绿色数字金融与制造业企业高质量发展——兼论企业融资约束与绿色技术创新的影响机制

■ 孔德源 龙云安 李 宁

一、引言

制造业是立国之本、兴国之器、强国之基，是国家经济命脉所系。党的二十大报告和2023 年10 月中央金融工作会议先后强调我国要坚持把发展经济的着力点放在实体经济上，加快建设制造强国；增强金融支持实体经济力度的稳定性，持续加大对制造业等国民经济重要领域和薄弱环节的支持力度。然而，资本市场融资困难以及金融供需不平衡等问题制约着金融服务实体经济发展以及制造业企业绿色转型，成为制造业企业高质量发展亟待解决的问题。

金融是经济的血脉，随着传统金融与新一代信息技术的深度融合，以数字金融、绿色金融等为代表的新一代金融产品日益成为新时代服务实体经济的主力军。绿色数字金融的概念发端于2017 年，蚂蚁金服与联合国环境规划署携手成立了绿色数字金融联盟，致力于使用数字技术在投融资方面推动绿色金融的创新发展。绿色数字金融是赋能新一代信息技术、助力绿色环保项目投融资、契合可持续发展目标的金融创新，其兼具让绿色金融更普惠、让数字金融更绿色的双重属性。在实践中，绿色数字金融是否能充分发挥其绿色与普惠双重属性的优势，成为推动实体企业高质量发展的有力工具，这还需要进一步科学严谨的实证研究。

目前，国内外鲜有文献围绕绿色数字金融与企业高质量发展展开探讨，但是关于金融与企业高质量发展的研究，学术界已取得丰硕成果，这为本文研究提供了一定的参考与借鉴。国内外学界的相关研究主要聚焦于以下三个方面：一是绿色金融。崔艳娟和彭丽丽（2023）研究发现绿色金融对企业全要素生产率的提升具有显著促进作用，且绿色技术研发是促进企业全要素生产率提高，实现企业高质量发展的重要传导机制。王丽萍等（2021）研究发现绿色金融通过推进企业绿色研发创新实现企业全要素生产率的提高和企业价值的提升。Porter 和Linde（1995）提出如果绿色金融工具设计灵活合理，有利于提高企业的市场竞争力。二是数字金融。现有文献从多个视角探讨了数字金融影响企业高质量发展的因素，包括企业内部管理视角（潘艺和张金昌，2022）、企业融资约束视角（靳曙畅等，2023）、创新视角（Meoli和Vismara，2021）等，指出数字金融通过促进人才引进和研发投入、缓解企业融资约束、降低企业财务风险、促进企业创新等途径赋能企业高质量发展。此外，Nambisan 等（2019）指出数字金融借用数字化技术可以提高企业获取资金的能力，为其高质量发展创造先决条件。三是科技金融。张晓莉等（2022）研究发现科技金融能显著激发企业创新动能，提升企业创新绩效，促进企业全要素生产率及其集中度的提升，实现高质量发展。李大伟等（2021）基于我国上市公司数据，研究发现科技金融通过促进企业数字技术应用、推动企业产业结构优化升级，为企业高质量发展增添动力。

综上所述，现有研究对金融与企业高质量发展进行了丰富的研究，为本文提供了借鉴参考。然而，现有研究多从数字、绿色、科技金融等单一角度研究其与企业高质量发展的关系，鲜有文献涉及绿色和普惠双重视角，探究绿色数字金融对企业高质量发展的影响。因此，本文使用我国A 股制造业上市公司2011—2019 年的数据，实证分析绿色数字金融对企业高质量发展的影响和作用机制，以期为推动绿色数字金融赋能企业高质量发展提供经验证据与参考。本文可能的边际贡献有以下几个方面：（1）现有研究未对绿色数字金融进行测度，本文充分考虑绿色数字金融的绿色和普惠属性，利用地区绿色金融与数字普惠金融指数，使用耦合协调度模型，构建了地区层面的绿色数字金融指数。（2）实证研究了绿色数字金融与制造业企业高质量发展的关系，分析了企业融资约束、绿色技术创新在其中起到的传导作用，进一步探究了绿色数字金融发挥作用的影响机制，丰富了国内外相关研究。

二、理论分析与研究假设

新古典经济学认为，企业唯一的目标是追求利润的最大化。但随着经济社会的发展，企业被重新定义为兼具经济和社会效应、促进社会发展的基本经济单元。在全面建设社会主义现代化国家的新征程上，作为经济高质量发展的微观主体，制造业企业发展也需要充分融入高质量发展的理念，即实现创新与绿色发展的协同推进，高效提升其全要素生产率。因此，本文在高质量发展理念下研究绿色数字金融与企业高质量发展间的逻辑关系。

（一）绿色数字金融对制造业企业高质量发展的直接影响

低碳绿色转型艰巨、资金供给短缺是阻碍制造业企业高质量发展的重要因素。尤其对中小企业来说，其经营不稳定、技术水平低、资金欠缺等劣势令他们在发展时往往面临窘境，而绿色数字金融兼具绿色和普惠双重属性，能够为制造业企业高质量发展提供有效支持。一方面，绿色数字金融能实现资源优化配置。绿色数字金融发展助力构建环境信息披露共享机制和基于环境信息的资金配置机制，促进企业依法披露环境信息，使得更多资金流向环保企业（崔艳娟和彭丽丽，2023），进而推动环保企业绿色升级发展以及污染企业绿色转型，发挥绿色数字金融“有保有压”的双重效应（王丽萍等，2021）。另一方面，绿色数字金融有利于增加企业销售收入。绿色数字金融的普惠属性帮助更多消费者获得金融资源支持，从而增加企业产品需求，有利于企业发展（苏冬蔚和连莉莉，2018）。基于以上分析，本文提出假设H1。

H1：绿色数字金融可以推动企业高质量发展。

（二）绿色数字金融对制造业企业高质量发展的作用机制

综上所述，绿色数字金融可以推动制造业企业高质量发展。然而，缺乏技术支持以及资金支持是阻碍企业高质量发展的主要原因。因此，有必要对绿色数字金融促进企业高质量发展的绿色技术创新、融资约束机制进行详细探讨。

1.绿色技术创新

绿色技术创新是推动制造业企业绿色转型发展的重要手段，而企业进行绿色技术创新、绿色技术研发均受到金融资源供给的直接影响。虽然数字金融在金融普惠方面提供了很大力度的支持，但对绿色发展的关注不足，对一些污染严重的经济活动仍予以支持，对企业绿色技术创新的资金支持力度亦有限。然而，绿色数字金融融入了绿色属性，弥补了其他金融服务支持绿色技术创新不足的缺陷：一方面，将企业绿色信息融入金融服务过程中，能够缓解绿色技术项目与金融机构之间的信息不对称，从而为企业绿色技术研发项目吸引更多资金（王馨和王营，2021）。另一方面，将企业环境绩效、绿色标准嵌入信贷资格审查环节，为绿色企业开辟绿色通道，满足绿色技术项目的资金需求（王文娜等，2020）。基于此，本文提出假设H2。

H2：绿色数字金融通过推动企业绿色技术创新，进而促进企业高质量发展。

2.企业融资约束

融资约束加剧会压缩企业研发投入和阻碍人力资本积累，使得企业创新发展受阻，影响企业提升自身竞争力，进而阻碍企业高质量发展。然而，绿色数字金融的普惠属性可以有效缓解企业的融资约束：一方面，Hottenrott 和Peters（2012）通过研究发现，降低信息不对称能够有效缓解企业的融资约束。绿色数字金融赋能企业及金融机构间构建硬化软信息的算法和大数据库，进而实现了二者间信息的快速匹配，能够对企业进行较为精确的风险评估（黄浩，2018），有效降低信息不对称，解决企业的外源融资约束难题（Gomber 等，2018）。另一方面，在新一代信息技术的支持下，金融机构可在低成本、低风险的基础上筛选优质企业，有助于解决金融资源错配问题（王文娜等，2020）。基于此，本文提出假设H3。

H3：绿色数字金融通过有效缓解企业融资约束，进而促进企业高质量发展。

三、模型设定与变量说明

（一）模型设定

为研究绿色数字金融与制造业企业高质量发展的关系，本文参照吴浩强和胡苏敏（2023）对模型的设定，将基准估计模型设定为：

式（1）中，TFPit为第t年i企业的全要素生产率，用于衡量企业高质量发展；GDFit表示绿色数字金融；Controlit为一系列控制变量的集合，包括企业规模、企业成长、现金流量、资产负债率、第一大股东持股比例、企业市场价值、股权集中度、资产收益率、资本支出等；δi为个体固定效应；μt为年份固定效应；εit为随机误差项。

（二）变量说明

1.被解释变量：企业高质量发展（TFP）

高质量发展是一个非常系统的概念，具有很强的包容性和层次性。对于微观层面的高质量发展，目前尚无统一定义，但多数文献认为实现高质量发展的关键在于提高生产效率（刘思明等，2019）。由于全要素生产率同时考虑了企业生产过程中的资本和劳动以及中间要素投入，包含的信息丰富，综合性较强，能够更加全面客观地反映企业的生产效率，同时党的二十大报告也提出“加快建设现代化经济体系，着力提高全要素生产率”的要求，因此本文利用测算的全要素生产率作为衡量企业高质量发展的代理变量。其值越大，企业发展水平越高。本文参考鲁晓东和连玉君（2012）的研究，采用LP 法测度企业全要素生产率，具体计算公式如下：

式（2）中，Yi,t为企业产出，用企业营业收入进行衡量；Ki,t为企业资本投入，用企业固定资产净额进行衡量；Li,t为企业劳动投入，用企业员工人数进行衡量；Mi,t为企业中间投入，用企业营业成本、销售费用、管理费用、财务费用四项之和减去折旧摊销和支付给职工的现金进行衡量；εi,t表示随机误差项。

2.解释变量：绿色数字金融（GDF）

本文参考谭燕芝等（2021）关于数字金融、绿色金融的耦合研究，将不同地区绿色金融发展水平与数字金融发展水平的耦合协调度作为地区绿色数字金融的代理变量。具体方法如下：

（1）确定地区绿色金融发展水平、数字金融发展水平的衡量指标，通过标准化处理，得到各自序列值u1和u2。

（2）利用耦合协调度模型计算，由GDF=确定地区绿色数字金融发展水平，即耦合协调度越高，绿色数字金融发展水平越高。其中，关于绿色金融发展水平的衡量，本文参考胡文涛等（2023）的研究，从绿色信贷（六大高耗能工业产业利息支出/工业利息总支出）、绿色投资（环境污染治理投资/GDP）、绿色保险（农业保险收入/农业总产值）、政府支持（财政环境保护支出/财政一般预算支出）四个维度构建指标体系，然后通过熵值法计算；关于数字金融发展水平，采用市级口径的北大数字普惠金融指数来衡量。

3.机制变量

（1）企业融资约束（FC）。本文采用SA 指数绝对值的自然对数来衡量企业融资约束，该值越大，说明企业融资约束程度越高。具体计算公式如下：

式（3）中，Size=ln（企业期末总资产/1 000 000），Age=当年年份-成立年份。

（2）绿色技术创新（GTI）。本文参考张德涛和张景静（2022）的研究，选用上市公司绿色专利申请数的自然对数来衡量。

4.控制变量

参考陶锋等（2023）学者的做法，本文加入一系列控制变量：企业规模（Size），使用企业营业收入的自然对数来衡量；企业成长（Growth），使用企业上市年份减去成立年份后取自然对数来衡量；现金流量（Cashflow），使用企业经营活动中产生的现金流净额与总产值的比值来衡量；资产负债率（Debt），使用总负债与总产值的比值来衡量；第一大股东持股比例（Top1），使用第一大股东持股占总股数的比重来衡量；企业市场价值（TobinQ），使用企业总市值与总负债之和与总产值的比值来衡量；股权集中度（Topholder），使用前五大股东持股数的加总占总股数的比重来衡量；资产收益率（Roe），使用企业净利润总额与企业总资产的比值来衡量；资本支出（Capex），使用企业战略性投资与滚动性投资之和与总产值的比值来衡量。

（三）数据来源

本文使用我国A 股制造业上市公司2011—2019 年的面板数据为研究样本，并对数据进行如下处理：第一，剔除*ST、ST、PT 公司；第二，清除数据缺失严重的样本；第三，对所有控制变量进行上下1%的缩尾处理，以消除异方差对回归结果所带来的影响。本文企业数据来自CSMAR 数据库，绿色金融数据来自《中国统计年鉴》《中国保险年鉴》以及各省统计年鉴，数字金融数据来自北大数字普惠金融指数。

各变量的描述性统计结果见表1。

表1 变量描述性统计结果

四、实证结果与分析

（一）基准回归

基准回归结果见表2。列（1）—（4）分别检验了不加控制变量、加控制变量、固定效应以及随机效应的回归结果，结果显示绿色数字金融的回归系数均在1%的水平上显著为正，这意味着绿色数字金融显著促进企业高质量发展，验证了H1。同时，F 检验以及Hausman 检验结果显示，p值为0.00，说明固定效应模型为最优选择。具体而言，一个地区可以尝试大力发展绿色数字金融，释放绿色数字金融活力，使其成为推动企业高质量发展的重要助力器。

表2 基准回归结果

根据固定效应模型结果，在控制变量方面，企业规模、现金流量、资产负债率、企业市场价值、股权集中度和资产收益率都对企业高质量发展有显著的正向促进作用。可能的原因在于，随着企业规模扩大，其吸纳各种资源的能力增强，使得企业整体实力提升。现金流量的增加有助于企业进行生产研发、投资等活动，提高企业经营绩效。资产负债率存在临界值，当企业资产负债率低于临界值时，可以显著促进企业高质量发展。企业市场价值的提高，意味着企业整体实力增强，能够吸引更多资金、技术、人才等要素集聚，推动企业高质量发展。股权集中度体现了企业的股权优化程度，资产收益率体现了企业的盈利能力，为企业发展所需稳定资金提供保障。此外，企业成长、第一大股东持股比例以及资本支出对企业高质量发展产生显著的负向作用。可能的原因在于，企业成长过快容易在资金、生产经营能力等方面埋下隐患，容易导致企业畸形发展。第一大股东持股比例过大，说明企业股权过于集中，容易导致企业内部生产管理经营僵化，阻碍企业高质量发展。

（二）稳健性和内生性检验

1.稳健性检验

本文共采用三种方法进行稳健性检验：第一，由于企业全要素生产率测量方法的差异可能会对估计结果产生影响，本文使用OP 法重新测算企业全要素生产率。表3 列（1）的结果显示，绿色数字金融的系数显著为正，与基准结果保持一致。第二，考虑到区域经济发展水平的差异可能会影响绿色数字金融对企业发展的作用，本文使用更严格的固定效应，加入省份与年份交互效应，以控制省份层面随年份变化因素的影响，进而缓解地区经济发展水平对回归结果的影响。表3 列（2）的结果显示，绿色数字金融的系数显著为正，与基准结果保持一致。第三，考虑到直辖市有着较大的经济、政治特殊性，绿色数字金融发展水平与企业发展水平要明显高于其他地区，故对直辖市数据做剔除处理。表3 列（3）的结果显示，绿色数字金融仍通过了1%水平下的显著性检验。第四，多数学者研究发现我国实施“宽带中国”战略以及碳排放权交易试点政策都显著促进了数字金融和绿色金融的发展（刘成杰等，2022；张修凡和范德成，2021），本文充分考虑外生冲击，认为“宽带中国”战略以及碳排放权交易试点政策通过影响数字金融和绿色金融进而对绿色数字金融产生影响，故采用带有调节效应的多期双重差分模型（DID）来检验绿色数字金融对企业高质量发展的影响。模型具体的设定形式为：

表3 稳健性及内生性检验结果

式（4）中，下标i、t分别代表企业和年份，为多期双重差分变量，且DIDit=treati×postit，其中，treati表示是否为处理组，如果i企业位于“宽带中国”示范城市或碳排放交易权试点城市，则treati=1，否则treati=0；postit表示“宽带中国”示范城市批复的时间或碳排放权交易试点政策实施的时间。表3 中列（4）—（5）为多期双重差分模型检验结果，可以发现回归系数依然为正值，且分别通过了10%、1%水平下的显著性检验，说明外生政策冲击有助于绿色数字金融的发展，从而对企业高质量发展产生了显著的促进作用。由此可知，充分考虑外生政策冲击的影响后，本文的核心结论依然成立。

2.内生性检验

本文旨在考察绿色数字金融对企业高质量发展的影响，但在具体检验中可能存在反向因果的内生性问题，即企业的生产经营活动本身可能会推动当地绿色数字金融的发展。对于这一问题，本文采用核心解释变量的一阶滞后项作为工具变量（L.GDF），即评估上年的绿色数字金融如何影响当年的企业高质量发展，以在一定程度上削弱反向因果问题。一方面，当年的绿色数字金融发展离不开上年绿色数字金融发展的基础，因此上年绿色数字金融发展水平与当年数字金融发展水平存在相关性；另一方面，当年企业高质量发展水平主要受到本年地区绿色数字金融发展的影响，很难受到上年绿色数字金融发展水平的影响，即工具变量满足外生性假设，因此，选择绿色数字金融的一阶滞后项作为工具变量理论上具有一定的合理性。表3 列（6）汇报的回归结果显示回归系数显著为正，且通过5%的显著性检验，同时通过弱工具变量检验，表明工具变量是可靠的。内生性检验结果与前文研究结论依然保持一致，增强了研究结论的可靠性。

（三）异质性检验

1.企业特征的异质性

（1）规模异质性。绿色数字金融对不同规模企业高质量发展的影响可能存在较明显的差异。大型企业的资源丰富且资金雄厚（Bessen 和Righi，2019），更有实力推动企业全要素生产率的提高。因此，绿色数字金融对大型企业高质量发展的推动作用可能不显著。与大型企业相比，中小规模企业受资本市场的关注度相对较低，他们更需要通过绿色数字金融实现市场追赶，因此绿色数字金融对中小规模企业高质量发展的促进作用可能更显著。陶锋等（2023）、张叶青等（2021）的研究也发现，与大型企业相比，数字技术创新、大数据应用技术可以更有效地推动中小规模企业发展。鉴于此，本文根据样本企业总资产的中位数将企业分为大型企业和中小规模企业，分别进行回归。检验结果见表4 列（1）、（2），结果显示中小规模企业的估计系数在1%的水平下显著为正，而大型企业的估计系数并不显著，这表明绿色数字金融对中小规模企业高质量发展的促进作用更明显。

表4 异质性检验结果：企业特征

（2）产权性质异质性。绿色数字金融对不同产权性质企业高质量发展的影响也可能存在明显的差异。一方面，从经营目标来看，国有企业在追求利润的同时，还需要承担战略性和社会性的政策任务（林毅夫等，2004）。与国有企业相比，绿色数字金融对民营企业的影响可能更明显。另一方面，从经营环境来看，国有企业拥有预算软约束优势，更容易获得政策支持，而民营企业获取银行贷款和政策优惠的难度更大（Allen 等，2005）。因此，与国有企业相比，民营企业具有更大的压力，需通过绿色数字金融来提高全要素生产率，实现高质量发展。鉴于此，本文将样本数据基于产权性质分组进行异质性检验。检验结果见表4 列（3）和列（4），结果显示民营企业的估计系数在1%的水平下显著为正，说明绿色数字金融对民营企业高质量发展的促进作用更显著。

2.行业层面的异质性

中高端制造业多属于知识与技术密集型行业，其技术创新、产品研发速度明显要高于低端制造业，这使得中高端制造业更容易受到资本市场的青睐，绿色数字金融对中高端制造业高质量发展的促进作用可能更好。本文根据联合国工业发展组织发布的《2016 年工业发展报告》以及参考傅元海等（2014）使用的分类方法将制造业企业分为低端制造业、中端制造业以及高端制造业三组。分组检验结果见表5，结果显示绿色数字金融对低端、中端以及高端制造业的回归系数分别为负、正、正，且都通过了至少5%的显著性检验。这表明绿色数字金融能够显著促进中高端制造业企业的高质量发展，但由于低端制造业企业多集中于“两高一剩”产业，绿色数字金融会抑制资金向这部分企业的投入，从而对其发展产生负向作用。

表5 异质性检验结果：行业层面

五、机制分析

为检验绿色数字金融影响企业高质量发展的企业融资约束和绿色技术创新渠道，本文参考张叶青等（2021）的研究，构建如下模型进行检验：

式（5）中，Mechanismit表示所检验的机制变量，包含企业融资约束（FC）以及绿色技术创新（GTI）。

企业绿色技术创新的机制检验结果如表6 列（1）、（2）所示。由列（1）可知，绿色数字金融对绿色技术创新的回归系数在1%的水平下显著为正，表明绿色数字金融可以推动企业绿色技术创新；列（2）中绿色技术创新对企业全要素生产率的回归系数为正，且通过了5%的显著性检验，说明绿色技术创新在绿色数字金融促进企业高质量发展中起到了部分中介作用，验证了绿色数字金融通过推动绿色技术创新进而赋能企业高质量发展的作用机制，验证了H2。

表6 绿色数字金融影响企业高质量发展的机制检验结果

企业融资约束的机制检验结果如表6 列（3）、（4）所示。列（3）的检验结果显示，绿色数字金融对企业融资约束的回归系数在1%的水平下显著为负，考虑到该指标越大，企业融资约束程度越高，这说明绿色数字金融可以显著缓解企业融资约束；列（4）中回归系数在1%的水平下显著为负，说明企业融资约束在绿色数字金融促进企业高质量发展中起到部分中介作用，验证了绿色数字金融通过缓解企业融资约束进而促进企业高质量发展的作用机制，验证了H3。

六、结论与建议

本文以我国A 股制造业上市公司2011—2019年的面板数据为样本，与地区绿色数字金融指数进行匹配，以企业高质量发展为视角，实证检验了绿色数字金融与制造业企业高质量发展间的关系，并探讨了其中的影响机制。主要研究结论如下：（1）绿色数字金融显著促进企业高质量发展，在一系列稳健性检验后，该结论依然成立。（2）异质性分析表明，绿色数字金融对于中小规模企业、民营企业以及中高端制造业企业的高质量发展的促进作用更加明显。（3）机制检验表明，绿色数字金融通过缓解企业融资约束、激励企业绿色技术创新，进而促进企业高质量发展。

基于上述结论，本文提出如下政策建议：

第一，政府可通过政策支持绿色数字金融发展与应用环境搭建，实现其与实体经济的融合发展。一方面，缓解制造业企业融资约束，引导金融机构重视绿色数字金融的开发与应用，加快研发绿色数字金融产品、完善服务体系、建设运营管理系统，提高制造业企业的融资效率，为制造业企业提供充足的资金支持。另一方面，加大对制造业企业绿色技术创新的激励，政府应引导支持企业开展绿色技术研发，推动生产方式、产品的绿色变革。同时，鼓励技术优势显著的企业优先开展绿色技术创新，加速绿色技术与产品、服务、商业模式等方面的深度融合，形成示范效应、复制效应，进而提高制造业企业整体的绿色技术创新水平。

第二，在制定具体的实体企业高质量发展政策时应充分考虑企业的异质性，分类施策，实现政策的精确定位。政府要建立和完善相应的财税补贴政策和支持体系，加大对中小规模企业、民营企业高质量发展的支持力度，进一步推动各行业市场化改革，为各行业高质量发展稳步推进保驾护航。对于低端制造业，政府应充分发挥绿色数字金融的作用，倒逼低端制造业进行绿色转型，实现高质量发展。