劉宇樺 陳鋮 李梧銘

(1.南京理工大學紫金學院 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)服務實體經(jīng)濟提供新途徑、為普惠金融發(fā)展提供新機遇、為防范化解金融風險提供新利器(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家金融機構(截至2021年底，成立金融科技子公司的金融機構有：興業(yè)銀行、平安銀行、招商銀行、深圳農(nóng)商行、光大集團、建設銀行、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證、大數(shù)據(jù)風控、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)濟的發(fā)展，如大數(shù)據(jù)、云計算等金融科技應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，采取固定效應模型和中介效應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)展進一步促進我國綠色發(fā)展水平提供一定的借鑒與思考。

1 文獻綜述

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，更多學者將研究重點放在金融科技對企業(yè)技術發(fā)展或經(jīng)濟高質(zhì)量發(fā)展層面，進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)有的相關研究成果進行梳理。

首先，有關金融科技的界定。金融科技是由“Fintech”翻譯而來，目前普遍認為是由花旗銀行在20世紀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年賓夕法尼亞大學沃頓商學院的幾位學生對金融科技給出的定義是“通過電子科學技術改造后的金融領域”；安永會計師事務所在2016年2月發(fā)布的報告認為：金融科技正從根本上改變金融服務運作方式，也正在改變?nèi)藗冝D(zhuǎn)錢、借錢、保護錢和管理錢的方式；維基百科對金融科技的定義是“一群企業(yè)運用科技手段使得金融服務更有效率，從而形成產(chǎn)業(yè)”。另外，金融穩(wěn)定理事會(FSB)認為，金融科技是技術帶動的金融創(chuàng)新，利用新一代互聯(lián)網(wǎng)信息技術對金融產(chǎn)品、業(yè)務流程和經(jīng)營模式等進行創(chuàng)新和優(yōu)化。國內(nèi)方面，比較有權威性的定義來自中國人民銀行科技司司長李偉，他認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，有關金融科技對經(jīng)濟的高質(zhì)量影響。徐璐等(2022)探討金融科技產(chǎn)業(yè)發(fā)展中的技術創(chuàng)新驅(qū)動。在金融科技對風險防控方面，現(xiàn)有文獻分析了防范措施與機制。例如，周茜、陳收(2022)通過媒體報道情緒和動機對信息進行區(qū)分，并考慮關注度、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)管博弈主體的基礎上，構建金融科技公司和監(jiān)管當局的雙主體演化博弈模型，刻畫兩者的演化博弈行為。

再次，有關金融科技對金融業(yè)和實體企業(yè)的影響。周志剛、嚴圣陽(2022)通過研究金融科技對商業(yè)銀行存貸款定價的影響，建議應依托金融科技進行差異化經(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行發(fā)展，發(fā)現(xiàn)中小銀行應樹立互聯(lián)網(wǎng)思維，完善頂層設計，使業(yè)務更加精細化、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，認為科技型中小企業(yè)可利用區(qū)塊鏈技術的特征，搭建區(qū)塊鏈融資平臺。

最后，有關金融科技對環(huán)境污染的影響。薛瑩、胡堅(2020)研究認為，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，從而促進綠色經(jīng)濟的發(fā)展；唐松等(2019)研究金融科技通過直接效應和空間溢出效應提高全要素生產(chǎn)率，認為金融業(yè)是數(shù)字化水平較高的產(chǎn)業(yè)，能在引領數(shù)字經(jīng)濟發(fā)展的基礎上，促進實體經(jīng)濟的綠色發(fā)展。

綜上，現(xiàn)有文獻大多認可金融科技對金融業(yè)和企業(yè)的促進作用，但較少有研究關注金融科技對環(huán)境污染的影響，但從已有文獻中可以得出：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了資源的高效率配置。第二，金融科技能夠帶動經(jīng)濟的高質(zhì)量發(fā)展，基于當前我國經(jīng)濟發(fā)展的核心要義，經(jīng)濟的高質(zhì)量發(fā)展既包含經(jīng)濟總量的上升，又應包括社會環(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)濟的影響勢必會進一步對我國環(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)展的影響情況進行研究，主要的貢獻體現(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)境效應研究。第二，與之前很多學者的靜態(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

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

本文認為，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，促進綠色經(jīng)濟發(fā)展

金融科技的綠色屬性能在高效處理金融業(yè)務的同時，減輕環(huán)境污染。金融科技能夠提高金融服務的效率，降低實物資源的消耗，是供給側(cè)結(jié)構性改革的核心動力。例如，傳統(tǒng)銀行個人和公司業(yè)務需要大量紙質(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。

就作用機制來看，金融科技能在促進區(qū)域經(jīng)濟發(fā)展的基礎上，降低區(qū)域的環(huán)境污染。目前，在數(shù)字經(jīng)濟的發(fā)展下，金融業(yè)是數(shù)字化發(fā)展水平較高的產(chǎn)業(yè)，銀行等金融機構通過數(shù)字化的辦公模式將知識外溢到實體經(jīng)濟部門。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)濟部門技術水平的同時，降低了資源的消耗，并推動綠色經(jīng)濟的發(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，智能投顧等服務減少了信貸的交易成本，金融云、云保險等新興服務提高了金融產(chǎn)品的可獲得性，進而提升金融機構對實體企業(yè)的服務水平。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。為進行生態(tài)文明建設，實現(xiàn)綠色經(jīng)濟發(fā)展，地方政府限制企業(yè)信貸，需要金融機構快速、準確地進行識別，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，從而促進區(qū)域綠色經(jīng)濟的發(fā)展。由此可見，金融科技能通過促進科技創(chuàng)新實現(xiàn)節(jié)能減排，使地方政府兼顧經(jīng)濟效益和環(huán)境效應，也為政府優(yōu)化綠色金融體系提供了科技保障，進而推動綠色技術創(chuàng)新，降低環(huán)境污染。

3 研究設計

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與相對指標，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)通過對社會認知指數(shù)、投融資指數(shù)及產(chǎn)出指數(shù)來構建金融科技指數(shù)。但是上述方法均不能很好地構建金融科技這個核心解釋變量：一方面，Li等(2017)通過網(wǎng)絡數(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)構建的指數(shù)與傳統(tǒng)金融業(yè)相關性更強。同時，現(xiàn)有學者在研究金融科技時，普遍使用郭峰等(2020)關于數(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行研究?？傊笖?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?？圃谛Ｈ藬?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年經(jīng)濟增長的目標衡量地方政府經(jīng)濟增長目標(target)；使用各地方政府一般公共預算支出與地區(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(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)濟增長目標，其余變量均來源于《中國統(tǒng)計年鑒》及國家統(tǒng)計局。

表1對所有變量進行描述性統(tǒng)計，同時為體現(xiàn)各變量與環(huán)境污染的關系，描述性統(tǒng)計給出了各變量與被解釋變量之間的關系，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)境污染的相關系數(shù)為負值，可以初步認為金融科技能夠抑制區(qū)域環(huán)境污染，促進綠色發(fā)展，后續(xù)實證分析會具體進行研究。

表1 變量的描述性統(tǒng)計

3.2 模型構建

3.2.1 面板回歸模型

本文構建固定效應模型，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為隨機干擾項。

3.2.2 中介效應模型

本文引入中介效應模型，分析金融科技影響區(qū)域環(huán)境綠色發(fā)展的作用機制。假設金融科技對環(huán)境污染的影響通過科技創(chuàng)新水平這一中介變量進行傳導，為驗證科技創(chuàng)新水平在其中的傳導作用，本文構建中介效應模型，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，從而進一步研究這一影響的作用機制。

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)新水平的中介效應為β1×γ2，而中介效應占總效應的比例為(β1×γ2)/α1。第二，如果模型(2)中的β1與模型(3)中的γ2都不顯著，則中介效應不顯著。另外，在構建中介效應后，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)展的程度進行實證檢驗，并采取豪斯曼檢驗確定具體采用的效應模型。當豪斯曼統(tǒng)計量通過顯著性檢驗時，采取固定效應模型；反之，則采取隨機效應模型，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行回歸的方式進行。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，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，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)濟綠色發(fā)展。由于金融科技的大范圍使用，銀行等金融機構的數(shù)字化方式引入實體經(jīng)濟部門，降低實體經(jīng)濟的資源消耗。

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模式和金融業(yè)態(tài)，數(shù)字金融的發(fā)展促進綠色技術的應用，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(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，以驗證模型設定和回歸結(jié)果的科學性和可信度。

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?？紤]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個省市進行基準回歸，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)果均顯著為負值。另外，金融科技的覆蓋廣度和使用深度都顯著為負值。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行量化的指標會影響區(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域的相關人才，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期的金融科技水平，促進相關產(chǎn)業(yè)的發(fā)展。另一方面，前期的金融科技水平在影響當期的金融科技水平后，又會影響當前的環(huán)境污染水平?；诖?，在構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。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。

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)進行描繪，從而得出其運動軌跡，如圖1所示。當分位點較小，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。

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，再構建金融科技與區(qū)位虛擬變量的乘項，代入模型(1)進行估計。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較低；而中西部地區(qū)由于能源消耗較多，導致環(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，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域的重點建設工作，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，構建科教資源虛擬變量，設有“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，再構建金融科技與科教資源虛擬變量的乘項，代入模型(1)中進行估計。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)在很大程度上達到環(huán)境保護的要求，那么環(huán)境保護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)境保護的要求，存在很大的缺口，因此環(huán)境保護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 構建經(jīng)濟發(fā)展虛擬變量

本文根據(jù)不同地區(qū)的經(jīng)濟發(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)濟發(fā)展異質(zhì)性情況。根據(jù)各省市經(jīng)濟發(fā)展水平的不同，構建經(jīng)濟發(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，再構建金融科技與經(jīng)濟發(fā)展虛擬變量的乘項，代入模型(1)中進行估計。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%的水平上顯著為負值，估計系數(shù)為-14.996，而金融科技水平與經(jīng)濟發(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)濟發(fā)展水平較高的地區(qū)較小，而在經(jīng)濟發(fā)展水平靠后的地區(qū)較大。可能的原因是對于經(jīng)濟發(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)有比較嚴苛的環(huán)境保護政策，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)濟發(fā)展靠后的地區(qū)強于經(jīng)濟發(fā)展靠前的地區(qū)。

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

3.7 中介機制分析

本文進一步對研究設計中的(1)～(3)式進行中介效應分析，以檢驗金融科技對省市環(huán)境污染的作用機制。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?；貧w(2)進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科技創(chuàng)新能力的發(fā)展?；貧w(3)進一步分析科技創(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科技創(chuàng)新能力的發(fā)展，并進一步抑制環(huán)境污染，同時可以得出科技創(chuàng)新水平的中介效應約為-1.704，中介效應占總效應的比例約為7.97%。另外，在構建了中介效應后，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，本文針對中介機制進行了Sobel檢驗及Bootstrap檢驗，結(jié)果均顯示科技創(chuàng)新能力的中介效應是顯著存在的。

表10 基于科技創(chuàng)新的中介機制回歸結(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，無論是絕對指標還是相對指標，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構借助目前科技創(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)，運用大數(shù)據(jù)、云計算和人工智能等技術提升金融服務質(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)顯著強于污染水平較低的地區(qū)、在中西部地區(qū)顯著強于東部地區(qū)、在科教資源質(zhì)量較低的地區(qū)顯著強于科技資源質(zhì)量較高的地區(qū)、在經(jīng)濟發(fā)展水平靠后的地區(qū)顯著強于經(jīng)濟發(fā)展水平靠前的地區(qū)。因此，各地區(qū)、各省市應因地制宜，根據(jù)實際地區(qū)特點和情況制定相應的金融與科技發(fā)展政策。另外，要著重引導金融業(yè)資金流向綠色產(chǎn)業(yè)，促進綠色經(jīng)濟的發(fā)展，對經(jīng)濟發(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?shù)氐木G色發(fā)展水平。

4.3 金融科技通過中介效應抑制區(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)生更廣泛的促進效應。因此，各省市要加快促進科技服務在實體經(jīng)濟中的運用，同時不斷挖掘科技創(chuàng)新在綠色經(jīng)濟發(fā)展中的作用。