摘要：数字金融是近年来的金融新业态，其发展对实现碳中和、碳达峰具有重要意义。研究发现，数字金融的规模效应、结构效应、技术效应和政策效应均会对碳排放产生不同影响；数字金融发展显著降低碳排放，同时会引发碳排放回弹效应，而异质性分析表明，第三产业的碳排放回弹效应并不明显。进一步使用调节效应模型探究回弹效应的影响机制，发现经济规模的增长会部分抵消数字金融的减碳效果，而绿色技术进步和环保政策实施会加强数字金融的减碳效果，产业结构的变化对碳排放的影响则存在异质性。因此，为实现碳达峰、碳中和目标，需要协调经济增长和产业结构之间的关系，加强绿色技术研发投入，统筹制订科学合理的环境政策。

基金：国家社会科学基金项目(21FJLB014) ； 上海市软科学重点项目(24692100800)

关键词：数字金融；碳排放；回弹效应；规模效应；政策效应

作者简介：张恩典，上海社会科学院应用经济研究所博士研究生，从事数字经济与科技创新研究；李湛，上海社会科学院应用经济研究所研究员、博士生导师，工学博士，从事区域经济、投资管理与科技创业管理研究。

现阶段我国正处于经济发展“新常态”,高质量发展和绿色发展是构建可持续发展的重要支柱，因此，如何在保持经济增长的同时，降低碳排放，成为一个亟待解决的问题。

环境问题不仅是区域问题，更是全球问题。碳达峰、碳中和需要全球共同努力。从国际能源署(IEA)发布的《全球能源回顾：2021年二氧化碳排放》报告的统计数据看，2021年，全球能源领域的二氧化碳排放量达到了363亿吨，同比增长了6%,全球能源领域二氧化碳排放较2020年增加了超过20亿吨，创下了历史上的最高纪录。过去三十年间，发达国家二氧化碳排放速度有所控制。中国在2004年左右超过了美国成为世界最大的二氧化碳排放国，碳排放问题愈加凸显。自“十一五”规划提出能源强度约束政策以来，中国的能源强度一直保持着下降趋势，但与此相反的是，能源消费并未按预期的方式减少，反而呈现出迅速增长的趋势。尽管相关能效政策得到了积极推行，但并没有实现预期的节能效果。这种悖论现象引起不少专家、学者的研究，本文试图从数字金融视角进行挖掘，对“双碳”研究做出一些边际创新。

本文创新点在于：一是从数字金融的视角深入探讨了金融市场与碳排放的相关理论机制。将数字金融对碳排放的影响机制进行了拓展，以促进对数字金融与碳排放之间关联的全面理解。二是大量现有研究关注了数字金融对碳排放抑制的研究，而数字金融对碳排放的积极影响可能会被经济主体的一系列效应所抵消，从而削弱了数字金融的环保成果，造成碳排放回弹。因此，本文从碳排放回弹效应的规模效应、结构效应、技术效应和政策效应四方面进行补充，有助于更全面地理解碳排放的回弹效应。三是根据回弹效应机理，提出以数字金融高质量发展推动“双碳”的政策建议。

一、文献综述

关于数字金融与碳排放的文献梳理，本研究主要聚焦数字金融与碳排放的回弹效应，相关研究大致可分为三个方面。

(一) 数字金融与绿色金融

数字金融的崛起对金融服务效率和企业创新产生了深远的影响，其中高效的金融市场作为鼓励企业创新的重要机制在此过程中发挥了关键作用。研究表明，高效市场通过激励和约束机制，使金融机构和投资者能够更准确地评估企业的创新潜力和风险，为其提供更有利的融资条件，满足市场需求(1)。然而，数字金融的发展在全球范围内呈现出非均衡的现象，受到多种因素的影响，包括经济水平、政策环境、市场需求和技术条件等。这种不平衡的发展状况需要政府和企业采取积极措施，促进数字金融的广泛普及和深度发展(2)。

数字金融不仅提升了金融服务效率，还为绿色金融提供了有效途径，特别是在提高绿色信贷效率方面发挥了重要作用。研究发现，绿色企业通常具有较高的技术含量和创新性，但同时也面临较高的风险和不确定性，这使得它们难以从传统金融机构获得足够的信贷支持。数字金融通过在线平台实现资金的快速流动和匹配，促进了资金的合理使用和回收，提高了资金的使用效率(3)。与此同时，绿色金融还能够根据市场需求和信用评级，更合理地分配资金，从而支持绿色创新(4)。尽管这些发现强调了数字金融在支持绿色创新方面的积极作用，但也有研究发现金融规模和效率可能对绿色技术创新产生一定的抑制作用，而金融结构则对绿色技术创新产生积极影响，环境规制在其中发挥调节作用(5)。总体而言，数字金融的发展对金融服务和绿色金融产生了深远的影响，同时也带来了一些潜在的挑战，包括数字鸿沟、隐私和安全风险以及监管问题。这些问题需要在数字金融与绿色金融融合的过程中得到关注和解决，以实现可持续的经济和环境发展。

(二) 数字金融对碳排放的正负影响

关于数字金融与碳排放的关系，现阶段的研究结果有两种不同的观点，第一类观点认为数字金融发展有利于减少碳排放。郝(Hao)等的研究通过分析数字化技术对能源效率的影响，强调数字化技术在不同行业中提高了生产效率和资源利用效率(6)。数字化金融服务，如智能能源管理系统和大数据分析，为企业提供了更精准的能源管理手段，有助于降低碳排放。李幸芝等的研究关注了金融科技在可再生能源领域的应用。研究指出，通过区块链技术、智能合约和分布式账本等数字金融工具，可以实现对可再生能源项目的融资、监管和交易的高效管理，从而促进清洁能源的发展(7)。段永琴等提出金融自由化和开放程度可以提升环境质量，这意味着金融发展可能有助于降低碳排放，数字金融的泛化程度加深被认为能够支撑污染减排目标的实现(8)。这些文献综述共同强调数字金融在提高能源利用效率、促进可再生能源发展以及推动碳排放减少方面的积极作用。通过数字技术的创新，金融行业可以更好地支持碳中和目标的实现，为可持续发展贡献力量。

第二类观点认为数字金融发展不利于减少碳排放。有研究从数字金融实际应用的角度，认为数字金融的普及和推广增加了对电子设备的需求，而这些设备在生产、运行和维护的过程中需要大量能源，导致与其相关的碳排放显著增加(9)。数字金融的高频交易和复杂算法可能引发能源密集型的计算需求，导致更大规模的电力需求。因此，数字金融的发展与碳中和目标之间存在一定的矛盾。另一方面从影响机制分析，邓荣荣和张翱祥认为数字金融在促进产业结构升级、经济增长和技术创新时，会增加本地城市的碳排放量(10)。数字金融的技术创新可能突破了时空限制，使得偏远地区投资于粗放型经济活动，从而扩大经济规模，进而促使碳排放量增加(11)。魏丽莉和杨颖的研究探讨了金融资源错配对碳排放的影响，研究发现金融资源错配会导致碳排放水平升高，这可能是因为金融资源未能有效引导到低碳和环保领域，从而加剧了碳排放(12)。这一发现强调了金融资源配置的重要性，特别是在绿色金融方面。然而，这些研究结果有待进一步研究和解释，以充分理解数字金融与碳排放之间的关联。

(三) 数字金融对碳排放的回弹效应

“回弹效应”通常被视为阻碍能效政策达到预期节能效果的因素，数字金融对碳排放的回弹效应主要指：一方面，技术进步在促进节能减排的同时，也为经济增长注入了内在的动力，从而导致能源使用量的增加；另一方面，技术进步带来的能效提升也可能导致能源价格下降，从而激励企业投入更多的能源以替代其他生产因素。然而，回弹效应实际上源于企业和居民基于理性决策采取的主动行为，其在本质上可能对社会福利产生一定的改进作用。有关回弹效应的理论研究主要集中在以下三个方面。

一是回弹效应的理论研究。学者们从不同的角度出发，探究了回弹效应的形成机理和影响因素，形成了丰富的理论体系。早期，哈佐姆(Khazzoom)提出重要的理论观点，即回弹效应的发生是由于技术进步提高了能源效率，导致能源价格下降，从而刺激了对能源的更多使用，抵消了由技术进步预期带来的节能效果(13)。这一观点为后续研究提供了重要的理论基础。桑德斯(Saunders)在新古典增长理论框架下，通过引入纯能源效率改进的概念，将回弹效应与技术进步对其他生产要素的影响相区分开来。他认为，纯能源效率改进是指技术进步中仅影响能源生产率而不对其他生产要素产生影响的部分(14)。这一理论观点为进一步研究回弹效应的复杂性提供了理论基础。多梅尼科(Domenico)等从宏观经济角度出发，结合生产的简化输入输出结构，使用模型论证企业在能源、物质、资本和消费市场上的相互作用，评估了宏观经济政策对循环经济转型的作用(15)。这一研究为理解回弹效应的多样性提供了有力支持。国内对回弹效应的理论研究相对较少，但一些学者已经在这个领域取得了进展，通过不同的方法和理论框架来探讨回弹效应。如吴施美和郑新业在研究中探讨了中国家庭能源消费的回弹效应(16)。艾明晔和李呈祥在他们的研究中关注了中国工业部门的回弹效应，通过构建动态投入产出模型，他们分析了工业部门能源效率提高对整体能源消费的影响，并得出了回弹效应的存在(17)。刘朝等的研究聚焦于中国城市交通领域的回弹效应(18)。

二是基于能源消费量的回弹效应实证分析。回弹效应的实证分析通常涉及家庭采暖、交通运输、居民用电等领域。研究表明，回弹效应的幅度在不同领域和情境下各异。利德尔(Liddle)等对家庭采暖领域的回弹效应进行了估算，发现回弹效应在20%到30%之间，建筑规范和能源价格是影响回弹效应的关键因素(19)。奥马尔(Umar)等研究了美国交通行业的回弹效应，发现短期和长期回弹效应分别为4.7%和22%(20)。国内的实证研究主要集中在宏观经济层面，贾锐宁等通过分析能源效率变化对能源消费和碳排放的影响，证实了回弹效应的存在(21)。研究结果因研究方法和数据选择而异，但都对回弹效应的存在提供了支持。

三是环境回弹效应研究。环境回弹效应是对回弹效应的扩展，涉及更广泛的生态环境问题。“Jevons悖论”是环境回弹效应研究的重要参考。该悖论指出，提高资源利用效率可能导致资源总体使用量的增加。在环境领域，这一理论观点表明，技术进步和提高能源效率并非总能达到减少环境资源消耗的目的。维万科(Vivanco)等通过对经济结构和生产方式的研究，深入分析了环境政策的实施可能导致的回弹效应(22)。 李(Li)等从土地利用变化的角度考察了生态环境的回弹效应(23)。这些研究强调了在解决生态环境问题时，单纯依赖技术进步或政策措施可能面临一定的回弹效应。全面考虑经济增长、人口压力、产业结构和土地利用等因素对环境的综合影响，有助于更全面地理解和应对生态环境问题。

有关碳排放方面表现出的回弹效应也引起了学者们的关注。如金培振等的研究发现技术效率提升所带来的碳减排效应无法抵消技术创新促进经济增长过程中碳排放量的增长效应(24)。刘敏楼等探讨了数字金融对制造业碳排放强度存在非线性关系，数字金融既能促进绿色发展，又能抑制碳排放，这取决于规模效应和技术效应的权衡(25)。数字金融对不同地区的碳排放产生不同的影响，徐维祥等通过空间杜宾模型和空间双重差分模型分析数字金融对碳排放的影响，得出数字普惠金融是影响碳排放的重要因素，并且数字经济存在明显的空间异质性(26)。不同的观点和方法提供了多种角度来解释数字金融与碳排放的关系，但仍需要进一步的研究来深化我们对这一关系的理解，特别是在国内的具体背景下。这一领域的研究将有助于更好地理解数字金融的环境影响，为可持续发展提供有益信息。

二、理论分析与研究假设

在上述文献的基础上，本文认为中国数字金融发展能减少碳排放，但存在回弹效应。

(一) 数字金融与碳排放

数字金融的崛起有助于生态环境改善。首先，数字金融的在线金融交易模式减少了纸质文件和实体场所的需求，从而减少了纸张使用和能源消耗，促进低碳商业模式的发展，降低了金融服务的能源消耗和环境污染。其次，数字金融建立在线金融产品供求链。在线金融平台加速了资金的流动，降低了信息传递和交易成本，有助于降低金融业的碳足迹。再次，数字金融技术溢出为绿色经济提供了独特支持，识别具有节能减排潜力的企业和项目，避免了逆向选择问题，还通过提供可持续消费和绿色投资的渠道，改变了居民的投资观念，使得绿色企业更容易获得资金支持(27)。数字金融普惠特性提高了社会公众的环保意识。让更多居民享受到金融服务，提高了他们的生活质量和环保意识，减少了对传统能源的依赖。基于以上分析，本研究提出如下假设：

假设1: 数字金融的发展能够减少碳排放。

中国的能源强度一直保持着下降趋势，但碳排放并未随着能效改进出现预期的下降趋势，反而呈增长的态势，相关能效政策的大力推行并未产生预期的节能效果。因此，本文从规模效应、结构效应、技术效应和政策效应四方面对数字金融发展降低碳排放和引发碳排放回弹效应的机制进行分析。

(二) 数字金融规模效应引发的回弹效应

数字金融通过优化资源配置和资本流动，有助于缓解规模效应带来的碳排放增加，一方面将更多的资金导向绿色产业和数字化产业，帮助环境友好型企业快速成长，另一方面支持传统产业转型升级，促使生产要素从低效率的部门和产业向高效率的部门和产业转移，提高能源利用效率和环境管理水平(28)。数字金融的在线金融交易模式加速了资金的流动，降低了信息传递和交易成本，有助于降低金融业的碳足迹。通过在线金融平台，企业更容易获取低成本、高效率的金融产品和服务，降低投资绿色技术和设备的资金障碍和风险成本。此外，数字金融还通过提供数据、信息、咨询等服务，降低了产业链中的资源浪费，提高了环境管理水平和社会责任感。

随着数字金融规模的扩大，金融业本身的运作可能对碳排放产生直接影响。随着金融规模的扩大，金融机构在日常经营中会产生一定的碳排放。金融发展通常伴随着经济规模的扩大，经济扩张通常会带来更多的生产和消费活动，增加对能源的需求，从而导致碳排放的增加。金融规模的扩张通过融资、投资和保险等渠道对实体经济产生间接影响，进而影响碳排放水平。大量实证研究表明，新兴国家的金融发展促进了工业化和外商直接投资，从而影响了不同行业的碳排放情况。在投资决策中，金融机构可能未充分考虑环境因素，仅根据经济和财务指标评估投资项目的风险和回报，导致更倾向于投资高污染行业，进一步增加碳排放(29)。基于以上分析，本研究提出如下假设：

假设2: 数字金融规模效应会引发回弹效应。

(三) 数字金融结构效应存在回弹效应

从产业结构的角度，数字金融促进传统产业转型升级，减少高污染和高排放产业在总体经济中的比重，同时，鼓励发展高新技术和低能耗的新兴产业，提高低碳产业在经济中的比重(30)。具体来说，数字金融为传统产业提供低成本、高效率、灵活多样的金融产品和服务，降低其投资绿色技术和设备的资金障碍和风险成本，激励其提高能源利用效率和减少污染排放。数字金融也可以为传统产业提供数据、信息、咨询等金融服务，使企业能够更好地匹配供应与需求，减少产业链中的资源浪费，帮助企业了解并遵守相关的环境法规和标准，提高其环境管理水平和社会责任感(31)。数字金融对新兴产业的支持也在一定程度上促进高新技术和低能耗产业的发展。然而，金融资源是有限的，传统金融部门的后向型偏好可能导致其对企业的融资决策过于保守，如过度关注企业的盈利能力和现有资产，而忽视了企业的环保创新能力和潜力，这种资源配置不足可能会对环保型企业形成制约，甚至逆转了产业结构的优化(32)。

产业结构优化同样会对碳排放产生负向影响。当国家或地区的产业结构向服务业和技术密集型产业过渡时，通常伴随着减少重工业和制造业的活动，这些行业通常具有较高的碳密集度。这种结构性变化可能导致初始的碳排放减少，因为服务业和技术密集型产业通常消耗较少的能源和资源。随着产业结构的变化，新兴产业和服务业可能更有动力采用清洁和高效的技术，以提高生产效率和降低碳排放。产业结构变化可能减少碳密集度，但不同的新兴产业之间仍然存在碳排放的差异。某些新兴产业，如信息技术，可能几乎不产生碳排放，而其他新兴产业可能仍然高度依赖化石燃料。如果新兴产业过于依赖化石燃料，那么其能源需求可能会增加，导致碳排放的回升。这种情况在新兴产业特别是能源密集型产业发展迅猛时尤为突出。基于以上分析，本研究提出如下假设：

假设3: 数字金融结构效应存在回弹效应。

(四) 数字金融技术效应引发的回弹效应

从技术效应角度分析，数字金融技术为绿色金融和可持续投资提供了机会。通过数字化平台和工具，投资者可以更方便地获取与环境、社会和治理相关的信息，评估和选择可持续发展的投资项目。数字技术与金融的融合改善了低碳产业结构，促进金融市场的创新发展，并提供了多元化的金融工具。此外，伴随着以人工智能、大数据为代表的数字技术迅速发展，中国已经逐步由“工业经济”向“数字经济”转型，数字技术的溢出效应将数字化赋能延伸至工业及其他传统行业，提高能源使用效率，从而减少传统产业的碳排放(33)。通过数字金融平台，投资者可以直接参与可再生能源项目的融资和运营中，促进了清洁能源的发展。这对减少传统能源的使用和环境污染具有积极的影响(34)。

数字金融促进绿色技术的创新和应用，从而提高能源效率和清洁能源的比重。科技创新不仅可以改善能源消费结构，减少污染排放，还可以推动清洁能源的发展，提高能源利用效率，更好地保护环境。数字普惠金融具备数字化、市场化和信息化等特征，通过信贷或金融衍生品向企业注入资本，可以实现更新企业的资金来源和组成形式，进而提升企业在投资研发和技术创新方面的动力，产生激励效应(35)。索洛模型的分析表明，随着技术在企业之间的应用和共享，技术将对生产效率产生驱动作用，并逐渐替代传统生产要素，如能源和劳动力。这一过程有助于降低生产过程中的能源消耗，从而从源头上减少碳排放规模(36)。数字普惠金融的实施可以进一步增强企业之间的技术竞争，从而推动整个产业的全要素生产率提升，有助于进一步降低整个产业生产环节的碳排放水平(37)。

技术进步也存在不利的一面，碳减排技术的突变性也会引起碳排放回弹。随着环保法规的出台和技术创新的推动，企业开始采用更多的节能减排技术，以减少碳排放。这些技术包括能源效率改进、碳捕获与储存、可再生能源的利用等。高碳产业中的碳锁定程度是低碳技术突变的主要障碍。在高碳产业，通常使用碳锁定程度衡量经济发展与碳排放之间的关系，较大的依存度意味着低碳技术突变的可能性较小。为了突破碳锁定，需要制订制度和技术解锁路径，包括碳税、碳交易、低碳技术创新和消除低碳化障碍等路径。尽管技术进步可以减少碳排放，但同时也可能导致由于环境制度黏性和降低能源开采成本而增加能源使用量。特别是在中国这样的快速发展国家，经济增长仍然是中心任务，因此节约的能源通常会被重新投入扩大再生产中。这可能导致能源回弹效应的出现。基于以上分析，本研究提出如下假设：

假设4: 数字金融技术效应存在回弹效应。

(五) 数字金融政策效应引发的回弹效应

中国在市场制度和法律制度两个层面加强中国碳金融体系建设，促进碳交易，推动碳资本的有效配置。数字金融可以为企业和个人提供如数据分析、市场调研、政策指导、交易建议等，帮助其了解碳排放交易市场的规则、机制和价格等，提高其对碳排放交易市场的知识和认知，促进其参与碳排放交易(38)。数字技术也协助实现碳排放量的检测、报告和核查等技术流程，为碳排放交易提供可信的数据支持。以上方式都有效促进碳排放交易市场的活跃度和流动性，增加碳排放的成本和约束，从而降低碳排放水平。

然而，政府强制实施的环境政策也会产生不良影响。制定强制性排放标准、碳市场机制和税收政策通常能够迫使企业采取迅速的减排措施，以满足政府规定的要求。企业可能会更换更清洁的技术，提高能源效率，或采用低碳的生产方法，导致初始时期的碳排放减少。为了在长期内维持低碳生产，满足环保要求，企业可能会采取一些策略来规避法规的负面影响，从而引发“碳泄漏”发生。具体指企业为降低政策要求范围内的碳排放，将高碳生产转移到没有法规或法规较少的地区，造成碳排放总量没有发生变化，仅仅是产生了空转效应。强制性法规还可能导致企业采取应急措施，以满足规定，但不一定以可持续的方式减少碳排放。这可能包括临时关闭生产线，导致了资源浪费，或采用高成本的碳减排技术，导致了经济效益的下降(39)。基于以上分析，本研究提出如下假设：

假设5: 数字金融政策效应存在回弹效应。

三、数据来源与实证分析

(一) 数据来源及变量说明

为了检验本文提出的假设，本文的数据来源有两个方面：(1) 北京大学数字金融研究中心发布的数字普惠金融指数；(2) 国泰安数据库(CSMAR)和同花顺资讯金融终端系统提供的2012—2021年中国A股上市企业的创新活动和其他财务信息。本文对数据进行了清洗，排除了连续三年出现ST和财务数据缺失的企业，最终得到5 975个样本的面板数据。以下是各个变量的具体定义和数据来源，主要变量说明详见下页表1。

1. 北京大学数字普惠金融指数。

本文的主要数据来源是北京大学数字普惠金融指数，从覆盖广度、使用深度和数字支持服务程度三个维度构建了33个指标，反映了中国2011—2021年的数字金融发展状况，其中，覆盖广度反映了电子账户的普及程度，使用深度反映了数字金融的服务水平，数字支持服务程度反映了数字金融的效率和成本。该指数覆盖了全国31个省份、337个地级以上城市，为本文的实证分析提供了可靠的数据支撑。

2. 碳排放。

化石能源燃烧排放的二氧化碳来自燃料燃烧过程中的碳释放，二氧化碳的排放量取决于燃料中的含碳量和燃料燃烧过程中的氧化率。本文使用CSMAR数据库中各省二氧化碳排放量作为被解释变量。本文认为，二氧化碳排放量能够较好地反映企业对环境的影响程度和责任感，以及企业在节能减排方面的投入和效果。

3. 互联网宽带接入用户数。

为了进一步缓解遗漏变量和反向因果带来的内生性问题，本研究参考谢绚丽等的做法(40),采用省级互联网普及率作为数字金融的工具变量。由于省级互联网普及率数据只公布到2016年，因此我们采取了和省级互联网普及率相近的互联网宽带接入用户数作为工具变量。数据来源于国家统计局2012年至2021年统计的各省数据。选用此数据考虑到：一是数字金融的进步依托现代信息技术为载体，数字金融与互联网宽带接入用户数有极高的关联度，满足相关性要求；二是在控制了企业相关变量后，互联网宽带接入用户数与碳排放之间不存在关联性。因此在稳健性分析部分选用互联网宽带接入用户数量作为工具变量，进一步对结果进行检验。数据显示，我国宽带接入用户同样保持高速增长，截至2021年年底我国宽带接入用户达到5.36亿人。

表1 主要变量说明

(二) 实证分析策略

1. 基准回归。

本文首先探讨数字金融发展对碳排放的影响。考虑到碳排放在不同行业间差距较大，不同行业企业的投资倾向不同，以及企业创新投入和企业属性高度相关，因此我们采用双向固定效应模型，控制时间效应(Year)和行业效应(Ind)。选取各省碳排放量为被解释变量，数字金融普惠指数为解释变量。回归模型如式(1)所示：

Cjt=α0+α1DFIjt+α2Controlit+εijt(1)

式中：变量的下标i、j、t分别表示企业、企业所在省份和年份，为一系列可能对企业创新产生影响的控制变量。本文加入的企业层面控制变量包括：总资产报酬率ROA；资产负债率Lev；管理费用MF；企业规模lSize；企业建立时间Age；管理层两职合一情况Dual；政府补助lSub。

下页表2第(1)列展示了基准回归的结果，未加入控制变量和固定效应。第(2)和(3)列分别为加入了控制变量和行业年份固定效应的回归结果。第(4)列为加入控制变量并固定行业和年份的回归结果。以上结果均在1%的显著性水平下成立，且系数为负。这说明数字金融发展促进了碳排放的减少，假设1成立。

表2 基准回归

注：论文中的标准误差：***p<0.01,**p<0.05,*p<0.1,下同。

2. 碳排放回弹效应检验。

结合前文的理论分析，数字金融发展对碳排放的影响存在回弹效应，参考范庆倩和封思贤的研究(41),本研究使用倒“U”型曲线对回弹效应进行验证，将数字金融指数的二次方项(DFI2)作为解释变量加入模型，重点关注该变量的系数，以确定其是否显著为正，从而检验碳排放与数字金融的倒“U”型关系是否成立。表3报告了回归结果，其中第(1)列为不考虑控制变量的回归结果，第(2)列为加入控制变量的回归结果。可以发现，数字金融指数二次方项系数均在1%的显著性下为正，说明数字金融发展与碳排放之间呈现倒“U”型关系，而且在整体上，随着控制变量的增加，这种关系并不会发生改变。简言之，随着数字金融的不断发展，二氧化碳排放量将先呈下降趋势，然后逐渐增加，这与前文的理论分析结论相一致。

表3 回弹效应检验

3. 内生性检验。

以上回归结果，检验了数字金融与碳排放之间的关系。针对模型中遗漏变量可能造成的内生性偏误，我们已经设置了很多关于企业的控制变量，但部分可能遗漏的变量仍然会带来内生性问题。为此，本文将互联网宽带接入用户数作为数字金融的工具变量，运用两阶段最小二乘(2sls)方法重新对模型进行了估计。互联网宽带接入用户数能够反映地区信息技术水平和网络基础设施建设情况，与数字金融有较高的相关性；同时，在控制了企业相关变量后，互联网宽带接入用户数与碳排放之间不存在直接关联性。因此，互联网宽带接入用户数是一个合适的工具变量。表4第(1)列为工具变量第一阶段回归结果，显示互联网宽带接入用户数与数字金融指数在1%的显著性水平上呈正相关，满足相关性要求。表4第(2)列为工具变量第二阶段回归结果，显示数字金融指数与碳排放在1%的显著性水平上呈负相关，与基准回归结果一致，说明基准回归结果是稳健的。这一结果再次证明了数字金融对碳排放的影响存在回弹效应。

表4 工具变量2sls

4. 稳健性检验。

为检验回归结果的稳健性，本文使用两种方式进行稳健性检验。第一种方式为分组回归。将样本企业按照产业分类进行样本分组回归。结果见下页表5第(1)(2)(3)列，其中，第一产业和第二产业的回归结果与基准回归相同，数字金融指数二次方项系数均在1%的显著性下为正，说明在第一产业和第二产业中数字金融发展与碳排放之间呈现倒“U”型关系，而第三产业的数字金融指数系数为正，且并不显著，数字金融指数二次方项系数显著，但系数为负，因此数字金融对碳排放的影响在第三产业中不存在明显的回弹效应。对于第三产业的异常结果，可能有以下原因：一是产业特性差异，第三产业的差异可能体现在生产流程的本质和碳排放的结构上。由于第三产业主要是服务型产业，其生产过程相对较为清洁，与制造业相比，可能使用更少的能源和产生更少的废物。因此，数字金融发展可能对第三产业的碳排放回弹效应产生较小的影响。二是数字化程度不同，第三产业在数字化方面的领先可能使其更具弹性，能够更好地适应数字金融发展的影响。高度数字化的企业可能更容易实施先进的监测、报告和管理碳排放的技术和方法，进而采取迅速、灵活的措施以应对潜在的环境影响。这种数字化程度的不同可能导致数字金融对碳排放的回弹效应在第三产业中表现得相对较弱，甚至不存在。三是政策和管理因素，第三产业的环保法规和管理制度可能与其他产业有所不同，可能存在鼓励第三产业企业实施更为积极的环境保护措施的政策，或者市场上对环保产品和服务的需求更加迫切，从而激励企业主动减少碳排放。第二种方式为替换解释变量，本文使用赵涛等构建的省级数字经济(DEC)(42)作为数字金融指数的替换变量，进行稳健性检验，检验结果列示在表5第(4)列。替换变量系数在1%的显著性下为负，替换变量二次方项系数在1%的显著性下为正，说明数字金融发展与碳排放之间呈现倒“U”型关系，再次证明了数字金融对碳排放的影响存在回弹效应。

表5 稳健性检验

5. 数字金融对碳排放影响机制的检验。

为了进一步探究数字金融影响碳排放回弹效应的影响机制，参考顾(Gu)等的方法(43),通过引入影响机制的交乘项方式，对“回弹效应”进行检验，建立模型式(2),式中，Inter表示规模效应、结构效应、技术效应和政策效应四种机制与数字金融指标的交乘项。

Cjt=α0+β1DFIjt+β2DFI2jt+β3Interijt+β3调节变量it+εijt(2)

本研究分别使用GDP规模、产业结构指标、绿色专利数量和碳排放交易试点作为检验规模效应、结构效应、技术效应和政府政策的变量。关于规模效应，本研究使用各省份名义GDP值(ngdp)和实际GDP值(rgdp)进行检验。名义GDP是一段时间内一个国家生产的商品和服务的总和，是衡量国家经济增长的重要指标，实际GDP进一步针对通货膨胀进行了调整，反映了物价水平的变化，更利于准确地测量生产的实际增长。关于结构效应，本研究使用各省份产业高级化(lnTS)和产业合理化(lnTL)指标进行检验，参考干春晖等对产业高级化水平和产业合理化水平的测度方式(44)。其中产业高级化水平能够更好地衡量产业结构升级情况，指标测算使用第三产业与第二产业的产值之比，能明确反映产业结构向“服务化”发展的程度。产业合理化水平是为了衡量产业间的聚合质量，同时引入泰尔指数，关注了各产业在经济体的重要程度，其计算公式如下：

式中Y表示产值，L表示就业，i表示产业。

关于技术效应，我们从绿色专利类型的角度入手，深入研究发明型绿色技术创新和改进型绿色技术创新，以确定哪一种更有助于提高碳排放效率，借鉴了徐建中等的方法(45),采用了绿色发明专利的申请数量和绿色实用新型专利的申请数量作为衡量发明型绿色技术创新(Ingti)和改进型绿色技术创新(Imgti)的指标。

关于政策效应，国家“十二五”规划曾提出，为逐步建立国内碳排放交易市场，控制温室气体排放，在考量各地区情况后，同意北京市、天津市、上海市、重庆市、湖北省、广东省开展碳排放权交易试点。试点碳市场涵盖7种温室气体、十余个行业。因此，本文将城市是否建立碳排放交易试点作为虚拟变量(Policy),开设为1,否则为0。

机制检验结果列示在下页表6,第(1)列和第(2)列汇报了名义GDP值和实际GDP值的检验结果。名义GDP值和实际GDP值的交乘项系数均在1%的水平上显著为正，这说明企业所在地GDP值越高，数字金融发展越会提高当地碳排放量。从消费角度看，高生产总值地区的居民通常有更高的消费水平，尤其是对能源密集型产品和服务的需求。数字金融的支持可能促使企业扩大生产，满足高消费水平的需求，导致碳排放的增加。从生产角度看，高生产总值地区的产业往往更为技术密集，可能涉及更多高能耗的生产工艺。数字金融的发展可能助力这些产业的现代化和扩张，从而增加碳排放。从城市化发展的角度看，高生产总值地区通常是城市化水平较高的地方，城市化可能伴随着更多的基础设施建设、建筑活动和能源使用，导致碳排放的增加。

表6 碳排放回弹效应机制检验

第(3)列和第(4)列汇报了产业高级化水平和产业合理化水平的检验结果，结果均显著，但存在异质性。产业高级化水平交乘项系数在1%的水平上显著为正，说明产业越向高级化发展，数字金融发展越会提高当地碳排放量。随着产业高级化的推进，产业链向高附加值方向延伸，高技术产业、服务业等低能耗、低排放的产业比重增加。然而高级化的产业并非全部是环境友好型企业，部分高级化产业在建设或生产过程中仍会排放大量二氧化碳。如果这些产业在数字金融的支持下扩大规模，其能源消耗可能上升，导致碳排放量增加。此外，高级产业的发展通常伴随着科技创新，但某些新兴技术可能依赖于能源密集型的基础设施。如果数字金融助力这些新兴技术的发展，而这些技术本身在生产和使用过程中产生高碳排放，就会增加总体碳排放。产业合理化水平交乘项系数在1%的水平上显著为负，说明产业越向合理化发展，数字金融发展越会降低当地碳排放量。合理化的产业发展可能伴随着对能源利用效率的关注和提升。数字金融可以支持企业引入更先进的生产技术和管理系统，从而减少能源浪费，降低碳排放水平。数字金融支持了传统金融无法照顾的科技企业与小微企业，从而使得产业结构趋向合理化。产业合理化加强科技企业之间的合作，提高产业关联程度，帮助构建协调和高效的产业链，从而降低碳排放，同时提高生产效率。数字金融的发展通常伴随着企业的数字化转型，这可能减少传统生产方式中的纸张消耗、物流浪费等，有助于降低整体碳足迹。随着数字金融的发展，企业可能更加关注社会责任，包括环境保护。为了提升企业形象和符合社会期望，企业可能采取措施来减少碳排放，如投资于碳中和项目、推动供应链的绿色化等。

第(5)列和第(6)列汇报了绿色发明专利和绿色实用新型专利的检验结果。绿色发明专利和绿色实用新型专利的交乘项系数均在1%的水平上显著为负，这说明企业申请绿色发明专利越多，数字金融发展越会降低当地碳排放量。绿色发明专利通常涉及环保和低碳的生产或业务流程。企业在数字金融的支持下更容易获得资金用于采纳这些绿色技术，以提高生产效率和降低碳排放。数字金融的发展可能促使企业投资于清洁能源项目，如可再生能源、能源储存等，以替代传统的高碳能源，降低整体碳排放。

第(7)列汇报了碳排放交易市场试点的检验结果。交乘项系数均在1%的水平上显著为负，这说明试点碳排放交易市场的城市，数字金融发展会降低当地碳排放量。试点碳排放交易市场意味着引入了碳排放的市场化机制，企业需要购买或持有足够的碳排放配额来进行生产。数字金融机构可能推出与碳市场相关的金融产品，如碳配额贷款、碳交易融资等。这些金融工具可以为企业提供更灵活和定制的资金支持，帮助它们更好地应对碳排放市场的变化，促使企业采取更多减排措施。“碳泄漏”情况仍然可能存在，在碳排放试点经营生产的企业，可能为避免购买碳排放权，而选择将生产转移至未实施碳排放交易试点的城市。未实施碳交易市场政策的城市增加的碳排放可能是由实施碳交易市场的城市转移而来，因此为避免“碳泄漏”的发生，政府在制订和实施环境政策时，需统筹规划各省市间的交易制度，加强对碳排放转移的监督。

四、结论与启示

持续加大研发投入，实现低碳、绿色发展，是当前政府和企业共同努力的重要方向。本文利用2012—2021年沪市A股上市公司的数据，结合北京大学数字普惠金融指数匹配，实证检验数字金融对碳排放的回弹效应及影响机制。研究发现：(1) 数字金融发展显著降低碳排放，同时会引发碳排放回弹效应；(2) 第一产业和第二产业的碳排放回弹效应较为明显，而第三产业的回弹效应并不明显；(3) 经济规模的增长会降低数字金融的减碳效果，而绿色技术进步和环保政策实施会加强数字金融的减碳效果，产业结构的变化对碳排放的影响则存在异质性。基于以上实证研究结论，本文提出以下政策建议。

第一，数字经济的持续发展是当前经济演进的关键方向，为了最大程度地释放其潜力，我们需要通过加强互联网技术、建立完善的数字经济体系以及提供全方位的政策支持，为数字经济提供更广泛的发展空间。在互联网技术方面，我们应该持续推动技术改进，不仅提高互联网技术水平，还要加速其在实践中的应用。这包括对新兴技术的及时采纳和对现有技术的更新换代，以确保数字经济的技术基础始终保持领先地位。此外，政府和企业应该共同努力，推动技术的广泛应用，从而使数字经济在各个领域都能够充分发挥作用。政策方面，为了支持数字经济的可持续发展，我们需要建立差异化的数字金融政策，以适应不同地区的GDP水平。在高生产总值地区，政府应该审慎监管数字金融的发展，以防止其对碳排放的过度促进效应。相反，在低生产总值地区，可以通过数字金融促进产业升级，提高能源利用效率，实现碳排放的有效控制。

第二，为了减缓碳排放的回弹效应，需要采取一系列有针对性的措施，包括推动能源消费结构绿色转型、建立碳减排政策体系、加强市场机制与行政机制的协同。这不仅能够有效减轻数字经济发展对环境的不利影响，还能够在碳市场中促使企业更加积极地采取减排措施。首先，为了加速能源结构的绿色转型，我们应该注重可再生能源的发展。我国目前主要以煤炭为主要能源，这容易导致碳排放的上升。因此，我们应该特别注重可再生能源的发展，包括太阳能、风能等。与此同时，需要增加电力网络容纳可再生能源的能力，建立跨区域的可再生能源电力市场，以实现能源资源的更优化配置。其次，建立碳减排政策体系是至关重要的。在碳排放交易市场建设方面，我们需要增加不同类型的碳排放权交易品种和交易方式，以扩大市场的活跃度。有偿分配碳排放权，完善碳市场的制度保障，减少国有企业在碳交易中的干预，这些都是建设碳减排政策体系的关键步骤。最后，为了实现碳减排的协同规避，我们需要促进能源供给侧和消费侧的协同低碳发展。这可以通过技术创新和产业协作等方式来实现。东部地区可以在技术创新领域发挥带动作用，与中西部地区建立科技合作机制。产业链的对接和合作也有助于资源的有效利用，特别是将高能耗产业从东部地区迁移到中西部地区，这将有助于减轻碳排放的回弹效应，实现全国范围内的低碳发展。

第三，为了更好地引导数字金融发展对碳排放的影响，应当实施差异化的金融支持政策。这包括支持数字金融在低生产总值地区推动产业升级，平衡数字金融对碳排放的促进效应，并创新碳金融产品以帮助企业适应碳市场。首先，支持绿色技术创新是至关重要的。数字金融机构应该鼓励企业进行发明型绿色技术创新，为此，政府可以提供财政和税收激励，以推动企业提高生产效率，减少碳排放。数字金融的发展可以促使企业投资于清洁能源项目，如可再生能源、能源储存等，以替代传统的高碳能源，降低整体碳排放。其次，为了防止“碳泄漏”现象，政府应加强对不同城市间的碳排放监管和协同管理。数字金融的发展可能导致企业将生产转移到未实施碳排放交易试点的城市，这可能增加碳排放的总量。因此，政府需要在制订和实施环境政策时，统筹规划各省市间的交易制度，加强对碳排放转移的监督，防止“碳泄漏”现象的发生。最后，为了促进数字金融的可持续发展，政府和金融机构应共同推动绿色金融政策的创新。通过碳金融工具、碳市场机制等方式，引导数字金融向低碳、环保方向发展。这将有助于企业更好地适应碳市场，降低碳成本，实现数字金融的可持续发展。

注释

(1)HSU P H,TIAN X,XU Y.Financial development and innovation:cross-country evidence[J].Journal of financial economics,2014(1):116-135.

(2)王修华,赵亚雄.数字金融发展是否存在马太效应?——贫困户与非贫困户的经验比较[J].金融研究,2020(7):114-133.

(3)申明浩,谭伟杰.数字金融发展能激励企业创新吗?——基于中国上市企业的实证检验[J].南京财经大学学报,2022(3):66-77.

(4)RAN C Y,ZHANG Y R.The driving force of carbon emissions reduction in China:does green finance work[J].Journal of cleaner production,2023,421:138502.

(5)LV C C,SHAO C H,LEE C C.Green technology innovation and financial development:do environmental regulation and innovation output matter?[J].Energy economics,2021,98:105237.

(6)HAO Y P,ZHANG B.Financial technology,industrial ecology and energy efficiency[J].Environmental science and pollution research,2023,30:100526-100538.

(7)李幸芝,韩蓓,李国杰,等.分布式绿色能源碳交易机制及碳数据管理的挑战[J].上海交通大学学报,2022(8):977-993.

(8)段永琴,何伦志,克甝.数字金融、技术密集型制造业与绿色发展[J].上海经济研究,2021(5):89-105.

(9)胡莹,刘铿.数字经济推动构建新发展格局的理论机制研究——基于马克思资本流通理论的视角[J].当代经济研究,2023(11):18-27.

(10)邓荣荣,张翱祥.中国城市数字金融发展对碳排放绩效的影响及机理[J].资源科学,2021(11):2316-2330.

(11)廖珍珍,茹少峰.数字金融发展对二氧化碳排放增减叠加效应的理论分析与实证检验[J].经济问题探索,2022(9):117-132.

(12)魏丽莉,杨颖.金融资源错配对碳排放的影响研究——基于绿色信贷视角[J].西北师大学报(社会科学版),2023(3):126-133.

(13)KHAZZOOM J D.Economic implications of mandated efficiency in standards for household appliances[J].The energy journal,1980(4):21-40.

(14)SAUNDERS H D.The Khazzoom-Brookes postulate and neoclassical growth[J].The energy journal,1992(4):131-148.

(15)DOMENICO L D,RABERTO M,SAFARZYNSKA K.Resource scarcity,circular economy and the energy rebound:a macro-evolutionary input-output model[J].Energy economics,2023,128:107155.

(16)吴施美,郑新业.收入增长与家庭能源消费阶梯——基于中国农村家庭能源消费调查数据的再检验[J].经济学(季刊),2022(1):45-66.

(17)艾明晔,李呈祥.要素替代及回弹效应视角下中国钢铁行业能源消费研究[J].软科学,2017(7):6-10.

(18)刘朝,朱于珂,覃昌雄.公路交通能源环境效率与能源回弹效应——基于空间溢出效应的研究[J].技术经济,2019(4):114-128.

(19)LIDDLE B,LOI T S A,OWEN A D,et al.Evaluating consumption and cost savings from new airconditioner purchases:the case of Singapore[J].Energy policy,2020,145:111722.

(20)UMAR M,JI X F,KIRIKKALELI D,et al.The imperativeness of environmental quality in the United States transportation sector amidst biomass-fossil energy consumption and growth[J].Journal of cleaner production,2021,285:124863.

(21)贾锐宁,邵帅,杜克锐,等.中国碳回弹效应的时空格局、动态演进及驱动因素——基于改进的碳排放随机前沿模型的实证考察[J].中国软科学,2022(12):23-34.

(22)VIVANCO D F,KEMP R,VOET E V D.How to deal with the rebound effect?A policy-oriented approach[J].Energy policy,2016,94:114-125.

(23)LI M N,TAN L,YANG X.The impact of environmental regulation on cultivated land use eco-efficiency:evidence from China[J].Agriculture,2023(9):1723.

(24)金培振,张亚斌,彭星.技术进步在二氧化碳减排中的双刃效应——基于中国工业35个行业的经验证据[J].科学学研究,2014(5):706-716.

(25)刘敏楼,黄旭,孙俊.数字金融对绿色发展的影响机制[J].中国人口·资源与环境,2022(6):113-122.

(26)徐维祥,周建平,刘程军.数字经济发展对城市碳排放影响的空间效应[J].地理研究,2022(1):111-129.

(27)王元彬,张尧,李计广.数字金融与碳排放:基于微观数据和机器学习模型的研究[J].中国人口·资源与环境,2022(6):1-11.

(28)任保平,孙一心.数字经济培育我国经济高质量发展新优势的机制与路径[J].经济纵横,2022(4):38-48.

(29)LI P,OUYANG Y F.The dynamic impacts of financial development and human capital on CO2 emission intensity in China:an ARDL approach[J].Journal of business economics and management,2019(5):939-957.

(30)DHANDA K K,MALIK M.Carbon management strategy and carbon disclosures:an exploratory study[J].Business and society review,2020(2):225-239.

(31)SUN H P,CHEN T T,WANG C N.Spatial impact of digital finance on carbon productivity[J].Geoscience frontiers,2024(3):101674.

(32)HASYIMI V,AZIZALRAHMAN H.A strategy-based model for low carbon cities[J].Sustainability,2018(12):4828.

(33)陈晓红,李杨扬,宋丽洁,等.数字经济理论体系与研究展望[J].管理世界,2022(2):208-224.

(34)WANG H P,WANG M X.Effects of technological innovation on energy efficiency in China:evidence from dynamic panel of 284 cities[J].Science of the total environment,2020,709:136172.

(35)LESANI S B,MASHHADI A,HABIBNEJAD S A,et al.The mechanisms of protection of environment at economic activities in Iran[J].Public law studies quarterly,2020(3):899-920.

(36)INCER-VALVERDE J,KORAYEM A,TSATSARONIS G,et al.“Colors” of hydrogen:definitions and carbon intensity[J].Energy conversion and management,2023,291:117294.

(37)COLENBRANDER S,VAZE P,VIKAS C,et al.Low-carbon transition risks for India’s financial system[J].Global environmental change,2023,78:102634.

(38)徐军委,刘志华,王建雄.碳交易试点是否提升了区域绿色全要素生产率?[J].技术经济,2022(8):23-33.

(39)陆菁,鄢云,黄先海.规模依赖型节能政策的碳泄漏效应研究[J].中国工业经济,2022(9):64-82.

(40)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),2018(4):1557-1580.

(41)范庆倩,封思贤.数字金融影响碳排放的作用机理及效果[J].中国人口·资源与环境,2022(11):70-82.

(42)赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020(10):65-76.

(43)GU W,ZHAO X,YAN X,et al.Energy technological progress,energy consumption,and CO2 emissions:empirical evidence from China[J].Journal of cleaner production,2019,236:117666.

(44)干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011(5):4-16.

(45)徐建中,佟秉钧,王曼曼.空间视角下绿色技术创新对CO2排放的影响研究[J].科学学研究,2022(11):2102-2112.