數字普惠金融、要素錯配與工業智能制造

　　〔摘 要〕 金融是實體經濟的血脈， 資金是企業運行的 “血液”。 數字普惠金融作為普惠金融和數字技術的有機融合， 能有效提升金融服務效率和拓寬覆蓋面， 是推動金融更好地服務實體經濟， 促進工業數字化轉型的重要工具。 本文先從理論層面闡釋了數字普惠金融影響工業智能制造的傳導路徑及其作用機制， 然后綜合運用固定效應、 中介效應和分位數回歸對數字普惠金融影響智能制造的影響效應及其傳導機制進行驗證。 研究結果表明， 數字普惠金融能夠推動傳統制造業向著智能化生產轉型， 且這一結論在經過一系列穩健性檢驗后依然成立; 數字普惠金融能夠通過緩解資本錯配和勞動力錯配的中介渠道來推動工業智能制造; 數字普惠金融影響工業智能制造的作用有異質性， 呈現出兩頭小中間大的 “橄欖型” 分布態勢。

　　〔關鍵詞〕 數字金融 勞動力錯配 資本錯配 數字技術 工業機器人 無條件分位數回歸

　　引 言

　　制造業是立國之本、 興國之器、 強國之基。 改革開放以來， 我國工業制造業取得了跨越式發展，行業規模迅速擴張， 整體實力不斷增強。 中國已成為世界上門類最齊全、 規模最大的制造業國家。不可置否的是， 隱藏在 “中國增長奇跡” 背后的重要驅動力正是來源于以制造業為核心的工業體系[1]。 但隨著人口紅利逐漸消失、 美國制造業回流和全球能源危機加劇等多重因素疊加干擾， 我國制造業 “大而不強” 的弊病凸顯， 工業高質量發展之路仍道阻且長。 供應鏈 “斷鏈” 隱患、 產業韌性不足和產品附加值不高等問題迫切呼吁新動能、 新技術和新環境。 為破解我國制造業面臨的自主創新性不強、 核心技術受制于人、 產業韌性不足等難題， 中央全面深化改革委員會第十四次會議明確指出， 要加快新一代信息技術和制造業融合發展， 將智能制造作為主攻方向， 著力推進工業互聯網創新發展， 提升制造業數字化、 網絡化和智能化發展水平， 實現工業生產方式和企業形態根本性變革。

　　智能制造作為智能化和工業化有機融合的粘合劑， 正不斷突破新技術， 催生新業態， 實現制造信息系統和物理系統的高度協同與深度融合， 進一步打通企業—供應鏈—行業數據鏈， 已成為新一輪工業革命的核心驅動力。作為數字經濟浪潮中新業態的具體表現， 數字普惠金融服務對象的篩選邏輯、 “金融痛點” 的解決思路， 正是金融高質量發展的內涵所在。 其通過矯正 “二八定律” 偏差， 增進全民福祉， 促使金融 “血脈” 暢通， 增強了經濟 “肌體” 免疫力。那么， 現行的數字普惠金融給我國工業智能制造帶來的影響究竟是 “福利” 還是 “災難” 呢?

　　若其真能如 “甘霖” 般惠及我國工業發展， 那么其中間的作用機制又是如何呢? 哪些群體獲益最大呢?回答這些問題， 對于提升我國工業國際競爭力和提升金融服務實體經濟的適配度有啟示意義�，F有文獻對智能制造產生邏輯[2]、 國際經驗啟示[3-5]、 轉型路徑[6] 以及數字金融對工業數字化轉型的影響[7-9] 做了大量研究， 但其主要是圍繞著數字金融或金融科技對企業技術創新、 產業升級和產品質量的研究， 而智能制造作為現代信息技術物化于機器設備的典型實踐， 關于數字普惠金融如何影響工業智能制造的研究還比較少，進一步從要素錯配的中介渠道來研究數字普惠金融何以影響工業智能制造的研究就更少了。 因此，本文將資本錯配和勞動力錯配嵌入數字普惠金融影響工業智能制造的分析框架， 考察要素錯配在兩者傳導過程中發揮著何種作用; 同時采用分位數回歸揭示數字普惠金融對工業智能制造的異質性影響效應， 這有助于提升數字普惠金融服務工業現代化的精準性。

　　1 作用機制與研究假設

　　1.1 數字普惠金融的直接效應

　　于工業企業而言， 融資約束往往是制約其技術創新和數字化轉型的最大障礙。 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抑制工業企業借款欲望， 金融機構嚴格的信貸條件、 信息傳遞失真可能引致的逆向選擇或道德風險造成企業貸款被拒時有發生， 因而銀行大多采取 “所有制歧視” 和 “規模歧視” 來對沖信息不對稱的信用風險和機會成本， 其貸款額度也會低于市場出清水平[10]。

　　數字普惠金融借助互聯網、社交媒體、 定位系統等復合信息系統獲取金融產品信息大數據， 并進一步通過云計算、 深度學習和區塊鏈等智能化技術處理、 分析技術來搜集和追蹤客戶信息。 因而數字技術能降低金融借貸過程中的搜尋成本、 復制成本、 追蹤成本和驗證成本等多種經濟成本[11]。 這能緩解金融機構面臨的信息不對稱問題， 尤其是極大地降低了長尾客戶的信息收集成本， 降低金融服務門檻、 增加差異化金融產品供給和提高服務效率。 同時， 數字普惠金融還能通過大數據分析對獲得融資支持的企業的后續資金使用行為實行更為嚴格的監管， 借助數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冒險的可能， 這能減少企業偏好金融投資的短視行為和商業信用二次分配[12]。

　　盡管數字普惠金融天然的普惠屬性決定了其對于初創公司和中等規模的企業更為友好。 但同時在經濟實踐中， 因監管制度不完善和技術隱蔽性強等原因， 數字普惠金融運行還存在 “使命飄逸”、 “跑冒滴漏” 和 “精英俘獲” 的問題。 基于普惠和商業利潤最大化原則， 金融機構仍會優先考慮資質較好的企業并同時發揮著普惠金融的作用。 數字普惠金融市場還不夠成熟， 金融普惠性有待深化[13，14]。 因此數字普惠金融對不同類型的工業企業智能制造有異質性影響效應。 據此提出研究假設 1 和假設 2：假設 1： 數字普惠金融能促進工業智能制造。假設 2： 數字普惠金融對工業智能制造的促進效應有異質性， 其對中等水平企業的促進作用最大， 而對初級水平企業的促進作用最小。

　　1. 2 要素錯配的中介效應

　　由于產業政策、 制度障礙和地方保護主義等“經濟楔子” 干擾， 中國要素市場化改革進程明顯滯后于產品市場， 這種滯后性一定程度上反映了地方各級政府對要素市場交易活動的干預和控制———職能部門掌管著初級要素資源的分配和定價權， 要素價格被低估和市場扭曲現象較為嚴重[15]。 從短期來看， 這種出于保護本土產業而阻絕與其他區域貿易往來的行為在一定程度能促進本土相關市場主體發育; 但從長期來看， 要素價格扭曲和市場分割會阻礙要素在地區間的自由流動， 其直接結果是市場調節難以反映要素真實價格， 進而導致價格信號失真， 這會使得要素資源無法實現最優配置[16]。 這種低效的資源配置局面和扭曲的要素價格會激勵企業密集使用有形要素， 同時也會使那些從事技術研發和智能化轉型的企業無法從范圍經濟中獲取額外收益。 低要素成本是中國制造業最直觀的比較優勢， 要素價格上漲會觸動其根基并產生劇烈影響， 工業企業很有可能在價格上升中失去比較優勢[17]。

　　與此同時， 若勞動力和資本要素價格被低估， 相關企業會更傾向于將公司注意力轉移到尋租活動中以獲取持續性的低價有形要素， 而不會通過高風險、 高投入的研發活動獲取利潤或發展機會， 這顯然不利于企業數字化轉型和智能化改造[18]。數字金融不僅在賬戶滲透、 小額支付和金融覆蓋等方面對傳統金融做了有益補充， 同時其在普及金融知識和共享金融資源時構建的社交網絡有助于打破個體 “自給自足”、 “自我封閉” 的心理枷鎖，促使提高微觀市場主體的數字金融參與度。 因此，數字普惠金融能夠通過降低企業融資成本、 促進個體創業和勞動力高質量就業的渠道緩解要素錯配程度[19]。 據此提出研究假設 3 和假設 4：假設 3： 要素錯配不利于工業智能制造。假設 4： 數字普惠金融能減緩要素錯配， 進而促進工業智能制造。

　　2 研究設計

　　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、數字化和自動化技術的總和， 文獻中常出現的人工智能、 工業機器人、 工業互聯網都是智能制造在生產領域的具體實踐[20]。 鑒于國際機器人聯合會(IFR)公布的是國家-行業層面的數據， 不足以支撐本文的面板數據分析。 對此， 參照沈洋和張秀武 (2022)[21]、 閆雪凌等 (2020)[22] 的做法， 先根據 IFR 公布的 14 個制造業分類與我國 31 個制造業子行業進行匹配， 然后利用歷年各地區各子行業城鎮單位就業人員占全國總就業人口的比重來作為權重指標， 最后引入美國 2005 年行業層面的工業機器人數量來構造省級層面的工業機器人安裝密度。

　　2.2.2 核心解釋變量數字普惠金融(DFI)。 數字普惠金融是指在數字技術支持下通過金融服務促進普惠金融行動的總稱。 根據郭峰等 (2020)[23] 和鐘凱等 (2022)[24] 的研究， 本文使用北京大學數字金融研究中心編制的 “北京大學數字普惠金融指數” 作為本文數字普惠金融的代理變量。

　　2.1.3 中介變量要素錯配。 資源錯配是相對資源有效配置而言的， 指的是因要素市場價格扭曲使得資源配置偏離帕累托最優均衡。 由于信息不充分或市場不完善等因素使得資源流動受阻， 甚至出現高回報率的生產要素流向低回報率的企業， 此時資源配置偏離帕累托最優狀態， 要素錯配也就隨之產生了。

　　2. 1.4 控制變量影響工業智能化轉型的因素有很多， 為盡可能緩解遺漏重要變量產生的內生性問題以獲取更加精準的估計結果， 根據現有文獻， 本文選取了 8 個控制變量。 具體而言： 減稅降費(Tax)， 使用稅收增速的變動幅度來作為代理變量; 產業升級(UP)，選取第三產業增加值與第二產業增加值的比值作為代理變量; 城鎮化(Urban)， 選取城鎮人口占總人口的比重作為代理變量; 對外開放(Open)， 選取各省(區、 市)進出口總額作為代理變量; 土地成本(Price)， 選取商業營業用房平均銷售價格(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; 宏觀調控(Gov)， 選取政府財政一般預算支出占國內生產總值的比重作為代理變量; 研發投入(RD)， 選取規模以上工業企業 R&D 項目人員折合全時當量(人年)作為代理變量。

　　2. 3 數據來源基于數據可得性原則， 本文選取 2011 ～ 2020年中國 30 個省(自治區、 直轄市)(不含西藏和港、澳、 臺地區) 的面板數據作為考察樣本。 本文相關變量的原始數據主要來源于 《中國統計年鑒》、《中國工業統計年鑒》、 《中國勞動統計年鑒》、 《中國國土資源統計年鑒》、 《中國科技統計年鑒》、 國際機器人聯盟、 北京大學數字金融研究中心、 美國經濟分析局和 EPS 數據庫。 極少數缺失值采用線性插值法進行補齊。 需要說明的是， 2019 年末爆發的新冠肺炎疫情對中國宏觀經濟運行產生了影響， 但得益于相關行政部門及時出臺了一系列寬松的貨幣政策和財政政策來對沖公共風險， 因而新冠肺炎疫情對 2020 年經濟的影響是有限的，樣本數據因此也未出現極端值。

　　3 實證分析

　　3. 1 基準回歸結果

　　根據式 (6) 設定的計量經濟學模型， 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體固定效應前提下的最基本估計結果。 再考慮到各地區間的發展差異， 選用雙向固定效應并結合 DK(Driscoll-Kraay， DK)標準誤做擬合計算。 混合最小二乘法的估計系數為0. 912 且在 1%水平上顯著， 表明數字普惠金融能推動工業生產轉向智能制造， 驗證了假設 1。 固定效應的估計結果為 0􀆰 087 且在 1%水平上顯著，數字普惠金融對智能制造的影響效應與 POLS 的結果保持一致。 若將兩者的結果作比較可以發現，在控制個體異質性和時間異質性后的雙向固定效應模型的擬合系數明顯低于 POLS 的結果， 表明剔除不可觀測因素對模型干擾后所計算的估計系數更符合真實值， 考慮個體差異和時間差異是有必要的。 在數字經濟時代， 隨著數字技術在金融領域的廣泛運用和推廣， 金融科技助力資金流通順暢和財產優化配置， 為未來的金融模式和商業運營帶來了全面的變革性力量。

　　3. 2 穩健性檢驗

　　3. 2. 1 縮尾處理若樣本數據中存在離群值則可能對回歸結果造成偏誤。 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擬合計算的干擾。

　　3.2.2 更換模型基于對擾動項組間異方差或組內自相關的考慮， 本文分別做了組間異方差沃爾德檢驗、 組內自相關沃爾德檢驗和組間同期相關的 Breusch-Pa⁃gan LM 檢驗， 3 種方法的檢驗結果均顯示在 1%水平上拒絕原假設， 認為建立的計量模型存在異方差、 序列相關和截面相關問題。 盡管基準回歸部分本文使用了 DK 穩健標準誤做修正， 但考慮其功效性和嚴謹性， 本文在考慮自回歸系數相同(AR1)的情形下運用 FGLS 模型對上述幾個問題進一步調整。

　　3. 2. 3 內生性問題上文為緩解遺漏變量內生性問題從而選取了盡可能多的控制變量， 但數字普惠金融和智能制造之間潛在的互為因果關系的內生性問題還需警惕。 鑒于北京大學數字金融研究院的數字普惠金融指數也是根據螞蟻金服交易數據編制而成， 本文使用各省(區、 市)省會城市到杭州市的球面距離作為工具變量。 考慮到獲取一個嚴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， 將二維面板數據模型拓展為空間三維面板計量模型， 在原有的框架中納入空間高階滯后項與數字普惠金融的交互項作為工具變量， 然后運用廣義空間兩階段最小二乘法進行估計。 為捕捉各地區間地理差異和經濟社會發展差異， 空間權重矩陣使用的是經濟地理嵌套矩陣。

　　最后，考慮到空間計量模型易受到空間權重矩陣干擾，為增強其估計結果的穩健性， 本文還使用了基于鄰接矩陣的廣義空間矩估計(SPGMM)。 該模型主要使用的是內生變量的時間滯后項作為工具變量，能在一定程度上消除內生性問題。由穩健性檢驗結果(表略)可知， 沿著 3 種思路而重新建立的 5 種計量模型擬合結果均顯示，數字普惠金融至少在 5%顯著性水平上正向影響智能制造。 穩健性檢驗結果與基準回歸的估計結果大致保持一致， 只是估計系數有輕微變動， 這表明基準回歸部分得出的數字普惠金融能夠正向促進制造業智能化轉型的結論是穩健且可靠的。

　　4 數字普惠金融

　　影響工業智能制造的機制和異質性分析

　　4. 1 機制檢驗為驗證要素

　　錯配在數字普惠金融正向影響工業智能制造的傳導路徑中發揮著何種作用， 根據上文建立的中介效應方程組， 使用交互固定效應模型做驗證。 在交互固定效應模型中數字普惠金融對工業智能制造的估計系數為 0. 092 且在1%水平上顯著， 表明總效應是成立的， 可以做下一步中介效應分析。 從中介效應的第二段方程來看， 數字普惠金融對資本錯配和勞動力錯配的估計系數分別為-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成立。 最后從中介效應的第三段方程來看， 數字普惠金融對工業智能制造的估計系數分別為 0. 116 和 0. 089， 且均在 1%水平上顯著; 資本錯配和勞動力錯配對工業智能制造的估計系數分別為-0. 225、 0. 138， 且至少通過了 5%水平的顯著性檢驗， 表明無論是資本還是勞動力， 一旦發生要素錯配， 其對工業數字化發展都是起負面作用的， 驗證了假設 3。

　　另外， 分別納入資本錯配和勞動力錯配后， 數字普惠金融對工業智能制造的估計系數有所增大，尤其是在資本錯配的方程中較為明顯， 表明要素錯配本身無法推進工業智能化轉型， 但卻強化了數字普惠金融的正向作用。 從 e2×c1 、 f2×d1 與總效應d1 的符號來看， 可以發現間接效應與總效應的符號保持一致， 表明資本錯配和勞動力錯配在數字普惠金融影響工業智能制造的傳導路徑中發揮著部分中介作用， 其中介效應占比分別為 8, 87%和6, 15%， 驗證了假設 4。

　　在不同工業機器人安裝密度層面上， 數字普惠金融對工業智能制造的邊際影響效應均為正， 表明考察期內數字普惠金融能推動工業智能化轉型的影響效應始終是成立的; 但在不同分位點上， 數字普惠金融對智能制造的影響有明顯的異質性， 驗證了假設 2。 隨著分位點從低位(0. 1)向高位(0. 9)變動， 數字普惠金融對智能制造的影響系數由 0. 498 提升至 0.977， 同時在 50%分位點處有明顯的 “拐點效應”， 其影響系數大致呈現出先增加后下降的倒 U 型演進趨勢;最后， 當分位點處于 0. 25 ～ 0. 75 的區間時， 數字普惠金融對智能制造的影響效應比較大， 表明數字普惠金融更能夠惠及那些中等智能化發展水平的工廠， 這也體現了數字普惠金融對社會中等階層有更強的包容性。

　　5 結論與建議

　　云制造、 服務型制造和智能制造以顛覆性技術為依托， 已成為做大做強做優中國制造、 中國創造的重要突破口。 本文先是從理論層面闡釋了數字普惠金融、 要素錯配對工業智能制造的作用機制和傳導路徑; 然后以 2011 ～ 2020 年中國省級面板數據為考察樣本， 綜合運用固定效應、 中介效應和無條件分位數回歸驗證了數字普惠金融、要素錯配對工業智能制造的影響效應。 研究結果表明：

　　(1) 數字普惠金融能夠顯著推動工業智能化轉型， 且這一結論經過一系列穩健性和內生性處理后依然成立; (2) 勞動力錯配和資本錯配在數字普惠金融影響工業智能制造的傳導過程中發揮著部分中介作用， 即數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于實體經濟的作用效果， 其中資本錯配和勞動力錯配的中介效應占比分別為 8. 87%和 6.15%; (3) 數字普惠金融對工業智能制造的正向影響效應呈現兩頭小中間大的 “橄欖型” 分布態勢; 在給定的 5 個分位點中， 數字普惠金融對工業智能制造的推動作用在 50%分位點處達到最大值， 有明顯的 “拐點效應”。

　　結合上述研究結論， 本文提出以下政策建議：

　　(1) 完善數字金融基礎設施。 努力拓展數字普惠金融的覆蓋廣度， 強化使用深度， 夯實數字支持程度。 在踐行金融普惠性和商業可持續性的基本指導理念基礎上， 打造一個更具備包容性的現代數字普惠金融體系， 通過完善個人支付、 小額信貸、 互聯網保險和基金理財等數字化功能，重點保障中小微企業公平機會獲取金融資源的權益， 適當推出符合規模以上工業企業中長期貸款需求的產品。 充分發揮人工智能、 大數據分析和云計算等新一代數字技術在資源配置精準化、 服務渠道全時化、 業務流程自動化、 風險管控智能化的實踐優勢， 極力創新供應鏈金融、 融資租賃、債權融資、 抵押擔保和投貸保聯動與研發投資等金融服務和產品， 力促數字技術完善與普惠金融發展同頻共振， 構建多層次、 全鏈條、 專業化和在地化的智能制造數字普惠金融服務體系。

　　(2) 注意風險防控。 推動數字普惠金融服務工業智能制造的過程中， 應始終遵循合規經營和守正創新的底線， 積極解決行業發展突出問題。相關行政主體應進一步完善相關制度體系， 嚴格把控數字金融市場準入， 明確各監管機構的行政職責與考核標準， 優化數字金融監管體系框架，制定包括政策、 制度、 技術在內的系統性數字普惠金融防范與化解體系， 維護良好的金融生態環境和金融發展格局。 逐步探索應用以區塊鏈、 多方安全計算、 聯邦學習為內核的隱私計算， 搭建跨機構、 跨領域的數據融合應用平臺， 推動智能制造領域的金融信用信息和新型替代性數據有機結合， 筑牢數字普惠金融服務智能制造的數據基礎， 防范化解金融風險。

　　(3) 強化金融供給精準性。 將目光聚焦于制造業核心本質， 緊扣智能制造特征內核， 重點面向關鍵技術核心攻關、 網絡協同等新模式培育，智能制造創新成果轉化、 工業互聯網及工業軟件研發和智能制造硬裝備等新型基礎設施建設， 充分發揮產業融合平臺、 銀企融合平臺的作用， 依法合規調取企業生產經營信息、 產業政策信息和金融產品信息， 深入挖掘各類型工業企業對金融服務的差異化需求和有效需求， 充分利用數字技術增加金融供給的靈活性和適應性。 始終按照 “擇優、 扶強、 扶優、 普惠和商業可持續” 的原則，從源頭把控金融供給質量， 為真正有市場、 有需求、 有效益和有技術的智能制造企業主體和項目提供高質量的金融服務供給。

　　參 考 文 獻:

　　[1] 汪芳， 石鑫. 中國制造業高質量發展水平的測度及影響因素研究 [J]. 中國軟科學， 2022， (2)： 22～ 31.

　　[2] 馬南峰， 姚錫凡， 王柯賽. 面向未來互聯網的智慧制造研究現狀與展望 [ J]. 中國科學： 技術科學， 2022， 52 (1)： 55 ～75.

　　[3] 郭朝先， 王宏霞. 中國制造業發展與 “中國制造 2025” 規劃[J]. 經濟研究參考， 2015， (31)： 3～ 13.

　　[4] 錢海章， 張強， 李帥. “十四五” 規劃下中國制造供給能力及發展路徑思考 [J]. 數量經濟技術經濟研究， 2022， 39 (1)：28～50.

　　[5] 孫毅， 羅穆雄. 美國智能制造的發展及啟示 [ J]. 中國科學院院刊， 2021， 36 (11)： 1316～ 1325.

　　[6] 李健旋. 美德中制造業創新發展戰略重點及政策分析 [ J].中國軟科學， 2016， (9)： 37～ 44.

　　[7] 黃益平. 理解金融供給側結構性改革 [ J]. 政治經濟學評論， 2020， 11 (1)： 149～ 162.

　　[8] 王小燕， 張俊英， 王醒男. 金融科技、 企業生命周期與技術創新———異質性特征、 機制檢驗與政府監管績效評估 [ J].金融經濟學研究， 2019， 34 (5)： 93～ 108.

　　[9] 鄭磊， 張偉科. 科技金融對科技創新的非線性影響———一種U 型關系 [J]. 軟科學， 2018， 32 (7)： 16～ 20.

　　選自期刊《工業技術經濟》第 7 期(總第 345 期)

　　作者信息：沈 洋 郭孝陽 張秀武(華僑大學數量經濟研究院， 廈門 361021)

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/jjlw/30387.html