“雙碳”目標背景下數字金融對能源效率的影響研究*

汪克亮，趙 斌

（中國海洋大學經濟學院，山東 青島 266100）

一、引言與文獻綜述

長期以來，我國經濟增長對能源資源投入的依賴程度較高，“高投入、高能耗、高污染”的粗放型經濟增長方式雖然帶來了經濟繁榮，但卻引發了能源資源短缺、生態環境破壞等一系列問題（許光清等，2020）。能源開發利用問題已然成為中國經濟高質量發展的瓶頸，如何破解該瓶頸，實現經濟高質量發展是當下亟需解決的問題之一。黨的十九屆五中全會明確提出，要加快推動綠色低碳發展，持續改善環境質量，提升生態系統質量和穩定性，全面提高資源利用效率。提高能源資源利用效率已成為中國經濟在由高速增長向高質量發展轉型過程中實現綠色發展的關鍵路徑之一（史丹和李少林，2020），這也成為學術界高度關注的話題。

通過梳理相關能源效率的研究文獻，不難發現，能源效率的提高本質上依賴于技術進步（Newell等，1999），而科技創新活動的開展離不開社會經濟系統尤其是金融系統的支撐（Maskus等，2011），但金融體系存在價格與配置扭曲的現象，導致中小微企業融資約束問題嚴峻，嚴重抑制了企業創新活動的開展（汪偉和潘孝挺，2015）。若沒有持續且穩定的資金支持，創新活動就猶如“無水之源，無本之木”，能源效率的提高以及經濟的高質量轉型更是無從談起。

作為數字技術與金融創新相融合而成的新型金融服務方式——數字金融，得益于互聯網革命對傳統金融行業的顛覆性沖擊，并依托信息、大數據、云計算等數字創新技術，成為行業發展新方向（許釗等，2021）。隨著環境問題的日益突出與綠色發展理念的深入人心，數字金融是否具有環境效應，能否推動中國經濟綠色轉型有待深入探討。當前，關于數字金融對生態環境影響的研究較少，如梁琦等（2021）研究發現數字經濟能夠通過驅動產業結構升級，有效地促進經濟生態化、生態經濟化；許釗等（2021）認為在數字經濟時代，實現碳達峰、碳中和，需要借助數字金融形成治理污染的長效機制。通過對已有文獻的梳理，可以發現，相較于數字金融的經濟效益而言，數字金融的環境效應尚未受到足夠的重視。雖然數字金融已成為推動中國經濟增長的重要引擎，但對于新時代背景下提高能源效率、改善生態環境而言，數字金融究竟是順勢而為，還是背道而馳，即數字金融對能源利用效率可能表現出怎樣的影響方式和作用機制，值得進一步深入研究。基于此，本文通過探究數字金融對能源效率影響的直接與間接機制，運用不同的計量模型進行相關實證檢驗，并充分考慮潛在的內生性與相關穩健性問題，試圖從能源效率視角評估數字金融的環境效應，豐富數字金融與經濟高質量發展的相關理論研究，旨在為中國生態環境治理，助推中國經濟實現綠色轉型提供切實有效的實踐路徑。

二、理論機制與研究假設

全面推進生態環境改善、能源效率提高，不僅要依靠強有力的末端治理措施，還需要采用金融手段改變資源配置的激勵機制。在金融資源有限的條件下，傳統金融部門往往具有“后向型”偏好，即僅僅依據企業的資產、盈利能力等來選擇授信客戶，甚至將金融資源向一些高污染部門傾斜，導致那些具有發展潛力、處于成長期的企業遭受金融排斥。傳統金融發展所面臨的困境在新時代下需要創新性的金融模式加以解決，以人工智能、大數據等互聯網技術為依托，傳統金融與新興技術有機融合的一種新的普惠金融模式——數字金融成為破局之法（郭峰等，2020）。數字金融作為傳統金融通過科技賦能方式形成的新產物，一方面，可以降低企業融資成本（謝絢麗等，2018），為企業提供多元融資渠道，從而改善信貸資源錯配問題，緩解企業相較于傳統金融的融資約束（Laeven等，2015），使得企業實現利用資金配置進行更多的研發投資，并逐步引導產業清潔轉型和綠色發展的目標。另一方面，伴隨著以人工智能、大數據為代表的數字技術迅速發展，中國已經逐步由“工業經濟”向“數字經濟”轉型，數字技術的滲透通過數字產業化和產業數字化等渠道全面推動了產業結構優化升級，產業結構優化升級使得生產要素從低效率部門轉移到高效率部門，生產效率得到合理配置，改變了經濟對資源、能源的路徑依賴程度和使用效率，提升了經濟體的資源配置效率，促進了能源效率的提升（蘇科和周超，2021）。

能源效率持續改進的本質來源于技術進步與技術外溢（Newell 等，1999）。科技創新活動的開展離不開社會經濟系統尤其是金融系統的支撐（Maskus等，2011），同時金融發展的技術提升效應對實現中國經濟綠色低碳可持續發展具有重要意義（嚴成樑等，2016）。金融發展通過分散風險和降低成本促進企業技術創新，使得能源生產部門提高污染排放效率緩解碳排放（Shahbaz等，2013），然而傳統金融服務長期的供給不足嚴重制約了技術創新的展開、經濟結構轉型與高質量發展（唐松等，2020），因此金融服務的有效供給將直接影響到技術創新活動的開展（賈俊生等，2017）。數字金融作為金融基礎設施的重要力量，在人工智能、大數據技術、互聯網技術、分布式技術、區塊鏈等支撐下，一方面能夠在低成本低風險的基礎上處理海量數據，數據的高效清潔、低成本、可復制以及海量獲取等特點克服了傳統生產要素固有缺陷，具有“高乘數”效應；另一方面數字金融具體表現為能夠校正傳統金融中存在的屬性錯配、領域錯配和階段錯配等供給不足問題，并能夠進一步克服傳統金融的融資約束，直接為企業、科研機構等創新主體提供融資支持（徐章星，2021），為企業提供智能投顧、供應鏈金融、消費金融等更為豐富的融資渠道和方式，有效地提高金融供給服務效率，為區域創新活動提供強有力的支撐（謝絢麗等，2018）。伴隨著區域創新水平的提升，數字金融可以有效發揮科學技術進步對能源效率提升的促進作用，充分發揮創新對能源效率提升的促進作用（黃麗等，2020），為區域經濟可持續發展提供內在動力（惠獻波，2021）。

基于以上理論機制分析，本文提出以下研究假設：

假設1：數字金融發展有助于提高能源效率；

假設2：數字金融通過提高區域創新水平進而提升能源效率。

三、研究設計

（一）模型構建

根據上文的相關理論分析，首先構建基準回歸分析探究數字金融對能源效率的影響：

數字金融可以通過影響區域創新能力進而促進能源效率的提升，本文使用中介效應方法對這一機制進行相關檢驗。以基準回歸方程為基礎，引入中介效應方程，具體形式為：

在實證回歸結果中，若β、χ1均顯著為正，則表明中介效應成立；若β1、χ1至少有一個不顯著，則需要進一步檢驗中介效應的顯著性。

對于大對數數據而言，經常存在尖峰或肥尾、異方差等問題，故估計結果可能存在一定的偏誤。為了彌補這種缺陷，Koenker和Bassett（1978）提出分位數回歸法，具體分位數表達如模型（4）所示：

其中固定效應系數不隨分位數變化而變化，但Index的估計系數隨不同分位數條件而變化，為了同時實現模型（4）不同分位數下的參數，需要對模型（5）進行求解。

其中：ωk為對應各分位數的權數，為調節系數，本文采用Koenker和Bassett（1978）設定的估計方法對模型（5）進行求解。

若僅采用普通面板模型容易忽視變量的空間相關性，隨著地區之間經濟聯系的日益緊密，不同地區之間的交互效應逐漸顯現，能源系統作為經濟系統的一部分，忽略能源效率的空間依賴性可能造成模型估計結果存在偏誤，所以選擇空間計量模型可以有效地克服上述問題。較為常用的空間計量模型主要有空間滯后模型（SAR）與空間誤差模型（SEM）。其中SAR模型可以考察相鄰區域因變量對本地區該變量的影響，即空間溢出效應；SEM模型主要考察鄰近地區被解釋變量的誤差沖擊項對本地區觀測值的影響。此外，區域創新作為本文的中介傳導機制，其本身具有技術外溢效應，即先進地區的創新知識和技術會擴散到落后地區，因此將區域創新水平同時納入空間計量模型中，在模型（3）的基礎上引入空間計量方法，同時分析數字金融、區域創新水平對能源效率的影響效應。構建SAR與SEM模型如下：

其中：δ、ρ、均為變量的系數，εit、μit均是服從正態分布的誤差項，W是空間權重矩陣。關于空間權重矩陣的設定，通過借鑒已有的研究，我們采用0-1地理鄰接型權重矩陣作為本文基準的空間權重矩陣。

（二）變量選取與描述性統計

被解釋變量：能源效率（EE）。能源效率通常采用能源投入量與能源服務產出量的比值進行衡量，但因為能源投入量、能源服務產出量以及具體應用領域存在較大差異，測度結果具有一定的偏差性。故借鑒王科等（2021）構建的各省際能效指數作為能源效率的衡量指標，該指數基于農業、工業、建筑、運輸以及服務業五個部門，并參考國內外能源效率指數的相關文獻及實際工作需求，可以為分析能源效率變動提供一定的參考。

核心解釋變量：數字金融（Index）。借鑒北京大學數字普惠金融研究中心編制的數字普惠金融指數作為衡量數字金融的衡量指標。

中介變量：區域創新（CX）。本文基于創新產出視角使用專利申請授權數作為衡量指標，為了更好地衡量區域創新水平，本文進一步采用每萬人人均專利申請授權數作為衡量指標。

在借鑒已有研究的基礎上，引入如下的控制變量：第一，外商投資（FDI）。一方面外資的涌入加劇了我國的環境壓力，另一方面外商企業帶來的技術溢出效應可以有效提高能源效率，緩解污染。本文選取外商直接投資額作為外商投資的衡量指標，并依據當年人民幣兌換美元匯率轉化為人民幣的計量單位。第二，產業結構（IND）。產業結構優化升級是促進能源效率提升的重要路徑，通過計算產業結構調整質量作為產業結構的代理變量。第三，城市化水平（UR）。使用城鎮人口占總人口的比重進行衡量。第四，環境規制（ER）。通過構建環境規制指數作為衡量環境規制的代理變量值。第五，政府干預（GY）。政府干預能夠顯著地影響市場資源配置對能源效率的作用效果，本文選擇財政支出占GDP比重進行衡量。

鑒于中國香港、澳門、臺灣與西藏的相關數據存在缺失，本文未將其納入樣本，因此，選取2011-2018年中國30個省級面板數據作為實證研究的樣本，其中數字金融相關數據來源于北京大學中國數字金融研發中心發布的數字普惠金融指數，能源效率與其他變量的原始數據來源于EPS數據庫、中經網統計數據庫、《中國統計年鑒》、《中國環境統計年鑒》、《中國能源統計年鑒》以及各省份的統計年鑒。具體各變量的描述性統計如表1所示。

表1 各變量描述性統計

四、實證分析

在進行普通面板模型回歸前，首先進行多重共線性檢驗，結果如表2所示，所有變量的方差膨脹因子均小于10，表明不存在多重共線性問題。

表2 方差膨脹因子回歸結果

（一）基準回歸分析

Hausman檢驗結果表明，模型拒絕隨機效應的原假設：個體效應與解釋變量不相關，即固定效應模型優于隨機效應模型，故最終本文選擇固定效應模型進行分析。為了增加結果的穩健性，本文將混合OLS與隨機效應回歸結果一并羅列出，回歸結果如表3的（1）-（3）列所示。由第（2）列可知，在控制其他變量不變的前提下，數字金融的回歸系數顯著為正，即數字金融不僅可以促進經濟增長還可以提高能源利用效率。控制變量中，外商投資、產業結構調整質量的提升以及地區環境治理能力的加強對能源效率均有積極的促進作用，表明隨著中國進入高質量發展階段，對外資的引入更加注重技術導向型、能源節約型。產業結構調整逐漸由過去的低效調整轉向高效調整，地區對環境治理能力的明顯提高，使得能源效率有效提升。而政府干預則阻礙了能源效率提升，表明政府過多的干預導致市場效率損失和資源配置扭曲，阻礙能源效率提高。

在以上靜態面板模型固定效應回歸中，一方面由于個體效應與擾動項可能存在一定的相關性所引起的內生性問題；另一方面核心解釋變量與被解釋變量之間可能存在互為因果關系而導致的內生性問題。故本文采用兩種方法緩解本文的內生性問題：一是引入因變量的滯后一期來構建動態面板數據模型，并采用兩階段系統GMM估計緩解內生性問題，回歸結果如表3中第（4）列所示，通過AR（1）與AR（2）可知，隨機擾動項存在一階序列自相關，但不存在二階序列自相關。Sargan檢驗結果表明，不存在工具變量的過度識別問題，表明其估計結果是有效的。綜上表明選擇動態面板模型中兩階段系統GMM緩解可能存在的內生性是有效的。二是引入工具變量，考慮到數字金融是以信息網絡為重要載體的這一特征事實，借鑒黃群慧等（2019）的做法，通過構建互聯網綜合發展指數作為數字金融指數的工具變量，使用2SLS進行回歸分析，回歸結果如表3中第（5）列所示，Kleibergen-Paap rk LM統計值拒絕了工具變量識別不足的原假設，Cragg-Donald Wald F和Kleibergen-Paap rk Wald F統計值均大于Stock-Yogo弱工具變量10%顯著性水平下的臨界值，表明所選取的工具變量不是弱工具變量，該工具變量的選擇合理有效。為進一步加強實證結果的穩健性，本文采用替換核心解釋變量進行，選取數字金融的一個衡量指標即覆蓋廣度（IGD）作為代理變量。為了保持與數字金融指標的一致性，對覆蓋廣度也進行對數化處理，再衡量其對能源效率的影響回歸結果，回歸結果如表3中第（6）列所示，核心解釋變量除了回歸系數值有所變化外，其顯著性及正負號沒有發生任何變化，混合OLS回歸、RE回歸、內生性回歸以及穩健性回歸結果均表明，實證回歸的結果是可靠的，具有較好的穩健性。

表3 基準回歸、內生性與穩健性檢驗回歸結果

注：括號內數值表示標準誤，“*”、“**”與“***”分別表示在10%、5%與1%的顯著性水平下顯著。下同。

（二）中介效應回歸分析

理論機制表明，數字金融可以通過影響區域創新能力進而促進能源效率的提升，基于此，本文使用中介效應方法對這一機制進行相關檢驗，回歸結果如表4中第（1）與第（2）列所示，變量數字金融的估計系數均為正且通過顯著性檢驗，表明中介效應成立。即在其他變量不變的前提下，數字金融的蓬勃發展對提高區域創新能力具有明顯的促進作用；考慮數字金融與區域創新水平時，數字金融發展與區域創新水平的提升對能源效率均起到明顯的促進作用。這表明數字金融能夠克服傳統金融的融資約束，直接為企業、科研機構等創新主體提供融資支持，為企業提供智能投顧、供應鏈金融、消費金融等更為豐富的融資渠道和方式，有效地提高金融供給服務效率，為區域創新活動提供強有力的支撐，區域創新能力的提高可以有效地推動節能減排技術與綠色技術的相關研發，使得能源效率得到進一步提升。為了進一步佐證中介回歸結果的穩健性，在借鑒已有研究的基礎上，引入衡量區域創新能力的其他衡量指標，即創新人員流動（CXRY）作為衡量一個地區的創新能力的指標，通常而言，一個地區創新能力越強對人才的吸引力也就越大，引入引力模型對我國創新人員在區際間流動數量進行度量。回歸結果如表4中第（3）與第（4）列所示，通過回歸結果可知，系數的顯著性和正負號并沒有發生變化，即將原有的區域創新能力這一中介變量替換為創新人員流動后，中介效應依舊成立。

表4 中介傳導機制與穩健性回歸結果

五、進一步分析

（一）面板分位數回歸分析

對于面板分位數回歸，采用0.10、0.25、0.50、0.75與0.90五個分位點進行回歸分析，分別探究數字金融、區域創新水平對不同分位數情況下能源效率的影響，回歸結果如表5所示。可以看到，數字金融的估計系數均為正數，除了在0.10分位數上沒有通過顯著性檢驗，其他均通過了顯著性檢驗。這意味著中國數字金融發展不僅僅是助推中國經濟增長的重要動力，同時也是提高能源效率不可忽略的因素之一，大力支持與發展數字金融有助于實現中國經濟綠色轉型。此外，在不同分位數上的區域創新水平的回歸系數均為正，且均通過了顯著性檢驗，但對不同分位點的能源效率的影響效果看，呈現邊際遞減的規律。最后，為了佐證回歸結果的穩健性，通過替換被解釋變量的方法進行相關回歸分析，具體為借鑒Tone（2002）研究方法計算各省份的能源效率（SBMEE），其提出包含非期望產出的超效率SBM模型，可以同時從投入與產出視角進行測算，選取的投入指標是各省份的勞動力、資本與能源消耗，采用各省份實際GDP來表示期望產出；選用工業二氧化硫排放量、工業廢水排放量以及工業煙粉塵排放量作為非期望產出。回歸結果如表5所示，在控制其他變量的前提下，數字金融發展、區域創新發展對各地區的能源效率的促進作用依舊顯著

表5 分位數及相關穩健性回歸結果

（二）空間溢出效應分析

在進行空間計量模型回歸分析前，首先需要對解釋變量與被解釋變量進行空間相關性檢驗，已有研究通常采用Moran's I指數檢驗區域間的空間相關性，本文基于這一思路對所涉及的變量進行空間相關性探究，使用Moran's I指數法計算了在各地區鄰接矩陣下各個年度的空間效應，回歸結果如表6所示。從表6可知，在2011-2018年中國各地區能源效率與數字金融發展并非處于完全的隨機狀態，而是呈現出顯著的正向空間自相關性，初步表明各地區能源效率會受到鄰近地區示范效應的影響，也為后文進一步進行相關空間計量檢驗提供依據。

表6 Moran's I指數回歸結果

關于空間計量結果回歸分析，首先采用0-1鄰接矩陣的方法分別對SAR模型與SEM模型進行回歸，同時為了保持結果的穩健性，分別使用經濟地理矩陣與經濟矩陣替換0-1鄰接矩陣，之后再分別對SAR模型與SEM模型進行回歸分析。回歸結果如表7所示，首先，在不同的權重矩陣下，無論是SAR模型還是SEM模型，體現空間自相關關系的空間自回歸系數ρ和空間相關系數λ至少有一個通過了顯著性檢驗，表明各省份及其鄰近省份之間的能源效率具有正向空間關聯性，若鄰近地區省份通過技術進步、產業結構調整等途徑提高能源效率時，往往可以通過空間溢出效應和鄰里模仿行為，對本地區能源效率提升產生正向拉動作用。其次，對于其他各個變量，在不同權重矩陣下的SAR模型還是SEM模型，其回歸系數符號均保持一致，也佐證了其他變量回歸結果的穩健性。如伴隨著數字金融的快速發展、區域創新水平的提升、引進外資規模的擴張、產業結構調整效率的提高以及地區環境治理水平的提升既可以發揮技術創新對本地區的作用又可以發揮技術創新的外溢效應，從而提高能源效率。但我們依舊不能忽視政府過度干預出現的“一刀切”以及“以鄰為壑”等行為，這些行為會導致資源配置效率低下，阻礙能源效率提升。最后關于回歸結果的內生性問題，采用動態空間面板GMM進行回歸分析，與靜態空間計量回歸相比，動態空間面板模型不僅可以有效處理被解釋變量時間滯后項與空間滯后項以外的其他解釋變量導致的內生性問題，還可以降低空間自回歸系數的有偏性，具體回歸結果如表7所示，通過AR（2）、AR（2）以及Sargan對應的P值可知，動態空間面板GMM可以在一定程度上緩解靜態空間計量模型可能存在的內生性問題。

表7 空間計量與相關穩健性回歸結果

lnIndex 0.022***（0.008）0.030***（0.009）0.026***（0.009）0.026***（0.010）0.027***（0.009）0.024**（0.010）0.030***（0.007）CX 0.001***（0.001）0.002***（0.001）0.002***（0.001）0.002***（0.001）0.002***（0.001）0.001***（0.001）0.001***（0.000）lnFDI 0.018***（0.007）0.021***（0.007）0.022***（0.007）0.024***（0.007）0.022***（0.007）0.024***（0.007）0.004（0.006）lnIND 0.105***（0.033）0.125***（0.034）0.128***（0.033）0.140***（0.034）0.131***（0.034）0.140***（0.034）0.066***（0.012）lnUR -0.036（0.085）-0.014（0.090）-0.016（0.089）-0.026（0.096）-0.009（0.089）-0.026（0.096）-0.214***（0.043）ER -0.041**（0.018）-0.046**（0.018）-0.044**（0.018）-0.044**（0.018）-0.045**（0.018）-0.044**（0.018）-0.042***（0.009）GY -0.924***（0.148）-1.066***（0.149）-1.061***（0.148）-1.045***（0.149）-1.067***（0.148）-1.045***（0.149）-0.671***（0.088）Constant -0.693***（0.151）-0.429***（0.092）0.259***（0.077）-0.897***（0.146）-0.856***（0.156）-0.939***（0.148）-0.868***（0.159）-0.939***（0.148）0.078（0.098）0.053（0.102）0.011（0.012）0.051（0.110）0.212**（0.106）AR（1） 0.001 AR（2） 0.187 Sargan（p值） 0.302 R-squared 0.517 0.465 0.459 0.454 0.459 0.454 Observations 240 240 240 240 240 240 240 0.212**（0.106）

此外，相鄰地區之間存在著大量交互信息，僅采用回歸系數解釋空間回歸結果可能存在一定的偏差，造成回歸結果的偏誤。鑒于此，本文將數字金融對能源效率的影響效應進行分解，分為直接效應、間接效應與總效應。同時，將區域創新作為中介傳導機制，并將區域創新水平進行空間效應分解。為了增加結果的穩健性，使用經濟地理矩陣替換0-1鄰接矩陣，具體回歸結果如表8所示。實證結果表明，數字金融發展與創新水平的提升不僅可以促進本地能源效率的提升，還可以促進鄰近地區能源效率的提升。一方面數字金融具有高效的信息傳遞壓縮時空距離的特征，能夠增強區域間經濟活動關聯的廣度與深度，顯著降低地理位置的重要性，使得地區之間、金融機構之間的邊界逐漸淡化，加速了金融要素的流動，提高了金融配置效率，使得“金融—科技—網絡”所產生的集聚效應、擴散效應、關聯效應以及放大效應更為顯著；另一方面，創新水平的提升可以使得不同知識的人集聚在一起相互學習，優勢互補，資源共享，分享經驗，產生新知識，有利于知識的“溢出效應”，同時其本身也具有技術外溢效應，促進生產要素效率的提升，從而對能源效率的影響產生正向空間溢出效應。

表8 空間效應分解與相關穩健性回歸結果

?

六、研究結論與建議

本文從理論上進一步闡述數字金融對能源效率的直接影響與作用機制，并在此基礎上基于2011-2018年中國30個省級面板數據進行相關實證分析，實證結果表明：第一，數字金融能夠顯著地促進能源效率的提升，在考慮潛在的內生性問題后該結論依舊成立。第二，數字金融對能源效率的提升作用機制更多的體現在緩解創新主體的融資約束，促進創新水平的提升進而推動能源效率的提升。第三，數字金融、區域創新水平的提升對不同分位數上的能源效率存在著不同的異質性影響。空間效應表明，能源效率對于鄰近地區省份而言，具有正向空間溢出效應，在考慮內生性的基礎上，通過動態空間面板GMM進行處理內生性問題。第四，將空間計量效應分解后，數字金融與創新水平的提升對鄰近地區具有正向空間溢出效應。以上結果，通過不同的方法進行相關穩健性檢驗，均證實了結果的穩健可靠。綜合以上的研究結論，本文得出如下的政策啟示：

第一，要加強“5G”、人工智能、大數據等新型基礎設施建設，完善和延伸新型基礎設施產業鏈，消除數字鴻溝，為數字金融發展提供強有力的基礎設施支撐。同時優化數字金融的結構效應，推動數字產業化與產業數字化發展，推動產業的轉型與結構調整，促進要素資源高效利用，降低能源消耗和環境污染，提高能源效率，推動中國經濟綠色轉型。

第二，要加快我國自主創新進程，提高區域自主創新能力，以創新驅動我國能源效率的提升。地方政府應加強對創新的支持力度，鼓勵企業研發、引進并應用高效的技術實現能源效率的提升，并逐漸推動創新要素與環境領域融合的深度與廣度，依托技術創新，逐步形成具有區域特色的產業發展新模式、新結構、新業態。

第三，地方政府與企業應充分借助數字金融的發展以促進科技創新水平的提高，同時借助科技創新進一步促進數字金融發展，逐步形成二者的良性互動，推動二者的協調健康發展。此外，各地區之間應加強環境保護合作，加強信息交流與技術合作，著力打破數字壁壘和信息“孤島”，促進區域創新主體的地區交流，逐步建立科研創新合作機制，發揮數字金融與科技創新的綠色經濟效應的空間輻射作用。