数字金融能否促进产业链创新.pdf

数字金融能否促进产业链创新？刘建摘要随着数字技术在金融领域的深入应用，数字金融已成为提升产业链创新水平的重要驱动力。基于中国投入产出表测度产业链创新指数，利用面板模型与中介效应模型实证检验数字金融对产业链创新的影响。研究结果显示，数字金融对产业链创新水平具有显著正向影响，该结论在经过内生性处理和稳健性检验后依然成立。异质性分析表明，数字金融对中部、西部地区产业链创新的作用大于东部地区；相较于资本密集型、劳动密集型产业链，数字金融对技术密集型产业链创新的促进作用较大；数字金融三个维度均能促进产业链创新，其中“使用深度”作用最大。作用机制分析发现，研发投入是数字金融影响产业链创新的重要渠道。据此，提出打造“数实融合”新格局、增强研发投入力度、扩大中西部地区数字金融普及范围的对策建议，以期充分发挥数字金融对产业链创新的促进作用。关键词数字金融；产业链创新；研发投入；中介效应一、引言当前，国家间经济竞争已由产品竞争、企业竞争上升为产业链之间的竞争1。尽管我国已拥有较为健全的产业体系与供给优势，但“大而不强”“全而不精”“韧中有脆”的短板使得产业链创新发展受阻。与此同时，中美贸易“脱钩”、核心技术“卡脖子”以及国际政治经济格局的深度调整，亦阻滞了我国产业链创新发展。为此，党的二十大报告指出，“要着力提升产业链供应链韧性和安全水平”。2022年12月，中央经济工作会议进一步强调，“产业政策要发展和安全并举”“着力补强产业链薄弱环节”。值此政策旨向下，如何以产业链为依托开展创新活动，提升产业链创新水平，增强产业链韧性，成为当前助力国家产业高质量发展、保障实体经济稳定运行的重要策略。数字金融是数字技术与传统金融业态结合的新兴产物，可凭借“金融+科技”融合优势，为产业链上下游企业活动提供信贷支持2，赋能产业链主体协同创新。也就是说，数字金融能够通过降低融资成本与服务门槛，摆脱时空约束，缓解产业链上下游企业间信息不对称问题，满足产业链上下游企业融资需求3。此外，数字金融使用深度不断深入，使得资源配置与集聚形态发生改变，为产业链上下游企业协同创新营造良好氛围4。基于此，研究数字金融对产业链创新的影响机理，不仅可从产业链自主可控角度统筹经济增长与产业链安全间的关系，还有助于揭示数字金融经济效应与产业链现代化间的具体作用逻辑。二、文献综述数字金融是数字经济的重要组成部分，能够为数字经济发展提供坚实支撑。基于数字金融不断演变特性，国内外学者对数字金融的定义进行了大量研究。国际方面，Gomber等5认为数字金融是指金融业数字化。Ozili6将数字金融定义为通过数字支付系统提供支付、储蓄、信贷等服务与产品的金融模式。国内方面，资料来源于 着力提升产业链供应链韧性和安全水平，中国共产党新闻网，http:/ 总第341期现代管理科学现代管理科学MODERN MANAGEMENT SCIENCEAugust 2023No.4 Total No.341-46黄益平等7认为，数字金融是传统金融机构将数字技术应用在支付结算、资金融通等环节的模式。郭峰等8指出，广义数字金融主要是指传统金融机构运用数字技术创新业务发展模式；狭义数字金融是指互联网平台公司的线上金融模式。综上，本研究认为数字金融是指金融机构应用移动互联网、大数据、云计算等数字技术，实现支付结算、风险管理等环节数字化运行的金融模式。同时，学术界对数字金融的测度方式与创新效应也展开大量研究。测度方式层面，国际社会主要以金融包容联盟与全球普惠金融合作伙伴组织测度方式为主。金融包容联盟从金融服务可得性、金融产品使用状况两个维度出发，构建包容性数字金融指标体系9；全球普惠金融合作伙伴组织从金融服务可获得性、金融服务使用状况以及金融产品与服务三个维度，构建数字普惠金融指标体系10。于国内而言，数字金融测度方式主要包含以下三类：第一类是传统金融调查中关于数字金融的测度，如中国家庭金融调查数据11、中国农村普惠金融调查数据12；第二类为研究机构发布的数字金融指数，主要包括北京大学数字金融研究中心发布的数字普惠金融指数13；第三类是数字经济测度中有关数字金融的测度，如中国数字经济指数报告14、中国城市数字经济指数15。创新层面主要从宏观视角和微观视角对数字金融展开分析。宏观视角下，周申蓓等16研究得出，数字金融及其分指数均能够促进区域创新，其中数字金融使用深度促进作用最大。武小菲等17研究指出，数字金融能够显著提升城市创新能力，其中覆盖广度的促进作用更明显。微观视角下，王霄等18研究发现，数字金融有助于提升企业创新水平。申明浩等19研究得出，数字金融发展能够显著提升企业创新绩效。近几年，学术界已开始关注数字金融与产业链的关系。徐伟呈等20研究发现，数字金融能通过金融产品创新改善企业创新融资环境，倒逼产业链上下游企业主动优化产业链条，提升产业链自主可控能力。综上可知，现有文献已从宏观层面与微观层面探析数字金融对创新的影响效应，为本研究奠定理论基础。但关于数字金融对产业链创新影响的研究较为缺乏。是以，本文拟探究数字金融对产业链创新的深层作用机制，并比较数字金融影响效果的异质性。本文可能的创新性贡献如下：第一，对数字金融与产业链创新水平展开研究。从理论分析与实证检验入手，探析数字金融与产业链创新的关系，意在为发挥数字金融创新作用、实现产业链创新水平提升提供全新视角。第二，为以数字金融视角研究产业链创新提供全新思路。在作用机制方面，系统分析数字金融是否能够通过研发投入影响产业链创新；在异质性方面，分别从产业链异质性、区域异质性以及数字金融细分要素异质性方面，探讨数字金融影响产业链创新的差异化作用，旨在丰富已有研究。三、理论机制与研究假设1.数字金融与产业链创新作为数字技术与金融服务融合的产物，数字金融可为创新活动提供资金、技术等方面的支持，提升产业链创新水平。具体来说，一是数字金融通过信贷支持影响产业链创新。产业链上下游企业开展活动创新时，往往需要长久而持续的信贷支持。此过程中，数字金融能够提供高效信贷资源，继而赋能产业链创新。为在市场获得一席之地，传统金融机构致力于减少银企间信贷中的风险管控成本21，以降低企业获取信贷资源的门槛。此优势下，产业链上下游企业融资难问题得以缓解，能够获得更为充足的资金用于开展创新活动。二是数字金融通过提供信息资源影响产业链创新。基于大数据、云计算等技术手段的数字金融，可深入剖析与挖掘信息，帮助金融机构全方位评价目标客户22，缓解借贷双方信息不对称问题。这有利于降低产业链上下游企业获得信贷支持难度，为产业链上下游企业创新活动提供资金支持，提升产业链创新水平。基于以上分析，本文提出如下研究假设：假设1：数字金融对产业链创新具有正向影响。2.异质性效应就区域异质性而言，卫彦琦23利用省域面板数据研究发现，数字金融对不同地区产业链影响存在显著差异。具体来说，数字金融能够突破金融服务网点布局限制，直接触达中西部偏远地区，助力域内产业链上下-47游企业享受现代化数字金融服务，加速创新活动开展。而且，相较于东部地区，数字金融可为中西部地区提供更高质量的金融服务，以缩小东、中西区域金融获得性差异。因此，数字金融对中西部地区产业链创新作用明显较大。就产业链异质性而言，在创新驱动作用机制下，不同产业链对数字金融的依赖程度有所差异。其中，技术密集型产业链更容易借力数字金融开展创新活动。在数字金融赋能下，技术密集型产业链致力于深耕技术领域，积极开展科研活动，使得产业链各环节不断向纵深发展，进而提升产业链创新水平24。对于资本密集型产业链而言，在数字金融助力下，产业链上下游企业通过将投资市场驱动质量变革转为资本赋能，实现由低端制造向中高端制造攀升，进而提升产业链创新水平。对于劳动密集型产业链而言，数字金融可为产业链上下游企业提供资金支持，助推产业链上下游企业开展创新活动，最终作用于产业链创新。就数字金融细分要素异质性而言，随着数字金融覆盖广度不断扩展，大量融资平台进入资本市场，有效扩充资金供给量，缓解产业链上下游企业融资约束，为产业链上下游企业开展创新活动提供资金支持25，赋能产业链创新。且随着使用深度进一步延伸，数字金融拓宽金融服务边界，使得融资双方能够通过数字金融平台实现自发匹配，增强产业链上下游企业资金集聚能力，最终赋能产业链创新。此外，从 北京大学数字普惠金融指数 报告来看，2015年后普惠金融数字化程度呈现小幅下降态势。这使得数字化程度在拓宽金融服务边界、减少信息不对称等方面的作用减弱，不利于促进产业链创新。基于上述分析，本文提出如下假设：假设2a：数字金融对不同地区产业链创新具有异质性；假设2b：数字金融对不同类型产业链创新具有异质性；假设2c：数字金融的覆盖广度、使用深度与普惠金融数字化对产业链创新具有异质性。3.研发投入的传导效应一般来说，产业链上下游企业研发投入越多，越有助于形成技术创新成果，最终提升产业链创新水平。此过程中，产业链上下游企业若想持续增加研发投入，离不开长期资金支持。但由于创新活动具有周期长、资金需求大、投资不可逆等特征，产业链上下游企业仅依靠内部资金难以满足持续性研发需求，亟须利用外部渠道获得资金支持。数字金融作为数字技术与金融服务深度融合的产物，可为产业链上下游企业提供多元融资渠道。具体来说，数字金融借力金融科技打破空间与时间限制，构建多元化应用场景，支持产业链上下游企业拓宽外部融资渠道。在数字金融赋能下，金融机构利用大数据技术的资源整合与风险识别功能，为产业链上下游企业搭建风险管理体系，助力产业链上下游企业增加研发投入26，实现关键技术“从无到有”的突破，提升产业链创新水平。由此，本文提出如下假设：假设3：数字金融通过增加研发投入赋能产业链创新。四、研究设计1.产业链确定当前，关于产业链的研究主要聚焦于制造业。由此，本文将视野聚焦于制造业产业链以展开进一步分析。借鉴洪俊杰等27的研究方法，根据 中国地区投入产出表（2007）各部门分类标准划分制造业产业链。考虑到实证所需数据主要来自国民经济行业分类统计口径，与 中国地区投入产出表（2007）中的分类存在差异，须对制造业产业链与国民经济行业分类进行对应处理，结果见表1。表1产业链与国民经济行业分类对应关系123456食品制造及烟草产业链纺织服装服饰产业链鞋帽产业链家具制造产业链造纸及文教体育用品产业链能源产业链C13，C14，C15，C16C17，C18C19C20，C21C22，C23，C24C25序号产业链名称国民经济行业分类-48789101112131415化学产品产业链非金属矿物制品产业链金属制品产业链机械设备制造产业链交通运输设备制造产业链电气机械和器材制造产业链计算机、通信和其他电子设备制造产业链仪器仪表产业链其他制造业产业链C26，C27，C28，C29C30C31，C32，C34，C35C36，C37C38C39C40C41，C42，C43续表1：序号产业链名称国民经济行业分类注：制造业产业代码主要来自2017年国民经济行业分类标准2.模型设定结合以上理论假设，本文设定面板模型实证检验数字金融对产业链创新的影响，具体公式如下：lninnordit=0+1difit+2Xit+i+t+it（1）上述公式中，i和t分别为产业链与年份，innordit是第t年i产业链创新水平，difit为t年i产业链所属地区对应的数字金融指数；i和t表示产业链与年份固定效应，Xit为影响产业链创新的一系列控制变量；it表示误差项；1、2表示待估计系数。根据理论分析可知，1是本研究关注的重点对象，预测其符号为正。为检验数字金融影响产业链创新的传导机制，即数字金融是否通过研发投入对产业链创新产生影响，本文设定中介效应模型如下所示：lninnordit=0+1difit+2Xit+i+t+it（2）rdinvit=0+1difit+2Xit+i+t+it（3）lninnordit=0+1difit+2rdinvit+3Xit+i+t+it（4）上述公式中，rdinvit表示i产业链t年的研发投入，采用研发金融与本期主营业务收入之比表征，其他变量符号同模型（2）。3.变量选择与说明（1）解释变量：数字金融（dif）当前，学界主要借鉴李春风等28研究成果，利用北京大学数字普惠金融指数表征数字金融。这主要是因为，数字普惠金融指数是基于传统普惠金融指标体系和数字金融服务特点构建而成，具有科学性与合理性。且北京大学数字普惠金融指数包括数字金融覆盖广度、数字金融使用深度与普惠金融数字化程度三个大类33个指标，可全面反映数字金融发展情况。是以，本文采用数字普惠金融指数衡量数字金融。（2）被解释变量：产业链创新（innord）最终产品视角下产业链创新测度方法忽视中间投入品产生的作用，难以真实反映经济实情。为弥补上述缺陷，本文借鉴杨晓霞等1的研究方法，利用投入产出模型测算产业链创新水平，具体公式如下：innordi=p1 b1i+p2 b2i（5）上述公式中，pj bij表示产业链i每1单位最终产品创新利润中所有包含的来自中间投入行业j的创新产出，innordi表示i产业链全部创新成果。（3）中介变量：研发投入（rdinv）采用研发经费内部支出占地区生产总值的比重表征。该比值越大，说明社会对科研活动的经费支持力度越大，越有利于提升产业链创新水平。（4）控制变量产业链创新水平提升会受到多种因素影响，因此本研究在实证模型中引入省域层面可能对产业链创新水平引起变化的其他变量。贸易开放度（open）利用出口交货值占销售产值的比例表征；生产规模（scale）使用主营业务收入的对数表示；研发人员（rd）采用研发人员数量的对数值刻画；资本投资（capital）运用资产总额-49表征；外商直接投资（fdi）利用外商直接投资企业的销售收入衡量。4.数据来源本文以20112021年15个制造业产业链为研究对象，研究数字金融与产业链创新两者之间的关系。数字金融的数据来自北京大学数字金融研究中心发布的 北京大学数字普惠金融指数，产业链创新利用中国地区投入产出表进行测度。中介变量与控制变量原始数据来自 中国统计年鉴 中国科技统计年鉴 以及中国工业统计年鉴。各变量描述性统计结果如表2所示。此外，研究期内 中国科技统计年鉴 中关于企业数据的统计口径并不一致，本文将大中型工业企业数据统一调整为规模以上工业企业数据开展实证分析。在实际回归分析前，匹配各省域数字普惠金融指数与各产业链创新水平，以确保研结果的精准性。表2描述性统计变量innorddifrdinvopenscalerdcapitalfdi含义产业链创新数字金融研发投入贸易开放度生产规模研发人员资本投资外商直接投资观测值165165165165165165165165均值1.5740.1520.2580.1759.65210.3984.2148.251标准差1.1350.3950.2140.1531.3691.3521.3391.547最小值0.1980.0470.0260.1296.3646.2363.2544.568最大值6.2582.3650.5820.65812.58913.2545.32810.652五、实证检验1.基准回归检验本文利用面板模型开展基准回归检验，结果如表3所示。其中，列（1）、列（3）、列（5）为仅考察数字金融这一核心解释变量获得的回归结果。列（2）、列（4）、列（6）为加入其他控制变量获得的回归结果。不同检验方式主要区别在于是否控制地区、年份以及地区年份固定效应。观察表3可知，数字金融对产业链创新具有正向促进作用。不论是否加入控制变量、是否控制产业链固定效应和时间固定效应，所有实证结果中数字金融的估计系数为正，且通过显著性检验。上述结果证实假设1成立。控制变量中，贸易开放度系数均为正，通过1%显著性检验，说明提高贸易开放度对产业链创新具有正向影响。生产规模系数为正，符合理论预期。研发人员回归系数为正，在1%水平上显著，说明研发人员越多，越有利于提升产业链创新水平。资本投资回归系数为正，通过1%显著性水平检验，说明资本投资对产业链创新水平提升具有正向影响。外商直接投资回归系数为正，亦通过1%显著性检验，说明外商直接投资对产业链创新水平提升具有促进作用。表3基准回归结果difopenscalerdcapital0.085*（3.68）0.352*（7.21）0.157*（7.52）0.474*（6.68）0.789*（5.24）0.786*（3.54）0.174*（3.62）0.254*（5.41）0.125*（3.18）0.365*（3.65）0.624*（3.52）0.526*（3.87）0.254*（4.52）0.325*（6.24）0.158*（3.59）0.374*（6.52）0.745*（2.95）0.758*（3.51）变量（1）（2）（3）（4）（5）（6）-50fdi常数项产业链固定效应时间固定效应观测值R20.256*（2.71）YesNo1650.0050.125*（4.25）-2.361*（-6.58）YesNo1650.3520.369*（3.25）NoYes1650.0420.112*（3.41）-0.725*（-3.08）NoYes1650.2580.471*（4.22）YesYes1650.2470.165*（3.68）-2.365*（-4.52）YesYes1650.278续表3：变量（1）（2）（3）（4）（5）（6）注：*、*、*为在1%、5%、10%水平上显著；（）内数值为t值；Yes表示加入控制变量，No表示不加入控制变量，下同2.稳健性检验更换被解释变量衡量方式进行稳健性检验。在投入指标方面选取规模以上工业企业研发经费投入占GDP比重、规模以上工业企业研发经费内部支出；在产出指标方面选取PCT国际专利申请量、技术市场成交额以及规模以上工业企业新产品销售收入占主营业务收入比重。然后利用投入产出模型重新测度产业链创新水平，并利用ICT表征。将产业链创新水平测度结果带入模型（1）再次进行基准回归分析，结果见表4。由列（1）可知，数字金融回归系数为正，说明更换产业链创新测度指标后，数字金融依然对产业链创新具有促进作用，基准回归结果依然成立。同样，利用清科研究中心发布的 中国城市科技金融发展指数 表示数字金融，再次利用面板模型进行检验，结果如表4列（2）所示。列（2）结果显示，数字金融对于产业链创新正向促进作用依然成立。为规避内生性问题对回归结果的影响，本文借鉴黄群慧等29的方法，选取各城市1985年每百万人固定电话数量和每万人邮局数量作为地区数字金融发展的工具变量，并利用工具变量法进行检验。一方面，每百万人固定电话数量和每万人邮局数量是数字金融发展的基础，可从设施保障、主体参与等方面影响数字金融应用，满足内生性要求；另一方面，上述变量不会直接影响产业链创新水平，满足外生性要求。从内生检验结果来看，不可识别检验、弱识别检验均在较高水平拒绝“工具变量识别不足”和“工具变量为弱识别”的原假设，表明工具变量选取具有合理性，说明本文选取的工具变量较为合理。进一步利用两阶段最小二乘法估计（2SLS）、广义矩估计（GMM）进行回归估计，结果如表4列（3）和列（4）所示。由结果可知，在考虑潜在内生性问题后，数字金融回归估计系数分别为0.368、0.214，且通过1%显著性检验。为增强结论可信度，将产业链创新数据来源变更为WIOD数据集，再次进行回归分析，结果如表4列（5）所示。其中，获得的结果与基准回归结果一致，说明更换数据集后基准回归结果依然成立。表4稳健性检验结果diftfinL.difopenscalerd0.485*（7.14）0.122*（6.31）0.509*（6.55）0.744*（5.21）0.3265*（6.52）0.102*（3.24）0.521*（3.65）0.632*（4.22）0.368*（3.25）0.154*（3.33）0.536*（4.59）0.563*（4.68）0.214*（3.60）0.147*（3.25）0.126*（3.65）0.502*（4.11）0.512*（3.52）0.365*（5.21）0.109*（3.67）0.511*（4.21）0.523*（3.24）变量（1）ICT（2）innord（3）IV（2SLS）（4）GMM（5）innord-51capitalfdi常数项不可识别检验弱识别检验AR（1）AR（2）产业链固定效应时间固定效应观测值0.704*（3.22）0.131*（3.54）-0.598*（-6.52）YesYes1650.635*（3.52）0.122*（3.67）-1.854*（-3.41）YesYes1650.565*（2.96）0.138*（4.21）368.7410.0001236.77116.44YesYes1650.604*（3.29）0.136*（3.57）0.857*（7.11）0.1230.280YesYes1650.723*（3.24）0.147*（4.57）-2.654*（-4.52）YesYes165续表4：变量（1）ICT（2）innord（3）IV（2SLS）（4）GMM（5）innord注：表示Cragg-Donald Wald F Statistic在10%显著性水平下的临界值，表示指标的P值六、扩展性分析1.区域异质性分析上述分析结果是否会因为地理区位不同而产生差异，值得进一步探究。因此，根据国家统计局划分标准，将我国分为东部、中部与西部进行区域异质性检验，结果如表5所示。列（1）与列（2）为东部地区与中西部地区的对比检验。不论是在东部地区还是中西部地区，数字金融回归系数均为正，说明数字金融对产业链创新正向作用并未发生改变，再次证明假设1成立。相较于东部地区，数字金融对中部与西部地区产业链创新的促进作用更大，说明数字金融对产业链创新的影响在中西部地区具有后发优势，该结论符合预期，证明假设2a成立。表5区域异质性回归结果变量difopenscalerdcapitalfdi常数项产业链固定效应时间固定效应观测值R2（1）东部地区0.258*（3.52）0.265*（3.54）0.257*（3.52）0.526*（10.26）0.552*（4.59）0.285*（4.52）-1.985*（-3.52）YesYes690.602（2）中部地区0.522*（4.25）0.147*（6.25）0.159*（12.52）0.456*（11.56）0.241*（3.56）0.162*（5.24）-2.635*（-5.11）YesYes540.335（3）西部地区0.563*（4.23）0.153*（7.52）0.156*（5.23）0.482*（12.53）0.109*（2.97）0.103*（3.68）0.126*（8.32）YesYes420.258-522.产业链异质性分析产业链异质性是否会影响数字金融对产业链创新的促进作用？为解答这一问题，本文将产业链划分为资本密集型产业链、劳动密集型产业链和技术密集型产业链进行回归分析，结果见表6。表6产业链异质性回归结果变量difopenscalerdcapitalfdi常数项产业链固定效应时间固定效应观测值R2（1）资本密集型产业链0.258*（3.52）0.126*（3.25）0.251*（3.14）0.263*（3.25）0.156*（7.52）0.256*（4.25）-1.596*（-3.11）YesYes520.614（2）劳动密集型产业链0.146*（3.11）0.156*（6.52）0.569*（7.52）0.456*（5.21）0.226*（5.25）0.217*（5.12）-2.563*（-4.52）YesYes490.325（3）技术密集型产业链0.303*（7.16）0.206*（7.14）0.126*（6.20）0.741*（2.98）0.462*（5.63）0.326*（3.10）-2.236*（-8.56）YesYes640.221表6列（1）至列（3）为资本密集型产业链、劳动密集型产业链、技术密集型产业链的对比结果。从中可以看出，数字金融对资本密集型产业链、劳动密集型产业链、技术密集型产业链回归系数均为正，说明数字金融对三类产业链创新均具有显著正向影响，这符合假设1的预期。进一步对比回归系数发现，数字金融对技术密集型产业链创新的促进作用最大，上述结果证明假设2b成立。3.数字金融细分要素异质性分析根据数字普惠金融指数测度指标体系，将数字金融分为数字金融覆盖广度、数字金融使用深度以及数字金融数字化程度，探讨数字金融对产业链创新的异质性影响，结果如表7所示。表7数字金融细分要素异质性回归结果difextdifdepdiflevopenscalerdcapital0.126*（3.24）0.175*（7.54）0.421*（6.62）0.874*（3.21）0.747*（3.77）0.247*（3.85）0.136*（3.54）0.325*（3.14）0.478*（2.96）0.596*（2.79）0.104*（1.54）0.147*（3.22）0.354*（2.98）0.547*（3.24）0.487*（2.84）变量（1）数字金融覆盖广度（2）数字金融使用深度（3）普惠金融数字化程度-53fdi常数项产业链固定效应时间固定效应观测值R20.141*（3.62）2.526*（5.24）YesYes1650.6520.247*（4.21）2.569*（7.52）YesYes1650.2580141*（4.19）2.692*（6.25）YesYes1650.569续表7:变量（1）数字金融覆盖广度（2）数字金融使用深度（3）普惠金融数字化程度从表7列（1）列（3）回归结果可知，数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度计回归系数均为正，分别为0.126、0.247与0.104，且均通过显著性检验。细致对比各细分要素的回归结果可知，数字金融使用深度对产业链创新的正向作用最大，其次为数字金融覆盖广度，数字金融数字化程度影响最小。上述结论使得假设2c得到验证。由此可知，数字金融覆盖范围在为产业链上下游企业提供信贷资源支持方面扮演着重要角色。随着数字金融覆盖范围不断扩大，金融机构通过有效信息分享与传递，缓解产业链上下游企业在决策中存在的信息不对称问题，助力企业及时调整决策，实现产业链价值增值，提升产业链创新水平。同时，数字金融使用范围不断延伸会倒逼地方政府改善数字基础设施，清除数字生成、采集、存储等环节存在的障碍与壁垒，为产业链企业创新活动奠定扎实的基础设施，助力产业链创新水平提升。4.传导机制检验为检验数字金融影响产业链创新的传导路径，运用stata模型对式（2）至式（4）进行检验，结果如表8所示。列（1）中结果显示，数字金融回归估计系数为正，且通过1%显著性检验，说明数字金融对产业链创新具有显著促进作用。列（2）与列（3）结果中，数字金融回归系数均为正，且通过1%显著性检验，说明在数字金融赋能下，产业链上下游企业研发投入不断增加。综合表8中列（1）至列（3）回归结果可知，研发投入是数字金融影响产业链创新重要作用渠道。该实证结果验证假设3成立，即研发投入在数字金融影响产业链创新过程中具有中介作用。表8机制检验回归结果变量difrdinvopenscalerdcapitalfdi常数项产业链固定效应时间固定效应观测值R2（1）innord0.047*（2.98）0.147*（3.27）0.352*（3.54）0.625*（3.47）0.748*（3.52）0.174*（4.21）0.748*（3.25）YesYes5240.302（2）rdinv0.895*（3.17）0.141*（3.20）0.402*（3.27）0.621*（5.31）0.574*（3.03）0.158*（4.78）15.324（0.12）YesYes5240.365（3）innord0.019*（3.54）0.023*（3.36）0.143*（3.68）0.412*（3.12）0.701*（3.27）0.714*（3.74）0.173*（6.54）0.745*（4.51）YesYes5240.339-54七、结论与对策建议以20112021年我国30个省域面板数据为研究样本，实证分析数字金融对产业链创新的影响，并得到以下结论：（1）数字金融对产业链创新具有显著促进作用，该结论经过一系列稳健性检验依然成立。（2）相较于东部地区，数字金融对中西部地区产业链创新的驱动作用更为显著。（3）数字金融对技术密集型、资本密集型以及劳动密集型产业链创新均具有正向影响，并呈依次减弱态势。（4）数字金融三个维度均能显著促进产业链创新，其中数字金融使用深度的作用最大。（5）研发投入在数字金融影响产业链创新过程中发挥着中介作用，即数字金融能够通过研发投入影响产业链创新。基于上述结论，本文提出如下对策建议：一是打造“数实融合”新格局。由上述实证结果可知，数字金融对产业链创新具有积极作用。因此，为持续长久发挥这一作用，政府部门应与金融机构协同合力，加速推进金融业务数字化发展，以更好地适应并服务于产业链创新。地方政府应发挥主导作用，引导并鼓励金融机构创新组织架构，营造数字化文化，打造与现代经济体系相适应的金融服务新格局。金融机构应加大在新型基础设施建设、科技创新、稳链固链等方面的投入力度，催生新产业新业态新模式，以期更好服务产业链上下游企业创新活动。二是增强研发投入力度。由实证结果可知，研发投入是数字金融影响产业链创新的重要作用渠道。因此，金融机构主体应致力于拓宽数字金融覆盖广度、使用深度，以及提升普惠金融数字化程度，为企业创新活动提供充足的资金支持，助力其加大研发投入力度，为产业链创新水平提升赋能。具言之，金融机构应结合自身战略导向与资源禀赋优势，打造差异化、特色化金融服务模式，以在增强数字金融服务供给能力的同时，为中小企业创新活动提供资金支持。具体实施过程中，金融机构可建立包含企业发明专利、科研团队、技术优势等维度的“技术流”授信评价体系，充分衡量企业信贷可得性，为企业创新活动提供资金支持，增强其研发力度。三是扩大中西部地区数字金融普及范围。由上述实证结果可知，数字金融对中西地区产业创新促进作用更为显著。因此，中西部地区需要紧握数据这一核心生产要素和算力，以“东数西算”为牵引，适度超前布局数据中心、5G等新一代数据基础设施，加速推进数字金融发展与产业链创新。具言之，中西部地区金融机构应与政府部门合作，为各级政府建立区域专属授信模式，以提升中小企业贷款可得率，充分发挥数字金融的积极作用。同时，中西部地区地方政府还应在依法合规前提下，探索建立跨区域银企信息平台，充分发挥数字金融普惠性，更好支持产业链上下游企业开展创新活动，助力产业链创新水平提升。参考文献：1 杨晓霞，陈晓东.数字经济能够促进产业链创新吗？基于OECD投入产出表的经验证据J.改革，2022（11）：54-69.2 孟晓倩，吴传清.数字金融对区域创新生态影响研究J.中国软科学，2022（9）：161-171.3 余得生，张雨.环境规制、数字普惠金融与企业绿色创新J.金融与经济，2022（8）：68-76.4 谢卫红，林培望，李忠顺，等.数字化创新：内涵特征、价值创造与展望J.外国经济与管理，2020（9）：19-31.5 Gomber P,KochJ A,Siering M.Digital Finance and Fintech:Current Research and FutureResearch DirectionsJ.Jounal of Business Economics,2017,87（5）:537-580.6 Ozili P K.Impact of Digital Finance on Financial Inclusion and StabilityJ.Borsa Istan-bul Review,2018,18（4）:329-340.7 黄益平，黄卓.中国的数字金融发展：现在与未来J.经济学（季刊），2018（4）：1489-1502.8 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征J.经济学（季刊），2020（4）：1401-1418.9 张佳佳.数字金融、技术创新与企业竞争力来自中国A股上市企业的实证证据J.南方金融，2023（1）：23-36.-5510 李建军，彭俞超，马思超.普惠金融与中国经济发展:多维度内涵与实证分析J.经济研究，2020（4）：37-52.11 卢亚娟，张菁晶.农村家庭金融资产选择行为的影响因素研究基于CHFS微观数据的分析J.管理世界，2018（5）：98-106.12 何婧，李庆海.数字金融使用与农户创业行为J.中国农村经济，2019（1）：112-126.13 郭峰，王瑶佩.传统金融基础、知识门槛与数字金融下乡J.财经研究，2020（1）：19-33.14 汪阳昕，黄漫宇.数字经济促进了中国统一大市场形成吗J.山西财经大学学报，2023（1）：24-39.15 张圆.城市数字经济对绿色全要素生产率的空间效应研究理论机理与实证检验J.经济体制改革，2022（4）：43-50.16 周申蓓，张媛媛，张应允.数字金融发展对区域创新的影响路径：基于“双循环”视域J.科技管理研究，2022（24）：31-37.17 武小菲，岳中刚，周勤.数字金融与城市创新来自中国城市层面的证据J.中国科技论坛，2022（4）：128-136.18 王霄，邱星宇，叶涛.数字金融能提升民营企业创新吗？基于动态能力理论的实证研究J.南京财经大学学报，2021（6）：45-55.19 申明浩，谭伟杰.数字金融发展能激励企业创新吗？基于中国上市企业的实证检验J.南京财经大学学报，2022（3）：66-77.20 徐伟呈，范爱军.数字金融、产业结构调整与经济高质量发展基于南北差距视角的研究J.财经科学，2022（11）：27-42.21 牟晓伟，盛志君，赵天唯.我国数字金融发展对产业结构优化升级的影响J.经济问题，2022（5）：10-20.22 王红建，张丽敏，曹瑜强，等.持股金融机构、资本逐利规律与实体企业竞争力基于实物期权理论框架的实证研究J.财经研究，2020（10）：109-122.23 卫彦琦.数字金融对产业链韧性的影响J.中国流通经济，2023（1）：71-82.24 李晓华.产业链韧性的支撑基础：基于产业根植性的视角J.甘肃社会科学，2022（6）：180-189.25 胡骋来，屠立峰，乔桂明.长三角数字金融环境对区域科技创新的影响分析J.苏州大学学报(哲学社会科学版)，2022（3）：41-51.26 张佳佳.数字金融、技术创新与企业竞争力来自中国A股上市企业的实证证据J.南方金融，2023（1）：23-36.27 洪俊杰，杨志浩，芈斐斐.外资流动趋向及其对中国产业链外移的影响J.亚太经济，2020（6）：90-99.28 李春风，徐雅轩，刘建江.数字金融驱动企业创新的优胜劣汰效应研究J.现代管理科学，2022（6）：128-137.29 黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验J.中国工业经济，2019（8）：5-23.基金项目：广东省财政厅项目“基于DEA模型的广东省财政科技投入产出效率研究”（项目编号：Z2020138）；广东省财政厅项目“广东省政府投资基金运作与管理研究”（项目编号：20S211）；广东省哲学社会科学规划项目“数字经济提升广东制造业产业链韧性的作用机理与实现路径研究”（项目编号：GD22XYJ22）。作者简介：刘建（1974-）男，硕士，广东科技学院副教授，研究方向为经济学、金融学。（收稿日期：2023-04-11责任编辑：苏子宠）-56