数字普惠金融与城市碳排放强度:产业结构升级与家庭消费水平的中介作用

《Sustainability》:Digital Inclusive Finance and Urban Carbon Emission Intensity: The Mediating Roles of Industrial Structure Upgrading and Household Consumption Level

【字体: 大 中 小 】 时间:2026年07月02日 来源:Sustainability 4.1

编辑推荐:

  在全球气候治理形势日益紧迫的背景下,碳减排已超越单纯的环境保护范畴,成为衡量经济社会高质量发展和可持续性的重要标杆。本研究基于2015年至2024年中国233个地级市的面板数据,探讨了数字普惠金融(Digital Inclusive Finance, DIF)

  
在全球气候治理形势日益紧迫的背景下,碳减排已超越单纯的环境保护范畴,成为衡量经济社会高质量发展和可持续性的重要标杆。本研究基于2015年至2024年中国233个地级市的面板数据,探讨了数字普惠金融(Digital Inclusive Finance, DIF)对城市碳排放强度(Carbon Emission Intensity, CI)的影响。研究结果表明,DIF显著降低了CI。异质性分析进一步表明,这种抑制效应在初始CI较高的城市中更为显著。此外,DIF在环保城市和中心城市之外的非中心城市对抑制CI也表现出更强的影响力。研究结果还证实,产业结构升级(Industrial Structure Upgrading, ISU)和家庭消费水平(Household Consumption Level, HCL)在这一因果路径中起到了中介机制的作用。基于上述结论,本文提出了关于普及和扩大DIF覆盖范围的建议。这些建议的协同实施有助于DIF充分发挥其在金融与环境可持续性之间的桥梁作用,为实现区域碳减排目标和全面推进城市可持续发展提供有力的工具支持。
在全球气候治理紧迫性日益凸显的背景下,碳减排已成为衡量经济社会高质量发展的重要基准。然而,传统金融体系在地理覆盖、准入门槛及风险管理成本上的局限,难以满足低碳转型的资金需求。尽管现有研究已证实数字普惠金融(Digital Inclusive Finance, DIF)在驱动绿色技术创新方面的作用,但在探讨DIF影响碳排放强度(Carbon Emission Intensity, CI)的机制时,产业结构升级(Industrial Structure Upgrading, ISU)与家庭消费水平(Household Consumption Level, HCL)往往被割裂考察,缺乏从生产与消费两端协同作用机制的系统性研究。鉴于此,研究人员旨在通过实证分析,揭示DIF降低城市CI的内在机理,为理解金融服务创新如何协同经济增长与气候治理提供新的经验证据。
为实现上述目标,研究人员采用了严谨的计量经济学方法。首先,构建了双向固定效应模型以检验DIF对CI的直接影响;其次,引入中介效应模型,验证了ISU和HCL在传导路径中的中介作用;随后,通过替换变量、剔除直辖市、改变观测窗口及滞后一期等策略进行稳健性检验;最后,利用工具变量法(选取同省份其他城市DIF均值)和系统广义矩估计(System GMM)解决内生性问题,并采用面板分位数回归及空间杜宾模型(Spatial Durbin Model)进行了多维度的异质性与空间溢出效应分析。

4. 实证结果

4.1 描述性统计
样本数据显示,各城市间的CI存在显著差异。DIF的发展水平在各城市间总体较为均衡,而ISU与HCL的发展也相对稳定,但控制变量在各样本城市间表现出显著的个体差异。
4.2 多重共线性检验
方差膨胀因子(Variance Inflation Factor, VIF)测试结果显示,所有变量的VIF值均低于10,表明模型设定合理,不存在严重的多重共线性问题,确保了后续参数估计的准确性。
4.3 基准回归
在未加入控制变量时,DIF的回归系数为-0.649且在5%水平上显著;加入完整的控制变量后,自变量系数仍保持显著负向。这揭示了DIF的增长对CI具有强有力的抑制作用,即DIF倾向于清洁能源部门,促进了高耗能传统产业的逐步转型。
4.4 中介效应分析
DIF对中介变量ISU和HCL的回归系数均在1%水平上显著为正,表明DIF能够促进产业结构升级并提高家庭消费水平。在纳入ISU和HCL后,DIF对CI的回归结果依然显著为负。Bootstrap检验得出的间接效应系数分别为-0.108和-0.134,置信区间均不包含0。这说明ISU和HCL是有效的传导路径,其贡献率分别为16.78%和20.93%。
4.5 稳健性检验
通过变更解释变量(使用DIF覆盖广度指数)、变更被解释变量(使用人均碳排放)、排除直辖市样本、将解释变量滞后一期以及排除2024年特殊样本等一系列测试,DIF对CI的抑制效应均通过了显著性检验,证实了研究结论的高度稳健性。
4.6 内生性检验
以同省份其他城市DIF均值作为工具变量(Instrumental Variable, IV),第一阶段F值大于10,且Kleibergen-Paap rk LM统计量显著,Cragg-Donald Wald F统计量超过临界值,排除了弱工具变量问题。同时,采用System GMM方法的结果显示,在控制内生性偏差后,DIF的系数依然显著为负(-0.395),证实了DIF显著降低CI的结论并非由反向因果关系导致。
4.7 异质性分析
4.7.1 不同分位数异质性
随着城市碳排放水平的上升,DIF在遏制CI方面的比较优势愈发明显。在高排放城市中,DIF能更有效地驱动技术进步,优化资源配置。
4.7.2 环境保护异质性
在环保城市中,DIF对CI的回归系数为-1.288且显著。严格的减排目标促使制造业更愿意进行节能升级,DIF提供的便捷金融支持显著提升了生产能效。
4.7.3 城市定位异质性
在非中心城市,DIF的回归系数为-0.706且显著。DIF覆盖面广、准入门槛低的优势能有效触达传统金融难以覆盖的中小企业,支持其设备升级。
4.7.4 不同维度异质性
在DIF的三个二级指标中,使用深度(Usage Depth, UD)未能通过显著性检验,反映出部分地区企业对相关产品认知不足,限制了其减排效能的发挥。
4.8 空间溢出分析
空间自回归系数在1%水平上显著,表明DIF存在空间溢出特征。然而,间接估计系数显著为正,意味着城市DIF在抑制本地CI的同时,却增加了邻近城市的CI。这反映了当前DIF的碳减排效益受限于行政边界,导致了“以邻为壑”的阶段性空间格局,高耗能产业可能向监管宽松的周边地区转移。

5. 结论与建议

5.1 结论
研究表明,DIF能够通过生产和消费两条路径实现碳减排。在生产端,它缓解了中小企业融资约束,推动产业结构向高附加值部门升级;在消费端,它缓解了居民流动性约束,引导需求向绿色发展转变。此外,DIF的抑制效应在CI较高、环保城市及非中心城市中表现更为突出。
5.2 政策启示
针对高CI城市,应利用DIF资源倾斜至高碳行业的绿色转型环节,设立风险补偿基金;在环境治理水平高的城市,应将居民绿色行为转化为可量化的碳积分,并与信贷额度挂钩;非中心城市应优先解决DIF覆盖深度不足的问题,建立统一的区域信用信息平台;各地区还需推进DIF覆盖广度(Coverage Breadth, CB)、使用深度和数字支持服务程度(Digitalization Level, DL)的协同发展,建立多渠道沟通机制以实现跨区域协同减排。
5.3 局限性与未来研究
本研究指出DIF可能提升邻近地区的CI,但由于研究周期和样本量的限制,可能无法准确反映全国所有城市的情况。未来研究应扩展时间跨度和样本覆盖范围,探讨DIF与CI之间是否存在非线性关系,并深入分析消费能力增长究竟是助推了碳排放量还是促进了碳排放脱钩。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号