引言

工业绿色低碳转型是我国经济高质量发展的核心路径，更是实现“双碳”目标的战略基石，其关键在于破解经济增长与生态约束的二元对立。党的二十届三中全会审议通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》对深化金融体制改革作出部署，提出“积极发展科技金融、绿色金融、普惠金融、养老金融、数字金融”。为数字普惠金融赋能实体经济绿色赋能指明根本方向。发展新质生产力是推动高质量发展的内在要求和重要着力点，而工业作为实体经济的核心载体，其绿色转型效率直接决定新质生产力“高科技、高效能、高质量”特征的落地成效。制造业作为实体经济核心，其绿色转型亟需这类金融创新提供支撑。

二十大以来，党中央进一步坚持和发展了“绿色发展是高质量发展的底色，新质生产力本身就是绿色生产力”的鲜明论断，这一重要论述为工业绿色转型与数字普惠金融的融合发展提供根本遵循。长三角地区作为我国经济最活跃、开放程度最高、创新能力最强的区域之一，41个城市工业基础雄厚但生态约束趋紧，其数字普惠金融赋能工业绿色转型的实践，对全国范围内破解“发展与环保”矛盾具有示范意义。

一、文献综述

（一）关于工业绿色全要素生产率影响因素的研究

工业绿色全要素生产率是纳入能源消耗、环境污染等非期望产出的生产率指标，其不仅是刻画工业绿色发展的关键指标，还是衡量工业发展质量的重要指标。持续提高工业绿色全要素生产率是我国工业绿色低碳转型的首要任务。现有研究已从多维度识别其影响因素。从政策制度维度来看，适度环境规制政策通过创新补偿效应激发企业绿色研发，进而推动工业绿色全要素生产率提升，但严格度过高可能抑制企业活力，存在非线性特征。绿色金融政策可通过推动技术创新和缓解融资约束显著提高工业绿色全要素生产率。从金融要素维度来看，金融集聚通过知识溢出效应优化技术供给，而金融错配的改善可缓解绿色创新企业融资约束，为技术研发提供资金保障。从产业结构维度来看，工业内部的产业结构升级不仅提高了工业全要素生产率，而且减少了地区工业能源消耗和地区工业污染产出，能够有效提升城市工业绿色全要素生产率。

（二）关于数字普惠金融与工业绿色全要素生产率的研究

工业绿色全要素生产率的提高，与数字金融的发展息息相关、密不可分。已有研究认为数字普惠金融提高工业绿色全要素生产率主要通过普惠金融增强企业创新能力、增强数字金融技术溢出效应、促进产业结构升级转型等路径机制实现。从劳动和资本要素流动视角看，数字普惠金融发展水平越高，越有利于劳动、资本在产业和区域间流动以及信息、技术溢出扩散，一方面降低生产要素配置扭曲程度，另一方面发挥生产前沿地区的拉动作用，促进工业绿色全要素生产率提升。

围绕绿色全要素生产率的时空演变、数据测度和影响因素的研究已有丰硕学术成果，但直接探讨数字普惠金融与工业绿色全要素生产率两者关系的研究较少。工业部门作为高能耗、高污染排放的核心领域，其绿色转型效率直接关系到全国 “双碳”目标的实现，而当前针对数字普惠金融赋能工业绿色全要素生产率提升的针对性实证检验仍显不足。因此基于2012-2023年面板数据，利用EBM-GML测度工业绿色全要素生产率，分析数字普惠金融对工业绿色全要素生产率的影响，并建立门槛模型分析二者间的非线性关系，为推动数字普惠金融发展和工业绿色发展提供稳健的实证依据和决策参考。

二、研究设计

（一）变量解释

1. 被解释变量

工业绿色全要素生产率（gtfp）为的被解释变量。工业绿色全要素生产率作为测度经济发展绩效与生态环境质量相结合的相对指标，以资本、劳动和能源消费为主要投入要素，产出分为以工业产值为代表的正向型期望产出和以废弃物为代表的负向型非期望环境污染产出。绿色全要素生产率的测度方法主要有Super-SBM和Global Malmquist Luenberger（GML）指数法。其中，绿色技术效率和绿色技术进步可以通过线性规划进行指标分解析出。GML全局参比测度方法是利用整个考察期间所有决策单元的投入产出数据构建最佳生产前沿，将不同时期的决策单元均在全局最佳生产前沿下进行测度，有效解决了测度存在不可行解及跨期不可比等问题。采用EBM-GML指数法计算江浙沪皖各城市工业绿色全要素生产率。其中将人力投入、资本投入、能源投入作为投入变量，其三者的代理变量分别为规模以上工业企业员工人数、规模以上工业企业固定资产合计、工业用电量。将第二产业增加值作为期望产出，将工业废水排放总量、工业废气排放总量、工业烟（粉）尘排放量作为非期望产出，其中因《生态环境统计调查制度》改革，烟（粉）尘排放量自2020年起不再统计，2021-2023年烟（粉）尘排放量由工业颗粒物排放量数据代替；安徽省城市规模以上工业企业员工人数仅统计城区数据，为保证数据统计标准一致性，由第二产业从业人员减建筑业从业人员进行指代。鉴于GML指数为各年度间环比增长以及为了避免内生性问题，因此滞后一年GML指数，之后依次与各年GML值累乘得到工业绿色全要素生产率。

2.解释变量

数字普惠金融（difi）是核心解释变量，采用影响力较大的北京大学数字金融研究中心编制的数字普惠金融指数（2013～2024），选取覆盖广度（bcrd）、使用深度（dpth）、数字化程度（pay）以及数字普惠金融指数（difi）对数字普惠金融指数以及分解指数取对数，分别作为核心解释变量，综合考察数字普惠金融对我国工业绿色全要素生产率的影响效应。

3. 控制变量

对外开放（fdi）使用当年实际使用外资金额表示，外资使用较多的地区会引入更多的先进绿色技术与优秀管理模式，促进工业绿色转型；金融深化（fin）选取年末金融机构贷款余额做标准化表示，金融资源利用充足的城市，有利于为工业绿色创新提供良好的资金环境；政府干预（gse）采用地方财政一般预算内科学支出表示，科学支出受到行政干预可能会更偏向传统低效高能耗企业，从而固化高污染的生产模式；产业结构（ter）选用第三产业增加值占GDP比值表示，第三产业占比更高的城市缺乏为工业企业提供环保技术、绿色供应链等生产性服务的能力，因此第三产业的发展难以支撑城市工业绿色转型，从而降低城市工业企业绿色发展的上限。

变量类型	变量符号	变量定义
被解释变量	gtfp	工业绿色全要素生产率
核心解释变量	difi	数字普惠金融
	bcrd	覆盖广度
	dpth	使用深度
	pay	数字化程度
控制变量	fdi	对外开放
	fin	金融深化
	gse	政府干预
	ter	产业结构

（二）实证模型构建

1. 基本模型

为考察数字普惠金融对我国工业绿色全要素生产率的影响，构建如下双因素面板回归模型：

其中，被解释变量gtfp_it表示i城市t年工业绿色全要素生产率，difi_it表示i城市t年数字普惠金融，X_it表示其他控制变量，即影响工业绿色全要素生产率的其他因素；μ_i和v_t分别表明城市固定效应和时间固定效应，目的是为了控制随城市或年份变化的因素；ε_it为随机扰动项。

2. 门槛检验

为进一步检验数字普惠金融与我国工业绿色全要素生产率可能存在的“门槛”特征，设定面板门槛模型如下：

其中，I（x）为门槛模型的示性函数；分别为不同水平下的门槛值；为单门槛变量；为多门槛变量；代表不同门槛水平下数字普惠金融对工业绿色全要素生产率影响的系数，其他字母含义同公式（2）。

（三）数据说明

研究区域选用长三角地区江浙沪皖41个城市，研究数据选用2012-2023年面板数据。数据主要来源2013-2024年《中国城市统计年鉴》《上海统计年鉴》《江苏统计年鉴》《安徽统计年鉴》《浙江统计年鉴》以及《数字普惠金融指数（2012～2023）》。部分缺失值使用均值或平均增长率来补充。相关的描述性统计结果结果如表2所示。

变量	样本量	均值	标准差	最小值	最大值
gtfp	492	1.271	0.384	0.492	2.621
difi	492	5.405	0.353	4.247	5.922
bcrd	492	5.377	0.398	3.977	6.012
dpth	492	5.407	0.303	4.514	5.870
pay	492	5.464	0.391	4.177	6.082
fdi	492	11.404	1.245	7.889	14.695
fin	492	0	1	-0.589	7.147
gse	492	11.930	1.206	9.026	15.480
ter	492	46.590	8.228	26.66	75.2

三、实证分析

（一）基准回归

首先针对数字普惠金融对我国工业绿色全要素生产率影响进行基准回归。根据Huasman检验结果，基准回归选用地区和年份双固定，表3为基准回归结果，表3中第（1）列为纳入所有控制变量的数字普惠金融对工业绿色全要素生产率的影响。结果表明：数字普惠金融回归系数为0.764，且通过1%的显著性检验，数字普惠金融对工业绿色全要素生产率的正向效应存在。

变量	（1） gtfp	（2） gtfp	（3） gtfp	（4） gtfp
difi	0.764*** (0.236)
bcrd		0.546*** (0.155)
dpth			0.557** (0.228)
pay				0.348** (0.015)
fdi	0.044** (0.021)	0.042** (0.021)	0.046** (0.021)	0.044** (0.212)
fin	0.231*** (0.027)	0.244*** (0.028)	0.207*** (0.025)	0.200*** (0.026)
gse	-0.202*** (0.035)	-0.205*** (0.035)	-0.199*** (0.036)	-0.200*** (0.036)
ter	-0.021*** (0.003)	-0.021*** (0.003)	-0.021*** (0.003)	-0.019*** (0.003)
常数项	0.114 (1.144)	1.241 (0.780)	0.950 (1.150)	3.879*** (0.731)
时间固定	Yes	Yes	Yes	Yes
空间固定	Yes	Yes	Yes	Yes
N	492	492	492	492
R2	0.7304	0.7315	0.7276	0.7240

表3第（2）至（4）列考察了数字普惠金融覆盖广度、使用深度和数字化程度对工业绿色全要素生产率的影响，其回归系数分别为0.546、0.557和0.348，无论数字普惠金融的覆盖广度、使用深度还是数字化水平均都显著提高了工业绿色全要素生产率，由此间接带动我国工业绿色健康发展。比较覆盖程度、使用深度和数字化程度的回归系数，发现使用深度相较于覆盖程度、数字化程度对工业绿色全要素生产率的促进作用更为显著。

（二）内生性处理与稳健性检验

根据基准回归的结果，数字普惠金融对我国工业绿色全要素生产率的提高有促进作用，但出于稳健性考虑，采用以下四种方法对前文结论进行稳健性检验，具体结果见表4。

方法一：为控制内生性问题，将城市移动电话年末用户数（myu）作为核心解释变量的工具变量，运用两阶段最小二乘法重新估计。移动电话年末用户数在一定程度上反映地区信息基础设施覆盖水平与居民信息获取能力，是推动相关经济活动的重要基础。

方法二：剔除直辖市以及省会城市。我国各市级区域在经济发展水平、资源、技术等方面存在较大差距，这可能会影响数字普惠金融对工业绿色全要素生产率的影响程度。将杭州、上海、合肥、南京四个城市样本从总样本中剔除后再进行回归。

方法三：缩短样本区间。我国数字金融最早诞生于2004年支付宝的上线，但业界普遍将2013年视为我国数字金融发展的元年。将研究样本时间缩短为2013-2022年，采用多元面板回归模型分析数字普惠金融对我国工业绿色全要素生产率的影响性质及其程度。

方法四：缩尾处理。为验证回归结果对极端值的敏感性，采用1%缩尾处理对核心变量数字普惠金融指数进行极端值截断，重新进行双重固定效应回归，检验关键结论是否保持稳健。

稳健性检验具体结果见表3，列（1）（2）（3）（4）分别为以上四种方法回归结果。列（1）结果表明所选取的工具变量通过了识别不足和弱工具变量检验，是合理有效的，在考虑了内生性问题后，数字普惠金融的影响效应仍正向显著，说明研究结论是稳健的。列（2）回归结果显示，剔除直辖市以及省会城市的方法后，数字普惠金融回归系数为0.669，通过1%显著性水平检验。列（3）回归结果表明，在缩短样本时间区间后，数字普惠金融回归系数为1.119，且通过1%显著性水平检验。比较前后回归系数不难发现，剔除直辖市样本后，回归系数由基准回归的0.764上升至1.119。列（4）表明在缩尾处理后，数字普惠金融回归系数为0.802，且通过1%显著性水平检验。以上对比结果表明，稳健性检验后的数字普惠金融回归系数仍为正数，结论与基准回归结果大体相同。

变量	工具变量法	剔除直辖市样本	缩短样本区间	缩尾
	（1） gtfp	（2） gtfp	（3） gtfp	（4） gtfp
difi		0.669*** (0.114)	1.119*** (0.139)	0.802*** (0.248)
myu	-0.0004*** (0.00004)
K-P rk LM 统计量	53.139
K-P rk Wald F统计量	84.175
常数项	2.991*** (0.200)	-0.503 (0.587)	-2.604*** (0.656)	0.035 (1.207)
N	492	444	451	492
控制变量	YES	YES	YES	YES
R2	0.575	0.5602	0.4646	0.742

（三）门槛效应分析

参照Hansen的研究构建面板门槛模型，进一步分析其门槛效应的决定因素。首先，门槛变量的门槛值个数筛选采用Bootstrap自取抽样法进行确定，重复抽样500次后的计量结果见表5。结果表明：存在单门槛的门槛变量为数字普惠金融和数字普惠金融使用深度，通过双门槛检验的门槛变量是数字普惠金融覆盖广度和数字普惠金融数字化程度；其次，检验结果的各门槛值均位于95%置信区间内，表明门槛值全部是有效的。

门槛变量	门槛类型	F统计量	P值	第一门槛	第二门槛	95%置信区间
difi	单门槛	72.030	0.030	4.876	/	[4.860，4.887]
bcrd	单门槛	62.160	0.010	5.557	/	[5.313，5.337]
	双门槛	28.530	0.022	5.331	5.733	[5.729，5.734]
dpth	单门槛	48.950	0.004	5.544	/	[5.543，5.544]
pay	单门槛	109.640	0.002	4.772	/	[4.758，4.922]
	双门槛	52.370	0.002	4.772	5.317	[5.215，5.341]

其中，数字普惠金融水平和数字普惠金融使用深度通过了单门槛检验，门槛值估计值分别为4.876、5.544；数字普惠金融覆盖广度通过了双门槛检验，门槛估计值分别为5.331和5.557；数字普惠金融数字化程度通过了双门槛检验，门槛估计值分别为4.772和5.317。

表6第（1）至（4）列依次展示以数字普惠金融水平、数字普惠金融覆盖广度、数字普惠金融使用深度、数字普惠金融数字化程度作为门槛变量的参数估计。以数字普惠金融水平自身作为门槛变量时，当其低于门槛值4.876时，数字普惠金融促进工业绿色全要素生产率的提高，其回归系数为1.13；当数字普惠金融水平超过4.876时，其回归系数下降至1.052。表明数字普惠金融对工业绿色全要素生产率的促进作用随自身水平提升而边际递减，符合“边际收益递减”规律。

以数字普惠金融覆盖广度作为门槛变量时，当其低于第一门槛值5.331时，数字普惠金融水平对工业绿色全要素生产率的回归系数为0.44；跨越第一门槛值后，回归系数上升至0.477，且通过了1%的显著性检验；当其跨越第二门槛值5.733时，回归系数进一步上升到0.513，表明覆盖广度跨越门槛值后，“规模效应”凸显，促进作用持续增强，这与长三角地区数字基础设施完善带来的普惠金融红利相符。

以数字普惠金融使用深度作为门限变量，当其低于第一门限值5.544时，数字普惠金融指数对工业绿色全要素生产率的回归系数为0.551，通过了1%的显著性检验；当数字普惠金融使用深度跨越第一门槛值，回归系数从0.551再进一步上升至0.588，且通过1%的显著性检验，表明工业企业对以绿色信贷、绿色债券等产品为代表的数字普惠金融的深度使用能显著增强其对绿色生产率的促进作用。

以数字普惠金融数字化程度作为门槛变量时，当其低于第一门槛4.772时，数字普惠金融水平对工业绿色全要素生产率的回归系数为1.521；跨越第一门槛值后，回归系数下降至1.423，通过率1%的显著性检验；当其跨越第二门槛值时，回归系数进一步下降至1.374，表明数字化程度过高可能因技术瓶颈与监管风险削弱促进效应，需平衡数字化发展与风险防控。

因变量	gtfp
门槛变量	（1） difi	（2） bcrd	（3） dpth	（4） pay
difi (q≤γ1)	1.130*** (0.076)	0.440*** (0.067)	0.551*** (0.065)	1.521*** (0.086)
difi (γ12)		0.477*** (0.064)		1.423*** （0.081）
difi (q≥γ3)	1.052*** (0.070)	0.513*** (0.063)	0.588*** (0.063)	1.374*** (0.077)
常数项	-2.544*** (0.432)	0.662 (0.431)	0.167 (0.432)	-3.743*** (0.435)
N	492	492	492	492
F	137.60	123.56	128.50	147.08
R2	0.650	0.661	0.634	0.699

四、研究结论与政策建议

数字普惠金融对提高我国工业绿色全要素生产率，促进我国工业绿色发展，实现“碳中和”的发展目标具有重要意义。基于长三角城市面板数据，利用EBM-GML模型测算江浙沪皖41个城市工业绿色全要素生产率，使用双向固定模型和门槛模型检验数字普惠金融对工业绿色全要素生产率的影响，结果表明：（1）数字普惠金融的发展对工业绿色全要素生产率正向作用，其3个子维度指标覆盖广度、使用深度和数字化程度均使得工业绿色全要素生产率上升，其中使用深度的影响力最大；（2）数字普惠金融对工业绿色全要素生产率的促进效应存在门槛效应，当数字普惠金融覆盖广度与使用深度跨越门槛值后，数字普惠金融对工业绿色全要素生产率的促进作用将持续增强，而当数字普惠金融水平、数字普惠金融数字化程度跨越相应门槛值后，数字普惠金融对工业绿色全要素生产率的促进作用显著削弱。

数字普惠金融能兼顾经济效益、环境效益和社会效益，加快数字普惠金融规模快速扩张，促进数字普惠金融体系趋于完善，带动数字普惠金融产品持续丰富，促使数字普惠金融创新取得成效，有助于加快支持工业绿色发展、积极引导工业绿色转型，为了进一步充分发挥数字普惠金融科技优势促进我国工业绿色健康发展的积极影响，加快推进工业绿色经济活力持续释放，提出如下三点政策建议：

一是加强数字化基础设施建设，提升数字普惠金融覆盖广度。数字普惠金融基础设施建设作为数字化基础设施建设的重要组成部分，仍有完善发展空间和潜力。重点建设数字普惠金融的企业类基础设施，强化相关设备的升级改造，数字化赋能普惠金融，模式创新提高金融服务覆盖面，组建面向广大中小微企业的金融数据处理中心，突破部分企业数字金融信息资源来源不足的问题，进一步使工业企业融资呈现量增、面扩、价降的规模效益。

二是完善融资环境满意度评价，拓宽企业数字普惠融资渠道。当前，企业稳健发展和规模扩张最大限制是有效资金不足的问题。因此需要加快传统金融与数字金融双向协同，发展数字普惠金融，优化金融经济结构，以金融科技增加金融产品多样性，将数字普惠金融与传统金融相结合，使数字普惠金融愈加精细化和多元化，缓解小微企业和高科技企业融资约束刚性。

三是强化工业绿色发展补贴支持，创新数字普惠绿色金融产品。促进普惠金融、科技金融和绿色金融相结合，鼓励政府部门和金融机构联合设立绿色发展专项资金，引导和鼓励制造业企业在产业结构高端化、能源消费低碳化、资源利用循环化、生产过程清洁化、产品供给绿色化、生产方式数字化等方面给与专项补贴，全面促进制造业工业绿色转型发展。支持中小工业企业升级提档，支持龙头工业企业做大做强，支持优质企业增产增效，加大绿色工业企业补贴，刺激工业企业的研发投入。

参考文献：

1. [1] 邓莎莎.数智化跨境金融服务助力高水平对外开放[J].中国外汇,2024(18):40-42.
2. [2] 金春雨,孙玉娇.数字普惠金融与家庭消费结构升级[J].上海经济研究,2024(11):79-91.
3. [3] 王遥,李雨珊,吴祯姝.可持续金融支持新质生产力发展的理论机制研究[J].当代经济科学,2025,47(06):1-15.
4. [4] 中国人民大学习近平生态文明思想研究中心.深刻理解和把握习近平生态文明思想的理论内涵和实践意蕴[N].人民日报,2025-08-06(009).
5. [5] 周鹏飞,沈洋.环境规制、绿色技术创新与工业绿色发展[J].河北大学学报(哲学社会科学版),2022,47(04):100-113.
6. [6] 刘元雷,申杰.城市蔓延、绿色技术创新与工业绿色转型[J].统计与决策,2023,39(07):122-126.
7. [7] 籍艳丽,辜子寅,薛洁.环境规制对工业绿色全要素生产率的波特效应[J].统计与决策,2022,38(07):82-86.
8. [8] 王国梁,黄子轩,盛浩轩.绿色金融对企业新质生产力的赋能效应——基于有调节的中介效应模型检验[J].软科学,2026,40(01):101-108.
9. [9] 李瑞雪,司孟慧,张汉飞.金融集聚对工业绿色全要素生产率的影响研究——基于长三角地区的实证[J].华东经济管理,2022,36(05):34-47.
10. [10] 李凯风,夏勃勃,郭兆旋.金融错配、环境规制与工业绿色全要素生产率[J].统计与决策,2021,37(18):145-148.
11. [11] 谢东江,胡士华.绿色金融、产业结构与城市工业绿色全要素生产率[J].国际金融研究,2023(05):46-56.
12. [12] 宋炜,曹文静,周勇.数据要素赋能、研发决策与创新绩效——来自中国工业的经验证据[J].管理评论,2023,35(07):112-121.