數(shù)字金融對綠色經濟效率的影響效應及機制檢驗

姚登寶，杜曉麗

摘要：數(shù)字金融作為金融創(chuàng)新與數(shù)字技術的有機結合，已成為推動綠色經濟轉型的重要力量。通過構建SBM-NDDF-GML模型，測算中國30個省份2011－2020年的綠色經濟效率，并基于雙向固定效應模型、中介效應模型分別檢驗數(shù)字金融發(fā)展對綠色經濟效率的影響效應、中介傳導機制。研究表明：中國各地區(qū)綠色經濟效率隨時間增長，并呈“東、中、西依次遞減”的分布格局；數(shù)字金融能顯著提升我國綠色經濟效率；數(shù)字金融的推動作用存在明顯的結構效應和區(qū)域異質性，表現(xiàn)為數(shù)字金融覆蓋廣度作用最強，使用深度次之，數(shù)字化程度最弱；另外，數(shù)字金融可以通過推動綠色技術創(chuàng)新和促進產業(yè)結構升級兩個渠道影響綠色經濟效率。

關鍵詞：數(shù)字金融；綠色經濟效率；SBM-NDDF-GML模型；中介效應模型

中圖分類號：F832.29

一、引言與文獻綜述

改革開放以來中國經濟發(fā)展迅速，取得了舉世矚目的成就，但我國資源短缺與環(huán)境污染問題日益嚴重，制約經濟綠色高效發(fā)展。《世界能源統(tǒng)計年鑒（2021）》數(shù)據顯示，中國的碳排放連續(xù)增長四年，2020年達到全球碳排放總量的31%；另外，煤炭作為我國能源消費的主體，2021年占比達56%，但煤炭利用效率仍處于低水平[1]。因此，治理環(huán)境污染并提高能源效率已成為我國經濟由量增到質升的關鍵路徑。黨的十八大以來，我國一直注重生態(tài)文明建設，并把綠色發(fā)展理念納入國家戰(zhàn)略層面。在黨的二十大報告中，習近平總書記更是強調“深入推進能源革命，加強煤炭清潔高效利用”，“發(fā)展綠色低碳產業(yè)”，“積極穩(wěn)妥推進碳達峰和碳中和”。由此可見，經濟綠色發(fā)展已成為必然趨勢。

如今，數(shù)字化發(fā)展勢如破竹，新一代信息技術與傳統(tǒng)金融相結合，催生了數(shù)字金融新業(yè)態(tài)。數(shù)字金融是指傳統(tǒng)金融機構和互聯(lián)網企業(yè)利用數(shù)字技術實現(xiàn)融資、支付、借貸等金融服務的新型業(yè)務模式。該模式具有科技與金融雙重屬性，但相較于技術特征，更加偏向金融屬性，其應用信息技術手段產生、收集、處理、共享大量數(shù)據，將傳統(tǒng)金融基于“信用”的框架逐漸改為基于“數(shù)據”的數(shù)字變現(xiàn)，最終回歸服務實體經濟的本質[2]。在開展業(yè)務的過程中，數(shù)字金融憑借其技術優(yōu)勢突破時空限制、改善信息不對稱，可以高效且低成本地緩解金融資源錯配與“流動性分層”[3]；數(shù)字金融還可以降低授信成本，引導資金由低效能部門向高效率部門傾斜，助力能源被高效利用；另外，該業(yè)務的電子信息平臺、線上化操作流程更是掀起了低碳環(huán)保的浪潮，因此數(shù)字金融為經濟高質量綠色發(fā)展創(chuàng)造了新機遇。但其能否真正提高且如何作用于綠色經濟效率？這個問題亟需回答。

對于數(shù)字金融的經濟效應，相關研究從企業(yè)、地區(qū)和個人角度探究了數(shù)字金融對企業(yè)融資、地區(qū)創(chuàng)業(yè)和家庭消費等的影響。唐松等（2020）驗證了數(shù)字金融可以校正金融領域三大錯配問題，有效解決企業(yè)“融資難、融資貴”，助力企業(yè)技術創(chuàng)新[3]；謝絢麗等（2018）證明數(shù)字金融可以增加創(chuàng)業(yè)行為[4]；易行健等（2018）認為數(shù)字金融還通過緩解流動性約束、增加支付便利性促進居民消費[5]。最終，創(chuàng)新創(chuàng)業(yè)行為增加，城鄉(xiāng)居民消費升級等可以作為渠道機制，有效促進經濟增長質量提升，實現(xiàn)經濟包容性增長[6～8]。并且，錢海章等（2020）認為數(shù)字金融可以緩解普惠金融面臨的商業(yè)可持續(xù)性和普惠性難以兼顧的問題，促進經濟在數(shù)量和質量上協(xié)同增長[9]。對于數(shù)字金融的綠色效應，大多研究聚焦環(huán)境治理，并主要關注“雙碳”目標下的碳減排。王軍等（2022）從微觀視角出發(fā)，證明數(shù)字金融通過消費擴張引起家庭消費碳排放增加[2]；王元彬等（2022）以數(shù)字金融的創(chuàng)造性和破壞性為研究起點，應用隨機森林模型得到數(shù)字金融對碳排放的非線性影響[10]；鄧榮榮等（2021）關注城市層面，揭示了經濟增長、產業(yè)結構升級、技術創(chuàng)新是數(shù)字金融提升碳排放績效的主要渠道[11]。總結發(fā)現(xiàn)，這些研究僅從經濟或綠色效應的單一視角出發(fā)，并未體現(xiàn)“既要金山銀山，又要綠水青山”的協(xié)調發(fā)展理念。可持續(xù)發(fā)展是尋求資源利用、環(huán)境保護與經濟增長之間的平衡，因此尋找一個能綜合評價經濟和環(huán)境績效的方法十分必要。

綠色經濟效率是兼顧環(huán)境、資源代價與經濟效益的綜合性比率[12]，因此成為衡量綠色高效發(fā)展的關鍵指標。相關文獻主要研究綠色經濟效率的測度方法和影響因素兩方面內容。在測度方法方面，分為非參數(shù)法和參數(shù)法。非參數(shù)法指數(shù)據包絡分析（DEA），該方法能測算具有多投入與多產出部門或系統(tǒng)的相對效率，不需要主觀設定具體函數(shù)形式，具有較強的客觀性[13]。然而傳統(tǒng)的DEA不能納入非期望產出，于是改進后的SBM模型充分考慮環(huán)境污染等非期望產出，可以更全面評價經濟運行效率。但是，SBM模型嚴格假設期望產出與非期望產出同方向同比例變化。因此，Chung等（1997）[14]和Zhang 等（2013）[15]分別提出徑向和非徑向方向性距離函數(shù)（DDF和NDDF），放寬同方向同比例變化的假設，消除“松弛偏誤”。大多數(shù)研究利用非徑向方向性距離函數(shù)的SBM模型（SBM-NDDF）測度綠色經濟效率[12]。另外，在參數(shù)法中，基于DEA模型，結合生產率指數(shù)可以動態(tài)衡量綠色經濟效率，吳遵杰等（2021）將SBM-NDDF模型與Malmquist-Luenberger指數(shù)結合，拓寬了方法體系[16]。通過分析可知，非參數(shù)法與參數(shù)法有機結合還有待進一步延伸，因此，本文將基于SBM-NDDF模型，利用ML指數(shù)測度綠色經濟效率。

在影響因素方面，研究脈絡大致分為生產要素、經濟現(xiàn)狀以及國家政策三種視角。在生產要素視角下，主要關注技術創(chuàng)新、人力資本、地區(qū)資源等要素[17～19]。在發(fā)展現(xiàn)狀視角下，側重分析城鎮(zhèn)化進程、經濟或產業(yè)聚集如何發(fā)揮作用[20～21]。在國家政策視角下，主要從環(huán)境規(guī)制等政策進行研究[22]。可以看出，綠色經濟效率是生產要素、經濟發(fā)展和政府多方作用的結果，王星等（2022）認為金融從量增過渡到質升后，可較好協(xié)調經濟與綠色發(fā)展[23]。另外，隨著金融縱深發(fā)展，金融要素和資源在空間上快速集中并協(xié)調組合，能形成金融集聚[24]，汪彬等（2022）從空間角度驗證了金融集聚對本地區(qū)綠色經濟效率具有促進作用[25]。數(shù)字金融借助信息優(yōu)勢和時空優(yōu)勢的特點[26]，可以發(fā)揮生態(tài)補償效應和創(chuàng)新協(xié)調效應。但受資源稟賦和經濟發(fā)展制約，地區(qū)需要達到一定的金融和互聯(lián)網發(fā)達水平，數(shù)字金融才能發(fā)揮正向作用[27]。通過上述分析可以看出，雖然研究綠色經濟效率影響因素的文章較多，但較少關注數(shù)字金融如何影響綠色經濟效率。因此，本文基于SBM-NDDF-GML模型測度綠色經濟效率，并進行動態(tài)分析；利用雙向固定效應模型檢驗數(shù)字金融能否提升綠色經濟效率，并分析空間異質性；采用中介效應模型分析數(shù)字金融影響綠色經濟效率的中介機制。

二、理論分析與研究假設

（一）數(shù)字金融對綠色經濟效率的影響效應

數(shù)字金融借助大數(shù)據、智能合約等技術構建金融服務平臺，創(chuàng)造出無紙化的交易模式和無網點化的經營模式，降低了傳統(tǒng)金融的能源消耗，實現(xiàn)金融服務低碳化。數(shù)字金融還能快速篩選和識別綠色投資項目，加速資金向綠色技術產業(yè)轉移[28]。無論在獲取、存儲信息，還是在處理高量級數(shù)據上，數(shù)字金融都具有超高效率的優(yōu)勢，因此它可以高效識別客戶信用，緩解財務信息不完善、抵押品不足等造成的融資約束，將金融服務延伸至長尾客戶，在一定程度改善傳統(tǒng)金融在“屬性錯配”“領域錯配”和“階段錯配”的難題[3]，激發(fā)經濟發(fā)展活力。因此，無論對于環(huán)境改善還是經濟發(fā)展，數(shù)字金融都憑借其獨有的信息優(yōu)勢和時空優(yōu)勢，發(fā)揮著不可或缺的作用。基于此，本文提出如下假說：

H1：數(shù)字金融發(fā)展能提升綠色經濟效率。

（二）數(shù)字金融發(fā)展影響綠色經濟效率的渠道機制

第一，數(shù)字金融發(fā)展可通過推動綠色技術創(chuàng)新影響綠色經濟效率。中小企業(yè)是一國創(chuàng)新的主力軍，但往往面臨資金支持匱乏的難題，迫使部分創(chuàng)新型中小企業(yè)出現(xiàn)短視行為。數(shù)字金融的電子化流程能提高貸款效率，縮短貸款申請時間，使企業(yè)專注于技術研發(fā)；金融機構借助大數(shù)據可以對服務對象“精準畫像”，并基于區(qū)塊鏈技術防止信息被篡改，增強信用識別和信息可信度，使處于財務信息劣勢的創(chuàng)新企業(yè)打破融資困境。另外，數(shù)字金融自身發(fā)展本質為數(shù)字科技的實踐探索，有利于綠色技術在實踐中不斷創(chuàng)新。進一步，綠色技術創(chuàng)新較強的企業(yè)通過綠色清潔技術和先進生產設備降低能耗并提升生產效率，迅速縮小與前沿面的差距。單個企業(yè)或行業(yè)綠色技術創(chuàng)新帶來環(huán)境與市場紅利，通過傳染效應推動國家層面的綠色經濟效率提升。

第二，數(shù)字金融發(fā)展可通過促進產業(yè)結構升級影響綠色經濟效率。數(shù)字金融可以推動數(shù)字產業(yè)化和產業(yè)數(shù)字化，前者可以豐富現(xiàn)有產業(yè)結構，后者的技術特征能吸引人才大量流入，形成聚集效應，加速傳統(tǒng)產業(yè)向知識密集型產業(yè)轉型[29]。另外，數(shù)字金融不僅可以實現(xiàn)消費在量上的增長，還能通過減少“預防性儲蓄”優(yōu)化消費結構[30]，消費結構升級可以帶動市場淘汰部分低端制造產業(yè)，同時迫使企業(yè)進行技術革新和產品升級，而高質量的產品會吸引更多高水平消費者，促使企業(yè)產品進一步優(yōu)化[27]，最終實現(xiàn)產品質量迭代上升，帶動產業(yè)結構合理化和高級化。進一步，合理的產業(yè)結構能最大限度優(yōu)化配置資源，促使資源向環(huán)保且高效的行業(yè)流動，提高綠色經濟效率。

H2：數(shù)字金融發(fā)展可通過推動綠色技術創(chuàng)新和促進產業(yè)結構升級兩個渠道影響綠色經濟效率。

三、我國綠色經濟效率的測算分析

（一）測算方法

本文將數(shù)據包絡分析與參數(shù)法結合，基于包含非期望產出和投入、產出松弛變量的SBM方向性距離函數(shù)，采用非徑向、非角度的度量方法構建全局Malmquist-Luenberger指數(shù)測度綠色經濟效率。因為標準效率模型下有效決策單元效率均為1，無法進一步評價，所以本文采用超效率SBM模型，其允許效率取值大于1，便于有效決策單元之間的比較。

1. 全域生產可能性集

將省份作為基礎決策單元DMU，假設通過加入N中投入要素，能得到M種期望產出和I種非期望產出，則第K個省份在第t期的投入和產出函數(shù)為。

其中，x代表投入，包括勞動投入、資本投入和能源消耗，分別以城市就業(yè)人口、固定資產投資和電力消費量衡量。本文參考單豪杰（2008）[31]的方法，以2011年為基期，將固定資產投入的流量指標轉化為存量指標。Y表示期望產出，以實際GDP衡量，b表示非期望產出，以各省份碳排放量衡量。所有投入產出指標及測算方法見表1。

為避免產生技術倒退的現(xiàn)象，本文強調生產前沿面的一致性和可比性，于是構建DMU的全域生產可能性集：

（1）

其中，表示第k個決策單元在第t期的權重，二重求和表示生產可能性集為全域， 表示規(guī)模報酬可變（VRS）。

2. SBM方向性距離函數(shù)

借鑒劉鉆擴等（2018）[32]的研究，采用SBM-NDDF模型測算綠色經濟效率變化值。這種方法能有效解決生產效率被高估，以及投入、產出不能非比例調整的問題，最大程度地擬合投入、期望產出和污染排放的非期望產出之間的關系。模型定義如下：

（2）

其中，為方向向量，為無效率值，表示投入和產出到達生產前沿面的松弛向量，其數(shù)值分別代表DMU到達生產前沿面投入需要減少的量，期望需要產出增加的量以及非期望產出需要減少的量。

3. GML指數(shù)

本文在SBM-NDDF的基礎上構建全局參比的GML指數(shù)，具體公式如下：

（3）

其中，和分別代表第t期和第t+1期方向性距離函數(shù)。GML指數(shù)反映本年度相對于上一年度綠色經濟效率（GTFP）的變化率，本文將基期2011年的綠色經濟效率設為1，再通過GML指數(shù)連乘得到其余年份的GTFP。另外，該指數(shù)還能分解為效率改善（EC）和技術進步（TC）。前者表示在總的生產前沿不變的情況下，自身通過改善管理模式、優(yōu)化資源配置的方式提升效率；而后者指對生產工藝和制造技能的技術改進，表示社會技術革新帶動生產前沿面的移動。

（二）測算結果分析

選取2011－2020年中國省際面板數(shù)據，借助SBM-NDDF-GML模型測算中國30個省份（不含西藏及港澳臺地區(qū)）的綠色經濟效率，數(shù)據來源于EPS數(shù)據庫、CSMAR和《中國統(tǒng)計年鑒》，將測算的結果按全國、東、中、西部地區(qū)取平均值，結果見表2。

從時間動態(tài)角度看，2011－2020年全國綠色經濟效率平均值呈波動增長趨勢，2011－2018年變化不明顯，2018年以后陡增，2019年出現(xiàn)回落，但仍處于較高水平。進一步，將指標分解為效率改善（EC）的平均值和技術進步（TC）的平均值，可以看出EC均值基本大于TC均值，因此可以推斷綠色經濟效率增長更多依賴于技術效率改善。

從空間差異角度看，將30個省份2011－2020年的綠色經濟效率按區(qū)域劃分為東部、中部和西部地區(qū)。東部地區(qū)包含110個樣本，其中有79個決策單元效率大于1，占東部樣本的71.82%；中部地區(qū)包含80個樣本，其中有43個決策單元效率大于1，占中部樣本的53.75%；西部地區(qū)包含110個樣本，其中有31個決策單元效率大于1，占西部樣本的28.18%，因此綠色經濟效率在中國各地區(qū)存在明顯“分異”特征。進一步，分別求出東、中、西部樣本的綠色經濟效率平均值，可以看出，各地區(qū)效率平均值隨時間波動遞增，且呈“東、中、西依次遞減”格局，因此，根據綠色經濟效率及其均值，可以推斷我國綠色經濟效率存在地區(qū)差異性，東部綠色經濟發(fā)展較快，中部次之，西部最弱。這可能是由于各地區(qū)經濟和互聯(lián)網發(fā)展水平、金融監(jiān)管程度等因素存在差異。

四、研究設計

（一）變量說明

被解釋變量：綠色經濟效率（GTFP），采用SBM-NDDF-GML模型測度。

核心解釋變量：數(shù)字金融（DE），選取北京大學數(shù)字金融研究中心公布的《北京大學數(shù)字普惠金融指數(shù)（2011－2020）》衡量。為消除量綱上的差異，將數(shù)字金融指數(shù)除以100。

中介變量：以實質性創(chuàng)新（Sub_inno）和策略性創(chuàng)新（Str_inno）為綠色技術創(chuàng)新的代理變量。借鑒余進韜等（2022）的做法[29]，將產業(yè)結構合理化（Thl）和產業(yè)結構高級化（Iss）作為產業(yè)結構升級的代理變量。

控制變量：考慮到遺漏變量會帶來估計誤差，參考余進韜等（2022）的研究[29]，結合數(shù)據的可得性，在模型中加入政府規(guī)模（Gov）、互聯(lián)網普及率（Inter）、城鎮(zhèn)化水平（Urb）、人力資本（Hum）、基礎設施水平（Inf）、外商投資水平（FDI）等控制變量。

（二）數(shù)據來源

以2011－2020年中國30個省份（不含西藏及港澳臺地區(qū)）作為樣本，數(shù)字普惠金融指數(shù)來自《北京大學數(shù)字普惠金融指數(shù)（2011－2020）》，其余數(shù)據均來自EPS數(shù)據庫、CSMAR數(shù)據庫和《中國統(tǒng)計年鑒》，部分缺失數(shù)據采用插值法補齊。

（三）模型設定

為檢驗假設H1，本文以綠色經濟效率為被解釋變量，數(shù)字金融指數(shù)為核心解釋變量建立基準回歸模型，設定如下：

（4）

其中，和分別代表省份和年份，表示綠色經濟效率，為數(shù)字金融指數(shù)。為影響綠色經濟效率的控制變量，和分別表示省份固定效應和時間固定效應，為隨機擾動項。

為探究數(shù)字金融影響綠色經濟效率的中介機制，構建如下遞歸模型：

（5）

（6）

其中，為機制變量，包含綠色技術創(chuàng)新和產業(yè)結構升級。當機制變量的系數(shù)顯著時，表示在數(shù)字金融影響綠色經濟效率的過程中，綠色技術創(chuàng)新和產業(yè)結構升級發(fā)揮著中介效應。

五、實證分析

（一）基準回歸結果

對基準回歸模型進行回歸，表4匯報了面板數(shù)據雙向固定效應模型的估計結果。由列（1）可知，數(shù)字金融的系數(shù)在1%水平下顯著為正，表明數(shù)字金融作為數(shù)字技術與金融的結合，可以有效促進環(huán)境與經濟的協(xié)同發(fā)展。

數(shù)字金融指數(shù)包含覆蓋廣度（Cov）、使用深度（Usa）和數(shù)字化程度（Dig）三個子維度，所以本文將分維度考察數(shù)字金融對綠色經濟效率的異質性影響，結果見表4第（2）～（4）列?？梢钥闯觯瑪?shù)字金融的促進作用存在明顯的結構效應——覆蓋廣度對綠色經濟效率的正向效用最大，使用深度次之，數(shù)字化程度最小。可能的原因是，覆蓋廣度代表用戶的數(shù)量和范圍，是數(shù)字金融發(fā)揮效用的前提，具有決定性作用。覆蓋人群數(shù)量和范圍擴大后可以實現(xiàn)規(guī)模效應，其帶來的低成本使機構有余力拓展用戶的使用深度和數(shù)字化程度，加大對綠色創(chuàng)新型中小企業(yè)的支持力度，推動綠色經濟效率提高。因此，根據基準回歸模型，H1得到驗證。

由于綠色經濟效率可以分解為效率改善和技術進步，本文將從這兩個角度討論數(shù)字金融的異質性作用。分別以效率改善和技術進步為被解釋變量，代入基準回歸模型進行回歸，回歸結果見表4第（5）（6）列?？梢钥闯?，數(shù)字金融系數(shù)均在1%水平下顯著但系數(shù)大小不同，表明數(shù)字金融能以不同的程度促進效率改善和技術進步。從系數(shù)大小來看，數(shù)字金融對效率改善的正向效應大于技術進步?？赡艿脑蚴?，數(shù)字金融的金融屬性大于技術屬性，其更加側重對現(xiàn)有技術的應用，而不是科技研發(fā)，因此，數(shù)字金融雖然能通過優(yōu)化資源配置、提供信貸支持技術進步，但其更多地是利用現(xiàn)有技術改善業(yè)務缺陷，提高金融服務實體經濟的效率。這說明實施“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”政策，推動實現(xiàn)科技強國，仍需大量的資金投入和政府支持，僅依靠數(shù)字金融的作用是不足的。

（二）內生性和穩(wěn)健性檢驗

1. 內生性處理

考慮到數(shù)字金融與綠色經濟效率之間存在雙向因果關系，本文參考曾繁華等（2022）的做法[26]，構建以1998年中國各省份每百萬人郵局數(shù)和每百人固定電話數(shù)量分別與上一年互聯(lián)網用戶數(shù)的交互項作為數(shù)字金融的工具變量，兩變量既滿足與數(shù)字金融高度相關的要求，又不存在與綠色經濟效率的直接關系，滿足外生性要求。使用2SLS方法，估計結果見表5?？梢钥闯觯瑪?shù)字金融仍顯著促進綠色經濟效率，證明本文結論的穩(wěn)健性。另外，使用工具變量法時，LM統(tǒng)計量均在1%水平下顯著，工具變量不存在識別不足或過度識別的問題，Wald-F統(tǒng)計量均大于Stock-Yogo弱識別檢驗10%水平上的臨界值，因此工具變量有效。

2. 穩(wěn)健性檢驗

為避免指標測度異常值帶來的估計誤差，對樣本數(shù)據進行前后1%縮尾處理后再回歸，估計結果見表5第（3）列；另外，將金融發(fā)展水平作為數(shù)字金融的替代變量進行回歸，結果見表5第（4）列?？梢钥闯?，數(shù)字金融對綠色經濟效率的正向作用無明顯變化，說明本文結論的可靠性。

（三）區(qū)域異質性檢驗

考慮到中國地域遼闊，不同地區(qū)有著差異化經濟發(fā)展水平，可能導致數(shù)字金融對綠色經濟效率的影響存在地區(qū)異質性。本文將全國分為東部、中部、西部三大地區(qū)進行分組回歸，結果見表6?？梢钥闯觯跂|部和中部地區(qū)，數(shù)字金融分別以1%和5%顯著性水平提升綠色經濟效率，東部的邊際效用大于中部，但是在西部地區(qū)，這種正向作用并不顯著?？赡艿脑蚴牵桨l(fā)達的地區(qū)數(shù)字技術應用越廣泛，信息基礎設施建設越完善，可以為數(shù)字金融提供更良好的業(yè)務環(huán)境，更容易形成規(guī)模效應，從而更有利于綠色經濟效率提升。

為探究深層次原因，本文從數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度三個子維度進行空間異質性分析，回歸結果見表7?？梢钥闯?，在東部地區(qū)，三個子維度的系數(shù)均顯著為正，且覆蓋廣度的系數(shù)最大，這與總指數(shù)的區(qū)域異質性分析一致。在中部地區(qū)，使用深度和數(shù)字化程度的系數(shù)均在5%水平下顯著。在西部地區(qū)，只有數(shù)字化程度顯著為正，其余維度系數(shù)均不顯著，可能是受制于信息基礎設施建設不完善和人均受教育程度較低，因此西部地區(qū)對新事物的接受程度不高，所以在該地區(qū)推廣數(shù)字金融的成本較高，拓展用戶接受其他金融服務的難度更大，而數(shù)字化程度代表的移動支付便利等，為西部地區(qū)的交易帶來極大的便捷性，因此更容易被人們接納，這也顯示出數(shù)字金融中數(shù)字化支付的普惠性。

（四）中介機制檢驗

1. 綠色技術創(chuàng)新

將實質性創(chuàng)新（Sub_inno）和策略性創(chuàng)新（Str_inno）作為綠色技術創(chuàng)新的代理變量，依次代入遞歸模型進行回歸，根據表8第（1）（3）列可知，代理變量系數(shù)分別在5%和10%水平下顯著為正，表明數(shù)字金融顯著推動綠色技術創(chuàng)新。根據第（2）（4）列可知，代理變量系數(shù)均在1%顯著性下為正，說明無論以何種方式刻畫，綠色技術創(chuàng)新對綠色經濟效率的促進作用不變。值得注意的是，（2）（4）列中，數(shù)字金融系數(shù)均小于表4第（1）列的基準回歸系數(shù)，說明綠色技術創(chuàng)新在數(shù)字金融促進綠色經濟效率提升過程中發(fā)揮了部分中介效應。觀察代理變量的系數(shù)大小，發(fā)現(xiàn)實質性創(chuàng)新和策略性創(chuàng)新對綠色經濟效率的正向邊際作用，遠小于數(shù)字金融對綠色經濟效率的邊際作用，這說明，數(shù)字金融可以通過增加綠色技術創(chuàng)新間接提高綠色經濟效率，但這種間接作用小于數(shù)字金融的直接作用。

2. 產業(yè)結構升級

將產業(yè)結構高級化（Iss）和產業(yè)結構合理化（Thl）作為產業(yè)結構升級的代理變量，依次代入遞歸模型進行回歸，根據表9第（1）（3）列可知，代理變量系數(shù)分別在1%水平下顯著為正，表明數(shù)字金融可以顯著促進產業(yè)結構升級。根據第（2）（4）列可知，代理變量系數(shù)均在1%顯著性下為正，說明無論以何種方式刻畫，產業(yè)結構升級對綠色經濟效率的促進作用不變。值得注意的是，（2）（4）列中，數(shù)字金融系數(shù)均小于表4第（1）列的基準回歸系數(shù)，說明產業(yè)結構升級在數(shù)字金融促進綠色經濟效率提升過程中發(fā)揮了部分中介效應。觀察代理變量的系數(shù)大小，發(fā)現(xiàn)產業(yè)結構高級化對綠色經濟效率的邊際作用為負，可能的原因是，產業(yè)結構高級化指第三產業(yè)GDP占第二產業(yè)GDP比重，服務業(yè)過度增加會造成產業(yè)結構不平衡，替代其他產業(yè)對綠色經濟效率的正向作用。產業(yè)結構合理化對綠色經濟效率的邊際效用為正，說明產業(yè)結構合理化代表的資源優(yōu)化配置、公平效率提升，最終會促進經濟綠色發(fā)展。另外，產業(yè)結構合理化的間接作用大于數(shù)字金融對綠色經濟效率的直接影響，其邊際作用大于綠色技術創(chuàng)新的兩個代理變量，說明產業(yè)結構合理化是數(shù)字金融促進綠色經濟效率提高的主要機制，并且這一渠道比綠色技術創(chuàng)新更為順暢。因此，根據中介機制檢驗，H2得到驗證。

六、結論與政策啟示

數(shù)字科技發(fā)展催生了數(shù)字金融新業(yè)態(tài)，為我國高質量綠色發(fā)展帶來新機遇。本文基于SBM-NDDF-GML模型測度2011－2020年中國30個省份綠色經濟效率，并運用雙向固定效應模型、中介效應模型分析數(shù)字金融對綠色經濟效率的影響效應、中介機制，結果表明：數(shù)字金融能顯著提高綠色經濟效率，并存在結構效應和區(qū)域異質性；另外，數(shù)字金融通過促進綠色技術創(chuàng)新和產業(yè)結構升級提高綠色經濟效率。

上述結論具有以下政策啟示：

第一，推動數(shù)字金融發(fā)展，促進經濟綠色高效發(fā)展。政府應抓住數(shù)字革命的時代，加快傳統(tǒng)金融與數(shù)字科技融合，建設數(shù)字金融產業(yè)生態(tài)。比如：加大投入力度，持續(xù)擴大并優(yōu)化金融基礎設施建設，提高數(shù)字金融服務范圍，擴大覆蓋廣度；注重普及金融知識，提高公眾金融素養(yǎng)，增加居民對數(shù)字金融的有效需求，并帶動金融機構進行多樣化產品設計，提高使用深度；通過區(qū)域合作，促進數(shù)字技術迭代升級，并擴大技術應用范圍，推動全面建設數(shù)字基礎設施，充分發(fā)揮大數(shù)據、云計算、區(qū)塊鏈等信息技術的優(yōu)勢，提高金融服務效率，加強數(shù)字化程度。

第二，把握數(shù)字金融影響的區(qū)域異質性，提高政策精準性。推動數(shù)字金融發(fā)展要因地施策、因省制宜，根據地區(qū)經濟發(fā)展水平，確定適合本區(qū)域實際情況的差異化發(fā)展戰(zhàn)略。在中西部地區(qū)應增加營業(yè)網點的數(shù)量，以完善金融基礎設施建設，并通過信息技術進行數(shù)字化，提高金融服務效率并降低交易成本，增強金融可得性，為擴大數(shù)字金融覆蓋范圍打好地基；在數(shù)字金融覆蓋度較高的東部地區(qū)，應積極宣傳金融知識，提高居民對數(shù)字金融服務的熟知度，同時結合數(shù)字科技進行產品創(chuàng)新，建立場景化金融生態(tài)平臺，高質量滿足不同用戶的需求。結合不同地區(qū)特點制定分類政策，從需求端和供給端同時發(fā)力，實現(xiàn)數(shù)字金融均衡協(xié)調發(fā)展。

第三，加強綠色技術創(chuàng)新和產業(yè)結構升級，間接提升綠色經濟效率。政府應實施相關激勵政策，引導金融機構以數(shù)字金融手段加大對綠色創(chuàng)新型中小企業(yè)的支持力度，以此調動創(chuàng)新積極性、提高創(chuàng)新能力和創(chuàng)新效率，最終形成數(shù)字金融與綠色技術創(chuàng)新的良性互動。相比于提高技術創(chuàng)新，更重要的是，政府應借助數(shù)字金融的信息優(yōu)勢，改善產業(yè)結構中資源分配不均、效率低下、污染嚴重的問題，通過淘汰部分落后企業(yè)促進產業(yè)結構合理化。如利用數(shù)字技術精準識別高污染、低效率企業(yè)，加大對其監(jiān)督力度，并通過引導資金流向，形成市場化產業(yè)淘汰和升級機制，促進產業(yè)結構合理化，讓富有活力的產業(yè)結構成為經濟綠色發(fā)展的活水。

參考文獻：

[1]李成宇，張士強.中國省際煤炭資源利用效率研究[J].中國煤炭，2020（3）：13-22.

[2]王軍，王杰，李治國.數(shù)字金融發(fā)展與家庭消費碳排放[J].財經科學，2022（4）：118-132.

[3]唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術創(chuàng)新——結構特征、機制識別與金融監(jiān)管下的效應差異[J].管理世界，2020（5）：52-66.

[4]謝絢麗，沈艷，張皓星，等.數(shù)字金融能促進創(chuàng)業(yè)嗎？——來自中國的證據[J].經濟學（季刊），2018（4）：1557-1580.

[5]易行健，周利.數(shù)字普惠金融發(fā)展是否顯著影響了居民消費——來自中國家庭的微觀證據[J].金融研究，2018（11）：47-67.

[6]張勛，萬廣華，張佳佳，等.數(shù)字經濟、普惠金融與包容性增長[J].經濟研究，2019（8）：71-86.

[7]汪亞楠，葉欣，許林.數(shù)字金融能提振實體經濟嗎[J].財經科學，2020（3）：1-13.

[8]宇超逸，王雪標，孫光林.數(shù)字金融與中國經濟增長質量：內在機制與經驗證據[J].經濟問題探索，2020（7）：1-14.

[9]錢海章，陶云清，曹松威，等.中國數(shù)字金融發(fā)展與經濟增長的理論與實證[J].數(shù)量經濟技術經濟研究，2020（6）：26-46.

[10]王元彬，張堯，李計廣.數(shù)字金融與碳排放：基于微觀數(shù)據和機器學習模型的研究[J].中國人口·資源與環(huán)境，2022（6）：1-11.

[11]鄧榮榮，張翱祥.中國城市數(shù)字金融發(fā)展對碳排放績效的影響及機理[J].資源科學，2021（11）：2316-2330.

[12]劉浩然.京津冀地區(qū)綠色經濟效率測度及影響因素研究——基于超效率SBM和Tobit模型的分析[J].生態(tài)經濟，2022（9）：1-15.

[13]李金培，徐麗群，唐方成，等.公共交通設施規(guī)模對綠色經濟效率的影響[J].系統(tǒng)管理學報，2021（6）：1053-1066.

[14]CHUNG Y H，F(xiàn)ARE R，GROSSKOPF S. Productivity and Undesirable Outputs：a Directional Distance Function Approach[J].Microeconomics，1997，51（3）：229-240.

[15]ZHANG N，CHOI Y. Total-factor Carbon Emission Performance of Fossil Fuel Power Plants in China：a Metafrontier Non-radial Malmquist Index Analysis[J].Energy Economics，2013，40（2）：549-559.

[16]吳遵杰，巫南杰.長江經濟帶綠色經濟效率測度、分解及影響因素研究——基于超效率SBM-ML-Tobit模型的分析[J].城市問題，2021（1）：52-62.

[17]馮銳.金融集聚、綠色技術創(chuàng)新和綠色經濟效率[J].經濟經緯，2022（4）：150-160.

[18]蔡德發(fā)，董秋菊，朱悅，等.產業(yè)集聚、人口結構與綠色經濟效率[J].統(tǒng)計與決策，2022（7）：112-116.

[19]胡博偉，周亮，王中輝，等.干旱區(qū)資源型城市綠色經濟效率時空分異特征[J].資源科學，2020（2）：383-393.

[20]胡安軍，郭愛君，鐘方雷，等.高新技術產業(yè)集聚能夠提高地區(qū)綠色經濟效率嗎？[J].中國人口·資源與環(huán)境，2018（9）：93-101.

[21]林伯強，譚睿鵬.中國經濟集聚與綠色經濟效率[J].經濟研究，2019（2）：119-132.

[22]王東，李金葉.R&D投入強度、環(huán)境規(guī)制與區(qū)域綠色經濟效率[J].生態(tài)經濟，2021（9）：155-160.

[23]王星，趙文娜.金融發(fā)展對綠色經濟效率的影響[J].浙江金融，2022（5）：13-25.

[24]朱廣印，王思敏.金融集聚影響綠色經濟效率的空間機制研究[J].南京財經大學學報，2022（5）：22-32.

[25]汪彬，陽鎮(zhèn)，陳洋毅，等.綠色經濟效率影響機制[J].上海經濟研究，2022（6）：62-77.

[26]曾繁華，肖蘇陽.數(shù)字金融對城市綠色經濟效率的影響[J].統(tǒng)計與決策，2022（15）：144-148.

[27]江紅莉，蔣鵬程.數(shù)字金融對城市綠色經濟效率的影響研究[J].軟科學，2022（4）：37-43.

[28]黃永春，黃瑜珊，胡世亮，等.數(shù)字金融能否助推綠色低碳發(fā)展？[J].南京財經大學學報，2022（4）：88-97.

[29]余進韜，張蕊，龔星宇.數(shù)字金融如何影響綠色全要素生產率？——動態(tài)特征、機制識別與空間效應[J].當代經濟科學，2022（9）：1-17.

[30]江紅莉，蔣鵬程.數(shù)字普惠金融的居民消費水平提升和結構優(yōu)化效應研究[J].現(xiàn)代財經（天津財經大學學報），2020（10）：18-32.

[31]單豪杰.中國資本存量K的再估算：1952～2006年[J].數(shù)量經濟技術經濟研究，2008（10）：17-31.

[32]劉鉆擴，辛麗.“一帶一路”建設對沿線中國重點省域綠色全要素生產率的影響[J].中國人口·資源與環(huán)境，2018（12）：87-97.

（責任編輯：何飛）