文|听文
编辑|大树
数字金融突破了传统金融地域空间的限制，方便快捷的电子支付已经成为人们生活中主要的支付方式。
数字金融的特征性事实
（一）数字金融的发展与应用
互联网革命催生了区块链、大数据、人工智能等一系列新兴数字技术，数字技术赋能传统金融服务打通了智能金融服务的最后一公里。
提升了数字经济在我国经济活动中的活跃度，商业模式与各类新兴技术融合创新层出不穷。
黄益平等认为若将数字领域的技术创新及资源与传统金融的投融资模式相结合，可以培育出创新型业务，数字金融便是其中的代表。
其中固定宽带家庭普及率、移动宽带普及率以及互联网普及率在6年内均得到了快速提升。
互联网普及率反映了社会数字技术的覆盖范围，由二〇一五年的50.3%提升到二〇二〇年的70.4%，互联网普及率提升了20%。
互联网覆盖范围的不断扩大以及我国庞大的网民用户规模，使得数字金融拥有巨大的受众群体。
借助互联网平台这一中介，数字金融得以向各类市场主体提供各类金融服务。
受益于数字金融的便捷性，人们的生活习惯近些年来逐渐改变，越来越多市场参与者选择通过线上支付来实现结算。
近年来，随着互联网覆盖人群的进一步扩大，互联网理财投资市场规模和数量不断壮大。
数据显示在二〇二一年共有262家银行发行了互联网理财产品，共计发行了1776款产品。
截至二〇二一年底，互联网理财的用户数量达到1.66亿，互联网理财的市场规模达25.86万亿元。
我国数字金融的迅猛发展一方面是因为数字金融克服传统金融所具有的一些弊端，突破空间限制，提高金融服务的覆盖面与时效性。
同时精准且普惠的服务于实体经济，缓解中小企业面临的融资约束难题，为市场主体提供更加低廉的融资成本以及更加快捷的融资服务。
另一方面，数字金融发展早期政府的监督管理较宽松，同时政府政策引导与支持给予数字金融良好的发展环境。
虽然宽松的监管也引发诸如网络诈骗、数据安全、信息泄露等一系列问题，但数字金融在提高社会消费水平和全要素生产率；
促进企业技术创新，增强企业抵御风险能力等方面的作用是毋庸置疑的。
总体来说，数字金融给经济社会带来的利远大于弊，同时需要采取适当的政策来引导和规范数字金融的发展，避免“劣币驱逐良币”的现象出现在数字金融领域。
（二）数字金融的地区差异
《北京大学数字普惠金融指数》时间范围为二〇一一至二〇二〇年，覆盖我国31个省、自治区以及直辖市，由北大和蚂蚁集团共同编制。
该指标共计33个细分指标，从数字金融覆盖广度、使用深度和数字化程度等三个维度量化衡量中国数字金融的发展程度。
其中，覆盖广度用于衡量微观主体用户的数字金融覆盖程度，主要衡量指标有支付宝、微信等支付账户数量及其绑卡用户比例等；
使用深度由实际使用数字金融产品和服务的种类数量、使用频率等来衡量，包括人均交易数量、人均交易金额等；
数字化程度反映数字金融服务的便利程度和低成本，衡量指标有信用风险、信贷利率等。
该指数使数字金融研究者能从不同维度了解和认知我国数字金融的整体发展状况，是数字金融研究领域颇具影响力的研究数据。
从目前公布的最新的二〇二〇年省级层面数字金融指数来看；
无论是从数字金融覆盖广度、使用深度和数字化程度三个子项来看，还是从数字金融总指数来看，数字金融在不同省份间呈现不均衡的发展态势。
从总体来看，我国数字金融的发展呈现东高西低的态势，排名前5名分别是上海、北京、浙江、江苏和福建；
排名最后的三个省份分别是青海、甘肃和黑龙江，中西部地区较为落后，其中数字金融指数最低的青海省只有数字金融指数最高的上海市的2/3不到；
从三个子项指标细分来看，覆盖广度最高的是北京市，最低的是西藏，北京是西藏的1.37倍；
使用深度是数字金融地区差异性最显著的方面，最高和最低分别是上海市和贵州省，上海的使用深度是贵州省的1.89倍；
数字化程度最高的是上海市，最低的是宁夏，上海是宁夏的1.24倍。
从增量方面来看，近十年我国数字金融取得突飞猛进的发展成果。
其中数字金融总指数均值在十年间增长了近8.5倍，由二〇一一年的40.42增长至二〇二〇年的341.22；
覆盖广度在十年间增长了9.5倍，由二〇一一年的35.26增长至二〇二〇年的326.44；
使用深度在十年间增长了7.2倍，由二〇一一年的47.46增长至二〇二〇年的338.05；
数字化程度在十年间增长了8.6倍，由二〇一一年的44.69增长至二〇二〇年的395.82。
进一步分析发现，数字金融发展与城市经济实力有显著相关性。
与此同时，各城市在总量以及增长速度方面存在显著差异，数字金融的地区差异问题仍然较为突出。
本文与出口贸易相关的微观层面数据来自中国海关进出口贸易数据库，该数据库详细记录了出口产品的贸易数据。
包含了出口企业的企业名称、出口产品种类、产品海关编码、出口目的地、出口产品价格及数量等内容。
为减少冗余数据对研究的干扰，同时保证数据的充分与完整，本文首先参考施炳展和邵文波的做法对中国海关进出口数据库中的原始数据进行清洗。
首先剔除信息不完整的样本数据，例如没有产品海关编码、企业名称、目的地国、出口产品价格或产品数量等关键数据，同时剔除我国进口的产品样本数据；
接着，删除出口贸易金额小于50美元，或者出口产品贸易数量小于1的样本数据；
第三步，同一海关编码下的产品可能具有多种计量单位，仅保留技术单位最多的样本数据以此保证产品价格的可比性；
其次，中国海关进出口数据库中的产品编码有多种版本，需要根据编码转化表将多种版本的产品海关编码统一。
本文首先选择将编码统一转换为HS1996六分位码，再在HS1996六分位编码的基础上与SITCRev.2四分位编码对齐。
然后保留位于5000-9000之间的样本数据即仅保留制造业的样本数据；
第五步，将产品分为初级产品、资源品以及低中高三种技术产品。
其中由于初级产品和资源品的产品质量主要取决于自然资源禀赋而无法体现出质量内涵。
因此选择将初级产品和资源品的样本数据剔除，仅保留高中低三种技术产品；
下一步根据同质和非同质产品的分类标准，他认为只有非同质产品才能体现产品垂直差异，因此该步骤剔除同质产品；
第七步，出于回归可信度的考虑，将所有样本容量小于100的产品数据从总样本中剔除；
此外，为排除贸易中间商调整贸易价格而导致企业产品相关信息失真，遂将企业名称中有“进出口”“贸易”等字样的企业从总样本中剔除。
