数字普惠金融对区域绿色创新的影响研究

任森春，赵 磊

（安徽财经大学 金融学院,安徽 蚌埠 233030）

0 引言

近年来，我国经济正处于转型时期，经济高质量发展既是目标也是要求，新旧动能转换问题一直备受关注。传统创新在促进经济增长的同时，资本和能源的低效率、粗放式投入给生态环境带来了严重的影响。《2020中国生态环境状况公报》显示，2020年我国只有202个城市环境空气质量达标，占所有城市比重为59.9%，中国2020年环境绩效指数在世界位居120位，虽然在10年里排名有所上升，但距离其他国家仍有较大差距，我国面临的环境问题依然严峻。十九大报告中提到“创新、协调、绿色、开放、共享”五大新发展理念，创新是发展的动力，绿色是发展的要求，二者应协调发展。因此，推动绿色创新对于促进经济高质量发展具有重要意义。

所谓绿色创新是指在传统创新过程中引入绿色发展理念，通过新知识、新技术等研发投入，在确保提高创新能力、促进经济发展的同时，达到保护环境以及节约资源的目的，实现经济与生态环境的协调发展。但是创新以及绿色创新具有资金需求大、效益回收期长以及不确定性程度较高的特点，因此仅靠政府以及传统金融手段给予资金支持是远远不够的，由于绿色创新知识与技术具有较强的外部性，市场的资源配置作用往往难以奏效，从而产生对绿色创新的排斥效应。近年来，依托于互联网等技术发展起来的数字普惠金融利用自身独特优势，为许多“长尾”客户和区域提供了金融支持，一定程度上缓解了信息不对称引起的金融排斥问题。因此，在分析绿色创新发展水平的基础上，研究数字普惠金融能否促进区域绿色创新发展，以及是否存在区域异质性和空间溢出效应等问题具有重要意义。

1 文献综述

基于经济与环境协同发展的要求，绿色创新逐渐成为研究热点问题。由于绿色创新的概念丰富、涉及领域广阔以及具有多维度的特征，因此国内外学者针对绿色创新的内涵与概念存在众多观点，Brawn E等首次提出绿色技术创新这一概念，认为绿色技术创新是对生产技术进行绿色升级与改造，以达到减少污染排放、节约资源的目的。在此基础上，一些学者将绿色技术创新的内涵扩大，Rennings K等认为绿色创新不应局限于生产技术绿色化，以保护环境为前提的新知识、新技术、新产品以及新服务都可以称之为绿色创新，这一观点得到众多学者认同。

现有关于绿色创新的研究主要集中在绿色创新评价和影响因素识别方面。大多数文献中关于绿色创新的评价，主要通过构建投入产出模型测算绿色创新效率，并在此基础上衡量绿色创新的发展水平。从投入产出角度来看，学者们为了体现绿色环境因素，在测算创新增长效益模型的传统基础上引入代表环境污染的非期望产出指标，将创新和环境一同纳入评价模型中，综合评价绿色创新的经济效益与生态效益。绿色创新效率被学者们广泛应用于评价不同行业以及不同区域的绿色创新能力。李雪松等基于研发驱动创新发展的理论，通过超效率DEA-SBM模型测算了我国不同区域的传统型绿色发展效率以及创新型绿色发展效率，对我国区域绿色发展做出评价。李健等通过测算不同省份高新技术产业绿色创新效率，发现高新技术产业的绿色创新效率在时间和空间上均呈现差异性分布。

关于影响因素的探索是绿色创新研究的重点，已有文献对绿色创新影响因素的研究大致可以分为内部因素和外部因素两大类。内部驱动因素的研究相对较少，大多基于企业绿色创新的微观视角，认为企业自身规模、研发投入、管理制度等内部因素是绿色创新的主要驱动力量。外部因素主要是通过市场、政策以及其他相关因素的角度研究对绿色创新的影响。国外学者Porter M E等提出“波特假说”，认为环境规制能够加大企业污染的成本，从而对企业绿色创新起到促进作用。但也有学者认为环境规制对绿色创新并非直接促进关系，Ramanathan R等、张成等认为两者存在正“U”型关系，即环境规制对绿色创新的促进作用存在“门槛”。此外，已有文献表明经济发展水平、人力资本、外商投资以及开放程度等因素均对绿色创新产生影响。

绿色创新从本质上看仍然是实体经济的创新发展，而实体经济的发展离不开金融的支持。近几年随着数字金融的不断发展，关于数字金融支持创新创业的研究被广泛关注。相比较传统金融，数字金融利用自身技术和信息优势，为区域创新活动提供了大量资金支持，学者们对于数字金融促进区域创新发展基本都持有肯定的观点，即数字金融缓解了区域创新的融资约束问题，对创新活动起到明显的激励作用。但是在另一方面，由于不同区域资源禀赋以及金融发展水平存在差异，数字金融对创新的激励效应存在异质性，聂秀华等认为数字金融虽然在整体上提高了区域技术创新水平，但数字金融的创新激励作用与金融发展成熟度、地区制度以及人力资本发展水平等因素息息相关。此外，一些学者从影响机制角度研究了数字金融对区域创新的间接影响，杜传忠等从供给和需求角度对数字金融的创新效应进行研究，发现数字金融可以通过改善银行信贷以及提高居民消费间接促进区域创新水平。数字金融可以发挥优化资源配置的作用，市场通过对不同生产效益的行业进行资源配置，可以促进产业结构转型升级，进而达到促进区域创新发展的作用。

关于数字金融与绿色创新的关系研究较少，从已有文献来看，少量学者分析了金融发展与金融的资源配置作用对绿色创新效率的影响。刘习平等基于城市数据分析了金融发展对城市绿色创新效率的影响，结果表明金融发展的绿色创新效应因城市规模而存在差异。王馨等通过分析绿色信贷政策对绿色创新的影响，认为绿色信贷具有降低成本和提高投资效率的作用。尹飞霄通过空间计量分析，发现数字金融的绿色创新效应存在空间相关性，绿色创新具有溢出效应。

综上所述，鲜有文献对数字普惠金融与绿色创新的关系进行研究，本文在梳理已有文献基础上，对数字普惠金融的绿色创新效应进行研究，从空间溢出效应视角探究数字普惠金融对绿色创新的影响。

2 理论分析与研究假设

2.1 绿色创新的空间自相关性分析

与一般创新相同，绿色创新的空间溢出效应容易导致区域之间产生关联性。绿色创新大多以知识、技术等为基础，而知识或技术具有类似公共产品的性质和特点，容易产生较强的外部溢出效应。区域绿色创新之间的关联性可以从空间距离与经济发展水平两个角度进行分析，区域之间的距离能够影响知识、技术等创新资源的传播与共享，进而影响绿色创新的溢出效应；从经济发展角度分析，不同区域之间经济发展水平的差异会导致绿色创新水平产生集聚现象，从而导致区域绿色创新水平的相关性。据此，本文提出假设1：区域绿色创新存在空间自相关性。

2.2 数字普惠金融对区域绿色创新的直接影响分析

金融作为实体经济的血液，具有支持实体经济发展、优化资源配置的职能。区域绿色创新水平的提升离不开企业对于知识以及生产技术的研发与改进，而这需要大量资金支持。与一般研发不同，以注重环境保护为前提的绿色创新具有收益回收期长、不确定性风险较大的特点，从传统金融供给角度来看，资本对绿色创新具有一定的排斥性，因此融资约束问题是抑制区域绿色创新发展的直接因素。近些年不断发展的数字普惠金融利用网络优势，通过扩展融资渠道，吸纳社会大量闲散资金，为区域创新活动提供资金支持，在一定程度上能够缓解绿色创新的融资约束，促进区域绿色创新。据此，本文提出假设2：数字普惠金融促进了区域绿色创新。

2.3 数字普惠金融对区域绿色创新的空间溢出效应分析

基于地理学第一定律，事物之间普遍存在空间关联性，且关联程度与距离反相关，因此数字普惠金融对区域绿色创新的空间溢出效应不容忽视。数字普惠金融的发展对邻近地区绿色创新的溢出效应可以从信息引导、要素流动角度分析。数字普惠金融基于互联网平台，其最大优势在于信息传递成本较低，当某一区域数字普惠金融得到迅速发展时，在政策引导和地区竞争的作用下，邻近地区会及时学习相关实践经验，有关绿色创新的融资需求信息会在区域之间流动，从而对邻近地区的绿色创新起到一定促进作用。其次，从绿色生产技术角度出发，数字普惠金融能够为绿色研发技术提供资金支持，从而促进本区域的绿色创新水平，而创新知识与技术等要素容易在区域之间流动，间接促进了邻近区域的创新水平。但需要指出的是，知识、技术等要素的流动也可能会产生“搭便车”现象，不利于绿色创新的发展。据此，本文提出假设3：数字普惠金融对区域绿色创新的促进具有空间溢出效应，且在不同区域空间溢出效应程度不同。

3 研究设计

3.1 区域绿色创新效率测算

区域绿色创新水平可以通过测算绿色创新效率衡量，目前效率测算主要包括参数方法SFA和非参数DEA方法，由于绿色创新效率衡量涉及多投入多产出，因此DEA方法在测算绿色创新效率上使用更为广泛。测算绿色创新效率需将环境污染等非期望产出纳入模型中，因此参照吕承超等的研究，本文选择使用超效率DEA-SBM模型，并在此基础上测算ML生产率指数，以此代表区域绿色创新效率。

对于绿色创新评价指标体系的构建，本文借鉴董会忠等[21]的研究，从人力投入、资本投入以及能源投入三个角度选取投入指标，在产出方面，通过创新数量以及代表绿色创新质量的市场价值作为期望产出，非期望产出选择地区工业排放的“三废”数据进行衡量。具体指标体系见表1，数据来源于EPS数据库以及相关统计年鉴。

表1 区域绿色创新效率评价指标体系表

3.2 空间自相关性分析

绿色创新的发展水平在不同区域之间往往存在一定关联效应，因此先对绿色创新效率进行空间自相性检验，判断其在不同区域的分布与聚集状态。全局空间自相关可通过莫兰指数（Moran’s I）进行刻画，计算公式为：

3.3 空间权重矩阵与计量模型构建

在此基础上，若区域绿色创新效率在空间上存在相互影响的溢出效应，则传统计量方法得出的结果会存在偏差。因此，本文采用空间计量方法，通过建立空间计量模型验证数字普惠金融对区域绿色创新的影响。静态空间面板模型的一般形式可以表示为：

（2）式中，W为空间权重矩阵，WY、WX与Wφ表示空间滞后项，ρ、δ分别度量被解释变量与解释变量的空间溢出效应，λ为空间误差系数；μ和η分别表示个体和时间的固定效应。

3.4 变量选取与数据说明

选取我国30个省份（由于数据缺失，不包括港澳台以及西藏地区）2011～2019年的面板数据，对数字普惠金融的绿色创新效应进行实证检验，相关变量设置如下，数据来源于EPS数据库以及相关统计年鉴。

被解释变量：区域绿色创新效率（GIE）。采用前文结合SBM方向距离函数测算出的ML生产率指数代表区域绿色创新效率，包括我国30个省份2011～2019年的面板数据。

解释变量：数字普惠金融指数（DIFI）。参照多数研究的做法，采用北京大学数字金融研究中心发布的数字普惠金融指数。该套指数从覆盖广度、使用深度等多个角度综合衡量了各个区域数字普惠金融的发展水平。

控制变量：本文探究的是数字普惠金融对区域绿色创新能力的影响，为了尽可能减少遗漏变量对回归结果的影响，在控制变量方面选取以下因素：经济发展水平（RGDP），选用各个省份的人均GDP反映区域的经济发展水平，并对数据取对数处理；产业结构（IS），产业结构的优化与升级能够吸引创新资源的流入，进而影响区域绿色创新能力，选用第三产业占地区生产总值的比例衡量产业结构；环境规制（ER），选用地区环境治理投资总额占GDP的比重衡量；外商投资（FDI），选用实际外商投资额占GDP比重表示；研发人员投入（RD），选用R&D人员全时当量表示人员投入规模，对数据取对数处理；房价水平（HP），区域房价水平可以通过虹吸效应、挤出效应等对区域经济的发展产生重要影响，选用商品住宅销售价格衡量房价水平，对数据取对数处理。

具体变量说明与数据描述性统计分析见表2。

表2 变量说明与描述性统计分析表

4 实证分析

4.1 绿色创新效率的空间自相关性检验

实证分析前，首先检验区域绿色创新效率的空间自相关性，利用Stata15.0计算全局Moran’s I指数，结果如表3所示。

表3 区域绿色创新的全局莫兰指数检验表

从检验结果可以看出，2011年莫兰指数为负，表示2011年各省绿色创新效率呈现负相关，即高值与低值相邻，但是没有通过显著性检验。其他所有年份的莫兰指数均为正值，且大部分在1%或5%水平上显著，说明区域绿色创新效率之间存在着正相关性，表现为高值与高值相邻、低值与低值相邻。

全局莫兰指数检验显示我国省域绿色创新之间存在正向的空间自相关性，为了进一步分析某一区域周围的分布状况，本研究进行了局部空间自相关性检验并给出了2019年局部莫兰指数散点图，如图1所示。我国的东部省份大多分布在散点图的第一象限，呈现“高—高”聚集现象，而西部大部分省份分布在第三象限，呈现“低—低”聚集现象。由此可以看出我国区域绿色创新效率并非随机分布，而是呈现一定的空间聚集效应。

图1 2019年区域绿色创新效率Moran’s I指数散点图

4.2 空间计量模型选择

莫兰检验显示绿色创新效率存在空间自相关性，因此研究数字普惠金融对绿色创新的影响需要选择适合的空间计量模型，表4列出了模型选择的检验结果。

表4 关于模型选择的检验结果表

从表4结果中可以看出，Robust LM_lag与Robust LM_error的统计量值均在1%水平下显著，说明区域绿色创新效率不仅会受到自身空间滞后的影响，还会受到无法观测因素的空间误差效应影响。因此为了综合度量空间效应，选择建立空间杜宾模型进行实证分析，LR检验结果进一步说明选择空间杜宾模型的必要性。因此，结合Hausman检验结果，本研究最终选择建立固定效应的空间杜宾模型进行实证分析。

4.3 结果分析

表5给出了基于不同权重矩阵的空间杜宾模型估计结果。

表5 空间杜宾模型估计结果表

续表5

从表5中可以看出在不同空间权重矩阵下，数字普惠金融（Difi）的系数均显著为正，说明数字普惠金融促进了区域绿色创新效率的提升。具体而言，在01邻接空间权重矩阵和经济距离权重矩阵下，数字普惠金融每提高1个单位，区域绿色创新效率分别提高0.179和0.167个百分点。除此之外，数字普惠金融的空间滞后项系数为0.021，且在5%的水平上显著，说明相邻地区数字普惠金融发展会对本区域的绿色创新产生正向的促进作用。从表中可以看出两种权重矩阵下的空间自相关系数均显著为正，表示不同区域之间绿色创新发展具有相互关联的溢出效应，即一个地区绿色创新水平的提升会对相邻地区产生促进作用，这也进一步验证了绿色创新存在空间自相关性。

从控制变量角度来看，外商投资（fdi）的系数为负但不显著，说明外商带来的资本与技术对区域绿色创新的发展起到了抑制作用，这可能与我国现在大力宣传自主研发创新、对于外商的依赖性降低有关。地区经济发展水平（rgdp）对于绿色创新的提高起到了显著的促进作用，但其空间滞后项的系数为负，说明地区经济发展对绿色创新起到负向的空间溢出效应，可能是因为资本的逐利性使得大量资源流向了经济发达地区，从而限制了本区域的绿色创新发展。房价水平（hp）的系数为负，并在1%水平下通过了显著性检验，说明房价对于区域绿色创新具有显著的抑制作用，这与众多学者观点一致，房地产行业过热会使大量资本涌入，从而使得其他高新技术产业的发展受到抑制。此外，产业结构（is）、环境规制（er）以及研发投入（rd）因素对于区域绿色创新均起到一定的促进作用。

为了更准确地衡量数字普惠金融对区域绿色创新的影响，将空间杜宾模型的总效应进行分解，如表6所示。直接效应表示的是各因素对于区域绿色创新的直接影响，间接效应衡量的是邻近地区对本地区绿色创新的溢出效应。

表6 空间杜宾模型的直接效应、间接效应与总效应分解结果表

续表6

从表6的分解结果中可以看出，数字普惠金融对区域绿色创新的直接效应与间接效应均显著为正，说明数字普惠金融不仅对本地区的绿色创新具有促进作用，对邻近地区也具有明显的辐射拉动作用。

4.4 异质性分析

由于我国区域数字普惠金融的发展存在异质性，不同省份经济发展水平以及区位禀赋具有较大差异，这可能会导致数字普惠金融对区域绿色创新的影响程度存在地区差异。因此，本研究根据经济区位对样本中30个省份进行划分，将北京等11个经济发达省份划为东部，将安徽等9个省份划为中部，剩余10个经济欠发达地区划为西部，采用空间杜宾模型分区域进一步分析，估计结果如表7所示。

表7 不同区域空间杜宾模型估计结果表

续表7

从表7结果中可以看出，我国东部、中部以及西部地区的数字普惠金融对绿色创新的影响与空间溢出效应均显著，但在数值大小上存在差异。在西部地区，数字普惠金融对区域绿色创新的促进程度较大，但其空间溢出效应较小，而东部地区恰好与之相反。这可能是因为西部地区经济发展水平相对较低，而数字普惠金融更多的是服务于偏远且经济欠发达地区，国家的大力支持使得数字普惠金融的正向促进效应较大，但另一方面，由于西部各省份距离相差较远，信息化等基础设施建设较为落后，导致技术、要素等资源流动困难，从而造成区域之间的溢出效应较小。

4.5 稳健性检验

为了保证研究结论的可靠性，通过更换被解释变量和改变实证模型对结论进行稳健性检验。参照张旭等、王淑英等的研究，绿色创新发展水平可以用绿色产品创新（GE）来衡量，因此选择绿色产品创新替代本研究测算的绿色创新效率，绿色产品创新用新产品销售收入与三废排放总合的比值表示，在此基础上分别通过空间滞后模型、空间误差模型与空间杜宾模型进行估计，检验结果如表8所示。

表8 稳健性检验结果表

5 结论与建议

本文基于区域绿色创新的空间相关性，从理论上分析数字普惠金融对绿色创新的直接影响以及空间溢出效应，并在此基础上进行了实证检验。最后得出如下结论：（1）我国不同省份之间的绿色创新水平存在显著的正向空间相关性，从聚集的区域来看，绿色创新水平高的省份主要分布在东部地区，中西部地区相对较低。（2）数字普惠金融对区域绿色创新存在正向促进作用，且促进程度对于不同区域存在差异。（3）数字普惠金融对绿色创新的影响存在正向空间溢出效应，即数字普惠金融的发展会对邻近地区的绿色创新发展产生促进作用。

根据研究结论，本文提出以下政策建议：

第一，加强信息化基础设施建设，助力数字普惠金融发展。实证研究表明数字普惠金融对区域绿色创新具有显著促进作用，应加快数字普惠金融的发展，加强经济欠发达地区的信息基础设施建设，更好地发挥数字普惠金融的普惠性，为区域绿色创新提供精准普惠性的金融服务。

第二，建立区域创新要素共享平台，合理配置区域之间的要素资源，促进区域间绿色创新效率协调发展。数字普惠金融的绿色创新效应具有显著的正向空间溢出效应，而知识、技术等创新要素的区域间流动是发挥这种效应的关键。因此，应当加强跨区域金融服务能力，充分发挥数字普惠金融的空间外溢效应以及区域绿色创新的溢出效应。