金融科技与绿色金融协同对产业结构升级的影响——基于异质性环境规制视角

詹姝珂，王仁曾，刘耀彬

（1. 华南理工大学经济与金融学院，广东 广州 510006；2. 南昌大学中国中部经济社会发展研究中心，江西 南昌 330031）

党的二十大报告中指出，要加快推动产业结构调整优化，建设现代化产业体系。从传统粗放型的经济增长模式转向以技术进步为内生动力的新型发展模式成为中国新发展阶段的重要战略任务。当前中国正处于经济结构新旧动能转换和数字经济蓬勃发展的交汇时期，如何在维持经济、社会和环境三者动态平衡的基础上，实现产业数字化绿色化转型升级路径成为现阶段值得深入研究的建设性问题。随着新一代信息技术革命浪潮席卷而来，金融科技、绿色金融的蓬勃发展为实现高质量生态文明建设带来了新机遇，正在成为推动中国产业结构变革新动能。产业结构升级的持久动力和源泉是技术创新与企业生产方式的变革，金融科技运用各类先进技术带来了巨大的技术创新活力［1］和产业发展内生动力［2］。绿色金融作为现代经济的“绿色血脉”，能够通过引导经济的宏观发展方向推动产业绿色升级，开拓绿色经济增长新机遇［3］。与此同时，金融科技的迅速崛起深刻改变了金融业态，成为绿色金融发展的新动能。近年来，中国颁布了多项政策加快推进金融科技助力绿色金融发展。2022年1月，中国人民银行印发的《金融科技发展规划（2022—2025 年）》指出要加强金融科技与绿色金融的深度融合，创新发展数字绿色金融，助力实体经济的绿色转型。由此可见，金融科技已成为绿色金融体系建设的重要支撑，在支持绿色金融更加高效服务于实体经济方面发挥了关键性作用。那么，金融科技与绿色金融能否为推动产业变革汇聚起强大合力？金融科技能否助力绿色金融推动产业结构升级？这是一个值得研究的理论和实践问题。此外，宏观经济政策的发布会对金融市场产生深远影响，在不同类型环境规制工具下，金融科技与绿色金融对产业结构的助力效应是否存在异质性特征？数字化和绿色化作为未来产业经济发展的重要方向，厘清并回答上述问题，不仅有助于金融科技赋能实现金融发展与实体经济发展的良性循环，对中国环境政策体系的优化也具有重要的现实意义。

1 文献综述与研究创新

在金融发展推动产业结构升级研究领域，绿色金融支持产业结构升级是一个“老话题”，该领域的一个共识是绿色金融“抑污促绿”的资金导向功能有助于区域资源结构的优化，实现产业结构向绿色化、合理化、高端化转型。然而，数字技术正深刻改变并重塑着整个传统金融体系服务模式与发展格局，金融科技能够有效助力金融部门将金融创新不断向纵深推进。那么，金融科技能否通过促进绿色金融发展进而推动产业结构升级？现有研究鲜有直接探讨这一问题，该研究将尝试对该问题给出理论解释，在此之前，有必要回顾与该研究直接相关的三类文献。

第一类是绿色金融与产业结构升级的相关文献。这方面早期的研究以定性论述为主，提出绿色金融具有提高资源有效利用率，实现生态环境保护和经济可持续发展的重要功能［4-7］。2018 年以来，绿色金融驱动产业结构升级的作用机制成为该领域的核心议题。大量实证研究提出绿色金融通过引导技术、商品和劳动力向绿色产业转移，推进绿色产业的规模化发展并加速淘汰落后产能进而推动产业结构调整［8-10］。综合而言，现有研究关注于绿色金融对产业转型的直接引导作用，忽略了数字经济时代科技创新释放的绿色动能。

第二类是金融科技支持产业结构升级的相关研究。此类文献主要基于企业层面，旨在探讨金融科技支持中小微企业可持续发展融资转型的内在机制。部分研究以技术进步为导向，提出大数据和云计算等金融科技技术能够有效缓解中小微企业的外部融资约束问题，推动中小微企业等信息弱势主体发挥其创新激励效应［11-12］，通过创新改善要素组合实现产业升级［13-14］。另有研究以企业竞争为导向，发现大数据、人工智能等新型技术的发展将引发企业在科技创新上的有效竞争，促进社会生产力发展并引起生产力的革新，倒逼产业结构调整［15］。此类研究仍未涉及金融科技的绿色经济效应问题。

第三类是关于金融科技与绿色金融发展的理论和实证研究。近两年来，随着绿色金融科技创新实践的相关案例逐步丰富，金融科技与绿色金融的关系问题也受到越来越多的关注。现有研究倾向于从理论视角探索金融科技赋能绿色金融发展的作用机制与金融科技在引导绿色金融实践方面发挥的重要作用［16-17］，认为金融科技与绿色金融的融合发展有助于健全绿色金融服务体系，而忽略了金融科技具有支持绿色金融更好服务实体经济发展的重要功能。

综上所述，金融科技与绿色金融对推动产业结构升级发挥着积极作用，同时金融科技能够有效赋能绿色金融发展。在此背景下，金融科技有望驱动全新的绿色金融创新范式，推动产业结构转型升级。目前相关研究十分匮乏，明晰金融科技协同绿色金融推动产业结构升级的传导路径对于促进金融与技术创新融合推动产业转型升级至关重要。

因此，相比现有文献，该研究的主要贡献有三点：①从理论和实证两个维度，科学论证了金融科技和绿色金融推动产业结构升级的内在机制，为新兴技术驱动金融业支撑经济社会绿色低碳转型提供了经验证据。②基于网络爬虫技术和熵值法系统性地构建了金融科技、绿色金融发展指数，对现有研究形成补充。③将命令型、市场激励型和公众参与型三类异质性环境规制工具纳入“金融科技-绿色金融-产业结构”分析框架，为数字经济时代中央政府制定更为针对性的环境规制政策提供了参考。

2 理论分析与研究假设

2.1 金融科技、绿色金融与产业结构升级

从企业、政府以及公众三大主体出发，多路径探讨金融科技和绿色金融推动产业结构升级的内在机制，作用机理示意图见图1。

图1 作用机理

首先，金融科技通过大数据、云计算、区块链等新兴技术能够对绿色项目的融资主体进行实时风险动态监测，保证资金流向绿色新技术研发产业［17］，赋予绿色产业新的成长动力。资金流向的变化将提升高污染行业生产成本，差异化的资金流向将带动高污染行业生产方式绿色化，提高产业的绿色属性。高污染行业的转型升级和绿色产业的加速发展能为城市培育新的经济增长动能，推动产业结构升级［18］。其次，银行业金融机构在为绿色融资企业提供绿色金融产品支持前会进行能效信贷尽职调查，要求企业披露环境信息。企业环境信息具有格式多样、数据量大、来源分散等特点，政府在企业环境信息数据获取上存在困境。大数据、人工智能等金融科技手段能够有效解决数据识别难度大等问题，通过对数据进行规整，将非结构化数据有效转化为结构化数据，为中国金融监管部门在对企业主体绿色等级进行评估上提供了科学的数据支持，促进企业更好履行节能减排、减污降碳等社会责任，推动产业结构升级。此外，当前中国绿色金融产品创新与市场流动性不足，急需积极发展和创新多元化的绿色金融产品体系。金融科技能够精准定位绿色金融需求端的实际需要，应用人工智能技术自主开发并匹配具有差异化风险的全品类绿色投资产品，催生金融机构绿色金融产品供给与创新，完善绿色金融产品体系。通过供给端绿色金融创新引导和鼓励绿色需求，吸引更多社会资本流入绿色低碳领域，实现经济社会全面绿色低碳转型发展。基于此，提出如下研究假说H1。

H1：金融科技在绿色金融影响产业优化升级的过程中具有正向调节影响，金融科技能够协同绿色金融推动产业结构升级。

2.2 不同环境规制工具下协同效应的异质性特征

数字经济时代分析不同类型环境规制的异质性效应有助于优化政策体系。命令型环境规制工具是立法或行政部门制定的，企业必须遵守的环保标准和规范制度［19］。严控“两高一剩”行业及环境敏感行业融资总量等命令型环境规制工具会对行业申请绿色信贷等绿色金融产品产生约束效应，市场上绿色金融产品需求的停滞将倒逼金融科技减缓供给创新型绿色金融产品。新型绿色产业技术进步与绿色技术创新需要大量的资金支持，一方面绿色金融产品供给的受限会对节能环保等绿色产业的规模化发展形成冲击，另一方面资金的循环式缺乏将进一步对高污染高耗能产业生产模式的创新产生负面影响，导致企业生产恶性循环。此外，绿色金融产品供给与需求的下降会制约企业提供环境信息数据，进而使得区块链等金融科技底层技术识别、规整企业环境信息数据显著受限，对中国金融监管部门监控高污染高耗能行业形成突出压力，金融科技的产业结构升级效应受到限制。基于以上分析，提出研究假说H2。

H2：地区命令型环境规制越高，金融科技与绿色金融对产业结构的协同效应越弱。

市场激励型环境规制是政府利用市场机制制定的、旨在利用市场化手段引导企业降低环境污染水平的制度。公众参与型环境规制是指由行业等主体自由参加的，旨在保护环境的承诺或行动［20］。在具有“市场灵活性”特征的激励型环境规制和“自愿主动性”特征的公众参与型环境规制下，经济主体具有选择和采取行动的自由，消费者采取绿色可持续的消费行为的激励较强，公众的环保意识与生态意识增强。市场上绿色可持续的消费行为有助于激发金融科技创新绿色金融产品内生动力，推动绿色金融发挥“抑污促绿”的资金导向功能。金融市场资金在少投入、低污染、高产出的绿色新兴产业的聚集进一步优化信贷资源配置，最终实现产业结构转型优化与升级。基于以上分析，提出研究假说H3。

H3：地区市场激励型环境规制和公众参与型环境规制强度越高，金融科技与绿色金融对产业结构的协同效应越强。

3 研究设计

3.1 模型构建

构建固定效应模型进行实证研究：

其中：i、t分别代表地区和时间变量，ITRit表示各地区的产业升级状态；FIit衡量地区金融科技发展水平，GFit表示地区绿色金融发展水平；Xit代表控制变量组，具体包括政府财政支出（GOV）、经济发展水平（DEV）、外商投资（FDI）、社会消费（SOC）、城镇化水平（URB）、受教育程度（EL）；θ0表示截距项，μi表示i省份不随时间变化的个体固定效应，δt为时间固定效应，εit表示随机扰动项。

进一步地，在模型（1）的基础上引入金融科技与绿色金融的交乘项，构建模型（2），以考察金融科技和绿色金融对产业结构升级的协同效应。

模型（2）中重点关注交互项FI×GF的系数θ3，θ3刻画了金融科技对绿色金融产业结构升级效应的调节作用。若模型（2）中θ3>0成立，表明金融科技是绿色金融影响产业优化升级的重要调节变量，金融科技越强，绿色金融对产业结构的促进作用越大。若模型（1）中的θ2>0 与模型（2）中的θ3>0同时成立，表明金融科技能够协同绿色金融推动产业结构升级，研究假说H1成立。

3.2 变量定义及测度

3.2.1 被解释变量

产业结构升级（ITR）。以产业结构高级化衡量产业结构升级指标。产业结构高级化（ADV）是指随着经济增长，产业重心发生转移，产业结构从低层次向高层次转型的过程。借鉴付凌晖［21］的研究思路，利用三大产业比重向量与对应坐标轴的空间向量夹角构建产业结构高级化指数，计算公式如模型（3）所示：

3.2.2 解释变量

（1）金融科技（FI）。目前，金融科技指标的度量方法主要分为两类：其一是采用北京大学数字普惠金融指数，该指数可在一定程度上跨省份、城市及县域多维度衡量金融科技发展；其二则是通过网络爬虫技术对所选定的有关词频进行爬取并合成金融科技指标。该研究借鉴盛天翔等［22］、王小华等［23］的方法，通过文本挖掘获取相应词频合成金融科技指数，构建方法如下：首先，在基于百度指数搜索词频可得性的基础上，参考已有文献分别从基础技术、支付清算、中介服务以及直接称呼四个层次选定金融科技词库，具体关键词词库见表1。其次，运用Python 爬虫技术对已确定的词库词频分省份进行爬取，由于百度指数仅提供2011年之后移动端和电脑端的词频统计，故爬取年限为2011—2020年。再次，将所爬取的百度指数单一词频的日搜索频次以年份为单位进行汇总，合成年度词频数据。最后，使用熵值法确定各词频权重合成金融科技指数，用以表征地区金融科技发展程度。为便于结果展示，将合成的金融科技指数进行10 000 倍缩小处理。

表1 金融科技关键词词库

（2）绿色金融（GF）。当前，绿色信贷、绿色投资、绿色证券等绿色金融产品不断发展成熟，学术界中绿色金融发展相关文献也日益丰富。参考Liu等［24］相关研究，使用绿色信贷、投资、证券和保险四类最主要的绿色金融活动来构建绿色金融的综合指数。此外，考量到中国绿色金融发展与政府支持密切相关，该研究将环境保护支出纳入指标体系，以此更全面地衡量中国绿色金融发展水平。基于绿色信贷、绿色投资、绿色证券、绿色保险、环保支持五个维度构建的绿色金融指标体系见表2。参考Lee等［25］相关研究的做法，采用熵值法对子指标进行赋权计算得到总指标绿色金融发展综合评价指数。

表2 绿色金融发展水平指标评价体系

3.2.3 控制变量

结合产业结构发展水平现状，添加了如下控制变量：①外商投资（FDI）。以外商直接投资额占GDP 比重表征外商投资水平。②城镇化水平（URB）。以城镇人口占年末总人口比重度量地区城镇化率。③经济发展水平（DEV）。选取经对数化处理后的地区人均GDP 来衡量经济发展水平。④政府财政支出（GOV）。利用政府财政支出额与地区生产总值的比值来衡量区域政府行为。⑤受教育程度（EL）。地方人力资本投入程度对产业结构调整发挥潜在作用，该研究以平均每千人口高等学校在校生人数作为其度量指标。⑥社会消费（SOC）。消费需求的变化带动了产业结构的调整，以社会零售品消费额占地区生产总值的比重来表示社会消费。

3.2.4 样本选择和数据来源

以2011—2020 年中国30 个省份为研究对象（限于数据可得性，研究未涉及西藏、香港、澳门和台湾），共300个观测值。金融科技数据来自百度搜索指数，通过网络爬虫技术获取；异质性分析中使用测度分组变量的中国区域创新创业指数（IRIEC）来自北京大学企业大数据研究中心编制，其他原始数据主要来自Wind 金融终端、《中国统计年鉴》《中国环境统计年鉴》与各地区统计局网站。

4 实证结果与分析

4.1 基准回归结果

表3 报告了金融科技与绿色金融对产业结构升级的独立促进作用与协同推进效应。表3列（1）回归拟合结果显示金融科技发展的估计系数在1%显著性水平下显著为正，表明金融科技可以有效推动区域产业转型。列（2）回归结果显示绿色金融对于产业结构升级同样具有显著的独立促进作用，这与现有研究发现一致，数字经济时代，金融科技与绿色金融通过缓解企业融资约束并提升产业的技术创新能力，已成为产业转型的重要驱动力和关键支撑力。列（3）与列（4）的估计结果是该研究的重要关注点，反映了金融科技与绿色金融对产业结构升级效应的协同推进作用。列（3）报告了模型（1）的估计结果，回归结果显示金融科技和绿色金融对产业结构升级的回归系数均在1%的水平下显著为正。模型（2）的回归结果报告于列（4），结果显示在1%的显著水平下，金融科技和绿色金融交互项的系数估计值显著为正，说明金融科技在绿色金融影响产业优化升级的过程中具有正向调节影响，金融科技可引导绿色金融更好地促进产业结构升级，假说1得到验证。

表3 基准回归结果

以上研究结论表明，金融科技和绿色金融不仅能够独立促进产业结构升级，同时对产业结构升级存在协同提升效应。金融科技有助于增强绿色金融与实体经济的融合深度，驱动绿色金融更好地服务于产业数字化转型所需催生的新产业、新动能，助力实现形成以高效低碳发展为特征的经济增长新路径。由此可见，中国不仅要关注金融科技或绿色金融对产业结构升级的独立促进作用，同时要构建更加多元、开放的金融科技与绿色金融融合场景，充分发挥金融科技与绿色金融对产业结构升级的协同推进效应。

4.2 稳健性检验

4.2.1 剔除直辖市

考虑到直辖市可能与其他城市间存在系统性差异，参考钱海章等［26］相关研究，使用剔除北京、上海、天津、重庆这4 个直辖市的样本进行基准回归。由表4 列（1）、列（2）估计结果可知在剔除直辖市地区样本后，金融科技和绿色金融对于产业结构的回归结果依旧为正且显著，同时金融科技和绿色金融的交互项系数仍统计显著，回归结果稳健。

表4 稳健性检验

4.2.2 使用更加稳健的标准误

考虑到短面板数据可能存在异方差和序列相关问题，参考Hoechle［27］的思路，采用“Driscoll-Kraay 标准误”的固定效应模型进行估计。表4的列（3）、列（4）估计结果显示在采用“Driscoll-Kraay 标准误”后，核心解释变量的显著性水平和回归系数值均未发生明显改变，绿色金融与金融科技对产业结构的独立协同促进作用成立。

4.2.3 增加控制变量

考虑到遗漏变量偏差会影响基准回归结果的准确性，参照唐文进等［28］关于产业结构的研究，在已有控制变量的基础上再加入失业率（UNE）和城乡收入差距（GAP）两个控制变量。由表4 列（5）和列（6）可知，模型估计结果与表3 基准结果相比未发生明显变化，金融科技与绿色金融不但能独立促进产业结构升级，而且金融科技能够协同绿色金融促进产业结构升级，基准回归结果稳健。

4.3 内生性处理

由于模型构建中可能存在遗漏变量和测量误差，进一步采用工具变量法以缓解内生性问题。具体地，参考张建鹏等［29］的相关研究，以各省1984 年每百人邮电业务量、绿色金融发展及其交互项滞后一期分别作为金融科技、绿色金融及其交互项的工具变量。一方面，在控制地区经济水平、资本存量等变量后，各省1984年每百人邮电业务量与产业结构并不存在直接的关联渠道，故选取历史上人均邮电业务量作为金融科技工具变量满足了排他性要求。此外，滞后一期的绿色金融发展水平也满足工具变量“相关性”和“外生性”的两大基本原则，使用工具变量回归后的估计结果见表5。列（1）中K-P LM统计量P值为0.002，显著拒绝“工具变量识别不足”的原假设。相关性检验F统计量也显示模型通过了弱工具变量检验，工具变量在统计上满足工具变量选择要求，选取的工具变量有效，该研究的核心结论得到验证。

表5 内生性检验

4.4 异质性分析

金融发展会受到地区历史资源禀赋和公众诉求等因素的影响，表现为金融科技与绿色金融发展存在“路径依赖”效应。因此，为了持续深入推进中国产业结构优化升级，该研究将进一步探究中国区域创新能力、物质资本、人口密度的强弱是否会导致金融科技与绿色金融对产业结构的影响效应呈现异质性。

4.4.1 地区创新能力的异质性

创新有助于驱动大数据、云计算区块链等核心技术更新成熟，激发金融科技应用潜能。因此，地区创新基础的不同可能会带来地区金融科技发展水平的差别化，进而造成金融科技赋能作用的异质性。为检验区域创新水平对回归结果的影响，借鉴毛文峰等［30］相关研究，以中国区域创新创业指数作为区域创新水平指标，并基于该指标的中位数为分界点将样本分为高创新创业水平组和低创新创业水平组。表6 报告了按照地方创新能力对城市进行分类后的估计结果。回归结果显示，在创新创业水平较高的地区，金融科技对产业结构升级的促进作用更强，同时金融科技与绿色金融对产业结构的协同助力作用也更大。研究结论表明，地区创新能力差异显著影响了金融科技与绿色金融促进产业结构升级的作用效果。

表6 创新能力异质性

4.4.2 地区物质资本的异质性

物质资本投入较高的地区，经济发展动力更强，互联网技术应用与相关金融设施基础发展水平更高，金融科技与绿色金融对产业结构的推动作用更易形成规模效应。因此，若地区物质资本发展水平较高，金融科技与绿色金融对产业结构升级的协同作用也会更显著。为检验地区物质资本发展水平的影响，借鉴王守坤等［31］的研究思路，采用全社会固定资产总值作为物质资本的代理变量，并根据各省样本期中位数将30个省份划分为高物质资本组和低物质资本组，检验结果见表7。回归结果显示在高物质资本地区，金融科技和绿色金融对产业结构的优化作用更显著。表明中国要加快金融基础设施建设，推动传统金融机构发展数字化转型，以金融科技发展带动产业结构升级。同时比较列（2）和列（4）回归结果可知，高物质资本投入地区的交互项估计系数更显著，即在物质资本发展水平更高的省份，金融科技对绿色金融产业结构升级效应的调节作用越强。这表明，地区物质资本也显著影响金融科技与绿色金融对产业结构升级的助力作用。

表7 物质资本异质性

4.4.3 地区人口密度的异质性

人口密度是金融科技与绿色金融发挥规模效应的基础，人口密度较高的地区，社会经济活动更为频繁，居民对该地区数字化设施建设与绿色金融产品的诉求也更强，这有助于推动多元产业聚合发展。因此，金融科技与绿色金融促进产业结构升级的协同作用将受到地区人口密度的影响。以每平方千米人口数测度区域人口密度，并以该指数中位数为界将全国30 个省份划分为“高人口密度”“低人口密度”两组，表8 报告了分样本估计结果。估计结果显示，对于较高人口密度的样本而言，金融科技与绿色金融显著推动了产业结构升级；而对于较低人口密度的地区而言，其产业结构推动效应不显著。同时表8 列（2）和列（4）回归结果显示，在人口密度较高的地区，金融科技与绿色金融对产业结构升级具有显著的协同助力作用，而在人口密度较低的省份，金融科技和绿色金融的协同作用较为有限。研究表明，我国需提高人口增长速度，减轻社会老龄化情况，通过人口集聚产生的规模经济效应与知识溢出效应，提高资源配置效率，加速产业结构的调整与升级，激发经济发展新活力。

表8 人口密度异质性

5 进一步研究

前文已通过一系列稳健性检验、工具变量估计等方法证实了金融科技和绿色金融不但对产业结构升级具有显著的独立促进作用，且金融科技能够协同绿色金融促进产业结构升级。那么，环境规制作为新发展理念下实现经济高质量发展的重要政策手段，在命令型、市场激励型和公众参与型三类不同环境规制工具下，金融科技与绿色金融对产业结构的协同效应是否存在异质性特征？哪一类环境规制工具的政策效果最好？从协同视角探讨以上问题对于数字经济时代制定合理的环境规制政策，优化政策体系具有一定的参考价值和现实意义。本部分将对上述问题展开分析。

5.1 模型设定

在模型（2）的基础上加入环境规制、金融科技和绿色金融三者交互项ERE×GF×FI以及ERE×GF、ERE×FI用于探讨不同类型环境规制工具下，金融科技对绿色金融的产业结构效应的差异化影响。加入环境规制、金融科技和绿色金融三者交互项后的模型如下所示：

其中：i、t分别代表地区和时间变量，ITRit表示各地区的产业升级状态，以产业结构高级化（ADV）衡量；FIit衡量地区金融科技发展水平，GFit表示地区绿色金融发展水平；EREit表示i省份在t时期的环境规制强度；Xit代表控制变量组，变量选取与上文一致；θ0表示截距项，μi表示i省份不随时间变化的个体固定效应，δt为时间固定效应。

值得注意的是，Bun 等［32］指出，在模型中加入交乘项后，主变量对被解释变量的边际影响不再是常数，将随另一主变量的取值不同而发生变化，因此该研究重点关注模型中交互项FI×GF×ERE系数。

5.2 变量定义与测度

环境规制强度（ERE）。将根据政策实施效果的不同将环境规制工具分为命令型环境规制（ERE1）、市场激励型环境规制（ERE2）和公众参与型环境规制（ERE3）三类。

（1）命令型环境规制（ERE1）。借鉴曾倩等［33］的研究方法，以各省份政府受理的环境行政处罚案件数作为命令型环境规制的代理变量。

（2）市场激励型环境规制（ERE2）。参考游达明等［34］的处理方法，基于各省份排污费征收额占地区工业增加值比重构造地区市场激励型环境规制的代理变量。

（3）公众参与型环境规制（ERE3）。人大、政协关于环保的提案反映了公众参与环保的意愿程度。以各地区与环境相关的人大建议和政协提案总数来表征公众参与型环境规制。为便于结果展示，对命令型环境规制（ERE1）与公众参与型环境规制（ERE3）进行10 000倍缩小处理。

5.3 模型回归结果

表9列（1）—列（3）分别报告了在命令型环境规制、市场激励型环境规制和公众参与型环境规制工具运用下，金融科技与绿色金融协同效应的差异性影响。表9列（1）中FI×GF×ERE1项系数负向显著，表明命令型环境规制工具的运用对金融科技的调节效应起到抑制作用。这印证了该研究的假说2，命令型环境规制工具会对高污染高耗能产业绿色金融产品申请产生约束效应，市场上绿色金融产品需求的下降将倒逼金融科技减缓创新供给绿色金融产品和服务。同时对企业环境信息数据提供形成制约，不利于金融科技识别、规整企业环境信息数据，对中国金融监管部门监控高污染高耗能行业形成突出压力，金融科技的调节效应受到限制。表9 的列（2）和列（3）回归结果显示，FI×GF×ERE2 和FI×GF×ERE3 项系数均显著为正，表明市场激励型环境规制和公众参与型环境规制工具的运用对金融科技的调节效应起到促进作用。地区市场激励型环境规制和公众参与型环境规制强度越高，金融科技的调节作用越强，金融科技与绿色金融对产业结构升级的协同效应越强，假说3得到验证。市场激励型环境规制和公众参与型环境规制有助于推动消费者采取绿色可持续的消费行为，激发金融科技创新绿色金融产品内生动力，推动绿色金融进一步呈现“抑污促绿”的资金导向功能，最终实现产业结构转型优化与升级。同时比较FI×GF×ERE2 和FI×GF×ERE3 项系数显著性水平可知，公众参与型环境规制工具对金融科技的调节效应起到的促进作用更大，数字经济时代实施公众参与型环境规制政策更利于实现中国经济高质量发展目标。

表9 环境规制的调节效应检验

综上可知，异质性环境规制工具的运用对金融科技与绿色金融的协同效应起到差异化影响。具体而言，地区命令型环境规制越高，金融科技与绿色金融对产业结构的协同效应越弱。地区市场激励型环境规制和公众参与型环境规制强度越高，金融科技与绿色金融对产业结构的协同效应越强。以上环境规制工具中，公众参与型环境规制工具的政策效果最佳。

6 结论与建议

产业数字化绿色化转型发展是当今中国的时代主题。该研究基于2011—2020 年中国30 个省域样本数据，采用固定效应模型及工具变量系统地考察了金融科技和绿色金融对产业结构的影响。研究结论如下：①金融科技、绿色金融不但对产业结构升级具有显著的直接促进效应，且金融科技能够协同绿色金融促进产业结构升级。在改变样本区间、增加控制变量、引入工具变量等稳健性与内生性检验下，该结论依然成立。②异质性分析发现，金融科技与绿色金融发展存在“路径依赖”效应，金融科技与绿色金融对产业结构升级的协同推进效应在强技术创新转化能力地区、高物质资本投入地区以及人口密度更大地区更为突出。③在不同类型环境规制工具下，金融科技与绿色金融对产业结构的协同效应存在异质性特征。具体而言，公众参与型环境规制工具的政策效果最好，市场激励型环境规制工具次之，命令型环境规制工具的政策效果一般。根据上述研究结论，提出以下建议。

（1）提高金融科技赋能绿色金融发展能力，形成多维助推产业结构升级机制。当前，金融机构决策者对于运用金融科技进行绿色低碳转型的认识不足，针对绿色金融科技发展的支持力度不够。数字经济时代，金融科技已成为推进产业金融数字转型的重要抓手，政府应助力释放数字红利对绿色金融发展的叠加倍增效应。如通过构建企业、政府和公众三主体的绿色信息统计平台，实现金融科技对绿色金融业务信息的实时收集和统计分析；建立支持绿色金融科技的监管沙盒，推动金融科技企业对区块链、物联网等技术在绿色金融应用中的研发投入，充分发挥金融科技对绿色金融发展的赋能作用，实现金融科技、绿色金融与产业结构三者间的良性互动。

（2）缩小地区资本差距，扩大劳动力规模与素质。发展失衡、治理困境、数字鸿沟是关系我国发展全局的重大问题。由该研究的异质性分析结果可知，人力资本和物质资本是实现产业升级、结构优化的深层基础。中国要实现产业结构的深度变革和调整，就需要加快平衡不同地区技术创新转化能力和物质资本投入水平。如积极完善数字乡村设施，推动形成以中小企业技术创新为核心的产业群，并加强各地区绿色金融科技复合型人才队伍建设。通过人力资本和物质资本的正向聚集效应，实现金融科技与绿色金融全方位、多角度、深层次协同推动产业结构升级的愿景。

（3）与时俱进设定环境规制工具，提升政策组合效率。当前全球金融科技处于快速发展时期，政府要重视环境规制工具在金融科技赋能绿色金融市场中产生的深远影响。命令型环境规制工具的应用会给高污染高耗能产业带来一定的生存压力，若企业无法获得金融科技与绿色金融带来的“红利”，企业很可能“破罐子破摔”，以牺牲生态环境为代价换取更大的利润，这反而有悖于政府实施环境政策的初衷。因此，政府在制定环境政策时要与时俱进，以公众参与型环境规制政策为主、命令控制型环境规制政策为辅，从政策层面激励金融科技与绿色金融为促进数字经济和实体经济深度融合提供新增长动力。

该研究为金融科技与绿色金融对产业结构的协同推进效应提供了一个经验证据。但研究仍然存在一定的局限性。第一，该研究对绿色金融指标的界定仍然局限于省级层面，如何结合中国国情，精确测度地级市绿色金融发展水平是今后进一步的研究方向。第二，如何建立一个多部门的经济增长模型，通过理论模型探讨金融科技、绿色金融与产业结构三者的内在机制也是进一步研究的重点。