數字金融對制造業企業生產技術升級的影響

■王明 張盼盼

一、引言與文獻綜述

黨的十九屆六中全會強調“要推進科技自立自強”。作為推進科技發展的重要微觀經濟單元，企業的生產技術水平直接影響其自身的科技水平，并對企業產品質量升級和競爭力提升具有重要意義。改革開放40年來，中國制造業企業的生產技術水平有了大幅提高，但是與發達國家相比仍然存在著較大的技術差距[1]。作為提升對外貿易競爭力、促進可持續發展的重要引擎，中國制造業企業的技術創新和生產技術升級是改善產業結構、抵御外部競爭壓力、實現全球價值鏈升級和保障創新驅動發展戰略順利實施的關鍵所在。

數字金融（Digital Finance）利用人工智能、大數據等前沿數字技術，將數字科技與金融服務深度融合，大大提高了傳統金融機構在信息搜集、身份識別、風險評估等方面的效率。數字金融的表現形態既包括科技企業依靠其技術實力通過移動支付平臺、網上銀行、小額信貸平臺、互助眾籌平臺等形式提供金融服務，也包括傳統金融機構利用大數據等數字技術挖掘商業價值、緩解信息不對稱問題，進而提高金融服務效率[2，3]。厘清數字金融對經濟發展的作用以及如何服務好實體經濟是極具價值的議題。

中國制造業企業的生產技術升級需要持續大量的資金投入。傳統金融機構的服務供給依賴于物理網點，這導致其服務范圍受限。數字金融的發展減少了金融機構對物理網點的依賴，擴大了金融服務范圍。同時，利用大數據等前沿技術，降低了信息搜尋和風險評估成本。因此，數字金融能為企業提供便捷、高效、個性化的金融產品和服務，緩解企業面臨的融資約束，進而提升技術創新活力，促進企業生產技術升級。

目前關于數字金融如何影響中國制造業企業生產技術升級的文獻尚顯不足，與本文主題相關度較高的一類文獻是數字金融或融資約束對企業技術創新的影響。Ding 等[4]利用中國企業層面的微觀數據，剖析了融資約束、企業營運資本特征和固定資本投資的關系，結果表明融資約束加劇了企業營運資本波動，抑制了企業固定資本投資，進而限制了企業生產技術水平的提升。張盼盼等[5]利用中國工業數據庫、中國海關數據庫和中國專利數據庫的匹配數據，研究發現融資約束抑制了企業的技術創新活動。唐松等[6]利用中國A 股上市企業數據庫和中國專利數據庫的匹配數據，研究發現數字金融通過“糾錯配”“補短板”功能緩解了企業的融資約束、降低了企業的財務杠桿，進而提高了企業的創新產出。聶秀華等[7]探究了地區數字金融發展與創新水平的關系，結果表明數字金融發展促進了地區技術創新水平的提高，可能的作用機制包括緩解融資約束和優化產業結構，且地區人力資本水平和制度也會影響其作用效果。賈俊生等[8]以上市公司為研究對象，研究發現數字金融發展正向促進了企業創新，且該促進作用僅存在于非國有和高新技術企業中。

本文利用企業層面的微觀數據和最新的數字金融指數，從覆蓋范圍、覆蓋深度和數字化應用三個維度探究了數字金融對中國制造業出口企業生產技術的影響并進行了異質性分析。同時，分別從城市層面和企業層面剖析了數字金融發展對企業生產技術選擇的作用機制。

本文可能的邊際貢獻在于：第一，研究視角上，關于數字金融和企業生產技術選擇的研究都比較成熟，但具體研究二者關系的文獻卻尚顯不足。本文將兩者納入同一個分析框架中，不僅從理論上闡述了數字金融的作用機制，還利用微觀數據進行了詳細的論證，豐富了相關命題的研究。第二，研究內容上，本文構建了中國數字金融發展影響中國制造業企業生產技術選擇的理論分析框架，實證檢驗了城市數字金融發展對制造業企業生產技術選擇的影響。第三，充分討論了企業層面和城市層面的異質性影響，為未來實現數字金融與實體經濟的有機結合提供了經驗證據。

二、理論分析

制造業企業的生產技術創新和生產技術升級往往涉及機器設備的更新，這類投資具有初始投入大、回報周期長、風險高的特征。以金融為本質，以區塊鏈、大數據、人工智能、移動互聯等前沿技術為依托的數字金融能更好地契合企業的創新投資融資需求，為緩解企業融資難、融資貴困境和促進區域產業轉型升級提供更多可能性。

第一，數字金融的“增量補充”效應能有效拓寬企業融資渠道，緩解企業融資約束。傳統的金融市場中存在著數量龐大、資金量小、分布廣的中小投資者，吸納這些投資的成本高昂。通過生活場景的流量導入，互聯網金融平臺能以較低的成本獲取上億數量級的客戶資源[9]。利用“長尾效應”，金融平臺能從分散的投資者身上籌集到規模龐大的資金，并將其轉化為有效供給，提供給有融資需求的企業。在增加供給總量的基礎上，數字金融還進一步豐富了企業的融資渠道和融資方式[6]，為改善企業融資約束提供了必要條件，緩解了企業尤其是創新型企業的融資約束[10]。當面臨的融資約束得到緩解，融資成本得到降低后，企業能減少或者避免流動性不足對企業生產經營和研發活動的不利沖擊，防止錯失提升企業生產率的創新和投資機會，最終增加企業選擇生產技術升級的概率。

第二，數字金融的“存量優化”效應能提高信貸資源配置效率，降低企業融資成本。作為一種正向金融溢出，數字金融能夠驅動傳統金融體系重塑[6]。由于可以預測投資者和借款人的行為，可信度在金融交易中具有重要地位[11]。數字金融借助區塊鏈、人工智能、大數據、5G通信等前沿技術應用，提高了金融交易的信息化和透明度水平，優化了傳統的信用定價模式，極大地降低了金融服務雙方的篩選匹配成本。傳統金融機構在信息化浪潮下開始轉型升級，這些改變極大地擴展了傳統金融的服務范圍[12]，促進了金融服務的提質增效，改善了金融資源的配置效率[6]。數字金融發展的“存量優化”效應顯著改善了金融服務效率、降低了企業融資成本。

第三，數字金融發展促進了地區產業結構升級，增強了地區技術創新的外溢效應。利用大數據、人工智能等技術，數字金融能夠構建出一個具有多重指標的風險評估系統，甄別出有價值的創新投資項目，并匹配原本閑置的金融資源。這種金融服務模式的優化能加速技術創新，推動區域產業轉型升級。區域產業結構轉型升級能強化技術創新的外溢效應，加速先進技術在區域內的擴散與有效利用，激發企業創新活力、提升企業技術創新水平[7]，從而促進企業生產技術升級。

基于上述分析，本文提出如下假說：

假說1：數字金融發展能促進制造業企業生產技術升級。

假說2：數字金融通過緩解企業融資約束、降低企業融資成本、優化區域產業結構這三大渠道促進制造業企業生產技術升級。

三、計量模型、指標與數據

（一）計量模型的設定

根據上述分析，本文設定如下計量模型用于實證分析：

其中，被解釋變量tech 表示企業的生產技術水平，核心解釋變量index 為城市層面數字金融指數，X為控制變量。α為模型中相應變量的系數，ε為隨機擾動項。J為行業虛擬變量，P為地區虛擬變量。

為驗證本文的假說2，探究數字金融發展對企業技術選擇的作用渠道，在基準檢驗模型（1）的基礎上，本文構造了如下中介效應模型：

式（2）和式（3）中，inter表示中介變量，分別用來度量企業面臨的融資約束和融資成本。如果系數β1和γ2均顯著，系數γ1的值為正且小于基準回歸模型中系數α1的值，則中介效應成立，存在相應的中介效應渠道。

（二）變量說明

1.被解釋變量

本文的被解釋變量為中國制造業出口企業的生產技術水平。企業的生產技術水平不容易被直接觀測到，使用全要素生產率進行替代往往會產生較大的測量誤差[13]。參照Bas等[14]的測算方法，本文使用企業是否進口資本品①作為衡量指標。中國制造業企業目前在生產技術上仍然處于追趕階段，因此，資本品進口尤其是高技術資本品的進口會推動中國制造業企業實現技術升級。

衡量指標1（tech1）：在樣本觀測期內，當企業首次被觀測到資本品進口行為時，該年份及以后所有年份衡量指標tech1 均取值為1。在企業第一次被觀測到資本品進口之前的年份，衡量指標tech1取值為0。

衡量指標2（tech2）：制造業企業進口資本品用來服務于生產，如果進口的資本品價值過低，可能無法給企業生產水平帶來實質性的幫助。因此，為了減少進口資本品價值含量過低給代理變量有效性帶來的干擾，本文參照陳雯等[13]的方法，將進口資本品的標準調整到1000 美元。當企業第一次進口了1000 美元以上的資本品，該年份及后續年份，衡量指標tech2取值為1；否則，取值為0。

衡量指標3（tech3）：企業當年是否有進口資本品。若有，則衡量指標tech3取值為1；否則，取值為0。

在后續的實證分析中，本文使用代理變量tech1進行基準分析，使用代理變量tech2 和tech3 進行穩健性檢驗。

2.核心解釋變量

本文采用“北京大學數字普惠金融指數”城市層面的數據來衡量區域數字金融發展程度，以此作為本文的核心解釋變量（index）。該指數從數字金融覆蓋范圍（breadth）、數字金融使用深度（depth）和數字金融數字化水平（digital）三個維度來構建指標評價體系，在下文的基準回歸中，本文將同時考察這三個維度子指標對企業技術選擇的影響。

3.控制變量

（1）企業控制變量

借鑒已有相關文獻并考慮數據的可得性，本文采用如下企業控制變量來控制除核心解釋變量之外可能會影響企業技術選擇的因素。①企業規模（size）。由于規模效應的存在，不同規模的企業更新生產技術所需承擔的平均成本并不一樣。本文采用企業資產總額來度量企業規模。②企業年齡（age）。企業在自身發展的不同階段，對采用新的生產技術的態度并不一致。根據企業的生命周期理論，在健康發展階段，隨著企業規模與利潤的增長，企業可能會積極更新機器設備、進行固定資產的投資；在衰退階段，企業年齡可能會抑制其升級生產技術。本文使用當前年份與企業創建年份之間的差值再加上1 來描述企業年齡。③企業資本密度（kl）。資本密度高的企業往往具有較高的生產技術。本文使用人均固定資產來表示企業資本密度。④行業集中度（hhi）。根據產業組織理論，良性競爭和過度競爭對企業行為會有不同的影響。⑤加工貿易份額（pro）。本文使用企業出口額中加工貿易出口的份額表示加工貿易的影響程度。⑥國企虛擬變量（soe）。與私營企業相比，國企具有不同的決策模式。若企業是國企，該變量取1；否則為0。⑦外資虛擬變量（foe）。相比內資企業，外資企業在國際間技術溢出方面往往處于優勢地位。若企業屬于外資所有，該變量取1；否則為0。

（2）城市控制變量

由于數字金融指數是城市層面的變量，出于內生性考慮，本文還控制了城市人均GDP（pgdp）和城市經濟增長速度（growth）。

4.工具變量

中國的數字金融發展呈現出距離杭州越遠，數字金融推廣難度越大的特征[15]。參考相關文獻的做法，本文采用城市距離杭州市的直線距離作為工具變量，緩解計量模型可能存在的內生性問題。本文首先從國家基礎地理信息中心獲取各城市的經緯度數據，然后利用STATA軟件計算出各城市與杭州的直線距離（dist）。

5.中介變量

（1）采用SA指數（sa）作為企業層面融資約束的代理變量，SA 指數計算公式為：-0.737size+0.043size2-0.04age。其中，size為企業規模，age為企業年齡。SA 指數越大，企業融資約束越大[16，17]。（2）采用財務費用率（fincost）作為企業融資成本的代理變量。財務費用率為企業財務費用與營業收入之比。（3）采用城市層面的第三產業增加值與GDP 之比作為產業結構（struc）的代理變量。

在所有變量開始測算之前，本文對相關的名義變量都進行了平減處理。同時，在后續的實證檢驗中，對于數字金融指數（index）、企業規模（size）、企業年齡（age）、企業資本密度（kl）、各城市與杭州的直線距離（dist）、城市人均GDP（pgdp）均采用其對數形式。

（三）數據說明

本文使用的企業相關信息來自中國工業企業數據庫，產品貿易方面的信息來自中國海關數據庫，城市層面的數字金融發展指數來自北京大學數字金融研究中心，其他城市層面相關信息來自《中國城市統計年鑒》。由于北京大學數字普惠金融指數的最早年份為2011年，中國工業企業數據庫的最新年份為2013年，考慮數據的可得性，本文樣本時間跨度為2011—2013年。在力求精細匹配的原則上，本文逐步匹配了中國工業企業數據庫和中國海關數據庫，并根據地區代碼和年份匹配上了城市層面的數字金融發展指數。同時，對樣本數據進行了一系列處理：剔除貿易中間商；根據通用會計準則剔除掉數據明顯異常的樣本；刪除指標缺失過多的樣本等。本文最終得到68946個樣本觀測值。

四、實證結果與分析

（一）基準實證結果

表1為數字金融影響中國制造業企業生產技術選擇的基準估計結果。出于穩健性考慮，（1）列僅加入了部分企業層面的控制變量，并控制了行業、地區固定效應，數字金融的估計系數為正，并通過了1%的顯著性檢驗。（2）列加入了國有企業、外資企業虛擬變量，進一步控制了企業屬性。數字金融的估計系數仍顯著為正，但系數的絕對值有一定程度下降。（3）列加入城市層面的控制變量，進一步控制城市差異，數字金融的估計系數仍然在1%顯著水平上為正。總體來看，區域數字金融發展顯著促進了區域內制造業企業選擇生產技術升級。假說1得到初步驗證。（4）至（6）列探究了數字金融的三個維度即數字金融覆蓋范圍（breadth）、數字金融使用深度（depth）和數字金融數字化程度（digital）對企業生產技術選擇的影響。其中，數字金融覆蓋范圍的估計系數在1%顯著水平上為正，與數字金融總效應方向和顯著性一致，數字金融使用深度和數字化程度系數皆為正但不顯著。這說明，在數字金融促進企業生產技術升級的影響過程中數字金融覆蓋范圍起最主要的作用。同時，數字金融估計系數絕對值大于任何單一維度指標的估計系數，說明數字金融對企業生產技術升級的作用是數字金融多方面發展合力作用的結果。

表1 基準回歸結果

從表1（1）至（3）列可以看出，企業規模與企業技術水平呈顯著正相關關系，即規模越大的企業越有可能選擇更為高級的生產技術。正如前文所述，企業的規模越大，其采用高技術所需分攤的成本越低。因此，該實證結果與預期相符。企業年齡與企業選擇技術升級呈顯著正相關關系。本文的考察樣本為處于健康發展階段的企業（工企數據庫2011年的納入門檻為正常經營且年營收不低于2000 萬人民幣），存續時間越長，企業在人力、技術和資金上的積累往往越多，企業越有可能通過更新機器設備實現技術升級，實證結果與預期相符。企業的人均資本系數顯著為正，即資本密度高的企業在樣本觀測期內更有可能選擇技術升級。資本密度高的企業往往有更為充沛的資本和更為深厚技術積累，這為其生產技術升級提供了保障。行業集中度系數顯著為正，行業集中度越高，說明競爭程度越低，由實證結果可知企業越有可能選擇技術升級，這一結果也表明過于激烈的行業內競爭會減少企業積累和長期投資，不利于企業生產技術升級。企業加工貿易出口份額系數顯著為正，說明加工貿易出口比例越高的企業越有可能選擇生產技術升級。一個可能的解釋是加工貿易出口比例越高的企業參與國際貿易的程度越深，這拓展了其接觸和吸納國外先進資本品的渠道，增大了其生產技術升級的概率。

（二）內生性問題

計量模型中反向因果和遺漏重要變量都可能會造成估計結果有偏，影響本文結果的可靠性。由于本文的核心解釋變量和被解釋變量分別是城市和企業層面的，因此，本文關注遺漏變量的影響。參考相關文獻的做法，本文采用各城市距離杭州市的直線距離作為工具變量，緩解計量模型可能存在的內生性問題。相關結果如表2所示。在工具變量有效性檢驗中，各城市與杭州市距離（dist）通過了工具變量識別不足（Kleibergen-Paap rk LM）和弱工具變量（Kleibergen-Paap rk Wald F）檢驗，說明本文工具變量的選取是合理的。表2（1）至（6）列結果顯示，無論是否加入相關控制變量，數字金融的系數均顯著為正，說明在考慮內生性的情況下本文的主要結論依然可靠②。

表2 工具變量估計結果

（三）作用機制檢驗

在前文的中介效應模型和中介代理變量的基礎上，本文進一步對數字金融的作用機制進行實證檢驗，相關結果如表3 所示。（1）和（2）列結果顯示，SA指數（sa）的中介效應成立，即數字金融發展顯著緩解了企業層面的融資約束，并通過企業層面融資約束的緩解促進了企業生產技術升級。（3）和（4）列結果顯示，財務費用率（fincost）通過了中介效應檢驗，說明企業融資成本的降低是數字金融發展促進企業生產技術升級的作用機制之一。上述結果表明，數字金融發展顯著緩解了企業融資約束，降低了企業融資成本，一定程度上解決了企業融資難、融資貴等問題，支持了企業的技術研發和固定資本投資，推動了企業生產技術升級。（5）和（6）列結果顯示，區域產業結構（struc）優化這一作用機制成立，數字金融發展加速了區域技術創新，促進了產業結構升級。產業結構優化升級增強了區域內技術創新的外溢效應，激勵企業技術升級。綜上所述，數字金融發展通過緩解融資約束（包括城市層面和企業層面）、降低企業融資成本和優化區域產業結構這三條路徑來推動制造業企業選擇生產技術升級。前文假說2成立。

表3 機制檢驗

（四）異質性分析

1.企業所有制的異質性分析

不同所有制的企業在行為決策上有很大的區別，本文根據控股股東類型來劃分企業所有制，將總體樣本劃分為國有、民營和外商投資三個子樣本進行分組回歸，所得結果如表4（1）至（3）列所示。結果顯示，數字金融發展對國有企業生產技術升級的促進作用并不顯著，而對民營企業、外資企業的影響系數均在1%水平上顯著為正。數字金融發展拓寬了融資渠道，有效緩解了民企和外企面臨的融資約束，幫助有需求的企業實現生產技術升級。與此同時，私營企業的生產技術選擇決策主要考慮企業發展，而國有企業的生產技術選擇決策還要考慮社會責任和環境影響等多方面因素。表4（2）和（3）列結果還表明，數字金融發展對外資企業的總體促進作用要強于私營企業。可能是由于信息不對稱，在傳統金融體系下，相對于本土企業，外企外源融資能力較差[5]，抑制了其生產技術升級需求。數字金融發展則加速釋放了這一需求。

2.企業全要素生產率的異質性分析

企業的人力資本積累、技術積累和研發投入能促進企業吸收進口中間品和資本品帶來的技術外溢，而企業的人力資本、技術和研發創新的累積程度可以用企業當前的全要素生產率來刻畫。因此，具有不同全要素生產率水平的企業在生產技術升級的決策上可能會表現出差異。按照LP法，本文計算出企業的全要素生產率（tfp），并依據其數值大小將樣本企業劃分為低生產率、中等生產率和高生產率三個組別，分別考察制造業企業當前生產率水平的可能影響。表4（4）至（6）列結果顯示，數字金融發展顯著促進了中等生產率和高生產率企業的生產技術升級，而對低生產率企業的促進效果則不顯著，所得結果與預期相符。一方面，生產率高的企業往往具有更好的人力資本、技術積累和研發創新能力，對新技術消化、吸收、模仿與創新的能力更強。數字金融發展增強了進口資本品在中高生產率企業中的技術外溢效應，而低生產率企業對高技術的吸納能力較弱，數字金融發展對其生產技術升級促進作用有限。另一方面，生產率高的企業往往具有更強的市場競爭力，有實力進行固定資產的更新投資。數字金融發展增強了企業的資金融通能力，推動了中高生產率企業的固定資產投資和轉型升級。同時，本文理論分析部分表明，數字金融發展主要推動生產率越過技術升級門檻值但仍面臨融資約束的企業選擇生產技術升級，過低和過高生產率的企業受到數字金融的影響會減弱。這一部分的實證結論表明，數字金融發展主要促進中等生產率企業技術升級，其次是高生產率企業，與理論分析的結果相契合。

表4 所有制與生產率的異質性分析結果

3.城市金融資源稟賦和互聯網發展的異質性分析

數字金融兼具金融和科技屬性，利用區塊鏈、大數據、人工智能等前沿技術，將數字科技與金融服務深度融合，通過“增量補充”和“存量優化”大大提高了傳統金融服務效率。從數字金融的現實發展來看，數字金融指數較高的地區往往是傳統金融資源稟賦充沛的地區。同時，數字金融的推廣必須依托以互聯網普及為基礎的信息技術的滲透。本文以城市金融業從業人數與戶籍人口的比率來表示城市傳統金融資源稟賦、以城市寬帶接入戶數與戶籍人口的比率來表示城市互聯網普及率，考察數字金融在不同傳統金融資源稟賦和互聯網普及率下對企業生產技術選擇的異質性影響，相關結果如表5 所示。表5（1）和（2）列結果顯示，數字金融均顯著促進了低金融稟賦組與高金融稟賦組的企業選擇生產技術升級。從回歸系數來看，數字金融對高金融稟賦組的促進作用明顯更大，說明數字金融發展依然離不開傳統金融體系的支撐，充沛的傳統金融資源能增強數字金融對企業選擇生產技術升級的促進作用。表5（3）和（4）列結果顯示，在互聯網普及率更高的地區，數字金融對企業選擇高生產技術的促進作用更強。以5G、高速寬帶為代表的通信技術服務是數字金融發展必不可少的數字基礎設施，在數字金融的推廣過程中需要優先推動當地通信服務水平的發展，尤其是在傳統金融服務薄弱的地區。

表5 金融資源稟賦和互聯網發展的異質性分析結果

五、穩健性檢驗

（一）改變企業生產技術升級的測算方法

前文使用是否進口資本品作為企業生產技術升級的代理變量，為了減少資本品價值過低給指標有效性帶來的干擾，在代理變量tech1 的基礎上，參照陳雯等[13]的方法，本文引入代理變量tech2。只有觀測到企業進口價值不少于1000美元的資本品時，才認為企業選擇了生產技術升級。同時，在代理變量tech1的基礎上，本文只考慮企業當年的資本品進口行為，由此引入代理變量tech3。表6（1）和（2）列為tech2 作為被解釋變量的回歸結果，（3）和（4）列為tech3作為被解釋變量的回歸結果。結果表明，無論是否加入控制變量，數字金融的回歸系數均至少在5%的水平上顯著為正。這說明更換企業生產技術水平的測算方法后，本文的核心結論仍然穩健。

（二）改變數字金融發展水平的測量方法

前文使用北京大學數字普惠金融研究中心的數字金融指數作為區域數字金融發展水平的衡量指標，參考謝絢麗等[18]的做法，本文采用城市互聯網普及程度（internet）作為區域數字金融發展程度的另一衡量指標，結果如表6（5）和（6）列所示。結果顯示，無論是否加入控制變量，互聯網普及程度的系數均至少在5%水平上顯著為正。在更換數字金融衡量指標后，所得結論與前文基準回歸并無差異。

表6 穩健性檢驗

此外，本文還進行了一些其他穩健性檢驗：①將核心解釋變量和控制變量滯后一期重新檢驗；②將回歸模型更換為二值選擇模型Probit和Logit。上述檢驗結果均與前文結論一致。

六、結論與啟示

伴隨著信息技術的快速發展，作為一種新型金融業態，中國數字金融的蓬勃發展對實體經濟增長的影響成為社會關注的焦點。作為經濟體系的微觀個體，企業的生產技術水平是“科技自立自強”的基礎。因此，本文研究了中國數字金融發展如何影響制造業企業生產技術水平，分別從城市層面和企業層面探討了其作用機制和異質性影響，并進一步討論了中國金融市場化進程的調節作用。通過利用2011—2013年的中國工業企業數據庫、中國海關數據庫和北京大學數字普惠金融指數進行實證檢驗，本文得到主要結論如下：第一，數字金融發展顯著促進了區域內制造業企業生產技術升級，該結論在依次加入企業層面和城市層面控制變量、引入外生性工具變量、調整變量測算方法、更換不同的回歸模型等多個穩健性檢驗后依然成立。第二，本文通過中介效應模型探究了數字金融的作用渠道，結果發現，數字金融發展通過緩解企業融資約束、降低企業融資成本以及優化城市產業結構，最終顯著促進區域內制造業企業選擇生產技術升級。第三，企業所有制與企業所在城市的異質性影響了數字金融對企業技術升級的作用強度。相對于國有企業，數字金融發展對外資企業和民營企業生產技術升級的促進作用更強。具有中等生產率水平的制造業企業生產技術升級更顯著受益于數字金融發展，其次是高生產率企業和低生產率企業。城市傳統金融資源稟賦和互聯網普及率越高，數字金融對區域內制造業企業生產技術升級的促進作用越大，傳統金融發展水平和數字基礎設施水平在數字金融發揮外溢效應中起到了重要支撐作用。

本文的研究具有如下啟示：

首先，挖掘數字金融發展潛能，引導數字金融服務好實體經濟。數字金融發展對實體經濟的高質量發展產生了顯著的正向溢出效應，應該營造良好環境以促進其健康發展。一方面在守住不發生系統性金融風險底線的前提下，為數字金融發展營造相對穩定的監管環境，給予數字金融發展一定的包容和試錯空間，給予更多的政策指導及資源支持。同時完善以信息通信為代表的數字基礎設施建設，降低互聯網接入門檻。另一方面應通過政策指導、規范行業發展，避免數字金融“脫實向虛”，促進數字經濟與實體經濟有機結合。其次，暢通數字金融作用渠道，助力企業生產技術提高。數字金融通過緩解融資約束、降低企業融資成本緩解了企業運營、研發創新和固定資本投資中融資難、融資貴的困境，并通過優化產業結構增大了區域內企業通過技術外溢獲取新技術的機會。因此，應依托數字金融的技術優勢，吸納和盤活閑散社會金融資源，充分發揮其促進金融服務提質增效的長處，利用稅收減免或補貼方式，鼓勵和支持數字金融企業利用大數據發掘有創新和發展潛力的中小微企業尤其是落后地區的企業，為其提供精準、高效的金融服務。■

注 釋

①根據聯合國廣義經濟分類（BEC），將代碼為41、521 的產品歸為資本品，將代碼為111、121、21、22、31、322、42 以及53的產品歸為中間品。

②考慮到以支付寶為代表的數字金融的推廣不僅起源于杭州市，同時也是從北京、上海、廣州和深圳這四個一線城市為中心向外鋪開。因此，出于穩健性考慮，本文在剔除這四個城市后再次進行工具變量回歸，所得結果無實質差異。