數字普惠金融能夠推動經濟高質量發展嗎？

常建新 范立春 高莉

摘? ?要：本文利用2011—2018年我國30個省級行政區的面板數據，通過動態SDM和中介效應模型考察了數字普惠金融對經濟高質量發展的影響。研究結果表明：（1）經濟高質量發展在空間上表現出了較強的正相關性特征，在時間上表現出了明顯的路徑依賴特征;（2）數字普惠金融不僅直接推動了經濟高質量發展，還可以通過提高創新能力、擴大技術溢出和促進產業升級的中介效應推動經濟高質量發展;（3）數字普惠金融的覆蓋廣度對經濟高質量發展的促進作用最為顯著，使用深度次之，數字化程度最小;（4）數字普惠金融對西部地區經濟高質量發展的促進作用最為顯著，中部地區次之，東部地區最小。

關鍵詞：數字普惠金融;經濟高質量發展;動態SDM;中介效應

中圖分類號：F830? 文獻標識碼：A? 文章編號：1674-2265（2021）12-0069-08

DOI：10.19647/j.cnki.37-1462/f.2021.12.009

一、引言

當前，我國資源約束日益趨緊，環境承載能力接近上限，依靠要素低成本的粗放型、低效率增長模式已經不可持續，內部發展面臨著周期性減速和結構性減速的挑戰，外部國際政治經濟形勢不確定性凸顯。毫無疑問，實現經濟高質量發展已然成為解決諸多矛盾的焦點之一。金融是現代經濟的核心，是實體經濟的血液，同時也是資源配置和宏觀調控的重要工具，金融供給側結構性改革已經成為實現經濟高質量發展的關鍵之策（李志揚等，2020）[1]。而進行數字普惠金融創新是踐行金融供給側結構性改革的重要內容。

數字普惠金融是近年來逐漸興起的數字技術與金融相融合的一種新興形態，其以各種數字技術為實施條件，為社會各個階層尤其是傳統金融覆蓋不足的低收入群體、農村及偏遠地區人口以及中小微企業等提供平等、有效、全面、便捷的金融產品和服務（中國信息通信研究院云計算與大數據研究所，2019）[2]。隨著大數據、云計算、人工智能、區塊鏈等信息技術飛速發展，數字技術與普惠金融的融合不斷加深，金融服務的便捷性、可得性不斷提高，覆蓋面日益擴大。數字普惠金融正成為緩解社會融資壓力、改善企業融資環境、拓寬融資渠道的有效途徑（謝絢麗等，2018）[3]。由于我國電子商務和電子支付技術在全世界都處于領先水平，具備發展數字普惠金融的巨大優勢，因此，應積極發展數字普惠金融，為實體經濟賦能，促進經濟高質量發展。由此，研究數字普惠金融與經濟高質量發展之間的關系具有重要的現實意義。

二、文獻回顧與理論假說

2016年G20杭州峰會通過的《G20數字普惠金融高級原則》正式提出利用數字技術促進普惠金融發展，把推廣數字普惠金融上升到了國家戰略層面。此后，我國學術界關于數字普惠金融的研究一直處于國際領先地位。尤其是北京大學數字金融研究中心和螞蟻金服集團合作于2016年和2019年發布了兩期《北京大學數字普惠金融指數》之后，國內眾多學者借助這套指數開展了豐富的實證研究。相較于傳統金融，數字普惠金融以其低門檻、低成本和廣覆蓋等優勢，呈現出明顯的親貧性特征，所以，現有關于數字普惠金融的研究主要集中在縮小城鄉收入差距和減緩貧困等方面。研究發現，數字普惠金融可以通過增加金融可得性、降低金融服務門檻、減少貧困發生率、緩解中低收入群體的信貸約束等途徑縮小城鄉收入差距（宋曉玲，2017;倪瑤和成春林，2020;張賀和白欽先，2018;梁雙陸和劉培培，2019;周利等，2020）[4-8];也可以通過提高信貸可得性、增加農村地區收入、滿足農村金融需求、促進包容性增長、提升社會保障水平等機制實現其增收減貧效應（傅秋子和黃益平，2018;黃倩等，2019;汪亞楠等，2020;周利等，2021）[9-12]。然而，關注數字普惠金融影響經濟高質量發展的研究相當有限。本文認為，數字普惠金融是經濟高質量發展的重要驅動因素。傳統金融的物理網點式服務成本較高、覆蓋范圍較低，制約了我國經濟高質量發展。數字普惠金融充分利用人工智能、大數據、電子商務技術等現代化手段，大大降低了金融服務成本，擴展了金融服務覆蓋范圍，增強了金融服務便利性，提高了金融促進經濟高質量發展的效率和水平。因此，本文提出以下假說：

假說1：數字普惠金融推動了經濟高質量發展。

現有研究已經證明了創新能力（冉征和鄭江淮，2021）[13]、技術溢出（汪麗娟等，2019）[14]以及產業升級（賈洪文等，2021）[15]對經濟高質量發展的驅動機制及驅動效應。本文認為數字普惠金融可以通過強化創新能力效應、技術溢出效應和產業升級效應進一步驅動經濟高質量發展。（1）創新能力效應。一方面，數字普惠金融能夠拓寬融資渠道，降低融資成本，擴大融資規模，進而增加研發資本投入，從而有利于提高創新能力。另一方面，數字普惠金融體現出的較高的數字化程度能夠加快產品和要素市場數據和信息傳輸速度，加速創新資源在項目、企業和行業之間流動，增強創新資源市場交易能力，從而有利于提高創新能力。（2）技術溢出效應。第一，數字普惠金融有助于捕捉海量數據信息，降低數據信息收集成本，特別是降低了先進技術需求方運用先進技術改進落后生產經營方式的數據信息收集成本，促進了先進技術的應用和推廣，從而有利于擴大技術溢出。第二，數據信息的快速、精準捕獲能夠縮短二次創新的研發時間，降低學習和吸收先進技術的成本，有利于提高技術改造、模仿和創新成功率，提升獲得高水平科技成果的概率，從而有利于進一步擴大技術溢出。（3）產業升級效應。一是數字普惠金融能夠加快信息與技術的融合速度，促使新技術更快、更好地轉移轉化，從而提高整個產業的生產率，進而促進產業升級。二是數字普惠金融能夠優化資本配置結構，提升傳統金融服務實體經濟的能力，提高金融服務實體經濟的效率和質量，這不僅助推了金融產業自身要素稟賦結構轉型升級，也能帶動相關產業結構之間與結構內部的升級。因此，本文提出以下假說：

假說2：數字普惠金融通過提高創新能力、擴大技術溢出和促進產業升級的中介機制推動了經濟高質量發展。

三、研究設計

（一）計量模型設定

1. 基準回歸模型設定。空間杜賓模型（Spatial Durbin Model，以下簡稱SDM）作為空間計量模型中的一般化模型①，可以較好地反映被解釋變量、解釋變量及隨機干擾項的空間相關性（Elhorst，2014）[16]，是研究各類空間溢出效應的標準框架。因此，本文參考Lesage和Pace（2009）[17]的做法，采用SDM來設定基準回歸模型。模型設定如下：

[GTFPit=σ1GTFPit-1+ρjωijGTFPjt+σ2DIFIit+π1jωijDIFIjt+σ3Conit+π2jωijConjt+μ1i+υ1t+ε1it]? （1）

其中，下標[i]和[t]分別表示省份和年份;被解釋變量[GTFP]表示經濟高質量發展水平，核心解釋變量[DIFI]為數字普惠金融發展水平，[Con]為一組控制變量;[ρ]為空間自回歸系數;[ω]為空間權重矩陣。為了更好地擬合省份間的經濟發展狀況，本文參考林光平等（2005）[18]的做法，使用人均[GDP]平均值之差的絕對值的倒數構建經濟距離空間權主矩陣。此外，本文還選取了常見的鄰接權重矩陣和地理距離矩陣用來對經濟距離權重矩陣的估計結果進行穩健性檢驗。[μ1]和[υ1]分別為省份固定效應和年份固定效應，用來控制不可觀測因素，提升模型估計精度;[ε～iid0，δ2]為隨機干擾項且與[μ1]不相關。

2. 中介回歸模型設定。本文參考Baron和Kenny（1986）[19]提出的中介效應三步檢驗方法，以基準回歸模型（1）為第一步的回歸模型，并繼續基于動態SDM將第二步和第三步的遞歸模型設定如下：

[Medit=θ1Medit-1+ρjωijMedjt+θ2DIFIit+?1jωijDIFIjt+θ3Conit+?2jωijConjt+μ2i+υ2t+ε2it] （2）

[GTFPit=τ1GTFPit-1+ρjωijGTFPjt+τ2DIFIit+φ1jωijDIFIjt+τ3Medit+φ2jωijMedjt+τ4Conit+φ3jωijConjt+μ3i+υ3t+ε3it] （3）

其中，[Med]為表示創新能力、技術溢出和產業升級的中介變量。本文將按照以下步驟檢驗中介效應是否顯著存在：第一步，回歸模型（1），系數[σ2]反映了數字普惠金融對經濟高質量發展的總效應，如果[σ2]顯著則進行下一步。第二步，回歸模型（2），通過系數[θ2]識別數字普惠金融對中介變量的影響，如果[θ2]顯著則進行下一步。第三步，回歸模型（3），系數[τ2]和[τ3]分別反映了數字普惠金融對經濟高質量發展的直接效應和中介效應，如果系數[τ3]顯著，說明中介效應存在，其中，如果[τ2]不顯著，說明存在完全中介效應;如果[τ2]顯著，說明存在部分中介效應，中介效應所占比重為[[（θ2τ3）/（τ2+θ2τ3）]]。

（二）研究變量

1. 被解釋變量——經濟高質量發展水平（GTFP）。考慮到當前供給側結構性改革的目的是提高要素供給質量，推進結構調整，矯正要素錯配，提高全要素生產率（Total factor productivity，以下簡稱TFP）。由此可見，提高供給質量乃至整個經濟發展質量，最終都要落實到提高TFP上。此外，由于近年來環境污染問題日趨嚴重，我國政府高度重視產業結構和經濟發展方式的轉型升級，力圖實現“降污”與“增長”雙贏、“既要金山銀山，也要綠水青山”的綠色經濟高質量發展（祁毓等，2016）[20]。因此，本文采用能夠同時考慮實際經濟增長過程中期望產出（“好”的產出，如 GDP等） 和非期望產出（“壞”的產出，如環境污染等）的綠色全要素生產率（Green TFP，以下簡稱GTFP）來衡量經濟高質量發展水平。

參考Chung等（1997）[21]提出的、能夠同時考慮以上兩種產出類型的Malmquist-Luenburger指數模型，并基于規模報酬不變假設，測算考察期內各省份的GTFP。GTFP的測算過程需要各省份的投入及期望產出和非期望產出變量數據。就投入變量來說，本文參考汪莉等（2019）[22]的研究，選擇勞動力投入、資本投入和能源投入。其中，勞動力投入采用2011—2018年各省份年末城鎮單位就業人數表征;資本投入采用固定資產投資，并利用永續盤存法將其核算為存量形式;能源投入為各省份的能源消費總量。對于期望產出采用2011—2018年各省份地區生產總值，并利用以2011年為基期的GDP平減指數將其核算為2011年的不變價。對于非期望產出，本文參考王兵和劉光天（2015）[23]的研究，選取二氧化硫（ SO2）排放量以及二氧化碳（CO2）排放量進行衡量。

2. 核心解釋變量——數字普惠金融發展水平（DIFI）。本文選取北京大學數字金融研究中心發布的數字普惠金融指數（Digital Inclusive Finance index，以下簡稱DIFI）來衡量數字普惠金融發展水平。該指數的編制遵循了綜合性、均衡性、可比性、連續性和可行性等原則，將數字技術與普惠金融相融合，可以較好地反映各省份的數字普惠金融發展水平。此外，該指數又分為覆蓋廣度（DIFC）、使用深度（DIFD）和數字化程度（DIFS）三個維度，其中，覆蓋廣度反映了數字普惠金融觸達客戶的能力，使用深度體現了數字普惠金融的發展深度，而數字化程度則考察了數字普惠金融的便利性程度（郭峰等，2020）[24]。

3. 中介效應變量。（1）創新能力（Inn）。本文從創新投入的角度來度量各省份的創新能力，采用各省份R&D經費投入占GDP的比重，即R&D經費投入強度來衡量。（2）技術溢出（Tec）。現有研究已經證明技術市場成交額能夠較好地體現省份間的技術溢出（戴魁早和劉友金，2020）[25]，基于同一思路，本文采用各省份技術市場成交額的對數來衡量技術溢出水平。（3）產業升級（Upg）。本文從產業結構高級化維度來考察產業升級，產業結構高級化是指產業結構從農業化向工業化進而向服務化、信息化演進的過程。本文采用各省份第三產業產值與第二產業產值之比來衡量。

4. 控制變量。綜合經濟高質量發展影響因素的代表性文獻，本文選取了經濟增長水平（PGDP）、投資水平（Inv）、消費水平（Con）、對外開放水平（Open）、城鎮化水平（Urban）以及交通基礎設施水平（Inf）作為控制變量，以盡可能避免因遺漏變量導致的估計偏誤。其中，經濟增長水平采用經過平減后的人均GDP的對數形式衡量;投資水平和消費水平采用支出法國內生產總值中的資本形成率和最終消費率衡量;對外開放水平采用進出口總額占GDP比重衡量;城鎮化水平采用城鎮總人口占全部人口的比重衡量;交通基礎設施水平采用單位國土面積交通基礎設施（鐵路里程+公路里程+內河航道里程）的密度衡量。

（三）數據來源與描述性統計

本文選取了2011—2018年我國省級層面面板數據作為研究樣本，研究對象為我國30個省級行政區（未包括港澳臺地區及西藏自治區）（以下簡稱省份）。除了數字普惠金融發展水平，其余變量所涉及的數據來源于2012—2019年的《中國統計年鑒》《中國人口和就業統計年鑒》以及各省份的統計年鑒，變量的描述性統計如表1所示。

四、實證結果與分析

（一）空間相關性檢驗結果分析

采用空間計量模型進行回歸的前提是變量存在空間自相關性，通常采用Moran's I指數來判別。本文計算了三種空間權重矩陣下經濟高質量發展水平和數字普惠金融發展水平的Moran's I指數，結果如表2所示。2011—2018年，三種空間權重矩陣下經濟高質量發展水平的Moran's I指數均在1%或5%的水平下顯著為正。這一結果表明，在空間上各省份的經濟高質量發展水平并不是隨機分布的，具有較強的正相關性和相似值的空間聚集性，即經濟發展質量較高的省份彼此相鄰，而經濟發展質量較低的省份也彼此相鄰，相鄰省份之間經濟高質量發展會彼此促進。此外，2011—2018年，三種空間權重矩陣下數字普惠金融發展水平的Moran's I指數均在1%水平顯著為正，這意味著各省份數字普惠金融發展水平存在非常顯著的空間相關性，在考察數字普惠金融對經濟高質量發展的影響時，其空間相關性不可忽視。

（二）基準回歸模型估計結果分析

本文先對基準回歸模型進行了Hausman檢驗，結果顯示其P值為0，拒絕了隨機效應的原假設;在此基礎上，又對其進行了Wald檢驗和LR檢驗。結果顯示，各檢驗的統計量均在1%水平下顯著，并且由于解釋變量的空間自回歸系數顯著不為0，表明SDM不能退化為SAR和SEM。因此，本文采用固定效應的SDM模型，估計結果見表3。

對比第一列和第二列可以發現，靜態SDM的估計結果在R2和Log-likelihood值穩健性方面均不及動態SDM估計結果，且經濟高質量發展水平滯后一期的估計系數非常顯著，由此可見，不考慮時間滯后效應的靜態SDM估計結果有一定偏誤，因此，本文以第二列基于經濟距離矩陣的動態SDM估計結果進行基準分析。

由第二列可知，經濟高質量發展水平的空間自回歸系數ρ在5%的水平下顯著為正，這說明經濟高質量發展具有明顯的空間溢出效應，空間相關省份經濟發展質量的提升能夠顯著促進本省份經濟發展質量的改善。這一結果也反映出，各省份應加強溝通協作，凝聚發展合力，攜手推動區域經濟高質量發展。經濟高質量發展水平滯后一期的估計系數為0.468，且在1%的水平下顯著，表明前一期經濟高質量發展水平每增加1個單位，將導致下一期經濟高質量發展水平繼續走高0.468個單位，這意味著我國經濟高質量發展在時間維度上表現出明顯的慣性特征和路徑依賴現象，各級政府在追求經濟“量”的增長的同時，更要重視經濟發展“質”的持續提升。核心解釋變量數字普惠金融發展水平的估計系數為0.013，且在1%的水平下顯著，這一結果表明數字普惠金融發展水平每增加1個單位，將顯著提高經濟高質量發展水平0.013個單位，假說1得到證實。

此外，第三列和第四列還報告了鄰接矩陣動態SDM和地理距離矩陣動態SDM估計結果。與第二列經濟距離矩陣動態SDM估計結果相比，數字普惠金融發展水平的估計系數大小雖然有所變化，但仍然在1%的水平下顯著為正，其余各控制變量的系數符號及顯著性均沒有明顯改變，說明了第二列經濟距離矩陣動態SDM的估計結果是穩健的。

（三）中介回歸模型估計結果分析

按照上文給出的中介效應檢驗步驟進行估計。另外，考慮到中介效應檢驗的三個回歸模型均以動態SDM形式構建，本文利用Moran's I指數對模型（2）中三個中介變量的空間相關性進行檢驗②，結果發現三個中介變量在空間上均表現出了較強的正相關性特征，證明了以動態SDM形式構建中介回歸模型的合理性。中介效應估計結果見表4。

如第一、三、五列所示，數字普惠金融對三個中介變量創新能力、技術溢出和產業升級的估計系數分別在1%和5%的水平下顯著為正，說明數字普惠金融能夠顯著提高創新能力、擴大技術溢出并促進產業升級。第二、四、六列為納入中介變量后模型（3）的估計結果，可以發現，創新能力、技術溢出和產業升級的估計系數均在1%的水平下顯著為正，且與基準回歸模型一致，數字普惠金融的估計系數仍然顯著為正，說明創新能力、技術溢出和產業升級均只產生了部分中介效應，且中介效應在總效應中的占比分別為7.236%、5.251%和11.229%。這一結果驗證了數字普惠金融可以通過提高創新能力、擴大技術溢出和促進產業升級的中介效應推動經濟高質量發展，假說2得到證實。

（四）異質性分析

1. 數字普惠金融各維度對經濟高質量發展的影響。數字普惠金融發展包括覆蓋廣度、使用深度和數字化程度三個維度，本文進一步基于經濟距離矩陣動態SDM分析這三個維度對經濟高質量發展的影響，表5第一列到第三列分別報告了三個維度的估計結果。

如第一至三列所示，數字普惠金融各維度均對經濟高質量發展產生了顯著的正向影響。具體來說，覆蓋廣度對經濟高質量發展的推動作用最為顯著，使用深度次之，數字化程度最小。覆蓋廣度的擴展意味著數字普惠金融可獲得性的增加，這種基于互聯網的新金融模式打破了傳統金融的限制，使得更多經濟主體能夠觸及金融服務，也可以使原先勞動效率低下的人群受益于數字普惠金融服務，從而有利于推動經濟高質量發展。隨著使用深度的推進，數字普惠金融的信貸、保險、征信等服務功能可得性更高，有助于緩解企業和居民的信貸約束，提高其抗風險能力，既滿足了企業和居民的金融需求，又為企業創造更多的就業崗位、幫助勞動力實現異地就業并進行人力資本投資等，從而優化了要素配置。覆蓋廣度是前提，使用深度代表實際應用，而數字化程度是基本條件。前兩者為“普”，后者則為“惠”。雖然數字普惠金融在我國各省份均有發展，但內陸落后省份居民的使用頻率遠低于沿海發達省份。例如，掃碼支付在發達省份已為常態，而現金交易在落后省份仍占很大比例。因此，數字化程度對經濟高質量發展的推動作用相對較小。

2. 各區域數字普惠金融對經濟高質量發展的影響。數字普惠金融對經濟高質量發展的影響可能受到地區經濟發展水平的制約。根據常用的分類標準，本文將30個省份劃分為東部、中部和西部三大區域③，表6第一列到第三列分別給出了三大區域基于經濟距離矩陣的動態SDM估計結果。

如第一至三列所示，東部、中部和西部地區數字普惠金融發展均顯著推動了經濟高質量發展，間接驗證了全國層面的估計結果是穩健的。具體來說，西部地區數字普惠金融對經濟高質量發展的推動作用最為顯著，中部地區次之，東部地區最小。東部地區金融服務業較為發達，傳統金融機構已形成完整、規?；姆站W絡，數字普惠金融發展只是起到補充作用，對經濟高質量發展的推動作用相對較小。相比之下，近年來中西部地區數字普惠金融快速發展，并以其低門檻、低成本和廣覆蓋等特點迅速滲透到各個產業領域和縣域經濟中，呈現出顯著的親貧性特征，使得中西部欠發達省份和中低收入群體享受到更優質的金融服務，有力配合了國家的中部崛起和西部大開發戰略，持續推動經濟高質量發展。

（五）內生性討論

為了避免出現“經濟發展質量越高的省份數字普惠金融發展水平越高”這一反向因果可能導致的內生性問題，本文參考謝絢麗等（2018）[3]的研究，選取中國互聯網絡信息中心（CNNIC）提供的各省份互聯網普及率（Int）作為數字普惠金融發展的工具變量，并繼續采用三種空間權重矩陣下的動態SDM對模型內生性問題進行校正。理由如下：首先，互聯網普及率反映了數字普惠金融發展的基礎設施水平，與數字普惠金融發展顯著正相關;其次，在控制了各省份不同經濟發展水平后，互聯網普及率與經濟高質量發展之間并不直接相關，滿足工具變量的外生性要求;再次，LM檢驗和Cragg-Donald Wald 檢驗的結果表明互聯網普及率不存在識別不足和弱工具變量問題;最后，由于內生變量與工具變量數量相同，工具變量恰好被識別，所以也不存在過度識別問題。因此，互聯網普及率是數字普惠金融的一個有效工具變量，估計結果見表7。

如表7所示，引入了工具變量互聯網普及率后，三種空間權重矩陣下數字普惠金融發展仍然對經濟高質量發展產生顯著的正向影響，且修正了內生性之后，數字普惠金融的估計系數及顯著性均有一定程度的提升，這證明了上述實證分析結果是穩健且一致的。

五、研究結論與政策啟示

本文利用2011—2018年我國30個省級行政區的面板數據，通過動態SDM和中介效應模型考察了數字普惠金融對經濟高質量發展的影響。研究結果表明：（1）經濟高質量發展在空間上表現出了較強的正相關性特征，在時間上表現出了明顯的路徑依賴特征;（2）數字普惠金融不僅直接推動了經濟高質量發展，還可以通過提高創新能力、擴大技術溢出和促進產業升級的中介效應推動經濟高質量發展，三種中介效應的占比分別為4.443%、3.707%和5.180%;（3）數字普惠金融的覆蓋廣度對經濟高質量發展的推動作用最為顯著，其次是使用深度，數字化程度的推動作用最小;（4）西部地區數字普惠金融對經濟高質量發展的推動作用最為顯著，中部地區次之，對東部地區經濟高質量發展的推動作用最小。

近年來，信息技術的快速發展加速了數字技術與普惠金融的有機結合，衍生出了金融發展的新方向，并積極賦能經濟發展。經過40多年的改革開放，我國經濟逐漸由量增模式向提效模式轉變，高質量經濟已成為可持續發展的必然選擇。堅持金融服務實體經濟的理念，深入推進金融供給側結構性改革，是實現經濟高質量發展的前提和基礎;而進行數字普惠金融創新則是踐行金融供給側結構性改革的重要內容。因此，本文的政策啟示在于，應繼續推進數字普惠金融體系建設，拓展數字普惠金融覆蓋廣度、提高使用深度并增強數字化程度，不斷完善其在支付、信貸、保險等方面的功能，充分發揮其覆蓋范圍廣、服務成本低的優勢，同時還需加強對數字普惠金融潛在風險的防范，為經濟高質量發展提供更加堅實的金融保障。

注：

①SDM可通過系數設定退化成具有特異性的空間滯后模型（SAR）或空間誤差模型（SEM），因而其更具有一般性（Kortum和Lerner，1998）[26]。

②篇幅所限，本文不在正文中列出三個中介變量的空間相關性檢驗結果。

③東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區包括吉林、黑龍江、山西、安徽、江西、河南、湖北和湖南;西部地區包括內蒙古、重慶、四川、貴州、 云南、陜西、甘肅、廣西、青海、寧夏和新疆。

參考文獻：

[1] 李志揚，李澤軍，李彩虹.金融支持區域經濟高質量發展監測框架研究 [J].金融經濟，2020，（3）.

[2]數字普惠金融發展白皮書（2019年） [M].中國信息通信研究院云計算與大數據研究所，2019.

[3]謝絢麗，沈艷，張皓星，郭峰.數字金融能促進創業嗎？——來自中國的證據 [J].經濟學（季刊），2018，（4）.

[4]宋曉玲.數字普惠金融縮小城鄉收入差距的實證檢驗 [J].財經科學，2017，（6）.

[5]倪瑤，成春林.普惠金融數字化對城鄉居民福利差異影響的對比研究 [J].金融發展研究，2020，（3）.

[6]張賀，白欽先.數字普惠金融減小了城鄉收入差距嗎？——基于中國省級數據的面板門檻回歸分析 [J].經濟問題探索，2018，（10）.

[7]梁雙陸，劉培培.數字普惠金融與城鄉收入差距[J].首都經濟貿易大學學報，2019，（1）.

[8]周利，馮大威，易行健.數字普惠金融與城鄉收入差距：“數字紅利”還是“數字鴻溝”[J].經濟學家，2020，（5）.

[9]傅秋子，黃益平.數字金融對農村金融需求的異質性影響——來自中國家庭金融調查與北京大學數字普惠金融指數的證據 [J].金融研究，2018，（11）.

[10]黃倩，李政， 熊德平. 數字普惠金融的減貧效應及其傳導機制 [J].改革，2019，（11）.

[11]汪亞楠，譚卓鴻，鄭樂凱.數字普惠金融對社會保障的影響研究 [J].數量經濟技術經濟研究，2020，（7）.

[12]周利，廖婧琳，張浩.數字普惠金融、信貸可得性與居民貧困減緩——來自中國家庭調查的微觀證據 [J]. 經濟科學，2021，（1）.

[13]冉征，鄭江淮.創新能力與地區經濟高質量發展——基于技術差異視角的分析 [J].上海經濟研究，2021，（4）.

[14]汪麗娟，吳福象，蔣欣娟.雙向FDI技術溢出能否助推經濟高質量發展 [J].財經科學，2019，（4）.

[15]賈洪文，張伍濤，盤業哲.科技創新、產業結構升級與經濟高質量發展 [J].上海經濟研究，2021，（5）.

[16]Elhorst J.Paul. 2014. Spatial Econometrics：from Cross Sectional Data to Spatial Panels [M].New York： Springer.

[17]LeSage James，Pace Robert Kelley. 2009. Introduction to Spatial Econometrics [M].New York：CRC Press.

[18]林光平，龍志和，吳梅.我國地區經濟收斂的空間計量實證分析：1978-2002年 [J].經濟學（季刊），2005，（S1）.

[19]Reuben M. Baron，David A. Kenny. 1986. The Moderator-Mediator Variable Distinction in Social Psychological Research：Conceptual，Strategic，Andstatistical Considerations[J].Journal of Personality & Social Psychology，（6）.

[20]祁毓，盧洪友，張寧川.環境規制能實現“降污”和“增效”的雙贏嗎？——來自環保重點城市“達標”和“非達標”準實驗的證據 [J].財貿經濟，2016，（9）.

[21]Chung Y H，F?re R，Grosskopf S. 1997. Productivity and Undesirable Outputs：A Directional Distance Function Approach [J].Journal of Environmental Management，51.

[22]汪莉，邵雨卉，陳登科.地方尋租與區域綠色經濟增長效率 [J].世界經濟文匯，2019，（3）.

[23]王兵，劉光天.節能減排與中國綠色經濟增長——基于全要素生產率的視角 [J].中國工業經濟，2015，（5）.

[24]郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數字普惠金融發展：指數編制與空間特征 [J].經濟學（季刊），2020，（4）.

[25]戴魁早，劉友金.市場化改革能推進產業技術進步嗎？——中國高技術產業的經驗證據 [J].金融研究，2020，（2）.

[26]Kortum S. Samuel，Lerner Josh. 1998. Stronger Protection or Technological Revolution：what is Behind the Recent Surge in Patenting [C].Cambridge：Carnegie-Rochester Conference Series Public Policy，NBER.