■岳鹄 谭月彤 周子灼 吴美贤

一、引言

随着全球气候变暖和生态环境恶化，经济社会发展与资源环境约束之间的矛盾日趋尖锐，绿色低碳发展逐渐成为世界各国谋求可持续发展的主要途径。工业经济作为国民经济的重要基石，在支撑经济高速发展的同时，也产生了大量高污染、高能耗行业，在此背景下“十四五”规划纲要明确提出要加快实现工业全面绿色低碳转型。工业绿色全要素生产率不仅反映了当地工业发展水平，还体现了该地区资源利用和生态环境保护程度，是衡量地区工业绿色发展的重要标准[1]。

随着能源和环境因素在经济发展绩效评估中的重要性日益凸显，学者们开始关注绿色全要素生产率，并从资源配置、技术创新、产业结构升级和金融发展等角度，尝试揭示其影响因素及提升路径[2—4]。其中，研究资源配置的相关文献主要从资源配置效率提升和资源配置结构优化两个角度展开，前者强调资源在不同生产效率的企业、部门或地区中转移所带来的效率提高[5，6]，后者则强调不同所有制企业在资源配置过程中的获取能力和使用成本改变带来的结构优化[7，8]。

在数字时代，数字普惠金融迸发出强大的生命力，对经济增长、居民消费、创新创业等众多领域产生了重要的影响[9—11]。随着数字普惠金融的推广和应用，我国工业绿色全要素生产率的增长也有了新的实现路径。陈旭等[12]认为数字普惠金融在一定程度上突破了传统金融业务的发展瓶颈，并通过开展线上金融业务和应用大数据为客户“精准画像”，有效解决了信息不对称问题，扩大了金融覆盖范围，降低了企业融资成本，提供了多元、高效的融资渠道，对工业绿色发展大有裨益。谭卫华等[13]从创新能力的角度剖析了数字普惠金融影响工业绿色发展的机制，部分文献则注意到了资源配置效率改善的积极影响[14，15]，认为资源配置效率的提高能够进一步激励企业开展绿色生产活动并提升绿色技术创新水平，对提升工业绿色全要素生产率有积极的作用。遗憾的是，少有研究关注数字普惠金融时代资源在不同所有制企业中的再配置状况变化，也少有从资源配置结构优化的角度研究数字普惠金融对工业绿色全要素生产率的影响。

综上所述，现有文献中直接探讨数字普惠金融与工业绿色全要素生产率两者关系的研究较少，大多关注整个宏观层面的绿色发展，然而我国高污染、高能耗的行业主要集中在工业部门，却鲜有文献关注到工业绿色发展建设成效与我国经济绿色可持续发展全局的关系，数字普惠金融对工业绿色全要素生产率的影响机制仍不清晰，影响效应在不同条件下是否具有异质性也尚不明确。与已有研究相比，本文的边际贡献主要有以下三个方面：第一，突破现有研究的局限，将“数字普惠金融-资源配置-工业绿色全要素生产率”纳入统一的研究框架，基于资源配置效率提升和资源配置结构优化视角剖析数字普惠金融对工业绿色全要素生产率的影响机制；第二，运用城市层面和工业部门的数据，验证数字普惠金融影响工业绿色全要素生产率的效果以及资源配置效率提升、资源配置结构优化在其中发挥的作用，为数字普惠金融赋能工业绿色发展提供新的经验支持；第三，将传统金融发展、金融监管、地理区位等要素嵌入到本文研究范式中，进一步考察在不同环境下数字普惠金融的效应差异，为制定适宜的数字普惠金融发展政策提供决策参考。

二、理论分析与研究假设

（一）数字普惠金融与工业绿色全要素生产率

随着数字普惠金融的快速发展与应用，其所具有的普惠性、高效性、信息化和平台化等特征，可以极大地促进工业绿色技术创新和提振绿色消费，为破解工业绿色全要素生产率增长受阻难题提供了新的解决方案。

从供给侧来看，工业是我国环境污染的“重灾区”，要想提升工业绿色全要素生产率，就必须加大绿色创新资源投入和污染治理投资，因此对资金投入需求较大。然而，绿色投资项目通常具有先发成本高、贷款周期长、投资回报不确定性强等问题，其在环境生态方面的专业性和技术性特征更进一步增加了项目的风险和成本[16]，导致金融机构为工业绿色发展提供金融服务的意愿较低。企业长期面临严峻的融资约束，难以实施绿色生产和开展绿色技术创新，严重阻碍了工业绿色全要素生产率的提升。而数字普惠金融具有普惠性和高效性，不仅能降低工业企业获取金融服务的门槛和成本，还可以提高金融服务效率，有效缓解信息不对称，从而为工业绿色技术创新提供多元化融资渠道，并为绿色投资项目提供资金保障。这些都将推动工业企业实现绿色生产技术升级和生产方式绿色转型，在促进企业自身可持续发展的同时，也为城市工业绿色全要素生产率增长赋能。从需求侧来看，数字普惠金融作为金融领域的一次重大革新，具有信息化、平台化的属性，能够弥补传统金融体系的不足，重塑金融服务模式，显著提高了居民金融的可获得性，有利于增强居民消费能力和扩大居民消费总量，而移动支付服务的普及也进一步提高了居民消费的便捷性，有助于实现提振居民绿色消费的目标。居民对绿色工业产品需求的增加，将倒逼工业企业加强绿色清洁产品研发，加快绿色转型发展，提升绿色竞争力，从而推动企业形成低碳环保、高效节约的绿色生产方式，带动工业产业结构绿色转型升级，最终实现城市工业绿色全要素生产率增长。

基于此，本文提出如下假设：

假设1：数字普惠金融能够促进工业绿色全要素生产率提升。

（二）数字普惠金融、资源配置与工业绿色全要素生产率

数字普惠金融是改善资源配置进而推动工业绿色全要素生产率增长的重要手段，本文将从资源配置效率提升和资源配置结构优化两方面进行阐述。

1.资源配置效率提升

数字普惠金融对资源配置效率的影响可以从资本和劳动力要素两方面进行讨论。

就资本要素的配置而言：一方面，数字普惠金融在资金供需双方间建立了直接的沟通渠道，有效缓解了信贷过程中的信息不对称问题，从而畅通了资本流动渠道，有利于引导资本从低效率、落后产业向高效率、新兴绿色工业产业流动[17]，对于提高资本配置效率有重要意义。另一方面，数字普惠金融在一定程度上完善了金融市场竞争机制[18]，有利于抑制资本盲目逐利的动机，强化金融服务实体经济的功能，使得资本价格能更准确地反映资本供求关系，进而推动资本配置效率提升。资本配置效率的提升，极大地提高了工业部门中具有较高环境绩效和经济效益的绿色环保项目的融资可得性和便利性，并且帮助工业企业降低了金融交易成本，满足了其在绿色生产中对机器设备和研发经费的需求，有利于激励企业扩大绿色投资规模并积极开展绿色技术创新活动，以更新机器设备、升级产品和服务，逐步取代落后产能，最终实现工业绿色全要素生产率提高。

就劳动力要素的配置而言：首先，数字普惠金融能满足劳动力在跨区转移过程中由住房、消费、社会保障等衍生而来的金融需求，从而减少劳动力区际流动障碍，增强转移意愿，扩大劳动力配置范围和就业选择，带来劳动力配置效率提升。其次，数字普惠金融通过优化地区劳动力就业结构带动劳动力配置效率提升。从企业方面来看，数字普惠金融的应用使得企业在绿色生产过程中投入了更多的资本要素，在“资本技能互补”效应的影响下，企业对高水平人力资本的需求随之增加[19]，且企业为了更好地使用数字普惠金融，也会增加相关技术人员的投入。从劳动者方面来看，在使用数字普惠金融的过程中，劳动者不仅改善了自身的金融素养，而且能利用信贷资金进行人力资本投资，通过开展教育和培训活动来提升职业技能水平。劳动力配置效率的提升，在一定程度上降低了工业企业的用工成本，满足了工业绿色发展所需的人才支持。随着企业人力资本的积累以及劳动力与就业岗位适配度的提升，将有效提升绿色创新成功率，带来绿色产出扩张，形成良性循环，最终实现工业绿色全要素生产率增长。

基于此，本文提出如下假设：

假设2：数字普惠金融通过提高资本配置效率进而促进工业绿色全要素生产率提升。

假设3：数字普惠金融通过提高劳动力配置效率进而促进工业绿色全要素生产率提升。

2.资源配置结构优化

相比于非国有企业，国有企业在要素资源获取、市场准入等方面往往具有明显优势，尤其是在信贷资源配置方面，国有企业常常能享受到政策倾斜和政府隐性担保，更容易获得外部信贷支持[20]。而非国有企业因抵押资产不足和财务信息不透明，面临着“融资难、融资贵”的困境[21]。就工业部门而言，王万珺等[22]的研究结果显示，我国国有工业企业中的“僵尸企业”占比高于非国有企业，低效率国有企业在资源配置倾斜下过度扩张，而高效率民营企业或中小企业却不能获得有效金融支持。要实现中国工业的健康发展，就必须改善资源在不同类型所有制企业间的配置状况[23]，形成更合理有效的资源配置结构，从而为工业绿色全要素生产率增长提供动力。

数字普惠金融直接提高了非国有企业的信贷可得性，并通过增加资本要素数量提高了非国有企业劳动力与技术的投入数量和质量，为优化资源配置结构并最终实现工业绿色全要素生产率增长提供了新的途径。首先，数字普惠金融借助数字技术，突破了时空距离的限制，基于互联网平台创新开展了大量新型线上金融业务，拓宽了各类金融服务的边界，降低了资金供需双方的搜寻与匹配成本，并且能更高效快捷地搜寻、分析客户的经营能力、财务状况、违约风险等信息，有效解决了金融机构和企业间信息不对称的问题[24]，减少了人为判断偏差所导致的逆向选择和道德风险。由此可以扭转非国有工业企业在资源配置中的劣势处境，提高企业的信贷可得性[25]，引导资本流入企业绿色生产环节，从资本端产生资源配置结构优化效应。其次，劳动力和技术作为企业的重要生产要素，其整体素质水平将直接影响工业绿色全要素生产率。数字普惠金融的发展为非国有工业企业引进了大量高技能劳动力和先进技术，进一步推动了地区资源配置结构优化。在信贷支持下，非国有工业企业有能力支付相应的劳动报酬，吸引了具有创新意识和环保意识的专业人才不断向企业集聚，满足了企业对技术岗位人才的需求，有利于实现人力资本积累和质量升级。这不仅为企业绿色技术创新奠定了人才基础，而且在一定程度上降低了企业生产对自然资源高消耗的依赖。此外，非国有工业企业还可以运用信贷资金来加强对外部先进绿色技术的引进，在学习、吸收、模仿、改进的基础上提高自身技术，争取实现技术赶超，对工业绿色全要素生产率提升存在积极和催化作用。

基于上述分析，本文提出如下假设：

假设4：数字普惠金融通过优化资源配置结构进而促进工业绿色全要素生产率提升。

三、研究设计

（一）模型构建

为检验数字普惠金融对工业绿色全要素生产率的影响，本文设定如下基准回归模型：

其中，gtfpit表示i市t时期的工业绿色全要素生产率，difit代表i 市在t 时期的数字普惠金融发展水平。controlit为控制变量，μi和λt分别代表地区固定效应和时间固定效应，εit是随机误差项。

为了进一步识别数字普惠金融能否通过资源配置效率提高和资源配置结构优化来实现工业绿色全要素生产率增长，对假设2至4进行检验。本文参照温忠麟等[26]的中介效应检验方法，在模型（1）的基础上，构建如下两个模型：

其中，Mit是中介变量，分别为资本配置效率（distkit）、劳动力配置效率（distlit）、资源配置结构（osit）。其他变量同模型（1）。

（二）变量选取

1.被解释变量

工业绿色全要素生产率（gtfpit），采用超效率SBM-ML 指数模型测度，投入指标包括资本、劳动力、能源。期望产出指标为各省工业生产者出厂价格指数平减后的地区第二产业增加值。非期望产出指标为工业废水、二氧化硫和烟尘排放量。其中，资本投入用各地规模以上工业企业固定资产合计来表示。劳动力投入选取各地区工业从业人员数来衡量。能源投入为各地区工业能源总消耗。

由于ML指数反映的是各城市工业绿色全要素生产率的变动趋势，本文假定2010年各城市工业GTFP为1，那么2011年的工业GTFP等于2011年的ML指数值乘以2010年的GTP值，依此类推进行测算。

2.核心解释变量

数字普惠金融（difit），使用北京大学数字金融研究中心发布的数字普惠金融发展指数来衡量。该综合指数可以进一步划分为覆盖广度、使用深度和数字化程度三个维度，较为客观和全面。

3.中介变量

（1）资源配置效率。本文研究的资源配置效率包含资本配置效率（distkit）和劳动力配置效率（distlit）。本文借鉴白俊红等[27]的思路建立了负向指标，使用要素边际产出与其实际价格的偏离程度来反映要素市场扭曲状况，要素市场扭曲越严重，则资源配置效率越低。衡量公式如下：

其中，MPkit、MPlit分别代表资本和劳动力的边际产出，可利用C-D生产函数测算得出。资本价格r为10%；wit表示各地区职工平均工资，并采用实际工资指数折算成以2007年不变价格表示的实际工资水平。

（2）资源配置结构（osit）。根据前文的理论分析，合理有效的资源配置结构应当消除所有制特征对企业资源获取能力的干扰，要素资源遵循逐利性流向效率更高的非国有企业，结果是非国有经济的规模和份额不断增加。可以发现，非国有经济的发展状况在一定程度上可以反映地区的资源配置结构。因此，考虑数据可得性，本文借鉴于文超等[28]的研究，采用城镇私营和个体从业人员数占地区总就业人数的比重来衡量各地区资源配置结构。该数值越大，表明非国有经济发展状况越良好，资源配置结构越合理。

4.控制变量

基于已有研究，本文选取的控制变量包括：（1）经济发展水平（lnrgdpit），选取各城市实际GDP来衡量，并作对数化处理；（2）对外开放程度（lnfdiit），选取实际利用外资来衡量，并用当年的汇率进行折算，作对数化处理；（3）产业结构水平（strit），采用第三产业增加值占GDP 比重来衡量；（4）绿色技术创新（innoit），选取绿色专利申请量来表示。

（三）数据来源说明

由于2021年《中国城市统计年鉴》中不再公布工业绿色全要素生产率测算所需的工业废水和烟尘排放量等数据，因此本文的样本范围为2011—2019年中国281个地级市及以上城市的面板数据。本文数据来源于国家知识产权局、《中国城市统计年鉴》、各地区统计年鉴、北京大学数字金融研究中心。部分缺失值使用均值或平均增速法来补充。对各变量的描述性统计如表1所示。

表1 描述性统计

四、实证研究

（一）基准回归

为验证数字普惠金融影响工业绿色全要素生产率的研究假设，经过Hausman检验，本文选择建立双向固定效应的基准模型。回归结果见表2。

表2（1）列，数字普惠金融（dif）的回归系数在未加入控制变量的情况下在1%的水平上正向显著。在（2）至（5）列逐步加入经济发展水平、对外开放程度、产业结构水平以及技术创新等控制变量，回归模型的拟合优度不断提高，且数字普惠金融的显著性和系数大小基本稳定不变。由此可知，数字普惠金融对城市工业绿色全要素生产率增长具有显著的促进作用，结果是稳健的。假设1 得到验证。考虑控制变量的影响，根据（5）列的实证结果可以发现，经济发展水平（lnrgdp）、绿色技术创新（inno）和对外开放程度（lnfdi）的影响系数均为正，表明这些因素对推动城市工业绿色全要素生产率增长均发挥了积极的影响。产业结构水平（str）的系数显著为负，可能是因为第三产业的发展在一定程度上挤压了工业绿色发展的生存空间，未能发挥出良好的带动效应。

表2 基准回归结果

（二）稳健性检验

1.剔除副省级市和直辖市样本。考虑到我国直辖市和副省级市在行政级别、政策倾斜和经济发展水平等方面与其他地级市存在一定差异，这可能会导致数字普惠金融的影响效应有所差别。因此，本文剔除原始样本中的直辖市和副省级市的数据，再次进行回归。由表3（1）列的结果可以看出，数字普惠金融的系数仍保持显著为正，可见本文的研究结论是稳健的。

2.替换解释变量。本文将核心解释变量数字普惠金融指数细分为覆盖广度（breadth）、使用深度（depth）、数字化程度（digi），分别作为核心解释变量进行回归。由表3（2）至（4）列的结果可以看出，这三个维度变量影响系数均在1%水平上显著，再次证明本文回归结果的稳健性。

3.工具变量法。为控制内生性问题，本文借鉴谢绚丽等[29]的做法，将省级互联网普及率（iv）作为核心解释变量的工具变量，运用两阶段最小二乘法重新估计。互联网普及率在一定程度上代表地区信息技术水平，是发展数字普惠金融的重要基础。并且，互联网的普及更多依赖于国家政策的推动，具有较强的政策性，在控制了绿色技术创新等与工业绿色全要素生产率相关的变量后，互联网普及率与城市工业绿色全要素生产率之间并不直接相关，因此互联网普及率可能是一个有效的工具变量。表3（5）和（6）列为相应回归结果。结果表明，本文所选取的工具变量通过了识别不足和弱工具变量检验，是合理有效的，在考虑了内生性问题后，数字普惠金融的影响效应仍正向显著，说明本文研究结论是稳健的。

表3 稳健性回归结果

（三）机制分析

为探究数字普惠金融如何影响城市工业绿色全要素生产率的问题，本文利用中介效应模型，尝试对假设2至4提出的资源配置效率和资源配置结构优化两个传导机制进行实证检验。结果如表4所示。

根据表4（1）和（3）列，数字普惠金融对资本配置效率（distk）和劳动力配置效率（distl）的回归系数至少在5%的水平上显著为负。鉴于资本配置效率和劳动力配置效率是负向指标，说明数字普惠金融的发展对城市的资本和劳动力配置效率提高均有着积极的影响。而（2）和（4）列是将数字普惠金融分别与资本配置效率、劳动力配置效率变量加入模型的结果，数字普惠金融的影响系数依然显著为正，但分别从基准回归中的0.016缩小至0.0141和0.0156，资本配置效率和劳动力配置效率的影响系数则至少在5%的水平上显著为负。由此可知，数字普惠金融通过提高资源配置效率进而促进工业绿色全要素生产率的增长，即资本配置效率和劳动力配置效率均具有显著的中介效应。假设2至3得到验证。

表4（5）列中，数字普惠金融的系数显著为正，表明数字普惠金融水平的提高对地区资源配置结构优化有着正向的影响。（6）列中，数字普惠金融对工业绿色全要素生产率的影响系数仍然正向显著，但缩小至0.0157，资源配置结构的回归系数在10%的水平上显著为正，说明数字普惠金融能通过优化地区资源配置结构带动城市工业绿色全要素生产率提高，表明资源配置结构具有显著的中介效应。假设4得到验证。

表4 机制检验结果

（四）异质性分析

1.传统金融发展水平的差异

已有研究表明，传统金融机构受限于营业网点分布和营业时间，金融服务“最后一公里”仍未打通[30]，而数字普惠金融的发展则显著弱化了传统金融机构对落后地区和弱势群体的金融排斥。那么，数字普惠金融发展的普惠效应是否存在，是否更有利于传统金融发展相对落后地区工业绿色全要素生产率的增长？基于此，本文借鉴梁榜等[31]的研究，使用各城市金融机构贷款余额占其GDP 的比重来表示地区传统金融发展状况。以该变量的中位数为标准，将总样本分为传统金融欠发达地区和传统金融发达地区，分组考察数字普惠金融的影响差异，回归结果见表5 的（1）和（2）列。结果显示，数字普惠金融对传统金融欠发达地区的回归系数为0.021，对传统金融发达地区的系数为0.013，两者至少在5%的水平上显著，且前者更为显著。说明金融发展越落后、金融服务可得性越低的地区，越能享受到数字普惠金融发展带来的“红利”，数字普惠金融对该地区工业绿色全要素生产率增长的积极影响越明显。由此得出，数字普惠金融存在显著的普惠效应。

2.金融监管强度的差异

数字普惠金融的发展，在弥补传统金融短板的同时，也引发了社会对金融垄断、过度信贷、个人隐私安全等的担忧。因此，金融监管是非常必要的，但应适度，否则会不利于数字普惠金融的发展和效能释放。那么，随着金融监管的加强，数字普惠金融对工业绿色全要素生产率的影响效应会得到强化还是会受到抑制？为此，本文借鉴唐松等[32]的研究，使用地区金融监管支出占地方财政一般预算支出的比重来表示区域金融监管强度。并将总样本划分为强金融监管地区和弱金融监管地区，考察数字普惠金融在不同金融监管强度下的影响效应差异。回归结果见表5 的（3）和（4）列。结果显示，在强金融监管地区，数字普惠金融回归系数的值更大，显著性水平更高。说明在现阶段，金融监管力度的加强是有必要的，因其更有利于降低数字普惠金融背后隐藏的金融风险并推动数字普惠金融规范有序发展，是发挥数字普惠金融推动城市工业绿色全要素生产率增长的重要条件。

3.地理区位异质性分析

我国各地区在资源禀赋和经济发展水平等方面存在显著的差异，导致各地区的数字化进程和金融发展水平参差不齐。为此，本文进一步考虑地理区位异质性，将研究数据分为东部、中西部两个样本组①，分别检验数字普惠金融的影响效应，回归结果见表5的（5）和（6）列。数字普惠金融在各地区均产生了显著的正向影响，但效应的大小存在显著的差异，表现为对东部地区的促进效应大于中西部地区。这可能是东部地区在资源禀赋、地理区位、技术水平等方面具有显著的优势，数字基础设施建设相对完善，更有利于发挥数字普惠金融对工业绿色全要素生产率的积极影响。

表5 进一步研究的回归结果

五、研究结论与政策建议

本文从资源配置的研究视角出发，选取2011—2019年中国281 个地级市的面板数据，建立双向固定效应模型，考察了数字普惠金融对城市工业绿色全要素生产率的作用效果及影响机制。研究发现：（1）数字普惠金融的发展显著促进了城市工业绿色全要素生产率提升，在采用替换变量法和工具变量法检验后，这一结果仍然稳健；（2）从资源配置的视角看，资源配置效率提高和资源配置结构优化是数字普惠金融影响城市工业绿色全要素生产率的重要机制；（3）数字普惠金融的影响效应对传统金融欠发达地区、强金融监管地区和东部地区的工业绿色全要素生产率发挥得更充分。

基于以上研究结论，本文提出以下建议：（1）重视数字普惠金融发展，不断推进各地区数字化进程，继续提升数字普惠金融为实体经济服务的广度和深度，助力实现工业绿色可持续发展。（2）强化数字普惠金融改善资源配置的功能，充分发挥数字普惠金融增强要素流动性、淘汰落后工业产能和完善金融市场竞争机制进而推动资源配置效率提高和资源配置结构优化的积极作用，为工业绿色全要素生产率增长赋能。（3）立足于我国区域间数字普惠金融发展水平差异，因地制宜施行金融发展政策。东部地区及传统金融发展水平较高的城市应进一步提高数字普惠金融服务的质量和效率，而中西部地区及传统金融发展较落后的城市，则应加快完善数字基础设施建设，着力改善数字普惠金融的发展环境。（4）完善数字普惠金融领域的法律法规和监管规则体系建设，创新金融监管模式，强化功能监管，以包容有效的金融监管推动数字普惠金融高效运行和持续健康发展。■

注 释

①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11 个省市，共100 个城市；其余为中西部地区，共181个城市。