1. 引言
随着互联网数字技术的普及和人工智能行业的兴起,我国的数字金融体系迅速发展,依托数字技术优化金融服务、革新金融产品、流程及业务模式。数字金融基于互联网技术,关注长尾客户,有良好的普惠属性,能够缓解融资难的问题;基于大数据更好地把握客户信用风险,减少了金融交易中信息不对称的情况,缓解了融资贵的问题。因此数字普惠金融能够成为外贸发展的金融支撑。数字金融的发展也改变了全球的生产和交易模式,对重塑全球国际贸易格局起到了重要推动作用[1]。然而,我国经济快速发展的同时,也出现了严重超过限制的碳排放问题,导致气候变化和环境污染问题变得更加突出。因此,为了解决这一问题,2020年我国提出了“双碳”战略目标。
低碳贸易作为传统贸易模式的创新和优化,既是应对全球气候变化挑战的方式,也是寻找经济增长点和可持续发展新路径的关键。因此,各国亟需解决如何提升低碳贸易竞争力的重要问题,也是当前学术研究的热点[2]。美国在2009年6月末通过了相关法案,将于2020年起开始实施“碳关税”。欧盟理事会于2022年3月决议通过CBAM (碳边境调整机制)相关规则,将在过渡期结束后的2026年启动“碳关税”。从2023年10月1日起,欧盟CBAM法规开始实施,成为全球首个“碳关税”。根据新规定,欧盟的进口商有责任报告在相关商品制造过程中产生的温室气体排放情况。2023年2月,《数字中国建设整体布局规划》明确指出,中国需要加速其数字化、绿色化和协同转型的进程。探讨如何在数字金融和低碳贸易中实现竞争力的增强与共同进步,将是中国在未来需要特别重视的议题。
作为经济增长的新引擎,数字金融是否有潜力增强中国在低碳贸易方面的竞争力?其背后的作用机制是什么?探讨这些问题有助于揭示数字金融与低碳贸易竞争力之间的关系,并为进一步提升中国与低碳贸易竞争力提供建议。
2. 数字金融对低碳贸易竞争力的影响相关研究综述
2.1. 数字金融发展对我国低碳贸易竞争力的影响研究
通过梳理相关研究文献,发现对低碳竞争力的影响研究主要从数字经济及金融服务方面入手,并吴志杰、张金花(2023) [3]认为,数字经济通过赋能产业绿色低碳转型升级,实现产业高质量发展,富有碳减排潜力,积极利用新型数字技术推动产业绿色低碳发展,提高我国低碳贸易竞争力。徐冲立(2023) [4]研究发现,推进数字经济的发展有助于减少生产出口商品的费用和与出口贸易伙伴的交易开销,这进一步促进了劳动生产效率和出口贸易的竞争优势。
吴钰(2023) [5]通过理论分析认为,数字经济发展对于出口贸易隐含碳排放的影响具有阶段性,当数字经济发展水平达到一定程度之后,出口隐含碳排放将会减少,提高低碳贸易竞争力。陈加友(2023) [6]基于2011~2020年我国省际面板数据,探究发现数字经济的发展显著提升了省域层面的碳生产率水平,包括东部和西部地区的省份。
2.2. 低碳贸易竞争力指标构建与实证研究
郑义(2015) [2]依托碳生产率的概念,在模拟两国某一时期同行业进出口产品的情景下,结合传统贸易竞争力指数的优点,综合构建了低碳贸易竞争力指数的表达式。胡剑波(2018) [7]结合非竞争型投入产出模型,我们构建了一个外贸易碳排放竞争力指数,这个指数主要描绘了在全球低碳经济环境中,一个国家或地区的产品和产业在国际贸易中的竞争力。该指标表示一个国家或地区的进出口贸易产生的碳排放差额在其进出口总碳排放中的占比。许冬兰(2013) [8]借助出口隐含碳排放测算模型构建碳生产率测算方法,以此得到低碳贸易竞争力评价模型。
2.3. 低碳技术进步与低碳贸易竞争力的实证研究
当前已有部分研究将低碳技术进步与低碳贸易竞争力结合起来,发现绿色技术的创新和进步有利于低碳事业发展(梁晓玲,2023) [9] (熊金武,2013) [10],但影响机制研究不健全,本文在此基础上作进一步探索。
邸甜甜(2023) [11]本研究基于2011~2020年间中国30个省份的面板数据,基于绿色技术创新的中介作用,本研究对我国的数字经济发展指数如何利用绿色技术创新作为手段,间接地对低碳贸易竞争力指数产生影响进行了深入的实证分析。李楠博(2023) [12]研究发现,数字经济的崛起不仅有助于显著增强低碳贸易的竞争力,而且可以通过推动低碳技术的进步来进一步提升低碳贸易的竞争力。
2.4. 本文的边际贡献和创新性
受限于理论基础和数据支撑,数字金融与低碳贸易关系的研究尚有不足,因此,本文借鉴权威数字金融研究中心发布的数据,构建低碳贸易竞争力和绿色技术进步的衡量指标,搜集整合我国各省份的相关数据,依托基准回归模型和机制分析模型进行实证分析,最终通过内生性分析、稳健性检验和异质性分析,探究数字金融发展对提高低碳贸易竞争力的影响效应,并分析得到绿色技术进步在其中发挥的影响传导机制和地区差异,为今后数字金融发展趋势不断加强的条件下各地区低碳贸易能力的提升带来理论支撑和参考借鉴。
3. 理论机制分析
3.1. 数字金融影响低碳贸易竞争力的的内在机制
数字金融是一种结合互联网和信息技术的新型金融服务,与传统金融业务相融合。基于数字技术,它促进了信息、数据、服务和产品的数字化和网络化,从而加速了各个行业的数字化转型进程。低碳贸易的主要目的是降低碳排放,同时推动清洁能源、低碳技术和绿色产业的发展,从而使国际贸易走向可持续发展的道路[11]。在此背景下,中国要提高对外贸易中的低碳化水平就必须大力发展数字金融。接下来,我们将探讨数字金融的发展是如何对中国的低碳贸易竞争力产生直接影响的:
首先,数字金融具备低碳特征。通过数字产业融合,加速信息互联共享,提高资源规划的能力和效率。同时,借助数字技术,加速各行业清洁能源发展进程,促进新兴低碳产业的发展,提升我国低碳贸易竞争力。
其次,数字金融推动行业智能转型,利用大数据分析技术可以帮助企业更深入了解市场的动态变化,进一步激发企业的创新能力,有助于促进行业的创新发展,推动低碳经济转型,从而提高低碳贸易的竞争实力。
数字金融对降低交易成本起着重要作用,加速了资本的流动,降低了国际贸易的限制和门槛,促使国际贸易向虚拟领域转移。这种做法不仅有助于减少在生产和交易中的能源使用和边缘成本,还能降低贸易产生的碳排放,从而增强低碳贸易的市场竞争力[13]。
综上所述,本研究提出了一个假设H1。
H1:数字金融在提升低碳贸易竞争力方面发挥关键作用。
3.2. 低碳技术进步对低碳贸易竞争力的影响
低碳技术的创新不仅是减少能源使用和提升能源生产效率的基础手段,而且对中国在低碳贸易方面的竞争力有着积极的推动作用[5]。研究发现,低碳技术创新对提升低碳贸易竞争力的影响主要表现在以下几个方面:
随着低碳技术的进步,企业的生产流程将变得更为节能、环保和低碳。外贸公司可以通过提高其生产技术和清洁能源的使用效率,来鼓励其贸易产品在生产过程中采用更环保、更环保的能源,并提供更环保的贸易产品和服务,从而赢得消费者的喜爱,进一步增强低碳贸易的市场竞争力。其次,低碳技术的进步可以为低碳技术和绿色产业提供技术援助和服务,促进低碳贸易的数字化和网络化,降低低碳贸易的融资成本,从而进一步提升竞争力。
H2:低碳技术进步将有助于提升低碳贸易竞争力。
3.3. 低碳技术进步在数字金融与低碳贸易竞争力之间的机制效应分析
经理论研究分析,本文探究了低碳技术进步助力数字金融发展提高中国低碳贸易竞争力的影响路径如下。
第一,数字金融带来的数字技术手段能够有力促进产业、高等院校和科研院所之间的交流与合作,实现产学研融合,信息的交互与紧密的联系与协作能够显著激励传统产业以提升低碳技术创新能力水平,进而提升低碳贸易竞争力[5]。第二,数字金融以数据为重要生产要素,为了进一步增强低碳贸易的竞争力,我们需推动低碳技术的全面数字化进程,并以数字技术的应用为核心,利用低碳且环保的贸易产品和生产流程[12]。
H3a:低碳技术进步发挥影响中介作用,数字金融通过促进低碳技术进步推动低碳贸易竞争力的提升。
同时,考虑到我国不同地区的数字金融发展水平和低碳技术进步程度不同,低碳贸易产业所处发展阶段不同,可能会使数字金融、低碳技术进步和低碳贸易竞争力之间的效应显著性有所差异。
H3b:数字金融的促进作用和低碳技术进步的中介效应具有地区异质性。
4. 指标选取与模型构建
4.1. 指标选取与数据来源
根据表1方式测算指标,并考虑数据的可获得性,本文选取2011~2020年我国30个省份的面板数据,其中西藏自治区因数据明显缺失做了剔除处理。
Table 1. Variable description and data sources
表1. 变量说明及数据来源
|
变量符号 |
变量名称 |
计算 |
数据来源 |
被解释变量 |
LCTC |
低碳贸易竞争力 |
基于投入产出模型推导计算 |
中国碳核算数据库、中国能源统计年鉴 |
核心解释变量 |
DFI |
数字金融 |
数字普惠金融 |
北京大学数字普惠金融指数 |
控制变量 |
lnGDP |
经济发展水平 |
生产总值 |
中国统计年鉴 |
FDI |
外商直接投资 |
各省实际利用外商直接投资总额占GDP的比重 |
中国统计年鉴 |
RDD |
研发投入水平 |
R&D经费占GDP比重 |
中国科技统计年鉴 |
IS |
产业结构 |
第三产业产值与第二产业产值之比 |
各省份统计年鉴 |
EEF |
能源消费强度 |
能源消费总量与GDP的比值 |
中国能源统计年鉴、中国统计年鉴 |
机制变量 |
INV |
低碳技术进步 |
采用CPC中的Y02分类专利申请数 |
各省份统计年鉴 |
4.2. 模型构建
4.2.1. 基准回归模型
为了深入探讨数字金融发展如何影响中国的低碳贸易竞争力,本研究首先采用了省级的面板数据来验证数字金融对低碳贸易竞争力的直接作用机制,并据此构建了一个双向固定效应的模型:
(1)
其中,i代表样本所在省份,t代表时间,
表示i省在t时期的低碳贸易竞争力,表示i省在t时期的数字金融;表示一系列控制变量,包括lnGDP、FDI、RDD、IS、EEF;
表示省份i不随时间变化的个体固定效应,
表示时间固定效应,
为模型中的随机误差项。
4.2.2. 机制分析模型
根据前文的理论分析,除了式(1)中的直接影响外,数字金融有潜力通过推动低碳技术的进步来增强低碳贸易的竞争力,因此,我们构建了DFI与机制变量低碳技术进步之间的线性回归方程来验证这一结论,我们可以通过检验
回归系数的显著性,考察数字金融与低碳技术进步的关系,定量分析数字金融发展对中国低碳贸易竞争力的影响。模型的具体形式如下:
(2)
为低碳技术进步,控制变量与上文保持一致,
为模型中的随机误差项。
5. 实证结果与分析
5.1. 基准回归及分析
使用中国各省份2011~2020年共10年的面板数据进行分析,实证结果如表2所示,在随机效应和固定效应模型中,数字金融均在1%的水平上显著为正,表明数字金融显著促进低碳竞争力,当数字金融上升一个单位时,低碳竞争力水平分别上升0.046和0.269。假设H1得到验证。
Table 2. Regression results of digital finance and low carbon trade competitiveness
表2. 数字金融与低碳贸易竞争力回归结果
|
(1) |
(2) |
RE |
FE |
DFI |
0.046*** |
0.269*** |
(0.014) |
(0.070) |
lnGDP |
−5.934** |
16.244* |
(2.465) |
(7.988) |
FDI |
16.641 |
−18.990 |
(54.083) |
(62.965) |
RDD |
737.046*** |
553.644*** |
(151.246) |
(172.449) |
IS |
10.855** |
7.375 |
(5.384) |
(6.256) |
EEF |
−33.439*** |
−16.103*** |
(5.609) |
(5.519) |
年份固定 |
否 |
是 |
省份固定 |
否 |
是 |
常数项 |
52.651 |
−377.433** |
(45.471) |
(144.477) |
N |
300 |
300 |
调整R2 |
|
0.814 |
F |
|
53.297 |
*p < 0.1,**p < 0.05,***p < 0.01括号中的数值为省级层面的聚类稳健标准误。
5.2. 内生性分析和稳健性检验
5.2.1. 内生性分析
鉴于数字金融与低碳竞争力之间可能存在的双向因果关系和其他内生性问题,本研究将解释数字金融DFI滞后一期生成工具的变量,并进行了相应的回归分析。依据稳健性检验的结果表3所示,数字金融的进步有可能对低碳贸易的竞争力产生积极的影响,这一观点在1%的显著性水平上得到了证实,并与基准回归的结果相吻合。
5.2.2. 稳健性检验
为了更深入地检验回归模型的稳健性,本研究采用了新的被解释变量度量标准。根据以往文献[13],用各个省份碳生产率作为被解释变量,重新进行回归分析。回归结果如表3第(2)列所示,在替换了解释变量之后,数字金融对碳生产效率产生了明显的正向效应。尽管与基准回归的结果相比,显著性略有减少,但其在5%的范围内仍然是显著的正向影响,并且该回归结果已经通过了稳健性的检验。
Table 3. Robustness test results
表3. 稳健性检验结果
|
(1) |
(2) |
滞后一阶 |
替换被解释变量 |
L.DFI |
0.269*** |
|
(0.076) |
|
DFI |
|
0.010** |
|
(0.004) |
lnGDP |
19.651** |
0.720** |
(7.996) |
(0.310) |
FDI |
−7.283 |
1.772* |
(64.644) |
(3.404) |
RDD |
513.115*** |
24.381* |
(143.318) |
(12.501) |
IS |
5.259 |
−0.096 |
(6.189) |
(0.281) |
EEF |
−15.772*** |
−0.487* |
(5.030) |
(0.258) |
年份固定 |
是 |
是 |
省份固定 |
是 |
是 |
常数项 |
−449.499*** |
−13.193** |
(145.181) |
(5.588) |
N |
270 |
300 |
调整R2 |
0.806 |
0.712 |
F |
41.894 |
47.489 |
*p < 0.1,**p < 0.05,***p < 0.01括号中的数值为省级层面的聚类稳健标准误。
5.3. 影响机制分析
5.3.1. 数字金融与低碳贸易竞争力的关系验证
据基准回归结果对H1的论证,得出数字金融在低碳贸易竞争力方面发挥了重要促进作用,具有显著正向影响。根据回归结果,我们还可以得出以下结论:研发投入和能源消费强度的估计系数在1%的显著水平上呈正相关;地区生产总值和外商直接投资在10%的显著水平上呈正相关。这一发现与我们的预期相吻合,显示出经济增长迅速的地区在技术和资本流动上更为活跃,企业在积累经验后能够吸引更多的外部投资,从而为其提供更多的资金援助。随着公司在研发、技术创新和技术升级方面的不断进步,高品质产品的生产量也持续上升,这进一步凸显了我国在产业发展中的质量和规模上的优越性[14]。与此同时,产业结构的预测系数并没有达到预期的显著性。这表明,尽管第二产业和第三产业的比重有所增加,但这并不会对我国在低碳贸易方面的竞争力造成显著的负面影响。这样的状况或许是因为产业结构的调整需要较长的时期,并且具有某种程度的滞后性。
5.3.2. 数字金融与机制变量低碳技术进步的关系验证
对模型(9)进行固定效应分析,如表4第(2)列所示,数字金融的斜率系数为230.597,经过1%的显著性水平测试,我们发现数字金融对低碳技术的进步产生了明显的积极作用,假设H3a得到了证实。随着数字金融技术的进步,低碳技术也得到了持续地提升,同时,随着研发资金的增加,低碳技术的发展也呈现出了显著的增长态势。
Table 4. Testing the relationship between digital economy and low carbon trade competitiveness
表4. 数字经济对低碳贸易竞争力关系检验
|
(1) |
(2) |
LCTC主效应 |
INV间接效应 |
DFI |
0.269*** |
230.597*** |
(0.070) |
(54.506) |
lnGDP |
16.244* |
−3.0e+03 |
(7.988) |
(3704.169) |
lnFDI |
18.990* |
−3.8e+04 |
(62.965) |
(35016.452) |
RDD |
553.644*** |
2.7e+05 |
(172.449) |
(161987.507) |
IS |
7.375 |
2218.241 |
(6.256) |
(2812.395) |
EEF |
−16.103*** |
4289.515* |
(5.519) |
(2198.516) |
年份固定 |
是 |
是 |
省份固定 |
是 |
是 |
常数项 |
−377.433** |
3.8e+04 |
(144.477) |
(65741.020) |
N |
300 |
300 |
调整R2 |
0.814 |
0.625 |
F |
53.297 |
9.308 |
*p < 0.1,**p < 0.05,***p < 0.01括号中的数值为省级层面的聚类稳健标准误。
5.3.3. 变量低碳技术进步与低碳贸易竞争力关系分析
基于以往文献总结分析,随着低碳技术的不断进步,能够提升生产的技术标准,并进一步深化清洁可再生能源的应用范围[15],这将有助于在生产贸易产品的过程中实现更加环保和低碳的能源消费,生产和提供更符合低碳发展理念的贸易产品和服务,从而使这些产品和服务更受消费者的喜爱,进一步提升低碳贸易的竞争力;再者,随着低碳技术的发展,生产流程将变得更为节能、环保和低碳[16],随着低碳技术的不断进步,生产流程和工艺得到了优化和改进,从而增强了贸易生产要素在空间上的调整能力。这样可以提升贸易要素的质量和配置的动态效率,从而推动贸易模式从粗放式向集约式转变[17],最终提高低碳贸易竞争力。假设H2得以验证。
5.4. 异质性分析
由于资源配置和地理位置的不同,中国各个地区的经济发展水平也存在显著的差异。与中部和西部地区相比,东部地区的经济发展基础更为强劲。随着数字金融技术的不断发展,各个区域之间的数字差距变得越来越明显,这导致了不同地区在低碳贸易方面的竞争力受到了不同程度的制约。因此,我们可以推断数字金融对各个地区的低碳贸易竞争力可能会产生不同的影响。
因此,为了对这个问题进行更深入地研究,本文参考沈小波[18]将30个省份分为东部、中部和西部三大区域,并从区域差异性的视角深入研究了数字金融的发展如何对这些地区的碳排放产生影响。
将三个区域分别对式(1)进行估计后发现,表5第(1)列、第(2)列和第(3)列列出了区域异质性的主效应回归结果。表5第(1)列中,东部地区的数字金融估计系数显示出了明显的正相关性,这表明数字金融在提升东部地区低碳贸易竞争力方面起到了显著作用。然而,在表5的第(1)列和第(2)列中,中部和西部地区的数字金融并没有展示出相似的正向效应,同时其估计系数也没有表现出明显的正相关性。因此,我们可以推断数字金融对低碳贸易的竞争力产生的影响是有限的。
将三个区域分别对式(2)进行估计后发现,区域异质性的主效应回归结果如表5第(4)列、第(5)列和第(6)列所示。数字金融在1%的显著性水平下影响了中部地区低碳技术进步,但东部和西部地区未能通过显著性检验。通过以上的回归和分析可知,假设H3b得到了验证。
Table 5. Regional heterogeneity regression results
表5. 区域异质性回归结果
|
(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
LCTC (主效应) |
INV (间接效应) |
东部 |
中部 |
西部 |
东部1 |
中部1 |
西部1 |
DFI |
0.222*** |
0.251 |
0.047 |
193.559 |
116.650*** |
27.402 |
(0.065) |
(0.156) |
(0.089) |
(129.200) |
(23.851) |
(22.668) |
lnGDP |
8.784 |
17.964** |
4.309 |
5885.947 |
3938.485 |
630.571 |
(12.393) |
(7.333) |
(13.280) |
(20249.552) |
(2141.779) |
(2271.295) |
FDI |
−67.278 |
−84.122* |
−441.114* |
3.2e+04 |
1794.325 |
−5.1e+04 |
(45.710) |
(40.350) |
(203.429) |
(44303.159) |
(15094.344) |
(45511.989) |
RDD |
461.367*** |
729.833* |
1273.954* |
2.2e+05 |
2.5e+04 |
2.0e+05 |
(130.486) |
(364.769) |
(572.789) |
(191476.259) |
(82660.744) |
(132346.584) |
IS |
44.760*** |
8.801 |
−13.586 |
−7.3e+03 |
−1.1e+03 |
−5.5e+03* |
(12.170) |
(7.504) |
(8.722) |
(8735.246) |
(886.644) |
(2812.174) |
EEF |
−23.413* |
−23.740 |
−24.084*** |
5414.815 |
387.844 |
−1.1e+03 |
(12.530) |
(17.617) |
(4.888) |
(7555.802) |
(3531.293) |
(1583.032) |
年份固定 |
是 |
是 |
是 |
是 |
是 |
是 |
省份固定 |
是 |
是 |
是 |
是 |
是 |
是 |
常数项 |
−271.566 |
−407.439** |
−112.241 |
−1.2e+05 |
−7.6e+04 |
−5.6e+03 |
(234.354) |
(142.529) |
(235.831) |
(377929.142) |
(41090.566) |
(42079.654) |
N |
110 |
80 |
110 |
110 |
80 |
110 |
调整R2 |
0.926 |
0.905 |
0.713 |
0.684 |
0.900 |
0.740 |
*p < 0.1,**p < 0.05,***p < 0.01括号中的数值为省级层面的聚类稳健标准误。
5.5. 门槛效应
5.5.1. 以低碳技术进步为门槛变量
进一步分析,本文选择低碳技术进步INV作为门槛变量,本文采用Hansen [19]提出的门槛模型,使用省级面板数据对模型(3)进行估计。使用面板门槛模型之前需要进行门槛检验,表6输出了以INV作为门槛变量的门槛检验效果,通过单一门槛模型显著性检验,p值为0.000门槛值为3464。但未通过双门槛和三门槛显著性检验,此时p值分别为0.060和0.703。说明低碳技术进步存在单一门槛效应,初步证实了随着低碳技术进步的提升,数字金融对低碳贸易竞争力的影响有变化的可能性。
Table 6. Results of low carbon technology progress threshold test
表6. 低碳技术进步门槛检验结果
门槛个数 |
p值 |
10%临界值 |
5%临界值 |
1%临界值 |
门槛值 |
单一门槛 |
0.000 |
9.095 |
10.713 |
12.704 |
3,464 |
双门槛 |
0.060 |
12.388 |
17.053 |
27.415 |
|
三门槛 |
0.703 |
24.912 |
27.322 |
35.279 |
|
构造单一门槛模型,表7实证探究了不同低碳技术进步水平下,在不同门槛值前后,数字金融DFI均通过了1%的显著性水平检验,且相应回归系数从0.202提升至0.218,这说明当以低碳技术进步为门槛变量时,其对数字金融对低碳贸易竞争力的影响是逐渐强化的。
5.5.2. 以数字金融为门槛变量
数字金融对低碳贸易竞争力的提升可能会随着数字金融发展水平的不同而呈现异质性的特点,也就是说会存在一定的门槛效应。接着本文用面板门槛回归方法检验了数字金融的门槛效应,门槛检验结果如表8所示,门槛回归结果如表8所示。
Table 7. Regression results of low carbon technology progress threshold
表7. 低碳技术进步门槛回归结果
变量 |
LCTC |
(1) |
DFI (INV < 3464) |
0.202*** |
DFI (INV > 3464) |
0.218*** |
常数项 |
−398.5808** |
控制变量 |
是 |
省份固定 |
是 |
年份固定 |
是 |
Table 8. Results of digital finance threshold test
表8. 数字金融门槛检验结果
门槛个数 |
p值 |
10%临界值 |
5%临界值 |
1%临界值 |
门槛值 |
单一门槛 |
0.027 |
12.571 |
14.594 |
19.351 |
92.980 |
双门槛 |
0.113 |
19.420 |
24.033 |
37.387 |
|
三门槛 |
0.697 |
24.356 |
26.264 |
37.554 |
|
由上述回归结果可知数字金融对制造业高质量发展的影响通过了单一门槛检验,门槛值为92.98。
数字金融门槛回归结果如表9所示,当数字金融指数小于或等于92.98时,数字金融与低碳技术进步在1%的显著性水平上正相关,数字金融每增长1%,都会使得低碳贸易竞争力提高0.345%。当数字金融指数大于92.98时,数字金融与低碳贸易竞争力在1%的显著性水平上正相关,数字金融指数每增长1%,都会使低碳贸易竞争力增强0.277%。随着数字金融的发展,由于金融发展带来的财富效应和规模效应拉低了其技术效应和结构效应优势,数字金融大于门槛值之后,对低碳贸易竞争力的提升降低。
Table 9. Regression results of digital finance threshold
表9. 数字金融门槛回归结果
变量 |
LCTC |
(1) |
DFI (<92.98) |
0.345*** |
DFI (>92.98) |
0.277*** |
常数项 |
−420.388** |
控制变量 |
是 |
省份固定 |
是 |
年份固定 |
是 |
6. 结论及政策建议
6.1. 结论
6.1.1. 数字金融发展有利于提高低碳贸易竞争力
本文为了衡量低碳贸易竞争力(LCTC),搜集了我国各省份的相关数据,并选择了权威数字金融研究中心发布的数字金融(DFI)指标数据。在完成数据的搜集和处理之后,此项研究进一步采用了面板数据模型来探讨数字金融如何直接影响低碳贸易的竞争力。经过实证研究,我们发现数字金融的进步与低碳贸易的竞争力之间有着明显的正向关联,这进一步证实了数字金融在增强低碳贸易竞争力方面的正面影响。这一研究结论为我国未来推动数字金融助力双碳战略、支撑经济高质量绿色发展提供了理论基础。
6.1.2. 数字金融可通过促进低碳技术进步提升低碳贸易竞争力
在基准回归模型研究的基础上,本文将低碳技术进步(INV)作为机制变量,确定合理测算指标,依据各省份统计年鉴获得相关数据。结合本文理论基础分析,本文分别构建数字金融与机制变量低碳技术进步的线性回归方程,及绿色金融和低碳技术进步与低碳贸易竞争力之间的线性回归方程,通过检验回归系数的显著性,判断三者之间的相互关系。最终,内生性分析与基准回归结果一致,在替换被解释变量后,回归也通过了稳健性检验,验证了数字金融可以通过促进低碳技术进步以提升低碳贸易竞争力。
6.1.3. 数字金融对低碳贸易竞争力的影响存在地区差异
由于各方面之间的差异,我国各部分区域之间经济发展水平差别较大,东部地区经济发展基础更好,不同地区的数字金融发展水平和低碳贸易竞争力不尽相同。本文将已有数据的30个省份划分为东部、中部、西部三个区域,经过异质性回归,结果发现,东部地区数字金融发展对东部地区的低碳贸易竞争力有明显的促进作用,而中部地区和西部地区的数字金融发展则对低碳贸易竞争力的影响十分有限,存在明显的区域差异。
6.2. 政策
6.2.1. 加快数字金融发展,促进我国低碳贸易竞争力的提升
本文研究发现,数字金融作为构建数字金融体系的重要支撑,其发展能够促进低碳贸易竞争力的提升。社会各界力量要大力发展数字金融产业,具体体现在如下方面。
第一,要在双循环新格局下驱动数字金融创新和数字化战略升级。助力数字金融的新生态建设和健康发展,力争开启数字金融科技高质量发展的新时代,以数字金融的高质量发展为我国绿色产业结构持续升级赋能,提升我国低碳贸易竞争力。
第二,要加强数字化治理与数据价值化。推动在政府治理、企业运营生产等多方面的工作准确高效,为数字金融产业的发展提供巨大便利,同时要加速构建数据要素市场体系,推动数据要素在规范快速流通中发挥巨大价值,对社会经济的各方面发展产生倍增效应,以生产效率提高促进我国低碳贸易竞争力提升[20]。
第三,促进数字金融与出口贸易相结合,调整外贸产业结构。促进数字贸易发展潜力,进而促使各类产业紧密融合,加快产业结构优化升级,促进数字贸易高质量发展,实现高水平的低碳竞争力,提升我国低碳贸易竞争力。
6.2.2. 赋能低碳科技创新,提升我国低碳贸易竞争力
本研究通过实证分析显示,低碳技术的发展进步是数字金融发展并提升低碳贸易竞争力的关键途径。在低碳绿色贸易中,赋予绿色技术创新以加强竞争力的作用将愈发重要。基于此,笔者提出以下具体政策建议。
首先,政府应发挥政策引导作用,制定相关政策来促进产业的绿色技术创新。例如,对于采用绿色工艺和绿色创新技术进行生产活动的产业,政府可提供政策性优惠,以推动产业实现环境效益和经济效益的双重收益[21]。
其次,积极推动绿色低碳技术的发展,以技术驱动清洁发展。激发清洁能源与能源数字化的融合发展,为低碳技术的进步提供更多动力,推动清洁能源和能源数字化的双重驱动,不断提升低碳社会的贸易竞争力。
6.2.3. 注重区域数字金融均衡化发展,抑制环境污染
通过理论和实证研究,发现中西部地区对数字技术和数字金融等领域的发展和应用相对滞后,其对传统化石能源的依赖度极高。此外,数字金融的发展对于产业低碳转型和地区节能减排的支撑和发展动力不足。针对以上问题,提出以下具体的解决政策建议:
首先,东部地区应充分利用现有优势条件来保持良好的发展态势。因为该地区已经建立了一定的数字金融发展平台基础,因此应该注重在相关领域核心技术上实现突破和攻关,发挥技术人才等优势,进一步提升绿色技术创新水平,产生良好的示范效应,以不断提高低碳贸易的竞争力。
第二,中西部地区应该从东部地区的发展经验中吸取教训,并根据实际情况推动数字金融和低碳贸易的发展。我国中西部地区应该利用数字金融引导资本的合理配置,通过提供多样化且专业性强的金融产品来满足企业的需求,充分发挥数字金融在就业方面的作用,激发数字金融在减少污染和排放方面的潜力,促进数字金融与绿色金融的融合发展,确保低碳贸易竞争力的稳步提升[22]。
第三,各地区应互利合作,推动东中西部地区数字金融协同发展。考虑到数字金融和低碳技术进步的异质性特征,中西部地区与东部地区应共同努力,充分利用数字金融提升低碳贸易竞争力的机遇。我们应着重发展特色数字金融产业,充分利用数字金融在节能降耗、提升贸易竞争力的优势,将各地区的优势条件结合起来,逐步协同提升低碳贸易竞争力。