数字金融能否推动低碳转型？来自中华人民共和国的证据（英）

ADBI工作文件系列 数字金融可以促进低碳转型吗？来自 中华人民共和国 邢哥和藤井友木 1399号 2023年7月 亚洲开发银行研究所 邢戈是西安交通大学和新加坡管理大学联合培养的博士生。藤井智是新加坡管理大学经济学院副院长（本科课程）和经济学副教授。 本文所表达的观点是作者的观点，并不一定反映ADBI、亚行、其董事会或其所代表的政府的观点或政策。ADBI不保证本文中包含的数据的准确性，并且对使用这些数据的任何后果不承担任何责任。使用的术语可能不一定与亚行官方术语一致。 讨论文件在定稿和考虑发表之前，必须进行正式修订和更正。 工作文件系列是以前命名的讨论文件系列的延续；论文的编号继续进行，没有中断或更改。ADBI的工作文件反映了对某个主题的初步想法，并在线发布以供讨论。一些工作文件可能会发展成为其他形式的出版物。 亚洲开发银行将“中国”称为中华人民共和国。建议引用： Ge,X.andT.Fujii.2023.数字金融可以促进低碳转型吗?来自中华人民共和国的证据。ADBI工作文件 1399.东京:亚洲开发银行研究所。可用:https://doi.org/10.56506/FMXX6317 请联系作者以获取有关本文的信息。电子邮件：gexing@stu.xjtu.edu.cn,tfujii@smu.edu.sg 亚洲开发银行研究所Kasumigaseki大楼，8楼3-2-5Kasumigaseki，Chiyoda-ku 东京100-6008,日本 Tel:+81-3-3593-5500 传真：+81-3-3593-5571 URL:电子邮件： ©2023亚洲开发银行研究所 Abstract 利用2011-2019年中国城市面板数据,基于超效率松弛测度数据包络分析,分析数字金融对低碳转型的影响 。我们发现，数字金融促进了低碳转型，这一发现在样本的选择、潜在存在的测量问题、研究期的选择、其他政策的存在以及潜在的内生性等方面是稳健的。这种影响，至少部分是通过增加绿色创新。我们还发现了不同地点和低碳转型水平的影响异质性的证据。本文从数字金融的角度为该地区的低碳转型提供了政策启示 。 关键字:数字金融,低碳转型,绿色创新,基于松弛测度的数据包络分析 JEL分类：G20，Q54，Q55 Contents 1.介绍1 2.LITERATUREREVIEW3 3.数据、方法和经验模型4 3.1数据源4 3.2低碳转变的测量4 3.3数字金融和控制变量的测量7 3.4关键变量的空间分布8 3.5经验模型9 4.实证结果9 4.1基线结果9 4.2健壮性检查10 4.3绿色创新作为影响渠道15 5.影响异质性17 6.结论和政策含义18 参考文献19 附录23 1.INTRODUCTION 随着信息技术的发展,数字金融—这是指在提供或访问金融服务中使用数字技术-近年来增长迅速。数字金融是影响经济、金融和能源的一个重要因素（张、金、王2015），它可以实现更高的消费水平 ，促进包容性发展，例如通过增加中小企业和弱势群体的贷款。数字金融也为绿色创新和减少污染做出了贡献（Meg和Zhag2022；Zhag和Lig2022）。数字金融有望在低碳转型或向低排放污染物的转变中发挥重要作用（Che2012）。这是因为低碳转型的关键驱动力是绿色创新，这需要金融部门的大量资金支持。然而，现有文献对数字金融对低碳转型的影响研究不足。本研究填补了这一研究空白。 数字金融可能通过为绿色和清洁项目提供资金来促进绿色创新，从而影响低碳转型。这是可能的，因为数字金融可能会吸收长尾集团的资金，1从而降低企业和个人的借贷成本，并促进具有潜在高风险和长回报周期的绿色创新项目，这些项目通常被排除在传统金融之外。我们的发现确实与绿色创新的相关性是一致的。 数字金融可以通过至少三个额外的理论渠道影响低碳转型。首先，数字金融包括一些生态修复项目（如支付宝的蚂蚁森林），旨在鼓励公众减少碳排放。其次，数字金融通过为弱势群体提供有助于低碳转型的资金，促进了他们的绿色消费。最后，数字金融突破了时间和空间的限制，为消费降低了交易成本。尽管这三个渠道具有潜在的重要性，但由于缺乏可用数据，对这些渠道的分析超出了本文的范围。 上面的讨论仅仅表明了从数字金融到低碳转型的可能因果渠道，数字金融是否确实影响了低碳转型是一个经验问题。因此，我们使用2011年至2019年中国283个城市的面板数据来探讨这个问题。我们研究中国的城市有三个重要原因。首先，中国是世界第二大经济体和最大的发展中国家。此外，中国已经高度城市化，到2020年，63%的人口居住在城市地区。鉴于中国大城市的数量和城市化的持续趋势，中国城市值得研究。其次，根据全球碳地图集，中国是世界上最大的碳排放国，占全球化石燃料和工业碳排放量的30％以上，但没有考虑土地利用的变化。最后，城市是中国政策实施的基本单位，在达到碳排放峰值方面发挥着至关重要的作用。全球70%的碳排放来自城市，城市也与中国国内外的绿色转型分析相关。 1长尾组是指金融资产相对较小但数量众多的个人或小企业。 衡量数字金融和低碳转型在这项研究中至关重要。对于前者的度量，本文采用了中国北京大学数字金融包容性指数（PKU_DFIIC），该指数提供了数字金融的总体指数及其覆盖广度，使用深度和数字化水平的子指数。为了衡量低碳转型，我们使用了从基于无导向松弛的度量数据包络分析（SBM-DEA）及其具有非期望输出的超效率对应物得出的技术效率度量。与其他城市相比，当一个城市使用更少的投入并产生更多的期望产出和更少的不期望产出时，技术效率衡量标准往往更高。 使用这些措施，我们对数字金融指数和其他控制变量的低碳转型进行回归。基线回归结果表明，数字金融显著加速了低碳转型。在排除四个直辖市，排除某些异常值，研究期间的变化以及纳入潜在的混杂政策方面，这一结论是有力的。此外，通过一种变动份额工具变量（SSIV）来解决数字金融的潜在内生性也不会改变结果。我们认为这是一个合理有效的工具，因为城市与杭州之间的球面距离的倒数一方面与数字金融正相关，而城市与杭州之间的球面距离的倒数在很大程度上与低碳转型无关。此外，基于Coley，Hase和Rossi（2012）提出的方法，本文发现数字金融对低碳转型的积极影响相对于适度违反排除限制是稳健的。 然后，我们分析了数字金融影响低碳转型的机制。结果表明，数字金融至少部分通过促进绿色创新来推动低碳转型，绿色创新包括所有类型的创新，这些创新使商品和服务的生产能够减少或消除对环境和自然资源的不良影响。我们还分析了各种城市特征的影响异质性。此分析表明，黑河-腾冲线以东的城市中的数字金融-从东北的黑河市延伸到西南的腾冲市的假想线-促进了低碳转型，但这条线以西的城市并非如此。我们还发现，数字金融只会促进低碳转型中值以上城市的低碳转型。 本文有三个创新点。首先，以前的研究通常忽略了潜在内生性担忧的存在。我们提出了一种新型的数字金融SSIV，定义为城市与杭州之间的球面距离的倒数乘以每年的中国数字金融指数之间的乘积。正如随后详细说明的那样，该IV似乎是外生的，我们的结果对于适度违反SSIV的外生性是稳健的。其次，本文分析了数字金融对低碳转型的影响在不同低碳转型水平的城市中是否具有异质性，这一点以前也被忽略。第三，与以往的研究不同，本文对绿色创新作为数字金融影响低碳转型的渠道进行了细粒度分析，将其分为低级创新和高级创新。 本文结构如下。第2节回顾了相关文献。第3节介绍了数据、方法和模型。第4节介绍了实证结果和分析。第5节介绍了异质性分析。最后，第6节提供了结论和政策含义。 2.文献综述 本文与数字金融文献相关。在早期的文献中，学者们评估了数字金融对经济成果的影响，如企业家精神(谢等。2018年)，经济增长(钱等。2020年)和收入差距(Ji等人。2021)。最近，有研究研究了数字金融的环境影响。例如，Wa，P和Tavera（2023）发现数字金融与污染物排放之间存在显着的负相关关系。Fetal.(2023)使用中国省级数据发现数字金融对能源效率的倒U型影响。 特别是，本文增加了有关数字金融对碳排放和绿色经济效率影响的分析文献。Zhao等人根据省级数据发现，数字金融可以减少中国的碳排放。（2021年）和Wag和Go（2022）的城市级数据。Wag等人。（2022）指出，数字金融通过加强对高污染企业的信贷约束来提高绿色经济效率。 这项研究也有助于有关低碳转型影响因素的文献。现有的研究已经考察了影响低碳转型的各种因素，如产业结构(Wag等。2019年），产业集聚（张等。2019年)、技术创新(刘和张2021年)、绿色创新(张和刘2022年)、绿色债券(Sartzetais2021年)和绿色信贷(Li等2022b)。我们通过研究绿色创新作为数字金融促进低碳转型的关键渠道之一来补充这些文献。 本研究还通过采用（超效率）SBM-DEA仔细构建了低碳转型措施。这是重要的一点，因为测量可能会影响我们的结果。我们使用（超效率）SBM-DEA具有不期望的输出，因为它允许我们计算全要素效率，不仅考虑输入和期望的输出，而且考虑排放（不期望的输出）。这与单因素效率衡量标准相反，例如人均碳排放量(Zheg等人。2019年)、人均能源消耗(Trog、Witor和Boxall2015)和单位GDP碳排放量(Li等人。2019)。由于单因素效率不能完全反映我们感兴趣的多个结果，因此我们认为DEA方法中的全因素效率更为合适。与参数方法相比，DEA方法也具有优势，例如随机前沿分析，因为我们不需要假设特定形式的生产函数。 其他一些研究使用指标体系方法来衡量低碳转型。Tan等人（2017）使用熵权法构建了一个低碳经济指数，该指数反映了（i）经济发展，（ii）能源格局， （iii）社会与生活，（iv）碳与环境，（v）城市交通，（vi）固体废物和（viii）水。邓和扬(2019)应用熵权法从(i)资源节约、(ii)污染减排、(iii)产业升级、(iv)生产率提高、(v)发展可持续性五个维度构建了产业低碳转型指数。S等人。（2020）从（i）环境，（ii）能源和（iii）经济三个维度构建了可持续发展指标，并评估了南亚的可持续发展绩效。Hag等人。（2022）采用熵权TOPSIS法，从（一）绿色效益、。 （ii）低碳效益，以及（iii）经济和社会效益。我们还考虑使用类似的熵加权指数作为低碳转型的替代指标， 尽管我们首选的低碳转型措施是基于(超效率)SBM-DEA。 研究表明，数字金融通过绿色创新渠道影响低碳转型。因此，本文还涉及到现有的研究，发现数字金融对绿色创新的积极影响。例如，Li等人。(2022a)发现数字金融通过缓解资金约束和增加研发投入促进绿色创新Rao等人。(2022)发现数字金融通过增加企业的金融流动性来促进绿色创新。Meg和Zhag（2022）认为，数字金融通过增强区域绿色金融服务来促进绿色创新。虽然我们没有分析数字金融如何影响绿色创新，但目前的研究结果与这些发现是一致的。 这项研究还增加了越来越多的关于绿色创新对低碳转型影响的文献。绿色创新符合可持续发展的目标 （李和廖2020），因为它不仅强调经济效益，而且强调环境和生态效益。Wrlod和Noailly（2018 ）根据1975年至2005年17个经合组织国家的部门数据，发现绿色创新降低了能源强度（能源效率的倒数）。徐等人。(2021)发现绿色创新与碳排放绩效之间存在正相关关系。Dog等人。(2022)使用中国数据通过绿色创新检测碳排放效率的提高。绿色创新已成为促进可持续发展和低碳转型的有效手段(Yetal.2021年；林和马2022年）。目前的研究证实了这些发现。 3.数据、方法和经验模型 3.1数据源 本文研究了2011年至2019年中国283个城市，由于数据的限制，本文的实证分析主要有四个数据来源。我们得到 （i）来自《中国城市建设统计年鉴》和《中国城市统计年鉴》的碳排放