宋 誠(chéng) 李季剛

（新疆財(cái)經(jīng)大學(xué)金融學(xué)院 新疆烏魯木齊 830012）

一、引言

城市群作為推進(jìn)城市化發(fā)展的空間主體、促進(jìn)區(qū)域協(xié)調(diào)發(fā)展的重要助力和實(shí)現(xiàn)國(guó)家發(fā)展目標(biāo)的重要平臺(tái)，在世界百年未有之大變局背景下，受到越來(lái)越多的關(guān)注。成渝地區(qū)位于“一帶一路”和長(zhǎng)江經(jīng)濟(jì)帶的交匯處，根據(jù)2020年發(fā)布的《成渝地區(qū)雙城經(jīng)濟(jì)圈建設(shè)規(guī)劃綱要》，成渝城市群將被打造為國(guó)際知名、國(guó)內(nèi)領(lǐng)先、輻射帶動(dòng)西部地區(qū)發(fā)展的重要增長(zhǎng)極。

在現(xiàn)代社會(huì)中，金融是不可或缺的資源，金融創(chuàng)新與高質(zhì)量發(fā)展是促進(jìn)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵因素之一。數(shù)字金融是金融發(fā)展順應(yīng)數(shù)字化發(fā)展進(jìn)程的產(chǎn)物，具備天然的普惠特征，可以彌補(bǔ)成渝城市群金融發(fā)展的短板。

基于此，本文以成渝城市群數(shù)字金融為研究對(duì)象，研究數(shù)字金融賦能成渝城市群經(jīng)濟(jì)高質(zhì)量發(fā)展的空間效應(yīng)。

二、文獻(xiàn)綜述

數(shù)字金融是傳統(tǒng)金融業(yè)與云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等數(shù)字技術(shù)的深度融合。一方面，數(shù)字金融可以利用數(shù)字技術(shù)彌補(bǔ)傳統(tǒng)金融體系的缺陷，還能有效緩解金融排斥問(wèn)題，促使金融更好地服務(wù)于實(shí)體經(jīng)濟(jì)[1]；另一方面，數(shù)字金融可以更有效地引導(dǎo)社會(huì)資金的流向，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)[2]。近幾年，我國(guó)數(shù)字金融發(fā)展迅速，其原因可能是傳統(tǒng)金融服務(wù)供給缺乏且金融資源分配不均、數(shù)字技術(shù)發(fā)展迅猛以及金融監(jiān)管相對(duì)寬松[3]。數(shù)字金融的持續(xù)發(fā)展對(duì)我國(guó)經(jīng)濟(jì)社會(huì)各個(gè)層面都產(chǎn)生了極大影響。從微觀層面看，數(shù)字金融使傳統(tǒng)金融的普惠特性得到增強(qiáng)，在打破中小企業(yè)融資約束[4]、提升中小企業(yè)經(jīng)營(yíng)效率[5]、提高農(nóng)戶(hù)創(chuàng)業(yè)意愿[6]和緩解農(nóng)戶(hù)相對(duì)貧困[7]等方面起到了很大的推動(dòng)作用。從中觀層面看，數(shù)字金融優(yōu)化了金融資源配置效率，有力地推動(dòng)了我國(guó)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)[8]，促進(jìn)了區(qū)域技術(shù)創(chuàng)新[2]，縮小了城鄉(xiāng)發(fā)展差距[9]。從宏觀層面看，數(shù)字金融可以直接促進(jìn)經(jīng)濟(jì)增長(zhǎng)，也可以由推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型[10]和提升創(chuàng)新創(chuàng)業(yè)水平[1]等途徑間接地推動(dòng)經(jīng)濟(jì)增長(zhǎng)。

經(jīng)濟(jì)高質(zhì)量發(fā)展在經(jīng)濟(jì)增長(zhǎng)的過(guò)程中主要體現(xiàn)為經(jīng)濟(jì)增長(zhǎng)結(jié)構(gòu)優(yōu)化和經(jīng)濟(jì)體系穩(wěn)定運(yùn)行，在經(jīng)濟(jì)增長(zhǎng)的結(jié)果上主要體現(xiàn)為經(jīng)濟(jì)發(fā)展成果共享和生態(tài)環(huán)境優(yōu)化[11]。在經(jīng)濟(jì)高質(zhì)量發(fā)展過(guò)程中應(yīng)著重關(guān)注動(dòng)力轉(zhuǎn)換以及轉(zhuǎn)換的路徑方法[12]，當(dāng)前我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的動(dòng)力在于創(chuàng)新[13]。

數(shù)字金融是金融發(fā)展創(chuàng)新的重要表現(xiàn)形式。數(shù)字金融的出現(xiàn)使得金融資源能夠得到更加公平有效的配置，為破解我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展不平衡問(wèn)題提供了一條重要的途徑[14]。數(shù)字金融所具備的普惠性和精準(zhǔn)性可以兼顧經(jīng)濟(jì)活動(dòng)的效率與公平，有助于推動(dòng)我國(guó)經(jīng)濟(jì)社會(huì)各領(lǐng)域高質(zhì)量發(fā)展[15]。學(xué)者們從多個(gè)角度探討了數(shù)字金融對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響。從經(jīng)濟(jì)高質(zhì)量發(fā)展的整體角度看，上官緒明等[16]利用我國(guó)地級(jí)市相關(guān)數(shù)據(jù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)數(shù)字金融可以促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展且具有空間溢出效應(yīng)。從經(jīng)濟(jì)協(xié)調(diào)發(fā)展的角度看，一個(gè)?。ㄗ灾螀^(qū)、直轄市）的數(shù)字金融發(fā)展有助于縮小其省域內(nèi)城鄉(xiāng)收入差距和城鄉(xiāng)發(fā)展差距，也有助于其鄰近省份城鄉(xiāng)收入差距的縮小[17]，但會(huì)促使其鄰近省份城鄉(xiāng)發(fā)展差距加大[9]。從經(jīng)濟(jì)創(chuàng)新發(fā)展的角度看，對(duì)一個(gè)?。ㄗ灾螀^(qū)、直轄市）而言，數(shù)字金融發(fā)展能推動(dòng)其省域內(nèi)的創(chuàng)新創(chuàng)業(yè)活動(dòng)；從全國(guó)層面來(lái)說(shuō)，數(shù)字金融不能顯著地推動(dòng)創(chuàng)新創(chuàng)業(yè)活動(dòng)；分地區(qū)看，東部地區(qū)省份的數(shù)字金融發(fā)展能較顯著地推動(dòng)其周邊省份的創(chuàng)新創(chuàng)業(yè)活動(dòng)[18]。從經(jīng)濟(jì)綠色發(fā)展的角度看，數(shù)字金融發(fā)展能推動(dòng)當(dāng)?shù)丶夹g(shù)密集型產(chǎn)業(yè)的發(fā)展，降低單位GDP能耗，助力當(dāng)?shù)亟?jīng)濟(jì)綠色發(fā)展，具有正向空間溢出效應(yīng)[19]。從經(jīng)濟(jì)共享發(fā)展的角度看，數(shù)字金融發(fā)展有助于矯正省域內(nèi)金融資源錯(cuò)配，但會(huì)抑制鄰近省份金融資源錯(cuò)配的矯正效率[20]。

從研究角度看，現(xiàn)有研究大多探究數(shù)字金融對(duì)企業(yè)、家庭、農(nóng)戶(hù)等微觀主體的經(jīng)濟(jì)活動(dòng)的影響，探究數(shù)字金融對(duì)社會(huì)經(jīng)濟(jì)整體發(fā)展影響的文獻(xiàn)則相對(duì)較少；從研究對(duì)象看，多數(shù)研究利用省際面板數(shù)據(jù)進(jìn)行實(shí)證分析，較少針對(duì)某一區(qū)域進(jìn)行研究；因此，本文擬利用成渝城市群2011—2019年面板數(shù)據(jù)檢驗(yàn)數(shù)字金融發(fā)展對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的空間效應(yīng)。

三、研究設(shè)計(jì)

（一） 變量選擇

1.被解釋變量——經(jīng)濟(jì)高質(zhì)量發(fā)展（HE）

基于經(jīng)濟(jì)高質(zhì)量發(fā)展的內(nèi)涵，借鑒陳景華等[21]、汪淑娟等[22]的做法，同時(shí)考慮數(shù)據(jù)可得性，本文圍繞經(jīng)濟(jì)協(xié)調(diào)、創(chuàng)新經(jīng)濟(jì)、綠色經(jīng)濟(jì)、開(kāi)放經(jīng)濟(jì)以及共享經(jīng)濟(jì)等五個(gè)方面構(gòu)建經(jīng)濟(jì)高質(zhì)量發(fā)展評(píng)價(jià)指標(biāo)體系（見(jiàn)表1），對(duì)成渝城市群內(nèi)各城市的經(jīng)濟(jì)高質(zhì)量發(fā)展進(jìn)行評(píng)價(jià)。

目前，針對(duì)多個(gè)指標(biāo)的綜合評(píng)價(jià)方法包括主觀賦權(quán)評(píng)價(jià)法和客觀賦權(quán)評(píng)價(jià)法。主觀賦權(quán)法主要是根據(jù)專(zhuān)家的經(jīng)驗(yàn)進(jìn)行主觀判斷得到權(quán)重，其權(quán)重通常受主觀因素影響較大，而客觀賦權(quán)法主要是根據(jù)指標(biāo)數(shù)據(jù)進(jìn)行賦權(quán)。為確保評(píng)價(jià)的客觀性，本文采用客觀賦權(quán)法中的熵值法對(duì)評(píng)價(jià)對(duì)象的各指標(biāo)賦權(quán)，具體方法如下。

（1）采用以下公式對(duì)各指標(biāo)進(jìn)行歸一化處理，以消除量綱的影響。

正向指標(biāo)的處理公式為

負(fù)向指標(biāo)的處理公式為

其中，i表示城市；j表示觀測(cè)指標(biāo)；t表示年份；表示指標(biāo)觀測(cè)值；表示最小觀測(cè)值；表示最大觀測(cè)值；表示經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的指標(biāo)值。

（2）計(jì)算第t年第j項(xiàng)指標(biāo)下第i個(gè)城市所占的比重Pijt，其公式為

其中，n為被觀測(cè)城市個(gè)數(shù)，m為觀測(cè)年份總數(shù)。

（3）計(jì)算第j項(xiàng)指標(biāo)的熵值ej，公式為

（4）計(jì)算第j項(xiàng)指標(biāo)的差異性系數(shù)gj。

（5）計(jì)算第j項(xiàng)指標(biāo)的權(quán)重 ωj。

其中，k為各個(gè)指標(biāo)。

（6）計(jì)算經(jīng)濟(jì)高質(zhì)量發(fā)展HE。

HEit為第i個(gè)城市第t年的經(jīng)濟(jì)高質(zhì)量發(fā)展。

2.解釋變量——數(shù)字金融發(fā)展DIF0

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)2011—2020》[23]中的數(shù)字普惠金融總指數(shù)除以100得到的結(jié)果來(lái)表示數(shù)字金融發(fā)展DIF0。數(shù)字金融發(fā)展共三個(gè)維度，分別是數(shù)字金融覆蓋廣度、數(shù)字金融使用深度和數(shù)字金融數(shù)字化水平，分別用DIF1、DIF2和DIF3表示。

3.控制變量

（1）投資率（KPL）。用固定資產(chǎn)投資總額與GDP的比率來(lái)衡量KPL。投資率可以在一定程度上反映一個(gè)地區(qū)對(duì)基本建設(shè)和更新改造的投入力度，故投資率可能會(huì)對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生影響。

（2）政府支出（GOV）。因?yàn)檎С鰧?duì)經(jīng)濟(jì)增長(zhǎng)的作用具有乘數(shù)效應(yīng)，財(cái)政支出的增加可以帶來(lái)膨脹式的經(jīng)濟(jì)增長(zhǎng)，所以本文用財(cái)政支出來(lái)衡量GOV。

（3）人力資本（HC）。因?yàn)槿肆Y本是經(jīng)濟(jì)發(fā)展不可或缺的組成部分，高素質(zhì)的從業(yè)人員數(shù)量更是影響經(jīng)濟(jì)高質(zhì)量發(fā)展的重要因素，所以本文用當(dāng)年高等學(xué)校在校生人數(shù)來(lái)衡量HC。

4.數(shù)據(jù)來(lái)源

本文的數(shù)據(jù)來(lái)源有四個(gè)：一是2012—2020年《中國(guó)城市統(tǒng)計(jì)年鑒》，二是各省份的統(tǒng)計(jì)年鑒，三是各城市統(tǒng)計(jì)局公布的城市年鑒和公報(bào)，四是北京大學(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)2011—2020》。缺失的數(shù)據(jù)主要是通過(guò)插值法補(bǔ)齊。主要變量描述性統(tǒng)計(jì)如表2所示。

表2 主要變量的描述性統(tǒng)計(jì)（2011—2019 年）

（二） 模型構(gòu)建

1.基本模型

根據(jù)以上分析，為檢驗(yàn)數(shù)字金融對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響，本文建立如下基本模型：

其中，C為常數(shù)項(xiàng)；i代表城市；t代表年份；HEit為經(jīng)濟(jì)高質(zhì)量發(fā)展；DIFn分別代表數(shù)字金融發(fā)展、數(shù)字金融覆蓋廣度、數(shù)字金融使用深度和數(shù)字金融數(shù)字化水平（當(dāng)n分別為0、1、2、3時(shí)）；Controla為各控制變量，當(dāng)a等于1、2或3時(shí)分別表示GOV、HC和KPL； αn為數(shù)字金融發(fā)展及其三個(gè)維度的回歸系數(shù)； β為各控制變量的回歸系數(shù)，反映各控制變量對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響程度；ui是 地區(qū)固定效應(yīng)；ε為隨機(jī)誤差項(xiàng)。

2.空間計(jì)量模型

為進(jìn)一步反映數(shù)字金融發(fā)展對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的空間溢出效應(yīng)，本文在基本模型的基礎(chǔ)上建立空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）。

（1）空間滯后模型（SLM）。SLM可以用于探究被解釋變量在鄰近區(qū)域內(nèi)是否具有溢出效應(yīng)，本文構(gòu)建如下空間滯后模型：

式（9）中，ρ為空間自回歸系數(shù)，W為空間權(quán)重矩陣。本文根據(jù)城市層面的特點(diǎn)，采用經(jīng)濟(jì)地理距離矩陣作為空間權(quán)重矩陣。

（2）空間誤差模型（SEM）。考慮到變量的空間滯后項(xiàng)，本文構(gòu)建如下空間誤差模型：

其中，λ為空間自回歸系數(shù)。

（3）空間杜賓模型（SDM）。本文在考慮自變量空間滯后項(xiàng)和因變量相關(guān)性的基礎(chǔ)上擴(kuò)展SAR與SEM模型，構(gòu)建如下空間杜賓模型：

四、實(shí)證結(jié)果分析

（一） 基本模型分析

首先，為確保檢驗(yàn)結(jié)果的穩(wěn)健性，本文采用固定效應(yīng)模型和隨機(jī)效應(yīng)模型對(duì)成渝城市群數(shù)字金融和經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)系進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表3。隨后，為確定具體采用哪種模型，本文進(jìn)行了Hausman檢驗(yàn)。經(jīng)檢驗(yàn)，Hausman檢驗(yàn)統(tǒng)計(jì)量為28.66，P值為0.00，因此采用固定效應(yīng)模型比隨機(jī)效應(yīng)模型更有效。

表3 基本模型估計(jì)結(jié)果

因?yàn)榻?jīng)濟(jì)高質(zhì)量發(fā)展和數(shù)字金融發(fā)展之間可能存在互為因果的關(guān)系，同時(shí)模型也可能存在其他內(nèi)生性問(wèn)題或遺漏變量，所以還應(yīng)采用GMM模型進(jìn)行估計(jì)，估計(jì)結(jié)果見(jiàn)表3。

從表3可以看出：（1）在成渝城市群內(nèi)，數(shù)字金融發(fā)展能促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。（2）與控制變量加入前相比，控制變量加入后解釋變量數(shù)字金融發(fā)展的回歸系數(shù)的符號(hào)和顯著性水平未發(fā)生顯著變化；與加入控制變量的固定效應(yīng)模型估計(jì)結(jié)果相比，在GMM估計(jì)結(jié)果中，數(shù)字金融發(fā)展的回歸系數(shù)的符號(hào)和顯著性水平?jīng)]有發(fā)生明顯變化。（3）控制變量政府支出、投資率和人力資本的回歸系數(shù)均為正，表明這三者均能促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

為進(jìn)一步了解數(shù)字金融發(fā)展各維度對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響，本文采用固定效應(yīng)模型對(duì)每個(gè)維度進(jìn)行回歸，回歸結(jié)果見(jiàn)表4?；貧w結(jié)果表明，數(shù)字金融覆蓋廣度、數(shù)字金融使用深度和數(shù)字金融數(shù)字化水平均能促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

表4 數(shù)字金融各維度回歸結(jié)果

（二） 空間相關(guān)性分析

1.全局莫蘭指數(shù)

本文采用Stata16軟件對(duì)各主要變量進(jìn)行空間相關(guān)性檢驗(yàn)，結(jié)果如表5所示。從表5可以看出：（1）2011—2019年，經(jīng)濟(jì)高質(zhì)量發(fā)展的全局莫蘭指數(shù)均為正值且大部分年份通過(guò)了顯著性檢驗(yàn)，數(shù)字金融發(fā)展和數(shù)字金融覆蓋廣度的莫蘭指數(shù)均顯著為正，表明成渝城市群內(nèi)各城市經(jīng)濟(jì)高質(zhì)量發(fā)展、數(shù)字金融發(fā)展和數(shù)字金融覆蓋廣度均具有正向空間相關(guān)性，呈現(xiàn)高—高集聚和低—低集聚的空間分布狀態(tài)。（2）2011—2019年，數(shù)字金融使用深度的莫蘭指數(shù)值存在明顯波動(dòng)，但總體上還是呈正的空間相關(guān)性。（3）數(shù)字金融數(shù)字化水平的莫蘭指數(shù)值僅有個(gè)別年份為正值，大多數(shù)年份為負(fù)值，表明數(shù)字金融數(shù)字化水平尚未形成穩(wěn)定的空間集聚狀態(tài)。因?yàn)?019年數(shù)字金融數(shù)字化水平的莫蘭指數(shù)為正值，所以為進(jìn)一步探究數(shù)字金融數(shù)字化水平對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的影響，本文擬對(duì)其進(jìn)行空間效應(yīng)檢驗(yàn)。

表5 主要變量的 Moran's I 值

2.局部莫蘭散點(diǎn)圖

為更直觀地觀測(cè)成渝城市群內(nèi)經(jīng)濟(jì)高質(zhì)量發(fā)展和數(shù)字金融發(fā)展的空間相關(guān)性，本文采用成渝城市群2019年的數(shù)據(jù)繪制了各主要變量的莫蘭散點(diǎn)圖，如圖1①所示。圖1（1）顯示成渝城市群內(nèi)各城市的經(jīng)濟(jì)高質(zhì)量發(fā)展大部分集中于一、三象限，呈現(xiàn)高—高集聚和低—低集聚的特征，即經(jīng)濟(jì)高質(zhì)量發(fā)展較好的城市會(huì)被經(jīng)濟(jì)高質(zhì)量發(fā)展較好的城市包圍，而經(jīng)濟(jì)高質(zhì)量發(fā)展較差的城市同樣會(huì)被經(jīng)濟(jì)高質(zhì)量發(fā)展較差的城市包圍。圖1（2）至圖1（5）分別是數(shù)字金融發(fā)展及其三個(gè)維度的莫蘭散點(diǎn)圖。從圖中可以看出，成渝城市群內(nèi)各城市的數(shù)字金融發(fā)展、數(shù)字金融覆蓋廣度、數(shù)字金融使用深度和數(shù)字金融數(shù)字化水平也呈現(xiàn)高—高集聚和低—低集聚的特征。這進(jìn)一步證明經(jīng)濟(jì)高質(zhì)量發(fā)展、數(shù)字金融發(fā)展及其三個(gè)維度均具有正向的空間相關(guān)性，選擇空間計(jì)量模型進(jìn)行研究具有可行性。

同時(shí)，從局部莫蘭散點(diǎn)圖可以看出，無(wú)論是經(jīng)濟(jì)高質(zhì)量發(fā)展還是數(shù)字金融發(fā)展及其三個(gè)維度，只有重慶和成都始終位于第一象限，其他城市則大多處于第三象限。這表明重慶和成都作為成渝城市群的核心城市，對(duì)整個(gè)城市群的輻射帶動(dòng)作用尚不顯著，還有很大的上升空間。

（三） 空間效應(yīng)分析

1.空間計(jì)量模型選擇

本文利用2011—2019年數(shù)據(jù)對(duì)變量成渝城市群數(shù)字金融發(fā)展及其三個(gè)維度與經(jīng)濟(jì)高質(zhì)量發(fā)展的空間相關(guān)性進(jìn)行LM檢驗(yàn)，DIF0、DIF1、DIF2和DIF3的LMERR、LMLAG及其穩(wěn)健形式的Robust LMERR和Robust LMLAG均通過(guò)顯著性檢驗(yàn)（見(jiàn)表6)，因此，本文更適合采用空間誤差模型進(jìn)行實(shí)證分析。

表6 LM 檢驗(yàn)及 Hausman 檢驗(yàn)結(jié)果

2.空間誤差模型回歸結(jié)果分析

數(shù)字金融及其三個(gè)維度的回歸結(jié)果見(jiàn)表7。從表7可以看出：數(shù)字金融發(fā)展的回歸系數(shù)和空間誤差系數(shù)均顯著為正，表明成渝城市群內(nèi)每個(gè)城市經(jīng)濟(jì)高質(zhì)量發(fā)展不僅受自身數(shù)字金融發(fā)展的正向影響，還受周邊城市經(jīng)濟(jì)高質(zhì)量發(fā)展空間溢出效應(yīng)的正向影響。數(shù)字金融覆蓋范圍、數(shù)字金融使用深度和數(shù)字金融數(shù)字化水平的回歸系數(shù)均為正，且均表現(xiàn)出統(tǒng)計(jì)意義上的顯著性，表明三者對(duì)成渝城市群內(nèi)各城市經(jīng)濟(jì)高質(zhì)量發(fā)展具有促進(jìn)作用；同時(shí)，三者的空間誤差系數(shù)也顯著為正，進(jìn)一步證實(shí)經(jīng)濟(jì)高質(zhì)量發(fā)展在成渝城市群內(nèi)具有正向的空間溢出效應(yīng)。在四次回歸中，控制變量投資率和人力資本的回歸系數(shù)顯著為正，表明投資的增加和人力資本的積累都能助推城市群內(nèi)各城市經(jīng)濟(jì)高質(zhì)量發(fā)展，政府支出的回歸系數(shù)則沒(méi)有體現(xiàn)出統(tǒng)計(jì)意義上的顯著性。

表7 空間誤差模型（SEM）回歸結(jié)果

五、結(jié)論及建議

（一） 研究結(jié)論

第一，基本模型的回歸結(jié)果表明：在成渝城市群內(nèi)，各城市的數(shù)字金融發(fā)展可以帶動(dòng)城市經(jīng)濟(jì)高質(zhì)量發(fā)展；數(shù)字金融發(fā)展對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展有推動(dòng)作用，其三個(gè)維度對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展均有促進(jìn)作用。

第二，空間模型的回歸結(jié)果表明成渝城市群內(nèi)經(jīng)濟(jì)高質(zhì)量發(fā)展具有正向的空間溢出效應(yīng)。

第三，控制變量的回歸結(jié)果表明，增加投資和積累人力資本是推動(dòng)成渝城市群內(nèi)各城市經(jīng)濟(jì)高質(zhì)量發(fā)展必不可少的措施。

（二） 對(duì)策建議

第一，依托重慶、成都等城市的科研資源和高新技術(shù)產(chǎn)業(yè)，以創(chuàng)新為發(fā)展突破口，加大創(chuàng)新力度，積極發(fā)展金融科技，借助科技創(chuàng)新和金融創(chuàng)新進(jìn)一步提高數(shù)字金融的普惠性和精準(zhǔn)性，促使數(shù)字金融發(fā)展更好地發(fā)揮支持經(jīng)濟(jì)高質(zhì)量發(fā)展的作用；同時(shí)，充分利用經(jīng)濟(jì)高質(zhì)量發(fā)展在成渝城市群內(nèi)的正向空間溢出效應(yīng)，推動(dòng)成渝城市群經(jīng)濟(jì)高質(zhì)量發(fā)展。

第二，在成渝城市群內(nèi)構(gòu)建各城市互聯(lián)互通的數(shù)字金融發(fā)展生態(tài)圈，實(shí)現(xiàn)城市間數(shù)字金融要素的優(yōu)化配置和有效對(duì)接，提高數(shù)字賦能背景下金融發(fā)展推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的效率；同時(shí)，各城市之間還應(yīng)建立必要的經(jīng)濟(jì)發(fā)展協(xié)調(diào)機(jī)制，按各城市的地理位置和要素稟賦明確各城市發(fā)展定位，提升各城市在城市群整體協(xié)同發(fā)展中的參與度，更好地發(fā)揮成都、重慶兩個(gè)中心城市的輻射帶動(dòng)作用，以最終實(shí)現(xiàn)城市群經(jīng)濟(jì)高質(zhì)量發(fā)展。

第三，更多地關(guān)注投資和人力資本。一方面，繼續(xù)增加投資，進(jìn)一步完善基礎(chǔ)設(shè)施建設(shè)，加強(qiáng)新型基礎(chǔ)設(shè)施建設(shè)，實(shí)施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，增強(qiáng)區(qū)域經(jīng)濟(jì)協(xié)調(diào)性，推動(dòng)跨地區(qū)的聯(lián)系合作，提高各城市數(shù)字金融發(fā)展的空間關(guān)聯(lián)程度，以實(shí)現(xiàn)區(qū)域內(nèi)經(jīng)濟(jì)、金融數(shù)據(jù)安全可靠的共享和經(jīng)濟(jì)、金融資源要素高效有序的流動(dòng)；另一方面，繼續(xù)完善人才引進(jìn)政策和機(jī)制，充分發(fā)揮成渝城市群人口優(yōu)勢(shì)和成都、重慶等城市高校多的優(yōu)勢(shì)，積極引進(jìn)掌握數(shù)字技術(shù)的復(fù)合型人才，尤其是數(shù)字金融人才，充分有效地利用數(shù)字金融發(fā)展推動(dòng)各行業(yè)高質(zhì)量發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

注釋?zhuān)?/p>

① 圖1中的數(shù)字01至15分別代表重慶、成都、自貢、瀘州、德陽(yáng)、綿陽(yáng)、遂寧、內(nèi)江、樂(lè)山、南充、眉山、宜賓、廣安、達(dá)州、雅安。