活动的间接效应都不显著,反映数字金融的发展仅仅在本省份范围内可以促进创业,并没有很好地辐射到周边省份。这说明本省份数字金融的发展对本省份创业活动有显著的促进作用,但是对邻近省份创业活动没有显著的空间溢出效应。

(二)基于东中西地区层面的分析

中国幅员辽阔,东中西部经济发展水平差异较大,为了进一步分析数字金融对不同地区创业影响程度的差异,本文按照国家地理区域划分标准,将全国划分为东部、中部和西部地区,研究不同地区的空间异质性差异。如表6所示,东、中、西部地区的空间相关系数ρ均显著为正,表明中国各地区省份创业存在显著的正向空间相关效应,省份的创业活动在一定程度上会影响其周边省份的创业活动。数字金融的发展对创业活动的直接效应和总效应均显著为正,中部、西部地区数字金融的发展对创业活动的间接效应不显著,这些都和全国层面数字金融对创业影响的空间回归结果一致。

表6 东中西部数字金融对创业影响的空间估计结果

但是,与全国层面数字金融对创业影响的空间回归结果不同的是,东部地区数字金融的发展对创业活动的间接效应显著为正,并且直接效应的绝对值和间接效应的绝对值基本相近,表明东部地区省份数字金融的发展对邻近省份的创业活动具有显著的空间溢出效应,数字金融的发展不仅显著地促进本省份创业活动,而且通过资金的空间溢出也间接地促进邻近省份的创业活动,并且直接效应和间接效应的值基本相同。

(三)基于数字金融不同维度的分析

数字金融指数是一个综合性指标,该指标从数字金融服务的覆盖广度、使用深度和数字支持服务三个维度构建。为了更深入地反映数字金融对创业影响的空间效应,下面从不同维度进行考察,表7从全国角度出发,反映了数字金融各维度对创业影响的空间回归结果。可以看出,覆盖广度、使用深度和数字支持服务对创业的直接效应都显著为正,间接效应基本都不显著,与数字金融总指数对创业影响的空间回归结果一致。

表7 数字金融各维度对创业的空间回归结果(全国)

表8从东、中、西部不同地区反映数字金融各维度对创业的空间效应。可以看出,在东中西部覆盖广度、使用深度和数字支持服务对创业的直接效应都显著为正,东部地区的间接效应都显著为正。但是与数字金融总指数对创业影响间接效应不同的是,中部和西部地区数字支持服务对创业影响的间接效应显著为正。这是因为数字金融不同维度发展存在地区差异,数字支持服务程度的地区差异最小、覆盖广度差异最大。数字支持服务程度的具体衡量标准包括小微经营者平均贷款利率、移动支付笔数占比等,这些体现了数字金融的便利性和低成本。数字支持服务程度地区差距较小,不仅为本地区创业提供便利,而且更进一步辐射到周边省份。中、西部地区的数字支持服务高于东部,说明移动支付技术增加了偏远省份在数字金融服务方面弯道超车的可行性。

表8 数字金融各维度对创业的空间回归结果(分地区)

六、进一步分析

上述分析得出东部地区数字金融的发展对创业活动的间接效应显著为正,这是和全国层面数字金融对创业影响回归结果的不同之处,出现这一现象的原因在于东部地区具有较高的市场化程度。市场化程度对创业活动的影响主要体现在外部市场环境和资源配置两个方面。在外部市场环境方面,虽然多年来中部和西部的市场化进程有所提高,但地方保护主义仍是地方经济产生“边界效应”的重要原因,地方保护主义导致的市场分割限制了产品、要素传播的市场范围,制约了地区之间要素的自由流动,破坏了经济、技术融合[23],减少甚至消除了资本等要素产生空间溢出的可能性,从而减弱了本省份数字金融的发展对邻近省份创业的空间溢出效应。在资源配置方面,市场化程度在一定程度上反映了创业融资的难易程度,随着市场化程度的提升,政府对企业的干预程度降低,企业能够按照市场经济原则经营,数字金融资源配置更多是由市场决定,而不是依靠政企关系加以实现,加之数字金融具有渗透性、替代性和协同性的特征,通过数据共享,降低信息搜寻成本,可以有效减弱市场中的信息不对称问题,降低资源错配水平[24]。东部省份市场化程度较高,地方保护主义较弱,资本等要素可以在地区之间自由流动,本省份的创业活动会陆续渗透到邻近省份的经济活动中,在本省份数字金融发展空间溢出作用下,邻近省份之间会有较多关于数字金融发展的“沟通平台”和交流机会,邻近省份会学习本地数字金融发展对创业活动的成功经验,从而形成东部地区“万众创业”的局面。

为了验证这一原因,我们仍然使用之前的模型,加入市场化指数衡量各省份的市场化程度,采用市场化指数(2)数据来源:王小鲁、樊纲、余静文《中国分省份市场化指数报告(2016)》。与数字金融的交互项反映市场化程度和数字金融发展的交互对创业空间溢出效应的影响。表9中“数字金融×市场化”的间接效应在东部地区显著为正,而在中部和西部则不显著,表明了较高的市场化程度有利于发挥数字金融的空间溢出效应。

表9 市场化程度、数字金融与创业的空间估计结果

七、结论与建议

本文选取2011—2018年中国30个省份面板数据,分析各省份数字金融与创业的空间特征,将数字金融与创业的空间自相关性同时纳入计量模型,采用空间杜宾模型(SDM)实证分析数字金融对创业的影响。主要结论如下:第一,空间自相关检验发现,数字金融和创业活动均表现出显著的空间自相关性,两者在空间分布上形成了基本相同的集聚区域。创业活动的高高集聚区一般也是数字金融高高集聚区,创业活动的低低集聚区基本也是数字金融低低集聚区。上海、江苏、浙江、福建等省份创业水平高集聚地区,也是数字金融高集聚地区,新疆、甘肃、青海、宁夏、内蒙古等中西部省份创业水平低低集聚地区,同样也是数字金融低低集聚地区。第二,从全国层面看,本省份数字金融的发展对本省份创业活动有显著的促进作用,但是对邻近省份创业活动却没有显著的空间溢出效应。第三,从地区层面看,和全国层面数字金融对创业影响回归结果不同的是,东部地区省份数字金融的发展对邻近省份的创业活动具有显著的空间溢出效应,数字金融的发展不仅显著地促进本省份创业活动,而且通过资金的空间溢出也间接地促进邻近省份的创业活动,原因在于东部地区市场化程度较高,有利于发挥数字金融的空间外溢效应。第四,从数字金融的不同维度看,东中西部地区数字金融的覆盖广度、使用深度和数字支持服务对创业的直接效应都显著为正。东部地区数字金融的覆盖广度、使用深度和数字支持服务对创业的间接效应都显著为正,但是和数字金融总指数对创业影响间接效应不同的是,中部和西部的数字支持服务对创业影响的间接效应显著为正。

根据以上结论,本文的建议如下:一是推进金融市场改革,促进数字金融发展。政府应重视数字金融的发展,进行数字金融总体战略规划,推进资本市场数字化改革,优化数字金融发展模式,构建多样化、多层次的数字金融体系,引导数字金融与创业的深度融合。二是中西部地区继续加快市场化进程,减少政府对经济的过度干预,消除市场进入壁垒,实现资本等要素在地区间自由流动,更好地发挥数字金融对创业的空间外溢效应,实现东、中、西部互动的“大众创业”。三是在对数字金融进行有效监管,防范风险的前提下,深入推进数字金融的发展,完善数字金融基础设施建设,特别是中西部地区应该在数字金融的覆盖广度、使用深度方面加大投入力度,深入发展数字金融保险、投资、征信业务,努力缩小和东部地区的差距,从而全方位、多维度地为创业活动提供金融服务。