数字普惠金融、能源结构转型与碳排放

Digital Financial Inclusion， Energy Structure Transformation， and Carbon Emissions： From the Perspective of Spatial Spillover

摘要

基于2011—2020年我国30个省、自治区、直辖市（不含港澳台、西藏）的面板数据，采用双固定效应模型、中介模型以及动态空间杜宾模型的实证分析，探究数字普惠金融发展对地区碳排放强度的影响和作用机制。研究表明：数字普惠金融发展能够直接降低碳排放强度，并且可以通过促进能源结构转型间接抑制碳排放强度；短期来看，数字普惠金融发展对本地区碳排放强度具有显著负向溢出效应，邻近地区的数字普惠金融发展对本地区碳排放强度具有正向溢出效应。因此，为推进低碳减排，实现“双碳”目标，应充分发挥数字普惠金融在优化资源配置、促进企业竞争、提升资源利用效率等方面的优势。

Abstract

To explore the influence and mechanism of the development of digital financial inclusion on regional carbon emission intensity， this paper makes an empirical analysis by using the double fixed effect model， the intermediary model， and the dynamic spatial Durbin model with the panel data of 30 provinces （excluding Hong Kong， Macao， Taiwan， and Xizang） in China from 2011 to 2020. The research results show that the development of digital financial inclusion can directly reduce the carbon emission intensity and also indirectly inhibit it by promoting energy structure transformation. In the short term， the development of digital financial inclusion in a province has a significant negative spillover effect on its carbon emission intensity， while the development of digital financial inclusion in its neighboring provinces has a positive spillover effect on its carbon emission intensity. Therefore， for promoting carbon emission reduction and achieving the goals of peak carbon emissions and carbon neutrality， it is necessary to give full play to the advantages of digital financial inclusion in optimizing resource allocation， promoting enterprise competition， and improving resource utilization efficiency.

关键词

数字普惠金融 / 能源结构转型 / 碳排放 / 空间溢出效应

Key words

digital financial inclusion / energy structure transformation / carbon emissions / spatial spillover effect

当前，实现绿色低碳转型是我国经济发展的方向。“双碳”目标出台后，相关政策文件陆续推出。“双碳”涉及国民经济的各个部门和行业，而金融业对推进可持续发展具有重要意义。互联网、大数据、云计算等信息技术的快速发展，使普惠金融跃上新台阶，数字普惠金融应运而生。数字普惠金融可以引导金融投资流向高新技术、绿色创新、低碳经济的产业和部门，将金融服务与碳排放和环保交易等紧密联系，促进资源合理配置、助力经济绿色转型、实现减排降碳。能源消耗作为碳排放主要来源，加快以化石燃料为基础的能源结构转型升级成为减排降碳、推动可持续发展的重点领域。数字普惠金融可以通过促进可再生能源投资、支持能效改进项目、推动清洁交通和新能源发展等途径改善能源结构，推动能源结构转型。

基于上述背景，本文认为有关数字普惠金融和碳排放的研究，需关注能源结构转型领域。理清数字普惠金融对能源结构转型和降低碳排放的作用机制和强度，具有理论和现实意义。

1 相关研究

1.1 金融发展对碳排放的影响

金融发展与碳排放一直是重点研究领域。对二者的关系，归纳起来主要分为三类，一部分学者认为金融发展能够降低碳排放，如张忠杰等^［1］提出金融发展能够降低人均能源消费的碳排放量。魏丽莉等^［2］提出金融资源可以通过绿色信贷缓解资源错配，减缓碳排放增加效应。另一部分学者认为金融发展能够提升碳排放强度，如陈向阳^［3］提出中国当前以银行主导的金融结构并不能有效减少二氧化碳排放量，甚至阻碍了企业进行绿色技术创新。陈啸等^［4］对1996—2018年中国普惠金融发展对碳减排的贡献进行量化，发现2002年以后普惠金融对碳排放的正向作用放缓。还有一部分学者认为对不同国家和地区，金融发展对碳排放的作用效果并不相同，如Acheampong^［5］对1980—2015年间83个国家的金融市场发展和碳排放强度之间的关系进行考察，发现对于发达和新兴经济体国家，金融市场发展能够降低碳排放强度，对于独立金融经济体国家则没有直接影响。Cheng^［6］对亚洲五个地区2010—2021年的数据进行考察，发现在东亚国家绿色金融和可再生资源扩张，能够在短期和长期抑制二氧化碳排放，在中亚和南亚国家则并没有显著影响。Rasheed等^［7］通过对2011—2022年亚洲17个国家的面板数据进行回归分析，认为传统数字普惠金融能够通过缓解收入不平等降低二氧化碳排放。

1.2 数字普惠金融对碳排放的影响

数字普惠金融是数字技术与传统金融服务的结合，通过高效、便捷的数字化渠道，减少资源错配，提升融资效率。伴随数字技术的快速应用，对数字普惠金融的影响效应迅速展开研究，包括缓解相对贫困、缩小经济鸿沟、实现共同富裕、促进乡村振兴、降低融资约束等。有关数字普惠金融对碳排放影响的研究则相对较少。王巧等^［8］重点研究了数字普惠金融对碳排放的阶段性效应和区域异质性。李寿喜等^［9］提出数字普惠金融可以通过促进技术创新降低碳排放强度。高国生等^［10］认为数字普惠金融可以通过农地流转显著抑制农业碳排放强度。

综上所述，已有研究从传统金融服务出发，研究金融发展对碳排放的影响，关于数字普惠金融的研究有待进一步深入；有关数字普惠金融与碳排放的研究中较少分析能源结构转型在其中产生的影响。为此，本文从能源结构转型的视角，探讨数字普惠金融对碳排放的影响机制与程度，为利用数字普惠金融实现“双碳”目标提供一定政策启示。

相较以往研究，本文的边际贡献体现在三个方面：（1）基于2011—2020年我国30个省、自治区、 直辖市面板数据，验证数字普惠金融与碳排放的影响关系；（2）从能源生产和能源消费两个维度考察能源结构转型程度，探究其在数字普惠金融和碳排放之间的传导效应；（3）在空间维度上，运用空间计量模型实证分析数字普惠金融与碳排放的空间溢出效应。

2 理论分析与研究假设

2.1 数字普惠金融对碳排放的直接作用机制

数字普惠金融是指通过数字金融服务促进普惠金融的活动，通过互联网技术，借助信息处理、数据分析、云计算存储等一系列相关技术，提升普惠金融的覆盖广度和深度，是一种技术进步带来的金融服务效率的提升。根据交易成本理论，技术进步可以降低交易过程的搜寻成本、议价成本以及监督成本。数字普惠金融可以突破企业获取金融服务的地理限制，通过线上操作的方式为消费者和企业提供便利，降低市场交易成本。根据要素流动理论，数字普惠金融可以通过对海量信息和数据进行整合归纳、分类分析、追踪跟进等方式促进企业良性竞争，实现资源的高效配置，调整资金的流向，提升要素流动性和回报率，同时引领企业持续优化产业结构。基于以上分析，提出假设1：数字普惠金融能够降低碳排放。

2.2 数字普惠金融促进能源结构转型的中介机制

内生增长理论框架下，能源消费被认为是实现低碳增长和绿色发展的首要因素^［11］。现有研究多从能源消费结构分析能源结构转型进程，忽略了能源结构产生的基础作用。我国矿产资源储量丰富，以煤炭、石油、天然气为主的化石燃料是我国能源供应的主力，这直接决定我国的能源生产结构。能源生产决定能源消费，能源消费反作用于能源生产。因此，能源结构转型应从供需两方面分析，综合考虑能源生产结构和能源消费结构的影响。数字普惠金融能够为发展清洁低碳新能源产业、创新化石燃料使用技术、推进清洁能源与高耗能产业结合等提供强有力的资金支持，促进能源结构转型。一方面，数字普惠金融通过调整借贷资金流向，将减排目标与贷款结构相结合，降低对高能耗、高污染企业的长期贷款额度，降低对自然资源的依赖和破坏，推进生产方式向绿色、清洁、高效转型，缓解粗放型经济发展模式带来高碳排放问题。另一方面，通过降低中小微企业融资门槛和融资成本，加强对新兴技术创新产业的支持。通过技术革新手段提升煤炭、石油等化石能源的利用效率，促进结构转型，降低碳排放量。基于以上分析，提出假设2：数字普惠金融可以通过推动能源结构转型的中介效应来抑制碳排放。

2.3 数字普惠金融对碳排放的空间溢出效应

数字普惠金融能够缓解地理区位的影响束缚，降低地理距离敏感程度。二氧化碳具有流动性特征，并且不同省份之间的竞争效应以及示范效应，使得数字普惠金融对碳排放具有负向溢出效应^［12］。根据政治竞争锦标赛理论，伴随环境治理被纳入政治考核标准，会产生倾向性的资源配置标准。数字普惠金融利用数字化分析，追踪企业绿色指标，更加有助于碳排放负向溢出效应的发挥。本地区数字普惠金融对其他地区数字普惠金融发展具有挤出效应，在本地区规模效应和边际成本递增的影响下，会抢占邻近地区的数字普惠金融发展资源，对邻近地区的数字普惠金融产生不利影响，进而有助于邻近地区的碳排放，即发挥正向溢出效应。基于以上分析，提出假设3：数字普惠金融对碳排放的影响存在空间溢出效应。

3 模型设计和变量选择

为检验上述研究假设，本文基于2011—2020年我国30个省、自治区、直辖市（不包含港澳台和西藏）的面板数据，采用基准回归模型检验数字普惠金融对碳排放的直接效应，采用中介模型检验能源结构转型在数字普惠金融和碳排放之间的中介效应，采用动态空间杜宾模型考察数字普惠金融与碳排放的空间溢出效应。

3.1 模型设定

3.1.1 基准回归模型

为检验数字普惠金融发展对碳排放强度的直接影响，构建双固定效应回归模型作为本文的基准模型，模型为

\mathrm{C}{{\mathrm{O}}_{\mathrm{2}}}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}{D_{\mathrm{F}\mathrm{I}}}_{it}+{\beta }_{\mathrm{2}}\sum C_{it}+{\varphi }_i+{\gamma }_t+{\epsilon }_{it}，（1）

式中，i代表省份，t代表年份，\mathrm{C}{{\mathrm{O}}_{\mathrm{2}}}_{it}代表被解释变量碳排放，{D_{\mathrm{F}\mathrm{I}}}_{it}代表核心解释变量数字普惠金融，C_{it}代表一系列控制变量，{\varphi }_i为个体固定效应，{\gamma }_t为时间固定效应，{\epsilon }_{it}为随机误差项。

3.1.2 中介机制模型

为检验数字普惠金融发展是否通过推动能源结构转型，对碳排放产生影响，采用逐步回归法检验中介效应，模型为

\mathrm{C}{{\mathrm{O}}_{\mathrm{2}}}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}{D_{\mathrm{F}\mathrm{I}}}_{it}+{\beta }_{\mathrm{2}}\sum C_{it}+{\gamma }_t+{\epsilon }_{it}，（2）

M_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}{D_{\mathrm{F}\mathrm{I}}}_{it}+{\alpha }_{\mathrm{2}}\sum C_{it}+{\gamma }_t+{\epsilon }_{it}，（3）

\mathrm{C}{{\mathrm{O}}_{\mathrm{2}}}_{it}={\lambda }_{\mathrm{0}}+{\lambda }_{\mathrm{1}}{D_{\mathrm{F}\mathrm{I}}}_{it}+{\lambda }_{\mathrm{2}}{M}_{it}+{\lambda }_{\mathrm{3}}\sum C_{it}+{\gamma }_t+{\epsilon }_{it}，（4）

其中，M_{it}为中介变量能源结构转型（ET）。

3.1.3 空间杜宾模型

为分析数字普惠金融发展对碳排放强度的空间溢出效应，使用空间杜宾模型（SDM）进行检验，具体模型为

\mathrm{C}{{\mathrm{O}}_{\mathrm{2}}}_{it}={\beta }_{\mathrm{0}}+\rho \cdot W\cdot \mathrm{C}{{\mathrm{O}}_{\mathrm{2}}}_{it}+{\beta }_{\mathrm{1}}{D_{\mathrm{F}\mathrm{I}}}_{it}+{\beta }_{\mathrm{2}}\sum C_{it}+\gamma \cdot W\cdot {D_{\mathrm{F}\mathrm{I}}}_{it}+{\epsilon }_{it}，（5）

其中，\rho为空间自回归相关系数，表示省份间碳排放溢出的影响方向和程度；W为空间权重矩阵，本文采用空间地理矩阵；W\cdot \mathrm{C}{\mathrm{O}}_{\mathrm{2}}为碳排放的空间滞后项；W\cdot D_{\mathrm{F}\mathrm{I}}为数字普惠金融的空间滞后项。{\epsilon }_{it}为随机干扰项。

3.2 变量选取及说明

（1） 被解释变量：碳排放（CO₂），用碳排放强度衡量。本文使用中国碳核算数据库中的省级碳排放总量指标，参考江元等^［13］的数据处理方式，构建的碳排放强度指标为各省份碳排放总量与GDP的比值，并取自然对数。

（2） 核心解释变量：数字普惠金融（DFI），以北京大学数字金融研究中心编制的中国数字普惠金融发展指数作为衡量指标。该指标综合考虑覆盖广度、使用深度以及数字化程度三个维度，能够较系统地反映中国数字普惠金融发展程度。

（3） 中介变量：能源结构转型（ET）。目前对能源结构转型学术界还未形成统一的衡量指标，参考 张宝凤等^［14］的指标处理方式，同时考虑能源生产结构转型和能源消费结构转型两个方面，采用熵值法对能源生产结构和能源消费结构两个代理变量进行赋权，计算能源结构转型（ET），见表1。

（4） 控制变量：产业结构（industry）为第二产业增加值占地区生产总值的比重；收入水平（income）为居民人均可支配收入取自然对数；城镇化水平（urban）为城镇人口比重；森林绿化水平（forest）为地区年森林覆盖率；对外开放程度（open）为地区进出口总额占地区生产总值的比重；技术创新水平（rd）为地区R&D内部经费支出占地区生产总值的比重。

综合考虑数据的时效性和可获得性，本文采用2011—2020年我国30个省、自治区、直辖市（港澳台、西藏因数据缺失严重，故删去）的面板数据为研究样本。原始数据来源于《中国统计年鉴》《中国能源统计年鉴》、中国经济社会大数据研究平台，个别缺失数据采用插值法补充。变量的描述统计结果见表2。

4 实证结果分析

4.1 基准回归模型

4.1.1 基准回归结果分析

数字普惠金融对碳排放影响的基准模型估计结果见表3。模型均采用双固定效应模型进行回归分析。回归结果（1）显示，不加控制变量时，碳排放和数字普惠金融之间呈显著负相关，即数字普惠金融每提升1%，碳排放降低0.006%，在1%的水平下显著。回归结果（2）显示，加入控制变量后，模型的显著性有所下降，但通过了5%水平下显著性检验，从而验证假设1。回归结果（3）—（5）分别分析数字普惠金融的三个子维度覆盖广度、使用深度以及数字化程度对碳排放的影响方向和程度。结果显示，在加入控制变量情况下，仅数字化程度通过1%的极显著检验，能够显著抑制碳排放。原因可能是数字普惠金融在覆盖广度和使用深度方面主要以推动经济发展为目标，对减排降碳的考虑相对较小，而数字化能够依托数字技术，灵活跟踪并反映降碳效果，对碳减排的影响作用明显。

4.1.2 稳健性检验

为进一步验证上述回归结果的稳健性和可信性，本文选择以下三种方式进行稳健性检验，结果见表4。

（1）替换被解释变量。本文将被解释变量（CO₂）的衡量指标碳排放强度替换为人均碳排放量指标（P_CO2），该指标为各省份碳排放总量与常住人口的比值，然后取自然对数处理。模型（6）的结果显示，数字普惠金融的回归系数仍显著为负，与基准回归结果一致。

（2）替换控制变量。将控制变量森林绿化水平（forest）和技术创新水平（rd）的衡量指标替换为地区森林面积和地区R&D内部经费支出，并取自然对数处理。模型（7）的回归结果表明，数字普惠金融对碳排放仍具有显著的负向影响，与基准回归结果一致。

（3）修改样本时间。模型（8）为剔除起始年份和末尾年份后的回归结果，回归系数仍然通过显著性检验，与基准回归结果一致。

4.1.3 异质性检验

我国幅员辽阔，各地区经济发展、地理区位差异较大，数字普惠金融发展水平对碳排放的影响作用也不尽相同，为准确刻画区域异质性分析，本文将30个省、自治区、直辖市划分为东北、东部、中部、西部四个区域，并分区域进行双固定效应回归分析（表5）。表5显示，东北地区数字普惠金融对碳排放存在正向促进作用，在5%的水平下显著。可能是因为东北地区为老工业基地，以煤炭、石油为基础的高碳化特征明显，现行的能源结构不易改变，导致数字普惠金融以工业振兴、经济发展为主要目标，在资源配置方面对高碳排放企业的资金支持更为显著。东部地区和中部地区的回归系数并未通过显著性检验，西部地区的数字普惠金融对碳排放均呈显著抑制作用。

4.2 中介机制模型

为分析能源结构转型作为数字普惠金融的中介变量对碳排放的影响，采用时间固定中介效应模型逐步回归进行验证（表6）。回归结果（2）表明，数字普惠金融对中介变量能源结构转型具有显著正向作用，数字普惠金融水平提升1%，能够推动能源结构转型提升0.0013%。回归结果（3）表明，中介变量能源结构转型对碳排放在1%的显著性水平下具有负向影响，表明促进能源结构转型可以抑制碳排放。对比回归结果（1）和（3），加入中介变量能源结构转型后，数字普惠金融对碳排放的抑制作用有所下降，即回归结果（3）中数字普惠金融的回归系数小于回归结果（1），但仍在1%的水平下显著，表明数字普惠金融能够通过促进能源结构转型，发挥部分中介效应降低二氧化碳排放，从而验证假设2。

为保证中介效应检验的稳健性，本文采用调整的Sobel检验和Bootstrap抽样200次检验，对时间固定效应下的中介机制进行检验，检验结果显示，Sobel检验统计量的P<0.05，且Bootstrap检验的间接效应检验P<0.1，直接效应检验P<0.01，以上检验结果说明存在中介效应。

4.3 空间杜宾模型

4.3.1 空间自相关检验

空间自相关检验是衡量空间自相关性的一种分析方法，主要分为局部自相关和全局自相关两种。利用莫兰指数（Moran's I）可以对变量的空间依赖性进行考察，本文运用全局莫兰指数检验结果对数字普惠金融和碳排放的空间相关性进行验证（表7）。结果显示，2011—2020年碳排放和数字普惠金融的全局莫兰指数均大于0，碳排放除2019年和2020年外均通过5%的显著性检验，数字普惠金融均通过1%的极显著检验，表明碳排放和数字普惠金融具有显著的空间正相关。

4.3.2 模型选择检验

为进一步研究数字普惠金融与碳排放的空间溢出效应，对空间面板模型进行LR检验（表8）。LR结果在1%的水平下显著，拒绝原假设，即空间杜宾模型（SDM）不能退化为空间自回归模型（SAR）和空间误差模型（SEM），因此选择空间杜宾模型。

4.3.3 计量回归结果分析

为让实证结果更加准确，本文选取时间和个体双固定模型下的空间杜宾模型进行空间计量分析（表9）。模型（1）为未加入控制变量下数字普惠金融和碳排放的空间回归结果，模型（2）为加入控制变量后的空间回归结果，模型（1）和（2）总体拟合程度较好。结果显示，本地区的上一期的碳排放对本期碳排放具有显著的促进作用，本地区的数字普惠金融发展能够显著抑制本地区的碳排放。碳排放空间自回归系数ρ为正值，分别为0.076和0.051，但均未通过显著性检验。数字普惠金融的空间自回归系数未加入控制变量时，在5%的水平下显著为正，加入控制变量后显著性下降为10%，表明周边邻近地区的数字普惠金融发展对本地区碳排放具有正向溢出作用，从而验证假设3。可能的原因是，数字普惠金融作为一种金融资源，各省份之间存在竞争效应和挤出效应，高碳排放企业为获得金融资金支持及优惠政策扶持，可能采取向邻近地区争取金融服务的措施。

4.3.4 效应分解结果分析

基于数字普惠金融对碳排放影响的动态空间杜宾模型，采用偏微分法将数字普惠金融的空间溢出效应分解为短期效应和长期效应，并将总效应分解为直接效应和间接效应，从而更加细致全面地分析各因素对碳排放产生的影响，以及空间交互关系（表10）。结果显示，核心解释变量数字普惠金融对碳排放的短期直接效应在5%的水平下显著为负，本地区数字普惠金融每提升1%，能够抑制本地区碳排放0.003%，说明数字普惠金融能够优化产业结构、调整资源合理配置、提升能源使用效率促进能源结构转型，降低二氧化碳排放量。短期间接效应显著为正，表明邻近地区的数字普惠金融每提升1%，本地区的碳排放量会增加0.003%，说明数字普惠金融对碳排放存在正向空间溢出效应。对控制变量进行分析，短期来看，城镇化和森林绿化水平对碳排放具有显著负向直接效应，提升本地区的城镇化水平和森林绿化水平能够在短期内显著降低碳排放。

5 结论和建议

数字普惠金融作为数字技术驱动的普惠金融新模式，不仅可以提供便捷、有效的金融服务，而且还在探索绿色普惠金融模式实现经济高质量发展的系统工程中提供了新的途径。聚焦数字普惠金融和绿色节能减排融合发展，为缓解中央和地方的碳排放压力、实现绿色经济可持续发展模式转变提供了良好的助力。本文基于2011—2020年我国30个省、自治区、直辖市（不含港澳台、西藏）的面板数据，分析了数字普惠金融发展对我国碳排放强度的影响及作用机制。研究发现，数字普惠金融能够显著降低碳排放强度，数字普惠金融指数每提升1%，会降低碳排放0.004%；将能源结构转型作为中介变量考察数字普惠金融对碳排放的作用机制，发现数字普惠金融能够通过促进能源结构转型抑制碳排放；短期来看，数字普惠金融发展对本地区碳排放强度具有负向溢出效应，邻近地区的数字普惠金融发展对本地区碳排放强度具有正向溢出效应。

基于以上研究结果，结合当前我国相关政策和实际状况，提出以下政策建议。

（1）促进传统金融服务体系数字化转型，推进数字普惠金融深入发展。金融服务结合电子信息技术的网络优势，有助于快速提升金融服务的质量和效率。完善数字基础设施建设，包括高速互联网连接、安全支付系统和数字身份验证，完善风险预警机制。利用大数据和人工智能技术，开发个性化、专业化、针对性金融产品和服务。推广移动支付，降低交易成本，扩大金融服务的覆盖范围。完善数字银行和电子银行体系建设，提供高效、便捷的金融服务。

（2）优化能源消费结构，提高清洁能源使用率。降低对高碳排放化石燃料的依赖，重视清洁能源的开发和利用。鼓励和推行实施碳定价机制，通过征收费用或建立碳交易市场等方式，根据实际情况提升化石燃料使用成本，逐步淘汰高碳能源产业，促进清洁能源的开发和使用。利用政策扶持和市场价格机制等手段推动清洁能源的市场流通。加强清洁能源的基础设施建设，包括风力发电、太阳能发电、水力发电等能源发电设施、输电网络、储能系统等，降低清洁能源的间歇性和波动性影响。

（3）加强数字普惠金融建设，政策引导数字普惠金融深入偏远地区。扩大数字普惠金融的覆盖面，增强普及性、可及性和普惠性。提高数字普惠金融的发展速度并扩大规模，强化对实体经济的助推作用。将金融服务下沉至偏远地区尤其西部资源型地区，引导金融机构数字化转型助力实体经济，降低中小企业融资门槛，鼓励发展低碳产业和清洁能源，降低对高碳排量资源和产业的依赖。加强落后地区的数字普惠金融建设可以有效缓解地区经济发展鸿沟，促进区域协调发展，加快“双碳”目标的实现，推动高质量协调发展。

参考文献

[1] 张忠杰，李真真，李宪慧.金融发展、城镇化对人均能源消费碳排放的影响［J］.统计与决策，2020，36（8）：106-110.

[2] 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），2023，60（3）：126-133.

[3] 陈向阳.金融结构、技术创新与碳排放：兼论绿色金融体系发展［J］.广东社会科学，2020（4）：41-50.

[4] 陈啸，薛英岚.普惠金融发展可以减少中国碳排放吗？：基于LMDI分解法的时间序列分析［J］.财经问题研究， 2021（5）：59-66.

[5] ACHEAMPONG A O， AMPONSAH M， BOATENG E. Does financial development mitigate carbon emissions？ Evidence from hetero geneous financial economies［J］.Energy Economics，2020，88：104768.

[6] CHEN G S. How are green finance， carbon emissions， and energy resources related in Asian sub-regions？［J］.Resources Policy，2023，83：103648.

[7] RASHEED S， ADENEYE Y， FAROOQ R. Income inequality and carbon emissions in Asia： Does financial inclusion matter？［J］.Sustainable Development，2024，32（5）：5274-5293.

[8] 王巧，尹晓波.数字普惠金融能否有效促进碳减排？：基于阶段性效应与区域异质性视角［J］.首都经济贸易大学学报，2022，24（6）：3-13.

[9] 李寿喜，张珈豪.数字普惠金融、技术创新与城市碳排放强度［J］.华东师范大学学报（哲学社会科学版），2023，55（2）：161-172.

[10] 高国生，王奇珍，支海兵.数字普惠金融对农业碳排放强度的影响效应分析［J］.经济问题，2024（1）：57-65.

[11] 刘淑茹，李明媛，宋炜.双碳约束、能源消费结构与全要素能源效率［J］.统计与决策，2024，40（2）：83-88.

[12] 田嘉莉，黄文艳.绿色金融果真助力碳中和吗［J/OL］.中南民族大学学报（人文社会科学版），（2024-11-12）［2024-11-19］.

[13] 江元，徐林.数字经济、能源效率和碳排放：基于省级面板数据的实证［J］.统计与决策，2023，39（21）：58-63.

[14] 张宝凤，蔡林美.数字经济是否影响能源结构转型？［J］.中国矿业大学学报（社会科学版），2024，26（1）：153-168.

基金资助

内蒙古自治区哲学社会科学规划资助项目“新发展视阈下内蒙古消费环境改善与居民消费潜力释放研究”(2022NDC138)