數字金融、綠色創新與綠色轉型

摘 要：在當前我國追求高質量發展的背景下，企業通過數字信息的深度應用，能夠在生產、運營、銷售以及研發創新等多個關鍵環節獲得強大賦能，進而有效推動企業實現發展模式的全面升級與轉型。本文基于全國29個省份（市、自治區）2011—2021年的面板數據，通過構建PVAR模型研究了數字金融、綠色創新和綠色轉型這三者之間的動態影響關系，以期在加入更多相關信息并且考慮滯后影響，內生問題的情況下進行實證分析。研究表明：（1）滯后一期的綠色創新則對當前的數字金融發展沒有顯著影響。（2）滯后一期的數字金融對當前的綠色創新具有顯著的正向影響，但在東部地區則沒有顯著影響。（3）滯后一期的綠色創新能夠顯著正向影響當前的綠色創新水平。

關鍵詞： 數字金融；綠色創新；綠色轉型；PVAR模型；數字信息

中圖分類號：F124.3 文獻標識碼：A 文章編號：2096-0298（2024）09（b）--05

黨的二十大報告強調綠色發展，人與自然和諧共生。我國經濟已轉向高質量發展，群眾、產業、企業和政府均積極響應綠色轉型。隨著金融科技和數字技術如大數據、云計算、區塊鏈的廣泛應用，金融服務效率提高，推動了綠色創新。綠色技術創新能平衡經濟增長與環境保護，實現“雙贏”，提升企業競爭力。盡管有進步，但實現“碳達峰”和“碳中和”目標仍具挑戰。高質量發展要求數字信息賦能企業各環節，以升級發展模式。然而，優惠政策實施、資金支持、企業創新意愿等傳導機制仍存問題，需進一步研究解決，以確保綠色轉型和高質量發展的順利推進。

1 文獻綜述

數字經濟憑借大數據、云平臺等數字技術，在資源統籌、決策規劃上優勢明顯。挖掘其創新潛力，釋放發展動能，發揮綠色價值，是傳統產業綠色轉型升級的必然選擇。趙柄鑒（2021）研究發現，依托互聯網革命和科技創新所帶來的科技成果日漸成熟，并且與其他領域相互滲透、融合日趨緊密。黃健斌（2022）研究發現，數字技術、AI和機器人研發、智能制造等投入能提升生產力、擴大規模、激勵創新，降低生產成本。李治國等（2021）研究發現，數字經濟在企業和城市的制造業生產率提升中均發揮促進作用。程文先等（2021）發現綠色創新可以推動中國相關產業綠色化發展從而加速對數字經濟的建設，并且該效應隨著制度環境的提升表現出“U”型特征邊。劉敏樓等（2022）研究發現，數字金融智能化服務越高，金融服務越高效精準，并且能降低企業創新成本，提升綠色創新效率。周曉輝等（2021）研究發現，數字經濟提高資本配置效率，減少扭曲，長期促進綠色創新，非數字金融短期效應。

綠色創新顯著影響綠色轉型，我國經濟已由要素驅動轉向效率與創新雙驅動，但仍面臨內外部挑戰，如資源不足與政府支持缺乏，導致創新意愿不強。除節能減排與降低污染外，綠色金融政策會對企業融資成本產生沖擊，陳國進等（2021）研究發現，綠色金融政策能夠通過差異化信用利差提高企業債務融資成本，進而促進企業綠色轉型。曾惠芝（2022）研究發現，綠色金融與企業融資成本存在顯著正相關。王保林等（2023）研究發現，綠色創新能提升城市經濟韌性，增強對外沖擊的抵抗力。張學超等（2022）研究發現，綠色創新與經濟增長質量的耦合性隨著時間推進在不斷提升，但其耦合性存在區域性差異。古惠冬等（2022）研究認為，綠色技術創新有助于降低碳排放、促進節能減排、減少環境污染、提升綠色生產效率，其影響效應具有空間關聯性。

數字金融成為城市綠色轉型的強勁推手，而數字經濟則通過優化技術結構，顯著提升全要素生產率，為工業經濟的高質量發展注入了強大的技術驅動力。熊曉煉等（2022）研究指出，數字經濟與產業綠色轉型之間能夠實現耦合協調發展，盡管當前區域間的協同差異尚不顯著，但這種差異卻展現出逐漸擴大的趨勢。戚聿東等（2020）研究發現，企業轉型因能增加企業的整體開放性和流動性，被視為企業綠色創新的關鍵。劉廣亮等（2023）將綠色技術創新視為關鍵中介，深入剖析了創新要素集聚及政府競爭在促進產業結構升級過程中，綠色技術創新所扮演的中介角色及其影響機制。韓先鋒等（2023）研究揭示了綠色技術創新對地區產業升級的顯著正面效應，但值得注意的是，這種推動作用隨時間推移呈現出邊際效率遞減的非線性特征，即其正面影響的強度在逐漸減弱。

2 研究設計

2.1 模型構建

為研究數字金融、綠色創新與綠色轉型之間的關系，本文構建面板向量自回歸模型（PVAR）進行分析，模型如下：

其中，i、t分別表示樣本中的個體和時間，j為滯后階數，包含數字金融（digit）、綠色創新（invent）與綠色轉型（trans）三個內生變量。θit和δi分別表示隨時間變化的個體固定效應和不隨時間變化的個體固定效應，εit為隨機擾動項。

2.2 變量選擇

基于對相關文獻的借鑒以及數據和模型的適用程度，本文選取面板向量自回歸模型（PVAR），對全國數字普惠金融指數、企業綠色創新發明專利數、城市轉型程度三個時間序列變量來做實證研究。本文選擇三個變量如下：（1）數字金融（digit）：采取北京大學數字金融研究中心公布的數字普惠金融指數；（2）綠色創新 （invent）：采取每年各個地區企業綠色發明專利的申請數量；（3）綠色轉型（trans）：選取碳排放強度這一指標來衡量地區綠色轉型的程度。數據描述性統計如下表1所示：

2.3 單位根檢驗

本文為確保分析結果的準確性，鑒于采用的數據為短面板特性，采用LLC、IPS及HT三種方法對綠色創新（lninvent）、數字普惠金融指數（lndigit）及綠色轉型（trans）對數序列進行了單位根檢驗。若初次檢驗結果顯示序列不平穩，則進一步對這三個變量的對數序列進行一階差分處理（dlninvent、dlndigit和dtrans），并重新進行上述單位根檢驗，以期獲得平穩的時間序列。其檢驗結果如表2所示，數字普惠金融指數的對數序列（lndigit）通過平穩性檢驗，但綠色創新的對數序列（lninvent）和綠色轉型（trans）未通過平穩性檢驗，但綠色創新的對數序列（lninvent）和綠色轉型（trans）的一階差分均通過平穩性檢驗，故可構建面板向量自回歸模型。

2.4 最優滯后階數的選擇

本文采用MAIC、MBIC與MQIC準則來確定最優滯后階數，之后根據三個準則值最小化原則來選取最優滯后階數。結果顯示如表3所示，確定本文模型選取的最優滯后階數為1階。

2.5 穩健性檢驗

為確保模型穩定性以及后續GMM估計、脈沖響應分析和方差分解結果的有效性，本文進行了模型的穩健性檢驗。具體而言，通過檢查動態矩陣特征值的模型是否均小于1（位于單位圓內部）來評估模型穩定性。如圖1所示，所有動態矩陣特征值的模型均滿足這一條件，因此可以確認本文所采用的模型是穩健的。

2.6 GMM估計

在確認數據已通過單位根檢驗展現平穩性，并確定了最優滯后階數的基礎上，本文采用Stata 16.0軟件，運用廣義矩估計（GMM）方法對數字普惠金融指數、綠色創新以及綠色轉型三個核心變量進行了模型估計，旨在深入分析它們之間的動態交互關系。具體的研究發現及估計結果已整理并展示在表5中。

本文以數字金融（h_dlndigit）為被解釋變量。本年的數字金融會受到滯后一期的數字金融的影響，且其影響在1%顯著水平下為正，說明上一期的數字金融發展促進當前數字金融的發展，這表明數字金融的發展能夠不斷強化自身，其技術的發展存在著連續性，往年的技術更迭能為后期的數字金融發展打下技術和條件的基礎，并且這種促進效果的顯著，說明我國在數字金融的發展過程中做得較好，政策和技術的傳導較為有效。而滯后一期的綠色創新則對當前的數字金融發展沒有顯著影響，這可能是由于當前我國綠色技術的創新主要是集中在生產方式上，對于新能源的使用以及能源再生等技術的攻關較多，從而對數字金融并未產生顯著影響。滯后一期的綠色轉型對數字金融水平存在著顯著的正向影響，這可能是由于我國部分地區在綠色轉型期間企業數字技術的創新性優化提高了整個區域的數字金融程度，同時地區轉型過程中所需要的大規模資金對數字金融提高提出了要求，能夠有效促進相關基礎設施的完善以及金融體系的發展。

本文以綠色創新（h_dlninvent）為被解釋變量。滯后一期的數字金融對當前的綠色創新具有顯著的正向影響，這可能是數字金融通過對新技術、大數據的使用使得企業的可獲得資金增加以及資金使用成本降低，從而有效促進企業創新發明的積極性，也為其綠色創新提供了資金支持。滯后一期的綠色創新能夠顯著的正向影響當前的綠色創新水平，這可能是由于綠色創新的技術不斷積累能夠有效攻克相關的技術難題，通過技術積累能夠更有效地進行創新以及相關技術人才隊伍的不斷壯大也能夠有效提高創新實力。

本文以綠色轉型（h_dtrans）為被解釋變量，滯后一期的綠色創新均對綠色轉型有正向影響，其原因可能是由于綠色創新能夠通過技術在保障經濟績效的同時促進整個地區的節能減排，實現資源高效以及再生使用，以及人力、資源等各方面資源的投入和高效使用能夠極大的促進地區的綠色轉型。滯后一期的綠色轉型能夠顯著正向影響當期的綠色轉型，其原因可能是技術、產業和相關人力資源的堆積，使得綠色轉型進程不斷加快，從而產生正向影響。

2.7 脈沖響應分析

本文對模型的矩估計（GMM）結果顯示了各變量之間的靜態互動關系，為了進一步研究數字金融、綠色創新和綠色轉型三者之間的動態影響關系，本文對三個變量進行脈沖響應分析。脈沖響應函數是在控制其他變量的情況下，描述一個內生變量在受到另一個內生的變量標準化沖擊后的響應情況。本文設置時間跨度為10期，進行300次蒙特卡洛模擬，橫坐標表示滯后期數，縱坐標反映響應變量的響應程度，實線表示沖擊效果，陰影部分表示95%的置信區間。

如圖2所示，是全國樣本整體的數字金融、綠色創新和綠色轉型三者之間的脈沖響應函數。從圖2可知，綠色轉型長期對自身存在促進作用，但是隨著時間的推移，其對自身的促進作用逐漸變弱；而綠色轉型在短期內表現出對綠色創新有較大促進作用，但是該促進作用在長期逐漸衰弱；綠色轉型對數字金融在第一期表現出抑制作用，而在第三期以及后期則表現出促進作用逐漸減弱的影響作用。在長期范圍，綠色創新對綠色轉型表現出較為持久的促進作用；綠色創新對于其自身則表現出隨時間遞減的促進效果，并且其促進效果隨著時間的遞減較為明顯；綠色創新對于數字金融的影響效果表現出倒“U”型特征，前期的促進作用較強，后期則隨著時間促進效果逐漸減少。數字金融對綠色轉型以及綠色創新均表現出隨時間逐漸減弱的促進作用，但其促進效果隨時間變化較輕；數字金融前期對自身表現出較為顯著的促進作用，其后則隨著時間改變逐漸減小。

2.8 方差分解

為了量化不同隨機擾動項對內生變量產生的沖擊效應，并深入探討這些沖擊在動態演變過程中的相互影響程度，本文針對所建模型進行了方差分解分析。在設定分析期數為10期的前提下，方差分解的具體結果見表5。

從數字金融的方差貢獻率來看，在期初數字金融對自身的方差貢獻率較大，在第五期達到53.4%，同時綠色轉型對數字金融的方差貢獻率也較大。而在第十期，綠色轉型的方差貢獻率甚至超過了數字金融自身。

從綠色創新的方差貢獻率來看，在期初綠色轉型對綠色創新的方差貢獻率較大，在第十期和第五期達到了79.7%，而自身的方差貢獻率僅為20%。

從綠色轉型的方差貢獻率來看，綠色轉型對自身的方差貢獻率均較大，綠色轉型的方差貢獻率均達到95%以上。

2.9 格蘭杰因果檢驗

為進一步分析數字金融、綠色創新和綠色轉型之間的短期動態影響和因果關系，本文對這三個變量進行格蘭杰因果檢驗。結果如表6所示，綠色轉型是數字金融的單向格蘭杰原因，數字金融是綠色創新的單向格蘭杰原因，綠色創新是綠色轉型的單向格蘭杰原因。這說明綠色轉型能夠單向影響數字金融發展，數字金融能夠單向影響綠色創新增長，綠色創新能夠單向影響綠色轉型程度。

3 結論與建議

本文使用全國29個省份（市、自治區）2011—2021年的面板數據，運用PVAR模型對數字金融、綠色創新、綠色轉型之間的動態交互關系進行了分析，得出以下結論。

（1）GMM廣義矩估計結果顯示：①以數字金融作為被解釋變量。本年的數字金融會受到滯后一期的數字金融的影響，且其影響在1%顯著水平下為正，說明上一期的數字金融發展促進當前數字金融的發展；滯后一期的綠色創新則對當前的數字金融發展沒有顯著影響；滯后一期的綠色轉型對數字金融水平存在著顯著的正向影響。以綠色創新為被解釋變量。滯后一期的數字金融對當前的綠色創新具有顯著的正向影響；滯后一期的綠色創新能夠顯著的正向影響當前的綠色創新水平。②以綠色轉型為被解釋變量。滯后一期的數字金融對影響綠色轉型的影響不顯著；滯后一期的綠色創新對綠色轉型有正向影響；滯后一期的綠色轉型能夠顯著正向影響當期的綠色轉型。

（2）脈沖響應結果顯示，在全國范圍內綠色轉型在長期對自身以及綠色創新存在促進作用，但是隨著時間的推移，其對自身的促進作用逐漸變弱；綠色轉型對數字金融在第一期表現出抑制作用，而在第三期以及后期則表現出促進作用逐漸減弱的影響作用。在長期范圍，綠色創新對綠色轉型以及自身表現出較為持久的促進作用。綠色創新對于數字金融的影響效果表現出倒“U”型特征。數字金融對自身、綠色轉型以及綠色創新均表現出隨時間逐漸減弱的促進作用，但其促進效果隨時間變化較輕。

根據上述實證得出的結論，本文提出以下政策建議。

（1）加強數字金融建設，確保其與經濟發展和產業結構變化相匹配。政府應持續投入數字經濟發展和創新，構建動態匹配指數，推動數字技術與產業融合，特別是在西部地區，促進數字金融與傳統產業融合，助力綠色轉型。對重污染企業，利用數字技術提供資金支持，推動綠色轉型。大城市應利用成熟市場放大數字經濟綠色效應，中小城市則應完善基礎設施和政策支持，提高數字金融服務的經濟可持續性。

（2）加快企業經濟綠色轉型，鼓勵綠色創新，政府需加強引導和政策支持，強調節約優先，平衡產出與效率，降低能耗和碳排放。當前企業綠色創新影響較小，政府應加大支持，企業深化研究，共同推動綠色技術迭代更新。深化產業協同集聚，打造全產業鏈綠色發展，降低綠色創新風險與成本。政府可通過稅收優惠、政策補貼等手段制定政策，提升綠色創新認識。在產業層面，推動一體化調控和協同發展，增強自主創新能力，延伸產業鏈，提高風險抵抗和節能減排效率。

參考文獻

趙柄鑒，譚君印，文傳浩.智能化與工業競爭力：理論機制與實證研究[J].統計與決策，2021，37（23）：174-178.

黃鍵斌，宋鐵波，姚浩.智能制造政策能否提升企業全要素生產率？[J].科學學研究，2022，40（3）：433-442.

李治國，王杰.數字經濟發展、數據要素配置與制造業生產率提升[J].經濟學家，2021（10）：41-50.

程文先，錢學鋒.數字經濟與中國工業綠色全要素生產率增長[J].經濟問題探索，2021（8）：124-140.

劉敏樓，黃旭，孫俊.數字金融對綠色發展的影響機制[J].中國人口·資源與環境，2022，32（6）：113-122.

周曉輝，劉瑩瑩，彭留英.數字經濟發展與綠色全要素生產率提高[J].上海經濟研究，2021（12）：51-63.

陳國進，丁賽杰，趙向琴，等.中國綠色金融政策、融資成本與企業綠色轉型： 基于央行擔保品政策視角[J].金融研究，2021，498 （12）：75-95.

曾惠芝.綠色金融、碳減排與企業融資成本[J].內蒙古財經大學學報，2022，20（1）：103-107.

王保林，戶艷領，李依彎.京津冀城市群綠色創新效率測度及空間效應研究[J].河北經貿大學學報，2023，44（2）：88-99.

張學超.綠色技術創新與經濟增長質量的關系研究[J].技術經濟與管理研究，2022（12）：23-28.

古惠冬，楊維光，陳文捷.綠色技術創新對城市碳減排的效應研究[J].學術探索，2022（3）：120-132.

熊曉煉， 樊健.金融科技與制造業綠色轉型協同演化機制及區域協同差異： 基于哈肯模型的實證分析[J].科技進步與對策， 2022（11）：63-73.

戚聿東，肖旭.數字經濟時代的企業管理變革[J].管理世界，2020，36（6）：135-152+250.

劉廣亮，冉啟英，趙蓉，等.異質性地方政府競爭、綠色技術創新與產業結構升級[J].科技管理研究，2023，43（1）：215-222.

韓先鋒，李佳佳，徐杰.綠色技術創新促進地區產業升級的動態調節效應：基于經濟增長目標約束的新視角[J].科技進步與對策，2023，40（8）：44-53.