区域数字经济对企业绿色金融的影响研究——基于我国上市公司实证数据

李丹（副教授）

（顺德职业技术学院商学院 广东佛山 528333）

一、引言

为了实现可持续发展，2015 年党的十八届五中全会提出了绿色发展理念。2022 年全国两会的三份报告《政府工作报告》《关于2021 年国民经济和社会发展计划执行情况与2022 年国民经济和社会发展计划草案的报告》和《关于2021 年中央和地方预算执行情况与2022 年中央和地方预算草案的报告》均凸显了绿色发展理念，“推动绿色低碳发展”成为政府工作、国民经济和社会发展计划的主要任务。近年来，绿色金融已成为促进绿色经济发展、促进我国产业结构升级的有效途径，自上而下的政策推动和自下而上的实践创新密切结合，形成了具有中国特色的绿色金融发展路径，为推动我国的绿色发展发挥着巨大作用。

2022 年，国务院印发的《“十四五”数字经济规划》指出，到2025 年，数字经济核心产业增加值占GDP 比重达到10%。党的二十大报告指出，要“加快发展数字经济，促进数字经济和实体经济深度融合”。数字经济是一种有效应用信息和通信技术（ICT）的新经济形式。基于高科技技术，它可以提高预测精度，减少金融市场中的信息摩擦。现有的研究已经发现，数字经济可以驱动全要素生产率，加速传统金融业的转型，推动技术创新，提高经济效率，促进高质量经济发展。然而，关于数字经济对企业绿色金融的影响，现有的研究成果仍然较少。数字经济与企业绿色金融发展之间的关系是什么？数字经济影响企业绿色金融发展的机制是什么？本文将基于我国上市公司数据，通过理论与实证分析结合的方法对这些问题进行探讨。

二、相关文献与假设提出

（一）绿色金融

国内外学者对绿色金融发展进行了深入研究，包括绿色金融起源与界定，绿色金融政策及其工具，绿色金融发展水平、机制及其实现路径，绿色金融的经济后果。G20 绿色金融综合报告（2016）指出，绿色金融是通过为项目投资和融资提供金融服务和产品，支持环境改善和资源节约，应对气候变化的金融活动。Salazar（1998）认为，绿色金融是一种金融创新，是金融业与环境产业之间的桥梁［1］。Labatt 和White（2002）认为，绿色金融是改善环境质量和转移环境风险的金融工具［2］。许多学者讨论了绿色金融的经济后果。在宏观层面，绿色金融存在空间溢出效应，降低了碳排放强度。在微观层面，绿色金融改善了绿色上市公司的融资便利性［3］。我国承诺2060 年实现碳中和目标，环境压力促使我国政府积极发展绿色金融，以平衡经济发展与环境保护之间的矛盾。绿色金融可以在资本杠杆和资源再分配中发挥重要作用，促进从高污染产能过剩产业向低污染绿色产业的过渡，促进绿色经济发展。

（二）数字经济对绿色金融的影响

绿色金融涉及融资行为和投资行为。从融资角度来看，由于信息不对称等原因企业很难从银行贷款或从私募股权中获得资金。从投资角度来看，企业更有可能投资信息优势带来的高回报的金融资产，而不是低回报的绿色项目。当缺乏投资者关注时，企业可能会减少其绿色活动和项目，从而增加污染控制成本。随着高科技的发展，数字经济可以减少金融市场中的信息不对称，影响绿色金融的融资和投资行为。已有文献主要从融资效应、回报效应和关注效应方面研究数字经济对企业绿色金融的影响机制。

第一，由于高不确定性和低回报，涉及绿色金融活动的企业会受到融资约束的限制［4］。然而，随着数字经济的发展，新兴技术正日益与实体经济融合。互联网、大数据和人工智能等数字技术的应用可以帮助金融机构更有效地评估企业，更全面地获取企业运营信息。数字技术提供的这些新的金融工具和金融服务可以改善资本和信贷比率的配置，从而进一步降低绿色产业融资成本，提高绿色产业的市场份额［5］。因此，数字经济可以降低绿色产业融资成本，促进绿色金融的发展。

第二，传统经济模式下的企业大多以利润为导向，这使得它们倾向于投资高回报的金融资产。如果企业将更多资源配置到金融资产上，就会减少绿色项目的投资，不利于绿色金融的发展［6］。然而，计算技术的进步和基于大数据的技术可以提高金融资产的预测准确性，并提高金融市场的价格信息性［7］。也就是说，数字经济可以提高将市场信息纳入资产定价的力度，减少信息不对称，从而缓和金融资产的价格波动，进而降低资本回报率。一旦企业减少持有金融资产的意愿，他们可能会增加绿色活动和投资，这将促进绿色金融的发展。

第三，一些企业可能会因为额外的污染控制成本或担心不利的市场反应而掩盖企业的污染问题。然而，绿色金融政策要求企业披露环境保护信息，遵守环境法规。同时，金融机构将根据披露的信息决定是否对其进行投资［8］。基于大数据技术的数字经济可以改善环境信息披露质量，更全面地评估企业的环境信息，提高投资者的关注度。信息披露和投资者关注度的提高促使企业增加绿色项目和投资，进而有利于绿色金融的发展。

基于以上分析，本文提出以下研究假设：

假设1：数字经济促进了企业绿色金融的发展。

假设2：数字经济通过减少融资约束、减少金融资产的超额回报和提高投资者关注度，促进了企业绿色金融的发展。

三、研究设计

（一）样本选择和数据来源

本文选择2011—2021 年我国A 股市场不同省份的IPO 公司作为统计分析样本。考虑样本数据的有效性，在进行实证分析之前剔除数据缺失、不完整、不全面的企业。数据信息来源于WIND 数据库和 CSMAR 数据库、沪深证券交易所网站、巨潮资讯网。数字经济数据来自巨灵金融信息系统和国家统计局。为了消除异常值的影响，对数据按照上下1%进行缩尾处理。最终的样本包括12 938 个公司年的观察数据，涉及2 613 家公司和31 个省份的可用数据。

（二）变量定义

1.自变量——数字经济综合发展指数。借鉴已有文献进行变量筛选，从数字金融包容性、互联网渗透率、通信基础设施服务能力、软件和信息技术服务水平、通信服务水平和金融科技渗透率六个维度构建数字经济测度指标体系，运用主成分分析法计算出数字经济综合发展指数，并以此作为自变量，以DE 表示。

数字金融包容性采用北京大学数字金融研究中心和蚂蚁金服集团联合编制的数字普惠金融发展指数（PKUDFIIC）［9］。互联网渗透率包括互联网和移动互联网的发展以及互联网用户的百分比。通信基础设施服务能力包括通信基础设施开发、手机开发和计算机开发。软件和信息技术服务水平包括电子商务的发展、软件和信息技术的发展水平以及信息技术的数量。通信服务水平包括信息能力、移动互联网能力、移动互联网发展水平和互联网宽带水平。金融科技渗透率是指区域金融技术的发展水平，是巨灵金融信息系统根据金融科技相关的48 个关键词，每年搜索省份的数量和频率的对数值。详见表1。

表1 区域数字经济发展指标

2.因变量——企业绿色金融发展指标。绿色金融是绿色产业的金融投资和活动。根据中国人民银行发布的报告，本文将绿色金融定义为支持环境改善、应对气候变化和资源节约高效利用的经济活动，即对环保、节能、清洁能源、绿色交通、绿色建筑等领域的项目投融资、项目运营、风险管理等所提供的金融服务。本文将企业绿色金融定义为涉及企业融资行为（即债券融资、股权融资、可转换债券）和投资行为（即债券投资、基金投资、股票投资、基础设施投资、项目投资）的绿色金融项目，包括节能技术减排措施、绿色城镇化、常规能源的高效环保利用、新能源开发利用、循环经济发展、水资源节约、非常规水资源开发利用、污染防治、生态农林、节能环保产业、低碳产业、生态文明试验区、低碳试点示范等。为获得平稳数据，考虑到当数据为非负数据且有较多 0 时，尽可能保留更多的样本，因此采用1 加上企业绿色投融资项目总规模的自然对数作为企业绿色金融发展指标，即ln（1+x），并以此作为因变量，用GF 表示。

3.控制变量。本文选取代表企业特征、行业特征、区域特征的控制变量，从而使模型结果更加客观。首先，选取代表企业特征的控制变量，包括资产负债率（L）、资产回报率（ROA）、主营业务收入增长率（RG）、固定资产比率（FA）、净资产与公司市值的比率（BM）。其次，选取可能影响企业绿色金融的行业竞争指数赫芬达尔-赫希曼指数（HHI）作为代表行业特征的控制变量。再次，区域特征的控制变量包括两个指标：各省人均GDP 的自然对数（GDP）和市场化进程总分（MP）。

（三）模型构建

本文采用普通最小二乘回归模型来检验前面提出的假设，如下所示：

其中，i 代表公司，t 代表年份。绿色金融发展指标GFi，t衡量公司i 在第t 年的绿色金融发展水平。DEi，t衡量公司i 在第t 年的数字经济发展水平。Controlsi，t是一组控制变量。μi表示不随时间变化的单个固定效应，δt代表控制年份固定效应，εi，t表示随机干扰项。

此外，本文还从融资效应、回报效应和关注效应三个维度探讨数字经济影响企业绿色金融的内在机制。本文采用逐步回归的中介效应方法探讨了这些机制。检验中介效应的模型如下：

其中，Medi，t是中介变量之一，包括融资约束、金融资产超额回报和投资者关注度。i 指公司，t 指年份，控制变量与模型（1）一致。

四、实证结果与分析

（一）主要结果

由表2 可知，所选样本的数字经济综合发展指数（DE）的均值为7.9101，标准差为3.6708，企业绿色金融发展指标（GF）的均值为4.6530，标准差为4.5540，其他控制变量数值如表2 所示。

表2 基本描述统计量

本文采用面板固定效应模型来检验数字经济对企业绿色金融发展水平的影响。表3 显示了数字经济对企业绿色金融的基准回归结果。本文发现，在基准回归中逐步加入所有控制变量后，数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）在5%的统计水平上显著正相关，这个结果支持了本文提出的假设1。

表3 基准回归系数表

同时本文也发现，在控制变量中，净资产与公司市值的比率（BM）与企业绿色金融的发展水平呈显著的正相关关系，显著性水平为1%，由于BM 与市净率呈反比关系，BM 值越高表明市净率越低，一般来说市净率较低的股票，投资价值较高，企业绿色金融发展水平也明显较高。赫芬达尔-赫希曼指数（HHI）与企业绿色金融的发展水平呈显著的负相关关系，显著性水平为1%，表明行业竞争的激烈程度会明显降低企业绿色金融的发展水平。

（二）异质性分析

为了验证提出的假设在不同样本之间的传导是否存在差异，本文进一步探讨了数字经济的异质性对企业绿色金融发展的影响。

公司特征方面，根据资产回报率（ROA）中位数将上市公司分为高盈利能力公司组和低盈利能力公司组进行异质性检验，结果如表4 所示。高盈利能力公司的数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）在5%的水平上呈显著的正相关关系，由此证明，与低盈利能力公司相比，数字经济的发展对高盈利能力公司绿色金融的促进作用更为显著。

表4 公司异质性分析

行业方面，按照国家划分的七大新兴产业：节能环保、新兴信息技术、生物产业、新能源、新能源汽车、高端装备制造业、新材料，将样本公司分为两组，一组为新兴行业，另一组为非新兴行业，回归结果见表5。非新兴行业公司的数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）在5%的水平上显著正相关，表明在非新兴行业数字经济的发展对企业绿色金融的促进作用更为显著。

表5 行业异质性分析

（三）内在机制

上文的实证结果支持了数字经济与企业绿色金融发展显著正相关的假设，下面将进一步从融资效应、回报效应和关注效应三个方面探讨数字经济促进企业绿色金融的内在机制。

1.融资效应。根据前文建立的中介效应模型，检验融资约束是否是数字经济促进企业绿色金融发展的一种可能机制。融资约束通过两个指标来衡量：贷款增长率（LR）和贷款余额（LB），指标值越高，表明企业受到更少的融资约束。本文首先使用贷款增长率作为中介变量来检验中介效应，表6 结果显示，贷款增长率（LR）与数字经济综合发展指数（DE）、贷款增长率（LR）与企业绿色金融发展指标（GF）的系数均不显著，需要使用Sobel 检验进行进一步的测试。结果表明Sobel Z 值为1.723，在10%的水平上显著，这表明以贷款增长率衡量融资约束时存在部分中介效应。同样，本文检验了贷款余额的中介效应，结果显示贷款余额（LB）与数字经济综合发展指数（DE）及企业绿色金融发展指标（GF）的系数均显著，表明以贷款余额衡量融资约束时存在中介效应。表6 数据显示，DE、GF 均与LR、LB呈正向关系（即DE、GF 均与融资约束呈反向关系），表明数字技术可以改善资本和信贷比率的配置，减少融资约束，降低绿色产业融资成本，促进企业绿色金融的发展。

表6 中介效应：融资约束

2.回报效应。为了检验金融资产超额回报是否是数字经济促进企业绿色金融发展的一种可能机制，本文采用中介效应模型，将金融资产超额回报定义为中介变量。将衡量金融行业企业的平均ROE（或ROA）与涉及绿色金融的特定企业的ROE（或ROA）之间的差异，作为金融资产超额回报的指标。首先使用基于ROE 的金融资产超额回报（exROE）作为中介变量，表7 结果显示，基于ROE 的金融资产超额回报（exROE）与数字经济综合发展指数（DE）的系数不显著，因此需要进行Sobel 检验。Sobel Z 值为4.904，在1%的水平上显著，证实了中介效应的存在。同样，当中介变量根据表7B 组中基于ROA 的金融资产超额回报（exROA）来衡量时，也存在中介效应。表7 中的数据显示，DE、GF 均与exROE、exROA 呈反向关系。综上可知，金融资产超额回报在数字经济和企业绿色金融之间起着中介作用，数字经济的发展通过减少金融资产的超额回报，促进了企业绿色金融的发展。

表7 中介效应：金融资产超额回报

3.关注效应。在检验关注效应时，本文使用两个指标来衡量投资者的关注度，包括分析师数量（Analyst）和新闻数量（News）。分析师数量是由来自金融机构的分析师发布的对该公司的预测和评级的数量来衡量。新闻数量是根据特定上市公司的新闻与我国A 股市场上所有上市公司的新闻比率来衡量。关于公司的预测和评级信息来自于Wind数据库，企业新闻的相关信息来自CSMAR 新闻数据库。

采用中介效应模型进行实证检验，表8A 组结果显示了中介变量为分析师数量的回归结果，B 组结果显示了以新闻数量为中介变量的回归结果。研究发现，分析师数量（Analyst）和新闻数量（News）与数字经济综合发展指数（DE）的系数均不显著，这表明需要进行Sobel 检验。根据表8 中的中介效应模型回归结果和Sobel 检验结果，可以得出结论：无论投资者关注度是由分析师数量还是新闻数量来衡量，都存在中介效应。表8 中的数据显示，DE、GF 均与Analyst、News 呈正向关系，表明通过提高投资者的关注度，数字经济可以改善企业绿色金融的发展。

表8 中介效应：投资者关注度

从以上分析可知，假设2 得到了支持，即：数字经济可以通过减少融资约束、减少金融资产的超额回报和提高投资者关注度来促进企业绿色金融的发展。

（四）稳健性测试

1.解决内生性问题：IV 估计。本文采用工具变量法（IV）来解决内生性问题。选择具有滞后期的数字经济综合发展指数（DE）作为工具变量，原因有两点：首先，具有滞后期的数字经济综合发展指数与数字经济发展指数直接相关；第二，具有滞后期的数字经济综合发展指数与当前时期企业绿色金融的发展无关。下页表9 第（1）列中显示了工具变量法（IV）的检验结果，数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）在1%的统计水平上显著正相关（t 值=5.84），由此可见，数字经济对企业绿色金融仍然存在显著的正向影响，支持基准回归结果。

表9 稳健性测试

2.控制行业政策的影响。考虑到企业绿色金融可能会受到行业宏观政策的影响，本文在模型中引入了行业虚拟变量和年份虚拟变量之间的相互作用项。下页表9第（2）列显示了控制“行业×年份”后（即控制行业政策后）的结果，数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）仍在5%的统计水平上显著正相关（t 值=2.23）。显著性系数结果表明，控制行业政策影响因素后，数字经济的发展刺激了企业绿色金融，这与本文的基准回归结果一致。

3.企业绿色金融发展水平的替代变量。本文使用企业绿色金融的另一个衡量指标来测试稳健性，即采用企业绿色金融发展指标（GF）的替代变量重复基准回归分析。前文中绿色融资的定义是指涉及融资行为和投资行为的绿色融资项目的绝对规模，现将替代变量定义为绿色投融资项目总规模与企业资产的比率。下页表9 第（3）列显示，采用替代变量后，数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）仍在5%的统计水平上显著正相关（t 值=2.03）。由此表明，用绿色金融的相对指数来代替基准模型中的绝对指数，数字经济对绿色金融仍然表现出显著的正向影响。

4.控制时间趋势。为了研究时间趋势的影响，本文在基准模型中控制了时间趋势（t）和时间趋势的平方项（t2），并在表9 第（4）列中列示结果。数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）仍在5%的统计水平上显著正相关（t 值=2.24）。这一结果表明，基准回归结果不受时间趋势的影响。

5.消除行政因素的影响。北京、上海、天津和重庆这四个城市从地方和中央政府获得了更多的经济资源和政策支持，使其发展明显优于周边城市或地区。因此，本文从完整样本中排除了这四个直辖市，回归结果如表9 第（5）列所示。数字经济综合发展指数（DE）与企业绿色金融发展指标（GF）仍在10%的统计水平上显著正相关（t 值=1.89），表明消除行政因素影响后，基准回归结果仍然稳健。

五、结论与启示

（一）结论

本文基于2011—2021 年我国A 股市场IPO 公司的面板数据，探讨了数字经济与企业绿色金融之间的关系。本文首先构建了数字经济综合发展指数和绿色金融发展指标，并得出了以下几个主要结论：第一，数字经济对企业绿色金融的发展具有积极影响，这种积极效应在高盈利企业和非新兴行业中更为显著。第二，数字经济可以通过减少融资约束、减少金融资产的超额回报和提高投资者关注度来促进企业绿色金融的发展。第三，控制行业政策、时间趋势、行政因素，采用绿色金融替代变量及解决内生性问题后，数字经济与企业绿色金融仍然显著正相关，基准回归结果通过了稳健性测试。

（二）启示

根据以上实证结果可以得到以下几点启示：（1）企业绿色金融要突破瓶颈深度发展，需要通过先进的数字技术手段和经济激励措施，协调政府、企业和金融机构的关系，形成合作共赢的新局面，数字经济在与企业绿色金融融合过程中也会不断衍生出新模式和新业态。（2）政府部门应高度重视发展区域数字经济，加大投资力度，加快数字经济的基础设施建设，提高数字技术基础研发能力，充分挖掘技术红利，探索数字经济模式创新，完善数字经济政策体系，推动数字经济与实体经济的深度融合，引导实体经济向绿色低碳、可持续发展的方向转变。（3）实证表明，数字经济能够缓解企业融资约束、减少金融资产超额回报、提高投资者关注，促使企业增加绿色项目和投资，推动企业绿色金融发展。为此，金融机构应加快推动数字化转型，将数字技术全面赋能绿色金融发展，引导资金流向绿色低碳项目和领域。政府应加强宏观层面的政策扶持，完善数字化金融服务政策体系，充分发挥市场对于资源配置和企业治理的作用，为企业绿色发展提供良好的外部环境。（4）企业应紧跟数字经济和绿色低碳发展的政策红利，树立绿色发展理念［10］，加大绿色产品与技术开发，充分利用数字技术，提升绿色融资能力，提高自身核心竞争优势，从而实现企业价值跃升。