田杰，譚秋云,陳一明

摘要：數(shù)字普惠金融可以通過提高金融市場效率改善要素配置扭曲狀況，進(jìn)而促進(jìn)綠色全要素生產(chǎn)率的提升。采用2011—2017年中國285個(gè)地級市的面板數(shù)據(jù)，引入勞動和資本要素配置扭曲指數(shù)，運(yùn)用中介效應(yīng)模型檢驗(yàn)數(shù)字普惠金融對綠色全要素的影響效應(yīng)及其傳導(dǎo)機(jī)制，研究結(jié)果表明：數(shù)字普惠金融的發(fā)展降低了要素扭曲，而要素扭曲的改善會顯著提升綠色全要素生產(chǎn)率;相對于數(shù)字化程度，數(shù)字普惠金融的覆蓋廣度和使用深度對綠色全要素生產(chǎn)率的提升作用更顯著;相對于中西部地區(qū)和中小型城市，“數(shù)字普惠金融發(fā)展→要素扭曲改善→綠色全要素生產(chǎn)率提升”的效應(yīng)在東部地區(qū)和大城市更顯著。因此，在資源環(huán)境日益成為經(jīng)濟(jì)增長的硬性約束條件下，國家應(yīng)大力推廣數(shù)字普惠金融，促進(jìn)資本和勞動要素的自由流動和有效整合，進(jìn)而實(shí)現(xiàn)數(shù)字普惠金融與綠色全要素生產(chǎn)率的協(xié)調(diào)發(fā)展。

關(guān)鍵詞：數(shù)字普惠金融;資本扭曲;勞動扭曲;綠色全要素生產(chǎn)率

中圖分類號：F124;F8321文獻(xiàn)標(biāo)志碼：A文章編號：1674-8131（2021）04-0082-15

一、引言

推動綠色全要素生產(chǎn)率增長是當(dāng)前及今后實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要手段。在資源和環(huán)境雙重約束下，提高綠色全要素生產(chǎn)率將促進(jìn)資源的合理配置和高效利用，是實(shí)現(xiàn)綠色發(fā)展的必然選擇。金融在推動綠色發(fā)展的實(shí)踐中起著至關(guān)重要的作用，黨的十九大報(bào)告及2020年的政府工作報(bào)告中明確指出要加快發(fā)展綠色金融推動經(jīng)濟(jì)高質(zhì)量發(fā)展。以人工智能、大數(shù)據(jù)為基礎(chǔ)的數(shù)字普惠金融與傳統(tǒng)金融的融合，能夠有效降低信息不對稱和不完全契約帶來的金融摩擦，從而改善要素錯(cuò)配，對綠色全要素生產(chǎn)率的增長產(chǎn)生影響[1]。因此，有必要深入探討數(shù)字普惠金融的發(fā)展如何影響要素配置，進(jìn)而推動綠色全要素生產(chǎn)率增長。

已有研究發(fā)現(xiàn)，金融發(fā)展主要是通過以下途徑促進(jìn)綠色全要素生產(chǎn)率：其一，金融發(fā)展通過企業(yè)監(jiān)督效應(yīng)、資本配置效應(yīng)和資本支持效應(yīng)影響綠色發(fā)展[2];其二，金融發(fā)展通過規(guī)模效應(yīng)、技術(shù)效應(yīng)與結(jié)構(gòu)效應(yīng)影響環(huán)境質(zhì)量[3];其三，金融發(fā)展通過改善金融規(guī)模、金融結(jié)構(gòu)以及提升金融效率影響綠色創(chuàng)新與綠色技術(shù)進(jìn)步，并最終影響綠色全要素生產(chǎn)率增長[3-6]。此外，關(guān)于數(shù)字普惠金融影響綠色金融的國內(nèi)外文獻(xiàn)為本研究提供了邏輯起點(diǎn)，如Siek和Sutanto（2019）認(rèn)為數(shù)字化技術(shù)應(yīng)用有助于金融機(jī)構(gòu)的結(jié)構(gòu)優(yōu)化、效率提升以及環(huán)境責(zé)任承擔(dān)，從而促進(jìn)綠色金融發(fā)展[7]。劉濤（2019）提出數(shù)字金融通過提高綠色項(xiàng)目收益、提升企業(yè)環(huán)境信息披露廣度、深度及精度等賦能于綠色金融[8]。王康仕等（2020）認(rèn)為金融數(shù)字化促進(jìn)了綠色金融發(fā)展[9]?？v觀國內(nèi)外已有文獻(xiàn)，關(guān)于數(shù)字普惠金融對綠色全要素生產(chǎn)率影響的研究僅處于起步階段，尤其是鮮有文獻(xiàn)從要素配置的角度分析數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響機(jī)制。鑒于此，本研究一方面通過對已有文獻(xiàn)進(jìn)行延續(xù)性研究，從理論上進(jìn)一步闡釋數(shù)字普惠金融如何通過改變要素扭曲影響綠色全要素生產(chǎn)率;另一方面，在已有研究基礎(chǔ)上進(jìn)一步深入和細(xì)化，采用中介效應(yīng)模型，引入勞動和資本要素配置扭曲指數(shù)，使用2011—2017年中國285個(gè)地級市的面板數(shù)據(jù)，深入分析要素扭曲在數(shù)字普惠金融與綠色全要素生產(chǎn)率之間的傳導(dǎo)機(jī)制和影響效果。

本文余下部分的安排如下：第一，從要素配置扭曲視角解析數(shù)字普惠金融對綠色全要素生產(chǎn)率的作用機(jī)理;第二，在引入并測算勞動和資本要素扭曲指數(shù)基礎(chǔ)上，實(shí)證分析數(shù)字普惠金融及其不同維度對綠色全要素生產(chǎn)率的影響機(jī)制;第三，進(jìn)一步討論數(shù)字普惠金融在不同地區(qū)和城市規(guī)模下對綠色全要素生產(chǎn)率的異質(zhì)性作用機(jī)制，并提出有針對性的政策建議。

二、理論分析與研究假說

在Philippe等（2005）和Daron等（2006）的模型基礎(chǔ)上[10-11]，張帆（2017）通過構(gòu)建熊彼特增長離散時(shí)間模型探討了金融發(fā)展對綠色全要素生產(chǎn)率的影響機(jī)理[12]。本文將在這一模型的基礎(chǔ)上進(jìn)一步深入分析數(shù)字普惠金融如何影響綠色全要素生產(chǎn)率。張帆（2017）首先假定綠色技術(shù)升級影響綠色全要素生產(chǎn)率的提升，融資約束會導(dǎo)致綠色技術(shù)升級型投資嚴(yán)重不足，從而抑制綠色全要素生產(chǎn)率的提升;相對于一般的項(xiàng)目，綠色技術(shù)升級型投資項(xiàng)目面臨更高的風(fēng)險(xiǎn)和收益不確定，因此，綠色技術(shù)升級項(xiàng)目需要支付更高的融資成本以保證風(fēng)險(xiǎn)與收益的匹配;其研究結(jié)果表明，金融的不斷發(fā)展能提升綠色全要素生產(chǎn)率水平[12]。數(shù)字普惠金融借助于互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交媒體、定位系統(tǒng)、區(qū)塊鏈等多種方式對大數(shù)據(jù)展開實(shí)時(shí)和智能化搜集，并采用人工智能、云計(jì)算進(jìn)行分析，從而有效降低企業(yè)技術(shù)升級型投資項(xiàng)目由于信息不對稱和不完善契約導(dǎo)致的融資約束，有助于增加企業(yè)綠色技術(shù)升級的投入，進(jìn)而提升綠色全要素生產(chǎn)率。

要素價(jià)格扭曲會抑制綠色全要素生產(chǎn)率的提升。已有研究證明資本和勞動的扭曲，不僅通過降低落后企業(yè)的生產(chǎn)成本使其繼續(xù)存活甚至擴(kuò)大生產(chǎn)規(guī)模，而且低要素價(jià)格下企業(yè)更沒有動力進(jìn)行綠色技術(shù)升級[13]。此外，勞動和資本要素扭曲通過影響環(huán)境污染、能源利用效率、環(huán)境治理，使得綠色全要素生產(chǎn)率偏離最優(yōu)[13-15];勞動和資本要素市場價(jià)格被低估，還會導(dǎo)致資源誤置、抑制企業(yè)的技術(shù)進(jìn)步和研發(fā)投入增長，從而產(chǎn)生低效率低技術(shù)“鎖定效應(yīng)”[16-19]，加劇地方環(huán)境污染，最終不利于綠色全要素生產(chǎn)率的提升。相對于傳統(tǒng)的金融服務(wù)，數(shù)字普惠金融依托云計(jì)算和人工智能等手段，對金融機(jī)構(gòu)和非金融企業(yè)的基礎(chǔ)信息大數(shù)據(jù)展開實(shí)時(shí)和智能化搜集、分析和決策，可以大幅降低長尾市場信息收集成本，有效保證中小企業(yè)融資需求，改善資本扭曲。此外，數(shù)字普惠金融以較低的成本聯(lián)合其他部門構(gòu)建企業(yè)信用體系，能夠?yàn)閯?chuàng)業(yè)主體定制精準(zhǔn)的金融服務(wù)，能有效甄別具備創(chuàng)新實(shí)力的創(chuàng)業(yè)主體，從而能使更多金融資源投向富含技術(shù)創(chuàng)新的項(xiàng)目[20]。因此，數(shù)字普惠金融的發(fā)展有利于提升創(chuàng)業(yè)主體的融資效率，并加強(qiáng)對創(chuàng)新型項(xiàng)目的支持，促進(jìn)創(chuàng)業(yè)行為，從而有利于改善勞動扭曲。

數(shù)字普惠金融通過覆蓋廣度、使用深度和數(shù)字化程度三個(gè)維度共計(jì)33個(gè)指標(biāo)來衡量。覆蓋廣度主要衡量支付寶賬戶數(shù)及其綁定的銀行卡數(shù)等電子賬戶數(shù);使用深度偏向于對數(shù)字普惠金融的實(shí)際服務(wù)狀況進(jìn)行衡量，包括實(shí)際使用服務(wù)人數(shù)、人均交易筆數(shù)、人均交易金額[21];數(shù)字化程度衡量的是數(shù)字金融服務(wù)的便利性和成本。龔強(qiáng)等（2020）認(rèn)為移動支付對普通人群的作用更大，不僅僅降低了金融服務(wù)的交易成本，而且使低收入人群有機(jī)會進(jìn)入金融市場并將自己的財(cái)富轉(zhuǎn)移到實(shí)體經(jīng)濟(jì)[22]。因此，相對于使用深度，數(shù)字普惠金融的覆蓋廣度和數(shù)字化程度的提升更有助于改善和優(yōu)化地區(qū)資本和勞動扭曲，進(jìn)而提升地區(qū)綠色全要素生產(chǎn)率。

因此，本文提出待檢驗(yàn)假說1：數(shù)字普惠金融及其不同維度通過改善勞動和資本要素扭曲提升綠色全要素生產(chǎn)率。

擁有較好的基礎(chǔ)設(shè)施和較高經(jīng)濟(jì)水平的東部地區(qū)及大城市，在互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等數(shù)字基礎(chǔ)設(shè)施建設(shè)方面發(fā)展更好[23]，進(jìn)一步強(qiáng)化了數(shù)字普惠金融對企業(yè)綠色技術(shù)升級項(xiàng)目的金融支持，進(jìn)而可以更有效地提升綠色全要素生產(chǎn)率。而且東部地區(qū)和大城市的勞動和資本要素市場發(fā)育相對完善[23]，數(shù)字金融普惠金融能有效改善要素扭曲，從而激勵企業(yè)進(jìn)行綠色技術(shù)升級和研發(fā)投入。在中西部地區(qū)及中小城市，依托數(shù)字科技的數(shù)字普惠金融發(fā)展受到人力資本及基礎(chǔ)設(shè)施的制約[24-25]，企業(yè)仍然面臨著相對較高的融資約束，制約了綠色全要素生產(chǎn)率提升。中西部地區(qū)及小城市要素市場發(fā)育相對不完善[23]，雖然數(shù)字普惠金融能改善勞動和資本要素扭曲，但是企業(yè)仍然可以獲取價(jià)格相對低的勞動和資本要素，沒有動力去升級綠色技術(shù)和增加研發(fā)投入，進(jìn)而制約綠色全要素生產(chǎn)率的提升。

因此，本文提出待檢驗(yàn)假說2：數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響存在區(qū)域及城市規(guī)模的差異。

三、研究設(shè)計(jì)

1.模型設(shè)計(jì)

本文首先分析數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響?；貧w模型如式（1）所示：

GTFPit=α0+α1INDEXit+∑αjControlit+μi+λt+εit（1）

式（1）中，下標(biāo)i表示各地級市，下標(biāo)t表示年份。GTFP是被解釋變量，表示綠色全要素生產(chǎn)率;INDEXit是本文的核心解釋變量，表示數(shù)字普惠金融指數(shù);Controlit代表一系列控制變量;μi表示不可觀測的地區(qū)個(gè)體效應(yīng)，λt表示時(shí)間效應(yīng)，εit為隨機(jī)干擾項(xiàng)（服從正態(tài)分布）。

其次，為了檢驗(yàn)數(shù)字普惠金融是否通過緩解要素市場扭曲促進(jìn)綠色全要素生產(chǎn)率，本文構(gòu)建了如下回歸模型：

第一步，構(gòu)建數(shù)字普惠金融與資本扭曲和勞動扭曲的回歸模型，如式（2）（3）所示。

γKit=α0+β1INDEXit+∑θjControlit+μi+λt+εit（2）

γLit=α0+β2INDEXit+∑θjControlit+μi+λt+εit（3）

式中，γKit表示資本要素扭曲，γLit表示勞動要素扭曲。其余變量定義與式（1）相同。

第二步，檢驗(yàn)數(shù)字普惠金融是否通過緩解要素扭曲促進(jìn)綠色全要素生產(chǎn)率，回歸模型如式（4）所示。

GTFPit=γ0+γ1INDEXit+γ2γKit +γ3γLit + ∑θjControlit+μi+λt+εit（4）

2.數(shù)據(jù)來源

本文選取的2011-2017年中國地級市數(shù)據(jù)主要來源于《中國城市統(tǒng)計(jì)年鑒》《中國區(qū)域統(tǒng)計(jì)年鑒》和各省市統(tǒng)計(jì)年鑒。由于數(shù)據(jù)的難以獲得性以及為保證考察數(shù)據(jù)的完整性，本文剔除了西藏?cái)?shù)據(jù)，最終選取了285個(gè)地級市為基礎(chǔ)樣本。數(shù)字普惠金融指數(shù)來源于北京大學(xué)互聯(lián)網(wǎng)金融研究中心發(fā)布的《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2018）》。該指數(shù)由北京大學(xué)數(shù)字普惠金融研究中心和螞蟻金服集團(tuán)共同編制，用其描述我國數(shù)字普惠金融的發(fā)展概況具有科學(xué)性、代表性、可靠性和權(quán)威性，具體編制過程見郭峰等（2020）的研究[21]。

3.變量選取

（1）綠色全要素生產(chǎn)率

本文采用非期望產(chǎn)出的SBM（Slack-based Measure）方向性距離函數(shù)和GML（Global Malmquist—Luenberger）指數(shù)測算綠色全要素生產(chǎn)率。

投入指標(biāo)：勞動力投入、資本投入和能源投入。其中，勞動力投入用各城市年末單位從業(yè)人員數(shù)（萬人） 來衡量，資本投入采用永續(xù)盤存法進(jìn)行估算（以2000年為基期），能源投入用全年市轄區(qū)用電量（萬kw·h） 來衡量。

期望產(chǎn)出指標(biāo)：用以2000年為不變價(jià)格計(jì)算的各地級市實(shí)際GDP來衡量。

非期望產(chǎn)出指標(biāo)：選取各地級市的工業(yè)廢水排放量（萬噸）、工業(yè)二氧化碳排放量（萬噸）和工業(yè)煙塵排放量（萬噸）衡量非期望產(chǎn)出，并利用熵值法將上述指標(biāo)擬合成環(huán)境污染綜合指標(biāo)。

根據(jù)以上所選指標(biāo)，利用MaxDEA Pro軟件測算所選取的285個(gè)地級市的GML指數(shù)。同時(shí)，借鑒邱斌等（2008）的累乘思想[26]，將綠色全要素生產(chǎn)率指數(shù)轉(zhuǎn)換為以2005年為基期的累積生產(chǎn)率指數(shù)，繼而將所得值作為模型的因變量。

（2）數(shù)字普惠金融指數(shù)

本文選取數(shù)字普惠金融指數(shù)除以100來衡量數(shù)字普惠金融發(fā)展水平，以INDEX表示，并用COVERAGE/100、USEAGE/100、DIGITAL/100分別表示數(shù)字普惠金融服務(wù)的覆蓋廣度、使用深度和數(shù)字化程度這三個(gè)維度。

（3）要素扭曲指數(shù)

借鑒陳永偉和胡偉明（2011）的做法[27]，對表示地級市要素扭曲程度的資本扭曲指數(shù)γKit和勞動扭曲指數(shù)γLit進(jìn)行測算，具體如下：

γKit=KitKtSitβKitβKt，γLit=LitLtSitβLitβLt（5）

其中，Kit/Kt表示地級市i使用的資本存量占總資本存量的實(shí)際比例;Sit表示地級市i的產(chǎn)出占總產(chǎn)出的實(shí)際比例，βKit表示地級市i的資本貢獻(xiàn)值，βKt∑SitβKit表示產(chǎn)出加權(quán)的資本貢獻(xiàn)值，SitβKit/βKt表示在有效配置情況下地級市i使用資本的比例。Kit/Kt和SitβKit/βKt的比值可以反映實(shí)際資本存量和有效配置時(shí)資本存量的偏離程度。同理，Lit/Lt和SitβLit/βLt的比值可以反映出實(shí)際勞動力投入和有效配置時(shí)勞動力投入的偏離程度。

由于資本扭曲指數(shù)γKit和勞動扭曲γLit的計(jì)算基礎(chǔ)是各地級市的資本和勞動的要素產(chǎn)出彈性βKit和βLit，因此，本文參考趙志耘等（2006）的做法[28]，采用索洛余值法來測算。假設(shè)生產(chǎn)函數(shù)為具有規(guī)模報(bào)酬不變的C-D生產(chǎn)函數(shù)，具體形式如下：

Yit=AKβit L1-βit（6）

兩邊同時(shí)取自然對數(shù)，并在模型中加入個(gè)體效應(yīng)μi和時(shí)間效應(yīng)λt，形式如下：

ln（Yit/Lit）=lnA+β kiln（Kit/Lit）+ μi+λt+εit（7）

產(chǎn)出（Yit）：用各地級市的GDP表示，并將所有年份GDP折算成以2004年不變價(jià)格表示的實(shí)際GDP。

勞動力投入（Lit）：選取各城市年末單位從業(yè)人員數(shù)（萬人）來衡量。

資本投入（Kit）：用各地級市的固定資本存量表示，并采用永續(xù)盤存法進(jìn)行估算。本文主要借鑒張軍（2004）的思路[29]，計(jì)算公式如下：

Kt=It/Pt+（1-δt）Kt-1 （8）

Kt表示當(dāng)期的固定資本存量，It為當(dāng)期的名義固定資本形成總額，Pt為固定資產(chǎn)投資價(jià)格指數(shù)，δt表示折舊率，借鑒張軍（2004）的思路取δt=96%[29]，Kt-1表示上一期的固定資本存量，并將所有數(shù)據(jù)調(diào)整為以2004年為基期。

（4）控制變量

為了更準(zhǔn)確反映數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響，在控制變量的選取方面，本文依據(jù)已有文獻(xiàn)和經(jīng)濟(jì)社會的現(xiàn)實(shí)情況，選取如下5個(gè)變量：政府干預(yù)，選用地區(qū)政府一般預(yù)算內(nèi)財(cái)政支出除以地區(qū)人口表示，即人均財(cái)政支出;對外開放，選用實(shí)際外商投資額除以地區(qū)生產(chǎn)總值表示;產(chǎn)業(yè)結(jié)構(gòu)，使用第三產(chǎn)業(yè)結(jié)構(gòu)占地區(qū)生產(chǎn)總值的比重衡量;環(huán)境規(guī)制，選用二氧化硫去除率、煙塵去除率、工業(yè)固體廢物綜合利用率、生活污水處理率和生活垃圾無害化處理率等5個(gè)指標(biāo)，利用熵值法擬合成環(huán)境規(guī)制指標(biāo);金融發(fā)展，用各地區(qū)歷年的銀行業(yè)金融機(jī)構(gòu)人民幣各項(xiàng)存貸款余額之和占地區(qū)國內(nèi)生產(chǎn)總值的比重衡量。

4.描述性統(tǒng)計(jì)特征

主要變量的測算方法及描述性統(tǒng)計(jì)見表1。為了避免出現(xiàn)“偽回歸”，本文使用單位根檢驗(yàn)驗(yàn)證數(shù)據(jù)的平穩(wěn)性。面板單位根檢驗(yàn)結(jié)果表明（見表2），所有變量不存在單位根問題，數(shù)據(jù)是平穩(wěn)的，可以使用面板數(shù)據(jù)模型進(jìn)行直接估計(jì)。

四、實(shí)證分析結(jié)果

1.數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響

Hausman檢驗(yàn)結(jié)果表明，本文的基準(zhǔn)模型應(yīng)采用固定效應(yīng)模型。表3第（1）列報(bào)告了數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響，結(jié)果顯示，數(shù)字普惠金融的估計(jì)系數(shù)在5%的水平下顯著為正，其系數(shù)值為0245，表明數(shù)字普惠金融對地區(qū)綠色全要素生產(chǎn)率具有顯著促進(jìn)作用。

為解決內(nèi)生性問題，首先，本文選用數(shù)字普惠金融滯后一期（L.數(shù)字普惠金融）作為工具變量;其次，借鑒謝絢麗等（2018）的做法[30]，采用互聯(lián)網(wǎng)普及率作為數(shù)字普惠金融發(fā)展的工具變量。一方面，互聯(lián)網(wǎng)普及率作為數(shù)字金融的基礎(chǔ)設(shè)施，與數(shù)字普惠金融的變化存在著緊密的聯(lián)系;另一方面，在控制與綠色全要素生產(chǎn)率相關(guān)的變量后，互聯(lián)網(wǎng)普及率與綠色全要素生產(chǎn)率之間不存在直接影響路徑。這使得選取互聯(lián)網(wǎng)普及率作為工具變量是有效的。表3第（2）-（3）列報(bào)告了數(shù)字普惠金融滯后一期作為工具變量的結(jié)果，表3第（4）-（5）列報(bào)告了互聯(lián)網(wǎng)普及率作為工具變量的結(jié)果。具體來看，第（2）列匯報(bào)了L.數(shù)字普惠金融作為工具變量后第一階段的回歸結(jié)果，主要變量的系數(shù)在1%統(tǒng)計(jì)水平上顯著，滿足工具變量相關(guān)性要求。此外，弱工具變量檢驗(yàn)的F統(tǒng)計(jì)量為92713（大于10），表明不存在弱工具變量問題。第（4）列匯報(bào)了引入互聯(lián)網(wǎng)普及率作為工具變量后的回歸結(jié)果。結(jié)果顯示工具變量互聯(lián)網(wǎng)普及率對數(shù)字普惠金融指數(shù)的回歸系數(shù)顯著異于0，第一階段的F值為21359（大于臨界值10），同樣說明不存在弱工具變量。因此，無論在基準(zhǔn)回歸，還是在工具變量的回歸中，數(shù)字普惠金融的回歸系數(shù)均顯著，進(jìn)一步證實(shí)了數(shù)字普惠金融發(fā)展能提升綠色全要素生產(chǎn)率。

2.作用機(jī)制檢驗(yàn)

為了探尋數(shù)字普惠金融對綠色全要素生產(chǎn)率的作用機(jī)制，本研究將在傳統(tǒng)回歸基礎(chǔ)上進(jìn)一步進(jìn)行中介效應(yīng)分析。第一步，檢驗(yàn)數(shù)字普惠金融是否能提升地區(qū)的綠色全要素生產(chǎn)率。表4第（1）列檢驗(yàn)結(jié)果表明，數(shù)字普惠金融的估計(jì)系數(shù)值為0245，并在5%的置信水平上顯著，表明數(shù)字普惠金融的發(fā)展能夠顯著提升綠色全要素生產(chǎn)率水平。第二步，加入資本扭曲和勞動扭曲分別進(jìn)行回歸。表4第（2）列檢驗(yàn)了數(shù)字普惠金融對資本要素扭曲的影響，結(jié)果顯示，數(shù)字普惠金融的估計(jì)系數(shù)為-0117，且在1%的置信水平上顯著，表明數(shù)字普惠金融對資本扭曲存在抑制作用。表4第（3）列檢驗(yàn)了數(shù)字普惠金融對勞動要素扭曲的影響，結(jié)果顯示，數(shù)字普惠金融的估計(jì)系數(shù)為-0137，且在1%的置信水平上顯著，表明數(shù)字普惠金融對勞動扭曲也存在抑制作用。第三步，檢驗(yàn)中介效應(yīng)是否起作用。表4第（1）- （4）列檢驗(yàn)結(jié)果顯示，α1、β1、β2、γ2、γ3的估計(jì)系數(shù)分別為0245，-0117，-0137，-0166，-0266，且均在5%以內(nèi)的統(tǒng)計(jì)水平上顯著，說明資本扭曲和勞動扭曲作為中介變量是顯著的。而且，將中介變量加入計(jì)量模型后，第（4）列結(jié)果中數(shù)字普惠金融的估計(jì)系數(shù)γ1為0234，比加入中介效應(yīng)之前估計(jì)系數(shù)值有所減小，說明要素扭曲起到部分中介作用。此外數(shù)字普惠金融指數(shù)仍在5%的水平上顯著為正，進(jìn)一步表明改善要素扭曲是數(shù)字普惠金融促進(jìn)綠色全要素生產(chǎn)率的渠道。從要素扭曲的中介效應(yīng)來看，資本扭曲的中介效應(yīng)（β1γ2）占總效應(yīng)（α1）的比例為793%，勞動扭曲的中介效應(yīng)（β2γ3）占總效應(yīng)（α1）的比例為1487%。

3.數(shù)字普惠金融不同維度的影響

為進(jìn)一步確定數(shù)字普惠金融影響綠色全要素生產(chǎn)率的路徑，本文對數(shù)字普惠金融三個(gè)維度分別作了分析。從表5和6的整體回歸結(jié)果可以看出，數(shù)字普惠金融的覆蓋廣度和使用深度分別在1%和5%的統(tǒng)計(jì)水平上顯著促進(jìn)了綠色全要素生產(chǎn)率;與此同時(shí)，覆蓋廣度、使用深度在1%的水平上緩解了要素扭曲程度;數(shù)字普惠金融的覆蓋廣度、使用深度通過緩解地區(qū)要素扭曲促進(jìn)了地區(qū)綠色全要素生產(chǎn)率提升。從表7的回歸結(jié)果可以看出，數(shù)字化服務(wù)程度也能提升綠色全要素生產(chǎn)率，但效果并不顯著，而對勞動和資本要素扭曲的影響在1%的水平下顯著為負(fù)。這表明數(shù)字化服務(wù)程度的提高雖然能改善勞動和資本扭曲，但提升綠色全要素生產(chǎn)率的作用不顯著。

4.穩(wěn)健性檢驗(yàn)

（1）核心解釋變量滯后一期

對數(shù)字普惠金融指數(shù)滯后一期（L.數(shù)字普惠金融）的回歸結(jié)果如表8第（1）～（4）所示。結(jié)果表明，數(shù)字普惠金融與綠色全要素生產(chǎn)率仍存在正相關(guān)關(guān)系，表明數(shù)字普惠金融能促進(jìn)全要素生產(chǎn)率的提升;加入資本扭曲和勞動扭曲后，資本扭曲和勞動扭曲的估計(jì)系數(shù)均在1%的水平上顯著為負(fù)。穩(wěn)健性檢驗(yàn)中所有變量的參數(shù)估計(jì)和顯著性均沒有發(fā)生明顯變化，與前文基準(zhǔn)回歸的結(jié)果一致，說明本研究的實(shí)證結(jié)果是穩(wěn)健的。

（2）縮尾處理

本文對主要解釋變量在1%的水平上進(jìn)行縮尾處理，回歸結(jié)果如表8第（5）-（8）列所示。結(jié)果表明，變量的參數(shù)估計(jì)和顯著性沒有發(fā)生明顯變化，進(jìn)一步說明本文的結(jié)果是穩(wěn)健的。

5.異質(zhì)性分析

（1）區(qū)域差異

由于我國各地的數(shù)字普惠金融發(fā)展情況存在著明顯的地區(qū)差異，為了探尋數(shù)字普惠金融發(fā)展對綠色全要素生產(chǎn)率的影響是否表現(xiàn)出區(qū)域差異，本文將總樣本分為東部和中西部兩個(gè)子樣本分別進(jìn)行回歸，結(jié)果如表9所示。對于東部地區(qū)而言，從表9第（1）～（4）列可以看出，數(shù)字普惠金融通過改善資本要素扭曲和勞動要素扭曲促進(jìn)了綠色全要素生產(chǎn)率;而對于中西部地區(qū)而言，從表9的（5）～（8）列的回歸結(jié)果看出，數(shù)字普惠金融雖然改善了中西部地區(qū)的要素扭曲，但是并沒有顯著提升綠色全要素生產(chǎn)率，在同時(shí)加入了數(shù)字普惠金融、勞動和資本要素扭曲后回歸結(jié)果仍然不顯著。

（2）城市規(guī)模差異

由于我國各地級市的城市規(guī)模存在較大差異，數(shù)字普惠金融發(fā)展對不同類型城市的作用可能存在差異。為此，本文將總樣本分為大型城市和中小型城市，并對其分別進(jìn)行回歸。結(jié)果如表10所示。從第（1）～（4）列可以看出，數(shù)字普惠金融改善了大城市的勞動和資本要素扭曲，促進(jìn)了其綠色全要素生產(chǎn)率提升。在中小型城市的樣本中，從第（5）～（8）列可以看出，數(shù)字普惠金融能緩解勞動要素扭曲，但對資本扭曲的緩解效果不顯著，且對綠色全要素生產(chǎn)率的提升效果也不顯著。可能原因是在中小城市，資本要素市場發(fā)育不完善，雖然數(shù)字普惠金融能改善勞動要素扭曲，但是企業(yè)仍然可以獲取價(jià)格低的勞動和資本要素，沒有動力去升級綠色技術(shù)和增加研發(fā)投入，從而對綠色全要素生產(chǎn)率影響不顯著。

五、結(jié)論與政策建議

本文的理論分析表明，數(shù)字普惠金融通過借助互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交媒體、定位系統(tǒng)、區(qū)塊鏈等緩解融資約束，并改善勞動和資本要素扭曲，進(jìn)而提升綠色全要素生產(chǎn)率。在實(shí)證層面上，本文借鑒中介效應(yīng)模型引入勞動和資本要素配置扭曲指數(shù)，使用2011-2017年中國285個(gè)地級市的面板數(shù)據(jù)，從總體、不同維度、區(qū)域和城市規(guī)模等方面分析了數(shù)字普惠金融對綠色全要素生產(chǎn)率的影響機(jī)制。研究結(jié)果表明：（1）從總體上看，數(shù)字普惠金融通過緩解要素扭曲促進(jìn)了綠色全要素生產(chǎn)率的提升。此外，經(jīng)過內(nèi)生性檢驗(yàn)及更換核心變量、縮尾1%等多種穩(wěn)健性檢驗(yàn)后，以上結(jié)論仍然成立。（2）從不同維度看，除數(shù)字化程度外，數(shù)字普惠金融的覆蓋廣度和使用深度的提高都顯著緩解了要素扭曲，促進(jìn)了綠色全要素生產(chǎn)率的提升。（3）從區(qū)域差異看，數(shù)字普惠金融的發(fā)展緩解了東部地區(qū)的要素扭曲，促進(jìn)了綠色全要素生產(chǎn)率的提升，但對中西部地區(qū)的影響不顯著。（4）從城市規(guī)?？?，數(shù)字普惠金融的發(fā)展改善了大型城市要素扭曲，帶來的綠色全要素生產(chǎn)率增長效應(yīng)顯著，但對小中型城市影響不顯著?？傮w而言，數(shù)字普惠金融通過緩解要素配置扭曲促進(jìn)了綠色全要素生產(chǎn)率的提升。

基于上述研究結(jié)論，本文得出以下政策建議：首先，應(yīng)堅(jiān)定不移地推進(jìn)數(shù)字普惠金融的發(fā)展。健全數(shù)字化金融設(shè)施是數(shù)字普惠金融進(jìn)一步發(fā)展的方向，也是中國深化金融改革和轉(zhuǎn)型的重要方向，從而使數(shù)字普惠金融更有效率、更加全面地提升綠色全要素生產(chǎn)率水平。同時(shí)以螞蟻集團(tuán)為代表的金融科技公司要進(jìn)一步降低貸款利率并積極服務(wù)中小企業(yè)。其次，政府應(yīng)制定針對東中西部、大中小城市的差異化數(shù)字普惠金融推進(jìn)政策。目前，數(shù)字普惠金融只對東部地區(qū)和大城市的作用效果顯著，相對而言，中西部地區(qū)和中小型城市需進(jìn)一步推進(jìn)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等數(shù)字科技發(fā)展，并通過減少優(yōu)質(zhì)資源流失、獲取發(fā)達(dá)地區(qū)的創(chuàng)新理念和先進(jìn)技術(shù)、積極承接發(fā)達(dá)地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移等方式縮小和東部及大規(guī)模城市的差距，加快資本和勞動要素扭曲的改善，提升對本地區(qū)綠色全要素生產(chǎn)率的促進(jìn)作用。最后，強(qiáng)化綠色發(fā)展的制度性供給。健全綠色發(fā)展的保障機(jī)制體制建設(shè)，進(jìn)一步推動相關(guān)法律法規(guī)的保障，為提高綠色全要素生產(chǎn)率搭建良好的制度生態(tài)環(huán)境。

參考文獻(xiàn)：

[1]謝賢君.要素市場扭曲如何影響綠色全要素生產(chǎn)率——基于地級市經(jīng)驗(yàn)數(shù)據(jù)研究[J].財(cái)貿(mào)研究，2019（6）：36-46.

[2]黃建歡，呂海龍，王良健.金融發(fā)展影響區(qū)域綠色發(fā)展的機(jī)理——基于生態(tài)效率和空間計(jì)量的研究[J].地理研究，2014（3）：532-545.

[3]任力，朱東波.中國金融發(fā)展是綠色的嗎？——兼論中國環(huán)境庫茲涅茨曲線假說[J].經(jīng)濟(jì)學(xué)動態(tài)，2017（11）：58-73.

[4]周五七，朱亞男.金融發(fā)展對綠色全要素生產(chǎn)率增長的影響研究——以長江經(jīng)濟(jì)帶11省（市）為例[J].宏觀質(zhì)量研究，2018（3）：74-89.

[5]徐璋勇，朱睿.金融發(fā)展對綠色全要素生產(chǎn)率的影響分析——來自中國西部地區(qū)的實(shí)證研究[J].山西大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2020（1）：117-129.

[6]葛鵬飛，黃秀路，徐璋勇.金融發(fā)展、創(chuàng)新異質(zhì)性與綠色全要素生產(chǎn)率提升——來自“一帶一路”的經(jīng)驗(yàn)證據(jù)[J].財(cái)經(jīng)科學(xué)，2018（1）：1-14.

[7]SIEK M，SUTANTO A. Impact analysis of Fintech on banking industry[C]//2019 International Conference on Information Management and Technology（ICIMTech），2019.

[8]劉濤.以金融科技重塑綠色金融的微觀基礎(chǔ)[J].銀行家，2019（4）：128-130.

[9]王康仕，孫旭然，張林曦，王鳳榮.金融數(shù)字化是否促進(jìn)了綠色金融發(fā)展？——基于中國工業(yè)上市企業(yè)的實(shí)證研究[J].財(cái)經(jīng)論叢，2020（9）：44-53.

[10]PHILIPPE A，PETER H，DAVID MF. The effect of financial development on convergence：Theory and evidence[J]. The Quarterly journal of economics，2005，120（1）：173-222.

[11]DARON A，PHILIPPE A，F(xiàn)ABRIZIO Z. Distance to frontier，selection，and economic growth[J]. Journal of the European Economic Association，2006，4（1）：37-74.

[12]張帆.金融發(fā)展影響綠色全要素生產(chǎn)率的理論和實(shí)證研究[J].中國軟科學(xué)，2017（9）：154-167.

[13]林伯強(qiáng)，杜克銳.要素市場扭曲對能源效率的影響[J].經(jīng)濟(jì)研究，2013（9）：125-136.

[14]占華.要素市場扭曲與中國環(huán)境污染[J].統(tǒng)計(jì)與信息論壇，2020（2）：67-76.

[15]張亞斌，李英杰，金培振.要素市場扭曲影響中國城市環(huán)境質(zhì)量的空間效應(yīng)研究[J].財(cái)經(jīng)論叢，2016（7）：3-10.

[16]張?zhí)烊A，張少華.偏向性政策、資源配置與國有企業(yè)效率[J].經(jīng)濟(jì)研究，2016（2）：126-139.

[17]錢學(xué)鋒，毛海濤，徐小聰.中國貿(mào)易利益評估的新框架——基于雙重偏向型政策引致的資源誤置視角[J].中國社會科學(xué)，2016（12）：83-108.

[18]張杰，周曉艷，李勇.要素市場扭曲抑制了中國企業(yè)R&D？[J].經(jīng)濟(jì)研究，2011（8）：78-91.

[19]張杰，周曉艷，鄭文平，蘆哲.要素市場扭曲是否激發(fā)了中國企業(yè)出口[J].世界經(jīng)濟(jì)，2011（8）：134-160.

[20]唐松，賴曉冰，黃銳.金融科技創(chuàng)新如何影響全要素生產(chǎn)率：促進(jìn)還是抑制？——理論分析框架與區(qū)域?qū)嵺`[J].中國軟科學(xué)，2019（7）：134-144.

[21]郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020（4）：1401-1418.

[22]龔強(qiáng)，張一林，郁蕓君.支付革命、金融深化與包容性發(fā)展[M]//數(shù)字開放平臺第四次學(xué)術(shù)論壇，2020.

[23]星焱.農(nóng)村數(shù)字普惠金融的“紅利”與“鴻溝”[J].經(jīng)濟(jì)學(xué)家，2021（2）：102-111.

[24]董曉林，張曄.自然資源依賴、政府干預(yù)與數(shù)字普惠金融發(fā)展——基于中國273個(gè)地市級面板數(shù)據(jù)的實(shí)證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2021（1）：117-128.

[25]郭峰，王瑤佩.傳統(tǒng)金融基礎(chǔ)、知識門檻與數(shù)字金融下鄉(xiāng)[J].財(cái)經(jīng)研究，2020（1）：19-33.

[26]邱斌，楊帥，辛培江.FDI技術(shù)溢出渠道與中國制造業(yè)生產(chǎn)率增長研究：基于面板數(shù)據(jù)的分析[J].世界經(jīng)濟(jì)，2008（8）：20-31.

[27]陳永偉，胡偉民.價(jià)格扭曲、要素錯(cuò)配和效率損失：理論和應(yīng)用[J].經(jīng)濟(jì)學(xué)（季刊），2011（4）：1401-1422.

[28]趙志耘，劉曉路，呂冰洋.中國要素產(chǎn)出彈性估計(jì)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2006（6）：5-11.

[29]張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952—2000[J].經(jīng)濟(jì)研究，2004（10）：35-44.

[30]謝絢麗，沈艷，張皓星，郭峰.數(shù)字金融能促進(jìn)創(chuàng)業(yè)嗎？——來自中國的證據(jù)[J].經(jīng)濟(jì)學(xué)（季刊），2018（4）：1557-1580.

Digital Inclusive Finance， Factor Distortion and

Green Total Factor ProductivityTIAN Jie1a， TAN Qiu-yun1b， CHEN Yi-ming2

（1a.Research Center for Economy of Upper Reaches of the Yangste River， 1b. School of Finance，

Chongqing Technology and Business University， Chongqing 400067， China;

2.School of Economics and Management， Southwest University， Chongqing 400715， China）

Abstract： Digital inclusive finance promotes the improvement of green total factor productivity by promoting financial market efficiency to improve factor allocation distortions situation. Using the panel data of 285 prefecture-level cities in China from 2011 to 2017， this paper empirically analyzes the? effect and transmission mechanism of digital financial inclusion on green total factors by using the mediating effect model and introducing the distortion index of labor and capital factor allocation. The results show that the development of digital financial inclusion reduces the degree of factor distortions， and the improvement of factor distortions is significantly conducive to the improvement of green total factor productivity. Compared with the? digitalization degree， the coverage breadth and use depth of digital inclusive finance have a more significant effect on improving green total factor productivity. Compared with central and west areas and middle-sized and small cities， the effect of digital inclusive finance development - factor distortion improvement - green total factor productivity improvement is more significant in the eastern region and big cities. Therefore， with resources and environment increasingly becoming the rigid constraint of economic growth， China should vigorously promote digital inclusive finance， boost the free flow and effective integration of capital and labor factors， so as to achieve the coordinated development of digital inclusive finance and green total factor productivity.

Key words： digital inclusive finance; capital distortions; labor distortion; green total factor productivity

CLC number：F124;F8321Document code：AArticle ID：1674-8131（2021）04-0082-15（編輯：劉仁芳）

*收稿日期：2021-02-05;修回日期：2021-05-05

基金項(xiàng)目：教育部人文社會科學(xué)重點(diǎn)研究基地重大項(xiàng)目（16JJD790063）

作者簡介：田杰（1983），男，湖北襄陽人;副教授，博士，碩士生導(dǎo)師，主要從事微型金融研究;E-mail： tianjie2121@ qq.com;譚秋云（1995），女，重慶潼南人;碩士研究生，主要從事微型金融研究。

通信作者：陳一明（1994），女，重慶人;博士研究生，主要從事數(shù)字金融研究;E-mail：cym007@email.swu.edu.cn。

① 數(shù)據(jù)來源：《2016中國對外直接投資統(tǒng)計(jì)公報(bào)》。