数字金融发展如何影响制造业碳强度?

王 军，王 杰，王叶薇

（1. 中国石油大学（华东）经济管理学院，山东青岛 266580；2. 山东大学政治学与公共管理学院，山东青岛 266237）

制造业作为中国能源消费和碳排放的重要部门，在践行节能生产标准和落实碳减排目标的过程中长期扮演关键角色。然而，单一的末端治理模式已经难以满足制造业部门节能减排和绿色增长协同推进的需求，而以数字技术为支撑、与传统金融产业相融合同时更具精准匹配效率的数字金融无疑为制造业部门的减排选择提供了“新答案”。数字金融被定义为传统金融业务与互联网技术的融合业态［1］，涵盖电子支付、线上投融资等业务。尽管数字金融在一定程度上对传统金融服务造成冲击，但却能够基于融资的低门槛性、金融服务的普惠性、服务范围的通达性和移动支付的便捷性等对制造业等实体经济发展产生诸多积极影响［2-3］。基于数字金融与制造业发展的内在关联，可以推断数字金融势必会对制造业生产活动中的碳排放产生深刻影响，因此构建以数字金融为支撑的制造业低碳发展模式具有重要的现实意义。基于此，文章尝试将数字金融与碳排放纳入统一的分析框架，从制造业企业层面评估数字金融发展的减排效应，并就其内在机制进行考察。

1 文献梳理

碳减排往往受到技术效率和生产规模等多重因素的共同影响，作为经济增长的重要支撑，金融发展对环境污染的影响同样不容忽视。既有研究针对传统金融发展对碳减排的影响予以充分的讨论，如Tamazia 等［4］、陶文依美［5］和朱欢［6］分别从融资成本、金融规模和金融政策等方面对传统金融发展的减排效应进行讨论，结果普遍支持“传统金融发展对于碳减排具有非线性影响”这一基本论断。然而既有研究普遍关注传统金融业发展的减排效应，却忽略了以数字技术为支撑、以数字支付为核心的数字金融发展是否同样可能影响碳减排。作为传统金融业与数字技术相融合的新型服务业态，数字金融能够显著拓展金融服务的覆盖范围从而发挥其普惠效应［7-8］，同时依托数字技术和互联网平台能够有效提升金融资源匹配的精准性和高效性［9］，使得金融服务能够兼具公平与效率双重属性，进而对高质量发展产生积极影响，如张勋等［10］研究发现数字金融发展能够通过激励创新创业促进经济包容性增长。

通过对既有文献的归纳总结，数字金融作用于经济高质量发展的基本路径主要包括：其一，产业结构调整路径。金融服务的普惠性有助于金融资源配置的不断优化，进而能够促进产业结构升级［11］，如唐文进等［12］基于城市层面面板数据进行实证分析，发现数字普惠金融发展对于产业结构升级具有长期显著的促进效应。其二，技术创新路径。高质量发展的过程即是由要素驱动向创新驱动转变的过程，而创新型驱动则离不开金融服务数字化模式的有效支撑［13］，如唐松等［14］研究发现数字金融发展对企业技术创新存在“结构性”驱动效果，且这一技术创新效应在长期内保持稳健。其三，资金要素配置路径。数字金融以金融科技为内涵，能够发挥对资金等要素积极的引流作用，提高金融业服务传统经济的能力，如李杨等［16］提出数字化技术的应用拓展了企业的融资渠道，通过非银行信用中介促进了资本积累和资本利用效率提升。然而，也有学者指出数字金融对于经济高质量发展的影响并不能简单地一概而论，如黄玉沛［17］指出数字金融对经济发展的影响存在诸多前置条件，经济变量和制度变量的不同均会导致数字金融对高质量发展的差异化影响。此外，以数字金融为基础的数字经济发展对于实体经济增长具有一定的挤出效应，数字金融对于实体经济的冲击是影响中国经济高质量发展的重要阻碍［18-19］，因此这可能造成数字金融发展的减排效应呈现波动性的非线性特征。

现阶段，从环境领域考察数字金融的影响的文献相对匮乏。同时，数字金融发展作用于碳减排的具体路径尚有待明晰。文章尝试在已有的研究基础上进行如下拓展：一方面，基于拓展的内生增长Romer 模型构建数字金融影响碳排放的理论模型，为数字金融与碳减排的相关性分析提供数理支撑。另一方面，从“规模效应”和“技术效应”双重维度揭示数字金融影响制造业碳排放的内在机制，并基于融资约束缓解和绿色创新进行路径分析，从而拓展制造业减排的可行性路径选择。

2 理论分析

基于包含知识产出的内生增长Romer 模型，文章将数字金融和碳排放变量纳入其中，继而理论剖析数字金融发展的减排效应。文章假定最终生产部门处于完全竞争状态，其生产函数可以表示为：

其中：Y表示最终生产部门产出；LY表示劳动力投入，α表示劳动力要素对应的产出贡献度；x(i)表示介于［0，A］区间内的中间产品投入。利润最大化目标下最终生产部门的生产函数可以表示为：

其中：ω表示劳动力平均工资水平；p(i)则代表最终生产部门所购买中间产品的价格。

同时，假定中间厂商处于垄断竞争状态，考虑到Romer模型中中间厂商维系生产主要依靠资本投入，因此假定成本函数中仅包含利率为r的资本使用成本，其利润最大化目标下的生产函数为：

基于上述方程构建拉格朗日乘子式，可以得到如下所示的社会平均工资水平ω、中间产品价格p(i)、中间产品使用量x(i)以及中间生产部门的垄断利润π表达式：

内生增长模型中技术进步主要源于研发部门的研发人员数量LA和前期技术储备A，而包括科研人员工资支出、技术产品推广等在内的科研投入均需要数字金融发展所提供的资金支持，由此可以构建生产部门技术研发创新的预算约束条件：

其中：ΔA（ΔA=δLA A）表示技术进步程度；WLA生产部门的科研人员工资支出，CAΔA则表示技术推广成本，等式右侧的p(A)ΔA表示技术研发所能够创造的市场价值，而θ则表示数字金融发展参数。数字金融发展依托其普惠性特征能够有效降低研发部门的融资门槛，有助于克服以往受制于研发周期长、投资风险大所带来的融资难问题。

进一步地，将碳排放变量C和可能影响碳排放的控制变量集X纳入生产函数，则可以构建碳排放表达式：

其中：g(θ)表示数字金融驱动下的经济增长率；ω1和-ω2刻画了产出活动和技术进步对碳排放的贡献度，且在稳态路径下ω1-ω2= 1。那么，以单位产出碳排放水平所表征的碳强度cc可以表示为：

与此同时，居民消费的最大效用函数可以表示为：

上式中C表示居民消费支出，ρ则代表居民消费期望参数。最优消费水平可以表示为：

根据内生增长理论，均衡路径下最终生产部门的产出Y、家庭部门的居民消费C和中间厂商的技术水平A的增长率均为g。考虑到资本市场的出清特征和中间产品的供需对称性，资本存量K可以表示为：

基于稳态下的工资和利润水平、技术和消费增长率以及技术研发投入的预算约束条件，碳强度的表达式可以被改写为：

基于上述碳强度表达式对经济增长求一阶导可以得到经济增长的边际碳强度效应，而利用链式求导法可以进一步评估数字金融发展的边际减排效应。其中，经济增长的边际减排效应可以表示为：

α值依据卡尔多事实分析约为2/3，即数字金融发展与经济增长存在正相关性。相较于传统的金融服务业，数字金融的金融服务能力和服务范围的不断拓展，数字金融有助于传统实体经济和数字经济的深度融合，从而形成对制造业经济增长的“激励”影响，由此推断数字金融发展对制造业经济增长的边际影响呈现显著的促增效应。综合分析数字金融对经济增长的正向影响和经济增长对碳强度的影响，文章提出数字金融对制造业碳强度具有非线性影响且这一非线性影响来源于两种效应：其一，数字金融能够通过缓解融资约束等促进制造业部门经济增长，基于扩张的“规模效应”提升碳强度。其二，数字金融发展有助于驱动数字化转型和绿色技术的创新研发，通过“技术效应”降低碳强度。据此，可以提出文章的基本理论假说：

假说：数字金融发展对制造业碳强度的影响具有非线性特征，其减排效应取决于“技术效应”和“规模效应”的综合作用。

3 研究设计

3.1 计量模型设定

基于前述数字金融影响碳强度的机制分析，文章从企业层面检验数字金融发展对于制造业碳强度的影响，其基准模型如下：

其中：i、j、r和t分别表示制造业上市企业、行业、城市和年份；ccijt表示被解释变量制造业企业碳强度；digitalrt表示数字金融发展指数。考虑到文章假说中提出数字金融发展与碳强度之间存在非线性关系，因此文章将其二次项同时引入基准模型；εijrt表示随机扰动项，δr×time和ωj×time分别用于控制地区和行业的时间趋势效应，γt和σi则分别表示时间固定效应和企业固定效应。同时，文章对其他可能影响制造业企业碳强度的经济特征变量X予以控制，包括企业年龄、企业性质和资本密度等。

3.2 变量说明与矩阵设计

3.2.1 被解释变量：碳排放强度（cc）

由于上市公司层面的碳排放数据难以直接获取，文章参考鞠伟［20］的做法，利用上市公司社会责任报告披露的能源消耗数据对其碳排放总量进行估计。其中涉及的资源消耗指标包括能源（折算为标准煤）、汽油、柴油、天然气、管道煤气、外购电力和外购热力等，文章基于《综合能耗计算通则》（GB/T 2589-2008）、《省级温室气体清单编制指南》等所公布的碳排放系数进行碳排放总量估算，进而利用企业综合碳排放量与全年营业额的比值来测度企业碳排放强度。

3.2.2 核心解释变量：数字金融发展（digital）

文章主要采用北京大学数字金融研究中心的中国数字普惠金融发展指数对数字金融发展予以表征，该指数从覆盖广度、使用深度和数字支持服务程度维度对数字金融发展水平予以衡量。其中，覆盖广度主要包括互联网支付账号等电子账户，使用深度主要衡量支付业务、货币基金业务、信贷业务、保险业务、投资业务和信用业务的应用情况，而数字服务支持则主要考察金融服务使用的成本和便捷性。该指数以蚂蚁金服的交易账户大数据为基础，具有较强的可靠性。

3.2.3 路径变量

（1）融资约束指数（KZ）。产能规模扩张需要以企业融资为基础，因此文章利用融资约束指数刻画数字金融发展的“规模效应”。企业融资约束能够基于多维度的财务指标进行反映，涵盖经营性净现金流、现金持有量和负债程度等指标的KZ 指数被广泛用于评估企业融资约束。文章参考魏志华等［21］的做法，依次构建资产负债率（K4）和托宾Q比率（K5）等指标，如果上述指标小于中位数，则取值为1，否则取值为0，进而基于KZ=K1+K2+K3+K4+K5可以计算出融资约束KZ指数。

（2）绿色创新（gtech）。技术创新具体表现为企业专利数量的增加，因此文章利用专利数量对企业创新水平予以刻画。相较于实用新型与外观设计专利，发明专利申请往往更能凸显创新质量［22］，而与存在1～3 年授权周期的专利授权量相比，专利申请量对于技术创新成果的刻画更具即时性和直观性。与此同时，技术进步的偏向性对于能源消费和碳排放的影响具有显著差异，生产导向型技术进步在提高生产效率的同时容易诱发“能源回弹”等问题，而绿色偏向性技术进步则有助于促进碳减排。齐绍洲等［23］和王林辉等［24］的研究指出，绿色专利占比能够比绿色专利总量更好地反映绿色进步水平，因此文章选用企业绿色专利数量占当年所有专利申请的比值对绿色偏向性技术进步予以表征。

3.2.4 控制变量

为尽可能排除其他因素的影响，文章引入一组企业层面的控制变量：企业年龄（AGE）采用2019 年与企业成立年份的差值来表示；企业所有制（ATTR）采用0-1 虚拟变量来表示，即国有企业为1，非国有企业为0；净资产回报率（ROE）采用公司税后利润与净资产之比来表示；资产负债率（LVE）采用负债合计与有形资产的比值来表示；营业收入增长率（REVE）采用当期营业收入与上一期营业收入的比值来表示；股权集中度（CR）采用最大股东控股比例来表示；资本密度（CAID）采用固定资产与企业员工数量的比值来表示。同时，文章还控制了地区层面的经济发展水平（PGDP，人均GDP）和传统金融发展水平（FINA，城市年末金融机构贷款余额与GDP 比值）等，对传统金融服务予以控制，有助于厘清数字金融发展的影响。

3.3 内生性识别

数字金融发展与制造业碳强度之间存在可能的双向因果关系，一方面，数字金融发展作为经济增长的重要支撑，能够通过缓解融资约束等完善资金供给和促进产能扩张，进而对制造业部门碳排放产生影响。另一方面，制造业部门的自身控排减排需要以清洁型技术研发为基础，技术研发的资金需求无疑会倒逼制造业企业加速数字化转型并深化数字金融应用。尽管前文分析在一定程度上克服了潜在的内生性问题，但所选取的变量并非针对数字金融发展的专门的工具变量，因此文章参考张勋等［25］的做法，采用企业所在地到杭州的球面距离（DIST1）和企业所在地到省会的球面距离（DIST2）等地理数据作为数字金融的工具变量。一方面，以支付宝为代表的数字金融的发展起源于杭州，因此杭州的数字金融发展处于领先位置，可以预期，在地理上距离杭州越近，数字金融的发展程度应越好。另一方面，地理距离作为典型的自然地理特征与经济社会因素并不存在紧密关联，从而同样能够满足相关性和排他性假设。同样地，省会城市作为一个省份的经济中心，往往也是数字金融发展中心，因此距离省会城市较近的城市，其数字金融发展水平一般也较高。文章利用地理信息系统（GIS）计算得到各企业到杭州的球面距离以及到所在地区省会城市的距离。为将上述工具变量应用于平衡面板数据，文章依次构造各企业到杭州的球面距离、各企业到省会城市的球面距离分别与全国（本地除外）数字普惠金融指数平均值的交互项作为时序工具变量。

3.4 数据来源

通过匹配城市数字普惠金融发展指数与中国A 股制造业上市公司，建立研究周期为2011—2019 年的非平衡面板数据集，覆盖医药制造、汽车制造和机械制造等制造业细分行业。其中企业相关各类财务数据来源于wind数据库，企业专利数据来源于CNRDS 数据库，企业绿色技术专利数据来源于国家专利数据库，能耗数据主要来源于《企业社会责任报告》和年报资料等。为了克服异常值的影响，文章同时对连续变量1%以下和99%以上的分位数进行了缩尾处理。相关变量的描述性统计见表1。

表1 相关变量描述性统计

4 实证结果分析及讨论

4.1 基准回归分析

基准回归分析结果见表2，文章同时报告了采用OLS、固定效应（FE）和两阶段最小二乘法（2SLS）的估计结果。OLS 和固定效应（FE）回归的结果显示，数字金融发展的一次项和二次项均至少在10%的显著性水平下通过检验，且分别为正值和负值，即数字金融发展对制造业企业碳强度具有“先促增、后抑制”的非线性影响。分析其可能的原因，初期阶段数字金融发展能够基于其普惠性特征缓解制造业企业融资约束，数字经济与制造业等实体经济的融合发展进一步促进了数字金融在制造业部门深度应用，这无疑会助推制造业企业投资规模扩张和能耗总量增加，从而基于扩张的“规模效应”提升制造业碳强度。成熟阶段数字金融发展能够为企业绿色创新提供充分的资金支持，使得“技术效应”所形成的减排效应超过扩张的“规模效应”对碳强度的提升效应，最终有助于制造业减排。由此文章所提出的假说，即数字金融发展与制造业企业碳强度存在非线性关联部分得证。

表2 数字金融发展影响制造业碳强度的估计结果

与此同时，在识别可能的内生性问题后，2SLS第一阶段回归结果显示，各企业到杭州的球面距离、各企业到省会城市的球面距离与数字金融发展呈现显著的负相关性，这与经验预期基本一致，证明文章所选取的工具变量均与数字金融发展存在密切关联。第二阶段的估计结果则表明，数字金融发展与制造业企业碳强度依然呈现典型的非线性关系，这意味着克服内生性问题后数字金融发展对制造业企业碳强度的影响依然保持稳健。

4.2 稳健性检验

上述研究结果表明数字金融发展对于制造业碳强度具有显著的非线性影响，为了验证这一结果的可靠性，文章基于覆盖广度、使用深度和数字支持服务程度进行分维度考察，估计结果见表3。利用数字金融发展的子指标进行稳健性检验，既能够对前述结果予以论证，同时还可以识别数字金融发展的不同维度对制造业减排的差异化影响。结果显示，无论是数字金融覆盖广度还是数字金融使用深度，其对制造业企业碳强度的影响均保持一致。与之不同，数字金融的服务程度对于制造业企业碳强度的影响并不显著，由此证明，数字金融发展对于制造业企业碳强度的非线性影响主要来源于数字金融的覆盖广度和使用深度。不难理解，数字金融的深化应用与推广使得制造业发展对于数字金融的依赖程度加深，其减排效应随之凸显，而数字金融服务的便捷化等则主要作用于居民个体，制造业企业受之影响相对较弱。进一步地，考虑到文章所采用的上市公司碳强度数据来源于上市公司社会责任报告。实际上，上市公司披露能耗数据在整个样本期内并非强制，这可能导致潜在的样本选择问题，因此文章基于Keckman 选择模型并选用两阶段估计法对是否存在样本选择问题进行检验。Wald chi2结果显示总体模型较为显著，同时逆米尔斯比λ 未能通过显著性检验，潜在的样本选择偏差问题基本可以排除，进一步确保了结果的可靠性。

表3 稳健性分析结果

4.3 异质性分析

前文研究表明，数字金融发展对制造业碳减排具有典型的非线性影响，考虑到地区发展和企业自身属性的有所不同，那么这种非线性影响在企业层面和地区层面是否存在异质性特征？本部分致力于回答上述问题。企业层面数字金融发展对制造业碳强度的差异化影响分析结果见表4。

表4 企业层面的异质性分析

（1）企业年龄维度。企业成长的动态轨迹往往包括发展、成长、成熟和衰退等阶段，而企业年龄则是反映企业成长所处阶段的主要指标，企业年龄的不同往往意味着企业发展活力、创新水平以及抗风险能力等诸多方面的差异。具体地，文章以企业创立至今的时间来衡量企业年龄，并将位于前50%的企业定义为年轻企业。结果显示，数字金融发展对于年轻企业碳强度具有“先促增、后抑制”的非线性影响，而对于成熟企业碳强度的影响则表现为单调的促增效应，表明数字金融发展在现阶段尚难以在成熟企业中形成长效的减排效应。与此同时，对比数字金融发展对二者的影响强度，可以发现年轻企业碳强度受数字金融发展的影响程度更深。究其原因，相较于成熟企业，年轻企业对于数字金融服务等互联网科技应用的接受程度更高，管理思维往往更加开放和超前，而成熟企业经营模式则相对保守，数字金融服务在其内部的应用亦有所滞后。

（2）企业所有制维度。企业所有制的不同使得企业发展过程中所面临的融资约束、政策条件等有所差异，比如相较于非国有企业，国有企业的融资门槛普遍较低，因此数字金融在不同所有制企业中的应用前景可能有所差异。结果表明，不同于非国有企业碳强度受到数字金融发展“先促增、后抑制”的非线性影响，国有企业碳强度与数字金融发展呈单调的负相关性，即数字金融发展对国有企业具有立竿见影的减排效果。造成这一现象可能的原因在于，国有企业拥有较强的融资保障和政策扶持，数字金融发展所引致的“规模效应”相对较弱。由此可见，相较于国有企业，非国有企业更应积极深化数字金融服务应用以确保更快地步入数字化减排阶段。

（3）企业规模维度。企业规模是决定企业综合发展水平的基础性因素，规模企业较大往往意味着企业发展更趋成熟，对于创新风险的承担能力更强，同时亦更加有助于发挥数字金融应用的规模经济效应。文章采用上市公司资产总量来测度企业规模，并将资产总量位于前50%的企业定义为大规模企业。不难看出，数字金融发展非线性影响制造业碳强度的情况主要集中在大规模企业，而在小规模企业中仅仅表现为对碳强度的提升效应。文章提出，小规模企业普遍处于初期逐利阶段，自身融资能力弱且对于技术研发的重视度不足，因此小规模企业依托数字金融所获取的资金要素更倾向于产能扩张。相较之下，数字金融发展在推动大规模企业产能扩张的同时，亦有助于技术创新进而发挥其减排效应。

（4）资本密度维度。企业的要素密集属性决定了企业的生产和发展模式，同时也决定了数字金融在企业生产与管理活动中的应用前景。为了区分资本密集型企业和劳动密集型企业，文章计算出了固定资产净值与从业人员数的比值，并把位于前50%的企业定义为资本密集型企业，将位于后50%的企业定义为劳动力密集型企业，以此分别考察数字金融发展对不同资本密度企业碳强度的影响。结果显示，数字金融发展对资本密集型和劳动密集型制造业企业碳强度具有趋势抑制的非线性影响，但对于资本密集型企业的影响强度却明显更高。显然，资本密集型企业对金融服务更具依赖性，数字金融发展拓展了资本密集型企业的融资渠道和资金周转效率，进而有助于提升资本密集型企业的创新发展活力。同样地，数字金融发展亦能够缓解劳动力密集型企业的融资约束，但其作用程度势必稍显逊色。

（5）高新技术维度。既然技术效应是数字金融发展影响制造业碳减排的重要部分，那么企业自身的技术属性不可避免地对数字金融发展的碳减排效应产生影响。文章根据上市公司是否具有高新技术企业认定来划分高新技术型企业和非高新技术型，分样本考察数字金融发展的差异化减排效应。不难发现，数字金融发展能够显著影响高新技术型企业碳强度，而对于非高新技术型的影响则未能通过显著性检验。这表明现阶段中数字金融发展的碳减排效应主要表现在高新技术型企业中，而数字金融减排效应的发挥需要配套的技术支持，这同时也揭示出深化非高新技术型企业的数字金融应用，将是促进制造业减排的重要内容。

（6）人力资本密度维度。企业人力资本质量是决定企业生产效率和技术创新能力的基础，一般而言，人力资本质量较高的企业多以新型技术服务产业为主，其自身的碳排放效率普遍较高且数字化应用水平领先。文章根据企业硕士及以上学历员工的占比来划分高密度人力资本型企业和低密度人力资本型企业，可以发现，数字金融发展对高密度人力资本型企业的碳强度具有显著的非线性影响，而对低密度人力资本型企业则仅仅为单调的促增效应。文章认为数字金融发展在制造业企业中的深化应用需要建立在一定的高素质人力资本规模之上，从而确保数字金融服务业务的有效开展，强化生产活动与数字金融服务的对接。相比之下，低密度人力资本型企业的数字金融业务开展等则相对落后，致使其对制造业企业的影响尚停留在规模扩张阶段。

文章同时关注了地区层面数字金融发展对制造业减排的差异化影响，结果见表5。

表5 地区层面的异质性分析

（1）地理区划维度。考虑到地区之间制造业发展水平以及数字化基础上设施建设和应用程度等存在较大差异，数字金融发展对制造业碳强度的影响可能存在区域异质特征，因此文章将研究样本划分为东部、中部和西部。结果显示，数字金融发展对东部和中部地区制造业企业碳强度均具有非线性影响，而对于西部地区制造业企业碳强度的影响则为单调的促增效应，这表明现阶段数字金融发展尚未能在西部地区形成积极长效的制造业减排效应。同时，数字金融发展的制造业边际减排效应在中部地区强度最大，东部地区次之。其可能的原因在于，西部地区经济发展相对落后，制造业企业融资能力差，因此西部地区制造业企业依托数字金融发展所提供的便捷化融资服务，能够实现产能规模的快速扩张。东部地区由于经济发展和科技水平领先，数字金融发展所带来的制造业边际减排效应渐趋下降，而中部地区数字金融则处于蓬勃发展的关键时期，因此其对于制造业企业的边际减排效应相对较强。

（2）资源禀赋维度。企业发展模式往往与所在地的资源禀赋密切相关，特别是在能源资源禀赋突出的地区，资源型产业占比往往较高，这也使得企业发展所面临的减排压力普遍较大。文章根据《全国资源型城市可持续发展规划（2013—2020年）》所公布的资源型城市名单，将研究样本划分为资源型城市和非资源型城市。结果显示，数字金融发展的制造业减排效应在非资源型城市中较为典型，而在资源型城市中则呈现单调的碳强度提升效应，即长期内数字金融发展会导致碳强度的持续提升。不难理解，这与资源型城市制造业规模、产业结构和能源需求等密切相关。一方面，数字金融发展能够为资源型城市提供充分的资金支持，进而推动资源型城市制造业产能规模扩张，而资源型城市资源密集型产业比重较大，从而导致其碳排放强度攀升。另一方面，资源型城市绿色技术水平往往相对落后，且技术研发推广存在较长的周期性，导致数字金融的减排效应难以在资源型城市中快速显现。

5 机制分析

从以上研究发现，数字金融发展对制造业碳强度具有显著的非线性影响，理论分析则指出这种非线性影响主要取决于规模效应和技术效应的综合作用。考察数字金融发展影响制造业减排的内在机制，利用面板分位数回归进一步就数字金融发展影响制造业碳强度的动态特征加以分析，结果见表6和表7。

表6 基于融资约束缓解的考察

表7 基于企业绿色创新的考察

5.1 基于融资约束缓解的考察

得益于数字金融应用程度的加深和普惠特征的有效发挥，数字金融能够有效缓解制造业企业融资约束，从而为投资规模扩大和产业规模扩张提供充分的资金支持，因而数字金融发展可能通过缓解融资约束来发挥规模效应，从而提升制造业碳强度。数字金融发展影响企业融资约束的估计结果显示，一次项系数显著为负且二次项系数未能通过显著性检验，即数字金融发展能够有效缓解企业融资约束。进一步地，文章检验了数字金融发展下融资约束缓解对制造业碳强度的作用。结果显示，融资约束对于制造业碳强度具有显著的负向影响，而数字金融发展所引致的融资约束缓解无疑会提升制造业碳强度。从分位数回归结果来看，不同分位点下融资约束对制造业碳强度的影响始终保持显著为正，但相较于低分位值的制造业碳强度，高分位值的制造业碳强度受数字金融发展的影响强度明显更大，这也意味着融资约束缓解这一路径存在动态演变特征，即当制造业碳强度水平较低时，融资约束缓解所带来的提升效应更强，随着碳强度的不断提升，融资约束缓解作用式微。

5.2 基于企业绿色创新的考察

讨论第二种可能的机制：数字金融发展通过影响企业绿色创新来降低制造业碳强度。文章考察了数字金融发展对企业绿色创新的影响，发现数字金融发展对企业绿色创新的影响同样具有非线性特征，即数字金融发展具有“先抑制、后促增”的绿色创新效应。文章提出，造成这一现象的可能原因在于，受制于绿色创新的研发难度大、成本回收周期长等，数字金融发展初期的技术创新以生产导向型创新为主，而绿色创新在数字金融发展后期渐趋凸显。而根据绿色创新影响制造业碳强度的回归结果可知，企业绿色创新对制造业碳强度具有显著的抑制效应。综合上述分析，文章发现数字金融发展能够通过企业绿色创新对制造业碳强度产生非线性影响，这既为长期内制造业碳强度的下降提供了合理的解释，同时亦补充分析了短期内制造业碳强度上升的成因。文章同时检验了企业绿色创新对不同分位值制造业碳强度的影响，结果显示，制造业碳强度处于0.1 和0.3 分位值时，绿色创新对制造业碳强度的影响并不显著，而在0.5、0.7和0.9 三个分位值时绿色创新对制造业碳强度的影响则显著为负，这揭示出随着碳强度的提升，数字金融发展所引致的绿色创新对制造业碳强度的抑制影响具有趋增特征。

6 结论与政策建议

文章将碳排放与数字金融引入包含知识产出的内生增长Romer 模型，理论剖析数字金融发展与碳强度的非线性关系，进而实证检验数字金融发展对制造业企业碳强度的影响及其内在机制。所得到的主要结论如下：第一，数字金融发展与制造业企业碳强度之间存在显著的非线性关系，具体表现为数字金融发展对制造业碳强度“先促增、后抑制”的动态影响。第二，数字金融发展对制造业碳强度的影响存在典型的异质性特征。企业维度上，数字金融发展对年轻制造业企业、国有制造业企业、大规模制造业企业、资本密集型、高新技术型和高密度人力资本型制造业企业的减排效应更突出。地区维度上，数字金融发展对于东中部地区制造业企业和非资源型城市的制造业减排效应更加显著。第三，数字金融发展对制造业碳强度的非线性影响取决于“规模效应”和“技术效应”的综合影响。数字金融发展初期能够通过缓解企业融资约束发挥规模效应，进而提升制造业碳强度。数字金融发展后期则有助于企业绿色创新，从而降低制造业碳强度。

基于上述研究发现，文章主要提出如下政策建议：首先，基于数字金融发展所呈现的积极的碳减排效应，深化推广和普及应用数字金融服务势在必行。特别是对于制造业部门而言，政府部门应积极引导企业发展与数字金融服务业的有效对接，而且企业自身也应主动寻求数字化转型的最优化路径，从而推动制造业部门的数字金融发展尽快突破“减排拐点”，构建制造业部门长效减排的低碳发展模式。其次，数字金融发展需要明确“普惠性”“低碳性”和“协同性”三个基本原则。其一，数字金融服务应避免对数字经济产业的过度倾斜，应尽可能弱化数字经济发展对实体经济的挤出效应，强化数字经济与实体经济的深度融合发展。其二，数字金融发展应结合当下碳达峰碳中和的发展愿景，强化数字金融对环保产业的有效支撑，为生产活动的低碳化和绿色化改造提供充分的资金支持。其三，数字金融发展策略的制定应当因时而异、因地而异和因企而异。针对数字金融发展在初级阶段、中级阶段和成熟阶段对制造业碳强度的差异化影响，数字金融应制定差异化的发展策略。同时，数字金融发展应适度地向西部地区、小规模企业以及非国有企业等倾斜。为充分释放数字金融的制造业减排效应，应强化数字金融对绿色技术创新研发的资金支撑。