数字普惠金融、碳排放与全要素生产率
数字普惠金融、碳排放与全要素生产率
贺茂斌 杨晓维
[摘要]本文使用2011-2018年北京大学数字普惠金融指数，实证检验数字普惠金融对区域全要 素生产率的影响。研究发现，数字普惠金融的发展能降低金融服务门槛，提升金融服务效率，进而提升 区域全要素生产率，其对全要素生产率的影响主要体现在推动区域技术进步；数字普惠金融使用深度，特别是数字支付服务，对全要素生产率的影响最显著，且该效应在东部沿海地区更加显著。本文发现，数字普惠金融对全要素生产率的提升效应可通过降低区域破排放，特别是第三产业碳排放来实现。
[关键词]数字普惠金融；全要素生产率；碳排放；区域技术进步；双向固定效应模型
[文章编号]1009-9190 (2021)02-0018-08 [JEL 分类号]F49 [文献标志码]A
Digital Inclusive Finance, Carbon Emissions and Total Factor Productivity
H E M a o-b i n Y A N G Xiao-wei
[Abstract] This paper uses P K U-D F I I C during 2011-2018 to empirically test the impact of digital inclusive finance on regional total factor productivity. It is found that the development of digital inclusive
finance can reduce the threshold of financial services, improve the efficiency of financial services, a nd improve the regional total factor productivity, with its impact on the total factor productivity mainly reflected in promoting regional technological progress; the depth of digital inclusive finance, especially digital p a y m e n t services, has the most significant impact on the total factor productivity, a nd this effect
in the eastern coastal areas is even m o r e significant. I t’s also found that the effect of digital inclusive finance on total factor productivity can be achieved by reducing regional carbon emissions, especially the carbon emissions of the tertiary industry. [Key words] digital inclusive finance; total factor productivity; carbon emission; regional technological progress; t w o-w a y fixed effects m o del
一、引言与文献综述
数字普惠金融作为普惠金融的新形式，改变传统金融服务模式，使得中低收入体和小微企业金融服 务的可获得性增加，提升资源配置效率。同时，数字普惠金融也通过提升消费、降低收人差距等方式，推动经 济增长(宋晓玲,2017；梁双陆、刘培培，2019)。
相较于传统金融，数字金融以其低门槛、低成本和广覆盖等优势，呈现出显著的亲贫性特征，使得中
西 部欠发达地区和中低收人体享受到更优质的金融服务。关于普惠金融与经济增长的关系，已有研究从 拉动消费(易行健、周利,2018)、缩小地区收人差距(宋晓玲，2017；黄永兴、陆凤芝,2017)和减少贫困实现包 容性增长(何学松、孔荣,2017；张正平、窦慧敏，2019)等角度分析普惠金融对经济增长的正向影响。普惠金 融的发展提高金融服务的覆盖广度，降低金融排斥程度，使得中低收入体、小微企业和初创企业获得更多
[作者简介]贺茂斌，北京师范大学经济与工商管理学院博士生（北京，100875 )，E-m a i l:*******************；杨晓维，北京师范大学经济与工商管理学院教授、博士生导师。
[基金项目]国家社会科学基金项目“近年中国C P I上涨的非货币原因研究”（13B J L023)；国家社科基金青年项目“农地“三权分置”下新型农业经营主体与农户的利益共享机制研究”（18C J Y031)。
18
的金融支持，提高资源配置效率，因而对经济增长产生显著正向影响(Honohan,2004)。数字普惠金融的发展 缓解信贷约束并方便了居民支付，促进居民消费(易行健、周利，2018)。此外，数字普惠金融也会通过降低金 融服务门槛、减少贫困发生率、缓解中低收人体的信贷约束等途径降低城乡收人差距（朱一鸣、王伟，2017；梁双陆、刘培培，2019 )。然而，普惠金融的发展也可能对经济增长产生负向影响。相关法律法规建设滞 后以及监管缺失等问题会使数字普惠金融的发展存在较大的风险性(
张韶峰，2017；黄益平,2017)。这增加 了经济的不确定性，将对区域经济增长产生负面影响。
现有文献关于普惠金融对经济增长的影响机制多从缓解流动性约束、降低金融服务门槛以及普惠金融 发展过程中的风险与监管角度进行分析，尚无文献从碳排放角度分析数字普惠金融发展对全要素生产率的 影响。因此，本文从碳排放的视角分析数字普惠金融对区域全要素生产率的影响，并分析该影响的异质性。
基于上述分析，本文提出如下研究假说：数字化的支付手段不仅降低了支付成本，也降低了交易过程中 的碳排放。数字普惠金融作为一种技术进步，降低了碳排放，提升了区域全要素生产率^本文将利用省级层面的北京大学数字普惠金融指数和双向固定效应面板数据模型，实证检验数字普惠 金融发展对全要素生产率的影响，并从碳排放的视角检验数字普惠金融发展对全要素生产率影响的作用机 制。余下内容安排如下：第二部分是数据、变量和模型，第三部分是数字普惠金融对区域全要素生产率的影 响的实证分析，第四部分是基于碳排放的视角进行机制检验，第五部分是结论与启示。
二、数据、变量和模型
(―)数据来源与变量选取
选取全国30省区(不含香港、澳门、台湾和西藏)2011-2018年的区域全要素生产率作为模型被解释变
量，“北京大学数字普惠金融指数”作为区域数字普惠金融发展水平的代理变量，并引入区域人力资本存量、产业结构、开放程度和市场化水平作为模型控制变量。为解决模型估计的内生性，参照谢绚丽等(2018)的方 法，选取互联网普及率作为数字普惠金融的工具变量。进一步，选取区域碳排放量作为中介变量，验证区域 普惠金融发展是否通过改变区域碳排放量影响区域全要素生产率。碳排放数据来自C E A D s数据库®D
1.被解释变量
选取区域全要素生产率作为模型被解释变量，以产出导向的D E A-Malmquist指数的非参数方法，测算 区域全要素生产率水平，将其分解为技术效率和技术进步两个维度。产出指标以各省区地区生产总值作为 代理变量，并以2010年为基期利用物价指数进行平减。投人指标包括2010-2018年各省物质资本、劳动投 人和技术水平三个维度，具体包括物质资本存量、三次产业从业人数、6岁以上人口平均受教育年限、大专 以上人口比例、研发经费支出、三大专利授权数量6个指标。物质资本存量基于0E C D(2009)的方法，并将 折旧率看作随机变量(贾润崧、张四灿，2014)，通过永续盘存法估算出各省物质资本存量；劳动投入维度上，参照李跃和姬卿伟(2018)的方法，将劳动投入分解为劳动投人数量和劳动投人质量，以衡量真实劳动投入，具体来说，选取各省三次产业从业人数衡量劳动投入数量，选取6岁以上人口平均受教育年限和大专以上 人口比例衡量劳动投人质量；选取各地区研发经费支出和三大专利申请授权数量衡量区域技术水平。同时，参照李彦龙(2018)的方法，采用两阶段法测度区
域全要素生产率，第一阶段，以研发经费支出、物质资本存 量、人力资本为投人变量，以三大专利授权数量作为产出变量，得到地区研发投入产出效率(研发效率）；第 二阶段，以研发效率、物质资本和人力资本为投入变量，以平减后的地区生产总值作为产出变量，最终得到 区域全要素生产率，进而克服现有研究仅从研发投人或研发产出一方面衡量区域技术水平的不足。
①碳排放数据来源:C E A D S(China Emission Accounts and Datasets)数据库。该数据库在包括英国研究理事会、牛顿基金 会、中国国家自然科学基金委员会、中国科学院等多家研究机构的共同支持下，聚集了来自英美中欧等多国研究机构的学者，共同编纂中国多尺度碳排放清单，分析中国及其区域碳排放特征，最终得出中国2011-2018年各省碳排放量数据。
19
2. 解释变量
选取北京大学数字普惠金融指数作为区域数字普惠金融发展水平的代理变量。该指数由北京大学数字 金融研究中心和蚂蚁金服共同编制，按照综合性、均衡性、可比性、连续性和可行性等原则，从覆盖广度、使 用深度和数字支持服务程度三个维度衡量2011-2018年各省市区数字普惠金融发展水平(郭峰等,2017)。
数字普惠金融以其无纸化和便捷性等特征，减少个体参与消费过程的交易成本，减少碳排放量。为检验 数字普惠金融是否通过降低碳排放提升区域全要素生产率，本文选取2011-2018年各省区整体碳排放量和 三次产业碳排放量作为模型的中介变量，检验碳排放在数字普惠金融对全要素生产率影响中的作用。
3. 控制变量
为了控制区域经济发展水平等其他因素对全要素生产率的影响，选取区域人力资本存量、产业结构、开 放程度和市场化水平作为模型的控制变量。人力资本作为技术进步的基础，通过影响技术溢出的吸收能力 进而影响全要素生产率(Benhabib and Spiegel ，2000 )。因此，本文选取李海睁(2019)®测算的2011-2018年省 际人力资本存量作为区域人力资本存量的代理变量。产业结构优化升级将改变要素在不同部门之间的配 置，提升要素配置效率，进而提升全要素生产率。因此，本文选取各省2011 -2018年第三产业生产总值占地 区生产总值的比重作为区域产业结构优化升级的代理变量。区域开放程度一般用区域利用外商投资数量表 示。外商直接投资不仅为企业带来资金，也将先进经验和技术应用到企业生产经营过程中，改善企业资源配 置效率，提升全要素生产率。因此，本文选取外商直接投资占地区生产总值的比重表征区域开放程度。市场 化程度的提升表明要素配置效率的不断改善，本文选取王小鲁等(2019)编制的市场化指数作为区域市场化 程度的代理变量®。
(二) 变量描述性统计与平稳性分析
表1是变量描述性统计。为了避免出现“伪回归”，本文使用单位根检验验证数据的平稳性。面板单位 根检验结果表明（见表2)，所有变量不存在单位根和同阶单整问题，数据是平稳的，可以使用面板数据模 型进行直接估计。
(三) 模型设定
本文选取双向固定效应面板数据模型分析数字普惠金融对全要素生产率的影响。影响全要素生产率的 因素不仅包括区域人力表1变量描述性统计资本存量、物质资本存变量类型
变量名样本数均值标准差最小值最大值量、产业结构、开放程度全要素生产率2400.930.050.73  1.24和市场化水平等可观测被解释变量技术效率2400.990.030.76  1.17因素，也包括区域发展理技术进步2400.950.040.77  1.25念等不可观测因素。忽视数字普惠金融240188.1984.9818.33377.73不可观测因素的作用将解释变量覆盖广度240167.9382.72  1.96353.87导致模型估计结果产生使用深度240183.5384.88  6.76400.40数字支持服务程度
240263.53116.657.58453.66偏误。选用双向固定效应中介变量碳排放240400.36235.8450.201 793.60模型可以通过差分法控人力资本2409 564.31  4 756.82
553.0027 704.00
短裙配什么上衣
制区域不可观测因素，提控制变量产业结构24044.358.9629.7081.76升模型估计精度。
开放程度240  2.32  1.590.078.26首先，为分析数字普
市场化水平
240
6.87
1.65
2.53
12.14
① 李海峥(2019)基于Jorgenson-Fraumeni 收人法，结合扩展的人力资本M i n c e r 模型，测算1985-2017年中国省际人力
资本存量，2018年各省人力资本存量根据1985-2017年各省人力资本数据通过加权线性回归法估计得出。
②
2011-2016年各省市场化指数数据来自《中国分省市场化指数报告(2018 )》，20丨7年和2018年各省市场化指数基于
《中国分省市场化指数报告2018》中2008-2016年各省市场化指数通过加权线性回归估计得出。
20去皱眼霜
惠金融对区域全要素生产率的影响，建立基准估计模型：
TFP^a^+a i D/F/^+a,Xu+p r ov inc e i+ye a r,+ixu
其中，取，为全要表2变量平稳性分析
素生产率，D/F/。为数字
普惠金融发展水平，
为控制变量，包括人力资
本、产业结构、开放程度
和市场化水平.province!
为省份效应,year，为时间
效应，为随机项。
为了验证数字普惠
金融影响全要素生产率
的作用机制，本文引入区
域碳排放量（Casern )作
为中介变量，检验数字普
惠金融是否可以通过影
响碳排放进而影响全要素生产率。机制检验模型如下：
TFPk=P〇+/3\ DIFIu+p2 Carbonu* DIFIu+fiiXu+provincei+yeart+En (1)
变量
同质面板LLC异质面板IPS
结论T值显著性w[t-bar]显著性
全要素生产率-18.7540.000-3.9470.000平稳
技术效率-16.5380.000-3.6520.000平稳
用什么看日食
技术进步-18.7660.000-3.1590.000平稳
数字普惠金融-13.1580.000-5.4270.000平稳
覆盖广度-11.7740.000-3.6450.004平稳
使用深度-16.7410.000-3.0750.001平稳
数字支持服务程度-9.3550.000-4.2630.000平稳
碳排放-8.0120.000-2.9940.000平稳
人力资本-4.3750.000-4.1750.000平稳
产业结构-6.1270.000-3.9540.001平稳
开放程度-3.2570.017-2.3310.003平稳
市场化水平-17.6350.000-2.4570.002平稳
(2)
三、数字普惠金融对区域全要素生产率的影响
(一）基准回归结果
首先使用H a u s m a n检验判断使用面板固定效应还是随机效应模型。结果表明，H a u s m a n检验的卡方值 为241.56，伴随概率为0.000 0，因此使用固定效应面板模型分析。
表3报告数字普惠金融发展对区域全要素生产率的影响。其中，第（1)(3 )(5)列验证数字普惠金融对全 要素生产率、技术效率和技术进步表3数字普惠金融与全要素生产率：总体回归
的影响。第(2)(4)(6)列分别为引 人人力资本、产业结构、开放程度 和市场化水平等控制变量后的结 果。
本文将全要素生产率分解为技 术效率和技术进步。表3第(3)(4)列报告了引人控制变量前后，数字 普惠金融发展对区域技术效率的 影响，第(5 )(6)列报告引入控制变 量前后，数字普惠金融发展对区域 技术创新的影响。
表3第（1)(2)列估计结果表 明，数字普惠金融的发展对地区全 要素生产率的提升具有显著的正 向影响。在引入区域人力资本存 量、产业结构、开放程度和市场化 水平等地区经济特征等控制变量 后，区域数字普惠金融发展每提升
全要素生产率技术效率技术进步
(1)(2)(3)(4)(5)(6)
数字0.131***0.115***0.189*0.1720.268***0.249"普惠金融(0.046)(0.034)(0.104)(0.134)(0.085)(0.097)
人力资本
0.001*〇.〇〇r
(0.000)
0.002*
(0.000)(0.001)
产业结构
0.089**0.104*0.097**
(0.041)(0.060)(0.043)
开放程度
0.124***0.075“
(0.032)
0.158."
(0.041)(0.053)
市场化水平
0.325***0.989”*  1.326***
(0.117)(0.207)(0.417)
常数项
78.054***94.356***98.756***114.435…79.967*-88.673"
(8.974)(11.395)(11.326)(17.584)(9.741)(14.583)
年份和
地区效应
控制控制控制控制控制控制观测数240240240240240240
醉翁亭记原文
R20.283 50.324 10.101 40.125 90.257 90.323 4注：括号内为稳健标准误,*、**、***分别表示10% .5%、1%水平显著性.下同。
21
1单位，全要素生产率将平均提升0.115单位。且在控制地区经济特征变量后，数字普惠金融对全要素生产 率的提升作用将减弱，即若不控制地区经济特征变量，则会高估数字普惠金融对区域全要素生产
率的影 响，高估程度达 13.91 %[(0.131-0.115 )/0.115]。
在地区经济特征方面，人力资本对全要素生产率有正向影响，但仅在10%的水平显著。这主要是因为 人力资本的积累并未有效转化为技术创新的源泉，因此并未对全要素生产率的提升产生显著影响（黄燕萍，2016)。产业结构升级对全要素生产率有着显著正向影响，第三产业比重每提升1%，全要素生产率平均提 升0.089。区域开放程度，也即F D I占G D P比重，每提升1%，区域全要素生产率将显著提升0.124。市场化程 度对全要素生产率具有显著正向影响。市场化程度越高意味着要素配置效率越高，也为技术创新提供更好 的外部环境。
数字普惠金融对全要素生产率的提升主要通过推动技术进步实现，通过技术效率的提升效果不大，系 数仅0.001，显著性水平仅10%。且未引入控制变量将高估数字普惠金融对技术进步的影响，高估程度达到 7.63%[(0.268-0.249)/0.249]。引入控制变量后，数字普惠金融每提升1单位，区域技术进步将平均提升
0.249单位。作为一项技术创新，数字普惠金融提升金融服务效率，进而提升全要素生产率。
(二)异质性分析
1.区分数字普惠金融维度
数字普惠金融的发展包括覆盖广度、使用深度和数字支持服务程度的不断提升(郭峰等，2017)。基于 此，本文进一步分析覆盖广度、使用深度和数字支持服务，以及支付、保险和信贷服务使用对全要素生产率 的影响。表4第（1)-(3)列报告将数字普惠金融发展分解为覆盖广度、使用深度和数字支持服务程度三个 维度后的估计结果。第(4)-(6)列报告进一步将使用深度维度分解为支付、保险和信贷三个指标后，数字普 惠金融各维度对全要素生产率的影响。
表4结果表明，数字普惠金融各维度均对全要素生产率产生显著的正向影响。与传统采用“金融机构网 点数量”和“金融机构服务人数”等金融中介组织规模变量衡量区域金融发展水平不同，数字普惠金融打破
了传统金融服务中地域和时间的限 制，更好地推动资本要素的配置，提 升全要素生产率。具体来说，数字普 惠金融覆盖广度对全要素生产率的 提升效应最显著，数字普惠金融覆盖 广度每提升1单位，全要素生产率将 平均提升0.071单位，但影响的显著 性低于使用深度以及数字支持服务 程度；数字普惠金融使用深度对地区 全要素生产率的影响次之，数字普惠 金融使用深度增加一单位，区域全要 素生产率平均提升0.058单位；数字 支持服务程度对全要素生产率影响 相对较小，数字支持服务程度每提升1单位，全要素生产率将平均提 升 0.037。
进一步地，本文将数字普惠金融 使用深度分解为支付、保险和信贷，发现三者均对区域全要素生产率产 生显著的正向影响。支付服务、保险表4数字普惠金融与全要素生产率：子指标分析
因变量：全要素生产率
(1)(2)(3)(4)(5)(6)
覆盖广度
0.071*
(0.041)
使用深度
0.058…
新西兰学生签证时间
(0.019)
数字支持0.037“
服务程度(0.016)
六一儿童节文案简短
支付
0.096**
(0.041)
保险
〇.〇2r
(0.011)
信贷
0.074*
(0.038)
常数项
79.632***95.417***121.372-96.504•“117.43 r**86.593***
(21.325)(24.576)(18.744)(14.706)(19.587)(13.574)控制变量控制控制控制控制控制控制年份和
地区效应
控制控制控制控制控制控制观测数240240240240240240 R20.287 50.301 40.227 60.288 90.276 40.253 8
22

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。