| 1,859 | 10 | 61 |
| 下载次数 | 被引频次 | 阅读次数 |
基于内生经济增长理论和新经济地理学理论，构建数字金融、适宜性技术创新与全要素生产率提升的理论分析框架，并基于2011-2019年中国八大城市群139个城市的面板数据，实证检验适宜性技术创新模式下数字金融驱动城市全要素生产率提升的作用机理和影响效应。研究结果表明：数字金融对城市全要素生产率提升产生显著的激励效应；适应性技术创新视角下数字金融能够通过促进不同类型技术创新驱动城市全要素生产率提升；数字金融对城市全要素生产率提升的空间溢出效应因技术创新类型、区域经济地理特征的差异而呈现显著的时空异质性。上述研究结论的启示：要深入推进数字金融资源空间均衡协调发展，增强数字金融服务与区域技术创新模式、经济地理特征的耦合适配性，充分发挥数字金融的技术创新激励效应和全要素生产率提升效应。
Abstract：[1]Chambers R G,F?re R,Grosskopf S.Productivity Growth in APEC Countries[J].Pacific EconomicReview,1996,1(3).
[2]F?re R,Grosskopf S,Pasurka C A.Environmental Production Functions and Environmental DirectionalDistance Functions[J].Energy,2007,32(7).
[3]Fujita M,Krugman P.The New Economic Geography:Past,Present and the Future[J].Papers in RegionalScience,2004,83(1).
[4]Grossman G M,Helpman E.Quality Ladders in the Theory of Growth[J].The Review of EconomicStudies,1991,58 (1).
[5]Howitt P,Aghion P.Capital Accumulation and Innovation as Complementary Factors in Long-RunGrowth[J].Journal of Economic Growth,1998,3(2).
[6]LeSage J P,Pace R K.Introduction to Spatial Econometrics[M].Boca Raton:CRC Press,2009.
[7]Vandenbussche J,Aghion P,Meghir C.Growth,Distance to Frontier and Composition of HumanCapital[J].Journal of Economic Growth,2006,11(2).
[8]白俊红,蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J].财贸经济,2011(10).
[9]陈中飞,江康奇.数字金融发展与企业全要素生产率[J].经济学动态,2021(10).
[10]惠献波.数字普惠金融与城市绿色全要素生产率：内在机制与经验证据[J].南方金融,2021(5).
[11]简泽,徐扬,李玉花,等.生产率困境的形成与治理机制：一个新的理论框架[J].管理世界,2020 (1).
[12]江红莉,蒋鹏程.数字金融能提升企业全要素生产率吗?——来自中国上市公司的经验证据[J].上海财经大学学报,2021(3).
[13]李春涛,闫续文,宋敏,等.金融科技与企业创新——新三板上市公司的证据[J].中国工业经济,2020(1).
[14]蔺鹏,孟娜娜.环境约束下京津冀区域经济发展质量测度与动力解构——基于绿色全要素生产率视角[J].经济地理,2020(9).
[15]蔺鹏,孟娜娜.绿色全要素生产率增长的时空分异与动态收敛[J].数量经济技术经济研究,2021(8).
[16]聂秀华,江萍,郑晓佳,等.数字金融与区域技术创新水平研究[J].金融研究,2021(3).
[17]潘敏,袁歌骋.金融中介创新对企业技术创新的影响[J].中国工业经济,2019(6).
[18]朴哲范,陈写,段琳琳.数字金融对区域结构性全要素生产率的空间效应——基于我国237个城市的经验证据[J].浙江社会科学,2023(3).
[19]钱海章,陶云清,曹松威,等.中国数字金融发展与经济增长的理论与实证[J].数量经济技术经济研究,2020(6).
[20]邵宜航,刘仕保,张朝阳.创新差异下的金融发展模式与经济增长:理论与实证[J].管理世界,2015(11).
[21]孙瑜康,李国平,席强敏.知识结构、城市异质性与创新水平提升[J].经济管理,2021(5).
[22]宋敏,周鹏,司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角[J].中国工业经济,2021(4).
[23]唐松,赖晓冰,黄锐.金融科技创新如何影响全要素生产率:促进还是抑制?——理论分析框架与区域实践[J].中国软科学,2019(7).
[24]唐松,伍旭川,祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界,2020(5).
[25]王儒奇,陶士贵.数字金融对中国实体经济韧性的影响研究[J].现代经济探讨,2024(11).
[26]温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014(5).
[27]杨慧梅,江璐.数字经济、空间效应与全要素生产率[J].统计研究,2021(4).
[28]余泳泽,张先轸.要素禀赋、适宜性创新模式选择与全要素生产率提升[J].管理世界,2015(9).
[29]张佳佳.数字金融、技术创新与企业竞争力——来自中国A股上市企业的实证证据[J].南方金融,2023(1).
[30]赵军,李艳姗,朱为利.数字金融、绿色创新与城市高质量发展[J].南方金融,2021(10).
①东部地区选择京津冀、长三角和珠三角城市群，中部地区选择中原和长江中游城市群，西部地区选择成渝和关中城市群，东北地区选择哈长城市群。
②作为Malmquist和Malmquist-Luenberger生产率指数的一般化形式，Luenberger生产率指数采用基于差值分解的相加结构形式，使其具有更强的稳健性(Boussemart等，2003)。
③不同于同时考虑CRS和VRS生产条件测算的超效率SBM-Luenberger生产率指数，稳健检验中被解释变量为VRS生产条件测算的超效率SBM-Malmquist-Luenberger生产率指数。
基本信息:
中图分类号:F832;F49;F299.2
引用信息:
[1]孟娜娜,蔺鹏.数字金融何以驱动中国城市全要素生产率提升?——基于适宜性技术创新的机制检验[J].南方金融,2024,No.579(11):19-36.
基金信息:
2021年度河北省社会科学基金项目《京津冀城市群视阈下河北省数字经济高质量发展的功能解构与引导政策研究》(项目编号：HB21YJ007)的资助
2025-02-08
2025-02-08
2025-02-08