■刘广州 刘婧
近年来，我国经济已从高速增长逐渐步入高质量发展阶段，绿色创新和经济社会绿色转型正成为时代热点。2020年，习近平总书记在联合国大会上宣布，我国将在2030年实现“碳达峰”，在2060年实现“碳中和”。2021年3月，“十四五”规划也明确提出要大力发展绿色技术创新，推动社会绿色转型升级。在此背景下，如何更好地驱动绿色创新，引导各类生产向绿色行业聚集以实现经济发展方式向集约型转变是亟待关注的问题。科技创新是我国实现“双碳”目标的基础，绿色创新是推动绿色技术发展、改善生态环境和实现全社会绿色转型的有效途径。然而，我国传统金融市场存在较为严重的结构性问题，金融排斥现象时有发生[1]，加之绿色创新活动具有周期长、高风险和双重外部性等特征，导致绿色创新主体面临严重的融资约束[2]，难以获得持续稳定的资金。《关于构建市场导向的绿色技术创新体系的意见》明确指出，要积极开展金融创新，构建市场化导向的绿色创新体系。近年来，数字金融依托于“大、智、物、云”等数字化技术正经历快速发展，凭借其高效率、高地理穿透性、高触达率和全方位性等优势，扩大了金融服务覆盖群体，缓解了企业的融资约束，已逐渐渗透到生产和生活的各个方面。数字金融的发展深度契合绿色创新的需要，为市场机制导向下赋能绿色创新提供了新的研究视角。那么数字金融的发展对绿色创新能否产生影响？若能，这种影响是通过何种机制实现的？其影响是否存在空间溢出效应？回答上述问题对于识别绿色创新的影响因素，挖掘数字金融的生态效益，以及深化数字金融影响绿色创新效果和机制的认识，具有重要的理论和现实意义。
与本文相关的研究有两个方面，一是数字金融的影响，二是绿色创新的影响因素。关于数字金融的研究，主要分为微观和宏观两个层面。在微观层面，部分学者发现数字金融不仅能够直接影响企业创新，而且可以通过缓解融资约束[3]、降低企业杠杆[4]、缓解金融错配[5]等渠道促进企业创新。在宏观层面，已有研究主要集中在数字金融对区域创新[6]、创业[7]、缩小收入差距[8]、促进产业结构升级[9，10]、助力经济增长[11]等方面的影响。与本文密切相关的是数字金融对区域创新的影响，部分学者研究发现，数字金融可以通过完善基础设施建设[12]、改善地区信贷资源配置与提升居民需求[13]、促进产业结构高级化[6]等渠道促进区域创新。关于绿色创新影响因素的研究，主要围绕企业内部特征（盈利能力、高管特点、公司治理能力、技术能力等）、需求（公众环保意识与产品偏好等）和环境规制与政治资源层面展开。Li等[14]研究发现当企业盈利能力越强其绿色产品创新能力就会越高。侯艳辉等[15]利用54 家知识型企业样本研究发现，市场绿色压力能够显著正向影响绿色创新。李青原等[16]认为环境规制确实能够促使企业进行绿色技术创新。
梳理已有文献可以发现，以往研究主要关注企业内部特征、公众需求以及制度环境对绿色创新行为的影响，仅有部分文献关注了数字金融对绿色全要素生产率的影响[17，18]，鲜有直接关注数字金融对绿色创新影响的研究成果。与本文研究最为紧密相关的文献主要探讨了数字金融是否通过缓解融资约束来促进企业绿色创新[19]，但仅探讨了融资约束这一种中介路径，缺乏对其他路径的分析。
针对现有研究的不足，本文聚焦于数字金融和绿色创新，可能的边际贡献有：第一，将数字金融纳入提升绿色创新水平的分析框架，探讨数字金融及其三个子维度能否赋能绿色创新，并从空间相关性视角分析数字金融对城市绿色创新的空间溢出效应。第二，从融资约束、劳动力素质和产业结构合理化、高级化视角出发，揭示数字金融对绿色创新的作用机理。第三，基于地区、非国有经济规模和环境规制强度进行多重异质性分析，理清了数字金融在不同地区、不同非国有经济规模以及不同环境规制强度下绿色创新效应的差异，为分类施策促进绿色创新和绿色转型提供参考。
（一）数字金融对绿色创新的直接影响
作为典型的周期长、高风险、高成本的资本密集型投资，绿色创新活动相比其他活动而言更易受到强融资约束，面临着创新资源紧缩的局面。在企业绿色创新过程中，金融资源的有效供给是绿色创新环境的核心组成部分，直接决定着绿色创新活动的成败[19]，但现有金融机构往往出于规避风险的目的，极少给予这类绿色创新项目长期的信贷支持。传统金融市场环境中存在着金融歧视和“嫌贫爱富”的现象。一方面，欠发达地区由于受到地理位置和距离限制，金融资源聚集的“马太效应”愈发明显[20]；
另一方面，那些真正开展绿色项目、有旺盛融资需求且转型速度快的“专精特新”企业，由于无法提供银行等金融机构所需的贷款抵押物以及存在信用风险等问题而无法获得信贷支持[3]。这就直接限制了上述群体的创新强度和创新主动性，最终导致融资约束成为阻碍绿色创新的首要难题。数字金融作为数字化技术和金融深度融合的产物[1]，依托数字金融科技，盘活了游离在正规金融机构之外的金融资源，提高了资源的配置效率[21]。具体而言，第一，数字金融采用物联网、大数据等技术可以打破供需双方的物理地理限制和传统金融环境下的“二八定律”，提升金融服务的触达能力和覆盖广度，助力欠发达地区和中小企业进行绿色创新。第二，数字金融的发展有利于金融资源的开发，数字金融通过延伸其使用深度可为绿色创新主体提供支付、信贷、保险、投资及货币基金等服务，降低金融服务准入门槛和交易成本，拓展服务边界。第三，数字金融与数字化技术深度融合，可借助数字金融平台，低成本和低风险地收集碎片化、海量化的企业信息，降低供需双方的信息不对称程度并精准高效识别有潜力的投资项目，减少道德风险和逆向选择的发生[22]，助力金融服务的移动化、便利化和实惠化，进而促进绿色创新的发展。基于以上分析，本文提出如下假设：
H1：数字金融的发展可以正向激励绿色创新。
H2：数字金融的覆盖广度、使用深度及数字化程度可以正向促进绿色创新。
（二）数字金融对绿色创新的间接影响
1.数字金融可以通过缓解融资约束的传导渠道促进绿色创新
绿色创新兼具环保和创新的双重属性，必然会面临更多的研发成本和更高的风险，且具有较低的收益率和较大的收益不确定性，因此投资者的积极性较低[23]。作为全新的金融业态，数字金融依托“大、智、物、云”等数字化技术打破了传统金融的藩篱，为缓解绿色创新活动的融资困境提供了多种可能。数字金融主要通过增量补充和存量优化两方面来缓解融资困境。增量补充方面：首先，借助数字化技术可将长期游离在正规金融体系之外以“多、小、散”为特征的金融资源进行有效盘活和聚拢，满足那些受金融排斥的中小企业及欠发达地区的融资需求，拓展服务边界，增加企业或地区的绿色创新资金供应。其次，借助数字化服务平台可以提升信息收集和处理能力，能够缓解借贷过程中供求双方的信息不对称，并可依托大数据等技术实现不同主体间信息的整合和快速匹配，构建第三方征信体系，优化风险评估[24]，解决绿色创新中的信贷错配问题。存量优化方面：首先，数字金融的发展会加剧银行等金融机构竞争，引发“鲶鱼效应”，促使银行资产端风险偏好上升，增加风险投资。其次，数字金融作为一种金融溢出能够在跨业竞合和同业竞争中产生“示范效应”，倒逼商业银行等传统金融机构进行数字化转型[4]，提升银行信贷效率。基于此，本文提出如下假设：
H3a：数字金融可以通过缓解融资约束进而促进绿色创新。
2.数字金融可以通过提升劳动力素质的传导渠道促进绿色创新
资本和劳动力是生产函数的两大前置因素。依据“资本—技能互补”假说[25]，资本和技能劳动力具有互补性。数字金融的发展一方面解决了创新主体持续稳定的资金供给问题，另一方面更多资本也增加了对技能劳动力的需求。从另一角度来讲，金融资源在教育投资、经验积累、短期培训等高技能人才培养方面发挥着作用[26]。当信贷市场不完善时，缺乏财富积累的群体可能无法获得充足的资金以支付教育或培训费用，从而倾向于放弃自身投资，进而影响劳动力技能水平[27]。王永中等[28]所构建的包含金融因素的人力资本积累模型也发现，金融部门的发展可以缓解信贷约束，增加人力资本投资，进而促进劳动力素质提升，助力技术创新型人力资本的积累。因此，当外部融资约束得到改善时，企业就可以选择最优的资本结构，增加创新投资以提升要素生产率[29]，而数字金融能够优化企业外部融资环境，拓展融资渠道，矫正信贷资源错配并降低融资成本，从而有助于创新主体增加创新和技能劳动力投入，激发创新活力，进而带动绿色创新能力的提升。基于上述分析，本文提出如下假设：
H3b：数字金融可以通过提升劳动力技能素质进而促进绿色创新。
3.数字金融可以通过产业结构优化升级的传导渠道促进绿色创新
若金融的发展能与产业结构相适应，就会出现有助于产业要素禀赋结构的调整，进而推动产业结构优化升级和经济社会发展[30]。数字金融作为一种新的金融模式，具有平台化、数据化、普惠化等特征，其内生于实体经济发展的现实需要，能够优化金融市场结构，弥补传统金融的内在缺陷，纾解企业的融资困境，助力产业结构的优化升级。杜金岷等[9]、唐文进等[10]也都证实了这一结论。具体而言，首先，大数据、区块链等数字化技术的运用使得数字金融可以盘活传统正规金融体系外的金融资源，并通过数字化金融服务平台迅速精准匹配产业链的各个需求端，优化信贷资金配置，为产业发展提供及时有效的资金支持和契合的数字金融服务[31]，加快产业转型升级。同时，数字金融可利用信息收集和处理技术，遴选出具有高认可度的优质绿色技术创新型项目[32]，引导资金流向技术或资本密集型产业以重塑产业发展方向，进而促进产业结构优化升级。其次，马斯洛需求层次理论表明，居民需求层次和偏好会随生活水平的提高而发生转变。数字金融的发展一方面能够带动经济增长和居民收入水平的提升[11]，另一方面数字金融的消费信贷功能（蚂蚁花呗、京东白条等）能够刺激居民消费规模扩张。社会群体消费需求和消费活力的释放能够促进消费者对产品和服务品质要求的提升，倒逼需求端产业结构升级[33]。此外，根据绿色经济的发展规律来看，产业结构优化升级往往伴随着“结构红利”的持续释放。新旧产业的更迭促使高技术、清洁高效的产业逐渐兴起，会为技术机会的转移和要素资源的合理配置提供条件[34]，进而助力绿色创新。同时，产业结构的优化升级意味着产业分工的进一步深化，嵌入全球价值链和国际市场的程度也会随之加深[35]，由此带来的国际知识溢出、技术扩散和国际市场壁垒均会在一定程度上带动或迫使企业进行绿色创新能力的提升。基于以上分析，本文提出如下假设：
H3c：数字金融的发展可以通过产业结构优化升级来促进绿色创新。
根据以上分析，本文构建了数字金融赋能绿色创新的理论框架，具体见图1。
图1 理论框架
（一）模型设定
根据前文分析可知，数字金融的发展可能会赋能绿色创新。为验证数字金融对绿色创新的影响，本文参考钱海章等[1]的研究，构建如下面板模型：
其中，i代表城市，t表示时间；
被解释变量Patgit代表i城市在t时期的绿色创新变量；
核心解释变量Digfit表示i 城市在t 时期的数字金融发展水平；
Controlit代表影响绿色创新的相关控制变量；
ui表示不随时间变化的个体效应，λt为时间固定效应；
εit是随机扰动项；
α为常数项；
β1和β2为待估计参数。
为了进一步检验数字金融对绿色创新的影响是否存在融资机制改善、劳动力素质提升与产业结构升级等传导机制，本文参考温忠麟等[36]的研究，构建如下中介效应模型对上述中介效应进行检验。
其中，中介变量M 包括融资约束（Fin）、劳动力技能（Labs）和产业结构优化升级（Indup），其余变量设定均与式（1）相同。式（1）中β1表示数字金融对绿色创新的总效应，c1表示数字金融对绿色创新的直接效应，而b1×c2即为数字金融通过中介变量影响绿色创新的中介效应。
为了进一步探讨数字金融对城市绿色创新的影响是否存在空间溢出效应，本文基于经济地理权重矩阵建立空间杜宾模型（SDM），模型如下：
其中，ρ表示城市绿色创新可能存在的空间溢出效应，δ表示数字金融对城市绿色创新的空间溢出效应，其余变量设定均与式（1）相同，ui和λt分别为个体效应和时间效应，εit为误差项。此外，W 为经济地理权重矩阵，如式（5）所示：
其中，GDPj和GDPi是城市j 和城市i 在样本期间内GDP的平均值。Wij取值在0～1之间。此外，为了保证结果的稳健性，本文进一步采用地理邻接矩阵（以最近的5个城市为相邻）进行稳健性检验。
（二）变量测量与说明
1.被解释变量
绿色创新（Patg）。现有研究主要从创新投入和产出角度来衡量绿色创新，但多数选择从产出角度来衡量，因为创新从投入到产出存在着时滞长、高风险、高不确定等各种风险因素，而从投入角度测度则在一定程度上会高估绿色创新产出。因此，本文从创新产出的角度来衡量绿色创新。相比专利申请数，绿色专利授权数更能真实反映绿色创新能力[19]，因此，本文采用绿色专利授权数来衡量绿色创新。
2.核心解释变量
数字金融（Digf）。本文选取北京大学数字金融研究中心发布的反映地级市数字金融发展程度的数字普惠金融指数衡量指标[37]。数字金融指数包含覆盖广度（Digf_cb）、使用深度（Digf_ud）和数字化程度（Digf_dl）三个子维度。因此，本文以数字金融指数作为核心解释变量，并将数字金融的三个子维度纳入基准回归，以对比数字金融不同维度的异质性。
3.控制变量
本文参考以往研究，控制了以下可能影响绿色创新的变量：政府科研支出强度（Govrd），采用政府科学技术支出占政府财政支出的比重来表示；
经济发展水平（Pgdp），采用城市人均GDP 来表示；
人力资本（Hum），采用每万人普通高等学校在校学生数来表示；
财政分权（Fd），采用地区财政支出与财政收入的比值来表示；
外商直接投资（Fdi），采用地区实际利用外商直接投资额与GDP的比值来表示；
基础设施（Infra），采用人均城市道路面积来表示。
4.中介变量
融资约束（Fin），参考聂秀华等[6]的做法，以信贷资源配置作为融资约束的代理变量，即以城市年末金融机构人民币各项贷款余额占地区GDP 的比重表示；
劳动力技能素质（Labs），通常工资越高，劳动力素质越高，参考郑万腾等[38]的做法，利用在岗职工平均工资来测算；
产业结构优化升级（Indup），包含产业结构合理化（Indra）和产业结构高级化（Indad）两个维度。产业结构合理化是指不同产业的协调聚合程度和资源利用效率的合理程度；
产业结构高级化描述的是产业的高级化倾向[39]。参考干春晖等[39]的做法，本文采用泰尔指数的倒数取对数来测算产业结构合理化。泰尔指数计算方法如下：
其中，Y 和L 分别代表总产值和总就业人数，i和n分别代表产业和产业数。TL 为泰尔指数，值越大表示产业结构越不合理，值越小表示产业结构越合理。因此，其倒数为正向指标，值越大代表产业结构越合理。对于产业结构高级化（Indad），本文采用第三产业产值与第一、二产业产值之和的比值并取对数后的所得结果来衡量。
（三）数据来源与描述性统计
本文以我国地级及以上城市（除数据缺失地区外）为研究对象，基于数据的可得性和连续性，并考虑到行政区划的调整和数据缺失情况，依据数字金融的起始年限和城市绿色创新数据进行匹配，构建了2011—2019年包含281 个城市的实证研究样本。本文主要采用插值法对部分缺失数据进行补齐，并剔除了数据缺失严重的样本。数字金融指数来自北京大学数字金融研究中心，城市绿色专利数据来源于中国研究数据服务平台（CNRDS），其余数据均来自《中国城市统计年鉴》、各省统计年鉴以及国民经济社会发展公报。主要变量的描述性统计见表1。
表1 变量描述性统计
（一）基准回归结果分析
首先，实证检验数字金融对绿色创新的影响。F 检验和Hausman 检验结果表明，应采用固定效应模型。因此，本文采用双向固定效应模型进行基准回归，具体结果见表2。表2（1）和（2）列为数字金融总指数与绿色创新的基准回归结果。结果显示，数字金融（Digf）对绿色创新的影响系数均在1%的水平上显著为正，说明数字金融的发展能够极大地激励绿色创新能力的提升。假设H1 得到验证。表2（3）至（5）列依次报告了覆盖广度（Digf_cb）、使用深度（Digf_ud）和数字化程度（Digf_dl）对绿色创新的影响。可以看出，三个子维度的估计系数分别为0.495、0.570、0.331，且均在1%的水平上显著。假设H2得到验证。其中，数字金融使用深度对绿色创新的影响效应最强，覆盖广度次之，而数字化程度最弱。数字金融覆盖广度刻画了地区使用电子账户等的人数，事实上代表着数字金融服务的普惠程度，覆盖广度越大，金融服务（产品）就越能够纳入和覆盖“长尾”客户群体，也就意味着能够更加合理地引导资金流入绿色创新项目、绿色产业以及中小企业和偏远地区，从而拓展金融融资渠道，降低绿色金融产品和服务的交易成本，助力绿色创新。使用深度代表着数字金融的业务种类和使用频率，刻画了地区金融业务服务能力，使用深度的拓展意味着为客户提供了丰富多样的金融工具和产品（服务），提升了融资的可得性，促进了地区和企业资源利用效率的提高。数字化程度的提升代表着数字化技术在金融领域的应用深化。一方面，“大、智、物、云”等新兴数字化技术的运用能够摆脱对物理介质的依赖，打破时空界限将碎片化和单一化的信贷信息进行收集、分析和决策，破除了“信息孤岛”，缓解了信息不对称，进而优化金融资源配置并拓展了金融服务群体覆盖面，为绿色创新创造了良好条件。另一方面，转移风险和金融风险也会随数字化程度的提升而增加[40]，从而“挤出”绿色创新，这也进一步解释了数字化程度对绿色创新能力提升作用最弱的原因。
表2 基准回归结果
控制变量方面，政府科研支出、经济发展水平、人力资本均能显著促进城市绿色创新，符合理论预期。财政分权则不利于绿色创新能力的提升，可能的原因是“官员晋升锦标赛体制”可能会扭曲地方财政支出结构[41]，策略性地使得稀缺的金融资源偏向那些周期短、见效快的生产项目，忽略周期长风险高的绿色创新项目，这会导致政府科研投入陷入“条块交叉”的泥沼，不利于绿色创新。外商直接投资和基础设施建设对绿色创新的影响整体上不显著。
（二）内生性问题
虽然本文尽可能控制了影响城市绿色创新的因素，但理论上仍然存在其他无法解决或观测的变量对绿色创新产生影响，导致遗漏变量偏误。为了最大限度缓解内生性问题，本文参考谢绚丽等[7]、杜传忠等[13]的研究，分别选取移动电话用户数（Mobile）和互联网普及率（Inter）作为数字金融的工具变量。
表3给出了使用工具变量的回归结果。表3（1）和（2）列为采用移动电话用户数作为工具变量回归的结果，（3）和（4）列为采用互联网普及率进行回归的结果。回归结果表明，在充分考虑模型的内生性偏差之后，数字金融的回归系数依然显著为正，这与基准回归结果相一致。再次验证了假设H1。此外，移动电话用户数和互联网普及率这两个工具变量的第一阶段回归结果的F 值均大于10，说明并不存在弱工具变量的问题。rk LM 统计量的p 值均为0，拒绝原假设，排除了识别不足的问题。
表3 工具变量的回归结果
（三）稳健性检验
1.替换被解释变量
以绿色发明专利授权数（Invpatg）作为被解释变量来检验数字金融对绿色创新的影响，结果如表4（1）列所示。核心解释变量数字金融对绿色创新的影响仍显著为正，其他控制变量的系数值、显著性等并未发生明显的变化，说明前文实证分析结果是稳健的。
表4 稳健性检验结果
2.核心解释变量取滞后一期
考虑到数字金融对城市绿色创新的影响可能存在滞后效应，本文借鉴翟华云等[19]的基本思路，利用数字金融的滞后一期进行回归，结果如表4（2）列所示。与基准回归相比，主要解释变量的估计结果均未发生较大变化。
3.剔除部分城市样本
考虑到我国城市发展水平各异，尤其是直辖市和各省会城市与其他城市的经济发展水平、资源禀赋等差异较大，本文剔除直辖市和各省会城市的样本进行重新检验，估计结果如表4（3）列所示。数字金融的估计系数与前文结果基本一致，证明前文结果是稳健的。
4.变量缩尾处理
为了避免异常值对回归结果的影响，本文对模型的主要解释变量进行上下1%缩尾处理后再进行回归。由表4（4）列可知，估计结果稳健。
（四）异质性分析
1.地区异质性
不同地区的经济发展水平和资源禀赋不同，数字金融的发展情况各异，为了探究数字金融对绿色创新的影响是否存在区域异质性，本文将全部样本划分为东部、中部和西部地区三组①进行分析，回归结果如表5的（1）至（3）列所示。可以看出，数字金融在东部、中部和西部地区的估计系数均在1%显著性水平上为正，说明数字金融对不同地区的绿色创新均有促进作用，这体现了数字金融“普惠性”和“包容性”的特征[11]。假设H1得到进一步佐证。其估计系数分别为0.625、0.493、0.866，可知数字金融对西部地区绿色创新的影响最为强烈，其次为东部地区，中部地区最弱。可能的解释是，东部地区作为我国经济发展的桥头堡，经济发展水平较高，金融基础设施较为完善、金融制度环境良好，且东部地区相对于其他地区的金融要素扭曲程度最低[42]，传统金融机构可为绿色创新提供融资渠道和融资服务。此外，东部地区的数字金融发展较早且较为成熟，数字金融发展红利已处于边际递减阶段，这意味着在创新水平提升程度相同的情况下东部地区对数字金融发展水平有着更高的要求。西部地区经济发展水平落后，金融资源供给不足，融资约束较大。而数字金融打破了传统金融的服务边界，扮演着“雪中送炭”的角色，更能激发西部地区绿色创新的热情。
2.非国有经济规模异质性
国有经济主体往往具有更为明显的绿色创新资源优势，不仅可以凭借其产权属性获得更多的金融资源，而且会受到各种政策、资源的倾斜。相比之下，非国有企业处于融资的“低水平均衡”[4]，融资问题是其进行绿色创新的主要约束。而数字金融能改善这种环境，更有可能增加企业经营调整的幅度[3]，激发非国有企业承担绿色创新风险的意愿和动力。因此，本文认为数字金融对非国有和国有经济主体绿色创新的促进作用具有异质性。参考程广斌等[43]的研究，本文以私营企业和个体就业人员数与总就业人员数之比来表示非国有经济规模，并按其均值将样本分组进行回归。由表5（4）和（5）列结果可知，数字金融对两组绿色创新的作用均在1%水平上显著为正，但在非国有经济规模较大的地区，数字金融对绿色创新的促进作用更强。
3.环境规制异质性
“波特假说”认为合适的环境规制能够刺激企业进行绿色创新，并能够形成“补偿性收益”[44]。环境规制一方面能够倒逼企业进行生产工艺和生产流程的绿色革新，弥补绿色技术创新市场失灵的缺陷；
另一方面也会增加企业制度“遵循成本”[45]，在一定程度上挤占绿色创新资源。然而，数字金融本身就具有绿色属性，可在环境规制引导下实现融资创新，触及更多因环境规制趋紧而导致资金短缺的长尾群体，实现信贷绿色化及产业绿色化，促进高污染、高排放产业进行转型升级，进而带动绿色创新，这无疑是对环境规制的有益补充。因此，本文认为在不同环境规制强度下，数字金融对绿色创新的影响不同。参考前人研究，以工业废水排放量、工业二氧化硫排放量及工业烟（粉）尘排放量3 个指标之和与GDP 比值的倒数来衡量环境规制，并根据其均值进行分组，估计结果见表5（6）和（7）列。可知，数字金融对环境规制强度较大地区的绿色创新具有更强的激励作用，说明数字金融和环境规制可以协同促进绿色创新。
表5 异质性检验结果
（五）中介效应机制分析
由前文理论分析可知，数字金融可能会通过改善地区融资环境、提升劳动力素质与促进产业结构优化升级3种渠道来促进绿色创新能力的提升。本文基于式（2）和式（3）中介效应的检验步骤对3种传导机制进行检验。估计结果如表6和表7所示。
1.融资约束改善
表6（1）列为基准回归结果。从（2）列结果可知，数字金融对地区信贷资源配置的回归系数为0.780，且在1%水平上显著，说明数字金融可以有效改善地区信贷配置，进而缓解融资约束问题。（3）列汇报了数字金融和信贷资源配置同时回归的结果，数字金融和信贷资源配置均在1%水平上显著为正，数字金融的估计系数下降到0.491，说明数字金融可以通过改善地区信贷资源配置状况缓解融资约束这一渠道促进绿色创新能力的提升。假设H3a得到验证。
2.劳动力素质提升
表6（4）和（5）列给出了劳动力素质提升的中介效应回归结果。结果表明，数字金融对劳动力素质提升的估计系数为0.342，且在1%水平上显著，说明数字金融可以对城市企业劳动力素质的提升起到促进作用。表6（5）列显示，数字金融和劳动力素质提升均能够显著带动绿色创新能力的提升。其中，数字金融的估计系数由0.633 下降到0.407，说明劳动力素质提升在数字金融激励绿色创新的过程中发挥着部分中介作用，这意味着数字金融可以通过提升劳动力素质这一传导机制促进绿色技术创新。假设H3b得到验证。
表6 数字金融、融资机制与劳动力素质的中介机制检验结果
3.产业结构优化升级
表7分别列出了产业结构合理化和产业结构高级化的中介效应检验结果。由（2）和（5）列可知，数字金融对产业结构合理化与高级化的估计系数分别为0.374、0.439，且均在1%水平上显著，说明数字金融能够显著促进产业结构的合理化和高级化以带动产业结构优化升级。（3）和（6）列的回归结果表明，产业结构合理化和高级化可以有效提升绿色创新水平。同时，数字金融的回归系数显著为正且数值较（1）和（4）列明显降低，这意味着产业结构合理化和产业结构高级化发挥了部分中介作用，中介效应分别占总效应的2.72%和12.41%。假设H3c 得到验证。得益于数字化交易平台的使用，数字金融能够突破传统交易的时空限制，使得生产要素可以跨区域和行业自由流动，促使资源配置范围扩张，资源要素将更多的流入生产率较高的部门，促进了产业结构合理化。另一方面，数字金融缓解了信息不对称，提升了企业对高价值、创新型等项目类别的甄选能力，引导生产要素更多的流入资本或技术密集型产业，促进了产业结构高级化。产业结构的合理化有助于不同产业得到合理化的生产要素，达到资源最优配置，为绿色创新提供充足的物质和人力。而产业结构的高级化可以使得金融业、技术服务和科研事业等创新能力更强的产业在区域创新能力提升中发挥更重要的作用[35]，进而促使绿色创新能力稳步增强。
表7 数字金融与产业结构优化升级的中介机制检验结果
为进一步分析数字金融与绿色创新的空间溢出效应，首先需进行空间相关性检验，本文基于经济距离权重矩阵并采用最常用的Moran′I指数进行检验，结果见表8。结果表明，绿色创新、数字金融及其三个子维度均通过了双边显著性检验，并且2011—2019年的全局Moran′I指数均位于0～1之间，说明绿色创新、数字金融及其子维度均具有显著的正向空间相关关系，即存在高-高集聚、低-低集聚的空间分布特征，可进一步采用空间计量模型进行空间溢出分析。
表8 数字金融与绿色创新的全局莫兰指数检验结果
采用LM 检验、稳健的LM 检验、LR 检验及Hausman检验②对模型进行筛选后，本文最终选择时空双固定的空间杜宾模型（SDM）进行空间溢出效应分析。考虑到仅采用点估计结果分析空间溢出效应缺乏解释力，进一步利用偏微分方程的方法将空间效应分解为直接效应、间接效应和总效应。回归结果见表9。从表9可以看出，绿色创新空间滞后项（W×Patg）的回归系数均在1%水平上显著为正，存在显著的内生交互效应，说明我国城市绿色创新存在显著的正向空间溢出效应，即本地区绿色创新水平的提升会带动“相邻”城市绿色创新能力的提升。同时，数字金融及其子维度的回归系数均显著为正，再次证明了前文结论的稳健性。从分解效果来看，数字金融和其子维度的直接效应至少在5%水平上显著为正，说明数字金融对本城市的绿色创新具有显著的激励和反馈效应。间接效应方面，数字金融总指数的回归系数为正，但不显著，说明本地区数字金融的发展对相邻城市绿色创新的溢出效应并不明显。其子维度的间接效应均通过了1%水平的显著性检验，能够对相邻城市的绿色创新产生正向溢出。可能的原因是：一方面，数字金融的发展能够打破地域限制，拓展融资渠道，为绿色创新提供融资支持，产生“辐射效应”；
另一方面，绿色创新水平或数字金融发展水平较高的城市，对人才、资本等要素的需求更为强烈，使得生产要素集聚的“极化”现象愈发明显，进而引发对相邻城市的“虹吸效应”。因此，受到正反两方面的相互作用，数字金融整体上对城市外部绿色创新的溢出效应（间接效应）不显著，而其子维度则表现出正向溢出的异质性。为了确保结论的稳健，本文在地理邻接矩阵下对结论进行再验证。估计结果如表10所示。从表10可知，数字金融三个子维度的空间溢出效应均显著为正。结论与前文基本一致，说明结论是可靠的。
表9 空间面板模型回归结果
绿色创新是转变经济发展方式，实现绿色高质量发展以及推进生态文明建设并行不悖的有效手段。在推进绿色转型的大背景下，数字金融作为金融和数字化技术深度融合的新业态，契合绿色创新发展和绿色经济发展对金融的需要。本文基于2011—2019年地级市的面板数据，实证分析了数字金融对绿色创新的影响及作用机理，并针对地区、所有制属性和环境规制异质性进行了深入研究。主要研究结论如下：（1）数字金融能够显著激励绿色创新，经过多种稳健性检验后结论依然稳健。（2）数字金融覆盖广度、使用深度以及数字化程度均能正向作用于绿色创新。其中，作用强度依次为：使用深度＞覆盖广度＞数字化程度。（3）融资机制的改善、劳动力技能的提升以及产业结构的优化升级是数字金融赋能绿色创新的重要传导机制。（4）数字金融对绿色创新的促进作用在西部地区、非国有经济规模较大的地区以及环境规制较强的地区更为显著。（5）整体上数字金融的绿色创新激励效应以城市内溢出为主，对相邻城市未形成显著的空间溢出效应，但其三个子维度则具有明显的正向溢出效应。
基于以上结论，本文提出以下建议：
第一，大力建设并完善数字金融配套支撑设施和体系，坚定不移推动数字金融的稳定发展。一方面，借助“新基建”，积极推动大数据、物联网、区块链等数字基础设施的建设和完善，为金融服务与现代数字技术的融合夯实数字化基础环境。另一方面，不断提升数字金融在绿色创新服务领域的覆盖广度、使用深度和数字化程度，创新金融服务方式，如绿色信贷、数字金融与绿色金融相结合的产品组合等，为绿色创新活动提供多样化和靶向型的金融产品组合，降低绿色创新和绿色转型所面临的风险。
第二，以数字金融的发展为契机，积极引导城市进行绿色转型。具体而言，依托信息化发展环境，强化数字金融的溢出和示范效应，推进银行等传统金融机构拥抱数字化技术，实现金融服务的数字化转型，以打破供需双方的“信息孤岛”，拓展金融服务边界，缓解绿色创新活动中“长尾群体”和欠发达地区的融资困境，以赋能绿色创新。同时，加强劳动力技能培训和教育投资，使员工掌握数字经济时代的专业化技术以满足企业对高技术人才的需要。最后，积极发挥数字金融网络化、多场景的平台优势，有效甄别和监控绿色项目以优化资本配置，引导金融资源流向具有创新潜力的优质高技术新兴产业，服务实体经济，同时积极吸收城市间知识溢出和承接优质产业转移，以推动产业结构优化升级，持续释放“产业结构红利”，促进城市绿色创新。
第三，关注数字金融对绿色创新影响的异质性，因地制宜和因时制宜地制定差异化的数字金融发展政策，以充分释放数字金融红利。就地区而言，作为改革开放的先验田和经济发展的桥头堡，东部城市地区数字化基础设施与金融发展较为成熟和完善，应着重拓展数字金融使用深度，给足“试点融错”空间，推动数字金融衍生产品和金融服务方式创新，推出更多与绿色创新相关的金融服务组合并着力完善相关金融监管体系，积极引导产业结构升级以促进东部城市地区高质量发展。而中西部城市地区，其绿色创新水平仍有较大提升空间，数字金融发展能够带来更多的溢出红利，应借助“后发优势”积极建设并完善相关配套设施体系，拓展覆盖广度、使用深度和数字化程度。就所有制而言，政府要因企施策，给予非国有经济主体更多的发展空间。最后，要充分发挥数字金融和环境规制的互补作用，加强数字金融等市场化机制的激励引导，并辅之以环境规制工具，筑造“联防联控”及激励机制，促使城市创新主体主动进行绿色创新活动。■
注 释
①东部地区：京、津、冀、辽、沪、苏、浙、闽、鲁、粤、桂、琼；
中部地区：晋、内蒙古、吉、黑、皖、赣、豫、鄂、湘；
西部地区：川、渝、黔、滇、藏、陕、甘、青、宁、新。
②因篇幅所限，留存备索。
猜你喜欢 产业结构效应绿色 私募股权投资对产业结构升级的影响客联(2022年4期)2022-07-06国家自主创新示范区在西部产业结构优化升级中的作用党政研究(2022年3期)2022-05-25城镇化对产业结构高级化的影响研究科学与财富(2021年34期)2021-05-10我国产业结构合理化程度的差异研究智富时代(2019年6期)2019-07-24我国产业结构合理化程度的差异研究智富时代(2019年6期)2019-07-24绿色大地上的巾帼红海峡姐妹(2019年3期)2019-06-18死海效应意林·全彩Color(2018年9期)2018-11-13应变效应及其应用中学物理·高中(2016年12期)2017-04-22偶像效应小樱桃·童年阅读(2014年11期)2014-12-01再造绿色百科知识(2008年8期)2008-05-15