1、第2 1卷第4期2023 年 7 月 Journal of Jiangsu Ocean University(Humanities&Social Sciences Edition)DOI:10.3969/j.issn.2096-8256.2023.04.013“双碳”目标下数字金融对碳排放强度的影响研究江苏海洋大学学报（人文社会科学版）Vol.21No.4July 2023姚磊，张孟磊（安徽大学大数据与统计学院，安徽合肥230031)摘要：近年来，随着金融的数字化转型成为数字经济领域的亮点，“双碳”目标也逐渐成为国内各界关注的焦点。数字金融在助推经济高质量发展的同时，是否能推动低碳发展？基于中
2、国2 8 5个地级市2 0 11一2 0 19年的面板数据，运用计量经济模型研究数字金融对碳排放强度的影响及机理。研究发现：“双碳”目标下，数字金融发展降低了碳排放强度，且可通过提高经济效率、调整产业结构和加强技术创新三条路径间接影响碳排放强度；空间效应分析表明，本地数字金融发展对邻地的碳排放强度具有负向溢出效应；异质性分析表明，数字金融发展水平高的地区对碳排放强度的影响远大于数字金融发展水平低的地区，“胡焕庸线”以东地区数字金融对碳排放强度抑制作用更明显。关键词：数字金融；碳排放强度；中介机制；空间效应中图分类号：F832文献标志码：A文章编号：2 0 9 6-8 2 56（2 0 2 3)
3、0 4-0 12 0-12一、引言我国力争在2 0 30 年前实现碳达峰，力争2 0 6 0 年前实现碳中和，这彰显了我国的国际责任感。然而，根据国际能源署（IEA)公布的报告显示，2 0 2 1年我国碳排放总量为119亿吨，占全球总量的33%，作为化石能源消费大国，如何推动经济向绿色低碳转型，推进“双碳”目标实现，成为我国函待解决的问题。碳达峰、碳中和的实现需要长效的金融支持，而数字金融作为数字技术和金融业务的融合，能对污染形成长效机制的治理。数字金融能够促进产业结构升级和技术创新，进而降低经济发展对化石能源的依赖，最终降低碳排放强度1。2 0 2 3年中国信息通信研究院发布数字化绿色化协同
4、发展白皮书（2 0 2 2 年），指出各行业“双碳”政策中不断引导和加强数字赋能作用，引导生活向绿色转型。在此背景下，研究数字金融对我国碳排放强度的影响具有重要的现实意义。本文可能的贡献如下：（1）研究视角上，立足城市层面数据，从更细微尺度研究数字金融的环境效应，评估数字金融在“双碳”目标中发挥的作用；（2）研究方法上，考虑各地区的空间差异性，利用空间杜宾模型探究数字金融发展对碳排放强度影响的空间效应；（3）研究内容上，相较于大多数学者从经济规模视角人手开展研究，本文从经济效率视角研究数字金融影响碳排放强度的作用机制。*收稿日期：2 0 2 2-0 2-17；修订日期：2 0 2 3-0 3-
5、2 7基金项目：安徽省教育厅重点项目（SK2021A0030)作者简介：姚磊（198 2 一），女，安徽合肥人，安徽大学大数据与统计学院副教授，硕士生导师，博士，主要研究方向为金融统计。第4期姚磊等：“双碳”目标下数字金融对碳排放强度的影响研究121二、文献综述（一）有关数字金融的研究近年来，随着数字技术和金融业务的深度融合，催生了“数字金融”的概念2 。与传统金融不同的是，数字金融能够缩短目标市场与金融机构之间的距离，提高金融行业人员的便捷性和灵活性，延长长尾服务人群3。一直以来，学术界对传统金融效率低下、信息不对称等问题表示担忧，数字金融的出现很好地解决了这些问题，现有文献主要探讨了数字金
6、融的概念及其测度。数字金融泛指新一代的信息技术，如云计算、区块链和互联网与金融结合的新型业态2 。数字金融相对于传统的金融来说，区别主要在于运用大数据充当担保工具、运用区块链提高金融合约的效率以及提供新的风险管理方式等多个方面 。目前测度数字金融发展程度最流行和最常用的指标是由北京大学数字金融中心提供的数字普惠金融指数5。综上，本文用数字普惠金融指数作为数字金融的代理变量。（二）有关碳排放强度的研究目前有关碳排放强度的研究，大多基于碳排放强度的定义及影响因素两个方面展开。关于碳排放强度的定义，大多数学者沿用了2 0 0 9 年首次提出的概念，即每单位GDP所产生的二氧化碳排放量，但对于不同的研
7、究行业和研究区域，不同的学者也给出了不同的定义。在工业生产部门中，碳排放强度是指工业二氧化碳排放量和工业增加值之比6 。在农业生产部门中，碳排放强度是指农业生产效益所消耗的碳量，即总的农业碳排放量占农业总产出的比率7 在电力行业，碳强度被定义为发(用)电产生碳量、输人(出)电产生碳量之和与发（用)电量、输入（出)电量之和的比值8 。在计算地区的碳排放强度时，该指标是指各个城市的总二氧化碳排放量占GDP的比例 。在计算城镇住宅碳强度时，其被定义为住宅过程中产生的碳排放量与家庭住宅面积的比值10 。综上，在不同的研究领域，碳排放强度都是以碳排放量占经济规模的比率来度量的。关于碳排放强度的影响因素，
8、现有的研究重点讨论了经济发展、财政支出、产业结构11、政府竞争、能源消耗、技术创新12 、传统金融等因素对碳排放强度的影响，而研究数字普惠金融对碳排放强度影响的文章还较少13（三）有关数字金融对碳排放强度影响的研究现有的文献大多在研究数字金融的经济效应，如数字金融与制造业生产率14、数字金融与高质量就业15、数字金融与包容性增长16 等，鲜有文章关注到数字金融对环境产生的影响。自从我国在联合国大会上提出“双碳”这一战略目标之后，学者们逐渐开始研究数字金融的发展对环境的影响。许钊等提出数字金融在污染排放方面的作用17，李少林等探讨了区块链在环保方面的作用18 ，但具体关于数字金融与碳排放强度关系
9、的研究则更少，只有少数学者从理论上分析了数字金融如何影响碳排放强度。如陈永伟研究发现，数字金融通过“去存量”和“减增量 两种方式降低碳排放强度19。耿海清则认为应该从政府和企业的角度出发，探究如何降低碳排放强度2 0 。这些研究只是浅显地谈论了数字金融如何对碳排放强度产生影响，影响链还不够清晰，缺乏实际的数据支撑。综上，大多数学者仅研究了数字金融的经济效应，对于数字金融环境效应的研究甚少。鉴于此，本文基于2 0 11一2 0 19年2 8 5个地级市的面板数据，研究数字金融对碳排放强度的影响及作用机制，深人探究了数字金融发展影响碳排放强度的空间效应。并以一种新的思路和视122角，将数字金融引人
10、到各地政府的碳减排政策制定中，通过数字化手段提高碳减排效率，实现经济的可持续发展。三、理论分析与研究假说（一）数字金融对碳排放强度的直接影响数字金融是一种以数字技术为基础，以大数据和云计算为核心的新型金融业务，其包含的在线支付、网上信贷等金融服务都具有环保性，例如：银行在网上为公司提供信贷产品和服务，从而降低线下服务产生的碳排放。数字金融在碳排放强度上的作用主要体现在两个方面：第一，金融机构可以将金融资源配置给环境友好型的企业，对于那些高污染高耗能的企业减少资源配置，建立和完善基于数字化平台的金融资源配置系统2 1；第二，数字金融服务平台通过对企业披露的信息核查、整理，为政府部门提供大量的有关
11、企业环境信息，减少政府信息搜集的成本，精准找到高污染高排放企业，并制定相关的奖惩政策，在保证生产质量的前提下提高企业减排积极性。鉴于此，本文提出假说1：数字金融可以降低碳排放强度。（二）数字金融对碳排放强度的作用机制本文借鉴Grossman22对于经济活动环境效应的研究思路，探究数字金融对碳排放强度的作用机理：第一，数字金融通过数字技术促进经济效率的提升，从而对碳排放强度产生影响；第二，数字金融依托大数据平台，有效地推动产业更新换代，促进产业向中高端升级，从而影响碳排放强度；第三，数字金融通过缓解企业融资压力，使公司能够将更多的资金投人到技术创新中，进而对碳排放强度产生一定影响。综上，本文认为
12、数字金融对碳排放强度的影响机制分为经济效率效应、产业结构效应和技术创新效应，具体的分析如下。1经济效率效应经济效率效应体现在金融资源的搜集和金融资源的供给上。在金融资源的搜集方面，金融机构利用大数据、云计算等数字技术，以低廉的成本将搜集到的金融资源转化为有价值的信息，同时数字技术将传统的线下金融服务转换为线上，提高了效率。在金融资源的供给方面，数字金融独有的鲶鱼效应、资金放大器和信息共享功能为中小企业提供融资支持，继而提高企业生产效率2 3。鉴于此，本文提出假说2 a：数字金融通过经济效率效应降低碳排放强度。2产业结构效应产业结构升级效应体现在供给和需求两个层面。供给端，企业可以充分利用数字金
13、融平台所提供的用户信息，进行用户喜好分析，运用信息化技术，实现商业模式的创新与整合，从而促进产业结构的升级2 4。需求端，一方面，数字金融包含的如京东白条、蚂蚁花呗等信贷服务，能够满足年轻人超前消费的心理2 5；另一方面，数字金融通过其高效率的特性，解决了农村地区“金融排斥”的问题2 6 。居民消费需求的增加会倒逼产业结构升级，影响碳排放。鉴于此，本文提出假说2 b：数字金融通过产业结构升级效应降低碳排放强度。3技术创新效应数字金融可以提升城市的创新能力，通过集聚人才和增加科技金融供给改善城市创新环境，加快城市数字化转型2 7，推动各城市之间创新合作、知识共享、资源共享，产生数字金融赋能作用2
14、 8 ，进而发挥数字金融的技术创新效应。鉴于此，本文提出假说2c:数字金融通过增强技术创新降低碳排放强度。（三）数字金融对碳排放强度影响的空间效应由于我国区域间的山川河流相互依存，相邻地区有着广泛而密切的关系，因此，在地理距江苏海洋大学报（人文社会科学版）2023年7 月第4期离相近的区域内宏观因素之间不可避免会相互影响。碳排放强度存在着一定的外部性特点，区域间的碳排放强度可以产生空间溢出效应2 9。而基于新基建、信息网络等基础设施的发展，数字金融突破了传统金融的区域分割,加强了区域间的要素关联。因此，在探讨数字金融对当地碳排放强度的影响时，应该考虑到邻近区域是否也会被影响。鉴于此，本文提出假
15、说3：数字金融发展降低本地碳排放强度的同时，也会降低邻地的碳排放强度。四、研究设计（一）模型设定基于前文的理论分析，构建基准回归模型：ceit=。+idfi,十controli十入,十n十eit其中，cei,为城市i在t年的碳排放强度；dfi,为城市i在t年的数字金融发展水平；con-trolit为控制变量；入；为个体固定效应，n为时间固定效应，eit为随机扰动项。由前文的理论分析得知，1的期望值为负数。(二)变量选取1被解释变量本文选取碳排放强度（cei)作为被解释变量，用碳排放量与GDP的比值来衡量。2解释变量本文选取数字金融发展程度(df)作为解释变量，用北京大学数字金融研究中心提供的数
16、字普惠金融指数作为其代理变量，将该指数除以10 0。3中介变量经济效率(ee)：参考田皓森等30 的研究，选取地区生产总值与全社会从业人员数的比值表示经济效率。产业结构（industry）：用第三产业增加值与GDP的比值表示。技术创新（lninnov)：用专利申请量的对数表示，借鉴白俊红等31 的方法根据各专利的创新程度赋予其不同的权重，将发明、实用新型、外观设计专利赋予0.5、0.3和0.2 的权数，将其加总得到专利申请量，并取对数。4控制变量本文参照已有的文献，控制了以下可能影响碳排放强度的变量。人口密度（lndensity）：用年末户籍人口与行政区域土地面积的比值表示，并取对数，人口密度越大的城市碳排放可能越高，进而影响碳排放强度。政府干预（fiscal）：选取财政支出占GDP的比值表示。环境规制（er)：参考邝嫦娥32 的做法，选取市辖区绿化覆盖率表示，一般绿化覆盖率越大的城市环境规制强度越大，将绿化覆盖率除以10 0。能源消耗（enery）：选取人均全年用电量表示。（三）数据来源与样本选取为确保数据的完整性，本文选取2 0 11一2 0 19 年中国2 8 5个地级市面板数据
