一、引言

2024年1月，习近平总书记在主持二十届中共中央政治局第十一次集体学习时系统性阐述了新质生产力的内涵，即新质生产力是“创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态”。习近平总书记的论述指明了数字经济时代生产力发展的新向度。当前数字经济蓬勃发展，数字普惠金融作为数字技术与金融业深度融合的产物，其发展在全球范围内处于领先地位[1]；而制造业企业是发展实体经济的重要微观基础、是建设现代化产业体系的重要组成部分，是新质生产力的重要载体，关系到我国在未来发展和国际竞争中是否能赢得战略主动。在此背景下，探讨数字普惠金融对制造业企业新质生产力的影响具有重要的理论价值和现实意义。

当前围绕新质生产力的研究主要有三类：新质生产力的科学内涵分析[2-7]、其发展状况的量化测度[8]、对其产生的社会经济影响进行实证检验[8-11]。在上述研究中，缺乏数字普惠金融与制造业企业新质生产力之间关系的研究。鉴于制造业企业在建设现代化产业体系中的重要地位，本文探讨了数字普惠金融对制造业企业新质生产力的影响以及作用机理，在此基础上进一步分析数字化转型在其中的影响效应，最后根据研究结论提出政策建议。与本次研究相近的是孙献贞等（2024）的研究[9]，但其研究对象是全部企业，并未针对制造业企业展开详细研究，这为本次研究留下一定的拓展空间。

本文的边际贡献有三点：第一，将研究对象具体到制造业企业，对数字普惠金融与制造业企业新质生产力之间的关系进行研究，不仅可以丰富和发展新质生产力理论，而且可以验证在这一作用过程中，数字普惠金融是否纠正了传统金融的阶段错配、领域错配问题。第二，基于信息效应、融资效应等作用路径的识别检验，可以厘清数字普惠金融影响制造业企业新质生产力的作用机理。第三，在数字化转型战略不断深度推进的大背景下，本文在“数字普惠金融—制造业企业新质生产力”的范式中嵌入制造业企业数字化转型元素，考察了在制造业企业数字化转型与否的不同情况下，数字普惠金融对制造业企业新质生产力影响效应的差异。

二、文献综述

（一）制造业企业新质生产力的理论内涵及测度

继新质生产力的概念被提出后，学者们从各个视角对其理论内涵展开了研究，有的基于生产力二要素（劳动力和生产工具）理论视角[10]，有的基于生产力三要素（劳动者、劳动资料和劳动对象）理论视角[2]，还有的基于生产力三要素和渗透性要素（新技术、生产组织、数据要素）视角[8]。无论从哪个视角展开研究，发展新质生产力的关键点都在于“新”和“质”[3][8]。新质生产力之“新”，其内涵主要指新“技术”和新“领域”，新“技术”指的是新质生产力以科技创新为主导，新“领域”指的是新质生产力的主要发展方向是新产业（尤其是战略性新兴产业和未来产业）[3]。新质生产力之“质”，其内涵为“高质量”发展[4]；“高质量”发展除了依赖技术进步，还依赖生产要素优化组合所带来的配置效率提升，生产要素的优化组合包括新劳动者（具有更高劳动素质和业务能力）、新劳动对象（体现前沿发展的智能设备、数据信息等非物化要素等）[3]。从新质生产力中“新”和“质”的理论内涵可知，发展新质生产力的内在逻辑为科技是第一生产力、创新是第一动力、人才是第一资源[4]。

本文的研究对象是制造业企业，制造业企业的新质生产力亦遵循新质生产力中“新”和“质”的理论内涵、遵循发展新质生产力的内在逻辑。同时，借鉴宋佳等（2024）对企业新质生产力指标体系的构建与测算[10]，本文计算了制造业企业的新质生产力。宋佳等（2024）基于生产力二要素理论从硬科技、软科技、活劳动、物化劳动（劳动对象）四个维度构建的企业新质生产力指标体系[10]亦适用于制造业企业，原因如下：第一，硬科技、软科技体现了新“技术”，亦体现了科技是第一生产力。第二，活劳动体现了新劳动者，亦体现了人才是第一资源。衡量活劳动的具体指标是研发人员薪资占比、研发人员占比和高学历人员占比，代表了具有更高劳动素质和业务能力的新劳动者。第三，物化劳动体现了新劳动对象。衡量物化劳动的具体指标是固定资产占比和制造费用占比，其中制造费用占比的采用就是考虑到制造业企业在发展新质生产力过程中，需采用更加前沿的智能设备、数据信息等非物化要素，其制造费用占比会比较高。故遵循新质生产力中“新”和“质”的理论内涵和发展新质生产力的内在逻辑，宋佳等（2024）构建的企业新质生产力指标体系亦适用于制造业企业新质生产力的测算。

（二）数字普惠金融与新质生产力的相关研究

当前对金融与新质生产力之间关系的研究，部分学者进行了理论阐释，如何青等（2024）从历史发展角度剖析金融服务对新质生产力的影响[5]。部分学者进行了定量研究，如杨秋菊和王文福（2024）发现，数字普惠金融通过推动新质生产力发展促进了城乡共同富裕[11]；孙献贞等（2024）从数字经济发展角度探讨了数字普惠金融发展对企业新质生产力的影响以及影响过程中企业数字化转型的作用渠道[9]。通过对相关文献分析发现：第一，当前学术界缺乏数字普惠金融与制造业企业新质生产力之间关系的研究；第二，与本次研究相近的是孙献贞等（2024）的研究[9]，但其研究对象是全部企业，并未针对制造业企业展开详细研究；第三，孙献贞等（2024）认为企业数字化转型是数字普惠金融影响企业新质生产力的作用机制[9]，但并未就企业数字化转型情况进行分类研究，而在经济发展实践中，各企业的数字化转型程度各不相同，本文则依据制造业企业数字化转型与否进行了分类研究，在此基础上又进行了交互项验证，以增强研究的说服力。

三、理论分析与研究假设

（一）数字普惠金融影响制造业企业新质生产力的作用机理

1. 信息效应

信息效应在数字普惠金融对制造业企业新质生产力的影响中发挥正向调节作用。信息效应是数字普惠金融的发展优化了各类金融机构与制造业企业之间的信息环境[12]，提升了两者间的信息环境透明度。数字普惠金融主要通过两种途径提升两者间的信息环境透明度：一是缓解两者间的信息不对称。各类金融机构与制造业企业之间存在一定程度的信息不对称，数字普惠金融凭借其数字技术可以对制造业企业的海量信息（包括标准化、非标准化的信息）进行收集、筛选、解析，及时了解制造业企业的当前动态，有效缓解各类金融机构与制造业企业之间的信息不对称问题。二是构建征信体系，提高风险防范能力。在数字普惠金融模式下，制造业企业被置于大数据、人工智能、云计算、区块链的互联网系统框架中，金融机构通过搜索、分析、整合制造业企业的历史交易记录，可以建立信用评估模型、构建征信体系，提高对未来风险的防范处理能力[13]。而各类金融机构与制造业企业之间信息环境透明度的提升有利于为制造业企业新质生产力吸引更多的资金支持，促进其发展。

受数据来源所限，信息环境透明度很难衡量，本文选用商业信用作为其代理变量。这是因为信息环境透明度与商业信用之间存在着密切的关系，信息环境透明度可以促进商业信用的提升。商业信用是建立在信息环境透明度基础之上的，因为只有当企业公开真实、完整的信息，其他企业或投资者才能评估其信用风险，决定是否与其进行交易。当企业公开并如实提供信息，它就更有可能赢得合作伙伴和消费者的信任，从而提高其商业信用。反之，商业信用的提高也会推动企业提高信息环境透明度，因为良好的信用记录会鼓励企业更积极地展示其业务的健康状况和可靠性。信息环境透明度和商业信用是相互依赖、相互促进的，因而本文选用商业信用作为信息效应的代理变量。

2. 融资效应

本文从内在本质和外在表象两个方面阐释数字普惠金融通过融资效应即缓解融资约束对制造业企业新质生产力产生的影响。从内在本质上分析，根据信息不对称理论，借贷双方的信息不对称及其引发的逆向选择和道德风险是企业产生融资约束的根本原因；而上文在论述信息效应时，已说明数字普惠金融凭借其数字技术可以降低各类金融机构与制造业企业之间的信息不对称以及由其引发的风险，进而可以缓解融资约束，实现融资效应，为制造业企业新质生产力发展提供资金支持。从外在表象上分析，数字普惠金融打破了传统金融服务受硬件条件（基础设施和地理距离）的约束，将很多传统金融服务无法涉及的地区和群体纳入服务范围，降低了制造业企业获取金融服务的门槛[14]；数字普惠金融提供了多样化的金融产品、金融服务，拓宽了制造业企业的融资渠道；数字普惠金融创新了业务流程和商业模式，降低了金融交易成本，提升了制造业企业获得资金的便利性；数字普惠金融的“鲶鱼效应”倒逼传统金融机构变革其商业模式、业务流程、服务模式、服务效率[15-16]，通过降低金融交易成本为制造业企业营造了良好的融资环境。扩大的金融服务范围，创新的金融产品、金融服务，良好的融资环境均缓解了制造业企业的融资约束，为其发展新质生产力提供了更多资金支持。基于此，本文提出如下研究假设：

假设1.1：数字普惠金融促进制造业企业新质生产力发展。

假设1.2：信息效应在数字普惠金融对制造业企业新质生产力的影响中发挥正向调节作用。

假设1.3：数字普惠金融通过融资效应促进制造业企业新质生产力发展。

（二）制造业企业异质性的影响

数字普惠金融促进制造业企业新质生产力发展，但不同类型的制造业企业，其生产经营情况、新质生产力发展情况均是不同的，因而这种促进效应对不同类型的制造业企业具有异质性，这里主要从金融错配的角度对其展开分析。

数字普惠金融通过纠正金融错配促进制造业企业新质生产力发展。唐松等（2020）认为，传统金融机构在支持企业生产过程中会出现金融错配，包括阶段错配、领域错配和属性错配[1]。本文主要针对阶段错配、领域错配进行分析。从制造业企业发展阶段分析，相对于成熟期制造业企业，成长期制造业企业在资产、盈利能力、风险承担等方面相对较弱，故传统金融机构选择授信客户时更倾向于成熟期制造业企业，对成长期制造业企业往往形成金融排斥，造成阶段错配。而数字普惠金融的发展降低了各类金融机构和成长期制造业企业的信息不对称以及由其引发的风险[17]，能促使成长期制造业企业获得更多的金融资源，纠正传统金融的阶段错配，从而可促进成长期制造业企业新质生产力的发展。从创新能力分析，创新能力强的制造业企业更易展开技术创新项目，技术创新项目具有“高投入、高风险、长回收期”的特点，这与传统金融机构的“安全性、流动性、盈利性”的要求相抵触，故传统金融资源流入创新能力强的制造业企业难度较大，会造成领域错配。而数字普惠金融的发展降低了各类金融机构和创新能力强的制造业企业之间的信息不对称以及由其引发的风险，促使创新能力强的制造业企业获得更多的金融资源，纠正了传统金融的领域错配，从而可促进创新能力强的制造业企业新质生产力的发展。基于此，本文提出如下研究假设：

假设2.1：数字普惠金融通过纠正传统金融的阶段错配，促进成长期制造业企业新质生产力发展。

假设2.2：数字普惠金融通过纠正传统金融的领域错配，促进创新能力强的制造业企业新质生产力发展。

四、研究设计

（一）计量模型构建

1. 基准回归模型

为检验数字普惠金融对制造业企业新质生产力的影响效应，借鉴皮建才和宋大强（2023）的研究[18]，设计模型（1）进行检验。

其中，下标i表示制造业企业，t表示年份，被解释变量Nproi,t表示制造业企业i在第t年的新质生产力；c表示制造业企业所在城市，解释变量FTc,t表示c城市在第t年的数字普惠金融发展水平；Xi,t表示企业层面的控制变量；n表示制造业企业所在的省（自治区、直辖市），pn,t表示省级层面的控制变量。un、δj、λt分别表示地区固定效应、行业固定效应、年份固定效应，需要说明的是，固定效应模型能够在一定程度上避免遗漏变量偏误，克服不随时间变化且无法观测的因素引起的内生性问题；控制un、δj表示控制省级层面、行业层面不随时间变化的不可观测因素在数字普惠金融作用于制造业企业新质生产力过程中产生的影响；控制λt表示控制不随地区变化、不随行业变化的不可观测因素在数字普惠金融作用于制造业企业新质生产力过程中产生的影响。ε为随机扰动项。本文重点关注的是解释变量FTc,t的系数，如若β1显著且为正，则表明数字普惠金融促进制造业企业新质生产力发展。

2. 作用机理模型

为检验信息效应在数字普惠金融作用于制造业企业新质生产力过程中所起的调节作用，构建调节效应模型（2):

其中，信息效应用制造业企业的商业信用（Capi,t）衡量，M1表示数字普惠金融的总体均值，M2表示制造业企业商业信用的总体均值，将数字普惠金融、制造业企业商业信用经过中心化处理可以避免解释变量之间的共线性问题。其他变量的定义与模型（1）相同。

为检验数字普惠金融对制造业企业新质生产力的融资效应，根据江艇（2022）对传导机理研究的建议[19]，构建模型（3），直接识别数字普惠金融对中介变量的影响：

其中，Meci,t是被解释变量（中介变量），为融资效应，用表示融资约束的WW指数衡量。其余变量与模型（1）保持一致。

（二）变量描述

1. 被解释变量

制造业企业新质生产力（Npro）。借鉴宋佳等(2024）对企业新质生产力的构建与测算[10]，本文计算了制造业企业的新质生产力。

2. 解释变量

数字普惠金融（FT）。本文选择北京大学数字金融研究中心构建的市级层面数字普惠金融指数进行衡量。

3. 控制变量

遵循已有文献，还控制了企业年龄（Age）、股权集中度（Cocen）、两职合一（Dua）、独立董事占比（BI）、董事会规模（Boa）、审计意见（Audit）等企业层面的控制变量；同时考虑到数字普惠金融受到地区经济发展的影响，还控制了省级层面的控制变量，各省（自治区、直辖市）的人均地区生产总值（GdpP）、产业结构（Indus）以及传统金融发展水平（Fin）。

4. 调节变量

信息效应，借鉴李青原等（2023）的研究，采用制造业企业商业信用（Cap）来衡量，而制造业企业商业信用=（应收账款-应付账款）/销售收入[20]。

5. 中介变量

融资效应，采用表示融资约束的WW指数衡量。WW指数的计算，借鉴Whited和Wu(2006）的研究[21]，如公式（4）所示：

WW=0.021×TLTD-0.062×POS-0.044×LNTA-0.035×SG+0.102×ISG-0.091×CF(4)

其中，TLTD是制造业企业长期负债与总资产之比，POS表示是否派发现金股利，LNTA是制造业企业总资产的自然对数，SG是制造业企业的销售增长率，ISG是制造业企业所处行业的销售增长率，CF是制造业企业现金流与总资产之比。

各变量的具体定义如表1所示。

（三）数据来源

本文研究样本为2011—2022年市级层面数字普惠金融和中国制造业企业的面板数据。其中，市级层面数字普惠金融来源于北京大学数字金融研究中心，计算制造业企业新质生产力的原始数据和企业层面的控制变量来自CSMAR数据库，省级层面的控制变量来自国家统计局网站，计算制造业企业数字化转型程度的原始数据来自深交所和上交所网站的企业年报。此外，在数据处理过程中，遵循已有文献惯例，对数据进行了如下处理：（1）删除ST、*ST、PT和已退市的上市企业；（2）删除主要变量缺失的样本；（3）为避免极端数值的影响，对连续变量进行1%和99%的缩尾处理。经过上述处理，最终得到2011—2022年11967个“制造业企业—年份”观察样本。

表1 变量定义

五、实证分析

（一）描述性统计

表2报告了样本变量的描述性统计情况。制造业企业新质生产力的均值为5.0205，略高于宋佳等（2024）的研究[10]，这是因为本次研究对象集中于制造业企业，与宋佳等（2024）的研究对象[10]有所区别。市级层面数字普惠金融的均值为5.3274，标准差为0.4392，这与现有研究基本保持一致，其余变量与现有研究亦基本保持一致。

表2 描述性统计

（二）基准回归分析

表3是基于模型（1）的回归结果。其中，列（1）是未控制控制变量、未控制固定效应的回归结果；列（2）是加入控制变量但仍未控制固定效应的回归结果；列（3）是加入控制变量并同时控制了地区固定效应、行业固定效应、年份固定效应的回归结果。从结果看，在加入控制变量前后和控制固定效应前后，数字普惠金融的系数均显著为正，表明数字普惠金融促进制造业企业新质生产力发展。据此，假设1.1得以验证。

表3 基准回归结果

为更准确地刻画数字普惠金融对制造业企业新质生产力的影响，借鉴郭峰等（2020）的研究[22]，将数字普惠金融分解为三个分指标，分别是覆盖广度（FTC）、使用深度（FTU）、数字化程度（FTD）。

对分指标基于模型（1）进行回归，回归结果如表4所示。其中，列（2）使用深度的系数显著为正，表明使用深度促进制造业企业新质生产力发展，这亦为后续数字普惠金融发展指明了方向。列（1）覆盖广度和列（3）数字化程度，两者的系数虽为正但不显著，表明覆盖广度、数字化程度对制造业企业新质生产力的影响在统计上不显著。

（三）作用机理检验

根据上文的理论分析，数字普惠金融通过信息效应、融资效应对制造业企业新质生产力产生影响。通过对模型（2）回归来验证信息效应，回归结果如表5列（1）所示。表5列（1）中数字普惠金融的系数显著为正，数字普惠金融与制造业企业商业信用交互项的系数显著为正，说明信息效应在数字普惠金融促进制造业企业新质生产力发展过程中发挥正向调节作用。假设1.2得以验证。

表4 分指标回归结果

通过对模型（3）回归来验证融资效应。考虑到数字普惠金融与融资效应（融资约束WW指数）之间可能存在遗漏变量、反向因果导致的内生性问题，借鉴黄祖辉等（2023）的研究[23]，用工具变量法加以处理；同时借鉴孙学涛等（2022）的研究[24]，选择“滞后二期数字普惠金融（L2.FT）”和“滞后三期数字普惠金融（L3.FT）”作为工具变量进行再检验。结果如表5列（2）至列（5）所示。其中，列（3）和列（5）显示数字普惠金融的系数均显著为负，表明在考虑遗漏变量、反向因果等内生性问题后，数字普惠金融缓解了制造业企业的融资约束，产生了融资效应，可为其新质生产力发展提供更多资金支持。据此，假设1.3得以验证。

（四）内生性分析

虽然固定效应模型能通过分离时间不变因素和地区不变因素在一定程度上缓解内生性问题，但不能完全解决内生性问题。因此本文采用工具变量法来解决模型中可能存在的内生性问题。在工具变量的选择上，仍然选择滞后二期数字普惠金融和滞后三期数字普惠金融。表6列（2）是以滞后二期数字普惠金融作为工具变量的第二阶段回归，列（4）是以滞后三期数字普惠金融作为工具变量的第二阶段回归，两者数字普惠金融的系数均显著为正，表明在考虑遗漏变量、反向因果等内生性问题后，数字普惠金融仍然促进制造业企业新质生产力发展，与基准回归结果保持一致。

表5 作用机理检验

（五）稳健性检验

1. 替换被解释变量

借鉴宋佳等（2024）的研究[10]，采用制造业企业全要素生产率替换被解释变量；借鉴鲁晓东和连玉君（2012）的研究[25]，采用LP法、OP法、GMM法测算制造业企业全要素生产率，记为TFP＿LP、TFP＿OP、TFP＿GMM，重新对模型（1）回归，结果如表7列（1）至列（3）所示。

2. 剔除特定样本

北京、天津、上海和重庆4个直辖市的数字普惠金融发展较快，为减少上述城市对研究结果的影响，剔除了直辖市的样本，重新对模型（1）回归，结果如表7列（4）所示。

表6 工具变量的回归结果

3. 变更研究方法

重新控制地区×行业的高阶固定效应，但未控制年份固定效应的回归结果如表7列（5）所示；重新控制地区×行业的高阶固定效应，同时也控制年份固定效应的回归结果如表7列（6）所示。

由表7可知，在稳健性检验后，数字普惠金融对制造业企业新质生产力的影响仍然显著为正，与基准回归结果保持一致。

（六）数字普惠金融的“纠错配”功能与制造业企业新质生产力

1. 考察“阶段错配”问题

将制造业企业分为“成长期”和“成熟期”进行分样本检验。划分依据是制造业企业年龄中位数，视排名靠前的年龄小的制造业企业处于“成长期”，视排名靠后的年龄大的制造业企业处于“成熟期”，重新对模型（1）回归。表8列（1）显示，数字普惠金融促进成长期制造业企业新质生产力发展；表8列(2）显示，数字普惠金融对成熟期制造业企业新质生产力的影响在统计上不显著。这说明数字普惠金融通过纠正传统金融的阶段错配，促进成长期制造业企业新质生产力发展。假设2.1得以验证。

2. 考察“领域错配”问题

将制造业企业分为“创新能力强”和“创新能力弱”进行分样本检验。划分依据是《高技术产业（制造业）分类（2017）》，将制造业企业分为高技术、非高技术两组，其中高技术制造业企业创新能力相对强、非高技术制造业企业创新能力相对弱，重新对模型（1）回归。表8列（3）显示，数字普惠金融促进创新能力强的制造业企业新质生产力发展；表8列（4）显示，数字普惠金融对创新能力弱的制造业企业新质生产力的影响在统计上不显著。这说明数字普惠金融通过纠正传统金融的领域错配，促进创新能力强的制造业企业新质生产力发展。假设2.2得以验证。

表7 稳健性检验

表8 阶段错配和领域错配的检验

六、进一步分析：基于数字化转型视角下的数字普惠金融影响效果检验

当前社会已进入数字经济时代，在数字化转型战略不断深度推进的大背景下，数字普惠金融能否对制造业企业新质生产力展现出有效驱动力？

为回答上述问题，本文在已有“数字普惠金融—制造业企业新质生产力”的范式中，进一步嵌入了制造业企业数字化转型这一重要元素。首先，按照制造业企业数字化转型与否分为两组，即数字化转型制造业企业、未数字化转型制造业企业，重新对模型（1）回归。其次，为增强研究的说服力，构建模型（5）对数字化转型制造业企业采用数字普惠金融与制造业企业数字化转型程度的交互项进行二次验证，以分析在制造业企业数字化转型的不同程度下，数字普惠金融对制造业企业新质生产力的影响效果。

其中，DTi,t表示制造业企业数字化转型程度，借鉴吴非等（2021）对企业数字化转型的处理办法[26]计算得出。M3表示制造业企业数字化转型程度的总体均值，其他变量的定义与模型（1）相同。回归结果如表9所示。

表9 数字普惠金融、数字化转型与制造业企业新质生产力

表9列（1）表明，对数字化转型制造业企业，数字普惠金融促进了其新质生产力发展；表9列（2）表明，对未数字化转型制造业企业，数字普惠金融对其新质生产力的影响在统计上不显著；表9列（3）表明，对数字化转型制造业企业，交互项系数为0.3976且显著，表明制造业企业数字化转型在“数字普惠金融—制造业企业新质生产力”的关系中起正向调节作用，制造业企业数字化转型程度越深，数字普惠金融对其新质生产力发展的促进作用越强。对未数字化转型制造业企业，因其数字化转型程度为0，交互项系数为0，没有实际意义，故未列出。

七、结论与政策建议

基于2011—2022年市级层面数字普惠金融和中国制造业企业的面板数据，分析了数字普惠金融对制造业企业新质生产力的影响效应、作用机理，并从制造业企业的年龄、创新能力两个方面进行异质性分析，在此基础上进一步分析了数字化转型在其中的影响效应。研究结论主要包括：

第一，数字普惠金融促进制造业企业新质生产力发展，这一结论在经过工具变量法、替换被解释变量、剔除特定样本、变更研究方法等一系列稳健性检验后依然成立。对分指标验证的结论是数字普惠金融使用深度对制造业企业新质生产力具有显著促进作用。

第二，数字普惠金融通过信息效应、融资效应促进制造业企业新质生产力发展。

第三，数字普惠金融纠正了传统金融的阶段错配，促进成长期制造业企业新质生产力发展；数字普惠金融纠正了传统金融的领域错配，促进创新能力强的制造业企业（高技术制造业企业）新质生产力发展。

第四，数字普惠金融促进数字化转型制造业企业新质生产力发展，且制造业企业数字化转型在“数字普惠金融—制造业企业新质生产力”的关系中起正向调节作用。对未数字化转型制造业企业，数字普惠金融对其新质生产力的影响在统计上不显著。

基于以上研究结论，本文提出以下政策建议：

第一，制造业企业应充分认识到发展新质生产力的战略价值，将发展新质生产力的理念和制造业企业发展战略深度融合，促进制造业企业高质量发展。例如，积极引入人工智能、大数据等先进技术，促进智能制造发展；加大研发投入或加强产学研合作，促进技术创新；加强人才结构调整、培育符合新质生产力发展要求的新劳动者。

第二，政府应当继续给予发展数字普惠金融的支持政策，发挥数字普惠金融对制造业企业新质生产力的赋能作用。数字普惠金融具有覆盖面广、服务效率高、成本低的优势，可以为制造业企业提供更加便捷、灵活的金融服务。政府可以通过加强政策引导、加大财政支持力度、完善监管体系等方式，鼓励金融机构积极开展数字普惠金融业务，为制造业企业提供更多的融资渠道和资金支持。例如，政府可以对开展数字普惠金融业务的金融机构给予奖励和补贴；加强对数字普惠金融市场的监管，规范金融机构的市场行为，保护投资者的合法权益。

第三，通过数字普惠金融发展，带动传统金融机构进行金融科技创新，助力制造业企业新质生产力发展。传统金融机构应加强与金融科技企业在数字基础设施建设、数字人才培养、业务模式创新等方面的合作，通过合作来快速加深传统金融机构对数字技术的应用，从而优化传统金融机构与制造业企业之间的信息环境，使制造业企业获得更为便捷、定价合理的金融服务，缓解制造业企业融资约束，进而助力制造业企业新质生产力发展。

第四，通过加速制造业企业数字化转型来有效推动制造业企业新质生产力发展。一方面，政府可以建立制造业企业数字化转型示范基地，推广成功的数字化转型经验和模式，通过示范引领，带动更多的制造业企业加快数字化转型步伐。另一方面，政府应加大对制造业企业数字化转型的支持力度，如提供数字化转型补贴、技术支持、培训服务等，切实鼓励制造业企业数字化转型。

参考文献:

[1]唐松,伍旭川,祝佳.数字金融与企业技术创新——结构特征､机制识别与金融监管下的效应差异[J].管理世界,2020(5):52-66.

[2]高帆.“新质生产力”的提出逻辑､多维内涵及时代意义[J].政治经济学评论,2023,14(6):127-145.

[3]胡洪彬.习近平总书记关于新质生产力重要论述的理论逻辑与实践进路[J].经济学家,2023(12):16-25.

[4]刘伟.科学认识与切实发展新质生产力[J].经济研究,2024,59(3):4-11.

[5]何青,胡通,梁柏林.金融服务新质生产力发展:历史经验与中国启示[J].当代财经,2024(7):59-70.

[6]尤亮,田祥宇.农业新质生产力:现实逻辑､内涵解析与生成机理[J].经济问题,2024(6):27-35.

[7]常璇.加快形成农业新质生产力:理论框架､现实困境与实践进路[J].经济问题,2024(7):20-28.

[8]韩文龙,张瑞生,赵峰.新质生产力水平测算与中国经济增长新动能[J].数量经济技术经济研究,2024(6):5-25.

[9]孙献贞,李言,高雨晨.数字普惠金融发展与企业新质生产力[J].兰州学刊,2024(7):54-67.

[10]宋佳,张金昌,潘艺.ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据[J].当代经济管理,2024(6):1-11.

[11]杨秋菊,王文福.数字普惠金融､新质生产力与城乡共同富裕[J].中国流通经济,2024(6):115-126.

[12]陈梦根,张乔.数字金融对企业融资行为的影响效应及作用机制[J].改革,2023(9):34-52.

[13]黄益平,邱晗.大科技信贷:一个新的信用风险管理框架[J].管理世界,2021(2):12-21.

[18]皮建才,宋大强.中国制造业的产能过剩与就业波动[J].金融研究,2023(11):115-131.

[19]江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022(5):100-120.

[20]李青原,李昱,章尹赛楠,等.企业数字化转型的信息溢出效应——基于供应链视角的经验证据[J].中国工业经济,2023(7):142-159.

[22]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(4):1401-1418.

[23]黄祖辉,宋文豪,叶春辉.数字普惠金融对新型农业经营主体创立的影响与机理——来自中国1845个县域的经验证据[J].金融研究,2023(4):92-110.

[24]孙学涛,于婷,于法稳.数字普惠金融对农业机械化的影响——来自中国1869个县域的证据[J].中国农村经济,2022(2):76-93.

[25]鲁晓东,连玉君.中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊),2012(2):541-558.

[26]吴非,胡慧芷,林慧妍,等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021(7):130-144.

基金资助:国家社会科学基金一般项目“金融集聚促进实体经济发展的微观机理与实现路径研究”(19BJL016);

文章来源:师栋楷.数字普惠金融对制造业企业新质生产力的影响及作用机理[J].经济问题,2024,(12):78-87.