沈 洋 郭孝陽 張秀武

（華僑大學(xué)數(shù)量經(jīng)濟研究院，廈門 361021）

引 言

制造業(yè)是立國之本、興國之器、強國之基。改革開放以來，我國工業(yè)制造業(yè)取得了跨越式發(fā)展，行業(yè)規(guī)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(guī)模最大的制造業(yè)國家。不可置否的是，隱藏在 “中國增長奇跡”背后的重要驅(qū)動力正是來源于以制造業(yè)為核心的工業(yè)體系［1］。但隨著人口紅利逐漸消失、美國制造業(yè)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(yè) “大而不強”的弊病凸顯，工業(yè)高質(zhì)量發(fā)展之路仍道阻且長。供應(yīng)鏈 “斷鏈”隱患、產(chǎn)業(yè)韌性不足和產(chǎn)品附加值不高等問題迫切呼吁新動能、新技術(shù)和新環(huán)境。為破解我國制造業(yè)面臨的自主創(chuàng)新性不強、核心技術(shù)受制于人、產(chǎn)業(yè)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(shù)和制造業(yè)融合發(fā)展，將智能制造作為主攻方向，著力推進工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展，提升制造業(yè)數(shù)字化、網(wǎng)絡(luò)化和智能化發(fā)展水平，實現(xiàn)工業(yè)生產(chǎn)方式和企業(yè)形態(tài)根本性變革。智能制造作為智能化和工業(yè)化有機融合的粘合劑，正不斷突破新技術(shù)，催生新業(yè)態(tài)，實現(xiàn)制造信息系統(tǒng)和物理系統(tǒng)的高度協(xié)同與深度融合，進一步打通企業(yè)—供應(yīng)鏈—行業(yè)數(shù)據(jù)鏈，已成為新一輪工業(yè)革命的核心驅(qū)動力。作為數(shù)字經(jīng)濟浪潮中新業(yè)態(tài)的具體表現(xiàn)，數(shù)字普惠金融服務(wù)對象的篩選邏輯、 “金融痛點”的解決思路，正是金融高質(zhì)量發(fā)展的內(nèi)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(jīng)濟 “肌體”免疫力。那么，現(xiàn)行的數(shù)字普惠金融給我國工業(yè)智能制造帶來的影響究竟是 “福利”還是 “災(zāi)難”呢？若其真能如 “甘霖”般惠及我國工業(yè)發(fā)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(yè)國際競爭力和提升金融服務(wù)實體經(jīng)濟的適配度有啟示意義。

現(xiàn)有文獻(xiàn)對智能制造產(chǎn)生邏輯［2］、國際經(jīng)驗啟示［3－5］、 轉(zhuǎn)型路徑［6］以及數(shù)字金融對工業(yè)數(shù)字化轉(zhuǎn)型的影響［7－9］做了大量研究，但其主要是圍繞著數(shù)字金融或金融科技對企業(yè)技術(shù)創(chuàng)新、產(chǎn)業(yè)升級和產(chǎn)品質(zhì)量的研究，而智能制造作為現(xiàn)代信息技術(shù)物化于機器設(shè)備的典型實踐，關(guān)于數(shù)字普惠金融如何影響工業(yè)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(shù)字普惠金融何以影響工業(yè)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(shù)字普惠金融影響工業(yè)智能制造的分析框架，考察要素錯配在兩者傳導(dǎo)過程中發(fā)揮著何種作用；同時采用分位數(shù)回歸揭示數(shù)字普惠金融對工業(yè)智能制造的異質(zhì)性影響效應(yīng)，這有助于提升數(shù)字普惠金融服務(wù)工業(yè)現(xiàn)代化的精準(zhǔn)性。

1 作用機制與研究假設(shè)

1.1 數(shù)字普惠金融的直接效應(yīng)

于工業(yè)企業(yè)而言，融資約束往往是制約其技術(shù)創(chuàng)新和數(shù)字化轉(zhuǎn)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(yè)企業(yè)借款欲望，金融機構(gòu)嚴(yán)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(fēng)險造成企業(yè)貸款被拒時有發(fā)生，因而銀行大多采取 “所有制歧視”和 “規(guī)模歧視”來對沖信息不對稱的信用風(fēng)險和機會成本，其貸款額度也會低于市場出清水平［10］。數(shù)字普惠金融借助互聯(lián)網(wǎng)、社交媒體、定位系統(tǒng)等復(fù)合信息系統(tǒng)獲取金融產(chǎn)品信息大數(shù)據(jù)，并進一步通過云計算、深度學(xué)習(xí)和區(qū)塊鏈等智能化技術(shù)處理、分析技術(shù)來搜集和追蹤客戶信息。因而數(shù)字技術(shù)能降低金融借貸過程中的搜尋成本、復(fù)制成本、追蹤成本和驗證成本等多種經(jīng)濟成本［11］。這能緩解金融機構(gòu)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(wù)門檻、增加差異化金融產(chǎn)品供給和提高服務(wù)效率。同時，數(shù)字普惠金融還能通過大數(shù)據(jù)分析對獲得融資支持的企業(yè)的后續(xù)資金使用行為實行更為嚴(yán)格的監(jiān)管，借助數(shù)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(yè)偏好金融投資的短視行為和商業(yè)信用二次分配［12］。盡管數(shù)字普惠金融天然的普惠屬性決定了其對于初創(chuàng)公司和中等規(guī)模的企業(yè)更為友好。但同時在經(jīng)濟實踐中，因監(jiān)管制度不完善和技術(shù)隱蔽性強等原因，數(shù)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(yè)利潤最大化原則，金融機構(gòu)仍會優(yōu)先考慮資質(zhì)較好的企業(yè)并同時發(fā)揮著普惠金融的作用。數(shù)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(shù)字普惠金融對不同類型的工業(yè)企業(yè)智能制造有異質(zhì)性影響效應(yīng)。據(jù)此提出研究假設(shè)1和假設(shè)2：

假設(shè)1：數(shù)字普惠金融能促進工業(yè)智能制造。

假設(shè)2：數(shù)字普惠金融對工業(yè)智能制造的促進效應(yīng)有異質(zhì)性，其對中等水平企業(yè)的促進作用最大，而對初級水平企業(yè)的促進作用最小。

1.2 要素錯配的中介效應(yīng)

由于產(chǎn)業(yè)政策、制度障礙和地方保護主義等“經(jīng)濟楔子”干擾，中國要素市場化改革進程明顯滯后于產(chǎn)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(yù)和控制——職能部門掌管著初級要素資源的分配和定價權(quán)，要素價格被低估和市場扭曲現(xiàn)象較為嚴(yán)重［15］。從短期來看，這種出于保護本土產(chǎn)業(yè)而阻絕與其他區(qū)域貿(mào)易往來的行為在一定程度能促進本土相關(guān)市場主體發(fā)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(qū)間的自由流動，其直接結(jié)果是市場調(diào)節(jié)難以反映要素真實價格，進而導(dǎo)致價格信號失真，這會使得要素資源無法實現(xiàn)最優(yōu)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(yè)密集使用有形要素，同時也會使那些從事技術(shù)研發(fā)和智能化轉(zhuǎn)型的企業(yè)無法從范圍經(jīng)濟中獲取額外收益。低要素成本是中國制造業(yè)最直觀的比較優(yōu)勢，要素價格上漲會觸動其根基并產(chǎn)生劇烈影響，工業(yè)企業(yè)很有可能在價格上升中失去比較優(yōu)勢［17］。與此同時，若勞動力和資本要素價格被低估，相關(guān)企業(yè)會更傾向于將公司注意力轉(zhuǎn)移到尋租活動中以獲取持續(xù)性的低價有形要素，而不會通過高風(fēng)險、高投入的研發(fā)活動獲取利潤或發(fā)展機會，這顯然不利于企業(yè)數(shù)字化轉(zhuǎn)型和智能化改造［18］。

數(shù)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(tǒng)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(gòu)建的社交網(wǎng)絡(luò)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(shù)字金融參與度。因此，數(shù)字普惠金融能夠通過降低企業(yè)融資成本、促進個體創(chuàng)業(yè)和勞動力高質(zhì)量就業(yè)的渠道緩解要素錯配程度［19］。據(jù)此提出研究假設(shè)3和假設(shè)4：

假設(shè)3：要素錯配不利于工業(yè)智能制造。

假設(shè)4：數(shù)字普惠金融能減緩要素錯配，進而促進工業(yè)智能制造。

2 研究設(shè)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(shù)字化和自動化技術(shù)的總和，文獻(xiàn)中常出現(xiàn)的人工智能、工業(yè)機器人、工業(yè)互聯(lián)網(wǎng)都是智能制造在生產(chǎn)領(lǐng)域的具體實踐［20］。鑒于國際機器人聯(lián)合會（IFR）公布的是國家－行業(yè)層面的數(shù)據(jù)，不足以支撐本文的面板數(shù)據(jù)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(jù)IFR公布的14個制造業(yè)分類與我國31個制造業(yè)子行業(yè)進行匹配，然后利用歷年各地區(qū)各子行業(yè)城鎮(zhèn)單位就業(yè)人員占全國總就業(yè)人口的比重來作為權(quán)重指標(biāo)，最后引入美國2005年行業(yè)層面的工業(yè)機器人數(shù)量來構(gòu)造省級層面的工業(yè)機器人安裝密度。其計算公式表示為：

式 （1）中，Rob表示機器人安裝密度，本文用其表征智能制造；Lobjit為i?。▍^(qū)、市）j行業(yè)t年的從業(yè)人員數(shù)量，Lobit表示i省（區(qū)、市）t年所有行業(yè)城鎮(zhèn)單位從業(yè)人員數(shù)量，Robit表示j行業(yè)t年的工業(yè)機器人安裝存量，Lobjt為全國層面j行業(yè)t年的從業(yè)人員總量；MRobt／L2005為本文設(shè)定的工具變量，其中MRobt表示美國在年份t的工業(yè)機器人安裝存量，Lob2005表示2005年美國制造業(yè)從業(yè)人員數(shù)量。

2.2.2 核心解釋變量

數(shù)字普惠金融（DFI）。數(shù)字普惠金融是指在數(shù)字技術(shù)支持下通過金融服務(wù)促進普惠金融行動的總稱。 根據(jù)郭峰等 （2020）［23］和鐘凱等 （2022）［24］的研究，本文使用北京大學(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)”作為本文數(shù)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(yōu)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(xiàn)高回報率的生產(chǎn)要素流向低回報率的企業(yè)，此時資源配置偏離帕累托最優(yōu)狀態(tài)，要素錯配也就隨之產(chǎn)生了。本文主要使用Aoki模型測算要素錯配指數(shù)，其表現(xiàn)形式為：

式 （2） 和 （3） 中， τKi、 τLi分別表示資本錯配指數(shù)（MK）和勞動力錯配指數(shù)（ML）； γKi、 γLi分別表示第i個地區(qū)資本價格絕對扭曲系數(shù)和勞動力價格絕對扭曲系數(shù)；由于現(xiàn)實經(jīng)濟中價格絕對扭曲系數(shù)往往是難以觀測且無法獲取的，通行的做法是采用價格相對扭曲系數(shù)做替代。因而上述兩個式子可以轉(zhuǎn)化為：

2.1.4 控制變量

影響工業(yè)智能化轉(zhuǎn)型的因素有很多，為盡可能緩解遺漏重要變量產(chǎn)生的內(nèi)生性問題以獲取更加精準(zhǔn)的估計結(jié)果，根據(jù)現(xiàn)有文獻(xiàn)，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(chǎn)業(yè)升級（UP），選取第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值作為代理變量；城鎮(zhèn)化（Urban），選取城鎮(zhèn)人口占總?cè)丝诘谋戎刈鳛榇碜兞?；對外開放（Open），選取各省（區(qū)、市）進出口總額作為代理變量；土地成本（Price），選取商業(yè)營業(yè)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(diào)控（Gov），選取政府財政一般預(yù)算支出占國內(nèi)生產(chǎn)總值的比重作為代理變量；研發(fā)投入（RD），選取規(guī)模以上工業(yè)企業(yè)R＆D項目人員折合全時當(dāng)量（人年）作為代理變量。

2.2 計量模型

根據(jù)上文的理論機制分析，為驗證數(shù)字普惠金融對智能制造的影響，本文構(gòu)建了以下面板數(shù)據(jù)計量模型：

式 （6）中，下標(biāo)i和t分別表示?。▍^(qū)、市）和年份，νt表示時間固定效應(yīng)，λi表示個體固定效應(yīng)，εit表示服從白噪聲過程的隨機擾動項，Con?trol表示一系列控制變量。進一步地，為驗證要素錯配在數(shù)字普惠金融影響智能制造傳導(dǎo)過程中所發(fā)揮的中介效應(yīng)，延續(xù)溫忠麟等 （2004）［25］的思路建立中介效應(yīng)遞推方程組?；趦?nèi)生性考慮，本文將式 （6）拓展為兼具時間固定、個體固定及其一維交互項的交互固定效應(yīng)模型。相較于傳統(tǒng)固定效應(yīng)模型，該模型充分考慮了經(jīng)濟現(xiàn)實中的時間多維沖擊，以及不同個體對這些沖擊所表現(xiàn)的異質(zhì)性反應(yīng)，將時間效應(yīng)和個體效應(yīng)以乘法的形式納入模型，能更直接地反應(yīng)經(jīng)濟現(xiàn)實。因此可得到：

式 （7）～（9）共同組成資本要素錯配的中介效應(yīng)檢驗方程組。其中，式 （7）表示數(shù)字普惠金融影響智能制造的總效應(yīng)，其顯著是中介效應(yīng)存在的前提，若系數(shù)c1不顯著，那么就沒有必要展開后續(xù)的中介效應(yīng)檢驗程序。式 （9）表示分離資本錯配的間接效應(yīng)后數(shù)字普惠金融影響智能制造的直接效應(yīng)；式 （8）表示數(shù)字普惠金融對資本錯配的直接影響，其與式 （9）中資本錯配估計系數(shù)的乘積共同構(gòu)成間接效應(yīng)，即e2×c1。同樣地，式 （7）、式 （10）和式 （11） 共同組成了勞動力要素錯配的中介效應(yīng)檢驗方程組，相關(guān)釋義與資本錯配中介效應(yīng)模型保持一致。

2.3 數(shù)據(jù)來源

基于數(shù)據(jù)可得性原則，本文選取2011～2020年中國30個省（自治區(qū)、直轄市）（不含西藏和港、澳、臺地區(qū)）的面板數(shù)據(jù)作為考察樣本。本文相關(guān)變量的原始數(shù)據(jù)主要來源于 《中國統(tǒng)計年鑒》、《中國工業(yè)統(tǒng)計年鑒》、《中國勞動統(tǒng)計年鑒》、《中國國土資源統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、國際機器人聯(lián)盟、北京大學(xué)數(shù)字金融研究中心、美國經(jīng)濟分析局和EPS數(shù)據(jù)庫。極少數(shù)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(fā)的新冠肺炎疫情對中國宏觀經(jīng)濟運行產(chǎn)生了影響，但得益于相關(guān)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(fēng)險，因而新冠肺炎疫情對2020年經(jīng)濟的影響是有限的，樣本數(shù)據(jù)因此也未出現(xiàn)極端值。

3 實證分析

3.1 基準(zhǔn)回歸結(jié)果

根據(jù)式 （6）設(shè)定的計量經(jīng)濟學(xué)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(yīng)前提下的最基本估計結(jié)果。再考慮到各地區(qū)間的發(fā)展差異，選用雙向固定效應(yīng)并結(jié)合 DK（Driscoll－Kraay， DK）標(biāo)準(zhǔn)誤做擬合計算?；鶞?zhǔn)回歸結(jié)果見表1。

由表1可知，混合最小二乘法的估計系數(shù)為0.912且在1%水平上顯著，表明數(shù)字普惠金融能推動工業(yè)生產(chǎn)轉(zhuǎn)向智能制造，驗證了假設(shè)1。固定效應(yīng)的估計結(jié)果為0.087且在1%水平上顯著，數(shù)字普惠金融對智能制造的影響效應(yīng)與POLS的結(jié)果保持一致。若將兩者的結(jié)果作比較可以發(fā)現(xiàn)，在控制個體異質(zhì)性和時間異質(zhì)性后的雙向固定效應(yīng)模型的擬合系數(shù)明顯低于POLS的結(jié)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(shù)更符合真實值，考慮個體差異和時間差異是有必要的。在數(shù)字經(jīng)濟時代，隨著數(shù)字技術(shù)在金融領(lǐng)域的廣泛運用和推廣，金融科技助力資金流通順暢和財產(chǎn)優(yōu)化配置，為未來的金融模式和商業(yè)運營帶來了全面的變革性力量。

表1 基準(zhǔn)回歸估計結(jié)果

3.2 穩(wěn)健性檢驗

3.2.1 縮尾處理

若樣本數(shù)據(jù)中存在離群值則可能對回歸結(jié)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(nèi)自相關(guān)的考慮，本文分別做了組間異方差沃爾德檢驗、組內(nèi)自相關(guān)沃爾德檢驗和組間同期相關(guān)的Breusch－Pa?gan LM檢驗，3種方法的檢驗結(jié)果均顯示在1%水平上拒絕原假設(shè)，認(rèn)為建立的計量模型存在異方差、序列相關(guān)和截面相關(guān)問題。盡管基準(zhǔn)回歸部分本文使用了DK穩(wěn)健標(biāo)準(zhǔn)誤做修正，但考慮其功效性和嚴(yán)謹(jǐn)性，本文在考慮自回歸系數(shù)相同（AR1）的情形下運用FGLS模型對上述幾個問題進一步調(diào)整。

3.2.3 內(nèi)生性問題

上文為緩解遺漏變量內(nèi)生性問題從而選取了盡可能多的控制變量，但數(shù)字普惠金融和智能制造之間潛在的互為因果關(guān)系的內(nèi)生性問題還需警惕。鑒于北京大學(xué)數(shù)字金融研究院的數(shù)字普惠金融指數(shù)也是根據(jù)螞蟻金服交易數(shù)據(jù)編制而成，本文使用各?。▍^(qū)、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(yán)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(shù)據(jù)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(shù)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(qū)間地理差異和經(jīng)濟社會發(fā)展差異，空間權(quán)重矩陣使用的是經(jīng)濟地理嵌套矩陣。最后，考慮到空間計量模型易受到空間權(quán)重矩陣干擾，為增強其估計結(jié)果的穩(wěn)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(nèi)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(nèi)生性問題。

由穩(wěn)健性檢驗結(jié)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(jié)果均顯示，數(shù)字普惠金融至少在5%顯著性水平上正向影響智能制造。穩(wěn)健性檢驗結(jié)果與基準(zhǔn)回歸的估計結(jié)果大致保持一致，只是估計系數(shù)有輕微變動，這表明基準(zhǔn)回歸部分得出的數(shù)字普惠金融能夠正向促進制造業(yè)智能化轉(zhuǎn)型的結(jié)論是穩(wěn)健且可靠的。

4 數(shù)字普惠金融影響工業(yè)智能制造的機制和異質(zhì)性分析

4.1 機制檢驗

為驗證要素錯配在數(shù)字普惠金融正向影響工業(yè)智能制造的傳導(dǎo)路徑中發(fā)揮著何種作用，根據(jù)上文建立的中介效應(yīng)方程組，使用交互固定效應(yīng)模型做驗證，擬合結(jié)果見表2。

由表2可知，在交互固定效應(yīng)模型中數(shù)字普惠金融對工業(yè)智能制造的估計系數(shù)為0.092且在1%水平上顯著，表明總效應(yīng)是成立的，可以做下一步中介效應(yīng)分析。從中介效應(yīng)的第二段方程來看，數(shù)字普惠金融對資本錯配和勞動力錯配的估計系數(shù)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(yīng)成立。最后從中介效應(yīng)的第三段方程來看，數(shù)字普惠金融對工業(yè)智能制造的估計系數(shù)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(yè)智能制造的估計系數(shù)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(fā)生要素錯配，其對工業(yè)數(shù)字化發(fā)展都是起負(fù)面作用的，驗證了假設(shè)3。另外，分別納入資本錯配和勞動力錯配后，數(shù)字普惠金融對工業(yè)智能制造的估計系數(shù)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(yè)智能化轉(zhuǎn)型，但卻強化了數(shù)字普惠金融的正向作用。從e2×c1、f2×d1與總效應(yīng)d1的符號來看，可以發(fā)現(xiàn)間接效應(yīng)與總效應(yīng)的符號保持一致，表明資本錯配和勞動力錯配在數(shù)字普惠金融影響工業(yè)智能制造的傳導(dǎo)路徑中發(fā)揮著部分中介作用，其中介效應(yīng)占比分別為8.87%和6.15%，驗證了假設(shè)4。

表2 機制檢驗結(jié)果

4.2 異質(zhì)性檢驗

相較于傳統(tǒng)線性計量模型，分位數(shù)回歸的優(yōu)點在于：（1）一般的線性回歸模型著重考察的是自變量對因變量條件期望E（l｜x）的影響，所得的平均估計效應(yīng)只能反映分布于l｜x的集中趨勢；而分位數(shù)回歸能夠估計條件分布l｜x在不同區(qū)間的條件分位數(shù)，更能反映變量間的相關(guān)性；（2）使用殘差絕對值的加權(quán)平均作為最小化目標(biāo)函數(shù)，能降低離群值對估計結(jié)果的影響。具體而言，分位數(shù)回歸可以分為條件分位數(shù)回歸（CQR）和無條件分位數(shù)回歸（UQR）。由于CQR的條件累積分布函數(shù)Fl｜x（·）依賴于自變量x，且該方法的估計結(jié)果考慮了過多甚至是不必要的個體特征，同時還易受到協(xié)變量刪減變化的影響；而非條件分位數(shù)回歸正好克服了這些缺陷，所估計的結(jié)果是 “無條件”的?；赗IF中心方程法的無條件分位數(shù)估計結(jié)果見表3。

表3 無條件分位數(shù)估計結(jié)果

由表3可知，在不同工業(yè)機器人安裝密度層面上，數(shù)字普惠金融對工業(yè)智能制造的邊際影響效應(yīng)均為正，表明考察期內(nèi)數(shù)字普惠金融能推動工業(yè)智能化轉(zhuǎn)型的影響效應(yīng)始終是成立的；但在不同分位點上，數(shù)字普惠金融對智能制造的影響有明顯的異質(zhì)性，驗證了假設(shè)2。隨著分位點從低位（0.1）向高位（0.9）變動，數(shù)字普惠金融對智能制造的影響系數(shù)由0.498提升至0.977，同時在50%分位點處有明顯的 “拐點效應(yīng)”，其影響系數(shù)大致呈現(xiàn)出先增加后下降的倒U型演進趨勢；最后，當(dāng)分位點處于0.25～0.75的區(qū)間時，數(shù)字普惠金融對智能制造的影響效應(yīng)比較大，表明數(shù)字普惠金融更能夠惠及那些中等智能化發(fā)展水平的工廠，這也體現(xiàn)了數(shù)字普惠金融對社會中等階層有更強的包容性。

5 結(jié)論與建議

云制造、服務(wù)型制造和智能制造以顛覆性技術(shù)為依托，已成為做大做強做優(yōu)中國制造、中國創(chuàng)造的重要突破口。本文先是從理論層面闡釋了數(shù)字普惠金融、要素錯配對工業(yè)智能制造的作用機制和傳導(dǎo)路徑；然后以2011～2020年中國省級面板數(shù)據(jù)為考察樣本，綜合運用固定效應(yīng)、中介效應(yīng)和無條件分位數(shù)回歸驗證了數(shù)字普惠金融、要素錯配對工業(yè)智能制造的影響效應(yīng)。研究結(jié)果表明：（1）數(shù)字普惠金融能夠顯著推動工業(yè)智能化轉(zhuǎn)型，且這一結(jié)論經(jīng)過一系列穩(wěn)健性和內(nèi)生性處理后依然成立；（2）勞動力錯配和資本錯配在數(shù)字普惠金融影響工業(yè)智能制造的傳導(dǎo)過程中發(fā)揮著部分中介作用，即數(shù)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(wù)于實體經(jīng)濟的作用效果，其中資本錯配和勞動力錯配的中介效應(yīng)占比分別為8.87%和6.15%；（3）數(shù)字普惠金融對工業(yè)智能制造的正向影響效應(yīng)呈現(xiàn)兩頭小中間大的 “橄欖型”分布態(tài)勢；在給定的5個分位點中，數(shù)字普惠金融對工業(yè)智能制造的推動作用在50%分位點處達(dá)到最大值，有明顯的 “拐點效應(yīng)”。

結(jié)合上述研究結(jié)論，本文提出以下政策建議：

（1）完善數(shù)字金融基礎(chǔ)設(shè)施。努力拓展數(shù)字普惠金融的覆蓋廣度，強化使用深度，夯實數(shù)字支持程度。在踐行金融普惠性和商業(yè)可持續(xù)性的基本指導(dǎo)理念基礎(chǔ)上，打造一個更具備包容性的現(xiàn)代數(shù)字普惠金融體系，通過完善個人支付、小額信貸、互聯(lián)網(wǎng)保險和基金理財?shù)葦?shù)字化功能，重點保障中小微企業(yè)公平機會獲取金融資源的權(quán)益，適當(dāng)推出符合規(guī)模以上工業(yè)企業(yè)中長期貸款需求的產(chǎn)品。充分發(fā)揮人工智能、大數(shù)據(jù)分析和云計算等新一代數(shù)字技術(shù)在資源配置精準(zhǔn)化、服務(wù)渠道全時化、業(yè)務(wù)流程自動化、風(fēng)險管控智能化的實踐優(yōu)勢，極力創(chuàng)新供應(yīng)鏈金融、融資租賃、債權(quán)融資、抵押擔(dān)保和投貸保聯(lián)動與研發(fā)投資等金融服務(wù)和產(chǎn)品，力促數(shù)字技術(shù)完善與普惠金融發(fā)展同頻共振，構(gòu)建多層次、全鏈條、專業(yè)化和在地化的智能制造數(shù)字普惠金融服務(wù)體系。

（2）注意風(fēng)險防控。推動數(shù)字普惠金融服務(wù)工業(yè)智能制造的過程中，應(yīng)始終遵循合規(guī)經(jīng)營和守正創(chuàng)新的底線，積極解決行業(yè)發(fā)展突出問題。相關(guān)行政主體應(yīng)進一步完善相關(guān)制度體系，嚴(yán)格把控數(shù)字金融市場準(zhǔn)入，明確各監(jiān)管機構(gòu)的行政職責(zé)與考核標(biāo)準(zhǔn)，優(yōu)化數(shù)字金融監(jiān)管體系框架，制定包括政策、制度、技術(shù)在內(nèi)的系統(tǒng)性數(shù)字普惠金融防范與化解體系，維護良好的金融生態(tài)環(huán)境和金融發(fā)展格局。逐步探索應(yīng)用以區(qū)塊鏈、多方安全計算、聯(lián)邦學(xué)習(xí)為內(nèi)核的隱私計算，搭建跨機構(gòu)、跨領(lǐng)域的數(shù)據(jù)融合應(yīng)用平臺，推動智能制造領(lǐng)域的金融信用信息和新型替代性數(shù)據(jù)有機結(jié)合，筑牢數(shù)字普惠金融服務(wù)智能制造的數(shù)據(jù)基礎(chǔ)，防范化解金融風(fēng)險。

（3）強化金融供給精準(zhǔn)性。將目光聚焦于制造業(yè)核心本質(zhì)，緊扣智能制造特征內(nèi)核，重點面向關(guān)鍵技術(shù)核心攻關(guān)、網(wǎng)絡(luò)協(xié)同等新模式培育，智能制造創(chuàng)新成果轉(zhuǎn)化、工業(yè)互聯(lián)網(wǎng)及工業(yè)軟件研發(fā)和智能制造硬裝備等新型基礎(chǔ)設(shè)施建設(shè)，充分發(fā)揮產(chǎn)業(yè)融合平臺、銀企融合平臺的作用，依法合規(guī)調(diào)取企業(yè)生產(chǎn)經(jīng)營信息、產(chǎn)業(yè)政策信息和金融產(chǎn)品信息，深入挖掘各類型工業(yè)企業(yè)對金融服務(wù)的差異化需求和有效需求，充分利用數(shù)字技術(shù)增加金融供給的靈活性和適應(yīng)性。始終按照 “擇優(yōu)、扶強、扶優(yōu)、普惠和商業(yè)可持續(xù)”的原則，從源頭把控金融供給質(zhì)量，為真正有市場、有需求、有效益和有技術(shù)的智能制造企業(yè)主體和項目提供高質(zhì)量的金融服務(wù)供給。