四、研究设计

（一）经济发展与生态环境耦合协调度的测算

1.评价指标体系构建

在测算经济发展与生态环境耦合协调度之前，应构建两系统的评价指标体系。参考现有研究成果，本文构建了经济发展指标体系和生态环境指标体系，如表1所示。主要从经济总量、经济结构、经济增长和经济开放4个维度来反映经济发展水平的高低，从资源消耗、环境污染、城市绿化和污染治理4个维度来反映城市生态环境状况。

2.耦合协调模型设定

（1）数据标准化与指标赋权

在确定评价指标体系时，指标选取的客观因素差异会给权重带来不可忽略的影响，故需要先对数据进行标准化处理。标准化公式为：

其中，Xpj为各系统第j个指标进行标准化后的取值，当p取a时，表示经济发展系统，当p取b时，表示生态环境系统，xpj表示各系统的原始取值，max（xpj）与min（xpj）分别表示各系统第j个指标的最大值和最小值。

关于指标权重的确定，参考Shi（2020）等利用的熵权法，对经济发展与生态环境水平进行综合评价，见式（2）：

其中，m表示各系统指标的个数，n表示样本i的总量，λa，λb分别表示经济发展系统和生态环境系统的综合评价指数。

（2）计算耦合度和耦合协调度

两个系统间的耦合度模型如下：

其中，Cit表示i城市在t时期经济发展系统与生态环境系统的耦合度值，取值范围为0～1。

然而，为避免低水平高耦合现象给问题分析带来的弊端，需要进一步构建耦合协调度模型来更好地反映系统之间协同效应的强弱：

其中，Dit为耦合协调度，且Dit∈［0，1］，Dit值越大，表明经济发展与生态环境的耦合协调度越好；反之则反是。

（二）实证模型设定

在前文理论分析的基础上，为检验数字金融对经济发展与生态环境耦合协调度的影响效应，本文首先构建如下基准回归模型：

其中，Dit为被解释变量，表示城市i在t年时经济发展与生态环境的耦合协调度；Indexit为核心解释变量，表示城市i在t年的数字金融发展指数。Controls为控制变量；ui为个体固定效应；νt为时间固定效应；εit为扰动项。

（三）变量说明与数据来源

1.变量说明

（1）被解释变量：经济发展与生态环境的耦合协调度（D），利用前文的耦合协调模型测算得到，该指标的取值范围在［0，1］，数值越大，说明经济发展与生态环境的耦合协调水平越高；反之则反是。

（2）核心解释变量：数字金融发展水平（Index），采用数字普惠金融发展指数来衡量，该指数由北京大学数字金融研究中心编制而成，能够有效体现数字科技对金融发展的影响效应和趋势变化。另外，为解决各变量数据间存在量纲不统一的问题，本文对数字金融的原始数据除以100进行处理。

（3）控制变量。①人口密度（Density），采用每平方公里人口数的对数来衡量。②金融相关率（Fin），利用地区年末存贷款余额之和与GDP的比值来衡量。③信息化水平（Infor），采用年末移动电话用户数量的对数来衡量。④政府行为（Gov），利用政府公共财政支出占地区GDP的比值作为代理变量。⑤教育投资（Edu），利用教育支出占GDP的比值来衡量。⑥城镇化水平（Urban），利用全社会住宅建设投资占GDP的比值来衡量。

（4）中介变量。①技术创新（Tech），相对于实用新型和外观设计专利授权而言，发明专利授权更能体现地区创新产出的实质性突破，因此，采用各地区每万人平均发明专利授权量进行衡量。②产业升级（Str），用第三产业产值与第二产业产值的比重来衡量，该指数越大，表明产业结构越趋于高级化。③投资调整（Inv），用全社会固定资产投资额占GDP的比重来衡量，该指数的大小反映了投资效率的高低。

2.数据来源与描述性统计

本文所用到的数据来源于历年《中国城市统计年鉴》《中国区域经济统计年鉴》及各省（区）与相关地级市统计局网站，其中地级市的进出口贸易总额数据根据历年各省市统计年鉴整理得到，并依据当年中间汇率平均值进行单位换算；发明专利数据来自CNRDS数据库；数字普惠金融指数来自《北京大学数字普惠金融指数（2011—2018年）》。对于部分存在缺失的指标，基于相邻年份的数据，采用插值法进行补齐，最终得到2011—2018年285个城市的平衡面板数据。