陈宇斌，王 森

(1.山西财经大学经济学院，山西 太原 030006；2 暨南大学国际商学院，广东 珠海 519000)

创新作为经济发展的核心引擎，驱动经济高质量发展，探究创新能力的影响机制与提升策略是进一步释放经济发展活力的有效路径[1]。在信息化时代，数字金融的高速发展对创新能力产生着重要影响[2]。长期来看，数字金融要素参与经济发展的重要程度将会越发凸显，并且在传统金融发展的助力下，数字金融将会呈现出更大的发展空间[3]。因此，区域创新能力的提升将更加依赖数字金融要素的集聚。然而，在数字金融集聚空间分布模式异质性的条件下，“数字金融驱动创新”的期盼一定能达成吗？不同省域由数量、规模和禀赋等各不相同的城市单元组成，省域之间存在差异不单由规模和数量解释，也可能是城市发展层面的空间异质性造成的。与创新活动的空间异质性类似，数字要素资源的城市分布非均衡使得数字金融集聚水平在空间层面上具有明显的异质性[4][5]。并且就空间分布模式的具体类型来看，省域在不同的发展阶段呈现出“单中心化”或“多中心化”的差异[6]。根据新经济地理学的理论阐释，数字金融集聚空间分布模式的差异将产生不同的区域创新效应，不合理的空间分布模式非但不能促进区域创新能力的提升，反而降低区域创新能力，从而产生过度集聚的“负外部效应”或“效率损失”[7][8]。那么，怎样的数字金融集聚空间分布模式更有利于区域创新能力的提升？如何合理规划不同城市规模的数字金融集聚空间分布模式，以推动区域创新？数字金融集聚空间分布模式影响区域创新能力的传导路径是什么？

基于上述讨论，本文主要从以下三方面对现有研究进行拓展：第一，将省域内城市层面的数字金融集聚异质性作为切入点，兼顾数字金融集聚单中心化和多中心化空间分布模式对区域创新的影响，通过静态面板估计、工具变量估计等多种方式进行验证；第二，从多中心化的异质性入手，考察不同程度的多中心化空间分布模式对区域创新能力的影响效果及其规律；第三，识别数字金融集聚空间分布模式影响区域创新能力的路径。本研究丰富了数字金融发展与区域创新关系的理论研究，以期为相关部门在制定数字金融和创新发展战略时提供经验借鉴。

一、文献综述与研究假说

(一)文献综述

关于数字金融对创新能力的影响，现有文献分别从省域、城市和企业三个层面进行了研究。省域层面，数字经济不仅被证实对创新能力具有提升作用[9]，而且数字金融还可通过增加人力资本和研发资本、优化产业结构以及减少融资约束间接提升创新能力[10]。城市层面，数字金融对城市创新发展的正向促进作用具有“马太效应”，即创新能力越强的城市，这种促进作用越大，同时传统金融发展在此影响过程中具有正向调节作用[11][12]。企业层面，数字金融发展对企业创新具有“结构性”正向作用，这种作用在金融发展落后地区更为明显，能有效扭转企业的融资难窘境[13]。另外，通过货币基金、数字支付以及保险等途径，数字金融能有效激发中小企业的创新活力[14]。

综上所述，数字金融驱动创新的结论已被相关文献证实，但还存在深化空间：第一，忽略了数字金融在城市层面的空间异质性。现有文献基本专注于数字金融发展规模对区域创新能力的影响，但省域系统内部的城市数字金融集聚空间分布模式可能也会对区域创新能力产生影响。第二，数字金融集聚空间分布模式对区域创新能力的影响并非一蹴而就，影响过程中极有可能存在传导机制。

(二)研究假说

从空间异质性出发，城市既是省域系统中数字金融要素集聚的场所，又是创新活动发生的单元。然而，数字金融发展在省域系统内具有显著的空间异质性，并且通过城市空间分布模式的“单中心化”和“多中心化”表现出来。单中心化的城市空间分布模式表现为等级分明的刚性垂直结构，并且呈现出“一城独大”的空间发展格局；而多中心化的城市空间分布模式表现为扁平化结构，这种结构一般是在垂直结构基础之上，进一步经过空间单元之间的长期发展，空间范围内不同城市间的合作互补和省域系统的持续升级等过程形成的有序的空间分布模式。当然，省域系统内的创新活动本身具有空间自相关性，并且不同的数字金融集聚空间分布模式对区域创新能力产生不同的作用。

1.数字金融集聚单中心化空间分布模式对区域创新能力的影响逻辑。数字金融集聚的“单中心化”空间分布模式容易产生数字金融过度集聚问题，使得“中心”和“外围”的界限过于明显，虽然促进了中心城市创新能力的提高，但可能积累形成“负外部性”，对省域系统整体创新能力造成效率损失。具体地，第一，数字金融作为新兴产业，其新模式、新技术和新业态的形成与发展亟需一个能消化新型产品和服务的成熟市场作为基础支撑。一般，生产要素向高回报率地区汇聚。省域系统内的省会城市作为中心城市，较其他中小城市在区位条件、资源禀赋以及产业结构等方面更具优势，容易形成数字金融发展的“单中心化”要素集聚。而其他中小城市在数字金融培育和发展方面相对薄弱，这些城市的数字金融技术和要素不断向中心城市集聚，从而形成数字金融发展空间失衡的状况。第二，数字金融集聚之“单中心化”极易导致“搭便车”行为。从公共管理和发展的角度考虑，数字金融驱动区域创新的单中心化空间模式反映的是区域创新的单中心化驱动机制，缺乏创新驱动机制的协作体系和条件，难以产生良好的驱动效果。第三，“单中心化”的数字金融集聚空间分布模式不仅与省域系统整体数字金融发展能力提高的要求背道而驰，而且由于中心城市的过度集聚发展造成“虹吸效应”[15][16]，进而形成大城市“肥胖”与中小城市“瘦弱”的空间分布模式，导致两极分化，加剧空间层面创新产出的非均衡性[17]。在此过程中，落后地区数字金融发展环境建设存在一系列问题，比如观念落后、人才激励机制不健全以及区域数字经济发展顶层设计滞后等。由此，本文提出如下假说：

假说1：数字金融集聚单中心化空间分布模式对省域系统整体创新能力的提升具有抑制作用。

2.数字金融集聚多中心化空间分布模式对区域创新能力的影响逻辑。随着数字金融的发展，数字金融集聚空间分布模式由单中心化向多中心化演变，该过程一定程度上有助于化解单中心化的负面效应。优化数字金融集聚空间分布模式，以省域内各城市数字金融协同发展为切入点，推动区域创新的协同升级将是未来发展趋势。数字金融集聚的多中心化空间分布模式为城市的数字金融协同发展提供了条件，有助于化解由于单中心化造成的负外部性和效率损失。一方面，数字金融发展的多中心化空间分布模式避免了因数字金融单中心化发展而造成的要素空间配置不合理和区域创新能力效率损失；另一方面，数字金融发展的多中心化空间分布模式缩短了垂直结构的纵向距离，有助于提高城市单元之间的横向联系与合作，中心城市的发展经验进一步传递至毗邻中小城市，充分实现数字金融相关服务在城市间空间层面的扩散与互馈[18][19]，形成以各城市数字金融协同发展的方式全面推动省域系统创新。

进一步，数字金融集聚空间分布模式多中心化的强度差异可能对省域系统创新能力的影响存在异质性。随着数字金融发展的阶段性进步，更多的城市单元被纳入多中心化空间分布模式发展的范畴之内，使得整个省域系统多中心化强度提升。各个被纳入的城市单元在此空间分布模式内不断学习、交流和合作，通过对数字支付、货币基金以及保险等一系列数字金融技术和服务的应用，进一步强化区域之间的要素流动和产业对接，充分发挥相互之间的比较优势。所以，随着更多的城市单元被纳入多中心化空间分布模式范畴，城市之间的联系互动更加频繁，合作交流更为紧密，数字金融服务和技术在空间范围内实现了更快传播，从而更好地促进了省域系统创新能力的提升。鉴于此，本文提出如下假说：

假说2：数字金融集聚多中心化空间分布模式对省域系统整体创新能力的提升具有促进作用。

假说3：数字金融集聚多中心化空间分布模式对省域系统整体创新能力的促进作用会随着多中心化强度增加而有所强化。

3.数字金融集聚空间分布模式之单中心化、多中心化影响区域创新能力的传导机制。数字金融集聚空间分布模式可能会通过刺激消费支出和增加教育投入而间接促进区域创新能力的提升。具体而言，一方面，数字金融影响消费和教育。数字金融发展通过解决金融排斥问题、缓解融资约束[20]、减贫增收[21][22]、缩小城乡收入差距[23]以及提高支付便捷性等，促成消费增长与居民受教育水平的提高；另一方面，消费和教育也被广泛认为是创新活动的核心动力之一。消费需求的结构性升级促进了创新产出的提高[24]，而教育通过促进人力资本的优化和积累对区域创新能力具有正向促进作用[25]。所以，在数字金融影响区域创新能力的过程中极有可能存在“数字金融—消费—创新”和“数字金融—教育—创新”这两条传导路径。然而，在考虑数字金融空间分布异质性的条件下，数字金融发展通过促进消费增长和教育投入而间接驱动区域创新的前置推论可能不完全成立。根据前文理论分析可知，在空间异质性层面，数字金融集聚单中心化空间分布模式可能会使消费支出和教育投入过度集中于中心城市，造成消费和教育资源在空间层面的分配不均衡，从而可能抑制区域创新能力的提升；相反，多中心化空间分布模式有助于消费潜力和教育资源的多点并发，从而在一定程度上促进区域创新能力的提升。由此，本文提出如下假说：

假说4：数字金融集聚单中心化空间分布模式通过促使消费支出和教育投入过度集聚而间接抑制区域创新能力的提升，而多中心化空间分布模式驱动下的消费和教育资源的空间合理配置有助于提升区域创新能力。

二、实证策略、变量说明与特征事实

(一)模型设定

实证部分重点分析数字金融集聚的单中心化和多中心化的城市空间分布模式对省域系统创新能力的影响及其作用机制，故先构建模型(1)：

(1)

其中，i和t分别代表省份和年份。被解释变量inno代表区域创新能力。H是核心解释变量，反映数字金融集聚的单中心化和多中心化空间分布模式。α代表数字金融集聚的两种空间分布模式对区域创新能力的总效应。Xk代表第k个控制变量，m为控制变量的个数，φk为控制变量影响系数的矩阵形式。α0为截距项，μ代表省份固定效应，υ代表年份固定效应，ε代表随机误差项。

为了验证数字金融集聚空间分布模式影响区域创新能力的传导机制，进一步构建式(2)、(3)：

(2)

(3)

其中，M代表待检验中介变量，其余参数与式(1)类似。根据中介效应检验步骤：第一，α显著代表总效应显著；第二，证明β显著；第三，证明ϖ1和ϖ2均显著且ϖ2·β与α同号，此时直接效应和间接效应显著。同时满足以上三个要求即表明M在H影响inno的过程中承担部分中介作用。

(二)变量说明

1.被解释变量：区域创新能力(inno)。专利申请和授权数量常作为区域创新能力的量化指标。以往研究主要选取各省份专利授权数表征区域创新能力，本文从专利的结构组成入手，进一步考虑专利的发明、实用新型和外观设计三个子类别，借鉴郑万腾等(2021)[26]的做法，分别将上述三种专利赋权为0.5、0.3和0.2，采用加权专利授权数来表征区域创新能力。

2.解释变量：数字金融集聚的单中心化指数(mono)和多中心化指数(poly)。相关数据来自北京大学数字金融研究中心编制和测度的数字普惠金融指数，该数据起始于2011年，覆盖省域、地级市和县域三个层面。数字普惠金融指数可进一步分为覆盖广度、使用深度以及数字化程度三个子维度指数。本文的单中心化指数和多中心化指数主要由26个省域系统内部330个地级市数字普惠金融指数原始数据并结合首位城市占比方法进行构建。

(1)单中心化指数(mono)。单中心化反映省域内部首位城市占比，其构建方法如式(4)所示：

(4)

其中，monoit代表数字金融集聚单中心化指数，n代表省域i内城市数量，DIijt代表省域i在第t年基于数字普惠金融指数且规模位于第j位城市的数字普惠金融指数。

(2)多中心化指数(poly)。多中心化实质上反映的是其他城市与首位城市之间的发展差距，具体构建方法如式(5)所示：

(5)

其中，s代表省域内城市数字普惠金融指数排名(s=2,3,4)。考虑到各省域系统内部的城市数量差异，为增强多中心化指数的可比性和延展性，本文分别计算了二位城市多中心化指数(polyi2t)、三位城市多中心化指数(polyi3t)和四位城市多中心化指数(polyi4t)，多中心化指数值越大，代表该省域的数字金融集聚多中心化程度越高。另外，用poly234表示二位、三位和四位城市多中心化指数均值。

3.中介变量：消费支出(buy)和教育投入(edu)。前者以居民消费支出来衡量，后者以各省份人均受教育年限表征。

4.控制变量。本文还控制了影响区域创新能力的其他外部因素。(1)研发资本(rd)，采用研究与试验发展经费内部和外部支出总和(万元)表征；(2)产业结构升级(ind)，以各省份的第二、三产业增加值与地区生产总值的比重表征；(3)交通设施升级(high)，使用各省份建设高铁的地级市数量与全部地级市数量(包括自治州、盟)的比值表征；(4)数字金融发展规模(index)，相对于单中心化和多中心化指数，该指标作为数字金融发展的规模效应纳入模型右侧，采用北京大学数字普惠金融指数表征。

5.内生性及工具变量识别。基于理论和现实判断，数字金融集聚空间分布模式与区域创新能力之间可能存在内生性。一方面，数字金融集聚空间分布模式可能与区域创新能力之间存在反向因果关系，在数字金融集聚空间分布模式影响区域创新能力的同时，区域创新能力的提升也可能使数字金融集聚空间分布模式发生变化；另一方面，可能忽略了影响区域创新能力的重要因素，使得模型设定存在偏误。鉴于此，本文采用工具变量法识别数字金融集聚空间分布模式对区域创新能力的影响。已有研究中，数字金融的工具变量主要采用互联网与移动电话使用[27]和各地到杭州的球面距离[28]。由于本研究样本属于面板数据结构，而各地至杭州的距离是固定的，考虑到距离类工具变量并不随时间变化，无法估计时间效应,所以将互联网普及率(net,%)和电话普及率(tel,包括移动电话，部/百人)作为本研究工具变量。一方面，互联网普及率和电话普及率是数字金融的基础设备，密切影响着数字金融的发展，满足了工具变量相关性的要求；另一方面，在控制了研发资本、人力资本、交通设施及产业结构等因素后，互联网普及率、电话普及率与区域创新之间并不存在直接联系，保障了工具变量外生性的要求，使得互联网普及率和电话普及率有条件成为有效的工具变量。

6.数据说明。区域创新能力原始数据来自国家知识产权局，教育投入数据来自历年《中国人口与就业统计年鉴》，消费支出、产业结构升级、互联网普及率和电话普及率的原始数据来自中国宏观经济数据库，研发资本数据来自中国科技数据库，交通设施升级数据来自国家铁路局和地方铁路监督管理局。由于数字金融集聚单中心化和多中心化指数的测算是以每个省份的地级市样本为基础的，故剔除北京、天津、上海、重庆四个直辖市以及地级市数据缺失严重的海南和港澳台地区样本，最后保留了2011—2018年26个省份的数据,同时对相应的实量指标做对数处理。表1为变量的描述性统计结果。

表1 变量描述性统计

(三)特征事实描述

1.时空演化特征。为了初步了解区域创新能力、单中心化指数和多中心化指数的时空演变情况，图1刻画了三者的年份均值和个体均值的时序发展及空间分布差异。在时序层面(图1a)，区域创新能力和数字金融集聚多中心化指数在研究期内稳步提升，而单中心化指数呈下降趋势。在空间层面(图1b)，区域创新能力指标上，广东、江苏以及山东等东部沿海省份明显高于其他省份；研究期间单中心化指数较高而多中心化指数较低的为宁夏、陕西、贵州、湖南、四川、云南、山西、湖北、西藏以及青海等中西部省份，多中心化指数较高而单中心化指数较低的主要有山东、广东、江苏、河北以及辽宁等东部沿海省份。

图1 单中心化、多中心化与区域创新能力的时空演化

2.特征线性关系。为了初步揭示数字金融集聚空间分布模式与区域创新能力之间的内在关系，图2分别刻画了数字金融集聚单中心化指数、二位城市多中心化指数、三位城市多中心化指数以及四位城市多中心化指数与区域创新能力之间的线性拟合分布情况。图2显示，单中心化指数与区域创新能力负相关，而二位城市、三位城市以及四位城市的多中心化指数与区域创新能力均正相关。这些事实说明数字金融集聚单中心化空间分布模式对省域系统整体创新能力具有阻碍作用，数字金融集聚多中心化空间分布模式对省域系统整体创新能力具有提升作用。由此初步验证了前文提出的部分前置假说，但这些描述性结论是否可靠，需要建立计量模型加以验证。

图2 线性拟合

三、实证结果分析

(一)单中心化空间分布模式对区域创新能力的影响

1.基准面板回归。在基准估计之前，先通过方差膨胀因子检验排除了解释变量之间的多重共线性，Hausman检验发现，宜选用固定效应面板模型。表2的第(1)、(2)列是没有控制年份和省份效应条件下的估计结果，可以发现，不论是否考虑控制变量的影响，数字金融集聚单中心化空间分布模式对区域创新能力的影响系数均为负且在1%水平上显著。第(3)列同时控制了年份和省份效应，结果同样表明单中心化空间分布模式会阻碍区域创新能力的提升。第(4)列进一步控制了其他变量后，单中心化空间分布模式对区域创新能力的负向影响仍然在5%水平上显著。这说明数字金融发展的“一城独大”不利于区域创新能力的提升。另外，数字金融发展规模、研发资本投入和交通设施升级也正向驱动区域创新。

表2 普通面板估计：单中心化与区域创新能力(N=208)

2.工具变量估计。选用互联网普及率和电话普及率作为数字金融集聚单中心化指数的工具变量，采用两阶段最小二乘(TSLS)和广义矩(GMM)进行估计。工具变量过度识别检验结果显示，p值最小为0.6309且大于0.1，根据Hansen(1982)[29]，工具变量不存在过度识别问题。Wald检验结果显示，显著拒绝“弱工具变量”的原假设，故可认为本文选择的工具变量有效。根据表3结果，在TSLS估计和GMM估计中，单中心化指数对区域创新能力的影响均显著为负，至少通过了5%的显著性检验，因此，可认为基准估计结果可靠。至此，假说1得到验证。

表3 工具变量估计：单中心化与区域创新能力(N=208)

(二)多中心化空间分布模式对区域创新能力的影响

1.基准面板回归。将数字金融集聚多中心化空间分布模式划分为二位城市多中心化(poly2)、三位城市多中心化(poly3)以及四位城市多中心化(poly4)，分别考察其对区域创新能力的影响。表4结果表明，数字金融集聚二位城市多中心化指数、三位城市多中心化指数和四位城市多中心化指数对区域创新能力的影响均显著为正。这说明数字金融集聚多中心化空间分布模式有助于推动区域创新。并且，从第(1)—(3)列估计系数的大小来看，随着多中心化程度的增强，其对区域创新能力的提升作用也增强。

表4 普通面板估计：多中心化与区域创新能力(N=208)

2.工具变量估计。表5数字金融集聚多中心化指数对区域创新能力影响的工具变量估计结果显示，数字金融集聚的二位城市、三位城市以及四位城市多中心化分布模式均能促进区域创新能力的提升；数字金融集聚空间分布模式由二位城市多中心化向四位城市多中心化演变的过程中，其对区域创新能力的正向驱动力递增。综上，数字金融集聚多中心化空间分布模式对省域系统整体创新能力具有提升作用，并且该作用会随着多中心化程度的提高而增强。工具变量过度识别检验发现，p值最小为0.5184且大于0.1，同时，Wald检验结果强烈拒绝“弱工具变量”原假设，这也表明本文选择的工具变量是有效的。总体上，数字金融集聚多中心化空间分布模式在驱动区域创新层面有着显著的“帕累托改进”。因此，假说2和假说3得到验证。

表5 工具变量估计：多中心化与区域创新能力(N=208)

(三)稳健性检验(1)受篇幅限制，稳健性检验结果未报告，作者备索。

1.因变量测量误差。前文采用加权专利授权数表征区域创新能力，此处采用非加权的专利授权数作为区域创新能力的替代指标，重新进行工具变量TSLS估计。估计结果显示，数字金融集聚单中心化指数对区域创新能力的影响显著为负，多中心化指数对区域创新能力的影响显著为正，数字金融集聚由单中心化向多中心化空间分布模式演进过程中，数字金融集聚空间分布模式对区域创新能力的影响表现为负向作用弱化、正向作用强化的趋势。由此，更换被解释变量后的估计结果依然支持基准结论。

2.自变量测量误差。借鉴相关研究，利用赫芬达尔指数(HHI)测算数字金融集聚多中心化指数[30]。HHI主要用于计算和衡量多中心化指数分布的均衡性特征，其值位于0—1区间，值越大代表多中心化程度越低。数字金融集聚多中心化指数通过式(6)计算：

(6)

其中，vcist为数字金融集聚多中心化指数(s=2,3,4)，包括vci2t、vci3t和vci4t；HHIist代表省域i内前s座城市的数字金融集聚多中心化空间分布模式的赫芬达尔指数；DIijt的含义与前文一致；DIit代表第t年省域i内数字普惠金融指数位于前s座城市的指数总和。

估计结果显示，多中心化空间分布模式对区域创新能力具有正向影响，且在由二位城市多中心化演变至四位城市多中心化的过程中，这种正向作用逐渐增强。因此，再次印证了基准估计结果是稳健的。

(四)拓展性分析

1.异质性分析。从数字普惠金融指数的结构异质性角度入手，根据式(4)、(5)分别计算覆盖广度指数集聚单中心化(mono_c)和多中心化(poly_c234)、使用深度指数集聚单中心化(mono_u)和多中心化(poly_u234)以及数字化程度指数集聚单中心化(mono_d)和多中心化(poly_d234)，以探究数字金融次级维度指数集聚空间分布模式对区域创新能力的影响差异。由表6可知，数字金融的三项细分维度指数集聚单中心化对区域创新能力的影响系数至少在10%水平上显著为负，其中使用深度指数集聚单中心化对区域创新能力的抑制作用最明显，估计系数为-0.726，其后依次是覆盖广度指数集聚单中心化和数字化程度指数集聚单中心化，影响系数分别为-0.307和-0.232，这表明数字金融的三项细分维度指数集聚的单中心化对区域创新能力的影响存在异质性。另外，数字金融的三项细分维度指数集聚多中心化空间分布模式对区域创新能力均具有显著的提升作用，但从作用大小来看，覆盖广度指数与使用深度指数的多中心化对区域创新能力的提升作用高于数字化程度指数。

表6 异质性分析(N=208)

2.作用机制分析。为了检验假说4，即消费支出和教育投入在数字金融集聚空间分布模式之单中心化(mono)和多中心化(poly234)影响区域创新能力过程中的传导作用，结合式(2)、(3)进行分步估计。表7为消费支出和教育投入的中介效应检验结果。单中心化对区域创新能力的影响系数为-0.376且在1%水平上显著，说明总效应显著；单中心化对消费支出和教育投入的影响系数分别为-0.142和-0.158且均在1%水平上显著；消费支出和单中心化指数同时加入等式右侧后的影响系数分别为0.683和-0.160且均在1%水平上显著，教育投入和单中心化指数同时加入等式右侧后的影响系数分别为0.724和-0.294且均在1%水平上显著，另外0.683*(-0.142)、0.724*(-0.294)均与-0.376同号。至此，可证明消费支出和教育投入在数字金融集聚单中心化空间分布模式影响区域创新能力的过程中均承担部分中介作用。数字金融集聚单中心化空间分布模式加剧了消费支出和教育投入的集中化，使得消费和教育资源空间分配不合理，从而对省域系统整体创新能力的提升具有抑制作用。同理可知，消费支出和教育投入在数字金融集聚多中心化空间分布模式影响区域创新能力的过程中也均承担部分中介作用。而相比数字金融集聚单中心化空间分布模式，多中心化空间分布模式促进了消费和教育资源在省级空间层面的合理分配，从而提高了区域创新能力。至此，假说4得到验证。

表7 中介效应检验(N=208)

四、结论及政策建议

本文从空间异质性的视角出发，考察了省域系统内部数字金融集聚空间分布模式对区域创新能力的影响及其传导机制。研究发现：(1)中西部省份数字金融集聚空间分布模式主要表现为单中心化，而东部沿海省份主要表现为多中心化；(2)数字金融集聚单中心化空间分布模式会阻碍区域创新能力的提升，而多中心化空间分布模式有助于促进区域创新能力的提升，而且多中心化空间分布模式对省域系统整体创新能力的提升作用会随着多中心化程度的提高而强化；(3)数字金融的三个子维度指数集聚单中心化对区域创新能力的抑制作用由高到低依次为使用深度、覆盖广度和数字化程度，而三个子维度指数集聚多中心化对区域创新能力均表现为显著的提升作用；(4)数字金融集聚单中心化使得消费支出和教育投入过度集中，抑制了省域系统整体创新能力的提升，而多中心化促进消费支出和教育投入在城市层面的合理配置，从而促进了区域创新能力的提升。

根据上述结论，本文提出如下政策建议：第一，建立城市之间数字金融发展的协作体系。数字金融发展的“一城独大”不能有效激发整个区域的创新活力，有必要建立城市之间的数字金融协同发展机制，主张数字金融集聚的多中心化发展。实现数字金融发展规模效应与数字金融集聚多中心化空间分布模式两者的契合，数字金融发展的规模效应与多中心化空间分布模式并不矛盾，需要统筹兼顾。扩大数字金融发展规模，注重发挥多中心化空间分布模式正向驱动创新要素的扩散与互馈作用。第二，合理调整区域数字金融集聚空间分布模式。中西部地区需要为数字金融发展落后的地级市合理配置资源，促进数字金融发展的多中心城市点的形成；同时，促进主次城市间的良性互动，加强城市之间和区域之间的数字金融技术交流与合作，实现数字金融服务更广泛的覆盖，形成协同发展的数字金融发展空间分布模式，推动区域创新。第三，强化数字金融推动区域创新的路径依赖。大力培育消费新增长极，推动数字金融扶贫建设，增加地区教育投入，平衡地区教育资源，推动新型数字信息技术与教育的深度融合创新，全面激发人才创新创业活力。