【www.zhangdahai.com--其他范文】
章志华，贺建风
（1.广东财经大学 经济学院，广东 广州 510320；
2.华南理工大学 经济与金融学院，广东 广州 510006）
改革开放四十年来，中国经济高速增长取得的伟大成就已引起全世界的关注，但依靠生产要素驱动的粗放型经济增长模式仍未根本扭转，带来了资源的过度消耗以及环境污染较为严重的问题。《中国统计年鉴（2019）》数据显示，2018年中国GDP占全球GDP总量的比重为15.9%，而同期能源消费量占比高达23.6%，CO2排放量占全球排放量的27.8%。随着中国经济由高速增长进入到高质量发展阶段，高消耗、高污染的粗放型发展模式已无法满足经济高质量发展的现实需要。而且，中国政府在2020年9月联合国大会上向全世界承诺到2030年前，CO2的排放量达到峰值之后将逐渐下降；
到2060年前，要通过技术创新等方式中和已排放的CO2。因此，在新发展阶段，这种粗放型经济增长模式将不可持续，推动我国经济发展模式向绿色低碳转型刻不容缓。
数字普惠金融作为新一代信息技术与传统金融服务相结合的新型金融服务模式，借助互联网、大数据、人工智能等新一代信息技术，数字普惠金融能够突破传统金融服务的边界，通过减少对担保、质押等信息的过度依赖以降低借贷的门槛与成本，从而能够为更多的人提供网络借贷、网络支付等新型金融服务，这为数字普惠金融发展提供了一个很好的服务载体，从而推动了数字普惠金融的快速发展。据《北京大学数字普惠金融指数（2011—2018）》数据显示，2018年省级层面的数字惠普金融指数值相比2011年翻了四倍，年均增长速度为36.4%。那么，我国数字普惠金融的快速发展能否推动绿色经济增长呢？数字普惠金融实际上也是一种环境友好型的金融服务模式，能够将金融服务与碳排放、绿色交易等联系起来，引导绿色金融资源向高新技术、绿色低碳产业转移，从而有利于推动经济绿色转型。此外，数字普惠金融作为一种与数字技术结合紧密的新型金融服务模式，伴随着新一代信息技术的蓬勃发展，使得数字普惠金融更容易突破时空上的限制，在更大的范围内实现低成本、便捷的金融资源配置。因此，数字普惠金融在影响本地区绿色经济增长的同时，也可能通过低成本、便捷的金融服务新模式影响周边地区的绿色经济增长。
Goldsmith（1969）[1]最先研究了金融发展对经济增长的影响。Mckinnon（1973）[2]和Shaw（1973）[3]认为，金融深化对经济增长有促进作用。Diamond（1984）[4]、King和Levine（1993）[5]认为，银行主导的金融结构能够促进经济增长。Allen等（2005）[6]认为，非正规金融是推动私营企业扩张的重要原因，即使在相关金融制度不完善的条件下，金融市场仍能够推动中国经济增长。但是，Degryse等（2013）[7]的研究表明，在私营企业规模扩张时非正规金融能够发挥作用，而在转型时期正规金融系统的作用更加明显。张成思和刘贯春（2016）[8]采用2004—2012年的国别数据进行实证研究，结论表明金融结构、金融服务对经济增长有促进作用。考虑了资源消耗与非期望产出的绿色全要素生产率已成为衡量绿色经济增长的重要指标。周五七和朱亚男（2018）[9]采用长江经济带的面板数据进行实证研究，结论表明金融发展对绿色全要素生产率的促进作用明显。徐璋勇和张睿（2020）[10]采用西部地区的省际面板数据进行研究，也得到同样的结论。进一步，张帆（2017）[11]研究发现，金融发展水平对绿色全要素生产率的影响是一种非线性的关系；
葛鹏飞等（2018）[12]基于“一带一路”跨国面板数据，发现金融发展对绿色全要素生产率的影响为负，但在创新异质性条件下，它们之间却是一种复杂的非线性关系。此外，谢婷婷等（2019）[13]研究了绿色信贷对绿色全要素生产率的影响。
近年来，数字普惠金融的快速发展已引起了学者们的广泛关注，李双燕等（2021）[14]基于研发投入的视角研究了数字普惠金融对绿色全要素生产率影响的中介作用。江红莉和蒋鹏程（2022）[15]研究发现，数字普惠金融对城市绿色经济效率的影响呈现“U”型关系。刘敏楼等（2022）[16]认为，数字金融显著地促进了绿色发展，且这种促进作用能够通过提高覆盖广度和数字化程度来实现。杨怡等（2022）[17]认为，数字普惠金融对农业绿色增长的影响表现出明显的异质性，其中，覆盖广度、使用深度对农业绿色增长有促进作用，而数字化程度对农业绿色增长有抑制作用。
综上所述，已有文献探讨了金融发展对绿色全要素生产率的影响，但研究结论并不一致，而且对于数字普惠金融对绿色全要素生产率影响的研究不足。因此，本文拟从研究方法和数据选取方面进行改善。在研究方法上，随着新一代信息技术的快速发展，使得数字普惠金融更容易突破时空上的限制，在更大的范围内实现低成本、便捷的金融资源配置。因此，在研究数字普惠金融对绿色经济增长的影响中需要考虑其空间溢出效应。在数据选取上，由于省级层面数据的空间尺度与个体差异性均较大，若采用它进行估计可能会导致研究结论失真，为此本文采用2011—2017年我国285个城市的面板数据进行研究。
（一）数字普惠金融对全要素生产率的影响
内生增长理论认为，金融发展能够通过优化资源配置和技术进步两种途径影响全要素生产率。发达的金融市场通过借贷利率引导金融资源流向技术创新项目，最终能够促进生产效率提升（江红莉和蒋鹏程，2022）[15]。从生产角度看，由于金融排斥，中小企业是我国技术创新的生力军，但在传统金融服务模式下却面临融资难的困境，数字普惠金融作为一种新的金融服务模式，降低了金融服务的门槛和成本，拓宽了中小微企业的融资渠道，改善了技术创新的融资环境，从而有利于生产效率提高。从消费角度看，数字普惠金融提升了金融服务的覆盖度，降低了金融服务的门槛和成本，促使金融服务延伸到农村的低收入群体，从而能够提高农村居民的收入水平，缩小了城乡收入差距，有利于消费结构优化。消费结构升级会促使部分低端产品的制造企业被市场淘汰，生存下来企业在激烈的市场竞争环境中为获取更大的市场份额将通过技术创新提高其产品质量。随着产品质量的上升，中高端商品的消费者得以释放，又会对厂商生产的产品提出更高的质量要求，周而复始会倒逼厂商不断通过技术创新提高产品质量，推动生产率提升。然而，数字普惠金融可能带来新的金融风险，阻碍经济效率提升。随着数字普惠金融的快速发展，监管制度滞后可能会导致金融风险的不断累积。同时，在新一代数字技术的驱动下，金融风险的传染更复杂、快速和隐蔽，进而对经济效率提升有抑制作用。此外，数字普惠金融的快速发展为人们提供了更多样化的融资途径，但随着杠杆率的不断提高，可能引发违约风险，不利于经济效率提升。
（二）数字普惠金融对绿色经济增长的影响
第一，数字普惠金融借助新一代信息技术，拓宽了公众参与绿色环保事业的途径，能够将绿色发展理念与金融服务联系起来，同时，金融服务的数字化管理模式以及透明的信息公开方式提高了公众对参与绿色环保事业的信心，从而有利于推动生活、生产方式的绿色转型（刘敏楼等，2022）[16]。
第二，已有研究认为，数字普惠金融实际上也是一种环境友好型的金融服务模式，能够将金融服务与碳排放、绿色交易等联系起来，数字普惠金融通过提高金融服务效率，能够引导绿色金融资源向高新技术企业和绿色低碳产业转移，有利于企业减少能源消耗、优化产业结构、降低污染物排放量，推动绿色发展（腾磊和马德功，2020）[18]。
第三，借助新一代数字技术，数字普惠金融能够挖掘出企业的部分特质性信息，资本市场信息效率的改善则要依靠提高资本市场的关注度，促使金融机构更加关心企业的环境效益，并通过提高贷款利率来降低企业可能带来的环境风险，迫使转型压力较大的企业减少污染物排放，提高环境质量，以推动绿色发展（刘敏楼等，2022）[16]。
第一，绿色经济增长（GTFP）。由于绿色经济增长不仅考虑了期望产出，而且还考虑了资源投入与环境污染问题，能够更真实的反映全要素生产率的变化。对于绿色经济增长的测算，由于ML指数无法反映生产效率的长期变化，而SBM方向性距离函数的线性规划可能存在无可行解的问题，为此本文根据Oh（2010）[19]提出的GML（Global Malmquist-Luenberger）指数测算方法，测算了2011—2017年中国285个城市的绿色经济增长指数。
首先，假定每个城市是一个独立的生产决策单元，每个城市使用k种要素投入，到m种期望产出与n种非期望产出，则各城市的全域生产可能性集合见式（1）。
利用数据包洛方法（DEA），进一步可得
其中，i、t分别表示城市和年份；
λt为权重，表示生产过程为规模报酬可变，若无该约束条件，则表明生产过程为规模报酬不变。
进一步根据Fukuyama和Weber（2009）[20]的做法，本文可得SBM方向性距离函数：
其中，（xit，yit，zit）分别表示第i个城市在t期投入、期望产出以及非期望产出；
（gx，gy，gz）分别表示投入减少、期望产出增加以及非期望产出减少；
（Sx，Sy，Sz）为松弛向量，分别表示投入过度使用、期望产出不足和非期望产出过多。
由于GML指数是一个相对数，若它大于1（小于1）则表示该指数在增长（下降）。
其中，投入指标包括资本、就业人数和全社会用电量。资本存量K采用永续盘存法计算得到，永续盘存法计算如下：Kit=（1-δ）Kit-1+Iit，其中，Iit表示固定资产投资额；
资本折旧率δ为9.6%，基期年2011年的资本存量为2011年的固定投资额除于折旧率与平均增长率之和，并采用全社会年用电量来衡量能源消耗总量（程中华和于斌斌，2014）[21]。期望产出指标为实际GDP；
非期望产出指标为废水、SO2和烟（粉）尘排放量。
表1 2011—2017年绿色经济增长及其分解
由表1的分析结果可知，2011—2017年的GML指数与技术进步的变化基本保持一致，表明GTFP的增长主要依靠技术进步来推动。由于GTFP增长的动力来源于技术进步，技术进步有利于经济发展方式转变，这与孙付华等（2019）[22]的研究结果基本一致，因此，要更加重视技术进步对GTFP增长的推动作用。
由于测算的GML指数反映的是GTFP的增长率，还需要换算成绿色经济增长，为此本文参照邱斌等（2008）[23]的做法，假设2010年的GTFP为1，用2011年的GML指数乘以2010年的GTFP可得2011年的GTFP，以此类推最终得到2011—2017年的GTFP。
第二，数字普惠金融（DIF）。目前国内较为全面地反映各城市数字普惠金融发展情况的数据是北京大学数字普惠金融研究中心等编制的“北京大学数字普惠金融指数”。由于数字普惠金融总指数及各维度指标均包含了数字普惠金融的有关信息，若采用某一指标可能无法全面、准确地反映数字普惠金融对城市绿色经济增长的影响，容易导致回归结果失真。因此，本文采用数字普惠金融总指数反映各城市数字普惠金融发展水平，并采用覆盖广度、使用深度及数字化程度来反映数字普惠金融在不同维度的表现。
表2 数字普惠金融指数的地区分析结果
由表2的分析结果可知，2011—2017年间，中国数字普惠金融增长迅速，2017年数字普惠金融指数是2011年的4.3倍，年平均增长27.5%。进一步可知中国的数字普惠金融发展程度仍然有明显的地区差异性，东部地区的数字普惠金融指数最高，中部地区的数字普惠金融指数次之，西部地区的数字普惠金融指数最低。《北京大学数字普惠金融指数》显示，2017年数字普惠金融综合指数得分最高的杭州市是得分最低的陇南市的1.5倍。根据《中国城市统计年鉴》数据显示，2017年金融机构贷款额最高的北京市是最低的齐齐哈尔的402.8倍。说明相对于传统金融，数字普惠金融形成了更广泛的普惠金融覆盖度。
图1 2011—2017数字普惠金融分维度的变化趋势
由于数字普惠金融综合指数不能反映中国数字普惠金融在不同维度的发展趋势，需进一步从数字普惠金融的覆盖广度、使用深度与数字化程度三个维度进行分析。由图1的分析结果可知，在2011—2017年间，普惠金融综合指数表现出“数字化程度＞使用深度＞覆盖广度”的梯度分布格局。但是，在不同年份三类指数的增速并不一样，如图1所示，在2014—2017年间，使用深度指数增长速度很快，成为推动数字普惠金融综合指数增长的重要因素。这说明随着数字普惠金融覆盖广度和数字化程度的不断发展，数字普惠金融的使用深度将逐渐成为各类指数增长的重要驱动力。
第三，研发强度（RD）。研发创新作为提高自主创新能力的重要因素，研发创新水平的提高有利于生产效率提升，进而间接地影响到绿色经济增长，因而本文采用城市的R&D经费支出与GDP之比来衡量研发强度。
第四，对外开放度（OPEN）。一方面，FDI带来的“污染天堂”效应不利于东道国的绿色经济发展；
另一方面，FDI带来的技术溢出效应能够优化资源配置效率，促进东道国的绿色经济发展。因此，FDI对东道国绿色经济发展的影响不确定。本文采用实际利用FDI额与GDP之比来表示对外开放度。其中，FDI额按美元对人民币的年平均汇率进行换算。
第五，产业结构升级（IND）。随着产业结构的不断升级，能够加快生产资源的优化配置，促使生产资源向绿色环保、高科技行业集聚，从而有利于绿色经济增长。本文采用第三产业与第二产业之比来表示产业结构升级。
第六，人力资本（HR）。由于人力资本能够通过提高地区创新与管理水平促进生产效率提升，因此，本文采用各城市的在校大学生人数与总人口之比来衡量人力资本。
本文把绿色经济增长作为因变量，并选取研发强度、数字普惠金融、对外开放度、产业结构升级和人力资本为自变量。样本数据选自《中国城市统计年鉴》以及《北京大学数字普惠金融指数》。由于北京大学数字普惠金融指数在2011年开始对外发布，为使得研究在时间上保持一致，本文选取了2011—2017年285个城市的面板数据。
表3 变量的描述性统计
（一）空间相关性检验
空间距离矩阵。根据地理学第一定律，事物之间是存在普遍联系的，但相近事物之间的空间相关性相比距离较远事物更强。参照李东坤和邓敏（2016）[24]的做法，定义第i省与j省之间的空间权重矩阵为W（i，j）=1/d（i，j），其中，d（i，j）表示采用各省会城市经纬度计算的i省与j省之间的欧氏距离。
由于朱文涛等（2019）[25]认为绿色全要素生产率存在明显的空间自相关，而Anselin（1988）[26]认为几乎所有的空间数据都存在空间相关性，因此，本文采用Moran指数对中国285个城市绿色经济增长的空间自相关性进行检验。若全局域Moran指数大于0，且显著性较好，表明在2011—2017年期间中国285个城市绿色经济增长存在一定的正向空间集聚效应。进一步由局域Moran指数散点图可知，中国城市的绿色经济增长指数主要分布在第一象限与第三象限，即表现为“高值-高值”“低值-低值”的空间集聚状态，具有典型的空间“局部俱乐部”特征。“高值-高值”集聚的省份主要分布东部地区，而“低值-低值”集聚的省份基本上为中西部地区。
表4 绿色经济增长的Moran指数
图2 2011—2017年城市绿色经济增长均值的Moran指数分布
（二）基准模型分析
考虑到绿色经济增长是一个循序渐进的过程，不仅受到当前相关因素的影响，而且存在一定的路径依赖性。此外，数字普惠金融通过资本配置效应引导更多资金流向绿色、技术创新型企业，从而有利于绿色经济增长，但同时绿色经济增长过程中需要更多绿色金融资源的支持，反过来有利于数字普惠金融发展。腾磊和马德功（2020）[18]认为，数字普惠金融发展与绿色发展之间互为因果关系容易导致模型的估计结果出现偏差。Elhorst（2012）[27]认为，采用动态空间面板模型能够有效克服变量之间的内生性问题，因此，本文根据于斌斌（2017）[28]的做法，构建了动态空间面板模型来进行分析，具体形式如式（5）所示：
其中，LnGTFP-1表示前一期的绿色经济增长的对数形式。若时间滞后系数τ＞0，表明前一期的绿色经济增长促进了当期的绿色经济增长。若空间自相关系数ρ＞0表明绿色经济增长存在正向的空间自相关性，LnDFIN表示数字普惠金融指数的对数形式，控制变量X包括RD、OPEN、IND、HR四个变量。μ表示个体效应，υ表示时间效应，ε表示随机误差项。
当前动态空间面板模型的估计方法主要包括两种：一种方法是先剔除模型中的空间相关性，然后采用动态面板模型方法来估计；
另一种方法是采用拟极大似然估计法进行估计。由于拟极大似然估计法可以得到更加渐近有效的一致估计量，故本文亦采用拟极大似然估计法对式（5）进行估计。Hausman检验结果表明选择固定效应比随机效应更合适，因此，本文借助STATA15.0，采用拟极大似然方法对模型（5）的空间固定效应进行分析。
表5 基准模型的估计结果
表5的回归结果显示，在基准模型（1）的基础上逐步引入研发创新、外商直接投资、产业结构升级与人力资本等控制变量后，数字普惠金融（LnDFIN）的回归系数仍然为正，表明数字普惠金融对绿色经济增长的促进作用明显。可能是数字普惠金融具有成本低、速度快、受地域限制少的特点，更有利于改善传统金融服务的获得性和普惠性。也就是说，首先，数字普惠金融能够提高金融效率，而金融效率的提高有助于城市绿色经济增长。其次，数字普惠金融使得人们在各种场合的支付便利化，破除消费过程中的时空限制，扩大社会总体有效需求，在微观层面促使企业生产的商品能够及时销售，在宏观层面则提高城市总体的运行效率。最后，数字普惠金融有助于降低金融成本，降低企业总成本，使得企业更愿意扎根在数字普惠金融发展好的城市。
从其他控制变量来看，RD的回归系数为正，且通过1%的显著性检验，表明提高研发创新能力有助于绿色经济增长的提升，而研发创新作为提高自主创新能力的关键因素，其水平的提高有利于绿色经济增长的提升，因此，各级政府在加大研发投入的同时，要积极引导企业加大研发经费投入和提高创新效率。OPEN的回归系数为负，FDI带来的资金、技术与管理经验为中国经济快速增长做出了重要贡献，但在“市场换技术”的政策激励下，导致许多国外污染型产业进入国内，从而不利于绿色经济增长的提升。IND的回归系数为正但不显著，可能是在“唯GDP是从”的政策激励下，不断出现的生产潮涌和重复建设现象制约了产业结构的升级，以致对绿色经济增长的促进作用不明显。HR的回归系数为正且通过1%的显著性检验，可能是人力资本通过提升技术创新能力促进绿色经济增长。
（三）非线性分析
由理论分析可知，金融发展能够通过优化资源配置和技术进步两种途径影响全要素生产率。发达的金融市场通过借贷利率引导金融资源流向高科技产业，促进生产效率提高。因此，本文进一步分析数字普惠金融能否引致技术创新和产业结构升级，进而促进绿色经济增长。
表6 非线性分析结果
由表6的计算结果可知，模型（6）数字普惠金融LnDFIN的回归系数为负，且通过1%的显著性检验，而数字普惠金融的二次项LnDFIN×LnDFIN的回归系数为正，通过1%的显著性检验。表明数字普惠金融与绿色经济增长之间呈现“U”型关系，通过计算拐点值可知现阶段数字普惠金融的均值为4.866超过拐点值3.855，表明现阶段数字普惠金融对绿色经济增长有明显的促进作用。可能的原因是，在数字普惠金融出现的早期监管环境较为松弛，造成大量的互联网金融资源流入环境污染型产业，从而不利于经济绿色转型。随着数字普惠金融监管制度的不断完善，逐渐引导互联网金融资源流向技术创新型企业，改善了技术创新的环境，有利于技术创新水平提高，促进绿色经济增长。模型（7）的数字普惠金融与研发强度的交叉项LnDFIN×RD的回归系数为正，且通过1%的显著性检验，表明数字普惠金融能够通过引致技术创新，进而促进绿色经济增长。由于金融排斥，中小企业是我国技术创新的生力军，但在传统金融服务模式下却面临融资难的困境，数字普惠金融作为一种新的金融服务模式，降低金融服务的门槛和成本，拓宽了中小微企业融资渠道，改善了技术创新的环境，从而有利于生产效率提高。模型（8）数字普惠金融与产业结构升级的交叉项LnDFIN×IND的回归系数为正，且通过1%的显著性检验。表明数字普惠金融能够通过推动产业结构升级，进而促进绿色经济增长。可能原因是，在数字普惠金融发展的初级阶段，由于监管政策不严格导致其大量流入到高污染企业，这些企业在扩大再生产过程中很可能会增加污染物的排放量。但是，随着监管政策的不断完善，数字普惠金融会加大对企业技术创新的支持力度，促使企业技术创新能力的提高以及产业结构的不断优化，这都会减少污染物的排放量。
（四）分维度分析
表7 数字普惠金融的分维度指数估计结果
由表7数字普惠金融分维度的回归结果可知，覆盖广度、使用深度与数字化程度的回归系数均为正，表明数字普惠金融的覆盖广度、使用深度以及数字化程度均对绿色经济增长有促进作用。可能原因是，首先，数字普惠金融的出现大大方便了人们在各种场合的消费支付，从而提高了人们消费的积极性，使得人们更愿意随时随地购买商品，有利于提高金融包容性。而且，数字普惠金融还可以充分发挥低门槛、低成本的优势，为中小企业和低收入群体提供金融服务。其次，数字普惠金融提高了传统金融的支付效率，拓展了金融产品的销售渠道、突破了消费支付的时空限制，从而有利于金融效率提升。同时，互联网保险、网络信贷、余额宝等网络理财产品的发展加快了资金流通速度，并且通过大数据、云计算、区块链等平台以更快的速度为企业进行专业化分工，而分工水平的进一步细化，提高了劳动者在某一方面的劳动技能，并引发相关行业的生产技术变革，这又将进一步提升城市的生产率。最后，随着数字普惠金融的快速发展，监管环境不严可能会导致金融风险的不断累积，同时，在新一代数字技术的驱动下，金融风险的传染更复杂、快速和隐蔽，进而使得其对经济效率的提升作用不够明显。
（五）地区异质性分析
就数字普惠金融本身而言，其对经济增长的影响可能受到其它社会经济条件的影响。但是，仅通过总样本的估计结果无法揭示这一点。因此，本文把285个城市按所属的省份划分成东部、中部与西部，以进一步探究数字普惠金融对生产率影响的地区差异性。
表8 地区异质性分析结果
由表8的估计结果可知，数字普惠金融对绿色经济增长的影响表现出明显的地区差异性。东部地区数字普惠金融显著地促进了绿色经济增长，而中西部地区数字普惠金融对绿色经济增长的促进作用不明显。说明数字普惠金融对东部地区绿色经济增长的促进作用相比中西部地区更为突出。可能是东部地区金融发展水平较高，随着大数据、人工智能和区块链等新一代信息技术的蓬勃发展，必将推动东部地区数字普惠金融的快速发展。相对于传统金融，数字普惠金融更容易突破时空限制，使得东部地区能够获得更多的金融服务，并具有更高的边际效应，因此，东部地区数字普惠金融对绿色经济增长的促进作用更为明显。
（六）稳健性检验
在空间权重矩阵的选取上，由于各地区之间的经济来往日益密切，仅考虑它们在空间距离上的相关性是远远不够的，为此本文根据李永盛等（2020）[29]的做法，构造了经济权重矩阵和经济地理权重矩阵。其中，经济权重矩阵中的元素为研究时期内城市与城市之间人均GDP均值之差的倒数；
经济地理权重矩阵中的元素为两城市人均GDP均值之差的倒数与两城市间距离倒数的乘积。
表9 稳健性检验
表9的检验结果表明，数字普惠金融对绿色经济增长的影响有明显的促进作用，这与表5的估计结果基本一致，表明数字普惠金融对绿色经济增长影响的估计结果稳健。因此，在设定空间权重矩阵时，不仅要考虑它们在地理上的空间相关性，还应该考虑它们在经济上的空间相关性。进一步证实了数字普惠金融在促进本地区绿色经济增长的同时，也可能通过低成本和便捷的金融服务新模式来推动周边地区的绿色经济增长。
本文首先分析了数字普惠金融对城市绿色经济增长的影响，并采用动态SBM模型与Global Malmquist-Luenberger（GML）指数测算了绿色经济增长，然后选取2011—2017年中国285个城市的面板数据，在检验到绿色经济增长的空间自相关后，构建了动态空间面板模型实证检验了数字普惠金融对城市绿色经济增长的影响。
（一）结论
1.全局Moran指数大于0，而且显著性较好。检验结果表明在2011—2017年期间中国城市绿色经济增长在空间上不是一种随机分布，而呈现出一定程度的正向空间集聚效应。由局域Moran指数散点图可知，中国城市的绿色经济增长存在较大的空间差异性，主要分布在第一象限与第三象限，即大多数城市的绿色经济增长表现为“高值-高值”“低值-低值”的空间集聚状态，具有典型的空间“局部俱乐部”特征。进一步可知“高值-高值”集聚的城市主要分布在东部发达地区，而对“低值-低值”集聚的省份基本上为中西部欠发达地区。
2.构建了动态空间面板模型实证检验了数字普惠金融对城市绿色经济增长的影响。研究表明：（1）数字普惠金融与城市绿色经济增长呈现“U”型关系，通过计算二次曲线的拐点值表明现阶段数字普惠金融对绿色经济增长的促进作用明显，且数字普惠金融的覆盖广度、使用深度与数字化程度对绿色经济增长均有促进作用；
（2）在中介效应分析中，发现数字普惠金融通过引致技术创新、产业结构升级，间接地推动绿色经济增长；
（3）在异质性分析中，发现仅东部地区数字普惠金融对城市绿色经济增长有明显的促进作用。
（二）对策建议
根据本文的研究结论提出一些建议。第一，不断完善制度环境促进数字技术与金融服务的结合，进一步推动数字普惠金融为经济绿色增长提供普惠的服务方式。对于不同城市在大数据、云计算和人工智能等新一代信息技术建设方面的差异性，应更加注重中西部地区的数字普惠金融基础设施建设。第二，采取有效措施引导和规范互联网金融发展，提高数字普惠金融在更大的深度和广度对金融资源的配置效率，使其成为缓解中小企业融资难的重要渠道。第三，充分发挥数字普惠金融对绿色经济增长的技术进步效应。各级政府应当发挥数字金融的普惠性，进一步推动金融信息化、数字化和智能化建设，通过提升金融效率，引导互联网金融资源流向中小型企业，增加企业研发投入，促进企业技术创新水平提高。第四，要不断完善数字普惠金融的监管制度建设，避免互联网资金大量流向房地产行业以及污染型产业，引导互联网资金流向中小技术创新型企业，缓解它们面临的融资难的问题，更好地服务实体经济。
猜你喜欢 普惠金融服务绿色 “三农”和普惠金融服务再上新台阶今日农业(2022年16期)2022-09-22让金融服务为乡村振兴注入源头活水今日农业(2022年16期)2022-09-22绿色低碳品牌研究(2022年26期)2022-09-19探索节能家电碳普惠机制 激发市民低碳生活新动力节能与环保(2022年3期)2022-04-26协力推进金融服务乡村振兴今日农业(2021年11期)2021-11-27前海自贸区：金融服务实体中国外汇(2019年18期)2019-11-25绿色大地上的巾帼红海峡姐妹(2019年3期)2019-06-18日照银行普惠金融的乡村探索商周刊(2018年10期)2018-06-06农村普惠金融重在“为民所用”商周刊(2018年10期)2018-06-06金融科技助力普惠金融商周刊(2017年12期)2017-06-22本文来源：http://www.zhangdahai.com/shiyongfanwen/qitafanwen/2023/0606/608080.html
