引言

全球经济面临多重不确定性，提升经济韧性成为关键战略。经济韧性指经济体受外部击后快速恢复适应的能力，金融体系稳健性直接影响其水平，而传统金融存在覆盖不足等问题。中国数字普惠金融2011-2023年持续发展，覆盖广度、使用深度和数字化程度显著提升，通过数字基建、技术创新和产业集聚优化金融资源配置，为提升经济韧性赋能。现有研究对二者关系探讨不充分，本文旨在测度城市经济韧性，系统分析数字普惠金融的影响机制与效果，提供理论依据和政策建议。

一、国内外研究现状

数字普惠金融作为数字技术与普惠金融的有机融合，近年来在理论研究与实践应用中均取得显著进展。首次对其作出定义的是2014年10月G20普惠金融全球合作伙伴与国际清算银行联合举办闭门会议，其强调运用数字技术为金融服务匮乏群体提供正规、可负担和可持续的金融服务。其中宋晓玲通过实证研究发现城乡居民的收入差距的缩小可以由数字普惠金融的发展来推动；张金林等基于CHFS围观调查数据探究了我国数字普惠金融对共同富裕的影响，发现数字普惠金融可以通过创业活跃度的提高显著提升对共同富裕的推进。

学界对经济韧性的研究主要可以分为三个阶段：2002-2010年为概念形成期。这一时期,Reggiani首次将生态学“韧性”引入空间经济学，后来逐步演化发展形成“工程韧性-生态韧性-均衡韧性-演化韧性”的概念谱系。2010-2024年为理论深化期。这一时期Martin提出“抵御-恢复-适应-改革”四维度分析框架，开启GDP、失业率等核心变量的定量测度。2025年之后为理论拓展期。实证研究层面目前针对经济韧性的测量学界并未有统一的标准，大部份实证文献研究主要采用核心变量法、指标体系法展开研究。

对数字普惠金融与经济韧性关系的探究方面现有的文献还不够丰富，且主要集中于农业经济和城市、区域经济方面，对于产业和产业链方面的研究较为匮乏。因此本文通过全国各省份的面板数据，构建核心指标度量经济韧性，引入产业集聚和数字基础设施建设作为中介变量研究数字普惠金融与城市经济韧性之间的关系，以期对数字普惠金融对城市经济韧性的影响做一补充和完善。

二、理论分析与研究假设

（一）数字普惠金融对城市经济韧性的影响

现有研究指出，数字普惠金融能够通过促进消费升级、提高产业升级显著提升区域经济韧性，其作用机制可从创新驱动、产业赋能、消费激活三个维度展开：首先，数字普惠金融破解传统融资壁垒，成为企业技术创新的“资金孵化器”。其次，数字普惠金融构建“新兴产业培育+传统产业升级”的双轨赋能体系。最后，数字普惠金融通过支付便利化与消费信贷创新双轮驱动消费升级。因此本文提出假设：

假设1：数字普惠金融发展能够提升城市经济韧性。

（二）数字普惠金融对城市经济韧性的影响路径

第一，建设数字基础设施，加快数字化转型。发展数字普惠金融，数字基础设施的建设是不可或缺的一部分。一方面，数字基础设施建设可以推动地区基础建设朝着信息化和数字化方向转型。另一方面，数字基础设施建设基于科技赋能，拓展了各区域间的信息、知识等学习渠道，丰富了中小微企业和农村居民的信息获取渠道，从而提升家庭收入和应对突发危机的抵抗力，进一步提升区域经济韧性。据此，本文提出假设：

假设2：数字普惠金融能有通过建设数字基础设施建设提升城市经济韧性。

第二，促进数字产业集聚，推动要素共享与流动。数字普惠金融通过优化资源分配与降低交易成本，显著推动了产业集聚的形成与发展。一方面，数字产业集聚基于互联网和数字虚拟平台，能够突破地理空间的限制封锁。另一方面，数字产业集聚能够推动技术扩散，同时促进人才流动。据此，本文提出假设：

假设3：数字普惠金融能有通过促进数字产业集聚提升城市经济韧性。

三、研究设计

（一）模型设计

1.基准模型：双向固定效应面板回归

为了验证数字普惠金融对城市经济韧性的影响，本文构建如下计量模型：

(1)

其中，i表示各省份；t表示年份；为被解释变量城市经济韧性，表示i省份在第t年的经济韧性水平；为解释变量i省份在第t年数字普惠金融指数；为控制变量；为常数项；为核心解释变量的系数，若显著为正，则说明数字普惠金融提升了地区经济韧性；为控制变量的参数；为个体固定效应；为时间固定效应；为随机扰动项。

2.中介效应模型

(2)

(3)

其中，为中介变量，包括数字基础设施建设（digfra）和产业集聚（agg），其余变量含义同式(1)。

（二）变量选取与数据来源

鉴于数据的可获得性，本文对数据严重缺失的地级市进行了剔除，选取2011-2023年全国285个地级市作为样本数据。数据来自《中国统计年鉴》、《北京大学数字普惠金融指数》、《中国城市统计年鉴》及政府工作报告。对于部分缺失的数据采用线性插值法进行估算和填补。

1.被解释变量：地区经济韧性（re）。本文参考Simmie和Martin的研究，用经济核心指标的敏感度GDP在城市层面的表现差异对地区经济韧性予以测度。具体计算公式为：

(4)

2.核心解释变量：数字普惠金融的发展水平(index)。

3.中介变量：建设(facP)。

4.控制变量：本文的控制变量选取经济发展（lnpcgdp），工业化水平（ps），公共服务水平(lnfinout)，技术创新(patents)。

四、实证结果分析

本文以城市经济韧性(Re)为被解释变量，数字普惠金融为核心解释变量，经济发展、工业化水平、公共服务水平和技术创新为控制变量构建了面板数据模型。根据豪斯曼检验的结果得到固定效应模型更适合本文分析，故选择面板固定效应模型。

变量描述性统计

表1 描述性统计

VarName	Obs	Mean	SD	Min	Max
Re	3705	7.456	0.952	4.896	10.686
index	3704	201.779	78.733	17.020	373.221
lnpgdp	3705	10.800	0.552	8.842	12.486
ps	3705	39.500	9.478	11.320	73.000
lnfinout	3653	5.777	0.763	2.820	9.174
patents	3705	7850.194	19709.423	15.000	2.80e+05

如表1所示，城市经济韧性均值为7.456，最大值为10.686，最小值为4.896，标准差为0.952，说明城市经济韧性整体处于合理区间，但仍有提升空间且不同城市的差异较大。数字普惠金融水平均值为201.779，最小值仅为17.020，表明城市间数字普惠金融发展不平衡不充分。为了缩小数量级差异且保证回归结果不受影响，本文在回归是对数量级较大的产业GDP值和财政指出等均作了取对数处理。

基准回归分析

表2 基准回归分析

	(1)	(2)	(3)	(4)
	re	re	re	re
Index	0.00871***	0.00414***	0.00406***	0.00258***
	(0.000606)	(0.000366)	(0.000365)	(0.000307)
lnpgdp		0.751***	0.754***	0.728***
		(0.0253)	(0.0246)	(0.0262)
ps			0.00240***	0.00249***
			(0.000495)	(0.000472)
lnfinout				0.189***
				(0.0298)
patents				0.00000129***
				(0.000000258)
_cons	5.699***	-1.487***	-1.600***	-2.123***
时间固定	YES	YES	YES	YES
地区固定	YES	YES	YES	YES
	(0.122)	(0.272)	(0.258)	(0.242)
N	3704	3704	3704	3652
R2	0.979	0.991	0.992	0.993

注：圆括号内为标准误；*、**、***分别表示在10%、5%、1%水平下显著。

基于双向固定效应模型，本文对2011-2023年我国市级面板数据进行逐步回归，得出数字普惠金融与城市经济韧性的回归结果。具体结果如上表2所示。

表2为在核心解释变量的基础上逐步加入控制变量对城市经济韧性的回归结果。可以看出数字普惠金融对城市经济韧性具有正向促进作用，且在1%水平上显著，各控制变量的加入回归也呈现出正向显著的结果。其背后的逻辑可能是，数字普惠金融打破信息不对称，促进社会贸易，深度开发长尾群体的经济潜力，从而刺激市场上低收入群体的消费，推动城市经济韧性的提升。

内生性检验

表3 内生性检验

	(1)	(2)
	firstx_index	second
VARIABLES	index	re
iv_1	0.4327***
	(7.31)
index		0.0075*
	(14.23)	(1.75)
ps	-0.0305	0.0144***
	(-0.48)	(7.15)
lnfinout	3.5505***	1.0862***
	(3.35)	(32.01)
patents	0.0003***	-0.0000***
	(4.74)	(-3.06)
Constant	-34.1358**	-5.0649***
	(-2.36)	(-9.74)
Anderson canon. corr. LM statistic	45.82***
Cragg-Donald Wald F statistic	53.48 (16.38)
Observations	284	284
R-squared	0.935	0.923

注：圆括号内为标准误；*、**、***分别表示在10%、5%、1%水平下显著。

本文借鉴黄慧群等的方法，使用2017年常住人口口径下每百人互联网宽带用户数量来替代数字普惠金融进行工具变量估计。2SLS检验结果如表3所示。在第一阶段回归中，选取的工具变量每百人互联网宽带用户数量对核心解释变量数字普惠金融的回归系数显著为正，同时通过了弱工具变量检验，表明该工具变量的选取是可行的。在第二阶段回归中，使用工具变量表示的数字普惠金融对城市经济韧性的回归系数显著为正，表明在通过工具变量法控制内生性问题之后，核心解释变量的正负与显著性均与基准回归结果一致，仍然能够得到数字普惠金融正向影响区域经济韧性的理论。

稳健性检验

表4 稳健性检验

	(1)	(2)	(3)	(4)
	re	re	re	re
L.index	0.00765***	0.00415***	0.00413***	0.00275***
	(0.000628)	(0.000393)	(0.000392)	(0.000341)
lnpgdp		0.730***	0.732***	0.711***
		(0.0275)	(0.0268)	(0.0280)
ps			0.00297***	0.00298***
			(0.000577)	(0.000554)
lnfinout				0.173***
				(0.0299)
patents				0.00000107*** (0.000000268)
时间固定	YES	YES	YES	YES
地区固定	YES	YES	YES	YES
_cons	6.012***	-1.226***	-1.352***	-1.869***
	(0.121)	(0.300)	(0.284)	(0.272)
N	3419	3419	3419	3367
R2	0.980	0.992	0.992	0.993

注：圆括号内为标准误；*、**、***分别表示在10%、5%、1%水平下显著。

为了强化结论的稳健性，本文在原模型的基础上，滞后一期处理核心解释变量数字普惠金融指数，对城市经济韧性进行回归。回归结果如表4所示。通过对比表2和表4的回归结果可知，在对核心解释变量数字普惠金融指数进行滞后一期处理后，核心解释变量数字普惠金融对被解释变量城市经济韧性的回归系数仍显著为正，各控制变量的回归系数也显著为正，但相对大小有一定程度的变动。在基准回归结果中，数字普惠金融的系数高于其滞后一期的回归系数，本文认为该结果出现的一个可能原因是数字普惠金融对经济韧性的影响可能存在“短期强，长期弱”的特征，滞后一期时部分政策红利可能会被市场消化，导致其影响效应相对较弱。

中介效应检验

表5 中介效应检验

	(1)	(2)	(3)	(4)	(5)	(6)
	y_lngdp	m_agg	y_lngdp	y_lngdp	m_facP	y_lngdp
x_index	0.00258***	0.000512***	0.00167***	0.00258***	0.00000779***	0.00256***
	(0.000307)	(0.0000544)	(0.000320)	(0.000307)	(0.00000268)	(0.000306)
m_agg			1.769***
			(0.233)
m_facP						2.716
						(1.707)
_cons	-2.123***	-0.397***	-1.420***	-2.123***	-0.000548	-2.121***
	(0.242)	(0.0256)	(0.249)	(0.242)	(0.00114)	(0.242)
N	3652	3652	3652	3652	3652	3652
R2	0.993	0.970	0.994	0.993	0.609	0.993

注：圆括号内为标准误；*、**、***分别表示在10%、5%、1%水平下显著。

进一步地，为识别数字普惠金融促进城市经济韧性的提升机制，本文引入中介变量数字基础设施建设和促进数字产业集聚来验证数字普惠金融对城市经济韧性的影响路径。

由表5第（2）列结果可以看出数字普惠金融能够显著正向促进城市产业集聚，该结果背后的逻辑可能是传统金融市场因信息不对称而对企业融资形成约束，数字普惠金融借助大数据与算法技术提升信用评估效率，降低中小企业融资门槛与成本，从而释放更多资金用于研发投入与技术迭代。

由第（5）列的回归结果可以看出，数字普惠金融能够显著正向推动数字基础设施建设，该结果的原因可能是数字基础设施建设可以推动地区基础建设朝着信息化和数字化方向转型。提升区域整体的信息网络服务能力与服务质量，从而提高区域创新能力，为低于外部扰动提供保障。

五、研究结论与对策建议

基于2011-2023年中国285个地级市面板数据的研究表明，数字普惠金融通过数字基础设施建设与数字产业集聚双渠道显著提升城市经济韧性，结论经内生性及稳健性检验依然成立。其机制为：破解融资壁垒促企业研发、推动产业升级与集聚，数字基建降成本带动消费转型形成韧性循环。

基于上述研究结论，提出以下对策建议：首先，加强数字普惠金融与实体经济的深度融合。将数字普惠金融纳入城市经济韧性建设核心框架；其次，优化数字普惠金融发展的市场环境。进一步深化市场化改革，完善市场机制，提高资源配置效率，为数字普惠金融发挥作用创造良好的市场环境；再次，持续推进数字普惠金融发展，优化数字普惠金融生态；最后，加强区域协同，促进数字普惠金融的空间溢出效应。

参考文献：

1. [1] 宋晓玲.数字普惠金融缩小城乡收入差距的实证检验[J].财经科学,2017(06):14-25.
2. [2] 戴浩,魏君英,陈银娥.数字普惠金融对我国农业经济韧性的影响研究[J].价格理论与实践,2023(08):144-148.
3. [3] 黄娜娜.数字普惠金融与区域经济韧性——基于创新创业水平的中介效应检验[J].商业经济研究,2024(02):189-192.
4. [4] 李梦琪,柯雪龙,康宽,等.数字普惠金融与新型农业经营主体经济韧性：赋能还是负能？[J].中国农业大学学报,2024,29(04):40-53.
5. [5] 丁建军,周传辉.数字普惠金融的区域经济韧性效应及机制——基于中小微经营主体进入退出视角[J].调研世界,2024(05):53-63.
6. [6] 丁建军,周传辉.数字普惠金融的区域经济韧性效应及机制—基于中小微经营主体进入退出视角[J].调研世界,2024(05):53-63.
7. [7] 郭晓东.数字普惠金融发展对城市经济韧性的影响研究[D].山东工商学院,2024.
8. [8] 秦丁.数字普惠金融、创新创业水平与流通经济韧性的关系[J].商业经济研究,2024(15):40-43.
9. [9] 陆园,王晗,汪洋.数字普惠金融对城市经济韧性的影响研究——基于安徽省16地市数据分析[J].数学的实践与认识,2024,54(09):110-124.
10. [10] 李梦琪,蔡雪雄,郭沛.数字普惠金融对乡村经济韧性的影响研究——基于数字排斥的调节效应[J].安徽大学学报(哲社版),2024,48(06):164-175.
11. [11] 滕孟利.高技术产业集聚对区域经济韧性的影响研究[D].成都理工大学,2023.
12. [12] 靳瑶.新型基础设施建设对城市经济韧性的影响研究[D].石河子大学,2024.
13. [13] 张开,陈琦.中国城市经济韧性的区域差异及影响因素分析[J].贵州社会科学,2022(12):121-129.
14. [14] 郑威,陈辉.数据要素市场化配置对城市经济韧性的影响：促进还是抑制?——基于数据交易平台设立的准自然实验[J].现代财经(天津财经大学学报),2023,43(12):78-92.
15. [15] 万光彩,任改改.数字普惠金融对经济高质量发展的影响研究——基于产业结构优化升级和科技创新的视角[J].长春理工大学学报(社会科学版),2024,37(06):101-108.
16. [16] 陈泽昊.数字普惠金融对县域经济韧性的影响研究[D].湘潭大学,2024.
17. [17] 齐平,刘佩瑶,赵放.数字产业集聚与区域经济韧性——基于省级面板数据的实证分析[J].浙江学刊,2025(02):129-137+240.
18. [18] 周明生,王珍珠.产业协同集聚对城市经济韧性的影响[J].经济体制改革,2024(05):41-50.
19. [19] 张小勇.数字经济对城市经济韧性的影响研究[D].兰州大学,2024.
20. [20] 陈志斐.数字经济促进城市经济韧性提升的作用机制研究[J].中国商论,2024(11):47-51.