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

王 巧，尹晓波

(华侨大学 经济与金融学院，福建 泉州 362021)

实现“双碳”目标是一项严峻而复杂的工作，涉及社会经济各个方面的转型发展，而金融作为现代经济的血液，对于推进可持续发展有着重要意义。2021年10月，国务院发布《2030年前碳达峰行动方案》，明确了金融在实现碳达峰行动中的保障作用。在数字经济时代，数字普惠金融逐渐成为金融发展的核心。作为新时期提供金融服务的主要形式和现代技术应用的重要载体，数字普惠金融为生产生活带来全新变革，日益成为影响中国社会发展的关键力量。相比于传统金融，数字普惠金融依托大数据、云计算、区块链以及人工智能为代表的数字技术提供服务，克服了传统金融交易成本过高以及借贷歧视等弊端，拓宽传统金融覆盖面，降低风险识别、数据处理以及传统经营等各类成本，大幅提高金融资源的可得性和可利用性，有效促进社会资源合理配置，成为助推经济转型、实现减排降碳的新引擎。

在当前推动构建新发展格局、建设现代化经济体系背景下，如何利用数字普惠金融发展推进减排降碳、实现绿色发展是一项重大课题。本文的贡献在于：第一，基于2011—2020年中国30个省份面板数据验证数字普惠金融的碳减排效应以及二者之间动态关系；
第二，基于门槛效应和区域差异的视角，探究数字普惠金融发展对碳减排影响的阶段性和区域异质性，对促进数字普惠金融与实体经济有效融合，缩小区域间发展差距避免“数字鸿沟”，提升区域减排能力提供政策参考。

金融发展与碳排放一直是社会经济发展中的重点，对于二者关系的研究由来已久，学者们展开了较为充分的理论探讨和实证研究，归纳起来主要有两类观点。一类观点是认为金融发展能够减少碳排放。如塔马兹安等(Tamazian et al.，2009)提出金融发展有助于吸引高技术水平的外商直接投资从而提高技术水平，减少二氧化碳的排放[1]。沙赫巴兹等(Shahbaz et al.，2013)、布塔巴(Boutabba，2014)认为，金融系统能够通过金融产品的功能，比如风险分散、贷款利益折扣等来鼓励企业投资于节能技术，最终达到促进技术创新、降低能源消耗部门的二氧化碳排放量的作用[2-3]。邵汉华和刘耀彬(2017)、梁琳和林善浪(2018)、叶初升和叶琴(2019)基于中国的数据进行研究，同样认为金融发展水平主要是通过技术创新的渠道降低碳排放强度[4-6]。何运信等(2020)提出金融发展不仅能够推动技术进步，还能促进产业结构升级，从而降低二氧化碳排放强度[7]。另一类观点则认为金融发展会增加碳排放。如萨多斯基(Sadorsky，2010)从消费者角度分析，认为金融发展会通过增加消费信贷使得消费者增加对高耗能产品比如汽车的消费，进而增加碳排放[8]。贾维德和谢里夫(Javid & Sharif，2016)、卡胡利(Kahouli，2017)通过研究同样得出金融发展将提高能源消费水平，以牺牲环境质量为代价推动经济增长，会造成碳排放加剧的结论[9-10]。张丽华等(2017)、赵军等(2020)通过区域对比研究，均发现金融发展水平的提高会扩大生产规模，造成能源消耗加剧，从而促进碳排放的增长[11-12]。陈亮和胡文涛(2020)、陈向阳(2020)的研究显示目前中国仍以银行信贷为主要特征的金融发展并不能有效地减少碳排放，甚至在一定程度上阻碍了企业技术进步[13-14]。可见，碳排放问题涉及社会经济的诸多方面，金融发展也由于各国国情、衡量指标等方面的不同存在差异，结论仍存有较大分歧。

数字普惠金融是数字技术与金融服务的有机结合，通过现代科技的应用能够有效提升企业融资效率[15]，改变中介结构以优化金融服务质量[16]，扩大金融服务覆盖面以解决金融发展“最后一公里”的问题[17]。随着金融科技应用逐渐广泛，学者开始关注数字普惠金融对社会经济各方面发展的影响，包括消费需求、产业结构、减贫效应等。易行健和周利(2018)、李等人(Li et al.，2020)认为数字普惠金融可以促进家庭消费，尤其是资产较少、收入较低的家庭[18-19]。何宗樾和宋旭光(2020)研究发现数字普惠金融不仅提升了支付的便利性，而且减少了居民面临的不确定性问题，因此促进了居民消费需求[20]。孙玉环等(2021)同样支持上述结论，并提出数字普惠金融发展通过缓解流动性约束、便利居民支付两种机制促进居民消费[21]。唐文进等(2019)验证了数字普惠金融对中国产业结构升级具有显著的促进作用，尤其是产业发展形态比较落后的西部地区[22]。杜金岷等(2020)、李优树等(2022)的研究表明，数字普惠金融发展通过推动服务业与高科技产业发展以及提升产业间聚合质量，促进了产业结构高级化与合理化发展[23-24]。张等人(Zhang et al.，2020)、宇超逸等(2020)认为数字普惠金融发展可以有效增加家庭的收入，并且由于对农村家庭的正向效应大于城市家庭，因而有利于缩小城乡差距[25-26]。刘锦怡和刘纯阳(2020)则发现，数字普惠金融不仅能够起到直接减缓贫困的作用，而且互联网信贷和线上保险的实施与推广也能够创造更多的就业岗位，对贫困问题产生间接缓解作用[27]。

随着生态问题日益凸显，数字普惠金融与绿色发展的关系也逐渐受到学者们的关注，目前相关研究主要集中于数字普惠金融对企业创新与绿色生产率影响的讨论。如乔彬等(2022)从微观层面研究，发现数字普惠金融利用数字技术构建风控体系和信息共享平台以降低信息不对称，通过缓解企业资金高杠杆率和提升股东决策积极性促进企业绿色创新[28]。惠献波(2021)提出数字普惠金融能够通过提升技术创新水平、优化产业结构及缓解资源错配等途径，显著促进城市绿色全要素生产率提升[29]。张合林和王颜颜(2021)、张翱祥和邓荣荣(2022)的研究则验证了数字普惠金融所带来的技术进步与资金支持在农业绿色发展中的重要作用[30-31]。具体到碳减排的研究比较匮乏，少量的文献如贺茂斌和杨晓维(2021)把碳排放作为数字普惠金融提升全要素生产率的中介机制加以讨论[32]。

综上所述，已有的研究文献一是多局限于传统金融发展对碳排放的影响，关于数字普惠金融的研究有待深入；
二是在数字普惠金融的相关研究中，更多的是探讨数字普惠金融的经济影响，鲜有文献关注数字普惠金融的碳减排效应，尤其是其中的非线性影响与区域差异性。为此，本文聚焦数字普惠金融的碳减排问题，探讨数字普惠金融对碳排放影响的阶段性变化和区域异质性，对利用数字普惠金融促进实现“双碳”目标提供政策参考。

(一)数字普惠金融影响碳排放的机理分析

作为数字技术支持下的现代金融服务，数字普惠金融具有安全、共享、低成本、便捷等优势，能够显著扩大和提升金融服务的范围和效率，完善金融服务网络，有效提高资源配置效率，产生巨大的绿色经济效益，为实现碳减排提供全新思路[33]。

在个体层面，数字普惠金融依托数字平台与移动终端，有效促进线下业务线上化，便捷的线上渠道大幅减少了公众办理业务时原有的交易成本和资源损耗，从而降低所产生的碳排放量[34]。与此同时，数字普惠金融将绿色理念寓于金融服务中，提高公众环保参与度。以蚂蚁森林为代表的数字金融服务平台将参与环保活动融入并渗透到公众的日常消费中，拓宽公众参与环保事业的渠道，增加环保公益活动的透明度，从而显著提升公众的环境保护意愿和增加实际环境保护行动，助力生活方式低碳转型[35]。

在企业层面，一方面，数字普惠金融借助数字手段为金融产品提供者与需求者构建网络交易平台，并运用数字技术打造多样化金融产品体系，扩充资金渠道，加速资金的跨时空流通速度，提高企业融资便利性[36]，降低企业融资交易过程中的资源浪费；
另一方面，数字普惠金融通过人工智能、大数据、云计算等数字技术的运用，整合内外部数据，建立智能匹配、数据更新等智能运营机制，辨别评估双方供求，有效缓解信息不对称问题，降低企业尤其是中小微企业的融资门槛和融资成本，不仅改善创业环境，还能够推动企业的技术研发和创新活动，有助于提高资源利用效率[37]，从而达到降低能耗的目标。此外，数字普惠金融通过发挥其信息资源方面的优势帮助企业及时了解行业等方面的讯息，对创新方向、成果转化等进行正确及时的判断，灵活调整自身经营发展方向并不断提高技术创新的转化能力，最终推动减排降碳[38]。

在产业层面，首先，数字普惠金融作为现代化服务业的典型代表，本身具有清洁低耗的绿色特征，不仅能够通过数字技术降低金融业自身的能耗，还提高了服务业占比，相比于工业，具有低能耗、低污染特征的服务业的发展更有利于抑制碳排放的增加。其次，数字普惠金融有效弱化生产要素供需双方的信息不对称问题，提高金融资源配置效率，通过引导能源、劳动力等各类资源要素向效率更高的部门转移，促进产业结构升级，助力生产率提升和绿色转型，降低碳排放[22]。最后，数字普惠金融通过提高支付便利性增强了金融服务普惠效果，从而有利于降低消费成本，缓解消费预算约束问题，推动居民的消费增长和升级，不仅加快了物流业、交通运输业等相关产业发展，还有助于推进产品服务创新与多元化，进而实现产业转型升级，推动绿色发展[39]。

基于此，本文提出假设1：数字普惠金融能够促进碳减排。

(二)数字普惠金融对碳排放的非线性影响分析

数字普惠金融在其发展的不同阶段，对碳排放的影响会有所不同。在发展初期，传统金融造成的资金配置扭曲程度相对较高，企业发展所面临的资金需求较大，而数字普惠金融带来资金配置效率提高和融资成本降低，大幅度增加了资金供给，显著推进企业创新和产业转型升级，有利于节能减排。随着数字普惠金融进一步发展，可能会表现出对碳排放的促进作用：一方面，金融资源配置效率有了明显提高，企业可获得的金融资源逐渐丰裕，对企业创新的边际作用会有所下降，对碳减排的积极效应随之减弱[40]；
另一方面，如果金融监管未能配合完善，数字普惠金融可能会通过数字信贷、资本杠杆等途径造成金融规模的过度扩张，不仅会直接增加生产方面能源、原材料的消耗，还将引致低收入群体的消费需求过度增长[18]，进一步固化低端生产的粗放型增长模式，产生环境破坏效应，不利于碳减排。而当数字普惠金融发展到达更高阶段时，环境治理与监管制度趋向完善，企业等排污主体的技术研发与转化能力显著提高，公众消费理念逐步转变，最终达到减少碳排放、改善环境质量的效果。

金融业发展需要一定的城市经济发展与之匹配，因此数字普惠金融对碳排放的影响可能还会受到城镇化水平的调节。在城镇化水平较低的阶段，数字普惠金融通过提供资金支持，有效弥补传统金融不足[41]，推动产业发展与经济增长，从而推动地区的技术创新与产业升级。随着居民对物质和能源的需求剧增，生产规模不断扩大，此时的数字普惠金融所带来的资金会加剧能源消耗，造成碳排放增加。当城镇化进一步发展，基础设施共享能够产生规模效应时，城市通过在企业或者家庭之间共享碳密集型商品减少了碳排放，并且共享平台的形成也加快了低碳技术创新与应用，带动了绿色经济的发展[42]。

基于此，本文提出假设2：数字普惠金融对碳排放具有非线性影响，同时该影响受到城镇化水平的调节。

(一)计量模型构建

本文考察的是数字普惠金融对碳排放的影响，考虑到二氧化碳排放可能存在时滞性，因此构建如下动态面板计量模型：

CO2i,t=α0+α1CO2i,t-1+α2DIFi,t+φX+εi,t

(1)

式(1)中，i、t分别表示地区和年份；
CO2表示碳排放，为本文的被解释变量；
DIF表示数字普惠金融指数，为本文的核心解释变量；
X表示控制变量组；
ε表示随机误差项。

为进一步厘清数字普惠金融对碳排放的影响，本文采用面板门槛模型检验数字普惠金融对碳排放的非线性影响。以双门槛为例，具体的模型设计如下：

CO2i,t=β0+βi,1Ei,t×I(qi,t≤λi,1)+βi,2Ei,t×I(λi,1λi,2)+φX+εi,t

(2)

式(2)中，q表示门槛变量；
E表示受门槛变量直接影响的核心解释变量；
I(*)表示示性函数，当满足括号内条件时I(*)为1，否则为0；
其他变量含义同式(1)。

(二)变量选取

1.被解释变量

本文的被解释变量为碳排放，以人均碳排放(PCO2)和碳排放强度(QCO2)作为衡量指标。由于目前还未有统一规范的省级碳排放统计数据，在测算各省份人均碳排放和碳排放强度之前需要先测算各省份碳排放量。本文参考联合国政府间气候变化专门委员会(IPCC)的方法，根据能源消耗计算碳排放，并结合中国实际国情在计算中加入水泥生产量，具体核算公式如下：

(3)

式(3)中，Cj表示第j种能源消费量；
Kj表示第j种能源碳元素折算系数；
qj表示第j种能源二氧化碳排放系数；
44/12表示CO2与C的相对分子量之比；
m表示水泥生产的二氧化碳排放系数；
MP为水泥生产量。本文选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力9种主要能源进行测算，并采用IPCC公布的二氧化碳排放系数。在测算碳排放总量的基础上，根据各省份人口与国内生产总值(GDP)计算出人均碳排放与碳排放强度。

2.核心解释变量

本文的核心解释变量为数字普惠金融(DIF)，以北京大学数字金融研究中心发布的中国数字普惠金融指数作为衡量指标。该指数包含了覆盖广度、使用深度、数字化程度等多个维度，较好地反映了中国数字普惠金融的发展特征，被广泛应用于衡量省际区域的数字普惠金融发展程度，具有可靠性和代表性[43]。

3.控制变量

本文选取以下指标作为控制变量：城镇化(ur)采用城镇人口占总人口的比值表示；
经济增长(gdp)以2010年为基年的人均实际GDP作为衡量指标；
固定投资(ifa)以固定资产投资额与GDP的比值表示；
工业化(ind)选用工业增加值占GDP的比重表示；
对外贸易依存度(trade)以进出口总额与GDP的比值来衡量；
外商直接投资(fdi)采用实际利用的外资额与GDP的比值来衡量。其中对外贸易依存度和外商直接投资两项指标计算涉及的汇率采用人民币美元当年平均汇率。

(三)数据来源

碳排放量核算时涉及的各类能源消费数据来源于历年《中国能源统计年鉴》。数字普惠金融指数来自北京大学数字金融研究中心发布的《北京大学数字普惠金融指数(2011—2020)》。控制变量中，城镇化水平、地区经济增长、固定投资、外商直接投资、对外贸易依存度、工业化水平等指标的原始数据来源于国家统计局以及中国经济与社会发展统计数据库。为保证数据的可得性和完整性，本文将研究时间跨度设定为2011—2020年，由于西藏的相关数据缺失严重，本文将其剔除，最终得到30个省份(不包括港澳台、西藏)2011—2020年的面板数据。为满足估计条件并减小误差，本文相关数据已作对数化处理。

(一)基准分析

考虑到模型(1)中可能存在的内生性问题以及数据样本的有限性，本文采用更适合有限样本的两步系统广义矩估计(SYS-GMM)方法进行实证研究。在使用两步SYS-GMM估计方法之前，本文进行了萨甘(Sargan)检验和AR检验，以判断检验工具变量的可靠性以及模型是否存在序列相关。检验结果表明该模型不存在二阶自相关，并且模型所选择的工具变量也是有效的，因此可以认为模型设定合理，估计结果具有可靠性。

根据基准回归结果可知，模型(1)中数字普惠金融对碳排放的影响系数显著为负，从表1的两步SYS-GMM结果来看，数字普惠金融水平每提高1%，人均碳排放将减少0.36%，说明目前中国数字普惠金融发展整体上有助于减少碳排放，假设1得以验证。其中的原因可能在于：一是数字普惠金融打破金融服务的时空限制，优化业务流程，增强了金融服务可得性和便捷性，改善企业的融资需求，从而激发企业创新创业活力，推动绿色转型；
二是相比于传统金融，数字普惠金融具有更明显的绿色倾向，在数字技术加持下的普惠金融与绿色金融深度融合，绿色金融规模得以扩大，有利于碳排放量的降低；
三是数字普惠金融业本身属于现代服务业，在产生知识溢出效应的同时也能够影响到人口集聚水平，因而其发展带来的产业结构以及人口分布的变化存在降低人均二氧化碳排放的作用。总体而言，当前中国数字普惠金融有利于减少碳排放，改善环境质量。

本文参考朱东波等(2018)[44]的做法检验实证结果的稳健性：一是稳健性检验(1)，更换估计方法，采用混合回归(P-OLS)、固定效应(FE)、随机效应(RE)三种方法对模型(1)进行再估计，具体结果如表1所示；
二是稳健性检验(2)，更换被解释变量，将碳排放强度作为被解释变量重新估计，具体结果见表2。各项检验结果与基准回归结果基本保持一致，表明前述回归结果的稳健性，详细结果本文不再一一描述。

表1 基准回归及稳健性检验(1)结果

表2 稳健性检验(2)结果

控制变量方面，城镇化水平的提高会促进碳排放的增长，原因可能在于城镇化建设需要新增大量的住房和交通工具、医疗保健等公共设施，建筑业、钢铁业等高耗能产业生产增加，并且城镇化所带来的人口集聚引致生活中的能源消耗增加，进而引起碳排放量的增加。经济增长与碳排放之间呈现稳健的正向关系，说明目前中国总体发展模式还未完全转型，经济的增长会促进碳排放的增加。固定资产投资占比与人均碳排放之间呈现稳健的正向关系，说明中国大量的固定资产投资，包括房产建设、固定设备投资等，会导致二氧化碳排放的增加。对外贸易依存度与外商直接投资都表现出增加人均碳排放的效果，主要是由于目前外商在中国的投资项目以及进出口商品结构仍以非环保型为主，其规模的扩大会导致碳排放量的增加。工业化水平对碳排放表现出稳健的正向作用，反映出当前中国工业化仍以较为粗放的发展模式为主导，处于依赖资源消耗的阶段。值得注意的是，对于碳排放强度，经济增长、对外贸易依存度与外商直接投资显示出了与人均碳排放影响相反的结果，由于碳排放强度为碳排放量与国内生产总值的比值，推断这可能是因为相比于造成的碳排放量增长，这些变量带来的经济增长幅度更大。

(二)门槛效应分析

本文首先将数字普惠金融指数DIF作为门槛变量进行门槛检验，判断是否存在门槛效应。同时考虑到城镇化水平可能会影响到数字普惠金融的发展，在数字普惠金融对碳排放的影响过程中产生作用，因此本文选取城镇化水平ur作为门槛变量进行检验，具体结果见表3。

表3 门槛效应检验

由检验结果可知，当以数字普惠金融自身作为门槛变量时，通过双门槛检验而未通过单门槛和三门槛检验，证实显著存在双门槛效应。当以城镇化水平作为门槛变量时，通过双门槛检验，未通过单门槛和三门槛检验，说明同样存在双门槛效应，初步验证了数字普惠金融对碳排放的影响可能存在阶段性变化，并且受到城镇化水平影响的假设。

根据门槛检验结果，本文分别选取数字普惠金融DIF和城镇化水平ur作为门槛变量构建双门槛模型，探究数字普惠金融对碳排放影响的阶段性变化，具体结果如表4所示。

表4 门槛回归结果

当以数字普惠金融自身为门槛变量时，无论是人均碳排放还是碳排放强度，数字普惠金融对碳排放的作用均呈现出显著的先抑制碳排放的上升，而后促进碳排放增长，最后再转化为抑制碳排放的变化趋势。以人均碳排放为例，当数字普惠金融水平小于0.801 1，此时数字普惠金融增加1%，人均碳排放减少0.23%；
如果数字普惠金融水平处于0.801 1至0.819 1区间，此时数字普惠金融增加1%，人均碳排放转变为增加1.38%；
如果数字普惠金融发展至高于0.819 1，此时数字普惠金融增加1%，人均碳排放降低0.19%。其原因可能在于不同的发展阶段，数字普惠金融的技术创新效应、产业升级效应以及消费需求效应存在强弱变化，金融监管、环境规制等外部因素也引起数字普惠金融出现阶段性发展，从而导致对碳排放的影响表现出波动态势。比如发展初期，数字普惠金融的应用能够大幅提高金融资源的可得性和利用效率，企业生产效率和创新水平在充足的资金支持下得到极大提升，表现出降低碳排放的效果。在数字普惠金融不断发展的过程中，如果相关的监管体制未能匹配完善，金融规模将过度扩张，通过消费与投资间接导致碳排放增加。而随着数字普惠金融达到更高的水平，法律监管体系逐渐完善，在相关基础设施的配合下数字普惠金融对技术创新和产业升级的积极作用进一步增强，同时居民环保消费意识由于数字服务的知识传播作用得到提高，数字普惠金融最终表现出减排降碳的积极效果。

当以城镇化作为门槛变量时同样存在显著的双门槛效应。具体来说，无论是以人均碳排放还是碳排放强度作为被解释变量时，当城镇化水平在0.461以下，此时数字普惠金融水平提高，碳排放会降低；
城镇化水平继续发展，在0.461至0.463的区间内，数字普惠金融对碳排放的作用变为促进其增长；
当城镇化水平达到0.463以上，此时数字普惠金融对碳排放再次转为抑制作用。其中原因可能在于，在不同的城镇化水平及建设方式下，数字普惠金融对生产消费的影响不尽相同。从产业方面，在城镇化建设前期，基本以粗放式增长的制造业为主导，数字普惠金融所带来的大量金融资源流入这些行业进行投资，造成碳排放加剧。而随着城镇化水平的不断提高，城镇化建设模式逐渐转变，粗放式工业占比降低，高端制造业和第三产业的需求与规模不断攀升。与此同时，居民的绿色消费需求和环保意识也逐渐增强，不仅从供需方面引导企业绿色转型，还促使政府采取更合理的环境规制政策，最终达到推动碳减排的效果。以上分析表明，数字普惠金融对二氧化碳排放的影响表现出非线性特征，并同时受到城镇化水平的调节，假设2得以验证。

(三)区域异质性分析

理论上，数字普惠金融能够突破地理空间的限制，为各个地区提供金融服务，但是现实中数字普惠金融的发展需要以数字化建设为基础。由于中国不同地区之间数字基础设施、信息产业发展、公众受教育水平、产业发展模式等方面各不相同，数字普惠金融对碳排放的影响可能存在区域差异。为探究数字普惠金融对碳排放影响的区域异质性，本文将面板数据分为东部与中西部两部分，同样采用两步SYS-GMM方法进行实证分析，萨甘检验与AR检验均通过，因此该方法仍是适用的。(东部省份包括北京、天津、河北、辽宁、上海、江苏、浙江、山东、福建、广东、海南；
中西部省份包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆)

表5 区域异质性检验结果

根据表5结果的比较分析可知，数字普惠金融对碳排放的影响存在显著的区域异质性。无论从人均碳排放还是碳排放强度来看，东西部地区的数字普惠金融均有利于减少碳排放，与前文结果相符。但值得注意的是，在东部地区，数字普惠金融对碳排放影响系数虽为负值，说明有助于降低碳排放，但这种减碳作用并不显著。而在中西部地区，数字普惠金融对碳排放降低作用的系数绝对值和显著性均高于东部地区，表现出显著的减碳效应。其中原因可能是，与东部地区相比，中西部地区融资渠道相对缺乏，对金融资源的需求更强烈，因此数字普惠金融所能发挥的绿色作用更强。并且，东部地区的产业优化程度高，粗放产业比重较低，因而数字普惠金融的减排作用并不显著，而中西部地区工业比重较高，数字普惠金融的减排作用能够得以发挥。此外，中西部人均碳排放和碳排放强度的滞后项系数都更大一些，可知相比于东部地区，中西部的排放依赖比较严重。

本文在分析数字普惠金融与碳排放之间影响机理的基础上提出研究假设，并构建动态面板模型与面板门槛模型，运用多种估计方法进行实证检验，得出以下结论：(1)总体上，数字普惠金融有利于减少碳排放，表明现阶段中国数字普惠金融发展有助于降低碳排放。(2)当以数字普惠金融为门槛变量时，数字普惠金融对碳排放的影响呈现先抑制碳排放增长，再变为促进碳排放，最后又转为抑制碳排放的变化趋势；
当以城镇化为门槛变量时，同样显示出先抑制后促进，最后转为抑制的效果。(3)数字普惠金融对碳排放的影响存在显著的区域异质性，东部地区的数字普惠金融未表现出显著的减排作用，而在中西部地区数字普惠金融对碳排放的降低作用则尤为显著。

基于以上结论，本文提出如下政策建议：第一，加强数字普惠金融建设。推动传统金融机构数字化升级以及金融服务平台建设，结合传统金融的服务网络优势与数字科技的技术数据资源优势，不断提高数字普惠金融发展的速度和规模，并以城镇化发展为基础完善数字普惠金融基础设施建设，强化金融对实体经济的服务能力与助推作用，充分发挥数字普惠金融在鼓励绿色生产生活、推动低碳经济发展中的积极作用。

第二，因地制宜制定数字普惠金融政策。结合本地区资源禀赋、产业结构、开放程度等方面的特点及优势，制定出差异化的发展政策。对于经济较为发达地区，发展数字普惠金融应注重模式创新，加强集聚优势，做好数字普惠金融的“质”；
而对于经济较为落后的地区，应先扩大数字普惠金融的覆盖广度，通过增加数字基础设施投入与加强数字金融普及提升金融服务的普惠性，做足数字普惠金融的“量”。

第三，完善数字普惠金融制度体系建设。通过信息技术的应用构建数字普惠金融监管机制，不仅要保护用户隐私安全，更要注重数字普惠金融潜在风险预警，加强金融风险防范。同时，应及时关注相关政策机制与数字普惠金融发展的匹配度，灵活调整相关政策，保持数字普惠金融的健康发展态势，实现数字普惠金融与实体经济的协调发展。