吳毅斌

(蘭州財經(jīng)大學 統(tǒng)計學院, 蘭州 730000)

中國二氧化碳排放力爭于2030年前達到峰值,努力爭取2060年前實現(xiàn)碳中和[1]。中共中央國務院發(fā)布的《關于完整準確全面貫徹新發(fā)展理念做好碳達峰碳中和工作的意見》[2]明確提出,為了實現(xiàn)低碳發(fā)展,需要依靠金融機構(gòu)積極發(fā)展綠色金融。隨著人工智能、互聯(lián)網(wǎng)、大數(shù)據(jù)為核心的數(shù)字化進程在經(jīng)濟、金融等領域的覆蓋廣度不斷增加,數(shù)字金融對碳排放影響的研究也在不斷 深入。

已有研究數(shù)字金融對碳排放影響的文獻主要集中在以下3個方面:①數(shù)字金融對碳排放的影響研究。碳排放與人類經(jīng)濟發(fā)展息息相關,近年來,中國在生產(chǎn)效率快速提升的同時也加大了對各類能源資源的利用,大量的碳排放導致環(huán)境污染加重,嚴重威脅到人類的生存,全球碳減排大勢所趨。數(shù)字金融主要通過大數(shù)據(jù)、互聯(lián)網(wǎng)、云計算、區(qū)塊鏈等新型技術與傳統(tǒng)經(jīng)濟金融領域深度融合。通過將數(shù)字化技術與傳統(tǒng)金融業(yè)務的融合,創(chuàng)造了數(shù)字普惠金融體系,可利用大數(shù)據(jù)精準搜尋目標客戶群體,解決“長尾群體”的融資困境,從而減少了線下的碳排放。陳曉紅等[3]的研究已證實數(shù)字化技術發(fā)展具有抑制碳排放的作用。賀茂斌和楊曉維[4]認為高新技術型企業(yè)往往具有融資難、收益低、周期長等特點,數(shù)字金融可為這類企業(yè)提供充足的資金支持,提升科技型企業(yè)的技術創(chuàng)新水平以減少碳排放;且數(shù)字金融依賴數(shù)字化平臺提供金融服務,減少了線下交易來往產(chǎn)生的碳排放,從而降低了碳排放。②數(shù)字金融對碳排放的空間效應研究。趙瑞娟和李薇[5]研究發(fā)現(xiàn),數(shù)字金融與碳排放之間存在空間效應,由于鄰近地區(qū)之間各類生產(chǎn)要素流動性強,可能會導致碳排放的“虹吸效應”或者“擴散效應”產(chǎn)生,因此數(shù)字金融發(fā)展可能對碳排放強度產(chǎn)生空間溢出效應。③數(shù)字金融對碳排放的影響機制研究。鄧榮榮和張翱祥[6]認為數(shù)字普惠金融對碳排放的作用機制一方面可直接影響碳排放效率,其次還可通過技術創(chuàng)新、經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)3種渠道抑制碳排放。

那么,數(shù)字金融與碳排放之間到底有什么聯(lián)系呢?數(shù)字金融的發(fā)展是否會抑制碳排放強度呢?如果有抑制作用,數(shù)字金融對碳排放強度是怎樣的影響機制?數(shù)字金融是否會促進或者抑制鄰近地區(qū)的碳排放強度呢?通過文獻梳理發(fā)現(xiàn),目前研究主要集中在金融發(fā)展對碳減排效率的實證研究,鮮有研究涉及數(shù)字金融對碳排放強度的影響,且尚未從多角度研究數(shù)字金融影響碳排放強度的傳導機制,數(shù)字金融與碳排放強度之間的邏輯關系需要進一步厘清與完善。因此,基于以上分析,做進一步的拓展研究。利用雙向固定效應模型、中介效應模型和空間杜賓模型實證檢驗了數(shù)字金融發(fā)展對碳排放強度的作用機制及空間效應?；诖颂岢鲫P于抑制碳排放強度的相關政策建議。從數(shù)字金融的角度拓展了金融發(fā)展與碳排放強度的關系,為更好地發(fā)揮數(shù)字金融的碳減排效應提供穩(wěn)健的實證依據(jù)和決策參考,以期促進中國碳減排效率,助力中國“雙碳”目標的實現(xiàn)。

1 理論機制與研究假設

1.1 數(shù)字金融發(fā)展對碳排放強度的直接影響

數(shù)字金融發(fā)展對碳排放強度的影響包括以下幾個方面:①金融機構(gòu)可以借助數(shù)字化平臺對精準掌握企業(yè)信息,提高金融資源配置效率,淘汰高污染、高耗能的企業(yè)[7];②碳排放權交易是國家通過市場規(guī)制影響碳排放、應對全球氣候變暖的重要舉措,碳排放權交易市場借助數(shù)字金融可以使碳金融產(chǎn)品更加大眾化和普惠化,對企業(yè)碳排放行為通過市場交易的方法在懲罰和補償之間進行平衡最終有利于減少企業(yè)碳排放的負外部性,實現(xiàn)碳減排工作;③利用數(shù)字金融平臺可對企業(yè)信息全方位掌握,可為政府提供精準且全面的環(huán)保信息,實現(xiàn)精準且科學的決策,可根據(jù)碳排放對企業(yè)進行“獎優(yōu)懲劣”,促進各地區(qū)碳減排?？德投胚\偉[8]認為本地區(qū)的數(shù)字金融的提高,通過線上平臺進行各種金融服務,加快了金融市場的交易進度,使交易市場更加快捷,而且提高了研發(fā)效率與技術創(chuàng)新,但這一過程也產(chǎn)生了“虹吸效應”,使鄰近省份的資金與技術流向該地區(qū),金融資源產(chǎn)生不合理配置,減緩了鄰近地區(qū)的數(shù)字化進程,影響了鄰近地區(qū)經(jīng)濟的發(fā)展,不利于生產(chǎn)設施升級改造,從而抑制了鄰近省份的碳排放效率。因此提出以下假設。

H1:數(shù)字金融發(fā)展抑制了碳排放強度且具有正向的空間溢出效應。

1.2 數(shù)字金融發(fā)展對碳排放強度的影響機制

數(shù)字金融通過對金融資源的收集與合理配置促進經(jīng)濟增長。金融機構(gòu)能夠利用大數(shù)據(jù)、云計算等技術收攏金融資源,篩選具有發(fā)展?jié)摿Φ钠髽I(yè)提供充足的信貸支持,數(shù)字金融普惠性的特點,可使“長尾群體”更易得到金融服務,解決“長尾群體”融資難題,增加企業(yè)生產(chǎn)績效?，F(xiàn)階段的研究成果認為數(shù)字金融會通過促進經(jīng)濟質(zhì)量增長抑制碳排放[9]。劉玉珂和金聲甜[10]認為數(shù)字金融的發(fā)展在增加自身的產(chǎn)值的同時也增加了服務業(yè)產(chǎn)值,且數(shù)字金融發(fā)展更易引導生產(chǎn)要素轉(zhuǎn)向低能耗、高效率的企業(yè)。由于第三產(chǎn)業(yè)能耗低、排放少,產(chǎn)業(yè)結(jié)構(gòu)的升級將有利于抑制碳排放強度;其次,數(shù)字金融促進了金融資源的合理配置,有效解決金融機構(gòu)和企業(yè)間信息不對稱問題,提高了金融資源配置效率,產(chǎn)業(yè)結(jié)構(gòu)的合理化將使得能源等各類資源的利用效率提高[11],推進經(jīng)濟發(fā)展以綠色為導向,加快碳減排效率。綜上,數(shù)字金融將會通過促進經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級影響碳排放強度,因此提出以下假設。

H2:數(shù)字金融通過促進經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級2種中介渠道抑制碳排放強度。

2 研究設計與變量選取

2.1 模型設定

2.1.1 基準回歸模型

通過上文文獻可得數(shù)字金融發(fā)展會對碳排放強度產(chǎn)生抑制作用,為實證檢驗數(shù)字金融發(fā)展對碳排放強度是否為抑制作用且顯著,構(gòu)建如下的理論模型:

ln Ceiit=β0+β1Difit+∑β2Xit+μi+λt+εit

(1)

式中:ln Ceiit為省份i在t年份的碳排放強度;Difit為數(shù)字金融發(fā)展指數(shù);Xit為一系列影響碳排放強度的控制變量;β0為常數(shù)項;β1、β2為回歸系數(shù);μi為地區(qū)固定效應;λt為時間固定效應;εit為隨機干擾項。

2.1.2 中介效應模型

式(1)重點關注的是數(shù)字金融發(fā)展對碳排放強度的直接效應,通過上文文獻可知,數(shù)字金融發(fā)展對碳排放強度的影響主要是通過經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級,那么為了探討它們之間具體的影響機制,參考溫忠麟和葉寶娟[12]的研究,構(gòu)建如下模型,對該影響機制進行實證檢驗。

Mit=α0+α1Difit+∑α2Xit+μi+λt+εit

(2)

ln Ceiit=η0+η1Difit+η2Mit+
∑η3Xit+μi+λt+εit

(3)

式中:M為中介變量,代表經(jīng)濟發(fā)展質(zhì)量(Pgdp)、產(chǎn)業(yè)結(jié)構(gòu)(Is);α1為數(shù)字金融對中介變量的回歸系數(shù);α2、η3為控制變量的回歸系數(shù);α0、η0為常數(shù)項,η1為數(shù)字金融對碳排放強度的回歸系數(shù);η2為中介變量對碳排放強度的回歸系數(shù)。

2.1.3 空間面板模型

由于各地區(qū)之間數(shù)字金融與碳排放相互之間在空間上可能會產(chǎn)生影響,為研究兩者之間是否具有空間效應,計劃采用空間杜賓模型驗證數(shù)字金融和碳排放強度之間的空間溢出效應,構(gòu)建模型如下:

ln Ceiit=β0+ρ1Wijln Ceiit+β1Difit+ρ2WijDifit+
β3Xit+ρ3WijXit+μi+λt+εit

(4)

式中:Wij為空間權重矩陣;ρ1為空間自回歸系數(shù);ρ2為數(shù)字金融空間滯后的回歸系數(shù);ρ3為控制變量空間滯后的回歸系數(shù)?？臻g權重矩陣采用反距離平方矩陣,其余變量含義與前文相同。

2.2 變量選取

2.2.1 被解釋變量

被解釋變量為碳排放強度, 采用各地區(qū)的碳排放總量與地區(qū)生產(chǎn)總值的比值取對數(shù)來表示碳排放強度。碳排放強度值越小,越能表明中國低碳發(fā)展模式越完善。2006年,聯(lián)合國政府間氣候變化專門委員會在《國家溫室氣體清單指南》中提出溫室氣體的增加除了自然界自身產(chǎn)生的之外,主要來源于人類對化石燃料的燃燒,并提出了根據(jù)燃料燃燒數(shù)量和燃燒因子測算計算碳排放量。因此,借鑒任志娟[13]對碳排放量的測度方法,采用煤炭、焦炭、汽油、原油、柴油、煤油、燃料油、天然氣等8種能源的消耗量,計算各地區(qū)能源消費的碳排放總量。具體的碳排放總量測算方法為

CO2it=∑Eijtηj

(5)

式中:CO2it為i省第t年的碳排放總量;Eijt為i省第t年第j種能源消費量;ηj為第j種能源的二氧化碳排放系數(shù)。

2.2.2 解釋變量

本文的核心解釋變量為數(shù)字金融?，F(xiàn)有文獻大多采用郭峰等[14]編制的數(shù)字金融普惠指數(shù)作為數(shù)字金融發(fā)展程度的代理變量,數(shù)字普惠金融指數(shù)包含數(shù)字化程度、覆蓋廣度和使用深度3個維度。

2.2.3 中介變量

中介變量包括:①經(jīng)濟發(fā)展質(zhì)量(Pgdp)。采用人均地區(qū)生產(chǎn)總值取對數(shù)表示。② 產(chǎn)業(yè)結(jié)構(gòu)(Is)。借鑒王書華等[15]的做法,采用第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比重作為指標衡量產(chǎn)業(yè)結(jié)構(gòu)合理化程度。

2.2.4 控制變量

參考以往的研究,控制了以下可能影響碳排放強度的變量:① 政府管制(Gov)。政府干預雖然能夠?qū)Νh(huán)境污染進行管制,但政府的過度干預不利于碳排放強度的降低[16]。采用地區(qū)政府財政支出總額與當?shù)厣a(chǎn)總值比重表示。②人口密度(Pop)。代表地區(qū)居民集聚程度,用平方千米的人口數(shù)表示。③ 科技支出(Tec)?？萍妓皆礁?越能夠促進投入要素的利用和創(chuàng)新成果的轉(zhuǎn)化,從而減少碳排放[17],采用政府科學技術支出與財政支出比值衡量。④城鎮(zhèn)化水平(Urb)。用各地區(qū)城鎮(zhèn)人口占該地區(qū)年末常住人口數(shù)比重來衡量。⑤綠化水平(Gre)。衡量地區(qū)綠化環(huán)境建設,綠化水平高說明環(huán)境規(guī)制高,采用建成區(qū)綠化面積覆蓋率表示[8]。⑥教育水平(Edu)。借鑒張元慶等[18]的做法,用高等教育人數(shù)衡量當?shù)亟逃?具體以人口抽樣調(diào)查數(shù)據(jù)中的大專及以上人口數(shù)占6歲以上總?cè)丝诘谋壤齺砗饬俊?/p>

2.3 數(shù)據(jù)來源

研究樣本基于2011—2020年中國30 個省(自治區(qū)、直轄市)(因數(shù)據(jù)缺失,未包含西藏地區(qū)和港澳臺地區(qū))的面板數(shù)據(jù)。數(shù)據(jù)來源于國家統(tǒng)計局官方網(wǎng)站和各地統(tǒng)計年鑒。樣本量為300個。變量描述性統(tǒng)計見表1。由標準差可得,數(shù)字金融指數(shù)之間存在著巨大的差距,表明各地區(qū)數(shù)字金融發(fā)展程度差異較大,區(qū)域之間發(fā)展不均衡。

表1 變量描述性統(tǒng)計

3 實證結(jié)果與分析

3.1 基準回歸

根據(jù)Hausman檢驗結(jié)果,P為0.008 5,表明實證檢驗采用固定效應模型優(yōu)于隨機效應模型。故應用雙向固定效應模型進行后續(xù)實證檢驗。結(jié)果見表2(1)列、(2)列,數(shù)字金融的回歸系數(shù)為負且在1%的水平上顯著,即數(shù)字金融每提高1個單位,碳排放強度便會相應地降低0.008個單位,初步證明了數(shù)字金融能夠顯著抑制碳排放強度。

表2 基準回歸結(jié)果

3.2 內(nèi)生性檢驗與處理

由于上述檢驗可能會存在遺漏變量從而導致內(nèi)生性問題,且被解釋變量與解釋變量可能存在互為因果的問題,碳排放強度的高低可能會對數(shù)字金融的發(fā)展產(chǎn)生影響。該部分采用動態(tài)面板廣義矩估計模型及工具變量法估計數(shù)字金融對碳排放強度的影響,從而解決內(nèi)生性問題。

3.2.1 系統(tǒng)GMM(廣義矩估計)

為了避免內(nèi)生性問題對研究帶來的干擾,構(gòu)建動態(tài)面板模型;采用碳排放強度的滯后一期的作為解釋變量,運用系統(tǒng)GMM(系統(tǒng)廣義矩估計,System-GMM)模型進行回歸估計,回歸結(jié)果見表2第(2)列。表中AR(1)值顯著, 但AR(2)值不顯著,證明隨機干擾項存在一階自相關,但隨機干擾項不存在二階自相關,說明隨機干擾項不存在序列自相關。Hansen檢驗的P大于0.1,說明不存在過度識別的問題,說明所有工具變量均有效,不存在過度識別問題。檢驗結(jié)果表明系統(tǒng)GMM模型回歸結(jié)果是合理有效的,其回歸系數(shù)方向和雙向固定效應一致,證明數(shù)字金融對碳排放強度依然具有抑制作用,這與雙向固定效應模型得出的實證結(jié)果一致,實證結(jié)果支持基準回歸的結(jié)論。

3.2.2 工具變量法

采用工具變量法進一步解決內(nèi)生性問題。因為數(shù)字金融指數(shù)滯后一期與當期數(shù)字金融發(fā)展高度相關,且與當期碳排放強度無關,所以將數(shù)字金融指數(shù)滯后一期作為數(shù)字金融發(fā)展的工具變量來進行二階段最小二乘(2SLS)回歸;將工具變量引入后,第一階段結(jié)果見表2第(3)列。L. Dif 的系數(shù)在1%的水平上顯著,說明當期與滯后一期的數(shù)字金融有著很強的相關性,且F大于10表明數(shù)字金融滯后一期不是弱工具變量;同時,工具變量的個數(shù)等于內(nèi)生變量個數(shù),即恰好識別,無須進行過度識別檢驗,說明該工具變量是有效的。表2第(4)列顯示,回歸系數(shù)顯著為負且通過了1%的顯著性檢驗,說明工具變量法的估計結(jié)果支持提出的假設。

3.3 中介效應檢驗

理論分析表明數(shù)字金融發(fā)展通過促進經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級抑制碳排放強度。利用逐步回歸法對兩種中介變量進行檢驗。表3第(1)、(3)列顯示,數(shù)字金融的系數(shù)均為0.002且顯著,這表明數(shù)字金融的發(fā)展有利于促進經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級;同時納入兩個變量之后,表3第(2)、(4)列顯示,經(jīng)濟發(fā)展質(zhì)量、產(chǎn)業(yè)結(jié)構(gòu)的回歸系數(shù)均為負且在1%的水平上顯著。即驗證了數(shù)字金融通過促進經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級對碳排放強度產(chǎn)生抑制作用的假設。

表3 數(shù)字金融對碳排放強度的影響機制估計結(jié)果

3.4 穩(wěn)健性檢驗

采用數(shù)字金融指數(shù)的3個子維度數(shù)字化程度(Dig)、使用深度(Dep)替換核心解釋變量數(shù)字金融指數(shù)進行回歸分析,結(jié)果見表4第(1)、(2)列。數(shù)字化程度和使用深度的回歸系數(shù)均為負且在1%的水平上顯著,說明數(shù)字金融的數(shù)字化程度、使用深度、覆蓋廣度可以抑制碳排放強度,證明了基準回歸的穩(wěn)健性;人均碳排放量(Pce)也可反映某地區(qū)的碳排放強度,采用人均碳排放量表示碳排放強度,從而檢驗替換被解釋變量后的結(jié)論是否仍舊成立,結(jié)果見表4第(3)列:數(shù)字金融的回歸系數(shù)為負且在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量,與上文實證結(jié)論一致,間接驗證了結(jié)論的穩(wěn)健性;為了消除數(shù)據(jù)極端值對實證檢驗結(jié)果造成影響,對所有變量進行了1%水平的縮尾處理。表4的第(4)列為對變量進行縮尾處理之后的回歸結(jié)果,數(shù)字金融的回歸系數(shù)依然為負且在1%的水平上顯著,進一步驗證了數(shù)字金融對碳排放強度的顯著抑制作用,加強了對上述論證的解釋。

表4 穩(wěn)健性檢驗結(jié)果

4 空間溢出效應分析

4.1 空間自相關檢驗

空間相關性是指變量在空間中存在互相影響,通常采用莫蘭指數(shù)檢驗空間相關性,選擇反距離平方空間權重矩陣計算2011—2020年碳排放強度的莫蘭指數(shù),結(jié)果見表5。莫蘭指數(shù)越趨近于1表明空間相關性越強,正負號則代表正負相關性。表5中2011—2020年莫蘭指數(shù)均為正且在1%的顯著性水平下通過檢驗,表明中國的碳排放強度在空間上呈現(xiàn)出正向空間相關性?？梢栽诤罄m(xù)采用空間面板模型來分析數(shù)字金融對碳排放的空間效應。

表5 2011—2020年空間自相關檢驗結(jié)果

4.2 空間計量模型的適用性檢驗

該部分實證檢驗了數(shù)字金融對碳排放強度的影響是否適合采用空間計量模型來研究,結(jié)果見表6,根據(jù)檢驗可得, LM檢驗和穩(wěn)健性LM檢驗均在5%的水平上顯著,因此可以認為碳排放存在空間關系,本研究應采用空間杜賓模型。然后判斷空間杜賓模型是否會退化為空間誤差模型或空間滯后模型。結(jié)果顯示,LR檢驗和Wald檢驗均在1%的水平上顯著,表明本研究應使用空間杜賓模型。因此,選取雙向固定效應的空間杜賓模型進行空間計量分析。

表6 空間模型檢驗結(jié)果

4.3 空間效應實證

根據(jù)上述檢驗結(jié)果,借助雙向固定效應的空間杜賓模型(spatial Dubin model, SDM)估計數(shù)字金融對碳排放強度的空間效應。根據(jù)表7得到數(shù)字金融對碳排放強度的空間溢出效應結(jié)果:空間自回歸系數(shù)rho為正且在1%的水平上顯著,進一步證實了各地區(qū)碳排放強度具有空間集聚效應。Main為本地區(qū)的數(shù)字金融對本地區(qū)碳排放強度的影響,Wx表示本地區(qū)數(shù)字金融對鄰近地區(qū)的碳排放強度的影響。表7(1)列、(2)列顯示:Main的系數(shù)為負且在1%的水平上顯著,說明本省份內(nèi)的數(shù)字金融發(fā)展對本省份的碳排放強度具有顯著的抑制作用,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)展會使鄰近省份碳排放強度上升,即數(shù)字金融發(fā)展抑制本省份碳排放強度的同時會增強鄰近省份的碳排放強度,假設1得到驗證。

表7 數(shù)字金融對碳排放強度的空間溢出效應

由于空間杜賓模型解釋變量相關項Wx的系數(shù)沒有反映數(shù)字金融的全部作用效應,為了更直觀地分析數(shù)字金融對碳排放強度的影響,將空間溢出效應分解為總效應、直接效應和間接效應,結(jié)果見表7(3)列、(4)、(5)列:直接效應和總效應的系數(shù)為負且在1%的水平上顯著,表明本地區(qū)的數(shù)字金融對本地區(qū)的碳排放強度起到抑制作用,間接效應的回歸結(jié)果為正且在1%的水平上顯著,證明數(shù)字金融在空間上存在正向溢出效應,即本地區(qū)數(shù)字金融的發(fā)展會在空間上增強對鄰近地區(qū)的碳排放強度,即驗證了假設1。

5 結(jié)論與建議

5.1 結(jié)論

選取2011—2020年省級面板數(shù)據(jù)進行回歸,以經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級為中介變量,運用雙向固定效應模型、中介效應模型和空間杜賓模型深入探討數(shù)字金融對碳排放強度的作用機制及空間效應,得出以下結(jié)論:

1)數(shù)字金融發(fā)展對碳排放強度具有顯著的抑制作用,推動數(shù)字金融的發(fā)展能夠使中國加速完成“雙碳”目標;通過系統(tǒng)GMM和工具變量法做內(nèi)生性處理后,該結(jié)論仍舊成立,且通過替換解釋變量、被解釋變量、縮尾處理等穩(wěn)健性檢驗后,均證實了該結(jié)論。數(shù)字金融具備環(huán)境友好型特征,傳統(tǒng)金融服務與數(shù)字化技術的融合能夠通過減少線下交易及現(xiàn)金使用而促進碳減排,引導金融資源流向節(jié)能環(huán)保型企業(yè),從而減少碳排放。

2)在作用機制方面,數(shù)字金融有助于提升地區(qū)的經(jīng)濟發(fā)展質(zhì)量和產(chǎn)業(yè)結(jié)構(gòu)升級,從而抑制了地區(qū)碳排放強度;數(shù)字金融有助于提高金融資源的配置效率,加快地區(qū)經(jīng)濟增長速度,即能為企業(yè)研發(fā)創(chuàng)新提供資金支持,也能通過引導金融資源流向節(jié)能環(huán)保型企業(yè)促進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級。

3)數(shù)字金融對碳排放強度具有正向空間溢出效應。數(shù)字金融在對本地區(qū)碳排放強度抑制的過程中反而提高了鄰近地區(qū)的碳排放強度,說明存在負外部性;由于數(shù)字金融發(fā)展使鄰近地區(qū)的技術資源流失,出現(xiàn)“虹吸效應”,導致鄰近地區(qū)的碳排放強度增高。

5.2 建議

1)健全數(shù)字金融服務體系,提升數(shù)字金融對碳減排的貢獻能力。由于數(shù)字金融顯著的抑制了碳排放強度,應繼續(xù)深化數(shù)字金融發(fā)展,運用數(shù)字化技術,搭建數(shù)字交易平臺,直接減少線下的碳排放;重點推進數(shù)字金融以綠色為導向,發(fā)揮數(shù)字金融在實現(xiàn)中國“雙碳”目標中的帶動作用;此外,政府還應做好數(shù)字金融與企業(yè)技術創(chuàng)新的協(xié)調(diào)發(fā)展,如加強大數(shù)據(jù)、區(qū)塊鏈等數(shù)字化設施的建設,促進碳減排效率,加快“雙碳”目標的實現(xiàn)。

2)促進產(chǎn)業(yè)結(jié)構(gòu)升級和經(jīng)濟發(fā)展質(zhì)量的穩(wěn)步增長。政府通過出臺相關政策,加大對污染高、能耗高的企業(yè)的管制,促進各地傳統(tǒng)產(chǎn)業(yè)向更高級產(chǎn)業(yè)轉(zhuǎn)型;加強數(shù)字金融和產(chǎn)業(yè)的有效融合,帶動經(jīng)濟發(fā)展質(zhì)量的穩(wěn)步增長,從而實現(xiàn)碳減排。

3)均衡數(shù)字金融空間發(fā)展程度。各地區(qū)應加強數(shù)字金融的覆蓋廣度、使用深度;加強各區(qū)域之間在低碳技術和產(chǎn)業(yè)優(yōu)化等方面的合作,提升能源利用效率,減少二氧化碳排放;并注重與各區(qū)域發(fā)展的一致性,促進各地區(qū)間的數(shù)字金融協(xié)調(diào)發(fā)展,降低數(shù)字金融發(fā)展導致的空間負外部性,從而減少“虹吸效應”對鄰近區(qū)域產(chǎn)業(yè)結(jié)構(gòu)和碳排放的影響程度。