金融科技发展对提升城市创业活跃度的影响研究

■管理学
金融科技发展对提升城市创业活跃度
的影响研究
谢丽彬，张月玲
（福州外语外贸学院，福建 福州 350202）
摘要：创业活动是稳就业、稳增长的关键因素，对于推动我国经济社会高质量发展具有重要意义，金融科技的发展则为提升城市创业活跃度注入了新的力量。

文章从理论层面剖析了金融科技发展对城市创业活跃度的影响机理，并利用我国280个城市多年面板数据对二者之间的关系进行了实证检验，研究发现：第一，基准回归结果和稳健性检验结果均表明金融科技发展对城市创业活跃度有着显著的正向影响；第二，进一步研究表明这种影响效应在城市规模、行政地位和地理区位等方面存在异质性；第三，机制检验结果表明，金融科技发展会通过提高金融服务效率及降低融资成本对城市创业活跃度产生积极影响，且降低融资成本的中介作用大于提高金融服务效率；第四，金融科技发展对城市创业活跃度的影响存在双门槛效应，且超过门槛阈值后其对城市创业活跃度的促进作用更强。

据此本文提出藉由金融科技提升城市创业活跃度的对策建议。

关键词：金融科技；创业活跃度；异质性；中介效应；门槛效应
中图分类号：F292 文献标识码：A 文章编号：1008-472X(2023)04-0047-11
收稿日期：2023-08-03
基金项目：福建省科技厅创新战略研究项目“金融科技推动乡村全面振兴的机制与路径研究”
（2022R0068）；国家自然科学基金项目“政策性农业保险减贫效应测度与扶贫机制优化研究”（71973034）；
福建省社科规划项目“基于‘互联网+’驱动的福建省政策性农业保险经营模式研究”（FJ2021B044）。

作者简介：谢丽彬（1985-），女，福建福州人，福州外语外贸学院财务与会计学院，副教授，研究方向：数字经济；
张月玲（1969-），女，河北沧州人，福州外语外贸学院金融学院，教授、博士，研究方向：
技术经济。

引言
就业是民生之本，而创业能够催生出更多市场主体从而带动就业。

党的十八大以来，我国政府高度重视大众创业、万众创新工作，先后出台了一系列创业支持政策。

数据显示，截止2022年底全国登记在册市场主体共1.69亿户，相比2012年增长约19倍，2013年以来平均每年新增市场主体超过千万户。

在当前经济面临日益复杂、严峻的就业和发展环境下，大众创业作为社会经济增长的关键驱动因素对于稳就业、稳增长和推动我国经济社会高质量发展具有重要意义。

党的二十大报告提出要“完善促进创业带动就业的保障制度，支持和规范发展新就业形态”，2023年国务院政府工作报告也强调要“持续推进大众创业万众创新”“鼓励以创业带动就业”，明确了国家层面推动就业创业工作的总体战略。

值得关注的是，近年来随着数字技术被大量应用于金融行业，金融科技产业也迎来了巨大发展。

据不完全统计，2022年，6家国有大型商业银行及10家全国性股份制商业银行金融科技投入总额为1787.64亿元，同比增长8.63%。

以大数据、云计算、人工智能和区块链等数字技术为后端支撑的金融科技正在给传统金融行业带来从产品到业务模式的全方位创新[1]。

那么，金融科技的发展是否会对城市创业活跃度产生影响？其影响效应和影响机制又如何？在当前严峻就业形势及金融科技飞速发展的背景下，对上述问题的解答不仅有利于从理论层面廓清金融科技对城市创业行为的作用机制与内在逻辑，也能够为地方政府部门完善就业创业政策、推动我国经济高质量发展提供指导，具有重要的理论价值和现实意义。

现有文献已经从不同视角就城市创业活跃度的影响因素展开了一系列研究并取得了较为丰富的成果，但是尚缺乏金融科技对地区创业影响的针对性、系统性研究。

相关研究表明，金融支持是影响地区
47
创业能力的重要因素之一[2]。

因此，从理论上来说，金融科技改变了金融行业的金融业态与运行机制[1]，其对地区创业的影响可能会不同于传统金融服务对创业行为的影响，有必要展开进一步研究。

基于此，本文首先通过理论分析厘清了金融科技对城市创业活跃度的影响机理，继而以我国280个城市为研究样本对其影响效应及异质性、中介机制及门槛效应进行实证检验并根据研究结果提出了基于金融科技提升城市创业活跃度的相关对策建议。

本文的边际贡献主要体现在如下几个方面：第一，本文在理论层面将金融科技与城市创业纳入同一分析框架，探讨了金融科技如何影响城市创业行为，既丰富了金融科技经济后效的研究成果，也拓展了城市创业活跃度前向影响因素的相关研究。

第二，本文从城市规模、行政地位和地理区位等方面探讨了金融科技对城市创业活跃度影响的异质性，提高了对策建议的针对性。

第三，本文从提高金融服务效率、降低融资成本等两条路径就金融科技对城市创业活跃度影响中的中介机制进行了理论分析与实证检验，厘清了金融科技影响城市创业行为的内在机制，进一步加强了研究深度。

第四，本文还实证检验了金融科技发展对城市创业活跃度的非线性影响，探究了金融科技影响城市创业行为的边际条件。

本文的研究既丰富了金融科技和创业行为的理论研究成果，也可以为充分利用金融科技发展契机促进大众创业、最终实现经济高质量发展提供理论支撑和实践指导。

一、文献综述与研究假说
（一）文献综述
1.金融科技
金融稳定理事会（FSB）将金融科技定义为“技术支持的金融创新，可以产生新的商业模式、应
用程序、流程和产品，对金融市场、金融机构以及金融服务的提供产生相关的重大影响”。

作为技术
驱动的金融创新，金融科技对地区经济发展、企业经营管理及个人生活均产生了重要影响。

地区层面，金融科技能够缓解融资约束、激发市场潜能，对地区科技创新起到重要的推动作用[3]，同时通过放大
信贷规模、优化信贷结构和降低长期信贷价格显著促进了地区实体经济的高质量发展[4]，进一步加快
了地区产业结构的升级和城镇化进程[5-6]；企业层面，金融科技降低了中小企业的信贷融资成本和担保
要求[7]，促进了企业投资效率和公司价值的提升[8]，能够显著促进企业绿色创新和企业数字化转型进
程[9-10]，抑制了费用粘性[11]，为推动企业高质量发展创造了客观条件[12]；个人层面，金融科技降低了
金融排斥、提高了金融服务的可得性，对居民家庭金融资产配置产生了一定影响[13]，有利于个人收入
的增长[14-15]，也缩小了不同性别群体之间的工资差距[16]，能够显著缓解家庭多维相对脆弱性，提升家
庭成员幸福感[17]。

2.城市创业
创业活动能够拉动就业并改善居民收入，对地区经济增长和社会发展至关重要[18]，故而一直以来
都是学术界的关注热点。

由于本文主要关注城市创业，因此对相关文献的综述主要着眼于地区宏观层面。

已有文献主要从商业情境、社会情境和制度情境等三个方面对城市创业活跃度影响因素进行较为
深入的研究[19]。

商业情境方面，郭琪等学者认为小企业更有助于员工积累创业的经验教训且小企业员
工更容易放弃工作选择创业，因此小企业占比越高越有利于城市创业[20]；学者张萃指出产业集聚带来
的专业化劳动力市场和分工生产体系有助于新企业的进入，因此产业集聚度越高的地区创业活跃度也
就越高[21]；此外，地区金融服务也是影响创业的重要因素，蔡庆丰等学者研究发现活跃的权益融资有
利于地区创业活动而银行信贷主导的地区融资模式能够提高地区创业质量[22]，金融多样性对地区创业
也有显著促进作用[23]，地区银行尤其是中小银行分支机构的扩张能够显著激励地区创业活动[24]。

社会
情境方面，流动人口比例会提高城市创业活跃度，但考虑到外来的创业者会遭遇更大的困难，因此外
来人口嵌入本地社会网络的程度越高则异地创业水平越高[25]；经济发展水平在制度、人力、金融和技
术等因素影响地区创业水平的过程中起到调节作用[26]，而数字经济的发展通过消费扩张效应、吸引FDI
溢出、扩展创业信息渠道、促进绿色创新的提高了城市创业活跃度水平和创业质量[27-28]；数字普惠金
融的三个子维度覆盖广度、使用深度和数字支持服务程度对创业也有显著的促进作用[29-30]；此外，文
化多样性、环境舒适性及市场一体化程度等均对城市创业活跃度有积极影响[31-33]。

制度情境方面，法
48
49
律法规、政策措施等正式制度和文化、社会规范等非正式制度均对地区创业有着重要影响。

曾婧婧等学者的研究表明国家创业型城市试点建设通过放松政府管制和缓解创业活动的融资难题影响了城市创业水平[34]，创新型城市建设同样能够促进城市创业[35]；自由贸易试验区的设立通过创业动能提升、高水平开放和金融发展三种渠道提升了城市创业活跃度[36]，任福耀等学者从提升金融发展效率和降低政
府干预程度的角度进一步论证了设立自贸区对地区创业的积极影响[37]；
此外，创业制度环境通过规制、规范及认知三个维度影响地区创业活跃度[38]；同时，规制性制度和认知性制度均显著正向影响地区创业水平[39]。

基于上述文献梳理发现，以往学者对金融科技影响效应及城市创业活跃度影响因素的研究已经取得了较为丰富的成果，为本文的研究奠定了较好的基础。

但与此同时，学术界尚未对金融科技与城市创业活跃度之间的关系展开深入探讨，缺乏对其中影响机制及影响效应的系统研究。

考虑到近年来金融科技的飞速发展及创业活动在拉动地方经济增长方面的重要性，有必要就金融科技对城市创业活跃度的可能影响展开研究。

（二）研究假说
1.金融科技对城市创业活跃度的直接影响
作为一种技术驱动的金融创新，金融科技深刻改变了金融生态，重塑了金融格局[40]，其最大优势在于能够创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式造成重大影响[1]。

以往研究表明，金融支持是影响地区创业能力的重要因素之一[2,22-24]，从这一角度来看，金融科技的发展优化了创业活动的金融环境，势必对城市创业活跃度产生积极影响。

此外，技术本身就是商业模式变革的一个重要原动力[41]，金融科技作为一种金融基础设施改变了商业模式中价值交付的环节，释放了大量的新商业机会、重塑了多种商业模式，为创业提供了更多的空间。

同时，金融科技在使用广度和使用深度方面的蓬勃发展有利于助推社会经济的高质量发展，从而能为创业者提供更多的创业机会和更好的创业环境，如支付宝的出现极大促进了电子商务的发展。

同时，金融科技可以通过互联网提供服务而无需依托线下网点，能够降低不发达地区长期以来的金融排斥，激励更多创业行为。

综上，本文提出：
假说H 1：金融科技提升了城市创业活跃度。

2.金融科技对城市创业活跃度的影响机制
此外，本文认为金融科技主要通过以下两条渠道对城市创业活跃度产生影响：
第一，金融科技能够有效降低创业者信贷错配机率并提高金融服务效率。

信息不对称是导致传统金融市场中发生创业者信贷错配和经济效率损失的最主要原因，因此减少借贷双方信息不对称是提升金融市场资金配置效率的有效途径。

金融科技依托成熟大数据、云计算等先进技术，能够快速、精准评估及动态监管客户的信贷违约风险，有效降低创业者信贷错配机率并提高金融服务效率从而促进城市创业活动。

综上，本文提出：
假说H 2：金融科技通过提高金融服务效率提升了城市创业活跃度。

第二，金融科技能够为创业者提供成本更低的资金支持。

一方面，金融科技依托大数据技术能够用较低的成本对创业者进行风险评估，降低了金融机构的运营成本。

另一方面，金融科技依托互联网渠道大大降低了创业者的信息搜寻成本和金融机构的获客成本､交易成本与监督成本[42]，能够为创业者提供更多低成本的外部融资，进而缓解其融资约束、提高城市创业活跃度。

综上，本文提出：
假说H 3：金融科技通过降低融资成本提升了城市创业活跃度。

二、研究设计与数据来源
（一）样本选择与模型设定
基于前文的理论分析与研究假说，本文构建如下回归模型用以检验金融科技发展水平对城市创业活跃度的影响：
it t i it n
Control E ελδααα+++++=∑s Fintech ntre 2it 10it （1）
式（1）中，Entre为本研究中的被解释变量城市创业活跃度，Fintech为核心解释变量城市金融科技发展水平，Controls为一系列控制变量，α0为常数项，α1、α2为待估系数，i代表样本，t代表时间，δi表示个体固定效应，λt表示时间固定效应，εit为个体i随时间t而变化的随机扰动项。

根据前文假说，如果α1>0，则表明金融科技能够提升城市创业活跃度。

（二）变量选取与说明
1.被解释变量
本文被解释变量为城市创业活跃度，已有研究中较多使用特定时间内城市新注册企业数目进行表征，本文亦沿用此种测度方法[25,37]。

同时，为了避免区域内企业规模异质性而产生的度量偏误问题，本文还采用人口法进行标准化，即以城市每百人中新创企业数作为城市创业活跃度的测度指标[35,43]。

在后续稳健性检验部分则借鉴刘娟等学者的研究[36]，采用北京大学公开发布的“朗润-龙信创新创业指数”报告中的“新建企业进入”来衡量城市创业活跃度。

2.核心解释变量
本文核心变量为城市金融科技发展水平。

现有文献中对地区金融科技发展水平的测度方法主要有以下几种：一是通过文本挖掘方式进行测度，此类方法首先从不同维度构建金融科技基础词库，再将其与地域关键词组合，通过搜索引擎或者相关数据库进行检索并以检索结果中相关组合的词频数作为地区金融科技发展水平的代理变量[3,5,9,12,40,44]。

考虑到搜索引擎数据库是基于需求导向的数据，能够反映民众对某一关键词或热点事件的关注程度，也能够较好地处理数据的信息噪声问题，因此常被学术界用于进行现状追踪和趋势预测[12]。

二是使用相对成熟的金融科技数据库，如北京大学数字金融研究中心构建的数字普惠金融指数[4,6,8,15,17]。

该指数基于金融科技企业（蚂蚁金服）的微观用户业务数据构建，量化了移动支付、在线贷款、数字保险、在线投资等在内的不同金融科技业务的年度发展状况，能够较好地反映地区金融科技发展水平。

三是通过统计区域内金融科技企业数量来进行测度[10,45]，此类方法的合理性在于金融科技企业数量越多的地区，金融科技服务越容易触达，也更具有使用广度和使用深度。

考虑到本文在测度被解释变量“城市创业活跃度”时使用到了“新创企业数量”这一指标，为避免严重内生性问题，后续分析过程中主要使用第一、二种方法对核心解释变量“城市金融科技发展水平”进行测度。

首先，参考李春涛等学者的做法，本文采用“文本挖掘法”构建城市金融科技发展指数[44]。

具体来说，首先从不同维度构建金融科技基础词库并将其与城市关键词进行组合，借助网络爬虫技术抓取百度新闻高级检索页面的网页源代码并提取出搜索的结果数量，最终以检索结果中相关“城市+金融科技关键词”组合词频数的自然对数作为城市金融科技发展水平的代理变量。

其次，稳健性检验部分则使用北京大学数字金融研究中心构建的“数字普惠金融指数”对城市金融科技发展水平进行测度[17]。

3.控制变量
此外，为尽可能避免因遗漏变量产生的偏误，本文还参考以往研究控制了以下变量：城市经济发展水平，以该城市GDP增长率进行测度；城市产业结构，采用产业结构升级指数来衡量，具体计算公式为Indust= ∑indust i × i(1≤i≤3) ，其中indust i表示第i产业产值占总产值的比重[35]；城市金融发展水平，以城市金融业产值与其GDP比值表征；城市互联网普及率，以城市每百人中的互联网用户数进行测度；城市市场化程度，使用城市GDP与政府预算比值衡量。

（三）数据来源与描述性统计分析
表1：变量描述性统计分析
变量类型变量符号观测值平均值标准差最小值最大值
被解释变量Entre 1,657 1.121 1.0860.11214.655
核心解释变量Fintech 1,657 1.493 1.2970 7.980
控制变量Ecodev 1,6570.1000.0320.0350.173 Indust 1,657 2.3150.142 1.933 2.749 Findev 1,6570.0530.0170.0260.105 Internet 1,65722.40218.5340.347189.019 Market 1,657 6.581 2.550 1.44322.789
50
为尽可能利用更多的研究数据，本文以我国280个城市为研究样本，考虑到新冠肺炎疫情对创业活动的巨大冲击将2020年样本剔除，最终研究样本期间为2012年至2019年。

数据来源方面，城市新创企业数据来自于企查查数据库，基准回归中城市创业活跃度及城市金融科技发展水平数据使用前文所述测度方法获得，稳健性检验中城市创业活跃度采用北京大学公开发布的“朗润-龙信创新创业指数”报告中的“新建企业进入”衡量，金融科技发展水平使用北京大学数字金融研究中心构建的“数字普惠金融指数”进行测度。

计算控制变量中所使用到的相关数据均来源于历年《中国城市统计年鉴》，个别缺失数据通过城市政府网站数据查询、线性插值等方法补齐，最终获得包含1657个观测值的平衡面板数据。

各主要变量的描述性统计如表1所示。

三、实证结果分析
（一）基准回归结果
表2汇报了金融科技发展对城市创业活跃度的基准回归结果，其中列（1）（2）（3）分别代表没有加入控制变量时的随机效应、个体固定效应及双向固定效应回归结果，列（4）（5）（6）为加入控制变量后的回归结果。

由表2可知，无论是否加入控制变量，核心解释变量金融科技发展水平对城市创业活跃度的影响均在1%水平上显著为正，表明二者之间存在显著的正向相关性。

同时，随着控制变量的依次加入，模型R2均显著变大，表明模型解释力增强，且核心解释变量Fintech的显著性水平及系数方向均保持一致，始终在1%水平上显著为正。

表2：基准回归结果
变量（1）（2）（3）（4）（5）（6）
Entre Entre Entre Entre Entre Entre
Fintech 0.473*** 0.472*** 0.252*** 0.314*** 0.359*** 0.194***
（35.338）（33.919）（9.047）（16.623）（17.277）（6.983）
Ecodev 0.336 0.022 2.178***
（0.652）（0.043）（3.670）
Indust 0.240 -0.103
-1.366***
（1.417）（-0.556）（-5.615）
Findev 0.986 2.311 -3.329**
（0.762）（1.622）（-2.092）
Internet 0.018*** 0.010*** 0.007***
（15.544）（8.388）（5.717）
Market -0.008 -0.030** -0.015
（-0.834）（-2.412）（-1.236）
常数项0.419*** 0.417*** 0.504*** -0.346 0.664 3.450***
（7.427）（18.196）（14.709）（-0.900）（1.562）（6.035）
个体固定N Y Y N Y Y
时间固定N N Y N N Y
观测值1,657 1,657 1,657 1,657 1,657 1,657
R20.445 0.446 0.482 0.465 0.480 0.518
注：括号内为Z统计值；*** p<0.01, ** p<0.05, * p<0.1；以下各表同。

综上所述，由表2基准回归结果可知金融科技发展对城市创业活跃度有显著的促进作用。

以模型
6回归结果为例，金融科技发展水平每提高1个百分点城市创业活跃度就会提升0.194个百分点。

至此，基准回归结果支持了本文假说H1。

51
（二）稳健性检验
为进一步检验基准回归模型及回归结果的稳健性，本文分别使用经不同方法测定的核心解释变量和被解释变量进行了稳健性检验。

稳健性检验结果如表3所示，其中列（1）、列（2）及列（5）、列（6）中，使用北京大学公开发布的“朗润-龙信创新创业指数”报告中的“新建企业进入”来衡量城市创业活跃度[36]，列（3）、列（4）中使用北京大学数字金融研究中心构建的“数字普惠金融指数”来衡城市金融科技发展水平量。

由表3各列可知，各稳健性检验模型结果中核心解释变量金融科技发展水平的回归系数均在1%水平上显著为正，与基准回归结果保持一致。

因此，稳健性检验结果表明金融科技发展提高了城市创业活跃度，假说H1再次得到支持。

表3：稳健性检验结果
变量（1）（2）（3）（4）（5）（6）
Entre1 Entre1 Entre Entre Entre1 Entre1
Fintech 0.226*** 0.049***
（21.756）（4.084）
Index 0.643*** 1.453*** 0.534*** 0.512***
（16.791）（7.020）（31.800）（5.778）
控制变量Y Y Y Y Y Y
个体固定Y Y Y Y Y Y
时间固定N Y N Y N Y
观测值1,657 1,657 1,657 1,657 1,657 1,657
R20.736 0.818 0.475 0.519 0.794 0.820
（三）内生性问题
此外，本文所构建的回归模型可能由于以下原因存在内生性问题而影响回归结果的准确性：首先，尽管控制了一系列变量，但仍然存在其他可能会对城市创业活跃度产生影响的变量使得模型因遗漏变量而产生内生性问题；其次，金融科技发展水平与城市创业活跃度之间可能存在双向因果关系：方面金融科技发展会提高城市创业活跃度，但另一方面城市创业水平也会影响当地金融科技的发展广度和深度。

为缓解模型的内生性问题以获得更为准确的回归结果，本文拟使用工具变量最小二乘法（IV-2SLS）进行进一步检验。

参考前人研究成果，本文一共选取了四个工具变量：一是城市金融科技发展水平的滞后一期；二是同省内GDP最接近的三个其他地级市金融科技发展水平的均值[45]；三是城市地形起伏度与上一年所有样本城市金融科技企业存量数的交乘项[46]；四是该城市当年金融科技企业数量与其1984年底每百人拥有电话机数量的交乘项[47]。

其中城市地形起伏度数据来源于游珍等的研究[48]，城市1984年底每百人拥有电话机数量从《中国城市统计年鉴（1985）》中获取。

表4：IV-2SLS回归结果
变量
(1) (2) (3) (4) Entre Entre Entre Entre
Fintech 0.413***0.903***0.254** 0.678***
(14.213)(9.275)(2.265)
(12.833)
控制变量Y Y Y Y
Anderson canon corr LM统计量760.76***96.1***49.804***265.861***
Cragg-Donald Wald F 2086.11102.58251.382 338.496
观测值1,411 1,653 1,653 1,403
R2 0.450
0.229
0.471
0.425
52
工具变量检验及IV-2SLS回归结果如表4所示。

由表4可知，四个工具变量的Anderson canon corr LM统计量P值均小于0.01表明不存在工具变量识别不足问题，Cragg-Donald Wald F统计量统计量远大于临界值16.38，表明不存在弱工具变量问题，因此四个工具变量的选择均符合要求。

此外，表4各模型回归结果中核心解释变量金融科技发展水平的影响系数均在1%水平上显著为正，与基准回归结果保持一致。

可见，在使用工具变量缓解模型内生性问题后的回归结果依然表明金融科技发展水平对城市创业活跃度有着显著的正向促进作用。

至此，基准回归、稳健性检验及IV-2SLS回归结果均支持本文所提出的假说H1，即金融科技提升了城市创业活跃度。

四、进一步分析
（一）异质性检验
前文研究结果已经证实了金融科技对城市创业活跃度的正向促进作用，为进一步了解金融科技发展水平对城市创业活跃度影响中可能存在的异质性以便提出更有针对性的对策建议，本部分根据前文理论分析进一步从城市规模、城市行政地位及城市地理区位三个方面进行了异质性检验。

本文首先分别根据城市人口规模中位数将样本城市分为大规模城市和小规模城市两个组别；根据城市行政地位将样本城市分为省会城市、计划单列市和经济特区及其他城市两个组别；同时根据城市地理区位将样本城市分为胡焕庸线东南侧城市及胡焕庸线西北侧城市两大类。

异质性检验结果如表5所示。

表5：异质性检验结果
变量（1）（2）（3）（4）（5）（6）
大规模
城市
小规模
城市
省会城市、计划单列
市和经济特区
其他城市
胡焕庸线
东南侧城市
胡焕庸线
西北侧城市
Fintech 0.245*** 0.128*** 0.419** 0.070*** 0.203*** 0.112**（5.383）（3.981）（2.268）（3.315）（6.860）（2.102）
控制变量Y Y Y Y Y Y 个体固定Y Y Y Y Y Y 时间固定Y Y Y Y Y Y 组间系数
差异检验
0.117** -0.412*** 0.091***
观测值829 828 263 1,394 1,530 127 R2 0.440 0.640 0.599 0.574 0.517 0.754
首先，从表5中（1）（2）列回归结果可知，金融科技对不同规模城市的创业活跃度影响系数均
在1%水平上显著为正，即金融科技在所有城市均对其创业活跃度有积极作用；同时，组间系数差异
检验表明这种影响效应在大规模人口城市中显著大于小规模人口城市，其原因可能在于：人口越多的
城市人力资本存量与质量也相对越高，金融科技的覆盖和渗透率也更高，更容易产生规模效应从而放
大其对城市创业活跃度的影响。

其次，从表5中（3）（4）列回归结果可知，金融科技对不同行政地
位城市的创业活跃度影响系数至少在5%水平上显著为正，且组间系数差异检验表明这种影响效应在
省会城市、计划单列市和经济特区中显著大于其他城市，其原因可能在于：省会城市、计划单列市和
经济特区通常具有较高的行政地位和经济社会管理权限，相较于一般地级市更能提供灵活的管理体制
和制度环境，更有利于其他创业资源的流入和集聚，由此产生的要素资源集聚效应能够进一步提升金
融科技对城市创业活跃度影响的边际效用。

最后，表5中（5）（6）列回归结果表明，金融科技对不
同地理区位城市的创业活跃度影响系数也至少在5%水平上显著为正，且组间系数差异检验表明这种
影响效应在胡焕庸线东南侧城市中显著大于胡焕庸线西北侧城市，其原因可能在于：胡焕庸线是常用
53。