亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        數(shù)字金融影響碳排放的作用機理及效果

        2022-02-15 07:37:04范慶倩封思賢
        中國人口·資源與環(huán)境 2022年11期
        關(guān)鍵詞:排放量二氧化碳效應(yīng)

        范慶倩,封思賢,2

        (1.南京師范大學(xué)商學(xué)院,江蘇 南京210023; 2.南京師范大學(xué)金陵女子學(xué)院,江蘇 南京 210023)

        二氧化碳作為主要的溫室氣體(GHG),被認(rèn)為是全球變暖的最重要因素之一,碳減排問題也因此被各國高度關(guān)注。2020年9月,習(xí)近平在第75屆聯(lián)合國大會上更是明確提出了“2030年前碳達(dá)峰、2060年前碳中和”的發(fā)展目標(biāo)(即“雙碳”目標(biāo))。限制能源消費和壓縮產(chǎn)能雖然能減少碳排放,但往往會犧牲經(jīng)濟發(fā)展,因此改變高碳產(chǎn)業(yè)結(jié)構(gòu)、大力發(fā)展節(jié)能減排技術(shù)就顯得尤為重要。然而受投入成本較多、投資回收期較長、收益不確定性較高等因素影響,企業(yè)低碳轉(zhuǎn)型與節(jié)能研發(fā)仍面臨著較為嚴(yán)重的融資約束[1]。聯(lián)合國環(huán)境規(guī)劃署據(jù)此建議,應(yīng)盡快調(diào)整現(xiàn)有的金融系統(tǒng),而近年來新興的數(shù)字金融為該問題解決提供了契機。數(shù)字金融是指通過互聯(lián)網(wǎng)及信息技術(shù)手段與傳統(tǒng)金融服務(wù)業(yè)態(tài)相結(jié)合的新一代金融服務(wù),具有數(shù)字化、網(wǎng)絡(luò)化、智能化、移動化等特點,使得現(xiàn)代社會的經(jīng)濟活動變得更加靈活、便捷和智慧[2]。然而,關(guān)于數(shù)字金融是否有利于碳減排,相關(guān)研究的觀點并不一致。該研究認(rèn)為,研究數(shù)字金融影響碳排放的作用機理,不但有助于辨析各類觀點,也有助于政府或企業(yè)制定更加科學(xué)的碳減排方案。因此,該研究構(gòu)建闡釋了數(shù)字金融影響碳排放的經(jīng)濟學(xué)機理,運用中國省份級的相關(guān)數(shù)據(jù)進(jìn)行實證檢驗并提出對策建議。

        1 文獻(xiàn)綜述

        關(guān)于數(shù)字金融如何影響碳排放的研究雖然目前并不多見,但現(xiàn)有成果中關(guān)于碳排放影響因素以及傳統(tǒng)金融與碳排放之間相互關(guān)系等方面的研究,為該研究提供了十分重要的理論指導(dǎo)、方法借鑒與研究啟示。

        1.1 碳排放的影響因素研究

        早在1995年,Grossman等[3]就提出經(jīng)濟發(fā)展與環(huán)境污染存在倒“U”型關(guān)系(環(huán)境庫茲涅茨曲線,EKC)。隨著全球氣候變暖趨勢的不斷加速,人們對環(huán)境的關(guān)注焦點逐漸轉(zhuǎn)向溫室氣體排放,比如:Zhang等[4]指出,自人類工業(yè)革命以來,經(jīng)濟快速發(fā)展伴隨的能源消耗使得溫室氣體排放量空前增加;一些國家甚至采取了各種經(jīng)濟政策和金融手段來控制溫室氣體排放。由于二氧化碳是最主要的溫室氣體,于是哪些因素會影響碳排放、如何抑制碳排放等問題就成了學(xué)界、業(yè)界、政府等關(guān)注的焦點,大量成果快速涌現(xiàn)。總體而言,外文文獻(xiàn)大多關(guān)注政策因素尤其是融資政策因素對碳排放的影響[5-7]。

        國內(nèi)文獻(xiàn)也較早就開始了對碳排放影響因素的探討[8-12]。例如,胡初枝等[8]發(fā)現(xiàn)經(jīng)濟增長與碳排放之間呈現(xiàn)出“N”型關(guān)系,其中經(jīng)濟規(guī)模推動碳排放增加,產(chǎn)業(yè)結(jié)構(gòu)調(diào)整有利于抑制碳排放,技術(shù)效應(yīng)波動性較大但總體上具有正效應(yīng)。許廣月等[9]指出,中國東部、中部地區(qū)的經(jīng)濟發(fā)展與人均碳排放之間符合EKC假說,但是西部地區(qū)不符合。林伯強等[10]發(fā)現(xiàn)城市化進(jìn)程會影響碳排放,且低碳轉(zhuǎn)型戰(zhàn)略應(yīng)以節(jié)能(降低碳強度)為主,輔之發(fā)展清潔能源(改善能源結(jié)構(gòu))來實現(xiàn)。申萌等[11]將技術(shù)進(jìn)步對二氧化碳排放的彈性引入內(nèi)生增長模型,構(gòu)建了技術(shù)進(jìn)步、經(jīng)濟增長與二氧化碳排放的理論模型,綜合考察了技術(shù)進(jìn)步對二氧化碳排放的直接效應(yīng)和間接效應(yīng)。邵帥等[12]研究發(fā)現(xiàn)經(jīng)濟集聚與能源強度均會影響碳排放強度及人均碳排放,且能源強度可以成為經(jīng)濟集聚影響碳排放的中介變量?!半p碳”目標(biāo)提出后,碳排放問題愈發(fā)成為研究熱點[13]。綜合來看,國內(nèi)文獻(xiàn)對碳排放因素的研究大多關(guān)注的是經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步、能源轉(zhuǎn)型、碳稅等宏觀與中觀層面的經(jīng)濟因素。

        1.2 傳統(tǒng)金融發(fā)展與碳排放、低碳經(jīng)濟的關(guān)系研究

        作為優(yōu)化資源配置和資本再分配的重要手段,金融在低碳經(jīng)濟發(fā)展中發(fā)揮著重要作用。已有不少國內(nèi)文獻(xiàn)探討了國內(nèi)傳統(tǒng)的金融行業(yè)如何去促進(jìn)碳減排。曹軍新等[14]研究了氣候變化和碳減排對金融穩(wěn)定的影響,并提出碳減排應(yīng)先從具備較大減排彈性和較低減排成本的行業(yè)開始,從而最小化銀行資產(chǎn)質(zhì)量沖擊。嚴(yán)成樑等[15]驗證了金融發(fā)展與二氧化碳強度之間存在倒“U”型關(guān)系,并分別從信貸規(guī)模、FDI規(guī)模、金融市場融資規(guī)模、金融業(yè)的競爭、信貸資金分配的市場化等多角度探討了如何影響中國的碳排放強度。韓峰等[16]研究發(fā)現(xiàn)金融業(yè)專業(yè)化集聚、科學(xué)研究和技術(shù)服務(wù)業(yè)多樣化集聚以及環(huán)境治理和公共設(shè)施管理業(yè)的專業(yè)化和多樣化集聚具有明顯碳減排效應(yīng)并據(jù)此提出了諸多建議。

        然而,綜合國內(nèi)外已有文獻(xiàn)來看,傳統(tǒng)金融發(fā)展與碳排放之間的關(guān)系到底是什么,學(xué)界的觀點并不一致。除少部分研究認(rèn)為金融與碳排放不存在顯著相關(guān)關(guān)系外[17],其余觀點大致可分為三種:第一類觀點認(rèn)為,傳統(tǒng)金融發(fā)展促進(jìn)了投資活動和經(jīng)濟增長,從而刺激了能源消耗、加劇了環(huán)境污染以及碳排放的增加[18]。第二類觀點認(rèn)為,傳統(tǒng)金融的發(fā)展并沒有以增加碳排放為代價,反而在改善環(huán)境績效方面發(fā)揮了重要作用,且這類文獻(xiàn)大多是從傳統(tǒng)金融發(fā)展如何促進(jìn)技術(shù)創(chuàng)新、支持新能源開發(fā)等主要角度去分析的[19]。第三類觀點則認(rèn)為傳統(tǒng)金融發(fā)展與碳排放之間的關(guān)系是非線性的[15],這類文獻(xiàn)一般受環(huán)境庫茲涅茨曲線(EKC)啟發(fā),其中大部分文獻(xiàn)中的碳排放指標(biāo)為碳排放強度。

        針對傳統(tǒng)金融在促進(jìn)碳排放方面存在的一些不足,一些學(xué)者建議傳統(tǒng)金融急需要創(chuàng)新。例如,有研究指出,當(dāng)經(jīng)濟規(guī)模較小、環(huán)境問題不突出時,綠色技術(shù)主要來自引進(jìn)和模仿國外先進(jìn)技術(shù),此時傳統(tǒng)金融能夠基本滿足其融資要求,進(jìn)而通過資金引導(dǎo)[14]、資源配置[13]、技術(shù)進(jìn)步[15]等能在一定程度上促進(jìn)碳減排。然而,隨著傳統(tǒng)經(jīng)濟的不斷發(fā)展,綠色高新技術(shù)產(chǎn)業(yè)的需求就會越來越大,技術(shù)研發(fā)風(fēng)險大、資金需求量巨大、回報周期長的特點也會越來越明顯,傳統(tǒng)金融也就難以滿足其融資需求,此時則需要轉(zhuǎn)變經(jīng)營理念、創(chuàng)新金融工具。

        1.3 數(shù)字金融與碳排放的關(guān)系研究

        近年來,數(shù)字技術(shù)(如移動互聯(lián)、人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等)的發(fā)展加速推動了傳統(tǒng)金融行業(yè)的數(shù)字化轉(zhuǎn)型與產(chǎn)品創(chuàng)新。數(shù)字金融具有成本低、門檻低、效率高、靈活性大等優(yōu)點,其對碳排放的影響值得關(guān)注。

        關(guān)于數(shù)字金融如何影響碳排放的現(xiàn)有研究雖然不多,但觀點已存明顯分歧。第一類觀點認(rèn)為,數(shù)字金融有利于促進(jìn)碳減排,因為它能夠借助數(shù)字技術(shù)降低傳統(tǒng)金融的獲客與征信成本,緩解融資風(fēng)險以及金融部門與資金需求者之間的信息不對稱,引導(dǎo)資金流入節(jié)能技術(shù)與可持續(xù)的綠色經(jīng)濟等行業(yè)[20]。這些觀點以定性的理論分析為主。第二類觀點認(rèn)為,數(shù)字金融的發(fā)展與碳排放量之間存在顯著的正相關(guān)關(guān)系[21-22]。第三類觀點認(rèn)為數(shù)字金融與碳排放之間的關(guān)系是不確定的[23]。第二、三類觀點的研究主要是以計量分析為主,基于的樣本大多是外國數(shù)據(jù)。國內(nèi)也有少數(shù)文獻(xiàn)結(jié)合中國實踐進(jìn)行了初步研究。例如,鄧榮榮等[24]的研究均表明,數(shù)字金融發(fā)展顯著降低了碳排放強度,但這兩篇文獻(xiàn)并未關(guān)注碳排放總量,且未進(jìn)行理論模型構(gòu)建。王軍等[25]構(gòu)建了數(shù)字金融發(fā)展影響家庭消費碳排放的一般均衡理論模型,并發(fā)現(xiàn)數(shù)字金融發(fā)展能夠顯著增加家庭消費碳排放量,但并未關(guān)注碳排放中企業(yè)等其他主體的影響。

        雖然專門研究數(shù)字金融如何影響碳排放的文獻(xiàn)目前相對較少,但研究數(shù)字金融在其他方面影響的文獻(xiàn)仍對該研究具有重要啟示,如數(shù)字金融對貨幣政策的影響、對產(chǎn)業(yè)與就業(yè)結(jié)構(gòu)的影響[26]、是否促進(jìn)居民消費與經(jīng)濟增長[27]、支持創(chuàng)新創(chuàng)業(yè)與否以及能否提升創(chuàng)新水平等。

        1.4 邊際貢獻(xiàn)

        數(shù)字金融本質(zhì)上仍是金融,是一種基于現(xiàn)代數(shù)字技術(shù)的創(chuàng)新金融,具有新特征。因此,可從數(shù)字金融的本質(zhì)與創(chuàng)新特征等角度來探討數(shù)字金融對碳排放的影響。

        首先,從家庭消費來看,以移動支付等為代表的數(shù)字金融促進(jìn)了線上消費,提高了物流的集中度,減少了大量分散的不必要外出。而且,數(shù)字金融在方便家庭借貸的同時,也提高了跨期消費者購買或更換高值耐用消費品的傾向,增強了家庭低碳環(huán)保的生活理念。家庭消費的日趨線上化和低碳理念均有利于減少碳排放。

        其次,從數(shù)字金融服務(wù)的提供方式來看,數(shù)字金融本身就是一種低碳發(fā)展模式。針對地區(qū)間發(fā)展不平衡的問題,其利用技術(shù)手段突破時空限制,將低成本、多元化的金融服務(wù)帶到偏遠(yuǎn)地區(qū),實現(xiàn)傳統(tǒng)金融業(yè)務(wù)的線上辦理,這降低了傳統(tǒng)線下服務(wù)網(wǎng)點的數(shù)量要求,也減少了紙制品的使用,從而通過數(shù)字技術(shù)降低了金融業(yè)自身的能耗。

        再者,從數(shù)字金融提供融資的效果來看,一方面,數(shù)字金融在為企業(yè)加速資金周轉(zhuǎn)、提供融資便利的同時也促進(jìn)了企業(yè)生產(chǎn),增加了社會總產(chǎn)出,如果這些產(chǎn)出基于的能源消費方式?jīng)]有明顯的積極改變,碳排放量則會不斷抬高。另一方面,數(shù)字金融可以充分利用其“數(shù)字化”的優(yōu)勢,通過人工智能、云計算等數(shù)字技術(shù)實現(xiàn)對海量數(shù)據(jù)的分析與處理,及時掌握資金流向并更加精準(zhǔn)地預(yù)測風(fēng)險,促進(jìn)企業(yè)技術(shù)創(chuàng)新或者引導(dǎo)資金流向低碳產(chǎn)業(yè),進(jìn)而降低社會總產(chǎn)出所依賴的碳強度。當(dāng)技術(shù)進(jìn)步達(dá)到足夠水平之后,良好的低碳環(huán)境和經(jīng)濟增長就能共存和繁榮。

        不難看出,數(shù)字金融既可能通過改變家庭消費理念、減少金融業(yè)線下活動、促進(jìn)企業(yè)技術(shù)創(chuàng)新等途徑較少碳排放(節(jié)能效應(yīng)),也可能通過融資便利途徑擴大傳統(tǒng)能源消費方式下的生產(chǎn)活動而增加碳排放(增產(chǎn)效應(yīng)),因而最終對碳排放的影響結(jié)果將不確定(圖1)。這兩種效應(yīng)實際上正是數(shù)字金融在“數(shù)字化特征”和“金融本質(zhì)”兩個維度上的分別體現(xiàn)。

        圖1 數(shù)字金融對碳排放的影響途徑

        基于上述思路,該研究可能的邊際貢獻(xiàn)在于:①將數(shù)字金融發(fā)展引入包含二氧化碳排放的內(nèi)生增長模型中,闡述了數(shù)字金融影響碳排放的經(jīng)濟學(xué)原理;②將碳排放通過能源消費引進(jìn)了生產(chǎn)函數(shù),進(jìn)一步增強了經(jīng)濟模型的科學(xué)性;③現(xiàn)有文獻(xiàn)大多用碳強度來反映碳排放,但從該研究前述思路來看,影響碳排放總量的既可能是節(jié)能效應(yīng)(主要由碳強度決定),也可能是增產(chǎn)效應(yīng)(主要由既定碳強度下的碳排放規(guī)模決定),因此,該研究后續(xù)的理論和實證分析將綜合考慮這兩種效應(yīng)。

        2 理論分析

        該節(jié)將主要闡釋數(shù)字金融影響碳排放的經(jīng)濟學(xué)原理??紤]一個封閉的經(jīng)濟包含三個部門:最終產(chǎn)品生產(chǎn)部門、中間產(chǎn)品生產(chǎn)部門和研發(fā)(R&D)部門。研發(fā)部門通過投入資金KR、人力資本LR和已有的技術(shù)知識存量N進(jìn)行技術(shù)研發(fā);中間產(chǎn)品生產(chǎn)部門投入資金KM向研發(fā)部門購買的技術(shù)知識i來生產(chǎn)中間產(chǎn)品x(i);最終產(chǎn)品生產(chǎn)部門利用全部中間產(chǎn)品x、能源投入E以及雇傭人力LY生產(chǎn)最終產(chǎn)品。經(jīng)濟體中總?cè)肆Y本為L=LR+LY;當(dāng)資本市場出清,資本總供給量為K=KR+KM。

        參考Grimaud等[28]、安超等[29]的研究,該研究將能源作為最終生產(chǎn)的投入要素之一,引入最終產(chǎn)品生產(chǎn)部門的生產(chǎn)函數(shù)中,具體產(chǎn)出水平Y(jié)t滿足:

        其中:A為外生給定的一般生產(chǎn)力技術(shù)水平參數(shù),表示不變的生產(chǎn)率。下標(biāo)t表示時間;Et表示投入到最終產(chǎn)品生產(chǎn)部門的能源量;Nt表示經(jīng)濟體的中間產(chǎn)品種類,表征技術(shù)的創(chuàng)新和進(jìn)步,Nt越大表示中間產(chǎn)品種類越多,技術(shù)知識創(chuàng)新能力越強。此處假設(shè)N是連續(xù)的,xi表示第i種中間產(chǎn)品的數(shù)量,i∈[ ]0,N。α,β,γ表示各種投入要素的產(chǎn)出彈性,且滿足α+β+γ=1,即規(guī)模報酬不變。最終產(chǎn)品廠商的利潤函數(shù)Πt為:

        其中:wt代表單位人力資本工資,px,t為中間產(chǎn)品價格,pE,t為能源價格。為達(dá)到最終廠商利潤最大化目標(biāo),令Πt對xt進(jìn)行一階求導(dǎo)可知:

        根據(jù)Romer理論[30],中間廠商是一些壟斷部門,其生產(chǎn)每單位中間品的邊際融資成本為Rt。此時目標(biāo)利潤函數(shù)πt滿足:

        結(jié)合式(3),利潤函數(shù)可寫為:

        為實現(xiàn)中間廠商利潤最大化目標(biāo),令πt對xt進(jìn)行一階求導(dǎo)可得:

        由式(3)和式(6)可推出:

        由式(7)可見,xt(i)與i無關(guān),即每種中間產(chǎn)品供給量相同,符合市場出清條件。因此所有物資資本總量KM,t=Ntxt,式(1)可寫為:

        對于消費者而言,消費C帶來正效用,二氧化碳存量Z帶來負(fù)效用,因此效用等于消費減去二氧化碳存量對于他們生活的負(fù)面影響(影響程度為φ)。借鑒嚴(yán)成樑等[15]的方法,假設(shè)具體關(guān)系為U(Ct,Zt)=lnCt-φlnZt,其中Z為自然界二氧化碳存量,S表示二氧化碳排放量,則二氧化碳增量可表示為=St-εZt,ε為自然界對現(xiàn)存二氧化碳的吸收比率。由聯(lián)合國政府間氣候變化專門委員會(IPCC)的二氧化碳計算方法(式(21))可知,二氧化碳排放量S可由能源消耗E推算得到,兩者之間呈正比例關(guān)系。最大效用優(yōu)化目標(biāo)與約束條件整理如下:

        其中:ρ表示折現(xiàn)率,ρ越大代表家庭越看重短期效用;δ為資產(chǎn)折舊率。結(jié)合資產(chǎn)變化、二氧化碳增量和新知識產(chǎn)出的狀態(tài)方程構(gòu)建漢密爾頓函數(shù):

        其中:參數(shù)λ為漢密爾頓乘子,代表狀態(tài)變量在時刻t的邊際價值。該函數(shù)有最優(yōu)條件方程(為方便表述下文開始省略下標(biāo)t):

        對應(yīng)乘子方程為:

        結(jié)合式(10)可將式(11)化為:

        將式(16)代入式(14)可得:

        同時,對式(16)中λ2取對數(shù)并對t求導(dǎo)可得:

        結(jié)合式(17)和式(18)可知:

        根據(jù)平衡增長路徑可知gC=gY=gK。結(jié)合E、Z和S之間關(guān)系可得gS=gZ=gE,因此,式(19)可整理為:

        其中:gS為二氧化碳排放量的增速。由式(20)可知,當(dāng)時,gS=0,即二氧化碳排放量增速為0。根據(jù)Y=ALβYEγN1-α(1-Δ)αKα,可知增速為0時對應(yīng)數(shù)字金融水平當(dāng)滿足Δ<Δ*時,碳排放增速gS>0,此時二氧化碳排放量逐漸增多;當(dāng)Δ>Δ*時,gS<0,二氧化碳排放量減少。因此,數(shù)字金融發(fā)展水平與二氧化碳排放量呈現(xiàn)倒“U”型關(guān)系,碳達(dá)峰時對應(yīng)的數(shù)字金融水平為Δ*,之后數(shù)字金融發(fā)展水平的提高將逐步降低碳排放量,進(jìn)而助力實現(xiàn)碳減排目標(biāo)。觀察Δ*公式可知,拐點的具體值并非固定,即數(shù)字金融助力碳減排進(jìn)程的水平并不是固定數(shù)值,而應(yīng)根據(jù)各國家或地區(qū)的自身情況不同,這與直觀感受基本一致。Δ*公式的重要經(jīng)濟含義還在于:當(dāng)消費水平C越高(人們更多地購買非低值易耗品從而減少碳排放),環(huán)保意識φ越高(社會各界均重視環(huán)保,金融更容易服務(wù)于節(jié)能企業(yè)),此時Δ*越小,這意味著數(shù)字金融發(fā)展會更快地帶來節(jié)能效應(yīng)。同時,社會資本K越多、勞動力L越多、能源消耗E越多、知識N產(chǎn)出越多數(shù)字金融的發(fā)展越有利于擴大生產(chǎn),從而更多地服務(wù)于增產(chǎn)效應(yīng),此時Δ*越大,意味著數(shù)字金融還需要進(jìn)一步地發(fā)展才可能來到碳排放量下降通道。運用Python仿真得到二氧化碳增速與數(shù)字金融的關(guān)系如圖2所示,對應(yīng)增速變化下二氧化碳排放量與數(shù)字金融的關(guān)系如圖3所示。

        圖2 數(shù)字金融水平與碳排放增速

        圖3 數(shù)字金融水平與碳排放量

        從Δ*公式可以看出,該拐點不是一個固定值,其與真實經(jīng)濟下能源消費、知識技術(shù)水平以及人們的環(huán)保意識等因素密切相關(guān),是一個動態(tài)平衡點,并具備如下特征:①當(dāng)知識(技術(shù)創(chuàng)新)水平N不變時,在既有生產(chǎn)方式下生產(chǎn)規(guī)模增加,則能耗E增加,增產(chǎn)效應(yīng)使得Δ*后移,此時實現(xiàn)碳中和的目標(biāo)越難。②當(dāng)生產(chǎn)耗能E不變,N越大即知識技術(shù)水平越高,高能耗高碳排放行業(yè)被新技術(shù)行業(yè)取代,單位產(chǎn)出耗能降低,此時節(jié)能效應(yīng)使得Δ*前移,代表越早達(dá)到碳達(dá)峰目標(biāo),向碳中和的目標(biāo)邁進(jìn)。③當(dāng)其他條件不變時,φ越大即人們的環(huán)保意識越強,以及耐用消費品C值越大,Δ*值均變小,即碳排放量的拐點前移。因此,對于不同地區(qū)和國家來說,碳排放拐點處數(shù)字金融水平具有異質(zhì)性。各地區(qū)應(yīng)先根據(jù)自身經(jīng)濟水平、人民素質(zhì)水平、消費水平等情況,再結(jié)合數(shù)字金融與碳排放之間的倒“U”關(guān)系進(jìn)行政策考慮。

        3 實證分析

        上述研究表明,二氧化碳排放量與數(shù)字金融之間存在倒“U”型關(guān)系,即隨著數(shù)字金融發(fā)展水平的提高,二氧化碳排放量將呈現(xiàn)先上升后下降的趨勢。大量文獻(xiàn)早已檢驗了人均二氧化碳排放量與人均實際GDP的倒“U”型關(guān)系。借鑒這些成果并結(jié)合前述理論分析,該研究接下來將運用中國各省份的面板數(shù)據(jù)進(jìn)行實證檢驗。具體假設(shè)H1為:中國二氧化碳排放量與數(shù)字金融水平之間呈倒“U”型關(guān)系——在數(shù)字金融發(fā)展早期,二氧化碳排放量不斷增長至頂峰,之后會隨著數(shù)字金融水平的提高,二氧化碳排放量將減少。

        3.1 變量選擇與說明

        3.1.1 被解釋變量

        截至定稿之日,中國統(tǒng)計年鑒公布的省級面板的碳排放量數(shù)據(jù)僅更新到2018年,而能源消費情況數(shù)據(jù)則更新至2019年。從數(shù)據(jù)時效性考慮,該研究采用了政府間氣候變化專門委員會(IPCC)給出的碳排放量計算公式,即根據(jù)2006年IPCC《國家溫室氣體清單指南》第二卷參考方法中公布的二氧化碳排放量計算方法,選取煤、焦炭、原油、汽油、煤油、柴油、天然氣、燃油等8種化石燃料,綜合計算各地區(qū)碳排放量。盡管近年來風(fēng)能、太陽能和核能等新能源電力的應(yīng)用在減少碳排放方面發(fā)揮了一定作用,但消耗化石燃料的火電仍占中國發(fā)電量的很大比例,因此計算過程不包括用電量。

        假設(shè)所有化石燃料都已完全燃燒,估算二氧化碳排放量的方法如下:

        其中:i表示省份,t表示年份,j表示各種能源。CO2it代表各省份每年的二氧化碳排放量,即i省8種能源的二氧化碳排放量之和;Eitj代表i省j類能源消耗的物理量;Kj是j型能源轉(zhuǎn)換為標(biāo)準(zhǔn)煤的參考系數(shù),取自《中國能源統(tǒng)計年鑒》;qj為第j種能源的碳排放系數(shù),數(shù)據(jù)來源為IPCC公布的數(shù)據(jù);常數(shù)44/12是二氧化碳與碳的分子量比。

        不少文獻(xiàn)以二氧化碳強度(即單位產(chǎn)出的碳排放量)為被解釋變量來研究二氧化碳排放問題[15],然而正如前文所言,碳強度的降低(節(jié)能效應(yīng))并不一定對應(yīng)著碳排放總量的降低,碳排放總量還會受到增產(chǎn)效應(yīng)影響,因此該研究將選擇絕對水平碳排放總量(TC)為主要被解釋變量,再借助兩個相對水平人均碳排放量(CP)和碳強度(CI)考察數(shù)字金融與碳排放之間關(guān)系的穩(wěn)健性。

        3.1.2 核心解釋變量

        解釋變量是數(shù)字金融發(fā)展水平。該研究采用中國數(shù)字普惠金融指數(shù)作為中國數(shù)字金融發(fā)展水平的代理變量。該指數(shù)包含一個總的數(shù)字金融普惠指數(shù)和三個細(xì)分指數(shù),分別為數(shù)字金融的覆蓋廣度(能接觸到數(shù)字金融的人數(shù)越多,則廣度越高)、數(shù)字金融的使用深度(服務(wù)類型越豐富或人均實際使用量越大,則深度越高)和數(shù)字服務(wù)支持程度(使用越便利、成本越低,則數(shù)字化支持程度越高)。同時,為驗證倒“U”型曲線,該研究將對自變量取平方,從而獲得一個二次方的核心獨立變量。

        3.1.3 控制變量

        碳排放不是一個純粹的環(huán)境問題,受到社會、經(jīng)濟、文化等多種因素的影響,工業(yè)發(fā)展將導(dǎo)致環(huán)境污染和退化,城市擴張產(chǎn)生了大量的能源消耗需求也將導(dǎo)致碳排放量相應(yīng)增加。因此,選取一些宏觀經(jīng)濟指標(biāo)作為控制變量,包括人口、地區(qū)生產(chǎn)總值、工業(yè)發(fā)展水平、政府干預(yù)程度、工業(yè)生產(chǎn)者出廠價格指數(shù)、城市化水平、固定資本以及進(jìn)出口總額7個省際層面變量。

        3.1.4 描述性統(tǒng)計

        結(jié)合北大數(shù)字普惠金融指數(shù)和省域二氧化碳排放的數(shù)據(jù)可得情況,最終采用中國30個省份2011—2019年的平衡面板數(shù)據(jù)(受數(shù)據(jù)可獲得性限制,未涉及西藏、香港、澳門和臺灣地區(qū))。由于對變量取對數(shù)后,估計系數(shù)恰好是彈性,這可以直接解釋由于自變量的變化為1%引起的因變量百分比變化。本著科學(xué)性、綜合性原則,該研究最終采用指標(biāo)的自然對數(shù)作為各變量的代理指標(biāo),其變動可理解為各變量百分比變動情況。文中涉及的主要變量的名稱、定義、度量、來源的說明見表1。

        表1 變量說明

        各變量的描述性統(tǒng)計結(jié)果(限于篇幅表略,可向作者索?。╋@示,數(shù)字金融發(fā)展水平與碳排放量的樣本數(shù)據(jù)差異化較大(標(biāo)準(zhǔn)差大于0.65),這在一定程度上有利于更清晰地發(fā)現(xiàn)二氧化碳排放與數(shù)字金融水平之間的關(guān)系。同時,觀察數(shù)字金融發(fā)展總指標(biāo)及三個子指標(biāo)的標(biāo)準(zhǔn)差及極差可知,各地數(shù)字金融發(fā)展水平的差異較大,尤其是在覆蓋廣度方面的差異更大。

        為直觀展現(xiàn)碳排放與數(shù)字金融間的關(guān)系,碳排放量(lnTC)、碳強度(lnCI)與數(shù)字金融(lndf)的樣本點及二次項擬合曲線如圖4所示。從碳強度與數(shù)字金融的曲線整體趨勢看(圖4中實線),隨著數(shù)字金融水平提高,各省碳排放強度均呈現(xiàn)下降趨勢,即所有省份的單位產(chǎn)出的二氧化碳排放量明顯降低,這說明數(shù)字金融在影響碳排放時存在節(jié)能效應(yīng)。部分省份前期單位產(chǎn)出的二氧化碳排放量微幅上升,這可能與數(shù)字金融通過幫助企業(yè)緩解融資約束與結(jié)算便利等途徑刺激了企業(yè)高能耗式的生產(chǎn)擴張有關(guān)。

        然而,從圖4中數(shù)字金融與真實二氧化碳排放量關(guān)系(圖4中虛線)可以看出,不少省份數(shù)字金融與真實二氧化碳排放量之間存在正相關(guān)關(guān)系,這意味著碳排放量與碳強度走勢相反。而兩條曲線相距越遠(yuǎn),說明該省份的數(shù)字金融的增產(chǎn)效應(yīng)越大于節(jié)能效應(yīng),即數(shù)字金融更多便利了高能耗高碳排放的企業(yè)擴大生產(chǎn),使得在單位產(chǎn)出碳排放降低的情形下,二氧化碳排放量仍在增加。換而言之,正如上文所提的,由于碳強度與碳排放量之間相差GDP的乘數(shù)倍,且數(shù)字金融促進(jìn)GDP的增長是學(xué)術(shù)界較為公認(rèn)的典型事實,故數(shù)字金融與二氧化碳排放量關(guān)系受其降低碳強度與提升經(jīng)濟發(fā)展的雙重效應(yīng)影響,當(dāng)數(shù)字金融帶來的增產(chǎn)效應(yīng)大于節(jié)能效應(yīng)時,二氧化碳將持續(xù)增多,反之則逐漸減少。

        圖4 不同省份碳排放與數(shù)字金融關(guān)系

        3.2 基準(zhǔn)回歸

        3.2.1 模型設(shè)定

        引入數(shù)字金融的二次項lndf2,關(guān)注該核心自變量的系數(shù)α1,以確定其是否顯著負(fù),從而檢驗二氧化碳排放量與數(shù)字金融之間的倒“U”型關(guān)系是否成立。對不同省份之間的差異構(gòu)建面板變系數(shù)模型,具體的雙向固定效應(yīng)模型如下:

        其中:i代表第i個省份,t代表第t年,lnCO2it為因變量,α0為截距項,lndfit為數(shù)字普惠金融指數(shù),用以表示數(shù)字金融發(fā)展水平。lndf2it=lndfit×lndfit為lndfit的二次項,是倒“U”型曲線的核心解釋變量。Xit代表控制變量,εit為隨機擾動項。codei和yeart分別捕獲省份固定效應(yīng)和年份固定效應(yīng)。通過豪斯曼檢驗,結(jié)果顯示該研究應(yīng)選擇固定效應(yīng)模型。

        3.2.2 基本回歸結(jié)果

        表2為數(shù)字金融發(fā)展與碳排放量的回歸結(jié)果。從中可見,在引入不同控制變量的情況下,數(shù)字金融指數(shù)的一次項估計系數(shù)始終為正值,二次項估計系數(shù)始終為負(fù)值,系數(shù)值穩(wěn)定,且一致通過10%的置信水平的顯著性檢驗。這表明,數(shù)字金融發(fā)展水平與二氧化碳排放量之間存在倒“U”型關(guān)系,且整體表現(xiàn)不會隨著控制變量的增加而改變。換言之,隨著數(shù)字金融的發(fā)展,二氧化碳排放量將先上升后下降,這與前文理論分析的結(jié)論一致。

        通過公式(22)可快速找到倒“U”型曲線的拐點:以列(5)為例,當(dāng)lndf=-0.665/(2×(-0.082))=4.054 9時,二氧化碳排放量達(dá)峰。具體而言,以中國各影響因素的平均水平為例,當(dāng)數(shù)字金融指數(shù)高于57.679時,數(shù)字金融的發(fā)展有助于抑制二氧化碳排放;當(dāng)數(shù)字金融指數(shù)低于57.679時,數(shù)字金融的發(fā)展會促使二氧化碳排放量增加。將計算的拐點與表2中的實際數(shù)字金融發(fā)展水平均值與中位數(shù)進(jìn)行比較,可以看出超一半省份仍處于增產(chǎn)效應(yīng)大于節(jié)能效應(yīng)階段,這意味著不少地區(qū)數(shù)字金融的發(fā)展仍主要利好傳統(tǒng)高能耗企業(yè)擴大生產(chǎn)力,而不是更多地讓低碳產(chǎn)業(yè)受益。通過尋找倒“U”曲線最高點對應(yīng)的數(shù)字金融發(fā)展水平,不難判斷出各省利用數(shù)字金融推動碳減排的實際效果。對于增產(chǎn)效應(yīng)大于節(jié)能效應(yīng)的省份(在碳排放最高點到來之前),應(yīng)減少數(shù)字金融對傳統(tǒng)能源消耗企業(yè)的金融支持,加大數(shù)字金融對能源產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、節(jié)能減排轉(zhuǎn)型、新能源開發(fā)利用等方面的支持;對于節(jié)能效應(yīng)大于增產(chǎn)效應(yīng)的省份(在碳排放最高點之后),可將政策重點放在如何充分發(fā)揮數(shù)字金融“用數(shù)賦智”的服務(wù)優(yōu)勢,不斷提升數(shù)字金融發(fā)展與服務(wù)水平等方面。

        表2 二氧化碳排放和數(shù)字金融的回歸結(jié)果

        3.3 穩(wěn)健性檢驗

        在模型中納入解釋變量的平方項的做法可能會將單調(diào)且向原點彎曲的曲線誤判為倒“U”型曲線。因此,首先進(jìn)行Utest曲線檢驗,得到t統(tǒng)計量為1.28,在10%置信水平下接受備擇假設(shè)H1:曲線為倒“U”型。同時,根據(jù)Utest檢驗所得極值點為4.144,與上文回歸所得的拐點4.055相差不大,初步驗證了上文回歸結(jié)果的穩(wěn)健性。同時,為進(jìn)一步驗證基準(zhǔn)回歸的穩(wěn)健性,該研究將被解釋變量總排放量(lnTC)更換為碳強度(lnCI)和人均碳排放(lnCP)。表3顯示,無論是否控制控制變量,數(shù)字金融與lnCI或lnCP倒“U”型關(guān)系仍顯著,說明模型具有一定的穩(wěn)健性。

        表3 穩(wěn)健性檢驗結(jié)果

        3.4 內(nèi)生性處理

        理論上,當(dāng)解釋變量與誤差項相關(guān)則存在內(nèi)生性問題。內(nèi)生性一般由于測量誤差、遺漏變量或者互為因果的原因而產(chǎn)生。在公式(22)中,要得到數(shù)字金融發(fā)展水平對碳排放量的影響效應(yīng)的一致性,必須要處理好可能存在的兩方面內(nèi)生性問題。一方面,盡管該研究盡可能地控制了相關(guān)變量,但仍存在由遺漏變量帶來的內(nèi)生性問題的可能。另一方面,核心解釋變量數(shù)字金融發(fā)展水平(lndf)與被解釋變量碳排放量(lnTC)可能存在反向因果關(guān)系導(dǎo)致內(nèi)生性問題,即由于碳排放降低的產(chǎn)業(yè)融資需求反過來刺激了該地區(qū)的數(shù)字金融發(fā)展水平的進(jìn)一步發(fā)展。

        為了解決上述所提的內(nèi)生性問題,借鑒張勛等[27]的方法,選取“各省省會城市到杭州的球面距離”生成工具變量。由于公式(22)中的內(nèi)生變量是隨年份變化的變量,但該研究所選取的球面距離并不隨時間變化,無法進(jìn)行第二階段估計。因此,考慮到量綱一致和時間變化效應(yīng),該研究對球面距離開方并乘上(除本省外的)中國數(shù)字金融發(fā)展水平(lndf)的均值作為工具變量。該工具變量滿足:①相關(guān)性。由于數(shù)字金融的推廣難易程度一定會受到距離杭州遠(yuǎn)近的地理空間因素的影響,該工具變量與數(shù)字金融水平直接相關(guān)。②外生性。地理的距離為客觀條件,理論上不會直接影響碳排放量。

        首先對數(shù)字金融發(fā)展水平(lndf)進(jìn)行DWH檢驗,結(jié)果發(fā)現(xiàn)對應(yīng)P值均遠(yuǎn)小于0.05,表明該變量存在內(nèi)生性問題。表4匯報了利用工具變量法對式(22)分別進(jìn)行兩階段回歸的結(jié)果。列(1)為第一階段回歸結(jié)果,列(2)是為第二階段回歸結(jié)果。一階段回歸結(jié)果顯示,工具變量與數(shù)字金融發(fā)展顯著負(fù)相關(guān),意味著離數(shù)字金融發(fā)展中心越遠(yuǎn),數(shù)字金融的發(fā)展水平越低,這是符合預(yù)期的。工具變量的系數(shù)估計值在1%的置信水平上顯著為負(fù),表明距離杭州距離越遠(yuǎn),該地區(qū)的數(shù)字金融發(fā)展水平也越低,驗證了工具變量的相關(guān)性假定。二階段的回歸結(jié)果顯示,lndf和lndf2的系數(shù)在5%的水平上顯著,說明在緩解潛在內(nèi)生性后,該研究的結(jié)論依然成立,即數(shù)字金融發(fā)展水平與二氧化碳排放量呈現(xiàn)倒“U”型關(guān)系,且拐點在lndf=3.942 處,與上文基礎(chǔ)回歸所得拐點位置接近。除此之外,該研究還對弱工具變量問題進(jìn)行了檢驗,結(jié)果表明不存在弱工具變量問題。同時,該研究使用對弱工具變量更不敏感的有限信息最大似然法(LIML)估計時發(fā)現(xiàn)其系數(shù)與2SLS非常接近,這也從側(cè)面印證了不存在弱工具變量。

        表4 工具變量回歸結(jié)果

        3.5 異質(zhì)性分析

        數(shù)字金融的發(fā)展包括覆蓋面廣度、使用深度和數(shù)字支持服務(wù)程度三個不同維度,該研究將分別從這三個維度進(jìn)行結(jié)構(gòu)性分析。表5列(1)—列(3)分別為三個不同維度下的數(shù)字金融對碳排放影響的估計結(jié)果。

        表5顯示,在數(shù)字普惠金融各維度中,使用深度和數(shù)字化程度與碳排放之間倒“U”型關(guān)系依舊顯著,但數(shù)字金融覆蓋廣度的一次項與碳排放無顯著線性關(guān)系,甚至呈現(xiàn)輕微的正“U”型關(guān)系。根據(jù)表5列(1)的估計系數(shù)可推出,lnbre=1.566為覆蓋廣度曲線的最低拐點,這一數(shù)值遠(yuǎn)低于當(dāng)前大部分省份實際的數(shù)字普惠金融覆蓋廣度(lnbre的中位數(shù)和均值分別為5.249和4.995),這表明近年來中國各省數(shù)字金融覆蓋廣度不斷提高帶來的增產(chǎn)效應(yīng)大于節(jié)能效應(yīng),也就是說,數(shù)字金融支持的生產(chǎn)領(lǐng)域若仍繼續(xù)以傳統(tǒng)能源消耗產(chǎn)業(yè)為主且不斷增加對此類產(chǎn)業(yè)支持的覆蓋廣度,則將給碳減排造成更大壓力。因此,數(shù)字金融應(yīng)盡快從量向質(zhì)轉(zhuǎn)變,即如何不斷提高數(shù)字金融使用深度和數(shù)字化支持水平、加大數(shù)字金融服務(wù)企業(yè)技術(shù)創(chuàng)新、數(shù)字化升級與低碳節(jié)能轉(zhuǎn)型等將變得更為重要。

        表5 數(shù)字金融廣度、深度與數(shù)字化程度分別對碳排放的影響

        4 影響途徑分析

        4.1 增產(chǎn)與節(jié)能效應(yīng)檢驗

        理論分析時提出總二氧化碳排放量隨數(shù)字金融發(fā)展水平提升而呈現(xiàn)出倒“U”型關(guān)系與增產(chǎn)效應(yīng)和節(jié)能效應(yīng)相關(guān)。倒“U”曲線上升部分主要源于數(shù)字金融的廣度有利于擴大生產(chǎn)的這部分增產(chǎn)效應(yīng)大于數(shù)字金融的數(shù)字化屬性帶來的單位產(chǎn)出碳排放降低的節(jié)能效應(yīng)。同理,右半邊碳排放的下降則是因為數(shù)字金融發(fā)展到一定水平促進(jìn)企業(yè)技術(shù)創(chuàng)新使得節(jié)能效應(yīng)更強,從而碳強度降低幅度大于增產(chǎn)幅度。根據(jù)碳排放量=碳排放強度×產(chǎn)出水平,該研究提出以下兩個假設(shè)。

        假設(shè)1:數(shù)字金融的廣度發(fā)展有利于產(chǎn)出水平提升。

        假設(shè)2:數(shù)字金融的數(shù)字化水平有利于降低單位產(chǎn)出碳排放量(碳強度)。

        對此該研究構(gòu)建以下回歸方程,并將回歸結(jié)果置于表6中。

        表6 數(shù)字金融廣度的增產(chǎn)效應(yīng)與數(shù)字化程度的節(jié)能效應(yīng)

        其中:con代表控制變量,ε為隨機擾動項。code和year分別捕獲省份固定效應(yīng)和年份固定效應(yīng)?;貧w結(jié)果顯示,數(shù)字金融的廣度發(fā)展對產(chǎn)出水平具有顯著正向影響,數(shù)字化程度對碳強度具有顯著負(fù)向影響,且無論是否增加控制變量均顯著,結(jié)果穩(wěn)健。

        4.2 基于技術(shù)創(chuàng)新的中介效應(yīng)檢驗

        對這種倒“U”型關(guān)系的正確理解有必要考察因果鏈條通過什么中介變量影響,即進(jìn)行中介效應(yīng)檢驗。中介效應(yīng)是指解釋變量對被解釋變量的影響是通過中介變量實現(xiàn)的,即解釋變量(lndf)通過中介變量(M)對被解釋變量(lnTC)產(chǎn)生影響。技術(shù)創(chuàng)新是金融發(fā)展影響經(jīng)濟增長的重要渠道。張翠菊等[31]提出現(xiàn)有的技術(shù)無法適應(yīng)低碳要求,節(jié)能減排目標(biāo)的實現(xiàn)離不開節(jié)能技術(shù)的扶持。張杰等[32]發(fā)現(xiàn)不同專利的類型對各省份人均真實GDP增長率和經(jīng)濟增長質(zhì)量的影響具有異質(zhì)性。鑒于技術(shù)創(chuàng)新的增產(chǎn)和節(jié)能效應(yīng)與該研究倒“U”型曲線產(chǎn)生原因一致,選取專利授權(quán)數(shù)的對數(shù)(lnpat)表示技術(shù)創(chuàng)新這一中介變量。直觀來看,數(shù)字金融的發(fā)展使得投入研發(fā)的資金增多,專利授權(quán)數(shù)(lnpat)與數(shù)字金融發(fā)展水平(lndf)呈正相關(guān)關(guān)系。但這些專利前期受數(shù)字金融廣度影響更多地有利于擴大生產(chǎn),即增產(chǎn)效應(yīng)明顯,后期隨著數(shù)字金融的深度和數(shù)字化作用的累積,將出現(xiàn)更多的節(jié)能型技術(shù)專利從而導(dǎo)致碳排放減少。

        常用的中介檢驗方法為溫忠麟等[33]提出的逐步回歸法,但江艇[34]對此傳統(tǒng)中介效應(yīng)研究方法進(jìn)行了研究,并提出應(yīng)將研究重點放在解釋變量對被解釋變量的因果關(guān)系識別可信度上來,盡量避免被解釋變量因果關(guān)系不明顯、因果鏈條過長或存在反向因果的問題。因此,先采取逐步回歸,再采納江艇的建議考察倒“U”型關(guān)系的渠道傳導(dǎo)時,不過于強調(diào)中介檢驗的論證力度,而只是將其視作某種試探性的證據(jù)[35]。故該研究構(gòu)造倒“U”型關(guān)系的中介傳導(dǎo)渠道檢驗機制的計量模型如下:

        其中:lnpat2為lnpat的平方項。式(25)和式(26)使用傳統(tǒng)三步法進(jìn)行中介檢驗,結(jié)果為表7的列(1)—列(3)。式(28)和式(29)直接考察被解釋變量與中介變量的平方之間關(guān)系,結(jié)果呈現(xiàn)于列(4)和列(5)。φ2和ρ2的顯著與否僅作為中介變量在數(shù)字金融發(fā)展影響碳排放量的過程中是部分傳導(dǎo)效應(yīng)還是完全傳導(dǎo)效應(yīng)的試探性證據(jù)。如果θ1顯著,說明中介變量專利授權(quán)數(shù)(lnpat)與數(shù)字金融發(fā)展水平(lndf)為正相關(guān)關(guān)系。如果δ2顯著,則表明中介變量專利授權(quán)數(shù)(lnpat)與碳排放(lnTC)存在倒“U”關(guān)系。具體中介檢驗結(jié)果見表7。

        表7中列(2)數(shù)字金融對于專利數(shù)的估計系數(shù)為0.574且在1%水平上顯著,表明數(shù)字金融有利于研發(fā)創(chuàng)新。根據(jù)列(3),對于碳排放的估計系數(shù)為0.054在10%水平上顯著,表明專利數(shù)量目總體上增加了碳排放。觀察列(4)可知,專利二次項系數(shù)為-0.016在1%水平上顯著,且Utest檢驗P值為0.048,說明專利與碳排放存在穩(wěn)健的倒“U”關(guān)系。列(3)和列(5)專利及其平方項均顯著是間接中介效應(yīng)成立的試探性證據(jù)。

        表7 數(shù)字金融、傳導(dǎo)渠道與碳排放量

        5 結(jié)論與建議

        數(shù)字金融的快速發(fā)展給企業(yè)的生產(chǎn)經(jīng)營活動帶來了巨大變化,影響著全社會的能源消耗與碳排放規(guī)模?;诹_默的內(nèi)生增長模型,該研究首先構(gòu)建并闡述了數(shù)字金融發(fā)展影響碳排放的經(jīng)濟學(xué)原理。其中的主要思路包括:一是,考慮到二氧化碳是能源消費的主要釋放物,通過二氧化碳與能源消費的關(guān)系式將二氧化碳排放量引入到生產(chǎn)函數(shù)。二是,因二氧化碳存量對居民生活產(chǎn)生負(fù)面影響,故將其作為負(fù)效應(yīng)引入到家庭消費者效用函數(shù)。理論分析的結(jié)果表明,數(shù)字金融發(fā)展主要通過增產(chǎn)效應(yīng)與節(jié)能效應(yīng)影響碳排放規(guī)模,總體上兩者之間呈倒“U”型關(guān)系;碳排放拐點所需的數(shù)字金融能力與經(jīng)濟體中能源消耗情況、消費水平、環(huán)保意識以及知識技術(shù)水平等因素相關(guān)。然后,該研究利用中國2011—2019年的省級平衡面板數(shù)據(jù)進(jìn)行了實證檢驗,并證實了數(shù)字金融總指數(shù)與碳排放規(guī)模之間的倒“U”型關(guān)系,但也發(fā)現(xiàn)數(shù)字金融的廣度、深度和數(shù)字化程度對碳排放的各自影響之間存在異質(zhì)性。其中,數(shù)字金融的覆蓋廣度更傾向于通過增產(chǎn)效應(yīng)擴大了碳排放規(guī)模,而數(shù)字金融使用深度與數(shù)字化支持程度則更傾向于通過節(jié)能效應(yīng)助力碳減排。

        雖然該研究的樣本時間只是到2019年,但最新的一些現(xiàn)象也佐證了上述結(jié)論。比如,2021年受疫情影響,全球市場對中國制造的需求大幅增加,部分地區(qū)尤其是出口貿(mào)易較大的沿海城市出現(xiàn)了電力與煤炭消費猛增而不得不對一些高能耗企業(yè)“拉閘限電”的現(xiàn)象。這說明,數(shù)字金融在便利資金結(jié)算與融資的同時,如果中國制造業(yè)的低碳節(jié)能轉(zhuǎn)型或技術(shù)升級進(jìn)程緩慢,則這類企業(yè)將主要通過增產(chǎn)效應(yīng)給全社會帶來碳減排壓力。因此,在“雙碳”目標(biāo)下,隨著數(shù)字金融覆蓋廣度的不斷提高,數(shù)字金融的發(fā)展應(yīng)更加重視追求質(zhì)而非量,即應(yīng)不斷提高數(shù)字金融的服務(wù)深度和數(shù)字化程度,充分發(fā)揮數(shù)字金融在數(shù)據(jù)處理與數(shù)據(jù)賦能方面的優(yōu)勢,通過大數(shù)據(jù)、區(qū)塊鏈等數(shù)字技術(shù)手段限制高能耗產(chǎn)業(yè)的融資活動,引導(dǎo)資金精準(zhǔn)流向低碳節(jié)能技術(shù)等一些有利于碳減排的綠色生產(chǎn)活動,并通過碳金融產(chǎn)品創(chuàng)新、差異化定價、碳足跡測算等數(shù)字金融創(chuàng)新手段,促進(jìn)企業(yè)低碳節(jié)能加速轉(zhuǎn)型。

        猜你喜歡
        排放量二氧化碳效應(yīng)
        揚眉吐氣的二氧化碳
        哈哈畫報(2022年8期)2022-11-23 06:21:32
        鈾對大型溞的急性毒性效應(yīng)
        天然氣輸配系統(tǒng)甲烷排放量化方法
        煤氣與熱力(2021年6期)2021-07-28 07:21:40
        “抓捕”二氧化碳
        懶馬效應(yīng)
        黑龍江省碳排放量影響因素研究
        如何“看清”大氣中的二氧化碳
        應(yīng)變效應(yīng)及其應(yīng)用
        高性能可變進(jìn)氣岐管降低二氧化碳排放
        汽車零部件(2014年8期)2014-12-28 02:03:03
        全國機動車污染物排放量
        ——《2013年中國機動車污染防治年報》(第Ⅱ部分)
        特级做a爰片毛片免费看108| 国产精品亚洲一区二区三区久久| 人妻少妇精品视频专区二区三区 | 亚洲一区二区三区久久不卡| 国产高清不卡在线视频| 最新国产不卡在线视频| 亚洲av永久无码精品三区在线 | 亚洲av综合av国一区二区三区| 久久久久久av无码免费网站下载| 国产成人久久精品激情| 欧美一区二区午夜福利在线yw| 亚洲av男人免费久久| 少妇被猛烈进入到喷白浆| 国产亚洲精品aaaa片小说| 国产成人亚洲精品77| 一区二区激情偷拍老牛视频av| 亚洲日韩精品a∨片无码加勒比| 久久无码人妻精品一区二区三区| 日本成人字幕在线不卡| 午夜桃色视频在线观看| 人人鲁人人莫人人爱精品| 日韩精品无码一区二区三区视频 | 亚洲捆绑女优一区二区三区| 国产亚洲一区二区在线观看| 精品一区二区三区在线观看视频| 亚洲中文字幕无线乱码va | 日韩精品无码一区二区三区视频| 久久HEZYO色综合| 国产精品亚洲一级av第二区| 欧美人与动人物牲交免费观看久久| 国产三级欧美| 色婷婷一区二区三区四| 最新国产精品拍自在线观看| 热re99久久精品国产99热| 啊v在线视频| 熟女人妻在线中文字幕| 风韵多水的老熟妇| 亚洲偷自拍另类图片二区| 亚洲女人天堂成人av在线| 青青草原亚洲| 国产亚洲日韩欧美一区二区三区|