數(shù)字普惠金融、要素錯(cuò)配與工業(yè)智能制造

沈 洋 郭孝陽 張秀武

（華僑大學(xué)數(shù)量經(jīng)濟(jì)研究院，廈門 361021）

引 言

制造業(yè)是立國(guó)之本、興國(guó)之器、強(qiáng)國(guó)之基。改革開放以來，我國(guó)工業(yè)制造業(yè)取得了跨越式發(fā)展，行業(yè)規(guī)模迅速擴(kuò)張，整體實(shí)力不斷增強(qiáng)。中國(guó)已成為世界上門類最齊全、規(guī)模最大的制造業(yè)國(guó)家。不可置否的是，隱藏在 “中國(guó)增長(zhǎng)奇跡”背后的重要驅(qū)動(dòng)力正是來源于以制造業(yè)為核心的工業(yè)體系［1］。但隨著人口紅利逐漸消失、美國(guó)制造業(yè)回流和全球能源危機(jī)加劇等多重因素疊加干擾，我國(guó)制造業(yè) “大而不強(qiáng)”的弊病凸顯，工業(yè)高質(zhì)量發(fā)展之路仍道阻且長(zhǎng)。供應(yīng)鏈 “斷鏈”隱患、產(chǎn)業(yè)韌性不足和產(chǎn)品附加值不高等問題迫切呼吁新動(dòng)能、新技術(shù)和新環(huán)境。為破解我國(guó)制造業(yè)面臨的自主創(chuàng)新性不強(qiáng)、核心技術(shù)受制于人、產(chǎn)業(yè)韌性不足等難題，中央全面深化改革委員會(huì)第十四次會(huì)議明確指出，要加快新一代信息技術(shù)和制造業(yè)融合發(fā)展，將智能制造作為主攻方向，著力推進(jìn)工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展，提升制造業(yè)數(shù)字化、網(wǎng)絡(luò)化和智能化發(fā)展水平，實(shí)現(xiàn)工業(yè)生產(chǎn)方式和企業(yè)形態(tài)根本性變革。智能制造作為智能化和工業(yè)化有機(jī)融合的粘合劑，正不斷突破新技術(shù)，催生新業(yè)態(tài)，實(shí)現(xiàn)制造信息系統(tǒng)和物理系統(tǒng)的高度協(xié)同與深度融合，進(jìn)一步打通企業(yè)—供應(yīng)鏈—行業(yè)數(shù)據(jù)鏈，已成為新一輪工業(yè)革命的核心驅(qū)動(dòng)力。作為數(shù)字經(jīng)濟(jì)浪潮中新業(yè)態(tài)的具體表現(xiàn)，數(shù)字普惠金融服務(wù)對(duì)象的篩選邏輯、 “金融痛點(diǎn)”的解決思路，正是金融高質(zhì)量發(fā)展的內(nèi)涵所在。其通過矯正 “二八定律”偏差，增進(jìn)全民福祉，促使金融 “血脈”暢通，增強(qiáng)了經(jīng)濟(jì) “肌體”免疫力。那么，現(xiàn)行的數(shù)字普惠金融給我國(guó)工業(yè)智能制造帶來的影響究竟是 “福利”還是 “災(zāi)難”呢？若其真能如 “甘霖”般惠及我國(guó)工業(yè)發(fā)展，那么其中間的作用機(jī)制又是如何呢？哪些群體獲益最大呢？回答這些問題，對(duì)于提升我國(guó)工業(yè)國(guó)際競(jìng)爭(zhēng)力和提升金融服務(wù)實(shí)體經(jīng)濟(jì)的適配度有啟示意義。

現(xiàn)有文獻(xiàn)對(duì)智能制造產(chǎn)生邏輯［2］、國(guó)際經(jīng)驗(yàn)啟示［3－5］、 轉(zhuǎn)型路徑［6］以及數(shù)字金融對(duì)工業(yè)數(shù)字化轉(zhuǎn)型的影響［7－9］做了大量研究，但其主要是圍繞著數(shù)字金融或金融科技對(duì)企業(yè)技術(shù)創(chuàng)新、產(chǎn)業(yè)升級(jí)和產(chǎn)品質(zhì)量的研究，而智能制造作為現(xiàn)代信息技術(shù)物化于機(jī)器設(shè)備的典型實(shí)踐，關(guān)于數(shù)字普惠金融如何影響工業(yè)智能制造的研究還比較少，進(jìn)一步從要素錯(cuò)配的中介渠道來研究數(shù)字普惠金融何以影響工業(yè)智能制造的研究就更少了。因此，本文將資本錯(cuò)配和勞動(dòng)力錯(cuò)配嵌入數(shù)字普惠金融影響工業(yè)智能制造的分析框架，考察要素錯(cuò)配在兩者傳導(dǎo)過程中發(fā)揮著何種作用；同時(shí)采用分位數(shù)回歸揭示數(shù)字普惠金融對(duì)工業(yè)智能制造的異質(zhì)性影響效應(yīng)，這有助于提升數(shù)字普惠金融服務(wù)工業(yè)現(xiàn)代化的精準(zhǔn)性。

1 作用機(jī)制與研究假設(shè)

1.1 數(shù)字普惠金融的直接效應(yīng)

于工業(yè)企業(yè)而言，融資約束往往是制約其技術(shù)創(chuàng)新和數(shù)字化轉(zhuǎn)型的最大障礙。由于存在交易成本和貸款不確定性，即較高的信貸交易成本會(huì)抑制工業(yè)企業(yè)借款欲望，金融機(jī)構(gòu)嚴(yán)格的信貸條件、信息傳遞失真可能引致的逆向選擇或道德風(fēng)險(xiǎn)造成企業(yè)貸款被拒時(shí)有發(fā)生，因而銀行大多采取 “所有制歧視”和 “規(guī)模歧視”來對(duì)沖信息不對(duì)稱的信用風(fēng)險(xiǎn)和機(jī)會(huì)成本，其貸款額度也會(huì)低于市場(chǎng)出清水平［10］。數(shù)字普惠金融借助互聯(lián)網(wǎng)、社交媒體、定位系統(tǒng)等復(fù)合信息系統(tǒng)獲取金融產(chǎn)品信息大數(shù)據(jù)，并進(jìn)一步通過云計(jì)算、深度學(xué)習(xí)和區(qū)塊鏈等智能化技術(shù)處理、分析技術(shù)來搜集和追蹤客戶信息。因而數(shù)字技術(shù)能降低金融借貸過程中的搜尋成本、復(fù)制成本、追蹤成本和驗(yàn)證成本等多種經(jīng)濟(jì)成本［11］。這能緩解金融機(jī)構(gòu)面臨的信息不對(duì)稱問題，尤其是極大地降低了長(zhǎng)尾客戶的信息收集成本，降低金融服務(wù)門檻、增加差異化金融產(chǎn)品供給和提高服務(wù)效率。同時(shí)，數(shù)字普惠金融還能通過大數(shù)據(jù)分析對(duì)獲得融資支持的企業(yè)的后續(xù)資金使用行為實(shí)行更為嚴(yán)格的監(jiān)管，借助數(shù)字征信提升資金利用透明度，從而抑制管理者自信和降低管理者沖動(dòng)冒險(xiǎn)的可能，這能減少企業(yè)偏好金融投資的短視行為和商業(yè)信用二次分配［12］。盡管數(shù)字普惠金融天然的普惠屬性決定了其對(duì)于初創(chuàng)公司和中等規(guī)模的企業(yè)更為友好。但同時(shí)在經(jīng)濟(jì)實(shí)踐中，因監(jiān)管制度不完善和技術(shù)隱蔽性強(qiáng)等原因，數(shù)字普惠金融運(yùn)行還存在 “使命飄逸”、“跑冒滴漏”和 “精英俘獲”的問題?；谄栈莺蜕虡I(yè)利潤(rùn)最大化原則，金融機(jī)構(gòu)仍會(huì)優(yōu)先考慮資質(zhì)較好的企業(yè)并同時(shí)發(fā)揮著普惠金融的作用。數(shù)字普惠金融市場(chǎng)還不夠成熟，金融普惠性有待深化［13，14］。因此數(shù)字普惠金融對(duì)不同類型的工業(yè)企業(yè)智能制造有異質(zhì)性影響效應(yīng)。據(jù)此提出研究假設(shè)1和假設(shè)2：

假設(shè)1：數(shù)字普惠金融能促進(jìn)工業(yè)智能制造。

假設(shè)2：數(shù)字普惠金融對(duì)工業(yè)智能制造的促進(jìn)效應(yīng)有異質(zhì)性，其對(duì)中等水平企業(yè)的促進(jìn)作用最大，而對(duì)初級(jí)水平企業(yè)的促進(jìn)作用最小。

1.2 要素錯(cuò)配的中介效應(yīng)

由于產(chǎn)業(yè)政策、制度障礙和地方保護(hù)主義等“經(jīng)濟(jì)楔子”干擾，中國(guó)要素市場(chǎng)化改革進(jìn)程明顯滯后于產(chǎn)品市場(chǎng)，這種滯后性一定程度上反映了地方各級(jí)政府對(duì)要素市場(chǎng)交易活動(dòng)的干預(yù)和控制——職能部門掌管著初級(jí)要素資源的分配和定價(jià)權(quán)，要素價(jià)格被低估和市場(chǎng)扭曲現(xiàn)象較為嚴(yán)重［15］。從短期來看，這種出于保護(hù)本土產(chǎn)業(yè)而阻絕與其他區(qū)域貿(mào)易往來的行為在一定程度能促進(jìn)本土相關(guān)市場(chǎng)主體發(fā)育；但從長(zhǎng)期來看，要素價(jià)格扭曲和市場(chǎng)分割會(huì)阻礙要素在地區(qū)間的自由流動(dòng)，其直接結(jié)果是市場(chǎng)調(diào)節(jié)難以反映要素真實(shí)價(jià)格，進(jìn)而導(dǎo)致價(jià)格信號(hào)失真，這會(huì)使得要素資源無法實(shí)現(xiàn)最優(yōu)配置［16］。這種低效的資源配置局面和扭曲的要素價(jià)格會(huì)激勵(lì)企業(yè)密集使用有形要素，同時(shí)也會(huì)使那些從事技術(shù)研發(fā)和智能化轉(zhuǎn)型的企業(yè)無法從范圍經(jīng)濟(jì)中獲取額外收益。低要素成本是中國(guó)制造業(yè)最直觀的比較優(yōu)勢(shì)，要素價(jià)格上漲會(huì)觸動(dòng)其根基并產(chǎn)生劇烈影響，工業(yè)企業(yè)很有可能在價(jià)格上升中失去比較優(yōu)勢(shì)［17］。與此同時(shí)，若勞動(dòng)力和資本要素價(jià)格被低估，相關(guān)企業(yè)會(huì)更傾向于將公司注意力轉(zhuǎn)移到尋租活動(dòng)中以獲取持續(xù)性的低價(jià)有形要素，而不會(huì)通過高風(fēng)險(xiǎn)、高投入的研發(fā)活動(dòng)獲取利潤(rùn)或發(fā)展機(jī)會(huì)，這顯然不利于企業(yè)數(shù)字化轉(zhuǎn)型和智能化改造［18］。

數(shù)字金融不僅在賬戶滲透、小額支付和金融覆蓋等方面對(duì)傳統(tǒng)金融做了有益補(bǔ)充，同時(shí)其在普及金融知識(shí)和共享金融資源時(shí)構(gòu)建的社交網(wǎng)絡(luò)有助于打破個(gè)體 “自給自足”、“自我封閉”的心理枷鎖，促使提高微觀市場(chǎng)主體的數(shù)字金融參與度。因此，數(shù)字普惠金融能夠通過降低企業(yè)融資成本、促進(jìn)個(gè)體創(chuàng)業(yè)和勞動(dòng)力高質(zhì)量就業(yè)的渠道緩解要素錯(cuò)配程度［19］。據(jù)此提出研究假設(shè)3和假設(shè)4：

假設(shè)3：要素錯(cuò)配不利于工業(yè)智能制造。

假設(shè)4：數(shù)字普惠金融能減緩要素錯(cuò)配，進(jìn)而促進(jìn)工業(yè)智能制造。

2 研究設(shè)計(jì)

2.1 變量選取

2.1.1 被解釋變量

智能制造（Rob）。智能制造是一系列信息化、數(shù)字化和自動(dòng)化技術(shù)的總和，文獻(xiàn)中常出現(xiàn)的人工智能、工業(yè)機(jī)器人、工業(yè)互聯(lián)網(wǎng)都是智能制造在生產(chǎn)領(lǐng)域的具體實(shí)踐［20］。鑒于國(guó)際機(jī)器人聯(lián)合會(huì)（IFR）公布的是國(guó)家－行業(yè)層面的數(shù)據(jù)，不足以支撐本文的面板數(shù)據(jù)分析。對(duì)此，參照沈洋和張秀武 （2022）［21］、 閆雪凌等 （2020）［22］的做法， 先根據(jù)IFR公布的14個(gè)制造業(yè)分類與我國(guó)31個(gè)制造業(yè)子行業(yè)進(jìn)行匹配，然后利用歷年各地區(qū)各子行業(yè)城鎮(zhèn)單位就業(yè)人員占全國(guó)總就業(yè)人口的比重來作為權(quán)重指標(biāo)，最后引入美國(guó)2005年行業(yè)層面的工業(yè)機(jī)器人數(shù)量來構(gòu)造省級(jí)層面的工業(yè)機(jī)器人安裝密度。其計(jì)算公式表示為：

式 （1）中，Rob表示機(jī)器人安裝密度，本文用其表征智能制造；Lobjit為i?。▍^(qū)、市）j行業(yè)t年的從業(yè)人員數(shù)量，Lobit表示i?。▍^(qū)、市）t年所有行業(yè)城鎮(zhèn)單位從業(yè)人員數(shù)量，Robit表示j行業(yè)t年的工業(yè)機(jī)器人安裝存量，Lobjt為全國(guó)層面j行業(yè)t年的從業(yè)人員總量；MRobt／L2005為本文設(shè)定的工具變量，其中MRobt表示美國(guó)在年份t的工業(yè)機(jī)器人安裝存量，Lob2005表示2005年美國(guó)制造業(yè)從業(yè)人員數(shù)量。

2.2.2 核心解釋變量

數(shù)字普惠金融（DFI）。數(shù)字普惠金融是指在數(shù)字技術(shù)支持下通過金融服務(wù)促進(jìn)普惠金融行動(dòng)的總稱。 根據(jù)郭峰等 （2020）［23］和鐘凱等 （2022）［24］的研究，本文使用北京大學(xué)數(shù)字金融研究中心編制的 “北京大學(xué)數(shù)字普惠金融指數(shù)”作為本文數(shù)字普惠金融的代理變量。

2.1.3 中介變量

要素錯(cuò)配。資源錯(cuò)配是相對(duì)資源有效配置而言的，指的是因要素市場(chǎng)價(jià)格扭曲使得資源配置偏離帕累托最優(yōu)均衡。由于信息不充分或市場(chǎng)不完善等因素使得資源流動(dòng)受阻，甚至出現(xiàn)高回報(bào)率的生產(chǎn)要素流向低回報(bào)率的企業(yè)，此時(shí)資源配置偏離帕累托最優(yōu)狀態(tài)，要素錯(cuò)配也就隨之產(chǎn)生了。本文主要使用Aoki模型測(cè)算要素錯(cuò)配指數(shù)，其表現(xiàn)形式為：

式 （2） 和 （3） 中， τKi、 τLi分別表示資本錯(cuò)配指數(shù)（MK）和勞動(dòng)力錯(cuò)配指數(shù)（ML）； γKi、 γLi分別表示第i個(gè)地區(qū)資本價(jià)格絕對(duì)扭曲系數(shù)和勞動(dòng)力價(jià)格絕對(duì)扭曲系數(shù)；由于現(xiàn)實(shí)經(jīng)濟(jì)中價(jià)格絕對(duì)扭曲系數(shù)往往是難以觀測(cè)且無法獲取的，通行的做法是采用價(jià)格相對(duì)扭曲系數(shù)做替代。因而上述兩個(gè)式子可以轉(zhuǎn)化為：

2.1.4 控制變量

影響工業(yè)智能化轉(zhuǎn)型的因素有很多，為盡可能緩解遺漏重要變量產(chǎn)生的內(nèi)生性問題以獲取更加精準(zhǔn)的估計(jì)結(jié)果，根據(jù)現(xiàn)有文獻(xiàn)，本文選取了8個(gè)控制變量。具體而言：減稅降費(fèi)（Tax），使用稅收增速的變動(dòng)幅度來作為代理變量；產(chǎn)業(yè)升級(jí)（UP），選取第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值作為代理變量；城鎮(zhèn)化（Urban），選取城鎮(zhèn)人口占總?cè)丝诘谋戎刈鳛榇碜兞?；?duì)外開放（Open），選取各?。▍^(qū)、市）進(jìn)出口總額作為代理變量；土地成本（Price），選取商業(yè)營(yíng)業(yè)用房平均銷售價(jià)格（元／平方米）作為代理變量；道路密度（Road），選取公路和鐵路總里程作為代理變量；宏觀調(diào)控（Gov），選取政府財(cái)政一般預(yù)算支出占國(guó)內(nèi)生產(chǎn)總值的比重作為代理變量；研發(fā)投入（RD），選取規(guī)模以上工業(yè)企業(yè)R＆D項(xiàng)目人員折合全時(shí)當(dāng)量（人年）作為代理變量。

2.2 計(jì)量模型

根據(jù)上文的理論機(jī)制分析，為驗(yàn)證數(shù)字普惠金融對(duì)智能制造的影響，本文構(gòu)建了以下面板數(shù)據(jù)計(jì)量模型：

式 （6）中，下標(biāo)i和t分別表示省（區(qū)、市）和年份，νt表示時(shí)間固定效應(yīng)，λi表示個(gè)體固定效應(yīng)，εit表示服從白噪聲過程的隨機(jī)擾動(dòng)項(xiàng)，Con?trol表示一系列控制變量。進(jìn)一步地，為驗(yàn)證要素錯(cuò)配在數(shù)字普惠金融影響智能制造傳導(dǎo)過程中所發(fā)揮的中介效應(yīng)，延續(xù)溫忠麟等 （2004）［25］的思路建立中介效應(yīng)遞推方程組?；趦?nèi)生性考慮，本文將式 （6）拓展為兼具時(shí)間固定、個(gè)體固定及其一維交互項(xiàng)的交互固定效應(yīng)模型。相較于傳統(tǒng)固定效應(yīng)模型，該模型充分考慮了經(jīng)濟(jì)現(xiàn)實(shí)中的時(shí)間多維沖擊，以及不同個(gè)體對(duì)這些沖擊所表現(xiàn)的異質(zhì)性反應(yīng)，將時(shí)間效應(yīng)和個(gè)體效應(yīng)以乘法的形式納入模型，能更直接地反應(yīng)經(jīng)濟(jì)現(xiàn)實(shí)。因此可得到：

式 （7）～（9）共同組成資本要素錯(cuò)配的中介效應(yīng)檢驗(yàn)方程組。其中，式 （7）表示數(shù)字普惠金融影響智能制造的總效應(yīng)，其顯著是中介效應(yīng)存在的前提，若系數(shù)c1不顯著，那么就沒有必要展開后續(xù)的中介效應(yīng)檢驗(yàn)程序。式 （9）表示分離資本錯(cuò)配的間接效應(yīng)后數(shù)字普惠金融影響智能制造的直接效應(yīng)；式 （8）表示數(shù)字普惠金融對(duì)資本錯(cuò)配的直接影響，其與式 （9）中資本錯(cuò)配估計(jì)系數(shù)的乘積共同構(gòu)成間接效應(yīng)，即e2×c1。同樣地，式 （7）、式 （10）和式 （11） 共同組成了勞動(dòng)力要素錯(cuò)配的中介效應(yīng)檢驗(yàn)方程組，相關(guān)釋義與資本錯(cuò)配中介效應(yīng)模型保持一致。

2.3 數(shù)據(jù)來源

基于數(shù)據(jù)可得性原則，本文選取2011～2020年中國(guó)30個(gè)?。ㄗ灾螀^(qū)、直轄市）（不含西藏和港、澳、臺(tái)地區(qū)）的面板數(shù)據(jù)作為考察樣本。本文相關(guān)變量的原始數(shù)據(jù)主要來源于 《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》、《中國(guó)國(guó)土資源統(tǒng)計(jì)年鑒》、《中國(guó)科技統(tǒng)計(jì)年鑒》、國(guó)際機(jī)器人聯(lián)盟、北京大學(xué)數(shù)字金融研究中心、美國(guó)經(jīng)濟(jì)分析局和EPS數(shù)據(jù)庫。極少數(shù)缺失值采用線性插值法進(jìn)行補(bǔ)齊。需要說明的是，2019年末爆發(fā)的新冠肺炎疫情對(duì)中國(guó)宏觀經(jīng)濟(jì)運(yùn)行產(chǎn)生了影響，但得益于相關(guān)行政部門及時(shí)出臺(tái)了一系列寬松的貨幣政策和財(cái)政政策來對(duì)沖公共風(fēng)險(xiǎn)，因而新冠肺炎疫情對(duì)2020年經(jīng)濟(jì)的影響是有限的，樣本數(shù)據(jù)因此也未出現(xiàn)極端值。

3 實(shí)證分析

3.1 基準(zhǔn)回歸結(jié)果

根據(jù)式 （6）設(shè)定的計(jì)量經(jīng)濟(jì)學(xué)模型，本文先使用混合最小二乘法（Pooled OLS，POLS）做回歸以得到不存在個(gè)體固定效應(yīng)前提下的最基本估計(jì)結(jié)果。再考慮到各地區(qū)間的發(fā)展差異，選用雙向固定效應(yīng)并結(jié)合 DK（Driscoll－Kraay， DK）標(biāo)準(zhǔn)誤做擬合計(jì)算?；鶞?zhǔn)回歸結(jié)果見表1。

由表1可知，混合最小二乘法的估計(jì)系數(shù)為0.912且在1%水平上顯著，表明數(shù)字普惠金融能推動(dòng)工業(yè)生產(chǎn)轉(zhuǎn)向智能制造，驗(yàn)證了假設(shè)1。固定效應(yīng)的估計(jì)結(jié)果為0.087且在1%水平上顯著，數(shù)字普惠金融對(duì)智能制造的影響效應(yīng)與POLS的結(jié)果保持一致。若將兩者的結(jié)果作比較可以發(fā)現(xiàn)，在控制個(gè)體異質(zhì)性和時(shí)間異質(zhì)性后的雙向固定效應(yīng)模型的擬合系數(shù)明顯低于POLS的結(jié)果，表明剔除不可觀測(cè)因素對(duì)模型干擾后所計(jì)算的估計(jì)系數(shù)更符合真實(shí)值，考慮個(gè)體差異和時(shí)間差異是有必要的。在數(shù)字經(jīng)濟(jì)時(shí)代，隨著數(shù)字技術(shù)在金融領(lǐng)域的廣泛運(yùn)用和推廣，金融科技助力資金流通順暢和財(cái)產(chǎn)優(yōu)化配置，為未來的金融模式和商業(yè)運(yùn)營(yíng)帶來了全面的變革性力量。

表1 基準(zhǔn)回歸估計(jì)結(jié)果

3.2 穩(wěn)健性檢驗(yàn)

3.2.1 縮尾處理

若樣本數(shù)據(jù)中存在離群值則可能對(duì)回歸結(jié)果造成偏誤。因此，本部分將各變量上下1%分位做縮尾處理以剔除異常值對(duì)擬合計(jì)算的干擾。

3.2.2 更換模型

基于對(duì)擾動(dòng)項(xiàng)組間異方差或組內(nèi)自相關(guān)的考慮，本文分別做了組間異方差沃爾德檢驗(yàn)、組內(nèi)自相關(guān)沃爾德檢驗(yàn)和組間同期相關(guān)的Breusch－Pa?gan LM檢驗(yàn)，3種方法的檢驗(yàn)結(jié)果均顯示在1%水平上拒絕原假設(shè)，認(rèn)為建立的計(jì)量模型存在異方差、序列相關(guān)和截面相關(guān)問題。盡管基準(zhǔn)回歸部分本文使用了DK穩(wěn)健標(biāo)準(zhǔn)誤做修正，但考慮其功效性和嚴(yán)謹(jǐn)性，本文在考慮自回歸系數(shù)相同（AR1）的情形下運(yùn)用FGLS模型對(duì)上述幾個(gè)問題進(jìn)一步調(diào)整。

3.2.3 內(nèi)生性問題

上文為緩解遺漏變量?jī)?nèi)生性問題從而選取了盡可能多的控制變量，但數(shù)字普惠金融和智能制造之間潛在的互為因果關(guān)系的內(nèi)生性問題還需警惕。鑒于北京大學(xué)數(shù)字金融研究院的數(shù)字普惠金融指數(shù)也是根據(jù)螞蟻金服交易數(shù)據(jù)編制而成，本文使用各省（區(qū)、市）省會(huì)城市到杭州市的球面距離作為工具變量?？紤]到獲取一個(gè)嚴(yán)格意義上的外生工具變量是十分困難的，本文在沈洋等 （2021）［26］的思路上，將二維面板數(shù)據(jù)模型拓展為空間三維面板計(jì)量模型，在原有的框架中納入空間高階滯后項(xiàng)與數(shù)字普惠金融的交互項(xiàng)作為工具變量，然后運(yùn)用廣義空間兩階段最小二乘法進(jìn)行估計(jì)。為捕捉各地區(qū)間地理差異和經(jīng)濟(jì)社會(huì)發(fā)展差異，空間權(quán)重矩陣使用的是經(jīng)濟(jì)地理嵌套矩陣。最后，考慮到空間計(jì)量模型易受到空間權(quán)重矩陣干擾，為增強(qiáng)其估計(jì)結(jié)果的穩(wěn)健性，本文還使用了基于鄰接矩陣的廣義空間矩估計(jì)（SPGMM）。該模型主要使用的是內(nèi)生變量的時(shí)間滯后項(xiàng)作為工具變量，能在一定程度上消除內(nèi)生性問題。

由穩(wěn)健性檢驗(yàn)結(jié)果（表略）可知，沿著3種思路而重新建立的5種計(jì)量模型擬合結(jié)果均顯示，數(shù)字普惠金融至少在5%顯著性水平上正向影響智能制造。穩(wěn)健性檢驗(yàn)結(jié)果與基準(zhǔn)回歸的估計(jì)結(jié)果大致保持一致，只是估計(jì)系數(shù)有輕微變動(dòng)，這表明基準(zhǔn)回歸部分得出的數(shù)字普惠金融能夠正向促進(jìn)制造業(yè)智能化轉(zhuǎn)型的結(jié)論是穩(wěn)健且可靠的。

4 數(shù)字普惠金融影響工業(yè)智能制造的機(jī)制和異質(zhì)性分析

4.1 機(jī)制檢驗(yàn)

為驗(yàn)證要素錯(cuò)配在數(shù)字普惠金融正向影響工業(yè)智能制造的傳導(dǎo)路徑中發(fā)揮著何種作用，根據(jù)上文建立的中介效應(yīng)方程組，使用交互固定效應(yīng)模型做驗(yàn)證，擬合結(jié)果見表2。

由表2可知，在交互固定效應(yīng)模型中數(shù)字普惠金融對(duì)工業(yè)智能制造的估計(jì)系數(shù)為0.092且在1%水平上顯著，表明總效應(yīng)是成立的，可以做下一步中介效應(yīng)分析。從中介效應(yīng)的第二段方程來看，數(shù)字普惠金融對(duì)資本錯(cuò)配和勞動(dòng)力錯(cuò)配的估計(jì)系數(shù)分別為－0.032、－0.041，且至少在10%水平上顯著，表明遞推方程式的直接效應(yīng)成立。最后從中介效應(yīng)的第三段方程來看，數(shù)字普惠金融對(duì)工業(yè)智能制造的估計(jì)系數(shù)分別為0.116和0.089，且均在1%水平上顯著；資本錯(cuò)配和勞動(dòng)力錯(cuò)配對(duì)工業(yè)智能制造的估計(jì)系數(shù)分別為－0.225、0.138，且至少通過了5%水平的顯著性檢驗(yàn)，表明無論是資本還是勞動(dòng)力，一旦發(fā)生要素錯(cuò)配，其對(duì)工業(yè)數(shù)字化發(fā)展都是起負(fù)面作用的，驗(yàn)證了假設(shè)3。另外，分別納入資本錯(cuò)配和勞動(dòng)力錯(cuò)配后，數(shù)字普惠金融對(duì)工業(yè)智能制造的估計(jì)系數(shù)有所增大，尤其是在資本錯(cuò)配的方程中較為明顯，表明要素錯(cuò)配本身無法推進(jìn)工業(yè)智能化轉(zhuǎn)型，但卻強(qiáng)化了數(shù)字普惠金融的正向作用。從e2×c1、f2×d1與總效應(yīng)d1的符號(hào)來看，可以發(fā)現(xiàn)間接效應(yīng)與總效應(yīng)的符號(hào)保持一致，表明資本錯(cuò)配和勞動(dòng)力錯(cuò)配在數(shù)字普惠金融影響工業(yè)智能制造的傳導(dǎo)路徑中發(fā)揮著部分中介作用，其中介效應(yīng)占比分別為8.87%和6.15%，驗(yàn)證了假設(shè)4。

表2 機(jī)制檢驗(yàn)結(jié)果

4.2 異質(zhì)性檢驗(yàn)

相較于傳統(tǒng)線性計(jì)量模型，分位數(shù)回歸的優(yōu)點(diǎn)在于：（1）一般的線性回歸模型著重考察的是自變量對(duì)因變量條件期望E（l｜x）的影響，所得的平均估計(jì)效應(yīng)只能反映分布于l｜x的集中趨勢(shì)；而分位數(shù)回歸能夠估計(jì)條件分布l｜x在不同區(qū)間的條件分位數(shù)，更能反映變量間的相關(guān)性；（2）使用殘差絕對(duì)值的加權(quán)平均作為最小化目標(biāo)函數(shù)，能降低離群值對(duì)估計(jì)結(jié)果的影響。具體而言，分位數(shù)回歸可以分為條件分位數(shù)回歸（CQR）和無條件分位數(shù)回歸（UQR）。由于CQR的條件累積分布函數(shù)Fl｜x（·）依賴于自變量x，且該方法的估計(jì)結(jié)果考慮了過多甚至是不必要的個(gè)體特征，同時(shí)還易受到協(xié)變量刪減變化的影響；而非條件分位數(shù)回歸正好克服了這些缺陷，所估計(jì)的結(jié)果是 “無條件”的?；赗IF中心方程法的無條件分位數(shù)估計(jì)結(jié)果見表3。

表3 無條件分位數(shù)估計(jì)結(jié)果

由表3可知，在不同工業(yè)機(jī)器人安裝密度層面上，數(shù)字普惠金融對(duì)工業(yè)智能制造的邊際影響效應(yīng)均為正，表明考察期內(nèi)數(shù)字普惠金融能推動(dòng)工業(yè)智能化轉(zhuǎn)型的影響效應(yīng)始終是成立的；但在不同分位點(diǎn)上，數(shù)字普惠金融對(duì)智能制造的影響有明顯的異質(zhì)性，驗(yàn)證了假設(shè)2。隨著分位點(diǎn)從低位（0.1）向高位（0.9）變動(dòng)，數(shù)字普惠金融對(duì)智能制造的影響系數(shù)由0.498提升至0.977，同時(shí)在50%分位點(diǎn)處有明顯的 “拐點(diǎn)效應(yīng)”，其影響系數(shù)大致呈現(xiàn)出先增加后下降的倒U型演進(jìn)趨勢(shì)；最后，當(dāng)分位點(diǎn)處于0.25～0.75的區(qū)間時(shí)，數(shù)字普惠金融對(duì)智能制造的影響效應(yīng)比較大，表明數(shù)字普惠金融更能夠惠及那些中等智能化發(fā)展水平的工廠，這也體現(xiàn)了數(shù)字普惠金融對(duì)社會(huì)中等階層有更強(qiáng)的包容性。

5 結(jié)論與建議

云制造、服務(wù)型制造和智能制造以顛覆性技術(shù)為依托，已成為做大做強(qiáng)做優(yōu)中國(guó)制造、中國(guó)創(chuàng)造的重要突破口。本文先是從理論層面闡釋了數(shù)字普惠金融、要素錯(cuò)配對(duì)工業(yè)智能制造的作用機(jī)制和傳導(dǎo)路徑；然后以2011～2020年中國(guó)省級(jí)面板數(shù)據(jù)為考察樣本，綜合運(yùn)用固定效應(yīng)、中介效應(yīng)和無條件分位數(shù)回歸驗(yàn)證了數(shù)字普惠金融、要素錯(cuò)配對(duì)工業(yè)智能制造的影響效應(yīng)。研究結(jié)果表明：（1）數(shù)字普惠金融能夠顯著推動(dòng)工業(yè)智能化轉(zhuǎn)型，且這一結(jié)論經(jīng)過一系列穩(wěn)健性和內(nèi)生性處理后依然成立；（2）勞動(dòng)力錯(cuò)配和資本錯(cuò)配在數(shù)字普惠金融影響工業(yè)智能制造的傳導(dǎo)過程中發(fā)揮著部分中介作用，即數(shù)字普惠金融可以通過緩解要素的中介渠道來提升金融資源服務(wù)于實(shí)體經(jīng)濟(jì)的作用效果，其中資本錯(cuò)配和勞動(dòng)力錯(cuò)配的中介效應(yīng)占比分別為8.87%和6.15%；（3）數(shù)字普惠金融對(duì)工業(yè)智能制造的正向影響效應(yīng)呈現(xiàn)兩頭小中間大的 “橄欖型”分布態(tài)勢(shì)；在給定的5個(gè)分位點(diǎn)中，數(shù)字普惠金融對(duì)工業(yè)智能制造的推動(dòng)作用在50%分位點(diǎn)處達(dá)到最大值，有明顯的 “拐點(diǎn)效應(yīng)”。

結(jié)合上述研究結(jié)論，本文提出以下政策建議：

（1）完善數(shù)字金融基礎(chǔ)設(shè)施。努力拓展數(shù)字普惠金融的覆蓋廣度，強(qiáng)化使用深度，夯實(shí)數(shù)字支持程度。在踐行金融普惠性和商業(yè)可持續(xù)性的基本指導(dǎo)理念基礎(chǔ)上，打造一個(gè)更具備包容性的現(xiàn)代數(shù)字普惠金融體系，通過完善個(gè)人支付、小額信貸、互聯(lián)網(wǎng)保險(xiǎn)和基金理財(cái)?shù)葦?shù)字化功能，重點(diǎn)保障中小微企業(yè)公平機(jī)會(huì)獲取金融資源的權(quán)益，適當(dāng)推出符合規(guī)模以上工業(yè)企業(yè)中長(zhǎng)期貸款需求的產(chǎn)品。充分發(fā)揮人工智能、大數(shù)據(jù)分析和云計(jì)算等新一代數(shù)字技術(shù)在資源配置精準(zhǔn)化、服務(wù)渠道全時(shí)化、業(yè)務(wù)流程自動(dòng)化、風(fēng)險(xiǎn)管控智能化的實(shí)踐優(yōu)勢(shì)，極力創(chuàng)新供應(yīng)鏈金融、融資租賃、債權(quán)融資、抵押擔(dān)保和投貸保聯(lián)動(dòng)與研發(fā)投資等金融服務(wù)和產(chǎn)品，力促數(shù)字技術(shù)完善與普惠金融發(fā)展同頻共振，構(gòu)建多層次、全鏈條、專業(yè)化和在地化的智能制造數(shù)字普惠金融服務(wù)體系。

（2）注意風(fēng)險(xiǎn)防控。推動(dòng)數(shù)字普惠金融服務(wù)工業(yè)智能制造的過程中，應(yīng)始終遵循合規(guī)經(jīng)營(yíng)和守正創(chuàng)新的底線，積極解決行業(yè)發(fā)展突出問題。相關(guān)行政主體應(yīng)進(jìn)一步完善相關(guān)制度體系，嚴(yán)格把控?cái)?shù)字金融市場(chǎng)準(zhǔn)入，明確各監(jiān)管機(jī)構(gòu)的行政職責(zé)與考核標(biāo)準(zhǔn)，優(yōu)化數(shù)字金融監(jiān)管體系框架，制定包括政策、制度、技術(shù)在內(nèi)的系統(tǒng)性數(shù)字普惠金融防范與化解體系，維護(hù)良好的金融生態(tài)環(huán)境和金融發(fā)展格局。逐步探索應(yīng)用以區(qū)塊鏈、多方安全計(jì)算、聯(lián)邦學(xué)習(xí)為內(nèi)核的隱私計(jì)算，搭建跨機(jī)構(gòu)、跨領(lǐng)域的數(shù)據(jù)融合應(yīng)用平臺(tái)，推動(dòng)智能制造領(lǐng)域的金融信用信息和新型替代性數(shù)據(jù)有機(jī)結(jié)合，筑牢數(shù)字普惠金融服務(wù)智能制造的數(shù)據(jù)基礎(chǔ)，防范化解金融風(fēng)險(xiǎn)。

（3）強(qiáng)化金融供給精準(zhǔn)性。將目光聚焦于制造業(yè)核心本質(zhì)，緊扣智能制造特征內(nèi)核，重點(diǎn)面向關(guān)鍵技術(shù)核心攻關(guān)、網(wǎng)絡(luò)協(xié)同等新模式培育，智能制造創(chuàng)新成果轉(zhuǎn)化、工業(yè)互聯(lián)網(wǎng)及工業(yè)軟件研發(fā)和智能制造硬裝備等新型基礎(chǔ)設(shè)施建設(shè)，充分發(fā)揮產(chǎn)業(yè)融合平臺(tái)、銀企融合平臺(tái)的作用，依法合規(guī)調(diào)取企業(yè)生產(chǎn)經(jīng)營(yíng)信息、產(chǎn)業(yè)政策信息和金融產(chǎn)品信息，深入挖掘各類型工業(yè)企業(yè)對(duì)金融服務(wù)的差異化需求和有效需求，充分利用數(shù)字技術(shù)增加金融供給的靈活性和適應(yīng)性。始終按照 “擇優(yōu)、扶強(qiáng)、扶優(yōu)、普惠和商業(yè)可持續(xù)”的原則，從源頭把控金融供給質(zhì)量，為真正有市場(chǎng)、有需求、有效益和有技術(shù)的智能制造企業(yè)主體和項(xiàng)目提供高質(zhì)量的金融服務(wù)供給。