數字普惠金融與碳排放強度

李宇祥

〔內容提要〕我國經濟已從高速增長階段轉向高質量發展階段，如期實現“雙碳”目標，已成為我國轉型發展質效的重要標尺。傳統普惠金融業務與數字技術融合產生的數字普惠金融對于實現“雙碳”目標，推動我國綠色經濟高質量發展有著重要意義。為此，基于我國30個省（區、市）的面板數據構建空間杜賓模型，探討了數字普惠金融對于碳排放強度的空間溢出效應。研究表明，本地數字普惠金融的發展對本地的碳排放強度發揮著抑制作用，對周邊地區的碳排放強度起著促進作用。前者歸因于金融市場的資源配置和響應時滯，后者與價格機制、碳排放就近轉移有關。最后，為“雙碳”目標的穩步推進提出了科學的政策啟示。

〔關鍵詞〕數字普惠金融；碳排放強度；空間溢出效應；污染避難所理論

注：本文系西北民族大學大學生創新創業訓練計劃項目“第三方環境信息披露對企業碳排放的影響研究”（項目編號：X202410742004）之階段性研究成果。

隨著工業化進程的不斷推進，全球變暖危機所伴隨的極端氣候、冰川消融、海平面上升等次生災害對人類社會的經濟活動帶來了嚴重的影響。作為一個負責任的大國，中國在第75屆聯合國大會上正式提出2030年實現碳達峰、2060年實現碳中和的“雙碳”目標。黨的二十大報告中提出，到2035年，廣泛形成綠色生產生活方式，碳排放達峰后穩中有降，生態環境根本好轉，美麗中國目標基本實現。這更加堅定了中國穩步推進雙碳目標的決心。在當前中國經濟發展面臨增速放緩和綠色轉型雙重壓力的背景下，相比于直接研究絕對碳排放水平，碳排放強度研究考慮到了經濟發展的實際情況，具有一定的研究價值和合理性。

需要指出的是，碳排放強度的高低與效率的高低并不存在一種顯性的負向關系。在部分落后的農業國家，碳排放強度較低，但是效率同樣較低。同樣，在部分發達國家，產能較高但在市場上并未以貨幣的形式進行銷售或者滯銷，這使得碳排放強度較高，但是效率卻不一定較低。作為世界第二大經濟體以及最大的新興市場國家，中國的經濟已經從高速增長階段轉向高質量發展階段。為了實現低碳發展模式的轉型，降低中國的碳排放強度，要綜合多方面的協同力量。具體來看，宏觀層面要依托國家政策支持、中觀層面要依靠行業綠色低碳轉型、微觀層面要提高居民低碳消費傾向，除此之外，還應充分發揮金融市場的資源配置、風險管理和市場定價等作用。

近年來，傳統金融與數字化技術進行有機結合，催生出了數字普惠金融這一新業態。打破了傳統金融服務的時空限制，以其便捷性、低成本性、低門檻性與傳統金融服務形成互補，拓寬了金融服務的覆蓋面，為金融服務注入了新動能。現有研究主要集中于絕對地衡量數字普惠金融的發展對于碳排放強度的影響，對于不同地區在地理空間單元上的影響關系還有待進一步完善。同時，對于該絕對影響的方向和路徑，并沒有達成一致。部分研究表明數字普惠金融降低碳排放強度的直接效應是線性的，并通過產業結構優化、綠色技術創新等渠道進行傳導。但部分學者認為數字普惠金融降低碳排放強度的邊際效應呈現先減小后增大的態勢，其中，人均可支配收入和數字化發揮著機制作用。綜上，數字普惠金融對于碳排放強度的影響尚不明確，二者在空間上的作用效果存在分歧，亟待厘清二者間的作用關系，為實現“雙碳”目標，制定有關戰略要求提供經驗借鑒和科學建議。

邊際貢獻可能在于：首先，基于空間視角，豐富了數字普惠金融對于碳排放強度的文獻。其次，創新性地以“污染避難所”理論解釋了本地數字普惠金融發展對碳排放強度的空間效應存在對本地促進和對周邊地區的抑制作用，具有一定的現實指導意義。最后，根據空間杜賓模型分析的創新性結果，對數字普惠金融支持“雙碳”目標的實現提供了科學合理的經驗參考和政策建議。

一、理論機制與研究假設

作為與數字技術融合的產物，本地數字普惠金融能夠直接影響本地碳排放強度。一方面，數字普惠金融能夠彌補傳統金融業務在綠色發展方面的資源引導精準度不足和有效性不夠的問題。通過將節能減排等環境績效納入信貸申請評估標準，利用大數據識別、篩選出不合格的企業，引導資金朝著綠色、低碳的企業流動，提高綠色信貸對于碳排放強度的抑制作用。另一方面，當金融市場出現波動時，企業會相應地改變碳減排決策，企業和市場的響應時滯會使得金融市場產生新的波動，形成惡性循環，從而降低碳減排的效率和可持續性。數字普惠金融相比傳統金融，能夠利用數字技術，更加靈敏和迅速地從源頭上和過程中識別潛在的流動性風險、信貸風險等，為碳減排強度降低提供穩定的金融市場環境。

H1：本地數字普惠金融的發展能夠降低本地碳排放強度。

立足空間交互視角，可以發現數字普惠金融對于碳排放強度具有顯著的空間溢出效應，且在經濟發展水平接近地區效應更為明顯。一方面，本地數字普惠金融的發展帶動本地綠色金融和低碳經濟的發展，減少本地對于高碳化石能源的需求，根據價格機制，本地高碳化石能源需求降低，本地價格下降，刺激周邊地區對于本地化石能源的需求，使得周邊地區的碳排放增加。另一方面，根據污染避難所理論，本地碳排放強度的下降相對提高了本地企業環境管理的標準，增加了本地高碳排放產業的環境治理成本。周邊地區因其環境標準相對較低，廠商將獲得明顯的成本優勢，從而本地高碳產業會向周邊地區轉移，增加周邊地區的碳排放。最終形成了經濟增長與碳排放的錯位分布格局，使得本地數字普惠金融的發展會提高周邊地區的碳排放強度。

H2：本地數字普惠金融的發展能夠提高周邊地區的碳排放強度，具有空間溢出效應。

二、研究設計

（一）變量選取

1.被解釋變量

碳排放強度（CI）采用省際CO2排放量與該省（區、市）生產總值的比重進行衡量。

2.解釋變量

數字普惠金融（Difi）采用北京大學數字金融研究中心發布的中國數字金融發展指數衡量數字普惠金融發展水平。國內學者大多使用這一指標衡量數字普惠金融發展程度，具有一定的合理性和科學性。

3.控制變量

具體如下：教育發展水平（School），選用高等學校在校學生人數占比進行衡量；城鎮化水平（Urban），用采用各省（區、市）城鎮人口的比值來衡量；交通基礎設施水平（Transport），選用省（區、市）公路歷程取自然對數來衡量；外商直接投資（FDI），采用外商直接投資額與該省（區、市）生產總值的比值來衡量；對外開放水平（Open），采用貨物進出口總額與省（區、市）生產總值的比值來衡量。控制變量數據均來源于國家統計局官網。

4.樣本與數據來源

選取中國2011—2021年共30個省（區、市）作為樣本（考慮到西藏自治區數據存在較多缺失，港澳臺數據的可得性等問題，進行剔除處理）。省（區、市）CO2排放量數據來源于CEADS數據庫，數字普惠金融指數來源于北京大學數字金融研究中心，其余數據均來源于國家統計局。

（二）模型設計

1.空間自相關檢驗

其中，S2為樣本方差；xi和xj分別為i地區和j地區的觀測值；n是空間單元的個數，即省（區、市）的數量；xi表示變量x在空間單位i地區的觀察值，x表示變量x的均值；wi為空間權重矩陣W的元素。

全局Moranss I的取值為[-1，1]，正值表示正向空間自相關（或空間集聚現象），負值表示負向空間自相關（或空間分散現象），1表示在空間上呈現完全集聚狀態，-1表示在空間上呈現完全分散的態勢，0表示空間單元之間處于隨機分布。

式（2）中，Zi和Zj為標準化后的觀測值。I<0代表該空間單元與鄰近單元屬性相似，則表明該空間單元與鄰近單元屬性相反。

2.空間計量模型選擇

已有研究表明，不同地區之間的數字普惠金融與碳排放強度存在空間相關性，使用傳統的計量回歸模型忽略數字普惠金融發展和碳排放強度的空間異質性將導致計量結果出現一定程度的偏誤，因此，選擇空間面板模型來檢驗數字普惠金融發展和碳排放強度的內在關系。

空間計量經濟學模型的核心在于空間單位之間依賴性的來源，常用的空間計量模型包括空間自回歸模型（SAR），又稱空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）等。具體而言，空間自回歸模型假設內生因變量受到其他空間單元內生因變量的影響，空間誤差模型假設內生因變量受到外生因變量的影響。而作為一般形式，空間杜賓模型（SDM）能夠同時考察自變量對因變量的內生影響（直接效應）和外生影響（間接效應），可以避免估計有偏問題。除此之外，相比其他兩個模型，空間杜賓模型沒有對潛在自變量的空間交互效應強加一些先驗約束，但在一定條件下可以退化為空間自回歸模型和空間誤差模型。因此，考慮了構建兼有內生性和外生性的空間交互效應的空間杜賓模型（SDM）。在后續檢驗中，將通過LR檢驗驗證空間杜賓模型（SDM）是否會退化為空間滯后模型和空間誤差模型。

式中，α0表示截距項；ρ表示空間滯后回歸系數，反映空間相鄰單元間碳排放強度的相互影響程度；γ表示數字普惠金融發展的回歸系數；γ1表示控制變量回歸系數；θ表示數字普惠金融的空間交互項系數；θ1表示控制變量的空間交互項系數；εit為隨機誤差項。

3.空間權重矩陣的構建

三、實證結果及分析

（一）截面數據的空間相關性

在兩種空間權重矩陣下，2011—2021年碳排放強度和數字普惠金融的全局Moranss I指數均通過了顯著性檢驗，并呈現出了正的空間相關性，表明碳排放強度和數字普惠金融均存在正的空間依賴性。省級碳排放強度和數字普惠金融的全局Moranss I指數如表1所示。

由于Moranss I全局均等化了各省份之間的差異，無法反映局部地區的空間關聯特征，為了更直觀地反映相鄰省（區、市）之間的空間關聯程度，選取空間地理反距離權重矩陣（W1）對2011年和2021年省級數字普惠金融和碳排放強度進行局部空間自相關分析。

莫蘭散點圖反映了區域單元與其鄰居之間四種類型的局部空間聯系形式，第一象限（HH）表示高觀測值被同是高觀測值的區域所包圍；第二象限（LH）表示低觀測值被高觀測值的區域所包圍；第三象限（LL）表示低觀測值被同是低觀測值的區域所包圍；第四象限（HL）表示高觀測值被低觀測值的區域所包圍。

碳排放強度的局部莫蘭散點圖如圖1和圖2所示。一方面，中國大多數省（區、市）的碳排放強度指標落在了“低—低”聚集區域，表示碳排放強度低的地區都被碳排放強度低的地區包圍，形成了碳排放強度的低水平聚集現象，表明碳排放強度具有正向的空間相關性。處于第Ⅲ象限的省（區、市），例如福建、上海、廣東等經濟集聚水平較高，區域內產業結構的較為合理，高耗能產業占比較少，從自身內部降低了碳排放強度。考慮區域間的空間關聯性，由于省（區、市）之間存在規模效益、技術溢出、跨區域合作等正向外部性，碳排放強度低的地區能夠有效輻射周邊區域，形成空間關聯網絡，促進地區生產率的提高，從而降低鄰近區域的碳排放強度并實現碳排放強度的一致性。另一方面，處于第Ⅰ象限的省（區、市）主要集中在中國西北地區，說明西北地區的碳排放強度相對較高。這與西北地區高碳化石能源為主的能源結構、重化工業為主的產業結構以及相對落后的技術水平有關。不僅影響了經濟增長的質量和效益，也制約了碳排放強度的下降，使得高水平聚集現象難以消除。

數字普惠金融的局部莫蘭散點圖如圖3和圖4所示。首先，中國大多數省份的數字普惠金融指標落在了第Ⅰ象限和第Ⅱ象限。處于第Ⅰ象限的省（區、市）絕大部分都集中在東部沿海，說明東部沿海地區的數字普惠金融水平相對較高，呈現出“高—高”集聚的特點。一方面，東部沿海地區經濟發展水平較高，意味著金融需求更為多樣和復雜，有利于金融機構供給側的產品創新與市場競爭。另一方面，東部地區健全的數字基礎設施能夠降低數字普惠金融服務的成本，提供更加安全和便捷的金融服務，提高金融服務的效率。除此之外，東部省（區、市）之間在技術交流、產業合作等方面產生的外溢效應也是導致“高—高”集聚的重要原因之一。最后，西部地區各省（區、市）的數字普惠金融水平落在了“低—低”聚集區域，說明西部地區各省（區、市）的數字普惠金融發展低于全國平均水平，且呈現出一致性。西部地區的數字基礎設施有待提升、數字普惠金融產品適應性仍然較低。同時，當地居民對數字普惠金融業務的認識存在偏差，多種因素制約了數字普惠金融的發展潛力的釋放和市場競爭力的提高。

（二）LM檢驗

通過空間自相關檢驗可知，數字普惠金融與碳排放強度具有顯著的空間相關性，但具體存在何種空間關系，需要通過LM和穩健的LM檢驗進一步判斷是否選用空間計量模型，驗證是否存在空間滯后效應和空間誤差效應。LM檢驗結果如表2所示。在兩種空間權重矩陣下，檢驗結果均拒絕LM檢驗原假設，表明數字普惠金融與碳排放強度具有空滯之后和空間誤差雙重效應，選擇空間計量模型相對于非空間模型能更好地揭示數字普惠金融集聚影響碳排放強度的成因機理。

顯然，LM檢驗或穩健LM檢驗的結果拒絕非空間計量模型，數字普惠金融發展對于省級碳排放強度的影響同時具有空間滯后效應和空間誤差效應。因此，選擇同時包含空間滯后模型（SAR，側重于處理因變量的空間相關性問題）和空間誤差模型SEM（側重于處理隨機擾動項的空間相關性問題）的空間杜賓模型（SDM）。在使用SDM模型時，必須檢驗SDM能否簡化為SAR和SEM其中檢驗原假設為“H0∶θ=0”“H0∶θ+ρβ=0”，可以通過似然比（LR）來檢驗兩個原假設。

（三）LR檢驗和Hausman檢驗

主要研究在碳排放強度存在空間相關性的情況下，不同省（區、市）間數字普惠金融發展水平的集聚以及不同集聚方式下的空間溢出效應，即同時考慮被解釋變量和解釋變量的空間滯后性與相關性。因此，采用空間杜賓模型（SDM）對結果進行估計，之后通過LR檢驗確定最優模型，并通過Hausman檢驗判別是固定效應模型還是隨機效應模型。結果表明在反地理距離權重矩陣下，LR檢驗在5%的顯著性水平下拒絕了“SDM模型可以簡化為SAR模型”和“SDM模型可以簡化為SEM模型”的原假設。同時，SDM模型通過了在1%的顯著性水平的Hausman檢驗。因此，應該選擇具有固定效應的空間杜賓模型。

（四）實證結果分析

數字普惠金融對碳排放強度的空間估計結果如表3所示。一方面，在兩種空間權重矩陣下，SDM模型的空間自回歸系數（ρ）均顯著為負，這表明各省（區、市）的碳排放強調具有明顯的空間溢出效應，意味著本地區碳排放強度水平的降低會牽動鄰近地區的碳排放強度水平的降低。另一方面，核心解釋變量數字普惠金融與碳排放強度交互項顯著正相關，意味著數字普惠金融對碳排放強度具有正向的空間溢出效應，說明本地數字普惠金融的發展能夠帶動鄰近地區碳排放強度的提高。

由于SDM模型的參數估計結果存在不能準確地反應數字普惠金融發展降低碳排放強度的直接效應和空間效應的缺陷，為此，采用SDM偏微分法將數字普惠金融發展對碳排放強度的影響效應進行分解，效應分解結果如表4所示。其中，直接效應表示本地區數字金融發展水平對于本地區碳排放強度的影響，空間效應表示本地區數字金融發展水平對于周邊地區碳排放強度的影響。具體而言，在兩種地理權重矩陣下，空間杜賓模型均顯著拒絕“直接效應為0”的原假設。而由于內生交互效應（Wx）的存在，會使得鄰近地區的數字普惠金融對碳排放強度的影響傳遞到周邊地區，且把源于鄰近地區的變化的影響傳回本地區，形成空間關聯網絡。

具體而言，直接效應顯示數字普惠金融的發展能夠顯著降低本地碳排放強度。已有研究表明，數字普惠金融通過創新固碳技術、提升居民低碳消費偏好、對碳排放形成源頭抑制三條路徑實現本地碳排放強度的下降。而空間效應表明數字普惠金融的發展能夠顯著提高鄰近地區碳排放強度。一方面，這是高碳化石能源的供求價格機制決定的。另一方面，類比污染避難所假說，這種現象的出現可能與鄰近省（區、市）之間的碳排放就近轉移有關。污染密集產業的企業傾向于建立在環境標準相對較低的地區。環境規制行為、能源結構調整等多重因素共同作用的結果，本地碳排放強度水平整體實現了下降，區域內環境規制要求相對提高，一方面，使得碳排放密集產業的企業傾向于轉移到環境標準相對較低的周邊地區；另一方面，由于數字普惠金融產品具有跨區域特征，本地碳排放水平較高的企業獲取數字普惠金融產品的難度上升，使得本地高碳排放企業傾向于從其他地區獲得數字普惠金融支持，提高企業經營效益，進而推動本地碳排放強度的下降，最終，出現本地碳排放強度降低、周邊地區碳排放強度上升的影響差異。

需要指出的是，空間杜賓模型（SDM）的效應分解的估計系數反映的是平均效應，即本地自變量對于本地和周邊地區的平均影響效果；而局部莫蘭散點圖的分析反映的是局部單元間的集聚情況，無法準確判斷產生某種集聚狀態的原因。因此，對于兩種分析產生的差異并不具備可比性。

五、結論與啟示

為進一步理清數字普惠金融與碳排放強度的空間關聯性，基于2011年—2021年我國30省（區、市）的面板數據，通過計算莫蘭指數對數字普惠金融發展水平和碳排放強度的省際空間集聚情況進行了分析，構建空間杜賓模型實證檢驗了數字普惠金融對與碳排放強度的空間效應。研究發現，本地數字普惠金融發展水平的提高，不僅促進了本地碳排放強度的降低，同時提高周邊地區的碳排放強度。

為此，提出以下政策建議：（1）持續完善數字基礎設施建設，夯實數字底座暢通金融信息的流動循環，為數字普惠金融的發展筑牢數據基礎。（2）發揮數字普惠金融的降碳效應，利用數字技術精準識別金融需求，引導金融資本流入綠色低碳行業。（3）平衡數字普惠金融降碳的空間效應，政策協同推動碳排放合理配置，避免碳排放的空間轉移與碳泄漏。

（作者單位：西北民族大學）