數(shù)字金融對(duì)碳排放強(qiáng)度的影響效應(yīng)研究

周澤炯，楊曦

（安徽財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，蚌埠 233030）

1 引言

隨著工業(yè)化時(shí)代的到來以及國民經(jīng)濟(jì)的高速發(fā)展,化石能源消耗持續(xù)上升，而且隨著化石消耗所釋放的二氧化碳等溫室氣體的總量也在相應(yīng)上升。為了應(yīng)對(duì)和緩解氣候問題，我國在2020 年提出“雙碳”（碳達(dá)峰、碳中和）目標(biāo)。在黨的二十大報(bào)告中，“雙碳”目標(biāo)再被提起，“推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展綠色化、低碳化是實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)”。在此背景下，探討如何促進(jìn)碳減排推進(jìn)綠色低碳發(fā)展具有重要現(xiàn)實(shí)意義。碳達(dá)峰、碳中和的實(shí)現(xiàn)需要長效的金融支持，而數(shù)字金融作為數(shù)字技術(shù)與金融業(yè)務(wù)的融合，能對(duì)污染形成長效機(jī)制的治理[1]。數(shù)字金融是中國新一代技術(shù)革命與工業(yè)轉(zhuǎn)型的必然產(chǎn)物,可以通過提升區(qū)域內(nèi)科技技術(shù)水平從而深刻影響中國經(jīng)濟(jì)社會(huì)發(fā)展過程中的能源效益，并作用于中國生態(tài)環(huán)境問題[2]。那么，數(shù)字金融的發(fā)展是否能夠影響碳排放量？如果有影響，影響機(jī)制為何？利用數(shù)字金融來應(yīng)對(duì)日益嚴(yán)峻的生態(tài)環(huán)境問題，尤其是碳排放問題，研究數(shù)字金融對(duì)碳排放的影響尤為重要。

近年來工業(yè)化造成的環(huán)境污染問題逐漸得到重視，在當(dāng)今金融數(shù)字化熱潮的大背景下，有諸多學(xué)者已經(jīng)開始思考數(shù)字金融和碳排放的關(guān)系。

在國外，Shahbaz[3]認(rèn)為金融發(fā)展一方面可以直接抑制碳排放，另一方面可以通過促進(jìn)技術(shù)進(jìn)步來間接抑制碳排放。Frankel 等[4]認(rèn)為，數(shù)字金融可以促進(jìn)技術(shù)進(jìn)步，金融的發(fā)展能夠帶動(dòng)經(jīng)濟(jì)增長，環(huán)境污染和碳排放也會(huì)相應(yīng)減少。Arjunwadkar P Y[5]發(fā)現(xiàn)數(shù)字金融對(duì)傳統(tǒng)金融產(chǎn)生的巨大影響主要依托于信息技術(shù)。Paramati 等[6]得出金融深化能夠在碳減排過程中發(fā)揮積極作用。

在國內(nèi)，鄧榮榮和張翱祥[7]基于285 個(gè)城市的面板數(shù)據(jù)研究數(shù)字金融對(duì)碳排放強(qiáng)度及效率的影響與作用機(jī)理，既驗(yàn)證了數(shù)字金融對(duì)碳排放績效的改善作用，又指出了經(jīng)濟(jì)、結(jié)構(gòu)和技術(shù)3 種效應(yīng)的作用路徑；王元彬等[8]運(yùn)用Python機(jī)器學(xué)習(xí)模型得出數(shù)字金融對(duì)碳排放影響具有重要作用，且影響效應(yīng)是非線性的；廖珍珍和茹少峰[9]通過展開實(shí)證研究發(fā)現(xiàn)數(shù)字金融和二氧化碳排放之間的倒U 型關(guān)系以及該關(guān)系在不同地區(qū)的顯著程度不同；范思倩和封思賢[10]同樣認(rèn)為數(shù)字金融與碳排放規(guī)模間呈倒U 型關(guān)系，同時(shí)還提出增產(chǎn)效應(yīng)以及節(jié)能效應(yīng)；王法濤和劉雅彤[11]研究發(fā)現(xiàn)數(shù)字金融對(duì)碳排放的直接效應(yīng)明顯，且在中東部地區(qū)較西部地區(qū)更為顯著。關(guān)于技術(shù)創(chuàng)新是否能夠影響碳排放方面，王文靜等[12]認(rèn)為數(shù)字金融、技術(shù)創(chuàng)新、碳排放三者之間相互關(guān)聯(lián)，同時(shí)，技術(shù)水平的提高在初期對(duì)碳減排有明顯影響，后期則較為復(fù)雜；王廣在[13]應(yīng)用中介效應(yīng)模型進(jìn)行研究時(shí)未發(fā)現(xiàn)技術(shù)創(chuàng)新對(duì)碳排放有作用路徑；康曼和杜運(yùn)偉[14]通過測(cè)算碳排放效率得出包含提高創(chuàng)新效率的三條渠道促進(jìn)碳減排。

由于本文研究內(nèi)容是數(shù)字金融的碳減排效應(yīng)，因此進(jìn)一步梳理已有的數(shù)字金融的文獻(xiàn)，探究數(shù)字金融對(duì)于環(huán)境的影響。許釗[15]從實(shí)證角度分析了數(shù)字金融對(duì)污染減排的作用機(jī)制，發(fā)現(xiàn)在達(dá)到低數(shù)字金融水平之前和高數(shù)字金融水平之后，數(shù)字金融能夠顯著降低環(huán)境中的污染；而在從低數(shù)字金融水平到達(dá)高數(shù)字金融水平的過程之中，數(shù)字金融的發(fā)展對(duì)環(huán)境產(chǎn)生負(fù)作用。朱東波等[16]認(rèn)為數(shù)字金融的覆蓋廣度與使用深度可以實(shí)現(xiàn)減污效應(yīng)。汪中華等[17]提出數(shù)字金融與低碳生活融合可以實(shí)現(xiàn)環(huán)境保護(hù)與金融發(fā)展的協(xié)調(diào)統(tǒng)一。

綜上，經(jīng)過梳理發(fā)現(xiàn)，目前大部分研究將目光聚焦在數(shù)字金融發(fā)展對(duì)碳排放效率的影響上，但較少關(guān)注數(shù)字金融對(duì)碳排放強(qiáng)度的影響，且未從多角度研究數(shù)字金融對(duì)碳排放強(qiáng)度的影響機(jī)制。因此，本文基于已有文獻(xiàn)對(duì)此展開進(jìn)一步研究。本文從數(shù)字金融的角度拓展了金融發(fā)展與碳排放強(qiáng)度的關(guān)系，為更好地發(fā)揮數(shù)字金融促進(jìn)碳減排的作用提供實(shí)證依據(jù)和參考價(jià)值。

2 研究設(shè)計(jì)

2.1 變量選取

（1）被解釋變量：本文選取碳排放強(qiáng)度（Cei）作為被解釋變量。由于目前碳排放缺乏官方公布的統(tǒng)一數(shù)據(jù)，用CEADs 發(fā)布的省級(jí)碳排放數(shù)據(jù)來衡量各省份的碳排放量，得到其與各地區(qū)GDP 的比值并取對(duì)數(shù)。

（2）解釋變量：本文選取數(shù)字金融發(fā)展程度（Digitɑl）作為解釋變量，用北京大學(xué)數(shù)字金融研究中心提供的數(shù)字普惠金融指數(shù)衡量各省份數(shù)字金融的發(fā)展水平[9]。

（3）中介變量：技術(shù)進(jìn)步（Tech）用專利申請(qǐng)量表示，并取對(duì)數(shù)。用各省市歷年專利申請(qǐng)的數(shù)量來表示技術(shù)進(jìn)步的程度。

（4）控制變量：本文參照已有的文獻(xiàn)，控制了以下可能影響碳排放強(qiáng)度的變量。人口規(guī)模（Populɑtion）：選取地區(qū)年末常住人口表示人口規(guī)模，并取對(duì)數(shù)；經(jīng)濟(jì)發(fā)展水平（Pgdp）：用人均GDP 取對(duì)數(shù)作為代理變量；產(chǎn)業(yè)結(jié)構(gòu)（Str）：用第三產(chǎn)業(yè)增加值與GDP 的比值表示，并取對(duì)數(shù)；能源消耗（Energy）：選取人均全年用電量表示，并取對(duì)數(shù)。

2.2 模型設(shè)定

2.2.1 基準(zhǔn)回歸模型

通過上述文獻(xiàn)可得數(shù)字金融的發(fā)展會(huì)對(duì)碳排放產(chǎn)生抑制作用，為實(shí)證檢驗(yàn)數(shù)字金融發(fā)展是否對(duì)碳排放強(qiáng)度有抑制作用且顯著，構(gòu)建如式（1）描述的基準(zhǔn)回歸模型：

式中：i為省份；t為年份；Ceiit為被解釋變量碳排放強(qiáng)度；Digitɑl為核心解釋變量數(shù)字金融；Control為影響碳排放的其他控制變量；μi為區(qū)域個(gè)體固定效應(yīng)；ηt為時(shí)間固定效應(yīng)；εit為隨機(jī)擾動(dòng)項(xiàng)；α為常數(shù)項(xiàng)；β1和β2為回歸系數(shù)[18]。

2.2.2 中介效應(yīng)模型

為了檢驗(yàn)技術(shù)進(jìn)步是否為數(shù)字金融影響碳排放的機(jī)制路徑，借鑒溫忠麟和葉寶娟[19]的研究，在式（1）的基礎(chǔ)上，構(gòu)建如式（2）、式（3）的中介效應(yīng)模型：

式中：Tech為中介變量技術(shù)進(jìn)步；β0、γ0為常數(shù)項(xiàng)；β1、β2、γ1、γ2、γ3為回歸系數(shù)。

2.2.3 空間杜賓模型

經(jīng)濟(jì)單元通過各種聯(lián)系與鄰近的經(jīng)濟(jì)單元在空間上相互作用，并通過地理上的空間異質(zhì)性和依賴性表現(xiàn)出來[20]。數(shù)字金融對(duì)碳排放的影響可能會(huì)對(duì)周邊地區(qū)產(chǎn)生空間溢出效應(yīng)，因此采用空間計(jì)量模型，同時(shí)分析數(shù)字金融對(duì)碳排放影響的直接效應(yīng)和間接效應(yīng)（空間溢出效應(yīng))。由于空間杜賓模型（Spatial Durbin Model，SDM）在使用時(shí)可以同時(shí)捕捉自變量和因變量的空間效應(yīng)，故以空間杜賓模型為例，在基準(zhǔn)模型的基礎(chǔ)上構(gòu)建空間計(jì)量模型，如式（4）所示:

式中，ρ是因變量的空間滯后回歸系數(shù)，β為自變量的回歸系數(shù)向量，θ為自變量空間滯后項(xiàng)的回歸系數(shù)向量，W為i×i階空間權(quán)重矩陣[21]。其余符號(hào)含義與式（1）相同。選擇鄰接矩陣（0～1 矩陣)作為空間權(quán)重矩陣，如式（5）所示:

2.3 數(shù)據(jù)來源

為確保樣本數(shù)據(jù)的完整性和統(tǒng)計(jì)口徑一致，研究樣本選取2011-2021 年30 個(gè)省（自治區(qū)、直轄市）的面板數(shù)據(jù)。相關(guān)變量的原始數(shù)據(jù)來源于北京大學(xué)數(shù)字金融研究中心、CEADs 數(shù)據(jù)庫、《中國統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》以及各省市統(tǒng)計(jì)年鑒。描述性統(tǒng)計(jì)數(shù)據(jù)如表1所示。

表1 描述性統(tǒng)計(jì)數(shù)據(jù)

3 實(shí)證分析

首先，對(duì)各地區(qū)數(shù)字金融以及碳排放的情況進(jìn)行時(shí)空分析；接著，利用中介效應(yīng)模型驗(yàn)證技術(shù)進(jìn)步在數(shù)字金融促進(jìn)碳減排中的調(diào)節(jié)作用；再用空間杜賓模型驗(yàn)證數(shù)字金融促進(jìn)碳減排的本地效應(yīng)以及空間溢出效應(yīng)。

3.1 數(shù)字金融與碳排放的時(shí)空分析

3.1.1 數(shù)字金融的時(shí)空分析

從時(shí)間層面分析全國數(shù)字金融發(fā)展水平的均值隨時(shí)間推移的變化趨勢(shì)，得到2011-2021 年數(shù)字金融發(fā)展水平變化趨勢(shì)，結(jié)果見圖1。

圖1 2011-2021年數(shù)字金融發(fā)展水平變化趨勢(shì)

由圖1 可知，在研究周期內(nèi)全國數(shù)字金融平均發(fā)展水平穩(wěn)步上升。在2011-2013 年的早期階段，數(shù)字金融高速發(fā)展，近幾年發(fā)展速度則相對(duì)緩慢，但仍然保持著可觀的增速，這在一定程度上表明隨著數(shù)字金融市場(chǎng)的發(fā)展越來越成熟，該行業(yè)開始由高速增長階段向常態(tài)增長過渡。

以2021年為例，從空間層面比較各地區(qū)數(shù)字金融發(fā)展的差異與聯(lián)系。2021 年各地區(qū)數(shù)字金融發(fā)展水平見圖2。

圖2 2021年各地區(qū)數(shù)字金融發(fā)展水平

由圖2 可知，北京、上海、浙江屬于數(shù)字金融發(fā)展的第一梯隊(duì)，發(fā)展程度最高。江蘇、江西、廣東等地區(qū)的數(shù)字金融發(fā)展處于中間位置，而數(shù)字金融發(fā)展水平較低的主要是西部地區(qū)。數(shù)字金融的發(fā)展與地區(qū)經(jīng)濟(jì)發(fā)展有著密切聯(lián)系，位于第一梯隊(duì)的地區(qū)經(jīng)濟(jì)水平最高，金融市場(chǎng)更為完善。西部地區(qū)金融基礎(chǔ)較差，導(dǎo)致數(shù)字化金融發(fā)展也較為緩慢。

3.1.2 碳排放的時(shí)空分析

從時(shí)間層面分析碳排放強(qiáng)度隨時(shí)間推移的變化趨勢(shì)，得到2011-2021年碳排放量變化趨勢(shì)，見圖3。

圖3 2011-2021年碳排放量變化趨勢(shì)

由圖3 可知，整體來看2011-2021 年我國的碳排放量有所增加，但在2014-1016 年碳排放有減緩的趨勢(shì)，這與我國經(jīng)濟(jì)增長方式轉(zhuǎn)變和相關(guān)環(huán)境政策的出臺(tái)有關(guān)。2021 年相較于2011 年碳排放強(qiáng)度降低了近46%，說明經(jīng)濟(jì)增長方式正在向綠色發(fā)展轉(zhuǎn)變。

用雷達(dá)圖比較2021 年30 個(gè)地區(qū)的碳排放情況，見圖4。

圖4 2021年各地區(qū)碳排放情況（單位：百萬噸）

由圖4 可知，山東、河北、內(nèi)蒙古、江蘇、廣東、遼寧、山西、新疆等省份碳排量最高。其中，山東、河北、廣東、江蘇均為工業(yè)強(qiáng)省，在大力發(fā)展工業(yè)的同時(shí)也應(yīng)當(dāng)注重碳排放的控制。

3.2 基準(zhǔn)回歸

通過雙向固定效應(yīng)模型研究數(shù)字金融對(duì)碳排放強(qiáng)度的效應(yīng)，基準(zhǔn)回歸結(jié)果見表2第二列。

表2 基準(zhǔn)回歸與工具變量回歸結(jié)果

由表2 第二列可知，數(shù)字金融與碳排放之間的相關(guān)系數(shù)為-0.312，表明數(shù)字金融的發(fā)展與碳排放強(qiáng)度之間呈顯著負(fù)相關(guān)。即數(shù)字金融的發(fā)展會(huì)降低碳排放強(qiáng)度，數(shù)字金融每提高一個(gè)單位，碳排放強(qiáng)度就相應(yīng)減少0.312 個(gè)單位。數(shù)字金融在發(fā)展的過程中運(yùn)用大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)對(duì)傳統(tǒng)金融服務(wù)進(jìn)行融合創(chuàng)新，形成健全的金融體系，進(jìn)而通過其在資源配置中的作用，影響資本流向綠色、低碳和先進(jìn)產(chǎn)業(yè)，優(yōu)化城市的能源使用效率以及工業(yè)生產(chǎn)效率，助力城市碳排放強(qiáng)度的下降。

從其他控制變量的系數(shù)來看，人口規(guī)模的系數(shù)為正，表明隨著人口的增多，碳排放量也會(huì)隨之增加。人口總量的增長會(huì)帶動(dòng)消費(fèi)需求的增長，對(duì)能源的需求也逐漸提高，在以煤炭為主的高碳能源結(jié)構(gòu)下，碳排放量只增不減。因此，人們的消費(fèi)觀念要向綠色環(huán)保轉(zhuǎn)變。經(jīng)濟(jì)發(fā)展水平（人均GDP）系數(shù)顯著為負(fù)，即經(jīng)濟(jì)發(fā)展水平的提高能夠有效緩解碳排放壓力。經(jīng)濟(jì)社會(huì)的發(fā)展使得環(huán)境治理也被更加重視，清潔能源的種類越來越多，居民使用清潔能源的現(xiàn)象也更加普遍。能源消耗（人均用電量）的系數(shù)顯著為正，當(dāng)下能源消耗是導(dǎo)致碳排放量增加的主要因素。減少能源使用尤其是化石能源，選擇低耗能、清潔能源是減少碳排放的重要途徑。產(chǎn)業(yè)結(jié)構(gòu)（第三產(chǎn)業(yè)占比）的回歸系數(shù)為正，表明優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)可以減少碳排放。這可能是因?yàn)殡S著產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整，企業(yè)需要相應(yīng)地優(yōu)化各個(gè)生產(chǎn)環(huán)節(jié)的生產(chǎn)技術(shù)，在管理水平以及生產(chǎn)后期的治理水平上都會(huì)進(jìn)一步提高，在源頭上對(duì)碳排放進(jìn)行了控制，直接減少碳排放量。

3.3 內(nèi)生性檢驗(yàn)

盡管本文已經(jīng)控制了可能影響碳排放強(qiáng)度的相關(guān)變量，但仍然會(huì)遺漏相關(guān)變量造成估計(jì)結(jié)果有一定偏差，并且數(shù)字金融與碳排放強(qiáng)度之間可能存在互為因果的問題，即碳排放強(qiáng)度的高低可能會(huì)影響數(shù)字金融的發(fā)展程度。本文采用工具變量法解決內(nèi)生性問題。

由于數(shù)字金融指數(shù)的滯后一期與當(dāng)期的數(shù)字金融高度相關(guān)，且與當(dāng)期碳排放強(qiáng)度沒有相關(guān)關(guān)系，因此對(duì)數(shù)字金融指數(shù)進(jìn)行滯后一期的處理，用滯后核心解釋變量（L.Digitɑl）作為工具變量進(jìn)行二階段最小二乘（2SLS）回歸[22]。回歸結(jié)果具體見表2第三、四列。

將工具變量引入后，第一階段的結(jié)果見表2第三列。L.Digitɑl的系數(shù)在1%的水平上顯著，即表明當(dāng)期與滯后一期的數(shù)字金融有很強(qiáng)的相關(guān)性；同時(shí)，工具變量的個(gè)數(shù)等于內(nèi)生變量的個(gè)數(shù)，并且能夠恰好識(shí)別，則不需要進(jìn)行過度識(shí)別檢驗(yàn)，表明該工具變量是有效的。第二階段的結(jié)果如表2第四列所示，Digitɑl的系數(shù)為負(fù)且通過了1%的顯著性檢驗(yàn)，證明工具變量法的估計(jì)結(jié)果支持提出的假設(shè)。

3.4 中介效應(yīng)檢驗(yàn)

通過查閱過往文獻(xiàn)，理論分析表明數(shù)字金融發(fā)展可以通過促進(jìn)技術(shù)進(jìn)步來抑制碳排放強(qiáng)度。利用逐步回歸法對(duì)技術(shù)進(jìn)步這一中介變量進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示。

表3 中介效應(yīng)模型分析結(jié)果

數(shù)字金融的系數(shù)為0.023且在1%的水平上顯著，表明數(shù)字金融能夠促進(jìn)技術(shù)進(jìn)步。由表3第三列可以看出，加入中介變量后，數(shù)字金融與碳排放強(qiáng)度之間仍然呈負(fù)相關(guān)，數(shù)字金融每提升一個(gè)單位，碳排放強(qiáng)度將顯著下降0.293 個(gè)單位。數(shù)字金融能夠通過技術(shù)創(chuàng)新來降低城市碳排放強(qiáng)度，因此，我國各城市在提升數(shù)字金融發(fā)展水平，廣泛應(yīng)用數(shù)字金融工具的同時(shí)，也應(yīng)當(dāng)因地制宜，基于城市當(dāng)前發(fā)展階段和資源現(xiàn)狀加大技術(shù)創(chuàng)新力度，制定相關(guān)政策，從而更高效的促進(jìn)經(jīng)濟(jì)發(fā)展與“雙碳”目標(biāo)的實(shí)現(xiàn)。

3.5 穩(wěn)健性檢驗(yàn)

（1）替換因變量

考慮到各省份常住人口數(shù)有差異，而人均碳排放量也具有代表意義，因此選取人均碳排放量代替碳排放強(qiáng)度進(jìn)行穩(wěn)健性檢驗(yàn)，回歸結(jié)果如表4中的模型1所示。數(shù)字金融的回歸系數(shù)為負(fù)且在1%的水平上顯著，說明數(shù)字金融發(fā)展可以抑制人均碳排放，與上文基準(zhǔn)回歸結(jié)果結(jié)一致，間接證明了上述結(jié)論的穩(wěn)健性。

表4 穩(wěn)健性檢驗(yàn)結(jié)果

（2）改變樣本量

由于直轄市的地域經(jīng)濟(jì)與其他省域差異較明顯，因此選擇將北京、天津、重慶、上海4個(gè)直轄市的樣本剔除，結(jié)果如表4中的模型2所示。數(shù)字金融的回歸系數(shù)仍為負(fù)且在1%的水平下顯著，進(jìn)一步驗(yàn)證了數(shù)字金融對(duì)碳排放強(qiáng)度的抑制作用，表明基準(zhǔn)回歸結(jié)果穩(wěn)健。

3.6 空間效應(yīng)分析

為了進(jìn)一步研究數(shù)字金融對(duì)碳排放強(qiáng)度的影響是否存在空間效應(yīng)，引入鄰接矩陣，采用全局莫蘭指數(shù)對(duì)數(shù)字金融和碳排放強(qiáng)度進(jìn)行空間自相關(guān)檢驗(yàn)，檢驗(yàn)結(jié)果如表5 所示。2011-2021 年數(shù)字金融和碳排放強(qiáng)度的莫蘭指數(shù)均在1%的水平下顯著為正，表明二者均存在正向空間自相關(guān)性。

表5 全局莫蘭結(jié)果

在進(jìn)行回歸之前，用相關(guān)檢驗(yàn)選擇合適的空間計(jì)量模型，檢驗(yàn)結(jié)果如表6所示。LM檢驗(yàn)和穩(wěn)健性LM檢驗(yàn)均在1%的水平上顯著，因此可以認(rèn)為碳排放存在空間關(guān)系，本研究應(yīng)采用空間杜賓模型。接著通過分析確定空間杜賓模型是否會(huì)退化成為空間滯后模型或空間誤差模型[23]。結(jié)果顯示，LR和Wald檢驗(yàn)均在1%的水平上顯著，表明該研究應(yīng)使用空間杜賓模型。因此，選用雙向固定效應(yīng)的空間杜賓模型進(jìn)行空間計(jì)量分析。

表6 空間模型選擇

進(jìn)行空間杜賓回歸，得到數(shù)字金融對(duì)碳排放強(qiáng)度的空間溢出效應(yīng)結(jié)果，見表7。空間自回歸系數(shù)rho為正且在1%的水平上顯著。Main為本地區(qū)的數(shù)字金融對(duì)本地區(qū)碳排放強(qiáng)度的影響，Wx表示本地區(qū)數(shù)字金融對(duì)鄰近地區(qū)的碳排放強(qiáng)度的影響。表7第二列Main的系數(shù)為負(fù)且在1%的水平上顯著，表明本省份內(nèi)的數(shù)字金融發(fā)展對(duì)本省份的碳排放強(qiáng)度具有顯著的抑制作用。數(shù)字金融有助于提升地區(qū)的經(jīng)濟(jì)發(fā)展的質(zhì)量和速度，加速產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，從而抑制了地區(qū)碳排放強(qiáng)度。

表7 空間杜賓回歸結(jié)果

表7第三列Wx系數(shù)為正且在1%的水平上顯著，表明數(shù)字金融在空間上具有顯著的正向溢出效果，即本省份的數(shù)字金融的發(fā)展會(huì)使鄰近省份的碳排放強(qiáng)度上升，即數(shù)字金融發(fā)展抑制本省份碳排放強(qiáng)度的同時(shí)會(huì)增強(qiáng)鄰近省份的碳排放強(qiáng)度。

考慮到空間計(jì)量模型的回歸系數(shù)并不能直接反應(yīng)數(shù)字金融對(duì)碳排放強(qiáng)度的空間溢出效應(yīng)，運(yùn)用空間回歸偏微分法，將空間效應(yīng)進(jìn)一步分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)[24]，結(jié)果見表7第四、五、六列。直接效應(yīng)和總效應(yīng)的回歸系數(shù)顯著為負(fù)，表明本地區(qū)的數(shù)字金融發(fā)展會(huì)顯著抑制本地區(qū)的碳排放強(qiáng)度；間接效應(yīng)的回歸結(jié)果為正且在1%的水平上顯著，即數(shù)字金融在空間上存在空間溢出效應(yīng)，表明本地區(qū)的數(shù)字金融發(fā)展會(huì)在空間上增強(qiáng)鄰近地區(qū)的碳排放強(qiáng)度。造成這種現(xiàn)象的原因可能是：以傳統(tǒng)工業(yè)為基礎(chǔ)發(fā)展的城市在升級(jí)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)的同時(shí)，會(huì)吸引鄰近城市的人才遷往本地，將高能耗高污染的產(chǎn)業(yè)遷出。由此，本城市碳排放將會(huì)下降，相鄰城市在人口流動(dòng)以及接管高污染高能耗的產(chǎn)業(yè)的過程中造成碳排放量上升。

4 結(jié)論與建議

4.1 結(jié)論

選取2011-2021 年30 個(gè)省份的面板數(shù)據(jù)，以技術(shù)進(jìn)步作為中介變量，對(duì)基準(zhǔn)回歸模型、空間杜賓模型、中介效應(yīng)模型進(jìn)行回歸分析，深入探討了數(shù)字金融對(duì)碳排放強(qiáng)度的影響效應(yīng)和作用機(jī)制，得出以下結(jié)論：（1）通過固定效應(yīng)模型得出數(shù)字金融對(duì)碳排放有明顯的抑制作用；（2）運(yùn)用中介效應(yīng)模型分析發(fā)現(xiàn)，數(shù)字金融可以通過推動(dòng)技術(shù)進(jìn)步來促進(jìn)碳減排，降低各地區(qū)的碳排放強(qiáng)度；（3）通過空間杜賓模型表明數(shù)字金融與鄰地碳排放強(qiáng)度之間存在正向空間溢出效應(yīng)。

4.2 建議

為了促進(jìn)數(shù)字金融對(duì)碳排放的影響效應(yīng)，基于上述研究結(jié)論，提出如下對(duì)策建議：

一、加大數(shù)字金融發(fā)展力度。數(shù)字金融為碳減排提供了新的思路，也為雙碳目標(biāo)的加速實(shí)現(xiàn)注入了新的動(dòng)力。中國應(yīng)繼續(xù)加大數(shù)字金融的發(fā)展力度，運(yùn)用數(shù)字化技術(shù)，減少線下的碳排放。加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，完善數(shù)字金融服務(wù)體系，加強(qiáng)數(shù)字金融監(jiān)管機(jī)制，推動(dòng)數(shù)字金融以綠色為導(dǎo)向。

二、關(guān)注技術(shù)創(chuàng)新地域差異。數(shù)字金融在不同的地區(qū)表現(xiàn)出對(duì)碳排放的抑制作用的強(qiáng)度不同，技術(shù)進(jìn)步作為能夠促進(jìn)數(shù)字金融對(duì)碳減排作用的中間變量，應(yīng)當(dāng)重點(diǎn)關(guān)注東西部地區(qū)技術(shù)創(chuàng)新的發(fā)展情況。相較于東部地區(qū)，西部地區(qū)應(yīng)該加快數(shù)字化轉(zhuǎn)型，在發(fā)展工業(yè)的同時(shí)也應(yīng)當(dāng)為降低碳排放積聚力量。中東部地區(qū)則應(yīng)關(guān)注綠色數(shù)字轉(zhuǎn)型，吸納人才，加速技術(shù)創(chuàng)新。