数字普惠金融对城市碳排放的...三角区域面板数据的实证分析_袁嫚.pdf

Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报数字普惠金融对城市碳排放的影响研究基于长三角区域面板数据的实证分析袁嫚（南京理工大学紫金学院 商学院，江苏南京210000）摘要数字普惠金融作为现代金融的重要组成部分，其与长三角区域城市碳排放间的关系仍不明确，发展策略有待进一步探索。基于此，利用20112019年长三角区域26个地级及以上城市的面板数据，建立双向固定效应模型，考察数字普惠金融在城市碳排放中的影响效应，并进一步建立中介效应模型考察绿色技术创新在其中的作用机制。研究结果表明：数字普惠金融对长三角区域城市具有显著的碳减排效应，该结论通过了稳健性检验；数字普惠金融主要通过覆盖广度和使用深度两个维度降低城市碳排放量，长三角区域高等级城市数字普惠金融的碳减排效应高于一般等级城市；数字普惠金融能够通过助力绿色技术创新促进长三角区域城市碳减排。关键词数字普惠金融；长三角区域；碳排放强度；绿色技术创新中图分类号F49；X321文献标识码A收稿日期20230316文章编号 1671-6671（2023）04-0010-08基金项目南京理工大学紫金学院校级一般项目（2022ZRSK0401005）作者简介袁嫚（1993），女，河南商丘人，南京理工大学紫金学院商学院助教，经济学硕士，研究方向：区域金融。一、引言长三角区域作为生态绿色一体化发展的示范区，正处于绿色转型升级的关键时期。然而，近十年来，长三角区域能源消耗强度与温室气体排放量居高不下，城市绿色技术创新能力有待提高。2021年10月26日，国务院发布了 2030年前碳达峰行动方案，明确了金融在实现碳达峰目标中的保障作用。以金融科技底层技术为基础的数字普惠金融依托相互融合的先进的数字技术与金融普惠价值，在实现“双碳”目标上具有天然优势。然而，当前数字普惠金融作为现代金融的重要组成部分，其与城市碳排放之间的关系还不明确，发展模式和策略有待进一步探索和检验。因此，本研究旨在利用20112019年长三角区域的城市面板数据进行实证分析，探讨长三角区域数字普惠金融对城市碳排放的影响效应与作用机制，为学术界关于数字普惠金融与碳减排的研究提供理论依据。二、文献综述随着数字普惠金融的发展和“双碳”目标的推进，金融与碳排放关系的探讨已成为学术界关注的10一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College热点议题。本文通过对数字普惠金融和碳排放相关文献的梳理，发现学术界对于数字普惠金融在碳减排领域的效用研究存在差异。这种差异主要源于研究者所选择的研究区域以及所使用的中介变量的不同。一些学者利用全国地级市面板数据研究数字普惠金融与碳减排的关系，结果一致表明，数字普惠金融具有碳减排效应（郭桂霞等，20221；许钊等，20212）。在机制研究方面，郭桂霞等（2022）1证实了数字普惠金融主要通过数字科技的产业化和产业的数字化两条路径实现地区碳减排。许钊等（2021）2认为创业效应、创新效应和产业升级效应是金融碳减排的作用机制。另外，一些学者利用全国省级数据或县域数据进行研究。王文静等（2021）3采用中国30个省级数据研究数字金融、科技创新和碳排放之间的交互关系，研究表明，科技创新能够促进数字金融发展，数字金融能够减少碳排放。姚凤阁等（2021）4利用中国30个省份数据，证实了数字普惠金融通过提高区域创新水平和创业水平实现对碳排放效率的积极影响。罗炜琳等（2022）5基于县域面板数据研究数字普惠金融与碳减排的关系，结果表明，数字普惠金融具有显著的碳减排效应。通过梳理相关文献，发现关于数字普惠金融在碳减排中的影响与机制的研究较为丰富。然而，目前的研究仍存在一些亟待完善的方面。首先，现有研究主要侧重于全国省级和县域层面的研究，对于长三角区域层面的研究相对较少。其次，在机制研究中，大多数学者将区域创新和创业水平作为中介变量，其他角度的作用机制研究还有待进一步完善。基于以上问题，本文的研究具有以下贡献。首先，本文将研究范围细化到长三角区域的城市，探究数字普惠金融对城市碳排放的影响，并对数字普惠金融的不同维度和不同城市等级进行异质性分析。其次，在机制分析中引入绿色技术创新的角度，探究数字普惠金融的绿色技术创新是否有助于城市碳减排。这将为寻找数字普惠金融助力碳减排的路径提供经验支持，并为长三角区域早日实现“双碳”目标提供新的研究视角和可行性路径。三、研究假说（一）数字普惠金融与城市碳排放数字普惠金融区别于传统金融，主要通过互联网、大数据、区块链和云计算等数字技术实现交易结算、信贷融资、资产管理等金融服务，是一种新型的金融业态（张勋等，20216）。在数字化浪潮的推动下，数字普惠金融为绿色低碳生活注入新动力。首先，数字普惠金融能够降低金融服务成本，扩大金融服务范围，为居民个人和中小企业提供便捷的金融服务。对居民个人而言，通过线上渠道进行金融业务办理，降低了线下柜台办理业务的频率，节省了出行时间和交通费用等成本，大幅降低了资源消耗。对中小企业而言，金融机构的数字金融平台能够提高其获得信贷资金的便捷性，有助于中小企业实现生产技术的升级，促进节能减排。其次，在数字金融平台中融入环保服务平台，拓宽了社会公众参与环保活动的途径，促进资源的循环使用，减少资源浪费和生态污染。例如，支付宝的“蚂蚁森林”通过能量收集和线上种树等方式吸引公众保护生态环境，同时，通过网上支付和使用共享单车出行等方式收集能量，推动社会公众践行绿色低碳生活方式。此外，支付宝的“旧物回收”功能和闲鱼的“二手交易”功能等也降低了垃圾的产生规模和速度，减少了碳排放量。由此，本文提出假设H1：数字普惠金融能够显著促进城市碳排放量的减少。（二）数字普惠金融对城市碳排放影响的异质性分析1.不同维度数字普惠金融与城市碳排放从覆盖广度来看，数字金融通过互联网和大数据将普惠金融延伸到传统金融难以触达的地区和群体，打破地域限制和群体限制。这为城市个体工商户和中小企业提供了资金保障，促进了绿色生11Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报产。从使用深度来看，数字普惠金融能够拓宽金融服务的应用领域，有助于个人或企业深度践行绿色生活和生产方式，减少城市的碳排放量。数字化程度的提升增加了金融获得的便捷性，降低了金融服务的成本，这有助于提高居民和企业获得金融服务的效率，减少不必要的能源损耗，降低整个社会的碳排放。由此，本文提出假设H2：数字普惠金融从三个维度促进城市碳减排。2.不同等级城市数字普惠金融与城市碳排放随着数字技术的推进，当前社会公众主要通过手机银行、网上银行等渠道开展金融业务，这打破了传统柜台服务的空间限制，大大缩小了不同等级城市金融获得的差异性。因此，数字普惠金融的城市碳减排效应在不同等级的城市中均能发挥普惠作用。同时，考虑到不同地区的经济条件、政策实施等方面的差异，不同等级的城市可能会产生不同的碳减排效应。由此，本文提出假设H3：数字普惠金融的城市碳减排效应在长三角不同等级城市均显著，且高等级城市的节能减排效应大于一般等级城市。四、数据和研究方法（一）模型设定1.基准回归模型鉴于数据为面板数据，同时包含时间效应和个体效应，由此构建双向固定效应模型，考察数字普惠金融对城市碳排放的影响效应。为避免变量之间取值差异过大可能导致的异方差问题，对所有变量均取对数处理。构建的基准回归模型如下：lnEit=0+1lnDFIit+2lnControlit+ui+t+it（1）其中，i为长三角区域各个城市，t为年份，Eit表示第i个城市t年的城市碳排放量，DFIit表示第i个城市t年的数字普惠金融发展水平，Controlit表示各个控制变量，ui和t分别表示城市固定效应和时间固定效应，it是随机误差项。2.中介效应模型参考温忠麟和叶宝娟等（2014）7的思想构建中介效应模型，以考察数字普惠金融对城市碳减排效应的中介作用机制，模型设定如下：lnMit=0+1lnDFIit+2lnControlit+ui+t+it（2）lnEit=0+1lnDFIit+2lnMit+3lnControlit+ui+t+it（3）其中，Mit表示中介变量，如果回归系数1和2显著，并且1显著，则表示中介效应显著。（二）变量选取1.被解释变量基于“双碳”目标是以碳排放总量作为衡量标准，因此选取各地级市的二氧化碳排放量作为被解释变量，以衡量城市碳排放量。关于城市碳排放指标的核算，借鉴吴建新等（2016）8的做法，将电能、煤气和液化石油气、交通运输和热能消耗产生的碳排放量相加，以获得各城市的总碳排放量。在稳健性检验中，选取碳排放强度替换碳排放量作为被解释变量，参考谢云飞（2022）9对碳排放强度的核算，以各城市碳排放量与各城市当年GDP的比值作为城市碳排放强度。2.解释变量借鉴大多数作者的做法，选取郭峰和王靖一等（2020）10编制的数字金融指数作为解释变量，以衡量数字普惠金融发展水平。在稳健性检验中，参考程秋旺和许安心等（2022）11对解释变量替代法的处理，设定数字普惠金融指数的一阶滞后项和二阶滞后项作为解释变量。在不同维度的异质性分析12一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College中，采用数字普惠金融的二级指标：覆盖广度、使用深度、数字化程度分别作为解释变量。3.控制变量根据已有研究（孙慧和王凤逸等，202212），选取的控制变量为经济发展水平、地区融资水平、交通状况、居民收入水平和互联网发展水平，分别利用地区生产总值、年末金融机构各项贷款余额、公路货运量、职工平均工资、国际互联网用户数5项指标来衡量，以减小因遗漏变量而产生的估计偏误。4.中介变量为更好地考察绿色技术创新在数字普惠金融的城市碳减排影响效应中的作用机制，选取各城市“当年获得的绿色实用新型数量”和“当年申请的绿色实用新型数量”作为绿色技术创新授权量和绿色技术创新申请量的代理变量。为排除各变量取值差异过大可能导致的异方差问题，对所有变量进行取对数处理，各变量的描述性统计结果如表1所示。表1各变量描述性统计结果各变量碳排放量数字普惠金融总指数覆盖广度使用深度数字化程度经济发展水平地区融资水平交通状况居民收入水平互联网发展水平样本234234234234234234234234234234平均值6.8455.1675.1415.2175.08517.38117.5319.32511.07614.014标准差1.0740.4410.4170.4130.7590.9481.1830.6270.2890.916最小值4.6133.7453.5374.0732.63415.13114.9647.72510.40711.441最大值9.4325.7735.7385.8055.82819.75920.41910.68711.98516.002（三）数据来源及说明根据2010年 长江三角洲地区区域规划，上海市、江苏省、浙江省、安徽省全域26个地级及以上城市为本文的研究对象。在城市碳排放量核算方面，数据主要来源于 中国统计年鉴 和 中国城市统计年鉴。数字普惠金融指数及其分指标数据来源于 北京大学数字金融研究中心，控制变量数据则来源于 中国城市统计年鉴。考虑各变量数据的可得行和连续性，最终选取20112019年26个地级及以上城市234个观测样本作为实证研究的样本数据。其中，个别缺失值利用移动平均法和线性插值法进行填充。五、实证结果分析（一）基准回归结果基准模型的检验结果见表2第（1）列，根据模型（1）的检验结果，在有效控制其他变量的基础上，13Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报数字普惠金融指数与城市碳排放量的回归系数为-0.717，且在0.05显著性水平下显著，表明数字普惠金融的发展对城市碳排放具有显著的抑制作用。徐维祥和周建平等（2022）13研究发现，一方面，数字普惠金融能够提高城市金融服务效率和金融服务的可得性，从而降低居民个人在消费、出行、交易等行为中产生的成本与提高中小微企业的融资效率，进而减少居民和企业产生的城市碳排放量。另一方面，数字金融通过搭建“蚂蚁森林”“旧物回收”“二手交易”等环保服务平台，拓宽社会公众参与环保活动的渠道，促进资源的循环使用，进而减少资源浪费和重复生产带来的城市碳排放，这验证了本文的假设H1。（二）稳健性检验为验证基准回归结果的有效性，本文采取替换变量的方法进行稳健性检验。首先，利用碳排放强度作为被解释变量考察数字普惠金融对碳排放强度的影响效应。其次，利用数字普惠金融指数的一阶滞后项和二阶滞后项作为解释变量分别考察其对城市碳排放的影响效应。检验结果具体见表2第（2）（4）列。表2基准回归结果和稳健性检验结果变量数字普惠金融地区生产总值地区融资水平交通状况居民收入水平互联网发展水平常数项R-squared样本量（1）-0.717*（0.28）0.387*（0.232）0.792*（0.198）0.159*（0.051）-0.553*（0.323）-0.027（0.068）-5.729（5.333）0.979234（2）-0.586*（0.146）-0.119（0.122）0.479*（0.104）0.101*（0.027）-0.534*（0.169）-0.012（0.026）1.1032（2.787）0.874234（3）-0.889*（0.252）0.337（0.223）0.897*（0.202）0.125*（0.05）-0.698*（0.311）-0.014（0.067）-4.254（5.627）0.979208（4）-0.575*（0.216）0.343*（0.187）1.006*（0.182）0.08（0.051）-0.303（0.266）-0.008（0.056）-11.939*（5.03）0.987182注：括号内数值是回归系数的标准误差，*、*、*分别表示回归系数在1%、5%和10%的显著性水平上显著结果表明，替换变量后，数字普惠金融对碳排放强度具有显著的负向影响。数字普惠金融的一阶滞后项和二阶滞后项对碳排放量均具有显著的负向影响。稳健性检验的检验结果与程秋旺等（2022）11对数字普惠金融与农业碳排放强度的研究结果相符。稳健性检验结果验证了基准回归结果的可靠性，表明数字普惠金融能够显著促进城市碳减排。（三）异质性分析1.数字普惠金融不同维度的碳减排效应检验为进一步考察数字普惠金融不同维度对城市碳排放影响的差异性，本文将数字普惠金融覆盖广度、使用深度、数字化程度3个二级指标作为衡量数字普惠金融发展的不同维度指标，检验数字普惠14一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College金融在不同维度上的碳减排效应。根据表3的检验结果，数字普惠金融覆盖广度和使用深度均具有显著的碳减排效应，说明数字普惠金融主要通过覆盖广度和使用深度两个维度降低城市碳排放量。数字普惠金融覆盖广度的提升能够延伸普惠金融的服务范围，为城市个体工商和中小企业进行绿色生产提供资金保障。数字普惠金融使用深度的增加能够拓宽金融的使用场景和应用领域，有助于个人或企业深度践行绿色生产生活方式，进而促进城市碳减排。数字普惠金融数字化程度对城市碳减排的作用并不显著，可能是由于当前我国数字化建设较为薄弱，还需加大数字化基础设施的投入力度。由此，假设H2得到了验证。表3数字普惠金融不同维度碳减排效应检验变量覆盖广度使用深度数字化程度（1）-0.465*（0.189）（2）-0.976*（0.284）（3）-0.123（0.092）变量常数项控制变量R-squared样本量（1）-6.519（5.337）是0.975234（2）-2.788（5.356）是0.975234（3）-6.455（5.397）是0.9742342.不同城市等级的碳减排效应检验不同城市的经济基础和技术发展水平不同，数字普惠金融的实施可能会对不同城市产生不同的碳减排效应。因此，本文立足于城市等级视角，研究数字普惠金融对高等级城市与一般等级城市碳减排效应影响的差异性。在城市等级的划分上，参考郭艺和曹贤忠等（2022）14的做法，将省会城市、副省级城市及较大的城市划分为高等级城市，包括上海市、南京市、杭州市、无锡市、苏州市、宁波市和合肥市。其余城市则划分为一般等级城市。表4不同城市等级的碳减排效应检验变量数字普惠金融常数项高等级城市-1.302*（0.648）-5.919（6.661）一般等级城市-0.875*（0.34）-4.977（6.417）变量控制变量R-squared样本量高等级城市是0.98663一般等级城市是0.933171根据表4的检验结果，高等级城市和一般等级城市的数字普惠金融的发展均具有显著的碳减排效应，且高等级城市数字普惠金融的碳减排效应高于一般等级城市。相对一般等级城市，高等级城市数字普惠金融的发展水平更高，节能减排等相关政策的落实速度和力度更强。因此，数字普惠金融对高等级城市的碳减排效应影响更强，验证了假设H3。（四）影响机制分析前文论证了数字普惠金融对城市碳排放的直接影响。为进一步探讨其影响机制，建立中介效应模型，以考察绿色技术创新效应在数字普惠金融促进城市碳减排过程中的作用机制。表5中的第23列显示了绿色技术创新授权量的中介效应结果。由结果可知，数字普惠金融对绿色技术创新授权量具有显著的促进效应，而绿色技术创新授权量对碳排放具有显著的抑制作用，并且在引入绿色技术创新授权量后，数字普惠金融的碳减排效应增强，这表明绿色技术创新授权量的中介效应显著。第4515Journal of Changchun Finance College一一一一一一一一一一一一一一一一一一一一一一一一学 报列是绿色技术创新申请量的中介效应模型回归结果，该变量的中介效应检验结果同绿色技术创新授权量的中介检验结果基本一致，说明两个中介变量均通过了中介效应检验，验证了假设H4。表5绿色技术创新的中介效应检验变量数字普惠金融绿色技术创新授权量绿色技术创新申请量常数项控制变量R-squared样本量绿色技术创新授权量1.415*（0.426）3.309（8.115）是0.957234碳排放量-0.879*（0.284）0.114*（0.047）-6.106（5.268）是0.975234绿色技术创新申请量1.373*（0.419）-2.921（7.999）是0.959234碳排放量-0.888*（0.283）0.124*（0.047）-5.365（5.255）是0.975182六、结论及建议本文以长三角区域为研究对象，采用20112019年长三角区域城市面板数据，建立双向固定效应模型，考察数字普惠金融在城市碳排放中的影响效应。同时，进一步建立中介效应模型，以考察绿色技术创新在数字普惠金融促进城市碳减排过程中的作用机制。研究结论如下。基准回归结果表明，数字普惠金融对城市碳排放具有显著的抑制作用。稳健性检验结果进一步确认了基准回归结果的稳健性和可靠性。在异质性分析中，考虑了数字普惠金融的不同维度和长三角区域的不同城市等级，并发现数字普惠金融主要通过覆盖广度和使用深度两个维度降低城市的碳排放量，且高等级城市的碳减排效应高于一般等级城市。在影响机制分析中，发现数字普惠金融能够通过助力绿色技术创新来促进城市碳减排。基于本文的研究结果，提出以下建议。第一，持续推进长三角区域数字普惠金融的发展，提高数字金融的覆盖广度和使用深度，加强金融数字化建设的程度，有效发挥数字金融的碳减排效应。第二，完善长三角区域“低碳”发展的总体布局，加强长三角区域数字金融和碳减排政策的落实力度，减小不同等级城市政策实施的差异性。第三，加大长三角区域对绿色技术创新产业的政策支持力度，推动绿色技术创新的高效产出，建立沪苏浙皖各城市间数字金融、碳减排与绿色技术创新的协同机制，增强三者之间的联动效应。第四，构建数字技术与“双碳”目标深度融合的长效机制，依托云计算、大数据、人工智能等科技手段，利用数字化路径实现长三角区域“双碳”目标和绿色转型。参考文献：1 郭桂霞，张尧.数字普惠金融与碳减排关系研究 J.价格理论与实践，2022（1）：135138.16一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一2023年第4期（总第171期）Journal of Changchun Finance College2 许钊，高煜，霍治方.数字金融的污染减排效应 J.财经科学，2021（4）：2839.3 王文静，胡辰净.数字金融、科技创新与碳排放基于省级面板数据的实证分析 J.天津商业大学学报，2022，42（3）：4048.4 姚凤阁，王天航，谈丽萍.数字普惠金融对碳排放效率的影响空间视角下的实证分析 J.金融经济学研究，2021，36（6）：142158.5 罗炜琳，刘松涛，汪奕鹏.数字普惠金融发展与碳减排基于县域面板数据的实证检验 J.福建金融，2022（4）：315.6 张勋，万广华，吴海涛.缩小数字鸿沟：中国特色数字金融发展 J.中国社会科学，2021（8）：3551+204205.7 温忠麟，叶宝娟.中介效应分析：方法和模型发展 J.心理科学进展，2014，22（5）：731745.8 吴建新，郭智勇.基于连续性动态分布方法的中国碳排放收敛分析 J.统计研究，2016，33（1）：5460.9 谢云飞.数字经济对区域碳排放强度的影响效应及作用机制 J.当代经济管理，2022，44（2）：6878.10 郭峰，王靖一，王芳，孔涛，张勋，程志云.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）：14011418.11 程秋旺，许安心，陈钦.“双碳”目标背景下农业碳减排的实现路径基于数字普惠金融之验证 J.西南民族大学学报（人文社会科学版），2022，43（2）：115126.12 孙慧，王凤逸，丁志勇.数字金融如何影响了区域碳减排能力?J.首都经济贸易大学学报，2022，24（2）：4256.13 徐维祥，周建平，刘程军.数字经济发展对城市碳排放影响的空间效应 J.地理研究，2022，41（1）：111129.14 郭艺，曹贤忠，魏文栋，曾刚.长三角区域一体化对城市碳排放的影响研究 J.地理研究，2022，41（1）：181192.Research on the Impact of Digital Inclusive Finance on Urban Carbon EmissionsAn Empirical Analysis Based on Panel Data from the Yangtze River Delta RegionYUAN Man(School of Business,Nanjing University of Science and Technology ZiJin College,Nanjing 210000,China)Abstract:Digital Inclusive finance,as an important component of modern finance,its relationship with ur-ban carbon emissions in the Yangtze River Delta region remains unclear,and its development strategiesneed further exploration and verification.To address this,using panel data from 26 prefecture-level andabove cities in the Yangtze River Delta region from 2011 to 2019,a two-way fixed effects model is estab-lished to examine the impact of digital inclusive finance on urban carbon emissions.Furthermore,an inter-mediate effects model is developed to investigate the mechanism of green technological innovation in thisrelationship.The research results indicate that digital inclusive finance has a significant carbon emission re-duction effect on cities in the Yangtze River Delta region,and this conclusion is robust as confirmed bysensitivity tests.Digital inclusive finance primarily reduces urban carbon emissions through the dimen-sions of breadth of coverage and depth of usage,with higher-level cities in the Yangtze River Delta regionexhibiting higher carbon emission reduction effects from digital inclusive finance compared to lower-levelcities.Moreover,digital inclusive finance can facilitate carbon emission reduction in cities of the YangtzeRiver Delta region by promoting green technological innovation.Key words:digital inclusive finance；Yangtze River Delta region；carbon emission intensity；green techno-logical innovation责任编辑：刘莹；校对：王帅17