数字普惠金融对中国县域碳生产率的提升机制研究：基于技术创新与产业结构升级的双重视角

这篇研究通过固定效应、中介效应和分位数回归模型，系统分析了2014-2022年中国1677个县域数据，揭示数字普惠金融（DFI）通过促进技术创新（专利增长7.63%）和产业结构升级（工业升级指数提升77.32%）双路径提升碳生产率（CP）19.44%，且在长江经济带（21.72%）和黄河流域（27.82%）效果更显著。研究创新性发现传统金融与城镇化的正向调节作用（交互项系数10.47%和7.72%），并首次量化了DFI子维度差异——数字化水平（DFIdl）贡献度是覆盖广度（DFIcb）的2倍。

　　

1 引言

中国县域经济占全国GDP40%，却面临经济增长与减排双重压力。研究基于1677个县域面板数据，首次系统考察数字普惠金融（DFI）对碳生产率（CP=GDP/碳排放）的影响。移动支付覆盖率已达78%的县域场景中，DFI通过蚂蚁集团"310"放贷模式（3分钟申请-1秒放款-0人工干预）显著降低服务成本（单笔交易成本从1.5元降至0.1元），成为破解县域"碳锁定"效应的关键。

2 理论与假设

基于长尾理论，DFI激活了传统金融难以覆盖的中小企业低碳技术投资需求。提出三大假设：

H1：DFI直接提升CP（系数19.44%）

H2：通过技术创新（Patent）和产业结构升级（IND）中介路径

H3：传统金融（Loan）和城镇化（NLI）发挥正向调节作用

3 研究方法

构建固定效应模型：

CP_it = α + β₁×DFI_it + κ×Control + π_i + λ_t + ε_it

核心变量：

• •

  被解释变量CP：单位碳排放创造的GDP（万元/吨）

• •

  DFI指数含三个子维度：覆盖广度（DFI_cb）、使用深度（DFI_ud）、数字化水平（DFI_dl）

• •

  控制变量包括工业化程度（DI）、财政约束（FC）等6项

4 基准分析

基准回归显示DFI_ia对CP提升效应达19.44%（p<0.01）。鲁棒性测试中：

• •

  剔除直辖市样本后系数保持18.13%

• •

  2018-2022年子样本系数跃升至53.52%，反映"双碳"政策加速效应

• •

  夜间灯光指数验证碳排放数据插值可靠性（R2=93.12%）

5 机制探讨

中介效应：

• •

  产业结构升级贡献89%间接效应（IND系数77.32%）

• •

  技术创新贡献11%（Patent系数1.04%）

  调节效应：

• •

  Loan×DFI交互项系数10.47%（p<0.05）

• •

  NLI×DFI系数7.72%（p<0.01）

• •

  三重交互项Loan×NLI×DFI仍显著（0.89%）

6 异质性发现

分位数回归：

• •

  低分位点（0.1-0.5）：DFI促进效应显著

• •

  高分位点（0.9）：出现负向效应（-3.21%），反映边际递减

  地域差异：

• •

  长江经济带DFI影响系数21.72%

• •

  黄河流域达27.82%，凸显生态敏感区政策响应

7 政策启示

建议建立"白名单+贴息"联动机制：

1. 1.

   对达标县域增加20%绿色再贷款额度

2. 2.

   优先在DFI_dl维度部署区块链溯源系统

3. 3.

   在黄河流域试点"碳账户-信贷利率"挂钩机制

研究局限在于：

1. 1.

   2018年后碳排放数据采用线性插值

2. 2.

   未考虑碳泄漏的空间效应

3. 3.

   需结合GMM方法处理动态面板偏差