数字化转型能否影响绿色金融的发展？绿色技术创新和能源效率在此过程中扮演着怎样的角色？

《Energy》：Can digital transformation influence the development of green finance? The role of green technology innovation and energy efficiency

本研究基于中国31个省级面板数据（2011-2023），运用基准回归、分位数回归、中介效应模型、调节效应模型及空间杜宾模型，分析数字转型对绿色金融的影响，发现数字转型显著促进绿色金融并产生空间溢出效应，其作用通过绿色技术创新中介，且受能源效率非线性调节，区域异质性明显，东南部及政策实施后效果更显著，为理论与实务提供新见解。

　　

作者：陆可 | 刘润科

南京信息科学技术大学管理科学与工程学院，南京，210044，中国

摘要

在过去几年中，数字化转型和绿色金融已成为推动经济向高质量发展转型的关键驱动力。然而，数字化转型和绿色金融背后的机制仍不明确。因此，本研究旨在探讨数字化转型如何塑造绿色金融。此外，还研究了绿色技术创新的中介作用和能源效率的调节作用。利用2011年至2023年间中国31个省级地区的面板数据，通过基线回归、分位数回归、中介效应模型、调节效应模型和空间Durbin模型等方法进行了实证分析。主要研究结果如下：(1) 数字化转型显著促进了绿色金融的发展，并对周边地区产生了显著的正空间溢出效应；(2) 数字化转型对绿色金融的影响受到绿色技术创新的中介作用，而能源效率在这一关系中起到非线性的调节作用，在低水平时减弱了这种影响，在高水平时增强了这种影响；(3) 数字化转型对绿色金融的影响在不同地区存在差异，在东南部地区、被认定为数字化转型追随者的地区以及2020年双碳政策宣布后，这种影响更为明显。因此，本研究为更好地理解数字化转型与绿色金融之间的关系提供了理论和实践上的见解。

引言

近年来，绿色金融作为一种将资本引入环境可持续项目并促进向低碳经济转型的关键机制而受到重视[1]、[2]。同时，通过大数据[3]、[4]、区块链[5]、[6]和人工智能（AI）[7]、[8]等数字技术的快速发展，数字化转型加速了全球经济发展。实际上，包括欧盟的绿色金融战略、G20可持续金融路线图以及联合国的数字可持续金融倡议在内的许多经济体都已将数字化转型纳入其绿色金融战略中。此外，中国也在2017年实施了绿色金融改革和创新试点区政策，并在2020年推出了双碳政策[9]、[10]。

在区域层面，欧盟的最新调查显示，92%的企业正在积极投资减排和绿色转型措施，约37%的企业采用了生成式AI技术[11]。在美国，自2013年以来，美国银行等主要金融机构已发行了总计74.3亿美元的绿色债券以支持可再生能源项目[12]。与此同时，美国经济的数字化转型正在迅速推进，例如2023年，26%的劳动力从事高度数字化的工作，而2010年这一比例为18%，2002年仅为9%[13]。此外，到2024年下半年，中国已培育了421家国家级智能制造工厂，并建设了超过10,000家省级数字化车间和智能工厂[14]。到2024年底，中国的绿色贷款（包括本币和外币）达到了36.6万亿元，同比增长21.7%[15]。

根据全球趋势，通过将环境因素纳入金融决策，绿色金融不仅支持生态保护，还促进了长期的经济韧性[16]、[17]、[18]。然而，绿色金融的有效发展和规模化仍面临持续挑战。尽管绿色金融的政策采纳广泛且发展迅速，但其发展背后的机制仍不明确。此外，随着数字化转型的推进，许多企业改进了其创新机制并增加了研发（R&D）投资，从而有效提升了创新能力[19]、[20]。此外，数字化转型正在深刻重塑所有行业的格局，其融入金融领域为绿色金融的快速发展注入了强劲动力[21]、[22]。因此，鉴于数字化转型和绿色金融的潜在重要性，有必要研究二者之间的关系。

具体而言，数字化转型如何促进绿色金融的发展需要进一步讨论。通过应用新兴技术，数字化转型可以显著提高绿色金融的风险评估能力和资源配置效率[23]、[24]。此外，数字化转型对绿色金融的影响受到多种复杂因素的影响，包括绿色技术创新[25]、[26]和能源效率[27]。一方面，绿色技术创新在促进数字化转型与绿色金融之间的关系中起着关键作用[28]、[29]。数字技术的应用通过降低研发成本、增强供应链可持续性和支持清洁创新的商业化，加速了绿色技术的发展[29]、[30]、[31]。因此，绿色技术创新的结果为绿色金融提供了更多可行的项目和优质的项目资源[28]、[32]。另一方面，数字化转型可以显著改变工业和金融运营中的能源效率，从而改变绿色投资项目的吸引力[30]、[33]。例如，通过优化能源消费模式，数字化转型有效降低了清洁能源技术的成本，减少了对高碳能源的依赖，并促进了能源效率的提高[33]。此外，能源效率可以通过与信息流相关的能源消费影响金融市场的效率，从而影响绿色金融的可持续发展[30]。因此，有必要考虑绿色技术创新和能源效率的作用来研究数字化转型对绿色金融的影响。

在现有研究中，数字化转型在各研究领域的关注度日益增加[22]、[34]。关于数字化转型与绿色金融之间的关系，先前的研究表明，数字技术可以提高金融效率和透明度，从而支持绿色金融[34]、[35]。然而，尽管数字化转型和绿色金融各自的重要性得到了广泛认可，但数字化转型是否以及如何在多大程度上直接塑造绿色金融的发展仍有限。此外，一些现有文献研究了数字化转型影响绿色金融的整合机制[28]、[36]。例如，数字技术的改进可以有效促进绿色技术创新活动[25]、[36]，而绿色技术创新又是绿色金融发展的驱动力[28]。然而，绿色技术创新在数字化转型与绿色金融之间的中介作用却相对较少受到关注。此外，现有研究表明，数字化转型可以通过降低成本和提高生产效率来提高能源效率[33]、[38]。同样，绿色金融也可以通过为可再生能源提供融资和提高能源效率来促进可持续经济发展[39]。然而，作为数字化转型的一个关键结果，能源效率在数字化转型与绿色金融关系中的潜在调节作用在很大程度上被忽视了。因此，仍存在大量研究空白，需要了解数字化转型与绿色金融之间的直接效应，以及绿色技术创新和能源效率的作用。据此，本研究旨在回答以下问题：(1)

数字化转型与绿色金融之间的关系是什么？

(2)

数字化转型是否通过绿色技术创新的中介作用间接影响绿色金融？

(3)

能源效率是否调节数字化转型对绿色金融的影响？

为了解决这些研究问题，本研究考虑了四个核心变量，包括数字化转型、绿色金融、绿色技术创新和能源效率。此外，本研究还引入了产业结构、人力资本、开放度和研发作为控制变量。在理论框架中，构建了数字化转型对绿色金融的直接影响及其空间溢出效应。同时，建立了中介效应模型来分析绿色技术创新的中介作用，并建立了调节效应模型来测试能源效率的调节作用。实证分析涵盖了2011年至2023年间中国31个大陆省份的数据，因为中国具有快速数字化、政策驱动的绿色金融倡议以及经济和环境条件的显著区域差异。实证分析采用了基线回归、分位数回归、中介效应模型、调节效应模型和空间Durbin模型（SDM）等方法。

本研究从几个方面为现有文献提供了新的见解和贡献：(1) 通过研究数字化转型对绿色金融的影响，包括潜在的空间溢出效应，揭示了这种关系的潜在机制，进一步丰富了关于数字化如何推动可持续金融系统发展的理论理解；(2) 通过将绿色技术创新作为中介变量，研究了数字化转型可能促进绿色金融的中介机制，从而提供了对数字化转型与绿色金融之间关系的更全面理解；(3) 通过将能源效率作为调节变量，探讨了数字化转型对绿色金融的影响程度和方向如何随能源效率水平的变化而变化，从而扩展了绿色金融发展的理论框架。

本文的其余部分组织如下：第2节提供理论框架并提出假设；第3节详细阐述研究方法；第4节呈现实证结果；第5节分析空间溢出效应；最后，第6节总结结论和未来研究方向。

参考文献和研究假设

文献综述

与本研究密切相关的文献主要有三个方向，即(1)数字化转型对绿色金融的影响；(2)绿色技术创新；(3)能源效率。

解释变量：绿色金融（gf）

本研究中的解释变量是绿色金融。关于绿色金融指数的构建，以往的文献中选择了多种指标[39]、[64]、[65]，如绿色信贷、绿色债券、绿色证券、绿色保险、绿色投资和政府支持。参考现有研究[66]、[67]，考虑到这些指标的方法学稳健性和数据收集的可行性，本研究构建了绿色金融指数。

基线回归和分位数回归结果

基线回归和分位数回归的结果分别显示在表6和表7中。表6中的基线回归模型用于估计数字化转型对绿色金融的影响。为了进一步研究数字化转型在其持续发展过程中是否改变了绿色金融的影响程度，在五个选定的分位数（0.10、0.25、0.50、0.75和0.90）进行了分位数回归，如表7所示。

数字化转型和绿色金融的空间分布

2011年、2017年和2023年数字化转型和绿色金融的空间分布图分别显示在图3和图4中。图3显示数字化转型在东部地区呈现稳定增长，特别是山东、江苏、浙江、福建和广东等省份。这表明沿海地区在数字化转型方面处于领先地位。此外，中部地区的河南、湖北和湖南等省份也取得了显著进展。

主要结果

本研究探讨了数字化转型与绿色金融之间的关系。利用2011年至2023年间中国31个省级地区的面板数据，采用基线回归模型、分位数回归模型、中介效应模型和空间Durbin模型进行了实证检验。通过基线回归和分位数回归模型，研究了数字化转型对绿色金融的影响。

CRediT作者贡献声明

刘润科：撰写——审稿与编辑、撰写——初稿、验证、软件开发、调查、正式分析、数据整理。陆可：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督、项目管理、方法论设计、资金获取、概念化

数据和材料的可用性

由于将进一步进行研究，数据不会被共享。

利益声明

作者声明与本文无关的已知竞争性财务利益或个人关系。

利益冲突声明

作者声明他们没有可能影响本文工作的已知竞争性财务利益或个人关系。

致谢

本研究得到了中国教育部人文社会科学基金（项目编号：24YJCZH193）和中国工业和信息化部制造业发展研究院的研究资助。