孫欣 芮雪雨

收稿日期：2023-11-28

作者簡介：丁亞楠（1992—），女，河南南陽人，講師，博士，研究方向：數(shù)字經(jīng)濟；

牛 彪（1990—），男，山東泰安人，博士研究生，通信作者，研究方向：資本市場財務(wù)與會計；

王建新（1973—），男，湖南衡陽人，研究員，博士，研究方向：會計理論與政策；

車 悅（1996—），女，云南大理人，博士研究生，研究方向：公共政策理論與實踐。

[摘 要：數(shù)字普惠金融作為一種新興金融形態(tài)，為實現(xiàn)“雙碳”目標發(fā)揮了重要作用。文章以2011—2021年中國279個城市面板數(shù)據(jù)為研究樣本，運用基準回歸模型、面板門檻模型以及空間杜賓模型，分析了城市數(shù)字普惠金融發(fā)展對碳排放強度的影響。研究發(fā)現(xiàn)：數(shù)字普惠金融發(fā)展能夠顯著降低碳排放強度，在經(jīng)過一系列穩(wěn)健性檢驗后該結(jié)論仍然成立；數(shù)字普惠金融發(fā)展對碳排放強度的影響存在空間溢出效應(yīng)和異質(zhì)性；數(shù)字普惠金融會因自身發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平和綠色金融發(fā)展水平的不同對碳排放強度產(chǎn)生非線性影響。

關(guān)鍵詞：數(shù)字普惠金融；碳排放強度；產(chǎn)業(yè)結(jié)構(gòu)；綠色金融；面板門檻；溢出效應(yīng)

中圖分類號：X196；F49；F832? 文獻標識碼：A 文章編號：1007-5097（2024）07-0066-11?? ]

A Study on the Impact of Urban Digital Inclusive Finance Development on

Carbon Emission Intensity

SUN Xin， RUI Xueyu

（School of Statistics and Applied Mathematics， Anhui University of Finance and Economics， Bengbu 233010， China）

Abstract： As an emerging financial form， digital inclusive finance has played a crucial role in achieving the "dual carbon" goals. This paper analyzes the impact of urban digital inclusive finance development on carbon emission intensity， utilizing panel data from 279 Chinese cities between 2011 and 2021 as research samples， and employing baseline regression models， panel threshold models， and spatial Durbin models. Research findings： The development of digital inclusive finance can significantly reduce carbon emission intensity， and this conclusion remains robust after a series of sensitivity tests. The impact of digital inclusive finance on carbon emission intensity exhibits spatial spillover effects and heterogeneity. Moreover， the effect of digital inclusive finance on carbon emission intensity is nonlinear， varying with the levels of its own development， industrial structure development， and green finance development.

Key words：digital inclusive finance; carbon emission intensity; industrial structure; green finance; panel threshold; spillover effect

一、引 言

近年來，溫室效應(yīng)、空氣污染、氣候變暖和海平面上升等環(huán)境問題嚴重影響了人類生產(chǎn)生活，碳排放問題已經(jīng)引起廣泛關(guān)注。為應(yīng)對氣候變暖和碳排放問題，各國政府和國際組織相繼推出了一系列環(huán)保政策和措施，其中，《京都議定書》規(guī)定了各國溫室氣體排放量，《巴黎協(xié)定》的主要目標是將21世紀全球平均氣溫上升幅度控制在2攝氏度以內(nèi)，并推動全球向低碳經(jīng)濟和可持續(xù)發(fā)展轉(zhuǎn)型，我國政府也高度重視降污減排問題，并積極穩(wěn)妥推進“碳達峰、碳中和”。

“普惠金融”這一概念最早于2005年由聯(lián)合國提出，數(shù)字普惠金融指通過互聯(lián)網(wǎng)、移動支付等技術(shù)手段提供貸款、保險、儲蓄等金融服務(wù)。當(dāng)前，我國已進入新發(fā)展階段，大數(shù)據(jù)、云計算、5G終端等數(shù)字技術(shù)飛速發(fā)展，金融行業(yè)不斷與新興數(shù)字技術(shù)融合，使得數(shù)字普惠金融成為一種低成本、低污染、高效率、廣覆蓋的金融服務(wù)方式。數(shù)字普惠金融可以利用信息技術(shù)提高金融服務(wù)效率，降低金融服務(wù)成本，擴大金融服務(wù)覆蓋范圍，從而提供更廣泛、更有效的金融服務(wù)。

數(shù)字普惠金融作為一種快速發(fā)展的金融模式，已逐步深入生產(chǎn)生活的各個方面，其對環(huán)境的影響也逐漸引起了人們的注意。數(shù)字普惠金融發(fā)展是否能夠顯著影響碳排放強度？若答案是肯定的，是以線性還是非線性方式影響？數(shù)字普惠金融對碳排放強度的影響是否具有空間溢出效應(yīng)？對這些問題的回答不僅能為政府制定碳減排政策提供依據(jù)，而且能豐富數(shù)字普惠金融理論。

二、文獻綜述

（一）數(shù)字普惠金融的測度及研究

已有文獻中使用的數(shù)字普惠金融指數(shù)是由北京大學(xué)數(shù)字金融研究中心和螞蟻金服集團共同編制的，覆蓋縣域、地級市和省級三個層面。該指數(shù)是一個綜合性指數(shù)，旨在衡量數(shù)字普惠金融的發(fā)展水平和可持續(xù)性，包括可訪問性、參與度、完整性、效率和滿意度等多項指標，客觀反映了數(shù)字普惠金融發(fā)展的整體情況。孫芳城等（2023）［1］基于數(shù)字普惠金融指數(shù)，利用多元回歸模型探究了數(shù)字普惠金融對企業(yè)投資效率的影響。葛和平和吳倩（2022）［2］利用空間模型探究了數(shù)字普惠金融對民營經(jīng)濟高質(zhì)量發(fā)展的影響。

當(dāng)前，對數(shù)字普惠金融的研究主要集中在消除貧困機制（Chibba，2009；賀慧惠和童天天，2023）［3-4］、與居民消費之間的關(guān)系（易行健和周利，2018；李平和李伯楷，2023）［5-6］、對經(jīng)濟增長的影響（程廣斌等，2022；陳嘯等，2023）［7-8］以及對城鄉(xiāng)收入的影響（斯麗娟和湯曉曉，2022；楊彩林等，2022）［9-10］等方面，這些研究結(jié)果為本文提供了一定的思路。

（二）碳排放的測度及研究

目前，相關(guān)文獻中對碳排放的測度方法主要有以下四種：第一種是采用投入產(chǎn)出法測算碳排放量和隱含碳排放量，是早期學(xué)者普遍使用的方法（Peters等，2012；Fu和Li，2012）［11-12］；第二種是聯(lián)合國政府間氣候變化專門委員會（IPCC）提供的方法，主要是利用能源燃燒量和碳排放因子進行計算，余星輝和卜亞（2023）［13］根據(jù)此方法測算了城市碳排放總量；第三種是利用中國碳核算數(shù)據(jù)庫（CEADs）公布的碳排放數(shù)據(jù)，從生產(chǎn)過程和能源利用兩個方面統(tǒng)計碳排放量，但該數(shù)據(jù)庫目前僅更新到2019年。佘群芝等（2022）［14］使用該數(shù)據(jù)庫，利用多種模型，探究了數(shù)字經(jīng)濟發(fā)展對碳排放的影響及作用機制；也有部分學(xué)者在該數(shù)據(jù)庫的基礎(chǔ)上，結(jié)合夜間燈光柵格數(shù)據(jù)對碳排放進行測算（金飛和徐長樂，2022）［15］；第四種是利用非期望產(chǎn)出法測算碳排放量，Guo和Ma（2023）［16］使用該方法對二氧化碳排放量進行了測度。

近年來，隨著雙重差分模型使用的興起，學(xué)者們開始關(guān)注試點政策的碳減排效應(yīng)（黃寰等，2023；董梅和李存芳，2020）［17-18］。目前，對碳排放影響因素的研究大多集中在數(shù)字經(jīng)濟（余星輝和卜亞，2023；佘群芝等，2022）［13-14］、技術(shù)進步（邵帥等，2022；范東壽，2022）［19-20］、產(chǎn)業(yè)結(jié)構(gòu)（張琳杰和崔海洋，2018；張晨露和張凡，2022）［21-22］、城鎮(zhèn)化（王星，2016；王鑫靜和程鈺，2020）［23-24］、綠色金融（江紅莉等，2020；趙曉春等，2023）［25-26］、能源消費（馬曉君等，2018；王少劍等，2018）［27-28］等方面?？梢?，國內(nèi)外學(xué)者對碳排放進行了大量研究并取得了一定的成果，為本文后續(xù)研究提供了經(jīng)驗支持。

（三）數(shù)字普惠金融對碳排放的影響研究

隨著數(shù)字普惠金融的快速發(fā)展，一些學(xué)者開始關(guān)注和研究數(shù)字普惠金融發(fā)展對碳排放的影響。蘇培添和王磊（2023）［29］基于我國31個省份面板數(shù)據(jù)，利用空間杜賓模型和中介效應(yīng)模型研究發(fā)現(xiàn)，數(shù)字普惠金融能夠顯著降低農(nóng)業(yè)碳排放強度；孫靈燕和張全飛（2023）［30］基于企業(yè)數(shù)據(jù)，實證分析了數(shù)字普惠金融對碳排放的非線性影響；王守坤和范文誠（2022）［31］基于縣級面板數(shù)據(jù)，利用基準回歸模型研究發(fā)現(xiàn)，數(shù)字普惠金融能夠顯著抑制碳排放；姚鳳閣等（2022）［32］基于我國30個省份面板數(shù)據(jù)，研究發(fā)現(xiàn)數(shù)字普惠金融能夠提高碳排放效率。

綜上所述，雖然關(guān)于數(shù)字普惠金融與碳排放的相關(guān)研究已很豐富，但大多基于省級層面或企業(yè)層面，鮮有文獻從城市層面進行研究。關(guān)于數(shù)字普惠金融與碳排放之間非線性關(guān)系的研究通常采用在模型中加入數(shù)字普惠金融二次項的方法，但并未對此方法的合理性進行解釋。此外，以往文獻關(guān)于數(shù)字普惠金融對碳排放影響機制的研究多采用中介效應(yīng)模型，但該模型的合理性也有待商榷（江艇，2022）［33］。基于此，本文基于2011—2021年我國279個地級市（含直轄市）面板數(shù)據(jù)，利用基準回歸模型、面板門檻模型和空間杜賓模型，探究數(shù)字普惠金融發(fā)展與碳排放強度之間的關(guān)系，并根據(jù)研究結(jié)論提出相應(yīng)的政策建議。

本文創(chuàng)新之處為：①以城市數(shù)據(jù)為研究對象，能夠在更為細致的空間尺度上探究數(shù)字普惠金融和碳排放強度之間的關(guān)系；②基于城市數(shù)據(jù)，利用面板門檻模型，探究數(shù)字普惠金融與碳排放強度之間的非線性關(guān)系，拓展了數(shù)字普惠金融對碳排放強度影響的作用機制研究；③空間杜賓模型研究發(fā)現(xiàn)，數(shù)字普惠金融發(fā)展能夠抑制周邊地區(qū)碳排放強度，這為加強區(qū)域間數(shù)字普惠金融發(fā)展從而實現(xiàn)碳減排提供政策依據(jù)。

三、理論分析與研究假說

數(shù)字普惠金融是傳統(tǒng)金融與現(xiàn)代科技相結(jié)合的產(chǎn)物，可以降低金融服務(wù)門檻，有效彌補傳統(tǒng)普惠金融交易成本高、資源利用不足等缺點，有助于中小微企業(yè)破除傳統(tǒng)金融的“金融排斥”（朱東波和張相偉，2022）［34］。數(shù)字普惠金融發(fā)展對碳排放強度的影響主要體現(xiàn)在普惠性和數(shù)字化兩個方面：一是數(shù)字普惠金融的發(fā)展使碳金融產(chǎn)品具有普惠性和大眾化特點，擴大了碳排放交易市場規(guī)模。通過市場交易可以降低碳排放交易成本，提高碳排放交易效率，促進碳排放交易綠色化，從而降低碳排放強度。二是數(shù)字普惠金融具有數(shù)字化特征，能夠為信息技術(shù)和數(shù)字技術(shù)發(fā)展提供有力支持，從而推動數(shù)字交易平臺建設(shè)。通過數(shù)字化平臺可以對企業(yè)進行篩選，進而淘汰能耗高、排放高、污染高的“三高”企業(yè)，推動企業(yè)向環(huán)境友好型發(fā)展，從而實現(xiàn)城市碳減排目標。

基于上述分析，本文提出假說1。

Ｈ1：數(shù)字普惠金融發(fā)展能夠顯著降低碳排放強度。

首先，在發(fā)展初期，數(shù)字普惠金融對數(shù)字技術(shù)的應(yīng)用尚不成熟，數(shù)字基礎(chǔ)設(shè)施建設(shè)不夠完善，數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用比較弱。當(dāng)數(shù)字普惠金融發(fā)展到一定程度時，數(shù)字基礎(chǔ)設(shè)施建設(shè)相對完善，覆蓋范圍不斷擴大，可以幫助金融機構(gòu)積累更多的數(shù)據(jù)和信息，并提供更高效的金融產(chǎn)品和服務(wù)，從而更好地釋放數(shù)字普惠金融的紅利效應(yīng)，對碳排放強度表現(xiàn)出較強的抑制作用。然而，隨著數(shù)字普惠金融的高度發(fā)展，對電力和數(shù)字技術(shù)的需求大幅度增加，導(dǎo)致能源需求和碳排放量快速上升，從而使數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用有所減弱。

其次，在產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平較低時，第二產(chǎn)業(yè)占比較高，碳排放較多，使數(shù)字普惠金融的碳減排效應(yīng)減弱。隨著產(chǎn)業(yè)結(jié)構(gòu)的不斷調(diào)整，第二產(chǎn)業(yè)占比下降，第三產(chǎn)業(yè)占比上升，碳排放量逐漸減少，數(shù)字普惠金融的碳減排紅利效應(yīng)凸顯。此外，綠色金融是影響綠色發(fā)展的重要因素，可以為企業(yè)在綠色發(fā)展方面建立比較優(yōu)勢，從而有利于企業(yè)實現(xiàn)碳減排。但當(dāng)綠色金融發(fā)展到一定程度時，市場上的綠色金融產(chǎn)品和服務(wù)趨于飽和，此時政府必然會采取相應(yīng)措施來解決這一問題，而政府干預(yù)對區(qū)域創(chuàng)新具有抑制作用（呂鯤等，2022）［35］，會削弱綠色金融的碳減排效應(yīng)。因此，數(shù)字普惠金融對碳排放強度的影響可能與產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平和綠色金融發(fā)展水平有關(guān)，而不是簡單的線性關(guān)系。

基于上述分析，本文提出以下假說。

Ｈ2：數(shù)字普惠金融發(fā)展對碳排放強度的影響會因其自身發(fā)展水平不同而表現(xiàn)出非線性特征。

Ｈ3：數(shù)字普惠金融發(fā)展對碳排放強度的影響會因產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平不同而表現(xiàn)出非線性特征。

Ｈ4：數(shù)字普惠金融發(fā)展對碳排放強度的影響會因綠色金融發(fā)展水平不同而表現(xiàn)出非線性特征。

數(shù)字普惠金融的發(fā)展打破了地理距離和時間的限制，推動了區(qū)域經(jīng)濟一體化發(fā)展（張小鋒和王菁彤，2022）［36］，加強了本地區(qū)與周邊地區(qū)的金融合作。一方面，區(qū)域間經(jīng)濟合作可以促進金融市場的競爭，促使金融機構(gòu)向綠色環(huán)保方向轉(zhuǎn)型。本地區(qū)數(shù)字普惠金融的發(fā)展在促進金融服務(wù)創(chuàng)新升級、提高金融服務(wù)質(zhì)量的同時，還可以為周邊地區(qū)提供良好的示范及借鑒經(jīng)驗，加快周邊地區(qū)數(shù)字普惠金融的發(fā)展，從而降低碳排放強度。另一方面，區(qū)域間經(jīng)濟合作可以促使企業(yè)開展綠色創(chuàng)新，提高企業(yè)綠色創(chuàng)新能力，使企業(yè)在節(jié)能減排、推廣環(huán)保產(chǎn)品等方面取得更大成效。同時，這種合作也有助于完善企業(yè)綠色管理體系，規(guī)范管理過程，建立有效的管理機制，促進企業(yè)可持續(xù)發(fā)展，減少企業(yè)碳排放。此外，數(shù)字普惠金融的發(fā)展可以促使綠色金融產(chǎn)品向周邊地區(qū)推廣和普及，促進企業(yè)綠色技術(shù)創(chuàng)新（梁玲玲等，2023）［37］。綠色技術(shù)存在溢出效應(yīng)，可以向鄰近地區(qū)擴散，鄰近地區(qū)通過學(xué)習(xí)先進的碳減排技術(shù)和政策可以降低其碳排放強度（Du等，2022）［38］。

基于上述分析，本文提出假說5。

Ｈ5：數(shù)字普惠金融發(fā)展對碳排放強度的影響具有空間溢出效應(yīng)。

四、研究設(shè)計

（一）模型構(gòu)建

1. 基準回歸模型

在上述理論分析的基礎(chǔ)上，為探究數(shù)字普惠金融發(fā)展對碳排放強度的直接抑制作用，本文構(gòu)建如下基準回歸模型：

[ceiit=α0+α1digfinit+αControlit+μi+νt+εit] （1）

其中：[ceiit]表示第[i]個城市第[t]年的碳排放強度；[digfinit]表示第[i]個城市第[t]年的數(shù)字普惠金融發(fā)展水平；[Controlit]表示一組控制變量；[αi]表示待估計系數(shù)；[μi]表示個體效應(yīng)；[νt]表示時間效應(yīng)；[εit]表示隨機擾動項。

2. 面板門檻模型

基于上述分析，為進一步考察在不同的數(shù)字普惠金融發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平和綠色金融發(fā)展水平下數(shù)字普惠金融發(fā)展對碳排放強度的影響，本文構(gòu)建如下面板門檻模型：

[ceiit=α0+α1digfinitIqit≤γ+α2digfinitIqit>γ+αControlit+μi+vt+εit] （2）

[ceiit=α0+α1digfinitIqit≤γ1+α2digfinitIγ1γ2+αControlit+μi+vt+εit] （3）

式（2）為單門檻模型，式（3）為雙門檻模型。其中：[γi]表示第[i]個門檻值，并且[γ1<γ2]；[I?]為示性函數(shù)，當(dāng)括號內(nèi)的條件成立時取值為1，反之則為0；[qit]表示門檻變量；其余變量含義不變。

3. 空間杜賓模型

在上述分析的基礎(chǔ)上，為進一步考察數(shù)字普惠金融發(fā)展對碳排放強度影響的空間溢出效應(yīng)，本文構(gòu)建如下空間杜賓模型：

[ceiit=α0+ρW×ceiit+α1digfinit+α2W×digfinit+αControlit+μi+vt+εit] （4）

其中：[ρi]表示空間自回歸系數(shù)；[W]為空間權(quán)重矩陣；其余變量含義不變。

（二）變量選取

1. 被解釋變量：碳排放量強度（[cei]）

碳排放總量的計算參考叢建輝等（2014）［39］的研究，將范圍1、范圍2以及范圍3三個方面（1）計算的碳排放量進行加總得出碳排放總量。參考李壽喜和張珈豪（2023）［40］的研究，碳排放強度以碳排放總量除以當(dāng)年地區(qū)生產(chǎn)總值的自然對數(shù)表示。

2. 核心解釋變量：數(shù)字普惠金融發(fā)展指數(shù)（[digfin]）

根據(jù)現(xiàn)有研究，數(shù)字普惠金融發(fā)展水平采用北京大學(xué)金融研究中心編制的數(shù)字普惠金融發(fā)展指數(shù)衡量（郭峰等，2020）［41］。該指數(shù)利用層次分析法對數(shù)字普惠金融進行測度，具有較強的綜合性和可靠性。

3. 控制變量

為提高研究結(jié)果的可靠性，同時減少因遺漏變量對結(jié)果造成的估計偏誤，本文參考既往研究，選取以下控制變量：①經(jīng)濟發(fā)展水平（[pgdp]），以人均GDP衡量；②環(huán)境規(guī)制（[green]），參考鄺嫦娥和路江林（2019）［42］的做法，以建成區(qū)綠化覆蓋率衡量；③財政分權(quán)程度（[finance]），以地方財政預(yù)算收入與支出的比值衡量；④人口規(guī)模（[lnden]），用人口密度表示，以年末戶籍人口數(shù)與區(qū)域行政面積比值的對數(shù)衡量；⑤基本教育水平（[education]），參考王守坤和范文誠（2022）［31］的做法，以普通中學(xué)在校人數(shù)與年末戶籍人口數(shù)的比值衡量；⑥科技水平（[lnpatent]），以城市專利授權(quán)數(shù)的對數(shù)衡量；⑦城鎮(zhèn)化水平（[urban]），以城鎮(zhèn)常住人口與城鎮(zhèn)常住人口和鄉(xiāng)村常住人口總和的比值衡量。

4. 門檻變量

為探究數(shù)字普惠金融發(fā)展與碳排放強度的非線性關(guān)系，本文選取核心解釋變量數(shù)字普惠金融發(fā)展指數(shù)（[digfin]）、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平（[industry]）以及綠色金融發(fā)展水平（[grefin]）作為門檻變量。其中：產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平采用第三產(chǎn)業(yè)增加值與地區(qū)生產(chǎn)總值的比值表示；綠色金融發(fā)展水平參考劉華珂和何春（2021）［43］的研究，從綠色信貸、綠色投資、綠色保險、綠色債券、綠色支持、綠色基金以及綠色權(quán)益七個方面構(gòu)建綜合評價指標體系，通過熵值法計算得出。

（三）數(shù)據(jù)來源

本文選取2011—2021年我國279個城市（含直轄市）面板數(shù)據(jù)作為研究對象。數(shù)字普惠金融發(fā)展指數(shù)來源于《北京大學(xué)數(shù)字普惠金融指數(shù)（2011—2021）》第四期；專利授權(quán)總數(shù)通過國家知識產(chǎn)權(quán)局高級檢索功能獲取各城市的專利授權(quán)數(shù)，并進行統(tǒng)計匯總計算得出；其余控制變量數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》；碳排放測度相關(guān)數(shù)據(jù)主要來源于《中國能源統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國農(nóng)業(yè)統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》以及各地級市統(tǒng)計年鑒；排放因子參考《省級溫室氣體清單編制指南（試行）》以及各級政府發(fā)布的碳排放清單指南，缺省數(shù)據(jù)通過IPCC排放因子數(shù)據(jù)庫進行補充；部分缺失數(shù)據(jù)采用線性插值法補全。

各變量描述性統(tǒng)計見表1所列。

五、實證分析

（一）基準回歸分析

豪斯曼檢驗結(jié)果、個體效應(yīng)和時間效應(yīng)檢驗結(jié)果表明應(yīng)選擇雙向固定效應(yīng)模型進行估計，基準回歸結(jié)果見表2所列。其中，列（1）、列（2）分別為未加入控制變量和加入控制變量后的回歸結(jié)果，可以看出，無論是否考慮控制變量，數(shù)字普惠金融發(fā)展對碳排放強度的影響均在1%統(tǒng)計水平下顯著為負，Ｈ1得到驗證。在加入控制變量后，數(shù)字普惠金融發(fā)展系數(shù)的絕對值有所減小，表明控制變量的加入削弱了數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用。

（二）面板門檻模型回歸分析

首先，利用隨機森林模型繪制碳排放強度與數(shù)字普惠金融的偏依賴圖（如圖1所示），橫坐標為數(shù)字普惠金融指數(shù)，縱坐標為偏依賴度。結(jié)果可以分為四個階段：第一階段表明，數(shù)字普惠金融一經(jīng)誕生就具有碳減排作用；第二階段表明，數(shù)字普惠金融的發(fā)展會導(dǎo)致碳排放強度不斷提高，原因可能是，在數(shù)字普惠金融發(fā)展過程中需要消耗大量的電力資源，導(dǎo)致碳排放增加；第三階段表明，當(dāng)數(shù)字普惠金融持續(xù)發(fā)展時，其碳減排效應(yīng)凸顯，這可能得益于數(shù)字技術(shù)的進步；第四階段表明，數(shù)字普惠金融對碳排放強度的影響趨于平穩(wěn)，原因可能是，數(shù)字技術(shù)發(fā)展遇到了瓶頸，需要進一步突破才能更好地發(fā)揮數(shù)字普惠金融的碳減排效應(yīng)。綜上所述，數(shù)字普惠金融在不同發(fā)展階段對碳排放強度具有不同的影響效應(yīng)，因此，數(shù)字普惠金融發(fā)展對碳排放強度具有非線性影響。

其次，采用面板門檻模型進一步考察數(shù)字普惠金融發(fā)展對碳排放強度的非線性影響和作用機制，表3為利用Bootstrap自助法反復(fù)抽樣500次后三個門檻變量的檢驗結(jié)果。可以看出，數(shù)字普惠金融發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平均通過了雙門檻檢驗，而綠色金融發(fā)展水平僅通過了單門檻檢驗。

數(shù)字普惠金融發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平以及綠色金融發(fā)展水平作為門檻變量時的回歸結(jié)果見表4所列。列（1）結(jié)果表明，當(dāng)數(shù)字普惠金融發(fā)展指數(shù)小于第一門檻值（0.410 3）時，數(shù)字普惠金融發(fā)展系數(shù)在1%水平下顯著為負；當(dāng)數(shù)字普惠金融發(fā)展指數(shù)邁過第一門檻值但未達到第二門檻值（2.620 5）時，數(shù)字普惠金融發(fā)展系數(shù)同樣顯著為負，且其系數(shù)的絕對值較之前有所增大；當(dāng)數(shù)字普惠金融發(fā)展指數(shù)超過第二門檻值（2.620 5）時，數(shù)字普惠金融發(fā)展系數(shù)依然顯著為負，且其系數(shù)絕對值較之前有所減小。原因是：在數(shù)字普惠金融發(fā)展的早期階段，數(shù)字基礎(chǔ)設(shè)施建設(shè)不夠完善，且在基礎(chǔ)設(shè)施建設(shè)過程中會產(chǎn)生碳排放，導(dǎo)致數(shù)字普惠金融對碳排放強度的抑制作用相對較弱；而隨著數(shù)字普惠金融持續(xù)發(fā)展，數(shù)字基礎(chǔ)設(shè)施不斷完善，數(shù)字普惠金融對碳排放強度影響的紅利效應(yīng)逐漸釋放，對碳排放強度的抑制作用不斷增強；當(dāng)數(shù)字普惠金融過度發(fā)展時，能源需求會大幅增加，進而會提高碳排放，從而使數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用減弱。H2得到驗證。

以2021年數(shù)據(jù)為例，可以發(fā)現(xiàn)：所有城市的數(shù)字普惠金融發(fā)展水平均超過了第一門檻值。數(shù)字普惠金融發(fā)展水平處于第一門檻值和第二門檻值之間的城市有32個，其中，東部城市有3個，占比為3.704%；中部城市有9個，占比為9.000%；西部城市有20個，占比為24.691%。數(shù)字普惠金融發(fā)展水平超過第二門檻值的城市有247個，其中，東部城市有95個，占比為96.939%；中部城市有91個，占比為91.000%；西部城市有61個，占比為75.309%。綜合來看，數(shù)字普惠金融發(fā)展水平：東部城市>中部城市>西部城市。

表4列（2）結(jié)果表明，當(dāng)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平未達到第一門檻值（40.900 0）時，數(shù)字普惠金融發(fā)展系數(shù)顯著為負；當(dāng)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平超過第一門檻值而未達到第二門檻值（57.400 0）時，數(shù)字普惠金融發(fā)展的系數(shù)仍然顯著為負，其絕對值略有減?。划?dāng)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平超過第二門檻值（57.400 0）時，數(shù)字普惠金融發(fā)展對碳排放強度的影響系數(shù)依然顯著為負，但其系數(shù)的絕對值較之前又有所減小，即數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用隨著產(chǎn)業(yè)結(jié)構(gòu)升級而逐漸減弱。其原因是：當(dāng)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平未達到第一門檻值（40.900 0）時，產(chǎn)業(yè)結(jié)構(gòu)不合理即第二產(chǎn)業(yè)占據(jù)優(yōu)勢，而當(dāng)產(chǎn)業(yè)結(jié)構(gòu)趨于合理時，數(shù)字普惠金融發(fā)展能夠最大程度降低碳排放強度；當(dāng)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平超過第一門檻值而未達到第二門檻值（57.400 0）時，產(chǎn)業(yè)結(jié)構(gòu)處于合理范圍，第二、三產(chǎn)業(yè)平衡發(fā)展，此時數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用較之前有所減?。划?dāng)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平超過第二門檻值時，產(chǎn)業(yè)結(jié)構(gòu)同樣不合理，而產(chǎn)業(yè)結(jié)構(gòu)升級需要投入大量的資源，使得數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用再次減弱。由此，H3得到驗證。

仍以2021年數(shù)據(jù)為例，可以發(fā)現(xiàn)：產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平低于第一門檻值的城市有20個，其中，東部城市有5個，占比為5.102%；中部城市有6個，占比為6.000%；西部城市有9個，占比為11.111%。產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平處于第一門檻值和第二門檻值之間的城市有171個，其中，東部城市有62個，占比為63.265%；中部城市有63個，占比為63.000%；西部城市有46個，占比為56.790%。產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平超過第二門檻值的城市有88個，其中，東部城市和中部城市均有31個，占比分別為31.633%和31.000%；西部城市有26個，占比為32.099%?？傮w來說，東中部城市的產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平相差不大，均高于西部城市的產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平。

表4列（3）結(jié)果表明，當(dāng)綠色金融發(fā)展水平小于門檻值（0.330 9）時，數(shù)字普惠金融發(fā)展系數(shù)顯著為負，當(dāng)綠色金融發(fā)展水平超過門檻值時，數(shù)字普惠金融發(fā)展系數(shù)依然為負，且通過了1%的顯著性檢驗，但其絕對值與未超過門檻值時相比略有減小。其原因是，在快速發(fā)展階段，綠色金融會釋放紅利效應(yīng)，數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用增強；當(dāng)綠色金融發(fā)展到一定程度時，市場上的綠色金融產(chǎn)品和服務(wù)逐漸增多，甚至達到飽和狀態(tài)，金融交易行為相對穩(wěn)定，因而數(shù)字普惠金融發(fā)展對碳排放強度的影響會有所減弱，Ｈ4得到驗證。仍以2021年數(shù)據(jù)為例，可以發(fā)現(xiàn)，研究樣本中的所有城市綠色金融發(fā)展水平均超過了門檻值。

（三）空間回歸模型分析

本文采用空間回歸模型研究數(shù)字普惠金融發(fā)展對碳排放強度影響的空間溢出效應(yīng)。

首先，對數(shù)字普惠金融發(fā)展指數(shù)以及碳排放強度進行空間自相關(guān)檢驗。結(jié)果顯示，2011—2021年，數(shù)字普惠金融指數(shù)和碳排放強度的莫蘭指數(shù)在反經(jīng)濟距離空間權(quán)重矩陣下均顯著大于0，即各個城市間的數(shù)字普惠金融發(fā)展與碳排放強度存在顯著的正向空間自相關(guān)性。

其次，進行LM檢驗，結(jié)果見表5所列。空間誤差模型和空間滯后模型檢驗結(jié)果顯示，碳排放強度系數(shù)均通過了1%顯著性檢驗，進一步說明碳排放強度存在明顯的空間相關(guān)性。

最后，豪斯曼檢驗結(jié)果表明固定效應(yīng)模型優(yōu)于隨機效應(yīng)模型，同時，考慮時間差異，本文選擇個體和時間雙向固定的空間杜賓模型（[SDM]）。此外，為檢驗結(jié)果的穩(wěn)健性，本文列出了空間自回歸模型（[SAR]）和空間誤差模型（[SEM]）回歸結(jié)果，具體見表6所列。可以看出，三種模型的空間自回歸系數(shù)均顯著大于0，表明碳排放強度存在正向空間自相關(guān)性。LR檢驗結(jié)果顯示，P值分別為0.006 8和0.000 0，且通過了1%顯著性檢驗，說明空間杜賓模型最優(yōu)。從空間杜賓模型檢驗結(jié)果可以看出，數(shù)字普惠金融指數(shù)與反經(jīng)濟距離空間權(quán)重矩陣的交互項（[W×digfin]）在1%水平下顯著為負，初步表明數(shù)字普惠金融發(fā)展對碳排放強度的影響存在空間溢出效應(yīng)。此外，通過偏微分法將空間溢出效應(yīng)分解為直接效應(yīng)、間接效應(yīng)以及總效應(yīng)，結(jié)果顯示，三種效應(yīng)系數(shù)均至少在5%顯著性水平下為負，說明數(shù)字普惠金融發(fā)展對碳排放強度的影響存在空間溢出效應(yīng)，H5得到驗證。

（四）異質(zhì)性分析

1. 結(jié)構(gòu)異質(zhì)性分析

本文將數(shù)字普惠金融的三個二級指標數(shù)字金融覆蓋廣度（[cover]）、數(shù)字金融使用深度（[usage]）以及普惠金融數(shù)字化程度（[digit]）作為核心解釋變量，考察數(shù)字普惠金融發(fā)展對碳排放強度的影響是否具有異質(zhì)性，回歸結(jié)果見表7所列。其中，列（1）為將數(shù)字普惠金融發(fā)展作為核心解釋變量的回歸結(jié)果，列（2）至列（4）分別為將三個二級指標作為被解釋變量的回歸結(jié)果?？梢钥闯?，數(shù)字金融覆蓋廣度、數(shù)字金融使用深度以及普惠金融數(shù)字化程度對碳排放強度的影響均為負，但只有數(shù)字金融覆蓋廣度通過了1%的顯著性檢驗，表明數(shù)字金融覆蓋廣度對碳排放強度具有顯著的抑制作用。其原因是，數(shù)字金融覆蓋廣度是數(shù)字金融使用深度和普惠金融數(shù)字化程度的前提，互聯(lián)網(wǎng)的發(fā)展打破了地域限制，為企業(yè)提供了環(huán)境友好型的金融服務(wù)，所以數(shù)字金融覆蓋廣度對碳排放強度的抑制作用顯著；而數(shù)字金融使用深度和普惠金融數(shù)字化程度的發(fā)展依賴于數(shù)字金融覆蓋廣度建設(shè)，另外，普惠金融由傳統(tǒng)方式轉(zhuǎn)變?yōu)閿?shù)字方式需要一定時間，因此，數(shù)字金融使用深度和普惠金融數(shù)字化程度對碳排放強度的抑制作用尚未在統(tǒng)計上表現(xiàn)出來。

2. 城市類型異質(zhì)性分析

首先，本文根據(jù)《全國資源型城市可持續(xù)發(fā)展規(guī)劃（2013—2020年）》《資源枯竭城市名單》將樣本劃分為資源型城市、非資源型城市和資源枯竭型城市分別進行回歸，結(jié)果見表8列（1）至列（3）?？梢钥闯?，在三種類型城市中數(shù)字普惠金融發(fā)展與碳排放強度均顯著負相關(guān)，進一步參考連玉君等（2010）［44］的做法，利用Bootstrap法自抽樣1 000次檢驗數(shù)字普惠金融發(fā)展系數(shù)在資源型城市與非資源型城市、資源型城市與資源枯竭型城市以及非資源型城市與資源枯竭型城市之間的差異，得到的經(jīng)驗P值分別為0.207、0.450、0.362，均沒有通過顯著性檢驗，說明在三種類型城市中，數(shù)字普惠金融發(fā)展對碳排放強度的影響均不存在異質(zhì)性。

其次，本文將樣本城市劃分為長江經(jīng)濟帶城市和非長江經(jīng)濟帶城市兩組分別進行回歸，結(jié)果見表8列（4）至列（5）?？梢钥闯?，在長江經(jīng)濟帶城市中數(shù)字普惠金融發(fā)展對碳排放強度的影響系數(shù)顯著為負，在非長江經(jīng)濟帶城市中影響系數(shù)為負但不顯著。原因是，長江經(jīng)濟帶城市是生態(tài)文明建設(shè)先行示范區(qū)，同時，我國大力推動長江經(jīng)濟帶城市高質(zhì)量發(fā)展，因而在長江經(jīng)濟帶城市中數(shù)字普惠金融發(fā)展對碳排放強度的影響比較顯著。進一步計算得到經(jīng)驗P值為0.000，表明數(shù)字普惠金融發(fā)展對碳排放強度的影響在兩組城市中存在顯著差異。

（五）穩(wěn)健性檢驗

1. 內(nèi)生性檢驗

數(shù)字普惠金融會影響碳排放強度，反過來，碳排放強度高的地區(qū)也會被迫加快數(shù)字普惠金融建設(shè)，因此，數(shù)字普惠金融發(fā)展和碳排放強度之間存在雙向因果關(guān)系，從而產(chǎn)生內(nèi)生性問題。為解決這一問題，本文借鑒Guo和Ma（2023）［16］構(gòu)造的“Bartik Instrument”工具變量，將數(shù)字普惠金融的一階滯后項和一階差分項的乘積作為工具變量。Kleibergen-Paap rk LM統(tǒng)計量和Kleibergen-Paap rk Wald F統(tǒng)計量結(jié)果均拒絕原假設(shè)，表明工具變量是可識別的，且該工具變量不是弱工具變量?；貧w結(jié)果見表9列（1），可以看出，數(shù)字普惠金融發(fā)展系數(shù)在1%水平下顯著為負，表明數(shù)字普惠金融發(fā)展能夠抑制碳排放強度，說明前文結(jié)論具有穩(wěn)健性。

2. 縮尾處理

本文對原始數(shù)據(jù)進行1%縮尾處理以消除極端值對回歸結(jié)果造成的偏誤，回歸結(jié)果見表9列（2）?？梢钥闯?，數(shù)字普惠金融發(fā)展系數(shù)顯著為負，表明前文結(jié)論是可靠的。

3. 替換被解釋變量

由于一些變量的選擇可能會導(dǎo)致估計結(jié)果偏誤，同時，各地區(qū)人口數(shù)量和經(jīng)濟發(fā)展水平存在差異，因此，本文采用人均碳排放量替換碳排放強度重新回歸，結(jié)果見表9列（3）。可以看出，數(shù)字普惠金融發(fā)展系數(shù)仍然顯著為負，表明前文結(jié)論具有穩(wěn)健性。

4. 調(diào)整樣本期

2015年，《中華人民共和國國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》首次提出實施國家大數(shù)據(jù)戰(zhàn)略后，數(shù)字經(jīng)濟快速發(fā)展，因此，本文將樣本期調(diào)整為2015—2021年重新進行回歸估計，結(jié)果見表10列（1）。可以看出，數(shù)字普惠金融發(fā)展系數(shù)仍顯著為負，表明前文結(jié)論具有穩(wěn)健性。

5. 剔除副省級城市及直轄市

副省級城市和直轄市由于其特殊的行政地位，在科技發(fā)展水平、經(jīng)濟發(fā)展水平、政策沖擊等方面與一般地級市有很大差異，因此，本文將這些城市剔除重新進行回歸，結(jié)果見表10列（2）?？梢钥闯觯瑪?shù)字普惠金融發(fā)展系數(shù)仍顯著為負，表明前文結(jié)論具有穩(wěn)健性。

6. 替換權(quán)重矩陣

本文將鄰接空間權(quán)重矩陣納入空間杜賓模型重新進行回歸，結(jié)果見表10列（3），可以看出，數(shù)字普惠金融發(fā)展和其與空間權(quán)重矩陣交互項的系數(shù)均顯著為負，其余變量的系數(shù)與前文均一致，表明前文結(jié)論具有穩(wěn)健性。

六、結(jié)論與建議

本文基于2011—2021年我國279個地級市（含直轄市）的面板數(shù)據(jù)，利用基準回歸模型、面板門檻模型以及空間杜賓模型，探究數(shù)字普惠金融發(fā)展與碳排放強度之間的關(guān)系。研究結(jié)論為：①數(shù)字普惠金融發(fā)展能夠顯著降低碳排放強度，該結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗后仍然成立。②數(shù)字普惠金融發(fā)展會因自身發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平以及綠色金融發(fā)展水平的不同而對碳排放強度產(chǎn)生非線性影響。首先，數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用會因自身發(fā)展水平的不斷提高表現(xiàn)出先增強后減弱的非線性特征；其次，數(shù)字普惠金融發(fā)展對碳排放強度的抑制作用會隨著產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平和綠色金融發(fā)展水平的提高而不斷減弱。③數(shù)字普惠金融發(fā)展對碳排放強度的影響具有空間溢出效應(yīng)。數(shù)字普惠金融發(fā)展不僅可以降低本地區(qū)碳排放強度，也可以降低鄰近地區(qū)的碳排放強度，這一空間效應(yīng)在反經(jīng)濟距離空間權(quán)重矩陣和鄰接空間權(quán)重矩陣下都得到了證實。④數(shù)字普惠金融發(fā)展對碳排放強度的影響具有異質(zhì)性。結(jié)構(gòu)異質(zhì)性檢驗結(jié)果發(fā)現(xiàn)，三個二級指標中只有數(shù)字金融覆蓋廣度對碳排放強度的影響顯著，數(shù)字金融使用深度和普惠金融數(shù)字化程度對碳排放強度的影響系數(shù)雖然為負，但未通過顯著性檢驗。類型異質(zhì)性檢驗發(fā)現(xiàn)：在資源型城市、非資源型城市以及資源枯竭型城市中，數(shù)字普惠金融對碳排放強度均有抑制作用，不存在異質(zhì)性；而在長江經(jīng)濟帶和非長江經(jīng)濟帶城市中，數(shù)字普惠金融發(fā)展對碳排放強度的影響存在顯著的異質(zhì)性，具體為，在長江經(jīng)濟帶城市中數(shù)字普惠金融發(fā)展能夠顯著抑制碳排放強度，而在非長江經(jīng)濟帶城市中這種抑制作用尚不明顯。

基于上述研究結(jié)論，本文提出以下建議：

第一，加快數(shù)字普惠金融相關(guān)基礎(chǔ)設(shè)施建設(shè)，促進低碳發(fā)展。數(shù)字普惠金融發(fā)展顯著降低了碳排放強度，因此，應(yīng)加快5G基站、大數(shù)據(jù)中心、人工智能及區(qū)塊鏈服務(wù)等基礎(chǔ)設(shè)施建設(shè)，提升普惠金融科技水平，強化對小微企業(yè)的金融支持，擴大數(shù)字普惠金融覆蓋廣度。地方政府應(yīng)大力引進高素質(zhì)數(shù)字技術(shù)人才，增加數(shù)字金融的投入，引導(dǎo)金融機構(gòu)為小微企業(yè)綠色轉(zhuǎn)型提供支持。

第二，以數(shù)字普惠金融服務(wù)引導(dǎo)產(chǎn)業(yè)結(jié)構(gòu)合理調(diào)整，促進綠色金融發(fā)展。數(shù)字普惠金融對碳排放強度的抑制作用受產(chǎn)業(yè)結(jié)構(gòu)和綠色金融的影響，因此，地方政府應(yīng)優(yōu)化財政、金融和人力資本等政策，促進產(chǎn)業(yè)結(jié)構(gòu)合理化發(fā)展。此外，要在普惠金融服務(wù)中融入綠色低碳發(fā)展目標，加快數(shù)字金融和綠色金融的融合，探索開發(fā)符合小微企業(yè)經(jīng)營特點的綠色金融產(chǎn)品，完善綠色信貸的激勵和約束機制，推動綠色金融向環(huán)境友好型發(fā)展，從而實現(xiàn)減碳目標。

第三，發(fā)揮數(shù)字普惠金融的“綠色”輻射效應(yīng)，區(qū)域協(xié)同治理碳排放。數(shù)字普惠金融發(fā)展打破了地理距離和空間的限制，不僅可以降低本地區(qū)碳排放強度，對周邊地區(qū)碳排放強度也具有一定的抑制作用。因此，應(yīng)盡快開展節(jié)能減排政策的區(qū)域協(xié)調(diào)與合作，促進碳排放的聯(lián)合控制和協(xié)同治理，鼓勵地區(qū)間相互學(xué)習(xí)，共享低碳技術(shù)和經(jīng)驗，聯(lián)合開展碳減排項目。

第四，因地制宜實施數(shù)字普惠金融發(fā)展調(diào)控措施，以更好發(fā)揮其碳減排效應(yīng)。數(shù)字普惠金融對碳排放強度的影響存在異質(zhì)性，因此，政府應(yīng)鼓勵金融機構(gòu)將業(yè)務(wù)下沉到數(shù)字金融覆蓋范圍較小的地區(qū)，而數(shù)字金融覆蓋范圍較廣的城市則可以加大數(shù)字技術(shù)推廣運用，提升數(shù)字金融的數(shù)字化程度。此外，長江經(jīng)濟帶城市群應(yīng)繼續(xù)推動經(jīng)濟高質(zhì)量發(fā)展，充分利用數(shù)字普惠金融在碳減排方面的紅利效應(yīng)，發(fā)揮示范引領(lǐng)作用；非長江經(jīng)濟帶城市群不僅要完善數(shù)字普惠金融基礎(chǔ)設(shè)施建設(shè)，為數(shù)字普惠金融發(fā)展筑牢基礎(chǔ)，而且要學(xué)習(xí)長江經(jīng)濟帶城市先進經(jīng)驗，促進城市綠色低碳發(fā)展。

注 釋：

（1）范圍1：城市轄區(qū)內(nèi)的所有直接碳排放；范圍2：發(fā)生在城市轄區(qū)之外的與能源有關(guān)的間接碳排放；范圍3：由城市內(nèi)部活動引起，產(chǎn)生于轄區(qū)之外，但不包括范圍2的其他間接碳排放。

參考文獻：

［1］孫芳城，伍桂林，蔣水全.數(shù)字普惠金融對企業(yè)投資效率的影響研究［J］.華東經(jīng)濟管理，2023，37（1）：95-107.

［2］葛和平，吳倩.數(shù)字普惠金融對民營經(jīng)濟高質(zhì)量發(fā)展的影響研究［J］.經(jīng)濟問題，2022（11）：27-35.

［3］CHIBBA M. Financial Inclusion，Poverty Reduction and the Millennium Development Goals［J］. The European Journal of Development Research，2009，21（2）：213-230.

［4］賀慧惠，童天天.數(shù)字普惠金融對長期多維相對貧困的影響與機制研究［J］.宏觀經(jīng)濟研究，2023（9）：33-53.

［5］易行健，周利.數(shù)字普惠金融發(fā)展是否顯著影響了居民消費——來自中國家庭的微觀證據(jù)［J］.金融研究，2018（11）：47-67.

［6］李平，李伯楷.數(shù)字普惠金融發(fā)展與居民消費升級［J］.統(tǒng)計與決策，2023，39（13）：144-149.

［7］程廣斌，趙川，李祎.數(shù)字普惠金融、空間溢出與經(jīng)濟增長［J］.統(tǒng)計與決策，2022，38（16）：132-136.

［8］陳嘯，孫曉嬌，王國峰.數(shù)字普惠金融、數(shù)字創(chuàng)新與經(jīng)濟增長——基于省級面板數(shù)據(jù)的實證考察［J］.經(jīng)濟問題，2023（6）：34-40.

［9］斯麗娟，湯曉曉.數(shù)字普惠金融對農(nóng)戶收入不平等的影響研究——基于CFPS數(shù)據(jù)的實證分析［J］.經(jīng)濟評論，2022（5）：100-116.

［10］楊彩林，李雯雅，曹秋菊.數(shù)字普惠金融、農(nóng)戶信貸供給與城鄉(xiāng)收入差距［J］.統(tǒng)計與決策，2022，38（12）：130-135.

［11］PETERS G，DAVIS S，ANDREW R. A Synthesis of Carbon in International Trade［J］. Biogeosciences，2012，9（8）：3247-3276.

［12］FU J F，LI Y . Regional Difference Analysis on China's Carbon Dioxide Emission Embodied in Exports［J/OL］. Advanced Materials Research［2023-10-30］.https：//doi.org/10.402 8/www.scientific.net/AMR.524-527.2623

［13］余星輝，卜亞.數(shù)字經(jīng)濟發(fā)展對城市碳排放的影響［J］.金融與經(jīng)濟，2023（1）：74-84.

［14］佘群芝，吳柳，鄭潔.數(shù)字經(jīng)濟、經(jīng)濟聚集與碳排放［J］.統(tǒng)計與決策，2022，38（21）：5-10.

［15］金飛，徐長樂.數(shù)字經(jīng)濟發(fā)展對碳排放的非線性影響研究［J］.現(xiàn)代經(jīng)濟探討，2022（11）：14-23.

［16］GUO S，MA H. Can Urban Digitalization Significantly Improve Carbon Emission Efficiency？ Evidence from 282 Cities in China［J］. Environmental Science and Pollution Research，2023，30（19）：55214-55236.

［17］黃寰，何廣，肖義.低碳城市試點政策的碳減排效應(yīng)［J］.資源科學(xué)，2023，45（5）：1044-1058.

［18］董梅，李存芳.低碳省區(qū)試點政策的凈碳減排效應(yīng)［J］.中國人口·資源與環(huán)境，2020，30（11）：63-74.

［19］邵帥，范美婷，楊莉莉.經(jīng)濟結(jié)構(gòu)調(diào)整、綠色技術(shù)進步與中國低碳轉(zhuǎn)型發(fā)展——基于總體技術(shù)前沿和空間溢出效應(yīng)視角的經(jīng)驗考察［J］.管理世界，2022，38（2）：46-69，4-10.

［20］范東壽.農(nóng)業(yè)技術(shù)進步、農(nóng)業(yè)結(jié)構(gòu)合理化與農(nóng)業(yè)碳排放強度［J］.統(tǒng)計與決策，2022，38（20）：154-158.

［21］張琳杰，崔海洋.長江中游城市群產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對碳排放的影響［J］.改革，2018（11）：130-138.

［22］張晨露，張凡.生態(tài)保護、產(chǎn)業(yè)結(jié)構(gòu)升級對碳排放的影響——基于長江經(jīng)濟帶數(shù)據(jù)的實證［J］.統(tǒng)計與決策，2022，38（3）：77-80.

［23］王星.中國城鎮(zhèn)化對碳排放的影響——基于省級面板數(shù)據(jù)的分析［J］.城市問題，2016（7）：23-29.

［24］王鑫靜，程鈺.城鎮(zhèn)化對碳排放效率的影響機制研究——基于全球118個國家面板數(shù)據(jù)的實證分析［J］.世界地理研究，2020，29（3）：503-511.

［25］江紅莉，王為東，王露，等.中國綠色金融發(fā)展的碳減排效果研究——以綠色信貸與綠色風(fēng)投為例［J］.金融論壇，2020，25（11）：39-48，80.

［26］趙曉春，龍來春，周瑛.綠色金融、政府干預(yù)與區(qū)域碳排放效率［J］.統(tǒng)計與決策，2023，39（10）：149-154.

［27］馬曉君，董碧瀅，于淵博，等.東北三省能源消費碳排放測度及影響因素［J］.中國環(huán)境科學(xué)，2018，38（8）：3170-3179.

［28］王少劍，蘇泳嫻，趙亞博.中國城市能源消費碳排放的區(qū)域差異、空間溢出效應(yīng)及影響因素［J］.地理學(xué)報，2018，73（3）：414-428.

［29］蘇培添，王磊.數(shù)字普惠金融對中國農(nóng)業(yè)碳排放強度影響的空間效應(yīng)與機制［J］.資源科學(xué)，2023，45（3）：593-608.

［30］孫靈燕，張全飛.數(shù)字普惠金融對企業(yè)碳排放強度的影響研究［J］.江西社會科學(xué)，2023，43（11）：90-101.

［31］王守坤，范文誠.數(shù)字普惠金融與碳減排——基于中國縣級數(shù)據(jù)的實證分析［J］.當(dāng)代財經(jīng)，2022（11）：53-64.

［32］姚鳳閣，王天航，談麗萍.數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的影響［J］.商業(yè)研究，2022（3）：112-121.

［33］江艇.因果推斷經(jīng)驗研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］.中國工業(yè)經(jīng)濟，2022（5）：100-120.

［34］朱東波，張相偉.中國數(shù)字金融發(fā)展的環(huán)境效應(yīng)及其作用機制研究［J］.財經(jīng)論叢，2022（3）：37-46.

［35］呂鯤，潘均柏，周伊莉，等.政府干預(yù)、綠色金融和區(qū)域創(chuàng)新能力——來自30個省份面板數(shù)據(jù)的證據(jù)［J］.中國科技論壇，2022（10）：116-126.

［36］張小鋒，王菁彤.數(shù)字普惠金融對區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展的影響效應(yīng)［J］.商業(yè)研究，2022（2）：40-48.

［37］梁玲玲，李燁，陳松.數(shù)字普惠金融促進企業(yè)綠色技術(shù)創(chuàng)新的效應(yīng)與機制檢驗［J］.統(tǒng)計與決策，2023，39（11）：168-173.

［38］DU Q，DENG Y，ZHOU J，et al. Spatial Spillover Effect of Carbon Emission Efficiency in the Construction Industry of China［J］. Environmental Science and Pollution Research，2022，29（2）：2466-2479.

［39］叢建輝，劉學(xué)敏，趙雪如.城市碳排放核算的邊界界定及其測度方法［J］.中國人口·資源與環(huán)境，2014，24（4）：19-26.

［40］李壽喜，張珈豪.數(shù)字普惠金融、技術(shù)創(chuàng)新與城市碳排放強度［J］.華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2023，55（2）：161-172，178.

［41］郭峰，王靖一，王芳，等.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)濟學(xué)（季刊），2020，19（4）：1401-1418.

［42］鄺嫦娥，路江林.環(huán)境規(guī)制對綠色技術(shù)創(chuàng)新的影響研究——來自湖南省的證據(jù)［J］.經(jīng)濟經(jīng)緯，2019，36（2）：126-132.

［43］劉華珂，何春.綠色金融促進城市經(jīng)濟高質(zhì)量發(fā)展的機制與檢驗——來自中國272個地級市的經(jīng)驗證據(jù)［J］.投資研究，2021，40（7）：37-52.

［44］連玉君，彭方平，蘇治.融資約束與流動性管理行為［J］.金融研究，2010（10）：158-171.

［責(zé)任編輯：夏同梅］

［DOI］10.19629/j.cnki.34-1014/f.231102021