空间溢出视角下数字金融对碳排放的影响研究——基于财政分权的调节作用

陈丽楠,黄新焕

〔福建师范大学 经济学院,福建 福州 350007〕

一、引言

在工业化与城市化进程的推动下中国经济飞速发展,但随之而来的能源消耗与二氧化碳大规模排放引发一系列环境问题,碳减排形势日益严峻。为此,中国在探索绿色低碳经济发展模式和应对全球气候变化中做出极大努力。2020年9月习近平主席在联合国大会上公开宣布“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”。在世界碳减排事业中,中国展现有责任、有担当的大国形象,表明自己的碳减排态度与决心。目前中国已将碳排放强度降低率作为约束性标准体现在国民经济和社会发展中长期计划中[1],地方政府也从省级、市级层面将碳排放强度指标囊括进环境绩效与高质量发展绩效的评估标准中[2],以期减少碳排放,实现经济绿色发展。

金融是提高资源配置效率的核心要素[3],伴随着互联网、云计算、区块链等前沿性信息技术的发展,数字金融这一新技术驱动型金融模式脱颖而出[4],逐步成为传统金融体系的有力补充[5]。数字金融的重要特征是通过突破时空限制、压缩地理距离来调动金融资源,促进区域间经济活动的辐射和联动,对区域经济活动产生空间溢出效应。那么,在此过程中,数字金融是否也会对碳减排产生空间溢出效应[6]?此外,财政是政府职能的化身,贯穿于政府资源配置、稳定与发展经济、开展环境保护的全过程。在中国分税制的财政分权体制中,中央政府分散财政控制,对地方政府经济发展与税收增长予以激励[7]。财政分权在推动地方政府治理环境污染中的作用也不容忽视。在此背景下,探究数字金融能否通过空间溢出效应有效降低碳排放,财政分权在此过程中是否发挥作用及发挥何种作用,具有重要的现实意义。

二、文献综述

国内外学者关于数字金融对碳排放的影响效应研究主要分为两种观点,一种观点认为数字金融抑制碳排放。邓荣荣、张翱祥[8]利用中国地级市数据开展实证研究,认为数字金融发展有利于减少碳排放强度、提高碳排放效率,进而有效提升全国范围内的碳排放绩效。姚凤阁等[9]则利用中国省级数据测算碳排放效率,认为数字普惠金融能够显著提高碳排放效率。许钊等[10]发现数字金融凭借创业创新效应与产业优化效应降低了碳排放,具有显著的降污减排作用。另一种观点认为数字金融增加碳排放。范庆倩、封思贤[11]认为数字金融具有增产效应,其会增加传统能源消费模式下的产出进而增加碳排放。Zaidi等[12]基于经合组织23个国家的面板数据,发现数字金融促使能源消费增加,进而提高经合组织国家的碳排放水平。现有关于财政分权的研究,学者们更多讨论财政分权如何直接影响碳排放。如李艳红[13]利用四种指标表征我国省级财政分权程度,实证分析后得出财政分权不利于减少碳排放量的结论。郑万吉和叶阿忠[14]利用S-PSLM模型实证发现财政分权度对碳排放增长率的作用呈先增加后减少的“倒U形”。曲亮等[15]基于28个省的省级面板数据,研究发现适当的财政分权促进CO2减排效率,过度的财政分权抑制碳减排。此外,也有部分学者关注财政分权在绿色信贷[16]、节能环保支出[17]、环境规制[18]对碳排放的影响过程中发挥的作用。

现有文献在以下方面仍具有一定完善空间:一是关于数字金融与碳排放的研究大多从空间独立视角考虑,未将空间关联置于研究框架中展开分析,而数字金融与碳排放的空间联系是不可忽略的;二是仅有部分文献分析财政分权对碳排放的影响,但较少涉及关于财政分权能否对数字金融影响碳排放产生调节作用的研究。因此,本文基于2012—2019年中国30个省市自治区面板数据,探究数字金融对碳排放强度的直接效应与空间溢出效应,并利用调节效应模型探究财政分权在数字金融影响碳排放强度过程中的作用。本文可能存在的边际贡献在于:第一,从空间效应视角考察数字金融对本省碳排放的影响,同时考虑其对周边省份碳排放的空间溢出效应。第二,将财政分权作为调节变量加入数字金融对碳排放强度的影响分析中,探究财政分权的调节作用。

三、理论基础与研究假设

1．数字金融与碳排放

相比于数字金融对碳排放的增加,数字金融的碳减排效应更加突出。数字金融主要从以下几方面影响碳排放:第一,数字金融利用数字技术在线上进行融资、支付、投资的模式本身就是一种低碳环保的体现,这种新型金融业务模式降低企业与个人的交易成本,减少其往返金融机构所增加的碳排放[8]。减少线下网点数量与无纸化办公,通过传统金融数字化的形式降低金融行业带来的碳排放[11]。第二,数字金融能够通过新型数字技术高效准确获取金融机构利益者的信息,缓解金融机构与企业间信息不对称的负面影响[19],也能降低政府的信息搜寻成本,助其完成科学决策与精准调控,实现金融市场资源优化配置[20]。第三,数字金融有助于企业缓解融资约束、拓宽融资渠道和改善融资环境,使企业具有充裕资金基础使用可再生能源和节能技术来代替传统燃料,优化升级企业的能源消费构成[21],限制资金流向高污染企业,引导其流向低耗能、低污染企业[8],从而实现节能减排。

金融的发展会引发对周边省份的溢出影响,具有空间集聚性的数字金融同样会影响周边省份碳排放的变化。数字金融的数字化特征打破了空间壁垒,缓解周边省份企业的绿色融资约束,同时其技术溢出与学习效应[22]使得先进绿色减排技术能够被周边地区学习与借鉴,共同推动周边省份产业绿色低碳化转型升级,从而降低碳排放。据此本文提出假设1。

H1:数字金融的发展对碳排放具有抑制影响,且对周边省份碳排放具有正向空间溢出效应。

2.数字金融、财政分权与碳排放

财政分权给予地方政府在财政支出与资源配置上较大的自主度与裁决权,允许地方政府在中央政府的激励与约束下自主决定地方支出的规模与结构,对环境保护规划与双碳目标的实施具有重要作用[23]。而事实上,财政分权也会影响数字金融的发展,对数字金融影响碳排放的效果产生不确定性影响。

碳排放作为环境公共物品而存在的外部性特征会使得地方政府存在“搭便车”行为[24]。积极碳减排具有正外部性,但需地方政府投入较多的资金、人力等要素,在缺乏相关激励相容机制的情况下,地方政府会选择“免费搭便车”的策略,减少财政支出[16]。此外,在强调GDP或其他经济指标的政绩考核与经济利益最大化目标的指引下,地方政府可能会忽略数字金融中节能减排项目的配比,甚至会干预金融机构原本的资源配置[25],引导资金投入高污染但同时高收益的“税收大户”企业[16],获得更多的财政收入。综上得出,财政分权削弱数字金融对碳排放的抑制效果。

此外,地方政府自主地掌握财政有利于减少信息不对称[26],更有动力引领数字金融辨别更具绿色效率与创新性的投资项目,提高可持续发展能力。财政分权体制下地方政府更有动力监督与核查数字金融的实施进展,及时调整和优化资源配置,实现更大的碳减排绩效[16];同时,地方政府的财政自主度越高,意味着拥有更多的财政自主资金去助推数字金融向绿色低碳企业提供更充足的资金与更多的融资机会,从而减少碳排放。综上得出,财政分权强化数字金融对碳排放的抑制作用。

基于以上分析,本文提出假设2。

H2a:财政分权削弱数字金融对碳排放的抑制影响,存在负向调节作用。

H2b:财政分权强化数字金融对碳排放的抑制影响,存在正向调节作用。

四、研究设计

1.模型构建

我国各省份之间存在紧密相关的空间联系与经济联系,一省数字金融的发展会对全空间域产生影响,一省的碳排放同样也存在一定空间依赖性与空间相关性[27]。省份间空间效应的存在使得经典计量模型的实证结果存在偏误,因此需要借助空间计量模型展开分析。建立空间计量的前提条件是变量在空间分布上存在自相关性,莫兰指数是检验变量空间自相关性的常用统计量。具体计算公式如下:

(1)

其中,i、j表示省份,wij为空间权重矩阵的元素,指数I取值介于[-1,1]之间,大于0时即存在空间正相关性;小于0时即存在空间负相关性。

为了研究数字金融对碳排放的空间效应,将构建空间杜宾(SDM)模型进行实证分析。模型的具体设定为:

(2)

为了进一步研究财政分权对数字金融影响碳排放的调节作用,在模型(2)中添加数字金融与财政分权的交互项,以明晰财政分权的调节效应。模型的具体设定为:

(3)

其中,CI为碳排放强度,DF为数字金融,FD为财政分权,Contr为控制变量集合,ρ为空间自回归系数,α1、α2、β为变量回归系数,γ1、γ2、ζ为空间滞后项系数,μi和φt为省份个体、时间效应,εit为随机干扰项。

2.变量选取

(1)被解释变量

碳排放强度(CI):采用二氧化碳排放总量与地区GDP的比值,即单位产出的碳排放量测度。二氧化碳排放总量CO2选取8种化石燃料利用IPCC碳排放量公式综合计算得到,计算公式如下:

(4)

其中,Ek表示能源消费量,CEFk为能源碳排放系数。

(2)核心解释变量

数字金融(DF):参考相关文献[28],采用由北京大学数字金融研究中心与蚂蚁集团共同编制的中国数字普惠金融指数[29]作为数字金融的代理变量。该指数计算了省、市、县级层面的数据,本文使用省级数字普惠金融总指数作为核心解释变量进行实证研究。

财政分权(FD):参考相关文献[7],采用各省预算内人均本级财政支出与中央预算内人均本级财政支出的比值来衡量,该指标属于财政支出分权指标,且通过人均化处理控制了人口数量的影响,是一种实际分权程度的刻画。

(3)控制变量

考虑碳排放强度是一个受经济、社会等多因素影响的环境问题,因此参考相关文献,选择部分宏观经济指标作为本文的控制变量。经济发展水平(PGDP)利用人均GDP来表示[9];产业结构(IND)利用第三产业增加值占地区GDP比重表示[30];城镇化水平(URB)利用城镇总人口占全部人口比重来表示[11];科技创新水平(TEC)采用科技支出占地区GDP比重表示[9];交通资源配置(TRA)利用公路里程数与区域面积的比值表示[8];传统金融发展水平(TF)利用传统金融机构(银行)年末存贷款之和与地区GDP的比值表示[8]。

3.数据来源

结合各数据的可得情况,本文采用中国30个省份2012—2019年的面板数据(因部分数据缺失不可获得,未将西藏以及港澳台地区纳入研究),并对各指标进行对数化处理。其中,碳排放数据来源于《中国能源统计年鉴》,其他数据来源于《中国统计年鉴》、各省份历年统计年鉴、中国研究数据服务平台(CNRDS)等。

五、实证结果与分析

1.空间自相关检验

表1 各省份碳排放强度的Moran’s I指数

2.基准回归结果与分析

在两种空间权重矩阵设定下,通过LM检验、Wald检验和LR检验确定选择SDM模型而非SEM模型或SAR模型进行实证研究;通过Hausman检验与似然比LR检验确定使用个体、时间双向固定效应下的SDM模型进行基准回归。参数估计结果如表2所示。由表2可知,在两种空间权重矩阵设定下,核心解释变量DF的回归系数在5%的水平下显著为负,空间自回归系数ρ在不同显著性水平下显著,故认为数字金融对碳排放强度的影响具有空间效应。

表2 空间杜宾模型参数估计结果

由于空间计量模型中点估计结果存在偏误,即无法准确量化解释变量对被解释变量的实际影响,且其回归系数的显著性也无法准确证实影响的存在与否。因此,需通过偏微分法将回归系数估计值分解为直接效应、间接效应(即空间溢出效应)与总效应。

表3 基准模型下解释变量的直接效应、间接效应与总效应

探究其他控制变量对碳排放强度的影响:经济发展水平的直接效应显著为负,经济发展水平的提高降低本省碳排放强度。产业结构的直接效应显著为负,第三产业占比增加,产业结构优化有利于本省碳排放强度的降低。城镇化水平的间接效应显著为正,城镇化进程一定程度上增加周边省份碳排放。传统金融发展水平的直接效应、间接效应显著为正,即传统金融也会明显增加本省与周边省份的碳排放强度。

3. 调节效应回归结果与分析

表4 调节效应模型中解释变量的直接效应、间接效应与总效应

4.稳健性检验

六、结论与建议

本文将2012—2019年中国30个省市自治区面板数据作为研究对象,构建空间杜宾模型探究数字金融对碳排放强度的直接效应与空间溢出效应,并分析财政分权在数字金融影响碳排放强度中的调节作用。研究结果表明:碳排放强度存在空间正相关性,数字金融的发展对本省碳排放具有抑制作用,且该影响具有显著正向溢出效应,降低周边省份碳排放强度。财政分权削弱本省与周边省份数字金融对碳排放强度的抑制影响,具有负向调节作用。

基于上述结论,本文提出以下建议:一是大力支持各省数字金融建设与发展。推动建设云计算、区块链等数字金融基础设施与基础技术,进一步提高数字金融的服务范围和触达能力;创新低碳导向金融产品,为企业绿色低碳化生产的开展提供多样化的金融产品组合,发挥数字金融精准配置资源的优势,通过市场化纠正碳排放的负外部性,助力“双碳”目标的实现。二是助推省份间数字金融与碳减排的交流合作。省份之间的数字金融发展与碳减排行为是相互联系的,有必要建立适宜的交流、合作与学习机制,例如高碳排放省份向低碳排放省份学习借鉴数字金融政策与产品在减排方面的运用,发挥数字金融跨区域配置功能,促进金融资源自由流动与使用,更好发挥数字金融的空间溢出效应。三是合理区分政府权责,优化政府财政分权体制。当前的财政分权容易导致“搭便车”现象,不利于碳减排。中央政府应从制度层面完善相关激励相容机制,促使地方政府配合中央政府将环境保护低碳发展纳入财政重点实施范围;在设置地方政府政绩考核时,也要更多考虑环境质量,引导地方政府走低碳减排与经济发展并行之路。