李宇祥

〔內(nèi)容提要〕我國經(jīng)濟(jì)已從高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，如期實(shí)現(xiàn)“雙碳”目標(biāo)，已成為我國轉(zhuǎn)型發(fā)展質(zhì)效的重要標(biāo)尺。傳統(tǒng)普惠金融業(yè)務(wù)與數(shù)字技術(shù)融合產(chǎn)生的數(shù)字普惠金融對于實(shí)現(xiàn)“雙碳”目標(biāo)，推動我國綠色經(jīng)濟(jì)高質(zhì)量發(fā)展有著重要意義。為此，基于我國30個省（區(qū)、市）的面板數(shù)據(jù)構(gòu)建空間杜賓模型，探討了數(shù)字普惠金融對于碳排放強(qiáng)度的空間溢出效應(yīng)。研究表明，本地?cái)?shù)字普惠金融的發(fā)展對本地的碳排放強(qiáng)度發(fā)揮著抑制作用，對周邊地區(qū)的碳排放強(qiáng)度起著促進(jìn)作用。前者歸因于金融市場的資源配置和響應(yīng)時滯，后者與價(jià)格機(jī)制、碳排放就近轉(zhuǎn)移有關(guān)。最后，為“雙碳”目標(biāo)的穩(wěn)步推進(jìn)提出了科學(xué)的政策啟示。

〔關(guān)鍵詞〕數(shù)字普惠金融；碳排放強(qiáng)度；空間溢出效應(yīng)；污染避難所理論

注：本文系西北民族大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“第三方環(huán)境信息披露對企業(yè)碳排放的影響研究”（項(xiàng)目編號：X202410742004）之階段性研究成果。

隨著工業(yè)化進(jìn)程的不斷推進(jìn)，全球變暖危機(jī)所伴隨的極端氣候、冰川消融、海平面上升等次生災(zāi)害對人類社會的經(jīng)濟(jì)活動帶來了嚴(yán)重的影響。作為一個負(fù)責(zé)任的大國，中國在第75屆聯(lián)合國大會上正式提出2030年實(shí)現(xiàn)碳達(dá)峰、2060年實(shí)現(xiàn)碳中和的“雙碳”目標(biāo)。黨的二十大報(bào)告中提出，到2035年，廣泛形成綠色生產(chǎn)生活方式，碳排放達(dá)峰后穩(wěn)中有降，生態(tài)環(huán)境根本好轉(zhuǎn)，美麗中國目標(biāo)基本實(shí)現(xiàn)。這更加堅(jiān)定了中國穩(wěn)步推進(jìn)雙碳目標(biāo)的決心。在當(dāng)前中國經(jīng)濟(jì)發(fā)展面臨增速放緩和綠色轉(zhuǎn)型雙重壓力的背景下，相比于直接研究絕對碳排放水平，碳排放強(qiáng)度研究考慮到了經(jīng)濟(jì)發(fā)展的實(shí)際情況，具有一定的研究價(jià)值和合理性。

需要指出的是，碳排放強(qiáng)度的高低與效率的高低并不存在一種顯性的負(fù)向關(guān)系。在部分落后的農(nóng)業(yè)國家，碳排放強(qiáng)度較低，但是效率同樣較低。同樣，在部分發(fā)達(dá)國家，產(chǎn)能較高但在市場上并未以貨幣的形式進(jìn)行銷售或者滯銷，這使得碳排放強(qiáng)度較高，但是效率卻不一定較低。作為世界第二大經(jīng)濟(jì)體以及最大的新興市場國家，中國的經(jīng)濟(jì)已經(jīng)從高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段。為了實(shí)現(xiàn)低碳發(fā)展模式的轉(zhuǎn)型，降低中國的碳排放強(qiáng)度，要綜合多方面的協(xié)同力量。具體來看，宏觀層面要依托國家政策支持、中觀層面要依靠行業(yè)綠色低碳轉(zhuǎn)型、微觀層面要提高居民低碳消費(fèi)傾向，除此之外，還應(yīng)充分發(fā)揮金融市場的資源配置、風(fēng)險(xiǎn)管理和市場定價(jià)等作用。

近年來，傳統(tǒng)金融與數(shù)字化技術(shù)進(jìn)行有機(jī)結(jié)合，催生出了數(shù)字普惠金融這一新業(yè)態(tài)。打破了傳統(tǒng)金融服務(wù)的時空限制，以其便捷性、低成本性、低門檻性與傳統(tǒng)金融服務(wù)形成互補(bǔ)，拓寬了金融服務(wù)的覆蓋面，為金融服務(wù)注入了新動能?，F(xiàn)有研究主要集中于絕對地衡量數(shù)字普惠金融的發(fā)展對于碳排放強(qiáng)度的影響，對于不同地區(qū)在地理空間單元上的影響關(guān)系還有待進(jìn)一步完善。同時，對于該絕對影響的方向和路徑，并沒有達(dá)成一致。部分研究表明數(shù)字普惠金融降低碳排放強(qiáng)度的直接效應(yīng)是線性的，并通過產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、綠色技術(shù)創(chuàng)新等渠道進(jìn)行傳導(dǎo)。但部分學(xué)者認(rèn)為數(shù)字普惠金融降低碳排放強(qiáng)度的邊際效應(yīng)呈現(xiàn)先減小后增大的態(tài)勢，其中，人均可支配收入和數(shù)字化發(fā)揮著機(jī)制作用。綜上，數(shù)字普惠金融對于碳排放強(qiáng)度的影響尚不明確，二者在空間上的作用效果存在分歧，亟待厘清二者間的作用關(guān)系，為實(shí)現(xiàn)“雙碳”目標(biāo)，制定有關(guān)戰(zhàn)略要求提供經(jīng)驗(yàn)借鑒和科學(xué)建議。

邊際貢獻(xiàn)可能在于：首先，基于空間視角，豐富了數(shù)字普惠金融對于碳排放強(qiáng)度的文獻(xiàn)。其次，創(chuàng)新性地以“污染避難所”理論解釋了本地?cái)?shù)字普惠金融發(fā)展對碳排放強(qiáng)度的空間效應(yīng)存在對本地促進(jìn)和對周邊地區(qū)的抑制作用，具有一定的現(xiàn)實(shí)指導(dǎo)意義。最后，根據(jù)空間杜賓模型分析的創(chuàng)新性結(jié)果，對數(shù)字普惠金融支持“雙碳”目標(biāo)的實(shí)現(xiàn)提供了科學(xué)合理的經(jīng)驗(yàn)參考和政策建議。

一、理論機(jī)制與研究假設(shè)

作為與數(shù)字技術(shù)融合的產(chǎn)物，本地?cái)?shù)字普惠金融能夠直接影響本地碳排放強(qiáng)度。一方面，數(shù)字普惠金融能夠彌補(bǔ)傳統(tǒng)金融業(yè)務(wù)在綠色發(fā)展方面的資源引導(dǎo)精準(zhǔn)度不足和有效性不夠的問題。通過將節(jié)能減排等環(huán)境績效納入信貸申請?jiān)u估標(biāo)準(zhǔn)，利用大數(shù)據(jù)識別、篩選出不合格的企業(yè)，引導(dǎo)資金朝著綠色、低碳的企業(yè)流動，提高綠色信貸對于碳排放強(qiáng)度的抑制作用。另一方面，當(dāng)金融市場出現(xiàn)波動時，企業(yè)會相應(yīng)地改變碳減排決策，企業(yè)和市場的響應(yīng)時滯會使得金融市場產(chǎn)生新的波動，形成惡性循環(huán)，從而降低碳減排的效率和可持續(xù)性。數(shù)字普惠金融相比傳統(tǒng)金融，能夠利用數(shù)字技術(shù)，更加靈敏和迅速地從源頭上和過程中識別潛在的流動性風(fēng)險(xiǎn)、信貸風(fēng)險(xiǎn)等，為碳減排強(qiáng)度降低提供穩(wěn)定的金融市場環(huán)境。

H1：本地?cái)?shù)字普惠金融的發(fā)展能夠降低本地碳排放強(qiáng)度。

立足空間交互視角，可以發(fā)現(xiàn)數(shù)字普惠金融對于碳排放強(qiáng)度具有顯著的空間溢出效應(yīng)，且在經(jīng)濟(jì)發(fā)展水平接近地區(qū)效應(yīng)更為明顯。一方面，本地?cái)?shù)字普惠金融的發(fā)展帶動本地綠色金融和低碳經(jīng)濟(jì)的發(fā)展，減少本地對于高碳化石能源的需求，根據(jù)價(jià)格機(jī)制，本地高碳化石能源需求降低，本地價(jià)格下降，刺激周邊地區(qū)對于本地化石能源的需求，使得周邊地區(qū)的碳排放增加。另一方面，根據(jù)污染避難所理論，本地碳排放強(qiáng)度的下降相對提高了本地企業(yè)環(huán)境管理的標(biāo)準(zhǔn)，增加了本地高碳排放產(chǎn)業(yè)的環(huán)境治理成本。周邊地區(qū)因其環(huán)境標(biāo)準(zhǔn)相對較低，廠商將獲得明顯的成本優(yōu)勢，從而本地高碳產(chǎn)業(yè)會向周邊地區(qū)轉(zhuǎn)移，增加周邊地區(qū)的碳排放。最終形成了經(jīng)濟(jì)增長與碳排放的錯位分布格局，使得本地?cái)?shù)字普惠金融的發(fā)展會提高周邊地區(qū)的碳排放強(qiáng)度。

H2：本地?cái)?shù)字普惠金融的發(fā)展能夠提高周邊地區(qū)的碳排放強(qiáng)度，具有空間溢出效應(yīng)。

二、研究設(shè)計(jì)

（一）變量選取

1.被解釋變量

碳排放強(qiáng)度（CI）采用省際CO2排放量與該?。▍^(qū)、市）生產(chǎn)總值的比重進(jìn)行衡量。

2.解釋變量

數(shù)字普惠金融（Difi）采用北京大學(xué)數(shù)字金融研究中心發(fā)布的中國數(shù)字金融發(fā)展指數(shù)衡量數(shù)字普惠金融發(fā)展水平。國內(nèi)學(xué)者大多使用這一指標(biāo)衡量數(shù)字普惠金融發(fā)展程度，具有一定的合理性和科學(xué)性。

3.控制變量

具體如下：教育發(fā)展水平（School），選用高等學(xué)校在校學(xué)生人數(shù)占比進(jìn)行衡量；城鎮(zhèn)化水平（Urban），用采用各?。▍^(qū)、市）城鎮(zhèn)人口的比值來衡量；交通基礎(chǔ)設(shè)施水平（Transport），選用省（區(qū)、市）公路歷程取自然對數(shù)來衡量；外商直接投資（FDI），采用外商直接投資額與該?。▍^(qū)、市）生產(chǎn)總值的比值來衡量；對外開放水平（Open），采用貨物進(jìn)出口總額與?。▍^(qū)、市）生產(chǎn)總值的比值來衡量?？刂谱兞繑?shù)據(jù)均來源于國家統(tǒng)計(jì)局官網(wǎng)。

4.樣本與數(shù)據(jù)來源

選取中國2011—2021年共30個?。▍^(qū)、市）作為樣本（考慮到西藏自治區(qū)數(shù)據(jù)存在較多缺失，港澳臺數(shù)據(jù)的可得性等問題，進(jìn)行剔除處理）。?。▍^(qū)、市）CO2排放量數(shù)據(jù)來源于CEADS數(shù)據(jù)庫，數(shù)字普惠金融指數(shù)來源于北京大學(xué)數(shù)字金融研究中心，其余數(shù)據(jù)均來源于國家統(tǒng)計(jì)局。

（二）模型設(shè)計(jì)

1.空間自相關(guān)檢驗(yàn)

其中，S2為樣本方差；xi和xj分別為i地區(qū)和j地區(qū)的觀測值；n是空間單元的個數(shù)，即省（區(qū)、市）的數(shù)量；xi表示變量x在空間單位i地區(qū)的觀察值，x表示變量x的均值；wi為空間權(quán)重矩陣W的元素。

全局Moranss I的取值為[-1，1]，正值表示正向空間自相關(guān)（或空間集聚現(xiàn)象），負(fù)值表示負(fù)向空間自相關(guān)（或空間分散現(xiàn)象），1表示在空間上呈現(xiàn)完全集聚狀態(tài)，-1表示在空間上呈現(xiàn)完全分散的態(tài)勢，0表示空間單元之間處于隨機(jī)分布。

式（2）中，Zi和Zj為標(biāo)準(zhǔn)化后的觀測值。I<0代表該空間單元與鄰近單元屬性相似，則表明該空間單元與鄰近單元屬性相反。

2.空間計(jì)量模型選擇

已有研究表明，不同地區(qū)之間的數(shù)字普惠金融與碳排放強(qiáng)度存在空間相關(guān)性，使用傳統(tǒng)的計(jì)量回歸模型忽略數(shù)字普惠金融發(fā)展和碳排放強(qiáng)度的空間異質(zhì)性將導(dǎo)致計(jì)量結(jié)果出現(xiàn)一定程度的偏誤，因此，選擇空間面板模型來檢驗(yàn)數(shù)字普惠金融發(fā)展和碳排放強(qiáng)度的內(nèi)在關(guān)系。

空間計(jì)量經(jīng)濟(jì)學(xué)模型的核心在于空間單位之間依賴性的來源，常用的空間計(jì)量模型包括空間自回歸模型（SAR），又稱空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）等。具體而言，空間自回歸模型假設(shè)內(nèi)生因變量受到其他空間單元內(nèi)生因變量的影響，空間誤差模型假設(shè)內(nèi)生因變量受到外生因變量的影響。而作為一般形式，空間杜賓模型（SDM）能夠同時考察自變量對因變量的內(nèi)生影響（直接效應(yīng)）和外生影響（間接效應(yīng)），可以避免估計(jì)有偏問題。除此之外，相比其他兩個模型，空間杜賓模型沒有對潛在自變量的空間交互效應(yīng)強(qiáng)加一些先驗(yàn)約束，但在一定條件下可以退化為空間自回歸模型和空間誤差模型。因此，考慮了構(gòu)建兼有內(nèi)生性和外生性的空間交互效應(yīng)的空間杜賓模型（SDM）。在后續(xù)檢驗(yàn)中，將通過LR檢驗(yàn)驗(yàn)證空間杜賓模型（SDM）是否會退化為空間滯后模型和空間誤差模型。

式中，α0表示截距項(xiàng)；ρ表示空間滯后回歸系數(shù)，反映空間相鄰單元間碳排放強(qiáng)度的相互影響程度；γ表示數(shù)字普惠金融發(fā)展的回歸系數(shù)；γ1表示控制變量回歸系數(shù)；θ表示數(shù)字普惠金融的空間交互項(xiàng)系數(shù)；θ1表示控制變量的空間交互項(xiàng)系數(shù)；εit為隨機(jī)誤差項(xiàng)。

3.空間權(quán)重矩陣的構(gòu)建

三、實(shí)證結(jié)果及分析

（一）截面數(shù)據(jù)的空間相關(guān)性

在兩種空間權(quán)重矩陣下，2011—2021年碳排放強(qiáng)度和數(shù)字普惠金融的全局Moranss I指數(shù)均通過了顯著性檢驗(yàn)，并呈現(xiàn)出了正的空間相關(guān)性，表明碳排放強(qiáng)度和數(shù)字普惠金融均存在正的空間依賴性。省級碳排放強(qiáng)度和數(shù)字普惠金融的全局Moranss I指數(shù)如表1所示。

由于Moranss I全局均等化了各省份之間的差異，無法反映局部地區(qū)的空間關(guān)聯(lián)特征，為了更直觀地反映相鄰?。▍^(qū)、市）之間的空間關(guān)聯(lián)程度，選取空間地理反距離權(quán)重矩陣（W1）對2011年和2021年省級數(shù)字普惠金融和碳排放強(qiáng)度進(jìn)行局部空間自相關(guān)分析。

莫蘭散點(diǎn)圖反映了區(qū)域單元與其鄰居之間四種類型的局部空間聯(lián)系形式，第一象限（HH）表示高觀測值被同是高觀測值的區(qū)域所包圍；第二象限（LH）表示低觀測值被高觀測值的區(qū)域所包圍；第三象限（LL）表示低觀測值被同是低觀測值的區(qū)域所包圍；第四象限（HL）表示高觀測值被低觀測值的區(qū)域所包圍。

碳排放強(qiáng)度的局部莫蘭散點(diǎn)圖如圖1和圖2所示。一方面，中國大多數(shù)?。▍^(qū)、市）的碳排放強(qiáng)度指標(biāo)落在了“低—低”聚集區(qū)域，表示碳排放強(qiáng)度低的地區(qū)都被碳排放強(qiáng)度低的地區(qū)包圍，形成了碳排放強(qiáng)度的低水平聚集現(xiàn)象，表明碳排放強(qiáng)度具有正向的空間相關(guān)性。處于第Ⅲ象限的省（區(qū)、市），例如福建、上海、廣東等經(jīng)濟(jì)集聚水平較高，區(qū)域內(nèi)產(chǎn)業(yè)結(jié)構(gòu)的較為合理，高耗能產(chǎn)業(yè)占比較少，從自身內(nèi)部降低了碳排放強(qiáng)度?？紤]區(qū)域間的空間關(guān)聯(lián)性，由于省（區(qū)、市）之間存在規(guī)模效益、技術(shù)溢出、跨區(qū)域合作等正向外部性，碳排放強(qiáng)度低的地區(qū)能夠有效輻射周邊區(qū)域，形成空間關(guān)聯(lián)網(wǎng)絡(luò)，促進(jìn)地區(qū)生產(chǎn)率的提高，從而降低鄰近區(qū)域的碳排放強(qiáng)度并實(shí)現(xiàn)碳排放強(qiáng)度的一致性。另一方面，處于第Ⅰ象限的?。▍^(qū)、市）主要集中在中國西北地區(qū)，說明西北地區(qū)的碳排放強(qiáng)度相對較高。這與西北地區(qū)高碳化石能源為主的能源結(jié)構(gòu)、重化工業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)以及相對落后的技術(shù)水平有關(guān)。不僅影響了經(jīng)濟(jì)增長的質(zhì)量和效益，也制約了碳排放強(qiáng)度的下降，使得高水平聚集現(xiàn)象難以消除。

數(shù)字普惠金融的局部莫蘭散點(diǎn)圖如圖3和圖4所示。首先，中國大多數(shù)省份的數(shù)字普惠金融指標(biāo)落在了第Ⅰ象限和第Ⅱ象限。處于第Ⅰ象限的?。▍^(qū)、市）絕大部分都集中在東部沿海，說明東部沿海地區(qū)的數(shù)字普惠金融水平相對較高，呈現(xiàn)出“高—高”集聚的特點(diǎn)。一方面，東部沿海地區(qū)經(jīng)濟(jì)發(fā)展水平較高，意味著金融需求更為多樣和復(fù)雜，有利于金融機(jī)構(gòu)供給側(cè)的產(chǎn)品創(chuàng)新與市場競爭。另一方面，東部地區(qū)健全的數(shù)字基礎(chǔ)設(shè)施能夠降低數(shù)字普惠金融服務(wù)的成本，提供更加安全和便捷的金融服務(wù)，提高金融服務(wù)的效率。除此之外，東部?。▍^(qū)、市）之間在技術(shù)交流、產(chǎn)業(yè)合作等方面產(chǎn)生的外溢效應(yīng)也是導(dǎo)致“高—高”集聚的重要原因之一。最后，西部地區(qū)各省（區(qū)、市）的數(shù)字普惠金融水平落在了“低—低”聚集區(qū)域，說明西部地區(qū)各?。▍^(qū)、市）的數(shù)字普惠金融發(fā)展低于全國平均水平，且呈現(xiàn)出一致性。西部地區(qū)的數(shù)字基礎(chǔ)設(shè)施有待提升、數(shù)字普惠金融產(chǎn)品適應(yīng)性仍然較低。同時，當(dāng)?shù)鼐用駥?shù)字普惠金融業(yè)務(wù)的認(rèn)識存在偏差，多種因素制約了數(shù)字普惠金融的發(fā)展?jié)摿Φ尼尫藕褪袌龈偁幜Φ奶岣摺?/p>

（二）LM檢驗(yàn)

通過空間自相關(guān)檢驗(yàn)可知，數(shù)字普惠金融與碳排放強(qiáng)度具有顯著的空間相關(guān)性，但具體存在何種空間關(guān)系，需要通過LM和穩(wěn)健的LM檢驗(yàn)進(jìn)一步判斷是否選用空間計(jì)量模型，驗(yàn)證是否存在空間滯后效應(yīng)和空間誤差效應(yīng)。LM檢驗(yàn)結(jié)果如表2所示。在兩種空間權(quán)重矩陣下，檢驗(yàn)結(jié)果均拒絕LM檢驗(yàn)原假設(shè)，表明數(shù)字普惠金融與碳排放強(qiáng)度具有空滯之后和空間誤差雙重效應(yīng)，選擇空間計(jì)量模型相對于非空間模型能更好地揭示數(shù)字普惠金融集聚影響碳排放強(qiáng)度的成因機(jī)理。

顯然，LM檢驗(yàn)或穩(wěn)健LM檢驗(yàn)的結(jié)果拒絕非空間計(jì)量模型，數(shù)字普惠金融發(fā)展對于省級碳排放強(qiáng)度的影響同時具有空間滯后效應(yīng)和空間誤差效應(yīng)。因此，選擇同時包含空間滯后模型（SAR，側(cè)重于處理因變量的空間相關(guān)性問題）和空間誤差模型SEM（側(cè)重于處理隨機(jī)擾動項(xiàng)的空間相關(guān)性問題）的空間杜賓模型（SDM）。在使用SDM模型時，必須檢驗(yàn)SDM能否簡化為SAR和SEM其中檢驗(yàn)原假設(shè)為“H0∶θ=0”“H0∶θ+ρβ=0”，可以通過似然比（LR）來檢驗(yàn)兩個原假設(shè)。

（三）LR檢驗(yàn)和Hausman檢驗(yàn)

主要研究在碳排放強(qiáng)度存在空間相關(guān)性的情況下，不同?。▍^(qū)、市）間數(shù)字普惠金融發(fā)展水平的集聚以及不同集聚方式下的空間溢出效應(yīng)，即同時考慮被解釋變量和解釋變量的空間滯后性與相關(guān)性。因此，采用空間杜賓模型（SDM）對結(jié)果進(jìn)行估計(jì)，之后通過LR檢驗(yàn)確定最優(yōu)模型，并通過Hausman檢驗(yàn)判別是固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。結(jié)果表明在反地理距離權(quán)重矩陣下，LR檢驗(yàn)在5%的顯著性水平下拒絕了“SDM模型可以簡化為SAR模型”和“SDM模型可以簡化為SEM模型”的原假設(shè)。同時，SDM模型通過了在1%的顯著性水平的Hausman檢驗(yàn)。因此，應(yīng)該選擇具有固定效應(yīng)的空間杜賓模型。

（四）實(shí)證結(jié)果分析

數(shù)字普惠金融對碳排放強(qiáng)度的空間估計(jì)結(jié)果如表3所示。一方面，在兩種空間權(quán)重矩陣下，SDM模型的空間自回歸系數(shù)（ρ）均顯著為負(fù)，這表明各省（區(qū)、市）的碳排放強(qiáng)調(diào)具有明顯的空間溢出效應(yīng)，意味著本地區(qū)碳排放強(qiáng)度水平的降低會牽動鄰近地區(qū)的碳排放強(qiáng)度水平的降低。另一方面，核心解釋變量數(shù)字普惠金融與碳排放強(qiáng)度交互項(xiàng)顯著正相關(guān)，意味著數(shù)字普惠金融對碳排放強(qiáng)度具有正向的空間溢出效應(yīng)，說明本地?cái)?shù)字普惠金融的發(fā)展能夠帶動鄰近地區(qū)碳排放強(qiáng)度的提高。

由于SDM模型的參數(shù)估計(jì)結(jié)果存在不能準(zhǔn)確地反應(yīng)數(shù)字普惠金融發(fā)展降低碳排放強(qiáng)度的直接效應(yīng)和空間效應(yīng)的缺陷，為此，采用SDM偏微分法將數(shù)字普惠金融發(fā)展對碳排放強(qiáng)度的影響效應(yīng)進(jìn)行分解，效應(yīng)分解結(jié)果如表4所示。其中，直接效應(yīng)表示本地區(qū)數(shù)字金融發(fā)展水平對于本地區(qū)碳排放強(qiáng)度的影響，空間效應(yīng)表示本地區(qū)數(shù)字金融發(fā)展水平對于周邊地區(qū)碳排放強(qiáng)度的影響。具體而言，在兩種地理權(quán)重矩陣下，空間杜賓模型均顯著拒絕“直接效應(yīng)為0”的原假設(shè)。而由于內(nèi)生交互效應(yīng)（Wx）的存在，會使得鄰近地區(qū)的數(shù)字普惠金融對碳排放強(qiáng)度的影響傳遞到周邊地區(qū)，且把源于鄰近地區(qū)的變化的影響傳回本地區(qū)，形成空間關(guān)聯(lián)網(wǎng)絡(luò)。

具體而言，直接效應(yīng)顯示數(shù)字普惠金融的發(fā)展能夠顯著降低本地碳排放強(qiáng)度。已有研究表明，數(shù)字普惠金融通過創(chuàng)新固碳技術(shù)、提升居民低碳消費(fèi)偏好、對碳排放形成源頭抑制三條路徑實(shí)現(xiàn)本地碳排放強(qiáng)度的下降。而空間效應(yīng)表明數(shù)字普惠金融的發(fā)展能夠顯著提高鄰近地區(qū)碳排放強(qiáng)度。一方面，這是高碳化石能源的供求價(jià)格機(jī)制決定的。另一方面，類比污染避難所假說，這種現(xiàn)象的出現(xiàn)可能與鄰近省（區(qū)、市）之間的碳排放就近轉(zhuǎn)移有關(guān)。污染密集產(chǎn)業(yè)的企業(yè)傾向于建立在環(huán)境標(biāo)準(zhǔn)相對較低的地區(qū)。環(huán)境規(guī)制行為、能源結(jié)構(gòu)調(diào)整等多重因素共同作用的結(jié)果，本地碳排放強(qiáng)度水平整體實(shí)現(xiàn)了下降，區(qū)域內(nèi)環(huán)境規(guī)制要求相對提高，一方面，使得碳排放密集產(chǎn)業(yè)的企業(yè)傾向于轉(zhuǎn)移到環(huán)境標(biāo)準(zhǔn)相對較低的周邊地區(qū)；另一方面，由于數(shù)字普惠金融產(chǎn)品具有跨區(qū)域特征，本地碳排放水平較高的企業(yè)獲取數(shù)字普惠金融產(chǎn)品的難度上升，使得本地高碳排放企業(yè)傾向于從其他地區(qū)獲得數(shù)字普惠金融支持，提高企業(yè)經(jīng)營效益，進(jìn)而推動本地碳排放強(qiáng)度的下降，最終，出現(xiàn)本地碳排放強(qiáng)度降低、周邊地區(qū)碳排放強(qiáng)度上升的影響差異。

需要指出的是，空間杜賓模型（SDM）的效應(yīng)分解的估計(jì)系數(shù)反映的是平均效應(yīng)，即本地自變量對于本地和周邊地區(qū)的平均影響效果；而局部莫蘭散點(diǎn)圖的分析反映的是局部單元間的集聚情況，無法準(zhǔn)確判斷產(chǎn)生某種集聚狀態(tài)的原因。因此，對于兩種分析產(chǎn)生的差異并不具備可比性。

五、結(jié)論與啟示

為進(jìn)一步理清數(shù)字普惠金融與碳排放強(qiáng)度的空間關(guān)聯(lián)性，基于2011年—2021年我國30?。▍^(qū)、市）的面板數(shù)據(jù)，通過計(jì)算莫蘭指數(shù)對數(shù)字普惠金融發(fā)展水平和碳排放強(qiáng)度的省際空間集聚情況進(jìn)行了分析，構(gòu)建空間杜賓模型實(shí)證檢驗(yàn)了數(shù)字普惠金融對與碳排放強(qiáng)度的空間效應(yīng)。研究發(fā)現(xiàn)，本地?cái)?shù)字普惠金融發(fā)展水平的提高，不僅促進(jìn)了本地碳排放強(qiáng)度的降低，同時提高周邊地區(qū)的碳排放強(qiáng)度。

為此，提出以下政策建議：（1）持續(xù)完善數(shù)字基礎(chǔ)設(shè)施建設(shè)，夯實(shí)數(shù)字底座暢通金融信息的流動循環(huán)，為數(shù)字普惠金融的發(fā)展筑牢數(shù)據(jù)基礎(chǔ)。（2）發(fā)揮數(shù)字普惠金融的降碳效應(yīng)，利用數(shù)字技術(shù)精準(zhǔn)識別金融需求，引導(dǎo)金融資本流入綠色低碳行業(yè)。（3）平衡數(shù)字普惠金融降碳的空間效應(yīng)，政策協(xié)同推動碳排放合理配置，避免碳排放的空間轉(zhuǎn)移與碳泄漏。

（作者單位：西北民族大學(xué)）