金融科技對綠色技術創新的作用機制研究

中國人民銀行海南省分行課題組

摘? ?要：本文運用2010至2020年間，我國31省市綠色技術創新指數與金融科技指數驗證金融科技水平對綠色技術創新水平的影響及作用機理。發現兩者之間存在“U”型關系，即金融科技水平存在拐點，在拐點的兩側分別對綠色技術創新水平起到抑制和促進作用。異質性分析表明，金融科技對綠色技術創新的影響在金融發達地區和欠發達地區不存在異質性；在第三產業發達地區和欠發達地區存在異質性，在第三產業發達地區的拐點高于第三產業欠發達地區的拐點，在第三產業發達地區，只有當金融科技水平提高到更高程度，才能對綠色技術創新起促進作用。

關鍵詞：金融科技；綠色技術創新；人力資本；消費水平

DOI：10.3969/j.issn.1003-9031.2023.11.005

中圖分類號：F832? ? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1003－9031（2023）11－0039－15

綠色技術創新是綠色發展的關鍵所在。與其他技術創新類似，綠色技術創新需要金融科技的大力支持。綠色技術創新是否受金融科技的影響？如果受到影響，其作用機制是什么？是否存在異質性？在國家“十四五”規劃明確提出“構建市場導向的綠色技術創新體系，實施綠色技術創新攻關行動”的背景下，研究前述問題，具有重要的現實意義。本文從人力資本和消費水平兩個維度進行理論分析，提出研究假設，基于2011—2020年省級金融科技指數與綠色技術創新指數，驗證金融科技對綠色技術創新的影響及其機理。

一、理論研究

基于現有研究成果，本文定性分析認為，金融科技可通過人力資本和消費水平，影響綠色技術創新。

（一）基于人力資本的分析

金融科技的發展能夠推動人才供需結構調整，提高人力資本積累。第一，擴大企業對高技能勞動力的需求。金融科技降低企業融資門檻，促使其向資本密集型與知識密集型發展，擴大對高技能勞動力的需求。第二，增加家庭人力資本的投資。金融科技提升低收入群體等金融可獲得性，通過信貸支持等方式支持其實現受教育需求，加之金融科技的推進能降低居民預防儲蓄動機，進一步促進教育支出及教育投資的增加（林春和孫英杰，2022）。第三，為高技術人才深造創造可能。金融科技不僅給予高技術人才更加多樣化的金融產品服務，還為各類教育培訓機構發展壯大提供金融支持，從而為高技術人才在專業技術領域進行培訓和深造提供更多可能與保障（任碧云和劉佳鑫，2021）。

勞動者是經濟社會生產與生活的主體，也是深入推進綠色技術創新的落實者。當人力資本投資處于臨界值之上時，提升人力資本水平有助于推動綠色技術創新；反之將會抑制綠色技術創新。主要原因在于：人力資本投資需要和區域創新環境匹配，當人力資本投資處于臨界值之下時，技術缺乏、教育素質不高、獎勵創新機制不夠完善等，導致了一定的匹配偏差，致使在綠色技術創新的投資人力資本無法獲得預期收益；另外，科技創新存在一定的不確定性，前期人力資本投入在短期內不一定促進創新產出，從而推動綠色技術創新（岳立和曹雨暄，2021）。當人力資本投資處于臨界值之上時，人力資本投資與創新環境相匹配，人才的主觀能動性得到充分發揮；另外，人力資本雄厚的群體一般綠色環保意識較強，加上長遠利益的預期，比較注重環境對經濟的長期影響，積極推動綠色技術創新的意愿更加強烈，實現綠色發展（程廣帥和胡錦銹，2019）。由此，人力資本水平對綠色技術創新的影響表現為先下降后上升的Ｕ型曲線。

（二）基于消費水平的分析

金融科技的發展能夠通過實現消費“量”的增長與“質”的提升，實現整體消費水平提升。第一，實現消費“量”的增長。金融科技通過緩解流動性約束釋放消費潛力，采用便利化支付方式提升消費欲望，運用金融全場景覆蓋方式補充消費缺口，發展消費保險實現消費跨期平滑以刺激當下消費（易行健和周利，2018），進而擴大消費規模。第二，實現消費“質”的提升。金融科技的快速發展和推廣應用，通過在供產銷等環節為生產者提供資金支持、利用大數據風控模型為消費者增信，降低生產者經營風險、降低消費者預防性動機，推動生產方式的重構和融合、加快消費者追求產品多樣化速度，促進居民消費品質的迭代升級（王剛貞和陳夢潔，2022；王君萍等，2022）。

居民是綠色技術創新的直接受益者，也是綠色創新活動的間接參與者。當消費水平處于臨界值之上時，消費水平的提升有助于推動綠色技術創新；反之將會抑制綠色技術創新。其原因可能是：當消費水平達到一定水平之前，居民的消費需求中更多是生存型消費需求，此時居民對產品質量和環境質量要求較低，故短期內消費水平提升不一定推動綠色技術創新（肖周燕等，2022）。但當消費水平發展到一定程度之后，居民會增加發展型和享受型消費的支出，新型的消費理念和消費需求會產生對高質量產品和高質量環境的需求，這增強了企業在綠色技術創新的資本方面投入的意愿，提升了綠色創新能力（劉佳鑫和李莎，2021；謝汝宗等，2022）。由此，消費水平對綠色技術創新的影響表現為先下降后上升的Ｕ型曲線。

綜上，金融科技通過影響人力資本和消費水平，影響綠色技術創新。為此，本文提出三個方面研究假設。

H1：金融科技對綠色技術創新的影響是“先抑后揚”作用，它們之間呈“U”型關系。

H2：金融科技通過提升人力資本影響綠色技術創新。

H3：金融科技通過提高消費水平影響綠色技術創新。

二、研究設計

（一）樣本說明

基于2010 —2020年全國31個省市有關數據開展實證檢驗，使用北京大學數字普惠金融指數評價金融科技水平。從創新產出指數、創新成效指數、創新活躍指數三個維度，采用CRITIC法綜合構造省級綠色技術創新指數，衡量綠色技術創新水平。其中，綠色專利數據來源于國家知識產權局，其他數據均來源于國家統計局。本文對連續變量進行了上下1%的縮尾處理，目的是消除異常值的影響。

（二）模型與變量說明

1.模型說明

（1）計量模型H1

構建如下模型：

2.變量說明

被解釋變量、關鍵解釋變量、控制變量見表1。

（1）被解釋變量

被解釋變量為綠色技術創新水平（Green）。現有文獻中關于綠色技術創新水平的衡量尚無統一指標，有的文獻采用綠色專利申請或綠色專利授權等單一指標衡量（如郭進，2019；李燈強和吳婷，2022），有的文獻利用多項指標測算綠色技術創新指數（如原毅軍和陳喆，2019；馮銳，2022）。本文基于已有的指標體系開展優化，構建綠色技術創新指數。

一是指標體系。本文從創新產出、創新成效、創新活躍度三個維度綜合構建綠色技術創新指數，衡量綠色技術創新水平。創新產出指標由“當年綠色專利申請數”“當年綠色專利授權數”“當年綠色專利申請數/總申請數”和“當年綠色專利授權數/總授權數”四個維度的指標構成，其中綠色專利申請數和綠色專利授權數可以體現綠色技術創新方面創新產出的整體情況。而綠色專利申請數占比和綠色專利授權數占比，可以體現對綠色技術創新的重視程度。創新成效指標由“當年綠色專利授權數/前一年綠色專利申請數”“綠色專利累計被引用數量”兩個維度的指標構成，其中“當年綠色專利授權數/前一年綠色專利申請數”可以反映出綠色專利的實際轉化成果，而被引用專利數量可以體現綠色專利的實際價值和創新成效。創新活躍指標由“當年綠色專利申請人主體數量”“當年綠色專利授權主體數量”兩個維度構成。具體指標如表2所示。

二是指標權重。確定指標權重主要有主觀賦權法和客觀賦權法兩種，其中，主觀賦權法具有較強的主觀隨意性，客觀性較差。常見的客觀賦權法包括熵權法、標準離差法和CRITIC法等，鑒于CRITIC法能夠較好兼顧指標變異大小對權重的影響以及各指標間的沖突（賀玉德和馬祖軍，2015），此處選擇CRITIC法，計算各指標權重：

其中，Cj為第j個評價指標對體系的影響程度，σj為第j個評價指標的標準差，rij為第i個評價指標與第j個評價指標之間的相關系數，Wj為計算后得到的指標權重。

（2）關鍵解釋變量

金融科技水平（Fint）是本文的被解釋變量。以北京大學數字金融研究中心數字普惠金融指數除以100作為各省份金融科技水平的代理指標。該指標包含三個維度的子指標：覆蓋廣度（width）；使用深度（depth）；數字支持服務程度（digital）。這三個指標分別反映金融科技覆蓋率水平、金融科技使用情況（包括支付、信貸、保險、投資以及征信等場景）、金融科技便利性和服務成本情況。另外，為檢驗Fint（金融科技水平）與綠色技術創新水平兩者之間的非線性關系，增加Fint的二次項，即Fint2。

（3）控制變量

參照現有文獻（原毅軍和陳喆，2019；郭進，2019；趙娜，2021），本文控制了經濟發展水平（Pgdp）、外商直接投資（Fdi）、城鎮化水平（City）、財政科技支出（Reser）、金融規模（Fina）等變量。

三、實證結果及分析

（一）描述性統計

2011—2020年主要變量的描述性統計結果如表3所示。從結果看，第一，金融科技水平（Fint）的均值為2.1612，不同地區間的金融科技水平具有較大差異，部分地區金融科技水平為0.1884，金融科技水平較低；而部分地區金融科技水平為4.0688，金融科技水平較高。第二，地區綠色技術創新水平（Green）的均值為0.0853，不同地區金融科技水平呈現一定非均衡性，部分地區綠色技術創新水平低至0.0319，表明其綠色技術創新水平較低；而部分地區金融科技水平高達0.3008，綠色技術創新水平較高。第三，人力資本水平（Rdd）的均值為2.2086，最小值為0.0000，最大值為4.2327；消費水平（Consum）的均值為0.3990，最小值為0.2219，最大值為0.6101，人力資本水平和消費水平在地區之間差異較大。

（二）基準回歸

為克服自相關和異方差的干擾，使用個體和時間雙重聚類穩健標準誤差進行基準回歸（張義博和劉文忻，2012），同時為避免因控制變量產生的過度擬合，在控制個體和年度固定效應的前提下，逐步增加控制變量，評估結果見表4，其中列（1）為未加入控制變量的估計結果，列（2）—（5）依次為增加經濟增長、城鎮化、對外投資、財政金融投入等控制變量后的結果。

從表4列（1）—（5）看，Fint2系數在5%水平下顯著為正，Fint系數在5%水平下顯著為負，即金融科技水平與綠色技術創新水平之間呈“U”型關系，說明金融科技水平存在拐點，在拐點左右兩側，金融科技對綠色技術創新分別起到抑制和促進作用。實證結果支持了研究假設H1。

表4列（5）看，第一，城鎮化水平（City）的系數在1%水平下顯著為正，表明城鎮化水平可提高綠色技術創新水平，原因在于城鎮化促使技術和人力資本集聚，有利于地區綠色技術創新（趙娜，2021）。第二，外商直接投資（Fdi）的系數在1%水平下顯著為正，表明對外開放可提高綠色技術創新水平，原因在于外商直接投資帶來先進技術和理念，促進綠色技術創新的研發和擴散。第三，財政科技支出水平（Reser）的系數在5%水平下顯著為正，說明增加財政科技支出，有利于科研投入的增加，從而促進地區綠色技術創新。第四，金融規模（Fina）的系數在5%水平下顯著為負，表明金融規模不利于綠色技術創新，可能的原因是金融規模的過度擴張導致金融資源流入高污染部門，擴大污染產業規模，不利于綠色技術創新水平的提高（劉國斌等，2021）。

（三）穩健性檢驗

1.內生性問題

實證結果表明，金融科技水平可促進綠色技術創新，反之，綠色技術創新不易影響金融科技水平。但也可能由于Fint（金融科技水平）存在測量誤差以及遺漏變量等原因導致內生性問題。

借鑒周利等（2021）的做法，以同年度其他省市金融科技水平均值（ivFint）及其二次項（ivFint2）作為工具變量。考慮到其他省市的金融科技水平很難影響本省市的綠色技術創新水平，ivFint滿足“外生性”要求，此外各省市金融科技水平與本地區金融科技水平同樣具有一定相關性，也均受測量誤差的影響，ivFint滿足“相關性”要求。此處以綠色技術創新水平Green為被解釋變量，以金融科技水平（Fint）及其二次項（Fint2）為關鍵解釋變量，采用工具變量法（IV）估計模型（1）。

結果顯示，弱工具變量檢驗的Cragg-Donald Wald F統計量值為1072.742，超過10%偏誤的臨界值7.03，即拒絕弱工具變量的假設，ivFint及ivFint2為有效工具變量。因此，以ivFint及ivFint2作為工具變量，檢驗結果見表5列（1）金融科技水平的二次項（Fint2）系數在10%水平下明顯為正，一次項（Fint）系數在5%水平下明顯為負，金融科技水平與綠色技術創新水平之間為“U”型關系。由此可以得出，在排除內生性的情況下，依據表1列（5）得出的結論是穩健的。

2.更換被解釋變量

以rGreen為被解釋變量，以Fint為關鍵解釋變量，在控制個體和年度效應的情況下，采用FE重新估計模型（1），結果如表5列（2）所示。結果顯示，在替換被解釋變量的情況下，金融科技水平與綠色技術創新水平之間仍為“U”型關系。

四、機制分析

（一）人力資本

以人力資本水平（Rdd）為中介變量，以綠色技術創新水平（Green）為被解釋變量采用FE估計模型（2）—（4），結果見表6中Panel A列（1）—（3）。列（1）中，金融科技水平的二次項（Fint2）系數在5%水平下顯著為正，一次項（Fint）系數在1%水平下顯著為負，表明金融科技對綠色技術創新的總效應存在。列（2）中，金融科技水平（Fint）在1%水平下顯著為正，且列（3）人力資本水平的二次項（Rdd2）系數在1%水平下顯著為正、一次項（Rdd）系數在1%水平下顯著為負，表明人力資本水平的中介效應存在。綜合列（2）、（3）看，金融科技提升了人力資本水平，進而對綠色技術創新水平的產生“先抑后揚”的作用。因此，人力資本水平提升效應存在，研究假設H2成立。

人力資本是金融科技發展的主體與金融科技運行的重要載體，人力資本水平的變化也會影響金融科技的發展。由此可得，金融科技水平和人力資本水平間可能存在的雙向因果關系，導致金融科技水平（Fint）存在內生性問題；此外，可能還存在測量誤差引發內生性問題。本文以其他省市同一年的金融科技水平均值（ivFint）及其二次項（ivFint2）作為工具變量，以人力資本水平（Rdd）作為中介變量，利用工具變量法（IV）來估計模型（3），估算結果如表6中Panel A列（4）所示。

人力資本水平（Rdd）能影響綠色技術創新水平（Green），綠色技術創新的發展同樣要求相應的人力資本與之匹配，因此，人力資本水平（Rdd）與綠色技術創新水平（Green）之間可能存在雙向因果關系，導致人力資本水平（Rdd）存在內生性問題。因此，本文以同年度其他省市人力資本水平的均值（ivRdd）及其二次項（ivRdd2）作為工具變量，連同同年度其他各省金融科技水平均值（ivFint）及其二次項（ivFint2），采用工具變量法（IV）估計模型（4），結果見表6中Panel A列（5）。從表6中Panel A列（4）、（5）看，在排除內生性的情況下，人力資本水平提升效應仍存在。

將被解釋變量綠色技術創新水平替換為rGreen，以金融科技水平（Fint）及其二次項（Fint2）為關鍵解釋變量，采用FE重新估計模型（2）—（4），并以IV重新估計模型（3）和（4），結果見表6中Panel B。從表中的結果可以看出，仍然存在人力資本水平提升效應。

（二）消費水平

以消費水平（Consum）為中介變量，以綠色技術創新水平（Green）為被解釋變量采用FE估計模型（2）—（4），結果見表7中Panel A列（1）—（3）。列（1）中，金融科技水平的二次項（Fint2）系數在5%水平下顯著為正，一次項（Fint）系數在1%水平下顯著為負，表明金融科技對綠色技術創新存在總效應。列（2）中，Fint（金融科技水平）在1%水平下顯著，且列（3）消費水平的二次項（Consum2）系數在1%水平下顯著為正、一次項（Consum）系數在1%水平下顯著為負，表明消費水平的中介效應存在。綜合列（2）、（3）看，金融科技提升了消費水平，進而對綠色技術創新水平的產生“先抑后揚”的作用。因此，消費水平提升效應存在，研究假設H3成立。

在以地區消費水平（Consum）及其二次項（Consum2）為中介變量估計模型式（3）時，地區消費水平與金融科技水平（Fint）之間很難形成雙向因果關系。但仍可能因測量誤差等產生內生性問題。為此，本文以同年度其他省市金融科技水平均值（ivFint）及其二次項（ivFint2）作為工具變量，采用工具變量法（IV）估計模型（3），以各省市消費水平（Consum）及其二次項（Consum2）為中介變量，結果見表7中Panel A列（4）。

消費水平能影響綠色技術創新水平（Green），綠色技術創新的發展同樣要求相應的消費水平與之匹配，因此，綠色技術創新水平（Green）與消費水平（Consum）兩者間可能存在雙向因果的關系，致使消費水平（Consum）存在內生性問題。所以，本文以同年度其他省市消費水平的均值（ivConsum）及其二次項（ivConsum2）作為工具變量，連同同年度其他省市金融科技水平均值（ivFint）及其二次項（ivFint2），采用工具變量法（IV）估計模型（4），結果見表7中Panel A列（5）。從表7中Panel A列（4）、（5）看，在排除內生性的情況下，消費水平依然存在提升效應。

將綠色技術創新水平替換為rGreen，以金融科技水平（Fint）及其二次項（Fint2）為關鍵解釋變量，采用FE重新估計模型（2）—（4），并以IV重新估計模型（3）和（4），結果見表7中Panel B。從估計結果看，消費水平仍然存在提升效應。

五、異質性分析

（一）金融發展異質性

金融科技對綠色技術創新的影響也許會因同省份的金融發展水平的差異而不同。金融欠發達地區的金融機構活躍度和服務能力較弱，市場信息不對稱程度較高，信貸資金配置效率更低，傳統金融機構受益于金融科技發展時對創新水平的推動力會更強（宋敏等，2021）。因此，本文推測，金融科技對綠色技術創新“先抑后揚”的作用，在金融發達地區小于金融欠發達地區。本文以存貸款余額/GDP為根據將總樣本數據劃分為兩組進行比較來檢驗金融發展程度異質性，其中，比值大于中位數的視為金融發達地區，反之視為金融欠發達地區。以綠色技術創新水平（Green）為被解釋變量，金融科技水平（Fint）及其二次項（Fint2）為關鍵解釋變量，采用變系數個體固定效應模型估計模型（1），結果見表8列（1）；將綠色技術創新水平（被解釋變量）替換為rGreen，采用變系數個體固定效應模型估計模型（1），結果見表8列（2）。

檢驗結果表明：第一，無論是金融業發展發達地區還是欠發達地區，金融科技水平的二次項（Fint2）系數在5%水平下顯著為正，一次項（Fint）系數在1%水平下顯著為負，說明金融發達地區和金融欠發達地區，其金融科技水平與綠色技術創新水平之間為“U”型關系，即金融科技水平存在拐點，在拐點兩側，金融科技分別起到抑制和促進作用。第二，計算得到的金融科技的拐點顯示，金融科技對綠色技術創新的影響在金融發達地區和欠發達地區不存在異質性。

（二）產業結構異質性

由于不同省份的產業結構存在較大差別，金融科技對綠色技術創新的影響也許會因產業結構的差異而不同。綠色技術創新活動主要發生在實體制造業中，第三產業占比過高可能會對第二產業技術創新投入產生擠出效應，第三產業占比過高不利于綠色技術創新水平的提升。因此，本文推測，在第三產業欠發達地區大于第三產業發達地區，金融科技對綠色技術創新“先抑后揚”的作用。為檢驗產業結構異質性，本文根據第三產業占比將總樣本劃分為兩組進行比較。其中比值大于中位數的當作第三產業發達地區，反之當作第三產業欠發達地區。以綠色技術創新水平（Green）為被解釋變量，金融科技水平（Fint）及其二次項（Fint2）為關鍵解釋變量，采用變系數個體固定效應模型估計模型（1），結果見表9列（1）；將被解釋變量綠色技術創新水平替換為rGreen，采用變系數個體固定效應模型估計模型（1），結果見表9列（2）。

檢驗結果如下：第一，無論是第三產業發達地區還是第三產業欠發達地區，金融科技水平的二次項（Fint2）系數在5%水平下顯著為正，一次項（Fint）系數在1%水平下顯著為負，說明第三產業發達地區和第三產業欠發達地區，其金融科技水平與綠色技術創新水平之間為“U”型關系，即金融科技水平存在拐點，在拐點兩側，金融科技分別起到抑制和促進作用。第二，計算得到的金融科技的拐點顯示，第三產業發達地區的拐點高于第三產業欠發達地區的拐點，在第三產業發達地區，只有當金融科技水平提高到更高程度，才能對綠色技術創新起促進作用。

六、結論與啟示

綠色技術創新離不開金融支持，金融科技是技術驅動的金融創新，能夠影響綠色技術創新發展。本文從理論分析著手，利用CRITIC法測度的2010—2020年我國綠色技術創新指數，研究驗證了金融科技給綠色技術創新帶來的影響及其機理。研究表明：第一，金融科技水平與綠色技術創新水平之間為“U”型關系，即金融科技水平存在拐點，在拐點兩側，金融科技分別起到抑制和促進作用。第二，金融科技通過影響人力資本水平和消費水平，從人力資本供給與消費需求兩個渠道，影響綠色技術創新水平。第三，金融科技給綠色技術創新帶來的影響在金融業發展發達地區和欠發達地區不存在異質性；在第三產業發達地區和欠發達地區存在異質性，在第三產業發達地區的拐點高于第三產業欠發達地區的拐點，在第三產業發達地區，只有當金融科技水平提高到更高程度，才能促進綠色技術創新。

本文結論對推動金融科技發展、綠色技術創新的啟示作用如下：第一，金融科技能夠促進綠色技術創新。因此，應加速金融業與新一代信息技術的融合發展，進一步優化金融資金流向，加強金融科技服務實體經濟的能力，推動綠色技術創新。第二，金融科技通過影響人力資本水平和消費水平進而影響綠色技術創新水平。因此，應繼續支持和鼓勵金融科技的發展，加大金融供給，為緩解居民消費流動性約束和預算約束提供便利，提升人力資本水平與消費水平，在供給側和需求側為綠色技術創新提供發展支撐。第三，金融科技水平對綠色技術創新水平的作用在第三產業發達地區的拐點高于第三產業欠發達地區的拐點，在第三產業發達地區，只有當金融科技水平提高到更高程度，才能對綠色技術創新起促進作用。因此，政府在制定相關政策時，應考慮地區差異，推動第三產業欠發達地區的金融業與信息技術的融合，加大金融科技支持力度，充分發揮金融科技推動綠色技術創新的作用。

參考文獻：

[1]程廣帥，胡錦銹.人力資本積累對環境質量的影響[J].城市問題，2019（10）：46-52.

[2]賀玉德，馬祖軍.基于CRITIC-DEA的區域物流與區域經濟協同發展模型及評價——以四川省為例[J].軟科學，2015，29（3）：102-106.

[3]張紅偉，羅曉慧，陳小輝.數字經濟與產業結構清潔化[J].證券市場導報，2022-10-26.

[4]林春，孫英杰.數字普惠金融促進了制造業集聚嗎？[J].西南民族大學學報（人文社會科學版），2022，43（12）：98-108.

[5]劉國斌，方圓，楊思瑩.金融發展、金融分權與城市環境污染抑制[J].濟南大學學報（社會科學版），2021，31（2）：91-102+159.

[6]劉佳鑫，李莎.“雙循環”背景下數字金融發展與區域創新水平提升[J].經濟問題，2021（6）：24-32.

[7]錢海章，陶云清，曹松威，曹雨陽.中國數字金融發展與經濟增長的理論與實證[J].數量經濟技術經濟研究，2020，37（6）：26-46.

[8]陳小輝，滕磊，盧孔標.老齡化會影響金融科技創新嗎？[J].財經論叢，2021（11）：36-46.

[9]任碧云，劉佳鑫.數字普惠金融發展與區域創新水平提升——基于內部供給與外部需求視角的分析[J].西南民族大學學報（人文社會科學版），2021，42（2）：99-111.

[10]斯麗娟.環境規制對綠色技術創新的影響——基于黃河流域城市面板數據的實證分析[J].財經問題研究，2020（7）：41-49.

[11]馬衛，龔敏，戴愛明.多方主體視角下區域綠色技術創新能力動態評價研究？[J].南昌大學學報（人文社會科學版），2022，53（5）：46-56.

[12]程毅然，李永建.金融科技對小額貸款公司杠桿率的影響機制研究[J].證券市場導報，2021（7）：21-29.

[13]李娟，滕磊.企業數字化轉型如何影響其風險承擔水平——基于ICT投資視角[J].宜賓學院學報，2023，23（1）：35-47.

[14]宋敏，周鵬，司海濤.金融科技與企業全要素生產率——“賦能”和信貸配給的視角[J].中國工業經濟，2021（4）：138-155.

[15]王剛貞，陳夢潔.數字普惠金融影響經濟高質量發展的渠道機理與異質特征[J].財貿研究，2022，33（10）：45-56.

[16]王君萍，劉莎，張藝婷.服務業業態創新與農村居民消費升級：驅動機理與實證檢驗[J].西安財經大學學報，2022，35（6）：90-102.

[17]肖周燕，李慧慧，孫樂.人口與工業集聚對生產和生活污染的影響及空間溢出[J].長江流域資源與環境，2022，31（4）：851-861.

[18]謝汝宗，楊明婉，白福臣.數字普惠金融、居民消費與產業結構升級——基于廣東省地級面板數據的PVAR動態分析[J].調研世界，2022（2）：59-70.

[19]易行健，周利.數字普惠金融發展是否顯著影響了居民消費——來自中國家庭的微觀證據[J].金融研究，2018（11）：47-67.

[20]原毅軍，陳喆.環境規制、綠色技術創新與中國制造業轉型升級[J].科學學研究，2019，37（10）：1902-1911.

[21]岳立，曹雨暄.人力資本投資對區域創新效率的影響研究——基于“一帶一路”沿線45國的實證分析[J].西北人口，2021，42（4）：71-81.

[22]張義博，劉文忻.人口流動、財政支出結構與城鄉收入差距[J].中國農村經濟，2012（1）：16-30.

[23]趙娜.綠色信貸是否促進了區域綠色技術創新？——基于地區綠色專利數據[J].經濟問題，2021（6）：33-39.

[24]周利，廖婧琳，張浩.數字普惠金融、信貸可得性與居民貧困減緩——來自中國家庭調查的微觀證據[J].經濟科學，2021（1）：145-157.

[25]李虹，趙倩倩.綠色金融、技術進步與環境質量——基于中介效應的實證研究[J].區域金融研究，2021（10）：5-11.