“双碳”背景下数字普惠金融对碳排放的影响研究

何宏庆，陈 坪

（延安大学 经济与管理学院，陕西 延安 716000）

一、引言与文献综述

在经济持续增长的同时，我国的二氧化碳排放量也居高不下。作为世界上最大的发展中国家，我国的制造业在国际产业分工中依然处于中低端，煤炭消费量占能源消费总量比重仍过半，每年排放到大气中的二氧化碳超过60亿吨，这正是由于我国应对气候变化的长期机制仍然不够健全[1]。可以看出，我国在环境污染治理、低碳减排中所承受的压力空前未有。因此，如何减少碳排放成为我国在经济可持续发展道路上所需要思考的最大问题。习近平总书记此前更是强调以“双碳”目标应对全球气候变化挑战，对我国低碳绿色发展提出了更高标准。但是，如果单独依靠末端治理难以达到碳达峰和碳中和的目标，实现绿色低碳发展将遥遥无期。

随着数字经济时代的到来，数字普惠金融借助人工智能、大数据等信息技术的力量与传统金融融合起来，强烈冲击传统金融的发展，金融服务的普惠性以及便捷性得以提升[2]。数字普惠金融是传统金融与信息技术有效融合的产物，仍然具有传统金融的基本特征，由此传统金融影响碳排放的相关文献能够为数字普惠金融的碳减排效应研究提供参考。大部分学者探讨金融发展对碳排放的影响效应主要围绕着三个方面进行。一是金融发展抑制碳排放。陈志刚和郭帅（2012）[3]从理论方面出发，认为金融发展对于我国低碳经济的发展十分重要。陈亮和胡文涛（2020）[4]利用VAR模型的构建，从实证方面探讨了金融发展对碳排放的影响效应，强调绿色金融的发展确实能够带来节能减排的作用。二是金融发展促进碳排放。Zhang（2011）[5]在理论层面上探讨了中国金融发展对二氧化碳排放的影响，发现金融发展与碳排放之间表现为正相关关系，这主要来源于金融中介规模效应。赵军等（2020）[6]利用省级面板数据研究发现，从我国整体层面来看，金融发展暂时未能抑制碳排放，反而对碳排放具有促进作用。三是金融发展与碳排放的关系表现为倒“U”型。严成樑等（2016）[7]认为金融发展对碳排放的影响并不是单一的，通过构建含有金融发展、创新和碳排放的内生增长模型实证研究了金融发展与碳排放，结果表明两者之间存在倒“U”型关系。胡金焱和王梦晴（2018）[8]也发现两者之间存在着先促进后抑制的倒“U”型关系。朱东波等（2018）[9]研究发现，金融发展对碳排放既有积极影响，也有消极影响，两种影响的相对大小决定了综合影响的大小。

随着信息技术时代的迅猛发展，数字普惠金融被赋予了全面性和创新性色彩，它打破了传统金融对小微企业和地区的局限性，为经济体内的全部成员提供了费用低廉、高效率、全覆盖的金融服务[10]。唐宇等（2020）[11]指出，数字普惠金融不仅提高了覆盖率还降低了企业的运营成本，可以在一定程度上缓和传统金融带来的“资源错配”难题，为金融服务“最后一公里”的疏通给予重要支持。得益于此，部分学者开始将注意力转向数字普惠金融的环境影响效应上，譬如邓荣荣和张翱祥（2021）[12]基于空间计量模型发现，数字普惠金融一方面可直接改善碳排放绩效，另一方面还可通过三种效应（技术创新、经济增长、产业结构）改善了碳排放绩效；姚凤阁等（2021）[13]主要研究了数字普惠金融与碳排放效率之间的关系，认为数字普惠金融能够积极影响碳排放效率，而这一影响主要通过创新创业水平的提高得以实现。

综上，当前大多数研究主要侧重传统金融对碳排放的影响，同时关于数字普惠金融的研究大多集中在对经济增长、企业科技创新、脱贫攻坚等方面的影响[14-16]，对绿色环境效应方面的研究较少[17]，鲜有学者探讨数字普惠金融对区域碳排放强度的影响。基于碳排放的问题对于作为碳排放大国的我国来说甚为重要，本文实证分析数字普惠金融对碳排放强度的影响效应，并进一步分析中介效应和异质性。本研究从数字普惠金融入手，丰富了传统金融对碳排放影响的研究，为实现数字普惠金融的碳减排效应、推动绿色经济发展迈向新阶段提供了有益的决策参考。

二、理论分析与研究假说

（一）数字普惠金融对碳减排的直接影响分析

金融作为国民经济命脉之一，提升金融资源利用效率和能源使用效率，必然会对二氧化碳排放量的减少产生一定程度的作用，特别是在数字化时代下被关注的数字普惠金融。互联网、云计算、大数据等技术的广泛运用，推动了数字普惠金融快速发展，它的出现为身处低碳化、数字化浪潮中的我国提供了新的思路和方向。数字普惠金融减少能源消耗、直接抑制碳排放主要表现在以下两个方面。一是个体消费者层面。以支付宝为例，支付宝用户可以通过生活缴费、交通出行、线下支付、每日行走、网络购票、二手回收等行为，大幅度地降低了线下参与这些服务所可能产生的碳排放量和交易成本；同时，这些低碳行为将会在蚂蚁森林中产生相应的绿色能量，支付宝用户通过收集能量并累积到一定数量时，便可将该平台上的虚拟树种到真正的荒漠里[18]。这种方式把参与碳减排的环保活动融入并渗透到大众中去，引导普通群众真正地参与环境保护事业，为实现碳减排这一目标提供了合理有效的路径。二是企业层面。数字普惠金融自产生以来，让大多数有金融需求的中小企业都能够从中获益，他们只需利用线上金融服务平台申请办理借贷服务，便能容易取得较低成本的资金支持[19]。这不仅降低了因线下交易而导致的时间成本和交易成本，还能减少往返金融机构的途中可能产生的二氧化碳。基于此，提出假设1：

H1：数字普惠金融可以在一定程度上促进碳减排。

（二）数字普惠金融对碳排放的异质性分析

由于经济发展的不平衡性，数字普惠金融是否能够显著影响二氧化碳排放量，可能会因为地区的发展不同而存在明显差别。在研究数字普惠金融对城市绿色全要素生产率的影响效应时，惠献波（2021）[17]指出，由于不同地区在资源丰富度和城市建设方面存在差异，其推动作用主要在中西部地区发挥。深化经济改革循序渐进，导致各省份的金融和产业水平逐步拉开距离，从而引起普惠金融对不同地区碳排放的影响效应差距加大，特别是对西部的欠发达地区影响更为明显[20]。因此，提出假设2：

H2：数字普惠金融对碳排放的影响效应存在区域异质性。

（三）数字普惠金融对碳减排的作用机制分析

我国经济自进入新常态以来，各方面的发展愈来愈依靠技术的创新。技术创新是减少能源消耗并实现碳减排的核心驱动力[21]，从根本上来说，要实现碳中和、碳达峰，就要依赖于绿色低碳技术。目前，科技创新型公司大多数都是中小企业，这些企业都具有前景不确定、风险系数高、业务模式新等特点，因此导致他们面临着一个共同的难题——融资难。但是，在数字化时代中快速发展起来的数字普惠金融降低了科创企业获取资金支持的门槛和难度，使其更容易取得用于科研的费用。充足的资金支持能够显著促进企业生产技术的进一步创新，特别是绿色低碳技术，进而达到提高能源利用效率和减少能源消费量的目的[22]。数字普惠金融的发展为抑制碳排放提供了更加有利的选择，加速推动绿色低碳经济的发展壮大。基于此，提出假设3：

H3：数字普惠金融能够以提升技术创新水平进一步抑制碳排放。

三、实证设计

（一）模型设定

按照上述理论分析与假设，为探究数字普惠金融能否降低碳排放，本文首先构建如下基准面板模型：

其中，i、t分别表示截面的地区和年份，被解释变量CI代表二氧化碳排放强度；解释变量DIF表示数字普惠金融发展总指数；X表示控制变量，包括经济发展水平（EC）、城镇化水平（URB）、对外开放水平（OPEN）、产业结构水平（INS）、人口密度（PD）以及能源结构（ES）；另外，λ代表个体固定效应，v代表时间固体效应，ε表示随机扰动项。

为了探究数字普惠金融影响碳排放的机制，本文以区域技术创新（TE）为中间变量，验证数字普惠金融是否能够通过提升技术创新影响碳排放。因此，本文借鉴Baron等（1986）[23]有关中介效应的估计方法以及检验步骤，采用逐步回归法进行相关实证分析。以基准回归方程为基础，构建如下中介效应模型：

（二）变量选取

1.被解释变量：碳排放强度（CI）。碳排放强度选用各省份的碳排放总量与实际GDP的比值表示，该值越小，越能反映我国低碳经济的发展趋势向好。由于尚未有权威机构对我国省级层面的碳排放量进行测算，因此，本文利用煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气共八种能源消耗量，采用IPCC方法测算碳排放量，各能源的碳排放系数见表1，具体测算方法如下：

表1 各能源品种的标准煤折算系数和碳排放系数

其中，CO2表示二氧化碳排放量，i表示各种能源燃料，Ci表示第i种能源消耗量，Ki表示第i种能源的标准煤折算系数，Ni表示第i种能源的碳排放系数。

2.解释变量：数字普惠金融发展水平（DIF）。该部分选取北京大学编制的2011—2019年数字普惠金融指数以衡量各省份数字普惠金融发展程度。为避免各数据之间的差异带来的影响，对数字普惠金融指数取对数。

3.中介变量：技术创新（TE）。以各省份人均专利申请授权数的对数值作为技术创新的代理变量。

4.控制变量：（1）经济发展水平（EC）。采用人均实际GDP并对该值进行对数处理后表示经济发展水平。（2）城镇化水平（URB）。以各省份城镇人口占该地区常住人口数比重衡量。（3）对外开放水平（OPEN）。用地区进出口总额与实际GDP之比表示。（4）产业结构水平（IND）。利用工业部门的增加值与实际GDP之比表示。（5）人口密度（PD）。选用区域内单位面积人口数量的对数值作为人口密度的代理指标。（6）能源结构（ES）。以地区煤炭能源消耗量占该地区能源消耗总量衡量。变量定义如表2所示。

表2 变量选取及说明

（三）数据来源及描述性统计

选取全国30个省份（由于部分数据缺失，不包括西藏以及港澳台地区）2011—2019年的省级数据，构建面板数据模型进行测算。其中，与碳排放及其能源结构相关部分数据均来源于《中国能源统计年鉴》；数字普惠金融发展水平指数来自北京大学编制的中国数字普惠金融指数；技术创新数据取自《中国科技统计年鉴》；其余控制变量的相关数据主要来源于中经网统计数据库、国家统计局网站以及《中国统计年鉴》。

对各个变量的描述性统计见表3。对该表分析可知，被解释变量碳排放强度的均值为1.5865，最小值为0.2786，最大值为6.6217，可以看出不同地区的碳排放强度的差异性较大；普惠金融指数的最大值6.0168与最小值2.9085之间也存在着一定的差距，表明不同地区间的数字普惠金融发展程度参差不齐，具有区域不均衡性。同时，技术创新也同以上分析一样，证明地区技术创新水平的差异性较大。

表3 变量描述性统计

四、实证结果与分析

（一）平稳性检验

为了避免伪回归现象的出现，在进行实证研究之前，需要对每个变量进行单位根检验，以检验每个变量是否稳定。因此，本文将采用HT单位根检验法依顺序对各变量进行检验，其检验结果如表4所示。从结果中可见，除经济发展水平、城镇化水平、人口规模以及能源结构不显著外，其余变量均能在1%或5%的水平上通过平稳性检验。进一步，为了验证变量之间是否存在长期稳定的关系，对变量进行一阶差分，再次进行HT检验。结果发现，所有变量的一阶差分序列均在1%的水平上显著，即拒绝原假设，证明文中所有变量能够在长期中存在均衡关系。据此，本文可以运用面板数据进行下一步回归分析。

表4 各变量的单位根检验

（二）基准回归分析

通过Hausman检验可以发现，P值为0.0000，即拒绝原假设，相比较之下固定效应模型更优于随机效应模型。因此，文中选取固定效应模型进行后续的计量研究。与此同时，文中还纳入了OLS混合回归以及随机效应回归的估计结果作为固定效应估计结果的比对，此举是为了证明样本估计结果具有稳健性。由表5模型（3）中得出结论：核心解释变量数字普惠金融的回归系数为负值且在1%的水平上显著，即总指数每提高1个百分点，碳排放强度便会相应地降低0.187个百分点，这说明数字普惠金融能够显著抑制二氧化碳的排放。除此之外，控制变量经济发展程度尽管不显著，但是它的系数为正，即经济的发展需要消耗大量的能源资源，这就不可避免地刺激了二氧化碳的排放。城镇化水平在1%的显著性水平促进了碳排放量下降，这很可能是由于城镇化水平的提升有利于加快技术的更新换代以及资源的有效配置和利用，优化了能源的使用率。对外开放水平相应的系数为负，但是它未通过显著性检验，可能是因为我国还未能将对外开放所带来的经济利益合理有效地运用到碳减排领域中去。产业结构水平越高，对应的碳排放强度也就越高，这意味着第二产业的发展带来的不仅仅是企业技术的升级和生产效率的提高，更会加快煤炭、石油等能源的耗费，导致二氧化碳排放量增加。人口密度和能源结构每提升1个百分点导致二氧化碳的排放量分别相应地增加1.225个百分点和0.236个百分点。

表5 全样本估计结果

为了尽可能缓解由于因变量和自变量之间互为因果、重要变量遗漏等问题带来的内生性问题，文中引入碳排放强度的滞后一期构建了动态面板模型：CIit=α0+η1CIi，t-1+η2DIFit+η3∑Xit+λi+vt+εit，随后采用两阶段SYS-GMM回归估计，其结果如表5（4）所示。模型（4）中，AR（1）为0.091，其值小于0.1，表明随机扰动项存在一阶自相关，但是AR（2）为0.486拒绝原假设，即随机扰动项不存在二阶自相关。与此同时，通过Hansen检验发现p值为0.295，即不拒绝原假设，所有工具变量均外生，不存在过度识别的问题。因此，动态面板SYS-GMM回归结果是合理有效的，数字普惠金融对碳排放仍然具有抑制作用，这同固定效应模型得出的实证结果如出一辙，其符号方向以及显著性没有丝毫改变，验证了模型具有较好的稳健性。

（三）区域异质性回归分析

近些年来，由于不同地区的地形地貌、资源丰富度、产业结构等存在差异，导致各个地区的数字普惠金融发展差距比较大。基于此，数字普惠金融是否会对区域碳排放强度产生促进抑或抑制的影响以及该影响是否显著，可能会因地而异。因此，为了进一步研究数字普惠金融对碳排放强度的区域异质性，特将本文研究所选取的30个省份分别划分为东部、中部和西部地区。三个区域的发展各具特色，东部地区的经济最为发达，产业规模、外资引进、科技创新水平等均远高于中西部地区，但其发展所带来的竞争与压力也与日俱增；中部地区近年来的崛起战略使得其产业结构逐步调整、规模日益扩大以及城镇化率不断提高，由此所带来的经济效益蒸蒸日上；西部地区虽然能源资源多样化，但是其经济发展水平以及创新能力略低于东中部地区。回归结果在表6中具体呈现。首先，据模型（5）数据显示，东部地区的数字普惠金融系数值是-0.176，即数字普惠金融发展水平每上升1个百分点，碳排放强度就会显著下降0.176个百分点，这意味着，东部地区的数字普惠金融明显抑制二氧化碳的排放。其次，在模型（6）中可以看出，中部地区的数字普惠金融指数每增长1个百分点就可以带动碳排放强度减少0.205个百分点，这恰恰说明数字普惠金融的蓬勃成长同样能够对中部地区的碳排放强度起到抑制性作用。最后，模型（7）中数字普惠金融的系数值依然为负值，即它每增加1%，相反地西部地区的碳排放强度会减少0.178%。这表明，西部地区的数字普惠金融发展依然同东中部地区一样，会在一定程度上抑制二氧化碳的排放。依据以上分析可见，在控制变量保持不变的前提下，东中西部地区的数字普惠金融对碳排放强度的影响效应与总体回归结果保持一致，即均为抑制作用。其中，中部地区的数字普惠金融对碳排放强度的抑制效果最为明显，这可能是因为中部地区的经济正处于崛起阶段，其发展的空间相对于发展已达到高水平和高质量的东部以及经济相对落后的西部来说要大得多，而且数字普惠金融的发展更加注重绿色低碳的消费观和生态环境的保护。

表6 区域异质性回归分析结果

五、作用机制分析

数字普惠金融是缓解中小企业资金约束的关键途径，可以为企业的技术研发提供金融服务，提升技术创新水平进而影响碳排放强度。由此，为了进一步研究数字普惠金融对区域碳排放的传导机制，特采用技术创新这一中介变量，利用中介效应模型回归分析并评估该作用机制是否合理。选用上文中所详细描述的逐步回归法，利用公式（1）（2）（3）逐步回归，回归结果如表7所示。基准回归模型（8）中，数字普惠金融系数为-0.187，且在1%的水平上拒绝原假设，即它降低碳排放量的效果显著。分析（9）可以发现，数字普惠金融系数为0.367且在1%的水平上显著，这表明数字普惠金融的发展有助于各省份技术创新能力的提高。模型（10）里，同时纳入数字普惠金融与技术创新两个变量实证回归得到如下结果：技术创新对碳排放强度的影响明显且具有抑制性，数字普惠金融也能够显著抑制二氧化碳的排放，它的系数值为-0.0812，这与模型（8）中-0.187的数值对比明显下降。综合上述分析表明，技术创新这一中介变量通过了中介效应的验证，即数字普惠金融的蓬勃发展可助力技术创新水平的优化与提升，从而在一定程度上抑制碳排放。

表7 技术创新的中介效应估计结果

六、结论与政策建议

随着数字时代的不断推进，我国主动提出的“双碳”目标将为碳减排带来历史性转折，这就迫切要求数字普惠金融逐步形成低碳减排的长效机制。一方面，数字普惠金融以数字技术为载体将金融与其高效结合在一起，打破了时间和地域的限制，降低了线下交易成本以及提高了能源的利用效率。另一方面，由于技术创新是实现碳减排的主动力，数字普惠金融可以为有金融需求的群体或中小微企业提供低负担、高效率的融资服务，通过推动企业技术创新水平的提升以促进碳排放强度的下降。本文分析了数字普惠金融对碳排放强度的直接影响及其作用机理，并利用我国2011—2019年30个省级面板数据回归测算得到以下结论：

第一，全国层面来看，数字普惠金融显然抑制了碳排放量，即使加入了多个模型对比以及考虑到内生性问题以后，该结论仍旧成立。

第二，地区异质性使得数字普惠金融对碳排放强度的影响也带有异质性，它给东中西部区域带来的碳减排效应均显著为负，但是其抑制作用更多地集中在中西部地区。

第三，数字普惠金融对二氧化碳的抑制作用机制主要通过缓解中小企业的资金约束问题，增加的研发投入有助于提升和优化企业的技术创新能力，从而刺激生产效率的提升，进一步实现抑制碳排放量的目的。

依据以上所得出的分析结论，结合相关的政策和实际的发展，提出如下的政策建议：

第一，大力推进以绿色为导向的数字普惠金融，高水平发挥数字普惠金融在我国低碳化进程中的带动作用，并将其积极影响作用渗透到金融领域的每一程序里。同时，加强大数据、云计算、5G通信技术等基础设施的建设，跨越数字鸿沟的困境，确保各地区数字普惠金融的协调发展，着力于推动绿色低碳经济发展进程加快和“双碳”目标的实现。

第二，加强数字化和产业化的有效结合，不断调整和优化产业结构，提高金融资源在实体经济之间的配置率和利用率，合理引导资金流向高新技术型企业、环境友好型企业，为我国经济可持续绿色发展提供一份强有力的保障。高城镇化率可以促进企业低碳减排技术的创新和提高，因此还应继续努力推动城镇化水平的提升，以现代化发展逐步带动企业技术革新，实现碳减排。识别评估对外开放引进的外商投资能否改善环境和创新技术，主要引进对我国核心低碳技术有益处的外商直接投资。

第三，因地制宜合理制定有关政策。经济发展的不平衡以及各个区域资源要素、地理环境等因素，使得数字普惠金融的发展具有区域异质性。因此，各个地区应该结合当地的内外部情况合理规划发展布局以及资源分配，重点扶持经济发展中地区的数字普惠金融发展，充分发挥数字普惠金融的普惠性，保证普惠金融带来的好处也能够惠及到经济相对落后的区域中去。此外，政府还应引导东中部地区的高新技术逐步向西部发展中地区辐射，以创新驱动绿色产业发展。

第四，技术创新是低碳化经济发展的主要动能，相关部门可以增加企业的科研资金，鼓励其自主创新，特别是紧抓我国核心技术，下足“真功夫”研发并运用节能低碳技术，在源头上治理环境污染问题和减少碳排放。同时，政府和企业还要利用数字普惠金融的发展推动企业技术创新能力的增强，再运用先进的技术助推数字普惠金融的进一步发展，使两者形成协调发展、良性互动的局面，逐渐实现生态环境的良性循环。