范 欣,尹秋舒

(1.中国人民大学 全国中国特色社会主义政治经济学研究中心，北京 100872；2.北京大学 新媒体研究院，北京 100871)

一、问题的提出

改革开放以来，中国经济以年均9.4%的速度增长，2019年人均GDP已接近10 000美元，超过了上中等收入国家的平均水平，创造了“中国奇迹”。但进入新常态以来，中国经济增速明显下滑，2013年经济增速为7.8%，2019年经济增速下降至6.1%。究其原因，不仅有来自要素增长率下滑的冲击，也有来自全要素生产率增长率下降的影响[1]。党的十九大报告指出：“我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，建设现代化经济体系是跨越关口的迫切要求和我国发展的战略目标。”面对新时代以来中国经济的特征性和结构性变化，高质量发展已经成为近年来党中央的重要议题。习近平总书记在2020年12月16日召开的中央经济工作会议上强调：“明年是我国现代化建设进程中具有特殊重要性的一年。做好明年经济工作，……贯彻新发展理念，构建新发展格局，以推动高质量发展为主题”。高质量发展作为新时代的主题，是坚持新发展理念的发展，绿色发展是高质量发展的普遍形态。据耶鲁大学和哥伦比亚大学与世界经济论坛联合发布的2018年全球环境绩效指数(EPI)报告显示，中国环境绩效综合得分为50.74分，在全球评选的180个国家和地区中位列120位，处于中后水平。中国生态环境部发布的2019年全国生态环境状况指数值为51.3，环境空间质量不达标的城市超过一半，占比53.4%。这意味着坚持新发展理念，促进绿色全要素生产率的提升，已经成为实现经济高质量发展的核心之一[2-3]，这也是当前乃至于未来一段时期的工作重点，是我们不得不面对的重大现实问题。

20世纪80年代开始，数字革命开始席卷全球。伴随着数字经济的迅猛发展，西方发达国家开始将数字经济的发展作为经济发展的战略制高点，作为经济大国的中国也较早地步入了数字经济时代。联合国贸易和发展会议发布的《数字经济报告2019》显示：数字经济的经济地理并未出现传统的南北鸿沟，中国和美国的区块链技术相关的专利占比达75%，物联网支出占全球的比重达一半，在全球70个最大数字平台市值中的比重高达90%等。从中国的数字经济发展情况来看，根据中国信息通信研究院发布的《中国数字发展白皮书(2020年)》的数据显示，2019年中国数字经济增加值的规模达到35.8万亿元，对GDP的年贡献率达到67.7%。面对中国经济进入新常态，当前新冠疫情冲击下经济增速的下滑，数字经济已经成为我国经济保持快速稳定增长的重要动力，是抵抗外部风险冲击的压舱石。与此同时，数字经济的到来也使得传统的金融机构面临新的机遇与挑战。数字技术给传统金融带来的变革，也衍生出一些新产业、新业态和新模式。根据毕马威和H2 Ventures 联合发布的《2019全球金融科技100强》，中国金融科技公司在“领先50”榜单中占据7家，其中蚂蚁金服和京东数字科技分列第一名和第三名。2019年习近平总书记在给第二届数字中国建设峰会的致信上指出“加快数字中国建设，就是要适应我国发展新的历史方位，全面贯彻新发展理念，以信息化培育新动能，用新动能推动新发展，以新发展创造新辉煌”。不难看出，面对新冠疫情冲击下经济下行风险压力加大等现实情况，以数字金融为代表的数字经济已经成为推动我国经济高质量发展的重要驱动力。

那么，在经济高质量发展的时代背景下，数字金融多大程度地影响了绿色全要素生产率？数字金融将通过何种途径来影响绿色全要素生产率？这是本文将重点探讨的问题。与既有文献相比，本文的主要贡献体现在以下三个方面：第一，从新发展理念的视角采用绿色全要素生产率来衡量经济高质量发展水平。考虑到高质量发展是一个系统性、多层次的综合体系，多数学者均采用多维度视角来构建综合指标评价体系，来衡量一国或地区高质量发展水平。如魏敏和李书昊从经济结构优化、创新驱动发展、资源配置高效、市场机制完善、经济增长稳定、区域协调共享、产品服务优质、基础设施完善、生态文明建设和经济成果惠民等十个维度来构建高质量发展指标体系[4]；李金昌采用经济活力、创新效率、绿色发展、人民生活、生活和谐等五大部分来衡量高质量发展[5]；马茹等从高质量供给、高质量需求、发展效率、经济运行和对外开放等五个维度来考察中国区域高质量发展水平[6]。此外，也有学者采用人均实际GDP[7]、经济发展结构[8]、技术进步[9]、居民幸福感[10]等单一指标来衡量高质量发展。考虑到综合指标中存在过程与结果问题、指标重复性等问题，而单一指标中应把握经济高质量发展的内核，将环境因素纳入经济发展效率中考量等问题，本文采用绿色全要素生产率对经济高质量发展加以测度。第二，从数字金融的视角探讨了绿色全要素生产率的影响因素，有利于打开实现经济高质量发展的“黑匣子”。高质量发展的评价准则为“创新、协调、绿色、开放、共享”的新发展理念，绿色发展是中国转变经济发展方式、化解经济矛盾的内在要求和必然选择[11]，产业结构升级和伴随产生的新动能、新产业和形成的新模式是影响经济高质量发展的重要因素[12-13]。目前有部分学者从数字金融视角出发，研究数字金融与经济增长之间的关系，发现数字金融发展显著地促进了经济增长，实现了城市高质量发展[14-15]，但从数字金融视角来探讨绿色全要素生产率影响因素的研究并不多见。第三，厘清了数字金融对绿色全要素生产率的内在机理。从既有的研究来看，学者们往往研究数字金融如何通过影响创新发展、协调发展、绿色发展、开放发展、共享发展等来推进高质量发展[16]，但并没有直接探讨数字金融通过何种途径来影响绿色全要素生产率，进而实现经济高质量发展。

本文余下结构安排如下：第二部分针对数字金融与绿色全要素生产率之间的关系及其内在机理进行分析，并提出相应的研究假设；第三部分是构建计量模型，并介绍相关的变量及数据来源；第四部分针对数字金融与绿色全要素生产率之间的关系进行实证分析，重点从全样本、传导机制、异质性等方面进行验证；第五部分结合实证分析给出主要的结论，并借此提出相应的政策建议。

二、理论分析与研究假设

20世纪90年代以来，数字经济得以蓬勃发展，逐渐被视为一国经济快速和稳定增长的新动能。党的十九大报告指出：“必须坚持质量第一、效益优先，以供给侧结构性改革为主线，推动经济发展质量变革、效率变革、动力变革，提高全要素生产率，着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系”。可以看出，从经济高速增长转向高质量发展，不仅是一个发展方式和增长路径的转变过程，更是一个体制变革和机制创新的过程。经济由高速发展转向高质量发展的关键，是加快完善与之相适应、相配套的体制机制，加快营造与高效、公平和可持续发展目标相契合的体制政策环境[17]。十九届五中全会也明确提出：“坚持把发展经济着力点放在实体经济上，坚定不移建设制造强国、质量强国、网络强国、数字中国，推进产业基础高级化、产业链现代化，提高经济质量效益和核心竞争力。”这也表明数据作为新型的生产要素，数字经济的发展将成为转变增长方式的重要动力，大力发展和利用数字经济将为一国经济结构的转型升级提供新的思路和动力[18]。

金融是一国经济发展的核心要素，数字金融则是金融服务与互联网、分布式技术、大数据、人工智能等数字技术有机结合的产物。金融体系是现代经济系统的核心，其基本功能是优化资源配置，因此金融发展必然会引导资源向绿色发展行业集聚，同时金融通过分散风险和提供流通性来增强投资者的投资意愿，进一步优化资本配置，从而提高绿色全要素生产率[19]。中国互联网金融的发展是建立在电子商务普及和通信技术提高的基础上，具有金融普惠性，移动互联网的普及为广大欠发达地区提供金融服务创造了条件并发挥着重要作用[20]。数字金融互联网化、智能化的经营模式使数字金融的覆盖范围打破了时间和空间上的限制[21]，降低了传统的金融交易成本，提高了交易效率，实现了金融普惠和精准金融服务。从本质上看，数字金融本身就是资源节约利用、环境友好型的金融服务。它将充分利用数字技术，将传统的金融服务线上化，是绿色交易的重要体现。特别是伴随着数字技术水平的不断提升，数字金融将充分利用数字技术，发挥资源配置功能和创新功能，优化资本要素市场化配置，提高资本要素的利用效率，为经济主体提供高效便捷的金融服务，进而提升绿色全要生产率水平。具体来看：一方面，大数据、互联网、人工智能等数字技术的大量应用，将使得金融服务过程中的信息变得更加充分，降低了经济主体在投融资过程中的道德风险和逆向选择。在此过程中，信息的对称性将降低资金交易成本，提高资金配置效率。另一方面，数字金融在拓宽资金来源渠道的同时，也将有利于扩大资金的受众面。中小微企业、信用等级较差的居民等弱势主体，在过去往往难以获取资金支持，出现融资难、融资贵等问题。与西方国家的数字金融发展不同，中国的数字金融具有明显的普惠性。将具有普惠功能和精准服务有机结合的数字金融，将给弱势主体提供获取资金的有效渠道，这将有利于这类微观主体获得金融支持，进而增大其开展创新活动、创办企业、日常消费等的几率，整体上提升规模效应，提升技术水平。当然，不可否认的是，在此过程中，也将有利于缩小收入差距、实现区域间的协调发展等，进而实现经济可持续增长、包容性增长[22-23]。基于此，我们提出理论假设如下：

基本假设一：数字金融的发展有利于提升绿色全要素生产率，进而实现经济高质量发展。

中国已由高速增长阶段转向高质量发展阶段，正处于转变经济增长动力的关键时期，未来实现经济发展的新动力主要是创新[24]，而创新的重要动力之一则是金融发展[25]。互联网式创新引领和创新平台与传统经济金融高度融合，将为一大批高科技新兴产业带来重大机遇[26]，而融入数字技术的数字金融发展可以通过降低交易成本、提高金融服务效率、刺激居民消费、促进创新等方式来推动经济增长。因此，推动高质量发展要以创新为引领和动力，不断激发经济增长新动能，才可以满足和实现经济高质量发展的内在需要。事实上，大数据的发展是建立在数据流基础上的融合发展，不仅有效整合了物质、资金、人才等资源，而且与互联网、云计算、人工智能等技术深度融合，为提高创新效率提供全新的动力支撑，催生了智慧生产、互联网和多领域融合发展、生产网络化等，通过技术的普及降低了部分行业的准入门槛，使技术更具有通用性和普惠性，提高了经济发展的创新效率，从而提升了绿色全要素生产率，进而推动了经济高质量发展。

数字金融的快速发展，将对银行效率、银行风险承担行为以及货币政策传导机制均存在着显著的正向影响[27]，这意味着数字金融发展为解决中小微企业融资、激发企业家精神的发展和推动创业发展提供了新机遇[28]。事实上，以信息技术为支撑的数字金融可以减少信息不对称、使市场参与者更为大众化、提高信息处理效率、降低交易成本和优化资源配置[29]。移动支付的普及使日常支付中的小额支付和企业间的大额支付都更为便捷，也疏通了企业直接和间接的融资渠道，为可能存在道德风险而无法取得贷款的中小企业提供了更为便捷的融资渠道，一定程度上提高了国家金融系统对创业企业的友好程度，有利于推动地区创业。地区创业的快速发展，也有利于发挥规模效应，通过资源的优化配置等进而提升绿色全要素生产率，从而实现经济高质量发展[30]。基于此，本文提出如下理论假设：

基本假设二：数字金融可以通过促进技术创新和地区创业水平进而提升绿色全要素生产率，最终推动经济高质量发展。

三、计量模型与变量说明

(一)计量模型的构建

为验证数字金融对经济高质量发展的影响，本文构建计量模型如下：

GTFPit=α0+βDFit+ψXit+λi+ηt+μit

(1)

其中，GTFP表示绿色全要素生产率，用于体现经济高质量发展水平；DF表示数字金融；系数β衡量数字金融对绿色全要素生产率的影响程度；向量Xit表示可能影响绿色全要素生产率的一系列控制变量，ψ为控制变量的估计系数；λ和η分别表示不可观测的时间和个体固定效应，i表示地区，t表示时间，μ为随机误差项。

为了进一步考察数字金融对绿色全要素生产率的内在机理，参考陈诗一和陈登科等学者的研究方法[7]，本文构建如下计量模型：

INNit/ENTit=α1+ρDFit+γZit+λi+ηt+μit(2)

GTFPit=α2+θINNit/ENTit+ωXit+λi+ηt+μit

(3)

在式(2)和式(3)中，INN和ENT分别表示技术创新和地区创业水平，ρ表示数字经济对创新创业的响应系数，θ表示技术创新或地区创业水平对绿色全要素生产率的响应系数；向量Zit表示可能影响技术创新或地区创业水平的一系列控制变量。

(二)变量的选取

1.被解释变量

在被解释变量的选择上，考虑到经济高质量发展的核心在于全要素生产率的提升，本文借鉴余泳泽等[31]的做法，采用考虑非期望产出的SBM方法来测算绿色全要素生产率。与DEA方法相比，该方法通过对非期望产出进行非角度、非径向处理，较好地解决了评价过程中的非期望产出问题和投入产出的松弛性问题。考虑能源和环境约束后，特定区域的生产函数可以表示为(Y，U)=F(K，L，E)。其中，Y代表期望产出，U代表非期望产出，K、L、E分别代表资本投入、劳动投入和能源投入。参考匡远凤等[32]的做法，本文采用1978年不变价进行处理得到的各省份实际GDP来测度期望产出，以各省SO2和COD作为非期望产出，以采用永续盘存法计算得到的固定资本存量作为资本投入，以各省份从业人数作为劳动投入，以能源消费总量作为能源投入。由于ML指数计算出的是绿色全要素生产率增长率，为了讨论数字金融与绿色全要素生产率之间的关系，本文将绿色全要素生产率的指数进行环比换算处理。

从图1可以看出，中国的绿色全要素生产率增长率呈现波浪式变化，但近年来开始呈现上升趋势，这主要得益于可持续发展的经济发展理念和创新发展战略的实施。随着政府对生态环境的日益重视，自主创新能力的不断提升，绿色全要素生产率增长率有所回升。从区域层面来看，绿色全要素生产率的年均增长率东部地区最高，其次是中部地区，最后是西部地区。其中，东部地区和中部地区的绿色全要素生产率增长率高于全国的平均水平，这一定程度上与区域经济发展水平、技术进步情况等息息相关。

图1 中国及三大区域2011—2017年绿色全要素生产率增长率趋势图

为了更好地阐释中国绿色全要素生产率乃至经济高质量发展的空间分布格局变化情况，本文采用Arcgis10.5软件对中国各省份的绿色全要素生产率进行可视化表达，具体结果如图2和下页图3所示。从时序上可以看出，无论地区经济发展水平如何，中国各省份的绿色全要素生产率整体呈现下降趋势，这与当前中国正处于转变经济发展方式时期有关。与此同时，也不难发现，北京市、上海市、江苏省、广东省等地区的绿色全要素生产率均值处于较高水平，这表明我国已初步形成了以北京市、上海市、广东省为中心，周边省份协调发展的高质量发展格局。

图2 2011年绿色全要素生产率情况图

图3 2017年绿色全要素生产率情况图

2.核心解释变量

在核心解释变量的选择上，考虑到数据可得性和指标体系的权威性等，本文采用中国数字普惠金融指数来描述中国数字金融的发展状况[33]。该指数由北京大学数字金融研究中心和蚂蚁金服集团利用蚂蚁金服的交易账户大数据来共同编制，涵盖覆盖广度、使用深度和数字支持服务等三个方面，现已经被用于评价和分析中国数字金融的发展状况及其经济效应。具体来看，覆盖广度主要是通过支付宝账号数量、支付宝绑卡用户比例和支付宝账号绑卡数量3项指标来体现互联网金融服务供给有效程度；使用深度主要从支付业务、货币基金业务、信贷业务、保险业务、投资业务和信用业务等6个方面来反映数字金融发展的实际效果；数字支持服务程度主要通过便利化、信用化、实惠化和移动化等4个维度来体现互联网技术水平。

中国数字金融近年来呈现出快速发展的态势，中国数字普惠金融指数的省级均值从2011年的40.00上升到2017年的271.98，这主要得益于数字技术的快速发展，解决了传统金融发展中面临的金融排斥问题，能实现商业可持续性和普惠性之间的平衡[34]。由表1可知，从区域层面来看，数字金融的地区差距较大，东部地区数字金融发展程度最高，其次是中部地区，最后是西部地区。数字经济的快速发展需要技术、人才、资本等要素的支撑以及基础设施的完善，所以在经济基础最优、生产要素资源最集中的东部地区发展最快，而在经济发展较为落后的西部地区则发展速度较慢。但考虑到数字技术不受时空限制等情况，近年来中部地区和西部地区的数字金融发展速度明显加快，但地区间的相对差距依然严重。2011年数字普惠金融指数排名前三位的分别是上海市、北京市和浙江省，而西藏自治区、青海省和贵州省位列后三位。2017年数字普惠金融指数排名前三位的仍然分别是上海市、北京市和浙江省，而青海省、甘肃省和西藏自治区位列后三位。

表1 中国各省份数字金融的发展情况表

3.控制变量

在控制变量的选取上，我们主要借鉴刘志彪和凌永辉[35]等学者的做法，从绿色全要素生产率的影响因素出发来加以选择，具体来看：产业结构(OIS)采用第三产业与第二产业的比值进行衡量；对外开放水平(OPEN)采用外商直接投资额占GDP的比重进行衡量；人力资本结构高级化(HR)采用向量夹角来度量人力资本结构高级化水平；政府研发投入(RD)采用人均政府财政科技支出衡量；城镇化水平(URB)采用城镇人口数占总人口数的比重衡量。同时，考虑到数字金融影响绿色全要素生产率的传导机制，我们引入技术创新(INN)和地区创业水平(ENT)两大变量。其中，技术创新采用各省份专利申请数的对数值来衡量；地区创业水平采用城镇个体和私营企业从业人员数与就业总人数的比值来衡量。

表2 变量定义说明和统计性描述

(三)数据说明

鉴于经济体制差异和数据可得性等，本文剔除了港澳台地区、西藏自治区和海南省，研究样本集包括2011—2017年期间29个省份的203个样本观测值。数据来源方面，数字金融相关数据来自中国数字普惠金融指数，其余数据来自历年《中国统计年鉴》《中国高技术产业统计年鉴》《中国工业统计年鉴》《中国金融年鉴》以及中国各省份统计年鉴等。

四、实证分析

(一)方差膨胀因子分析

针对文中的解释变量，方差膨胀因子(VIF)检验结果如表3所示。

表3 解释变量的方差膨胀因子情况表

由表3可知，所有变量中最大的VIF值为5.87，远小于10。从VIF的分析结果可知，变量间不存在多重共线性。

(二)数字金融对绿色全要素生产率的影响研究

在基准模型中，我们采用不同方法估算了数字金融对绿色全要素生产率的影响。表4中模型一反映的是采用OLS估计下数字金融对绿色全要素生产率的影响结果；模型二和模型三、模型四和模型五分别反映的是将各省份在1984年每百人固定电话数量和每百万人邮局的数量分别与上一年各地区互联网用户人数的交互项作为工具变量并采用两阶段最小二乘法考察数字金融对绿色全要素生产率的影响结果；模型六反映的是采用GMM估计方法下数字金融对绿色全要素生产率的影响结果。为进一步验证两者关系的稳健性，模型七反映的是计量模型取对数后数字金融对绿色全要素生产率的影响结果；模型八为替代被解释变量下数字金融对全要素生产率的影响结果。从计量结果来看，核心解释变量系数的显著性和方向基本一致，仅系数值上存在差异。考虑到双向因果关系等内生性问题，我们在分析中将重点探讨GMM估计方法下数字金融与绿色全要素生产率之间的关系。

从实证结果来看，无论采用何种估计方法，数字金融系数在10%水平以下均显著为正，这表明数字金融对国内绿色全要素生产率的提升具有促进作用。数字金融的快速发展，有助于传统金融行业实现转型升级，并打造出新业态、新产业等，进而实现绿色全要素生产率的提升。为此，各级政府应加大力度发展数字金融，充分发挥好数字金融的优势，努力提升绿色全要素生产率的水平，推动经济发展方式的转变，进而实现地区经济高质量发展。通过表4中模型七和模型八的敏感性分析、替换被解释变量等稳健性检验，发现这一结论依然成立。本结论支持本文的基本假设一。

表4 数字金融影响绿色全要素生产率的全样本回归结果

对于其他控制变量，表4中模型六的回归结果显示：产业结构与绿色全要素生产率在10%水平下显著正相关，这表明产业结构优化有利于生产要素等资源的优化配置，进而提升绿色全要素生产率。对外开放水平与绿色全要素生产率的关系不显著，这可能源于内在机理的复杂性，一方面对外开放水平有利于引进先进技术来促进绿色全要素生产率的提升；另一方面对外开放水平也可能导致资本逐利下资源错配而抑制绿色全要素生产率。人力资本高级化系数在10%水平下显著为负，这表明近年来人力资本高级化的程度在不断提高，但人力资本的结构仍不合理，这将影响人力资本的配置，进而不利于绿色全要素生产率的提升。政府研发投入与绿色全要素生产率显著负相关，这可能一定程度与研发资金投向、研发质量不高等紧密相关。城市化与绿色全要素生产率关系不显著，这主要在于城市化虽有利于资本、劳动力等要素的充分自由流动和优化配置进而促进绿色全要素生产率的提升，但也会带来环境污染、资源过度消耗等问题进而抑制绿色全要素生产率的提升，最终导致作用效果的不显著。

(三)数字金融影响绿色全要素生产率的传导途径分析

通过上文的理论分析可知，数字金融可通过技术创新和地区创业水平等来影响绿色全要素生产率。为此，我们结合计量模型(2)和(3)来进一步探讨数字金融影响绿色全要素生产率的内在机理。

1.数字金融与技术创新。通过前文理论分析可知，我们预期，数字金融发展会促进技术创新。表5中模型一的实证研究结果表明，数字金融发展显著地推动了技术创新，这与既有文献的研究结论基本一致[36-37]。数字金融的快速发展，将以数据流为基础，将物质流、资金流、技术流和人才流进行有效整合，并衍生出新产业、新产品等，这将为技术创新奠定坚实的基础。同时，我们进一步来考察技术创新与绿色全要素生产率之间的关系。从表5中模型二可以看出，技术创新有利于提升绿色全要素生产率。创新作为高质量发展的第一动力，是技术进步的重要推动力。以互联网技术的发展为代表的数字技术具有独特的规模经济、范围经济和长尾经济特征，这将为产业数字化、数字产业化、数字政府化、数据价值化等提供机会，在大数据下实现资源的优化配置和产业结构的优化升级，进而提高绿色全要素生产率。

2.数字金融与地区创业水平：通过前文的理论分析可知，数字金融发展将会提升地区创业水平。表5中模型三的实证研究结果表明，数字金融发展对地区创业水平有显著的促进作用，这与谢绚丽等[38]学者的研究结论一致。与数字金融不同，传统金融模式下金融机构往往不愿意也无法服务偏远地区和贫穷的人群[39]。在这些偏远贫苦地区，它们仅仅提供现金存取等基本的金融服务，且仅设立少量的金融分支机构。由于缺少金融服务的支持，创业活动也因此受到限制[40-41]。数字金融的快速发展实现了传统交易模式的变革，在数字技术的支持下加快了产品的匹配与交易，这种精准对接将有效地缓解中小微企业的资金束缚，激发创业者的创业热情，进而推动地区创新水平的提升。与此同时，我们进一步来考察地区创业水平与绿色全要素生产率之间的关系。从表5中模型四可以看出，地区创业水平系数在10%水平下显著为正，这表明地区创业水平有利于绿色全要素生产率的提升。企业是创业活动的主体，而创业活动是实现经济增长的重要基础。数字经济时代的创业活动开展，往往会发挥好平台经济的作用，改变过去传统的“高耗能、高污染”模式，这将有利于推动环境友好型企业的产生和发展，

表5 传导机制检验：数字金融与绿色全要素生产率

有效提高绿色全要素生产率。综上可知，数字金融发展将通过影响技术创新和地区创业水平来提升绿色全要素生产率，该结论支持本文的基本假设二。

(四)异质性分析

已有文献表明，城镇化率、物质资本、地区经济发展水平差异等均会影响数字金融发展的效果。为进一步考察数字金融与绿色全要素生产率之间的内在机理，我们将深入探讨不同情形下数字金融影响绿色全要素生产率的差异性。

1.基于城镇化率差异下的异质性分析。数字金融能够弥补传统金融的不足，降低金融服务业门槛，扩大金融服务范围，推动各地区绿色全要素生产率的提升。但相较而言，更能有效地推动偏远落后地区的绿色经济转型。为此，本文采用两分法将各省份划分为高城镇化率地区和低城镇化率地区，并进行对比性分析。从表6中模型一和模型二来看，低城镇化率地区(中位数以下)和高城镇化率地区(中位数以上)的数字金融系数分别为0.0465和0.0431，这表明低城镇化率的地区数字金融的贡献率明显高于高城镇化率地区。换言之，数字金融发展在低城镇化率地区的边际效用更大，即数字金融发展对低城镇化率地区的绿色全要素生产率有更大的促进作用。

表6 异质性检验：数字金融与绿色全要素生产率

2.基于物质资本差异下的异质性分析。与物质资本存量较低的地区相比，物质资本存量较高的地区拥有更加完善的基础设施，更易集聚创新要素，发挥互联网规模经济和范围经济效应，推动地区经济转型发展。为此，本文采用两分法将中国各省份划分为低物质资本地区(中位数以下)和高物质资本地区(中位数以上)，并进行对比性分析。从表6中模型三和模型四来看，高物质资本地区和低物质资本地区的数字金融系数分别为0.0474和0.0293，这表明高物质资本地区数字金融的贡献率明显高于低物质资本地区。换言之，数字金融发展在高物资资本地区的边际效用更大，即数字金融发展对高物质资本地区的绿色全要素生产率有更大的促进作用。

3.基于区域经济差异下的异质性分析。在社会经济发展过程中，由于地理环境、政策等因素的影响，中国经济已经具有明显的空间非均衡性，已呈现出典型的空间梯度格局。为此，本文依据三大经济带的划分标准，将中国分为东部地区、中部地区和西部地区来进行考察。从表7中可以看出，数字金融系数具有明显的异质性。东部地区数字金融与绿色全要素生产率在5%水平下显著正相关，中部地区数字金融与绿色全要素生产率之间的关系并不显著，西部地区数字金融系数在10%水平下显著为正，系数值分别为0.05、0.0495和0.0209，这表明东部地区数字金融的贡献率最高，西部地区次之，中部地区作用效果不明显。东部地区是我国经济相对发达地区，地理区位优越，数字金融发展有利于要素特别是创新要素集聚，发展和利用先进技术来推动新产业和传统产业的优化升级，进而提升绿色全要素生产率。西部地区虽然经济相对较为落后，但拥有丰富的自然资源，数字金融的快速发展将为该地区创造更多的就业机会，推动传统产业的优化升级，进而提升绿色全要素生产率，实现经济高质量发展。中部地区位处东部地区和西部地区之间，是东部地区产业转移的承接地，在先进产业和资源禀赋上并不具备明显优势，进而可能导致作用效果的不显著。

表7 数字金融对绿色全要素生产率影响的空间异质性

五、主要结论及政策建议

金融是一国经济的重要支撑，那么兼具数字技术和金融双重效用的数字金融提升了绿色全要素生产率吗？数字金融将通过什么途径来影响绿色全要素生产率？这是经济高质量发展下我们不得不思考的重大现实问题之一。本文在理论分析的基础上，重点探讨了数字金融与绿色全要素生产率之间的关系及其内在机理，主要结论有以下三点：第一，绿色全要素生产率增长率整体呈现波浪式变化，但中国已初步形成以北京、上海、广东为中心，周边地区协调发展的高质量发展格局；第二，数字金融发展显著提升了绿色全要素生产率，进而实现经济高质量发展，但这点在中部地区的作用效果并不明显；第三，数字金融发展将通过提高技术创新和地区创业水平来促进绿色全要素生产率的提升。

基于此，本文的政策建议如下：首先，各级政府应加大力度发展数字金融，注重数字金融的区域间协调。从目前来看，中国数字金融发展虽较为迅猛，但仍有较大的上升空间，且区域间发展明显不均衡。这就需要各级政府加快数字金融基础设施建设，完善数字金融发展的制度环境，推动数字技术与金融服务业的有机融合，进而推动绿色经济转型升级。与此同时，也要注重区域间数字金融发展水平差异，根据各地区经济发展实际情况，分类推进，精准施策。其次，大力推动技术创新和地区创业。创新创业是一国经济发展活力的重要体现，政府应出台相关的政策来支持地区创新创业活动的开展，营造良好的创新创业环境，充分发挥其中介效应，实现经济高质量发展。最后，充分利用数字技术，积极推进政府治理能力现代化。在数字经济时代背景下，政府应充分利用大数据等数字技术，加快打造数字型政府，推动数据价值化，实现经济发展成果共享。