数字普惠金融促进绿色全要素生产率提升：作用机理与实证检验

doi:10.16716/j.cnki.65-1030/f.2023.01.001

摘要/Abstract

摘要：

随着数字中国建设的不断推进，数字普惠金融在贯彻落实新发展理念、促进绿色全要素生产率提升等方面发挥了越来越重要的作用。文章采用2011年—2020年我国30个省、自治区、直辖市的面板数据，运用固定效应模型和中介效应模型研究数字普惠金融对绿色全要素生产率的影响。研究发现：数字普惠金融可以有效促进绿色全要素生产率提升，并且这种促进作用在东部地区和西部地区表现更加明显；数字普惠金融促进绿色全要素生产率提升具有显著的中介效应，数字普惠金融通过技术进步、产业结构升级、技术进步—产业结构升级3种作用渠道提升绿色全要素生产率。因此，今后可从提升区域基础硬件设施水平、普及数字普惠金融理念、培养专业性金融人才等方面入手，进一步推动数字普惠金融发展，进而提升绿色全要素生产率。

关键词: 高质量发展, 数字经济, 数字普惠金融, 绿色全要素生产率, 作用机理

Abstract:

With the promotion of digital China construction, digital inclusive finance plays an important role in implementing the new development concept and promoting the improvement of green total factor productivity. This paper uses the economic and social data of 30 provinces, municipalities and autonomous regions in China from 2011 to 2020 to study the impact of digital inclusive finance on green total factor productivity using fixed effect model and intermediary effect model. The results show that digital inclusive finance effectively promotes the promotion of green total factor productivity, and this promotion is more obvious in the eastern and western regions. Digital inclusive finance has significant intermediary effect in promoting green total factor productivity, that is, digital inclusive finance improves green total factor productivity through three channels: technological progress, industrial structure upgrading, and technological progress-industrial structure upgrading. In this regard, we should promote the development of digital inclusive finance by improving the regional basic hardware equipment and popularizing the concept of digital inclusive finance, and training professional financial talents, so as to improve total factor productivity.

Key words: high-quality development, digital economy, digital inclusive finance, green total factor productivity, mechanism of action

中图分类号:

F061.5
F124

刘荣增, 李子恩, 何春. 数字普惠金融促进绿色全要素生产率提升：作用机理与实证检验[J]. 新疆财经, 2023, (1): 5-16.

LIU Rongzeng, LI Zien, HE Chun. The Mechanism and Empirical Test of Digital Inclusive Finance Promoting Green Total Factor Productivity[J]. Finance & Economics of Xinjiang, 2023, (1): 5-16.

图/表 11

图1

表1

变量定义及说明"

变量类型	变量符号	含义	计算方法
被解释变量	$g t f p$	绿色全要素生产率	根据全局参比的SBM模型计算
核心解释变量	$i n d e x$	数字普惠金融水平	数字普惠金融指数（2011年—2020年）
控制变量	$h r$	人力资本	受教育年限的平均值
	$o p e n$	外贸依存度	进出口总额与GDP之比
	$g o v$	政府干预	政府预算支出与GDP之比
	$e d u$	教育支出	教育经费与GDP之比
	$f i n$	金融发展水平	银行业金融机构贷款存量余额与GDP之比

表1

表2

变量的描述性统计结果"

变量	样本量	平均值	标准差	最小值	最大值
$g t f p$	300	1.064	0.169	0.469	1.866
$i n d e x$	300	2.033	0.916	0.183	4.103
$h r$	300	9.178	0.892	7.474	12.681
$o p e n$	300	0.267	0.275	0.011	1.399
$g o v$	300	0.264	0.115	0.120	0.758
$e d u$	300	0.055	0.017	0.030	0.113
$f i n$	300	1.435	0.441	0.671	2.577

表2

表3

共线性分析结果"

变量	VIF	1/VIF
$e d u$	9.000	0.111
$g o v$	7.330	0.136
$h r$	4.470	0.224
$f i n$	4.040	0.247
$o p e n$	2.160	0.464
$i n d e x$	1.520	0.659

表3

表4

基准回归结果"

变量	模型（1）	模型（2）	模型（3）	模型（4）	模型（5）	模型（6）
$i n d e x$	0.070^*** （0.006）	0.051^*** （0.009）	0.052^*** （0.010）	0.053^*** （0.010）	0.058^*** （0.010）	0.094^*** （0.013）
$h r$		0.118^*** （0.038）	0.119^*** （0.039）	0.116^*** （0.039）	0.109^*** （0.038）	0.086^** （0.037）
$o p e n$			0.051 （0.100）	0.033 （0.103）	0.084 （0.102）	0.153 （0.100）
$g o v$				-0.197 （0.274）	0.529 （0.335）	0.816^** （0.333）
$e d u$					-7.045^*** （1.955）	-5.384^*** （1.944）
$f i n$						-0.199^*** （0.051）
$_c o n s$	0.921^*** （0.014）	-0.118 （0.340）	-0.149 （0.346）	-0.069 （0.364）	0.173 （0.361）	0.408 （0.356）
$N$	300	300	300	300	300	300
$R 2$	0.346	0.371	0.371	0.373	0.406	0.442

表4

表5

内生性检验结果"

变量	第一阶段 $i n d e x$	第二阶段 $g t f p$
$i n d e x$		0.130^*** （0.015）
$h l$	6.140^*** （0.455）
$_c o n s$	-12.747^*** （1.832）	1.208^*** （0.432）
控制变量	Yes	Yes
$N$	300	300
$R 2$	0.896	0.775

表5

表6

稳健性检验结果"

变量	随机效应模型		替换控制变量		缩尾处理
变量	（1）	（2）	（3）	（4）	（5）	（6）
$i n d e x$	0.071^*** （0.016）	0.082^*** （0.016）	0.070^*** （0.015）	0.121^*** （0.016）	0.068^*** （0.014）	0.091^*** （0.013）
$h r$		0.076^** （0.038）				0.072 （0.046）
$o p e n$		0.006 （0.084）				0.229 （0.397）
$g o v$		0.725^** （0.317）				0.903^* （0.449）
$e d u$		-4.542^***（1.716）				-6.623^** （2.857）
$f i n$		-0.152^* （0.081）				-0.158^* （0.083）
$L . h r$				0.070 （0.067）
$L . o p e n$				0.162 （0.281）
$L . g o v$				0.851 （0.558）
$L . e d u$				-4.384 （3.134）
$L . f i n$				-0.182^* （0.089）
_cons	0.919^*** （0.012）	0.470 （0.305）	0.921^*** （0.031）	0.389 （0.617）	0.924^*** （0.029）	0.508 （0.460）
$N$	300	300	300	270	300	300
$R 2$			0.346	0.529	0.362	0.459

表6

表7

异质性回归结果"

变量	东部地区	中部地区	西部地区
$i n d e x$	0.163^*** （0.028）	0.037 （0.028）	0.064^** （0.021）
$_c o n s$	0.073 （1.112）	0.928^* （0.482）	0.537 （0.492）
控制变量	Yes	Yes	Yes
$N$	110	80	110
$R 2$	0.531	0.692	0.481

表7

表8

中介效应回归结果"

变量	$g t f p$ （1）	$p a t e n t$ （2）	$g t f p$ （3）	$i n d u s$ （4）	$g t f p$ （5）
$i n d e x$	0.094^*** （0.015）	0.677^*** （0.202）	0.068^*** （0.015）	0.125^*** （0.020）	0.056^*** （0.019）
$p a t e n t$			0.039^*** （0.008）
$i n d u s$					0.304^** （0.111）
$_c o n s$	0.408 （0.493）	-7.269 （10.237）	0.691^* （0.369）	-1.589^* （0.894）	0.892^** （0.359）
控制变量	Yes	Yes	Yes	Yes	Yes
$N$	300	300	300	300	300
$R 2$	0.442	0.542	0.539	0.779	0.538

表8

图2

表9

链式中介效应回归结果"

变量	$g t f p$ （1）	$p a t e n t$ （2）	$i n d u s$ （3）	$g t f p$ （4）
$i n d e x$	0.094^*** （0.015）	0.677^*** （0.202）	0.082^*** （0.020）	0.051^*** （0.017）
$p a t e n t$			0.063^*** （0.007）	0.026^** （0.011）
$i n d u s$				0.202^* （0.115）
$_c o n s$	0.408 （0.493）	-7.269 （10.237）	-1.129 （0.679）	0.919^** （0.359）
控制变量	Yes	Yes	Yes	Yes
$N$	300	300	300	300
r2	0.442	0.542	0.834	0.571
r2_a	0.430	0.531	0.830	0.558

表9

参考文献 20

[1]	Ren S M, Li L Q, Han Y Q, Hao Y, Wu H T. The Emerging Driving Force of Inclusive Green Growth:Does Digital Economy Agglomeration Work?[J]. Business Strategy and the Environment, 2022(4):1656-1678.
[2]	王霞, 田霞. 外商直接投资、数字普惠金融与绿色经济发展[J]. 商业经济研究, 2022(7):168-171.
[3]	乌静, 肖鸿波, 陈兵. 数字经济对绿色全要素生产率的影响研究[J]. 金融与经济, 2022(1):55-63.
[4]	范欣, 尹秋舒. 数字金融提升了绿色全要素生产率吗?[J]. 山西大学学报(哲学社会科学版), 2021(4):109-119.
[5]	惠献波. 数字普惠金融与城市绿色全要素生产率:内在机制与经验证据[J]. 南方金融, 2021(5):20-31.
[6]	Gomber P, Kauffman R J, Parker C, Weber B W. On the Fintech Revolution:Interpreting the Forces of Innovation, Disruption and Transformation in Financial Services[J]. Journal of Management Information Systems, 2018(1):220-265.
[7]	Liu G T, Wang B, Zhang N. A Coin has Two Sides:Which One is Driving China's Green TFP Growth?[J]. Economic Systems, 2016(3):481-498.
[8]	王林辉, 王辉, 董直庆. 经济增长和环境质量相容性政策条件——环境技术进步方向视角下的政策偏向效应检验[J]. 管理世界, 2020(3):39-60.
[9]	逯进, 李婷婷. 产业结构升级、技术创新与绿色全要素生产率——基于异质性视角的研究[J]. 中国人口科学, 2021(4):86-97+128.
[10]	张晓丹, 彭耿. 数字普惠金融发展与区域创新能力——基于282个城市数据的非线性影响研究[J]. 技术经济与管理研究, 2021(10):32-36.
[11]	冉芳, 谭怡. 数字金融、创新投入与企业全要素生产率[J]. 统计与决策, 2021(15):136-139.
[12]	张恒, 李璐, 赵茂. 数字普惠金融与绿色全要素生产率——基于系统GMM的实证检验[J]. 新金融, 2022(3): 31-40.
[13]	刘赢时, 田银华, 罗迎. 产业结构升级、能源效率与绿色全要素生产率[J]. 财经理论与实践, 2018(1):118-126.
[14]	王道平, 刘琳琳. 数字金融、金融错配与企业全要素生产率——基于融资约束视角的分析[J]. 金融论坛, 2021 (8):28-38.
[15]	万佳彧, 周勤, 肖义. 数字金融、融资约束与企业创新[J]. 经济评论, 2020(1):71-83.
[16]	韩晶, 孙雅雯, 陈超凡, 蓝庆新. 产业升级推动了中国城市绿色增长吗?[J]. 北京师范大学学报(社会科学版), 2019(3):139-151.
[17]	张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10):35-44.
[18]	周敏丹. 人力资本供给、工作技能需求与过度教育[J]. 世界经济, 2021(7):79-103.
[19]	杨德勇, 代海川, 黄帆帆. 数字普惠金融对城乡居民收入差距的门限效应研究——基于不同发展维度的实证分析[J]. 经济与管理评论, 2022(3):89-101.
[20]	温忠麟, 叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展, 2014(5):731-745. doi: 10.3724/SP.J.1042.2014.00731