数字金融与企业绿色创新：排斥还是融合？

巴曙松，李妮娜，张 兢

(1.北京大学 汇丰金融研究院，广东 深圳 518055；2.中南财经政法大学 金融学院，湖北 武汉 430073；3.重庆大学 经济与工商管理学院，重庆 400000)

一、问题的提出

随着工业化、城镇化的深入推进，绿色低碳成为当今时代发展与产业升级的首要目标之一，实现碳达峰、碳中和是党中央统筹国内国际双循环作出的重大战略决策。同时，国际形势错综复杂、科技竞争日益白热化，解决“卡脖子”难题，增强自主创新能力、实现创新驱动绿色发展是中国发展的必由之路。因此，在社会主义市场经济发展的过程中，如何发挥市场主体——企业的绿色创新积极性，是推动经济高质量发展和绿色发展的关键所在。为了促进企业绿色创新，学术界探寻了高管内部特征[1]、利益相关者的施压[2]、环境规制[3-4]、政府补贴[5]和消费者及媒体监督[6]等动因。其中，李春涛等[7]与翟华云和刘易斯[8]认为，资源依赖理论指出的融资约束和信贷配给是企业绿色创新的重要影响因素。金融排斥是导致企业融资约束和信贷配给的重要原因，Cao和Zhang[9]、Turvey和Xiong[10]与Sarma和Pais[11]认为，普惠金融以人们可负担的价格提供金融服务，有助于缓解金融的供给排斥和需求排斥。粟芳和方蕾[12]强调，数字普惠金融进一步降低了物理成本、评估难度、运营价格和营销成本，增强了普惠金融缓解物理排斥、评估排斥、价格排斥和营销排斥的供给能力。因此，通过缓解融资约束和信息不对称，数字普惠金融有助于企业绿色创新。然而，另一部分学者则提出了相反的观点，卢映西和陈乐毅[13]认为，过于廉价的金融资源可能导致企业“脱实向虚”,变相挤出绿色创新投入。王姣等[14]的实证研究表明，部分金融机构在从事数字普惠金融服务时为了规避风险及化解监管压力而不得不脱离一些创新业务，这些“去风险化”的行为反而挤出了企业绿色创新的投入和产出。李涛和彭东蔓[15]的研究表明，数字金融使得不同信息获取能力的群体在金融服务中的获益能力被分化，进而挤占了信息获取能力较弱群体的绿色创新产出。曾刚[16]认为，数字普惠金融除了在普惠信贷可得性方面受到限制以外，还会隐性排斥一部分具有真实融资需求的群体，进而不利于其绿色创新。那么，数字普惠金融究竟是加剧了金融资源对企业绿色创新的排斥还是促进了金融资源与企业绿色创新的融合？数字普惠金融影响企业绿色创新的内在机制是什么？现有研究并未达成共识。因此，本文基于2011—2020年数字普惠金融指数及中国A股上市企业数据，建立了双向固定效应模型和中介效应模型，实证检验数字金融对企业绿色创新的影响并考察影响的机制和路径。

本文的贡献在于以下两个方面：第一，在消费结构转型[17]和提高企业风险管控能力[18]两个机制之外，本文基于企业与金融机构主体主动行为的视角提出环境信息披露机制，选取基于非货币化环境信息构建的指标体系，克服了传统划分依据单一、财务数据易于操控等缺陷，能够更为客观、准确地反映环境信息披露质量。第二，现有文献对于数字金融是促进企业的实质性创新还是促进企业的策略性创新尚未达成共识，本文验证了数字金融能够推动企业实质性绿色创新，这对于数字经济时代下践行可持续和高质量发展有着重要的政策参考意义。

二、理论分析与研究假设

(一)数字金融与企业绿色创新

对于数字金融与企业绿色创新，从直接效应来看，Buchak等[19]认为，数字金融能够催生新的服务场景和服务模式，拓宽服务广度，引导资金配置，从而有效支撑金融服务企业绿色创新。周铭山和张倩倩[20]的研究表明，企业绿色创新活动具有外部性，银企双方获取信息的不一致极易引发道德风险，因此，需要银行具有更高的风险偏好和失败容忍度。鞠晓生等[21]进一步指出，数字金融借助技术的力量能够实现业务流程的创新，有效改善资金借贷市场中信息不透明、不对称问题，有助于提高银企之间构建资金借贷关系的意愿，发挥金融支持科技创新的重要作用。从间接效应看，杨伟明等[17]发现，数字金融能够促进居民消费结构的转型，一方面，借助消费升级改善企业盈利状况；另一方面，消费结构转型带来消费方式的改变。杜传忠和张远[22]认为，企业可以将节约下来的经营成本更多地投入到绿色创新活动中。数字金融为企业提供了风险分析的工具和方法，增强企业风险管控能力，为企业在环保治理及绿色监管方面提供更高效的解决方案，最大化降低企业绿色创新风险。祁怀锦等[23]认为，随着传统金融与大数据、人工智能、区块链等新兴技术的不断融合，数字金融将会减少管理层非理性决策，并在企业遴选优质绿色项目及绿色监管方面发挥重要作用，使企业合理规避绿色创新风险。

数字金融可能加剧排斥企业绿色创新的表现在于以下两个方面：一方面，从商业银行主体出发，商业银行经营的主要目标在于盈利，其核心风险在于借款人能否按时还款，因此，最关键的工作在于评估借款人的信用风险，数字金融加强企业的信息披露水平与质量，并为银行提供全面评估信用风险的工具，使得商业银行在发放贷款时能够更好地识别信用风险，以最大化降低贷款坏账的概率，也缓解企业绿色创新的融资约束。但这同时也反映出商业银行在放贷时更多关注借款企业的信用风险，而忽视了企业的借款用途。商业银行对于企业在获得贷款后是否用于绿色创新研发活动未做实质性的审查，因而在这个层面上，数字金融有可能并未促进企业绿色创新。另一方面，从企业主体出发，数字金融借助大数据、云计算等各类新兴信息技术，实时、有效地降低银企双方信息不对称，从而解决企业促进绿色创新融资难、融资贵的问题。企业在数字金融发展日益深化的大背景下融资更加便利，一部分以“创新融资”为目的的企业便会逐渐失去绿色创新的进取心，从而趋于“创新躺平”，因此，数字金融有可能加剧企业对绿色创新的排斥。基于上述分析，笔者提出如下假设：

H1a：数字金融促进金融资源与企业绿色创新的融合，即数字金融与企业绿色创新正相关。

H1b：数字金融加剧金融资源对企业绿色创新的排斥，即数字金融与企业绿色创新负相关。

(二)数字金融、环境信息披露质量与企业绿色创新

根据信贷配给理论，信息不对称会限制企业融资。传统金融难以解决银企双方信息披露方面的根本缺陷，企业绿色创新获取外源融资过程中的道德风险与逆向选择问题依然存在，使得企业绿色创新受到金融排斥。随着数字金融的深入发展，一方面，从金融机构角度出发，数字金融打破企业与金融机构之间的信息壁垒，能够有效畅通信息渠道，降低金融机构监管、评估和核算企业环境效益的成本，增强环境信息披露的科学性和有效性。同时，数字金融充分发挥数据赋能的优势，通过推动银行保险等金融机构建立可量化的企业绿色评价系统，能够增强金融机构甄别环境信息的能力和效率，从而为提高企业环境信息披露质量提供有效助益。在此基础上，数字金融能够提高识别企业在绿色创新活动中的环境风险的能力，强化企业在制定绿色创新决策时的风险意识。另外，环境信息披露机制使得逃避环保监管的成本上升，倒逼企业绿色创新。另一方面，从企业主体角度出发，数字金融带来的高质量环境信息披露有利于降低企业与金融机构之间的信息不对称，伍中信和魏佳佳[24]进一步指出，高质量环境信息披露可避免环境信息披露义务人受利益驱动而产生言行不一的“洗绿”行为，而且有助于提高企业自身的风险管理水平，推动更多资金和资源流入绿色低碳领域，同时环境信息披露有利于向公众展示其积极履行社会经济低碳转型的社会责任，对提高企业的声誉和市场影响力有积极的作用。李志军和王善平[25]的研究显示，积极公开环境信息的企业更有可能获取较低利率的银行贷款，从而有助于中小企业在不确定性较高的绿色研发创新活动中实现“降本增效”。基于上述分析，笔者提出如下假设：

H2：数字金融通过提高环境信息披露质量促进企业绿色创新。

(三)数字金融、融资约束与企业绿色创新

根据资源依赖理论，企业绿色创新需要依赖外源融资。唐松等[26]的研究指出，传统金融的覆盖范围有限、服务深度不足，难以满足众多企业在绿色创新技术研发周期内的融资需求与风险防范要求。数字金融通过大数据、云计算等技术畅通银企对接渠道，帮助银行等金融机构刻画企业的绿色低碳画像，解决信息不对称问题，同时及时、精准、有效地感知企业在技术创新周期内的资金需求，纾解中小微企业融资难、融资贵的生存困境，通过匹配银企双方的投融资需求，缓解借贷现金流的压力，能够有效提高企业的绿色创新能力。蒋建勋等[27]与万佳彧等[28]指出，数字金融借助算法建立涉企金融风险预警机制，通过贷前联合诊断、贷中实时审核、贷后评估预警，能够优化企业融资模式，降低企业融资摩擦力，进而提高资源利用的“量”与资源配置的“质”，弥补传统金融的局限性，提高企业的绿色创新产出。基于上述分析，笔者提出如下假设：

H3：数字金融通过缓解融资约束促进企业绿色创新。

三、研究设计

(一)数据来源及处理

本文基于2011—2020年中国A股上市企业数据进行实证检验。为使样本数据更具代表性，本文对样本数据按照以下原则进行处理：(1)剔除保险、银行、券商等金融行业上市企业的样本；(2)剔除ST、*ST、PT及企业经营状况出现重大问题的样本；(3)剔除上市时间小于等于12个月的企业样本以及相关数据缺失的样本；(4)为排除异常值的影响，本文对所有连续变量进行上下1%的缩尾处理。经过上述处理，最终得到28 163个样本观测值。本文所有原始数据来源于CSMAR数据库和CNRDS数据库，数字金融指数参考郭峰等[29]的研究。

(二)变量定义

1.被解释变量

本文被解释变量为企业绿色创新(Green)，用企业绿色创新能力衡量。借鉴齐绍洲等[30]与周煊等[31]的研究，选用上市企业每年度绿色专利申请数量与当年所有专利申请数量之比作为衡量企业绿色创新能力的指标。此外，为区分专利的难度和创新性，本文在异质性分析中进一步区分了绿色发明专利(Grninvtratio)和绿色实用新型专利(Grnutyratio)，以保证研究结论的有效性与可靠性。本文后续实证结果均扩大100倍，用百分比的形式表示。

2.解释变量

本文解释变量为数字金融(Index)。将北京大学与蚂蚁集团联合编制的省级层面数字普惠金融指数作为解释变量的衡量指标，选取数字金融覆盖广度(Coverage)和数字金融使用深度(Depth)作为解释变量的分维度指标。

3.中介变量

环境信息披露质量(EDI)。本文参考李建军[32]的做法，采用内容评分法，从环境管理披露、环境监管与认证披露、环境信息披露载体、环境负债披露和环境业绩与治理披露情况五个维度综合量化评价上市企业的环境信息披露质量。其中，环境管理披露(8分)，包括如下指标：环保理念、环保目标、环保管理制度体系、环保教育与培训、环保专项行动、环保事件应急机制、环保荣誉或奖励、“三同时”制度，披露赋值为1，否则为0。环境监管与认证披露(7分)，包括如下指标：重点污染监控单位，披露企业为重点监控单位赋值为1，否则为0；污染物排放达标，污染物排放达标赋值为1，否则为0；突发环境事故、突发重大环境污染事件，如果有赋值为1，否则为0；环境违法事件、环境信访案件，发生赋值为1，否则为0；是否通过ISO14001和ISO9001认证，通过赋值为1，否则为0。环境信息披露载体(3分)，包括如下指标：社会责任报告，上市企业社会责任报告披露环境相关信息，赋值为1，否则为0；环境报告，上市企业单独披露环境报告，赋值为1，否则为0；上市企业年报，上市企业年报披露环境相关信息，赋值为1，否则为0；环境负债披露(12分)，包括指标如下：废水排放量、COD排放量、SO2排放量、CO2排放量、烟尘和粉尘排放量、工业固废物产生量，未描述赋值为0，定性描述赋值为1，定量(货币/数值型)描述赋值为2。环境业绩与治理披露情况(12分)，包括如下指标：废气减排治理情况，废水减排治理情况，粉尘、烟尘治理情况，固废利用与处置情况，噪声、光污染、辐射等治理、清洁生产实施情况，未描述赋值为0，定性描述赋值为1，定量(货币/数值型)描述赋值为2。将每家企业五个维度共计30项指标的得分依次进行加总，然后，将得到的每家企业的总得分进行标准化处理，使其分布于[0,1]区间内。该变量为正向指标，数值越大，说明企业的环境信息披露质量越高。

企业融资约束(KZ)。本文借鉴Kaplan和Zingales[33]的做法，采用KZ指数衡量企业融资约束。该变量为正向指标，KZ指数越大，企业面临的融资约束程度越大；反之，融资约束程度越小。

4.控制变量

为了尽可能避免遗漏变量产生的影响，本文选取了如下微观层面控制变量：资产负债率(Lev)，用负债与资产之比衡量；经济地区(Region)，东部为1、中部为2、西部为3、东北为4；企业性质(State)，国有企业为1、否则为0；总资产周转率(Tat)，用营业收入与资产总额期末余额之比衡量；净资产收益率(Roe)，用净利润与股东权益余额之比衡量；营业收入增长率(Irr)，用本年本期营业收入增长额与上期营业收入额(亿元)之比衡量；第一大股东持股比率(Topholder)，用第一大股东持股与全体股东持股之比衡量；账面市值比(Bm)，用资产总计与市值之比衡量；股权现金流(Cfe)，用净利润-股权净投资(亿元)表示；公司规模(lnsize)，用公司员工数的自然对数衡量；高新技术企业认证(Tech)，取得高新技术企业认证为1，否则为0；分析师跟踪(Anaattention)，用分析师关注度衡量；每股收益(Eps)，用净利润与实收资本之比衡量；换手率(Tover)，用年内日换手率之和衡量，月换手率用每日成交量与流通股本之比衡量；机构持股比例(Ins)，用机构持股数与流通股数之比衡量。此外，本文还进一步控制如下宏观层面变量：经济发展水平(Ed)，用地区GDP增速衡量；市场集中度(Hhi)，用行业赫芬达尔指数衡量；政府干预水平(Gov)，用政府公共财政支出与地区GDP之比衡量；市场垄断程度(Ili)，用行业勒纳指数衡量；市场不确定性(Msd)，用行业市值标准差衡量。同时控制行业(Ind)和年份(Year)固定效应。

(三)描述性统计分析

主要变量的描述性统计结果如表1所示。从表1可以看出，数字金融(Index)的最小值为16.2200，最大值为431.9300，中位数为258.3515，说明不同省份之间数字金融发展水平差异较大。企业绿色创新(Green)的最小值为0，最大值为100，中位数为6.8649，标准差为17.1971，表明不同企业间的绿色创新水平不均衡。

表1 主要变量的描述性统计结果

(四)模型构建

本文采用双向固定效应模型实证检验数字金融对企业绿色创新的作用，为减轻反向因果的影响，对解释变量与控制变量分别做滞后一期处理；同时，控制年份和行业固定效应。基准模型如下：

(1)

其中，Green为企业绿色创新能力；Index为数字金融指数；Control为控制变量，具体说明上文已述；i为企业；t为年份； εit为随机误差项。

本文参考温忠麟和叶宝娟[34]的做法，采用中介效应模型进行机制检验。在模型(1)的基础上，构建如下模型：

(2)

(3)

其中，Mit为企业的环境信息披露质量(EDI)和KZ指数(KZ)。

四、实证分析

(一)数字金融对企业绿色创新的影响

数字金融对企业绿色创新影响的基准回归结果和加入控制变量的回归结果如表2所示。从表2列(1)—列(3)可以看出，数字金融(L.Index)、数字金融覆盖广度(L.Coverage)和数字金融使用深度(L.Depth)对企业绿色创新(Green)的回归系数均显著为正，说明数字金融促进了金融资源与企业绿色创新的融合，本文H1a成立，该影响主要来源于数字金融覆盖广度和数字金融使用深度，这支持了乔彬等[18]的研究结论。从表2列(4)—列(6)可以看出，在加入相关控制变量后，上述结论保持不变。与传统金融相比，数字金融能够发挥其技术优势补齐传统金融对于企业绿色创新支持的短板，有助于企业绿色创新活动的开展，进而更好匹配微观企业在提高自身绿色创新能力时的金融需求。从数字金融的分维度视角看，数字金融覆盖广度与数字金融使用深度一定程度上都体现了数字金融的发展程度，但数字金融覆盖广度的回归系数绝对值比数字金融使用深度大，说明目前中国数字金融覆盖广度的提升更能驱动企业绿色技术创新，这与蒋建勋等[27]的研究结果一致。

表2 回归结果

(二)稳健性检验(1)稳健性检验结果未在正文中列出，留存备索。

1.剔除样本期内申请专利为零的企业

考虑到样本期内部分企业从未申请过专利，为排除这类样本对回归结果的干扰，增强研究结论的可信度，本文剔除专利申请量一直为零的上市企业。剔除后，回归结果与前文结论保持一致。

2.使用不同的回归模型

由于企业绿色专利数量具有计数变量的特点，本文参考李春涛等[7]的做法，采用Poisson模型进行检验，结果表明，数字金融能够促进企业绿色创新这一结论不变，研究结果稳健。

3.剔除重大事件冲击的影响

国内数字金融的发展与中国金融市场的整体形式密切相关，为了排除重大事件冲击的影响，同时，考虑到中国股市动荡给金融市场带来的负面效应具有滞后性与持续性，剔除2015年及以后年份的样本数据，稳健性检验样本区间为2011—2014年。剔除重大事件冲击影响后，实证结果并未发生改变，本文的研究结论具有可靠性与说服力。

(三)内生性处理

1.工具变量法

本文借鉴傅秋子和黄益平[35]的研究，选取上市企业所在地级市到杭州市的距离(Dis)作为数字金融的工具变量。该工具变量符合相关性与外生性两个条件：一方面，杭州市作为全球数字金融中心，其数字金融发展水平在全国乃至全世界都属于一流水平，具有代表性，各地级市距离杭州市的距离越近，数字金融的发展程度越高；另一方面，企业所处地级市到杭州市的距离既不会直接影响地区数字金融发展，也不会通过地区数字金融发展间接影响企业绿色创新水平，表3为工具变量检验结果。从表3可以看出，不存在弱工具变量和过度识别问题，这说明该工具变量的选取具有合理性。在处理内生性问题后，数字金融对企业绿色创新的正向影响依然保持显著，并且回归系数均比原先基准回归的绝对值大。因此，本文的研究结论稳健。

表3 工具变量检验结果

2.双重差分法

本文借鉴余进韬等[36]的研究，选择2016年出台《G20数字普惠金融高级原则》为外生政策冲击，以地区数字金融发展水平的高低构建处理组与对照组，利用双重差分法(DID)实证检验数字金融对企业绿色创新的政策效应，估计结果如表4所示。从表4可以看出，在政策实施前，处理组与控制组之间不存在显著差异，即满足平行趋势假设，而政策实施后第一年和第二年的回归系数显著，说明政策在推行后的前两年内对企业绿色创新有显著的正向效应。

表4 平行趋势检验结果

五、机制分析

(一)基于环境信息披露质量的机制分析

从表5可以看出，列(1)中数字金融促进了企业绿色创新；列(2)的结果表明，数字金融的发展程度越高，越有助于提高企业的环境信息披露质量；列(3)验证了环境信息披露质量的中介效应。数字金融发展能够通过提高企业环境信息披露质量间接促进企业绿色创新，H2得到验证。这给企业在数字经济时代“科技赋能绿色经济”提供了一种新的思路。

表5 基于环境信息披露质量的机制检验结果

本文分别从数字金融的两个分维度进一步探讨了环境信息披露质量作为中介渠道的可能机制，机制检验的结果如表6所示。从表6可以看出，无论是从数字金融覆盖广度视角，还是从数字金融使用深度视角，数字金融通过提高环境信息披露质量促进企业绿色创新的机制依然成立。并且，数字金融覆盖广度与数字金融使用深度对企业绿色创新的作用程度存在差异，具体表现在数字金融覆盖广度对环境信息披露质量的提升作用更为显著，因而对于企业进行绿色创新的激励作用也更大。

表6 分维度的机制检验结果

(二)基于融资约束的机制分析

数字金融通过缓解企业的融资约束，有助于提高信贷资源使用的“量”与资源配置的“质”，从而促进金融资源与企业绿色创新的融合。本文参考唐松等[26]的做法，以KZ指数作为融资约束的衡量指标，回归结果如表7所示。表7中，列(1)的实证结果说明，数字金融促进了企业绿色创新；列(2)表明，数字金融发展得越深入，对于企业融资约束的缓解作用越显著；列(3)检验了融资约束在数字金融影响企业绿色创新时的中介效应。由列(3)可知，数字金融缓解企业融资过程中的摩擦，拓展了企业在创新研发周期内的融资渠道，充实了企业绿色创新资金的供应，能够有效解决传统金融信贷资源配置效率低下的问题，从而有效促进企业绿色创新。H3得到验证。

表7 基于融资约束的机制检验结果

对于融资约束渠道，本文从数字金融覆盖广度(Coverage)和数字金融使用深度(Depth)两个维度进一步探讨融资约束作为中介变量的科学性，回归结果如表8所示。从表8可以看出，数字金融覆盖广度和使用深度都可以通过缓解企业融资约束促进企业绿色创新，研究结论仍与前文保持一致。

表8 分维度的机制检验结果

六、异质性分析

(一)基于企业绿色专利类型的分样本研究

黎文靖和郑曼妮[37]的研究表明，企业的创新行为根据其动机可分为实质性创新与策略性创新。实质性创新反映创新的质量，目的是推动产业的转型升级与企业的创新进步；策略性创新则体现为创新的数量与研发速度，目的只是为了获取短期收益，而非真正推动实质性的创新产出。在本文中，按照企业绿色专利的类型划分为绿色发明专利与绿色实用新型专利，前者看做是实质性创新，后者由于其研发难度与创新性均不如前者，看做是策略性创新。按照企业绿色专利类型将样本进行分组回归，如表9所示。从表9列(1)和列(2)可以看出，绿色发明专利(Grninvtratio)的系数在1%水平上显著为正，而绿色实用新型专利(Grnutyratio)则无显著作用，这表明，数字金融发展促进了企业的实质性绿色创新而非策略性绿色创新。数字金融真正在企业绿色研发碰到“卡脖子”问题上提供了解决方法，而不是企业为了迎合数字经济的新理念和获得更多政策上的扶持而盲目创新。

(二)基于企业高管是否具有金融背景的分样本研究

企业的高管作为决策者，决定了企业的未来发展战略。一方面，具有金融背景或金融从业经历的高管更倾向于增加金融投资而减少实体投资，从而加剧了企业“脱实向虚”，抑制企业创新；另一方面，由于高管具备金融背景，其对企业执行绿色创新决策的作用可能部分抵消数字金融对缓解传统金融排斥的作用。表9列(3)和列(4)是高管不具备和具备金融背景样本的回归结果，前者正向显著，后者并不显著。这表明，高管具备金融背景，反而会引导企业“脱实向虚”，并且部分抵消数字金融改善传统金融对企业绿色创新排斥的作用，从而不利于企业绿色创新。

(三)基于企业产权性质的分样本研究

不同产权性质企业在融资时往往面临着不同的融资约束。与非国有企业相比，国有企业往往能获得更多的融资优惠，以更低的融资成本取得贷款，换言之，非国有企业更容易受到信贷歧视。表9列(5)和列(6)为国有企业和非国有企业样本的回归结果。前者在5%水平上显著为正，后者不显著，这说明，国有企业的绿色创新活动更能受惠于数字金融的深入发展。可能的原因是，非国有企业可能受到更大的融资歧视，从而抑制了企业绿色创新，同时，国有企业更加积极践行国家相关产业的新政策，发挥“领头羊”的作用。因此，数字金融对国有企业绿色创新的作用更显著。

表9 基于绿色专利类型与企业特性相关的分样本回归结果

(四)基于企业行业相关的分样本研究

1.按照企业是否具有高新技术认证分组

表10的列(1)和列(2)分别为有高新技术认证和没有高新技术认证的企业样本，从回归结果可以看出，具有高新技术认证的企业反而不显著，没有高新技术认证的企业在10%水平上显著为正。这说明，数字金融并没有显著激励具有高新技术认证企业的绿色创新研发活动。高新技术企业认证政策针对的主要是新能源及节能技术、新技术服务业和高新技术改造传统产业等领域，对于取得这些技术的企业，大多属于处于产业成熟期的传统制造业，数字金融的发展只是降低其进行技术改造的难度，但对于激励企业进一步进行实质性的创新投入并无裨益，企业在成熟阶段可能更倾向于产能的扩张，而不愿意把资金投入到研发周期长、不确定性高、收益缓慢且具有外部性的绿色创新活动中。

2.按照企业是否是重污染企业分组

表10的列(3)和列(4)分别为重污染企业和非重污染企业样本。从列(3)和列(4)的回归结果可以看出，重污染企业的样本回归系数为负，但并不显著，非重污染企业的样本在5%水平上显著为正。可能的原因在于，环境规制对于企业而言是一种倒逼企业创新的机制，而数字金融作为市场机制，是环境规制的有效补充。重污染企业在面对如环境信息披露这类的环境规制时，更倾向于主动作出环境信息披露，以传递自身履行良好社会责任的积极信号，从而在短期内提升预期现金流量和缓解融资约束。因此，数字金融对重污染企业绿色创新促进作用一定程度上被减缓。

表10 基于企业行业相关的分样本回归结果

(五)基于地区的分样本研究

中国地域间的经济发展水平存在着一定差异性。经济发展水平较差的地区，其基础通信设施也相对不健全，面临的融资约束较强。表11为基于地区的回归结果，按照经济发达程度与地区进行划分，列(1)为经济较为发达的东部地区，列(2)为经济欠发达的中部、西部和东北地区。从表11可以看出，经济欠发达地区企业样本在10%水平上显著为正，这说明，数字金融有助于“后发者”绿色创新，具体表现为通过缓解“后发者”的融资约束来促进企业绿色创新。

表11 基于地区的分样本回归结果

七、结论与政策建议

(一)结论

党的二十大报告多次强调，要深入推进能源转型、坚持创新在中国现代化建设全局中的核心地位、加快推进数字中国的建设。在此宏观背景下，针对数字金融与企业绿色创新的内在关联，现有研究存在明显的分歧。对于数字金融究竟是加剧了金融资源对企业绿色创新的排斥还是促进了金融资源与企业绿色创新的融合，学术界与实务界尚未达成共识。因此，本文就数字金融赋能企业绿色创新问题展开研究，利用双向固定效应模型和中介效应模型实证检验数字金融对企业绿色创新的影响及作用机制，研究结论如下：首先，数字金融促进了企业绿色创新。在排除内生性问题的干扰以及一系列稳健性检验后，该结论依然稳健。其次，进一步研究发现，数字金融通过提高环境信息披露质量和缓解企业融资约束来促进金融资源与企业绿色创新的融合，即便是在数字金融覆盖广度和数字金融使用深度两个分维度上，提高环境信息披露质量和缓解企业融资约束这两个中介渠道依然成立。最后，数字金融发展促进了企业实质性的绿色创新，其影响在高管不具备金融背景的企业、国有企业、不具备高新技术认证的企业、非重污染企业和经济欠发达地区表现更为显著。

(二)政策建议

基于上述研究结论，笔者提出如下政策建议：

第一，企业层面，推动数字金融深入融合企业端，鼓励企业主体运用数字科技手段来实现绿色化转型。号召各部门借助新兴科技的力量从技术和制度层面降低企业融资过程中的摩擦和绿色研发创新成本，进而提高资源利用的“量”与资源配置的“质”，从而促进整个实体经济的绿色创新产出，努力实现微观主体资金、资源的合理利用和有效配置，不断适应当下的绿色可持续发展理念，更好地发挥数字金融助力企业绿色创新的积极作用。

第二，行业层面，应当由主要部门牵头，联系监管方、投资机构者与企业共同研讨制定行业环保信息披露标准。在推动制定环保信息披露标准时，一方面，应当注重数字金融扶持政策和环境信息披露要求的协调性，降低政策冲突的可能性；另一方面，应当针对企业环境信息披露动力不足、能力待提升、所需方法和数据待完善等局限，因业施策、探索建立适用于不同行业的环境信息披露制度，开发科学有效的数据统计与信息披露工具，进而提高环境信息的准确性和透明性，以逐步实现强制性、全面深入、精准定量的环境信息披露目标。

第三，政府层面，在制定数字金融政策时应当充分考虑企业特性方面的差异，如企业高管背景、产权性质、是否具备高新技术认证、污染程度及所在地区等。数字金融对于高管不具备金融背景的企业绿色创新具有更好的促进作用，表明企业股东、董事在大力提倡企业绿色创新的同时应当警惕企业金融化，企业金融化程度过高会部分抵消数字金融对企业绿色创新的促进作用。同时，数字金融对于国有企业绿色创新促进作用更显著。因此，在数字金融推广初期，可以发挥国有企业的作用，但也不能忽略民营企业，要重视其在企业融资过程中所受到的隐性信贷歧视问题，激励民营企业将数字金融与绿色创新深度融合，激发民营企业的创新活力。对于具备高新技术认证的企业，实行优化补贴奖励机制，引导具有创新能力的企业提高创新效率、勇于探索较强正外部性领域。对于重污染企业，应当更注重环境监管要求，在执行基本的环保治理活动之后再结合数字金融发展来提升企业绿色创新效率。另外，与经济发达地区相比，数字金融更有利于经济欠发达地区绿色创新，因此，可通过加快建设中西部地区数字技术基础设施，引导算力向电力丰富的云贵川等地区转移。