数字普惠金融能否缩小地区包容性绿色增长差距

摘要：本文深入考察数字普惠金融发展影响地区包容性绿色增长差距的内在机理，并利用2012—2022年中国277个地级城市的面板数据构建空间收敛模型，实证检验地区包容性绿色增长差距的变动特征以及数字普惠金融的影响效应。研究发现：在考虑空间效应的情形下，中国包容性绿色增长存在条件β收敛特征，即地区包容性绿色增长差距逐渐缩小；数字普惠金融及其空间溢出效应加快了包容性绿色增长速度，有利于缩小地区包容性绿色增长差距；资本要素流动是数字普惠金融缩小地区包容性绿色增长差距的内在机制。进一步异质性分析表明，在数字普惠金融的三个维度中，覆盖广度对地区包容性绿色增长差距的缩小作用更强，同时数字普惠金融对地区包容性绿色增长差距的缩小作用在中西部更加显著。

关键词：数字普惠金融；地区包容性绿色增长差距；空间收敛；资本要素流动

中图分类号：F832文献标识码：A文章编号：1001-148X（2024）05-0029-09

收稿日期：2024-01-27

作者简介：江唐洋（1991—），男，安徽安庆人，副教授，博士，研究方向：数字金融与经济发展；李晓龙（1990—），本文通讯作者，男，四川达州人，副教授，博士，研究方向：数字金融与经济发展。

基金项目：安徽省哲学社会科学规划项目“投入产出分析视角下安徽省碳排放驱动因素及‘碳达峰’路径研究”，项目编号：AHSKQ2021D160。

一、引言

近年来，在包容性绿色增长理念的指引下，中国经济增长水平不断迈上新台阶，社会分配结构与生态环境状况也得到明显改善。然而，中国包容性绿色增长在取得历史性进展的同时，尚面临严重的地区不平衡不充分问题［1］。根据“木桶原理”（CannikinLaw），只有不断补齐落后地区的包容性绿色增长“短板”，才能实现全国包容性绿色增长水平的全方位深层次提升。作为传统金融的有效补充，数字普惠金融旨在为金融弱势群体和金融欠发达地区提供更为便捷的金融服务，并发挥其经济增长效应、收入分配效应与绿色经济效应，有利于经济、社会与环境的协调发展，也是实现包容性绿色增长的重要动力。同时，数字普惠金融可以从金融的“普惠性”和“益贫式增长”两个方面影响地区包容性绿色增长差距。此外，数字普惠金融通过加快资本要素流动，引导资本流向相对落后地区，实现资本要素的优化配置，有利于解决地区包容性绿色增长不平衡不充分问题。

在中国持续推动新时代区域协调发展的现实背景下，研究数字普惠金融对地区包容性绿色增长差距的影响具有重要意义。相比以往研究，本文主要的边际贡献在于：第一，系统考察数字普惠金融对地区包容性绿色增长差距的影响机理，深入揭示数字普惠金融影响地区包容性绿色增长差距的资本要素流动机制，有助于拓展金融发展与经济增长理论的研究范畴；第二，将两种非期望产出（社会不公和环境污染）同时纳入经济增长模型，准确测算2012—2022年中国277个地级城市的包容性绿色全要素生产率，以科学反映中国包容性绿色增长水平；第三，考虑到地区包容性绿色增长存在的空间关联性，通过设定空间收敛模型，系统检验数字普惠金融对地区包容性绿色增长差距的影响效应及内在机制，可为缩小地区包容性绿色增长差距提供政策启示。

二、理论分析与研究假说

（一）数字普惠金融与地区包容性绿色增长差距

包容性绿色增长是经济增长、社会包容以及绿色生态等多个维度的有机统一，是兼顾公平和效率的经济发展方式［1］。作为传统金融的有效补充，数字普惠金融主要从三个方面影响包容性绿色增长。一是经济增长效应。借助数字技术手段，数字普惠金融能够有效缓解金融市场广泛存在的信息不对称，精准匹配实体经济发展的金融供需，增强金融服务经济增长的效能［2］；同时，数字普惠金融降低了金融服务获取成本，提高了经济主体参与金融活动的意愿与便利性，有助于释放其投资与消费动力，进而促进经济增长。二是收入分配效应。数字普惠金融的主要服务对象为金融弱势群体（如低收入群体和农村居民），发展数字普惠金融可以有效降低低收入群体和农村居民的金融市场进入门槛［3］，使其能够充分积累资本并进行生产活动，从而有利于调节收入分配，增强经济发展的包容性。三是绿色经济效应。数字普惠金融的数字化、网络化、集约化商业模式，有助于减少金融服务所产生的能耗与污染［4］，并形成良好的社会示范效应。同时，数字普惠金融能够精准引导金融资源流向，缓解绿色行业的融资约束，进而助力绿色经济发展。因此，数字普惠金融有利于经济、民生与环境的发展，是实现包容性绿色增长的重要动力。

数字普惠金融不仅可以驱动包容性绿色增长，还有助于促进包容性绿色增长收敛，进而缩小地区包容性绿色增长差距。首先，从金融的“普惠性”角度来看，数字普惠金融始终贯彻普惠性原则，助力地区包容性绿色增长的协调性。传统金融机构在提供服务的过程中普遍存在“嫌贫爱富”，致使落后地区的经济主体难以获得金融服务［5］，地区包容性绿色增长也因此受制于金融约束。与传统金融模式相比，数字普惠金融更容易突破金融服务供需的地域空间限制与城乡二元分割，提高金融服务的覆盖面、可得性和便利性，降低金融交易成本与金融服务门槛［6］，使基础金融服务能够辐射到过去传统金融难以惠及的落后地区，充分挖掘落后地区包容性绿色增长潜力。其次，从“益贫式增长”角度来看，数字普惠金融为落后地区带来更为显著的普惠效应［7］。换言之，数字普惠金融在落后地区的发展速度更快，其对落后地区包容性绿色增长的边际贡献更高。这也表明数字普惠金融在促进包容性绿色增长收敛以及缩小地区包容性绿色增长差距方面发挥着积极作用。基于此，本文提出如下研究假说：

H1：数字普惠金融有利于缩小地区包容性绿色增长差距。

（二）数字普惠金融、资本要素流动与地区包容性绿色增长差距

资本既是社会再生产活动的核心要素，也是包容性绿色增长的重要支柱。资本要素流动自由与否直接影响到资本要素的时空配置结构，决定着资本能否向生产率、回报率更高的地区或企业流动［8］，进而影响包容性绿色增长的收敛趋势及其地区差距。根据市场分割理论，当地区间资本要素市场存在分割时，资本要素的自由流动会遭遇阻碍，致使资本要素价格出现扭曲［9］。在资本要素价格扭曲的情形下，资本要素跨地区转移不畅使得不同地区资本要素的生产率也各不相同，由此导致高度依赖资本要素的包容性绿色增长出现地区差距。资本要素价格扭曲越严重，资本要素的自由流动程度越低，包容性绿色增长地区差距越大。换言之，由资本要素市场分割导致的资本要素自由流动受阻不利于缩小地区包容性绿色增长差距。随着资本要素市场分割的逐步缓解，资本要素自由流动速度明显加快。畅通的资本要素流动可以有效改善资本要素价格扭曲现象，平衡地区间资本要素价格差异，避免因资本要素向市场价格相对较高的地区集聚而出现资本集聚性过剩，优化资本要素跨地区配置，增强落后地区包容性绿色增长的资本要素供给，促进包容性绿色增长收敛，从而缩小地区包容性绿色增长差距。

影响资本要素自由流动的因素众多，数字普惠金融是重要原因，所以数字普惠金融能够通过加快资本要素流动进而缩小地区包容性绿色增长差距。首先，数字普惠金融的信息溢出效应有利于加快资本要素的自由流动。一方面，依托数字技术传递和信息共享，数字普惠金融得以快速、精准地匹配资本要素的供需要求，加快资本要素流动速度，优化资本要素的空间配置［10］；另一方面，信息溢出效应使资本要素对数字普惠金融信息的反应愈发灵敏，可以快速捕捉和筛选有益信息，进而提升资本要素的自我选择能力，引导资本要素自由流动，满足不同地区包容性绿色增长的金融需求，促进包容性绿色增长收敛，缩小地区包容性绿色增长差距。其次，数字普惠金融的政策效应与导向功能有助于加快资本要素自由流动。一方面，政府部门作为数字普惠金融的主要决策者，通过鼓励动员金融机构开展数字普惠金融业务，为落后地区提供普惠性金融服务［11］，推动资本要素在不同地区之间的自由流动与优化配置，从而满足包容性绿色增长的金融需求，促进包容性绿色增长收敛；另一方面，数字普惠金融依托数字技术提高了对包容性绿色增长中收益与风险的敏感程度，有效引导资本要素向落后地区流动，从供给端保障该地区凭借资本要素加快实现包容性绿色增长，缩小地区包容性绿色增长差距。综上，本文提出如下研究假说：

H2：数字普惠金融可以通过加快资本要素流动进而缩小地区包容性绿色增长差距。

三、研究设计

（一）空间收敛模型设定

为了检验数字普惠金融对地区包容性绿色增长差距的影响，本文借鉴郑万腾和赵红岩（2021）、李建伟等（2023）的研究做法［12-13］，在β收敛模型中引入反映数字普惠金融水平的变量，构建条件β收敛模型。条件β收敛表示各个地区包容性绿色增长速度不仅取决于初始值，还会受到其他条件的影响。并且，具有不同初始包容性绿色增长水平值的地区，收敛于不同的稳定状态。条件β收敛的普通面板回归模型如式（1）所示：

lnIGGi，t/IGGi，t－1=α+βlnIGGi，t－1+λDIFi，t－1+δ∑Xi，t－1+μi+ηt+εi，t（1）

式（1）中，lnIGGi，t和lnIGGi，t－1分别表示第i个地区第t年和第t-1年的包容性绿色增长水平的对数值；α为常数项；β为收敛系数；DIFi，t－1表示第i个地区第t-1年的数字普惠金融水平为了尽可能避免因果倒置（内生性）问题，本文对解释变量和控制变量进行了滞后一期处理。；Xi，t－1表示控制变量；μi为个体固定效应；ηt为时间固定效应；εi，t表示随机干扰项。

考虑到包容性绿色增长可能存在空间关联性，传统计量模型不能真实地反映这一空间效应，致使模型设定与结果估计产生偏差。为此，本文基于空间计量模型的框架，构建条件β收敛的空间杜宾模型（SDM）空间杜宾模型（SDM）相比于空间误差模型（SEM）、空间自回归模型（SAR）等具有多方面优势［14］，尤其可以更好揭示影响因素的直接效应、间接效应（溢出效应）和总效应［15］，因此更加符合本文的研究需要。，其检验方程如式（2）所示：

lnIGGi，t/IGGi，t－1=α+ρWln（IGGi，t/IGGi，t－1）+βlnIGGi，t－1+θWlnIGGi，t－1+λDIFi，t-1+δ∑Xi，t-1+μi+ηt+εi，t（2）

式（2）中，W代表空间权重矩阵，本文构建了地理邻接空间权重矩阵和地理距离空间权重矩阵。ρ为被解释变量的空间自回归系数，反映邻近地区被解释变量的空间相关性。θ为解释变量的空间自回归系数，反映邻近地区解释变量的空间相关性。

由于空间杜宾模型中包含了变量空间滞后项，采用最小二乘法（OLS）会造成参数估计偏误［14］，而极大似然估计（MLE）可以有效控制变量空间滞后项引起的内生性问题［15］，目前被普遍用于空间计量模型的结果估计。然而，对于包含固定效应的空间计量模型而言，基于传统极大似然估计得到的参数结果可能也是有偏的［16］。为此，本文采用Lee和Yu（2010）提出的准极大似然估计（QMLE）进行估计该模型采用正交转换方法来消除模型中的个体和时间固定效应，从而可以得到无偏的估计结果。［17］。

（二）变量选择

1被解释变量：包容性绿色增长（IGG）

根据前文所述，包容性绿色增长的本质是在追求经济增长的同时提高社会包容性以及环境绿色化，以此促进经济、社会与环境的协调发展。本文在借鉴聂长飞和简新华（2020）、李华和董艳玲（2021）等学者研究的基础上［18-19］，在经济增长模型同时纳入社会因素（社会不公）和环境因素（环境污染），建立了测度包容性绿色全要素生产率的投入产出指标体系，以准确衡量包容性绿色增长水平。其中，投入指标包括：（1）资本存量（亿元），使用永续盘存法计算获得；（2）劳动力，以全社会从业人员（万人）表示。非期望产出指标包括：（1）社会不公，以城乡收入差距（城镇人均收入与农村人均收入之比）反映；（2）环境污染，以地表PM25年均浓度（微克/立方米）表示。期望产出指标为实际GDP（亿元），使用GDP平减指数计算得到。本文利用Chung等（1997）的方向性距离函数Chung等（1997）将非期望产出引入全要素生产率模型，运用方向性距离函数的DEA方法进行实证分析，奠定了绿色全要素生产率的研究基础［20］。和Malmquist指数法测度包容性绿色全要素生产率［20］，并以2011年为基期的累计包容性绿色全要素生产率表示包容性绿色增长。

2解释变量：数字普惠金融（DIF）

参照已有研究的普遍做法［21-22］，本文以北京大学发布的数字普惠金融总指数表征数字普惠金融（DIF），并进一步选取了覆盖广度（CBR）、使用深度（UDE）以及数字化程度（DED）三个一级指标进行异质性分析。其中，覆盖广度侧重衡量一个地区数字金融基础设施的实际覆盖程度，主要通过电子账户的覆盖率情况来体现；使用深度重点考察一个地区数字普惠金融的服务水平，主要通过数字支付、数字信贷以及数字保险等金融服务的实际使用情况来衡量；数字化程度集中反映一个地区数字普惠金融的便利化与信用化程度。为了平衡指数量纲差异，便于估计结果汇报，本文对数字普惠金融总指数及其分维度指标均除以100作缩小处理。

3控制变量

本文的控制变量包括：（1）产业结构升级（ISU）。产业结构升级有助于优化资源配置，转换经济发展动力，实现包容性绿色增长。本文以产业高级化水平衡量产业结构升级；（2）人力资本水平（HCA）。人力资本水平越高意味着劳动力具有更高的创新能力和生产率，将对包容性绿色增长产生积极的提升作用。本文以每万人在校大学生人数（取对数）反映人力资本水平；（3）创业活跃度（EAC）。创业活动可以充分释放经济高质量发展潜力，是促进包容性绿色增长的重要动力。本文采用城镇私营和个体户就业人数（人）的对数衡量创业活跃度；（4）信息化水平（ILE）。信息化有助于促进经济增长方式从粗放型向集约型转变，是推动包容性绿色增长的重要途径。本文以国际互联网用户数与年末常住人口的比值表示信息化水平；（5）人口密度（POP）。人口密度越大，满足人们对美好生活需求的实践难度越大，实现包容性绿色增长的挑战也越大。本文以每平方公里拥有的常住人口数量（人）的对数衡量人口密度。

（三）数据来源

本文研究涉及两套数据：（1）测算包容性绿色增长的数据样本包含2011—2022年中国大陆277个地级城市不包括北京、上海、重庆和天津四个直辖市，同时剔除了海南、青海、新疆、西藏等《中国城市统计年鉴》中城市数量较少的省或自治区。，共计3324个样本。原始数据来自《中国城市统计年鉴》、各地区《统计年鉴》以及圣路易斯华盛顿大学大气成分分析组；（2）计量分析的数据样本（解释变量滞后一期）包含2011—2021年中国大陆277个地级城市，共计3047个样本。其中，解释变量数据来源于北京大学；控制变量原始数据来自《中国城市统计年鉴》和各地区《统计年鉴》。表1列示了本文计量分析所涉及变量的描述性统计结果。

四、实证结果分析

（一）空间收敛模型回归结果

本文采用准极大似然估计（QMLE）方法的空间收敛模型估计结果如表2所示。为了对比分析，表2中也给出了普通收敛模型的估计结果。从结果来看，无论是在普通收敛模型还是空间收敛模型中，初始包容性绿色增长水平的回归系数（收敛系数）β均显著为负，表明地区包容性绿色增长存在明显的条件β收敛趋势，相对于初始包容性绿色增长水平较高的地区而言，包容性绿色增长水平较低的地区表现出强劲的“追赶效应”。伴随着时间的不断推移，不同地区的包容性绿色增长水平差距不断缩小，并将会在长期内收敛于同一稳态，这也为中国推动经济高质量发展和区域经济协调发展奠定了良好基础。空间自回归系数ρ分别为03829和05686，且均通过了1%的显著性水平检验，表明引入空间效应是必要的，地区包容性绿色增长率在一定程度上会受到与其地理相邻或距离相近地区的包容性绿色增长率的影响，且该影响具有正向的促进作用。初始包容性绿色增长水平的空间滞后收敛系数（W×β）显著为正，地理相邻或距离相近地区的包容性绿色增长水平越高，本地区包容性绿色增长越倾向于具有更高的增长率，这表明包容性绿色增长水平较高的地区会通过“涓滴效应”将资源要素向包容性绿色增长水平较低的地区转移扩散，有利于促进地区包容性绿色增长水平的空间收敛，进而缩小地区包容性绿色增长差距。

两种空间权重矩阵下的数字普惠金融回归系数（DIF）均在1%的统计水平上显著为正，表明数字普惠金融可以显著提升包容性绿色增长速度，促进包容性绿色增长水平的空间收敛，进而缩小地区包容性绿色增长差距，同时印证了数字普惠金融已成为缩小地区包容性绿色增长差距“加速器”的基本结论是稳健可靠的。从空间收敛模型的控制变量估计结果来看，产业结构升级（ISU）的回归系数在地理邻接空间权重矩阵下显著为正，表明产业结构的转型升级有助于转换经济发展动力，进而实现包容性绿色增长。人力资本水平（HCA）的回归系数在地理距离空间权重矩阵下显著为正，较高的人力资本水平意味着劳动力具有更高的创新能力和生产率，有利于促进包容性绿色增长水平的空间收敛，缩小地区包容性绿色增长差距。创业活跃度（EAC）的回归系数均显著为正，说明创业活动的顺利开展充分释放了经济高质量发展潜力，有利于促进包容性绿色增长水平的空间收敛，进而对缩小地区包容性绿色增长差距产生积极影响。信息化水平（ILE）的回归系数显著为正，信息化是推动经济高质量增长的重要途径，有助于实现经济增长方式从粗放型向集约型转变，加快包容性绿色增长速度并促进包容性绿色增长水平的空间收敛，进而缩小地区包容性绿色增长差距。人口密度（POP）的回归系数并未通过显著性检验，表明研究期内人口密度对缩小地区包容性绿色增长差距的作用尚未发挥出来。

（二）空间溢出效应分解

空间杜宾模型的回归系数不能反映数字普惠金融等条件变量的空间溢出效应，需要对其进行直接效应与间接效应分解。本文借鉴LeSage和Pace（2009）的偏微分分解方法［14］，将回归系数具体分解为三个部分：直接效应、间接效应（空间溢出效应）与总效应，详见表3。根据分解结果来看，在两种空间权重矩阵下，数字普惠金融的直接效应和间接效应均在1%的统计水平上显著为正，表明一个地区的数字普惠金融不仅对本地区包容性绿色增长产生了促进作用，还对周边邻近地区产生了正向空间溢出效应，有助于促进周边邻近地区包容性绿色增长。数字普惠金融的空间溢出效应和“示范效应”在包容性绿色增长空间收敛过程中发挥着重要作用，有效缩小了空间邻近地区的包容性绿色增长差距。数字普惠金融的总效应同样显著为正，意味着在考虑本地效应和空间溢出效应之后，数字普惠金融总体上显著加快了包容性绿色增长速度，有利于促进包容性绿色增长水平的空间收敛，进而缩小地区包容性绿色增长差距。

从空间收敛模型控制变量的系数分解来看，产业结构升级（ISU）的间接效应系数在地理邻接空间权重矩阵下显著为正，表明本地区产业结构的转型升级可以通过空间溢出效应提升邻近地区包容性绿色增长收敛性。人力资本水平（HCA）的间接效应系数在地理距离空间权重矩阵下显著为正，人力资本具备较强的流动性，人口在地区间的流动会带动先进要素的传播，有利于促进邻近地区包容性绿色增长。在两种空间权重矩阵下，创业活跃度（EAC）的间接效应系数为正，且至少通过了5%的显著性水平检验，表明本地区创业活跃度的提高会通过空间溢出效应促进邻近地区创业活跃度提升，进而提高邻近地区包容性绿色增长收敛性。信息化水平（ILE）的间接效应系数显著为正，表明本地区通过信息化建设能够对邻近地区包容性绿色增长收敛性产生提升作用。总的来看，产业结构升级、人力资本水平、创业活跃度、信息化水平等因素在空间层面上的相互作用有利于促进初始包容性绿色增长水平较低地区追赶初始包容性绿色增长水平较高地区，加速包容性绿色增长空间收敛，缩小地区包容性绿色增长差距。

（三）稳健性检验

一是更换空间权重矩阵。采用基于经济距离和社会距离的两种空间权重矩阵进行稳健性检验，以尽可能减少矩阵不同设定形式的影响。其中，前者以城市间人均实际生产总值差额的倒数作为参数进行设置，后者以城市间人口密度差额的倒数作为参数进行设置。二是更换被解释变量。采用Tone（2001）提出的基于松弛变量的SBM方向性距离函数［23］，结合Malmquist指数法重新测度包容性绿色全要素生产率，代入空间收敛模型进行稳健性检验。表4的稳健性检验结果显示，包容性绿色增长的收敛系数β、空间滞后收敛系数W×β、空间自回归系数ρ以及数字普惠金融回归系数与前文基本一致，可以验证前文实证结论是稳健和可靠的。

（四）机制检验

根据理论分析部分可知，数字普惠金融可以通过影响资本要素的自由流动，进而对地区包容性绿色增长差距产生影响。为了检验这一机制是否成立，本文采用“三步法”中介效应模型对此进行分析，具体模型设定如下：

ln（IGGi，t/IGGi，t－1）=α+ρWln（IGGi，t/IGGi，t－1）+βlnIGGi，t－1+θWlnIGGi，t－1+λDIFi，t-1+δ∑Xi，t-1+μi+ηt+εi，t（3）

CFLi，t-1=α+ρWCFLi，t-1+λDIFi，t-1+δ∑Xi，t-1+μi+ηt+εi，t （4）

ln（IGGi，t/IGGi，t－1）=α+ρWln（IGGi，t/IGGi，t－1）+βlnIGGi，t－1+θWlnIGGi，t－1+λDIFi，t-1+χCFLi，t-1+δ∑Xi，t-1+μi+ηt+εi，t（5）

其中，CFLi，t-1表示中介变量资本要素流动，本文参考周迪和钟绍军（2020）的方法［24］，采用引力模型测度中国地级城市间资本要素的流动量。其余变量定义与式（1）和式（2）保持一致。表5列示了在地理邻接空间权重矩阵和地理距离空间权重矩阵下的中介效应模型检验结果。

从结果来看，在两种空间权重矩阵下，数字普惠金融对资本要素流动的影响系数均显著为正，表明数字普惠金融有利于促进资本要素流动。在尚未引入资本要素流动变量之前，数字普惠金融对包容性绿色增长率的影响系数在1%的统计水平上显著为正，系数数值分别为00244和00156。引入资本要素流动变量之后，数字普惠金融对包容性绿色增长率的影响系数分别下降00023和00025个单位，但依旧通过了显著性水平检验，并且资本要素流动对包容性绿色增长率的影响系数至少在5%的统计水平上显著为正，意味着资本要素流动发挥了部分中介效应的作用，表明数字普惠金融通过加快地区间资本要素的自由流动显著促进了包容性绿色增长水平的空间收敛，缩小了地区包容性绿色增长差距。正如前文理论所述，数字普惠金融的政策效应、导向功能以及信息溢出效应均有利于加快资本要素的自由流动，而资本要素自由流动可以优化资本要素跨地区配置，增强落后地区包容性绿色增长的资本要素供给，从而缩小包容性绿色增长的地区差距。

五、进一步讨论

（一）数字普惠金融影响地区包容性绿色增长差距的维度异质性

由于数字普惠金融是一个包含多个维度的综合概念，为此本文进一步探究其不同维度影响地区包容性绿色增长差距的异质性。表6给出了条件β收敛的空间杜宾模型回归结果，结果显示，在两种空间权重矩阵下，数字普惠金融覆盖广度、使用深度以及数字化程度的回归系数至少在5%的统计水平上显著为正，表明数字普惠金融的服务覆盖越广、业务水平越高以及使用越发移动化、实惠化、信用化和便利化，越有利于加快包容性绿色增长速度，促进包容性绿色增长空间收敛，进而缩小地区包容性绿色增长差距。相比而言，首先是数字普惠金融覆盖广度对包容性绿色增长率的作用最大，其次是使用深度，数字化程度的作用最小。究其原因主要在于，覆盖广度是数字普惠金融实现普惠性的基础，数字普惠金融覆盖广度的有效拓宽，可以为经济主体尤其是“长尾群体”提供高效的金融服务，助推包容性绿色增长；使用深度反映了数字金融产品和服务的多样性，数字普惠金融使用程度的不断增加，经济发展的金融需求将得到有效满足，进而能够激励包容性绿色增长；当前，数字金融基础设施尚不健全，数字技术的普及和渗透需要较长的时间过程，因而数字化程度对包容性绿色增长的作用效果最弱。

（二）数字普惠金融影响地区包容性绿色增长差距的区域异质性

考虑到中国不同区域间的包容性绿色增长与数字普惠金融水平存在差异，可能导致数字普惠金融对地区包容性绿色增长差距的影响具有区域异质性。因此，本文划分东部和中西部样本，进一步分析数字普惠金融影响地区包容性绿色增长差距的区域异质性。同前文一致，本文采用准极大似然估计（QMLE）方法对条件β收敛的空间杜宾模型进行估计，结果如表7所示。在两种空间权重矩阵下，东部和中西部数字普惠金融均对包容性绿色增长率产生了正向作用，有利于促进包容性绿色增长空间收敛和缩小地区包容性绿色增长差距。相对于东部而言，中西部数字普惠金融对缩小地区包容性绿色增长差距的作用最大。事实上，这也真正体现出了数字普惠金融的普惠性，即数字普惠金融能够有效缓解金融排斥现象，弥补传统金融服务的缺陷，促使中西部落后地区获得“雪中送炭”式的金融支持，有效改善当地融资难与融资贵问题，激发其包容性绿色增长的内生动力，以此促进该地区包容性绿色增长水平的空间收敛，从而缩小地区包容性绿色增长差距。与此同时，东部发达地区金融资源较为丰富，数字普惠金融对该地区金融排斥起到“锦上添花”式的缓解作用，因此东部数字普惠金融对缩小地区包容性绿色增长差距的作用并不会像中西部那样明显。

六、研究结论与政策启示

本文系统考察了数字普惠金融对地区包容性绿色增长差距的影响机理，深入揭示了数字普惠金融影响地区包容性绿色增长差距的资本要素流动机制。在此基础上，借助2012—2022年中国277个地级城市的面板数据，测算了中国城市层面的包容性绿色全要素生产率，并利用空间收敛模型实证检验了中国地区包容性绿色增长差距的变动特征以及数字普惠金融的影响效应。研究发现：（1）在考虑空间效应的情形下，中国包容性绿色增长存在条件β收敛特征，即地区包容性绿色增长差距逐渐缩小；（2）数字普惠金融显著加快了包容性绿色增长速度，有利于促进包容性绿色增长空间收敛，缩小地区包容性绿色增长差距；（3）数字普惠金融的空间溢出效应在包容性绿色增长空间收敛过程中发挥着重要作用，有效缩小了空间邻近地区的包容性绿色增长差距；（4）资本要素流动是数字普惠金融影响地区包容性绿色增长差距的重要机制，即数字普惠金融通过加快资本要素流动缩小了地区包容性绿色增长差距；（5）进一步异质性分析表明，在数字普惠金融的三个维度中，覆盖广度对地区包容性绿色增长差距的缩小作用更强，同时数字普惠金融对地区包容性绿色增长差距的缩小作用在中西部更加显著。

本文主要的政策启示：（1）科学制定全局化、差异化战略举措，推进地KrNC2p/K7SEQJIbkajOmxM5/cQ8ZniseTP1hjKToLM8=区包容性绿色协调发展。持续贯彻落实国家区域重大战略与区域协调发展战略，根据各地区包容性绿色发展现状，因地制宜制定具体可行的推动包容性绿色增长的相关政策措施；建立包容性绿色增长的地区间合作交流机制与协同发展模式，充分发挥落后地区对发达地区的竞争追赶效应，以及发达地区对落后地区的辐射带动效应。（2）充分发挥数字普惠金融对包容性绿色增长的收敛效应，缩小地区包容性绿色增长差距。进一步提高数字普惠金融服务经济增长的质效，降低低收入群体和农村居民的金融市场进入门槛，缓解绿色行业发展的融资约束，促进包容性绿色增长；着力发挥数字普惠金融的“普惠性”和“益贫式增长”效应，充分挖掘落后地区包容性绿色增长潜力和边际贡献率，进而缩小同发达地区之间的包容性绿色增长差距，甚至实现赶超。（3）依托数字普惠金融促进资本要素自由流动，实现资本优化配置。进一步完善数字普惠金融基础设施，尤其是加快推进数字乡村建设，最大化发挥数字普惠金融的信息溢出效应，引导资本要素自由流动与优化配置；出台倾斜性政策支持落后地区数字普惠金融发展，引导资本要素向落后地区流动，满足落后地区包容性绿色增长的金融需求，进而缩小地区包容性绿色增长差距。

参考文献：

［1］周小亮，吴武林.中国包容性绿色增长的测度及分析［J］．数量经济技术经济研究，2018，35（8）：3-20.

［2］崔婕，李瑞田，韩启春.金融科技助力实现共同富裕——基于数字普惠金融赋能视角［J］．经济问题，2023（5）：1-8+118.

［3］王平，王凯.数字金融与共同富裕——基于我国省级面板数据的实证研究［J］．哈尔滨商业大学学报（社会科学版），2022（4）：31-43+80.

［4］余进韬，张蕊，龚星宇.数字金融如何影响绿色全要素生产率——动态特征、机制识别与空间效应［J］．当代经济科学，2022，44（6）：42-56.

［5］丁杰，袁也，符号亮.金融减贫：数字金融与传统金融的互动关系及相对重要性分析［J］．国际金融研究，2022（9）：14-24.

［6］傅利福，厉佳妮，方霞，等.数字普惠金融促进包容性增长的机理及有效性检验［J］．统计研究，2021，38（10）：62-75.

［7］黎毅，蒋青松.数字普惠金融与包容性增长——基于城乡多维差距视角［J］．西安财经大学学报，2023，36（3）：51-62.

［8］吕岩威，李禹陶.资本要素市场扭曲对经济高质量发展的影响及其机制研究［J］．统计研究，2023，40（5）：51-63.

［9］陈经伟，姜能鹏.资本要素市场扭曲对企业技术创新的影响：机制、异质性与持续性［J］．经济学动态，2020（12）：106-124.

［10］张宗新，张帅.数字金融提升我国资本要素配置效率研究［J］．社会科学，2022（11）：129-139.

［11］李晓龙，冉光和.数字金融发展、资本配置效率与产业结构升级［J］．西南民族大学学报（人文社会科学版），2021，42（7）：152-162.

［12］郑万腾，赵红岩.数字金融发展能驱动区域技术创新收敛吗——来自中国284个城市的经验证据［J］．当代经济科学，2021，43（6）：99-111.

［13］李建伟，危仁义，解其昌.共同富裕视域下数字金融对城乡消费差距空间收敛的影响研究［J］．统计与信息论坛，2023，38（6）：102-116.

［14］LeSageP，PaceK.IntroductiontoSpatialEconometrics［M］．Abingdon：Taylor&FrancisGroup，2009.

［15］ElhorstJP.MatlabSoftwareforSpatialPanels［J］．InternationalRegionalScienceReview，2014，37（3）：389-405.

［16］邵帅，范美婷，杨莉莉.经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察［J］．管理世界，2022，38（2）：46-69.

［17］LeeLF，YuJ.EstimationofSpatialAutoregressivePanelDataModelswithFixedEffects［J］．JournalofEconometrics，2010，154（2）：165-185.

［18］聂长飞，简新华.中国高质量发展的测度及省际现状的分析比较［J］．数量经济技术经济研究，2020，37（2）：26-47.

［19］李华，董艳玲.中国经济高质量发展水平及差异探源——基于包容性绿色全要素生产率视角的考察［J］．财经研究，2021，47（8）：4-18.

［20］ChungYH，FreR，GrosskopfS.ProductivityandUndesirableOutputs：ADirectionalDistanceFunctionApproach［J］．JournalofEnvironmentalManagement，1997，51（3）：229-240.

［21］王媛媛，韩瑞栋.新型城镇化对数字普惠金融的影响效应研究［J］．国际金融研究，2021（11）：3-12.

［22］刘长庚，王宇航，张磊.数字普惠金融提高了劳动收入份额吗［J］．经济科学，2022（3）：143-154.

［23］ToneK.ASlacks-basedMeasureofEfficiencyinDataEnvelopmentAnalysis［J］．EuropeanJournalofOperationalResearch，2001，130（3）：498-509.

［24］周迪，钟绍军.资本流动与经济增长俱乐部趋同：以长三角城市群为例［J］．管理评论，2020，32（5）：76-86.

CanDigitalInclusiveFinanceNarrowtheGapofRegionalInclusiveGreenGrowth

JIANGTangyang1，LIXiaolong2

（1.SchoolofInternet，AnhuiUniversity，Hefei230039，China;2.LaboratoryofArtificialIntelligenceand

DigitalFinance，Guizhou ;UniversityofFinanceandEconomics，Guiyang550025，China）

Abstract：Thisarticleinvestigatestheintrinsicmechanismoftheimpactofdigitalinclusivefinancedevelopmentonregionalinclusivegreengrowthgap，andusespaneldatafrom277prefecturelevelcitiesinChinafrom2012to2022toconstructaspatialconvergencemodeltoempiricallytestthechangingcharacteristicsofregionalinclusivegreengrowthgapandtheimpactofdigitalinclusivefinance.Thisstudyfoundthatundertheconsiderationofspatialeffects，Chinaexhibitstheconditionofβconvergenceininclusivegreengrowth，meaningthatthegapininclusivegreengrowthamongregionsisgraduallynarrowing;Digitalinclusivefinanceanditsspatialspillovereffectshaveacceleratedthespeedofinclusivegreengrowth，whichisconducivetonarrowingtheregionalgapininclusivegreengrowth;Capitalelementflowisanintrinsicmechanismfordigitalinclusivefinancetonarrowthegapinregionalinclusivegreengrowth.Furtherheterogeneityanalysisshowsthatamongthethreedimensionsofdigitalinclusivefinance，coveragebreadthhasastrongereffectonnarrowingthegapinregionalinclusivegreengrowth，whiletheeffectofdigitalinclusivefinanceonnarrowingthegapinregionalinclusivegreengrowthismoresignificantinthecentralandwesternregions.

Keywords：digitalinclusivefinance;regionalinclusivegreengrowthgap;spatialconvergence;capitalelementflow

（责任编辑：周正）