数字金融、绿色创新与绿色转型

摘 要：在当前我国追求高质量发展的背景下，企业通过数字信息的深度应用，能够在生产、运营、销售以及研发创新等多个关键环节获得强大赋能，进而有效推动企业实现发展模式的全面升级与转型。本文基于全国29个省份（市、自治区）2011—2021年的面板数据，通过构建PVAR模型研究了数字金融、绿色创新和绿色转型这三者之间的动态影响关系，以期在加入更多相关信息并且考虑滞后影响，内生问题的情况下进行实证分析。研究表明：（1）滞后一期的绿色创新则对当前的数字金融发展没有显著影响。（2）滞后一期的数字金融对当前的绿色创新具有显著的正向影响，但在东部地区则没有显著影响。（3）滞后一期的绿色创新能够显著正向影响当前的绿色创新水平。

关键词： 数字金融；绿色创新；绿色转型；PVAR模型；数字信息

中图分类号：F124.3 文献标识码：A 文章编号：2096-0298（2024）09（b）--05

党的二十大报告强调绿色发展，人与自然和谐共生。我国经济已转向高质量发展，群众、产业、企业和政府均积极响应绿色转型。随着金融科技和数字技术如大数据、云计算、区块链的广泛应用，金融服务效率提高，推动了绿色创新。绿色技术创新能平衡经济增长与环境保护，实现“双赢”，提升企业竞争力。尽管有进步，但实现“碳达峰”和“碳中和”目标仍具挑战。高质量发展要求数字信息赋能企业各环节，以升级发展模式。然而，优惠政策实施、资金支持、企业创新意愿等传导机制仍存问题，需进一步研究解决，以确保绿色转型和高质量发展的顺利推进。

1 文献综述

数字经济凭借大数据、云平台等数字技术，在资源统筹、决策规划上优势明显。挖掘其创新潜力，释放发展动能，发挥绿色价值，是传统产业绿色转型升级的必然选择。赵柄鉴（2021）研究发现，依托互联网革命和科技创新所带来的科技成果日渐成熟，并且与其他领域相互渗透、融合日趋紧密。黄健斌（2022）研究发现，数字技术、AI和机器人研发、智能制造等投入能提升生产力、扩大规模、激励创新，降低生产成本。李治国等（2021）研究发现，数字经济在企业和城市的制造业生产率提升中均发挥促进作用。程文先等（2021）发现绿色创新可以推动中国相关产业绿色化发展从而加速对数字经济的建设，并且该效应随着制度环境的提升表现出“U”型特征边。刘敏楼等（2022）研究发现，数字金融智能化服务越高，金融服务越高效精准，并且能降低企业创新成本，提升绿色创新效率。周晓辉等（2021）研究发现，数字经济提高资本配置效率，减少扭曲，长期促进绿色创新，非数字金融短期效应。

绿色创新显著影响绿色转型，我国经济已由要素驱动转向效率与创新双驱动，但仍面临内外部挑战，如资源不足与政府支持缺乏，导致创新意愿不强。除节能减排与降低污染外，绿色金融政策会对企业融资成本产生冲击，陈国进等（2021）研究发现，绿色金融政策能够通过差异化信用利差提高企业债务融资成本，进而促进企业绿色转型。曾惠芝（2022）研究发现，绿色金融与企业融资成本存在显著正相关。王保林等（2023）研究发现，绿色创新能提升城市经济韧性，增强对外冲击的抵抗力。张学超等（2022）研究发现，绿色创新与经济增长质量的耦合性随着时间推进在不断提升，但其耦合性存在区域性差异。古惠冬等（2022）研究认为，绿色技术创新有助于降低碳排放、促进节能减排、减少环境污染、提升绿色生产效率，其影响效应具有空间关联性。

数字金融成为城市绿色转型的强劲推手，而数字经济则通过优化技术结构，显著提升全要素生产率，为工业经济的高质量发展注入了强大的技术驱动力。熊晓炼等（2022）研究指出，数字经济与产业绿色转型之间能够实现耦合协调发展，尽管当前区域间的协同差异尚不显著，但这种差异却展现出逐渐扩大的趋势。戚聿东等（2020）研究发现，企业转型因能增加企业的整体开放性和流动性，被视为企业绿色创新的关键。刘广亮等（2023）将绿色技术创新视为关键中介，深入剖析了创新要素集聚及政府竞争在促进产业结构升级过程中，绿色技术创新所扮演的中介角色及其影响机制。韩先锋等（2023）研究揭示了绿色技术创新对地区产业升级的显著正面效应，但值得注意的是，这种推动作用随时间推移呈现出边际效率递减的非线性特征，即其正面影响的强度在逐渐减弱。

2 研究设计

2.1 模型构建

为研究数字金融、绿色创新与绿色转型之间的关系，本文构建面板向量自回归模型（PVAR）进行分析，模型如下：

其中，i、t分别表示样本中的个体和时间，j为滞后阶数，包含数字金融（digit）、绿色创新（invent）与绿色转型（trans）三个内生变量。θit和δi分别表示随时间变化的个体固定效应和不随时间变化的个体固定效应，εit为随机扰动项。

2.2 变量选择

基于对相关文献的借鉴以及数据和模型的适用程度，本文选取面板向量自回归模型（PVAR），对全国数字普惠金融指数、企业绿色创新发明专利数、城市转型程度三个时间序列变量来做实证研究。本文选择三个变量如下：（1）数字金融（digit）：采取北京大学数字金融研究中心公布的数字普惠金融指数；（2）绿色创新 （invent）：采取每年各个地区企业绿色发明专利的申请数量；（3）绿色转型（trans）：选取碳排放强度这一指标来衡量地区绿色转型的程度。数据描述性统计如下表1所示：

2.3 单位根检验

本文为确保分析结果的准确性，鉴于采用的数据为短面板特性，采用LLC、IPS及HT三种方法对绿色创新（lninvent）、数字普惠金融指数（lndigit）及绿色转型（trans）对数序列进行了单位根检验。若初次检验结果显示序列不平稳，则进一步对这三个变量的对数序列进行一阶差分处理（dlninvent、dlndigit和dtrans），并重新进行上述单位根检验，以期获得平稳的时间序列。其检验结果如表2所示，数字普惠金融指数的对数序列（lndigit）通过平稳性检验，但绿色创新的对数序列（lninvent）和绿色转型（trans）未通过平稳性检验，但绿色创新的对数序列（lninvent）和绿色转型（trans）的一阶差分均通过平稳性检验，故可构建面板向量自回归模型。

2.4 最优滞后阶数的选择

本文采用MAIC、MBIC与MQIC准则来确定最优滞后阶数，之后根据三个准则值最小化原则来选取最优滞后阶数。结果显示如表3所示，确定本文模型选取的最优滞后阶数为1阶。

2.5 稳健性检验

为确保模型稳定性以及后续GMM估计、脉冲响应分析和方差分解结果的有效性，本文进行了模型的稳健性检验。具体而言，通过检查动态矩阵特征值的模型是否均小于1（位于单位圆内部）来评估模型稳定性。如图1所示，所有动态矩阵特征值的模型均满足这一条件，因此可以确认本文所采用的模型是稳健的。

2.6 GMM估计

在确认数据已通过单位根检验展现平稳性，并确定了最优滞后阶数的基础上，本文采用Stata 16.0软件，运用广义矩估计（GMM）方法对数字普惠金融指数、绿色创新以及绿色转型三个核心变量进行了模型估计，旨在深入分析它们之间的动态交互关系。具体的研究发现及估计结果已整理并展示在表5中。

本文以数字金融（h_dlndigit）为被解释变量。本年的数字金融会受到滞后一期的数字金融的影响，且其影响在1%显著水平下为正，说明上一期的数字金融发展促进当前数字金融的发展，这表明数字金融的发展能够不断强化自身，其技术的发展存在着连续性，往年的技术更迭能为后期的数字金融发展打下技术和条件的基础，并且这种促进效果的显著，说明我国在数字金融的发展过程中做得较好，政策和技术的传导较为有效。而滞后一期的绿色创新则对当前的数字金融发展没有显著影响，这可能是由于当前我国绿色技术的创新主要是集中在生产方式上，对于新能源的使用以及能源再生等技术的攻关较多，从而对数字金融并未产生显著影响。滞后一期的绿色转型对数字金融水平存在着显著的正向影响，这可能是由于我国部分地区在绿色转型期间企业数字技术的创新性优化提高了整个区域的数字金融程度，同时地区转型过程中所需要的大规模资金对数字金融提高提出了要求，能够有效促进相关基础设施的完善以及金融体系的发展。

本文以绿色创新（h_dlninvent）为被解释变量。滞后一期的数字金融对当前的绿色创新具有显著的正向影响，这可能是数字金融通过对新技术、大数据的使用使得企业的可获得资金增加以及资金使用成本降低，从而有效促进企业创新发明的积极性，也为其绿色创新提供了资金支持。滞后一期的绿色创新能够显著的正向影响当前的绿色创新水平，这可能是由于绿色创新的技术不断积累能够有效攻克相关的技术难题，通过技术积累能够更有效地进行创新以及相关技术人才队伍的不断壮大也能够有效提高创新实力。

本文以绿色转型（h_dtrans）为被解释变量，滞后一期的绿色创新均对绿色转型有正向影响，其原因可能是由于绿色创新能够通过技术在保障经济绩效的同时促进整个地区的节能减排，实现资源高效以及再生使用，以及人力、资源等各方面资源的投入和高效使用能够极大的促进地区的绿色转型。滞后一期的绿色转型能够显著正向影响当期的绿色转型，其原因可能是技术、产业和相关人力资源的堆积，使得绿色转型进程不断加快，从而产生正向影响。

2.7 脉冲响应分析

本文对模型的矩估计（GMM）结果显示了各变量之间的静态互动关系，为了进一步研究数字金融、绿色创新和绿色转型三者之间的动态影响关系，本文对三个变量进行脉冲响应分析。脉冲响应函数是在控制其他变量的情况下，描述一个内生变量在受到另一个内生的变量标准化冲击后的响应情况。本文设置时间跨度为10期，进行300次蒙特卡洛模拟，横坐标表示滞后期数，纵坐标反映响应变量的响应程度，实线表示冲击效果，阴影部分表示95%的置信区间。

如图2所示，是全国样本整体的数字金融、绿色创新和绿色转型三者之间的脉冲响应函数。从图2可知，绿色转型长期对自身存在促进作用，但是随着时间的推移，其对自身的促进作用逐渐变弱；而绿色转型在短期内表现出对绿色创新有较大促进作用，但是该促进作用在长期逐渐衰弱；绿色转型对数字金融在第一期表现出抑制作用，而在第三期以及后期则表现出促进作用逐渐减弱的影响作用。在长期范围，绿色创新对绿色转型表现出较为持久的促进作用；绿色创新对于其自身则表现出随时间递减的促进效果，并且其促进效果随着时间的递减较为明显；绿色创新对于数字金融的影响效果表现出倒“U”型特征，前期的促进作用较强，后期则随着时间促进效果逐渐减少。数字金融对绿色转型以及绿色创新均表现出随时间逐渐减弱的促进作用，但其促进效果随时间变化较轻；数字金融前期对自身表现出较为显著的促进作用，其后则随着时间改变逐渐减小。

2.8 方差分解

为了量化不同随机扰动项对内生变量产生的冲击效应，并深入探讨这些冲击在动态演变过程中的相互影响程度，本文针对所建模型进行了方差分解分析。在设定分析期数为10期的前提下，方差分解的具体结果见表5。

从数字金融的方差贡献率来看，在期初数字金融对自身的方差贡献率较大，在第五期达到53.4%，同时绿色转型对数字金融的方差贡献率也较大。而在第十期，绿色转型的方差贡献率甚至超过了数字金融自身。

从绿色创新的方差贡献率来看，在期初绿色转型对绿色创新的方差贡献率较大，在第十期和第五期达到了79.7%，而自身的方差贡献率仅为20%。

从绿色转型的方差贡献率来看，绿色转型对自身的方差贡献率均较大，绿色转型的方差贡献率均达到95%以上。

2.9 格兰杰因果检验

为进一步分析数字金融、绿色创新和绿色转型之间的短期动态影响和因果关系，本文对这三个变量进行格兰杰因果检验。结果如表6所示，绿色转型是数字金融的单向格兰杰原因，数字金融是绿色创新的单向格兰杰原因，绿色创新是绿色转型的单向格兰杰原因。这说明绿色转型能够单向影响数字金融发展，数字金融能够单向影响绿色创新增长，绿色创新能够单向影响绿色转型程度。

3 结论与建议

本文使用全国29个省份（市、自治区）2011—2021年的面板数据，运用PVAR模型对数字金融、绿色创新、绿色转型之间的动态交互关系进行了分析，得出以下结论。

（1）GMM广义矩估计结果显示：①以数字金融作为被解释变量。本年的数字金融会受到滞后一期的数字金融的影响，且其影响在1%显著水平下为正，说明上一期的数字金融发展促进当前数字金融的发展；滞后一期的绿色创新则对当前的数字金融发展没有显著影响；滞后一期的绿色转型对数字金融水平存在着显著的正向影响。以绿色创新为被解释变量。滞后一期的数字金融对当前的绿色创新具有显著的正向影响；滞后一期的绿色创新能够显著的正向影响当前的绿色创新水平。②以绿色转型为被解释变量。滞后一期的数字金融对影响绿色转型的影响不显著；滞后一期的绿色创新对绿色转型有正向影响；滞后一期的绿色转型能够显著正向影响当期的绿色转型。

（2）脉冲响应结果显示，在全国范围内绿色转型在长期对自身以及绿色创新存在促进作用，但是随着时间的推移，其对自身的促进作用逐渐变弱；绿色转型对数字金融在第一期表现出抑制作用，而在第三期以及后期则表现出促进作用逐渐减弱的影响作用。在长期范围，绿色创新对绿色转型以及自身表现出较为持久的促进作用。绿色创新对于数字金融的影响效果表现出倒“U”型特征。数字金融对自身、绿色转型以及绿色创新均表现出随时间逐渐减弱的促进作用，但其促进效果随时间变化较轻。

根据上述实证得出的结论，本文提出以下政策建议。

（1）加强数字金融建设，确保其与经济发展和产业结构变化相匹配。政府应持续投入数字经济发展和创新，构建动态匹配指数，推动数字技术与产业融合，特别是在西部地区，促进数字金融与传统产业融合，助力绿色转型。对重污染企业，利用数字技术提供资金支持，推动绿色转型。大城市应利用成熟市场放大数字经济绿色效应，中小城市则应完善基础设施和政策支持，提高数字金融服务的经济可持续性。

（2）加快企业经济绿色转型，鼓励绿色创新，政府需加强引导和政策支持，强调节约优先，平衡产出与效率，降低能耗和碳排放。当前企业绿色创新影响较小，政府应加大支持，企业深化研究，共同推动绿色技术迭代更新。深化产业协同集聚，打造全产业链绿色发展，降低绿色创新风险与成本。政府可通过税收优惠、政策补贴等手段制定政策，提升绿色创新认识。在产业层面，推动一体化调控和协同发展，增强自主创新能力，延伸产业链，提高风险抵抗和节能减排效率。

参考文献

赵柄鉴，谭君印，文传浩.智能化与工业竞争力：理论机制与实证研究[J].统计与决策，2021，37（23）：174-178.

黄键斌，宋铁波，姚浩.智能制造政策能否提升企业全要素生产率？[J].科学学研究，2022，40（3）：433-442.

李治国，王杰.数字经济发展、数据要素配置与制造业生产率提升[J].经济学家，2021（10）：41-50.

程文先，钱学锋.数字经济与中国工业绿色全要素生产率增长[J].经济问题探索，2021（8）：124-140.

刘敏楼，黄旭，孙俊.数字金融对绿色发展的影响机制[J].中国人口·资源与环境，2022，32（6）：113-122.

周晓辉，刘莹莹，彭留英.数字经济发展与绿色全要素生产率提高[J].上海经济研究，2021（12）：51-63.

陈国进，丁赛杰，赵向琴，等.中国绿色金融政策、融资成本与企业绿色转型： 基于央行担保品政策视角[J].金融研究，2021，498 （12）：75-95.

曾惠芝.绿色金融、碳减排与企业融资成本[J].内蒙古财经大学学报，2022，20（1）：103-107.

王保林，户艳领，李依弯.京津冀城市群绿色创新效率测度及空间效应研究[J].河北经贸大学学报，2023，44（2）：88-99.

张学超.绿色技术创新与经济增长质量的关系研究[J].技术经济与管理研究，2022（12）：23-28.

古惠冬，杨维光，陈文捷.绿色技术创新对城市碳减排的效应研究[J].学术探索，2022（3）：120-132.

熊晓炼， 樊健.金融科技与制造业绿色转型协同演化机制及区域协同差异： 基于哈肯模型的实证分析[J].科技进步与对策， 2022（11）：63-73.

戚聿东，肖旭.数字经济时代的企业管理变革[J].管理世界，2020，36（6）：135-152+250.

刘广亮，冉启英，赵蓉，等.异质性地方政府竞争、绿色技术创新与产业结构升级[J].科技管理研究，2023，43（1）：215-222.

韩先锋，李佳佳，徐杰.绿色技术创新促进地区产业升级的动态调节效应：基于经济增长目标约束的新视角[J].科技进步与对策，2023，40（8）：44-53.