金融科技水平影响企业非CO2温室气体排放的实证研究

李佳 刘航舶 史晨辰 刘跃 邓祥征 王姣娥 陈明星

1 首都经济贸易大学 金融学院,北京,100070 2 唐山师范学院 经济管理系,唐山,063000 3 北京交通大学 经济管理学院,北京,100044 4 首都经济贸易大学 城市经济与公共管理学院,北京,100070 5 中国科学院地理科学与资源研究所,北京,100101 6 中国科学院大学,北京,100049

0 引言

近年来,金融科技在全球范围内兴起,也同样引起了我国市场与政府的关注.“金融科技”指利用技术提供金融解决方案[1],该概念最早可以追溯到20世纪90年代初.进入21世纪后,随着计算机等科学技术的迅猛发展,金融与科技的结合成为金融行业发展的主要形式.线上银行、手机支付、互联网贷款、数字货币等产品和服务陆续推出,使得金融服务可以不受时间、地域限制为个人和企业进行服务.2019年我国金融科技行业市场规模已经突破了3 700亿元.2022年,中国人民银行再次发布《金融科技发展规划》,着力打造金融科技高质量新局面.

随着科技赋能金融行业发展的深入,金融科技的发展对于推动经济高质量增长意义愈发重大.金融科技的应用是对金融交易方式和行业效率的深刻变革,对整个社会发展产生了带动作用,并积极引导其他产业发展效率和质量的提升[2].中国目前正面临产业转型和经济高质量发展新挑战,金融科技将成为推动产业链深度融合、经济高质量发展的重要动力.在产业转型升级过程中,金融服务实体的功能有了更广泛的范围,金融科技大有可为.King等[3]首先提出关于金融科技融合能够推动经济增长的结论.目前学者已经形成共识:金融科技发展有助于驱动经济增长、提高投资效率[4-5],无论是在国家层面[6]、地方层面[7]还是产业层面[8].但在该问题的研究上,缺少微观视角,将金融科技与企业污染减排进行直接联系的研究较少.因此本文将从节能减排角度出发,关注金融科技赋能经济高质量发展.

1 理论分析与假设

1.1 理论分析

金融科技发展的减排作用具体体现在直接影响和间接影响两个方面[9].直接影响方面,科技和数据应用减少了金融业务过程中客户往返金融机构的路程和时间,通过普及应用移动支付交易、电子化金融业务流程等,降低了交易中纸币和纸质资料的使用.间接方面,金融科技的发展能够融合金融资金的供求市场,缓解企业,尤其是中小型和科技型企业的融资约束,促进企业的科技创新活动.

企业在生产经营过程中往往面临一定融资约束.企业与金融机构之间的信息不对称,通常导致企业生产经营资金紧张,金融资金配置低效等行为.尤其对科技企业和中小企业来说,日常经营中的风险因素较多,容易陷入融资困境.而金融科技的发展,可以将区块链、大数据、云计算等技术应用到信息挖掘、资金使用监控和风险管理等各个领域,在金融服务过程中,将传统的人力搜寻信息、项目管理等转为数据驱动的业务运营和管理.金融科技类放款机构能够利用技术优势为信誉良好的借款人提供服务,灵活设置利率,并且在再融资市场上也更加活跃[10].通过缓解融资约束,金融科技的发展可以激发企业的科技行为,创造更多科技成果[11-12].尤其在碳减排领域,金融数字化的发展,能快速识别高研发行业和真正具有市场潜力的企业并对其进行资金支持,激励企业通过技术创新降低碳排放强度,提升碳排放效率[13].不仅在工业领域,数字金融的发展也能为农业发展提供资金,产生明显的生态环境和温室气体减排效应[14].

一旦企业获得更充裕的资金支持,就可以在技术创新、环保设施等方面进行更多投入.从宏观层面来看,金融科技的发展会提高金融服务实体经济创新发展的能力,促进本地区的绿色技术进步[15].因为金融科技发展到一定阶段,公共科技金融资源和市场科技金融资源将被拓宽,为城市创新和发展绽放新的活力[16].从微观层面来看,金融科技创新会通过促进企业技术创新特别是绿色技术创新进而显著减少二氧化硫和工业废水排放[17].但金融科技的减排作用需要以要素市场正常运行为前提,通过引领产业升级达到减排的效果[9].

1.2 理论假设

总的来看,目前关于金融科技对企业减排的文献主要在碳减排领域,对非CO2温室气体研究较少.在对金融科技与企业污染减排的研究中,金融科技本身的结构影响尚未明确,金融科技与企业污染减排之间是否存在非线性关系,金融科技的哪些维度在起重要作用等问题并未进行深入的探讨.

目前学界较为一致地认为,金融科技对企业污染减排的正面作用较强.但金融科技的发展是一个周期很长的过程,金融科技和相关服务和推广、创新成果转化、企业环保措施实施等均需要较长时间.结合已有文献,本文认为,金融科技的发展对企业减排具有一定积极作用,但该作用在长期内可能不是简单的线性关系,因此本文提出假设:

H0:金融科技发展水平对企业污染减排有门限效应作用.

本文以非CO2温室气体为主要研究对象,以2011—2019年中国内地203个地级市面板数据为样本,构建面板门限回归模型,分析金融科技与非CO2温室气体之间的非线性关系.进一步地,对金融科技进行分维度验证,考察金融科技覆盖广度、金融科技使用深度以及金融数字化程度对非CO2温室气体排放的单独影响.同时,以中国东、中、西部地区的子样本为基础,采用面板门限回归分析,试图检验不同地区金融科技的区域异质性影响,研究结论更有利于政策因地制宜的实施.

2 模型、变量及数据处理

2.1 模型

为了分析金融科技与企业非CO2温室气体之间的非线性关系,本文首先构建如式(1)所示的门限效应模型.

pollutionit=α+β1finindit×F(finind≤γ1)+

β2finindit×F(γ1

β3finindit×F(finindit>γ2)+λXit+εit,

(1)

式(1)中：i为地级市；t为年份;pollution为被解释变量,即本文中的非CO2温室气体,分别用工业二氧化硫(SO2)排放和工业氮氧化物(NOx)排放来表示;α为常数项;finind为核心解释变量,即金融科技水平;F(·)为示性函数,当括号内表达式为真时取值为1,否则取值为0;X为影响非CO2温室气体排放的控制变量;ε为随机扰动项,服从正态分布;β是本文重点关注的系数,表示在不同范围内,金融科技对非CO2温室气体排放的影响;λ为控制变量对非CO2温室气体排放的影响系数.

为了考察金融科技影响企业非CO2温室气体排放的具体结构作用机制,本文进一步构建如式(2)—(4)所示回归模型.其中:covbre为金融科技覆盖广度;usadep为金融科技使用深度;diglev为金融科技数字化程度；系数θ,ρ和η分别表示在不同范围内,金融科技覆盖广度、金融科技使用深度及金融科技数字化程度对非CO2温室气体排放的影响水平.其他变量解释同上.

pollutionit=α+θ1covbreit×F(covbre≤γ1)+

θ2covbreit×F(γ1

θ3covbreit×F(covbreit>γ2)+λXit+εit,

(2)

pollutionit=α+ρ1usadepit×F(usadep≤γ1)+

ρ2usadepit×F(γ1

ρ3usadepit×F(usadepit>γ2)+λXit+εit,

(3)

pollutionit=α+η1diglevit×F(diglev≤γ1)+

η2diglevit×F(γ1

η3diglevit×F(diglevit>γ2)+λXit+εit.

(4)

2.2 变量选取

1)被解释变量

本文以企业非CO2温室气体为主要研究对象,使用工业二氧化硫排放量和工业氮氧化物排放量作为企业非CO2温室气体排放的指标.

2)核心解释变量

本文使用“北京大学数字普惠金融指数”作为全社会金融科技发展水平的代理变量[18].数字普惠金融指数的编制不同于对传统金融发展的衡量,它利用蚂蚁集团关于数字普惠金融的海量数据,充分考虑了电子账户数、第三方支付、数字金融服务便利程度以及实际使用数字金融服务的情况等,能够较好衡量金融科技发展水平.该总指数下有三个维度:数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度,分别代表金融科技发展的不同维度,可以进一步考察金融科技的结构影响机制.

3)控制变量

本文选取地区经济发展水平、货物运输总量、地区人才储备、产业结构、地区绿化率作为控制变量,具体变量含义和计算方法如表1所示.

表1 变量定义及说明

2.3 数据来源及描述性统计

本文以2011—2019年中国203个地级市的面板数据作为研究样本.企业非CO2温室气体排放数据及控制变量数据均来自《中国城市统计年鉴》以及各省《统计年鉴》,金融科技全部数据使用北京大学数字普惠金融指数.由于部分城市非CO2温室气体排放数据缺失,本文剔除变量缺失样本后,最终获得203个地级市数据,共有1 827个观测值,其中氮氧化物数据在统计年鉴中于2012年开始披露,因此氮氧化物的实际样本为1 480,时间跨度为2012—2019年.对所有数据进行对数化处理,统计结果如表2所示.

表2 描述性统计结果

3 实证分析

为了确定门限模型的具体形式,本文对单一门限、双重门限和三重门限模型进行估计,并采用“自抽样法(Bootstrap)”反复抽样500次模拟F统计量的渐近分布和临界值,最终在结果中保留了显著的门限结果.

3.1 全样本门限模型回归结果

为了验证金融科技发展水平是否促进企业非CO2温室气体减排,本文使用全国层面面板数据对式(1)所示门限模型进行估计,结果如表3和表4所示.

表3 金融科技与中国内地企业非CO2温室气体排放关系的门限效应检验

表4 金融科技与中国内地企业非CO2温室气体排放关系的门限模型参数估计结果

表3为门限效应检验结果,可以看出,金融科技总指数与非CO2温室气体排放之间存在显著的门限效应,且存在双重门限.表4为全样本面板数据的门限模型参数估计结果,可以看出,金融科技总指数对工业二氧化硫和工业氮氧化物排放均存在负向影响,且该影响在金融科技不同阶段表现不同.对工业二氧化硫排放来说,在金融科技水平对数为4.655和5.319时(图1a),此时实际金融科技水平分别为105.151和204.078,存在显著的门限效应.在金融科技低于105.151时,其减排作用较强.而对工业氮氧化物来说,金融科技水平对数为4.911和5.224时(图1b),此时实际金融科技水平分别为135.802和185.713,存在显著的门限效应.在金融科技水平高于185.713时,工业氮氧化物减排效果更强烈.

图1 工业二氧化硫(a)与工业氮氧化物(b)的双重门限参数与LR关系

3.2 金融科技结构影响的门限模型回归结果

为验证金融科技的结构影响机制,本文分别检验金融科技覆盖广度、金融科技使用深度、金融科技数字化程度对企业非CO2温室气体排放的影响,使用全国层面面板数据对式(2)—(4)所示门限模型进行估计,结果如表5所示.从表5可以看出,金融科技的3个维度与非CO2温室气体排放之间均存在显著的门限效应,且存在不少于一个门限值.

表5 金融科技三维度与中国内地企业非CO2温室气体排放关系的门限效应检验

金融科技三维度的门限模型参数估计结果如表6所示.总的来看,金融科技覆盖广度对企业非CO2温室气体的减排强度显著强于金融科技使用深度和金融数字化程度.从3个维度分别来看:1)金融科技覆盖广度对工业二氧化硫排放影响不显著,对工业氮氧化物排放具有负向影响,在金融科技低于61.314时,其减排作用更强.2)金融科技使用深度对工业二氧化硫和工业氮氧化物排放均存在显著的门限效应,在金融科技高于210.503时,其对工业二氧化硫的减排作用更强;当金融科技处于(191.713,265.841)区间时,对工业氮氧化物的减排作用更强.3)金融数字化程度对工业二氧化硫和工业氮氧化物排放均存显著的门限效应,且均为两个门限.当金融科技高于216.286 时,对工业二氧化硫减排作用更强,而对工业氮氧化物的减排则是在跨过167.034时表现出减弱趋势.

表6 金融科技三维度与中国内地企业非CO2温室气体关系的门限模型估计结果

4 区域异质性影响分析

为了分析金融科技与企业非CO2温室气体排放在不同地区的异质性影响,本文对东部、中部和西部城市分别进行门限效应的检验.

分别使用东部、中部和西部地区面板数据对式(1)所示门限模型进行估计,检验东部、中部和西部地区金融科技总指数与企业非CO2温室气体排放之间是否存在门限效应,结果如表7和8所示.表7结果表明,在东部、中部、西部地区城市,金融科技与工业二氧化硫和工业氮氧化物排放之间均存在显著的门限效应,中东部地区存在两个门限值,西部地区存在一个门限值.

表7 中国不同地区金融科技与企业非CO2温室气体关系的门限效应检验

金融科技对企业非CO2温室气体排放的门限模型参数估计结果如表8所示:1)在东部地区,金融科技对企业非CO2温室气体排放存在显著的门限效应,且存在两个门限值.当金融科技水平小于114.744时,其对东部地区工业二氧化硫减排作用更强烈;当金融科技水平小于107.115时,其对东部地区工业氮氧化物减排作用更强烈.当跨过第一个门限值之后,金融科技的减排效果均有所下降.2)在中部地区,金融科技的发展对企业非CO2温室气体排放均存在显著的门限效应,门限值为2,且均在金融科技水平较低的城市减排作用强烈.当金融科技水平低于104.449和117.355时,其分别对中部地区工业二氧化硫和工业氮氧化物减排作用更强烈,最后减排效果逐渐减弱.3)在西部地区,金融科技的发展对企业非CO2温室气体排放均存在显著的门限效应,门限值为1,但金融科技的影响有所区别.当金融科技水平低于93.672时,其对西部地区工业二氧化硫减排作用更强烈,相反地,在水平高于185.379 时,金融科技表现出对工业氮氧化物更强的减排作用.

表8 中国不同地区金融科技与企业非CO2温室气体关系的门限模型估计结果

综合来看,金融科技对企业非CO2温室气体的减排作用,在中部地区显著强于东西部地区.其次为东部地区,西部地区减排效果相对最低.可能的原因是,东部地区生态环境治理效果较好,金融科技对绿色技术发展和应用的边际效应较小,而西部地区金融科技发展相对较差,金融科技的减排作用尚未发挥到最大.

5 结论与建议

5.1 结论

1)金融科技的发展呈现出显著的污染减排效果,能够抑制企业非CO2温室气体排放,且该作用为非线性作用.金融科技较低时,对于工业二氧化硫减排作用较强,随后表现出下降趋势,而对工业氮氧化物则相反,在金融科技水平较高时减排作用更强.

2)金融科技发展对企业非CO2温室气体减排的作用存在结构效应.金融科技覆盖广度对非CO2温室气体的减排强度显著强于金融科技使用深度和金融数字化程度.相比较来说,金融科技的发展对工业氮氧化物的减排效果更显著.

3)金融科技对企业非CO2温室气体减排作用存在地区性差异.金融科技对企业非CO2温室气体的减排作用,在中部地区显著强于东西部地区.对工业二氧化硫排放来说,东、中、西部地区均在金融科技水平较低时有更强烈的减排作用,随后表现出减弱趋势.对工业氮氧化物排放来说,在中东部地区,当金融科技水平较低时表现出更强烈的减排效果,随后有所减弱;在西部地区,则随着金融科技水平跨过185.379门限值时表现出更强的减排作用.

5.2 建议

1)大力支持金融科技发展,促进普惠金融推广.通过降低金融企业与工业企业之间的信息不对称,缓解融资压力,增加新技术、新设备的应用,对企业排污形成约束条件和进一步改善.一方面,中央和地方政府应当加强金融科技的投入和发展,推动计算机技术、区块链等与金融机构、监管机构等金融市场主体的融合,为金融机构发展、利用绿色技术获得更大的经济和金融政策空间.鼓励金融机构打造和发展线上服务平台,增加金融产品和服务的便利性和可得性,通过发展健康、高效、便利的金融系统,促进金融服务实体的作用.

另一方面,充分利用大数据和云计算等技术,建立金融机构与企业生产经营及污染排放之间的数据连接和评价体系,实时更新披露企业排放数据,将金融机构贷款审批、利率定价等与企业经营数据进行密切关联,确保企业的绿色、减排行为能与金融资金获取相联系,降低金融市场交易费用,提高资金使用效率.

2)重视全社会金融科技覆盖广度的发展和推广.通过增加信息通信基础设施投入、加大金融科技宣传和推广等方式,大力营造全面的金融科技环境,增加线上金融产品和服务,为更广大的群体和地区提供普惠性金融科技产品和服务.金融机构要在加强自身绿色治理之外,通过提高运用大数据、云计算、人工智能等基础设施的能力,引导资金投向企业的环境活动和资源节约型产业.通过开发专项技术融资项目、绿色融资项目等,吸引企业和个人以绿色环保、技术提升、产业创新等为目的,合理使用金融资源,提高用户体验.此外,金融机构还应充分利用科技手段进行资金使用过程的监测统计,将金融风险控制在一定范围内.

3)因地制宜,在不同地区实施差异化金融科技发展策略.对于金融科技水平相对较低的西部城市,要优先发展金融和信息技术基础设施,提升线上金融资源的可获得性.对中东部地区城市,要引导金融资金在企业污染减排和产业转型过程中发挥重要作用.同时,在金融科技水平发展不同地区,配合当地金融科技发展水平进行污染减排.在金融科技发展水平较低地区,对钢铁冶炼、有色金属加工、医药、食品饮料加工等行业等二氧化硫排放较多的企业,要通过金融手段进行技术升级,为减排设备更新等提供资金支持,而金融科技发展水平较高地区,要加强对电力、热力生产和供应业等氮氧化物排放较多企业进行污染治理的引导和支持.