环境规制下数字普惠金融与我国绿色创新效率.pdf

西部金融 2023年第10期环境规制下数字普惠金融与我国绿色创新效率何文彬宫坤（新疆财经大学金融学院，新疆乌鲁木齐830012）摘要：本文以Super-SBM模型为依据，测量了2011-2020年中国30个省的绿色创新效率,采用空间计量模型论证分析数字普惠金融、环境规制对绿色创新效率的影响，研究结论说明：数字普惠金融和环境规制本身不能提高本地区绿色创新效率，但在环境规制的约束下数字普惠金融对绿色创新效率有积极的影响。在区域异质性检测中发现，东部地区的数字普惠金融、环境规制对绿色创新效率具有明显负向的直接效应和间接效应，数字普惠金融和环境规制的交互项具有显著的积极影响，而中部和西部地区的空间溢出效用不显著。因此在发展数字普惠金融的同时，要加强环境规制的作用，采用地区差别化发展战略等绿色创新措施。关键词：数字普惠金融；绿色创新效率；空间溢出效应中图分类号：F830.31文献标识码：A文章编号：1674-0017-2023（10）-0032-09一、引言绿色创新成为发展的聚焦点，绿色创新发展的主要目标是资源效率的提升，降低经济发展对环境的伤害。然而，在绿色创新为社会带来巨大效益的同时，它的高成本、高风险和强外部性导致企业缺乏绿色创新的动力。因此，需要政府的引导和约束，发展绿色技术，打造低碳绿色产业，调整合适的环境规制，因为环境规制的紧缩程度会影响绿色创新的效率，“遵循成本效应”理论认为，环境规制将环境负外部性内化为企业成本，但健全的环境规制会刺激大量以环境为导向的技术创新，从而产生显著的“创新补偿效应”，而过于严格的环境规制则会影响绿色创新效率的发展。另外，绿色创新具有风险性和资本密集性的特点，其资本要求高、技术含量高、商业周期长、创新成果不确定，因此增强绿色创新的融资能力对提高其有效性非常重要，而数字金融的主要优势之一是支持普惠金融的发展，因此，发展数字普惠金融可以成为传统金融的有益补充，包括为长期客户消除“服务壁垒”，为“核心业务和创新”提供负担得起的融资，以及帮助扩大创新能力。因此，为了研究各省的绿色创新效率，本文在测算绿色创新效率时运用Super-SBM模型开展测算，并且为研究数字普惠金融、环境规制及其交互项对绿色创新效率和实施机制的影响，本文采用空间计量模型，分析了数字普惠金融和环境规制对绿色创新效率的空间影响。二、文献综述（一）数字普惠金融与绿色创新效率现有的研究考察了数字普惠金融对创新或绿色创新的影响，如乔彬（2021）和翟华云（2021）分别利用双向固定效应模型测试了数字金融对企业绿色创新的影响以及采用逐步回归法对企业绿色创新的影响，数字金融的使用提升了企业绿色创新的数量和质量，数字金融的发展能够通过降低资金限定来改进企业的绿色创新效率。而韩先锋和宋文飞（2022）以市级为研究对象以中国省面板数据和门槛回归技术为基础，论证分析了数字金融对绿色创新发展的非线形改善机制，结论说明数字金融对中国绿色创新具有显著的推动作收稿日期：2023-09作者简介：何文彬（1972），女，河南睢县人，教授，现供职于新疆财经大学金融学院。宫坤（1997），女，安徽宿州人，硕士研究生，现就读于新疆财经大学金融学院。基 金 项 目：新 疆 财 经 大 学 研 究 生 科 研 创 新 项 目“数 字 普 惠 金 融 对 我 国 经 济 高 质 量 发 展 的 空 间 效 应 研 究”（XJUFEE2022K05）。注：本文为作者观点，文责自负。绿色金融32DOI:10.16395/ki.61-1462/f.2023.10.006西部金融 2023年第10期用，东部和中部地区的改进实际效果显著好于西部地区，对数字金融具有显著的“普惠效应”，数字金融的绿色创新赋能效用存在着一个正方向的由弱到强的演化过程。此外，一些研究者还关注了金融发展对绿色创新效率的影响，刘习平（2020）和章志华（2022）研究了金融发展对绿色创新效率的影响，刘习平认为金融发展负向影响绿色创新效率，而章志华认为由于金融发展水准提高，外部直接投资的逆向技术外溢对绿色创新效率的影响由负转正。吕途和王学真（2020)探讨了科技金融对区域绿色创新效率的影响，发现科技金融对绿色创新效率影响较大，具有显著的正效应和双重门槛效应。最后，虽然大多数学者认为金融发展对绿色创新有积极作用，但也有学者认为金融发展对绿色创新有消极作用，很少有学者研究数字普惠金融对绿色创新效率的影响。比如张杰飞（2022）认为数字金融促进了当地的绿色创新效率，但对周边地区的绿色创新效率有遏制作用；数字金融通过促进金融发展、刺激消费需求、促进人力资本、提高绿色创新效率，将金融发展作为主要传导渠道。这表明，数字普惠金融对绿色创新效率的影响研究仍处于早期阶段。（二）环境规制与绿色创新效率学者们对绿色创新效率的研究并没有止步于此，还科学地研究了不同层面上影响绿色创新效率的因素，环境规制就是一个重要因素，学者从不同视角对环境规制开展了分析。例如，许士春（2012）等人将环境规制分为排放税、拍卖排放配额和交易排放配额，发现排放税和排放配额价格正向影响企业的绿色创新。李婉红（2013）等人认证了指令控制型、市场型、互动交流型环境规制对企业绿色工艺创新、企业绿色产品创新、尾端管理技术创新各自具有积极的推动作用;张倩（2013）分析了排放税、排放配额和综合排放标准三种环境规制对绿色技术的影响，发现企业对绿色技术的采用率与环境规制的强度呈反U型的关系。由此可见对于环境制度对绿色创新效率的影响已经相对成熟，但是现有的研究没有将数字普惠金融，环境规制和绿色创新效率放在一个维度中研究。通过对目前参考文献的整理，发现目前研究存在以下特点和问题。(1)现有的相关研究由于视角和研究方法不同，结论不一致，有些研究结论是积极影响，有些研究结论是消极影响，有些研究结论则是“不确定性理论”；(2)现有文献大多依靠计量经济学方法进行验证，只有少数论文探讨了数字普惠金融对绿色创新效率的影响机制，而这是更详细地分析数字普惠金融对绿色创新效率的影响的基础。(3)研究者很少将数字普惠金融、环境规制和绿色创新三者纳入同一研究框架，而环境规制是影响绿色创新的一个重要制度因素，这可能是数字普惠金融对企业绿色创新效率的产生结果不同的原因之一，需要进一步研究。三、理论基础与研究假设的提出（一）数字普惠金融是否提升各省绿色创新效率研发投资需要创新投资的支持，但企业的研发投资往往无法填补绿色创新项目的巨大资金缺口，而绿色创新的强大外部性又抑制了企业投资。政府补贴解决外部性问题增加绿色创新的研发激励支持绿色创新，但解决融资难题的作用有限，而数字普惠金融用可以通过可及性、易用性和效率的提升合理应对绿色自主创新融资的限制性。然而，并非所有普惠金融提供的资源都有助于绿色创新的发展，数字普惠金融也可能会为对绿色创新效率的产生负面影响的项目带来资源，不利于绿色创新。因此，对于普惠性数字金融能否加强对绿色创新的激励，支持绿色产业的创新，促进绿色创新存在异议。基于上述分析，本文提出假设1a和1b。假设 1a：数字普惠金融能够促进绿色创新效率提升假设 1b：数字普惠金融能够阻碍绿色创新效率提升（二）环境规制强度增强会抑制各省绿色创新效率的提升关于环境规制对绿色创新效率的研究可以分为两大理论：一类是以波特为代表的“创新补偿说”，认为环境规制促进了技术进步，即适当的环境规制促进了企业的技术创新，增加了企业的利润以补偿环境规制造成的成本增加。一些研究者，如王晗（2022）等通过实证研究发现，环境规制管理水平越高，绿色创新的效率越高，这支持了波特的假说。另一类是“遵循成本说”，Cropper（1992）认为环境规制无法提高高科技产业的绿色创新效率，他认为当企业的技术水平基本稳定，资源配置固定时，如果企业的技术水平基本不变，资源配置不发生变化，而环境规制逐渐收紧，政府监管加强，环境规制会增加企业的成本，阻碍技术创新。当环境规制不能促进高科技产业的绿色创新，政府实施更严格的环境限制时，污染成本和罚款往往会增加，减少了企业在研究和产品开发方面的投入，从而抑制了企业的创新研发，对绿色创新效率也会产生负面的影响。基于上述理论分析，本文提出了假设2。绿色金融33西部金融 2023年第10期假设2：环境规制强度提高会正向抑止高技术产业绿色创新效率。（三）空间溢出视角下的数字普惠金融、环境规制与绿色创新效率首先，绿色创新的动力不仅来自一个地区的资源，还来自邻近地区的支持因素。劳动、资本、技术、数据等创新驱动因素的区域间自由高效的流动，可以扩大绿色创新驱动因素的供给规模，扩大绿色创新的区域布局效率，促进绿色创新体系中直接和间接参与者的区域合作。环境规制强度提高会正向抑止高技术产业绿色创新效率。其次，数字普惠金融的出现能够带动知识和技术的扩散，促进绿色创新；普惠数字金融发展良好的地区容易进行技术交流与合作，企业间的技术投入与产出流动频繁，促进绿色创新能力较低的企业获取大量外部知识，隐性知识和无形技术资源的扩散，有利于绿色创新网络的发展，而绿色创新网络是保证绿色创新生产和创新效率的关键。最后，环境污染行为本身有很强的空间关系，一个地区的自然环境状况很容易受到邻近地区气体污染的影响，因此，环境污染的空间流动是管理自然环境规制时不可忽视的因素。据此本文提出：假设3：环境规制下数字普惠金融对绿色创新效率的提升存在空间性。数字普惠金融、环境规制与绿色创新效率关系如图1表示。图1数字普惠金融、环境规制及交互作用对绿色创新效率的理论模型图四、研究设计（一）Super-SBM模型数据包络分析（DEA）是由Chanes等人在1978年提出的一种非参数线形设计方案，传统的DEA模型在径向和视角存在问题，造成测量结论不精确；2002年，Tone改正了这一问题，提出了Super-SBM模型，即假如效率值超过1，则被评价的决策模块相对有效；假如效率值低于1，则被评价的决策模块相对无效率，模型为：=min=min1 1mi=1msixio1+1q+hr=1qs+ryro+k=1hskbkos.t.:j=1njxij+si=xio,i=1,.,m；j=1njyrj s+r=ygro,r=1,.,q；j=1njbkj+sk=bbko,k=1,.,h；j 0,si 0,s+r 0,s xk 0,上述模型中，一个决策模块有m种投入、q种期待产出率和h种非期望产出，*为2011-2020年期间各部门绿色创新效率的测量值。i代表投入变量的个数，其取值范围从1到m，si为投入的松弛变量，表示投入过度，xio表示第0个决策单元；j代表产出变量的个数，其取值范围从1到q，s+r表示产出过度，yio表示第0个决策单元；sk表示非期望产出的松弛变量，即非期望产出需要缩减的量,bko表示第0个DMU的第k种非期望产出。（二）空间计量模型绿色金融34西部金融 2023年第10期空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）是三个被频繁使用的空间计量经济学模型。空间杜宾模型假定因变量不仅受本地自变量的影响，还受相邻地区自变量的影响，换言之，在模型中加入自变量的空间惯性，将空间误差模型和空间杜宾模型结合起来。空间滞后模型公式如下：gteit=W(gteit)+(Indit,Enviit,InditEnviit)+Z+(1)空间误差模型公式如下：gteit=(Indit,Enviit,InditEnviit)+Z+(2)空间杜宾模型公式如下gteit=W(gteit)+1(Indit,Enviit,InditEnviit)+2W(Indit,Enviit,InditEnviit)+Z+(3)其中，gteit、Indit、Enviit分别表示i省份在t时期的绿色创新效率、数字普惠金融、环境规制水平，W（）代表某变量的空间滞后项本文构造出两种空间权重矩阵进行模型估计：（1）地理距离权重矩阵(w1)：用经纬度测算两个地区之间的自然地理距离，并将该距离的倒数作为的加权指数，公式为Wij=1dij，i j，Wij=0，i=j（2）经济距离权重矩阵（w2）：测算两个地区的人均GDP，并以两个地区人均GDP之差的倒数作为加权指数，公式为Wij=1|GDPi-GDj，i j，Wij=0，i=j（三）变量说明与数据来源1.被解释变量绿色创新效率（gte）。本文采用考虑非期望产出的 Super-SBM模型来考量绿色创新效率，包含投入指标值、期望产出指标值和非期望产指标值。表1绿色创新效率的投入产出变量选取指标研发人员折合全时当量新产品开发经费支出能源消费总量新产品销售收入专利有效申请量工业SO2排放量工业废水排放量工业固体废弃物排放量符号X1X2X3Y1Y2Y3Y4Y5指标劳动投入资本投入能源投入期望产出期望产出非期望产出非期望产出非期望产出资料来源：中国科技统计年鉴 中国能源统计年鉴 中国环境统计年鉴。2.核心解释变量（1）数字普惠金融(lnInd)：本文中的普惠性数字金融指数，是由北京大学数字金融研究中心和蚂蚁金服集团一同测算的省部级数字普惠金融指数值。（2）环境制度（Envi）：环境规制对绿色创新效果的影响尚不确定，但当政府执行环境规制时，企业可以实现“减排”，并通过“创新激励”抵消增加的污染成本，从而鼓励绿色技术的发展。然而，严格的环境规制可能会转移公共资金，使其无法为企业创新提供足够的财政支持，也可能无法提高绿色创新的效率。在本文中，我们选择绿色创新的工业投资水平作为环境规制的考量指标值。3.控制变量（1）金融发展水平（Fin）:金融发展水平体现了在绿色升级全过程中得到融资的难度系数,由于数字方面的普惠金融业的发展在很大水平上依靠于一个城镇的金融业发展，本文通过省级金融机构年末存贷款余额占地区生产总值的比重来衡量。绿色金融35西部金融 2023年第10期（2）产业结构(Str):第三产业产生的污染一般比第一和第二产业少，第三产业的产出更有益于绿色创新，因此本文用第三产业产出率与地区GDP的比率来考量产业结构。（3）科技创新环境（Gove）：政府的财政支持可以在一定程度上抵消绿色技术的研发成本，减轻企业负担，增加企业的投资资源，提高绿色创新的效率，本文通过科技财政支出与一般预算支出的比率衡量科技创新环境。（4）对外开放程度（Trd）：对外开放不仅可以引进国际优秀的科学技术，提供大量高水平的劳动力，还可以通过“技术扩散”激发本地高科技研发和创新的活力；但是，过于宽松的边境管制政策导致高污染制造商大量涌入，不利于绿色经济的长期发展。为了考量对外开放水平,开放水平以各省进出口总额与当地 GDP之比来衡量，本文以各省进出口总额与当地GDP之比来衡量。（5）经济发展水平（Pgdp）：经济发展水平是持续吸引人才、资本和技术等绿色创新动力的主要因素，也是影响城市绿色创新效率的主要宏观经济指标值，因此，本文采用省级人均GDP来考量经济发展水平。（6）技术市场完善度（Tech）：技术市场越完善，技术市场发展越健全，创新技术越能更好地服务实体经济，而技术市场交易额是评价技术市场环境优劣的一个形象化主要表现，因而，文章内容运用技术市场成交额作为考量技术市场完善度的代理变量。（四）数据来源在本文的研究中，由于数据的可得性选择2011-2020年作为研究区间，收集30个省（不包含西藏、香港、澳门和台湾）的研究数据。主要数据来源是 中国统计年鉴、中国科技统计年鉴、中国能源统计年鉴、中国环境统计年鉴 和各省级统计分析年鉴，少部分查自于国家统计局中的数据。五、实证分析（一）模型适用性检验为了检验空间地理距离矩阵，首先进行LR检验，表明SDM模型不会退化成SAR和SEM模型，然后进行Hausman检验，拒绝原假设，表明固定效应更有优势。然后，进行了LM检验，结果见表2，LM-err和R-LM-err检验在1%的水平上拒绝了原假设，而LM-lag和R-LM-lag检验没有拒绝原假设，所以理论上我们应该首选空间滞后模型。表4中比较SEM模型和SDM模型的具体回归结果，对于空间地理距离矩阵，空间杜宾模型和空间滞后模型都能较好地捕捉到表述自变量的空间效用，且两个模型的结论相仿。效应选择的结果表明在此情况下的SDM模型同时具有空间和时间效应，所以最终选择双固定的SDM模型。对于空间经济地理嵌套矩阵，LR检验显示SDM可以转化为SAR模型，SDM不能转化为SEM模型。LM检验显示，对于空间误差模型，LM-err和R-LM-err检验没有拒绝原假设，LM-lag和R-LM-lag检验在1%的水平上拒绝原假设。对于Hausman检测，结论显示回绝了原始假定，因此选择固定效用是适宜的，对于效用的选择，结论显示个体固定模型是最适宜的，因此最终选择个体固定SAR模型。表2LM检验TestSpatial error：Morans ILagrange multiplierRobust LagrangemultiplierSpatial lag:Lagrange multiplierRobust Lagrangemultiplier空间地理距离矩阵Statistic99.3828.3778.9380.6691.229df11111p-value0.000*0.004*0.003*0.4130.268空间经济地理嵌套矩阵Statistic1.1820.59139.7088.71847.835df11111p-value0.2370.4420.000*0.003*0.000*注：*、*、*分别代表1%、5%、10%的显著性水平，下同。绿色金融36西部金融 2023年第10期（二）空间相关性检验表3给出了空间地理距离矩阵和空间经济地理嵌套矩阵下绿色创新效率的Moran s I值，绿色创新效率的空间相关性可以用Moran s I值来解释，结果表明2011-2022的绿色创新效率的Moran s I值基本通过了0.1%的显著性检验且均为正值，表明各地区之间绿色创新效率存在着的空间相关性，并且是正向的关系。表320112020年绿色创新效率Moran s I值年份2011201220132014201520162017201820192020Moran s I值（W1）0.046*（0.006）0.039*（0.010）0.041*（0.009）0.049*（0.005）0.045*（0.007）0.050*（0.008）0.042*（0.014）0.032*（0.028）0.037*（0.020）0.042*（0.014）Moran s I值（W2）0.251*（0.002）0.239*（0.002）0.214*（0.005）0.239*（0.002）0.238*（0.002）0.475*（0.000）0.487*（0.000）0.449*（0.000）0.461*（0.000）0.450*（0.000）（三）空间计量模型估计从表4可以看出，在这两种矩阵下，数字普惠金融和环境规制的估算系数都是负向显著的，同时，数字普惠金融和环境规制的交互项目系数都是正数，这表明单一数字普惠金融和环境规制不能有效地提高本地区的绿色创新效率。这可能是因为数字普惠金融会为对绿色创新效率产生负面影响的项目带来资源，从而会对绿色创新的有效性有负向影响。环境规制也不能有效地提高本地区的绿色创新效率，但在环境制度的条件下，数字普惠金融可以有效地提高本地区的绿色创新效率，这可能是因为环境规制限制企业增加有助于绿色创新效率的数字普惠金融的项目，从而导致绿色创新效率的提升。从空间滞后项目的检验结果来看，数字普惠金融和环境规制的空间滞后项目通过了1%或5%的负向显著性，但数字普惠金融和环境规制交互项项目的空间滞后项目系数显著为正，这意味着只提高本地数字普惠金融不利于邻近地区的绿色创新效率，但在环境规制的条件下，提高本地数字普惠金融才有利于邻近地区的绿色创新效率的发展。表4模型估计结果IndENVIIndENVIFinStrGOVETRD空间地理距离权重矩阵SDMMain-0.00539*(-4.12)-0.000000341*(-2.45)2.20e-09*(4.56)0.122*(2.97)-0.486*(-2.16)-0.416*(-2.65)0.398*(2.60)W1-0.0165*(-1.93)-0.00000311*(-2.83)1.61e-08*(4.24)0.774*(3.32)-0.188(-0.18)-1.396(-1.47)1.823*(1.96)SEMMain-0.00135*(-4.25)-3.56e-07*(-2.16)2.31e-09*(3.94)0.074*(2.16)-0.275(-1.09)-0.253(-2.65)0.280*(2.60)空间经济地理嵌套矩阵SARMain-0.00174*(-6.60)-3.64e-07*(-2.46)2.40e-09*(4.48)0.126*(2.16)-0.225(-0.92)-0.203(-1.48)0.395*(2.36)绿色金融37西部金融 2023年第10期PgdpTECHSpatialrhoVariancesigma2_eLog-likelihoodr2N0.118*(7.06)-0.0000750*(-2.50)0.526*(4.18)0.0133*(12.12)219.00300.0005093000.399*(5.07)-0.00175*(-8.14)0.112*(8.15)0.000(0.37)0.622*(5.57)0.022*(11.38)93.76313000.146*(8.11)-0.0000825*(0.37)0.323*(3.50)0.021*(11.38)153.1622300（四）直接效应与间接效应本文利用偏导数法分解总效果，结果见表5，在间接效应中，数字普惠金融对绿色创新效率的影响是负的，并且在两种空间权重矩阵下都通过了1%水平的显著性检验，这意味着区域内数字普惠金融越发达，对区域内绿色创新效率的负影响就越大。空间溢出效应下数字普惠金融的估计系数为负，且在1%或5%的水平上显著，这意味着该地区的数字普惠金融将对邻近地区的绿色创新绩效产生负面影响。所以数字普惠金融不能以市场方式刺激绿色创新活动，实现经济主体之间的协同合作和资源共享，相反，数字普惠金融可能导致分散绿色创新项目的资源，从而阻碍绿色创新的发展。环境规制对一个地区绿色创新效率影响的分析表明，环境规制水平越高，该地区的绿色创新效率就越低。区域溢出效应表明，一个地区的环境规制水平越高，对邻近地区的绿色创新效率的负面影响就越大。在不同的权重矩阵中，数字普惠金融和环境规制的项显示出相当大的空间溢出效应，所以在环境规制的条件下，当本地区提高数字普惠金融时，存在绿色创新技术的地方的蔓延速率显著加速，附近地区更非常容易学习消化吸收本地区的绿色创新技术和管理经验，进而提升自身的绿色创新效率。表5直接效应和间接效应分解结果IndENVIIndENVIFinStrGOVETRDPgdpTECH地理距离权重矩阵（SDM)直接效应-0.00636*(-4.38)-5.23e-07*(-2.98)3.17e-09*(4.71)0.164*(3.73)0.506*(-2.24)-0.494*(-2.96)0.501*(2.87)0.141*(2.87)-0.000168*(-3.13)间接效应-0.0244*(-1.72)-7.31e-06*(-2.16)3.84e-08*(2.62)1.80*(2.62)-0.866(-0.35)-3.568(-1.46)4.514*(1.78)1.008*(3.00)-0.00394*(-3.04)总效应-0.048*(-1.94)-7.83e-06*(-2.24)4.16e-08*(2.75)1.969*(2.78)-1.371(-0.54)-4.063(-1.63)5.015*(1.92)1.149*(3.32)-0.00411*(-3.06)空间经济地理嵌套矩阵(SAR)直接效应-0.00174*(-4.38)-3.78e-07*(-2.59)2.51e-09*(4.73)0.127*(2.93)-0.230(-0.96)-0.198(-1.40)0.399*(2.23)0.149*(7.72)-0.000082*(-2.47)间接效应-0.000826*(-2.24)-1.74e-07*(-1.78)1.16e-09*(2.16)0.059*(1.85)-0.103(-0.96)-0.093(-1.12)0.188(1.53)0.069*(2.35)-0.000826(-1.56)总效应-0.002*(-4.70)-5.52e-07(-2.49)*3.66e-09*(4.08)0.187*(2.72)-0.333(-0.94)-0.290(-1.35)0.588*(2.07)0.218*(5.43)-0.000826(-2.21)（五）区域异质性检验如表6所示，数字普惠金融、环境规制及其交互项对绿色创新效率的影响在不同地区有很大的差异。就直接效应而言，数字普惠金融和环境规制在东部、中部和西部地区都不显著，而交互项仅在东部地区为正。在间接效应方面，数字普惠金融和环境规制在东部地区显著为负，其交互项显著为正，而数字普惠金融、环绿色金融38西部金融 2023年第10期境规制及其交互项在中部和西部地区则不显著。就整体效用而言，在东部地区，数字普惠金融和环境规制在东部的效果显著为负，其交互项显著为正，而数字普惠金融、环境规制及其交互项在中部和西部地区不显著。分析表明，溢出效应在东部地区更强，在中西部地区更弱，没有通过空间溢出机制影响周边地区的绿色创新效率。表6基于地理距离权重矩阵的分地区回归结果地区东部地区中部地区西部地区效应分解直接效应间接效应总效应直接效应间接效应总效应直接效应间接效应总效应Ind-0.000936(-0.39)-0.0125*(-2.57)-0.0136*(-3.20)-0.000936(-1.11)0.0010868（0.69）0.0001507(0.901)-0.000559(-0.99)0.00109(0.61)0.000530(0.31)ENVI1.55e-08(0.05)-4.40e-06*(-2.33)-4.38e-06*(-2.11)2.17e-08（0.18）-1.18e-07(-0.49)-9.67e-08(-0.58)-5.08e-08(-0.91)-0.000000161(-0.98)-0.000000212(-1.29)IndENVI2.64e-09*(1.81)2.76e-08*(2.50)3.02e-08*(2.47)3.83e-10(0.67)5.43e-10(0.48)9.26e-10(1.31)2.53e-10(1.16)7.46e-10(1.11)9.99e-10(1.62)（六）稳健性检验计量模型回归结果与核心解释变量是Ind时基本一致；同时，选用数字金融覆盖深度广度lnCoverage替换核心解释变量Ind开展稳定性检测，莫兰指数值、LM、Wald和LR检测及相应的空间空间滞后模型与空间杜宾模型的重归结论也与前文空间滞后模型与空间杜宾模型的回归基本一致，这说明以上主要计量结论具有较好的稳健性。表7空间杜宾模型估计结果lnCoverageENVIIndENVIFinStrGOVETRD空间地理距离权重矩阵SDMMain-0.00687*(-5.51)-0.000000350*(-2.70)2.40e-09*(5.00)0.0756*(1.85)-0.165(-0.70)-0.369*(-2.47)0.355*(2.39)W1-0.0371*(-3.99)-0.00000318*(-3.09)1.73e-08*(4.57)0.258(1.03)1.688(1.54)-1.654(-1.92)1.229(1.33)空间经济地理嵌套矩阵SARMain-0.00166*(-6.96)-3.63e-07*(-2.59)2.55e-09*(4.74)0.114*(2.86)-0.194(-0.79)-0.115(-0.87)0.358*(2.19)绿色金融39西部金融 2023年第10期PgdpTECHSpatialrhoVariancesigma2_eLog-likelihoodr2N0.102*(6.22)-0.000144*(-4.78)0.490*(3.72)0.0127*(12.13)219.00300.005353000.308*(4.03)-0.00223*(-9.44)0.139*(8.20)-0.0000993*(0.37)0.315*(3.41)0.020*(12.09)155.0321300六、结论（一）研究结论为了考量各省绿色创新效率，依据30个城市2011-2020年的统计分析数据，搭建非期望的Super-SBM模型，采用Morans I指数探究空间溢出效应，并建立空间计量模型实证研究，得出如下结论：第一，从全国层面来看，数字普惠金融和环境规制水平都对本地区绿色创新效率产生了负面影响，但在环境规制的制约下，数字普惠金融对绿色创新效率会产生正面影响。第二，数字普惠金融、环境规制不仅会对该地区的绿色创新效率产生负面影响，还可以通过空间溢出机制降低周边地区的绿色创新效率，但其交互项不仅会对本地区的绿色创新效率产生积极影响，而且还可以通过空间溢出机制提高周边地区的绿色创新效率。第三，从区域层面来看，东部地区的数字普惠金融、环境规制及其交互项都产生明显的区域效应和区域溢出效应。中西部地区的数字普惠金融、环境规制及其相互作用不仅对本地区的绿色创新效率有不显著影响，而且对周边地区的绿色创新绩效也没有显著影响。（二）启示一是在加快发展数字经济的同时也要兼顾环境规制。各地区应加快数字技术与实体经济的融合，协同推进数字产业化和数字工业化的发展，不断加强和优化中国数字经济，促进企业的数字化转型，缓解资金约束，鼓励企业以环境友好的方式进行创新；同时，政府应推进差异化的环境监管机制，确保各地区绿色经济的高质量及均衡发展。二是由于各地区的生态环境承载力存在差异，地方政府在规划和建设城市时，应充分考虑各地区的生态环境差异。在国家整体宏观战略政策制定后，有必要出台各种环境调控手段，关注环境调控措施在不同地区的不同影响，并配合其他相关政策，提高各地区绿色经济发展质量和可持续性。三是地方政府应切实落实”波特假说”的环境规制，帮助企业提高技术水平，加快淘汰高碳、污染、低效产业，减少不必要的资源和能源消耗，大力发展高科技、先进性、高附加值的服务业，实现产业结构的生态化升级。参考文献 1 MA LIN SONG,SHU HONG WANG.Can employment structure promote environment-biased technical progress?J.Technological Forecasting&Social Change,2016,112:285292 2 PORTER M E.America s Green StrategyJ.Scientific of American，1991，264(4):168 3 CROPPER L M,OATES E W.Environmental Economics:A SurveyJ.Journal of Economic Literature,1992,30(2).4 LIU YANG,YOUT TANG ZHANG.Digital financial inclusion and sustainable growth of small and micro enterprisesEvidence based on China s new third board market listed companies J.Sustainability，2020，12（9）:1-21.5 黄益平,黄卓.中国的数字金融发展:现在与未来J.经济学(季刊),2018,17(04):1489-1502.6 乔彬,赵广庭,沈烁华.数字普惠金融能促进企业绿色创新吗?J.南方金融,2022,(03):14-27.7 翟华云,刘易斯.数字金融发展、融资约束与企业绿色创新关系研究J.科技进步与对策,2021,38(17):116-124.8 韩先锋,宋文飞,李勃昕等.数字金融赋能绿色创新的异质非线性调节效应J.中国人口 资源与环境,2022,32(10):65-76.9 刘习平,马丽君.金融发展、投资水平与城市绿色创新效率J.财会月刊,2020,(10):137-144.10章志华,孙林.金融发展提升了OFDI的绿色创新效率?J.西南民族大学学报(人文社会科学版),2022,43(03):124-134.11吕途,王学真.科技金融对区域绿色创新效率提升的人力资本门槛效应研究J.湖南师范大学社会科学学报,2020,49(05):71-81.责任编辑、校对：钱晓东绿色金融40