打开文本图片集

摘要：中国作为世界上最大的煤炭消费国，需要尽快实现“碳达峰，碳中和”目标以此应对气候变化。本文旨在研究数字金融对于城市碳排放的影响，以2011—2017年中国285个城市作为研究样本，建立双向固定效应模型探讨两者之间的关系，并基于中介效应、调节效应进一步分析数字金融碳减排效用及机理，且结果通过了稳健性检验。研究表明：①数字金融显著降低了城市碳排放强度。②数字金融发展通过技术效应抑制城市碳排放。③产业结构升级正向调节数字金融的减排作用。

关键词：数字金融;碳排放强度;碳减排;技术创新;产业结构升级

一、引言

随着经济社会的快速发展，环境污染问题愈发严重，使得“节能减排”开始逐渐成为人们谋求可持续发展所关注的重心之一。近几年，我国能源的消耗量不断增加，其中煤炭占据了大部分的比重。国家统计局数据显示，2020年我国能源消费总量49.8亿吨标准煤，煤炭占比56.8%。2015年-2020年，中国的煤炭消费量持续增长，年均增速达到0.2%。其中，工业煤炭占据绝大部分比重。能源的投入支持了第二产业的发展，同时过度的能源消耗增强了能源对外依赖性。煤炭，原油，天然气等能源进口量持续增长。为了让经济优先得到发展，人们将大量资源用于工业进程的推进中，直接导致能源短缺、碳排放量过大等问题，进一步导致了温室效应、环境退化问题。因此，如何实现经济的可持续发展，成为当下时代亟需解决的问题。

在当下能源消耗加剧的现实背景下，实现经济可持续、城市高质量发展已日渐成为学术界关注的重心。早期的研究主要都集中于环境污染以及经济发展之间的关系，与“环境库兹涅茨”曲线相关的研究便可以证明这一点。“环境库兹涅茨”曲线是各种环境退化指标与人均收入之间的关系假设。该类研究认为环境影响指标与人均收入存在倒U型关系。在经济增长初期，污染会逐渐加重，随着经济水平的进一步增长，趋势将会逆转。当经济发展进入高收入水平阶段，经济发展可以改善环境污染问题。这一领域中，较为重要的文献包括Grossman，Krueger研究的城市空气污染等四种类型污染指标与经济水平之间的关系。[1]

近年来，不少文献围绕金融发展、经济增长、能源消费以及环境之间的关系。金融发展、经济增长对于环境污染作用可以分解为三个效应：规模效应、技术进步以及结构转型效应，对于环境污染分别表现出不同的促进或抑制的效果。[2]Tiba， Omri详细的论述了环境、能源、经济增长的关系。[3]部分研究者提出金融发展增加了能源消费水平[4]。也有部分研究者认为金融的发展有利于降低能源消费以及碳排放。YaofuOuyang，PengLi研究发现以M2、信贷、库存周转率等综合指标来反映的金融发展水平减少了地区能源消耗，进一步降低了碳排放。[5]也有研究表明中国金融发展促进了碳排放的增加，其中金融中介规模对于碳排放产生的影响要大于其他金融发展衡量指标。[6]而JALIL A， FERIDUN M开展了关于人均二氧化碳排放量与金融发展的关联研究，并得出结论二者具有负向抑制效果的关系。[7]这几篇文献研究所得到的结果差异较大，这是由于他们在衡量二氧化碳排放量上有着不同的统计口径，如采用单位数量、人均燃料消费和二氧化碳排放量。从经济增长质量的角度看，采用二氧化碳排放强度（单位GDP的二氧化碳排放量）更为合适。[8]

金融发展对于低碳目标的践行有重要意义。金融发展可以通过促进绿色技术创新，降低能源消耗，促进碳减排。[9]不少研究表示，金融发展降低了人均碳排放量，尤其以资本市场和银行产业发展的影响最为显著。[9]Muhammad Shahbaz等研究发现，经济增长增加能源排放，而金融发展抑制能源排放。[10]然而也有研究指出当金融发展水平从低水平过度到高水平过程中会加剧环境污染。[11]具体而言，陈向阳指出现有传统银行体系对于碳排放的正向效果，表明旧有的金融体系已经满足不了现代社会发展的需要，进而为绿色金融指出路径。[12]而数字金融作为传统金融的发展，其兼具普惠性以及绿色性，已成为了当今社会重要的新型金融工具。研究者认为数字金融在鼓励消费者参与绿色行动，例如建立个人碳账户，调整产业结构，鼓励绿色创新的重要贡献有利于降低碳排放。[13] Jon Truby将数字金融具体化，探究比特币去碳化的效果机制。[14]

北大国发院副院长黄益平曾指出我国金融服务不平衡，不充分的矛盾突出。征信体系覆盖率与中小微企业贷款比例远低于英美。对于民营企业而言，传统金融机构贷款很难，很大程度上阻碍了创新。而数字供应链金融直接嵌入企业运营，支持实体经济;并且支持企业信贷，提高经营规模。总体而言，相较于传统金融数字金融更能加深碳减排功效。而对于如何制定相应的政策，使其成为城市绿色发展的助力仍需进一步的思考与研究。

现有文献主要从经济发展水平、能源消费结构、产业结构等方面来考察二氧化碳排放的影响因素，对于数字金融在碳减排中扮演的角色少有关注。鉴于此，本文为丰富现有理论，研究数字金融的碳减排效应，为数字金融发挥长效机制提供参考。

二、文献综述与研究假设

（一）数字金融与碳排放关系的文献综述

数字金融依托于大数据、云计算、互联网等技术，是对传统金融的延伸与发展。[15]数字金融的发展可以缓解环境的污染，减少碳排放从而实现绿色发展。许钊等提出数字金融具有污染减排的作用，并且存在双门限效应。数字金融在达到高水平之后，可以达到污染减排效果。[11]数字金融发展对环境的总体造成何种影响主要取决于各个方面的作用力，[16]同时，由严成樑等人（2016）构建的理论模型显示，数字金融发展同时具有导致污染排放上升的正效应和下降的负效应[9]。

数字金融碳减排效应的多种作用机制已分别被学术界相继验证。首先，数字金融可以改善能源结构来降低碳排放强度。数字技术有助于新能源的发展，能源生产流程的改进，提升能源利用率，进而有效抑制碳排放。[17]其次，数字创新能力及数字普惠金融的发展都有助于城市低碳化发展。[18]数字金融以其低成本、低门槛的普惠特点弥补了传统金融服务难以覆盖到“长尾用户”的缺点，为中小企业提供融资支持，实现经济高质量发展。[15]一方面，根据环境库兹涅尔曲线，当经济处于高水平阶段时会降低碳排放。[19]另一方面，数字普惠金融采用线上平台的方式交易，降低交易过程中的碳排放。[20]最后，不少研究者还指出，产业结构转型升级，绿色技术创新效应都是数字金融碳减排的作用路径。数字金融可以有效改善金融错配情况，并且借助大数据技术帮助企业识别创新发展方向，给予了低污染低能耗的行业更多的资金支持，使得绿色企业能够拥有更为充裕的资金进行生产技术升级改造，使企业向绿色创新方向发展。[11，21]同时，数字金融能增加第三产业产值，优化要素配置，促进产业结构升级，对碳排放绩效产生影响。[15]

基于以上分析，本文提出如下假设：

H1：数字金融对于城市碳排放有抑制作用

（二）数字金融对于碳排放影响机制

本文从以下三个方面讨论数字金融对于碳排放强度的影响机制。①数字金融可以提供正外部性的公共产品，将碳排放负外部性内在化，引导绿色金融资源流向低碳绿色的企业、产业。[22]②数字金融通过缓解资金供求双方信息不对称，以及企业抵押能力弱而造成贷款难的问题，有效降低了企业融资障碍，激励企业进行技术创新，[23]从而产生技术创新效应，减少碳排放。[15]③数字金融通过资本积累，消费需求扩张等渠道实现产业结构升级。[24]产业结构优化升级表现为产业结构高级化，合理化。一方面，产业结构高级化增加了绿色低碳的服务业占比，减少了第二产业的比例，[15，25]另一方面，产业结构合理化提升要素利用效率，改善碳排放绩效。[26]

1.技术水平的中介效应

企业技术创新可以通过能源节约效应减少环境污染。[27]而数字金融的发展可以激发企业绿色创新，改善碳排放绩效。首先，企业技术创新周期长、成本高、风险大、成果转化时间长，并且传统的金融市场有较高的交易成本，对于企业的盈利能力，资产有较高的要求，使得企业因资金问题无法进行创新。[15，23，28]而数字金融具有“草根”、“普惠”等特点，为企业融资降低了门槛，为企业进行绿色创新提供支持，降低碳排放水平。[23，28，29]其次，数字金融利用大数据，云计算等功能，增强了数据收集、处理、分析的能力，可以有效的帮助甄别出技术创新性高的项目。并且利用数字技术有效缓解金融资源错配情况，引导资金流向高创新技术项目，提高技术研发成功率以及最终成果的转化率。[15，23]绿色创新成果进一步降低了企业生产的能源消耗以及二氧化碳排放水平。

基于以上分析，本文提出如下假设：

H2：数字金融通过提高技术水平中介渠道抑制碳排放。

2.产业结构升级的调节作用

产业结构升级可以有效地提高能源利用效率，发展绿色经济，从而达到碳减排的目的。[15]数字金融提供环境友好型的金融服务，降低了线下交易的碳排放。并且依托于大数据技术，缓解金融资源错配，引导资金流入低碳环保领域，助力低碳产业发展。[30]产业结构升级过程中第三产业比例上升，[25]隶属于第三产业的数字金融也得到了更大的发展以及更广泛的应用空间。产业结构升级加深了数字金融的使用深度以及广度，使得其在碳减排中发挥更大的作用。

基于以上分析，本文提出如下假设：

H3：产业结构升级正向调节数字金融碳减排功效。

三、研究设计

（一）研究方法

1.模型设定

参考以往文献研究，为考察数字金融对于碳排放的影响，阐述其作用机制，构建如式（1）模型：

其中，i 代表城市，t 代表年份，被解释变量Ciit为中国各城市碳排放强度，Dfit 为本文核心解释变量，代表数字金融指数。Xit为可能会对碳排放造成影响的控制变量，包括人口规模、基础设施，环境规制，外商直接投资。αi为个体固定效应，λt为时间固定效应，εit为随机扰动项。回归系数β1衡量了数字金融对于碳排放影响的程度和方向。

2.变量选取：

（1）被解释变量：参考已有文献，[15，17]本文选取的被解释变量为碳排放强度（Ci），通过计算城市碳排放与地区生产总值（当年价格）之比获得。关于碳排放的计算，由于方法数据规模受限，对于中国二氧化碳的统计只到国家级、省级层面，缺乏城市级的数据，本文参考前人研究，基于夜间灯光数据，并且考虑了植物的固碳作用，采用PSO-BP算法，对省区能源碳排放进行了尺度缩减，计算县级能源碳排放。[31]

（2）核心解释变量：参考已有文献[11，15，17]本文采用数字金融指数（Df）为核心解释变量，以数字普惠金融指数作为数字金融指数的代理变量。数字普惠金融指数由数字普惠金融多个指标合成，用于衡量数字金融发展程度。该数据源自于北京大学互联网金融研究中心发布的《数字普惠金融指数》。该指标体系考虑覆盖广度（Bre），使用深度（Dep）和数字化程度（Dig）三个维度，共33个具体指标。其中覆盖广度由支付宝账号数量，绑卡用户比例，以及绑定银行卡书衡量，体现金融服务覆盖程度。使用深度包括支付服务、信贷服务、保险服务等，体现数字金融服务实际使用状况。数字化程度包含实惠化，移动化等，体现数字金融的使用优势。

（3）中介变量：本文采用科技水平（Fdi）作为中介变量，以中国城市专利申请数量表示。借鉴前人研究，[32]对于发明专利，实用新型专利和外观设计专利进行5：3：2的加权，得到中国城市专利申请量。

（4）调节变量：本文采用产业结构升级（Ins）作为调节变量。参考潘爽等的研究，采用第二产业与第三产业比值计算得到[28]。

（5）控制变量：[11，15，21]本文参考已有文献，选取了已下可能会对碳排放强度造成影响的变量：①人口密度（Pi），采用平方千米的人口数表示。②基础设施（Road），采用人均城市道路面积表示，直观反映城市拥挤程度。③环境规制（ER），采用建成区绿化覆盖率表示。④外商直接投资（Fdi），采用当年实际利用外资与地区生产总值之比。外商直接投资可以直观反映出对外开放水平，是考量环境污染水平的重要指标。[33]对外开放水平越高，可能导致更多的经济活动以及二氧化碳排放。

（二）数据来源及说明

考虑到调查数据的时效性以及可得性，本次立足于2011年到2017年238个中国地级及以上城市的相关数据。因港澳台，西藏，新疆数据缺失严重，予以剔除。本文的数字金融普惠数据来源于北京大学数字金融研究中心，夜间灯光数据来源于DMSP/OLS图像，其余数据主要来源于《中国城市统计年鉴》、中国研究数据库、中国统计局等。

四、结果与分析

（一）相关性分析：

在进行基准回归分析前，为避免模型存在多重共线性问题造成而使模型估计失真，本文进行相关性检验和共线性分析。下表1展示相关分析结果。根据表1结果可知，变量间相关系数均小于0.5，表明变量之间联系不紧密。VIF均值为1.06，不存在严重的多重共线性问题。

（二）基准回归：

在Hausman检验的基础上，本文采用双固定效应模型进行回归分析。豪斯曼检验结果显示P值为0，因此选择固定效应模型。由于各城市碳排放水平不同，并且在不同年份碳排放水平也有着天然的差异，因此本文控制城市固定效应以及时间固定效应。下表2展示了数字金融发展对于城市碳排放的影响的基准回归结果。表中显示，数字普惠金融指数对于碳排放有显著抑制效果，显著性水平为8.8%。证实本文H1假设。表中第二列结果显示其子维度，数字金融的使用深度对于碳排放强度影响显著为负。结果初步表示数字金融可以减少城市的碳排放。随着数字金融的不断发展，其自身的普惠性及绿色属性改善资源错配，减少能源消耗，促进城市的高质量发展。表中第二列、第三列、第四列分别为数字金融使用深度、覆盖广度，数字化程度的结果。其中，第二列结果表明随着使用深度的增加，不同种类的金融工具与应用增加，包括信贷、保险、投资等，使用更灵活便捷，缓解碳排放的负外部性，如与绿色金融相结合，完善绿色信贷约束激励等。[15]而其他列的结果并不显著，这说明数字金融对于碳减排主要是由数字金融使用深度所驱动。

根据本文所选的控制变量对于碳排放的影响中，基础设施对于碳排放的影响显著为负。说明人均城市道路面积越小，交通越拥挤，能源需求大，碳排放强度越高。

（三）内生性分析

鉴于变量内生性问题可能造成估计结果的一致性偏差，本文借鉴前人的文献研究，采用杭州到各城市的球面距离作为工具变量，采用IV-2SLS方法对于模型进行矫正检验。[34-36]数字金融的发展起源于杭州，辐射带动其他周边地区。因此，在地理位置上里杭州越近，数字金融的发展程度应该越高。[36]因此杭州到个城市球面距离与数字金融发展程度负相关，在加入控制变量后，与碳排放强度不直接相关，说明工具变量外生性。

表3结果显示，工具变量和内生变量存在关联。杭州到各城市球面距离与数字普惠金融显著负相关。因此，在考虑了数字普惠金融的内生性问题之后，数字金融的发展仍然对于碳排放强度负向影响显著，表明其结果具有稳健性。

（四）稳健性检验

1.替换被解释变量

人口规模是影响碳排放的主要因素。各个地区人口数量存在较大差异，借鉴谢云飞的做法，采用人均碳排放替换碳排放强度最为被解释变量进行稳健性检验。表3结果显示，数字金融指数与人均碳排放显著为负，结果具有稳健性。

（五）机制分析

通过前面的研究表明，城市数字金融的发展对于降低碳排放有显著的作用。借鉴已有文献研究，数字金融对于碳排放的抑制作用可能通过以下途径：①科学技术水平。数字金融的发展有效缓解了企业贷款难的情况，缓解了金融资源错配的情况，为企业融资进行技术研发提供了有力的支持，使得企业向绿色创新方向发展，提高碳排放效率，降低碳排放。②产业结构升级。腾讯研究院报告指出：碳排放的关键影响因素在于能源消费、能源结构和产业结构。数字金融的碳减排作用，主要为三大效应。自身具有低碳特征的“直接效应”，助力绿色产业发展的“间接效应”，以及构建碳市场等产生的“补充效应”。产业结构高级化，合理化可以一定程度上促进数字金融发挥碳减排效应。

1.中介效应分析：

根据表5结果显示，第二列与第三列交乘项结果均为负，回归系数值均大约为-0.006，表明产业结构升级对数字金融与碳排放强度间的负向影响关系具有显著的强化作用，证实本文假设H3。其内在机制可能是产业结构升级使得服务业比重增加，而数字金融依靠于其大数据的优势，将产业活动转至线上，使得其碳减排效应得到增强。第三产业的数字化发展促进了线上活动，从而提升了数字金融在碳减排方面的作用。产业结构升级，为数字金融提供了更为广阔的应用空间，扩大了其覆盖广度，加深了数字金融的碳减排效果。

五、结论与建议

实现碳达峰，碳中和是推动高质量发展的必然要求，是一场广泛而深刻的经济社会变革，不可能毕其功于一役。而数字金融的发展对于碳减排有重要深刻的意义。在数字经济时代，需要充分利用数字金融的优势，形成排污减排的长效机制。本文以从2011-2017年中国285个城市的面板数据作为研究样本，以数字普惠金融指数代表数字金融指数，碳排放强度代表碳排放绩效，运用双向固定效应的回归方法对数字金融的碳减排效应进行检验并探讨其作用机制，结果分析如下：

（一）数字金融显著降低了城市碳排放强度。由于数字金融本身具有资源节约，环境保护的绿色属性，数字金融的发展有效的缓解了资源错配，引导资金流向，鼓励支持企业进行绿色技术创新，产业结构升级。利用数字化技术，将经济活动转为线上，减少了碳排放。

（二）中介效应分析表明，数字金融利用技术效应有效的抑制碳排放。数字金融的低成本，低门槛特点，降低企业融资难度，使得中小微企业进行技术创新，最终促进宏观绿色技术的进步，改善碳排放绩效。

（三）产业结构升级正向调节数字金融的碳减排效应。服务业的产值越高，产业结构越高级化、合理化，数字金融对于改善能源利用效率，抑制碳排放的作用越强。

本文分析了数字金融对于碳排放强度的抑制作用及作用机制，丰富了现有的相关理论，为发挥数字金融在节能减排中的作用提供实证依据和相关启示：

第一，运用人工智能、大数据、云存储、区块链等技术推进金融产品及工具的数字化转型。数字金融的绿色属性，表现出普惠低碳的功能。加深数字金融覆盖广度，使用深度，以及数字化程度，提升其可得性，便利性以及普惠性。提升基本进入服务覆盖面，特别是传统金融服务难以覆盖的“长尾用户”。

第二，与绿色金融，低碳金融相结合，构建互融机制，实现相向而行，例如基于数字金融平台增加绿色信贷，绿色债卷等产品。完善资源配置机制，通过市场化工具将外部性内在化，助力碳减排。

第三，完善数字金融的基础设施建设，完善金融资源配置机制，发展数字化技术。通过市场化环境工具将外部性内在化，助力碳减排。

参考文献：

[1]GROSSMAN G M， KRUEGER A B. Economic Growth and the Environment*[J]. The Quarterly Journal of Economics，1995，110（2）：353-77.

[2]任力，朱东波.中国金融发展是绿色的吗——兼论中国环境库兹涅茨曲线假说[J].经济学动态，2017，（11）：58-73.

[3]TIBA S， OMRI A. Literature survey on the relationships between energy， environment and economic growth [J]. Renewable & Sustainable Energy Reviews，2017，69：1129-46.

[4]SADORSKY P. Financial development and energy consumption in Central and Eastern European frontier economies [J]. Energy Policy，2011，39（2）：999-1006.

[5]OUYANG Y， LI P. On the nexus of financial development， economic growth， and energy consumption in China： New perspective from a GMM panel VAR approach [J]. Energy Economics，2018，71：238-52.

[6]ZHANG Y-J. The impact of financial development on carbon emissions： An empirical analysis in China [J]. Energy Policy，2011，39（4）：2197-203.

[7]JALIL A， FERIDUN M. The impact of growth， energy and financial development on the environment in China： A cointegration analysis [J]. Energy Economics，2011，33（2）：284-91.

[8]何运信，许婷，钟立新.金融发展对二氧化碳排放的影响效应及作用路径[J].经济社会体制比较，2020，（02）：1-10.

[9]严成樑，李涛，兰伟.金融发展、创新与二氧化碳排放[J].金融研究，2016，（01）：14-30.

[10]SHAHBAZ M， KUMAR TIWARI A， NASIR M. The effects of financial development， economic growth， coal consumption and trade openness on CO2 emissions in South Africa [J]. Energy Policy，2013，61：1452-9.

[11]许钊，高煜，霍治方.数字金融的污染减排效应[J].财经科学，2021，（04）：28-39.

[12]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，（04）：41-50.

[13]ZHAO H， YANG Y， LI N， et al. How Does Digital Finance Affect Carbon Emissions？ Evidence from an Emerging Market [J]. Sustainability，2021，13（21）.

[14]TRUBY J. Decarbonizing Bitcoin： Law and policy choices for reducing the energy consumption of Blockchain technologies and digital currencies [J]. Energy Research & Social Science，2018，44：399-410.

[15]邓荣荣，张翱祥.中国城市数字金融发展对碳排放绩效的影响及机理[J].资源科学，2021，43（11）：2316-30.

[16]王伟，杨敬峰，孙芳城.金融发展与城市环境污染：加剧还是缓解——基于268个城市数据[J].西南民族大学学报（人文社科版），2019，40（05）：96-106.

[17]谢云飞.数字经济对区域碳排放强度的影响效应及作用机制[J].当代经济管理：1-16.

[18]徐维祥，周建平，刘程军.数字经济发展对城市碳排放影响的空间效应[J].地理研究，2022，41（01）：111-29.

[19]赫永达，文红，孙传旺.“十四五”期间我国碳排放总量及其结构预测——基于混频数据ADL-MIDAS模型[J].经济问题，2021，（04）：31-40.

[20]贺茂斌，杨晓维.数字普惠金融、碳排放与全要素生产率[J].金融论坛，2021，26（02）：18-25.

[21]郑万腾，赵红岩，赵梦婵.数字金融发展有利于环境污染治理吗？——兼议地方资源竞争的调节作用[J].产业经济研究，2022，（01）：1-13.

[22]滕磊，马德功.数字金融能够促进高质量发展吗？[J].统计研究，2020，37（11）：80-92.

[23]聂秀华，江萍，郑晓佳， et al.数字金融与区域技术创新水平研究[J].金融研究，2021，（03）：132-50.

[24]杜金岷，韦施威，吴文洋.数字普惠金融促进了产业结构优化吗？[J].经济社会体制比较，2020，（06）：38-49.

[25]黄群慧.“新常态”、工业化后期与工业增长新动力[J].中国工业经济，2014，（10）：5-19.

[26]赵领娣，张磊，徐乐， et al.人力资本、产业结构调整与绿色发展效率的作用机制[J].中国人口·资源与环境，2016，26（11）：106-14.

[27]陈阳，逯进，于平.技术创新减少环境污染了吗？——来自中国285个城市的经验证据[J].西安交通大学学报（社会科学版），2019，39（01）：73-84.

[28]潘爽，叶德珠，叶显.数字金融普惠了吗——来自城市创新的经验证据[J].经济学家，2021，（03）：101-11.

[29]郑雅心.数字普惠金融是否可以提高区域创新产出？——基于我国省际面板数据的实证研究[J].经济问题，2020，（10）：53-61.

[30]崔耕瑞.数字金融与产业高质量发展[J].西南民族大学学报（人文社会科学版），2022，43（02）：136-44.

[31]CHEN J， GAO M， CHENG S， et al. County-level CO2 emissions and sequestration in China during 1997-2017[J]. Sci Data，2020，7（1）：391.

[32]白俊红，蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J].财贸经济，2011，（10）：104-12+36.

[33]邵帅，李欣，曹建华， et al.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究，2016，51（09）：73-88.

[34]张勋，杨桐，汪晨， et al.数字金融发展与居民消费增长：理论与中国实践[J].管理世界，2020，36（11）：48-63.

[35]张勋，万广华，张佳佳， et al.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（08）：71-86.

[36]何宗樾，宋旭光.数字经济促进就业的机理与启示——疫情发生之后的思考[J].经济学家，2020，（05）：58-68.

作者简介：袁沐曦，2001.09.24，女，汉，湖南长沙毕业院校：北京交通大学，工商管理学历：本科;研究方向：金融，北京，100089。