数字普惠金融对首批国家生态文明试验区绿色发展影响的研究

摘 要：数字普惠金融是当前我国经济迈向高质量发展阶段的重要驱动力，能否助力绿色发展水平的提高是首批国家生态文明试验区未来发展的关键。在测度绿色发展水平指数的基础上，利用2011—2022年闽赣黔三省的面板数据，通过双向固定效应模型、中介效应模型和门槛效应模型考察了数字金融对首批国家生态文明试验区绿色发展水平的影响。结果表明：数字普惠金融可以显著提高该地区的绿色发展水平；数字普惠金融可通过提升科技创新效率间接提高该地区的绿色发展水平。

关键词：数字普惠金融；绿色发展；中介效应

中图分类号：F832 文献标志码：B 文章编号：2095–3305（2024）05–0-04

改革开放以来，我国经济水平快速提升，而这种粗放型的经济发展模式也引发了一系列破坏生态甚至威胁人类生存的事件。党的十九大报告首次提出，“我国经济已由高速增长阶段转向高质量发展阶段”。在2021“十四五”规划和2035年远景目标纲要中，也未设定地区生产总值的预期增长规划，这意味着稳定、均衡、绿色、可持续的经济高质量发展已成为当今时代经济发展的主流。绿色发展作为高质量发展的核心形态，是生态文明建设和社会主义现代化进程中的必然选择[1]。作为一种与数字经济相匹配的金融业态，数字金融是当前我国经济迈向高质量发展阶段的重要驱动力。“十四五”期间，国家重点实施数字普惠金融，加强数字普惠金融服务是实现共同富裕的时代需求。首批国家生态文明试验区是“绿水青山就是金山银山”思想的最佳体现，是将“绿色发展”的顶层设计和“地方实际”有机结合的先锋。为此，研究闽、赣、黔三省能否实现生态良好与经济增长齐头并进的双赢局面具有理论和现实意义。

1 理论假设

数字普惠金融可以通过拓宽融资渠道和优化资源配置，从而提高绿色发展水平。一方面，数字普惠金融利用互联网、大数据等新兴数字技术，能够减少融资成本、丰富融资渠道、提高融资效率。金融中介机构通过各种融资渠道，为有竞争力的公司提供资金援助和技术研究。同时，数字技术可以实现金融服务交易的便捷化，降低金融服务的供给成本和大众的使用成本。金融产品的普惠性使更多的企业和居民了解到数字金融产品的优势，有助于缓解金融需求不足的问题，实现双方共赢。另一方面，数字普惠金融能够重新配置不同企业间的资源。传统金融机构出于降低成本和提高收益的考虑，往往会筛选出可抵御固定资产多和盈利能力高的大型企业提供大额的信贷产品，这会导致金融资源始终流向高污染、高能耗的重工业企业，而时常无法满足新兴的服务业等第三产业的金融需求[2]。数字普惠金融可以通过其特有的信息技术精准搜集不同产业的金融需求，分别提供合理适配的金融产品和服务，将有限的资源投入产出增速较快的地区或个体，从而促进全社会资源的有效利用并提高区域绿色发展水平[3-4]。

数字普惠金融还可以通过绿色技术创新和产业结构升级间接提高绿色发展水平。一方面，数字普惠金融通过支持技术创新提高绿色发展水平。企业的技术创新是一个具有成本沉没性、成果不确定的活动，技术和成果之间存在一定的滞后时间差。因此，数字普惠金融以其普惠、便利、低价的优势为技术创新提供了充分的融资支持。企业的绿色技术创新可以打破原始资源稀缺和传统技术低效的限制，在保证产量的前提下降低能耗，从而大幅提高绿色发展水平。另一方面，数字普惠金融的快速发展不仅可以通过加快技术创新替代甚至淘汰一些落后产业，还能利用新技术为传统产业赋能增效，从而形成新的行业和模式，提高要素的配置效率，实现产业结构的优化升级（图1）。数字普惠金融在其运营之初即已完成资本的初始积累，并根据其需求计算出最优投入，从而使各行业间的信贷资金分布达到最优。同时，由于多元化的消费需求是助推产业结构变革的主要动力来源，因此，市面上各类丰富的数字化金融产品也会通过刺激大众购买欲推动产业结构的优化升级，最终达到提高绿色发展水平的目标[5]。基于以上分析，提出以下假设：

假设1：数字普惠金融能够提高首批国家生态文明试验区的绿色发展水平；

假设2：数字普惠金融通过提高创新效率和促进产业结构升级的中介效应提高了首批国家生态文明试验区的绿色发展水平。

2 模型构建与变量说明

2.1 模型构建

构建数字普惠金融对我国绿色发展水平影响的基准模型：

GREit=a0+a1DIFit+a2Xit+λi+ηt+εit（1）

式（1）中，GREit为i省在t年的绿色发展水平，DIFit为i省在t年的数字普惠金融水平，Xit为控制变量，λi个体固定效应，ηt为时间效应固定，εit为随机扰动项，a0为截距项，a1、a2为回归系数。

依据理论机制分析，再构建中介效应模型，探讨数字普惠金融对绿色发展水平的间接效应。

Mit=b0+b1DIFit+b2Xit+λi+ηt+εit（2）

GREit=c0+c1DIFit+c2Mit+c3Xit+λi+ηt+εit（3）

式（2）中，Mit为中介变量，b0为截距项，b1、b2为回归系数。式（3）中，c0为截距项，c1、c2为回归系数。

2.2 变量选取

被解释变量：依据《绿色发展指标体系》及闽赣黔三省生态文明建设目标评价考核中的绿色发展具体指标，并借鉴舒成等[6-7]的指标体系，构建了绿色发展水平指标体系（表1），运用熵值法进行综合评价，并将其作为模型的被解释变量。

核心解释变量：选用北京大学数字金融研究中心和蚂蚁金服联合编制并发布的数字普惠金融指数（DIF）衡量数字普惠金融水平，具有权威性和代表性[8]。

中介变量：选取科技创新效率（研究与试验发展经费占地区生产总值的比例）和产业结构升级（第三产业产值与第二产业产值之比）作为中介效应的变量。

控制变量：选取城镇化水平（城镇人口与总人口之比）、人力资本水平（普通高等学校在校人数占总人口的比例）、对外开放程度（进出口贸易总额占地区生产总值的比例）和经济发展水平（人均生产总值的对数值）作为控制变量，以尽可能减少因遗漏变量导致的估计偏差[9-10]。

2.3 数据来源与描述性统计

鉴于数据的可得性，选取2011—2022年闽赣黔三省的面板数据作为样本。除代表数字普惠金融水平的数字普惠金融指数外，其余数据均来源于《中国统计年鉴》《中国人口和就业统计年鉴》《中国社会统计年鉴》和上述三省统计年鉴、环境状况公报、中国水土保持公报等。对于部分缺失的数据，采用线性插值法进行补齐。各变量的描述性统计见表2。

3 实证检验与分析

3.1 基准回归分析

根据Hausman检验，Plt;0.01，因此选用固定效应模型。由表3可知，数字普惠金融对绿色发展水平的估计系数均为正，且在1 %的显著性水平下通过了检验。加入控制变量后，影响系数增大，模型的拟合优度也显著增加，这说明本模型选择的控制变量是合理且有效的，验证了前文的假设1。在控制变量方面，城镇化水平、人力资本水平、对外开放程度的回归系数均显著为正，这说明城镇化、人力资本、实行对外开放均是驱动绿色发展的坚实力量。经济发展水平的回归系数显著为负，这说明单纯依靠GDP的增长对绿色发展有抑制作用，这与我国经济发展由高速发展阶段转向高质量发展阶段的政治论断相吻合。

3.2 中介效应机制检验与分析

依据中介效应检验模型，分别检验创新效率和产业结构升级作为中介变量对数字普惠金融提升绿色发展水平的间接影响。

由表4可知，科技创新效率和产业结构升级都显著地提高了绿色发展水平，但只有前者对数字普惠金融存在中介效应，且为完全中介效应。数字普惠金融能够借助大数据、互联网等新兴的数字产业技术，减少科研投入和研发成本，激发企业的创新兴趣和提高研发积极性，减少创新主体的参与成本，打破研发创新的高准入门槛，从而大力提高科技创新的效率，进而提高绿色发展水平。为了稳健性起见，采用Bootstrap法进行检验，结果显示：科技创新效率拒绝了原假设，说明科技创新效率可以通过中介效应间接促进绿色发展水平；产业结构升级的间接效应不显著，即产业结构升级不能通过中介效应促进绿色发展水平。因此，假设2并未得到验证，只有科技创新效率证实了假设2。

4 研究结论及政策建议

本研究结果表明：（1）数字普惠金融可以显著提高该地区的绿色发展水平；（2）人力资本水平、城镇化水平、对外开放程度都能显著提高绿色发展水平，经济发展水平对绿色发展水平有抑制作用；（3）数字普惠金融可通过科技创新效率间接提高该地区的绿色发展水平。

综合以上分析，为促进数字普惠金融对绿色发展水平的积极影响，推动国家生态文明试验区经济发展迈向更高的质量水平，提出以下建议：

第一，利用数字普惠金融提高绿色发展水平。相关部门应推动传统金融与大数据等数字技术深度融合，加快数字普惠金融的数字化建设，着力改善金融服务方和受惠方的信息不对称现象，利用新兴的数字技术帮助金融组织实现对各类企业和农户的精准识别，并根据不同需求予以专门的服务，提高资本的融通效率。

第二，加快数字化和现代化信息建设。在经济发展相对落后的偏远地区，移动网络尚未实现全覆盖，在这一情况下，数字普惠金融的发展十分缓慢，人们难以通过互联网等数字媒介实现所需的金融服务。相关部门应提高数字媒介的覆盖率和普及率，改善偏远落后地区因交通因素的限制而无法获得金融服务的情况。

第三，重视科技创新的作用，利用数字普惠金融促进科技创新。当前，一些小微企业都具有高科学技术的创新型人才，但部分由于缺乏充足的资金支持，很难在创新研发活动中取得成果。科技创新可以在数字普惠金融和绿色发展之间形成间接传导机制，因此，金融机构应对这些因资本薄弱或信用尚低而被传统金融体系排斥在外的中小企业予以资金援助和支持，激发他们的创新动力，从而提高全社会的创新效率，推动绿色发展水平的提高。

参考文献

[1] 叶文显.中国省会城市的绿色发展效率分析[J].资源开发与市场，2021，37（11）：1281-1287.

[2] 张翱祥，邓荣荣.数字普惠金融对农业绿色全要素生产率的影响及空间溢出效应[J].武汉金融，2022（1）：65-74.

[3] 姜振水.农村数字普惠金融发展与实现路径[J].农村金融研究，2017（4）：49-53.

[4] 黄建欢，吕海龙，王良健.金融发展影响区域绿色发展的机理：基于生态效率和空间计量的研究[J].地理研究，2014，33（3）：532-545.

[5] 刘湘云，吴文洋.科技金融与高新技术产业协同演化机制及实证检验：源于广东实践[J].广东财经大学学报，2018，33（3）：20-32.

[6] 舒成，朱沛阳，许波.江西省绿色发展水平测度与空间分异分析[J].经济地理，2021，41（6）：180-186.

[7] 张仁杰，董会忠.长江经济带城市绿色发展水平测度与空间关联结构分析[J].统计与决策，2022，38（8）：118-123.

[8] 郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

[9] 徐盈之，徐菱.技术进步、能源贫困与我国包容性绿色发展[J].大连理工大学学报（社会科学版），2020，41（6）：24-35.

[10] 李光龙，孙宏伟，周云蕾，等.财政分权下科技创新与城市绿色发展效率[J].统计与信息论坛，2020，35（9）：83-93.

作者简介：柴林（1998—），女，山东潍坊人，研究方向为可持续发展与公共政策。