數字普惠金融促進綠色全要素生產率提升： 作用機理與實證檢驗

劉榮增 李子恩 何春

摘要：隨著數字中國建設的不斷推進，數字普惠金融在貫徹落實新發展理念、促進綠色全要素生產率提升等方面發揮了越來越重要的作用。文章采用2011 年—2020 年我國30 個省、自治區、直轄市的面板數據，運用固定效應模型和中介效應模型研究數字普惠金融對綠色全要素生產率的影響。研究發現：數字普惠金融可以有效促進綠色全要素生產率提升，并且這種促進作用在東部地區和西部地區表現更加明顯；數字普惠金融促進綠色全要素生產率提升具有顯著的中介效應，數字普惠金融通過技術進步、產業結構升級、技術進步—產業結構升級3 種作用渠道提升綠色全要素生產率。因此，今后可從提升區域基礎硬件設施水平、普及數字普惠金融理念、培養專業性金融人才等方面入手，進一步推動數字普惠金融發展，進而提升綠色全要素生產率。

關鍵詞：高質量發展；數字經濟；數字普惠金融；綠色全要素生產率；作用機理

中圖分類號：F061.5；F124 文獻標識碼：A 文章編號：1007-8576（2023）01-0005-12

DOI：10.16716/j.cnki.65-1030/f.2023.01.001

改革開放以來，我國經濟飛速發展，用短短幾十年的時間走完了西方國家上百年的發展歷程。但與此同時，傳統高投入、高消耗、高污染的粗放型發展模式也給資源環境帶來了巨大的破壞，使經濟社會的可持續發展受到嚴峻挑戰。因此，轉變經濟發展方式、加快綠色經濟轉型、實施高質量發展成為國家戰略層面的重大議題。隨著五大新發展理念的貫徹實施，綠色發展理念逐漸深入人心。黨的二十大報告明確提出要“加快建設制造強國、質量強國、航天強國、交通強國、網絡強國、數字中國”，“堅持以推動高質量發展為主題，把實施擴大內需戰略同深化供給側結構性改革有機結合起來，增強國內大循環內生動力和可靠性，提升國際循環質量和水平，加快建設現代化經濟體系，著力提高全要素生產率”。在資源環境日益成為經濟增長硬約束的背景下，用綠色全要素生產率來評價經濟體的增長質量更為科學也更具前瞻性。綠色全要素生產率綜合考慮了經濟發展過程中資源環境保護以及能源消耗等問題，更能體現綠色發展的思想，可以更加真實地反映區域發展狀況。現代社會中，金融對轉變經濟發展方式有重要作用，且經濟高質量發展也離不開金融的變革創新。隨著數字化技術、云端大數據技術的發展及應用，數字普惠金融應運而生。與傳統金融服務不同，數字普惠金融淡化了傳統金融的逐利性，更強調金融服務機會的平等，能夠更好地覆蓋傳統金融因效率導向而忽視的潛在服務對象，解決金融服務“最后一公里”問題，使得金融服務能夠直達傳統金融觸及不到的領域。因此，探究數字普惠金融與綠色全要素生產率之間的影響關系，分析二者的作用機理，對制定金融政策、推動綠色低碳發展、實現經濟高質量發展等都具有重要的理論與實踐意義。

一、文獻綜述

學界關于數字普惠金融與綠色全要素生產率的相關研究主要集中在以下兩方面：一是數字普惠金融與綠色全要素生產率的關系。如Ren［1］研究發現，數字金融通過能源消耗、環境污染、經濟增長、人力資本、產業結構、技術進步等影響包容性綠色增長。王霞［2］認為，數字普惠金融應用深度的拓展可以使綠色企業更容易獲得金融服務，數字化程度的提升使得金融機構能夠更準確地識別綠色企業并為其提供服務，從而促進綠色經濟發展。烏靜［3］的研究表明數字經濟的發展對綠色全要素生產率同時具有直接效應和溢出效應。范欣［4］研究發現，數字普惠金融對綠色全要素生產率的影響存在異質性，在低城鎮化率和高物質資本存量地區，數字普惠金融對綠色全要素生產率提升的促進作用更大。恵獻波［5］研究表明，數字普惠金融對城市綠色全要素生產率的帶動作用在中西部地區、欠發達地區效果更為顯著。二是數字普惠金融對綠色全要素生產率的影響機制。如Gomber［6］研究發現，技術進步是促進綠色全要素生產率提升的關鍵。技術進步作為優化資源配置的手段，能夠提高勞動生產率，降低單位產出能耗，從而提升綠色全要素生產率［7-9］。同時，數字普惠金融的發展以及覆蓋廣度、使用深度、數字化程度的拓展等均有助于提高區域創新能力［10］，從而提升企業的生產技術水平，最終對企業的全要素生產率提升產生促進作用［11］。張恒［12］認為數字普惠金融通過提高技術效率顯著促進綠色全要素生產率提升。劉贏時［13］的研究表明產業結構升級和能源使用效率提升對提升綠色全要素生產率有促進作用。產業結構升級是促進經濟增長方式轉變的重要基礎，具有“資源轉換器”作用，對經濟發展和資源保護起著決定性作用，因而其是促進綠色全要素生產率提升的重要途徑。范欣［4］則從技術創新和地區創業兩方面研究數字金融對綠色全要素生產率的影響，結果表明這兩者均為數字金融對綠色全要素生產率產生影響的傳導途徑。

綜上所述，既有研究主要從數字金融與包容性綠色增長、數字普惠金融與綠色經濟發展、數字經濟與綠色全要素生產率、數字普惠金融與全要素生產率等方面進行研究，而關于數字普惠金融與綠色全要素生產率的研究相對較少，關于兩者作用機制的研究更為匱乏。在中國式現代化建設背景下，數字普惠金融發展是促進經濟綠色轉型的重要途徑，系統梳理數字普惠金融和綠色全要素生產率之間的關系對促進經濟綠色轉型、實現經濟高質量發展有重要意義。本文可能的邊際貢獻主要體現在如下方面：一是從技術進步、產業結構升級角度從理論上分析數字普惠金融對綠色全要素生產率的影響機理；二是采用省級面板數據實證檢驗數字普惠金融對綠色全要素生產率的影響，并進行穩健性檢驗和異質性分析；三是采用一般中介效應模型和鏈式中介效應模型對數字普惠金融影響綠色全要素生產率的作用機理進行檢驗，從而豐富相關研究。

二、理論分析與研究假說

數字普惠金融是基于大數據、云計算、區塊鏈、人工智能等數字技術的金融服務體系，可在更大程度上滿足被傳統金融忽視的群體對金融服務的需求，以對方可以承受的價格提供相應的金融服務。相較于傳統的金融服務，數字普惠金融借助大數據、人工智能等數字技術，可以更好地對客戶進行信用評級，為不同信用等級的客戶提供不同額度的信貸服務，降低金融機構的不良貸款率。除此之外，數字技術的應用使數字普惠金融服務突破了空間限制，即使在線下機構不多的偏遠地區，金融機構也能向客戶提供更多的金融服務。數字普惠金融不但能夠直接服務于生產和消費進而推動綠色全要素生產率提升，而且數字化平臺能夠基于大數據，通過運用最先進的數據處理技術，一定程度上解決傳統金融體系中存在的金融錯配、金融歧視等問題，實現資源高效配置，從而促進綠色全要素生產率提升［14］。概括來講，數字普惠金融對綠色全要素生產率的影響機理如圖1所示。

通常來說，企業是創新的主體，其在進行創新活動和引進先進技術時需要大量的研發資金，而現實中中小企業多存在借貸難的問題，導致在研發上投入不足，企業生產技術水平無法得到有效提升，產品市場會被同類型大型廠商壟斷，而壟斷不利于產品市場的長期健康發展。數字普惠金融能夠借助數字技術高效快捷地搜集客戶信息和征信數據，在較短時間內完成信貸審核，減少費用支出，并且數字技術的應用有利于中小企業網上借貸，大幅提高授信審批效率，降低金融機構的經營成本，進而使下調貸款利率成為可能。可見，數字普惠金融能夠緩解中小企業借貸難的困境，有利于企業加大研發投入力度，加速研發或積極引進先進生產技術進而提高生產效率。同時，數字普惠金融的發展，使得市場更加透明，區域內信息不對稱問題減少，普通消費者也能夠獲得更加透明的市場信息。由于普通消費者會對污染少的企業更為偏好，因此在購買產品時更傾向于綠色產品。企業為保障自身利益，會主動改進生產技術和生產模式，努力實現產品的迭代升級，從而占領更多的市場份額，進一步促進綠色全要素生產率提升。此外，當下游企業改善生產技術時，其對原材料的質量和形態要求也會相應提高，此時需要上中游企業調整生產方式，倒逼上中游企業進行技術升級，以提供滿足下游企業需求的產品，最終整個產業鏈都會實現技術進步并促進綠色全要素生產率提升。基于上述分析，本文提出研究假說1，即數字普惠金融通過促進技術進步提升綠色全要素生產率。

得益于數字技術的發展，數字普惠金融能夠促進傳統產業進行數字化改造。基于人工智能和機械自動化技術，傳統的勞動密集型產業逐漸向新型知識技術密集型產業轉型，意味著單位投入能有更多的期望產出和更少的非期望產出，不僅實現了生產高效率，還提高了產品良品率，并促進第一產業和第二產業勞動力向第三產業轉移，優化產業間資源配置，逐步實現產業結構升級。數字普惠金融還利用其“普”“惠”服務長尾人群，為其提供繼續學習的機會，激發其創造力和活力，提高勞動者素質和能力，從而推動資源的優化配置，促進產業結構升級。進一步地，產業結構升級能夠促進產業由傳統的高碳排放型向低碳集約型轉型，有助于促進綠色發展；產業結構升級也有助于推動產業間融合，促進資源的優化配置，提高資源利用效率，進而對促進綠色全要素生產率提升發揮重要作用。基于上述分析，本文提出研究假說2，即數字普惠金融通過產業結構升級提升綠色全要素生產率。

數字普惠金融能夠利用大數據、區塊鏈、人工智能等先進信息技術挖掘客戶群體信息，降低信息處理成本，并且能夠對客戶的償債能力、違約概率作出科學判斷，減少金融機構與客戶群體的信息不對稱問題，能夠更好地滿足“專精特新”企業發展的資金需求，激發企業創新動力，促進技術進步［15］。

技術進步能夠幫助企業提高生產效率，意味著企業生產同樣數量的產品所需要的勞動力數量會減少。當整個產業實現技術進步時，會促進社會分工的發展，推動勞動力從第一、第二產業向第三產業轉移，實現產業結構升級。產業結構升級表現為傳統產業被低能耗、低污染的高附加值產業所替代，不僅能夠降低資源消耗，更好地保護環境，還會提高生產效率，從而促進綠色全要素生產率提升［16］。基于上述分析，本文提出研究假說3，即數字普惠金融通過促進技術進步推動產業結構升級，最終提升綠色全要素生產率。

三、模型設定與變量選取

（一）模型設定

本文構建如下模型作為研究數字普惠金融影響綠色全要素生產率的基準模型：

模型（1）中，gtfpi，t 為被解釋變量綠色全要素生產率，indexi，t 為核心解釋變量數字普惠金融水平，controli，t 為控制變量，ei，t 為殘差項。

（二）變量選取

1.被解釋變量。研究中的被解釋變量為綠色全要素生產率（gtfp），本文利用考慮全局參比的SBM模型估算gtfp。估算gtfp 時需用到以下投入產出數據：一是資本投入，參考張軍［17］的做法，利用永續盤存法對物質資本存量進行估計，計算公式為：Ki，t =Ki，t - 1 × （1 -δ） +Ii，t，并以2000年固定資本形成總額的10%作為初始資本存量，折舊率δ 取9.6%，將每年的城鎮固定資產投資作為當年投資額Ii，t，相關數據以固定資產投資價格并以2000年為基期進行調整。二是勞動投入，以各地區全社會就業人口作為該地區當年勞動投入。三是能源投入，以各地區歷年能源消耗總量作為該地區當年能源投入。四是產出數據，以2005年價格為基期的實際GDP為期望產出，以工業二氧化硫排放量和廢水排放中的COD含量為非期望產出。

2.核心解釋變量。研究中的核心解釋變量為數字普惠金融水平（index），本文參考北京大學數字金融中心和螞蟻金服共同編制的數字普惠金融指數來衡量。

3.控制變量。控制變量包括人力資本（hr）、外貿依存度（open）、政府干預（gov）、教育支出（edu）、金融發展水平（fin）。一是人力資本（hr）。人力資本水平的提升能夠促使人力資本與物質資本更加充分有效地結合，進而有助于提高勞動生產率。本文借鑒烏靜［3］的做法，以各地區居民歷年受教育年限的加權平均值來衡量，即各階段人員比重與該階段受教育年限的乘積之和。各階段受教育年限按照現行學制受教育年數計算，即文盲為0年，小學為6年，初中為9年，高中為12年，大專及以上文化程度按16年進行計算。二是外貿依存度（open）。外貿依存度反映了一國經濟依賴對外貿易的程度。外貿依存度越高的國家受世界經濟的影響越大，在國際分工中處于相對被動的地位，從某種意義上說不利于本國技術進步。本文借鑒惠獻波［5］的做法，以進出口貿易總額與GDP的比值衡量外貿依存度，其中進出口貿易總額為按境內目的地和貨源地進出口總額。三是政府干預（gov）。政府干預反映了政府干預經濟的程度。在市場機制不完善的國家，政府對宏觀經濟的調控能夠為經濟運行提供更加安全、穩定的環境，有利于促進經濟發展。本文借鑒惠獻波［5］的做法，以地方政府一般預算支出與GDP的比值衡量政府干預程度。四是教育支出（edu）。教育支出水平可反映地區財政對教育領域的傾斜程度，較高水平的教育支出有利于完善學校相關設施及配套服務建設，對人才培養有重要作用。本文采用教育經費支出與GDP的比值衡量教育支出水平。五是金融發展水平（fin）。金融發展水平可反映金融機構為企業提供資金支持的能力。較高的金融發展水平意味著金融機構能夠為居民和企業提供更多的金融產品和服務，加快資金流動，促進企業創新發展。本文借鑒烏靜［3］的做法采用銀行業金融機構貸款存量余額與GDP的比值來衡量金融發展水平。

研究中所需數據來源于2011年—2020年《中國統計年鑒》，各地統計局發布的歷年統計公報，以及國家統計局網站和國泰安數據庫。同時，考慮到數據的可得性及科學有效性，研究中剔除了數據缺失嚴重的西藏，保留了30個省、自治區、直轄市的相關數據，并對個別缺失數據使用線性插值法進行擬合補充。變量定義及相關說明見表1。

四、實證分析

（一）共線性檢驗

本文對模型進行了Hausman 檢驗，以判斷選用固定效應模型還是隨機效應模型。結果顯示，P 值為0.0893且在10%水平下顯著，拒絕原假設，表明應選用固定效應模型。對所有變量進行共線性分析的結果如表3所示，所有變量的VIF值均小于10，排除了變量間存在嚴重的多重共線性的可能。制變量后可得模型（2）～模型（6），逐步回歸的估計結果如表4所示。由表4可知：模型（1）～模型（6）的核心解釋變量（index）系數均為正，且均在1%水平下顯著，說明總體來看，數字普惠金融能夠有效促進綠色全要素生產率提升。本文認為主要原因是數字普惠金融是基于數字技術而發展的，而數字技術本身就具有很強的綠色屬性。首先，數字技術的應用有利于信息更加透明化、高效化，可以促進要素在企業之間進行流動，實現生產資源的優化配置，進而提高生產效率。其次，數字普惠金融運用互聯網數字信息技術，能夠搭建高效的數字資源共享平臺，加速具備相關知識技術的人力資本積累，生產活動中技術人員在實現生產效率提高的同時，也能夠更加注重環境因素，即單位投入能夠獲得更多的期望產出、更少的非期望產出，最終促進綠色全要素生產率提升。

此外，由表4模型（6）的回歸結果還可以看出：人力資本（hr）和政府干預（gov）系數均顯著為正，說明其對綠色全要素生產率的提升具有正向影響，提升區域人力資本水平和增加地方財政支出能夠促進綠色全要素生產率提升。金融發展水平（fin）系數顯著為負，說明金融發展水平的提升不能促進綠色全要素生產率提升。可能的原因是，傳統金融具有逐利性，而綠色技術從研發到應用的周期相對較長，投資綠色技術研發和應用的廠商資產變現較慢，而投資應用污染性大的技術的廠商資產變現較快，所以在短期內金融資本會多流向污染較大的企業，導致綠色全要素生產率下降。教育支出（edu）系數顯著為負，說明教育支出的增加對綠色全要素生產率的提升未表現出明顯的促進作用。可能是因教育是一項長期性、系統性的工程，短期內教育投資成效難以顯現，具有一定的滯后性；同時現有教育經費支出結構不合理，大部分教育經費用于通用型人才培養，而專業型人才培養經費明顯不足，教育資源錯配造成了社會資源的浪費，不利于綠色全要素生產率提升［18］。

（三）內生性檢驗

為了避免基準回歸結果存在反向因果關系導致內生性問題而影響結果的穩健性，本文借鑒楊德勇［19］的做法，以互聯網覆蓋率作為數字普惠金融水平的工具變量，采用兩階段最小二乘法進行重新估計。需要說明的是，由于目前缺少相關年份互聯網上網人數的省級面板數據，所以本文采用更易獲得的互聯網寬帶接入用戶與地區年末常住人口的比值來測度互聯網覆蓋率，用hl 表示。

選取工具變量后，需要對工具變量進行有效性檢驗，即檢驗工具變量是否為弱工具變量。如果工具變量為弱工具變量，則會導致兩階段最小二乘法失效，從而使內生性檢驗無效。對兩階段最小二乘法第一階段的結果①進行分析可知，F 統計量為58.8，大于10；對內生解釋變量的顯著性進行5%名義顯著性水平的沃爾德檢驗發現，最小特征值統計量為186.266，大于15%真實顯著性水平的臨界值16.38，說明所選工具變量不是弱工具變量。此外，偏R2 為0.4432，說明工具變量對內生解釋變量有很好的解釋力。由表5所示的內生性檢驗結果可知，數字普惠金融對綠色全要素生產率影響為正，且在1%水平下顯著，與基準回歸結果一致，表明前文的研究結論是穩健的。

（四）穩健性檢驗

為了進一步檢驗基準回歸結論的穩健性，本文使用隨機效應模型、控制變量滯后一期替換原變量、縮尾處理等方法分別對模型進行穩健性檢驗，其中縮尾處理是將數據中的主要變量按1%進行雙側縮尾處理，穩健性檢驗結果如表6所示。由表6可以看出，無論使用隨機效應模型，還是更換控制變量，亦或是對數據進行縮尾處理，數字普惠金融（index）系數均為正且在1%水平下顯著，與基準回歸結論一致，說明基準回歸結論具有穩健性。

（五）異質性檢驗

考慮到我國東中西部地區經濟發展具有明顯的差異性，數字普惠金融對綠色全要素生產率的影響在不同地區可能會有所差異，因此將研究中所選取的30個省、自治區、直轄市按照三大經濟帶劃分為東部、中部和西部①進行異質性分析，回歸結果如表7所示。由表7可知：東部地區數字普惠金融（index）系數為0.163且在1%水平下顯著，西部地區數字普惠金融（index）系數為0.064且在5%水平下顯著，而中部地區數字普惠金融（index）系數為正但不顯著，說明數字普惠金融對綠色全要素生產率的影響在東西部地區顯著為正，在中部地區不顯著。

東部地區發展較早，經濟實力遠超中西部地區，小微企業相對較多，這些企業是技術進步的主力軍。由于給小微企業放貸風險較高，所以傳統金融不夠重視這些企業，導致小微企業沒有足夠的資金用于綠色技術研發，而數字普惠金融的惠民性能夠讓這些企業得到更多的金融服務支持，增加自身的技術研發投入，進而最終提升地區整體綠色全要素生產率。西部地區地廣人稀，線下金融機構較少，金融環境相對較差，金融服務相對單一，供給相對不足，這些都制約著中小企業信貸需求的滿足。而數字普惠金融借助數字技術，有著傳統金融所不具有的高效率和低成本優勢，突破了時空限制，能夠給位于西部地區的企業提供更多必要的金融服務，促進企業進行綠色創新，進而提升綠色全要素生產率。中部地區憑借區位優勢承接東部地區的產業轉移，但承接的產業多為傳統型產業，通常具有能耗高、污染大等特點，并且在短期內難以實現產業轉型升級，加之中部地區人才資源匱乏，市場創新活力不足，造成中部地區創新能力較弱，因而導致數字普惠金融的發展對中部地區綠色全要素生產率的提升作用不明顯。

五、中介效應分析

（一）一般中介效應

本文參考溫忠麟［20］的研究，構建中介效應三步法模型進行分析：第一步，以綠色全要素生產率（gtfp）作為被解釋變量、數字普惠金融（index）作為核心解釋變量進行回歸；第二步，分別以技術進步（patent）和產業結構升級（indus）作為被解釋變量，以數字普惠金融（index）作為解釋變量進行回歸；第三步，將中介變量（patent、indus）和數字普惠金融（index）同時加入模型進行回歸。因發明專利的技術含量最高，故本文選用人均發明專利申請授權量衡量技術進步，以第三產業產值與第二產業產值的比值衡量產業結構升級。本文構建的中介效應三步法模型如下：

其中M 為中介變量，ui 為區域固定效應，ei、e'i和e''i 為殘差項。

表8為中介效應回歸結果，其中列（1）為基準回歸結果，數字普惠金融（index）系數在1%水平下顯著為正，說明數字普惠金融對綠色全要素生產率有顯著的正向影響。列（2）、列（3）是以技術進步為中介變量的中介效應模型回歸結果。列（2）中，數字普惠金融（index）系數在1%水平下顯著為正，說明數字普惠金融能夠有效促進技術進步。列（3）中，技術進步（patent）系數顯著為正，數字普惠金融（index）系數較列（1）中明顯減小，說明數字普惠金融能夠通過促進技術進步進而促進綠色全要素生產率提升。列（4）、列（5）為以產業結構升級為中介變量的中介效應模型回歸結果。列（4）中，數字普惠金融（index）系數顯著為正，說明數字普惠金融能夠有效促進產業結構升級。列（5）中，產業結構升級（indus）系數顯著為正，說明產業結構升級能夠促進綠色全要素生產率提升，且數字普惠金融（index）系數也顯著為正，并較列（1）中的系數顯著變小，說明產業結構升級是數字普惠金融影響綠色全要素生產率的一個中介變量，數字普惠金融能夠通過促進產業結構升級來促進綠色全要素生產率提升。

由此可見，技術進步和產業結構升級均為數字普惠金融對綠色全要素生產率產生影響的中介變量，數字普惠金融通過提高技術進步水平和促進產業結構升級來提升綠色全要素生產率，故前文提出的研究假說1和研究假說2得以驗證。

（二）鏈式中介效應

根據理論分析部分提出的研究假說，技術進步能夠推動產業結構升級，而產業結構升級可以提高區域綠色全要素生產率，因而很可能存在“數字普惠金融→技術進步→產業結構升級→綠色全要素生產率”這樣的作用路徑。本文根據理論分析建立如下對應模型：

模型（6）～模型（8）分別表示“數字普惠金融→技術進步→綠色全要素生產率”“數字普惠金融→產業結構升級→綠色全要素生產率”和“數字普惠金融→技術進步→產業結構升級→綠色全要素生產率”3條中介路徑（下文簡稱路徑1、路徑2、路徑3）。a1 表示數字普惠金融對綠色全要素生產率影響的總效應；b1 ×d2 表示路徑1的中介效應，c1 ×d3 表示路徑2的中介效應，b1 ×c2 ×d3 表示路徑3的中介效應，d1 表示除去3條路徑的間接效應后數字普惠金融對綠色全要素生產率的直接影響。鏈式中介效應示意圖如圖2所示，其中M1 是patent，M2 是indus。

鏈式中介效應回歸結果如表9所示。表9中列（1）～列（4）分別對應模型（5）～模型（8）的回歸結果，同時列（1）也是基準回歸的結果，可以看出主要解釋變量的系數均顯著。a1 為0.094，說明數字普惠金融對綠色全要素生產率的總效應為0.094；b1 ×d2 為0.018，表示路徑1的中介效應為0.018；c1 ×d3 為0.017，表示路徑2的中介效應為0.017；b1 ×c2 ×d3 為0.009，表示路徑3的中介效應為0.009。總體中介效應（b1 ×d2 +c1 ×d3 +b1 ×c2 ×d3）為0.044，其中路徑1占比為40.9%，路徑2占比為38.6%，路徑3占比為20.5%。這說明在總體中介效應中通過技術進步產生的中介效應最強，占總體中介效應的40.9%；通過產業結構升級產生的中介效應次之，占總體中介效應的38.6%；經由技術進步再通過產業結構升級產生的中介效應最弱，只占總體中介效應的20.5%。據此，前文提出的研究假說3得以驗證。除了直接觀察d1 的數值外，還可以通過總體效應減去總體中介效應得到去除3條路徑的直接效應。index 對gtfp 的直接效應為0.05，與d10.051相差不大，微小的差別可能是由于小數點后保留3位數字而產生的。這說明除了路徑1、路徑2和路徑3產生的間接效應外，數字普惠金融還能夠直接正向影響綠色全要素生產率。

六、結論及建議

數字普惠金融作為解決金融服務“最后一公里”難題的工具，將數字技術與普惠金融相結合，對提升地區綠色全要素生產率有著重要影響。本文利用2011年—2020年我國30個省、自治區、直轄市的面板數據，實證分析了數字普惠金融對綠色全要素生產率提升的影響機理及作用路徑，得出以下研究結論與政策啟示：

第一，數字普惠金融對綠色全要素生產率提升有顯著的促進作用，今后應大力發展數字普惠金融。政府與市場應雙管齊下，健全數字化金融設施，增加基站等設備的覆蓋面積，增加數字普惠金融對實體經濟的包容性和覆蓋面，發揮其有效打破金融要素流動時空阻隔的優勢，減少要素流動摩擦，提高要素配置效率。同時應大力普及數字普惠金融理念，擴大數字普惠金融需求。針對小微企業、農戶及低收入群體進行金融知識、金融技能等數字普惠金融相關教育，如開展專題講座宣傳數字普惠金融的特征、服務、作用、優勢等相關知識，也可以通過線上媒體傳播相關金融知識。這樣有利于擴大目標群體對數字普惠金融服務的需求，促進數字普惠金融進一步發展。

第二，數字普惠金融對綠色全要素生產率提升的影響具有區域異質性，在東西部地區數字普惠金融對綠色全要素生產率提升的促進作用更強。因此，今后應充分考慮區域的資源稟賦情況、產業結構布局、金融發展水平等客觀條件，因地制宜地制定數字普惠金融發展政策。對發展基礎比較好的東部地區，應進一步強化數字普惠金融的優勢，創新數字普惠金融工具，而對發展基礎相對薄弱的中西部地區則應重點加強數字基礎設施建設，擴大數字金融服務的廣度與深度。

第三，數字普惠金融能夠通過促進技術進步、促進產業結構升級以及通過促進技術進步進而促進產業結構升級間接提升綠色全要素生產率。因此，今后應努力探索數字普惠金融促進綠色全要素生產率提升的多維路徑。實踐中應加強數字普惠金融對綠色創新活動的資金支持，提高綠色創新要素的配置效率，促進綠色技術進步。此外，還應更充分地引導資金流向高科技、低碳環保、生物能源等新興產業，打造“金融服務+產業經濟”的數字化生態閉環，不斷推動產業結構升級，強化經濟增長的內生動力，進而實現綠色全要素生產率提升。

參考文獻：

［1］Ren S M，Li L Q，Han Y Q，Hao Y，Wu H T. The Emerging Driving Force of Inclusive Green Growth：Does DigitalEconomy Agglomeration Work？［J］.Business Strategy and the Environment，2022（4）：1656-1678.

［2］王霞，田霞. 外商直接投資、數字普惠金融與綠色經濟發展［J］. 商業經濟研究，2022（7）：168-171.

［3］烏靜，肖鴻波，陳兵. 數字經濟對綠色全要素生產率的影響研究［J］. 金融與經濟，2022（1）：55-63.

［4］范欣，尹秋舒. 數字金融提升了綠色全要素生產率嗎？［J］. 山西大學學報（哲學社會科學版），2021（4）：109-119.

［5］惠獻波. 數字普惠金融與城市綠色全要素生產率：內在機制與經驗證據［J］. 南方金融，2021（5）：20-31.

［6］Gomber P，Kauffman R J，Parker C，Weber B W. On the Fintech Revolution：Interpreting the Forces of Innovation，Disruption and Transformation in Financial Services［J］.Journal of Management Information Systems，2018（1）：220-265.

［7］Liu G T，Wang B，Zhang N.A Coin has Two Sides：Which One is Driving China's Green TFP Growth？［J］.EconomicSystems，2016（3）：481- 498.

［8］王林輝，王輝，董直慶. 經濟增長和環境質量相容性政策條件——環境技術進步方向視角下的政策偏向效應檢驗［J］. 管理世界，2020（3）：39-60.

［9］逯進，李婷婷. 產業結構升級、技術創新與綠色全要素生產率——基于異質性視角的研究［J］. 中國人口科學，2021（4）：86-97+128.

［10］張曉丹，彭耿. 數字普惠金融發展與區域創新能力——基于282 個城市數據的非線性影響研究［J］. 技術經濟與管理研究，2021（10）：32-36.

［11］冉芳，譚怡. 數字金融、創新投入與企業全要素生產率［J］. 統計與決策，2021（15）：136-139.

［12］張恒，李璐，趙茂. 數字普惠金融與綠色全要素生產率——基于系統GMM 的實證檢驗［J］. 新金融，2022（3）：31-40.

［13］劉贏時，田銀華，羅迎. 產業結構升級、能源效率與綠色全要素生產率［J］. 財經理論與實踐，2018（1）：118-126.

［14］王道平，劉琳琳. 數字金融、金融錯配與企業全要素生產率——基于融資約束視角的分析［J］. 金融論壇，2021（8）：28-38.

［15］萬佳彧，周勤，肖義. 數字金融、融資約束與企業創新［J］. 經濟評論，2020（1）：71-83.

［16］韓晶，孫雅雯，陳超凡，藍慶新. 產業升級推動了中國城市綠色增長嗎？［J］. 北京師范大學學報（社會科學版），2019（3）：139-151.

［17］張軍，吳桂英，張吉鵬. 中國省際物質資本存量估算：1952—2000［J］. 經濟研究，2004（10）：35-44.

［18］周敏丹. 人力資本供給、工作技能需求與過度教育［J］. 世界經濟，2021（7）：79-103.

［19］楊德勇，代海川，黃帆帆. 數字普惠金融對城鄉居民收入差距的門限效應研究——基于不同發展維度的實證分析［J］. 經濟與管理評論，2022（3）：89-101.

［20］溫忠麟，葉寶娟. 中介效應分析：方法和模型發展［J］. 心理科學進展，2014（5）：731-745.

（責任編輯：甘海燕）