数字普惠金融促进绿色全要素生产率提升： 作用机理与实证检验

刘荣增 李子恩 何春

摘要：随着数字中国建设的不断推进，数字普惠金融在贯彻落实新发展理念、促进绿色全要素生产率提升等方面发挥了越来越重要的作用。文章采用2011 年—2020 年我国30 个省、自治区、直辖市的面板数据，运用固定效应模型和中介效应模型研究数字普惠金融对绿色全要素生产率的影响。研究发现：数字普惠金融可以有效促进绿色全要素生产率提升，并且这种促进作用在东部地区和西部地区表现更加明显；数字普惠金融促进绿色全要素生产率提升具有显著的中介效应，数字普惠金融通过技术进步、产业结构升级、技术进步—产业结构升级3 种作用渠道提升绿色全要素生产率。因此，今后可从提升区域基础硬件设施水平、普及数字普惠金融理念、培养专业性金融人才等方面入手，进一步推动数字普惠金融发展，进而提升绿色全要素生产率。

关键词：高质量发展；数字经济；数字普惠金融；绿色全要素生产率；作用机理

中图分类号：F061.5；F124 文献标识码：A 文章编号：1007-8576（2023）01-0005-12

DOI：10.16716/j.cnki.65-1030/f.2023.01.001

改革开放以来，我国经济飞速发展，用短短几十年的时间走完了西方国家上百年的发展历程。但与此同时，传统高投入、高消耗、高污染的粗放型发展模式也给资源环境带来了巨大的破坏，使经济社会的可持续发展受到严峻挑战。因此，转变经济发展方式、加快绿色经济转型、实施高质量发展成为国家战略层面的重大议题。随着五大新发展理念的贯彻实施，绿色发展理念逐渐深入人心。党的二十大报告明确提出要“加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国”，“坚持以推动高质量发展为主题，把实施扩大内需战略同深化供给侧结构性改革有机结合起来，增强国内大循环内生动力和可靠性，提升国际循环质量和水平，加快建设现代化经济体系，着力提高全要素生产率”。在资源环境日益成为经济增长硬约束的背景下，用绿色全要素生产率来评价经济体的增长质量更为科学也更具前瞻性。绿色全要素生产率综合考虑了经济发展过程中资源环境保护以及能源消耗等问题，更能体现绿色发展的思想，可以更加真实地反映区域发展状况。现代社会中，金融对转变经济发展方式有重要作用，且经济高质量发展也离不开金融的变革创新。随着数字化技术、云端大数据技术的发展及应用，数字普惠金融应运而生。与传统金融服务不同，数字普惠金融淡化了传统金融的逐利性，更强调金融服务机会的平等，能够更好地覆盖传统金融因效率导向而忽视的潜在服务对象，解决金融服务“最后一公里”问题，使得金融服务能够直达传统金融触及不到的领域。因此，探究数字普惠金融与绿色全要素生产率之间的影响关系，分析二者的作用机理，对制定金融政策、推动绿色低碳发展、实现经济高质量发展等都具有重要的理论与实践意义。

一、文献综述

學界关于数字普惠金融与绿色全要素生产率的相关研究主要集中在以下两方面：一是数字普惠金融与绿色全要素生产率的关系。如Ren［1］研究发现，数字金融通过能源消耗、环境污染、经济增长、人力资本、产业结构、技术进步等影响包容性绿色增长。王霞［2］认为，数字普惠金融应用深度的拓展可以使绿色企业更容易获得金融服务，数字化程度的提升使得金融机构能够更准确地识别绿色企业并为其提供服务，从而促进绿色经济发展。乌静［3］的研究表明数字经济的发展对绿色全要素生产率同时具有直接效应和溢出效应。范欣［4］研究发现，数字普惠金融对绿色全要素生产率的影响存在异质性，在低城镇化率和高物质资本存量地区，数字普惠金融对绿色全要素生产率提升的促进作用更大。恵献波［5］研究表明，数字普惠金融对城市绿色全要素生产率的带动作用在中西部地区、欠发达地区效果更为显著。二是数字普惠金融对绿色全要素生产率的影响机制。如Gomber［6］研究发现，技术进步是促进绿色全要素生产率提升的关键。技术进步作为优化资源配置的手段，能够提高劳动生产率，降低单位产出能耗，从而提升绿色全要素生产率［7-9］。同时，数字普惠金融的发展以及覆盖广度、使用深度、数字化程度的拓展等均有助于提高区域创新能力［10］，从而提升企业的生产技术水平，最终对企业的全要素生产率提升产生促进作用［11］。张恒［12］认为数字普惠金融通过提高技术效率显著促进绿色全要素生产率提升。刘赢时［13］的研究表明产业结构升级和能源使用效率提升对提升绿色全要素生产率有促进作用。产业结构升级是促进经济增长方式转变的重要基础，具有“资源转换器”作用，对经济发展和资源保护起着决定性作用，因而其是促进绿色全要素生产率提升的重要途径。范欣［4］则从技术创新和地区创业两方面研究数字金融对绿色全要素生产率的影响，结果表明这两者均为数字金融对绿色全要素生产率产生影响的传导途径。

综上所述，既有研究主要从数字金融与包容性绿色增长、数字普惠金融与绿色经济发展、数字经济与绿色全要素生产率、数字普惠金融与全要素生产率等方面进行研究，而关于数字普惠金融与绿色全要素生产率的研究相对较少，关于两者作用机制的研究更为匮乏。在中国式现代化建设背景下，数字普惠金融发展是促进经济绿色转型的重要途径，系统梳理数字普惠金融和绿色全要素生产率之间的关系对促进经济绿色转型、实现经济高质量发展有重要意义。本文可能的边际贡献主要体现在如下方面：一是从技术进步、产业结构升级角度从理论上分析数字普惠金融对绿色全要素生产率的影响机理；二是采用省级面板数据实证检验数字普惠金融对绿色全要素生产率的影响，并进行稳健性检验和异质性分析；三是采用一般中介效应模型和链式中介效应模型对数字普惠金融影响绿色全要素生产率的作用机理进行检验，从而丰富相关研究。

二、理论分析与研究假说

数字普惠金融是基于大数据、云计算、区块链、人工智能等数字技术的金融服务体系，可在更大程度上满足被传统金融忽视的群体对金融服务的需求，以对方可以承受的价格提供相应的金融服务。相较于传统的金融服务，数字普惠金融借助大数据、人工智能等数字技术，可以更好地对客户进行信用评级，为不同信用等级的客户提供不同额度的信贷服务，降低金融机构的不良贷款率。除此之外，数字技术的应用使数字普惠金融服务突破了空间限制，即使在线下机构不多的偏远地区，金融机构也能向客户提供更多的金融服务。数字普惠金融不但能够直接服务于生产和消费进而推动绿色全要素生产率提升，而且数字化平台能够基于大数据，通过运用最先进的数据处理技术，一定程度上解决传统金融体系中存在的金融错配、金融歧视等问题，实现资源高效配置，从而促进绿色全要素生产率提升［14］。概括来讲，数字普惠金融对绿色全要素生产率的影响机理如图1所示。

通常来说，企业是创新的主体，其在进行创新活动和引进先进技术时需要大量的研发资金，而现实中中小企业多存在借贷难的问题，导致在研发上投入不足，企业生产技术水平无法得到有效提升，产品市场会被同类型大型厂商垄断，而垄断不利于产品市场的长期健康发展。数字普惠金融能够借助数字技术高效快捷地搜集客户信息和征信数据，在较短时间内完成信贷审核，减少费用支出，并且数字技术的应用有利于中小企业网上借贷，大幅提高授信审批效率，降低金融机构的经营成本，进而使下调贷款利率成为可能。可见，数字普惠金融能够缓解中小企业借贷难的困境，有利于企业加大研发投入力度，加速研发或积极引进先进生产技术进而提高生产效率。同时，数字普惠金融的发展，使得市场更加透明，区域内信息不对称问题减少，普通消费者也能够获得更加透明的市场信息。由于普通消费者会对污染少的企业更为偏好，因此在购买产品时更倾向于绿色产品。企业为保障自身利益，会主动改进生产技术和生产模式，努力实现产品的迭代升级，从而占领更多的市场份额，进一步促进绿色全要素生产率提升。此外，当下游企业改善生产技术时，其对原材料的质量和形态要求也会相应提高，此时需要上中游企业调整生产方式，倒逼上中游企业进行技术升级，以提供满足下游企业需求的产品，最终整个产业链都会实现技术进步并促进绿色全要素生产率提升。基于上述分析，本文提出研究假说1，即数字普惠金融通过促进技术进步提升绿色全要素生产率。

得益于数字技术的发展，数字普惠金融能够促进传统产业进行数字化改造。基于人工智能和机械自动化技术，传统的劳动密集型产业逐渐向新型知识技术密集型产业转型，意味着单位投入能有更多的期望产出和更少的非期望产出，不仅实现了生产高效率，还提高了产品良品率，并促进第一产业和第二产业劳动力向第三产业转移，优化产业间资源配置，逐步实现产业结构升级。数字普惠金融还利用其“普”“惠”服务长尾人群，为其提供继续学习的机会，激发其创造力和活力，提高劳动者素质和能力，从而推动资源的优化配置，促进产业结构升级。进一步地，产业结构升级能够促进产业由传统的高碳排放型向低碳集约型转型，有助于促进绿色发展；产业结构升级也有助于推动产业间融合，促进资源的优化配置，提高资源利用效率，进而对促进绿色全要素生产率提升发挥重要作用。基于上述分析，本文提出研究假说2，即数字普惠金融通过产业结构升级提升绿色全要素生产率。

数字普惠金融能够利用大数据、区块链、人工智能等先进信息技术挖掘客户群体信息，降低信息处理成本，并且能够对客户的偿债能力、违约概率作出科学判断，减少金融机构与客户群体的信息不对称问题，能够更好地满足“专精特新”企业发展的资金需求，激发企业创新动力，促进技术进步［15］。

技术进步能够帮助企业提高生产效率，意味着企业生产同样数量的产品所需要的劳动力数量会减少。当整个产业实现技术进步时，会促进社会分工的发展，推动劳动力从第一、第二产业向第三产业转移，实现产业结构升级。产业结构升级表现为传统产业被低能耗、低污染的高附加值产业所替代，不仅能够降低资源消耗，更好地保护环境，还会提高生产效率，从而促进绿色全要素生产率提升［16］。基于上述分析，本文提出研究假说3，即数字普惠金融通过促进技术进步推动产业结构升级，最终提升绿色全要素生产率。

三、模型设定与变量选取

（一）模型设定

本文构建如下模型作为研究数字普惠金融影响绿色全要素生产率的基准模型：

模型（1）中，gtfpi，t 为被解释变量绿色全要素生产率，indexi，t 为核心解释变量数字普惠金融水平，controli，t 为控制变量，ei，t 为残差项。

（二）变量选取

1.被解释变量。研究中的被解释变量为绿色全要素生产率（gtfp），本文利用考虑全局参比的SBM模型估算gtfp。估算gtfp 时需用到以下投入产出数据：一是资本投入，参考张军［17］的做法，利用永续盘存法对物质资本存量进行估计，计算公式为：Ki，t =Ki，t - 1 × （1 -δ） +Ii，t，并以2000年固定资本形成总额的10%作为初始资本存量，折旧率δ 取9.6%，将每年的城镇固定资产投资作为当年投资额Ii，t，相关数据以固定资产投资价格并以2000年为基期进行调整。二是劳动投入，以各地区全社会就业人口作为该地区当年劳动投入。三是能源投入，以各地区历年能源消耗总量作为该地区当年能源投入。四是产出数据，以2005年价格为基期的实际GDP为期望产出，以工业二氧化硫排放量和废水排放中的COD含量为非期望产出。

2.核心解释变量。研究中的核心解释变量为数字普惠金融水平（index），本文参考北京大学数字金融中心和蚂蚁金服共同编制的数字普惠金融指数来衡量。

3.控制变量。控制变量包括人力资本（hr）、外贸依存度（open）、政府干预（gov）、教育支出（edu）、金融发展水平（fin）。一是人力资本（hr）。人力资本水平的提升能够促使人力资本与物质资本更加充分有效地结合，进而有助于提高劳动生产率。本文借鉴乌静［3］的做法，以各地区居民历年受教育年限的加权平均值来衡量，即各阶段人员比重与该阶段受教育年限的乘积之和。各阶段受教育年限按照现行学制受教育年数计算，即文盲为0年，小学为6年，初中为9年，高中为12年，大专及以上文化程度按16年進行计算。二是外贸依存度（open）。外贸依存度反映了一国经济依赖对外贸易的程度。外贸依存度越高的国家受世界经济的影响越大，在国际分工中处于相对被动的地位，从某种意义上说不利于本国技术进步。本文借鉴惠献波［5］的做法，以进出口贸易总额与GDP的比值衡量外贸依存度，其中进出口贸易总额为按境内目的地和货源地进出口总额。三是政府干预（gov）。政府干预反映了政府干预经济的程度。在市场机制不完善的国家，政府对宏观经济的调控能够为经济运行提供更加安全、稳定的环境，有利于促进经济发展。本文借鉴惠献波［5］的做法，以地方政府一般预算支出与GDP的比值衡量政府干预程度。四是教育支出（edu）。教育支出水平可反映地区财政对教育领域的倾斜程度，较高水平的教育支出有利于完善学校相关设施及配套服务建设，对人才培养有重要作用。本文采用教育经费支出与GDP的比值衡量教育支出水平。五是金融发展水平（fin）。金融发展水平可反映金融机构为企业提供资金支持的能力。较高的金融发展水平意味着金融机构能够为居民和企业提供更多的金融产品和服务，加快资金流动，促进企业创新发展。本文借鉴乌静［3］的做法采用银行业金融机构贷款存量余额与GDP的比值来衡量金融发展水平。

研究中所需数据来源于2011年—2020年《中国统计年鉴》，各地统计局发布的历年统计公报，以及国家统计局网站和国泰安数据库。同时，考虑到数据的可得性及科学有效性，研究中剔除了数据缺失严重的西藏，保留了30个省、自治区、直辖市的相关数据，并对个别缺失数据使用线性插值法进行拟合补充。变量定义及相关说明见表1。

四、实证分析

（一）共线性检验

本文对模型进行了Hausman 检验，以判断选用固定效应模型还是随机效应模型。结果显示，P 值为0.0893且在10%水平下显著，拒绝原假设，表明应选用固定效应模型。对所有变量进行共线性分析的结果如表3所示，所有变量的VIF值均小于10，排除了变量间存在严重的多重共线性的可能。制变量后可得模型（2）～模型（6），逐步回归的估计结果如表4所示。由表4可知：模型（1）～模型（6）的核心解释变量（index）系数均为正，且均在1%水平下显著，说明总体来看，数字普惠金融能够有效促进绿色全要素生产率提升。本文认为主要原因是数字普惠金融是基于数字技术而发展的，而数字技术本身就具有很强的绿色属性。首先，数字技术的应用有利于信息更加透明化、高效化，可以促进要素在企业之间进行流动，实现生产资源的优化配置，进而提高生产效率。其次，数字普惠金融运用互联网数字信息技术，能够搭建高效的数字资源共享平台，加速具备相关知识技术的人力资本积累，生产活动中技术人员在实现生产效率提高的同时，也能够更加注重环境因素，即单位投入能够获得更多的期望产出、更少的非期望产出，最终促进绿色全要素生产率提升。

此外，由表4模型（6）的回归结果还可以看出：人力资本（hr）和政府干预（gov）系数均显著为正，说明其对绿色全要素生产率的提升具有正向影响，提升区域人力资本水平和增加地方财政支出能够促进绿色全要素生产率提升。金融发展水平（fin）系数显著为负，说明金融发展水平的提升不能促进绿色全要素生产率提升。可能的原因是，传统金融具有逐利性，而绿色技术从研发到应用的周期相对较长，投资绿色技术研发和应用的厂商资产变现较慢，而投资应用污染性大的技术的厂商资产变现较快，所以在短期内金融资本会多流向污染较大的企业，导致绿色全要素生产率下降。教育支出（edu）系数显著为负，说明教育支出的增加对绿色全要素生产率的提升未表现出明显的促进作用。可能是因教育是一项长期性、系统性的工程，短期内教育投资成效难以显现，具有一定的滞后性；同时现有教育经费支出结构不合理，大部分教育经费用于通用型人才培养，而专业型人才培养经费明显不足，教育资源错配造成了社会资源的浪费，不利于绿色全要素生产率提升［18］。

（三）内生性检验

为了避免基准回归结果存在反向因果关系导致内生性问题而影响结果的稳健性，本文借鉴杨德勇［19］的做法，以互联网覆盖率作为数字普惠金融水平的工具变量，采用两阶段最小二乘法进行重新估计。需要说明的是，由于目前缺少相关年份互联网上网人数的省级面板数据，所以本文采用更易获得的互联网宽带接入用户与地区年末常住人口的比值来测度互联网覆盖率，用hl 表示。

选取工具变量后，需要对工具变量进行有效性检验，即检验工具变量是否为弱工具变量。如果工具变量为弱工具变量，则会导致两阶段最小二乘法失效，从而使内生性检验无效。对两阶段最小二乘法第一阶段的结果①进行分析可知，F 统计量为58.8，大于10；对内生解释变量的显著性进行5%名义显著性水平的沃尔德检验发现，最小特征值统计量为186.266，大于15%真实显著性水平的临界值16.38，说明所选工具变量不是弱工具变量。此外，偏R2 为0.4432，说明工具变量对内生解释变量有很好的解释力。由表5所示的内生性检验结果可知，数字普惠金融对绿色全要素生产率影响为正，且在1%水平下显著，与基准回归结果一致，表明前文的研究结论是稳健的。

（四）稳健性检验

为了进一步检验基准回归结论的稳健性，本文使用随机效应模型、控制变量滞后一期替换原变量、缩尾处理等方法分别对模型进行稳健性检验，其中缩尾处理是将数据中的主要变量按1%进行双侧缩尾处理，稳健性检验结果如表6所示。由表6可以看出，无论使用随机效应模型，还是更换控制变量，亦或是对数据进行缩尾处理，数字普惠金融（index）系数均为正且在1%水平下显著，与基准回归结论一致，说明基准回归结论具有稳健性。

（五）异质性检验

考虑到我国东中西部地区经济发展具有明显的差异性，数字普惠金融对绿色全要素生产率的影响在不同地区可能会有所差异，因此将研究中所选取的30个省、自治区、直辖市按照三大经济带划分为东部、中部和西部①进行异质性分析，回归结果如表7所示。由表7可知：东部地区数字普惠金融（index）系数为0.163且在1%水平下显著，西部地区数字普惠金融（index）系数为0.064且在5%水平下显著，而中部地区数字普惠金融（index）系数为正但不显著，说明数字普惠金融对绿色全要素生产率的影響在东西部地区显著为正，在中部地区不显著。

东部地区发展较早，经济实力远超中西部地区，小微企业相对较多，这些企业是技术进步的主力军。由于给小微企业放贷风险较高，所以传统金融不够重视这些企业，导致小微企业没有足够的资金用于绿色技术研发，而数字普惠金融的惠民性能够让这些企业得到更多的金融服务支持，增加自身的技术研发投入，进而最终提升地区整体绿色全要素生产率。西部地区地广人稀，线下金融机构较少，金融环境相对较差，金融服务相对单一，供给相对不足，这些都制约着中小企业信贷需求的满足。而数字普惠金融借助数字技术，有着传统金融所不具有的高效率和低成本优势，突破了时空限制，能够给位于西部地区的企业提供更多必要的金融服务，促进企业进行绿色创新，进而提升绿色全要素生产率。中部地区凭借区位优势承接东部地区的产业转移，但承接的产业多为传统型产业，通常具有能耗高、污染大等特点，并且在短期内难以实现产业转型升级，加之中部地区人才资源匮乏，市场创新活力不足，造成中部地区创新能力较弱，因而导致数字普惠金融的发展对中部地区绿色全要素生产率的提升作用不明显。

五、中介效应分析

（一）一般中介效应

本文参考温忠麟［20］的研究，构建中介效应三步法模型进行分析：第一步，以绿色全要素生产率（gtfp）作为被解释变量、数字普惠金融（index）作为核心解释变量进行回归；第二步，分别以技术进步（patent）和产业结构升级（indus）作为被解释变量，以数字普惠金融（index）作为解释变量进行回归；第三步，将中介变量（patent、indus）和数字普惠金融（index）同时加入模型进行回归。因发明专利的技术含量最高，故本文选用人均发明专利申请授权量衡量技术进步，以第三产业产值与第二产业产值的比值衡量产业结构升级。本文构建的中介效应三步法模型如下：

其中M 为中介变量，ui 为区域固定效应，ei、e'i和e''i 為残差项。

表8为中介效应回归结果，其中列（1）为基准回归结果，数字普惠金融（index）系数在1%水平下显著为正，说明数字普惠金融对绿色全要素生产率有显著的正向影响。列（2）、列（3）是以技术进步为中介变量的中介效应模型回归结果。列（2）中，数字普惠金融（index）系数在1%水平下显著为正，说明数字普惠金融能够有效促进技术进步。列（3）中，技术进步（patent）系数显著为正，数字普惠金融（index）系数较列（1）中明显减小，说明数字普惠金融能够通过促进技术进步进而促进绿色全要素生产率提升。列（4）、列（5）为以产业结构升级为中介变量的中介效应模型回归结果。列（4）中，数字普惠金融（index）系数显著为正，说明数字普惠金融能够有效促进产业结构升级。列（5）中，产业结构升级（indus）系数显著为正，说明产业结构升级能够促进绿色全要素生产率提升，且数字普惠金融（index）系数也显著为正，并较列（1）中的系数显著变小，说明产业结构升级是数字普惠金融影响绿色全要素生产率的一个中介变量，数字普惠金融能够通过促进产业结构升级来促进绿色全要素生产率提升。

由此可见，技术进步和产业结构升级均为数字普惠金融对绿色全要素生产率产生影响的中介变量，数字普惠金融通过提高技术进步水平和促进产业结构升级来提升绿色全要素生产率，故前文提出的研究假说1和研究假说2得以验证。

（二）链式中介效应

根据理论分析部分提出的研究假说，技术进步能够推动产业结构升级，而产业结构升级可以提高区域绿色全要素生产率，因而很可能存在“数字普惠金融→技术进步→产业结构升级→绿色全要素生产率”这样的作用路径。本文根据理论分析建立如下对应模型：

模型（6）～模型（8）分别表示“数字普惠金融→技术进步→绿色全要素生产率”“数字普惠金融→产业结构升级→绿色全要素生产率”和“数字普惠金融→技术进步→产业结构升级→绿色全要素生产率”3条中介路径（下文简称路径1、路径2、路径3）。a1 表示数字普惠金融对绿色全要素生产率影响的总效应；b1 ×d2 表示路径1的中介效应，c1 ×d3 表示路径2的中介效应，b1 ×c2 ×d3 表示路径3的中介效应，d1 表示除去3条路径的间接效应后数字普惠金融对绿色全要素生产率的直接影响。链式中介效应示意图如图2所示，其中M1 是patent，M2 是indus。

链式中介效应回归结果如表9所示。表9中列（1）～列（4）分别对应模型（5）～模型（8）的回归结果，同时列（1）也是基准回归的结果，可以看出主要解释变量的系数均显著。a1 为0.094，说明数字普惠金融对绿色全要素生产率的总效应为0.094；b1 ×d2 为0.018，表示路径1的中介效应为0.018；c1 ×d3 为0.017，表示路径2的中介效应为0.017；b1 ×c2 ×d3 为0.009，表示路径3的中介效应为0.009。总体中介效应（b1 ×d2 +c1 ×d3 +b1 ×c2 ×d3）为0.044，其中路径1占比为40.9%，路径2占比为38.6%，路径3占比为20.5%。这说明在总体中介效应中通过技术进步产生的中介效应最强，占总体中介效应的40.9%；通过产业结构升级产生的中介效应次之，占总体中介效应的38.6%；经由技术进步再通过产业结构升级产生的中介效应最弱，只占总体中介效应的20.5%。据此，前文提出的研究假说3得以验证。除了直接观察d1 的数值外，还可以通过总体效应减去总体中介效应得到去除3条路径的直接效应。index 对gtfp 的直接效应为0.05，与d10.051相差不大，微小的差别可能是由于小数点后保留3位数字而产生的。这说明除了路径1、路径2和路径3产生的间接效应外，数字普惠金融还能够直接正向影响绿色全要素生产率。

六、结论及建议

数字普惠金融作为解决金融服务“最后一公里”难题的工具，将数字技術与普惠金融相结合，对提升地区绿色全要素生产率有着重要影响。本文利用2011年—2020年我国30个省、自治区、直辖市的面板数据，实证分析了数字普惠金融对绿色全要素生产率提升的影响机理及作用路径，得出以下研究结论与政策启示：

第一，数字普惠金融对绿色全要素生产率提升有显著的促进作用，今后应大力发展数字普惠金融。政府与市场应双管齐下，健全数字化金融设施，增加基站等设备的覆盖面积，增加数字普惠金融对实体经济的包容性和覆盖面，发挥其有效打破金融要素流动时空阻隔的优势，减少要素流动摩擦，提高要素配置效率。同时应大力普及数字普惠金融理念，扩大数字普惠金融需求。针对小微企业、农户及低收入群体进行金融知识、金融技能等数字普惠金融相关教育，如开展专题讲座宣传数字普惠金融的特征、服务、作用、优势等相关知识，也可以通过线上媒体传播相关金融知识。这样有利于扩大目标群体对数字普惠金融服务的需求，促进数字普惠金融进一步发展。

第二，数字普惠金融对绿色全要素生产率提升的影响具有区域异质性，在东西部地区数字普惠金融对绿色全要素生产率提升的促进作用更强。因此，今后应充分考虑区域的资源禀赋情况、产业结构布局、金融发展水平等客观条件，因地制宜地制定数字普惠金融发展政策。对发展基础比较好的东部地区，应进一步强化数字普惠金融的优势，创新数字普惠金融工具，而对发展基础相对薄弱的中西部地区则应重点加强数字基础设施建设，扩大数字金融服务的广度与深度。

第三，数字普惠金融能够通过促进技术进步、促进产业结构升级以及通过促进技术进步进而促进产业结构升级间接提升绿色全要素生产率。因此，今后应努力探索数字普惠金融促进绿色全要素生产率提升的多维路径。实践中应加强数字普惠金融对绿色创新活动的资金支持，提高绿色创新要素的配置效率，促进绿色技术进步。此外，还应更充分地引导资金流向高科技、低碳环保、生物能源等新兴产业，打造“金融服务+产业经济”的数字化生态闭环，不断推动产业结构升级，强化经济增长的内生动力，进而实现绿色全要素生产率提升。

参考文献：

［1］Ren S M，Li L Q，Han Y Q，Hao Y，Wu H T. The Emerging Driving Force of Inclusive Green Growth：Does DigitalEconomy Agglomeration Work？［J］.Business Strategy and the Environment，2022（4）：1656-1678.

［2］王霞，田霞. 外商直接投资、数字普惠金融与绿色经济发展［J］. 商业经济研究，2022（7）：168-171.

［3］乌静，肖鸿波，陈兵. 数字经济对绿色全要素生产率的影响研究［J］. 金融与经济，2022（1）：55-63.

［4］范欣，尹秋舒. 数字金融提升了绿色全要素生产率吗？［J］. 山西大学学报（哲学社会科学版），2021（4）：109-119.

［5］惠献波. 数字普惠金融与城市绿色全要素生产率：内在机制与经验证据［J］. 南方金融，2021（5）：20-31.

［6］Gomber P，Kauffman R J，Parker C，Weber B W. On the Fintech Revolution：Interpreting the Forces of Innovation，Disruption and Transformation in Financial Services［J］.Journal of Management Information Systems，2018（1）：220-265.

［7］Liu G T，Wang B，Zhang N.A Coin has Two Sides：Which One is Driving China's Green TFP Growth？［J］.EconomicSystems，2016（3）：481- 498.

［8］王林辉，王辉，董直庆. 经济增长和环境质量相容性政策条件——环境技术进步方向视角下的政策偏向效应检验［J］. 管理世界，2020（3）：39-60.

［9］逯进，李婷婷. 产业结构升级、技术创新与绿色全要素生产率——基于异质性视角的研究［J］. 中国人口科学，2021（4）：86-97+128.

［10］张晓丹，彭耿. 数字普惠金融发展与区域创新能力——基于282 个城市数据的非线性影响研究［J］. 技术经济与管理研究，2021（10）：32-36.

［11］冉芳，谭怡. 数字金融、创新投入与企业全要素生产率［J］. 统计与决策，2021（15）：136-139.

［12］张恒，李璐，赵茂. 数字普惠金融与绿色全要素生产率——基于系统GMM 的实证检验［J］. 新金融，2022（3）：31-40.

［13］刘赢时，田银华，罗迎. 产业结构升级、能源效率与绿色全要素生产率［J］. 财经理论与实践，2018（1）：118-126.

［14］王道平，刘琳琳. 数字金融、金融错配与企业全要素生产率——基于融资约束视角的分析［J］. 金融论坛，2021（8）：28-38.

［15］万佳彧，周勤，肖义. 数字金融、融资约束与企业创新［J］. 经济评论，2020（1）：71-83.

［16］韩晶，孙雅雯，陈超凡，蓝庆新. 产业升级推动了中国城市绿色增长吗？［J］. 北京师范大学学报（社会科学版），2019（3）：139-151.

［17］张军，吴桂英，张吉鹏. 中国省际物质资本存量估算：1952—2000［J］. 经济研究，2004（10）：35-44.

［18］周敏丹. 人力资本供给、工作技能需求与过度教育［J］. 世界经济，2021（7）：79-103.

［19］杨德勇，代海川，黄帆帆. 数字普惠金融对城乡居民收入差距的门限效应研究——基于不同发展维度的实证分析［J］. 经济与管理评论，2022（3）：89-101.

［20］温忠麟，叶宝娟. 中介效应分析：方法和模型发展［J］. 心理科学进展，2014（5）：731-745.

（责任编辑：甘海燕）