智慧降碳：金融科技發展的城市碳減排效應研究

王小華 和楊亦蘭 宋檬

摘 要：深入研究金融科技發展對城市碳排放量的影響及作用機制，對精準制定碳減排政策、發展低碳經濟、推動城市智慧降碳具有重要的理論和現實意義。區別于以往區域內單一維度的研究，本文測算了中國城市的金融科技發展指數，基于2011～2019年中國264個城市的面板數據，從區域內和區域間兩個方面檢驗了金融科技發展對城市碳排放量的影響效應及作用機制。結果顯示：區域內金融科技發展能夠顯著降低城市二氧化碳的排放量，這一結論在使用工具變量緩解內生性以及替換金融科技發展指標等一系列穩健性檢驗后仍然成立；機制分析表明金融科技能夠通過提高技術創新水平和資源配置效率兩個途徑降低城市碳排放量；區域間金融科技發展水平和二氧化碳排放量具有顯著的空間關聯性，金融科技雖然能降低本地城市二氧化碳的排放量，但會促進周邊城市二氧化碳排放量，呈現出“以鄰為壑”的現象?；趨^域內和區域間金融科技碳減排效應的不同表現進行進一步研究，發現金融科技的碳減排效應在北部城市顯著強于南部城市、在非城市群城市顯著強于城市群城市、在其他城市顯著強于中心城市。

關鍵詞：金融科技；城市碳排放量；技術創新；資源配置

文章編號：2095-5960（2024）01-0100-11；中圖分類號：F719；文獻標識碼：A

一、引言

黨的二十大報告指出“推動經濟社會發展綠色化、低碳化是實現高質量發展的關鍵環節”。這意味著在經濟建設過程中，我們不僅要發掘經濟增長新動能以維持中國經濟的持續進步，還要打造包括環境因素在內的可持續發展模式，實現經濟效益與生態效益相統一。［1］然而多年來粗放型的經濟增長方式與傳統的GDP錦標賽思維導致中國經濟增長出現了投入要素浪費、經濟效率不高和二氧化碳排放量增加等一系列問題。［2］據《BP世界能源統計年鑒》數據顯示，中國碳排放量占世界的30.69%，是全球最大的碳排放國。二氧化碳的持續增加不僅會對我國的經濟增長造成負面沖擊，還會引發極端天氣和生態災難，最終影響人類社會的可持續發展。［3，4］2021年9月《中共中央 國務院關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》提出把碳達峰、碳中和納入經濟社會發展全局。城市是社會經濟發展的主要載體，也是碳排放的主要來源地和節能減排的主戰場。城市的減排效果將直接影響中國“3060”戰略目標的按期實現，在此背景下，破解城市節能減排難題和探究影響城市碳排放的因素，具有重要的學術價值和現實意義。

中國實現“碳達峰·碳中和”的過程是一個綜合的經濟社會發展戰略。金融與科技的融合在促進金融創新的同時顛覆了傳統的金融服務方式［5］，通過改造或創新金融產品、經營模式、業務流程等方式推動金融發展提質增效［6］，提升服務實體經濟的能力，縮小城鄉收入差距［7］和推動低碳轉型，實現“3060”戰略目標。未來金融科技發展將深度融入各類生產生活場景，精準配置金融資源，創造智慧金融新產品、新服務、新模式、新業態。智慧降碳已成為未來金融科技發展的重要方向之一。

與碳排放密切相關的，主要有兩方面的文獻。第一支是二氧化碳與經濟社會發展方式的關系。人類社會未來經濟發展方式會因碳減排而發生深刻的變化。［8］低碳經濟相關問題是全世界經濟學前沿研究關注的重點和熱點，目前已有諸多學者對該關系進行討論，包括碳排放與經濟發展的關系［9-11］，碳排放對生態環境、氣候變化的影響［12，13］。學者們認為二氧化碳是經濟系統和氣候系統的紐帶。［9］第二支文獻重點關注金融發展對碳排放的影響。大多數學者認為金融發展在推進經濟低碳化的過程中發揮著重要作用，能通過促進技術創新降低單位GDP的能源消耗，從而減少二氧化碳排放。［14-16］但也有學者對此觀點存在異議，認為金融發展會增加二氧化碳排放量或者對其沒有影響。［17，18］如Coban和Topcu發現銀行業發展指標與碳排放之間呈現出倒U型關系，但股票市場發展指標與碳排放之間則沒有顯著的關聯。［17］隨著人工智能、大數據、區塊鏈等數字技術在金融領域的融合創新，金融科技應運而生并廣泛運用。［5］現有研究表明，金融科技對社會各方面產生了重要的影響，就企業層面來說，金融科技能助推企業創新［19］和企業高質量發展［20］；就商業銀行層面來說，金融科技能助力商業銀行數字化轉型［21］以及提高商業銀行的經營活動風險［5］；就生態環境來說，金融科技能改善生態環境。［14］總的來看，雖然大多數學者探討了碳排放與經濟社會發展的重要關系，也分析了金融發展對碳排放的影響，但對于金融科技影響城市碳排放的作用、機制沒有進行充分的探討，也缺少關于金融科技空間溢出對城市碳排放效率的影響研究。為此，研究金融科技對城市二氧化碳排放量的影響及作用機制對于我國雙碳目標的達成和金融科技持續健康發展具有重要的現實意義，也有助于推動經濟實現綠色低碳轉型和邁向經濟高質量發展。

本文可能的創新之處有：（1）創新性地構建了中國金融科技發展度量指標?；谕跣∪A等［6］的研究構建了金融科技指標體系，利用爬蟲技術獲取百度搜索指數，最終運用熵值法和層次分析法測算得到2011～2019年中國264個城市的金融科技發展指數。（2）獲得了中國情境下金融科技發展的碳減排效應的獨特經驗證據。從區域內來看，金融科技發展對城市二氧化碳的排放量有明顯的抑制作用，證明了金融科技發展能夠通過創新效應和資源配置效應實現碳減排的理論假說，但區域間實證檢驗結果表明金融科技對周邊城市二氧化碳排放量有促進作用，揭示了中國在嚴格的環境政策規制和特定的屬地主義治理模式下的金融科技發展與城市碳排放之間不同的結果。（3）探索了金融科技發展影響城市碳排放的機制。從提高城市科技創新水平和資源配置效率兩條路徑概括了金融科技對碳排放發揮的重要作用，并將樣本分為南方地區和北方地區、城市群城市和非城市群城市、中心城市和其他城市，檢驗了金融科技發展與城市碳排放的異質性。

二、理論分析與研究假說

（一）區域內部層面金融科技對城市碳減排的影響

金融科技是我國低碳經濟發展的重要支柱，在實現“碳達峰·碳中和”目標的過程中，金融科技可以通過控制增量和減少存量兩種方式減少城市二氧化碳的排放量。在控制增量方面：金融科技能夠利用互聯網減少不必要的線下活動所帶來的二氧化碳，如金融機構普遍采用“電子存檔”的辦公模式，降低了對紙張等實物資源的消耗；企業通過線上購買信貸產品，避免因線下交易而導致的二氧化碳排放量上升。在降低存量方面，金融科技推動了低碳行為的普及，促進“低碳”由社會行為到生活習慣的轉變，如支付寶推出的個人碳賬戶產品“螞蟻森林”，通過低碳行為產生能量的方式讓大眾更深入地了解低碳理念，轉變用戶的生活習慣，降低了城市碳排放量。

就其作用機制而言，金融科技能夠通過提升技術創新水平和資源配置效率兩個方面減少城市的碳排放量。一是技術創新效應。傳統的內生經濟增長理論認為技術進步才是推動經濟增長的根本原因。Aghion和Howitt等學者進一步將熊彼特創新理論引入內生增長模型，將環境污染和不可再生資源引入經濟增長的分析，推導出包含環境因素在內的經濟增長穩態，證明了創新不僅能為城市經濟增長注入持久的動能，也能改善城市的生態效率。［22］金融科技通過技術創新催生了新的金融服務模式和金融業態，拓寬了中小企業的融資渠道、降低企業借貸成本，提高金融業服務實體經濟創新、低碳發展的能力。［7］與此同時，金融科技緩解了企業的融資約束，降低了企業短視行為，將更多的資源投向研發創新，進一步推動企業向低能耗、低污染、高產出的技術領域突破，實現經濟社會的綠色轉型。二是資源配置效應。資本供給和資本配置是金融系統的基礎和核心功能，在金融科技體系中亦是如此。在內生經濟增長理論中，金融發展能通過促進資本積累與資本配置兩個功能，促進經濟增長，其中資本的優化配置是金融部門的基本功能。［23-25］金融科技可以有效解決金融機構和公司之間的信息不對稱問題，優化資源配置。一方面，金融科技平臺可通過搜索、分類和計算搜集企業信息和環境數據，解決信息不對稱和道德風險，降低企業借貸門檻，支持企業經濟綠色轉型；另一方面，金融科技通過建立數字化平臺的綠色金融資源配置與管理生態系統［26］，拓寬用戶的應用范圍，擴大綠色金融覆蓋面，提升綠色金融和地方生態環境發展質量?；谝陨戏治?，本文提出如下假說：

假說1：金融科技的發展可以降低城市二氧化碳的排放量。

假說2：金融科技通過提升技術創新水平和資源配置效率降低城市二氧化碳排放量。

（二）區域間層面金融科技對城市碳減排的影響

數字技術與經濟、金融的融合在對本地經濟活動產生作用的同時也能對周邊城市產生顯著的空間溢出效應。［27］技術溢出效應和學習效應能夠使金融科技產生空間溢出效應，從而推動區域的可持續發展和碳排放的減少。具體而言，技術溢出效應是指在一定范圍內，一種新的技術或模式的采用和發展可以對周圍區域內的經濟和社會活動產生積極的影響，學習效應則是指企業或個人在采用某一項新技術或模式的過程中積累的知識和經驗，以及在實踐中不斷進行的調整和改進過程中形成的經驗教訓，這些效應的存在使得相鄰地區之間可以通過學習彼此先進的減排技術和政策來進一步促進自身碳排放效率的提升。［28］此外，數字技術與經濟、金融的深度融合也可以通過網絡技術和資源共享，實現城際減排聯合治理。這種治理方式可以形成空間溢出的生態環境效應，從而推動周邊城市的可持續發展，提高區域生態環境的質量。

基于以上分析，本文提出假說3：

假說3：金融科技的發展水平對城市二氧化碳排放量的影響存在空間溢出效應。

（三）金融科技對城市碳排放量產生影響的區域異質性

中國各個區域處在工業化的不同階段，經濟發展水平也不盡相同，因此各城市的金融科技發展水平和二氧化碳排放量存在著明顯差異。具體而言，南方地區（以長三角、珠三角為代表）的金融科技發展相對較早，數字基礎設施建設更加完備。資金、技術和人才不斷聚集，因此其金融科技發展水平更高。相反，北部地區尤其是西北地區和東北地區的經濟發展水平較低，與金融科技相關的基礎設施較為落后，數據和信息在城市間的傳輸受阻，導致其數字紅利效應不能充分發揮。［29］其次，在相關政策的引導和資金的支持下，中心城市（如省會城市、計劃單列市等）的金融科技發展水平高于其他城市，產業基礎、政策基礎和外部環境都更優越，使得中心城市的金融科技發展速度更快。城市二氧化碳排放量則呈現出北高南低的分布，這是因為北方城鎮采暖熱源主要來自熱電聯產和各類燃煤、燃氣鍋爐生產的熱力，熱源結構導致了南北的差異。［30］此外，一些工業化水平較高的城市（如成渝兩地、長三角城市群等區域）的碳排放量也較高。綜上，可以得出無論是金融科技發展水平還是城市碳排放量，都受到地理區位、數字基礎設施、產業發展結構、政策引導等眾多因素的影響，這些因素導致金融科技的碳減排作用存在顯著的區域差異。

基于以上分析，提出假說4：

假說4：金融科技發展對城市二氧化碳排放量的影響存在區域異質性。

三、研究設計

（一）變量定義及指標構建

1.被解釋變量：城市二氧化碳排放量。一是以各城市的二氧化碳排放量的對數（CO2）作為本文的被解釋變量。二是以每萬元GDP產生的二氧化碳排放量的對數值（CO2/GDP）為被解釋變量進行估計。

2.核心解釋變量：金融科技發展水平（Fintech）?；谕跣∪A等［6］的研究，參考《金融科技發展規劃（2019-2021年）》《“十四五”國家科技創新規劃》等相關文件以及現有與金融科技、數字金融等領域有關的文獻，從直接關鍵詞、技術支持、金融中介服務三個維度選取了27個關鍵詞構建金融科技指數。同時借鑒李春濤等［19］的方法，利用Python獲取100000條與金融科技相關關鍵詞的百度搜索指數數據。最后運用主觀賦權與客觀賦權結合的方法來確定權重，測算出中國264個城市的金融科技發展指數。

圖1報告了金融科技指數（Fintech）分年份和地區的變化趨勢?？梢钥闯?，金融科技的發展水平隨著大數據、云計算和區塊鏈等數字信息技術的產生和普及逐步提高，但2017年以后金融科技指數發展呈下降趨勢。分析其主要原因可能是為防范金融風險，監管機構自2017年起成立了互聯網金融風險專項整治工作領導小組，對互聯網現金貸等業務加強了監管力度，讓人們對金融科技的發展有更加客觀、清醒的認識，對金融科技的追求熱度下降。通過同一時間不同地區的橫向比較，發現秦嶺—淮河一線以南的地區金融科技發展程度高于北部地區，這可能是因為我國區域發展的經濟中心出現了進一步南移的景象，區域發展的差距再次出現擴大的趨勢。［31］具體表現為南北方地區在技術創新、資本積累和勞動力數量方面的差距日益凸顯。［32］南方地區憑借其更強的創新實力、充足的資本累積和豐裕的勞動力資源加速其基礎設施數字化改造進程，推動金融要素在區域間的流動，使得南方地區的金融科技水平顯著高于北方地區。

3.中介變量：一是技術創新水平（Innovate）。本文選取了人均專利授權數衡量城市技術創新水平。二是資源配置效率（Resource）。本文用科研從業人員數占總人口數的比值進行表示。

4.其他控制變量：本研究綜合碳排放強度和金融科技的相關研究成果，選擇了如下控制變量：人力資本水平（Hum）、政府財政壓力（Gov）、外商直接投資水平（Fdi）、科研水平（Scil）、城鎮化水平（Urban）、產業結構（Industry）、經濟發展水平（Gdp）。各變量的描述與測度參考表1。

（二）數據來源

本文以2011～2019年中國264個城市為研究樣本，城市二氧化碳排放量數據來源于中國碳核算數據庫，其余變量的數據來源于《中國城市統計年鑒》，個別缺失通過相應城市的統計年鑒、統計公報和插值法補齊，并對連續型變量進行雙側1%的縮尾處理，統計結果如表2所示。

（三）基準模型設定

為研究金融科技對城市二氧化碳的減排效應，本文構建如下基準模型：

lnCO2i，t=β0+β1Fintenchi，t+β2controli，t+λi+ηt+εi，t? （1）

其中，lnCO2i，t為i城市在t年的二氧化碳排放量；Fintenchi，t反映了城市i在t年的金融科技水平；controli，t為控制變量的集合；λi為地區固定效應，ηt為時間固定效應，εi，t為隨機擾動項。

同時，為了研究金融科技影響城市二氧化碳排放量的機制，本文進一步建立如下模型：

lnnovatei，t/Resourcei，t=σ0+σ1Fintechi，t+σ2controli，t+λi+ηt+εi，t? （2）

其中，lnnovatei，t、Resourcei，t分別表示技術創新效應和資源配置效應，其他變量同式（1）。

（四）空間面板計量模型選擇及構建

在進行一系列空間相關性的檢驗后，本文選擇SDM模型，構建模型如下：

lnCO2i，t=μi+ρWlnCO2i，t+β1CO2lnFintechi，t+β2CO2controli，t+θ1CO2WlnFintechi，t+θ2CO2controli，t+εi，t? （3）

（3）式中：W為空間權重矩陣；ρ為lnCO2的空間回歸系數；β1CO2、β2CO2為金融科技指數（Fintech）的回歸估計系數；θ1CO2、θ2CO2為金融科技指數空間回歸估計系數；controli，t為各控制變量；μi為非觀測個體固體效應；εi，t為隨機擾動項。

現有研究表明，空間單元活動交互受到距離、經濟、文化、政策制度等多種因素的影響。因此，本文使用經濟距離空間矩陣（Wij）來進行測度。

Wij=Wi×diagY1Y，Y2Y，…，YnY? （4）

Yi=1t1-t0+1∑t1t=t0Yi，t，Y·=1n（t1-t0+1）∑t1t=t0∑ni=1Yi，t? （5）

Wij表示i城市與j城市之間的空間權重；Wi代表地理距離空間權重矩陣；diagY1Y，Y2Y，…，YnY代表各城市的GDP所占比重均值為對角元的對角矩陣；Yi表示i城市各年的GDP的平均值；Y ·表示所有城市的實際GDP；Yi，t為i城市t年的實際GDP值。

四、結果分析

（一）區域內層面金融科技對城市碳減排的影響

1.基準回歸結果

為探究金融科技對碳排放量的影響，本文首先對基準模型進行回歸。如表3所示加入控制變量后，無論是以二氧化碳排放量還是二氧化碳排放量占GDP的比重為被解釋變量，金融科技系數分別為-2.3553、-5.3727，均在1%水平上顯著為負，說明金融科技的發展能夠降低城市二氧化碳的排放量，改善當地的環境，推動綠色化轉型?？赡艿脑蚴墙鹑诳萍家环矫嫱ㄟ^數字化辦公的形式控制城市二氧化碳排增量，另一方面通過推動低碳行為的普及降低城市二氧化碳存量，從而降低城市碳排放，假說1得到驗證。

2.內生性討論

內生性問題可能會導致回歸偏誤，為緩解潛在的內生性，本文將采用核心解釋變量的滯后一期作為工具變量。主要原因為金融科技發展是一個動態、持續的過程，早期與金融相關的活動是當前金融科技發展的基礎。上一階段的金融科技創新會對當前的金融科技活動產生影響［33］，進而影響城市碳排放量。首先對工具變量進行弱工具變量檢驗，估計結果見表4，結果顯示Shea’s partial R2為0.5135，F統計量為1934.77，P值為0.000，且Minimum eigenvalue statistic為1934.77大于2SLS Size of nominal 5%Wald test中10%對應的臨界值，拒絕了“存在弱工具變量的原假設”，驗證了工具變量的選取是恰當的。同時，金融科技發展水平（Fintech）的系數為仍在1%的水平上顯著為負，說明金融科技發展可以降低城市二氧化碳的排放量，結論與前文一致。

3.穩健性檢驗

（1）替換解釋變量。用金融科技一級指標的技術支持替換金融科技指數作為本文的解釋變量。表4第（2）列和（5）列結果表明金融科技發展中的技術支持能有效改善城市二氧化碳的排放量，金融科技發展水平較高的地區提供的技術支持也較為完善。

（2）剔除直轄市。在研究金融科技對城市碳排放量的影響時，由于直轄市的開放度、城市化水平、經濟發展程度都遠遠高于大多數城市，導致直轄市可能成為估計過程中的異常值。因此本文將直轄市的觀測值剔除后再次進行回歸，結果顯示金融科技依然顯著地抑制城市碳排放量。

4.機制檢驗

根據前文理論分析，金融科技會通過促進技術創新和提高資源配置效率減少城市二氧化碳的排放量。本文采用中介效應模型進行機制檢驗。具體結果見表5，技術創新效應方面，金融科技系數為4.7684，在1%水平上顯著為正，說明金融科技能通過提升城市的創新水平有效降低城市排放量；資源配置效應方面，金融科技系數為7.4038，在1%水平上顯著為正，說明金融科技能通過提升資源配置效率有效降低城市碳排放量。綜上，技術創新效應和資源配置效應是金融科技發揮碳減排作用的兩條路徑，假說2得以證實。

（二）區域間層面金融科技對城市碳減排影響實證結果分析

1.空間相關性檢驗

金融科技可以突破時空限制，促進區域間的資源共享，并對周邊城市的生態環境形成空間溢出。為判斷城市二氧化碳排放量和金融科技發展是否各自具有空間相關性，本部分測算了城市二氧化碳排放量和金融科技指數的Moran’s I指數，相關公式如下：

I=n∑ni=1∑nj=1Wij（xi-x）（xj-x）∑ni=1∑nj=1Wij∑ni=1（xi-x）2=∑ni=1∑nj=1Wij（xi-x）（xj-x）S2∑ni=1∑nj=1Wij? （6）

X代表城市碳排放量、金融科技指數；x代表城市碳排放量和金融科技指數在各區域的平均值，Wij代表區域i和j的空間權重（i，j=1，2，3，…，264）。全局Moran’s I指數I在[-1～1]之間，測算得出歷年二氧化碳排放量和金融科技指數的Moran’s I均顯著為正，且Z指數檢驗值都大于4.6，說明中國各城市的二氧化碳排放和金融科技發展存在顯著的空間正相關性①? ①文章篇幅有限，城市二氧化碳排放量與金融科技指數的Moran’s I指數結果未列出。。

2.金融科技對城市碳排放量影響的空間計量分析

表6展示了全樣本下空間杜賓模型估計結果，列（1）至列（4）表示以城市二氧化碳排放量的對數值為被解釋變量時不加入控制變量和加入控制變量的空間杜賓模型估計，金融科技系數分別為-2.3618和-2.6812，說明了當地金融科技水平的提高可以顯著減少二氧化碳的排放量。值得關注的是，金融科技指數空間滯后項的回歸系數分別為2.3454和5.1489，說明金融科技會促進周邊地區二氧化碳的排放量。對此可能的解釋為金融科技能夠激發企業進行要素的創新與技術的升級，但污染密集型企業在進行自我改革的同時，也會向環境管制更為寬松的鄰近地區遷移，遷入地的二氧化碳排放量也會隨之上升。

本文進一步使用微積分的方法將總效應分解為直接效應和間接效應，結果如表7所示。以城市二氧化碳排放量的對數值為被解釋變量時，金融科技指數對城市二氧化碳排放量的直接效應估計為-2.6312，間接效應的估計系數為2.3489，說明金融科技只有對本地城市二氧化碳排放量具有直接抑制作用。替換被解釋變量進行估計的結果同樣支持上述結論。說明當地政府會讓本地的一些高碳排放產業向周邊經濟發展水平相近的城市轉移，以實現本地城市的低碳、智慧及可持續發展，減排效應呈現出“以鄰為壑”的局面。

五、進一步分析：金融科技對城市碳排放量影響的區域異質性

（一）基于南北的比較

理論部分提到秦嶺淮河是中國重要的地理分界線，基于地理條件、自然稟賦、發展進程等多重原因，我國以此為界的南北地區差異巨大，導致金融科技發展水平存在異質性。因此研究金融科技對城市碳排放量的影響應當將這種異質性納入考慮范圍，本文以秦嶺淮河一線為劃分標準，將全樣本分為南、北兩個子樣本，進行分樣本回歸。結果如表8、9所示，結果表明金融科技減排的效果在北部地區更顯著，對此可能的解釋是北方城鎮冬季集體供暖，采暖熱源主要來自熱電聯產和各類燃煤、燃氣鍋爐生產的熱力，在此過程中產生了較大的污染，隨著城市二氧化碳排放量的增加，污染程度的加劇，金融科技的減排效應逐漸增強。［33］南方地區相較于北方地區污染程度較低，金融科技的減排效應相對較低。

（二）基于城市群和非城市群的比較

城市群不僅是統籌城鄉一體化、社會發展與社會保障一體化、產業結構一體化的核心地區，也是生態環境問題高度集中且激化的敏感地區。［34］因此本文將總樣本劃分為城市群城市①? ①城市群城市，包括位于長三角城市群、珠三角城市群、京津冀城市群、成渝經濟圈、長江中游城市群5個國家級城市群內的所有城市。與非城市群城市兩個子樣本以考察金融科技對城市二氧化碳排放量抑制效應的城市群異質性，回歸顯示非城市群城市的系數絕對值更大，顯著性更強。說明金融科技的碳減排效應在非城市群的城市中更為顯著。這可能是因為位于城市群的城市，由于政策引導和資金支持，具有較高的科技發展水平，滿足了生態環境保護的科技需求，此時生態環境保護對金融科技的依賴性減少，而非城市群的城市則相反，其生態環境對金融科技的依賴性較強。因此金融科技的碳減排效應也更強。

（三）基于中心城市和其他城市的比較

省會城市、計劃單列市不僅是政治發展、經濟發展、社會發展的核心地區，也逐漸成為綠色發展、低碳發展的前沿陣地和良好空間載體。它的發展直接關系到中國“3060”目標的推進與實施。因此本文將所有的城市劃分為中心城市②? ②中心城市，此處指石家莊市 沈陽市 哈爾濱市 杭州市 福州市 濟南市 廣州市 武漢市 成都市 昆明市 蘭州市 南寧市 銀川市 太原市 長春市 南京市 合肥市 南昌市 鄭州市 長沙市 ?？谑?貴陽市 西安市 西寧市 呼和浩特市25個省會城市和大連市 青島市 寧波市 廈門市 深圳市5個計劃單列市，共計30個城市。和其他城市兩組，實證檢驗金融科技對城市二氧化碳排放量是否具有區域異質性?；貧w結果見表8、9的第（5）（6）列，結果表明金融科技能夠有效降低二氧化碳排放量，但這一作用的效果在除中心城市外的城市更顯著。這可能是因為中心城市的經濟發展速度快，基礎設施完備，并且由于其特殊的經濟、政治地位，要面臨更嚴格的環境管制，因此生態環境良好，二氧化碳治理對金融科技的依賴程度較低。而其他城市經濟發展較落后，環境規制較寬松，導致生態環境污染嚴重，城市二氧化碳治理對金融科技的依賴程度較高。綜上所述，對于經濟發達，生態環境好的地區，金融科技降低二氧化碳排放量的效果相對較差；對于經濟、科技發展滯后，生態環境條件不佳的地區則相反，假說4得以驗證。

六、結論與啟示

深入研究金融科技發展對城市碳排放量的影響及作用機制，對精準制定減排政策、發展低碳經濟、推動城市智慧降碳具有重要的理論和現實意義，但過去少有研究涉及。區別于以往區域內單一維度的研究，文本利用2011～2019年中國264個城市的面板數據構建了中國地級城市金融科技指數，從區域內和區域間兩個方面檢驗了金融科技發展對城市碳排放量的影響、作用機制及空間溢出效應。主要結論如下：（1）從區域內來看，金融科技能夠有效抑制城市二氧化碳排放，主要通過提高地區技術創新水平和促進資源配置效率兩條路徑實現。這一結論在考慮內生性問題以及替換核心解釋變量等一系列穩健性檢驗之后仍然成立。（2）從區域間來看，金融科技雖然能降低本地城市二氧化碳的排放量，但會使周邊城市二氧化碳排放量的增加，呈現出“以鄰為壑”的現象。（3）從整體來看，金融科技發展對城市二氧化碳排放量的影響具有空間異質性，具體而言，金融科技的碳減排效應在北部地區顯著強于南部地區，在非城市群城市顯著強于城市群城市，在非中心城市顯著強于中心城市。

根據以上結論，本文提出如下建議：一是推動金融科技發展，以數字化助力綠色化。政府需要加大底層技術領域的研發資金投入，強化前沿科技的開發，推動數字技術與金融市場主體的深度融合，以實現“綠色化、精準化、高效化”目標。具體措施包括建立金融機構與企業生產、經營、污染排放數據的對接與評估系統，通過將貸款審批和利率定價與企業實際業務數據結合，加大對節能環保清潔產業的信貸支持力度，同時進一步提升環境污染較嚴重企業的融資門檻，從而推動綠色低碳產業的發展。二是提高金融科技技術創新效應和資源配置效應，促進城市綠色轉型。建立政府和社會資本參與的綠色科研創新模式，解決科研資金短缺問題，為企業的綠色技術創新提供支持；注重培養具有創造性的專業人才，打破技術壁壘，加強關鍵核心技術的研究，提高綠色技術成果的有效供給；深化金融體制機制的“綠色化、普惠化、均等化”改革，發揮政府對資本的綠色導向功能，加強金融機構對綠色項目的資金支持，進一步提高生產效率和能源利用率。三是提升區域整體金融科技水平，加強區域間環境協同治理。政府應消除地區之間的市場分割，構建和完善金融科技基礎研究網絡體系，促進金融科技創新人才、資金等要素自由流通，擴大區域間技術外溢通道，以實現區域間金融科技水平的整體提升。四是立足區域發展差異，實施差異化的金融科技減排發展策略。在金融科技發展較快且生態環境保護較好的地區，改變金融科技減排效應的疲軟狀態，加強金融科技環境績效考核，通過政策制定等方式進一步強化金融科技的減排效應；針對生態環境較差的地區，引領聚集各方金融科研力量和金融科技資源，投入到打好污染防治攻堅戰和生態環境保護中，更好地發揮金融科技支撐作用。

參考文獻：

［1］戴翔，楊雙至.數字賦能、數字投入來源與制造業綠色化轉型［J］.中國工業經濟，2022（9）：83～101.

［2］陳詩一，陳登科.霧霾污染、政府治理與經濟高質量發展［J］.經濟研究，2018（2）：20～34.

［3］陳詩一.能源消耗、二氧化碳排放與中國工業的可持續發展［J］.經濟研究，2009（4）：41～55.

［4］陳詩一.低碳經濟［J］.經濟研究，2022（6）：12～18.

［5］王小華，鄧曉雯，周海洋.金融科技對商業銀行經營績效的影響：促進還是抑制？［J］.改革，2022（8）：141～155.

［6］王小華，周海洋，程琳. 中國金融科技發展：指數編制、總體態勢及時空特征［J］.當代經濟科學，2023（1）： 46～60.

［7］王小華，程琳.數字普惠金融與城鄉收入差距：機遇還是鴻溝［J］.廣西師范大學學報（哲學社會科學版），2022（5）：127～146.

［8］鮑健強，苗陽，陳鋒.低碳經濟：人類經濟發展方式的新變革［J］.中國工業經濟，2008（04）：153～160.

［9］Nordhaus W D. Economic growth and climate： The carbon dioxide problem［J］. The American Economic Review， 1977， 67（1）： 341～346.

［10］申萌，李凱杰，曲如曉.技術進步、經濟增長與二氧化碳排放：理論和經驗研究［J］.世界經濟，2012，35（07）：83～100.

［11］李磊，蔣沁怡.數字經濟發展與我國城市能源效率的提升［J］.貴州大學學報（社會科學版），2023（3）：72～83.

［12］Etminan M， Myhre G， Highwood E J， et al. Radiative forcing of carbon dioxide， methane， and nitrous oxide： A significant revision of the methane radiative forcing［J］. Geophysical Research Letters， 2016， 43（24）： 12，614～12，623..

［13］Huntingford C， Mercado L M. High chance that current atmospheric greenhouse concentrations commit to warmings greater than 1.5 C over land［J］. Scientific Reports， 2016， 6（1）： 1～7.

［14］趙璟，張歡.金融發展與工業污染排放——基于空間杜賓模型［J］.廣西師范大學學報（哲學社會科學版），2023（3）：102～118.

［15］嚴成樑，李濤，蘭偉.金融發展、創新與二氧化碳排放［J］.金融研究，2016（01）：14～30.

［16］Shahbaz M， Kumar Tiwari A， Nasir M. Effects of financial development， economic growth， coal consumption and trade openness on CO emissions in South Africa［J］. Energy policy， 2013， 61 （1）：1452～1459.

［17］oban S， Topcu M. The nexus between financial development and energy consumption in the EU： A dynamic panel data analysis［J］. Energy Economics， 2013， 39： 81～88.

［18］Salahuddin M， Alam K， Ozturk I， et al. The effects of electricity consumption， economic growth， financial development and foreign direct investment on CO2 emissions in Kuwait［J］. Renewable and Sustainable Energy Reviews， 2018， 81： 2002～2010.

［19］李春濤，閆續文，宋敏，楊威.金融科技與企業創新——新三板上市公司的證據［J］.中國工業經濟，2020（01）：81～98.

［20］王小華，宋檬，和楊亦蘭.金融科技、金融監管與企業高質量發展［J］.財經問題研究，2023 （4）：87～99.

［21］謝治春，趙興廬，劉媛.金融科技發展與商業銀行的數字化戰略轉型［J］.中國軟科學，2018 （08）：184～192.

［22］Aghion P， Howitt P. Endogenous growth［M］. Cambridge： MIT Press，1998.

［23］Hicks J R. A theory of economic history［M］. Oxford： Oxford University Press，1969

［24］Goldsmith R W. Financial structure and development［J］. Studies in Comparative Economics， 1969.

［25］Wurgler J . Financial markets and the allocation of capital［J］. Journal of Financial Economics， 2000， 58（1）：187～214.

［26］滕磊，馬德功.數字金融能夠促進高質量發展嗎？［J］.統計研究，2020，37（11）：80～92.

［27］唐松，賴曉冰，黃銳.金融科技創新如何影響全要素生產率：促進還是抑制——理論分析框架與區域實踐［J］.中國軟科學，2019（07）：134～144.

［28］Du Q， Deng Y， Zhou J ， et al. Spatial spillover effect of carbon emission efficiency in the construction industry of China［J］. Environmental Science and Pollution Research， 2021， 29（2）：2466～2479.

［29］鄧榮榮，張翱祥.中國城市數字經濟發展對環境污染的影響及機理研究［J］.南方經濟，2022（02）：18～37.

［30］徐維祥，周建平，劉程軍.數字經濟發展對城市碳排放影響的空間效應［J］.地理研究，2022，41（01）：111～129.

［31］習近平.推動形成優勢互補高質量發展的區域經濟布局［J］.求是，2019（24）：4～9

［32］盛來運，鄭鑫，周平，李拓.我國經濟發展南北差距擴大的原因分析［J］.管理世界，2018，34（09）：16～24.

［32］房宏琳，楊思瑩.金融科技創新與城市環境污染［J］.經濟學動態，2021（08）：116～130.

［33］黃躍，李琳.中國城市群綠色發展水平綜合測度與時空演化［J］.地理研究，2017，36（07）：1309～1322.

Smart Carbon Reduction： A Study of Urban Carbon Reduction Effect on Fintech Development

WANG Xiao-huaa，b，HE Yang-yi-lanb，SONG Mengb

（Southwest University， a.Center for Inclusive Finance and Agricultural & Rural Development;b.School of Economics and Management，Chongqing 400715）

Abstract：

In-depth research on the impact and mechanism of financial technology development on urban carbon emissions has important theoretical and practical significance for accurately formulating emission reduction policies， developing low-carbon economies， and promoting smart carbon reduction in cities. Unlike previous studies that focused on a single dimension within a region， this paper calculates the financial technology development index of Chinese cities and examines the impact and mechanism of financial technology development on urban carbon emissions from both within and between regions based on panel data of 264 Chinese cities from 2011 to 2019. The results show that financial technology development within a region can significantly reduce urban carbon dioxide emissions， and this conclusion still holds after using instrumental variables to mitigate endogeneity and replacing financial technology development indicators in a series of robustness tests. Mechanism analysis indicates that financial technology can reduce urban carbon emissions by improving technological innovation and resource allocation efficiency. There is a significant spatial correlation between financial technology development and carbon dioxide emissions between regions. And although financial technology can reduce local urban carbon emissions， it can also promote carbon dioxide emissions in neighboring cities， showing a "beggar-thy-neighbor" phenomenon. Further research on the different performance of financial technology carbon reduction effects within and between regions shows that the carbon reduction effect of financial technology is significantly stronger in northern cities than in southern cities， significantly stronger in non-urban agglomeration cities than in urban agglomeration cities， and significantly stronger in other cities than in central cities.

Key words：

fintech; urban carbon emissions; technological innovation; resource allocation

責任編輯：張建偉