数字金融如何影响城市碳排放绩效？

肖远飞 杨雪妮 韩先锋

一、引言与文献回顾

推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。2022 年1 月，国务院印发的《“十四五”节能减排综合工作方案》提出要优化完善能耗双控制度、健全节能减排政策机制，助力实现碳达峰、碳中和目标。节能降碳的效果离不开金融服务的支持，尤其是近年来数字金融快速发展及其对生产生活的渗透影响，为各地提高节能降碳成效创造了更好的金融服务环境。国家“十四五”规划纲要也提出金融机构应当加速数字化转型进程，为实体经济提供更好的服务。数字金融发展是否有利于改善各地区的碳排放绩效？如果存在改善效应，该效果的实现机制有哪些？回答上述问题，对于有效利用数字金融发展实现“双碳”目标具有重要的理论和现实意义。

与本研究较为密切的文献包括两个方面：一是碳排放及其影响因素分析。目前国内外有关碳排放的研究内容比较丰富，测度碳排放的方法也越来越精准，不仅考虑到时空差异[1]，还构建了新的前沿总因素碳排放效率指数（TCEI）[2]。影响碳排放的因素较多，不仅包括经济增长、能源结构、产业结构、城镇化等宏观层面的因素[3，4]，也包括人口、技术、投资等要素视角的因素[5]以及环境规制等政策性因素[6]。此外，有研究还发现金融资源配置效率对碳减排也有积极影响[7]。有关碳排放影响因素的研究越来越聚焦数字经济、数字技术及其应用等新因素的深层探索[8，9]。二是数字金融与碳排放关系的研究。邓荣荣等[10]和Lee 等[11]识别出数字金融发展通过经济增长、产业结构和技术创新三大路径来改进城市碳排放绩效。王军等[12]基于微观数据，发现数字金融发展能够显著增加家庭消费的碳排放。王军等[13]认为数字金融发展对制造业碳强度具有“先促增、后抑制”的非线性作用，并且主要源自数字金融覆盖广度和使用深度的影响。汪克亮等[14]、贺茂斌等[15]以及Li等[16]研究认为数字金融能够通过影响区域创新和技术进步来提高碳生产率和清洁能源消费比例，最终有利于改善生态环境和降低区域碳排放。关于实现路径的研究还提出，数字科技产业化和传统产业数字化是数字金融影响碳排放的有效途径[17]，数字金融的发展将通过影响居民消费理念和行为、企业生产活动方式与创新效率等方面作用于碳排放[18]。廖珍珍等[19]研究认为数字金融通过经济规模扩张引起碳排放增加，同时通过绿色技术创新引起碳减排，二者对碳排放的综合叠加效应具有先增后减的特点。Sun 等[20]研究提出数字金融通过人力资本和市场化效应两种渠道显著提高碳生产效率。

综上，现有文献开始关注数字金融发展对碳排放的影响，并初步提出了绿色技术创新、产业升级等数字金融的碳减排路径。但多数研究侧重于分析数字金融对减少碳排放总量的影响，而关于城市碳排放绩效的影响研究较少，尤其是关于实现路径与保障条件的研究还需进一步深化。本文的边际创新体现在以下三个方面。第一，深化了数字金融对碳排放影响的研究深度。本文通过更加科学有效的方法测度城市碳排放绩效，更加细致地识别出数字金融对城市碳排放绩效的作用效果及其差异化影响，为更好发挥数字金融的碳减排效应提供了更明确的经验证据。第二，拓宽了数字金融影响碳排放实现机制的研究范围。在以往文献只关注数字金融影响碳排放的绿色技术创新、产业升级等市场机制的基础上，补充了“产业集聚”市场机制，还弥补了“政府环保注意力”这一“有为政府”的实现机制，为优化政策保障举措，更好发挥数字金融对碳排放绩效的改善作用提供了更全面可靠的参考。第三，丰富了数字金融影响碳排放绩效的研究内容。有别于以往研究只聚焦数字金融对碳排放的影响结果，本文还运用门槛回归模型，更具体地考察了不同发展水平的数字金融对碳排放绩效的影响规律，找到了其中存在的边际效应递增事实特征，进一步丰富了数字金融对碳排放影响的研究内容。

二、理论分析与研究假设

（一）关于数字金融对碳排放绩效的影响

金融发展在节能减排过程中发挥着重要作用。在传统金融视角下，随着经济压力增长，金融集聚对碳排放效率具有显著的平滑转移效应，金融集聚处于较低水平时会抑制碳排放效率[21]。同时，区域技术水平是该地区金融发展影响碳排放的重要条件，比如西部地区由于环境技术进步和创新力相对较弱，金融发展并未有效遏制碳排放，而东部地区结果相反[22]。数字金融能够从场景、数据以及与产品创新相结合等方面发挥传统金融难以实现的作用[23]，比如数字金融的发展能够合理地校正传统金融中存在的多种错配现象[24]，并且在金融发展禀赋较差的地区，展现出更强的企业技术创新驱动效果[25]。同时，数字金融的应用不仅可以推动金融服务实体经济效率的提升，而且可以通过技术创新、金融要素和人力要素的全面重塑对节能减碳产生直接影响[20，26]。数字金融作为经济增长的重要推动力，可以显著提高碳生产率。Wu 等[27]验证了数字金融提升了中国城市群碳排放效率的结论，且中东部地区提升效果明显，存在显著的区域异质性。因此，本文提出假说H1。

H1：数字金融发展可以有效改善城市碳排放绩效。

（二）关于数字金融影响碳排放绩效的实现机制

从“产业集聚效应”角度出发：Xu等[28]研究发现制造业和生产服务业聚集水平的提高可以有效改善企业空间布局，利用协同集聚的外部效应提升碳生产效率，达到降碳生产目标。Li 等[29]发现中国的工业产业集聚以促进绿色工业产业集聚和加快绿色技术创新进程的手段实现碳减排目标。杨庆等[30]研究发现高新技术产业集聚可以利用规模效应和TFP效应改善能源利用率，从而进一步提高碳排放效率。新技术产业形成的产业集聚可以通过知识溢出、技术进步、技术扩散与竞争效应，推动中低技术产业的创新水平革新，进而降低环境污染，带动低碳产业发展[31]。而数字金融的演进一定程度上缓解了企业融资约束，更好地帮助企业在生产过程中完成低碳技术的更替，有助于企业扩大生产规模，提升生产效率和质量，从而达到实现绿色技术产业和高新技术产业的集聚效应。同时，数字金融通过改善资源错配，吸引更多高技术产业形成集聚，并通过产业集聚强化知识溢出效应，推进产业技术创新，形成产业集聚的良性循环，为低碳产业发展创造有利空间[32]。此外，数字金融也会增强技术溢出效应，降低生产成本和推进技术交互性创新，为技术产业集聚提供有力支持，从而推动降碳目标的实现[33]。因此，本文提出假说H2。

H2：数字金融发展通过“产业集聚效应”实现对碳排放绩效的改善。

从“绿色创新效应”角度出发：一方面，数字金融可以通过影响企业的融资渠道、融资效率和融资成本，进而促进绿色技术创新发展，降低创新风险[34]。同时，数字金融发展可以缓解行业内与行业间的信息不对称程度，降低外部融资成本，促进产业成长和技术创新[35]。另一方面，数字金融通过产业结构升级和技术创新两条路径，有效地提升城市群碳排放效率[27]。绿色技术创新可通过提高生产技术水平、改善能源利用率和发展清洁可再生能源等途径来降低社会对传统经济能源的依赖程度，继而降低碳排放[36]。数字金融与绿色科技创新的协同效应对地区碳排放效率具有显著的提升作用，但仍存在区域异质性，需要因地制宜地发挥数字金融与绿色科技创新的融合效果[37]。数字金融累积深化带来的技术进步，能推动企业节能技术、能源管理和污染管理能力提升，进而降低单位碳排放，最终实现碳排放总量减少[18，38]。同时，绿色技术创新能够对劳动力就业、需求和进出口结构产生深远影响，从而提高要素质量和配置效率，推进经济发展方式从粗放式向集约式转变，提升生态效率和绿色发展。据此，本文提出假说H3。

H3：数字金融发展通过“绿色创新效应”实现对碳排放绩效的改善。

从“政府环保工作力度”角度出发：为了实现碳达峰、碳中和目标，必须将政府作为与市场化资源配置有机结合。通过政府干预，可以优化资源配置效率，从而确保产业升级和经济持续发展[39]。在提升碳排放绩效方面，地方政府应当加大财政科技投入力度，优化财政科技支出结构，实现创新资源的高效配置[40]。政府调节通过科学的环境管制和合理的空间规划，有助于实现城市生态保护与经济增长均衡发展[41]。为实现碳减排目标，不同城市必须因地制宜地实施减排政策，地方政府需要充分考虑政策实施差异和实施力度[42]。由于低碳产业的不稳定性可能带来金融资源的错配，此时数字金融和政府环境规制的协同作用就显得尤为重要。冯素玲等[38]研究发现政府环境规制水平提高能强化数字金融发展对碳减排的促进效果。并且，地方政府通过系统学习，在实践中更有助于推动低碳城市的发展进程[43]。可见，地方政府在碳减排投入方面的工作力度及对资源配置的调节力度，可以体现出地方促进低碳发展的能力，有助于整合资源，实现“双碳”目标[44]。鉴于地方政府增强生态环境工作力度，在发展数字金融等手段有效改善碳排放绩效的过程中可能存在显著的调节效应，本文提出假说H4。

H4：地方政府的环保工作力度会影响到数字金融提升碳排放绩效的结果。

图1 数字金融对碳排放绩效的影响途径

三、模型构建、变量选择和数据来源

（一）模型构建

1.基准回归模型

为了检验数字金融发展对城市碳排放绩效的影响，即假设H1 是否成立，本文借鉴钱海章等[45]的研究，构建以下线性回归模型：

其中，i 代表城市，t 代表年份；Ce 代表碳排放绩效；Df 代表数字金融发展水平；Control 代表一系列控制变量；θ代表个体效应，μ代表时间效应，ε代表随机扰动项。

2.中介效应模型

为了探究数字金融对碳排放绩效的影响机制，需要深入研究其具体的传导路径。参考温忠麟等[46]的研究，构建如下模型考察产业集聚与绿色创新在数字金融影响碳排放绩效中的传导路径。

式（2）、（3）中，M 表示中介变量，即产业集聚效应（Gather）和绿色创新效应（Ingrvart）。若式（1）中系数α1显著，式（2）、（3）中系数β1、ρ2均显著，且式（3）中系数ρ1也显著并与β1、ρ2同号，则说明“产业集聚效应”和“绿色创新效应”两条中介机制作用显著。

3.调节效应模型

为了检验假设H4，本文借鉴方杰等[47]的思路，在模型（1）的基础上建立模型（4），形成本文的调节效应实证模型：

式（4）中，Attention 为调节变量，即地方政府环保工作力度。

（二）变量选择

1.被解释变量

本文用城市碳排放效率（Ce）来表示被解释变量碳排放绩效。参考马大来等[48]、王少剑等[49]的研究，利用含有非期望产出的SBM-Undesirable模型计算得到碳排放效率（Ce）数据。其中，劳动力投入采用各城市的市辖区就业人数（万人），以2011年为基期，运用永续盘存法计算得到的地级市资本存量来表示资本投入；能源投入采用地级市能源消耗（万吨）来表示，以地级市碳排放作非期望产出，以地区生产总值作期望产出。计算得到的碳排放效率指标越高，则表明地方碳排放绩效越好。

2.核心解释变量

数字金融（Df）。引用北京大学数字金融研究中心发布的“北京大学数字普惠金融指数”作为核心解释变量的代理变量。这一指数可以很好地测度各个区域数字金融发展水平，同时还可分为覆盖广度（Cover）、使用深度（Usage）以及数字化程度（Dig）多维度指标，用该指标来表征中国数字金融发展程度更有代表性。

3.机制变量

第一个中介机制变量为产业集聚效应（Gather）。参考杨浩昌等[36]和宋德勇[50]等对产业集聚的衡量方法，采用第二、三产业产值之和与城市建设用地面积的比值来度量产业集聚程度，以此衡量在产业集聚发展和规模不断扩大的情况下，数字金融如何影响碳排放绩效。第二个中介机制变量为绿色创新效应（Ingrva）。关于创新的代理变量主要有专利申请量、专利授权量和研发投入。本文参考胡江峰等[51]和刘督等[52]的研究，使用绿色发明占地区年度申请专利总数的百分比作为代理变量。

本文的调节机制变量为地方政府环保工作力度（Attention）。借鉴卢盛峰等[53]的研究，使用各地政府工作报告中环保相关词频（包括“集约”“节能”“二氧化碳”“减排”“能耗”“环境保护”“污染”等）进行词频统计分析得到。

4.控制变量

借鉴刘敏楼等[54]和王元彬等[17]的研究，本文的控制变量选取如下：城镇化水平（Urb），采用城镇化率测度；教育水平（Edu），采用全市每万人大学生数来代表本地区教育水平；外贸依存度（Open），选取进出口总额与地区GDP的比值来衡量；基础设施建设（Infra），采用人均道路面积的对数来衡量；地区经济发展水平（Pgdp），以2010 年为基期的人均实际GDP 取对数来衡量；科技水平（Tec），采用科技支出占财政支出之比来衡量；地方政府规模（Gov），使用财政支出与地区GDP的比值来衡量。

（三）数据来源

本文所使用的基础数据为2011—2019 年中国282个地级市（不含港澳台地区）面板数据。碳排放所涉及的数据来源于CEADs 数据库、《中国能源统计年鉴》、各地区统计年鉴等；数字金融指数引用“北京大学数字普惠金融指数”。其中，中介效应机制变量和控制变量的数据主要来源于中经网统计数据库、EPS数据库以及各地区统计年鉴等；市场化指数采用《中国分省份市场化指数报告》中的测算指数；绿色专利申请数据来自Incopat专利数据库；调节效应机制变量使用各地政府工作报告中环保相关词频（包括“集约”“节能”“二氧化碳”“减排”“能耗”“环境保护”“污染”等）进行词频统计分析得到。对缺失的数据使用线性插值法进行填补。

表1显示了全部连续变量描述性统计分析结果。对碳排放效率（Ce）和碳排放强度（Ci）进行了对数化处理，保证其数量级与其他变量较为接近，以免产生较大误差。从表1 可以看到，数字金融发展总指数及三个分维度指数的最小值与均值相差较大，表明我国各地区数字金融发展呈现不平衡的趋势。

表1 主要变量的描述性统计说明

四、实证分析

（一）基准模型的回归结果

表2报告了基准模型的回归结果。本文控制了时间固定效应和城市固定效应，便于消除随时间和城市不变因素的干扰。表2（1）列报告了数字金融总指数对碳排放绩效的影响结果，（2）列增加了控制变量，结果显示Df 的系数均显著为正，表明数字金融对碳排放存在显著的促进作用。假说H1成立。

表2 基准回归结果

为进一步分析数字金融各维度对碳排放绩效的异质性影响，本文对三个分指数进行回归，结果如表2（3）至（5）列所示，数字金融的覆盖广度和使用深度对碳排放绩效具有显著影响，而数字化程度对碳排放绩效的影响不显著。这说明加大数字金融覆盖广度和使用深度，是提升碳排放绩效的主要着力点。

（二）稳健性检验

1.内生性问题

本部分借鉴张勋等[23]的研究思路，在对核心被解释变量取对数以消除异方差之后，选择各样本地级市到杭州市的地理距离作为工具变量进行稳健性检验。表3（1）列报告了使用工具变量法的回归结果，其中Hansen统计量大于0.1，说明不存在弱工具变量等问题，在考虑数字金融对城市碳排放绩效的内生性影响后，数字金融仍然可以显著提升碳排放绩效。

表3 稳健性检验

2.替换实证检验方法

本部分用系统GMM方法进行回归以减少偏误，回归结果如表3（2）列所示。结果表明，碳排放绩效滞后一期和数字金融的估计系数均在5%的水平上显著为正，表明数字金融发展对城市碳排放绩效具有显著促进作用。再次验证了假说H1的稳健性。

3.替换被解释变量

前文用基于超效率SBM 模型测算的碳排放效率表示被解释变量碳排放绩效，本部分用碳排放强度（Ci）替代碳排放效率来表示被解释变量。碳排放强度指标用各城市碳排放量（万吨）与以2011 年为基期的城市实际GDP比值来表示。回归结果如表3（3）列所示，数字金融发展水平可以显著抑制城市碳排放强度，进而提升碳排放绩效。可见，替换被解释变量后结论依然稳健。

4.剔除直辖市

考虑到中国不同城市的发展水平差异较大，尤其是直辖市的经济体量明显大于其他城市，可能影响实证结论，故本文剔除直辖市样本重新考察数字金融发展对城市碳排放绩效的影响，结果如表3（4）列所示。解释变量数字金融总指数（Df）的系数与前文的回归结果并无显著差异，验证了前文实证研究结果的稳健性。

（三）异质性分析

中国经济发展总体存在区域不平衡现象，不同地区和城市的传统金融发展、市场化程度都存在显著差异。这些差异化因素都会影响到数字金融发展水平及其效果，进而可能会导致数字金融对城市碳排放绩效的异质性影响效果。本文分别从空间差异、传统金融发展、市场化水平不同视角，识别数字金融影响城市碳排放绩效的异质性。

1.空间视角的异质性

由于数字金融发展和碳排放绩效有较高的空间差异，参考现有文献和国家统计局分区标准，将去除直辖市的278个地级市分为东部、中部、西部和东北四个子样本分别进行回归，结果如表4 所示。（1）和（3）列显示，东部和西部地区的数字金融发展可以显著提高城市碳排放绩效，并且东部和西部地区的影响程度相差无几；（2）和（4）列显示，东北和中部地区的数字金融对城市碳排放绩效的影响系数并不显著。原因可能是：东部地区经济发达，其数字金融发展水平较高，可以从多个方面改善碳排放绩效。例如数字金融可以缓解融资约束，促进绿色技术创新以达到降碳的目的。而西部地区经济相对滞后，其碳排放绩效任务艰巨，数字金融的普及效应在影响碳排放绩效方面有更大空间，进而比较容易产生显著作用。东北和中部地区的数字金融发展和碳排放绩效相对处于中、低水平，数字金融影响碳排放绩效的途径可能尚未畅通，进而导致数字金融对碳排放绩效的影响尚未得到充分体现。

表4 空间异质性分析

2.传统金融发展视角的异质性

传统金融发展的异质性体现在传统金融发展水平和传统金融差异水平两个方面。传统金融发展水平用城市年末金融机构各项贷款、存款余额之和与以2011年为基期的城市实际GDP的比值表示；传统金融差异水平参考俞颖等[55]方法，用各地区金融发展的泰尔指数表示，以其均值作为分组的依据，实证结果如表5（1）至（4）列所示。可以看出，从传统金融差异化视角来看，数字金融对城市碳排放绩效的异质性影响不大，不管是传统金融发展绝对水平不同的城市，还是传统金融发展差异水平不同的城市，数字金融对城市碳排放绩效都存在显著影响，只是在传统金融发展水平较高、传统金融发展差异较大的城市，该影响系数更大。这可能是由于当传统金融发展水平更高、发展差异更大时，为数字金融的普及和应用创造了条件和空间，提升了数字金融对碳排放绩效的影响力。同时，在传统金融发展水平较高的城市，该影响的显著性略低。这可能是由于在传统金融发展水平较高的城市，数字金融的应用和影响范围受限，从而导致数字金融影响碳排放绩效的显著性相对较低。

表5 传统金融和市场化水平异质性分析

3.市场化水平视角的异质性

依据樊纲等[56]编制的市场化相关指标，结合各城市对应的相关数据进行测算，得到各城市的市场化水平，以其均值作为分类依据进行分组回归，表5（5）和（6）列报告了实证结果。结果显示，市场化水平不同，数字金融对城市碳排放的影响差异十分明显，在市场化水平较高的城市，数字金融的发展不仅没能提升碳排放绩效，反而起到显著的负面影响，而在市场化水平较低的城市，数字金融发展才显著提升了城市碳排放绩效。究其原因：一方面，在市场化水平较高的城市，资源配置效率较高，市场监管体系也比较健全，数字金融发展可能挤出原有生效的碳减排机制与途径，导致负面影响；另一方面，在市场化程度相对滞后的城市，数字金融的兴起在一定程度上缓解了由于市场机制失灵导致的投融资局限，优化了资源配置，更有效地促进了地区碳排放绩效的提升。

五、机制分析

前文结论表明，数字金融发展水平越高，整体上有助于提升城市碳排放绩效。为进一步探讨实现这种影响的中介路径和外部条件，本文选取“产业集聚效应”和“绿色创新效应”两条路径进行中介效应机制检验，并选取“政府环保工作力度”进行调节效应机制检验，以识别“有为政府”在数字金融影响城市碳排放绩效中发挥的调节作用。

（一）中介效应机制分析

表6 报告了对中介效应模型的回归结果。表6（1）和（2）列显示，产业集聚效应（Gather）对碳排放的影响系数显著为正，并且数字金融也能促进产业集聚发展，即数字金融发展通过产业集聚效应实现对碳排放绩效的改善。假说H2 成立。相关研究发现，数字金融的发展对第二、三产业的集聚均具有长期且显著的促进作用，可以通过促进企业创新和人才集聚两个方面来促进产业集聚，并通过缓解传统金融市场对低收入群体的金融排斥、提高支付便利化等手段推动人才的区域集中，进一步增强产业集聚效应[57]。此外，产业集聚的过程中产生知识溢出、设施共享、人力资本水平提升和竞争加剧，也会促进碳排放绩效的提高[31]。

表6 中介效应机制实证结果

表6（3）和（4）列报告了绿色创新效应（Ingrva）中介机制的实证结果，同样发现数字金融具有显著的绿色创新效应，进而通过该效应显著改善城市碳排放绩效。假说H3 成立。数字金融能够显著促进区域绿色创新，其作为一种新型融资方式，拓宽了中小企业绿色创新融资渠道，降低了绿色技术创新成本，提升了绿色技术创新能力[34，35，58]。在数字金融驱动下，随着绿色创新效应作用的发挥，区域生产要素的空间适配性得到加强，要素的质量和配置动态效率也得到了改善，这为生产部门减少碳排放水平以及提升碳排放绩效提供了有力支持。

（二）政府作用的调节效应机制分析

表7报告了调节效应模型的实证结果。可以发现，加入政府环保工作力度（Attention）这个调节变量后，其与数字金融交乘项的系数显著为正。可见，地方政府环保工作力度对数字金融影响城市碳排放绩效的结果具有正向调节作用，表明地方政府加大环保工作力度，有利于强化数字金融的降碳效应，假说4 成立。随着环保工作力度的加大，地方政府将注意力转向民生和生态环境，可以为数字金融的降碳作用创造更好的条件，进一步促进了碳排放绩效的改善[40，59]。

表7 调节效应机制实证结果

六、拓展分析

通过上述研究发现，数字金融发展可以通过“产业集聚效应”和“绿色创新效应”改善城市碳排放绩效，同时地方政府环保工作可以正向调节和强化数字金融的降碳作用。为了更深入地识别数字金融影响碳排放绩效的具体特征，本文继续引入门槛模型，以进一步拓展对数字金融降碳效应规律的探索。以数字金融总指数为门槛变量构建以下模型：

式（5）中，I（·）为指标函数；γ表示门槛值，当括号内条件满足时，取值为1，不满足则取值为0；εit表示残差项。

目前已有文献表明金融因素与碳排放之间可能呈现出非线性特征。为得到更详细和有针对性的结论，本文同时对全国层面以及东部、中部和西部地区层面数字金融与城市碳排放绩效之间的门槛关联进行考察。门槛自抽样检验结果如表8所示。可以看出，在全国层面，数字金融对碳排放绩效的单门槛效应在1%的水平上显著，且不存在更大的门槛效应，剔除直辖市的稳健性检验结果一致。而在东部地区，数字金融发展对碳排放绩效存在双重门槛效应，且在5%的水平上显著为正，中部地区则只存在单一门槛效应，西部地区不存在门槛效应。

表8 门槛检验结果

门槛模型实证结果如表9 所示。首先，从全国层面来看，数字金融对碳排放绩效的影响呈现出边际效用递增规律，当总指数低于等于门槛值116.7400 时，数字金融对碳排放绩效的影响系数为0.0015 且显著，而跨过该门槛值时估计系数明显增大；剔除直辖市的稳健性检验显示，该结论仍然成立。其次，东部地区门槛值明显高于全国范围，表明东部地区需要更高的数字金融发展水平，才能有效释放该地区数字金融的降碳作用。这与东部地区是中国数字金融发展水平高的城市集聚区，以及东部地区数字金融影响城市碳排放绩效更明显的事实特征相符合。而中部地区呈现出与全国范围较为相似的递增趋势。最后，中部地区呈现的数字金融影响碳排放绩效的边际递增效应最明显，当数字金融发展水平越过门槛值后，其对城市碳排放绩效的影响显著，且大幅增长。

表9 稳健标准差门槛估计结果

七、结论与建议

（一）研究结论

本文基于2011—2019年中国282个城市面板数据，使用双重固定效应面板回归模型、中介效应模型、调节效应模型和门槛模型，实证检验了数字金融对碳排放绩效的影响及机制，得出以下结论：

第一，数字金融发展显著促进了城市碳排放绩效，且存在明显的结构差异。其中，数字金融覆盖广度对城市碳排放绩效的改善效果最佳，使用深度次之，而数字化程度对城市碳排放绩效没有显著影响。通过系统GMM检验、工具变量法和剔除异常值等稳健性检验后，结论依然成立。

第二，基于区域不同视角差异的异质性检验发现：首先，相较于中部、东北地区，数字金融在东部、西部地区可以显著提升城市碳排放绩效。其次，在金融发展水平高、金融发展差异大的城市，数字金融对碳排放绩效的影响程度更大。最后，在市场化程度较高的城市，数字金融对碳排放绩效存在显著负面影响，而在市场化程度较低的城市，数字金融可以发挥积极的降碳作用。

第三，关于数字金融如何影响碳排放绩效的分析表明：一方面，数字金融通过促进“产业集聚”，有效提升了碳排放绩效；另一方面，数字金融显著促进了“绿色创新”，进而发挥对碳排放绩效的改善效应。此外，基于调节效应模型的实证检验发现，地方政府环保工作力度是数字金融发挥降碳作用的有利条件，当地方政府环保工作力度增加时，可以促进数字金融对城市碳排放绩效的积极作用，提升数字金融的降碳效果。

第四，面板门槛模型回归结果显示，从全国层面来看，数字金融发展对碳排放绩效的影响存在边际递增效应。这一结论经过稳健性检验后依然成立，说明数字金融发展水平越高，越有利于其发挥降碳作用。同时发现，这种边际递增作用在中部地区最为明显，西部地区则不存在这种门槛特征。

（二）政策建议

根据以上研究结论，本文提出以下政策建议：

第一，因地制宜加速金融数字化转型。数字金融为中国低碳经济的蓬勃发展注入了强劲动力，但存在显著差异化影响。一方面，全国整体上要加强政策激励，加速金融机构数字化转型，鼓励传统金融业务与数字技术相融合，提升数字金融对实体经济的服务效能。另一方面，对于中部、东北地区，需要不断加强数字基础设施建设，促进数字金融发展及其与绿色金融、科技创新等结合，创造数字金融服务地方碳排放绩效的机会；对于市场化水平较高地区，要加速数字金融对实体经济的作用，鼓励数字金融对节能减排业务的渗透，规避市场机制对数字金融降碳效应的压抑与排挤。

第二，完善数字金融对产业集聚发展与绿色技术创新的支持力度。一方面，鼓励金融机构优先支持集聚式发展产业项目，支持发展产业链金融和供应链金融，打通数字金融降碳作用中的产业集聚效应途径。另一方面，强化创新的绿色与低碳含量，鼓励金融机构在信贷额度配给、利率优惠等方面倾向于绿色、低碳的创新项目，加大对绿色创新的长期金融服务；同时，推动企业加大绿色创新投入力度，把产业项目的环境效益纳入金融支持与政策考评的重要内容，打通数字金融降碳作用中的绿色创新效应途径。

第三，加强地方政府的作用，促进“有效市场”与“有为政府”的结合。研究发现，政府环保工作力度是发挥数字金融降碳作用的有效条件。一方面，要进一步强化地方政府环保工作意识与生态文明建设主体责任，为发挥数字金融对城市碳排放绩效提升作用创造良好的环境；另一方面，加强地方政府环保工作的力度和模式创新，注重与数字金融等新兴市场机制的联动与协调，在节能减排与提升地方碳排放绩效上，发挥市场资源配置基础性作用的同时，更好地发挥政府的作用。