數字金融如何影響了區域碳減排能力？

孫 慧， 王鳳逸， 丁志勇

（1. 新疆大學 a. 經濟與管理學院； b. 新疆創新管理研究中心， 新疆 烏魯木齊 830046；2. 中國工商銀行股份有限公司 新疆分行， 新疆 烏魯木齊 830002）

一、問題提出

黨的十九屆五中全會把碳達峰、 碳中和作為“十四五” 時期乃至2035 年遠景目標綱要中的國家戰略目標。 實現碳達峰、 碳中和是一場廣泛而深刻的經濟社會系統性變革， 是生態文明建設過程中的“牛鼻子”。 一個區域能否實現“雙碳目標”， 在很大程度上取決于其碳減排能力的高低。 在以生態優先、 綠色發展為導向的當下， 如何提升一個地區的碳減排能力成為一個日益重要的命題。 伴隨著信息技術革命的深化， 傳統金融與信息科技持續融合。 作為新金融的代表之一， 數字金融已成為推動經濟高質量發展的關鍵動力。 相較于傳統金融， 數字金融進一步掙脫了時空層面的束縛， 在增加服務覆蓋廣度和用戶使用深度的同時， 也降低了相關交易及運營成本， 具有濃厚的普惠色彩。 以往研究表明， 金融發展有助于環境質量的改善［1］， 因此， 進一步考察數字金融的碳減排效應， 探究其內在的作用機制， 具有較強的理論價值和現實意義。

二、文獻述評

在宏觀層面上， 錢海章等（2020） 驗證了數字金融對經濟增長的推動作用［2］； 黃倩等（2019） 基于省級數據， 發現數字金融發展在增加居民收入的同時， 能夠優化收入分配結構， 進一步緩解貧困問題，實現“效率” 與“公平” 的兩全其美［3］； 張勛等（2019） 的研究也表明， 數字金融的收入效應在農村地區更為顯著， 從而有助于實現經濟的包容性增長［4］。 在中微觀層面上， 汪亞楠等（2020） 研究發現數字金融的收入、 就業效應有助于社會保障體系的完善［5］； 易行健和周利（2018） 基于中國家庭追蹤調查（CFPS） 數據庫的家庭數據， 研究發現數字金融有助于提高居民的消費水平［6］。 謝絢麗等（2018） 基于新增企業注冊個數表征區域創業活躍度， 發現數字金融的深化推動了企業創業積極性的提升［7］； 唐松等（2020） 發現數字金融能夠為企業創新賦能， 促進其技術升級［8］。 目前大多數學者著眼于分析數字金融對經濟發展、 民生福祉、 創新創業的影響。 相對地， 探討數字金融環境效應的文獻較為有限。 惠獻波（2021）、 范欣和尹秋舒（2021） 均驗證了數字金融對綠色全要素生產率的促進作用［9-10］； 也有學者研究發現， 金融科技的發展有助于增加環保投資， 減少工業污染排放， 在推動綠色金融體系轉型和促進環境友好型消費方面也發揮著不可或缺的作用［11］。

在“雙碳目標” 提出的當下， 數字金融在碳減排效應方面存在一定的研究拓展空間。 相較于低碳全要素生產率， 區域碳減排能力所涉及的指標更為綜合廣泛， 更加符合新時代全面協調可持續的發展要求。 走高質量發展道路， 即要走出以生態優先、 綠色發展為導向的高質量發展新路子。 一個區域的碳減排能力集中體現了其低碳高質量發展的潛力， 直接決定了碳達峰、 碳中和的美好愿景能否如期實現。

本文相較于以往研究的邊際貢獻包括： 第一， 構建由經濟動能、 能源消耗水平、 碳吸收能力、 碳排放水平、 低碳技術創新、 產業結構升級、 碳市場活力以及碳轉移能力八個維度所組成的包容性低碳增長評價體系， 采用主成分分析法測算相關省份碳減排能力的綜合指數， 并對數字金融與碳減排能力之間的關系進行探討， 驗證了數字金融對區域碳減排能力的促進效應； 第二， 著眼于數字金融通過何種機制影響碳減排能力這一問題， 在統一框架下， 驗證了數字金融能夠通過鄉村振興、 提升信息通信技術（ICT）擴散強度促進區域碳減排能力的提高； 第三， 進一步對數字金融影響區域碳減排能力的異質性特征及空間效應展開了分析， 豐富了已有研究。

三、研究假設

（一） 數字金融影響區域碳減排能力的機理分析

有學者研究發現， 一些國家在吸引外資方面存在更多的優勢， 這可能源于“安全港效應”， 即外商直接投資（FDI） 更傾向流入金融穩定的國家［12］。 一方面， 數字金融的發展能夠緩解傳統金融的系統性風險， 減少投資的不確定性， 促進優質穩定安全的營商環境的塑造， 從而增強FDI 流入的持續性［13］。 而金融效率的提高也有助于資本的有效配置， 提升本地對高質量FDI 技術溢出的吸收能力［14］， 進而促進本地推動綠色技術創新以實現碳減排。 另一方面， 數字金融的發展能夠拓展企業的金融可得性， 減少其融資成本， 緩解金融錯配［15］， 提高企業的經營效率［16］， 加大其研發投入的份額， 推動地區產業走向高級化，從而令一個區域的碳減排能力得到充分釋放。 基于此， 提出假設1。

假設1： 數字金融對區域碳減排能力具有促進效應。

（二） 數字金融通過鄉村振興影響區域碳減排能力的機理分析

數字金融的迅猛發展， 使得不論是城市還是鄉村的每個個體都能平等地分享科技進步的紅利， 因此，發展數字金融是實現鄉村振興的關鍵路徑， 發揮數字金融的普惠效應對于實現農村地區的跨越式發展具有重要作用［4］。

鄉村振興戰略的推行亟須金融業的精準支持， 而數字金融相較于傳統金融具有更高的精準度， 為農村地區的跨越式發展創造了有利條件。 數字金融直接為農村居民提供個人理財、 教育儲蓄保險、 快捷支付等金融服務， 為鄉鎮企業提供資金扶持。 通過在互聯網平臺上利用大數據對個體征信信息進行整合評估， 數字金融有效降低了開拓客戶、 管控風險的成本， 促進了當地新式產業的成型［17］。 在金融科技的支持下， 數字金融可以通過眾籌和支付系統為農民提供便捷的融資渠道， 從而增強農業在融資和分銷方面的可持續性［18］。 數字金融在解放農村地區傳統思想、 儲備專業化人才、 積累人力資本等方面均發揮著積極作用［19］。

在雙碳目標的約束下， 鄉村振興也增添了新的時代要求。 數字金融持續不斷地為農村地區 “兩權” 抵押的試點工作提供技術支持［20］， 為農業生產步入規模化、 現代化創造了條件。 得益于數字技術的賦能， 農村地區信息不完全的問題得到了顯著緩解。 數字化技術與農業生產的有機結合， 將有助于加快農業保險及相關金融衍生品的更新速度， 擴大農業保險的使用深度， 進一步完善綠色金融體系， 引導綠色農業發展［21］。 此外， 數字金融的發展還有助于培養農村居民的低碳環保意識， 金融科技發展的產物能夠使人們于潛移默化之中摒棄落后粗放的生活方式， 形成綠色的消費習慣。 基于此， 提出假設2。

假設2： 數字金融能夠通過促進鄉村振興對區域碳減排能力產生積極影響。

（三） 數字金融通過提高ICT 擴散強度影響區域碳減排能力的機理分析

信息化水平是金融信息交流便捷程度的集中反映， 具體表現為ICT 的發展。 有學者通過格蘭杰因果檢驗， 發現印度的數字金融與ICT 基礎設施之間無論在短期還是長期均具有強大的因果關系［22］。 數字金融的發展為所有能夠連入互聯網的個體提供了以低成本獲取多元化金融服務的機會， 由此實現了信息與知識在不同區域間的自由流動， 減少了信息在傳遞過程中所受到的阻礙并降低了信息損失， 從而促進了ICT擴散強度的提升。

ICT 擴散強度的提升則有助于農村居民信息素養的培養， 促成其對數字技能的熟練掌握， 進而使得每個個體都能及時獲取對自身有價值的信息， 實現效用的最大化。 ICT 在普惠金融中的應用推動了經濟增長， 并減少了貧困和不平等［23］。 ICT 擴散強度的提升有助于縮小城鄉居民在數字技能應用方面的鴻溝，促進城鄉經濟的包容性增長［24］。 由上文的分析可知， 城鄉發展格局的優化最終能夠帶來區域碳減排能力的提升。

此外， ICT 的滲透加速了金融產品的創新發展［25］。 金融創新促進了數字技術和金融服務的一體化發展， 運用這一技術， 傳統的金融機構和網絡企業可以更好地實現融資、 支付、 投資等業務交易［26］。 因此，數字金融的發展有助于更好地彌合傳統金融的缺口， 促進金融資源的合理配置。 ICT 擴散強度越高， 金融資源便可以越大限度地擴散到技術導向型企業， 促進高技術產業群的形成與發展； 同時， 金融效率的提高也能夠增強傳統金融機構處理、 利用信息的能力， 促成更多金融合約的簽訂， 進而推動產業結構的高級化， 最終實現整體區域碳減排能力的提升。 基于此， 提出假設3。

假設3： 數字金融可以通過提升ICT 擴散強度對區域碳減排能力產生積極影響。

（四） 數字金融對區域碳減排能力影響的異質性及溢出效應理論分析

伴隨數字金融的持續深化， 其使用者所能獲得的正外部性也會呈指數級增長。 事實上， 學術界已不乏對數字金融自身門檻效應的相關研究。 張林和溫濤（2020） 發現， 數字金融對居民創業的促進作用存在基于自身水平的單門檻效應， 只有水平達到一定閾值后， 數字金融對居民創業的促進效應才能夠充分顯現［27］。 許釗等（2021） 的研究也表明， 數字金融的治污作用受到自身門檻效應的調節， 隨著數字金融水平的進一步提高， 其對污染的影響由促進轉為抑制［28］。 可見， 數字金融發展所帶來的正外部性在越過門檻后會隨著自身的發展而呈現遞增的趨勢， 基于此， 提出假設4。

假設4： 相較于數字金融欠發達地區， 數字金融對發達地區的碳減排效應更為顯著。

高減排能力的地區通常金融網絡覆蓋度更高， 信息化基礎設施建設更為完善， 居民普遍接受過高等教育， 人與自然間的關系更加和諧， 碳減排壓力相較低減排能力地區也更低。 事實上， 數字金融發展所帶來的積極影響也有可能發揮一定的調節作用。 孫倩（2021） 的研究表明， 在農業發展水平不同的縣域， 數字金融對農業發展的促進效應具有異質性的特征， 農業發展程度越高的縣域所獲取的數字紅利也越豐厚［29］。 因此， 在碳減排能力不同的地區， 數字金融對碳減排能力的促進效應也可能呈現異質性的特征。 作為數字金融發展所產生的環境績效， 高水平的碳減排能力可能在數字金融實現碳減排的過程中發揮一定的正向調節作用， 從而有利于數字金融碳減排效應的進一步發揮。 基于此， 提出假設5。

假設5： 相較于低減排能力地區， 數字金融對高減排能力地區的碳減排效應更為顯著。

相較于傳統金融， 數字金融在一定程度上打破了依據市、 省、 國界所劃分的空間發展格局， 其滲透、 擴散、 輻射不再受地理區位因素的限制。 趙濤等（2020） 在城市層面上驗證了本地數字經濟對相鄰城市的發展質量存在正向的溢出效應［30］； 有學者發現本國數字金融的發展對周邊國家的經濟增長具有顯著的溢出效應［31］； 付爭和周帥（2021） 也在國家層面上證明了數字金融包容性所帶來的正向空間溢出有助于實現信息化技術的跨區域普及， 加速金融相關地區彼此金融體系的完善［32］。 基于此， 提出假設6。

假設6： 數字金融可通過溢出效應提升鄰近地區的區域碳減排能力。

四、計量模型及變量選取

（一） 計量模型

采用固定效應模型進行基準回歸， 考察數字金融對區域碳減排能力的影響， 首先構建模型（1）：

CAit= α0+ α1Dfinit+ α2X + ui+ εit（1）

在模型（1） 的基礎上， 參照溫忠麟等（2004）［33］提出的逐步回歸法， 分別構建模型（2） —模型（5）， 以檢驗鄉村振興與ICT 擴散強度在數字金融碳減排效應中所起到的中介作用。 模型（2） —模型（5） 如下所示：

Rrit= β0+ β1Dfinit+ β2X + ui+ εit（2）

CAit= γ0+ γ1Dfinit+ γ2Rrit+ γ3X + ui+ εit（3）

Fiit= β3+ β4Dfinit+ β5X + ui+ εit（4）

CAit= γ4+ γ5Dfinit+ γ6Fiit+ γ7X + ui+ εit（5）

其中，CAit為區域碳減排能力，Dfinit表示數字金融發展水平，Rrit與Fiit分別代表鄉村振興與ICT 擴散強度，X為一系列控制變量，α、β、γ分別為各變量所對應的估計系數，ui代表地區固定效應，εit為擾動項。

以上固定效應模型涉及被解釋變量、 解釋變量間的線性關系， 而數字金融對區域碳減排能力可能存在異質性的非線性影響， 因此， 借鑒已有研究［34］， 以數字金融和碳減排能力發展水平作為門檻變量進行門檻回歸檢驗， 構建模型（6） —模型（7）：

CAit= θ0+ θDfinitI（Dfinit≤φ1）+ θ2DfinitI（Dfinit＞φ1）+ θX + ui+ εit（6）

CAit= δ0+ δ1DfinitI（CAit≤?1+）δ2DfinitI（CAit＞?1）+ δX + ui+ εit（7）

其中，I（·） 代表示性函數， 當括號里的條件成立時， 函數值賦為1， 否則取0；φ、?分別為待估門限值，θ、δ分別為各變量所對應的估計系數。 以上兩個模型均設定為單一門檻模型， 雙重、 三重門檻模型的構建可以由此推廣。

為了進一步探究數字金融對區域碳減排能力的空間效應， 參考張輝等（2016）［35］的做法， 引入模型（8）、模型（9） 所示的空間滯后模型與空間誤差模型， 以緩解因遺漏空間要素所導致的實證偏差。

模型（8）、 模型（9） 如下所示：

CAit+ α3+ α4Dfinit+ α5X + ρWCAit+ εit（8）

CAit= α6+ α7Dfinit+ α8X + λWεit+ μit（9）

其中，ρ為空間自回歸系數，λ為空間自相關系數，W為空間權重矩陣，μ為擾動項。

（二） 變量選取與測度

1. 被解釋變量

被解釋變量為區域碳減排能力（CA）。 碳減排能力指標的構建需要充分地考慮綠色高質量發展的內涵本質。 本文借鑒已有文獻［36-38］， 并結合數據的可獲得性， 在與相關領域專家科學討論的前提下， 最終提煉出17 個三級指標， 建立了由經濟動能、 能源消耗水平、 碳吸收能力、 碳排放水平、 低碳技術創新、 產業結構升級、 碳市場活力以及碳轉移能力8 個二級指標所組成的評價體系， 采用主成分分析法對2011—2018 年全國30 個省份（限于數據可得性， 不包括西藏、 香港、 澳門、 臺灣） 的區域碳減排能力進行測算， 最終得到區域碳減排能力指數， 記為CA。

煤炭占全部消費能源比重、 萬元國內生產總值（GDP） 能耗、 第二產業產值占GDP 比重能夠反映出一個區域的工業發展是否以能源為導向， 而碳排放強度、 人均碳排放量則可以體現人們日常的生活、 消費、 出行方式綠色與否， 以上5 個三級指標均會對區域碳減排能力產生負向影響。 屬性為負的指標， 在主成分分析之前對其取相反數進行正向化處理。

區域碳減排能力評價指標體系的構建指標與指標屬性如表1 所示。

表1 區域碳減排能力評價指標體系

2. 核心解釋變量

核心解釋變量為數字金融（Dfin）。 本文選取郭峰等（2020）［39］編制的“北京大學數字金融指數” 作為核心解釋變量的測量值。 該指數為北京大學數字金融研究所與螞蟻金服公司所合作研發， 以數字金融發展的廣度、 深度以及數字化程度為一級指標， 較為全面綜合連貫地反映了2011—2018 年各地數字金融的發展態勢。 為便于觀察， 將數字金融指數縮小為原數值的百分之一。

3. 中介變量

中介變量為鄉村振興（Rr） 與ICT擴散強度（Fi）。 鄉村振興直接帶來農村居民收入的顯著提高， 間接表現為城鄉收入相對差距的縮小。 尹振濤等（2021） 的研究表明， 數字金融能夠通過縮小城鄉收入差距促進農村家庭幸福感的提升［40］。 因此， 本文采用城鄉居民收入的比值來衡量鄉村振興的實際效果， 比值越低， 則說明振興效果越好。

ICT 擴散強度的測度則借鑒張輝等（2016）［35］的研究， 最終選取郵政業就業人員數、 互聯網上網人數、 互聯網寬帶接入用戶數、 移動電話年末用戶數以及固定電話年末用戶數5 個二級指標， 采用主成分分析法測算出2011—2018 年全國30 個省份的ICT 擴散強度綜合指數， 記為Fi。

4. 控制變量

第一， 區域碳減排能力與經濟高質量發展間存在著高度的一致性， 因此， 借鑒趙濤等（2020）［30］的研究， 將財政分權度（Fpd） 作為可能影響區域碳減排能力的因素之一， 以一般財政預算收入與一般財政預算支出的比值表征。 第二， 經濟發展速度（Gdps）， 用GDP 增長指數來衡量， 為便于觀察， 將GDP 增長指數縮小為原數值的百分之一。 第三， 環境規制（Er）， 參考任曉松等（2020）［41］的做法， 首先將廢水、 工業SO2以及煙（粉） 塵這三種污染物的排放量進行標準化處理， 并求取每種污染物的權重， 然后將各污染物的權重與標準化的結果相乘， 計算出所得乘積的算術平均數， 從而得到環境污染綜合指數， 以此作為衡量環境規制的逆向指標。 第四， 全要素生產率（Tfp） 作為衡量物質資本和人力資本效率的重要指標之一， 對區域碳減排能力可能具有一定的促進作用， 故也將其作為控制變量。 具體而言， 使用永續盤存法對固定資產進行折算， 將其與社會從業人員總數作為投入要素， 以實際GDP 為期望產出， 參考已有研究［42-43］計算得到相關省份的全要素生產率。

以上數據均來源于歷年《中國統計年鑒》 《中國能源統計年鑒》 《中國環境統計年鑒》 《中國科技統計年鑒》、 中國碳核算數據庫（CEADs）、 國研網以及萬得數據庫， 缺失值采用線性插值法進行補齊。 數據的整體描述性統計分析如表2 所示。

表2 各變量統計描述

五、實證分析

（一） 基準回歸分析

采用混合回歸對數字金融與區域碳減排能力的關系進行初步考察， 結果如表3 列（1）、 列（2） 所示。 可以發現， 無論是否加入控制變量， 數字金融（Dfin） 的系數均為正值， 且在1%的水平上顯著。 豪斯曼檢驗結果表明， 應選取固定效應模型進行估計， 如表3 列（3）、 列（4） 所示。 與混合回歸的結果相同， 數字金融（Dfin） 的系數依然在1%的水平上顯著為正， 表明數字金融對區域碳減排能力具有促進效應， 初步驗證了假設1。

表3 基準回歸估計結果

表4 報告了分區域及子指標回歸的估計結果。 列（1） —列（3） 探究了數字金融對東、 中、 西部地區的碳減排能力的影響。 其中， 東、 中、 西部地區的數字金融（Dfin） 系數均顯著為正， 且中部地區（0.120） ＞全國（0.084） ＞東部地區（0.074） ＞西部地區（0.064）， 證實了數字金融發展有效提升了全國范圍尤其是中部地區的碳減排能力， 對中部地區的騰飛崛起有著重要的意義， 在一定程度上體現了數字金融的普惠性質。 相較東部而言， 西部地區的系數偏低， 這可能源于其信息化基礎設施的建設仍不夠完善。 列（4） —列（6） 將數字金融分解為覆蓋廣度（coverage）、 使用深度（usage） 及數字化程度（digitization）， 對這三項子指標的碳減排效應展開進一步分析。 可以發現， 子指標的系數均在1%的水平上顯著為正， 且覆蓋廣度（0.091） ＞使用深度（0.071） ＞數字化程度（0.049）， 表明數字金融的碳減排效應主要是通過其廣度、 深度實現的， 數字化程度對碳減排能力的促進效應有待提升。

從控制變量上看， 財政分權度（Fpd） 的系數部分顯著為負， 說明地方政府的經濟事務管理權限越大， 越不利于碳減排能力的提升； 同樣地， 經濟發展速度（Gdps） 的系數部分顯著為負， 說明過快的經濟增速不利于可持續發展， 造成了碳減排能力的損失； 環境規制（Er） 的系數均為負值但不顯著， 說明環境規制的落實仍須加大力度； 全要素生產率（Tfp） 的系數絕大多數顯著為正， 說明隨著生產技術的改進升級， 綠色創新活動日益活躍， 區域碳減排能力也得到了顯著增強。

表4 分區域及子指標回歸估計結果

表4（續）

（二） 穩健性檢驗

為確保結論的可靠性， 本文進行了四種方式的穩健性檢驗。

第一， 考慮到變量之間可能存在的反向因果關系， 分別對數字金融（Dfin） 及所有解釋變量做滯后一期、 滯后兩期的處理， 而后代入模型（1） 中重新估計。 滯后解釋變量回歸的估計結果（限于篇幅不再列示， 備索） 顯示， 無論選取何種變量做滯后處理、 無論選取何種滯后階數， 數字金融（Dfin） 的系數均在1%的水平上顯著為正， 表明數字金融能夠促進區域碳減排能力的提升， 且這種促進效應在時間上具有一定的慣性。 從長期來看， 數字金融的積累深化有利于地方碳減排潛力的充分釋放， 進而為“雙碳目標”的實現提供源源不斷的動力支持。

第二， 采取替換變量的做法， 用相關省份的數字經濟指數（Digeco） 取代數字金融指數（Dfin） 重新估計模型（1）， 數字經濟指數相關數據來源于財新智庫。 由回歸結果（限于篇幅不再列示， 備索） 可知，L.Dfin的系數（0.084） 為正， 且在1%的水平上顯著， 與基準回歸的結果相吻合。

第三， 為了緩解數字金融與碳減排能力互為因果所引致的內生性問題， 本文選取數字金融的滯后一期（L.Dfin） 作為工具變量， 采用兩階段最小二乘法進行估計。 一方面， 上一期數字金融的態勢一定程度上會對當期數字金融的發展產生影響， 符合相關性要求； 另一方面， 在加入控制變量的情況下， 工具變量只能通過當期數字金融作用于當期碳減排能力， 滿足外生性條件。 第一階段回歸結果（限于篇幅不再列示， 備索） 顯示，L.Dfin的系數在1%的水平下顯著， 說明當期與滯后一期的數字金融有著很強的相關性； 第一階段的F值遠大于10， 因此不存在弱工具變量問題； Kleibergen-Paap rk LM 統計量為36.09（P=0.000）， 也拒絕了工具變量不可識別的原假設。 同時， 工具變量個數等于內生變量個數， 即恰好識別， 無須進行過度識別檢驗。 由回歸結果（限于篇幅不再列示， 備索） 可知， 在處理了內生性問題后，Dfin的系數（0.102） 依然在1%的水平上顯著為正， 說明基準回歸的結論是穩健的。

第四， 一個區域的碳減排能力可能受到上一期碳減排能力的影響， 因此， 本文在模型（1） 中加入被解釋變量的滯后一期作為控制變量。 為了克服動態面板模型自身潛在的內生性問題， 回歸采用廣義矩估計（GMM） 法。 由回歸結果（限于篇幅未列示， 備索） 可知， AR （1） 檢驗的P值為0.017， AR （2）檢驗的P值為0.220， 說明存在一階自相關但不存在二階自相關； Sargan 檢驗的P值為0.056， 大于0.05， 證明工具變量的選取是有效的； Hansen 檢驗的P值為1.000， 也驗證了工具變量滿足外生性條件。以上檢驗結果表明， 采用兩步系統GMM 法進行估計是可行的。 在動態面板條件下，Dfin的系數（0.020）符號依然為正， 且在5%的水平上顯著， 與基準回歸的結論保持一致。

六、進一步的機制分析

（一） 中介效應檢驗

在驗證了數字金融對區域碳減排能力的促進效應后， 將對數字金融碳減排效應的傳導路徑展開進一步分析。 中介效應檢驗的估計結果如表5 所示。

表5 中介效應檢驗估計結果

表5 列（1） —列（5） 分別對應模型（1） —模型（5）。 在模型（1） 驗證了數字金融對區域碳減排能力的促進效應的基礎上， 模型（2） 中數字金融（Dfin） 的系數（-0.133） 為負， 且在1%的水平下顯著， 表明數字金融能夠有效縮小城鄉間的收入差距， 促進鄉村經濟的發展。 模型（3） 中數字金融（Dfin） 的系數（0.076） 相較模型（1） 有所下降， 但仍在1%的水平下顯著， 表明數字金融可以通過推動鄉村振興戰略實施對區域碳減排能力產生正向影響， 假設2 得以驗證。

同理， 模型（4） 中數字金融（Dfin） 的系數（0.192） 為正， 且在1%的水平下顯著， 表明數字金融發展對區域ICT 擴散強度具有促進效應。 模型（5） 中數字金融（Dfin） 的系數（0.061） 相較模型（1）有所下降， 但仍在1%的水平下顯著， 表明ICT 擴散強度也是數字金融提升區域碳減排能力的中介變量之一， 假設3 得以驗證。

對比列（3） 與列（5） 的數字金融（Dfin） 系數大小， 可以進一步發現， ICT 擴散強度所起到的部分中介作用要大于鄉村振興， 說明數字金融的普惠效應尚未挖掘充分， 在資源配置效率提高的同時， 也要均衡城鄉之間的發展， 完善鄉村新型數字基礎設施的建設， 使城鄉居民都能分享數字金融紅利， 這對于一個地區碳減排潛力的拓展具有重大意義。

（二） 異質性檢驗

數字金融的碳減排效應可能會隨著數字金融和碳減排能力發展水平的不同而呈現異質性特征， 即具有一定的門檻效應。 表6 和表7 報告了數字金融為門檻變量的門檻模型自抽樣檢驗結果、 門檻估計值及其置信區間， 可以發現， 以數字金融為門檻變量時， 在1%的統計水平下，F統計量在單一門檻模型中顯著，而在雙重門檻模型中不顯著， 因此模型（6） 僅存在單一門檻值1.753。 表8 和表9 報告了碳減排能力為門檻變量的門檻模型自抽樣檢驗結果、 門檻估計值及其置信區間， 可以發現， 以碳減排能力為門檻變量時， 在10%的統計水平上，F統計量在雙重門檻模型中顯著， 而在三重門檻模型中不顯著， 因此模型（7） 存在雙重門檻值-0.333 和-0.110。

表6 數字金融為門檻變量的門檻模型自抽樣檢驗

表7 數字金融為門檻變量的門檻估計值及置信區間

表8 碳減排能力為門檻變量的門檻模型自抽樣檢驗

表9 碳減排能力為門檻變量的門檻估計值及置信區間

數字金融對區域碳減排能力影響的面板門檻回歸結果顯示， 以數字金融作為門限變量時， 其碳減排效應被劃分為兩段： 當數字金融指數低于175.3 時，Dfin的系數為0.040， 且在1%的統計水平上顯著； 當數字金融指數邁過175.3 這一門檻時，Dfin的系數增大至0.072， 且保持了1%的顯著性水平。由此可知， 數字金融自身的發展對其與碳減排能力的關系具有門檻調節作用， 隨著數字金融指數的不斷提高， 數字金融對區域碳減排能力的促進效應逐漸增強， 即相較于數字金融欠發達的地區， 數字金融對發達地區的碳減排效應更為顯著， 假設4 得以驗證。 為此， 倘若政府在推動數字普惠金融發展方面出臺相應政策加以扶持， 激發出潛在的內生發展動力， 便能促使該地區的碳減排能力得到充分釋放。

以碳減排能力作為門檻變量時， 其碳減排效應被劃分為三段： 當碳減排能力指數低于-0.333 時，Dfin的系數為0.017， 且在10%的統計水平上顯著； 當碳減排能力指數介于-0.333 與-0.110 之間時，Dfin的系數增大至0.069， 顯著性水平也上升至1%； 當碳減排能力指數高于-0.110 時，Dfin的系數繼續增大至0.088， 且仍在1%的水平上顯著。 由此可知， 碳減排能力水平也對數字金融的減排效應具有門檻調節作用， 隨著碳減排能力的不斷提升， 數字金融對碳減排能力的促進效應逐漸增強， 即相較于低減排能力地區， 數字金融對高減排能力地區的碳減排效應更為顯著， 假設5 得以驗證。 對此， 地方政府有必要進一步拓展高質量發展的實現路徑， 加快區域碳減排能力的增長速度， 為全面實現碳達峰打開向上的發展空間。

此外， 本文以數字金融水平、 碳減排能力的中位數作為標準對樣本劃分， 并進行分組回歸估計， 以檢驗上述異質性結論的穩健性。 數字金融水平大于等于中位數的省份為數字金融發達地區， 小于中位數的省份為數字金融欠發達地區； 碳減排能力大于等于中位數的省份為高碳減排能力地區， 小于中位數的省份為低碳減排能力地區。 以數字金融水平、 碳減排能力分組作為劃分標準進行的回歸估計結果如表10所示。

表10 以數字金融水平、碳減排能力為標準的分組回歸估計結果

由表10 可知， 數字金融對數字金融發達地區和欠發達地區碳減排能力的影響都在1%的統計水平上顯著為正， 但在系數大小上， 數字金融發達地區（0.098） 要遠高于欠發達地區（0.062）， 表明無論數字金融發展程度如何， 數字金融對碳減排能力都存在顯著的促進效應， 但相較于數字金融欠發達地區， 數字金融在發達地區的碳減排績效更為顯著。 同樣地， 數字金融在高碳減排能力地區的系數（0.078） 也略高于低碳減排能力地區（0.076）， 且二者都保持了1%的顯著性水平， 表明無論碳減排能力水平如何， 數字金融對碳減排能力都存在顯著的促進效應， 但相較于低碳減排能力地區， 數字金融在高碳減排能力地區的碳減排績效更為出色。 因此， 門檻回歸所得結論是穩健的， 進一步驗證了假設4 和假設5。

（三） 空間效應檢驗

數字金融具有較強的空間穿透性， 碳排放亦能在相鄰地區間實現轉移， 因此， 數字金融與區域碳減排能力可能在空間上呈現自相關性。 本文使用計算莫蘭指數（Moran's I） 的方法， 對數字金融和區域碳減排能力的空間相關性進行初步檢驗。 在空間矩陣的選取上， 首先建立式（10） 所示的經濟距離矩陣：

其中，Yi為樣本期內省份i的實際人均GDP 的均值，Yj為樣本期內省份j的實際人均GDP 的均值。

表11 報告了空間自相關檢驗的結果， 2011—2018 年， 區域碳減排能力與數字金融的莫蘭指數均在不同程度上顯著為正， 說明經濟相鄰地區的碳減排能力與數字金融均存在正的空間自相關性。

表11 2011—2018 年數字金融和區域碳減排能力空間自相關檢驗

為緩解因空間因素所導致的偏差， 借鑒張輝等（2016）［35］的做法， 引入空間滯后模型（SAR） 與空間誤差模型（SEM） 對數字金融與區域碳減排能力的關系重新估計， 并加入相鄰矩陣與地理距離矩陣進行穩健性檢驗， 結果如表12 所示。

表12 數字金融影響區域碳減排能力空間模型的回歸結果

表12 中， 依據豪斯曼檢驗結果， 兩模型均應選取固定效應模型。 列（1） —列（6） 中數字金融（Dfin） 的系數均為正值， 且在1%的水平上顯著， 表明基準回歸的結論是穩健的。 列（1） —列（3） 中的空間自回歸系數Rho全部顯著為正， 證實了碳減排能力“強強相鄰” 空間分布格局的存在。 根據對總效應的進一步分解， 可以發現數字金融對區域碳減排能力的直接、 間接效應均顯著為正， 表明一個地區數字金融的發展不僅有利于提升本地的碳減排能力， 對相鄰地區的碳減排能力也具有促進效應， 假設6 得以驗證。

在實證中， SEM 模型較SAR 模型而言具有更廣泛的適用性［44］。 考慮到區域碳減排能力的空間溢出效應， 擾動項也存在空間自相關的可能。 列（4） —列（6） 中Lambda的系數全部顯著為正， 反映了碳減排能力“強強相鄰” 空間分布格局能夠同時促進本地與相鄰地區域碳減排能力的提升， 進而實現區域間的協同減排， 數字金融在這種空間格局的形成過程中發揮著不容小覷的作用。

七、結論與啟示

（一） 結論

本文的研究結果表明： 數字金融能夠顯著提升區域碳減排能力， 該結論在多種穩健性檢驗下仍然成立。 數字金融可以通過振興鄉村和提升ICT 擴散強度兩條路徑促進區域碳減排能力的提升。 數字金融對區域碳減排能力的促進效應具有邊際遞增的非線性特征——相較于數字金融欠發達地區， 數字金融對發達地區的碳減排效應更為顯著； 相較于低減排能力地區， 數字金融對高減排能力地區的碳減排效應更為顯著。 數字金融與區域碳減排能力在空間上均具有顯著的正自相關性， 本地數字金融的發展對相鄰地區的碳減排能力存在正向溢出效應。

（二） 啟示

全球已步入數字經濟時代， 發展數字金融已是大勢所趨。 因此， 第一， 要加快構建以數字經濟為核心的現代化經濟體系， 推動數字金融高水平發展， 發揮數字金融對區域碳減排能力的促進效應。 第二， 要著力加強信息化基礎設施建設， 持續提升全國范圍內數字金融的普及度和使用深度， 使各地的數字金融指數都能達到閾值， 利用數字金融邊際遞增的門檻效應充分提升碳減排能力。 第三， 發揮數字金融對相鄰地區碳減排能力的溢出效應， 進一步強化區域間的信息溝通和交流合作， 加快構建共商共治共享的低碳目標與環境治理體系， 避免出現“自掃門前雪” “與鄰不善” 的減排模式， 最終實現區域間的協同減排。