蘭忠菊, 麥強盛

(西南林業(yè)大學 會計學院,云南 昆明 650224)

全球氣候變暖、生物多樣性受到威脅、極端天氣等問題不斷出現(xiàn),引發(fā)人們開始反思人與自然的關(guān)系問題,而氣候變化是這一關(guān)系中非常重要的因素[1],二氧化碳(CO2)是造成這一系列問題的主要溫室氣體[2],因而如何降低CO2排放量引起了全世界的廣泛關(guān)注。中國也積極采取了許多措施,如不斷推進碳排放權(quán)交易市場的完善、自愿減排項目、發(fā)展碳金融等。2020年我國作出“雙碳”承諾,這對新時代新階段的碳減排提出了更高的要求。實現(xiàn)這一減排目標并發(fā)展綠色低碳經(jīng)濟不能僅靠末端的治理,而應順應數(shù)字化時代,合理利用數(shù)字技術(shù)、云計算、互聯(lián)網(wǎng)等方式。其中,金融是現(xiàn)代經(jīng)濟發(fā)展的核心,本身具有資源配置、價格發(fā)現(xiàn)、調(diào)動儲蓄以及促進專業(yè)化[3]等優(yōu)勢,因此可以采取有效的金融手段提升碳排放效率。

數(shù)字化時代,金融需要激發(fā)數(shù)據(jù)資源潛能,以金融數(shù)字化轉(zhuǎn)型推動生產(chǎn)、生活等方式轉(zhuǎn)型。因此以大數(shù)據(jù)、移動互聯(lián)網(wǎng)、云計算、區(qū)塊鏈等信息技術(shù)手段為基礎(chǔ)的數(shù)字金融應運而生并迅速發(fā)展,其旨在實現(xiàn)金融發(fā)展的普惠性和平等性,可有效改善傳統(tǒng)金融“普而不惠”的問題[4]。與傳統(tǒng)金融相比,數(shù)字金融以更低的成本、更廣的服務范圍和更普惠便捷的服務方式為更多市場主體提供更加高效可持續(xù)發(fā)展的金融服務,使數(shù)字金融成為經(jīng)濟高質(zhì)量發(fā)展的重要支撐點[5]。然而,數(shù)字金融能否提升碳排放效率,其內(nèi)在作用機制如何?鄰近地區(qū)數(shù)字金融發(fā)展是否對其他地區(qū)數(shù)字金融發(fā)展、碳排放效率提升產(chǎn)生空間非線性溢出效應?為回答這些問題,本文擬通過測度中國30個省區(qū)市碳排放效率,運用空間計量方法分析數(shù)字金融對碳排放效率的影響及內(nèi)在作用機制。

一、文獻綜述

近年來,有關(guān)綠色低碳和碳減排的研究主要集中在碳排放效率的概念、估計方法以及影響因素方面。碳排放效率的定義可從單要素和全要素角度界定。單要素角度下,其可界定為一個國家或地區(qū)單位GDP增長所帶來的碳排放量,即碳排放強度或潛在碳強度與實際碳強度之比[4]。全要素角度下,其可界定為在一定條件下,能源、資本、勞動力等其他變量不增加時,所帶來的最大的經(jīng)濟產(chǎn)出或最小的碳排放量[6],由于全要素視角可以將要素、環(huán)境、經(jīng)濟等方面有機結(jié)合起來,測量結(jié)果更加全面[7]。在測度方法上,主要有隨機前沿方法(SFA)[8]和數(shù)據(jù)包絡分析(DEA)[9]。SFA可能因設(shè)定的技術(shù)非效率項和具體的生產(chǎn)函數(shù)不合適而存在結(jié)構(gòu)偏差,而DEA具有不需要設(shè)定具體函數(shù)形式等優(yōu)勢,因而使得DEA及擴展模型被廣泛運用于效率測算中,如超效率DEA模型[10]、SBM模型[11]、非徑向方向距離函數(shù)(NDDF)[4]等。本文在全要素角度概念基礎(chǔ)上,運用超效率非期望產(chǎn)出SBM模型測量碳排放效率[12]。

隨著碳減排政策的不斷推進,眾多學者開始探索影響碳排放的因素,如碳試點政策[13]、碳排放權(quán)交易制度[1]、技術(shù)進步[14]、環(huán)境規(guī)制[3,12,15]、城市化水平[16]、人口密度、外商直接投資及經(jīng)濟發(fā)展水平[17]等。在眾多影響碳排放的因素中,金融發(fā)展對碳排放也具有重要的影響[18]。一方面金融發(fā)展抑制了碳排放[18-19],即金融發(fā)展通過技術(shù)創(chuàng)新[20]、技術(shù)進步[21]、吸引外商投資[22]、經(jīng)濟增長[23]、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整[24]等渠道對碳排放產(chǎn)生負面影響。另一方面金融發(fā)展也促進了碳排放[2,21]。金融發(fā)展通過增加能源消費[25]、傾向于滿足自然資源密集型污染企業(yè)的融資需求[3]、加快城市化水平[26]、降低融資成本[2]等渠道促進經(jīng)濟高速增長,使得碳排放量增加。此外,也有學者認為金融發(fā)展與碳排放之間存在倒U關(guān)系[20],其對碳排放的具體影響取決于積極和消極影響的相對大小。

數(shù)字金融作為傳統(tǒng)金融與現(xiàn)代數(shù)字技術(shù)融合的新金融形態(tài)[27],其對碳排放也具有不同影響。Wang等以中國284個城市的面板數(shù)據(jù)為基礎(chǔ),利用空間杜賓模型證實了數(shù)字金融在促進產(chǎn)業(yè)結(jié)構(gòu)升級、經(jīng)濟增長和技術(shù)創(chuàng)新時,會增加本地城市的碳排放量而降低鄰近城市的碳排放量[23]。鄧榮榮和張翱祥選取我國2012-2018年285個城市的面板數(shù)據(jù),利用面板回歸模型、中介效應等方法證明了數(shù)字金融能夠促進經(jīng)濟增長、技術(shù)創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,從而降低碳排放強度[27]。此外,王元彬等基于中國2000-2019年城市面板數(shù)據(jù),運用機器學習模型發(fā)現(xiàn)數(shù)字金融通過促進數(shù)字科技產(chǎn)業(yè)化、加快傳統(tǒng)產(chǎn)業(yè)數(shù)字化渠道降低了碳排放量[28]。Zhao等認為數(shù)字金融通過吸引外資、降低融資成本、增強消費者環(huán)保意識等方式降低碳排放量,同時又由于技術(shù)創(chuàng)新突破了時空限制,為偏遠地區(qū)提供多元化金融服務,促使該地區(qū)投資于粗放型經(jīng)濟活動,擴大經(jīng)濟規(guī)模進而促進碳排放量增加[29]。王軍等以2011-2019年制造業(yè)上市公司為研究樣本,基于拓展內(nèi)生增長模型發(fā)現(xiàn),數(shù)字金融對制造業(yè)碳排放強度存在“先促增后抑制”的非線性關(guān)系,且這種關(guān)系主要取決于規(guī)模效應和技術(shù)效應的權(quán)衡[30]。

綜上所述,有關(guān)數(shù)字金融對碳排放的影響研究未形成一致結(jié)論,且較少從碳排放效率視角出發(fā)。因此,本文采用超效率非期望產(chǎn)出SBM模型估計我國2011-2019年30個省區(qū)市碳排放效率,通過構(gòu)建面板空間計量模型、中介效應模型以及門限回歸模型分析數(shù)字金融對碳排放效率的空間非線性溢出效應及作用機制。

二、理論分析與研究假說

數(shù)字金融的優(yōu)勢在于其以數(shù)字化的現(xiàn)代科技手段實現(xiàn)資源的優(yōu)化配置、降低資金準入門檻、緩解融資約束、為偏遠地區(qū)提供金融服務,使金融的普惠性和平等性得以實現(xiàn),更加突顯其服務面廣、速度快和成本低的特點[31]。數(shù)字金融以信息技術(shù)手段突破時空限制,使企業(yè)更加精準及時地追蹤消費者需求信息,減少企業(yè)線下獲取相關(guān)信息而產(chǎn)生的碳排放量,進而有利于碳排放效率的提升,同時也有利于建立起企業(yè)和金融機構(gòu)共生共融的長期融資關(guān)系[32],使企業(yè)獲得充足資金以實現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新,從而降低碳排放量[24]。

數(shù)字金融的發(fā)展促進了經(jīng)濟的增長,提高了經(jīng)濟效率[25],進而吸引外國投資者將其先進技術(shù)帶入本國,進一步促進本國企業(yè)技術(shù)創(chuàng)新,提升碳排放效率,但外國投資的增加也可能產(chǎn)生“污染避難所”效應[27],不利于本國碳排放效率的提升。與此同時,經(jīng)濟的增長將帶來生產(chǎn)規(guī)模的擴大,進而增加能源消耗[33],能源消耗的增加反過來也會刺激經(jīng)濟增長[26,34]。經(jīng)濟增長使國家有充足的資金進行金融體系建設(shè),以提升金融市場化水平,從而最大化發(fā)揮金融市場的資源配置功能,拓寬企業(yè)的融資渠道,進一步使企業(yè)以更低的成本獲得資金來擴大生產(chǎn)規(guī)模,最終導致碳排放增加[2],從而降低了碳排放效率。基于此,本文提出以下假說1:

H1:數(shù)字金融可能提升或降低碳排放效率。

數(shù)字金融的快速發(fā)展通過對傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能推動產(chǎn)業(yè)結(jié)構(gòu)升級[28,35],使生產(chǎn)要素從低效率的部門和產(chǎn)業(yè)向高效率的部門和產(chǎn)業(yè)轉(zhuǎn)移[23,27],實現(xiàn)資源的優(yōu)化配置,降低經(jīng)濟活動對稀缺資源的依賴程度,有利于碳排放效率的提升。此外,在產(chǎn)業(yè)結(jié)構(gòu)升級過程中,創(chuàng)新發(fā)揮著重要作用。數(shù)字金融作為一種金融創(chuàng)新可有效解決產(chǎn)業(yè)結(jié)構(gòu)升級中的融資問題并引導資金流向回報率高的產(chǎn)業(yè),倒逼企業(yè)創(chuàng)新轉(zhuǎn)型,增強其技術(shù)研發(fā)能力,推動技術(shù)創(chuàng)新,改善能源消費結(jié)構(gòu)[36],增加清潔低碳產(chǎn)品的開發(fā)和使用,從而降低碳排放。數(shù)字金融促進產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新,提升了碳排放效率,而碳排放效率的提升使能源服務更加便宜,促進能源服務消費,進而可能抵消原本可以節(jié)約的能源[37],引致碳排放效率的降低?；诖?本文提出以下假說2:

H2:數(shù)字金融通過促進產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新對碳排放效率造成影響。

三、研究設(shè)計

1．變量說明及數(shù)據(jù)來源

(1)被解釋變量 碳排放效率(carbon)。借鑒王東和李金葉[12]的方法,本文選擇DEA的擴展模型超效率非期望產(chǎn)出SBM模型來估計碳排放效率。指標層面參考王東和李金葉[12]、賀茂斌和楊曉維[38]的做法,選取能源、勞動和資本作為投入要素,地區(qū)生產(chǎn)總值作為期望產(chǎn)出,地區(qū)CO2排放量作為非期望產(chǎn)出。其中,能源以各地區(qū)能源消費總量衡量,勞動以各地區(qū)上年末就業(yè)人數(shù)與本年末就業(yè)人數(shù)均值衡量,資本則以2010年為基期,根據(jù)永續(xù)盤存法計算而得[39]。以上變量原始數(shù)據(jù)源自《中國統(tǒng)計年鑒》、各地方統(tǒng)計年鑒,CO2排放量數(shù)據(jù)源自中國碳核算數(shù)據(jù)庫(CEADs)。

(2)解釋變量 數(shù)字金融(index)。借鑒北京大學中國數(shù)字金融研究中心公布的第三期數(shù)字普惠金融總指數(shù)衡量數(shù)字金融。

(3)中介變量 產(chǎn)業(yè)結(jié)構(gòu)升級(ind)用第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值表示;技術(shù)創(chuàng)新水平(inn)用每萬人人均專利授權(quán)數(shù)量表示。

(4)控制變量 政府規(guī)模(gov)用政府財政支出與GDP比值表示;科技研發(fā)支出(tech)用科技支出與財政支出比值表示;經(jīng)濟發(fā)展水平(eco)用人均GDP取對數(shù)表示;人口密度(den)用城市單位面積人口數(shù)取對數(shù)表示;外商投資(fdi)用外商投資總額占GDP的比重表示;城市化水平(ur)用城鎮(zhèn)人口比重表示。中介變量與控制變量數(shù)據(jù)源自《中國統(tǒng)計年鑒》、各地方統(tǒng)計年鑒。本文指標數(shù)據(jù)均為中國2011-2019年30個省區(qū)市(不含西藏自治區(qū)、臺灣省、香港和澳門特別行政區(qū))的面板數(shù)據(jù),共計270個樣本數(shù)據(jù)。

2．模型設(shè)定

從理論分析可知,數(shù)字金融對于碳排放具有一定的影響,為了研究數(shù)字金融對碳排放效率的影響,首先構(gòu)建基準回歸模型:

(1)

其中:i表示省份;t表示年份;carbon表示碳排放效率;index表示數(shù)字金融;control表示控制變量;ui為個體效應;λt為時間效應;εit為隨機干擾項。

如果只考慮普通面板回歸模型,易忽略變量的空間依賴性,這是因為區(qū)域間經(jīng)濟社會的發(fā)展越來越密切,各區(qū)域間的相互影響越來越大;因此,本文選擇空間計量模型以克服碳排放效率的空間依賴性可能導致的模型結(jié)果誤差。比較經(jīng)典的空間計量模型主要是空間滯后模型(SAR)和空間誤差模型(SEM)。SAR檢驗其他地區(qū)的因變量對本地區(qū)因變量的各種空間外溢效應,其反映的空間自相關(guān)性是一種內(nèi)生交互效應;SEM度量其他地區(qū)被解釋變量的隨機擾動項沖擊對本地區(qū)觀測值的影響程度,其體現(xiàn)的是一種外生交互效應。構(gòu)建的SAR和SEM模型如下:

(2)

(3)

其中:δ、φ、π、τ都是系數(shù);W是空間權(quán)重矩陣,本文的空間權(quán)重矩陣選擇空間地理距離矩陣替代。

為驗證產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新水平在數(shù)字金融對碳排放效率的影響過程中是否發(fā)揮中介作用,本文引入如下中介效應方程進行檢驗:

(4)

(5)

(6)

若式(4)中β1、式(5)中u1和式(6)中r2、r3均顯著,則表明產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新存在中介效應;若其中有一個系數(shù)不顯著,則需要進一步的檢驗,以判斷是否存在中介效應。

四、研究結(jié)果分析

1．基準回歸分析

Hausman檢驗結(jié)果表明,本文選擇固定效應模型比較適用。由表1列2可知,在控制其他變量不變的情況下,數(shù)字金融對碳排放效率存在顯著的負向影響,表明數(shù)字金融在促進經(jīng)濟增長的同時導致了能源消費需求增加[33],從而降低了碳排放效率,初步驗證了假說1。控制變量中,政府規(guī)模、科技研發(fā)支出和外商投資不利于碳排放效率的提升,其中僅有外商投資存在顯著影響。政府對市場的適當干預,可以有效解決市場失靈帶來的問題,維持社會穩(wěn)定性,如加強對污染物排放較大的企業(yè)的監(jiān)管,制定有效措施完善碳交易市場交易,提高碳市場交易效率,從而提高了碳排放效率;但政府對市場的過度干預會導致市場資源配置扭曲,使得市場的自我調(diào)節(jié)功能缺失,降低了碳排放效率?？萍佳邪l(fā)支出一方面可促進技術(shù)進步,擴大經(jīng)濟規(guī)模,刺激了生產(chǎn)和消費,降低了碳排放效率;另一方面技術(shù)的進步,可增強企業(yè)自主研發(fā)能力,開發(fā)和使用綠色低碳產(chǎn)品,利于碳排放效率的提升。中國環(huán)境法規(guī)的相對寬松[3]使得外國投資者將其重污染的產(chǎn)業(yè)轉(zhuǎn)移到中國,增加了我國污染物排放量,降低了碳排放效率。城市化水平對碳排放效率存在正向影響,但不顯著,原因可能是城市化水平的提升加劇了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,提升了碳排放效率[24],同時交通運輸部門和商業(yè)部門快速發(fā)展和家庭能源消費方式的改變,使得城市家庭能源消費是農(nóng)村家庭的兩倍[40],降低了碳排放效率。人口密度對碳排放效率存在正向影響,但不顯著,可能的解釋是:一方面人口密度的增加,使得生產(chǎn)要素、資源集中,提升了生產(chǎn)要素和資源的利用效率,進而提升了碳排放效率;另一方面人口密度的增加帶來能源消費增加,降低了碳排放效率。

表1 基準回歸、內(nèi)生性和穩(wěn)健性檢驗

考慮靜態(tài)面板固定效應中的內(nèi)生性問題。首先,通過在兩階段系統(tǒng)GMM估計中加入因變量滯后四期來建立動態(tài)面板模型,結(jié)果見表1列3所示;AR(1)和AR(2)結(jié)果表明,誤差項不存在二階序列自相關(guān),Sargan檢驗結(jié)果拒絕了工具變量過度識別假設(shè),說明兩階段系統(tǒng)GMM估計緩解內(nèi)生性問題是有效的。其次,考慮到數(shù)字金融是以互聯(lián)網(wǎng)為依托的事實,借鑒許釗等[41]、賀茂斌和楊曉維[38]工具變量的選擇,在2SLS回歸中選取互聯(lián)網(wǎng)普及率(idg)作為數(shù)字金融的工具變量進行分析,結(jié)果見表1列4所示。Anderson canon LM統(tǒng)計值表明不存在工具變量識別不足問題,Stock-Yogo弱工具變量10%顯著性水平下的臨界值小于Cragg-Donald WaldF統(tǒng)計值和Anderson canon LM統(tǒng)計值,說明本文選擇的互聯(lián)網(wǎng)普及率并非弱工具變量,該工具變量是有效的。為了增強實證結(jié)果可靠性,本文將數(shù)字金融替換為數(shù)字金融覆蓋廣度來驗證結(jié)果的可靠性,檢驗結(jié)果見表1列5所示;數(shù)字金融覆蓋廣度的顯著性及影響方向都沒有變化,只有系數(shù)值有所變化,證實了回歸結(jié)果相對穩(wěn)健性。

2．空間溢出效應分析

(1)空間自相關(guān)檢驗 本文利用莫蘭指數(shù)檢驗在地理距離權(quán)重矩陣下數(shù)字金融和碳排放效率的空間自相關(guān)性。由表2可知,2011-2019年,中國各省份碳排放效率全局莫蘭指數(shù)大部分顯著為正,且從2012年開始相關(guān)性呈現(xiàn)出遞減趨勢,在2019年轉(zhuǎn)變?yōu)樨撓嚓P(guān),說明隨著時間推移,我國各地區(qū)碳排放效率空間集聚狀態(tài)在逐漸減弱,可能是我國各地區(qū)基礎(chǔ)條件、資源稟賦、經(jīng)濟發(fā)展模式不同以及技術(shù)進步邊際效應遞減所致,進而使各地區(qū)制定的碳減排政策存在差異;數(shù)字金融全局莫蘭指數(shù)全部顯著為正,相關(guān)性呈現(xiàn)出遞增的狀態(tài),說明各地區(qū)金融發(fā)展越來越緊密,數(shù)字金融、技術(shù)、知識的空間溢出效應以及鄰里模仿能力等增強,體現(xiàn)出我國碳排放效率與數(shù)字金融存在高度空間依賴性,為后文進一步進行空間計量模型回歸提供了依據(jù),但兩者空間自相關(guān)性變化趨勢相反,數(shù)字金融對碳排放效率可能產(chǎn)生負向影響。

表2 碳排放效率與數(shù)字金融全局莫蘭指數(shù)

(2)空間計量模型結(jié)果分析 表3中LM檢驗結(jié)果顯示,空間誤差模型的LM檢驗和穩(wěn)健的LM檢驗結(jié)果顯著性均優(yōu)于空間滯后模型,且空間誤差模型的R2相對更高,因此本文選擇空間誤差模型進行分析具有相對更好的適用性。為增加結(jié)果的可比性,本文同時列出了空間滯后模型的結(jié)果。空間誤差模型的空間誤差系數(shù)為0.607且在1%水平下顯著,表明碳排放效率存在顯著的空間溢出效應,碳排放效率除了受到數(shù)字金融、其他控制變量的影響,還受到模型中未考慮的其他因素的影響。從估計結(jié)果可知,當數(shù)字金融每增加1個單位,碳排放效率將降低0.043個單位,即數(shù)字金融對碳排放效率存在顯著的負向影響,該結(jié)果與基準回歸結(jié)果一致。可能的原因有:微觀層面,在國家綠色低碳轉(zhuǎn)型和環(huán)境規(guī)制壓力下,重污染企業(yè)被迫轉(zhuǎn)型使得其邊際成本上升,而數(shù)字金融的低成本優(yōu)勢則獲得重污染企業(yè)青睞,增加企業(yè)研發(fā)投入,但真正實現(xiàn)技術(shù)突破及應用推廣周期較長,短期內(nèi)企業(yè)為了生存加之市場上綠色產(chǎn)品的需求不足使得該類企業(yè)仍然生產(chǎn)非綠產(chǎn)品以尋求利潤增長點,此時數(shù)字金融的“規(guī)模效應”大于“技術(shù)效應”[30],即數(shù)字金融降低了企業(yè)資金成本,擴大了企業(yè)生產(chǎn)經(jīng)營規(guī)模,能源消費隨之增加,因而降低了碳排放效率;金融機構(gòu)為積極響應國家低碳政策,增加對綠色企業(yè)的信貸支持,降低對綠色企業(yè)的信貸要求,僅注重信貸總量而忽視信貸質(zhì)量,進而導致部分綠色企業(yè)出現(xiàn)“過綠、漂綠”現(xiàn)象,隱形增加了非清潔能源消費量。宏觀層面,在主要以工業(yè)促進經(jīng)濟發(fā)展的地區(qū),在缺少有效的激勵機制以及政績壓力的影響下,政府可能干預信貸資源配置,財政支出偏好于帶來地區(qū)經(jīng)濟增長的工業(yè),不利于國家低碳政策實施;國家綠色低碳轉(zhuǎn)型政策的實施需要加大對新技術(shù)、低碳能源基礎(chǔ)設(shè)施的投入,有利于數(shù)字金融的發(fā)展,使得非綠企業(yè)也能享受數(shù)字金融紅利,加之企業(yè)逐利的本質(zhì),從而擴大生產(chǎn)規(guī)模,加重了環(huán)境污染?？刂谱兞繉μ寂欧判实挠绊懛较蚣帮@著性基本一致,且與基準回歸結(jié)果一致,各控制變量均對碳排放效率產(chǎn)生了一定影響,具體原因已在基準回歸中進行了解釋。結(jié)合基準回歸分析結(jié)果表明數(shù)字金融降低了碳排放效率,H1得到驗證。

表3 空間計量模型回歸結(jié)果

3．機制分析

式(4)～(6)結(jié)果見表4所列。表4列(1)和列(2)估計結(jié)果顯示,數(shù)字金融系數(shù)通過了1%的顯著性水平檢驗,說明數(shù)字金融促進了林業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新。表4列(3)數(shù)字金融系數(shù)通過了1%的顯著性水平檢驗,即數(shù)字金融每增加1個單位,碳排放效率提升0.242個單位;產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新對碳排放效率也具有顯著的正向影響,說明產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新發(fā)揮了部分中介效應,且產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新緩解了數(shù)字金融對碳排放效率的抑制作用,結(jié)合理論與實證分析,本文發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新共同作用可有效解決數(shù)字金融對碳排放效率的負向效應,H2得到了驗證。

表4 中介效應結(jié)果

4．穩(wěn)健性檢驗

為了增加研究結(jié)果的可靠性,本文主要通過以下方式進行驗證:一是以空間鄰接矩陣代替空間地理距離矩陣,二是對因變量、自變量和控制變量進行1%縮尾處理,對于縮尾處理后存在缺失值的變量,本文以該變量對應的年份的均值進行填充。穩(wěn)健性檢驗結(jié)果見表5所列。從表5結(jié)果可知,解釋變量數(shù)字金融除了系數(shù)大小發(fā)生變化外,顯著性及符號均未發(fā)生變化;控制變量中,除了城市化水平發(fā)生顯著性變化外,其余變量顯著性和符號均未發(fā)生顯著變化,驗證了本文估計結(jié)果的可靠性。

表5 穩(wěn)健性檢驗結(jié)果

5．異質(zhì)性分析

考慮到各地區(qū)經(jīng)濟發(fā)展水平不同,由此可能導致數(shù)字金融發(fā)展水平差異,對碳排放效率的影響也存在異質(zhì)性,因此本文就數(shù)字金融不同維度和地區(qū)差異進行異質(zhì)性分析。

(1)數(shù)字金融不同維度差異 參考郭峰等[42]測度的數(shù)字金融指數(shù)體系,將數(shù)字金融細分為數(shù)字金融覆蓋廣度、使用深度和數(shù)字化程度三個維度。三個維度的空間回歸結(jié)果見表6所列。由表6可知,在控制其他變量不變的情況下,數(shù)字金融三個維度均對碳排放效率存在顯著的負向影響,但三個維度的影響程度存在差異,數(shù)字金融使用深度對碳排放效率的影響最突出。具體而言,數(shù)字金融使用深度每增加1個單位,將導致碳排放效率降低0.042個單位,因此各地區(qū)在利用數(shù)字金融帶來的優(yōu)勢時,應控制其發(fā)展程度,不可過度擴大使用深度等。同時三個維度下碳排放效率均存在顯著的空間溢出效應,說明本地區(qū)碳排放效率除了受到數(shù)字金融的影響,還會受到鄰近地區(qū)碳排放效率誤差沖擊的影響。

表6 數(shù)字金融分維度結(jié)果

(2)地區(qū)差異 本文依據(jù)國家統(tǒng)計局的地區(qū)劃分標準,將30個省區(qū)市劃分為東、中、西部進行區(qū)域異質(zhì)性分析。由表7可知,東、中、西部的數(shù)字金融均對碳排放效率存在顯著的負向影響,但根據(jù)數(shù)字金融系數(shù)大小可知,東、中、西部經(jīng)濟發(fā)展水平依次遞減,數(shù)字金融對碳排放效率的負向影響程度依次遞增,說明經(jīng)濟發(fā)展水平越高,越有利于提升碳排放效率,但也應注重經(jīng)濟質(zhì)量的提升。此外,東部碳排放效率不存在顯著的空間溢出效應,中、西部碳排放效率存在顯著的空間溢出效應。

表7 分地區(qū)結(jié)果

6．門檻效應分析

以往關(guān)于數(shù)字金融與綠色低碳發(fā)展的研究發(fā)現(xiàn),數(shù)字金融發(fā)展存在地區(qū)差異,數(shù)字金融對碳排放或環(huán)境污染存在一種“倒U”或“倒N”的非線性關(guān)系[20,31,41]。為了驗證數(shù)字金融對碳排放效率的非線性關(guān)系,本文運用面板門限回歸模型進行檢驗。以單一門限為例,構(gòu)建數(shù)字金融與碳排放效率的門限回歸模型:

(7)

其中: γ1為門限值;數(shù)字金融(index)為門限變量,也是門限效應變量;I(·)是示性函數(shù);其余變量含義與基準回歸模型相同。

為了檢驗是否存在門檻效應,采用似然比檢驗來確定門檻效應以及門檻個數(shù)。由表8可知,只有單一門檻在5%的顯著性水平下通過檢驗,其余門檻均不顯著,因而初步確定門檻效應為單一門檻。

表8 門檻效應檢驗結(jié)果

在檢驗存在單一門檻的基礎(chǔ)上進行門檻回歸估計,由表9可知,當數(shù)字金融發(fā)展水平低于1.038時,估計參數(shù)為-0.057且在1%顯著性水平下顯著;當數(shù)字金融發(fā)展水平大于1.038時,估計參數(shù)為-0.154且在1%顯著性水平下顯著,說明隨著數(shù)字金融發(fā)展水平的提高,突破1.038門檻值時,數(shù)字金融對碳排放效率的負面影響將顯著增大。可能的解釋為數(shù)字金融發(fā)展初期,數(shù)字化基礎(chǔ)設(shè)施不完善,數(shù)字金融的優(yōu)勢未得以充分體現(xiàn),同時接受金融服務的群體對數(shù)字金融效用持懷疑態(tài)度,因此數(shù)字金融的利用率不高,對碳排放效率的負效應較小。數(shù)字金融進入加速發(fā)展時期,數(shù)字金融的數(shù)字化、便捷性、低成本性等特征逐漸顯現(xiàn),經(jīng)濟增長效應得到普遍認可,國家出臺相關(guān)政策支持數(shù)字金融發(fā)展,而數(shù)字金融風險的監(jiān)管措施不完善且滯后,接受金融服務的群體環(huán)保意識薄弱,不斷利用數(shù)字金融增加其利潤而忽視污染治理,進一步擴大了碳排放效率負效應。

表9 門檻回歸結(jié)果

五、結(jié)論與建議

本文以我國2011-2019年30個省級面板數(shù)據(jù)為樣本,多維度分析數(shù)字金融對碳排放效率的影響。研究結(jié)果發(fā)現(xiàn):第一,數(shù)字金融抑制了碳排放效率的提升,考慮內(nèi)生性問題并進行穩(wěn)健性檢驗后均得出一致結(jié)論;第二,產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新的中介作用將數(shù)字金融對碳排放效率的負效應轉(zhuǎn)變?yōu)檎?第三,數(shù)字金融、碳排放效率存在顯著的正向空間自相關(guān)性,且碳排放效率具有空間溢出效應;第四,數(shù)字金融對碳排放效率的影響存在顯著的維度差異和地區(qū)差異,但碳排放效率在東部地區(qū)不存在空間溢出效應;第五,數(shù)字金融對碳排放效率的影響存在非線性關(guān)系,突破門檻值后,其負面影響將顯著增加。

基于以上研究結(jié)論,本文提出以下政策建議:第一,完善數(shù)字基礎(chǔ)設(shè)施建設(shè),推進數(shù)字金融適度發(fā)展,匹配碳減排政策的需求。數(shù)字金融依托數(shù)字技術(shù)得以快速發(fā)展,完善的數(shù)字基礎(chǔ)設(shè)施可為數(shù)字金融的發(fā)展提供保障。同時應注重數(shù)字金融的發(fā)展與碳減排政策的實施相匹配,超前或滯后均不利于發(fā)揮數(shù)字金融的碳減排效應。第二,建立健全各類風險監(jiān)管體系,加強風險監(jiān)管力度。數(shù)字金融的普惠性滿足了各類企業(yè)和地區(qū)金融服務需求,同時也增加了金融風險的監(jiān)管難度。因此,中央和地方政府、監(jiān)管機構(gòu)應根據(jù)各類風險特點,針對性地制定風險監(jiān)管措施,完善風險監(jiān)管體系建設(shè),加大風險監(jiān)管力度。第三,增加對技術(shù)創(chuàng)新、產(chǎn)業(yè)轉(zhuǎn)型升級的資金投入,完善環(huán)境法規(guī)建設(shè)。可以利用數(shù)字金融具有的拓寬融資渠道的優(yōu)勢增加對技術(shù)創(chuàng)新、產(chǎn)業(yè)轉(zhuǎn)型升級的資金投入,以解決產(chǎn)業(yè)轉(zhuǎn)型過程中的技術(shù)問題,充分發(fā)揮三產(chǎn)融合發(fā)展的減排優(yōu)勢;此外應提高我國環(huán)境準入標準,防止重污染產(chǎn)業(yè)遷入。第四,因地制宜制定和實施數(shù)字金融政策。對東部而言,政府應注重數(shù)字金融發(fā)展質(zhì)量的提升,企業(yè)應強化數(shù)字金融技術(shù)、產(chǎn)品和服務創(chuàng)新,以滿足金融服務消費者多樣化需求,實現(xiàn)金融供需平衡,進而推動數(shù)字金融發(fā)展質(zhì)量的提升。對中西部而言,政府應增加對數(shù)字基礎(chǔ)設(shè)施的投資,夯實數(shù)字金融基礎(chǔ),從而引導企業(yè)加強落實數(shù)字金融政策,助力企業(yè)應用成果轉(zhuǎn)化,縮短地區(qū)間的差異,發(fā)揮數(shù)字金融質(zhì)量提升帶來的碳減排效應。