金融科技的經濟增長效應
——基于數字普惠金融指數的實證檢驗

付會敏 江世銀

（南京審計大學金融學院，江蘇 南京 211815）

一、引言

金融科技是指由科技帶來的金融創新。隨著以互聯網、人工智能、區塊鏈、云計算、大數據為代表的數字技術迅猛發展，尤其是近年來大數據與深度學習不斷進化，使得傳統金融機構與互聯網企業業務不斷交叉，金融服務模式和金融產品實現快速更新。2015—2020年間，全球金融科技逐漸興起并迎來發展高潮。《2019年全球金融科技采納率指數》指出，全球平均金融科技采納率持續攀升，從2015年的16%一路升至2019年的64%。此外，我國消費者對金融科技的采納率在2019年達到了87%，即便是尚未采納的消費者也至少知曉一些金融科技服務。金融科技憑借先進的技術緩解信息不對稱，優化金融產品服務，促進數字經濟的可持續發展，為經濟增長提供了新的動能。

毫無疑問，金融科技的創新驅動作為帶動經濟增長的重要路徑，已然成為當下學界關注的焦點之一。就目前金融科技對經濟增長影響的研究而言，絕大多數都只是停留在理論分析以及政策探討的層面上，實證檢驗方面的研究相對較少，且研究結論尚未達成一致，同時新的問題不斷涌現，例如：我國金融科技發展與經濟增長之間存在著怎樣的相關關系？其影響機制是什么？不同金融科技發展階段對經濟增長所起的作用是否存在差異？其發展程度對經濟增長的影響是否存在邊際遞減效應？金融科技促進經濟增長的效率在不同維度和不同地區是否存在差異？探究這些問題的答案，對于充分發揮金融科技對經濟增長的促進作用具有重要的理論和實踐意義。與已有的研究相比，本文的研究貢獻主要有兩點：第一，從金融科技的角度，在理論上揭示了金融科技與經濟增長的相關性，并從該理論中推導出量化的實證模型，豐富了關于經濟增長影響因素的文獻。第二，本文實證檢驗了金融科技對經濟增長的影響，擴展了對金融科技影響經濟增長的機制的探討，對相關政策的制定具有一定的啟示作用。

二、文獻綜述與研究假設

研究金融科技對經濟增長的影響，離不開金融發展與經濟增長的關系。關于金融發展與經濟增長的關系問題，最早可以追溯到Gurley 和Shaw（1955）提出的金融深化論和McKinnon（1973）提出的金融抑制論。金融深化論認為，完善的金融體制是經濟發展的有利條件，它能夠將剩余的儲蓄資金有效地引導到生產投資上，進而促進經濟發展；同時，良好的外部經濟環境是金融發展的基礎，只有在穩定有序的市場秩序下才能保障金融業的可持續發展，由此形成了金融深化與經濟發展相互促進的良性循環。金融抑制論則認為，由于存在利率、匯率管制等政府對金融體系和金融活動過度干預的諸多現象，持有貨幣的收益遠低于持有實物資產，導致大量市場微觀主體放棄持有貨幣形式的資產而轉為持有實物形式的資產，這使得銀行儲蓄資金進一步減少，弱化了銀行的金融中介功能，難以激發市場主體的投資活力，阻礙經濟增長。

金融科技是一個不成熟且發展演變迅速的概念（王靖一和黃益平，2018）。近年來，金融科技逐漸成為國內外金融學界和相關企業關注的焦點。盡管金融科技這一話題得到了廣泛討論，但關于如何定義與理解金融科技，各學者莫衷一是，尤其對金融科技內涵和外延的界定仍存在較明顯的分歧。分歧點主要在于各自側重點的不同，有的側重技術，有的則更側重金融，當然也有的側重二者的結合及其產生的結果。例如，Chen 等（2019）認為，金融科技可以被廣泛地定義為對提供金融服務產生實質影響的一系列技術創新。Gai 等（2018）發現金融科技已成為一個流行術語，用來描述金融服務機構采用的新技術，應用范圍包括數據安全和金融服務交付。可見，這類觀點強調應用在金融領域中的新型復雜技術。還有些學者認為，金融科技可以界定為金融科技公司，更側重于對金融業本身的改造。例如，Milian 等（2019）認為，金融科技是金融行業中活躍型的創新型企業，通訊便利和信息自動處理是其顯著優勢。根據金融穩定委員會（FSB）的定義，金融科技是指由科技帶來的金融創新，它所創造出的新模式、新業務、新流程和新產品對金融市場、金融機構以及提供金融服務的方式產生了重大影響。這個定義則側重于金融與科技的結合及其產生的結果。

隨著金融科技的飛速發展，金融科技對經濟增長的影響不僅受到政府的重視，而且受到學者們的廣泛關注。孫志紅和張娟（2021）認為，金融科技對不同經濟發展水平地區的經濟增長都具有顯著的促進作用。田新民和張志強（2020）認為，金融科技創新對提升金融服務質量和產出水平具有重要作用。謝婷婷和任麗艷（2017）、唐琳等（2020）認為，當金融創新通過技術進步助力實體經濟時，總體上顯著促進了經濟增長。據此，本文提出假設1。

假設1：金融科技的發展有助于促進經濟增長。

金融科技影響經濟增長的路徑是多方面的。已有研究表明，金融科技可以通過技術進步、刺激消費和投資等途徑影響經濟增長。其中，金融科技憑借先進的技術投入不斷創新金融產品與服務，使得經濟增長效率大大提高，這一路徑逐漸成為廣大學者的共識。例如，楊偉中等（2020）通過構造金融驅動技術進步的內生增長DSGE 模型深入模擬發現，經濟增長率在長期趨于技術進步的穩態增長水平。唐松等（2022）基于企業生命周期視角的研究發現，金融科技通過加大研發投入和創新產出推動企業進行數字化轉型，成為驅動數字經濟發展進入快車道的關鍵。薛瑩和胡堅（2020）發現，金融科技以新興科技投入作為支撐，變革生產技術和生產方式，激發金融創新的內在活力，同時突破傳統的金融資本配置方式，促進金融業的“脫虛向實”，為推動經濟社會高質量和可持續發展創造良好條件。據此，本文提出假設2。

假設2：金融科技對經濟增長的影響作用存在基于技術投入的中介效應。

不可否認，金融科技的風險與機遇并存。在為市場經濟行為主體帶來極大便利的同時，金融科技的快速發展也帶來了傳統金融業務邊界的模糊化，機構之間的關聯性逐漸增強，金融風險傳導速度加快，在金融市場穩定、貨幣政策實施與金融監管等方面帶來了新的挑戰。劉少波等（2021）強調，目前，我們必須認識到金融科技的發展和運用還處于初級探索發展階段，相關的學術研究和理論構建尚未成熟。

近年來，金融科技領域受到學術界廣泛關注和爭論的一個主要問題是，金融科技是促進經濟增長還是抑制經濟增長？楊東（2018）認為，由于金融科技帶來技術和產品的快速迭代，金融風險的傳導路徑和機制變得更加快速、復雜和隱蔽，而監管的滯后性加劇了金融市場的不可控性，導致風險頭寸不斷積累和蔓延。此外，部分金融科技公司在業績導向以及商業利益最大化的驅動下存在一定程度的“使命漂移”，抑制金融服務實體經濟的效率，違背了經濟可持續發展要求。莊雷和王燁（2019）認為，通過監管套利、空轉套利或關聯套利等多種方式，運用創新金融工具，將資金大量配置于虛擬行業甚至在金融體系內“空轉”，加上信息不對稱和交易費用過高，導致金融科技的發展并沒有較好地發揮促進經濟增長的作用，反而容易因資本逐利產生高泡沫，加劇系統性金融風險。據此，本文提出假設3。

假設3：金融科技與經濟增長的關系具有門檻效應，當金融科技的發展達到一定門檻值之后，其對經濟增長的影響將發生變化。

三、研究設計

（一）數據來源與變量選取

為了保證數據的可用性和一致性，本文的研究樣本時間段為2011—2020年，研究對象為我國31 個省（自治區、直轄市，以下簡稱省份）。本文數據主要來自北京大學數字金融研究中心、《中國統計年鑒》《中國金融年鑒》和歷年各地《國民經濟和社會發展統計公報》等。

1.被解釋變量：經濟增長（lnPCGDP）。由于不同省份GDP 體量差別巨大，為了消除數量級對回歸結果的影響，本文采用各省人均GDP 的對數值作為經濟增長的代理變量。

2.核心解釋變量：金融科技（FINTECH）。本文選取北京大學數字金融研究中心與螞蟻集團研究院共同編制的2011—2020年數字普惠金融指數來代表全國各省金融科技的發展，同時考慮覆蓋廣度（cov）、使用深度（use）和數字化程度（dig）等多個維度。該指數編制的主要依據是螞蟻集團提供的互聯網金融大數據，較好地反映了我國近年來金融創新的變革特征和發展趨勢，并被廣泛應用于金融科技領域研究。

3.控制變量：（1）人力資本（EDU）。設置每個受教育層次的學習年限為小學6年、初中9年、高中12年、大專以上16年，以各地區、各教育層次的人口比例為權重，計算得到每個地區的平均受教育年限。人力資本是影響經濟增長的關鍵性因素，一般認為，人力資本的提高會促進經濟增長。（2）政府干預程度（GOV），用財政支出占GDP 的比例表示。政府公共支出的增加往往會影響該地區的產業結構，進而影響經濟發展的質量。（3）對外開放水平（OPEN），用進出口總額（進出口總額用人民幣匯率年均價折算）占GDP 的比例表示。新增長理論認為對外開放具有產出效應，可以提高生產率，促進經濟增長。（4）金融發展指數（FD），用金融機構的存貸款余額占GDP 的比例表示，用來反映地區金融深化程度。（5）基礎設施發展（INFRA），用基礎設施建設占固定資產投資的比例表示。（6）產業結構（IS），用各省第三產業產值占GDP 的比例表示。（7）資本存量（lnK），以各省歷年的固定資產投資數據為基礎，采用“永續盤存法（PIM）”計算得到。PIM公式為：

其中，K表示地區期的資本存量，K表示地區-1 期的資本存量，I表示地區期的名義固定資產形成額，P表示地區的價格指數（統一用該省的GDP 平減指數代替），為資本存量的折舊。參考單豪杰（2008）的做法，取為10.96%，并以2000年為基期對2011—2020年的資本存量進行估算。為消除數量級的影響，本文將資本存量進行對數處理。

4.中介變量：技術投入（RD）。用R&D 經費占GDP的比例表示技術投入水平。科技創新是經濟增長的主要動力之一，創新可以改善企業資源，加快技術要素流動，提升產品附加值，最終促進經濟增長。

（二）模型設定

本文采用Hausman檢驗來決定固定效應和隨機效應的選取。Hausman 檢驗的原假設為“=使用隨機效應模型”，檢驗結果表明P值小于0.01，則拒絕原假設，意味著拒絕隨機效應模型。因此，本文使用固定效應模型進行實證分析。

其中，lnPCGDP是地區在年的經濟增長水平；FINTECH表示地區在年的金融科技發展水平； x代表控制變量； φ和δ分別代表個體和年份固定效應；ε是殘差項，包括無法在上述模型中反映出來的任何隨機干擾因子。本文重點關注的是核心解釋變量FINTECH的系數，若顯著為正，則表示地區金融科技的發展能顯著促進經濟增長，假設1成立。

為檢驗假設2 是否成立，本文采取逐步回歸的方法，分別構建了固定效應模型（3）和（4），檢驗技術投入是否在金融科技對經濟增長的影響中充當了中介變量。

其中，RD表示技術投入，x是控制變量，是殘差項。上述模型的檢驗分為三步：首先，利用模型（2）檢驗金融科技對經濟增長的影響，得到回歸系數，如果顯著，則可以進行下一步的中介效應的識別。其次，利用模型（3）檢驗金融科技對中介變量技術投入的影響，得到回歸系數，如果顯著，則進行下一步檢驗。最后，檢驗中介效應是否存在，將中介變量技術投入加入式（4）中進行檢驗，得到回歸系數。當顯著并且的絕對值比的絕對值小時，若顯著，則說明存在部分中介效應，即金融科技發展會部分通過影響技術投入來促進經濟增長；若不顯著，則說明存在完全中介效應，即金融科技發展會完全通過影響技術投入來促進經濟增長。

四、實證分析

（一）描述性統計

表1顯示了解釋變量、被解釋變量和控制變量的描述性統計結果。被解釋變量經濟增長的平均值為1.6166，標準差為0.4389，表明區域經濟發展差異尚在合理范圍內。核心解釋變量金融科技的均值為216.2352，標準差為97.0303，說明我國各省份金融科技發展水平之間存在一定的差異。金融發展指數均值為3.3012，標準差為1.2061，表明各地區的金融深化程度差異較小。

表1：主要變量的基本統計特征

（二）基準回歸

由于模型的解釋變量之間可能存在某種線性關系，從而導致不準確的實證結果，因此，有必要檢驗實證模型的多重共線性。方差膨脹因子（VIF）是檢驗回歸模型是否具有多重共線性的重要方法，判斷的臨界值通常為10。本文各變量的多重共線性檢驗結果表明，各變量的方差膨脹因子均在10 以下，說明不存在多重共線性問題，實證模型設置較為合理。

表2顯示了金融科技與經濟增長之間的固定效應模型的估計結果。回歸結果表明，金融科技的回歸系數顯著為正，體現了金融科技對經濟增長具有顯著的積極影響。假設1 初步得到驗證。可能的原因是：一方面，金融科技利用金融行業的技術驅動創新，提高金融資源配置效率，促進金融業發展提質增效；另一方面，金融科技通過與大數據技術相結合，拓寬金融服務覆蓋面，有效解決信息不對稱，為經濟可持續發展提供低成本的資金支持。

表2：金融科技與經濟增長的基準回歸

（三）中介效應檢驗

表3是金融科技基于技術投入中介效應影響經濟增長的回歸結果。如第（2）列所示，金融科技的回歸系數在1%的顯著性水平上為正，說明金融科技的發展可以促進技術投入力度的加大。第（3）列的結果顯示，將技術投入加入模型后，金融科技的估計系數在1%的水平上仍顯著為正，但系數值比有所減小，并且技術投入的回歸系數在5%的水平上顯著，這說明技術投入在金融科技影響經濟增長的過程中起到了部分中介作用，即金融科技對經濟增長的影響除了直接效應外，還有一部分是通過技術投入這一中介變量來實現的。假設2得到驗證。

表3：金融科技、技術投入與經濟增長

（四）穩健性檢驗

1.剔除特定樣本。由于直轄市的金融科技發展較快，經濟增長的速度往往也較快，反向因果問題可能較嚴重，因此，本文剔除直轄市（北京、上海、重慶和天津）的樣本，對模型（2）進行重新估計，結果如表4所示。剔除特定樣本后，金融科技的系數依然顯著為正。假設1再次得到驗證。

表4：非直轄市地區的金融科技與經濟增長

2.內生性問題。在基準回歸模型中，盡管本文試圖控制可以同時影響金融科技和經濟增長的因素，但實證結果還可能會受到某些不可觀察因素的影響，這可能會使估計結果產生偏差。此外，金融科技與經濟增長之間可能存在反向因果關系，即各省的經濟增長會帶來當地更快的金融科技發展。為了緩解由遺漏變量、測量誤差或反向因果關系引起的內生性問題，本文選擇系統GMM 模型進行穩健性檢驗。GMM 方法從矩條件出發，構造包含參數的方程，不需要對變量的分布進行假定，也不需要知道隨機擾動項的分布信息，可以有效地解決內生性問題。因此，本文在基準回歸模型的基礎上加入人均GDP 的一階滯后項構造如下式所示的動態面板模型：

其中，lnPCGDP表示人均GDP的一階滯后項。

如表5所示，進一步比較列（1）靜態面板的雙向固定效應模型和列（2）動態面板的系統GMM 模型的估計結果，金融科技對經濟增長的影響均在1%的水平上顯著為正。AR（2）檢驗的P值大于0.1，即不存在二階序列相關，模型通過了自相關檢驗；Sargan 檢驗對應的P 值大于0.1，表明所有的工具變量都是有效的。因此，雙向固定效應模型和系統GMM 模型的估計結果是一致且可靠的，說明在緩解潛在內生性后，本文的結論依然成立，即金融科技能夠顯著促進經濟增長，假設1 再次得到驗證。另外，系統GMM 的回歸結果還顯示，人均GDP 的一階滯后項在1%的水平上顯著，一定程度上說明經濟增長存在一定的路徑依賴，過去的經濟增長會影響當期的經濟增長水平。

表5：金融科技對經濟增長影響的穩健性檢驗

五、進一步討論：門檻效應檢驗與異質性分析

（一）門檻效應檢驗

在回歸分析中，我們要考慮系數估計值是否穩定，即如果將整個樣本分成若干個子樣本進行回歸，是否仍然可以得到大致相同的估計結果。金融科技與經濟增長的關系受金融科技發展階段的影響，如果采用一般的線性模型進行擬合，不能充分說明這種異質性的存在，甚至估計結果可能存在偏差。因此，本文采用面板門檻回歸構建非線性結構模型，避免將所有樣本按主觀標準人為分組檢驗引起的偏誤，以期獲得金融科技的最優適用區間。本文主要探討模型中含有兩個門檻值的情形，因此，設計面板門檻模型如下：

其中，q是選取的門檻變量，本文選取FINTECH為門檻變量，和代表門檻值，且<。e是隨機擾動項，獨立同分布于(0,)。I（·）為指示性函數，當門檻變量滿足限制條件時，I=1；否則，I=0。μ反映各省份的異質性（個體效應），如自然環境、歷史背景等不易量化的因素。當==時，說明此面板數據模型不存在門檻效應。

本文采取自舉300 迭代進行抽樣檢驗。表6顯示了單一門檻、雙重門檻和三重門檻假設的實證檢驗結果。從P 值來看，在10%的顯著性水平上拒絕了存在三重門檻的假設，單一門檻檢驗和雙重門檻檢驗的P值分別為0.0033 和0.08，說明存在雙重門檻效應。因此，本文選取雙重門檻模型進行估計。表7顯示了門檻估計值及置信區間，第一門檻和第二門檻值分別為91.68 和292.87，說明金融科技處于不同發展階段時對經濟增長存在異質性的影響。假設3得到驗證。

表6：門檻效應檢驗結果

表7：門檻估計值及置信區間

表8給出了面板門檻模型的回歸結果，金融科技對經濟增長的影響始終為正，只是具體的影響大小會隨著其發展程度變化。當金融科技的發展程度低于第一門檻值時，金融科技對經濟增長表現出強大的推動力，這種積極影響在1%的水平上是顯著的。當金融科技發展到第一門檻值和第二門檻值之間時，其對經濟增長仍有顯著的促進作用，但效果逐漸減弱，說明金融科技的發展對經濟增長的影響存在邊際遞減效應。這可能是因為，金融科技的發展往往是金融與科技兩大知識密集型產業的有機融合，將大數據、人工智能、區塊鏈等技術應用于金融行業，通過改變金融行業的經營思維和方法極大地促進金融業的發展，并且有利于減少決策中的信息不對稱和資本市場套利行為，優化金融環境，提高資源配置效率，進而刺激消費和投資，推動經濟的快速發展。而在金融科技快速發展直至其對經濟增長的貢獻達到頂峰后，會出現大量資本涌入金融科技行業和盲目追求利潤的現象，進而造成金融科技行業高泡沫，加劇金融資本去實體化。與此同時，金融科技的發展伴隨著大量網絡交易的出現，加劇了金融領域的技術和操作風險，增加了經濟發展中的不確定性，削弱了經濟增長效應。當金融科技發展越過第二門檻值時，其對經濟增長的正向影響會逐漸恢復，但影響程度較初期有所減少。

表8：金融科技與經濟增長的門檻回歸

（二）異質性分析

1.基于不同維度金融科技的異質性分析。金融科技的代理變量數字普惠金融總指數由覆蓋廣度（cov）、使用深度（use）和數字化程度（dig）等子指數組成，而使用深度指數又包括支付使用指數（pay）、保險使用指數（ins）、信貸使用指數（cre）三種不同的業務類型。考慮到隨著數字金融服務行業的不斷發展，金融科技產品和服務已呈現出多元化的特征，本文分別探討金融科技不同維度的發展對經濟增長可能存在的差異性影響。

從表9第（1）列的回歸結果可以看出，覆蓋廣度的提高能夠顯著促進經濟增長；第（2）和（6）列的回歸結果顯示，使用深度的加深和數字化程度的提高同樣能夠促進經濟增長，但顯著性和影響程度均有所降低；從第（3）—（5）列可以看出，支付使用指數和保險使用指數對經濟增長均有顯著的正向作用。綜上所述，金融科技不同維度的發展在促進經濟增長方面確實存在差異，覆蓋廣度、使用深度和數字化程度的提高都能顯著促進經濟增長，但覆蓋廣度的促進作用更加明顯。

表9：不同維度的金融科技與經濟增長

2.基于地理位置的異質性分析。我國幅員遼闊，各種資源分布不一，東中西部的經濟和金融科技發展水平也大不相同。從描述性統計結果來看，我國金融科技發展存在顯著的區域不平衡性，這可能會進一步拉大區域間的經濟差距。因此，有必要研究金融科技對經濟增長影響的區域異質性。本文將樣本按照地理位置劃分為東部和中西部兩個子樣本。

表10為金融科技經濟增長效應的區域異質性回歸結果，東部地區金融科技對經濟增長的回歸系數在數值和顯著性方面均低于中西部地區，說明金融科技的經濟增長效應呈現區域異質性。主要原因是：一方面，東部地區的經濟發展水平和金融科技水平高于中西部地區，且擁有更好的政策體系、營商環境和創新能力，造成金融科技對經濟增長的邊際貢獻不明顯；另一方面，中西部地區的經濟基礎比東部地區薄弱，“三農”主體、中小微企業、新興產業對金融支持的依賴程度較高，使得金融科技對中西部地區經濟增長的影響更為顯著。

表10：經濟增長效應的區域異質性分析結果

六、結論與啟示

本文使用2011—2020年省級面板數據，運用固定效應回歸模型和面板門檻回歸模型，全面系統地分析金融科技與經濟增長的關系。研究發現，金融科技對經濟增長起到了強有力的推動作用，技術投入是金融科技促進經濟增長的重要渠道；金融科技對經濟增長的影響具有雙重門檻效應，金融科技的發展對經濟增長的影響存在邊際遞減效應，一味地發展金融科技未必能帶來經濟的持續快速增長；金融科技對中西部地區的經濟增長具有更顯著的促進作用，并且不同維度的金融科技對經濟增長的影響不同，其中，覆蓋廣度對經濟增長的影響較為顯著。據此，提出以下建議：

第一，加強頂層設計，完善金融科技體制框架。當前，金融科技仍處于快速發展階段，應繼續推進科技創新和金融服務的深度融合，建立完善的制度體系，從制度上確保金融科技活動的開展有章可循，為金融科技的長久發展提供一個穩定有序的政策環境。同時，必須深刻意識到監管的重要性，充分利用大數據和人工智能等現代技術，適時開展金融科技監管沙盒試點，提高監管透明度，維護良好的金融科技生態，努力做到鼓勵、引導與規范并重。

第二，引導金融科技企業加大研發力度，提升金融科技創新的核心競爭力。各金融科技企業應在技術運行規律與金融法規的邊界內，有效借助金融科技中的創新驅動機制，推動金融業與實體部門的技術革新，提高金融資源配置效率和金融發展水平，促進經濟增長。只有不斷提供創新型的金融產品與服務，金融科技的發展才能煥發生機與活力。

第三，正視地區差異，因地制宜制定金融科技發展戰略。對于中西部地區，政府應充分認識到其與東部發達地區金融科技發展程度的差距，在政策上有所傾斜，加大金融科技基礎設施的建設力度，做好金融科技相關的技術人才引進工作；對于東部地區，應保持現有的發展體制，繼續利用自身優勢來發展金融科技，同時應把握好金融科技發展的程度，避免未來過高水平的發展對經濟增長產生的邊際遞減效應。在中西部地區“補短板”，在東部地區“強優勢”促進東中西三大區域金融科技發展齊頭并進，進而推動全國各地區的經濟增長。

第四，加強金融科技專業人才的培養，推動金融科技理論與實際運用的有機結合。如在高校開設金融科技等相關專業，培養具有較強實踐能力和創新精神的金融精英，一定程度上緩解金融科技人才短缺的問題，為金融科技的發展提供堅實的后備軍。增加金融科技專項培養的費用支出，搭建內部培訓平臺，重視金融科技人才的培養和后續發展，并在薪酬福利上給予技術型專業人才適度傾斜。加快完善金融科技人才機制建設，為金融科技高質量發展奠定人才基石。