数字金融对产业结构高级化的影响研究

Research on the Impact of Digital Finance on the Upgrading of Industrial Structure

摘要: 基于2011~2022年中国30个省面板数据，构建产业结构高级化水平的评价指标体系，采用计量基准回归模型研究并实证分析数字金融对产业结构高级化的影响及其作用机制。结果表明：数字金融有利于促进产业结构高级化的发展；并且数字金融能够通过促进企业数字化转型和改善营商环境以推动产业结构高级化发展。同时，随着数字金融的逐渐提升并跨越门槛值后，数字金融对产业结构高级化的促进效应随之减少。此外，数字金融对产业结构高级化的影响作用存在地区方面的异质性。根据研究结论，从政府层面及区域协同层面等方面提出相应的对策建议，以加快产业结构的整体升级。

Abstract: Based on the panel data of 30 provinces in China from 2011 to 2022, this paper constructs an evaluation index system for the level of industrial structure upgrading, and uses the econometric benchmark regression model to study and empirically analyze the impact of digital finance on the upgrading of industrial structure and its mechanism. The results show that digital finance is conducive to promoting the development of industrial structure upgrading. In addition, digital finance can promote the development of industrial structure by promoting the digital transformation of enterprises and improving the business environment. At the same time, with the gradual improvement of digital finance and the gradual crossing of the threshold, the promotion effect of digital finance on the upgrading of industrial structure will be increased. In addition, there is regional heterogeneity in the impact of digital finance on the upgrading of industrial structure. According to the research conclusions, corresponding countermeasures and suggestions are put forward from the aspects of government level and regional coordination level to accelerate the overall upgrading of industrial structure.

1. 引言

在全球经济数字化转型的背景下，数字金融作为一种新兴的金融形态，正在改变传统金融体系的运行模式，并对经济发展产生深远影响。数字金融通过降低交易成本、提高金融服务效率和覆盖范围，为企业和个人提供了新的金融工具和服务渠道。产业结构高级化是一个长期发展的过程，通常遵循一定的规律性，即从低级形式向高级形式演进。这一过程不仅需要技术创新的驱动，还需要政府政策的支持和市场机制的有效运作。例如，通过加大人力资本投入、加快科技金融创新以及实施创新驱动战略，可以推动产业结构向更高级的形式发展，产业结构高级化是实现经济增长和提升国家竞争力的关键因素，是现代经济发展的重要标志[1]。

近年来，学者们对数字金融展开了广泛而深入的研究。这些研究涵盖了包容性增长、互联网金融模式、网络融资、数字货币、金融资源配置效率、企业金融化以及资本市场安全等多个方面。研究表明，数字金融的发展对居民消费有显著促进作用，特别是在农村、中部、西部地区以及中低收入家庭中表现得尤为明显[2]。互联网金融模式作为一种新兴的金融融资模式，也是学者研究的重点之一。这包括支付方式、信息处理和资源配置等方面。同时，数字金融的演进不仅涵盖了网络融资这一便捷的融资渠道，还囊括了数字货币这一创新的货币形式，同时也包括了对于这一新兴领域不断加强的数字金融监管措施[3]。数字金融对于金融资源配置效率的影响也是研究的热点。研究发现，当数字金融的发展水平达到更高层次时，该区域内的企业所面临的金融错配现象会相应减少，从而金融资源的配置效率也会显著提升。这意味着数字金融的发展有助于优化金融资源的分配，使其更加高效、精准地服务于实体经济[4]。数字金融的发展对资本市场安全的影响也是一个重要的研究方向。随着数字技术的迅猛演进，数字金融正逐步崛起为金融业的新格局，它不仅重塑了金融业的运作模式，也为资本市场的稳健发展带来了深远影响，标志着金融业正迈向一个崭新的变革时代[5]。

技术选择和技术进步是推动产业结构变迁和升级的关键因素，通过技术选择和资本深化能够有效促进产业升级。此外，消费升级也显著促进了产业结构的整体升级，推动了制造业和服务业内部结构的优化[6]。产业结构升级的研究正逐渐聚焦于消费升级、资源配置等领域，并有望在未来与数字经济更紧密结合。同时，税收政策对产业结构升级也发挥着重要作用，商品税税负过重可能阻碍产业升级。科技创新则在产出供给端促进了产业结构的升级[7]。在新常态下，产业结构调整升级成为经济发展的重要内容，信息化则对产业结构转型升级起到了持续显著的动态促进作用。对于产业升级的测度与策略分析，提高自主创新能力是关键。产业经济结构转型在经济新常态下取得了良好效果，但仍面临不少问题[8]。产业升级的研究通常从产业结构升级和产业价值链升级两个层次展开，而多种产业结构升级模式的变迁也推动了我国产业结构的升级和国民经济的健康发展。

综上所述，学者们对数字金融与产业结构高级化进行了分析，对本文的研究有很大的借鉴意义，但不难发现，以数字金融与产业结构高级化为主题的研究中，主要是技术创新、资源配置效率和消费升级等的影响作为主要研究内容的文献居多，基于此，本文尝试从以下三个方面做出努力：第一，综合以往研究文献对数字金融推动产业结构高级化的理论机制的研究成果的补充和丰富；第二，在研究内容和机制检验上，从企业数字化转型和营商环境角度出发，探究了数字金融对产业结构高级化的中介效应，同时从经济发展水平的角度探讨了数字金融与产业结构高级化的门槛效应，丰富和拓展了数字金融与产业结构高级化的相关研究；第三，分析数字金融对产业结构高级化发展的具体影响并对东部、中部、西部和东北地区异质性进行分析为政策精准投入提供参考。

2. 理论分析与研究假设

2.1. 数字金融对产业结构高级化的影响

数字金融通过促进技术创新和提高金融服务的效率，为产业结构的优化和升级提供了重要支持并且在质和量的维度上促进产业结构高级化都具有显著效果[9]。这种促进效应主要体现在数字金融覆盖广度及使用深度等方面。此外，数字金融通过发挥其普惠性和包容性特征，对中小城市的产业结构高级化影响更为显著。在区域层面，数字金融对中西部地区的产业结构高级化促进效应大于东部地区[10]。这可能是因为中西部地区在数字金融基础设施建设方面相对滞后，因此数字金融的发展能够更好地弥补这一差距，从而加速这些地区的产业结构高级化[11]。此外，数字金融通过提高金融服务供需双方的适配度，改善资本配置效率，为国内大循环提供了重要驱动力。数字金融不仅能够带动传统行业发展，加速现代服务业与传统制造业的融合，还能催生新产品、新业态和新市场，从而推动产业结构高级化[12]。

H1：数字金融可正向促进产业结构高级化发展。

2.2. 数字金融、企业数字化转型与产业结构高级化

数字金融发展能够显著推进企业数字化转型，并通过缓解融资约束、提高企业创新能力等途径来达到推动产业结构高级化的目的[13]。此外，数字金融通过提供更加便捷和匹配的金融服务，支持产业链的发展，从而支撑产业结构高级化。进一步来看，数字金融对企业数字化转型的影响不仅限于单一企业层面，还涉及整个产业结构的优化和升级。研究显示，数字金融通过促进技术创新、改善资本配置效率以及推动现代服务业与传统制造业的融合，有助于实现产业结构的合理化和高级化[14]。此外，数字金融的发展还能够催生新产品、新业态和新市场，从而为产业结构高级化注入新动力。数字金融通过促进企业数字化转型，不仅提升了企业的创新能力和发展潜力，还推动了产业结构的优化和升级，从而为经济高质量发展提供了重要支撑。

H2：企业数字化转型在数字金融对产业结构高级化发展的影响中发挥机制传导作用。

2.3. 数字金融、营商环境与产业结构高级化

通过优化营商环境，政府可以推动金融业的数字化转型，实现金融服务的网络化、实时化和常态化。这种变革不仅提高了金融服务的效率和可达性，还通过引入大数据、云计算、人工智能等前沿技术，大幅提升了金融服务的精准度和个性化水平，进一步满足了产业结构高级化发展的需求[15]。数字金融通过优化营商环境，降低交易成本，提高金融服务供需双方的适配度，改善资本配置效率，从而为产业结构高级化提供了重要支撑[16]，营商环境在数字金融与产业结构高级化之间确实起到了重要的中介作用。首先，良好的营商环境能够促进区域经济的发展，并且数字技术的进步有助于营造良好的营商环境，从而推动产业结构高级化。此外，研究表明，数字金融通过缓解融资约束、优化营商环境、提高风险承担水平和增加研发支出等渠道，促进了企业的数字化转型，进而推动了产业结构的升级[17]。

H3：营商环境在数字金融对产业结构高级化发展的影响中发挥机制传导作用。

2.4. 数字金融的门槛效应

数字金融对产业结构高级化的非线性影响可以从多个角度进行分析。首先，数字金融的发展与产业结构升级之间存在显著的非线性关系。这种关系表现为“U”型或门槛效应，即在某些阶段，数字金融的发展对产业结构升级具有显著的促进作用，但当发展达到一定水平后，其作用可能会减弱或产生负面效应[18]。具体来说，数字普惠金融的发展通过多种机制促进了产业结构的高级化。例如，数字支付业务通过促进居民消费升级推动产业结构高级化；数字信贷业务通过提高资本要素在部门间流动效率促进产业结构高级化；而数字保险业务则通过优化产业间劳动要素配置，推动产业结构高级化[19]。

H4：数字金融对新质生产力的影响存在门槛效应。

2.5. 数字金融对产业结构高级化发展的异质性特征分析

地区的自然禀赋、资源分布和经济发展条件等地理因素会影响地区的经济发展和产业结构。通过分析不同地区的数字金融和产业结构高级化发展情况，发现东部沿海地区由于经济发达、开放程度高、创新能力强，而西部地区由于经济基础相对薄弱、产业结构单一、创新资源不足，不同地区的自然环境、资源条件等因素存在差异，导致不同地区的数字金融在市场环境、人才资源等方面存在差异性。这些差异性会影响企业的创新能力和生产效率[20]，从而导致不同地区的数字金融对产业结构高级化的影响存在差异性。此外，政策差异也是导致数字金融对产业结构高级化发展推动效应具有地理差异性的重要原因。不同地区在政策支持、产业发展战略等方面存在差异，这些政策差异同样会影响地区的数字金融和产业结构高级化的发展水平。

H5：数字金融对产业结构高级化发展推动效应具有地理差异性。

3. 研究设计

3.1. 模型构建

3.1.1. 基准回归模型

为探究数字金融对产业结构高级化的影响效应，本文构造二者关系的一般基准回归模型，设计如下：

$I{S}_{it}={\alpha }_0+{\alpha }_{1}Inde{x}_{it}+{\alpha }_2{X}_{it}+{\delta }_i+{\phi }_t+{\epsilon }_{it}$

其中，$I{S}_{it}$ 表示i地区第t年对应的产业结构高级化，$Inde{x}_{it}$ 表示i地区第t年的数字金融，$X_{it}$ 表示系列控制变量，${\alpha }_0$ 、${\alpha }_1$ 、${\alpha }_2$ 依次代表截距项、解释变量影响系数与控制变量影响系数；${\delta }_i$ 与${\phi }_t$ 分别表示个体、时间固定效应，${\epsilon }_{it}$ 表示随机扰动项。

3.1.2. 中介效应模型

为考察数字金融对产业结构高级化的内在机制，参考温忠麟等(2004) [21]关于中介模型的设计思路，构建中介效应模型如下所示：

$M_{it}={\beta }_0+{\beta }_{1}Inde{x}_{it}+{\beta }_2{X}_{it}+{\delta }_i+{\phi }_t+{\epsilon }_{it}$

$I{S}_{it}={\gamma }_0+{\gamma }_{1}Inde{x}_{it}+{\gamma }_2{M}_{it}+{\gamma }_3{X}_{it}+{\delta }_i+{\phi }_t+{\epsilon }_{it}$

其中：$M_{it}$ 为中介变量，包括企业数字化转型(Dcg)和营商环境(Be)。

3.1.3. 门槛效应模型

为了进一步深入探究数字金融对产业结构高级化的作用机制，是否存在某些因素导致数字金融在不同的情况下对产业结构高级化的影响存在差异，故本文借鉴Hansen等(1999) [22]的面板门槛模型的方法，构建如下的非线性门槛面板模型：

$\begin{array}{c}I{S}_{it}={\mu }_i+{\partial }_{1}Inde{x}_{it}\times l\left(q_{it}\le {\gamma }_1\right)+{\partial }_{2}Inde{x}_{it}\times l\left({\gamma }_1<q_{it}\le {\gamma }_2\right)\\ +\cdot \cdot \cdot +{\partial }_{n}Inde{x}_{it}\times l\left(q_{it}>{\gamma }_{n-1}\right)+{\theta }_i{Z}_{it}+{\epsilon }_{it}\end{array}$

其中：$Inde{x}_{it}$ 为解释变量，与扰动项${\epsilon }_{it}$ 不相关；$q_{it}$ 为门槛变量；${\gamma }_1,{\gamma }_2,\cdot \cdot \cdot ,{\gamma }_{n-1}$ 为待估计的门槛值；${\mu }_i$ 为截距项；$l(\cdot )$ 为示性函数；反之，取值为0。$Z_{it}$ 为各控制变量；${\partial }_1$ 、${\partial }_1$ 、…${\partial }_1$ 、${\theta }_i$ 为待估参数；扰动项${\epsilon }_{it}$ 为独立同分布。

3.2. 样本选择

3.2.1. 被解释变量

产业结构高级化(IS)。利用产业结构层次来反映，本文选取第二产业与第三产业之和取对数作为衡量产业结构高级化的变量。

3.2.2. 核心解释变量

数字金融(Index)。在构建数字金融的量化评估框架上，北京大学数字金融研究中心精心打造并持续推出了“数字普惠金融指数”。这一指数不仅成为了衡量我国数字金融发展状况的重要工具，而且通过不断的更新和完善，为我国数字金融的定量研究提供了更为丰富和精准的数据支持[23]。本文数字金融的评价指标运用了数字普惠金融指数的三个分类指数，即覆盖广度、使用深度和数字化程度。

3.2.3. 控制变量

为减少遗漏变量缺失所导致模型估计结果所存在的偏误，借鉴吴文生等(2024) [24]的研究，本文选取政策干预(Govern)、科学教育水平(SEL)、研发强度(RDI)及技术创新(Inno)作为控制变量，其中：以政府预算支出与政府预算收入只差占政府预算支出的比重作为衡量政策干预的变量，以政府的教育支出与政府的科技支出之和占政府的财政支出的比重作为衡量科学教育水平的变量，以各省份R&D经费支出占全部财政支出比重作为衡量研发强度的变量，以中国区域创新能力报告中的创新能力指数作为衡量技术创新的变量。

3.2.4. 中介变量

为探究数字金融对产业结构高级化的作用机制，借鉴赵涛等(2020) [25]的研究，本文引入中介效应模型，选取企业数字化转型(Dcg)和营商环境(Be)为中介变量，具体而言，本研究在科学性和客观性原则的指导下，企业数字化水平衡量是以运用上市公司年报中出现的关键词将企业定位到省级并对词频进行加总取平均的对数进行测度，基于数据的可获得性，构建包括宏观经济环境、市场环境、基础设施、政策环境在内的4个一级指标和15个二级指标构成的指标评价体系，之后利用熵权法综合确定各个指标的权重，按权重加总后得到最终的营商环境综合指数。

3.2.5. 门槛变量

为了更加精确地分析变量之间的关系，控制混淆因素，增加研究的可解释性，本文引入门槛变量经济发展水平(Dep)，以此探究数字金融对产业结构高级化的影响存在经济发展水平的门槛效应。基于数据的可获得性，以人均GDP的对数作为衡量经济发展水平的变量。

3.3. 数据来源

选取2011~2022年中国30个省为样本，数据来源于《中国统计年鉴》、《中国科技统计年鉴》、《中国环境统计年鉴》、《中国劳动统计年鉴》以及各省份统计年鉴等。对于部分缺失数据，本文采用线性插值法进行补齐。研究的主要变量描述性统计数据见表1。

Table 1. Descriptive statistics of variables

表1. 变量描述性统计

Variable		Obs	Mean	Std. Dev.	Min	Max
被解释变量	IS	360	9.801	0.897	7.323	11.726
解释变量	Index	360	0.518	0.227	0.038	0.992
中介变量	Dcg	360	7.502	1.559	3.332	12.076
	Be	360	0.309	0.093	0.152	0.603
门槛变量	Dep	360	10.909	0.452	9.706	12.156
控制变量	Govern	360	0.509	0.188	0.069	0.849
	SEL	360	0.185	0.032	0.106	0.262
	RDI	360	0.057	0.045	0.004	0.201
	Inno	360	3.350	0.547	2.759	9.282

4. 实证分析

4.1. 基准回归

根据Hausman检验的P值为0.002，表明固定效应模型在当前数据分析中相对于随机效应模型更为适用。因此，采用双向固定效应模型进行后续的实证检验，并且各变量的方差膨胀因子均在5以下，表明各变量之间不存在严重的多重共线性。通过逐步引入了多个控制变量进行回归，发现数字金融的回归系数始终保持为正，且这些系数在1%的显著性水平下高度显著。这一发现充分证明了数字金融对产业结构高级化的发展具有显著的正面影响。由此，我们可以初步验证假设H1成立，即数字金融对产业结构高级化的发展具有显著正向影响，见表2。

Table 2. Baseline regression results

表2. 基准回归结果

变量	(1) IS	(2) IS	(3) IS	(4) IS	(5) IS
Index	2.526^*** (0.351)	2.592^*** (0.327)	2.098^*** (0.312)	1.921^*** (0.3)	1.911^*** (0.299)
Govern		−1.385^*** (0.197)	−1.149^*** (0.186)	−1.056^*** (0.179)	−0.976^*** (0.183)
Sel			3.684^*** (0.52)	2.090^*** (0.575)	3.751^*** (0.578)
RDI				3.751^*** (0.678)	3.683^*** (0.676)
Inno					0.098^* (0.053)
常数	9.161^*** (0.035)	9.821^*** (0.099)	9.073^*** (0.14)	9.150^*** (0.135)	8.773^*** (0.243)
R^2	0.844	0.865	0.883	0.894	0.895
个体/年份	固定	固定	固定	固定	固定
N	360	360	360	360	360

注：“^***”、“^**”、“^*”分别表示1%、5%、10%的显著性水平；括号内数值表示t值。下表同。

4.2. 作用机制检验

本文的中介变量为企业数字化转型与营商环境，从表3中的列(2)和列(3)中可以得知分别是企业数字化转型与数字金融的回归以及产业结构高级化、数字金融和企业数字化转型的回归，都为正数且在1%的显著性水平上显著，同时也通过Sobel检验，P值为0.023小于0.1，Bootstrap检验置信区间内不包含0，表明企业数字化转型的中介效应是显著的，且中介效应占比为11%，最终表明企业数字化转型作为数字金融影响产业结构高级化的中介是成立的，假设H2得到检验；表3中的列(4)和列(5)分别是营商环境与数字金融的回归以及产业结构高级化、数字金融和营商环境的回归，都为正数且在1%的显著性水平上显著，同时也通过Sobel检验和Bootstrap检验，表明企业数字化转型的中介效应是显著的，且数字经济的中介效应占比为41.92%，表明营商环境作为数字金融影响产业结构高级化的中介是成立的，假设H3得到验证。

Table 3. Mechanism of action test

表3. 作用机制检验

变量	(1) IS	(2) Dcg	(3) IS	(4) Be	(5) IS
Index	1.911^*** (0.299)	2.982^*** (0.569)	1.669^*** (0.308)	0.203^*** (0.043)	1.443^*** (0.292)
Dcg			0.081^*** (0.029)
Be					2.303^***(0.368)
常数	8.773^*** (0.243)	5.352^*** (0.463)	8.338^*** (0.287)	0.132^*** (0.035)	8.469^*** (0.234)
Sobel检验	Z值为2.258，P值为0.023			Z值为5.174，P值为0.000
	中介效应/总效应 = 11%			中介效应/总效应 = 41.92%
Bootstrap检验	95%置信区间为[0.024,0.531]			95%置信区间为[0.483,1.634]
控制变量	控制	控制	控制	控制	控制
个体/年份	固定	固定	固定	固定	固定
R^2	0.895	0.964	0.897	0.837	0.907
N	360	360	360	360	360

4.3. 门槛效应检验

4.3.1. 门槛效应检验与门槛值的估计

Table 4. Threshold effect self-sampling test

表4. 门槛效应自抽样检验

门槛类型	F值	P值	临界值			原假设H0
			10%	5%	1%
单一门槛	54.67^***	0.000	25.352	29.392	48.898	接受
双重门槛	18.27^*	0.077	16.834	19.746	26.815	接受
三重门槛	6.20	0.700	16.345	20.488	29.185	拒绝

将数字金融设为门槛变量，并运用Stata/MP16.0统计软件,分别在400次格点搜索以及300次自举抽样对门槛值进行检验，数字金融对产业结构高级化影响中的门槛效应检验结果如表4所示。自抽样检验结果可知，单一门槛效应通过了1%水平下的显著性检验，双重门槛效应通过了10%水平下的显著性检验，而三重门槛效应则没有通过显著性检验。由表5可知，经济发展水平的第一门槛值是0.071，95%的置信区间为[0.071,0.072]；第二门槛值是0.135，95%的置信区间为[0.124, 0.136]，因此，采用双重门槛回归进行下一步分析。

Table 5. Threshold estimates and confidence intervals

表5. 门槛估计值和置信区间

模型	门槛估计值	95%置信区间
第1门槛	0.071	[0.071, 0.072]
第2门槛	0.135	[0.124, 0.136]

4.3.2. 回归估计与结果分析

由表6可知，模型中门槛变量为数字金融，当数字金融Index ≤ 0.071时，数字金融对产业结构高级化的影响系数为3.392，在1%的显著性水平上通过检验。当0.071 < Index ≤ 0.135时，数字金融对产业结构高级化的促进作用在1%的显著性水平上通过检验，且影响系数为2.080。当Index > 0.135时，数字金融对产业结构高级化的促进作用在1%的显著性水平上通过检验，其影响系数为0.954。数字金融对产业结构高级化的促进作用随着数字金融的不断提升，系数从最初的3.392下降到2.080，之后当数字金融到达0.135之后，系数降低至0.954并保持稳定。随着数字金融的深入发展，市场得到进一步完善，数字金融逐渐提升跨越门槛值后，数字金融对产业结构高级化的促进效应随之减少。假设H4得到验证。

Table 6. Threshold regression estimation results

表6. 门槛回归估计结果

变量	IS
Govern	-0.876^*** (0.291)
SEL	2.242^** (0.898)
RDI	3.631^*** (0.673)
Inno	0.144^* (0.083)
Index (Index ≤ 0.071)	3.392^*** (0.585)
Index (0.071 < Index ≤ 0.135)	2.080^*** (0.389)
Index (Index > 0.135)	0.954^*** (0.113)
常数	8.454^*** (0.318)
R^2	0.894
个体/年份	固定
N	360

4.4. 内生性分析与稳健性检验

4.4.1. 内生性

为了消除数字金融与产业结构高级化之间潜在的反向因果关系可能带来的内生性偏误，本研究运用工具变量法(两阶段最小二乘法)进行实证分析，本文使用数字金融的滞后项作为工具变量。得出表7中第(4)列的回归结果显示，“KleiIndexrgen-Paap rk Wald F”的值高达481.97，这一数值显著超出了10%显著水平下的临界值16.38。这一结果表明，在当前的统计分析中，不存在明显的弱工具变量问题，即所选的工具变量具有足够的解释力和影响力。此外，“KleiIndexrgen-Paap rk LM”统计量的值为8.667，其对应的p值极小，为0.0000，这一结果强烈拒绝了所选择的工具变量不可识别的原假设。这意味着我们所选的工具变量是有效的，并且能够有效地捕捉到所要研究的经济关系或效应。数字金融的系数达到了0.208，并且在1%的显著性水平上显著，即数字金融对产业结构高级化的积极推动作用依然保持显著，这一发现进一步强化了数字金融对于促进产业结构高级化发展的重要性的认识。辅证假设H1成立。

4.4.2. 稳健性检验

(1) 替换测算方法。为了验证基准回归的稳健性，将计算数字金融指数的熵权法更换为主成分分析法重新计算并进行回归，结果如表7中列(1)所示，数字金融系数正负向与显著性的特征均未发生明显变化，表明文本的基准回归结果是稳健的。

(2) 样本缩尾处理。为剔除异常值对研究基本结论的影响，对所有变量数据做1%缩尾处理，并在此基础上重新回归，结果如表7中列(2)所示。可以知悉，缩尾之后的数字金融的系数为1.921，在1%水平显著，表明文本排除异常值问题后的基准回归结果是稳健的。

(3) 考虑政策外生冲击。全国两会“互联网+”行动计划首提互联网金融：在2015年的全国两会上，李克强总理明确提出了“互联网+”行动计划，并在政府工作报告中再次强调要促进互联网金融的健康发展。因此，考虑政策外生冲击，将样本控制在2015年之后进行重新回归，结果如表7中列(3)所示。可以知悉，缩短样本之后的数字金融的系数为1.514，在1%水平显著，表明文本的基准回归结果是稳健的。

Table 7. Endogeneity and robustness test

表7. 内生性与稳健性检验

变量	(1) 替换测算方法	(2) 样本缩尾处理	(3) 考虑政策外生冲击	(4) 工具变量法
Index	0.383^*** (0.064)	1.921^*** (0.305)	1.514^*** (0.395)	2.595^*** (0.781)
常数	9.669^*** (0.290)	8.698^*** (0.246)	8.884^*** (0.351)	4.310^*** (1.076)
控制变量	控制	控制	控制	控制
个体/年份	固定	固定	固定	固定
R^2	0.893	0.891	0.805	0.876
N	360	360	240	330

4.5. 异质性检验

鉴于我国各地区在自然资源、市场发展程度、交通基础设施和产业结构方面的显著差异，本文将30个省份划分为东部、中部、西部和东北部四个地区，进行区域异质性分析。由表8异质性分析的结果可知，在数字金融促进产业结构高级化的体现中，数字金融对产业结构高级化的回归系数为1.924、2.218、2.310和7.243，且四个地区都是在1%的显著性水平上显著，其中在东北部的系数是最高的，其次是西部、中部和东部地区。分析其原因：首先，东北部地区传统产业占比大，转型需求急切，数字金融能带来较大变革，边际效应明显；其次西部地区基础设施完善带动，基建投入大，为数字金融发展及服务覆盖奠定基础，带动相关产业升级，并且自然资源丰富，数字金融助力资源型产业及特色产业向高附加值方向发展。然后对于中部地区，区位与产业承接优势，承接产业转移时数字金融发挥作用，但升级效应相对有限，市场规模、竞争程度相对适中，推动产业升级动力和紧迫感不如西部与东北部。最后对于东部地区，产业结构已较成熟，数字金融边际效应小，企业自有资金及融资渠道多，依赖度相对低，数字金融发展先行，机构多竞争激烈，服务同质化，促进作用被稀释。假设H5得到验证。

Table 8. Heterogeneity test

表8. 异质性检验

变量	(1) 东部	(2) 中部	(3) 西部	(4) 东北
Index	1.924^*^** (0.473)	2.218^*** (0.648)	2.310^*** (0.703)	7.243^*** (2.370)
常数	7.510^*** (0.404)	9.138^*** (0.280)	7.994^*** (0.438)	9.785^*** (0.730)
控制变量	控制	控制	控制	控制
个体/年份	固定	固定	固定	固定
R^2	0.941	0.984	0.927	0.788
N	120	72	132	36

5. 结论与对策建议

5.1. 研究结论

随着数字金融的不断发展和创新，其在促进产业结构高级化方面的作用将越来越重要。本研究基于2011~2022年中国30个省的面板数据，深入探讨了数字金融对产业结构高级化的影响。通过Hausman检验，最终确定使用双向固定效应模型来进行实证分析，实证结果显示，通过逐步加入控制变量、替换测算方法、样本缩尾处理和考虑政策冲击的方法进行稳健性检验，用工具变量法(两阶段最小二乘法)来消除内生性，有力的证明数字金融对产业结构高级化具有显著的正向促进作用，同时这一效应不仅通过直接方式体现，还通过提升企业数字化转型和营商环境等间接方式得到强化，并且通过Sobel检验和Bootstrap检验，表明中介效应是成立的。进一步分析表明，随着数字金融的深入发展，市场得到进一步完善，数字金融逐渐提升跨越门槛值后，数字金融对产业结构高级化的促进效应随之减少。同时数字金融对产业结构高级化的促进效果在全国都是显著的，其中东北部地区最为明显。

5.2. 对策建议

基于政府层面上，应持续完善数字金融相关政策法规，给予创新业务税收减免、设立专项补贴资金等扶持。同时依据各地区产业特点与发展需求制定差异化引导政策，大力强化数字基础设施建设投入，不仅要加快推进网络速度的提升，推动网络升级与数据中心布局，建立跨区域协同机制。还要加大人才培养与引进力度，通过完善学科建设与优厚人才引进政策，为数字金融服务产业升级提供人才支撑。

基于金融机构与企业层面上，金融机构与企业是数字金融促进产业结构高级化的核心主体，二者需紧密协作、共同发力。金融机构要深度洞察不同产业、不同地区企业的多元化金融需求，充分借助大数据分析、人工智能、区块链等先进数字技术，积极创新数字金融产品和服务。金融机构要基于企业多样化需求，借助数字技术创新产品与服务，如推出针对性贷款、组合金融产品等，并优化服务流程，加强机构间合作推出综合服务项目。企业则需深刻认识数字化转型重要性，加大相关投入，主动与金融机构合作获取资源，同时注重内部管理优化与核心竞争力提升，形成发展与产业升级的良性互动。

基于区域协同层面上，区域协同对于充分发挥数字金融在促进产业结构高级化中的作用不可或缺。首先，要定期组织各地区开展关于数字金融促进产业结构高级化的经验交流活动，活动形式可以丰富多样，比如举办全国性或区域性的研讨会、经验分享会、案例分析会等。在这些活动中，鼓励各地区政府、金融机构、企业代表等不同主体广泛参与，大家可以分享各自在数字金融应用、产业结构调整等方面的成功经验以及遇到的问题，通过相互学习和借鉴，共同提升数字金融服务产业结构高级化的能力。其次，要建立健全区域间的数字金融与产业协同发展合作机制，明确各地区在合作中的角色和职责。