高巍，高嘉靜

（1.哈爾濱商業(yè)大學(xué)金融學(xué)院，哈爾濱 150028；2.哈爾濱工程大學(xué)國(guó)家大學(xué)科技園博士后科研工作站，哈爾濱 150001）

0 引言

金融與實(shí)體經(jīng)濟(jì)之間的關(guān)系是政府關(guān)注的重中之重。金融是實(shí)體經(jīng)濟(jì)的血脈，其通過(guò)配置社會(huì)經(jīng)濟(jì)資源以影響實(shí)體經(jīng)濟(jì)的發(fā)展，而實(shí)體經(jīng)濟(jì)是一國(guó)經(jīng)濟(jì)立身之本。因此，想要更好地發(fā)展實(shí)體經(jīng)濟(jì)就需要厘清金融與實(shí)體經(jīng)濟(jì)之間的關(guān)系，這一關(guān)系不僅受到了政府的高度重視，而且在學(xué)術(shù)界也得到了廣泛關(guān)注。

目前對(duì)于金融與實(shí)體經(jīng)濟(jì)關(guān)系的研究主要集中在以下兩個(gè)方面：一是測(cè)度金融服務(wù)實(shí)體經(jīng)濟(jì)的效率。Desli等（2003）[1]通過(guò)動(dòng)態(tài)隨機(jī)前沿模型分析發(fā)現(xiàn)，對(duì)于不同時(shí)期、不同個(gè)體，金融的服務(wù)效率不同。戴偉和張雪芳（2016）[2]在進(jìn)行金融資源配置效率測(cè)度時(shí)發(fā)現(xiàn)，整體而言，金融資源配置效率不高。游士兵和楊芳（2019）[3]利用非徑向方向距離函數(shù)，基于綠色視角測(cè)算金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，研究表明金融服務(wù)實(shí)體經(jīng)濟(jì)主要依靠規(guī)模效率，并且提出應(yīng)從供給側(cè)提高技術(shù)效率。二是探索影響金融服務(wù)實(shí)體經(jīng)濟(jì)效率的因素。Cecchetti和Kharroubi（2012）[4]通過(guò)研究發(fā)現(xiàn)，金融規(guī)模過(guò)快增長(zhǎng)以及金融泡沫的形成均會(huì)抑制實(shí)體經(jīng)濟(jì)增長(zhǎng)，進(jìn)而降低金融服務(wù)實(shí)體經(jīng)濟(jì)的效率。吳金燕和滕建州（2019）[5]發(fā)現(xiàn)只有與實(shí)體經(jīng)濟(jì)相匹配的金融化水平才能夠促進(jìn)經(jīng)濟(jì)發(fā)展，否則就會(huì)產(chǎn)生抑制作用。張林和張維康（2017）[6]研究得出，金融產(chǎn)業(yè)規(guī)模擴(kuò)張以及政府干預(yù)都會(huì)對(duì)金融服務(wù)實(shí)體經(jīng)濟(jì)的效率產(chǎn)生負(fù)向影響。

數(shù)字普惠金融利用大數(shù)據(jù)技術(shù)提高了金融觸達(dá)能力，有效解決了信息不對(duì)稱(chēng)問(wèn)題，在一定程度上提高了資源配置效率，降低了金融機(jī)構(gòu)的管理成本以及弱勢(shì)群體融通資金的成本，對(duì)于促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展有重要意義。有效地將大數(shù)據(jù)技術(shù)運(yùn)用到產(chǎn)業(yè)發(fā)展中，將會(huì)為實(shí)體經(jīng)濟(jì)發(fā)展提供新動(dòng)力[7]。并且，現(xiàn)有文獻(xiàn)也為數(shù)字普惠金融對(duì)于經(jīng)濟(jì)發(fā)展的重要性提供了豐富論證。Dupas和Robinson（2013）[8]認(rèn)為數(shù)字普惠金融可以穩(wěn)定經(jīng)濟(jì)發(fā)展，并且能夠提升金融配置資源的能力。成學(xué)真和龔沁宜（2020）[9]發(fā)現(xiàn)數(shù)字普惠金融可以實(shí)現(xiàn)居民的跨期消費(fèi)，進(jìn)而影響實(shí)體經(jīng)濟(jì)。楊剛和張亨溢（2022）[10]研究發(fā)現(xiàn)數(shù)字普惠金融對(duì)于經(jīng)濟(jì)增長(zhǎng)存在顯著的促進(jìn)作用。因此，深入研究數(shù)字普惠金融和實(shí)體經(jīng)濟(jì)之間的關(guān)系對(duì)于更好地發(fā)展實(shí)體經(jīng)濟(jì)意義重大。

本文結(jié)合數(shù)字普惠金融的特性，選取我國(guó)31個(gè)省份（不含港澳臺(tái)）的面板數(shù)據(jù)，構(gòu)建了數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的投入產(chǎn)出指標(biāo)體系，并利用DEA模型和Malmquist指數(shù)測(cè)度了數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，在此基礎(chǔ)上通過(guò)固定效應(yīng)Tobit模型分析了數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的影響因素，以期探索提升數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的思路，為相關(guān)部門(mén)制定政策提供參考依據(jù)。

1 變量選擇與模型設(shè)計(jì)

在效率測(cè)度方法的選取方面，考慮到DEA模型具有既無(wú)須假定參數(shù)有效性，也無(wú)須構(gòu)建具體函數(shù)估計(jì)參數(shù)的優(yōu)勢(shì)，本文將利用DEA模型進(jìn)行效率測(cè)度。然而，由于DEA模型不考慮時(shí)間維度，因此本文將結(jié)合DEA模型中的BCC模型和Malmquist指數(shù)從靜態(tài)和動(dòng)態(tài)兩個(gè)方面來(lái)測(cè)度數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率。具體投入、產(chǎn)出指標(biāo)的選取如表1所示。

表1 數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的投入產(chǎn)出指標(biāo)體系

本文參考以往文獻(xiàn)的指標(biāo)選取，發(fā)現(xiàn)在投入指標(biāo)的選取上，大多數(shù)文獻(xiàn)從金融從業(yè)人員數(shù)、金融機(jī)構(gòu)數(shù)量以及社會(huì)融資規(guī)模這三個(gè)方面來(lái)衡量金融資源總投入。然而，數(shù)字普惠金融與傳統(tǒng)金融既有相通之處，也有不同之處。傳統(tǒng)金融通過(guò)機(jī)構(gòu)網(wǎng)點(diǎn)提供金融服務(wù)，“金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)”及“金融服務(wù)人員數(shù)”等是其對(duì)客戶(hù)的觸達(dá)能力的具體表現(xiàn)；而數(shù)字普惠金融則依托大數(shù)據(jù)、云計(jì)算等技術(shù)來(lái)提供金融服務(wù)，其覆蓋廣度能夠體現(xiàn)對(duì)客戶(hù)的觸達(dá)能力，使用深度可以衡量用戶(hù)對(duì)數(shù)字普惠金融的實(shí)際使用情況，數(shù)字化程度則是影響用戶(hù)使用數(shù)字普惠金融的原因[11]。

雖然數(shù)字普惠金融與傳統(tǒng)金融機(jī)構(gòu)提供服務(wù)的方式存在差異，但是隨著數(shù)字普惠金融的不斷推進(jìn)，商業(yè)銀行等傳統(tǒng)金融機(jī)構(gòu)也引進(jìn)了數(shù)字技術(shù)。因此，為區(qū)別數(shù)字普惠金融和傳統(tǒng)金融對(duì)實(shí)體經(jīng)濟(jì)的影響，并且考慮到經(jīng)濟(jì)意義和數(shù)據(jù)可得性，本文采用北京大學(xué)數(shù)字普惠金融指數(shù)中的覆蓋廣度、使用深度、數(shù)字化程度作為投入指標(biāo)。

在產(chǎn)出指標(biāo)的選取方面，本文以實(shí)體經(jīng)濟(jì)增加值和人民生活水平作為產(chǎn)出變量，其中，用各省份減去金融業(yè)增加值后的GDP來(lái)表示實(shí)體經(jīng)濟(jì)增加值[12]，以各省份人均可支配收入衡量人民生活水平[13]。鑒于國(guó)家統(tǒng)計(jì)局從2013年開(kāi)始統(tǒng)計(jì)各省份人均可支配收入，為保證統(tǒng)計(jì)數(shù)據(jù)的一致性，本文的測(cè)度區(qū)間為2013—2020年。

本文數(shù)據(jù)來(lái)源于《北京大學(xué)數(shù)字普惠金融指數(shù)》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)金融年鑒》和各省份統(tǒng)計(jì)年鑒。

2 數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率測(cè)度與分析

2.1 DEA的BCC模型下的靜態(tài)分析

通過(guò)投入導(dǎo)向的BCC模型對(duì)31個(gè)省份2013—2020年的數(shù)據(jù)進(jìn)行研究，并且從綜合技術(shù)效率（crste）總視角以及純技術(shù)效率（vrste）和規(guī)模效率（scale）兩個(gè)分視角全面分析數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率。

2.1.1 總視角

（1）通過(guò)運(yùn)用BCC模型測(cè)算8年間31個(gè)省份的數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率發(fā)現(xiàn)，除了綜合技術(shù)效率值為1的省份外，所有省份均處于規(guī)模報(bào)酬遞增階段，這表明幾乎對(duì)所有省份而言，在數(shù)字普惠金融不斷發(fā)展的過(guò)程中均存在規(guī)模經(jīng)濟(jì)。而且，觀察發(fā)現(xiàn)，北京、上海、江蘇、浙江、山東、廣東這6個(gè)省份的數(shù)字普惠金融對(duì)實(shí)體經(jīng)濟(jì)的服務(wù)能力持續(xù)有效或者相對(duì)有效，即這些省份數(shù)字普惠金融的投入和實(shí)體經(jīng)濟(jì)的產(chǎn)出處于相對(duì)均衡狀態(tài)，具體如表2所示。

表2 2013—2020年各省份數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)有效或相對(duì)有效區(qū)域

（2）通過(guò)測(cè)算結(jié)果可以發(fā)現(xiàn)，雖然只有6個(gè)省份的綜合技術(shù)效率值持續(xù)為1（或接近于1），但是大多數(shù)省份八年來(lái)均處于效率值高于0.5的易提升階段，只有海南、貴州、云南、西藏、甘肅、青海這6個(gè)省份的部分年份的綜合技術(shù)效率值小于0.5，具體如圖1所示。

圖1 2013—2020年各省份的綜合技術(shù)效率值圖

2.1.2 分視角

（1）大多數(shù)省份的綜合技術(shù)效率明顯非有效，主要是由規(guī)模效率明顯非有效導(dǎo)致的，具體如表3所示。其中，河北、內(nèi)蒙古、湖南、貴州、西藏、青海、寧夏這7個(gè)省份是典型的純技術(shù)效率有效而規(guī)模效率明顯非有效導(dǎo)致的綜合技術(shù)效率明顯非有效的省份?？梢钥闯?，對(duì)于這些省份而言，數(shù)字普惠金融仍無(wú)法提供與其所需規(guī)模相匹配的金融服務(wù)，從而使得數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)能力不足，尤其以西藏為典型。因此，這些省份應(yīng)通過(guò)進(jìn)一步發(fā)展數(shù)字普惠金融以增強(qiáng)其對(duì)客戶(hù)的觸達(dá)能力，優(yōu)化其投入產(chǎn)出規(guī)模，從而促進(jìn)實(shí)體經(jīng)濟(jì)的發(fā)展，同時(shí)，保持純技術(shù)效率的優(yōu)勢(shì)。

表3 數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率分布有明顯特征的省份

（2）天津、山西、遼寧、吉林、黑龍江、安徽、福建、江西、河南、湖北、廣西、海南、重慶、四川、云南、新疆這些省份是規(guī)模效率明顯非有效與純技術(shù)效率相對(duì)有效導(dǎo)致的綜合技術(shù)效率明顯非有效的省份。針對(duì)這些省份需要同步推進(jìn)規(guī)模效率和純技術(shù)效率的提高，通過(guò)加強(qiáng)這些省份的科學(xué)化管理和推進(jìn)數(shù)字普惠金融結(jié)構(gòu)升級(jí)來(lái)提高其純技術(shù)效率，并進(jìn)一步擴(kuò)大這些省份數(shù)字普惠金融的覆蓋范圍以擴(kuò)大其規(guī)模效率，進(jìn)而提高這些省份的綜合技術(shù)效率。

總之，雖然處于有效狀態(tài)的省份較少，但是大多數(shù)省份都處于綜合技術(shù)效率易提升階段，因此可以通過(guò)不斷完善數(shù)字普惠金融以逐步提高其推動(dòng)實(shí)體經(jīng)濟(jì)發(fā)展的能力。

2.2 Malmquist指數(shù)下的動(dòng)態(tài)分析

2.2.1 全國(guó)視角

從各省份效率變化的均值及分解值可以看出：只有浙江的規(guī)模效率變化（sech）的平均值大于1，這意味著只有浙江的規(guī)模效率總體呈增長(zhǎng)趨勢(shì)，表明其數(shù)字普惠金融相關(guān)指標(biāo)的投入量和實(shí)體經(jīng)濟(jì)產(chǎn)出量之間越來(lái)越具有規(guī)模經(jīng)濟(jì)；有15個(gè)省份的純技術(shù)效率變化（pech）大于1，表明在數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的過(guò)程中，這15個(gè)省份的數(shù)字普惠金融提供的金融服務(wù)結(jié)構(gòu)逐漸優(yōu)化，管理層面也越來(lái)越科學(xué)化，具體如表4所示。

表4 2013—2020年各省份效率測(cè)度值及分解值的均值

2.2.2 分區(qū)域視角

上文分析均是建立在全國(guó)范圍基礎(chǔ)上探討不同省份數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，為了進(jìn)一步探究區(qū)域差異是否會(huì)影響數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，本文根據(jù)國(guó)家統(tǒng)計(jì)局的分類(lèi)從東部、西部、中部三大地區(qū)分析數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，具體如表4所示。

從測(cè)算結(jié)果可以看出，東部、西部、中部三大地區(qū)的數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的全要素生產(chǎn)率（tfpch）的變化總體均呈下降趨勢(shì)。同時(shí)，結(jié)合圖2至下頁(yè)圖4可以看出，對(duì)于三大地區(qū)而言，技術(shù)進(jìn)步變化與全要素生產(chǎn)率的變化趨勢(shì)是最相近的，可知全要素生產(chǎn)率的這種下降趨勢(shì)主要是由技術(shù)進(jìn)步下降導(dǎo)致的。通過(guò)具體數(shù)值可以看出，西部地區(qū)的技術(shù)進(jìn)步變化下降幅度最小，東部地區(qū)次之，中部地區(qū)下降幅度最大。三大地區(qū)的全要素生產(chǎn)率的變化也存在微弱差異，其中，西部地區(qū)全要素生產(chǎn)率平均每年下降2.7%，下降幅度最??；東部地區(qū)和中部地區(qū)下降幅度相同，為平均每年下降3.5%。

圖2 東部地區(qū)全要素生產(chǎn)率及其分解值圖

圖3 西部地區(qū)全要素生產(chǎn)率及其分解值圖

圖4 中部地區(qū)全要素生產(chǎn)率及其分解值圖

雖然三大地區(qū)的全要素生產(chǎn)率均呈下降趨勢(shì)，但西部地區(qū)下降幅度最小從側(cè)面反映了西部地區(qū)的數(shù)字普惠金融在服務(wù)實(shí)體經(jīng)濟(jì)方面起更大的作用。西部地區(qū)經(jīng)濟(jì)在三大地區(qū)中多年來(lái)一直處于相對(duì)落后的位置，而結(jié)果表明數(shù)字普惠金融的發(fā)展對(duì)其經(jīng)濟(jì)發(fā)展是有助力的，數(shù)字普惠金融的發(fā)展讓西部地區(qū)和東部地區(qū)、中部地區(qū)之間的差距有縮小的可能。除此之外，圖2至圖4中各個(gè)指數(shù)的變化趨勢(shì)逐漸趨于平緩，這表明隨著數(shù)字普惠金融的不斷發(fā)展，其服務(wù)實(shí)體經(jīng)濟(jì)的效率正在進(jìn)入一個(gè)相對(duì)穩(wěn)定的階段。

3 數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的影響因素分析

3.1 模型選擇和數(shù)據(jù)說(shuō)明

通過(guò)上文的測(cè)算結(jié)果可以發(fā)現(xiàn)，數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率并不都十分有效。為了進(jìn)一步考察影響數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的因素，本文以2013—2020年數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的綜合技術(shù)效率（此處及后文將crste簡(jiǎn)化為Crs以代表綜合技術(shù)效率）為被解釋變量，分析影響該值的因素。

在解釋變量的選取過(guò)程中，參考其他文獻(xiàn)中效率測(cè)度影響因素的選取，本文從經(jīng)濟(jì)、政策等數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的大環(huán)境出發(fā)，并結(jié)合數(shù)字普惠金融的特點(diǎn)，選取的最終主要解釋變量見(jiàn)表5。

表5 變量說(shuō)明

由于數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的綜合技術(shù)效率是典型的取值在[0,1]的雙截尾數(shù)據(jù)，故本文采用面板Tobit模型進(jìn)行回歸以減少誤差。通過(guò)Hausman檢驗(yàn)發(fā)現(xiàn)，結(jié)果接受原假設(shè)，故采用固定效應(yīng)Tobit模型，檢驗(yàn)發(fā)現(xiàn)大多數(shù)回歸結(jié)果顯示存在時(shí)間效應(yīng)且不存在個(gè)體固定效應(yīng)，因此具體模型構(gòu)建如下：

其中，i和t分別表示區(qū)域和年份，β表示待估計(jì)的系數(shù)矩陣，ηt是時(shí)間效應(yīng)，εit表示與解釋變量無(wú)關(guān)的隨機(jī)擾動(dòng)項(xiàng)。

3.2 實(shí)證分析

3.2.1 全國(guó)范圍視角

上述固定效應(yīng)Tobit模型回歸結(jié)果具體如表6所示。

表6 Tobit模型下數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的影響因素分析結(jié)果

通過(guò)表6可以看出，數(shù)字普惠金融發(fā)展水平對(duì)綜合技術(shù)效率的影響在5%的統(tǒng)計(jì)水平上顯著，并且其系數(shù)估計(jì)值為負(fù)。然而，該系數(shù)估計(jì)值的絕對(duì)值較小，可見(jiàn)，數(shù)字普惠金融發(fā)展水平在全國(guó)范圍內(nèi)雖然對(duì)綜合技術(shù)效率影響為負(fù)，但影響程度不大。這說(shuō)明數(shù)字普惠金融發(fā)展時(shí)間較短，導(dǎo)致數(shù)字普惠金融發(fā)展質(zhì)量不高，整個(gè)數(shù)字普惠金融體系仍不十分完善，無(wú)法滿(mǎn)足實(shí)體經(jīng)濟(jì)充分發(fā)展所需，最終導(dǎo)致數(shù)字普惠金融發(fā)展水平對(duì)綜合技術(shù)效率在全國(guó)范圍形成負(fù)向但較小的影響。

銀行集中度對(duì)數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的能力在1%的統(tǒng)計(jì)水平上呈顯著的正向影響。這表明從全國(guó)范圍來(lái)看，傳統(tǒng)金融機(jī)構(gòu)通過(guò)引進(jìn)數(shù)字技術(shù)為客戶(hù)提供金融服務(wù)，在一定程度上擴(kuò)大了資金支持所能覆蓋的群體范圍，從而推動(dòng)實(shí)體經(jīng)濟(jì)發(fā)展，數(shù)字普惠金融通過(guò)這一途徑實(shí)現(xiàn)了服務(wù)實(shí)體經(jīng)濟(jì)這一目標(biāo)。

政府金融集權(quán)度的P值為0.000，表明其對(duì)數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的影響在1%的統(tǒng)計(jì)水平上顯著，可見(jiàn)，政府金融集權(quán)度對(duì)綜合技術(shù)效率的影響十分明顯。通過(guò)系數(shù)估計(jì)值可知，在全國(guó)范圍內(nèi)政府金融集權(quán)度每提高1個(gè)單位，數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率將提高4.0424個(gè)單位。這種明顯的正向影響可能是由于全國(guó)范圍內(nèi)政府金融集權(quán)程度的增加會(huì)與經(jīng)濟(jì)發(fā)展?fàn)顩r更加契合，從而有效推動(dòng)數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)，并且在集權(quán)過(guò)程中政府為實(shí)體經(jīng)濟(jì)發(fā)展?fàn)幦×顺渥愕慕鹑谫Y源。

通過(guò)觀察各控制變量的回歸結(jié)果發(fā)現(xiàn)，產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率以及互聯(lián)網(wǎng)普及程度分別在5%、1%、1%的統(tǒng)計(jì)水平上對(duì)數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率呈顯著的正向影響。由此可見(jiàn)，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化為數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)提供了更大的空間，服務(wù)效率得以提升；城鎮(zhèn)化率、互聯(lián)網(wǎng)的普及程度都有利于數(shù)字普惠金融增強(qiáng)其觸達(dá)能力，擴(kuò)大其提供的金融服務(wù)規(guī)模，從而促使其更好地推動(dòng)實(shí)體經(jīng)濟(jì)發(fā)展。

然而，對(duì)外開(kāi)放程度在1%的統(tǒng)計(jì)水平上對(duì)綜合技術(shù)效率產(chǎn)生負(fù)向影響。其原因在于外商投資加劇了國(guó)內(nèi)金融市場(chǎng)的過(guò)熱現(xiàn)象，大量投機(jī)行為造成了市場(chǎng)亂象，導(dǎo)致金融資源未合理配置至實(shí)體經(jīng)濟(jì)，最終導(dǎo)致數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率過(guò)低。

而政府干預(yù)和人口受教育程度對(duì)綜合技術(shù)效率的影響不顯著，這可能與數(shù)字普惠金融的普惠性相關(guān)。數(shù)字普惠金融可以為一切有手機(jī)、電腦等移動(dòng)設(shè)備存在的區(qū)域提供金融服務(wù)，導(dǎo)致其在一定程度上受政府干預(yù)與受教育程度的影響較小。

3.2.2 分區(qū)域視角

通過(guò)上文的效率測(cè)度可知，對(duì)于不同區(qū)域，數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率有微弱差異，故本文除了對(duì)全國(guó)范圍內(nèi)影響數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的因素進(jìn)行分析外，還進(jìn)一步對(duì)不同區(qū)域范圍影響數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的因素進(jìn)行分析，具體結(jié)果如表7所示。

表7 Tobit模型下不同區(qū)域數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的影響因素分析結(jié)果

（1）通過(guò)表7可以看出，對(duì)于東部、西部、中部三大地區(qū)而言，數(shù)字普惠金融發(fā)展水平對(duì)綜合技術(shù)效率的影響分別在5%、1%、1%的統(tǒng)計(jì)水平上顯著，且均呈現(xiàn)微弱的負(fù)向影響。具體而言，數(shù)字普惠金融發(fā)展水平對(duì)中部地區(qū)的負(fù)向影響大于東部地區(qū)和西部地區(qū)。這可能是由于東部地區(qū)的經(jīng)濟(jì)發(fā)展水平較高，數(shù)字普惠金融發(fā)展水平也高于其他兩大地區(qū)，使得數(shù)字普惠金融可以更快速地與實(shí)體經(jīng)濟(jì)相匹配；而西部地區(qū)的經(jīng)濟(jì)基礎(chǔ)薄弱，數(shù)字普惠金融的發(fā)展可以迅速?gòu)浹a(bǔ)傳統(tǒng)金融的空缺，提高了金融服務(wù)效率，最終表現(xiàn)為中部地區(qū)既缺乏東部地區(qū)的經(jīng)濟(jì)優(yōu)勢(shì)也缺乏西部地區(qū)的后發(fā)優(yōu)勢(shì)，導(dǎo)致中部地區(qū)的綜合技術(shù)效率受數(shù)字普惠金融發(fā)展水平的影響最大。除此之外，數(shù)字普惠金融發(fā)展水平對(duì)三大地區(qū)的負(fù)向影響主要源于數(shù)字普惠金融發(fā)展不完善，無(wú)法為實(shí)體經(jīng)濟(jì)提供充足的資金支持。

（2）銀行集中度對(duì)東部地區(qū)和西部地區(qū)的綜合技術(shù)效率在1%的水平上呈正向影響，對(duì)中部地區(qū)綜合技術(shù)效率的影響并不顯著。通過(guò)具體數(shù)值可以看出，銀行集中度每提高1%，東部地區(qū)的數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率將會(huì)提高1.0920%。這表明東部地區(qū)經(jīng)濟(jì)相對(duì)比較發(fā)達(dá)，金融體系相對(duì)成熟，資金配置能力較強(qiáng)，能為企業(yè)提供所需的金融服務(wù)以促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展。對(duì)于西部地區(qū)而言，銀行集中度每提高1%，數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率將會(huì)提高0.5331%。這表明數(shù)字普惠金融的發(fā)展增加了金融機(jī)構(gòu)的競(jìng)爭(zhēng)力度，刺激了傳統(tǒng)金融機(jī)構(gòu)的改革創(chuàng)新，鼓勵(lì)其引進(jìn)數(shù)字技術(shù)，緩解了金融歧視。隨著數(shù)字技術(shù)的不斷引進(jìn)，傳統(tǒng)金融機(jī)構(gòu)也可結(jié)合征信系統(tǒng)有針對(duì)性地為內(nèi)部運(yùn)行效率更高的中小企業(yè)提供金融服務(wù)，最終推動(dòng)實(shí)體經(jīng)濟(jì)發(fā)展。

（3）政府金融集權(quán)度對(duì)東部地區(qū)和中部地區(qū)的數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率影響顯著且為正，對(duì)西部地區(qū)無(wú)明顯影響。這表明東部地區(qū)和中部地區(qū)在政府提高金融集權(quán)度的過(guò)程中，金融市場(chǎng)更加活躍，提升了金融配置資源的能力，為數(shù)字普惠金融的發(fā)展創(chuàng)造了良好的金融環(huán)境，使其更好地服務(wù)實(shí)體經(jīng)濟(jì)，最終提高了數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率。

3.3 穩(wěn)健性檢驗(yàn)

本文引入新的控制變量來(lái)檢驗(yàn)回歸結(jié)果是否穩(wěn)健?？紤]到一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平越高，數(shù)字普惠金融普及程度越高，從而影響其服務(wù)實(shí)體經(jīng)濟(jì)的能力，故本文增加經(jīng)濟(jì)發(fā)展水平這一新的控制變量進(jìn)行回歸，具體結(jié)果如表8和表9所示。結(jié)合表中結(jié)果可知，雖然新增控制變量導(dǎo)致影響因素的顯著性與本文實(shí)證結(jié)果有所差異，但影響方向基本一致，證明回歸結(jié)果具有穩(wěn)健性。

表8 全國(guó)范圍Tobit模型的回歸結(jié)果

表9 分區(qū)域的Tobit模型回歸結(jié)果

4 結(jié)論

本文通過(guò)結(jié)合DEA模型和Malmquist指數(shù)對(duì)2013—2020年我國(guó)31個(gè)省份的面板數(shù)據(jù)進(jìn)行測(cè)算分析，以測(cè)度數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率值，并且在效率值的基礎(chǔ)上運(yùn)用固定效應(yīng)Tobit模型，進(jìn)一步分析了影響數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)效率的因素，最終得到如下結(jié)論：

（1）除了北京、上海、江蘇、浙江、山東、廣東這6個(gè)省份的綜合技術(shù)效率值持續(xù)大于或等于0.9外，大多數(shù)省份的綜合技術(shù)效率值介于0.5～0.9。這說(shuō)明大多數(shù)省份的數(shù)字普惠金融投入與實(shí)體經(jīng)濟(jì)產(chǎn)出處于非均衡狀態(tài)，但這種狀態(tài)可以得到改善。除此之外，大多數(shù)省份因?yàn)橐?guī)模效率明顯非有效導(dǎo)致了綜合技術(shù)效率明顯非有效，表明數(shù)字普惠金融所提供的金融服務(wù)仍舊無(wú)法滿(mǎn)足實(shí)體經(jīng)濟(jì)所需規(guī)模。

（2）純技術(shù)效率增長(zhǎng)的省份所占比重最大，可見(jiàn)，數(shù)字普惠金融經(jīng)過(guò)一段時(shí)間的發(fā)展，在結(jié)構(gòu)優(yōu)化以及管理科學(xué)化方面取得了巨大成就，這對(duì)于更高效地服務(wù)實(shí)體經(jīng)濟(jì)有重大意義。同時(shí)，研究還發(fā)現(xiàn)，東部、西部、中部三大地區(qū)的全要素生產(chǎn)率下降主要由技術(shù)進(jìn)步下降導(dǎo)致，其中東部地區(qū)和中部地區(qū)全要素生產(chǎn)率下降幅度相同，西部地區(qū)最小。

（3）全國(guó)范圍內(nèi)，數(shù)字普惠金融發(fā)展水平對(duì)綜合技術(shù)效率呈負(fù)向影響，但影響系數(shù)較小；銀行集中度與政府金融集權(quán)度均對(duì)數(shù)字普惠金融服務(wù)實(shí)體經(jīng)濟(jì)的效率影響顯著且呈正向影響。在進(jìn)行分區(qū)域回歸時(shí)發(fā)現(xiàn)，各個(gè)因素對(duì)東部、西部、中部三大地區(qū)的影響與全國(guó)范圍的影響基本一致：數(shù)字普惠金融發(fā)展水平對(duì)東部、西部、中部三大地區(qū)的影響是負(fù)向的；銀行集中度和政府金融集權(quán)度對(duì)東部、西部、中部三大地區(qū)呈正向影響。