數字金融對地方政府債務風險的影響效應研究
——基于動態SDM模型的實證檢驗

張璇 張梅青 唐云鋒

(1.北京交通大學經濟管理學院，北京 100044；2.浙江越秀外國語學院國際金融與貿易學院，浙江 紹興 312000)

一、引言

金融安全是國家安全的重要組成部分。2021年3月，中國“十四五”規劃明確提出“實施金融安全戰略”。2021年4月，《國務院關于進一步深化預算管理制度改革的意見》(國發〔2021〕5號)明確指出要“防范化解地方政府隱性債務風險，堅決防止風險累積形成系統性風險”。根據財政部數據，截至2022年8月末，全國地方政府債務余額為34.78萬億元，同比增長22.16%。疫情沖擊下地方政府債務融資需求持續擴大，數字金融作為一種新興金融科技創新，能夠有效緩解地方政府債務融資困境(侯世英和宋良榮，2020)[16]。數字金融已經成為中國數字經濟的重要組成部分，地方政府債務風險又是金融風險的重大風險源，如何防控數字金融時代下的地方政府債務風險已是當務之急(丁曉蔚，2021)[10]。由此，數字金融對地方政府債務風險的影響機制是什么？這一機制又存在怎樣的結構化特征和區域化差異？本文將針對這些問題展開深入研究。

數字金融具有共享、便捷、低成本、低門檻等特點(Frost et al.，2019；王永倉和王小華，2022)[4][31]，是推動中國經濟高質量可持續發展的重要能量(薛瑩和胡堅，2020)[33]。具體體現在三個層面：在微觀層面，數字金融緩解了中小企業融資約束，提高了金融部門效率(Yang et al.，2021)[8]；在中觀層面，數字金融能夠有效驅動我國城市創新發展(汪亞楠等，2020)[30]，推動產業數字化轉型，促進產業結構升級(李優樹等，2022)[23]；在宏觀層面，數字金融能夠顯著縮小城鄉收入差距，促進共同富裕(宋科等，2022)[24]。此外，學界主要從銀行信貸、財政壓力和房地產價格三個視角闡述其與地方政府債務風險的影響關系。財政壓力是地方政府大規模舉債的重要動因，其對地方政府債務風險有顯著的正向刺激影響(洪源等，2018)[15]；而商業銀行是地方政府債券的主要持有者，并且商業銀行信貸在房地產融資中占比高達三分之二。因此，商業銀行信貸配置的規模、期限結構和配置效率以及房地產價格，均會對地方政府債務風險產生影響(趙全厚和許靜，2022；唐云鋒和劉清杰，2020)[35][28]。

地方政府債務風險問題與金融發展關系十分密切。侯世英和宋良榮(2020)[16]研究發現，數字金融發展對地方政府債務融資效率具有積極作用。但隨著數字金融技術和產品的不斷創新，其帶來的金融風險問題也更易疊加和擴散，地方政府債務風險是中國金融安全戰略中應高度關注的金融風險(滑冬玲，2019)[17]。然而，鮮有文獻從數字金融視域下研究地方政府債務風險問題，更缺乏從動態視角研究跨期、跨區的數字金融對地方政府債務風險的空間影響機制。鑒于此，本文綜合考慮我國現實邏輯與體制背景，通過構建動態空間杜賓模型(Spatial Durbin Model，SDM)，著重探討數字金融對地方政府債務風險的直接影響效應和空間影響效應。本文可能的邊際貢獻在于：一是通過構建動態SDM模型，揭示數字金融視角下地方政府債務風險跨期、跨部門的風險溢出機制，為系統性風險防控策略優化提供新視角和新路徑；二是結合地方政府債務風險的空間集聚特征及演化趨勢，從中觀視角揭示數字金融發展對地方政府債務風險產生的跨期、跨區的空間溢出機制；三是通過結構異質性和區域異質性分析，深度挖掘數字金融對地方政府債務風險影響的重要維度和區域差異，為數字金融時代下地方政府債務風險的區域聯防聯控提供政策依據。

二、理論分析與研究假設

(一)數字金融對地方政府債務風險的直接影響機制

數字金融是銀行等傳統金融機構與互聯網公司利用數字技術實現的支付、投資等金融創新模式(黃益平和黃卓，2018)[19]，是大數據、云計算、5G等新興數字產業與傳統金融的有機結合。數字金融發展對地方政府債務風險的影響主要體現在以下兩個方面：

一是債務資金融通方面。隨著我國城市化水平不斷提高，基礎設施建設的剛性需求與地方財政資金緊缺的矛盾日漸突出，債務性融資是地方政府的主要融資方式。而數字金融具有科技性、政策性和靶向性，傳統金融會對長尾客戶產生金融排斥，數字金融則可以破除區域壁壘，拓展金融服務廣度和深度，促使地方政府擁有更多的債務融資對象和城市建設資金，有效解決了地方政府融資渠道少、財政缺口大的難題。地方政府通過數字金融獲得較為充裕的城市建設資金，有效推動了地區經濟發展，促使地方政府財政收入增加，這不僅能緩解地方政府遺留的隱性債務壓力，也為地方政府項目運營與償債提供資金保障。此外，由于數字金融的便捷性和普惠性，數字金融不僅提高了金融市場的運行效率，而且為地方政府降低了融資成本(Mushtaq and Bruneau，2019)[7]。從財政金融協同視角看，數字金融發展實現了地方政府債務的可持續性，由于融資杠桿效應，地方政府的經濟實力不斷加強，從而有效降低了地方政府債務風險。

二是數字技術風險控制方面。數字金融能夠依托大數據、云計算等數字技術，對地方政府債務數據進行采集、處理和分析，破除地方政府債務融資市場參與方之間的“數據壁壘”和“信息煙囪”，降低信息搜尋成本和信息交互成本。基于委托代理理論，數字技術提升了地方政府債務融資各環節的透明度，實現金融資源供給與地方政府債務融資需求的精準匹配，降低了借貸雙方信息不對稱風險(Jagtiani and Lemieux，2019)[3]。此外，數字金融能夠通過大數據平臺整合地方政府債務的資金流向和信息動態，對海量結構化和非結構化數據進行動態、實時和智能監測，并通過智能化的風險防控手段為地方政府挖掘“信用資產價值”，為地方政府搭建全方位債務風險評估系統，提升地方政府債務風險甄別能力并實現風險穿透式監管，克服了傳統金融高風險溢價問題(黃益平和邱晗，2021)[20]，從而降低了地方政府債務風險。基于上述分析，本文提出如下假設：

H1a：數字金融對地方政府債務風險存在負向影響，即數字金融發展能夠有效抑制地方政府債務風險。

數字金融兼具科技屬性和金融屬性，是一把“雙刃劍”，對地方政府債務風險也可能產生增大作用。中國數字金融還存在征信系統不完善、數字技術不成熟、金融監管不到位等問題(李蒼舒和沈艷，2019)[21]，在開放互動的互聯網空間，金融、技術、網絡等風險更易疊加，數字金融本質上是轉移風險而不是消除風險，特殊情況下還會產生新的金融風險(Liao，2018)[6]，在風險跨部門、跨區域傳染下可能引發系統性金融風險。金融體系是地方政府債務資金的主要來源，系統性金融風險的暴發會導致地方政府財政資金嚴重損失，從而加劇地方政府債務風險。基于上述分析，本文提出如下假設：

H1b：數字金融對地方政府債務風險存在正向影響，即數字金融發展會增大地方政府債務風險。

(二)數字金融對地方政府債務風險的空間影響機制

在互聯網技術的支持下，數字金融在實體經濟中擴散和滲透，打破了線下交易的空間約束，發展逐步呈現空間關聯特征，這為其對鄰近地區政府債務風險產生外溢作用提供了前提條件。已有研究證實，數字金融發展在地理距離空間權重矩陣下具有顯著的空間集聚性和空間溢出效應(李明賢等，2021)[22]。數字金融發展突破了部門和地域限制，加速了資金、信息、技術等要素的自由流通與有效配置，在空間層面呈現低成本聚集和高流動性，數字金融發展水平較高的地區能夠對鄰近地區形成“以點帶面”的發展格局。數字金融發展在經濟增長、創業活躍度、銀行貸款等社會經濟發展方面會產生空間溢出效應(褚翠翠等，2021；溫博慧等，2022)[9][32]，而經濟發展、信貸支持等與地方政府債務風險也具有較強的關聯性(趙全厚和許靜，2022)[35]，這為數字金融對地方政府債務風險產生空間溢出效應提供了可能性。此外，基于假設H1a和假設H1b，數字金融能夠對地方政府債務風險產生正向或負向作用，這也會影響地方政府債務風險的擴散程度。地方政府債務風險呈現高度復雜的網絡關聯特征以及多線程空間溢出特征，以多米諾骨牌效應在區域間傳染(Gennaioli et al.，2017)[2]。基于空間經濟學理論和金融風險傳染理論，區域性地方政府債務風險不僅會對局部金融市場產生沖擊，也可能誘發多部門、跨地區的地方政府債務風險空間溢出。基于上述分析，本文提出如下假設：

H2：數字金融對地方政府債務風險具有空間溢出效應，即數字金融發展會對鄰近地區政府債務風險產生外溢作用。

三、研究設計

(一)空間計量模型的構建

本文重點探討中國省域層面數字金融對地方政府債務風險的直接影響和空間溢出機制。變量之間的空間溢出機制主要體現在地區間的相互影響，并且地方政府債務風險可能存在時間慣性和區域間的時空依存關系，因此，需要借助動態空間計量模型進行分析。此外，SDM模型是空間滯后模型(Spatial Lag Model，SLM)和空間誤差模型(Spatial Error Model，SEM)的一般形式。因此，本文構建包含動態效應的地方政府債務風險SDM模型，如式(1)所示：

其中，LDRit為第i省在t時期的地方政府債務風險，LDRi,t-1為滯后一期的地方政府債務風險，DFit為第i省在t時期的數字金融發展總指數或數字金融某一維度指數，Xit為控制變量集。α表示截距項，τ為時間滯后項系數，ρ、β2、γ分別表示各變量空間滯后項系數，δ為時空滯后項系數，β1、θ分別表示各變量系數，μi表示空間效應，?t表示時間效應，εit為誤差項，Wij為空間權重矩陣。本文基于實際地理距離構造空間權重矩陣Wij，如式(2)所示：

其中dij代表省份i與省份j之間的實際地理距離，Wij為省份i和省份j之間地理距離倒數的平方。

(二)數據來源

基于數據的可獲得性和完整性，本文選取2011―2020年中國31個省區市(不含港澳臺地區)數據，數據來源于國家統計局數據庫、各省份統計年鑒、Wind數據庫以及CEIC經濟數據庫。對于個別變量缺失的年份數據，采用GM(1,1)灰色預測均值差分方法進行估值。

(三)變量選取與說明

1.被解釋變量

綜合考慮中國地方政府現實狀況與體制背景，借鑒張璇等(2022)[34]已有文獻，本文從債務負擔率、財政負債率和財政支出規模三個維度對地方政府債務風險進行綜合測度。債務負擔率由地方政府債務余額與地區生產總值之比進行度量，反映地方經濟總規模對政府債務的承受能力；財政負債率由地方政府債務余額與地方財政收入之比進行度量，反映當期財政收入償還債務余額的能力；財政支出規模由地方財政支出與地區生產總值之比進行度量，反映財政分配活動對經濟運行的影響。

2.解釋變量

借鑒侯世英和宋良榮(2020)[16]、溫博慧等(2022)[32]等已有文獻，選取北京大學數字金融研究中心數字普惠金融指數作為中國數字金融發展的總度量指標，該指數較為貼切地刻畫了中國數字金融發展水平，具有較高的真實性和權威性。為全面探析數字金融對地方政府債務風險的結構性效應，進一步選取該指數的三大維度，即數字金融覆蓋廣度、數字金融使用深度以及數字金融數字化程度分別作為本文的解釋變量。數字金融覆蓋廣度即數字金融業務的賬戶數量、用戶比例等，數字金融使用深度即數字金融支付、貨幣基金、信貸、保險、投資等服務類型的使用情況，數字金融數字化程度即數字金融移動化、實惠化、信用化、便利化的程度。

3.控制變量

參考黃春元和劉瑞(2020)[18]等研究，將其他影響地方政府債務風險的因素作為控制變量，具體包括市場化程度、土地財政依賴度、固定資產投資、經濟水平、財政分權度、城鎮化和對外開放程度。

4.變量的描述性統計

本文對上述變量的面板數據展開研究，并對部分變量進行對數處理，以消除異方差的影響。實證模型變量定義如表1所示，各變量的描述性統計結果如表2所示。

表1 實證模型變量定義

表2 變量的描述性統計結果

四、實證結果與分析

(一)空間相關性檢驗

1.全局空間自相關檢驗

在使用空間計量模型之前，需要先考察數據是否存在空間依賴性，即進行空間相關性檢驗。本文通過全局Moran’s I指數考察中國地方政府債務風險總體上的空間依賴程度，全局Moran’s I指數的計算方法如式(3)所示：

其中，n為樣本地區數量，xi和xj分別表示省份i和省份j的地方政府債務風險指數， 為觀測值平均數，S2為樣本方差，wij為地理距離空間權重矩陣。Moran’s I指數取值范圍是[-1,1]，大于0表示地方政府債務風險在整體上表現為空間正相關，小于0則表示地方政府債務風險在整體上表現為空間負相關。基于地理距離空間權重矩陣，借助Stata軟件對地方政府債務風險和數字金融發展總指數做全局Moran’s I空間自相關檢驗，結果如表3所示。在研究期內地方政府債務風險和數字金融發展均存在顯著的空間正相關性，且Moran’s I指數整體呈上升趨勢，說明中國地方政府債務風險和數字金融發展具有明顯的空間依賴性，且空間依賴性逐漸加強。

表3 全局空間自相關檢驗結果

2.局部空間自相關檢驗

本文通過局部Moran’s I散點圖和LISA集聚圖進一步分析地方政府債務風險局部空間集聚特征及其演化趨勢。局部 Moran’s I 指數的計算方法如式(4)所示：

局部Moran’s I指數與全局Moran’s I指數含義相似，但局部Moran’s I重點考察某區域i附近的空間集聚情況，具體分為四種集聚類型：高-高集聚(high-high)、低-低集聚(low-low)、低-高集聚(low-high)和高-低集聚(high-low)。基于地理距離空間權重矩陣，選取2011年、2015年和2020年的數據，借助Stata軟件繪制地方政府債務風險局部Moran’s I散點圖，如圖1、圖2和圖3所示。從地方政府債務風險集聚分布情況看，大多數省份分布在第Ⅰ和第Ⅲ象限，說明各省份的地方政府債務風險集聚情況以高-高集聚和低-低集聚為主，相較于2011年，2015年和2020年的空間集聚性逐漸加強。

圖1 2011年地方政府債務風險Moran散點圖

圖2 2015年地方政府債務風險Moran散點圖

圖3 2020年地方政府債務風險Moran散點圖

借助ArcGIS軟件繪制2011年、2015年及2020年地方政府債務風險LISA集聚圖，如圖4、圖5和圖6所示，進一步考察局部空間演化趨勢。在2011年，云南省和廣西壯族自治區呈高-高集聚狀態，表明這兩個地區的地方政府債務風險較高，且集聚在一起；內蒙古自治區和遼寧省呈高-低集聚狀態，表明這兩個地區的地方政府債務風險較大，但其周圍地區的地方政府債務風險處于低值；四川省和重慶市呈低-高集聚狀態，表明這兩個地區的地方政府債務風險較低，但其周圍地區的地方政府債務風險較高；河北省、山東省、安徽省、江蘇省和上海市呈低-低集聚狀態，表明這些集聚的省區處于地方政府債務風險洼地。相較于2011年，2015年高-高集聚狀態的地區依舊是云南省和廣西壯族自治區；低-高集聚狀態的地區由四川省和重慶市變為四川省和西藏自治區；低-低集聚狀態的地區新增河南省、浙江省和福建省；無高-低集聚狀態的地區。相較于2015年，2020年僅甘肅省呈高-高集聚狀態，其他集聚狀態均與2015年保持一致。

圖4 2011年地方政府債務風險LISA集聚圖

圖5 2015年地方政府債務風險LISA集聚圖

圖6 2020年地方政府債務風險LISA集聚圖

綜上，通過分析地方政府債務風險空間演化特征，發現中國地方政府債務風險具有明顯的空間集聚性，局部空間格局以高-高集聚和低-低集聚為主，以低-高集聚和高-低集聚為輔。從局部空間演化趨勢看，沿海地區的地方政府債務風險相對穩定，而內陸地區變化較大。因此，需進一步通過空間計量實證分析，探究數字金融對地方政府債務風險的直接影響效應和空間影響效應。

(二)模型檢驗與選擇

空間相關性檢驗結果佐證了實證模型中有必要考慮變量之間的空間作用。為確保模型的有效性，在模型運行之前，還需要進一步確定空間計量模型的形式和效應。因此，對地方政府債務風險的空間計量模型進行檢驗與選擇，結果如表4所示。首先，對空間計量模型形式進行檢驗，結果顯示：LM error、robust LM error和robust LM lag統計量值分別為7.578、21.376、14.349，均通過了1%的顯著性水平檢驗，說明地方政府債務風險具有空間效應，需要采用空間計量模型。Wald檢驗及LR檢驗下的空間滯后統計量值和空間誤差統計量值均通過了1%的顯著性水平檢驗，說明地方政府債務風險的空間計量模型應采用SDM模型。其次，對空間計量模型效應進行檢驗，結果顯示：Hausman檢驗和LR檢驗統計量值均通過了1%顯著性水平檢驗，說明SDM模型應采用時空固定效應。

表4 空間計量模型檢驗結果

(三)實證結果分析

1.模型估計結果分析

根據前文檢驗結果，對靜態SDM模型和動態SDM模型的時空固定效應分別做模型估計，并將靜態SDM模型作為對比模型，結果如表5所示。靜態SDM模型和動態SDM模型中，數字金融對地方政府債務風險的作用方向和顯著性水平基本一致，但動態SDM模型同時包含地方政府債務風險的時間滯后項、空間滯后項和時空滯后項，且都通過1%的顯著性水平檢驗，進一步表明動態SDM模型的參數估計結果對計量模型具有更強的解釋力。

表5 靜態SDM 模型與動態SDM 模型估計結果

根據時空固定效應下的動態SDM模型估計結果，發現：(1)空間維度方面，地方政府債務風險的空間滯后項系數顯著為正，說明中國地方政府債務風險在地理距離相近的地區存在顯著的空間溢出效應，這與全局空間相關性檢驗結果一致。(2)時間維度方面，地方政府債務風險的時間滯后項系數顯著為正，說明中國地方政府債務風險存在時間慣性，表現為時序上的雪球效應。可能的原因是，地方政府債務風險管控等政策的調整，本身存在時間上的滯后性，從而引起地方政府債務風險的變化也隨之滯后。(3)時空雙向維度方面，地方政府債務風險的時空滯后項系數顯著為正，表明本地區上一期地方政府債務風險對鄰近地區政府債務風險具有正向影響，即存在時空季風效應。可能的原因是，基于金融風險傳染理論，地方政府債務風險的區域性危機可能誘發多部門、跨地區金融危機的相繼發生，從而產生非接觸性金融風險傳染現象。

在解釋變量估計結果方面：(1)數字金融發展總指數系數顯著為負，說明數字金融發展對地方政府債務風險存在顯著的負向影響，即數字金融發展能夠有效抑制地方政府債務風險。因此，假設H1a得到驗證。(2)數字金融發展總指數的空間滯后項系數通過顯著性水平檢驗，表明數字金融對地方政府債務風險存在空間溢出效應。因此，中國各省的地方政府債務風險不僅存在內生的時間滯后效應及空間交互效應，還存在外生的數字金融空間交互效應。

2.影響效應分析

動態SDM模型估計結果不能直接反映解釋變量對被解釋變量的邊際效應。為進一步考察直接影響效應和空間溢出效應，參考Elhorst(2014)[1]的研究方法，將各變量進行偏微分分解，即把數字金融對地方政府債務風險的影響效應分解為直接效應、間接效應(空間溢出效應)和總效應。由于動態SDM模型包含了滯后一期的地方政府債務風險及其空間滯后項，從時間維度上又分為短期效應和長期效應。

數字金融對地方政府債務風險影響效應的分解結果如表6所示，數字金融的短期總效應系數和長期總效應系數均顯著為負，再次證明數字金融的發展對地方政府債務風險存在非常顯著的負向影響。短期總效應絕對值大于長期總效應絕對值，說明數字金融可以有效降低地方政府債務風險，且這一作用會隨著時間的推移而減弱。數字金融的長期間接效應系數顯著為負，說明數字金融對地方政府債務風險存在比較顯著的長期負向空間溢出效應，即本地區數字金融發展水平越高，鄰近地區政府債務風險越小，且該效應具有長遠影響，因此，假設H2得到驗證。

表6 數字金融對地方政府債務風險的影響效應分解結果

上述內容的經濟邏輯在于：一方面，數字金融滿足了地區經濟發展的財政資金需求，實現了地方財政資源和地區金融資源的優化配置，在融資杠桿效應下，地方財政收入增加，地方政府債務風險降低；另一方面，數字金融依托數字技術，降低了信息不對稱風險，提升了地方政府債務風險甄別能力。此外，數字金融發展具有空間溢出效應，不僅帶動了鄰近地區金融和經濟發展，還抑制了地方政府債務風險的跨部門、跨區域擴散。因此，鄰近地區的政府債務風險也會減小，整體表現為系統性金融風險的降低。

(四)穩健性檢驗

為確保實證結果的可靠性，本文進一步進行了穩健性檢驗。(1)替換被解釋變量，參考伏潤民等(2017)[11]，采用地方政府債務余額表征地方政府債務風險，重新評估數字金融與地方政府債務風險之間的關系。(2)替換解釋變量，前文中地方政府債務風險和數字金融指數均使用了省級數據，為加強研究結論的可靠性，參考顧海峰和高水文(2022)[12]，以各省地級市數字金融發展指數均值進行重新檢驗。(3)剔除特殊樣本，參考唐松等(2020)[27]，由于直轄市的地理位置、經濟政策等存在特殊性，地方政府債務融資、數字金融發展等也可能存在顯著差異，剔除直轄市樣本，重新進行模型檢驗。(4)更換空間權重矩陣，采用兩種更換方法，構建鄰接空間權重矩陣和反地理距離空間權重矩陣，在基準空間計量模型的基礎上，分別引入動態SDM模型，以考察空間計量模型的穩健性。以上檢驗結果如表7所示，整體來看，各檢驗結果中的地方政府債務風險空間滯后項系數仍顯著為正，并且數字金融及其空間滯后項的符號和顯著性均未發生明顯變化，表明本文實證結果具有穩健性。

表7 穩健性檢驗結果

五、進一步分析

(一)結構異質性分析

數字金融涵蓋多個維度，具體可分為數字金融覆蓋廣度、數字金融使用深度和數字金融數字化程度。進一步將數字金融三大維度分別作為解釋變量，探討不同維度下的數字金融對地方政府債務風險的影響差異。對數字金融的結構異質性做動態SDM模型檢驗，結果如表8所示。從數字金融的結構異質性估計結果看，地方政府債務風險的空間滯后項系數在三大維度估計結果中仍顯著為正，這與數字金融發展總指數檢驗結果一致。

表8 基于結構異質性的動態SDM 模型估計結果

進一步對數字金融結構異質性的影響效應進行分解，結果如表9所示，數字金融各維度對地方政府債務風險的影響主要體現在短期效應。根據各效應系數正負和顯著性，得出以下檢驗結果：(1)數字金融覆蓋廣度對地方政府債務風險存在負向直接影響以及正向空間溢出效應。(2)數字金融使用深度對地方政府債務風險存在負向直接影響。(3)數字金融數字化程度對地方政府債務風險存在正向直接影響以及負向空間溢出效應，因此，假設H1b得到驗證。此外，對比各效應系數絕對值的大小，可以發現，在影響強度方面：(1)各維度對地方政府債務風險的直接影響強度從大到小依次為：數字金融使用深度、數字金融數字化程度、數字金融覆蓋廣度。(2)數字金融數字化程度對地方政府債務風險的空間溢出效應大于數字金融覆蓋廣度。

表9 基于結構異質性的影響效應分解結果

基于上述結果，可能的原因是，數字金融覆蓋廣度和使用深度的增加不僅降低了地方政府債務管理的資金成本和交易成本，還促使地方政府債務的投資者向長尾客戶群延伸，更多的機構投資者和個人投資者能夠購買相關的數字金融產品。這有效緩解了地方政府債務資金壓力，進而降低了地方政府債務風險。此外，商業銀行是地方政府債務的主要持有者和信貸供給方，孫志紅和琚望靜(2022)[26]研究發現，覆蓋廣度和使用深度也是商業銀行進行風險控制的主要驅動力，這在一定程度上支持了本文研究結論。而數字金融數字化程度可能存在虹吸效應，本地區數字金融過度數字化會吸引周圍地區金融、經濟等資源向本地區流動，本地區政府將面臨債務資源數字化管理的新挑戰，從而承擔了較多地方政府債務風險；并且數字金融憑借互聯網數字技術更易打破區域壁壘，因此，數字化程度的空間溢出效應也較大。這也表明中國金融的數字化程度還有待進一步優化(汪亞楠等，2020)[29]。

(二)區域異質性分析

通過局部空間檢驗，本文發現中國不同區域的地方政府債務風險存在明顯的集聚差異，因此，進一步探討數字金融發展對地方政府債務風險影響的區域異質性。首先，探討沿海地區與內陸地區的區域異質性。參考孫才志和李曉瑋(2022)[25]，本文沿海地區的范圍包括天津市、浙江省、廣東省等11個地區，其余地區劃分為內陸地區。其次，根據國家統計局的區域劃分方法，進一步分析我國東部、中部、西部和東北四區的區域異質性。區域異質性的動態SDM模型檢驗結果如表10所示，地方政府債務風險的空間滯后項系數均顯著為正，這與中國全域檢驗結果一致。

表10 基于區域異質性的動態SDM 模型估計結果

進一步對各區域的影響效應進行分解，結果如表11所示。從沿海與內陸的區域異質性看，得出以下檢驗結果：(1)沿海地區數字金融發展對地方政府債務風險存在顯著正向直接影響，因此，假設H1b再次得到驗證。沿海地區短期間接效應系數顯著為正，即也存在短期正向空間溢出效應。(2)內陸地區存在顯著的長期負向直接影響和長期負向空間溢出效應，這與全域檢驗結果一致，但內陸地區整體表現為從短期到長期“由促轉抑”的空間溢出效應。此外，對比各效應系數絕對值的大小，可以發現內陸地區數字金融對地方政府債務風險的整體影響強度大于沿海地區。

表11 基于區域異質性的影響效應分解結果

為增強研究結論的準確性，進一步探究我國東部、中部、西部與東北的區域異質性，得出以下檢驗結果：(1)東部地區數字金融發展對地方政府債務風險存在顯著的短期正向直接影響和短期正向空間溢出效應。我國東部地區的大多數省份處于沿海地區，其檢驗結果與沿海地區基本一致。(2)無論短期還是長期，中部和東北地區均存在負向直接影響和負向空間溢出效應。這與全域檢驗結果一致。(3)西部地區存在負向直接影響，以及從短期到長期“由促轉抑”的空間溢出效應。這與內陸地區檢驗結果基本一致。整體來看，除東部地區，其余地區與中國全域檢驗結果基本一致，西部地區雖然存在“由促轉抑”的空間溢出效應，但長期內依然是負向空間溢出效應。此外，對比各效應系數絕對值的大小，發現短期內影響強度從大到小依次為：西部地區、東北地區、東部地區、中部地區，而長期內影響強度從大到小依次為：東北地區、西部地區、東部地區、中部地區。

上述結果的可能原因是，中國數字金融發展呈現自東南沿海至內陸逐漸減弱的趨勢(郭峰等，2020)[13]，東部地區具有比較發達的數字化金融市場，其金融風險和數字技術風險的相互疊加加劇了風險跨部門、跨區域溢出。這對地方政府債務風險系統產生了沖擊，即數字技術并沒有改變金融風險的隱蔽性、突發性和傳染性，反而擴大了系統性金融風險(何宏慶，2020)[14]。這也驗證了本文結構異質性分析結果，過高的數字化程度會增加地方政府債務風險。而在中部、西部和東北地區，數字金融表現出較強的企業技術創新驅動效果(唐松等，2020)[27]，發揮了數字金融的技術優勢和普惠作用，促使地方政府取得較好的融資杠桿效應。伴隨著地方財政收入的增加，地方政府債務風險會降低，而且在數字金融空間溢出增加和金融風險擴散減少的雙重作用下，鄰近地區的政府債務風險也會降低。此外，地方政府債務融資對地區金融發展水平具有較高的依賴性(Li et al.，2022)[5]，尤其是西部地區存在較強的金融排斥，導致數字金融對地方政府債務風險的負向空間溢出作用并未得到及時釋放；但隨著數字金融在西部地區不斷擴散和滲透，其對鄰近地區政府債務風險的抑制作用會逐漸顯現。

六、結論與建議

通過構建動態SDM模型，本文分析了地方政府債務風險空間演化特征，實證檢驗了數字金融對地方政府債務風險的直接影響效應和空間溢出效應，并進一步對比分析了數字金融的結構異質性和區域異質性。本文得出以下主要結論：(1)數字金融和地方政府債務風險均存在顯著的空間依賴性。地方政府債務風險局部空間分布以高-高集聚和低-低集聚為主，并且呈現時間雪球效應、空間溢出效應以及時空季風效應。(2)數字金融對地方政府債務風險存在顯著的負向直接影響和負向空間溢出效應。(3)從數字金融結構異質性看，覆蓋廣度存在顯著負向直接影響和正向空間溢出效應，數字化程度存在顯著正向直接影響和負向空間溢出效應，使用深度僅存在顯著負向直接影響。直接影響強度從大到小依次為：使用深度、數字化程度、覆蓋廣度，且數字化程度的空間溢出效應大于覆蓋廣度。(4)從區域異質性看，東部地區存在顯著的短期正向直接影響和短期正向空間溢出效應，中部和東北地區均存在負向直接影響和負向空間溢出效應，西部地區存在負向直接影響以及從短期到長期“由促轉抑”的空間溢出效應。此外，西部地區和東北地區的整體影響強度較大。

據此，為全面落實我國金融安全戰略，實現數字金融高質量發展與化解地方政府債務風險的動態協同，本文提出以下政策建議：

第一，加大數字金融發展力度，化解地方政府債務風險。本文研究發現數字金融發展能夠有效抑制地方政府債務風險，對鄰近地區也能產生積極作用。因此，在疫情反復沖擊的背景下，政府應將數字金融作為金融供給側結構性改革的重要著力點，并將發展數字金融產業作為增強經濟發展韌性的戰略舉措。在財政金融聯合治理框架下，加強數字金融基礎設施建設，搭建開放式數字化金融平臺，打破區域間、行業間的數據壁壘，實現數字金融與地方政府債務信息資源共享與整合。建立跨部門、跨地區的數字金融協同監管機制，構建基于數字金融的地方政府債務風險監測系統，強化數字金融對地方政府債務風險防控的賦能作用。

第二，重視數字金融使用深度，警惕數字金融過度數字化。本文研究發現數字金融使用深度對地方政府債務風險的抑制作用最大，而數字金融數字化程度會加大地方政府債務風險，對鄰近地區也會產生消極作用。因此，政府應適度拓展數字金融覆蓋廣度，并將數字金融使用深度作為地方政府債務風險防控的重要渠道，比如，創新數字金融發展的業態和模式，加大數字技術在保險、貨幣基金、投資、信貸等領域的全方位應用深度，鼓勵研發數字金融產品，打造數字金融服務新模式。同時，將數字金融數字化程度作為地方政府債務風險預警的重點關注維度，一方面，防范數字技術應用風險，提升金融系統網絡安全的態勢感知、威脅發現和攻擊溯源能力；另一方面，增強政府數字化監管能力，形成政府主導、多元參與的金融數字化治理格局，提升財政與金融的系統性風險防范水平。

第三，統籌區域數字金融發展政策，防范地方政府債務風險空間溢出。本文研究發現數字金融發展對地方政府債務風險的影響存在較大區域差異。因此，政府應因地制宜引導數字金融資源合理布局，充分考慮地方政府債務風險空間溢出效應，防范地方政府債務風險跨期、跨區、跨部門溢出。注重區域內數字金融政策的集成效應，統籌不同區域之間數字金融政策的聯動效果。采取數字金融區域差異化發展戰略，比如，東部地區應注重數字金融發展政策的短期效應，積極引導數字金融業務創新，發揮其向內陸地區的輻射作用；同時，加強數字金融系統網絡安全，構建政府、金融、公眾等全方位數字化風險聯動與預警平臺。中部和東北地區應著力提升智能金融網點的數量和規模，推廣數字金融產品和服務。西部地區應對數字金融和數字產業給予政策扶持，鼓勵金融機構和高科技互聯網企業向西部地區拓展市場，減緩西部地區的金融排斥，加快釋放數字金融紅利。 ■