數字金融發展如何影響制造業碳強度?

王 軍，王 杰，王葉薇

（1. 中國石油大學（華東）經濟管理學院，山東青島 266580；2. 山東大學政治學與公共管理學院，山東青島 266237）

制造業作為中國能源消費和碳排放的重要部門，在踐行節能生產標準和落實碳減排目標的過程中長期扮演關鍵角色。然而，單一的末端治理模式已經難以滿足制造業部門節能減排和綠色增長協同推進的需求，而以數字技術為支撐、與傳統金融產業相融合同時更具精準匹配效率的數字金融無疑為制造業部門的減排選擇提供了“新答案”。數字金融被定義為傳統金融業務與互聯網技術的融合業態［1］，涵蓋電子支付、線上投融資等業務。盡管數字金融在一定程度上對傳統金融服務造成沖擊，但卻能夠基于融資的低門檻性、金融服務的普惠性、服務范圍的通達性和移動支付的便捷性等對制造業等實體經濟發展產生諸多積極影響［2-3］。基于數字金融與制造業發展的內在關聯，可以推斷數字金融勢必會對制造業生產活動中的碳排放產生深刻影響，因此構建以數字金融為支撐的制造業低碳發展模式具有重要的現實意義。基于此，文章嘗試將數字金融與碳排放納入統一的分析框架，從制造業企業層面評估數字金融發展的減排效應，并就其內在機制進行考察。

1 文獻梳理

碳減排往往受到技術效率和生產規模等多重因素的共同影響，作為經濟增長的重要支撐，金融發展對環境污染的影響同樣不容忽視。既有研究針對傳統金融發展對碳減排的影響予以充分的討論，如Tamazia 等［4］、陶文依美［5］和朱歡［6］分別從融資成本、金融規模和金融政策等方面對傳統金融發展的減排效應進行討論，結果普遍支持“傳統金融發展對于碳減排具有非線性影響”這一基本論斷。然而既有研究普遍關注傳統金融業發展的減排效應，卻忽略了以數字技術為支撐、以數字支付為核心的數字金融發展是否同樣可能影響碳減排。作為傳統金融業與數字技術相融合的新型服務業態，數字金融能夠顯著拓展金融服務的覆蓋范圍從而發揮其普惠效應［7-8］，同時依托數字技術和互聯網平臺能夠有效提升金融資源匹配的精準性和高效性［9］，使得金融服務能夠兼具公平與效率雙重屬性，進而對高質量發展產生積極影響，如張勛等［10］研究發現數字金融發展能夠通過激勵創新創業促進經濟包容性增長。

通過對既有文獻的歸納總結，數字金融作用于經濟高質量發展的基本路徑主要包括：其一，產業結構調整路徑。金融服務的普惠性有助于金融資源配置的不斷優化，進而能夠促進產業結構升級［11］，如唐文進等［12］基于城市層面面板數據進行實證分析，發現數字普惠金融發展對于產業結構升級具有長期顯著的促進效應。其二，技術創新路徑。高質量發展的過程即是由要素驅動向創新驅動轉變的過程，而創新型驅動則離不開金融服務數字化模式的有效支撐［13］，如唐松等［14］研究發現數字金融發展對企業技術創新存在“結構性”驅動效果，且這一技術創新效應在長期內保持穩健。其三，資金要素配置路徑。數字金融以金融科技為內涵，能夠發揮對資金等要素積極的引流作用，提高金融業服務傳統經濟的能力，如李楊等［16］提出數字化技術的應用拓展了企業的融資渠道，通過非銀行信用中介促進了資本積累和資本利用效率提升。然而，也有學者指出數字金融對于經濟高質量發展的影響并不能簡單地一概而論，如黃玉沛［17］指出數字金融對經濟發展的影響存在諸多前置條件，經濟變量和制度變量的不同均會導致數字金融對高質量發展的差異化影響。此外，以數字金融為基礎的數字經濟發展對于實體經濟增長具有一定的擠出效應，數字金融對于實體經濟的沖擊是影響中國經濟高質量發展的重要阻礙［18-19］，因此這可能造成數字金融發展的減排效應呈現波動性的非線性特征。

現階段，從環境領域考察數字金融的影響的文獻相對匱乏。同時，數字金融發展作用于碳減排的具體路徑尚有待明晰。文章嘗試在已有的研究基礎上進行如下拓展：一方面，基于拓展的內生增長Romer 模型構建數字金融影響碳排放的理論模型，為數字金融與碳減排的相關性分析提供數理支撐。另一方面，從“規模效應”和“技術效應”雙重維度揭示數字金融影響制造業碳排放的內在機制，并基于融資約束緩解和綠色創新進行路徑分析，從而拓展制造業減排的可行性路徑選擇。

2 理論分析

基于包含知識產出的內生增長Romer 模型，文章將數字金融和碳排放變量納入其中，繼而理論剖析數字金融發展的減排效應。文章假定最終生產部門處于完全競爭狀態，其生產函數可以表示為：

其中：Y表示最終生產部門產出；LY表示勞動力投入，α表示勞動力要素對應的產出貢獻度；x(i)表示介于［0，A］區間內的中間產品投入。利潤最大化目標下最終生產部門的生產函數可以表示為：

其中：ω表示勞動力平均工資水平；p(i)則代表最終生產部門所購買中間產品的價格。

同時，假定中間廠商處于壟斷競爭狀態，考慮到Romer模型中中間廠商維系生產主要依靠資本投入，因此假定成本函數中僅包含利率為r的資本使用成本，其利潤最大化目標下的生產函數為：

基于上述方程構建拉格朗日乘子式，可以得到如下所示的社會平均工資水平ω、中間產品價格p(i)、中間產品使用量x(i)以及中間生產部門的壟斷利潤π表達式：

內生增長模型中技術進步主要源于研發部門的研發人員數量LA和前期技術儲備A，而包括科研人員工資支出、技術產品推廣等在內的科研投入均需要數字金融發展所提供的資金支持，由此可以構建生產部門技術研發創新的預算約束條件：

其中：ΔA（ΔA=δLA A）表示技術進步程度；WLA生產部門的科研人員工資支出，CAΔA則表示技術推廣成本，等式右側的p(A)ΔA表示技術研發所能夠創造的市場價值，而θ則表示數字金融發展參數。數字金融發展依托其普惠性特征能夠有效降低研發部門的融資門檻，有助于克服以往受制于研發周期長、投資風險大所帶來的融資難問題。

進一步地，將碳排放變量C和可能影響碳排放的控制變量集X納入生產函數，則可以構建碳排放表達式：

其中：g(θ)表示數字金融驅動下的經濟增長率；ω1和-ω2刻畫了產出活動和技術進步對碳排放的貢獻度，且在穩態路徑下ω1-ω2= 1。那么，以單位產出碳排放水平所表征的碳強度cc可以表示為：

與此同時，居民消費的最大效用函數可以表示為：

上式中C表示居民消費支出，ρ則代表居民消費期望參數。最優消費水平可以表示為：

根據內生增長理論，均衡路徑下最終生產部門的產出Y、家庭部門的居民消費C和中間廠商的技術水平A的增長率均為g。考慮到資本市場的出清特征和中間產品的供需對稱性，資本存量K可以表示為：

基于穩態下的工資和利潤水平、技術和消費增長率以及技術研發投入的預算約束條件，碳強度的表達式可以被改寫為：

基于上述碳強度表達式對經濟增長求一階導可以得到經濟增長的邊際碳強度效應，而利用鏈式求導法可以進一步評估數字金融發展的邊際減排效應。其中，經濟增長的邊際減排效應可以表示為：

α值依據卡爾多事實分析約為2/3，即數字金融發展與經濟增長存在正相關性。相較于傳統的金融服務業，數字金融的金融服務能力和服務范圍的不斷拓展，數字金融有助于傳統實體經濟和數字經濟的深度融合，從而形成對制造業經濟增長的“激勵”影響，由此推斷數字金融發展對制造業經濟增長的邊際影響呈現顯著的促增效應。綜合分析數字金融對經濟增長的正向影響和經濟增長對碳強度的影響，文章提出數字金融對制造業碳強度具有非線性影響且這一非線性影響來源于兩種效應：其一，數字金融能夠通過緩解融資約束等促進制造業部門經濟增長，基于擴張的“規模效應”提升碳強度。其二，數字金融發展有助于驅動數字化轉型和綠色技術的創新研發，通過“技術效應”降低碳強度。據此，可以提出文章的基本理論假說：

假說：數字金融發展對制造業碳強度的影響具有非線性特征，其減排效應取決于“技術效應”和“規模效應”的綜合作用。

3 研究設計

3.1 計量模型設定

基于前述數字金融影響碳強度的機制分析，文章從企業層面檢驗數字金融發展對于制造業碳強度的影響，其基準模型如下：

其中：i、j、r和t分別表示制造業上市企業、行業、城市和年份；ccijt表示被解釋變量制造業企業碳強度；digitalrt表示數字金融發展指數。考慮到文章假說中提出數字金融發展與碳強度之間存在非線性關系，因此文章將其二次項同時引入基準模型；εijrt表示隨機擾動項，δr×time和ωj×time分別用于控制地區和行業的時間趨勢效應，γt和σi則分別表示時間固定效應和企業固定效應。同時，文章對其他可能影響制造業企業碳強度的經濟特征變量X予以控制，包括企業年齡、企業性質和資本密度等。

3.2 變量說明與矩陣設計

3.2.1 被解釋變量：碳排放強度（cc）

由于上市公司層面的碳排放數據難以直接獲取，文章參考鞠偉［20］的做法，利用上市公司社會責任報告披露的能源消耗數據對其碳排放總量進行估計。其中涉及的資源消耗指標包括能源（折算為標準煤）、汽油、柴油、天然氣、管道煤氣、外購電力和外購熱力等，文章基于《綜合能耗計算通則》（GB/T 2589-2008）、《省級溫室氣體清單編制指南》等所公布的碳排放系數進行碳排放總量估算，進而利用企業綜合碳排放量與全年營業額的比值來測度企業碳排放強度。

3.2.2 核心解釋變量：數字金融發展（digital）

文章主要采用北京大學數字金融研究中心的中國數字普惠金融發展指數對數字金融發展予以表征，該指數從覆蓋廣度、使用深度和數字支持服務程度維度對數字金融發展水平予以衡量。其中，覆蓋廣度主要包括互聯網支付賬號等電子賬戶，使用深度主要衡量支付業務、貨幣基金業務、信貸業務、保險業務、投資業務和信用業務的應用情況，而數字服務支持則主要考察金融服務使用的成本和便捷性。該指數以螞蟻金服的交易賬戶大數據為基礎，具有較強的可靠性。

3.2.3 路徑變量

（1）融資約束指數（KZ）。產能規模擴張需要以企業融資為基礎，因此文章利用融資約束指數刻畫數字金融發展的“規模效應”。企業融資約束能夠基于多維度的財務指標進行反映，涵蓋經營性凈現金流、現金持有量和負債程度等指標的KZ 指數被廣泛用于評估企業融資約束。文章參考魏志華等［21］的做法，依次構建資產負債率（K4）和托賓Q比率（K5）等指標，如果上述指標小于中位數，則取值為1，否則取值為0，進而基于KZ=K1+K2+K3+K4+K5可以計算出融資約束KZ指數。

（2）綠色創新（gtech）。技術創新具體表現為企業專利數量的增加，因此文章利用專利數量對企業創新水平予以刻畫。相較于實用新型與外觀設計專利，發明專利申請往往更能凸顯創新質量［22］，而與存在1～3 年授權周期的專利授權量相比，專利申請量對于技術創新成果的刻畫更具即時性和直觀性。與此同時，技術進步的偏向性對于能源消費和碳排放的影響具有顯著差異，生產導向型技術進步在提高生產效率的同時容易誘發“能源回彈”等問題，而綠色偏向性技術進步則有助于促進碳減排。齊紹洲等［23］和王林輝等［24］的研究指出，綠色專利占比能夠比綠色專利總量更好地反映綠色進步水平，因此文章選用企業綠色專利數量占當年所有專利申請的比值對綠色偏向性技術進步予以表征。

3.2.4 控制變量

為盡可能排除其他因素的影響，文章引入一組企業層面的控制變量：企業年齡（AGE）采用2019 年與企業成立年份的差值來表示；企業所有制（ATTR）采用0-1 虛擬變量來表示，即國有企業為1，非國有企業為0；凈資產回報率（ROE）采用公司稅后利潤與凈資產之比來表示；資產負債率（LVE）采用負債合計與有形資產的比值來表示；營業收入增長率（REVE）采用當期營業收入與上一期營業收入的比值來表示；股權集中度（CR）采用最大股東控股比例來表示；資本密度（CAID）采用固定資產與企業員工數量的比值來表示。同時，文章還控制了地區層面的經濟發展水平（PGDP，人均GDP）和傳統金融發展水平（FINA，城市年末金融機構貸款余額與GDP 比值）等，對傳統金融服務予以控制，有助于厘清數字金融發展的影響。

3.3 內生性識別

數字金融發展與制造業碳強度之間存在可能的雙向因果關系，一方面，數字金融發展作為經濟增長的重要支撐，能夠通過緩解融資約束等完善資金供給和促進產能擴張，進而對制造業部門碳排放產生影響。另一方面，制造業部門的自身控排減排需要以清潔型技術研發為基礎，技術研發的資金需求無疑會倒逼制造業企業加速數字化轉型并深化數字金融應用。盡管前文分析在一定程度上克服了潛在的內生性問題，但所選取的變量并非針對數字金融發展的專門的工具變量，因此文章參考張勛等［25］的做法，采用企業所在地到杭州的球面距離（DIST1）和企業所在地到省會的球面距離（DIST2）等地理數據作為數字金融的工具變量。一方面，以支付寶為代表的數字金融的發展起源于杭州，因此杭州的數字金融發展處于領先位置，可以預期，在地理上距離杭州越近，數字金融的發展程度應越好。另一方面，地理距離作為典型的自然地理特征與經濟社會因素并不存在緊密關聯，從而同樣能夠滿足相關性和排他性假設。同樣地，省會城市作為一個省份的經濟中心，往往也是數字金融發展中心，因此距離省會城市較近的城市，其數字金融發展水平一般也較高。文章利用地理信息系統（GIS）計算得到各企業到杭州的球面距離以及到所在地區省會城市的距離。為將上述工具變量應用于平衡面板數據，文章依次構造各企業到杭州的球面距離、各企業到省會城市的球面距離分別與全國（本地除外）數字普惠金融指數平均值的交互項作為時序工具變量。

3.4 數據來源

通過匹配城市數字普惠金融發展指數與中國A 股制造業上市公司，建立研究周期為2011—2019 年的非平衡面板數據集，覆蓋醫藥制造、汽車制造和機械制造等制造業細分行業。其中企業相關各類財務數據來源于wind數據庫，企業專利數據來源于CNRDS 數據庫，企業綠色技術專利數據來源于國家專利數據庫，能耗數據主要來源于《企業社會責任報告》和年報資料等。為了克服異常值的影響，文章同時對連續變量1%以下和99%以上的分位數進行了縮尾處理。相關變量的描述性統計見表1。

表1 相關變量描述性統計

4 實證結果分析及討論

4.1 基準回歸分析

基準回歸分析結果見表2，文章同時報告了采用OLS、固定效應（FE）和兩階段最小二乘法（2SLS）的估計結果。OLS 和固定效應（FE）回歸的結果顯示，數字金融發展的一次項和二次項均至少在10%的顯著性水平下通過檢驗，且分別為正值和負值，即數字金融發展對制造業企業碳強度具有“先促增、后抑制”的非線性影響。分析其可能的原因，初期階段數字金融發展能夠基于其普惠性特征緩解制造業企業融資約束，數字經濟與制造業等實體經濟的融合發展進一步促進了數字金融在制造業部門深度應用，這無疑會助推制造業企業投資規模擴張和能耗總量增加，從而基于擴張的“規模效應”提升制造業碳強度。成熟階段數字金融發展能夠為企業綠色創新提供充分的資金支持，使得“技術效應”所形成的減排效應超過擴張的“規模效應”對碳強度的提升效應，最終有助于制造業減排。由此文章所提出的假說，即數字金融發展與制造業企業碳強度存在非線性關聯部分得證。

表2 數字金融發展影響制造業碳強度的估計結果

與此同時，在識別可能的內生性問題后，2SLS第一階段回歸結果顯示，各企業到杭州的球面距離、各企業到省會城市的球面距離與數字金融發展呈現顯著的負相關性，這與經驗預期基本一致，證明文章所選取的工具變量均與數字金融發展存在密切關聯。第二階段的估計結果則表明，數字金融發展與制造業企業碳強度依然呈現典型的非線性關系，這意味著克服內生性問題后數字金融發展對制造業企業碳強度的影響依然保持穩健。

4.2 穩健性檢驗

上述研究結果表明數字金融發展對于制造業碳強度具有顯著的非線性影響，為了驗證這一結果的可靠性，文章基于覆蓋廣度、使用深度和數字支持服務程度進行分維度考察，估計結果見表3。利用數字金融發展的子指標進行穩健性檢驗，既能夠對前述結果予以論證，同時還可以識別數字金融發展的不同維度對制造業減排的差異化影響。結果顯示，無論是數字金融覆蓋廣度還是數字金融使用深度，其對制造業企業碳強度的影響均保持一致。與之不同，數字金融的服務程度對于制造業企業碳強度的影響并不顯著，由此證明，數字金融發展對于制造業企業碳強度的非線性影響主要來源于數字金融的覆蓋廣度和使用深度。不難理解，數字金融的深化應用與推廣使得制造業發展對于數字金融的依賴程度加深，其減排效應隨之凸顯，而數字金融服務的便捷化等則主要作用于居民個體，制造業企業受之影響相對較弱。進一步地，考慮到文章所采用的上市公司碳強度數據來源于上市公司社會責任報告。實際上，上市公司披露能耗數據在整個樣本期內并非強制，這可能導致潛在的樣本選擇問題，因此文章基于Keckman 選擇模型并選用兩階段估計法對是否存在樣本選擇問題進行檢驗。Wald chi2結果顯示總體模型較為顯著，同時逆米爾斯比λ 未能通過顯著性檢驗，潛在的樣本選擇偏差問題基本可以排除，進一步確保了結果的可靠性。

表3 穩健性分析結果

4.3 異質性分析

前文研究表明，數字金融發展對制造業碳減排具有典型的非線性影響，考慮到地區發展和企業自身屬性的有所不同，那么這種非線性影響在企業層面和地區層面是否存在異質性特征？本部分致力于回答上述問題。企業層面數字金融發展對制造業碳強度的差異化影響分析結果見表4。

表4 企業層面的異質性分析

（1）企業年齡維度。企業成長的動態軌跡往往包括發展、成長、成熟和衰退等階段，而企業年齡則是反映企業成長所處階段的主要指標，企業年齡的不同往往意味著企業發展活力、創新水平以及抗風險能力等諸多方面的差異。具體地，文章以企業創立至今的時間來衡量企業年齡，并將位于前50%的企業定義為年輕企業。結果顯示，數字金融發展對于年輕企業碳強度具有“先促增、后抑制”的非線性影響，而對于成熟企業碳強度的影響則表現為單調的促增效應，表明數字金融發展在現階段尚難以在成熟企業中形成長效的減排效應。與此同時，對比數字金融發展對二者的影響強度，可以發現年輕企業碳強度受數字金融發展的影響程度更深。究其原因，相較于成熟企業，年輕企業對于數字金融服務等互聯網科技應用的接受程度更高，管理思維往往更加開放和超前，而成熟企業經營模式則相對保守，數字金融服務在其內部的應用亦有所滯后。

（2）企業所有制維度。企業所有制的不同使得企業發展過程中所面臨的融資約束、政策條件等有所差異，比如相較于非國有企業，國有企業的融資門檻普遍較低，因此數字金融在不同所有制企業中的應用前景可能有所差異。結果表明，不同于非國有企業碳強度受到數字金融發展“先促增、后抑制”的非線性影響，國有企業碳強度與數字金融發展呈單調的負相關性，即數字金融發展對國有企業具有立竿見影的減排效果。造成這一現象可能的原因在于，國有企業擁有較強的融資保障和政策扶持，數字金融發展所引致的“規模效應”相對較弱。由此可見，相較于國有企業，非國有企業更應積極深化數字金融服務應用以確保更快地步入數字化減排階段。

（3）企業規模維度。企業規模是決定企業綜合發展水平的基礎性因素，規模企業較大往往意味著企業發展更趨成熟，對于創新風險的承擔能力更強，同時亦更加有助于發揮數字金融應用的規模經濟效應。文章采用上市公司資產總量來測度企業規模，并將資產總量位于前50%的企業定義為大規模企業。不難看出，數字金融發展非線性影響制造業碳強度的情況主要集中在大規模企業，而在小規模企業中僅僅表現為對碳強度的提升效應。文章提出，小規模企業普遍處于初期逐利階段，自身融資能力弱且對于技術研發的重視度不足，因此小規模企業依托數字金融所獲取的資金要素更傾向于產能擴張。相較之下，數字金融發展在推動大規模企業產能擴張的同時，亦有助于技術創新進而發揮其減排效應。

（4）資本密度維度。企業的要素密集屬性決定了企業的生產和發展模式，同時也決定了數字金融在企業生產與管理活動中的應用前景。為了區分資本密集型企業和勞動密集型企業，文章計算出了固定資產凈值與從業人員數的比值，并把位于前50%的企業定義為資本密集型企業，將位于后50%的企業定義為勞動力密集型企業，以此分別考察數字金融發展對不同資本密度企業碳強度的影響。結果顯示，數字金融發展對資本密集型和勞動密集型制造業企業碳強度具有趨勢抑制的非線性影響，但對于資本密集型企業的影響強度卻明顯更高。顯然，資本密集型企業對金融服務更具依賴性，數字金融發展拓展了資本密集型企業的融資渠道和資金周轉效率，進而有助于提升資本密集型企業的創新發展活力。同樣地，數字金融發展亦能夠緩解勞動力密集型企業的融資約束，但其作用程度勢必稍顯遜色。

（5）高新技術維度。既然技術效應是數字金融發展影響制造業碳減排的重要部分，那么企業自身的技術屬性不可避免地對數字金融發展的碳減排效應產生影響。文章根據上市公司是否具有高新技術企業認定來劃分高新技術型企業和非高新技術型，分樣本考察數字金融發展的差異化減排效應。不難發現，數字金融發展能夠顯著影響高新技術型企業碳強度，而對于非高新技術型的影響則未能通過顯著性檢驗。這表明現階段中數字金融發展的碳減排效應主要表現在高新技術型企業中，而數字金融減排效應的發揮需要配套的技術支持，這同時也揭示出深化非高新技術型企業的數字金融應用，將是促進制造業減排的重要內容。

（6）人力資本密度維度。企業人力資本質量是決定企業生產效率和技術創新能力的基礎，一般而言，人力資本質量較高的企業多以新型技術服務產業為主，其自身的碳排放效率普遍較高且數字化應用水平領先。文章根據企業碩士及以上學歷員工的占比來劃分高密度人力資本型企業和低密度人力資本型企業，可以發現，數字金融發展對高密度人力資本型企業的碳強度具有顯著的非線性影響，而對低密度人力資本型企業則僅僅為單調的促增效應。文章認為數字金融發展在制造業企業中的深化應用需要建立在一定的高素質人力資本規模之上，從而確保數字金融服務業務的有效開展，強化生產活動與數字金融服務的對接。相比之下，低密度人力資本型企業的數字金融業務開展等則相對落后，致使其對制造業企業的影響尚停留在規模擴張階段。

文章同時關注了地區層面數字金融發展對制造業減排的差異化影響，結果見表5。

表5 地區層面的異質性分析

（1）地理區劃維度。考慮到地區之間制造業發展水平以及數字化基礎上設施建設和應用程度等存在較大差異，數字金融發展對制造業碳強度的影響可能存在區域異質特征，因此文章將研究樣本劃分為東部、中部和西部。結果顯示，數字金融發展對東部和中部地區制造業企業碳強度均具有非線性影響，而對于西部地區制造業企業碳強度的影響則為單調的促增效應，這表明現階段數字金融發展尚未能在西部地區形成積極長效的制造業減排效應。同時，數字金融發展的制造業邊際減排效應在中部地區強度最大，東部地區次之。其可能的原因在于，西部地區經濟發展相對落后，制造業企業融資能力差，因此西部地區制造業企業依托數字金融發展所提供的便捷化融資服務，能夠實現產能規模的快速擴張。東部地區由于經濟發展和科技水平領先，數字金融發展所帶來的制造業邊際減排效應漸趨下降，而中部地區數字金融則處于蓬勃發展的關鍵時期，因此其對于制造業企業的邊際減排效應相對較強。

（2）資源稟賦維度。企業發展模式往往與所在地的資源稟賦密切相關，特別是在能源資源稟賦突出的地區，資源型產業占比往往較高，這也使得企業發展所面臨的減排壓力普遍較大。文章根據《全國資源型城市可持續發展規劃（2013—2020年）》所公布的資源型城市名單，將研究樣本劃分為資源型城市和非資源型城市。結果顯示，數字金融發展的制造業減排效應在非資源型城市中較為典型，而在資源型城市中則呈現單調的碳強度提升效應，即長期內數字金融發展會導致碳強度的持續提升。不難理解，這與資源型城市制造業規模、產業結構和能源需求等密切相關。一方面，數字金融發展能夠為資源型城市提供充分的資金支持，進而推動資源型城市制造業產能規模擴張，而資源型城市資源密集型產業比重較大，從而導致其碳排放強度攀升。另一方面，資源型城市綠色技術水平往往相對落后，且技術研發推廣存在較長的周期性，導致數字金融的減排效應難以在資源型城市中快速顯現。

5 機制分析

從以上研究發現，數字金融發展對制造業碳強度具有顯著的非線性影響，理論分析則指出這種非線性影響主要取決于規模效應和技術效應的綜合作用。考察數字金融發展影響制造業減排的內在機制，利用面板分位數回歸進一步就數字金融發展影響制造業碳強度的動態特征加以分析，結果見表6和表7。

表6 基于融資約束緩解的考察

表7 基于企業綠色創新的考察

5.1 基于融資約束緩解的考察

得益于數字金融應用程度的加深和普惠特征的有效發揮，數字金融能夠有效緩解制造業企業融資約束，從而為投資規模擴大和產業規模擴張提供充分的資金支持，因而數字金融發展可能通過緩解融資約束來發揮規模效應，從而提升制造業碳強度。數字金融發展影響企業融資約束的估計結果顯示，一次項系數顯著為負且二次項系數未能通過顯著性檢驗，即數字金融發展能夠有效緩解企業融資約束。進一步地，文章檢驗了數字金融發展下融資約束緩解對制造業碳強度的作用。結果顯示，融資約束對于制造業碳強度具有顯著的負向影響，而數字金融發展所引致的融資約束緩解無疑會提升制造業碳強度。從分位數回歸結果來看，不同分位點下融資約束對制造業碳強度的影響始終保持顯著為正，但相較于低分位值的制造業碳強度，高分位值的制造業碳強度受數字金融發展的影響強度明顯更大，這也意味著融資約束緩解這一路徑存在動態演變特征，即當制造業碳強度水平較低時，融資約束緩解所帶來的提升效應更強，隨著碳強度的不斷提升，融資約束緩解作用式微。

5.2 基于企業綠色創新的考察

討論第二種可能的機制：數字金融發展通過影響企業綠色創新來降低制造業碳強度。文章考察了數字金融發展對企業綠色創新的影響，發現數字金融發展對企業綠色創新的影響同樣具有非線性特征，即數字金融發展具有“先抑制、后促增”的綠色創新效應。文章提出，造成這一現象的可能原因在于，受制于綠色創新的研發難度大、成本回收周期長等，數字金融發展初期的技術創新以生產導向型創新為主，而綠色創新在數字金融發展后期漸趨凸顯。而根據綠色創新影響制造業碳強度的回歸結果可知，企業綠色創新對制造業碳強度具有顯著的抑制效應。綜合上述分析，文章發現數字金融發展能夠通過企業綠色創新對制造業碳強度產生非線性影響，這既為長期內制造業碳強度的下降提供了合理的解釋，同時亦補充分析了短期內制造業碳強度上升的成因。文章同時檢驗了企業綠色創新對不同分位值制造業碳強度的影響，結果顯示，制造業碳強度處于0.1 和0.3 分位值時，綠色創新對制造業碳強度的影響并不顯著，而在0.5、0.7和0.9 三個分位值時綠色創新對制造業碳強度的影響則顯著為負，這揭示出隨著碳強度的提升，數字金融發展所引致的綠色創新對制造業碳強度的抑制影響具有趨增特征。

6 結論與政策建議

文章將碳排放與數字金融引入包含知識產出的內生增長Romer 模型，理論剖析數字金融發展與碳強度的非線性關系，進而實證檢驗數字金融發展對制造業企業碳強度的影響及其內在機制。所得到的主要結論如下：第一，數字金融發展與制造業企業碳強度之間存在顯著的非線性關系，具體表現為數字金融發展對制造業碳強度“先促增、后抑制”的動態影響。第二，數字金融發展對制造業碳強度的影響存在典型的異質性特征。企業維度上，數字金融發展對年輕制造業企業、國有制造業企業、大規模制造業企業、資本密集型、高新技術型和高密度人力資本型制造業企業的減排效應更突出。地區維度上，數字金融發展對于東中部地區制造業企業和非資源型城市的制造業減排效應更加顯著。第三，數字金融發展對制造業碳強度的非線性影響取決于“規模效應”和“技術效應”的綜合影響。數字金融發展初期能夠通過緩解企業融資約束發揮規模效應，進而提升制造業碳強度。數字金融發展后期則有助于企業綠色創新，從而降低制造業碳強度。

基于上述研究發現，文章主要提出如下政策建議：首先，基于數字金融發展所呈現的積極的碳減排效應，深化推廣和普及應用數字金融服務勢在必行。特別是對于制造業部門而言，政府部門應積極引導企業發展與數字金融服務業的有效對接，而且企業自身也應主動尋求數字化轉型的最優化路徑，從而推動制造業部門的數字金融發展盡快突破“減排拐點”，構建制造業部門長效減排的低碳發展模式。其次，數字金融發展需要明確“普惠性”“低碳性”和“協同性”三個基本原則。其一，數字金融服務應避免對數字經濟產業的過度傾斜，應盡可能弱化數字經濟發展對實體經濟的擠出效應，強化數字經濟與實體經濟的深度融合發展。其二，數字金融發展應結合當下碳達峰碳中和的發展愿景，強化數字金融對環保產業的有效支撐，為生產活動的低碳化和綠色化改造提供充分的資金支持。其三，數字金融發展策略的制定應當因時而異、因地而異和因企而異。針對數字金融發展在初級階段、中級階段和成熟階段對制造業碳強度的差異化影響，數字金融應制定差異化的發展策略。同時，數字金融發展應適度地向西部地區、小規模企業以及非國有企業等傾斜。為充分釋放數字金融的制造業減排效應，應強化數字金融對綠色技術創新研發的資金支撐。