国民经济管理

数字技术创新、跨行业技术溢出与企业环境绩效

——基于上市公司数字专利研发视角 申晨荣，高 波（1）

人工智能政策的经济效应

——基于 2015 年人工智能政策的准自然实验

孙昊颖，李胜会（16）

金融与投资

普惠金融数字化、公共服务均等化与农民农村共同富裕

——基于县域统计数据的实证分析 张 翔，冉光和（30）

地方政府偿债压力如何影响企业社会保险实际缴费

——兼论地方债治理与社会保险征收主体改革的影响

曾祥金，位晓琳，冯梦龙（44）

产业经济

电子商务发展与农村非农就业增长

——基于 CFPS 数据的分析 陈建垒，王 纯（57）

数字技术赋能农民增收：作用机制与影响效应

苏 群，邢怀振，刘 晨（72）

工商管理

地方政府隐性债务加剧“创新陷阱”了吗

——基于上市企业实质性创新的证据

董香书，赵梦超，王晋梅（87）

政策“推力”与“拉力”如何影响企业创新

——理论分析与研究展望 叶文辉，周 静（101）

财务与会计

企业数字化转型缘何增加了征税难度

——来自中国上市公司避税活动的证据

陈 凯，杨亚平（111）

（月 刊）

主管主办 山西财经大学

编辑出版 《山西财经大学学报》编辑部

发行范围 公开

国内发行 山西省邮政报刊发行局

国外发行 中国国际图书贸易总公司

北京 399 信箱

印刷单位 山西科林印刷有限公司

定 价 20 元（人民币）

地 址 太原市小店区坞城路 140 号

电 话 0351-7666806

邮 编 030006

电子邮箱 sxcdxbbjb@163.com

微 信 sxcdxb

投稿系统 http://xb.sxufe.edu.cn

广告许可 并市监广许 2019019

出版日期 2023 年 12 月 28 日

国内统一连续出版物号 CN 14-1221/F

国际标准连续出版物号 ISSN 1007-9556

2023 年 第 12 期

第 45 卷 总第 374 期

山西财经大学学报

期刊基本参数：CN14-1221/F鄢1979鄢M鄢A4鄢128鄢ZH鄢P鄢预20鄢4000鄢9鄢2023-12

2023.12·························· 目次

秦兴俊

主 编 田祥宇

副主编 米子川

编辑部主任

副主编

田井泉

马克卫

编辑部副主任

副主编

（Monthly）No.12, 2023（General Serial No. 374）

Contents

Basic Parameter of the Journal：CN14-1221/F鄢1979鄢M鄢A4鄢128鄢ZH鄢P鄢预20鄢4000鄢9鄢2023-12

Digital Technology Innovation, Cross-Industry Technology Spillover and

Enterprise Environmental Performance

——From the Perspective of Digital Patent R&D of Listed Companies

SHEN Chen-rong，GAO Bo（1）

Economic Effects of Artificial Intelligence Policy

——Quasi-Natural Experiment Based on the Artificial Intelligence Policy

in 2015 SUN Hao-ying, LI Sheng-hu（i 16）

Digitization of Inclusive Finance, Equalization of Public Service and

Common Prosperity of Farmers in Rural Areas

——Empirical Analysis on County Statisics

ZHANG Xiang, RAN Guang-he（30）

How Does the Debt Servicing Pressure of Local Government Affect the

Actual Payment of Enterprise Social Insurance Contributions

——Discussion on the Effect of Local Debt Governance and Social

Security Levy Subject Reform

ZENG Xiang-jin, WEI Xiao-lin, FENG Meng-long（44）

E-Commerce Development and Rural Non-Farm Payrolls Growth

——Analysis Based on CFPS Data

CHEN Jian-lei, WANG Chun（57）

Digital Technology Empowers Farmers to Increase Income:

Action Mechanism and Influential Effect

SU Qun, XING Huai-zhen, LIU Chen（72）

Doesthe Hidden Debt of Local GovernmentsIntensify the“Innovation Trap”

——Evidence from the Substantial Innovation of Listed Companies

DONG Xiang-shu, ZHAO Meng-chao, WANG Jin-me（i 87）

How do Policies’“Pushing Force”and“Pulling Force”Affect Enterprise

Innovation

——Theoretical Analysis and Research Prospect

YE Wen-hui, ZHOU Jing（101）

Why does Enterprise Digital Transformation Increase the Difficulties of

Taxation

——Evidence from the Tax Avoidance Activities of Chinese Listed

Enterprises CHEN Kai, YANG Ya-ping（111）

JOURNAL OF SHANXI UNIVERSITY

OF FINANCE AND ECONOMICS

No . 12. 2023

General SerialNo. 374

（Monthly）

Editor-in-chief: Tian Xiang-yu

Assistant Editor-in-chief: Mi Zi-chuan

Editorial Director:

Assistant Editor-in-chief:

Vice Editorial Director:

Assistant Editor-in-chief:

Supervised by: Shanxi University of Finance

& Economics

Sponsored by: Shanxi University of Finance &

Economics

Edition & Publication: the Editorial Office of

Journal of Shanxi University of Finance & Eco原

nomics

Issue Scope: Open

Issued by: Shanxi Postal Distribution Bureau

Issued abroad by: International Book Trading

Corporation of China ( P.O. Box 399, Beijing,

China)

Printed by: Shanxi Kelin Printing Co., Ltd

Price: 预20

Address: No.140 Wucheng Road of Taiyuan,

Shanxi, China

Tel: 0086-0351-7666806

Post Code: 030006

E-mail: sxcdxbbjb@163.com

Submission System: http://xb.sxufe.edu.cn

Advertising License: 2019019

Publication Date: Dec. 28, 2023

CN Serial Number: CN 14-1221/F

International Standard Serial Number:

ISSN 1007-9556

Qin Xing-jun

Ma Ke-wei

国民经济管理

Journal of Shanxi University of Finance and Economics

DOI 编码：10.13781/j.cnki.1007-9556.2023.12.001

2023年12月

第45卷 第12期

Dec.，2023

Vol.45 No.12

数字技术创新、跨行业技术溢出

与企业环境绩效

——基于上市公司数字专利研发视角

申晨荣 1，高 波 2

（1.南京大学 数字经济与管理学院，江苏 南京 210093；2.南京大学 长江三角洲经济社会发展研究中心，江苏 南京 210093）

［摘 要］基于2012—2020年中国微观企业的面板数据，探讨数字技术创新、跨行业技术溢出对企业环境绩效的影响机理

和作用路径。研究发现：数字技术创新显著增加了企业污染排放，跨行业技术溢出有利于污染减排，长期跨行业技术溢出的正面

影响可以抵消数字技术创新的负面影响；较高的环境规制强度能够缓解数字技术创新对环境的不利影响，在非数字行业和重污

染行业中跨行业技术溢出能够显著降低企业污染排放；创新吸收能力不足、绿色创新效率不高是数字技术创新产生污染排放的

原因，跨行业技术溢出通过优化能源结构和产业结构降低污染排放。

［关键词］数字技术创新；跨行业技术溢出；数字技术研发导向；非环境友好行为；企业污染排放

［中图分类号］F49 ［文献标志码］A ［文章编号］1007原9556（2023）12原0001原15

Digital Technology Innovation, Cross-Industry Technology Spillover and

Enterprise Environmental Performance

——From the Perspective of Digital Patent R&D of Listed Companies

SHEN Chen-rong

1，GAO Bo

2

（1.School of Digital Economics and Management, Nanjing University, Nanjing 210093; 2.Yangtze River Delta Economics and Social

Development Research Center, Nanjing University, Nanjing 210093, China）

Abstract: Based on the panel data of micro -enterprises in China from 2012 to 2020, this paper discussed the influence

mechanism and action path of digital technology innovation and cross -industry technology spillover on enterprise environmental

performance. It was found that: digital technology innovation significantly increased the pollution emissions of enterprises, while crossindustry technology spillover was beneficial to pollution reduction. Meanwhile, the positive impact of long -term cross -industry

technology spillover could offset the negative impact of digital technology innovation. Higher environmental regulation intensity could

alleviate the adverse impact of digital technology innovation on the environment. For non -digital industries and heavily polluting

industries, cross-industry technology spillover could significantly reduce enterprse pollution emissions. The pollution emissions caused

by digital technology innovation were mainly due to insufficient innovation absorption capacity and low efficiency of green innovation.

［基金项目］国家社会科学基金项目（18BJY112）；江苏省研究生科研创新项目（KYCX23_0014）

［作者简介］申晨荣（1996—），女，山西高平人，南京大学数字经济与管理学院博士研究生，主要研究方向是数字经济与中国

经济发展；高 波（1962—），男，江苏南京人，南京大学长江三角洲经济社会发展研究中心教授，经济学博士，主

要研究方向是全球化与中国经济发展。

· 1 ·

山西财经大学学报 2023 年 第 12 期 申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

Besides, the main paths for cross-industry technology spillover to reduce pollution emissions were optimizing both energy structure and

industrial structure.

Key W ords: digital technology innovation; cross -industry technology spillover; R&D orientation of digital technology;

non-environmentally friendly behavior; enterprise pollution emission

一、引言

绿色和效率的内涵式发展是高质量发展的应有

之义，这在微观层面对企业发展战略的转型升级提

出新的现实要求。随着数字经济时代的到来，数字技

术凭借其高溢出性、高关联性的特质，渗透到生产、

生活的各个方面，成为经济发展的重要组成部分（王

贵铎等，2021）[1]。《中国数字经济发展白皮书（2023）》

强调了数字技术的重要性，数字技术赋能企业绿色低

碳转型，为绿色发展打开了新的“窗口”。同时，数字技

术通过跨行业溢出，采用知识共享和技术赋权等方

式，使上下游企业实现数字化互联，对创新流程与生

产模式产生了全方位、深层次的影响与冲击，甚至引

发了产业的转型升级与深度融合，促进了能源结构

的优化和产业结构的升级（孙天昊、王妍，2023）[2]，推

动了节能减排和绿色转型。然而，数字技术的发展改

变了传统生产模式，在催生新业态的同时也产生了

新的环境问题。据统计，中国数据中心（通信领域规

模以上）耗电量年均增长率为 28%，2022 年全国数

据中心耗电量达 2 700 亿度，数字技术对网络、计算

机存储资源需求的飞速增长带来了新的能耗问题，

引发了数字技术的“绿色悖论”。那么，数字技术是否

造成了环境污染，其跨行业技术溢出能否缓解环境

污染问题，两者通过何种机制对企业环境绩效施加

影响，这些问题的解答对于企业实现数字化转型与

绿色可持续发展具有重要的现实意义。

基于此，本文以 2012—2020 年上市公司为研究

样本，实证检验数字技术创新、跨行业技术溢出对企

业环境绩效的影响机理和作用路径，旨在回答以下

问题：数字技术创新和跨行业技术溢出对企业环境

绩效的影响如何？跨行业技术溢出能否弥补数字技

术扩张对环境的负面影响？数字技术创新和跨行业

技术溢出影响企业环境绩效的作用路径是什么？本

文可能的贡献主要体现在三个方面。一是为数字技

术创新提供创新性和针对性的测算方法。借鉴绿色

创新的识别方法，从 IPC 分类号层面测算企业数字

专利研发数量，定量表述企业数字技术创新水平，并

在此基础上定义跨行业数字技术溢出水平。二是研

究方法的创新。通过构建包含环境质量的内生增长

模型，从理论层面分析了数字技术研发导向的变动

路径及其对环境质量的影响，并通过门槛模型从微

观机制层面揭示了数字技术创新对企业环境绩效的

作用路径。三是丰富了创新与绿色发展的相关研究。

一方面，数字技术创新不同于传统创新，对于其是否

产生“绿色悖论”的研究具有重要的理论价值和现实

意义；另一方面，数字技术创新的跨行业溢出效应是

节能减排的重要途径，将数字技术创新、跨行业技术

溢出纳入到同一框架内，综合考察数字技术创新对

企业环境绩效的影响。

二、文献综述

（一）数字技术创新与跨行业技术溢出的界定

学术界从不同视角界定了数字技术创新。Yoo

等（2010）[3]聚焦于数字产品创新，认为数字技术创新

是组合数字和物理成分以生产新产品的过程。

Fichman 等（2014）[4]强调创新的结果和 IT 技术，认为

数字技术创新是包含 IT 技术或被 IT 技术所支持的

产品、过程或商业模式的重大改变。刘洋等（2020）[5]

从创新管理视角出发，将数字技术创新定义为数字

技术应用于新产品研发、组织模式变革、商业模式创

建的全过程。余江等（2017）[6]强调数字技术创新是由

数字技术驱动的产品或服务，具备可扩展性、可复

制性、可重新组合性的重要特性。综合国内外研

究，本文从较为宽泛的视角定义数字技术创新。企

业数字技术创新是在原有产品、流程、商业模式的基

础上，应用大数据、云计算、人工智能等数字技术进

行创建和变革，其具备三大特征，即强调数字技术的

应用，强调新突破和新变化，强调生产过程和组织模

式的创新。同时，数字技术创新的跨行业技术溢出也

得到了学者们的关注。不同于企业的内部溢出和同

行业间的水平溢出，跨行业技术溢出指的是数字技

术随供应链延伸传递，为上下游企业提供更高效的

连接方式，推动生产方式、运输网络、商业模式等的

数字化（Feuerriegel et al.，2016；Prajogo and Olhager，

2012）[7，8]，强调数字技术创新的垂直溢出。同时，数字

技术的高无形性和高外溢性特征也导致了更强的技

术外溢效应（胡增玺、马述忠，2023）[9]。

（二）数字技术创新、跨行业技术溢出与环境绩效

从数字技术创新的环境表现来看，由于数字技

术代表着未来科学和工业的发展方向，大部分学者

· 2 ·

山西财经大学学报 2023 年 第 12 期

认为数字技术有利于污染减排。张涵钰等（2023）[10]

基于上市公司年报的数字词频数据，发现数字技术

的应用改善了企业的环境表现。戴翔和杨双至

（2022）[11]采用行业数字要素投入数据，研究发现数

字技术促进了制造业企业的绿色化转型。Nguyen 等

（2020）[12]研究发现，数字技术创新是减少污染排放

的重要因素。但是，随着相应的统计指标和定量分析

方法的出现，数字技术创新在绿色发展中的作用开

始受到质疑。国内外有关数字技术创新与污染排放

的研究表明，无论是在发展中国家还是发达国家，数

字技术创新并非环境友好型行为。史丹（2022）[13]研

究了数字经济条件下产业发展趋势的演变，发现数字

技术及数字产业本身是高耗能产业，将加剧碳排放和

气候恶化，揭示了数字技术“绿色光环”下的“亲碳”

性。Lee 和 Brahmasrene（2014）[14]采用东南亚国家联

盟（ASEAN）的 9 个成员国数据，研究发现数字技术

的使用显著增加了污染排放。Fernando 等（2021）[15]

通过调查马来西亚的企业样本，发现数字技术并不

能显著减少污染排放。Faisal 等（2020）[16]的研究发

现，数字技术创新与污染排放的关系呈倒 U 型，随

着数字技术研发量的增加，污染排放量只有在达到

既定的阈值点后才开始下降。

从跨行业技术溢出的环境表现来看，一部分学

者认为跨行业技术溢出降低了污染排放。Costantini

等（2013）[17]指出，技术溢出比创新本身更重要。Xu

和 L（i 2019）[18]研究了工业数字技术应用于传统行业

的情形，发现 5G 技术可以帮助企业在任何时间以

最好最快的方式选择控制和部署每台机器的工作，

大数据和机器学习可以辅助数据收集和分析，促进

企业生产效率的提升，减少资源浪费，从而降低污染

排放。Feuerriegel 等（2016）[7]发现数字技术通过跨行

业技术溢出，从制造业到服务业进行技术赋能，改

善生产环境，优化能源消费结构和产业结构，促使

环境绩效提高。Prajogo 和 Olhager（2012）[19]研究了

数字技术应用于物流行业的情形，研究表明数字技

术创新通过路线优化、容量分配、物联网搭建等显

著降低了物流业的污染排放强度。另一部分学者认

为跨行业技术溢出对环境的影响是不确定的。

Salahuddin 等（2016）[20]研究了澳大利亚互联网使用

率与污染排放的关系，发现两者并不存在显著的长

期关系，Amr（i 2018）[21]在 OECD 国家的样本中也得

出了相同结论。Arshad 等（2020）[22]引入环境库兹涅

兹曲线研究 GDP、污染排放与数字技术创新间的关

系，结果表明数字技术创新的跨行业技术溢出和跨

境溢出只有在越过倒 U 型曲线顶点后，才能够发挥

对环境的积极影响。

（三）文献述评

以上研究结论为分析数字技术创新对企业环境

绩效的影响提供了重要的参考，但综合现有研究可

以发现，从研究方法上看，国内学者多从政策事件、

数字化词频或综合指数层面构建数字技术发展指

标，国外学者的相关研究也主要集中于案例研究和

统计分析，均未能从微观层面量化企业的数字技术

创新水平。从研究视角上看，现有文献仅关注数字技

术创新或者跨行业技术溢出的单一方面，未将两者放

在同一框架内进行综合考虑和对比分析。从研究结论

上看，已有文献对数字技术创新、跨行业技术溢出的

环境绩效均存在争议。因此，本文基于上市公司数字

专利研发数据，研究数字技术创新、跨行业技术溢出

与企业环境绩效间的关系，弥补已有研究的空白。

三、理论分析与研究假说

借鉴 Acemoglu 等（2012）[23]的模型设定，消费者

提供生产劳动力和研发劳动力，并获得工资，消费者

效用由消费数量和环境质量来决定。最终产品市场

为完全竞争市场，最终产品生产者雇佣劳动力，并投

入清洁品和污染品两类中间产品，生产污染品将对

环境造成污染和破坏，出售最终产品给消费者以获

得利润。中间产品市场为垄断竞争市场，中间产品生

产者雇佣科研人员，并分配科研人员到不同的中间

产品部门进行数字专利研发，垄断定价获取垄断利

润。在此基础上，构建内生增长模型探讨数字技术创

新对环境质量的影响。

（一）行为主体刻画

消费者效用函数为：

移

∞

t=0

1

（1+籽）t

u（Ct，St） （1）

其中：Ct 表示消费者在 t 时刻最终产品的消费

量；St 表示消费者在 t 时刻所处环境的质量，St沂

［0，S］，假设环境最初处于 S 的质量，表示环境不

受任何人为生产活动污染的最优环境质量；籽 为折

旧率。消费者效用函数关于 Ct、St 的一阶导数均大

于 0，且满足稻田条件。

最终品生产厂商生产最终产品 Yt，其投入品由

清洁部门 c、污染部门 d 生产的产品构成，两个部门

生产产品的替代弹性为 着。若 着跃1，则两种投入品互

为替代品；若 着约1，则两种投入品互为补品。清洁品

Yct 和污染品 Ydt 的生产需要投入机器设备和劳动

力。生产厂商的生产函数为：

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

· 3 ·

山西财经大学学报 2023 年 第 12 期

Yt=（L

1-琢

ct

1

0 乙 A

1-琢

cit

x

琢

citdi）

着-1

着

+（L

1-琢

dt

1

0 乙 A

1-琢

dit

x

琢

ditdi）

着-1

着

嗓 瑟

ε-1

ε

（2）

Act=

1

0

乙 Acitdi，Adt=

1

0

乙 Aditdi （3）

式中，Ajit 表示 t 时刻 j 部门使用第 i 种类型数

字技术的水平，xjit 表示 t 时刻 j 部门使用第 i 种类型

数字技术的数量，j沂{c，d}，琢沂（0，1）。Act 表示 t 时刻

清洁部门的生产效率，Adt 表示 t 时刻污染部门的生

产效率。两部门劳动力就业量满足劳动力总量约束

Lct+Ldt臆1。t 时刻 j 部门的目标函数为：

max pjL

1-琢

j

1

0

乙 A

1-琢

ji

x

琢

ji di-wLj1

0

乙 嗓 pjixjidi 瑟 （4）

xji=

琢pj

pji

蓸 蔀

1

1-琢

AjiLj，Yji=pjt

-

1

1-α

AjiLj （5）

求解公式（4）的一阶条件可得 t 时刻 j 部门对

第 i 类数字技术的需求函数 xji，该需求与 j 部门第

i 类数字技术水平 Aji 呈正相关关系，与 j 部门现有

劳动力数量 Lj 呈正相关关系，与数字技术产品的

价格 pji 呈负相关关系。同时，可得 j 部门产品生产

函数为 Yji。

（二）数字技术研发导向

研发部门具有趋利性，选择 j 部门研发以实现

利润最大化，研发部门分派的每个研究者从事 j 部

门某一种类型数字技术的研发，假设初始状态下，清

洁部门的生产效率落后于污染部门。数字技术由垄

断研发部门提供，生产 1 单位数字技术消耗 渍 单位

最终品，不失一般性，假设 渍越琢

2。科研人员就业数量

满足科研劳动力总量约束 sct+sdt臆1。数字研发具有

不确定性，在 j 部门成功的概率为 浊j，失败的概率为

1-浊j，若研发成功则提高数字技术水平 1+酌 单位，即

从 Ajit 到（1+酌）Ajit，因此考虑研发不确定性的数字技

术水平动态变化方程为 Ajt=（1+酌浊jsjt）Ajt-1。

j 部门从事 i 类型数字技术研发的利润函数为

装ji越（pji-渍）xji，由于研发市场为垄断市场，其定价原

则为边际成本加成定价，即 pji越琢，则对 j 部门第 i 类

数字技术的需求函数可改写为 xji越p

1/1-琢

j AjiLj。选择 j

部门进行数字研发的期望利润函数为：

仔jt=浊j

1

0 乙 （1-琢）琢p

1/1-琢

ji L（jt 1+酌）Ajit-1di

=浊（j 1+酌）（1-琢）琢p

1/1-琢

ji LjtAjt-1 （6）

仔ct

仔dt

=

浊c

浊d

× Lct

Ldt

× Act-1

Adt-1

×

pct

pdt

蓸 蔀

1/1-琢

（7）

将两部门研发期望利润进行对比可以发现，研

发部门选择哪个部门进行数字技术创新取决于三个

因素，即相对劳动力规模、相对生产率、相对设备价

格。哪个部门的相对生产率越高（生产效率效应）、相

对设备价格越高（价格效应）、相对劳动力数量越多

（生产规模效应），研发部门越倾向于在该部门进行

数字技术研发。为简化分析，令 渍越（1-琢）（1-着），结合

研发部门利润最大化关于劳动力的一阶条件，可将

式（7）简化为：

仔ct

仔dt

=

浊c

浊d

1+酌浊csct

1+酌浊dsdt

蓸 蔀

-渍-1

Act-1

Adt-1

蓸 蔀

-渍

（8）

若 着跃1，即 渍约0，则研发部门选择生产效率较高

的部门进行数字技术研发，从而导致生产率的两极

分化。若 着约1，即 渍跃0，则研发部门选择生产效率较

低的部门进行数字技术研发，从而缩短生产率差

距，而后在生产效率高低的动态变化中不断更换生

产率低的部门进行研发，实现清洁部门和污染部门

的均衡发展。白雪洁和于庆瑞（2019）[24]指出制造业

生产率远高于服务业，存在部门间生产率非均衡的

问题。制造业作为基础性产业，其对数字技术的需

求和数字创新的能力也高于服务业。根据前文假

设，初始状态下清洁部门生产效率落后于污染部

门，则在 着跃1 即两部门生产产品互为替代品时，数

字技术研发先开始于制造业，而在 着约1 即两部门生

产产品互为补品时，数字技术研发先开始于服务

业，而后在两部门生产率的动态变化中不断选择生

产率较低的部门进行数字技术研发。

（三）数字技术创新与环境绩效

由产品生产函数和研发部门利润最大化一阶条

件，可得到生产率内生决定的各部门生产函数为：

Yc=（A

渍

c +A

渍

d）

-

琢+渍

渍

Ac A

琢+渍

d （9）

Yd=（A

渍

c +A

渍

d）

-

琢+渍

渍

Ad A

琢+渍

c （10）

Y=Yc+Yd=（A

渍

c +A

渍

d）

-

1

渍

AcAd （11）

环境质量包括环境自修复的正向影响和人为生

产破坏的负面影响，构建模型如下：

St+1=-灼Ydt+（1+啄）St （12）

其中，St+1 表示 t+1 时刻的环境质量，St 表示 t 时

刻的环境质量，St+1、St沂［0，S］。如果 St越0，则对于任

意 茁跃t，S茁 总是维持在 0 水平。灼 表示环境受人为生

产破坏的反应程度，（1+啄）为环境的自修复能力。

xji，Lj

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

pct

· 4 ·

山西财经大学学报 2023 年 第 12 期

由均衡生产函数和环境质量函数可以发现，在

无任何约束情形下，Yd 将无边界增长，导致环境污

染，当低于环境质量的下界 0 时，将导致环境恶化。

结合式（8）所得结论可知，着 的取值不同，数字技术

研发导向也不同，导致环境质量不同。

当 着跃1 时，制造业和服务业生产产品互为替代

品，数字技术研发先发生于生产率较高的制造业部

门，制造业由于先动优势领先于服务业，Yd 不断增

长，而制造业的污染强度高于服务业 （杨飞等，

2017）[25]，从而导致更高的环境污染强度和更快的

环境污染速度。对于传统的制造业而言，数字技术

创新吸收能力不足、绿色技术使用不足将增加污染

排放（Nizam et al.，2020）[26]。从创新吸收能力来看，

数字人才缺乏与数字研发资金投入不足，将大大降

低数字技术的物化水平（刘政等，2020）[27]，从而导致

资源配置效率低下，产生环境污染。从绿色创新效率

来看，传统制造业的数字技术研发往往对标于生产、

管理、销售活动，其主动提高环境绩效的意愿并不强

烈，导致数字技术对企业减排赋能不足。综合以上分

析，本文提出假说 1 和假说 2。

假说 1：数字技术创新是非环境友好的，导致环

境污染。

假说 2：创新吸收能力不足、绿色创新效率不高

是数字技术创新导致污染的原因。

当 着约1 时，制造业和服务业生产产品互为补品，

研发部门更青睐在生产率较低的服务业部门展开数

字技术研发，缩短与制造业生产率差距，而后在两部

门生产率的动态变化中不断选择生产率较低的部门

进行数字研发，实现两部门的均衡发展。这种发展模

式避免了制造业部门单极发展产生的环境污染，两

部门的相对优势互补促进了数字技术的溢出。数字

技术溢出通过调整两部门的能源消费结构、优化产

业结构降低污染排放。从能源消费结构来看，传统行

业通过数字技术进行产品、技术升级，淘汰落后产

能，同时数字技术加速新能源开发，促使新能源汽

车、新能源电子设备等涌入市场，提高绿色新能源使

用比例。从产业结构来看，对于制造业而言，数据要

素、算力基础设施等新的生产要素的投入，提高了企

业自动化的能力，通过合理调整投入产出，提高要素

使用效率，减少无序生产造成的资源浪费，优化要素

配置结构。对于服务业而言，数字技术的应用有利于

打破传统知识高度本地化特征，推动要素从低端传

统服务业向知识、技术密集型服务业转移（裴璇等，

2023）[28]，助力服务业结构升级，提升现代服务业绿

色发展水平。为此，本文提出假说 3 和假说 4。

假说 3：跨行业技术溢出可以有效降低环境污染。

假说 4：跨行业技术溢出通过调整能源结构、优

化产业结构降低环境污染。

综合上述分析可知：当 着跃1 时，数字技术以替代

研发为主，易导致环境污染；当 着约1 时，数字技术以

互补研发为主，将有效降低污染排放。陈宪和黄建锋

（2004）[29]认为，制造业和服务业的发展分为两阶段。

在第一阶段，制造业与服务业间主要是分工关系，彼

此相对独立发展；在第二阶段，随着社会分工的深

化，两者相互融合、相互依赖，更多表现为互补性关

系。在数字分工的不同阶段制造业和服务业的融合

程度不同，初期制造业和服务业平行发展，两部门数

字产品互为替代品，数字技术研发导致污染排放增

加，后期制造业和服务业交叉融合，两部门数字产品

互为补品，数字技术创新将有效降低环境污染。现阶

段，先进制造业与现代服务业的融合是我国建设现

代产业体系的重要内容，制造业与服务业的融合程

度不断提升，数字技术创新将有利于污染减排。为

此，本文提出假说 5。

假说 5：初期数字技术创新导致污染排放增加，

后期数字技术创新有利于污染减排。

四、研究设计

（一）模型设定

基于 2012—2020 年中国企业层面的微观数

据，本文构建面板固定效应模型，研究数字技术创

新、跨行业技术溢出对企业环境绩效的影响。模型

设定如下：

lnpollutionijt=a0+a1

lndtiijt+a2Controlijt+酌i+啄j+姿t+着ijt

（13）

lnpollutionijt=茁0+茁1

lnctsijt+茁2Controlijt+酌i+啄j+姿t+着ijt

（14）

其中：i 表示企业；j 表示企业所处行业；t 表

示年份；lnpollutionijt 为企业污染排放，是核心被解

释变量，其数值越高表明企业污染排放越高，反

之亦然；lndtiijt 为企业数字技术创新，是核心解释

变量；lnctsijt 为企业数字技术创新的跨行业技术溢

出，也是核心解释变量；Controlijt 包括企业年龄（age）、

企业规模（size）、现金流（cash）、资产负债率（lev）、

成长能力（growth）、托宾 Q（tq）、投资收益率（roa）、

资本密集度（ci）；酌i、啄j、姿t 分别表示地区、行业固定

效应和年份固定效应；着ijt 为不可观测的随机变量。

本文重点关注的系数为 琢1 和 茁1，其含义是控制固

定效应以及企业特征变量等影响因素后，数字技

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

· 5 ·

山西财经大学学报 2023 年 第 12 期

术创新、跨行业技术溢出对企业环境绩效的影响

效果。

此外，本文选择创新吸收能力和绿色创新能力

作为企业数字技术创新的门槛变量，选择产业结构

和能源结构作为跨行业技术溢出的门槛变量，构建

门槛模型，研究数字技术创新、跨行业技术溢出影响

企业环境绩效的内在机制。在模型（15）中：酌2、酌3、酌4、

酌5 分别表示门槛变量在 qijt臆兹1、兹1约qijt臆兹2、兹2约qijt臆兹3

以及 qijt跃兹3 时数字技术创新、跨行业技术溢出对企

业污染排放的影响效应；qijt 为门槛变量，即创新吸

收能力（lninnocap）、绿色创新能力（lneffgreen）、能

源结构（lnenergy）和产业结构（lnstru）；I（·）为示性

函数，若 qijt 满足示性函数条件则 I（qijt臆兹）=1，反之

则 （I qijt臆兹）=0；兹 为门槛值。

lnpollutionijt=酌1+酌2

lndtiij·t I（qijt臆兹1）+酌3

lndtiij·t I（兹1

约qijt臆兹2）+酌4

lndtiij·t I（兹2约qijt臆兹3）+酌5

lndtiij·t I（qijt跃兹3）+

着ijt （15）

（二）变量测算与描述性统计

本 文 的 核 心 被 解 释 变 量 为 企 业 污 染 排 放

（lnpollution）。参考李鹏升和陈艳莹（2019）[30]的做法，

选择工业废水废气中的化学需氧量、氨氮排放量、二

氧化硫、氮氧化物四种污染物的排放量，并采用《排

污费征收标准管理办法》中规定的各类污染物排放

的当量值进行折算，统一单位后进行求和并加 1 取

对数处理，以反映企业的环境绩效。

本文的核心解释变量为企业数字技术创新和跨

行业技术溢出。企业数字技术创新（lndti）的测算过

程如下：第一步，采用 Python 爬虫技术在中国专利

数据库爬取上市公司专利信息，该专利信息中包含

专利名称、专利申请人、专利申请日、专利 IPC 分类

号和专利摘要等详细信息；第二步，根据《数字经

济及其核心产业统计分类（2021）》中数字经济及

其核心产业的行业四位数代码，以及《国际专利分

类与国民经济行业分类参照关系表（2017）》中数

字技术涵盖的国际专利分类号，两者匹配后形成

数字技术 IPC 清单；第三步，通过检测企业每项专

利的任一分类号是否在数字技术 IPC 清单中来判断

其是否为数字技术专利，共筛选出 427 405 条数字

技术专利的详细信息；第四步，核算每个企业每一年

的数字技术专利数量。

跨行业技术溢出水平（lncts）的测算过程中，借

鉴 Rau（t 1995）[31]的研究，基于对数形式的 C-D 生

产函数测算数字技术创新的跨行业溢出效应，构

建模型如下：

lnevenueijt=渍0+渍1lndtiijt×lndtiexpijt+渍2lndtiijt+

渍3

lnrdijt+渍4

lnemployeeijt+渍5lnfixAssijt+着ijt （16）

式中，lndtiijt 表示企业 i 第 t 期数字技术专利

数量加 1 的对数值，lndtiexpijt 表示第 t 期除 j 行业

外的其他行业减去企业 i 的数字技术专利后的数

字技术专利存量加 1 的对数值，lnevenueijt、lnrdijt、

lnemployeeijt 分别为企业 i 第 t 期主营业务收入、

R&D 存量、固定资产加 1 的对数值。系数 渍1 反映跨

行业数字技术创新对该企业的影响程度，渍1 越大，说

明数字技术创新的跨行业技术溢出程度越高。

本文从企业层面选取相关控制变量，具体如下：

企业年龄（age）采用企业当年与成立年份之差加以

测算，企业规模（size）选择企业总资产的对数衡量，

现金流（cash）采用经营活动产生的现金流量的对数

加以衡量，资产负债率（lev）采用总负债与总资产之

比测算，成长能力（growth）使用营业收入增长率衡

量，托宾 Q（tq）采用企业市值与总资产之比来衡量，

投资收益率（roa）采用总资产净利润率测算，资本密

集度（ci）使用固定资产除以员工人数衡量。表 1 报

告了所有变量的描述性统计分析结果。

变量类型 变量符号 变量含义 观测数 平均值 标准差 最小值 最大值

被解释变量 pollution 企业污染排放 29035 0.1415 0.0057 0.1244 0.1503

解释变量

dti 数字技术创新 29035 8.7459 26.7168 0 232

cts 跨行业技术溢出 9691 1.1164 1.4086 -6.5726 4.1756

控制变量

age 企业年龄 29035 2.7755 0.378 0.6931 3.5553

size 企业规模 29035 3.0939 0.0575 2.9164 3.2733

cash 现金流 29035 -2.9825 1.0117 -11.4958 -1.0823

lev 资产负债率 29035 -0.9631 0.6094 -3.3883 1.1188

growth 成长能力 29035 -3.3248 1.0528 -10.8711 -1.2474

tq 托宾 Q 29035 0.5997 0.5007 -0.2242 2.8752

roa 投资收益率 29035 -2.3001 2.2214 -21.9266 4.1348

ci 资本密集度 29035 0.6631 0.6777 -1.1177 3.0699

表 1 变量定义与描述性统计

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

· 6 ·

山西财经大学学报 2023 年 第 12 期

表 2 分别列示了 2012—2020 年数字专利数量、

申请数字专利企业数量、数字专利占申请专利总量

比重，从数字专利总量层面和企业数量层面考察数

字技术创新的发展趋势。观察表 2 的结果可以发现：

第一，数字专利申请总量和申请数字专利的企业数

量呈现连年上升趋势，这与国家大力推动数字经济

的发展政策密不可分，从“十一五”规划提出的《电子

商务发展“十一五”规划》到《大数据产业发展规划

（2016—2020 年）》以及 G20 杭州峰会提出的《二十

国集团数字经济发展与合作倡议》，均为数字经济的

发展提供了政策引导和正向激励；第二，数字专利申

请增速呈现出先上升后下降的倒 U 型趋势，数字专

利占申请专利总量的比重呈现波动下降的趋势。在

数字经济规模不断扩大的同时也产生了发展不规

范、监管不健全等问题，为规范市场秩序，2015 年中

国人民银行等 10 个部门联合出台《关于促进互联网

金融健康发展的指导意见》，2018 年国家知识产权

局开展“专利泡沫”整治行动，2020 年《中华人民共

和国专利法》明确对专利申请行为进行法律规范，从

而导致了两项指标的下降。

年份 数字专利数量（个） 数字专利申请增速 申请数字专利企业数量（个） 数字专利占申请专利总量比重

2012 12373 0.1081 771 0.3944

2013 14877 0.2023 857 0.4218

2014 16849 0.1325 878 0.3534

2015 20471 0.2149 930 0.3532

2016 26193 0.2795 1077 0.3298

2017 31026 0.1845 1198 0.3098

2018 34674 0.1175 1488 0.2870

2019 37618 0.0849 1602 0.3036

2020 40303 0.0713 1779 0.2639

表 2 数字技术创新发展水平

根 据 《数 字 经 济 及 其 核 心 产 业 统 计 分 类

（2021）》的划分标准，数字经济的核心产业包括数

字产品制造业、数字产品服务业、数字技术应用业

和数字要素驱动业。本文将数字产业的小类代码对

应的大类代码与《国民经济行业分类（2017）》2 位

数大类代码进行匹配，重新划分样本，并绘制了各

个数字核心产业的数字专利申请总量和污染排放

量的趋势图，如图 1、图 2 所示。从图 1 可以看出，4

个数字核心产业的数字专利申请量均呈现逐年上

升趋势，数字技术创新主要集中在数字产品制造

业，其次为数字技术应用业、数字要素驱动业、数字

产品服务业，非数字行业的数字专利申请量介于数

字技术应用业和数字产品制造业之间。横向来看：

数字产品制造业在 2016 年后增速较快，近几年增

速逐渐收敛；数字技术应用业在起初保持平稳的增

长速度，2018 年后维持较快增速；数字要素驱动业

保持平稳上升的态势；数字产品服务业 2017 年后

呈现下降的态势；非数字行业的数字专利申请量不

断上升。以上分析结果与陶峰等（2023）[32]关于数字

技术创新的趋势分析基本一致，验证了该项指标识

别的合理性。观察图 2 可以发现，无论是数字行业

还是非数字行业的污染排放量，均呈现逐年增加的

趋势，但近年来污染增速有所放缓。对比图 1，除非

数字行业外，4 个数字核心行业的污染排放量大小

顺序与数字专利的研发数量顺序相同，表明数字技

术创新与污染排放存在正相关关系。

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

图 1 2012—2020 年数字核心产业与非数字行业的数字专利申请量

年份

2012 2013 2014 2015 2016 2017 2018 2019 2020

25000

20000

15000

10000

5000

0

数

字

专

利

申

请

量

数字产品制造业

数字产品服务业

数字技术应用业

数字要素驱动业

非数字行业

· 7 ·

山西财经大学学报 2023 年 第 12 期

（三）数据来源

本文企业污染物排放数据来自全国税收调查数

据，企业专利数据来自国家知识产权局、CNRDS 中

国研究数据服务平台、中国知网专利数据库，企业特

征数据主要来自 CSMAR 数据库，通过企业股票代

码、地区行政区划代码匹配所得，行业层面的数据来

自于中国劳动经济数据库。由于《数字经济及其核心

产业统计分类（2021）》是根据《国民经济行业分类

（2017）》中符合数字经济产业特征和以提供数字产

品（货物或服务）为目的的相关行业进行编订的，相

较于《国民经济行业分类（2011）》存在行业统计口径

上的差异，因此，这里选取的样本范围为 2012—2020

年。考虑到样本数据的有效性，剔除样本期间内未

上市或当年上市的企业样本，将数据缺失率低于

20%的变量进行线性插补，剔除了《国民经济行业分

类（2017）》中金融行业的企业样本。为避免极端异常

值的影响，对连续型变量分别进行了 1%和 99%分

位数的双端缩尾处理。最后，得到 2012—2020 年共

8 年 29 035 个观测值。

五、实证结果

（一）基准回归

基于面板固定效应模型，实证分析了数字技

术创新（lndti）、跨行业技术溢出（lncts）对企业污染

排放（lnpollution）的影响，表 3 列示了回归结果。列

（1）、列（3）仅包含核心解释变量 lndti 和 lncts，列

（2）、列（4）分别在列（1）、列（3）的基础上加入了与企

业特征相关的控制变量，每列均控制了地区、行业、

年份固定效应。在列（1）中，lndti 的回归系数在 1%

的显著性水平下为正，列（2）中 lndti 的系数估计值

仍显著为正，表明数字技术创新导致了企业污染排

放的增加。在列（3）、列（4）中，lncts 的估计系数均显

著为负，表明跨行业技术溢出对企业污染排放产生

抑制效果。以上结果表明，数字技术的发展将导致企

业污染排放的增加，这证明了数字技术创新本身是

非环境友好型行为，而跨行业技术溢出能够显著降

低企业的污染排放，从而验证了假说 1 和假说 3。可

能的原因在于：一方面，企业片面追求数字化转型，

而未综合考虑自身的研发能力和创新吸收能力，进

而导致了资源配置效率低下，污染排放增加；另一方

面，数字技术溢出到农业、制造业和住房建设等行业

时，通过引入智能电网、数字交通网络、智慧城市等

内容，将有效克服行业间的资源共享问题，提高资源

配置效率，从而减少污染排放。

（二）稳健性检验

为了保证以上结果的稳健性，本文通过替换解

释变量、替换被解释变量、更换模型回归方法进行

稳健性检验。第一，替换解释变量。基于前文的数字

技术 IPC 清单，对中国研究数据服务平台（CNRDS）

中披露的企业专利 IPC 分类号，利用 Python 文本分

析重新识别了企业的数字专利，分别测算了数字技

术创新（lndti2）和跨行业技术溢出（lncts2）。第二，替

换被解释变量。将被解释变量替换为企业环保惩罚

表 3 基准回归

变量

（1） （2） （3） （4）

lnpollution lnpollution lnpollution lnpollution

lndti

0.0003

***

（5.8911）

0.0007

***

（7.9122）

lncts

-0.0005

***

（-3.4030）

-0.0004

**

（-2.5849）

控制变量 否 是 否 是

样本量 29026 16971 9667 5511

调整 R

2 0.0486 0.3594 0.0671 0.3762

地区固定效应 是 是 是 是

行业固定效应 是 是 是 是

年份固定效应 是 是 是 是

注：*、**、*** 分别代表 10%、5%、1%的显著性水平，括号中

报告的是 t 值，标准误聚类至行业层面，下同。

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

图 2 2012—2020 年数字核心产业与非数字行业的污染排放量

年份

2012 2013 2014 2015 2016 2017 2018 2019 2020

300

250

200

150

100

50

0

污

染

排

放

量

数字产品制造业

数字产品服务业

数字技术应用业

数字要素驱动业

非数字行业

· 8 ·

山西财经大学学报 2023 年 第 12 期

次数（lnenvir_ penal），环保惩罚数据包含当年该企

业的具体处罚事项、金额等信息，对企业每年是否存

在环保处罚事项进行了计数处理，存在较少环保处

罚行为的企业往往具有良好的环境表现，则污染排

放可能较低，企业环保处罚越大表明企业污染排放

越多，环境绩效越差。第三，更换模型回归方法。将模

型回归方法更换为 Heckman 两步法，以控制潜在的

样本自选择问题。表 4 的回归结果表明，核心变量系

数的正负性和显著性与表 3 回归结果保持一致，表

明基准结论是稳健的。

表 4 替换变量与更换回归方法

变量

替换解释变量 Heckman 两步法

lnpollution lnpollution lnpollution

lndti

0.0006

***

（4.9787）

0.0008

***

（30.4040）

lncts

-0.0005

***

（-9.5868）

控制变量 是 是 是

地区固定效应 是 是 是

行业固定效应 是 是 是

lnpollution

-0.0005

***

（-2.8884）

是

是

是

替换被解释变量

lnenvir_penal lnenvir_ penal

0.0014

*

（2.0673）

-0.0024

*

（-1.7896）

是 是

是 是

是 是

年份固定效应 是 是 是 是 是 是

姿

-0.0008

**

（-2.0813）

-0.0005

（-1.2888）

样本量 9155 10139 16967 5511 20011 16568

调整 R

2 0.2962 0.3464 0.0443 0.0321 0.0423 0.0572

考虑到核心变量间的内生性问题将导致估计结

果出现偏误，本文采用两阶段最小二乘法进行内生

性检验。具体地，采用企业数字化人才（lndti_talents）

作为数字技术创新的工具变量，采用跨行业技术溢

出的滞后一期（L.lncts）作为跨行业技术溢出的工具

变量。企业数字化人才采用上市公司董监高人员的

学历信息衡量，将具有数字相关专业（计算机科学、

软件工程、人工智能、IT 管理）背景的董监高人员设

定为数字化人才。理论上，选择数字化人才作为工具

变量的合理之处在于：从相关性看，企业管理层数字

化人才越多，企业越可能进行数字专利的研发，数字

技术创新水平越高，说明数字化人才与数字技术创

新存在较高的相关性；从外生性看，董监高人员的专

业信息是毕业当年的信息，不受其他年份企业特征

变量的直接影响，且不与被解释变量企业环境污染

高度相关，满足有效工具变量的外生性假设。表 5 报

告了工具变量的检验结果。列（1）展示了数字化人才

作为工具变量的第一阶段回归结果，在加入所有控

制变量的前提下，lndti_talents 的系数估计值为正且

通过了 1%水平的显著性检验，表明数字技术创新

与数字化人才间存在显著的正相关关系，说明工具

变量满足相关性条件。LM 统计量显著不为 0，表明

工具变量不存在不可识别问题。同时，F 统计量大于

临界值 10，表明工具变量并不存在弱工具变量问

题。列（2）报告了第二阶段的回归结果，lndti 的系数

在 1%的水平下显著为正。列（3）为跨行业技术溢出

滞后一期作为工具变量的回归结果，不可识别统计

量和 F 统计量均通过了显著性检验，此工具变量同

样满足相关性和外生性假设。列（4）结果表明控制潜

在内生性问题后，跨行业技术溢出仍有助于降低企

业污染排放。因此以上结果表明，解决内生性问题

后，基准回归结果依然稳健。

表 5 工具变量法

变量

（1） （2） （3） （4）

lndti lnpollution lncts lnpollution

lndti

0.0016

***

（3.3675）

lncts

-0.0025

***

（-2.6254）

lndti_talents

0.7577

***

（7.5301）

L.lncts

0.2210

***

（2.4123）

控制变量 是 是 是 是

地区固定效应 是 是 是 是

样本量 16971 16971 2154 2154

行业固定效应 是 是 是 是

年份固定效应 是 是 是 是

LM 统计量 3.2501 6.4892

F 统计量 56.7412 100.9332

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

· 9 ·

山西财经大学学报 2023 年 第 12 期

（三）异质性分析

基于《数字经济及其核心产业统计分类（2021）》

和《国民经济行业分类参照关系表（2017）》筛选数字

行业大类的二位数代码，并与企业所在行业代码匹

配，将全样本划分为数字行业和非数字行业两类。淤

基于数字行业划分的异质性检验结果如表 6 所示，

列（1）与列（2）、列（3）与列（4）分别表示数字行业、非

数字行业样本的估计结果。列（1）、列（3）的结果显

示，lndti 的估计系数显著为正，表明无论是数字行业

还是非数字行业，数字技术创新均加剧了企业的污

染排放。列（2）中 lncts 的系数未通过显著性检验，列

（4）中 lncts 的系数在 5%的水平下显著为负，表明跨

行业技术溢出对数字行业企业影响较小，其更多影

响的是非数字行业企业，有助于非数字行业企业实

现污染减排。综合来看，在所属行业存在差异的情

形下，数字技术创新、跨行业技术溢出对企业污染

排放的影响具有异质性。这主要是因为数字技术创

新需要较高的前期研发投入，且部分数字专利的利

润转化周期较长，数字行业企业可能面对较高的研

发投资比例和风险，进而无法兼顾数字化转型与绿

色化发展。相反，对于非数字行业企业而言，由于数

字技术的外部经济性和高渗透性，不仅能够享受数

字技术创新带来的行业溢出效应，将数字技术应用

于生产过程和污染治理，而且其具备相对较多的资

金来维持自身的绿色发展。

由于企业所属行业类别具有较大区别，重污染

行业企业受环境规制约束较强，为此本文进一步基

于 2008 年《上市公司环保核查行业分类管理名录》

和 2012 年《上市公司行业分类指引》的重污染行业

报告，根据企业行业代码，调整样本为重污染行业企

业和非重污染行业企业，于考察数字技术创新、跨行

业技术溢出对不同行业属性下企业污染排放的差

异性影响。观察表 7 的实证结果可以发现，列（1）、

列（3）中，lndti 的系数估计值均通过了 1%的显著性

水平检验，表明在不同排污强度的行业中，数字技

术创新均加剧了企业的污染排放。在列（2）重污染

行业样本中，lncts 的系数显著为负，在列（4）非重污

染行业样本中，lncts 的系数并不显著，表明跨行业

技术溢出能够有效降低重污染行业企业的污染排

放。可能的原因是，重污染行业作为我国绿色转型

过程中的重难点，承担着更多的政策压力与成本

负担，数字技术的应用及跨行业的技术溢出将有

效解决其融资、生产等多方面的问题，推动重污染

行业的绿色转型。

考虑到政策压力下企业面临资金、技术等方面

的约束，数字技术创新产生的环境绩效不同。因此，

这里采用熵值法测算环境规制综合指数，并通过中

位数将全样本划分为高环境规制强度与低环境规制

强度两类样本，以考察数字技术创新、跨行业技术溢

出对企业污染排放影响的特征。表 8 的实证结果表

明，在列（1）高环境规制强度的样本中，lndti 的系数

为正，但未通过显著性检验，这说明在环境规制政策

的约束下，数字技术创新并不会导致企业排污量的

增加。在列（3）低环境规制强度样本中，lndti 的系数

显著为正。列（2）、列（4）的结果中，lncts 的系数估计

值均显著为负，表明无论环境规制强度如何，跨行业

技术溢出均对企业污染排放产生抑制作用。总体来

说，较高的环境规制将有效缓解数字技术创新对环

境的不利影响，实证结果暗示了环境配套政策在不

可逆数字化进程中的必要性。

表 6 数字行业与非数字行业的异质性

lnpollution lnpollution lnpollution lnpollution

lndti

0.0002

***

（8.3087）

0.0005

***

（3.9403）

lncts

0.0001

（0.3836）

-0.0004

**

（-2.2383）

控制变量 是 是 是 是

地区固定效应 是 是 是 是

行业固定效应 是 是 是 是

年份固定效应 是 是 是 是

样本量 6938 2196 10015 3282

调整 R

2 0.1801 0.2015 0.4502 0.4744

数字行业 非数字行业

变量 （1） （2） （3） （4）

表 7 重污染行业与非重污染行业的异质性

lnpollution lnpollution lnpollution lnpollution

lndti

0.0008

***

（4.8293）

0.0006

***

（7.4189）

lncts

-0.0007

**

（-2.0931）

-0.0002

（-1.2576）

控制变量 是 是 是 是

地区固定效应 是 是 是 是

行业固定效应 是 是 是 是

年份固定效应 是 是 是 是

样本量 5557 2066 11396 3412

调整 R

2 0.4812 0.4761 0.3302 0.3502

重污染行业 非重污染行业

变量 （1） （2） （3） （4）

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

·10·

山西财经大学学报 2023 年 第 12 期

（四）对比分析

为对比数字技术创新和跨行业技术溢出作用力

的大小，借鉴 Wang 等（2021）[33]的做法，本文基于面

板自回归模型（PVAR），考察数字技术创新、跨行业

技术溢出与企业环境绩效间的长期动态关系。将不

同时点数字技术创新和跨行业技术溢出对企业污

染排放波动的方差分解值绘制于图 3 中，其中，虚

线为数字技术创新的解释力度，实线为跨行业技术

溢出的解释力度。可见，在第 2 期前，企业污染排

放的波动主要取决于数字技术创新，两者在第 2 期

的动态关系基本达到均衡。在第 2 期后，企业环境

绩效的波动大部分来自于跨行业技术溢出，数字技

术创新的解释力度不高于 30%。综合以上结果可

知，在初期数字技术创新的负面影响占主导，即数

字技术创新加剧了企业污染排放，在第 2 期数字技

术创新的负面影响被跨行业技术溢出的正面影响

抵消，在第 2 期后跨行业技术溢出的正面影响占主

导，有效抑制企业的污染排放，有利于企业的绿色

发展，假说 5 得以验证。

六、机制检验

（一）数字技术创新对企业环境绩效的影响机制

本文以创新吸收能力（lninnocap）和绿色创新效

率（lneffgreen）为门槛变量构建门槛模型进行检验。

创新吸收能力采用研发投入占营业收入的比例加以

衡量，绿色创新效率采用“绿色专利数量/ln（1+研发

支出）”计算。表 9 汇报了创新吸收能力、绿色创新效

率门槛效应的存在性检验，创新吸收能力的三重门

槛值通过了 1%的显著性水平检验，且置信区间不包

含 0，绿色创新效率仅单一门槛通过了显著性检验，

因此分别构建基于创新吸收能力的三重门槛模型、

基于绿色创新效率的单一门槛模型进行实证回归，

结果见表 10。

表 8 不同环境规制强度的异质性

lnpollution lnpollution lnpollution lnpollution

lndti

0.0006

（1.2060）

0.0004

***

（8.8150）

lncts

-0.0003

**

（-2.1801）

-0.0005

*

（-1.8069）

控制变量 是 是 是 是

地区固定效应 是 是 是 是

行业固定效应 是 是 是 是

年份固定效应 是 是 是 是

样本量 9787 3145 7139 2319

调整 R

2 0.5162 0.5131 0.2544 0.3082

环境规制强度高 环境规制强度低

变量 （1） （2） （3） （4）

门槛变量 门槛数 F 统计量 P 值 抽样次数 门槛值 95%置信区间

创新吸收能力

单一门槛 5.87 0.5002 200 1.2090 ［1.2030，1.2119］

双重门槛 4.04 0.7532 200

1.4793 ［1.4770，1.4839］

2.3370 ［2.3145，2.3485］

三重门槛 15.71 0.0005 200 1.5454 ［1.5390，1.5497］

绿色创新效率

单一门槛 11.29 0.0002 200 0.1299 ［0.1163，0.1348］

双重门槛 6.69 0.1032 200

0.0523 ［0.0521，0.0524］

0.0910 ［0.0879，0.0929］

三重门槛 9.04 0.2543 200 0.0545 ［0.0528，0.0551］

表 9 数字技术创新的门槛效应

表 10 列（1）列示了创新吸收能力为门槛变量的

回归结果，可以发现：当 lninnocap 处于较低的第一区

间时，lndti 的系数估计值不显著；当 lninnocap 跨入

第二区间时，lndti 的回归系数显著为正，表明在较低

水平的创新吸收能力区间内，数字技术创新将加剧

企业的污染排放；当 lninnocap 处于第三区间时，lndti

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

图 3 数字技术创新与跨行业技术溢出的解释力度

数字技术创新 跨行业技术溢出

期数

0 1 2 3 4 5 6 7 8 9 10

0.40

0.35

0.30

0.25

0.20

0.15

0.10

0.05

0.00

解

释

力

度

·11·

山西财经大学学报 2023 年 第 12 期

的回归系数未通过显著性检验；当 lninnocap 处于较

高的第四区间时，lndti 的回归系数在 10%的显著性

水平下为负，表明在较高的创新吸收能力下，数字技

术创新有助于降低企业的污染排放。以上结果表明，

数字技术创新对企业污染排放的影响效应呈现先增

加后抑制的倒 U 型形态。列（2）列示了绿色创新效

率为门槛变量的回归结果，可以发现，lndti 的回归结

果当且仅当在 lneffgreen 超过 0.129 9 时显著为负，

其他区间均不显著，表明只有当绿色创新效率较高

时，数字技术创新才能够减少企业污染排放。以上结

果表明，数字技术创新推动企业绿色发展的前提要

求是企业具备较高的创新吸收能力和绿色创新转化

能力，当企业创新吸收能力不足、绿色创新研发动力

不足时，数字技术创新反而成为企业绿色发展的桎

梏，假说 2 得以验证。

（二）跨行业技术溢出对企业污染排放的影响

机制

前文已验证跨行业技术溢出对企业污染减排

的积极影响，为深入探究其内在作用路径，这里基

于门槛效应模型，分别从产业结构和能源结构两

个视角考察跨行业技术溢出对企业污染排放的影

响机理。产业结构（lnstru）使用“第一产业增加值占

GDP 比重伊1+第二产业增加值占 GDP 比重伊2+第

三产业增加值占 GDP 比重伊3”加以衡量，能源结

构（lnenergy）使用“（天然气折合万吨标准煤+电力

折合万吨标准煤）/能源消耗总量万吨标准煤”加以

测算，以衡量清洁能源的使用比例，以上变量均取

对数处理。观察表 11 可以发现，在产业结构的门

槛效应检验中，单一门槛通过了 1%的显著性水平

检验，且 95%的置信区间不包含 0，表明产业结构

在跨行业技术溢出与企业污染排放间存在显著的

单门槛影响效应。在能源结构的门槛效应检验中，

仅双重门槛在 1%的水平下显著，表明能源结构在

跨行业技术溢出与企业污染排放间存在显著的双

门槛影响效应。因此，本文选择产业结构的单一门

槛模型、能源结构的双重门槛模型进行实证回归，

结果见表 12。

表 10 创新吸收能力和绿色创新能力的门槛效应

变量

（1） （2）

lnpollution lnpollution

lndt（i lninnocap臆1.4793）

-0.0002

（-1.2558）

lndt（i 1.4793约lninnocap臆1.5454）

0.0001

**

（2.3258）

lndt（i 1.5454约lninnocap臆2.3370）

0.0001

（0.2702）

lndt（i 2.3370约lninnocap）

-0.0001

*

（-1.8177）

lndt（i lneffgreen臆0.1299）

-0.0006

（-0.2923）

lndt（i 0.1299约lneffgreen）

-0.0003

***

（-4.4098）

控制变量 是 是

地区固定效应 是 是

行业固定效应 是 是

年份固定效应 是 是

样本量 3498 3498

调整 R

2 0.7872 0.7673

门槛变量 门槛数 F 统计量 P 值 抽样次数 门槛值 95%置信区间

产业结构

单一门槛 18.77 0.0000 200 2.7260 ［2.7123，2.7321］

双重门槛 7.91 0.3000 200

2.7260 ［2.7223，2.7328］

2.4776 ［2.4552，2.4826］

三重门槛 11.54 0.6500 200 2.3634 ［2.3558，2.3636］

能源结构

单一门槛 8.73 0.2002 200 0.2471 ［0.2344，0.2473］

双重门槛 14.48 0.0032 200

0.2471 ［0.2443，0.2473］

0.2745 ［0.2661，0.2746］

三重门槛 12.81 0.4527 200 0.3075 ［0.3075，0.3086］

表 11 跨行业技术溢出的门槛效应

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

·12·

山西财经大学学报 2023 年 第 12 期

表 12 列示了产业结构、能源结构的门槛效应检

验结果。列（1）为基于产业结构的单一门槛回归结

果，列（2）为基于能源结构的双重门槛回归结果。列

（1）中，无论是第一区间还是第二区间，lncts 的估计

系数均至少通过了 5%的显著性水平检验，且 lnstru

跨入第二区间时系数显著性水平提升，表明产业结

构升级有助于跨行业技术溢出环境效应的发挥。将

门槛变量更换为能源结构时，lncts 仅在第二区间内

显著为负，其余区间不显著，表明只有当能源消费结

构处于合理的区间时，跨行业技术溢出才能够提高

企业的环境绩效，但是当过度偏向清洁能源消费时，

反而对企业产生环保方面的压力，可能引发企业的

“漂绿”投机行为，进而使得跨行业技术溢出的环

境绩效不明显。综合以上结果，数字技术创新的跨

行业技术溢出可通过推动产业结构的整体升级来

降低污染排放，亦可通过清洁能源使用比例的增

加，推动能源消费结构的优化升级以实现排污量的

减少，假说 4 得以验证。

七、结论与启示

（一）研究结论

本文基于 2012—2020 年中国上市公司的样本

数据，分别采用面板固定效应模型、门槛模型研究

了数字技术创新、跨行业技术溢出对企业环境绩

效的影响路径和作用机理，得到五点主要结论。第

一，基准回归结果显示，数字技术创新的非环境友

好型行为加剧了企业的污染排放，而跨行业技术

溢出有利于企业污染排放的降低。第二，通过更换

变量测算方式、工具变量法等稳健性检验，验证了

基准结论的可靠性。第三，方差分解的结果表明，

初期数字技术创新的负面影响占主导，后期跨行

业技术溢出的正面影响将抵消数字技术创新的负

面影响，有效抑制企业的污染排放。第四，异质性

分析结果表明，跨行业技术溢出在非数字行业和

重污染行业企业中的影响效应更好，较高的环境

规制强度能够有效缓解数字技术创新对环境的不

利影响。第五，只有当企业具备足够高的创新吸收

能力和绿色创新效率时，数字技术创新才能够实

现污染减排，跨行业技术溢出通过改善能源结构

和优化产业结构降低企业污染排放。

（二）对策建议

首先，提升数字技术创新水平，助推企业数字化

转型。本文研究发现数字技术创新的跨行业溢出能

够显著减少企业的污染排放，且方差分解的结果表

明数字技术创新的综合影响是有利于污染减排的。

因此，对于企业而言，应积极把握数字化转型的契

机，通过大数据平台高效搜集上下游生产链条中的

相关信息，提高信息获取、整合、分析效率，降低数字

专利的研发成本和管理成本。对于政府而言，应为企

业数字化发展建立多元化支持体系，搭建并完善数

字基础设施，推动数字共享平台的建设，强化数字技

术的跨行业溢出效应。

其次，重视数字技术创新对环境的负面影响，

提升环境责任意识。由实证结果可知数字技术创

新本身是非环境友好的，新兴产业的发展也带来

了新的环境问题。为此，企业自身应统筹经济绩效

与环境绩效，在数字技术研发的过程中加强环境

责任意识，提高能源、资源、环境的管理水平。政府

有必要制定数字专利的采用政策，以更好地利用

技术并维护绿色环境。同时，合理实施环境规制政

策进行约束，搭建分行业环境保护基础数据平台，

加强重污染行业的环境信息披露监管，发挥协同

减排治污作用。

最后，提升创新吸收能力和绿色创新能力，完善

能源结构和产业结构。一方面，企业应加大研发投入

占比，储备数字化人才，重视知识培训和数字技术学

习，提高职工群体素质，提升企业创新吸收能力和创

新产出能力。此外，重视数字技术创新的绿色转化能

表 12 产业结构和能源结构的门槛效应

变量

（1） （2）

lnpollution lnpollution

lncts（lnstru臆2.7260）

-0.0012

**

（-2.3099）

lnct（s 2.7260约lnstru）

-0.0001

***

（-4.8708）

lncts（lnenergy臆0.2471）

-0.0003

（-0.4058）

控制变量 是 是

地区固定效应 是 是

行业固定效应 是 是

年份固定效应 是 是

样本量 16120 16120

调整 R

2 0.8091 0.8094

lnct（s 0.2471约lnenergy臆0.2745）

-0.0001

***

（-3.9865）

lnct（s 0.2745约lnenergy）

-0.0001

（-1.6189）

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

·13·

山西财经大学学报 2023 年 第 12 期

力，提高绿色专利在数字专利中的比重，将数字新技

术投入到环境保护中去。另一方面，在未来政策实施

过程中，推动重污染行业的绿色低碳转型，并强化循

环经济、新能源产业等方面的政策设计，增加清洁能

源的使用，推动产业转型升级。

（三）不足与展望

从研究视角上看，本文仅从时间维度动态对比

分析了数字技术创新、跨行业技术溢出与企业环境

绩效间的关系，而未从空间维度考察数字技术创新

区域溢出的空间相关性，未来研究考虑将地理距离

或者经济距离因素纳入到模型中，考察企业数字技

术创新的空间相关性和空间依赖性。从研究方法上

看，对于数字技术创新水平的测算，本文仅考虑了数

字专利的研发数量，而未考虑质量水平，后续研究

考虑从数字专利的引用数量和专利宽度层面构造

更为精细的指标。此外，随着供应链相关数据可得

性的进一步增强，未来考虑从供应链视角展开研

究，分别从内部溢出、水平溢出和垂直溢出三个维

度细化焦点企业与上下游企业的数字技术溢出水

平，得到更有现实意义的结论。

注释：

淤 数 字 行 业 包 括 C23、C24、C26、C34、C35、C38、C39、C40、E47、E48、E49、F51、F52、I63、I64、I65、J66、J69、L71、L72、M73、

M74、M75、O81、R86、R87、S92。

于 将火电、钢铁、水泥、电解铝、煤炭、冶金、化工、石化、建材、造纸、酿造、制药、发酵、纺织、制革、采矿业划分为重污染行

业，其余行业为非重污染行业。

［参考文献］

［1］王贵铎，崔露莎，郑剑飞，等.数字经济赋能制造业转型升级——异质性影响机理与效应［J］.统计学报，2021，2（5）：

9-23.

［2］孙天昊，王 妍.数字经济视角下的产业结构优化——基于供需均衡模型的实证分析［J］.统计学报，2023，4（2）：

1-16.

［3］Yoo Y，Henfridsson O，Lyytinen K. Research Commentary——The New Organizing Logic of Digital Innovation：An Agenda

for Information Systems Research［J］. Information Systems Research，2010，21（4）：724-735.

［4］Fichman R G，Dos Santos B L，Zheng Z. Digital Innovation as A Fundamental and Powerful Concept in The Information

Systems Curriculum［J］. MIS Quarterly，2014，38（2）：329-353.

［5］刘 洋，董久钰，魏 江.数字创新管理：理论框架与未来研究［J］.管理世界，2020，36（7）：198-217.

［6］余 江，孟庆时，张 越，等.数字创新：创新研究新视角的探索及启示［J］.科学学研究，2017，35（7）：1103-1111.

［7］Feuerriegel S，Bodenbenner P，Neumann D. Value and Granularity of ICT and Smart Meter Data in Demand Response

Systems［J］. Energy Economics，2016，54（2）：1-10.

［8］ Prajogo D，Olhager J. Supply Chain Integration and Performance：The Effects of Long -Term Relationships，Information

Technology and Sharing，and Logistics Integration［J］. International Journal of Production Economics，2012，135（1）：514-522.

［9］胡增玺，马述忠.市场一体化对企业数字创新的影响——兼论数字创新衡量方法［J］.经济研究，2023，58（6）：

155-172.

［10］张涵钰，张文韬，李 涛.数字技术应用对企业环境绩效的影响研究——来自A股上市公司的经验证据［J］.宏观经济研

究，2023，294（5）：67-84.

［11］戴 翔，杨双至.数字赋能、数字投入来源与制造业绿色化转型［J］.中国工业经济，2022（9）：83-101.

［12］Nguyen T T，Pham T A T，Tram H T X. Role of Information and Communication Technologies and Innovation in

Driving Carbon Emissions and Economic Growth in Selected G20 Countries ［J］. Journal of Environmental Management，2020，261

（5）：1-10.

［13］史 丹.数字经济条件下产业发展趋势的演变［J］.中国工业经济，2022（11）：26-42.

［14］Lee J W，Brahmasrene T. ICT，CO2 Emissions and Economic Growth：Evidence From a Panel of ASEAN ［J］. Global

Economic Review，2014，43（2）：93-109.

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

·14·

山西财经大学学报 2023 年 第 12 期

［15］Fernando Y，Rozuar N H M，Mergeresa F. The Blockchain -Enabled Technology and Carbon Performance：Insights from

Early Adopters［J］. Technology in Society，2021，64（2）：1-10.

［16］Faisal F，Azizullah，Tursoy T，et al. Does ICT Lessen CO2 Emissions for Fast-Emerging Economies? An Application of The

Heterogeneous Panel Estimations［J］. Environmental Science and Pollution Research，2020，27（10）：10778-10789.

［17］Costantini V，Mazzanti M，Montini A. Environmental Performance，Innovation and Spillovers：Evidence from A Regional

NAMEA［J］. Ecological Economics，2013，89（4）：101-114.

［18］Xu X，Li J. The Influence of 5G Mobile Communication Technology on The Development of Industry and Commerce［J］.

Stud Dialectics Nat，2019，35（8）：119-123.

［19］Prajogo D，Olhager J. Supply Chain Integration and Performance：The Effects of Long -Term Relationships，Information

Technology and Sharing，and Logistics Integration［J］. International Journal of Production Economics，2012，135（1）：514-522.

［20］ Salahuddin M，Alam K，Ozturk I. Is Rapid Growth in Internet Usage Environmentally Sustainable for Australia？ An

Empirical Investigation［J］. Environmental Science and Pollution Research，2016，23（5）：4700-4713.

［21］Amri F. Carbon Dioxide Emissions，Total Factor Productivity，ICT，Trade，Financial Development，and Energy Consumption：

Testing Environmental Kuznets Curve Hypothesis for Tunisia［J］. Environmental Science and Pollution Research，2018，25（3）：33691-

33701.

［22］Arshad Z，Robaina M，Botelho A. The Role of ICT in Energy Consumption and Environment：An Empirical Investigation of

Asian Economies with Cluster Analysis［J］. Environmental Science and Pollution Research，2020，27（26）：32913-32932.

［23］Acemoglu D，Aghion P，Bursztyn L，et al. The Environment and Directed Technical Change ［J］. American Economic

Review，2012，102（1）：131-166.

［24］白雪洁，于庆瑞.劳动力成本上升如何影响中国的工业化［J］.财贸经济，2019，40（8）：132-145.

［25］杨 飞，孙文远，张松林.全球价值链嵌入、技术进步与污染排放——基于中国分行业数据的实证研究［J］.世界经济研

究，2017（2）：126-134.

［26］Nizam H A，Zaman K，Khan K B，et al. Achieving Environmental Sustainability through Information Technology：“Digital

Pakistan”Initiative for Green Developmen［t J］. Environmental Science and Pollution Research，2020，27（9）：10011-10026.

［27］刘 政，姚雨秀，张国胜，等.企业数字化、专用知识与组织授权［J］.中国工业经济，2020（9）：156-174.

［28］裴 璇，刘 宇，王稳华.企业数字化转型：驱动因素、经济效应与策略选择［J］.改革，2023，351（5）：124-137.

［29］陈 宪，黄建锋.分工、互动与融合：服务业与制造业关系演进的实证研究［J］.中国软科学，2004（10）：65-71.

［30］李鹏升，陈艳莹.环境规制、企业议价能力和绿色全要素生产率［J］.财贸经济，2019，40（11）：144-160.

［31］Raut L K. R&D Spillover and Productivity Growth：Evidence from Indian Private Firms ［J］. Journal of Development

Economics，1995，48（1）：1-23.

［32］陶 锋，朱 盼，邱楚芝，等.数字技术创新对企业市场价值的影响研究［J］.数量经济技术经济研究，2023，40（5）：

68-91.

［33］Wang L，Chen Y，Ramsey T S，et al. Will Researching Digital Technology Really Empower Green Development？［J］.

Technology in Society，2021，66（10）：1-13.

［责任编辑：李 莉］

申晨荣，等：数字技术创新、跨行业技术溢出与企业环境绩效

·15·

国民经济管理

Journal of Shanxi University of Finance and Economics

DOI 编码：10.13781/j.cnki.1007-9556.2023.12.002

2023年12月

第45卷 第12期

Dec.，2023

Vol.45 No.12

人工智能政策的经济效应

——基于 2015 年人工智能政策的准自然实验

孙昊颖 1，3，李胜会 2

（1.华南理工大学 经济与金融学院，广东 广州 510006；2.华南理工大学 公共管理学院，广东 广州 510641；

3.仲恺农业工程学院 经贸学院，广东 广州 510225）

［摘 要］基于2015年人工智能政策，探究其在提升企业盈利能力中的作用。以中小板和创业板上市企业作为研究样本，构

建双重差分模型并进行准自然实验分析，识别人工智能政策的经济成效。结果表明，人工智能政策的实施初期在提升企业盈利

能力方面存在一定局限性，但对东部地区和制造业企业的盈利能力提升较为明显。进一步研究发现，增加创新投入和缓解融资

约束是人工智能政策提升企业盈利能力的机制。

［关键词］人工智能政策；经济成效；盈利机制；融资约束；研发投入

［中图分类号］F276 ［文献标志码］A ［文章编号］1007-9556（2023）12-0016-14

Economic Effects of Artificial Intelligence Policy

——Quasi-Natural Experiment Based on the Artificial Intelligence Policy in 2015

SUN Hao-ying

1,3

, LI Sheng-hui

2

（1.School of Economics and Finance, South China University of Technology, Guangzhou 510006; 2.School of Public Administration,

South China University of Technology, Guangzhou 510641; 3.College of Economy and Trade, Zhongkai University of Agriculture and

Engineering, Guangzhou 510225, China）

Abstract: Based on the artificial intelligence policy in 2015, the paper mainly explored the role of the policy in promoting

enterprises’profitability. Taking SMEs and GEM listed enterprises as the example, the research firstly constructed the difference-indifferences approach to carry out the analysis of quasi-natural experiment, so as to identify the economic results of this policy. The

results indicated that, at the early stage, there were certain limitations in the promoting effect of the policy, while the effect was more

significant in the eastern region and in manufacturing enterprises. Further study revealed that, increasing innovation investment and

alleviating financing constraints were two mechanisms through which the policy could enhance enterprises’profitability.

Key W ords: artificial intelligence policy; economic results; profit mechanism; financing constraints; R&D expense

［基金项目］国家社会科学基金重点项目（21AGL027）；广州市社会科学十四五规划项目（2023GZGJ53）

［作者简介］孙昊颖（1995—），女，河南项城人，华南理工大学经济与金融学院博士研究生，仲恺农业工程学院经贸学院教

师，主要研究方向是产业经济与产业政策；李胜会（1978—），男，河南新乡人，华南理工大学公共管理学院教

授，经济学博士，主要研究方向是产业经济与产业政策、公共政策与区域发展。

一、引言

作为新一轮科技革命和产业变革的重要驱动力

量，新一代人工智能的高速发展正催生出一批新技

术、新产业、新业态、新模式，“四新经济”成为提升国

·16·

山西财经大学学报 2023 年 第 12 期 孙昊颖，等：人工智能政策的经济效应

际竞争力的重要发力点。党和国家对人工智能产业

发展表示了高度重视，2017 年 7 月《国务院关于印

发新一代人工智能发展规划的通知》提出人工智能

“三步走”战略目标，强调人工智能与经济增长、经济

转型、经济强国的重要关系，要求支持和引导企业在

设计、生产、管理、物流和营销等核心业务环节应用

人工智能新技术，赋予人工智能企业更多的社会担

当，促进其优化管理体系和运营模式。2018 年 10

月，习近平总书记在中共中央政治局第九次集体学

习时强调，人工智能是新一轮科技革命和产业变革

的重要驱动力量，加快发展新一代人工智能是事关

我国能否抓住新一轮科技革命和产业变革机遇的战

略问题。2021 年 3 月，《中华人民共和国国民经济和

社会发展第十四个五年规划和 2035 年远景目标纲

要》强调要强化国家战略科技力量，瞄准前沿领域，

如人工智能和量子信息，并实施一批具有前瞻性和

战略性的国家重大科技项目。

随着创新驱动发展战略的实施，各地政府陆续

出台相应政策指导本地人工智能产业发展，大量企

业、科研机构和高校等研发机构开始积极参与相关

创新活动，探索人工智能的应用场景，资金也更多地

流向人工智能产业。一系列政策的出台为人工智能

产业发展提供了良好的支持环境，为其增长注入活

力，同时也规范着人工智能的应用和发展。我国人工

智能产业和科学研究呈现出快速增长的态势，并成

为了经济体系内不可或缺的一部分。尽管人工智能

政策为产业发展提供了良好的条件，但其伴生问题

也逐步显现，如数据安全、工作替代和道德风险等，

因此政策对企业主体的影响仍然不清晰。

人工智能政策是复杂的政策集，涉及技术研

发、产业转型、成果应用等，引发了国内外学者对

其演进历程、阶段特征、优化路径等内容的深入探

讨。但是，现有研究专注于政策文本的定性分析，

有待从政策效应的视角进行拓展。由于人工智能

政策仍处于实施初期，其对人工智能公司盈利能力

的影响仍未明晰，因此客观、全面地评价我国人工

智能政策实施的经济效果，尤其是聚焦于企业表现

和竞争力的核心指标——盈利能力，并进行具有针

对性的讨论和实证检验，可为政府和企业甄别人工

智能政策对企业盈利能力的影响机制、应对潜在的

挑战提供保障。

所以，本文以人工智能政策的政策时点为线索，

通过“准自然”实验方法对其政策效应进行实证检

验，剖析当前政策体系存在的潜在问题，弥补研究空

白，帮助企业更好地理解人工智能政策对经济效益

的影响，从微观视角剖析人工智能政策对企业盈利

能力的影响机制，探寻完善我国人工智能政策体系

的路径，为政府政策制定和企业经营管理提供一定

的决策参考。

二、文献回顾与研究假设

（一）文献回顾

人工智能（Artificial intelligence）的概念源起于

1956 年达特茅斯会议，在第三次发展热潮的推动

下，迅速渗透于经济、社会、政治等领域，并引发了

许多全新的研究议题。如何通过人工智能政策体

系的建立健全来正确引导人工智能发展，成为国

内外学者关注的重要课题。国外学者曾从三个层

面对人工智能政策进行探索，即认知层面、效益层

面及制度层面。在认知层面，聚焦于社会公众对人

工智能政策的认知度与满意度 （Madariaga et al.，

2019）[1]；在效益层面，重点探索人工智能政策所能

带来的经济效益与社会效益（Hanawal et al.，2018）[2]；

在制度层面，从政策内容、政策工具、政策议程等方

面进行相关政策的解读 （Marda and Mantri，2013；

Kankanhalli et al.，2019）[3，4]。

国内学者也具有较为清晰的研究脉络。在人工

智能还未成为强化国家战略科技力量的重点任务

时，部分学者已经开始在高技术产业、战略性新兴产

业等层面探讨科技创新政策的重要意义（方荣贵等，

2010；李胜会、刘金英，2015）[5，6]。随着我国人工智能

政策体系建设的加快，国内学者开始对人工智能

政策开展系统性研究。在起步阶段，大部分学者倾

向于通过比较国内外政策文本的政策主体、政策

目标、政策属性、政策结构、顶层设计等方面的异

同点，学习国外人工智能政策的先进经验，为我国

人工智能政策的优化提供建议 （贾开等，2018；曾

坚朋等，2019；毛子骏、梅宏，2020）[7-9]。随后，学界

的研究内容逐渐聚焦。在研究对象方面，不断深入国

内政策体系的比较，包括央地层面（李明、曹海军，

2020）[10]、区域层面（单晓红等，2021）[11]、地方层面

（宋伟、夏辉，2019）[12]等。在研究视角方面，逐渐拓

展至政策扩散（刘红波、林彬，2019）[13]、政策协同

（金双龙等，2020）[14]、政策体系（赵欣彤、杨燕绥，

2020）[15]等领域。在研究方法方面，重点开展政策

文本分析、社会网络分析等定性研究方法，并且开

始尝试运用扎根理论、政策工具、创新价值链理

论、产业链理论等对人工智能的政策文本与演进

历程进行解读与剖析。

·17·

山西财经大学学报 2023 年 第 12 期

国内现有研究从初步的理论探索向实践应用拓

展，重点探讨人工智能在社会、经济、政治等领域产

生的重要影响，在强调人工智能政策积极作用的同

时，也发现其在顶层设计、产业融合、目标分化等方

面的问题以及可能存在的负面影响。例如有研究发

现，人工智能政策扶持所催生的战略性新兴产业可

能会引发重复建设、产能过剩等问题，应当尽可能地

避免人工智能与经济增长目标直接挂钩（陈小亮、陈

彦斌，2019）[16]。所以，大部分的定性研究难免因人为

因素的干扰而导致研究结论的莫衷一是（单晓红等，

2021）[11]。此外，现有研究可从政策效应的视角做进

一步拓展，以探索人工智能政策在我国人工智能企

业发展中发挥的作用。本文尝试在已有研究的基础

上，针对人工智能政策的经济成效开展实证检验，探

索人工智能政策优化企业盈利的机制。

（二）研究假设

如何将战略部署转化为发展优势是人工智能产

业发展的一大难题，一方面要求企业在战略眼光上

具有一定的前瞻性，另一方面也检验着政策制定的

科学性，所以，人工智能政策与盈利能力的高度衔接

是建设科技强国与经济强国的重点任务之一。盈利

能力是考核企业市场价值的基本指标，学界不仅关

注盈利能力的差异，还对影响盈利能力的各种因素

进行了 深入探 讨，特 别是内部因 素 （Shin and

Soenen，1998）[17]与外部因素（Sufian and Habibullah，

2009）[18]。部分学者认为抵御风险与应对不利情况的

能力是保持盈利能力可持续性的重要因素（钱爱民

等，2009）[19]，并证实了盈利能力与科技创新之间存

在紧密关系（张西征等，2012）[20]。同时，有学者从政

策视角出发，发现企业盈利能力发展的阶段性特征

与政府发布相关产业政策的时间节点较为一致（朱

华桂、乔联宝，2016）[21]。结合党的十九大报告提出的

工作要求与战略部署，人工智能已然作为国家科技

创新的重要组成部分，被赋予了带动经济发展的重

任。从人工智能首次写入国家规划纲要到现在，国家

从战略层面规划了人工智能产业未来的行动计划与

重点任务，并给予人工智能企业一定的政策配套，如

资源配置、政策优惠与技术支持。虽然诸如“大数据”

“云计算”“人工智能”等概念的提出在短期内将有利

于企业发展，但若企业的“智能”业务未能进入规模

化生产轨道，则其对企业的业务发展将不存在显著

的提升效应（曹晓飞等，2021）[22]。可以看出，已有研

究对人工智能政策的积极作用尚待检验，且倾向于

消极态度，为此本文提出假设 1。

H1：政策实施初期，人工智能政策在促进企业

盈利能力的提升上存在局限性。

从盈利能力的组成部分进行探讨，盈利能力是

企业运用其拥有的资本和资产进行经营，从而创造

出现金流量的能力，是企业市场营销、获取现金、回

避风险等能力的综合表现，难以用单一指标进行全

面测度（刘菁，2019）[23]。并且，人工智能政策可能表

现出“风险基准”降低作用与“激励动机”提升作用的

并存（周艳菊等，2014）[24]，方向难以把握。所以，本文

从研发投入和融资约束两个层面对人工智能企业的

盈利能力做进一步检验，探讨人工智能政策影响企

业盈利能力的重要发力点。

人工智能政策的出台，一方面给予人工智能企

业更多的行政支持，例如，强化知识产权保护和法规

监管，为人工智能发展提供保障（吕文晶等，2019）[25]；

另一方面给予其财务金融的支持，向金融市场和金

融机构发出政府大力支持人工智能产业发展的信

号，提高融资能力，缓解融资约束。除此之外，各级政

府也会设立产业引导基金，引导、撬动社会资本参与

投资人工智能企业。相关研究认为，产业政策和财政

补贴可以提高企业创新水平，激励企业增加研发投

入，强化企业的技术创新（白俊红，2011；廖信林等，

2013；汪红霞等，2021）[26-28]。随着企业 R&D 投资支出

的提高，公司有开发出创造更高收入流的新产品、

新服务、新技术的预期。这些创新可以提高公司资

产的利用率，从而改善产品的盈利能力。现有研究

也表明，企业 R&D 投资对其未来的盈利能力有积极

影响（Karjalainen，2008）[29]。与此同时，企业 R&D 投

资也可能伴随着更高的成本和更大的财务风险。公

司 R&D 投资行为的结果存在不确定性，尤其是在

开发突破性创新方面，这可能会对其净收入产生压

力，从而降低其资本盈利能力。由于创新的回报不

会立即显现，因此 R&D 投资的时机可能导致盈利

的延迟。目前，人工智能政策条款主要集中在供给

侧和环境侧（吕文晶等，2019）[25]，科技支持类政策

工具主要体现在支持人工智能企业关键技术研发

以及人工智能创新平台和创新基地的建设上，促进

企业和科研机构进行技术创新。然而，人工智能企

业的研发创新活动存在周期长、风险高和不可逆的

特征，企业在进行研发活动时可能面临较强的融资

约束，而融资约束则会通过降低企业 R&D 支出而

抑制企业创新活动（Acharya and Xu，2017）[30]，容易

造成恶性循环。政策出台的短期内企业在融资约束

得到缓解后，考虑到政策对产业发展的支持力度，一

孙昊颖，等：人工智能政策的经济效应

·18·

山西财经大学学报 2023 年 第 12 期

是会持续增加研发投入，增强自身的核心竞争力，

特别是项目研发、技术创新和人才培养等方面，提

高其资产使用效率，从而创造更高的资产回报率；

二是会增加融资，扩大生产，抢占市场，从而导致

更高的财务杠杆和利息支出。大量利用资本杠杆

的人工智能企业可能会面临更高的财务风险，从而

减少净收入，导致其净资产回报率下降。因此，本

文提出假设 2a、2b 与假设 3a、3b。

H2a：政策实施初期，人工智能政策通过增加企

业研发投入抑制企业资本盈利能力。

H2b：政策实施初期，人工智能政策通过增加企

业研发投入提升企业产品盈利能力。

H3a：政策实施初期，人工智能政策通过缓解企

业融资约束抑制企业资本盈利能力。

H3b：政策实施初期，人工智能政策通过缓解企

业融资约束提升企业产品盈利能力。

三、研究设计

（一）计量模型设计

针对政策事件冲击的评价，双重差分模型

（DID）是主流分析工具之一。DID 最大的优势在于

可以应用于自然实验或准自然实验，通过数学模

型有效控制被观测对象的政策冲击点（事件）前后

的差异，从而呈现潜在的政策效应。事实上，公共

政策评价难以完全保证政策实验组和对照组在样

本分配上的随机性，组间可能存在一定的事前差

异，而 DID 模型通过建模可以有效控制这种事前

差异，将政策的影响分离出来，为人工智能政策的

效能测度提供检验方法。

2015 年 5 月，国务院首次提出大力发展人工智

能新产业，明确指出将智能制造作为“两化”深度融

合的主攻方向。同年 7 月，国务院印发《国务院关于

积极推进“互联网+”行动的指导意见》，将人工智能

作为重点发展领域。伴随全国各地相关政策如雨后

春笋般的出台，人工智能政策开始发挥重要作用，

2015 年成为我国中央和各级地方政府出台人工智

能政策的重要时间节点。2017 年国务院发表的《新

一代人工智能发展规划》正式提出了人工智能产业

“三步走”的新目标，为人工智能产业发展提供了更

明确的规划。此后，激励人工智能行业创新发展的政

策相继出台，出现政策井喷期（2017—2018 年）（费

艳颖、刘彩薇，2021）[31]。中央政策重点涉及数据融

合、创新场景、区域创新等领域，支持人工智能技术

的研发和应用，为人工智能领域的顶层设计提供了

清晰的愿景和战略目标，强调了技术创新、基础设施

建设、人才培养和国际合作的重要性。地方政策则在

积极响应国家政策的基础上，更关注人工智能在发

展本地产业中的潜力，提供资金支持、人才培养、科

研合作等方面的帮助，支持建设人工智能示范应用

场景，探索人工智能与经济社会深度融合的模式，推

动人工智能技术在实际领域的应用。已有研究多以

2015 年为试点设置虚拟变量，认为《中国制造 2025》

对人工智能相关企业的发展而言具有重要作用（吕

文晶等，2019；汤志伟等，2019）[25，32]。同时从企业视角

出发，其无法准确地预测并及时应对 2015 年所推出

的政策文件。所以，人工智能政策的出台与实施属于

外部事件，这些企业可以看作是被随机地划分为实

验组和控制组，形成一个典型的“准自然”实验场。

尽管人工智能研究已经存在多年，但其发展曾相

当缓慢，直到 2012 年，深度学习才在图像识别等

任务中取得了突破性进展，为人工智能领域注入

了新的活力。因此，本文选择 2012 年作为研究的

时间起点。此外，考虑到 2017 年以后的人工智能

领域加速发展，政策环境也发生了较大的变化，为

了确保研究的稳定性和可比性，限制时间范围到

2017 年。本文将人工智能板块企业视为处理组，非

人工智能板块企业视为对照组，并将 2012—2014

年作为未经处理年份，2015—2017 年作为已处理

年份，在双重差分建模中考虑时间固定效应和地

区固定效应，就人工智能科技政策对我国上市公司

的影响进行评价。模型设定如下：

Yit=琢0+茁1treat+茁（t treat×event）+酌Zit+啄t+滋i+着it

（1）

式（1）中：treat 为受人工智能政策影响的企业的

虚拟变量，当企业被认定为人工智能企业时取值为

1，否则为 0；event 为人工智能政策出台年份的虚拟

变量，以 2015 年为基准，政策出台后的年份（2015—

2017）取值为 1，否则取值为 0；交互效应 treat×

event 是关键解释变量，表示企业 i 在年份 t 是否受

到了政策的“处理”；Yit 为被解释变量企业盈利能

力，由销售毛利率（gpm）和净资产收益率（roe）度

量；Zit 为控制变量，包括营业收入增长率（growth）、

市值账面比（mb）、总资产周转率（tat）、董事会规模

（num）、股权集中度（share）；啄t 和 滋i 分别表示时间

固定效应和地区固定效应；着it 为随机扰动误差项；

下标 i 和 t 分别表示公司和年份。

为进一步明晰人工智能政策的作用路径，探

究人工智能政策是否会通过技术创新投入和融资约

束影响企业的盈利能力，本文参考 Baron 和Kenny

孙昊颖，等：人工智能政策的经济效应

·19·

山西财经大学学报 2023 年 第 12 期

（1986）[33]的做法，构建中介效应模型如下：

Yit=琢0+茁1treat+茁（t treat×event）+酌Zit+啄t+滋i+着it

Mit=琢0+茁1treat+茁（t treat×event）+酌Zit+啄t+滋i+着it

Yit=琢0+茁1treat+茁（t treat×event）+兹Mit+酌Zit+啄t+滋i

+着it （2）

式（2）中：Mit 为中介变量，表示企业研发投入

（R&D）和融资约束（WW）；兹 为其估计系数。若估计

系数 茁t、兹 均显著，则中介效应存在。

（二）样本筛选和变量定义

我国主板股票市场对发行人营业期限、股本大

小、盈利水平、最低市值等方面的要求较高，且多数

主板企业为大型成熟企业，其主营业务涉及领域

较多、资本规模较大、影响因素复杂，不适合用于

研究某一领域科技政策对企业整体绩效的影响。

中小企业板和创业板多为成长型企业，市值相对

较小，成立时间较短，主营业务相对集中，企业整

体绩效受科技政策的影响更为明显。此外，金融行

业的运营模式有别于其他行业，其财务报表的编

制标准也与其他行业有所不同，不利于人工智能

政策效应的统一测度。因此，本文在剔除金融行业

的情况下，选取深圳证券交易所上市的中小板和

创业板上市公司作为研究样本，尽可能地选取公

开透明的财务数据，避免港交所、中概股、沪交所、

深交所上市企业由于会计准则和年报数据统计口

径差异所造成的影响。

本文从人工智能企业的经济成效设计被解释变

量，包括核心盈利能力销售毛利率（gpm）与净资产

收益率（roe）两个变量，用于测度企业的产品经营盈

利能力与资本经营盈利能力。其中，销售毛利率从销

售收入的盈余角度衡量产品的盈利能力，而净资产

收益率侧重于反映公司运用资本资产所能获取的投

资回报效率。

为剔除企业个体因素对政策效应测度的影

响，避免计量模型存在的设定偏误问题，本文围绕

上市企业的基本概况，分别选取企业的营业收入

增长率（growth）、市值账面比（mb）、总资产周转率

（tat）、董事会规模（num）、股权集中度（share）这五

个指标对企业的个体因素进行控制，同时引入各

省人均 GDP（RegionalGDP）以控制省份层面变量。

为了进一步控制人工智能企业所处的组别因素，

分别从空间分布（area）、上市板块（block）、所属行

业（manufacture）、企业类别（gov）四个方面进行组

别分类。此外，本文的中介变量为企业技术创新和

融资约束，分别选用研发投入 （R&D）、WW 指数

（Whited and Wu，2006）[34]进行衡量。淤主要变量定

义与计算方法如表 1 所示。

变量名称 变量符号 测量方法

销售毛利率 gpm 营业毛利/营业收入

净资产收益率 roe 净利润辕股东权益余额

研发投入 R&D 企业研发费用

融资约束 WW WW 指数

营业收入增长率 growth 本年度营业收入增长额/上年度营业收入总额

市值账面价值比 mb 市值/账面价值

总资产周转率 tat 营业收入/资产总额

董事会规模 num 董事会人数

股权集中度 share 前三大股东持股比例平方和

区域经济情况 RegionalGDP ln（各省份人均国民生产总值）

表 1 主要变量的定义与计算方法

以 2015 年为政策时点，于这里选取研究样本

2012—2017 年的公开财务数据开展研究，采用双重差

分方法进行“准自然”实验，通过时间因素（event）和组

别因素（treat）的交互项反映在某一时期研究样本是否

受到政策影响。本文借鉴金融领域较为权威的第三方

金融资讯平台 iFinD 金融数据库的人工智能板块分

孙昊颖，等：人工智能政策的经济效应

·20·

山西财经大学学报 2023 年 第 12 期

类，在剔除金融行业、明显数据缺失、经营异常（ST、

*ST）等企业样本后，筛选出 2012 年至 2017 年的有效

分析对象共 1 073 个，其中人工智能公司 115 家，非人

工智能公司 958 家。盂描述性统计结果如表 2 所示。

变量 样本量 平均值 标准差 最小值 最大值

roe 6426 0.994 5.369 -74.710 89.260

gpm 6426 32.358 17.449 -37.585 98.532

mb 6018 0.330 0.188 0.026 3.182

tat 6426 0.581 0.467 0.003 11.416

num 6426 9.744 2.303 4.000 26.000

growth 6426 0.264 1.604 -0.911 84.992

share 6306 0.149 0.104 0.003 0.727

RegionalGDP 6426 11.055 0.376 9.959 11.822

表 2 描述性统计

四、人工智能政策经济效应的实证检验

（一）基准回归

本文在控制时间、地区固定效应的情况下，纳入

政策效应与人工智能企业变量进行双重差分模型检

验。结果如表 3 所示，列（1）至列（3）为净资产收益

（roe）作为被解释变量时的估计结果，列（4）至列（6）

为销售毛利率（gpm）作为被解释变量时的估计结

果。列（1）和列（4）未加入控制变量，列（2）和列（5）加

入了控制变量、固定了时间效应但没有固定地区效

应，列（3）和列（6）加入了控制变量并固定了时间和

地区效应。交互项（event×treat）反映的是人工智能

政策对人工智能企业盈利能力提升的净效应，从估

计结果可知，人工智能政策在初期对企业销售毛利

率有积极作用，但对净资产回报率有抑制作用。列

（1）和列（4）表明，无论是否加入控制变量，人工智能

政策的作用均显著。以上结果表明，人工智能政策可

以明显提升人工智能企业的产品盈利能力，但会抑

制企业的净资产回报率。整体看来，其对人工智能企

业的盈利能力提升效果不明确，原因可能是由于企

业增加研发支出或改变资本结构所致。

表 3 基准回归

变量

（1） （5） （6）

roe gpm gpm

event伊treat

-0.647

***

（0.000）

2.508

*

（0.051）

2.760

**

（0.028）

treat

5.644

***

（0.000）

4.869

***

（0.000）

mb

-31.148

***

（0.000）

-28.862

***

（0.000）

tat

-20.893

***

（0.000）

-20.221

***

（0.000）

num

-0.142

（0.111）

-0.175

**

（0.044）

growth

1.851

***

（0.003）

1.675

***

（0.006）

share

6.042

***

（0.003）

5.501

***

（0.005）

RegionalGDP

0.990

*

（0.096）

-1.592

（0.844）

（2）

roe

-0.528

***

（0.001）

-0.336

***

（0.006）

-0.981

***

（0.007）

-0.169

（0.201）

0.047

**

（0.043）

1.718

***

（0.000）

-0.161

（0.718）

0.163

（0.157）

（3） （4）

roe gpm

-0.494

***

（0.002）

7.807

***

（0.000）

-0.283

**

（0.022）

-1.123

***

（0.003）

-0.201

（0.130）

0.048

**

（0.044）

1.769

***

（0.000）

-0.345

（0.463）

2.039

（0.283）

孙昊颖，等：人工智能政策的经济效应

·21·

山西财经大学学报 2023 年 第 12 期

（二）平行趋势检验

平行趋势是双重差分估计结果无偏的关键假

设，为此，本文以各年份虚拟变量与人工智能企业变

量的交互项作为主要考察对象，进行模拟政策时点

的稳健性检验。借鉴 Jacobson 等（1993）[35]提出的事

件研究法，对人工智能政策的动态效应进行实证分

析，以检验平行趋势假设，并构建模型如下：

Yit=琢0+移

2017

t=2012 茁ttreat+姿Zit+滋i+着it （3）

其中，以政策前 1 期 2014 年作为基准年，茁t 为

2012—2017 年的一系列估计值，其他变量定义与回

归模型（1）相同。

图 1 分别描绘了 95%置信区间下关于净资产

收益率和销售毛利率的 茁t 的估计结果，其中，横轴

为政策发布前后的相对时间，0 为政策发布当期

（2015 年）。从模拟政策时点与人工智能企业的交

互项上看，在政策发布前，销售毛利率和净资产收

益率的估计系数均未通过显著性检验，满足平行

趋势假设。

变量

（1） （5） （6）

roe gpm gpm

时间固定效应 Yes Yes Yes

常数项

1.016

***

（0.000）

42.501

***

（0.000）

70.454

（0.432）

地区固定效应 Yes No Yes

样本量 6426 6018 6018

调整的 R

2 0.00521 0.285 0.336

（2）

roe

Yes

-1.183

（0.368）

No

6018

0.0444

（3） （4）

roe gpm

-21.852

（0.297）

32.088

***

（0.000）

Yes Yes

Yes Yes

6018 6426

0.0575 0.0981

注：*、**、*** 分别表示在 10%、5%和 1%的水平上显著，下同。

表 3（续）

图 1 平行趋势检验

-3 -2 -1 0 1 2

Time

Point Estimate 95% CI

0.02

0

-0.02

-0.04

0.06

0.04

0.02

0

-0.02

净

资

产

收

益

率

销

售

毛

利

率

Time

Point Estimate 95% CI

（三）反事实检验

考虑到除人工智能政策冲击之外，其他政策

或者随机性因素也可能导致企业盈利能力产生差

异，致使前文的结论不成立。为了进一步检验结果

的稳健性，这里借鉴刘瑞明和赵仁杰（2015）[36]的

方法，通过提前政策出台时间进行反事实检验，假

设人工智能政策出台时间提前 1 年或 2 年，对主

回归进行重新估计，表 4 报告了估计结果。其中，

列（1）和列（3）展示了人工智能政策提前 1 年出台

的估计结果，列（2）和列（4）展示了人工智能政策

提前 2 年出台的估计结果。检验表明，人工智能政

策提前 1 年和 2 年的回归结果并不显著，证明本

文的结论具有稳健性。

表 4 改变政策出台时点的检验

提前 1 期 提前 2 期 提前 1 期 提前 2 期

event伊treat

-0.046

（0.835）

0.763

（0.569）

0.201

（0.455）

-0.407

（0.806）

treat

-0.352

*

（0.051）

4.912

***

（0.000）

-0.551

**

（0.024）

5.769

***

（0.000）

（1） （2） （3） （4）

变量 roe roe gpm gpm

孙昊颖，等：人工智能政策的经济效应

-3 -2 -1 0 1 2

·22·

山西财经大学学报 2023 年 第 12 期

（四）进一步考察

对于微观数据而言，同一类别下的样本呈现出

同质性，但同质性在总样本中往往难以区分，因而

有必要从不同的类别视角对样本属性进行区分，即

对异质控制效应进行检验。为加快培育高端高效的

智能经济，人工智能的产业化升级涵盖多方面的科

技创新与服务应用领域，人工智能政策兼具鼓励科

技创新与推动产业转型升级的双重属性。科技创新

政策作为政府促进企业持续创新、营造创新氛围的

重要举措，目标是构建有效服务于创新的制度环

境，降低科技创新活动的不确定性（Busom，2000）[37]。

然而，科技创新政策的有效实施关乎政策措施是否

符合市场创新主体（企业）的需求。此外，不同类型

企业的内部创新机制存在不同的短板与发展重点。

所以，对于不同组别的企业而言，人工智能政策的

作用可能存在差异。

为了进一步考察人工智能政策未能达到预期的

原因，有必要分析人工智能政策的重点对象与作用

路径。经济增长与企业的地缘属性、行业特征、发展

模式息息相关，相对来说，能够明确获取当期政策红

利的企业更能得到充足的政府支持与市场优势，实

现盈利能力与市场竞争力的提升。人工智能企业可

根据空间分布、上市板块、所属行业、企业类别等划

分为不同的组别，本文以净资产收益率和销售毛利

率为被解释变量对其进行分组检验，考察不同组别

可能存在的异质控制效应。

1.空间分布。从空间分布上分析，自主创新的积

极性与持续性不可避免地受到创新成果正外部性的

影响，而科技创新政策有助于弥补企业损失的收益，

例如，财政补贴政策与税收优惠政策有助于降低企

业创新投资波动与市场风险，鼓励持续创新（李健

等，2016）[38]。我国自改革开放以来，先后提出“东部

率先发展、西部大开发、中部崛起、东北振兴”的区域

发展重大战略，结合当地发展形势与地域优势等因

素，科技创新政策内容各有侧重点，例如，东部地区

政策对于关键技术和基础研发更为重视，而其他地

区则更偏重于引导人工智能在具体场景中的应用。

考虑到不同地区的经济发展水平、企业发展规划、地

方政策的着力点存在差异，科技创新政策所能起到

的作用大小也不同。这里根据企业注册地对样本进

行了分组，估计结果如表 5 所示。结果表明，人工智

能产业政策前期对非东部地区人工智能企业的盈利

能力有显著的抑制作用，对东部地区企业的产品盈

利能力有显著的提升作用。这是因为前期地区发展

战略存在差异，非东部地区在应用人工智能技术时

面临的挑战较东部地区更大，并且东部地区企业可

能更好地获得了人工智能政策的扶持。

提前 1 期 提前 2 期 提前 1 期 提前 2 期

mb

-1.119

***

（0.003）

-28.891

***

（0.000）

-1.115

***

（0.003）

-28.893

***

（0.000）

tat

-0.199

（0.133）

-20.231

***

（0.000）

-0.199

（0.134）

-20.233

***

（0.000）

num

0.048

**

（0.044）

-0.175

**

（0.044）

0.048

**

（0.045）

-0.175

**

（0.045）

样本量 6018 6018 6018 6018

growth

1.772

***

（0.000）

1.660

***

（0.006）

1.773

***

（0.000）

1.659

***

（0.007）

share

-0.319

（0.498）

5.352

***

（0.006）

-0.319

（0.498）

5.354

***

（0.006）

RegionalGDP

2.091

（0.271）

-1.811

（0.823）

2.121

（0.264）

-1.968

（0.808）

常数项

-22.443

（0.285）

72.950

（0.416）

-22.772

（0.278）

74.680

（0.405）

时间固定效应 Yes Yes Yes Yes

地区固定效应 Yes Yes Yes Yes

调整的 R

2 0.057 0.336 0.057 0.336

（1） （2） （3） （4）

变量 roe roe gpm gpm

表 4（续）

表 5 空间分布的异质性检验

roe gpm roe gpm

event伊treat

-0.091

（0.424）

3.129

**

（0.016）

-0.766

***

（0.005）

2.180

（0.432）

treat

0.189

*

（0.055）

3.343

***

（0.000）

0.430

（0.189）

4.474

***

（0.007）

mb

-1.606

***

（0.000）

-22.312

***

（0.000）

-0.636

（0.319）

-23.810

***

（0.000）

tat

0.077

（0.667）

-18.032

***

（0.000）

-0.216

（0.495）

-16.821

***

（0.000）

num

-0.014

（0.544）

-0.108

（0.241）

-0.012

（0.714）

-0.242

（0.145）

growth

1.326

***

（0.000）

1.512

**

（0.026）

1.058

***

（0.001）

2.333

**

（0.031）

（1） （2） （3） （4）

变量 东部地区 非东部地区

孙昊颖，等：人工智能政策的经济效应

·23·

山西财经大学学报 2023 年 第 12 期

2.所属行业。从所属行业上分析，根据人工智

能企业的研究领域与技术应用，可将其划分为制

造业企业与非制造业企业。作为产业转型升级的

核心对象，制造业企业的发展关联众多领域，我国

政府在长期实践中已经形成了成熟的、符合国情

的管理机制和技术路线。但是相较于制造业，非制

造业企业多为技术或服务导向，持有更多的如人

力资本和知识产权等难以计量和评估的无形资

产，具有技术密集的特点。因此，非制造业企业投

资人工智能技术并应用的壁垒相对于制造业企业

更低，前期应用场景也相对更多，对企业的效益提

升更快。本文根据企业证监会登记所属行业将样

本划分为制造业企业和非制造业企业，表 6 展示

了根据所属行业区分的主回归模型的估计结果，

人工智能政策对制造业企业净资产回报率的政策

抑制效应显著，对其产品盈利能力的作用并不显

著，而对于非制造业企业，人工智能政策则对其产

品盈利能力有显著的提升作用。

3.产权性质。从企业类别上分析，相较于民营企

业，国有企业具有较强的行政依赖。一方面，国有企

业的高管普遍由政府委派，部分人员的商业知识和

能力相对不足；另一方面，国有企业并不以盈利能力

的提升作为唯一标准，还要兼顾民生、就业、社会保

障等诸多社会职能（独正元、吴秋生，2020）[39]。所以，

国有企业普遍存在创新动力较弱、创新效率低下

的问题。但是，国有企业在政策优惠、政府补贴、贷

款等方面具有天然优势，而这种政策优势在一定

程度上减弱了其所面临的市场竞争。表 7 展示了

根据产权区分的主回归模型的估计结果，国有企

业子样本交互项系数均为正，虽然 roe 作为被解释

变量时交互项系数不显著，但 gpm 作为被解释变

量时交互项系数显著且远高于民营企业子样本。

民营企业子样本中，roe 作为被解释变量时的交互

项系数显著为负，而以 gpm 作为被解释变量时交

互项的正向影响较为显著。对于国有企业而言，人

工智能政策除了能更多地提升产品盈利能力外，

更能提供“止损”功效，说明国有企业更能敏锐地

感知到人工智能政策的导向，在政府的有力支持

下有效提升创新动力与生产效率，乘势而为，抵御

经济形势低迷所带来的冲击。

roe gpm roe gpm

时间固定效应 Yes Yes Yes Yes

share

0.160

（0.669）

4.469

**

（0.018）

-0.374

（0.701）

-0.586

（0.891）

RegionalGDP

1.692

（0.502）

-0.336

（0.976）

2.284

（0.268）

-0.464

（0.958）

常数项

-17.730

（0.530）

52.880

（0.670）

-22.944

（0.293）

55.983

（0.544）

地区固定效应 Yes Yes Yes Yes

样本量 4602 4602 1416 1416

调整的 R

2 0.428 0.497 0.416 0.527

（1） （2） （3） （4）

变量 东部地区 非东部地区

表 5（续）

num

-0.023

（0.133）

-0.195

**

（0.023）

0.022

（0.657）

0.022

（0.902）

时间固定效应 Yes Yes Yes Yes

growth

1.000

***

（0.000）

1.307

**

（0.038）

1.490

***

（0.000）

2.790

***

（0.005）

share

0.459

（0.166）

4.681

**

（0.014）

0.249

（0.844）

7.380

*

（0.072）

RegionalGDP

1.431

（0.227）

-1.317

（0.850）

3.328

（0.460）

0.982

（0.953）

常数项

-15.221

（0.244）

62.640

（0.414）

-35.199

（0.482）

40.926

（0.825）

地区固定效应 Yes Yes Yes Yes

样本量 4470 4470 1548 1548

调整的 R

2 0.481 0.503 0.513 0.550

tat

0.598

***

（0.000）

-14.491

***

（0.000）

-0.222

（0.560）

-24.937

***

（0.000）

mb

-1.043

***

（0.000）

-24.431

***

（0.000）

-1.102

（0.250）

-19.544

***

（0.000）

表 6 所属行业的异质性检验

roe gpm roe gpm

event伊treat

-0.218

**

（0.021）

0.241

（0.830）

-0.202

（0.353）

8.769

***

（0.000）

treat

0.209

**

（0.037）

4.021

***

（0.000）

-0.120

（0.557）

3.167

***

（0.007）

（1） （2） （3） （4）

变量 制造业 非制造业

孙昊颖，等：人工智能政策的经济效应

·24·

山西财经大学学报 2023 年 第 12 期

4.上市板块。从上市板块上分析，不同上市板

块对企业的股本、盈利与资产等方面要求有所不

同。创业板更看重上市企业在盈利方面的成长性，

并要求企业具有良好的自主创新能力，满足“两高

五新”准则，所以创业板上市企业在人工智能领域的

技术创新方面具有天然的优势（冯根福等，2013）[40]。

虽然我国创业板市场主要由中小企业组成，但相

较于中小板上市公司的企业规模更小。表 8 展示了

根据上市板块区分的主回归模型的估计结果，创

业板企业相对于中小板企业有更高的生产效率与

创新动力，人工智能政策对中小板和创业版企业

的净资产收益率均有一定的抑制作用，创业版的

系数相较于中小板更小。

2021 年 10 月，中共中央、国务院发布关于“碳

达峰、碳中和”的工作意见，强调人工智能等新兴企

业与绿色低碳产业要深度融合，对经济高质量发展

和产业结构的深度调整提出新的要求。人工智能等

新兴企业被赋予了与绿色低碳产业深度融合的重

任，而制造业企业在人工智能行业的“举步维艰”进

一步说明了能源结构转型仍待突破瓶颈，科技创新

引领工业、建筑、交通等各个行业的高质量发展仍需

要充分彰显企业主力军的地位，特别是要发挥国有

企业的引领作用。

（五）研发投入与企业营业能力

人工智能政策通过多种方式大力支持企业技术

创新，同时技术创新也是人工智能企业提升盈利能

roe gpm roe gpm

event伊treat

0.365

（0.122）

5.758

***

（0.009）

-0.478

***

（0.005）

2.491

*

（0.059）

treat

-0.054

（0.827）

24.014

***

（0.000）

-0.242

*

（0.060）

4.937

***

（0.000）

mb

0.067

（0.931）

-4.810

（0.208）

-1.196

***

（0.002）

-29.663

***

（0.000）

tat

-0.604

（0.124）

-4.717

***

（0.008）

-0.174

（0.209）

-20.105

***

（0.000）

num

-0.023

（0.696）

-0.380

（0.179）

0.051

**

（0.040）

-0.106

（0.241）

时间固定效应 Yes Yes Yes Yes

growth

0.551

（0.114）

2.036

（0.128）

1.826

***

（0.000）

1.515

**

（0.017）

share

2.654

*

（0.068）

7.833

（0.226）

-0.267

（0.589）

7.416

***

（0.000）

RegionalGDP

1.119

（0.753）

11.894

（0.540）

2.248

（0.261）

-1.554

（0.853）

常数项

-11.759

（0.211）

-99.329

（0.000）

-24.212

（0.338）

69.546

（0.000）

地区固定效应 Yes Yes Yes Yes

样本量 258 258 5760 5760

（1） （2） （3） （4）

变量 国有企业 民营企业

调整的 R

2 0.100 0.593 0.062 0.345

经验 P 值 0.000 0.000 0.000 0.000

注：经验 P 值用于检验 event伊treat 组间系数差异的显著

性，通过 Bootstrap 1 000 次得到。

表 8 上市板块的异质性检验

roe gpm roe gpm

event伊treat

-0.442

*

（0.058）

2.232

（0.158）

-0.415

*

（0.071）

3.140

（0.126）

treat

-0.040

（0.817）

5.301

***

（0.000）

-0.664

***

（0.001）

3.249

***

（0.002）

mb

-0.890

*

（0.067）

-22.886

***

（0.000）

-2.354

***

（0.000）

-42.402

***

（0.000）

tat

-0.225

（0.153）

-17.133

***

（0.000）

-0.493

*

（0.093）

-29.497

***

（0.000）

num

0.063

**

（0.050）

-0.030

（0.778）

-0.017

（0.586）

-0.228

（0.128）

时间固定效应 Yes Yes Yes Yes

growth

2.148

***

（0.000）

2.606

***

（0.002）

1.267

***

（0.000）

0.147

（0.861）

share

0.284

（0.626）

11.316

***

（0.000）

-3.214

***

（0.000）

-8.756

**

（0.016）

RegionalGDP

3.223

（0.166）

0.784

（0.936）

0.962

（0.756）

-1.756

（0.891）

常数项

-35.138

（0.170）

36.621

（0.734）

-8.521

（0.804）

85.234

（0.548）

地区固定效应 Yes Yes Yes Yes

样本量 3824 3824 2194 2194

（1） （2） （3） （4）

变量 中小版 创业板

调整的 R

2 0.073 0.325 0.079 0.326

经验 P 值 0.004 0.257 0.004 0.257

注：同表 7。

表 7 产权性质的异质性检验

孙昊颖，等：人工智能政策的经济效应

·25·

山西财经大学学报 2023 年 第 12 期

力的重要路径，本文将研发投入作为中介变量来检

验其产生的中介效应，表 9 展示了估计结果。列（1）

至列（3）的估计结果表明，人工智能政策对企业净资

产回报率有显著的负向作用，同时政策发布有效提

高了企业研发投入，将人工智能政策交互项和企业

研发投入同时纳入回归模型后，其估计系数为负且

显著，中介效应占总效应之比为-22.2%。这说明，人

工智能政策通过提升企业研发投入抑制了其资本盈

利能力。列（4）至列（6）的估计结果则表明，人工智能

政策对企业销售毛利率有显著的提高作用，将人工

智能政策交互项和企业研发投入同时纳入回归模

型后，其估计系数均显著，中介效应占总效应之比

为-4.7%，企业研发投入对销售毛利率存在一定的

遮掩效应。对于企业净资产回报率和销售毛利率的

回归结果，Sobel 检验中的 Z 值分别在 1%和 5%的

水平下显著，说明人工智能政策通过提升企业研发

投入逆向影响企业资本盈利能力和企业产品盈利能

力，H2a 成立，H2b 不成立。

表 9 研发投入的中介效应

roe R&D gpm

event伊treat

-0.493

***

（0.002）

1.195

***

（0.000）

3.217

**

（0.016）

treat

-0.175

（0.166）

0.040

（0.590）

8.679

***

（0.000）

R&D

-0.247

***

（0.003）

控制变量 控制 控制 控制

时间固定效应 Yes Yes Yes

地区固定效应 Yes Yes Yes

（1） （5） （6）

变量 roe

R&D

1.185

***

（0.000）

-0.061

（0.448）

控制

Yes

Yes

（2） （3） （4）

gpm

roe gpm

-0.226

**

（0.038）

2.553

*

（0.055）

0.178

*

（0.072）

9.040

***

（0.000）

0.078

***

（0.006）

控制 控制

Yes Yes

Yes Yes

样本量 6426 6078 6078 6426 6078 6078

Sobel 检验 Z=2.799，p 值为 0.005 Z=-2.318，p 值为 0.020

（六）融资约束与企业营业能力

人工智能政策还通过改善人工智能企业的外部

坏境对其进行支持，例如，引导市场资金流向人工智

能产业，优化人工智能相关的企业融资环境，降低其

融资约束，等等。本文选用 WW 指数作为融资约束

的中介变量，估计结果如表 10 所示。列（1）至列（3）

的估计结果表明，政策发布有效缓解了企业融资约

束，将人工智能政策交互项和 WW 指数同时纳入回

归模型后，其估计系数均为负且显著，中介效应占总

效应之比为-27.7%。列（4）至列（6）的估计结果则表

明，将人工智能政策交互项和 WW 指数同时纳入回

归模型后，其估计系数均为正且显著，中介效应占总

效应之比为-4.7%，这可能是由于存在其他的具有

遮掩效应的中介变量所致。对于企业净资产回报率

和销售毛利率的回归结果，Sobel 检验中的 Z 值均在

1%的水平下显著，证明 H3a、H3b 成立。

表 10 融资约束的中介效应

roe WW gpm

event伊treat

-0.493

***

（0.002）

-0.009

**

（0.037）

3.260

**

（0.014）

treat

-0.175

（0.166）

0.006

***

（0.008）

8.744

***

（0.000）

（1） （5） （6）

变量 roe

WW

-0.013

***

（0.003）

-0.006

**

（0.013）

（2） （3） （4）

gpm

roe gpm

-0.236

**

（0.029）

2.553

*

（0.055）

0.124

（0.219）

9.040

***

（0.000）

孙昊颖，等：人工智能政策的经济效应

·26·

山西财经大学学报 2023 年 第 12 期

五、结论与启示

（一）研究结论

综合以上检验结果，人工智能政策效应具有

一定的局限性。在政策实施初期，人工智能政策尚

未能有效提升上市企业的盈利能力。尽管从基准

回归的结果中可以看到人工智能政策对企业的产

品盈利能力有显著的积极影响，但在政策支持的

影响下，企业同时加大了融资和研发投入，持续扩

张，导致整体上表现出负面效应，未能有效缓解我

国人工智能企业的经济发展劣势。这说明，人工智

能政策在企业资本经营方面的政策落实有待加

强，其“止损”作用并未达到预期目标。

通过异质性控制效应的分析可以发现，不同

组别的人工智能企业受到政策的影响存在差异。

在空间分布层面，由于区域规划差异，东部地区的

企业在盈利能力提升方面受益更多。在所属行业

层面，人工智能政策负面影响制造业企业而正面

促进非制造业企业盈利能力的提升，说明人工智

能政策与产业政策之间的协同性有待加强，以减

少不同政策之间的矛盾，为制造业企业拓宽人工

智能业务“保驾护航”。在企业类别层面，国有企业

具有科技创新能力较强但创新动力较弱的特点，

人工智能政策的实施有效提升了国有企业的产品

盈利能力，说明人工智能政策能有效刺激企业的

创新动力。相对而言，非国有企业本身就具有较强

的创新动力，人工智能政策的逐步出台反而加剧

了市场竞争，导致政策效应由正转负。在上市板块

层面，人工智能政策显著地对中小板企业产生了

负面影响。

基于盈利机制的分析显示，政策效应在产品

层面的作用明显，但在净利润层面作用薄弱。从销

售毛利率的本质来看，该指标反映的是产品的盈

利能力，是人工智能企业衡量自身经济成效是否

高于行业平均水平的重要标准，人工智能政策对

该指标产生了显著的积极影响，说明我国人工智

能企业在技术方面有一定的竞争优势。但是在净

利润层面，考虑到除产品盈利能力外的各项支出

后，人工智能政策效应呈现出负面影响。这可能表

明公司的产品销售额和总体费用支出增长之间存

在差距，人工智能政策亟待进一步增加需求侧政

策工具，以刺激市场需求，形成市场需求拉动企业

创新的良性互动。

（二）对策建议

从经济成效薄弱的原因入手分析，人工智能

政策的核心问题可以概括为四点。一是政策目标

的“宽泛”。我国人工智能政策的制定和颁布力求

“面面俱到”，但仍存在与实体经济融合不够深入

的问题，表现为政策实施的“蜻蜓点水”。二是政策

种类的“缺位”。2015 年作为我国人工智能政策的

起步年，国务院在全国范围内发布了各类宏观指

导类政策文件，引导地方政府依据地方特色出台

相应的人工智能发展规划，地方政策数量呈不同

程度的增长。但是，在政策体系构建初期，不同地

区、不同阶段的政策出台节奏并不一致，导致宏观

指导性文件与具体实施性文件存在“缺位”。三是

政策重点的“挤兑”。自创新驱动发展战略实施以

来，我国颁布了各类科技创新政策，其重点任务不

同，在强调人工智能政策理论建设、技术应用、消

roe WW gpm

WW

22.841

***

（0.000）

控制变量 控制 控制 控制

时间固定效应 Yes Yes Yes

地区固定效应 Yes Yes Yes

（1） （5） （6）

变量 roe

WW

控制

Yes

Yes

（2） （3） （4）

gpm

roe gpm

-9.196

***

（0.000）

控制 控制

Yes Yes

Yes Yes

样本量 6426 6367 6367 6426 6367 6367

Sobel 检验 Z=3.982，p 值为 0.000 Z=-3.599，p 值为 0.000

表 10（续）

孙昊颖，等：人工智能政策的经济效应

·27·

山西财经大学学报 2023 年 第 12 期

注释：

淤 参考Whited和Wu（2006）的做法构建融资约束指标WW指数，公式为：-0.91伊CF-0.62伊Divpos+0.21伊Lev（TLTD）-0.044伊

Size（LNTA）+0.102伊ISG-0.035伊SG。

于 以2015年国务院相继提出的概念与文件作为依据，结合《中国制造2025》的出台，将2015年设置为人工智能政策的

政策冲击点。

盂 本文所选指标数据均来源于CSMAR、WIND等数据库中2012—2017年上市公司公开财务数据，具有数据的可追溯性。

［参考文献］

［1］Madariaga L，Nussbaum M，Maran佼n F，et al.User Experience of Government Documents：A Framework for Informing Design

Decisions［J］.Government Information Quarterly，2019，36（2）：179-195.

［2］Hanawal M K，Liu H，Zhu H，et al.Learning Policies for Markov Decision Processes from Data ［J］.IEEE Transactions on

Automatic Control，2018，64（6）：2298-2309.

［3］Marda V，Mantri A.Operational Excellence in Indian Higher Education：Renewed Focus on Roles of Enablers［C］//2013 2nd

International Conference on Information Management in the Knowledge Economy.Chandigarh：IEEE，2013：123-126.

［4］Kankanhalli A，Charalabidis Y，Mellouli S.IoT and AI for Smart Government: A Research Agenda［J］.Government Information

Quarterly，2019，36（2）：304-309.

［5］方荣贵，银 路，王 敏.新兴技术向战略性新兴产业演化中政府政策分析［J］.技术经济，2010，29（12）：1-6.

［6］李胜会，刘金英.中国战略性新兴产业政策分析与绩效评价——“非政策失败理论”及实证研究［J］.宏观经济研究，2015

（10）：3-13.

［7］贾 开，郭雨晖，雷鸿竹.人工智能公共政策的国际比较研究——历史、特征与启示［J］.电子政务，2018（9）：78-86.

［8］曾坚朋，张双志，张龙鹏.中美人工智能政策体系的比较研究——基于政策主体、工具与目标的分析框架［J］.电子政务，

2019（6）：13-22.

［9］毛子骏，梅 宏.政策工具视角下的国内外人工智能政策比较分析［J］.情报杂志，2020，39（4）：74-81.

［10］李 明，曹海军.中国央地政府人工智能政策比较研究——一个三维分析框架［J］.情报杂志，2020，39（6）：96-103.

［11］单晓红，何 强，刘晓燕，等“. 政策属性—政策结构”框架下人工智能产业政策区域比较研究［J］.情报理论与实践，

2021，44（3）：194-202.

化吸收的同时，要求加快基础设施建设，鼓励创新

要素向国家重大科技基础设施、国家重点实验室

倾斜。虽然基础设施、配套设备的建设与经济增长

的可持续性高度关联，但是人工智能政策的强有

力支持在短期内未能得到充分显现。四是政策受

众的“倾斜”。人工智能领域发展前期多集中在高

校、科研院所、实验室等，人工智能企业反而是政

策措施的边缘群体，作为技术消化、产学研合作、

经济增长的重要下游未能得到政策红利。政策制

定时需要给予人工智能企业一定的缓冲地带，包

括搭建畅通的资金渠道，降低期间费用，削减企业

为筹集生产经营所需资金而发生的费用，对人工

智能企业在资金筹备、技术研发、设备配套等方面

加强支持。

针对以上结论，未来的人工智能政策制定应

当加强对市场需求侧政策工具的考量，突出地方

特色，加强市场对人工智能产品的需求，以市场需

求引导核心技术的研发与转化，带动人工智能企

业市场竞争力的提升，促使企业自发地、有意识地

增加资金投入与人才培养，推动技术创新和革新，

从而在促进人工智能产业深入发展的同时，稳步

推进人工智能“三步走”战略，实现经济强国的建

设目标。

（三）不足与展望

本文对人工智能政策经济效应的研究仍存在

一些潜在的改进和深化方向。鉴于人工智能领域

的全球性特征，未来的研究可以进行国际比较，以

了解不同国家及地区人工智能政策的经济效应，

从而为全球合作的政策制定提供参考。此外，这里

聚焦于政策效应的数量分析，未来研究可以聚焦

政策的具体执行方式、企业对政策的反应机制等

方面。深度的定性研究可以帮助解释政策措施是

如何实际影响企业决策和行为的，有助于提供更

详细的政策建议。

孙昊颖，等：人工智能政策的经济效应

·28·

山西财经大学学报 2023 年 第 12 期

［12］宋 伟，夏 辉.地方政府人工智能产业政策文本量化研究［J］.科技管理研究，2019，39（10）：192-199.

［13］刘红波，林 彬.人工智能政策扩散的机制与路径研究——一个类型学的分析视角［J］.中国行政管理，2019（4）：

38-45.

［14］金双龙，隆云滔，陈立松，等.基于文本分析的区域人工智能产业政策研究［J］.改革与战略，2020，36（3）：44-53.

［15］赵欣彤，杨燕绥.人工智能时代的劳动力市场综合治理——挑战与政策工具［J］.中国行政管理，2020（3）：12-17.

［16］陈小亮，陈彦斌.发展人工智能的产业政策存在的问题与调整思路［J］.人文杂志，2019（11）：25-32.

［17］Shin H H，Soenen L.Efficiency of Working Capital Management and Corporate Profitability ［J］.Financial Practice and

Education，1998，8（2）：37-45.

［18］Sufian F，Habibullah M S.Determinants of Bank Profitability in a Developing Economy：Empirical Evidence from Bangladesh［J］.

Journal of Business Economics and Management，2009，10（3）：207-217.

［19］钱爱民，张新民，周子元.盈利结构质量、核心盈利能力与盈利持续性——来自我国A股制造业上市公司的经验证

据［J］.中国软科学，2009（8）：108-118.

［20］张西征，刘志远，王 静.企业规模与R&D投入关系研究——基于企业盈利能力的分析［J］.科学学研究，2012，30（2）：

265-274.

［21］朱华桂，乔联宝.产业政策对企业盈利能力影响分析——以上市新闻出版类企业为分析样本［J］.中国出版，2016

（1）：25-28.

［22］曹晓飞，赵芬芬，万月亮“. 人工智能”概念对上市公司经济绩效的影响研究［J］.财会通讯，2021（2）：91-94.

［23］刘 菁.基于面板数据对人工智能上市公司盈利能力的探究［D］.上海：上海师范大学，2019.

［24］周艳菊，邹 飞，王宗润.盈利能力、技术创新能力与资本结构——基于高新技术企业的实证分析［J］.科研管理，

2014，35（1）：48-57.

［25］吕文晶，陈 劲，刘 进.政策工具视角的中国人工智能产业政策量化分析［J］.科学学研究，2019，37（10）：1765-1774.

［26］白俊红.中国的政府R&D资助有效吗——来自大中型工业企业的经验证据［J］.经济学（季刊），2011，10（4）：1375-

1400.

［27］廖信林，顾炜宇，王立勇.政府R&D资助效果、影响因素与资助对象选择——基于促进企业R&D投入的视角［J］.中国工

业经济，2013（11）：148-160.

［28］汪红霞，唐 星，许佩蓉，等.环境补贴对区域创新能力的作用效果及影响机制——基于空间溢出的研究视角［J］.统计

学报，2021，2（4）：53-66.

［29］ Karjalainen P.R&D Investments；The Effects of Different Financial Environments on Firm Profitability ［J］.Journal of

Multinational Financial Management，2008，18（2）：79-93.

［30］Acharya V，Xu Z.Financial Dependence and Innovation：The Case of Public Versus Private Firms ［J］.Journal of Financial

Economics，2017，124（2）：223-243.

［31］费艳颖，刘彩薇.负责任创新视角下央地人工智能政策异质性研究［J］.中国科技论坛，2021（11）：40-50.

［32］汤志伟，雷鸿竹，周 维.中美人工智能产业政策的比较研究：基于目标、工具与执行的内容分析［J］.情报杂志，2019，38

（10）：73-80.

［33］ Baron R M，Kenny D A.The Moderator -Mediator Variable Distinction in Social Psychological Research: Conceptual，

Strategic，and Statistical Considerations［J］.Journal of Personality and Social Psychology，1986，51（6）：1173-1182.

［34］Whited T M，Wu G.Financial Constraints Risk［J］.The Review of Financial Studies，2006，19（2）：531-559.

［35］Jacobson L S，Lalonde R J，Sullivan D G.Earnings Losses of Displaced Workers ［J］.The American Economic Review，

1993，83（4）：685-709.

［36］刘瑞明，赵仁杰.国家高新区推动了地区经济发展吗——基于双重差分方法的验证［J］.管理世界，2015（8）：30-38.

［37］Busom I.An Empirical Evaluation of the Effects of R&D Subsidies ［J］.Economics of Innovation and New Technology，

2000，9（2）：111-148.

［38］李 健，杨蓓蓓，潘 镇.政府补助、股权集中度与企业创新可持续性［J］.中国软科学，2016（6）：180-192.

［39］独正元，吴秋生.非国有股东治理与国有企业资产保值增值［J］.统计学报，2020，1（1）：82-94.

［40］冯根福，张玉超，温 军.我国主板、中小板、创业板上市公司的技术创新能力比较分析［J］.当代经济科学，2013，35（6）：

109-114.

［责任编辑：李 莉］

孙昊颖，等：人工智能政策的经济效应

·29·

金融与投资

Journal of Shanxi University of Finance and Economics

DOI 编码：10.13781/j.cnki.1007-9556.2023.12.003

2023年12月

第45卷 第12期

Dec.，2023

Vol.45 No.12

普惠金融数字化、公共服务均等化

与农民农村共同富裕

——基于县域统计数据的实证分析

张 翔，冉光和

（重庆大学 经济与工商管理学院，重庆 400044）

［摘 要］基于2014—2019年1 458个县域数据，探究普惠金融数字化、公共服务均等化对农民农村共同富裕的影响及作用

机制。研究发现：普惠金融数字化发展能够促进农民农村共同富裕，金融普惠化和数字化具有协同效应；公共服务均等化在普

惠金融数字化影响农民农村共同富裕的过程中具有调节作用，其中职业培训、医疗卫生、信息通讯和基础设施的调节作用为正；

县域资源禀赋和财政配置模式对公共服务的调节作用具有显著差异。

［关键词］普惠金融数字化；公共服务均等化；农民农村共同富裕；财政自由度；县域资源禀赋

［中图分类号］F328 ［文献标志码］A ［文章编号］1007-9556（2023）12-0030-14

Digitization of Inclusive Finance, Equalization of Public Service and

Common Prosperity of Farmers in Rural Areas

——Empirical Analysis on County Statisics

ZHANG Xiang, RAN Guang-he

（School of Economics and Business Administration, Chongqing University, Chongqing 400044, China）

Abstract: Based on 1458 county -level data from 2014 to 2019, this paper examined the impact and action mechanism of

inclusive financial digitization and equalization of public services on farmers’common prosperity in rural areas. The research indicated

that the digital advancement of inclusive finance could foster the common prosperity of farmers in rural areas. In addition, there was a

synergistic effect between financial inclusion and digitization. Furthermore, the equalization of public services played a regulatory role

in the process of inclusive financial digitization’s impact on the common prosperity of farmers in rural areas. Specifically, vocational

training, healthcare, information and communication, as well as infrastructure, all had a positive regulatory effect. Meanwhile,

significant differences existed in the regulation of public services based on county resource endowment and financial allocation models.

Key W ords: digitization of inclusive finance; equalization of public services; common prosperity for rural residents and rural areas;

financial freedom; county resource endowment

［基金项目］国家社会科学基金重点项目（21AJY006）

［作者简介］张 翔（1997—），男，安徽合肥人，重庆大学经济与工商管理学院博士研究生，主要研究方向是农业经济理论与

政策、农村金融；冉光和（1955—），男，重庆潼南人，重庆大学经济与工商管理学院教授，经济学博士，主要研究

方向是农村金融，本文通讯作者。

·30·

山西财经大学学报 2023 年 第 12 期 张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

一、引言

农民农村共同富裕是渐进式推进共同富裕、实

现中国式现代化的必然路径，2021 年习近平总书记

明确提出“促进农民农村共同富裕”的任务要求。“郡

县治，天下安；郡县富，天下足。”县域连接城镇与农

村，涵盖全国 70%的农村人口，是推进新型城镇化

和乡村振兴的重要载体。2023 年中央一号文件继续

强调“推进县域城乡融合发展”，因此，实现共同富裕

必须以县域经济高质量发展为前提，县域经济高质

量发展就必须关注农民农村共同富裕问题。但现实

是，2022 年中国基尼系数为 0.47，高于警戒线 0.4，①

城乡居民人均可支配收入比为 2.45。②中国县域内城

乡二元经济结构依然突出，社会流动效率降低，要素

收入分配扭曲，阻碍了低收入人口阶层跃升，减缓了

农民农村共同富裕进程（Han，2020；王园园、冯祥

玉，2023）[1，2]。因此，新时代中国经济包容性发展应兼

顾效率与公平，关注农户的生存权利与发展机会，实

现农民农村共同富裕。

普惠金融与公共服务的目标均是实现农民农村

共同富裕，满足人民美好生活需要，其服务模式、作

用路径有何不同？一方面，普惠化金融服务是为满足

居民多元化金融需求，主要由金融机构按照市场机

制有偿提供，政府仅发挥引导、支持、监督作用的生

活服务。国家投入大量支持资金，逐渐形成合作性金

融、政策性金融和商业性金融为一体的农村金融体

系。但是，中国农村金融服务在机构数量、服务质量、

融资渠道和制度保障等方面仍较为滞后，且存在供

求失衡问题。传统金融的边际效用逐步递减，亟待创

新金融服务模式（黄益平、黄卓，2018）[3]。只有保障农

村金融普惠性根源和创新性发展，改善农村金融发

展格局，才能实现农民农村共同富裕。另一方面，按

照《“十四五”公共服务规划》，公共服务是为保障社

会成员生存发展基本需求，由政府承担主要供给责

任、市场机构参与补充供给的服务，分为医疗、养老、

教育、住房等。2022 年中央一号文件提出加强基本

公共服务县域统筹，强调普惠性、基础性和兜底性民

生建设的重要性。公共服务与普惠金融的供给模式、

政策支持方式、政府监管机制存在差异，但两者可能

相互作用。以公共服务均等化推动金融市场供给精

准化，能更好地发挥金融的普惠和数字功能，缓解金

融市场“金融排斥”和“金融悖论”问题，实现农民农

村共同富裕（宋科等，2022）[4]。

基于县域统计数据探讨普惠金融数字化和公共

服务均等化能否以及如何影响农民农村共同富裕，

对于扎实推动共同富裕、赋能县域经济高质量发展

具有重要意义。本文的边际贡献在于：第一，数字普

惠金融与共同富裕的研究仍待深入，数字化和普惠

化的协同效应分析值得重视，探索金融普惠化与数

字化的相互关系，剖析公共服务均等化在普惠金融

数字化影响农民农村共同富裕中的调节作用，为深

化农村金融服务提供理论依据；第二，目前缺乏从县

域样本测度农民农村共同富裕的实证性研究，选取

2014—2019 年 1 458 个县域数据构建了包含农户收

入、城乡差距和区域差距的农民农村共同富裕指标

体系，强调农民农村共同富裕应包含农户效率式增

长、城乡融合式增长和区域包容式增长，拓展了共同

富裕的研究范畴；第三，实证检验了公共服务均等化

在普惠金融数字化影响农民农村共同富裕过程中的

调节作用，并基于县域资源禀赋和财政配置模式探

讨公共服务调节效应的差异性，为县域公共服务与

金融服务的协同发展提供政策建议。

二、文献综述

普惠金融数字化发展能否有效弥补传统金融不

足，推进农民农村共同富裕，学者对此持有不同观点。

部分学者认为，金融普惠化能够降低传统金融的信贷

门槛，强化金融服务的长尾效应，有助于缩小收入差

距（王小华、温涛，2021）[5]。同时，金融数字化发展深化

农村金融供给体系，拓展服务边界，具有更强的资源

配置效应、创新效应和包容效应（张勋等，2019；Razzaq

and Yang，2023）[6，7]，能更好地发挥金融普惠功能，实现

农民农村共同富裕（Yu et al.，2022；唐丹云等，2023）[8，9]。

也有部分学者认为，农村金融机构的逐利性和金融市

场的高风险性，导致资金短缺与资金外流并存“，金融

排斥”现象依然普遍（尹志超等，2019）[10]。农村普惠金

融供给模式单一、渗透不足，而金融数字化可能扩大

城乡家庭金融可得性差异，进一步扩大城乡“数字鸿

沟”（王修华、赵亚雄，2022）[11]。还有一种观点与之不

同，即金融发展受到经济体制、产业结构、基础设施等

特征影响，展现出不同的发展潜力和服务模式（行伟

波、张思敏，2021；徐光顺、冯林，2022；赵家悦、郜栋

玺，2023）[12-14]。所以，金融数字化发展可能发挥金融普

惠特性，但也可能产生“数字鸿沟”等新的难题。

大多学者认可公共服务不均等是制约农民农

村共同富裕的重要因素。公共服务供给存在结构

性偏差和匹配不均衡的问题，在群体间、城乡间和

区域间配置均等性不足（张德钢等，2021；任斌等，

2023）[15，16]。农村公共服务的非均等性可能导致“可

行能力”缺失（Sen，1993）[17]，弱化农户增收致富和阶

·31·

山西财经大学学报 2023 年 第 12 期

层跃升的能力（袁志刚等，2022）[18]。县域公共服务的

非均等性阻碍城乡要素自由流动和产业融合，强化

城乡二元经济结构，形成“公共服务鸿沟”（周心怡

等，2021）[19]。区域间公共服务的非均等性拉大东中

西部地区收入差距，导致劳动力过度向东部地区转

移，降低资源配置效率和社会稳定性，阻碍全体人民

共同富裕（Ouraga，2021；李实、杨一心，2022）[20，21]。

现有研究对数字普惠金融影响农户稳定增收和

缩小收入差距进行了诸多讨论，拓展了农村金融理

论与实践，也为本文奠定了理论基础，但仍有深究的

空间。首先，数字普惠金融影响农民农村共同富裕的

结论尚未统一；其次，现有研究对金融“普惠”和“数

字”研究较多，但较少将二者结合起来探讨其相互关

系；再次，学者普遍关注数字普惠金融对农户增收的

直接效应，较少考虑区域公共服务在这一过程中的

调节作用，尤其忽略医疗、养老、教育、信息等基础性

公共服务的作用；最后，数字普惠金融研究多从宏观

省级层面探讨经济增长效应，或从微观农户层面探

讨增收致富效应，县域经济高质量发展背景下更应

从县域视角研究普惠金融数字化如何影响农民农村

共同富裕，尤其需要关注对区域差距、城乡差距和收

入分配差距的影响效应。

三、理论分析与研究假设

厘清普惠金融数字化、公共服务均等化与农民

农村共同富裕的理论逻辑至关重要。普惠金融数字

化与农民农村共同富裕的相互关系是：金融普惠化

与数字化促进农民农村共同富裕，农民农村共同富

裕推动普惠金融数字化不断深化，但如果农村金融

市场运行机制不健全、“数字鸿沟”拉大、金融风险升

级，则可能存在“金融抑制”，从而对农民农村共同富

裕产生制约作用。公共服务均等化与农民农村共同

富裕的相互关系是：公共服务均等化是促进农民农

村共同富裕的基础，农民农村共同富裕实现过程要

求公共服务进一步优化。普惠金融数字化、公共服务

均等化与农民农村共同富裕的关系是：普惠金融数

字化与公共服务均等化能否发挥协同作用是辩证统

一的，即现有政策体系的目标是推动公共服务和金

融服务互促互进，发挥政府主导和市场运行的双重

调控作用，平稳推动农民农村共同富裕，但如果二者

互相挤占公共资源，导致政府失灵或金融排斥等，也

会产生“1+1<2”的不利结果。

（一）普惠金融数字化影响农民农村共同富裕的

理论分析

本文对农民农村共同富裕和普惠金融数字化的

概念进行界定。农民农村共同富裕是指农户收入福

利持续改善、城乡收入差距持续缩小、区域差距持续

弱化的过程（林万龙、纪晓凯，2022）[22]。具体而言：农

户收入福利改善强调“效率式发展”，即农村居民人

均可支配收入增加，实现增收致富和阶层跃升，保障

“提低扩中稳高”的收入分配格局（田雅娟、甄力，

2020；王轶、刘蕾，2022）[23，24]；城乡收入差距持续缩小

强调“融合式发展”，即在城乡融合过程中提高农户

参与和福利共享，鼓励城乡间要素自由流动与产业

可持续发展，走上“以城带乡、以工促农”的城乡融合

路径（叶兴庆，2022）[25]；区域差距持续弱化强调“包

容式发展”，即以区域资源禀赋为基础实现特色发

展，优化产业布局，加强区域合作，促进区域间经济

平衡发展，实现“东西部结对帮扶、先富带动后富”的

共同富裕道路（田瑶等，2022）[26]。普惠金融数字化是

指金融普惠化和数字化不断发展的过程（胡中立、王

书华，2021）[27]。具体而言，金融普惠化是指居民获得

金融产品和服务的机会均等过程，强调金融服务的

可得性、有效性和便利性。普惠金融数字化是在普惠

金融的基础上，通过大数据、云计算、区块链等数字

技术手段实现金融服务的智能化、实时化、个性化，

能够改变金融服务业态、拓宽用户信息获取渠道、拓

展金融产品和服务边界、优化用户体验。普惠金融数

字化具有投资转化效应、产业赋能效应和空间溢出

效应，促进农户效率式发展、城乡融合式发展和区域

包容式发展，从而推动农民农村共同富裕。

第一，普惠金融数字化具有投资转化效应，有助

于缓解“中国储蓄之谜”（冯明，2017）[28]，实现农户效

率式发展。中国居民储蓄率居高不下，在农村这一现

象更为普遍，农村消费潜力与投资意愿无法有效激

发。在农村金融普惠化、数字化发展过程中，数字金

融产品能够降低理财门槛，线上支付方式为农户市

场交易提供便利，医疗养老保险等金融工具缓解农

户的预防性储蓄动机，从而促进农户消费和投资（唐

丹云等，2023）[9]。农户消费能力的提高有助于盘活农

村产品市场，活跃的产品市场能够激发金融市场供

给能力，将农村闲置资本集聚投资到乡村发展的重

要领域，从而促进乡村产业振兴，实现农民农村共同

富裕。第二，普惠金融数字化具有产业赋能效应，有

助于扩展农户就业渠道，强化城乡要素流动，实现城

乡融合发展。普惠金融数字化为农户就业赋能，通过

劳动技能培训和金融素养培养，有效匹配就业岗位，

拓展就业渠道，为县域经济发展提供人力资本支撑

（徐光顺、冯林，2022）[13]。普惠金融数字化为农村经

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·32·

山西财经大学学报 2023 年 第 12 期

营主体赋能，缓解其流动性约束，提高支付便利性

（张林、温涛，2022）[29]，有利于催生新兴技术产业，实

现城乡产业融合发展。第三，普惠金融数字化具有空

间溢出效应，能够加强区域间帮扶作用，优化资源配

置，推动区域均衡发展（张勋等，2019）[6]。一方面，差

异化金融服务会引起区域竞争和模仿创新。金融服

务水平较高的地区对周边区域具有榜样效应，促进

周边地区竞相学习与模仿。同时，该地区为保留竞争

优势也会不断创新金融服务，实现区域间金融服务

协同发展。另一方面，中央政府推动资源跨区域配

置，普惠金融数字化能够加速这一过程。普惠金融数

字化发展促进劳动力、技术、土地等生产要素资本化

和市场化，推动区域间资金、技术等要素以投资形式

倾斜到偏远地区和弱势群体，推进区域包容式发展

（胡中立、王书华，2021）[27]。

在农村金融影响农民农村共同富裕过程中，

金融普惠化和数字化的协同作用值得重视。根据

农村金融深化理论，普惠化是农村金融的核心功

能，数字化是对传统金融服务转型升级的过程，是

农村金融的重要驱动力量和未来发展方向，二者

协同推动农村金融服务可持续性发展。具体而言，

普惠强调全体社会成员（尤其是欠发达地区、低收

入人口）对金融服务的均等化使用，但农村金融基

础薄弱，农户金融可得性不足，需要借助数字化手

段拓展服务范围。数字化促进信息技术渗透和金

融产品创新，优化金融服务供给模式，提高金融服

务效率，拓展服务边界，提升金融服务的可持续性

（田瑶等，2022）[26]。因此，政府干预和市场运作能

够实现金融普惠化目标，数字技术运用于普惠金

融从而实现普惠金融数字化，两者协同作用于农

村金融市场促进农民农村共同富裕。因此，本文提

出假设 1。

H1：普惠金融数字化能够促进农民农村共同富

裕，且普惠化与数字化具有协同效应。

（二）公共服务均等化调节作用的理论分析

公共服务均等化是指区域间全体社会成员对公

共服务的均等化享有。《国家基本公共服务标准

（2021 年版）》将公共服务定义为“幼有所育、学有所

教、劳有所得、病有所医、老有所养、住有所居、弱有

所扶、优军服务保障和文体服务保障”。学者对于“均

等化”的理解不一，包括基础均等、过程均等、结果均

等、底线均等、机会均等和感知均等（缪小林、张蓉，

2022）[30]。结合中国“先富带动后富”的渐进式共同富

裕道路，起点均等、过程均等、结果均等难以实现且

无法保障公平，尤其是针对农村居民、低收入群体

等，而机会和权力均等更加关注弱势群体的内生发展

动力，强调区域非均衡发展背景下的公平性，更加注

重人民获得感的公平性。因此，公共服务均等化应更

加注重区域间、城乡间和群体间供给规模的均衡性和

与经济发展的适配性，促进公共服务资源向农村倾

斜，覆盖低收入群体，为实现农民农村共同富裕提供

基本保障（李实、杨一心，2022）[21]。作为改善农村生产

生活的重要工具，以数字化发展为核心的普惠金融也

强调机会共享和服务均等，均等化公共服务与普惠化

金融服务是否存在关系，值得深入研究。

从服务效果来看，公共服务均等化可能具有正

向的调节作用。数字普惠金融按照市场机制运行，

公共服务主要依靠财政资源配置，二者在提高经济

效益、改善社会福利、创新市场供给等方面均有积

极作用（洪茹菲、吴建华，2023）[31]。一是公共服务完

善的区域金融市场风险普遍更低、政务质量更高、

办事流程更规范，能增强金融机构的供给意愿和供

给能力，从而引导社会资金合理流动，提高经济效

益；二是公共服务的优质高效供给，有助于提高农

户生活质量并催生多元化金融需求，反馈到金融机

构激励其创新改革，推动社会福利持续改善；三是

公共服务供给完善可以激励社会资本参与，借助金

融平台引导民营资本与公共部门进行合作供给，不

仅提高公共服务供给效率，也能进一步活跃金融市

场。因此，完善公共服务供给能够发挥正向调节效

应，深化普惠金融数字化，提高农户收入福利，缓解

个体间、城乡间和区域间的收入差距，推动农民农

村共同富裕。

从资源配置来看，公共服务均等化可能具有负

向的调节作用。一方面，普惠金融数字化发展要求公

共服务的配套供给，但目前部分公共服务难以满足

其需求。例如，部分县域基础性金融教育与数字金融

技能培训相关的公共服务较缺乏，对农户认知约束

和资源约束的缓解不足，使其难以跨越金融市场的

参与门槛，可能阻碍普惠金融数字化发展（袁志刚

等，2022）[18]。在数字基础设施和金融基础设施仍待

完善的县域，互联网普及运用、电商下乡和快递进村

等进程缓慢，可能弱化金融服务普惠化和数字化发

展（周心怡等，2021）[19]。另一方面，完善农村金融市

场也需要财政政策和资金的支持，在乡村发展目标

多元化、财政资源稀缺性条件下推动公共服务和金

融服务，需要科学合理地协调目标和配置资源，否则

二者相互挤占资源，会弱化金融服务对农民农村共

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·33·

山西财经大学学报 2023 年 第 12 期

同富裕的促进作用。

因此，公共服务均等化在普惠金融数字化促进

农民农村共同富裕的过程中可能具有调节作用。考

虑到不同公共服务的差异化供给，最终发挥正向调

节作用还是负向调节作用取决于具体公共服务的类

型和服务模式，故提出假设 2。

H2：公共服务均等化在普惠金融数字化促进农

民农村共同富裕中具有调节效应。

H2a：公共服务与普惠金融数字化的调节效应

为正。

H2b：公共服务与普惠金融数字化的调节效应

为负。

综上，普惠金融数字化、公共服务均等化影响农

民农村共同富裕的理论机理如图 1 所示。

图 1 普惠金融数字化、公共服务均等化与农民农村共同富裕的理论机理

市场环境优化

公共服务均等化

（调节作用）

四、数据来源与实证策略

（一）数据来源

本文普惠金融数字化数据来源于北京大学数字

普惠金融数据库（郭峰等，2020）[32]，该数据库包含

2014—2019 年中国内地 31 个省、337 个地级以上城

市和近 2 800 个县域的普惠金融覆盖广度、使用深

度和数字化程度数据，为研究普惠金融数字化提供

了支撑。农民农村共同富裕、公共服务均等化及其他

控制变量的数据来源于《中国县域统计年鉴（县市

卷）》、《中国城乡统计年鉴》以及各省市统计年鉴。

2019 年中国共有 2 884 个县域，主要分为三类，即

县、市辖区、县级市。本文主要研究县域发展过程中

的“三农”问题，故选取县级样本（包括 1 312 个县、

117 个少数民族聚居自治县、49 个旗和 3 个自治

旗），同时将数字普惠金融数据库与县域数据进行匹

配，删除部分变量缺失严重的县域，并对部分变量进

行插补，最后筛选出 2014—2019 年 1 458 个县域数

据。这些县域样本占地面积广（行政区划面积约 691

万平方公里）、人口多（户籍人口约 6.3 亿人），且均

呈现农业占比和农村人口占比高、城市化水平较低、

金融基础设施和基本公共服务有待加强的特征，适

合农民农村共同富裕问题的研究。为保证数据的平

稳性，部分数据进行了对数化处理。为消除时间趋势

的影响，部分数据进行了平减，如表 1 所示。

（二）变量选取与计算方法

1.被解释变量：农民农村共同富裕（COP）。农民

农村共同富裕主要包含农户收入（FIC）、城乡差距

（URG）和区域差距（RGA）三个层面。农户收入采用

县域农村居民人均可支配收入的对数衡量；城乡差

距采用县域农村与城镇的居民人均可支配收入比值

来表示；参考单德朋和张永奇（2022）[33]，区域差距采

用县域农村居民人均可支配收入在样本中的排名百

分比来表示。

2.核心解释变量：普惠金融数字化（DCF）。普惠

金融数字化强调金融服务的普惠化和数字化双重

特征。参考郭峰等（2020）[32]，金融普惠化（ICF）通过

金融的覆盖广度和深度加权求和而得到，金融数字

化（DIF）则采用数据库中的金融数字化程度衡量，

普惠金融数字化变量由二者加权求和得到。北京大

学数字普惠金融数据采用了主观赋权与客观赋权

相结合的方法来确定权重，具体而言，首先利用变

异系数法求各具体指标对上一层准则层的权重，再

通过层次分析法求各准则层指标对上层目标的权

重，最后求得总指数。

3.调节变量：公共服务均等化（PUS）。按照《“十

四五”公共服务规划》政策文件，参考吕光明和陈欣

悦（2022）[34]、董艳玲和李华（2022）[35]，本文选取义务

教育（CED）、职业培训（VTR）、医疗卫生（HCA）、社

会保障（SSE）、信息通讯（ICM）和基础设施（INF）六

个变量来阐释公共服务均等化，考察公共服务差异

化的调节作用。

4.控制变量。为获取普惠金融数字化对农民农

村共同富裕影响的净效用，这里从县域和省级两

个维度选取控制变量。县域维度包括财政支出

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

+

公共资源竞争

-

投资转化效应

产业赋能效应

空间溢出效应

协同效应

普惠化

数字化

农

村

金

融

普

惠

金

融

数

字

化

农

民

农

村

共

同

富

裕

·34·

山西财经大学学报 2023 年 第 12 期

（FEX）、设施农田（FFA）、储蓄存款（SDE）、乡镇个

数（TOW）、工业企业（IEN）、第一产值（FOV）、第二

产值（SOV）和第三产值（TOV），省级控制变量包括

生产总值 （GDP）、社会消费 （SCG）、农用机械

（AMA）、农村社保（RSO）。各变量的定义与描述性

统计如表 1 所示。

变量 变量名称 符号 变量定义 样本量 均值 标准差 最小值 最大值

被

解释

变量

农户收入 FIC 农村居民人均可支配收入（元/人）对数（平减） 6954 9.258 0.358 7.840 10.795

城乡差距 UGR 县域农户人均可支配收入与城镇居民人均可支配收入的比值（%） 5747 0.459 0.213 0.143 2.905

区域差距 RGA 县域农村居民人均可支配收入的排名百分比（%） 6954 0.500 0.289 0.001 1.000

解释

变量

普惠金融数字化 DCF 数字金融覆盖广度、使用深度和数字化程度 8333 0.085 0.024 0.010 0.130

普惠化 ICF 包括账户覆盖率以及支付、货币基金、信贷、保险、投资、信用等业务 8333 0.071 0.020 0.002 0.114

数字化 DIF 包括移动化、实惠化、信用化和便利化水平 8333 0.084 0.031 -0.165 0.308

调节

变量

义务教育 CED 中小学生数占户籍人口的比重 8748 0.044 0.012 0.002 0.116

职业培训 VTR 职业学生数占户籍人口的比重 7597 0.005 0.005 0.000 0.115

医疗卫生 HCA 医疗卫生床位数（个/万人）对数 8748 3.605 0.356 0.000 5.925

社会保障 SSE 社会福利机构床位数（个/万人） 8712 16.378 26.932 1.000 552.000

信息通讯 ICM 电话用户数（户/万人）对数 8720 6.413 0.806 2.561 9.422

基础设施 INF 县域供水普及率、燃气普及率、垃圾处理率和绿化率均值（%） 6984 74.796 10.185 19.870 92.950

县域

控制

变量

财政支出 FEX 一般公共预算支出（万元）对数（平减） 8748 12.404 0.552 8.492 14.482

设施农田 FFA 设施农业占地面积（公顷）对数 8308 5.452 1.975 0.000 10.851

储蓄存款 SDE 城乡居民人均储蓄存款（万元）对数（平减） 8707 9.872 0.564 5.758 12.028

乡镇个数 TOW 县域下设乡镇数量（个） 8748 8.313 5.197 1.000 49.000

工业企业 IEN 规模以上工业企业单位数（个）对数 8330 3.684 1.271 0.000 7.116

第一产值 FOV 第一产业增加值（万元）对数（平减） 8748 11.918 1.030 7.610 14.139

第二产值 SOV 第二产业增加值（万元）对数（平减） 8748 12.580 1.281 4.398 16.207

第三产值 TOV 第三产业增加值（万元）对数（平减） 8748 12.645 1.029 8.869 15.791

省级

控制

变量

生产总值 GDP 省级地区生产总值（万元）对数（平减） 8748 9.836 0.899 6.846 11.477

社会消费 SCG 社会消费品总额（万元）对数（平减） 8748 8.952 0.937 5.899 10.668

农用机械 AMA 农用机械动力（万千瓦）对数 8748 8.089 0.771 6.089 9.499

农村社保 RSO 农村最低保障人数（万人）对数 8748 191.379 114.996 13.200 458.900

表 1 变量定义与描述性统计

（三）模型设定

1.普惠金融数字化影响农民农村共同富裕的回

归模型。本文根据北京大学数字普惠金融数据库

数据测算出普惠金融数字化水平，进而构建普惠

金融数字化影响农民农村共同富裕的基准回归实

证模型。模型设定如下：

COPit=琢1+茁1DCFit+移姿1Zit+vt+着it （1）

其中，i、t 表示第 i 个县域第 t 年，COP 代表农

民农村共同富裕水平，DCF 表示普惠金融数字化水

平，Z 表示控制变量，v 为年份控制变量，着 表示随

机误差项，琢 为截距项，茁、姿 为估计系数。考虑到可

能存在反向因果以及遗漏变量问题，本文加入工具

变量，采用有限信息极大似然法（Limited Information

Maximum Likelihood，LIML）解决可能存在的内生性

问题。

2.金融普惠化、金融数字化与农民农村共同富

裕的回归模型。考察金融普惠化与金融数字化是否

协同影响农民农村共同富裕，设定回归模型如下：

COPit=琢2+茁2ICFit+茁3DIFit+茁4DIFit×ICFit+移姿2Zit+

vt+着it （2）

其中，ICF 表示金融普惠化水平，DIF 表示金融

数字化水平。

3.普惠金融数字化、公共服务均等化影响农民

农村共同富裕的回归模型。探讨不同类型公共服务

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·35·

山西财经大学学报 2023 年 第 12 期

如何调节普惠金融数字化对农民农村共同富裕的影

响，故设定如下模型：

COPit=琢3+茁5DCFit+茁6PUSit+茁7DCFit×PUSit+移姿3Zit

+vt+着it （3）

式（3）中，PUS 表示公共服务水平，分为义务教

育、职业培训、医疗卫生、社会保障、信息通讯和基础

设施六个维度。同时，本文以“是否脱贫县”和“财政

自由度”对县域样本进行分类，探讨不同县域在普惠

金融数字化、公共服务均等化影响农民农村共同富

裕中的差异化路径。

五、实证结果分析

（一）基准回归

表 2 考察普惠金融数字化对农民农村共同富裕的

影响。根据式（1），采用普通最小二乘法（Ordinary Least

Squares，OLS）与固定效应模型（Fixed Effects Model，

FE）进行回归，被解释变量农民农村共同富裕分为农

户收入、城乡差距和区域差距三个维度。结果显示，普

惠金融数字化至少在 5%的水平上正向显著，在固定

效应模型中系数分别为 1.029、1.239、0.257，说明普惠

金融数字化指数每提高 1 个单位，农户收入增加

102.9%，城乡差距缩小 123.9%，区域差距缩小 25.7%。

普惠金融数字化发展能够降低信贷门槛，满足多元化

资金需求，提高农户收入水平。通过数字技术和政策

资金倾斜发挥金融普惠性功能，缩小城乡金融服务差

距，推动城乡融合发展。通过金融服务模式的模仿和

创新，打破区域间金融壁垒，实现东中西部金融资源

共享，缩小区域间收入差距。因此，普惠金融数字化能

显著促进农民农村共同富裕，验证了假设 1。

表 2 普惠金融数字化影响农民农村共同富裕的基准回归

（1）OLS （5）OLS （6）FE

FEX

0.037

***

（0.008）

0.010

**

（0.004）

0.015

***

（0.004）

FFA

0.001

（0.001）

0.001

**

（0.001）

0.001

（0.001）

SDE

0.138

***

（0.020）

0.043

***

（0.008）

0.003

（0.005）

TOW

0.001

（0.001）

0.002

***

（0.001）

0.004

***

（0.001）

IEN

-0.020

***

（0.007）

-0.012

***

（0.004）

-0.023

***

（0.003）

FOV

0.080

***

（0.012）

0.026

***

（0.007）

-0.001

（0.005）

SOV

0.014

**

（0.006）

0.011

***

（0.004）

0.002

（0.003）

TOV

0.026

**

（0.012）

0.028

***

（0.006）

0.000

（0.004）

GDP

0.287

***

（0.019）

0.184

***

（0.015）

0.271

***

（0.040）

SCG

-0.174

***

（0.009）

-0.037

***

（0.006）

-0.022

***

（0.007）

AMA

0.011

（0.008）

0.003

（0.005）

0.022

***

（0.005）

常数项

4.494

***

（0.247）

-2.317

***

（0.146）

-2.313

***

（0.338）

样本量 6686 6686 6686

R

2 0.044

变量

（2）FE

0.048

***

（0.007）

0.001

（0.001）

0.056

***

（0.009）

0.004

***

（0.001）

-0.044

***

（0.005）

0.038

***

（0.009）

0.005

（0.005）

-0.017

**

（0.008）

-0.281

***

（0.071）

-0.075

***

（0.012）

0.071

***

（0.009）

10.589

***

（0.600）

6686

0.814

（3）OLS （4）FE

-0.019

*

（0.011）

0.018

（0.015）

0.004

**

（0.002）

0.003

（0.002）

0.036

***

（0.010）

-0.001

（0.018）

-0.004

***

（0.001）

-0.005

**

（0.002）

-0.013

*

（0.007）

-0.079

***

（0.010）

0.051

***

（0.008）

-0.009

（0.017）

0.015

**

（0.006）

0.006

（0.009）

0.014

（0.011）

-0.102

***

（0.016）

0.027

（0.018）

-0.414

***

（0.148）

0.027

**

（0.013）

0.070

***

（0.027）

0.025

***

（0.007）

-0.010

（0.019）

-1.336

***

（0.180）

5.388

***

（1.235）

5583 5583

0.111

DCF

1.682

***

（0.163）

0.489

***

（0.107）

0.257

**

（0.110）

1.029

***

（0.195）

0.763

***

（0.226）

1.239

***

（0.407）

农户收入

（FIC）

农户收入

（FIC）

城乡差距

（URG）

城乡差距

（URG）

区域差距

（RGA）

区域差距

（RGA）

RSO

-0.000

***

（0.000）

-0.000

***

（0.000）

-0.000

（0.000）

-0.000

***

（0.000）

-0.000

（0.000）

-0.000

***

（0.000）

年份变量 控制 控制 控制 控制 控制 控制

注：***、**、* 分别表示 1%、5%、10%的显著性水平，下同。

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·36·

山西财经大学学报 2023 年 第 12 期

进一步将金融普惠化和数字化分开，考察二者

对农民农村共同富裕的协同效应，如表 3 所示。根据

式（2），采用普通最小二乘法和固定效应模型进行回

归。结果显示，在固定效应模型中，金融普惠化和数

字化至少在 5%的水平上显著促进了农民农村共同

富裕。列（1）、列（2）显示，金融普惠化、金融数字化均

能显著促进农户收入增加，且两者的交互项正向显

著，说明金融普惠化与金融数字化能发挥协同效应，

进而提高农户可支配收入。列（4）在列（3）的基础上，

运用固定效应模型控制县域之间因非观测因素导致

的差异，结果显示，金融普惠化、金融数字化、二者交

互项均在 1%的水平上缩小了城乡收入差距。列（5）、

列（6）表明金融普惠化、金融数字化能显著缩小区域

差异，且两者具有协同效应。

本文实证结果验证了金融普惠化和数字化对农

民农村共同富裕的促进作用，且二者具有协同效应。

原因在于：金融普惠化提高农户金融可得性，缓解信

贷约束，改善家庭资产配置，助推农户增收致富；金

融数字化通过信息技术和金融产品创新，发挥长尾

效应，为偏远农村、低收入群体提供优质便捷的金融

服务，有助于缩小城乡间、区域间的“数字鸿沟”和收

入差距。农村金融基于普惠化需求催生数字化发展，

借助数字化技术拓展普惠化金融服务，共同促进农

民农村共同富裕，证实了假设 1。

表 3 金融普惠化和数字化对农民农村共同富裕的回归

（1）OLS （5）OLS （6）FE

DIF

0.398

***

（0.102）

0.368

***

（0.065）

0.279

***

（0.055）

ICF伊DIF

11.248

***

（3.021）

9.073

***

（1.741）

4.071

**

（1.699）

FEX

0.038

***

（0.008）

0.010

**

（0.004）

0.014

***

（0.004）

FFA

0.001

（0.001）

0.001

**

（0.001）

0.001

（0.001）

SDE

0.138

***

（0.020）

0.044

***

（0.009）

0.004

（0.005）

TOW

0.001

（0.001）

0.002

***

（0.001）

0.004

***

（0.001）

IEN

-0.020

***

（0.007）

-0.012

***

（0.004）

-0.023

***

（0.003）

FOV

0.082

***

（0.012）

0.029

***

（0.008）

0.002

（0.005）

SOV

0.012

**

（0.006）

0.009

***

（0.004）

0.001

（0.003）

TOV

0.025

**

（0.012）

0.026

***

（0.006）

-0.000

（0.004）

GDP

0.290

***

（0.019）

0.188

***

（0.015）

0.254

***

（0.040）

常数项

4.470

***

（0.248）

-2.343

***

（0.146）

-2.160

***

（0.340）

样本量 6686 6686 6686

R

2 0.047

变量

（2）FE

0.338

***

（0.098）

5.931

**

（3.024）

0.048

***

（0.007）

0.001

（0.001）

0.057

***

（0.009）

0.004

***

（0.001）

-0.044

***

（0.005）

0.040

***

（0.009）

0.004

（0.005）

-0.017

**

（0.008）

-0.300

***

（0.072）

10.752

***

（0.605）

6686

0.814

（3）OLS （4）FE

0.189

（0.146）

0.906

***

（0.195）

3.490

（4.676）

27.051

***

（6.111）

-0.019

*

（0.011）

0.018

（0.015）

0.004

**

（0.002）

0.002

（0.002）

0.035

***

（0.009）

0.004

（0.018）

-0.004

***

（0.001）

-0.004

**

（0.002）

-0.013

*

（0.007）

-0.079

***

（0.010）

0.051

***

（0.008）

-0.000

（0.017）

0.015

**

（0.006）

0.003

（0.009）

0.014

（0.011）

-0.106

***

（0.016）

0.028

（0.018）

-0.493

***

（0.149）

-1.340

***

（0.181）

6.089

***

（1.241）

5583 5583

0.115

ICF

2.271

***

（0.212）

0.848

***

（0.137）

0.345

**

（0.143）

1.278

***

（0.255）

0.890

**

（0.351）

2.390

***

（0.527）

农户收入

（FIC）

农户收入

（FIC）

城乡差距

（URG）

城乡差距

（URG）

区域差距

（RGA）

区域差距

（RGA）

年份变量 控制 控制 控制 控制 控制 控制

SCG

-0.180

***

（0.010）

-0.043

***

（0.006）

-0.024

***

（0.007）

-0.077

***

（0.012）

0.025

*

（0.014）

0.058

**

（0.027）

AMA

0.012

（0.008）

0.071

***

（0.009）

0.026

***

（0.008）

-0.009

（0.018）

0.003

（0.005）

0.021

***

（0.005）

RSO

-0.000

***

（0.000）

-0.000

***

（0.000）

-0.000

（0.000）

-0.000

***

（0.000）

-0.000

***

（0.000）

-0.000

*

（0.000）

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·37·

山西财经大学学报 2023 年 第 12 期

（二）内生性讨论

考虑到农民农村共同富裕对普惠金融数字化

可能具有反向影响，并且在实证过程可能会遗漏

县域乡村生态宜居、治理有效和乡风文明等变量，

导 致 计 量 结 果具 有 内 生 性 ， 为 此 参 考 张 勋 等

（2019）[6]、孙学涛等（2022）[36]，采用省级数字普惠

金融指数、县域对应省份与杭州的距离作为普惠

金融数字化的工具变量，两者能够满足工具变量

的相关性和外生性条件。一方面，由于空间溢出效

应，省级数字普惠金融与县域金融相关，一定程度

影响该地区的数字金融发展水平，具有相关性。同

时，中国数字普惠金融的区域异质性较强，因此省

级数字普惠金融指数与县域农民农村共同富裕关

系较弱。另一方面，郭峰等（2020）[32]在报告中指出

地方数字普惠金融水平与距离杭州里程密切相

关，但地理距离固定不变，不会影响县域农民农村

共同富裕水平，有较强的外生性。

本文加入工具变量探讨普惠金融数字化对农

民农村共同富裕的影响，如表 4 所示。模型采用有

限信息极大似然法，加入“省级数字普惠金融指

数”和“县域对应省份与杭州距离”进行内生性检

验。结果显示，至少在 5%的显著水平上，普惠金融

数字化提升了农户收入、缩小了城乡差距和区域差

距。其中，表 4 普惠金融数字化的系数较表 2 的系

数大，控制了可能存在的内生性问题后，普惠金融

数字化估计系数显著提升，说明没有考虑内生性

问题时估计结果可能存在向下偏误，低估普惠金

融数字化对农民农村共同富裕的影响。内生性检

验再次验证了假设 1，即普惠金融数字化显著促进

农民农村共同富裕。

表 4 内生性检验：工具变量法（LIML）

（1） （5） （6）

常数项

7.853

***

（0.029）

-0.560

***

（0.026）

-1.629

***

（0.178）

样本量 6844 6844 6686

R

2 0.288 0.170 0.376

变量

（2）

5.911

***

（0.216）

6686

0.383

（3） （4）

0.133

***

（0.021）

-0.636

***

（0.179）

5663 5583

0.120 0.231

DCF

27.073

***

（0.637）

24.202

***

（0.561）

25.159

***

（1.631）

32.961

***

（1.950）

6.190

***

（0.454）

4.263

**

（1.686）

农户收入

（FIC）

农户收入

（FIC）

城乡差距

（URG）

城乡差距

（URG）

区域差距

（RGA）

区域差距

（RGA）

县域控制变量 不控制 控制 不控制 控制 不控制 控制

省级控制变量 不控制 控制 不控制 控制 不控制 控制

年份变量 控制 控制 控制 控制 控制 控制

（三）稳健性检验

本文对普惠金融数字化影响农民农村共同富

裕进行稳健性检验，结果如表 5 所示。首先，按县域

农业特征筛选样本，保留农业产值在前 90%之内的

县域样本重新进行回归。农业生产是农村的基础功

能，县域农业产值较低可能是由于城市化水平较高

或“空心村”现象严重，会影响整体样本估计，故删

除这些县域样本重新进行回归。列（1）至列（3）结果

显示，普惠金融数字化至少在 5%的显著性水平上

正向促进农民农村共同富裕。其次，按时间特征重

新回归，选取 2015 年后的数据再次回归。2015 年

国家首次提出“互联网 + 农业”，促使金融数字化转

型。为克服政策带来的差异，对 2015 年之后的数据

再次检验。列（4）至列（6）结果表明，考虑政策因素

后，普惠金融数字化依然可以促进农民农村共同富

裕。最后，将被解释变量由农民农村共同富裕替换

为县域人均生产总值（CGDP），进行平减和对数化

处理后再次回归。共同富裕要求全体社会成员辛勤

劳作，共同创造社会价值并享有社会福利。县域人

均生产总值代表人民辛勤劳动的成果，一定程度表

征农民农村共同富裕水平。列（7）至列（9）结果显

示，在普通最小二乘法模型回归中，普惠金融数字

化可以显著提升县域人均生产总值，但固定效应结

果不显著。在控制固定效应可能存在的内生性问题

后，普惠金融数字化的系数在 1%的水平上显著为

正，即普惠金融数字化可以提升县域人均生产总

值。所以，普惠金融数字化促进农民农村共同富裕，

结果稳健，再次验证了假设 1。

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·38·

山西财经大学学报 2023 年 第 12 期

六、进一步研究

本文进一步探究公共服务均等化与普惠金融数

字化是否存在关系，能否联合促进农民农村共同富

裕。由上文可知，普惠金融数字化能增加农户收入、

缩小城乡差距和区域差距，从而促进农民农村共同

富裕，这里以区域差距作为被解释变量。在普惠金融

数字化影响农民农村共同富裕的实证回归基础上，

加上普惠金融数字化与各类公共服务（义务教育、职

业培训、医疗卫生、社会保障、信息通讯和基础设施）

的交互项，如式（3）所示，分析普惠金融数字化与不

同公共服务之间的互动关系。

（一）公共服务均等化的调节效应

普惠金融数字化、公共服务均等化影响农民农

村共同富裕的实证结果如表 6 所示。可以看出，考虑

公共服务均等化的交互作用后，普惠金融数字化依

然在 1%的水平上显著缩小区域差距，表明普惠金

融数字化能够促进农民农村共同富裕。首先，列（1）、

列（2）显示普惠金融数字化与义务教育的交互项不

显著，但与职业培训的交互项正向显著。可能的经济

学解释是：义务教育强调教育的基础性和普遍性，但

作用发挥存在时滞性，难以在短期内显现成果；职业

培训则更具专业性和目的性，能够高效匹配农户获

取金融知识、分析理财风险和提升职业技能的需求，

改善农户金融认知，实现职业素质提升和收入水平

增长，提高普惠金融数字化促进农民农村共同富裕

的效果。其次，列（3）、列（4）显示普惠金融数字化与

医疗卫生的交互项正向显著，但与社会保障的交互

项不显著。对于农村家庭来说，医疗条件改善能够提

高农户资源可及性，避免过度储蓄，促进消费投资，

鼓励农户通过理财、投资、保险等工具实现增收致

富。但是，对于社会福利机构的保障作用，农户通常

难以享受且受传统思维影响不愿享受，故一定程度

存在挤占财政资源的现象。最后，列（5）、列（6）显示

普惠金融数字化与信息通讯、基础设施的交互项均

在 1%的水平上正相关。信息通讯设施保障金融数

字化功能，基础设施为县域经济高质量发展提供生

活保障，因此，二者能够正向调节普惠金融数字化对

农民农村共同富裕的促进效应。

总的来说，公共服务对于农民农村共同富裕

的作用具有异质性，在进行公共服务配置时要考

虑其作用发挥的时效性，保障农户发展机会的均

等性。同时，也要考虑多元目标背景下财政结构与

公共服务效用的协调匹配性。因此，该部分证实了

假设2。其中，县域公共服务供给中的职业培训、医

疗卫生、信息通讯和基础设施能发挥正向调节作

用，假设 2a 得到证实。

表 5 稳健性检验

常数项

5.842

***

（0.205）

-0.794

*

（0.437）

4.863

***

（0.215）

样本量 6503 7848 7848

R

2 0.432 0.875 0.650

-0.653

***

（0.179）

5424

0.245

3.654

***

（0.449）

7848

县域控制变量 控制 控制 控制 控制 控制

省级控制变量 控制 控制 控制 控制 控制

年份变量 控制 控制 控制 控制 控制

DCF

30.018

***

（1.853）

-0.201

（0.136）

32.913

***

（1.881）

3.351

**

（1.685）

0.488

**

（0.213）

变量

（1）

LIML

（2）

LIML

（7）

OLS

（8）

FE

（9）

LIML

农户收入

（FIC）

城乡差距

（URG）

县域总值

（CGDP）

县域总值

（CGDP）

县域总值

（CGDP）

-1.803

***

（0.173）

6503

0.409

控制

控制

控制

23.639

***

（1.584）

（3）

LIML

区域差距

（RGA）

（4）

LIML

（5）

LIML

（6）

LIML

农户收入

（FIC）

城乡差距

（URG）

区域差距

（RGA）

36.926

***

（1.980）

4.353

**

（2.091）

30.336

***

（1.651）

控制 控制 控制

控制 控制 控制

控制 控制 控制

2.811

***

（0.189）

-1.034

***

（0.190）

-4.473

***

（0.161）

4487 3790 4487

0.554 0.213 0.561

表 6 调节效应检验

（1） （5） （6）

变量

（2） （3） （4）

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

DCF

23.927

***

（1.573）

22.582

***

（1.486）

25.557

***

（1.599）

24.980

***

（1.638）

24.621

***

（1.564）

25.160

***

（1.649）

PUS

-1.905

***

（0.248）

-4.560

***

（0.753）

-0.005

（0.009）

-0.000

（0.000）

0.015

***

（0.005）

-0.001

***

（0.000）

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·39·

山西财经大学学报 2023 年 第 12 期

（二）调节效应的异质性：脱贫县视角

将样本分为脱贫县与非贫困县进行异质性分

析，如表 7 所示。2012 年国务院公布《国家扶贫开发

工作重点县名单》，确定了全国 592 个贫困县名单，

样本对应其中的 565 个贫困县，定义为脱贫县。与非

贫困县相比，脱贫县资源禀赋较薄弱，金融服务和公

共服务水平相对滞后，精准扶贫期间国家倾斜大量

财政资源，助推其脱贫摘帽。所以，脱贫县与非贫困

县的发展模式可能具有内部差异性。这里选取 2012

年“是否脱贫县”作为分类依据，探讨普惠金融数字

化、公共服务均等化影响农民农村共同富裕的路径

差异。结果显示，无论对于脱贫县还是非贫困县，普

惠金融数字化均能显著促进农民农村共同富裕，结

果稳健。列（1）至列（6）可以看出，在脱贫县中，普惠

金融数字化与职业培训、医疗卫生、社会保障、信息

通讯、基础设施的交互项均在 1%的水平上显著为

正，与义务教育的交互项不显著。列（7）至列（12）显

示，在非贫困县中，普惠金融数字化与义务教育、职

业培训、医疗卫生和基础设施的交互项显著为正，具

有正向调节作用；与社会保障的交互项显著为负，具

有负向调节作用；与信息通讯的交互项不显著。所

以，职业培训、医疗卫生和基础设施发挥正向调节作

用，脱贫县的普惠金融数字化与信息通讯具有正向

调节作用，非贫困县的义务教育发挥正向调节作用，

验证了假设 2a。非贫困县普惠金融数字化与社会保

障发挥负向调节作用，验证了假设 2b。

综合来看，脱贫县和非贫困县在义务教育、社会

保障和信息通讯上的调节作用存在差异，表明在

县域发展的不同时期对不同公共服务的需求存在

差异。非贫困县基础设施较好、经济水平较高，完

善的义务教育体制能为农民农村共同富裕提供良

好的人才基础。脱贫县发展缓慢、低收入群体较

多，福利性社会保障能提供基本的生存支撑。同

时，信息通讯在一定程度上克服了地区资源禀赋

差异及地理限制，提高了农户生产生活质量。然而

对于职业培训、医疗卫生和基础设施，脱贫县和非

贫困县的调节作用都十分显著，表明这些公共服

务均衡发展与数字普惠金融存在较好的联动性。

因此，公共服务资源配置应结合县域资源禀赋和

发展阶段，因地制宜地调整公共服务供给结构，发

挥不同公共服务的差异化作用，为普惠金融数字

化推动农民农村共同富裕提供坚实基础。

（1） （5） （6）

常数项

-1.614

***

（0.173）

-1.690

***

（0.174）

-3.424

***

（0.152）

样本量 6686 6672 5442

R

2 0.408 0.439 0.477

变量

（2）

-1.748

***

（0.180）

6411

0.397

（3） （4）

-1.777

***

（0.170）

-1.630

***

（0.179）

6686 6675

0.399 0.377

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

县域控制变量 控制 控制 控制 控制 控制 控制

省级控制变量 控制 控制 控制 控制 控制 控制

年份变量 控制 控制 控制 控制 控制 控制

DCF伊PUS

-2.933

（8.887）

261.603

***

（30.798）

3.744

***

（0.422）

0.005

（0.005）

1.274

***

（0.165）

0.234

***

（0.019）

表 6（续）

表 7 调节效应异质性：脱贫县视角

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

DCF

23.518

***

（2.499）

21.410

***

（2.371）

26.687

***

（2.769）

26.404

***

（2.847）

22.572

***

（2.407）

25.279

***

（2.768）

PUS

-1.713

***

（0.292）

1.401

（1.039）

-0.005

（0.011）

-0.001

***

（0.000）

0.011

**

（0.005）

-0.002

***

（0.001）

DCF伊PUS

-5.945

（9.893）

1.617

***

（0.237）

0.237

***

（0.028）

200.098

***

（42.166）

2.868

***

（0.495）

0.040

***

（0.009）

样本量 2592 2457 2592 2582 2590 2106

R

2 0.189 0.074 0.230 0.129 0.274 0.243

（1） （5） （6）

变量

（2） （3） （4）

脱贫县

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·40·

山西财经大学学报 2023 年 第 12 期

（三）调节效应异质性：财政分权视角

从财政分权视角分析普惠金融数字化、公共服

务均等化影响农民农村共同富裕的异质性。由于县

域财政自由度会影响公共服务供给的数量和结构，

因此财政自由度不同的县域在普惠金融数字化、公

共服务均等化对农民农村共同富裕的作用路径中可

能存在异质性。这里将“县域财政支出与地区生产总

值的比重高于省级的比重”设定为财政自由度高的

样本，反之设定为财政自由度低的样本。首先，表 8

结果显示，无论是财政自由度高还是低的县域，普惠

金融数字化均能促进农民农村共同富裕，结果依然

稳健。其次，列（1）至列（6）可以看出，在财政自由度低

的县域中，普惠金融数字化与基础设施的交互项正

向显著，但与义务教育、职业培训、医疗卫生、社会保

障、信息通讯的交互项不显著或负向显著。最后，列

（7）至列（12）结果显示，在财政自由度高的县域，普惠

金融数字化与职业培训、医疗卫生、社会保障、信息通

讯、基础设施的交互项均在 1%的水平上正向显著，

与义务教育的交互项显著为负。③假设 2 得到验证，

并且由于县域财政自由度差异和公共服务的异质

性，假设 2a 和假设 2b 在不同公共服务中得到验证。

对比来看，财政自由度低的区域在公共服务配

置过程中存在劣势。除基础设施以外，普惠金融数字

化与其他公共服务的调节作用均不显著（甚至为负

显著），表明财政自由度较低的县域由于缺乏财政资

源配置的自主权，可能会存在公共服务与农民生产

生活需要匹配失衡的情况，农户难以享受到均等的

公共服务。因此，提高财政自由度、完善公共服务均

等化配置，对于缩小城乡收入差距、促进农民农村共

同富裕具有重要意义。

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

DCF

18.554

***

（1.647）

19.449

***

（1.728）

19.042

***

（1.614）

19.197

***

（1.668）

18.993

***

（1.643）

23.415

***

（2.138）

PUS

-1.582

***

（0.295）

-3.939

***

（0.862）

-0.007

（0.010）

0.000

（0.000）

0.009

（0.006）

-0.001

（0.000）

DCF伊PUS

33.112

***

（12.244）

208.657

***

（35.916）

2.784

***

（0.476）

-0.010

**

（0.005）

0.083

（0.192）

0.112

***

（0.023）

样本量 4094 3954 4094 4093 4082 3336

R

2 0.306 0.291 0.297 0.285 0.292 0.297

变量

（7） （8） （9） （10） （11） （12）

非贫困县

表 7（续）

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

变量

（7） （8） （9） （10） （11） （12）

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

DCF

42.482

***

（3.430）

43.744

***

（3.519）

44.355

***

（3.550）

44.478

***

（3.561）

38.554

***

（2.879）

36.859

***

（2.577）

PUS

-2.596

***

（0.442）

-6.048

***

（1.634）

-0.023

（0.016）

-0.001

***

（0.000）

-0.019

**

（0.008）

-0.004

***

（0.001）

样本量 2937 2842 2937 2936 2931 2310

DCF

5.863

***

（1.510）

5.633

***

（1.548）

6.062

***

（1.468）

5.786

***

（1.562）

5.043

***

（1.522）

8.448

***

（1.845）

PUS

-0.978

***

（0.311）

-0.663

（0.732）

0.039

***

（0.012）

0.000

（0.000）

0.049

***

（0.006）

0.003

***

（0.001）

DCF伊PUS

13.451

（11.020）

46.728

（30.425）

0.439

（0.529）

0.003

（0.005）

-0.564

***

（0.190）

0.080

***

（0.024）

（1） （5） （6）

变量

（2） （3） （4）

财政自由度低

R

2 0.474 0.489 0.474 0.473 0.489 0.489

财政自由度高

表 8 调节效应异质性：财政分权视角

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·41·

山西财经大学学报 2023 年 第 12 期

七、结论及建议

（一）研究结论

渐进式推进共同富裕，需要系统解决农户增收、

城乡差距和区域差距问题，而这一过程需要强化普

惠金融数字化和公共服务均等化的积极作用。本文

将县域统计数据和北京大学数字普惠金融数据进行

匹配，从农户收入、城乡差距和区域差距三个层面阐

释农民农村共同富裕，探讨普惠金融数字化促进农民

农村共同富裕的原理和影响机制，并检验不同公共服

务的调节作用。研究结果表明，第一，普惠金融数字化

发展能够促进农民农村共同富裕，并且金融普惠化和

数字化具有协同效应。第二，公共服务均等化在普惠

金融数字化促进农民农村共同富裕过程中具有调节

作用，其中职业培训、医疗卫生、信息通讯和基础设施

的调节作用显著为正，义务教育和社会保障的调节作

用不显著。第三，县域资源禀赋和财政配置模式对公

共服务的调节作用具有异质性。从脱贫县视角看，脱

贫县职业培训、医疗卫生、社会保障、信息通讯和基础

设施的调节作用为正，非贫困县义务教育、职业培训、

医疗卫生和基础设施的调节作用为正。从财政分权

视角看，财政自由度低的县域普惠金融数字化仅与基

础设施的交互项呈正向关系，而财政自由度高的县域

普惠金融数字化与职业培训、医疗卫生、社会保障、信

息通讯和基础设施的交互项均显著为正。

（二）对策建议

第一，推动金融普惠化和数字化协同发展。通过

财政政策倾斜、简化金融服务程序、按需匹配金融服

务，深化金融普惠功能。借助“数字乡村”“电商下乡”

等战略，采用人工智能引导农民理性认知金融市场，

助推移动手机“掌上金融”渗透农村市场，拓展金融

服务边界，从而强化数字金融发展，满足农户日益增

长的生产生活需求，缩小城乡间和区域间的“数字鸿

沟”。第二，强化数字普惠金融与公共服务的协同配

合。结合县域农村金融发展需求，提高县域公共服务

与金融服务的协调性，完善职业培训和医疗卫生等

公共服务，以提高农民人力资本，从而降低使用数字

金融的门槛。保障信息通讯和县城基础设施等公共

服务，以实现金融市场环境的稳定。借助金融机构的

投融资平台创新公共服务供给模式，拓展公共服务

供给渠道，提升供给质量，从而解决财政资源被挤占

和服务供给低效问题，推动农民农村共同富裕。第

三，根据县域资源禀赋和财政自由度差异，因地制宜

配置公共服务，探索适宜本地的经济发展模式。资源

禀赋薄弱的县域应加强社会保障水平，落实福利保

障制度，促进农户可持续生计能力的提升。完善数字

基础设施，深化数字技术运用，推动普惠金融数字化

发展。同时，推进财政改革，提高县域财政自由度，发

挥地方政府的主观能动性，进而提高公共服务与经

济发展需要的均衡性以及与居民生产生活需要的匹

配性，促进农民农村共同富裕。

（三）不足与展望

本文探讨了普惠金融数字化和公共服务均等

化如何影响农民农村共同富裕，对于推动县域经

济高质量发展、促进全体人民共同富裕具有重要

意义，但仍存在有待完善的地方。这里测度公共服

务均等化变量时采用六种基本公共服务的县域人

均水平，尽可能地纳入各维度公共服务，但对于县

域公共服务“均等化”的测量仍有待深化，有待构

建更完善的指标体系，并通过田野调查等方式获

取更精细的数据。

义务教育

（CED）

职业培训

（VTR）

医疗卫生

（HCA）

社会保障

（SSE）

信息通讯

（ICM）

基础设施

（INF）

DCF伊PUS

-31.832

**

（15.993）

470.075

***

（65.567）

6.779

***

（0.777）

0.048

***

（0.011）

3.662

***

（0.322）

0.366

***

（0.029）

样本量 3749 3569 3749 3739 3741 3132

R

2 0.053 0.282

变量

（7） （8） （9） （10） （11） （12）

财政自由度高

表 8（续）

注释：

淤 资料来源于世界银行官网，https://data.worldbank.org.cn/。

于 资料来源于 《我国农村居民人均可支配收入首次迈上2万元台阶》，http://www.ce.cn/cysc/newmain/yc/jsxw/202302/15/

t20230215_38393133.shtml。

盂 由于义务教育的时滞性，短期内增收致富的效果可能无法显现，故对普惠金融数字化促进农民农村共同富裕的调节效应为负。

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·42·

山西财经大学学报 2023 年 第 12 期

［参考文献］

［1］ Han J援How to Promote Rural Revitalization Via Introducing Skilled Labor，Deepening Land Reform and Facilitating

Investment？［J］. China Agricultural Economic Review，2020，12（4）：577-582.

［2］王园园，冯祥玉援数字经济、人口红利与共同富裕［J］援山西财经大学学报，2023，45（6）：1-13.

［3］黄益平，黄 卓援中国的数字金融发展：现在与未来［J］援经济学（季刊），2018，17（4）：1489-1502援

［4］宋 科，刘家琳，李宙甲援县域金融可得性与数字普惠金融——基于新型金融机构视角［J］援财贸经济，2022，43（4）：36-52援

［5］王小华，温 涛援金融资本集聚与城乡收入差距：新中国成立70周年的逻辑验证［J］援农业技术经济，2021（8）：4-19援

［6］张 勋，万广华，张佳佳，等援数字经济、普惠金融与包容性增长［J］援经济研究，2019，54（8）：71-86援

［7］Razzaq A，Yang X D援Digital Finance and Green Growth in China：Appraising Inclusive Digital Finance Using Web Crawler

Technology and Big Data［J］. Technological Forecasting and Social Change，2023，188.

［8］Yu C，Jia N，Li W，et al援Digital Inclusive Finance and Rural Consumption Structure – Evidence from Peking University Digital

Inclusive Financial Index and China Household Finance Survey［J］. China Agricultural Economic Review，2022，14（1）：165-183.

［9］唐丹云，李 洁，吴 雨援金融素养对家庭财产性收入的影响——基于共同富裕视角的研究［J］援当代财经，2023，461（4）：55-67援

［10］尹志超，彭嫦燕，里昂安吉拉援中国家庭普惠金融的发展及影响［J］援管理世界，2019，35（2）：74-87援

［11］王修华，赵亚雄援数字金融发展与城乡家庭金融可得性差异［J］援中国农村经济，2022（1）：44-60援

［12］行伟波，张思敏援财政政策引导金融机构支农有效吗——涉农贷款增量奖励政策的效果评价［J］援金融研究，2021（5）：1-19援

［13］徐光顺，冯 林援数字普惠金融对城乡收入差距影响的再检验——基于农户人力资本投资调节效应的视角［J］援农业经

济问题，2022（5）：60-82援

［14］赵家悦，郜栋玺援中小银行发展、要素禀赋结构与城乡收入不平等［J］援经济评论，2023（1）：55-72援

［15］张德钢，郭皓皓，陆远权，等援财政透明度对基本公共服务均等化的影响研究［J］援宏观经济研究，2021（11）：5-16+111援

［16］任 斌，林 义，周宇轩援地区间财力差异、中央转移支付与社会救助均等化［J］援山西财经大学学报，2023，45（8）：47-57援

［17］Sen A. Capability and Well-Being［M］// Martha Nussbaum，Amartya Sen.The Quality of Life. Oxford：Clarendon Press，1993.

［18］袁志刚，阮梦婷，葛劲峰援公共服务均等化促进共同富裕：教育视角［J］援上海经济研究，2022（2）：43-53援

［19］周心怡，李 南，龚 锋援新型城镇化、公共服务受益均等与城乡收入差距［J］援经济评论，2021（2）：61-82援

［20］Ouraga P K援Fiscal Adjustments，Income Inequality and Economic Growth：an Empirical Analysis of Japanese Prefectures［J］.

Journal of Economic Studies，2021，49（5）：793-808.

［21］李 实，杨一心援面向共同富裕的基本公共服务均等化：行动逻辑与路径选择［J］援中国工业经济，2022（2）：27-41援

［22］林万龙，纪晓凯援从摆脱绝对贫困走向农民农村共同富裕［J］援中国农村经济，2022（8）：2-15援

［23］田雅娟，甄 力援迈向共同富裕：收入视角下的演进分析［J］援统计学报，2020，1（5）：61-68援

［24］王 轶，刘 蕾援农民工返乡创业何以促进农民农村共同富裕［J］援中国农村经济，2022（9）：44-62援

［25］叶兴庆援以提高乡村振兴的包容性促进农民农村共同富裕［J］援中国农村经济，2022（2）：2-14援

［26］田 瑶，赵 青，郭立宏援数字普惠金融与共同富裕的实现——基于总体富裕与共享富裕的视角［J］援山西财经大学学

报，2022，44（9）：1-17援

［27］胡中立，王书华援数字普惠金融发展能否缓解城乡收入差距——基于省级面板数据的检验［J］援统计学报，2021，2（3）：1-13援

［28］冯 明援农民工与中国高储蓄率之谜——基于搜寻匹配模型的分析［J］援管理世界，2017（4）：20-31+59+187援

［29］张 林，温 涛援数字普惠金融如何影响农村产业融合发展［J］援中国农村经济，2022（7）：59-80援

［30］缪小林，张 蓉援从分配迈向治理——均衡性转移支付与基本公共服务均等化感知［J］援管理世界，2022，38（2）：129-149援

［31］洪茹菲，吴建华援数字经济、基本公共服务均等化与农民农村共同富裕［J］援西南民族大学学报（人文社会科学版），

2023，44（6）：123-132援

［32］郭 峰，王靖一，王 芳，等援测度中国数字普惠金融发展：指数编制与空间特征［J］援经济学（季刊），2020，19（4）：1401-1418援

［33］单德朋，张永奇援农村家庭老人照料与农户内部收入财富不平等——基于CFPS2018数据的实证分析［J］援农业技术经

济，2022（12）：88-99援

［34］吕光明，陈欣悦援县域基本公共服务均等化的测度与结构解析［J］援财政研究，2022（4）：52-68援

［35］董艳玲，李 华援中国基本公共服务的均等化测度、来源分解与形成机理［J］援数量经济技术经济研究，2022，39（3）：24-43援

［36］孙学涛，于 婷，于法稳援数字普惠金融对农业机械化的影响——来自中国1869个县域的证据［J］援中国农村经济，2022

（2）：76-93援

［责任编辑：李 莉］

张 翔，等：普惠金融数字化、公共服务均等化与农民农村共同富裕

·43·

金融与投资

Journal of Shanxi University of Finance and Economics

DOI 编码：10.13781/j.cnki.1007-9556.2023.12.004

2023年12月

第45卷 第12期

Dec.，2023

Vol.45 No.12

地方政府偿债压力

如何影响企业社会保险实际缴费

——兼论地方债治理与社会保险征收主体改革的影响

曾祥金，位晓琳，冯梦龙

（中国人民大学 劳动人事学院，北京 100872）

［摘 要］在地方政府债务问题突出和社会保险缴费不实的现实背景下，基于上市公司数据，采用面板固定效应模型考察

地方政府偿债压力对企业社会保险实际缴费的影响。研究发现，地方政府偿债压力降低了企业社会保险实际缴费率；地方政府

偿债压力通过增加企业融资约束，提高企业税收负担与降低社会保险征收力度使企业社会保险实际缴费率下降；地方政府偿债

压力对劳动密集型、盈利能力弱和中西部地区企业的负向影响更大。由税务部门征收社会保险费和加强地方债治理能缓解地方

政府偿债压力的不利影响。

［关键词］地方政府偿债压力；社会保险实际缴费率；融资约束；税费“跷跷板”；征收力度

［中图分类号］F812.7 ［文献标志码］A ［文章编号］1007-9556（2023）12-0044-13

How Does the Debt Servicing Pressure of Local Government Affect the Actual

Payment of Enterprise Social Insurance Contributions

——Discussion on the Effect of Local Debt Governance and Social Security Levy

Subject Reform

ZENG Xiang-jin, WEI Xiao-lin, FENG Meng-long

（School of Labor and Human Resources, Renmin University of China, Beijing 100872, China）

Abstract: Against the realistic background of prominent local government debt issues and inaccurate social security contributions,

this paper adopted the data of listed enterprises and the panel fixed effects model to examine the impact of local government debt

servicing pressure on the actual payment of enterprise social insurance contributions. The study found that, local government debt

servicing pressure reduced the actual rate of social security contributions, where the influential channels included increasing enterprise

financing constraints, raising the tax burden of enterprises, and reducing the levy intensity of social insurance. Meanwhile, local

government debt servicing pressure had a greater negative impact on labor-intensive, weakly profitable enterprises and the enterprises

in the central and western regions. To alleviate the negative impact of local government debt servicing pressure need tax authorities to

［基金项目］国家社会科学基金重大项目（21STA002）

［作者简介］曾祥金（1994—），男，湖北荆门人，中国人民大学劳动人事学院博士研究生，主要研究方向为社会保障理论与政

策、劳动经济；位晓琳（1993—），女，河南巩义人，中国人民大学劳动人事学院博士研究生，主要研究方向为社会

保障理论与政策，就业与收入分配，本文通讯作者；冯梦龙（1996—），男，江苏连云港人，中国人民大学劳动人事

学院博士研究生，主要研究方向为社会保障理论与政策。

·44·

山西财经大学学报 2023 年 第 12 期 曾祥金，等：地方政府偿债压力如何影响企业社会保险实际缴费

levy social insurance contributions, and to strengthen of local debt governance.

Key W ords: debt serving pressure of local government; actual payment rate of social insurance contributions; financing constraints;

tax-fee“seesaw”; levy intensity

一、引言

社会保险是国家法定的制度安排，是增进人民

福祉、提高人民生活品质的基本制度保障。党的二十

大报告提出“健全覆盖全民、统筹城乡、公平统一、安

全规范、可持续的多层次社会保障体系”新要求，更

加强调社会保障制度的公平性、统一性及规范性。然

而，企业社会保险实际缴费率长期以来存在地区差

异且远低于法定水平。虽然政府出台了社会保险降

费政策，但企业缴纳社会保险的合规比例仍呈现下

降趋势。根据《中国企业社会保险白皮书 2022》披露

的数据，中国在 2022 年仅有 28.4%的企业实现社会

保险基数完全合规，与 2015 年相比下降了 10 个百

分点。企业社会保险缴费不足不仅造成了社会保险

基金大量流失、入不敷出的现实问题，还会损害社会

保险制度的公平性。因此，探究企业社会保险逃费的

深层原因并予以规制对于完善中国社会保障体系具

有重要意义。

企业逃避社会保险缴费的动机是减少成本，早

期观点认为过高的法定费率挤出了企业实际缴费

（Feldstein and Liebman，2006；封进，2013）[1，2]，职工

甚至也愿意与企业合谋避费（胡秋明和景鹏，2014）[3]，

但这类文献无法解释为何逃费现象在社会保险降费

政策出台后仍然如此严重。后有学者从财政分权的

视角发现，地方政府为了发展经济会主动降低社会

保险征收力度，从而导致企业社会保险缴费不实（鲁

於等，2019）[4]。这支文献为本文的研究提供了思路，

但它侧重于讨论财政分权下地方政府降低征收力度

的主观动机，尚未关注地方财政压力的直接影响。目

前，地方政府在财政上面临着偿还到期债务的压力，

且被学者们广泛关注。令人遗憾的是，已有文献虽然

分析了地方政府偿债压力对企业创新、雇佣和投资

等企业行为的影响（余海跃和康书隆，2020；王柏杰，

2022；余明桂和王空，2022）[5，6，7]，但仍未涉及对企业

社会保险缴纳的影响。理论上，地方政府偿债压力可

能通过以下三种渠道作用于企业社会保险实际缴

费：（1）地方政府偿债压力可能促使政府发行新债置

换旧债，挤占信贷资源并增强企业的流动性约束，导

致企业社会保险实际缴费率下降；（2）地方政府偿债

压力可能推动政府提高征税努力程度，导致企业实

际税负上升，进而可能形成企业税费“跷跷板”效应，

使企业社会保险实际缴费率降低；（3）地方政府偿债

压力可能同时使得社会保险征收力度下降，进而导

致企业社会保险实际缴费率降低。

虽然地方政府发行债务受到中央的严格限定，淤

无法直接向商业银行贷款，但可以通过融资平台向

金融机构贷款。于基于地方政府的担保，融资平台

能够为地方政府提供充足的资金。如图 1（a）所示，

2011—2020 年间地方政府债务占 GDP 的比例呈持

续上升的态势，地方政府偿还债务的压力越来越

大。为了偿还债务，地方政府不仅会增发新债（表

现为债务规模的不断上升），而且会严格征税以提

高财政收入。如图 1（b）所示，伴随地方政府偿债压

力增加，企业缴纳的实际税率也逐步提升。由于实

际税负加重可能强化企业逃避社会保险成本的动

机，初步推测地方政府偿债压力可能会导致企业

社会保险实际缴费率降低。

图 1 地方政府偿债压力与企业实际税率

年份

（a）全国融资平台带息负债及其占 GDP 比率

地方政府债务对数

（b）2011—2020 年间各省平均地方政府债务与上市公司实际税率

28 29 30 31 32 33 34 35

实

际

税

率︵

%

︶

融资平台带息负债 融资平台带息负债占 GDP 比率 趋势线 实际税率

50

40

30

20

10

40

30

20

10

0

21

17

13

9

5

占

G

D

P

比

率︵

%

︶

负

债︵

亿

元

︶

·45·

山西财经大学学报 2023 年 第 12 期

基于此，本文选取地级市层面的融资平台有息

负债占 GDP 的比重作为地方政府偿债压力的代理

指标，使用 2011—2020 年中国 A 股上市公司数据，

分析地方政府偿债压力对企业社会保险实际缴费率

的影响及作用机制。此外，将进一步评估税务部门全

责征收社会保险费和地方政务债务治理政策的实施

能否改变地方政府偿债压力对企业社会保险实际缴

费率的影响。

可能的边际贡献主要体现在三个方面：第一，揭

示了地方政府偿债压力对企业社会保险实际缴费率

的影响，基于财政压力的视角补充了企业社会保险

缴费不足的诱因；第二，不同于已有文献在研究地方

政府偿债压力影响企业行为的机制时仅考虑对企业

融资的挤出效应，本文进一步从企业税费平衡和地

方政府社会保险征收力度的角度出发，分析地方政

府偿债压力影响企业社会保险实际缴费率的作用机

制，为理解地方政府债务与企业社会保险缴费行为

之间的内在逻辑提供了新的理论分析思路；第三，发

现税务部门征收社会保险费和加强地方政府债务治

理能够缓解地方政府偿债压力对企业社会保险实际

缴费率的不利影响，这对促进社会保险制度公平统

一与科学治理地方政府债务具有政策启示。

二、文献综述与理论分析

（一）文献综述

当政府面临短期赤字时，决策者具有引入预算

外收入、举借债务的偏好（Brixi and Schick，2002）[8]。

与西方国家以发行政府债券为主的举债形式不同，

中国地方政府通过行政命令或提供财政担保的形式

借助地方融资平台向金融机构举债（范剑勇和莫家

伟，2014）[9]。自 2008 年金融危机以来，中国地方政府

债务呈现持续增长的态势。债务扩张的主要原因在

于各级政府间的财政关系和政府的软预算约束造成

地方政府财政收入减少和财政支出增加（贾康和白

景明，2002；王永钦等，2016；张国建等，2020）[10-12]。当

地方政府软预算约束超过一定程度时，则会出现财

政支出规模盲目扩大和投资项目质量扭曲的现象，

从而造成地方政府过度举债（周学东等，2014）[13]。

地方政府融资举债高度依赖银行贷款和“影子

银行”，这导致区域大量信贷资源被挤占（华夏等，

2020）[14]。大量文献以此为机制分析了地方政府债务

对企业投资、创新及雇佣行为的影响。其一，地方政

府债务会提高本地企业的融资成本，对企业投资形

成挤出效应，减少企业投资总量（余海跃和康书隆，

2020）[5]，降低企业投资效率（熊虎和沈坤荣，2019a；

马亚明和张立乐，2022）[14，15]。其二，地方政府债务会

挤占企业信贷资源，减少企业创新资金来源，从而抑

制企业创新活动（熊虎和沈坤荣，2019b）[16]，抑制效

应对抗风险能力弱、融资需求大及融资约束高的企

业更强（刘欢等，2020）[17]。其三，地方政府债务还会

挤出企业融资，减少企业劳动雇佣，该效应主要存在

于民营企业或位于金融发展水平较低地区的企业

（余明桂和王空，2022）[7]。

虽然已有研究从不同视角探讨了地方政府债务

对企业行为的影响，但鲜有文献分析地方政府偿债

压力对企业社会保险缴费的影响。此外，已有研究对

地方政府偿债压力影响企业行为的机制分析主要从

企业融资的挤出效应出发，忽视了其他作用渠道。

（二）理论分析与研究假设

本文从融资挤占效应、企业税费“跷跷板”效应

和社会保险征收力度三个方面分析地方政府偿债压

力影响企业社会保险实际缴费率的作用机制，并据

此提出研究假设。

1.融资挤占效应。由于企业的现金流和劳动报

酬支付在时间点上不匹配，企业需要通过银行信贷

等外源性融资的方式获取流动资金以支付用工成

本，其中就包括为员工缴纳社会保险（Caggesee et

al.，2019；余明桂和王空，2022）[18，7]。若银行不能为企

业提供所需的流动资金，企业将面临严重的融资约

束（李程和孙晨，2022）[19]，便可能会采取降低社会保

险实际缴费率的方式削减用工成本。理论上，地方政

府偿债压力会从融资可得性和融资成本两方面影响

企业的融资约束。

从融资可得性角度，地方政府偿债压力会加

大企业获取信贷资金的难度。地方政府通过向银

行抵押土地使用权、其他优质资产或进行行政干

预的方式获取信贷资金（郭玉清等，2016；刘畅等，

2020）[23，24]。与企业部门相比，银行会优先满足地方政

府在信贷融资中的需求。随着债务逐渐到期，地方政

府会继续采用上述方式向银行举借新债用以偿还历

史债务和利息。在地区信贷资金有限的情况下，地方

政府举债会挤占当地的信贷资源，进而增加企业部

门的融资约束。地方政府偿债压力越大，需要的信贷

融资就会越多，企业部门面临的融资难问题也就越

严重。受信贷融资的限制，企业倾向于采用降低社会

保险实际缴费率的方式减少用工成本。

从融资成本角度，地方政府偿债压力会推升企

业获取信贷的价格。当面临较大的偿债压力时，地方

政府会提高政府债券的到期收益率以保证新债发

曾祥金，等：地方政府偿债压力如何影响企业社会保险实际缴费

·46·

山西财经大学学报 2023 年 第 12 期

行，并用来偿还历史债务。随着地方偿债压力增加，

债务风险上升，地方政府发行债券则需要允诺更高

的到期收益率。然而政府债券到期收益率经常被银

行作为向企业部门发放贷款的利率“标杆”（Graham

et al.，2015；余明桂和王空，2022）[21，7]。因此，地方政

府偿债压力可能会增加企业的融资成本。当融资成

本上升时，企业会通过降低社会保险实际缴费率的

方式减少用工成本支付。基于此，提出假设 H1。

H1：地方政府偿债压力通过加强企业的融资约

束，降低企业社会保险实际缴费率。

2.企业税费“跷跷板”效应。税收是地方政府偿

还债务的重要收入来源，因此地方政府会通过扩大

税收收入的方式来提升偿还负债的能力（曹婧等，

2019；耿申，2020；吴敏等，2022）[22-24]，以减轻自身的

偿债压力。虽然地方政府无法调整名义税率，但可以

通过提高征税力度影响企业实际税率（白云霞等，

2019；田彬彬等，2020）[25，26]。由此可见，与日俱增的地

方政府偿债压力会导致政府严格对企业征税，使得

企业承担的实际税率增加。

对于企业而言，税负和社会保险费均是其成本

的重要组成部分，两者的变动都会影响净利润。为了

实现利润最大化，企业在税负上升时可能采取策略

减少支出，包括逃税、降低社会保险缴费遵从度等。

伴随政府税务稽查力度逐渐加大，逃税的法律风险

不断增加（吉赟和王贞，2019；唐博和张凌枫，2019；

张克中等，2020）[27，28，29]。相应地，企业则会考虑降低

社会保险缴费。虽然社会保险法定缴费率有明文规

定，但企业仍然可以自主决定社会保险缴费基数，多

数企业倾向于按照最低标准缴纳社会保险费（刘媛

媛等，2021）[30]。由于社会保险费长期由社会保险经

办部门征收，其对企业社会保险缴费行为的约束能

力有限，企业可能会通过降低社会保险缴费遵从度

来转移成本压力（程煜等，2021）[31]。因此，企业税负

和社会保险缴费之间存在此消彼长的关系。已有文

献基于行为经济学的分析框架对此进行了探讨，发

现当政府加强税收征管导致企业税负增加时，企业

逃费的风险偏好增加。为了弥补税负成本，企业会采

取更加激进的逃费行为，降低企业实际缴纳的社会

保险费，从而形成税负增加、社会保险缴费下降的税

费“跷跷板”效应（蔡伟贤和李炳财，2021）[32]。基于

此，提出假设 H2。

H2：地方政府偿债压力通过增加企业实际税收

负担，降低企业社会保险实际缴费率。

3.社会保险征收力度。最后，随着征税力度加

大，地方政府的社会保险征收力度反而可能下降。中

国社会保险制度于 20 世纪 90 年代开始实行属地管

理，盂由地方政府负责承担行政区域内企业社会保险

费的征收。属地管理赋予了地方政府社会保险征收

的自由裁量权，具有调整社会保险征收力度的空间。

同时，地方政府在社会保险收支中具有软预算约束，

虽然中央政府目前在地方政府债务上坚持不救济的

原则，但对于地方社会保险基金缺口会通过调剂的

手段进行帮扶。此外，社会保险基金收入出于专用性

原则无法用于满足地方财政需求，地方政府缓解偿

债压力需要依赖稳定的税收收入，而非社会保险基

金收入。基于上述背景，地方政府为了偿还债务可能

通过降低社会保险征收力度、减轻企业成本的方式

激励企业足额纳税，既达到了稳定税源的目的，又兼

顾了企业的生存与发展。

地方政府降低社会保险征收力度会诱发企业逃

避或不规范缴纳社会保险费，如少报缴费基数或直

接拖欠社会保险费（封进，2013）[2]。因此，地方政府降

低社会保险征收力度扩大了企业社会保险缴费的操

作空间，使企业社会保险实际缴费率偏离法定水平。

基于此，提出假设 H3。

H3：地方政府偿债压力会降低地方政府社会

保险征收力度，进而导致企业社会保险实际缴费

率减少。

三、研究设计

（一）数据来源

本文使用 2011—2020 年中国 A 股上市公司数

据，并进行如下处理：首先，剔除主要研究变量缺失

的样本；其次，剔除金融类上市公司样本和 ST 类上

市公司样本；最后，对数据中所有连续变量进行 1%

的双边缩尾处理，最终形成 1 400 家企业的面板数

据。选取地级市层面融资平台有息负债作为地方政

府偿债压力的代理指标。地方融资平台名单来源于

中国银行业监督管理委员会（CBRC），融资平台资产

负债信息来源于 Wind 数据库，企业社会保险实际

缴费率数据来源于国泰安数据库（CSMAR），地级市

层面其他变量来源于《中国城市统计年鉴》和中国研

究数据服务平台数据库（CNRDS）。

（二）模型设定与变量说明

为了考察地方政府偿债压力对企业社会保险实

际缴费率的影响，构建面板固定效应基准回归模型：

SSCRit=琢+茁Debtct+酌Xict+啄i+浊c+姿t+着ict （1）

其中，SSCRit 为企业 i 在年份 t 的社会保险实际

缴费率，是被解释变量；Debtct 为城市 c 在年份 t 的

曾祥金，等：地方政府偿债压力如何影响企业社会保险实际缴费

·47·