空间视域下数字普惠金融对城市生活垃圾的影响研究
吴姝煜　杨雷　边杨森
（陕西国际商贸学院国际经济学院，陕西 西安 712046）

      摘要：为加强城市市政管理，有效应对城市生活垃圾产生过多的问题，本文选取我国2011—2022年31省份面板数据，采用空间杜宾模型检验数字普惠金融对城市生活垃圾产生的影响。研究发现数字普惠金融发展能够减少城市生活垃圾产生。所构建空间权重矩阵下的空间效应分解显示，数字普惠金融对本地区城市生活垃圾减排具有正向作用，而对“邻近地区”存在加剧污染的“邻避”趋势。最后，本文提出数字普惠金融对城市生活垃圾的影响路径，旨在促进城市绿色可持续发展。
      关键词：数字普惠金融；居民消费；城市生活垃圾
引言
      城市化进程加快，城市人口不断增加，导致城市生活垃圾产生量增长态势迅猛[1]。与此同时，城市生活垃圾产生往往与居民消费息息相关，商品经济的发达使得城市居民消费逐渐由生存型消费转变为享受和发展型消费，进一步产生了大量生活垃圾[2]。此外，城市垃圾的回收体系不健全，堆放与填埋需大量占用土地资源，邻避现象也导致城市难以将其转移，生活垃圾不仅成为城市生态环境的顽疾，还阻碍到城市的绿色发展[3]。然而，现有减少生活垃圾产生量的举措并不能根治这一顽疾。居民消费和城市生活垃圾的关系集中体现在环境库兹涅茨曲线分析中，许博等[4]验证我国居民消费与生活垃圾产生量呈现倒N形关系，但是东部地区城市居民消费提升促进了生活垃圾产生。数字经济平台的发展，使各城市间的产品销售与生活垃圾产生在空间上存在彼此交织的关系，最终导致我国城市垃圾产生形成密切的空间关联性[5]。因此，数字普惠金融对城市生活垃圾数量产生的短期冲击和长期影响尚有待进一步检验。为此，本文基于空间效应分析数字普惠金融通过居民消费对城市垃圾产生的影响，提出数字普惠金融对城市生活垃圾影响的路径。
一、空间视域下数字普惠金融与城市生活垃圾的实证检验
（一）空间计量模型设定
      随着省份间经济交流的日益密切和经济活动的频繁进行，人均城市生活垃圾的产生可能呈现出空间相关性和聚集性。这种相关性主要由经济活动引发，因此本文构建了3种空间计量模型，旨在探讨数字普惠金融发展对城市生活垃圾产生的影响。模型 （1） 为空间滞后模型，式中，Yit和Yjt分别为相邻两个省份的人均城市生活垃圾产生量；Xit为本省人均城市生活垃圾产生量；i、j为不同的省份；t为年份；n为省份总数；ui和vt分别为个体和时间固定效应；εit为独立随机误差向量；In为单位矩阵；σit2In为协方差矩阵；Wij为标准化的一阶邻接空间权重矩阵，考虑到海南的孤岛地理位置，本文将其与广东和广西相连进行设置，广东以及广西相连；ρ为空间滞后模型的空间自相关回归系数，衡量邻接省份对本省份人均城市生活垃圾产生量的影响大小。

      模型 （2） 为空间误差模型，式中，Uit为本省份的随机干扰项；vt为相邻省份的随机干扰项；λ为空间误差模型中的空间自相关性。

      模型 （3） 为空间杜宾模型，式中，θ 为解释变量的空间滞后系数，衡量邻接地区对本地区被解释变量的影响大小。
      由于单一空间权重矩阵难以证明空间计量模型的估计结论，本文还设置了包括地理距离以及经济地理嵌套空间权重矩阵。

      对于地理距离空间权重矩阵，dij为两个省份之间的欧氏距离，两个省份距离越近，空间关联性越强；d的阈值设置为Geoda默认的距离。对于经济地理嵌套空间权重矩阵，diag (-X1-X ,…,-Xn-X ) 为一个对角矩阵；Xˉ为考察期内所有省份人均实际GDP 的均值，该矩阵既考虑了地理距离的远近，也兼顾了经济距离的差异。
      （二）变量选取与数据说明根据研究需要以及数据可得性，本文数据主要来源于《中国统计年鉴》《中国城市建设统计年鉴》《中国环境统计年鉴》 以及北京大学数字金融研究中心。样本为2011—2022年31个省级面板数据。其中，被解释变量，人均城市生活垃圾产生量 （PerLj），用人均城市生活垃圾清运量代替，核心解释变量为数字普惠金融指数 （fin）。控制变 量 包 括 城 市 人 口 密 度 （Density）、 第 三 产 业 占 比（Industry）、城市化率 （Urbanizationrate）、城市建成区面积 （Builtuparea）、环卫车辆总数 （Vehicle） 及清扫保洁面积（Cleaningarea）。
（三）空间效应检验
      首先，在建立空间计量模型之前对数字普惠金融和人均城市生活垃圾产生量进行空间相关性检验。一是基于邻接空间权重矩阵进行全局空间相关性分析。二是通过计算人均城市生活垃圾产生量和数字普惠金融的局部莫兰散点图解释局部聚集的显著性水平。全局和局部空间相关性检验均显示，数字普惠金融与城市生活垃圾产生量具有空间相关性，据此可构建空间面板数据模型。其次，本文通过相关检验来确定选择空间计量模型，空间计量模型检验表示最终选择个体固定效应下的空间杜宾模型。最后，进行邻接空间权重矩阵、嵌套空间权重矩阵、地理距离空间权重矩阵的回归模型估计，结果如表1所示。结果显示，数字普惠金融对城市生活垃圾产生的系数在后两种回归模型中为负，表明数字普惠金融发展抑制了人均城市生活垃圾的产生。这一点与先前研究中数字普惠金融促进污染减排的效果一致。研究显示数字普惠金融能显著促进污染物排放量减少，并具有显著的空间溢出效应。主要原因可能在于数字普惠金融提升了居民消费水平，但是通过环境风险控制机制把环保服务体系内嵌于金融体系当中，增强了居民的垃圾分类和环保意识。其利用大数据分析用户的特征和偏好，精准匹配需求，减少无效供给，进而实现了资源的优化配置，最终减少了城市生活垃圾的产生。

      由于空间杜宾模型不能反映边际影响，也无法判断空间溢出效应，故本文将数字普惠金融对人均城市生活垃圾产生的影响分为总效应 （ATI）、直接效应 （ADI） 以及间接效应 （ph），后两种空间权重矩阵下的空间效应分解如表2所示。数字普惠金融的直接效应在1%的水平下显著为负，表明本地区的数字普惠金融发挥了“污染减排”的效应，总效应为负表明数字金融的“污染减排”效应存在。

二、数字普惠金融对城市生活垃圾的影响路径
（一）居民消费水平与结构
      数字普惠金融作为一项金融创新，通过提供便捷的金融服务，有效提升了居民，尤其是低收入和弱势群体的消费水平。它不仅拓展了金融服务的包容性，还促进了消费结构的优化升级，引导居民向长期价值消费转变，如教育、医疗和住房等。此外，数字普惠金融的发展还催生了新的消费渠道，如移动支付和线上购物，从而提高了消费的便捷性和多样性。在传统模式中，线下居民消费方式下产生的城市生活垃圾数量和结构一般存在一定的时空差异性。由此可知，数字普惠金融以居民消费为中介，形成各城市之间的交易、物流空间关联，使各城市间的产品销售与生活垃圾产生在空间上存在彼此交织的关系，最终导致我国城市垃圾产生形成密切的空间关联性。
（二）企业技术升级与扩散
      城市的垃圾处理技术和产业发展水平存在一定的地域差异性，但数字普惠金融的深入发展有效促进了环保领域的技术研发和企业升级，形成了各城市之间的技术交流与合作。在企业技术升级方面，数字普惠金融通过提供资金支持，助力企业在环保领域进行技术研发创新。此外，数字普惠金融通过促进技术创新有效降低了碳排放水平，提升了垃圾处理的效率和效果，推动了相关技术在城市间的传播与应用。在技术扩散与模仿方面，当某个城市或地区研发出高效的垃圾处理技术和设备后，相邻的城市或地区通常会向其学习，从而提升其垃圾处理能力。如此既加强了城市间在垃圾处理技术和产业发展上的空间关联性，也使各城市在垃圾处理方面形成更加紧密的合作与竞争关系。
三、结论与政策建议
      本文主要结论如下：第一，空间自相关检验揭示了我国数字普惠金融与城市生活垃圾产生之间存在显著的空间相关性，两者在空间分布上形成了相似的集聚模式。这一发现与数字普惠金融在环境治理中所展现的空间溢出效应相一致。正如相关研究指出的那样，数字普惠金融对环境污染的治理效果具有显著的空间溢出效应。第二，数字普惠金融的发展通过促进污染减排，显著减少了城市生活垃圾的产生量。第三，数字普惠金融的发展显著促进了城市居民的消费支出，并通过提供多样化的金融服务和改善金融可得性，优化了城市居民的消费结构。这种结构的优化不仅体现在消费习惯的改变上，还体现在居民收入的增加上，从而通过城市居民消费的中介效应，减少城市生活垃圾的产生量。根据以上结论，本文提出如下建议：一方面，应建立城市垃圾处理协同机制，充分利用数字技术和现代物流形成的空间相关性，做好在城市间互动互联的组织架构。另一方面，要形成商品销售—居民消费—生活垃圾处理的数字普惠金融链式管理，形成高质量发展机制，并深入挖掘和揭示数字普惠金融-居民消费-城市生活垃圾的内在关系规律，进而促进城市绿色发展。
参考文献
[1] 王伟,葛新权,徐颖.城市垃圾分类回收多元主体利益博弈与差别责任分析[J].中国人口·资源与环境,2017(增刊2):41-44.[2] 兰梓睿.人口数量与消费结构对城市生活垃圾减量的影响[J].西北人口,2021,42(6):17-25.
[3] 魏潇潇,王小铭,李蕾,等.1979—2016年中国城市生活垃圾产生和处理时空特征[J].中国环境科学,2018,38(10):3833-3843.[4] 许博,赵月,鞠美庭,等.中国城市生活垃圾产生量的区域差异:基于STIRPAT模型[J].中国环境科学,2019,39(11):4901-4909.[5] 邹剑锋.城市生活垃圾的解耦分析:来自空间计量模型的新证据[J].商业经济与管理,2019(6):57-69