數字金融賦能綠色創新的異質非線性調節效應
來源:用戶上傳
作者:韓先鋒 宋文飛 李勃昕 降子輝
關鍵詞數字金融；綠色創新；網絡效應；調節機制
伴隨中國綠色低碳循環發展經濟體系的建立健全，綠色技術創新已然成為中國經濟高質量發展的“綠色發動機”。國家“十四五”規劃明確提出，要加快推動綠色低碳發展，支持綠色技術創新。然而，不同于一般技術創新，綠色技術創新具有“環?！焙汀皠撔隆钡碾p重屬性，致使其創新活動更容易受到高融資成本和高風險性的“雙高”問題困擾。這種情形下，如果缺乏穩定、充足、低成本和低門檻的金融資源作為保障，可能會直接影響到國家綠色創新驅動發展戰略的實施成效。2019年，國家發展和改革委員會、科學技術部發布的《關于構建市場導向的綠色技術創新體系的指導意見》首次指出，要積極開展金融創新，把綠色技術創新作為優先支持領域。這為依托數字金融等金融創新手段驅動綠色創新發展提出了新的命題。但遺憾的是，目前相關研究尚屬鳳毛麟角，尚未有文獻打開數字金融賦能綠色創新的“黑箱”。與該研究最橄喙氐納儼糠治南祝也主要聚集于探討一般技術創新過程中數字金融的“普惠效應”，卻普遍忽視了數字金融賦能的“網絡效應”問題。事實上，作為互聯網等新一代信息技術與傳統金融深度融合的產物，數字金融不可避免地具有典型的網絡性和普惠性特征［1］，倘若僅關注數字金融的局部特征，則可能會無形中造成數字金融賦能的紅利損失。因此，對于數字金融發展規模與技術實踐均處于世界領先地位的中國而言，如何有效依托數字金融加快助力綠色創新發展就顯得尤為重要，對此問題的深入研究無疑具有重要的現實意義。
1 文獻綜述與機制闡釋
1. 1 文獻綜述
現有文獻圍繞傳統金融與技術創新之間的關聯性問題已做了較多探討［2-4］，但對數字金融這一新金融模式影響技術創新的相關研究才剛剛起步。總體看來，已有研究主要從以下維度展開：一方面，較多學者從微觀角度肯定了數字金融在驅動技術創新過程中的積極作用。Huang等［5］分析認為，相對于傳統金融，數字金融可通過增強企業信貸行為的信息透明度來驅動技術創新。Fuster等［6］研究指出，數字金融能有效降低中小微企業創新的融資成本，從而有利于技術創新。唐松等［7］實證發現，數字金融具備較明顯的普惠特征，在金融發展稟賦較差的地區，數字金融對企業技術創新的驅動效果會更為明顯。萬佳等［8］考察表明，數字金融的創新激勵效應在中小企業和民營企業中更明顯。謝絢麗等［9］、李春濤等［10］、謝雪燕等［11］基于不同角度均得出了和上述學者較為一致的結論；另一方面，少部分學者從宏觀層面為數字金融助力技術創新發展提供了經驗證據。杜傳忠等［12］分析發現，數字金融不僅對區域創新具有直接促進影響，還能通過供給側和需求側兩個渠道驅動區域創新。鄭雅心等［13］檢驗表明，數字金融主要通過完善基礎設施建設、提高高等教育水平和增加居民平均工資等方式促進區域創新。徐子堯等［14］分析指出，數字金融對東部城市、初始創新水平較高城市創新能力的積極影響尚不明顯。而汪亞楠等［15］的研究則得出了和徐子堯等［14］學者不相一致的研究結論，指出數字金融對東部地區城市創新的驅動效應強于中西部地區，并未發現落后地區在推動數字金融與技術創新融合發展過程中存在“后發優勢”。
綜上可知，現有關于數字金融賦能技術創新發展的相關研究還較為有限，且僅局限于從靜態角度探討數字金融的普惠性特征，幾乎未有文獻從宏觀角度關注數字金融賦能技術創新的“網絡效應”問題。特別是，尚缺乏對綠色創新過程中數字金融非線性賦能的內在機制探究［16］，這與當前中國數字金融的發展趨勢及綠色創新驅動的客觀要求是極不相稱的。該研究的主要創新在于：①將數字金融納入綠色創新發展的分析框架，從宏觀層面為數字金融能否破解綠色創新發展中“環保”與“創新”的雙重約束提供經驗證據；②不同于現有聚集于靜態線性的單一視角，從異質非線性角度入手，剖析綠色創新過程中數字金融賦能的客觀規律和非線性演化特征；③基于不同角度解析數字金融如何才能有效賦能綠色創新發展，為二者的深度融合提供一定參考?？陀^回答上述問題，對新時代下中國加快實現數字金融和綠色創新的“雙贏”具有一定的政策指導意義。
1. 2 機制闡釋
數字金融是傳統金融服務業與互聯網、云計算、大數據、區塊鏈等數字技術深度融合發展的一種新型技術驅動型金融創新［8］，它能有效彌補傳統金融服務的不足，并更好地為綠色創新活動賦能。具體表現為：一方面，數字金融有利于降低綠色創新的交易成本。數字金融以互聯網等新一代信息技術為支撐，能有效整合不同綠色創新主體的數據信息，輕易打破信息傳遞的時空限制?；ヂ摼W時代下，數字金融既能為決策者精準提供更多的投融資決策信息［17］，又可快速、高效地實現綠色創新資金供需雙方的精準匹配，并加速推動金融資源向創新領域集聚［18］，從而持續降低綠色創新主體的搜尋成本和融資成本，最終促進了綠色創新發展；另一方面，數字金融有利于增強綠色創新的投入規模。傳統金融發展存在的“資源錯配”“金融歧視”以及綠色創新潛在的長周期和高風險特征的雙重約束，會導致許多具有綠色創新意愿的創新主體難以得到有效的金融支持。數字金融具備“門檻低、速度快、覆蓋廣”等優勢［19］，可顯著提高金融機構的服務效率和服務質量，并快速觸及更廣泛、更深層次的綠色創新尾部群體，為更多綠色創新主體提供高效便捷、質優價廉的金融服務和資源，從而驅動了綠色創新。另外，數字金融天然攜帶信息化、網絡化和智能化等多重元素［20］，導致其對綠色創新的影響不可避免地會受到互聯網等新一代信息技術的沖擊。在數字金融賦能過程中，隨著綠色創新主體參與強度的持續提升，數字金融服務的本身價值開始呈現非線性幾何增長。這意味著，隨著數字金融水平的提升，其對綠色創新的賦能效應可能是跳躍性增大的。具體而言，數字金融對綠色創新支持的廣度和深度均會隨著自身水平的提升而變化，進而使得數字金融賦能下的綠色創新系統出現了創新成本不斷下降而創新投入卻持續增加的共振現象。隨著數字金融賦能綠色創新步入深水區，越來越多的綠色創新主體能在更大范圍內、更低成本和更高效率水平上充分享受到綠色創新溢出紅利，從而導致數字金融對綠色創新的賦能效應是持續強化的，即存在顯著的“網絡效應”（網絡效應是指在一定范圍內隨著互聯網使用規模的增加，其影響作用會跳躍性變大）。進一步值得注意的是，數字金融有效賦能綠色創新發展亦是有條件約束的，并非只要提升數字金融水平就一定能有效促進綠色創新。一般來看，只有處于較好發展狀態下的數字金融，才能盡可能發揮融資的“降成本”功效［21］。事實上，數字金融對綠色創新的非線性賦能影響還離不開其他制度條件和市場環境等的多維約束，即只有在外部環境適宜的地區，才能更好地為數字金融發展提供完善可靠的技術平臺、要素稟賦和數據信息等支撐體系。同時，由于數字金融、綠色創新以及二者所處的外部環境均是持續變化的［16］，也決定了數字金融對綠色創新的賦能效應會隨著不同外部環境的變化而變化，進而表現出一定的異質非線性調節效應。
nlc202301041003
2 研究設計
2. 1 計量模型構建
為了客觀地揭示數字金融賦能的綠色創新效應，這里基于非線性視角，首先設計如下基本檢驗模型：
其中：ginnit 表征綠色創新，為被解釋變量；difit 表示數字金融指數，既為核心解釋變量又為門檻變量；i 是省際樣本編號，t 為時序編號；I （） 為指示函數，γ 表示門檻值，當括號內條件滿足時，取值為1，不滿足取值為0，εit 表示殘差項。
由于模型（1）僅考慮了單一門檻模型情形，考慮到數字金融的非線性影響可能存在多門檻，這里將基本門檻模型（1）拓展如下：
進一步，如果數字金融對綠色創新具有非線性影響，其是否存在著某些特定的條件約束？如何才能最大化地釋放數字金融對綠色創新的積極影響？為深入揭示數字金融賦能綠色創新的異質約束機制，這里進一步從城鄉收入差距、城市化水平、技術引進、財政透明度、居民收入和經濟增長目標等多重維度進行考察，以闡釋上述因素約束下數字金融賦能綠色創新的內在異質非線性調節規律，具體構建的面板調節模型如下：
2. 2 變量與數據說明
該研究以中國30個省份為分析對象，由于香港、澳門、臺灣和西藏等地區數據存在較多缺失，予以剔除。另外，鑒于數字金融發展起步較晚，考慮到數據的可獲性，這里選取2011―2018年為研究時段。該研究涉及的數字金融數據主要來自北京大學數字金融研究中心編制的《北京大學數字普惠金融指數》，綠色創新的相關數據主要來自國家知識產權局中國專利公布公告網（http：//epub. sipo.gov. cn）和《中國科技統計年鑒》，財政透明度數據主要來自上海財經大學編制的《中國財政透明度報告》，經濟增長目標數據主要來自歷年的省級政府工作報告，其他基礎數據主要來自歷年的《中國科技統計年鑒》和《中國統計年鑒》。對涉及的相關變量做如下設定。
被解釋變量：綠色創新（ginn）。擬基于效率角度衡量綠色創新，具體采用超越對數型隨機前沿模型從投入產出角度估算省際綠色創新水平。關于產出指標，考慮到現有籠統將整個經濟污染排放量指標作為綠色創新非期望產出的做法不夠嚴謹，并不能精確地反映綠色創新活動的產出水平，而綠色專利則可直接刻畫綠色創新的產出情況［22］，故該研究選取綠色專利授權量來衡量綠色創新產出指標。具體參照董直慶等［23］的做法，基于世界知識產權組織給出的綠色專利清單（Green Patents Inventory）（該清單將綠色專利劃分為交通運輸、能源節約、廢棄物管理、行政監管與設計、農林、替代能源生產和核電等7大類），通過設置清單的IPC分類編碼、專利類型及發明者地址等方式，采用爬蟲技術從國家知識產權局中國專利公布公告網（http：//epub. sipo. gov. cn）檢索中國境內申請的綠色發明及實用專利等信息，進一步識別并核算了各省份各個年份的綠色專利授權量數據。關于投入指標，已有研究常用研發人員和研發資本作為綠色創新效率核算的人力和資本投入指標［24］，故該研究分別選取R&D人員全時當量和R&D經費內部支出額進行表征。依據上述指標的面板數據及方法估算可得考察期內的省際綠色創新水平。
核心解釋變量：數字金融（dif）。北京大學數字金融研究中心依據近年來數字金融發展的新特征和新形勢，從數字金融服務的使用深度、覆蓋廣度和數字支持服務三個維度構建了數字普惠金融綜合測算體系，并利用螞蟻金服的海量數據采用層次分析法、指數分析法等估算了數字普惠金融指數。由于該指數能較為客觀全面地衡量數字金融的綜合發展水平，因而在當前關于數字金融的相關研究中被廣泛使用［25-26］。因此，采用北京大學核算的數字普惠金融指數作為省際數字金融發展水平的替代指標，并對該指數進行了對數化處理。同時，為了保持研究結論的可靠性，這里還采用了數字金融覆蓋廣度為輔助測試指標。
調節變量：數字金融（dif），首先選取數字金融指標為調節變量，旨在闡釋中國綠色創新能力隨著數字金融水平的持續提升會呈現出何種非線性演化規律。同時，考慮到數字金融賦能綠色創新的非線性機制可能會受到其他外部環境的調節沖擊，這里還選取以下因素為調節變量做進一步考察：①城鄉收入差距（gap），當經濟步入中等收入階段后，過高的收入差距會對自主創新產生抑制影響［27］，故城鄉收入差距可能是研究數字金融賦能綠色創新問題所不能忽視的調節因素，因此采用城鎮居民人均可支配收入與農村居民人均可支配收入之比來刻畫。②城市化水平（urb），城市的多樣化、專業化有利于加速綠色知識溢出和高級人力資本集聚，并能在較大程度上降低綠色創新的交易成本，進而會對綠色創新發展產生影響，因此選取v年的年末城鎮人口在總人口中所占的比重來表征。③技術引進（tei），技術引進是企業獲取綠色技術的重要手段，技術引進的質量結構和數量多寡均會直接影響到綠色創新活動的開展。借鑒李勃昕等［28］的做法，因此選取歷年的國外技術引進合同金額占GDP比重來體現，用以反映單位GDP中外部技術引進的價值含量。相對于國外技術引進合同金額這一體現規模的絕對指標，采用相對指標的好處在于，既能較好消除價格因素的影響，又可客觀反映不同省份技術引進強度的差異化特征。④財政透明度（fit），提升財政透明度，有利于降低創新信息不充分和創新的不確定性，從而促進綠色創新，這里借鑒郭月梅等［29］的做法，采用上海財經大學發布的省級財政透明度得分來體現。⑤居民收入水平（inc），依據創新的“需求拉動”假說，一個地區或國家人均收入水平高低、收入分配結構配置，均是影響企業綠色創新決策的最根本因素。考慮到相較于農村，城市是開展綠色創新的主陣地，借鑒鞠方等［30］的做法，采用城鎮居民人均可支配收入來衡量。⑥經濟增長目標（egt），過高的經濟增長目標會導致區內企業往往過于關注短期產出，并引發地方政府對關鍵資源配置的有偏性［31］，從而直接影響到政府和企業對長周期、高風險的綠色創新領域投入，這里采用各省份歷年政府工作報告中公布的經濟增長速度目標來刻畫。
nlc202301041003
3 實證結果及分析
3. 1 計量模型合理性檢驗
在實證研究前，為促使該研究研究結論更為可靠，這里首先進行以下三方面檢驗，以證明該研究計量模型的合理性。一是為避免解釋變量之間因存在潛在的高度相關關系而導致模型估計結果失真，首先進行了多重共線性檢驗。結果發現，最大方差膨脹因子VIF 數值為4. 67，平均VIF 數值為2. 62，均處于可接受的范圍內，說明該研究構建的計量模型共線性問題較弱，不會對后文估計結果產生較大影響；二是為盡可能地克服潛在的偽回歸現象，首先采用PP?Fisher、ADF?Fisher和LLC三種方法對上文涉及的研究變量進行平穩性測試。檢驗結果表明，該研究選取的綠色創新、數字金融等面板數據都是平穩的。三是這里分別運用Pedroni和Kao基于E?G兩步法回歸殘差的兩種面板協整技術，檢驗數字金融與綠色創新之間長期均衡關系的存在性，具體結果見表1。
由表1可知，Pedroni檢驗中，常用以判別短面板數據協整關系存在性的Panel ADF?stat和Group ADF?stat兩個統計量檢驗結果均通過了1%的顯著性檢驗，而Kao基于殘差的ADF協整檢驗結果亦在1%的水平下顯著，均拒絕了“不存在協整關系”的原假設。因此，數字金融與綠色創新之間存在著長期穩定的均衡關聯，表明適合進行長期關系分析，故下文將進一步解析數字金融賦能綠色創新的異質門檻效應問題。
3. 2 數字金融對綠色創新影響的門檻效應分析
為得到更有針對性的研究結論，該研究同時對全國層面以及東部、中部和西部分地區層面數字金融與綠色創新之間的門檻關聯進行考察。基于bootstrap P值來判斷數字金融門檻效應的存在性，具體的bootstrap P 值可依據Hansen提出的“自舉法”并重疊模擬似然比檢驗統計量300次得到。表2反映了不同情形下以數字金融為門檻變量的檢驗結果。可以看出，全國及分地區層面的數字金融變量均通過了不同顯著性水平下的單一、雙重和三重門檻檢驗，表明上述情形下均應采用三重面板門檻數據模型來探究，且全國、東部、中部和西部地區三重門檻檢驗的95%置信區間依次分別為［5. 642 7，5. 673 2］、［5. 758 5，5. 762 2］、［5. 548 2，5. 615 8］和［5. 586 6，5. 586 7］。同時，為盡可能增強基本結論的穩健性并較好克服非線性模型的內生性問題，還采取了以下方式進行測試，一是使用數字金融滯后一期指標進行穩健性檢驗1，二是采用數字金融覆蓋廣度為替代指標進行穩健性檢驗2。結果表明，兩種情形下的數字金融變量均依次通過了單一、雙重和三重面板門檻檢驗，佐證了存在三重門檻效應，且其相應的95%置信區間分別為［5. 502 1，5. 513 4］和［5. 596 5，5. 620 1］，表明該研究基于三重面板門檻數據模型研究數字金融對綠色創新的非線性影響是合理的。
數字金融對綠色創新影響的非線性估計結果見表3，為了盡可能地克服異方差干擾，這里均采用了穩健標準差方法進行估計。表3中數字金融變量的估計系數均顯著為正，表明考察期內數字金融對中國綠色創新產生了明顯的賦能效應，從綠色創新驅動的新角度佐證了新時代下發展數字金融的必要性。基于全國層面基本模型的估計結果可知，數字金融對綠色創新的賦能效應是持續變化的，并非僅僅是現有多數研究基于一般技術創新領域所發現的簡單線性關聯，不難發現，在不同數字金融水平區間內，數字金融對中國綠色創新的驅動效應存在明顯差異。具體而言，當數字金融水平小于5. 296 0時，數字金融的估計系數為0. 035 8且顯著，表明在第一門檻區間內數字金融顯著地驅動了綠色創新。當數字金融水平位于5. 296 0和5. 504 7之間時，數字金融的系數明顯增大且顯著，表明在該門檻區間內數字金融對綠色創新的賦能效應有所增強。當數字金融水平大于5. 504 7且小于5. 644 6時，數字金融的系數進一步增大且顯著，表明此時數字金融對綠色創新的積極貢獻在持續增大。當數字金融水平超越5. 644 6時，數字金融的系數將增至最大水平0. 055 2且依然顯著，表明在第四門檻區間內數字金融對綠色創新的賦能效應最為明顯。因此，隨著數字金融水平的不斷提升，其對綠色創新的賦能效應具有正向且邊際效率遞增特征，即全國層面上數字金融對綠色創新的賦能效應存在著一個由弱到強的演化過程。這一演化趨勢與Zhu等［4］針對傳統金融所得出的結論是恰恰相反的，也不同于唐松等［7］基于一般技術創新領域得出的靜態結論，即從數字金融發展的新角度印證了梅特卡夫定律在中國的適用性。另外，與全國層面基本模型的估計結果相比，穩健性模型估計情形下同樣存在三個門檻值，且對應的門檻值和估計系數也相差無幾，表明在采用處理內生性和替換核心解釋變量兩種手段后，上文的基本結論均得到了進一步印證。
數字金融賦能綠色創新的非線性特征之所以符合梅特卡夫定律，原因可能在于，數字金融以網絡為依托，構架起了跨越時空的金融服務模式，極大拓展了金融服務廣度、深度和寬度，使得任何綠色創新主體都可以依托互聯網渠道在任何地點、任何時間實現高效便捷的金融服務。這種情形下，享受數字金融服務的綠色創新主體越多，數字金融覆蓋的范圍越大、滲透的創新領域越深，數字金融的賦能效果就越明顯。與此對應的是，通過網絡強大的信息開放、共享、加工和獲取能力，數字金融極大緩解了綠色創新主體和金融機構之間的信息不對稱，并可促使有限金融資源在金融風險可控情況下不斷實現精準匹配，進而使得綠色創新主體享受金融服務的交易成本出現邊際遞減現象。因此，數字金融對綠色創新的影響就出現了創新收益持續上升，創新成本不斷下降的現象。隨著數字金融與綠色創新融合的持續深入，數字金融賦能就顯現出正向且邊際效率遞增的非線性“網絡效應”，即適用梅特卡夫定律。
分區域來看，數字金融賦能綠色創新的門檻效應存在明顯的空間差異。對于東部地區，數字金融的三個門檻值分別是5. 296 0、5. 504 7和5. 758 5。當數字金融水平小于5. 296 0時，數字金融對綠色創新具有明顯的積極影響。當數字金融水平跨越5. 296 0時，數字金融對綠色創新的驅動效果在持續增強，且在數字金融水平高于5. 758 5時，這種賦能效應將增至最大。因此，數字金融對東部地區綠色創新的非線性影響具有顯著的正向且邊際效率遞增特征，這一情況與全國是基本一致的。從數字金融的平均水平來看，總體影響還處于第一門檻區間內，僅北京、上海和浙江三省跨入了第二門檻區間，表明數字金融對東部地區綠色創新的賦能效應尚有巨大的提升空間；對于中部地區，數字金融的三個門檻值分別是4. 427 0、5. 383 1 和5. 604 3。數字金融水平小于4. 427 0時，數字金融明顯促進了綠色創新。當數字金融水平高于4. 427 0且小于5. 383 1時，數字金融的賦能效應開始減弱。當數字金融水平依次超越5. 383 1 和5. 604 3 時，數字金融對綠色創新的賦能效應又持續增強，且在第四門檻區間內數字金融的積極貢獻將增至最大。因此，數字金融對中部地區綠色創新的非線性賦能效應具有顯著的正向“U”型規律。從數字金融的平均水平來看，所有省份的數字金融水平均位于第二門檻區間，表明現階段數字金融對中部地區綠色創新的賦能效應尚處于較低水平，未來持續提升數字金融水平應是促進二者協調發展的重中之重；對于西部地區，數字金融的三個門檻值分別是5. 112 7、5. 318 7和5. 586 6，當依次超越上述水平時，數字金融對西部地區綠色創新的賦能效應會持續增強，即該地區數字金融對綠色創新的賦能效應呈現正向且邊際效率遞增特征，這與全國及東部地區的情形是一致的。進一步分析發現，考察期內所有西部省份的數字金融水平均位于第一門檻區間內，這意味著該地區只有持續加快數字金融發展，才能更大程度地釋放數字金融對綠色創新的賦能紅利。總體看來，在全國、東部和西部地區，隨著數字金融水平的提升，其對綠色創新的賦能效應是呈現階段性增長的。即便是在中部地區，當數字金融水平超過4. 427 0時，其對綠色創新的賦能效應亦開始出現跳躍性增長，即均存在明顯的“網絡效應”特征。聶秀華等［32］基于一般技術創新角度研究發現，隨著數字金融系統逐步成熟和服務功能不斷完善，其對技術創新活動的積極影響將日益凸顯和增強。在一定程度上支持了該研究的觀點，表明數字金融的“網絡效應”不僅出現在一般技術創新過程中，在綠色創新領域也已開始顯現。因此，現階段數字金融對中國綠色創新的影響既存在著預期中的“普惠效應”，更表現出明顯的非線性“網絡效應”。
nlc202301041003
另外，基于各地區數字金融最優門檻區間的估計結果可知，現階段數字金融對綠色創新的賦能效應亦存在明顯的空間異質性特征，具體表現為：東部和中部地區大多數門檻區間內數字金融的估計系數均高于全國和西部地區，充分說明相較于西部地區，考察期內東中部地區的數字金融發展產生了更為明顯的綠色創新溢出，這從推動綠色創新發展的新角度得出了現階段尤要鼓勵東中部地區加快推動數字金融發展的結論，也在一定程度上佐證了汪亞楠等［15］的研究結論。該研究認為，西部地區數字金融的賦能效應之所以相對較低，原因可能在于，該地區網絡基礎設施比較落后，數字化技術等要素集聚能力還不強，數字金融發展總體相對滯后，進而并未能同中部地區一樣有效發揮出數字金融賦能綠色創新發展的“后發優勢”。
3. 3 數字金融賦能綠色創新的異質非線性調節效應分析
上文分析發現，數字金融對中國綠色創新發展的賦能效應存在明顯的由弱到強的非線性演化特征，但這是否意味著只要提升數字金融水平就一定會自動促進區域綠色創新呢？實際上，數字金融賦能的綠色創新效應不僅會受到數字金融自身發展的影響，更可能還存在其他方面的異質調節機制。為了更客觀地揭示潛在的異質調節效應，以期盡可能釋放數字金融賦能的綠色創新紅利，這里擬基于城鄉收入差距、城市化水平、技術引進、財政透明度、居民收入水平和經濟增長目標等六維度進一步闡釋。
不同維度調節下的門檻檢驗結果見表4。不難發現，gap、urb、tei、fit、inc 和egt 等調節變量均在1%或5%的顯著性水平下依次通過了單一、雙重和三重門檻檢驗，且其三重門檻區間的95%置信區間分別為［3. 260 0，3. 540 0］、［0. 632 0，0. 658 2］、［0. 000 1，0. 012 3］、［46. 830 0，49. 890 0］、［4. 027 8，4. 212 1］和［5. 000 0，14. 000 0］，表明上述不同情形約束下均應基于三重面板門檻數據模型來考察數字金融賦能的非線性綠色創新效應。具體的非線性調節結果見表5。
由表5可知，數字金融賦能綠色創新的異質非線性調節機制是明顯存在的。具體表現如下：
第一，數字金融賦能綠色創新的城鄉收入差距門檻值依次為2. 200 0、2. 630 0和3. 430 0。當城鄉收入差距低于2. 200 0時，數字金融的系數為0. 076 3且顯著，表明在第一門檻區間內數字金融對綠色創新產生了顯著的賦能效應。當城鄉收入差距介于2. 200 0 與2. 630 0 之間時，數字金融的系數為0. 069 5且顯著，表明數字金融賦能的綠色創新效應在第二門檻區間有所減弱。當城鄉收入差距在2. 630 0與3. 430 0之間時，數字金融的作用強度為0. 059 8且顯著，表明此時數字金融賦能的綠色創新效應在持續減弱。當城鄉收入差距高于3. 430 0時，數字金融賦能的綠色創新效應將降至最小。因此，隨著城鄉收入差距的擴大，數字金融對綠色創新具有顯著的正向且邊際效率遞減的非線性調節特征。該研究認為，較高的城鄉收入差距會遲滯數字金融的覆蓋和滲透效果，使得其會在一定程度上弱化數字金融的整體賦能效應。隨著城鄉收入差距的持續縮小，既有利于提供更為公平的數字金融服務，又能不斷拉近城鄉在網絡基礎設施建設、新信息技術使用、金融需求等方面的差距，致使數字金融的覆蓋縱深、服務規模、支持效能等不斷改善，從而更加有利于驅動綠色創新。
第二，數字金融賦能綠色創新的城市化水平門檻值分別為0. 450 3、0. 560 2和0. 640 5。當城市化水平依次跨越上述門檻值時，數字金融對綠色創新的貢獻系數在持續增大，且都通過了1%的顯著性水平檢驗，即當城市化水平超越0. 640 5時，才會最有利于提升數字金融對綠色創新的賦能效應?？傮w看來，在城市化約束下，數字金融對綠色創新的影響呈現明顯的正向且邊際效率遞增的非線性特征。原因可能在于，城市化引致了網絡基礎設施的持續完善和各類要素的快速集聚，能夠為數字金融賦能綠色創新發展提供有利環境，而有效的數字金融賦能則會誘發更高規模的綠色創新和更多的綠色創新資本需求。因此，隨著城市化調節作用持續深入，數字金融對綠色創新的這種積極影響會日益強化。
第三，數字金融賦能綠色創新的技術引進門檻值分別為0. 000 8、0. 006 8和0. 011 3。當技術引進水平位于第一、二門檻區間內，數字金融對綠色創新的促進強度由0. 074 7增至0. 077 5，且在第二門檻區間內的積極影響最為明顯。在技術引進水平位于第三門檻區間時，數字金融對綠色創新的潛在貢獻又開始減小至0. 072 7。當技術引進水平超越0. 0113時，數字金融賦能的綠色創新效應則會進一步減弱。因此，在技術引進門檻約束下，數字金融對綠色創新的影響存在顯著的正向倒“U”型非線性調節特征，即只有處于適度的技術引進下，才能最大限度地釋放數字金融對綠色創新的賦能紅利。受限于國內外技術差距的約束，技術引進一直是中國開展綠色技術創新的重要手段［33］。在內外技術差距較大的情形下，技術引進能在較大程度上改善國內綠色創新水平并誘發更多的綠色創新融資需求，從而在一定時段內明顯有利于持續提升數字金融賦能的綠色創新效果。然而，隨著技術差距的不斷縮小，技術引進的貢獻開始降低，從而使得其對數字金融賦能的積極作用開始縮小。
第四，數字金融對綠色創新影響的財政透明度門檻值分別為25. 210 0、35. 200 0和48. 000 0。在財政透明度的四個門檻區間內，數字金融對綠色創新的影響系數均顯著為正且強度在持續增大，表明在財政透明度調節下，數字金融賦能的綠色創新效應具有明顯的正向且邊際效率遞增的非線性演化特征，即高強度的財政透明度更有利于提升數字金融賦能的綠色創新效應。由此可見，數字金融賦能效果的發揮，離不開財政透明度這一因素的調節。較低的財政透明度既容易剝奪公眾的知情權、監督權和參與權，不能確保財政資金真正用于支持G色創新和數字化建設，又不利于提高宏觀經濟政策和形勢的透明度［34］，從而會在一定程度上弱化企業依托數字金融的開展綠色創新的預期。因此，提升財政透明度有利于為數字金融賦能綠色創新發展提供持續、穩定的制度環境，有利于引導數字金融資金、資源更合理快速流向綠色創新領域，進而不斷驅動綠色創新。
nlc202301041003
第五，數字金融對綠色創新影響的居民收入水平門檻值依次為2. 689 7、3. 159 2和4. 097 5，與城市化和財政透明度的非線性調節特征相似，隨著居民收入水平提高，數字金融對綠色創新的賦能效應是持續增強的，即較高的居民收入水平更有利于釋放數字金融對綠色創新的賦能紅利。居民收入是一個地區經濟發展水平的直接體現，較高的城鎮居民收入往往反映了當地具有雄厚的經濟發展實力，也意味著當地擁有更為優越的數字金融發展環境和更加活躍的綠色創新氛圍，無形中會創造出持續的市場需求和資本需求，這恰恰是企業開展綠色創新的主要動力。因此，隨著居民收入水平的持續提升，數字金融對綠色創新的賦能效應亦在不斷增強，即不斷提高居民收入水平可為有效釋放數字金融的綠色創新紅利持續注入動力。
第六，數字金融對綠色創新影響的經濟增長目標門檻值分別為7. 500 0、9. 000 0和9. 500 0，與城鄉收入差距的調節過程相似，隨著經濟增長目標的提高，數字金融賦能的綠色創新效應是持續減弱的，且在經濟增長目標低于7. 5%時，將更有利于釋放數字金融對綠色創新的賦能紅利，這也和當前高質量發展背景下經濟從高速向中高速增長轉變的現實是相一致的。在經濟增長目標約束下，政府往往對短期貢獻不明顯的綠色創新缺乏重視，而多會選擇將更多財政資源配置到短期能夠產生明顯經濟效益的其他領域。當經濟增長目標過高時，在沉重的經濟增長任務作用下，這種財政支出偏向行為更名明顯，會進一步擠占政府對綠色創新的支出。同時，政府重基礎設施建設的支出偏向，也會導致金融、信息和技術等相關的生產性服務業發展滯后［35］，進而會弱化數字金融對綠色創新的積極影響。因此，較低且適度的經濟增長目標將更符合數字金融與綠色協調發展的實際。
總體可知，城鄉收入差距、城市化水平、技術引進、財政透明度、居民收入水平和經濟增長目標等均可以正向調節數字金融對綠色創新的非線性影響，且在不同因素調節下數字金融賦能的綠色創新效應存在顯著異質性。表3中基本門檻模型的估計結果比較可知，一方面，表5中不同因素調節下數字金融的平均貢獻度均高于表3中的基本模型，即城鄉收入差距、城市化水平、技術引進、財政透明度、居民收入水平和經濟增長目標等因素均不僅僅能正向調節數字金融賦能的綠色創新效應，甚至還對其具有明顯的強化效果；另一方面，只有當城市化、財政透明度和居民收入等達到較高水平時，也只有在較低的城鄉收入差距和中高速經濟增長目標以及適度的技術引進水平下，才能最大限度地釋放數字金融賦能的綠色創新紅利。因此，在處理數字金融與綠色創新之間的非線性關聯時，如若忽視上述因素的調節影響，則可能會造成數字金融賦能的綠色創新紅利損失。為了進一步印證前文結論的可靠性，這里同時將上述調節變量作為控制變量逐步納入以數字金融為門檻變量的基本模型進行再估計，結果發現，在上述因素共同作用下數字金融對綠色創新影響的正向且邊際效率遞增的賦能規律是穩健的，也再次說明上述變量的潛在相關性較弱，不會對該研究基本結論產生干擾。
表6進一步計算了上述不同調節因素平均水平的樣本分布情況，不難發現，①在城鄉收入差距調節下，大多數省份集中分布在第二、第三門檻區間內，此時數字金融對綠色創新的驅動效果大體處于0. 069 5和0. 059 8水平上，意味著當前的城鄉收入差距并未達到促進數字金融驅動綠色創新溢出的最佳條件，說明新時代下大多數省份尤要大力推進鄉村振興戰略，進一步縮小城鄉收入差距，以進一步提升數字金融賦能的綠色創新效應。②在城市化水平調節下，半數樣本分布在第二門檻區間內，僅北京等少數省份位于最優的第四門檻區間內，未來各地政府應繼續加快城市化進程，從而盡可能地為數字金融賦能綠色創新發展提供助力。③在技g引進調節下，樣本集中分布在第一、二門檻區間內，此時多數省份數字金融賦能的綠色創新效應正位于次優和最優門檻區間內，即當前技術引進對數字金融賦能綠色創新的積極貢獻已較明顯，未來多數省份短期內應繼續保持適度的技術引進力度，長期內也要注重加強自主創新，規避過高的技術引進力度對數字金融賦能的潛在弱化現象。④在財政透明度調節下，樣本主要分布于第二、三門檻區間內，說明考察期內多數省份數字金融對綠色創新的影響力度集中在0. 056 8至0. 059 7水平，樣本集中度高達90%，表明提升財政透明度應是未來實現數字金融與綠色創新融合發展過程中應考慮的重要因素。⑤在居民收入水平調節下，省份樣本集中分布在第一門檻區間，表明數字金融對綠色創新發展的積極貢獻位于0. 043 8水平上，僅北京、上海和浙江三省份的居民收入水平已邁入最優門檻區間內，意味著對多數省份而言，未來應更加注重通過減稅等手段持續增加居民實際收入水平，從而不斷為數字金融賦能綠色創新發展增添助力。⑥在經濟增長目標調節下，僅北京和上海的數字金融最有利于驅動綠色創新發展，而天津、內蒙古等省份過高的經濟增長目標則在一定程度上造成了數字金融賦能的紅利損失，多數省份未來應盡快使經濟增長目標從高速向中高速轉變，即實施與實際經濟發展水平相匹配的合理增長目標，也是有效提升數字金融對綠色創新賦能效應的重要手段。
4 結論與政策建議
該研究重點考察數字金融賦能的綠色創新效應及其異質調節機制，并基于非線性新視角提供了來自宏觀層面的經驗證據。實證研究發現：第一，數字金融顯著驅動了中國綠色創新發展，且東中部地區數字金融的賦能效應遠高于西部地區；第二，數字金融對綠色創新的影響呈現正向且邊際效率遞增的演化特征，東西部地區和全國情況基本一致，而在中部地區則呈現明顯的正向“U”型非線性特征。進一步研究發現，一方面，數字金融賦能的綠色創新效應存在顯著的異質調節機制，在城市化、財政透明度和居民收入水平調節下，數字金融對綠色創新的影響呈現出顯著的正向且邊際效率遞增特征。在城鄉收入差距和經濟增長目標約束下，數字金融賦能的綠色創新效應表現出明顯的正向且邊際效率遞減特征。在技術引進調節下，數字金融對綠色創新的影響效應具有顯著的正向倒“U”型特征。另一方面，技術引進、財政透明度、城市化、居民收入水平等環境因素均能在一定程度上強化數字金融對綠色創新的積極貢獻，且只有當城市化水平、財政透明度和居民收入水平提升到一定限度，城鄉收入差距下降到一定程度，以及技術引進力度和經濟增長目標保持在合理水平下，才可最大化地提升數字金融對綠色創新的賦能效應。
nlc202301041003
該研究創新性地將數字金融納入綠色創新發展的分析框架，從宏觀層面證明了數字金融發展對中國綠色創新具有“普惠效應”和“網絡效應”的雙重激勵，無論在學術價值上還是在政策的制定上都有重要意義。特別是，對于深刻理解“十四五”時期國家如何依托數字金融助力綠色創新發展這一現實問題具有一定的邊際貢獻。基于以上結論，該研究提出如下政策建議。
第一，積極推動數字金融與綠色創新的融合發展。各地政府既應加快新型基礎設施建設步伐，大力促進5G、大數據、區塊鏈等高端信息技術的發展，持續提升數字金融的科技含量，為數字金融賦能綠色創新發展提供堅實的硬件支撐，又要制定多層次、多元化的數字金融定價政策、引導政策和服務策略，比如以數字金融為依托搭建綠色創新基金、提供專項綠色創新補貼、設立融合試點園區等金融創新手段，為數字金融與綠色創新的深度融合提供靈活的軟件支撐。同時，各地區應以數字金融發展為契機，加快出臺差異化的綠色創新戰略，轉變思維拓寬綠色創新的投資、引資和融資渠道，盡可能加快釋放數字金融賦能綠色創新的溢出紅利。具體而言，東中部地區應緊抓數字金融賦能的比較優勢，持續加快實施綠色創新驅動戰略。西部地區則應更加注重數字金融網絡的軟硬件建設，為數字金融助力綠色創新發展提供現實土壤。
第二，數字金融賦能的綠色創新效應存在正向且邊際效率遞增的非線性演化特征，不同地區數字金融邊際貢獻的異質非線性特征值得關注。一方面，數字金融對綠色創新的賦能效應會隨著數字金融本身的發展而不斷變化，存在顯著的“網絡效應”特征。另一方面，與理論上的最優水平相比，現階段三大地區綠色創新發展過程中數字金融的賦能效應均存在明顯的提升空間。這意味著推動數字金融與綠色創新的融合政策具有持續性和長周期性。政府可通過加強頂層設計的導引功能，通過制定專門的數字金融發展規劃，明確數字金融賦能綠色創新發展的近期和遠期目標、重點任務等核心內容，來持續引導更多的數字資本跨時空、廣覆蓋、高強度流入綠色創新領域，不斷激發數字金融在綠色創新過程中的“梅特卡夫法則”威力，進而為綠色創新發展持續注入新動能。同時，未來也應實施動態化和差異化的數字金融與綠色創新協同政策，積極避免一刀切、靜態化政策會造成數字金融賦能的紅利損失。
第三，要有效提升綠色創新過程中的數字金融賦能效應，現階段還需要在持續加快城市化進程、提升居民收入水平、增強財政透明度、縮小城鄉收入差距，以及保持適度的技術引進力度和制定中高速經濟增長目標等方面下功夫。不同省份亦應根據自身發展實際，科學選擇最佳的數字金融融合政策，以進一步釋放數字金融賦能的綠色創新紅利。若忽視外部環境因素的調節影響，可能會導致數字金融賦能的綠色創新效應被低估，尤其是上述因素對現階段數字金融賦能的積極調節效應還處在中低位水平上，尚存在巨大的提升空間。因此，“十四五”時期政府應積極推動數字金融與上述因素的深度融合，以盡可能地激發綠色創新發展過程中數字金融賦能的政策協同效應。
nlc202301041003
轉載注明來源:http://www.hailuomaifang.com/7/view-15443644.htm
