城市數字普惠金融發展對碳排放強度影響研究

孫欣 芮雪雨

收稿日期：2023-11-28

作者簡介：丁亞楠（1992—），女，河南南陽人，講師，博士，研究方向：數字經濟；

牛 彪（1990—），男，山東泰安人，博士研究生，通信作者，研究方向：資本市場財務與會計；

王建新（1973—），男，湖南衡陽人，研究員，博士，研究方向：會計理論與政策；

車 悅（1996—），女，云南大理人，博士研究生，研究方向：公共政策理論與實踐。

[摘 要：數字普惠金融作為一種新興金融形態，為實現“雙碳”目標發揮了重要作用。文章以2011—2021年中國279個城市面板數據為研究樣本，運用基準回歸模型、面板門檻模型以及空間杜賓模型，分析了城市數字普惠金融發展對碳排放強度的影響。研究發現：數字普惠金融發展能夠顯著降低碳排放強度，在經過一系列穩健性檢驗后該結論仍然成立；數字普惠金融發展對碳排放強度的影響存在空間溢出效應和異質性；數字普惠金融會因自身發展水平、產業結構發展水平和綠色金融發展水平的不同對碳排放強度產生非線性影響。

關鍵詞：數字普惠金融；碳排放強度；產業結構；綠色金融；面板門檻；溢出效應

中圖分類號：X196；F49；F832? 文獻標識碼：A 文章編號：1007-5097（2024）07-0066-11?? ]

A Study on the Impact of Urban Digital Inclusive Finance Development on

Carbon Emission Intensity

SUN Xin， RUI Xueyu

（School of Statistics and Applied Mathematics， Anhui University of Finance and Economics， Bengbu 233010， China）

Abstract： As an emerging financial form， digital inclusive finance has played a crucial role in achieving the "dual carbon" goals. This paper analyzes the impact of urban digital inclusive finance development on carbon emission intensity， utilizing panel data from 279 Chinese cities between 2011 and 2021 as research samples， and employing baseline regression models， panel threshold models， and spatial Durbin models. Research findings： The development of digital inclusive finance can significantly reduce carbon emission intensity， and this conclusion remains robust after a series of sensitivity tests. The impact of digital inclusive finance on carbon emission intensity exhibits spatial spillover effects and heterogeneity. Moreover， the effect of digital inclusive finance on carbon emission intensity is nonlinear， varying with the levels of its own development， industrial structure development， and green finance development.

Key words：digital inclusive finance; carbon emission intensity; industrial structure; green finance; panel threshold; spillover effect

一、引 言

近年來，溫室效應、空氣污染、氣候變暖和海平面上升等環境問題嚴重影響了人類生產生活，碳排放問題已經引起廣泛關注。為應對氣候變暖和碳排放問題，各國政府和國際組織相繼推出了一系列環保政策和措施，其中，《京都議定書》規定了各國溫室氣體排放量，《巴黎協定》的主要目標是將21世紀全球平均氣溫上升幅度控制在2攝氏度以內，并推動全球向低碳經濟和可持續發展轉型，我國政府也高度重視降污減排問題，并積極穩妥推進“碳達峰、碳中和”。

“普惠金融”這一概念最早于2005年由聯合國提出，數字普惠金融指通過互聯網、移動支付等技術手段提供貸款、保險、儲蓄等金融服務。當前，我國已進入新發展階段，大數據、云計算、5G終端等數字技術飛速發展，金融行業不斷與新興數字技術融合，使得數字普惠金融成為一種低成本、低污染、高效率、廣覆蓋的金融服務方式。數字普惠金融可以利用信息技術提高金融服務效率，降低金融服務成本，擴大金融服務覆蓋范圍，從而提供更廣泛、更有效的金融服務。

數字普惠金融作為一種快速發展的金融模式，已逐步深入生產生活的各個方面，其對環境的影響也逐漸引起了人們的注意。數字普惠金融發展是否能夠顯著影響碳排放強度？若答案是肯定的，是以線性還是非線性方式影響？數字普惠金融對碳排放強度的影響是否具有空間溢出效應？對這些問題的回答不僅能為政府制定碳減排政策提供依據，而且能豐富數字普惠金融理論。

二、文獻綜述

（一）數字普惠金融的測度及研究

已有文獻中使用的數字普惠金融指數是由北京大學數字金融研究中心和螞蟻金服集團共同編制的，覆蓋縣域、地級市和省級三個層面。該指數是一個綜合性指數，旨在衡量數字普惠金融的發展水平和可持續性，包括可訪問性、參與度、完整性、效率和滿意度等多項指標，客觀反映了數字普惠金融發展的整體情況。孫芳城等（2023）［1］基于數字普惠金融指數，利用多元回歸模型探究了數字普惠金融對企業投資效率的影響。葛和平和吳倩（2022）［2］利用空間模型探究了數字普惠金融對民營經濟高質量發展的影響。

當前，對數字普惠金融的研究主要集中在消除貧困機制（Chibba，2009；賀慧惠和童天天，2023）［3-4］、與居民消費之間的關系（易行健和周利，2018；李平和李伯楷，2023）［5-6］、對經濟增長的影響（程廣斌等，2022；陳嘯等，2023）［7-8］以及對城鄉收入的影響（斯麗娟和湯曉曉，2022；楊彩林等，2022）［9-10］等方面，這些研究結果為本文提供了一定的思路。

（二）碳排放的測度及研究

目前，相關文獻中對碳排放的測度方法主要有以下四種：第一種是采用投入產出法測算碳排放量和隱含碳排放量，是早期學者普遍使用的方法（Peters等，2012；Fu和Li，2012）［11-12］；第二種是聯合國政府間氣候變化專門委員會（IPCC）提供的方法，主要是利用能源燃燒量和碳排放因子進行計算，余星輝和卜亞（2023）［13］根據此方法測算了城市碳排放總量；第三種是利用中國碳核算數據庫（CEADs）公布的碳排放數據，從生產過程和能源利用兩個方面統計碳排放量，但該數據庫目前僅更新到2019年。佘群芝等（2022）［14］使用該數據庫，利用多種模型，探究了數字經濟發展對碳排放的影響及作用機制；也有部分學者在該數據庫的基礎上，結合夜間燈光柵格數據對碳排放進行測算（金飛和徐長樂，2022）［15］；第四種是利用非期望產出法測算碳排放量，Guo和Ma（2023）［16］使用該方法對二氧化碳排放量進行了測度。

近年來，隨著雙重差分模型使用的興起，學者們開始關注試點政策的碳減排效應（黃寰等，2023；董梅和李存芳，2020）［17-18］。目前，對碳排放影響因素的研究大多集中在數字經濟（余星輝和卜亞，2023；佘群芝等，2022）［13-14］、技術進步（邵帥等，2022；范東壽，2022）［19-20］、產業結構（張琳杰和崔海洋，2018；張晨露和張凡，2022）［21-22］、城鎮化（王星，2016；王鑫靜和程鈺，2020）［23-24］、綠色金融（江紅莉等，2020；趙曉春等，2023）［25-26］、能源消費（馬曉君等，2018；王少劍等，2018）［27-28］等方面。可見，國內外學者對碳排放進行了大量研究并取得了一定的成果，為本文后續研究提供了經驗支持。

（三）數字普惠金融對碳排放的影響研究

隨著數字普惠金融的快速發展，一些學者開始關注和研究數字普惠金融發展對碳排放的影響。蘇培添和王磊（2023）［29］基于我國31個省份面板數據，利用空間杜賓模型和中介效應模型研究發現，數字普惠金融能夠顯著降低農業碳排放強度；孫靈燕和張全飛（2023）［30］基于企業數據，實證分析了數字普惠金融對碳排放的非線性影響；王守坤和范文誠（2022）［31］基于縣級面板數據，利用基準回歸模型研究發現，數字普惠金融能夠顯著抑制碳排放；姚鳳閣等（2022）［32］基于我國30個省份面板數據，研究發現數字普惠金融能夠提高碳排放效率。

綜上所述，雖然關于數字普惠金融與碳排放的相關研究已很豐富，但大多基于省級層面或企業層面，鮮有文獻從城市層面進行研究。關于數字普惠金融與碳排放之間非線性關系的研究通常采用在模型中加入數字普惠金融二次項的方法，但并未對此方法的合理性進行解釋。此外，以往文獻關于數字普惠金融對碳排放影響機制的研究多采用中介效應模型，但該模型的合理性也有待商榷（江艇，2022）［33］?；诖耍疚幕?011—2021年我國279個地級市（含直轄市）面板數據，利用基準回歸模型、面板門檻模型和空間杜賓模型，探究數字普惠金融發展與碳排放強度之間的關系，并根據研究結論提出相應的政策建議。

本文創新之處為：①以城市數據為研究對象，能夠在更為細致的空間尺度上探究數字普惠金融和碳排放強度之間的關系；②基于城市數據，利用面板門檻模型，探究數字普惠金融與碳排放強度之間的非線性關系，拓展了數字普惠金融對碳排放強度影響的作用機制研究；③空間杜賓模型研究發現，數字普惠金融發展能夠抑制周邊地區碳排放強度，這為加強區域間數字普惠金融發展從而實現碳減排提供政策依據。

三、理論分析與研究假說

數字普惠金融是傳統金融與現代科技相結合的產物，可以降低金融服務門檻，有效彌補傳統普惠金融交易成本高、資源利用不足等缺點，有助于中小微企業破除傳統金融的“金融排斥”（朱東波和張相偉，2022）［34］。數字普惠金融發展對碳排放強度的影響主要體現在普惠性和數字化兩個方面：一是數字普惠金融的發展使碳金融產品具有普惠性和大眾化特點，擴大了碳排放交易市場規模。通過市場交易可以降低碳排放交易成本，提高碳排放交易效率，促進碳排放交易綠色化，從而降低碳排放強度。二是數字普惠金融具有數字化特征，能夠為信息技術和數字技術發展提供有力支持，從而推動數字交易平臺建設。通過數字化平臺可以對企業進行篩選，進而淘汰能耗高、排放高、污染高的“三高”企業，推動企業向環境友好型發展，從而實現城市碳減排目標。

基于上述分析，本文提出假說1。

Ｈ1：數字普惠金融發展能夠顯著降低碳排放強度。

首先，在發展初期，數字普惠金融對數字技術的應用尚不成熟，數字基礎設施建設不夠完善，數字普惠金融發展對碳排放強度的抑制作用比較弱。當數字普惠金融發展到一定程度時，數字基礎設施建設相對完善，覆蓋范圍不斷擴大，可以幫助金融機構積累更多的數據和信息，并提供更高效的金融產品和服務，從而更好地釋放數字普惠金融的紅利效應，對碳排放強度表現出較強的抑制作用。然而，隨著數字普惠金融的高度發展，對電力和數字技術的需求大幅度增加，導致能源需求和碳排放量快速上升，從而使數字普惠金融發展對碳排放強度的抑制作用有所減弱。

其次，在產業結構發展水平較低時，第二產業占比較高，碳排放較多，使數字普惠金融的碳減排效應減弱。隨著產業結構的不斷調整，第二產業占比下降，第三產業占比上升，碳排放量逐漸減少，數字普惠金融的碳減排紅利效應凸顯。此外，綠色金融是影響綠色發展的重要因素，可以為企業在綠色發展方面建立比較優勢，從而有利于企業實現碳減排。但當綠色金融發展到一定程度時，市場上的綠色金融產品和服務趨于飽和，此時政府必然會采取相應措施來解決這一問題，而政府干預對區域創新具有抑制作用（呂鯤等，2022）［35］，會削弱綠色金融的碳減排效應。因此，數字普惠金融對碳排放強度的影響可能與產業結構發展水平和綠色金融發展水平有關，而不是簡單的線性關系。

基于上述分析，本文提出以下假說。

Ｈ2：數字普惠金融發展對碳排放強度的影響會因其自身發展水平不同而表現出非線性特征。

Ｈ3：數字普惠金融發展對碳排放強度的影響會因產業結構發展水平不同而表現出非線性特征。

Ｈ4：數字普惠金融發展對碳排放強度的影響會因綠色金融發展水平不同而表現出非線性特征。

數字普惠金融的發展打破了地理距離和時間的限制，推動了區域經濟一體化發展（張小鋒和王菁彤，2022）［36］，加強了本地區與周邊地區的金融合作。一方面，區域間經濟合作可以促進金融市場的競爭，促使金融機構向綠色環保方向轉型。本地區數字普惠金融的發展在促進金融服務創新升級、提高金融服務質量的同時，還可以為周邊地區提供良好的示范及借鑒經驗，加快周邊地區數字普惠金融的發展，從而降低碳排放強度。另一方面，區域間經濟合作可以促使企業開展綠色創新，提高企業綠色創新能力，使企業在節能減排、推廣環保產品等方面取得更大成效。同時，這種合作也有助于完善企業綠色管理體系，規范管理過程，建立有效的管理機制，促進企業可持續發展，減少企業碳排放。此外，數字普惠金融的發展可以促使綠色金融產品向周邊地區推廣和普及，促進企業綠色技術創新（梁玲玲等，2023）［37］。綠色技術存在溢出效應，可以向鄰近地區擴散，鄰近地區通過學習先進的碳減排技術和政策可以降低其碳排放強度（Du等，2022）［38］。

基于上述分析，本文提出假說5。

Ｈ5：數字普惠金融發展對碳排放強度的影響具有空間溢出效應。

四、研究設計

（一）模型構建

1. 基準回歸模型

在上述理論分析的基礎上，為探究數字普惠金融發展對碳排放強度的直接抑制作用，本文構建如下基準回歸模型：

[ceiit=α0+α1digfinit+αControlit+μi+νt+εit] （1）

其中：[ceiit]表示第[i]個城市第[t]年的碳排放強度；[digfinit]表示第[i]個城市第[t]年的數字普惠金融發展水平；[Controlit]表示一組控制變量；[αi]表示待估計系數；[μi]表示個體效應；[νt]表示時間效應；[εit]表示隨機擾動項。

2. 面板門檻模型

基于上述分析，為進一步考察在不同的數字普惠金融發展水平、產業結構發展水平和綠色金融發展水平下數字普惠金融發展對碳排放強度的影響，本文構建如下面板門檻模型：

[ceiit=α0+α1digfinitIqit≤γ+α2digfinitIqit>γ+αControlit+μi+vt+εit] （2）

[ceiit=α0+α1digfinitIqit≤γ1+α2digfinitIγ1γ2+αControlit+μi+vt+εit] （3）

式（2）為單門檻模型，式（3）為雙門檻模型。其中：[γi]表示第[i]個門檻值，并且[γ1<γ2]；[I?]為示性函數，當括號內的條件成立時取值為1，反之則為0；[qit]表示門檻變量；其余變量含義不變。

3. 空間杜賓模型

在上述分析的基礎上，為進一步考察數字普惠金融發展對碳排放強度影響的空間溢出效應，本文構建如下空間杜賓模型：

[ceiit=α0+ρW×ceiit+α1digfinit+α2W×digfinit+αControlit+μi+vt+εit] （4）

其中：[ρi]表示空間自回歸系數；[W]為空間權重矩陣；其余變量含義不變。

（二）變量選取

1. 被解釋變量：碳排放量強度（[cei]）

碳排放總量的計算參考叢建輝等（2014）［39］的研究，將范圍1、范圍2以及范圍3三個方面（1）計算的碳排放量進行加總得出碳排放總量。參考李壽喜和張珈豪（2023）［40］的研究，碳排放強度以碳排放總量除以當年地區生產總值的自然對數表示。

2. 核心解釋變量：數字普惠金融發展指數（[digfin]）

根據現有研究，數字普惠金融發展水平采用北京大學金融研究中心編制的數字普惠金融發展指數衡量（郭峰等，2020）［41］。該指數利用層次分析法對數字普惠金融進行測度，具有較強的綜合性和可靠性。

3. 控制變量

為提高研究結果的可靠性，同時減少因遺漏變量對結果造成的估計偏誤，本文參考既往研究，選取以下控制變量：①經濟發展水平（[pgdp]），以人均GDP衡量；②環境規制（[green]），參考鄺嫦娥和路江林（2019）［42］的做法，以建成區綠化覆蓋率衡量；③財政分權程度（[finance]），以地方財政預算收入與支出的比值衡量；④人口規模（[lnden]），用人口密度表示，以年末戶籍人口數與區域行政面積比值的對數衡量；⑤基本教育水平（[education]），參考王守坤和范文誠（2022）［31］的做法，以普通中學在校人數與年末戶籍人口數的比值衡量；⑥科技水平（[lnpatent]），以城市專利授權數的對數衡量；⑦城鎮化水平（[urban]），以城鎮常住人口與城鎮常住人口和鄉村常住人口總和的比值衡量。

4. 門檻變量

為探究數字普惠金融發展與碳排放強度的非線性關系，本文選取核心解釋變量數字普惠金融發展指數（[digfin]）、產業結構發展水平（[industry]）以及綠色金融發展水平（[grefin]）作為門檻變量。其中：產業結構發展水平采用第三產業增加值與地區生產總值的比值表示；綠色金融發展水平參考劉華珂和何春（2021）［43］的研究，從綠色信貸、綠色投資、綠色保險、綠色債券、綠色支持、綠色基金以及綠色權益七個方面構建綜合評價指標體系，通過熵值法計算得出。

（三）數據來源

本文選取2011—2021年我國279個城市（含直轄市）面板數據作為研究對象。數字普惠金融發展指數來源于《北京大學數字普惠金融指數（2011—2021）》第四期；專利授權總數通過國家知識產權局高級檢索功能獲取各城市的專利授權數，并進行統計匯總計算得出；其余控制變量數據來源于《中國城市統計年鑒》；碳排放測度相關數據主要來源于《中國能源統計年鑒》《中國工業統計年鑒》《中國農業統計年鑒》《中國環境統計年鑒》《中國城市統計年鑒》以及各地級市統計年鑒；排放因子參考《省級溫室氣體清單編制指南（試行）》以及各級政府發布的碳排放清單指南，缺省數據通過IPCC排放因子數據庫進行補充；部分缺失數據采用線性插值法補全。

各變量描述性統計見表1所列。

五、實證分析

（一）基準回歸分析

豪斯曼檢驗結果、個體效應和時間效應檢驗結果表明應選擇雙向固定效應模型進行估計，基準回歸結果見表2所列。其中，列（1）、列（2）分別為未加入控制變量和加入控制變量后的回歸結果，可以看出，無論是否考慮控制變量，數字普惠金融發展對碳排放強度的影響均在1%統計水平下顯著為負，Ｈ1得到驗證。在加入控制變量后，數字普惠金融發展系數的絕對值有所減小，表明控制變量的加入削弱了數字普惠金融發展對碳排放強度的抑制作用。

（二）面板門檻模型回歸分析

首先，利用隨機森林模型繪制碳排放強度與數字普惠金融的偏依賴圖（如圖1所示），橫坐標為數字普惠金融指數，縱坐標為偏依賴度。結果可以分為四個階段：第一階段表明，數字普惠金融一經誕生就具有碳減排作用；第二階段表明，數字普惠金融的發展會導致碳排放強度不斷提高，原因可能是，在數字普惠金融發展過程中需要消耗大量的電力資源，導致碳排放增加；第三階段表明，當數字普惠金融持續發展時，其碳減排效應凸顯，這可能得益于數字技術的進步；第四階段表明，數字普惠金融對碳排放強度的影響趨于平穩，原因可能是，數字技術發展遇到了瓶頸，需要進一步突破才能更好地發揮數字普惠金融的碳減排效應。綜上所述，數字普惠金融在不同發展階段對碳排放強度具有不同的影響效應，因此，數字普惠金融發展對碳排放強度具有非線性影響。

其次，采用面板門檻模型進一步考察數字普惠金融發展對碳排放強度的非線性影響和作用機制，表3為利用Bootstrap自助法反復抽樣500次后三個門檻變量的檢驗結果?？梢钥闯?，數字普惠金融發展水平和產業結構發展水平均通過了雙門檻檢驗，而綠色金融發展水平僅通過了單門檻檢驗。

數字普惠金融發展水平、產業結構發展水平以及綠色金融發展水平作為門檻變量時的回歸結果見表4所列。列（1）結果表明，當數字普惠金融發展指數小于第一門檻值（0.410 3）時，數字普惠金融發展系數在1%水平下顯著為負；當數字普惠金融發展指數邁過第一門檻值但未達到第二門檻值（2.620 5）時，數字普惠金融發展系數同樣顯著為負，且其系數的絕對值較之前有所增大；當數字普惠金融發展指數超過第二門檻值（2.620 5）時，數字普惠金融發展系數依然顯著為負，且其系數絕對值較之前有所減小。原因是：在數字普惠金融發展的早期階段，數字基礎設施建設不夠完善，且在基礎設施建設過程中會產生碳排放，導致數字普惠金融對碳排放強度的抑制作用相對較弱；而隨著數字普惠金融持續發展，數字基礎設施不斷完善，數字普惠金融對碳排放強度影響的紅利效應逐漸釋放，對碳排放強度的抑制作用不斷增強；當數字普惠金融過度發展時，能源需求會大幅增加，進而會提高碳排放，從而使數字普惠金融發展對碳排放強度的抑制作用減弱。H2得到驗證。

以2021年數據為例，可以發現：所有城市的數字普惠金融發展水平均超過了第一門檻值。數字普惠金融發展水平處于第一門檻值和第二門檻值之間的城市有32個，其中，東部城市有3個，占比為3.704%；中部城市有9個，占比為9.000%；西部城市有20個，占比為24.691%。數字普惠金融發展水平超過第二門檻值的城市有247個，其中，東部城市有95個，占比為96.939%；中部城市有91個，占比為91.000%；西部城市有61個，占比為75.309%。綜合來看，數字普惠金融發展水平：東部城市>中部城市>西部城市。

表4列（2）結果表明，當產業結構發展水平未達到第一門檻值（40.900 0）時，數字普惠金融發展系數顯著為負；當產業結構發展水平超過第一門檻值而未達到第二門檻值（57.400 0）時，數字普惠金融發展的系數仍然顯著為負，其絕對值略有減??；當產業結構發展水平超過第二門檻值（57.400 0）時，數字普惠金融發展對碳排放強度的影響系數依然顯著為負，但其系數的絕對值較之前又有所減小，即數字普惠金融發展對碳排放強度的抑制作用隨著產業結構升級而逐漸減弱。其原因是：當產業結構發展水平未達到第一門檻值（40.900 0）時，產業結構不合理即第二產業占據優勢，而當產業結構趨于合理時，數字普惠金融發展能夠最大程度降低碳排放強度；當產業結構發展水平超過第一門檻值而未達到第二門檻值（57.400 0）時，產業結構處于合理范圍，第二、三產業平衡發展，此時數字普惠金融發展對碳排放強度的抑制作用較之前有所減小；當產業結構發展水平超過第二門檻值時，產業結構同樣不合理，而產業結構升級需要投入大量的資源，使得數字普惠金融發展對碳排放強度的抑制作用再次減弱。由此，H3得到驗證。

仍以2021年數據為例，可以發現：產業結構發展水平低于第一門檻值的城市有20個，其中，東部城市有5個，占比為5.102%；中部城市有6個，占比為6.000%；西部城市有9個，占比為11.111%。產業結構發展水平處于第一門檻值和第二門檻值之間的城市有171個，其中，東部城市有62個，占比為63.265%；中部城市有63個，占比為63.000%；西部城市有46個，占比為56.790%。產業結構發展水平超過第二門檻值的城市有88個，其中，東部城市和中部城市均有31個，占比分別為31.633%和31.000%；西部城市有26個，占比為32.099%?？傮w來說，東中部城市的產業結構發展水平相差不大，均高于西部城市的產業結構發展水平。

表4列（3）結果表明，當綠色金融發展水平小于門檻值（0.330 9）時，數字普惠金融發展系數顯著為負，當綠色金融發展水平超過門檻值時，數字普惠金融發展系數依然為負，且通過了1%的顯著性檢驗，但其絕對值與未超過門檻值時相比略有減小。其原因是，在快速發展階段，綠色金融會釋放紅利效應，數字普惠金融發展對碳排放強度的抑制作用增強；當綠色金融發展到一定程度時，市場上的綠色金融產品和服務逐漸增多，甚至達到飽和狀態，金融交易行為相對穩定，因而數字普惠金融發展對碳排放強度的影響會有所減弱，Ｈ4得到驗證。仍以2021年數據為例，可以發現，研究樣本中的所有城市綠色金融發展水平均超過了門檻值。

（三）空間回歸模型分析

本文采用空間回歸模型研究數字普惠金融發展對碳排放強度影響的空間溢出效應。

首先，對數字普惠金融發展指數以及碳排放強度進行空間自相關檢驗。結果顯示，2011—2021年，數字普惠金融指數和碳排放強度的莫蘭指數在反經濟距離空間權重矩陣下均顯著大于0，即各個城市間的數字普惠金融發展與碳排放強度存在顯著的正向空間自相關性。

其次，進行LM檢驗，結果見表5所列?？臻g誤差模型和空間滯后模型檢驗結果顯示，碳排放強度系數均通過了1%顯著性檢驗，進一步說明碳排放強度存在明顯的空間相關性。

最后，豪斯曼檢驗結果表明固定效應模型優于隨機效應模型，同時，考慮時間差異，本文選擇個體和時間雙向固定的空間杜賓模型（[SDM]）。此外，為檢驗結果的穩健性，本文列出了空間自回歸模型（[SAR]）和空間誤差模型（[SEM]）回歸結果，具體見表6所列。可以看出，三種模型的空間自回歸系數均顯著大于0，表明碳排放強度存在正向空間自相關性。LR檢驗結果顯示，P值分別為0.006 8和0.000 0，且通過了1%顯著性檢驗，說明空間杜賓模型最優。從空間杜賓模型檢驗結果可以看出，數字普惠金融指數與反經濟距離空間權重矩陣的交互項（[W×digfin]）在1%水平下顯著為負，初步表明數字普惠金融發展對碳排放強度的影響存在空間溢出效應。此外，通過偏微分法將空間溢出效應分解為直接效應、間接效應以及總效應，結果顯示，三種效應系數均至少在5%顯著性水平下為負，說明數字普惠金融發展對碳排放強度的影響存在空間溢出效應，H5得到驗證。

（四）異質性分析

1. 結構異質性分析

本文將數字普惠金融的三個二級指標數字金融覆蓋廣度（[cover]）、數字金融使用深度（[usage]）以及普惠金融數字化程度（[digit]）作為核心解釋變量，考察數字普惠金融發展對碳排放強度的影響是否具有異質性，回歸結果見表7所列。其中，列（1）為將數字普惠金融發展作為核心解釋變量的回歸結果，列（2）至列（4）分別為將三個二級指標作為被解釋變量的回歸結果?？梢钥闯觯瑪底纸鹑诟采w廣度、數字金融使用深度以及普惠金融數字化程度對碳排放強度的影響均為負，但只有數字金融覆蓋廣度通過了1%的顯著性檢驗，表明數字金融覆蓋廣度對碳排放強度具有顯著的抑制作用。其原因是，數字金融覆蓋廣度是數字金融使用深度和普惠金融數字化程度的前提，互聯網的發展打破了地域限制，為企業提供了環境友好型的金融服務，所以數字金融覆蓋廣度對碳排放強度的抑制作用顯著；而數字金融使用深度和普惠金融數字化程度的發展依賴于數字金融覆蓋廣度建設，另外，普惠金融由傳統方式轉變為數字方式需要一定時間，因此，數字金融使用深度和普惠金融數字化程度對碳排放強度的抑制作用尚未在統計上表現出來。

2. 城市類型異質性分析

首先，本文根據《全國資源型城市可持續發展規劃（2013—2020年）》《資源枯竭城市名單》將樣本劃分為資源型城市、非資源型城市和資源枯竭型城市分別進行回歸，結果見表8列（1）至列（3）?？梢钥闯?，在三種類型城市中數字普惠金融發展與碳排放強度均顯著負相關，進一步參考連玉君等（2010）［44］的做法，利用Bootstrap法自抽樣1 000次檢驗數字普惠金融發展系數在資源型城市與非資源型城市、資源型城市與資源枯竭型城市以及非資源型城市與資源枯竭型城市之間的差異，得到的經驗P值分別為0.207、0.450、0.362，均沒有通過顯著性檢驗，說明在三種類型城市中，數字普惠金融發展對碳排放強度的影響均不存在異質性。

其次，本文將樣本城市劃分為長江經濟帶城市和非長江經濟帶城市兩組分別進行回歸，結果見表8列（4）至列（5）?？梢钥闯觯陂L江經濟帶城市中數字普惠金融發展對碳排放強度的影響系數顯著為負，在非長江經濟帶城市中影響系數為負但不顯著。原因是，長江經濟帶城市是生態文明建設先行示范區，同時，我國大力推動長江經濟帶城市高質量發展，因而在長江經濟帶城市中數字普惠金融發展對碳排放強度的影響比較顯著。進一步計算得到經驗P值為0.000，表明數字普惠金融發展對碳排放強度的影響在兩組城市中存在顯著差異。

（五）穩健性檢驗

1. 內生性檢驗

數字普惠金融會影響碳排放強度，反過來，碳排放強度高的地區也會被迫加快數字普惠金融建設，因此，數字普惠金融發展和碳排放強度之間存在雙向因果關系，從而產生內生性問題。為解決這一問題，本文借鑒Guo和Ma（2023）［16］構造的“Bartik Instrument”工具變量，將數字普惠金融的一階滯后項和一階差分項的乘積作為工具變量。Kleibergen-Paap rk LM統計量和Kleibergen-Paap rk Wald F統計量結果均拒絕原假設，表明工具變量是可識別的，且該工具變量不是弱工具變量?；貧w結果見表9列（1），可以看出，數字普惠金融發展系數在1%水平下顯著為負，表明數字普惠金融發展能夠抑制碳排放強度，說明前文結論具有穩健性。

2. 縮尾處理

本文對原始數據進行1%縮尾處理以消除極端值對回歸結果造成的偏誤，回歸結果見表9列（2）?？梢钥闯?，數字普惠金融發展系數顯著為負，表明前文結論是可靠的。

3. 替換被解釋變量

由于一些變量的選擇可能會導致估計結果偏誤，同時，各地區人口數量和經濟發展水平存在差異，因此，本文采用人均碳排放量替換碳排放強度重新回歸，結果見表9列（3）?？梢钥闯?，數字普惠金融發展系數仍然顯著為負，表明前文結論具有穩健性。

4. 調整樣本期

2015年，《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》首次提出實施國家大數據戰略后，數字經濟快速發展，因此，本文將樣本期調整為2015—2021年重新進行回歸估計，結果見表10列（1）?？梢钥闯?，數字普惠金融發展系數仍顯著為負，表明前文結論具有穩健性。

5. 剔除副省級城市及直轄市

副省級城市和直轄市由于其特殊的行政地位，在科技發展水平、經濟發展水平、政策沖擊等方面與一般地級市有很大差異，因此，本文將這些城市剔除重新進行回歸，結果見表10列（2）?？梢钥闯?，數字普惠金融發展系數仍顯著為負，表明前文結論具有穩健性。

6. 替換權重矩陣

本文將鄰接空間權重矩陣納入空間杜賓模型重新進行回歸，結果見表10列（3），可以看出，數字普惠金融發展和其與空間權重矩陣交互項的系數均顯著為負，其余變量的系數與前文均一致，表明前文結論具有穩健性。

六、結論與建議

本文基于2011—2021年我國279個地級市（含直轄市）的面板數據，利用基準回歸模型、面板門檻模型以及空間杜賓模型，探究數字普惠金融發展與碳排放強度之間的關系。研究結論為：①數字普惠金融發展能夠顯著降低碳排放強度，該結論在經過一系列穩健性檢驗后仍然成立。②數字普惠金融發展會因自身發展水平、產業結構發展水平以及綠色金融發展水平的不同而對碳排放強度產生非線性影響。首先，數字普惠金融發展對碳排放強度的抑制作用會因自身發展水平的不斷提高表現出先增強后減弱的非線性特征；其次，數字普惠金融發展對碳排放強度的抑制作用會隨著產業結構發展水平和綠色金融發展水平的提高而不斷減弱。③數字普惠金融發展對碳排放強度的影響具有空間溢出效應。數字普惠金融發展不僅可以降低本地區碳排放強度，也可以降低鄰近地區的碳排放強度，這一空間效應在反經濟距離空間權重矩陣和鄰接空間權重矩陣下都得到了證實。④數字普惠金融發展對碳排放強度的影響具有異質性。結構異質性檢驗結果發現，三個二級指標中只有數字金融覆蓋廣度對碳排放強度的影響顯著，數字金融使用深度和普惠金融數字化程度對碳排放強度的影響系數雖然為負，但未通過顯著性檢驗。類型異質性檢驗發現：在資源型城市、非資源型城市以及資源枯竭型城市中，數字普惠金融對碳排放強度均有抑制作用，不存在異質性；而在長江經濟帶和非長江經濟帶城市中，數字普惠金融發展對碳排放強度的影響存在顯著的異質性，具體為，在長江經濟帶城市中數字普惠金融發展能夠顯著抑制碳排放強度，而在非長江經濟帶城市中這種抑制作用尚不明顯。

基于上述研究結論，本文提出以下建議：

第一，加快數字普惠金融相關基礎設施建設，促進低碳發展。數字普惠金融發展顯著降低了碳排放強度，因此，應加快5G基站、大數據中心、人工智能及區塊鏈服務等基礎設施建設，提升普惠金融科技水平，強化對小微企業的金融支持，擴大數字普惠金融覆蓋廣度。地方政府應大力引進高素質數字技術人才，增加數字金融的投入，引導金融機構為小微企業綠色轉型提供支持。

第二，以數字普惠金融服務引導產業結構合理調整，促進綠色金融發展。數字普惠金融對碳排放強度的抑制作用受產業結構和綠色金融的影響，因此，地方政府應優化財政、金融和人力資本等政策，促進產業結構合理化發展。此外，要在普惠金融服務中融入綠色低碳發展目標，加快數字金融和綠色金融的融合，探索開發符合小微企業經營特點的綠色金融產品，完善綠色信貸的激勵和約束機制，推動綠色金融向環境友好型發展，從而實現減碳目標。

第三，發揮數字普惠金融的“綠色”輻射效應，區域協同治理碳排放。數字普惠金融發展打破了地理距離和空間的限制，不僅可以降低本地區碳排放強度，對周邊地區碳排放強度也具有一定的抑制作用。因此，應盡快開展節能減排政策的區域協調與合作，促進碳排放的聯合控制和協同治理，鼓勵地區間相互學習，共享低碳技術和經驗，聯合開展碳減排項目。

第四，因地制宜實施數字普惠金融發展調控措施，以更好發揮其碳減排效應。數字普惠金融對碳排放強度的影響存在異質性，因此，政府應鼓勵金融機構將業務下沉到數字金融覆蓋范圍較小的地區，而數字金融覆蓋范圍較廣的城市則可以加大數字技術推廣運用，提升數字金融的數字化程度。此外，長江經濟帶城市群應繼續推動經濟高質量發展，充分利用數字普惠金融在碳減排方面的紅利效應，發揮示范引領作用；非長江經濟帶城市群不僅要完善數字普惠金融基礎設施建設，為數字普惠金融發展筑牢基礎，而且要學習長江經濟帶城市先進經驗，促進城市綠色低碳發展。

注 釋：

（1）范圍1：城市轄區內的所有直接碳排放；范圍2：發生在城市轄區之外的與能源有關的間接碳排放；范圍3：由城市內部活動引起，產生于轄區之外，但不包括范圍2的其他間接碳排放。

參考文獻：

［1］孫芳城，伍桂林，蔣水全.數字普惠金融對企業投資效率的影響研究［J］.華東經濟管理，2023，37（1）：95-107.

［2］葛和平，吳倩.數字普惠金融對民營經濟高質量發展的影響研究［J］.經濟問題，2022（11）：27-35.

［3］CHIBBA M. Financial Inclusion，Poverty Reduction and the Millennium Development Goals［J］. The European Journal of Development Research，2009，21（2）：213-230.

［4］賀慧惠，童天天.數字普惠金融對長期多維相對貧困的影響與機制研究［J］.宏觀經濟研究，2023（9）：33-53.

［5］易行健，周利.數字普惠金融發展是否顯著影響了居民消費——來自中國家庭的微觀證據［J］.金融研究，2018（11）：47-67.

［6］李平，李伯楷.數字普惠金融發展與居民消費升級［J］.統計與決策，2023，39（13）：144-149.

［7］程廣斌，趙川，李祎.數字普惠金融、空間溢出與經濟增長［J］.統計與決策，2022，38（16）：132-136.

［8］陳嘯，孫曉嬌，王國峰.數字普惠金融、數字創新與經濟增長——基于省級面板數據的實證考察［J］.經濟問題，2023（6）：34-40.

［9］斯麗娟，湯曉曉.數字普惠金融對農戶收入不平等的影響研究——基于CFPS數據的實證分析［J］.經濟評論，2022（5）：100-116.

［10］楊彩林，李雯雅，曹秋菊.數字普惠金融、農戶信貸供給與城鄉收入差距［J］.統計與決策，2022，38（12）：130-135.

［11］PETERS G，DAVIS S，ANDREW R. A Synthesis of Carbon in International Trade［J］. Biogeosciences，2012，9（8）：3247-3276.

［12］FU J F，LI Y . Regional Difference Analysis on China's Carbon Dioxide Emission Embodied in Exports［J/OL］. Advanced Materials Research［2023-10-30］.https：//doi.org/10.402 8/www.scientific.net/AMR.524-527.2623

［13］余星輝，卜亞.數字經濟發展對城市碳排放的影響［J］.金融與經濟，2023（1）：74-84.

［14］佘群芝，吳柳，鄭潔.數字經濟、經濟聚集與碳排放［J］.統計與決策，2022，38（21）：5-10.

［15］金飛，徐長樂.數字經濟發展對碳排放的非線性影響研究［J］.現代經濟探討，2022（11）：14-23.

［16］GUO S，MA H. Can Urban Digitalization Significantly Improve Carbon Emission Efficiency？ Evidence from 282 Cities in China［J］. Environmental Science and Pollution Research，2023，30（19）：55214-55236.

［17］黃寰，何廣，肖義.低碳城市試點政策的碳減排效應［J］.資源科學，2023，45（5）：1044-1058.

［18］董梅，李存芳.低碳省區試點政策的凈碳減排效應［J］.中國人口·資源與環境，2020，30（11）：63-74.

［19］邵帥，范美婷，楊莉莉.經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察［J］.管理世界，2022，38（2）：46-69，4-10.

［20］范東壽.農業技術進步、農業結構合理化與農業碳排放強度［J］.統計與決策，2022，38（20）：154-158.

［21］張琳杰，崔海洋.長江中游城市群產業結構優化對碳排放的影響［J］.改革，2018（11）：130-138.

［22］張晨露，張凡.生態保護、產業結構升級對碳排放的影響——基于長江經濟帶數據的實證［J］.統計與決策，2022，38（3）：77-80.

［23］王星.中國城鎮化對碳排放的影響——基于省級面板數據的分析［J］.城市問題，2016（7）：23-29.

［24］王鑫靜，程鈺.城鎮化對碳排放效率的影響機制研究——基于全球118個國家面板數據的實證分析［J］.世界地理研究，2020，29（3）：503-511.

［25］江紅莉，王為東，王露，等.中國綠色金融發展的碳減排效果研究——以綠色信貸與綠色風投為例［J］.金融論壇，2020，25（11）：39-48，80.

［26］趙曉春，龍來春，周瑛.綠色金融、政府干預與區域碳排放效率［J］.統計與決策，2023，39（10）：149-154.

［27］馬曉君，董碧瀅，于淵博，等.東北三省能源消費碳排放測度及影響因素［J］.中國環境科學，2018，38（8）：3170-3179.

［28］王少劍，蘇泳嫻，趙亞博.中國城市能源消費碳排放的區域差異、空間溢出效應及影響因素［J］.地理學報，2018，73（3）：414-428.

［29］蘇培添，王磊.數字普惠金融對中國農業碳排放強度影響的空間效應與機制［J］.資源科學，2023，45（3）：593-608.

［30］孫靈燕，張全飛.數字普惠金融對企業碳排放強度的影響研究［J］.江西社會科學，2023，43（11）：90-101.

［31］王守坤，范文誠.數字普惠金融與碳減排——基于中國縣級數據的實證分析［J］.當代財經，2022（11）：53-64.

［32］姚鳳閣，王天航，談麗萍.數字普惠金融對城市全要素碳排放生產率的影響［J］.商業研究，2022（3）：112-121.

［33］江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100-120.

［34］朱東波，張相偉.中國數字金融發展的環境效應及其作用機制研究［J］.財經論叢，2022（3）：37-46.

［35］呂鯤，潘均柏，周伊莉，等.政府干預、綠色金融和區域創新能力——來自30個省份面板數據的證據［J］.中國科技論壇，2022（10）：116-126.

［36］張小鋒，王菁彤.數字普惠金融對區域經濟協調發展的影響效應［J］.商業研究，2022（2）：40-48.

［37］梁玲玲，李燁，陳松.數字普惠金融促進企業綠色技術創新的效應與機制檢驗［J］.統計與決策，2023，39（11）：168-173.

［38］DU Q，DENG Y，ZHOU J，et al. Spatial Spillover Effect of Carbon Emission Efficiency in the Construction Industry of China［J］. Environmental Science and Pollution Research，2022，29（2）：2466-2479.

［39］叢建輝，劉學敏，趙雪如.城市碳排放核算的邊界界定及其測度方法［J］.中國人口·資源與環境，2014，24（4）：19-26.

［40］李壽喜，張珈豪.數字普惠金融、技術創新與城市碳排放強度［J］.華東師范大學學報（哲學社會科學版），2023，55（2）：161-172，178.

［41］郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征［J］.經濟學（季刊），2020，19（4）：1401-1418.

［42］鄺嫦娥，路江林.環境規制對綠色技術創新的影響研究——來自湖南省的證據［J］.經濟經緯，2019，36（2）：126-132.

［43］劉華珂，何春.綠色金融促進城市經濟高質量發展的機制與檢驗——來自中國272個地級市的經驗證據［J］.投資研究，2021，40（7）：37-52.

［44］連玉君，彭方平，蘇治.融資約束與流動性管理行為［J］.金融研究，2010（10）：158-171.

［責任編輯：夏同梅］

［DOI］10.19629/j.cnki.34-1014/f.231102021