数字普惠金融对农业绿色全要素生产率的影响及空间溢出效应

数字普惠金融正在逐渐改善我国农村地区面临的融资困境,为解决"三农"问题提供了新方向。本文在分析数字普惠金融对农业绿色全要素生产率影响机理的基础上,基于2011—2018年30个省份的面板数据,测算了农业绿色全要素生产率指数,并基于空间杜宾模型研究了数字普惠金融对农业绿色全要素生产率的影响。研究结果表明:中国农业绿色全要素生产率不断提高,且存在显著的空间相关性,其增长主要由技术进步推动,东部地区农业绿色全要素生产率增长最快,西部地区次之,中部地区出现负增长;数字普惠金融通过提升技术效率和促进技术进步对农业绿色全要素生产率产生了正向影响,但对周边地区产生了负向的溢出效应;对数字普惠金融的分维度回归结果表明,数字金融覆盖广度和数字化程度对农业绿色全要素生产率具有提升作用。     

数字普惠金融、资源配置与工业绿色全要素生产率

本文利用2011—2019年中国281个地级市的面板数据，从资源配置的视角考察了数字普惠金融发展对工业绿色全要素生产率的作用效果和影响机制。实证结果表明：（1）数字普惠金融发展与工业绿色全要素生产率之间存在显著的正相关关系，并且在经过一系列稳健性检验后，这一结论仍然成立；（2）资源配置效率提高和资源配置结构优化是数字普惠金融影响工业绿色全要素生产率的重要传导机制；（3）数字普惠金融的正向影响对传统金融欠发达地区、强金融监管地区和东部地区的工业绿色全要素生产率发挥得更充分。最后，基于以上研究结论，本文提出了推动数字普惠金融发展的相关政策建议。     

数字普惠金融、碳排放与全要素生产率

本文使用2011-2018年北京大学数字普惠金融指数,实证检验数字普惠金融对区域全要素生产率的影响.研究发现,数字普惠金融的发展能降低金融服务门槛,提升金融服务效率,进而提升区域全要素生产率,其对全要素生产率的影响主要体现在推动区域技术进步;数字普惠金融使用深度,特别是数字支付服务,对全要素生产率的影响最显著,且该效应在东部沿海地区更加显著.本文发现,数字普惠金融对全要素生产率的提升效应可通过降低区域碳排放,特别是第三产业碳排放来实现.     

绿色金融、产业结构与城市工业绿色全要素生产率北大核心

现代工业绿色转型离不开绿色金融的大力支持,本文基于2003—2019年中国285个城市的面板数据,运用固定效应模型实证检验绿色金融对城市工业绿色全要素生产率的影响及作用机制,研究发现:第一,绿色金融整体上正向促进了城市工业绿色全要素生产率,且经过替换核心解释变量的度量指标、改变被解释变量的测算方法和增加控制变量等稳健性检验以后,结论依然成立。分时段回归发现,绿色金融能正向促进2012—2019年城市工业绿色全要素生产率,不能正向促进2003—2011年城市工业绿色全要素生产率,2012年《绿色信贷指引》的实施能显著提高城市工业绿色全要素生产率。第二,绿色金融通过促进产业结构升级提高城市工业绿色全要素生产率。第三,绿色金融对东部和中部地区城市工业绿色全要素生产率的促进作用最大,对西部地区的促进作用次之,对东北地区没有表现出显著的正向促进作用;绿色金融对大型城市的城市工业绿色全要素生产率的促进作用要大于中小型城市。第四,对城市工业绿色全要素生产率进一步分解发现:绿色金融能显著促进城市工业技术进步,不能显著促进城市工业规模效率和城市工业纯技术效率。基于研究结论,本文提出应助力高耗能、高排放工业项目完成产业结构升级等政策建议。     

数字普惠金融、碳排放与全要素生产率

本文使用2011-2018年北京大学数字普惠金融指数,实证检验数字普惠金融对区域全要素生产率的影响.研究发现,数字普惠金融的发展能降低金融服务门槛,提升金融服务效率,进而提升区域全要素生产率,其对全要素生产率的影响主要体现在推动区域技术进步;数字普惠金融使用深度,特别是数字支付服务,对全要素生产率的影响最显著,且该效应在东部沿海地区更加显著.本文发现,数字普惠金融对全要素生产率的提升效应可通过降低区域碳排放,特别是第三产业碳排放来实现.     

环境规制调节下数字金融对绿色全要素生产率的影响——以重污染行业为例

“双碳”背景下,衡量经济发展质量的重要指标之一就是绿色全要素生产率。快速发展的数字金融已成为我国经济发展的重要推动力,对重污染企业节能减排实现绿色低碳发展、提升绿色全要素生产率具有重要影响。本文基于2011—2021年沪深上市A股重污染行业面板数据,使用SBM-GML模型测算重污染行业绿色全要素生产率,利用固定效应模型研究数字金融对重污染行业绿色全要素生产率的影响,以及环境规制的调节效应。研究表明：数字金融显著提升了重污染行业绿色全要素生产率;环境规制在本文主效应中起着负向调节的作用;进一步的机制检验表明,数字金融能够通过绿色技术创新来提升重污染行业绿色全要素生产率;相较于非国有企业,数字金融对国有企业绿色全要素生产率提升作用更显著;相较于中部,数字金融对西部和东部的影响更大。基于此,本文建议加快金融智能化和数字资产化,并制定差异性环境政策帮助重污染行业绿色转型,助力高质量发展。     

数字普惠金融与农业绿色低碳发展：水平测度和机制检验

“双碳”目标背景下，数字普惠金融对农业绿色低碳发展具有重要作用。基于中国31个省份2011—2020年的省际面板数据，分析了“双碳”目标背景下数字普惠金融对农业绿色低碳发展的作用效果及其传导机制。研究结果表明：数字普惠金融有利于促进农业绿色低碳发展，数字普惠金融指数每提升1个百分比，可以提高1.1%的农业绿色低碳发展水平。从作用机制来看，数字普惠金融可以通过降低农业碳排放强度、提高农业生产社会化服务水平和农业产业融合深度，助推农业绿色低碳高质量发展。此外，降低农业碳排放强度与提高农业生产社会化服务水平有利于提升农业绿色全要素生产率，提高农业产业融合深度也有利于促进绿色低碳农业新产业新业态复合型发展。以上结论对于地方政府加快数字基础设施建设和数字农业社会化服务体系构建，推动农业绿色低碳减排和绿色农产品有效供给具有启示意义。     

金融发展影响绿色全要素生产率的路径--效率通道和技术通道北大核心CSSCI

本文基于2011-2019年30个省(市)的面板数据,采用面板向量自回归(PVAR)模型研究金融发展驱动绿色全要素生产率增长的具体路径:是“效率通道”还是“技术通道”。研究结果显示,金融发展对东部地区的绿色全要素生产率存在抑制效应,通过“技术通道”影响绿色全要素生产率;金融发展对中西部地区的绿色全要素生产率存在促进效应,同时通过“效率通道”和“技术通道”影响绿色全要素生产率,但“效率通道”更显著。     

基于DEA-Tobit模型的数字普惠金融对绿色信贷效率影响研究——以中国建设银行为例

数字化对普惠金融的赋能极大提升了金融服务的有效性、便捷性和延展性。绿色信贷作为绿色金融的重要工具，其对绿色资金的配置及市场定价方面发挥重要作用。为研究数字普惠金融能否推动绿色信贷发展，本文以建设银行为研究对象，选取2013年至2021年的数据，首先通过DEA-Malmquist模型计算出全要素生产率（TFPCH）作为衡量建设银行绿色信贷效率指标，后通过熵值法构建建设银行数字普惠金融指数作为普惠金融发展评价指标，最后以建设银行绿色信贷效率作为被解释变量、建设银行数字普惠金融指数作为解释变量并加入控制变量，构建Tobit回归模型。研究结果显示，建设银行数字普惠金融指数对建设银行绿色信贷效率存在显著的正向影响关系，数字普惠金融的大力发展能够有效推动建设银行绿色信贷效率的提升，但影响程度还有极大的提升空间。     

数字普惠金融、供应链金融与企业全要素生产率——以制造业为例北大核心

本文以2011—2020年制造业上市公司的微观数据为基础,用LP法构建企业全要素生产率指标,从供应链金融的视角考察数字普惠金融与企业全要素生产率之间的关系及作用机制。研究发现:数字普惠金融对企业全要素生产率有显著的促进作用,随着数字普惠金融的发展,企业全要素生产率会有一定的提高,但是这种促进作用会受企业所处地区的经济发展状况、市场化进程、制度环境等因素的影响;同时,数字化程度等也对企业全要素生产率有积极作用;机制检验发现,数字普惠金融可以通过带动供应链金融发展、促进企业创新等路径提高企业全要素生产率。     

数字经济对绿色全要素生产率的影响研究

基于2006—2019年中国30个省份的面板数据,运用空间杜宾模型与面板门槛模型,分析了数字经济对绿色全要素生产率的影响及地区间的异质性,并进一步探索了数字经济对绿色全要素生产率提升作用中存在的技术和资本门槛效应。研究发现:绿色全要素生产率存在显著的时间依赖性和空间溢出性;从“本地—邻地”视角看,数字经济的发展对提升绿色全要素生产率具有直接效应和溢出效应;分区域结果表明,数字经济发展对中部和西部地区绿色全要素生产率的促进作用要强于东部地区;研发投入在数字经济对绿色全要素生产率的提升作用中发挥了单一门槛作用,当跨越门槛值后促进效应会呈现递减的规律。     

数字普惠金融对县域农业全要素生产率影响的区域差异及破解路径

党的二十大对加快发展数字经济与建设农业强国予以高度重视。本文基于县域城乡融合的发展趋势,采用2014—2021年县域面板数据实证分析了数字普惠金融对县域农业全要素生产率的影响机理。研究结果显示：第一,数字普惠金融对农业全要素生产率具有显著正向影响,且经过稳健性检验与内生性处理后,研究结论依然成立。但数字普惠金融对农业技术效率却具有负向效果。第二,数字普惠金融对农业全要素生产率的影响具有显著的区域差异性,对东部县域农业全要素生产率的促进效果明显高于西部县域。第三,数字普惠金融对县域农业全要素生产率的影响具有非线性特征。要素流动壁垒造成的供需失衡是引致区域农业全要素生产率增速差异的底层原因。第四,机制分析显示,数字普惠金融可以通过生产要素集约化与数字素养提升两条路径对县域农业全要素生产率产生间接影响。研究结论既为提高中国农业全要素生产率提供了政策启示,也为推动数字经济发展、促进区域协调补充了经验证据。     

金融集聚、人力资本与绿色全要素生产率

本文运用SBM-GML指数法对2005-2019年中国30个省份的绿色全要素生产率进行测算,使用区位熵衡量金融集聚程度、向量夹角法计算人力资本,然后建立PVAR模型分析金融集聚、人力资本与绿色全要素生产率三者之间的长期动态关系。结果显示:2005-2019年我国绿色全要素生产率总体呈上升态势,技术进步贡献率较大;金融集聚和人力资本均对绿色全要素生产率有着正向的影响;而人力资本对金融集聚有着显著的长期促进作用。     

数字普惠金融调节城乡居民福利差异效率及影响因素研究--基于DEA-Malmquist-Tobit模型

基于DEA-Malmquist-Tobit模型,对2011—2018年我国31个省份的数字普惠金融调节城乡居民福利差异效率展开静态和动态分析,并进一步探究影响数字普惠金融调节城乡居民福利差异效率的主要影响因素。结果表明,数字普惠金融调节城乡居民福利差异效率较高,但是全要素生产率呈下降趋势,主要源于技术进步的制约;经济发展水平、产业结构、财政支出水平、互联网普及率与数字普惠金融调节城乡居民福利差异效率呈显著正相关关系,对外贸易开放程度、传统金融发展水平与数字普惠金融调节城乡居民福利效率呈显著负相关关系。在此基础上,提出加强数字普惠金融技术创新、合理配置数字普惠金融资源、政府适当加大扶持力度、优化产业结构、提高互联网普及率等建议。     

金融分权、资本配置效率与企业全要素生产率——“绿色”还是“污染”？

本文以2008-2019年沪深A股上市公司为研究样本，探索金融分权对企业全要素生产率的影响及作用机制。研究发现，金融分权能显著促进辖区内企业全要素生产率的提升，且对不同发展偏向的绿色企业与污染企业影响方向迥异，地方政府运用金融资源“两手抓”绿色激励与污染约束。进一步分析表明，金融分权通过提升地区资本配置效率影响企业全要素生产率；相比于国有企业，金融分权对非国有企业特别是绿色企业的促进效应更高。因此，应完善适度金融分权制度，提高地区资本配置效率，助力企业乃至经济的绿色转型发展。     

环境保护税对企业绿色全要素生产率的影响研究北大核心CSSCI

绿色全要素生产率(Green Total Factor Productivity,GTFP)是衡量经济社会高质量发展能力的关键指标。因排污费存在执法刚性较弱、费率过低和激励不足等问题,2018年实施的《环境保护税法》对促进企业绿色生产方式转型、提高企业绿色全要素生产率具有重要意义。基于2015—2019年沪深A股重污染企业数据的研究发现:环境保护税显著提升了企业绿色全要素生产率,绿色技术创新在此过程中发挥部分中介效应;环境保护税显著促进源头管控绿色技术创新,对末端治理绿色技术创新的促进效果不显著;环境保护税显著提升东部、中部地区企业绿色全要素生产率,但对西部地区企业的作用不显著。因此,为进一步提升环境保护税对企业绿色全要素生产率的作用,应提高环境保护税税率,完善环境保护税优惠政策,并与其他税种相互配合,协同激励企业进行末端治理技术创新。     

数字金融、融资约束与民营企业全要素生产率

文章基于融资约束理论视角,采用A股非金融民营上市公司2011-2020年数据,运用双向固定效应模型进行实证检验。研究发现,数字金融的发展能促进民营企业全要素生产率水平的提升,融资约束在其中起着显著中介作用;地区金融发展和货币政策冲击对数字金融的融资约束缓解效应具有显著的调节作用;数字金融对成长期、第三产业和东部地区民营企业全要素生产率的正向影响尤为显著。本文结论对优化我国数字金融的发展,助力民营企业全要素生产率提升具有重要启示。     

数字普惠金融减缓相对贫困的效率研究

数字普惠金融是传统普惠金融的持续深化,是减缓相对贫困的重要支撑力量。本文采用DEA-Tobit模型,利用2011—2018年我国31个省市数字普惠金融和相对贫困等数据,测算了数字普惠金融减缓相对贫困的效率与影响因素。研究结果表明:我国数字普惠金融减缓相对贫困的效率偏低且区域差异大,其中规模效率是西部地区综合效率较低的最主要原因,数字普惠金融减缓相对贫困存在较大的发展潜力;数字普惠金融减贫生产率指数变动主要受技术进步变动影响。在影响因素方面,金融中介效率、产业结构与财政自给率的提高与优化有利于提高数字普惠金融减贫效率;而金融发展规模的扩大会阻碍数字普惠金融减贫效率的提高。     

绿色金融发展下碳排放效率的地区差异、动态演进与影响机制

本文首先基于SBM-ML模型,建立了碳排放效率评价模型,从效率和生产率两个维度出发,探究不同地区碳排放效率的地域差异与动态演进;并设计了空间杜宾模型,分析了各地区绿色金融发展对碳排放效率的影响机制及溢出效应。结果显示:(1)从2005年到2019年各省碳排放效率总体水平较低,地区差异特征明显,具有较大的碳减排潜力;绿色全要素生产率的提高主要由技术进步推动,而技术效率劣化则成为制约绿色全要素生产率发展的关键因素。(2)碳排放效率的动态演进表现出显著的“马太效应”,先进省份和落后省份的碳排放效率差异进一步拉大。(3)空间杜宾回归结果表明,绿色金融发展有助于各地区碳排放效率的提高,并且存在空间溢出效应,即本地的区绿色金融发展有助于提高周边地区的碳排放效率。(4)通过机制检验可知,绿色金融发展可以通过促进经济发展、技术创新和产业结构升级三条路径来提高碳排放效率。     

数字金融、政府监管与全要素生产率

基于中国2011—2018年省际面板数据,使用Fare—Primont指数法测度30个省际全要素生产率,通过门限回归分析数字金融与金融监管对全要素生产率的影响.研究结果表明:发展数字金融有利于促进全要素生产率增长,但其影响作用呈现"倒U型"趋势;金融监管对全要素生产率的影响呈现"U型"关系;与金融监管宽松地区相比,数字金融对全要素生产率的提升作用在监管严格地区表现的更为显著.在发挥数字金融提升全要素生产率的同时,更要切实加强金融监管,将数字金融纳入国家统一监管之下,通过政府监管引导数字金融优化推进全要素生产率增长.