卫彦琦

（山西大学商务学院，山西晋中 030036）

一、引言

当前，新冠肺炎疫情全球大流行、国际经贸博弈、经济结构调整、经济周期波动等因素对全球产业链供应链造成显著影响[1-2]。变化与适应成为当今世界经济发展的核心主题。从长期看，世界经济的调整和变革将维持较长一段时期，其对国内产业市场的各种突变性、干扰性风险效应会持续释放。值此形势，如何强化国内产业链供应链稳定性，有效抵御外部风险的冲击干扰，成为各界关注的焦点问题。我国产业链根植于深厚制造业基础和广阔市场需求，已逐步形成自身独特优势，具备较强应对外部冲击的韧性，产业发展空间较大。然而，核心技术“卡脖子”、价值链低端锁定、创新能力有待提升等现实问题，仍旧长期制约着我国产业链的高质量发展。2021 年12 月，中央经济工作会议提出，我国经济发展面临需求收缩、供给冲击和预期转弱三重压力，强调要坚持“稳字当头、稳中求进”，“着力稳定宏观经济大盘，保持经济运行在合理区间”。同时，2021 年、2022 年国务院政府工作报告均将“优化和稳定产业链供应链”作为推动实体经济高质量发展的重要任务。2022年10月，党的二十大报告着重强调“提升产业链供应链韧性和安全水平”，对产业链高质量发展提出宏观政策要求和指引。由此可见，新时期增强产业链韧性、确保经济平稳运行对巩固壮大实体经济根基、拉动经济高质量增长、推动实现中国式现代化极具现实意义。

伴随新一代信息技术的快速发展和广泛应用，依托区块链、大数据而发展起来的数字金融为产业链资本供给质量的提升提供了可能[3]。作为金融与数字技术深度结合的产物，数字金融可有效缩短金融机构与产业链主体间的资金供需匹配时间，快速纵深覆盖产业链上下游主体的金融需求。当产业链系统受风险冲击时，数字金融能够快速作出反应，满足产业链主体在应对冲击时调整、维稳的资金需求，提高产业链主体应对冲击的能力，提升产业链韧性。那么，数字金融对产业链韧性的影响究竟如何？伴随产业链韧性提升，数字金融的影响效应有何改变？二者间的作用机制是怎样的？立足这些问题，本文基于2012—2020年省域面板数据，实证分析数字金融对产业链韧性的影响效应。在此基础上，引入创新要素配置水平、市场分割和金融监管变量考察数字金融对产业链韧性的作用机制，以期为新时期增强产业链韧性、稳固实体经济发展提供理论指导。

二、文献评述

“韧性”一词最早由国外学者引入经济学领域。为解释经济发展的不稳定性和复杂性，雷加尼（Reggiani）等[4]首度引入经济韧性概念，探讨空间经济系统应对外部冲击的表现。后续学者在此基础上，在研究经济系统时广泛沿用和扩展经济韧性这一概念[5-8]。近年来，国内学者也就经济学领域各方面的韧性展开丰富探讨，相关研究主要集中在经济韧性、产业韧性、创新韧性等层面。就经济韧性而言，杨桐彬等[9]研究发现，我国城市群经济韧性达古姆（Dagum）基尼系数表现出波动增长的发展态势，且城市群之间经济韧性差距逐渐扩大。王素素等[10]通过对比南北方经济韧性差异发现，南方地区社会韧性、制度韧性低于北方地区，而经济韧性综合指数、结构韧性、规模韧性、开放韧性和创新韧性均高于北方地区。就产业韧性而言，李胜会等[11]提出，知识产权示范城市的设立对城市产业链韧性具有显著正向作用。郑涛等[12]研究指出，技术创新显著促进高技术制造业韧性提升，且产业升级在二者间产生中介作用。王鹏等[13]研究发现，产业集群可显著提升产业应对冲击的适应能力和恢复能力。就创新韧性而言，胡甲滨等[14]提出创新韧性能够显著促进高技术产业创新，且这一影响呈现倒U型变化特征。魏建漳等[15]发现，创新投入多样化通过调节企业结构和产业结构影响创新韧性。

近年来，伴随世界经济下行风险的持续积累，产业链如何在冲击中保持稳定和快速恢复的问题受到学术界高度关注。从已发表的文献看，关于数字金融和产业链韧性直接关系的研究较少，而关于二者间接关系的研究较多。在数字经济和产业链韧性方面，陈晓东等[16]从补链、延链、固链、强链四个维度提出数字经济推动产业链韧性提升的可行路径，促进产业链向更完整、更稳定、更强健的方向发展。在数字经济与经济韧性方面，胡艳等[17]提出数字经济发展对长三角城市经济韧性具有显著的促进作用，其对城市经济抵抗与恢复力的提升效果最明显；陈胜利等[18]提出，数字经济可通过促进产业结构升级、提升创新能力和激发创业活力增强经济韧性。在数字金融与经济韧性方面，崔耕瑞[19]研究显示，数字金融对经济韧性具有显著的正向促进作用。在金融集聚与经济韧性方面，张学超[20]研究指出，金融集聚对城市经济韧性的促进作用在冲击抵御阶段最为明显；华桂宏等[21]研究指出，金融集聚可通过促进科技创新提升城市经济韧性，且这一作用存在区域异质性。

综上所述，目前学者从不同视角对数字金融、产业链韧性进行了诸多有益探讨，为本文研究奠定了基础。然而，在梳理文献的过程中不难发现，当前关于二者的研究还存在如下不足：其一，在经济领域韧性研究中，多数学者将研究重点置于经济韧性、创新韧性等层面，少数学者对产业的研究也主要探讨某单一产业的韧性，立足宏观视角对产业链韧性的分析有待进一步深入；其二，现阶段学者多聚焦研究数字经济与产业链韧性、数字经济与经济韧性、数字金融与经济韧性、金融集聚与经济韧性的影响关系，而忽略了数字金融作为一种全新的金融形式对产业链韧性的影响作用，对二者作用路径的研究更匮乏。有鉴于此，本文基于我国30个省份面板数据，采用固定效应模型、中介效应模型和调节效应模型，实证检验数字金融对产业链韧性的作用机制。本文的创新性贡献在于：第一，立足于理论和实证两个角度，对数字金融与产业链韧性的直接关系进行分析，进一步丰富相关领域研究；第二，应用分位数模型，分析数字金融对不同分位点上产业链韧性的影响，有助于提升数字金融服务产业链韧性的精准性；第三，构建中介效应模型，探究创新要素配置在数字金融与产业链韧性间的中介机制，弥补现有研究不足；第四，运用调节效应模型，引入金融监管和市场分割两个调节变量，审视二者对数字金融与产业链韧性关系的调节效应，进一步加深对二者关系的理解。

三、理论分析与研究假设

（一）数字金融与产业链韧性

产业链韧性是产业链系统在受到风险冲击过程中展现出的抵御能力、恢复能力和适应能力[22]。作为驱动经济运行的源头活水，金融通过资金配置功能不断影响着产业链系统各个方面，对产业链韧性产生深刻影响。数字金融作为金融与数字技术相结合的一种新金融形式，可借助区块链、云计算、大数据等现代信息技术手段有效缩短金融机构与产业链主体的资金供求匹配时间，优化产业链金融资源配置结构，为产业链发展提供高效的金融支持，助力产业链韧性提升[22]。一方面，数字金融能够通过平台构建、场景应用等形式持续创新和丰富金融产品与服务，为产业链主体提供多元融资渠道，以此提升产业链韧性。当经济系统遭受冲击时，金融机构能够快速作出反应，为产业链主体提供金融支持，增强产业链应对冲击的能力，提升产业链韧性。另一方面，数字金融可借助强大的信息网络系统，快速构建起产业链主体间的联结网络，有效打破地域限制，使金融服务突破柜台网点的局限，显著增强产业链主体获取金融服务的快速性、便利性[23-25]。当产业链系统遭受外部冲击时，金融机构能够通过网络空间的应用快速为产业链主体提供金融服务，出台针对性强的金融服务方案，填补其应对风险的资金缺口，提升链上主体应对风险的能力，增强产业链韧性。据此，提出如下假设：

H1：数字金融对产业链韧性具有正向促进作用。

（二）数字金融、创新要素配置与产业链韧性

数字金融作为一种新业态、新模式，能够有力促进人才、资本和技术等创新要素自由流动，达到帕累托最优①，实现创新要素的有效配置，从而增强产业链创新能力，提升产业链韧性。其一，完善人才创新要素配置，为产业链发展输送优质创新人才。人力资本作为一种要素，既是创新活动的发起者，也是创新产品的使用者[26-27]。数字金融借助数字化技术优势，能够有效促进产业链主体规模扩张和外部规模经济形成，为优质创新人才营造良好的创新环境、提供优质的就业岗位，吸引优质人才集聚。同时，外部规模经济有助于降低创新成本，提高创新资源利用效率，完善创新人才评价和回报标准，优化人才创新要素配置，助力产业链韧性提升[28]。其二，完善资本创新要素配置，为产业链发展供给高效创新资本。传统金融服务模式注重历史数据和资产抵押，难以惠及产业链的中小微主体。借助区块链、大数据等现代信息技术，数字金融能够有效缓解资金供求双方信息不对称问题，通过项目筛选、动态监测等方式促进资本创新要素向产业链高效率领域流动，重塑产业链资本创新要素配置结构，为创新项目提供成本合理的金融支持[29]。同时，伴随数字金融的深度应用，创新要素配置成本会因网络经济边际成本的降低而得到大幅削减，使更多金融资源得以向弱势产业链主体流动，提升金融服务的普惠性和精准性，改善创新资本配置，提升产业链韧性。其三，完善技术创新要素配置，为产业链发展提供高质量创新技术支撑。作为数字技术发展的产物，数字金融可依托双边、多边市场产生的网络外部性打破传统的垂直组织结构，提高技术扩散效率，优化技术要素配置路径，为产业链主体发展提供坚实的技术支撑，提升产业链韧性[30]。总体而言，数字金融的发展可有效优化创新要素配置结构，推动创新资源向优势领域集聚，提升产业链主体在面对危机时的自我调节能力和恢复能力，助推产业向中高端迈进，增强产业链韧性。基于上述分析，提出如下假设：

H2：数字金融可通过优化创新要素配置提升产业链韧性。

（三）数字金融、市场分割与产业链韧性

近年来，伴随国内市场一体化进程的推进，地区间市场分割程度有所降低。但是，当前地方保护主义仍然较为严重，对构建全国统一大市场造成阻碍，限制了地区间市场要素的自由流动，从而对地区产业链韧性造成一定影响[31]。其一，市场分割使地区间分工与合作效率显著降低，阻碍研发资本和研发人员跨区域流动，削弱产业链创新知识空间外溢效应，不利于产业链韧性提升。其二，市场分割导致地区市场形成过度保护，使产业链主体的跨地区竞争受到阻隔，不利于形成良好的市场营商环境，限制了产业链韧性提升。其三，市场分割抑制生产要素的自由流动，使各地区制造业等部门的生产要素难以有效更新重组，造成生产要素的配置失衡，显著降低本地产业链主体的市场活力，不利于产业链平稳、均衡发展，对产业链韧性提升产生消极影响。据此，提出如下假设：

H3：市场分割在数字金融驱动产业链韧性提升过程中具有负向调节效应。

（四）数字金融、金融监管与产业链韧性

数字金融在充分降低金融交易成本、扩大服务边界的同时，存在较为严重的信用风险和网络安全隐患，这对金融监管体系提出更高要求。自2015 年中国人民银行等十部门颁布《关于促进互联网金融健康发展的指导意见》后，各金融监管部门分别从监管政策、标准、实施细则等层面加强对数字金融的监管指导。从金融监管的功能价值看，其对数字金融驱动效应的影响主要分为两个方面。一方面，金融监管强度不足时，可能导致数字金融机构的无序扩张以及与传统金融机构的恶性竞争，使数字金融业务开展过程中的潜在风险容易被放大[32-34]，削弱数字金融的驱动效应，阻碍区域产业链韧性提升。同时，金融监管的缺位也可能导致产业链发展存在监管真空地带，制约产业规范发展，不利于产业结构的稳定和健康，降低产业链应对风险冲击的韧性。另一方面，金融监管达到一定强度后，有助于相关金融机构精准、高效地识别和化解系统性金融风险，增强产业链韧性。金融监管强度的提升有助于强化对金融机构、金融业务、金融市场的规范、限制、管理与监督，避免部分企业利用数字金融的低门槛进行金融套利，出现实体经济金融化等现象。金融监管强度的提升能够通过打击惩处违法行为、鼓励创新等措施，降低数字金融业务背后的流动性风险，为数字金融的发展保驾护航[35]，提高产业链主体应对风险时开拓新路径的能力，增强产业链韧性。基于上述分析，提出如下假设：

H4：金融监管在数字金融驱动产业链韧性提升过程中发挥U型调节效应。

四、模型、变量与数据

（一）模型设计

1.基准模型

为考察数字金融对产业链韧性的影响效应，借鉴盛斌等[36]的研究，构建如下计量模型：

其中，i、t分别表示地区和年份，ICT表示产业链韧性；IT表示数字金融；X为本次研究的一系列控制变量，a0为截距项，a1为数字金融对产业链韧性的估计系数，a2为控制变量回归系数；μi、vt、εit分别代表地区固定效应、时间固定效应以及误差项。

2.中介效应模型

在模型（1）的基础上，进一步构建中介效应模型，实证检验创新要素配置在数字金融与产业链韧性间的中介效应。虽然有学者对中介效应模型提出了批评[37]，但其针对的是缺乏理论机制分析基础的中介效应模型。本文建立的中介效应模型严格基于相关理论机制分析，不存在这种问题。具体中介效应模型如下：

其中，b0、c0均为截距项，Mediator为中介变量，b1、c1均为数字金融回归系数，c2为中介变量回归系数，b2、c3均为控制变量回归系数。

中介效应检验流程如下：首先对模型（1）进行回归，a1表示总效应，若a1显著为正，则证明数字金融对产业链韧性影响显著为正。其次，对模型（2）进行回归，若b1显著为正，表明数字金融对中介变量具有正向促进作用。最后，对模型（3）进行回归，c1表示数字金融对产业链韧性的直接影响，c2×b1表示间接影响。在c2显著为正的前提下，如果c1不显著，说明存在完全中介效应；c1显著为正且与模型（1）中的数值a1相比有所下降时，表明存在部分中介效应；否则证明中介效应不存在。

3.调节效应模型

为考察数字金融与产业链韧性间的作用机制，进一步引入市场分割或金融监管与数字金融的交互项，构建调节效应模型如下：

其中，REV表示市场分割或金融监管，为本文的调节变量。γ0表示截距项，γ1表示数字金融回归系数，γ2表示调节变量回归系数，γ3表示交互项回归系数，γ4表示控制变量回归系数，其他变量与前述一致。

（二）变量说明

1.核心解释变量

核心解释变量为数字金融（IT）。采用北京大学数字普惠金融指数表示数字金融发展水平。该指数由北京大学数字金融研究中心联合蚂蚁金服集团基于海量数据测算而成，具有一定的代表性和可靠性。

2.被解释变量

被解释变量为产业链韧性（ICT）。基于演化经济学和适应性韧性理论，产业链韧性可以看作产业链在面临风险冲击的情景下，以技术增长和知识创新不断增强产业链应对风险的适应性和机动性的能力。结合马丁（Martin）[38]提出的韧性理论，本文认为产业链韧性反映产业链在应对冲击时的抗干扰能力及发现新路径的能力。其中，抗干扰能力集中表现为产业链在应对风险时，通过调整产业结构推动各个系统功能互补和资源互补，有效实现风险规避和风险吸收、保持产业链系统平稳运转的能力；发现新路径的能力集中体现为产业链在应对风险冲击时，及时通过创新手段加速生产活动革新，推动产业链持续动态演进和平稳增长的能力。综上，借鉴李胜会等[11]、陈晓东等[16]的研究，从产业多样化和创新能力两个维度综合表征产业链韧性。

其中，产业多样化通过赫芬达尔-赫希曼指数（HHI）即产业集中度的倒数来度量，计算方法如下：

其中，Indiv表示产业多样化指数；HHI表示产业集中度；Si表示i产业产值占地区生产总值的比重。

创新能力（Inno）采用发明专利授权数来衡量。发明专利数越多，表示创新能力越强，即产业链在应对风险时开拓新路径的能力越强。

在得到产业多样化指数和创新能力指数后，通过熵权法测算产业链韧性，具体测算过程如下：

首先，对产业多样化指数和创新能力指数进行标准化处理，避免其受量纲干扰与影响，具体公式如下：

其中，fij表示初始指标数值，i、j分别为地区与指标，n表示指标个数，sij意味着该指标数值已得到标准化处理。

其次，计算指标j的信息熵Ej和指标权重Wj，具体如下所示：

最后，计算其综合指数，得到不同地区产业链韧性评价值。

3.中介变量

创新要素配置水平（AIE）。创新要素是参与创新过程的生产要素，同时也是连接创新主体与创新活动的载体。考虑到创新要素配置系统的多元性和复杂性，若仅从单一指标视角测度创新要素，容易造成测度结果失真，不能完全体现创新要素配置水平。故而借鉴陶长琪等[39]、徐晔等[40]的研究，从与技术创新直接相关的人才、技术、资本三个层面着手，构建创新要素配置水平评价指标体系，如表1所示。采用主成分分析法对创新要素配置水平予以测算。

表1 创新要素配置水平评价指标体系

4.调节变量

调节变量为市场分割（MS）和金融监管（FI）。其中，市场分割主要指地方政府利用行政手段限制区域间资源自由流动的一种地方保护主义形式。本文借鉴桂琦寒等[41]、孔翔等[42]的研究，采用相对价格法测算地区市场分割程度。具体测算方法为：

第一步，将研究地区进行两两配对，对每个地区的8 种居民消费价格指数分别进行相对价格差分，得到两个地区间某类商品的相对价格指数。同时，考虑到相对价格指数表示的是相邻地区价格之间的差异幅度，故而采用相邻地区价格之差的绝对值来衡量相对价格的变动情况。具体测算公式如下：

其中，i、j均代表地区；t代表年份；k代表商品类型；代表k类商品（要素）的价格；代表t年地区i与地区j的k类商品（要素）相对价格。

2022年1月，中国人民银行印发《金融科技发展规划（2022—2025年）》，明确提出“加快监管科技的全方位应用，强化数字化监管能力建设”要求，旨在利用金融科技实现穿透式监管，提升抵御金融风险的能力。其中，金融监管是指政府通过特定的机构（中国人民银行、中国证券监督管理委员会等）对金融交易作出的规定或限制，其本质是一种政府规制行为。本文借鉴王博峰[43]的研究，选取金融监管支出占当地金融业增加值比重作为衡量指标。

5.控制变量

为消除遗漏变量带来的估计误差，进一步控制如下变量：（1）经济发展水平（GDP），选取人均国内生产总值增长率衡量。（2）对外开放水平（AS），采用地区进出口总额与GDP 的比值衡量。（3）市场化水平（MAR），采用各地区民营企业员工比例衡量。（4）人口密度（PD），采用每平方公里人口数的对数衡量。

（三）数据来源

鉴于西藏以及香港、澳门、台湾地区的数据较难获取，在研究过程中剔除上述四个地区，仅以其他30 个省域作为研究样本。研究时限设定为2012—2020年，所涉数据主要来自中国统计年鉴、中国农业统计年鉴、中国工业统计年鉴、中国城市统计年鉴、国泰安数据库、Bankscope数据库、EPS数据库②以及各省、市、自治区和县区公布的官方数据统计报告。同时，为消除数据量纲和数据波动影响，对所有变量均取自然对数。各变量说明如表2所示。

表2 研究变量及说明

五、实证分析

（一）基准回归

基于模型（1），分别使用随机效应（RE）和固定效应（FE）两种估计方法，测算数字金融对产业链韧性的影响效应。表3 显示了每种方法是否加入控制变量的回归结果。表3 的四列中，列（1）为加入控制变量后，随机效应回归的估计结果，列（2）为不加入控制变量时，固定效应回归的估计结果。列（3）为不加入控制变量时，随机效应的回归结果，列（4）为加入控制变量后，固定效应的回归结果。豪斯曼（Hausman）检验表明应选用固定效应模型进行分析。由表3可知，列（2）和列（4）中数字金融的系数分别为0.097和0.084，可以看出不论是否在模型中加入控制变量，数字金融对产业链韧性的影响系数均为正，且均在1%的水平上显著。同时，对比随机效应和固定效应的回归结果后发现，数字金融对产业链韧性的影响均显著为正。综上表明，不论是否加入控制变量，也不论采用随机效应还是采用固定效应进行估计，数字金融对产业链韧性的影响均显著为正。因此，H1 得以验证。在控制变量方面，经济发展水平的估计系数在1%的水平上显著为正。这可能是由于经济发展水平越高的地区，越能够吸引更多的要素资源向本地集聚，从而增强地区产业链韧性。市场化水平的估计系数在1%的水平上显著为负，这可能是因为目前我国市场化水平整体偏低，不利于创新能力的提升和产业多样化发展，一定程度上抑制了地区产业链韧性提升。对外开放水平的估计系数在1%的水平上显著为正，原因可能在于对外开放程度越高，越有利于相关产业借鉴国外先进的技术、管理经验和吸引资金供给，有效促进产业链韧性提升。但也应注意，国外市场冲击会对本土产业链发展造成负面影响，从而抑制产业链韧性提升。人口密度对产业链韧性的影响显著为正，这是由于人口密度较大的地区，通常具备充足且优质的人力资本，在应对产业链冲击时往往具有较强的抵御能力，更有利于维持产业链的平稳发展。

表3 数字金融对产业链韧性的基准回归结果

（二）稳健性检验

1.内生性问题的处理

从前述分析可知，数字金融促进地区创新，提升地区产业链韧性，而产业链韧性也可能对数字金融的发展产生影响。故二者间可能存在因果关系，进而产生内生性问题。对此，借鉴伍德里奇（Wooldridge）[44]的研究，采用系统GMM 方法予以解决。具体操作方法是：将数字金融的滞后一期变量纳入系统GMM 模型中，重新对数字金融与产业链韧性之间的关系进行回归，结果见表4 列（1）。结果表明，数字金融滞后一期对产业链韧性的影响显著为正，验证了前述结论具有一定的稳健性。

2.替换核心解释变量测算方法

为避免在采用北京大学数字普惠金融指数时可能存在研究上的偏误，保证研究结果准确性，本文借鉴滕磊等[45]的研究，采用田霖等[46]测度的互联网金融指数作为代替变量，重新对结果进行回归。与北京大学数字普惠金融指数不同的是，互联网金融指数从风险包容度、覆盖广度和使用深度三个层面衡量互联网金融。回归结果如表4 列（2）所示。可以发现，重新回归后数字金融对产业链韧性的影响依旧为正，且在1%的水平上显著，进一步验证前述结论具有稳健性。

表4 内生性和稳健性检验结果

（三）分位数检验

采用分位数模型对数字金融与产业链韧性的关系展开研究，以进一步探究不同水平产业链韧性对数字金融的敏感程度。表5 显示了产业链韧性在10%、25%、50%、75%、90%的阶段下数字金融的影响结果。由表5 可知，在各分位点上，数字金融对产业链韧性的影响均为正，且均在1%的水平上显著。但是，伴随着分位点的增加，数字金融对产业链韧性的影响由0.224变为0.194，呈现出逐渐降低的态势。究其原因，随着产业结构不断调整和产业链韧性不断提升，数字金融的作用可能出现疲软态势，且单一数字金融服务方式、业务将难以有效支撑产业链韧性不断提升。因此，有关部门应在产业链发展不同阶段，及时制定具有差异性和针对性的数字金融发展方略，不断拓宽数字金融服务渠道和业务种类，为增强产业链韧性提供坚实的数字金融服务保障。

表5 分位数回归结果

六、进一步分析

（一）中介效应分析

将创新要素配置指数代入模型，探讨创新要素配置在数字金融与产业链韧性间的作用机制（参见表6）。

中介效应检验程序中的第一步已经在前面作了说明。第二步，检验数字金融对创新要素配置的影响。表6列（1）结果表明数字金融显著促进创新要素配置水平的提升。第三步，将数字金融与创新要素配置指数同时纳入模型进行检验。结果表明数字金融与创新要素配置水平的系数均在1%的水平上显著为正，且数字金融回归系数相较表3 列（4）反映的数字金融总效应有所下降。由此，可以证明创新要素配置在数字金融与产业链韧性之间发挥部分中介效应，H2得到验证。

表6 中介效应回归结果

（二）调节效应分析

为进一步检验市场分割、金融监管的调节作用，再次将市场分割、金融监管的一次项与二次项及其与数字金融的交互项引入模型。考虑到不同地区经济发展水平、市场化水平存在差异，故而针对全样本、东部地区样本、中部地区样本和西部地区样本，分别进行检验（参见表7）。就市场分割的调节效应检验结果而言，结合表7 中数据可以发现，各样本分组中市场分割的系数均显著为负，这表明市场分割对产业链韧性起着负向调节作用，H3得以验证。这主要是因为产业链韧性提升与区域资源禀赋之间存在较大关联。东部地区拥有较优越的地理位置和一定程度的政策倾斜，并占据历史发展优势，对产业链抵御、恢复和整合能力的提升效果更明显。中西部地区市场分割较严重，且数字金融发展水平相对较低，导致该地区市场分割对数字金融与产业链韧性的负向影响较大。就金融监管的调节效应检验结果而言，分析表7中数据可知，数字金融与金融监管一次项交互项的估计系数均显著为负，数字金融与金融监管二次项交互项的系数显著为正。这表明金融监管在数字金融与产业链韧性间发挥U型调节效应。因此，H4得以验证。究其原因，当金融监管强度不足时，数字金融业务开展过程中的潜在风险容易被放大，最终反映为产业链主体应对风险能力下降，即产业链韧性缺失。而严格的金融监管有助于减少数字金融业务中的违规现象和风险，驱动金融资源合理、合规配置，充分发挥数字金融的产业链韧性提升效应。

表7 调节效应回归结果

七、结论与建议

（一）结论

本文运用2012—2020 年省域面板数据，考察数字金融对产业链韧性的影响效应及影响机制。研究发现，第一，数字金融对产业链韧性提升具有显著促进作用，且这一结论在经过一系列稳健性检验后依旧成立。第二，通过分位数回归发现，产业链韧性越强，数字金融对其影响效应越小。第三，中介机制检验发现，创新要素配置是数字金融影响产业链韧性的重要渠道，即数字金融可通过优化创新要素配置提升产业链韧性。第四，调节作用检验发现，市场分割对数字金融与产业链韧性的关系具有负向调节效应，金融监管在数字金融与产业链韧性之间的调节效应呈U型变化特征。

（二）建议

1.推动金融业务数字化转型

数字金融可显著促进产业链韧性提升，相关部门应积极加大数字化投入，坚持围绕产业链、创新链等部署资金链，建立和完善金融资产信息库，着力推动金融业务数字化进程。第一，拓展数字金融业务覆盖范围。金融机构应深入运用数字技术手段，提升传统业务的在线服务和触达能力，优先建立全方位数字化金融业务体系，拓展金融业务服务宽度，高效对接产业发展需求。在此基础上，尽快建设数字化中台体系，实现数据资产化，通过场景、业务、数据进行数字化组合，实现金融业务的组合创新，为产业链平稳发展提供高效、丰富的金融服务。第二，提升数字金融服务质量。研究发现，伴随产业链韧性分位点提升，数字金融的影响效应逐渐降低。对此，有关部门应依据产业发展阶段和发展特征不断调整数字金融结构，在扩大数字金融服务“量”的基础上进一步提升服务的“质”，助推数字金融服务长效化发展。其一，提升数字金融服务精准性。政府应支持数字经济与普惠金融、供应链金融、科技金融、绿色金融、三农金融等重点金融领域有机结合，构建互信共生的数字金融协同发展体系，加强政府相关部门的沟通协调，为产业链发展的各阶段提供靶向精准服务。其二，增强数字金融服务的针对性。有关部门应加大对装备制造产业、农业产业、航天航空产业等重点领域的数字金融支持力度，切实提升重点产业抵抗风险的能力，提升产业链关键节点的韧性。

2.打破地区市场分割

市场分割对数字金融和产业链韧性的关系具有负向调节作用。因此，地方政府应加快落实、推进全国统一大市场建设进程，破除地区间市场壁垒，消除地方保护主义，改变地方政府的策略行为，使之主动放弃市场分割。在此基础上，推动地方积极融入国内市场分工体系，加速地区间市场整合进程，充分发挥我国庞大市场的优势，为产业链韧性提升打造开放的市场基础。从短期层面看，政府应利用转移支付等方式，鼓励和推动落后地区快速融入国内市场体系。对融入积极性不高的地区，可采用一定的惩罚措施，提高地方进行市场分割的成本和代价，促使这些地区全面融入国内大市场。从长期层面看，有关部门应强化制度约束，对地方市场分割行为加强监管和干预，构建全国统一大市场，为提升产业链韧性提供良好的市场环境。

3.深化金融监管体系变革

当金融监管强度达到一定程度后，会逐步释放其对市场、金融发展的正向效应，显著优化市场创新和发展环境，从而对产业链韧性产生积极作用。因此，有关部门应积极加快数字金融监管体系变革，逐步优化金融监管交叉性强、重复率高的环节，提升数字金融监管质量和监管效率，促使金融监管对数字金融与产业链韧性关系调节的拐点尽早到来。一方面，有关部门应积极优化、补充金融监管体制机制，科学引导数字金融高质量发展，增强数字金融对产业链韧性的正向作用；另一方面，要积极利用现代化信息技术，重点发展监管科技的研发和应用，构建综合金融监管服务平台，提高金融监管的有效性、针对性和及时性，强化金融监管效能。

4.完善创新要素配置

数字金融可通过完善创新要素配置间接促进产业链韧性提升。因此，有关部门应积极完善创新要素配置，逐步增强产业技术创新能力，为提升产业链韧性夯实创新基础。就人才创新要素而言，政府应以人才强国战略为依托，积极制定和实施人才引进相关政策，吸引人才进入本区域，形成规模效应和集聚效应，切实提升产业链韧性。就资本创新要素而言，应进一步加大政府对数字科研创新财政资金的投入力度，通过制定相关税收优惠政策、扶持政策等方式，引导企业、学校和科研机构积极创新，提高相关技术研发创新能力，驱动产业链韧性提升。就技术创新要素而言，一方面，加速建设技术转移机构。政府应鼓励和支持产业链主体与高校、科研机构开展合作，共同建立技术研发中心、产业研究院等新型研发机构，构建产学研紧密结合的技术创新体系。另一方面，推动技术要素与其他要素融合发展。有关部门应积极鼓励金融机构开展知识产权质押等方式的融资，取消技术转移转化过程中的金融服务壁垒，推动科技成果资本化，从而提升产业链韧性。

注释：

①帕累托最优（Pareto Optimality），也称为帕累托效率（Pareto Efficiency），是指资源分配的一种理想状态。假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，使得至少一个人变得更好，这就是帕累托改进或帕累托最优化。

②数据来源：国泰安数据库（www.gtarsc.com）、Bankscope 数据库（www.bvdinfo.com）、EPS数据库（www.epsnet.com.cn）。