城市数字普惠金融能否有效促进碳减排？——来自长三角城市群的经验证据

Can Digital Inclusive Finance Effectively Promote Urban Carbon Emission Reduction? —Evidence from the Yangtze River Delta Urban Agglomeration

摘要: 数字普惠金融作为新兴金融服务形态，为数字时代城市碳减排提供新机遇与动力。本文基于2011~2020长三角城市群27个地级市面板数据，构建双向固定效应与机制检验模型，实证分析长三角城市群数字普惠金融对城市碳排放的影响效应与机制路径。结果显示：(1) 长三角城市群数字普惠金融发展能有效降低城市碳排放。(2) 异质性分析表明，数字普惠金融对碳排放的影响因城镇化水平、碳排放强度的不同表现出显著性差异。(3) 机制分析发现，数字普惠金融可通过推动产业结构升级与绿色技术创新，从而助力城市碳减排。文章据此提出了相关政策启示，以推动长三角城市群因地制宜发展数字普惠金融，助力城市绿色低碳转型。

Abstract: As an emerging financial service form, digital inclusive finance provides new opportunities and impetus for urban carbon emission reduction in the digital era. Based on the panel data of 27 prefecture-level cities in the Yangtze River Delta urban agglomeration from 2011 to 2020, the article constructs a two-way fixed effect and mechanism test model to empirically analyze the effect and mechanism path of digital inclusive finance on urban carbon emissions in the Yangtze River Delta urban agglomeration. The results show that: (1) The development of digital inclusive finance in the Yangtze River Delta urban agglomeration can effectively reduce urban carbon emissions. (2) Heterogeneity analysis shows that the impact of digital inclusive finance on carbon emissions shows significant differences due to different levels of urbanization and carbon emission intensity. (3) Mechanism analysis shows that digital inclusive finance can help urban carbon emission reduction by promoting industrial structure upgrading and green technology innovation. Based on this, the article puts forward relevant policy implications to promote the development of digital inclusive finance in the Yangtze River Delta urban agglomeration according to local conditions and help the city’s green and low-carbon transformation.

1. 引言

近些年来，全球性的气候变暖、空气污染等问题正严重影响人们的生产生活，碳排放问题也引起了当今社会的广泛关注。当前我国政府高度重视降污减排问题，为此习近平总书记于2020年9月提出了“碳达峰、碳中和”的“双碳”目标。这对推动社会可持续性发展转型和经济高质量发展具有重要意义。当前，我国正加快进入数字经济时代，数字普惠金融作为新时代下快速发展的金融模式，已逐渐渗入到日常的生产生活中，更是在促进碳减排中发挥着保驾护航的角色[1]。一方面，数字普惠金融相较于传统金融，依托大数据、互联网等新兴技术提供服务，有效压缩了时空距离，拓展了传统普惠金融的覆盖广度和使用深度，有效提升了对社会资源的导向和整合作用，大幅提高资源配置效率，实现产业结构的最大优化，推动社会转型与低碳发展。另一方面，数字普惠金融降低了产业交易、运营等成本，推动粗放型产业低碳集约化转型，助力城市碳减排。

作为国家重大战略发展区域，长三角城市群不仅是国家最具活力与科创力的地区之一，其数字普惠金融发展水平也居全国前列。但由于长三角城市群过去几十年来快速的工业化与城市化，城市碳排放量居高不下。因此，系统性地研究长三角城市群数字普惠金融发展对城市碳减排的影响，对科技赋能数字普惠金融创新发展，助推碳减排，实现长三角绿色低碳转型具有深远意义，也为中国其他地区发展数字普惠金融促进碳减排提供路径建议。

2. 文献综述

“普惠金融”概念在2005年由联合国率先提出[2]，于2006年引入中国并且引起社会的广泛关注。随着移动互联网时代的到来，数字技术开始赋能金融服务行业，推动普惠金融发展，数字普惠金融的概念应运而生。2016年，在杭州G20峰会上我国首次提出了数字普惠金融概念。之后随着时代与技术的迭新使得数字普惠金融概念不断深化并赋予更丰富内涵。黄益平等(2018)认为数字普惠金融是传统金融机构与互联网公司通过数字技术完成融资、支付、投资等新型金融服务模式[3]。信通院云计算与大数据研究所发布的《数字普惠金融发展白皮书(2019年)》中将其定义为，是在成本可控、模式可持续的前提下，以各类数字化技术为实现条件，为社会各阶层尤其是现有金融体系覆盖不足的城镇低收入人群、农村人口、偏远地区人口等特殊群体以及小微企业提供平等、有效、全面、方便的金融产品和服务[4]。郭峰等(2020)将数字普惠金融定义为利用大数据、云计算等数字渠道，为社会提供服务的金融体系[5]。

目前学者对数字普惠金融的测度方法各不相同。Noelia和David (2014)认为普惠金融发展程度由使用、障碍和获得性三个维度决定[6]。蒋庆正等(2019)从电子银行使用广度、使用深度、可持续性三维度测度数字普惠金融发展水平[7]。郭峰等人(2020)从数字金融覆盖广度、使用深度和数字化程度这三个维度构建数字普惠金融指数[5]。

随着“双碳”目标的推进与数字普惠金融的发展，数字普惠金融与城市碳排放的关系备受学术界的关注。多数学者认为数字普惠金融能有效降低城市碳排放。Han J等(2024)通过实证发现数字普惠金融的蓬勃发展对碳排放的显著下降存在很强的正相关关系，是遏制碳排放的强大引擎[8]。也有学者认为数字普惠金融与城市碳排放之间不是简单的线性关系。严成樑(2016)认为数字普惠金融与城市碳排放之间呈倒“U”型关系，即数字普惠金融发展初期增加碳排放量，数字普惠金融发展后期抑制碳排放[9]。还有少数学者认为金融发展会增加碳排放。赵军等(2020)发现从全国层面，金融发展促进了碳排放[10]。陈亮等(2020)研究发现以银行信贷规模为主要特征的金融发展并不能有效地减少碳排放，同时在一定程度上阻碍了企业技术进步[11]。

数字普惠金融是数字技术与金融服务的有机结合，为城市低碳发展提供了新机遇。学界开始关注和研究数字普惠金融影响城市碳排放的机制路径。Ye J等(2023)提出通过消费结构升级提升数字金融的碳减排影响，加强数字金融与消费趋势的空间互联性，支持城市低碳转型的见解[12]。Su Z等(2023)通过机制分析发现数字普惠金融助力推广绿色环保的公共交通出行模式和清洁能源以缓解城市碳排放强度[13]。俞佳立等(2024)认为数字普惠金融通过促进技术创新，从而促进碳排放效率[14]。

综上所述，研究数字普惠金融作用碳排放关系的研究已然很丰富。但现有研究大多基于全国或省级层面，鲜有从区域层面进行深入研究。除此之外，不同因素下数字普惠金融对碳排放也存在差异性影响。鉴于此，本文基于2011~2020年长三角城市群27个城市的面板数据，利用双向固定效应模型，研究数字普惠金融对于城市碳排放的影响效应，在此基础上纳入产业结构升级、绿色技术创新两个机制变量，分析数字经济影响城市碳排放的作用机制。并从城镇化水平与碳排放强度两维度，异质性分析数字普惠金融对城市碳排放的抑制效应。

3. 理论分析与研究假设

3.1. 数字普惠金融对碳排放的影响

数字普惠金融作为依靠大数据、云计算等数字技术支持的新型现代金融服务业态，具有低成本、共享、快捷等优势，显著拓展了金融服务的范围，有效提升了资源配置效率，积极助力城市碳减排效应，为城市绿色低碳转型注入新动力。

个人层面，一方面数字普惠金融为居民提供了线上交易平台，推动金融业务线上办理，大大降低了交易成本与能源消耗，减少业务过程中的二氧化碳[15]。另一方面，数字金融服务融入了绿色理念，数字普惠金融通过教育普及、鼓励绿色环保等方式引导公众转变消费方式与观念，提高公众的绿色环保意识，不断拓宽公众参与绿色环保事业的方式。

企业层面，一方面数字普惠金融依靠数字技术构建了网络交易的移动平台，推出多样化、个性化金融产品，拓宽了资金渠道，有效降低了企业融资的难度，减少了交易过程中的资源浪费。另一方面，数字普惠金融凭借其安全、共享等优势有效降低信息的不对称性，降低企业融资成本和门槛，提高融资效率，为企业的绿色技术研发和创新提高物质保障，加速了企业的数字化转型，进而推动城市的节能减排。

产业层面，一方面数字普惠金融作为新型服务形态，具有清洁环保的绿色特征，通过数字技术降低了金融行业的能源消耗，实现了金融行业的可持续性发展。另一方面，数字普惠金融通过绿色股票、生态投资等金融服务，引导资金向集约型、环境友好型产业倾斜，倒逼产业数字化、绿色化转型，从而实现碳减排。由此，本文提出假设H1：

H1：长三角城市群数字普惠金融发展可有效助力城市碳减排。

3.2. 数字普惠金融对碳排放的作用机制

3.2.1. 产业结构升级

数字普惠金融发展通过推动产业结构升级，有效减低城市碳排放。当前数字时代接踵而至，现代金融服务依托数据运算，达成产业链供需两端的精准对接，提高了金融服务产业的抗风险能力与资源配置效率，提高能源利用率，减少交易过程产生的二氧化碳。此外，数字普惠金融不断驱使资源向高技术绿色产业倾斜，推动产业的数字、集约化转型。同时，数字普惠金融降低了资源的不对称性，缓解资源错配，吸引高新技术形成产业集聚，带动产业集群的创新技术与产业绿色化变革，进而推动低碳产业发展[16]。由此，本文提出假设：

H2：数字普惠金融通过赋能产业结构升级有效抑制城市碳排放。

3.2.2. 绿色技术创新

绿色技术创新也是碳减排的重要引擎。当前数字普惠金融因其便捷、多样化的融资模式，拓宽了企业的融资渠道，提高了融资效率，有效缓解企业的融资瓶颈。此外，数字普惠金融冲破了传统金融服务的时空限制，引导资源的跨行业流动[17]，降低行业内外的信息不对称性，促进绿色技术创新性转型。当前，绿色科技创新有效推动产业绿色、智能化转型，在提升产业附加值、减少能源消耗的基础上降低能源消耗，降低产业运营成本，减少城市碳排放量。由此，本文提出假设：

H3：数字普惠金融通过促进绿色技术创新为城市碳减排提供保障。

4. 研究设计

4.1. 模型构建

双向固定效应模型

数字普惠金融和碳排放强度为本研究的两个核心变量，为研究数字普惠金融对城市碳排放的影响，构建了双向固定效应模型：

lnCOI_it = β₁ + β₂Dif_it + β₃control_it + μ_i + λ_t + ε_it

其中：被解释变量lnCOI_it，表示城市i在t年的碳排放强度；解释变量Dif_it，表示城市i在t年的数字普惠金融发展水平；control_it为控制变量；μ_i为时间效应，λ_t为个体效应，ε_it为随机扰动项。

4.2. 变量说明

4.2.1. 被解释变量：二氧化碳排放强度(lnCOI)

碳排放强度反映每单位GDP的二氧化碳排放量，以各城市当年碳排放总量与GDP的比重取对数表示。

4.2.2. 解释变量：数字普惠金融发展水平(Dif)

本文采用北京大学数字金融研究中心编制的中国数字普惠金融指数作为代理变量，指数除以100处理。

4.2.3. 机制变量

产业结构升级(lnIsu)，以第三产业增加值与第二产业增加值比重取对数进行衡量。

绿色技术创新(Inn)。本文采用各地级市每万人绿色发明专利申请数来衡量。

4.2.4. 控制变量

本文选取城镇化率、人口规模、人力资本、政府干预、互联网发展水平作为控制变量。城镇化率(Urb)以各城市城镇人口与年末总人口的比值表示；人口规模(lnPop)以各城市常住人口数取对数表示；人力资本(Hc)，以普通本专科在校生人数与年末总人口数的比值表示；政府干预程度(Gov)以政府公共预算支出与国民生产总值的比重表示；互联网发展水平(Int)以国际互联网用户数与城市常住人口数的比重表示。

4.3. 数据来源

本文针对2011~2020年长三角城市群27个城市进行研究，形成了270个面板观测值。城市碳排放总量源于公众环境研究中心(IPE)整理的各地级市二氧化碳排放数据。数字金融普惠指数由北京大学数字金融研究中心与蚂蚁金服共同编制。绿色专利数据来自CNRDS数据库。其他相关数据来自EPS数据平台、《中国城市统计年鉴》、各省份统计年鉴以及各地级市统计年鉴。

表1为本文各变量的描述性统计结果。

Table 1. Descriptive statistics

表1. 描述性统计

变量	样本数	均值	标准差	最小值	最大值
lnCOI	270	0.055	0.452	−0.825	1.434
Dif	270	2.011	0.717	0.423	3.345
Breadth	270	1.948	0.678	0.344	3.265
Depth	270	2.084	0.717	0.587	3.497
Digit	270	2.085	0.931	0.139	3.400
Urb	270	0.656	0.103	0.381	0.896
lnPop	270	6.179	0.689	4.292	7.819
Hc	270	0.026	0.026	0.001	0.127
Gov	270	0.141	0.048	0.076	0.283
Int	270	30.511	13.286	6.672	66.722
lnIsu	270	−0.003	0.285	−0.786	1.025
Inn	270	1.382	1.292	0.021	7.539

5. 实证分析结果

5.1. 基准回归分析

本文采用双向固定效应模型对长三角城市群数字普惠金融与碳排放关系进行实证分析，基准回归结果如表2所示。结果显示，无论是否加入控制变量，数字普惠金融系数均在5%的置信水平下显著为负。这说明数字普惠金融对长三角城市群碳排放具有显著的抑制作用，验证了假说1。

从控制变量来看，人口规模(lnPop)系数显著为正，说明城市人口增多会带动二氧化碳的排放。这可能是由于人口增长带动能源需求增加，在以传统高碳能源结构下，碳排放量增加。人力资本(Hc)系数显著为正，说明人力资本集聚会促进碳排放。这可能是因为人力资本的积累促进了经济增长，伴随着企业生产规模的扩大，能源消耗的增加，释放大量二氧化碳。互联网发展水平(Int)系数显著为正，说明互联网发展普及会增加碳排放。这可能是由于建设与维护数据中心、云计算等网络基础设施需消耗大量高耗能源，产生大量二氧化碳。并且随着互联网的普及，消费增长，碳排放也可能提高。城镇化率(Urb)、政府干预程度(Gov)系数为负，说明新型城镇化与政府干预程度可缓解城市碳排放，但就本文分析结果看该作用并不明显。

Table 2. Baseline regression results

表2. 基准归回结果

	(1) lnCOI	(2) lnCOI
Dif	−0.389^**	−0.369^**
	(0.163)	(0.166)
Urb		−0.010
		(0.381)
lnPop		0.358^**
		(0.140)
Hc		3.675^***
		(1.334)
Gov		−0.197
		(0.520)
Int		0.004^**
		(0.002)
常数项	0.599^***	−1.736
	(0.117)	(1.055)
城市	YES	YES
年份	YES	YES
N	270.000	270.000
R^2	0.652	0.669

注：括号内为标准误，^*、^**和^***分别表示通过10%、5%和1%的显著性检验。下表同。

5.2. 稳健性分析

为检验回归结果的稳健性，本文选择替换解释变量、修改样本量及解释变量滞后处理方法进行稳健性检验。如表3所见，列(1)为替换解释变量的结果，本文利用数字经济发展指数代替数字普惠金融作为解释变量再次进行回归分析。列(2)为缩减样本量的结果，本文将样本中直辖市上海剔除，进行稳健性分析。列(3)为解释变量滞后处理的结果，本文将解释变量数字普惠金融滞后一期，重新进行实证分析。通过上述稳健性检验可知，数字普惠金融发展可以抑制城市碳排放，基准回归模型具有稳健性。

此外，本文又利用数字普惠金融分级指标进行稳健性检验，同时还可以探究不同维度下数字普惠金融降低城市碳排放的差异性影响。结果显示，数字普惠金融覆盖广度和数字化程度均对城市碳减排呈显著作用，而数字普惠金融使用深度对碳减排并未通过显著性检验，由此证明数字普惠金融对城市碳减排的影响主要来源覆盖广度与数字化程度。数字普惠金融与数字化程度不断提升，拓宽了金融服务范围，在最大程度上推动产业的数字化转型，促进金融科技与节能减排技术的深度融合，促进企业绿色技术创新和产业结构升级，减排效果显著。尽管长三角城市群数字普惠金融使用深度不断拓展，但数字普惠金融的产品创新仍显不足。现有的数字普惠金融产品大多集中在传统的贷款、理财等领域，金融产品单一，服务体系也有待完善，其程度的提升并未直接转化为对降碳项目的支持，从而限制了对碳减排的贡献。

Table 3. Robustness analysis

表3. 稳健性分析

	(1) 替换解释变量	(2) 剔除直辖市	(3) 解释变量 滞后一期	(4) lnCOI	(5) lnCOI	(6) lnCOI
Dig	−0.415^**
	(0.203)
Dif		−0.317^*
		(0.179)
L.Dif			−0.373^**
			(0.162)
Breadth				−0.268^*
				(0.162)
Depth					−0.110
					(0.114)
Digit						−0.111^*
						(0.059)
控制变量	YES	YES	YES	YES	YES	YES
城市	YES	YES	YES	YES	YES	YES
年份	YES	YES	YES	YES	YES	YES
N	270.000	260.000	243.000	270.000	270.000	270.000
R^2	0.668	0.653	0.645	0.666	0.664	0.667

5.3. 异质性分析

5.3.1. 城镇化水平异质性

城镇化水平反映了城市的发展进程与经济特征。本文以城镇化水平平均值为界将长三角城市群划分为低城镇化区与高城镇化区，分别进行归回，结果如表4列(1)，(2)所示，高城镇化区数字普惠金融系数显著为负，而在低城镇化区并未发挥显著作用。可能的原因是，高城镇化区随着城市化水平的推进，基础设施不断完善，数字普惠金融得以迅速发展，优化产业结构，淘汰落后传统产业，释放更少二氧化碳。此外，高城镇化区得益于更多政策支持布局，不断优化城市空间结构，引导城市不断朝低碳方向转型。而低城镇化区大多基础设施不完善，数字普惠金融水平落后。其产业结构相对单一，往往依赖传统高耗能、高排放产业，传统能源消耗较大，发展过程中仍释放大量二氧化碳。并且该区域城镇化质量较低，城市空间布局有待完善，缺乏有效的空间效应与反馈机制，数字普惠金融对碳减排的促进效应未显现。

5.3.2. 碳排放强度

依据上述划分方式，将长三角城市群划分为低碳排区与高碳排区，分别进行回归。结果如表4列(3)，(4)所示，在低碳排放区数字普惠金融并未发挥显著降碳作用，而高碳排区发挥了显著的抑制作用。可能是由于低碳排区绿色技术和低碳产业已经得到了一定程度的发展和成熟，市场饱和度较高，数字普惠金融在推动碳减排发展空间相对较小。并且低碳排区碳减排效果可能得益于其他因素，如经济发展、技术创新等，数字普惠金融对其碳减排的支持力度较小。而高碳排区早年更多依赖重工业等高耗能产业，能源消耗大，碳排放体量大。随着数字普惠金融发展，传统产业大规模低碳化转型，降低能源消耗。并且对于高碳排区，政府将更关注其低碳发展，鼓励引导产业绿色化转型，限制碳排放增加。基于此，城市碳排放大幅度减少，表现出显著的抑制作用。

Table 4. Heterogeneity analysis

表4. 异质性分析

	(1) 低城镇化	(2) 高城镇化	(3) 低碳排放强度	(4) 高碳排放强度
Dif	−0.012	−0.570^***	−0.424	−0.486^*
	(0.299)	(0.214)	(0.339)	(0.286)
控制变量	YES	YES	YES	YES
城市	YES	YES	YES	YES
年份	YES	YES	YES	YES
N	140.000	130.000	140.000	130.000
R^2	0.616	0.752	0.652	0.657

5.4. 影响机制分析

前文研究表明，数字普惠金融发展能有效推动城市碳减排。为进一步探究数字普惠金融影响城市碳排放的机制路径，本文选择“产业结构升级”与“绿色技术创新”两个变量进行中介效应检验。考虑到逐步回归法会产生估计偏差，本文选择江艇[18]的研究方法进行机制检验，重点实证研究解释变量对机制变量的关系[19]，

lnIsu_it = β₁ + β₂Dif_it + β₃control_it + μ_i + λ_t + ε_it

Inn_it = β₁ + β₂Dif_it + β₃control_it + μ_i + λ_t + ε_it

lnIsu_it和Inn_it为产业结构升级与绿色技术创新两个机制变量，若解释变量Dif的回归系数显著，则验证了假说2、假说3成立。

5.4.1. 产业结构升级

结果如表5列(1)所示，数字普惠金融的回归系数在5%水平下显著为正，说明数字普惠金融发展确实能促进产业结构升级。通过对文献的梳理，产业结构升级是缓减城市碳排放的重要推动力。一方面，产业结构升级合理配置生产中的各要素，提高生产效率，淘汰高污染、高耗能产业。同时，产业结构的不断优化降低了信息搜集成本，有效缓解信息不对称与资源配置扭曲问题。另一方面，产业结构升级加速了数字技术与传统产业的融合，合理协调了一二三产业比重，降低产业对能源的依赖度，进而减少城市碳排放。

5.4.2. 绿色技术创新

结果如表5列(2)所示，数字普惠金融系数在1%的水平下显著为正，表示数字普惠金融赋能绿色技术创新。进一步研究发现，推动绿色技术创新能有效降低城市碳排放。一方面，绿色技术创新助力企业技术的迭代更新，加快传统耗能技术的清洁化转型，减少能源消耗，实现清洁生产。另一方面，绿色技术创新赋能产业绿色化转型，倒逼产业数字化、智能化，引导创新技术型人才流向环境友好型企业，减少生产过程中的二氧化碳，推动社会低碳转型。

Table 5. Mechanism analysis

表5. 机制分析

	(1) lnIsu	(2) Inn
Dif	0.287^**	5.178^***
	(0.112)	(0.787)
控制变量	YES	YES
城市	YES	YES
年份	YES	YES
N	270.000	270.000
R^2	0.759	0.606

6. 结论与政策建议

6.1. 研究结论

立足于“双碳”目标与数字普惠金融日趋深入的背景下，本文基于2011~2020年长三角城市群27个城市，构建双向固定效应模型实证检验数字普惠金融对城市碳减排的影响作用与机制路径，得出主要结论如下：(1) 数字普惠金融与城市碳排放之间呈现负向的线性关系，长三角城市群数字普惠金融发展能有效抑制碳排放。(2) 数字普惠金融对碳排放的影响存在异质性。高城镇化区与高碳排放强度区数字普惠金融发展对碳减排发挥显著作用，而在低城镇化区与低碳排放强度区未表现。(3) 从作用机制看，数字普惠金融通过优化产业结构升级与赋能绿色技术创新有效抑制长三角城市群碳排放。

6.2. 政策建议

第一，抓住数字时代的浪潮，因地制宜发展数字普惠金融。对于安徽、苏北等数字普惠金融水平较低的城市应乘势搭上数字快车，找准自身优势与困境，加入数字经济与低碳发展的新赛道。加大政策支持力度，依托“智慧城市”“宽带中国”等新基建发展机遇，不断完善数字基础设施建设，为数字普惠金融发展筑牢基础，进一步提高数字普惠金融发展水平，协助数字普惠金融助力城市碳减排。对于上海、苏南、浙江等高数字普惠金融水平的城市应着眼于数字普惠金融发展的长久布局，加强自身数字普惠金融水平与质量，鼓励金融服务不断向环保减排业务渗透，推动高新技术与低碳产业的深度融合，主动担负区域绿色转型重任。

第二，发挥数字普惠金融的辐射带动作用，促进跨区域金融协调发展。一方面，长三角城市群可以高数字普惠金融城市为中心设立多个金融集聚区域，协调金融资源，防止金融规模过度集中导致的资源浪费。建立金融集聚区域的合作平台，促进资源区域间流动，发挥数字普惠金融的空间溢出作用，引导资源向周边低水平城市倾斜，促进要素资源共享打破资源壁垒，发挥数字普惠金融在城市碳减排中的红利作用。

第三，利用产业结构升级与绿色技术创新对长三角城市群碳减排的影响渠道作用，差异化实施区域政策配套。长三角中部与西北部地区一方面应加快进行产业数字化转型，主动淘汰传统粗放型产业，协调一二三产业比重，助力产业结构升级优化，为降碳集聚力量。另一方面，应加大力度吸引人才，培养一批创新型复合型人才，补齐中部与西北部地区数字普惠发展的人才短板，为创新绿色技术可持续发展提供驱动力。长三角城市群东部地区则应关注产业的绿色数字化转型，重视数字普惠金融发展的质量，不断提高数字普惠金融数字化程度，推动数字技术在金融服务领域的普及与应用，化解传统金融服务痛点，创新金融服务模式与产品，加强绿色产业集聚与技术创新。

基金项目

本文系2023年度上海市哲学社会科学规划课题“高质量一体化发展背景下长三角土地绿色利用的响应机制与效率提升研究”的阶段性成果。

NOTES

^*通讯作者。