数字金融如何影响制造业碳排放——基于企业数字化转型的视角

龙 池，张红梅

[贵州财经大学 大数据应用与经济学院（贵阳大数据金融学院），贵州 贵阳 550025]

一、引言

气候变化是全人类面临的共同挑战，低碳发展已成为全球共识。从数据上看，我国2022 年碳排放量约为110 亿吨，占全球碳排放约28%，其中工业碳排放量约为42 亿吨，占国内碳排放约38%。①数据来源于中国碳核算数据库（CEADs）。在此背景下，碳配额上限持续下调，碳排放权交易市场有序铺开，实现“双碳”目标时间紧、任务重，经济增长面临日益严格的碳排放约束。与此同时，工业4.0掀起了全球范围内以数字化表征的新一轮工业转型竞赛，中国工业正面临着数字化转型和绿色转型带来的机遇和挑战。作为工业经济的核心，制造业的数字化转型与绿色转型对于我国工业在世界工业转型竞赛中赢得先机和实现“双碳”目标尤为重要。作为经济增长的重要引擎，数字金融亟待探寻制造业数字化转型与绿色转型协同推进的高质量发展模式。基于此，本文将利用制造业上市公司的微观数据，区分直接碳排放与间接碳排放，针对制造业当下的数字化转型趋势与经济低碳发展的要求，从数字化转型的视角全面探析数字金融对制造业碳排放的影响，为制造业借助数字金融工具在数字化转型的浪潮中推动企业低碳发展提供参考。

本文可能的边际贡献是：一方面，在数字经济、数字化转型和“双碳”目标的背景下，将数字金融、企业数字化转型与制造业碳排放三者纳入同一分析框架，厘清企业数字化转型在数字金融影响制造业碳排放过程中的作用机理；另一方面，就企业数字化转型的不同阶段对其机制作用进行考察，从数字技术进步和数字技术实践应用的维度，分析企业数字化转型的异质性中介效应，揭示数字金融影响制造业碳排放的过程中数字技术机制和数字技术实践应用机制的差异。

二、文献综述

得益于数字技术的迅猛发展，传统金融在与人工智能、区块链、云计算、大数据（以下简称“ABCD”）等数字技术深入融合过程中发展出数字金融。但迄今为止，数字金融并未改变金融的功能和本质[1]。因此，梳理数字金融与碳排放的相关文献之前，有必要对传统金融与环境保护的相关文献进行梳理。在传统金融与环境保护的研究中，学者们大多认为金融的发展对环境保护起到积极作用。金融规模方面，有学者基于我国省级面板数据的研究认为，金融规模扩张会促进技术创新，从而利于保护环境[2]。金融结构方面，有学者基于88 个经济体的数据研究认为，偏市场的金融结构会增强技术创新的减排机制，肯定了金融结构在保护环境中的积极作用[3]。此外，还有学者基于金砖四国的数据研究发现，金融自由化与金融开放对保护环境同样具有积极作用[4]。但有部分学者对以下两点提出了质疑：一是关于金融的技术进步效应，他们认为金融促进技术进步不一定有利于环境保护，当技术进步带来更强的经济扩张效应时，金融的发展反而会增加能源消耗，不利于保护环境[5]；二是关于金融结构的碳减排效应，他们通过对我国金融结构的研究，认为我国现有金融体系无法满足绿色发展的内在要求，现有金融结构抑制了我国绿色技术创新，从而增加了我国各区域的碳排放[6]。在数字金融与碳排放的研究中，可以根据研究结论是线性或非线性将现有研究大致划分为两类：从线性结论上看，学者们基于我国省级或市级面板数据的研究认为，数字金融通过促进技术进步、人口结构调整、产业结构升级等方式改善地区碳排放问题[7-9]；从非线性结论上看，学者们基于宏观层面（地级市）和微观层面（企业）的研究一致认为，数字金融的发展会产生规模扩张效应，加剧碳排放问题，同时还会产生技术进步效应，改善碳排放问题，二者的叠加影响使数字金融与碳排放或碳强度之间存在倒“U”形关系[10-11]。

经过对上述文献的梳理发现以下特点。

（1）从结论上看，金融与环境的关系还存在一定的争议，目前主要的争议在于数字金融与碳排放之间是否存在倒“U”形影响过程，因此该研究领域还存在进一步深入探讨的必要。

（2）从作用机制上看，已有文献对金融如何影响碳排放这一问题的研究大多可以纳入Grossman 和Krueger 对经济活动环境效应的三类分解[12]：经济活动通过规模扩张效应对环境造成污染，同时又通过结构升级效应和技术进步效应降低环境污染。这可能说明已有研究缺乏对新作用机制的探索。

（3）从研究数据上看，由于我国对企业碳排放没有统一的信息披露要求，所以现有研究大多基于省级、市级或县级的碳排放数据，数字金融对碳排放的影响缺乏微观数据的验证。上述文献的不足为本文进一步深入研究提供了方向。

进入数字化时代后，各项信息技术的创新应用使经济社会发展的各方面发生了深刻变革，意味着经济活动中各因素的互相作用过程变得更复杂、更综合，传统的理论解释框架是否还能全面囊括数字金融对碳排放的影响值得思考。这也说明在分析数字金融对碳排放的影响时不仅需要关注规模扩张效应、结构升级效应和技术进步效应等传统影响机制，而且对综合性更强的影响机制的识别，对降低碳排放新路径的探索，无论在理论价值上还是现实意义上都是必要的。在数字经济蓬勃发展的今天，数字化转型成了企业战略选择的必然趋势[13]。由于企业数字化转型过程中涉及企业组织、生产流程和业务模式等方面的数字化重塑，因而与企业的碳排放息息相关。但是，在数字金融如何影响碳排放这一问题上，已有研究大多未结合数字化转型这一时代背景，未有文献明确地对数字金融、数字化转型与碳排放三者之间的作用机理展开研究，数字化转型的作用机制尚未明确。基于现有研究的不足，本文从微观层面识别数字金融对制造业碳排放的影响，并试图明确企业数字化转型在其中的作用机理，为数字金融与碳排放的相关研究打开了新视角，为数字金融作为有效的环境经济工具提供了理论基础。

三、理论分析与研究假设

（一）数字金融的碳减排效应

数字金融发展初期是互联网公司等信息技术企业作为技术或服务的提供商与金融机构开展合作，利用数字技术改善传统金融的业务流程。随着互联网公司正式进入金融体系并提供金融服务，金融的业务模式开始发生改变，数字金融生态系统迅速向金融各领域蔓延[1]。得益于“ABCD”等数字技术的加持，金融机构的信息获取能力以及信息处理能力得到增强，从而建立了数据间的联系，打破了原有的信息孤岛，减少了金融服务供需双方的信息不对称，提高了金融服务效率。同时，数字技术加快了金融产品与金融服务的创新速度，从而扩大了金融服务范围，降低了金融服务成本[14-15]。在传统比较优势弱化和低碳发展约束强化的双重背景下，制造业过去高度依赖资源和要素投入、以牺牲环境为代价的发展模式无法适应新时代下经济高质量发展的要求，制造业需要向高端化、智能化、绿色化发展。在制造业绿色化发展过程中，效率高、覆盖广、成本低的数字金融为制造业引进新型人才、研发绿色技术和购置绿色生产设备等提供金融支持，从而助力制造业降低碳排放。基于此，本文提出如下假设。

假设H1：数字金融的发展降低了制造业的碳排放。

（二）企业数字化转型的中介效应

数字金融发展→企业数字化转型：企业数字化转型包含了数字技术进步与数字技术实践应用两方面[16]，数字金融的发展既促进了企业数字技术进步，又促进了数字技术在企业中的实践应用，进而推动企业数字化转型。从数字技术进步的角度看，一切技术进步根据其来源可划分为自主创新和对外界技术的学习与模仿两种。发展数字金融既能促进企业数字技术的自主创新，又利于企业对外界数字技术的学习与模仿。一方面，数字金融的发展缓解了企业的融资约束，降低了企业融资成本。根据融资约束理论，企业决策受企业自身财务状况的影响，融资约束的缓解将有利于企业增加数字技术的研发投入，促进企业数字技术的自主创新[17]。另一方面，在互联网发达的今天，学习和模仿外界先进技术是企业技术进步的重要源泉。在数字金融发展过程中，源于互联网公司的先进数字技术通过企业之间的交流合作产生技术外溢效应，促进企业之间互相学习和模仿，从而有利于企业自身的数字技术进步。从数字技术的实践应用来看，一方面，数字金融可以促进数字技术在企业原有业务中的实践应用。在数字技术与企业既有业务相互融合的过程中，企业原有的业务模式和管理场景发生改变，为避免技术与业务两张皮，这就要求企业将技术端以外的抽象需求进行系统化和数字化处理，在工业企业中表现为工业系统的设计、自动化生产过程的实现等。数字金融通过为数字技术与企业业务融合过程中的具体研发项目提供金融支持，从而促进了数字技术在企业业务层面的实践应用。另一方面，数字金融有利于企业拓展新业务，从而增加数字技术的实践应用。数字技术实践应用的主要载体是企业业务，业务拓展则需要综合考虑企业的发展战略、市场动向、产品生产等各方面的影响，其中一个重要的影响因素是企业的可用资金。数字金融通过缓解业务拓展面临的融资约束，进而促进企业形成新业务，从而增加数字技术的应用载体，促进数字技术的实践应用。

企业数字化转型→制造业碳排放下降：从整体来看，数字化转型可以通过提升企业的传统动能和培育企业的绿色新动能两种方式降低制造业的碳排放。关于企业传统动能的提升，一些研究认为，长期以来，制造业降低碳排放的难点之一在于信息不对称、数据不充分和精准预测能力不足，因此造成大量能源和产能的浪费[18]。“ABCD”等数字技术的赋能缓解了制造业面临的信息不对称，数字化转型带来的智能化与可视化生产、能源消耗精准计量与预测、分布式管理应用、市场供需实时监测、各部门互联互通等一系列集约化、智能化和精细化的生产经营方式，提高了制造业传统业务的效率，有助于制造业形成源头减排、过程控制、末端治理的全流程低碳经营模式，从而降低制造业的碳排放。关于企业绿色新动能的培育，一方面，在消费者日益增长的绿色消费方式引导下，在经济增长日益强化的碳排放约束下，为了适应消费市场的变化和满足我国经济高质量发展的要求，企业具有培育绿色动能的需要。另一方面，数字化转型通过整合企业内外部资源，缓解企业的绿色信息约束，增强企业的绿色创新能力[19]。因此，数字化转型可以颠覆企业的业务理念，催生绿色新业态，助力企业业务结构向绿色化转变，提高企业产品附加值的同时有利于降低企业碳排放。基于此，本文提出如下假设。

假设H2：数字金融通过促进企业数字化转型降低制造业的碳排放。

（三）中介效应异质性

从数字技术进步与数字技术实践应用来看，二者对制造业碳排放的影响存在差异，根本原因在于二者对企业经营效率和生产规模的影响存在差异。从数字技术方面看，数字技术进步推动了企业的数字化转换和数字化升级，通过在生产管理端嵌入数字技术，改善了企业的生产管理流程，提升了企业的生产管理效率，从而降低企业碳排放。在这个过程中，数字技术主要对企业的经营效率产生正向影响，对企业的生产规模没有直接影响。从数字技术实践应用方面看，数字化应用场景的不同会导致数字技术实践应用对企业碳排放产生的影响不同。例如工业互联网的应用，通过建立起人、机、物、系统等的全面链接，从而提高企业生产率和能源利用效率，有利于企业降低碳排放[20]。相反，电子商务的应用会拓宽企业的销售渠道，扩大产品的销售范围，形成新的业务增长极，进而扩大企业的生产规模，增加企业的碳排放。在这个过程中，数字技术实践应用在提升企业经营效率的同时，又扩大了企业的生产规模，其对企业碳排放的影响存在正负抵消的可能，导致数字金融可能无法通过促进企业数字技术实践应用来降低制造业碳排放。基于此，本文提出如下假设。

假设H3：企业数字化转型的中介效应主要来源于企业数字技术进步。

根据理论分析的内容，绘制本文的理论分析框架，如图1所示。

四、研究设计

（一）模型设定

1.基准回归模型

为检验数字金融对制造业碳排放的影响，构建基准回归模型如下：

其中，Y 表示制造业的碳排放，具体包含三个指标，分别是直接碳排放（DCE）、间接碳排放（ICE）和总体碳排放（TCE）；DFI 表示数字金融的发展水平；Controls 表示一系列控制变量；Year、City 和Ind 分别表示时间固定效应、城市固定效应和行业固定效应；ε表示模型误差项；i和t分别表示企业和年份。

2.中介效应模型

为检验数字金融是否可以通过影响企业数字化转型来影响制造业碳排放，本文构建中介效应检验模型如下：

其中，Transformation表示企业数字化转型，其他同上。若式（1）中的α 和式（2）中的β 同时显著，则表明中介变量是解释变量影响被解释变量的渠道之一，在此基础上，根据式（3）对中介变量与被解释变量之间的关系进行单独检验，作为检验中介效应是否存在的相关性证据[21]。

（二）变量说明

1.被解释变量：制造业碳排放（DCE、ICE、TCE）

本文从企业层面衡量制造业的碳排放，关于企业碳排放的测算目前可使用的方法较为有限，以下是具有代表性的两种测算方法。一是利用企业每年披露的社会责任报告、可持续发展报告、环境报告手工收集企业的能源使用数据，进一步计算出企业的碳排放量[22]。该做法的优点在于对企业碳排放的统计较为准确，但会因为企业能源使用情况未披露而出现样本缺失的问题。二是基于行业能源消耗量的数据计算行业的碳排放量，进一步以企业营业成本在行业中的占比为权重，估算企业的碳排放量[23]。相比较之下，该做法的优点在于不因为企业未披露碳排放相关信息而损失样本。由于同一行业下的企业在产品类型、能源消耗结构等方面具有较强的同质化特征，因此，基于企业营业成本和行业能源消耗量计算所得的企业碳排放量具有一定科学性。本文将使用第二种方法对制造业企业的碳排放进行估算。

为了更全面细致地考察数字金融的发展对制造业企业碳排放产生何种影响，参考世界可持续发展工商理事会（WBCSD）和世界资源研究所（WRI）发布的《温室气体核算体系：企业核算与报告标准（修订版）》中对企业碳排放的划分标准，本文从以下三个层面划分企业的碳排放范围：一是直接碳排放（DCE），指企业在生产经营中消耗化石燃料等产生的碳排放；二是间接碳排放（ICE），指企业使用外购的热力和电力而间接产生的碳排放；三是总体碳排放（TCE），指企业直接碳排放与间接碳排放之和。关于直接碳排放与间接碳排放的核算：直接碳排放量等于各能源消耗量乘以该能源的排放系数，各能源的排放系数来源于《2006年IPCC国家温室气体指南》；间接碳排放量等于外购的热力或电力消耗量乘以对应的排放因子。其中，我国生态环境部分别在2017年、2022年和2023年公布过三次全国电网平均排放因子，根据本文的研究区间，使用2017 年公布的0.6101 吨二氧化碳/兆瓦时作为电力消耗的排放因子；热力排放因子则使用国家统一规定的0.11 吨二氧化碳/吉焦。

2.核心解释变量：数字金融（DFI）

本文用北京大学数字金融研究中心发布的数字普惠金融指数来衡量数字金融的发展水平。该指数从覆盖广度、使用深度、数字化程度三个维度对我国各省、市、县内数字普惠金融的发展水平进行测度，因其测算方法的科学性和数据的可靠性在国内外相关研究中被广泛使用。

3.中介变量：企业数字化转型（Transformation）

数字化转型贯穿于企业生产经营活动的各个方面，因而难以准确衡量，目前学者们主要用以下三种方法测算企业的数字化程度。一是文本分析法。首先，构建数字化转型的特征词词典；其次，基于企业年报中管理层分析与讨论的文本数据，利用Python统计出数字化转型的特征词词频；再次，以词典中所有特征词的词频总和来衡量企业的数字化程度[16]。二是统计企业数字化资产投资的占比。通过分析企业披露的固定资产投资和无形资产投资明细项目，以数字化固定资产投资和数字化无形资产投资之和占总资产的比来衡量企业的数字化程度[24]。三是问卷调查法。通过企业的CEO 或技术部门的高管填写数字化转型的相关问卷以量化企业的数字化水平[25]。

基于可行性和稳健性的考虑，本文参考吴非等的研究，利用上市企业的文本信息[16]，从数字技术（DT）和数字技术实践应用（ADT）两个维度对制造业企业数字化程度（Transformation）进行衡量。具体而言，数字技术维度由人工智能、区块链、云计算和大数据四大数字技术板块所涵盖的各类技术组成，例如机器学习、虚拟现实、分布式计算等，共计42 个特征词；数字技术实践应用维度由企业各类数字化业务场景的应用组成，例如工业互联网、电子商务、无人零售等，共计34 个特征词。但是，文本分析法衡量企业的数字化程度难以规避企业“光说不做”的道德风险。即企业通过在年报中增加数字化转型相关内容的讨论，从而使研究者与投资者高估企业的数字化水平。为了弥补文本分析法的不足，本文参考已有研究[24]，从企业在数字化转型上的实际投入出发，以数字资产投资（包含硬件和软件）在总资产中的占比重新衡量企业数字化程度，用作稳健性检验，用Transformation_r表示。具体而言，数字化固定资产投资包括电子设备、管理设备、自动化等，数字化无形资产投资包括系统、数据库、平台等。

4.控制变量（Controls）

影响企业碳排放的因素是复杂的，本文参考已有研究选取控制变量如下：企业规模（Size），用企业资产总额的自然对数表示；净资产收益率（ROE），用净利润比净资产表示；股权集中度（Top5），用前5 大股东持股比例表示；企业成长性（Growth），用企业营业收入增长率表示；董事人数（Board）；企业年龄（Age），用观测日期与企业成立日期之差表示；管理层持股比例（Mshare）；企业所有制（SOE），国有企业赋值为1，非国有企业赋值为0；企业经营情况（Loss），经营盈利赋值为0，经营亏损赋值为1；两职合一（Dual），董事长和总经理两职合一赋值为1，否则赋值为0；四大审计（Big4），是国际四大会计师事务所审计赋值为1，否则赋值为0。

（三）数据来源与数据处理

本文选取2012—2020 年制造业A 股上市公司数据，剔除ST、*ST 公司以及在研究期限内退市的公司，将公司数据在城市层面与数字普惠金融指数进行匹配，剔除任意变量存在缺失的样本值，最终得到由2297个公司15223个观测值组成的非平衡面板数据集。其中，数字普惠金融数据来自北京大学数字金融研究中心，行业能源消耗量数据来自EPS 中国能源数据库，行业营业成本数据来自Wind 数据库，企业的数据主要来自国泰安数据库，上市公司年报来自巨潮资讯。为了克服极端值对结果的影响，本文对所有连续变量进行前后1%的缩尾处理。各变量的描述性统计见表1。

表1 变量描述性统计

五、实证检验与结果分析

（一）基准回归分析

表2 显示了基准回归的结果。列（1）—列（3）的回归结果显示，在没有加入控制变量时，数字金融的回归系数分别为-0.633、-1.785和-2.417，均通过1%的统计显著性检验，表明数字金融与制造业碳排放负相关。在加入控制变量后，列（4）—列（6）的回归结果显示，数字金融的回归系数在方向和显著性上均未发生变化，数字金融对制造业直接碳排放、间接碳排放和总体碳排放的影响系数均在1%的显著性水平上为负，说明数字金融的发展降低了制造业的碳排放，是否加入控制变量不影响基本结论，证实了假设H1。在控制变量中，企业规模、净资产收益率、股权集中度和管理层持股比例均显著增加制造业三个层次的碳排放，基本符合理论判断以及现有的研究结论。

表2 基准回归结果

（二）内生性分析

由于数字金融与企业碳排放之间可能存在反向因果关系会导致内生性问题，需使用工具变量法加以克服。基于相关性和外生性的考虑，学者们在选择数字金融的工具变量上大致有三种思路。一是基于计划经济时期的历史数据，采用1984 年的固定电话数或邮电数作为数字金融的工具变量。原因是在计划经济时期的固定电话数或邮电数与数字金融的发展正相关，但往往与研究的被解释变量无关[26-27]。二是基于距离数据，最具代表性的是采用城市与杭州的空间距离作为数字金融的工具变量。采用该工具变量的学者认为，数字金融兴起于杭州，数字金融在向外发展过程中可能受到空间距离的制约。也就是说，离杭州越近的城市数字金融发展越好。同时距离作为严格的外生变量，既满足了相关性要求也满足了外生性要求[28]。三是直接使用数字金融的滞后期数据作为工具变量，认为滞后期的数字金融与当期数字金融具有相关性的同时弱化了与被解释变量之间的关系，基本满足工具变量的要求[29]。本文借鉴已有研究的做法[26]，同时出于构建面板工具变量的需要，引入随时间变化的互联网普及率，将1984 年城市每百人固定电话数乘以上一年该城市的互联网用户数，并对结果取自然对数后作为本文数字金融的工具变量（Phone×Internet）。表3 显示了工具变量的回归结果。第一阶段回归结果显示，工具变量的回归系数显著为正，说明本文选取的工具变量与数字金融存在显著正向关系，与理论判断相符。第二阶段的回归结果显示，数字金融的回归系数显著为负，说明在考虑内生性问题后，数字金融降低制造业碳排放的结论依然成立。

（三）稳健性检验

在克服内生性问题后，本文将从变量、模型和样本三个方面进一步检验基准回归结论的稳健性，表4 显示了稳健性检验的结果。第一，替换核心解释变量。考虑到数字金融影响制造业碳排放这一过程可能存在时滞，故将数字金融滞后一期的值替换当期值进行回归。回归结果显示，滞后一期的数字金融在1%的显著性水平下降低了制造业三个层次的碳排放量，结论保持不变。第二，更换估计模型。考虑到行业固定效应和城市固定效应无法完全控制企业层面不随时间变化的个体固定效应，本文使用个体固定效应（Id）替换行业固定效应和城市固定效应进行回归。回归结果显示，数字金融对制造业碳排放的影响方向和显著性水平均保持不变，即结论保持不变。第三，缩小样本量。考虑到存在时间太短的样本可能会对结论造成影响，本文在研究期间内剔除存在时间小于3 年的样本后进行回归。结果显示，数字金融降低制造业碳排放的结论依然保持不变。综上，数字金融降低制造业碳排放的结论具有稳健性。

（四）异质性分析

1.规模异质性

企业规模与企业碳排放量息息相关，其他条件一致的情况下，大企业无论是使用电力和热力产生间接碳排放还是使用化石能源产生直接碳排放都高于中小企业。鉴于此，本文在时间和行业的双重维度下，以平均资产规模为界，将企业划分为大企业和中小企业两组进行企业规模异质性检验。表5 显示了规模异质性的检验结果。从数字金融回归系数的方向和显著性来看，在大企业和中小企业中，数字金融的回归系数均显著为负，说明数字金融降低制造业碳排放这一结论不会因为企业规模大小而发生改变；从数字金融回归系数的大小来看，在大企业样本中，数字金融回归系数的绝对值大于在中小企业样本中回归系数的绝对值，说明企业规模越大，数字金融降低制造业碳排放的力度越强。对此可能的原因是：数字金融虽然拓宽了中小企业的融资渠道，但由于大企业具有资产价值高、现金流稳定等特点，相比较之下，大企业获得的融资额度、融资期限都可能优于中小企业。因此，数字金融在大企业中发挥更强的碳减排作用。

表5 规模异质性检验结果

2.所有制异质性

国有企业与非国有企业在降低碳排放上承担的责任存在一定的差异。本文将企业划分为国有企业与非国有企业两组进行所有制异质性检验。表6 显示了所有制异质性检验结果。从数字金融系数的显著性上看，在国有企业样本中，数字金融对制造业碳排放的影响未能通过显著性检验，在非国有企业样本中数字金融显著降低了制造业的碳排放，说明现阶段数字金融在非国有企业中发挥的碳减排效应强于国有企业，数字金融降低制造业碳排放的影响会因为企业所有制不同而产生异质性。对此可能的原因是：相较于国有企业，非国有企业的市场竞争更激烈，面临着更强的融资约束，导致非国有企业对数字金融等市场化融资工具有更大的需求，数字金融在非国有企业中的使用深度大于国有企业。因此，数字金融在非国有企业中发挥更大的碳减排作用。

六、机制分析

以上研究发现，数字金融的发展显著降低了制造业的直接碳排放、间接碳排放和总体碳排放，理论分析则指出数字金融降低制造业碳排放离不开企业数字化转型的参与。基于此，下文将利用中介效应模型对“数字金融→企业数字化转型→制造业碳排放”这一内在机制进行检验。

（一）企业数字化转型的中介效应

表7 显示了企业数字化转型的中介效应及其稳健性检验的回归结果。在列（1）的回归中，数字金融对企业数字化转型的影响显著为正，说明数字金融的发展推动了企业数字化转型，证实了企业数字化转型是数字金融降低制造业碳排放的渠道之一。在列（3）—列（5）的回归中，企业数字化转型对制造业碳排放的影响均显著为负，说明企业数字化转型降低了制造业碳排放，企业数字化转型的中介效应得到相关性证据的支持，证实了研究假设H2。

表7 企业数字化转型的中介效应及其稳健性检验结果

本文进一步替换了企业数字化转型的指标对上述影响机制进行稳健性检验。表7中列（2）、列（6）—列（8）是基于数字资产投资占总资产的比衡量的企业数字化转型的中介效应回归结果。在列（2）的回归中，数字金融对企业数字化转型的影响显著为正，在列（6）—列（8）的回归中，企业数字化转型对制造业碳排放的影响均显著为负，结论保持不变。即克服企业在数字化转型中可能存在“光说不做”的问题后，“数字金融→企业数字化转型→制造业碳排放”这一影响机制依然存在，结论具有一定的稳健性。

（二）进一步分析数字化转型的中介效应

理论分析指出，数字技术和数字技术实践应用对企业碳排放的影响可能不同，因此“数字金融→企业数字化转型→制造业碳排放”这一影响机制需要进一步细化和深究。表8 显示了数字技术和数字技术实践应用的中介效应回归结果。在列（1）的回归中，数字金融对数字技术的影响显著为正，说明数字技术是数字金融降低制造业碳排放的渠道之一。在列（3）—列（5）的回归中，数字技术对制造业碳排放的影响均显著为负，数字技术的中介效应得到相关性证据的支持。在列（2）的回归中，数字金融对数字技术实践应用的影响显著为正，但此时不能判断数字技术实践应用是否发挥中介效应。因为“只需验证自变量对中介变量具有显著影响即可判断存在中介效应”这一推断有一个重要的前提，即中介变量对被解释变量的影响在理论上是明显的[21]。本文的理论分析认为，数字技术进步对制造业碳排放的影响是明显的，但数字技术实践应用对制造业碳排放的影响还无法确定，需要相关性证据的进一步验证。在列（6）—列（8）的回归中，数字技术实践应用对制造业碳排放的影响不显著，因此，“数字金融→数字技术实践应用→制造业碳排放”这一影响机制无法被证实。综上说明，企业数字化转型的中介效应主要源于数字技术进步，证实了假设H3。

表8 数字技术和数字技术实践应用的中介效应回归结果

七、研究结论与政策建议

本文从企业数字化转型的视角，基于制造业A股上市公司的数据，实证研究了数字金融、企业数字化转型与制造业碳排放三者的关系。研究结论主要有以下几点。

第一，数字金融的发展显著降低了制造业企业的直接碳排放、间接碳排放和总体碳排放，这一结论在克服内生性、替换数字金融指标、改变计量模型、缩小样本数据后依然成立。

第二，异质性分析结果表明，数字金融降低制造业碳排放的影响会因为企业规模和企业所有制的不同而产生异质性，在非国有企业和大企业中，数字金融的碳减排效应更强。

第三，机制分析表明，数字金融通过促进企业数字化转型来降低制造业的碳排放，该影响机制在替换数字化转型的指标后依然存在。从数字化转型的不同维度来看，数字金融既促进了数字技术进步又促进了数字技术实践应用，但现阶段数字技术实践应用的中介效应未被证实，企业数字化转型的中介效应主要源于数字技术进步。

针对上述研究结论提出如下三点政策建议。

第一，建设符合制造业融资特点的数字金融服务平台，进一步提升数字金融的服务能力。为了充分发挥数字金融的碳减排效应，应深化数字技术在金融服务上的创新性应用，根据制造业各类融资需求的特点提供定制化的金融服务平台，尽可能满足企业融资的差异化需求，提升数字金融的服务能力。

第二，增加企业的数字化投入，增强数字金融的碳减排机制。从企业数字化转型的不同维度来看，在数字技术蓬勃发展的今天，企业数字化转型的痛点之一在于数字技术实践应用的深度和广度不够，特别是在企业的生产制造端。①此观点引自2023数字化转型与先进制造技术论坛（https://www.thepaper.cn/newsdetail_forward_23947500）。为了增强数字技术实践应用的机制作用，应适当增加企业的数字化投入，拓展数字技术的应用场景，探索数字技术的创新应用。

第三，成立数字化转型部门，以数字化转型促进绿色转型。数字化转型具有碳减排效应，但企业中各部门分工明确导致数字化转型过程可能存在专业壁垒。为了加快数字化转型，进而降低企业碳排放，应调配各部门员工成立数字化转型部门，由该部门根据企业的发展阶段制定合适的转型战略目标和具体实施步骤，促进企业内部实现资源共建共享、跨部门协同协作，高效推进数字化转型。