数字金融、环境规制与经济高质量发展

奥鹏网院作业

数字金融、环境规制与经济高质量发展
上官绪明1 葛斌华2

(1.信阳师范学院商学院，河南 信阳 46400；2.中央财经大学统计与数学学院，北京10081)

摘 要： 本文利用2011—2018年间中国287个地级及以上城市数据，考察数字金融和环境规制对经济高质量发展的影响。研究发现，数字金融对经济高质量发展具有显著的直接促进效应及正向空间溢出效应，环境规制对经济高质量发展有显著的直接促进效应及负向空间溢出效应，且环境规制对数字金融促进经济高质量发展还存在显著的调节作用。进一步异质性识别发现，数字金融的使用深度对经济高质量发展的直接效应和空间溢出效应显著低于覆盖广度和数字支持服务程度，同时，在东部地区数字金融对经济高质量发展的促进效应及环境规制的引导效应较中西部地区更加显著。

关键词： 数字金融； 环境规制； 经济高质量发展； 空间Durbin模型

一、引言
我国经济已迈向高质量发展阶段，依靠高投入、高消耗，甚至以牺牲环境为代价的粗放式发展模式将被摒弃[1]。高质量发展已成为新时代地方政府发展经济的关键性指导思想，如何有效推动经济高质量发展是政府和学者们关注的重点。随着大数据、区块链、人工智能、云计算、5G等技术在金融领域的应用，我国金融业正进入全新的数字化时代[2]。根据2019年北京大学数字金融研究中心发布的报告显示，中国数字普惠金融业务在2011—2018年间实现了跨越式发展，数字普惠金融指数值平均每年增长36.4%。快速发展的数字金融有助于拓宽金融服务经济的广度和深度，为经济高质量发展提供重要动能[3]。数字金融依靠技术与金融的深度融合，通过提高资源配置效率[4]、拓宽区域间技术溢出通道[5]等助推经济高质量发展。同时，十八大以来，中央政府通过加强环保法制、法规建设，强化了环保风险防控能力，环境污染治理取得了显著的效果，但污染问题依然是制约我国经济高质量发展的因素之一[6]。新发展理念要求地方政府发展经济要从规模扩张、追求数量转向结构优化和注重质量提升。金融创新是经济增长的助推器，环境治理是经济绿色化发展的保障，因此，地方政府有采取环境规制和数字金融助推本地经济高质量发展的意愿和动力。

学术界关于金融发展和环境规制对经济高质量发展的影响研究已较丰富，但在新发展理念和数字金融快速发展的背景下，关于环境规制和数字金融如何助推经济高质量发展的探讨依然不足，主要表现在以下方面：首先，文献更多地是讨论了环境规制和数字金融对经济高质量发展的直接效应，很少关注其空间溢出效应，更鲜有对环境规制如何引导数字金融助推经济高质量发展进行系统考察；其次，考察数字金融助推经济高质量发展的文献，大多是从总体指标进行考察，忽视了数字金融维度指标对经济高质量发展的异质性；最后，考察环境规制对经济高质量发展影响的文献，虽然讨论了环境规制的内生性，但是倾向于从治污结果或治理过程寻找环境规制强度和意愿的代理变量，由于污染防治成本、排污量等内生于本地经济发展质量，导致估计结果可能存在偏误。

新时代地方政府有采取环境规制和金融创新双管齐下助推经济高质量发展的意愿和动力。为了更好地提出促进经济高质量发展的对策，还需厘清环境规制和数字金融对经济高质量发展的直接效应和空间溢出效应，解析环境规制对数字金融助推经济高质量发展的引导作用以及这些作用因数字金融的覆盖广度、使用深度和数字化程度不同的异质性效应。本文将环境规制和数字金融纳入内生性增长理论分析框架，系统考察其对经济高质量发展的影响，边际贡献主要有三点。第一，在详细考察了环境规制和数字金融对经济高质量发展的直接效应及空间溢出效应的基础上，深入讨论了环境规制对数字金融助推经济高质量发展的调节效应。第二，通过对省级政府工作报告环境词汇的提取，创新性地构造了地级市政府环境规制的工具变量。第三，首次考察了数字金融的覆盖广度、使用深度和数字化支持服务程度及城市区位不同助推经济高质量发展的异质性效果。本文的研究结论可为地方政府既要创造“金山银山”，又要留住“绿水青山”提供决策参考。

二、文献综述与理论假说
关于经济高质量发展的相关理论要溯源到内生性增长理论。内生性增长理论认为技术进步是实现经济增长的动力源泉，创新发展和技术进步离不开金融的支持[7]。同时，内生性增长理论也认为提高环境规制强度有利于提升经济发展质量[8]。新发展理念下，驱动经济高质量发展的主要因素已经发生转变，创新成为经济发展的第一动力[9]。实现经济高质量发展的关键是完善环境政策和制度[10]，需要从“要素投入”转型到“创新驱动”，这要求金融服务经济发展模式转型[11]。地方政府既要借助环境规制引导防污治污技术创新和应用，倒逼高污染产业绿色化转型升级，同时也需要借助金融创新，通过绿色信贷、绿色金融引导地方经济绿色发展，支持防污治污技术创新和应用。因此，当前关于环境规制和金融创新如何助推经济高质量发展已成为文献关注的焦点。

数字金融借助科技创新拓宽服务广度和深度、提高资源配置效率，助推经济高质量发展。数字金融利用区块链、云计算、大数据及人工智能等技术有效化解信息不对称问题，拓展服务边界，增加服务供给，为经济社会发展提供内在动力[12]。数字金融具有天然的普惠性，可促进经济创新、协调、绿色、开放、共享发展，在数字金融创新支持下，有助于提高经济发展过程中的资源配置效率和技术创新[13]。同时，数字金融通过促进物质资本偏低或低社会资本家庭的创业，实现经济发展的包容性[2]。汪亚楠等(2020)[14]实证检验发现，数字金融促进了我国实体经济发展，其覆盖广度和使用深度的刺激作用显著，但其数字化程度的促进作用不显著。另外，数字金融对经济发展的促进效应存在区域差异。虽然我国数字金融已经取得领先水平，但还存在参与主体素养低、金融监管和征信系统不完善等问题，制约了其有效促进经济高质量发展[15]。通过金融与科技创新融合发展，数字金融提升了金融的可得性和普惠性，优化资源配置、改善要素组合，提高经济发展质量和效益[5]。数字金融借助大数据、区块链技术，实现绿色信贷，通过开发绿色产品和绿色技术等实现产业转型升级，进而实现经济高质量发展[16]。因此，通过数字金融创新，可以引领技术创新，促进经济发展动力、效率及质量变革。同时，通过区域间交流学习、人员流动及产品贸易等渠道，数字金融创新成果会对邻近区域产生溢出效应，进而促进邻近地区经济高质量发展。基于以上分析，本文提出研究假设1。

H1 数字金融发展水平的提高对本地经济高质量发展具有正向促进作用。同时，由于其具有正向的空间溢出效应，也有利于邻近区域经济高质量发展。

实现高质量发展离不开环境规制对经济发展的倒逼效应。既有研究探讨了经济发展和环境规制对环境污染的影响[17-20]，近年随着新发展理念的贯彻，环境规制对经济高质量发展模式、路径等的影响成为学者们关注的焦点。环境规制对我国经济发展质量的改善主要来源于绿色发展、经济效率及社会福利等提升[21]，其促进经济高质量发展也存在一定的门槛效应[22]。环境规制已经成为实现经济高质量发展的关键政策，其通过倒逼大量高污染企业关停，推动了地区产业结构升级[23]。郭然和原毅军(2020)[24]证实了环境规制与产业升级之间呈现出U型关系，其促进产业结构升级具有地区与规制类型的异质性。蔺鹏和孟娜娜(2020)[25]利用京津冀城市群数据实证研究发现，绿色全要素生产率增速低于传统全要素生产率，实现京津冀区域经济高质量发展，需要以环境治理效果提升为核心，引导区域经济结构优化调整与产业结构转型升级。李青原和肖泽华(2020)[26]从微观企业角度研究发现，排污收费从外部压力和内部激励两方面倒逼企业进行绿色创新，且当企业资源基础较强时，会更加明显地对绿色创新产生倒逼效应。陈诗一和陈登科(2018)[6]指出环境污染通过人力资本渠道降低经济发展质量，环境治理是促进经济高质量发展的有效手段之一。实现区域高质量发展，创造区域间良性竞争环境，还需制定跨区域环境规制政策[27]，创新区域经济高质量发展的协同治理机制[28]。因此，新发展理念下，企业或产业只有遵循环境规制的引导，采用新技术实现绿色升级，才能化解来自政府和市场的双重压力；同时，地方政府在提升环境规制强度时，本地不达标的污染企业或产业倾向于转移到环境标准相对宽松的周边区域。基于以上分析，本文提出研究假设2。

H2 地方政府提升本地环境规制强度有助于经济绿色高质量发展，由于环境规制的负外部性，对邻近地区经济高质量发展具有负的空间溢出效应。

以上是环境规制或数字金融对经济高质量发展的作用机理解析，现实中地方政府在助推经济高质量发展时会同时借助环境治理和数字金融。数字金融在环境规制引导下进行信贷融资创新，实现信贷绿色化以及产业绿色化、资源节约化及消费生态化，有利于实现经济高质量发展下的生态环境效益、经济效益及社会效益共赢。因此，在环境规制引导下的数字金融创新可促使高投入、高污染及高排放的产业实现绿色化转型升级，化解新发展理念下“绿水青山”与“金山银山”之间的矛盾。基于以上分析，本文提出研究假设3。

H3 环境规制对数字金融助推经济高质量发展具有调节效应。

三、研究设计与数据说明
(一)计量模型设定
经济发展具有空间自相关性，且会受邻近地区发展水平的影响，传统计量模型无法解析其空间效应，需借助空间计量模型[29]。空间Durbin模型同时纳入了因变量和自变量的空间效应，可有效避免空间误差模型或空间滞后模型遗漏部分空间效应，导致估计结果存在偏误的问题[30]。采取对数函数模型可减缓异方差、极端值及偏态性等对估计结果的影响[31]。基于此分析，本文最终构造基准空间Durbin模型(1)如下

Lngtfpit=ρWLngtfpit+β1Lndfit+β2Lnereit+β3Lndfit*Lnereit+θ1WLndfit+θ2WLnereit+λLnX+αi+γt+vit

(1)

其中，i表示城市，t表示年份，gtfp是绿色全要素生产率，用以衡量经济高质量发展水平；df是数字金融指数，反映区域数字金融发展水平；ere是环境规制强度，反映地方政府环境规制的强度和意愿；ρ代表空间自回归系数，W是地理距离空间权重，v是误差项。为了缓解遗漏变量导致估计结果产生偏误问题，在模型(1)中添加经济和城市特征等相关控制变量X，同时还控制了时间固定效应和城市固定效应。

由于空间交互效应的存在，Lesage和Pace(2014)[32]指出空间计量模型不能简单地采用点估计获得变量间的关系，偏微分分析法为解释变量间相互影响提供更坚实的基础。偏微分分析法的具体推导过程是先将一般形式的空间Durbin模型转化为式(2)

Y=(I-ρW)-1(Xβ+WXθ)+ε

(2)

对式(2)中的k个解释变量求偏导，得到期望值偏导矩阵式(3)

width=590,height=106,dpi=110

(3)

由矩阵式(3)可知，在Durbin模型中自变量变化不仅会影响对应的因变量(即直接效应)，也会影响其他因变量(即间接效应或空间溢出效应)。Lesage和Pace(2014)[32]建议采用式(3)中主对角线元素和非对角线元素的均值度量直接效应和间接效应，其中总效应等于间接效应(空间溢出效应)与直接效应之和。

(二)变量及数据说明
1被解释变量

经济高质量发展(gtfp)。既有研究关于如何测度经济高质量发展仍然未达成共识，有通过构建指标体系进行测度[33]，有采用全要素生产率代表经济高质量发展水平[34]。通过构建测度指标体系虽然可以从经济、社会及环境等多维度反应经济高质量发展的内涵，但其各维度是非均衡的，如何赋予其权重没有标准，导致估计结果的不一致性。在一定程度上全要素生产率可以反应经济发展的质量，但缺乏对环境因素的考察，而绿色全要素生产率考虑了环境因素，与经济高质量发展的绿色理念相符。故此，借鉴上官绪明和葛斌华(2020)[28]的做法，采用绿色全要素生产率作为经济高质量发展水平的代理变量，具体测算方法参考Fare等(2007)[35]做法，以劳动力、能源及资本等为投入指标，期望产出为GDP，非期望产出为三废排放量，构造生产可能性集合(1)三废是工业烟尘、工业废水及工业二氧化硫。，相关指标内涵与度量如表1所示。其中，资本投入采用存量指标，由流量指标转化为存量指标过程采用上官绪明(2016)[36]的思路，利用永续盘存法进行估算；由于缺乏地级市能源投入相关数据，林伯强(2003)[37]指出电力消费与能源存在高度相关，故此，采用各市电力消费数据作为能源消费的代理指标。最终借助Malmquist-Luenberger指数测算地级市绿色全要素生产率(2)为了阅读的流畅性和节省版面，不再报告绿色全要素生产率的测度步骤，如果需要可联系作者。。相关数据来源于《中国城市统计年鉴》和《中国环境统计年鉴》。

表1 测度绿色全要素生产率的投入产出变量说明

width=682,height=221,dpi=110
2.核心解释变量

(1)数字金融(df)。北京大学数字金融研究中心采用蚂蚁金服交易账户大数据编制了中国数字普惠金融指数，从使用深度、覆盖广度及数字支持服务等方面，基于底层交易数据，测度数据金融发展水平[38]。采用蚂蚁金服交易账户大数据编制的数字金融服务涵盖海量微观用户数据，能精准衡量数字金融水平[12]。基于此，本文参考张勋等(2020)[39]思路，采用北京大学数字金融研究中心编制的中国数字普惠金融指数作为区域数字金融发展水平的代理变量，并从覆盖广度(df_1)、使用深度(df_2)和数字支持服务程度(df_3)三个子维度进一步考察区域数字金融发展水平(3)关于数字金融及其维度指标的构成与测度，来源于北京大学数字金融研究中心发布的报告，不再详细报告。。

(2)环境规制(ere)。区域环境规制强度存在差异的主要原因是地方政府对治理环境意愿的不同，污染排放结果可更全面和客观地反应地方政府环境污染治理的强度[40]。考虑数据的可得性，本文测算环境规制强度指标借鉴沈坤荣等(2017)[20]的思路，并在其只选择两项单项指标(工业烟(粉)尘去除率和二氧化硫去除率)的基础上，还增加了固体废物综合利用率、废水排放达标率两项指标拓展了环境规制强度指标(ere)，与沈坤荣等(2017)[20]指标相比，本文构造的环境规制指标更加全面可靠。

第一步，对污染物的原值进行标准化处理。为了数据的可比性，构造式(4)，对环境规制强度指标的4个单项指标进行标准化处理。

width=208,height=36,dpi=110
(4)

其中，scpijt是t时期城市i产生污染物j的标准化值，cpijt是t时期城市i产生j类污染物数量的原值，max(cpjt)表示t时期所有城市中j类污染物数量的最大值，min(cpjt)表示t时期在所有城市中j类污染物数量的最小值。

第二步，构造城市污染物的合理权重。由于不同城市的废水排放、固体废物、二氧化硫及工业烟(粉)产生和排放的比重具有异质性，且不同污染物的同城排放量也存在差异。构造权重式(5)确保环境规制指标能正确反映治理强度的差异。

width=114,height=35,dpi=110
(5)

其中，Yit代表i 城市t年的GDP，pijt表示i城市t年j污染物的排放量，mijt反应了j污染物在i城市t年的排放量占全国比重与其GDP占全国比重之比。采用mijt为权重的逻辑是，若t时期城市i排放j污染物较高，则同样的去除率意味环境规制力度更大，需要赋予更大的权重。

第三步，测算环境规制强度指标。根据废水排放达标率、工业烟(粉)尘去除率、二氧化硫去除率及固体废物综合利用率指标的标准化值和权重，由式(6)测算t时期i城市的环境规制强度。

width=121,height=35,dpi=110
(6)

其中，ereit表示i城市t年环境规制强度，ere越大说明地方政府治污越严格，效果也越好，反之亦是。以上计算的相关数据来源于《中国城市统计年鉴》和《中国环境统计年鉴》。

3.控制变量

为了缓解因遗漏变量导致结果有偏，在模型(1)中控制了城市特征和经济相关变量。参考上官绪明和葛斌华(2020)[28]等研究，模型中控制的城市特征变量包括基础交通(traffic)、城市绿化率(green)、信息化水平(info)及城市人口密度(popu)。经济发展方式是影响经济高质量发展的重要因素，若模型中遗漏了相关变量，也将导致估计结果不可靠。参考陈诗一和陈登科(2018)[6]等研究，模型中控制的经济发展方式变量包括产业结构(industry)、传统金融发展水平(finance)、利用外资(fdi)及消费水平(consume)等，以进一步缓解遗漏变量造成的估计偏误问题。相关控制变量及数据来源见表2。其中，不能直接获取数据的相关变量，根据《中国城市建设统计年鉴》《中国城市统计年鉴》及国家统计局网站等基础数据计算得到。采用当年汇率将实际利用外资额由美元转换为人民币，借助省级居民消费水平指数(2011年为基期)对货币数值变量平减以消除价格变动的影响。由于受到可获得数字金融指数及城市相关数据的约束，本文采用2011-2018年间中国287个地级及以上城市数据进行相关实证检验。

表2 相关控制变量及数据说明

width=682,height=263,dpi=110
四、实证结果及分析
(一)空间Durbin模型的基准回归分析
对空间Durbin模型(1)进行LR检验显示，可以拒绝其退化为SAR模型或SEM模型的原假设，支持了理论分析选择空间Durbin模型的科学性。同时，Hausman检验证实了采用固定效应的Durbin模型比采用随机效应模型更合理。采用Elhorst(2014)[41]最大似然法(ML)对空间Durbin模型进行估计，结果报告见表3。与列(1)相比，列(2)在模型中纳入了数字金融和环境规制的交互项，以考察数字金融和环境规制对经济高质量发展的协同效应。在控制了城市和经济特征相关变量后，估计结果显示空间自相关系数ρ在1%水平下显著为正，支持了经济高质量发展存在空间自相关的理论分析。数字金融对本地经济高质量发展的影响显著为正，其空间溢出系数也显著为正，说明数字金融发展水平的提升不仅可助推本地经济高质量发展，也有利于邻近地区经济高质量发展。这主要是因为数字金融降低了企业融资成本，引导企业采用先进技术和优化资源配置，有利于区域经济向高质量方向发展。环境规制显著地正向影响本地经济高质量发展，而其空间溢出系数显著为负，说明治理环境强度提升，使得污染不达标的企业将转移到环境规制强度较弱的邻近地区，环境规制对邻近地方经济高质量发展存在负向空间溢出效应。数字金融和环境规制的交互项系数显著为正，说明环境治理行为引导了数字金融向有利于经济高质量发展方向创新，即环境规制对数字金融助推经济高质量发展还存在调节效应。

表3 空间Durbin模型回归结果

width=682,height=696,dpi=110
注：L.表示对应变量滞后1期；***、**、*分别表示1%、5%、10%的显著水平，括号里是稳健标准误。

环境规制和数字金融对本地及邻近地区经济发展质量的影响可能存在滞后效应。为了避免其滞后效应导致模型估计结果偏误，采用滞后一期的环境规制和数字金融对模型(1)再回归。估计结果报告见表3的列(3)—(4)，与列(1)—(2)结果相比，数字金融和环境规制对经济发展质量的影响与当期基本一致。滞后效应总体上对估计结果影响不显著，下文继续采用当期变量模型为基准进行回归分析。

由于空间计量模型中包括了空间交互项，模型中存在反馈效应，直接采用回归系数解析空间计量模型中变量间的影响是不准确的，应采用直接效应和空间溢出效应(间接效应)进行解析[32]。表4报告了基于空间Durbin模型的空间溢出效应、直接效应以及总效应。由表4可知，环境规制和数字金融影响经济高质量发展的直接效应均显著为正，即数字金融发展水平和环境规制强度提高1%，可提升本地经济高质量发展水平平均为0.045%和0.056%。在10%的显著水平下，数字金融的空间溢出效应显著为正，即数字金融发展水平提高1%，可助推邻近地区经济高质量发展水平平均上升0.032%。环境规制对经济高质量发展的空间溢出效应在5%水平下显著为负，即环境规制强度每提高1%，邻近地区经济高质量发展水平平均下降0.031%。与点估计结果相比，虽然估计系数在显著性和方向上具有一致性，但是环境规制的估计系数值均有所下降，而数字金融的估计系数值均有所上升，这也证实了Lesage和Pace(2014)[32]的观点。

表4 空间Durbin模型的直接效应、空间溢出效应及总效用

width=682,height=132,dpi=110
注：***、**、*分别表示1%、5%、10%的显著水平，括号里是稳健标准误。

(二)内生性讨论及工具变量法再估计
环境规制可通过控制污染产业的进入和扩张等提升经济发展的绿色水平，促进本地经济高质量发展；同时，本地经济发展过程中若对环境造成污染或不利于环境改善时，又影响当地政府投入治理和防控污染的资金、人员数量等环境治理意愿的选择，即污染防治成本、人员数量及排污量等内生于本地经济发展质量。因此，由污染治理结果构建环境规制强度指标存在内生性问题。

我国主要通过颁布环境保护法规、制定保护条例、出台节能减排行政命令等手段实现环境治理[42]。省级政府工作报告是治理环境意愿和力度的前瞻性政策文件，对下一步地方政府开展环境治理工作具有指导性和规划性[6]。借鉴Chen等(2018)[43]的思路，手工搜集我国31个省市2011-2018年间的政府工作报告，对文本分词处理后，以相关环境词汇占政府工作报告总词汇之比作为环境规制的工具变量。选择绿色、生态、低碳、环保、环境保护、二氧化碳、二氧化硫、减排、排污、污染、能耗、PM2.5及PM10等为环境规制相关的词汇，与Chen等(2018)[43]只采用了污染、能耗、减排、环境以及环保等词汇相比，本文构造的工具变量能够更全面地反映地方政府进行环境治理的强度和意愿。

以上构造的工具变量很好地缓解了环境规制的内生性问题，但也隐含假设省内地级市政府治理环境的意愿和实施强度是同质的，即不能有效反映省内地级市政府环境规制的异质性，这一点与现实不相符。由于工业是经济发展过程中主要的污染源，工业占比不同，省级政府工作报告关于治理环境的指导性规划对地级市环境治理工作的影响存在差异，即省级政府工作报告中的环境治理规划对高工业占比的地级市影响更大。基于以上逻辑，本文将进一步采用地级市工业产值在全省的占比反映其环境规制的差异，并与文本分析构造的工具变量相乘，创新性地构造出环境规制在地级市层面的工具变量。

由于年初的省级政府工作报告不受地方政府全年环境治理工作的影响，避免了反向因果引发内生性导致模型估计产生偏误的问题；同时，除了工具变量外，模型中均是地级市层面的变量，由于下级政府环境治理意愿不会直接影响到上级政府对环境治理的意愿和强度，因此，进一步缓解了反向因果问题。基于以上分析，上文构造的工具变量与内生变量(地级市环境规制强度)高度相关，而又不直接影响因变量(经济高质量发展水平)(4)实际操作过程中，本文采用了Anderson canon LM检验、Cragg-Donald F检验及Sargan-Hansen检验对构造的工具变量进行检验表明，工具变量存在识别不足、弱工具变量及过度识别等问题，为了行文的连贯性，不再报告检验过程。，满足工具变量的外生性逻辑假定。

表5 工具变量法估计结果

width=682,height=166,dpi=110
注：囿于篇幅，在此只报告相关核心解释变量估计结果；***、**、*分别表示1%、5%、10%的显著水平，括号里是稳健标准误。

表5报告了工具变量法估计的结果，在方向和显著性上，核心解释变量对经济高质量发展的影响均与表4列(2)的结果基本一致。从直接效应来看，环境规制的直接效应增大了21.43%，数字金融的直接效应下降了15.56%；从空间溢出效应来看，环境规制的空间溢出效应增大了16.13%，数字金融的空间溢出效应降低了31.25%。从环境规制与数字金融的交互项来看，环境规制引导数字金融促进经济高质量发展的效应增大了27.27%。说明不考虑模型的内生性问题，将高估数字金融对经济高质量发展的提升效应，而低估环境规制的倒逼效应及其对数字金融助推经济高质量发展的引导作用。

(三)稳健性检验
为确保估计结果的可比性及结论的可靠性，首先，在样本数据中剔除地级市以上城市，只保留地级市样本的回归结果，见表6列(1)。结果显示，环境规制和数字金融对经济高质量发展的直接效应方向和大小与前文估计结果基本一致，提升了数字金融和环境规制对经济发展质量的空间溢出效应，但变化不显著。可见城市规模对估计结果影响不大，前文全样本估计得到的相关结论具有稳健性；其次，为避免样本数据的异常值对回归结果产生影响，进一步剔除环境规制和数字金融样本最低和最高0.5%的样本数据，表6列(2)报告了剔除异常值后的估计结果。尽管环境规制和数字金融对经济发展质量的直接效应和空间溢出效应有所下降，但方向和显著性水平没有变化，可见前文回归结论不受样本异常值的影响；再次，为了检验回归结果对样本数据的敏感性，采用自抽样法(Bootstrap)对模型进行再估计，表6列(3)报告的是自抽样1 000次的回归结果，可见环境规制和数字金融对经济高质量发展的直接效应和空间溢出效应变化不显著。因此，前文基于工具变量估计的直接效应和空间溢出效应具有稳健性；最后，为了避免空间权重的选择造成回归结果有偏，基于后相邻空间权重对上文的三种稳健检验方法进行再检验(5)Anselin(2013)[44]指出构造空间相邻权重一般有车(Rook)邻近和后(Queen)邻近2种，其中车邻近是指仅有共同边界，后邻近除了共有边界外还包括共同顶点。本文采用的是后相邻空间权重。另外，相邻空间权重除了一阶邻近矩阵外，还有更高阶的邻近矩阵，本文的空间相邻权重只考虑一阶后相邻情况。，回归结果见表6列(4)-(6)。与地理距离空间权重估计结果(表6列(1)-(3))相比发现，环境规制和数字金融对经济高质量发展影响的显著性水平、方向及大小均变化不显著，说明空间权重的设定并未导致模型估计结果产生偏误，也证明了前文的结论具有稳健性。

表6 稳健性检验结果

width=682,height=580,dpi=110
注：***、**、*分别表示1%、5%、10%的显著水平，括号里是稳健标准误。

(四)进一步讨论：异质性分析(6)异质性分析主要针对数字金融进行，虽然考察过程也包括环境规制，但是为了节省版面文中不再报告和说明。
1.数字金融子维度对经济高质量发展影响的异质性分析

区域数字金融发展水平不仅存在差异，而且其维度水平也存在异质性。为深入探究数字金融子维度促进经济高质量发展的差异性，进一步采用前文构造的工具变量讨论是否由于其覆盖广度、使用深度及数字化水平的异质性导致数字金融和环境规制对经济发展质量影响的不同。数字金融子维度促进经济高质量发展的异质性回归结果见表7。结果显示，数字金融的子维度对区域经济高质量发展均存在提升效应。主要因为随着数字金融覆盖广度和数字支持服务程度不断扩展和发展，数字金融增强了区域金融服务的便利、高效率和低交易成本优势，使得金融能够覆盖和服务到越来越多的“长尾”群体，从而为企业创新和产业转型升级营造了良好的金融便利化环境。同时，数字金融使用深度带来了多样化的金融产品和服务，为区域创新和绿色发展融资提供了更多金融产品，提升了区域金融可得性。

具体来看，数字金融子维度发展都对区域经济高质量发展具有提升效应，但效果存在异质性。在1%的显著水平下，数字金融覆盖广度每提高1%，经济高质量发展水平平均提高0.040%。在5%的显著水平下，数字支持服务程度每提高1%，经济高质量发展水平平均提高0.036%；在5%的显著水平下，数字金融覆盖广度和数字支持服务程度的空间溢出效应分别为0.018%和0.028%。这表明数字技术、人才与资本会在区域内进行流动，共享数字金融创新成果，促进区域总体经济高质量发展还处于初步阶段。而数字金融使用深度对经济高质量发展的提升效应和空间溢出效应虽然为正，但尚不显著。这主要是随着金融与科技的不断结合和创新，数字化的金融产品和服务助推了经济高质量发展，但是数字金融的使用深度尚未能有效促进经济高质量发展，是数字金融的薄弱点，也是未来数字金融的重要创新和应用发力点。

表7 数字金融子维度对经济高质量发展的异质性分析

width=682,height=139,dpi=110
注：囿于篇幅，在此只报告相关核心解释变量估计结果；***、**、*分别表示1%、5%、10%的显著水平，括号里是稳健标准误。

2.数字金融对经济高质量发展影响的区域异质性分析

为进一步探究数字金融促进经济高质量发展的区域异质性，将样本分为东、中、西三地区，进一步检验结果见表8。由数字金融发展水平总指标回归结果可知，数字金融对经济高质量发展均具有提升效应，但是作用的弹性系数在东部最大，西部最小，显著水平也是如此。具体来看，数字金融发展水平每提高1%可直接促进东部地区经济高质量发展水平提升0.045%，而西部地区只有0.028%；在东部对邻近地区的空间溢出效应为0.035%，而西部地区为0.014%。数字金融在促进我国经济高质量发展方面仍然存在不平衡问题，西部地区是数字金融发展的薄弱地区。

由数字金融的子维度回归结果来看，数字金融的覆盖广度和数字支持服务程度对东部、中部、西部地区的经济高质量发展具有提升效应，但无论作用效果还是显著水平均是东部地区较好，且其溢出效应也是如此。这主要是由于西部地区与东部地区相比，在数字化程度、数字设备拥有率等方面均偏低，西部地区仍需利用数字技术进一步深化金融可得性，使金融服务以低成本、更加便利地满足企业或消费者的多样化需求。就数字金融的使用深度来看，在东部、中部及西部均对经济高质量发展具有提升效应和空间溢出效应，但是在中西部地区提升效应和空间溢出效应均不显著，在东部地区只有在5%的水平下才显著。主要是因为东部地区具有完善的产业链及发达的第三产业，为数字金融深化提供了应用场景，降低了数字金融的资金、运营及风险等深化成本。相比之下，中部和西部地区缺乏数字金融机构与政府、电商、企业联动所形成的广泛金融深化服务需求，也缺乏东部地区较强的产业链和第三产业提供的丰富场景。因此，数字金融虽然为中西部地区提供了便利的数字化金融服务，但其使用深度仍然缓慢，目前还达不到显著助推经济高质量发展的效果。

表8 区域数字金融差异对经济高质量发展的异质性分析

width=682,height=368,dpi=110
注：囿于篇幅，在此只报告相关核心解释变量估计结果；***、**、*分别表示1%、5%、10%的显著水平，括号里是稳健标准误。

五、主要结论与政策启示
本文基于构造的空间Durbin模型，采用我国287个地级及以上城市的2011—2018年间数据，系统考察了环境规制强度和数字金融发展水平对经济高质量发展的影响。研究发现，第一，数字金融和环境规制对经济高质量发展具有显著的促进效应，同时，数字金融还具有正向空间溢出效应，而环境规制存在负向空间溢出效应。第二，数字金融在环境规制引导下实现信贷融资绿色创新，有利于实现经济高质量发展下的生态效益和经济效益共赢，即环境规制对数字金融促进经济高质量发展具有调节效应。第三，目前，数字金融的使用深度对经济高质量发展的直接效应和空间溢出效应显著低于覆盖广度和数字支持服务程度对经济高质量发展的影响。同时与中西部地区相比，数字金融在东部地区对经济高质量发展的促进效应及环境规制对数字金融的引导效应更加显著。

基于实证分析结果，为了更好地实现既要创造“金山银山”，又要留住“绿水青山”的愿景，本文提出以下几点政策建议。首先，深化数字金融领域的供给侧改革。进一步支持金融与科技的不断结合和创新，提高中西部地区数字金融的覆盖广度和数字化支持服务程度，结合产业业务场景，降低数字金融的资金成本、运营成本和风险成本，增强数字金融创新成果的应用深度。其次，提升环境规制的倒逼效应及其引导数字金融绿色化创新效应。借助环境规制一方面倒逼污染企业走低碳绿色发展道路，另一方面引导数字金融对绿色、节能减排的新技术、新产品研发和推广的支持，实现环境规制与数字金融创新协同提升经济高质量发展的愿景。最后，创新区域经济高质量发展协同机制。助推区域经济高质量发展的政策具有典型的外部性，本地政府的助推政策会因为“以邻为壑”行为而效果不显著。因而，还需进一步创新区域经济高质量发展协同机制，明确利益协调和合作补偿机制，构建跨区域经济发展质量的监督、监测及预警协同体系。

参考文献

[1]任保平.新时代中国经济从高速增长转向高质量发展:理论阐释与实践取向[J].学术月刊,2018,50(3):66-74.

[2]张勋,万广华,张佳佳,等.数字经济、普惠金融与包容性增长[J].经济研究,2019,54(8):71-86.

[3]钱海章,陶云清,曹松威,等.中国数字金融发展与经济增长的理论与实证[J].数量经济技术经济研究,2020,37(6):26-46.

[4]薛莹,胡坚.金融科技助推经济高质量发展：理论逻辑、实践基础与路径选择[J].改革,2020(3):53-62.

[5]唐松,伍旭川,祝佳.数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界,2020,36(5):52-66+9.

[6]陈诗一,陈登科.雾霾污染、政府治理与经济高质量发展[J].经济研究,2018(2):20-33．

[7]ROMER P M. Endogenous technological change [J]. Journal of Political Economy, 1990, 98(5):71-102.

[8]CHICHILNISKY G. North-south trade and the global environment [J]. American Economic Review,1994,84(4):851-874.

[9]刘志彪.理解高质量发展:基本特征、支撑要素与当前重点问题[J].学术月刊,2018,50(7):39-45.

[10]张军扩.加快形成推动高质量发展的制度环境[J].中国发展观察,2018(1):5-8.

[11]黄益平.以金融创新支持经济高质量发展[J].新金融评论,2019(4):1-33.

[12]唐松,赖晓冰,黄锐.金融科技创新如何影响全要素生产率:促进还是抑制?——理论分析框架与区域实践[J].中国软科学,2019(7):134-144.

[13]谢绚丽,沈艳,张皓星,等.数字金融能促进创业吗?——来自中国的证据[J].经济学(季刊),2018,17(4):1557-1580.

[14]汪亚楠,叶欣,许林.数字金融能提振实体经济吗[J].财经科学,2020(3):1-13.

[15]何宏庆.科技金融驱动经济高质量发展:现实困境与路径选择[J].广西社会科学,2018(12):90-95.

[16]万佳彧,周勤,肖义.数字金融、融资约束与企业创新[J].经济评论,2020(1):71-83.

[17]GROSSMAN G M, KRUEGER A B. Economic growth and the environment [J]. The Quarterly Journal of Economics,1995,110(2):353-377.

[18]KONISKY D M. Regulatory competition and environmental enforcement:is there a race to the bottom? [J]. American Journal of Political Science,2007,51(4):853-872.

[19]EBENSTEIN A,FAN M,GREENSTONE M,et al. Growth, pollution, and life expectancy:China from 1991-2012 [J]. American Economic Review,2015,105(5):226-231.

[20]沈坤荣,金刚,方娴.环境规制引起了污染就近转移吗?[J].经济研究,2017,52(5):44-59.

[21]何兴邦.环境规制与中国经济增长质量——基于省际面板数据的实证分析[J].当代经济科学,2018,40(2):1-10.

[22]王群勇,陆凤芝.环境规制能否助推中国经济高质量发展?——基于省际面板数据的实证检验[J].郑州大学学报(哲学社会科学版),2018,51(6):64-70.

[23]罗知,齐博成.环境规制的产业转移升级效应与银行协同发展效应——来自长江流域水污染治理的证据[J].经济研究,2021,56(2):174-189.

[24]郭然,原毅军.环境规制、研发补贴与产业结构升级[J].科学学研究,2020,38(12):2140-2149.

[25]蔺鹏,孟娜娜.环境约束下京津冀区域经济发展质量测度与动力解构——基于绿色全要素生产率视角[J].经济地理,2020,40(9):36-45.

[26]李青原,肖泽华.异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J].经济研究,2020,55(9):192-208.

[27]伍格致,游达明.环境规制对技术创新与绿色全要素生产率的影响机制:基于财政分权的调节作用[J].管理工程学报,2019,33(1):37-50.

[28]上官绪明,葛斌华.科技创新、环境规制与经济高质量发展——来自中国278个地级及以上城市的经验证据[J].中国人口·资源与环境,2020,30(6):95-104.

[29]FREDRIKSSON P G, MILLIMET D L. Strategic interaction and the determination of environmental policy across US states [J]. Journal of Urban Economics, 2002,51(1):101-122．

[30]上官绪明.空间异质视阈下技术多维溢出、吸收能力与技术进步[J].科学学与科学技术管理,2018(4):74-87．

[31]WOOLDRIDGE J M. Control function methods in applied econometrics [J]. Journal of Human Resources,2015,50(2):420-445.

[32]LESAGE J P, PACE R K. Interpreting spatial econometric models [J]. Handbook of regional science,2014:1535-1552.

[33]魏敏,李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究,2018,35(11):3-20.

[34]宗刚,张雪薇.高速铁路、技术创新与经济高质量发展——实证检验与机制研究[J].山西财经大学学报,2020,42(12):1-14.

[35]FARE R, GROSSKOPF S, PASURKA C A. Environmental production functions and environmental directional distance functions [J]. Energy, 2007, 32(7):1055-1066.

[36]上官绪明.技术溢出、吸收能力与技术进步[J].世界经济研究,2016(8):87-100.

[37]林伯强.电力消费与中国经济增长:基于生产函数的研究[J].管理世界,2003(11):18-27.

[38]郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间特征[J].经济学(季刊),2020,19(4):1401-1418.

[39]张勋,杨桐,汪晨,等.数字金融发展与居民消费增长：理论与中国实践[J].管理世界,2020,36(11):48-63.

[40]LANOIE P, PATRY M, LAJEUNESSE R. Environmental regulation and productivity:testing the porter hypothesis [J]. Journal of Productivity Analysis,2008,30(2):121-128．

[41]ELHORST J P. Spatial econometrics:from cross-sectional data to spatial panels [M]. Heidelberg:Springer, 2014.

[42]上官绪明,葛斌华.地方政府税收竞争、环境治理与雾霾污染[J].当代财经,2019(5):27-36.

[43]CHEN Z, KAHN M E,LIU Y,et al. The consequences of spatially differentiated water pollution regulation in China [J]. Journal of Environmental Economics and Management,2018,88:468-485.

[44]ANSELIN L. Spatial econometrics:methods and models [M]. [S.l.]:Springer Science&Business Media,2013.

Digital Finance, Environmental Regulation and High-Quality Economic Development
SHANGGUAN Xu-ming1, GE Bin-hua2

(1.Business School, Xinyang Normal University, Xinyang 464000, China; 2.School of Statistics and Mathematics, Central University of Finance and Economics, Beijing 100081, China)

Abstract：Based on the data of 287 cities in China from 2011 to 2018, this paper examines the impact of digital finance and environmental regulation on high-quality economic development. The results show that digital finance has significant direct promotion effect and positive spatial spillover effect on high-quality economic development. Environmental regulation has a significant direct promotion effect and negative spatial spillover effect on high-quality economic development. Environmental regulation also has a significant moderating effect on digital finance to promote high-quality economic development. Further heterogeneity identification shows that the direct effect and spatial spillover effect of the depth of use of digital finance on high-quality economic development are significantly lower than the coverage and the degree of digital support services. At the same time, the promotion effect of digital finance on high-quality economic development and the guiding effect of environmental regulation in the eastern region are more significant than those in the central and western regions.

Key words：digital finance; environmental regulation; high-quality economic development; spatial Durbin model

中图分类号：F120.3

文献标识码：A

文章编号：1005-1007(2021)10-0084-15

收稿日期：2021-03-31

基金项目：国家社会科学基金项目(19BJL026)；信阳师范学院南湖学者奖励计划青年项目(XYNU-2017009)。

作者简介：上官绪明，男，信阳师范学院商学院副教授，中央财经大学经济学院理论经济学博士后，主要从事区域经济发展与产业政策研究；葛斌华，男，中央财经大学统计与数字学院教授，博士生导师，主要从事计量经济学理论与方法研究。

责任编辑 杨萍