数字金融对县域绿色全要素生产率的影响

孙学涛 田 杨

(山东社会科学院 农村发展研究所，山东 济南 250002；中国海洋大学 经济学院，山东 青岛 266100；山东社会科学院 人口与社会发展研究所，山东 济南 250002)

一、引言与文献综述

提升绿色全要素生产率是经济高质量发展进程中抢占新一轮增长点的突破口。随着刘易斯拐点的来临，资源红利等逐渐消失，中国与发达国家之间的技术落差优势也在市场经济的潮流中逐渐弱化，为经济高质量发展寻找新源泉变得尤为迫切。新古典经济增长理论认为，县域经济增长不仅依赖于县域要素投入的增加，还依赖于要素效率的提升。这为推动经济高质量发展提供了新思路：通过提升绿色全要素生产率的方式实现地区经济高质量发展。实践也证明，提升绿色全要素生产率是新常态背景下经济实现保量提质的一种可行性选择。

数字金融是绿色全要素生产率提升的新动力。金融不仅能够改善要素配置结构，而且还能够提高要素效率，但传统金融受自然环境和社会经济条件的制约，在县域经济发展过程中很难发挥作用，甚至还出现了县域金融资本外流的现象。大数据和互联网的发展催生了金融行业的新业态——数字金融。数字金融在满足传统金融保值和增值需求的同时，还能够以低成本和便利的方式为县域经济提供金融服务(1)王如玉、周诚君：《数字金融与城市生产率》，《广东社会科学》2020年第4期。。在数字经济快速发展的时代背景下，本文尝试分析数字金融是否会对绿色全要素生产率产生影响，特别是县域绿色全要素生产率提升中是否存在“数字金融红利”。

关于数字金融经济效应的文献，主要聚焦于数字金融对地区经济高质量发展的影响，也有部分文献讨论了数字金融对传统金融的弥补效用。现有文献认为数字金融作为一种新业态(2)江小涓、罗立彬：《网络时代的服务全球化——新引擎、加速度和大国竞争力》，《中国社会科学》2019年第2期。，它突破了时空的限制，改变了传统金融的服务模式，解决了传统金融规模不经济和降低了传统金融服务成本(3)汪亚楠、叶欣、许林：《数字金融能提振实体经济吗》，《财经科学》2020年第3期。，为落后地区实现“弯道超车”提供了可能(4)张勋等：《数字经济、普惠金融与包容性增长》，《经济研究》2019年第8期。。数字金融的发展也推动了传统金融的发展，提高了传统金融的效率(5)刘冲、吴群锋、刘青：《交通基础设施、市场可达性与企业生产率——基于竞争和资源配置的视角》，《经济研究》2020年第7期。。部分学者也质疑了数字金融的经济效应，这是由于数字金融也具备传统金融“嫌贫爱富”的特点(6)唐文进、李爽、陶云清：《数字普惠金融发展与产业结构升级——来自283个城市的经验证据》，《广东财经大学学报》2019年第6期。，使得数字金融对经济增长的影响有限。

关于绿色全要素生产率的文献，主要聚焦于绿色全要素生产率的测度及其影响因素分析。在资源环境日益成为经济增长硬约束背景下，学者在全要素生产率的基础上提出了绿色全要素生产率的概念。绿色全要素生产率在衡量经济效率的同时也考虑到经济发展对环境的影响。学者也尝试寻找绿色全要素生产率的影响因素，发现金融是影响绿色全要素生产率的重要因素之一(7)李健旋：《农村金融发展与农业绿色全要素生产率提升研究》，《管理评论》2021年第3期。，囿于传统金融自身的局限性，其对绿色全要素生产率的促进作用有限，甚至部分学者认为传统金融还会对绿色全要素生产率产生抑制作用(8)杨再平：《论我国金融体系的结构问题》，《管理世界》2002年第4期。。数字金融作为金融与信息技术相融合的一种新形式，通过改善资源错配的方式提高了要素配置效率，进而改善了经济增长质量(9)宇超逸、王雪标、孙光林：《数字金融与中国经济增长质量:内在机制与经验证据》，《经济问题探索》2020年第7期。。但现有文献主要讨论了数字金融对地区经济增长和传统金融的影响，忽视了数字金融与绿色全要素生产率之间的关系，因此需要讨论数字金融对绿色全要素生产率的影响，特别是从县域层面讨论数字金融与绿色全要素生产率之间的关系。

二、理论分析与研究假设

(一)数字金融对绿色全要素生产率影响的直接效应

数字金融发展能够提升地区金融效率、促进实体经济发展和降低金融成本(10)张军、金煜：《中国的金融深化和生产率关系的再检测:1987—2001》，《经济研究》2005年第11期。，进而提高了地区的产出水平和生产效率。数字金融与传统金融最大的区别在于数字金融在金融需求者与金融供给者之间建立了点对点的联系，打破了传统金融的时空距离，提高了资本要素的流通速度，最终提升了资本要素的效率。数字金融的发展还会提高传统金融供给者的竞争力，推动传统金融供给者将数字金融与传统金融服务模式相融合，改进传统金融的服务模式，进而提高传统金融供给者的经营效率(11)王聪聪等：《互联网金融背景下的金融创新和财富管理研究》，《管理世界》2018年第12期。。基于以上分析，本文提出第一个假设：数字金融发展会促进县域绿色全要素生产率水平提升。

(二)数字金融对绿色全要素生产率影响的中介效应

数字金融能够满足多样化的需求，进而刺激企业和居民的资金需求，随着企业资金需求的满足，数字金融会优化企业内部的资本配置结构及企业所属产业的要素配置结构，最终会对产业结构产生影响(12)刘湘云、吴文洋：《科技金融与高新技术产业协同演化机制及实证检验——源于广东实践》，《广东财经大学学报》2018年第3期。；随着居民资金需求的满足，数字金融还会刺激社会消费并实现居民消费的多样化，进而推动地区产业结构的转型(13)唐文进、李爽、陶云清：《数字普惠金融发展与产业结构升级——来自283个城市的经验证据》，《广东财经大学学报》2019年第6期。。数字金融会以新形式为实体经济发展注入新活力，进而促进要素向实体经济部门转移，最终影响产业结构转型。基于以上分析，本文提出第二个假设：数字金融还会通过产业结构影响绿色全要素生产率。

(三)数字金融对绿色全要素生产率影响的空间效应

有研究指出，互联网的出现使得地理距离对经济的影响越来越小(14)Bruhn M , Love I. ，“The Real Impact of Improved Access to Finance: Evidence from Mexico”,in Journal of Finance, Vol.3 (2014),pp.1347-1376.，信息技术在一定程度上代替了地区之间的要素集聚，例如电子银行对城市经济规模的要求越来越小(15)李成刚：《基于GMDH算法和面板Logit模型的电子银行风险预警研究——来自西部地区城市商业银行的经验证据》，《系统工程》2016年第10期。。同时也有学者认为，尽管信息技术的发展在一定程度上降低了产品的交易成本，但区域之间的距离仍然是影响地区经济发展的重要因素(16)郭峰等：《测度中国数字普惠金融发展:指数编制与空间特征》，《经济学(季刊)》2020年第4期。。虽然数字金融将线下产品转移到线上，然而操作复杂的金融产品线上交易依然离不开线下服务。基于以上分析，本文提出第三个假设：数字金融对绿色全要素生产率的影响可能存在空间效应。

三、模型设定

(一)绿色全要素生产率测度

(1)

其中，θ为要素投入的径向效率值，φ为产出的径向效率值。县域要素投入、县域期望产出和非期望产出的约束条件可以表示为：

(2)

由于采用全局测度的绿色全要素生产率能够处理向量无解，同时还能够解决变量之间的非传递性(18)Oh D.，“A Global Malmquist-Luenberger Productivity Index”, in Journal of Productivity Analysis, Vol.3(2010),pp.183-197.。因此，基于Meta-Malmquist指数测度绿色全要素生产率，其数学表达式为：

(3)

=GEC(mt+1,nt+1；mt,nt)×GTC(mt+1,nt+1；mt,nt)

其中，Dt表示县域经济在t期的要素投入与产品产出之间的技术集合，绿色全要素生产率(TFPt,t+1)可以分解为技术进步(GEC)和技术效率(GTC)。

(二)空间计量模型

数字金融对县域绿色全要素生产率的影响可能存在着空间相关性，因此，本文尝试运用SARAR模型讨论数字金融对县域绿色全要素生产率的影响。SARAR模型的设定方式为：

Y=ρWY+Xβ+μ

(4)

μ=λWμ+ε

(5)

其中，Y表示县域绿色全要素生产率，X表示县域数字金融发展指数，W表示县域之间的权重关系，λ表示计量模型的空间误差项对县域绿色全要素生产率的影响系数，ρ表示相邻县域的数字金融指数对县域绿色全要素生产率的影响系数，ε为空间扰动项，μ为空间误差项。空间权重矩阵采用县域之间的空间距离来衡量，县域i与j的权重为w(i,j)=1/d(i,j)，其中，d(i,j)为县域i与j的空间距离。

四、数据来源及指标选取

(一)数据来源

本文主要使用以下三方面的数据。第一是县域数据，中国1869个县域的主要指标均来自《中国县域统计年鉴(县市卷)》(2014—2020)，部分缺失指标来自各省份的相关年鉴。第二是数字金融数据，数字金融及其各维度指标的数据均来自北京大学2021年4月发布的数字普惠金融指数(2011—2020)。第三是哥伦比亚大学公布的全球PM2.5年均浓度数据，县域PM2.5浓度数据采用ArcGIS 10.2软件进行栅格化处理，并解析出不同县域不同时点的PM2.5浓度数据。

(二)县域绿色全要素生产率

本文的被解释变量为县域绿色全要素生产率，根据C-D生产函数并考虑到数据的可得性，县域经济的投入要素为资本、劳动和土地；县域绿色全要素生产率的产出既包含“好”的产出，即县域地区生产总值，也包含了“坏”的产出，即县域污染物。县域要素投入：(1)资本要素，由于统计年鉴内没有公布县域的资本存量，借鉴张军(19)张军、吴桂英、张吉鹏：《中国省际物质资本存量估算：1952—2000》，《经济研究》2004年第10期。等学者的研究方法计算县域资本存量；(2)劳动要素，采用县域单位从业人员数来衡量；(3)土地要素，以县域耕地面积来衡量。县域产出：(1)“好”的产出，以县域地区生产总值作为县域“好”的产出；(2)“坏”的产出，采用县域PM2.5量化县域“坏”的产出。

基于县域要素投入与产出，运用MaxDEA 6.9软件，采用产出导向型规模报酬可变模型，基于Meta-Malmquist指数测算县域绿色全要素生产率及其分解；采用DEAP 2.1软件，基于Malmquist指数测算县域绿色全要素生产率及其分解，其结果具体如表1所示。

表1 县域绿色全要素生产率及其分解

由表1可知，从平均值来看，县域技术进步小于1，技术效率大于1，而绿色全要素生产率小于1，说明县域绿色全要素生产率主要来源于技术效率。从年度变化来看，县域技术进步逐年上升，而县域技术效率不断下降，说明技术进步在县域绿色全要素生产率中的作用不断加强，同时县域绿色全要素生产率提升过程中存在效率损失，并且这种损失越来越显著。

(三)数字金融及其控制变量选取

本文的核心解释变量为数字金融，采用数字普惠金融指数除以100来衡量，同时还从覆盖广度、使用深度和数字化程度等方面讨论数字金融对县域绿色全要素生产率的影响。

计量模型内还加入了信息化水平和人力资本等七个控制变量。变量的描述性统计如表2所示。

表2 变量的描述性统计

五、实证分析

(一)空间相关性检验

借鉴孙学涛(20)孙学涛、于婷、于法稳：《数字普惠金融对农业机械化的影响——来自中国1869个县域的证据》，《中国农村经济》2022年第2期。等学者的研究成果，采用Moran’sI指数分析数字金融与绿色全要素生产率的空间相关性，检验结果如表3所示。

表3 空间相关性检验

由表3可以看出，数字金融与绿色全要素生产率之间存在显著的空间相关性，即数字金融(绿色全要素生产率)水平较高(低)的县域，其周边县域的数字金融(绿色全要素生产率)水平也相对较高(低)，说明数字金融与绿色全要素生产率均存在着空间溢出效应，验证了第三个假设。

(二)数字金融对绿色全要素生产率的影响

运用1869个县域数据研究数字金融对绿色全要素生产率的影响，估计结果如表4所示。

表4 数字金融对绿色全要素生产率的影响

表4模型一和模型五的核心解释变量为数字金融；模型二和模型六的核心解释变量为数字金融覆盖广度；模型三和模型七的核心解释变量为数字金融使用深度；模型四和模型八的核心解释变量为数字金融数字化程度。

第一，数字金融对绿色全要素生产率的影响。由表4可知，数字金融对县域绿色全要素生产率的影响为正，并且在1%水平上显著。这说明数字金融水平提高能够推动绿色全要素生产率提升，即县域内存在显著的数字红利(21)宇超逸、王雪标、孙光林：《数字金融与中国经济增长质量:内在机制与经验证据》，《经济问题探索》2020年第7期。，验证了第一个假设。其可能的解释是数字金融的发展在一定程度上解决了县域经济发展的资金约束，改善了县域内要素配置结构，从而提高了县域绿色全要素生产率。

第二，数字金融覆盖广度对绿色全要素生产率的影响。由表4可知，数字金融覆盖广度对县域绿色全要素生产率的影响为正，并且在10%水平上显著。这说明数字金融覆盖范围扩大能够推动县域绿色全要素生产率提升。其可能的解释是数字金融覆盖范围的扩大，会使更多的金融需求者能够获得金融支持，进而使这些金融需求者的要素配置结构得到改善，最终提高了县域整体的绿色全要素生产率。

第三，数字金融使用深度对绿色全要素生产率的影响。由表4可知，数字金融使用深度对县域绿色全要素生产率的影响为正，并且在1%水平上显著。这说明数字金融使用程度越深越能够促进县域绿色全要素生产率提升，即县域经济与数字金融融合程度越深越能够促进县域绿色全要素生产率提升。其可能的解释是数字金融使用程度越深，表明县域经济与数字金融之间的关系越紧密，这种紧密的联系为县域经济发展带来更多的信息数据，改善县域的信息不对称，进而提升绿色全要素生产率。

第四，数字金融的数字化程度对绿色全要素生产率的影响。由表4可知，数字金融数字化程度对县域绿色全要素生产率的影响为正，并且在5%水平上显著。这说明数字金融的数字化程度提升能够推动县域绿色全要素生产率提升。其可能的解释是数字金融的数字化程度越深，县域金融与数字的融合程度越密切，这种密切的关系会对县域传统金融效率产生影响。

第五，数字金融的空间溢出效应。由表4可知，模型一至模型六的空间自回归项(rho)为正，空间误差项(lambda)为负，且均通过了显著性水平检验。这说明数字金融会对相邻县域的绿色全要素生产率产生影响，验证了第三个假设。

(三)数字金融对绿色全要素生产率分解的影响

前文实证分析发现，数字金融发展能够提高绿色全要素生产率，但数字金融对绿色全要素生产率的影响路径还不明晰，因此还需要讨论数字金融对绿色全要素生产率分解的影响。估计结果如表5所示。

表5 数字金融对绿色全要素生产率分解的影响

第一，数字金融对县域技术进步的影响。由表5可知，数字金融对县域技术进步的影响为正，并且通过了1%的显著性水平检验。这说明数字金融发展能够推动县域技术进步。可能的解释是数字金融作为金融发展的一种新业态，改变了县域资本要素的供给方式，这种供给方式的改变会提高中小企业等创新主体的资本可得性，进而增加了技术进步的资本供给水平，从而促进了县域技术进步。

第二，数字金融对县域技术效率的影响。由表5可知，数字金融对县域技术效率的影响为正，并且通过了1%的显著性水平检验。这说明数字金融的发展能够提高县域技术效率。可能的解释是数字金融作为金融发展的一种新业态，能够改变县域的融资约束，特别是能改变经济相对弱势的县域融资约束，进而优化县域的金融配置结构，提高县域绿色全要素生产率。

第三，数字金融对县域绿色全要素生产率分解的影响差异。由表5可知，数字金融对县域绿色全要素生产率分解的影响存在着差异，数字金融对技术效率的影响系数较大，而数字金融对技术进步的影响系数较小。这说明县域技术效率会受到数字金融的影响，技术进步由于其自身的外生性很难受到数字金融的影响。可能的解释是数字金融发展能够优化县域资本要素的配置结构，进而为县域技术进步提供资本要素，但由于技术进步具有一定的外生性，因此数字金融很难对县域技术进步产生影响。

(四)数字金融对绿色全要素生产率影响的作用机制

本文以县域产业结构为中介变量，分析数字金融对绿色全要素生产率的作用机制。首先讨论了数字金融对县域产业结构的影响，其次讨论了产业结构对绿色全要素生产率的影响，最后讨论了数字金融和产业结构对绿色全要素生产率的影响。数字金融对绿色全要素生产率的作用机制如表6所示。

表6 数字金融对绿色全要素生产率的作用机制

表6模型一和二的被解释变量是产业结构高级化和合理化；模型三至模型六的被解释变量是绿色全要素生产率。数字金融对绿色全要素生产率的作用机制具体分析如下：

第一，数字金融对产业结构的影响。由表6模型一和二的估计结果可知，数字金融对产业结构高级化和合理化的影响显著为正。这说明数字金融发展能够推动县域产业结构调整(22)唐文进、李爽、陶云清：《数字普惠金融发展与产业结构升级——来自283个城市的经验证据》，《广东财经大学学报》2019年第6期。。可能的解释是数字金融的发展在一定程度上缓解了县域实体经济的融资约束，能够促使县域实体经济创造更多的产出，同时数字金融的发展也会带动县域内传统行业的转型升级。

第二，数字金融和产业结构对绿色全要素生产率的影响。由表6模型五和六可知，数字金融和产业结构对县域绿色全要素生产率的影响均显著为正。这说明数字金融发展还会以县域产业结构为中介效应，进而对县域绿色全要素生产率产生影响，验证了第二个假设。可能的解释是数字金融通过“数字产业化”来促进县域第三产业发展，“数字产业化”主要表现在：传统金融与数字相融合会带动县域内其他行业与数字相融合，进而促进其他行业的创新创业，最终推动了产业结构调整，由于产业结构能够直接促进绿色全要素生产率提升，因此数字金融还会以促进产业结构升级的方式推动县域绿色全要素生产率提升。

六、结论与建议

本文研究发现：第一，数字金融与绿色全要素生产率之间均存在显著的空间相关性；第二，县域绿色全要素生产率提升主要来源于县域技术效率的提高，但县域技术效率对绿色全要素生产率的贡献正在不断下降，县域技术进步对绿色全要素生产率的贡献正在不断上升；第三，数字金融及其各维度水平提升会显著地促进县域绿色全要素生产率提升；第四，县域技术效率会受到数字金融的影响，技术进步由于其自身的外生性受到数字金融的影响相对较小；第五，数字金融对县域绿色全要素生产率的影响过程中还存在着产业结构的中介效应。

根据研究结论，为推动县域经济高质量发展，提出两点政策建议。第一，加快金融基础设施建设，推动数字经济持续发展。地方政府需要依据自身数字金融和县域经济高质量发展水平，制定县域数字金融及数字经济发展规划，完善数字金融的基础设施，并在县级政府范围内完善县域金融体制改革，不断提高数字金融发展水平，进而提高县域中小企业的数字金融使用深度，以提高县域绿色全要素生产率。第二，遵循市场规律，避免政府过度干预。地方政府在县域经济高质量发展过程中拥有发展数字金融促进县域产业结构升级和提高县域绿色全要素生产率的动机。政府在数字金融发展过程中应该坚持“政府引导、市场运作”的模式，避免政府过度干预，进而造成数字金融发展不可持续的现象。