新发展阶段绿色发展的测度及数字金融驱动效应研究

马彦瑞

(1.河南财经政法大学 统计与大数据学院，河南 郑州 450046；2.河南大学 经济学院，河南 开封 475004)

一、引言及文献综述

追求绿色发展已经成为新发展阶段中国经济建设的核心任务，推动绿色发展不仅是中国实现可持续发展的内在要求，也是构建高质量现代化经济体系的必然要求。当前，中国经济发展面临着内在增长方式转型和外在国际减排任务的制约，准确把握绿色发展是转变经济增长模式以快速推进碳达峰、碳中和目标的重要前提，亦是实现人与自然和谐共生不可或缺的重要环节。党的二十大报告指出“完善支持绿色发展的财税、金融、投资、价格政策和标准体系”，数字金融能够优化要素资源配置，引导生产要素流向绿色领域，对企业的生产、研发等环节产生变革，从而可以提高绿色生产率。因此，探讨数字金融对绿色发展的影响机理，并检验其实际效果，是学界和政策制定者都十分关心的议题。

目前，关于绿色发展的研究主要集中在理论内涵、测度评价和影响因素三个方面：就理论内涵而言，绿色发展是以引导经济绿色转型、以低碳发展和可持续发展为主的发展模式替代传统的发展模式，最终促进经济发展模式由粗放型的“生态创伤”向集约型的“生态文明”转变[1]。可以说，绿色发展是对传统发展模式的一种创新，在新发展理念的指导下，发展的目的不仅在于最小化资源消耗和环境污染，还在于提高人民福祉，以“人与自然和谐共生”的绿色发展范式实现自身现代化[2]。就测度评价而言，一方面，多数研究在投入产出的框架下基于数据包络分析法从不同的空间尺度对绿色发展进行测度[3-4]；另一方面，学者们多从动态演进、区域差异和敛散性[5-7]等方面对绿色发展进行纵深评价。就影响因素而言，相关学者采用动态面板模型、有限混合模型和空间计量等模型从结构、制度和技术的角度着重探讨了产业结构、环境规制和技术创新对绿色发展的影响，结果表明产业结构升级和环境规制对绿色发展存在促进作用[8-9]，技术创新则与本地城市绿色发展存在“U”型关系，与邻近城市存在倒“U”型关系。此外，气候变化、经济集聚和基础设施也是影响绿色发展的重要因素[10-12]。

金融发展理论认为，健全的金融体制和金融深化能获得更多的储蓄资金，引导储蓄资金用于生产性投资上，从而促进经济发展[13]。金融业作为现代经济发展的核心要素，具有“清洁型”和“动力型”的双重优势，对提升绿色发展起着至关重要的作用[14]。而与新兴数字金融相比，传统金融在促进绿色发展方面存在着资源错配、信息不对称等诸多不足。数字金融是通过互联网、信息技术、大数据等数字技术与传统金融业态相互结合的新一代金融服务，其与金融科技和互联网金融等是一系列金融创新的谱系概念，具有普及性和包容性等特点[15]。现有文献主要聚焦数字金融的宏观经济效应，如研究数字金融对包容性增长[16]、消费结构[17]、共同富裕[18]、高质量发展[19]、创新产出[20]等方面的影响。在碳达峰碳中和目标下，少数学者开始关注数字金融对碳排放和绿色创新效率的影响，研究指出数字金融对碳排放存在倒“U”型的非线性关系，对绿色创新效率存在显著的促进作用[21-22]。

通过梳理相关文献发现，一方面，现有研究多采用数据包络分析法从绿色全要素生产率的角度对绿色发展进行测度，但是，依据绿色发展的内涵，新发展阶段测度绿色发展不仅要体现在绿色全要素生产率提升，还应体现绿色福利、绿色财富等方面。另一方面，既有研究更多关注的是数字金融驱动经济整体增长的效应，而数字金融对绿色发展的影响尚未得到足够重视。在高质量发展的时代背景下，数字金融能否对绿色发展产生影响，这是本文重点探讨的问题。实际上，部分文献在关于数字金融经济效应的研究中蕴含了高质量发展的多维特性，这对本文进一步研究数字金融的绿色效应颇具价值。与已有研究相比，本文贡献主要有：①立足新发展阶段，引入绿色福利指标，构建了绿色发展水平的四维评价指标体系；②将数字金融和绿色发展置于同一研究框架，从理论层面厘清数字金融对绿色发展的作用机理；③采用分位数回归模型从分维度和分区域两个层面探讨数字金融对绿色发展的影响，更加有效地刻画数字金融对绿色发展的全貌关系。

二、数字金融对绿色发展的作用机理

绿色发展是新发展阶段经济发展的核心，而其本质是变革原有依靠传统要素投入的生产模式，这需要大量的资金在产业间重新进行资源配置，数字金融作为一种金融基础设施，为绿色发展提供了资金支持和保障[23]。具体来说(见图1)，从数字金融的资源配置效应看，一方面，数字金融智能化、互联网化的经营模式降低了中小微企业准入的门槛，扩大了金融服务的覆盖范围，打破了时空与空间的地域限制，减少信息不对称，降低了企业融资交易成本，从而加快金融双方的有效对接，提高了交易效率[15]。另一方面，数字金融充分利用互联网、云计算等数字技术，将面对面的传统金融服务线上化，是绿色交易的重要体现。伴随着数字金融的不断发展，数字金融将充分结合数字技术发挥资源配置的作用，优化资本要素市场配置，提高资本的利用效率，降低信息搜寻成本，从而为经济主体提供更快更便捷的金融服务，进而提高绿色发展水平[24]。从数字金融的创新效应看，一方面，创新理论认为，经济增长模式的转变在于生产方式的变革和生产技术的革新，而数字金融作为一种新兴的金融发展服务，改变了传统金融的运行模式，提高资源利用效率，从而促进绿色发展；另一方面，数字金融促进了创新参与者之间的交流，为企业创新研发提供便利的融资渠道，极大地促进了知识和信息的传播，从而提高创新转化效率[25]。而技术创新被认为是经济绿色转型的关键，更先进的技术可以解决工业生产中高耗能高污染的问题。从数字金融的环保效应看，数字金融本身具有绿色属性，能够将人们的行为方式和低碳生活、绿色消费等联系起来，从而采用自上而下的方式推动经济以环境友好和资源节约的方式发展[26]。一方面，以移动支付和网络信贷等为代表的数字金融活动本身就是环境友好型绿色的金融服务，可以倡导人们进行绿色消费，此外，以闲鱼为代表的二手交易依托数字金融搭建的环保服务平台实现了资源的上下游整合，减少重复生产带来的资源浪费和环境污染[27]；另一方面，通过数字金融平台，有利于扩大公众参与到环保事业的建设当中去，引导公众利用数字金融服务进行环境友好型和资源节约型的生产生活方式。此外，政府以数字金融为载体，挖掘生产和消费中所存在的环境污染大数据资源，从而及时对环境污染信息进行治理[19]。

三、模型、变量与数据

(一)模型构建

传统OLS只能得到数字金融等其他解释变量的单个估计值，无法反映绿色发展与数字金融在整个样本分布上的异质性特征，而BASSETT[28]提出的分位数回归模型可以较好的刻画绿色发展在不同分位点上的异质性。与传统OLS相比，分位数回归是均值回归在其他分位数上的扩展，且其不要求很强的分布假设，估计结果不易受到异常值的影响，回归较为稳健[29]。因此，本文构建面板分位数回归模型研究数字金融对绿色发展的影响，模型如式(1)：

QYit(τ|Xit)=α(τ)Xit+μi+εit

(1)

其中，Yit代表被解释变量，Xit为解释变量，α(τ)为待估系数，μi为个体固定效应，εit为随机扰动项。具体到数字金融对绿色发展的影响中，模型设定为式(2)：

QDLGEit(τ|Xit)=β(τ)Difit+αi(τ)Xit+μi+εit

(2)

式(2)中，QDLGEit(τ)表示第i个省份t年在分位数τ下的绿色发展水平；Difit为相应分位数下的数字金融程度；X为一系列控制变量，分别为公共交通设施(Bus)、绿化水平(Pgr)、产业结构升级(Ais)、财政分权(Fis)和知识溢出(Kno)；μi为个体固定效应，εit为随机扰动项；τ表示相应分位数，一般取τ=0.1，…，0.9，αi(τ)表示相应分位数下各控制变量的估计系数。

(二)变量设计

1.被解释变量

本文被解释变量为绿色发展水平(DLGE)。如前文所述，中国式现代化道路催生新的发展范式，发展的根本目的在于增进民生福祉，既要创造更多的物质财富和精神财富以满足人民日益增长的美好生活需要，也要提供更多优质的生态产品以满足人民日益增长的优美生态环境需要。新发展阶段，绿色发展的理论内涵和动力模式都将有新的特征，有必要将考虑民生福祉的绿色福利引入绿色发展测度中，推动形成区域绿色发展新格局，促进实现绿色惠民、绿色富国，故引入绿色福利，从绿色财富、绿色治理、绿色增长和绿色福利四个方面构建绿色发展的四维评价指标体系。

绿色发展水平的测算是对绿色财富、绿色治理、绿色增长及绿色福利等领域多变量的综合考察，这些变量之间存在一定的联动性和相关性，并且还受到时间和政策等客观环境的影响；同时，对中国绿色发展水平的评价还应该展示各领域中不同变量的重要程度以反映不同区域发展的优势与不足。因此，本文采用熵权法对绿色发展水平进行测算。此外，为消除量纲的影响，采用“最大-最小”法对表1中每个领域层的细分指标进行无量纲化处理。

表1 绿色发展水平评价指标体系

2.核心解释变量

数字金融(Dif)。选取北京大学数字金融研究中心发布的《北京大学数字普惠金融指数》作为核心解释变量，该指数从覆盖广度、使用深度和数字化三个维度测度中国数字金融发展程度，具有较好的代表性。

3.控制变量

参考已有研究，选取如下控制变量：①公共交通设施(Bus)，公共交通设施作为绿色出行的方式，在一定程度上可以减少尾气的排放，从而有利于绿色发展水平的提升，在模型中引入每万人拥有公交车辆数以代表公共交通设施；②绿化水平(Pgr)，采用人均绿地面积予以表征；③产业结构升级(Ais)，产业结构升级有利于淘汰高耗能、高污染的传统行业，从而对绿色发展产生一定的影响，采用第三产业增加值与第二产业增加值之比表征产业结构升级；④财政分权(Fis)，财政分权同样是影响绿色发展的一个重要因素，采用一般财政收入与财政支出之比表征财政分权；⑤知识溢出(Kno)，知识溢出对经济增长具有重要的影响[30]，可以减少企业间信息沟通交流的成本，从而提高劳动生产率和绿色发展水平，采用普通高中师生比来衡量知识溢出程度。

(三)数据来源

本文选取2011—2020年中国30个省份(西藏、港澳台除外)的面板数据进行实证分析。其中，构建绿色发展水平相关的指标数据、控制变量数据来源于《中国统计年鉴》、EPS数据库及各省份历年统计年鉴，数字金融数据来源于北京大学数字金融研究中心发布的《北京大学数字普惠金融指数》。对部分缺失数据，采用移动平均法进行补齐。各变量的描述性统计结果如表2所示。

表2 变量描述性统计

四、数字金融对绿色发展影响的实证分析

(一)绿色发展水平演变趋势和数字金融空间分布特征分析

图2给出了绿色发展水平演变趋势与数字金融空间分布特征图。整体而言，中国绿色发展水平在样本期内呈现上升趋势。分区域来看，东部地区的绿色发展水平明显高于中部和西部地区，呈现“东部>中部>西部”的空间分布格局。从数字金融空间分布特征看，中国省域数字金融指数存在“鸿沟”，地区差异较大。北京、上海和浙江等东部地区数字金融指数较大，而青海、甘肃和贵州等西部地区较低，其中，重庆数字金融指数在西部地区较高。

图2 绿色发展水平演变趋势与数字金融空间分布特征

(二)实证结果分析

1.基准回归结果分析

面板分位数回归的核心在于考察数字金融对绿色发展在整个条件分布上的影响，估计结果更为稳健。作为参照，本文同时进行OLS均值回归分析，估计结果见表3。列(1)为未控制省份和年份固定效应的回归结果；列(2)加入了省份固定效应；列(3)加入了省份和年份双向固定效应，可以看出，数字金融具有较好的绿色属性，均对绿色发展水平产生正向影响，且均通过了1%显著性检验，表明数字金融能促进绿色发展水平的提升。

表3 基准回归结果

2.面板分位数回归结果分析

考虑到OLS方法可能会掩盖数字金融和绿色发展水平的全貌关系，基于此，进一步采用面板分位数回归考察数字金融对绿色发展影响的动态轨迹。选取10%、25%、50%、75%和90%五个具有代表性的分位点，以代表绿色发展的不同阶段，分别对应的是最低绿色发展组、中低绿色发展组、中等绿色发展组、中高绿色发展组和最高绿色发展组。估计结果见表4和图3。

图3 不同分位点下数字金融及控制变量的估计系数(基于总体样本)①

由表4可知，数字金融在不同分位点下对绿色发展的影响不同，随着分位点由低端向高端变动，即由低绿色发展组向高绿色发展组变动，数字金融的估计系数呈现先上升后下降的变化趋势，在10%分位点下，估计系数为0.096，在50%分位点下，估计系数达到最大，为0.128。结果表明，数字金融有利于促进绿色发展水平的提升，从而有利于高质量发展目标的实现。但是，对处于高阶段(90%分位点以上)的绿色发展，数字金融对绿色发展的促进作用并不显著，且影响方向由正转负，说明数字金融对处于高阶段的绿色发展促进作用有限，此时绿色发展水平的提升不仅在于数字金融的推动，还可能受到其他因素的影响。图3反映了各变量估计系数随分位数变动的情况，可以看出，在50%分位点之前，数字金融对绿色发展水平的影响随着分位数的增加呈上升趋势，且通过了1%显著性检验，而在50%分位点后，数字金融对绿色发展的促进作用减弱，且未通过显著性检验，在90%分位点处，数字金融对绿色发展呈现负向抑制作用，说明数字金融对不同分位点的绿色发展水平具有显著的异质性。

对于控制变量而言，公共交通设施的估计系数在10%分位点和25%分位点显著为正，这表明公共交通设施对最低和中低绿色发展组的绿色发展水平为促进作用，而在75%和90%分位点处，公共交通设施对绿色发展水平影响为负且未通过显著性检验。绿化水平的估计系数均为正，且部分通过了显著性检验，表明绿化水平对绿色发展水平存在促进作用，在90%分位点，绿化水平的促进作用达到最大，为0.016，但并未通过显著性水平检验。产业结构升级和财政分权对绿色发展的影响始终为正，且随着分位点由低向高变动，产业结构升级和财政分权的估计系数逐渐增大，这表明产业结构升级和财政分权对高绿色发展组的促进效应更大。在不考虑显著性的条件下，随着分位点增大，知识溢出的估计系数逐渐降低，且在25%分位点处，知识溢出对绿色发展的影响由正向促进转为负向抑制。

3.区域异质性分析

在区域发展不平衡不充分的背景下，考虑数字金融对绿色发展影响的区域异质性具有较大的现实意义，进一步将总体样本分为东部、中部和西部地区进行回归。回归结果见表5。可以看出，数字金融在不同区域不同分位点下均对绿色发展水平产生正向影响，除东部地区在90%分位点未通过显著性检验，其它分位点下均通过了1%或5%的显著性水平检验。从回归系数大小看，在10%、25%、50%和75%分位点下，数字金融对东部绿色发展水平的促进作用要大于中部和西部地区，这表明东部绿色发展水平较落后的地区相对于中部和西部，更能从数字金融发展中受益。而在90%分位点下，数字金融对东部地区绿色发展水平的促进作用最小且未通过显著性水平检验，此时数字金融对中部地区绿色发展水平的促进作用最大，其次是西部地区。这表明中部绿色发展水平较高的地区相对于东部和西部地区，数字金融更能促进绿色发展水平的提升。

4.数字金融分维度异质性分析

为了验证数字金融分维度对绿色发展的影响效应，本文进一步进行了数字金融覆盖广度、使用深度及数字化程度三个分指数的实证分析，回归结果见表6。从回归结果看，在10%、25%和50%分位点下，覆盖广度、使用深度和数字化程度都对绿色发展存在促进作用，且随着分位点的提高回归系数呈现先上升后下降的趋势。这表明提高数字金融的覆盖广度、使用深度和数字化程度能够有效促进绿色发展，并且缩小地区之间的绿色发展差距。此外，使用深度对绿色发展水平的促进作用最强，其次是覆盖广度，数字化程度较弱。可以看出，数字金融对绿色发展的促进作用主要是通过覆盖广度的扩大和使用深度的提高达到的。而在90%分位点下，覆盖广度和数字化程度对绿色发展水平呈现负向抑制作用且未通过显著性水平检验，使用深度对绿色发展水平呈现正向促进作用但没有通过显著性检验，由此得知，在最高绿色发展组，覆盖广度、使用深度和数字化程度对绿色发展水平的提升作用有限。

表6 数字金融分维度分位数回归结果

五、进一步分析：数字金融对绿色发展作用机理的检验

本文从绿色财富、绿色治理、绿色增长和绿色福利四个维度构建了绿色发展水平指标体系。因此，为进一步检验数字金融对绿色发展的作用机理②，构建模型(3)，并将被解释变量绿色财富、绿色治理、绿色增长和绿色福利分别纳入模型中，以探讨数字金融通过何种机制促进绿色发展，模型建立如式(3)：

QYijt(t|Xijt)=α1jtDifijt+α2jtBusijt+α3jtPgrijt

+α4jtAisijt+α5jtFisijt+α6jtKnoijt+μi+εit

(3)

式(3)中，Yijt为被解释变量，i代表省份，t为时间，j为绿色财富、绿色治理、绿色增长和绿色福利，其他变量和符号的含义见式(2)的设定。

作为参照，同时进行面板固定效应模型的估计，表7报告了模型的估计结果。从固定效应回归结果看，数字金融对于绿色财富、绿色治理、绿色增长和绿色福利的回归系数均为正，且分别通过了1%或5%的显著性检验，表明数字金融对绿色财富、绿色治理、绿色增长和绿色福利的推动促进了绿色发展，其中数字金融对绿色增长的推动作用最强，为0.187，其次是绿色治理；绿色福利和绿色财富的推动作用较弱。从面板分位数回归结果看：第一，数字金融对绿色财富的估计系数仅在10%分位点处为正，且通过1%显著性水平检验，而在其他分位点处估计系数为正或为负，未通过显著性水平检验，表明数字金融并不必然促进绿色财富的提升，仅在绿色财富较低的区域，数字金融才能发挥促进作用。第二，数字金融对绿色治理的估计系数在各分位点均为正，且在10%、25%和50%分位点处通过了1%显著性水平检验，此外，数字金融对绿色治理的促进效应在50%分位点处达到了最大。第三，数字金融对绿色增长的估计系数在10%、25%和50%分位点处显著为正，且这种促进作用在50%分位点处最大，表明随着分位点的不断增大，数字金融对绿色增长呈现先上升后下降的影响轨迹。在90%分位点处，数字金融对绿色增长的影响为负但并未通过显著性水平检验。第四，数字金融对绿色福利的估计系数在10%、25%、50%和75%分位点处显著为正，但这种促进作用呈现下降的趋势，在90%分位点处，数字金融对绿色福利的影响为负。

表7 数字金融对绿色发展的作用机理

综上，由分位数回归结果可知，一方面，数字金融并不必然通过推动绿色财富、绿色治理、绿色增长和绿色福利来促进绿色发展，尤其是在高分位点处，数字金融对四个维度的促进作用并不显著。另一方面，从估计系数大小来看，与固定效应均值回归结果一致，数字金融对绿色增长的推动作用较强，其次绿色治理，而对绿色福利和绿色财富的推动作用较弱。

六、结论与政策建议

数字化转型已然成为重要的时代特征。在数字化技术的推动下，数字金融已经被视为新时代背景下绿色发展的助推器。本文立足于新发展阶段绿色发展的新特征，着眼绿色发展的新动力新引擎，基于数字金融的视角，首先从理论层面剖析了数字金融对绿色发展的作用机制，其次构建分位数回归模型实证探究了数字金融对绿色发展的影响效应。研究结论如下：第一，样本期内，中国绿色发展水平存在长期向好倾向，但区域发展差异较大，呈现“东部>中部>西部”的空间分布格局。第二，均值回归结果表明，数字金融对绿色发展有积极影响，有助于提高地区的绿色发展水平。面板分位数回归结果表明，数字金融对绿色发展呈现先上升后下降的倒“U”型关系，即数字金融对绿色发展水平低的区域促进作用最为明显，在50%分位点处，数字金融对绿色发展的影响效应达到最大。第三，数字金融对绿色发展的影响存在异质性。分区域回归表明，在10%、25%、50%和75%分位点处，相较于中部和西部地区，数字金融对东部地区绿色发展的促进作用较强；分维度回归表明，相较于覆盖广度和数字化程度，使用深度对绿色发展能够产生更强的带动作用。第四，作用机制检验结果表明，数字金融并不必然促进绿色财富提升，相较于绿色福利，数字金融对绿色治理和绿色增长的影响效应较大。

结合结论，得出的政策启示有：第一，促进区域数字金融协调发展。一方面，中央政府应继续加大数字金融基础设施建设，依托互联网、分布式计算等数字技术继续推动数字金融服务的深度和广度，提高数字金融在欠发达地区的触达性和流动性；另一方面，地方政府应在中央的统筹协调下，借助区域资源优势，发挥产业特色，因地施策制定差异性的数字金融发展政策，如在推动东部地区数字金融发展的同时继续加大中部和西部地区数字金融的建设，给予中西部地区数字金融发展的沃土和优势条件，从而促进区域间数字金融的协调发展。第二，考虑到数字金融对绿色发展的影响轨迹呈现倒“U”型，对地方数字金融的规范和约束需考虑到区域绿色发展水平。在绿色发展比较低的区域，地方政府应充分关注绿色发展的均衡性和协调性，充分发挥数字金融对绿色发展的促进作用，在绿色发展水平比较高的区域，地方政府应适度协调好数字金融与绿色发展的关系，减少数字金融的投入，以避免重复建设和不必要的浪费。第三，充分发挥数字金融对绿色增长、绿色治理等绿色发展子系统的促进作用，继续推动数字金融使用深度、覆盖广度和数字化程度的发展，营造良好的数字金融发展环境，抢占数字金融发展制高点，推动绿色发展。

[注 释]

① 图中实线为分位数回归估计系数，阴影部分为分位数回归估计的95%置信区间；虚线为OLS估计值及其95%的置信区间(两点短虚线为OLS估计值)。

② 本文中，作用机理指的是通过直接作用于绿色发展的某些组成部分，从而对绿色发展产生影响[31]。