姚鳳閣 王天航 談麗萍

內(nèi)容提要：如何使數(shù)字普惠金融更好地提升城市全要素碳排放生產(chǎn)率，對中國碳減排目標(biāo)的實(shí)現(xiàn)具有重要意義?；谥袊?85個(gè)地級市2011—2018年的面板數(shù)據(jù)，本文采用動(dòng)態(tài)空間面板模型分析數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率變動(dòng)的影響，結(jié)果表明：城市全要素碳排放生產(chǎn)率具有全局空間自相關(guān)和局部空間相關(guān)的特征。數(shù)字普惠金融能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。數(shù)字金融對城市全要素碳排放生產(chǎn)率的影響具有異質(zhì)性，從地區(qū)來看，中部地區(qū)數(shù)字金融對城市全要素碳排放生產(chǎn)率的促進(jìn)作用最為顯著，東部地區(qū)次之，西部地區(qū)最弱;從數(shù)字金融維度來看，覆蓋廣度對城市全要素碳排放生產(chǎn)率的促進(jìn)作用最為顯著，使用深度次之，數(shù)字化程度最弱。數(shù)字普惠金融主要通過創(chuàng)新和創(chuàng)業(yè)對城市全要素碳排放生產(chǎn)率產(chǎn)生促進(jìn)作用。

關(guān)鍵詞：數(shù)字普惠金融;城市全要素碳排放生產(chǎn)率;動(dòng)態(tài)空間面板模型;中介機(jī)制

中圖分類號：F49;F832文獻(xiàn)標(biāo)識碼：A文章編號：1001-148X（2022）04-0112-10

收稿日期：2021-10-24

作者簡介：姚鳳閣（1971-），男，黑龍江鶴崗人，哈爾濱商業(yè)大學(xué)金融學(xué)院教授，博士生導(dǎo)師，管理學(xué)博士，研究方向：農(nóng)村金融;王天航（1989-），男，哈爾濱人，哈爾濱商業(yè)大學(xué)金融學(xué)院博士研究生，研究方向：數(shù)字普惠金融;談麗萍（1977-），女，湖北鄂州人，同方知網(wǎng)數(shù)字出版技術(shù)股份有限公司，經(jīng)濟(jì)學(xué)碩士，研究方向：金融理論與政策。

基金項(xiàng)目：國家社科基金面上項(xiàng)目“供給側(cè)結(jié)構(gòu)性改革背景下的農(nóng)村金融服務(wù)創(chuàng)新與風(fēng)險(xiǎn)控制研究”，項(xiàng)目編號：17BJY119。

數(shù)字金融運(yùn)用數(shù)字技術(shù)實(shí)現(xiàn)支付、信貸、投資等金融業(yè)務(wù)，在促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級、刺激消費(fèi)和促進(jìn)創(chuàng)業(yè)等方面發(fā)揮著重要的作用。根據(jù)北京大學(xué)金融研究中心統(tǒng)計(jì)數(shù)據(jù)，從2011年到2020年，數(shù)字普惠金融指數(shù)均值494增長至25331，這表明數(shù)字普惠金融發(fā)展迅速，已經(jīng)成為中國金融體系中不可或缺的一部分。

碳減排目標(biāo)的實(shí)現(xiàn)離不開金融發(fā)展的支持[1]。理論研究發(fā)現(xiàn)金融發(fā)展對碳排放的影響并不確定[2-3]，可能具有積極影響[4-5]，也可能會增加碳排放[6-7]。本文采用基于非徑向DDF模型的Malmquist指數(shù)對城市全要素碳排放生產(chǎn)率進(jìn)行測量，聚焦于數(shù)字普惠金融，從理論和實(shí)證兩個(gè)方面分析數(shù)字金融對城市全要素碳排放生產(chǎn)率的作用機(jī)制，并使用動(dòng)態(tài)空間面板模型分析數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的影響。

一、理論分析與研究假設(shè)

（一）數(shù)字普惠金融與城市全要素碳排放生產(chǎn)率

數(shù)字普惠金融主要通過以下兩個(gè)渠道對城市全要素碳排放生產(chǎn)率產(chǎn)生直接影響。第一，從企業(yè)來看，數(shù)字普惠金融能夠?yàn)榻鹑诋a(chǎn)品提供者與需求者構(gòu)建交易平臺，這將降低企業(yè)往返金融機(jī)構(gòu)進(jìn)行借貸所產(chǎn)生的碳排放。以P2P網(wǎng)貸平臺為例，企業(yè)能夠隨時(shí)隨地在P2P網(wǎng)貸平臺進(jìn)行信用貸款，信貸服務(wù)更加便利。同時(shí)，運(yùn)用大數(shù)據(jù)、云計(jì)算和人工智能等數(shù)字技術(shù)，數(shù)字金融能夠有效地進(jìn)行信息篩選和風(fēng)險(xiǎn)識別，減少企業(yè)逆向選擇行為的發(fā)生，通過優(yōu)化資源配置來限制資源向高污染行業(yè)流動(dòng)[8]，從而提高城市全要素碳排放生產(chǎn)率。第二，從個(gè)人來看，移動(dòng)支付的出現(xiàn)不僅使支付變得更加方便，而且大大降低了交易成本和資源消耗。同時(shí)，數(shù)字金融的發(fā)展拓寬了人們參與環(huán)保事業(yè)的渠道，增強(qiáng)了人們的環(huán)保意識，從而提高城市全要素碳排放生產(chǎn)率[9]。以支付寶為例，人們在支付寶上所進(jìn)行的出行繳費(fèi)、生活繳費(fèi)、購票和網(wǎng)絡(luò)掛號等行為，相應(yīng)地減少了這些行為在線下所產(chǎn)生的二氧化碳排放量。同時(shí)，螞蟻森林的種樹活動(dòng)能夠帶動(dòng)大量普通用戶真正參與到環(huán)保事業(yè)中，統(tǒng)計(jì)數(shù)據(jù)顯示，截至2021年8月底，螞蟻森林的參與者已經(jīng)超過6億，種植的樹木已經(jīng)達(dá)到326億，人們的環(huán)保意識正在不斷增強(qiáng)。綜上所述，本文提出以下假設(shè)。

假設(shè)1：數(shù)字普惠金融能夠促進(jìn)全要素碳排放生產(chǎn)率的提高。

（二）數(shù)字普惠金融影響城市全要素碳排放生產(chǎn)率的機(jī)制

由于科技企業(yè)往往是那些初創(chuàng)的中小微企業(yè)，加之創(chuàng)新項(xiàng)目具有長周期和高風(fēng)險(xiǎn)的特征，使得企業(yè)進(jìn)行創(chuàng)新活動(dòng)時(shí)往往面臨著融資約束[10]，而數(shù)字金融能夠通過“增量補(bǔ)充”和“存量優(yōu)化”兩個(gè)方面來緩解創(chuàng)新企業(yè)的融資約束[11]。“增量補(bǔ)充”是指數(shù)字金融能夠有效地吸收金融資源并將其進(jìn)行合理配置。具體來講，金融市場中存在大量的小規(guī)模投資者，這些小規(guī)模投資者被叫做長尾群體。傳統(tǒng)金融機(jī)構(gòu)由于成本、技術(shù)等原因不能夠吸收這類投資者。數(shù)字金融能夠通過人工智能、大數(shù)據(jù)和云計(jì)算等數(shù)字技術(shù)有效地處理海量數(shù)據(jù)，降低金融服務(wù)門檻，從而吸納更多的長尾群體[12]。同時(shí)，數(shù)字金融也為創(chuàng)新企業(yè)提供了更加豐富的融資渠道和融資方式，為企業(yè)進(jìn)行創(chuàng)新活動(dòng)提供了有力支撐?！按媪績?yōu)化”是指數(shù)字金融能夠通過對傳統(tǒng)金融服務(wù)進(jìn)行深度優(yōu)化以提高金融服務(wù)效率。數(shù)字金融突破了傳統(tǒng)的信用定價(jià)模型，能夠?qū)ζ髽I(yè)進(jìn)行精準(zhǔn)的信用評估，這大大降低了金融機(jī)構(gòu)和企業(yè)之間的信息不對稱程度，更加精準(zhǔn)地將金融資源和企業(yè)創(chuàng)新項(xiàng)目進(jìn)行匹配?；谏鲜龇治?，數(shù)字金融能夠提高企業(yè)的創(chuàng)新水平，企業(yè)創(chuàng)新水平的提高能夠減少二氧化碳排放，促進(jìn)城市全要素碳排放效率的提升。由此我們提出以下假設(shè)。

假設(shè)2：數(shù)字金融能夠通過提高創(chuàng)新水平來提高城市碳排放全要素生產(chǎn)率。

作為傳統(tǒng)金融體系的補(bǔ)充，數(shù)字普惠金融為創(chuàng)業(yè)提供了重要支撐，它主要從以下兩個(gè)方面對創(chuàng)業(yè)水平產(chǎn)生提升作用[13]。一方面，數(shù)字普惠金融能夠?yàn)椴话l(fā)達(dá)地區(qū)提供金融服務(wù)，從而促進(jìn)不發(fā)達(dá)地區(qū)的創(chuàng)業(yè)活動(dòng)[14]。傳統(tǒng)的金融機(jī)構(gòu)往往不能服務(wù)于那些偏遠(yuǎn)地區(qū)的人群，沒有金融服務(wù)的支持，創(chuàng)業(yè)活動(dòng)就會受到限制。數(shù)字金融是指通過互聯(lián)網(wǎng)來實(shí)現(xiàn)支付、轉(zhuǎn)賬、借貸等功能，它將金融活動(dòng)由線下轉(zhuǎn)到線上，幫助不發(fā)達(dá)地區(qū)進(jìn)行金融業(yè)務(wù)的辦理，從而促進(jìn)這些地區(qū)的創(chuàng)業(yè)水平。另一方面，數(shù)字金融能夠用較低的成本對小微企業(yè)進(jìn)行融資評估，解決小微企業(yè)融資難的問題。由于經(jīng)營信息的缺乏和企業(yè)規(guī)模的限制，傳統(tǒng)金融機(jī)構(gòu)無法為小微企業(yè)提供金融服務(wù)。數(shù)字金融能夠利用大數(shù)據(jù)分析手段來對小微企業(yè)進(jìn)行信用評估[15]，它能夠降低小微企業(yè)的創(chuàng)業(yè)門檻，從而促進(jìn)創(chuàng)業(yè)。企業(yè)的增多不僅加劇了企業(yè)之間的競爭，而且迫使企業(yè)不得不采取更加清潔高效的生產(chǎn)方式，改善環(huán)境質(zhì)量。由此本文提出以下假設(shè)。

假設(shè)3：數(shù)字普惠金融能夠通過提高創(chuàng)業(yè)水平來提高城市全要素碳排放生產(chǎn)率。

二、方法和數(shù)據(jù)

（一）面板回歸模型

1.傳統(tǒng)面板模型

結(jié)合相關(guān)文獻(xiàn)的研究，城市全要素碳排放生產(chǎn)率的傳統(tǒng)面板模型可以寫為：

UCMPIit=α0+α1IFIit+α2lnGDPit+α3URBit+α4OPENit+α5GOVit+α6TECit+μi（1）

其中：ε為擾動(dòng)項(xiàng)。i代表空間，涉及中國285個(gè)城市。t代表時(shí)間，范圍為2011年到2018年。IFI為解釋變量，指的是數(shù)字普惠金融;UCMPIit為被解釋變量，指的是城市全要素碳排放生產(chǎn)率。lnGDP為經(jīng)濟(jì)發(fā)展水平，URB為城鎮(zhèn)化水平，OPEN為對外開放程度，GOV為政府干預(yù)，TEC為技術(shù)水平。α1到α6為各變量的估計(jì)系數(shù)。

2.動(dòng)態(tài)空間面板模型

已有研究[16]發(fā)現(xiàn)城市全要素碳排放生產(chǎn)率具有空間效應(yīng)，忽視空間效應(yīng)會造成估計(jì)結(jié)果的誤差。我們需要建立以下靜態(tài)空間計(jì)量模型來分析數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的影響：

UCMPIit=α0+β0∑jWijUMPIit+α1IFIit+α2lnGDPit+α3URBit+α4OPENit+α5GOVit+α6TECit+μi（2）

其中，β0為城市全要素碳排放生產(chǎn)率的空間滯后項(xiàng)系數(shù)，反映了城市全要素碳排放生產(chǎn)率的空間溢出效應(yīng)。Wij為空間權(quán)重矩陣，本文選擇地理權(quán)重矩陣作為空間權(quán)重矩陣，其定義如下：若i=j，Wij=0;若i≠j，Wij=1/dij，dij為城市i和城市j之間的直線距離。然后，我們在公式（1）中引入城市全要素碳排放生產(chǎn)率的一階滯后項(xiàng)，其普通動(dòng)態(tài)面板模型如下：

UCMPIit=α0+τUCMPIi（t-1）+α1IFIit+α2lnGDPit+α3URBit+α4OPENit+α5GOVit+α6TECit+μi（3）

其中，τ為城市全要素碳排放生產(chǎn)率的一階滯后項(xiàng)系數(shù)，反映了城市全要素碳排放生產(chǎn)率的動(dòng)態(tài)效應(yīng)。當(dāng)同時(shí)考慮城市全要素碳排放生產(chǎn)率的空間效應(yīng)和動(dòng)態(tài)效應(yīng)時(shí)，動(dòng)態(tài)空間面板模型如下：

UCMPIit=α0+τUCMPIi（t-1）+β0∑jWijUCMPIit+α1IFIit+α2lnGDPit+α3URBit+α4OPENit+α5GOVit+α6TECit+μi（4）

數(shù)字普惠金融的發(fā)展可能通過創(chuàng)新水平和創(chuàng)業(yè)水平來影響城市全要素碳排放生產(chǎn)率。因此，我們用下列4個(gè)等式來分析數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的作用渠道。

INNOVit=α0+τINNOVi（t-1）+β0∑jWijINNOVit+α1IFIit+α2lnGDPit+α3URBit+α4OPENit+α5GOVit+α6TECit+μi（5）

UCMPIit=α0+τUCMPIi（t-1）+β0∑jWijUCMPIit+α1IFIit+α2INNOV+α3lnGDPit+α4URBit+α5OPENit+α6GOVit+α7TECit+μi（6）

ENTREit=α0+τENTREi（t-1）+β0∑jWijENTREit+α1IFIit+α2lnGDPit+α3URBit+α4OPENit+α5GOVit+α6TECit+μi（7）

UCMPIit=α0+τUCMPIi（t-1）+β0∑jWijUCMPIit+α1IFIit+α2ENTRE+α3lnGDPit+α4URBit+α5OPENit+α6GOVit+α7TECit+μi（8）

公式（5）和（7）分別考察了數(shù)字普惠金融對創(chuàng)新水平和創(chuàng)業(yè)水平的影響，公式（6）和（8）分別將創(chuàng)新水平和創(chuàng)業(yè)水平作為公式（4）中的解釋變量，公式（5）和（6）估計(jì)了創(chuàng)新水平的中介效應(yīng)，公式（7）和（8）估計(jì)了創(chuàng)業(yè)水平的中介效應(yīng)。本文分別選取人均專利授權(quán)數(shù)、城鎮(zhèn)私營和個(gè)體從業(yè)人員與總從業(yè)人數(shù)比值來表示創(chuàng)新水平和創(chuàng)業(yè)水平。

（二）變量描述

1.被解釋變量：城市碳排放全要素生產(chǎn)率

估計(jì)城市全要素碳排放生產(chǎn)率的方法很多，這里我們選擇提出的基于非徑向DDF超效率模型的Malmquist指數(shù)來表示，并將其分解為技術(shù)效率變化（EC）和技術(shù)進(jìn)步（TC）。具體測量過程參考已有研究[16]我們主要選擇資本存量、勞動(dòng)力和能源消耗作為投入指標(biāo)[17]，并利用永續(xù)盤存法對資本存量進(jìn)行估算[18]，以2010年為基期，利用固定資產(chǎn)投資價(jià)格指數(shù)，將名義固定資產(chǎn)投資值轉(zhuǎn)換為可比價(jià)的實(shí)際固定資產(chǎn)投資，計(jì)算出歷年各城市資本存量。勞動(dòng)力用年末單位從業(yè)人員數(shù)來表示。城市能源消耗量UE=UGDPi，t×EIi，t，其中UGDPi，t為城市i第t年的地區(qū)生產(chǎn)總值，EIi，t為城市i第t年的能源強(qiáng)度，并假定城市i的能源強(qiáng)度與所在省份的能源強(qiáng)度相同[19]。關(guān)于產(chǎn)出指標(biāo)，我們選擇地區(qū)生產(chǎn)總值作為期望產(chǎn)出，并利用GDP平減指數(shù)將其折算為可比值。同時(shí)選擇CO2排放量作為非期望產(chǎn)出。

2.數(shù)字普惠金融

目前比較準(zhǔn)確反映中國各城市數(shù)字金融發(fā)展情況的數(shù)據(jù)來自北京大學(xué)數(shù)學(xué)金融研究中心編制的數(shù)字普惠金融指數(shù)，該指數(shù)覆蓋領(lǐng)域廣泛，并且具有橫向和縱向可比性。從總體發(fā)展情況來看，中國城市數(shù)字普惠金融指數(shù)均值從2011年的5177增長至2018年的23344，這說明在樣本區(qū)間內(nèi)中國城市數(shù)字金融快速的發(fā)展。

3.控制變量

本文主要選取經(jīng)濟(jì)發(fā)展水平（GDP）、城鎮(zhèn)化水平（URB）、對外開放程度（OPEN）、政府干預(yù)（GOV）和科技水平（TEC）五個(gè)變量作為控制變量。

（1）經(jīng)濟(jì)發(fā)展水平（GDP）。根據(jù)環(huán)境庫茲涅茨假說，當(dāng)一個(gè)國家經(jīng)濟(jì)發(fā)展水平較低時(shí)，經(jīng)濟(jì)的發(fā)展會導(dǎo)致環(huán)境的惡化。當(dāng)經(jīng)濟(jì)發(fā)展水平達(dá)到一定程度后，隨著經(jīng)濟(jì)的增長，環(huán)境質(zhì)量將有所改善[20]。本文選取人均GDP來表示。

（2）城鎮(zhèn)化水平（URB）。隨著城鎮(zhèn)化水平的不斷提高，大量農(nóng)村人口流入城市，城市居民對基礎(chǔ)設(shè)施和能源的需求迅速增加，基礎(chǔ)設(shè)施建設(shè)和能源的開發(fā)利用會產(chǎn)生大量二氧化碳，降低城市全要素碳排放生產(chǎn)率。本文選取非農(nóng)業(yè)人口與年末總?cè)丝诘谋戎祦肀硎尽?/p>

（3）對外開放程度（OPEN）。對外開放程度的提高能夠使得中國積極學(xué)習(xí)和引進(jìn)國外的先進(jìn)減排技術(shù)。但是，中國目前仍然是依靠高污染、高排放的資源密集型產(chǎn)業(yè)帶動(dòng)出口，出口貿(mào)易的增加造成能源的過度消耗，從而導(dǎo)致大量的二氧化碳產(chǎn)生。本文選取進(jìn)出口總額與GDP的比值來表示。

（4）政府干預(yù)（GOV）。環(huán)境質(zhì)量的提高離不開政策的實(shí)施和減污投資，政策的實(shí)施和減污投資離不開政府干預(yù)。政府用于治理污染的環(huán)保投資越多，地方節(jié)能減排機(jī)制的建設(shè)越完善，政府越能夠有效實(shí)現(xiàn)對污染減排的控制。本文選取政府財(cái)政支出與GDP的比值來表示。

（5）科技水平（TEC）。一方面，低碳技術(shù)的發(fā)明能夠使得高能耗、高污染的設(shè)備被淘汰，從而提高能源利用率，降低碳排放。另一方面，科技水平的提高也能夠改善能源消費(fèi)結(jié)構(gòu)，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級，從而降低碳排放。本文選取科技支出與財(cái)政支出的比值來表示。這些數(shù)據(jù)均來自中國城市統(tǒng)計(jì)年鑒和中國統(tǒng)計(jì)年鑒，各變量的描述性統(tǒng)計(jì)見表1。

三、城市全要素碳排放生產(chǎn)率特征

（一）城市全要素碳排放生產(chǎn)率的變動(dòng)趨勢

由表2可以看出，大部分年份的城市全要素碳排放生產(chǎn)率指數(shù)小于1，說明中國的碳排放效率呈下降趨勢，碳排放目標(biāo)的實(shí)現(xiàn)任重而道遠(yuǎn)。2018年的城市全要素碳排放生產(chǎn)率值最高，為11838，在其分解中，我們發(fā)現(xiàn)主要是技術(shù)效率促進(jìn)了城市全要素碳排放生產(chǎn)率的提高。2017年的城市全要素碳排放生產(chǎn)率值最低，為08785，雖然技術(shù)進(jìn)步促進(jìn)了城市全要素碳排放生產(chǎn)率的提升，但技術(shù)效率的惡化在一定程度上抑制了城市全要素碳排放生產(chǎn)率的提升，且這種抑制作用大于技術(shù)進(jìn)步的促進(jìn)作用。

從不同地區(qū)來看，中部地區(qū)的城市全要素碳排放生產(chǎn)率值最高，東部地區(qū)次之，西部地區(qū)最低。在分解中，我們發(fā)現(xiàn)中國東部地區(qū)、中部地區(qū)和西部地區(qū)城市全要素碳排放生產(chǎn)率的提升主要依靠其技術(shù)效率的提升。其中，中部地區(qū)技術(shù)效率的促進(jìn)作用比其他兩個(gè)地區(qū)的促進(jìn)作用更大。

根據(jù)以上數(shù)據(jù)，我們可以觀察到中國城市2011年、2013年、2015年和2018年城市全要素碳排放生產(chǎn)率的變動(dòng)。可以看出，2011年到2013年城市全要素碳排放生產(chǎn)率大于1的城市數(shù)量趨于平穩(wěn)，2018年城市全要素碳排放生產(chǎn)率大于1的城市數(shù)量增長至263個(gè)，這說明中國城市碳排放效率正逐漸向生產(chǎn)前沿面移動(dòng)。

（二）城市全要素碳排放生產(chǎn)率的空間特征分析

1.全局空間自相關(guān)分析

城市全要素碳排放生產(chǎn)率之間存在相互的空間效應(yīng)，主要體現(xiàn)在空間相關(guān)性和空間異質(zhì)性兩方面?？臻g相關(guān)性是指城市全要素碳排放生產(chǎn)率的溢出效應(yīng)，空間異質(zhì)性是指城市全要素碳排放生產(chǎn)率空間分布的不均勻性。檢驗(yàn)城市全要素碳排放生產(chǎn)率的變動(dòng)是否具有空間相關(guān)性和空間異質(zhì)性有兩種方法：全局空間自相關(guān)檢驗(yàn)和局部空間自相關(guān)檢驗(yàn)。我們使用全局莫蘭指數(shù)來檢驗(yàn)全局空間自相關(guān)性。全局莫蘭指數(shù)被定義為：

I=

∑ni=1∑nj=1Wij（UCMPIi-UCMPI）（UCMPIj-UCMPI）S2∑ni=1∑nj=1Wij（9）

I為全局空間自相關(guān)指數(shù);Wij為空間權(quán)重矩陣，本文選擇地理反距離權(quán)重矩陣作為空間權(quán)重矩陣;n為空間單元數(shù)目，即285個(gè)城市;UCMPI為城市全要素碳排放生產(chǎn)率均值;S2為方差。為保持準(zhǔn)確性，我們對Z值進(jìn)行檢驗(yàn)，公式如下：

Z=I-E（I）VAR（I）（10）

表3給出了2011年到2018年城市全要素碳排放生產(chǎn)率的莫蘭指數(shù)值和Z值，莫蘭指數(shù)值顯著為正，這充分驗(yàn)證了中國城市全要素碳排放生產(chǎn)率具有較強(qiáng)的正空間相關(guān)性，即具有相似城市全要素碳排放生產(chǎn)率的區(qū)域表現(xiàn)出顯著的空間集群特征，并且這種空間集群特征呈遞減趨勢。因此，區(qū)域間城市全要素碳排放生產(chǎn)率可能存在的空間相關(guān)性應(yīng)該被充分重視。

2.局部空間自相關(guān)和空間異質(zhì)性

局域莫蘭指數(shù)的計(jì)算結(jié)果顯示了城市全要素碳排放生產(chǎn)率的局部空間相關(guān)性和空間異質(zhì)性，我們將其空間分布劃分為四個(gè)區(qū)域，分別是高值-高值集聚、高值-低值集聚、低值-高值集聚和低值-低值集聚。

（1）高值-高值集聚指的是全要素碳排放生產(chǎn)率高的城市，其周邊城市的城市全要素碳排放生產(chǎn)率也高。高值-高值集聚的城市主要分布在吉林、遼寧、湖北和湖南等中部地區(qū)，說明這些地區(qū)的城市全要素碳排放生產(chǎn)率值較高，并且地區(qū)之間的空間相關(guān)性較強(qiáng)。

（2）低值-低值集聚的城市主要分布于甘肅、寧夏和新疆等省份，主要是因?yàn)檫@些省份處于偏遠(yuǎn)地區(qū)，技術(shù)不夠發(fā)達(dá)，資源密集型產(chǎn)品的生產(chǎn)所產(chǎn)生的碳排放會影響其周邊地區(qū)的環(huán)境質(zhì)量。

（3）高值-低值集聚的城市主要有陜西省的西安市，說明西安市的城市全要素碳排放生產(chǎn)率雖高，但不足以帶動(dòng)周邊城市全要素碳排放生產(chǎn)率的提升。這主要是因?yàn)樽鳛殛兾魇∈鞘?，西安市?jīng)濟(jì)發(fā)展迅速，對周邊城市創(chuàng)新資源和人才具有較強(qiáng)的虹吸作用。

（4）低值-高值集聚的城市主要有黑龍江省的大慶市、江西省的萍鄉(xiāng)市和內(nèi)蒙古的鄂爾多斯市。說明這些城市的城市全要素碳排放生產(chǎn)率并沒有受到周邊城市的帶動(dòng)，屬于空心區(qū)。主要是因?yàn)檫@些城市缺乏與周邊城市的交流和學(xué)習(xí)。

四、數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的影響

（一）模型識別

通過以上分析，我們發(fā)現(xiàn)城市全要素碳排放生產(chǎn)率之間存在空間效應(yīng)，這表明空間效應(yīng)會對城市全要素碳排放生產(chǎn)率的變動(dòng)產(chǎn)生影響。由于傳統(tǒng)的動(dòng)態(tài)面板模型忽視了這種空間效應(yīng)，估計(jì)結(jié)果具有不準(zhǔn)確性。城市全要素碳排放生產(chǎn)率的變動(dòng)是一個(gè)動(dòng)態(tài)過程，由于傳統(tǒng)空間模型忽視了這種動(dòng)態(tài)效應(yīng)，估計(jì)結(jié)果存在誤差。因此，我們采用動(dòng)態(tài)空間面板模型來分析數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的影響，這種模型既考慮了空間效應(yīng)，又考慮了時(shí)間效應(yīng)。作為對比，我們使用了以下三種模型：普通動(dòng)態(tài)面板模型、空間面板模型和動(dòng)態(tài)空間面板模型。普通動(dòng)態(tài)面板模型使用的是系統(tǒng)GMM，空間面板模型使用的是空間自回歸模型（SAR），動(dòng)態(tài)空間面板模型使用的是空間系統(tǒng)GMM。估計(jì)結(jié)果如表4所示，其中SAR模型與空間系統(tǒng)GMM模型的估計(jì)結(jié)果十分不同，這是因?yàn)镾AR模型沒有考慮城市全要素碳排放生產(chǎn)率的動(dòng)態(tài)效應(yīng)，估計(jì)結(jié)果具有不準(zhǔn)確性。

在動(dòng)態(tài)空間面板模型中，AR（1）和AR（2）的估計(jì)結(jié)果顯示在10%的顯著水平下，擾動(dòng)項(xiàng)的差分存在一階自相關(guān)，但不存在二階自相關(guān)，說明模型設(shè)定合理。Hansen檢驗(yàn)結(jié)果并沒有拒絕工具變量有效的原假設(shè)，說明工具變量選擇是合理的。城市全要素碳排放生產(chǎn)率的空間滯后項(xiàng)系數(shù)顯著為正，說明周邊城市全要素碳排放生產(chǎn)率的提升能夠促進(jìn)本地區(qū)城市全要素碳排放生產(chǎn)率的提升。城市全要素碳排放生產(chǎn)率的動(dòng)態(tài)效應(yīng)顯著，說明之前城市全要素碳排放生產(chǎn)率的變動(dòng)能夠影響現(xiàn)在城市全要素碳排放生產(chǎn)率的變動(dòng)。與動(dòng)態(tài)面板空間模型相比，普通動(dòng)態(tài)面板模型中數(shù)字普惠金融系數(shù)相對較小，這說明空間效應(yīng)的忽視削弱了數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的促進(jìn)作用。

（二）數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率的影響

在動(dòng)態(tài)空間面板模型的估計(jì)結(jié)果中，數(shù)字普惠金融的系數(shù)在1%的水平下顯著為正，說明數(shù)字普惠金融的發(fā)展能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升，符合本文假設(shè)1。關(guān)于控制變量，經(jīng)濟(jì)發(fā)展水平的系數(shù)在1%水平下顯著為負(fù)，這是因?yàn)橹袊慕?jīng)濟(jì)增長模式以粗放式為主，這種粗放式經(jīng)濟(jì)增長模式只注重經(jīng)濟(jì)增長數(shù)量而忽略了經(jīng)濟(jì)增長質(zhì)量，從而造成二氧化碳排放量過高。城鎮(zhèn)化水平的系數(shù)顯著為負(fù)，快速的城鎮(zhèn)化進(jìn)程造成基礎(chǔ)設(shè)施和能源需求增加，基礎(chǔ)設(shè)施的建設(shè)需要水泥、鋼鐵等建筑材料的大量投入，這會造成大量的二氧化碳排放。對外開放程度的系數(shù)顯著為負(fù)，中國目前仍然是依靠高污染、高排放的資源密集型產(chǎn)業(yè)帶動(dòng)出口，出口貿(mào)易的增加造成能源的過度消耗，從而導(dǎo)致大量的二氧化碳產(chǎn)生。政府干預(yù)程度的系數(shù)顯著為正，目前中國的碳減排工作仍然是政府干預(yù)行為，污染控制的投資離不開政府，統(tǒng)計(jì)數(shù)據(jù)顯示，2006—2017年中國污染治理投資額的年均增長率達(dá)到了1268%，其中大部分污染治理投資額為政府投資。同時(shí)，政府制定的關(guān)于促進(jìn)節(jié)能減排的政策對于節(jié)約資源和降低碳排放量具有積極的帶動(dòng)作用?？茖W(xué)技術(shù)水平估計(jì)系數(shù)顯著為正，科學(xué)技術(shù)水平的提高能夠促進(jìn)投入要素的利用和減少二氧化碳的排放，從而提高碳排放效率。

（三）穩(wěn)健性檢驗(yàn)

我們采取以下兩種方式來檢驗(yàn)估計(jì)結(jié)果的穩(wěn)健性：第一，由于直轄市的經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)與其他城市具有差異性，因此本文剔除北京、天津、上海和重慶四個(gè)直轄市。第二，本文將地理距離權(quán)重矩陣替換成地理和經(jīng)濟(jì)距離嵌套矩陣，地理和經(jīng)濟(jì)距離嵌套矩陣W3=05W1+05W2，其中W1為地理距離權(quán)重矩陣，W2=1/GDPi-GDPj，GDPi為城市i的GDP均值，GDPj為城市j的GDP均值。估計(jì)結(jié)果如表5所示，可以看出主要變量的系數(shù)雖有變化，但顯著性不變，這說明動(dòng)態(tài)空間面板模型的估計(jì)結(jié)果具有穩(wěn)健性。

（四）中介機(jī)制檢驗(yàn)

公式（5）—（8）的估計(jì)結(jié)果如表6所示，其中，模型（1）和（3）表示數(shù)字普惠金融對中介變量的回歸結(jié)果。數(shù)字普惠金融在模型（1）中的回歸系數(shù)在1%的水平下顯著為正，說明數(shù)字普惠金融的發(fā)展促進(jìn)了創(chuàng)新水平的提高，創(chuàng)新水平的提高則促進(jìn)了城市全要素碳排放生產(chǎn)率的提升，符合本文假設(shè)2。數(shù)字普惠金融在模型（3）中的回歸系數(shù)在1%的水平下顯著為正，說明數(shù)字普惠金融的發(fā)展能夠促進(jìn)地區(qū)創(chuàng)業(yè)，從而促進(jìn)城市全要素碳排放生產(chǎn)率的提升，符合本文假設(shè)3。

（五）異質(zhì)性分析

1.數(shù)字金融維度異質(zhì)性分析

由于數(shù)字金融包括覆蓋廣度、使用深度和數(shù)字支持服務(wù)程度三個(gè)維度。因此，我們需要進(jìn)一步分析覆蓋廣度、使用深度和數(shù)字支持服務(wù)程度對城市全要素碳排放生產(chǎn)率的影響，估計(jì)結(jié)果如表7所示。

覆蓋廣度的系數(shù)在1%水平下顯著為正，說明覆蓋廣度的擴(kuò)大能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。覆蓋廣度在一定程度上體現(xiàn)了電子賬戶的覆蓋程度。數(shù)字金融的覆蓋廣度越大，越能夠提高正規(guī)金融機(jī)構(gòu)未能觸達(dá)的那些地區(qū)的創(chuàng)業(yè)水平，創(chuàng)業(yè)水平的提高不僅能夠增加勞動(dòng)者的就業(yè)機(jī)會，而且會迫使那些小微企業(yè)采取更加清潔高效的生產(chǎn)方式提高城市全要素碳排放生產(chǎn)率。

使用深度的系數(shù)在1%水平下顯著為正，說明使用深度的擴(kuò)大能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。使用深度反映了數(shù)字金融的業(yè)務(wù)水平，數(shù)字金融的使用深度越深，金融工具種類越豐富，金融服務(wù)體系越完善，越能夠?yàn)槠髽I(yè)進(jìn)行創(chuàng)新創(chuàng)業(yè)活動(dòng)提供支撐，從而提高城市全要素碳排放生產(chǎn)率。

數(shù)字化程度的系數(shù)在1%水平下顯著為正，說明數(shù)字化程度的提高能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。數(shù)字化程度體現(xiàn)了數(shù)字金融服務(wù)的便利性和低成本。數(shù)字化程度越高，企業(yè)獲得金融服務(wù)的成本越低，金融效率越高。

2.地區(qū)異質(zhì)性分析

由于中國不同地區(qū)的城市全要素碳排放生產(chǎn)率和數(shù)字金融發(fā)展情況具有差異性，我們進(jìn)一步分析了數(shù)字普惠金融對中國東部、中部和西部地區(qū)的城市全要素碳排放生產(chǎn)率的影響，空間動(dòng)態(tài)模型被用來估計(jì)不同地區(qū)的影響。

由表8可以看出，三個(gè)地區(qū)城市全要素碳排放生產(chǎn)率的一階滯后項(xiàng)系數(shù)均在1%顯著水平下為正，這說明三個(gè)地區(qū)的城市全要素碳排放生產(chǎn)率均具有動(dòng)態(tài)效應(yīng)。其中中部地區(qū)的系數(shù)最大，東部地區(qū)次之，西部地區(qū)的系數(shù)最小。這主要是因?yàn)橹胁康貐^(qū)具有較大的經(jīng)濟(jì)發(fā)展和結(jié)構(gòu)調(diào)整潛力，前期經(jīng)濟(jì)的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整更能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。三個(gè)地區(qū)城市全要素碳排放生產(chǎn)率的空間滯后項(xiàng)系數(shù)均顯著為正，說明這三個(gè)地區(qū)的城市全要素碳排放生產(chǎn)率均具有空間溢出效應(yīng)。其中，中部地區(qū)的系數(shù)最大，東部地區(qū)次之，西部地區(qū)的系數(shù)最小，這主要是因?yàn)橹胁康貐^(qū)各城市的技術(shù)水平具有較大的差異性，城市之間的學(xué)習(xí)和交流能夠大幅度地提升城市全要素碳排放生產(chǎn)率，從而使得城市全要素碳排放生產(chǎn)率具有更大的空間溢出效應(yīng)。

關(guān)于東部地區(qū)，數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率產(chǎn)生了積極影響。與國家水平估計(jì)結(jié)果不同的是，對外開放程度的提高能夠提高城市全要素碳排放生產(chǎn)率，這是因?yàn)闁|部地區(qū)主要以出口技術(shù)密集型產(chǎn)品為主，這不會造成環(huán)境污染。同時(shí)，東部地區(qū)能夠積極學(xué)習(xí)國外先進(jìn)的減排技術(shù)，減少碳排放。政府的過度干預(yù)會抑制城市全要素碳排放生產(chǎn)率的提升，這是因?yàn)闁|部地區(qū)的經(jīng)濟(jì)發(fā)達(dá)，環(huán)境制度比較完善，政府的過度干預(yù)會造成資源錯(cuò)配，影響市場的正常運(yùn)行。

關(guān)于中部地區(qū)，數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率產(chǎn)生了積極影響。與國家層面估計(jì)結(jié)果不同的是，經(jīng)濟(jì)發(fā)展水平的估計(jì)系數(shù)并不顯著，這主要是因?yàn)橹胁康貐^(qū)的經(jīng)濟(jì)發(fā)展速度緩慢，不足以對城市全要素碳排放生產(chǎn)率產(chǎn)生影響。科技水平的估計(jì)系數(shù)顯著為負(fù)，這說明科技支出的增加會抑制中部地區(qū)城市全要素碳排放生產(chǎn)率的提升。

關(guān)于西部地區(qū)，數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率產(chǎn)生了積極影響。與全國層面估計(jì)結(jié)果不同的是，城鎮(zhèn)化水平估計(jì)系數(shù)不顯著，這主要是因?yàn)槲鞑康貐^(qū)經(jīng)濟(jì)不發(fā)達(dá)，人口大量流失，城市人口比重不高，不足以對城市全要素碳排放生產(chǎn)率產(chǎn)生影響。政府干預(yù)對城市全要素碳排放生產(chǎn)率的影響并不顯著，這主要是因?yàn)槲鞑康貐^(qū)政府對環(huán)境污染治理的投資較少，無法對城市全要素碳排放生產(chǎn)率的變動(dòng)產(chǎn)生影響。

中西部地區(qū)數(shù)字普惠金融的系數(shù)顯著大于東部地區(qū)。與傳統(tǒng)金融相比，數(shù)字金融更能夠突破空間的限制，給不發(fā)達(dá)地區(qū)帶來更大的邊際效應(yīng)。因此，中西部可以大力發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)城市全要素碳排放生產(chǎn)率的提高，中西部地區(qū)數(shù)字普惠金融均值與東部地區(qū)的比值已經(jīng)從2011年的133變?yōu)?018年的109。借助數(shù)字普惠金融的發(fā)展，部分城市環(huán)境質(zhì)量得到了極大改善。以河南省許昌市為例，許昌市積極響應(yīng)國家政策，大力支持?jǐn)?shù)字經(jīng)濟(jì)的發(fā)展，數(shù)字普惠金融指數(shù)由2011年的4314增長到2018年的22629，二氧化碳排放量由2305萬噸減少至1390萬噸，環(huán)境質(zhì)量得到改善的同時(shí)也吸引了眾多科技創(chuàng)新型企業(yè)。

五、進(jìn)一步分析

空間動(dòng)態(tài)面板模型估計(jì)結(jié)果驗(yàn)證了假設(shè)1，表明數(shù)字普惠金融的發(fā)展能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。在樣本期內(nèi)，數(shù)字普惠金融不斷發(fā)展，城市全要素碳排放生產(chǎn)率也得到了相應(yīng)提高，說明數(shù)字金融可能通過為企業(yè)提供借貸平臺、為用戶提供支付平臺來提高城市全要素碳排放生產(chǎn)率。因此各城市應(yīng)該大力發(fā)展數(shù)字金融，實(shí)現(xiàn)互聯(lián)網(wǎng)和其他行業(yè)的深度融合。同時(shí)，金融監(jiān)管體系的不完善會阻礙數(shù)字金融健康有序進(jìn)行，因此監(jiān)管部門要加大對數(shù)字金融的監(jiān)管力度，使得數(shù)字金融更好地促進(jìn)城市全要素碳排放生產(chǎn)率的提升。

中介機(jī)制檢驗(yàn)結(jié)果驗(yàn)證了假設(shè)2和假設(shè)3，表明數(shù)字普惠金融可能通過提高創(chuàng)新和創(chuàng)業(yè)水平來促進(jìn)城市全要素碳排放生產(chǎn)率的提升。在樣本期內(nèi)，數(shù)字普惠金融指數(shù)均值由5177增長至23344，人均專利授權(quán)數(shù)均值由425增長至943，這說明數(shù)字金融可能通過緩解創(chuàng)新企業(yè)融資約束、降低信息不對稱程度來提高企業(yè)創(chuàng)新水平。城鎮(zhèn)私營個(gè)體從業(yè)人員數(shù)與單位從業(yè)人員數(shù)比值的均值由1增長至15，這說明數(shù)字金融可能通過推動(dòng)不發(fā)達(dá)地區(qū)進(jìn)行創(chuàng)新活動(dòng)、降低小微企業(yè)創(chuàng)業(yè)門檻來促進(jìn)創(chuàng)業(yè)，從而提高城市全要素碳排放生產(chǎn)率。

2018年，單位國內(nèi)生產(chǎn)總值二氧化碳排放量比2005年下降了458%，提前實(shí)現(xiàn)了2020年碳排放強(qiáng)度比2005年下降40%-45%的目標(biāo)，碳減排目標(biāo)的實(shí)現(xiàn)離不開數(shù)字金融的發(fā)展。以廣東省為例，為積極響應(yīng)國家號召，2019年12月，廣東省在廣州、東莞、中山、河源、惠州、韶關(guān)六個(gè)城市進(jìn)行碳普惠制試點(diǎn)。碳普惠制能夠?qū)π∥⑵髽I(yè)和個(gè)人的節(jié)能減碳行為進(jìn)行具體量化，也就是說，個(gè)人進(jìn)行網(wǎng)絡(luò)消費(fèi)、乘坐地鐵、騎共享單車低碳行為都能夠獲得一定的碳幣，用于在平臺上兌換獎(jiǎng)品和優(yōu)惠，這不僅提高了人們的環(huán)保意識，而且對人們的環(huán)保行為具有激勵(lì)作用。據(jù)統(tǒng)計(jì)，2020年線上碳幣兌換已經(jīng)超過五千人次，說明有越來越多的公眾參與到節(jié)能減排行動(dòng)中。

六、結(jié)論和政策含義

基于中國285個(gè)地級市2011—2018年的面板數(shù)據(jù)，本文采用動(dòng)態(tài)空間面板模型分析了數(shù)字普惠金融對城市全要素碳排放生產(chǎn)率變動(dòng)的影響。研究結(jié)果表明：第一，城市全要素碳排放生產(chǎn)率具有空間效應(yīng)。莫蘭指數(shù)證明了城市全要素碳排放生產(chǎn)率具有較強(qiáng)的全局空間自相關(guān)性，Lisa集聚圖證明了城市全要素碳排放生產(chǎn)率的局部空間相關(guān)性和空間異質(zhì)性。第二，數(shù)字普惠金融能夠促進(jìn)城市全要素碳排放生產(chǎn)率的提升。第三，數(shù)字金融對城市全要素碳排放生產(chǎn)率的影響具有異質(zhì)性。從地區(qū)來看，中部地區(qū)數(shù)字金融對城市全要素碳排放生產(chǎn)率的促進(jìn)作用最為顯著，東部地區(qū)次之，西部地區(qū)最弱。從數(shù)字金融維度來看，覆蓋廣度對城市全要素碳排放生產(chǎn)率的促進(jìn)作用最為顯著，使用深度次之，數(shù)字化程度最弱。第四，數(shù)字普惠金融主要通過創(chuàng)新和創(chuàng)業(yè)對城市全要素碳排放生產(chǎn)率產(chǎn)生促進(jìn)作用。根據(jù)研究結(jié)論，政策含義如下：

（1）加強(qiáng)區(qū)域間碳減排的交流與合作。由于中國城市間碳排放具有連續(xù)的動(dòng)態(tài)空間效應(yīng)，本文認(rèn)為各城市應(yīng)積極建立合作交流機(jī)制，相互扶持，發(fā)展各城市自身優(yōu)勢項(xiàng)目，同時(shí)補(bǔ)全其劣勢項(xiàng)目。中國的地域遼闊，地區(qū)發(fā)展十分不平衡，中西部地區(qū)應(yīng)積極學(xué)習(xí)東部地區(qū)的先進(jìn)減排技術(shù)和經(jīng)驗(yàn)，克服經(jīng)濟(jì)發(fā)展的約束，實(shí)現(xiàn)共同進(jìn)步。

（2）平衡傳統(tǒng)金融與數(shù)字金融之間的關(guān)系。傳統(tǒng)金融應(yīng)繼續(xù)完善基礎(chǔ)設(shè)施建設(shè)，為數(shù)字金融的發(fā)展提供平臺和支撐。同時(shí)，應(yīng)大力鼓勵(lì)傳統(tǒng)金融機(jī)構(gòu)運(yùn)用數(shù)字金融技術(shù)，實(shí)現(xiàn)金融的數(shù)字化轉(zhuǎn)型，從而為中小微企業(yè)的發(fā)展提供資金支持，為經(jīng)濟(jì)的發(fā)展提供動(dòng)力。

（3）完善數(shù)字金融監(jiān)管體系。由于數(shù)字技術(shù)和普惠金融的結(jié)合會產(chǎn)生新的信用風(fēng)險(xiǎn)，因此監(jiān)管部門必須要加強(qiáng)行業(yè)準(zhǔn)入監(jiān)管、分類監(jiān)管和合作監(jiān)管，制定行業(yè)準(zhǔn)入標(biāo)準(zhǔn)。同時(shí)建立完善的信息披露機(jī)制，使得企業(yè)能夠公開透明地運(yùn)行，從而最大限度地防范和化解數(shù)字金融所產(chǎn)生的信用風(fēng)險(xiǎn)。

（4）因地制宜實(shí)施數(shù)字金融政策。在東部發(fā)達(dá)地區(qū)，數(shù)字金融覆蓋度高，應(yīng)積極完善金融監(jiān)管體系來防范金融風(fēng)險(xiǎn)，同時(shí)大力鼓勵(lì)金融創(chuàng)新，提高金融服務(wù)效率。在中西部地區(qū)，應(yīng)大力普及數(shù)字金融知識，提高群眾對數(shù)字金融的認(rèn)可度和接受度。同時(shí)完善金融基礎(chǔ)設(shè)施，提高數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度，使得數(shù)字金融能夠更好地服務(wù)于企業(yè)和個(gè)人。

參考文獻(xiàn)：

[1]Le，T.-H.，Chuc，A.T.，Taghizadeh-Hesary，F(xiàn).FinancialInclusionanditsImpactonFinancialEfficiencyandSustainability：EmpiricalEvidencefromAsia[J].BorsaIstanbulReview，2019，19：310-322.

[2]嚴(yán)成樑，李濤，蘭偉.金融發(fā)展、創(chuàng)新與二氧化碳排放[J].金融研究，2016（1）：14-30.

[3]LI，Y.，Yang，X.，Ran，Q.，etal.EnergyStructure，DigitalEconomy，andCarbonEmissions：EvidenceFromChina[J].EnvironmentalScienceandPollutionResearch，2021，17（6）：1-24.

[4]顧洪梅，何彬.中國省域金融發(fā)展與碳排放研究[J].中國人口·資源與環(huán)境，2012，22（8）：22-27.

[5]劉國斌，方圓，楊思瑩.金融發(fā)展、金融分權(quán)與城市環(huán)境污染抑制[J].濟(jì)南大學(xué)學(xué)報(bào)（社會科學(xué)版），2021，31（2）：91-102.

[6]熊靈，齊紹洲.金融發(fā)展與中國省區(qū)碳排放——基于STIRPAT模型和動(dòng)態(tài)面板數(shù)據(jù)分析[J].中國地質(zhì)大學(xué)學(xué)報(bào)（社會科學(xué)版），2016，16（2）：63-73.

[7]Jiang，C.，Ma，X.TheImpactofFinancialDevelopmentonCarbonEmissions：AGlobalPerspective[J].Sustainability，2019，11（3）：5241.

[8]惠獻(xiàn)波.數(shù)字普惠金融與城市綠色全要素生產(chǎn)率：內(nèi)在機(jī)制與經(jīng)驗(yàn)證據(jù)[J].南方金融，2021（5）：20-31.

[9]賀茂斌，楊曉維.數(shù)字普惠金融、碳排放與全要素生產(chǎn)率[J].金融論壇，2021，26（2）：18-25.

[10]萬佳彧，周勤，肖義.數(shù)字金融、融資約束與企業(yè)創(chuàng)新[J].經(jīng)濟(jì)評論，2020（1）：71-83.

[11]唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術(shù)創(chuàng)新——結(jié)構(gòu)特征、機(jī)制識別與金融監(jiān)管下的效應(yīng)差異[J].管理世界，2020，36（5）：52-66，9.

[12]王聰聰，黨超，徐峰，等.互聯(lián)網(wǎng)金融背景下的金融創(chuàng)新和財(cái)富管理研究[J].管理世界，2018，34（12）：168-170.

[13]王洋，謝鐘慧，李新月.數(shù)字普惠金融與創(chuàng)新發(fā)展耦合協(xié)調(diào)發(fā)展研究[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)版），2021（6）：17-26.

[14]傅秋子，黃益平.數(shù)字金融對農(nóng)村金融需求的異質(zhì)性影響——來自中國家庭金融調(diào)查與北京大學(xué)數(shù)字普惠金融指數(shù)的證據(jù)[J].金融研究，2018（11）：68-84.

[15]汪亞楠，葉欣，許林.數(shù)字金融能提振實(shí)體經(jīng)濟(jì)嗎[J].財(cái)經(jīng)科學(xué)，2020（3）：1-13.

[16]Sun，W.，Huang，C.HowDoesUrbanizationAffectCarbonEmissionEfficiency？EvidenceFromChina[J].JournalofCleanerProduction，2020，272（13）：122828.

[17]馬大來，陳仲常，王玲.中國省際碳排放效率的空間計(jì)量[J].中國人口·資源與環(huán)境，2015（1）：67-77.

[18]張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952—2000[J].經(jīng)濟(jì)研究，2004（10）：35-44.

[19]陳龍，李金昌，程開明.中國城市能源效率測算[J].商業(yè)經(jīng)濟(jì)與管理，2016（7）：83-96.

[20]Cheng，Z.，Shi，X.CanIndustrialStructuralAdjustmentImprovetheTotal-FactorCarbonEmissionPerformanceinChina[J].InternationalJournalofEnvironmentalResearchandPublicHealth，2018，15（11）：2291.

TheImpactofDigitalInclusiveFinanceonUrbanTotalFactorCarbon

EmissionProductivity

YAOFeng-ge1，WANGTian-hang1，TANLi-ping2

（1.HarbinUniversityofCommerce，Heilongjiang，Harbin150028，China;

2.Chinanationalknowledgeinfrastructure，Beijing100083，China）

Abstract：HowtomakedigitalinclusivefinancebetterimprovetheproductivityofurbantotalfactorcarbonemissionisagreatsignificancetotherealizationofChina′scarbonemissionreductiontarget.Basedonthepaneldataof285prefecturelevelcitiesinChinafrom2011to2018，thispaperusesthedynamicspatialpanelmodeltoanalyzetheimpactofdigitalInclusiveFinanceonthechangeofurbantotalfactorcarbonemissionproductivity.Theestimationresultsshowthat：First，urbantotalfactorcarbonemissionproductivityhasthecharacteristicsofglobalspatialautocorrelationandlocalspatialcorrelation.Second，digitalinclusivefinancecanpromotetheimprovementofurbantotalfactorcarbonemissionproductivity.Third，theimpactofdigitalFinanceonurbantotalfactorcarbonemissionproductivityisheterogeneous.Fromaregionalperspective，theroleofdigitalfinanceinpromotingurbantotalfactorcarbonemissionproductivityinthecentralregionisthemostsignificant，followedbytheeasternregionandthewesternregion.Fromtheperspectiveofdigitalfinance，coverageplaysthemostsignificantroleinpromotingurbantotalfactorcarbonemissionproductivity，followedbythedepthofuse，andthedegreeofdigitizationistheweakest.Fourth，digitalinclusivefinancepromotesurbantotalfactorcarbonemissionproductivitymainlythroughinnovationandentrepreneurship.

Keywords：digitalinclusivefinance;urbantotalfactorcarbonemissionproductivity;dynamicspatialpanelmodel;intermediarymechanism

（責(zé)任編輯：李江）