数字普惠金融通过数字技术的全面应用，实现更广泛的覆盖、更低的成本和更高的服务效率，进而推动技术创新能力、减少能源消耗、促进经济增长和低碳环保协同并进。截至2021年6月末，四川省新网银行已通过线上普惠金融贷款成功实现碳减排98.38万吨，这一成功案例为数字普惠金融提升碳减排能力提供了有力的证据。此外，通过数字技术平台，数字普惠金融创新居民环保参与方式，线上交易减少了人们往返于金融网点的次数，有效降低了交通排放。便捷的融资渠道，也为企业开展技术研发，创新低碳科技成果提供了助力，有利于实现经济与环境效益的统一。因此，提出假设1：数字普惠金融的发展会抑制碳排放。因此，提出假说1：数字普惠金融能够有效提高碳减排能力。

世界上的事物都存在着联系，任何事物都是有一定的关联的，并且越邻近的事物关联度更加紧密。因此，一个地区的碳减排能力很有可能会受到相邻地区能力的影响。与此同时，很多学者认为相邻地区的数字普惠金融指数也存在着空间上的相关性。有些学者认为数字普惠金融存在扩散效应和涓滴效应 [27] ，能够突破传统金融自带的地理限制，促进劳动力、资本、技术等要素跨地区流动。此外，数字普惠金融不仅能加快农业技术改造升级 [28] ，提高本地区农业生产效率，而且有效破解了邻边地区存在的技术短缺、劳动力不足等难题。如研究指出数字普惠金融能够促进农村产业融合发展 [29] ，助力本地区和邻近地区乡村振兴 [30] ，产生显著的空间溢出效应。因此，提出假说2：数字普惠金融对碳减排能力的影响存在空间溢出效应。

本文以2011~2021年中国30个省(自治区、直辖市)的面板数据作为样本(因西藏碳排放量较低，且很多数据有遗漏，故而将其剔除)，涉及的数据主要来源于《中国统计年鉴》、《中国能源统计年鉴》、《中国碳核算数据库》、《中国环境统计年鉴》、《中国城市统计年鉴》、《中国科技统计年鉴》、《北京大学数字普惠金融指数》，以及各省(自治区、直辖市)的历年统计年鉴等。

基于理论框架，数字普惠金融的发展会抑制碳排放，且数字普惠金融对碳减排能力的影响存在空间溢出效应。为验证上述研究假设，研究采用了2011~2021年中国30个省份的面板数据，构建了碳减排能力评价指标体系、数字普惠金融影响碳排放的空间杜宾模型。

一个地区的碳减排能力与许多因素有关，参考相关文献 [31] - [35] ，本文将碳减排能力评价指标体系分为五个维度：经济发展能力、技术改善能力、碳汇吸收能力、能源消耗与碳排放状况以及社会发展能力。结果如 表1 所示。

本文采用基于熵值法的综合评价模型测度2011~2021年全国30个省碳减排能力。首先依据正/负向指标对每一个数据进行标准化，接着进行指标信息熵、权重值的计算；最后得到我国碳减排能力值。因篇幅有限，具体公式已省略。

先采用全局莫兰指数检验数字普惠金融和碳减排能力的空间相关性，之后设立空间杜宾模型，实证分析数字普惠金融对碳减排能力的影响。

$Y_{it}={\beta }_0+\rho W_{it}{Y}_{it}+{\alpha }_1{X}_{it}+{\beta }_1{W}_{it}{X}_{it}+{\alpha }_{2}Co{n}_{it}+{\beta }_2{W}_{it}Co{n}_{it}+v_i+c_i+u_{it}$(1)

$u_{it}=\lambda W{u}_{it}+{\epsilon }_{it}$(2)

在以上两个公式中，Y表示数字普惠金融；X为相关控制变量；i、t为省份和时间；ρ表示碳减排能力的空间自相关系数；W为空间权重矩阵；W(.)表示空间滞后变量；v为个体效应；c为时间效应；u为随机扰动项；λ为随机扰动项的空间自相关系数。λ = 0为空间杜宾模型；λ = β₁= β₂= 0为空间滞后模型。

碳减排能力值(Y)。由上文熵值法计算而得。

数字普惠金融指数(DIF)。数据来源于北京大学数字金融研究中心编制的“北京大学数字普惠金融指数” [36] 。

技术创新水平(INNOV)：采用人均专利授权数表示。

经济发展水平(IGDP)：采用人均GDP表示。

政府干预(GOV)：采用政府财政支出与GDP比值表示。

能源消费结构(ENSTR)：采用煤炭消费量与能源消费总量比值表示。

科技水平(TEC)：采用科技支出与财政支出比值表示。

本文利用Stata软件测算全局莫兰指数、局部莫兰指数，结果如 表2 、 图1 所示。观察可知全局莫兰指数均在1%水平下显著为正，表明数字普惠金融、碳减排能力存在显著的空间正相关性。为准确测度各省份碳减排能力的空间聚集状态和时间变化特征，本文利用Stata软件绘制了2011年、2015年和2019年莫兰指数散点图，如 图1 所示。观察可知中国各省份碳减排能力水平在2011年主要分布在“低–低”(H-H)象限，在2019年分布在“高–高”(L-L)象限，而在2015年几乎均匀分布在“低–低”(H-H)象限和“高–高”(L-L)象限。这说明随着时间推移，中国各区域的碳减排能力水平对邻近区域的影响存在一种过渡性特征，10多年前，大部分邻近省份碳减排能力呈现空间负相关，且这种负相关关系呈下降趋势，到2019年大部分邻近省份碳减排能力已经呈现出正相关关系。

图1. 2011年、2015年、2019年CMPI莫兰散点图

在研究数字普惠金融对碳减排能力的影响效果之前，我们首先做的是将Hausman检验、LR检验、SDM是否退化检验顺次进行，以此确定选用何种空间计量模型。根据 表3 中的结果，本文选择的空间计量模型是个体时间双向固定效应的空间杜宾模型。

注：^*P < 0.1，^**P < 0.05，^***P < 0.01。下同。

实证结果如 表4 所示。数字普惠金融对于碳减排能力的直接影响和空间影响分别在10%、5%水平下显著，其中直接影响系数为0.0004，空间滞后项系数为−0.0007，这表明数字普惠金融的发展虽然能够提升本地区的碳减排能力，但是对于邻近地区的碳减排能力的提升有一定的抑制作用。原因可能是一些小微企业未能达到本省份的碳减排要求，故而会选择在临近省份建厂、设立分公司等，在一定程度上给邻近省份的碳减排造成压力；本省以外的打工者(离家较远)会比普通人更多的订购外卖、使用一次性用品、增加更换手机的频率或者增加手机数量，他们会给其他省份(除老家所在省份)带来较多的碳排放，从而抑制其他省份的碳减排能力。假说1和假说2得到验证。科技水平对碳减排能力的直接影响在1%的显著性水平下为正，系数为1.7405，这表明当某个省份的科技投入占政府支出的比重更大时，会增加这个地区的碳减排能力。然而当扩展到空间效应时，可以发现科技投入的增多会显著抑制邻边省份的碳减排能力提升，主要原因一方面可能是对于一些科技发展水平较高的省份很有可能挤占周边省份(科技水平较弱)的资源，从而不利于它们的碳减排发展。技术创新水平对碳减排能力的直接影响在1%水平下的显著，系数为−0.0016；但是，当扩展到空间效应时，可以发现创新水平的提升会显著提升邻边省份的碳减排能力，这表明技术创新水平的提升会产生积极的空间溢出效应。新技术的出现虽然能够通过洁净碳源、处理污染物等方式提升碳减排能力，但是技术项目的申领和审核在无形中增加了温室气体的排放，对本地区的碳减排工作造成阻碍；然而邻近地区只需受惠于新技术，无需承担负外部性，故而产生正向空间溢出效应。

为了避面模型可能存在的为回归问题，通过单位根检验对数据进行稳健性分析，若数据是平稳的，则可以保证上述空间杜宾模型的合理性和有效性。如 表5 所示，使用LLC检验、IPS检验，可以看出，结果稳健性很强。