数字普惠金融如何影响区域数字化转型.pdf

第3 6 卷第4期2023年8 月西安财经大学学报Journal of Xian University of Finance and EconomicsVol.36No.4Aug.2023数字普惠金融如何影响区域数字化转型？张辽，岑洁（杭州电子科技大学经济学院，浙江杭州3 10 0 18）摘要：数字技术全方位、全领域、全链条的应用与赋能，使得数字化转型已经成为数字经济时代引领区域经济高质量发展的重要引擎。本文选取2 0 11一2 0 2 0 年省际面板数据，从基础能力、核心能力和保障能力三个维度构建区域数字化转型程度评价指标体系，结果表明，我国省际数字化转型程度的整体均值呈现了典型的“东部领先”与“西部靠后”的空间集聚特征，但是中、西部地区数字化转型的平均增速分别为1.56 6%和0.929%，明显高于东部经济发达省份。进一步实证考察数字普惠金融对区域数字化转型的直接影响与间接作用，研究发现，数字普惠金融发展水平每提高1个百分点，客观上会促使区域数字化转型程度与速度分别提高0.154%和0.17 7%。此外，研究还发现金融服务创新和金融市场效率是数字普惠金融影响区域经济数字化转型的两个重要传导机制。数字普惠金融对区域数字化转型程度与速度的提升效应在经济增长率高、市场开放程度高、监管强度低的地区更为明显。关键词：普惠金融；数字化转型；金融服务；金融市场中图分类号：F832：F49引用格式：张辽，岑洁.数字普惠金融如何影响区域数字化转型？LJ.西安财经大学学报，2 0 2 3，3 6（4）：3 5-50.Citation Form:ZHANG Liao,CEN Jie.How does digital inclusive finance affect regional digital transformation?J.Journal of Xian university of finance and economics,2023,36(4):35-50.随着产业互联网的高速发展和新兴数字信息技术的广泛应用，数字化正逐步渗透各行各业并成为经济发展的主要动力。面对突如其来的新冠疫情，我国政府部门积极出台数字化转型相关政策，不仅加速推进企业数字化转型进程，而且能够催生产业数字化发展新态势、新模式和新应用，助力社会的数字化转型以稳定经济社会正常运行。与此同时，数字技术的不断进阶使得数字经济与实体产业快速融合，区域数字化转型问题开始引起国内外学者的重视。譬如王宇等（2 0 2 0)发现企业由于信息化程度低、核心数字技术供给不足、数据采集率低以及产业链协同难而“不会转”，同时也存在数字化转型周期长、投资大、数字化人才储备不足等而“不敢转”的问题1。为进一步帮助中小企业缓解数字化转型过程中的技术难题，国家发改委等有关部门发布数字化转型伙伴行动倡议，联合各界共同构建一个由政府引导、平台赋能、龙头引领、不同主体间的多元联动机制，以期形成多方联合、一体化、全链条转型服务能力。目前我国在数字经济方面的先发优势，使率先完成数字化转型的企业享受到了数字红利2 ，让数字化改革的理念、思路、方法、机制逐渐深入人心，大大调动企业数字化转型的主动性和积极性，使得数字化转型的氛围日益浓厚。值得注意的是，数字普惠金融的迅猛发展通过延伸产业链拓宽传统产业应用数字技术的范围，实现传统产业数字化转型升级的同时推动了数字技术的高效应用，进而帮助小微企业收集自身信息，有效促进其提高资源配置能力3 。究其原因，数字普惠金融通过技术手段赋能传统金融机构，扩展了传统金融机构职能的同时有效促进区域金融发展水平。譬如，大科技信贷利用数字技术进行实时监测和信用风险评估，降低融资门收稿日期：2 0 2 3 0 40 1；修回日期：2 0 2 3 0 50 1基金项目：浙江省软科学一般项目“新发展格局下增强产业链自主可控能力的机理、效应评价及路径优化研究”（2 0 2 1C35G2041396)作者简介：张辽（198 4一），男，河南光山人，杭州电子科技大学经济学院教授，博士，研究方向为两化融合与制造业转型升级；岑洁（1996 一），女，浙江宁波人，杭州电子科技大学经济学院硕士生，研究方向为金融科技与数字化转型。35文献标识码：A一、引言文章编号：2 0 96 7 454(2 0 2 3)0 40 0 3 516二、文献综述与理论分析西安财经大学学报槛并增强金融普惠性4，通过提升金融服务创新能力，改善中小企业融资能力弱的问题。甚至非银行机构依靠数字技术可以在金融科技平台上获得与信用相关的软信息，为广大消费者和中小企业主提供巨大价值。Reuver etal(2018)认为金融科技平台所具有的分布式特性使得企业组织、金融市场与数字技术相互交织，改变传统企业管理认知的同时也显著提升了企业资源整合能力5。总之，数字普惠金融的发展便于借贷供需双方进行有效信息交互，缓解了企业融资过程中信息不对称的问题，同时其兼具个性化和普惠性，为中小企业的发展提供了更加精准高效的金融服务。因此，数字普惠金融发展能够为企业输出先进的数字信息技术，从而有助于企业低成本、低风险、高质量地处理海量数据，提高金融资本与实体经济的供需匹配度，增强金融服务实体经济的能力，以高质量的技术支持和金融供给助推区域经济数字化转型。基于此，本文为了考察数字普惠金融发展对区域数字化转型的影响，从数字化基础能力、数字化核心能力和数字化保障能力三个维度衡量区域数字化转型程度，并运用熵值法计算反映各个省份数字化转型指数。选取2 0 11一2 0 2 0 年省级面板数据，实证检验数字普惠金融与区域数字化转型之间的关系。相比较而言，本文的创新之处主要体现在以下几个方面：第一，已有文献关于数字化转型的研究尽管由企业个体数字化转型上升到产业数字化协同升级，但是忽略了数字化转型已成为影响区域经济高质量发展的重要因素。因此本文构建了区域数字化转型指标体系并运用熵值法测度各地区数字化转型程度和速度。第二，本文从金融服务创新和金融市场效率角度出发，深人探讨数字普惠金融影响区域数字化转型的理论机制，并实证检验了数字普惠金融对区域数字化转型的直接影响和间接作用，以及从地区经济差异、环境不确定性和不同发展时期三个角度考察数字普惠金融对区域数字化转型的异质性影响。(一)文献回顾理论上，区域数字化转型是将数字信息技术渗入区域经济发展的各个领域，推动地区经济发展模式转变和产业结构变革。微观角度而言，企业利用数字化技术提高要素配置效率，加快产品与服务创新并从根本上提高企业价值创造，以便更好适应市场和竞争环境的变化6。所以，Legner et al(2017)将区域数字化转型定义为微观个体利用数字信息技术将业务流程自动化的过程门。而数字化转型不仅仅是利用数字技术简单地对业务流程的改进，它更突出的是提高产业整体运行能力8 。总体而言，区域数字化转型是以数字化技术为基础，将数据作为生产要素与产业进行融合，带来商业模式创新、价值创造和新经济形态系统转型的过程。尽管学界普遍认识到数字化转型是推动区域经济高质量发展的重要引擎，然而对区域数字化转型的研究相对较少。学者在构建数字化转型程度指标的基础上，从微观角度定量分析数字化转型对企业全要素生产率、组织授权、创新绩效等方面的影响。譬如，Kateryna et al(2020)指出数字化转型加快了企业组织关系的变革以及促进企业研发创新，从而显著提升区域经济效益9。也有学者发现，数字化转型重塑传统产业中利益相关方的价值连接方式，甚至还帮助引人了新的利益相关方10。宏观层面，数字化转型对于区域内高技术产业的创新发展效率提升具有显著的同向促进作用，所以数字化转型是驱动产业融合发展的新型生产力11。虽然数字化转型给企业带来了新的技术创新收益和价值创造载体，但是企业仍然存在不会转、不愿转、不敢转的现象。更有学者研究数字化转型是否会对资本市场产生影响，结果发现区域数字化转型对于提升股票流动性水平及增加资本市场活跃度有显著的促进作用。随着数字普惠金融的发展与新兴数字信息技术的应用，可以在“量”上缓解企业融资约束，在“质”上提高信贷资源配置效率，进而显著促进企业全要素生产率提高12 。也有学者发现，数字普惠金融的发展在一定程度上优化了传统金融机构的职能，减少金融机构与企业间信息不对称问题而帮助企业融资困脱困，使得创新活动能够有足够的资金支持13 。同时，数字普惠金融的发展能有效引导社会资金真正流向资金需求方，加快产业结构转型升级，促进创新资源的优化配置及创造更多的技术创新机会，提高区域整体的技术创新水平141。不仅如此，数字普惠金融促使金融服务更具个性化和普惠性，有利于中小企业获得高效精准的金融服务，且因其具有收集信誉相关的软信息能力，使得社会公众也能享受到数字金融带来的个性化产品和服务15。总之，数字普惠金融依靠数字技术有效收集有关信誉的软信息，使得借贷供需双方能进行有效信息交互，最终解决信息不对称难题。同时数字普惠金融赋能传统金融机构以缓解中小微企业等长尾用户融36张辽，岑洁：数字普惠金融如何影响区域数字化转型？资贵的问题，为其提供持续稳定的资金供给16 1。(二）理论机制分析科技与金融的深度融合是推进我国经济从高速增长转向高质量发展的重要内在驱动力。实践表明，数字化技术能够低成本、低风险、高质量地处理海量数据，提高金融与实体经济项目匹配的精准度和效率而有效促进区域数字化转型。然而，数字普惠金融影响区域数字化转型的内在传导机制也是需要进一步开展理论探索。因此，本文尝试从金融服务创新和金融市场效率角度出发，深人探讨数字普惠金融影响区域数字化转型的理论机制。1.数字普惠金融、金融服务创新与区域数字化转型基于金融功能理论现有的研究框架，金融市场竞争会倒逼金融机构积极开展金融产品和服务创新来提升金融资源配置效率，并通过降低外部融资成本以缓解企业融资约束难题。由于金融机构与企业或者家庭等微观主体共同组成的传统金融体系不仅运行机制较为固化，还存在借贷机制比较单一等问题。但随着数字经济的创新与发展，数字技术与金融业的相互融合使得金融市场发生了巨大的改变17 。依托大数据、区块链等新兴数字技术建立的金融生态系统，能够有效拓展投融资边界，显著提高金融配置的有效性、精准性，具有较高的风险防范能力。同时，伴随数字技术创新应运而生的移动支付手段使得金融服务覆盖连接到个人用户，大大提高了个人用户的消费以及移动支付效率。可见数字技术能够不断推动金融产品和服务创新迭代，为推动普惠金融发展提质增效1。事实上，数字普惠金融为区域经济发展提供数字技术、应用场景、数据要素和高效的产业互动模式，以非常低的成本进行信息共享、风险控制，建立数字信任19，进而从多维度全面助力区域数字化转型升级。具体而言，一方面数字经济创新驱动传统金融业进行数字化转型，助力传统金融业实现金融产品和服务创新以及金融管理创新，丰富了金融产品数量的同时提高了金融产品质量，从而拓展了金融机构的生存空间，整体提高了金融机构和金融行业的服务能力及效率。另一方面，金融机构不仅能够利用大数据、人工智能实现贷前精准营销和贷后动态监控，进而开展消费信贷、供应链金融、智能柜台和智能投顾等银行业务，还可以在保险产品设计、销售、投保核保、理赔等环节应用证券标准化业务，与企业建立互信机制和协同互动模式，应用数字信息技术大幅提高业务质量和效率，实现了银行、保险、证券等领域全方位发展。与此同时，基于数字信息技术发展的物联网，将各类信息以网络形式接人，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理，推动企业智能化发展。可见，数字普惠金融拓展和细化了企业在投融资、数字支付、供应链、技术支持等金融科技服务应用场景，为区域数字化转型创造良好金融环境。数字普惠金融是金融和数字科技的结合，能有效提升区域金融服务创新水平。突出表现在数字普惠金融拥有利用大数据分析技术建构产品和服务的优势，能够充分考虑经济发展周期、风险、个性化等诸多影响因素，为处于不同经营阶段的企业客户提供精准而又个性化的金融服务。此外，数字普惠金融帮助企业打破原有的传统商业模式，在企业与消费者链接及企业价值等方面产生了积极作用，为区域数字化转型奠定良好基础2 0。一且区域金融服务创新水平得到提升，有利于充分整合内外部信息资源，在企业数字化转型需要大量资金支持时能够获得足够的金融资本2 1。究其原因，企业在数字化转型过程中经常面临持续变化和不确定的环境，且因受到转型周期长、成本高、过程不可逆等诸多束缚，导致企业常常不愿进行数字化转型。但是数字普惠金融的数字信息技术能提高长期开展数字化转型活动的成功率，也为其他区域运用新技术进行数字化转型提供了很好的借鉴。总之，数字普惠金融能够通过创新金融服务促进商业模式变革等方式，为区域数字化转型提供技术支撑。2.数字普惠金融、金融市场效率与区域数字化转型传统理论认为金融资源均衡配置需要建立在有效市场假说理论基础上，此时交易价格反映了完全市场信息，资源在交易双方处于信息对称情形下能够实现均衡配置。但在现实情形中，信息不完全和不对称容易产生逆向选择问题，加速银行陷入流动性危机，严重的情况下甚至还会演变为金融危机。然而，数字普惠金融作为金融与技术融合的产物，其运用新一代数字信息技术为创新传统金融监管方式注人了新活力2 2 。借助新兴数字技术将更高水平的监管技术应用于金融监管领域，加强数字普惠金融与金融监管的结合，从而提高风险监测和预警能力，保障数字金融良性发展。随着数字技术带动的科技监管水平提高，催生更高效的信37三、研究设计与数据说明西安财经大学学报息披露机制，能够有效解决交易双方信息不对称问题。所以，数字普惠金融借助数字技术的应用发展，加速传统金融模式转型升级，有效降低金融交易成本，同时拓展和改善了金融交易渠道和方式，使得交易形式更加多元化，减少了金融市场摩擦2 3 。因此，数字普惠金融通过技术创新、高效信息披露机制和交易形式多样化大大提高了金融市场运行效率。事实上，数字普惠金融发展通过技术、数据和场景促进金融创新，革新金融业务模式的同时，降低信贷服务获取难度，使得金融资源向真正的资金需求端倾斜，缓解金融资源配置不均衡、不充分的问题2 4。究其原因：一方面，数字技术在金融领域的深度运用使得借贷供需双方能进行有效信息交互，提升金融市场效率2 5；特别是数字普惠金融能有效缓解金融机构由于信息不对称、研发周期长、不确定性强而忽略成长性融资需求的情况。另一方面，由于技术和网络优势，数字普惠金融往往能起到模糊金融业务边界的作用，使金融业务的办理不受时空和地域限制。其天然具有成本低、门槛低、速度快和覆盖广的比较优势，不仅通过规模经济、技术溢出和外部经济等方式打破金融资源难以流动的障碍以减少不必要的借贷手续环节，还有助于加强金融资源区域流动性，提升金融市场的资源配置效率。综上所述，数字普惠金融依托自身先进的数字信息技术对企业进行技术输出，借助数字化技术创新手段能够提高金融与实体经济的匹配度，增强金融服务实体经济的能力，以高质量的技术支持和金融供给助推区域数字化转型。同时，数字普惠金融可以扩大区域金融服务范围，提升资本配置效率，为区域数字化转型提供强有力的支撑。因此，本文尝试从提高金融创新服务水平和提升金融市场效率这两个方面探索数字普惠金融对区域数字化转型的影响机制，为新时代背景下促进区域数字化转型和建设数字中国提供重要实证依据。（一）区域数字化转型指数学术界从不同视角对数字化转型升级本质内涵进行了科学界定。譬如Vijay和Debora(2019)基于微观角度从发展前景、战略、组织结构、流程、能力和文化六个维度对企业进行数字化重塑和变革的过程进行梳理2 6 。国内学者肖旭和戚聿东(2 0 19)则基于中观角度将数字化转型界定为传统产业在新一代数字科技支撑和引领下，以数据作为核心生产要素对业务进行升级，从而驱动产业效率提升、推动产业跨界融合、重构产业组织的竞争模式以及赋能产业转型2 7 。具体到区域层面而言，曾德麟等（2 0 2 1)认为数字化转型是以数字化技术、数字化产品和数字化平台的基础设施为支撑，将数据作为生产要素与产业进行融合，从而引发的个人、组织、产业等多个层面的变革，进而带来区域商业模式创新、价值创造和新经济形态系统转型的过程2 8 。国内外不同机构从多个维度对数字化转型进行了量化测度分析。2 0 19年3 月OECD基于开展两年的“数字化转型项目”，推出了数字化转型工具包并对各国数字化转型现状进行了评价。国家工业信息安全中心发布的2 0 2 0 年我国数字经济发展报告通过“数字经济测度工具箱”，从产业、省域、城市等多个维度展示2 0 2 0年我国3 1个省份和8 5个城市数字经济发展的新特点、新做法和新态势。2 0 2 0 年腾讯研究院联合腾讯云发布的数字中国指数报告（2 0 2 0），从数字产业指数、数字文化指数、数字政务指数和数字生活指数四个维度对数字中国指数进行衡量。国内外不同机构从宏观维度为区域数字化转型指标的构建提供了很好的框架结构，同时不少学者对区域数字化转型评价指标的构建提出了独到的见解。譬如，尹应凯和彭兴越（2 0 2 0)认为随着高速公路、高速铁路、光纤光缆等数字基础设施的建设，促进了数字化技术的发展，顺应网络化、数字化、智能化的社会发展趋势，高效支持数字经济发展和产业数字化变革2 9。杨文溥（2 0 2 2)从数字人才、数字化投人、数字化收人、数字基础设施等维度对数字化转型进行衡量，认为数字化投入与数字化收人能较好反映对数字化转型的重视程度和数字化转型的发展程度3 0 。在此基础上，殷群和田玉秀（2 0 2 1)考虑了企业数字化应用能力指标，并以此反映数字化实际应用能力水平11。本文基于已有学者的研究及数据可得性，构建了包括基础能力、核心能力和保障能力三个一级指标的数字化转型评价体系（见表1）。基础能力指标通过基础设施能力和数据使用程度进行衡量，主要反映区域数字化基础设施情况。核心能力衡量了企业数字化能力、信息业务收入、创新平台投人、信息社会发展水平的情况，反映区域进行数字化转型的技术能力、技术环境及社会环境。保38表1区域数字化转型程度指标体系张辽，岑洁：数字普惠金融如何影响区域数字化转型？障能力采用研发投人和资金保障两个方面进行衡量，反映了区域数字化转型的技术保障支持以及资金保障支持。一级指标基础能力指标基础设施能力数据使用程度核心能力指标企业数字化能力信息业务收入创新平台投入信息社会发展水平在线政府指数数字生活指数保障能力指标研发投入资金保障在信息论中，熵是对不确定性信息的一种度量。信息量越大，不确定性就越小，炳也就越小；信息量越小，不确定性就越大，熵也越大。熵值法能较好反映各个指标的信息量，由此确定的权重能够客观反映区域数字化转型程度。将上述指标运用炳值法来确定各个省份的综合评价指数，能较为客观地反映区域数字化转型程度。具体的计算过程为：首先将指标进行标准化处理，再计算各评价指标的比值（Paj），进而按照公式（1)计算第i项指标的值（E,）。其公式为：E,=-ki22 Palh(Pa),且 k1=In(mk)1=1其中，表示年份，i表示地区，i表示具体指标，m为指标项数。本文选取时间跨度为10 年，选取3 0 个省份，故m=10,k=30。由于第项指标的允余度D,=1-E;，权重系数W,=D;/D；。因为本文共有16 个具体指标，故n16。最后对被评价对象综合评价，得到各省份的区域数字化转型指数（Ia）。计算公式（2）如下：Is=2 Pa,W,=1图1展示了我国3 0 个省份于2 0 11一2 0 2 0 年区域数字化水平的测度结果。由计算结果可知，从2 0 11年到2 0 2 0 年中国各省份数字化转型程度总体呈上升趋势。由于地理区位、初始赋的不同使得地区间数字化转型程度存在较大差异，尤其是东部沿海地区数字化转型程度明显高于中、西部省份。省际层面数字化发展水平的整体均值和排名呈现了典型的“东部领先”与“西部靠后”的空间集聚特征。尽管在不同时期各个省份的排序有变动，但是诸如北京、上海、浙江和广东等省份区域数字化水平长期位居前列，反观青海、宁夏和贵州等省份则长期处于末位。为了厘清我国区域数字化转型程度的动态趋势规律，本文将研究时间划分为2011一2 0 16 年、2 0 16 一2 0 2 0 年两个阶段。可以发现，各地区数字化水平的年均增长态势也表现出参差不齐。譬如，以贵州、青海为代表西部省份在2 0 11一2 0 16 年这一阶段增速明显，以辽宁、天津、上海代表的东部地区年均增长缓慢。但全国绝大多数省份数字化水平的增长速度在2 0 16 一2 0 2 0 年均有所放缓。此外，从2011一2 0 2 0 年三大区域数字化转型升级的平均变化趋势来看，中、西部地区的平均增速分别为1.56 6%和0.929%，明显高于东部经济发达省份。39二级指标三级指标光缆线路长度（公里）互联网宽带接人端口（万个）互联网普及率(%)网页数（万个）每百家企业拥有网站数（个）有电子商务交易活动企业数（个）软件业务收人（万元）信息技术服务收人（万元）孵化器数量国家级科技园数量信息经济指数网络社会指数规模以上工业企业R&D经费/GDP（%）信息传输、计算机服务和软件业务占全社会固定资产投资比重（%）1(1)(2)西安财经大学学报上海市云南省1.51.51.01.00.50.50.0E0.0上20102015天津市1.51.00.50.0E2010广西壮族自治区1.51.00.50.0E20101.5上1.00.50.0EE20101.51.00.50.0E2010(二）模型设定前文梳理了数字普惠金融对区域数字化转型造成的影响，为了检验理论分析中所提出的观点，本文借鉴宋敏等（2 0 2 1)的做法12 ，构建了如下数字普惠金融影响区域数字化转型程度的省际面板数据模型，同时采用FGLS(可行广义最小二乘法)进行估计。Dign=ao+aiFta+Za controli+n:+.+ei其中，i表示省份；t表示时期；被解释变量Dig代表区域数字化转型水平；核心解释变量Ft代表地区数字普惠金融发展水平；Control表示一系列控制变量，n表示数字化转型程度省际间差异的地区效应;表示时间效应，为随机误差项。同时，本文构建如下计量模型检验数字普惠金融发展对区域数字化转型速度的影响。Dig_ga=o+Ftu+controli+n:+et其中,Dig_g表示地区i在第t 年的数字化转型速度，具体的计算方法为（Dig_git一Dig_git-1)/Dig_git-1X100,其他变量的含义同前述一致。关于核心解释变量数字普惠金融（Ft)的表征，本文参考郭峰等（2 0 2 0)的处理方法，选取了北京大学和蚂蚁金服共同构建发布的北京大学数字普惠金融指数（2 0 11一2 0 2 0)中的省级层面指数来衡量各地区数字普惠金融发展水平3 1。此外，实证模型中都控制了人力资本存量（Human）、经济发展水平（Pgdp）、政府干预程度（Gov）、市场化水平（Ins)和区域创新能力（Inno)等变量。主要变量定义如表2 所示。(三)数据来源本文选取2 0 11一2 0 2 0 年中国除西藏、港澳台以外的3 0 个省份的面板数据进行分析。其中，区域数字化转型指数计算涉及的数据来源于中国统计年鉴中国科技统计年鉴中国火炬统计年鉴和全球中国信内蒙古自治区1.5上1.00.510.0201520202010宁夏回族自治区1.5F1.00.50.0201520202010新疆维吾尔自治区1.51.5F1.01.00.50.50.0EE201520202010浙江省1.51.00.50.0201520202010贵州省1.51.00.50.0E201520202010Tj=2T北京市1.51.00.50.0202020101.51.00.50.02015202020100.0201520202010海南省1.51.00.50.0201520202010辽宁省1.51.00.50.0E201520202010图1我国区域数字化转型程度动态趋势图吉林省1.5上1.00.50.0201520202010安徽省1.51.00.50.0201520202010江苏省1.51.00.50.0E201520202010湖北省1.51.00.50.0201520202010重庆市1.51.00.50.0E201520202010年份四川省1.51.00.50.0E201520202010山东省1.51.00.50.0201520202010江西省1.51.00.50.0E201520202010湖南省1.5上1.00.50.020152020 2010陕西省1.51.00.50.020152020 20102015山西省201520202010河北省1.5卜1.00.50.0E201520202010甘肃省1.5上1.00.50.020152020 2010青海省黑龙江省1.5上1.00.50.0201520202010202020101.51.00.50.02015广东省20152020河南省20152020福建省2015202020152020(3)(4)2020数字普惠金融指数从数字覆盖广度（Width）、数字使用深度（Depth)和数字化程度（DI)三个维度展现了我国数字金融的发展程度。40张辽，岑洁：数字普惠金融如何影响区域数字化转型？表2 主要变量定义表变量名称变量符号区域数字化转型指标Dig数字普惠金融Ft覆盖广度Ft_Width使用深度Ft_Depth数字化程度Ft_DI金融服务创新能力innovation金融市场效率efficiency产业结构升级Str人力资本存量Human经济发展水平Pgdp政府干预程度Gov市场化水平Ins区域创新能力Inno息社会发展报告。数字普惠金融数据来源于北京大学数字普惠金融指数（2 0 11一2 0 2 0）。控制变量涉及数据主要来源于中国统计年鉴中国分省份市场化指数报告（2 0 18）中国城市和产业创新力报告2 0 17。此外，数据的处理和统计分析过程均由Stata12.0统计分析软件完成。为消除极端值的影响，对于连续变量均做了上下各1%的缩尾处理（Winsorize）。为了降低异方差及经济变量的结构突变带来年度数据变化幅度过大，上述的变量均进行对数化处理。表3 报告了主要变量的描述性统计结果。我们发现，区域数字化转型程度(Dig)均值小于零，但是区域数字化转型速度(Dig_g)的均值为正。这说明我国各地区推进数字化转型的平均水平并不高，但数字化转型的速度正在稳步提升，且总方差较大，说明区域间数字化转型水平及速度不均衡。数字普惠金融发展水平（Ft)的均值为5.2 2 0，三个维度的分指标均值分别为5.2 0 7、5.0 8 1和5.516，数字化程度的均值高于数字普惠金融覆盖广度和使用深度，表明数字金融服务的便利化是数字普惠金融发展的重要驱动因素。(一)基准回归结果表4汇报了数字普惠金融发展对区域数字化转型程度影响的基准回归结果。从样本总体回归结果来看：在控制了年份和地区固定效应后，数字普惠金融（Ft)与区域数字化转型之间呈现显著正相关关系，即数字普惠金融发展水平每提高1个百分点，客观上促使区域数字化转型程度（Dig)和数字化转型速度（Dig_g)分别提高0.154%、0.17 7%，均在1%的水平上显著为正，实证结果初步表明数字普惠金融发展水平的提高对区域数字化转型具有显著的促进作用。表4第（4)一（9)列报告了数字普惠金融分指数的回归结果。可以发现，数字普惠金融发展的不同角度对区域数字化转型的边际效应呈现明显差异。数字普惠金融分指数样本估计结果中，覆盖广度（Ft_Width)提升对区域数字化转型程度的边际影响为0.0 7 4，但是对数字化转型速41度量方法摘值法数字金融普惠指数数字金融覆盖广度数字金融使用深度数字化程度非利息收人占营业收入比重地区金融机构存贷款之和与地区生产总值的比值地区第三产业增加值与第二产业增加值的比值小学受教育程度人数百分比6 十初中受教育程度人数百分比9十高中受教育程度人数百分比12 十大学及以上受教育程度人数百分比16人均实际GDP的自然对数地方财政与地区生产总值比值中国分省份市场化指数中国城市和产业创新力指数变量名称样本量Dig300Dig_g300Ft300Ft _Depth300Ft_Wedth300Ft _DI300innovation300efficiency300Str300Human300Pgdp300Gov300Ins300Inno300四、实证分析表3 变量的描述性统计均值标准差-1.5098850.879.4630.0516601.4303345.2195250.6661245.2065240.622 5375.0812640.7885525.5159030.6738940.1927260.788 10743.68938537.1673434.7972190.3796802.217 2020.09160310.7856400.4423003.1958560.3868111.8438660.303.9834.1941891.406420最小值3.1504740.3370380.8714530.083.9132.974 2866.0126793.107 7916.0858191.8091655.9489823.1910686.0990420.143 0330.5696493.43407689.0125324.141 1036.2060992.0307942.528.0239.90358611.9500902.4918614.2808020.975 6622.300.6140.7472666.956960最大值表4基准回归结果西安财经大学学报度的影响高达0.10 2；使用深度（Ft_Depth)提升对数字化转型的边际影响分别高达0.2 19、0.2 8 2。这表明区域数字化转型的提升更加依赖于实际使用数字普惠金融的情况，仅仅依靠数字普惠金融服务供给是不够的。显然也支持前文的观点。数字化程度(Ft_DI)对数字化转型边际影响分别为一0.12 0 和一0.13 5，但并不显著。分指数数字化程度主要考虑便利性、低成本和信用化，具有低成本和低门槛优势，获得数字普惠金融服务同时也降低区域数字化转型进入门槛。此外，回归结果中其他控制变量的符号也基本符合预期。数字普惠金融总指数变量名称模型IDigFt0.154*(2.93)Ft_WidthFt_DepthFt_DIHumanPgdpGovInsInnoC年份/省份NR2注：*、*、*分别表示1%、5%以及10%的显著性水平，下同。(二)内生性问题由于模型设定不可避免会存在遗漏变量的情况，一些没有观测到的因素无疑会导致参数估计有偏。除此之外，区域数字化转型在重塑区域竞争格局的过程中引起金融领域传统要素与科技新要素的相对地位发生变化，可能引致较高的数字普惠金融发展水平，即被解释变量反过来影响解释变量，从而导致存在反向因果关系。为了缓解各种内生性问题导致核心解释变量系数估计有偏和不一致性，本文进一步采用以下两种策略予以克服：首先，本文借鉴邱晗等（2 0 18)以及万佳或等（2 0 2 0)的做法，选取省级互联网普及率作为数字普惠金融的工具变量3 2-3。合理的解释是，区域互联网普及率较好代表各区域数字信息技术发展情况，这与区域数字普惠金融发展水平有着紧密联系且能够反映的是数字基础设施情况，相对区域数字化转型具有一定外生性。估计结果见表5的第（1)一（2)列和第（4)一（5)列。从第一阶段的回归结果来看，工具变量（Internet)的估计系数显著为正向，且均拒绝了不可识别检验和弱工具变量检验的原假设，这就证实了本文所选取的工具变量与数字化转型程度和速度之间是存在相关性的。第二阶段的回归结果显示，数字普惠金融(Ft)对区域数字化转型程度与速度的影响仍然是大于零，而且回归系数较基准回归结果有较为明显的提高，这说明内生性问42数字普惠金融分指数模型模型Dig_gDig0.177*(1.83)0.137*0.121*(-1.65)(-1.57)0.458*0.414*(2.63)(2.36)0.054*0.036*(2.02)(2.27)0.167*0.186*(3.08)(3.21)0.2150.252(1.21)(1.79)-1.654-1.301(0.54)(0.62)控制控制3003000.5930.547模型IVDig_g0.074*0.102(1.97)(1.54)-0.232*-0.282*(4.77)(4.41)0.383*0.276(1.66)(1.22)0.040*0.087*(2.29)(2.19)0.114*0.192*(2.25)(2.11)0.2010.187*(1.08)(1.68)-1.202-1.851(0.59)(0.74)控制控制3003000.5440.596模型VDig0.219*(4.11)-0.179*(-2.71)(2.43)0.055*0.011*(2.74)(2.19)0.031*0.065*(1.66)(1.95)0.240*0.233*(3.21)(3.17)0.096*0.038*(1.97)(1.62)-1.556-1.723(-0.66)(0.97)控制控制3003000.6680.638模型VIDig_g0.282*(3.83)-0.188*模型VIDig-0.120(0.72)-0.024*(1.73)0.794*(3.38)0.033(1.28)0.163*(4.25)0.069(1.11)-1.402*(1.73)控制3000.528模型VIDig_g-0.135(0.79)0.068(-1.23)0.655*(4.23)0.068(1.22)0.143*(4.27)0.022(1.48)-1.156*(1.91)控制3000.589表5内生性问题处理张辽，岑洁：数字普惠金融如何影响区域数字化转型？题使得基准回归估计产生了较为明显的向下偏倚。接下来本文将区域互联网普及率这一工具变量作为被解释变量纳入基准模型中进行半简化式回归，目的是检验省级互联网普及率这一工具变量是否相对区域数字化转型为外生变量。如果满足外生性，那么其只能通过影响核心解释变量这一渠道对被解释变量产生影响，即将满足外生性的工具变量作为解释变量进行检验，估计结果将不能通过显著性检验。表5的第(3)列和第（6)列的计量结果显示估计系数是不显著的，表明选取的工具变量满足外生性要求。变量名称IV-2SLS(1)（2)Ft0.186*(3.54)Internet0.094*:(1.82)控制变量是C0.193*(2.16)不可识别检验弱工具变量检验个体/年份固定效应调整R2观测值注：中括号内数值为统计检验的P值，大括号内数值为Stock-Yogo弱工具变量检验10%水平的临界值。其次，本文根据数字普惠金融大事件信息构造拟自然实验，采用双重差分方法对数字普惠金融影响区域数字化转型的效应进行因果识别，以期更加彻底地解决可能存在的内生性问题。具体借鉴聂秀华等（2 0 2 1）的做法，选择2 0 13 年余额宝推出和2 0 16 年推进普惠金融发展规划正式发布这两件数字普惠金融变革领域的大事件14。同时，本文以各个省份金融发展水平是否高于或低于2 0 14年和2 0 16 年数字普惠金融发展水平为基准，将金融发展水平较低的省份归为实验组，取值为1；将数字普惠金融发展水平较高的省份归为对照组，取值为0。本文设立DID模型如下：Digi.=+Treat.X Posts.+Zr,Control.+0,+ei.其中，Treat是实验组标识,Posti是一个时点变量，处于时点年份及以后取值为1，之前取值为0，其他变量与前文叙述一致。其中Treat；XPo s t;的系数捕捉了重大数字普惠金融事件的影响，如果显著为正，说明某地区受事件冲击使得该地区数字普惠金融能够显著促进区域数字化转型。需要注意的是，应用DID方法时处理组和控制组必须满足平行趋势假设，即如果不存在余额宝推出这类数字普惠