数字普惠金融对区域碳排放强度的影响研究

胡本田，肖雪莹

(安徽大学 大数据与统计学院，合肥 230601)

一、引 言

二氧化碳排放量是影响环境质量的一项重要指标，随着碳排放量的持续增加，空气污染、气候变暖等问题愈加严重。近年来，国家高度重视污染减排问题，并提出了一系列重要举措。2020年9月，习近平总书记在第七十五届联合国大会一般性辩论上的讲话中提出“30·60”双碳目标，即中国“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”[1]。2021年3月，首次将“碳达峰、碳中和”写入政府工作报告，并在“十四五”规划中，对新阶段的减污降碳提出了更高的要求。由以往经验可知，要想实质性改善环境污染状况，仅依靠末端治理措施是难以实现的，必须通过有效的金融手段，对环境污染形成长效的治理机制[2]。伴随着大数据、人工智能、云计算等数字技术的不断发展，金融业与新兴技术有机结合，形成了具有覆盖范围广、成本低、效率高等优势的数字普惠金融，为地区节能减排提供了新动能。基于以上背景，本文对数字普惠金融发展与碳排放强度之间的关系进行分析，评估数字普惠金融的碳减排效应，以期为中国经济实现低碳转型和高质量发展提供金融发展方面的政策启示。

二、文献综述

(一)碳排放强度的影响研究概述

在当前温室气体排放引发全球气候变暖的大背景下，学术界对碳排放核算、影响因素及减排策略等进行了大量研究。在碳排放核算方法方面，一类是早期学者用于测算碳排放量及隐含碳排放量的投入产出法[3,4]，另一类是学术界比较认可的《2006年IPCC国家温室气体清单指南》中提供的方法，如马彩虹等[5]、韩梦瑶等[6]采用该方法分别测算了某一地区和中国省级的CO2排放量。有关碳排放影响因素的研究中，国内外学者主要集中在经济增长、产业结构、科技创新、能源结构、金融发展、外商直接投资、贸易开放等视角[7-10]，而鲜有学者将数字普惠金融作为影响因素，对碳排放强度进行研究。在减排策略方面，郭立君等[11]以煤炭企业为研究对象，认为适度提高碳税率和惩罚金、降低监管成本对煤炭企业的碳减排行为起到促进作用。平新乔等[12]认为除采用逐年下调的碳排放指标等行政性手段外，还应运用产业政策和微观政策，以市场机制来激励微观单位降低碳排放量，推动碳交易市场的扩大和升级。由此可见，国内外学者对碳排放强度进行了大量的研究并取得了丰硕的成果。近年来，随着数字普惠金融的蓬勃发展，其为地区实现碳减排目标提供了新动能，因此，本文基于这一突破口进行研究。

(二)金融发展对碳排放强度的影响研究概述

由以往研究经验可知，金融发展是碳排放的重要影响因素。一类观点认为金融发展对碳排放的影响具有抑制效应，即金融发展为企业节能减排项目提供多种融资工具，调节能源消费结构，实现经济低碳、绿色发展，进而不断降低碳排放量。如Shahbaz等[13]研究发现，马来西亚的金融发展对CO2排放量具有抑制效应；张丽华等[14]利用中国2000—2015年的省级数据研究发现，金融行业中的保险能显著减少碳排放。另一类观点认为金融发展能够使碳排放量增加，其原因是金融发展能够缓解融资约束，刺激消费增长和生产规模的扩大，从而增加能源消耗，导致碳排放量增加。如Mahalik等[15]采用自回归分布滞后模型(ARDL)分析得出金融发展增加了沙特阿拉伯的能源需求；陈碧琼等[16]借助在STIRPAT的基础上引入时间和空间因素构建的动态空间面板模型进行分析发现，金融规模的发展壮大会促进碳排放量增加。还有一些学者实证检验了金融发展与碳排放之间的非线性关系，如李寿国等[17]以中国西部各省份作为研究样本，采用面板门槛模型分析发现金融发展随着经济发展和城镇化水平的影响而表现出非线性特征。综上可知，学术界对于金融发展与碳排放之间关系的认识存在分歧，其原因可能是采用的金融发展测度指标的不同、长短期效应的差异以及经济发展阶段的不同等[18]。

(三)数字普惠金融发展对碳排放强度的影响研究概述

普惠金融的概念最早由联合国于2005年正式提出，其基本内涵是金融机构能够全方位、有效地为社会各阶层和所有群体提供金融服务[19]。2015年，国务院颁布的《推进普惠金融发展规划(2016—2020)》中明确提出“提升金融机构的科技运用水平”。2016年G20峰会提出的数字普惠金融是指将传统普惠金融与互联网、大数据、人工智能、云计算等数字技术相融合，实现融资、支付、投资等金融服务的新形式。由此可见，我国政府对推进科技赋能普惠金融发展高度重视。目前学术界有关数字普惠金融的研究主要集中在经济发展、区域创新、居民消费、减贫效应等方面，较少考虑到数字普惠金融的环境效应。随着“双碳”目标的提出，一些学者开始对数字普惠金融与碳排放的关系进行研究。如姚凤阁等[20]利用中国省级面板数据研究发现，数字普惠金融的发展能够有效促进碳排放效率的提高；罗炜琳等[21]基于县域面板数据研究发现，数字普惠金融发展具有显著的碳减排效应，且呈现先扬后抑的“倒V型”变化趋势；郭桂霞等[22]借助中介效应模型考察了数字普惠金融对碳排放强度的作用机制，得出数字普惠金融通过支持数字科技产业化和产业数字化赋能两条渠道降低碳排放的结论；程秋旺等[23]则以农业碳排放为研究对象，实证检验了数字普惠金融的农业碳减排效应。

综上所述，当前研究大多讨论传统金融发展对碳排放强度的影响，而针对数字普惠金融的研究则较少考虑到数字普惠金融的环境效应。随着数字普惠金融的快速发展，近几年开始涌现出关于数字普惠金融影响碳排放的研究，但该类研究目前还较少。因此，本文基于以上分析，做进一步的拓展研究，旨在有效控制碳排放，促进经济绿色低碳发展。本文的主要研究思路为：以中国2011—2019年30个省市的数据为研究样本，首先理清数字普惠金融发展对碳排放强度的影响机理，其次借助面板固定效应模型从整体上分析数字普惠金融是否具有碳减排效应，借助中介效应模型实证检验数字普惠金融发展对碳排放强度的影响机制，并基于分维度指标、地理区位、金融深度等视角探讨数字普惠金融发展对碳排放强度的异质性影响，最后针对实证分析结果及现实情况提出具有针对性的政策启示。

三、理论分析与研究假说

(一)数字普惠金融发展对碳排放强度的直接影响

作为普惠金融的新形式，数字普惠金融是普惠金融依托大数据、云计算、区块链等数字技术发展起来的，它可以克服传统金融交易成本高、金融资源不足等缺点，降低金融服务的门槛，能够为中小微企业和低收入群体提供金融资源[24]。数字支付、网上信贷等金融服务体现了数字普惠金融绿色化服务的特点。金融机构在提供资金服务时，可以通过数字化服务平台选择出环境友好型企业，进而实现金融资源的绿色化配置。此外，碳交易作为影响碳排放、应对气候变化的重要工具，其发展离不开碳金融参数、指标体系以及计量、测算等框架。而数字普惠金融可以有效解决碳交易市场在信息披露、交易定价等方面的问题，降低碳交易成本，提高交易效率，进而实现碳减排[25]。基于此，本文提出假说H1。

H1：数字普惠金融的发展能够有效降低碳排放强度。

(二)数字普惠金融发展影响碳排放强度的作用路径

1.技术创新视角下数字普惠金融发展对碳排放强度的影响机理

金融发展的技术创新效应对实现中国经济绿色低碳发展具有重要的推动作用。金融发展通过放松资金约束、优化资源配置和分散风险等手段来促进区域创新，从而提高能源资源的使用效率，减少碳排放[26]。然而传统金融服务长期供给不足的问题使得企业获取科研资金的成本较大，不利于企业技术创新的开展。数字普惠金融是一种“互联网+普惠金融”，具有广泛触达性、低成本等特点，能够更好地服务于区域技术创新水平的提升。谢绚丽等[27]研究发现数字普惠金融可以为企业提供更为多样化的融资渠道和方式，有效提高金融供给服务效率，促进区域创新活动的开展。徐章星[28]研究发现数字普惠金融可以有效改善传统金融因金融资源配置不当而导致的供给不足状况，能够为各类创新主体提供包容性的资金支持。区域技术创新一方面可以提高能源的使用效率，降低能源消费需求；另一方面有利于新能源的开发利用，进而改善能源的消费结构，从而对碳减排产生积极的影响作用。基于此，本文提出假说H2a。

H2a：数字普惠金融可以通过区域技术创新传导路径间接作用于碳排放强度。

2.产业结构升级视角下数字普惠金融发展对碳排放强度的影响机理

孙丽文等[29]研究发现产业结构升级能够显著抑制碳排放。数字普惠金融的发展可以通过政策指引、资金合理配置等方式促进产业结构升级，进而改变能源消费需求，促进高科技产业的发展，从而使碳排放量有所下降。近年来，中国政府陆续出台了一系列相关的绿色金融政策，体现了国家对发展绿色经济的高度重视[30]，如给予高新技术产业贷款利率优惠和税收优惠、加强对重污染产业的限制等，这些金融政策的提出会潜移默化地指引产业结构的优化升级。借助用户在数字普惠金融平台上的沉淀信息，分析出用户的需求偏好，及时发现市场缺口，能够为产业结构优化转型提供新思路[31]。另外，伴随着大数据、区块链、人工智能、云计算等数字技术的快速发展，中国逐渐由“工业经济”转向“数字经济”，数字产业化和产业数字化这两条渠道是数字经济作用于产业结构优化升级的主要路径[32]。产业结构优化升级不仅能够合理协调一二三产业的比重，提高经济体的资源配置效率，而且能使高污染、高耗能的企业逐渐向低碳环保型企业过渡，提升能源使用效率，从而有效减少碳排放。基于此，本文提出假说H2b。

H2b：数字普惠金融可以通过产业结构升级传导路径间接作用于碳排放强度。

数字普惠金融发展影响碳排放强度的作用路径如图1所示。

四、研究设计

(一)模型设定

1.基准回归模型

依据上述理论分析，为了研究数字普惠金融的碳减排效应，本文首先构建数字普惠金融对碳排放强度影响的基准回归模型：

(1)

2.中介效应模型

由上文的机制分析可知，数字普惠金融可以通过区域技术创新与产业结构升级两条渠道来影响碳排放强度，本文借鉴温忠麟等[33]的中介效应模型对这一传导机制进行检验。在公式(1)的基础上，引入公式(2)和公式(3)，具体形式如下：

(2)

(3)

式中：Mit为中介变量，分别表示区域技术创新(innovation)和产业结构升级(upgrade)；α1、γ1和γ2为待估参数，αj和γj分别为公式(2)和公式(3)中控制变量的回归系数；ηi和θi分别表示公式(2)和公式(3)中的个体固定效应；其余变量的含义与上文一致。根据中介效应的判断标准，首先，检验公式(1)中系数β1的显著性。若β1显著，则按照中介效应立论进行后续检验；若β1不显著，则按照遮掩效应立论进行后续检验。其次，分别检验公式(2)和公式(3)中系数α1和γ2的显著性。若两者均显著，则证明间接效应显著；若两者中至少有一个不显著，则需要通过Sobel检验进一步判断间接效应存在与否。最后，检验公式(3)中系数γ1的显著性。若γ1不显著，即直接效应不显著，间接效应表现为完全中介效应；若γ1显著，即直接效应显著，则需要进一步判断间接效应的类型。若α1γ2和γ1同号，则存在部分中介效应，其强度大小为α1γ2/β1；若α1γ2和γ1异号，则间接效应是由遮掩效应引起的，其强度大小为|α1γ2/γ1|。

(二)变量选取

1.被解释变量——碳排放强度(CE)

借鉴以往的研究经验，本文采用CO2排放量占GDP的比重来衡量碳排放强度。相比于CO2总量，碳排放强度这一指标更具有可比性[34]。由于目前尚无权威机构发布中国各省市的CO2排放量，本文采用国际上比较认可的《2006年IPCC国家温室气体清单指南》中提供的方法，测算中国省级层面的CO2排放量，具体计算公式为

(4)

式中：CO2it表示i地区第t年的CO2排放量；Eitm表示i地区第t年第m种能源的消耗量，这里参考胡本田等[35]的做法，采用煤炭、石油和天然气这三种一次能源的消耗量；αm和βm分别表示第m种能源的标准煤折算系数和碳排放系数；44/12为CO2与碳原子的质量比。

2.核心解释变量——数字普惠金融发展水平(Index)

本文采用北京大学金融研究中心编制的数字普惠金融发展指数来衡量数字普惠金融发展水平，该指数又可以细分为三个子维度：覆盖广度(width)、使用深度(depth)和数字化程度(digital)。其中，覆盖广度表示每万人拥有支付宝账号数量、支付宝绑卡用户比例以及平均每个支付宝账号绑定银行卡数；使用深度分别从这一新型金融服务涵盖的类型及其使用情况两个层面衡量其实际使用状况；数字化程度分别从移动化、实惠化、信用化、便利化四个维度来考量[36]。为了消除数据之间量纲上的差异，本文对原始的数字普惠金融指数及其分维度指数均做除以100的处理。

3.中介变量

(1)区域技术创新(innovation)。为了更好地衡量区域技术创新水平，本文基于创新产出视角，以每万人人均专利申请授权数来衡量技术创新水平，并对其进行对数化处理。

4.控制变量

为了缓解因遗漏控制变量而产生的内生性问题，本文参考以往的研究文献[38]，引入以下控制变量：(1)经济发展水平(gdp)，采用GDP的对数；(2)人口密度(density)，采用单位城区面积的人口数量；(3)贸易开放度(open)，采用进出口总额占GDP的比重；(4)外商直接投资(fdi)，采用实际利用外商投资额占GDP的比重；(5)能源消费结构(consumption)，采用煤炭消耗量占能源消耗总量的比重；(6)环境保护力度(protection)，采用环境治理投资额占GDP的比重。

(三)数据来源与说明

考虑到缺乏西藏、香港、澳门和台湾的部分相关数据，未将其纳入研究样本。因此，本文以中国30个省市作为研究对象，并选取2011—2019年的数据进行分析。数字普惠金融相关数据来源于《北京大学数字普惠金融指数(2011—2020年)》，环境保护力度代理变量的数据来源于《中国环境统计年鉴》和国家统计局，其余变量的数据来源于中经网统计数据库。样本数(N)为270个，具体的各变量描述性统计见表1。

五、实证结果与分析

(一)基准回归结果

依据模型检验结果，本文选择固定效应模型对数字普惠金融的碳减排效应进行验证，具体回归结果见表2。

表2的回归结果表明，无论引入控制变量与否，数字普惠金融的影响系数均为负，且在1%水平上显著。这表明数字普惠金融的发展有效阻碍了碳排放强度的增加，验证了关于数字普惠金融对碳排放强度具有“抑制效应”的假设。而且从表2也可以看出，列(1)中未引入控制变量，R2较小，模型的拟合效果不好，列(2)中引入部分控制变量时，R2有所提高，列(3)中引入全部的控制变量，拟合度有了很大的提高。从列(3)的回归结果可知，数字普惠金融发展指数每增加1个单位，碳排放强度平均能降低0.2455个单位。另外，从控制变量的回归系数可以看出，经济发展水平和对外开放程度均与碳排放强度呈负向关系，说明经济发展水平和对外开放程度的扩大均能显著抑制碳排放强度的增加；人口密度和能源消费结构的回归系数显著为正，表明人口密度的增加和能源消费结构不合理均不利于碳减排。

(二)稳健性检验

(1)替换解释变量。信贷业务是数字金融推广过程中的一项重要内容[39]，本文以数字普惠金融信贷业务指数作为替代变量来衡量数字普惠金融的发展水平，以此来验证前文结论的稳健性。

(2)缩尾处理。为避免数据异常值对实证分析结果的影响，本文对各变量进行了1%水平的缩尾处理，目的是消除异常值的干扰。

(3)工具变量法。参考汪亚楠等[40]的做法，采用数字普惠金融的一阶滞后项作为工具变量，使用2SLS进行回归分析。

表3列出了稳健性检验的具体结果。表3的检验结果表明，无论是替换解释变量还是对各变量进行缩尾处理，又或是采用工具变量法进行回归分析，数字普惠金融对碳排放强度的影响系数均显著为负，这说明本文的研究结论是十分稳健的。

(三)机制分析

理论分析表明，数字普惠金融可以通过提升区域技术创新水平和促进产业结构优化升级进而影响碳排放强度，为了探讨该作用机制，本文通过构建中介效应模型进行检验，回归结果见表4。

1.区域技术创新传导机制分析

表4中的列(1)、(2)、(3)是回归得到的结果。依据中介效应判断标准，区域技术创新作为中介变量在数字普惠金融影响碳排放强度的过程中表现为部分中介效应，其效应大小为17.47%。列(1)的回归结果表示的是数字普惠金融发展对碳排放强度的影响，与上文一致；列(2)检验了数字普惠金融对区域技术创新的影响，该影响系数在1%的水平上显著，大小为0.3259，表明数字普惠金融的蓬勃发展有助于提升区域创新能力；列(3)验证了数字普惠金融和区域技术创新水平各自作为解释变量对碳排放强度的影响，结果显示数字普惠金融的发展与区域技术创新水平的提升能够有效激励碳排放强度的降低。这表明数字普惠金融通过为企业、科研机构等创新主体提供丰富的融资渠道和方式，有效推动了节能减排、绿色环保等相关技术的研发，提高了区域创新能力，使得碳排放强度得到进一步降低，从而验证了假说H2a。

2.产业结构升级传导机制分析

表4的列(4)、(5)、(6)是回归得到的结果，依据中介效应判断标准，产业结构升级作为中介变量在数字普惠金融影响碳排放强度的过程中表现为遮掩效应，其效应大小为45.32%。列(4)中的回归结果与列(1)一致，均表示数字普惠金融的碳减排效应；列(5)回归结果表明，数字普惠金融发展能够正向促进产业结构优化升级；列(6)显示，在控制产业结构升级这一中介变量后，数字普惠金融对碳排放强度的抑制作用更大，即存在遮掩效应。其原因是数字普惠金融的要素配置效应可以优化产业间的资金配置，合理配置资源，推动产业结构优化升级。同时，数字普惠金融在推动产业结构优化升级的过程中也得到了蓬勃发展。综上，产业结构优化升级促进了数字普惠金融发展，从而增加了数字普惠金融的直接效应而减弱了间接效应。因此，假说H2b得到了验证。

(四)异质性分析

1.类型异质性分析

数字普惠金融指数是一个多维度的概念，共包含三个一级指标：覆盖广度、使用深度和数字化程度。本文进一步从这三个分指数来考察数字普惠金融发展对碳排放强度的结构影响效应，回归结果见表5。

如表5列(1)所示，数字普惠金融覆盖广度的回归系数为负，说明覆盖广度的拓展有利于抑制碳排放强度的增加。其原因可能是基于互联网的新金融模式打破了原有的限制，为更多的企业提供了良好的金融环境，助力产业向环境友好型发展，提升能源资源的利用效率，进而有助于减少碳排放强度。由列(2)可知，数字普惠金融使用深度的回归系数虽为负，但未通过显著性检验，这表明仅依靠数字金融使用深度的拓展并不能真正实现碳排放强度的降低。由列(3)可知，数字普惠金融数字化程度的回归系数为负，表明数字化程度的提升可以抑制碳排放强度的增加，但与覆盖广度影响系数相比，其抑制效用相对较小，原因在于目前数字金融的硬件设备的普及力度不足，数字化程度还有很大的提升空间。

2.区域异质性分析

上文中的基准回归结果已表明数字普惠金融的发展总体上有利于降低碳排放强度，为进一步检验数字普惠金融的碳减排效应在不同地区是否具有普遍性，本文按照惯例，将全样本划分为东部、中部和西部地区三个子样本分别进行回归分析，结果见表6。

尽管目前地区之间数字普惠金融发展水平的差距在逐渐缩小，但数字普惠金融在基础设施、人力资源、制度环境等方面的发展还有待完善，其发展仍存在若干适用性风险，故对碳减排的影响还具有较大的不确定性。由表6数据可知，在东部地区，数字普惠金融与碳排放强度呈显著负向关系，而在中部及西部地区数字普惠金融的影响系数均不显著。其原因在于，相较于中、西部地区，东部地区在经济发展、环境保护等方面更具有优势，并且数字普惠金融在东部地区发展的过程中不确定性和风险性也较低。因此，数字普惠金融在东部地区能够表现出较强的碳减排效应。

3.金融深度异质性分析

本文借鉴涂强楠等的做法[41]，采用传统金融的金融深度的中位数作为金融发达地区和欠发达地区的分界点，研究样本划分完成后，分析数字普惠金融在不同金融深度地区对碳排放强度的影响是否存在异质性。通过表7可知，在不同金融发展水平的地区，数字普惠金融对降低碳排放强度均具有激励作用，且对金融欠发达地区和发达地区的影响系数分别为0.5829和0.1018，这表明数字普惠金融的发展对传统金融欠发达地区的碳减排具有较大的激励作用，进一步说明在实现“30·60”双碳目标过程中传统金融欠发达地区能够表现出一定的后发优势。

六、结论与政策启示

本文运用2011—2019年中国省级面板数据，考察了数字普惠金融对区域碳排放强度的影响作用。研究发现：(1)数字普惠金融的发展对区域碳排放强度表现为显著的抑制作用，即数字普惠金融具有碳减排效应，且通过替换解释变量、缩尾处理以及利用数字普惠金融的一阶滞后项作为工具变量进行稳健性检验后，均证实了该实证结果的稳健性。(2)中介效应分析结果表明，数字普惠金融可以通过提升区域技术创新和促进产业结构升级两种传导路径间接作用于碳排放强度。其中，区域技术创新表现为部分中介效应，而产业结构升级表现为遮掩效应。(3)通过异质性分析发现，数字普惠金融的分维度指标中，覆盖广度的碳减排效应最突出，其次是数字化程度，而使用深度的碳减排效应并不显著；另外，基于地理区位和金融深度的异质性分析中，数字普惠金融在东部地区及金融欠发达地区对碳排放强度均表现为较大的抑制效应。基于以上实证研究结论，本文提出如下政策建议：

第一，加强新一代信息基础设施建设，助力数字普惠金融赋能碳减排。积极推进人工智能、大数据、云计算等数字基础设施建设，加快实现更高质量的互联互通，为数字普惠金融发展提供强有力的基础设施支撑，从而在更广范围、更深层次发挥数字普惠金融的碳减排效应。

第二，考虑区域发展差距，实施异质性治理策略。实证结果显示，数字普惠金融在东部地区及传统金融欠发达地区具有更显著的碳减排效应。基于不同地区的禀赋差异以及数字普惠金融碳减排效应的差距，调整各地区数字普惠金融的发展步伐，加强金融发展互联互通，提升各区域数字金融治理的差异性及协同性。

第三，加大创新投入强度，提升区域技术创新水平，以区域创新抑制碳排放强度。地方政府应鼓励企业开发、引进和应用环保高效的生产技术，为区域创新、企业提高能效、减少碳排放提供资金和政策扶持。同时，各地区借助数字技术的渗透作用促进数字产业化与产业数字化发展，推动产业结构转型升级，提高要素资源利用效率，降低能源消耗和污染，促进碳减排，推动经济绿色可持续发展。