数字金融发展与企业环境绩效——基于中国制造业的经验研究

苏玉腾

（河北省社会科学院经济研究所，河北 石家庄 050051）

引言

我国生态文明建设仍然是一个短板，资源环境恶化、生态系统退化的问题也日趋严重，特别是制造企业的污染排放呈高发态势[1]。因此，新发展阶段制造业企业需要在实现经济绩效的同时，要注意环境保护、实现绿色发展。企业要实现绿色发展，离不开资金的支持。在数字经济时代，数字金融作为数字技术和金融行业结合的产物，能否促进企业环境绩效的增长仍是目前研究的重点。鉴于此，本文将利用数字金融和中国工业企业与污染的合并数据，来研究探索数字金融与企业环境绩效之间的关系以及作用机制。

一、文献综述

数字金融（Digital Finance）泛指传统金融机构与互联网公司利用数字技术实现融资、支付、投资和其他新型金融业务模式。黄锐等（2021）[2]认为在创新推动下，数字技术与金融领域的深度融合催生了数字金融，为解决金融与实体两端资金供求衔接不畅的困境提供了现实可能性。张勋等（2019）[3]发现，中国数字金融由公益性小额贷款发展为综合服务金融，在这过程中加之互联网与移动通信等高科技的广泛应用，中国数字金融得到了长足的发展，极大提高了金融服务的可得性与便利性。众多学者也开始研究数字金融对环境的影响，比如赵军等（2021）[4]发现数字金融还可以有效放大金融功能，提升金融对实体经济的服务能力，推动绿色创新和城市高质量发展。惠献波（2021）[5]通过研究发现数字金融可以通过提升技术创新水平、优化产业结构以及缓解资源错配等途径，间接促进城市绿色全要素生产率的提升。

对于企业来说，徐钊等（2021）[6]认为数字金融可以激励企业创新，从而提高资源的利用效率，从而达到污染减排的目标。除此之外，翟华云等（2021）[7]发现企业可以利用数字金融有效掌握消费者的消费能力与消费偏好，从而充分挖掘市场需求，推动资金和企业的绿色技术创新精准融合，给企业的绿色创新提供更多机遇。不仅如此，刘松涛等（2021）[8]认为数字金融也可能通过赋能绿色经济来减少空气污染，段永琴等（2021）[9]发现数字金融可以通过促进技术密集制造业发展等路径有效降低实体经济单位GDP 能耗，从而驱动企业绿色发展。

在对企业环境绩效的作用机制方面，余得生、杨礼华（2021）[10]通过研究发现，数字金融主要是通过降低企业的融资难度来提高企业的绿色创新能力，从而提升企业的环境绩效。张铭心等（2021）[11]认为，现代信息技术具有良好的渗透性、网络型以及系统性等特点，因此数字金融的发展对于纾解企业“融资难、融资贵”具有无法比拟的先天优势。黄锐等（2020）[12]发现，数字金融可以通过优化融资体系以及降低企业融资成本、提升企业透明度等方式，弥补传统金融的不足，缓解企业的融资约束。而且任晓怡（2020）[13]研究发现，数字普惠金融发展水平越高，对降低企业融资约束越有利，并且可以在较长的时间轴内对企业融资约束的纾解形成一个明显的叠加效应。黄益平等（2018）[14]认为，这是因为数字金融具有“成本低、速度快、覆盖广”等优势，万佳彧等（2020）[15]认为，企业可以利用数字金融的这个优势拓宽资金来源，增加融资数量，减轻信贷扭曲程度，推进金融资源的合理配置。盛明泉等（2021）[16]认为，数字金融还可以提升传统金融审批速度，降低企业的信息成本和创新融资成本，激发企业的创新动力，从而缓解企业的融资约束。其次，李朝阳等（2021）[17]通过研究发现，金融中介机构可以利用数字金融增强信息搜索能力，缓解市场中的信息不对称，改善信贷资源错配，使信贷资源在企业间实现更合理的配置，从而为投资者提供更多有关企业投融资决策的信息，缓解了企业的融资约束[15]。不仅如此，马芬芬等（2021）[18]认为，数字金融扩大了金融服务的范围，使缺乏抵押物的企业也能获得信贷支持；还可通过减少信贷发放过程中的寻租活动，缓解企业融资约束。

通过梳理相关文献可知，现有文献仅关注数字金融是否对企业的绿色创新有推动作用，并没有从融资约束的角度探索数字金融对企业环境绩效的间接提升作用。随着大数据、云计算、区块链等数字技术飞速发展，数字金融的优势越来越突出，缓解企业融资约束，对企业的污染减排提供了金融支持。因此，基于国内外的研究基础，本文将从数字金融能否通过缓解企业的融资约束来间接提升企业的环境绩效的角度来进行研究。研究结论不仅可以为企业提升环境绩效提供新思路，又能为企业融资提供有效解决办法，具有重要理论与实践价值。

二、研究设计

（一）模型设计

根据前文理论分析及本文研究目标，设定数字金融发展对企业环境绩效影响的面板数据模型，具体形式如下：

其中，SO2it表示企业i在t时期的二氧化硫排放强度，用单位产值二氧化硫排放量取对数值表示；indexit表示企业i在t时期所处地区的数字金融发展水平和数字金融覆盖广度，分别用用数字金融指数和覆盖广度指数的对数值表示；μi为企业固定效应；νt为时间固定效应；Xit 是企业层面的控制变量；εit为随机误差项。

（二）变量说明

1.被解释变量：二氧化硫排放强度。本文选取企业的二氧化硫排放强度作为被解释变量，构造企业的环境绩效指标。一是因为中国的环境污染主要形式是以煤烟为主的，自燃煤排放大量的SO2对空气的污染尤为严重，大大降低了企业的环境绩效。二是SO2作为我国政府节能减排目标的重要污染物之一，对其排放强度的研究也是十分重要的。三是SO2是世界重点监控的污染指标，会对人类健康造成严重伤害，是国内外学者在研究环境污染问题时经常选用的被解释变量。

2.核心解释变量：数字金融。鉴于研究需要及数据可得性，采用北京大学数字普惠金融研究中心的数字金融数据作为本文的核心解释变量的替代变量，本文主要使用数字金融指数和数字金融覆盖广度两个指标。

3.机制变量：（1）融资约束（SA指数）。本文采用Hadlock与Pierce[22]在2010年提出的SA指数来衡量企业面临的融资约束，该指数采用企业规模（size）和企业经营年限（age）两个指标来构建，计算方法为SA=-0.737*size+0.043*size2-0.04*age。SA 的计算结果为负数，因此绝对值越大表示所面临的融资约束越强。该指数不仅可以从长期的视角来描述企业融资约束的特征，而且具有外生性强、计算简单、测度结果比较稳健以及符合中国企业发展特点等优点，在国内的相关研究中得到广泛的应用。因此，本文将采用SA 指数来测算企业面临的融资约束。（2）技术创新（专利授权量），本文采用地级市专利授权总量和发明专利授权量作为地区技术创新的替代变量。

4.控制变量。为尽可能克服遗漏变量的影响，本文加入了企业、行业以及城市层面的多个控制变量。（1）企业层面的控制变量，包括：企业资本密集度（kl），企业资本密集度是衡量企业要消耗多少资金才能有收入的一种效率指标，资本密集度越低表示企业的投资回报率较高，越有利于其进行绿色创新，本文采用企业总资产与主营业务收入的比值来表示企业资本密集度；企业规模（size），本文将企业员工人数用自然对数处理后来表示企业规模；企业经营年限（age），本文将企业经营年限定义为企业年龄加1再取自然对数；国有企业（soe），在本文的实证中，登记注册为国有企业的企业取值为1，非国有企业取0。外资企业（fie），若企业为外资企业则取1，非外资企业取0。（2）行业层面的控制变量：行业竞争程度（hhi）。本文采用赫芬达尔指数来表示行业竞争程度，该指数的计算方法比较简便，既用行业内企业市场份额的平方和再取对数表示。若一个行业的赫芬达尔指数越高，则说明该行业集中度越高，行业竞争程度也就越低。（3）城市层面的控制变量：城市经济发展水平（pgdp）。本文采用城市人均GDP来表示城市的经济发展水平。

（三）数据来源

本文使用的数据主要来源为：（1）数字金融发展数据库；（2）中国工业企业数据库；（3）中国工业污染源重点调查企业数据库；（4）中国研究数据服务平台（CNRDS）。其中，数字金融发展数据库由北京大学数字金融研究中心与蚂蚁金服公司合作开发，指数涵盖时间范围为2011—2020年中国各省、各地级市的数字金融发展指数和覆盖广度，文章选用了地级市层面的数字金融数据。此外，参照Brandt et al.（2012）[23]、Yu（2015）[24]等的方法，对中国工业企业数据库与中国工业污染源重点调查企业数据库进行处理及匹配，得到一份企业级的污染排放数据集。并鉴于数字金融发展数据和工业企业数据的时间跨度，最终选择了2011—2013年的数据样本进行实证研究。

三、实证分析

（一）数字金融对企业环境绩效的影响

表1汇总了基于全样本估计的数字金融对企业环境绩效既SO2排放强度的影响结果（表中SO2代表二氧化硫排放强度，下表同）。其中第（1）列和第（2）列分别对核心解释变量数字金融的两个指标——数字金融指数和覆盖广度指数两个变量进行回归；第（3）列和第（4）列在此基础上纳入了企业层面的控制变量；第（5）列和第（6）列加入了行业层面的控制变量既赫芬达尔指数；第（7）列和第（8）列又加入了城市层面的控制变量——城市经济发展水平（pgdp）。从回归结果来看，无论是否加入其余控制变量，SO2排放强度的估计系数均显示为负，说明数字金融的发展程度与SO2的排放强度呈负相关，既数字金融的发展程度越高，SO2的排放强度越低，企业的环境绩效越高。以第（7）列和第（8）列的回归结果为例，数字金融指数每提高1%，制造企业SO2的排放强度将平均下降4%；数字金融覆盖广度指数每提高1%，制造企业SO2的排放强度将平均下降2%。回归结果充分说明了数字金融的发展可以抑制制造企业SO2的排放强度，提升制造企业的环境绩效。

表1 基础回归结果

（二）内生性检验

在上述的实证检验中，初步证明了数字金融发展对制造业企业的环境绩效有促进作用，但是数字金融发展与企业环境绩效之间可能存在互为因果关系以及遗漏变量的存在，从而导致模型的计量结果有所偏差。因此为了避免“环境绩效高企业所在的地区数字金融发展水平才高”这一反向因果关系导致的内生性问题，本文参考了谢绚丽等（2018）[19]的做法，使用滞后一期的“城市互联网普及率”作为工具变量，一方面互联网普及率与数字金融的发展密切相关，是数字金融发展的基础；另一方面，一个城市制造企业的环境绩效高低不会影响前一年的互联网普及率。面板工具变量的回归结果如表2所示，其中第（1）列和第（2）列是在工具变量法下，数字金融指数与数字金融覆盖广度对SO2排放强度的回归结果，第（3）列和第（4）列又进一步加入了控制变量。从回归结果看，数字金融发展依然可以抑制SO2排放强度，提升企业的环境绩效，表明本文基本观点稳健可靠。

表2 内生性检验

（三）异质性分析

上述实证结果显示，数字金融的发展可以有效提高制造企业的环境绩效。但是，数字金融在提升企业环境绩效的同时，是否会因为企业所处地区以及行业的不同表现出不同的结果呢？本文将进一步分析其异质性特征。

1.地区异质性检验。我国东部地区和中西部地区、北方地区和南方地区、沿海地区和内陆地区经济发展水平有所不同，不同地区数字金融的发展程度存在差异，对企业SO2排放强度的抑制作用可能也会存在差异。因此，本文将全样本企业分为不同的子样本，进一步考察数字金融对企业环境绩效的地区异质性影响。

根据国家统计局对东中西部的划分，将企业所在地区划分为东部地区和中西部地区两组进行回归，回归结果如表3所示。从结果可以看出，东部地区的组别在1%的统计水平下显著，而中西部地区的组别在5%的统计水平下显著，并且东部地区样本中数字金融、覆盖广度的回归系数绝对值均大于中西部地区样本，从而说明在东部地区数字金融更能抑制SO2的排放强度，促进企业环境绩效的提高。

表3 异质性检验：东部和中西部

根据企业所在地区处于秦岭淮河线以北还是以南，将企业划分为北方和南方两组，回归结果如表4所示。根据结果显示，在北方的组别中回归结果并不显著，在南方的组别中回归结果在1%的统计水平下显著，并且南部地区样本中数字金融、覆盖广度的回归系数绝对值更大，说明数字金融对南方地区企业的环境绩效的促进作用更明显。

表4 异质性检验：北方和南方

根据企业所在城市是否沿海，将样本企业分为沿海和内陆两个组别进行回归，回归结果见表5所示。结果显示，两个组别的计量结果均在5%的统计水平下显著。但是沿海组别数字金融、覆盖广度的回归系数的绝对值要大于内陆组别，说明数字金融对于沿海企业SO2排放强度的抑制作用更强，更能提升企业的环境绩效。

表5 异质性检验：沿海和内陆

上述的回归结果显示，在经济发展水平较高的地区（东部地区、南方地区与沿海地区），数字金融对企业SO2排放强度的抑制作用更强，这可能是因为经济发达地区数字金融的发展水平较高，为企业融资、绿色创新创造了良好的环境，企业有更多的资金进行环境绩效的提升。

2.行业异质性检验。行业要素构成会对企业的环境绩效产生重要影响，一般资本密集型行业的环境绩效也较差。因此本文从企业所处行业是否为资本密集型行业进行异质性检验，分类标准根据谢建国（2003）[20]的方法来进行。检验结果如表6所示，资本密集型组别的回归结果在1%的统计水平下显著，而非资本密集型组别的回归结果并不显著，这表明，数字金融的发展抑制了资本密集型行业的SO2排放强度，而对非资本密集型行业的作用并不明显。因此，处于资本密集型行业企业的环境绩效受数字金融发展水平的影响更大。

表6 异质性检验：资本密集型行业和非资本密集型行业

四、数字金融影响企业环境绩效的作用机制

前文主要围绕数字金融的发展水平对企业环境绩效的影响进行探讨，但是其作用机制还有待分析。因此，本文基于前文的理论分析，选取了融资约束和技术创新两个变量作为机制变量，参考温忠麟等（2014）[21]的方法，来研究数字金融影响企业环境绩效的作用机制。

（一）数字金融、融资约束与企业环境绩效

在表7中，首先报告了作用机制“数字金融-融资约束-SO2排放强度”的检验结果。其中，第（1）列和第（2）列的被解释变量为融资约束（SA），第（3）列和第（4）列的被解释变量为二氧化硫排放强度（SO2）。当融资约束（SA）作为被解释变量时，回归结果在1%的统计水平下显著为负，说明数字金融对融资约束有抑制作用，这是因为数字金融一方面拓宽了企业的融资渠道，降低融资门槛，另一方面可以利用信息技术，消除企业在贷款时面临的信息不对称，提高了贷款可得性。当SO2排放强度作为被解释变量，融资约束（SA）作为解释变量时，融资约束对二氧化硫排放强度的影响结果在1%的统计水平下显著为正，说明融资约束与SO2排放强度成正向相关，说明融资约束越低，SO2排放强度越低。这是因为融资约束的降低增加了企业资金的可得性，企业可以有更多的资金进行环境污染治理与绿色创新。回归结果也与之前的结论相同，既数字金融的发展水平越高，企业所面临的融资约束越低，从而SO2排放强度越低，企业的环境绩效也越好。

表7 作用机制：数字金融、融资约束与企业环境绩效

（二）数字金融、技术创新与企业环境绩效

本部分将研究数字金融、技术创新与环境绩效之间的作用机制。表8报告了数字金融对于技术创新的回归结果。其中，第（1）列和第（2）列显示了数字金融指数和覆盖广度指数对发明专利的检验结果；第（3）列和第（4）列显示了数字金融指数和覆盖广度指数对专利总量的检验结果。回归结果均在1%的统计水平上显著为正，说明数字金融可以促进企业的技术创新。表9报告了技术创新对于SO2排放强度的影响结果，回归结果均在1%的统计水平上显著为负，说明技术创新可以抑制企业SO2排放强度。表8和表9的回归结果显示，数字金融可以通过推动企业技术创新而降低企业二氧化硫排放强度，进而提升企业环境绩效。这是因为数字金融的发展降低了企业的贷款难度，企业有更多资金可以用于技术创新，企业的技术创新可以使企业的资源得到更加合理的配置，企业生产效率得到提高，从而使能源的利用更加高效，有助于降低企业污染排放强度。

表8 作用机制：数字金融对技术创新的影响

表9 作用机制：技术创新对企业环境绩效的影响

五、结论与建议

本文基于选取的样本数据，实证研究并检验了数字金融发展对于企业绩效的影响，并进一步探究了其作用机制。得到了以下结论：一是使用数字金融的两个指标既数字金融指数和覆盖广度指数作为核心解释变量，对企业的SO2排放强度进行回归分析，并经过内生性检验，发现数字金融可以有效降低企业的SO2排放强度，提升企业环境绩效。二是通过异质性检验发展，在经济比较发达的地区既东部地区、南方地区、沿海地区和资本密集型行业，数字金融对于企业环境绩效的提升作用更大。三是通过作用机制分析，发现数字金融是通过降低企业的融资约束以及提升企业的技术创新来提高企业的环境绩效的。

基于以上结论，提出以下建议：第一，完善数字金融发展体系，推动传统金融数字化转型。利用信息技术工具完善数字金融的基础设施建设，鼓励数字金融实现多元化发展，不仅要扩大数字金融覆盖广度，而且要加深数字金融的应用深度，降低数字金融的服务门槛，促进数字普惠金融发展。第二，注重数字金融的地区差异化发展，因地制宜发展数字金融。尤其在经济欠发达地区，要推动网络基础设施建设，加大对数字金融发展的扶持力度，继续推广普及数字金融，完善当地数字金融的服务供给，充分发挥数字金融的普惠特性，加强金融服务在当地的可得性与质量，有效预防金融资源供给不平衡问题的产生，促进当地实体经济发展。而在经济发达地区，强化其金融服务的辐射功能，提高当地企业融资的可获得性。第三，利用数字金融优势，进行数字技术和服务模式创新。借助数字金融的信息识别优势准确筛选出具有发展潜力、有资金需求的制造企业，引导数字金融与制造企业深度结合，推动我国制造企业转型升级，降低企业的融资约束，营造良好的贷款环境，激发企业创新动力，赋能高污染企业绿色发展。第四，打造数字金融监管体系，保障数字金融健康发展。数字金融带来的新型金融业务不同于传统金融，因此要对传统金融监管体系加强变革，制定具有针对性以及灵活性的金融监管政策，加强数字金融行业的理论研究，完善相应的法律法规，出台配套监管制度，有效防范金融系统性风险，做好有关信息披露的相关管理，充分发挥金融监管对数字金融的提质增效作用。第五，鼓励企业绿色创新、可持续发展。出台相应政策，对于企业的绿色创新给予政策补贴，鼓励制造业企业进行创新研发，促进制造企业的产业结构升级，加大创新人才培养力度，并且加大市场化激励机制建设，制定环境规制，助力企业提升环境绩效水平。