数字金融对区域绿色创新的空间效应.pdf

第2 3卷 第1 3期2 0 2 3年 7月 科 技 和 产 业S c i e n c eT e c h n o l o g ya n dI n d u s t r y V o l.2 3,N o.1 3J u l.,2 0 2 3数字金融对区域绿色创新的空间效应曹圣洁,徐鹏杰(聊城大学 商学院,山东 聊城2 5 2 0 0 3)摘要:通过空间相关性检验和构建空间权重矩阵,采用3 1个省(区、市)的面板数据,运用空间杜宾模型实证分析数字金融对区域绿色创新水平的空间影响效应。结果表明:数字金融能显著促进本区域绿色创新,但抑制周边地区发展,并且两者具有空间聚集性;从异质性分析来看,主要是数字金融使用深度分指数和中部地区的空间效应较为显著。最后提出因地制宜发展数字金融等相关建议。关键词:数字金融;绿色创新水平;区域差异中图分类号:F 2 7 2.3 文献标志码:A 文章编号:1 6 7 1-1 8 0 7(2 0 2 3)1 3-0 0 3 1-0 7收稿日期:2 0 2 3-0 3-0 6基金项目:聊城市新奥燃气工程有限公司燃气输配成本管理咨询项目(R 2 2WD 2 7)。作者简介:曹圣洁(1 9 9 8),女,山东沂水人,聊城大学商学院,硕士研究生,研究方向为产业经济学、区域经济学;徐鹏杰(1 9 7 5),男,山东兰陵人,聊城大学商学院,教授,硕士研究生导师,研究方向为产业经济学、区域经济学。创新作为引领发展的首要动力,对经济增长起到举足轻重的作用。但粗放式的经济增长模式对人类赖以生存的生态环境造成破坏,致使经济发展与生态环境难以协调1。党和国家越来越重视生态环境的重要性,把生态文明建设放在突出地位。党的二十大报告明确指出“必须完整、准确、全面贯彻新发展理念,加快发展方式绿色转型,以高质量发展为主 题,推 动 绿 色 发 展,促 进 人 与 自 然 和 谐 共生”2。绿色创新作为新发展理念中绿色和创新的结合体,是推动中国经济实现可持续发展、绿色转型发展的关键,更是促进中国经济健康发展的新的立足点。但是绿色创新活动的研发要求高、不确定性强,属于资金、知识密集型投资行为,需要依靠不断完善的金融市场来满足其要素需求3。金融服务通过实现资源间的共享以缓解供求双方信息不对称、简化交易流程而降低交易成本、放宽融资门槛来缓解融资约束,优化绿色技术创新资源配置4。随着互联网和信息技术的发展,借助金融科技服务实体经济的数字金融这一新型服务模式应运而生。那么,数字金融的发展能否对绿色创新产生激励效应呢?基于上述分析,通过构建空间杜宾模型实证研究数字金融与区域绿色创新水平间的关系,探究其可能存在的空间效应。考虑到中国显著的地域特征差异,进一步探究两者之间的空间异质性分析;并进行稳健性检验,以保证计量结果的精确性与可靠性。本 文 的 边 际 贡 献 主 要 有 以 下 几 个 方 面。从绿色创新这一新兴模式入手,并以省级面板数据为研究对象,系统梳理了数字金融对绿色创新的空间效应,有助于丰富相关研究的文献内容;通过分维度、分地区实证研究数字金融对绿色创新的异质性分析,充分保证了研究结果的稳健性与可靠性;研究结论对于指导中国实践发展有重要的现实意义。当前站在新的历史起点上,为实现新征程道路上的宏伟蓝图,必须以创新驱动可持续发展、以绿色促进高质量发展。创新是数字金融服务实体经济发展的永恒主题。数字金融的普惠发展,以及与工业互联网的融合发展,对创新尤其是绿色创新发挥着至关重要的作用。1 理论分析与假设研究1.1 数字金融对区域绿色创新的直接影响随着数字金融这一概念的发展,数字金融对区域绿色创新的效应研究成为目前研究的热点5。概括来说,相关文献主要从微观和宏观层面就数字金融对绿色创新水平的影响进行了实证研究。在微观层面上,数字金融为企业绿色创新提供了有利契机6。一方面,由于中小企业在市场竞争中处于弱势,常常受到传统金融机构的歧视而难以满足自身融资需求7,缺少创新创业项目资金;而数字金融能够降低融资门槛为其提供金融服务8,进而缓解中小企业融资难融资贵问题,激发企业绿色科技创新13活力;另一方面,借助当前大数据、人工智能等数字技术,数字金融可以通过整合并提供更多的财务、非财务信息,缓解信息不对称问题,适当规避绿色创新风险;通过简化企业生产流程、优化组织结构、完善体制政策9,为企业进行绿色创新提供有效率的资源服务。在宏观层面上,数字金融营造了更好的经济大环境,为市场主体提供新的生存发展空间,为绿色创新的长远发展搭桥铺路。数字金融凭借先天普惠优势,对传统金融取其精华去其糟粕,使金融产品和服务不断完善,丰富了金融业的业务体系,更好助推绿色科技创新蓬勃发展。数字金融发展能够提高居民消费水平、改善银行信贷机制显著提高区域创新水平1 0;数字金融可以改善资本与劳动力错配等问题,提高资源配置效率1 1,有助于推动经济高质量发展。基于上述分析,提出假设1。假设1:数字金融能够显著促进区域绿色创新水平。1.2 数字金融对区域绿色创新的空间溢出效应在金融地理学领域中,数据作为新型生产要素可突破地理距离的限制实现跨区域流动,使空间集聚和扩散机制发挥作用,增强区域间金融活动关联的广度和深度。各地区间地理距离越近,要素流动率越高,因而整个区域在产品和服务等方面存在空间上的依赖性。尤其是受摩尔定律影响,数字技术的快速发展,使得信息传递和处理成本大幅降低,提高了数据的流动性和可获得性1 2。数字金融既会对本区域绿色创新活动产生影响,而且也通过产业链的上下游影响周边城市绿色创新水平1 3。具有区位和资源竞争优势的区域往往拥有更高的金融发展程度,吸引周边城市绿色创新要素聚集,扩大与周边地区的金融资源差 异1 4,通 过“极化 效应”,会进一步抑制周边城市的绿色创新水平的提高。数字金融存在较高的技术门槛,需要依赖人才资源和高端科技设施,周边城市难以发挥后发优势以快速提升数字金融与区域经济的协调发展1 5。据此,提出假设2。假设2:发展数字金融会抑制邻近区域绿色创新水平,产生虹吸效应。2 研究设计2.1 样本与数据来源为探究数字金融对区域绿色创新水平的空间效应,选取2 0 1 12 0 2 0年3 1个省级面板数据作为研究对象(因数据缺失,未包括港澳台地区)。其中,绿色创新数据来源于中国研究数据服务平台(C N R D S数据库),数字金融指数数据来源于 北京大学数字普惠金融指数(2 0 1 12 0 2 0),产业结构升级变量数据来源于 中国统计年鉴,人力资本水平、研发支出水平、对外开放程度、经济发展水平等变量数据来源于国家统计局网站。2.2 变量说明被解释变量为区域绿色创新水平。多数研究主要是从区域绿色创新的投入角度进行衡量,但由于创新活动存在不确定性;若是从投入角度进行测量,则可能存在高估绿色创新水平的可能。因此,从绿色创新产出角度出发,选取绿色技术发明专利授权数量来衡量绿色创新水平1 6。解释变量为数字金融发展指数。采用北京大学数字金融研究中心编制的数字普惠金融指数代表各地区数字金融发展程度。该指数从覆盖广度、使用深度和数字化程度等3个维度进行构建,通过综合普惠性、发展性、多元化与多层次性,全面反映了数字技术助力金融服务的总体水平和发展趋势1 7。参考已有相关研究文献,选取以下指标作为控制变量:人力资本水平用普通高等在校学生数表示,研发支出用规模以上工业企业的研发经费与地区生产总值的比重表示,产业结构升级用第三产业增加值和第二产业增加值的百分比表示,对外开放程度用进出口贸易额占地区生产总值的比例表示,经济发展水平用人均地区生产总值的对数值表示。为了实证结果的可观性,对绿色创新代理变量和数字金融指标进行对数处理,变量的描述性统计结果见表1。表1 变量描述性统计变量样本量均值标准误最小值 最大值区域绿色创新水平(G I)3 1 07.4 5 01.5 4 01.3 9 0 1 0.4 9数字金融总指数(D I)3 1 05.2 1 00.6 8 02.7 9 0 6.0 7 0覆盖广度(W i d t h)3 1 05.0 6 00.8 4 00.6 7 0 5.9 8 0使用深度(D e p t h)3 1 05.1 9 00.6 5 01.9 1 0 6.1 9 0数字化程度(D i g i t a l)3 1 04.8 3 00.7 6 02.0 3 0 6.0 4 0人力资本(HC)3 1 08.6 9 05.4 3 00.3 2 0 2 4.9 2研发支出(I E)3 1 01 0.6 26.2 3 00.2 4 0 3 2.4 2产业结构升级(I U)3 1 01.2 2 00.6 9 00.5 2 0 5.3 0 0对外开放程度(D OU)3 1 02.6 9 02.8 7 00.0 8 0 1 4.6 4经济发展水平(E D L)3 1 01 0.7 80.4 4 09.6 8 0 1 2.0 12.3 模型设定2.3.1 空间相关性检验一般需要在进行实证研究之前检验各变量之间的空间依赖性,以确定是否适用及选择何种空间23 科技和产业 第2 3卷 第1 3期 计量模型。检验方法主要为全局相关性检验和局部相关性检验,通常由M o r a nsI指数和M o r a n散点图来反映1 8。全局空间相关性检验的M o r a nsI指数公式为M o r a nsI=nni=1nj=1Wi j(xi-x)(xj-x)ni=1nj=1Wi jni=1(xi-x)2(1)式中:n为3 1个省(自治区、直辖市);Wi j为空间权重矩阵;xi、xj分别为区域i、区域j数字金融指数和绿色创新水平;x为其固定年份时各省份的平均值。M o r a nsI指数的取值一般介于-11。当I0时,各地区之间的观测值存在正向相关性;当I0时,各地区之间的观测值存在负向相关性;当I接近于0时,说明各地区之间观测值的空间分布完全是随机的,不存在空间自相关性。2.3.2 空间权重矩阵鉴于研究相邻地区间的空间效应,基于各省份之间的地理位置构建空间邻接权重矩阵。可定义空间权重为W=1,区域i和区域j相邻0,区域i和区域j不相邻(2)2.3.3 空间计量模型设定为综合探究数字金融发展能力和区域绿色创新水平之间存在的空间关联性,构建一般空间杜宾模型(S DM),其基本形式为G Ii t=+D Fi t+C Vi t+njiWi jG Ij t+njiWi jD Fj t+njiWi jC Vj t+i+t+i t(3)式中:被解释变量G I为区域绿色创新能力;核心解释变量D F为数字金融发展水平;C V为控制变量组;Wi jD F、Wi jC V为空间滞后项,表示邻近省域数字金融和其他控制变量分别对本区域绿色创新水平可能存在的影响效果;为常数项;i、t分别为地区、时间固定效应;i t为随机扰动项;为区域绿色创新能力的空间自相关性;、和、分别为本区域和邻近省域的数字金融和控制变量对本区域绿色创新水平的影响系数。若=0成立,则空间杜宾模型能够退化为空间滞后模型;若+=0成立,那么空间杜宾模型能够退化为空间误差模型。3 实证分析3.1 空间相关性检验在空间邻接权重矩阵下,区域绿色创新水平与数字金融发展程度的M o r a nsI指数和G e a r ysC指数的统计结果见表2,为了避免数据的繁杂性,仅截取部分年份的结果进行展示。由以上结果可知,基于空间邻接权重矩阵,区域绿色创新水平与数字金融总指数的M o r a nsI指数大于0,并且通过了0.0 1的显著性水平,说明绿色创新水平和数字金融发展程度在全区域内存在空间正相关性,可以进行后续空间计量模型的实证分析。2 0 1 12 0 2 0年中国绿色创新水平和数字金融的全域M o r a nsI指数在整体上呈现上升趋势,说明随着各地区经济的增长和日益密切的联系,邻近区域之间绿色创新水平和数字金融的相关性 逐 年 提 升,两 者 的 空 间 集 聚 效 应 越 来 越明显。但是上述结果无法充分反映局部空间相关性特征,因此绘制空间邻接权重矩阵下绿色创新水平与数 字 金 融 发 展 程 度 在2 0 1 1年 和2 0 2 0年 的M o r a nsI散点图,如图1、图2所示。由图1、图2可知,各省域2 0 1 1年和2 0 2 0年的数字金融和绿色创新水平大多位于第象限和第象限,只有少数的观测值位于第、象限,且通过了1%的显著性水平,表明这两者的空间分布状态非常相似,进一步说明数字金融和区域绿色创新水平均具有空间溢出效应。并且这两者在2 0 1 1年到2 0 2 0年的莫兰值有较大的提高,说明数字金融与表2 两种权重矩阵下的空间相关性检验年份指标空间邻接权重矩阵W1地理距离权重矩阵W2M o r a nsIG e a r ysCM o r a nsIG e a r ysC2 0 1 1G I0.2 8 5*(0.1 1 8)0.6 6 3*(0.1 3 2)0.1 0 3*(0.0 3 4)0.8 1 6*(0.0 4 5)D F0.4 9 8*(0.1 2 0)0.4 7 6*(0.1 2 7)0.1 1 6*(0.0 3 5)0 8 3 3*(0.0 4 1)2 0 1 4G I0.3 1 3*(0.1 1 4)0.6 5 1*(0.1 4 0)0.0 9 5*(0.0 3 3)0.8 0 3*(0.0 5 1)D F0.4 5 9*(0.1 1 8)0.4 7 2*(0.1 3 2)0.1 3 4*(0.0 3 4)0.8 4 4*(0.0 4 5)2 0 1 7G I0.3 0 7*(0.1 1 8)0.6 6 1*(0.1 3 2)0.1 0 2*(0.0 3 4)0.8 1 3*(0.0 4 5)D F0.5 1 5*(0.1 1 7)0.4 1 0*(0.1 3 4)0.1 4 0*(0.0 3 4)0.8 4 4*(0.0 4 6)2 0 2 0G I0.3 6 0*(0.1 1 7)0.6 2 3*(0.1 3 4)0.1 1 1*(0.0 3 4)0.7 9 9*(0.0 4 6)D F0.5 8 2*(0.1 1 8)0.3 5 5*(0.1 3 1)0.1 5 8*(0.0 3 4)0.8 2 2*(0.0 4 4)注:*、*分别表示5%、1%的显著性水平;括号内为标准误。33 曹圣洁等:数字金融对区域绿色创新的空间效应 图1 区域绿色创新在2 0 1 1年和2 0 2 0年的莫兰散点图图2 数字金融在2 0 1 1年和2 0 2 0年的莫兰散点图区域绿色创新水平的空间相关性不断增强。除此外,相较于数字金融,区域绿色创新处于第、象限的省份更多,说明绿色创新作为资金和人才需求多、技术要求高的生产活动,要素的空间聚集效应更为显著。3.2 空间计量模型的适用性检验基于上述一般空间计量模型,需要对其适用性进行相应的检验。首先,通过LM检验(拉格朗日乘子检验),结果表明空间误差模型和空间滞后模型均可适用,即可以选用空间自回归模型;其次,L R检验(似然比检验)与W a l d检验(沃尔德检验)均在5%的显著性水平下表明空间杜宾模型不会退化为空间滞后模型或空间误差模型,即可以选用空间杜宾模型作为实证计量模型进行回归分析。最后,H a u s m a n检验与联合显著性检验表明空间杜宾模型适用于固定效应,并且是时间、个体双向固定更为稳健。3.3 基本回归分析3.3.1 数字金融对区域绿色创新水平的影响分析表3为空间邻接权重矩阵下空间杜宾模型的估计结果。由各变量的显著性和空间系数可知,可运用双向固定效应进行实证分析。数字金融回归系数为正,且通过了5%的显著性水平,意味着增加数字金融服务能力确实有助于提高本区域绿色创新水平。数字金融每提升1个百分点,将会促使区域绿色创新能力增强3 3.1个百分点。其次,数字金融空间滞后项(WD F)的回归系数为负,意味着邻近省域的数字金融发展会对本区域的绿色创新水平产生负的空间溢出效应。邻近省域的数字金融发展水平每增强1个百分点,会使本区域的绿色创新能力减弱5 1.4个百分点,负向效应非常强烈。数字化时代的发展,加快了知识、资本等生产要素的流动;而经济越发达的区域对要素需求更为显著,进而对周边地区产生“虹吸效应”。即数字金融越发达的地区会吸引周边区域的要素引进,虽然会增强本区域的绿色创新水平,但不利于周边区域的绿色创新活动的进行,对邻近省域造成了负外部性。在控制变量方面,人力资本和研发支出均能显著促进本区域的绿色创新水平。作为生产要素,其投入量与绿色创新成正比,并且人力资本的边际效应比研发支出的边际效应大,说明人才引进比资金支持对绿色创新来说起到更大的作用。产业结构升级对本区域绿色创新水平在1%的显著性水平下43 科技和产业 第2 3卷 第1 3期 起到抑制作用,对外开放程度对本区域和邻近区域绿色创新水平均起到显著的负向影响,说明其与绿色创新互为竞争性,从而不利于绿色创新水平的发展。3.3.2 数字金融对区域绿色创新水平的效应分解为了全面反映数字金融对区域绿色创新水平的影响及空间溢出效应,需要对其总影响效应进行分解,其直接效应、间接效应和总效应的结果见表4。表3 数字金融对区域绿色创新水平的回归结果变量个体固定时间固定双向固定D F0.4 9 7*(0.1 6)1.6 7 3*(0.2 1)0.3 3 1*(0.1 4)HC0.3 9 8*(0.2 3)0.8 6 6*(0.0 4)0.4 3 0*(0.2 1)I E0.2 0 2*(0.0 9)0.6 4 5*(0.0 5)0.1 7 3*(0.0 8)I U-0.2 2 0*(0.0 8)0.2 8 6*(0.0 5)-0.3 0 7*(0.0 8)D OU-0.2 1 8*(0.0 5)0.1 4 4*(0.0 5)-0.2 2 9*(0.0 5)E D L0.0 4 0 1(0.0 5)-0.0 7 5 2(0.0 5)0.0 6 5 2(0.0 4)WD F-0.3 4 1*(0.1 6)-1.2 9 7*(0.3 3)-0.5 1 4*(0.1 9)WHC-0.6 0 6(0.3 7)-0.4 0 8*(0.1 1)-0.1 1 8(0.4 0)W I E0.3 9 4*(0.1 8)-0.3 1 9*(0.1 2)0.3 0 5*(0.1 8)W I U0.2 9 5*(0.1 4)-0.1 6 4*(0.0 9)-0.0 7 5 7(0.1 8)WD OU-0.2 4 8*(0.1 0)0.0 8 4 1(0.1 0)-0.3 7 4*(0.1 0)WE D L0.4 1 2*(0.1 2)0.1 9 9(0.1 4)0.4 2 0*(0.1 1)L o g-L2 6.4 0 21-1 3 8.4 0 797 5.6 7 19空间自回归系数0.4 5 2*(0.0 6)0.2 9 0*(0.0 7)-0.1 8 9*(0.0 9)个体效应的特异误差0.0 4 68*(0.0 1)0.1 3 8*(0.0 1)0.0 3 57*(0.0 1)样本量3 1 03 1 03 1 0R20.5 8 00.9 1 60.4 0 4 注:*、*、*分别表示1 0%、5%、1%的显著性水平;括号内为标准误。表4 数字金融对区域绿色创新的效应分解效应分解个体固定时间固定双向固定直接效应0.4 8 7*(0.1 5 1)1.6 2 0*(0.2 0 8)0.3 6 0*(0.1 4 9)间接效应-0.2 0 7(0.1 5 5)-1.1 0 0*(0.3 9 1)-0.5 1 1*(0.1 8 5)总效应0.2 8 0*(0.0 7 5)0.5 1 9(0.3 8 3)-0.1 5 1(0.1 4 0)注:*、*分别表示5%、1%的显著性水平;括号内为标准误。由表4可知,无论是个体固定、时间固定,还是双向固定效应,数字金融对本区域绿色创新水平均起到显著的促进作用;而由时间固定和双向固定效应来看,数字金融对邻近区域的绿色创新水平起到显著的抑制作用。这同上述结论一致,同样验证了假设1和假设2成立。3.4 异质性分析3.4.1 分维度异质性分析为了详细阐述数字金融对区域绿色创新的影响效应,从数字金融覆盖广度、使用深度和数字化程度3个子维度进行研究,结果见表5。结果表明:覆盖广度有助于促进本区域绿色创新,而对邻近区域无显著影响;使用深度在1%的显著性水平下促进本区域绿色创新,抑制邻近区域的发展,并且虹吸效应大于本地效应;而数字化程度无论是对本区域还是邻近区域均无显著影响。也就是说,数字金融对区域绿色创新水平的正向影响是由覆盖广度和使用深度共同作用的,而空间溢出效应仅仅是使用深度的作用。3.4.2 分地区异质性分析为了进一步考察各区域数字金融对绿色创新水平的影响差异,进行了东中西部的划分。统计结果见表5。实证结果表明,数字金融对区域绿色创新水平的空间效应在中部地区显著成立,并且数字金融提升本区域绿色创新能力的效果弱于对邻近区域的抑制作用;而东部、西部地区均未出现显著的影响效应。可能的原因是,西部地区资源匮乏,经济发展水平低,金融设施较为落后,难以与数字技表5 数字金融分指数回归结果变量覆盖广度使用深度数字化程度东部地区中部地区西部地区D Fi0.1 0 7*(0.0 5 2)0.4 2 9*(0.1 0 3)-0.0 4 2(0.0 5 2)-0.0 8 7(0.0 5 5)0.1 2 5*(0.0 4 3)-1 2 1(0.0 7 4)WD Fi-0.1 2 2(0.0 7 8)-0.5 0 2*(0.1 4 5)-0.0 5 8(0.0 7 6)-0.0 2 4(0.0 9 8)-0.1 9 3*(0.0 9 8)0.1 8 2*(0.1 0 0)控制组是是是是是是空间自回归系数-0.1 9 9*(0.0 9 0)-0.1 8 0*(0.0 9 0)-0.2 1 2*(0.0 9 0)0.2 2 1*(0.0 9 0)-0.1 9 8*(0.0 9 0)-0.2 0 5*(0.0 9 0)个体效应的特异误差0.0 3 6*(0.0 0 3)0.0 3 5*(0.0 0 3)0.0 3 6*(0.0 0 3)0.0 3 6*(0.0 0 3)0.0 3 5*(0.0 0 3)0.0 3 6*(0.0 0 3)R20.4 3 80.4 6 50.3 6 80.2 3 40.3 0 20.3 2 0 注:*、*、*分别表示1 0%、5%、1%的显著性水平;括号内为标准误。53 曹圣洁等:数字金融对区域绿色创新的空间效应 术相结合而带动绿色创新的发展;而东部地区完备的数字金融服务对绿色创新的驱动作用已达到饱和状态,难以继续推动其发展。数字金融从东部向中西部地区辐射,中部地区正处于迅速发展时期,有助于缓解资源融资约束,提升绿色技术创新水平。3.5 稳健性检验为进一步验证上述结果的稳健性,采用以下几种方法进行检验:放宽绿色创新水平指标的选用标准,用绿色技术发明专利申请数量作为被解释变量进行空间计量回归,结果见表6列(1);为剔除异常值对实证结果的影响,对所有变量进行1%的双边缩尾处理,结果见表6列(2);为了尽可能避免存在的内生性问题,将数字金融滞后一期作为当期的工具变量,进行两阶段最小二乘法回归,结果见表6列(3)、列(4)。由检验结果可知,工具变量的选取是有效的,能降低内生性,并且数字金融能显著提升区域绿色创新水平,即上述计量结论是稳健可靠的。4 结论与建议4.1 主要结论基于全国2 0 1 12 0 2 0年3 1个省(区、市)的空间面板数据,利用空间计量模型对数字金融促进区域绿色创新的空间效应进行实证研究,并对其进行异质性分析和稳健性检验。主要得出以下3点结论:中国各省域的绿色创新水平和数字金融发展均存在 显 著 的 空 间 相 关 性,呈 现 空 间 聚 集 效 应;从总体影响效应来看,数字金融发展可以显著促进本区域绿色创新水平,有助于实现本地区的绿色转型和可持续发展,但是会对邻近省域产生负外部性,阻碍绿色创新水平的提升;从数字金融的3个分维度来看,数字金融覆盖广度和使用深度能显著促进本区域绿色创新水平,但只有使用深度存在虹吸效应;从区域来看,只有中部地区数字金融有助于本区域绿色创新水平的提高,而对邻近区域产生不利影响。4.2 相关建议基于上述分析得出的研究结论,提出3条相关建议:1)加快完善数字金融基础设施建设,以提升区域绿色创新水平。首先,加强数字金融覆盖广度和使用深度的发展,寻求数字化转型,更好促进区域绿色创新水平的发展。其次,数字金融作为一种新型服务模式,具有一定的风险性,需要加强对数据的监管以保证信息安全性,完善金融监管制度。健全数字金融发展体系,提升绿色创新要素资源的配置效率,进而带动绿色创新发展。2)统筹兼顾,减缓周边区域数字金融对绿色创新的抑制作用;因地制宜,整合本地区和周边区域的资源,制定差异化的数字金融政策。做好资源规划,尽量避免区域间的竞争,而遏制本区域的要素利用,不利于绿色创新的发展。数字金融发达的地区要注重“质”的提升,充分发挥自身优势以优化资源配置;而数字金融不发达地区要强调“量”的增加,更好驱动区域绿色创新发展。3)优化高等教育,增加人力资本;加大研发投入,助力区域绿色创新的发展。一方面,提高平均受教育年限,深化教育改革,加快推动教育优先发展、科学发展。建立科学有效的教育经费监管评估制度,准确落实经费的使用情况;完善人才流动机制,创造吸引人才的环境。另一方面,深化研发支出改革,优化研发支出方式,促进社会资源的优化配置。提高自主创新能力,加快以企业为主体的国家技术体系绿色创新建设。参考文献1 吕岩威,谢雁翔,楼贤骏.中国区域绿色创新效率时空跃迁及收敛趋势研究J.数量经济技术经济研究,2 0 2 0,3 7(5):7 8-9 7.2 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗N.人民日报,2 0 2 2-1 0-1 7(0 0 2).3 尹飞霄.数字金融对区域绿色创新效率影响的空间计量分析J.技术经济与管理研究,2 0 2 0(1 1):7 4-7 9.4 聂秀华,吴青.数字金融驱动区域技术创新水平提升的空间溢出效应研究J.当代经济管理,2 0 2 1,4 3(1 2):8 5-9 6.表6 稳健性检验结果变量(1)(2)变量(3)(4)D Fi0.4 0 4*(0.1 3 6)0.4 4 1*(0.1 2 0)I V_D F0.5 3 8*(0.0 0 8)WD Fi-0.2 9 9(0.1 8 7)-0.5 4 2*(0.1 6 7)D F0.9 9 3*(0.0 8 8)控制组是是控制组是是空间自回归系数-0.2 0 2*(0.0 9 1)-0.1 1 1*(0.0 9 1)截距项2.5 8 5*(0.0 6 9)-6.0 3 4*(0.5 6 5)个体效应的特异误差0.0 3 4*(0.0 0 3)0.0 2 5*(0.0 0 2)样本量2 7 92 7 9R20.0 3 250.3 5 11R20.9 6 180.9 1 94 注:*、*分别表示5%、1%的显著性水平;括号内为标准误。63 科技和产业 第2 3卷 第1 3期 5 张杰飞,尚建华,乔彬.数字普惠金融对绿色创新效率的影响研究:来自中国2 8 0个地级市的经验证据J.经济问题,2 0 2 2(1 1):1 7-2 6.6 乔彬,赵广庭,沈烁华.数字普惠金融能促进企业绿色创新吗?J.南方金融,2 0 2 2(3):1 4-2 7.7 万佳彧,周勤,肖义.数字金融、融资约束与企业创新J.经济评论,2 0 2 0(1):7 1-8 3.8 谢绚丽,沈艳,张皓星,等.数字金融能促进创业吗?:来自中国的证据J.经济学(季刊),2 0 1 8,1 7(4):1 5 5 7-1 5 8 0.9 何帆,刘红霞.数字经济视角下实体企业数字化变革的业绩提升效应评估J.改革,2 0 1 9(4):1 3 7-1 4 8.1 0 杜传忠,张远.“新基建”背景下数字金融的区域创新效应J.财经科学,2 0 2 0(5):3 0-4 2.1 1 田杰,谭秋 云,靳 景 玉.数 字 金 融 能 否 改 善 资 源 错 配?J.财经论丛,2 0 2 1(4):4 9-6 0.1 2 张焱.数字经济、溢出效应与全要素生产率提升J.贵州社会科学,2 0 2 1(3):1 3 9-1 4 5.1 3 王洋,谢钟慧,李新月.数字普惠金融与创新发展耦合协调发展研究J.哈尔滨商业大学学报(社会科学版),2 0 2 1(6):1 7-2 6.1 4 王修华,黄明.金融资源空间分布规律:一个金融地理学的分析框架J.经济地理,2 0 0 9,2 9(1 1):1 8 0 8-1 8 1 1,1 8 1 5.1 5 董晓林,张晔.自然资源依赖、政府干预与数字普惠金融发展:基于中国2 7 3个地市级面板数据的实证分析J.农业技术经济,2 0 2 1(1):1 1 7-1 2 8.1 6 董直庆,王辉.环境规制的“本地-邻地”绿色技术进步效应J.中国工业经济,2 0 1 9(1):1 0 0-1 1 8.1 7 郭峰,王靖一,王芳,等.测度中国数字普惠金融发展:指数编制与空间 特征J.经 济 学(季 刊),2 0 2 0,1 9(4):1 4 0 1-1 4 1 8.1 8 马俊.数字普惠金融对区域创新能力影响的空间效应研究J.技术经济,2 0 2 2,4 1(7):1-1 2.T h eS p a t i a lE f f e c t o fD i g i t a lF i n a n c eo nR e g i o n a lG r e e nI n n o v a t i o nC AOS h e n g j i e,XUP e n g j i e(S c h o o l o fB u s i n e s s,L i a o c h e n gU n i v e r s i t y,L i a o c h e n g2 5 2 0 0 3,S h a n d o n g,C h i n a)A b s t r a c t:T h r o u g ht h es p a t i a l c o r r e l a t i o nt e s ta n dt h ec o n s t r u c t i o no f s p a t i a lw e i g h tm a t r i x,t h ep a n e ld a t ao f3 1p r o v i n c e s,a u t o n o m o u sr e-g i o n sa n dm u n i c i p a l i t i e sw e r eu s e d t oe m p i r i c a l l ya n a l y z e t h e s p a t i a l e f f e c t so f d i g i t a l f i n a n c eo nr e g i o n a l g r e e n i n n o v a t i o n l e v e l b yu s i n g t h e s p a-t i a lD u b i nm o d e l.T h er e s u l t ss h o wt h a t d i g i t a l f i n a n c e c a ns i g n i f i c a n t l yp r o m o t eg r e e n i n n o v a t i o n i n t h i s r e g i o n,b u t i n h i b i t t h ed e v e l o p m e n t o fs u r r o u n d i n ga r e a,a n dt h e yh a v es p a t i a l a g g r e g a t i o n.F r o mt h ep e r s p e c t i v eo fh e t e r o g e n e i t ya n a l y s i s,t h es p a t i a l e f f e c to fd i g i t a l f i n a n c eu s a g ed e p t h i n d e xa n dc e n t r a l r e g i o n i sm o r e s i g n i f i c a n t.F i n a l l y,s o m e s u g g e s t i o n s a r ep u t f o r w a r d,s u c ha s d e v e l o p i n gd i g i t a l f i n a n c e a c c o r d i n g t o l o-c a l c o n d i t i o n s.K e y w o r d s:d i g i t a l f i n a n c e;g r e e n i n n o v a t i o n l e v e l;r e g i o n a l d i f f e r e n c e73 曹圣洁等:数字金融对区域绿色创新的空间效应