数字普惠金融与新质生产力——基于A股上市中小企业的实证研究

Digital Inclusive Finance and New Productivity—An Empirical Study Based on A-Share Listed Small and Medium-Sized Enterprises

摘要: 数字普惠金融的快速发展为中小企业发展提供有利条件，是助力经济高质量发展的重要支撑。本文以2011~2023年中国市级数字普惠金融指数和深交所A股中小板、创业板上市公司数据为样本，对数字普惠金融与中小企业新质生产力关系进行了实证分析。研究发现：(1) 数字普惠金融能显著促进中小企业新质生产力发展，该结论经过稳健性检验仍成立。(2) 数字普惠金融通过缓解融资约束(融资效应)和提升研发投入(创新效应)两条路径推动新质生产力发展。(3) 企业数字化转型在数字普惠金融与新质生产力之间发挥中介作用。本文为理解数字普惠金融在推动中小企业高质量发展中的作用提供了经验证据，并为相关政策制定提供了参考。

Abstract: The rapid development of digital inclusive finance provides favorable conditions for the growth of Small and Medium-sized Enterprises (SMEs) and serves as an important support for high-quality economic development. This paper empirically analyzes the relationship between digital inclusive finance and the new-quality productivity of SMEs, using data from China’s municipal-level digital inclusive finance index and listed companies on the SME Board and ChiNext of the Shenzhen Stock Exchange from 2011 to 2023. The findings indicate that: (1) digital inclusive finance significantly promotes the development of new-quality productivity of SMEs, and this conclusion remains valid after robustness checks. (2) Digital inclusive finance drives the development of new-quality productivity through two pathways: alleviating financing constraints (financing effect) and enhancing R&D investment (innovation effect). (3) Corporate digital transformation plays a mediating role between digital inclusive finance and new-quality productivity. This paper provides empirical evidence for understanding the role of digital inclusive finance in promoting high-quality development of SMEs and offers insights for relevant policy formulation.

1. 引言

当前，数字经济呈现出强劲的发展态势，数字技术不断向金融领域深入渗透与拓展。在政策与技术的双重驱动下，我国已初步构建起结构合理、功能完备的数字金融服务体系，有效降低了中小企业的融资门槛，为其发展提供了重要支撑。中小企业凭借其庞大的市场群体规模和灵活的经营策略，已然成为新质生产力培育与发展的关键力量，在推动经济高质量发展的进程中，承担着不可或缺的支撑职责。因此，探讨如何发挥数字普惠金融作用加速形成中小企业新质生产力及其作用机制，对促进中国经济高质量发展以及实现中国式现代化具有重要的学术价值和实践意义。

基于对新质生产力现有研究的梳理，主要涵盖概念界定[1]-[6]、测度方法[7]-[14]及影响因素分析[14]-[17]等方面，针对数字普惠金融能否及如何促进中小企业新质生产力发展尚存在明显理论缺口。本文聚焦于上市中小企业，旨在揭示数字普惠金融对其新质生产力的作用机制，并检验数字化转型在其中的中介效应，以期为相关政策提供实证依据。

本文的边际贡献主要为：第一，研究对象聚焦上市中小企业，在拓展新质生产力理论内涵的同时，也提供了数字普惠金融在中小企业研究层面的新视角；第二，识别融资效应与创新效应两条关键传导路径，数字普惠金融影响中小企业新质生产力的具体渠道；第三，将企业数字化水平纳入分析框架，为中小企业通过数字化转型培育新质生产力提供参考。

2. 文献综述

2.1. 新质生产力的内涵及测度

新质生产力的内涵主要从其“新”与“质”两大核心属性来界定，其理论基础源于马克思生产力理论及后续的中国化发展[18]-[20]，本质上是创新引领的生产方式系统性变革。其中，“新”代表了以新兴技术与业态为支撑的发展模式，区别于传统生产力；“质”则强调创新驱动的生产力跃迁与高质量属性[21] [22]。本文将研究对象确定为中小企业群体，通过系统分析发现，该类企业所形成的新质生产力不仅完整体现了上述双重属性的理论要求，也符合新质生产力演进的内在规律。

在测度方面，现有研究已形成多套评价体系。例如，宋佳等基于生产力二要素理论构建指标体系并采用熵值法测算[19]；卢江等则从科技、绿色与数字融合视角提出综合评价框架[23]。本文主要借鉴李心茹等(2024)针对企业层面开发的测度体系[24]。该体系基于劳动力三要素理论，围绕新型劳动者、劳动对象与劳动资料三个维度设计指标(如研发人员占比、无形资产占比等)，其灵活性与创新导向能够较好地契合中小企业的运营特点，故适用于本研究的测度需求。

2.2. 数字普惠金融与新质生产力的相关研究

现有关于金融与新质生产力的研究主要沿理论与实证两个方向展开。何青等(2024)从历史维度梳理了金融支持新质生产力发展的理论机制[4]；杨秋菊和王文福(2024)对数字普惠金融与城乡共同富裕之间关系做实证分析[17]；孙献贞等(2024)识别了数字化转型在两者间的中介角色[15]。

然而，现有研究仍存在明显不足：首先，专门以中小企业为核心对象的文献较为稀缺。中小企业在资产规模、融资能力等方面的独特性尚未在分析中得到充分重视。其次，数字普惠金融影响中小企业新质生产力的具体传导路径，尤其是“融资效应”与“创新效应”的双重机制，尚未被系统揭示与检验。与既有研究相比，本文的创新在于聚焦中小企业这一微观主体，从融资支持与创新激励两个维度，系统解析数字普惠金融影响新质生产力的内在机制，为该领域研究提供新视角。

3. 理论分析与研究假设

3.1. 数字普惠金融与新质生产力

数字普惠金融的快速发展为中小企业注入了全新活力，主要通过破解融资困境、降低经营风险及优化资源配置等渠道，推动其新质生产力提升。首先，数字普惠金融开辟了低门槛、高效率的融资渠道。传统金融常因信息不对称等因素为中小企业设置较高融资壁垒，而数字普惠金融借助数字技术拓展服务范围、降低交易成本，使企业能以更低成本获取资金，从而支持创新与生产力发展[25] [26]。其次，其通过多元金融产品与服务助力企业降低经营风险。平台运用大数据与风控技术进行实时监测与风险预警，并提供定制化方案，帮助中小企业增强经营稳定性[27]。最后，数字普惠金融能实现资源的精准对接，优化企业要素配置结构，提升整体生产效率。基于此，本文提出假设1。

假设1：数字普惠金融对中小企业新质生产力具有正向影响。

3.2. 融资效应

数字普惠金融可通过缓解融资约束(即融资效应)促进中小企业新质生产力发展。理论上，信息不对称是导致中小企业融资难的核心原因，数字技术通过重塑信用画像、降低信贷风险，从而化解融资困境，为新质生产力培育破除资金壁垒。

实践中，其影响主要体现在三方面：一是突破物理网点限制，覆盖传统金融难以触达的长尾客户，提升服务可得性[28]；二是借助数据分析实现融资产品定制，拓宽企业选择；三是通过流程再造降低综合交易成本、提升融资效率。此外，数字普惠金融产生的“鲶鱼效应”也推动传统金融机构转型，共同优化金融生态[29] [30]。由此，融资约束的缓解使企业能够获得必要的发展资金，进而推动技术升级与生产力提升。基于该逻辑，本文提出假设2。

假设2：数字普惠金融能通过融资效应促进中小企业新质生产力发展。

3.3. 创新效应

数字普惠金融也能通过提升创新能力(即创新效应)加速中小企业新质生产力的培育。其普惠属性可扩大金融服务覆盖范围，为传统金融体系中的边缘化群体提供支持，纾解企业融资约束，为技术研发与创新活动注入资金要素[31]，从而提升技术创新效率，为新质生产力提供技术保障。

技术创新活动具有周期长、不确定性高等特点，中小企业常因规模有限与融资渠道狭窄而难以持续开展研发[32] [33]。数字普惠金融依托大数据、人工智能等手段，提供低成本、易获得的金融服务，通过拓宽融资渠道、提升资金可得性[34] [35]，有效缓解企业资源约束，激励其增加研发投入与开展更深层次的创新。这一“融资效应”为创新活动奠定了资本基础。技术创新作为推动企业高质量发展的核心路径，能显著提升生产效率[36]-[38]，进而成为培育新质生产力的关键动力。基于上述分析，本文提出假设3。

假设3：数字普惠金融能通过创新效应促进中小企业新质生产力发展。

4. 研究设计

4.1. 模型设定

1. 基准回归模型

本文设定模型(1)，对数字普惠金融对新质生产力影响效果进行探究。

$NPR{O}_{i,t}={\beta }_0+{\beta }_{1}DI{F}_{c,t}+\varphi C{V}_{i,t}+\tau j+{\mu }_t+{\epsilon }_{jt}$ (1)

上述模型中：被解释变量为企业新质生产力水平，用$NPROi,t$ 表示；解释变量为数字普惠金融发展水平，用$DIFc,t$ 表示；控制变量集合，用CVs来表示；模型控制$\tau j$ 和${\mu }_{\text{t}}$ 两个固定效应，分别为行业和时间；$\epsilon jt$ 表示随机误差项；${\beta }_0$ 表示常数项；${\beta }_1$ 和$\varphi$ 表示待估计变量的回归系数。

2. 作用机理模型

为检验融资效应与创新效应的作用机理，借鉴江艇(2022) [39]提出的检验思路，构建如下中介效应模型：

$Mi,t={\text{α}}_0+{\text{α}}_{1}DI{F}_{c,t}+\varphi C{V}_{i,t}+\tau j+{\mu }_t+{\epsilon }_{jt}$ (2)

其中，被解释变量用$Mi,t$ 来表示(中介变量)，分别以融资约束(SA指数)与创新能力(研发投入强度)度量，其余变量定义同模型(1)。

4.2. 变量描述

1. 被解释变量

企业新质生产力指数(NPRO)：借鉴李心茹等(2024 )[24]的测算体系，构建中小企业层面新质生产力综合指标。

2. 解释变量

数字普惠金融指数(DIF)：其测度方法采用由北大数字金融中心编制的数字普惠金融指数。在后续分析中，将进一步考察各分维度对企业新质生产力的差异化影响。

3. 控制变量

遵循已有文献，本文选择如下控制变量：企业规模(Size)、权益乘数(EM)、成立年限(FirmAge)、董事会规模(Board)、独立董事占比(Indep)、股权集中度(Herfindahl)

4. 中介变量

融资效应：采用SA指数衡量。SA指数的计算，借鉴Hadlock和Pierce (2010)的研究[40]，如公式(3)所示：

$SA=-0.737size+0.043siz{e}^2-0.04age$ (3)

其中，$size=\ln \left(企业资产总额/1000000\right)$ ，资产总额以元为单位进行计量，$age$ 为公司的上市年限，计算得出的该指数若呈现负值，本研究取其绝对值来进行分析，其水平越高，代表融资约束越严重

创新效应：采用RD指数来表示，即公司年度研发支出占营业收入的比例，借鉴胡伟等(2024)的研究方法[26]。采用创新投入指标来衡量企业的技术创新水平，不仅直观，而且以占比的形式进行计算，能够有效避免企业规模差异对研究结果造成的干扰。

各变量的具体定义详见表1。

4.3. 数据来源

本研究使用2011~2023年市级数字普惠金融指数与深交所中小板、创业板上市公司数据构成的面板样本。其中，数字普惠金融数据来自北大数字金融中心；企业新质生产力与控制变量数据来源于CSMAR数据库；企业数字化转型相关原始文本信息提取自深沪交易所披露的年度报告。

为提升估计有效性，参照通行研究流程对样本进行以下处理：1. 剔除ST、*ST、PT及已退市等非正常状态上市公司；2. 排除关键变量存在缺失值的观测样本；3. 对所有连续变量在1%和99%分位进行缩尾处理，以控制极端值影响。最终得到17195条有效企业—年度观测值，构成研究使用的面板数据集。

Table 1. Variable definitions

表1. 变量定义

变量	变量描述
NPRO	中小业新质生产力
DIF	数字普惠金融指数(市级层面)
Size	企业规模，企业年底资产总额取对数处理
EM	权益乘数，股东权益比例的倒数
FirmAge	观测年度，企业成立时间取对数处理
Board	董事会规模，董事会人数取对数处理
Indep	独立董事占比，独立董事占董事会的比例
Herfindahl	股权集中度，前三位大股东持股比例平方和
SA	中小企业融资约束
RD	中小企业研发投入

5. 实证结果与分析

5.1. 描述性统计

表2为样本变量的描述性统计结果。就中小企业新质生产力而言，其均值为13.564，相较于李心茹等(2024)的研究成果[24]略高。这一差异主要源于本次研究聚焦于中小企业群体，而李心茹等(2024)的研究在研究对象选取上与本研究存在不同。根据统计数据，数字普惠金融指数的均值为246.172，标准差为83.003。该统计特征与现有相关研究基本相符，除此之外，样本中其余变量的统计特征也与现有研究结果大致保持一致。

Table 2. Descriptive statistics of main variables

表2. 主要变量的描述性统计

变量	样本数	均值	标准差.	最小值	最大值
npro	17195	13.564	7.165	2.021	36.991
DIF	17195	246.172	83.003	64.19	361.066
Size	17183	21.784	1.008	19.478	26.452
EM	17183	1.823	1.037	1.029	10.789
FirmAge	17183	2.861	0.324	1.386	3.689
Board	17183	2.079	0.189	0	2.708
Indep	17183	0.38	0.054	0	0.6
Herfindahl	17183	0.133	0.098	0.01	0.588
SA	17183	3.793	0.241	3.062	4.641
RD	17183	0.058	0.055	0	0.522

5.2. 基准回归分析

表3展示了模型(1)的基准估计结果。列(1)未包含控制变量与固定效应；列(2)加入控制变量但未控制固定效应；列(3)进一步控制了行业及年份固定效应。根据各列中解释变量系数均显著为正可知，数字普惠金融的发展，对于中小企业新质生产力发展有推动作用，假设1得以验证。

Table 3. Benchmark regression results

表3. 基准回归结果

	(1)	(2)	(3)
	npro	npro	npro
DIF	0.018^***	0.017^***	0.017^***
	(0.001)	(0.001)	(0.003)
Size		1.269^***	1.594^***
		(0.058)	(0.140)
EM		−0.370^***	−0.280^***
		(0.054)	(0.101)
FirmAge		−1.490^***	−0.442
		(0.187)	(0.458)
Board		2.027^***	2.284^***
		(0.365)	(0.797)
Indep		3.714^***	2.679
		(1.261)	(2.715)
Herfindahl		−4.815^***	−1.903
		(0.551)	(1.261)
cons	9.199^***	−18.269^***	−28.955^***
	(0.167)	(1.564)	(3.667)
观测值	17195	17183	17179
r^2	0.042	0.078	0.252
行业固定效应			是
年份固定效应			是

注：^***、^**、^*分别表示在1%、5%、10%的水平上显著，括号内为标准差。下同。

5.3. 稳健性检验

5.3.1. 内生性分析

解释变量和被解释变量之间可能存在内生性问题，极有可能致使回归结果出现偏差。为有效应对这一难题，本研究选取滞后一期的数字普惠金融指标充当工具变量，以此来解决潜在的内生性问题，相关结果展示于表4的第(1)列。在运用辅助工具变量开展回归检验之后，本文选择的工具变量是滞后一期的数字普惠金融指标，发现其显著性与基准回归结果呈现出高度的一致性。这表明，在排除部分可能存在的内生性因素后，并不会对本研究所得出的结论产生实质性影响。

Table 4. Robustness analysis

表4. 稳健性分析

	(1)	(2)	(3)	(4)	(5)	(6)
	npro	TFP_OP	TFP_LP	TFP_GMM	npro	npro
	内生性分析	替换被解释变量			剔除特定样本	增加控制变量
L.DIF	0.018^***
	(0.001)
DIF		0.001^***	0.001^***	0.001^***	0.016^***	0.032^***
		(0.000)	(0.000)	(0.000)	(0.001)	(0.003)
bigx						0.167
						(0.125)
kuandaix						0.500^***
						(0.139)
控制变量	控制	控制	控制	控制变量	控制	控制
_cons	−29.633^***	−3.411^***	−5.956^***	−2.561^***	−30.397^***	−33.711^***
	(1.673)	(0.124)	(0.132)	(0.134)	(1.698)	(1.724)
观测值	15196	16047	16047	16047	14346	16043
r^2	0.252	0.597	0.677	0.510	0.249	0.258
行业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是

注：Standard errors in parentheses，^*p < 0.1，^**p < 0.05，^***p < 0.01。

5.3.2. 稳健性检验

(1) 替换被解释变量

为确保结论可靠，本文借鉴宋佳等(2024) [16]的做法，以全要素生产率作为被解释变量的替代，借鉴鲁晓东和连玉君(2012)的研究[41]，采用LP法、OP法与GMM法测算制造业企业全要素生产率，分别记为TFP_LP、TFP_OP与TFP_GMM。基于模型(1)的再估计结果见表4列(2)至列(4)，核心变量系数依然显著，说明结论具有良好稳健性。

(2) 剔除直辖市样本

为避免直辖市特殊地位对估计结果造成干扰，本研究剔除北京、上海、天津与重庆样本后重新回归。表4列(5)结果显示，解释变量的系数显著为正，表明结论不受直辖市样本影响。

(3) 考虑其他政策影响

为排除其他相关政策干扰，模型进一步加入国家大数据综合试验区(bigx)与“宽带中国”示范城市(kuandaix)两类虚拟变量。表4列(6)显示，在控制上述政策效应后，数字普惠金融的估计系数保持显著，进一步确认其影响的稳健性。

5.4. 机制检验分析

为识别融资效应与创新效应的作用，本研究对模型(2)进行估计。为缓解内生性问题，借鉴黄祖辉等(2023) [42]与孙学涛等(2022) [43]的方法，使用工具变量法进行检验，本文选取数字普惠金融的滞后项作为工具变量。表5列(1)~(6)报告了检验结果：列(2) (5)显示数字普惠金融系数显著为负；列(3) (6)显示数字普惠金融系数显著为正。由此，假设2与假设3得以验证，说明数字普惠金融通过缓解融资压力、激励研发创新两条渠道推动企业新质生产力发展。

Table 5. Mechanism of action test

表5. 作用机理检验

	(1)	(2)	(3)	(4)	(5)	(6)
	一阶段	二阶段	二阶段	一阶段	二阶段	二阶段
	DIF	SA	RD	DIF	SA	RD
L2.DIF	1.114^***
	(0.002)
L3.DIF				1.156^***
				(0.004)
DIF		−0.001^**	0.001^***		−0.001^*	0.001^***
		(0.000)	(0.000)		(0.000)	(0.000)
控制变量	控制	控制	控制	控制	控制	控制
Andersoncanon. corr. LMstatistic		13000^***	13000^***		10,000^***	10,000^***
Cragg-Donald Wald Fstatistic		240000	240000		110000	110000
观测数	13342	13342	13342	11541	11541	11541
R^2	0.984	0.842	0.030	0.968	0.846	0.026

注：Standard errors in parentheses。

6. 进一步分析

6.1. 异质性分析

1. 维度异质性分析

本研究进一步从覆盖广度、使用深度与数字化水平三个子维度考察了数字普惠金融对新质生产力影响的异质性。结果显示，各维度系数均显著为正，表明其促进作用是多元的。其中，覆盖广度的拓展能将金融服务延伸至传统盲区，为新质生产力的形成拓宽资本基础；使用深度的强化则通过精准匹配金融产品与企业需求，从质量层面提升服务效能，为生产力向高质量演进注入持续动能；数字化水平的提升则借助便捷支付等创新服务，降低企业结算成本并加速资金周转，从而优化经营效益。

值得注意的是，三个维度的促进作用呈现“使用深度 > 覆盖广度 > 数字化水平”的强度排序。这可能是因为部分地区数字基础设施仍不完善、技术应用相对滞后，制约了数字化程度积极效应的充分发挥；同时，部分主体对数字技术的接受与应用能力有限，也影响了该维度边际效用的进一步释放(表6)。

Table 6. Results of dimensional heterogeneity test

表6. 维度异质性检验结果

	(1)	(2)	(3)
	npro	npro	npro
DIFC	0.016^***
	(0.003)
DIFD		0.017^***
		(0.003)
DIFS			0.010^***
			(0.002)
控制变量	控制	控制	控制
_cons	−28.973^***	−28.879^***	−27.213^***
	(3.632)	(3.693)	(3.709)
观测值	17179	17179	17179
r^2	0.253	0.250	0.247
行业固定效应	是	是	是
年份固定效应	是	是	是

注：Standard errors in parentheses，^*p < 0.10，^**p < 0.05，^***p < 0.01。

2. 企业所有制成分异质性分析

本研究从企业所有制性质这一视角切入，深入探究在国有企业与非国有企业不同情境下，根据表7中(2)、(3)两列的回归结果可见，数字普惠金融不论对国有企业还是非国有企业，均有对新质生产力明显的促进作用。进一步对比系数大小可知，该金融模式对国有企业新质生产力的促进效果相对更强。这一研究结果揭示出，数字普惠金融对国有企业的推动成效更为突出。国有企业通常具备较大的经营规模，业务覆盖范围广泛且呈现多元化特征。这一特性使得国有企业在资金需求方面规模庞大，并且在资金获取的时间安排、方式选择等方面有着更为繁杂且多样的诉求。而数字普惠金融依托其特有的优势，能够为国有企业提供更为便捷、灵活的金融支持服务，进而有力地推动其新质生产力的发展。

Table 7. Test results of ownership heterogeneity

表7. 所有制成分异质性检验结果

	(1)	(2)	(3)
	全国	国有	非国有
DIF	0.017^***	0.036^***	0.015^***
	(0.003)	(0.006)	(0.003)
控制变量	控制	控制	控制
_cons	−28.955^***	−34.381^***	−29.805^***
	(3.667)	(10.247)	(3.468)
观测值	17179	2197	14980
r^2	0.252	0.370	0.245
行业固定效应	是	是	是
年份固定效应	是	是	是

注：Standard errors in parentheses，^*p < 0.10，^**p < 0.05，^***p < 0.01。

6.2. 影响机制检验

本文通过表8的模型(1)和(2)考察数字化转型的中介机制。结果显示，无论是否加入控制变量，数字普惠金融对企业数字化水平均存在显著提升作用，说明其可通过推动数字化转型促进新质生产力发展。为增强结论稳健性，研究借鉴吴非等人的方法，从人工智能等五个技术维度构建文本分析指标(dign)重新测度数字化转型。表7中模型(3) (4)的估计结果一致显示，数字普惠金融对企业数字化的促进作用依然显著，进一步验证了前述结论的可靠性。

Table 8. Test results of mechanism effects

表8. 机制效应检验结果

	(1)	(2)	(3)	(4)
	DIG	DIG	DIGN	DIGN
DIF	0.001^***	0.001^***	0.0028^***	0.0028^***
	(0.000)	(0.000)	(0.001)	(0.001)
Controls	控制	控制	控制	控制
_cons	0.008^***	−0.019^***	1.050^***	−0.059
	(0.001)	(0.004)	(0.055)	(0.209)
观测值	17191	17179	17191	17179
r^2	0.424	0.428	0.501	0.505
行业固定效应	控制	控制	控制	控制
年份固定效应	控制	控制	控制	控制

注：Standard errors in parentheses，^*p < 0.10, ^**p < 0.05, ^***p < 0.01。

为检验数字化转型的中介作用并强化结论稳健性，本研究依据温忠麟等提出的检验流程构建中介效应模型。表9第(1)至(3)列结果显示：数字普惠金融不仅显著促进中小企业新质生产力(路径c)，也对其数字化转型水平具有积极影响(路径a)。在同时引入二者后，数字普惠金融的系数仍显著但幅度减小，且数字化转型变量系数显著为正(路径b)，符合中介效应的判定条件，说明数字化转型在两者间发挥部分中介作用。

为进一步验证结论可靠性，本文通过替换变量测度方式进行再检验。表9第(4)至(6)列结果表明，在更换指标后，数字普惠金融与数字化转型仍对企业新质生产力保持显著促进效应，进一步支持了前述机制分析的可靠性。

Table 9. Robustness test of mechanism effect

表9. 机制效应稳健性检验

	(1)	(2)	(3)	(4)	(5)	(6)
	npro	DIG	npro	npro	DIGN	npro
DIF	0.018^***	0.001^***	0.016^***	0.018^***	0.003^***	0.013^***
	(0.001)	(0.000)	(0.001)	(0.001)	(0.000)	(0.001)
DIG			43.996^***
			(2.220)
DIGN						1.496^***
						(0.043)
控制变量	控制	控制	控制	控制	控制	控制
cons	−0.717	−0.019^***	0.102	−0.717	−0.059	−0.629
	(1.224)	(0.004)	(1.211)	(1.224)	(0.209)	(1.184)
观测值	17179	17179	17179	17179	17179	17179
r^2	0.220	0.428	0.237	0.220	0.505	0.271
行业固定效应	是	是	是	是	是	是
年份固定效应	是	是	是	是	是	是

注：Standard errors in parentheses，^*p < 0.10，^**p < 0.05，^***p < 0.01。

7. 结论与政策建议

7.1. 结论与不足

基于2011~2023年市级数字普惠金融指数与中小企业面板数据，本文实证检验了数字普惠金融对中小企业新质生产力的影响。主要结论如下：第一，数字普惠金融能显著促进中小企业新质生产力发展，该结论在经过多种稳健性检验后依然成立。第二，数字普惠金融主要通过缓解融资约束(融资效应)与激励研发投入(创新效应)两条渠道发挥作用，为企业提供资本支持并赋能技术升级。第三，异质性分析表明，数字普惠金融各子维度均具有正向影响，作用强度依次为使用深度 > 覆盖广度 > 数字化水平；同时，其对国有企业的促进作用更为显著，表明所有权性质具有调节效应。

本研究的局限在于：样本主要集中于上市中小企业，结论对非上市小微企业的普适性有待验证；新质生产力与企业数字化转型的测度亦有深化空间。未来研究可拓展样本范围、完善测度体系，并运用自然实验等方法进一步识别因果机制。

7.2. 政策建议

为更好发挥数字普惠金融对新质生产力的支撑作用，提出以下建议：

企业层面：中小企业应将新质生产力培育纳入核心战略，系统推进智能化转型与创新体系构建，持续加大研发投入并深化产学研融合，同时注重培养复合型人才，强化持续创新能力。

政府层面：应完善政策支持体系，通过设立专项激励资金、加强数字金融基础设施投入、实施差异化与弹性监管等措施，引导数字普惠金融精准服务中小企业，尤其在国有企业集中区域可加大资源倾斜。

金融机构层面：应加快数字化转型，强化金融科技能力建设，积极与科技公司协同创新，开发适合中小企业特点的金融产品与服务，提供覆盖全生命周期的综合金融支持，切实缓解企业融资约束。