金融业开放、数字普惠金融与家庭金融资产结构.pdf

经 济 实 证统计与决策2023年第21期总第633期0引言居民金融资产配置问题，不仅在微观上影响家庭财富累积及消费能力，还在宏观上对我国金融市场结构转型乃至经济高质量发展起到重要推动作用。虽然近年来我国居民家庭金融资产配置不断优化，但整体上仍然过于集中于银行存款，对证券类金融市场的参与度较低，因此如何认识并优化家庭金融资产配置行为成为研究热点。目前多数文献集中于从需求端研究家庭金融行为的影响因素，如文献15分别从金融知识、健康状况、人口老龄化、信贷约束等角度分析了不同家庭特征的影响效应；仅有少量学者探讨金融供给侧对家庭资产配置行为的影响，分别从金融可得性、区域金融发展、数字普惠金融等角度进行了考察68，但鲜有文献关注金融业开放对家庭金融行为的影响。现实中，我国已明确建设更高水平开放型经济新体制，金融业对外交流与合作的持续推进，必将对国内金融市场及居民投资行为产生重要影响，显然，厘清这一影响效应及其作用机理，对于稳步实施金融业开放政策、优化家庭资产配置行为具有重要的现实意义。基于此，本文使用20152019年的中国家庭金融调查（CHFS）数据，实证检验我国金融业开放对家庭金融资产配置的影响、机理及其异质性效应。1研究假设金融业扩大开放，意味着更多境外银行及证券公司、基金公司等资管机构进入国内，一方面将丰富金融资管产品的类型，扩大居民投资金融产品的可选范围；另一方面，可以通过竞争效应及技术外溢，促进国内金融机构高质量发展9，进而提升国内金融市场供给水平，最终有利于居民实现更加多元化的金融资产配置，具体表现为家庭减少存款及理财产品占比，增加股票、基金等证券类风险金融资产的投资占比。因此，本文提出：假设1：金融业开放能够促进家庭投资证券类风险资产。从具体的作用机制来看，由于境外资管机构在金融产品研发、智能投顾应用及服务与管理理念等领域具有比较优势，尤其是数字普惠金融能够更有效地满足大量普通家庭及长尾人群的投资理财需求，因此，外资资管机构的进入有可能通过促进当地数字普惠金融的发展，进而对家庭投资证券市场产生正向影响。据此，本文提出：假设2：金融业开放能够通过提升地区数字普惠金融水平，进而促进家庭投资证券类风险资产。我国各区域发展不平衡，东部地区和中西部地区的经济发展程度、居民金融知识水平、营商环境等均存在较大差异，较高的家庭金融素养及市场化程度，可能更有利于金融业开放正向促进效应的发挥。据此，本文提出异质性假设：假设3：金融业开放的影响效应在东、中、西部地区依次递减。2研究设计2.1模型设定本文使用Probit 模型考察金融业开放程度对居民是否购买证券类风险资产的影响，其中证券类风险资产包括股票、基金、债券；使用Tobit模型分析金融业开放程度对居民金融资产中证券类风险资产占比的影响。Probit 模金融业开放、数字普惠金融与家庭金融资产结构贾宪军（河南牧业经济学院 工商管理学院，郑州 450044）摘要：了解金融业开放是否影响以及如何影响家庭金融资产配置，对于构建高水平开放型经济新体制、促进居民财富及消费增长、优化金融市场结构均具有重要意义。文章使用2015年、2017年、2019年的中国家庭金融调查（CHFS）数据，实证检验了金融业开放对家庭金融资产配置的影响，发现金融业开放能够通过提升数字普惠金融水平，显著促进家庭参与证券类风险资产市场，并且随着开放程度的提升，家庭持有证券类风险资产占其金融资产的比重也随之提高。区域异质性检验结果表明，金融业开放度的正向促进作用在东、中、西部地区依次递减。关键词：金融业开放；数字普惠金融；家庭金融资产结构中图分类号：F832文献标识码：A文章编号：1002-6487（2023）21-0113-04基金项目：国家社会科学基金资助项目（20BJY248）作者简介：贾宪军（1979），男，河南郑州人，博士，教授，研究方向：金融开放、金融市场。DOI:10.13546/ki.tjyjc.2023.21.020113经 济 实 证统计与决策2023年第21期总第633期型为：Yict=1(0+1Openfincialit+2X+ict0)（1）其中，Yict为1表示居民持有证券类风险资产，为0表示未持有；i代表受访者所在家庭；c代表受访者所在省份；t代表年份；Openfincialit表示金融业开放度；X为控制变量，包括其他影响居民持有证券类风险资产的家庭特征变量及地区控制变量；ict为随机扰动项，ictN(0,2)。由于证券类风险资产占比是截断的，因此进一步使用Tobit模型：y*=0+1Openfincialit+2X+ict（2）Y=max(0y*)（3）其中，Y表示家庭持有证券类资产占其金融资产的比重，y*表示该比重在0和1之间的观测值；Openfincialit和X的定义与式（1）相同。为验证中介效应，构建中介效应模型：M=0+1Openfincialit+2X+ict（4）Yict=0+M+1Openfincialit+2X+ict（5）式（4）中，M为中介变量，表示区域金融发展水平和居民金融素养，式（5）为将中介变量加入式（1）后的Probit模型；式（1）、式（4）、式（5）共同构成了对家庭是否持有证券类风险资产的中介效应检验模型。同样，将式（5）中的Yict替换为Y，其他变量保持不变，则式（2）至式（5）共同构成检验家庭证券类风险资产占比的中介效应模型。2.2数据来源本文的微观家庭数据主要来自中国家庭金融调查（CHFS）数据，该数据库较为全面、详细地调查了我国29个省份（不含西藏、新疆和港澳台）的300多个区县的家庭资产负债、投资、消费等相关信息，具有较强权威性，近年来被广泛使用。具体而言，本文选取2015年、2017年和2019年的匹配样板数据进行研究，同时，为克服同期数据的反向因果问题，使用滞后一期数据进行样本匹配，即2015年的区域金融业开放度及家庭特征数据，对应2017年的家庭金融资产结构数据，以此类推，共形成三期平衡面板数据。最后，剔除无效样本，并根据金融资产值及收入上下1%进行“缩尾”处理，最终获得24490户有效样本数据。此外，本文使用的用于测度金融业开放度的外资银行数量数据来源于中国银保监会关于银行机构的金融许可证信息。2.3变量说明（1）被解释变量是否购买证券类风险资产。若样本家庭持有股票、基金、债券三类金融资产中的任何一种或多种，则认为该家庭购买了证券类风险资产，则将该变量赋值为1，否则为0。证券类风险资产占比指家庭持有的证券类风险资产占其金融资产的比重，将样本家庭持有股票、基金及债券的市值总额，除以其拥有的金融资产总额，得出证券资产占金融资产的比重，表示该家庭的证券类风险资产占比。其中，金融资产包括现金、银行存款、股票、基金、债券、保险、金融衍生品及黄金。（2）解释变量本文的解释变量是金融业开放度。为衡量不同区域金融业开放度，借鉴周东等（2022）10的做法，使用中国银保监会公布的各省份外资银行分支机构数量，并对其取对数，得到金融业开放度指标。之所以选取外资银行数量而非金融业FDI占比来衡量地区金融业开放度，是因为外资银行在家庭财富管理领域，其服务理念、技术水平、管理能力等方面整体上优于国内银行，少量的外资银行即可能通过竞争效应、知识外溢等渠道显著影响国内银行相关业务经营效率，以及居民家庭的投资理念与行为。因此，使用外资银行数量来衡量区域金融业开放度，可以避免使用金融业FDI占比而造成的影响低估。（3）中介变量中介变量为地区数字普惠金融水平，数据来源于北京大学数字普惠金融指数，该指数由北京大学数字金融研究中心编制，目前作为测度国内各地区数字普惠金融发展水平的指标，被广泛应用。（4）其他控制变量参考已有研究，选取户主及家庭特征变量、地区特征变量作为控制变量，其中户主特征变量包括风险态度、年龄、性别、受教育年限、是否党员、是否已婚、是否关注经济金融信息等。关于风险态度，根据调查问卷针对受访者风险偏好的问题，将选择偏好“高风险、高回报”的赋值为1，以此类推，数值越高表明风险厌恶程度越高；性别为男性赋值为1，为女性赋值为0；“是否党员”“是否已婚”“是否关注经济金融信息”三个变量中，受访者选择“是”则赋值为1，否则为0。家庭特征变量包括家庭人口数量、家庭总收入及家庭金融资产、赡养老人数、是否拥有个体工商业等，其中，“是否拥有个体工商业”是指家庭是否拥有个体或私营企业，选择“是”则赋值为1，否则为0。地区特征变量包括家庭是否居住在农村、地区GDP，其中“地区GDP”指受访家庭所在省份的GDP。2.4不同地区金融业开放程度及居民金融资产配置状况自2006年开始，我国金融业开始履行加入WTO的承诺，逐步放宽外资市场准入；2018年4月博鳌亚洲论坛之后，金融业进一步扩大开放，多项开放措施相继出台，如取消银行和金融资产管理公司的外资持股比例限制，提高证券公司、基金管理公司、期货公司、人身保险公司的外资持股比例上限等。20182021年，银保监会新批设各类外资机构120多家。虽然近年来金融业整体开放提速，但国内各地区实际开放程度呈现明显不均衡。以2019年各省份外资银行机构数量为例，北京、上海和广东的数量远超其他省份，此外，江苏、福建、山东、辽宁等的外资银行机构数量也相对较多（见下页图1）。2019年中国家庭金融调查（CHFS）数据显示，我国各地区居民家庭金融资产配置结构也存在显著差异。以证券类风险资产（包括股票、基金、债券）占金融资产的比重114经 济 实 证统计与决策2023年第21期总第633期为例，上海市居民家庭平均值为7%，而其他不少省份该比值仅为1%或0。根据前文理论分析，地区金融业开放程度有可能通过多种渠道影响居民金融资产配置，从图1也可以直观地看出，整体上，外资银行数量较多的地区，其居民家庭证券类风险资产占金融资产的比值也相对较高，二者确实可能存在一定程度的相关性。2.5描述性统计由表1可知，样本家庭中购买证券类风险资产占比为9.6%，证券类风险资产占比的均值为2.5%，表明整体上我国居民金融资产配置中证券类风险资产占比较低。从以外资银行分支机构数量衡量的金融业开放度来看，各地区外资银行机构数量分布差异极大。表1主要变量的描述性统计变量是否购买证券类风险资产证券类风险资产占比金融业开放度金融知识风险态度年龄性别受教育年限是否已婚是否党员家庭总收入家庭金融资产是否拥有个体工商业赡养老人数是否关注经济金融信息是否有家庭成员从事金融行业地区GDP地区数字普惠金融水平样本数244902449024490244902449024490244902449024490244902449024490244902449024489244902449024490均值0.0960.0252.6500.0434.01256.860.79010.5620.8800.1507.7409.5420.1300.2400.09000.010034257278.22标准差0.5320.1101.4000.9201.27612.830.4103.9870.3200.36012.23439.5160.3400.5900.2800.1002221951.52最小值000.690-1.1801400000.2700.00500003703193.29最大值114.8001.560610012211320.50030601411110000410.283实证分析3.1基准回归结果表2显示了金融业开放度对家庭投资证券类风险资产的回归结果，其中列（1）、列（2）为Probit 模型下，对家庭是否购买证券类风险资产进行估计的结果；列（3）、列（4）为Tobit模型下，对家庭证券类风险占比进行估计的结果。从列（1）的结果可以看出，金融业开放度的系数为0.283，且在1%的水平上显著，根据列（2）的结果，在加入控制变量后，金融业开放度系数为0.182，仍然在1%的水平上显著，表明金融业开放能够显著提升家庭购买证券类风险资产的概率。列（3）、列（4）结果显示，对于家庭证券类风险资产占比，在无控制变量和加入控制变量的情况下，金融业开放度的系数分别为0.206和0.159，且均在1%的水平上显著，表明金融业开放对于家庭证券类风险资产占比同样产生显著的正向影响。假设1得到验证。同时，列（2）、列（4）的结果显示，在户主特征方面，金融知识、风险态度、受教育年限等因素对家庭证券类风险资产占比均产生显著的影响，其中金融知识和受教育年限能够促进家庭参与程度提升，而风险偏好越强，越有利于家庭持有证券类风险资产；在家庭特征方面，家庭总收入、家庭金融资产及是否有家庭成员从事金融行业对该家庭购买证券风险资产均产生显著的积极影响；在地区特征方面，地区GDP对是否购买证券类风险资产的回归系数为0.282，对证券类风险资产占比的回归系数为0.201，且均在1%的水平上显著，表明地区经济发展水平越高，家庭居民证券市场的参与程度越深。3.2稳健性检验为确保回归结果的稳健性，采用替换代理变量和改变上海云南内蒙古北京吉林四川天津宁夏安徽山东山西广东广西江苏江西河北浙江海南湖北湖南甘肃福建贵州辽宁重庆陕西青海黑龙江3002502001501005000.080.070.060.050.040.030.020.010外资银行数家庭证券资产占金融资产的比重数量比重图12019年各省份外资银行数量与居民家庭金融资产结构表2金融业开放度对家庭参与证券市场影响的基准回归结果金融业开放度金融知识风险态度年龄性别受教育年限是否已婚是否党员家庭总收入家庭金融资产是否拥有个体工商业赡养老人数是否关注经济金融信息是否有家庭成员从事金融行业地区GDP截距项样本量个体效应时间效应Wald chi2Pseudo R2（1）是否购买证券类风险资产Probit0.283*（0.091）-1.324*（0.209）23776控制控制3824.560.0528（2）是否购买证券类风险资产Probit0.182*（0.051）0.221*（0.039）-0.256*（0.053）0.012*（0.005）0.016*（0.006）0.043*（0.014）0.032*（0.018）0.013（0.029）0.282*（0.096）0.303*（0.102）-0.135*（0.042）-0.080（0.216）0.152*（0.005）0.161*（0.052）0.282*（0.084）-2.362*（0.758）23776控制控制3125.680.0632（3）证券类风险资产占比Tobit0.206*（0.058）-2.576*（0.596）23776控制控制3356.780.1326（4）证券类风险资产占比Tobit0.159*（0.047）0.151*（0.069）-0.178*（0.072）0.009*（0.004）0.006*（0.003）0.036*（0.015）0.010*（0.004）0.072（0.054）0.221*（0.079）0.263*（0.086）-0.155（0.578）-0.062（0.274）-0.023*（0.007）0.079*（0.021）0.201*（0.059）-2.582*（0.983）23776控制控制3850.460.2155注：括号内为标准误，*、*、*分别表示在1%、5%、10%的水平上显著，下同。115经 济 实 证统计与决策2023年第21期总第633期样本量两种方法进行稳健性检验，结果如表3所示。表3中列（1）、列（2）为替换“金融业开放度”代理变量的回归结果。使用各省份金融业外商直接投资额的对数值，替换各省份外资银行数据，来衡量本地区金融业的开放程度。从列（1）、列（2）的结果可以看出，替换代理变量后，是否购买证券类风险资产和证券类风险资产占比的回归系数均显著为正。在改变样本量方面，参考方先明等（2020）11的做法，剔除北京、上海、天津、重庆4个直辖市的样本进行回归，列（3）、列（4）的结果表明，在剔除了部分特殊地区的样本量之后，金融业开放度的影响仍然是正向显著的。这表明基准回归的结果是稳健的。表3稳健性检验结果金融业开放度截距项样本量个体效应时间效应Wald chi2Pseudo R2替换“金融业开放度”的代理变量（1）是否购买证券类风险资产Probit0.236*（0.733）-0.972*（0.321）23776控制控制3365.240.0338（2）证券类风险资产占比Tobit0.115*（0.026）-1.599*（0.632）23776控制控制3856.720.0509改变样本量（3）是否购买证券类风险资产Probit0.192*（0.595）-2.937*（0.692）22806控制控制3208.130.1596（4）证券类风险资产占比Tobit0.132*（0.036）-2.509*（0.789）22806控制控制3338.270.3028注：由于篇幅限制，控制变量的回归结果不再显示，下同。3.3数字普惠金融的中介效应检验根据前文分析可知，某一地区金融业开放水平的提升，有可能通过促进当地数字普惠金融发展，进而影响家庭对证券类风险资产的购买，为检验这一假设，先基于式（1）、式（4）、式（5），对“是否购买”的影响机理进行检验，回归结果见表4中的列（1）至列（3）；然后根据式（2）至式（5），对“证券类风险资产占比”的影响机理进行检验，结果见表4中的列（4）至列（6）。表4中介效应检验结果金融业开放度地区数字普惠金融水平截距项样本量个体效应时间效应Wald chi2Pseudo R2是否购买证券类风险资产（1）是否购买证券类风险资产Probit0.182*（0.049）-2.362*（0.758）23776控制控制3125.680.0632（2）地区数字普惠金融水平0.049*（0.016）1.307*（0.521）23776控制控制3578.940.0531（3）是否购买证券类风险资产Probit0.173*（0.052）0.126*（0.038）-1.762*（0.896）23776控制控制3455.160.0681证券类风险资产占比（4）证券类风险资产占比Tobit0.159*（0.047）-2.582*（0.983）23776控制控制3850.460.2155（5）地区数字普惠金融水平0.049*（0.014）1.307*（0.521）23776控制控制3578.940.0531（6）证券类风险资产占比Tobit0.153*（0.047）0.108*（0.302）-1.987*（0.645）23776控制控制3623.820.3511从列（2）结果可以看出，金融业开放度对地区数字普惠金融水平影响的回归系数为0.049，且在1%的水平上显著，表明扩大金融业开放度能够促进地区数字普惠金融水平的提高；而列（3）显示，地区数字普惠金融水平的回归系数显著为正，这表明金融业开放度能够通过提升数字普惠金融水平来提升家庭对证券类风险资产的购买意愿，同时，列（3）中金融业开放度的回归系数为0.173，较列（1）中的0.182有所降低，表明地区数字普惠金融水平存在部分中介效应。列（5）和列（6）的结果进一步表明，对于家庭证券类风险资产占比这一变量，地区数字普惠金融水平同样存在部分中介效应。验证了假设2。3.4异质性检验将样29个省份划分为东部、中部和西部地区三个组别，进行异质性分析，结果如表5所示。可以看出，无论对于是否购买证券类风险资产，还是证券类风险资产占比，金融业开放度对我国东、中、西部地区均存在显著正向影响。通过比较各地区的回归系数，发现金融业开放度对2个被解释变量的影响呈现自东向西依次递减的效应，其中，东部地区高于全国水平，而中部和西部地区低于全国水平，因此，假设3得到验证。可能的原因是，东部地区省份市场化及金融业竞争程度较高，外资金融机构尤其是资管类金融机构进入后，通过技术溢出、鲇鱼效应等机制，能够更好地促进当地数字普惠金融及经营管理理念的提升，进而更有效地吸引家庭参与证券市场。4结论本文使用2015年、2017年和2019年的中国家庭金融调查（CHFS）数据，实证检验了金融业扩大开放对家庭金融资产配置的影响，并探讨了可能的影响机理及区域异质性效应，得出以下结论：（1）金融业开放能够显著促进家庭参与股票、基金等证券类风险资产市场，并且随着金融业开放程度的提升，家庭持有证券类风险资产占其金融资产的比重也随之提高。替换“金融业开放度”代理变量以及剔除部分特殊地区样本后，进行稳健性检验的结果仍然支持以上结论。同时，金融知识、风险态度、家庭总收入、家庭金融资产等个体因素，以及所在省份的经济发展水平等宏观因素，均对家庭购买证券类风险资产产生显著的正向影响。（2）金融业开放通过提升地区数字普惠金融水平进表5异质性检验结果金融业开放度截距项样本数个体效应时间效应Wald chi2Pseudo R2是否购买证券类风险资产（1）全国0.182*（0.586）-2.362*（0.758）23776控制控制3125.680.0632（2）东部地区0.203*（0.562）-1.798*（0.962）7751控制控制3546.390.0926（3）中部地区0.173*（0.058）-2.532*（0.672）9201控制控制3964.580.0375（4）西部地区0.152*（0.045）-2.173*（0.802）6824控制控制3256.780.0499证券类风险资产占比（5）全国0.159*（0.047）-2.582*（0.983）23776控制控制3850.460.2155（6）东部地区0.186*（0.052）-1.894*（0.735）7751控制控制4005.780.3219（7）中部地区0.125*（0.039）-2.803*（0.566）9201控制控制3948.560.0435（8）西部地区0.122*（0.038）-1.569*（0.699）6824控制控制3679.540.3978116经 济 实 证统计与决策2023年第21期总第633期而影响家庭金融资产配置。外资金融机构的进入，能够显著提升当地数字普惠金融的发展水平，而数字普惠金融的发展进一步有效促进了当地家庭对证券类风险资产的购买，并提升其在金融资产中的配置比例。（3）金融业开放对家庭购买证券类风险资产的影响，存在明显的区域异质性。东部地区的正向促进效应最强，其次是中部地区，西部地区虽然也存在正向效应，但效果较弱。参考文献：1Abreu M,Mendes V.Financial Literacy and Portfolio Diversification J.Quantitative Finance,2020,10(5).2尹志超,宋全云,吴雨.金融知识、投资经验与家庭资产选择J.经济研究,2014,49(4).3周慧珺,沈吉,龚六堂.中老年人健康状况与家庭资产配置基于资产流动性的视角J.经济研究,2020,55(10).4卢亚娟,何朴真.人口老龄化、金融素养与家庭金融资产配置J.经济问题,2022,(12).5王亚柯,刘东亚.信贷约束与家庭金融市场参与J.金融研究,2023,(2).6尹志超,吴雨,甘犁.金融可得性、金融市场参与和家庭资产选择J.经济研究,2015,50(3).7路晓蒙,赵爽,罗荣华.区域金融发展会促进家庭理性投资吗?基于家庭资产组合多样化的视角J.经济与管理研究,2019,40(10).8胡宁宁,侯冠宇.数字普惠金融对家庭资产多样化配置的影响J.统计与决策,2022,(18).9程小庆,葛璐澜,金洪飞.金融业开放对中国商业银行利润及风险的影响J.当代财经,2020,(5).10周东,赵曼如,高峰.金融业开放是否有利于促进中国制造业企业出口?J.西安交通大学学报(社会科学版),2022,42(1).11方先明,刘韫尔,陈楚.数字普惠金融、居民消费与经济增长来自我国省域面板数据的经验证据J.东南大学学报(哲学社会科学版),2022,24(3).（责任编辑/方思）DOI:10.13546/ki.tjyjc.2023.21.0210引言气候变化是当今社会面临的重大问题之一，严重威胁着人类健康与经济的可持续发展。积极应对气候变化是中国实现可持续发展的内在要求。为破解城市经济发展与生态环境保护之间的突出矛盾，政府出台了一系列创新政策，其中，国家创新型城市政策尤为引人关注，国家创新型城市建设走出了一条资源要素市场化配置的新路径，被视为城市低碳转型的根本出路1。因此，在“双碳”目标要求下，如何激发国家创新型城市政策节能减排的内在潜能，已成为学术界探索的热点问题。与本文研究联系紧密的文献大致可分为两类：第一类是关于碳排放的相关研究。学者们认为绿色基础设施、经济增长、产业集聚、贸易开放能够显著抑制城市碳排放。随着政策分析工具的不断演进，学者们开始运用计量模型检验相关政策的减排效应。如王胜今和朱润酥（2022）2认为低碳城市建设能够加大环境污染治理力度、增加环境保护投资，从而降低二氧化碳排放。薛飞等（2022）3认为“宽带中国”建设与绿色技术创新的协同效应能够显著降低城市碳排放量。第二类是关于国家创新型城市建设的相关研究。随着生态环境日益恶化，国家创新型城市建设也越发受到人们的重视，既有文献从产业结构、城市创新、高质量发展等方面考察了国家创新型城市建设的政策效果。如霍春辉等（2020）4认为，试点政策通过强化企业创新能力、提升劳动力集聚程度等途径促进产业结构升级；崔新蕾和刘欢（2022）5研究发现，创新型城市建设可通过吸引高质量人力资源和产业结构升级提高区国家创新型城市建设、产业转型升级与碳排放效应惠献波（河南财政金融学院 工商管理学院，郑州 451464）摘要：文章以20062020年我国280个地级市的面板数据为基础，基于产业转型升级的视角，采取多期DID方法实证检验了国家创新型城市建设对区域碳排放的影响。结果表明，国家创新型城市建设能够显著抑制区域碳排放，该结论在经过PSM-DID等稳健性检验后仍然成立。异质性分析结果表明，在地理区位更具优势以及具备经济集聚优势、严格环境规制等资源禀赋优势的城市，国家创新型城市建设对区域碳排放的抑制作用更加显著。机制研究结果表明，产业转型升级是国家创新型城市建设抑制区域碳排放的有效路径。关键词：国家创新型城市；产业转型升级；碳排放；多期DID中图分类号：F062.9文献标识码：A文章编号：1002-6487（2023）21-0117-05基金项目：河南省软科学研究计划项目（222400410152）；河南省高等教育教学改革研究与实践重大项目（2021SJGLX033）作者简介：惠献波（1975），男，河南濮阳人，博士，副教授，研究方向：农村金融。117