绿色金融支持数字经济发展实证研究

2022-11-17张筌钧陈坚

现代金融 2022年9期

□ 张筌钧陈坚

一、引言

绿色金融和数字经济近些年来表现亮眼。2022年“两会”上，绿色金融与数字经济相辅相成推动中国经济高质量发展，成为焦点话题。《“十四五”规划纲要》明确要求强化绿色发展的法律和政策保障，发展绿色金融，支持绿色创新等要求。李克强总理就曾在2021年《政府工作报告》中提出未来发展新方向是“绿色金融”和“数字经济”。近些年，我国提出了“碳达峰、碳中和”的愿景目标，为绿色金融的发展创造良好的环境和机遇。环保技术革新与环保项目投资运营亟需大量资金支持，因此，绿色金融的作用尤为重要。在当下数字化和绿色化发展的时代背景下，利用绿色金融促进绿色技术创新，优化产业结构，进而带动数字经济又好又快地发展，已经成为一个重要的研究命题。以往的研究主要侧重在绿色金融推动经济高质量发展层面，集中于绿色金融的影响要素、发展趋势和政策框架等问题。但鲜有学者研究绿色金融和数字经济协同发展的具体机制（Lv et al., 2021; 王遥，2016），尤其是绿色金融在支撑数字经济的影响路径，仍然缺乏实证性研究。因此，本文的贡献主要在于提出绿色金融和数字经济发展的中介效应模型，为数字经济与可持续发展的深度融合提供参考。

二、文献综述及研究假设

许多学者从不同的角度展开了探讨绿色金融的概念定义。国务院发展研究中心“绿化中国金融体系”课题组等（2016）认为绿色金融的定义有狭义和广义之分。狭义上是针对绿色金融活动或金融工具，重点在于评估环境管理和生命周期影响的过程，以确定重点的绿色产业及技术；广义上是针对整个绿色金融系统（王柯鉴，2021）。在绿色金融作用机制研究上，马骏（2015）提出，绿色金融能通过资本杠杆和资源再配置的作用，降低交易成本，分散企业从事绿色技术研发与应用面临的风险。绿色金融涉及到大量基础设施投资，将带来了长期成本节约，对于产业数字化和底层技术创新有着引领作用（胡树林，2021）。数字经济可以被分为数字产业化和产业数字化，前者是信息产业和数字产业落地发展，后者是数字技术的跨行业价值链横向部署，从而简化流程，提质增效（Andreoni et al., 2021）。在理论上，绿色金融可通过与上述相关高能耗数字经济产业融合，大力推进相关产业技术革新、降低能耗，从而帮助数字经济实现低碳可持续发展（陈华和沈悦，2022）。

绿色金融能通过涓滴效应，整合绿色资源，促进空间协同创新（Huang et al., 2022）。融资约束一直被认为与企业的创新能力高度相关，而政府补贴和更多元化的资金支持政策有效降低企业的融资成本。Chin-Hsien Yu（2021）认为，绿色金融是解决中国企业绿色创新融资约束的关键。Guoqiang Hu（2021）发现，绿色信贷指引政策对企业的绿色专利产出产生了显着的积极影响。并且，绿色金融中涉及到的基础设施建设，对环境的动态评估和监测都将刺激到数字经济的发展。因此，本文提出假设1。

H1：绿色金融引导技术创新，推动数字经济发展。

绿色金融产值和第三产业的相关性最高（Wang & Wang，2021）。绿色金融通过调整借贷条件来发挥金融杠杆的作用，从而限制高污染、高耗能企业的资金供给，提高企业生产成本，倒逼产业结构调整。吴铮（2019）在研究浙江省金融改革试验区时表明，绿色金融能有效推动数字经济，并且抑制落后产能。绿色金融同样促进产业整合和城乡协同发展，通过赋能三农政策和产业结构转型，利用“长尾效应”，延伸产业链条，助力小农生产与现代农业的衔接（杨林和邹江，2019）。综上，本文提出假设2。

H2：绿色金融促进产业结构高级化，推动数字经济发展。

数字经济被认为是对现有经济过程的颠覆，以及新的经济产业和部门的出现。现有文献往往集中于数字经济的具体应用，如大数据、人工智能等方面（Chen et al.，2022）。然而，数字经济发展是经济逐步接受数字技术，并进行产业分工的过程。在此期间，经济发展、地理位置和人文环境等均会影响绿色金融的赋能效应。随着数字技术的不断迭代，引进数字技术所增加的成本会越来越高（Xue et al.，2022），因此开放程度较高，经济发展水平较高，人力资本雄厚的东部地区在发挥绿色金融对数字经济的趋同效应越强（Xiao，2021）。综上，本文提出假设3。

H3：绿色金融对数字经济的影响存在区域异质性。

三、模型设定与指标选取

（一）模型构建

1.基准模型

为了检验绿色金融对数字经济发展的效应机制，本文首先建立基准模型，评估在产业结构高级化程度、环境规制、人均GDP、城乡收入差距和政府干预等控制变量之下，绿色金融对数字经济高质量发展的综合效应，具体模型如（1）所示。

2.中介模型

根据前人研究，本文认为绿色金融对数字经济发展的影响作用，是通过技术创新和产业结构高级化两条路径实现的，为了检验绿色金融对数字经济的作用机制，本文重点基于中介效应，考察绿色金融通过赋能技术创新（TI）和产业结构高级化（IS），进而促进数字经济发展的作用机制。在式(1)基础上，以技术创新和产业结构高级化为中介变量加入基准模型中，形成如下模型：

本文结合层次回归（Hierarchical Regression Modeling，HRM）方法验证中介作用。借鉴Baron和Kenny（1986），以及国内温忠麟等（2004）的研究，通过如下思路检验中介效应：第一步将（2）式中自变量绿色金融对数字经济发展进行回归分析，判断自变量系数α01是否显著，如显著则进入下一步；第二步则将（3）式或者（5）式进行回归分析，对绿色金融对技术创新、产业结构高级化的影响系数α11的显著性进行判断，如显著则进行下一步；第三步则对（4）式或者（6）式进行回归分析，若α11与α22都显著，则表明存在中介效应，同时根据α21是否显著判断其存在完全中介效应还是部分中介效应。

（二）指标选取

1. 被解释变量

数字经济：由于数字经济近些年方才在我国兴起，缺乏统一的测量工具。在充分客观全面和数据可获得性的基础上，本文计划采用刘军等（2020）研究的数字经济指数评价指标体系，将数字经济指数分解为信息化发展指标、互联网发展指标和数字交易发展指标三个维度进行测量。

2.主要解释变量

绿色金融（GF）：诸多学者从不同角度开展绿色金融方面的评价研究。刘华珂和何春（2021）在综合前人研究基础上，从绿色信贷、绿色证券、绿色保险和绿色投资等四个维度来构建绿色金融指标体系。本文借鉴上述研究的成果，充分考虑数据可获得性，采用绿色投资、绿色信贷、绿色保险和政府支持等四个维度构建指标体系来测量绿色金融，采用熵值法测算。

3.中介变量

技术创新：熊励和蔡雪莲（2021）均曾参考专利数作为衡量技术创新的指标。本文充分研究学界成果之后，决定采用专利申请数衡量技术创新程度。

产业结构高级化：根据产业的发展规律，农业产业比重不断降低，非农化和服务化将是产业未来的发展方向，因此本文借鉴李晓阳等（2020）思路，采用第三产业与第二产业产值之比衡量产业结构高级化，比值越大，表明产业结构高级化水平越高。

4.控制变量

环境规制：政府通过行政等手段，将社会成本转变为个人或者企业成本，从而达到引导个人或者企业生产，使其行为利于环境保护，这就是环境规制。目前，尚未有统一的环境规制测量方法，国内学者刘增荣和何春（2021）提出采用工业污染治理投资完成额占第二产业比重衡量环境规制，本文采用同样的办法。

人均GDP（万元）：这是衡量区域经济发展水平（消费水平）和区域经济发展速度的重要指标。人均GDP可以从宏观经济层面反映出地区间金融和经济发展的差异，因此本文将其纳入控制变量。人均GDP为总产出（GDP总额，即社会产品和服务的产出总额）/总人口。

政府干预：政府干预能从宏观经济层面同时影响绿色金融和数字经济的发展。政策激励可以推动商业银行建立绿色金融事业部，刺激金融产品和服务创新，直接影响金融机构和投资者决策（Emanuele C, et al., 2018）。本文中的政府干预程度主要通过财政支出结构强度来衡量，数值为地区财政支出强度等于地区财政支出总额与地区GDP总额的比值。

城乡收入差距：城乡差距作为国家不平等的重要组成部分，目前，学界衡量城乡收入差距主要有两项指标：一是基尼系数，二是泰尔指数。泰尔指数对于城乡两端收入的变动更为敏感，因而本文选用更具针对性的泰尔指数作为衡量城乡收入差距的指标。泰尔指数越大, 表示城乡收入差距越大。

（三）数据来源与描述性统计

本文选取2014-2020年中国30个省级行政单位（不含港澳台）的面板数据，个别省份由于部分数据缺失，因此不纳入样本。其中，数字经济、技术创新、人均GDP和政府干预、城乡收入差距等变量测度指标的基础数据均来自当年《中国统计年鉴》。绿色金融和环境规制等变量测量的原始数据来源于《中国统计年鉴》、《中国保险年鉴》和《中国工业年鉴》等统计数据。各变量描述性统计如表1所示。

表1 各变量描述性统计

四、绿色金融支持数字经济发展实证研究

（一）基准模型分析

1.相关性分析

在进行回归分析之前，本文需要对各变量开展相关性分析，相关结果如表2所示。从解释变量和被解释变量的相关性情况看，数字经济与绿色金融呈显著正相关关系；绿色金融与产业结构高级化呈显著正相关关系；绿色金融与技术创新呈显著正相关关系；数字经济与产业结构高级化呈显著正相关关系；数字经济与技术创新呈显著正相关关系。另外，从控制变量来看，人均GDP与数字经济呈显著正相关关系，与绿色金融也呈显著正相关关系。上述相关性分析为本文开展回归分析，进一步论证假设提供了一定依据。

表2 相关性分析表

★★表示在0.05水平上显著；★★★表示在0.01水平上显著。

2.基准模型回归分析

通过Hausman检验结果可知，本文的模型设定采用固定效应模型更加合理。同时，本文借鉴张海军和张志明（2020）的研究，采用OLS回归分析和固定效应面板回归分析对模型进行检验，以便互相印证回归结果的可靠性。结果如表3所示，无论是OLS模型还是固定效应面板回归分析模型，绿色金融与数字经济均呈现显著正向影响的关系。在固定效应模型中，绿色金融对数字经济的回归系数为1.450（p＜ 0.01）。这说明绿色金融可以显著提升数字经济发展水平。数字经济包括产业数字化和数字产业化两部分，绿色金融可以从信贷、投融资和保险等领域实现对部分数字产业的资金配置，促成部分绿色化数字产业落地，进而推动数字产业化发展。同时，绿色金融可以引导制造业等传统产业研发和采用数字技术提质增效，减少耗能污染，实现流程数字化、智能化和绿色化，进而推动产业数字化发展。

表3中各主要控制变量结果基本符合预期。人均GDP对数字经济起着显著正向促进作用。人均GDP的提升，会带动网络购物、网络直播、网络视频、网络娱乐、数字文化、在线教育、在线医疗等为代表的数字消费迅猛发展，新消费热点的兴起成为拉动数字经济的新引擎。城乡收入差距的扩大会进一步加剧城乡资源要素分配不均，教育、数字服务等资源供给存在较大差距，进而扩大数字鸿沟，不利于数字乡村建设和数字服务普惠，对数字经济发展起到负向作用。

表3 绿色金融对数字经济发展回归分析表

★★表示在0.05水平上显著；★★★表示在0.01水平上显著；括号内为t值。

（二）中介效应分析

基于中介效应模型检验绿色金融对数字经济发展的作用机制，从表4可以看出。绿色金融对数字经济存在显著正向影响（回归系数为1.45，p＜ 0.01），绿色金融对技术创新存在显著正向影响（回归系数为91.342，p＜ 0.01），绿色金融（回归系数为1.045，p＜0.01）和技术创新（回归系数为0.004，p＜ 0.01）共同对数字经济存在显著正向影响。这说明绿色金融可以通过提升技术创新，从而促进数字经济发展，本文假设1得到支持。绿色金融可以通过引导、调节资源配置，激励技术创新，特别是促进绿色技术创新，提升技术创新效率，推动传统产业数字化转型升级，促进数字经济发展。绿色金融的存在也能解企业资金之“渴”，解企业资金之“困”，在促进企业研发的同时，能为新技术落地提供资金支持，为数字技术落地应用创造良好条件，这也在一定程度上推动数字经济发展。

表4 绿色金融对数字经济中介作用分析表

★★表示在0.05水平上显著；★★★表示在0.01水平上显著；括号内为t值。

上文已证明绿色金融可以促进数字经济发展。绿色金融可以显著正向影响产业结构高级化（回归系数为4.124，p＜ 0.01）。另外，绿色金融（回归系数为1.188，p＜ 0.01）和产业结构高级化（回归系数为0.064，p＜ 0.01）同时显著正向激励数字经济发展。因此，绿色金融可以通过促进产业结构高级化，进而推动数字经济发展。目前，学界对绿色金融促进产业结构高级化作用持有肯定意见。产业结构高级化包含产业结构发展的优势产业由劳动密集型产业向资本密集型产业、技术（知识）密集型产业依次演进的过程。在产业结构高级化进程中，不断催生数字化新场景，例如智慧车间、智能制造等，这些新场景的出现进一步为数字技术广泛应用提出需求，进而重点从产业数字化一侧推动数字经济发展。

（三）区域异质性分析

由于国内不同区域之间的经济发展水平、地理位置和人文环境等方面的影响，因此各地的绿色金融对产业发展、技术创新水平和数字经济的影响也都存在区域间差异。根据表5的分析结果可知，东部地区绿色金融支持数字经济发展的作用较中西部地区更显著，其影响系数0.5873略高于中西部地区的0.5501。在加入技术创新这一中介变量之后，从“绿色金融—技术创新—数字经济”这一传导机制来看，东部地区均较中西部地区更为显著，影响系数更高。这主要是因为东部地区技术资源配置效率较高，形成一系列技术交易和创新机制，为绿色金融通过技术创新这一抓手助推数字经济发展的作用更为强烈。另一方面，从“绿色金融—产业结构高级化—数字经济”这条作用机制来看，东部地区的作用更为明显，其影响系数较中西部地区更高。东部地区面临产业结构升级，承接国际高技术产业转移的任务，同时东部地区经济相对发达，具备产业升级转型的能力。在内部动机和外在有利环境共同作用之下，绿色金融对东部地区产业结构高级化的促进作用会更为显著，由此带动产业数字化和数字产业化发展。与之相较，中部地区在第一产业既不发达、工业化水平相对较低的情况下，绿色金融对于产业升级的作用受到多重因素阻碍，进而影响其对数字经济的作用。

表5 绿色金融支持数字经济发展影响效应的区域异质性检验

N=99 R2 90.16% 50.50% 97.11% 81.25% 90.97%中西部IS 0.0137★TI 0.0012★GF 0.5501★★★ 9.8840★★★ 0.5261★★★ 1.1673★★ 0.5205★★★ES -0.1461 87.918 -0.0365 9.8081★★★ -0.2805 GDPPC 0.0089★★★ 0.8226★ 0.0099★★★ -0.0244 0.0092★★★GOV 0.0042 -0.0605 0.0041 0.0046 0.0041 IG 0.2078 184.9975★★★ 0.4384 4.8857★★ 0.1408常数项 -0.0267 -29.8381★★★ -0.0639 0.167 -0.029 N=119 R2 97.91% 69.86% 97.97% 82.52% 97.93%区域固定效应YES 时间固定效应YES

（四）稳健性检验

为了验证上述结果的稳健性和可靠性。本文采用替换变量方法来进行稳健性检验。徐晓慧（2022）使用数字普惠金融指数（DIE）来刻画我国各地区的数字经济发展轮廓。数字普惠金融指数（DIE）来源于北京大学数字金融研发中心公布的《北京大学数字普惠金融指数》（郭峰等，2020）。本文将数字普惠金融指数代替进行数字经济测量。检验结果如表6所示，尽管各解释变量和被解释变量的回归系数出现一些变化，但是主要的解释变量和被解释变量的显著性分析情况并未改变，绿色金融依然能通过引导技术创新，来推动数字经济发展。同时，绿色金融还可以通过提升产业结构高级化程度，来带动数字经济发展。

表6 基于替换变量法的稳健性检验

五、结论与对策

（一）结论

本文通过构建面板数据模型和中介效应模型探讨了绿色金融对数字经济发展的影响，得出结论：一是绿色金融能通过引导技术创新来推动数字经济发展。绿色信贷、绿色投资等可以加速和优化资金配置，可以有效推动技术创新，进而为产业数字化奠定基础。同时，绿色金融可以推动了协调各基础设施要素和子行业的数字化的运行效率，为数字经济发展创造绿色化的高质量发展环境。二是绿色金融可以赋能产业结构高级化，显著提升数字经济能力。绿色金融通过优化资源配置效率可以通过改善产业结构和产业内部的资源配置等途径实现，推动产业发展向更高水平演进，在产业结构高级化进程中，不断催生数字化新场景，例如智慧车间、智能制造等，这些新场景的出现进一步为数字技术广泛应用提出需求，进而推动数字经济发展。三是绿色金融支持数字经济发展影响效应存在区域异质性，其中东部地区由于技术市场发展更为成熟，产业更新迭代更为高级，所以绿色金融支持数字经济发展作用更为强烈。