金融發展對新質生產力提升的影響效應研究

摘" "要：發展新質生產力推動經濟高質量發展已成共識，發揮金融發展對新質生產力的促進作用意義重大。基于2012—2022年30個省份的面板數據，本文在測度新質生產力水平的基礎上進一步探討了金融發展對新質生產力的影響效應。研究表明：在時序演變方面，中國新質生產力的總體水平及其構成要素的發展水平均呈穩步上升的趨勢；在空間分布方面，中國四大地區的新質生產力發展水平雖然存在差異性，但總體基尼系數值由2012年的0.235下降到了2022年的0.216，區域間差距正在不斷縮小；在影響效應方面，金融發展水平每提高1個單位即可帶動新質生產力水平提升0.026個單位。異質性檢驗結果顯示，金融發展對新型勞動資料以及東中部地區新質生產力的促進作用相對更大。此外，空間杜賓模型估計結果顯示，金融發展還存在顯著的正外部性，能有效帶動更大范圍地區新質生產力水平的進一步提升。

關鍵詞：金融發展；新質生產力；時序演變；空間外溢

中圖分類號：F830" 文獻標識碼：A" 文章編號：1674-2265（2024）10-0078-11

DOI：10.19647/j.cnki.37-1462/f.2024.10.008

一、引言

在世界百年未有之大變局和全球新一輪科技革命和產業變革加速演進之際，習近平總書記著眼于中華民族偉大復興戰略全局提出了“新質生產力”這一嶄新概念。新質生產力是創新起主導作用，擺脫傳統經濟增長方式、生產力發展路徑，具有高科技、高效能、高質量特征，符合新發展理念的先進生產力質態。新質生產力以創新為核心驅動力，通過技術的革新、突破和應用，有助于實現傳統生產方式和原有技術的革新，為經濟高質量發展注入強勁動力，實現全要素生產率的大幅提升。而形成和發展新質生產力要以生產力要素的系統性躍升和優化組合為支撐，這個過程離不開全方位、全周期的金融服務。理論上，根據歷史唯物主義中的生產力決定論，生產力決定生產關系，生產關系反作用于生產力。要想更好地發展新質生產力就需要不斷調整現有生產關系使其與新質生產力相適應。在數字經濟時代，區塊鏈、大數據和人工智能等技術正在深刻改變傳統金融業的運作模式、業務流程和服務體系，金融市場得以更高效地通過價格信號機制引導技術、數據及人才等要素聚焦于科技創新領域，更充分地發揮資源配置作用，為孕育新業態、新產業提供資金保障，從而加快形成同新質生產力更相適應的生產關系。可見，金融發展能夠為加快發展新質生產力提供強勁推動力，深入探討金融發展和新質生產力水平提升之間的關系對于推動經濟高質量發展而言具有重大的現實意義。

國內學者已經圍繞新質生產力開展了多角度的研究。其中，在新質生產力的基本內涵和構成要素方面，周文和許凌云（2023）[1]基于政治經濟學視角，認為新質生產力是以科技創新為主導且符合現代發展理念的先進生產力，是對傳統生產力的超越，也是對馬克思主義生產力理論的進一步發展和創新；趙峰和季雷（2024）[2]從勞動過程的角度深入剖析了新質生產力的構成要素，認為在新質勞動者、新質勞動資料和新質勞動對象之外，數據、技術等也是新質生產力所不可或缺的構成要素。在新質生產力的形成機理和發展路徑方面，薛欽源等（2024）[3]基于動態發展視角，認為新質生產力的形成表現為以科技創新為核心的持續優化和提升的動態過程；彭緒庶（2024）[4]從科技自立自強、創新創業融合、數實深度融合以及要素高效流通這四個方面系統性地探討了培育和發展新質生產力的路徑。在新質生產力水平測度方面，張哲等（2024）[5]從勞動者、勞動資料和勞動對象三個維度選擇相應指標構建了新質生產力綜合評價指標體系，并據此分析了新質生產力水平的時序演變趨勢和空間分布狀況；王鋼和郭文旌（2024）[6]基于對新質生產力理論內涵的深入理解，從實體性和滲透性兩個維度構建了新質生產力水平評價指標體系，在分析時序演變和區域差異的基礎上進一步探討了新質生產力發展與中國經濟增長的關系。此外，還有部分學者做了進一步的拓展性研究，例如曹曄（2024）[7]、高帆（2024）[8]等學者分別研究了新質生產力對產業鏈韌性、全要素生產率以及資源配置效率等方面的影響，田國強和仇藝博（2024）[9]、張穎等（2024）[10]更是關注到了金融發展與新質生產力發展的關系。

隨著對新質生產力理論內涵的理解越發深入，越來越多的學者投身到新質生產力領域的研究中，涌現的研究成果越發豐富。相較于目前已有的研究成果，本研究可能的邊際貢獻如下：一是目前的研究多是從定性角度開展，對定量分析的重視度不足，導致缺乏必要的經驗性證據；二是從實證角度深入分析新質生產力發展影響因素的研究較為匱乏，尤其是尚未有學者探討金融發展對新質生產力提升的影響效應；三是現有研究所構建的新質生產力水平綜合評價指標體系中傳統生產力要素指標占比較多，無法很好地表征“新”和“質”的特征，也就難以全面且客觀反映中國新質生產力的真實發展水平。對此，本文構建了中國新質生產力發展水平綜合評價指標體系，運用熵值法測度全國及各省份的新質生產力發展水平，并從時序演變、發展差距以及空間分布等方面做相應的延伸性分析。然后通過構建雙向固定效應面板模型檢驗金融發展對新質生產力水平提升的影響效應，并進一步采用空間計量模型檢驗新質生產力的空間外部性作用。

二、理論分析

金融市場作為現代經濟體系的重要組成部分，能夠通過提供多樣化的金融服務、多元化的投融資渠道以及相對完善的風險分擔機制優化資源配置，為發展新質生產力提供堅實的基礎和強大的動力。具體而言，一是能通過發揮金融激勵作用，提升勞動者綜合素質；二是通過增強金融服務質效，開發智能生產資料；三是通過豐富金融產品體系，開拓新質勞動對象。

（一）勞動者視角：發揮金融激勵作用，提升人才綜合素質

人才是第一資源。向更高素質勞動者躍升的程度和質量將會直接影響到各類生產要素的組合配置，進而關系到新質生產力的培育和發展。在傳統勞動者向更高素質勞動者躍升的過程中，金融部門通過增強教育資源獲取能力、下沉金融服務以及完善勞動分配機制等方式，為勞動者持續提升綜合素質創造良好的條件和環境。一方面，在數字設備和信息技術的加持下，傳統金融通過建立數字金融生態網絡得以突破地理空間的限制，滿足勞動者在教育、投資等方面的資金需求，進而助力勞動者綜合素質的全面提升；另一方面，金融市場具有較強的資源配置功能，通過參與優化收入激勵機制，在保障創新科技人才獲得與市場價值相匹配的待遇的同時，也為其他勞動者提供了市場價值導向，促使勞動者在實踐活動中實現知識塑造和技能提升，進而向新質勞動者轉變（張穎等，2024）[10]。

（二）勞動資料視角：增強金融服務質效，開發智能生產資料

新質勞動資料是發展新質生產力的重要支撐，勞動資料科技含量的高低直接決定了新質生產力的發展“成色”。在市場經濟環境下，資金往往會流向高效率、高回報的領域和項目，因此，資本的逐利本性會引導資金流向智能裝備制造、大數據平臺以及前沿通信技術設備等領域，促進智能化生產工具的研發和迭代。一是風險投資基金、天使投資機構等能為市場中的技術創新和產品研發提供必要的資金支持，緩解由新技術新項目發展前景不確定性帶來的融資約束，進而通過技術的不斷創新孕育出更多自動化和數智化的先進生產工具；二是金融市場通過發揮風險分散功能，降低科技創新風險，鼓勵創新技術的研發、推廣和應用，從而培育出更多科技含量高、創新性突出、適應性廣泛的生產工具；三是金融市場還能通過獎勵、補貼以及稅收減免等多種激勵手段引導更多人才聚集至高科技領域并鼓勵企業加大研發投入，為先進生產工具的創新和迭代提供持續動力。

（三）勞動對象視角：豐富金融產品體系，開拓新質勞動對象

傳統勞動對象向新質勞動對象躍升，能夠為發展新質生產力創造有利條件、開拓廣闊空間。而在發展新質生產力的過程中，金融部門通過加大創新力度，提供投貸聯動、政策性金融組合、供應鏈金融創新、產業基金扶持等金融服務，為新業態、新產業的崛起和壯大提供了有力支撐。數字經濟時代，越來越多的金融機構能夠借助數字技術進行數字化評估和篩選，為從事新材料新能源研發、新空間探索的創新型企業提供金融資源。同時，金融市場具有高效的信息收集和傳遞功能，對于具有市場前景的材料能源、數據空間等項目，通過股票價格、債券評級等金融指標向市場傳遞正向信息，進而引導資金流助力新質勞動對象的不斷拓展。此外，金融市場還可以通過提供保險、期貨、期權等多樣化的風險管理工具幫助企業和投資者更好地應對拓展新質勞動對象過程中存在的不確定性風險，使得市場主體更有意愿和能力去嘗試開發新質勞動對象。

基于以上分析，提出以下假說：

假說1：金融發展對新質勞動力要素發展存在顯著促進作用。

假說2：金融發展對新質勞動資料要素發展存在顯著促進作用。

假說3：金融發展對新質勞動對象要素發展存在顯著促進作用。

假說4：金融發展對新質生產力水平提升存在顯著促進作用。

三、研究設計

（一）變量設定及指標體系說明

1. 被解釋變量。本文將新質生產力發展水平（NQP）作為被解釋變量。參考蔣永穆和喬張媛（2024）[11]的研究，從實體性和滲透性兩個維度選擇三大生產力要素的構成指標進而構建起新質生產力綜合評價指標體系，據此測算出新質生產力發展水平指數，并將其作為被解釋變量。相應的指標體系見表1。

2. 核心解釋變量。本文將金融發展水平（FIN）作為核心解釋變量。參考戈德史密斯（1994）[12]的研究思路，采用金融資產相關比率，即某一時期金融資產規模和GDP的比值作為衡量指標。該指標可以直接反映金融在國家經濟發展中的深化程度，被眾多學者用于衡量金融結構發展水平。本文所述金融資產由廣義的貨幣供應量、金融機構貸款、金融資產股票市值、債券余額以及保費收入五部分組成。

3. 控制變量。參考朱波和曾麗丹（2024）[13]的研究，結合研究實際需要，本文選取的控制變量包括：人力資本（HC）、經濟發展水平（LED）、城鎮化程度（URB）、產業結構（INS）、對外開放程度（OTW）、財政支持（FS）、市場化水平（MAR）以及技術市場發展水平（DTM）。

（二）指標測算方法

1. 熵值法。熵值法是一種客觀賦權法，能夠充分挖掘數據中所包含的信息，對數據的分布和變化較為敏感，但對主觀判斷的依賴性較低，因此，本文采用熵值法進行測度。首先，對各項指標進行如下的標準化處理。

對于正向指標：

[ytit=xtij-xjminxjmax-xjmin+0.0001]" " " " " " " " " （1）

對于負向指標：

[ytit=xjmax-xtijxjmax-xjmin+0.0001]" " " " " " " " " （2）

式（1）和（2）中，[xtij]表示的是第[t]年[i]省份的[j]項指標。

其次，計算指標熵值：

[ej=-kt=1Ti=1mPtijlnPtij]" " " " " " " " " " " "（3）

式（3）中，[Ptij=ytij/t=1Ti=1mytij]， [k=1ln （mT）]。其中，[m]為樣本量，[T]為評價年數。

再次，確定各項指標權重：

[wj=（1-ej）/j=1n（1-ej）]" " " " " " " " " " " （4）

最后，測算各省份新質生產力綜合得分：

[Ui=j=1nwjytij]" " " " " " " " " " " " " "（5）

2. Dagum基尼系數法。本文采用 Dagum 基尼系數分析新質生產力發展水平的區域差異，從而為促進新質生產力均衡發展提供依據。相應的基尼系數測算公式如下所示：

[G=12yn2i=1nr=1nYi-Yr=j=1kh=1ki=1njr=1nhYji-Yhr/2n2Y]" " "（6）

式（6）中，[k]為劃分區域數量，[n]為省份數，[Yji（Yhr）]為[j（h）]區域內省份[i（r）]的新質生產力水平，[nj]和[nh]分別為區域[j]和區域[h]內的省份數量，[Y]為各地區新質生產力水平均值。式（6）的總體差異可被進一步分解為區域內差異[Gw]、區域間差異[Gnb]和超變密度[Gt]，表達式如下：

[Gw=j=1kGjjpjsj]" " " " " " " " " " " " " "（7）

[Gnb=j=2kh=1j-1Gjh（pjsh+phsj）Djh]" " " " " " " " " （8）

[Gt=j=2kh=1j-1Gjh（pjsh+phsj）（1-Djh）]" " " " " " " "（9）

式（7）—（9）中，[Gjj]表示區域內基尼系數，公式可進一步展開為[12Yn2ji=1njr=1njYji-Yhr]；[Gjh]表示區域間基尼系數， 公式可進一步展開為[Gjh=i=1njr=1nhYji-Yhrnjnh（Yj+Yh）]。其中，[Yj]和[Yh]分別為區域[j]和區域[h]的新質生產力均值，[pj（h）=nj（h）n]， [sj（h）=nj（h）Yj（h）nY]， [Djh]則表示區域[j]和區域[h]之間新質生產力的相對影響。

（三）模型設定及描述性統計

1. 基準回歸模型。本文構建如下模型檢驗金融發展對新質生產力水平提升的影響效應：

[NQPit=β0+β1FINit+γCONTROLit+μi+φt+εit]"（10）

其中，被解釋變量[NQPit]代表新質生產力水平，[i]和[t]分別表示省份和年份；[FINit]為核心解釋變量，表示各省份的金融發展水平；[CONTROLit]為控制變量；[μi]和[φt]分別為省份固定效應和年份固定效應；[εit]為隨機誤差項。

2. 空間計量模型。為進一步識別金融發展對新質生產力的空間溢出效應，本文進一步構建了如下的空間面板回歸模型：

[NQPit=α0+ρ0WNQPit+α1FINit+α2CONTROLit+ρ1WFINit+ρ2WCONTROLit+μi+φt+εit]" " " "（11）

其中，[W]為空間權重矩陣，[ρ0]為空間滯后項[WNQPit]對[NQPit]影響的空間自回歸系數；[α1]和[α2]為核心解釋變量和控制變量的待估參數；[ρ1]和[ρ2]分別表示[WFINit]和[WCONTROLit]的系數向量；[εit]為隨機誤差項，可表示為[εit=λWεit+τit]。當[α2=ρ1=0]，且[λ=0]時，模型可簡化為空間滯后模型（SAR）；當[α2=ρ1=0]，且[ρ0]=0時，模型可簡化為空間誤差模型（SEM）；當僅[λ=0]時，模型可簡化為空間杜賓模型（SDM）；當僅[α2=ρ1=0]時，模型簡化為空間自相關模型（SAC）。要說明的是，在構造矩陣W的過程中，兼顧了地理距離和經濟距離的影響，因此，[W]表示的是地理經濟嵌套空間權重矩陣，[W=ωWDij+（1-ω）WEij]。其中，[WDij]和[WEij]分別表示的是地理矩陣和經濟矩陣，分別以省會間的直線距離和兩地的人均GDP差值衡量。

3. 數據來源及描述性統計。本文采用數據部分來源于《中國科技統計年鑒》《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》及各省統計年鑒等，部分來源于國家統計局、工信部、萬得及國泰安等網站和數據庫。考慮到研究數據的全面性、可獲得性和時效性，在刪除數據缺失嚴重的省份后，本文的研究范圍覆蓋全國30個省份（不含西藏自治區和港澳臺地區），研究時間設定為2012—2022年。對于少量缺失數據，根據年均增長率和插值法測算獲得。各變量說明及描述性統計分析結果見表2。

四、新質生產力水平測度及空間分布差異分析

（一）新質生產力水平測度

采用熵值法對2012—2022年30個省份面板數據進行指標權重確定和綜合評價，進而獲得各地區不同年份的新質生產力發展水平指數，總指數和分項指數相應的時序演變趨勢見圖2。從中可以發現，觀測期內中國新質生產力水平呈逐年上升的趨勢，均值由2012年的0.107上升到了2022年的0.313，年均增長率達11.29%。從構成要素的角度，新型勞動者、新型勞動資料及新型勞動對象三項指數也均處于逐年穩步上升的態勢，均值的年均增長率分別為8.46%、12.18%以及11.48%，但要素間的發展趨勢存在一定的差異。其中，新型勞動者指數增長相對緩慢，說明目前的新型勞動者培養體系尚不完善，培養資源投入相對不足，尤其是當前的教育體系、職業培訓機制以及社會對新型勞動者的認知和重視程度還有待進一步優化和提升；在近些年數字經濟迅速發展的背景下，以智能機器人和集成電路為代表的智能科技不斷創新，數字基礎設施建設力度持續加大，科技創新成果滲透率和轉化率的快速提升使得新型勞動資料指數始終保持較快的發展速度；新能源和新材料應用領域日益廣泛，技術突破持續推進，創新成果不斷涌現，以這兩大新興產業為代表的產業集群正在成為新質生產力的強勁增長極。此外，生態環境的改善也助力了新型勞動對象發展的“加速度”。

（二）新質生產力的空間分布

為了準確把握中國新質生產力的空間分布格局，本文進一步測算了我國東部、中部、西部及東北部地區的新質生產力平均水平①，具體見圖3。根據測算結果，四大地區的新質生產力發展趨勢存在明顯的差異性。其中，觀測期內東部地區新質生產力水平均值為0.293，相較其余地區始終保持遙遙領先的地位；中部地區新質生產力總體上保持了較快的發展速度，年均增長率達到了12.51%，均值水平僅次于東部地區；西部地區和東北部地區的新質生產力水平均值分別為0.156和0.146，明顯低于東部及中部地區，且隨著時間推移兩個地區的新質生產力發展趨勢出現了分化。四大地區新質生產力水平走勢存在上述差異的原因可能在于：東部地區發達的經濟為該地區帶來了強大的資金支持以及良好的基礎設施建設水平，優質的教育資源和活躍的科研氛圍更是吸引了大量高端人才，創新要素的集聚為該地區發展新質生產力提供了較高的“初速度”和“加速度”；受東部地區發展輻射帶動影響，中部地區不斷優化產業結構，加大對新興產業的投入和扶持力度，加快了新質生產力的發展；相較于東部和中部地區，西部和東北部地區受限于地理區位劣勢，產業調整滯后、人才流失嚴重、基礎設施薄弱以及資金外流等不利因素弱化了這兩個地區新質生產力的發展動能。

（三）新質生產力的區域差異

圖4和圖5分別為四大地區新質生產力水平的區域內差異和區域間差異。隨著時間推移，中國新質生產力發展水平的總體差異、區域內差異和區域間差異總體上均呈下降趨勢，這說明一系列區域協調發展戰略的深入實施已然取得了顯著成效，中國新質生產力水平空間分布不均衡的現象正在得到持續性改善。

從圖4的區域內差異看，中國新質生產力水平基尼系數的全國均值由2012年的0.235波動式下降到了2022年的0.216，說明全國新質生產力水平區域內差距總體處于不斷縮小的態勢。從地區看，東部地區、西部地區和東北部地區的新質生產力區域內差異都呈縮小態勢。其中，東部地區持續推進產業升級轉型，加強區域內協同發展，不斷優化資源配置，使得該地區新質生產力水平的區域內差距不斷縮小，基尼系數由2012年的0.221持續下降到了2022年的0.175；西部地區基尼系數總體呈先上升再下降的趨勢，這主要是由于前期發展基礎相對薄弱，資源開發和利用效率有待提高且區域內發展不平衡，但隨著國家西部大開發戰略的深入實施以及基礎設施建設的逐步完善，西部地區開始實現協調發展，基尼系數隨之下降；東北部地區新質生產力水平均值為0.146，該地區產業結構相對單一，創新動力不足，人口外流現象較為嚴重，導致新質生產力發展水平和區域內差異水平均較低。與上述地區不同的是，中部地區在承接產業轉移的過程中，資源整合難度較大，創新投入也相對不足，還面臨著區域間競爭加劇的局面，區域內差異持續擴大，基尼系數由2012年的0.157上升到了2022 年的0.231。

從圖5的區域間差異來看，四大地區的區域間差異均呈下降趨勢。通過對區域間差異特征的進一步觀察，總體可分為三類進行描述。第一類是東部—西部地區和東部—東北部地區，區域間差異在下降過程中表現出了相對較強的波動性。近年來，國內戰略性新興產業快速發展，西部地區的電子信息、新能源等產業以及東北部地區的生物醫藥、高端裝備制造等產業發展迅速，整體上產業規模不斷擴大且技術水平有所提升，但由于東部地區在產業基礎、技術創新能力和市場資源等方面具有先發優勢，東部和西部以及東部和東北部之間仍然存在一定的發展差距，且在產業發展過程中受到市場波動、政策調整等因素的影響，導致區域間新質生產力發展水平的差距在縮小過程中出現了較為明顯的波動。第二類是東部—中部地區，區域間差異穩步下降。東部地區在進行產業結構升級調整時，通過產業轉移和技術擴散帶動了中部地區生產力要素的系統性躍升，縮小了兩地的新質生產力發展差距。第三類是中部—西部地區、中部—東北部地區以及西部—東北部地區，區域間差異小且下降緩慢。西部地區不斷加大基礎設施建設投入，積極培育特色優勢產業，東北部地區加快推進國有企業改革，大力發展新興產業，兩地正在持續縮小與中部地區的新質生產力發展差距；對于西部地區和東北部地區而言，雙方在經濟結構、資源稟賦等方面具有一定的相似性，且都面臨著人才流失和市場活力不足等發展困境，因而無法拉開彼此間的新質生產力發展水平差距。

五、金融發展對新質生產力影響的實證分析

（一）基準回歸分析

本文基于式（10）對樣本數據進行了雙向固定效應檢驗，檢驗結果見表3。其中，模型（1）不包含控制變量和固定效應，模型（2）和模型（3）逐步加入了固定效應和控制變量。模型（1）—模型（3）的估計系數分別為0.067、0.033和0.026，且均通過了1%水平上的顯著性檢驗，說明金融發展能顯著提升新質生產力發展水平。在加入控制變量和固定效應后，金融發展水平每提高1個單位即可帶動新質生產力水平0.026個單位的提升，可見金融市場在形成和發展新質生產力過程中發揮了極為重要的推動作用。金融市場具有極強的資源配置功能，在資金流的引導下，新質生產要素能夠更精準地配置到最有發展前景的新技術、新產業和新模式中，挖掘創新潛力并提升資源的利用效率，加快新質生產力的形成與發展。

為了更為全面地考察金融發展對新質生產力的影響，本文還考察了金融發展對新質生產力三大構成要素的影響，估計結果見表4。估計結果顯示，金融發展對三大生產力要素的發展均存在正向的促進作用。其中，除了新型勞動者，金融發展對新型勞動資料和新型勞動對象的影響系數均通過了1%水平上的顯著性檢驗。從具體影響來看：模型（1）系數值僅通過了10%水平上的顯著性檢驗，培育新型勞動者周期長、成本高且難度大，弱化了金融市場對培育新型勞動者的偏好度；模型（2）系數值為0.048，表明金融發展水平每提升1個單位可提高新型勞動資料指數0.048個單位，數字化、智能化改造在各產業領域的逐步深入大幅提高了生產效率，也顯著提升了經濟效益，金融市場得以發揮更為顯著的資源配置作用；模型（3）的影響系數值為0.028，以新材料、新能源為代表的新興產業是國家戰略發展的重點方向，近些年來受到了金融市場的高度關注和大力支持，加快了新型勞動對象的發展。表3和表4的估計結果與假說1—假說4的預期相一致。

（二）穩健性檢驗

在基準回歸分析時，本文雖然已通過采用雙向固定效應模型控制了地區和時間因素變化的影響，同時也設置了一系列控制變量以緩解內生性問題，但還是存在遺漏變量的可能。此外，被解釋變量和核心解釋變量之間還存在逆向因果的可能，即在金融發展促進新質生產力水平提升的同時，后者也會反向促進金融市場的創新和發展。對此，本文進行了如下穩健性檢驗：一是剔除異常值，相較其他地區，北京、天津、上海及重慶四個直轄市具有較大的政策操作自由度，且享受更多的資源傾斜，因此，剔除四個直轄市數據后進行回歸分析；二是更換被解釋變量，參考韓文龍等（2024）[14]的指標體系，重新測算各省份新質生產力水平，并用其替換原有被解釋變量進行回歸分析；三是更換核心解釋變量，參考常新鋒和陳璐瑤（2020）[15]的研究思路，從銀行、證券和保險三個方面選取典型指標構建金融發展綜合評價指標體系，替換原核心解釋變量進行回歸分析；四是工具變量法，采用核心解釋變量的滯后一階和滯后二階項作為工具變量進行GMM估計。表5的估計結果總體與基準分析結果保持了一致，表明估計結果穩健可靠。

（三）地區異質性分析

中國地理跨度大、區域特征明顯，不同地區在經濟發展基礎、產業結構特征、市場開放程度以及政策環境支持等方面均存在較大差異，這很有可能會影響金融發展作用的發揮。對此，本文進一步考察了不同地區金融發展對新質生產力發展水平提升的影響，結果見表6。根據估計結果，模型（1）—模型（4）的影響系數值分別為0.059、0.044、0.022和0.017，且均通過了1%水平上的顯著性檢驗。相比之下，金融發展對東部地區新質生產力的影響最大，中部地區次之，西部地區和東北部地區相對較弱。金融發展對不同地區新質生產力產生差異化影響的原因可能在以下幾個方面：東部地區在經濟發展水平、對外開放程度、科技創新能力和人才資源儲備等方面具有顯著優勢，金融發展得以有更加廣闊的市場空間和作用載體，通過引導創新資源的集聚和配置促進地區新質生產力的快速發展；中部地區在承接東部產業轉移的過程中，對金融資源的需求逐漸增加，同時金融市場的發展也能夠支持該地區傳統產業的升級改造和新興產業的培育，加速創新要素流動并推動新質生產力的發展；相較于東部和中部地區，西部和東北部地區經濟總量相對較小，產業結構相對單一，且在人才儲備和科技創新能力方面相對落后，缺乏足夠的創新動力和研發能力，限制了金融市場對新質生產力推動作用的發揮。上述分析說明經濟發展水平越高、產業結構越完善、政策環境越寬松以及創新資源越豐富的地區就越能為金融市場提供更大的發展空間和更好的承載載體，也就更有助于發揮金融發展對新質生產力提升的促進作用。

六、空間溢出效應分析

（一）空間模型設定及空間相關性檢驗

金融資源具有較強的空間流動性，這使得金融發展呈現出了對周邊地區明顯的外溢特征，即金融資源的跨空間流動會對周邊地區的經濟發展、產業結構調整以及人才聚集等方面產生諸多影響。對此，本文采用空間計量模型估計金融發展對新質生產力的空間溢出效應。在參數估計前，先要對各地區的金融發展空間相關性進行檢驗。根據表7，全局莫蘭指數及z值均顯著為正，這就表明各地區金融發展存在較強的空間正相關性。

根據局部莫蘭指數測算結果，多數省份的金融發展水平指數主要集中于第一象限和第三象限，呈現出了明顯的“高—高”和“低—低”時空聚集特征。為了能更好地觀察觀測期內各省份金融發展空間聚集的演變趨勢，本文根據局部莫蘭指數測算結果生成了相應的指數圖，具體見圖6和圖7。通過對比觀測期內2012年和2022年兩個首尾年份各省份金融發展的空間聚集特征，可以發現第三象限觀測樣本逐步向其余象限移動，這表明多數地區金融發展勢頭總體較好，部分地區正在擺脫孤立且不均衡的發展困境。進一步地，金融發展呈現的時空聚集特征，一方面，說明區域間的金融發展存在馬太效應，發達地區的金融發展相互促進，欠發達地區的金融發展相對滯后且難以突破困境；另一方面，說明區域間的金融發展差距在時間和空間上具有一定的穩定性和延續性。金融發展的這種空間外部性會進一步引導創新要素的跨地區流動，進而作用于周邊相鄰地區新質生產力的發展。

（二）空間杜賓模型的結果分析

本文通過LM檢驗、Hausman檢驗和LR檢驗以確定具體的空間計量模型。檢驗結果顯示，LM spatial lag和LM spatial error的檢驗值分別為8.463和19.108，Robust LM test no spatial lag和Robust LM test no spatial error的檢驗值分別為28.067和10.422，檢驗值在1%水平上拒絕了模型不存在空間誤差與空間滯后效應的原假設，適合采用空間杜賓模型。同時，Hausman檢驗結果顯示采用固定效應的空間杜賓模型更為合理。綜上，本文采用同時控制了個體和時間兩個層面固定效應的空間杜賓模型進行分析。

表8的空間杜賓模型估計結果展示了直接效應、間接效應和總效應，系數值均在1%水平上顯著為正，這說明金融發展在空間維度上對新質生產力存在積極的溢出效應。其中，直接效應估計系數為0.020，表明在排除其他因素干擾后，每提升1個單位的金融發展水平，即可提高0.020個單位的新質生產力水平；間接效應衡量的是地區間金融發展相互作用過程中產生的溢出效應，系數值為0.067。相比之下，間接效應明顯強于直接效應，這表明在空間傳導機制作用下，周邊地區金融發展水平的變化對本地區新質生產力的促進作用更加明顯，即存在顯著的空間溢出效應。增長極理論認為，優勢地區先是憑借自身的資源、技術和產業基礎等優勢實現快速發展，再是通過空間輻射效應和擴散效應帶動周邊地區的發展。空間杜賓模型估計結果不僅證實了金融發展對地區新質生產力的直接促進作用，也凸顯了金融發展對新質生產力水平提升的正向空間外部性。

七、結論及建議

本文在從實體性要素和滲透性要素兩個層面選擇指標構建新質生產力綜合評價指標體系的基礎上，不僅分析了各地區新質生產力水平的時序演變趨勢和空間分布格局，還深入探討了金融發展和新質生產力水平提升的關系。主要結論如下：（1）中國新質生產力總體水平及構成要素發展水平均保持了正向的發展勢頭，不同地區新質生產力水平存在明顯差異，觀測期內東部地區始終保持領先地位。（2）隨著經濟結構的不斷優化和區域協調發展戰略的深入實施，中國新質生產力發展水平的總體基尼系數呈持續下降趨勢。在區域內差異方面，中部地區新質生產力的區域內差異呈不斷擴大趨勢，其余三大地區的區域內差異不斷縮小；在區域間差異方面，四大地區之間的新質生產力發展水平差距正在不斷縮小，發展不均衡的現象正在得到持續性改善。（3）金融發展對新質生產力及其構成要素發展水平的促進作用均通過了顯著性檢驗，在考慮內生性問題后結論依然成立。相比較而言，金融發展對新型勞動資料要素發展以及東中部地區新質生產力發展的促進作用相對更大。（4）空間杜賓模型估計結果表明，金融發展對新質生產力水平的提升還存在顯著的空間外部性，一個地區的金融發展會對周邊地區的新質生產力產生積極影響。

基于以上研究結論，本文提出如下建議：一是要大力發展科技金融，引導金融資源支持科技創新，為發展新質生產力提供資金保障。一方面，政府部門要加大對科技金融的政策支持力度，推進科技金融服務體系建設，通過出臺稅收優惠、財政補貼等政策鼓勵金融機構為科技創新企業提供金融服務，強化政策協同效應；另一方面，金融機構要根據實際需求不斷創新科技金融產品和服務，可在科技產業園等創新要素聚集地區設立服務點，下放審批權和決策權，加快對優質科技項目和創新企業的資金投放。二是要大力發展數字金融，引領金融業態的數字化轉型，釋放新質生產力發展潛能。首先，要加強包括5G網絡、數據中心等在內的數字金融基礎設施建設，為數字金融的發展提供堅實支撐；其次，要加強金融領域的數字技術創新和應用，鼓勵金融機構運用大數據、云計算、人工智能等技術，實現資金、數據、技術等要素的創新配置，為發展新質生產力提供高質量的金融服務；最后，要持續豐富數字金融服務體系，加強與其他產業的融合，通過協同發展推動新質生產力水平的不斷提升。三是要協調區域金融發展，引導金融資源合理流動與精準配置，推動各地區新質生產力的協同共進。要根據不同地區的經濟發展水平、產業結構和資源稟賦制定差異化的區域金融政策，以優化不同地區的金融資源配置效率。尤其是要加大對西部和東北部地區的普惠性金融支持，通過資金流吸引人才流和技術流，聚集創新要素助力加快發展弱勢地區的新質生產力。

注：

①根據國家統計局標準，東部包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南；中部包括山西、安徽、江西、河南、湖北和湖南；西部包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆；東北部包括遼寧、吉林和黑龍江。

參考文獻：

[1]周文，許凌云.論新質生產力：內涵特征與重要著力點 [J].改革，2023，（10）.

[2]趙峰，季雷.新質生產力的科學內涵、構成要素和制度保障機制 [J].學習與探索，2024，（01）.

[3]薛欽源，史丹，史可寒.新質生產力的形成邏輯、新質特征和理論要素[J].當代財經，2024，（07）.

[4]彭緒庶.新質生產力的形成邏輯、發展路徑與關鍵著力點 [J].經濟縱橫，2024，（03）.

[5]張哲，李季剛，湯努爾·哈力克.中國新質生產力發展水平測度與時空演進 [J].統計與決策，2024，40（09）.

[6]王鋼，郭文旌.中國新質生產力水平測度及其對經濟高質量發展的影響效應 [J].金融發展研究，2024，（07）.

[7]曹曄.數字新質生產力對產業鏈韌性的影響研究[J].統計與決策，2024，40（10）.

[8]高帆.中國新質生產力的發展邏輯：基于生產率比較的研究 [J].社會科學戰線，2024，（08）.

[9]田國強，仇藝博.數字金融推動新質生產力發展的邏輯解析、困境審視及路徑設計 [J].區域經濟評論，2024，（04）.

[10]張穎，鄒國昊，楊楚風.金融服務新質生產力發展的多維認知與創新路徑[J].江蘇社會科學，2024，（04）.

[11]蔣永穆，喬張媛.新質生產力發展評價指標體系構建 [J].經濟體制改革，2024，（03）.

[12]雷蒙德·戈德史密斯著，周朔等譯.金融結構與金融發展 [M].上海：上海三聯書店，1994年。

[13]朱波，曾麗丹.數字金融發展對區域新質生產力的影響及作用機制 [J].財經科學，2024，（08）.

[14]韓文龍，張瑞生，趙峰.新質生產力水平測算與中國經濟增長新動能 [J].數量經濟技術經濟研究，2024，41（06）.

[15]常新鋒，陳璐瑤.金融發展、資本效率對經濟高質量發展的空間溢出效應分析 [J].金融經濟學研究，2020，35（04）.