《Sage Open》：Impact of Inclusive Finance on Digital Transformation in Chinese Pollution-Intensive Enterprises
编辑推荐：
本研究考察了普惠金融（IF）与中国污染密集型企业的数字化转型（EDT）之间的关联，尽管数字经济政策支持力度较大，这些企业的数字化升级仍受到制约。研究基于2011年至2023年1,251家中国A股上市企业与10,451个企业-年度观测值构成的面板数据。研究人员采
本研究考察了普惠金融（IF）与中国污染密集型企业的数字化转型（EDT）之间的关联，尽管数字经济政策支持力度较大，这些企业的数字化升级仍受到制约。研究基于2011年至2023年1,251家中国A股上市企业与10,451个企业-年度观测值构成的面板数据。研究人员采用面板回归模型进行估计，并以两步系统广义矩估计（system GMM）作为主要估计方法，以处理数据持续性与潜在内生性问题。结果表明，普惠金融与企业数字化转型呈正相关。进一步估计显示，普惠金融与人工智能、大数据、云计算和数字技术应用呈正相关，而区块链技术的估计结果在统计上不显著。普惠金融的覆盖广度（CB）与使用深度（UD）均与数字化转型正相关。该主要结果在不同工业部门和地理区域中保持稳健。异质性估计进一步表明，在国有及高科技污染密集型企业中，上述正相关关系更为显著。这些发现支持相关金融政策扩大普惠金融服务的可及性与实质性使用，同时根据企业的所有制结构和技术能力定制数字化转型支持。
**一、研究背景与问题**
在中国“十四五”规划推动数字技术与实体经济深度融合的背景下，污染密集型企业的数字化转型成为兼具经济与环境意义的重要议题。这些企业构成国民经济的基础性部门，却同时面临维持经济产出与满足日趋严格环境规制的双重压力。数字化转型为这些企业提供了一条将环境成本内部化、提升能源效率并强化长期竞争力的系统性路径。然而，该领域的数字化发展仍明显滞后。中国信息通信研究院数据显示，高技术制造业的数字渗透率达到93.5%，而化工、钢铁等污染密集型行业仅为78%至82%。高碳企业先进工业互联网平台采用率低于全国平均水平30个百分点。既有研究表明，污染密集型企业数字化呈现零散化特征，绿色数字基础设施投资不足，且缺乏同时适配数字化与环境管理的治理框架。资本密集型资产结构和持续的合规成本消耗了内部流动性，制约了综合数字化升级所需的资金投入。
普惠金融（IF）为破解上述资金与技术瓶颈提供了可能途径。资源基础观（RBV）认为，可持续竞争优势源于对有价值、稀缺、难模仿且不可替代资源的获取与有效部署。普惠金融通过数字化平台扩大金融服务触达范围、缓解外部融资约束、拓宽流动性渠道，使企业能够投资于创新密集和高风险的数字化项目。尽管已有文献在更广泛情境中记录了普惠金融与企业数字化转型之间的正向关系，但该关系是否同样适用于污染密集型企业，仍缺乏明确证据。这一尚未解决的问题构成本研究的核心动机。
**二、研究内容与主要结论**
研究人员利用2011年至2023年中国污染密集型上市公司面板数据开展实证分析，样本包含1,251家企业、10,451个企业-年度观测值。研究发现：普惠金融与企业数字化转型正相关；在技术维度上，该正相关体现于人工智能、大数据、云计算和数字技术应用，而区块链技术的估计系数在统计上不显著；普惠金融的覆盖广度与使用深度均与数字化转型正相关；上述结果在不同工业部门和地理区域中保持稳健。异质性分析显示，国有和高科技污染密集型企业中的正相关关系更强。研究意义在于：将普惠金融与数字化转型关系的探讨从一般制造业和创新情境拓展至污染密集型行业；将数字化转型拆解为五个技术维度进行细致评估；并通过跨行业、跨地区、跨产权性质与技术属性的分析为政策设计提供差异化证据。
**三、主要技术方法**
研究数据源自中国A股上市公司年报文本和中国股票市场与会计研究数据库（CSMAr）。样本依据中国证监会2012年行业分类指引和原环保部上市公司环保核查行业分类管理名录构建，涵盖采矿、污染密集型制造和能源供应三大工业门类。企业数字化转型（EDT）采用年报中数字化相关关键词词频加1取对数测度，词表涵盖人工智能（AI）、大数据（BDT）、云计算（CCT）、区块链（BCT）和数字技术应用（DTA）五个维度。普惠金融采用北京大学数字普惠金融指数（第六版），并细分覆盖广度（CB）与使用深度（UD）两个子维度。估计方法包括静态面板的混合OLS、固定效应和随机效应模型，以及动态面板的一步与两步差分广义矩估计和系统广义矩估计（GMM），以两步系统GMM为主要估计量处理动态面板偏误与潜在内生性，并以二阶段最小二乘（2SLS）作为内生性稳健性检验。
**四、研究结果**
**1. 基准回归**
混合OLS、固定效应和随机效应模型中，普惠金融系数分别为0.382、0.382和0.386，均在1%水平上显著，表明普惠金融与污染密集型企业数字化转型之间存在稳健的正向关联。
**2. 稳健性检验**
两步系统GMM估计中普惠金融系数为0.445，Hansen检验p值为0.250，AR(2)检验p值为0.116，工具变量有效且不存在二阶序列相关。2SLS估计中，工具变量TELE在第一阶段显著（系数0.416，Kleibergen-Paap Wald rk F统计量41.356），第二阶段普惠金融系数为0.415，在1%水平上显著。排除制药、饮料、纺织服装等边界行业后，系统GMM估计系数为0.482，仍显著为正。
**3. 进一步分析**
普惠金融与人工智能（系数0.680）、大数据（0.185）、云计算（0.128）和数字技术应用（0.215）显著正相关，而区块链（0.015）不显著。使用深度（UD）系数为0.702，覆盖广度（CB）系数为0.346，两者均显著为正。按行业分组，采矿、制造和能源供应行业的系统GMM系数分别为0.357、0.320和0.686，均显著。按地区分组，东部、中部和西部的系数分别为0.364、0.263和0.471，均显著。
**4. 异质性分析**
国有产权与普惠金融交互项系数为0.440，在1%水平上显著，表明国有企业中普惠金融与数字化转型的正向关联更强。高科技属性与普惠金融交互项系数为0.545，在10%水平上显著，表明高科技污染密集型企业中的正向关联更强。
**五、讨论与结论**
在讨论部分，研究人员指出普惠金融通过缓解融资约束、促进技术能力积累、支持创新投资以及弥合绿色与数字化项目之间的互补性等渠道促进污染密集型企业的数字化转型。汽车行业的结果与资源基础观一致，即改善金融获取构成一种赋能资源。区块链技术不显著可能归因于其高固定成本、系统重构要求、组织间协调需求、监管不确定性，以及年报披露中区块链信息有限等因素。国有企业更强关联可能源于其信用资质、政策导向金融工具和既有数字治理体系等方面的制度优势。高科技企业更强关联则与其更高的吸收能力和数字准备度有关。
研究结论表明：2011年至2023年中国污染密集型企业的普惠金融与数字化转型之间存在显著正相关关系；该关系体现于人工智能、大数据、云计算和数字技术应用维度，但区块链除外；覆盖广度与使用深度均发挥积极作用；结果在行业和地区层面稳健；国有和高科技企业中的关联更强。政策启示方面，研究者建议将金融政策与数字化转型促进措施相结合，根据技术维度制定差异化支持策略，同时关注覆盖广度与使用深度的双重扩展。对于非国有和低技术能力企业，需配套信用增进、技术援助和数字能力建设等补充性措施，以缩小企业间利用普惠金融实现数字化升级的能力差距。
