摘 要：本研究聚焦于國家級大數據綜合試驗區(qū)對區(qū)域綠色金融發(fā)展的影響效應，選取 2010-2023 年省級面板數據，運用雙重差分法（DID）對國家級大數據綜合試驗區(qū)政策推動區(qū)域綠色金融發(fā)展的實際成效進行實證分析。研究結果顯示，國家級大數據綜合試驗區(qū)政策能夠顯著提升區(qū)域綠色金融發(fā)展水平，其作用機制主要體現在通過激發(fā)綠色技術創(chuàng)新活力、提升區(qū)域信息化發(fā)展水平，進而推動綠色金融的深化發(fā)展。進一步異質性分析表明，該政策對東部和中部地區(qū)、研發(fā)強度較高及市場化程度較低區(qū)域的綠色金融發(fā)展具有更為顯著的促進作用。

關鍵詞：國家級大數據綜合試驗區(qū)；區(qū)域綠色金融；雙重差分法；綠色技術創(chuàng)新；產業(yè)融合

中圖分類號：F061.5；F124.3 文獻標識碼：A 文章編號：2096-0298（2025）05（b）--05

1 引言

隨著全球氣候的不斷變化，環(huán)境污染問題日益嚴重，綠色金融作為實現可持續(xù)發(fā)展目標的重要工具，已受到全球范圍的廣泛關注。中共中央、國務院于2015年9月印發(fā)《生態(tài)文明體制改革總體方案》，提出構建綠色金融體系、綠色評級體系、綠色產品體系及資源環(huán)境承受能力監(jiān)測預警機制，旨在推動綠色金融的發(fā)展，保障生態(tài)文明建設順利進行。

同時，伴隨信息化和數字化時代的到來，大數據已經成為推動社會經濟發(fā)展、提升政府治理能力的重要力量。為了充分發(fā)揮大數據的潛力，促進數據資源的有效整合和應用，國家提出了建設國家級大數據綜合試驗區(qū)的戰(zhàn)略決策。2015年8月，國務院印發(fā)《促進大數據發(fā)展行動綱要》，2015年9月，貴州啟動建設首個大數據綜合試驗區(qū)試點。2016年10月，國家發(fā)展改革委、工業(yè)和信息化部、中央網信辦發(fā)函同意在京津冀等七個區(qū)域推進國家大數據綜合試驗區(qū)建設，七個區(qū)域包括：兩個跨區(qū)域類綜合試驗區(qū)，四個區(qū)域示范類綜合試驗區(qū)，一個大數據基礎設施統(tǒng)籌發(fā)展類綜合試驗區(qū)，具體包括北京、天津、河北、內蒙古、遼寧（沈陽）、河南、上海、重慶、廣東等。

建設國家大數據綜合試驗區(qū)是貫徹落實國務院《促進大數據發(fā)展行動綱要》的重要舉措，將在數據資源共享開放、大數據創(chuàng)新應用、大數據產業(yè)聚集、數據中心整合利用等方面進行試驗探索（陳加友，2017）[1]。那么，國家級大數據綜合試驗區(qū)在促進區(qū)域綠色金融發(fā)展方面是否有更大的優(yōu)勢，這一問題有待進一步研究。

2 文獻綜述

國家級大數據綜合試驗區(qū)是大數據政策的代表，以國家級大數據綜合試驗區(qū)的設立為準自然試驗來考察相應影響效應，能夠從新的視角揭示市場參與者活力背后的力量（Xiahai W等，2024）[2]。相關研究表明，國家級大數據綜合試驗區(qū)可以幫助金融業(yè)進行重組和升級，帶來綠色效益，并能夠有效促進企業(yè)綠色轉型升級提升全要素生產率（邱子迅等，2021）[3]，在區(qū)域碳減排的過程中也發(fā)揮著巨大作用（Han B等，2023）[4]。然而，針對上述國家級大數據綜合試驗區(qū)通過碳減排促進區(qū)域綠色發(fā)展的觀點，繆陸軍等（2022）[5]指出這種影響具有非線性特征，兩者存在顯著的倒U型關系。有關空間溢出效應方面，郭炳南等（2022）[6]在環(huán)境庫茲涅茨曲線理論的框架下發(fā)現大數據試驗區(qū)對降低相鄰城市的空氣污染具有激勵效應。

綜上所述，國內外學者對國家級大數據綜合試驗區(qū)和綠色金融已有一定研究，可以看到大數據綜合試驗區(qū)所帶來的廣泛社會經濟效應與綠色效應，但少有學者直接對國家級大數據綜合試驗區(qū)與區(qū)域綠色金融發(fā)展之間的邏輯關系及影響機制進行研究，因此在數字化新時代與雙碳目標背景下，研究國家級大數據綜合試驗區(qū)對區(qū)域綠色金融的影響具有理論價值與實踐意義。本文基于DID模型進行實證分析并檢驗其中的影響機制，為地方政府充分利用國家級大數據綜合試驗區(qū)政策帶動區(qū)域綠色金融發(fā)展提供政策建議。

3 理論分析與研究假設

3.1 國家級大數據綜合試驗區(qū)與區(qū)域綠色金融

隨著大數據技術的快速發(fā)展，國家級大數據綜合試驗區(qū)建設已成為推動區(qū)域經濟發(fā)展和產業(yè)升級的重要戰(zhàn)略。首先，國家級大數據綜合試驗區(qū)的市場資源配置效率相對更高，大數據綜合試驗區(qū)提供的數字平臺對資源配置效率的提升具有顯著促進作用（劉誠和夏杰長，2023）[7]。其次，政府制定的優(yōu)惠政策，如稅收減免和專項基金等，有效降低了綠色金融項目的成本與風險，激發(fā)了金融機構和企業(yè)的參與熱情，引導更多資金投入綠色產業(yè)（徐林等，2022）[8]。最后，試驗區(qū)的建設與發(fā)展帶動大數據技術的應用，可以提高產業(yè)效率，加速數據要素與傳統(tǒng)產業(yè)深度融合，推動產業(yè)升級。同時，各地區(qū)通過大數據技術的運用，可以提高綠色金融的透明度和效率，推動綠色金融體系建設和可持續(xù)發(fā)展，為大數據產業(yè)及其關聯產業(yè)的結構升級提供載體。因此，本文提出如下假設：

假設H1：國家級大數據綜合試驗區(qū)能夠促進區(qū)域綠色金融發(fā)展。

3.2 國家級大數據綜合試驗區(qū)、綠色技術創(chuàng)新與區(qū)域綠色金融

國家級大數據綜合試驗區(qū)能夠通過促進綠色技術創(chuàng)新推動區(qū)域綠色金融發(fā)展。一方面，試驗區(qū)的設立本身就是一種政策激勵，政府通過提供資金支持和資源傾斜，鼓勵企業(yè)加大綠色技術創(chuàng)新投入。另一方面，大數據綜合試驗區(qū)的核心在于數據的整合與共享。通過建立統(tǒng)一的數據平臺和共享機制，企業(yè)能夠獲取更廣泛的數據資源，為綠色技術創(chuàng)新提供豐富的信息基礎，有助于企業(yè)精準識別技術創(chuàng)新的方向和需求，提高創(chuàng)新效率（徐毅和周昊朋，2024）[9]。此外，試驗區(qū)還構建了由科研機構、高校和企業(yè)合作組成的創(chuàng)新生態(tài)系統(tǒng)，推動了綠色技術創(chuàng)新的成果轉化與應用，匯聚了眾多專業(yè)人才，并為他們提供了實踐和創(chuàng)新平臺，助力綠色技術創(chuàng)新人才的培養(yǎng)和成長。因此，本文提出如下假設：

假設H2：國家級大數據綜合試驗區(qū)能夠促進綠色技術創(chuàng)新推動區(qū)域綠色金融發(fā)展。

3.3 國家級大數據綜合試驗區(qū)、信息化水平與區(qū)域綠色金融

國家級大數據綜合試驗區(qū)能夠有效促進如大數據、云計算、區(qū)塊鏈、人工智能等金融科技的應用，從而提升信息化水平（胡婧瑋等，2024）[10]。大數據試驗區(qū)通過提升信息化水平不僅可以降低綠色識別和風險管理成本，提高環(huán)境風險管理的效率和準確性，還有助于推動各主體各部門協同工作。同時，通過數據的傳遞與共享，信息化水平提升帶來的信息網絡建設，突破時間與空間的限制，顯著增強信息透明度，降低創(chuàng)新過程中的信息差，從而緩解信息不對稱問題（劉傳明和馬青山，2020）[11]。因此，本文提出如下假設：

假設H3：國家級大數據綜合試驗區(qū)能夠通過提升信息化水平促進區(qū)域綠色金融發(fā)展。

4 研究設計

4.1 數據來源

本文選取2010—2023年間全國31個?。ㄖ陛犑?、自治區(qū)）作為研究樣本，限于資料收集條件，未含港澳臺地區(qū)。本文的數據均來自《中國統(tǒng)計年鑒》、各省份《統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、中國研究數據服務平臺（CNRDS）及《中國保險年鑒》。為消除極端值影響，本文對所涉及的連續(xù)變量進行了1%的縮尾處理。

4.2 變量設計

4.2.1 被解釋變量

區(qū)域綠色金融（gfi）。本文參考劉華珂和何春（2021）[12]的做法，通過綜合評價體系進行測算，將測算的省級綠色金融指數作為被解釋變量進行實證研究。具體評價綠色金融的體系包括：綠色信貸、綠色投資、綠色保險、綠色債券、綠色支持、綠色基金和綠色權益。

4.2.2 核心解釋變量

國家級大數據綜合試驗區(qū)（policy）。“國家級大數據綜合試驗區(qū)”2015年于貴州省進行試點，2016年于北京、上海、天津、重慶、廣東省、河北省、河南省、遼寧省和內蒙古自治區(qū)進行試點，因此將政策實施時間以后的變量（time）取值為1，否則為0；若樣本在試點區(qū)域，則將變量（treated）取值為1，其余取值為0，最終生成政策與時間的交互項policy（treated*time）。

4.2.3 控制變量

為避免在利用數據進行回歸分析過程中的誤差影響，需要對其他可能影響綠色金融指數的變量進行控制，本文參考相關文獻，選取政府干預（fiscal）、稅負水平（tax）、經濟發(fā)展水平（gdp）、人口密度（size），城鎮(zhèn)化水平（ur）及社會消費水平（soc）作為控制變量。具體變量定義如表1所示。

4.3 描述性統(tǒng)計

描述性統(tǒng)計結果顯示，被解釋變量各省綠色金融指數的均值為0.3204，標準差為0.126，如此看來各省綠色金融都得到一定發(fā)展，但通過對比最大值0.59與最小值0.09，說明不同區(qū)域綠色金融發(fā)展具體情況仍有一定差別。核心解釋變量policy的均值為0.1866，標準差為0.39，中位數為0，可以看出進行國家級大數據綜合試驗區(qū)試點的省份相對較少。

4.4 模型設定

為檢驗國家級大數據綜合試驗區(qū)對區(qū)域綠色金融發(fā)展的影響，本文構建雙重差分模型如下：

gfiit=β0+β1policyit+β2controlsit+Fixed_effect+εit（1）

式中，被解釋變量為綠色金融指數（gfi），核心解釋變量為虛擬交互項policy（treated*time），controls指的是控制變量合集，Fixed_effect為固定效應，ε為基準模型中的隨機誤差項。

5 實證結果與分析

5.1 基準回歸結果

5.1.1 基準回歸估計

本文利用DID模型進行基準回歸，結果如表2所示。列（1）僅進行解釋變量與被解釋變量的回歸，得到相關回歸系數在1%水平下顯著為正。列（2）在加入控制變量后，可以看到大數據試驗區(qū)對區(qū)域綠色金融仍在1%水平下呈顯著的正向效應。結果表明，與未在試驗區(qū)的省份相比，在大數據試驗區(qū)的省份區(qū)域綠色金融指數得到更顯著的提升，即大數據試驗區(qū)對區(qū)域綠色金融發(fā)展具有顯著促進效應，由此，假設H1得到了驗證。

5.1.2 PSM-DID

考慮到DID模型可能無法解決可觀測變量和不可觀測變量帶來的選擇偏差問題，本文選用PSM-DID模型，即先用PSM進行匹配，再用DID進行回歸計算干預帶來的因果效應。表3為最終輸出結果，回歸系數均顯著為正，印證了大數據試驗區(qū)對區(qū)域綠色金融發(fā)展的正向效應。

5.2 穩(wěn)健性檢驗

5.2.1 平行趨勢檢驗

雙重差分法使用的前提是要滿足平行趨勢假設，不滿足平行趨勢假設可能導致估計偏誤或無法準確識別因果效應。因此本文進行平行趨勢檢驗，如圖1所示。可以看到在政策試點之前，交互項系數在0附近且不顯著，說明處理組和對照組沒有明顯差異，滿足采用雙重差分模型評測的前提條件。

5.2.2 安慰劑檢驗

本文根據基準模型隨機抽取樣本個體作為處理組，并為每一個處理組個體隨機抽取一個年份作為政策實施時點，生成虛假政策變量，進行重復500次的蒙特卡羅模擬回歸，最后繪制出系數及核密度分布圖。如圖2所示，虛假系數服從正態(tài)分布且集中于0附近，而且虛假系數均遠離真實系數值0.021，因此可以排除區(qū)域綠色金融水平的提升是由其他不可觀測因素造成的。

5.2.3 剔除相關樣本

為檢驗上述結論，本文采用剔除樣本進行穩(wěn)健性檢驗。相較其他省市，直轄市在經濟發(fā)展、政策配套等方面具有獨特優(yōu)勢，因此本文剔除了直轄市樣本后重新進行了回歸分析，結果如表4列（1）所示。本文同樣剔除國家數字經濟創(chuàng)新發(fā)展試驗區(qū)所在區(qū)域的樣本并重新進行回歸，所得結果如表4列（2）所示。結果均表明大數據試驗區(qū)仍對區(qū)域綠色金融發(fā)展發(fā)揮顯著的促進作用。

5.3 異質性檢驗

5.3.1 區(qū)位異質性分析

不同區(qū)域在資金條件及政策配套方面存在一定差異，因此本文將各省份按照東中西部劃分，進行分組回歸。估計結果如表5列（1）、列（2）和列（3）所示，可以看到東部和中部分別通過10%和1%水平的顯著性檢驗，但西部的回歸結果并不顯著。可能的原因是東部和中部的發(fā)展機會更多，對政策的敏感程度更高，因此東部、中部地區(qū)受政策影響更為顯著。

5.3.2 研發(fā)強度異質性分析

不同地區(qū)因研發(fā)強度差異，對大數據政策的敏感性有顯著區(qū)別。為了驗證不同研發(fā)強度的異質性表現，本研究將根據研發(fā)支出高低而進行分組回歸?；貧w結果如表5中的列（4）和列（5）所示，同時根據連玉君和廖俊平（2017）[13]的研究，當回歸系數均顯著時，不能直接進行系數比較，因此本文通過費舍爾組合檢驗進行組間系數差異估計?？梢钥吹交貧w結果通過了組間系數差異檢驗，在研發(fā)強度更高的區(qū)域，大數據試驗區(qū)對區(qū)域綠色金融發(fā)揮的促進作用更為顯著，原因可能是研發(fā)強度高的地區(qū)可以更好地利用試驗區(qū)所產生的創(chuàng)新環(huán)境進行綠色技術創(chuàng)新等。

5.3.3 市場化程度異質性分析

市場化程度不同會影響到區(qū)域內要素配置效率與市場主體活力，本文以市場化程度的中位數為依據進行分組回歸?；貧w結果如表5中的列（6）和列（7）所示，可以看到在市場化程度較低的地區(qū)大數據試驗區(qū)更能有效推動區(qū)域綠色金融發(fā)展。可能的原因是在市場化程度較低的區(qū)域，大數據試驗區(qū)的設立不僅可以有效填補市場機制的空白，還能激發(fā)各類主體的創(chuàng)新活力，推動綠色金融發(fā)展。

6 影響機制分析

根據上述研究，可以看出大數據試驗區(qū)對區(qū)域綠色金融發(fā)展的促進作用，但兩者之間的機制還未得到驗證。本研究通過綠色技術創(chuàng)新（pat）和信息化水平提升（info）兩個機制進行檢驗，使用綠色發(fā)明專利授權數衡量區(qū)域綠色創(chuàng)新水平，并通過地區(qū)郵電業(yè)務總量與地區(qū)生產總值的比值衡量信息化水平。

參考溫忠麟等（2014）[14]的研究成果，本文使用中介效應檢驗三步法，具體檢驗結果如表6所示。列（1）表明大數據試驗區(qū)可以顯著促進區(qū)域綠色金融發(fā)展。列（2）和列（4）分別表明大數據試驗區(qū)可以顯著促進綠色技術創(chuàng)新與提升區(qū)域信息化水平，列（3）和列（5）則表明大數據試驗區(qū)通過綠色技術創(chuàng)新和提升信息化水平促進區(qū)域綠色金融發(fā)展，且通過1%水平的顯著性檢驗，假設H2和假設H3得到驗證。

7 結論與建議

本研究發(fā)現國家級大數據綜合試驗區(qū)顯著促進了區(qū)域綠色金融發(fā)展，并從綠色技術創(chuàng)新和提升信息化水平兩個機制進一步進行分析。此外，國家級大數據綜合試驗區(qū)對區(qū)域綠色金融的促進作用在東中部、研發(fā)強度較高及市場化程度較低的區(qū)域更為顯著。為了進一步使國家級大數據綜合試驗區(qū)產生正向效益，本文提出以下政策建議：

首先，構建四位一體協同發(fā)展體系。構建起由政府、金融機構、企業(yè)及公眾構成的四位一體協同發(fā)展體系，政府負責制定和落實大數據政策及綠色發(fā)展法規(guī)，同時統(tǒng)籌考慮多方利益主體，擴大綠色資金池的規(guī)模。金融機構應根據政策導向，優(yōu)化綠色轉型領域授信管理，探索建立生態(tài)信用行為激勵機制，將企業(yè)降碳、擴綠等表現作為貸款審批、額度測算、利率定價的重要參考因素，同時還應推動數字技術應用，提升綠色金融服務能力和效率。企業(yè)需要積極響應政府綠色金融政策，加強環(huán)境信息披露，提高綠色項目審批效率，積極參與綠色金融活動，同時提高環(huán)境信息披露的透明度，便于金融機構和投資者進行準確的風險評估和投資決策。公眾可以提升環(huán)保意識，通過綠色消費和低碳行動，促進綠色消費，同時發(fā)揮對企業(yè)綠色制造、綠色產品的監(jiān)督作用，通過政府搭建的權益保護平臺進行及時反饋。

其次，依托產業(yè)園區(qū)平臺，推動產業(yè)深度融合。政府應著力打造綠色生態(tài)產業(yè)園區(qū)，注重綠色生態(tài)建設，推廣綠色建筑、節(jié)能減排等環(huán)保措施，降低園區(qū)能耗和排放。政府也需要不斷促進產業(yè)園區(qū)數字化轉型，加快構建智慧園區(qū)體系，利用大數據等信息技術，實現園區(qū)管理、運營和服務的智能化。針對企業(yè)缺乏跨部門和跨公司協作的能力，政府需要創(chuàng)新招商模式，提升園區(qū)吸引力，加強與國際國內知名企業(yè)和科研機構的合作，引入高端項目和優(yōu)秀人才，使產業(yè)園區(qū)打通能夠實現內外聯動的價值鏈。

最后，優(yōu)化人才培養(yǎng)體系，提升人力資源的創(chuàng)新能力。政府鼓勵高校優(yōu)化大數據學科專業(yè)設置，深化新學科建設，加大相關專業(yè)建設力度。探索基于知識圖譜的新形態(tài)數字教學資源建設，與大數據企業(yè)深化校企合作，建設實訓基地，推進專業(yè)升級調整，對接產業(yè)需求，培養(yǎng)高素質技術技能人才。

參考文獻

陳加友.國家大數據（貴州）綜合試驗區(qū)發(fā)展研究[J].貴州社會科學，2017（12）：149-155.

Xiahai W， Hujian L， Yao W. Does big data infrastructure development promote new enterprise entry： Evidence from China[J].Finance Research Letters，2024（60）：1-6.

邱子迅，周亞虹.數字經濟發(fā)展與地區(qū)全要素生產率： 基于國家級大數據綜合試驗區(qū)的分析[J].財經研究，2021（7）：4-17.

Han B， Guomin L， Xiangyu Y， et al. Is smart carbon emission reduction justified in China： Evidence from national big data comprehensive pilot zones[J].Heliyon，2023（7）：1-15.

繆陸軍，陳靜，范天正，等.數字經濟發(fā)展對碳排放的影響： 基于278個地級市的面板數據分析[J].南方金融，2022（2）：45-57.

郭炳南，王宇，張浩.數字經濟發(fā)展改善了城市空氣質量嗎： 基于國家級大數據綜合試驗區(qū)的準自然實驗[J].廣東財經大學學報，2022（1）：58-74.

劉誠，夏杰長.線上市場、數字平臺與資源配置效率： 價格機制與數據機制的作用[J].中國工業(yè)經濟，2023（7）：84-102.

徐林，侯林岐，程廣斌.國家級大數據綜合試驗區(qū)創(chuàng)新效應研究[J].科技進步與對策，2022，39（20）：101-111.

徐毅，周昊朋.國家級大數據綜合試驗區(qū)能否驅動外貿高質量發(fā)展： 基于準自然實驗的實證研究[J].哈爾濱商業(yè)大學學報（社會科學版），2024（3）：110-128.

胡婧瑋，郭金花，陳鑫.大數據試驗區(qū)建設對城市創(chuàng)新效率的影響： 基于國家大數據綜合試驗區(qū)試點的準自然試驗[J].商業(yè)研究，2024（2）：104-113.

劉傳明，馬青山.網絡基礎設施建設對全要素生產率增長的影響研究： 基于“寬帶中國”試點政策的準自然實驗[J].中國人口科學，2020（3）：75-88.

劉華珂，何春.綠色金融促進城市經濟高質量發(fā)展的機制與檢驗： 來自中國272個地級市的經驗證據[J].投資研究，2021，40（7）： 37-52.

連玉君，廖俊平.如何檢驗分組回歸后的組間系數差異？[J].鄭州航空工業(yè)管理學院學報，2017（6）：97-109.

溫忠麟，葉寶娟.中介效應分析：方法和模型發(fā)展[J].心理科學進展，2014，22（5）：731-745.