数字金融对经济发展与生态环境协同性的影响

(1.西北大学 经济管理学院，陕西 西安 710127；2.西北大学 城市与环境学院，陕西 西安 710127)

一、引言

近年来，中国经济高速增长积累的环境污染问题日益凸显，资源能源约束限制不断加剧，阻碍了经济持续健康发展。习近平总书记提出“绿水青山就是金山银山”的绿色发展理念，揭示了保护生态环境就是保护生产力、改善生态环境就是发展生产力的科学道理。实现经济发展与生态环境的协调统一，是“十四五”时期中国经济转型发展的必然选择。金融作为服务实体经济的重要力量[1]，在促进经济发展的同时，也会影响环境治理水平，进而改变经济发展与生态环境的互动关系[2]。传统金融行业在大数据、云计算及区块链等数字技术赋能下，催生了数字金融，而数字金融得益于覆盖广、成本低、效率高等优势，开始重塑经济生产格局[3]、影响居民经济决策[4]，为促进经济和生态环境协调发展提供新契机。所以，探究数字金融对经济与环境协同性的影响，对于推动中国绿色低碳发展、构建生态文明社会具有重要价值。

当前学术界对经济与环境协调关系的研究主要集中在理论分析、

演变规律及影响因素等方面。首先，关于经济与环境关系的理论研究，较为经典的有循环经济理论及环境库兹涅茨曲线(EKC)理论[5-6]，前者认为在经济增长过程中要搭建与生态环境系统相互循环的发展模式，后者提出经济发展对环境污染的影响存在着先增后降的倒“U”型关系。其次，部分学者从国家、省域、城市群等维度，利用耦合模型，测算并分析了经济发展与生态环境的耦合协调度及其时空特征[7-9]。多数研究发现，虽然全国经济发展与生态环境的耦合协调度总体呈上升态势，但目前仍处于较低水平，且各地区存在空间分布不均衡特征[10]。最后，关于经济发展与生态环境协调度影响因素的研究也较为丰富，如人口规模[11]、技术创新[12]、产业升级[13]、外商投资[14]、经济全球化等[15]。然而，金融作为资金资源跨时间、跨地域、跨产业转移的方法和手段，很难不对经济与环境产生影响，但目前鲜有文章提及金融因素尤其是数字金融对二者协调发展的作用。

事实上，已有很多学者关注到了金融发展对经济增长和环境污染的影响，有研究认为金融发展通过降低企业融资借贷成本，支持企业进行科技研发，不仅有助于经济增长[16]，而且有利于环境质量改善[17]。但也有学者指出，金融发展对经济增长和环境污染的影响存在不确定性和门槛特征[18-19]。随着科技发展，数字金融产品与业务的出现扩展了传统金融的服务范围，围绕数字金融的研究日渐丰富。关于数字金融对经济发展的影响，学者们普遍认为数字金融能够有效提升地区和企业的技术创新水平[20-21]，并通过改善资源配置效率[22]、提升企业价值[23]，推动地区经济增长与高质量发展[24-25]。另外，部分学者指出数字金融能够凭借数字化的支付手段，在降低支付成本的同时减少交易过程中的碳排放，有助于提高区域全要素生产率[26]，并且能够通过创业创新效应及产业升级效应间接减少环境污染[27]。这些研究从不同角度验证了数字金融的经济效应和环境效益，也为本文研究提供了直接的借鉴和启示。但遗憾的是，大多数研究是分别考察数字经济对经济发展和生态环境的影响，很少关注到二者之间内在的交互作用。经济发展与生态环境是相辅相成的，经济的高水平发展会改善生态环境质量，而优质的生态环境也会源源不断地创造经济效益。因此，考察数字金融对经济发展与生态环境协同性的影响，厘清其中的影响效果和作用机制，将为构建经济发展与生态环境“双赢”格局提供有益启示。

综上所述，本文可能的边际贡献为：第一，现有研究更多关注数字金融对某个经济变量的单一影响效应，而关于数字金融对经济变量间复杂相互作用的影响研究相对较少。本文从协调发展新视角，考察了数字金融对经济发展与生态环境协同性的影响效应，为推动经济与生态环境协调发展开拓了新思路。第二，阐述了数字金融影响经济发展与生态环境协同性的理论基础。分别从数字金融的技术创新效应、产业升级效应和投资调整效应三个方面分析了数字金融对经济发展与生态环境协同性的影响路径，并采用中介效应模型对不同路径进行合理评估，从理论上对数字金融的“协调引导”效应进行拓展。第三，为实现经济高质量发展、构建生态文明社会提供政策启示。当前，中国正处于经济社会结构转型的重要阶段，而经济发展与生态环境间的矛盾仍未得到有效缓解，本文结论启示提高经济发展与生态环境的协同性需要新一代信息技术背景下数字金融的全方位支持。

二、理论分析与研究假说

(一)提高经济发展与生态环境协同性的条件

通过信息与能量的转移交换，两个或多个系统之间最终实现协同运动的现象，可以用物理学中的耦合理论来解释[28]。其中，耦合度是指各系统间相互依赖、相互影响的强弱程度，但难以反映系统的自主发展水平以及方向。耦合协调度是指相互作用中良性耦合程度的大小，体现了协调状况的好坏，能够区分系统间的低水平高耦合状态和高水平高耦合状态。作为要素组成复杂的经济系统和生态环境系统，二者相互影响又相互制约，经济水平的高低决定了环境能否得到有效治理和保护，而环境质量的优劣决定了经济能否持续健康发展。因此，可以通过研究经济系统与生态环境系统的耦合协调度来分析二者的协同性。

促进经济发展与生态环境协同性的提高，核心在于实现两系统间的协调发展与良性循环。根据环境库兹涅茨曲线理论，在经济发展前期，生产和消费等环节会对环境产生负的外部影响，只有经济发展到一定水平，在规模效应、技术效应等影响下，环境质量才逐渐得到改善。而生态环境由于受到经济活动的影响，也会对经济发展产生反馈效应。当生态破坏较为严重时，能源约束、资源短缺等问题将会制约经济发展，只有生态环境保持良好，才能为经济活动提供持续的物质来源。因此，提高经济与生态环境的协同性、促进二者协调发展，需要满足两个方面的条件：一是实现清洁生产、提高经济生产效率、转变经济发展方式，减轻经济活动对生态环境的胁迫效应，增强经济发展对生态功能的维护作用；二是加强环境污染治理，打造生态园林城市，促进资源节约和循环利用，缓解资源能源对经济发展的约束效应，提高生态环境对经济发展的供给功能。最终做到在经济发展中重视环境保护、在保护环境中追求经济发展，实现二者的辩证统一。

(二)数字金融对经济发展与生态环境协同性的影响

金融活动与经济发展和生态环境之间存在着紧密的联系，既能通过货币资本流动调节宏观经济，也能通过环境投融资约束，引导经济绿色转型，提升资源使用效率[29]。数字金融是指在传统金融的基础上，注入一系列互联网元素和信息技术，从而实现投融资、支付、保险等业务的新兴金融模式[30]。区别于传统金融业，数字金融产品与服务更具便捷性、普惠性和高效性，本身也具备极强的绿色属性，能够为实现经济与环境协调发展提供新引擎。数字金融对经济发展与生态环境协同性的影响主要体现在以下几个方面。

第一，激发消费需求，转变经济结构。以“蚂蚁金服”“京东金融”为代表的消费金融公司为消费者提供了更加便捷的消费贷款，激发了居民的消费需求，促使经济结构转型由生产主导转向消费主导。同时消费者对节能家电、绿色家居、新能源汽车等环保型产品的需求会加速企业绿色产业链布局，从而减少经济活动对环境造成的负外部性，助推经济与环境协调发展。

第二，汇集社会资金，拓宽借贷渠道。数字金融平台上的各种基金、债券、保险等理财产品可以汇集更多的社会闲散资金，增加实体经济可用资金总量。在大数据、云计算等科技赋能下，平台能够精准识别借贷主体信息，对企业借贷风险和环保信用进行审慎评估，从而缓解经济系统中金融资源的“流动性分层”问题，促使金融资本向效率更高的环境友好型部门流动，为实体经济“输血”的同时助力环境效益提升，进而实现经济发展与环境改善良性循环。

第三，变革支付方式，提供环保平台。一方面，线上移动支付降低了居民对金融机构营业网点的依赖程度，使居民足不出户就可以完成交易和转账等活动，减少了传统网点设立和纸币交易的成本及资源消耗，实现了经济效益与环境效益的统一；另一方面，依托数字金融发展搭建的各种环保服务平台(例如蚂蚁森林)和二手交易平台(例如闲鱼)，提升了居民的环保参与度和绿色消费理念，从而有效减少环境污染并提高资源利用效率，缓解生态环境对经济发展的制约，推动二者协调发展。

基于以上分析，本文提出如下假设。

H1数字金融能够有效提升经济发展与生态环境的协同性。

(三)数字金融对经济发展与生态环境协同性的作用路径

数字金融对经济发展与生态环境协同性的作用路径如图1所示，主要包含技术创新、产业升级和投资调整三个方面。

1.技术创新效应

技术创新作为经济绿色发展的第一驱动力，能够实现经济系统和环境系统的良性互动，是数字金融影响二者协调发展的重要途径。新经济增长理论表明，有效的科技投入能够引发规模效应和溢出效应，有助于生产率的提高和经济的可持续发展。在金融因素的助推作用下，科技成果将得到更好的应用与转化，实现经济更高速增长[31]。在金融发展历程中，数字金融也是一种技术创新，不仅推动了金融业向前发展，而且提高了其他行业的技术创新水平，为经济发展提供源动力的同时为环境质量改善开拓新途径，推动两系统协调发展。该作用路径主要体现在两方面：一是数字金融的发展有利于地区创新人才的吸引与培养，并通过“干中学”和知识外溢作用发挥“滚雪球”效应，进一步增加本地创新主体数量，为经济活动注入创新活力，有利于增强经济发展对生态环境的维护功能和治理能力。同时，在创新要素的集聚效应和溢出效应下，企业间通过学习模仿，改良生产工艺，从源头控制环境污染，减少经济活动对生态环境的破坏，进而促进经济系统与环境系统的良性循环。二是数字金融的普惠性和高度信息化特征，提高了初创科技企业金融服务的可得性和安全性。初创之时，多数中小型科技企业缺少历史信用记录及资产抵押物，难以达到金融机构的融资条件，数字金融能够借助精准管理和智能风控，为这些企业提供融资服务，使其度过初创期融资瓶颈，助力新兴科技企业孵化。而其中部分企业致力于清洁能源开发和环保产品(如共享出行、共享充电宝等)设计，不仅能够减缓经济活动对资源环境的高消耗和重污染，而且开辟了生态环境系统为经济发展提供物质生产要素的新途径，从而促进经济与生态环境的协调发展。基于此，本文提出如下假设。

H2a数字金融能够通过技术创新效应提高经济发展与生态环境的协同性。

2.产业升级效应

产业升级的结构效应，也是实现经济与环境协调发展的重要因素。数字金融通过优化信贷资金配置、促进企业技术创新、增强居民消费需求等途径促使产业结构升级[32]，进而影响经济系统与环境系统的互动效应。具体而言：首先，对于实体经济的发展主体——制造业来说，数字金融内生于实体经济发展需求，依托网络平台和数字技术为制造业提供了更优质的金融服务，通过改善金融市场结构、纾解信贷资金错配，提高了企业技术创新能力，使其产业要素由劳动密集型向技术密集型跃迁，实现价值链向高端延伸，进一步助力经济绿色转型[33]。其次，数字金融能够打破地理距离及获客成本等障碍，促进电子商务、现代物流及酒店餐饮等服务业更加信息化和便捷化，实现居民消费升级；同时，文旅行业数字化转型也提高了居民对“绿水青山”的消费需求，促使地方政府更加重视生态保护。最后，数字金融有助于环保信息平台的搭建，通过对企业环保信息的背景调查，利用环境融资约束促使传统产业加快绿色转型、“三高”产业停业整改，减缓经济活动对环境造成的污染，防止经济发展系统与生态环境系统陷入恶性循环。基于此，本文提出如下假设。

H2b数字金融能够通过产业升级效应提高经济发展与生态环境的协同性。

3.投资调整效应

投资作为经济发展的三大引擎之一，与地区环境治理水平的关系十分密切。数字金融的发展能够实现企业投资调整，通过作用于企业的投资规模、投资效率和投资结构，增强经济发展与生态环境的协同性。首先，在投资规模调整方面，数字金融能够吸引大量民间资本和社会资本进入金融市场，扩宽企业融资渠道，增加企业现金持有量，缓解企业尤其是科技型环保企业投资不足的问题。其次，在数字技术的支持下，企业信息更加公开透明，数字金融有助于企业实现“去杠杆”、稳定财务风险，从而抑制企业投资过度，提升企业投资效率[34]。这两方面的投资调整能够支持企业进行厂房设备更新和技术升级改造，改进粗放生产方式，提高资源利用效率，减轻经济发展对生态环境的过度消耗。最后，数字金融有利于投资结构优化。数字金融的消费升级效应激发了第三产业的投资需求，使投资结构不断向绿色、安全、用户体验升级等高端投资转化，具体包括对教育、卫生等服务领域的投资以及对治污设备、交通工具等基础设施的投资，从而驱动经济绿色转型，促进经济与环境协调发展。基于此，本文提出如下假设。

H2c数字金融能够通过投资调整效应提高经济发展与生态环境的协同性。

三、研究设计

(一)经济发展系统与生态环境系统评价指标体系构建

首先，对经济发展系统和生态环境系统的评价指标体系进行构建。参考现有研究[8-10]，在保证数据科学、有效、可获得的情况下，结合前文理论分析，主要从经济总量、经济结构、经济增长和经济开放四个维度来衡量经济发展水平的高低，从资源消耗、环境污染、城市绿化和污染治理四个维度来衡量城市生态环境的质量。具体的指标体系构建情况见表1。

(二)耦合协调模型设定

经济发展系统与生态环境系统既相互独立又相互影响，二者的协同性可通过测算耦合协调度来衡量。

1.数据标准化与指标赋权

在确定评价指标体系时，指标选取的客观因素差异会给权重造成影响，故先对数据进行标准化处理。考虑到评价指标的正负指向，采取极差标准化法进行计算，如式(1)。

Xpj=(xpj-min(xpj))/(max(xpj)-

min(xpj)) 正向指标

Xpj=(max(xpj)-xpj)/(max(xpj)-

min(xpj)) 负向指标

(1)

在式(1)中，Xpj为各系统第j个指标进行标准化后的取值，当p取a时，表示经济发展系统，当p取b时，表示生态环境系统，xpj表示各系统的原始取值，max(xpj)与min(xpj)分别为各系统第j个指标的最大值和最小值。

关于指标权重的确定，参考Shi等(2020)[35]的研究，采取熵权法对经济发展与生态环境水平进行综合评价。具体计算过程见式(2)。

(2)

式(2)中，m表示各系统指标的个数，n表示样本量，λa、λb分别表示经济发展系统和生态环境系统的综合评价指数。

2.耦合度和耦合协调度的计算

在一定程度上对系统耦合强度的把握，可获知二者的互动程度，两个系统间的耦合度模型如式(3)所示。

(3)

式(3)中，Cit表示i城市在t时期经济发展系统与生态环境系统的耦合度值，取值范围为[0,1]。为避免低水平高耦合现象给问题分析带来的弊端，需要进一步构建耦合协调模型以更好的反映系统之间协同效应的强弱。计算公式见式(4)。

(4)

式(4)中，Dit为耦合协调度，且Dit∈[0,1]，Dit值越大，表明经济发展与生态环境的协同性越高，反之则相反。Tit是综合评价指数，α、β为经济发展系统和生态环境系统对二者协同性的贡献率，考虑贡献度等同，故取α=β=0.5。

表1 经济发展与生态环境综合评价指标体系

(三)计量模型设定

1.基准回归模型

基于前文理论分析，为检验数字金融对经济发展与生态环境协同性的影响效应，构建如下基准回归模型。

Dit=β0+β1Indexit+λiControls+ui+vt+εit

(5)

式(5)中，Dit为被解释变量，即经济发展与生态环境的协同性，用二者耦合协调度作为替代变量；Indexit为核心解释变量，即数字金融发展指数；Controls为其他影响经济发展与生态环境协同性的控制变量，ui为个体固定效应，vt为时间固定效应，εit为扰动项。

2.中介效应模型

为有效分析数字金融对经济发展与生态环境协同性的作用机理，通过借鉴Baron和Kenny(1986)[36]提出的逐步法，结合基准回归模型(5)，进一步设定模型(6)和(7)，对二者的作用路径进行中介效应检验。

Mit=α0+α1Indexit+λiControls+ui+vt+εit

(6)

Dit=γ0+γ1Indexit+ρMit+λiControls+ui+vt+εit

(7)

式(6)和(7)中，Mit为中介变量，根据前文的理论分析，主要包括技术创新(Tech)、产业升级(Str)和投资调整(Inv)，模型中其他变量定义与前文一致。

(四)变量说明与数据来源

1.变量说明

(1)被解释变量。经济发展与生态环境的协同性。利用前文耦合协调模型测算得到的耦合协调度(D)进行衡量，该指标取值范围为[0,1]，数值越大，说明经济发展与生态环境的协同性越好，反之则相反。

(2)核心解释变量。数字金融发展水平(Index)。采用北京大学数字金融研究中心课题组等编制的中国数字普惠金融指数来衡量[37]。该指数从覆盖广度、使用深度和数字化程度三方面共计10余个子维度测度了数字金融发展水平，不仅体现了数字金融的普惠性，也能够有效体现数字科技对金融发展的影响效应和趋势变化，具有一定的代表性和权威性。另外，为解决各变量数据间存在量纲不统一的问题，对数字金融的原始指标数据除以100。

(3)控制变量。一是人口密度(Density)，用每平方公里人口数的对数来衡量。人口集聚能够增加地区劳动力供给，从而促进经济发展，但人口数量的增加也会产生更多的资源消耗和污染排放，因此可能会降低经济发展与生态环境的协同性。二是金融相关率(Fin)，用地区年末存贷款余额之和与GDP的比值来衡量。金融相关率较高说明地区金融发展水平较为领先，对经济发展和生态环境均会产生重要影响。三是信息化水平(Infor)，用年末移动电话用户数量的对数来衡量。高度信息化水平的城市能够通过知识溢出和信息交流在一定程度上减少信息不对称问题，可能有利于经济与环境的协调发展。四是政府行为(Gov)，利用政府公共财政支出占地区GDP的比值作为代理变量。政府对经济发展具有宏观调控作用，同时还承担着维护生态环境持续发展的职责，故政府行为会影响经济与环境的互动关系。五是教育投资(Edu)，用教育支出占GDP的比值来衡量。在教育上的投资能够有效提高人口素质，为经济发展提供高水平人才的同时也能提升社会环保意识，有利于经济发展与生态环境的协调。六是城镇化水平(Urban)，用全社会住宅建设投资占GDP的比值来衡量。城镇化水平是影响经济发展的重要因素，也会影响城市环境的承载力和自净力，从而会对二者的协调发展产生影响。

(4)中介变量。一是技术创新(Tech)，相对于实用新型和外观设计专利授权而言，发明专利授权更能体现地区创新产出的实质性突破，因此，采用各地区每万人平均发明专利授权量进行衡量。二是产业升级(Str)，用第三产业产值与第二产业产值的比重来衡量，该指数越大表明产业结构越趋于高级化。三是投资调整(Inv)，用全社会固定资产投资额占GDP的比重来衡量，该指数的大小反映了投资效率的高低。

2.数据来源与描述性统计

本文实证研究中所用到的数据主要来源于历年《中国城市统计年鉴》《中国区域经济统计年鉴》及各省与相关地级市统计局网站，其中地级市的进出口贸易总额数据根据历年各省市统计年鉴整理得到，并依据当年中间汇率平均值进行单位换算；发明专利数据来自CNRDS数据库；数字普惠金融指数取自《北京大学数字普惠金融指数》。对于部分存在缺失的指标，基于相邻年份的数据，采用插值法进行补齐，最终得到2011—2018年285个地级市的平衡面板数据。主要变量的描述性统计结果见表2，其中，耦合协调度的取值范围为[0.53，0.85]，平均值为0.66，说明中国经济发展与生态环境的协同性仍存在提升空间。

表2 主要变量描述性统计

四、结果分析与讨论

(一)经济发展与生态环境协同性的时空特征

基于前文耦合协调模型，测算出经济发展与生态环境耦合协调度，作为二者协同性的代理变量，图2展示了全国及东中西部地区的耦合协调度平均值随时间变化的特征(1)东中西部地区划分原则为：东部城市主要包括北京、天津、河北、辽宁、吉林、黑龙江、山东、江苏、上海、浙江、福建、广东和海南13个省市区的101个地级市；中部地区城市主要包括内蒙古、山西、河南、安徽、湖北、江西和湖南7个省市区的100个地级市；西部地区城市主要包括四川、云南、贵州、重庆、陕西、甘肃、青海、新疆、宁夏和广西10个省市区的84个地级市。。从全国范围来看，经济发展与生态环境的协同性总体呈上升趋势。耦合协调度的平均值从2011年的0.64增加到2017年的0.68，然后在2018年出现了小幅回落。不过，二者耦合协调度的增长速率较缓慢，年均增长率仅为0.54%，且多数城市的耦合协调度远未达到高级耦合协调水平(0.80

图2 经济发展与生态环境协同性的时空特征

(二)基准回归结果分析

基于前文设定的基准模型，利用样本数据对假设1进行实证检验，考察数字金融对经济发展与生态环境协同性的影响效果。首先，对基准回归模型进行Hausman检验，检验的统计量结果显示在1%的水平上显著，因此拒绝随机效应模型，选择固定效应模型。表3报告了基准模型的回归结果，其中列(1)未加入控制变量，列(2)加入了控制变量，两列均控制了个体固定效应和时间固定效应。从回归结果来看，在仅存双重固定效应情况下，核心解释变量Index的回归系数在5%的显著水平上显著为正，在加入一系列控制变量的情况下，Index的回归系数依旧显著为正，且系数值变化不大，说明回归结果相对稳定，数字金融能够有效提升经济发展与生态环境的协同性，假设1得到验证。另外，列(2)中控制变量的估计结果显示，除人口密度外，其他控制变量对二者协同性的影响均显著为正，与理论预期基本一致，说明人口的过度集聚不利于经济与环境的协调发展，而金融化水平、信息化水平、政府财政支持、教育投资及城镇化水平的提高均会在不同程度上促进经济发展与生态环境的协调。

表3 基准回归估计结果

(三)稳健性检验

基准回归结果表明，数字金融能够显著提升经济发展与生态环境的协同性，为提高上述结论的可信性，进一步对回归结果进行稳健性检验。

1.采用系统GMM估计方法

考虑到数字金融与经济发展和生态环境协同性之间可能存在内生性问题，本文参考李建军等(2020)[38]的研究方法，采用两阶段系统广义矩估计对基准模型重新估计，进一步排除异方差等问题对估计结果造成的影响。表4列(1)的结果显示，数字金融(Index)的回归系数在1%的显著水平上显著为正，表明基准回归结果是稳健的。

2.子样本回归

由于地处行政中心的城市在全国范围内具有政治、经济及资源等优势，其经济综合实力和环境规制力度往往更强，与被解释变量具有系统性关联。因此，根据直辖市、经济特区、副省级城市等分类标准，将部分中心城市予以剔除，继而再对剩余样本进行回归估计，具体回归结果见表4列(2)(2)被剔除的城市具体包括：北京、天津、沈阳、大连、长春、哈尔滨、上海、南京、杭州、宁波、厦门、济南、青岛、武汉、广州、深圳、珠海、重庆、成都、西安。。结果显示，Index的系数依旧显著为正，说明在剔除了此类样本选择偏差后，数字金融对经济与环境的协调发展依然具有推动作用。

3.控制省份和时间联合固定效应

在基准回归模型中，城市个体固定效应与年份时间固定效应均得到控制，但不排除在省级层面仍存在一些随时间变化的不可观测因素。因此，在基准模型中加入省份与时间的乘积项，进一步控制省份与年份联合固定效应，重新对基准模型进行回归，结果见表4列(3)。可以看出，加入省份与年份乘积交叉项后，Index的系数仍显著为正，说明基准回归结果稳健。

4.替换核心解释变量

为进一步检验基准模型估计结果，结合数字金融发展的普惠性和业务特征，选用北京大学数字金融研究中心等机构构建的数字金融指数二级指标：数字金融覆盖广度指数(Index_b)和数字金融使用深度指数(Index_d)作为新的核心解释变量，重新进行回归。回归结果见表4列(4)和列(5)，Index_b和Index_d的系数在至少5%以上的显著水平上为正，说明在对核心解释变量指标降维分解后，前文的研究结论依旧具有可信性。

5.工具变量法

为排除其他遗漏变量或反向因果对基准回归造成的影响，采取工具变量法对模型做进一步分析。对于工具变量的选取，借鉴张蕊和余进韬(2020)[39]的做法，采用各城市1984年人均邮电业务量与上一年全国互联网用户数的乘积交叉项作为数字金融的工具变量。其合理性主要在于：一是满足工具变量的相关性要求，历史上邮电业务往来频繁的地区表明当地通信技术水平和通信业务能力较强，而数字金融能够依托于互联网技术的普及与应用快速发展；二是历史上的邮电业务对当前经济及环境状况的影响甚微，并且上一年全国层面的上网用户数不会因某一地级市经济与环境的协调关系发生明显变化，因此满足工具变量设定的外生性要求。本文采用两阶段最小二乘法(2SLS)进行估计，回归结果见表4列(6)和列(7)。从第一阶段回归结果来看，工具变量(Iv)与数字金融的回归系数在1%的显著水平上为正，说明二者满足相关性。识别弱工具变量的F统计量大于10，表明工具变量选取有效。另外，第二阶段的回归结果显示Index的系数也显著为正，再次证实了数字金融对经济发展与生态环境协同性的促进作用。

表4 稳健性检验估计结果

五、异质性分析与作用机制检验

(一)异质性分析

上文的实证分析表明数字金融有助于促进经济发展与生态环境的协同性。然而，若将各具特色的城市进行笼统的全样本分析，容易忽略不同地区之间数字金融对二者协同性的影响差异。因此，下文从城市等级差异和资源禀赋差异两方面对全样本进行分类回归，检验数字金融对经济与环境协调发展的异质性影响。

1.城市等级差异

鉴于中国城市种类繁多，不同城市人口数量、教育程度、产业特色等方面差异较大，数字金融对经济发展和生态环境协同性的影响效果可能存在异质性。因此，本文按照城市等级划分标准(3)2020年5月，新一线城市研究所发布了《2020城市商业魅力排行榜》，将334个城市划分为六个等级，分别为一线城市(4个)、新一线城市(15个)、二线城市(30个)、三线城市(70个)、四线城市(90个)和五线城市(128个)。，将样本城市划分为两组进行对比分析，其中一组为等级较高的城市，包括一线城市、新一线城市、二线城市和三线城市，共计118个；其余为较低等级城市，由四线和五线城市构成，共计167个。表5列(1)和列(2)分别展示了较高等级城市和较低等级城市的回归结果。对比两组样本的回归结果可知，对于较高等级城市而言，其Index的回归系数在1%的显著水平上显著为正，且系数值高于基准回归结果，而较低等级城市Index的回归系数显著性较差，这说明数字金融能够显著促进较高等级城市的经济发展与生态环境实现协调，但对四线及五线城市的影响效果显著性不强。主要的原因可能在于：较高等级的城市在经济规模、基础设施、人口素质和产业结构等方面均要领先于其他城市，并且具备更强的环境管制要求，因此在经济社会活动过程中更加注重绿色生产和绿色消费。数字金融的发展有助于进一步提高资源利用效率，优化资源配置结构，缓解企业融资约束，促进居民创业就业，进而催生出环境友好型的新产品、新产业和新技术，增强经济发展对生态环境的维护效应，提高经济与环境的协同性。然而，对于四线和五线城市而言，由于本身存在着金融体系不完善、创新资源稀缺、交通可达性较差等问题，其经济发展水平相对落后，数字金融难以在短时间内改变原有的产业结构，加之这些城市环境治理能力偏弱，仅依靠数字金融的渗透来实现经济与环境的双向推动难度较大。因此，数字金融的影响效果在较低等级城市样本中并不明显。

2.资源禀赋差异

中国地域辽阔，各城市的资源要素禀赋及生态环境承载力存在着异质性，而城市自身资源条件在很大程度上影响本地的经济发展模式和生态环境质量，会对二者的相互作用产生差异性影响。因此，本文根据国务院印发的《全国资源型城市可持续发展规划(2013—2020年)》，按照城市资源类型的划分标准，将全国样本划分为资源型城市和非资源型城市，比较数字金融对两组样本的影响差异。表5列(3)和列(4)分别展示了资源型城市和非资源型城市的回归结果。可以看出，Index的回归系数在非资源型城市样本中更加显著，说明对于非资源型城市而言，数字金融对经济发展与生态环境协同性的促进作用更加有效，而对于资源型城市的影响效应不太明显。其原因可能在于：资源型城市多以煤炭、石油等自然资源开采和加工产业为主，高科技产业尚处于初步阶段，创新能力不足，使得产业结构调整存在刚性，加之部分城市存在资源开发强度大、利用效率低等问题，导致经济发展与生态环境的矛盾更加突出。而数字金融发挥的融资功能往往多是针对中小型科技企业，面对投资周期长、环境治理成本高的企业来说，仅凭数字金融的力量实现融资缓解较为困难，还需要国家和地方政府的大力支持。因此，数字金融对资源型城市经济与环境协调发展的促进作用有限。相比而言，非资源型城市更多以第三产业为主导，城市环境相对优越，人才、资金等要素集聚能力强，现代制造业与服务业发展更为领先，更适于低收入人群的创业及中小型科技企业的发展，数字金融的普惠性和科技性刚好能满足这一群体的融资需求，因此更有利于带动地区经济发展和转型，从而提高经济维护生态系统的能力，促进二者协调发展。

表5 异质性分析估计结果

(二)作用机制检验

结合前文理论分析，数字金融可能通过技术创新、产业升级和投资调整三条路径影响经济发展与生态环境的互动关系，进而改变二者的协同性。因此，本文利用中介效应模型，采用逐步检验回归系数法对这三种作用机制进行分析，并对结果进行稳健性检验。

表6 作用机制检验结果

根据基准模型(5)，核心解释变量数字金融(Index)的系数显著为正，说明数字金融能够推动经济与生态环境协调发展，即总效应存在。因此，接下来只需检验中介效应模型(6)(7)的回归结果。表6中分别报告了三种作用机制的检验结果。首先，列(1)和列(2)为技术创新作为中介变量的估计结果，列(1)的回归结果表明，Index的估计系数在1%的显著水平上为正，说明数字金融有利于促进技术创新；列(2)的结果显示，Index的估计系数显著为正，并且Tech的估计系数也显著为正，说明数字金融通过提升技术创新水平，促进了经济发展与生态环境的协调，即中介效应存在。此外，Sobel检验和Bootstrap检验的系数均在至少10%的显著水平上为正，证明技术创新中介效应具有稳健性。由此，假设2a得到验证。其次，表6的列(3)和列(4)是产业升级作为中介变量的估计结果，其中列(3)为数字金融对产业升级的影响，回归系数在1%的显著水平上为正，说明数字金融可以促进产业结构升级，而列(4)报告了数字金融、产业升级对经济发展与生态环境协同性的影响，Index的估计系数依旧显著为正，表明数字金融也能通过产业升级的中介机制促进经济与环境协调发展。同样，Sobel检验和Bootstrap检验的系数均达到了1%的显著水平，说明产业升级中介效应具有稳健性，假设2b得到验证。最后，表6中的列(5)和列(6)报告了投资调整效应的检验结果，结果显示Index的估计系数和Inv的估计系数均显著为正，说明数字金融对经济发展与生态环境协同性的影响也受到投资调整的部分中介作用，并且该中介效应通过了稳健性检验。由此，假设2c得到验证。

通过对比三种作用机制中介效应的大小，可以发现上述中介变量的效应发挥存在异质性，其中技术创新效应最大，中介效应占总效应的17.72%；产业升级效应居中，中介效应占总效应的14.04%；而投资调整效应占比最低，中介效应占总效应的2.68%，说明数字金融发挥的技术创新效应最能有效提升经济发展与生态环境的协同性。

六、研究结论与政策建议

在中国经济转型进程中，实现经济与生态环境的协调发展至关重要，数字金融是提高二者协同性的有效“助推器”。本文在测算全国285个城市经济发展与生态环境协同性的基础上，厘清了数字金融对经济发展与生态环境协同性的影响效果和作用机理。研究结论表明：第一，中国城市尺度上经济发展与生态环境的协同性不断增强，但存在“东部高、中西部低”的空间不均衡特征。第二，数字金融能够有效提升经济发展与生态环境的协同性，并且对于等级较高城市和非资源型城市的作用效果更加显著。第三，从机制路径来看，数字金融能够通过促进技术创新、优化产业结构、带动投资调整三个途径助力经济与生态环境的协调发展，其中技术创新效应最强，产业升级效应居中，投资调整效应贡献最小。

根据上述结论，本文提出如下建议：首先，增强数字金融服务质效，构建金融市场与环保产业的联动机制，搭建更加多元的数字金融环保平台，提高资源利用效率，减少经济活动对生态环境的胁迫效应，同时兼顾不同城市自身发展特征，最大化数字金融的“协调引导”效应。其次，借助数字技术实现信用贷款审批自动化和智能化，深挖数据信息要素价值，促进中小企业融资服务增量扩面，加快企业创新人才引进和科技成果转化，为数字金融释放经济增长动能和污染防控功能提供动力。再次，利用数字金融赋能实体经济产业升级，拓展新产业、新业态，引导金融资源向高效节能领域流转，带动地区产业绿色发展。最后，借助数字金融平台激发全社会投资活力，汇集民间闲散资金，缓解企业投资不足，提高企业投资效率、优化企业投资结构，加快新旧动能转换，打造绿色经济体系，实现经济与生态环境协调发展。