5.1 研究设计
本文选取2002-2022年为样本考察区间，运用文本分析法和投入产出法构建了金融业数字化转型指数，并对我国金融业数字化转型进行了总体趋势分析、区域比较和时空演变特征分析。文本分析数据中，地区层面金融业数字化转型指数来自百度新闻高级检索相关关键词的结果数量。投入产出数据主要来源于《中国统计年鉴》、《中国劳动统计年鉴》、《中国城市统计年鉴》以及全国各省份地区投入产出表。在数据收集过程中，由于投入产出表中西藏自治区关键指标的缺失以及部分数据未及时更新，结合前人研究经验并借鉴蔡跃洲和张钧南（2015）、许宪春和张美慧（2020）等学者的做法，用内插法和外推法对投入产出表缺失年份数据进行外推计算和补缺，以此来保证研究样本数据的完整性[82][60]。其余中介变量、调节变量以及控制变量数据均来源于国家统计局。
全要素生产率（TFP_FE、TFP_DEA）。在地区全要素生产率测算中，通常存在着不可观测异质性，一般通过从OLS模型的残差项中分离出横截面异质性来捕捉。采用FE法在考虑不可观测异质性的同时，能够更好地解释地区全要素生产率波动。为了放松截面之间生产技术的同质性假设，非参数法（DEA-Malmquist）被引入。采用DEA法使我们能够更灵活地对不同地区的生产技术进行评估，可以更好地理解地区全要素生产率的时变性，帮助识别地区生产技术的演进路径，为政策制定提供更具实效性的建议。综合考虑以上测量方法，并结合比较分析法从而更为全面、准确地刻画全要素生产率，我们选择使用FE法和DEA法来构建的本文基础回归中所需的TFP，有助于深入理解地区经济发展的动力机制。
第六章结论与建议
6.1主要结论
金融业数字化转型释放出了金融创新活力和应用潜能，大大推动了我国金融业金融服务模式的变革，为我国经济发展注入新动能。本文尝试从全要素生产率视角探究金融业数字化转型的新动能机制，并分别采用文本分析法和投入产出法测算了我国省级层面的金融业数字化转型指数，使用双向固定效应、中介效应以及调节效应模型开展实证检验，并得到以下主要结论：
（1）我国金融业数字化转型在各省市地区均取得了显著的阶段性成果，东部地区在引领金融业数字化转型方面表现突出，而中西部地区紧随其后，且相较于当前数字经济较发达的东部地区有更快的增长速度。因此，随着中西部地区金融业数字化转型的持续发展，有望缩短与东部地区间的发展差距，从而缓解“数字金融鸿沟”问题。
（2）金融业数字化转型对全要素生产率的提升产生积极影响。数字化转型使得金融机构更高效地运作，降低金融交易成本的同时，实现了资源配置效率的提升，从而有助于全要素生产率的增长。此外，异质性分析表明，在人才引进政策力度较强的地区，金融业数字化转型对全要素生产率的促进作用更为明显。而教育投入对全要素生产率的提升效果，只有在地区本身具有较强人才吸引力禀赋时才会显现。相比于西部地区，我国东部和中部地区金融业数字化转型对全要素生产率的提升效果更为显著。
（3）在科技创新层面，金融业数字化转型通过灵活运用金融科技手段、降低科技创新交易成本、化解科技创新风险有助创新驱动机制的形成，极大地促进了科技创新，进而有助于全要素生产率的提高。金融业数字化转型能够有针对性地满足科技创新不同阶段的资金投入需求；金融业数字化转型通过降低科技创新成本，增强了科技创新的活跃度；金融业数字化转型通过风险投资、科技保险等手段，帮助科技创新规避和化解风险。
参考文献（略）
