金融發展與產業智能化對綠色經濟發展的賦能機制

摘 要：推動綠色經濟發展，加快能源綠色轉型是實現碳達峰、碳中和的重要途徑。基于2009-2019年中國27個省市面板數據，運用固定效應回歸、分地區回歸和FGLS方法，從金融發展視角，對產業智能化賦能綠色經濟發展的作用機制以及空間異質性進行實證研究。結果表明：金融發展水平、產業智能化以及二者的交互作用對綠色經濟發展具有顯著正向影響；金融發展水平、產業智能化以及二者交互作用對綠色經濟發展的影響具有顯著異質性，其中，金融發展水平和產業智能化對東部地區綠色經濟發展有顯著影響，而二者的交互作用主要影響中西部地區綠色經濟發展。

關鍵詞：金融發展；產業智能化；綠色經濟發展；碳排放；空間異質性

中圖分類號：F061.5

文獻標識碼：A

文章編號：1001-7348（2024）17-0054-10

0 引言

近年來，如何控制二氧化碳排放一直是全球熱議的問題。推動低碳減排，實現碳達峰、碳中和戰略目標，加快經濟綠色轉型迫在眉睫。相較于歐盟、美國、日本等發達國家和經濟體，中國的綠色經濟起步較晚，但發展迅速。1994年我國發布《中國21世紀人口、環境與發展白皮書》，首次提及碳減排政策；2012年中共十八大提出“五位一體”戰略構想，表明綠色發展在我國戰略層面上得到進一步提升，綠色經濟建設進入深化階段。

金融發展在產業智能化驅動綠色經濟發展過程中影響顯著。一方面，金融發展會促進經濟增長，刺激各類非清潔能源需求上升，從而引起二氧化碳排放量增加，造成環境污染；另一方面，金融發展通過支持技術創新，提高生產效率，減少碳排放，促進綠色經濟發展[1]。產業智能化則通過提高能源利用率等途徑，減少能源消耗、降低碳排放，推動綠色經濟發展[2]。我國在發布的《2030年前碳達峰行動方案》中指出，二氧化碳排放的主要源頭產業是工業，優化產業結構，加強技術改造，推進工業領域智能化發展，是推動工業領域綠色低碳發展的主要方式之一。

然而，我國智能化發展水平尚不均衡，各行業間存在較大差距。如我國擁有世界最大的工業機器人市場，但相較于龐大的人口基數和遼闊的國土面積，工業機器人整體體量不足，且各地區工業機器人發展水平參差不齊。雖然我國金融體系日漸成熟、開放程度不斷提升，但是理論上缺乏對金融發展與綠色經濟發展作用關系的深入探討。因此，本文首先分析我國產業智能化對綠色經濟發展的影響及作用途徑；其次是探究金融發展水平對我國綠色經濟發展的影響及效用。雖然已有文獻分別從金融發展水平和產業智能化角度研究二者與綠色經濟發展、碳排放關系，但并沒有綜合考慮兩個因素對綠色經濟發展的影響。本文擬從該角度拓展現有研究，從產業智能化和金融發展角度為我國經濟實現綠色低碳發展提供政策建議。

1 文獻綜述

現有文獻大多側重于分析金融發展、產業智能化與綠色經濟發展中任意二者關系。

1.1 綠色經濟發展

近年來，綠色經濟發展趨勢以及影響因素成為熱點研究問題。如徐曉光等[3]針對綠色經濟發展構建評價指標體系，歸納影響因素，并發現中國綠色經濟發展水平整體呈上升趨勢；佟賀豐等（2015）選取7個綠色經濟相關產業，分析綠色經濟對總體經濟社會發展的潛在影響，發現綠色經濟有助于中國實現經濟高質量增長。在確定中國綠色經濟發展效率處于上升態勢的基礎上，李林漢和岳一飛[4]通過對2012-2016年中國內地30個省市綠色經濟效益的面板數據進行回歸發現，這種上升態勢不斷放緩，且綠色經濟效益存在區位差異性。也有少量研究認為，中國綠色經濟發展水平近年趨于穩定。如張薇[5]對2013-2017年中國內地30個省市綠色經濟發展水平進行面板回歸分析，發現其發展水平總體呈穩定態勢，且與經濟發達程度正相關。綠色經濟發展并不是一個獨立概念，而是受到眾多因素影響，如金融發展、產業智能化、教育、科技創新、環境規制、人口紅利等[6]。其中，教育和科技創新都能有效提高全要素碳排放效率，后者還可通過提高前者水平，積聚人力資本，進而間接推動社會低碳發展[7]；環境規制強度與綠色經濟發展呈“U”型關系[8]；在發展中國家，人口紅利通過擴大人口規模、提高總人口就業率加劇碳排放，不利于綠色經濟發展[9]。此外，稅收政策、貿易發展、地域區位、能源結構與利用率以及高效生態、工業類型、科技應用、企業規模等都是影響綠色經濟發展的重要因素[10-12]。

1.2 金融發展對綠色經濟發展的影響

國內外關于金融發展對綠色經濟影響的研究成果很豐富，學者們主要從金融和綠色金融兩個角度研究其對綠色經濟發展的影響，其作用大致分為三類。首先，大部分研究認為金融發展對綠色經濟發展有顯著促進作用。如Artur等[13]發現，金融發展是影響經濟環境質量的決定性因素，金融自由化和開放水平對碳排放減少具有重要影響；Jalilamp;Feridun[14]實證研究了1953-2006年中國金融發展、經濟發達程度以及能源消費對環境的影響，研究結果表明，金融發展有助于減少污染，且中國的碳排放主要取決于居民人均收入、能源消費和貿易自由度；Muhammad等[15]基于南非1965-2008年面板數據，對當地金融水平、經濟發展、煤炭消耗、貿易自由與環境績效關系進行實證分析，認為經濟發展會增加能源消耗，而金融發展會降低污染排放水平；Muhammad等[16]對1971-2008年馬來西亞面板數據進行回歸分析，也發現經濟增長促進碳排放，金融發展有利于降低碳排放。其次，有部分研究顯示上述二者存在非線性關系。例如嚴成樑等[17]對1997-2012年中國內地30個省市的金融發展與二氧化碳排放強度面板數據進行實證分析，結果表明，二者之間存在倒U型的非線性關系；史代敏和施曉燕[18]對2010-2018年中國內地30個省市面板數據進行實證分析，發現中國僅有少量地區的綠色金融水平達到門限值，且只有處于門限值以上時綠色金融才能促進經濟高質量增長。最后，還有少量研究認為金融發展水平與綠色經濟發展之間不存在顯著關系。例如Ozturk等[19]發現，土耳其的人均二氧化碳排放量與金融發展不具有長期關系，其中，二氧化碳排放水平隨著收入增加不斷提高，直至達到穩定點。

1.3 產業智能化對綠色經濟發展的影響

產業智能化對綠色經濟發展的影響十分復雜。黃海燕、劉葉等（2021）將碳排放劃分為碳排放總量和碳排放強度，利用2006-2018年中國18個工業行業面板數據實證分析工業智能化對二者的影響，發現工業智能化對前者具有顯著正向作用，對后者具有顯著負向作用；劉亮和胡國良[20]發現，人工智能通過技術效應顯著促進全要素生產率提高，且人工智能對生產率的提升效應與行業技術層次相關，技術層次越高，效果越明顯；韓民春和趙澤彬[21]從碳排放約束視角進行研究，發現產業智能化顯著縮小東中西部地區經濟差距。目前關于產業智能化與綠色經濟發展關系的研究文獻較匱乏，大部分研究集中于探究智能化對經濟發展的影響。早期研究通常以計算機化衡量智能化，如Brynjolfsson等[22]認為計算機化在短期和長期內都對生產率有正向影響。隨著工業機器人使用率提高，部分學者將工業機器人作為衡量智能化水平的指標，研究智能化水平對經濟增長的影響。工業智能化可以替代人力勞動[23]，大幅度提高生產率，從而帶動經濟增長[24]。產業智能化通過多種途徑影響綠色經濟發展。如李丫丫和潘安[25]通過對我國2001-2014年面板數據進行回歸，實證檢驗工業機器人進口貿易與制造業生產率關系，發現前者通過技術溢出效應對后者產生推動作用；陳永偉和曾昭睿[26]研究發現，工業機器人應用通過提高技術效益、擴大規模效益兩種機制提升工業生產效率。產業智能化水平提高、工業機器人與智能設備應用率提高，均屬于技術進步，而技術進步是控制碳排放的重要途徑，能夠顯著降低行業碳排放且存在行業異質性[27]。

綜上所述，現有文獻采用直接和間接方式研究產業智能化、金融發展對綠色經濟發展的影響，卻沒有綜合考慮二者交互與綠色經濟發展的關系。此外，鮮有從金融視角對智能化賦能綠色經濟發展的影響機制進行研究的文獻。現有文獻也沒有考慮不同地區的差異性，對金融發展、產業智能化與綠色經濟發展空間關系的解析存在不足。基于此，本文的創新之處在于：一是從金融發展視角研究產業智能化對綠色經濟發展的影響機制；二是探究金融發展與產業智能化之間是否存在對綠色經濟發展的交互影響；三是進一步研究金融發展、產業智能化對綠色經濟的影響是否存在空間異質性。

2 機理分析與研究假設

2.1 金融發展對綠色經濟的影響機理

金融發展對綠色經濟的影響具有兩面性，即金融發展可以通過增加能源需求抑制綠色經濟發展，也可以通過降低碳排放促進綠色經濟發展。如圖1所示，本文將從消費端和供給端，分別研究金融發展對綠色經濟的抑制和促進作用。

（1）金融發展對綠色經濟的抑制效應。金融發展會促進能源需求增長，進而抑制綠色經濟發展。這是因為金融發展將增加居民可支配收入，促進經濟增長，從而增加能源消費。從消費端而言，由于具有收入效應，當國家金融業務繁榮時，居民消費水平獲得提高，其中很大一部分屬于非綠色消費，導致能源需求增加。從供給端而言，隨著金融發展，企業融資更加便利，融資成本降低，同時，非綠色消費增加刺激企業擴大規模，上述兩個方面將同時增加能源需求，從而抑制綠色經濟發展。

（2）金融發展對綠色經濟的促進效應。金融發展通過降低碳排放促進綠色經濟發展。從消費端而言，為引導居民綠色消費，政府會向個人或企業發行綠色消費券，有助于改變消費者偏好，從而促進消費結構轉向綠色環保型，進而在消費端降低碳排放。從供給端而言，首先隨著國家或地區經濟向綠色低碳轉型，金融機構將給予低耗能高技術企業更多信貸支持，引導資金流向綠色產業，優化產業結構，進而降低環境污染；其次，金融發展還可以促進先進生產技術涌現、低污染生產方式形成，以替代高排放生產方式，從而抑制碳排放。對于金融發展與綠色經濟發展之間存在的這些關系，可以概述為結構效應與技術效應。

2.2 產業智能化對綠色經濟發展的影響機理

產業智能化水平影響綠色經濟發展的主要路徑是技術進步。技術進步對碳排放的影響具有兩面性，工業智能化作為技術進步的具體體現，對碳排放的影響也體現出兩面性，即存在促進和抑制兩個方面。如圖2所示，本文將通過產業智能化對碳排放的正負影響作進一步分析。

（1）產業智能化對綠色經濟發展的抑制效應。智能化水平主要通過兩個途徑抑制碳排放降低。首先，智能化催生行業技術進步，有助于提高行業生產率，擴大企業生產規模，推動經濟增長，從而導致碳排放絕對量上升。國內外研究顯示，工業機器人使用能夠顯著提高生產率[26]，進而促進經濟發展，而經濟增長被認為是促進碳排放的重要因素[23-24]。其次，工業智能化作為技術進步的具體表現，能夠吸引更多外商直接投資，其中，高污染類直接投資會顯著增加碳排放。現有研究表明，FDI對碳排放起促進作用[28]，長期來看，會提高東道國碳排放水平。

（2）產業智能化對綠色經濟的促進效應。產業智能化主要通過兩個途徑促進碳排放降低。一是技術進步效應。首先，技術進步帶來的生產效率提高會降低生產成本，實現相對的碳排放降低。其次，隨著技術進步、勞動力成本上升以及居民消費水平提高，外商投資更傾向于低污染、高技術類綠色項目，從而有助于降低碳排放。最后，技術進步提高了工業細分行業能源使用效率，即降低工業行業能源消耗強度，促進工業行業綠色發展。二是勞動力替代效應。一方面，智能化發展會在一定程度上減少低技術崗位用工數量[29]，而人口是促進碳排放的重要因素，因此工業智能化發展通過減少低技術勞動力數量從而對碳排放起到一定抑制作用；另一方面，工業機器人的大量應用會使企業增加高技術勞動力需求，促使低技術勞動力不斷提高技術水平，轉向高技術人才，進而優化人口結構，增強居民環境意識，長期來看，有助于降低碳排放。

2.3 研究假設

由上文可知，金融發展和產業智能化從多途徑影響綠色經濟發展，且二者對綠色經濟發展的影響都有兩面性。從作用途徑來看，二者均通過技術進步效應影響碳排放，其中，金融發展通過技術進步效應降低碳排放，加速綠色經濟發展；產業智能化則通過技術進步效應對碳排放降低具有促進和抑制兩方面作用。除技術進步效應外，由于產業智能化所導致的勞動力替代效應也是影響綠色經濟發展的重要途徑。總的來說，雖然金融發展和產業智能化對綠色經濟發展存在一定抑制作用，但其影響機制以促進為主，即金融視角下的產業智能化通過降低碳排放賦能綠色經濟發展。基于此，本文提出以下研究假設：

H1：金融發展、產業智能化可以降低碳排放水平，促進綠色經濟發展。

金融發展與產業智能化之間存在一定交互作用，共同推動綠色經濟發展。一方面，智能化成果應用于金融領域，催生金融科技，賦能綠色經濟發展。首先，企業財務智能化有助于打破信息“孤島”現象，推動綠色經濟發展，如金融機構進行貸款審核時可利用大數據等先進技術搜集與分析企業信息，大幅降低信息不對稱性，提高融資效率，促進綠色經濟發展；其次，財務智能化能夠顯著降低企業融資成本，提高資金周轉效率，從而更好地支持綠色發展；最后，金融科技通過提升信用信息平臺監管效率，降低內部風險。另一方面，金融發展為產業智能化提供資金支持與保障，助推綠色經濟發展。首先，企業智能化轉型和技術創新需要在前期投入大量資金，且周期較長，而成熟的金融體系可以為企業提供充足的流動資金；其次，工業是碳排放的主要源頭，金融機構可以通過為傳統工業智能化轉型提供金融支持，加速工業綠色轉型；最后，綠色金融服務平臺通過促進服務智能化、數字化，加強政府、企業與金融機構間高效溝通，保障信息高效流通，進而為綠色經濟發展提供強大的基礎保障。基于此，本文提出如下研究假設：

H2：金融發展與智能化交互促進綠色經濟發展。

由于中國國土遼闊，不同的地理位置造成各省份發展程度存在明顯差異。首先，經濟發展水平存在差異，經濟較發達地區的金融發展水平相對較高，對智能化發展的投入也較大；其次，由于政策優勢，一些享受優惠政策的地區對金融發展、產業智能化的支持力度更大；最后，人文資源差異，如人口密度大、教育水平高的地區擁有更為堅實的金融發展和智能化發展基礎。因此，不同地區的金融發展、產業智能化、教育、科技創新、環境規制、人口資源等存在差異性，導致金融發展水平、產業智能化及其交互項對綠色經濟發展的影響效用也不同。基于此，本文提出以下研究假設：

H3：金融發展、產業智能化及其交互項對綠色經濟發展的影響存在空間異質性。

3 模型設計與變量選取

3.1 模型設計

為了考察金融發展和產業智能化對碳排放水平的影響，構建如下回歸方程：

CGit=α0+α1FINit+α2INTit+α3FINit×INTit+α4Labit+α5Eduit+α6Init+α7Erit+γi+μt+εit（1）

其中，i表示省域、t表示年份；CGit表示第t年i省單位GDP的CO2排放量，即碳排放水平；FINit表示第t年i省域的金融發展水平，INTit表示第t年i省域的產業智能化水平，二者為本文的核心解釋變量。為表示金融發展水平與產業智能化的交互作用，回歸方程中引入二者的交互項FINit×INTit。此外，Lab、Edu、In、Er為本文控制變量，α0表示常數項，γi表示省域固定效應，μt表示時間固定效應，εit為誤差項。

3.2 變量與數據說明

3.2.1 被解釋變量

本文采用單位GDP碳排放量（CG）衡量碳排放水平。在測算我國各省份年度碳排放總量時借鑒IPCC中的標準煤法，以各省域煤炭、焦炭、原油、汽油、煤油、柴油、天然氣和燃料油共8種能源為終端消費，將8種能源消費量與各自的碳排放系數相乘，估算2009－2019年我國各省域二氧化碳排放量，并與各省域GDP相除作為單位GDP碳排放量。以此為基礎，分析2009—2019年我國27個省域碳排放水平變化情況。具體計算公式和步驟如下：

CGit=CO2itGDPit（2）

CO2it=∑8j=1Eitj×Fj×Cj×qj×4412×11000000（3）

其中，i表示省域、t表示年份、j表示能源；CGit表示第t年i省域單位GDP的CO2排放量，CO2it表示第t年i省域的CO2排放量，GDPit表示第t年i省域的GDP；Eitj表示第t年i省域第j種能源消費量，Fj表示第j種能源的平均低位發熱量，Cj表示第j種能源的碳單位熱值含碳量，qj表示第j種能源的碳氧化率；4412表示C原子氧化成CO2分子量從12變成44，11000000的作用是單位換算。

3.2.2 核心解釋變量

借鑒嚴成樑等[17]的方法，采用金融機構信貸總額占GDP的比例表示金融發展水平（FIN），比例越高，表示金融發展水平越高。

FIN=金融機構年末貸款余額GDP（4）

本文采用工業機器人安裝庫存量占工業增加值的比例衡量產業智能化水平（INT）。

INT=機器人安裝庫存量工業增加值（5）

由于IRF數據庫中的數據只到國家級層面，而本文研究涉及省級層面。為此，參考康茜和林光華[30]、Daronamp;Pascual[31]的方法，根據不同行業就業人數，將數據庫中機器人數據細分到省級層面，以考察智能化與就業關系。考慮到研究著眼于金融視角下的綠色經濟發展，故對數據作以下處理：以各省域Ramp;D經費投入占所有省域Ramp;D經費投入總和的比例為權重，對全國制造業機器人安裝庫存量進行分配，估算得出各省域機器人安裝庫存量。

各省機器人安裝庫存量=中國制造業機器人安裝庫存量×各省Ramp;D經費投入各省Ramp;D經費投入總和×100% （6）

3.2.3 控制變量

金融發展與產業智能化并不是唯一對碳排放水平造成影響的因素。本文根據碳排放水平影響程度，選取4個控制變量：一是人口紅利（Lab），即勞動力比重，采用15～64歲人口數量占總人口數量的比重表示；二是教育投入（Edu），采用教育經費支出占GDP的比重表示；三是科技創新（In），采用地區人均專利授權數表示；四是環境規制（Er），采用工業污染治理投資完成額乘以GDP與工業增加值平方的比值表示。

3.3 數據來源及處理

除機器人安裝庫存量數據來源于IFR數據庫外，其它數據均來源于《中國統計年鑒》、中國經濟數據庫（CEIC）、《中國能源統計年鑒》、《中國工業年鑒》以及各省份統計年鑒。能源碳排放系數數據來源于IPCC頒布的《國家溫室氣體排放清單指南》（2006）、國家發展改革委頒布的《省級溫室氣體編制指南》（2011）、《中國能源統計年鑒—附錄4》（2016）。

基于上述方法，考慮到數據可獲取性，如山西、貴州、重慶缺少原油消耗量數據，且IRF數據庫目前僅更新到2019年數據，因此本文選取2009—2019年中國內地27個省份（不包括西藏、山西、貴州、重慶）數據進行實證分析。由于缺少部分數據，進行了一定預處理，其中，連續數據中缺失的以插值法補充，起止年份缺少的運用灰色預測法補充。

3.4 描述性統計與平穩性檢驗

通過整理上述數據，得到本文變量描述性統計結果以及單位根檢驗結果，具體見表1。

4 實證分析

4.1 基準回歸結果分析

為初步檢驗金融發展水平和產業智能化對綠色經濟的影響，對2009-2019年27個省域樣本數據采用固定效應和隨機效應模型進行回歸，結果如表2和表3所示。由此可知，金融發展、產業智能化及其交互項對碳排放在1%水平下均呈現顯著影響。

Hausman檢驗結果表明，固定效應模型優于隨機效應模型，因此采用固定效應模型（FE）進行回歸。表2中第1列表示金融發展（FIN）與產業智能化（INT）分別對綠色經濟發展的影響，第2列加入其交互項（FIN*INT），第3列加入所有控制變量。結果顯示，金融發展（FIN）的回歸系數為-1.193 9，產業智能化（INT）的回歸系數為-3.748 4，二者均在1%水平下顯著，因此研究假設H1得證，即金融發展、產業智能化可以降低碳排放水平。此外，金融發展與產業智能化交互項（FIN*INT）的回歸系數為-0.354 2，在1%水平下顯著，表示金融發展與產業智能化的交互作用顯著降低碳排放水平，證明研究假設H2成立。

其余控制變量。根據表2可知，教育水平（Edu）系數為負，說明教育支出可以降低碳排放水平。可能的原因是，隨著教育投入增加，人口素質不斷提高，環保意識隨之增強，低碳生活、綠色消費觀念逐漸受到人們認可，因此教育支出對減少碳排放有顯著正向作用。科技創新（In）系數為負，說明科技創新有助于降低碳排放。可能的原因是，科技創新帶動綠色科技進步，綠色科技應用能夠為企業使用清潔能源提供技術支持，推動綠色能源消費，同時，催生新生產方式，從消費端直接減少二氧化碳排放。環境規制（Er）系數為負，說明工業污染治理投資增加有利于降低碳排放水平，促進綠色經濟發展。人口紅利（Lab）系數為正，說明勞動力比重上升不利于綠色經濟發展。這是因為非勞動力人口消費水平和消費意愿低于勞動力人口，于消費端而言，勞動力人口產生的碳排放高于非勞動力人口，且于生產端而言，勞動力人口產生的碳排放也會高于非勞動力人口，所以人口紅利提高了碳排放水平。

4.2 分地區回歸結果分析

由于不同地區的金融發展、產業智能化水平不同，對綠色經濟發展的作用效果也不同，所以本文將樣本省域根據地理位置，劃分為東中西部，分別采用固定和隨機效應回歸模型進行實證分析，結果如表3所示。

表3中1～3列分別表示東、中、西部省份固定效應回歸結果。可以看出，對于東部地區來說，金融發展和產業智能化水平都對碳排放水平具有顯著負向作用，與表2中第3列基準回歸結果相同，但其交互項對碳排放水平的作用不顯著，與基準回歸結果不一致；同時，中西部地區金融發展和產業智能化水平對碳排放水平的影響不顯著，但其交互項對碳排放水平具有顯著負向作用，即有利于綠色經濟發展。綜上所述，研究假設H3成立，即金融發展、產業智能化及其交互項對綠色經濟發展的影響存在空間異質性，這是東中西部地區差異所致。首先是區位差異，中西部地區由于地理位置所限，開放程度較低，不夠完善的金融市場導致金融發展水平提高可能會增加單位GDP碳排放量；其次是技術差異，東部地區的產業智能化水平始終處于領先地位，并已進入綠色創新的新階段，而中西部地區由于技術較落后，還處于綠色技術創新的初始階段，綠色創新成果也不豐富，因而短期內產業智能化發展不能對綠色經濟發展產生顯著促進作用。此外，技術差異性導致外商更愿意在東部地區投資高技術類綠色產業，而在中西部投資勞動力密集型產業，進一步增強技術因素的影響。

在控制變量方面，西部地區環境規制（Er）在5%水平上對碳排放具有顯著正向作用，即環境規制增強不利于綠色經濟發展。這是由于環境規制對綠色經濟發展的影響存在一定門檻效應，東部與中部地區的環境規制強度已經越過該門檻，所以環境規制對綠色經濟發展產生正向影響，而西部地區由于環境規制強度不高、環境政策不完善，所以環境規制對綠色經濟的影響在西部與東中部具有差異化。另外，人口紅利在東部和西部對綠色經濟的影響都不顯著。可能的原因是，中部地區是人口遷移的主要遷出區，東、西部地區是人口遷移的主要遷入地。其中，很大一部分人口是因為接受高等教育和政策引導，從中部地區遷往東部和西部地區，且該部分人口具有較強環保意識和綠色消費能力。因此，雖然人口遷入會導致東部和西部地區人口紅利增加，刺激消費需求，增加能源消耗，但是該部分人口流入帶來的整體素質提升會抑制人口紅利對綠色經濟發展的負向作用。

4.3 穩健性檢驗

為進一步檢驗金融發展、產業智能化對綠色經濟發展影響結果的穩健性，本文采用全面FGLS方法對原模型進行再估計，回歸結果見表4。由表4第1列可知，金融發展（FIN）的回歸系數為-2.766 3，產業智能化（INT）的回歸系數為-5.304 1，二者均在1%水平下顯著，說明從金融發展視角，其與產業智能化均可以降低碳排放，從而賦能綠色經濟發展，與基準回歸結果基本一致。根據表2第3列可知，金融發展（FIN）的回歸系數為-1.687 0，產業智能化（INT）的回歸系數為-4.641 1，二者交互項（FIN*INT）的回歸系數為-0.922 3，三者均在1%水平下顯著，同樣與原回歸結果基本一致。經檢驗，各核心解釋變量和控制變量回歸結果與基準計量回歸結果基本一致，即自變量對因變量的作用穩定，證明本文結論穩健。

4.4 內生性問題

本文回歸結果可能存在一定內生性問題。首先，碳排放會導致大氣中二氧化碳濃度提高，從而導致全球氣溫升高等變化，進而增加下一期碳排放量。其次，本文碳排放計算方式可能存在一定遺漏。為了解決滯后效應和遺漏變量造成的內生性問題，本文一方面將因變量滯后一期、二期、三期后納入回歸模型，另一方面采用能源消耗強度作為碳排放的替代工具變量。表5中第1～3列為考慮滯后因素的回歸結果，可以發現，雖然當期碳排放對此后1～3年的碳排放具有一定放大作用，但總體上金融發展、產業智能化以及其交互項均可以抑制碳排放；第4列為替換工具變量后的回歸結果，結果顯示，金融發展、產業智能化及其交互項對能源消耗強度的影響與基準回歸結果一致。因此，考慮內生性問題后，本文結果依然成立。

5 結論與建議

本文圍繞金融發展水平和產業智能化對碳排放水平的影響機制，利用2009-2019年中國綠色經濟發展省級面板數據進行實證研究，得出如下結論：①金融發展對碳排放水平的影響在1%水平上顯著為負，這是因為金融發展同時從生產端和消費端降低碳排放，促進綠色經濟發展；②產業智能化對碳排放水平的影響在1%水平上顯著為負，說明產業智能化一方面促進產業技術進步，另一方面智能化機器人應用產生勞動力替代效應，二者對綠色經濟發展均起促進作用；③產業智能化、金融發展及其交互項對我國東中西部綠色經濟發展的影響存在差異化；④人口紅利、教育水平、科技創新、環境規制均對碳排放水平具有顯著負向影響。

由于金融發展水平和產業智能化水平提高都可以顯著降低單位GDP的碳排放量，因此我國在制定政策時應當綜合考慮二者對降低碳排放的積極作用。同時，由于這種積極作用在我國東中西部存在區域異質性，所以政策制定不能脫離當地發展現況。根據上述研究結論，本文提出以下政策建議：

第一，提高工業機器人普及率，加大政策扶持力度。一方面，提高工業機器人利用率可以推動產業數字化轉型。企業需要加大科技創新投入，普及工業機器人在工業生產中的應用，增加綠色創新投入，提高能源利用率，促進綠色經濟發展；另一方面，政府應鼓勵企業綠色技術創新，積極推廣綠色技術應用，同時，重點扶持高技術產業，淘汰落后產能，從源頭上減少二氧化碳，達到降低碳排放目的。

第二，充分發揮金融發展在低碳減排過程中的促進作用。首先，金融發展既可以從消費端通過引導綠色消費減少二氧化碳排放，也可以從供給端通過技術創新等途徑間接降低碳排放，因此銀行信貸需要進一步向低污染、低能耗企業傾斜，加大對高技術、低排放企業的信貸支持，加快推動我國能源結構改善，進而降低二氧化碳排放。其次，金融機構應通過政策窗口等手段引導信貸資金流向低碳產業，從而促進資金流動合理化，加快金融業市場化進程。最后，金融政策制定需要與當地發展水平相匹配，尤其對于我國中西部地區，金融發展不能以環境污染為代價，應該充分發揮金融發展與產業智能化的交互作用，加大金融領域的技術投入。

第三，加快發展清潔能源，穩步調整能源結構。首先，應控制能源消費總量，特別是防止煤炭、石油等化石能源消費盲目擴大，為清潔能源普及鋪平道路。其次，減少煤炭依賴型產業和企業投資，增加綠色企業投資。最后，各地區應因地制宜地發展水能、風能、核能、生物質能、太陽能等清潔能源，為清潔能源廣泛應用提供技術支持。

第四，對東中西部實行差異化政策，縮小地區間發展差距。對于中西部地區，應加強金融創新，推廣金融科技，提高中小企業融資便利度和效率，鼓勵企業在中西部地區投資建設智能化工廠和智能化產業園區，并提供相應的政策扶持和金融支持。同時，加大人才培養力度，鼓勵人才到中西部地區發展以及培養中西部本土技術人才、管理人才。對于東部地區，金融發展與產業智能化的交互作用不顯著，說明金融發展與智能化技術的結合已相對完善，需加強東部地區向中西部地區輸送綠色發展成果和發展經驗，并進一步促進金融開放，加強與國際金融市場的交流和合作，增強金融業國際競爭力。

6 不足與展望

由于現實的局限性，本文研究尚存在諸多不足，需要對有關問題進行更深入的探討。首先，金融發展與產業智能化不是唯二影響綠色經濟水平的因素，本文沒有做到盡善盡美；其次，本文僅從碳排放角度衡量綠色經濟發展水平，對綠色經濟的測度是否全面還需驗證；再次，本文涉及的碳排放數據是全社會總碳排放量，沒有進行進一步細分；最后，從數據可得性角度，微觀層面的碳排放、金融發展和智能化等指標難以測度，導致現有研究大多停留在宏觀層面。上述不足之處需要在未來研究中加以改進。首先，應充分考慮其它相關因素對綠色經濟發展的影響，細化綠色經濟發展指標體系，例如綜合考慮二氧化碳、二氧化硫、二氧化氮、粉塵顆粒物等溫室氣體和污染物排放；其次，可以將碳排放進一步劃分為工業碳排放、生活碳排放等；最后，可以嘗試尋找有代表性的企業指標以研究微觀層面的綠色發展，為支撐全社會綠色經濟發展提供更充分的理論依據。

參考文獻：

[1] 陳欣，劉明.金融發展對二氧化碳排放影響的經驗研究[J].財經問題研究，2015，37（4）：40-46.

[2] 黃海燕，劉葉，彭剛.工業智能化對碳排放的影響——基于我國細分行業的實證[J].統計與決策，2021，37（17）：80-84.

[3] 徐曉光，樊華，蘇應生，等.中國綠色經濟發展水平測度及其影響因素研究[J].數量經濟技術經濟研究，2021，38（7）：65-82.

[4] 李林漢，岳一飛.基于四階段DEA模型的中國綠色發展效率評價[J].科技管理研究，2019，39（24）：247-258.

[5] 張薇.我國綠色經濟評價指標體系的構建與實證[J].統計與決策，2021，37（16）：126-129.

[6] MERINO-SAUM A， CLEMENT J， WYSS R， et al. Unpacking the green economy concept： a quantitative analysis of 140 definitions[J]. Journal of Cleaner Production，2019，242：118339.

[7] 何偉軍，李聞欽，鄧明亮.人力資本、綠色科技創新與長江經濟帶全要素碳排放效率[J].科技進步與對策，2022，39（9）：23-32.

[8] 李毅，胡宗義，何冰洋.環境規制影響綠色經濟發展的機制與效應分析[J].中國軟科學，2020，35（9）：26-38.

[9] 劉豐，王維國.人口年齡結構變動對碳排放的影響——基于生育率和預期壽命的跨國面板數據[J].資源科學，2021，43（10）：2105-2118.

[10] ESTHER F， RAFAELA P ， JESUS R. Optimal green tax reforms yielding double dividend[J]. Energy Policy，2011，39（7）：4253-4263.

[11] CHI Y， GUO Z. Scenarios analysis of the energies' consumption and carbon emissions in China based on a dynamic CGE model[J]. Sustainability，2014，6（2）：487-512.

[12] LIU， L Q. Environmental efficiency of China's thermal power enterprises： a bootstrapped directional distance function with metafrontier approach[J]. Journal of Energy Engineering，2017，146（4）：1-10.

[13] ARTUR T，JUAN P C， KRISHNA C V. Does higher economic and financial development lead to environmental degradation：evidence from BRIC countries[J]. Energy Policy，2008，37（1）：246-253.

[14] JALIL A， FERIDUN M. The impact of growth， energy and financial development on the environment in China： a cointegration analysis[J]. Energy Economics，2010，33（2）：284-291.

[15] MUHAMMAD S，AVIRAL K T，MUHAMMAD N.The effects of financial development， economic growth， coal consumption and trade openness on CO2 emissions in South Africa[J]. Energy Policy，2013，61（C）：1452-1459.

[16] MUHAMMAD S. Does financial development reduce CO2 emissions in malaysian economy？ a time series analysis[J]. Economic Modelling，2013，35：145-152.

[17] 嚴成樑，李濤，蘭偉.金融發展、創新與二氧化碳排放[J].金融研究，2016，39（1）：14-30.

[18] 史代敏，施曉燕.綠色金融與經濟高質量發展：機理、特征與實證研究[J].統計研究，2022，39（1）：31-48.

[19] OZTURK I， ACARAVCI A.The long-run and causal analysis of energy， growth， openness and financial development on carbon emissions in Turkey[J]. Energy Economics， 2013， 36：262-267.

[20] 劉亮，胡國良.人工智能與全要素生產率——證偽“生產率悖論”的中國證據[J].江海學刊，2020，27（3）：118-123.

[21] 韓民春，趙澤彬.碳排放約束視角下產業智能化對區域經濟差距的影響研究[J].工業技術經濟，2022，41（1）：3-11.

[22] BRYNJOLFSSON E， HITT L M ， KIM H H. Strength in numbers： how does data-driven decision-making affect firm performance[J]. SRN Electronic Journal， 2011，126（1）：1-33.

[23] HANSON R. Economic growth given machine intelligence[R]. America：University of California，Berkeley，2001.

[24] ACEMOGLU D， RESTREPO P. Robots and jobs：evidence from US labor markets[Z].NBER Working Paper No.w23285，2017.

[25] 李丫丫，潘安.工業機器人進口對中國制造業生產率提升的機理及實證研究[J].世界經濟研究，2017，36（3）：87-96，136.

[26] 陳永偉，曾昭睿.機器人與生產率：基于省級面板數據的分析[J].山東大學學報（哲學社會科學版），2020，56（2）：82-97.

[27] 何小鋼，張耀輝.技術進步、節能減排與發展方式轉型——基于中國工業36個行業的實證考察[J].數量經濟技術經濟研究，2012，29（3）：19-33.

[28] PETER G， JEFFREY Y K. Exporting the greenhouse：foreign capital penetration and CO2 emissions 1980-1996[J]. Journal of World Systems Research，2003，9（2）：261-275.

[29] 閆雪凌，朱博楷，馬超.工業機器人使用與制造業就業：來自中國的證據[J].統計研究，2020，37（1）：74-87.

[30] 康茜，林光華.工業機器人與農民工就業：替代抑或促進[J].山西財經大學學報，2021，43（2）：43-56.

[31] DARON A， PASCUAL R. Robots and jobs： evidence from US labor markets[J]. Journal of Political Economy，2020，128（6）：2188-2244.

（責任編輯：胡俊健）

The Mechanism of Financial Development and Industrial Intelligence Enabling Green Economic Development

Chen Tingqiang1，2， Shi Jiahao1， Liu Meng1， Li Zeyu1， Yu Le'an3

（1. School of Economics and Management， Nanjing University of Technology， Nanjing 211816， China;2. Institute of Mathematics and Systems Science， Chinese Academy of Sciences， Beijing 100190， China;

3. Business School， Sichuan University， Chengdu 610065， China）

Abstract：In order to achieve the \"carbon peak\" by 2030 and \"carbon neutrality\" by 2060， the Chinese government has been endeavoring to promote the development of the green economy and accelerate the green transformation of energy. Thus， it is of great significance to study green development trends and influencing factors. To delve into this issue， this paper aims to examine the impact mechanism of industrial intelligence on the development of the green economy from the perspective of financial development， explore whether there is an interactive effect on the development of green economy between financial development and industrial intelligence and verify if there is spatial heterogeneity in the impact of financial development and industrial intelligence on the green economy.

First of all， this study sorts out the research related to the green economy and summarizes the development trends and influencing factors of the green economy; then it analyzes the mechanism of industrial intelligence empowering green economic development from the perspective of financial development. Secondly， inspired by the existing research， the study constructs an indicator system and regression equations. The installed inventory of robots in this paper comes from the IFR database， and other data are sourced from the China Statistical Yearbook， China Economic Database （CEIC）， China Energy Statistical Yearbook， China Industry Yearbook， and provincial statistical yearbooks. By using fixed effect regression， regional regression and FGLS methods， it further conducts an empirical study on the mechanism of industrial intelligence empowering green economic development from the perspective of financial development with the panel data of 27 provinces and cities in China from 2009 to 2019 and carries out the spatial heterogeneity test of the impact of financial development and industrial intelligence on the development of green economy. Finally， in order to ensure that the regression results are robust， exogenous， and have no missing variables， this study conducts robustness and endogeneity tests.

The research results show that （1） financial development， industrial intelligence and their interaction have significantly reduced the level of carbon emissions; （2） demographic dividend， education level， scientific and technological innovation， and improvement of environmental regulations all have inhibitory effects on reducing carbon emissions; （3） there is regional heterogeneity in the impact of industrial intelligence， financial development and their interaction on the development of green economy in the eastern， central and western parts of China. For the eastern region， both financial development and industrial intelligence have a significant negative effect on carbon emissions， but their interaction has no significant effect on carbon emissions. In contrast， financial development and industrial intelligence in the central and western regions have no significant impact on carbon emissions， but their interaction has a significant negative effect on carbon emissions， which is conducive to the development of a green economy. Many factors simultaneously contribute to this result. The first is location differences. Due to their own location disadvantages， the central and western regions are less open， and financial policies are not biased. The imperfect financial market system leads to an increase in the level of financial development， which may increase carbon emissions per unit of GDP. The second is the difference in technology. The level of industrial intelligence in eastern China has been at the leading edge， while the central and western regions are still in the initial stage of green technology innovation. The results of green innovation are not significant， and the development of industrial intelligence in the short term can not significantly promote the development of green economy. In addition， the difference in technology makes foreign companies more willing to invest in high-tech green industries in the eastern region， while investing in labor-intensive and high-pollution industries in the central and western regions further expands the influence of technological factors.

According to the research results， several suggestions are proposed. First， it is necessary to increase the penetration rate of industrial robots， increase policy support， and give full play to the role of financial development in low-carbon emission reduction. Then， it is essential to accelerate the development of clean energy and steadily adjust the energy structure. Third， the regional governments should implement differentiated policies for the eastern， central， and western regions to narrow the development gap.

Key Words：Financial Development; Industrial Intelligence; Green Economic Development; Carbon Emission; Spatial Heterogeneity