數(shù)字金融與碳排放：基于微觀數(shù)據(jù)和機器學習模型的研究

王元彬，張 堯，李計廣

（1. 對外經(jīng)濟貿(mào)易大學國際發(fā)展合作學院，北京 100029；2. 對外經(jīng)濟貿(mào)易大學對外開放研究院國際經(jīng)濟研究院，北京 100029）

2020 年9 月，習近平提出“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］。2021年3月，中央財經(jīng)委員會第九次會議對“十四五”期間為實現(xiàn)“雙碳”目標謀劃了實施方案，標志著碳減排工作上升到新的戰(zhàn)略高度?！笆奈濉币?guī)劃綱要設立專篇對“加快數(shù)字化發(fā)展 建設數(shù)字中國”作出重要部署，提出加快推動數(shù)字產(chǎn)業(yè)化，數(shù)字金融相關行業(yè)作為數(shù)字產(chǎn)業(yè)化的重要內(nèi)容，在加速經(jīng)濟發(fā)展方式轉變、推進數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化進程等方面發(fā)揮著重要作用。2020年中國數(shù)字經(jīng)濟規(guī)模已達39.2 萬億元［2］，逐漸成為中國實現(xiàn)高質(zhì)量發(fā)展的新動能。作為互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈和人工智能等新科技與金融融合的嶄新業(yè)態(tài)，數(shù)字金融的“創(chuàng)造性”和“破壞性”產(chǎn)生了廣泛關注，也備受爭議。亟須深入考察數(shù)字金融對碳排放的影響機制，以更好規(guī)避數(shù)字金融壟斷性等負面效應，引導其走上支持實體經(jīng)濟的健康軌道。然而，中國數(shù)字金融發(fā)展與碳排放的相關研究較少，影響鏈還不清晰。因此，第一次基于城市面板、工業(yè)企業(yè)數(shù)據(jù)庫和瞪羚企業(yè)數(shù)據(jù)庫等匹配的多維微觀數(shù)據(jù)集，結合R語言地理坐標、爬蟲、詞頻分析和企業(yè)生存分析等多項前沿技術構造重要變量，運用雙向固定效應、工具變量和中介效應模型從多個角度實證研究了數(shù)字金融對碳排放的影響及其傳導機制。此外，首次采用機器學習模型研究數(shù)字金融對碳排放的真實非線性效應，并將其與經(jīng)典影響因素進行重要性比較。上述研究不僅有助于豐富數(shù)字金融的實際經(jīng)濟效應和碳排放影響機制的相關理論認識，還將對建設數(shù)字中國和實現(xiàn)“雙碳”目標具有一定政策參考意義。

1 文獻綜述

數(shù)字金融是伴隨著互聯(lián)網(wǎng)及新一代信息科技而誕生的新興行業(yè)［3］，文章從數(shù)字金融概念界定、數(shù)字金融與碳排放的相關研究出發(fā)，回顧相關文獻，進而論述數(shù)字科技產(chǎn)業(yè)化和傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能兩大新機制的理論基礎。

一是數(shù)字金融的界定以及數(shù)字金融與碳排放。數(shù)字金融泛指互聯(lián)網(wǎng)和新一代信息技術如大數(shù)據(jù)、云計算、區(qū)塊鏈和人工智能等與金融相結合的新型業(yè)態(tài)［4］。其對金融理論的邊際創(chuàng)新主要包括數(shù)字足跡（digital footprint）提供了信用評分的新信息，大數(shù)據(jù)充當新抵押擔保工具，區(qū)塊鏈可以提高金融合約的效率，以及新的投融資和風險管理方式等方面［5-6］。測度中國數(shù)字金融發(fā)展較全面和流行的方法是北京大學數(shù)字普惠金融指數(shù)［7］。Zhao 等［8］運用系列外生事件論證了數(shù)字金融對碳排放具有顯著抑制作用的基本結論。賀茂斌等［9］認為，數(shù)字金融通過提升金融服務效率，從而促進區(qū)域技術進步和全要素生產(chǎn)率，降低區(qū)域碳排放。Wang 等［10］、鄧榮榮等［11］發(fā)現(xiàn)數(shù)字普惠金融通過經(jīng)濟增長、產(chǎn)業(yè)結構和技術創(chuàng)新效應影響碳排放。更多文獻沿著數(shù)字金融提高金融體系效率、改善“長尾群體”金融服務可得性和成本的普惠性邏輯，進一步探究其對經(jīng)濟增長、居民收入、消費、創(chuàng)新創(chuàng)業(yè)和零工經(jīng)濟等產(chǎn)生的實際經(jīng)濟效應［12］，為后續(xù)數(shù)字金融影響碳排放的研究提供了理論基礎。但是，一方面，現(xiàn)有數(shù)字金融測度方法不能涵蓋地域、業(yè)務、年限和指標來源等各個維度的全面情況；另一方面，中國數(shù)字金融誕生于互聯(lián)網(wǎng)電子商務發(fā)展的金融需求中，對共享經(jīng)濟、互聯(lián)網(wǎng)借貸等消費端新經(jīng)濟的發(fā)展提供金融支持［13］。因此，對并不直接服務的其他行業(yè)尤其供給端規(guī)模以上企業(yè)的影響機制需要慎重考察［14］。因此，進一步概述數(shù)字科技產(chǎn)業(yè)化和傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能兩大新機制的相關文獻。

二是數(shù)字科技產(chǎn)業(yè)化的機制。學界對廣義的數(shù)字經(jīng)濟界定是以互聯(lián)網(wǎng)以及大數(shù)據(jù)、人工智能、云計算等新興信息技術為基礎的新興經(jīng)濟形態(tài)，包括數(shù)字科技的產(chǎn)業(yè)化和產(chǎn)業(yè)的數(shù)字化兩個方面［15］。根據(jù)柏亮等［16］的定性分析，現(xiàn)階段中國數(shù)字金融發(fā)展主要體現(xiàn)于數(shù)字金融企業(yè)運用數(shù)字科技，提供支付、借貸、消費金融和財富管理等數(shù)字化金融服務的數(shù)字金融2.0 時代。數(shù)字金融在滿足互聯(lián)網(wǎng)等數(shù)字經(jīng)濟企業(yè)的金融服務需求中蓬勃發(fā)展，反過來對數(shù)字經(jīng)濟產(chǎn)業(yè)提供了有力的支持。聶秀華等［17］也發(fā)現(xiàn)，數(shù)字金融有助于激發(fā)大眾創(chuàng)業(yè)和產(chǎn)業(yè)結構優(yōu)化。此外，既有研究普遍認為產(chǎn)業(yè)結構升級對低碳發(fā)展具有重要意義［18］。然而，也有觀點認為當前數(shù)字金融集中服務于需求端，對供給端實體企業(yè)的支持場景較少，實際經(jīng)濟的影響效果存在爭議［13-14］，現(xiàn)有影響鏈既缺乏微觀數(shù)據(jù)的實證證據(jù)，也無法回應爭議。此外，數(shù)字金融支持數(shù)字科技產(chǎn)業(yè)化的機制還缺乏直接實證證據(jù)。

三是傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能機制。數(shù)字科技產(chǎn)業(yè)化的進一步發(fā)展會引導數(shù)字科技與傳統(tǒng)行業(yè)相結合，通過“互聯(lián)網(wǎng)+”“人工智能+”等對傳統(tǒng)商業(yè)和企業(yè)進行數(shù)字化賦能［19］。傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能促進碳減排可能體現(xiàn)在促進了市場整合、支持地區(qū)創(chuàng)新創(chuàng)業(yè)與改善企業(yè)創(chuàng)新資源投入和創(chuàng)新效率。首先是數(shù)字化賦能促進市場統(tǒng)一和強化市場競爭，有利于創(chuàng)新效率的提升。以互聯(lián)網(wǎng)平臺為代表的數(shù)字化賦能深化了全國市場的整合程度，使企業(yè)的創(chuàng)新績效得到提升［20-21］。數(shù)字經(jīng)濟產(chǎn)業(yè)的發(fā)展通過整合市場、知識溢出和要素更有效配置，來激發(fā)產(chǎn)品多樣化需求和企業(yè)追求壟斷競爭的動力，促進創(chuàng)業(yè)和現(xiàn)有企業(yè)的創(chuàng)新［22］。更進一步是創(chuàng)新資源投入和創(chuàng)新效率影響碳排放的相關文獻。生產(chǎn)過程的要素配置結構和效率是影響碳排放的重要機制，如傅京燕［23］認為，物質(zhì)資本密度與能源投入密度存在一定關聯(lián)性，人力資本密度較高的高技術企業(yè)往往效率較高。楊莉莎等［24］認為，資本和勞動力對能源的替代有助于實現(xiàn)碳減排。最后，技術和商業(yè)模式創(chuàng)新是影響碳排放最直觀的因素，生產(chǎn)工藝創(chuàng)新能提高原料使用效率，增加循環(huán)利用，減少單位碳排放。創(chuàng)新力較強的發(fā)展模式往往碳排放會更少［25］。然而，傳統(tǒng)產(chǎn)業(yè)數(shù)字化賦能機制的完整影響鏈還較缺乏微觀數(shù)據(jù)的實證研究。

最后是數(shù)字金融的非線性效應。許釗等［25］和Jiang等［26］發(fā)現(xiàn)，金融科技對農(nóng)業(yè)非點源等污染減排效應的影響呈現(xiàn)出倒“U”型的雙門檻效應。此外，數(shù)字金融發(fā)展水平的常用衡量指標如北大數(shù)字普惠金融指數(shù)等本身存在著從無到有的“偏峰”和各地域不均衡發(fā)展的復雜特性。有鑒于此，機器學習模型作為人工智能領域的重要前沿成果，適配于非線性問題的研究［27］。其相對于因果推斷，其更側重于考察相關因素的作用集中透過某一解釋變量影響被解釋變量的綜合作用力，具有契合復雜經(jīng)濟系統(tǒng)并提高決策預測準確性的政策意義［28］。因此，運用機器學習新方法的研究可以揭示數(shù)字金融對碳排放的真實非線性影響趨勢。

概括來說，既有研究對數(shù)字金融影響碳排放的機制尚存在爭議，還存在影響鏈不夠完整和缺乏微觀數(shù)據(jù)的實證證據(jù)等問題。因此，有待進一步研究以厘清數(shù)字金融實際經(jīng)濟效應的傳導鏈條，有望發(fā)現(xiàn)數(shù)字金融實現(xiàn)碳減排的瓶頸所在。

2 理論機制分析

根據(jù)以上文獻回顧，先從數(shù)字科技產(chǎn)業(yè)化和傳統(tǒng)產(chǎn)業(yè)數(shù)字化賦能兩大維度概括數(shù)字金融對碳排放發(fā)揮的重要作用，后論述數(shù)字金融對碳排放的真實非線性效應。

2.1 數(shù)字科技產(chǎn)業(yè)化效應分析

總的來說，數(shù)字金融支持數(shù)字科技產(chǎn)業(yè)化實現(xiàn)碳減排的邏輯為數(shù)字金融→數(shù)字科技產(chǎn)業(yè)發(fā)展→產(chǎn)業(yè)結構優(yōu)化→總體碳排放量降低。數(shù)字金融被寄望于彌補“數(shù)字鴻溝”，對難以被傳統(tǒng)金融服務覆蓋的“長尾”人群和企業(yè)產(chǎn)生涓滴效應。有大量的研究表明，數(shù)字金融在降低金融服務門檻和提升金融體系效率方面發(fā)揮著重要作用，有利于激發(fā)創(chuàng)業(yè)活動和促進區(qū)域高質(zhì)量發(fā)展［22］。中國數(shù)字金融在誕生之初，為互聯(lián)網(wǎng)、電子商務等數(shù)字經(jīng)濟提供了金融服務保障，與數(shù)字經(jīng)濟企業(yè)相互支持，為互聯(lián)網(wǎng)和新一代信息技術的產(chǎn)業(yè)化和數(shù)字科技生產(chǎn)部門的發(fā)展提供了有力支持。具體來說，一方面，中國數(shù)字金融發(fā)展2.0 的現(xiàn)階段在貨幣基金、網(wǎng)絡貸款和消費金融等領域蓬勃發(fā)展，數(shù)字金融發(fā)展為互聯(lián)網(wǎng)經(jīng)濟、數(shù)字支付、數(shù)字交易平臺等新經(jīng)濟業(yè)態(tài)的產(chǎn)生和發(fā)展奠定了技術和商業(yè)模式基礎。另一方面，數(shù)字金融和數(shù)字經(jīng)濟企業(yè)的示范效應從社會中吸納了大量包括風險投資、股權投資等形式的金融資源，降低了數(shù)字經(jīng)濟行業(yè)的融資約束和融資成本，促進了數(shù)字經(jīng)濟創(chuàng)業(yè)和中小企業(yè)的發(fā)展，為數(shù)字科技產(chǎn)業(yè)的發(fā)展提供了強大助力。大多數(shù)新出現(xiàn)的數(shù)字經(jīng)濟產(chǎn)業(yè)集中在第三產(chǎn)業(yè)，天然具有低碳排放的特點。此外，數(shù)字金融能夠驅(qū)動第三產(chǎn)業(yè)轉型升級和產(chǎn)業(yè)結構的優(yōu)化得到了既有研究證實［29］。因此，提出假說1和第一大機制的假說2.1。

H1：數(shù)字金融發(fā)展可以降低地區(qū)的碳排放。

H2.1：數(shù)字金融發(fā)展通過促進數(shù)字科技產(chǎn)業(yè)的高速發(fā)展，推動產(chǎn)業(yè)結構優(yōu)化，實現(xiàn)地區(qū)總碳排放量的下降。

2.2 傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能效應分析

傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能對碳排放的影響鏈可歸納為數(shù)字金融→傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能→市場整合、企業(yè)優(yōu)勝劣汰→優(yōu)化企業(yè)創(chuàng)新投入和創(chuàng)新績效→高能源利用和碳減排效率→地區(qū)碳減排的邏輯鏈。數(shù)字科技產(chǎn)業(yè)化的進一步發(fā)展勢必延伸至工業(yè)及其他傳統(tǒng)行業(yè)，對其進行數(shù)字化賦能。傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能對碳排放的影響可歸納為以下四個方面：

（1）金融普惠性機制。數(shù)字金融為傳統(tǒng)金融服務難以覆蓋到的長尾群體和企業(yè)的普惠性得到了大量文獻支持，數(shù)字金融通過大數(shù)據(jù)低成本歸集小規(guī)模投資者閑散資金，可以改善中小企業(yè)融資約束［30］。然而，中國數(shù)字金融集中在需求端創(chuàng)新、不直接服務于規(guī)模以上企業(yè)的觀點也得到廣泛支持。解決這一“爭議”的關鍵在于數(shù)字金融降低了數(shù)字經(jīng)濟相關行業(yè)的融資約束和成本，而對規(guī)模以上的廣大傳統(tǒng)企業(yè)直接普惠性不強，其數(shù)字化賦能通過其他機制實現(xiàn)。

（2）市場整合機制。傳統(tǒng)數(shù)字技術互聯(lián)網(wǎng)對產(chǎn)業(yè)的賦能作用在于信息的“脫媒”和減少中間交易環(huán)節(jié)，以平臺經(jīng)濟為代表的數(shù)字化賦能助力了全國統(tǒng)一市場的形成和深化。以大數(shù)據(jù)、區(qū)塊鏈、云計算和人工智能等為代表的新數(shù)字技術也能夠更好整合產(chǎn)業(yè)鏈上下游，促進生產(chǎn)者和海量零散消費者、投資者之間的聯(lián)系。

（3）市場競爭機制。數(shù)字化賦能還體現(xiàn)在降低創(chuàng)業(yè)的注冊、市場信息、交易等門檻，即使對非數(shù)字經(jīng)濟行業(yè)的創(chuàng)業(yè)活躍度也能起到積極貢獻。此外，市場整合度的提升將進一步強化現(xiàn)存企業(yè)的競爭，促進企業(yè)的優(yōu)勝劣汰。這可能同時體現(xiàn)在行業(yè)集中度的下降。

（4）企業(yè)創(chuàng)新投入和創(chuàng)新能力機制。市場整合和市場競爭機制最終需要落腳到微觀企業(yè)行為的改變。市場的整合和企業(yè)競爭的強化有利于激發(fā)企業(yè)為追求壟斷競爭（差異化競爭）和獲取更高利潤而不斷進行產(chǎn)品和服務多樣化的創(chuàng)新努力。這將激勵現(xiàn)存企業(yè)加大創(chuàng)新投入，從而提高能源利用和碳排放效率。而高能耗和碳排放的“粗放型”企業(yè)在競爭中要么被淘汰要么通過創(chuàng)新轉型。此外，互聯(lián)網(wǎng)和新一代數(shù)字技術更加有利于技術和知識的傳播，綠色商業(yè)模式和綠色科技更容易產(chǎn)生溢出效應，有利于工業(yè)和其他傳統(tǒng)產(chǎn)業(yè)的綠色發(fā)展。

綜上，提出第二大機制的假說2.2 和子假說2.2.1-2.2.4。

H2.2：數(shù)字金融發(fā)展通過對傳統(tǒng)產(chǎn)業(yè)進行數(shù)字化賦能，推動傳統(tǒng)產(chǎn)業(yè)實現(xiàn)碳減排。

H2.2.1：數(shù)字金融發(fā)展難以通過對傳統(tǒng)產(chǎn)業(yè)的金融普惠性降低總體碳排放。

H2.2.2：數(shù)字金融發(fā)展通過促進市場整合降低傳統(tǒng)產(chǎn)業(yè)碳排放。

H2.2.3：數(shù)字金融發(fā)展通過強化市場競爭助力傳統(tǒng)產(chǎn)業(yè)碳減排。

H2.2.4：數(shù)字金融發(fā)展有助于激勵傳統(tǒng)企業(yè)的創(chuàng)新投入和提升創(chuàng)新能力，從而減少碳排放。

2.3 數(shù)字金融的真實非線性效應分析

數(shù)字科技的發(fā)展從誕生到產(chǎn)業(yè)的深化廣化是一個非線性的過程。在數(shù)字科技生產(chǎn)部門取得一定程度的積累和發(fā)展之后才能夠?qū)⒂绊懥ν卣怪羵鹘y(tǒng)產(chǎn)業(yè)，對整個社會生產(chǎn)和生活方式產(chǎn)生廣泛變革，最終使產(chǎn)業(yè)結構得到優(yōu)化，對傳統(tǒng)產(chǎn)業(yè)產(chǎn)生賦能使能，從而減少總體碳排放量。數(shù)字金融相關統(tǒng)計指標也顯示出各地區(qū)不平衡和非線性的發(fā)展趨勢?；诖耍岢黾僬f3。

H3：數(shù)字金融發(fā)展對碳排放的影響具有非線性效應。

3 數(shù)據(jù)變量和研究設計

3.1 變量說明

被解釋變量為碳排放量（CO2），采用Chen 等［31］所提供下轄縣排放量加總計算的城市級二氧化碳排放量（百萬t），并取對數(shù)（消除時間趨勢）衡量。

核心解釋變量為數(shù)字金融發(fā)展水平（Digital_Index），由北京大學編制的城市級“數(shù)字普惠金融指數(shù)”代理。另選擇某頭部金融科技借貸企業(yè)2010年10月12日（首筆成功訂單交易日）至2018 年12 月31 日共計943 641 筆成交的借貸訂單樣本，通過熵值賦權法將總借貸額、人均借貸額和每訂單平均借貸額合成為數(shù)字金融綜合指數(shù)（Fintechindex），作為數(shù)字金融發(fā)展的替代指標。

主要中介變量包括數(shù)字科技產(chǎn)業(yè)化（Industrialization）和產(chǎn)業(yè)數(shù)字化（Digitalization）。前者由城市瞪羚企業(yè)數(shù)衡量，由從中國瞪羚獨角獸網(wǎng)站用爬蟲技術搜集的瞪羚企業(yè)微觀數(shù)據(jù)集計算的。瞪羚企業(yè)是指符合國家和?。▍^(qū)）戰(zhàn)略新興產(chǎn)業(yè)方向（如新一代信息技術的大數(shù)據(jù)、物聯(lián)網(wǎng)和云計算等）、跨過創(chuàng)業(yè)期進入高成長期的中小企業(yè)。后者由城市數(shù)字經(jīng)濟網(wǎng)搜集到的產(chǎn)業(yè)數(shù)字化指標表征。

控制變量包括地區(qū)和企業(yè)層面的特征變量。借鑒徐斌等［32］、李治國等［33］、宋德勇等［34］控制影響碳排放的地區(qū)級重要影響因素，包括經(jīng)濟發(fā)展水平（取對數(shù)值，GDP）、資本存量（取對數(shù)值，Capital）、年末總人口對數(shù)值（Pop）、科研綜合技術服務業(yè)從業(yè)人員對數(shù)值衡量的科技投入（Tech）、第三產(chǎn)業(yè)金融業(yè)從業(yè)人員對數(shù)值代理的金融發(fā)展水平（Finance）、利稅負擔（Region_Tax）、互聯(lián)網(wǎng)接入用戶比表示的互聯(lián)網(wǎng)發(fā)展（Internet）、王小魯?shù)龋?5］的地區(qū)市場化指數(shù)（Market）、進出口總額占GDP 比衡量的開放度（Openness）、能源消費量比GDP代表的能源強度（Energy_Inten）、煤炭消費量占總能源消費量比的能源消費結構（Energy_Struc）和各地政府工作報告中環(huán)保相關詞頻（包括“綠色”“低碳”“二氧化碳”“減排”“環(huán)?！薄碍h(huán)境保護”“污染”“能耗”“空氣”“二氧化硫”“生態(tài)”“PM10”和“PM2.5”）表征的環(huán)境保護規(guī)制強度（Environment），以及年平均成交量對數(shù)值衡量的碳排放權交易活躍度（CO2_Trade）和年平均成交價的對數(shù)代表的碳排放交易市場規(guī)制強度（CO2_Price）。上述變量除了控制碳排放的重要影響因素外，對互聯(lián)網(wǎng)和金融業(yè)發(fā)展水平的控制有助于分離數(shù)字金融業(yè)態(tài)的凈效應。企業(yè)級特征變量包括資產(chǎn)總計對數(shù)值衡量的企業(yè)規(guī)模（Size）、年末從業(yè)人員對數(shù)值（Labor）、主營業(yè)務產(chǎn)品銷售收入對數(shù)表示的企業(yè)成長性（Growth）、固定資產(chǎn)比（Fixed_As-set）、資產(chǎn)負債率（Lev）、產(chǎn)出資產(chǎn)比（Output）、稅負（Firm_Tax）、登記注冊類型（Type）和企業(yè)生存年限（Age）。

3.2 數(shù)據(jù)樣本

該研究所使用的基礎數(shù)據(jù)集為2000—2017 年的287個地級市面板數(shù)據(jù)（不涉及港澳臺地區(qū)）。資本存量根據(jù)張軍等［36］的方法計算，碳排放權交易相關指標來自于Wind數(shù)據(jù)庫中各試點地區(qū)碳交易日度數(shù)據(jù)求得。其他地區(qū)控制變量由2000—2019年全時間區(qū)間的國家統(tǒng)計局數(shù)據(jù)庫中整理和合并。

數(shù)據(jù)集二為城市面板與工業(yè)企業(yè)的合并數(shù)據(jù)集。根據(jù)Brandt 等［37］和楊汝岱［38］的方法，通過企業(yè)組織機構代碼、企業(yè)名稱、縣級行政區(qū)劃代碼+法定代表人、縣級行政區(qū)劃代碼+電話號碼+成立年份等識別因子將2000—2013年工業(yè)企業(yè)數(shù)據(jù)庫精確匹配成面板數(shù)據(jù)集，獲得3 977 347個企業(yè)-年份觀測值。再將它與地級市面板數(shù)據(jù)合并，得到1 722 385個城市-企業(yè)-年份觀測值。

3.3 研究設計

首先，運用經(jīng)典線性回歸模型對數(shù)字金融對碳排放的影響進行檢驗。具體來說，針對“北京大學數(shù)字普惠金融指數(shù)”存在內(nèi)生性的問題，運用雙向固定效應模型、工具變量法緩解內(nèi)生性擔憂，探索漸進一致的估計，作為穩(wěn)健性檢驗。上述檢驗還包括進一步控制企業(yè)級特征變量、二位碼的行業(yè)固定效應和企業(yè)個體固定效應進一步緩解內(nèi)生性。針對該指數(shù)指標來源于單一企業(yè)的問題，通過替換數(shù)字金融發(fā)展指標的方式緩解擔憂。固定效應模型如下：

其中：Xi，t為核心解釋變量數(shù)字金融發(fā)展水平，∑α×Controlsi，t包括上述所有地區(qū)級的控制變量，μi、λt分別表示控制了城市和年度固定效應。

其次，運用中介效應模型（中介效應模型雖然受到不少質(zhì)疑，但是結合理論分析的三段式檢驗依然廣泛流行［39］）等方法進行機制檢驗。由于數(shù)字金融衡量指標來源于數(shù)字支付、網(wǎng)絡借貸、網(wǎng)絡消費金融等需求端，因此其對傳統(tǒng)產(chǎn)業(yè)的影響需要更多考察可能的間接機制。

最后，對基礎數(shù)據(jù)集運用機器學習-隨機森林模型研究數(shù)字金融對碳排放的非線性效應。主要理由有二：①各地區(qū)數(shù)字金融的誕生具有明顯“偏峰”或“截尾”特征，其發(fā)展程度產(chǎn)生實際經(jīng)濟效應也很可能具有非線性特征。以“數(shù)據(jù)驅(qū)動”為理念的機器學習模型能以預測準度為準繩更充分利用該變量信息，更接近真實的復雜函數(shù)形式。②隨機森林模型選取一個變量進行節(jié)點分裂的思想契合考察變量重要性，便于將數(shù)字金融的貢獻與影響碳排放的經(jīng)典變量做比較。模型如下：

其中：CO2i，t是被解釋變量碳排放量，Xi，t為核心解釋變量數(shù)字金融發(fā)展水平（Digital_Index），Controlsi，t表示3.1節(jié)中所述地區(qū)控制變量，μk和λt表示加入城市個體和時間虛擬變量，εi，t則代表殘差項，Φ()· 為隨機森林方法構建的非線性模型。

對于無解析式的黑箱（black box）函數(shù)，可以運用畫出的偏依賴圖展示數(shù)字金融對碳排放的邊際效應。其中表示因變量x1的偏函數(shù)，將其他變量(x1，x2，…，xp)對因變量的影響已被積分掉。再運用樣本均值估計總體均值，可得到：

4 實證結果與分析

4.1 描述性統(tǒng)計

表1展示了主要變量的描述性統(tǒng)計。地區(qū)級變量特征來自城市面板數(shù)據(jù)集。企業(yè)級變量為城市面板與工業(yè)企業(yè)的合并數(shù)據(jù)集的結果，經(jīng)過剔除固定資產(chǎn)比、資產(chǎn)負債率和企業(yè)年齡為負等異常值，共得到最大1 721 547 個城市-企業(yè)-年份觀測值。

表1 主要變量的統(tǒng)計特征

4.2 基準模型和穩(wěn)健性檢驗

應用經(jīng)典線性模型論證假說H1，結果見表2（文中所有表格均控制了地區(qū)和年份固定效應及地區(qū)控制變量）。表2 首先展示了模型（1）雙向固定效應的結果，在控制了地區(qū)特征變量后，數(shù)字金融發(fā)展水平每提高一單位，地區(qū)碳排放將顯著下降0.04%。其次展示了工具變量法、替換自變量、控制企業(yè)特征和控制企業(yè)固定效應的結果。張勛等［3］認為，“北大數(shù)字普惠金融指數(shù)”來自于螞蟻集團，其總部位于杭州，因此，其他城市與杭州的距離，作為完全外生的指標，是一個良好的工具變量。運用R 語言地理坐標系統(tǒng)構造該工具變量，結果展現(xiàn)出較好的穩(wěn)健性。針對數(shù)字金融發(fā)展衡量指標來源單一問題，替換頭部金融科技借貸公司的指標數(shù)字金融綜合指數(shù)（Finte-chindex）進行回歸，同樣得到了一致的結果（表2）。運用城市面板與工業(yè)企業(yè)合并數(shù)據(jù)集，控制企業(yè)特征變量可以進一步緩解內(nèi)生性。因此，在模型（1）的基礎上進一步加入企業(yè)特征變量、控制企業(yè)固定效應進行檢驗。最后，拓展樣本時間區(qū)間為2000—2019 年，均呈現(xiàn)出良好的穩(wěn)健性，假說H1得證。

表2 基準模型和穩(wěn)健性檢驗

5 進一步討論

5.1 數(shù)字科技產(chǎn)業(yè)化的機制檢驗

為驗證假說H2.1，首先將城市面板基礎數(shù)據(jù)集與瞪羚企業(yè)數(shù)據(jù)集合并，以數(shù)字科技產(chǎn)業(yè)化（Industrialization）為中介變量，用三段式中介效應模型［40］進行檢驗。由于三段式方程1 結果已在4.2 節(jié)基準回歸中展示，故只展示方程2 和3，檢驗結果見表3。進一步運用第三產(chǎn)業(yè)占GDP 比重衡量產(chǎn)業(yè)結構（Structure）為中介變量，中介效應檢驗結果見表3，三段式回歸均通過了Sobel 中介效應檢驗（溫忠麟等［40］認為，完全中介效應并不會排除其他機制的作用。近年來眾多學者也反對完全依賴檢驗做理論推斷）。說明數(shù)字金融發(fā)展通過促進數(shù)字科技企業(yè)的高速成長和產(chǎn)業(yè)化，優(yōu)化了產(chǎn)業(yè)結構，從而降低碳排放。假說H2.1得證。

表3 數(shù)字科技產(chǎn)業(yè)化的機制檢驗

5.2 傳統(tǒng)產(chǎn)業(yè)數(shù)字化的機制檢驗

為驗證假說H2.2，首先對總體的產(chǎn)業(yè)數(shù)字化進行中介效應檢驗，提供初步的證據(jù)。然后，基于工業(yè)企業(yè)數(shù)據(jù)可得性以及以能源、交通、化工為代表的工業(yè)部門碳排放約占中國碳排放總額80%的現(xiàn)實，從工業(yè)數(shù)字化賦能的多個角度展開論證，即假說H2.2.1—H2.2.4的檢驗。具體通過工業(yè)企業(yè)金融普惠性的“證偽”檢驗，引出工業(yè)數(shù)字化賦能的其他間接機制，包括市場整合、市場競爭和企業(yè)創(chuàng)新等細分方面。

5.2.1 傳統(tǒng)產(chǎn)業(yè)數(shù)字化賦能的機制檢驗

以產(chǎn)業(yè)數(shù)字化（Digitalization）為中介變量，運用城市面板與工業(yè)企業(yè)的合并數(shù)據(jù)集進行中介效應檢驗，結果見表4，通過了部分中介效應的Sobel 檢驗。說明數(shù)字金融發(fā)展可通過地區(qū)的產(chǎn)業(yè)數(shù)字化影響碳排放。

表4 產(chǎn)業(yè)數(shù)字化和金融普惠性的機制檢驗

5.2.2 金融普惠性的機制檢驗

對假說H2.2.1的驗證分為融資約束和融資成本兩個部分的檢驗。首先，出于指標可得性，對傳統(tǒng)產(chǎn)業(yè)金融普惠性的機制檢驗可以近似檢驗對工業(yè)部門的金融普惠性。根據(jù)Hadlock 等［41］的做法，構建衡量融資約束的KZ 指數(shù)（Financing_Constraints）來考察數(shù)字金融是否有助于緩解融資約束的機制。出于城市面板與工業(yè)企業(yè)的合并數(shù)據(jù)集的指標可用性，用營業(yè)收入-營業(yè)成本-所得稅計算經(jīng)營性現(xiàn)金流指標，并用熵值法替代排序邏輯回歸對各指標的賦權加以改進。結果見表4。其后，考察數(shù)字金融是否提供更優(yōu)惠的資金實現(xiàn)碳減排。用利息負債比（Interest）代理企業(yè)融資成本，作為中介變量，結果見表4。可以發(fā)現(xiàn)，均未通過Sobel中介效應檢驗，表明沒有顯著證據(jù)證明數(shù)字金融通過改善工業(yè)企業(yè)“融資難”和“融資貴”問題，助力企業(yè)碳排放活動的投入，假說H2.2.1得證。

上文論證了對傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能并未表現(xiàn)在金融普惠性的直接機制。此外，數(shù)字金融的發(fā)展，集中服務于需求端，極大提升了消費者的福利。但是能否改善供給端企業(yè)的經(jīng)營狀況，企業(yè)因而能投入充足資源致力于提高能源利用效率以減少碳排放？以利潤資產(chǎn)比（Profit）代理企業(yè)經(jīng)營狀況，結果見表4，中介效應并未通過檢驗。說明也未發(fā)現(xiàn)工業(yè)企業(yè)經(jīng)營狀況改善的證據(jù)，因此檢驗通過促進市場整合和市場競爭，從而改變企業(yè)碳排放行為的間接機制。

5.2.3 市場整合的機制檢驗

吳海民等［42］指出，規(guī)模以上工業(yè)企業(yè)異地銷售的情況更常見。由于銷售費用包括了企業(yè)運輸、廣告、展覽、銷售部門差旅費等支出，用占主營業(yè)務收入的銷售費用比（Sale_Cost）能較好衡量其參與外部市場的程度。將其作為中介變量進行中介效應檢驗，結果見表5（下文實證結果均控制了企業(yè)和行業(yè)控制變量）。此外，人均貨運量（Cargo）也能反映該地區(qū)與外部市場的整合程度，中介效應檢驗結果見表5。人均貨運量通過了中介效應Sobel檢驗，銷售費用比雖然未通過中介效應檢驗，但是方程2 顯著，即數(shù)字金融發(fā)展促進了全國統(tǒng)一市場的形成得到驗證，假說H2.2.2得證。

表5 市場整合的機制檢驗

5.2.4 市場競爭的機制檢驗

數(shù)字金融對工業(yè)企業(yè)的數(shù)字化賦能不僅促進了全國統(tǒng)一市場的形成，同時強化了市場競爭，進而引起企業(yè)行為的改變。下面通過企業(yè)的優(yōu)勝劣汰和行業(yè)集中度來論述市場競爭的機制。首先，北京大學企業(yè)大數(shù)據(jù)研究中心根據(jù)包括大中小微和創(chuàng)業(yè)企業(yè)的大數(shù)據(jù)庫測算了地區(qū)新建企業(yè)指數(shù)，以此表征創(chuàng)業(yè)指數(shù)（Entry），作為中介變量，中介效應檢驗見表6。此外，參照Giorcelli［43］，運用跨年匹配后的工業(yè)企業(yè)面板數(shù)據(jù)集，根據(jù)年度關閉企業(yè)和幸存企業(yè)數(shù)估計各地區(qū)分年度的企業(yè)生存率（Survival），再與城市面板與工業(yè)企業(yè)合并數(shù)據(jù)集匹配，其中介效應檢驗見表6。創(chuàng)業(yè)指數(shù)和企業(yè)生存率均通過了Sobel 檢驗，說明數(shù)字金融的工業(yè)數(shù)字化賦能通過提高創(chuàng)業(yè)和降低企業(yè)生存率，即優(yōu)勝劣汰，有利于碳減排。

表6 市場競爭的機制檢驗

市場競爭得到強化的另一表現(xiàn)是市場集中度表征的壟斷程度的下降，壟斷對創(chuàng)新的阻礙是經(jīng)典理論的論斷，提高生產(chǎn)和能源利用效率的創(chuàng)新有利于降低碳排放。參考吳昊旻等［44］的研究，以行業(yè)中類代碼劃分行業(yè)，總資產(chǎn)的赫芬達爾指數(shù)（HHI）可以表征各行業(yè)中以企業(yè)規(guī)模衡量的集中程度，中介效應檢驗結果見表6，通過了Sobel檢驗。說明工業(yè)數(shù)字化賦能通過降低市場集中度實現(xiàn)碳減排，假說H2.2.3得證。

5.2.5 企業(yè)創(chuàng)新的機制檢驗

對市場競爭倒逼現(xiàn)存工業(yè)企業(yè)競爭策略更多轉向創(chuàng)新驅(qū)動發(fā)展進行機制檢驗。管理費用比（Management）會計計量中包含了研發(fā)費用和其他高附加價值的組織管理成本，可以較好衡量企業(yè)為創(chuàng)新驅(qū)動發(fā)展所做的投入。此外，將工業(yè)企業(yè)數(shù)據(jù)庫與專利數(shù)據(jù)庫的匹配獲得企業(yè)級的發(fā)明專利授權數(shù)（Patent）指標，衡量企業(yè)的創(chuàng)新產(chǎn)出。二者中介效應模型結果見表7，均通過了Sobel檢驗，假說H2.2.4得證。

表7 創(chuàng)新投入和產(chǎn)出的機制檢驗

5.3 非線性效應的機器學習模型分析

為驗證假說H3，運用機器學習模型分析數(shù)字金融的非線性效應。針對因變量為連續(xù)變量的隨機森林模型，運用回歸樹為基本學習器，以最小均方誤差為優(yōu)化準則選擇分裂節(jié)點。由于部分控制變量如環(huán)境保護規(guī)制強度（Environment）和開放度（Openness）缺失了部分年份，故分別研究基于全控制變量和全時間區(qū)間的樣本情況，隨機森林和經(jīng)典雙向固定效應的模型表現(xiàn)對比可以發(fā)現(xiàn)，隨機森林模型比經(jīng)典線性模型具有更大擬合優(yōu)勢。

進一步考察數(shù)字金融發(fā)展水平與影響碳排放經(jīng)典因素的相對重要性，用某分裂變量使得殘差平方和下降多少來衡量變量重要性。由于全樣本和全控制變量的變量重要性排序相同，故展示全控制變量的變量重要性排序圖。如圖1所示，數(shù)字金融發(fā)展水平與傳統(tǒng)影響碳排放因素相比，相對效應達到了相同數(shù)量級，而絕對效應更是不可忽視：有相當多研究論證了碳排放權交易對碳減排的重要作用，其與碳排放權交易的相關指標（由于重要性數(shù)值低兩個數(shù)量級而沒能清晰顯示）相比，重要性十分凸顯。并且，數(shù)字金融變量甚至高于環(huán)保詞頻衡量的環(huán)境保護規(guī)制變量，假說H3得證。

圖1 各變量重要性

圖2展示了碳排放對數(shù)字金融的偏依賴關系，曲線刻畫了偏依賴函數(shù)，橫坐標內(nèi)部刻度表示數(shù)字金融發(fā)展水平1/10、2/10，……，9/10 分位數(shù)。因此，對大多數(shù)地區(qū)（3/10-8/10分位），當數(shù)字金融發(fā)展達到一定程度時，其對碳排放量影響為負。在數(shù)字金融誕生之初（1/10 和2/10在0點重合）的尾部區(qū)域，函數(shù)幾乎為水平線，表明影響微弱，而當數(shù)字普惠金融指數(shù)達到200 之后，其對碳排放量的影響又開始轉正。說明數(shù)字金融發(fā)展促進碳減排的效率遇到瓶頸，進一步的發(fā)展造成碳排放的增加量高于減排量，假說3得證。

圖2 碳排放對數(shù)字金融的偏依賴函數(shù)

6 結論與政策建議

基于2000—2019年城市面板和工業(yè)企業(yè)等企業(yè)數(shù)據(jù)庫，采用雙向固定效應、工具變量、中介效應和機器學習模型分別研究數(shù)字金融對碳排放影響的微觀機制和非線性效應。區(qū)別于以往的研究側重于直觀的企業(yè)融資約束和成本等數(shù)字金融的普惠性邏輯，更基于中國數(shù)字金融重點服務于需求端的現(xiàn)實，發(fā)現(xiàn)其主要通過數(shù)字科技的產(chǎn)業(yè)化和傳統(tǒng)產(chǎn)業(yè)的數(shù)字化賦能兩個渠道影響地區(qū)總體碳排放，這很好地統(tǒng)合了有關數(shù)字金融的爭議，既發(fā)現(xiàn)對數(shù)字科技生產(chǎn)部門產(chǎn)生了“普惠性”，而又存在對實體經(jīng)濟支持不足的“破壞性”。主要研究結論包括以下內(nèi)容。

（1）雙向固定效應基準模型驗證了數(shù)字金融發(fā)展對碳排放具有顯著降低作用。此外，運用R 語言地理坐標系統(tǒng)計算各地級市到杭州市距離這一前定變量作為工具變量，通過了工具變量法檢驗。還運用爬蟲技術搜集頭部數(shù)字金融公司的微觀大數(shù)據(jù)，構造數(shù)字金融發(fā)展的替代指標，仍得到一致的結論。控制企業(yè)特征變量進一步緩解內(nèi)生性的結果也表現(xiàn)出良好的穩(wěn)健性。

（2）結合爬蟲、企業(yè)生存分析等技術構造多個角度的中介變量，運用中介效應模型進行機制分析。研究首次發(fā)現(xiàn)，數(shù)字金融通過支持數(shù)字科技產(chǎn)業(yè)化和傳統(tǒng)產(chǎn)業(yè)數(shù)字化這兩大維度的機制影響碳排放。對于前者，數(shù)字金融發(fā)展通過支持數(shù)字科技的產(chǎn)業(yè)化和產(chǎn)業(yè)結構的優(yōu)化降低地區(qū)總體碳排放。對于后者，并未發(fā)現(xiàn)金融普惠性邏輯顯著的實證證據(jù)，而是通過加強市場整合、促進市場競爭和企業(yè)的優(yōu)勝劣汰，激勵企業(yè)加大創(chuàng)新投入和提高創(chuàng)新能力，從而實現(xiàn)地區(qū)總體碳減排。通過上述論證，發(fā)現(xiàn)數(shù)字金融發(fā)展的普惠性主要體現(xiàn)于對數(shù)字科技生產(chǎn)部門提供了金融支持，對傳統(tǒng)工業(yè)企業(yè)的普惠性不強。傳統(tǒng)實體產(chǎn)業(yè)的碳減排是通過加強市場整合和創(chuàng)新能力等數(shù)字化賦能實現(xiàn)。這說明數(shù)字金融直接支持實體產(chǎn)業(yè)的海量應用場景還有待進一步地開發(fā)。

（3）機器學習模型的分析發(fā)現(xiàn)，數(shù)字金融對碳排放量具有非線性效應，此外，變量重要性分析驗證了數(shù)字金融作為新生事物對碳排放影響的重要作用。數(shù)字金融發(fā)展早期階段，主要是數(shù)字基礎設施和數(shù)字科技生產(chǎn)部門產(chǎn)業(yè)化的積累過程，因而對碳排放未產(chǎn)生顯著的降低作用。此后，隨著數(shù)字金融的進一步發(fā)展，對碳減排發(fā)揮了重要正面作用。隨著數(shù)字金融集中于消費端，從而服務于實體經(jīng)濟的效果逐漸衰減，直至表現(xiàn)出對碳減排的負面作用。說明數(shù)字金融吸納了社會金融資源，但是由于缺乏支持實體經(jīng)濟的海量應用場景，促進實體企業(yè)碳減排的進程停滯不前。

上述結論可能具有如下政策啟示：

（1）推進數(shù)字金融深耕實體服務，引導碳金融的數(shù)字化創(chuàng)新。數(shù)字金融作為新生變量對碳減排的重要作用得到驗證。然而，在數(shù)字金融較發(fā)達的地區(qū)，其對碳減排的作用趨向反面，而且，數(shù)字金融影響碳排放的機制較為間接。這昭示著中國數(shù)字金融發(fā)展在需求端著力較多，本質(zhì)原因在于缺乏深耕實體的應用場景。此外，商業(yè)銀行等金融機構參與碳金融的程度和規(guī)模還十分有限，需注重加強引導金融機構運用新一代數(shù)字技術開展碳金融數(shù)字化創(chuàng)新項目。

（2）推動傳統(tǒng)金融機構數(shù)字化轉型，加大投入數(shù)字金融基礎設施建設。數(shù)字金融發(fā)展初期對碳減排效果不明顯，說明數(shù)字金融需要一定的產(chǎn)業(yè)化積累過程，才能產(chǎn)生碳減排等實際經(jīng)濟效應。中國數(shù)字金融正處于傳統(tǒng)金融機構全面應用數(shù)字科技提升金融服務能力的新階段，需要鼓勵傳統(tǒng)金融機構加大數(shù)字化前期投入，筑牢數(shù)字金融海量商業(yè)化應用場景的基礎。此外，也需持續(xù)投入數(shù)字人民幣、大數(shù)據(jù)征信、政府大數(shù)據(jù)開放平臺等有利于降低金融機構支付和投融資成本的數(shù)字金融公共基礎設施和服務。

（3）加強反壟斷監(jiān)管，營造更公平競爭市場環(huán)境。數(shù)字金融通過促進市場競爭助力傳統(tǒng)產(chǎn)業(yè)的數(shù)字化轉型，但是數(shù)字金融本身的壟斷性也受到廣泛關注。一些數(shù)字金融平臺打著“創(chuàng)新”旗號，行“監(jiān)管套利”“新瓶裝舊酒”之實，以平臺的流量壟斷等方式提高了中小企業(yè)的準入門檻。應著力拓展“監(jiān)管沙箱”試點廣度和深度，審慎區(qū)分和甄別阻礙創(chuàng)新和自然壟斷的應用項目，引導數(shù)字金融創(chuàng)新朝著與實體經(jīng)濟共生共榮的包容性增長方式上發(fā)展。