-
改革开放以来,我国经济发展规模不断扩大,取得了举世瞩目的成就。但长时间粗放的发展模式对我国生态环境造成了不可逆转的破坏,频发的自然灾害和极端天气为我们敲响了警钟。党的十九大报告中明确指出要“形成绿色发展方式和生活方式,坚定走生产发展、生活富裕、生态良好的文明发展道路”。绿色发展是一种新型的可持续发展模式,它不仅注重生态环境的改善,同时也注重解决经济高速增长带来的社会不公平等现象,是实现经济高质量发展的重要手段。继党的十八届五中全会将绿色发展上升为国家战略以来,尽管我国环境质量有所改善,但绿色发展仍面临着发展理念转换困难、科技创新动力不足等问题[1]。金融作为现代经济发展的核心要素,其基本功能是优化资源配置,必定能够在某种程度上引导资源向绿色发展行业集聚,从而提高我国绿色发展水平。
近年来,随着互联网、分布式技术、大数据与人工智能的发展,我国进入了数字经济时代。数字金融互联网化、智能化的经营模式突破了传统金融服务在时间和空间上的限制,降低了交易成本,提高了服务效率,成为行业发展的新方向。从本质上来看,数字金融就是资源节约与环境保护型的金融服务。数字金融依托数字技术,充分发挥其资源配置功能和创新功能,为经济主体提供高效便捷的金融服务,进而提高我国绿色发展水平。因此,研究数字金融与我国绿色发展水平之间的关系,对于建设美丽中国有着重要的现实意义。
-
绿色发展不仅是一种发展模式,更是一种发展战略,其重要性不言而喻。2016年12月,国家发展和改革委员会、国家统计局、生态环境部与中央组织部共同制定了《绿色发展指标体系》以评价我国各地区的绿色发展水平。有学者结合实际情况对该指标体系进行了调整,实证考察了我国整体和不同省份的绿色发展的演变特征,研究发现我国绿色发展水平总体呈上升趋势,且东部和中部省份的绿色发展提升趋势要相对快于西部省份[2]。此后,有学者在上述研究基础上探究了我国个别省市近年来的绿色发展水平,均发现绿色发展水平有所提升[3-5],说明我国绿色发展战略正在稳步实施。诸如此类研究量化了我国整体与不同区域的绿色发展水平,为后人考察各经济变量与绿色发展水平之间的关系作了有利铺垫。
绿色发展强调的是经济发展与环境保护的协调统一,金融作为现代经济的核心,对推动我国绿色发展进程起着不可忽视的作用。有研究发现,金融影响绿色发展的主要机理为资本支持效应、资本配置效应、企业监督效应和绿色金融效应[6-8]。金融通过提供资金支持、优化企业资本配置、规范企业行为等手段提高了企业的经济产出,促进了经济发展,进而提高了绿色发展水平[9]。有学者认为金融通过促进绿色技术创新[10]、引导资金流入绿色新兴产业、提高企业资源利用率[11]等方式直接或间接地促进了绿色发展。但也有学者认为金融促进绿色发展的效应并不显著,认为有必要加强金融支持绿色产业和环境保护的力度[8]。由此可见,金融可以在一定程度上提高我国的绿色发展水平。近年来,随着互联网、大数据与人工智能的快速发展,传统金融机构及互联网公司将支付、投融资、保险等金融业务与数字技术充分结合,形成了新型金融模式−数字金融[12]。数字金融具有交易成本低、运作效率高、技术依赖性强、创新速度快、扩大交易可能性等特征,加速了我国金融的发展。相较于传统金融,数字金融更具有普惠性,其服务效率更高,覆盖范围更广,能够有效地提高金融促进绿色发展的效率和水平。数字金融作为数字经济背景下金融发展的产物,是“十四五”期间推动我国绿色发展水平提高的重要动力。因此,本文将研究视角从传统金融升级为数字金融,探究数字金融对我国绿色发展水平的影响,以丰富学界对该领域的研究内容。基于上述分析,本文提出假设1:数字金融可以提高我国绿色发展水平。
已有文献直接或间接证明了创新效率[13]、技术溢出[14]与产业结构升级[15]是提高我国绿色发展水平的重要因素。首先,数字金融依托数字技术与网络平台,能够拓宽融资渠道、降低融资成本、扩大融资规模,使得金融机构和互联网公司拥有更充裕的资金进行研究与试验发展,提高了创新效率;其次,数字金融凭借其迅速高效的信息收集与传输能力,大大提高了信息数据在产品和要素市场的交互速度,使得各项技术得到充分的应用与推广,从而有利于扩大技术溢出;最后,数字金融在开展业务时完成了资本形成与初始积累,并根据企业所需资本调整最佳投入量,优化了信贷资金在产业间的配置,促进了产业结构升级[16],同时,不同种类的数字金融产品,在一定程度上刺激了居民消费需求[17],而消费需求的多样化也会促进产业结构的优化与升级。因此,本文提出假设2:数字金融通过提高创新效率、扩大技术溢出和促进产业结构升级的中介机制提高了我国绿色发展水平。
根据以往研究数字金融影响经济高质量发展的相关文献可知,数字金融对经济高质量发展存在着非线性影响[18-20],而绿色发展又是经济高质量发展的核心内涵,因此可以推测数字金融对我国绿色发展水平也存在着非线性影响。另外,市场化改革推动了生产要素跨区域流动,使得地区间市场关联性和互动依赖性不断增强。数字金融作为传统金融在数字技术赋能下的产物,其本身存在着较强的流动性。随着近些年数字金融不断发展,数字金融水平高的地区通过“涓滴效应”不断向邻近地区渗透,服务于邻近地区。因此数字金融可能在提高了当地绿色发展水平的同时,也对邻近地区的绿色发展水平产生一定的影响,即存在着空间溢出效应。鉴于此,本文提出假设3:数字金融对我国绿色发展水平存在着非线性影响与空间溢出效应。
-
依据上述分析,本文首先构建数字金融对我国绿色发展影响的基准模型:
$$ {G_{it}} = {a_0} + {a_1}{F_{it}} + {a_2}{C_{it}} + {\lambda _i} + {\eta _t} + {\varepsilon _{it}} $$ (1) 式中:
$ {G_{it}} $ 为$ i $ 省在$ t $ 年的绿色发展水平,$ {F_{it}} $ 为$ i $ 省在$ t $ 年的数字金融水平,$ {C_{it}} $ 为控制变量集合,$ {\lambda _i} $ 为个体固定效应,$ {\eta _t} $ 为时间固定效应,$ {\varepsilon _{it}} $ 为随机扰动项,$ {a_0} $ 为截距项,$ {a_1} $ 、$ {a_2} $ 为回归系数。 -
本文参考冉芳等[21]的研究方法,构建以下中介效应模型来研究数字金融对我国绿色发展的作用机制。
$$ {M_{it}} = {b_0} + {b_1}{F_{it}} + {b_2}{C_{it}} + {\lambda _i} + {\eta _t} + {\varepsilon _{it}} $$ (2) $$ {G_{it}} = {c_0} + {c_1}{F_{it}} + {c_2}{M_{it}} + {c_3}{C_{it}} + {\lambda _i} + {\eta _t} + {\varepsilon _{it}} $$ (3) 式(2)中:
$ {M_{it}} $ 为创新效率、技术溢出和产业结构升级的中介变量,$ {b_0} $ 为截距项,$ {b_1} $ 、$ {b_2} $ 为回归系数。式(3)中:$ {c_0} $ 为截距项,$ {c_1} $ 、$ {c_2} $ 为回归系数。通常来讲,中介效应机制的检验通过以下步骤进行:首先,对模型(1)进行回归,系数$ {a_1} $ 反映了数字金融对绿色发展影响的总效应;在系数$ {a_1} $ 显著的情况下进行下一步分析,即对模型(2)进行回归,若$ {b_1} $ 系数显著则对模型(3)进行回归,系数$ {c_1} $ 和$ {c_2} $ 分别表示数字金融对绿色发展的直接效应和中介效应,如果$ {a_1} $ 和$ {c_2} $ 均显著,说明中介效应存在;如果$ {c_1} $ 和$ {c_2} $ 均显著,说明存在部分中介效应;如果$ {c_1} $ 不显著,说明存在完全中介效应。 -
根据本文理论分析及以往金融对绿色发展影响的文献可知,数字金融对绿色发展存在着门槛效应和空间溢出效应。因此,本文构建门槛回归模型(以单门槛模型为例)和空间杜宾模型来考察数字金融对绿色发展的非线性影响及空间溢出效应,具体模型如下:
$$ \begin{split} {G_{it}} =& {\beta _0} + {\beta _1}{F_{it}}\times I({F_{it}} \leqslant {\gamma _1}) + {\beta _2}F{}_{it} \times I({F_{it}} > {\gamma _1}) + \\ &{\beta _3}{C_{it}} + {\lambda _i} + {\eta _t} + {\varepsilon _{it}} \end{split} $$ (4) $$ {G_{it}} = \rho \sum\nolimits_j^n {{{\boldsymbol{W}}_{ij}}{G_{it}} + \theta {X_{it}} + \delta \sum\nolimits_j^n {{{\boldsymbol{W}}_{ij}}{X_{it}} + {\lambda _i}} } + {\eta _t} + {\varepsilon _{it}} $$ (5) 式(4)中:
$ {\gamma _1} $ 表示门槛值,$ I $ 为示性函数,$ \;{\beta _0} $ 表示门槛回归的截距项,$ \;{\beta _1} $ 表示$ {F_{it}} \leqslant {\gamma _1} $ 时的回归系数,$\; {\beta _2} $ 表示$ {F_{it}} \geqslant {\gamma _1} $ 时的回归系数,$ \;{\beta _3} $ 为$ {C_{it}} $ 的回归系数。式(5)为空间杜宾模型的表达式,相较于其他空间计量模型,空间杜宾模型可以较好地反映被解释变量、解释变量及随机扰动项产生的空间相关性[22]。其中,Wij为空间30×30阶的空间权重矩阵,$ {X_{it}} $ 表示$ i $ 省在$ t $ 年的解释变量和控制变量集合,$ \delta $ 为$ {X_{it}} $ 的空间滞后项的弹性系数,$ \theta $ 为$ {X_{it}} $ 的回归系数,$\rho $ 为本地绿色发展水平与邻近地区相互作用的方向和程度。 -
“发展”本身涵盖了广泛的议题,仅用单一指标很难测度出“绿色发展”的具体水平,本文依据《绿色发展指标体系》并借鉴王勇等[2]对该指标体系的调整方法,从资源利用、环境治理、环境质量、生态保护、增长质量和绿色生活6个方面选取了45个指标建立指标体系(见表1)。基于数据的可获得性,调整过程遵循以下原则:①保证指标体系的原始性与权威性,尽量不改变原指标,对部分缺失数值的指标用关联度高的指标进行替代,并保持一级指标权重不变;②保证指标数据的可获得性,对于无法获得详细数据或仅能获得部分年份、省份数据的指标进行删除处理,并将其相应的比重按比例均分到其他指标上;③把绝对数指标更换成相对数指标,总量指标更换成增量指标,以便于显示变动的趋势。考虑到主观赋权可能会使回归结果产生偏差,本文采用熵值法对我国30个省市自治区(不包含西藏、港澳台)的绿色发展水平进行综合评价(见表2)。
表 1 绿色发展指标体系
一级指标 序号 二级指标 单位 权数 影响方向 资源利用
(29.3%)1 能源消费总量增长率 % 2.44 逆向 2 单位GDP能源消耗降低率 % 3.66 正向 3 单位GDP CO2排放降低率 % 3.66 正向 4 天然气占能源消费比例 % 3.66 正向 5 用水总量增长率 % 2.44 逆向 6 万元GDP用水量下降率 % 3.66 正向 7 单位工业增加值用水量降低率 % 2.44 正向 8 耕地面积增长率 % 3.66 正向 9 单位GDP建设用地面积降低率 % 2.44 正向 10 一般工业固体废物综合利用率 % 1.24 正向 环境治理
(16.5%)11 化学需氧量排放总量减少率 % 2.75 正向 12 氨氮排放总量减少率 % 2.75 正向 13 SO2排放总量减少率 % 2.75 正向 14 氮氧化物排放总量减少率 % 2.75 正向 15 工业固体废物综合利用率 % 0.92 正向 16 生活垃圾无害化处理率 % 1.83 正向 17 污水集中处理率 % 1.83 正向 18 环境污染治理投资占GDP比例 % 0.92 正向 环境质量
(19.3%)19 地级及以上城市空气质量优良天数比率 % 7.24 正向 20 地级及以上城市细颗粒物(PM2.5)浓度 % 7.24 逆向 21 单位耕地面积化肥使用量 kg/hm2 2.41 逆向 22 单位耕地面积农药使用量 kg/hm2 2.41 逆向 生态保护
(16.5%)23 森林覆盖率 % 4.12 正向 24 森林蓄积量 亿m3 4.12 正向 25 草原面积占行政区域面积的比例 % 2.75 正向 26 湿地面积占国土面积的比例 % 2.75 正向 27 自然保护区占辖区面积比例 % 1.38 正向 28 新增水土流失治理面积 万hm2 1.38 正向 增长质量
(9.2%)29 人均GDP增长率 % 1.15 正向 30 居民人均可支配收入 元 1.15 正向 31 第三产业增加值占GDP比例 % 1.15 正向 32 万人专利数授权量 件 1.15 正向 33 万人普通高等学校在校人数 人 1.15 正向 34 城乡人均可支配收入比值 1.15 逆向 35 恩格尔系数 1.15 逆向 36 研究与试验发展经费支出占GDP比例 % 1.15 正向 绿色生活
(9.2%)37 人均日生活用水量 m3 0.92 逆向 38 人均生活用电量 kW·h 0.92 逆向 39 人均公园绿地面积 m2 0.92 正向 40 绿色出行(城镇每万人口公共交通客运量) 万人次 0.92 正向 41 城市建成区绿化覆盖率 % 0.92 正向 42 城市用水普及率 % 1.84 正向 43 城市燃气普及率 % 0.92 正向 44 城市每万人拥有公共厕所数 座 0.92 正向 45 每万人市容环卫专用车辆设备数 台 0.92 正向 注:括号内为权数。 表 2 2011—2018年我国省域绿色发展指数
区域 省份 2011 2012 2013 2014 2015 2016 2017 2018 东部 北京 0.369 0.390 0.415 0.441 0.489 0.496 0.490 0.528 天津 0.260 0.274 0.286 0.298 0.366 0.337 0.333 0.359 河北 0.214 0.224 0.227 0.238 0.271 0.242 0.257 0.273 辽宁 0.272 0.293 0.307 0.292 0.318 0.292 0.315 0.313 上海 0.336 0.346 0.374 0.339 0.379 0.423 0.437 0.452 江苏 0.276 0.302 0.314 0.311 0.339 0.337 0.343 0.363 浙江 0.288 0.312 0.330 0.334 0.377 0.361 0.353 0.385 福建 0.246 0.261 0.284 0.290 0.322 0.311 0.303 0.334 山东 0.236 0.252 0.265 0.262 0.294 0.286 0.288 0.291 广东 0.292 0.286 0.301 0.308 0.350 0.341 0.354 0.387 海南 0.252 0.258 0.264 0.255 0.286 0.283 0.297 0.316 中部 山西 0.206 0.223 0.238 0.249 0.278 0.267 0.267 0.257 内蒙古 0.285 0.299 0.324 0.335 0.382 0.373 0.366 0.376 吉林 0.258 0.269 0.281 0.286 0.336 0.309 0.300 0.320 黑龙江 0.314 0.328 0.349 0.366 0.400 0.403 0.391 0.407 安徽 0.204 0.219 0.234 0.246 0.274 0.260 0.250 0.271 江西 0.238 0.251 0.257 0.263 0.288 0.277 0.278 0.299 河南 0.173 0.182 0.192 0.212 0.244 0.227 0.238 0.255 湖北 0.215 0.220 0.259 0.264 0.304 0.277 0.286 0.304 湖南 0.211 0.211 0.220 0.235 0.268 0.272 0.255 0.269 西部 重庆 0.242 0.253 0.265 0.281 0.338 0.309 0.296 0.322 四川 0.301 0.308 0.339 0.339 0.380 0.376 0.381 0.404 贵州 0.172 0.193 0.217 0.220 0.257 0.239 0.236 0.265 云南 0.267 0.274 0.298 0.303 0.329 0.330 0.331 0.353 陕西 0.288 0.289 0.301 0.315 0.365 0.321 0.303 0.310 甘肃 0.193 0.205 0.234 0.246 0.289 0.271 0.313 0.322 青海 0.208 0.222 0.221 0.245 0.273 0.276 0.271 0.280 宁夏 0.197 0.204 0.223 0.236 0.268 0.237 0.230 0.250 新疆 0.200 0.213 0.234 0.256 0.289 0.271 0.269 0.286 广西 0.205 0.206 0.224 0.238 0.261 0.249 0.246 0.266 根据表2可知,从总体上看,近年来我国大部分省份的绿色发展水平有明显的提升。分地区来看,北京、天津、上海、广东等东部经济发展较好的省市,一直保持着较高的绿色发展水平;内蒙古、黑龙江、四川、云南等省份依靠自然资源优势,近年来其绿色发展水平也得到迅速提升;中西部部分省份绿色发展水平提升速度缓慢,当地相关部门需要充分发挥其区位优势并优化相关政策,以推进绿色发展进程。
-
本文选用数字普惠金融指数[23]来衡量我国各省市自治区的数字金融水平。该指数由北京大学数字金融研究中心和蚂蚁金服共同编制,包含了覆盖广度、使用深度和数字化程度3个维度,近几年被广泛应用于我国不同区域数字金融水平的测度,具有相当的权威性和代表性。
-
根据前文理论分析,本文选取创新效率(R)、技术溢出(T)和产业结构升级(U)作为中介效应变量。其中,创新效率用各省份研究与试验发展经费占地区生产总值的比例来衡量;技术溢出用各省份年末专利授权量的对数形式来衡量;产业结构升级用各省份第三产业产值占第二产业产值的比例来衡量。
-
本文在参考具有代表性的绿色发展影响因素文献[24-27]的基础上,选取经济增长水平(E)、政府行为水平(V)、对外开放水平(O)和工业化发展(Y)作为控制变量,尽可能减少因遗漏变量导致的估计偏误。其中经济增长水平用对数化的人均GDP来衡量;政府行为水平用财政支出占GDP的比例来衡量;对外开放水平用进出口贸易额占GDP的比例来衡量;工业化发展用第二产业增加值占GDP的比例来衡量。
-
鉴于数据的可得性,本文选取2011—2018年我国30个省市自治区(不包含西藏、港澳台)的面板数据作为样本,每个指标的观测量均为240,无缺失值。除代表数字金融水平的数字普惠金融指数外,其余数据均来源于《中国统计年鉴》《中国生态环境状况公报》《中国人口和就业统计年鉴》,以及各省份的统计年鉴等。变量的描述性统计如表3所示。
表 3 变量的描述性统计
变量属性 变量名称 变量符号 最小值 最大值 平均值 标准差 被解释变量 绿色发展水平 G 0.172 0.528 0.291 0.061 核心解释变量 数字金融 D 0.183 3.777 1.882 0.848 中介效应变量 创新效率 R 0.411 6.170 0.290 1.112 技术溢出 T 6.219 13.078 9.930 0.632 产业结构升级 U 0.518 4.348 1.125 1.431 控制变量 经济增长水平 E 9.706 11.851 10.780 0.426 政府行为水平 V 0.110 0.627 0.247 0.102 对外开放水平 O 0.017 1.548 0.279 0.312 工业化发展 Y 0.186 0.590 0.446 0.084 -
根据式(1),将数字金融与绿色发展水平之间的关系进行基准回归分析,根据Hausman检验结果可知,其P值为0.0000,通过了1%的显著性水平测试,因此应选择固定效应模型。表4显示了未加入控制变量与加入控制变量后的基准回归结果。
表 4 基准回归结果
剔除控制变量 加入控制变量 D 0.064 6***
(0.017 0)0.041 8***
(0.016 1)常数项 0.169 8***
(0.032 1)−0.573 2***
(0.186 2)个体效应 控制 控制 时间效应 控制 控制 N 240 240 R2 0.774 8 0.825 3 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误;N为样本量。 根据表4基准回归结果可知,加入控制变量后,数字金融对我国绿色发展水平的影响系数为0.041 8,且在1%的水平下显著,说明数字金融可以提高我国绿色发展水平。从经济意义上来看,数字金融每提高1%,我国绿色发展水平将提升0.041 8%,验证了本文假设1。
-
前文检验了数字金融对我国绿色发展水平的直接影响,下一步将根据假设2对数字金融影响我国绿色发展水平的中介效应机制进行分析。本文根据式(1)~(3)建立中介效应回归模型,以验证数字金融提高创新效率、扩大技术溢出和促进产业结构升级的作用,回归结果如表5所示。
表 5 中介效应机制回归结果
创新效率 技术溢出 产业结构升级 R G T G U G D 0.9436***
(0.2324)0.0513**
(0.0251)0.2772***
(0.0739)0.0093***
(0.0053)0.4094***
(0.1483)0.0637**
(0.0250)R 0.0269***
(0.0069)T 0.0099***
(0.0048)U 0.0318***
(0.0110)常数项 −3.1075***
(0.9851)−0.3167***
(0.1052)−2.8780
(2.7622)−0.2185
(0.1923)−0.6888
(0.6289)−0.3784***
(0.1047)控制变量 控制 控制 控制 控制 控制 控制 个体效应 控制 控制 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 控制 控制 N 240 240 240 240 240 240 R2 0.6836 0.6740 0.9847 0.9529 0.8859 0.6647 Sobel 0.0080*** 0.0000*** 0.0068*** 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 根据表5显示,数字金融对创新效率(R)、技术溢出(T)和产业结构升级(U)这3个中介效应变量的估计系数在1%的显著性水平下均为正,说明数字金融可以显著提高创新效率、扩大技术溢出和促进产业结构升级。具体来说:①数字金融通过现代化数字技术,弥补了传统金融产品的短板,降低了创新主体的交易成本、研发成本与准入门槛,从而提高了创新效率;②数字金融加速了金融产品和要素市场数据信息的传递速度,提高了金融有效供给,从而促进了技术升级与溢出,且数字金融覆盖广、速度快的特点缩短了二次研发的时间,进一步扩大了技术溢出;③数字金融合理配置了劳动、资本等生产要素,优化了资金在产业间的配置,同时差异化的客户需求刺激了消费需求,促进了产业结构的升级。
表5还显示了数字金融与创新效率(R)、数字金融与技术溢出(T)、数字金融与产业结构升级(U)对绿色发展水平(G)的变量系数与Sobel检验均通过了显著性水平测试。同时,为了稳健性起见,本文还采用了Bootstrap法检验中介效应是否显著,结果均拒绝了原假设,说明中介效应存在。根据前文可知,创新效率、技术溢出和产业结构升级均是提高我国绿色发展水平的重要因素,而数字金融与三者均存在着中介效应。综上所述,数字金融通过提高创新效率、扩大技术溢出和促进产业结构升级的中介机制提高了我国绿色发展水平,假设2得以验证。
-
在分析了数字金融对我国绿色发展水平的直接影响与间接影响后,基于模型(4)的设定,本文继续讨论二者之间的非线性关系。首先需要确定模型存在门槛的个数,进而确定模型的具体形式。表6为在全国层面下数字金融的门槛效应检验结果。根据表6可知,数字金融仅在单一门槛下通过了显著性检验。因此确定数字金融对我国绿色发展水平的影响存在着单一门槛。
表 6 门槛效应的存在性检验
F值 P值 Bootstrap次数 临界值 10% 5% 1% 单一门槛 25.11 0.0433 300 22.6380 24.8233 27.7438 双重门槛 13.06 0.4367 300 19.4674 23.3200 28.0542 三重门槛 4.44 0.9467 300 16.9125 19.2013 23.5098 表7列出了数字金融的单一门槛回归结果,单一门槛估计值为2.299 3。根据前文基准分析可知,数字金融可以显著提高我国绿色发展水平,但分阶段来看,当数字金融指数小于2.2993时,数字金融可以显著提高我国绿色发展水平,超过门槛值后,数字金融对于我国绿色发展水平的提高作用并不显著。结合表3的变量的描述性统计分析可知,我国数字金融指数的平均值为1.882,未超过该门槛值。因此,就目前来说,我国绿色发展水平会随着数字金融而提高。但从长远来看,政府需要调整数字金融与绿色发展的相关政策,以维持数字金融对绿色发展的促进作用。
表 7 单一门槛回归结果
D ≤ 2.2993 D > 2.2993 D 0.012 0**
(0.004 9)0.007 3
(0.005 1)常数项 −0.397 4**
(0.188 0)控制变量 控制 N 240 R2 0.844 4 个体效应 F(6,204) = 184.52*** 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 -
1)空间相关性检验。在进行空间计量模型回归前,需要确定变量的空间自相关性,莫兰指数I(Moran's I)是最常用的检验空间自相关的指标,其计算公式为:
$$ I = \dfrac{{\displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}({x_i} - \bar x)({x_j} - \bar x)} } }}{{{S^2}\displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}} } }} $$ (6) 式中:
$ {S^2} = \dfrac{{\displaystyle \sum\limits_{i = 1}^n {({x_i} - \bar x)} }}{n} $ 为样本方差,$ {{\boldsymbol{W}}_{ij}} $ 为空间权重矩阵元素$ (i,j) $ ,$ \displaystyle \sum\limits_{i = 1}^n {\displaystyle \sum\limits_{j = 1}^n {{{\boldsymbol{W}}_{ij}}} } $ 为空间权重之和,$ {x_i} $ 和$ {x_j} $ 表示解释变量,$ \bar x $ 为解释变量的平均值。$ I $ 值一般位于$ [ - 1,1] $ 之间,负值表示变量存在负的空间自相关,正值表示变量存在正的空间自相关,当$ I $ 值趋近于0时表示不存在空间自相关。表8显示了经济矩阵和经济距离矩阵下2011—2018年我国30个省市自治区绿色发展水平和数字金融的Moran' I指数。据表8可知,在两种权重矩阵下,我国绿色发展水平和数字金融的Moran's I值均高度显著为正,说明二者均具有显著的空间正相关性。因此,本文需要建立空间计量模型来研究变量间的空间溢出性。
表 8 主要变量空间相关性检验结果
年份 绿色发展水平 数字金融 经济矩阵Moran's I值 经济距离矩阵Moran's I值 经济矩阵Moran's I值 经济距离矩阵Moran's I值 2011 0.211***
(2.799)0.242***
(3.182)0.436***
(5.365)0.505***
(6.206)2012 0.215***
(2.853)0.264***
(3.447)0.437***
(5.444)0.508***
(6.310)2013 0.244***
(3.190)0.279***
(3.621)0.453***
(5.661)0.518***
(6.470)2014 0.184***
(2.574)0.219***
(3.019)0.470***
(5.860)0.534***
(6.653)2015 0.179***
(2.499)0.238***
(3.207)0.463***
(5.783)0.523***
(6.538)2016 0.242***
(3.255)0.264***
(3.543)0.454***
(5.693)0.511***
(6.403)2017 0.272***
(3.589)0.281***
(3.728)0.436***
(5.483)0.499***
(6.277)2018 0.285***
(3.763)0.295***
(3.920)0.404***
(5.064)0.478***
(5.974)注:括号内的数值为Z统计量;*、**、***分别表示估计系数在10%、5%和1%水平下显著。 2)建立空间杜宾模型并进行效应分解。本文在进行了LM检验、Hausman检验、LR检验与Wald检验后,根据式(5)建立了固定效应下的空间杜宾模型,并依据LeSage等[28]的研究方法对空间杜宾模型的回归结果进行了效应分解,结果如表9所示。
表 9 空间效应分解结果
变量 直接效应 间接效应 总效应 D 0.083***
(0.004)−0.007**
(0.041)0.076**
(0.032)控制变量 控制 N 240 R2 0.084 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 根据表9结果可知,数字金融对我国绿色发展水平的直接效应显著为正,说明数字金融可以提高本地区的绿色发展水平,这与前文基准回归和门槛回归结果一致。但从间接效应来看,数字金融的系数显著为负,说明本地区数字金融对邻近地区的绿色发展产生了抑制作用。这有可能是本地区数字金融在提高创新效率、扩大技术溢出与促进产业结构升级的同时,产生了“虹吸效应”,造成了邻近地区人才与资金流失。同时本地区优质的数字金融服务吸收了一定数量的邻近地区客户,减少了邻近地区的消费,不利于邻近地区产业结构发展与升级,最终抑制了邻近地区的绿色发展。至此,本文假设3得以验证。
-
数字金融对我国绿色发展水平的影响可能受不同地区经济发展水平的制约,因此本文从东部、中部、西部3个区域进行回归分析,以验证数字金融对我国绿色发展水平影响的稳健性与异质性,回归结果如表10所示。
表 10 分区域数字金融对我国绿色发展水平的影响
变量 东部地区 中部地区 西部地区 D 0.012**
(0.012)0.025**
(0.015)0.038***
(0.000)控制变量 控制 控制 控制 省份固定效应 控制 控制 控制 年份固定效应 控制 控制 控制 N 88 72 80 R² 0.870 0.840 0.812 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 从表10中可以看出,数字金融在东部、中部、西部3个区域均能有效地提高绿色发展水平,与前文全国层面分析一致,间接验证了前文的估计结果是稳健的。相较于东部地区,中西部地区数字金融能够更有效地提高绿色发展水平,原因可能是中西部地区数字金融水平与绿色发展水平相对较低,随着近些年数字金融的快速发展,数字金融凭借其服务范围广、覆盖面积大等特点,迅速渗透到各个产业领域中,有效地提高了中西部地区绿色发展水平;而东部地区数字金融水平较高,鉴于前文实证结果可知,数字金融提高绿色发展水平存在着门槛效应,所以这种促进效应可能会有所收敛。因此各个地区应结合当地的具体情况,制定合理的政策,使数字金融与绿色发展协调共进。
-
本文利用2011—2018年我国30个省市自治区的面板数据,通过基准回归模型、中介效应模型、门槛效应模型及空间杜宾模型考察了数字金融对我国绿色发展水平的影响。结果表明:①在全国层面和分区域层面上数字金融均可以提高我国绿色发展水平,其中,数字金融对西部地区绿色发展的推动作用最明显,中部地区次之,对东部地区绿色发展的推动作用最小;②数字金融通过提高创新效率、扩大技术溢出和促进产业结构升级的中介机制提高了我国绿色发展水平;③数字金融对我国绿色发展水平存在着单门槛效应,在未达到门槛值前,数字金融可以显著提高我国绿色发展水平,在达到门槛值后,数字金融对提高我国绿色发展水平的作用并不显著;④数字金融对我国绿色发展水平存在着空间溢出效应,从直接效应来看,数字金融可以显著提高本地绿色发展水平,从间接效应来看,数字金融不利于邻近地区绿色发展水平的提高。
综合以上结论,本文得出以下启示:①注重发展平衡,制定符合不同区域发展现状的数字金融发展战略。我国地域辽阔,人口、资源与经济发展在不同地区呈现出不同的发展趋势,东部地区数字金融发展水平最高,但其对绿色发展水平的提高作用最小,说明二者之间的动态关系需要进一步调整,使绿色发展逐步适应较高的数字金融发展水平。而中西部地区应借鉴东部地区数字金融的发展模式,充分发挥数字金融服务便捷、覆盖面广以及普惠性强等特点,提高数字金融发展水平的同时结合当地经济发展现状,使数字金融更好地服务于绿色发展。②加强数字金融基础设施建设,注重培养与引进相关技术人才。提高创新效率、扩大技术溢出与促进产业结构升级都是促进绿色发展的有利途径,而这三者均离不开高质量数字金融的支持,因此政府应加大数字金融基础设施的投入,同时培养与引进相关人才,促进信息技术在不同区域间的流动,合理引导产业集聚,形成优质的产业链,推动数字金融的发展,最终提高我国绿色发展水平。③构建区域数据共享平台,发挥数字金融良性空间溢出作用。政府在制定数字金融资源空间布局政策时,应当考虑到数字金融的空间溢出作用,通过构建区域数据共享平台,加强数字金融行业及相关行业之间的交流,增进不同区域间的数字金融业务联系,形成互联互通的高水平数字金融网络,减少数字金融的“虹吸效应”,使数字金融在促进本地绿色发展的同时对邻近地区产生良性的空间溢出作用。
Impact of Digital Finance Development on China's Green Development Level
-
摘要: 利用2011—2018年我国30个省级行政区的面板数据,通过基准回归模型、中介效应模型、门槛效应模型及空间杜宾模型考察了数字金融对我国绿色发展水平的影响。结果表明:①在全国层面和分区域层面上数字金融均可以提高我国绿色发展水平;②数字金融通过提高创新效率、扩大技术溢出和促进产业结构升级的中介机制提高我国绿色发展水平;③数字金融对我国绿色发展水平存在着单门槛效应;④数字金融对我国绿色发展水平存在着空间溢出效应,数字金融可以显著提高本地绿色发展水平但不利于邻近地区绿色发展水平的提高。Abstract: Based on the panel data of 30 provinces in China from 2011 to 2018, this paper examines the impact of digital finance on China's green development level through benchmark regression models, intermediary effect models, threshold effect models and Spatial Dubin Models. The results show that: ① digital finance at the national and sub-regional levels can improve China's green development; ② digital finance has improved the level of green development in China through an intermediary mechanism that raises innovation efficiency, expands technology spillovers, and promotes the upgrading of industrial structure; ③ digital financial has a single threshold effect on China's green development level; ④ digital finance has a spatial spillover effect on the level of green development in China, digital finance can significantly improve the level of local green development, but it is not conducive to improving the level of green development in neighboring areas.
-
Key words:
- digital finance /
- green development /
- mediation effect /
- threshold effect /
- Spatial Dubin Model
-
表 1 绿色发展指标体系
一级指标 序号 二级指标 单位 权数 影响方向 资源利用
(29.3%)1 能源消费总量增长率 % 2.44 逆向 2 单位GDP能源消耗降低率 % 3.66 正向 3 单位GDP CO2排放降低率 % 3.66 正向 4 天然气占能源消费比例 % 3.66 正向 5 用水总量增长率 % 2.44 逆向 6 万元GDP用水量下降率 % 3.66 正向 7 单位工业增加值用水量降低率 % 2.44 正向 8 耕地面积增长率 % 3.66 正向 9 单位GDP建设用地面积降低率 % 2.44 正向 10 一般工业固体废物综合利用率 % 1.24 正向 环境治理
(16.5%)11 化学需氧量排放总量减少率 % 2.75 正向 12 氨氮排放总量减少率 % 2.75 正向 13 SO2排放总量减少率 % 2.75 正向 14 氮氧化物排放总量减少率 % 2.75 正向 15 工业固体废物综合利用率 % 0.92 正向 16 生活垃圾无害化处理率 % 1.83 正向 17 污水集中处理率 % 1.83 正向 18 环境污染治理投资占GDP比例 % 0.92 正向 环境质量
(19.3%)19 地级及以上城市空气质量优良天数比率 % 7.24 正向 20 地级及以上城市细颗粒物(PM2.5)浓度 % 7.24 逆向 21 单位耕地面积化肥使用量 kg/hm2 2.41 逆向 22 单位耕地面积农药使用量 kg/hm2 2.41 逆向 生态保护
(16.5%)23 森林覆盖率 % 4.12 正向 24 森林蓄积量 亿m3 4.12 正向 25 草原面积占行政区域面积的比例 % 2.75 正向 26 湿地面积占国土面积的比例 % 2.75 正向 27 自然保护区占辖区面积比例 % 1.38 正向 28 新增水土流失治理面积 万hm2 1.38 正向 增长质量
(9.2%)29 人均GDP增长率 % 1.15 正向 30 居民人均可支配收入 元 1.15 正向 31 第三产业增加值占GDP比例 % 1.15 正向 32 万人专利数授权量 件 1.15 正向 33 万人普通高等学校在校人数 人 1.15 正向 34 城乡人均可支配收入比值 1.15 逆向 35 恩格尔系数 1.15 逆向 36 研究与试验发展经费支出占GDP比例 % 1.15 正向 绿色生活
(9.2%)37 人均日生活用水量 m3 0.92 逆向 38 人均生活用电量 kW·h 0.92 逆向 39 人均公园绿地面积 m2 0.92 正向 40 绿色出行(城镇每万人口公共交通客运量) 万人次 0.92 正向 41 城市建成区绿化覆盖率 % 0.92 正向 42 城市用水普及率 % 1.84 正向 43 城市燃气普及率 % 0.92 正向 44 城市每万人拥有公共厕所数 座 0.92 正向 45 每万人市容环卫专用车辆设备数 台 0.92 正向 注:括号内为权数。 表 2 2011—2018年我国省域绿色发展指数
区域 省份 2011 2012 2013 2014 2015 2016 2017 2018 东部 北京 0.369 0.390 0.415 0.441 0.489 0.496 0.490 0.528 天津 0.260 0.274 0.286 0.298 0.366 0.337 0.333 0.359 河北 0.214 0.224 0.227 0.238 0.271 0.242 0.257 0.273 辽宁 0.272 0.293 0.307 0.292 0.318 0.292 0.315 0.313 上海 0.336 0.346 0.374 0.339 0.379 0.423 0.437 0.452 江苏 0.276 0.302 0.314 0.311 0.339 0.337 0.343 0.363 浙江 0.288 0.312 0.330 0.334 0.377 0.361 0.353 0.385 福建 0.246 0.261 0.284 0.290 0.322 0.311 0.303 0.334 山东 0.236 0.252 0.265 0.262 0.294 0.286 0.288 0.291 广东 0.292 0.286 0.301 0.308 0.350 0.341 0.354 0.387 海南 0.252 0.258 0.264 0.255 0.286 0.283 0.297 0.316 中部 山西 0.206 0.223 0.238 0.249 0.278 0.267 0.267 0.257 内蒙古 0.285 0.299 0.324 0.335 0.382 0.373 0.366 0.376 吉林 0.258 0.269 0.281 0.286 0.336 0.309 0.300 0.320 黑龙江 0.314 0.328 0.349 0.366 0.400 0.403 0.391 0.407 安徽 0.204 0.219 0.234 0.246 0.274 0.260 0.250 0.271 江西 0.238 0.251 0.257 0.263 0.288 0.277 0.278 0.299 河南 0.173 0.182 0.192 0.212 0.244 0.227 0.238 0.255 湖北 0.215 0.220 0.259 0.264 0.304 0.277 0.286 0.304 湖南 0.211 0.211 0.220 0.235 0.268 0.272 0.255 0.269 西部 重庆 0.242 0.253 0.265 0.281 0.338 0.309 0.296 0.322 四川 0.301 0.308 0.339 0.339 0.380 0.376 0.381 0.404 贵州 0.172 0.193 0.217 0.220 0.257 0.239 0.236 0.265 云南 0.267 0.274 0.298 0.303 0.329 0.330 0.331 0.353 陕西 0.288 0.289 0.301 0.315 0.365 0.321 0.303 0.310 甘肃 0.193 0.205 0.234 0.246 0.289 0.271 0.313 0.322 青海 0.208 0.222 0.221 0.245 0.273 0.276 0.271 0.280 宁夏 0.197 0.204 0.223 0.236 0.268 0.237 0.230 0.250 新疆 0.200 0.213 0.234 0.256 0.289 0.271 0.269 0.286 广西 0.205 0.206 0.224 0.238 0.261 0.249 0.246 0.266 表 3 变量的描述性统计
变量属性 变量名称 变量符号 最小值 最大值 平均值 标准差 被解释变量 绿色发展水平 G 0.172 0.528 0.291 0.061 核心解释变量 数字金融 D 0.183 3.777 1.882 0.848 中介效应变量 创新效率 R 0.411 6.170 0.290 1.112 技术溢出 T 6.219 13.078 9.930 0.632 产业结构升级 U 0.518 4.348 1.125 1.431 控制变量 经济增长水平 E 9.706 11.851 10.780 0.426 政府行为水平 V 0.110 0.627 0.247 0.102 对外开放水平 O 0.017 1.548 0.279 0.312 工业化发展 Y 0.186 0.590 0.446 0.084 表 4 基准回归结果
剔除控制变量 加入控制变量 D 0.064 6***
(0.017 0)0.041 8***
(0.016 1)常数项 0.169 8***
(0.032 1)−0.573 2***
(0.186 2)个体效应 控制 控制 时间效应 控制 控制 N 240 240 R2 0.774 8 0.825 3 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误;N为样本量。 表 5 中介效应机制回归结果
创新效率 技术溢出 产业结构升级 R G T G U G D 0.9436***
(0.2324)0.0513**
(0.0251)0.2772***
(0.0739)0.0093***
(0.0053)0.4094***
(0.1483)0.0637**
(0.0250)R 0.0269***
(0.0069)T 0.0099***
(0.0048)U 0.0318***
(0.0110)常数项 −3.1075***
(0.9851)−0.3167***
(0.1052)−2.8780
(2.7622)−0.2185
(0.1923)−0.6888
(0.6289)−0.3784***
(0.1047)控制变量 控制 控制 控制 控制 控制 控制 个体效应 控制 控制 控制 控制 控制 控制 时间效应 控制 控制 控制 控制 控制 控制 N 240 240 240 240 240 240 R2 0.6836 0.6740 0.9847 0.9529 0.8859 0.6647 Sobel 0.0080*** 0.0000*** 0.0068*** 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 表 6 门槛效应的存在性检验
F值 P值 Bootstrap次数 临界值 10% 5% 1% 单一门槛 25.11 0.0433 300 22.6380 24.8233 27.7438 双重门槛 13.06 0.4367 300 19.4674 23.3200 28.0542 三重门槛 4.44 0.9467 300 16.9125 19.2013 23.5098 表 7 单一门槛回归结果
D ≤ 2.2993 D > 2.2993 D 0.012 0**
(0.004 9)0.007 3
(0.005 1)常数项 −0.397 4**
(0.188 0)控制变量 控制 N 240 R2 0.844 4 个体效应 F(6,204) = 184.52*** 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 表 8 主要变量空间相关性检验结果
年份 绿色发展水平 数字金融 经济矩阵Moran's I值 经济距离矩阵Moran's I值 经济矩阵Moran's I值 经济距离矩阵Moran's I值 2011 0.211***
(2.799)0.242***
(3.182)0.436***
(5.365)0.505***
(6.206)2012 0.215***
(2.853)0.264***
(3.447)0.437***
(5.444)0.508***
(6.310)2013 0.244***
(3.190)0.279***
(3.621)0.453***
(5.661)0.518***
(6.470)2014 0.184***
(2.574)0.219***
(3.019)0.470***
(5.860)0.534***
(6.653)2015 0.179***
(2.499)0.238***
(3.207)0.463***
(5.783)0.523***
(6.538)2016 0.242***
(3.255)0.264***
(3.543)0.454***
(5.693)0.511***
(6.403)2017 0.272***
(3.589)0.281***
(3.728)0.436***
(5.483)0.499***
(6.277)2018 0.285***
(3.763)0.295***
(3.920)0.404***
(5.064)0.478***
(5.974)注:括号内的数值为Z统计量;*、**、***分别表示估计系数在10%、5%和1%水平下显著。 表 9 空间效应分解结果
变量 直接效应 间接效应 总效应 D 0.083***
(0.004)−0.007**
(0.041)0.076**
(0.032)控制变量 控制 N 240 R2 0.084 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 表 10 分区域数字金融对我国绿色发展水平的影响
变量 东部地区 中部地区 西部地区 D 0.012**
(0.012)0.025**
(0.015)0.038***
(0.000)控制变量 控制 控制 控制 省份固定效应 控制 控制 控制 年份固定效应 控制 控制 控制 N 88 72 80 R² 0.870 0.840 0.812 注:*、**、***分别表示在10%、5%、1%的水平下显著;括号内为稳健标准误。 -
[1] 罗志勇. 社会转型期我国绿色发展的困境与路径研究[J]. 观察与思考,2018(2):65-71. doi: 10.3969/j.issn.1008-8512.2018.02.009 [2] 王勇,李海英,俞海. 中国省域绿色发展的空间格局及其演变特征[J]. 中国人口·资源与环境,2018,28(10):96-104. [3] 朱帮助,张梦凡. 绿色发展评价指标体系构建与实证[J]. 统计与决策,2019,35(17):36-39. [4] 方永恒,赵雨萌. 汉江生态经济带绿色发展水平测度研究[J]. 环境科学与技术,2020,43(12):228-236. [5] 宋雪纯. 基于熵值法的赣州市绿色发展综合评价研究[J]. 现代工业经济和信息化,2021,11(5):14-18. [6] LEVINE R. Finance and growth:theory and evidence[J]. Handbook of Economic Growth,2005(1):866-923. [7] 白钦先,谭庆华. 论金融功能演进与金融发展[J]. 金融研究,2006(7):41-52. [8] 黄建欢,吕海龙,王良健. 金融发展影响区域绿色发展的机理−基于生态效率和空间计量的研究[J]. 地理研究,2014,33(3):532-545. doi: 10.11821/dlyj201403012 [9] 刘海瑞. 金融发展对绿色全要素生产率的影响研究[D]. 南京: 南京师范大学, 2019. [10] 卢利. 绿色金融对我国绿色技术创新的影响研究[D]. 重庆: 重庆工商大学, 2021. [11] 常慧颖. 金融发展对中国区域绿色发展水平的影响研究[D]. 郑州: 河南大学, 2020. [12] 黄益平,黄卓. 中国的数字金融发展:现在与未来[J]. 经济学(季刊),2018,17(4):1489-1502. [13] 陈瑶. 中国区域工业绿色发展效率评估−基于R&D投入视角[J]. 经济问题,2018(12):77-83. [14] 韩科振. 自主创新与技术溢出对我国绿色技术进步的影响研究−基于面板门限模型的实证分析[J]. 价格理论与实践,2020(7):149-153. [15] 顾剑华,王亚倩. 产业结构变迁对区域高质量绿色发展的影响及其空间溢出效应−基于我国省域面板数据的实证研究[J]. 西南大学学报(自然科学版),2021,43(8):116-128. [16] BRUHN M,LOVE I. The real impact of improved access to finance:evidence from Mexico[J]. Journal of Finance,2014,69(3):1347-1376. doi: 10.1111/jofi.12091 [17] 刘湘云,吴文洋. 科技金融与高新技术产业协同演化机制及实证检验−源于广东实践[J]. 广东财经大学学报,2018,33(3):20-32. [18] 魏军霞. 数字普惠金融对经济高质量发展的影响研究[D]. 兰州: 兰州大学, 2021. [19] 杨艳芳,詹俊岩,胡艳君. 数字普惠金融对经济高质量发展的影响研究[J]. 科技促进发展,2021,17(5):838-845. [20] 何龙森. 数字普惠金融对经济高质量发展的影响研究[D]. 重庆: 重庆工商大学, 2021. [21] 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,2021,37(15):136-139. [22] ELHORST J P. Spatial econometrics: from cross sectional data to spatial panels[M]. New York: Springer, 2014. [23] 郭峰,王靖一,王芳,等. 测度中国数字普惠金融发展:指数编制与空间特征[J]. 经济学(季刊),2020(4):1401-1418. [24] 徐盈之,徐菱. 技术进步、能源贫困与我国包容性绿色发展[J]. 大连理工大学学报(社会科学版),2020,41(6):24-35. [25] 李光龙,孙宏伟,周云蕾,等. 财政分权下科技创新与城市绿色发展效率[J]. 统计与信息论坛,2020,35(9):83-93. doi: 10.3969/j.issn.1007-3116.2020.09.010 [26] 袁华锡,刘耀彬. 金融集聚与绿色发展−基于水平与效率的双维视角[J]. 科研管理,2019,40(12):126-143. [27] 周晓星,田时中. 制造业集聚的地区绿色发展效应检验−基于固定效应和门槛模型的实证[J]. 长春理工大学学报(社会科学版),2020,33(6):59-66. doi: 10.3969/j.issn.1009-1068.2020.06.013 [28] LESAGE J, PACE R K. Introduction to spatial econometrics[M]. New York: CRC Press, 2009. -