数字金融如何赋能新质生产力发展？

摘要

数字金融的迅速兴起和广泛渗透打破了实体经济融资僵局，为培育新质生产力、塑造经济新动能提供了重要机遇。本文创造性地从科技引领、数字赋能、产业变革和制度保障四个维度构建新质生产力评价指标体系，基于2013—2022年中国省域数据，实证研析数字金融对新质生产力的影响及内在机理。研究发现：（1）数字金融显著促进了新质生产力发展，且其覆盖广度、使用深度和数字化程度均能显著发挥正向效能。（2）机制检验表明，革新金融资源配置效率、激励突破式创新是数字金融赋能新质生产力的内在路径。（3）异质性分析显示，数字金融对新质生产力的积极效能在传统金融禀赋低、数字基础设施水平高和经济政策不确定性弱的地区更为突出。本研究探析了数字时代金融业态对生产力质变飞跃的经济价值，为催化新质生产力形成提供了理论支撑和经验借鉴。

关键词

数字金融 / 新质生产力 / 金融资源配置效率 / 突破式创新

一 引言

当前，全球正迈入新一轮科技革命纵深发展的密集创新时代，科技已成为推动各国经济增长的新动能，并日益集中于原创性、颠覆性领域。这一趋势正促使生产力实现质变飞跃，成为各国抢占新领域新赛道、重塑世界经济格局的战略关口。习近平总书记指出：“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力。”^［1］190这要求我们要依托新质生产力推动经济高质量发展，抢占大国博弈的关键制高点。金融是现代经济的核心，其运行模式决定着高效能部门能否获取充足的资金支持以实现价值创造^［2］。由于新质生产力具有科技主导性、投入巨大、研发周期漫长等特性，相较于传统生产力更易受制于资金供给，因而亟须高效且稳定的金融体系予以有力支撑。然而，中国传统金融长期存在供需错位的结构性失衡问题，金融资源过度集中于少数发达地区、重资产行业和国有企业，而科技创新与产业变革则普遍面临资金供给不足、不到位和不精准等制约^［3］。由此导致的金融扭曲与错配，已成为制约新质生产力发展的突出堵点和卡点。因此，革新传统金融体系、打破实体经济融资困境，成为锻造新质生产力的重大改革命题。

新质生产力孕育于数字时代，其核心支撑在于数字技术及数据要素，这些要素具有强大的“信息孤岛”穿透能力，在动态优化资源配置方面展现出无可比拟的天然优势。而传统金融扭曲错配的根源正是信息壁垒^［4］，这使得依托数字经济重塑金融业态成为时代发展的必然诉求。数字金融通过“金融业+人工智能、区块链、云计算和大数据等核心数字技术”的深度融合，依托金融数字化变革，形成了对企业非标化软信息的收集与整合能力，并借助数据资产和大数据算法模型强化风险识别能力^［4］。在此基础上，数字金融能够打破信息壁垒，实现对企业市场价值和成长空间的科学评估，从而引导资金精准流向真正具备发展潜力的优质技术和产业^［3］。凭借“低成本、宽覆盖、高速度”的特性，数字金融有效服务于经济转型中的关键领域和薄弱环节，以数字时代的金融业态赋能新质生产力发展。2022年，中国人民银行印发《金融科技发展规划（2022—2025年）》，明确提出“将数字元素注入金融服务全流程”“增强金融服务实体经济能力”，这表明数字金融正日益成为塑造新质生产力竞争优势的“金融加速器”。

当前，关于数字金融与新质生产力的直接研究仍较为匮乏，现有相关议题主要集中在两个方面。

一是新质生产力相关的研究，主要围绕其概念内涵、评价测度和驱动因素等方面展开初步研讨。首先，作为中国提出的新兴经济概念，新质生产力的内涵界定多从生产力要素视角切入，认为其基本内涵在于劳动者、劳动资料和劳动对象三大实体性要素的跃迁^［5］，并通过新技术、生产组织和数据等渗透性要素实现对要素组合的全面优化^［6］，从而形成以科技创新为核心、以现代化产业体系为载体^［7］的质变式生产力形态^［8］。其次，部分学者在上述内涵基础上开展了新质生产力的评价与测度研究。朱富显等学者重点考察了新质生产力中劳动者、劳动资料和劳动对象的特征^［9］，韩文龙等学者则从实体性要素与渗透性要素两个维度分析生产力系统变革表现^［6］，卢江等学者强调新质生产力应具备创新化、数字化和绿色化等时代属性^［10］。由此，学者们构建了各有侧重的新质生产力评价指标体系，并普遍采用熵值法进行测度。最后，在新质生产力的驱动因素研究方面，少数文献从科技创新、数字经济、产业政策和金融发展等多元视角开展了理论探索^{［3，7，11-12］}，并采用定量方法对这些因素产生的具体驱动效应进行了初步检验^［13-15］，为新质生产力实现路径的研究提供了理论与实证依据。

二是从多层次视角对数字金融的经济效应进行研究。宏观经济层面，现有文献普遍肯定了数字金融对经济高质量发展的推动作用，数字金融能够促进民营企业技术创新、缩小城市发展差距、提升绿色经济效率、吸引外商直接投资和激发大众创业活力^{［4，16-19］}，且其积极效应呈现边际递增特征^{［16，18］}。中观产业层面，数字金融为产业结构优化与产业升级提供了新型融资支持^［20］，通过优化产业间资金配置、提升全要素能源生产率等途径发挥作用^［21-22］，但关于这一效应在中国不同地理区域间的差异性，学界尚存在一定分歧^{［21，23］}。微观企业层面，研究表明数字金融对企业景气度具有显著促进作用。它不仅有助于缓解银行与企业的信息不对称、提升企业融资可得性^［24］，还能激励企业开展突破式创新并形成外溢效应^［2］，推动企业重塑商业模式以实现价值再造^［25］，尤其有利于中小企业的健康与可持续发展^［26］。

综上所述，现有文献为本文的研究思路和方法提供了有益启示，但仍存在两方面不足。一是理论层面，较少将数字金融与新质生产力纳入统一分析框架。学术界多从数字经济或金融发展角度探索新质生产力的驱动因素，却相对忽视其在数字时代的融资诉求，即通过“金融+数字”的整合式业态打破制约经济高质量发展的传统金融桎梏^［27］。尽管数字金融对自主创新、产业升级的激励效能已得到广泛验证，但鲜有文献深入挖掘其对新质生产力的潜在价值，即便是少量相关研究，也普遍缺乏对内在机制的深入研讨^［28］和定量识别^［29］。二是实证层面，现有研究较少结合中国新质生产力的特质构建综合评价指标体系。既有测度多从生产力要素视角出发，强调新质生产力相较传统生产力的要素跃迁属性，却忽视了中国新质生产力培育的关键在于科技成果向产业应用的转化，以及通过有效制度畅通要素流动等现实^［7］，因而缺乏基于“变革传统+中国特质”双重视角的细致化考察。鉴于此，本文在系统剖析数字金融与新质生产力逻辑关联的基础上，利用2013—2022年中国省域数据科学测度新质生产力发展水平，实证考察数字金融对新质生产力的影响及其内在机制，以期为新质生产力发展提供数字时代金融业态的支持路径。

本文的边际贡献主要体现在三个方面。（1）研究视角层面。将数字金融纳入新质生产力的动因分析框架进行正面阐释，有助于拓展新质生产力赋能因素与数字金融经济价值的研究，也对借助中国数字金融发展的“星火燎原”之势探索新质生产力的本土化培育路径有着重要价值。（2）指标体系层面。本文首次基于科技引领、数字赋能、产业变革与制度保障四个维度构建新质生产力评价体系，有助于全面考量中国新质生产力“以科技创新推动产业创新，以制度保障强化要素赋能”的独特内涵，突破既有指标的一般属性测度，从而提升研究结论的科学性。（3）研究内容层面。本文基于金融业态重构优化视角，揭示数字金融通过革新金融资源配置效率和激励突破式创新而赋能新质生产力的过程，有助于深入刻画并厘清其中的内在作用机制。

二 理论机制与研究假说

熊彼特创新理论指出，金融体系的发展水平是影响创新能力和经济增长潜力的关键因素^［30］，因此金融对实体经济的有效赋能对新质生产力的培育至关重要。数字金融本质上是一种数字技术驱动的金融创新^［27］，通过利用数据要素的“信息孤岛”穿透能力，捕获企业融资需求，并借助数字技术实现长期资金供给的精准匹配，形成新型金融业态。在虚拟经济与数字经济的交互融合下，数字金融能够高效服务实体经济^［18］，进而支撑新质生产力发展。围绕数字金融如何赋能新质生产力这一问题，本文将从革新金融资源配置效率和激励突破式创新层面深入剖析其内在机理。

（一） 金融资源配置效率机制

金融作为稀缺性资源，其发展质量相较数量更能决定现代经济体系中有效融资需求能否得到满足，这主要体现在金融资源配置效率上^［31］。数字金融借助新一代信息技术，实现了金融体系产品服务、应用场景和业务流程等方面的全方位数字化变革^［2］，并凭借资金供给价格、边界和速度“三重优化”革新金融资源配置效率。首先，数字金融以“低成本”特性颠覆传统金融价格。通过在线支付、网上交易等数字化服务，数字金融能够捕捉企业在实际经营过程中的现金流、物流等“数字足迹”，开辟软信息来源范式^［32］，并形成数据型抵押资产。进一步通过大数据授信模型和区块链智能合约，数字金融有效突破事前与事后两类信息壁垒^［4］，从而大幅降低风险溢价，实现对金融资源配置效率的革新。其次，数字金融凭借“宽覆盖”特性突破传统金融边界。信息壁垒的打破显著提升了金融机构对企业经营状况和信用的科学评判能力^［16］，通过降低传统资金配置的信用历史和抵押担保依赖性，大量优质企业得以纳入金融服务范围，并依托合理化的资金价格切实提高融资可得性，从而为各类社会资金需求方提供融资渠道，提升金融资源配置效率^［33］。最后，数字金融能够以“高速度”特性重构传统金融流程。借助数字化平台提供线上实时金融服务，数字金融得以突破传统网点服务的时空限制^［18］，同时，通过直接连接投融资双方的点对点模式缩短资金融通链条，进一步提升业务处理速度，从而以任何时间、任何地点、任何方式的“3A”速度优势革新金融资源配置效率^［16］。

依托数字金融赋能，金融资源的有效配置能够打破经济转型关键领域和薄弱环节的融资“难、贵、慢”困境，形成符合新质生产力融资需求的最优金融结构。一方面，新质生产力以高质量发展为核心，而金融体系的核心功能正是在于通过优化资源配置转变经济增长模式^［34］。金融资源配置效率革新意味着经济主体的融资可得性与其生产效率实现有效匹配，在提高资本回报率的同时，通过金融作为“资源配置枢纽”引领技术、劳动等要素优化投向^［35］，从而通过提升全要素生产率加速新质生产力发展^［11］。另一方面，金融资源配置效率的革新聚焦最具潜力的价值增长部门，为战略性新兴产业和未来产业发展提供新型融资渠道^［2］，推动新业态、新技术和新模式持续涌现。同时，行业准入的放宽促进市场有效竞争，使产业核心竞争力愈发依赖技术创新^［23］，进而通过培育核心动能和强化基础载体，催化新质生产力的形成^［5］。

（二） 突破式创新机制

科技自立自强的实现路径并非模仿借鉴的渐进式创新，而是依赖独立研发驱动的突破式创新，其源动力在于微观经济主体^［36］。然而，突破式创新因高投入、风险大等特点，使多数企业倾向于规避突破性创新发展。数字金融通过探索资金链与创新链的高效衔接机制，强化外部激励与内部能力释放，激发突破式创新潜力。第一，数字金融能够优化企业突破式创新的外部激励。从金融生态角度看，突破式创新的知识探索特性易受资金投入约束，形成主要外部障碍^［2］。数字金融通过打破信息壁垒，挖掘优质科技企业和创新项目，提高金融体系对突破式创新初期收益不确定性的容忍度，并依托数据算法精准明晰其融资诉求，实现“全周期、全场景、个性化”的最优金融供给^［16］，以开放型金融生态激励突破式创新。从创新生态角度看，数字金融对社会经济发展具有广泛正向效应，促使地方政府重视把握新兴产业带来的发展机遇，并有动力将更多资金投入区域高质量创新领域^［37］，从而通过优化创新生态激励企业突破式创新。第二，数字金融能够强化企业开展突破式创新的内部能力。依据熊彼特创新理论，企业创新行为的决策机制可概括为“成本—利润—创新”框架^［36］。数字金融通过缓解融资约束，显著降低企业创新的可变成本，并提升要素投入产出效率^［18］，进而通过“利润增长—创新增加”机制促使企业依靠内源融资持续开展突破式创新。

新质生产力以科技创新为核心，其技术支撑需依赖能够实现“弯道超车”的突破式创新^［11］。首先，就新质生产力的动能而言，突破式创新能够催生破解经济难题的新技术，引发生产力核心要素的变革^［7］，进而通过动力革新与效率革新推动生产力水平裂变提升，实现生产力的质变跃迁。其次，就新质生产力载体而言，突破式创新可通过新技术催生新业态、新模式和新经济^［5］，凭借改变游戏规则的“归零优势”，开辟战略性新兴产业和未来产业的新赛道，以新型经济增长点实现高质量创新向先进生产力的落地转化^［8］。最后，从新质生产力的要素来看，突破式创新能够激励劳动者掌握先进知识与技能，加速人才升级，并与劳动资料结合，形成“高级、尖端、精密”设备，从而显著提升生产效率，同时不断发掘更多新型劳动对象，并将新型劳动对象纳入生产过程^［7］，以生产力内部要素的变革催化新质生产力形成。

基于上述理论分析，本文提出如下研究假说。

假说1：数字金融能够显著促进新质生产力发展。

假说2：数字金融能够通过革新金融资源配置效率赋能新质生产力。

假说3：数字金融能够通过激励突破式创新赋能新质生产力。

三 研究设计

（一） 模型设定

本文旨在分析数字金融对新质生产力的影响，基于前文理论分析与数据特征，构建如下基准回归模型：

NQP_it= α + β₁DIFIN_it+ β₂X_it+ λ_i+ γ_t+ ε_it （1）

式（1）中，下标i、t分别表示省份和年份。NQP_it为被解释变量，代表新质生产力水平；DIFIN_it为核心解释变量，代表数字金融水平。X_it为省域层面的一系列控制变量，λ_i、γ_t分别表示省份固定效应和年份固定效应，ε_it为随机误差项。本文关注的核心估计系数为β₁，若β₁显著为正，则表明数字金融能够促进新质生产力发展。

（二） 变量选取

1 被解释变量

新质生产力水平（NQP_it ）。依据新质生产力“以科技创新推动产业创新，以制度保障强化要素赋能”的特有内涵，同时借鉴既有研究^{［9-10，38-39］}，结合数据可得性，从科技引领、数字赋能、产业变革和制度保障四个维度构建新质生产力评价指标体系（见表1），采用经济评价领域广泛应用的熵值法进行测算。（1）科技创新是新质生产力的核心引擎，强调动员全社会研发力量产出高质量科技成果，从创新投入与创新成果两个维度进行衡量。（2）数据要素是新质生产力的赋能因子，由数字经济和信息基建两个维度构成。数字经济代表各要素动态配置以及高效衔接所需的新型禀赋，信息基建则体现新质生产力辐射范围和作用能级所需的坚实支撑^［5］。（3）产业变革是新质生产力的载体基础，既包括传统产业数字化、智能化、高端化及绿色化转型，也涵盖战略性新兴产业和未来产业的兴起发展，同时伴随产业结构优化升级^［7］，以现代化产业体系实现科技成果的转化应用。（4）制度保障是新质生产力的重要激励机制，需通过政府引导与市场有效运作的协同，畅通要素流动、释放创新活力^［11］，由有为政府和有效市场两个维度加以刻画。

2 核心解释变量

数字金融水平（DIFIN_it）。参考既有研究^{［4，18，33］}，本文采用北京大学数字研究中心发布的数字普惠金融指数进行衡量。该指数涵盖数字金融覆盖广度、使用深度和数字化程度三个分项指标，在国内数字金融研究领域具有较高权威性。本文选取2013—2022年中国省域层面的总指数作为核心解释变量，并以三项分指标进行稳健性检验。

3 机制变量

（1）金融资源配置效率（Finae_it）。金融资源配置的核心在于通过有限的金融资源投入与合理配置，实现对经济的最优支持效果^［41］，因此相关衡量多聚焦于金融业投入—产出层面。本文借鉴既有研究^［41-42］，采用DEA—Malmquist方法测算金融资源配置效率。具体而言，投入指标选取金融业固定资产投资、贷款金额和从业人员数量，以反映金融业开展各类服务的前提与基础；选取金融相关比率（金融机构人民币存贷款之和/GDP）作为产出指标，用于体现地区金融发展水平。

（2）突破式创新（Brinov_it ）。突破式创新是对现有技术的“破坏性创造”，企业需依托知识积累拓展创新能力边界。通常而言，企业专利分布类型越广、涉及知识的复杂程度越高，意味着企业越可能探索新技术领域并改变以往技术路径，从而提升创新突破性^［43］。因此，本文构建专利知识宽度^［43-44］指标来衡量突破式创新，利用国家知识产权局专利库中的各项专利IPC分类号进行测度。本文使用的专利数据类别为发明专利申请类别，因为发明专利申请更能反映创新水平。具体而言，为区分每项专利的内部知识差异，本文参考产业集中度的测算方法，采用赫芬达尔—赫希曼指数的逻辑对专利大组层面的分类数量进行加权^［45-46］，计算公式为width = 1-∑α²（α为专利分类号中各大组分类占比）。在得到单项专利知识宽度后，本文将其按中位数法加总至所在省份，得到省级突破式创新指标。

4 控制变量

结合新质生产力实证研究文献^［6，15］，本文将省域层面的工业化水平（indus）、企业数量（enter）、城镇化率（urban）、人力资本（edu）和对外开放程度（fdi）作为控制变量（X_it）。工业化水平用工业增加值占GDP比重表示，企业数量用企业数量的自然对数值衡量，城镇化率用城镇人口占总人口的比重刻画，人力资本用平均受教育年限表示，对外开放程度用外商直接投资总额与GDP的比值衡量。具体变量定义见表2。

（三） 数据来源及描述性统计

本文选取2013—2022年中国30个省级行政区作为研究样本（剔除数据缺失的西藏自治区及港澳台地区）。本文使用的数据来源于《中国科技统计年鉴》《中国火炬统计年鉴》《中国人口和就业统计年鉴》《中国统计年鉴》、各省级统计年鉴、国家知识产权局官网、国际机器人联合会（IFR）官网、中国企业家联合会官网、省级政府工作报告、国泰安数据库（CSMAR）和北京大学数字金融研究中心。对个别缺失数据，采用趋势外推法进行补全。变量描述性统计见表2。

四 实证结果与分析

（一） 基准回归

本文首先考察了数字金融对新质生产力的基准回归效应。表3列（1）—（5）展示了在逐步引入控制变量和年份固定效应后的回归结果。基准回归结果显示，核心估计系数DIFIN始终在1%的显著性水平上为正，表明数字金融能够显著促进新质生产力发展，研究假说1得以验证。针对传统金融因信息壁垒导致供给与实体经济融资需求长期错位，进而形成新质生产力发展的堵点这一问题，数字金融抓住“数字时代”的重大机遇，依托金融体系的数字化变革实现了信息搜集和风险研判能力的迭代升级，推动大量具备发展潜力的优质企业嵌入金融信用网络，从而有效服务于经济转型中的关键领域和薄弱环节，以数字时代的新型金融业态赋能新质生产力发展。

（二） 稳健性检验

为确保基准回归结果的真实可靠，本文从多个角度进行了稳健性检验，包括内生性检验、替换核心变量、优化样本数据、排除外生冲击和滞后效应检验等方法。

1 内生性检验

工具变量法是解决内生性问题的主要途径。本文借鉴既有研究^［47］，选取1995年每万户电话机数作为数字金融的工具变量。其逻辑在于：一方面，历史电信基础设施是互联网发展的基石，而数字金融的迅速崛起依赖于互联网支持，满足工具变量的相关性要求。另一方面，固定电话等早期电信设备已逐步被移动通信设备取代，对当前数字金融的影响日渐微弱，满足工具变量的排他性要求。鉴于1995年每万户电话机数为截面数据，本文将其与上一年全国互联网用户数的交互项构造为面板形式的工具变量。一阶段估计结果显示，F值为922.59，且通过了1%的显著性水平，表明不存在弱工具变量问题。二阶段估计结果见表4列（1），数字金融的估计系数仍在1%的水平上显著为正，进一步说明基准回归结果稳健。

2 替换核心变量

本文通过更换核心解释变量进行检验，选取数字普惠金融指数的覆盖广度、使用深度和数字化程度三项分指标替代总指数，并分别进行回归估计。为减轻变量测度误差的潜在影响，本文采用主成分分析法对被解释变量各项子指标重新赋权计算。表4列（2）—（4）分别为数字普惠金融覆盖广度、使用深度和数字化程度的估计结果，列（5）为被解释变量主成分方法测算的估计结果。结果显示，核心估计系数DIFIN的符号和显著性水平仍然稳健。

3 优化样本数据

为避免个别极端值对回归结果造成干扰，本文对所有变量进行上下1%分位点缩尾处理。表4列（6）的估计结果显示，核心估计系数DIFIN仍然显著为正。

4 排除外生冲击

2015年中国股市的动荡是样本期内较为典型的金融冲击事件，对经济和社会均产生了较大影响。本文参考既有文献^［48］，将2015年数据作为特殊样本予以剔除。表4列（7）的结果显示，数字金融的估计系数与基准回归并不存在显著差异。

5 滞后效应检验

鉴于数字金融对新质生产力的影响需要一定时间，本文分别以数字金融滞后一期和滞后两期作为核心解释变量并重新进行回归。表4列（8）—（9）的结果显示，DIFIN的估计系数仍在1%的水平上显著为正。这不仅验证了结论的稳健性，也表明数字金融对新质生产力的积极作用具有持续性。

五 进一步分析

（一） 机制检验

前文的实证结果表明，数字金融能够显著促进新质生产力发展。基于前文的理论分析，本文将进一步从金融资源配置效率和突破式创新两个方面，考察数字金融赋能新质生产力的内在机理。江艇^［49］的机制分析研究指出，逐步法可能导致统计检验功效降低，因而当机制变量与被解释变量的因果关系在理论上较为清晰时，可省略此环节的因果推断，仅考察核心解释变量与机制变量之间的因果关系。鉴于已有文献已证实金融资源配置效率提升和突破式创新发展对新质生产力具有积极作用，本文构建如下机制检验模型：

Finae_it= α + δ₁DIFIN_it+ β₃X_it+ λ_i+ γ_t+ ε_it （2）

Brinov_it= α + η₁DIFIN_it+ β₄X_it+ λ_i+ γ_t+ ε_it （3）

式（2）、式（3）中，Finae_it表示金融资源配置效率，Brinov_it表示突破式创新，其他变量与式（1）保持一致。若δ₁、η₁均显著为正，则证明机制路径成立。

1 金融资源配置效率

数字金融依托现代信息技术，重塑金融体系的产品服务、应用场景和业务流程，凭借“低成本、宽覆盖、高速度”的特性革新金融资源配置效率，畅通新质生产力发展的资金“血脉”。为检验该机制是否成立，本文对式（2）进行回归。表5列（1）—（2）的结果显示，δ₁ 在5%的水平上显著为正，表明数字金融能够显著提升金融资源配置效率。具体而言，数字金融通过资金供给边界、价格和速度的全面优化，有效破解优质企业融资难、融资贵、融资慢等掣肘，以金融业高质量发展促进金融资源有效配置。由前文理论分析可知，金融资源配置效率的提升不仅有助于稀缺性金融资源获得最大化产出，还能使其他生产要素畅通流动，通过提高要素边际生产力，推动形成“全要素生产率支撑型”经济模式^［35］，加速新质生产力的培育与壮大^［11］。同时，金融资源的有效配置还可以进一步优化战略性新兴产业和未来产业的资金保障^［3］，为新质生产力的产业“主阵地”提供更具持续性和韧性的金融支撑^［7］，从而通过夯实现代化产业体系赋能新质生产力发展。由此，研究假说2得以证实。

2 突破式创新

数字金融通过新型金融业态有效降低企业自主研发风险，在强化外部激励与释放内部能力的双重作用下，激发企业突破式创新潜力，进而盘活新质生产力发展的核心引擎。为检验这一机制，本文对式（3）进行回归。表5列（3）—（4）的结果显示，η₁ 在5%的水平上显著为正，表明数字金融能够显著激励突破式创新。具体而言，数字金融通过清除自主研发的首要融资障碍、营造鼓励新技术开发的区域创新生态、促进效率优化型价值创造等方式，有力支持企业探索并开辟新型技术路径。从理论层面看，突破式创新一方面凭借“破坏性创造”的优势积蓄新质生产力的科技动能，推动生产力核心要素实现质变与跃迁^［7］，另一方面通过突破“卡脖子”技术瓶颈，破解产业链中的关键难点和痛点，加速新经济、新领域和新赛道的孕育和涌现^［5］，同时，突破式创新还能促进劳动者、劳动资料和劳动对象的协同优化，引发生产力的系统性变革^［7］。由此，突破式创新通过培育生产力新型动能、夯实发展载体和优化要素配置，全面赋能新质生产力发展。研究假说3得以验证。

（二） 异质性分析

1 传统金融禀赋异质性

中国传统金融呈现鲜明的区域发展不平衡特征。在传统金融禀赋不同的地区，数字金融对新质生产力的作用可能存在差异。为此，本文参考既有文献^［50］，采用“每万人拥有的金融机构网点数”衡量传统金融禀赋，并依据其中位数将全样本划分为传统金融禀赋高、低两组。表6列（1）—（2）的估计结果显示，数字金融仅在传统金融禀赋低的地区显著促进了新质生产力发展。其可能的原因在于：一方面，数字金融依托信息技术优势重塑了金融服务体系，显著提升了实体经济的融资可得性。在传统金融禀赋较低的地区，数字金融通过弥补金融供给不足，对新质生产力形成了“雪中送炭”效应；相比之下，在传统金融禀赋较高的地区，数字金融的“锦上添花”效应相对有限。另一方面，数字金融加剧了传统金融发展不发达地区的竞争压力，倒逼当地金融机构加快数字化转型，推动金融供给模式由供给导向向需求导向转变，从而强化了对新质生产力发展的支持。由此可见，在传统金融禀赋较低的地区，数字金融更能有效激发新质生产力的生成与发展。

2 数字基础设施水平异质性

在数字基础设施水平不同的地区，数字金融对新质生产力的作用可能存在差异。据此，本文借鉴现有研究^［18］，选取“互联网宽带接入用户数的自然对数值”刻画数字基础设施水平，并依据其中位数将全样本进行分组回归。表6列（3）—（4）的回归结果显示，数字金融对新质生产力的正向影响仅在数字基础设施水平高的地区显著。这表明，数字金融要发挥“金融加速器”作用，推动新质生产力发展，必须以完善的数字基础设施为支撑。健全的数字基础设施能够提供高质量、低成本、广覆盖的数据资源，为金融体系科学评估企业的经营状况和融资需求提供坚实基础，使资金供给更精准匹配新质生产力的发展需求。同时，数字基础设施还为数据要素的高效流动和实时分析提供条件，使数字金融能够精准刻画企业行为特征，开发个性化、多元化的金融产品，动态优化金融产品与服务，从而有效破除制约新质生产力发展的融资瓶颈。

3 经济政策不确定性的异质性

在经济政策不确定性不同的地区，数字金融对新质生产力的作用可能存在差异。基于此，本文参考已有文献^［51］，采用Yu等编制的“中国省级层面经济政策不确定性指数”表征经济不确定性这一指标^［52］，并依据中位数将样本划分为经济政策不确定性强、弱两组。表6列（5）—（6）的回归结果显示，数字金融仅在经济政策不确定性弱的地区对新质生产力具有显著赋能作用。可能的原因在于：一方面，新质生产力的形成依赖于技术创新、要素优化与制度保障的协同作用。在政策预期稳定的环境下，数字金融能够通过提升融资效率、优化资源配置和促进数据要素流动，推动创新链与产业链的深度融合，加速先进生产要素的重组与转化，从而促进新质生产力的生成与发展。另一方面，较高的政策不确定性会削弱企业的创新预期和风险承受能力，抑制数字金融的资金支持与技术赋能功能，导致创新投入不足、要素流动受阻，进而制约新质生产力的培育与提升。

六 结论与政策建议

当前，新一轮科技革命孕育下的新质生产力正日益成为推动经济高质量发展和重塑世界经济格局的重要驱动力。金融作为实体经济运行的血脉，对经济稳定和高效增长发挥着关键支撑作用。本文以数字时代金融业态为研究切入点，基于2013—2022年中国30个省级行政区的面板数据，实证考察数字金融对新质生产力的影响及作用机制，主要研究结论如下。（1）数字金融对新质生产力发展具有显著促进效应，能够以新型“金融加速器”赋能生产力质变跃迁，且该结论经一系列稳健性检验后依然成立。（2）革新金融资源配置效率、激励突破式创新是数字金融助推新质生产力发展的机制路径，形成“金融业自身创新—实体经济高效创新”的双轮驱动，进而助推新质生产力发展。（3）数字金融在传统金融禀赋低、数字基础设施水平高和经济政策不确定性弱的地区，赋能新质生产力的效应更为显著，表现出明显的异质性。基于上述研究结论，本文提出如下政策建议。

第一，深化数字金融新型业态，破解新质生产力发展的资金瓶颈。鉴于金融体系的数字化变革是一项长期而复杂的系统性工程，政府应制定清晰合理的数字金融战略规划及实施方案，整合行业头部资源，推动相关产品服务、业务流程等标准体系建设，营造良好有序的数字金融发展生态。在明确金融业改革方向与“金融与科技深度融合”的前提下，应大力发展并充分利用人工智能、区块链、云计算和大数据等新一代信息技术，借助大数据算法模型智能分析行业与企业特征，针对各类细分领域定向开发创新产品组合与服务模式，并结合实时数据进行动态调整与优化，从而不断增强数字金融赋能新质生产力的强度与精度。同时，要着力培育既掌握金融基础理论又熟悉前沿数字技术的复合型人才队伍，以人才储备充实数字金融的“智囊宝库”，加速推动数字金融的深化与创新。

第二，畅通数字金融赋能机制，疏导新质生产力发展的关键动脉。一方面，应深化金融资源的市场化配置改革，合理界定政府行为边界，纠正干预型“资金挤出”现象，推动金融资源更多投向新材料、高端装备、生物技术等战略性新兴产业，以及量子信息、基因技术等未来产业。同时，鼓励金融体系加大对高新技术企业和专精特新企业的支持力度，从而实现金融业收益与新质生产力发展的“双赢”。另一方面，要健全创新成果的技术含量甄别机制，引导企业探索突破式创新路径，培育核心技术，并配套直达突破式创新的融资模式，完善风险投资、高科技企业债券和高新技术研发损失险等精准资金扶持工具，构建支持突破式创新的“发掘—筛选—孵育”机制。此外，还需健全知识产权保护政策，防止自主创新成果遭受低成本模仿侵权，从而进一步激发突破式创新的活力和能力，以大幅跨越科技关口，加快新质生产力的形成。

第三，考量数字金融运行条件，支持新质生产力发展的薄弱区域。首先，要充分发挥数字金融的“均衡器效应”，引导数字金融发达地区通过共享平台等形式构建省际协作体系，依托扩散带动效应释放传统金融弱势地区的后发优势，更好发挥数字金融的“雪中送炭”功能，助力新质生产力发展。其次，应持续推动大数据试验区、“宽带中国”等数字基础设施专项政策落地，并辅以财税优惠和补贴等激励措施，通过完善5G基站、大数据中心和工业物联网等数字基建，为数字金融发展培植良好“温床”，避免因“数据鸿沟”导致新质生产力区域发展分化。最后，要合理应对经济政策频繁调整对经济高效运行的不利影响，保持政策的长期一致性与连贯性，在经济运行良好时期更多依赖市场自主调节机制，从而稳定新技术、新产业的发展预期，进而释放数字金融赋能新质生产力的“红利”。

参考文献

[1] 习近平.习近平谈治国理政：第五卷［M］.北京：外文出版社，2025.

[2] 孙健，李菡旻，袁淳，数字金融与企业突破式创新——基于监督和融资双渠道的分析［J］.管理评论，2024，36（2）：222-235.

[3] 廖恒，邱志刚.金融助力新质生产力的长效机制研究［J］.理论与改革，2024（3）：52-61.

[4] 史小坤，陶燕燕.数字金融、金融摩擦与民营企业技术创新［J］.科研管理，2024，45（1）：98-110.

[5] 黄群慧，盛方富.新质生产力系统：要素特质、结构承载与功能取向［J］.改革，2024（2）；15-24.

[6] 韩文龙，张瑞生，赵峰.新质生产力水平测算与中国经济增长新动能［J］.数量经济技术经济研究，2024，41（6）：5-25.

[7] 周文，许凌云.再论新质生产力：认识误区、形成条件与实现路径［J］.改革，2024（3）：26-37.

[8] 李政，廖晓东.发展“新质生产力”的理论、历史和现实“三重”逻辑［J］.政治经济学评论，2023，14（6）：146-159.

[9] 朱富显，李瑞雪，徐晓莉，中国新质生产力指标构建与时空演进［J］.工业技术经济，2024，43（3）：44-53.

[10] 卢江，郭子昂，王煜萍.新质生产力发展水平、区域差异与提升路径［J］.重庆大学学报（社会科学版），2024，30（3）：1-17.

[11] 尹西明，陈劲，王华峰，强化科技创新引领 加快发展新质生产力［J］.科学学与科学技术管理，2025，46（8）：3-9.

[12] 张夏恒.数字经济加速新质生产力生成的内在逻辑与实现路径［J］.西南大学学报（社会科学版），2024，50（3）：1-14.

[13] 张秀娥，王卫，于泳波.数智化转型对企业新质生产力的影响研究［J］.科学学研究，2025，43（5）：943-954.

[14] 刘洪铎，吴金燕，吴璇，地方主导型产业政策创新赋能新质生产力涌现：基于产业链“链长制”的研究视角［J］.新疆社会科学，2024（3）：53-67.

[15] 任宇新，吴艳，伍喆.金融集聚、产学研合作与新质生产力［J］.财经理论与实践，2024，45（3）：27-34.

[16] 王修华，杨彦宁.数字金融能够降低城市发展差距吗［J］.经济学动态，2023（2）：88-105.

[17] GU J. Intra-industry or spatial spillovers： Empirical study on the impact of digital finance on green energy innovation［J］. Journal of Cleaner Production， 2023， 433.

[18] 王智新，王辰筱，朱文卿，新发展格局下城市数字金融对外商直接投资的影响——来自我国256个地级及以上城市的经验证据［J］.统计研究，2023，40（3）：71-84.

[19] ZHEN Z， CAO R， GAN X， et al. The impact of digital finance on urban entrepreneurial activity： The moderating effect of advanced human capital structure［J］. Finance Research Letters， 2024， 64.

[20] DONG H， ZHENG Y， TANG Y. Impact of FinTech on the industrial structural transformation： Evidence from China’s resource-based cities［J］. Resources Policy， 2024，91.

[21] 朱东波，张相伟.数字金融通过技术创新促进产业结构升级了吗？［J］.科研管理，2023，44（7）：73-82.

[22] ZHANG X， BAO K， LIU Z， et al. Digital finance， industrial structure， and total factor energy efficiency： A study on moderated mediation model with resource dependence［J］. Sustainability， 2022，14（22）：14718.

[23] 李海奇，张晶.金融科技对我国产业结构优化与产业升级的影响［J］.统计研究，2022，39（10）：102-118.

[24] Wang Z. Digital finance， financing constraint and enterprise financial risk［J］. Journal of Mathematics， 2022（1）.

[25] 李君锐，买生.数字金融对企业商业模式创新的影响研究［J］.管理评论，2023，35（6）：82-91.

[26] XIE C， LIU C. The nexus between digital finance and high-quality development of SMEs： Evidence from China［J］. Sustainability， 2022，14（12）：7410.

[27] 方先明，刘韫尔.数字普惠金融发展、资源错配抑制与中小企业景气提升［J］.经济理论与经济管理，2024，44（1）：39-54.

[28] 杨秋菊，王文福.数字普惠金融、新质生产力与城乡共同富裕［J］.中国流通经济，2024，（6）：115-126.

[29] 张壹帆，陆岷峰.数字金融对金融新质生产力提升的作用机制研究［J］.河南社会科学，2024，32（5）：74-84.

[30] KING R G， LEVINE R. Finance and growth： Schumpeter might be right［J］. The Quarterly Journal of Economics， 1993，108（3）：717-737.

[31] 孙英杰，林春.“互联网+”对金融资源配置效率的影响——基于省级面板数据的经验分析［J］.大连理工大学学报（社会科学版），2019，40（6）：28-36.

[32] GOLDSTEIN I， JIANG W， KAROLYI G A. To FinTech and beyond［J］. The Review of Financial Studies， 2019，32（5）：1647-1661.

[33] 赵绍阳，李梦雪，佘楷文.数字金融与中小企业融资可得性——来自银行贷款的微观证据［J］.经济学动态，2022（8）：98-116.

[34] 谢贤君，王晓芳，雷明.金融结构-创新水平匹配、资源配置效率与绿色全要素生产率［J］.财经论丛，2020（7）：43-52.

[35] 欧阳志刚，陈奕景，陈熹.中国制造业金融资源配置效率与全要素生产率［J］.管理世界，2024，40（4）：96-128.

[36] 诸竹君，袁逸铭，许明，数字金融、路径突破与制造业高质量创新——兼论金融服务实体经济的创新驱动路径［J］.数量经济技术经济研究，2024，41（4）：68-88.

[37] 刘章生，赖彬彬，刘桂海，地区竞争、推广数字普惠金融与绿色经济效率［J］.管理评论，2023，35（1）：39-51.

[38] 张虎，张毅，韩爱华.我国产业链现代化的测度研究［J］.统计研究，2022，39（11）：3-18.

[39] 樊纲，王小鲁，马光荣.中国市场化进程对经济增长的贡献［J］.经济研究，2011，46（9）；4-16.

[40] 孟凡生，赵艳.工业智能化、产业集聚与碳生产率［J］.科学学研究，2023，41（10）：1789-1799.

[41] 张玉苗.区域金融资源配置效率经验研究——基于超效率DEA-Tobit模型的分析［J］.财经问题研究，2017（4）：122-128.

[42] 吕健.市场化与中国金融业全要素生产率——基于省域数据的空间计量分析［J］.中国软科学，2013（2）：64-80.

[43] 黄隽，宋文欣.数字化转型、企业生命周期与突破性创新——来自中国上市公司的经验证据［J］.上海经济研究，2023（1）：48-69.

[44] 李哲，黄静，孙健.突破式创新对分析师行为的影响——基于上市公司专利分类和引证数据的证据［J］.经济管理，2021，43（5）：192-208.

[45] 陶锋，赵锦瑜，周浩.环境规制实现了绿色技术创新的“增量提质”吗——来自环保目标责任制的证据［J］.中国工业经济，2021（2）：136-154.

[46] 张杰，郑文平.创新追赶战略抑制了中国专利质量么？［J］.经济研究，2018，53（5）：28-41.

[47] 王智新，韩承斌，朱文卿.数字金融发展对出口技术复杂度的影响研究［J］.世界经济研究，2022（8）：26-42+135-136.

[48] 陆凤芝，王群勇，李仲武.数字金融促进了中国绿色高质量发展吗？［J］.中国人口·资源与环境，2023，33（11）142-151.

[49] 江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120.

[50] 张云，方霞，杨振宇.数字金融、企业风险承担与技术创新［J］.系统工程理论与实践，2023，43（8）：2284-2303.

[51] 蔡栋梁，王海军，黄金，银行数字化转型对小微企业自主创新的影响——兼论数字金融的协同作用［J］.南开管理评论，2024，27（3）：39-51.

[52] YU J， SHI X， GUO D， et al. Economic policy uncertainty （EPU） and firm carbon emissions： Evidence using a China provincial EPU index［J］. Energy Economics， 2021， 94.

基金资助

重庆市社会科学规划青年项目“数字经济赋能重庆新质生产力的内在机理、效应评估与路径优化研究”(2024NDQN037)

全国统计科学研究项目“企业创新产出效率测度及成果转化路径研究”(2025LY023)

中国博士后科学基金面上项目“数字经济赋能成渝双城经济圈区域创新体系整体效能的内在机制与实现路径研究”(2024MD754013)