论文：数字金融、新质生产力与产业链韧性

数字金融、新质生产力与产业链韧性摘要：文章在分析数字金融对产业链韧性影响机理的基础上，基于2014—2022年我国283个地级及以上城市的面板数据，运用多种计量模型检验数字金融对产业链韧性的影响。结果表明：数字金融对产业链韧性提升具有显著促进作用；新质生产力是数字金融影响产业链韧性的机制变量，即数字金融可通过新质生产力影响产业链韧性；财政补贴不仅能够强化数字金融对产业链韧性的赋能作用，而且可放大新质生产力在数字金融影响产业链韧性过程中的机制效应；中央宏观政策、区域金融监管水平及地方政府债务规模会使数字金融对产业链韧性的影响存在异质性。关键词：数字金融；新质生产力；产业链韧性；金融监管0引言党的二十届三中全会强调"健全提升产业链供应链韧性和安全水平制度"，并作出系统全面的部署。在构建新发展格局的当下，实现产业链稳定发展，强化产业链韧性已成为建设现代化产业体系的关键路径。数字金融可有效打破传统金融区位限制，降低金融服务门槛，为拓展产业链上下游企业的融资渠道及应对不确定性冲击提供有力支持，增强产业链抵抗经济风险的能力，提升产业链韧性。然而，在实际情况中，受监管政策缺失、地方政府不当干预等因素影响，数字金融的积极作用有待进一步激发。因此，探究数字金融与产业链韧性的关系，可为提升产业链韧性提供参考借鉴。在培育新质生产力的过程中，金融机构利用数字技术优化与完善数字银行、数字货币、数字支付等数字金融业务，着力提升金融服务实体经济质效，为各地因地制宜地发展新质生产力提供资金支持。同时，新质生产力能够推动要素流动与资源共享，深化地方政府与企业的交流合作，为各地区强化产业链韧性提供支持。由此，在探究数字金融影响产业链韧性具体机制的过程中，引入新质生产力这一先进生产力质态具有重要的现实意义。通过梳理已有文献发现，产业链韧性主要是由"产业链"和"韧性"有机嫁接而成，主要是指产业链的抵御能力、恢复能力、再组织能力及更新能力。在明晰产业链韧性内涵的基础上，学者们开始探究产业链韧性测度方法。已有研究主要从产业链抵抗能力、恢复能力、可持续及引领力入手，构建评价指标体系测度产业链韧性。此外，学者们对产业链韧性的影响因素进行探究，指出数字化转型、工业机器人应用对产业链韧性提升具有促进作用。同时，已有文献也证实数字金融对企业创新产出、企业全要素生产率、企业可持续发展具有正向影响。通常情况下，企业全要素生产率提升及可持续发展的实现，能够推动产业链提升创新能力，强化产业链韧性，可间接说明数字金融对产业链韧性具有影响。目前直接探究二者关系的文献较少，因此，本文尝试将数字金融、新质生产力及产业链韧性纳入统一框架进行分析。1理论分析与研究假设（刷到就是缘分，祝您一生健康无忧。）1.1直接影响数字金融赋能产业链韧性的机理主要表现在以下几个方面：在创新能力方面，数字金融依托于大数据、云计算、区块链等技术构建的智能风控体系，能够精准识别出产业链上下游企业的差异化融资需求，通过提供定制化金融产品助力企业突破传统金融机构信用评估框架的刚性约束，为企业提升创新能力提供支持，以创新驱动产业链韧性提升。在经济效益方面，数字金融平台能够有效降低产业链上下游企业融资的信息搜寻成本，有效降低交易成本，优化资源配置，从而增强产业链的价值创造弹性。随着经济效益提升，产业链上下游企业有足够的资金进行强链、补链等活动，强化产业链应对风险的能力，提升产业链韧性。在产业结构方面，数字金融能够为产业链上下游企业提供投融资一体化的云服务平台，加速商业模式从线性价值链向生态化网络转型。随着企业商业模式及组织结构持续变革，产业链由传统运行模式转型向多业务链条并行的运行模式成为可能，可逐步实现产业结构高级化与合理化，由此推动产业链上下游企业实现融合与协同发展，强化抵抗外部风险的能力及从冲击中恢复的能力。综合上述分析，提出如下假设：假设1：数字金融可促进产业链韧性提升。1.2间接影响数字金融可通过移动支付等形式，打破劳动力市场的地理约束，促进人力资源自由流动，提升劳动力市场效率，促进高端生产工具的研发迭代，加快新质生产力形成步伐。同时，数字金融还可引导资本流向环保与可持续发展行业，形成包容性绿色增长路径，催生清洁能源、碳汇资产等新型劳动对象，赋能新质生产力的形成。进一步而言，作为以劳动者、劳动资料、劳动对象及其优化组合为内涵的先进生产力，新质生产力会对产业链韧性产生正向影响。具体而言，新质生产力的形成与发展有利于创新人才、创新技术等要素跨区域流动，为新知识、新技术及新模式提供技术与资金支持，助力产业链由传统资源密集型转向技术密集型，以技术创新驱动产业链发展，提升产业链韧性。同时，新质生产力能够推动创新要素自由流动，切实提升产业链内部要素配置的灵活性，为强化产业链韧性提供充足的技术、资金等支持。据此，提出如下假设：假设2：新质生产力在数字金融与产业链韧性之间发挥机制效应。1.3调节效应作为弥补市场失灵的有效手段，财政补贴可引导研发投入流向产业链关键共性技术领域，提升产业链生产效率，铸造更强的产业链韧性。同时，财政补贴可通过加大贷款贴息力度，助力金融机构研发更多可满足用户需求的金融产品与服务，扩大数字金融覆盖范围、深化金融使用深度，更好地赋能产业链韧性。具体来说，财政补贴可通过设置专项资金、数字人民币补贴等形式，扩大数字金融覆盖范围与深化金融使用深度，使得数字金融更深层融入产业链各环节，提升产业链运行效率，从可持续发展及抵抗外部风险能力方面强化产业链韧性。据此，提出如下假设：假设3a：在数字金融促进产业链韧性提升的过程中，财政补贴发挥着正向调节效应。在培育新质生产力的过程中，各地区会强化财税政策对基础研究、应用研究的支持，增加产业基础再造和制造业高质量发展专项资金的投入，积极发挥财政补贴的价值驱动与战略牵引作用。同时，各地区会优化科技创新类财政引导基金的使用，加大财政资金与政策的协调配合力度，实施与科技企业孵化器、大学科技园及众创空间有关的税收优化政策，着力提升财政补贴在新质生产力形成过程中的积极作用。在财政补贴助力下，新质生产力形成步伐得以加快，这能够放大其在数字金融作用于产业链韧性过程中的机制效应。据此，提出如下假设：假设3b：财政补贴能够正向调节新质生产力在数字金融与产业链韧性之间的机制效应。2研究设计2.1模型构建利用固定效应面板模型验证数字金融与产业链韧性之间的关系，具体模型如下：IC式（1）中，ICTit表示产业链韧性，DFit表示数字金融，Controlsit表示控制变量，借鉴已有研究，检验数字金融对产业链韧性的作用机制，具体步骤如下：第一步，验证数字金融对产业链韧性的影响，利用固定效应面板模型进行检验。第二步，检验数字金融对机制变量的影响及机制变量对产业链韧性的影响，具体模型如下：NQIC式（2）和式（3）中，NQP第三步，综合利用两步法与Boostrap法检验数字金融影响产业链韧性的具体作用机制。为探究财政补贴的调节效应，在固定效应面板模型、机制效应模型基础上构建有调节的中介效应模型进行分析，具体形式如下：ICIC式（4）和式（5）中，SUBit为调节变量，表示财政补贴；DF2.2变量设定（1）被解释变量：产业链韧性（ICT）。通常情况下，当产业链韧性较强时，产业链内部上下游企业协调发展可助力产业链灵活应对外部风险冲击。同时，产业链上下游企业具有越强的创新能力，产业链遭遇外部风险冲击后的恢复能力越强。鉴于此，参考已有研究成果，从抵抗力、恢复力及创新力三个方面构建产业链韧性评价指标体系（见表1），并利用熵值法测度产业链韧性。表1产业链韧性评价指标体系一级指标二级指标三级指标属性抵抗力引领能力战略性新兴产业主营业务收入+规模以上高技术制造业企业法人单位营业收入+稳定能力进出口总额/GDP-外商直接投资/GDP-恢复力金融协同银行各项贷款余额/GDP+政府调控一般公共预算支出+产业效益规模以上工业企业总资产利润率+规模以上工业企业营业收入利润率+创新力创新投入规模以上工业企业R&D人员全时当量+规模以上工业企业R&D经费投入+创新产出国内发明专利申请授权量+技术市场成交额+（2）核心解释变量：数字金融（DF）。使用北京大学数字金融研究中心发布的市级层面数字普惠金融指数的对数值表征数字金融。（3）机制变量：新质生产力（NQP）。新质生产力是以劳动者、劳动资料、劳动对象及其优化组合跃升而形成的先进生产力。基于此，参考已有研究，构建新质生产力评价指标体系（见表2），并使用熵值法进行测度。表2新质生产力评价指标体系一级指标二级指标三级指标指标属性劳动者教育投入教育支出/财政支出+人力产出高校在校生数/总人口数+第三产业就业人员数/总人口数+劳动资料基础设施公路里程+铁路里程+光缆线路长度+创新水平发明专利授权数量/总人口数+新产品开发经费支出/GDP+劳动对象新兴产业战略性新兴产业增加值/GDP+工业机器人安装密度+绿色环保环境保护支出/一般公共预算支出+工业固体废物综合利用率+节能减排工业废水排放量/GDP-工业二氧化硫排放量/GDP-（4）调节变量：财政补贴（SUB）。利用（教育支出＋科技支出）/财政支出表征财政补贴。（5）控制变量：经济发展水平（PGDP），利用人均GDP衡量；国外技术依赖程度（TEC），利用引进境外技术经费支出表示；外商投资水平（FDI），利用直接利用外商投资金额表示；人力资本（HUM），利用地区人均受教育年限表示；人口密度（PEO），利用总人口数除以土地面积表示。2.3数据来源本文采用我国283个地级及以上城市2014—2022年的数据进行实证，数据主要来自《中国城市统计年鉴》《中国统计年鉴》《中国劳动统计年鉴》《中国高技术产业统计年鉴》《中国人口和就业统计年鉴》《北京大学数字普惠金融指数》、国际机器人联合会（IFR）中的全球工业机器人数据库、EPS数据库、Wind数据库。对于部分变量个别年份的缺失值，采用插值法补齐。3实证分析3.1产业链韧性计算结果由图1可知：第一，各省份产业链韧性存在较大差异，呈现明显的不均衡发展特点。其中，产业链韧性排名前三的是北京、广东、上海，均值分别为0.487、0.478、0.467；排名后三的省份主要位于西部地区，包括云南、新疆、青海，均值分别为0.121、0.116、0.114。从区域层面来看，东部地区产业链韧性总体较高；西部地区处于较低水平，但呈现快速增长的趋势。同时，产业链韧性和经济发展水平存在紧密联系。东部地区凭借自身资源、地理位置等优势，经济发展水平一直处于全国领先地位，为铸造更强的产业链韧性提供了扎实的资金基础。此外，东部地区资金雄厚，且顺应产业发展大势，积极推动短板产业补链、优势产业延链、传统产业升链、新兴产业建链，也能够提升产业链韧性。图12014—2022年各省份产业链韧性

3.2基准回归结果分析表3列（1）是仅引入核心解释变量数字金融的回归结果，在列（1）的基础上加入控制变量的回归结果如列（2）所示，在列（2）的基础上控制个体与时间固定效应的回归结果见列（3）。列（1）至列（3）的结果显示，数字金融的系数仅数值大小发生改变，符号与显著性水平并未发生变化。这充分说明数字金融可正向影响产业链韧性，验证了假设1。表3基准回归结果变量（1）（2）（3）DF0.209***

(3.025)0.457***

(9.571)1.217***

(4.259)PGDP0.647***

(9.571)0.506***

(4.259)TEC0.689***

(8.339)0.567***

(6.241)FDI0.420***

(5.236)0.411***

(5.024)HUM0.145***

(3.568)0.174***

(7.584)PEO0.409***

(9.521)0.425***

(4.236)常数项-4.564***

(-8.527)-6.528***

(-6.204)0.765

(1.547)时间固定效应否否是个体固定效应否否是观测值254725472547R²0.7420.7650.7283.3稳健性检验3.3.1替换被解释变量衡量方式利用产业集中度的倒数衡量产业链抵抗力，利用发明专利授权数表示产业链恢复力。在此基础上，利用熵权法测算不同城市产业链韧性，并将测算结果作为被解释变量，重新进行回归分析。产业链抵抗力的计算方法如下：HHI=1−其中，indiv表示产业链抵抗力；产业集中度用HHI表示；si表4列（1）的结果显示，替换被解释变量衡量方式后，数字金融的系数依然在1%的水平上显著为正，与基准回归结果具有一致性。3.3.2剔除直辖市样本本文所选样本中，绝大多数城市为地级市。而直辖市为省级行政单位，在政治和经济方面与地级市具有较大差异。因此，剔除北京、上海、天津、重庆4个直辖市的样本数据，再次进行分析。表4列（2）的结果表明，数字金融的系数依然为正，并通过显著性检验，说明数字金融仍能正向影响产业链韧性，再次证明基准回归结果具有稳健性。表4稳健性检验变量替换被解释变量衡量方式（1）剔除直辖市样本（2）DF0.748***

(3.047)0.805***

(3.256)控制变量是是时间固定效应是是个体固定效应是是观测值25472509R²0.6850.7063.4内生性检验为解决内生性问题，本文采用工具变量法进行分析。具体而言，将样本城市与杭州市之间的球面距离（IV1）作为工具变量。一方面，杭州作为数字金融中心，在发展数字金融方面具有先天优势。由此可推测，与杭州市距离越近的城市，在发展数字金融时越能享受杭州市溢出效应带来的红利，实现数字金融快速发展，选取的工具变量满足相关性要求。另一方面，杭州市数字金融发展水平难以直接影响其他地区产业链韧性，满足外生性要求。在选取工具变量的基础上，利用两阶段最小二乘法（2SLS）进行回归分析。表5列（1）的结果显示，KPWaldrkLM和Cragg-DonaldWaldF统计量证明选取的工具变量通过不可识别检验及弱识别检验。同时，工具变量的系数为正，且通过显著性检验，说明工具变量对解释变量数字金融具有正向影响，再次证明选取的工具变量满足相关性要求。表5列（2）的结果显示，数字金融的系数为正，且通过1%水平上的显著性检验，说明数字金融对产业链韧性具有显著正向影响。该结果表明，在考虑内生性问题后，基准回归结果依然成立。进一步将滞后一期全国信息技术服务收入与1984年各省份人均邮电业务量的交互项（IV2）作为工具变量进行分析。通常情况下，历史上邮电发展水平较高的地区，其目前数字技术发展水平也较高。而数字金融发展对数字技术具有极高的依赖性。由此可知，历史上邮电发展水平可对数字金融发展产生一定的影响，满足工具变量的相关性要求。同时，1984年邮电业务量对当期产业链韧性不存在直接影响，较好地满足外生性要求，进一步利用2SLS法进行回归分析。表5列（3）和列（4）分别为第一阶段和第二阶段回归结果。列（3）中Cragg-DonaldWaldF和KPWaldrkLM统计量的结果表明，选取的工具变量不存在弱识别检验及不可识别问题。观察发现，工具变量的系数为正，亦通过显著性检验，再次验证选取的工具变量满足相关性要求。列（4）中，数字金融的系数为正，且通过1%水平上的显著性检验，说明在考虑内生性问题后，数字金融依然可正向影响产业链韧性，说明基准回归结果稳健。表5内生性检验结果变量IV1第一阶段

（1）IV1第二阶段

（2）IV2第一阶段

（3）IV2第二阶段

（4）DF2.024***

(11.254)1.217***

(8.547)IV10.076***

(5.472)IV20.405***

(5.367)KPWaldrkLM统计量32.547***

[0.000]12.658***

[0.000]Cragg-DonaldWaldF统计量96.251

{16.38}49.625

{16.38}控制变量是是是是时间固定效应是是是是个体固定效应是是是是观测值2547254725472547R²0.7450.7690.7020.7423.5异质性检验数字金融发展水平也会受到制度环境、资源禀赋等因素的影响。因此，不同地区数字金融发展对产业链韧性的影响可能存在差异。由此，研究数字金融对产业链韧性影响的异质性十分必要。本文构建0-1型虚拟变量，并在基准回归模型中引入其与核心解释变量数字金融的交互项，分别检验中央宏观政策、区域金融监管水平及地方政府负债程度对数字金融与产业链韧性二者关系的影响。结果见表6。首先，中央政府出台有关发展数字金融的相关政策，为数字金融扩大覆盖范围与深化使用深度提供了良好环境基础，为各地区提升数字金融发展水平提供了政策支持。基于《国家新型城镇化规划》划分标准，以5个国家级城市群、9个区域性城市群及6个地区性城市群为依据构建虚拟变量，用CGRO表示。其中，若样本城市在城市群内则赋值为1，反之则赋值为0。表6列（1）的结果显示，虚拟变量与数字金融交互项的系数在1%的水平上显著为正，说明相较于规划未涉及的区域，城市群内数字金融对产业链韧性的赋能作用更大，证明中央宏观政策可使得数字金融对产业链韧性产生异质性影响。其次，通常情况下，金融监管水平较高的地区能够有效降低金融风险发生概率，提升金融服务质量，使得数字金融对产业链韧性的赋能作用得到强化。由此，遵循数据可得性原则，以市域层面金融监管支出与金融业增加值的比值表征金融监管水平。在此基础上，构建虚拟变量，利用FRRG表示。若某城市金融监管水平超过样本中位数，则赋值为1，反之则赋值为0。表6列（2）的结果表明，数字金融与虚拟变量交互项的系数为正，且通过显著性检验，说明在金融监管水平较高地区，数字金融对产业链韧性的赋能作用更大。最后，过大的地方政府债务规模会加大政府偿债压力，致使地方政府会通过多种手段干预金融系统，以保证经济健康发展。这极有可能增加金融系统脆弱性，影响金融资源配置效率，使得数字金融对产业链韧性的影响产生异质性。基于此，本文用地方政府债券和融资平台中城投债的数量衡量政府债务规模，并构建虚拟变量，用CDBT表示。若地方政府债务规模超过样本中位数，则赋值为1，反之则赋值为0。表6列（3）的结果表明，虚拟变量与核心解释变量数字金融交互项的系数为负，且通过显著性检验。该结果说明，在地方政府债务压力较高地区，地方政府债务会削弱数字金融对产业链韧性的赋能作用。产生这一现象的可能原因是，当债务压力过大时，地方政府可能会不当干预金融系统，引发金融资源错配问题，抑制数字金融对产业链韧性赋能作用的发挥。表6异质性检验结果变量（1）CGRO（2）FRRG（3）CDBTDF1.411***

(4.251)1.246***

(3.568)1.357***

(3.144)DF×CGRO0.175***

(3.026)DF×FRRG0.201***

(3.145)DF×CDBT-0.104***

(3.248)控制变量是是是时间固定效应是是是个体固定效应是是是观测值254725472547R²0.7560.8650.8024进一步分析4.1机制效应检验表7列（1）的结果表明，数字金融可正向影响新质生产力，加速新质生产力形成步伐。列（2）的结果表明，引入新质生产力后，数字金融的系数依然为正，且通过显著性检验。与基准回归结果对比可知，数字金融的系数值有所下降。由此可见，数字金融能够通过促进新质生产力发展赋能产业链韧性提升。这可能是因为，数字金融可依托人工智能、大数据、云计算等科技手段打通数据壁垒，有效处理科技创新主体的交易数据，增强信用判定基础，精准匹配其资金需求。这可加速资金、信息、数据流通，提升创新要素配置效率，推动新质生产力形成与发展。而新质生产力在形成过程中会加速颠覆性前沿技术改造传统产业、培育战略性新兴产业、布局未来产业的步伐，这有利于围绕产业链部署创新链，强化产业链韧性。Bootstrap检验结果表明，置信区间为[0.074，0.249]，且不包含0，说明检验结果显著拒绝"不存在机制效应"的原假设，证明数字金融对产业链韧性及新质生产力的正向影响成立，即数字金融可通过新质生产力作用于产业链韧性，使得假设2得到验证。表7机制效应检验结果变量NQP（1）ICT（2）DF0.114***

(3.257)0.547***

(5.203)NQP0.308***

(4.751)控制变量是是时间固定效应是是个体固定效应是是观测值254