数字金融对绿色发展的影响机制

刘敏楼，黄 旭，孙 俊

（南京财经大学金融学院，江苏南京 210023）

改革开放以来，中国经济取得了举世瞩目的成就，1978—2019年GDP平均增长率达到9.44%，创造了经济发展史上的奇迹。随着人口结构以及供求关系的变化，过去主要依靠要素投入的粗放发展模式逐渐暴露出与人口、资源、环境、生态等方面的矛盾。相对于传统增长模式，绿色发展更加注重发展过程中资源消耗的降低，关注环境效益和可持续发展，是解决经济增长与环境保护矛盾的关键手段。习近平总书记强调“建立绿色低碳发展的经济体系，促进经济社会发展全面绿色转型。”党的十八届五中全会提出了“绿色”发展理念，将其上升到国家战略层面。2021年3月通过的《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要坚持生态优先、绿色发展，加快绿色发展方式转型，协同推进经济高质量发展和生态环境高水平保护，同时强调“加快金融机构数字化转型”，增强金融服务实体经济能力，驱动“生产方式、生活方式和治理方式变革”。数字金融可以通过扩大金融服务的覆盖面和渗透率，有效推动经济发展方式的转型，在中国发展方式绿色转型的背景下，探究数字金融对绿色发展的影响，不仅可以为促进经济绿色可持续发展提供新的证据，也能为数字金融发展的实践提供相应的政策参考。

1 文献综述

绿色发展是以生态、经济协调发展为核心的可持续发展经济，与绿色经济、绿色增长、低碳经济等属于本质相同但表现形式有差异的同一谱系概念［1］。关于绿色发展的理论研究，可以追溯到1798年的《人口原理》，马尔萨斯在书中强调了自然资源的稀缺和承载能力的有限性问题，提出要妥善处理人口、资源与环境之间的关系。Hicks［2］提出了绿色GDP思想，认为只有当全部资本存量随时间保持不变或增长时，这种发展方式才是可持续的。皮尔斯等［3］首次采用绿色经济的提法，提倡将环境融入资本的投资中以解决经济增长与环境的矛盾。其后绿色发展的相关研究集中在经济发展的可持续性、生产和分配的本地化、尊重生态局限和更平等的资源分配等方面［4］。国内以刘思华［5］、王金南等［6］为代表的学者较早关注绿色发展问题，他们利用相关理论解释中国绿色经济发展情况，并尝试进行绿色GDP核算。2008年金融危机爆发后，气候变化的经济效应及其与经济增长之间相互影响可能带来的一系列问题引起了广泛关注，绿色发展也成为国内研究的热门话题。具体来说，可以归纳为三个方面：一是关于绿色发展内涵、意义及其发展趋势的总结［7-8］；二是中国绿色发展的对策思考［9-11］；三是具体行业视角的绿色转型研究［12-13］。尽管不同学者对绿色发展内涵的界定存在一定差异，但基本都认可绿色发展在增长动能转换、改善民生以及提高经济发展可持续性等方面起到了积极的作用。

经典文献验证了金融在经济增长中的重要作用［14］，但是学者们对于金融发展推动经济绿色转型的作用尚有一定争议。支持的观点认为，金融发展可以通过提供资本支持、促进绿色投资、推动企业创新、实现产业结构升级等途径降低能耗和碳排放［15］，改善能源消费结构［16］，进而实现绿色发展；同时，由于金融发展通过技术效应、规模效应和结构效应等影响绿色发展，金融发展环境效应的大小取决于上述机制，因此可能存在最优金融规模，导致金融与绿色发展的关系呈现非线性特征［17］。质疑的观点则认为，长期以来传统金融服务供给难以满足经济结构转型的升级需求，结构性问题造成的金融资源错配降低了金融体系的资源配置能力［18］；银行主导型的金融结构是造成粗放式增长和环境问题的根源之一，当前中国金融发展在整体布局上没有根本性改变，因此金融发展尚未表现出绿色特征［19］。

随着人工智能、大数据技术的蓬勃发展，金融加强了与新兴技术的有机融合——数字金融应运而生，并逐渐成为金融领域的研究热点［20］。以共享、便捷、低成本、低门槛为特征的数字金融［21］，能否通过驱动创新、赋能绿色金融服务效率推动绿色发展是一个值得关注的现实问题。现有文献集中讨论了数字金融对实体经济的助推效果［22-23］、助力缩小城乡收入和区域贫富差距的减贫效应［24-25］以及对传统银行服务的完善机制等［26］，检验了数字金融在破解融资难题［27］、激励创新［28］以及减少污染排放［29］等方面的作用。遗憾的是，目前对于数字金融与绿色发展内在关系还缺乏足够的关注，特别是利用合理的数据和方法挖掘数字金融影响绿色发展的机制还有待进一步深入探讨。文章在现有文献的基础上，探讨数字金融对绿色发展的影响，考察其传导机制以及影响效果，并通过异质性检验探究数字金融的普惠边界条件，为中国绿色转型的金融支持提供相应的政策依据。

2 理论基础与研究假说

2.1 数字金融对绿色发展的影响分析

绿色发展是一种关注经济增长所依赖自然资源供给的可持续性发展方式，通过相应的规划、标准、技术和机制，使社会经济活动实现低能耗、低物耗、低生态环境损害的绿色低碳循环，以达到人与自然和谐共处的目标。而数字金融是在互联网不断发展的背景下通过数字技术与传统金融服务业态相融合衍生而来的新型金融服务，依托人工智能、大数据、云计算、区块链和生物识别等技术，提供更加普惠和精准的金融服务，能够满足经济绿色发展的需要［30］。一方面，数字金融依靠其网络化、去媒介化的特征，拓宽了大众参与环保事业的渠道［31］，能够将绿色发展理念寓于金融服务中，同时数字化管理和更加透明的信息公开方式增强了社会公众对环保事业的信心，推动了生活和生产方式绿色化。如以蚂蚁森林为代表的平台通过为人们的支付宝账户提供个性化的碳节约数据，将用户的虚拟身份与其减少碳排放任务中获得的“绿色能量”收入联系起来，最后通过实体植树计划提供碳补偿奖励。另一方面，绿色领域的企业，如环保领域、新能源等，需要资金的支持来实现健康发展，数字金融通过促进金融产品创新和提高金融服务效率，为绿色领域企业提供融资渠道和融资便利，有利于产业结构向绿色和清洁化转型升级［32］；同时，基于大数据、区块链等数字技术，数字金融能够挖掘企业特质性信息，通过提高资本市场的关注度来改善资本市场信息效率［33］，促使银行更加关注企业的环境效益，进而选择提高贷款利率来吸收企业的环境风险［34］，迫使环境负外部性的企业减少污染和工业气体排放，提高环境绩效，最终打造金融资源对生态环境处置“奖优惩劣”的环境治理闭环［22］。基于此，提出研究假说1：

H1：数字金融能够推动经济的绿色发展。

2.2 数字金融影响绿色发展的传导机制

2.2.1 激励技术创新

从微观层面来看，数字金融在互联网、大数据技术、区块链等的支持下，能够低成本地处理海量数据［35］，降低了市场主体的交易成本和信息成本，更加精准识别用户行为，评估用户信息，从而提供更为全面、普惠的金融服务。数字金融所具有的纠错配、补短板功能一定程度上能够克服企业“融资难”“融资贵”等问题，更好地将资源与企业创新项目的风险特征进行匹配，通过降低财务费用和“去杠杆”效应激励企业创新［19］。这一过程中，利用数据分析、智能投顾等手段，数字金融一方面降低了市场的准入门槛，有效缓解了交易过程中的信息不对称和道德风险等问题，为企业提供多层次的融资渠道和服务方式，解决技术创新中的资金问题，促进了技术变革的深化；另一方面能够帮助企业更好地识别技术创新演进的路径，推动企业向资源消耗低、环境污染少、投入产出高的技术领域突破，进而有效实现经济绿色转型。宏观视角来看，数字金融能够有效缓解金融抑制并驱动产业结构优化升级，实现区域创新能力提升［28］。数字金融的普惠效应强化了技术创新的溢出，在国家绿色发展政策的支持下，起到引导社会资金流向的作用。一方面通过绿色投资在增量上支持新兴环保产业的发展，另一方面推动存量产业的低碳绿色转型，有助于市场主体准确高效地识别碳清单，完成碳排放配额的合规与支付［36］。同时，新技术的发展和应用还能够加速资本流向可持续的技术研发方向和新兴金融工具，为经济发展整体态势向绿色发展转型提供持续的资金支持。

2.2.2 赋能绿色金融

绿色金融被认为是通过金融系统将环境外部性内部化，从而应对气候变化、提高资源节约程度的经济活动［37］。然而，绿色项目长周期、低回报率的特点以及传统金融系统长期面临的信息不对称等问题制约了绿色金融的发展。中国数字金融创新在解决绿色金融发展中普遍存在的“获客难”“融资难”等问题上提供了新的解决方案：通过数字平台，拓宽用户的使用场景并扩大绿色金融的辐射面，从而引导绿色金融资源流向绿色产业和环境友好型企业［20］；基于数字金融平台建立的绿色金融资源配置与管理系统在提升绿色服务效率、降低绿色服务成本以及资金流向监测等方面也发挥了重要的作用［38］。例如，数字金融可以提高绿色资产、项目、产品和服务的识别效率，助力环境效益数据的采集、溯源、处理和分析以及支持绿色资产交易平台的构建；在金融机构低碳资产识别、转型风险量化以及碳资产信息披露等环节面临的信息不对称、成本高和效率低等问题上，数字金融也提供了新的解决方案。利用大数据、人工智能和区块链等技术，数字金融能够缓解绿色金融发展过程中诸如客户参与热情低、交易效率过低和成本居高不下、信息传递机制匮乏以及缺失有效可行的监管措施等一系列问题。基于此，提出研究假说2：

H2：数字金融能够通过激励技术创新和“赋能”绿色金融从而推动绿色发展。

3 样本、变量与模型设定

3.1 样本与数据来源

选取2011—2019 年中国30 个省区市的数据作为基础样本（由于数据可得性原因，实证分析中未包含西藏及港澳台地区）。其中，绿色发展、技术创新、外贸依存度、地区经济发展水平、地方政府规模、技术市场发展以及基础设施建设的数据主要来源于中经网统计数据库和EPS数据库以及中经网省级统计数据库；绿色金融数据来源于EPS 数据库、中经网省级统计数据库和《中国保险统计年鉴》；市场化指数采用《中国分省份市场化指数报告（2018）》的计算结果；数字金融指数来源于北京大学互联网金融研究中心发布的《北京大学数字普惠金融指数（2011—2020）》。对于部分缺失数据，采用线性插值法予以补齐。

3.2 变量说明

3.2.1 被解释变量

绿色发展（grd)。借鉴段永琴等［39］的研究，选取万元GDP 能耗作为绿色发展的代理变量，该指标能够反映经济发展过程中的能源利用效率，其数值越小，意味着经济发展过程中消耗的能源越少，绿色化水平越高。为了研究的方便，将绿色发展的代理变量取倒数，使其转化为正向指标；考虑到绿色发展进程可能呈现指数化特征，对绿色发展指标进行对数化处理。

3.2.2 核心解释变量

数字金融（diff）。选取北京大学数字金融研究中心发布的《北京大学数字普惠金融指数（2011—2020）》作为核心解释变量的代理变量，该指数能够较好地衡量各地区数字金融发展程度，且从覆盖广度、使用深度以及数字化程度等多个维度刻画了中国数字金融发展水平，具有较好的代表性。

3.2.3 机制变量

技术创新（rd）。现有文献测度技术创新的代理变量主要有专利申请量、专利授权量和研发投入［27］等方式。为了更好体现出创新对绿色发展的驱动作用，同时又可以刻画地区创新能力的差异特征，选取人均研发投入作为技术创新的代理变量，并进行对数化处理。

绿色金融（gf）。参考李晓西等［37］提出的绿色金融体系，考虑到数据的可得性，选取绿色信贷、绿色治理投资、绿色保险程度和绿色财政支出等四个维度来衡量绿色金融发展水平，使用熵值法进行测算，分别采用六大高耗能产业利息支出占工业利息总支出比重、环境污染治理投资额与地区GDP 比值、农业保险收入占农业生产总值比重以及财政环保支出占财政支出比例作为绿色信贷、绿色治理投资、绿色保险程度和绿色财政支出的代理变量。

3.2.4 控制变量

参考已有研究，控制以下变量，具体包括：城镇化水平（urb），使用城镇化率来衡量；外贸依存度（open），选取进出口总额与地区GDP的比值作为外贸依存度的代理变量；地区经济发展水平（pgdp），以2010为基期的实际人均GDP 取对数衡量经济发展水平；地方政府规模（gov），使用财政支出与地区GDP 的比值作为代理变量；制度质量（inst），选取市场化指数表征制度质量；技术市场发展（tech），选取技术市场成交额占地区GDP的比重衡量技术市场发展；基础设施建设（infra），以人均道路面积的对数代表基础设施建设水平。

3.3 模型设定

3.3.1 基准线性模型

为检验数字金融对绿色发展是否存在影响，建立以下基准线性回归方程，以验证假说1：

其中：grd代表绿色发展水平；diff为数字金融发展指数；Control表示模型中的所有控制变量。i表示省份，t表示年份。θ为省份效应，μ为年度效应，ε为随机误差项。

考虑到双向固定效应的做法比较柔性，同时数字金融的广泛发展也可能导致宏观系统性环境的变化造成内生性偏误，参考Bai［40］的研究，回归中进一步加入省份和年度的交互固定效应，模型设定如下：

3.3.2 中介效应模型

为了厘清数字金融影响绿色发展的具体传导机制，借鉴温忠麟等［41］的研究，构建以下模型检验数字金融影响绿色发展的传导路径，检验技术创新和绿色金融在其中发挥的中介作用。

式中：intermediary为中介变量，包括技术创新（rd）和绿色金融（gf），α、β、ρ为回归系数。首先依次验证模型3中的系数α2、模型4中的系数β2和模型5中的系数ρ3，如果三个系数均显著，则说明技术创新或者绿色金融的中介效应显著，否则利用bootstrap法再验证；接着验证模型5的系数ρ2，如果显著则表示数字金融与绿色发展的直接效应也显著，否则只有中介效应成立；最后比较ρ2和β2ρ3的符号，如果二者同号，则认为技术创新或者绿色金融起到了部分中介的作用，如果二者异号，则认为是遮掩效应；同时，若模型5的系数ρ2对于模型3中的系数α2有所降低，则说明技术创新或者绿色金融是对绿色发展产生影响的路径变量。

4 主要实证分析

4.1 描述性统计

表1呈现了所有连续变量的描述性统计结果。从绿色发展指标可以看出，绿色发展的中位数为1.528 0，低于均值1.575 2，说明地区间绿色发展水平存在区域分化特征，发展不平衡、不充分问题依旧存在；同时，由数字金融指标的相关统计结果也能发现各省份间存在较为明显的地区差异；其余变量在各省份间也呈现出不同程度的差异特征。

表1 主要变量的描述性统计说明

4.2 基准回归结果

表2报告了基准回归模型的估计结果。其中，使用数字金融总指数进行的回归中，在逐步加入模型控制变量、地区×年份的高维固定效应后，数字金融的估计系数仍然能够在1%的水平下通过显著性检验。回归结果表明，数字金融具有较强的绿色属性，具体来说，数字金融指数每提高一个单位，绿色发展指数将会提高29个百分点，并且在1%的水平下显著，说明数字金融能够通过倡导绿色生产方式、提高公众环保参与度和激励绿色投资进而促进绿色发展。进一步将数字金融指数降维至覆盖广度（cover）、使用深度（usage）和数字化程度（dig）层面，结果显示，数字金融覆盖广度和数字化程度对绿色发展的边际效应均在1%的水平下显著为正，而使用深度没有通过显著性检验。可以看出，使用深度和数字化程度的估计系数与覆盖广度相比存在一定差距，说明数字金融推动绿色发展主要是通过提高覆盖广度实现的。原因可能在于数字金融覆盖广度的提高，对缓解金融抑制、释放金融活力起到了较好的“润滑剂”效果，数字金融的绿色效应在一定程度也依赖于金融服务的可得性；而数字化在一定程度上反映了数字金融基础设施的发展状况，也说明完善数字金融相关配套设施能够提高其对绿色发展的激励效应。

表2 总样本回归结果

从控制变量的回归结果可以看出，推动经济发展和完善基础设施建设有助于提高绿色发展水平，在加入地区和年份交互效应后均通过了1%的显著性检验；制度质量的改善能够给绿色发展提供支持，控制地区/年份、地区×年份以及三个分指数回归的结果都支持这一结论；技术市场发展有利于经济实现绿色发展，但其估计系数仅在控制地区/年份的情况下显著为正，说明尽管发达的技术市场能够给绿色项目提供支持，但相关制度和措施仍需要进一步优化，否则也可能抑制区域间绿色发展水平的提升；外贸依存度对绿色发展影响的边际效应仅在覆盖广度回归列中显著，说明仍要重视全球化带来的产业转移对发展中国家绿色发展进程可能存在的抑制效果。此外，城镇化率和地方政府规模对绿色发展的影响则存在不确定性，可能的原因在于城市规模的提升和政府支持是促进经济增长的有力措施，但对绿色发展的效果仍未得到体现。

4.3 影响机制分析

表3汇报了数字金融对绿色发展影响机制检验的回归结果。单变量的回归结果已在前文汇报，不再赘述。在以技术创新为被解释变量和数字金融为解释变量的模型4 中，数字金融的边际效应为正且在1%的水平下通过了显著性检验，说明数字金融能够通过降低创新主体的交易成本和融资成本激发创新活力，从而驱动区域创新能力的提升。以技术创新作为中介变量的模型5 检验结果，可以发现数字金融与技术创新的估计系数均至少在5%的水平下显著为正，数字金融的边际效应相较于模型3有所下降，但这一结果仍然验证了技术创新是数字金融发挥绿色效应的重要传导机制。进一步地，该研究对数字金融“赋能”绿色金融，进而促进绿色发展这一影响机制进行验证。由以绿色金融为被解释变量的回归结果可知，通过提高监管水平、促进金融产品创新以及完善信息共享机制等路径，数字金融能够支持绿色金融提质增效，数字金融和绿色金融共同对绿色发展的回归结果也显示数字金融与绿色金融对绿色发展的边际效应显著为正，验证了“数字金融—（赋能）绿色金融—（促进）绿色发展”的正向传导路径。

表3 数字金融、传导机制与绿色发展

4.4 稳健性检验

（1）内生性问题。前文的分析中采取了控制省份与年份的交互固定效应以缓解内生性问题可能带来的估计偏误，本部分借鉴谢绚丽等［22］的研究，选取滞后一期的互联网普及率和数字金融指数作为数字金融的工具变量，进一步进行稳健性检验。一方面，数字金融的发展与互联网普及率的提高息息相关，另一方面，各地区的绿色发展水平并不会影响前一年的互联网普及率和数字金融指数。表4工具变量列的结果显示，数字金融对绿色发展影响的边际效应在1%的水平下显著为正，Kleibergen-Paap rk LM检验表明不存在的工具变量不可识别的问题，Kleibergen-Paap rk Wald F 统计量大于Stock-Yogo 在10%下的水平19.93、Hansen统计量大于0.1，说明不存在弱工具变量等问题，这意味着在考虑了数字金融与绿色发展可能存在的内生性问题后，数字金融依然能够显著促进绿色发展。

（2）替换实证检验方法。考虑到绿色发展可能存在的动态特征，采用系统GMM 方法对原有模型进行检验，结果表明绿色发展滞后一期和数字金融的估计系数在5%的水平下显著为正，再次验证了数字金融对绿色发展具有激励效应。

（3）替换解释变量。为应对测量误差偏误可能造成的问题，参考张勋等［24］的研究，选取财新智库发布的数字经济指数（digeco）替换数字金融指数，回归结果同样验证了该研究的结论。

（4）替换被解释变量。前文的分析中选取能源效率作为绿色发展的代理变量，在稳健性检验部分使用历年《中国绿色发展指数报告—区域比较》中的绿色发展总指数，该指数包括经济增长绿化度、资源环境承载潜力和政府政策支持度三个维度，能够较好地反映经济绿色发展水平。表4 中的回归结果表明在替换被解释变量衡量方式后结论依然稳健。

表4 稳健性检验结果

（5）Bootstrap 方法。对于中介效应的稳健性问题，采用Bootstrap 方法进行检验。当回归结果中95%的置信区间不包括0 值，则说明中介效应显著。表5 呈现了Bootstrap 方法检验的结果，可以发现，技术创新与绿色金融95%置信区间均不包含0 值，且z 值检验的结果显著，该结果支持了技术创新和绿色金融作为机制变量的合理性，也验证了关于数字金融影响绿色发展具体传导机制的相关结论。

表5 Bootstrap方法检验结果

5 进一步研究

5.1 门槛特征分析

5.1.1 环境库兹涅茨曲线再验证

根据环境库兹涅茨曲线假说，在人类发展的不同时期，经济增长与环境呈现倒U 型关系。胡宗义等［42］将金融发展对环境质量的影响分解为规模效应和技术效应，认为两种效应的相互叠加导致金融发展的污染减排效应存在不确定性。部分文献验证了金融体系与绿色发展的关系可能存在非线性特征［43］，数字金融作为数字技术与传统金融结合形成的新兴金融业态，应该遵循金融发展的基本规律［44］。考察不同经济增长区间下新兴金融业态与绿色发展之间可能存在的非线性特征，不仅有助于隧穿中国的环境库兹涅茨曲线，实现能源消耗增长、碳排放增长、环境污染损失增长等生态赤字与经济发展脱钩［45］，也能够丰富金融体系与绿色发展关系的相关研究。因此，进一步考察数字金融背景下环境库兹涅茨曲线的假说在中国是否成立。

考虑到Hansen 于1999 年提出的门槛模型要求协变量必须满足严格外生的假说条件在实际回归中难以得到满足，借鉴Kremer等［46］的研究引入动态门槛模型，以人均GDP为门槛变量构建以下模型：

其中：qi，t表示门槛变量，I(·)为示性函数，γ为特定的门槛值。在估计动态门槛模型之前，首先进行门槛效应的检验。由表6可以看出，pgdp通过了一重门槛效应的显著性检验，说明数字金融在不同经济发展区间下的绿色效应会呈现出非线性的动态变化特征。

表6 面板自抽样检验结果

从表7 中以pgdp为门槛变量的回归结果可以发现，当人均GDP 低于门槛值10.2167 时，数字金融的估计系数在1%的水平下通过了显著性检验，其对绿色发展的边际效应为0.0471，而当人均GDP跨越这一门槛值时，数字金融对绿色发展的正向促进效应呈现出递减趋势，且通过1%的显著性检验。这意味着，随着经济发展水平的提升，数字金融的绿色发展效应会逐渐减弱，但统计意义上仍具有较强的促进作用，可见数字金融背景下的环境库兹涅茨曲线假说在中国并不成立。

5.1.2 不同金融监管强度下的绿色效应差异

得益于脱媒化和去中心化的特征、相对宽松的监管政策以及传统金融供给不足带来的需求空间，数字金融在过去20年里得到了迅速发展。然而，数字金融是“大智移云”时代数字技术与金融服务结合的产物，其内源仍需遵循传统金融的发展规律。随着P2P 曝雷、用户信息泄露、平台垄断以及数据滥用等问题出现，说明长期监管缺位可能导致数字金融成为金融风险的“蓄水池”，最终带来难以预料的风险和损失。因此，数字金融的监管也成为管理部门亟须解决的问题。一方面，加强监管有助于防范和化解系统性风险，提高金融效率，有效发挥数字金融对绿色发展的促进效果；另一方面，金融科技的出现也给当前金融监管政策与措施带来了新的挑战和机遇，合理的金融监管区间既能为数字金融的发展保驾护航，也能在一定程度上抑制绿色项目“染绿”“假绿”等现象的出现［47］。鉴于此，将金融监管纳入“数字金融—绿色发展”分析框架中，在式（6）的基础上更换金融监管作为门槛变量，并使用动态面板门槛模型进行研究，探究不同监管强度下数字金融的绿色效应会产生哪些差异。其中，金融监管变量借鉴唐松等［27］的研究，选取区域金融监管支出与金融业增加值的比值作为代理变量，数据来源于中国国家统计局。

由表6 的结果可以看出，金融监管在1%的水平下通过了门槛效应的检验，且模型通过了残差序列自相关检验和过度识别检验。由表7 中以vis为门槛变量的回归结果可以发现，随着金融监管措施的逐渐完善，数字金融的绿色发展效应表现出正向且“边际效应”递增的非线性变化特征，且门槛值的两端均通过5%的显著性检验。实践中，为应对数字金融带来的金融风险和与之对应的监管挑战，监管部门也与时俱进地改进了监管模式和手段。该文的结论验证了完善监管措施并出台相关政策有助于发挥数字金融对绿色发展的助推效果，一定程度上为监管部门提升数字金融监管的技术和效率、加快政策出台和完善顶层设计，更好发挥其对经济绿色发展转型效应提供了理论支持。

表7 动态面板门限回归模型回归结果

5.2 空间差异下的包容性发展

中国幅员辽阔，区域间要素禀赋存在显著差异，考察数字金融对绿色发展影响的空间异质性也是厘清二者关系研究的重要组成部分。参考现有文献将各省份按照东部地区、中部地区和西部地区划分为三个子样本，探讨数字金融发展促进绿色发展的边界条件。表8的结果显示，东中西部地区数字金融对绿色发展均有显著作用，且在1%的水平下通过了显著性检验。估计系数的结果可以发现，相较于东部地区，中西部地区数字金融具有更强、更显著的绿色增长效应。原因可能在于发达地区已经具备较为完善的金融服务体系，对数字金融存在挤出效应；而经济相对落后地区的金融抑制程度较高，这给予了数字金融发挥其普惠效应的空间，能够更好地推动地区绿色发展。回归的结果还表明，在空间分布层面，数字金融具备促进包容性增长的普惠特征，即在推动地区绿色发展的同时能够对欠发达地区起到更好的绿色优化效果。

表8 异质性分析

6 结论与政策建议

该研究立足于数字技术催生出的全新金融业态改变了传统金融发展模式和中国经济社会发展趋势这一典型事实，利用中国2011—2019年的省际面板数据，运用面板交互固定效应模型、中介效应模型和动态面板门槛模型，多维度实证检验了数字金融对绿色发展的影响及其具体机制。研究结论如下：①数字金融明显推动了绿色发展的进程，通过更换回归模型、引入工具变量、替换变量衡量方式等稳健性检验，该结论依然成立；同时，数字金融的绿色发展效应存在维度差异，即提高数字金融覆盖广度和数字化程度能够更显著地促进绿色发展，而使用深度在统计上不具备显著意义。②激励技术创新和“赋能”绿色金融是数字金融推动绿色发展的重要传导机制，通过提高区域创新能力并支持绿色金融提质增效，数字金融显著地提高了区域绿色发展水平。③数字金融的绿色发展效应伴随着地区经济发达程度的提升呈现出“边际效应”递减的非线性特征，但其“边际效应”始终为正，环境库兹涅茨曲线假说在数字金融的时代背景下并不成立；金融监管的逐步完善使得数字金融的绿色效应表现出正向且“边际效应”递增的非线性变化趋势，完善金融监管配套措施并继续出台相关政策有利于持续释放数字金融的绿色发展效应。④在空间异质性上，数字金融展现出了促进包容性发展的普惠特征，即数字金融在促进各地区绿色发展的同时，对中西部地区具有更强、更显著的绿色优化效果。

该文的边际贡献可能体现如下：一是利用省际数据探讨数字金融对中国绿色发展的影响，重点考察了数字金融通过技术创新、赋能绿色金融进而推动绿色发展的机制，为研究数字金融与中国绿色发展的关系提供了经验证据；二是基于经济增长与环境关系的非线性特征，检验了数字金融背景下中国“环境库兹涅茨曲线假说”是否成立，分析了数字金融发展绿色效应的长期特征；三是将金融监管纳入“数字金融-绿色发展”分析框架，探究不同监管强度下数字金融的绿色发展效应，一定程度上可以为数字金融监管政策提供相应的理论支持。

上述研究结论政策启示如下：①在保持发挥数字金融绿色优化效应的前提下，继续完善相关数字基础设施，特别是鼓励配套产业发展，积极推动大数据、区块链等高端技术发展，提高数字金融普惠服务的覆盖范围，在守住底线的前提下给足数字金融“试点容错”的空间，能够进一步释放数字金融的绿色效应，助力经济发展绿色转型升级。②数字金融的发展需要平衡好金融风险防范与助推实体经济绿色发展之间的关系，在目前全球经济金融不确定性增强的背景下，亟须加快金融监管体系变革，推动监管科技发展，构建针对性、及时性与穿透性兼备的监管科技体系，在防范和化解系统性风险的前提下有效引导数字金融为绿色发展注入新动能。③数字金融通过激励技术创新、“赋能”绿色金融为绿色发展带来内生动力的作用机制，说明数字金融发展安排可与绿色金融同行，推动绿色金融科技体系的构建，发挥数字金融与绿色金融的协同效应和创新驱动能力，支持数字金融服务实体经济，发挥推动绿色发展的重要作用。④进一步发挥数字金融的普惠效应，促进地区绿色经济包容性发展，为缓解地区间发展不平衡、不充分问题提供金融体系支持。