數字金融對綠色發展的影響機制

劉敏樓，黃 旭，孫 俊

（南京財經大學金融學院，江蘇南京 210023）

改革開放以來，中國經濟取得了舉世矚目的成就，1978—2019年GDP平均增長率達到9.44%，創造了經濟發展史上的奇跡。隨著人口結構以及供求關系的變化，過去主要依靠要素投入的粗放發展模式逐漸暴露出與人口、資源、環境、生態等方面的矛盾。相對于傳統增長模式，綠色發展更加注重發展過程中資源消耗的降低，關注環境效益和可持續發展，是解決經濟增長與環境保護矛盾的關鍵手段。習近平總書記強調“建立綠色低碳發展的經濟體系，促進經濟社會發展全面綠色轉型。”黨的十八屆五中全會提出了“綠色”發展理念，將其上升到國家戰略層面。2021年3月通過的《國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出要堅持生態優先、綠色發展，加快綠色發展方式轉型，協同推進經濟高質量發展和生態環境高水平保護，同時強調“加快金融機構數字化轉型”，增強金融服務實體經濟能力，驅動“生產方式、生活方式和治理方式變革”。數字金融可以通過擴大金融服務的覆蓋面和滲透率，有效推動經濟發展方式的轉型，在中國發展方式綠色轉型的背景下，探究數字金融對綠色發展的影響，不僅可以為促進經濟綠色可持續發展提供新的證據，也能為數字金融發展的實踐提供相應的政策參考。

1 文獻綜述

綠色發展是以生態、經濟協調發展為核心的可持續發展經濟，與綠色經濟、綠色增長、低碳經濟等屬于本質相同但表現形式有差異的同一譜系概念［1］。關于綠色發展的理論研究，可以追溯到1798年的《人口原理》，馬爾薩斯在書中強調了自然資源的稀缺和承載能力的有限性問題，提出要妥善處理人口、資源與環境之間的關系。Hicks［2］提出了綠色GDP思想，認為只有當全部資本存量隨時間保持不變或增長時，這種發展方式才是可持續的。皮爾斯等［3］首次采用綠色經濟的提法，提倡將環境融入資本的投資中以解決經濟增長與環境的矛盾。其后綠色發展的相關研究集中在經濟發展的可持續性、生產和分配的本地化、尊重生態局限和更平等的資源分配等方面［4］。國內以劉思華［5］、王金南等［6］為代表的學者較早關注綠色發展問題，他們利用相關理論解釋中國綠色經濟發展情況，并嘗試進行綠色GDP核算。2008年金融危機爆發后，氣候變化的經濟效應及其與經濟增長之間相互影響可能帶來的一系列問題引起了廣泛關注，綠色發展也成為國內研究的熱門話題。具體來說，可以歸納為三個方面：一是關于綠色發展內涵、意義及其發展趨勢的總結［7-8］；二是中國綠色發展的對策思考［9-11］；三是具體行業視角的綠色轉型研究［12-13］。盡管不同學者對綠色發展內涵的界定存在一定差異，但基本都認可綠色發展在增長動能轉換、改善民生以及提高經濟發展可持續性等方面起到了積極的作用。

經典文獻驗證了金融在經濟增長中的重要作用［14］，但是學者們對于金融發展推動經濟綠色轉型的作用尚有一定爭議。支持的觀點認為，金融發展可以通過提供資本支持、促進綠色投資、推動企業創新、實現產業結構升級等途徑降低能耗和碳排放［15］，改善能源消費結構［16］，進而實現綠色發展；同時，由于金融發展通過技術效應、規模效應和結構效應等影響綠色發展，金融發展環境效應的大小取決于上述機制，因此可能存在最優金融規模，導致金融與綠色發展的關系呈現非線性特征［17］。質疑的觀點則認為，長期以來傳統金融服務供給難以滿足經濟結構轉型的升級需求，結構性問題造成的金融資源錯配降低了金融體系的資源配置能力［18］；銀行主導型的金融結構是造成粗放式增長和環境問題的根源之一，當前中國金融發展在整體布局上沒有根本性改變，因此金融發展尚未表現出綠色特征［19］。

隨著人工智能、大數據技術的蓬勃發展，金融加強了與新興技術的有機融合——數字金融應運而生，并逐漸成為金融領域的研究熱點［20］。以共享、便捷、低成本、低門檻為特征的數字金融［21］，能否通過驅動創新、賦能綠色金融服務效率推動綠色發展是一個值得關注的現實問題。現有文獻集中討論了數字金融對實體經濟的助推效果［22-23］、助力縮小城鄉收入和區域貧富差距的減貧效應［24-25］以及對傳統銀行服務的完善機制等［26］，檢驗了數字金融在破解融資難題［27］、激勵創新［28］以及減少污染排放［29］等方面的作用。遺憾的是，目前對于數字金融與綠色發展內在關系還缺乏足夠的關注，特別是利用合理的數據和方法挖掘數字金融影響綠色發展的機制還有待進一步深入探討。文章在現有文獻的基礎上，探討數字金融對綠色發展的影響，考察其傳導機制以及影響效果，并通過異質性檢驗探究數字金融的普惠邊界條件，為中國綠色轉型的金融支持提供相應的政策依據。

2 理論基礎與研究假說

2.1 數字金融對綠色發展的影響分析

綠色發展是一種關注經濟增長所依賴自然資源供給的可持續性發展方式，通過相應的規劃、標準、技術和機制，使社會經濟活動實現低能耗、低物耗、低生態環境損害的綠色低碳循環，以達到人與自然和諧共處的目標。而數字金融是在互聯網不斷發展的背景下通過數字技術與傳統金融服務業態相融合衍生而來的新型金融服務，依托人工智能、大數據、云計算、區塊鏈和生物識別等技術，提供更加普惠和精準的金融服務，能夠滿足經濟綠色發展的需要［30］。一方面，數字金融依靠其網絡化、去媒介化的特征，拓寬了大眾參與環保事業的渠道［31］，能夠將綠色發展理念寓于金融服務中，同時數字化管理和更加透明的信息公開方式增強了社會公眾對環保事業的信心，推動了生活和生產方式綠色化。如以螞蟻森林為代表的平臺通過為人們的支付寶賬戶提供個性化的碳節約數據，將用戶的虛擬身份與其減少碳排放任務中獲得的“綠色能量”收入聯系起來，最后通過實體植樹計劃提供碳補償獎勵。另一方面，綠色領域的企業，如環保領域、新能源等，需要資金的支持來實現健康發展，數字金融通過促進金融產品創新和提高金融服務效率，為綠色領域企業提供融資渠道和融資便利，有利于產業結構向綠色和清潔化轉型升級［32］；同時，基于大數據、區塊鏈等數字技術，數字金融能夠挖掘企業特質性信息，通過提高資本市場的關注度來改善資本市場信息效率［33］，促使銀行更加關注企業的環境效益，進而選擇提高貸款利率來吸收企業的環境風險［34］，迫使環境負外部性的企業減少污染和工業氣體排放，提高環境績效，最終打造金融資源對生態環境處置“獎優懲劣”的環境治理閉環［22］。基于此，提出研究假說1：

H1：數字金融能夠推動經濟的綠色發展。

2.2 數字金融影響綠色發展的傳導機制

2.2.1 激勵技術創新

從微觀層面來看，數字金融在互聯網、大數據技術、區塊鏈等的支持下，能夠低成本地處理海量數據［35］，降低了市場主體的交易成本和信息成本，更加精準識別用戶行為，評估用戶信息，從而提供更為全面、普惠的金融服務。數字金融所具有的糾錯配、補短板功能一定程度上能夠克服企業“融資難”“融資貴”等問題，更好地將資源與企業創新項目的風險特征進行匹配，通過降低財務費用和“去杠桿”效應激勵企業創新［19］。這一過程中，利用數據分析、智能投顧等手段，數字金融一方面降低了市場的準入門檻，有效緩解了交易過程中的信息不對稱和道德風險等問題，為企業提供多層次的融資渠道和服務方式，解決技術創新中的資金問題，促進了技術變革的深化；另一方面能夠幫助企業更好地識別技術創新演進的路徑，推動企業向資源消耗低、環境污染少、投入產出高的技術領域突破，進而有效實現經濟綠色轉型。宏觀視角來看，數字金融能夠有效緩解金融抑制并驅動產業結構優化升級，實現區域創新能力提升［28］。數字金融的普惠效應強化了技術創新的溢出，在國家綠色發展政策的支持下，起到引導社會資金流向的作用。一方面通過綠色投資在增量上支持新興環保產業的發展，另一方面推動存量產業的低碳綠色轉型，有助于市場主體準確高效地識別碳清單，完成碳排放配額的合規與支付［36］。同時，新技術的發展和應用還能夠加速資本流向可持續的技術研發方向和新興金融工具，為經濟發展整體態勢向綠色發展轉型提供持續的資金支持。

2.2.2 賦能綠色金融

綠色金融被認為是通過金融系統將環境外部性內部化，從而應對氣候變化、提高資源節約程度的經濟活動［37］。然而，綠色項目長周期、低回報率的特點以及傳統金融系統長期面臨的信息不對稱等問題制約了綠色金融的發展。中國數字金融創新在解決綠色金融發展中普遍存在的“獲客難”“融資難”等問題上提供了新的解決方案：通過數字平臺，拓寬用戶的使用場景并擴大綠色金融的輻射面，從而引導綠色金融資源流向綠色產業和環境友好型企業［20］；基于數字金融平臺建立的綠色金融資源配置與管理系統在提升綠色服務效率、降低綠色服務成本以及資金流向監測等方面也發揮了重要的作用［38］。例如，數字金融可以提高綠色資產、項目、產品和服務的識別效率，助力環境效益數據的采集、溯源、處理和分析以及支持綠色資產交易平臺的構建；在金融機構低碳資產識別、轉型風險量化以及碳資產信息披露等環節面臨的信息不對稱、成本高和效率低等問題上，數字金融也提供了新的解決方案。利用大數據、人工智能和區塊鏈等技術，數字金融能夠緩解綠色金融發展過程中諸如客戶參與熱情低、交易效率過低和成本居高不下、信息傳遞機制匱乏以及缺失有效可行的監管措施等一系列問題。基于此，提出研究假說2：

H2：數字金融能夠通過激勵技術創新和“賦能”綠色金融從而推動綠色發展。

3 樣本、變量與模型設定

3.1 樣本與數據來源

選取2011—2019 年中國30 個省區市的數據作為基礎樣本（由于數據可得性原因，實證分析中未包含西藏及港澳臺地區）。其中，綠色發展、技術創新、外貿依存度、地區經濟發展水平、地方政府規模、技術市場發展以及基礎設施建設的數據主要來源于中經網統計數據庫和EPS數據庫以及中經網省級統計數據庫；綠色金融數據來源于EPS 數據庫、中經網省級統計數據庫和《中國保險統計年鑒》；市場化指數采用《中國分省份市場化指數報告（2018）》的計算結果；數字金融指數來源于北京大學互聯網金融研究中心發布的《北京大學數字普惠金融指數（2011—2020）》。對于部分缺失數據，采用線性插值法予以補齊。

3.2 變量說明

3.2.1 被解釋變量

綠色發展（grd)。借鑒段永琴等［39］的研究，選取萬元GDP 能耗作為綠色發展的代理變量，該指標能夠反映經濟發展過程中的能源利用效率，其數值越小，意味著經濟發展過程中消耗的能源越少，綠色化水平越高。為了研究的方便，將綠色發展的代理變量取倒數，使其轉化為正向指標；考慮到綠色發展進程可能呈現指數化特征，對綠色發展指標進行對數化處理。

3.2.2 核心解釋變量

數字金融（diff）。選取北京大學數字金融研究中心發布的《北京大學數字普惠金融指數（2011—2020）》作為核心解釋變量的代理變量，該指數能夠較好地衡量各地區數字金融發展程度，且從覆蓋廣度、使用深度以及數字化程度等多個維度刻畫了中國數字金融發展水平，具有較好的代表性。

3.2.3 機制變量

技術創新（rd）。現有文獻測度技術創新的代理變量主要有專利申請量、專利授權量和研發投入［27］等方式。為了更好體現出創新對綠色發展的驅動作用，同時又可以刻畫地區創新能力的差異特征，選取人均研發投入作為技術創新的代理變量，并進行對數化處理。

綠色金融（gf）。參考李曉西等［37］提出的綠色金融體系，考慮到數據的可得性，選取綠色信貸、綠色治理投資、綠色保險程度和綠色財政支出等四個維度來衡量綠色金融發展水平，使用熵值法進行測算，分別采用六大高耗能產業利息支出占工業利息總支出比重、環境污染治理投資額與地區GDP 比值、農業保險收入占農業生產總值比重以及財政環保支出占財政支出比例作為綠色信貸、綠色治理投資、綠色保險程度和綠色財政支出的代理變量。

3.2.4 控制變量

參考已有研究，控制以下變量，具體包括：城鎮化水平（urb），使用城鎮化率來衡量；外貿依存度（open），選取進出口總額與地區GDP的比值作為外貿依存度的代理變量；地區經濟發展水平（pgdp），以2010為基期的實際人均GDP 取對數衡量經濟發展水平；地方政府規模（gov），使用財政支出與地區GDP 的比值作為代理變量；制度質量（inst），選取市場化指數表征制度質量；技術市場發展（tech），選取技術市場成交額占地區GDP的比重衡量技術市場發展；基礎設施建設（infra），以人均道路面積的對數代表基礎設施建設水平。

3.3 模型設定

3.3.1 基準線性模型

為檢驗數字金融對綠色發展是否存在影響，建立以下基準線性回歸方程，以驗證假說1：

其中：grd代表綠色發展水平；diff為數字金融發展指數；Control表示模型中的所有控制變量。i表示省份，t表示年份。θ為省份效應，μ為年度效應，ε為隨機誤差項。

考慮到雙向固定效應的做法比較柔性，同時數字金融的廣泛發展也可能導致宏觀系統性環境的變化造成內生性偏誤，參考Bai［40］的研究，回歸中進一步加入省份和年度的交互固定效應，模型設定如下：

3.3.2 中介效應模型

為了厘清數字金融影響綠色發展的具體傳導機制，借鑒溫忠麟等［41］的研究，構建以下模型檢驗數字金融影響綠色發展的傳導路徑，檢驗技術創新和綠色金融在其中發揮的中介作用。

式中：intermediary為中介變量，包括技術創新（rd）和綠色金融（gf），α、β、ρ為回歸系數。首先依次驗證模型3中的系數α2、模型4中的系數β2和模型5中的系數ρ3，如果三個系數均顯著，則說明技術創新或者綠色金融的中介效應顯著，否則利用bootstrap法再驗證；接著驗證模型5的系數ρ2，如果顯著則表示數字金融與綠色發展的直接效應也顯著，否則只有中介效應成立；最后比較ρ2和β2ρ3的符號，如果二者同號，則認為技術創新或者綠色金融起到了部分中介的作用，如果二者異號，則認為是遮掩效應；同時，若模型5的系數ρ2對于模型3中的系數α2有所降低，則說明技術創新或者綠色金融是對綠色發展產生影響的路徑變量。

4 主要實證分析

4.1 描述性統計

表1呈現了所有連續變量的描述性統計結果。從綠色發展指標可以看出，綠色發展的中位數為1.528 0，低于均值1.575 2，說明地區間綠色發展水平存在區域分化特征，發展不平衡、不充分問題依舊存在；同時，由數字金融指標的相關統計結果也能發現各省份間存在較為明顯的地區差異；其余變量在各省份間也呈現出不同程度的差異特征。

表1 主要變量的描述性統計說明

4.2 基準回歸結果

表2報告了基準回歸模型的估計結果。其中，使用數字金融總指數進行的回歸中，在逐步加入模型控制變量、地區×年份的高維固定效應后，數字金融的估計系數仍然能夠在1%的水平下通過顯著性檢驗。回歸結果表明，數字金融具有較強的綠色屬性，具體來說，數字金融指數每提高一個單位，綠色發展指數將會提高29個百分點，并且在1%的水平下顯著，說明數字金融能夠通過倡導綠色生產方式、提高公眾環保參與度和激勵綠色投資進而促進綠色發展。進一步將數字金融指數降維至覆蓋廣度（cover）、使用深度（usage）和數字化程度（dig）層面，結果顯示，數字金融覆蓋廣度和數字化程度對綠色發展的邊際效應均在1%的水平下顯著為正，而使用深度沒有通過顯著性檢驗。可以看出，使用深度和數字化程度的估計系數與覆蓋廣度相比存在一定差距，說明數字金融推動綠色發展主要是通過提高覆蓋廣度實現的。原因可能在于數字金融覆蓋廣度的提高，對緩解金融抑制、釋放金融活力起到了較好的“潤滑劑”效果，數字金融的綠色效應在一定程度也依賴于金融服務的可得性；而數字化在一定程度上反映了數字金融基礎設施的發展狀況，也說明完善數字金融相關配套設施能夠提高其對綠色發展的激勵效應。

表2 總樣本回歸結果

從控制變量的回歸結果可以看出，推動經濟發展和完善基礎設施建設有助于提高綠色發展水平，在加入地區和年份交互效應后均通過了1%的顯著性檢驗；制度質量的改善能夠給綠色發展提供支持，控制地區/年份、地區×年份以及三個分指數回歸的結果都支持這一結論；技術市場發展有利于經濟實現綠色發展，但其估計系數僅在控制地區/年份的情況下顯著為正，說明盡管發達的技術市場能夠給綠色項目提供支持，但相關制度和措施仍需要進一步優化，否則也可能抑制區域間綠色發展水平的提升；外貿依存度對綠色發展影響的邊際效應僅在覆蓋廣度回歸列中顯著，說明仍要重視全球化帶來的產業轉移對發展中國家綠色發展進程可能存在的抑制效果。此外，城鎮化率和地方政府規模對綠色發展的影響則存在不確定性，可能的原因在于城市規模的提升和政府支持是促進經濟增長的有力措施，但對綠色發展的效果仍未得到體現。

4.3 影響機制分析

表3匯報了數字金融對綠色發展影響機制檢驗的回歸結果。單變量的回歸結果已在前文匯報，不再贅述。在以技術創新為被解釋變量和數字金融為解釋變量的模型4 中，數字金融的邊際效應為正且在1%的水平下通過了顯著性檢驗，說明數字金融能夠通過降低創新主體的交易成本和融資成本激發創新活力，從而驅動區域創新能力的提升。以技術創新作為中介變量的模型5 檢驗結果，可以發現數字金融與技術創新的估計系數均至少在5%的水平下顯著為正，數字金融的邊際效應相較于模型3有所下降，但這一結果仍然驗證了技術創新是數字金融發揮綠色效應的重要傳導機制。進一步地，該研究對數字金融“賦能”綠色金融，進而促進綠色發展這一影響機制進行驗證。由以綠色金融為被解釋變量的回歸結果可知，通過提高監管水平、促進金融產品創新以及完善信息共享機制等路徑，數字金融能夠支持綠色金融提質增效，數字金融和綠色金融共同對綠色發展的回歸結果也顯示數字金融與綠色金融對綠色發展的邊際效應顯著為正，驗證了“數字金融—（賦能）綠色金融—（促進）綠色發展”的正向傳導路徑。

表3 數字金融、傳導機制與綠色發展

4.4 穩健性檢驗

（1）內生性問題。前文的分析中采取了控制省份與年份的交互固定效應以緩解內生性問題可能帶來的估計偏誤，本部分借鑒謝絢麗等［22］的研究，選取滯后一期的互聯網普及率和數字金融指數作為數字金融的工具變量，進一步進行穩健性檢驗。一方面，數字金融的發展與互聯網普及率的提高息息相關，另一方面，各地區的綠色發展水平并不會影響前一年的互聯網普及率和數字金融指數。表4工具變量列的結果顯示，數字金融對綠色發展影響的邊際效應在1%的水平下顯著為正，Kleibergen-Paap rk LM檢驗表明不存在的工具變量不可識別的問題，Kleibergen-Paap rk Wald F 統計量大于Stock-Yogo 在10%下的水平19.93、Hansen統計量大于0.1，說明不存在弱工具變量等問題，這意味著在考慮了數字金融與綠色發展可能存在的內生性問題后，數字金融依然能夠顯著促進綠色發展。

（2）替換實證檢驗方法。考慮到綠色發展可能存在的動態特征，采用系統GMM 方法對原有模型進行檢驗，結果表明綠色發展滯后一期和數字金融的估計系數在5%的水平下顯著為正，再次驗證了數字金融對綠色發展具有激勵效應。

（3）替換解釋變量。為應對測量誤差偏誤可能造成的問題，參考張勛等［24］的研究，選取財新智庫發布的數字經濟指數（digeco）替換數字金融指數，回歸結果同樣驗證了該研究的結論。

（4）替換被解釋變量。前文的分析中選取能源效率作為綠色發展的代理變量，在穩健性檢驗部分使用歷年《中國綠色發展指數報告—區域比較》中的綠色發展總指數，該指數包括經濟增長綠化度、資源環境承載潛力和政府政策支持度三個維度，能夠較好地反映經濟綠色發展水平。表4 中的回歸結果表明在替換被解釋變量衡量方式后結論依然穩健。

表4 穩健性檢驗結果

（5）Bootstrap 方法。對于中介效應的穩健性問題，采用Bootstrap 方法進行檢驗。當回歸結果中95%的置信區間不包括0 值，則說明中介效應顯著。表5 呈現了Bootstrap 方法檢驗的結果，可以發現，技術創新與綠色金融95%置信區間均不包含0 值，且z 值檢驗的結果顯著，該結果支持了技術創新和綠色金融作為機制變量的合理性，也驗證了關于數字金融影響綠色發展具體傳導機制的相關結論。

表5 Bootstrap方法檢驗結果

5 進一步研究

5.1 門檻特征分析

5.1.1 環境庫茲涅茨曲線再驗證

根據環境庫茲涅茨曲線假說，在人類發展的不同時期，經濟增長與環境呈現倒U 型關系。胡宗義等［42］將金融發展對環境質量的影響分解為規模效應和技術效應，認為兩種效應的相互疊加導致金融發展的污染減排效應存在不確定性。部分文獻驗證了金融體系與綠色發展的關系可能存在非線性特征［43］，數字金融作為數字技術與傳統金融結合形成的新興金融業態，應該遵循金融發展的基本規律［44］。考察不同經濟增長區間下新興金融業態與綠色發展之間可能存在的非線性特征，不僅有助于隧穿中國的環境庫茲涅茨曲線，實現能源消耗增長、碳排放增長、環境污染損失增長等生態赤字與經濟發展脫鉤［45］，也能夠豐富金融體系與綠色發展關系的相關研究。因此，進一步考察數字金融背景下環境庫茲涅茨曲線的假說在中國是否成立。

考慮到Hansen 于1999 年提出的門檻模型要求協變量必須滿足嚴格外生的假說條件在實際回歸中難以得到滿足，借鑒Kremer等［46］的研究引入動態門檻模型，以人均GDP為門檻變量構建以下模型：

其中：qi，t表示門檻變量，I(·)為示性函數，γ為特定的門檻值。在估計動態門檻模型之前，首先進行門檻效應的檢驗。由表6可以看出，pgdp通過了一重門檻效應的顯著性檢驗，說明數字金融在不同經濟發展區間下的綠色效應會呈現出非線性的動態變化特征。

表6 面板自抽樣檢驗結果

從表7 中以pgdp為門檻變量的回歸結果可以發現，當人均GDP 低于門檻值10.2167 時，數字金融的估計系數在1%的水平下通過了顯著性檢驗，其對綠色發展的邊際效應為0.0471，而當人均GDP跨越這一門檻值時，數字金融對綠色發展的正向促進效應呈現出遞減趨勢，且通過1%的顯著性檢驗。這意味著，隨著經濟發展水平的提升，數字金融的綠色發展效應會逐漸減弱，但統計意義上仍具有較強的促進作用，可見數字金融背景下的環境庫茲涅茨曲線假說在中國并不成立。

5.1.2 不同金融監管強度下的綠色效應差異

得益于脫媒化和去中心化的特征、相對寬松的監管政策以及傳統金融供給不足帶來的需求空間，數字金融在過去20年里得到了迅速發展。然而，數字金融是“大智移云”時代數字技術與金融服務結合的產物，其內源仍需遵循傳統金融的發展規律。隨著P2P 曝雷、用戶信息泄露、平臺壟斷以及數據濫用等問題出現，說明長期監管缺位可能導致數字金融成為金融風險的“蓄水池”，最終帶來難以預料的風險和損失。因此，數字金融的監管也成為管理部門亟須解決的問題。一方面，加強監管有助于防范和化解系統性風險，提高金融效率，有效發揮數字金融對綠色發展的促進效果；另一方面，金融科技的出現也給當前金融監管政策與措施帶來了新的挑戰和機遇，合理的金融監管區間既能為數字金融的發展保駕護航，也能在一定程度上抑制綠色項目“染綠”“假綠”等現象的出現［47］。鑒于此，將金融監管納入“數字金融—綠色發展”分析框架中，在式（6）的基礎上更換金融監管作為門檻變量，并使用動態面板門檻模型進行研究，探究不同監管強度下數字金融的綠色效應會產生哪些差異。其中，金融監管變量借鑒唐松等［27］的研究，選取區域金融監管支出與金融業增加值的比值作為代理變量，數據來源于中國國家統計局。

由表6 的結果可以看出，金融監管在1%的水平下通過了門檻效應的檢驗，且模型通過了殘差序列自相關檢驗和過度識別檢驗。由表7 中以vis為門檻變量的回歸結果可以發現，隨著金融監管措施的逐漸完善，數字金融的綠色發展效應表現出正向且“邊際效應”遞增的非線性變化特征，且門檻值的兩端均通過5%的顯著性檢驗。實踐中，為應對數字金融帶來的金融風險和與之對應的監管挑戰，監管部門也與時俱進地改進了監管模式和手段。該文的結論驗證了完善監管措施并出臺相關政策有助于發揮數字金融對綠色發展的助推效果，一定程度上為監管部門提升數字金融監管的技術和效率、加快政策出臺和完善頂層設計，更好發揮其對經濟綠色發展轉型效應提供了理論支持。

表7 動態面板門限回歸模型回歸結果

5.2 空間差異下的包容性發展

中國幅員遼闊，區域間要素稟賦存在顯著差異，考察數字金融對綠色發展影響的空間異質性也是厘清二者關系研究的重要組成部分。參考現有文獻將各省份按照東部地區、中部地區和西部地區劃分為三個子樣本，探討數字金融發展促進綠色發展的邊界條件。表8的結果顯示，東中西部地區數字金融對綠色發展均有顯著作用，且在1%的水平下通過了顯著性檢驗。估計系數的結果可以發現，相較于東部地區，中西部地區數字金融具有更強、更顯著的綠色增長效應。原因可能在于發達地區已經具備較為完善的金融服務體系，對數字金融存在擠出效應；而經濟相對落后地區的金融抑制程度較高，這給予了數字金融發揮其普惠效應的空間，能夠更好地推動地區綠色發展。回歸的結果還表明，在空間分布層面，數字金融具備促進包容性增長的普惠特征，即在推動地區綠色發展的同時能夠對欠發達地區起到更好的綠色優化效果。

表8 異質性分析

6 結論與政策建議

該研究立足于數字技術催生出的全新金融業態改變了傳統金融發展模式和中國經濟社會發展趨勢這一典型事實，利用中國2011—2019年的省際面板數據，運用面板交互固定效應模型、中介效應模型和動態面板門檻模型，多維度實證檢驗了數字金融對綠色發展的影響及其具體機制。研究結論如下：①數字金融明顯推動了綠色發展的進程，通過更換回歸模型、引入工具變量、替換變量衡量方式等穩健性檢驗，該結論依然成立；同時，數字金融的綠色發展效應存在維度差異，即提高數字金融覆蓋廣度和數字化程度能夠更顯著地促進綠色發展，而使用深度在統計上不具備顯著意義。②激勵技術創新和“賦能”綠色金融是數字金融推動綠色發展的重要傳導機制，通過提高區域創新能力并支持綠色金融提質增效，數字金融顯著地提高了區域綠色發展水平。③數字金融的綠色發展效應伴隨著地區經濟發達程度的提升呈現出“邊際效應”遞減的非線性特征，但其“邊際效應”始終為正，環境庫茲涅茨曲線假說在數字金融的時代背景下并不成立；金融監管的逐步完善使得數字金融的綠色效應表現出正向且“邊際效應”遞增的非線性變化趨勢，完善金融監管配套措施并繼續出臺相關政策有利于持續釋放數字金融的綠色發展效應。④在空間異質性上，數字金融展現出了促進包容性發展的普惠特征，即數字金融在促進各地區綠色發展的同時，對中西部地區具有更強、更顯著的綠色優化效果。

該文的邊際貢獻可能體現如下：一是利用省際數據探討數字金融對中國綠色發展的影響，重點考察了數字金融通過技術創新、賦能綠色金融進而推動綠色發展的機制，為研究數字金融與中國綠色發展的關系提供了經驗證據；二是基于經濟增長與環境關系的非線性特征，檢驗了數字金融背景下中國“環境庫茲涅茨曲線假說”是否成立，分析了數字金融發展綠色效應的長期特征；三是將金融監管納入“數字金融-綠色發展”分析框架，探究不同監管強度下數字金融的綠色發展效應，一定程度上可以為數字金融監管政策提供相應的理論支持。

上述研究結論政策啟示如下：①在保持發揮數字金融綠色優化效應的前提下，繼續完善相關數字基礎設施，特別是鼓勵配套產業發展，積極推動大數據、區塊鏈等高端技術發展，提高數字金融普惠服務的覆蓋范圍，在守住底線的前提下給足數字金融“試點容錯”的空間，能夠進一步釋放數字金融的綠色效應，助力經濟發展綠色轉型升級。②數字金融的發展需要平衡好金融風險防范與助推實體經濟綠色發展之間的關系，在目前全球經濟金融不確定性增強的背景下，亟須加快金融監管體系變革，推動監管科技發展，構建針對性、及時性與穿透性兼備的監管科技體系，在防范和化解系統性風險的前提下有效引導數字金融為綠色發展注入新動能。③數字金融通過激勵技術創新、“賦能”綠色金融為綠色發展帶來內生動力的作用機制，說明數字金融發展安排可與綠色金融同行，推動綠色金融科技體系的構建，發揮數字金融與綠色金融的協同效應和創新驅動能力，支持數字金融服務實體經濟，發揮推動綠色發展的重要作用。④進一步發揮數字金融的普惠效應，促進地區綠色經濟包容性發展，為緩解地區間發展不平衡、不充分問題提供金融體系支持。