数字金融促进了中国绿色高质量发展吗？

陆凤芝，王群勇，李仲武

（1. 安徽大学大数据与统计学院，安徽 合肥 230601； 2. 安徽大学数据融合与开发应用中心，安徽 合肥 230601；3. 南开大学数量经济研究所，天津 300071； 4. 南开大学经济行为与政策模拟实验室，天津 300071；5. 浙江工业大学经济学院，浙江 杭州 310014）

从世界经济发展史视角来看，新兴经济体向发达经济体跃迁的一个重要特征是，高度重视生态文明建设，努力实现人与自然的和谐发展［1］。党的二十大强调，要加快发展方式绿色转型。绿色高质量发展作为构建现代化经济体系的必然要求，也是有效解决环境污染问题的根本之策。中国正处于转变发展方式，优化经济结构、转换增长动力的攻关期，探寻绿色高质量发展新路径事关人民福祉、民族未来，成为亟须解决的重要现实问题，也是中国经济社会发展的战略导向。近年来中国数字经济发展规模迅速扩张，人工智能、区块链、云计算、大数据等数字技术与金融服务高度融合，有效推动了数字金融这一新兴业态的诞生［2］。国家“十四五”规划提出，要稳妥发展金融科技，加快金融机构数字化转型。数字金融可以有效扩大金融服务广度、拓展金融服务深度；数字金融模式能够有效倡导公众参与环保公益，降低环境污染［3］。金融作为现代经济运行的核心要素，也是政府部门进行节能减排的重要调控工具，数字金融为中国绿色高质量发展带来了时代契机。深入探讨数字金融对绿色高质量发展的影响，不仅在学术层面有效拓展了相关领域的研究外延，还在现实层面为政府部门布局数字金融建设、制定绿色高质量发展政策提供决策依据。

1 文献综述

绿色高质量发展作为高质量发展和绿色发展的有效融合，是一种以绿色发展驱动区域经济的发展［4］。既有关于绿色高质量发展的研究，主要从绿色高质量发展的测度与影响因素两个维度展开。在绿色高质量发展的测度方面，由于绿色全要素生产率将资源与环境纳入生产率分析框架，符合绿色高质量发展理念［5］，多数文献采用绿色全要素生产率作为绿色高质量发展的代理变量［6-7］。部分学者认为绿色高质量发展是一个多维度的系统性概念，通过构建综合指标体系全面评价绿色高质量发展状况［4，8］。部分文献探讨了绿色高质量发展的影响因素，认为国家电子商务示范城市建设［9］、雾霾治理［7］、绿色信贷［10］等是影响绿色高质量发展的重要因素。但尚未有文献系统探讨数字金融对绿色高质量发展的影响效应及作用机制。

关于数字金融的研究主要集中在数字金融的经济效应领域，认为数字金融对家庭、企业的经济活动具有重要影响［11-12］，还能有效缩小城乡收入差距［13］。部分文献关注了数字金融对绿色发展的影响［3，14］，认为数字金融有助于资源的调度与环境信息共享，能够为政府部门制定污染减排决策提供有力支撑，并提高政府的监管效率［15］。数字金融已成为中国绿色发展的新引擎，能够通过提升工业绿色技术研发能力、提高工业企业经营绩效等途径促进工业经济绿色转型［16］。部分文献探讨了数字金融对经济高质量发展的影响，指出推动数字金融发展能够显著促进经济高质量发展［6，17］。数字金融作为现阶段经济转型发展的重要动力，必然会对绿色高质量发展产生影响，但准确评估数字金融对绿色高质量发展影响效应的研究仍极为匮乏。在数字经济快速发展、数字技术广泛应用的背景下，依托于数字技术发展而来的数字金融崭新业态，对中国绿色高质量发展具有重要影响，可能成为绿色高质量发展的重要驱动力，应高度重视数字金融影响绿色高质量发展的相关研究，这也是该研究的价值所在。

该研究的边际贡献可概括为：其一，从理论与实证层面阐述数字金融对绿色高质量发展的作用机制，契合中国数字金融发展规模日益壮大的现实背景，同时也为推动中国绿色高质量发展提供新思路。其二，基于DPSIR模型，从因果关系链视角构建绿色高质量发展评价指标体系，采用全局主成分分析法测度城市绿色高质量发展水平，更加客观地评价中国绿色高质量发展状况。其三，以2011—2019 年中国283 个地级及以上城市面板数据作为研究样本（研究未涉海东市、吐鲁番市、哈密市、普洱市、毕节市、铜仁市、拉萨市、日喀则市、昌都市、林芝市、山南市、那曲市、三沙市、儋州市），实证识别数字金融对绿色高质量发展的影响效应，验证数字金融影响绿色高质量发展的作用机制，进一步识别地理区位与金融监管强度异质性对数字金融影响绿色高质量发展的效应差异。该研究有助于从数字金融视角探寻绿色高质量发展的动力源泉。

2 理论分析与研究假说

数字金融是一个多维概念，它的核心属性是精准服务与普惠服务的统一，这决定着它能兼顾经济社会发展中的效率与公平问题，有助于经济体系的健康、平稳运行，助推整个社会的高质量发展［17］。数字金融的发展，使得各项金融业务得以通过在线平台便捷、高效地完成，这种数字化、集约化的金融服务模式使得数字金融具有一定的绿色属性［18］。绿色消费作为加强生态文明建设的重要途径，虽得到广泛关注与倡导，却难以让大众养成绿色消费习惯，陷入业内热、消费者冷的困境［14］。而以移动支付为代表的数字金融产品能够有效降低现金使用、提高线上金融服务效率，并大幅降低线下交易成本，减少能源消耗。另外，数字金融的出现还为公众参与环保事业、践行绿色消费理念提供渠道。如在支付宝的“蚂蚁森林”小程序中，参与者通过步行、在线缴费、网络购票等绿色行动减少碳排放量，并将其转化为“绿色能量”，用于种植虚拟树木或兑换保护地，最终由相关机构在现实世界将其实现，以此培养和鼓励公众的绿色环保行为。

新能源的发展为绿色高质量发展提供了强大动力，然而新能源项目相对传统项目具有一定的路径依赖，且初始投资成本较高、回收期较长、风险不确定［19］，往往面临融资难、融资贵的压力。数字金融的发展能够构建以市场为导向的多元化融资体系，为企业新能源项目的顺利开展提供金融支持［20］。数字金融可以促使银行关注企业环境绩效，实现金融资源对生态环境“奖优惩劣”的治理闭环［21］。数字金融的发展还能有效促进金融产品创新，提高金融服务效率，为绿色环保企业提供更为便捷的融资渠道，助推产业结构向绿色与清洁化方向转型，促进绿色高质量发展［22］。数字金融的发展还有效带动了政府监管手段升级与监管效能提升，大数据、云计算、遥感技术的不断演进能够帮助政府对空气质量、污染排放、河流水质等环境数据进行动态检测［23］，提升政府环境监管能力，为绿色高质量发展政策的制定提供科学依据。数字金融的发展还能显著改善政府的信息劣势，使得政府逐渐从末端治理向前段治理转变，提高监管效率。另外，数字金融还有助于政府部门在收集企业经营状况及信贷风险等信息的同时，生成企业特征画像［24］，甄别出需要扶持的企业，精准帮扶，用好税收优惠政策工具，增强绿色高质量发展的激励作用。综上，提出如下研究假说。

假说H1：数字金融的发展能够显著促进绿色高质量发展。

创新是绿色发展的根本驱动力，创新带来的技术进步是提升能源效率的重要动力［25］。而绿色技术创新能够减少能源使用、降低污染排放，改善环境质量［26］，是推动生态文明建设的重要引擎，能够大幅降低生产生活对生态环境的负外部性，促进绿色高质量发展［27］。企业进行前沿绿色技术研发往往需要长期、持续的资金投入，面临投入成本高、过程不可逆、成果不确定等难题；创新收益的非独占性与市场推广障碍等也掣肘绿色技术研发工作的开展。仅依靠国家研发支出往往难以有效填补绿色技术创新所需要的资金缺口。因此，外部融资是保证绿色技术研发的关键。传统金融机构主要依靠企业的可抵押资产、现期市场规模等条件筛选授信客户，具有一定的短视性，容易对中小微企业产生“信贷歧视”。数字金融通过场景重塑与模式变革，集聚小规模闲散资金，增加金融体系资金供给，降低信贷扭曲［17］，有效矫正传统金融机构的短视，为企业进行绿色技术研发提供便利的融资平台。数字金融体系依赖于大数据、云计算、人工智能等数字技术，基于大数据对企业的发展前景、盈利空间进行科学分析，帮助企业对绿色技术创新的方向、潜力与路径作出科学研判，更好识别技术演进路径，从而有助于企业的绿色技术创新由经验驱动向数据驱动转变，提高企业绿色技术创新成功率。数字金融的发展还能有效缓解数字金融产品用户在消费者与投资者之间的转换约束，提高绿色消费倾向，释放绿色消费潜能，从而倒逼产品升级，加快绿色技术创新步伐［3］。Li 等［28］通过中国上市公司数据实证研究发现，数字金融可以显著促进绿色技术创新。综上，提出如下研究假说。

假说H2：数字金融能够通过推动绿色技术创新，促进绿色高质量发展。

改善资源配置效率能够为经济增长提供充足动力，实现经济的高质量发展［29］。数字金融借助云计算、机器学习等智能化分析手段，可以有效缓解金融机构面临的信息约束，突破时空限制，降低企业融资成本，提升企业融资规模，提高金融市场服务效率，降低资源错配程度。尤其是进入数字经济时代，数据成为重要的生产要素，数字金融的发展能够进一步调动资源配置的积极性［30］。以银行为主的传统金融机构在进行信贷资源分配时，更倾向于大型国有企业，使得实体经济中的小型民营企业难以获得有效的金融支持，这种资源配置的扭曲，会导致部分优质企业因“约束”而无法健康成长，导致资源配置效率低下［31］。数字金融新业态的出现能够有效扩大融资主体的外源性融资渠道、并降低融资成本，提升企业融资规模，让长期处于传统金融“排斥”的中小微企业，得到更多金融服务，有效拓宽资本配置范围，改善资源配置效率。数字金融还可以通过现代化信息技术手段，精准识别出高效率和具有创新潜力的投资项目，缓解借贷双方的信息不对称，减少企业逆向选择，并降低道德风险发生的几率，改善资源配置效率。综上，提出如下研究假说。

假说H3：数字金融能够通过改善资源配置效率，促进绿色高质量发展。

3 研究设计

3.1 变量指标及数据来源

（1）被解释变量，绿色高质量发展（ghqd）。绿色高质量发展内涵丰富，维度多元，所包含的各主体元素相互关联，而动力-压力-状态-影响-响应（DPSIR）模型能够有效体现内部元素间的相互关联，并融合人类健康、资源、发展等元素，从因果关系视角组织信息、构建相关指数测算的有效框架。参考Yuan 等［32］的做法，基于DPSIR 模型，从因果关系链视角构建绿色高质量发展综合评价指标体系。具体包括5 个一级指标、26 个二级指标，具体见表1。采用全局主成分分析法（Global Principal Component Analysis，GPCA）构建绿色高质量发展指数，评价中国283 个地级及以上城市的绿色高质量发展状况。在具体指数测算过程中，根据特征值大于1和累积方差贡献率综合确定前9 个主成分作为全局主成分（表2），共解释原始数据信息的75.212%。由于绿色高质量发展指标数值较小，进行估计模型时，将该指标乘以100，这对结论并不产生影响。

表1 绿色高质量发展评价指标体系

表2 主成分特征值及方差贡献率

（2）核心解释变量，数字金融（dfi）。遵循已有研究［12-13］，采用北京大学数字金融研究中心发布的数字普惠金融指数作为代理变量。该指数基于蚂蚁集团所提供的海量微观数据编制而成，具体包含覆盖广度、使用深度与数字化程度三个一级维度的33 个具体指标［33］。该指数为研究数字金融相关议题提供了重要数据素材，已成为定量研究中国数字金融发展状况的重要标尺。数字普惠金融指数最早于2016 年发布第一期（涵盖2011—2015年的指数），2019 年和2021 年又相继发布了第二期和第三期。

（3）控制变量。为准确识别数字金融对绿色高质量发展的影响效应，降低遗漏变量引起的偏误，该研究还考虑如下控制变量：①经济发展水平（ed），经济发展被认为是影响地区环境污染的重要因素，采用夜间灯光强度刻画中国城市经济活动，反映城市经济发展状况。②外商直接投资（fdi），关于外商直接投资能否有效降低东道国环境污染，更好地促进绿色高质量发展，学界一直存在“污染天堂”与“污染光环”假说之争，该研究采用外商直接投资占GDP 比重作为代理变量。③城镇化（urban），城镇化作为中国大力推进的一项重大经济社会建设工程，与绿色高质量发展存在重要经济关联，采用城镇人口（或市辖区人口）占总人口的比重作为代理变量。④人口密度（pop），采用年末总人口与行政区域土地面积之比作为代理变量。⑤环境规制（er），环境规制作为影响绿色高质量发展的重要因素，该研究采用各市政府工作报告中环保词频数与政府工作报告总词频之比［34］进行衡量。⑥智慧城市政策冲击（scpolicy），既有研究指出智慧城市建设能够显著降低环境污染，促进绿色高质量发展［35］。该研究采用虚拟变量衡量智慧城市政策的影响，当年实施智慧城市政策的城市取值为1，反之为0。

该研究样本为2011—2019 年中国283 个地级及以上城市的面板数据，数据来源于历年的《中国城市统计年鉴》《中国统计年鉴》、各省统计年鉴、各地级市政府工作报告、国民经济和社会发展统计公报；华盛顿大学圣路易斯分校。

3.2 计量模型设定

该研究构建如下基准回归模型，实证考察数字金融对绿色高质量发展的影响：

式中：i和t分别表示城市与年份；ghqd表示被解释变量—绿色高质量发展；dfi表示核心解释变量—数字金融；control表示控制变量；α0、α1与γ 表示待估系数；μi用于控制城市固定效应，νt用于控制时间固定效应；ε表示随机扰动项。

4 实证结果与分析

4.1 基准回归

为防止多重共线性的影响，对所有解释变量都进行了方差膨胀因子（VIF）诊断，结果显示lngdp的VIF 值最大为3.48，表明不存在严重的多重共线性。表3报告了数字金融影响绿色高质量发展的基准回归估计结果。其中，列（1）不引入控制变量、不对时间和城市效应进行控制，结果显示数字金融变量系数显著为正，说明数字金融可以显著促进绿色高质量发展。列（2）对时间与城市效应进行控制后，数字金融变量的系数显著为正。列（3）引入所有控制变量，但未对时间和城市效应进行控制，数字金融变量的系数显著为正。列（4）进一步引入所有解释变量、并对时间和城市效应进行控制，估计结果显示，数字金融变量仍在1%的显著性水平下显著为正。上述估计结果表明在考虑多重因素后，数字金融仍然对绿色高质量发展具有显著的促进作用，这也初步验证假说H1是成立的。

表3 基准回归估计结果

4.2 稳健性检验

为保证前文估计结果稳健、可靠，该研究进一步从更换被解释变量指标测算方法、替换核心解释变量指标、更换估计方法、剔除2015年金融冲击、更换被解释变量衡量指标、双边缩尾截尾处理等六个方面考虑估计结果的稳健性问题。接下来，对稳健性估计方案作如下说明。

（1）更换被解释变量指标测算方法。为防止前文实证结果因被解释变量指标测算方法不同而存在显著差异，影响估计结果的稳健性。作者采用客观赋权的变异系数法确定权重，重新对绿色高质量发展进行测度。估计结果报告于表4的列（1），估计结果显示，数字金融仍然能够显著促进绿色高质量发展。

表4 稳健性检验估计结果

（2）替换核心解释变量指标。为有效处理因核心解释变量指标测量偏误引起的问题，参考刘敏楼等［21］的研究，采用数字经济指数替换数字金融指数进行稳健性检验，数字经济指数来源于腾讯研究院，时间跨度为2015—2019 年，估计结果报告于列（2），回归结果同样表明数字金融能够显著促进绿色高质量发展。

（3）更换估计方法。采用可行广义最小二乘法（FGLS）对可能存在的序列自相关、异方差和截面自相关问题进行强化处理，估计结果报告于列（3），估计结果仍稳健地支持数字金融可以有效促进绿色高质量发展这一研究结论。

（4）剔除2015 年金融冲击。考虑到2015 年爆发的“股灾”作为较为典型的金融事件冲击，其对经济社会发展具有较大的影响，而该研究样本涵盖这一年的数据。为保证估计结果稳健可靠，参考陈春华等［36］的做法，将这一年的数据作为特殊样本进行剔除，具体估计结果报告于列（4）。观察估计结果可知，在考虑2015年金融外生冲击后，数字金融仍然能够显著促进绿色高质量发展。

（5）更换被解释变量衡量指标。经济效率是现有文献衡量经济发展质量的重要方法，参考李江龙等［37］的做法，计算考虑非期望产出的Global Malmquist-Luenberger指数，并将其作为绿色高质量发展衡量指标。估计结果报告于列（5），可以发现dfi的系数显著为正，说明数字金融仍可以显著促进绿色高质量发展。

（6）双边缩尾与截尾处理。为防止可能出现的异常值对回归结果造成影响，该研究对绿色高质量发展指数在5%的水平上进行双边缩尾与截尾处理，并利用处理后的数据进行回归分析。回归结果报告于表4的列（6）—列（7）。估计结果表明，在经过双边缩尾与截尾处理后数字金融仍然能够显著促进绿色高质量发展。上述稳健性估计结果与基准估计结果相比，并未发生根本性改变，有效验证了估计结果的稳健性，同样佐证假说H1稳健成立。

4.3 内生性问题

为消除可能存在的内生性问题，进一步采用工具变量法对内生性问题进行处理。首先，采用各城市到杭州的球面距离构造数字金融的工具变量。杭州作为中国的电商之都，其数字金融发展处于全国领先地位，各城市的数字金融发展与该城市到杭州的距离密切相关。在样本考察期内，各城市到杭州的地理距离不会随时间变动而发生变化，不会受到各城市经济变量的影响，满足工具变量的外生性要求。在具体使用工具变量估计时，参考许和连［38］的做法，采用各城市到杭州的球面距离与年份交乘项作为数字金融的工具变量。另外，作者还参考王修华等［39］的工具变量构造方法，采用省域内除本市以外的其他城市数字金融发展水平均值作为数字金融的工具变量。数字金融的发展在同一省域具有较高的同质性，某一城市的数字金融发展状况与省域内其他城市数字金融发展水平均值具有一定相关性。同时，省域内其他城市的数字金融均值并不会对本市经济社会发展产生直接影响。采用上述两种工具变量的估计结果报告于表5。

表5 工具变量估计结果

观察表5 工具变量的检验结果，Anderson LM 统计量P值均在1%的显著性水平下拒绝工具变量识别不足原假设；Cragg-Donald WaldF统计量值，均大于10%水平的临界值16.38，拒绝存在弱工具变量的原假设，这表明该研究所构建的两类工具是合适的。列（1）—列（2）估计结果中，数字金融变量系数皆显著为正，说明在考虑内生性问题后，数字金融仍然能够显著促进绿色高质量发展，与基准回归结果一致，再次验证假说H1是成立的。

5 进一步分析

5.1 异质性分析

5.1.1 地理区位异质性

已有文献［40］表明，中西部地区相较东部地区金融排斥更为严重，且东部地区金融排斥呈下降趋势，而中西部地区仍呈上升趋势。另外，据北京大学数字金融研究中心发布的数字金融指数数据显示，东部地区数字金融发展程度明显好于中西部地区。在中国区域金融发展不均衡，数字金融呈现东部好于中西部地区的现实背景下，该研究进一步划分东部与中西部区域进行实证检验。估计结果报告于表6。

表6 异质性估计结果

根据表6的回归结果，列（1）—列（4）中数字金融变量系数皆显著为正，可见数字金融对绿色高质量发展的促进作用在东部、中西部区域皆得到有效验证。观察数字金融变量系数，东部地区大于中西部地区，Bootstrap 组间系数差异检验结果显示P值为0.000，在1%的显著性水平下拒绝组间系数无显著差异的原假设，说明数字金融在东部地区对绿色高质量发展的促进作用更大。这种差异的可能原因是，中国东部地区金融基础设施较好，数字金融发展较早，发展水平较高，从而使得数字金融对绿色高质量发展的促进作用得以更好释放。

5.1.2 金融监管强度异质性

适宜的金融监管是中国数字金融得以平稳高效运行的重要保障，过强的金融监管可能会影响数字金融的发展模式与效能释放［3］，从而影响其对绿色高质量发展的促进效应。因此，采用区域金融监管支出与金融业增加值之比作为金融监管强度的代理指标，并依据金融监管强度将研究样本划分为金融监管强度较强和较弱两类区域。表6的列（5）—列（6）报告了金融监管强度较弱地区，数字金融对绿色高质量发展影响的估计结果；列（7）—列（8）汇报了金融监管强度较强地区，数字金融对绿色高质量发展影响的估计结果。估计结果显示，在金融监管较强与较弱的城市，数字金融变量系数皆显著为正，说明数字金融能够显著促进绿色高质量发展的作用在不同金融监管强度城市皆得到有效验证。另外，组间系数差异检验结果显示P值为0.031，在5%的显著性水平下同样拒绝组间系数无显著差异的原假设。因此，金融监管强度较弱的地区，数字金融对绿色高质量发展的影响效应更强，说明过度的金融监管可能会影响数字金融的可持续发展，应采取柔性监管与风险防控相结合的政策，不宜采用过度的金融监管，从而更好释放数字金融对绿色高质量发展的促进效应。

5.2 空间效应分析

已有研究指出，绿色发展可能呈现一定的空间相关性特征［41］。为此，通过构建空间滞后模型（SLM）检验数字金融对绿色高质量发展的影响效应。具体模型设定如下：

广义空间自回归模型（SAC）同时考虑了被解释变量和误差项的空间相关性，解释力更强。该研究通过设定该模型，在考虑绿色高质量发展空间效应的情景下，进一步实证检验数字金融对绿色高质量发展的影响效应，具体模型设定如下：

上式中，ωij表示空间权重矩阵中的元素。为保证估计结果稳健、可靠，使用地理距离矩阵和经济距离矩阵进行空间计量分析。其中，对于地理距离矩阵（i≠j）；经济距离权重矩阵（i≠j），wii= 0（当i=j）。ρ表示被解释变量绿色高质量发展的空间滞后项系数；λ表示空间自相关系数，表明误差项中存在自相关。其他参数含义同前文式（1）一致。

表7 报告了采用空间计量模型检验数字金融对绿色高质量发展影响的估计结果。观察估计结果可知，无论是更换空间权重矩阵（采用地理距离空间权重矩阵或经济距离空间权重矩阵），还是更换空间计量模型（采用SLM 或SAC），数字金融变量系数皆显著为正，说明将绿色高质量发展的空间效应纳入实证研究框架后，数字金融仍然能够显著促进绿色高质量发展。另外，绿色高质量发展的空间滞后项系数皆显著为正，表明绿色高质量发展存在显著的正向空间溢出效应，这表明本地区绿色高质量发展水平提高会对地理或经济关联地区绿色高质量发展产生积极影响。

表7 空间计量模型估计结果

5.3 传导机制检验

前文研究结果表明，数字金融对中国绿色高质量发展具有显著的正向影响，那么是什么原因导致这一现象？换言之，数字金融影响绿色高质量发展的传导机制是什么？依据前文的理论分析，进一步引入绿色技术创新与资源配置效率两方面的机制变量，为检验数字金融能否通过推动绿色技术创新影响绿色高质量发展，采用人均绿色专利（gt）作为绿色技术创新的代理变量进行实证分析；为验证数字金融能否通过改善资源配置效率影响绿色高质量发展，借鉴石大千等［35］的研究，采用全要素生产率（tfp）作为资源配置效率的代理变量进行实证检验。具体估计结果报告于表8。

表8 传导机制检验估计结果

观察表8 报告的估计结果，列（1）中数字金融系数显著为正表明，数字金融能够有效推动绿色技术创新。因此数字金融可以通过促进绿色技术创新推动绿色高质量发展。列（2）中数字金融系数显著为正表明，数字金融能够改善资源配置效率，这意味着数字金融可以通过改善资源配置效率这一途径促进绿色高质量发展。上述实证检验结果表明，数字金融可以通过推动绿色技术创新、改善资源配置效率来促进绿色高质量发展。综合上述研究结果，假说H2与H3是成立的。

为进一步检验与量化上述研究机制，参考宋弘等［42］的研究设计，对机制进行量化分解，分解公式如下：

上式中：M表示机制变量，表示i城市第t年的机制变量j，j取值为1，2；其他变量的设定与主回归方程（1）一致。机制变量j解释的效应为φjκj，可以证明（参数的估计值加“^”表示），̂表示剩下未解释的部分。因此，机制j所解释的效果比重为。

经过计算可知由绿色技术创新带来的解释比重为39.665%；由资源配置效率带来的解释比重为4.481%，总共解释了44.146%。上述结果表明，从绿色技术创新与资源配置效率两方面进行的机制考察具有一定的解释力与可靠性。

6 研究结论与政策启示

新一轮科技革命和产业变革，有效带动数字技术的快速发展，数字金融这一新兴业态应运而生并得以蓬勃发展，为中国绿色高质量发展提供了新机遇。该研究采用2011—2019 年中国283 个地级及以上城市面板数据作为研究样本，实证检验数字金融对绿色高质量发展的影响效应。研究结果表明：①数字金融能够显著促进绿色高质量发展，这一影响效应在考虑内生性问题，并进行一系列稳健性检验后仍然成立。②从地理区位差异性视角来看，数字金融对绿色高质量发展的促进作用在东部与中西部区域皆得到有效验证，但在东部地区的促进作用高于中西部地区。③从金融监管强度异质性视角来看，数字金融对绿色高质量发展的促进作用虽在金融监管较弱与较强区域同样得到有效验证，但在金融监管强度较弱的地区促进作用更强。④空间计量估计结果显示，绿色高质量发展具有显著的正向溢出效应。⑤从传导机制来看，数字金融可以通过推动绿色技术创新与改善资源配置效率促进绿色高质量发展。

基于上述结论提出如下政策启示：①加快推进数字金融发展，充分释放其对绿色高质量发展的促进作用。聚焦新一代金融数据中心、计算中心的建设，加强数字基础设施建设；加速数字技术的推广与应用，推动金融数字化转型，延伸数字金融服务半径；完善数字金融发展规划，加强政策引导、确保数字金融扶持政策的落实，强化数字金融对绿色高质量发展的促进效应。②遵循因地制宜，有所侧重的政策实施策略，探寻数字金融发展的差异化路线。给予中西部地区适当的资源倾斜，推进宽带网络光纤改造，牢牢抓住以5G 基站建设为代表的新基建契机，提升数字金融发展水平，缩小“数字鸿沟”。东部地区在数字金融应用场景、数字金融服务与产品等领域积极创新，加快打造数字金融产业链，推动数字金融向更高层次发展。另外，继续深化金融体制改革，不断完善金融监管体系，在守住不发生系统性金融风险底线条件下，保持适度的金融监管宽容，探索金融信息公开、产品公示等柔性监管方式。③积极引导数字金融对绿色技术创新的支持，为绿色技术研发提供便捷的金融服务。完善绿色技术专利制度，明确绿色技术创新方向和权限；通过税收和财政补贴等多种激励手段鼓励绿色技术创新，加强对补贴企业的筛选与监管。发挥数字金融对资源配置效率的优化作用，推广数字金融的使用范围，提高资源配置效率。完善体制机制建设，破除要素的流动壁垒，通过完善要素市场制度规范，构建合理的要素价格体系，推动要素价格成为市场配置资源的准确信号。④建立和完善跨区域绿色高质量发展协同机制，形成合力推动生态文明建设。绿色高质量发展存在显著的正向空间溢出效应，在推动绿色高质量发展时要充分考虑城市间的互动，通过搭建跨区域合作交流平台，为资源、要素的流动提供便利。鼓励跨区域绿色联盟的成立，培育具有公信力的绿色认证机构，引导不同区域企业积极进行绿色认证；建立跨区域多部门的信息共享机制，逐步形成绿色高质量发展政策沟通协同机制。