绿金论文 | 数字金融、金融普惠与绿色经济效率：一项新的分析

来源：市场资讯

（来源：江苏省绿色金融高端智库）

摘要

本文考察了2011—2020年中国数字金融发展、金融普惠深化与绿色经济效率之间的耦合机制。利用31个省份的平衡面板数据，本文采用基于非径向（Slack-Based Measure, SBM）模型测度绿色经济效率，运用灰色关联分析法探讨数字金融与绿色经济结果之间的动态交互关系，并通过向量自回归（VAR）模型分析其时空耦合机制。研究发现：数字金融在初期对绿色经济效率具有抑制作用，但随着普惠金融覆盖面和可及性的扩大，其长期效应转为正向。此外，数字金融对绿色经济效率的影响存在显著的区域差异，东部省份受益于数字金融的程度高于中西部省份。这些结果为政策制定者通过数字金融与金融普惠促进可持续经济增长提供了重要启示，并强调了制定区域差异化政策以充分发挥数字金融在提升绿色经济目标方面潜力的必要性。

研究背景

随着中国经济进入新阶段，粗放型增长导致的经济绩效不佳与生态退化问题日益凸显。为应对这一挑战，中国政府大力推动绿色经济发展，致力于实现“碳达峰”与“碳中和”目标。在此背景下，数字金融成为支持绿色经济增长的重要工具，能够为绿色投资与创新提供资金支持。然而，数字金融与金融普惠影响绿色经济效率的机制尚不清晰，缺乏系统分析。现有研究多聚焦于“碳达峰”与“碳中和”，将绿色发展简化为单一维度。相比之下，绿色经济效率更具整体性，综合考虑经济发展、环境与资源利用之间的关系。本文将其作为关键指标，探讨如何在经济增长的同时减少环境负面影响、最大化资源利用率并保持生态可持续性。数字金融的快速增长打破了传统金融服务的时空限制，拓展了服务范围，丰富了信贷渠道。中国数字经济的发展离不开金融体系支撑，绿色增长根本上依赖于技术与金融。环境保护、经济增长与资源管理之间的联系错综复杂，本文以绿色经济效率为指标，评估绿色经济进步，强调资源优化与环境影响削减。普惠金融的数字化整合借助数字技术重塑了金融行业，旨在拓宽金融服务可及性。数字金融与绿色经济的融合需战略协调，确保金融技术进步直接促进绿色经济效率提升。数字金融具有双重功能：促进金融服务可及性，并通过支持绿色项目推动可持续发展。

研究贡献

本文对现有文献做出了三个关键贡献。第一，以往的研究虽然分别使用了SBM模型、灰色关联分析和VAR模型，但本文创新性地将这些方法结合起来，构建了一个综合分析数字金融与绿色经济效率之间时空耦合机制的框架。这种综合方法能够更细致地理解不同时期和地理区域内变量之间的动态关系。第二，本文超越了常规分析，提供了针对中国东部、中部和西部省份独特特征的区域差异化政策建议。这些建议基于关于数字金融对不同区域绿色经济效率产生差异化影响的详细实证发现。第三，本文纳入了更全面的绿色经济效率指标体系，既包括期望产出（如GDP），也包括非期望产出（如二氧化碳排放），与以往研究相比，提供了对绿色经济绩效更全面的评估。

研究结果

1 绿色经济效率的计算

本文利用投入与产出指标计算绿色经济效率，包括劳动力、资本、能源消费（投入）及实际GDP（期望产出），并采用超效率SBM模型处理CO₂排放（非期望产出）。基于2011—2020年31省份面板数据，结果显示，绿色经济效率存在显著区域差异：江苏、广东等东部省份得分持续高于甘肃、新疆等中西部地区，凸显了针对性政策干预的必要性。测度结果见表1。

2011年至2020年间，这些省份的绿色经济效率呈现出明显的年际变化趋势。例如，北京和江苏两省均表现出持续同比增长，表明其绿色经济实践有所改善。相比之下，西藏自治区的效率则呈现出明显的同比下降。大多数省份，如天津，其效率得分在多年间表现出显著波动。

为了更全面地理解这些趋势，表2概述了同期各省份的绿色经济效率平均值。该表通过汇总平均得分，可以直接比较各省的绩效表现。具体而言，它突显了中国不同地区在绿色经济效率方面的显著差异。例如，平均效率得分范围从最低的0.3140到最高的0.9249。排名前五的省份均位于中国东部，这些地区拥有先进的经济结构和对可持续实践的投资。相反，就绿色经济效率而言，排名最后五个省份——云南、青海、宁夏和甘肃——均位于中国西部，这表明这些地区在提高绿色经济效率方面面临更大的挑战。

表格数据显示，浙江和福建等省份的绿色经济效率增长稳定，尤其是在2019-2020年期间——这一观察结果表明可持续发展和绿色技术领域有所进步。相反，天津、河北和甘肃等地区在同一时期的表现则呈现下降趋势，这意味着即使这些地区在改善环境绩效方面付出了艰苦努力，实现绿色增长仍然面临困难。所观察到的区域差异表明，需要制定定制化的政策干预措施，以支持当地的产业结构、区域资源可用性以及技术改进。从经济学角度看，某些地区的效率提升可能归因于绿色技术和能源转型的有效实施，而其他地区（包括华北和西北地区）则因依赖重工业而受到更大制约。因此，有必要制定针对特定区域的政策，以帮助在绿色经济发展方面落后的地区。为了促进所有省份的均衡和可持续发展，政策制定者需要集中精力加强技术创新、确保绿色倡议获得更多资金支持渠道，并推动区域合作。

表2展示了2011-2020年间，采用非导向SBM方法测度的中国31个省份各自的绿色经济效率平均值。研究结果表明，绿色经济效率存在高度的区域差异。某些省份在绿色技术利用和追求可持续经济发展方面排名最高。相比之下，贵州、甘肃和宁夏等省份的数值最低，这表明这些地区在实现绿色经济效率方面存在困难。这可能归因于缺乏技术创新、资源利用效率低下，或对不可持续产业的依赖。值得注意的是，包括浙江和江苏在内的一些地区取得了显著成效并跻身前十名，表明这些地区在绿色经济实践方面取得了稳步进展。上述研究结果表明，表现不佳地区的经济发展政策应侧重于改善现有资源的管理、加大对绿色技术的投资，并推动向更环保的产业转型。此外，针对特定区域的政策举措，如促进绿色金融和产业现代化，对于长期提高绿色经济效率和实现区域均衡发展至关重要。

2 数字金融与绿色经济效率的灰色关联分析

2011年至2020年间灰色关联系数的变化如图3所示，该图使用ArcGIS软件生成。该图直观地展示了指定时期内中国各省数字金融与绿色经济效率之间的关系。从结果来看，在全国31个省份中，部分省份的灰色关联系数在2011年至2020年间呈现倒U型变化，例如北京、天津、河北、山西等地；部分省份的灰色关联系数则呈现波浪形变化，例如上海、安徽、福建等地。

该图揭示了几个关键趋势和模式。首先，中国西部地区的省份，特别是那些受益于西部大开发战略和2011年实施的“一带一路”倡议的省份，其灰色关联系数显著提高。这表明这些倡议积极影响了这些地区数字金融的发展和绿色经济效率的提升。改善基础设施和数字互联互通的努力可以让金融服务更广泛地被获取，从而培育了更可持续的经济实践。

相比之下，经济更为发达的东部省份则表现出更稳定、更高水平的数字金融与绿色经济效率的融合。东部经济的持续增长为更稳健的数字金融格局提供了支持。然而，值得注意的是，尽管东部地区整体呈现进步态势，但在2019年至2020年新冠疫情期间，其经济的快速扩张也凸显了发展的不平衡。这些省份的经济增长与西部地区相对缓慢的进展形成了进一步对比，这表明在东部省份利用其发展优势的同时，西部地区可能需要更多的支持和投资才能迎头赶上。

总体而言，尽管东部和西部地区的数字金融与绿色经济效率均发生了变化，但图3清晰地表明，这些变化的速度和程度存在显著差异。鉴于上述显著差异，政策制定应更具针对性：不仅要努力缩小区域发展差距，促进数字金融利益的公平分配，还要以此为基础，推动所有省份的可持续发展。

3 数字金融与绿色经济效率的VAR模型分析

结果如表4所示。可以看出，在滞后阶数信息准则的比较表中，施瓦茨准则（SC）和赤池信息准则（AIC）同时达到最小值。因此，选择的最优滞后阶数为2期。

其中，AIC和SC用于比较不同滞后阶数下模型的准确性。在滞后一期的情况下，AIC为8.192346，SC为8.270436。滞后两期时，AIC更优，为7.863095，SC也更低，为8.004766，这表明滞后两期比其他滞后阶数更贴合数据。这一比较表明，滞后两期对模型的拟合更好，两个信息准则的值都更低，因此较长的滞后阶数能够更恰当地捕捉数据的潜在动态特征。从经济和统计逻辑上讲，这一发现表明，较长的滞后阶数能够更好地考虑延迟效应，从而理解变量之间随时间变化的关系。其政策内涵是：在构建数字普惠金融等因素对绿色经济效率影响的模型时，政策制定者应考虑采用两期滞后，以使建模更加准确和可靠。

表5展示了VAR模型的结果，该模型分析了研究期内数字金融与绿色经济效率之间的动态交互作用。系数表明，数字金融的滞后值与绿色经济效率的当前水平之间存在显著的正向关系。具体而言，一阶滞后的系数为0.199936，t统计量为3.67705，凸显了其对绿色经济效率的实质性影响。此外，数字金融的二阶滞后也有正向贡献，系数为0.259697，t统计量为6.19387。这意味着数字金融的改善不仅影响当前的效率水平，还具有来自前期的持续影响。相比之下，绿色经济效率的滞后值对数字金融的系数则呈现出不同的动态：一阶滞后系数为64.90913，但不显著；二阶滞后系数为-41.78761，表明其对数字金融缺乏稳健的影响。这种差异意味着，虽然数字金融的提升能够推动绿色经济效率的提高，但反向关系则较弱且不那么直接。

模型拟合统计量进一步阐明了这些关系：数字金融模型的R²为0.541115，而绿色经济效率模型的R²显著更高，为0.89469，表明后者能被模型更有效地解释。显著的F统计量证实了模型的整体显著性，而AIC和SC值为评估模型性能提供了额外参考。总体而言，这些发现表明，促进数字金融发展对于提升中国绿色经济效率至关重要。政策制定者应考虑以战略性的方式利用数字金融服务来增强可持续发展成果，因为从数字金融对绿色经济效率的有益影响中可以看出，通过金融创新推动环境可持续性改善具有巨大潜力。

利用VAR模型，本文采用脉冲响应函数分析数字金融变化对绿色经济效率的动态影响。图4描绘了数字金融对绿色经济的影响，显示出初始的负向冲击，随后在第二期上升，接着下降，到第五期趋于稳定。该脉冲响应曲线表明，在当前中国市场环境下，数字金融的改善起初会降低绿色经济效率，意味着短期内数字金融与绿色经济效率之间存在负相关关系。然而，从长期来看，数字金融对绿色经济并无显著影响。提高数字金融的渗透率可能会改变劳动力发展的方向和模式，从而初期降低绿色经济效率，但从长期看，它对电力消耗和GDP的影响并不大。

图5展示了绿色经济效率变化对数字金融的影响。初期，当期绿色经济效率产生正向冲击，使数字金融呈现稳步增长趋势，并在第二期达到峰值。随后，数字金融出现下降，直至第三期至第十期趋于稳定。这表明，绿色经济效率的变化对数字金融具有长期且稳定的影响。此外，绿色经济效率的变化会影响GDP，进而支持数字金融的发展。随着时间的推移，规模效应趋于饱和，导致趋势下降并最终趋于稳定。

研究结论

本文以数字金融与金融普惠的耦合机制为理论起点，选取2011—2020年中国31个省份的平衡面板数据，结合考虑非期望产出的超效率SBM模型、灰色关联分析与VAR模型，实证探讨了二者与绿色经济效率三者的耦合机制、动态时变特征及空间异质性。研究系统揭示了数字普惠金融赋能绿色经济发展的内在逻辑，填补了现有文献在耦合效应分析、动态时变研究及时空异质性探索方面的研究空白。

研究得出三个核心结论：数字金融对绿色经济效率具有“短期抑制、长期正向促进”的动态时变效应，金融普惠覆盖面的扩大是其效应转化的关键阈值；数字金融与金融普惠对绿色经济效率的耦合效应表现出显著的空间异质性，东部地区关联度更高且更稳定，中西部地区在政策驱动下关联度呈逐步上升趋势，而西部欠发达省份仍面临发展瓶颈；数字金融是绿色经济效率提升的核心驱动力，而绿色经济效率对数字金融的反向驱动作用目前尚不显著，其原因在于中国绿色经济发展的规模效应与产业溢出效应尚未充分释放。

本文通过丰富数字金融与金融普惠对绿色经济发展的耦合效应理论，完善了金融支持绿色经济发展的时空异质性理论，实现了理论升华，补充了数字普惠金融与绿色经济发展的理论体系。在实践价值方面，研究结论为国家制定数字普惠金融发展政策提供了科学依据，为制定区域差异化数字金融政策提供了精细化的实证基础，对于推动中国数字金融与绿色经济深度融合、实现经济高质量绿色转型具有重要参考意义。

参考文献：Hongyang Li, Hongwei Yang,Digital Finance, Financial Inclusion and Green Economic Efficiency: A New Analysis,International Review of Economics & Finance,2026.