摘要：在发达国家高端制造回流和中低端收入国家低成本竞争的双重压力下，如何有效地推动制造业转型升级成为中国亟待解决的理论与实践问题。基于2012—2021年中国各省份的面板数据，对数字金融影响制造业转型升级的效应展开实证分析。研究发现，数字金融可以显着地促进制造业转型升级，绿色创新是数字金融释放制造业转型升级红利的重要传导机制，其中策略性绿色创新在短期内发挥了主要作用，实质性绿色创新效用的发挥则存在一定时滞；异质性分析表明，数字金融在东部地区、数字经济集聚区和低自然资源禀赋地区发挥了更大的作用；进一步分析发现，数字金融影响制造业转型升级存在边际效应递增的非线性特征，较低的数字金融发展水平和过度宽松环境规制会造成数字金融赋能效应的损失。据此提出重视数字金融发展，提高金融服务制造业转型升级的效能，加速数字金融与绿色创新的深度融合，提高区域相关政策的靶向性，发挥环境约束对制造业转型升级的溢出效应等政策建议。
关键词：制造强国；数字金融；绿色创新；制造业转型升级；环境规制
文献标识码：A文章编号：100228482025（02）009716
一、问题提出
党的二十大报告指出，坚持把发展经济的着力点放在实体经济上，推进新型工业化，加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国。2023年9月，习近平总书记就推进新型工业化作出重要指示时也强调，要把建设制造强国同发展数字经济、产业信息化等有机结合，为中国式现代化构筑强大物质技术基础。制造业是实体经济的基础，是推进中国式现代化的重要引擎。改革开放以来，中国制造业取得了举世瞩目的成就，制造业增加值从2012年的16.98万亿元增加到2022年的33.5万亿元，总体规模连续13年居世界首位，已形成了体系化的产业链和全球化的供应链，国际竞争力持续增强。但与发达国家相比，中国制造业仍面临大而不强、低端锁定尚难突破、自主创新能力较弱等诸多问题。随着新一轮产业革命与科技革命的到来，全球产业链重组、供应链重塑、价值链重构不断深化，发达国家的打压以及东南亚等后发国家的低成本竞争对中国制造业发展带来巨大挑战，制造业转型升级势在必行。
作为数字经济的重要组成部分，数字金融以其在科技性、包容性与普惠性等方面的业态优势，逐渐成为支持中国实体经济高质量发展的关键因素。金融是实体经济的血脉，完善的金融体系可以为企业提供良好的融资环境，缓解信贷约束，降低借贷成本，促进生产要素的合理分配，并通过激励企业家精神、促进技术创新等方式提高生产效率，进而推动产业转型升级。然而，带有显着风险规避型特征的传统金融部门往往依据企业的资产规模、盈利能力等来选择授信客户，使得具有发展潜力的成长期企业易面临金融排斥，中小微企业得到金融支持的力度明显不足[1]REF_Ref179561450rh*MERGEFORMAT。数字金融作为信息技术与传统金融耦合的产物，能够打破传统金融在时间和空间上的限制，降低金融资源的获取门槛，缓解市场中的信息不对称问题，能够推动制造业在组织架构、生产经营、商业模式等方面发生全方位变革，加速实现转型升级。
围绕数字金融和制造业转型升级的研究主要分为两类。一类探讨了数字金融发展带来的经济效应，包括对经济增长、创新创业、产业结构升级等的影响。另一类有关制造业转型升级的研究也较为丰富。一是在内涵界定方面，Humphrey等[2]REF_Ref179573238rh*MERGEFORMAT认为产业转型升级的水平与其全球价值链（GVCs）分工地位密切相关，因此GVCs框架下产业升级的过程就是其分工地位提升的过程，突出表现为增值能力和产业链控制能力的提升。张其仔等[3]REF_Ref178717675rh*MERGEFORMAT对制造业升级的定义则为：在技术创新驱动力作用下，制造业经历产业结构持续高级化的过程。这一过程内在体现为产业发展模式从低附加值转向高附加值，从高能耗、高污染转向低能耗、低污染，从粗放式转向集约式。二是在影响机理方面，技术创新在促进制造业转型升级过程中的作用得到了诸多学者的认可。余东华等[4]REF_Ref149839234rh*MERGEFORMAT研究发现，制造业在对GVCs实现中高端嵌入后能显着推动自身转型升级，低端嵌入则相反。近年来，数字经济的快速发展和对传统经济的融合渗透也为制造业转型升级带来了新的机遇，数字经济能够通过提高产品质量、突破创新瓶颈、优化供应效率和拓展服务空间等方式有效提升制造业的国际竞争力，从而加速其向GVCs中高端延伸的步伐然而，数字金融对制造业转型升级会产生怎样的影响呢？既有文献尚未直接做出解答，已有研究主要探讨了传统金融对制造业转型升级的影响。金融业的蓬勃发展一方面可以为企业提供良好的融资环境和多样化的融资工具[1]REF_Ref179561450rh*MERGEFORMAT，另一方面可以利用资本供给的差异化实现资源导向效应，引导投资流向技术密集型产业等高市场潜力部门，推动其更快实现规模扩张和技术进步。此外，随着信息技术的发展，学者们对于互联网金融、科技金融等新金融模式可以通过降低金融摩擦、激励技术创新、加速融资模式变革等促进制造业转型升级已形成了一定共识[6]REF_Ref178718027rh*MERGEFORMAT。短期来说，新金融模式通过缓解融资约束、激励技术创新、促进人力资本积累等方式为企业加快要素市场培育，向高级化、智能化、绿色化方向进行转型升级提供了动力；长期来说，新金融模式凭借特有的科技属性，可以加速供应链融资模式的变革创新，为尾端企业提供更加丰富、优质的融资方案，在促进企业发展的同时强化产业链供应链韧性，加速新兴产业成长，对制造业产业结构的转型升级发挥长期推动作用。
综上所述，本文可能存在的边际贡献有三点。第一，多数文献探讨了数字金融的经济效应或制造业转型升级的概念界定及影响因素，但没有把数字金融这一新兴业态纳入驱动制造业转型升级的研究框架。本文从宏观层面出发，分析数字金融对制造业转型升级的影响特征及区域差异，为研究制造业转型升级提供新的视角，是对数字金融与制造业发展之间关系研究的有益补充。第二，揭示数字金融促进制造业转型升级的内在作用机制，检验绿色创新在数字金融赋能制造业转型升级中的重要作用，不仅有利于全面认识以数字金融为代表的新型金融模式影响制造业转型升级的理论路径，也有助于进一步拓展金融服务实体经济的研究体系。第三，考察区位、数字经济发展水平和自然资源禀赋等不同情形下，数字金融影响制造业转型升级的异质性，为各地区因地制宜制定差异化政策，提升数字金融赋能实体经济质效，加快制造强国建设提供经验借鉴和政策启示。
二、理论分析与研究假设
（一）数字金融与制造业转型升级
数字金融对制造业转型升级有着直接影响，主要表现在三个方面。首先是数字金融普惠性特征的影响。传统的融资模式往往需要企业利用厂房、设备等固定资产作为抵押，这极易造成针对中小微企业或技术密集型企业的金融排斥[7]REF_Ref192327689rh*MERGEFORMAT。一方面，具有低成本和低门槛特征的数字金融可以利用场景、服务等优势，吸纳传统金融市场囿于成本、技术等原因而忽视的尾部群体，扩大资金来源。另一方面，随着互联网借贷、互联网保险等新型金融业务的诞生，数字金融提升了制造业企业获取金融服务的范围和可得性，尤其是能够帮助制造业小微企业等长尾群体拓展更多元化的融资渠道，为生产工艺改善和技术升级提供更多资金支持，实现产品质量和生产效率的提升，完成产品由低附加值向高附加值转变，实现转型升级[1]REF_Ref149598404rh*MERGEFORMAT。
其次是数字金融技术性特征的影响。数字金融的核心驱动力在于大数据、云计算、人工智能等一系列技术的广泛应用。一方面，在数字科技的加持下，数字金融展现出更快的响应速度、更强的空间穿透性和更低的运营成本等优势，能够减少制造业企业融资过程中的额外开支，提高服务效率[8]REF_Ref175526082rh*MERGEFORMAT。同时，数字金融催生出众多新型金融产品和服务，如数字货币、区块链支付、供应链金融等，使得面向制造业的金融服务更加智能化、个性化和高效化。数字金融服务所带来的数据要素嵌入还能够帮助企业大幅扩展其分工边界，实现组织边界跨越，推动上下游之间加强资源共享与战略合作，强化制造业动力支撑。另一方面，海量信息以数字化的形式存在[1]REF_Ref179561450rh*MERGEFORMAT，数字金融能够利用算法模型建立高效的业务流、数据流，将企业科技成果和经营数据等加工成“信用”资产，以数字化融资模式提升科技成果转化效率，将资金精准对接到拥有先进技术的制造业企业和项目。因此，低技术制造业逐渐被淘汰，资本密集型和技术密集型制造业逐渐增多，产业分工精细化、专业化水平越来越高，推动制造业逐步对GVCs实现中高端嵌入。
最后是数字金融风险管理特征的影响。高新技术产业往往存在投入大、周期长、风险高等问题，而传统金融的信息统计风险评估和管控能力相对较弱，导致高新技术产业融资难的困境难以解决。数字金融凭借在“结构化—非结构化”信息处理与应用方面的优势，能够更好地评估风险。对于资金需求方来说，数字金融强大的数据驱动能力有助于制造业企业准确捕捉本行业前沿技术的演进轨迹和发展前景，帮助企业实现经营分析与战略决策的优化，提升主动风险承担能力，弱化企业对转型升级活动的风险排斥[7]REF_Ref192327689rh*MERGEFORMAT。对于资金供给方来说，数字金融可以大幅降低信息搜寻成本，帮助金融机构快速寻找资金需求者。大数据平台的应用还可以帮助资金供给方分析处理企业的经营、财务数据，提高融资的透明度和可信度，降低信用风险和坏账风险，提升金融机构对制造业中小企业的融资意愿[9]REF_Ref167916124rh*MERGEFORMAT。据此，本文提出如下假设：
假设1：数字金融能够显着促进制造业转型升级。
（二）数字金融、绿色创新与制造业转型升级
数字金融对制造业转型升级有着间接影响。随着环境问题的日益严峻和中国经济进入高质量发展阶段，中国制造业必须从原有高耗能、高污染的高速增长模式向绿色、低碳的高质量发展模式转变。从长期来看，技术创新是实现绿色发展的根本途径，制造业绿色发展需要充分发挥绿色创新的支撑作用。
绿色创新是塑造企业核心竞争力的关键。在数字金融发展的背景下，制造业企业开展绿色创新的动机主要可分为两种。一种是主动型绿色创新，借助数字金融的数字化赋能优势，企业通过绿色创新可以转变能源生产和使用方式，提升清洁能源使用比例，减少对化石燃料的依赖，促进资源高效利用，实现降本增效，提高市场竞争力[10]REF_Ref167917354rh*MERGEFORMAT。当遇到高质量的绿色技术项目时，数字金融还能够快速识别优质项目并提供应有的金融服务，增强企业开展绿色创新的内生动力。另一种是被动型绿色创新，外部环境约束的加强迫使企业必须提升环保意识，积极在业务战略层面上进行绿色创新，更准确地监测和评估自身在环境、社会和绿色治理方面的表现[11]REF_Ref178802163rh*MERGEFORMAT，以应对投资者和社会公众的监督。而数字金融基于前沿大数据技术，可以为企业收集和整合能源消耗、污染排放、资源利用等环保数据，帮助企业全面掌握自身绿色治理状况，为企业塑造更良好的市场形象、增强核心竞争力提供支撑[5]REF_Ref192497460rh*MERGEFORMAT。
通过绿色技术在社会生产各阶段、各环节的应用，绿色创新可以发挥技术创新与环境溢出效应，对制造业转型升级产生正向影响。首先，绿色创新具有“提升效应”，绿色技术创新可以帮助企业优化产品设计和制造过程，研制绿色设备和绿色产品，降低不必要资源消耗和污染排放，提升投入产出效率。其次，绿色创新可以带来“竞争效应”，在日趋严紧的环境约束与政府环保政策的引导下，绿色消费趋势逐步形成，率先开展绿色创新、具有良好环保表现的产品和企业可能会更受市场青睐和资金支持，从而给绿色创新水平较低的企业或产品带来竞争压力，迫使其主动开展绿色技术研发与创新，提升产品绿色含量，实现制造业企业的绿色转型升级[12]REF_Ref175526066rh*MERGEFORMAT。最后，绿色创新具有“信号效应”，前沿性的绿色技术创新能够引领市场需求和趋势，吸引更多社会资本聚焦于具有高市场需求和绿色发展潜力的制造业领域，培育新兴环保产业，推动制造业整体向更加环保、更可持续的方向转型升级。然而，由于兼具高融资成本和高风险性的“双高”特征，绿色创新项目往往面临着更加突出的融资约束问题，企业绿色创新活动普遍面临资金不足和依赖政府补贴的窘境[13]REF_Ref167912194rh*MERGEFORMAT。在这种情形下，数字金融“低门槛、高效率和低成本”的天然优势可以有效破解传统金融的固有服务模式，缓解其对制造业中小微企业绿色创新的金融歧视，降低企业开展绿色技术研发的风险和成本，激发企业的创新活力，为绿色创新更好地推动制造业转型升级提供金融支持[10]REF_Ref167917354rh*MERGEFORMAT。[HJ2.1mm]
绿色创新可分为实质性绿色创新和策略性绿色创新，前者主要指企业开发绿色产品或服务，以获取竞争优势和推动绿色转型升级为目的的高技术水平创新活动，是真正意义上的创新；后者指企业以应对政策压力和获取政府补贴等为目的，侧重于满足现有需求的绿色创新行为，通常是对现有清洁技术或产品的微小改进。一方面，在经济高质量发展与民众环保意识提升的背景下，人们不仅对环境保护提出更高要求，同时还扩大了对绿色产品、绿色服务的需求，这无疑会刺激制造业企业进行实质性绿色创新，以抢占更多的市场份额[14]REF_Ref175526054rh*MERGEFORMAT。另一方面，对于多数制造业企业而言，实质性绿色创新需要耗费较高成本，而数字金融虽然可以缓解融资约束，但也间接为部分企业提供了实施“绿色伪装”策略的机会。因此，部分企业可能会偏好开展策略性绿色创新，通过增加绿色产品种类或数量等举措来响应政策号召并从中获利。据此，本文提出如下假设：
假设2：数字金融可以通过促进绿色创新推动制造业转型升级。
假设2a：数字金融可以通过促进实质性绿色创新推动制造业转型升级。
假设2b：数字金融可以通过促进策略性绿色创新推动制造业转型升级。
（三）数字金融对制造业转型升级的异质性影响
受多种因素影响，数字金融对制造业转型升级的作用可能在不同地区之间存在异质性。首先，从区位差异看，东部地区经济禀赋条件较好，基础设施建设水平和对外开放程度普遍更高，在当前科技创新高度依赖产业所处地理区位和制度环境的背景下，数字金融在东部等发达地区更能充分发挥其红利效应[15]REF_Ref192446863rh*MERGEFORMAT；而在中西部等经济发展基础较为薄弱的地区，数字金融可能仍受到接入可及性的掣肘，资金引导与资源配置功能受到抑制，对制造业转型升级的促进作用相对较弱。其次，从数字经济发展水平的差异看，京津冀、长三角和珠三角等地区的数字经济发展水平明显高于全国其它地区。数字经济所包含的数字基础设施、数字贸易、数字经济产品等可以与数字金融产生协同作用，数字信息作为载体可以将产品生产、运输、销售高效地连接起来，提升资本、劳动力等要素的运转和配置效率，催生出新技术和新商业模式，促进制造业产业链向“微笑曲线”两端高附加值环节不断延伸[5]REF_Ref192497460rh*MERGEFORMAT。最后，从自然资源禀赋的差异看，高自然资源禀赋地区较低的资源开采和利用成本可以为制造业企业带来较高收益，因此易导致处于高自然资源禀赋地区企业进行转型升级的内生动力不足。而对于自然资源禀赋水平较低地区的制造业而言，由于面临一定的资源枯竭压力，企业不得不进行转型升级以减少对资源的依赖。
数字金融影响制造业转型升级的理论机制如图1所示。据此，本文提出如下假设：
假设3：数字金融对制造业转型升级的影响效应在不同区位、数字经济发展水平和自然资源禀赋方面存在异质性。
三、研究设计
（一）模型设定
[HJ2.4mm]
基于本文研究假设，为探究数字金融对制造业转型升级的影响，首先构建如下基准回归模型：
MTUit=β0+β1DFit+β2Xit+μi+δt+
εit[JY]（1）
其中，"MTUit表示地区i在t时期的制造业转型升级水平；DFit表示数字金融发展水平的对数；β1代表数字金融对制造业转型升级的总效应；Xit代表一系列控制变量；μi为省份固定效应，δt为时间固定效应；εit为随机扰动项。
此外，为探究数字金融通过绿色创新间接影响制造业转型升级的机制，本文构建了如下计量模型：
Patit=α0+α1DFit+α2Xit+μi+δt+εit[JY]（2）
MTUit=β0+γ1DFit+γ2Patit+β3Xit+
μi+δt+εit[JY]（3）
其中，Patit代表中介变量绿色创新；α1代表数字金融对绿色创新的影响；γ1则表示控制绿色创新影响后数字金融对制造业转型升级的直接影响效应；"γ2代表中介变量绿色创新对制造业转型升级的影响。为加强中介机制检验的稳健性，后文实证分析进一步采用偏差校正的Bootstrap置信区间估计法对中介效应进行检验。具体地，当置信区间不包含0时，说明中介效应显着，反之则不显着。
（二）变量设定
1.被解释变量
被解释变量为制造业转型升级（MTU）。关于制造业转型升级的评价与测度，早期研究多采用工业利润率、制造业增加值、技术密集型制造业比重等单一指标来衡量，这显然缺乏准确性和全面性。近年来，国家从宏观层面对制造业转型升级相关内涵和维度进行阐述，如《中国制造2025》《关于深化制造业与互联网融合发展的指导意见》等有关政策文件提出要把数字化、网络化、智能化、绿色化作为推动制造业转型升级的技术基点，部分学者开始用指标体系的方法对制造业转型升级进行测度。任保平[16]REF_Ref192445148rh*MERGEFORMAT认为，制造业转型升级应基于效率和竞争力提升的思路从技术创新、结构优化、新动能培育等方面进行衡量；罗序斌等[17]REF_Ref192445303rh*MERGEFORMAT则构建了数字化、网络化、智能化、绿色化的“四化”并进的制造业高质量转型升级评价指标体系。
借鉴当前多数学者的做法，本文拟采用构建指标体系的方法来度量制造业转型升级。但在指标体系构建上，已有研究存在一定的不足。部分学者参考《中国制造2025》将制造业转型升级划分为产业结构、质量效益、创新能力、两化融合、环境保护5个方面，但指标体系中未体现制造业盈利能力水平和高技术制造业在制造业创新能力提升中的重要作用。潘为华等[18]REF_Ref192445396rh*MERGEFORMAT将制造业转型升级分为质量效益、创新能力、信息技术、绿色发展4个维度，但其忽略了制造业与服务业之间的融合发展。基于此，本文将制造业转型升级界定为制造业在质量效益、两化融合、创新能力、绿色发展4个方面的全面发展升级，并从以上4个维度构建了制造业转型升级评价指标体系。在具体的指标选取方面，本文创新性地选取制造业利润总额占制造业主营业务收入的比重来衡量制造业的盈利能力，选取高技术制造业的单位产出专利数量作为地区制造业转型升级创新能力的关键体现，选取计算机、通信和其他电子设备制造业从业数与制造业从业人员数之比、软件和信息服务业从业人数两个指标度量制造业与服务业之间的两化融合水平。另外，对于绿色发展维度，由于现有资料中缺少制造业的环境统计数据，而制造业是工业的主体，所以采用工业能源消耗量和废物排放量等4项指标反映制造业转型升级的绿色发展维度。
具体而言，二级指标下共设16个三级指标，各指标之间利用熵权法确定权重并计算制造业转型升级综合指数。指标体系的具体构建如表1所示。
2.解释变量
解释变量为数字金融（DF）。本文选择北京大学数字普惠金融指数，并对其取对数，作为度量数字金融发展水平的指标。该指数由北京大学数字金融研究中心和蚂蚁科技集团研究院联合编制，其科学性和可靠性已得到众多学者的认可。
3.中介变量
中介变量为绿色创新（Pat）。借鉴李青原等[19]REF_Ref149393628rh*MERGEFORMAT的研究，采用各地区绿色专利申请总量衡量绿色创新。选择专利申请量而非授权量的原因是申请量更能体现企业当年的绿色创新能力，而专利授权量具有1～2年的时滞，且专利申请量受专利机构工作效率、偏好等外部因素的影响也较小。
4.控制变量
参考以往研究，本文主要选取如下控制变量：经济发展水平（gdp），用地区国内生产总值（GDP）增长率表示；政府干预（gov），用财政支出占GDP的比值衡量；外商直接投资（fdi），使用外商直接投资总额与地区GDP的比值表示；产业结构（ind），选取第三产业增加值与第二产业增加值之比进行度量；物质资本投资（cap），以全社会固定资产投资额与GDP的比值表示；工资水平（wage），以城镇单位就业人员平均工资的对数表示；对外开放程度（open），以地区进出口总额与地区GDP之比表征。
（三）数据来源与描述性统计
在数据和样本选取上，由于中国港澳台地区及西藏自治区相关数据缺失严重，本文最终选择了全国30个省份的面板数据，时间跨度为2012—2021年。被解释变量的原始数据来源于《中国统计年鉴》《中国工业统计年鉴》以及各省市统计年鉴，解释变量数据来自于《北京大学数字普惠金融指数》。对于中介变量绿色创新，根据世界知识产权组织（WIPO）发布的绿色技术清单，借鉴王班班等[20]REF_Ref149393651rh*MERGEFORMAT的检索方法，从国家知识产权局查询并计算各地区每年的绿色专利申请总量。其余数据来自于《中国环境统计年鉴》及《中国科技统计年鉴》，缺失数据利用线性插值法补齐。为了消除可能存在的异方差，对部分变量进行了对数化处理。此外，为消除极端异常值的影响，对主要连续变量进行了上下1%的缩尾处理。各变量说明及描述性统计见表2。
四、实证结果与分析
（一）基准回归
首先利用式（1）考察数字金融对制造业转型升级的影响，回归结果如表3所示。第（1）列只加入了解释变量，结果显示数字金融与制造业转型升级的回归系数为正，并且通过了1%的显着性水平检验。第（2）～（8）列逐步增加控制变量后，解释变量回归系数仍然显着为正。从整体而言，中国数字金融的发展确实显着促进了制造业转型升级，假设1成立。第（8）列结果表明，在其他条件一定的前提下，数字金融发展水平每增加1个单位，将促进制造业转型升级水平提升0.546个单位。
控制变量方面，经济发展水平、外商直接投资和工资水平的系数均不显着，对外开放水平的系数显着为正，而政府干预、产业结构和物质资本投资对制造业转型升级存在显着负向影响。首先，政府补贴、税收减免等财政政策虽在一定程度上有利于制造业发展，但也可能造成不正当竞争，打击中小企业参与转型升级的积极性。其次，随着中国进入工业化中后期，要素成本持续上升，技术进步对企业效益的贡献越来越高，企业通过增加投入来进行转型升级的意愿可能较低，制造业企业可能选择直接转型成为服务业、金融业等附加值较高的第三产业企业。再次，相较于Ramp;D投资，中国物质资本投资回报率仍然偏低，且人力资本投资和物质资本投资存在最优配置比例，在缺乏相应人力资本的情况下盲目投入物质资本反而会影响经济协调发展[21]REF_Ref149394045rh*MERGEFORMAT。最后，对外开放会带来新兴资本、技术的传播和人才流动，不仅能缓解国内制造业企业资本不足的困境，还有助于学习能力强的企业更高效地吸收利用先进技术。
（二）稳健性检验
1.增加控制变量以缓解遗漏变量问题
适度物价上涨能带来需求的扩张，倒逼制造业生产结构调整和供给质量提高，可能对制造业转型升级产生间接影响。此外，低端制造业对劳动力具有较强依赖性，地区劳动力[JP3]净流入对制造业转型升级也可能存在促进作用[22]REF_Ref149840475rh*MERGEFORMAT。因此，继续控制物价水平（pri）和人口密度变量（pop），物价水平以居民消费价格指数表示，人口密度以每平方千米的常住人口数衡量。表4第（1）列结果表明，增加控制变量后主回归结论不变。
2.替换被解释变量与解释变量
为防止单一被解释变量和解释变量导致回归结果有偏，本文借鉴赵亚雄等[23]REF_Ref149601674rh*MERGEFORMAT的研究，以30个省份制造业转型升级水平的年平均值为分界线，构造了制造业转型升级的哑变量Dum（若高于平均值，则赋值1；否则赋值0）作为被解释变量的替代变量，并采用logit模型进行回归。另外，考虑到数字金融是数字技术在金融领域的应用，对制造业转型升级产生影响需要一定的时间，因此采用滞后一期的数字金融发展水平（DF-1）为解释变量进行再估计。结果见表4第（2）（3）列，回归系数仍然显着为正。
3.剔除部分因素干扰
一是剔除直辖市样本，考虑到直辖市身份地位特殊，政策的制定和实施可能区别于其他省份；二是剔除2020年数据，2020年初新型冠状病毒感染疫情对中国经济造成巨大冲击，各项数据可能出现较大偏差，且数字电商、线上贷款等数字金融业态在疫情暴发时期应用更为全面。两次剔除样本的结果见表4第（4）（5）列，回归系数均在1%的显着水平下为正。
4.排除同期其他政策影响
通过检索发现，在样本期内还可能存在着其他政策的影响，如2015年国务院印发《中国制造2025》战略文件，并于2016年从宁波开始分批次开展“中国制造2025”试点示范城市创建工作
截至2023年，“中国制造2025”城市（"城市群）试点示范工作已批复宁波、泉州、沈阳、长春、武汉、吴忠、青岛、成都、赣州、广州、合肥、湖州12个城市和苏南五市、珠江西岸六市一区、长株潭衡、郑洛新4个城市群。。2017年，国务院多部委决定将浙江、江西、广东、贵州、新疆5个省份的8个城市（新区）作为绿色金融改革创新试验区，2019年又陆续在兰州市、重庆市开启绿色金融改革创新试验。为排除上述两项政策可能对回归结果造成的影响，本文参考邓向荣等[24]REF_Ref167913137rh*MERGEFORMAT的做法，将两项政策纳入回归中。设置是否获批的虚拟变量，若省份i中有城市在t年获批为“中国制造2025”试点示范城市，则该省份t年后的样本为1，反之为0。对是否为绿色金融改革创新试验区也做同样处理。表4第（6）～（8）列的结果表明，在模型中加入“中国制造2025”试点示范政策（MIC）和绿色金融改革创新试验区政策（REF）后，解释变量的系数虽相比基准回归略有下降，但依然在1%的水平下显着为正。这说明，数字金融对制造业转型升级的促进效应是存在的，并不存在被过度高估的情况。
5.更新样本至城市层面
受限于制造业相关数据的可得性，本研究主要集中在省份层面，样本观测值相对偏少。为了进一步提高结论的稳健性，本文借鉴郝凤霞等[22]REF_Ref149840475rh*MERGEFORMAT的研究，以制造业出口技术复杂度（ESI）作为城市层面衡量制造业转型升级的指标。制造业出口技术复杂度的提升在一定程度上能够反映制造业最终品出口的技术提升及竞争力增强，是制造业转型升级水平提升的重要体现。对于解释变量数字金融和诸多控制变量，则分别更新至地级市层面数据。最终，本文选取了2012—2021年中国282个地级市（不含港澳台地区）的面板数据作为研究样本进行回归，结果见表4第（9）列，可以发现数字金融对制造业出口技术复杂度的系数在5%的水平下显着为正，主回归结论依然稳健。
6.内生性检验
为排除其他遗漏变量或反向因果等引起的内生性问题对基准回归造成的影响，本文利用工具变量法对模型做进一步分析，参考陆凤芝等[15]REF_Ref192446863rh*MERGEFORMAT的相关做法，选取样本省份省会城市到杭州市的球面直线距离与年度全国省级数字金融指数平均值的乘积（dis）作为工具变量。一方面，数字普惠金融指数是基于支付宝的数据编纂而来，相关研究也发现数字金融的发展与杭州市距离有关，且各省份制造业转型升级水平不会影响其与杭州市的球面距离[23]REF_Ref149601674rh*MERGEFORMAT。另一方面，全国整体的数字金融发展会影响各省份的发展，而单独某省的数字金融发展难以对全国整体产生影响。
工具变量检验结果见表5。第（1）列结果显示，工具变量与MTU的回归系数均在1%的水平下显着。不可识别检验得到的KleibergenPaap"rk"LM统计量对应Plt;0.001，表明不存在不可识别问题；KleibergenPaap"rk"Wald"F统计量为13.17，高于StockYogo标准15%临界值8.96，表明不存在弱工具变量问题，工具变量选取较为合理。第（2）列结果显示，解释变量回归系数依然显着为正，说明在考虑了可能存在的内生性问题之后，回归结果依然稳健。
（三）机制检验
为检验假设2，将中介变量绿色创新加入式（2）（3）进行分析，结果见表6。第（2）（3）列结果显示，α1为1.839，在1%水平下显着为正。在加入中介变量之后，数字金融对制造业转型升级的系数γ1有所回落但仍显着为正。进一步运用偏差校正的非参数百分位Bootstrap法检验数字金融通过提升绿色创新水平推动制造业转型升级的稳健性，结果显示，其95%的置信区间为（0.022，0.255），不包含0，验证了绿色创新在数字金融影响制造业转型升级中发挥的部分中介作用，假设2得到验证。中介效应占比为（α1×γ2）/β1×100%=25.26%，表明数字金融确实可以凭借其在信息技术和数据分析方面的优势，缓解中小企业绿色创新融资约束，提升其开展绿色技术研发等创新实践的积极性，引导资本向绿色产业倾斜，为绿色创新充分发挥其对制造业转型升级的“提升效应”“竞争效应”和“信号效应”提供更多金融支持。
此外，绿色专利包括绿色发明专利、绿色实用新型专利以及绿色外观设计专利。参考李青原等[19]REF_Ref149393628rh*MERGEFORMAT的研究，绿色发明专利为实质性创新，绿色实用新型专利和绿色外观设计专利则均为策略性创新。为了进
[HJ2.1mm]一步探究不同种类的绿色创新在数字金融促进制造业转型升级过程中的差异，将绿色专利分为绿色发明专利（inv）和绿色实用新型专利（use）两个样本分别进行回归，结果见表6。
第（3）（4）列结果显示，数字金融对绿色发明专利有显着促进作用，但在式（3）加入数字金融影响后，绿色发明专利的回归系数影响并不显着；而第（5）（6）列的结果显示，数字金融对绿色实用新型专利产生了显着的正向影响，且在控制数字金融影响后绿色实用新型专利对制造业转型升级的影响仍然显着，Bootstrap检验下其95%的置信区间为（0.075，0.446）不包含0，假设2a成立，表明在绿色创新的中介影响中，绿色实用新型专利为代表的策略性绿色创新凭借其转化速度快、易获取补贴等特征，对制造业企业生产经营活动的影响更为快速和直接。而绿色发明专利虽然比绿色实用新型专利更具新颖性、创造性，但由于其高技术水平性质，从申请、授权到转化发挥实际价值可能存在较长的时滞。因此，为进一步探究实质性绿色创新在促进制造业转型升级过程中的滞后性，将绿色发明专利分别滞后两期（inv-2）和三期（inv-3）加入回归中。表6第（7）（8）列结果显示，绿色发明专利对制造业转型升级的系数显着为正，说明实质性绿色创新同样促进了制造业转型升级，假设2b成立，但该正向影响存在一定的时滞。
（四）异质性分析
1.区位异质性
中国各地区间经济发展水平存在明显差异，需要将地区差异考虑在内。对此，将样本分为东中西部地区
东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括：山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部地区包括：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。，再次进行回归。表7第（1）～（3）列结果显示，数字金融在东部地区发挥的影响最大，西部地区其次，在中部地区作用最小，说明东部地区较好的经济禀赋为数字金融赋能制造业转型升级创造了更有利的条件，产生了更强的促进作用。西部地区虽然经济发展相对落后但发展空间广阔，一旦中小企业受到的金融排斥有所缓解，便可迅速创造出投资创业机会，带来较高的边际收益而促进转型升级[7]REF_Ref149855446rh*MERGEFORMAT。可见，数字金融在经济发展落后地区更为有效，彰显出其普惠性质。中部地区则可能处于两难困境，东部地区在经济发展、教育和医疗等方面存在显着优势，因此易对中部地区的优质生产要素产生虹吸效应，资金、人才、投资和消费的流失导致中部地区制造业企业难以打造强有力的市场竞争力，从而对制造业转型升级产生负面影响。
进一步，为了探究绿色创新机制在东西部地区赋能制造业转型升级的效果，将中介变量绿色创新纳入异质性考量中，中介效应分析的后两步结果见表8。第（1）～（4）列结果显示，绿色创新的中介效应在东部地区不显着，主要在西部地区发挥作用，可能的原因是东部地区发展绿色创新所需配套的人才、技术支撑相对丰富，经济禀赋和创新资源优势使得东部地区绿色创新对制造业转型升级的边际效应并不明显。而西部地区经济基础薄弱，发展绿色创新所需的人才、技术资源相对较少，因此数字金融的发展能够为绿色创新提供直接的创新资金来源和保障，这对于绿色创新初始条件较差的西部地区制造业无异于“雪中送炭”[1]REF_Ref167917146rh*MERGEFORMAT。
2.数字经济发展水平异质性
参考中国信息通信研究院发布的《中国数字经济发展研究报告（2024年）》
中国信息通信研究院发布的《中国数字经济发展研究报告（2024年）》显示。2023年，京津冀、长三角和珠三角8个省份的数字经济规模均超过1万亿元，全部位列全国前15位，其中北京、上海、天津、福建、浙江、广东等省市数字经济占GDP比重更是超过50%。京津冀、长三角和珠三角地区已成为中国数字经济发展的三大核心区域。，本文将样本划分为京津冀、长三角和珠三角８个省份所在的数字经济集聚区和其他省份所在的数字经济非集聚区两个层面进行考察，结果见表7第（4）（5）列。数字金融在数字经济集聚区发挥的显着影响大于数字经济非集聚区，且其估计系数高于全国平均值，说明在数字经济发展水平较高地区，数字贸易、数字产品等可以与数字金融发挥协同作用，为聚集新型劳动要素、释放企业融资活力提供坚实的基础，更好地推动地区制造业转型升级。
同样，为了探究绿色创新机制在数字经济何种地区能够更好地发挥效果，将中介变量绿色创新纳入回归中。表8第（4）～（8）结果显示，绿色创新主要在数字经济非集聚区发挥了显着的中介作用，在数字经济集聚区的作用则不显着。可能的解释是，数字经济集聚区内的数字技术、数字人才基础本身较为完善，创新资源流动与合理配置导致该地区绿色创新的初始水平已经处于较高水准，企业开展绿色技术创新突破的边际成本较高，因此花费较高投入进行绿色创新的意愿并不强烈，到达一定的发展瓶颈。而数字经济非集聚区制造业绿色创新的基础水平本身较为薄弱，制造业企业无需也难以在绿色技术的前沿领域进行研发创新，只需以较低的绿色创新投入便可在转型升级方面产生较高的边际收益，更体现出数字金融的普惠性。
3.自然资源禀赋异质性
为了探究数字金融在不同资源丰裕度地区产生的异质性，借鉴李虹等[25]REF_Ref149423752rh*MERGEFORMAT的研究，采用采掘业从业人员与年末总人口之比来衡量各地区的自然资源禀赋情况，以样本均值为基准，将省份划分为“高自然资源禀赋地区”和“低自然资源禀赋地区”，回归结果见表7第（6）（7）列。数字金融在低自然资源禀赋地区对制造业转型升级的作用在1%的水平下显着，而在高自然资源禀赋地区则不显着。此外，资源型产业通常在高自然资源禀赋地区经济发展中占据重要地位，从业人员比重也相对较大。产业转型升级可能会带来部分失业和再就业问题，而接续产业的选择、培育和发展又需要较长时间，可能会对地区经济社会发展带来冲击和不利影响，从而在一定程度上对资源型地区制造业结构高级化形成阻碍。由此也说明绿色创新主要在低自然资源禀赋地区发挥效用。
五、进一步分析
由前文理论分析和实证检验可知，数字金融发展对制造业转型升级具有正向促进作用，然而仅选取线性模型进行检验相对比较单一，难以反映两者可能存在的非线性关系。梅特卡夫法则表明，网络的价值与网络规模的平方成正比。随着参与主体的增加，构建于互联网技术之上的数字金融平均成本和边际成本会逐渐降低，产生和带来的效益将呈指数形式增长，改变了传统经济中的“收益递减规律”。此外，建立在互联网、大数据等数字基础设施上的数字金融可能率先产生和应用于大城市，而数字技术发展尚不完善的偏远地区则难以完全享受到数字金融带来的红利。只有当数字金融的覆盖广度、使用深度和数字化程度在落后地区、弱势产业中得到显着提高时，数字金融对制造业的促进作用才会显着提升。
通常来说，企业在转型升级初级阶段的基本特征是资源配置水平不高、创新效率较低和回报较低，即使通过数字金融获取一定资本，往往也会因经营压力较大或效益不明显而挤占转型升级资金。波特假说认为，合理的环境规制能够激励企业进行技术创新，开发新工艺和新产品，提高生产效率，进而部分或完全抵消环境规制所带来的成本[26]REF_Ref149424004rh*MERGEFORMAT。具体而言，当环境规制强度较低时，数字金融虽能快速引导资本向潜力大或价值高的企业或项目集聚，但由于短视行为的存在，有限的资金很可能被用作他处。随着环境约束的加强，一方面，企业不得不对产品结构、管理模式、技术水平等方面进行升级变革并履行环保责任；另一方面，环境规制强度的提升对产业和企业也是一种强制性“筛洗”，发挥着优胜劣汰的作用[27]REF_Ref167916688rh*MERGEFORMAT。当环境规制水平较高时，低效产业逐渐被淘汰，新兴产业不断培育，参与制造业转型升级的主体持续增加，融资要求不断优化，从而数字金融可以在制造业转型升级的更多环节、更长时间内发挥效用。
为揭示数字金融对制造业转型升级的可能存在的非线性影响规律，本文采用Hansen[28]REF_Ref149424058rh*MERGEFORMAT的做法构建面板门槛回归模型，以数字金融、环境规制作为门槛变量进行回归，单一面板门槛模型设定如下：
MTUit=β0+β1DFitIqit≤y1+β2DFitIqitgt;y1+β3Xit
+μi+δt+εit[JY]（4）
其中，I（·）为示性函数，qit为门槛值。环境规制水平借鉴康鹏辉等[29]REF_Ref149848069rh*MERGEFORMAT的研究，以GDP与能源消耗总量的比值表示，该指标数值越大，表明环境规制越严格。多重门槛效应的模型设定与单一门槛模型类似。对面板门槛模型的估计，运用“自助法”确定门槛个数并进行显着性检验，结果如表9所示。数字金融和环境规制的双重门槛、三重门槛均未通过显着性检验，二者只存在单一门槛效应。以数字金融和环境规制分别作为门槛变量的单一门槛模型估计结果显示，当数字金融小于门槛值5.433（即对应的数字金融指数为228.789）时，其对制造业转型升级的估计系数为0.370，在1%的水平下显着为正；当数字金融高于门槛值5.433时，估计系数为0.396，数字金融对制造业转型升级影响具有边际效应递增的特征得到验证。从总样本来看，各地区数字金融[JP+2]发展水平超过此门槛值的样本占58%，也就是说，中国有超过半数省份已跨越数字金融门槛。同时，以环境规制为门槛变量时，数字金融对制造业转型升级的促进作用也是显着增强的，说明适当提升环境规制强度更有利于发挥数字金融的促进作用。
六、结论与政策建议
基于2012—2021年中国省级面板数据，本文在测度制造业转型升级水平的基础上，运用固定效应模型等多种计量方法分析了数字金融对制造业转型升级的基本影响和作用机制，得出四点结论。第一，数字金融的发展有利于促进制造业转型升级，这一结论在多种稳健性检验下依然成立。第二，数字金融可以通过促进绿色创新来推动制造业转型升级，其中策略性绿色创新在短期内发挥了更重要的作用，而实质性绿色创新对制造业转型升级的影响则存在一定的时滞。第三，数字金融对制造业转型升级的促进效应存在异质性，在东部地区作用最大，西部地区次之，中部地区的效应最小；其中在数字经济集聚区发挥的显着性影响要大于数字经济非集聚区。另外，自然资源禀赋的高低也是造成异质性影响的因素，数字金融在低自然资源禀赋地区发挥的作用要明显强于高自然资源禀赋地区。第四，进一步研究发现，数字金融对制造业转型升级的影响在数字金融和环境规制的门槛约束条件下存在非线性特征，且呈现出显着的正向边际效率递增趋势。根据以上结论，本文提出如下政策建议：
第一，重视数字金融发展，提高金融服务制造业转型升级的效能。政府要通过政策手段营造合适的数字金融发展环境，支持和引导金融机构运用大数据、区块链、云计算等信息技术，对传统金融业务进行数字化升级，在产品开发、人才储备和服务模式上持续发力，满足制造业转型升级对数字金融产品和服务多样化、专业化的需求。
第二，坚持创新驱动发展战略，加速数字金融与绿色创新的深度融合。重视绿色创新在数字金融驱动制造业转型升级过程中发挥的“催化剂”作用，可通过设立支持制造业绿色发展的数字金融引导基金、试点园区等方式，拓展融资渠道，为企业绿色创新提供充足的资金保障。要强化对战略性新兴产业、环保产业的支持，尤其是要鼓励绿色发明专利等实质性创新的开发与转化应用，不断释放绿色创新带来的转型升级红利。
第三，关注数字金融赋能的异质性特征，提高区域相关政策的靶向性。东部沿海等数字经济发展水平较高的地区应充分利用现有人才技术优势和雄厚资本，加快数字金融与制造业融合创新，尽快实现数字技术和绿色技术的突破。同时，中西部省份也要依靠新时代中部地区高质量发展及新一轮西部大开发带来的政策机遇，完善信息基础设施建设，激发落后地区数字金融赋能制造业转型升级潜在的“后发优势”。资源型地区制造业要尽快破解对资源的过度依赖，将用于保护衰退产业的资金更多地转向替代产业、接续产业的培育上，促进制造业结构升级。
第四，注重数字金融发展水平和环境规制强度的提升，充分发挥环境约束对制造业转型升级的溢出效应。在数字金融发展水平较低时，要不断拓展数字金融的使用深度，提升其赋能制造业转型升级的有效性和精确性，努力跨越数字金融在推动制造业转型升级过程中的门槛。此外，还要避免因环境规制强度过低而造成数字金融赋能效应的损失。针对不同行业应采取规制与鼓励并举的做法，在对污染型行业加大约束力度以增加其环境成本的同时，也要注重对清洁型行业的培育和激励。
参考文献：
［1］LI"C"M，"WANG"Y"L，"ZHOU"Z"H，"et"al."Digital"finance"and"enterprise"financing"constraints："structural"characteristics"and"mechanism"identification[J]."Journal"of"Business"Research，"2023，"165："114074.
［2］HUMPHERY"J，"SCHMITZ"H."How"does"insertion"in"global"value"chains"affect"upgrading"in"industrial"clusters？[J]."Regional"Studies，"2002，"36（9）："10171027.
［3］张其仔，李蕾.制造业转型升级与地区经济增长[J].经济与管理研究，2017（2）：97111.
［4］余东华，田双.嵌入全球价值链对中国制造业转型升级的影响机理[J].改革，2019（3）：5060.
［5］DENG"H"Y，"BAI"G，"SHEN"Z"Y，"et"al."Digital"economy"and"its"spatial"effect"on"green"productivity"gains"in"manufacturing："evidence"from"China[J]."Journal"of"Cleaner"Production，"2022，"378："134539.
［6］宋华，陶铮，杨雨东.“制造的制造”：供应链金融如何使能数字商业生态的跃迁：基于小米集团供应链金融的案例研究[J].中国工业经济，2022（9）：178196.
［7］CHEN"Y，"YANG"S"P，"LI"Q."How"does"the"development"ofnbsp;digital"financial"inclusion"affect"the"total"factor"productivity"of"listed"companies？"Evidence"from"China[J]."Finance"Research"Letters，"2022，"47："102956.
［8］诸竹君，袁逸铭，许明，等.数字金融、路径突破与制造业高质量创新：兼论金融服务实体经济的创新驱动路径[J].数量经济技术经济研究，2024（4）：6888.
［9］张志元，马永凡.数字金融与企业投资：银行风险承担视角[J].当代经济科学，2023（1）：6173.[ZK）]
［10］LIU"J"M，"JIANG"Y"L，"GAN"S"D，"et"al."Can"digital"finance"promote"corporate"[JP3]green"innovation？[J]."Environmental"Science"and"Pollution"Research，"2022，"29："3582835840.
［11］LUO"G"Y，"GUO"J"T，"YANG"F"Y，"et"al."Environmental"regulation，"green"innovation"and"highquality"development"of"enterprise："evidence"from"China[J]."Journal"of"Cleaner"Production，"2023，"418："138112.
［12］UR"REHMAN"S，"KRAUS"S，"SHAH"S"A，"et"al."Analyzing"the"relationship"between"green"innovation"and"environmental"performance"in"large"manufacturing"firms[J]."Technological"Forecasting"and"Social"Change，"2021，"163："120481.
［13］韩先锋，郑酌基，宋文飞，等."环境规制调节下数字金融对绿色技术创新的动态影响研究[J].管理学报，2023（8）：11801188.
［14］LIAN"G"H，"XU"A"T，"ZHU"Y"H."Substantive"green"innovation"or"symbolic"green"innovation？"The"impact"of"ER"on"enterprise"green"innovation"based"on"the"dual"moderating"effects[J]."Journal"of"Innovation"amp;"Knowledge，"2022，"7："100203.
［15］陆凤芝，王群勇.数字普惠金融与金融服务实体经济效率提升[J].南开学报（哲学社会科学版），2022（3）：3447.
［16］任保平.新时代我国制造业高质量发展需要坚持的六大战略[J].人文杂志，2019（7）：3138.
［17］罗序斌，黄亮.中国制造业高质量转型升级水平测度与省际比较：基于“四化”并进视角[J].经济问题，2020（12）：4352.
［18］潘为华，潘红玉，陈亮，等.中国制造业转型升级发展的评价指标体系及综合指数[J].科学决策，2019（9）：2848.
［19］李青原，肖泽华.异质性环境规制工具与企业绿色创新激励：来自上市企业绿色专利的证据[J].经济研究，2020（9）：192208.
［20］王班班，齐绍洲.市场型和命令型政策工具的节能减排技术创新效应：基于中国工业行业专利数据的实证[J].中国工业经济，2016（6）：91108.
［21］曲玥.人力资本有效提升与制造业创新发展：内在机制与中国实践[J].人民论坛·学术前沿，2023（17）：7689.
［22］郝凤霞，江文槿，楼永.劳动力流动与地区制造业升级：基于转移升级和转型升级角度[J].产经评论，2021（6）：90109.
［23］赵亚雄，王修华.数字金融、家庭相对收入及脆弱性：兼论多维“鸿沟”的影响[J].金融研究，2022（10）：7797.
［24］邓向荣，冯学良，李宝伟.金融改革与地区产业结构升级：来自金融改革试验区设立的准自然实验[J].经济学家，2021（2）：7180.
［25］李虹，邹庆.环境规制、资源禀赋与城市产业转型研究：基于资源型城市与非资源型城市的对比分析[J].经济研究，2018（11）：182198.
［26］PORTER"M"E，"VAN"DER"LINDE"C."Toward"a"new"conception"of"the"environmentcompetitiveness"relationship[J]."Journal"of"Economic"Perspectives，"1995，"9（4）："97118.
［27］郭然，原毅军.生产性服务业集聚能够提高制造业发展质量吗：兼论环境规制的调节效应[J].当代经济科学，2020（2）：120132.
［28］HANSEN"B"E."Threshold"effects"in"nondynamic"panels："estimation，"testing，"and"inference[J]."Journal"of"econometrics，"1999，"93（2）："345368.
［29］康鹏辉，茹少峰.环境规制的绿色创新双边效应[J].中国人口·资源与环境，2020（10）：93104.
编辑：郑雅妮，高原
