金融科技對區(qū)域環(huán)境綠色發(fā)展的影響研究

劉宇樺 陳鋮 李梧銘

(1.南京理工大學(xué)紫金學(xué)院 江蘇南京 210023；2.江蘇銀行股份有限公司 江蘇南京 210000；3.上海國際信托有限公司 上海 200000)

金融科技的高速發(fā)展催生金融行業(yè)新形勢的產(chǎn)生，但對傳統(tǒng)金融業(yè)造成了一定的沖擊，對金融業(yè)形成長期且深刻的影響。中國人民銀行指出：金融科技是基于技術(shù)驅(qū)動的金融創(chuàng)新活動，是推動金融轉(zhuǎn)型升級的新引擎，能夠為金融業(yè)服務(wù)實體經(jīng)濟(jì)提供新途徑、為普惠金融發(fā)展提供新機(jī)遇、為防范化解金融風(fēng)險提供新利器(來源于中國人民銀行印發(fā)的《金融科技(FinTech)發(fā)展規(guī)劃(2019—2021年)》)。近年來，在金融科技浪潮的沖擊下，商業(yè)銀行加快金融科技，推進(jìn)數(shù)字化轉(zhuǎn)型。截至2021年底，包括工商銀行、中國銀行、農(nóng)業(yè)銀行、交通銀行在內(nèi)的16家金融機(jī)構(gòu)(截至2021年底，成立金融科技子公司的金融機(jī)構(gòu)有：興業(yè)銀行、平安銀行、招商銀行、深圳農(nóng)商行、光大集團(tuán)、建設(shè)銀行、民生銀行、華夏銀行、工商銀行、北京銀行、中國銀行、浙商銀行、農(nóng)業(yè)銀行、交通銀行、廈門國家銀行和廊坊銀行)成立了金融科技子公司。同時，百度金融以身份識別認(rèn)證、大數(shù)據(jù)風(fēng)控、智能投顧、量化投資、金融云為代表確立了五大金融科技發(fā)展方向；螞蟻金服和嘉實基金共同宣布加深戰(zhàn)略合作，螞蟻金服戰(zhàn)略投資嘉實基金旗下“金貝塔”平臺。由此可以看出，商業(yè)銀行與科技公司均在金融科技領(lǐng)域加緊布局。

黨的十八大和十九大報告中提出“美麗中國”概念，要求把生態(tài)文明建設(shè)放在突出位置，而目前各地區(qū)的環(huán)境污染問題仍未有效解決。從理論上看，金融科技在很大程度上能夠促進(jìn)區(qū)域環(huán)境的綠色發(fā)展。一方面，金融科技本身就有綠色屬性，不僅能提高金融產(chǎn)品和服務(wù)的供給效率，還能通過數(shù)字化等方式降低資源消耗，減少污染產(chǎn)出。另一方面，金融科技能夠降低金融市場的信息不對稱，優(yōu)化資源配置，推動地區(qū)綠色經(jīng)濟(jì)的發(fā)展，如大數(shù)據(jù)、云計算等金融科技應(yīng)用提高信息的處理效率，便于綠色金融產(chǎn)品供給雙方的快速匹配，提高綠色金融資源的配置效率。

鑒于此，本文以金融科技和區(qū)域環(huán)境綠色發(fā)展為研究對象，采取固定效應(yīng)模型和中介效應(yīng)模型探索各省市金融科技對環(huán)境污染帶來的具體影響，并基于一系列異質(zhì)性因素展開具體分析，得出更具針對性的結(jié)論和建議，以期為金融科技發(fā)展進(jìn)一步促進(jìn)我國綠色發(fā)展水平提供一定的借鑒與思考。

1 文獻(xiàn)綜述

縱觀已有的研究成果，對金融科技和環(huán)境污染的研究鮮有涉及，更多學(xué)者將研究重點放在金融科技對企業(yè)技術(shù)發(fā)展或經(jīng)濟(jì)高質(zhì)量發(fā)展層面，進(jìn)而研究得到金融科技對環(huán)境污染的影響。本文主要從以下幾方面對現(xiàn)有的相關(guān)研究成果進(jìn)行梳理。

首先，有關(guān)金融科技的界定。金融科技是由“Fintech”翻譯而來，目前普遍認(rèn)為是由花旗銀行在20世紀(jì)90年代初首次提出。對于金融科技的定義，國際國內(nèi)眾說紛紜，其中具有代表性的定義如下：國際方面，2014年賓夕法尼亞大學(xué)沃頓商學(xué)院的幾位學(xué)生對金融科技給出的定義是“通過電子科學(xué)技術(shù)改造后的金融領(lǐng)域”；安永會計師事務(wù)所在2016年2月發(fā)布的報告認(rèn)為：金融科技正從根本上改變金融服務(wù)運(yùn)作方式，也正在改變?nèi)藗冝D(zhuǎn)錢、借錢、保護(hù)錢和管理錢的方式；維基百科對金融科技的定義是“一群企業(yè)運(yùn)用科技手段使得金融服務(wù)更有效率，從而形成產(chǎn)業(yè)”。另外，金融穩(wěn)定理事會(FSB)認(rèn)為，金融科技是技術(shù)帶動的金融創(chuàng)新，利用新一代互聯(lián)網(wǎng)信息技術(shù)對金融產(chǎn)品、業(yè)務(wù)流程和經(jīng)營模式等進(jìn)行創(chuàng)新和優(yōu)化。國內(nèi)方面，比較有權(quán)威性的定義來自中國人民銀行科技司司長李偉，他認(rèn)為金融科技指科技推動金融創(chuàng)新，通過創(chuàng)新實現(xiàn)科技和金融的深度融合。

其次，有關(guān)金融科技對經(jīng)濟(jì)的高質(zhì)量影響。徐璐等(2022)探討金融科技產(chǎn)業(yè)發(fā)展中的技術(shù)創(chuàng)新驅(qū)動。在金融科技對風(fēng)險防控方面，現(xiàn)有文獻(xiàn)分析了防范措施與機(jī)制。例如，周茜、陳收(2022)通過媒體報道情緒和動機(jī)對信息進(jìn)行區(qū)分，并考慮關(guān)注度、可信度和敏感度三大因素，分析媒體對金融科技和監(jiān)管的積極與消極作用；劉駿、曾嘉(2021)研究對金融科技進(jìn)行審慎監(jiān)管，將“包容性監(jiān)管模式、現(xiàn)代化監(jiān)管科技、協(xié)作式國際監(jiān)管”進(jìn)行統(tǒng)一，形成“三位一體”的監(jiān)管體系；卜亞、李暉(2019)在界定金融科技監(jiān)管博弈主體的基礎(chǔ)上，構(gòu)建金融科技公司和監(jiān)管當(dāng)局的雙主體演化博弈模型，刻畫兩者的演化博弈行為。

再次，有關(guān)金融科技對金融業(yè)和實體企業(yè)的影響。周志剛、嚴(yán)圣陽(2022)通過研究金融科技對商業(yè)銀行存貸款定價的影響，建議應(yīng)依托金融科技進(jìn)行差異化經(jīng)營；巴曙松等(2020)探究金融科技對企業(yè)全要素生產(chǎn)率的帶動作用，研究發(fā)現(xiàn)金融科技活力和規(guī)模對企業(yè)全要素生產(chǎn)率有顯著的促進(jìn)作用；雷漢云、王旭霞(2020)探究金融科技發(fā)展對小微企業(yè)的影響，實證表明金融科技能通過提高企業(yè)家的創(chuàng)新意識來顯著促進(jìn)小微企業(yè)創(chuàng)新；姜林靜(2019)研究中小銀行如何利用金融科技進(jìn)行發(fā)展，發(fā)現(xiàn)中小銀行應(yīng)樹立互聯(lián)網(wǎng)思維，完善頂層設(shè)計，使業(yè)務(wù)更加精細(xì)化、特色化和差異化；馬衛(wèi)民、張冉冉(2019)基于企業(yè)生命周期視角分析，認(rèn)為科技型中小企業(yè)可利用區(qū)塊鏈技術(shù)的特征，搭建區(qū)塊鏈融資平臺。

最后，有關(guān)金融科技對環(huán)境污染的影響。薛瑩、胡堅(2020)研究認(rèn)為，金融科技能緩解金融市場的信息不對稱問題，提高金融資源的配置效率，從而促進(jìn)綠色經(jīng)濟(jì)的發(fā)展；唐松等(2019)研究金融科技通過直接效應(yīng)和空間溢出效應(yīng)提高全要素生產(chǎn)率，認(rèn)為金融業(yè)是數(shù)字化水平較高的產(chǎn)業(yè)，能在引領(lǐng)數(shù)字經(jīng)濟(jì)發(fā)展的基礎(chǔ)上，促進(jìn)實體經(jīng)濟(jì)的綠色發(fā)展。

綜上，現(xiàn)有文獻(xiàn)大多認(rèn)可金融科技對金融業(yè)和企業(yè)的促進(jìn)作用，但較少有研究關(guān)注金融科技對環(huán)境污染的影響，但從已有文獻(xiàn)中可以得出：第一，金融科技對實體企業(yè)及金融業(yè)均有積極且顯著的效果，即金融科技的存在促進(jìn)了資源的高效率配置。第二，金融科技能夠帶動經(jīng)濟(jì)的高質(zhì)量發(fā)展，基于當(dāng)前我國經(jīng)濟(jì)發(fā)展的核心要義，經(jīng)濟(jì)的高質(zhì)量發(fā)展既包含經(jīng)濟(jì)總量的上升，又應(yīng)包括社會環(huán)境和資源環(huán)境質(zhì)量的提高。因此，金融科技對金融業(yè)、企業(yè)、實體經(jīng)濟(jì)的影響勢必會進(jìn)一步對我國環(huán)境治理產(chǎn)生影響，這一影響也勢必會反噬我國實體經(jīng)濟(jì)的發(fā)展質(zhì)量。鑒于此，本文主要對金融科技對區(qū)域環(huán)境綠色發(fā)展的影響情況進(jìn)行研究，主要的貢獻(xiàn)體現(xiàn)在以下幾點：第一，本文使用我國省市面板數(shù)據(jù)研究金融科技對區(qū)域環(huán)境綠色發(fā)展的影響，拓寬了金融科技的環(huán)境效應(yīng)研究。第二，與之前很多學(xué)者的靜態(tài)研究方法不同，本文基于分位數(shù)回歸模型，探究金融科技的環(huán)境污染軌跡，豐富了動態(tài)研究成果。第三，本文在研究金融科技對環(huán)境影響的同時，通過中介效應(yīng)模型深入探究金融科技影響環(huán)境污染的路徑，具有創(chuàng)新性。

2 研究理論

基于已有的文獻(xiàn)基礎(chǔ)、金融科技及環(huán)境治理的相關(guān)理論基礎(chǔ)，本文對金融科技影響區(qū)域環(huán)境綠色發(fā)展的影響路徑進(jìn)行梳理，以剖析和明確其中的影響機(jī)制，透明化影響過程，為后文的實證分析奠定基礎(chǔ)。

本文認(rèn)為，金融科技對區(qū)域環(huán)境綠色發(fā)展的影響路徑主要有以下兩點。

2.1 金融科技本身具有綠色屬性，促進(jìn)綠色經(jīng)濟(jì)發(fā)展

金融科技的綠色屬性能在高效處理金融業(yè)務(wù)的同時，減輕環(huán)境污染。金融科技能夠提高金融服務(wù)的效率，降低實物資源的消耗，是供給側(cè)結(jié)構(gòu)性改革的核心動力。例如，傳統(tǒng)銀行個人和公司業(yè)務(wù)需要大量紙質(zhì)存檔，而金融科技能通過線上合同、電子簽名等無紙化模式減少對紙制品的需求；網(wǎng)銀、手機(jī)銀行等線上金融辦理方式節(jié)約了客戶到網(wǎng)點的“皮鞋成本”，節(jié)約資源的使用。

就作用機(jī)制來看，金融科技能在促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展的基礎(chǔ)上，降低區(qū)域的環(huán)境污染。目前，在數(shù)字經(jīng)濟(jì)的發(fā)展下，金融業(yè)是數(shù)字化發(fā)展水平較高的產(chǎn)業(yè)，銀行等金融機(jī)構(gòu)通過數(shù)字化的辦公模式將知識外溢到實體經(jīng)濟(jì)部門。例如，上文說到的電子簽名、線上合同等低碳模式，均是在提升實體經(jīng)濟(jì)部門技術(shù)水平的同時，降低了資源的消耗，并推動綠色經(jīng)濟(jì)的發(fā)展。傳統(tǒng)的信貸方式往往會使企業(yè)，特別是疫情下的中小企業(yè)面臨較大的流動性壓力，而金融科技能夠拓寬企業(yè)的融資渠道。例如，智能投顧等服務(wù)減少了信貸的交易成本，金融云、云保險等新興服務(wù)提高了金融產(chǎn)品的可獲得性，進(jìn)而提升金融機(jī)構(gòu)對實體企業(yè)的服務(wù)水平。因此，金融科技能夠降低融資成本，改善傳統(tǒng)的金融模式，提升數(shù)字化水平，進(jìn)而實現(xiàn)企業(yè)的科技創(chuàng)新和區(qū)域的綠色發(fā)展。

2.2 金融科技降低信息不對稱，提高綠色信貸配置效率

金融科技通過人工智能、大數(shù)據(jù)、云計算等技術(shù)推動了金融業(yè)的信息化變革，顯著提高了金融市場的信息傳遞速度，使金融供求雙方快速有效地獲取信息，提高了資源配置效率。為進(jìn)行生態(tài)文明建設(shè)，實現(xiàn)綠色經(jīng)濟(jì)發(fā)展，地方政府限制企業(yè)信貸，需要金融機(jī)構(gòu)快速、準(zhǔn)確地進(jìn)行識別，金融科技水平較高的地區(qū)可以減輕信息不對稱的問題，提高綠色信貸的配置效率。

就作用機(jī)制來看，金融科技能夠緩解金融市場的信息不對稱問題，使各家銀行能夠高效識別不同企業(yè)的資金需求和創(chuàng)新能力，從而更有效率地配置資源。例如，Huang等(2018)的研究指出，金融科技可以減少金融市場的信息摩擦，降低金融服務(wù)供求雙方的交易成本，提高科技企業(yè)融資效率，科技的創(chuàng)新也提供了降低環(huán)境污染的途徑，從而促進(jìn)區(qū)域綠色經(jīng)濟(jì)的發(fā)展。由此可見，金融科技能通過促進(jìn)科技創(chuàng)新實現(xiàn)節(jié)能減排，使地方政府兼顧經(jīng)濟(jì)效益和環(huán)境效應(yīng)，也為政府優(yōu)化綠色金融體系提供了科技保障，進(jìn)而推動綠色技術(shù)創(chuàng)新，降低環(huán)境污染。

3 研究設(shè)計

3.1 數(shù)據(jù)及變量

3.1.1 被解釋變量

本文研究金融科技對區(qū)域環(huán)境綠色發(fā)展的影響，各省市的環(huán)境污染水平側(cè)面體現(xiàn)綠色發(fā)展水平，因此作為本文的被解釋變量。由于環(huán)境污染水平分為絕對指標(biāo)與相對指標(biāo)，為使研究結(jié)果更全面，本文使用各省市二氧化硫排放量的對數(shù)值(lnSQ2)衡量區(qū)域總的環(huán)境污染水平，使用各省市每萬元GDP所產(chǎn)生的二氧化硫(SQ2/GDP)體現(xiàn)區(qū)域單位經(jīng)濟(jì)的環(huán)境污染水平。

3.1.2 核心解釋變量

金融科技是近幾年產(chǎn)生的概念，官方缺少相關(guān)的統(tǒng)計數(shù)據(jù)。根據(jù)之前的研究情況，Li等(2017)為代表對金融科技數(shù)據(jù)的搜集，是通過爬蟲軟件對網(wǎng)絡(luò)數(shù)據(jù)的抓取。國內(nèi)方面，魏成龍和郭琲楠(2020)通過對社會認(rèn)知指數(shù)、投融資指數(shù)及產(chǎn)出指數(shù)來構(gòu)建金融科技指數(shù)。但是上述方法均不能很好地構(gòu)建金融科技這個核心解釋變量：一方面，Li等(2017)通過網(wǎng)絡(luò)數(shù)據(jù)的抓取，存在較大的主觀因素；另一方面，魏成龍和郭琲楠(2020)構(gòu)建的指數(shù)與傳統(tǒng)金融業(yè)相關(guān)性更強(qiáng)。同時，現(xiàn)有學(xué)者在研究金融科技時，普遍使用郭峰等(2020)關(guān)于數(shù)字普惠金融指數(shù)的研究數(shù)據(jù)。因此，本文使用“北京大學(xué)數(shù)字普惠金融指數(shù)”作為金融科技的代理變量。

同時，在實證時從總指數(shù)、覆蓋廣度和使用深度三個維度進(jìn)行研究。總指數(shù)(fintech)反映各區(qū)域總體的金融科技水平；覆蓋廣度(scope)從橫向上反映各區(qū)域金融科技的普及程度和使用范圍；使用深度(depth)從縱向上反映各區(qū)域金融科技的發(fā)展水平和使用程度。

3.1.3 控制變量

在確定以上兩個變量后，為保證研究的準(zhǔn)確性，本文引入了一些控制變量，具體包括使用各省市實際外商直接投資額與地區(qū)GDP的比值衡量外商直接投資(fdi)；使用各省市普通本專科在校人數(shù)與地區(qū)人口的比值衡量人力資本水平(hum)；使用各地方政府的年度工作報告中對當(dāng)年經(jīng)濟(jì)增長的目標(biāo)衡量地方政府經(jīng)濟(jì)增長目標(biāo)(target)；使用各地方政府一般公共預(yù)算支出與地區(qū)GDP的比值衡量政府規(guī)模(exp)；使用各省市私營與個體就業(yè)人數(shù)與地區(qū)人口的比值衡量創(chuàng)業(yè)活力(entre)；使用郭峰等(2020)關(guān)于數(shù)字普惠金融指數(shù)研究中的各省市數(shù)字化程度衡量數(shù)字化水平(digit)；使用各省市第二產(chǎn)業(yè)增加值與地區(qū)GDP的比值衡量產(chǎn)業(yè)結(jié)構(gòu)(indus)。

3.1.4 數(shù)據(jù)來源與特征

本文使用我國31個省市(由于數(shù)據(jù)的可得性和統(tǒng)計口徑不一致，剔除香港、澳門、臺灣地區(qū)的數(shù)據(jù))在2011—2020年的樣本數(shù)據(jù)，對于以上的研究變量，金融科技水平(包括總指數(shù)、覆蓋廣度與使用深度)及數(shù)字化水平來源于《北京大學(xué)數(shù)字普惠金融指數(shù)(2011—2020年)》。另外，從各省市的政府年度工作報告中整理出地方政府經(jīng)濟(jì)增長目標(biāo)，其余變量均來源于《中國統(tǒng)計年鑒》及國家統(tǒng)計局。

表1對所有變量進(jìn)行描述性統(tǒng)計，同時為體現(xiàn)各變量與環(huán)境污染的關(guān)系，描述性統(tǒng)計給出了各變量與被解釋變量之間的關(guān)系，即與每萬元GDP所排放的二氧化硫(SQ2/GDP)及二氧化硫排放量的對數(shù)值(lnSQ2)的相關(guān)系數(shù)。由表1可知，在1%的顯著水平上，金融科技總指數(shù)(fintech)、覆蓋廣度(scope)和使用深度(depth)與各省市環(huán)境污染的相關(guān)系數(shù)為負(fù)值，可以初步認(rèn)為金融科技能夠抑制區(qū)域環(huán)境污染，促進(jìn)綠色發(fā)展，后續(xù)實證分析會具體進(jìn)行研究。

表1 變量的描述性統(tǒng)計

3.2 模型構(gòu)建

3.2.1 面板回歸模型

本文構(gòu)建固定效應(yīng)模型，考察金融科技水平對環(huán)境污染的影響程度，如下：

其中，y為被解釋變量，即環(huán)境污染的水平；i代表不同省市；t代表不同年份；0α為常數(shù)項；x為本文核心解釋變量，即金融科技水平；α1表示金融科技水平對環(huán)境污染的影響程度，以上均為本文的核心變量。同時，模型引入可能引起環(huán)境污染水平變化的控制變量及時間和省市特征，以消除本文被解釋變量與核心解釋變量之間的同時性問題；εit為隨機(jī)干擾項。

3.2.2 中介效應(yīng)模型

本文引入中介效應(yīng)模型，分析金融科技影響區(qū)域環(huán)境綠色發(fā)展的作用機(jī)制。假設(shè)金融科技對環(huán)境污染的影響通過科技創(chuàng)新水平這一中介變量進(jìn)行傳導(dǎo)，為驗證科技創(chuàng)新水平在其中的傳導(dǎo)作用，本文構(gòu)建中介效應(yīng)模型，具體如下：

其中，M表示中介變量，即科技創(chuàng)新水平，模型(2)分析金融科技水平對科技創(chuàng)新水平的影響，模型(3)分析金融科技通過科技創(chuàng)新水平這一中介變量及其他因素影響環(huán)境污染的情況。

如果模型(1)中 1α顯著，就表示金融科技水平顯著影響環(huán)境污染水平，從而進(jìn)一步研究這一影響的作用機(jī)制。

在以上條件成立的前提下，研究β1、γ1和γ2的顯著程度，分為以下幾種情況：第一，如果模型(2)中的β1與模型(3)中的γ2都顯著，就表示金融科技水平會影響科技創(chuàng)新水平，進(jìn)而影響環(huán)境污染水平。同時，可以得出科技創(chuàng)新水平的中介效應(yīng)為β1×γ2，而中介效應(yīng)占總效應(yīng)的比例為(β1×γ2)/α1。第二，如果模型(2)中的β1與模型(3)中的γ2都不顯著，則中介效應(yīng)不顯著。另外，在構(gòu)建中介效應(yīng)后，如果模型(3)中γ1仍然顯著，就表示金融科技不僅通過作用科技創(chuàng)新水平影響環(huán)境污染，還會通過作用其他因素影響環(huán)境污染水平；如果模型(3)中γ1不顯著，就說明金融科技只作用于科技創(chuàng)新水平來影響環(huán)境污染，而不會作用其他因素來影響。

3.3 實證檢驗與結(jié)果分析

3.3.1 單位根檢驗

為解決數(shù)據(jù)的“偽回歸”問題，本文對所有變量進(jìn)行平穩(wěn)性檢驗，平穩(wěn)性檢驗的方法主要采取ADF統(tǒng)計量，檢驗結(jié)果如表2所示。

由表2可知，所有變量的二階差分在1%的水平上均顯著，通過平穩(wěn)性檢驗，可進(jìn)行面板回歸分析。

表2 變量平穩(wěn)性檢驗結(jié)果

3.3.2 面板回歸檢驗

首先，基于面板回歸模型對金融科技影響區(qū)域環(huán)境綠色發(fā)展的程度進(jìn)行實證檢驗，并采取豪斯曼檢驗確定具體采用的效應(yīng)模型。當(dāng)豪斯曼統(tǒng)計量通過顯著性檢驗時，采取固定效應(yīng)模型；反之，則采取隨機(jī)效應(yīng)模型，具體檢驗結(jié)果如表3所示。其中，回歸(1)～(3)是以各省市每萬元GDP所排放的SQ2作為被解釋變量的結(jié)果，回歸(4)～(6)是以各省市二氧化硫排放量的對數(shù)值作為被解釋變量的回歸結(jié)果。考慮到內(nèi)生性的問題，各被解釋變量回歸均采取對單一核心解釋變量進(jìn)行回歸的方式進(jìn)行。同時，各回歸結(jié)果的擬合優(yōu)度均大于0.75，表明模型回歸結(jié)果較好，解釋變量對被解釋變量的解釋可信度較高。

基于表3的回歸結(jié)果可得：

表3 基準(zhǔn)回歸結(jié)果

第一，基于回歸(1)和回歸(4)的結(jié)果可以看出，其對每萬元GDP所釋放的二氧化硫排放量及二氧化硫排放量的對數(shù)值影響均顯著為負(fù)，說明金融科技對區(qū)域環(huán)境污染水平具有顯著的抑制作用，且對每萬元GDP所釋放二氧化硫排放量的抑制作用高于對二氧化硫排放量對數(shù)值的作用。原因可能在于：(1)金融科技本身的綠色屬性，不但可以高效率地處理金融業(yè)務(wù)，而且能夠降低污染水平。(2)金融科技能夠提高金融產(chǎn)品和服務(wù)的供給效率，降低實物資源消耗。(3)金融科技可以優(yōu)化金融資源的配置效率，緩解金融市場的信息不對稱。

第二，基于回歸(2)和回歸(5)的結(jié)果可以看出，金融科技的覆蓋廣度能抑制區(qū)域環(huán)境污染，原因在于金融科技的普及程度和使用范圍越大，越能推動實體經(jīng)濟(jì)綠色發(fā)展。由于金融科技的大范圍使用，銀行等金融機(jī)構(gòu)的數(shù)字化方式引入實體經(jīng)濟(jì)部門，降低實體經(jīng)濟(jì)的資源消耗。

第三，基于回歸(3)和回歸(6)的結(jié)果可以看出，金融科技的使用深度能抑制區(qū)域環(huán)境污染，原因在于金融科技的發(fā)展水平和使用程度越大，越能催生出新的金融服務(wù)模式和金融業(yè)態(tài)，數(shù)字金融的發(fā)展促進(jìn)綠色技術(shù)的應(yīng)用，對城市生態(tài)環(huán)境改善有顯著作用。

第四，基于控制變量的回歸結(jié)果，對每萬元GDP所釋放的二氧化硫排放量、人力資本水平(hum)、創(chuàng)業(yè)活力(entre)及產(chǎn)業(yè)結(jié)構(gòu)(indus)具有顯著的抑制作用；而對二氧化硫排放量的對數(shù)值，外商直接投資(fdi)、政府規(guī)模(exp)及創(chuàng)業(yè)活力(entre)具有顯著的抑制作用。

3.4 穩(wěn)健性檢驗

為檢驗金融科技促進(jìn)區(qū)域減排結(jié)果是否穩(wěn)健，本文采取調(diào)整樣本及內(nèi)生性問題處理的方法對面板回歸模型采取穩(wěn)健性檢驗，以驗證模型設(shè)定和回歸結(jié)果的科學(xué)性和可信度。

3.4.1 調(diào)整樣本

2008—2012年，國家分三批確定了69個資源枯竭型城市，以支持資源枯竭型城市的轉(zhuǎn)型來抑制區(qū)域環(huán)境污染水平的持續(xù)提升。考慮到資源枯竭型城市在政策扶持方面的特殊性可能對研究結(jié)果造成偏差，本文剔除資源枯竭型城市最多的12個省市進(jìn)行基準(zhǔn)回歸，具體剔除的省市包括遼寧(7個)、吉林(7個)、黑龍江(6個)、湖北(5個)、湖南(5個)、江西(4個)、河北(3個)、內(nèi)蒙古(3個)、山東(3個)、河南(3個)、云南(3個)和甘肅(3個)，其余19個省市資源枯竭型城市均在2個及以下，對這19個省市進(jìn)行估計來檢驗結(jié)果的穩(wěn)健性，估計結(jié)果如表4所示。在1%的估計系數(shù)下，金融科技對每萬元GDP所排放的SQ2及其對數(shù)值結(jié)果均顯著為負(fù)值。另外，金融科技的覆蓋廣度和使用深度都顯著為負(fù)值。綜合以上結(jié)果，金融科技能夠顯著抑制環(huán)境污染水平，且之前的研究結(jié)論有穩(wěn)健性。

表4 基于調(diào)整樣本的穩(wěn)健性檢驗估計

3.4.2 內(nèi)生性問題處理

之前的研究結(jié)果可能存在內(nèi)生性問題。比如，文化因素、制度因素等一些難以進(jìn)行量化的指標(biāo)會影響區(qū)域的環(huán)境污染水平。另外，對于環(huán)境污染水平較重的一些地區(qū)，很難吸引金融與科技等領(lǐng)域的相關(guān)人才，從而影響該地區(qū)的金融科技水平。因此，為解決可能存在的內(nèi)生性問題，本文將核心解釋變量的滯后一期作為工具變量進(jìn)行研究。一方面，由于金融科技具有延續(xù)性，前期的金融科技能夠帶動當(dāng)期的金融科技水平，促進(jìn)相關(guān)產(chǎn)業(yè)的發(fā)展。另一方面，前期的金融科技水平在影響當(dāng)期的金融科技水平后，又會影響當(dāng)前的環(huán)境污染水平。基于此，在構(gòu)建以前一期金融科技水平為工具變量，使用兩階段最小二乘法回歸分析(見表5)。

表5 基于工具變量法的穩(wěn)健性檢驗估計

由表5可以看出，在被解釋變量為每萬元GDP所產(chǎn)生的二氧化硫排放量及二氧化硫排放量的對數(shù)值，還是解釋變量為金融科技總指數(shù)、覆蓋廣度及使用深度，回歸(1)～(6)的回歸系數(shù)在1%的水平上顯著為負(fù)值，金融科技能夠顯著抑制區(qū)域環(huán)境污染水平。另外，通過Anderson LM Stats和Cragg-Donald Wald F Stats兩種檢驗方法后，模型不存在不可識別問題及弱工具變量問題。綜上，在解決了內(nèi)生性問題后，研究結(jié)果依然具有穩(wěn)健性。

3.5 分位數(shù)回歸

以上分析結(jié)果都是從總體上進(jìn)行分析，但是無法看出金融科技對環(huán)境污染水平不同城市的抑制作用是否有區(qū)別，為進(jìn)一步研究在不同環(huán)境污染水平下，金融科技對環(huán)境污染抑制的差異性情況，從而給不同區(qū)域提出因地制宜的發(fā)展措施，本文構(gòu)造面板分位數(shù)回歸模型，選擇0.1、0.25、0.5、0.75和0.9五個分位點進(jìn)行估計，結(jié)果如表6所示。

根據(jù)不同分位點金融科技的估計系數(shù)得出，所有分位點下的回歸系數(shù)均在1%的水平上顯著為負(fù)值，因此無論是環(huán)境污染較高還是環(huán)境污染較低的省市，金融科技均可以抑制污染水平。另外，比較不同分位點下的估計系數(shù)，隨著分位點的逐漸增加，回歸系數(shù)的絕對值也逐漸增大，因此隨著省市環(huán)境污染水平的加劇，金融科技對污染的抑制程度逐漸增強(qiáng)。此外，在檢驗不同分位點下金融科技的回歸系數(shù)是否顯著相等，結(jié)果表明，在5%的顯著性水平上各分位點的回歸系數(shù)不完全相等。綜上，在環(huán)境污染水平較低的省市，金融科技抑制污染的水平較低，而在環(huán)境污染水平較高的省市，金融科技抑制污染的水平逐步增強(qiáng)。

同時，為了更清晰地顯示金融科技對區(qū)域環(huán)境綠色發(fā)展的軌跡變化，本文進(jìn)一步對金融科技在所有分位點上對省市二氧化硫排放量的估計系數(shù)進(jìn)行描繪，從而得出其運(yùn)動軌跡，如圖1所示。當(dāng)分位點較小，即區(qū)域的環(huán)境污染水平較低、綠色發(fā)展水平較高時，金融科技估計系數(shù)的絕對值較小；當(dāng)分位點逐漸變大，即區(qū)域的環(huán)境污染水平逐漸升高、綠色發(fā)展水平逐漸下降時，金融科技估計系數(shù)的絕對值也在逐漸變大。因此，圖1的軌跡更加直觀地證明了表6的研究結(jié)論，即當(dāng)區(qū)域的環(huán)境污染水平不斷加劇、綠色發(fā)展水平不斷下降時，金融科技對污染水平的抑制作用逐步增強(qiáng)。

表6 分位數(shù)回歸結(jié)果

圖1 所有分位點上金融科技系數(shù)軌跡

3.6 異質(zhì)性分析

3.6.1 構(gòu)建省市區(qū)位虛擬變量

本文根據(jù)不同省市所在的區(qū)位，研究金融科技對區(qū)域環(huán)境綠色發(fā)展影響的區(qū)位異質(zhì)性情況。根據(jù)各省市所處的不同區(qū)域，構(gòu)建省市區(qū)位虛擬變量，東部地區(qū)省市賦值為1，中西部地區(qū)省市賦值為0，再構(gòu)建金融科技與區(qū)位虛擬變量的乘項，代入模型(1)進(jìn)行估計。在統(tǒng)計上，東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南10個省市。

結(jié)果如表7所示，金融科技對區(qū)域環(huán)境污染在5%的水平上顯著為負(fù)值，估計系數(shù)為-14.996，而金融科技水平與地區(qū)虛擬變量的乘項對區(qū)域環(huán)境污染在1%的水平下顯著為負(fù)值，估計系數(shù)為-7.556。由此可以看出，雖然兩者的估計系數(shù)均為負(fù)值，但是乘項的估計系數(shù)絕對值更小，即對環(huán)境污染的抑制程度更小。因此，金融創(chuàng)新水平能夠顯著抑制區(qū)域環(huán)境污染水平，但是這種抑制程度在東部地區(qū)較小，而在中西部地區(qū)較大。這可能是因為東部地區(qū)的環(huán)境污染水平相對較低，因此金融科技抑制污染的邊際效應(yīng)較低；而中西部地區(qū)由于能源消耗較多，導(dǎo)致環(huán)境污染水平較高，使得金融科技對環(huán)境污染的抑制作用更加明顯。這一結(jié)論與之前的分位數(shù)回歸結(jié)果相對應(yīng)，即對環(huán)境污染水平較低的地區(qū)(如東部地區(qū))，金融科技對環(huán)境污染的抑制程度較低；而對環(huán)境污染水平較高的地區(qū)(如中西部地區(qū))，金融科技能有較強(qiáng)的抑制作用。

表7 基于省市區(qū)位虛擬變量的異質(zhì)性回歸結(jié)果

3.6.2 構(gòu)建科教資源虛擬變量

本文根據(jù)不同地區(qū)的科教水平，研究金融科技對區(qū)域環(huán)境綠色發(fā)展影響的科教資源異質(zhì)性情況。為發(fā)展高等教育，國務(wù)院在1995年啟動“211工程”，這是中華人民共和國成立以來國家在高等教育領(lǐng)域的重點建設(shè)工作，也是我國政府實施“科教興國”戰(zhàn)略的重大舉措，對提高高校學(xué)科質(zhì)量有重大意義。因此，本文根據(jù)各省市科教資源的不同，構(gòu)建科教資源虛擬變量，設(shè)有“211工程”高校數(shù)量排名前十的省市賦值為1，其他省市賦值為0，再構(gòu)建金融科技與科教資源虛擬變量的乘項，代入模型(1)中進(jìn)行估計。依據(jù)各省市擁有211高校數(shù)量，排名前十的省市分別為北京(26所)、江蘇(11所)、上海(10所)、陜西(8所)、湖北(7所)、四川(5所)、遼寧(4所)、黑龍江(4所)、湖南(4所)和廣東(4所)。

結(jié)果如表8所示，金融科技對區(qū)域環(huán)境污染在5%的水平上顯著為負(fù)值，估計系數(shù)為-14.996，而金融科技水平與科教資源虛擬變量的乘項對區(qū)域環(huán)境污染在1%的水平上顯著為負(fù)值，估計系數(shù)為-10.513。由此可以看出，雖然兩者的估計系數(shù)均為負(fù)值，但是乘項的估計系數(shù)絕對值更小，即對環(huán)境污染的抑制程度更小。因此，金融創(chuàng)新水平能夠顯著抑制區(qū)域環(huán)境污染水平，但是這種抑制程度在科教資源質(zhì)量較高的地區(qū)較小，而在科教資源較低的地區(qū)較大。這可能是因為對于科教資源質(zhì)量較高的地區(qū)，科技發(fā)展水平已經(jīng)在很大程度上達(dá)到環(huán)境保護(hù)的要求，那么環(huán)境保護(hù)對金融科技水平的依賴程度較低；而對于科教資源質(zhì)量較低的地區(qū)，科技的發(fā)展水平不能滿足環(huán)境保護(hù)的要求，存在很大的缺口，因此環(huán)境保護(hù)對金融科技的依賴程度較高，使得金融科技能在更大程度上抑制該區(qū)域的環(huán)境污染水平。

表8 基于科教資源虛擬變量的異質(zhì)性回歸結(jié)果

3.6.3 構(gòu)建經(jīng)濟(jì)發(fā)展虛擬變量

本文根據(jù)不同地區(qū)的經(jīng)濟(jì)發(fā)展水平，研究金融科技對區(qū)域環(huán)境綠色發(fā)展影響的經(jīng)濟(jì)發(fā)展異質(zhì)性情況。根據(jù)各省市經(jīng)濟(jì)發(fā)展水平的不同，構(gòu)建經(jīng)濟(jì)發(fā)展虛擬變量，最新一期(2020年)地區(qū)GDP排在前十的省市賦值為1，其他的賦值為0，再構(gòu)建金融科技與經(jīng)濟(jì)發(fā)展虛擬變量的乘項，代入模型(1)中進(jìn)行估計。最新一期(2020年)地區(qū)GDP排在前十的省市分別為廣東、江蘇、山東、浙江、河南、四川、福建、湖北、湖南和上海。

結(jié)果如表9所示，金融科技對區(qū)域環(huán)境污染在5%的水平上顯著為負(fù)值，估計系數(shù)為-14.996，而金融科技水平與經(jīng)濟(jì)發(fā)展虛擬變量的乘項對區(qū)域環(huán)境污染在1%的水平上顯著為負(fù)值，估計系數(shù)為-9.737。由此可以看出，雖然兩者的估計系數(shù)均為負(fù)值，但是乘項的估計系數(shù)絕對值更小，即對環(huán)境污染的抑制程度更小。因此，金融創(chuàng)新水平能夠顯著抑制區(qū)域環(huán)境污染水平，但是這種抑制程度在經(jīng)濟(jì)發(fā)展水平較高的地區(qū)較小，而在經(jīng)濟(jì)發(fā)展水平靠后的地區(qū)較大。可能的原因是對于經(jīng)濟(jì)發(fā)展水平較高的省市，科技與金融的發(fā)展水平在全國前列，作為區(qū)域發(fā)展的中心，這些地區(qū)有比較嚴(yán)苛的環(huán)境保護(hù)政策，因此環(huán)境治理對金融科技的依賴程度較低；而對于經(jīng)濟(jì)發(fā)展水平靠后的地區(qū)，對能源的依賴程度較大，環(huán)境政策相對寬松，使得環(huán)境保護(hù)對金融科技的依賴程度較高。因此，金融科技對環(huán)境污染的抑制程度在經(jīng)濟(jì)發(fā)展靠后的地區(qū)強(qiáng)于經(jīng)濟(jì)發(fā)展靠前的地區(qū)。

表9 基于經(jīng)濟(jì)發(fā)展虛擬變量的異質(zhì)性回歸結(jié)果

3.7 中介機(jī)制分析

本文進(jìn)一步對研究設(shè)計中的(1)～(3)式進(jìn)行中介效應(yīng)分析，以檢驗金融科技對省市環(huán)境污染的作用機(jī)制。在回歸過程中，以各省市每萬人發(fā)明專利申請受理量測度省市的科技創(chuàng)新能力，作為中介變量對模型(1)～(3)進(jìn)行回歸分析，數(shù)據(jù)來源于國家統(tǒng)計局。

具體如表10所示，回歸(1)分析了金融科技對省市環(huán)境影響的情況，根據(jù)以下結(jié)果可以看出，金融科技顯著抑制環(huán)境污染，與之前的研究結(jié)果一致。回歸(2)進(jìn)一步研究金融科技對科技創(chuàng)新能力的影響，從研究結(jié)果可以看出，金融科技的估計系數(shù)在1%的水平上顯著為正值，說明金融科技可以促進(jìn)科技創(chuàng)新能力的發(fā)展。回歸(3)進(jìn)一步分析科技創(chuàng)新能力對環(huán)境污染的影響，得出省市科技創(chuàng)新能力的估計系數(shù)在5%的水平上顯著為負(fù)值，說明科技創(chuàng)新能力可以抑制環(huán)境污染。綜合回歸(2)與回歸(3)的結(jié)果，由于模型(2)中的1β與模型(3)中的 2γ都顯著，說明省市金融科技水平能夠促進(jìn)科技創(chuàng)新能力的發(fā)展，并進(jìn)一步抑制環(huán)境污染，同時可以得出科技創(chuàng)新水平的中介效應(yīng)約為-1.704，中介效應(yīng)占總效應(yīng)的比例約為7.97%。另外，在構(gòu)建了中介效應(yīng)后，由于模型(3)中 1γ仍然顯著，說明金融科技除了通過影響科技創(chuàng)新水平來影響環(huán)境污染以外，還會通過作用其他因素來影響環(huán)境污染水平。此外，本文針對中介機(jī)制進(jìn)行了Sobel檢驗及Bootstrap檢驗，結(jié)果均顯示科技創(chuàng)新能力的中介效應(yīng)是顯著存在的。

表10 基于科技創(chuàng)新的中介機(jī)制回歸結(jié)果

4 結(jié)語

本文基于我國31個省市(不含港澳臺地區(qū))2011—2020年的面板數(shù)據(jù)，研究金融科技對區(qū)域環(huán)境綠色發(fā)展的影響，得到的結(jié)論和政策啟示如下。

4.1 金融科技能顯著抑制區(qū)域環(huán)境污染

對于區(qū)域環(huán)境污染，無論是絕對指標(biāo)還是相對指標(biāo)，金融科技(總指數(shù)、覆蓋廣度和使用深度)均能顯著抑制，并且具有顯著性。從這個角度來看，要想實現(xiàn)綠色經(jīng)濟(jì)發(fā)展，就需要不斷發(fā)展科技創(chuàng)新水平，并推動金融與科技的深度融合。特別需要注意的是，要鼓勵各個地方的金融機(jī)構(gòu)借助目前科技創(chuàng)新與數(shù)字化的趨勢，探索金融與科技相互結(jié)合的新業(yè)態(tài)，運(yùn)用大數(shù)據(jù)、云計算和人工智能等技術(shù)提升金融服務(wù)質(zhì)量與水平，并主動參與到綠色金融的發(fā)展中來，助力城市經(jīng)濟(jì)的可持續(xù)發(fā)展。

4.2 金融科技對區(qū)域環(huán)境污染的影響具有異質(zhì)性特征

具體而言，金融科技對區(qū)域環(huán)境污染的抑制作用，在污染水平較高的地區(qū)顯著強(qiáng)于污染水平較低的地區(qū)、在中西部地區(qū)顯著強(qiáng)于東部地區(qū)、在科教資源質(zhì)量較低的地區(qū)顯著強(qiáng)于科技資源質(zhì)量較高的地區(qū)、在經(jīng)濟(jì)發(fā)展水平靠后的地區(qū)顯著強(qiáng)于經(jīng)濟(jì)發(fā)展水平靠前的地區(qū)。因此，各地區(qū)、各省市應(yīng)因地制宜，根據(jù)實際地區(qū)特點和情況制定相應(yīng)的金融與科技發(fā)展政策。另外，要著重引導(dǎo)金融業(yè)資金流向綠色產(chǎn)業(yè)，促進(jìn)綠色經(jīng)濟(jì)的發(fā)展，對經(jīng)濟(jì)發(fā)展水平薄弱、科教資源有限的地區(qū)更要加大政策扶持力度。從以上的研究結(jié)果來看，對這些地區(qū)的金融科技扶持與推動，能更有效地提升當(dāng)?shù)氐木G色發(fā)展水平。

4.3 金融科技通過中介效應(yīng)抑制區(qū)域環(huán)境污染

金融科技不僅通過科技創(chuàng)新水平來抑制環(huán)境污染，還通過作用其他因素來影響環(huán)境污染水平。一方面，要重視科技創(chuàng)新在城市建設(shè)體系中的地位；另一方面，在發(fā)展金融科技的同時，還要帶動其他因素優(yōu)化城市的環(huán)境水平，產(chǎn)生更廣泛的促進(jìn)效應(yīng)。因此，各省市要加快促進(jìn)科技服務(wù)在實體經(jīng)濟(jì)中的運(yùn)用，同時不斷挖掘科技創(chuàng)新在綠色經(jīng)濟(jì)發(fā)展中的作用。