数字普惠金融对中国区域绿色创新效率的影响效应研究

张慧毅，刘瑞姣，彭一航

（天津科技大学经济与管理学院，天津 300457）

依托于信息技术与技术革命的不断进步，中国的数字经济得到了快速的发展，数字化产品与服务也应运而生。数字金融泛指传统金融机构与互联网公司以数字化技术为手段，实现支付、融资以及投资等的新金融业务模式，而其最大的优势则是数字普惠金融的发展。数字普惠金融大幅度提升了金融服务的可得性和便利性，其所具有的广覆盖、包容性强、成本低等特征优势，是解决传统金融成本高、金融服务地区失衡的有效途径，已成为现代金融发展的主流趋势[1]。

作为传统金融的有利补充，数字普惠金融的发展可打破金融长尾客户的“服务壁垒”，为“大众创业、万众创新”提供资金来源，有利于提升区域创新技术水平。而创新活动，尤其是绿色创新，其项目所需的资金要求大、技术含量高、活动周期长且创新结果具有极大的不确定性，属于高风险的资金密集型投资行为，导致许多金融机构不愿为其进行资金借贷，使绿色创新活动容易受到外部资金的融资约束。因此，提高绿色创新活动的金融可得性，对于提高绿色创新效率具有重要意义。那么，数字普惠金融是否可以成为绿色创新效率提升的新动能？数字普惠金融的发展又是怎样影响绿色创新效率？这些问题的解决，不仅可以为中国数字普惠金融的发展指明方向，又可以为提高区域绿色创新效率提供针对性建议。

1 文献综述

在日益严峻的环境问题下，绿色创新逐渐成为了促使推进经济高质量发展的研究热点，学者们纷纷从不同的角度去考察绿色创新效率的影响因素。杨朝均等[2]分别从地区和国家两个层面上去探究绿色创新的影响因素，并认为市场制度、环境制度和内外部市场需求都对绿色创新效率有着积极的影响作用，而知识产权保护制度则抑制绿色创新的发展。陈春香等[3]通过空间计量模型发现产业转移可以促进承接地的绿色创新效率的提升并带动相邻地区的绿色创新效率。陈兵等[4]研究得出互联网发展和多样化聚集可以有效提升绿色创新效率，但是专业化聚集会在一定程度上抑制绿色创新效率。不容忽略，资金充足是创新活动的重要保障。部分学者认为金融发展可以提升绿色创新效率水平[5-6]，但是也有学者认为金融发展会对小城市的绿色创新效率产生负向作用[7]。

相较传统金融行业，数字金融可拓展获取金融服务的渠道并降低交易成本，有效帮助尾部群众突破“金融门槛”[8]，同时强化资金流动配置，优化产业结构[9]。数字金融的发展不仅提高了传统金融在欠发达地区的数字化进程，也提高了金融机构的服务质量与效率，促进地区经济高质量发展[10]，并有效增加区域创新产出[11]。自北京大学金融研究中心编制出一套科学的指标体系，用以衡量数字普惠金融的总体发展水平后，学者们开始定量分析数字普惠金融与创新力之间的关系，且大多认为数字金融的发展可以促进创新力水平的提升[12-15]。但是数字金融对不同地区创新力提升的差异性问题上，学者们却持不同的看法。有些学者认为数字金融的发展对中部和西部地区以及创新水平较低的城市来说更具有创新激励作用[16-17]，即体现了数字金融的普惠性特征，但也有学者相信数字金融发展在金融发展较突出的城市所展现的创新驱动力更强[18-19]。除此之外，也有学者对众筹模式的可行性提出了疑问，认为数字普惠金融不一定对创新有着积极的影响作用[20]。

此外，近期也有学者对数字普惠金融与创新效率之间的关系进行了一定的研讨，如尹飞霄[21]采用空间杜宾模型研究认为数字金融可以显著提升当地的绿色创新效率，同时可以给予相邻地域绿色创新效率一个正向积极作用。邹辉文等[22]认为数字普惠金融对创新效率具有门槛效应，随着跨越门槛，其边际效用呈现递减趋势。

综上所述，学者们从不同的角度对数字普惠金融与创新力关系进行了十分有价值的探讨和研究，为本文奠定了一定的理论基础，但仍有可完善之处。本文可能性贡献主要有以下两点：第一，已有文献主要集中于研究数字金融与创新力之间的关系，较少涉足数字普惠金融与绿色创新效率之间的研究。第二，从数字普惠金融及其分解指数入手，去了解其对区域绿色创新效率的影响作用，可为各地政府提升绿色创新效率提供一定的指导建议。

2 研究方法及数据说明

2.1 研究方法

文章首先运用包含非期望产出的SBM 模型测算全国30 个省（自治区、直辖市）①的绿色创新效率值，并按照《中国统计年鉴》的划分依据，将30 个省（自治区、直辖市）分别归类于东部、中部和西部地区，探讨地区间绿色创新效率的差异性。再将所测算出的绿色创新效率作为因变量，借助面板tobit模型回归分析数字普惠金融对各地区绿色创新效率的影响作用。

2.1.1 包含非期望产出的SBM 模型

传统DEA 模型没有考虑非期望产出指标，易对测算效率结果造成一定的偏差，且DEA 大多采用径向以及角度测算的BBC、CCR 模型，无法充分考虑投入产出的冗余以及松弛性问题。因此，文章采用Tone[23]提出的基于非径向和非角度的SBM 模型，防止因角度与径向的选择问题而造成效率测量偏差，且可有效解决非期望产出的问题。本文构建模型如（1）式：

在（1）式中：ρ 代表决策单元效率值；n、m1和m2分别为投入、期望产出和非期望产出的数量；a和b为期望产出和非期望产出的区分符号；i和r则为求和符号的下界；S-、Sa和Sb分别表示投入松弛变量、期望产出松弛变量和非期望产出松弛变量；X、Ya和Yb分别代表投入矩阵、期望产出矩阵与非期

2.1.2 面板tobit 模型

由于用包含非期望产出的SBM 模型所算出的绿色创新效率为大于0 且小于1 截断的离散数据，属于受限因变量，用普通回归方法容易导致结果不一致现象。而tobit 模型是专门针对受限因变量数据进行研究的模型，当采用最大似然法对该模型参数进行估计时，可有效避免结果的有偏性。tobit 模型的具体形式如（2）式：

在（2）式中，Yk为受限因变量，Xk为自变量，β为待估参数，εk为随机误差。

2.2 数据选取

绿色创新发展是指在一定的时间内，创新主体在保证经济、资源、环境三者可协调发展的基础上，将创新投入有效转化为创新产出的综合能力。因此，本文从投入和产出两大指标体系去考察绿色创新效率水平，考虑到相关数据的可获得性以及连续性，以2011—2018 年全国30 个省（自治区、直辖市）作为研究对象，数据来源各年份的《中国科技统计年鉴》《中国环境统计年鉴》《中国统计年鉴》以及中国前瞻数据库，对于某些年份所缺失数据进行插值处理来进行补足。

2.2.1 绿色创新效率指标体系

（1）投入指标。人力和财力是绿色创新行为的核心要素，文章选取R&D 全时人员投入和R&D经费投入作为衡量绿色创新的人力和资金投入的代理变量，同时考虑到绿色创新中资源、环境、绿色三者的关系，将单位GDP 能耗作为能源投入指标，衡量其对绿色技术创新效率水平的关注度。

（2）产出指标。绿色创新不仅要考虑经济发展效率，还需要衡量环境改善的创新效率，因此将产出指标细分为期望产出和非期望产出两大类。期望产出包括经济效益产出和创新效益的产出，非期望产出则为环境效益产出。文章用新产品销售收入代表经济效益产出，创新效益产出用专利授权数目来表示。而环境效益产出从环境污染问题进行考量，选取固废、废水、废气排放量三个指标，并运用熵值法测得环境污染指数作为非期望产出衡量指标。投入指标与产出指标如表1 所示。

表1 绿色创新效率投入产出指标

2.2.2 影响因素指标体系

考虑到各地区的资源禀赋以及发展方式的差异性，本文在已有的研究基础上，将影响绿色创新效率的相关控制因素分为经济因素、环境因素和社会因素，并将数字普惠金融作为主要解释变量，选取指标如下：

（1）数字普惠金融（DF）。文章利用北京大学数字金融研究中心发布的数字普惠金融指数除以100 作为其代理变量，并选取数字普惠金融的分解指数覆盖广度（DF_CB）、使用深度（DF_UD）以及数字化程度（DF_DL）作为主要解释变量的二级指标变量。

（2）环境规制（ENVI）。环境规制对绿色创新效率的影响并不确定，因为当政府实行适合地域发展的环境规制政策时，企业为了规避污染成本的增加，会通过“创新补偿”进行行为抵消而达到“倒逼减排效应”，促进企业的绿色技术的提高。但是，严格的环境规制措施会挤占政府资金，无法对企业的技术革新提供过多的资金支持，继而无法有效提高绿色创新效率。文章选取工业污染治理完成投资额作为环境规制的代理变量。

（3）产业结构（IND）。合理的产业结构有利于资源要素的合理配置，促进经济绿色增长，有效提高绿色创新效率，但是当产业结构偏离正常水准时，则可能导致经济效率的降低。文章选用第三产业增加值占GDP 比重作为产业结构的代理变量。

（4）科技创新环境（GOVE）。科技创新离不开政府的引导与支持，政府的资金支持可以在一定程度上弥补企业研发绿色技术的成本，减轻企业压力，增强企业研发绿色创新效率的风险抵御能力。文章采用财政支出中科技支出占一般预算支出的比重衡量科技创新环境的好坏。

（5）对外开放度（TRD）。对外开放不仅可以引入国际先进科学技术，提供大批的高质量人才资源，而且可在“技术溢出”效应下激发地区的科技研发创新活力，但是若相应的环境管制政策过于宽松，将会导致高污染厂商入境，不利于经济的长期绿色发展。文章采用进出口总额占当地GDP 的比值衡量对外开放度。

（6）外资依存度（FDI）。吸引外商直接投资是引进国外先进科学技术的另一重要渠道，然后通过不断的模仿、学习进行消化吸收，最后通过改造的创新去推动国内科技发展水平。文章采用实际利用外资额占当地GDP 的比值作为外资依存度的代理变量。

（7）经济发展水平（GDP）。经济发展水平代表着经济发展的潜力，伴随着经济水平的提高，民众会逐渐提高对环境保护的意识，并激发企业的社会责任，借以提高绿色技术的研发，在一定程度上影响地区绿色创新效率。文章用人均GDP 来衡量经济发展水平。

（8）技术市场成熟度（TECH）。技术市场的发展越完善，创新力技术则会更好地服务于实体经济，将创新技术更好地进行转化运用，而技术市场成交额则是评价技术市场环境发展好坏直观展现形式。因此，文章利用技术市场成交额作为评价技术市场成熟度的代理变量。

3 实证分析

3.1 绿色创新效率测度结果分析

运用包含非期望产出的SBM 模型对2011—2018 年全国30 个省（自治区、直辖市）的绿色创新效率进行测算，部分测算结果如表2 所示。从整体变动趋势来看，东部沿海地区由于地理位置的特殊性以及经济、政策管理等优势，绿色创新效率一直处于较高水平，而中部和西部地区则由于粗放式经济发展方式并未得到良好改善，而导致绿色创新效率处于较低水平状态。但2011—2018 年，全国各省份的绿色创新效率呈现稳步上升的趋势，且东部地区>中部地区>西部地区，这意味着中国的绿色技术水平一直在逐步提高，整体取得了较大的成果，但从整体看，绿色创新效率依旧长期处于较低值，总体呈现为无效率状态，仍有较大的进步空间。从省级层面来看，北京、广东、江苏以及浙江等东部地区的绿色创新效率水平呈现出较高水准，这些省（直辖市）以其自身较为发达的科学技术发展水平、完善的市场管理方式及制度环境为绿色创新效率的提升提供了良好的环境基础，而宁夏、青海、新疆、甘肃等西部地区和内蒙古、陕西等中部地区的绿色创新效率得分较低，急需寻求方法突破创新瓶颈。

表2 2011—2018 年中国30 个省（自治区、直辖市）的绿色创新效率平均值

3.2 面板tobit 模型回归

3.2.1 数字普惠金融发展总指数

文章运用stata15 软件，采用面板tobit 模型分析数字普惠金融对区域绿色创新效率的影响作用，结果如表3 所示。

表3 数字普惠金融驱动效应的tobit 回归结果

由表3 可知，无论是从整体层面而言，还是从地区角度出发，数字普惠金融都可以对绿色创新效率产生正向促进作用，但是这种激励效应存在区域异质性，即东部地区>中部地区>西部地区，这是因为东部地区的经济发展、基础设施建设、金融观念、金融资源、创新产业基础等多方面都较优于中部和西部地区，因此，其可较好地展开创新活动、缓解创新企业的融资压力、提高资金的可获得性，进而提高区域绿色创新效率。对于中部和西部地区而言，数字金融发展能够为西部偏远山区富有潜力的农村闲散资金流动配置提供重要平台，有利于解决创新融资约束的问题，但是中部和西部地区的金融排斥观念可能会降低数字普惠金融的创新激励效应，因此数字普惠金融在该区域的创新激励效果较弱。

进一步，根据表3 的回归结果，从环境、经济以及社会角度出发，考察相关控制变量对整体及三大地区的绿色创新效率的影响。第一，环境规制。对于全国层面以及东中部地区来说，环境规制在1%的水平上对绿色创新效率起着显著的负影响，原因可能在于当政府将资金过多的利用在环境保护时，将会挤占企业研发投入，阻碍地区技术进步。而环境规制对于西部地区却呈现正向作用，表明环境规制可能会刺激当地企业加快技术创新和引进，推动地区技术进步水平，进而利于提高绿色创新效率。第二，产业结构。产业结构对全国以及东部和中部地区的绿色创新效率都有负向影响，对西部地区有正向影响，原因可能为第三产业在东中地区处于高水平状态，甚至饱和情况，但是人才的综合素质并未满足产业结构的调整，所以其无法促进创新效率的提升。第三，科技创新环境。科技创新环境对全国以及各地区的绿色创新效率都在1%的水平下有着显著的促进作用，表明科技创新环境的提高有助于促进当地绿色创新效率的提高，原因在于政府通过增加对企业的科技创新投入，可以有效缓解企业创新资金不足，而且还在一定程度上分担了企业的创新风险，有效解决市场失灵问题，减少外部性。第四，对外开放度。对外开放度在全国层面表现出负向作用，且在地区层面无显著作用，原因可能在于中国进行对外贸易活动时，并没有对相关技术进行充分的引用与创新，导致其不能很好地转化为促进中国区域绿色创新效率提高的内生动力。第五，外资依存度。外资依存度对西部地区有着反向影响，但对其他地区无明显作用。这是由于西部地区较少涉足外资，很难通过示范模仿效应、关联效应等渠道促使绿色创新效率提高。第六，经济发展水平。经济发展水平对东部、中部和西部地区的绿色创新效率的提高都有显著的积极作用，这是因为经济发展水平越高，绿色技术创新的基础则越坚实，有利于为技术创新提供良好的经济市场环境，在一定程度上提高地区的绿色创新效率。第七，技术市场成熟度。技术市场成熟度在1%的水平下显著促进东部地区的创新效率，但是对中部和西部地区有着负向影响。原因在于，中部和西部地区的基础设施不能适应技术市场的成熟度，导致不能将其良好运用于现实生活，反而不能推动创新效率的提高。

3.2.2 数字普惠金融发展分解指数

数字普惠金融涉及到多个维度的指标测量，因此本文进一步从覆盖广度、使用深度以及数字化程度三个维度去考察其对中国绿色创新效率的影响差异，回归结果如表4 所示。

表4 数字普惠金融分解指数驱动效应的tobit 回归结果

由表4 可知，数字普惠金融的覆盖广度、使用深度和数字化程度都在1%的水平下显著促进中国绿色创新效率的提升，但是三者效果却存在一定的差异性，具体表现为覆盖广度>使用深度>数字化程度。首先，覆盖广度即数字金融所覆盖的人群数量，主要表现为人群中支付宝账户的拥有率，当覆盖广度逐步延伸时，则意味着金融服务不再依赖于实际金融网点，而是拓展为以互联网为支撑的新金融模式，其提供的金融服务不再受时间距离限制，辐射范围更加广泛，因此可以为绿色创新活动提供更加丰富的资金来源以及金融环境。其次，使用深度即实际使用的数字金融产品状况，不仅测量了数字金融所提供的一系列金融服务，例如，货币基金服务以及信贷服务，还涵盖了人群对数字金融服务的使用频度。因此当用户通过数字金融平台参与投资信贷等活动时，既能体现出闲散资金转化为创新融资的主观能动性，也能为企业进行创新活动提供大量的资金支持，从而促进地区绿色创新效率的提升。最后，数字化程度即在覆盖广度和使用深度的基础上刻画了数字金融的便利性，能够间接提升区域创新活动的融资能力，有效缓解创新活动融资约束，提升创新效率。而造成三者差异性效应的原因可能在于覆盖广度是数字金融发展的“基础”，只有当覆盖广度有所延伸，才能为之后的使用深度提供前提，但是数字化程度则受限于激励传导链较长，同时数字化金融设施仍不够完善，从而创新激励效果相对较小。

3.2.3 稳健性检验

为进一步检验上述结果的准确性，文章依据周少甫等[24]的做法，将相关控制变量均滞后一期作为解释变量，以克服解释变量与被解释变量互为因果而引起的内生性问题。结果表明：虽然解释变量显著性有所变化，但是系数符号并未发生变化，因此可认为回归结果是稳健可信的。

4 结论与政策建议

4.1 结 论

（1）中国的绿色创新效率总体呈现缓慢上升的趋势，但是低值仍占据大多数，且整体处于无效率状态。具体表现为：东部地区由于经济基础较好，因此绿色创新效率一直处于较高水平，而中部和西部地区则由于经济发展方式并未得到良好改善，而导致绿色创新效率处于较低水平状态。

（2）数字普惠金融可以促进中国绿色创新效率的提升，且这种激励效用存在区域差异性，具体表现为：数字普惠金融在经济发展较为领先且金融设施较为完善的东部地区的作用更为明显，但是在金融发展水平欠缺的中部和西部地区的作用效果较弱，呈现出东部地区>中部地区>西部地区的局面。

（3）数字普惠金融的三个分解指标覆盖广度、使用深度和数字化程度对中国绿色创新效率有着正向的激励作用，但是三者的效果具有差异性，具体表现为：覆盖广度由于是促进创新效率提升的基础，因此在促进创新效率提升方面效果最为显著；使用深度则侧重于创新活动的主动性，以覆盖广度为激励基础，对绿色创新效率的作用次之，而数字化程度则受限于激励传导链过长，作用效果较弱。

4.2 政策建议

第一，坚持创新、协调、绿色、开放、共享的发展理念，发挥地域优势，加强区域合作，将绿色创新的“溢出效应”发挥极致，扩大区域之间的信息共享。合作创建绿色创新载体，引导东部地区环保服务企业发展跨区域经营，积极吸收先进的科学技术与发展理念，在充分保护环境与节约资源的前提下，强化区域间的协同合作，提升区域间的技术互动并提高区域间绿色创新效率，打造环境、资源、经济三者的良好协调关系，以促进区域绿色创新效率的提升。

第二，完善数字普惠金融新基建，制定促进基础设施发展的系列政策，从顶层设计上高度重视，因地制宜完善中部和西部地区物联网、大数据、人工智能等信息基础设施，为区域绿色创新效率的提升提供数字金融新动能。对于东部地区而言则要不断加强基础数字保护技术的研发和推广应用，统筹运用市场机制和智慧监管，结合数字普惠金融的发展特点和优化行业的监管审批流程，严格制定数字普惠金融市场的准入条件，使数字监管成为提升绿色技术创新效率的“助推器”。

第三，在充分利用各地区产业优势与地理条件的基础上，加强对落后偏远地区的金融支持，达到数字金融覆盖广度的延伸以及使用深度的拓展，充分发挥其包容性特征，使得更多群体享受到便利的金融支持服务，合理促进地区绿色创新效率的提升。加强金融业服务与互联网大数据产业的融合，构建良好的数字金融发展环境，以积极的政府政策为指导，构建包含税收优惠、财政补贴为一体的资金支持服务，普及群众数字金融知识并建立接受意识，强化市场对数字金融的引导，促进金融业的数字化程度。

注 释：

① 30 个省（自治区、直辖市）为北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南、山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南、四川、贵州、云南、重庆、陕西、甘肃、青海、宁夏、新疆、广西；东部地区包含北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11 个省（直辖市），中部地区包含山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南9 个省（自治区），西部地区包含四川、贵州、云南、重庆、陕西、甘肃、青海、宁夏、新疆、广西10 个省（自治区、直辖市）。