数字普惠金融、科技创新与新型城镇化影响机理研究

孙 榕

(山东财经大学,山东 济南 250014)

一、引言

改革开放四十多年以来,伴随经济高速发展,城镇化建设也进入高速发展阶段。目前,全国城镇化率已经超过65%,东部沿海地区城镇化率更是高达70.7%,城镇化发展已经达到一个关键转折点,意味着我国城镇化人口集聚城市外延的状态逐渐趋于稳定,不再一味追逐发展速度,而是注重质量提升。“十四五”规划也再次提出提升城镇化发展质量、更好地促进人的全面发展的远景目标,进一步明确了新型城镇化战略引领的重要地位。

新型城镇化的“新”在于由传统的一味追求城市空间蔓延、人口无限流动转变为注重提升城市文化内涵、完善公共服务体系、实现居民福利均等,真正体现出以人为本和可持续发展的核心指导思想(熊湘辉和徐璋勇,2018;陈湘满和陈瑶,2021;傅为一等,2022)。如何有效推进新型城镇化高质量发展成为学术界热议的话题,学者从不同视角对此展开讨论。指出作为一项旨在提高居民社会福利水平的制度安排,财政分权与新型城镇化以人为核心的本质不谋而合,将促进新型城镇化整体发展(杨志安和邱国庆,2019)。基于财政收支角度的研究指出,财政支出角度的财政分权对新型城镇化的推动作用更强(杨志辉和李卉,2021)。而要走新型城镇化道路,金融支持必不可少(唐未兵和唐谭岭,2017)。例如,金融发展为水资源项目建设提供资金供给,可促进城镇化发展。采用空间面板模型证实金融支持是新型城镇化的重要影响因素(熊湘辉和徐璋勇,2015)。金融支持可通过提高资金保障、优化产业结构和提升资本配置效率等三条路径来为新型城镇化提供内在动力(文先明等,2019)。还有学者探究人力资本、科技创新、教育发展等对新型城镇化的推进效应(姚旭兵等,2017;郑强,2017;蔡兴,2019)。可以发现,金融发展是新型城镇化建设的重要影响因素,而作为现代数字技术与传统金融发展的融合物,数字普惠金融必然会影响新型城镇化的发展(沈洋等,2021)。

就数字普惠金融的发展意义而言,现有研究主要聚焦于数字普惠金融对贫困减缓、城乡收入差距和经济增长的作用效应。伴随数字普惠金融逐渐融入“三农”领域,其在全面消除绝对贫困方面做出了重大贡献(王亚飞和冉渝融,2021)。数字普惠金融主要是通过缓解农村地区的“金融排斥”来影响城乡收入差距(杨怡等,2022),其发展能够降低金融服务的门槛,增加农村居民信贷资本的可得性,有效缓解金融资源的非均衡分配现状,进而缩小城乡收入差距(李牧辰和封思贤,2020;周利等,2020),加之金融环境的改变、金融知识的普及提高了贫困人口自身的知识技能,促进人力资本的发展,增加了减贫效应的可持续性(谭燕芝和彭千芮,2018)。与此同时,金融服务供给覆盖面拓宽与资源配置效率提升将进一步推动经济增长(杨虹和张柯,2020)。

现有文献为数字普惠金融、科技创新与新型城镇化的相关研究提供了理论分析框架和研究方法,但存在两点局限:一是在研究内容上,现有文献大多局限于三者之间的两两关系,未研究科技创新在数字普惠金融与新型城镇化之间的作用,而作为新型城镇化发展的技术引擎,科技创新同时也需要数字普惠金融为其提供源动力,故应将数字普惠金融、科技创新与新型城镇化纳入同一研究框架中进行探究;二是在研究方法上,鲜有学者从省级层面研究数字普惠金融对新型城镇化的空间效应,而事实上,数字普惠金融与新型城镇化均存在明显的空间相关性,故应考虑空间因素,运用空间计量模型进行分析。基于此,本文深入分析数字普惠金融、科技创新与新型城镇化三者之间的影响机理,构建空间杜宾模型并结合中介效应模型探究数字普惠金融对新型城镇化的影响及传导路径,以期为实施普惠金融政策和推进新型城镇化战略提供理论支持。

本文可能的边际贡献在于:第一,考虑到数字普惠金融与新型城镇化均存在空间关联性的特征,运用空间杜宾模型探究数字普惠金融影响新型城镇化的空间效应,并分别探究数字普惠金融三个分指标对新型城镇化的影响差异;第二,采用中介效应模型分析数字普惠金融影响新型城镇化的驱动机制,即检验科技创新是否在数字普惠金融推动新型城镇化发展过程中发挥中介作用。

二、理论机制与研究假设

(一)数字普惠金融对科技创新的影响

科技创新离不开金融的支持,然而传统金融服务的高门槛限制、信息不对称现象以及地理条件有限等问题,并不利于地区科技创新水平的提高(梁榜和张建华,2019)。数字普惠金融以现代数字技术为支撑,能够降低金融服务的交易成本,缓解借贷双方信息不对称问题,拓宽金融供给的覆盖范围,为区域科技创新提供持续稳定的资金供给(郭峰等,2020)。一方面,数字普惠金融提高了金融服务效率,摆脱了地理空间的约束,在一定程度上缓解了中小微弱群体的融资难题,为中小微企业的技术创新活动提供资金支持,释放了创新活力,提升了区域科技创新水平。另一方面,数字普惠金融降低了金融服务的门槛,拓宽了资金供给的渠道,增加了居民的收入,激发了广大群众的消费需求,使企业为满足不断扩张的消费需求而不断加快研发创新,从而促进地区研发创新能力的提升(徐子尧等,2020)。基于此,提出以下假设:

假设1 数字普惠金融发展推动科技创新水平提高。

(二)科技创新对新型城镇化的影响

作为经济社会发展的强大推动力,科技创新同时也是新型城镇化建设的动力源泉。科技创新为社会发展带来新技术、新产业和新服务,升级了传统产业并催生出一批新型产业,有效促进了产业升级和经济结构调整,降低资源能源的消耗,提高资源配置利用率,推动新型城镇化快速发展。而技术的发展与创新可以进一步加强资源要素在城乡之间的流动性,加快城镇的网络化和信息化建设,通过信息技术建立起交通道路网络、医疗卫生网络等,为基础设施建设、公共服务体系的健全提供保障,实现新型城镇化的可持续发展(丁明磊等,2013)。基于此,提出以下假设:

假设2 科技创新推动新型城镇化发展。

(三)数字普惠金融对新型城镇化的影响

资金支持是新型城镇化建设的原动力,而金融发展为新型城镇化建设提供了资金保障。数字普惠金融凭借先进的现代数字技术和精准的大数据风控模型,突破了传统金融服务在时空上的约束,使信贷规模得以扩张、金融效率得以提升,提高了新型城镇化建设的资金支持效率。与此同时,金融供给的高延展性拓展了金融的服务范围,拓宽了新型城镇化建设的资金供给渠道。另外,相较于传统金融,数字普惠金融的重点在于帮扶中小微弱群体获取较低成本的金融服务,减少金融排斥带来的非公平性,凸显金融服务的普惠性(李建军和李俊成,2020)。因此,数字普惠金融缓解了中小微企业的融资难问题,通过提高贫困人群的家庭收入缩小了城乡收入差距,有助于城乡统筹协调发展,促进新型城镇化的可持续发展。基于此,提出以下假设:

假设3 数字普惠金融推动新型城镇化发展。

综上所述,数字普惠金融不仅能直接推动新型城镇化发展,其带来的科技创新水平提高也会进一步促进新型城镇化发展,即存在“数字普惠金融发展→科技创新水平提升→新型城镇化水平提高”这一传导路径。基于此,提出以下假设:

假设4 科技创新在数字普惠金融影响新型城镇化的过程中发挥中介作用。

以上三者之间的影响机制如图1所示。

图 1 科技创新中介效应传导机制

三、研究设计

(一)变量选取与数据来源

1.被解释变量。本文的被解释变量为新型城镇化(lnurb)。基于经济、空间、生态、人口和社会等五个维度构建新型城镇化评价指标体系,如表1所示,并运用熵值法对新型城镇化水平进行测度。

表1 新型城镇化评价指标体系

2.核心解释变量。本文的核心解释变量为数字普惠金融(lnduf),由北京大学数字金融研究中心测算的《北京大学数字普惠金融指数(2011—2020)》衡量。此外,后续分析中选取覆盖广度指数(lnwid)、使用深度指数(lndep)和数字化程度指数(lndig)三个数字普惠金融分指标作为核心解释变量,探究数字普惠金融结构对新型城镇化的影响。

3.中介变量。本文的中介变量为科技创新(lntech)。由发明专利授权量、新型专利授权量和外观设计专利授权量之和表示。

4.控制变量。鉴于以往研究,本文选择财政支出分权度(lnfqex)、对外开放水平(lnopen)、教育发展水平(lnedu)和居民消费水平(lnpi)作为控制变量。其中,财政支出分权度(lnfqex)由地方本级人均财政支出占地方本级人均财政支出与全国人均财政支出之和的比重衡量;对外开放水平(lnopen)由货物进出口总额占地区GDP的比值测度;教育发展水平(lnedu)由普通高等学校预计毕业生数量表示;居民消费水平(lnpi)由居民消费价格总指数衡量。

5.数据来源。本文的研究对象为2011—2020年全国30个省市(不含西藏地区以及港澳台地区,由于西藏和港澳台地区数据缺失较为严重,故剔除)的面板数据,其中数字普惠金融相关数据来自《北京大学数字普惠金融指数(2011—2020)》,其他数据从《中国统计年鉴》、Wind数据库以及国家统计局官网获取。

(二)模型设定

在不考虑变量的空间溢出效应的情况下,设定基本面板模型如下:

lnurbit=β1lndufit+β2Xit+εit

(1)

考虑到空间溢出效应,设定空间面板模型如下:

lnurbit=ρWlnurbit+β1lndufit+β2Xit+θ1Wlndufit+θ2WXit+εit

(2)

式中:i表示省份;t表示年份;lnurbit代表新型城镇化水平;lndufit代表数字普惠金融;lntechit代表科技创新水平;Xit代表控制变量;ρ为空间自相关系数;εit代表随机扰动项;W为空间权重矩阵;θ为空间交互项系数。

为检验数字普惠金融是否通过促进科技创新进而推动新型城镇化,设定中介效应模型如下:

lnurbit=ρWlnurbit+β1lndufit+β2Xit+θ1Wlndufit+θ2WXit+εit

(3)

lntechit=ρ1Wlntechit+α1lndufit+α2Xit+θ3Wlndufit+θ4WXit+εit

(4)

lnurbit=ρ2Wlnurbit+γ1lndufit+γ2lntechit+γ3Xit+θ5Wlndufit+θ6Wlntechit+θ7WXit+εit

(5)

借鉴温忠麟等(2004)的做法,中介效应的检验步骤分为三步:第一步,计算出数字普惠金融对新型城镇化的总效应,若回归系数β1显著,则进行下一步,否则停止检验;第二步,依次检验数字普惠金融影响科技创新的回归系数α1和科技创新影响新型城镇化的回归系数γ2,若两者均显著,则通过中介检验,若其中一个不显著,则需要进行Sobel检验;第一步,对加入中介变量的回归方程进行检验,检验数字普惠金融影响新型城镇化的回归系数γ1是否显著,若显著,则证明科技创新是数字普惠金融推动新型城镇化发展的中介变量。

四、实证结果

(一)空间自相关检验

为验证变量是否具有空间相关性,本文基于邻接空间权重矩阵采用Moran’s I指数对数字普惠金融(lnduf)和新型城镇化(lnurb)进行全局相关性检验,结果如表2所示。据表2可知,2011—2020年我国数字普惠金融和新型城镇化的全局Moran’s I指数均为正,且通过了1%的显著性检验,说明数字普惠金融和新型城镇化水平具有显著空间自相关性。具体来看,数字普惠金融的Moran’s I指数处于0.396～0.553,呈现整体上升趋势,说明伴随全国数字普惠金融不断发展,各省份的数字普惠金融水平亦得以提高;新型城镇化的Moran’s I指数位于0.294～0.308,在2011—2020年变化幅度较小,保持较为平稳的发展速度。

表2 数字普惠金融与新型城镇化的空间相关检验

为了进一步考察各省份的空间分布状况,绘制了2020年数字普惠金融与新型城镇化的Moran’s I散点图分别如图2、图3所示。可以看出,二者大多分布于一、三象限,即我国大部分省份数字普惠金融和新型城镇化均呈现高高集聚和低低集聚分布特征,且二者的空间分布具有相似之处,进一步验证了从空间视角探究数字普惠金融与新型城镇化发展的必要性。

图2 2020年数字普惠金融

图3 2020年新型城镇化的Moran’s I散点图

(二)回归结果分析

1.基准回归结果。本文采取LR、Wald以及Hausman检验来确定具体的空间计量模型,检验结果如表3所示。其中,LR和Wald检验均显著拒绝原假设,即SDM模型不会退化为SEM模型和SLM模型,故SDM模型为最优空间计量模型。此外,Hausman检验P值为0.000,故应选择固定效应。

表3 空间计量模型检验结果

随后运用LR检验确定选择双固定效应SDM模型进行实证分析,同时加入双向固定效应模型、SLM模型和SEM模型以进行对比分析。回归结果如表4所示,在上述四个模型中,核心解释变量数字普惠金融均在1%的统计水平上显著为正,说明数字普惠金融显著推动新型城镇化发展,假设3得以验证。观察空间计量模型可知,ρ/λ均通过了1%的显著性检验,且符号为正,表明新型城镇化具有显著空间溢出效应,即邻近省份的新型城镇化发展将促进本省新型城镇化发展。另外,控制变量中,财政支出分权度和教育发展水平分别在1%、5%的水平上通过显著性检验,且系数符号为正,表示财政支出分权度和教育发展水平显著促进新型城镇化发展,而对外开放水平和居民消费水平对新型城镇化的影响并不显著。

表4 基准回归结果

为了更准确地探究数字普惠金融对新型城镇化的影响效应,运用偏微分方法对空间效应进行分解,如表5所示。据表5可知,数字普惠金融对新型城镇化的直接效应、间接效应和总效应均在1%的水平上显著为正,表明数字普惠金融对本地区和邻近地区的新型城镇化均具有促进作用。数字普惠金融会促进本地区新型城镇化发展,同时由于各省份之间存在密切的联系,各省份的数字普惠金融发展会对其他省份产生效仿效应和带动效应。效仿效应表现在某省份的数字普惠金融发展推动新型城镇化发展时,也会促进其经济快速发展从而吸引其他省份前来学习效仿以提高本省数字普惠金融水平。带动效应体现在某省份的数字普惠金融发展不仅会推动本省新型城镇化发展,还会影响周边省份的数字普惠金融水平而带动其新型城镇化水平提升。

表5 SDM模型效应分解结果

2.数字普惠金融结构异质性。本文进一步探究数字普惠金融结构对新型城镇化的影响,结构异质性回归结果如表6所示,可见数字普惠金融的不同维度对新型城镇化的影响存在差异。覆盖广度和使用深度均在1%的水平上促进新型城镇化发展,而数字化程度不利于新型城镇化发展。具体来看,覆盖广度反映的是金融服务的受众范围广,大规模的受众接受金融服务会促进新型城镇化发展;使用深度体现的是人们对数字金融工具的使用强度,深度越大则表示人们对数字金融工具的使用较好地满足了其需求,将有助于新型城镇化发展;而数字化程度偏重于表现金融服务的便利程度,尽管现阶段便利程度会影响消费者的使用意愿,但其是否为主导因素有待商榷,且金融服务过程中可能出现服务效率低下等问题,这将不利于新型城镇化发展。

表6 数字普惠金融结构异质性回归结果

3.中介效应检验。为检验科技创新是否为数字普惠金融推动新型城镇化的中介变量,本文采用逐步分析法进行中介效应检验,结果如表7所示。由表7可知,列(1)中数字普惠金融对新型城镇化的总影响效应为0.276,且通过了1%的显著性检验;列(2)中数字普惠金融的回归系数为0.609,且显著为正,说明数字普惠金融在1%的水平上对新型城镇化发展起促进作用,证实了假设1,列(3)将科技创新纳入回归之后,科技创新的回归系数显著为正,即科技创新推动新型城镇化发展,假设2得以证实,同时数字普惠金融对新型城镇化的影响系数由0.276下降到0.259,说明科技创新是数字普惠金融影响新型城镇化的中介变量,假设4得以印证。经测算可知,中介效应大小为13.543%,即数字普惠金融对新型城镇化的正向推动作用有13.543%是通过科技创新水平的提高来实现的。

表7 中介效应回归结果

(三)稳健性检验

1.内生性处理。伴随新型城镇化建设的不断推进,城市基础设施的建设和公共服务体系的完善亟须财力支持,投资需求扩张;与此同时,城市建设导致劳动力需求攀升促使人口向城镇集聚,消费需求扩张。而囿于传统金融服务的局限性,投资需求和消费需求的扩张所带来的资金需求会进一步扩大数字普惠金融规模,二者之间存在反向因果关系。据此,将所有解释变量滞后一期处理,以此来弱化反向因果问题,结果如表8(1)～(3)列所示。

表8 稳健性检验结果

2.更换空间权重矩阵。将邻接空间权重矩阵替换为距离空间权重矩阵对数字普惠金融影响新型城镇化的路径进行重新考察,结果如表8(4)～(6)列所示。

由表8可知,核心解释变量系数的符号和显著性与表7回归结果大体一致,证明本文的结论稳健可靠,即数字普惠金融发展促进新型城镇化发展,且科技创新在数字普惠金融影响新型城镇化的过程中发挥中介作用。

五、结论与启示

本文以2011—2020年全国30个省份的省级面板数据为样本,将数字普惠金融、科技创新和新型城镇化纳入同一研究框架,在分析三者之间理论机制的基础上,构建空间杜宾模型并结合中介效应模型进行实证分析,结果显示:数字普惠金融与新型城镇化均存在较强的空间溢出效应;数字普惠金融显著促进新型城镇化发展,分维度来看,覆盖广度和使用深度促进新型城镇化发展,数字化程度则不利于新型城镇化发展;进一步探究发现,科技创新在数字普惠金融影响新型城镇化的过程中发挥着中介作用。

根据上述研究结论,得到如下启示:

(一)应加快推动数字普惠金融发展,完善现代数字金融体系

政府应加大相关专项经费的投入力度,夯实基础设施建设,建立健全数字化监管体系,致力于提升数字普惠金融的发展质量。与此同时,应当充分利用数字普惠金融“成本低、效率高、信息对称”的优势,为低收入群体提供便利化的金融服务,提升其消费水平,为中小微企业提供针对性强的金融服务,缓解其融资压力,促进科技创新能力的提升,不断拓宽数字普惠金融的覆盖广度,加大使用深度,改善数字化程度,以彰显数字普惠金融的普惠性,缓解金融资源分配失衡的现状,更好地满足新型城镇化建设的资金需求和高质量要求。

(二)应激发区域创新活力,优化科技创新制度环境

首先,应完善科技创新分享交流平台的构建,吸引创业人群、高校与企业参与到科技创新中,释放区域创新活力,提高创新产品的生产效率,有效促进科技成果的转化。其次,应完善相关的配套设施,制定全面的科技人才培养计划,促进地区人力资本水平的提高,为新型城镇化建设提供创新型人才;与此同时,面对中国传统二元制度导致的科技创新投入不均衡现象,应充分发挥政府的引导作用,设立住房、就业等方面的福利待遇条件,以吸引高科技人才与企业投资,为新型城镇化提供强有力的技术支撑。