数字普惠金融提升了绿色全要素生产率吗？——基于中国省际面板数据的实证分析

周才云，叶佳

（华东交通大学经济管理学院，江西南昌，330013）

近年来，以GDP 为导向的经济发展模式取得了重大成就，我国经济迅速发展，人民生活水平不断改善。但是这种发展模式也逐渐暴露出了不足和缺陷，环境污染严重、资源开发利用不尽合理已经成为阻碍我国经济社会可持续发展的主要问题。而以“绿色全要素生产率（GTFP）”为导向的经济发展模式则体现了新发展理念，强调在发展经济的同时也要兼顾资源环境问题，是在资源环境约束下转变经济发展方式的重要保障。GTFP 是对传统全要素生产率的修正，涵盖了创新、协调、绿色、开放、共享理念，是新时代衡量经济高质量发展的一个最有效的综合指标。

在当前我国转变经济发展模式的重要环节，金融作为现代经济的血液与核心应充分发挥其对GTFP 的积极推动作用。然而，由于地域限制、高成本约束等技术和信息障碍等问题，传统的金融发展模式已经无法满足我国经济结构转型与可持续发展的需要［1］，在此背景下，普惠金融应运而生。相比于传统金融，普惠金融更加强调机会平等问题，注重社会与经济的协调发展。随着金融科技和数字技术的不断发展，普惠金融与互联网融合逐渐建立起了数字普惠金融这一新型金融服务模式，从而能够降低交易成本、扩大金融供给范围以实现金融资源的最大化利用［2］。数字普惠金融作为金融革命和技术革命的深度结合体，为提升GTFP 提供了动力源泉。

一、理论分析与研究假设

（一）数字普惠金融对GTFP 的影响分析

数字普惠金融通将人工智能、云计算、区块链和大数据分析等数字技术应用到绿色普惠金融领域，彻底颠覆了传统金融的服务方式，不仅扩大有利于普惠金融的覆盖范围，还能够降低企业与金融机构间的信息不对称，使得金融机构能够更好地甄选优质绿色项目，规避绿色创新风险，从而实现金融资源的优化配置。在数字普惠金融的推动下，金融的资源得以更多地向绿色行业和低碳行业倾斜，为提升GTFP 提供了良好的经济基础，有利于实现经济社会绿色发展。此外，数字普惠金融通过降低金融服务门槛，提高金融市场化水平和金融体系的包容性，为开展绿色项目的中小企业提供了资金来源，同时缓解了中小企业融资约束以促进企业绿色创新，也缓解了高杠杆对企业绿色创新的危害，使得金融体系能够更好地服务于经济发展的客观需要，有利于提高区域创新能力，推动产业结构优化升级，从而提高经济发展效率和质量。基于此，本文提出以下假设：

假设1：数字普惠金融能够有效提升GTFP。

（二）数字普惠金融对GTFP 的传导路径

1.数字普惠金融通过降低碳排放提升了GTFP

一方面，数字普惠金融的出现不仅能够有效缓解中小企业的融资约束、降低其融资成本，还能通过互联网、支付宝等数字技术的使用实现线上交易，从而减少企业为了融资往返金融机构的途中产生的能源消耗和碳排放；另一方面，支付宝等数字金融通过增强线上互动和线上线下虚实结合的方式，刺激了公众参与到缴费无纸化、共享单车、蚂蚁森林等公众日常低碳行为的积极性，实现碳排放的降低。因此，发展数字普惠金融有利于降低区域碳排放，特别是减少第三产业碳排放来实现GTFP 的提升［3］。

2.数字普惠金融通过缓解资源错配提升了GTFP

根据资源配置理论，资源错配是指资源不能充分自由流动，因此无法实现帕累托最优状态。Hsieh and Klenow（2009）［4］通过研究工业企业数据库发现中美全要素生产率相差较大的原因是资源配置效率不同。相较于传统金融，数字普惠金融利用大数据、人工智能等科技手段有效缓解了金融机构与企业间信息不对称问题，提高了市场透明度，有利于实现金融资源配置的公平化、合理化。长期以来，资源错配的存在导致生产要素被无效配置，不仅浪费了大量金融资本和劳动力资源，阻碍了全要素生产率的提升，也制约了经济增长［5］，而数字普惠金融的出现有利于引导金融资源和生产要素从生产效率低、环境污染严重的部门向生产效率高、环境污染少的部门流动［6］，推动资源配置实现效益最大化和效率最优化，加快绿色转型，从而为经济高质量发展提供有力支撑。

3.数字普惠金融通过推动产业结构优化提升了GTFP

快速发展的金融科技能够通过缓解信息不对称、降低交易成本等途径激励资本积聚和科技创新以实现产业结构优化［7］。在此基础上，杜金岷等人（2020）［8］也发现数字普惠金融可以通过缩小收入差距、促进资本积累、扩张消费需求以及推动技术创新等途径促进产业结构优化升级。作为经济增长的重要基础，产业结构优化有利于转变能源消费结构、提升资源利用效率进而减轻环境污染程度，在很大程度上能够提升一国经济发展的质量和效率［9］。因此，随着我国产业结构不断转型升级，其对GTFP 的提升作用也会越来越显著。

假设2：数字普惠金融能通过区域降低碳排放、缓解资源错配以及推动产业结构优化等途径实现对GTFP 的提升效应。

二、计量模型和变量说明

（一）计量模型构建

由表2 中豪斯曼检验结果可知，应采用固定效应模型研究数字普惠金融和GTFP 之间的关系，同时考虑到各个省份数据存在异质性，且2011—2019年时间跨度较大，若不考虑时间因素可能导致实验结果出现偏误，因此为了保证研究结果的稳健性，本文进一步采取控制时间和地区的双向固定效应模型进行分析。构建模型如下：

表1 测算GML 指标的投入产出说明

表2 变量定义及描述性统计

其中，i表示省份，t表示年份，GTFPit是被解释变量，表示地区绿色全要素生产率，DIFIit是核心解释变量，表示各省数字普惠金融发展水平，controlit表示控制变量，μit是随机误差项。

（二）变量选取

本文应用2011—2019年我国30个省份的GTFP和北京大学数字金融研究中心提供的数字普惠金融指数分别作为被解释变量和核心解释变量，并参考现有文献，引入外商直接投资水平、经济发展水平、环境规制、产业结构水平、人力资本水平和金融发展水平作为控制变量。

1.被解释变量：绿色全要素生产率（GTFP）

本文中GTFP 的数据是通过包含非期望产出的SBM-GML 模型测算得出，从而规避了ML 指数在线性规划求解过程中常出现无解的问题。在具体的测算过程中，使用的数据主要包括以下指标：

计算公式如下：

其中，x、y和b分别表示要素投入、期望产出和非期望产出，g为方向向量。Dtc(xt，yt，bt；gt)则表示t时期的方向距离函数。

2.核心解释变量：数字普惠金融指数（DIFI）

当前研究数字普惠金融相关的研究大多引用北京大学数字金融研究中心和蚂蚁科技集团研究院编制的“北京大学数字普惠金融指数”作为研究对象，因此本文也选取该指数及其三个二级指标数字普惠金融覆盖广度（cov）、使用深度（dep）和数字支持服务程度（dig）作为数字普惠金融发展水平的代理变量。为了方便计算，将以上指标均除以100作为原始变量。

3.控制变量

在控制变量的选取上，本文主要从GTFP 的影响因素出发来加以选择，具体包括：（1）外商直接投资水平（lnfdi），采用实际利用外商直接投资额取对数表示；（2）经济发展水平（lnpgdp），用人均GDP取对数表示；（3）环境规制（Env），以环境规制指数衡量，参考原毅军（2020），数据采用熵权法获得；（4）产业结构水平（ind），用第二产业GDP 占地区生产总值的比重表示；（5）人力资本水平（hum），以人均受教育年限衡量；（6）金融发展水平（fin），用金融机构年末存贷款余额总额与GDP 的比重表示。

（三）数据说明及变量描述

本文基于2011—2019 年我国30 个省份（除港澳台及西藏）的面板数据进行研究。其中，数字普惠金融指数及其二级指标数据均来源于北京大学数字金融研究中心所编制的《北京大学数字普惠金融指数（2011—2019 年）》。其他基础数据大部分来源于各省份的统计年鉴、国家统计局、中经网、Wind 数据库、中国碳核算数据库（CEADs）等。

三、实证检验与结果分析

（一）数字普惠金融对GTFP 的影响分析

表3 中第（1）列数据为未加入控制变量时数字普惠金融对GTFP 的回归结果，回归系数为0.222，且在1%的水平下显著；加入控制变量后，显著性保持不变，回归系数变大，这表明在样本范围内数字普惠金融对GTFP 具有显著的提升效应，假设1成立。

表3 双向固定效应模型回归结果

（二）稳健性检验

1.内生性检验

为了最大限度地减少数字普惠金融和GTFP 之间的内生性问题，验证基准回归结果的稳健性，本文选取自变量数字普惠金融的滞后一期和各省份到杭州的球面距离作为工具变量进行回归。一方面，考虑到数字普惠金融的发展具有延续性，前一期的数字普惠金融可能会对当期产生影响，但是不会对扰动项产生影响；另一方面，各省份到杭州的球面距离与数字普惠金融发展程度相关，满足相关性，且各省份到杭州的球面距离为严格外生变量，不与GTFP直接关联，满足工具变量的外生性假设。

表4 报告了工具变量的回归结果。第一阶段中，数字普惠金融的滞后一期数据和各省份到杭州的球面距离对数字普惠金融的回归系数分别为0.484 和0.344，且都在1%的水平下显著，满足相关性要求；同时由第一阶段F值可知不存在弱工具变量问题。根据第二阶段回归结果，在充分考虑内生性偏差后数字普惠金融与GTFP 仍然显著正相关，假设1 仍然成立，这也证实了回归结果的可靠性。

2.其他稳健性检验

第一，替换解释变量。分别将数字普惠金融的覆盖广度（cov）、使用深度（dep）和数字支持服务程度（dig）这三个指标代入模型中对GTFP 进行回归，回归结果如表3 第（3）（4）和（5）列所示，回归系数分别为0.234、0.160 和0.120，可见数字普惠金融的三个二级指标也对GTFP 具有显著提升效应，其中覆盖广度影响效果最强。

第二，变量缩尾处理。对模型中的全部变量进行双侧1%的缩尾处理后再回归，由表5 第（1）列可知，数字普惠金融回归系数和显著性与基准回归结果基本一致，说明基准回归结果较为稳健。

第三，多模型回归。表5 中（2）（3）列分别报告了数字普惠金融指数对GTFP 进行固定效应模型和随机效应模型的结果，可见数字普惠金融回归系数符号及显著程度均没有产生明显差异，这也进一步验证了回归结果的稳健性。总之，经过稳健性检验之后，实证结果与基准回归值没有显著差异，即本文结论是稳健、可靠的。

（三）数字普惠金融对GTFP 的传导机制分析

1.中介效应模型构建

为了进一步研究数字普惠金融对GTFP 的间接传导机制，根据相关理论研究最终选择了碳排放、资本错配和产业结构升级这三个变量作为中介变量进行检验，并构建了如下模型：

2.影响机制分析

（1）碳排放降低效应分析。选取区域碳排放量作为中介变量进行回归分析。根据表6 第（2）（3）列可知，α1为负且通过了显著性检验，一方面，说明数字普惠金融能够有效降低区域碳排放；另一方面φ2也为负，且数字普惠金融的回归系数略下降，这表明数字普惠金融能通过降低区域碳排放水平从而提升GTFP。

表6 影响机制分析

（2）资源错配缓解效应分析。各省的资源错配指数采用主成分分析法计算，其中劳动力错配指数权重系数为0.610 4，资本错配指数权重系数为0.389 6。实证结果如表6 第（4）列、第（5）列所示，α1为-0.092 8 表明数字普惠金融显著缓解了资源错配程度；φ2为-0.674，同时φ1相比β1略下降，这说明数字普惠金融能够通过缓解区域资源错配程度进而提升GTFP。

（3）产业结构优化效应分析。刘赢时等（2018）［10］研究发现相较于产业结构合理化，产业结构高级化对GTFP 的提升效果更为显著，因此本文选择产业结构高级化数据作为中介变量。由表6 第（6）列、第（7）列相关数据可知，α1为0.419，表明数字普惠金融能够推动产业结构优化；同时，φ2为0.181 说明产业结构优化有利于经济社会绿色发展。因此，数字普惠金融能通过促进产业结构优化作用于GTFP。综上，假设2 得以验证。

四、异质性分析

基于地区经济发展水平和金融发展水平视角，深入研究数字普惠金融对GTFP提升效应的异质性。

（一）地区经济发展水平异质性分析

考虑到我国各地区经济发展水平不同，尤其是东部与中西部地区之间资源禀赋、工业基础差异明显。因此，本文将我国东部地区和中西部地区依据区域经济水平差异划分后分别进行回归，表7 中第（1）（2）（3）列分别报告了在我国东部和中西部地区数字普惠金融对GTFP 的影响效果，从中可以看出在东部地区数字普惠金融对GTFP 的回归系数显著为正；但是在中部和西部地区却没有通过显著性检验。原因可能在于东部地区经济基础较好，数字普惠金融资源得以更多地向绿色行业和低碳行业倾斜，为提升GTFP 提供了良好的经济基础，因此有利于转变经济发展方式，进一步推动经济社会绿色发展；而中西部地区经济发展相对落后，信息和信用体系不够健全，金融服务风险较高，这些因素从客观上抑制了当地数字普惠金融的发展，不利于GTFP 的提升。

表7 异质性分析

（二）金融发展水平异质性分析

由于我国各省市间金融发展水平可能存在较大差异，因此本文将金融发展水平按中位数划分为金融水平发达地区和金融不发达地区分别回归。由表7 第（4）列结果显示，在金融发达地区数字普惠金融对GTFP 的系数为0.408，且在1%的水平下显著；而在金融不发达地区，从表7 第（5）列可以看出数字普惠金融对GTFP 的影响效果并不显著。这可能是因为金融发达地区的金融基础设施相对完善，金融制度环境良好，金融产品与服务供给丰富多样，从而能够对GTFP 的提升起到良好的促进作用；然而在金融不发达地区数字普惠金融发展较为落后，金融市场发育不成熟，同时由于“数字鸿沟”“知识鸿沟”的存在，该地区仍有不少人难以掌握数字普惠金融的相关知识和技能，所以该效果不显著。

五、结论与政策建议

本文以2011—2019 年中国30 个省份的绿色全要素生产率和北京大学数字金融研究中心提供的数字普惠金融指数为研究对象，运用双向固定效应模型和中介效应模型分析数字普惠金融对GTFP的影响效果和传导路径，发现数字普惠金融能够有效提升GTFP，并在经过多角度稳健性检验后该结论依然成立；数字普惠金融的三个二级指标也对GTFP 具有显著提升效应，其中覆盖广度影响效果最强。异质性分析表明，这种提升效应在东部地区和金融发达地区尤为显著。另外，影响机制检验也发现数字普惠金融可以通过降低区域碳排放、缓解资源错配以及推动产业结构优化等渠道提升GTFP。基于上述分析，结合党的十九届五中、六中全会精神，我们提出以下三点政策建议：

首先，健全数字普惠金融基础设施建设，提升金融资源配置效率。加快提升互联网和智能移动终端普及率，积极推进5G 网络、数据中心等新型数字基础设施及其在普惠金融领域的应用；同时加大数字支付的宣传和普及工作，扩大社会信用覆盖面，加快网络通信的提速降费，提高数字普惠金融的可得性和包容性，发挥数字普惠金融作为资源共享的平台作用，最大限度提高资源配置的质量和效率。只有不断提升消费者数字金融素养，缩小“数字鸿沟”，才能让中西部地区及金融水平不发达地区更多地享受到数字普惠金融服务，从而为提升GTFP 提供良好的平台。

其次，推进绿色低碳生产生活方式，提升绿色数字普惠金融服务能力。一方面，处理好经济发展与美丽建设的关系，打造低碳产业体系，努力走出一条具有中国特色的生态与经济协调发展之路。同时发挥公民主体作用，大力倡导简约适度、绿色低碳的生活方式和环保风尚，让绿色低碳真正融入生产生活，加快发展方式和生活方式的绿色转型；另一方面，鉴于数字普惠金融可以通过降低碳排放水平提升GTFP，深化绿色数字普惠金融的服务水平，利用数字化手段推进全民碳减排，如鼓励公众积极参与绿色出行、减纸减塑、节能降耗等低碳行为，促进公众践行绿色生产生活方式。

最后，推进数字普惠金融和绿色金融融合发展，拓展金融科技在绿色金融领域的运用。将绿色金融标准、绿色金融规则融入普惠金融全过程，实现普惠金融和绿色金融相关标准体系的协调。以碳中和为约束条件，不断建立和完善绿色普惠金融政策体系，引导和激励金融系统以市场化方式支持绿色投资，尤其是要关注和服务于因绿色转型带来更高经营成本的高碳行业、依附于高碳行业的小微企业及其从业者，以及现有绿色金融体系支持相对较弱的领域。既要在推动金融普惠过程中坚持绿色发展方向，防止“高碳普惠”；又要注重将绿色金融资源惠及人民，防止“减碳伤民”。