金融科技與中國城市碳生產率

【中圖分類號】F832.5；X196；F124.3

【文獻標志碼】A

【文章編號】1673-1069（2025）05-0062-05

【基金項目】2024年度廣西高校中青年教師科研基礎能力提升項目“金融科技對城市碳生產率的影響——基于偏向型技術進步視角”（2024KY1748）。

【作者簡介】蔣典谷（1984-），女，廣西玉林人，副教授，研究方向：會計與金融。

【通信作者】申顥（1995-），男，河南濮陽人，中級經濟師，研究方向：綠色金融。

1引言

黨的二十大報告指出：“推動經濟社會發展綠色化、低碳化是實現高質量發展的關鍵環節”。黨的二十屆三中全會公報中指出：“必須完善生態文明制度體系，協同推進降碳、減污、擴綠、增長健全綠色低碳發展機制”。當前，中國經濟已從高速增長階段轉換至高質量發展階段，面臨著日益增長的節能減排與經濟穩定增長雙重壓力。金融科技作為金融深化的重要表現，是基于大數據、人工智能、區塊鏈等技術的一系列創新，能夠在提升金融資源配置效率的同時推動污染物減排。在中國當前面臨經濟轉型、環境約束趨緊的背景下，以城市為基本單元，探討金融科技的碳排放抑制作用與經濟增長促進作用，有助于推動中國經濟實現綠色、高質量穩定發展，完成我國的減排目標。

綠色偏向型技術進步是實現經濟發展與減能降耗的重要手段，當技術進步促進全要素生產率增進的同時偏向能源投入節約，就實現了上述“雙贏\"效應。那么，綠色偏向型技術進步的上述效應是否存在？金融科技與綠色偏向型技術進步是否可產生抑制碳排放、促進經濟增長的協同作用？上述問題若能得到驗證，將對推動金融政策與科技創新政策的融合運用、探尋金融支持經濟高質量發展的路徑提供經驗借鑒。

2文獻綜述

一是關于金融科技測算、微觀影響及宏觀經濟環境效應的研究。當前學界對金融科技的研究主要聚集在表征及測算測度、對微觀企業影響及宏觀經濟環境影響等方面。在金融科技的表征及測算測度方面，學界主要通過使用北京大學數字普惠金融指數、金融科技專利申請量等來表征，亦或是使用DEA、SFA等模型估計金融科技效率；使用如金融科技投融資指數等合成金融科技指數；使用Python爬蟲方法爬取數據后，利用熵值法及層次分析法等合成指標。房宏琳和楊思瑩使用地區數字普惠金融指數表征金融科技發展程度。義旭東和宋丁丁使用非參數方法計算綜合效率，以評價安徽省科技金融結合效率。王小華等使用網絡爬蟲形成原始數據后，利用熵值法或層次分析法合成金融科技發展指數。在金融科技的微觀影響方面，學界主要聚焦于對企業合規指標、績效指標等影響，王小華等基于2012-2020年A股上市企業數據，發現金融科技可以顯著促進企業高質量發展，而合理的金融監管水平可以提升上述促進效應。在金融科技的宏觀經濟環境效應方面，Ameretal.發現科技金融創新可以完善優化金融市場、提升金融資源配置效率。房宏琳和楊思瑩使用宏觀層面數據發現金融科技可以顯著實現節能減排。張恩典等認為數字金融在抑制碳排放的同時，反而會引起回彈效應的發生。

二是關于偏向型技術進步測算、形成機制與其經濟環境效應的研究。當前學界研究多集中在偏向型技術進步的測算、形成機制與其對經濟增長、節能減排影響的研究。在偏向型技術進步的測算與形成機制方面，Hassleretal.基于傳統生產函數，構建模型測度了美國工業技術進步偏向，發現美國工業技術進步呈現能源節約偏向，且對上世紀70年代油價沖擊反應強烈。Yangetal.基于2000-2017年APEC國家數據測度了環境偏向技術進步，發現APEC中發展中國家的技術進步呈現節約能源使用的特征，而APEC中發達國家的技術進步呈現減排特征。曹卿等使用Malmquist指數分解法測度了2007-2016年中國城市偏向型技術進步及具體偏向并探究了低碳試點促進偏向型技術進步的機制，認為低碳試點可以通過增加企業貸款可得性、推動政府加大科技投入等路徑增進偏向型技術進步。在偏向型技術進步的經濟增長與環境效應評估等方面，劉自敏等[基于2007-2016年城市層面數據，發現偏向型技術進步的增進可以帶來顯著的碳強度下降效應，且在融入碳交易機制后碳強度下降效應更加顯著。李新安和李慧以制造業行業為研究主體，發現非能源節約技術進步與FDI聯動會顯著增加中國制造業碳排放。

本文的余下部分安排如下：第3部分是模型設定，該部分主要對城市碳生產率、金融科技指數及綠色偏向型技術進步的計算方法、本文所使用的實證方法進行說明；第4部分是數據來源及描述性統計，該部分對本文所使用的數據及來源進行說明；第5部分是基準回歸及穩健性檢驗，該部分對金融科技與城市碳生產率的關系進行驗證，并采用規避內生性等方法進行穩健性檢驗；第6部分是進一步討論，該部分從區域異質性的視角，進一步驗證了金融科技與城市碳生產率的關系，并討論了金融科技與綠色偏向型技術進步對城市碳生產率的協同作用；第7部分為結論及政策建議，該部分闡述本文的主要結論，并據此給出具有參考意義的政策建議。

3模型設定

3.1計算模型設定

① 城市碳生產率計算。

為驗證金融科技及綠色偏向型技術進步的經濟發展、節能減排“雙效應”，本文采用同時含有經濟變量與碳排放變量的碳生產率作為被解釋變量。式（1）中， 為城市 i 在 Φ_t 年的地區生產總值， CO_2i 為城市 i 在 Ψ_t 年的二氧化碳排放量， CP_it 即為城市 i 在 Ψ_t 年的碳生產率。

② 金融科技指數計算。

本文參考王小華等的研究，通過構建直接搜索、技術支持等一級指標與直接關鍵詞、技術支持、資金支付等二級指標，采用Python的爬蟲技術爬取百度搜索原始數據構建各類指標，加總后取對數來表征金融科技指數。

③ 綠色偏向型技術進步指數計算。

本文參考Yangetal.的研究，使用異質性非對稱SFA模型估計綠色偏向型技術進步：

式（2）中， 為城市 i 在 Φ_t 年的地區生產總值， .K_it 為城市 i 在 Ψ_t 年的資本存量， 為城市 i 在 Ψ_t 年的勞動力總量， E_it 為城市 i 在 Φ_t 年的能源消耗總量， v_it 為隨機誤差項 為無效率項。

結合綠色技術進步的定義與式（2），可求得：

式（3）和式（4）即為本文所求兩類綠色偏向型技術進步，式（3）為技術進步在能源與勞動中的偏向，式（4）為技術進步在能源與資本中的偏向。當式（3）和式（4）小于0時，則代表技術進步此時偏向能源要素節約、資本與勞動要素使用；當式（3）和式（4）大于0時，則代表技術進步此時偏向能源要素使用、資本與勞動要素節約。因此，在回歸中預期系數為負。

3.2回歸模型設定

3.2.1基準回歸模型設定

本文考慮采用靜態、動態相結合的方式進行回歸。主要以下式為基礎。

式（5）中， CP_it 為城市 i 在 χ_t 年的碳生產率， Fintech_it 為城市 i 在 Φ_t 年的金融科技指數， ΣαX 為本文的一系列控制變量。

3.2.2調節效應模型設定

金融科技與綠色偏向型技術進步的碳生產率協同促進效應，采用調節效應模型來檢驗：

"（6）

式（6）即為調節效應模型，為了使主要項參數有解讀意義，對兩個調節變量進行了中心化。

4數據來源及描述性統計

本文以2009-2022年283個中國地級及以上城市為研究對象（剔除個別數據缺失較為嚴重的城市），共3962個觀測值，數據來源主要為《中國城市統計年鑒》EPS數據庫及具體城市統計年鑒。表1為本文所使用變量的描述性統計結果。

表1使用變量描述性統計

注：綠色偏向型技術進步（能源與勞動）表示，此時技術進步在能源與勞動中偏向勞動使用、能源節約；綠色偏向型技術進步（能源與資本）表示，此時技術進步在能源與勞動中偏向資本使用、能源節約。

從表1可以看出，各城市的金融科技發展水平差異較大，綠色偏向型技術進步在各城市中廣泛存在，且碳生產率仍有較大提升空間。

5基準回歸與穩健性檢驗

5.1基準回歸

基準回歸結果如表2所示。

表2金融科技對城市碳生產率的影響（靜態面板）

注：括號內為穩健標準誤，\"、**、**代表顯著性水平為 _0.1，0.05 、0.01。下同。

表2中，結果（1）為普通最小二乘法檢驗結果，結果（2）、（3）分別為未加入控制變量的固定效應、隨機效應面板估計結果，結果（4）（5）分別為加入控制變量的固定效應、隨機效應面板估計結果。綜合上述結果，可以發現金融科技能夠顯著促進城市碳生產率的提升，且多種條件下僅系數有個別差異，這也說明了本文結果的穩健性。

5.2穩健性檢驗

5.2.1剔除異常值

為防正異常值（異常大、異常小）對回歸結果產生的影響，本文對數據進行 1% 的縮尾后，重新進行面板估計，結果如表3所示。

表3金融科技對城市碳生產率的影響（數據縮尾 1% ）

結果（1）（2）分別為固定效應、隨機效應面板估計結果，從表3可知，剔除異常值后，回歸結果仍顯示金融科技會顯著提升城市碳生產率，結果較為穩健。

5.2.2更換回歸年份

將回歸年份壓縮至2010-2021年，重新進行面板估計，結果如表4所示。

表4金融科技對城市碳生產率的影響（更換回歸年份）

結果（1）（2）分別為固定效應、隨機效應面板估計結果，從表4可知，更換回歸年份后，結果依然穩健。

5.2.3規避內生性

式（5）可能因遺漏變量偏誤、反向因果等產生內生性，進而對回歸結果準確性產生負面影響。本文采用工具變量法（用互聯網普及率作為金融科技的工具變量）與動態面板估計，觀察規避內生性后的回歸結果是否穩健，結果如表5所示。

表5金融科技對城市碳生產率的影響（二階段最小二乘法、動態面板）

注：無法識別檢驗、Hansen檢驗和Arellano-BondAR（2）檢驗首先匯報了對應的檢驗統計量，方括號里為對應檢驗的 p 值。

結果（1）為二階段最小二乘法的檢驗結果，無法識別檢驗顯著，說明可拒絕“工具變量識別效果不足\"的原假設，說明本文的工具變量選擇是可用作估計的；弱工具變量檢驗的F 值為19.186，明顯大于10，說明本文不存在弱工具變量問題，估計有效。結果（2）為動態面板估計，二階序列相關檢驗的 p 值大于0.1，表明差分后的模型殘差項不存在二階序列相關，且Hansen檢驗的 p 值大于0.1，表明無法拒絕“所有工具變量都有效的原假設”，即本文設定模型中GMM式工具變量都是有效工具變量，估計有效。綜上所述，本文的內生性通過二階段最小二乘法與動態面板估計得到了較大程度的規避，且在規避內生性后，金融科技仍可顯著增進城市碳生產率的提升。

6 進一步討論

6.1區域異質性

由于中國城市經濟發展狀況、要素稟賦等存在差異，故金融科技在不同區域城市間的碳生產率增進效應可能存在不同。本文將樣本城市分為東、中、西部城市，進行異質性檢驗。

如表6所示，結果（1）為東部地區城市檢驗結果，結果（2）為中部地區城市檢驗結果，結果（3）為西部地區城市檢驗結果。從上表可知，東部與中部城市的金融科技科顯著提升碳生產率，但在西部城市中，上述效應不顯著。西部城市多為經濟發展相對較差且有較多資源依賴性，金融科技發展程度不夠高，無法通過金融科技引致產業升級、誘致綠色偏向型技術發展等渠道抑制碳排放、推動經濟發展

表6金融科技對城市碳生產率的影響（分區域）

6.2調節效應

金融科技提升碳生產率最重要的路徑之一就是提升綠色技術進步，那么金融科技是否可以引致綠色偏向型技術進步？金融科技與綠色偏向型技術進步是否可以產生協同效應？本部分將深人討論。表7、表8分別展示核心解釋變量與調節變量的關系、核心解釋變量與調節變量對被解釋變量的聯合作用。

表7金融科技對綠色偏向型技術進步的影響

結果（1）、（2）為金融科技對綠色偏向型技術進步（能源與資本）的影響，結果（3）（4）為金融科技對綠色偏向型技術進步（能源與勞動）的影響，從表7中可知，金融科技對綠色偏向型技術進步（能源與資本）可產生促進作用且均在0.01的水平上顯著；金融科技對綠色偏向型技術進步（能源與勞動）可產生促進作用且在0.05或0.1的水平上顯著，說明金融科技會顯著誘發兩類綠色偏向型技術進步，但誘發在能源與勞動中偏向節約能源的技術進步顯著性相對較弱。

結合表7與表8，金融科技引致綠色偏向型技術進步（能源與勞動）效應較弱（由表7可知，顯著性相對較弱），且未產生顯著協同效應（表8結果（4）中，交乘項的系數不顯著），故主要聚焦于綠色偏向型技術進步（能源與資本）開展。根據表8可知，交乘項的系數為-0.039且在0.1的水平上顯著，說明金融科技與綠色偏向型技術進步可以產生顯著的協同效應；

表8金融科技、綠色偏向型技術進步與城市碳生產率

圖1調節效應圖

觀察圖1的兩條線，實線代表綠色偏向型技術進步水平較高時金融科技對城市碳生產率的影響，虛線代表綠色偏向型技術進步水平較低時金融科技對城市碳生產率的影響，說明綠色偏向型技術進步顯著調節了金融科技對城市碳生產率的影響，當綠色偏向型技術進步的水平相對較高時，金融科技的碳生產率促進效應會得到明顯增強。

7結論與政策建議

本文基于2009-2022年中國地級及以上城市數據，采用動態、靜態面板相結合的方法，探究了金融科技的碳生產率促進效應，及金融科技與綠色偏向型技術進步的協同效應。主要結論及政策建議如下：

第一，中國城市廣泛存在金融科技及綠色偏向型技術進步。對于該現象，應充分關注不同城市的經濟發展程度、產業狀況及自然資源稟賦，合理選擇金融與技術進步發展路徑，防止產生過高成本，甚至產生技術進步反而帶來較大污染的負面情況。

第二，金融科技可以顯著提升中國城市碳生產率，且存在區域異質性，在剔除異常值、更換回歸年份和規避內生性問題后依舊顯著。對于該現象，首先，應持續加大對金融科技的投入力度，在防風險的基礎上，積極培育新興業態，持續提升各類金融機構的經營活力，不斷提升金融科技的經濟發展與節能降碳的多向效應；其次，應多關注部分能源依賴性較大、但有新質生產力發展潛力的西部城市，通過金融科技的擴散效應等，推動該部分城市金融科技水平的提高。

第三，金融科技與綠色偏向型技術進步可對中國城市碳生產率產生顯著協同效應。對于該現象，首先，應注重金融發展政策與科技創新政策的協同耦合發展，共同發揮更大作用；其次，在大力推動金融科技發展的同時，也要關注當地政府對綠色進步的投入與支持力度，防止技術進步偏向對金融科技的正向效應產生抑制作用。

【參考文獻】

【1】房宏琳，楊思瑩.金融科技創新與城市環境污染[J].經濟學動態，2021（08）：116-130.

【2】義旭東，宋丁丁.基于DEA-Malmquist模型的科技金融結合效率評價——以安徽省為例[J].安徽科技，2021（07）：36-41.

【3】王小華，宋檬，楊亦蘭.金融科技、金融監管與企業高質量發展[J].財經問題研究，2023（04）：87-99.

【4】王小華，宋檬，孟祥眾，等.金融科技與制造業創新結構特征一一兼論科技和金融結合試點的效應差異[J].西南大學學報（社會科學版），2023，49（04）：119-133.

【5]Arner D.，Barberis J.，BuckleyR.The Evolution of Fintech：A NewPost-Crisis Paradigm？[J].Social Science Electronic Publishing.DOI：10.2139/ssrn.2676553.

【6]張恩典，李湛，薛安偉.碳排放\"回彈效應\"是否存在？—基于數字金融發展視角的機制研究[JJ.江蘇大學學報（社會科學版），2024，26（05）：72-90.

【7]Hassler J.，KrusellP.，Olovsson C.Energy-Saving Technical Change[J].NBERWorkingPapers，2012.

【8]Yang G.L.，Zha D.L.，Zhang C.Q.，et al.Does Environment -biasedTechnological Progress Reduce CO2 Emissions in APEC Economics？Evidencefrom Fossil and Clean Energy Consumption [J].Environmental Science and Pollution Research，2020，27（O6）：20984-20999.

【9]曹卿，申顥，蔣典谷.低碳政策對技術進步偏向性的影響及機制[J]海南金融，2023（02）：3-22.

【10]劉自敏，申顥.有偏技術進步與中國城市碳強度下降[J].科學學研究，2020，38（12）：2150-2160.

【11】李新安，李慧.外資引入、技術進步偏向影響了制造業的碳排放嗎？—來自我國27個制造行業面板數據模型的實證檢驗[J]中國軟科學，2022（01）：159-170.