EN中文

Economic geography >

2026 , Vol. 46 >Issue 3: 87 - 96

DOI: https://doi.org/10.15957/j.cnki.jjdl.2026.03.009

Spatial and Industrial Effects of the Digital Inclusive Finance on the County-Level Economic Development in Henan Province

  • XU Jiawei , 1 ,
  • DU Jin , 3, 4, ※ ,
  • WANG Wenqi 5 ,
  • WANG Qiwen 5
Expand
  • 1 School of Urban and Rural Planning & Academician Laboratory for Urban and Rural Spatial Data Mining & Collaborative Innovation Center of Urban-rural Coordinated Development， Henan University of Economics and Law， Zhengzhou 450046，Henan， China
  • 2 Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center of Yellow River Civilization Provincial Co-construction， Henan University， Kaifeng 475001，Henan， China
  • 3 Faculty of Geographical Science and Engineering， Henan University， Kaifeng 475004，Henan， China
  • 4 Henan Urban and Rural Planning and Design Institute Co.， Ltd. Zhengzhou 450044，Henan， China
  • 5 School of Agriculture and Rural Development， Henan University of Economics and Law， Zhengzhou 450046，Henan， China

Received date: 2025-05-29

  Revised date: 2025-11-27

  Online published: 2026-04-29

Fold

Abstract

This study systematically examines the spatial mechanism of the digital inclusive finance on the county-level economic development in Henan Province. Using the panel data for 102 counties in Henan Province from 2014 to 2022, this paper uses the spatial Durbin model to explore the spatial and industrial effects of the digital inclusive finance on the county-level economic development. The findings are as follows: 1) Both the county-level economic development and the digital inclusive finance in Henan Province exhibit significant spatial agglomeration patterns, characterized by high clustering in core development zones and relatively low clustering in coordinated development zones. 2) The digital inclusive finance significantly boosts the economic development in both local counties and neighboring counties, demonstrating significant direct effects and indirect spatial spillover effects, with stronger effects in coordinated development zones than that in core development zones. 3) The indirect effects of the digital inclusive finance on the county-level economic development display a clear gradient characteristic, which is overall region (significant), coordinated development zones (significant), core development zones (insignificant) in descending order, indicating that the core development zones exert significant spatial spillover effects on the coordinated development zones. 4) The impacts of digital inclusive finance on the three industrial sectors show a descending pattern, which is secondary industry, tertiary industry, and primary industry respectively.

Key words： inclusive finance; digital economy; county-level economy; spatial effects; industrial effects; Henan Province

Cite this article

XU Jiawei , DU Jin , WANG Wenqi , WANG Qiwen . Spatial and Industrial Effects of the Digital Inclusive Finance on the County-Level Economic Development in Henan Province[J]. Economic geography, 2026 , 46(3) : 87 -96 . DOI: 10.15957/j.cnki.jjdl.2026.03.009

县域经济作为中国经济发展的重要基础单元，在区域协调发展和城乡融合进程中占据关键地位[1-2]，其既是实现共同富裕的核心载体，也是推动产业结构优化与经济可持续发展的重要引擎[1,3]。相较于其他空间尺度，县域经济因其相对的自主性与功能完整性，能够更精确地反映区域内部经济活力和发展差异的演变特征[2,4]。党的二十大报告强调以县城为重要载体推进新型城镇化，这进一步明确了县城在中国经济发展策略中的核心地位。2024年3月，新时代推动中部地区崛起座谈会召开，进一步明确中部地区在国家发展全局中的定位：三基地一枢纽，即重要粮食生产基地、能源原材料基地、现代装备制造及高技术产业基地和综合交通运输枢纽。2024年7月，党的二十届三中全会通过的《中共中央关于进一步全面深化改革 推进中国式现代化的决定》提出“健全推动……中部地区加快崛起……”“完善产业在国内梯度有序转移的协作机制”。河南作为中部地区的内陆省份，逐渐实现区域空间互联互通，已成为承接长三角、环渤海、珠三角等经济圈产业转移的重要区域，在国家构建优势互补的区域经济布局和国土空间体系中地位更加凸显。2025年5月，习近平总书记在河南考察时提出：“以高质量发展和高效能治理奋力谱写中原大地推进中国式现代化新篇章。”在这一战略背景下，金融创新特别是数字普惠金融的发展，对于加快县域经济的现代化和高质量发展尤为关键[5-6]。数字普惠金融（Digital Inclusive Finance，DIF）作为推动经济高质量发展的重要驱动力，近年来在中国受到了极大的重视[5-7]。其作为创新的金融服务模式，通过运用大数据、云计算和智能算法等先进数字技术，显著提升了金融服务的可达性和深度[8]，有效降低了金融服务的成本与门槛，并优化了金融资源配置效率[5]。同时，数字普惠金融面向广大中小企业和低收入人群，改善了金融供给不足的结构性问题，进而提升了居民社会福祉水平和推动经济高质量发展[9]。随着数字普惠金融的迅猛发展，中国经济高质量发展实现了稳步提升，但也呈现出了显著的地区差异[10]。
当前，实证研究日益关注数字普惠金融对城市高质量发展的多维影响。其在促进经济发展[11-12]、产业结构升级[13]、旅游经济发展[14]、提升创新水平[15]、改善不平衡发展[16]、收敛城乡收入差距[17-18]以及缓解地方债务[19]等方面展现了显著效果。从省际到地级市，再到县域，均发现了数字普惠金融对经济发展的正向效应及其空间异质性的显著证据。省域层面，数字金融的发展促进了地区经济的增长[11]。普惠金融对经济增长的影响具有非线性特征，表现为双门槛效应，即在某些发展阶段，普惠金融能显著推动经济增长[20]。数字普惠金融通过国际贸易和国内需求等多种传导渠道推动经济高质量发展，其在中国东、中、西部地区存在空间异质性：东部和西部地区表现出持久的促进作用，而中部地区则表现出长期的负面影响[21]。地级市层面，数字普惠金融显著促进高质量经济发展，国家级城市群的促进效应高于其他城市群[11]。其与产业结构升级的关系呈非线性，效应由东部至中西部逐渐增强[13]。县域层面，数字普惠金融通过提高信贷可得性促进县域经济增长，并且政府的支持和引导对其发展过程起到关键作用[22]。数字普惠金融能有效促进县域经济增长，尤其在经济欠发达地区的作用更为显著，即数字普惠金融促进中西部地区经济增长的作用大于东部地区[16]。
综上可见，数字普惠金融已成为推动经济增长和社会发展的关键驱动力之一。①数字普惠金融依托其跨时空的信息传播能力和广泛深入的金融服务，显著推动了经济发展。主要表现在通过拓宽融资渠道，降低融资成本，为中小企业和初创企业提供更便利的金融支持，从而增强企业创新能力和投资活力，带动经济增长[22-23]；通过扩大对经济欠发达地区的金融覆盖，改善区域金融供给不均衡[18,24]，促进区域间的协调发展[5,24-25]；通过优化资源配置并提升金融服务普及度，提高经济运行的可持续性[26]，同时增强城乡居民的消费能力，进而提升社会福利水平[6]。②数字普惠金融在经济发展中呈现出显著的空间溢出效应。高效的数字普惠金融服务突破时间和空间限制，加强区域间经济活动的联系与互动，形成扩散效应和虹吸效应[5,25]。③数字普惠金融在产业发展中发挥关键作用，推动产业结构升级与质量提升[27]。在第一产业中，数字普惠金融通过提供农业生产贷款、资金支持以及市场信息服务，促进农业现代化和粮食生产安全，提高农业生产效率并促进产业升级[26,28]。在第二产业中，数字普惠金融通过为中小工业企业提供灵活的融资方案，缓解资金链压力，带动技术创新与转型升级[21]。在第三产业中，数字普惠金融利用数字化平台扩大消费市场和服务业覆盖范围，刺激消费升级，并促进服务业向高附加值方向发展。
总体上看，目前数字普惠金融对经济发展的影响研究涉及省级[20]、地级市[11,13,15]以及县域[14,24]的不同尺度，但多侧重于全国尺度的分析，对于中观尺度的深入探讨尚显不足。同时，已有研究普遍关注宏观经济指标，对于数字普惠金融在一二三产业中的差异化影响仍缺乏细致分析。基于此，本文利用河南省102个县域2014—2022年的面板数据，通过空间计量模型探讨其数字普惠金融对县域经济发展的空间效应与产业效应，不仅为理解数字普惠金融在促进县域经济高质量发展中的角色提供经验支撑，还为中部崛起克服面临的发展挑战提供关键的理论支持。

1 研究方法与数据来源

1.1 研究区域

河南是全国重要的经济大省、农业大省和人口大省，也是中原城市群的核心区域，在全国经济格局中占据重要地位。2022年，全省GDP约6万亿元，位居全国第六；县域经济在全省经济中贡献突出，总量约3.67万亿元，占全省GDP的61%，位列全国第二。本文选取河南省102个县级行政单位（包括县和县级市，以下简称“县域”）作为研究区域（不含济源市），并根据《河南省国土空间规划（2021—2035年）》将其划分为核心发展区和协同发展区。其中，核心发展区即郑州都市圈，该区域以郑州为中心，县域经济发展水平普遍较高；协同发展区则位于核心发展区的外围，主要受郑州都市圈的经济辐射带动（图略）。

1.2 变量选择与数据来源

1.2.1 变量选择

①被解释变量：县域经济水平（GDP）。本文以国内生产总值衡量，同时选择第一产业（FIP）、第二产业（SIP）和第三产业（TIP）的产值来反映三次产业的发展状况，以揭示县域经济的结构特征（表1）。本文采用的GDP及产业产值为名义值，未进行通货膨胀调整，其核心目的是揭示数字普惠金融与县域经济之间的相对影响关系与空间作用机制。由于通货膨胀的变化对变量间相对关系的影响较小，因此未将通货膨胀纳入处理。
表1 变量选取及说明

Tab.1 Selection and explanation of various variables

变量 符号 变量说明
被解释变量 经济发展水平 GDP GDP（亿元）
第一产业经济发展水平 FIP 第一产业产值（亿元）
第二产业经济发展水平 SIP 第二产业产值（亿元）
第三产业经济发展水平 TIP 第三产业产值（亿元）
核心解释变量 数字普惠金融指数 DFI 北京大学数字金融研究中心测度的数字普惠金融指数
控制变量 人口规模 PR 常住人口（万人）
城镇化水平 UL 城镇化率（%）
供给能力 GN 人均粮食产量（t/万人）
财政支持 FD 财政收入/财政支出（%）
公共服务 PS 每万人医疗机构医生数（个/万人）
金融条件 FT 金融机构存款余额/金融机构贷款余额（%）
消费水平 CL 每万人社会消费品零售总额（元/万人）
②核心解释变量：数字普惠金融发展水平（DIF）。本文采用北京大学数字金融研究中心测度的数字普惠金融指数[5]。
③控制变量：为避免遗漏变量导致的回归偏误，本文参考张英浩等的相关研究[10]，选择可能影响县域经济发展的控制变量。具体包括：人口规模（PR）采用常住人口表征，反映劳动力供应、消费需求和公共服务质量[9]；城镇化水平（UL）采用城镇化率表征，反映区域市场规模和经济活动密度[11,28]；供给能力（GN）采用粮食产量比总人口表征，反映地区的食品自给能力和农业生产效率；财政支持水平（FD）采用财政收入比财政支出表征，反映地方政府的财政保障能力[10]；公共服务（PS）采用医疗医生数比总人口表征，反映公共医疗服务可用性；金融条件（FT）采用金融机构存款余额比金融机构贷款余额表征，反映地区金融资源供给状况[29]；消费水平（CL）采用每万人社会消费品零售总额比总人口表征，反映区域消费需求活力[9]。

1.2.2 数据来源

数字普惠金融数据来源于北京大学数字金融研究中心发布的数字普惠金融指数[5]，鉴于该指数起始年份为2014年，本文选取2014—2022年作为研究期。其他数据主要来源于2015—2023年《中国县域统计年鉴》及河南省和各地级市统计年鉴，个别缺失数据采用线性插值法填补。

1.3 研究方法

1.3.1 空间自相关分析

为识别河南省县域数字普惠金融的空间分布特征，本文采用全局莫兰指数（Global Moran's I）和局部莫兰指数（LISA）进行分析。其中全局指数用于识别数字普惠金融在整体上是否存在空间集聚特征，局部指数用于揭示高—高、低—低等具体的空间集聚类型及其位置分布。

1.3.2 空间计量模型

已有研究表明数字金融与经济发展在地区间存在显著的空间相关性[10,30]，为消除变量量纲差异对估计结果的影响，对各变量进行标准化处理，以保证模型的稳健性。本文通过运用空间计量模型检验数字普惠金融对河南省县域经济发展的影响，基本模型构建如下：
$GD{P}_{i,t}={\alpha }_{0}+{\alpha }_{1}DI{F}_{i,t}+{\alpha }_{2}co{n}_{i,t}+{\mu }_{i}+{\delta }_{t}+{\epsilon }_{i,t}$
式中：GDPi,t表示河南省县域i在t时期的经济发展水平；DIFi,t表示河南省县域i在t时期的数字普惠金融发展水平；α0表示截距项；α1为数字普惠金融的回归系数；α2为控制变量的回归系数；εi,t表示随机扰动项；μi表示县域i的个体固定效应； ${\delta }_{t}$表示时间固定效应；coni,t表示一系列控制变量。
为探究河南省数字普惠金融对县域经济发展水平的空间效应，本文将式（1）拓展为空间面板杜宾模型。计算公式如下：
$\begin{array}{l}GD{P}_{i,t}={\alpha }_{0}+\rho WED{I}_{i,t}+{\varphi }_{1}WDI{F}_{i,t}+{\alpha }_{1}DI{F}_{i,t}+\\ {\varphi }_{2}Wco{n}_{i,t}+{\alpha }_{2}co{n}_{i,t}+{\mu }_{i}+{\delta }_{t}+{\epsilon }_{i,t}\end{array}$
式中：ρ为空间自回归系数；W为空间权重矩阵（使用邻接矩阵和经济地理距离嵌套矩阵）； ${\varphi }_{1}$为核心解释变量空间交互项的弹性系数； ${\varphi }_{2}$为控制变量空间交互项的弹性系数。

2 空间格局演化与空间自相关分析

2.1 河南省县域经济空间格局演化

表2为河南省2014—2022年县域经济发展水平的描述性统计结果。从中看出：①县域经济的平均值从2014年的225.174亿元增长至2022年的360.084亿元，表明县域经济规模持续增长，核心发展区明显高于协同发展区。②县域经济标准差从131.088增加到221.844，变异系数从0.582上升至0.616，反映了县域间的经济差距进一步扩大，不均衡性增强。核心发展区的内部差异尤为明显，呈现经济极化趋势。③县域经济的峰度和偏度分别从3.806和1.937增至10.855和2.913，说明经济分布趋向更尖峰化且尾部较重，表明大多数县域的经济发展低于平均水平，而少数县域表现突出。具体来说，核心发展区的峰度和偏度增长更为显著，而协同发展区的变化较小，结构更均衡，且部分县域显示出较强的后发赶超潜力。总体而言，核心发展区的经济极化程度较高，而协同发展区的经济发展更均衡、增长潜力更强。
表2 2014—2022年河南省县域经济发展描述性统计

Tab.2 Descriptive statistics of the county-level economic development in Henan Province from 2014 to 2022

2014 2015 2016 2017 2018 2019 2020 2021 2022
平均值 225.174 238.608 259.626 282.925 302.117 320.861 323.135 344.664 360.084
标准差 131.088 141.730 155.382 170.653 182.797 193.767 199.889 214.938 221.844
变异系数 0.582 0.594 0.598 0.603 0.605 0.604 0.619 0.624 0.616
峰度 3.806 5.425 5.842 6.120 7.186 9.471 10.491 11.174 10.855
偏度 1.937 2.164 2.213 2.245 2.385 2.672 2.845 2.941 2.913
进一步地，本文运用ArcGIS软件，采用自然断点分级法将河南省102个县域经济水平从高到低划分为高水平、较高水平、中等水平、较低水平和低水平5个组，并绘制2014、2018和2022年其经济发展水平空间分布图（图1）。由图1可知，河南省县域经济总体呈现显著的区域不平衡特征[9,31]。具体来说，2014年河南省县域经济在空间上形成了清晰的圈层结构。这种结构展示了从核心发展区向协同发展区的经济梯度变化，以郑州市下辖县域作为经济发展的高水平中心，向外围逐层递减至中等、较低及低水平区域。2018年，全省县域经济水平得到显著提升。其中，核心发展区的圈层特征进一步强化，呈现从高水平向低水平递减的趋势；协同发展区多数县域由低水平提升至较低水平。到2022年，全省县域经济继续增长，核心发展区依然展现出明显的经济极化。总之，河南省县域经济呈现圈层化分布和极化趋势，核心发展区的经济活力明显高于协同发展区。
图1 河南省县域经济发展水平演变

Fig.1 Evolution of the county-level economic development level in Henan Province

这种空间格局的形成源于多重因素叠加作用。首先，核心发展区依托郑州都市圈的战略定位，集聚了全省优质资源。郑州作为国家中心城市和综合交通枢纽，通过“强核心”政策吸引高端制造业、现代服务业和科技创新要素，形成明显的“中心—外围”虹吸效应，推动核心区与协同区的差距扩大。其次，核心区内部因县域产业基础和区位条件不同而出现分化。如郑州市下辖的新郑、巩义等县域依托航空港区和产业园区实现快速增长，而部分远郊县域则发展相对滞后，加剧了内部异质性。再次，协同发展区虽经济基础薄弱，但受益于全省交通网络升级（如米字形高铁网）和产业梯度转移政策带动，部分县域（如永城、邓州）通过承接劳动密集型产业、发展特色农业和文旅产业实现较快增长，呈现多点分散、相对均衡的格局。最后，河南省“核心带动、多点支撑”的国土空间规划在资源配置和政策倾向上强化了核心区优势，进一步巩固了圈层化结构。总体而言，县域经济的空间重构受核心区的辐射影响，也取决于地方资源禀赋与发展策略的互动。

2.2 河南省县域数字普惠金融空间自相关分析

2.2.1 全局空间自相关分析

为分析数字普惠金融水平的空间关联性，本文采用全局莫兰指数进行度量。结果显示，2014—2022年全局莫兰指数（0.350~0.522之间）均显著为正，且在1%水平上显著。表明数字普惠金融在河南省县域具有持续的正向空间相关性。这说明各县域间在数字普惠金融的发展水平上相互影响，且相邻县域间趋向于表现出相似的金融服务可及性和利用率，从而强化了区域内的经济联系和相互依赖性。

2.2.2 局部空间自相关分析

基于邻接矩阵，本文利用局部莫兰指数对河南省2014、2018和2022年的县域数字普惠金融水平的空间分布进行分析（图2）。结果显示，县域数字普惠金融呈现显著的正向空间相关性，呈现出核心发展区“高—高”聚类和协同发展区“低—低”聚类的特征。其中，“高—高”聚类主要集中在核心发展区的中心区域，表明这些县域及其邻近县域的数字普惠金融水平普遍较高；而“低—低”聚类则集中于协同发展区，说明该区域的数字普惠金融服务发展水平较低[32]。此外，在核心发展区与协同发展区的交汇处存在少量“低—高”和“高—低”聚类，反映了边缘地带金融服务水平的不均衡，存在潜在的空间差异与发展不平衡问题。
图2 河南省县域数字普惠金融局部莫兰指数空间分布演变

Fig.2 Evolution of local Moran index for the digital inclusive finance in Henan Province

3 空间效应与产业效应实证结果分析

3.1 空间计量模型识别

全局莫兰指数结果表明，2014—2022年河南省县域经济水平均呈现显著正向空间自相关并在1%水平上显著，说明县域经济活动具有空间集聚特征，适合采用空间计量模型进行分析。进一步的LM检验、Robust LM、Wald检验、LR检验和豪斯曼检验（Hausman）拒绝了将SDM简化为SAR和SEM的原假设。因此，本文采用SDM来识别数字普惠金融对县域经济发展的空间效应和产业效应。

3.2 数字普惠金融对县域经济的空间效应

本文将2014—2022年河南省102个县域的数据纳入SDM（表3），结果显示数字普惠金融（DIF）对本地区县域经济具有显著的促进作用，回归系数为0.352。这表明河南省的数字普惠金融通过提升金融服务的可达性和覆盖范围，有效降低服务门槛和成本，激发经济活力，扩大消费支出，并优化资源配置，显著推动了本地县域经济发展。上述结果与唐文进等[13]的研究结论一致，进一步证实了数字普惠金融在欠发达地区推动经济发展的关键作用。邻近县域的DIF对本地县域经济的发展具有显著的正向影响，其回归系数为0.290。这表明，邻近县域DIF的发展通过资源配置、金融服务扩展和市场联动，为本地经济带来了更多增长机会。邻近县域经济的改善可能推动商品流通、劳动力转移和资本流入，从而带动本地经济活动的扩展。此外，空间自回归系数ρ显著为正，进一步表明邻近县域经济水平的提高会通过区域关联对本地经济形成显著的带动作用。这种区域间的双向联动机制凸显了数字普惠金融在推动区域协同发展和优化资源配置中的关键作用，为本地与邻近地区的共同繁荣奠定了基础。
表3 空间面板计量模型的检验结果

Tab.3 Test results of spatial panel econometric model

解释变量 邻接矩阵
X W·X
DIF 0.352*** 0.290***
PR 0.386*** 0.073
UL 0.187*** 0.047
GN 0.179*** -0.007
FD 0.049 -0.115*
PS 0.050* 0.190***
FT -0.007 -0.032
CL 0.181*** -0.040
ρ 0.095**

注：***、**和*分别代表通过1%、5%和10%的显著性水平检验，为节省版面，t统计量不显示。表4~表7同。

为识别数字普惠金融的空间影响机制，本文对SDM结果进行直接效应、间接效应和总效应的分解（表4）。结果显示，无论是对本地县域经济的直接提升还是对邻近县域的经济带动，DIF均显示出显著的促进作用。其中直接效应（0.362）与间接效应（0.361）几乎相等，表明数字普惠金融不仅直接增强了县域内的经济活力，还通过空间溢出效应促进了周边县域的经济增长。这种几乎等值的效应强调了DIF在推动区域经济一体化和增强经济协同发展方面的重要性。
表4 空间杜宾模型溢出效应分解结果

Tab.4 Decomposition results of the spillover effect of the spatial Durbin model

解释变量 邻接矩阵
直接效应 间接效应 总效应
DIF 0.362*** 0.361*** 0.723***
PR 0.387*** 0.124 0.511***
UL 0.194*** 0.065 0.259**
GN 0.179*** 0.015 0.194**
FD 0.046 -0.124* -0.078
PS 0.056** 0.212*** 0.268***
FT -0.007 -0.038 -0.045
CL 0.179*** -0.023 0.157***
从控制变量来看，人口规模（PR）、城镇化水平（UL）、供给能力（GN）和消费水平（CL）的直接效应显著，表明这些因素对本地县域经济的发展具有积极作用。具体而言，人口规模增加意味着更多的劳动力供给和更大的市场需求，成为推动经济活动的重要因素；城镇化水平提升通过优化资源配置、增强基础设施建设和促进产业集聚，有效推动了县域经济的增长；供给能力显示了农业供给对欠发达地区经济稳定的重要支撑作用；消费水平的显著效应则表明，居民消费需求的增长直接拉动了本地经济发展，成为经济扩张的内在动力。特别是，公共服务（PS）的直接效应和间接效应均显著，表明医疗等基本公共服务的改善不仅对本地经济有促进作用，也显著带动了邻近县域经济的发展。相比之下，财政支持（FD）的直接效应不显著，间接效应显著且为负值，反映出财政资源可能未能有效地优化配置，甚至可能在邻近县域产生竞争效应或资源挤出效应，削弱了区域经济的协同性。而金融条件（FT）的直接效应和间接效应均不显著，表明现阶段河南省的金融服务对县域经济发展的促进作用有限。

3.3 数字普惠金融对县域经济的区域异质性效应

由于不同区域在政策导向、发展阶段、资源配置和社会环境方面的差异，DIF和县域经济的效果呈现出显著的区域异质性[10]。表5为核心发展区和协同发展区分别进行回归的结果。结果表明，DIF在不同区域的作用机制和效应存在显著差异。无论是直接效应、间接效应还是总效应，数字普惠金融对县域经济发展的促进作用在协同发展区整体上均高于核心发展区。
表5 核心发展区和协同发展区异质性回归结果

Tab.5 Heterogeneity regression results for the core development areas and the coordinated development areas

解释变量 邻接矩阵
河南省全域 核心发展区 协同发展区
DIF 0.352***（6.266） 0.268***（4.488） 0.543***（4.494）
W·DIF 0.290***（2.768） 0.042（0.349） 0.184*（1.790）
直接效应 0.362***（6.290） 0.270***（4.317） 0.547***（4.390）
间接效应 0.361***（3.276） 0.000（0.004） 0.173*（1.720）
总效应 0.723***（5.687） 0.270**（2.448） 0.719***（4.649）
从直接效应来看，DIF在核心发展区和协同发展区均对县域经济产生显著的正向促进作用，协同发展区的直接效应（0.547）略高于核心发展区（0.270）。这表明，DIF的推广对两类区域的本地经济增长均发挥了重要作用，而在协同发展区这种促进作用更加显著。这可能是因为协同发展区的经济基础相对薄弱，金融服务覆盖不足，DIF的推广有效填补了这一空缺，从而产生了更强的经济拉动效应。而在核心发展区，由于经济水平较高、金融资源配置效率较强，DIF的推动作用更多体现在对高附加值产业的支持和资源配置效率的优化上。从间接效应来看，协同发展区的间接效应显著为正（0.173），说明其他县域的DIF对本地县域经济产生了显著的溢出效应。协同发展区的经济联动性较强，DIF通过资源流动、市场联动和信息传播等渠道，对邻近县域的经济增长产生了积极影响。而核心发展区的间接效应不显著。这可能是因为郑州都市圈内部经济活动高度集中，县域经济增长主要依赖于核心城市（郑州）的辐射带动，而非邻近县域间的联动作用。此外，核心发展区的数字普惠金融体系已较为完善，其影响更多体现在优化本地资源配置，而不是通过溢出效应带动邻近区域经济增长。从总效应来看，协同发展区的DIF对县域经济的总体促进作用（0.719）高于核心发展区（0.270）。这表明，DIF在协同发展区的实施对整体经济发展的推动作用更为显著。这种差异反映出在经济欠发达区域，DIF的增量效应更强，能够更快转化为经济增长的动力。
综上所述，DIF对河南省县域经济的影响表现出明显的区域异质性，其在欠发达的协同发展区的促进作用明显高于较发达的核心发展区。值得注意的是，在全省层面间接效应为0.361，显著高于核心发展区和协同发展区的间接效应，说明数字普惠金融政策在省级层面上产生了更广泛的经济联动效应，这也表明核心发展区对协同发展区具有显著的空间溢出效应。因此，政策制定时应因地制宜，强化区域间的金融协作与联动，通过加强区域间的金融基础设施建设、优化金融资源配置和扩大金融服务覆盖范围，充分激发区域经济潜力，推动全省县域经济协调发展。

3.4 数字普惠金融对县域经济的产业异质性效应

从表6的分析结果看，DIF对一、二、三产业的经济影响呈现出明显的异质性。对于第一产业而言，DIF的直接效应显著（0.153），表明DIF直接促进了农业产业的增长，但其间接效应不显著（0.095），这可能表明第一产业领域内的经济活动较少受邻近地区经济变化的影响。第二产业的表现尤为突出，其直接效应（0.396）和间接效应（0.473）均显著，说明DIF不仅直接推动了本地区的制造业和工业发展，也通过地区间的经济联动带动了相邻地区的工业发展，总效应（0.869）显著高于第一产业和第三产业，表明第二产业是数字普惠金融影响下的主要增长引擎。第三产业在直接效应（0.194）和间接效应（0.256）上均显著，显示数字普惠金融在第三产业中发挥了重要促进作用，同时带动了邻近地区第三产业的发展。
表6 一二三产业异质性回归结果

Tab.6 Heterogeneity regression results for primary industry, secondary industry, and tertiary industry

解释变量 邻接矩阵
FIP SIP TIP
DIF 0.154***（3.982） 0.385***（4.756） 0.191***（4.081）
W·DIF 0.104（1.450） 0.413***（2.758） 0.241***（2.786）
直接效应 0.153***（3.856） 0.396***（4.760） 0.194***（4.040）
间接效应 0.095（1.421） 0.473***（3.058） 0.256***（2.983）
总效应 0.248***（3.363） 0.869***（4.902） 0.450***（4.622）
综上所述，DIF对河南省县域经济的促进作用呈现明显的产业差异：对第二产业的影响最强，其次为第三产业，而对第一产业的影响相对较弱。这一发现提示在推动数字普惠金融政策时，应充分考虑不同产业的需求特征和经济联系，以增强政策的针对性和有效性，从而促进区域经济的均衡和高质量发展。

3.5 稳健性检验

为验证实证结果的稳健性和可靠性，本文从空间权重设置、指标替换、数据处理和样本剔除4个方面进行检验（表7）。具体如下：
①替换空间权重矩阵[33]。空间权重矩阵的选择可能影响空间效应的估计。因此使用经济地理距离构建的嵌套矩阵替代原邻接矩阵。表7模型2结果显示，参数估计和显著性未发生明显变化。
②替换被解释变量[12,33]。首先，采用人均GDP替代GDP作为衡量县域经济发展水平的变量，表7模型3结果显示，参数估计和显著性均未发生明显变化，说明计量结果是稳健的。此外，考虑到传统经济指标可能受到通货膨胀的干扰，在模型4中采用夜间灯光数据作为替代变量[34]。结果显示，参数估计和显著性与基准模型保持高度一致，进一步验证了实证结论的稳健性。
③缩尾处理[12]。为消除极端值对回归结果的影响，对测量数据进行了1%的缩尾处理。表7模型5结果显示，参数估计和显著性均未发生明显变化，说明计量结果是稳健的。
④剔除省会城市[12,30]。考虑到省会城市通常具有特殊的政策优势和资源禀赋，可能对研究结论产生干扰，因此剔除了郑州市的各县域。表7模型6结果显示，参数估计和显著性均未发生明显变化，说明计量结果是稳健的。
表7 稳健性检验

Tab.7 Results of robustness test

解释变量 模型1：邻接矩阵
（GDP）		 模型2：经济地理距离嵌套矩阵（GDP） 模型3：邻接矩阵
（人均GDP）		 模型4：邻接矩阵
（夜间灯光值）		 模型5：邻接矩阵
（GDP）缩尾处理		 模型6：邻接矩阵
（GDP）剔除郑州各县
DIF 0.352*** 0.400*** 0.408*** 0.443*** 0.396*** 0.629***
W·DIF 0.290*** 0.325* 0.301*** 0.215** 0.293*** 0.519*
直接效应 0.362*** 0.401*** 0.417*** 0.448*** 0.407*** 0.649***
间接效应 0.361*** 0.324* 0.370*** 0.257*** 0.365*** 0.636**
总效应 0.723*** 0.725*** 0.788*** 0.706*** 0.772*** 1.285***
综上，各稳健性检验所得参数和显著性均与基准模型高度一致，证明数字普惠金融对县域经济发展的促进作用具有稳健性和可靠性。

4 结论及政策建议

4.1 结论

本文利用2014—2022年河南省102个县域的面板数据，采用空间杜宾模型探讨了数字普惠金融对县域经济发展的空间效应与产业效应。主要结论如下：①河南省县域经济和县域数字普惠金融的空间集聚呈现核心发展区高聚类和协同发展区低聚类的特征。其中，县域经济发展呈现圈层化结构和显著极化现象。核心发展区以郑州都市圈为中心，经济活力显著高于协同发展区，形成由中心向外递减的圈层结构。相比之下，协同发展区虽经济基础薄弱，但其内部经济水平分布相对均衡。②数字普惠金融显著促进了本地及邻近县域的经济发展，具有显著的直接效应和间接空间溢出效应。直接效应（0.362）与间接效应（0.361）几乎相等，表明数字普惠金融不仅增强了县域内的经济活力，也有效地促进了区域间的经济协同发展。空间异质性分析表明数字普惠金融对协同发展区的县域经济影响显著大于核心发展区。③数字普惠金融影响县域经济的间接效应比较结果显示：整体（显著）大于协同发展区（显著），而核心发展区（不显著）相对较低，这表明核心发展区对协同发展区具有显著的空间溢出效应。④数字普惠金融对河南省不同产业的影响存在显著差异，对第二产业的直接效应和间接效应均显著，且影响最为强烈；第三产业次之，其直接效应和间接效应也均显著；对第一产业的直接效应显著，但间接效应不显著，影响相对较弱。

4.2 政策建议

基于研究发现，本文提出以下政策建议：①实施差异化的区域策略。较为发达的核心发展区应重点提升金融服务效率，通过发展更高层级的数字金融产品、强化科技金融与创新金融供给来优化资本配置，增强对先进制造业与现代服务业的支撑能力。在欠发达的协同发展区，应完善数字金融基础设施、扩大普惠性金融服务的覆盖范围，并提升中小企业与农业经营主体的数字金融可获得性，以更好地释放数字普惠金融的增量效应。②推动产业结构与金融服务的深度融合。应针对不同行业设计适配的数字金融产品，重点支持第二、三产业的融资和创新活动。同时，探索在第一产业中应用数字普惠金融的新方式，如智能农业金融服务，以提升传统产业的技术水平和市场竞争力，增强产业整体发展动能。③强化跨区域金融协作与资源联动机制。应推动核心发展区与协同发展区之间的数字金融数据互通与平台共享，提高资源流动效率。协同发展区需加强对核心区金融网络的接入与嵌入，提升服务可达性。通过形成资源共享、功能互补的协作体系，带动县域经济整体提升。

4.3 讨论

从研究共性来看，本文的研究结论与既有成果形成跨尺度呼应。省际尺度的研究已证实数字金融促进经济增长[12]；地级市层面的研究验证了其对高质量发展的正向作用[11]；县域尺度研究也揭示了通过信贷可得性带动经济增长的机制。基于河南县域的分析进一步印证了数字普惠金融促进经济发展的普遍性。同时，“欠发达地区边际效应更强”的发现，与全国层面“中西部地区增量效应更显著”的发现一致，表明数字普惠金融的边际效应与经济发展水平之间存在稳定的负相关关系，并具有区域普适性[16]。
从研究价值看，河南作为中部农业大省和县域经济大省，其经验具有典型示范意义。本研究揭示的核心与协同发展区差异、产业层级效应，不仅为中部崛起战略下的县域金融政策制定提供了“河南样本”，更弥补了既有研究对中部欠发达县域关注不足的短板，为理解数字金融服务县域经济高质量发展提供了来自内陆农业大省的独特经验，对完善区域金融理论和指导县域实践具有双重价值。
相较于既有研究，本文的创新性体现在3个方面：①空间异质性研究的精细化推进。既有研究多关注东中西部或城市群内外的宏观差异[11,21]，本研究聚焦县域尺度“核心—协同”发展圈层，发现数字普惠金融对县域经济的间接效应在河南省欠发达的协同发展区更为显著，而在经济较为发达的核心发展区则并不显著，补充了区域金融溢出效应的微观层级解释，为理解县域经济空间互动提供了新视角。②区域联动机制的深化解析。既有研究多强调数字金融“扩散效应”或“虹吸效应”的单一方向[5]，本文则证实核心发展区对协同发展区存在显著的空间溢出效应，说明核心地区的发展在一定程度上能够带动协同地区的经济增长，揭示了都市圈视角下金融资源梯度转移的结构性特征，为中部地区县域经济联动发展提供了关键证据。③产业效应的精准识别。既有研究多笼统探讨产业结构升级[13,27]，本文在县域尺度明确数字普惠金融对不同产业的促进作用呈现明显异质性：对第二产业的促进效果最为突出，其次是第三产业，而对第一产业的影响相对较弱。该发现细化了金融服务对不同产业关联带动作用的认知，为农业大省产业升级的金融支持策略提供了微观依据。
综上可见，尽管本文探究了数字普惠金融对河南省县域经济的影响，揭示了显著的空间效应和产业效应，但仍存在一些局限性：一是研究主要关注短期影响，尚未充分考察数字普惠金融作用的长期影响；二是虽识别了空间效应，但对县域间的经济联系与互动机制的解释仍不够深入。未来可进一步探讨数字普惠金融在不同发展阶段的作用特征，以及其在区域经济一体化中的潜在影响，以加深对其动态效应的理解并为政策制定提供更有力的支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张佰发, 李晶晶, 胡志强, 等. 自然禀赋与政区类型对中国县域经济发展的影响[J]. 地理研究, 2021, 40(9):2508-2525.

DOI

[2]
胡雪瑶, 张子龙, 陈兴鹏, 等. 县域经济发展时空差异和影响因素的地理探测——以甘肃省为例[J]. 地理研究, 2019, 38(4):772-783.

DOI

[3]
魏建飞, 刘玖榕, 李强, 等. 河南省县域国土空间效率格局演变及关联网络特征[J]. 地域研究与开发, 2025, 44(1):54-61.

DOI

[4]
张佰发, 苗长虹, 冉钊, 等. 核心—边缘视角下的黄河流域县域经济差异研究[J]. 地理学报, 2023, 78(6):1355-1375.

DOI

[5]
郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展:指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4):1401-1418.

[6]
刘伟, 戴冰清, 刘卫镇. 数字金融能驱动经济高质量发展吗?——基于2011-2017年中国省级面板数据的实证分析[J]. 经济社会体制比较, 2021(6):63-75.

[7]
于斌斌, 王志刚. 城市何以更加“韧性”——数字经济的赋能效应[J]. 地理研究, 2025, 44(2):378-399.

DOI

[8]
张勋, 杨桐, 汪晨, 等. 数字金融发展与居民消费增长:理论与中国实践[J]. 管理世界, 2020, 36(11):48-63.

[9]
杜锦, 苗长虹, 许家伟, 等. 中原城市群城市高质量发展时空格局与影响因素[J]. 经济地理, 2025, 45(1):67-76.

DOI

[10]
张英浩, 汪明峰, 刘婷婷. 数字经济对中国经济高质量发展的空间效应与影响路径[J]. 地理研究, 2022, 41(7):1826-1844.

DOI

[11]
张国俊, 梁真源, 吴宗书. 中国城市群数字普惠金融演化特征及其对高质量发展的效应分析[J]. 地理研究, 2024, 43(3):621-639.

DOI

[12]
钱海章, 陶云清, 曹松威, 等. 中国数字金融发展与经济增长的理论与实证[J]. 数量经济技术经济研究, 2020, 37(6):26-46.

[13]
唐文进, 李爽, 陶云清. 数字普惠金融发展与产业结构升级——来自283个城市的经验证据[J]. 广东财经大学学报, 2019, 34(6):35-49.

[14]
刘安乐, 杨承玥, 明庆忠, 等. 数字普惠金融对县域旅游经济增长的空间溢出效应及其时空异质性[J]. 世界地理研究, 2024, 34(4):111-126.

[15]
潘爽, 叶德珠, 叶显. 数字金融普惠了吗——来自城市创新的经验证据[J]. 经济学家, 2021(3):101-111.

[16]
肖威. 数字普惠金融能否改善不平衡不充分的发展局面?[J]. 经济评论, 2021(5):50-64.

[17]
田卡吨, 彭宝玉, 张博, 等. 黄河流域数字普惠金融的时空演变及影响因素分析[J]. 地域研究与开发, 2024, 43(2):35-40,55.

[18]
Shi Y R, Du B, Yang B. How does digital inclusive finance affect common prosperity:Empirical evidence from China's underdeveloped and developed regions[J]. Cities, 2025, 158:105640.

DOI

[19]
袁旭宏, 张怀志, 马超群, 等. 普惠金融影响地方政府债务的作用机制及其时空效应[J]. 经济地理, 2024, 44(8):68-76.

DOI

[20]
刘亦文, 丁李平, 李毅, 等. 中国普惠金融发展水平测度与经济增长效应[J]. 中国软科学, 2018(3):36-46.

[21]
王刚贞, 陈梦洁. 数字普惠金融影响经济高质量发展的渠道机理与异质特征[J]. 财贸研究, 2022, 33(10):45-56.

[22]
王耕南, 张国俊, 周春山. 珠三角数字普惠金融的时空演化特征及影响因子[J]. 地域研究与开发, 2022, 41(5):25-31.

[23]
Yu W Z, Wang L, Liu X F, et al. Can digital inclusive finance promote high-quality rural entrepreneurship?A county-level analysis from China[J]. Finance Research Letters, 2024, 67:105820.

DOI

[24]
刘海龙, 安芷萱, 王焕珂, 等. 京津冀城市群县域城市韧性与创新效率耦合协调时空演变及影响因素的空间异质性[J]. 地理研究, 2025, 44(2):577-602.

DOI

[25]
秦琳贵, 刘松岐, 王琬植, 等. 长江经济带数字普惠金融与农业新质生产力耦合协调关系研究[J]. 地域研究与开发, 2025, 44(3):16-24,32.

DOI

[26]
Xu T, Yang G D, Chen T Q. The role of green finance and digital inclusive finance in promoting economic sustainable development:A perspective from new quality productivity[J]. Journal of Environmental Management, 2024, 370:122892.

DOI

[27]
Shen H S, Qin M Y, Li T Y, et al. Digital finance and industrial structure upgrading:Evidence from Chinese counties[J]. International Review of Financial Analysis, 2024, 95:103442.

DOI

[28]
孙淑惠, 刘传明, 王菲, 等. 中国县域新型农村集体经济发展的时空演变及驱动机制[J]. 地理研究, 2025, 44(3):691-710.

DOI

[29]
周天芸, 岳科研, 张幸. 区域金融中心与区域经济增长的实证研究[J]. 经济地理, 2014, 34(1):114-120.

[30]
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10):65-76.

[31]
蒋国富, 刘长运. 河南省县域经济的空间分异[J]. 经济地理, 2008, 28(4):636-639.

[32]
李明贤, 郑洲舟, 陈铯. 县域数字普惠金融发展的空间格局演化与影响因素分析——以湖南省为例[J]. 经济地理, 2021, 41(8):136-143.

DOI

[33]
朱勤, 刘玥, 杨晶晶. 数字化转型促进区域贸易竞争力提升的空间效应[J]. 经济地理, 2023, 43(12):126-134.

DOI

[34]
张航, 郭雨臣, 张红娟, 等. 极端高温对黄河流域经济增长的时空影响探测[J]. 地理学报, 2025, 80(5):1353-1369.

DOI

Options
Outlines

/

〈 〉