2024年 12月，Finance Research Letters接收了“Fintech and urban entrepreneurial activity”一文，研究了我国金融科技与城市创业活动关系。金融科技（Fintech）作为克服传统金融体系局限性的一种强大力量，已经取得了显著的成效。文章通过分析2010年至2021年间297个中国城市的数据，发现金融科技显著促进了城市创业活动，主要通过提升人力资本和推动产业升级两个渠道来实现这一效果。金融科技对创业活动的促进作用在中国华北胡焕庸线以东的区域，以及技术较为先进的城市中尤为显著。中国人民大学金融科技研究所（微信ID：ruc_fintech）对研究核心部分进行了编译。
来源 | FRL
作者 | Rui xuan Yang , Zhe Liu
编译 | 简苏尔
1 引言
创业活动是经济增长、充分就业和创新的重要驱动力（Rosado-Cubero等，2022）。然而，成功的创业活动通常依赖于资金的获取，这对于初创企业尤为重要。金融机构支持中小企业的意愿直接影响创业活力（Huang等，2024）。在多个新兴市场中，由于传统金融服务的低效性，企业面临融资成本高和资本获取渠道有限等挑战（van Rijnsoever，2022；Yang等，2023）。金融科技作为一种变革性力量，整合了新技术与传统金融。此外，大数据、云计算、区块链和人工智能（AI）的快速发展提升了金融服务的效率和可达性，从而推动了城市经济的发展（Ding等，2022）。更重要的是，在2023年首三季度，中国金融科技投资总额达到1181.26亿元，发生了907起融资事件，显示了金融科技在重塑金融格局中的关键作用。尽管已有研究探讨了金融科技的发展特征（Berg等，2022）、监管框架（Alaassar等，2023）、对银行业的影响（Murinde等，2022）以及对商业的影响（Ding等，2022），但其对城市创业活动的具体影响仍然没有得到充分研究。城市创业活动是衡量城市经济潜力和创新能力的重要指标，对于吸引人才、资本和技术至关重要。高水平的创业活动能够缓解当地就业压力、促进经济增长、提高居民生活质量，从而推动地区繁荣（Lan等，2023）。鉴于全球经济不确定性日益增加以及中国就业市场面临的挑战，分析金融科技对城市创业活动的影响，对于促进大众创业和创新、推动中国经济高质量发展具有重要意义。
我们使用企业搜索数据库收集金融科技数据，并生成金融科技发展指标，利用2010至2021年间来自297个中国城市的数据，探讨了金融科技与城市创业活动之间的关系。研究结果表明，金融科技通过技术进步改善了传统金融，增加了金融服务的“数量”，并促进了人力资本的发展。同时，它通过优化产业结构和推动产业升级，提升了城市产业的“质量”，从而促进了城市创业活动。金融科技对创业活动的促进作用在华北胡焕庸线以东的区域和技术较为先进的城市中尤为显著。
本研究有三方面的贡献。首先，我们考察了金融科技对城市地区创业活动的影响，为其在数字经济中的作用提供了全新的视角。其次，本研究深化了对影响城市创业活动因素的理解，填补了以往主要关注传统金融资源的文献空白（Sun和You，2023）。研究验证了金融科技对实体经济的创新性影响。第三，本研究关注金融科技在不同地理区域和技术发展水平中的多重作用，为制定具有针对性的金融科技政策提供了重要的见解。
2 理论分析与假设
熊彼特的创新性破坏理论认为，生产要素的新组合会打破市场均衡，导致竞争格局的变化，例如企业的进入和退出（Ben-Hafaïedh等，2024）。创业活动对促进竞争、打破垄断、将市场份额转移到高科技企业以及推动社会进步至关重要。然而，创业活动需要大量的金融支持，因为没有有效的金融渠道，创业活动将受到限制。此外，降低资本获取门槛对刺激创业活动具有重要作用（Ding等，2022）。金融科技解决了传统金融体系的不足，进而激发了城市创业活动。
一方面，金融科技通过增加对传统金融服务的访问，提升人力资本，并使个体能够学习先进的金融技能。此外，它还通过大数据和人工智能提供个性化的人才发展支持（Campanella等，2023）。这一提升改善了金融素养和创业技能，鼓励创新思维，促进创业文化。因此，持续不断的技能型人才流入加强了创业生态系统，同时优化了机会和资源的配置（Chen和Guo，2023）。金融科技通过增强人力资本、刺激创新并增加城市创业活动，支持了创业活动。
另一方面，金融科技利用大数据、人工智能和区块链等技术，提高了传统金融服务的效率和体验。此外，它鼓励金融与其他行业的融合，加速了产业升级和结构优化（Yang和Zhou，2024）。这种融合强化了金融产业链，使资源能够更加有效地服务于实体经济，通过为高科技企业提供灵活的融资和风险管理，推动了经济的发展。随着产业结构的演进，新的商业模式应运而生，从而创造了创业机会并扩展了市场空间（Sun和You，2023）。因此，金融科技显著推动了城市创业生态系统，在数量和质量上都提升了城市创业活动。
基于上述分析，本研究提出以下研究假设：
H1：金融科技有效促进城市的创业活动。
H2：金融科技通过促进人力资本发展和产业升级，提高城市创业活动。
3 研究设计
3.1 样本选择与数据
本研究考察了2010年至2021年间中国的297个城市。城市层面的创业活动和金融科技数据来源于企业搜索数据库，其他信息则来自省级和城市统计年鉴。我们的最终数据集包含了3491个城市-年份观察值。
3.2变量设置
创业活动（Entrep）：每个城市的初创企业数量作为创业活动的可靠指标。本研究从企业搜索数据库收集了企业的微观数据，并根据企业的成立年份、地址和行业类型将其与城市进行匹配。我们将初创企业的面板数据按城市和年份进行分类。为了考虑城市规模，我们遵循Wang等（2023）的做法，在基准回归中采用人口方法，将创业活动衡量为每100居民的新初创企业数量。与使用企业数量作为标准化基准相比，这种方法减少了因企业规模异质性导致的测量偏差。
金融科技（Fintech）：本研究借鉴Ding等（2022）的研究方法，在企业搜索平台上搜索“金融科技”、“云计算”、“大数据”、“区块链”、“人工智能”和“物联网”等关键词，以收集企业注册信息。此外，我们排除了经营时间不足一年或状态异常的企业，以确保金融科技发展指标的准确性。我们还通过模糊匹配使用“信用”和“清算”等与金融相关的关键词，仅保留成功匹配的结果。最后，我们计算每个地级市的金融科技企业年数量，并采用对数处理来评估地区金融科技发展，数值越高表示发展程度越大。
控制变量：为了考虑可能影响城市创业活动的其他因素，本研究在回归模型中纳入了以下城市层面的控制变量：人口密度、失业率、经济发展水平、金融发展水平、对外开放程度、城市化水平、产业结构和城市创新水平。表1展示了主要变量的定义。
3.3模型设定
本研究构建了以下普通最小二乘回归模型，以检验金融科技发展与城市创业活动之间的关系：
其中，Entrep 是因变量，衡量样本城市i在年份t的创业活动。Fintech 是核心自变量，衡量样本城市i在年份t的金融科技发展。Controls 表示一组控制变量。γi、φt 和 εit 分别表示城市固定效应、年份固定效应和残差项。
4 实证分析
4.1描述性统计和相关性分析
表2展示了描述性统计结果。创业活动（Entrep）的最大值为20.236，平均值为1.282，表明各城市初创企业数量差异显著。金融科技（Fintech）的最大值为8.070，平均值为2.056，显示出各城市金融科技发展水平的显著差异。
4.2 基准回归结果
表3展示了金融科技对城市创业活动影响的回归结果。第（1）列显示了不包含控制变量的结果，而第（2）列则展示了在模型中加入控制变量后的结果。结果表明，金融科技的系数在所有情况下均显著为正，表明金融科技发展刺激了城市的创业活动。因此，假设H1得到了验证。
4.3 机制检验
表4的第（1）列展示了人力资本升级的机制检验结果。使用本科生与城市人口的比率作为代理变量（Ma等，2023），结果表明金融科技系数为0.009，在1%的显著性水平下，表明金融科技通过人力资本升级促进了城市创业活动。
第（2）列展示了产业升级的机制检验结果。我们采用Zou（2024）的方法，计算各行业对GDP的增加值比率，分别对第二产业和第三产业加权为2和3。结果表明金融科技系数为0.002，在5%的显著性水平下，表明金融科技通过产业升级刺激了城市创业活动，从而验证了假设H2。
4.4 稳健性检查
4.4.1 工具变量
为了应对潜在的内生性问题，本研究采用了二阶段工具变量方法。Bartik工具变量方法（Goldsmith-Pinkham等，2020）使用城市滞后期的金融科技水平与全国金融科技增长率的交互作用来确定Bartik工具变量（F.Fintech × Growth）。该方法适用的原因在于，滞后期的金融科技水平与当前水平相关，而全国增长率对于各城市来说是外生的，不会直接影响当前期的新初创企业。表5展示了二阶段回归结果。在第一阶段（第（1）列），工具变量与金融科技显著正相关，F统计量超过了10%的阈值，确认了其有效性。与此同时，第二阶段（第（2）列）显示，金融科技显著促进了城市创业活动，即便在控制了潜在的内生性后，仍验证了结果的稳健性。
4.4.2滞后效应的考虑
由于金融科技对城市创业活动的影响可能存在滞后，本研究通过将自变量滞后一期重新检验了这一关系，结果见表6的第（1）列。结果表明，研究的结论依然稳健。
4.4.3特定数据的剔除
由于经济发展较为发达且推动金融科技增长的直辖市可能存在自选择偏误，本研究在剔除直辖市后的样本中重新评估了结果。表6第（2）列展示的结果确认了研究结论的稳健性。
4.4.4倾向得分匹配
为了应对样本中的潜在自选择偏误，本研究采用了倾向得分匹配测试，使用1:1最近邻匹配方法。图1展示了如何通过匹配样本有效消除城市层面的偏误。然后对匹配样本进行了额外的回归分析，结果见表6第（3）列。研究结果表明，即便在考虑到潜在的样本选择偏误后，本研究的结论依然是可靠的。
4.5 异质性检验
胡焕庸线根据适宜性划分了中国的不同区域。西北地区的人口密度、城市化水平和经济发展较低，基础设施和市场条件较弱，可能限制了金融科技对城市创业活动的积极影响。本研究通过胡焕庸线划分区域，将线以东的地区赋值为1，线以西的地区赋值为0，从而考察区域差异。基准回归模型中的分组检验，如表7的第（1）列和第（2）列所示，结果表明，金融科技对东南地区的城市创业活动具有更强的正向效应。
高科技城市拥有更为成熟的创业生态系统，得到孵化器、加速器和行业组织的支持，这些机构提供办公空间、金融援助和知识交流，从而加速创新。因此，这些城市的金融科技促进了人力资本发展和产业升级，显著增加了创业活动。为了确定金融科技的影响是否因城市的技术发展而异，本研究根据科技支出占GDP的比重将样本分为高技术和低技术类别。表7第（3）列和第（4）列的结果表明，金融科技对城市创业活动的正向效应在技术发展较高的地区更为显著。
5 结论
创业活动是实现充分就业和经济增长的重要驱动力。本研究使用2010年至2021年的城市层级数据，考察了金融科技对城市创业活动的影响。研究结果表明，金融科技通过提高金融服务的可获得性和效率、更加有效地配置资源并扩大传统金融服务的范围，显著促进了城市创业活动。这使得更多个体能够获得教育和培训，从而增加了人力资本。此外，金融科技通过推动高科技产业，优化了产业结构并促进了城市创业。金融科技的积极影响在胡焕庸线以东的东南地区尤为明显，该地区的城市技术发展较为成熟。本研究为金融科技的经济影响及其对快速发展的金融科技环境下城市创业活动的影响因素提供了新的理论贡献。
……
获取完整报告
请后台回复“城市创业”
获取下载链接
·END·
责编/徐赫聪
编译/简苏尔
排版/薛婧宜
【延伸阅读】
