环境规制调节下数字金融对绿色技术创新的动态影响研究.pdf

第2 0 卷第8 期2023年8 月DOI编码：10.39 6 9/j.issn.1672-884x.2023.08.008管理学报Chinese Journal of ManagementVol.20 No.8Aug.2023环境规制调节下数字金融对绿色技术创新的动态影响研究韩先锋1关郑酌基1宋文飞李勃昕3（1.昆明理工大学管理与经济学院；2.陕西师范大学西北历史环境与经济社会发展研究院；3.西安财经大学公共管理学院）摘要：在理论阐释环境规制如何影响数字金融为绿色技术创新赋能的基础上，采用面板门槛模型及省级层面数据进行了实证检验。研究发现：数字金融对中国绿色技术创新产生了明显的促进作用，且这一积极效果随着国家层面重视开始显著释放。环境规制可正向动态调节数字金融的绿色技术创新效应，但过低的环境规制强度会造成数字金融赋能的红利损失，较严厉的环境规制策略才更有利于发挥数字金融的激励效应；环境规制的最优调节效果存在显著的空间差异，东部地区、数字经济集聚区需满足远高于中、西部地区和非数字经济集聚区的环境规制强度约束；现阶段环境规制虽有利于数字金融与绿色技术创新的协调发展，但总体呈现“西部东部中部”“数字经济集聚区强于非集聚区”的阶梯化调控特征。关键词：环境规制；数字金融；绿色技术创新中图法分类号：C93文献标志码：A文章编号：16 7 2-8 8 4X(2023)08-1180-09Research on the Dynamic Influence of Digital Finance on GreenTechnology Innovation Under Environmental RegulationHAN Xianfeng ZHENG ZhuojilSONG WenfeiLI Boxin(1.Kunming University of Science and Technology,Kunming,China;2.Shaanxi NormalUniversity,Xian,China;3.Xian University of Finance and Economics,Xian,China)Abstract:Based on the theoretical explanation of how environmental regulation affects digital fi-nance and empowers green technology innovation,this study makes empirical test by using a panelthreshold model and provincial level data.The results show that,digital finance has significantly pro-moted Chinese green technology innovation,and this positive effect has begun to be released signifi-cantly with the attention of national level.Environmental regulation can regulate the green technologyinnovation effect of digital finance positively and dynamically,but low environmental regulation inten-sity will cause the dividend loss of digital finance empowerment.More stringent environmental regula-tion strategy is conducive to the incentive effect of digital finance.There are significant spatial differ-ences in the optimal regulation effects of environmental regulations,with the eastern regions and dig-ital economy agglomerations needing to meet much higher environmental regulation intensity con-straints than the central and western regions and non-digital economy agglomerations.And althoughenvironmental regulation is conducive to the coordinated development of digital finance and green tech-nology innovation,it generally presents the stepped regulation characteristics of“WestEastCen-tral and“digital economy agglomerations is stronger than non-agglomerations.Key words:environmental regulation;digital finance;green technology innovation收稿日期：2 0 2 2-0 3-11基金项目：国家自然科学基金资助项目（7 2 16 30 18）；陕西省社会科学基金资助项目（2 0 2 2 D019）；昆明理工大学人文社会科学培育重点项目（PYZDD202204）1180环境规制调节下数字金融对绿色技术创新的动态影响研究一一韩先锋郑酌基宋文飞等数字金融赋能技术创新发展寻找有力证据，但1研究背景所持观点尚存在争议。比如，李健等 8 研究显目前，绿色技术创新已俨然成为国家大力示，数字金融对中小企业和民营企业具有更为推动生态文明建设和加速实现“双碳”目标的关强劲的创新激励效应；赵晓鸽等 9 则得出了相键支撑。然而，绿色技术创新具有高融资、高风反结论，指出相较于民营企业，数字金融对国有险和长周期等鲜明特征，使得传统金融往往对企业技术创新的积极作用更为明显。上述文献支持绿色技术创新发展望而却步，进而无形中虽刻画了数字金融赋能一般技术创新发展的客导致绿色技术创新陷人了“融资难”和严重依赖观事实，但对于数字金融与技术创新之间的最有限政府补贴的现实窘境。这种情形下，学优化决策问题还缺乏关注。数字金融的间接术界开始转向从数字金融等新型金融业态寻找影响。潘爽等 10 、郑万腾等 11 从促进银行业竞新的破局之法，发现数字金融的“低门槛、高效争、提高市场化水平、缓解资本要素扭曲和提升率和低成本”等天然优势打破了传统金融的固劳动力技能等维度，为数字金融促进区域创新有服务模式，对驱动绿色技术创新具有积极作探索了宏观路径。唐松等 12 、谢雪燕等 13 则基用 2 。遗憾的是，关于数字金融与绿色技术创于微观层面给出了答案，认为数字金融发展能新的关联性研究刚刚起步，对于该问题的认识够稳定企业财务状况、缓解融资约束，从而有助也明显不足，这与国家当前快速发展的数字化于技术创新。数字金融的非线性影响。徐章和绿色化事实极不相称。与此同时，“双碳”目星 14实证表明，当超过数字金融发展门槛值时，标的提出，预示着国家层面未来较长一段时间其对城市创新影响的边际收益增加。郑万腾内可能会实施更为严厉的环境规制政策，而数等 151分析显示，在劳动者素质、政府支持和产业字经济时代下绿色低碳化和数字智能化，也在升级调节下，数字金融发展的创新效应呈现出社会经济领域不可避免地发生着交织和碰撞，边际递增特征。聂秀华等 16 1则指出，制度质量导致分析数字金融的绿色技术创新效应已无法越好、人力资本水平越高，数字金融对技术创新回避环境规制带来的压力冲击。因此，如果剥的激励效应就越明显。上述文献多侧重于探究离环境规制潜在冲击，而单纯考虑数字金融与随着数字金融自身或外部环境变化，数字金融绿色技术创新的关系，这样可能会得出误导性对一般技术创新的非线性影响，但挖掘的外部结论。那么，数字金融是否有利于绿色技术创环境因素还极为有限，亦忽略了“双碳”背景下新？环境规制在当中又扮演着何种角色？环境环境规制的潜在冲击。规制调节究竟具有何种动态化和异质性规律？基于既有研究的不足，本研究拟从以下两客观回答上述问题，对于系统解构环境规制如个方面做出有益补充：理论阐释促使数字金何影响数字金融的绿色技术创新效应，乃至“十融有效赋能绿色技术创新的环境规制动态调控四五”时期国家积极推动绿色化与数字化的融机制，以期为依托环境规制手段提升数字金融合发展具有重要现实意义。服务绿色技术创新的靶向性和有效性提供理论涉及数字金融与绿色技术创新关联性的相启示；实证挖掘环境规制对数字金融赋能绿关研究中，部分文献采用上市公司样本，证实了色技术创新的具体动态调节特征和潜在规律，数字金融有利于企业绿色创新，且主要通过缓为依托环境规制与数字金融联动策略，以加快解融资约束、降低杠杆水平和提升非控股股东绿色技术创新发展提供新的视角和决策参考。参与决策积极性等渠道来实现3。王智新等 42理论分析与研究假设分析发现，数字金融对企业绿色创新的影响表现出边际效应递增特征。尹飞霄 2 、王利晓等51基于省级层面数据探讨发现，数字金融对区域绿色创新的积极影响存在明显的空间溢出和时序演变特征。与本研究联系较为紧密的多数文献主要集中于探究数字金融对一般技术创新造成的冲击，具体表现在以下3个方面：数字金融的直接影响。谢绚丽等 和梁榜等 7 从宏观层面肯定了数字金融对区域创新具有积极影响。与此同时，部分学者也基于微观层面为2.1楼数字金融赋能绿色技术创新发展的内在机制数字金融是传统金融服务业与互联网、云计算、大数据等数字技术深度融合发展的重要产物，在驱动绿色技术创新过程中扮演着重要角色。具体而言，数字金融赋能绿色技术创新的作用机制体现如下：数字金融有助于整体提升金融支持绿色技术创新的强度和效果。由于绿色技术创新的环境效益难以在短期内迅速.1181:管理学报第2 0 卷第8 期2 0 2 3年8 月实现转化，加之创新风险水平高却缺乏担保和控，以倒逼企业摒弃短视行为。随着绿色技术抵押物等多维因素制约，致使绿色技术创新活创新的持续发展，流人的数字金融资本规模持动难以从传统金融市场获得有效融资，也导致续增加，但不同绿色技术创新领域的数字金融由传统金融衍生的绿色金融服务功能受限。数配置却具有一定随机性，无形中加剧了绿色技字金融具有典型的网络性和普惠性特征，天然术创新资源的统筹协调难度，依然需要依赖环携带“门槛低、速度快、覆盖广、效率高”等优势。境规制手段加以调控和引导。因此，数字金融基于资源分配理论，数字金融依托大数据、云计赋能绿色技术创新的真实效果会因环境规制的算和人工智能领域的技术应用，既能快速搜集变化而变化。具体而言，在过低的环境规制强海量的绿色技术创新信息并进行及时高效处度下，全社会污染产业比重较高，数字金融虽能理17 ，确保在风险可控的同时迅速实现供需双快速筛选出有投资潜力和价值的绿色项目，但方融资需求的精准匹配，又可有效盘活游离于整体支持力度相对不足，且有限的资金往往还正规金融体系之外的金融资源，从而无形中提会因创新主体的短视行为而用作他处，从而会高了绿色技术创新的信贷资源配置效率和服务在一定程度上造成数字金融赋能的红利损失。规模 。同时，在数字金融诱导下，传统金融和随着环境规制强度的持续提升，其既会开始约社会资本可快速向创新能力强、潜力大和价值束创新主体不得不进行绿色技术升级改造并履高的绿色技术创新项目集聚，有利于降低甚至行环保责任 2 0 ，也会积极引导数字金融部门持限制资源向高污染行业及企业流动，从而持续续进行信贷融资创新，以实现信贷绿色化、产业提升了金融支持绿色技术创新的靶向性。数绿色化、资源节约化及消费生态化。二者联动，字金融发展能在一定程度上降低融资双方的运在推进清洁产业绿色技术创新的同时，也可诱作成本，激发各方参与绿色技术创新的能动性。发高能耗、高污染产业实现绿色化转型升级，从基于长尾理论，数字金融能在短期内轻易打破而致使数字金融对绿色技术创新的服务效能明绿色技术创新信息传递的时空限制 18 ，整体提显增强。当环境规制强度达到较高水平时，社升金融服务的深度和广度，加速金融服务需求会的污染水平明显降低，绿色产业将占据主导向“尾部”移动，并极大弥补金融市场的信息不地位，高能耗、高污染的低效产业逐渐被淘汰。对称缺陷。这种情形下，金融机构能最大程度此时，数字金融有效服务的绿色技术创新群体降低因闲置资金而产生的机会成本，更多绿色不断增多、参与深度日益增强、融资标准与要求技术创新主体也能缩短融资的无效等待时间，也在持续攀高，极易形成数字金融赋能的良性从而既能提升金融市场的交易效率，又可极大循环网络，使得数字金融在更大范围、更多创新节省金融机构和绿色技术创新主体的时间、交环节和更长时间内发挥“网络效应”，从而使得易和机会成本，无形中会不断增强投融资各方绿色技术创新活动受益更多。基于此，提出以共同参与绿色技术创新的积极性，从而最终促下假设：进了绿色技术创新。基于此，提出以下假设：假设2 过低的环境规制强度会造成数字假设1数字金融发展对绿色技术创新活金融赋能的红利损失，只有较高的环境规制强动具有激励效应。度才能最大限度发挥数字金融的绿色技术创新2.2环境规制对数字金融与绿色技术创新的溢出。动态调节机制2.3环境规制调节的时空异质性动态响应机制绿色技术创新活动的外部性特征，导致纯进一步，中国不同地区的数字经济发展和粹的市场化手段难以有效发挥数字金融的支持绿色技术创新能力均存在明显差异，导致数字效果。波特假说认为，适宜的环境规制有利于金融与绿色技术创新的耦合环境存在空间差形成超过环境规制成本的“补偿性收益”，进而异。具体而言，东部地区数字基础设施建设较有效促进绿色技术创新 19。这意味着，数字金为完善，绿色经济发展起步较早，在人力资本、融发展的绿色技术创新效应同样需要环境规制产业结构升级等方面均具有优势，且我国金融工具的动态调节。一般而言，在绿色技术创新资源也主要集中于珠三角、长三角和环渤海地初期，创新主体虽能从数字金融部门获取一定区 2 1，这都直接决定了该地区在数字金融和绿的创新资本，但却往往因经营压力而挤占绿色色技术创新发展方面均具有天然优势。中、西技术创新资金，致使创新主体开展绿色技术创部地区受制于较低的经济发展和要素烹赋水新的动机不足。此时需要政府发挥环境规制调平，数字金融服务和绿色技术创新水平、观念等:1182环境规制调节下数字金融对绿色技术创新的动态影响研究均相对滞后，致使其在数字金融赋能绿色技术创新发展中存在先天不足。也正因为不同地区潜在的基础差异，导致东部地区发展虽然起步较早、现实基础较好，但却具有更高的条件约束，尤其是在缺乏政策引导规范的情况下，极容易导致出现数字金融对绿色技术创新的赋能效果仅仅是“锦上添花”。而中、西部地区由于起步晚、水平低，反而拥有后发潜力，同时由于该地区绿色技术创新主体普遍面临较高的融资约束，导致数字金融在其中更多地扮演了“雪中送炭”的角色 2 2 。这种情形下，环境规制压力持续加剧了不同地区数字金融赋能的效果差异。特别是，在经济高质量发展和“双碳”目标等战略挤压下，经济发展水平较高的东部地区往往不得不选择实施更严厉的环境规制策略，并通过制定高标准的环保策略来诱发数字金融流入绿色技术创新活动中。中、西部地区由于原本绿色发展基础较差和要素市场发育不完善，考虑到产业发展和经济增长等的承受力，决定了环境规制强度的提升有着循序渐进的演变过程，但也正由于基础薄弱，使得适度的环境规制强度就足以撬动和引导该地区数字金融和绿色技术创新的协调发展。因此，在环境规制、数字金融和绿色技术创新水平的持续变化下，最终导致环境规制的调节效应存在一定的时空异质性特征。基于此，提出以下假设：假设3环境规制调节下，数字金融发展的绿色技术创新效应存在一定的时空异质性特征。3研究设计3.1变量设置和说明北京大学数字金融研究中心披露的省际数字金融数据最早延伸至2 0 11年，综合考虑研究数据的质量和可获性，这里选取2 0 112 0 19 年为研究时段。由于西藏自治区和港、澳、台三地数据存在较多缺失，故这里最终选取中国内陆30个省级行政单元作为研究对象。本研究分析的相关数据主要来自国家知识产权局中国专利公布公告网、北京大学数字普惠金融指数中国科技统计年鉴中国统计年鉴中国知识产权年鉴和国家知识产权局官网。总计获得57 0 个观测值。这里对具体研究变量做如下设定。(1)被解释变量绿色技术创新（gti)。参照张玉明等 2 3 的做法，选取绿色专利授权量来衡量。同时，为了增强研究结论的稳健性，本研究还借鉴郭凌军等 2 4 的经验，采用绿色专利申一韩先锋郑酌基宋文飞等请数作为被解释变量进行辅助测试。对于具体数据，这里基于世界知识产权组织给出的绿色专利清单中的分类编码，从国家知识产权局中国专利公布公告网上抓取2 0 112 0 19年30 省份的绿色专利授权量和申请数面板数据。为尽可能消除异方差，这里对上述指标均做了对数化处理。(2)核心解释变量数字金融（dfi）。数字金融水平核算是一个较为复杂的系统工程，截止目前尚未有官方正式披露的数字金融数据。多数学者基于北京大学数字金融研究中心发布的数字普惠金融指数来表征 12.2 5，该指数由来自蚂蚁金服这一代表性数字金融企业的海量数据估算而成，可较全面地衡量数字金融发展实际。鉴于此，这里最终选取该指数来反映数字金融发展水平。为确保研究结论的稳健性，这里还分别选取了数字金融的覆盖广度指数和使用深度指数作为替代指标进行稳健性测试。同样，为尽可能消除异方差，这里亦对相关指标进行了对数化处理。(3)调节变量环境规制（er)。借鉴康鹏辉等 2 6 的做法，选取GDP/Energy指标来衡量环境规制强度，指标数值越大，意味着相应环境规制策略越严格。同时，为印证研究结论的可靠性，这里还选取地理加权的PM2.5年均浓度指标（微克/立方米）这一逆向环境规制指标进行辅助测试，该指标数值越小意味着环境规制强度越高。(4)控制变量这里还控制了其他一些可能影响绿色技术创新的变量。外商直接投资（fd i），采用人民币表示的实际利用外资额与同期GDP的比值来衡量；技术引进（tei），借鉴韩先锋等 2 7 的经验，选取国外技术引进合同金额与GDP比重来表征；知识产权保护（ipr），采用专利未被侵权率指标来体现；城市化水平（u r b），选取年末城镇人口在总人口中所占的比例来反映；研发投入强度（rd），选取历年研发经费内部支出额与GDP比值刻画。3.2计量模型构建本研究首先考察数字金融对绿色技术创新的直接影响，具体建立如下模型：gtii=o+idfii+jai+ei,式中，i表示省份；t表示时期；ci为其他一些影响绿色技术创新的控制变量；。为截距项；1为估计系数，系数大小及方向反映了数字金融对绿色技术创新的静态影响；，表示控制变量估计系数；ei为误差项。.1183(1)管理学报第2 0 卷第8 期2 0 2 3年8 月进一步，这里检验环境规制调节下，数字金板数据是平稳的，一定程度上避免了潜在的伪融对绿色技术创新影响的动态特征。具体地，回归干扰；面板协整检验，同时运用Pedroni在式（1)基础上构建如下模型：和Kao,基于E-G两步法回归残差的面板协整gtii=aidfitI(eri)+技术检验发现，绿色技术创新、数字金融与环境2dfiiI(eri)+0jau+i,(2)式中，为待估计的门槛值;误差项iid(O，）。基于调节变量er与门槛值的大小比较，可将样本划分成具有不同回归系数的两个不同区间；I（）表示一个指示函数，取值为1即满足括号内条件，反之，取值为0 则不满足；2为估计系数。式（2)是单一门槛模型，考虑到可能存在多门槛，这里对模型做了拓展，具体如下：gtii=idfiiI(eri)+2dfiiI(eri)+.+andfiiI(eri)+ai+idfiiI(era)+jxi+eit。(3)4实证结果及分析在实证分析前，首先进行以下三方面检验，以证明本研究计量模型的合理性：多重共线性检验，测算的最大方差膨胀因子VIF数值为3.89，有效控制了计量回归中的共线性干扰；面板平稳性检验，基于 PP-Fisher、A D F-Fi s h e r、IPS和LLC方法测试发现，本研究所选取的面类别模型1gti-1dfidfi-1fdiiprteiurbrd常数项(2.911)J检验R2F值27.893D-W值1.588注：*、*、*分别表示在10%、5%和1%的显著性水平上拒绝原假设；括号内数值表示t统计量。下同。为确保得到无偏的估计结果，这里在模型1的基础上加人控制变量，依据模型4可知，数字金融水平增加1%，将诱发绿色专利授权量提升0.2 18%。同时，这里分别采用数字金融1184:规制之间的协整关联显著存在。4.1数字金融与绿色技术创新关联性的初步考察经Hausman检验发现，基于固定效应模型做估计更合理。数字金融对绿色技术创新的具体影响结果见表1。由表1模型1可知，不考虑控制变量情形下，数字金融系数显著为正，表明数字金融对中国绿色技术创新产生了明显助力。为初步控制内生性影响，这里采用差分GMM模型做估计。由模型2 可知，数字金融系数依然显著为正，表明本研究的内生性问题不明显。同时，为揭示数字金融发展的政策冲击差异，这里以“2 0 14年数字金融首次出现在政府工作报告中”这一重大数字金融变革为依据，对2 0 152 0 19年样本再估计。由模型3可知，数字金融系数相比模型1明显增大，不仅表明上述结论是稳健的，而且也说明国家层面重视以及相关政策出台，均有利于更有效发挥数字金融的赋能效应。表1基本模型估计结果（N=570)模型2模型30.221*(67.682)0.773*1.259*(11.896)(49.570)0.974*29.957(0.269)0.778模型42.343*0.218*(12.399)(1.936)-10.700*(2.001)-12.955*(2.174)-34.908*(-2.749)8.286*(3.537)56.007*(1.842)-7.606*11.311*-7.296)(1.791)0.8120.81721.42029.8822.4551.779模型50.406*(3.688)9.251*(-1.764)-12.712*(-2.178)35.497*(-2.854)6.143*(2.806)51.501*(1.738)11.388*(1.845)0.82431.3981.856使用深度替代数字金融，以及绿色专利申请数替代绿色技术创新重估模型，结果见模型5和模型6。不难发现，数字金融系数依然显著为正，较好佐证了上述结论。为尽可能降低内生模型60.191*(2.100)-9.703*(2.248)11.993*(2.493)23.033*(2.247)7.982*(4.221)83.493*(3.403)10.951*(2.149)0.85639.7931.678模型70.413*(3.663)-11.898*(-2.144)-10.613*(-1.789)-10.508(-0.835)8.779*(3.179)23.571(0.725)8.238(1.292)0.83228.9071.828模型80.113*(1.734)0.961*(3.992)8.105(1.457)7.974(1.360)-7.175(0.579)4.811(1.587)2.513(0.078)4.604(0.739)0.84029.5842.189模型91.018*(4.085)-9.390*(-1.683)-9.343(1.599)9.563(0.771)5.748*(1.823)10.678(0.331)5.562(0.891)0.83729.3811.987环境规制调节下数字金融对绿色技术创新的动态影响研究性干扰：采用数字金融滞后一期dfi-1为核心变量再估计。模型7 中数字金融估计系数显著为正，说明内生性问题并不严重。数字金融估计系数有所增大，表明这种积极影响存在一定滞后特征。选择被解释变量滞后一期gti-1为解释变量构建动态面板模型重新估计。由模型8 可知，数字金融的估计结果和模型4相比并不存在明显区别。选择滞后一期dfi-1作为当期dfi的工具变量，并采用固定效应的2SLS模型进行回归，模型9结果和前文不存在明显区别。总体看来，数字金融有利于绿色技术创新，且该结论经过一系列稳健性检验后依然稳健，印证了假设1成立。4.2环境规制对数字金融赋能绿色技术创新的动态调节机制分析本研究采用Hansen面板门槛回归方法，揭示环境规制调节下数字金融对绿色技术创新影响的非线性规律。这里运用“自举法”重叠模拟似然比检验统计量30 0 次，门槛效应检验的F值和估计结果见表2。表2 中，模型1和模型2分别是不考虑和考虑控制变量的估计结果。不难发现，基于三重门槛模型做解析较合理。为确保检验和估计的稳健性，这里还采取以下几种方式进行稳健性测试：采用数字金融使类别模型1fdiiprteiurbrddfildfi2dfi3dfi4er2.4620.775*(12.846)F121.907*F213.897*F34.801*注：dif1至difi4分别为不同环境规制调节下数字金融变量的估计系数；F1、F2、F3分别为单一、双重和三重门槛检验的F值。下同。一韩先锋郑酌基宋文飞等用深度作为数字金融的替代指标进行估计，结果见模型3；运用双重面板门槛模型做估计，结果见模型4；选取地理加权的PM2.5年均浓度这一逆向指标作为环境规制的替代指标再估计，结果见模型5；剔除平均数字金融水平的极大值和极小值样本重新估计，结果见模型6；剔除研发投人强度再估计，结果见模型7；采用将被解释变量替换为绿色专利申请数，并基于双重门槛模型做估计，结果见模型8。经过检验发现，上述不同情境下均适合采用门槛模型进行估计。由表2 估计结果可知，数字金融对绿色技术创新的影响会因环境规制强度的变化而表现出动态演化特征，且环境规制总体正向调节数字金融的绿色技术创新效应。基于基准模型2发现，环境规制调节下，数字金融对绿色技术创新的影响呈现显著正向且边际效率递增的非线性规律。具体表现为：当环境规制强度小于等于第一门槛值0.58 5时，数字金融估计系数为0.009但不显著。表明过低环境规制强度调节下，数字金融对绿色技术创新的积极影响并不明显。对比线性模型结果可知，过于宽松环境规制的总体调节效果是消极的；当环境规制强度介于0.58 51.7 7 2 间时，数字金融对绿色技表2 环境规制调节下的面板模型估计结果（N=570）模型2模型3-9.804*-8.700*(-1.887)(-1.714)-11,213*-10.410*(-2.659)(-2.518)29.989*-31.327*(-2.064)(2.253)6.793*5.043*(2.620)(2.208)24.57313.353(0.681)(0.396)er0.979er0.5850.424*0.009(5.113)(0.066)0.979er0.585er1.7721.7720.540*0.180*(7.905)(1.740)1.772er1.7722.4920.344*(2.885)9.627*6.258*3.063*模型49.986*(-1.910)-10.501*(-2.473)-30.225*(2.069)7.161*(2.730)15.240(0.427)er1.772er1.7720.369*0.190*(3.643)(1.796)1.772er1.7722.492er2.4920.528*0.355*(4.708)(2.940)10.202*9.627*5.529*6.258*2.612模型5-6.163(-1.181)-15.405*(2.650)39.977*(3.262)4.525*(1.904)35.986(1.219)er3.1000.493*(3.869)3.100er3.4870.356*(3.141)3.4873.9720.162(1.490)11.283*5.721*5.942*模型6-9.784*(-1.912)11 35 2*(-2.648)-32.908*(-2.266)8.045*(3.060)25.828(0.740)er1.8130.113(1.081)1.8132.7330.303*(2.312)9.158*7.000*2.506模型7-.9.825*(1.851)-11.378*-9.815*(-2.648)(3.086)-30.198*-16.117(2.071)(0.956)7.272*6.827*(2.996)(2.824)44.254(1.503)er0.585er1.7470.0330.165*(0.243)(1.684)0.585er1.747er1.7722.4910.192*0.242*(1.786)(2.354)1.7722.4912.4920.277*(2.430)er2.4920.367*(2.998)10.869*8.329*2.718*.1185模型8-8.949*(2.285)0.332*(2.907)11.942*10.858*管理学报第2 0 卷第8 期2 0 2 3年8 月术创新开始产生了显著的积极影响。当环境规因此，“十四五”时期，政府短期内应继续提高环制强度提升至1.7 7 2 2.49 2 间时，数字金融的境规制强度，以持续激发数字金融对绿色技术绿色技术创新效应进一步增大；当环境规制强创新的积极影响。对比模型3至模型8 的稳健度超过2.49 2 时，这种正向冲击将增至最大。性估计结果亦得出了和上述较为一致的结论。不难发现，过低环境规制强度会造成数字金融4.3环境规制对数字金融驱动绿色技术创新赋能的红利损失，较为严厉的环境规制策略才的异质调节机制分析更有利于实现数字金融与绿色技术创新的良性为深入解释可能存在的环境规制异质调节协调，验证了假设2 成立。特征，这里分别从东部、中部和西部三大地区，进一步计算发现，考察期内中国环境规制以及京津冀、长三角和珠三角8 省所在的数字的平均水平为1.6 11，整体位于第二门槛区间经济集聚区和其他省份所在的数字经济非集聚内，且距离第三门槛区间下限值1.7 7 2 差距较区两层面进行考察。基于上文方法检验发现，小，说明短期内通过加强环境规制强化激发数不同地区均应采用三重门槛模型来估计，相应字金融的赋能溢出是可行的。从各省份实际结果见表3。由表3可知，一方面，相较于中、看，约有12 省份环境规制强度跨入了第三门槛西部地区，东部地区数字金融的绿色技术创新区间，而唯独北京环境规制强度迈入了最优的溢出具有更为严厉的环境规制门槛。相较于数第四门槛区间，这些省份主要以东部地区为主。字经济集聚区，数字经济非集聚区则具有更为另外，除宁夏环境规制强度位于第一门槛区间宽松的环境规制约束。另一方面，在不同地区外，约有16 省份环境规制强度正分布于第二门数字金融赋能过程中，环境规制发挥着差异化、槛区间内，这些省份主要集中于中、西部地区。动态化的调节功能。表3地区层面的面板门槛模型估计结果（N=570）检验模型门槛特征基本估计eri区间结果dfiler2区间dfi2er3区间dfi3er4区间dfi4F1F2F3稳健性eri区间估计结果dfiler2区间dfi2er3区间d.fi3er区间dfi4F1F2F3注：er1至er4依次表示环境规制强度从小到大依次对应的4个门槛区间。基于传统地理分组估计发现：环境规制调节下，东部地区数字金融对绿色技术创新的影响呈现出显著的正向且边际效率递增的非线:1186东部地区er1.7120.286*(2.046)1.712er2.3300.469*(3.488)2.3303.2620.825*(5.863)14.499*7.237*8.2 40*er1.7120.406*(2.855)1.712er2.3210.620*(4.528)2.3213.3581.014*(8.133)9.707*7.839*8.680*中部地区er0.673-0.070(-0.580)0.673er1.1610.170(1.609)1.1611.9080.486*(7.510)27.357*11.923*3.405*er0.659-0.151(-1.249)0.659er1.1610.103(0.995)1.1611.7510.416*(7.605)24.383*12.362*3.665*西部地区er0.8030.516*(4.918)0.803er0.9820.333*(3.604)0.9821.7720.698*(9.520)14.941*5.857*6.976*er0.8030.541*(5.470)0.803er0.9820.376*(4.010)0.9821.7720.741*(9.887)14.583*6.489*5.689*性特征，且当环境规制强度超过3.2 6 2 时，东部地区数字金融发展的绿色技术创新效应将最为明显。采用数字金融滞后一期的稳健性估计结数字经济集聚区er1.7110.341*(1.944)1.711er2.3210.514*(3.179)2.3213.3581.020*(6.588)11.144*11.8.93*4.823*er1.7760.222(1.432)1.776er2.3210.419*(3.074)2.3213.3580.940*(6.239)11.590*12.123*7.215*数字经济非集聚区er0.9790.351*(4.358)0.979er1.7470.490*(7.856)1.7471.9240.669*(11.474)25.021*6.416*6.111*er0.6260.354*(4.821)10.626er1.7464620.480*(8.467)1.7461.9960.658*(13.530)29.591*9.677*7.126*环境规制调节下数字金融对绿色技术创新的动态影响研究果亦佐证了上述结论。环境规制调节下，数字金融对中部地区绿色技术创新的影响呈现U形特征，当环境规制强度小于等于0.6 7 3时，数字金融对绿色技术创新具有一定消极作用。只有当环境规制强度超过1.16 1时，数字金融才能产生积极影响，且当环境规制强度超越1.9 0 8时，这种积极调节效果将增至最大。采用数字金融覆盖广度作为替代变量的估计结果亦支持了上述结论。环境规制调节下，西部地区数字金融对绿色技术创新具有明显的正向U形非线性特征，当环境规制强度超过0.9 8 2 时，数字金融对绿色技术创新的促进效应会持续增大，且在环境规制强度达到1.7 7 2 时最为强烈。选取数字金融使用深度作为替代变量的回归结果表明上述结论是稳健的。上述结果均在一定程度上印证了假设3成立。基于数字经济集聚分组检验发现：在数字经济集聚区，当环境规制强度小于等于1.7 11时，数字金融对绿色技术创新产生了一定积极影响，但这种正向效应相对有限。当环境规制强度依次超越2.32 1和3.358 时，数字金融的赋能效应持续提升。因此，环境规制调节下，数字金融对数字经济集聚区绿色技术创新呈现出显著的正向且边际效率递增的非线性特征。研究时段调整为2 0 112 0 18 年的稳健性估计结果亦支持了上述结论。在数字经济非集聚区，当环境规制强度依次跨越0.9 7 9、1.7 47 和1.9 2 4时，环境规制对数字金融的绿色技术创新效应同样具有正向且边际效率递增的动态演化特征。同时，将被解