摘要：实体经济是国民经济的立身之本，推动实体经济高质量发展是我国经济转型的核心任务。为探究数字普惠金融对我国实体经济发展的赋能效应及区域异质性特征，本文构建数字普惠金融助力实体经济发展分析模型。以北京大学数字普惠金融指数为核心解释变量，实体经济发展水平为被解释变量，选取产业结构水平、城镇化率、政府财政支出、对外开放程度、固定资产投资水平等指标作为控制变量，整合我国31个省（自治区、直辖市）2015-2021年面板数据，运用STATA 15.1软件开展实证检验。研究表明：数字普惠金融能够显著正向驱动实体经济发展，通过缓解融资约束、优化资源配置、激活市场主体活力多重路径赋能实体经济；同时该赋能效应存在明显区域差异，东部地区赋能效果最优，中西部地区赋能效应相对偏弱。

关键词：数字普惠金融；实体经济；面板数据；区域异质性；STATA

中图分类号：F49;F832;F124

数字经济时代，大数据、人工智能、区块链、云计算等数字技术与金融行业深度融合，催生了数字普惠金融这一新型金融服务模式。相较于传统金融服务，数字普惠金融突破了时空限制、降低了服务门槛、压缩了交易成本，有效破解了传统金融服务实体经济过程中存在的覆盖面窄、融资难、融资贵、资源错配等痛点难点问题。实体经济涵盖制造业、农业、服务业等实体产业领域，是支撑经济增长、吸纳就业、保障民生的核心载体，其稳健发展直接决定我国经济高质量发展成效。

长期以来，实体经济尤其是中小微企业、个体工商户、涉农经营主体面临严重的金融排斥问题。传统金融机构依托抵押物、征信报告开展信贷审批，大量轻资产、初创型实体市场主体难以获得有效的金融支持，制约了实体产业转型升级与规模扩张。Chibba等学者研究指出，发展中国家普遍存在金融服务供需失衡问题，金融资源过度向大型企业、城市产业集聚，中小微实体主体金融可得性不足，严重制约实体经济活力释放[2]。Carrillo的研究进一步证实，普惠型金融服务能够优化市场资金配置效率，助力实体主体缓解资金压力，推动产业提质增效，夯实经济发展根基[3]。

数字普惠金融的普及为实体经济纾困赋能提供了全新路径，对金融服务供给端与需求端均具备显著优化作用。从供给端来看，数字普惠金融依托数字风控体系，降低金融机构信息甄别、风险管控、运营服务成本，拓宽金融服务边界，打破传统金融的地域与资质壁垒[4]。从需求端来看，中小微企业、涉农主体等实体经济薄弱环节可通过线上化、便捷化的金融服务快速获取信贷资金，缓解生产经营资金约束，助力企业技术创新、产能扩张与转型升级[5]。Mwangi的研究表明，多元化的普惠金融服务能够完善金融市场体系、降低市场交易成本，提升实体产业整体经营效益与市场活力[6]。

现有国内外学者围绕普惠金融与经济发展的关联展开了丰富研究。Abor研究发现，普惠金融的普及能够有效激活市场主体生产经营活力，拉动产业产值增长，助力实体经济提质增效，且对中小规模实体企业的赋能效果更为显著[7]。Zhang的实证研究证实，普惠金融发展能够优化社会资金分配结构，缓解中小微实体主体的融资困境，缩小产业发展差距，推动实体经济均衡发展[8]。Addury通过微观主体调研发现，信贷、储蓄、投资等普惠金融服务能够显著改善企业经营状况，提升实体产业产出效率，为实体经济持续发展提供资金支撑[9]。

同时，部分学者关注到普惠金融发展的区域差异与边际效应。Neaime等研究指出，普惠金融对实体经济的赋能效果会受到区域经济基础、基础设施水平、市场成熟度等因素影响，存在明显的区域异质性特征[14]。徐光华等学者从动态视角出发，证实金融赋能产业发展的效果存在区域、行业差异，精准适配区域产业特征是发挥普惠金融赋能价值的关键[15]。此外，部分研究表明，数字普惠金融发展并非完全正向赋能，过度金融化、区域金融发展失衡可能会引发资金脱实向虚问题，弱化对实体经济的支撑作用[21]。

在此基础上，学界进一步探究了数字普惠金融发展的影响因素。Sanderson的研究表明，区域互联网普及率、居民金融素养、经济发展水平、基础设施完善度均会显著影响数字普惠金融发展质量，进而间接作用于实体经济[16]。Sarma研究发现，区域社会经济发展水平、数字基础设施建设、金融市场成熟度是决定数字普惠金融赋能效能的核心因素[17]。Wang通过空间计量分析证实，数字普惠金融存在显著的空间集聚效应，区域经济水平、教育水平、通信设施覆盖率直接影响金融服务落地成效与实体赋能效果[18]。Gelsomino则提出，城乡金融均衡发展、区域金融资源合理配置，是数字普惠金融持续赋能实体经济高质量发展的重要前提[19]。

当前我国经济进入高质量发展阶段，经济增速逐步放缓，实体经济面临转型升级压力，叠加中小微企业抗风险能力弱、融资渠道狭窄等固有问题，实体产业发展动力不足、资金配置效率偏低等问题凸显。与此同时，我国数字普惠金融产业快速发展，但存在区域发展不均衡、赋能精准度不足、部分资金脱实向虚等问题，制约了其对实体经济的赋能成效。基于此，深入探究数字普惠金融对实体经济发展的具体赋能效应、作用机制与区域差异，对完善金融服务体系、助力实体经济转型升级、推动经济高质量发展具有重要现实意义。

因此，本文核心研究问题如下：数字普惠金融发展水平对我国实体经济发展存在何种影响？该影响是否存在显著的区域异质性特征？

一、理论视角与研究假设

（一）数字普惠金融赋能实体经济的作用机制

数字普惠金融依托数字技术与金融服务的双重属性，从资金供给、资源配置、市场活力三个维度赋能实体经济发展。第一，缓解实体融资约束。数字普惠金融依托大数据征信、智能化风控体系，有效解决金融机构与实体企业之间的信息不对称问题，降低信贷准入门槛，为中小微企业、初创企业等实体经济薄弱主体提供便捷的资金支持，缓解生产经营资金压力。第二，优化产业资源配置。数字普惠金融能够引导社会闲置资金流向实体产业，减少资金空转、脱实向虚现象，推动资金精准对接产业发展需求，助力传统产业转型升级、新兴产业培育壮大。第三，激活市场主体活力。便捷、低成本的普惠金融服务能够降低实体企业经营成本，助力企业开展技术研发、设备更新、市场拓展等经营活动，提升实体产业整体生产效率与创新能力。

（二）研究假设

基于上述理论机制分析，结合现有研究成果，本文提出两项研究假设：

1. 数字普惠金融发展水平对我国实体经济发展具有显著的正向赋能效应，数字普惠金融的普及能够有效推动实体经济提质增效。

2. 数字普惠金融对实体经济的赋能效应存在区域异质性，东部地区赋能效果优于中西部地区。

二、研究设计

（一）数据来源

本文选取我国31个省、自治区、直辖市2015-2021年面板数据作为研究样本。核心解释变量数字普惠金融指数来源于北京大学数字金融研究中心发布的省级数字普惠金融指数；被解释变量实体经济发展水平、所有控制变量原始数据均来源于《中国统计年鉴》《各省统计年鉴》及国家统计局公开官方数据。针对少量缺失的年度数据，本文采用插值法进行补充完善，最终得到217组有效面板数据。

（二）变量选择

1. 被解释变量：实体经济发展水平（RE）

参考学界通用测算方法，本文以地区生产总值剔除金融业、房地产业增加值后的数值作为实体经济发展规模的代理变量，为消除量纲影响，对数据进行对数化处理，直观反映各省份实体经济发展水平。

2. 核心解释变量：数字普惠金融指数（DIFI）

选取北京大学省级数字普惠金融年度指数作为核心解释变量，全面衡量各区域数字普惠金融发展的整体水平，同样进行对数化处理，提升数据平稳性。

3. 控制变量

为提升模型拟合精度，精准识别数字普惠金融的赋能效应，本文选取5个核心控制变量：

（1）产业结构水平（IS）：以第三产业增加值与第二产业增加值的比值衡量，反映区域产业结构优化程度，产业结构升级能够有效推动实体经济高质量发展。

（2）城镇化率（UR）：以城镇常住人口占区域总人口的比重衡量，城镇化推进能够集聚人才、资金、技术等要素，赋能实体产业发展。

（3）政府财政支出（FE）：以地方一般公共预算支出占地区生产总值的比重衡量，反映政府对区域实体经济发展的扶持力度。

（4）对外开放程度（OPEN）：以地区进出口总额占地区生产总值的比重衡量，对外开放能够引入外部资本、技术，助力实体产业转型升级。

（5）固定资产投资水平（FI）：以全社会固定资产投资总额占地区生产总值的比重衡量，固定资产投资是实体经济产能扩张、基础设施完善的重要支撑。

（三）计量模型构建

为实证检验数字普惠金融对实体经济发展的赋能效应，本文构建双向固定效应基准回归模型，模型文本表达式如下：

实体经济发展水平=常数项+核心解释变量（数字普惠金融指数）+各控制变量+个体固定效应+时间固定效应+随机误差项

其中，研究样本为31个省份，研究时间为2015-2021年，随机误差项代表模型未纳入的其他影响因素，通过固定效应控制个体差异与时间趋势，提升实证结果准确性。

三、实证结果与分析

（一）描述性统计

为明确各变量数据分布特征，规避极端值对实证结果的干扰，本文对所有变量进行描述性统计，统计结果如表1所示。

由表1可知，各变量观测值完整，无缺失数据。实体经济发展水平、数字普惠金融指数的标准差均处于合理区间，但存在一定极值差异，说明我国各省份实体经济与数字普惠金融发展不均衡；各控制变量数据分布合理，能够有效控制个体差异，保障实证分析可靠性。

（二）多重共线性检验

为规避变量间多重共线性问题干扰回归结果，本文对所有解释变量与控制变量开展方差膨胀因子（VIF）检验，检验结果显示，所有变量VIF值均小于5，远低于10的临界标准，表明模型变量间不存在多重共线性问题，可直接开展回归分析。

（三）豪斯曼检验

为确定最优计量模型形式，本文通过豪斯曼检验判断选取固定效应模型或随机效应模型。检验结果显示，P值为0.0026，小于0.05的显著性水平，强烈拒绝随机效应原假设，因此本文最终选取双向固定效应模型开展基准回归分析。

（四）基准回归结果分析

本文基于双向固定效应模型，检验数字普惠金融对实体经济发展的整体赋能效应，基准回归结果如表2所示。

注：*** p<0.01，** p<0.05，* p<0.1，下同

根据表2基准回归结果可得核心结论：数字普惠金融指数（lnDIFI）的回归系数为0.382，在1%的水平上显著为正，表明数字普惠金融发展对实体经济发展具有显著的正向赋能效应，数字普惠金融发展水平每提升1个单位，实体经济发展水平将提升0.382个单位，本文研究假设1成立。

从控制变量来看，产业结构水平、城镇化率、对外开放程度均在1%或5%水平上显著正向影响实体经济发展，说明产业结构优化、城镇化推进、对外开放深化能够有效助力实体经济提质增效；政府财政支出在10%水平上正向显著，体现政府扶持对实体经济的支撑作用；固定资产投资正向影响但不显著，可能是因为部分区域固定资产投资存在低效投入、资源闲置等问题，赋能效果未充分释放。模型拟合度R²为0.957，说明模型整体拟合效果优良，实证结果具备较高可信度。

（五）区域异质性分析

为验证研究假设2，探究数字普惠金融赋能实体经济的区域差异，本文按照国家统计局区域划分标准，将31个省份划分为东部、中西部两大区域开展分组回归，进一步对比不同区域的赋能效果差异，回归结果如表3所示。

由表3区域异质性回归结果可知，两大区域数字普惠金融指数回归系数均显著为正，说明数字普惠金融对不同区域实体经济均具备赋能作用，但赋能效果存在明显差异。其中，东部地区回归系数为0.496，在1%水平高度显著，赋能效应更强；中西部地区回归系数为0.253，仅在5%水平显著，赋能效果相对较弱。

产生该差异的核心原因在于：东部地区数字基础设施完善、金融市场成熟、实体产业体系完备，数字普惠金融能够快速精准对接实体产业需求，资金配置效率高，赋能效果突出；而中西部地区数字基建滞后、市场主体发育不成熟、金融服务体系不完善，数字普惠金融的覆盖广度与使用深度不足，难以充分发挥赋能实体经济的作用，本文研究假设2成立。此外，中西部地区政府财政支出的赋能效应更显著，说明中西部实体经济发展更依赖政府政策扶持，市场化金融赋能能力有待提升。

四、研究结论与对策建议

（一）研究结论

本文基于2015-2021年我国31个省份面板数据，通过固定效应模型实证检验数字普惠金融对实体经济发展的赋能效应及区域异质性，主要得出以下结论：第一，数字普惠金融对我国实体经济发展存在显著的正向赋能效应，能够有效缓解实体融资约束、优化资源配置、激活产业活力，是推动实体经济高质量发展的重要动力。第二，产业结构升级、城镇化建设、对外开放深化均能显著助力实体经济发展，是实体经济提质增效的重要支撑。第三，数字普惠金融的赋能效应存在明显区域异质性，东部地区赋能效果显著优于中西部地区，区域数字金融发展不均衡是造成实体经济发展差距的重要原因。

（二）对策建议

基于上述研究结论，为充分发挥数字普惠金融赋能实体经济的核心作用、缩小区域发展差距、推动实体经济均衡高质量发展，本文提出以下对策建议：

1. 深化数字普惠金融体系建设，强化全域赋能能力。持续推进数字技术与金融服务深度融合，完善数字普惠金融产品体系，优化线上信贷审批、风控、放款流程，降低中小微企业、涉农主体融资成本。依托大数据、人工智能技术完善社会征信体系，破解金融信息不对称难题，扩大金融服务覆盖面，引导金融资源精准流向实体经济领域，杜绝资金脱实向虚。

2. 实施差异化区域发展策略，缩小区域赋能差距。针对东部地区，聚焦数字普惠金融提质增效，鼓励金融机构创新产业金融、科技金融产品，依托成熟的产业与金融基础，赋能高端制造业、新兴产业转型升级，打造数字金融赋能实体经济标杆示范区。针对中西部地区，加大数字基础设施建设投入，补齐网络通信、数字风控、金融服务配套短板，扩大数字普惠金融普及范围，结合区域产业特色开发适配性金融产品，提升金融服务实体产业的精准度。

3. 强化多要素协同赋能，夯实实体经济发展根基。统筹推进产业结构优化、城镇化建设与对外开放工作，推动数字普惠金融与产业升级、区域发展、对外开放深度融合。地方政府结合区域发展实际，合理优化财政支出结构，加大对实体产业、数字金融基础设施的扶持力度，构建“数字金融+产业发展+政策扶持”的协同发展体系，全方位助力实体经济高质量发展。

参考文献

[1]郭凯明,潘珊,颜色.新型基础设施投资与产业结构转型升级[J].中国工业经济,2020(03):63-80.

[2]Chibba, M.Financial inclusion, poverty reduction and the millennium development goals[J].The European Journal of Development Research,2009, 21(2):213-230.

[3]Carrillo-Hidalgo, I., & Pulido-Fernández, J. I. Is the financing of tourism by international financial institutions inclusive? A proposal for measurement[J]. Current Issues in Tourism,2019,22(3) :330-356.

[4]徐巍巍.数字普惠金融、融资约束与资本结构——基于企业成长性分析[J].财会通讯,2023(10):31-34+79.

[5]蔡宏宇,阳超.数字普惠金融、信贷可得性与中国相对贫困减缓[J].财经理论与实践,2021,42(04):24-30.

[6]宋坤,徐源.数字金融是否能够提升农户家庭福利?——基于Sen的可行能力理论[J].世界农业,2023(04):61-70.

[7]Abor, J. Y., Amidu, M., & Issahaku, H. Mobile telephony, inclusive finance and inclusive growth[J]. Journal of African Business, 2018,19(3) :430-453.

[8]Zhang, Q., & Posso, A. Thinking inside the box: A closer look at inclusive finance and household income[J]. The Journal of Development Studies, 2019,55(7) :1616-1631.

[9]Addury, M. M. Impact of financial inclusion for welfare: Analyze to household level[J]. Journal of Finance and Islamic Banking, 2018,(2) :90-104.

[10]Kim, D. W., Yu, J. S., & Hassan, M. K. Financial inclusion and economic growth in OIC countries[J]. Research in International Business and Finance, 2018(43):1-14.

[11]Sethi, D., & Acharya, D. Financial inclusion and economic growth linkage: Some cross country evidence[J]. Journal of Financial Economic Policy,2018.

[12]Sharma, D. Nexus between financial inclusion and economic growth: Evidence from the emerging Indian economy[J]. Journal of Financial Economic Policy, 2016,(1) :13–36.

[13]Neaime, S., & Gaysset, I. Financial inclusion and stability in MENA: Evidence from poverty and inequality[J]. Finance Research Letters, 2018,(24):230–237.

[14]Dupas, P., & Robinson, J. Why don’t the poor save more? Evidence from health savings experiments[J]. American Economic Review, 2013,103(4) :1138–1171.

[15]徐光华,乔梦瑶,何星颖等.普惠金融对企业环保投资的动态影响[J].财会通讯,2023(10):25-30.

[16]Sanderson, A., Mutandwa, L., & Le Roux, P. A review of determinants of financial inclusion[J]. International Journal of Economics and Financial Issues, 2018(3) :1.

[17]Sarma, M., & Pais, J. Financial inclusion and development[J]. Journal of international development, 2011,23(5) :613-628.

[18]Wang, X., & Guan, J. Financial inclusion: measurement, spatial effects and influencing factors[J]. Applied Economics, 2017,49(18) :1751-1762.

[19]Gelsomino, L. M., Mangiaracina, R., Perego, A., & Tumino, A. Supply chain finance: a literature review[J]. International Journal of Physical Distribution & Logistics Management, 2016,46 (4) :348-366.

[20]Aisaiti, G., Liu, L., Xie, J., & Yang, J. An empirical analysis of rural farmers’ financing intention of inclusive finance in China: the moderating role of digital finance and social enterprise embeddedness[J]. Industrial Management & Data Systems, 2019,119(7) :1535-1563.

[21]lai, J. T., Yan, I. K., Yi, X., & Zhang, H. Digital inclusive finance and consumption smoothing in China[J]. China & World Economy, 2020,28(1) :64-93.

[22]Zaidi S A H, Hussain M, Zaman Q U. Dynamic linkages between financial inclusion and carbon emissions: evidence from selected OECD countries[J]. Resources, Environment and Sustainability, 2021（4）: 100022.

[23]Saraswati, B. D., Maski, G., Kaluge, D., & Sakti, R. K. The effect of inclusive finance and financial technology on effectiveness of the Indonesian monetary policy[J]. Business: Theory and Practice, 2020,21(1) :230-243.

[24]Corrado, G., & Corrado, L. Inclusive finance for inclusive growth and development[J]. Current opinion in environmental sustainability, 2017(24):19-23.