根据环境库兹涅茨曲线理论，经济发展初期，经济发展过程中生产等环节对环境具有负外部效应，当经济发展到一定程度时，则有利于改善环境质量，但单一的经济或环境变量难以反映经济和生态发展情况 [18] 。提高经济与环境协调发展程度需满足以下两个条件：一是通过转变经济发展方式，实现清洁生产，减轻经济发展对环境质量的负外部性，改善生态功能的经济维护能力；二是借助环境治理，实现资源循环利用，缓解资源约束，提高经济发展的环境供给能力 [19] 。人与自然和谐共生是中国式现代化的重要内涵之一，从核心概念来看，体现为“绿水青山就是金山银山”，这就意味着需要协调好经济发展与环境保护两者间的关系，将生态优势转化为综合发展优势；从发展路径来看，是以绿色发展为统领，为经济社会发展提供绿色发展新动能 [20] 。中国式现代化背景下，经济与环境协调发展是衡量生产活动与自然间相互关系的重要范畴。耦合作为物理学概念，可用来探究两个或两个以上物体间因相互作用而彼此产生影响的过程，“协调”、“发展”作为两系统耦合的组成部分，两系统间的相互作用则会引起两系统耦合程度发生变动 [21] 。基于此，本文通过构建经济与环境系统，运用耦合协调度模型探究经济系统与环境系统间的动态作用，能够有效识别我国经济与环境的协调发展程度，是推进我国经济高质量发展的关键，有利于实现中国式现代化。

本文以2007~2020年我国五大城市群面板数据为研究对象，在借鉴薛明月(2022) [15] 做法的基础上，同时考虑到数据的可获得性，主要构建了包含经济规模、产业结构、就业结构的经济系统以及包括环境污染、环境治理、环境质量的环境系统作为我国五大城市群经济与环境协调发展的评价指标体系，具体见 表1 ，本文数据是以2007~2020年为研究期间，所有数据均来源于《中国城市统计年鉴》，考虑到数据的可获得性，部分缺失数据采用插值法补齐。

指标权重的衡量方法主要包括主观赋权法和客观赋权法，具体而言，主观赋权法是以德尔菲法对评价指标体系中各指标的重要程度进行打分，并根据各指标的重要程度确定权重，如：层次分析法等；客观赋权法是以评价指标体系中各指标数据所体现的信息进行权重计算，如：熵值法等。本文选客观赋权法，即熵值法来测度指标权重，以消除主观因素的影响，具体计算方法如下：

步骤一：数据标准化处理。由于各指标其量纲、数量级等均存在显著差异，无法进行加减乘除计算，为消除因量纲不同而对评价结果的影响，需对各指标进行标准化处理，具体公式为：

${x^{\prime }}_{ij}=\frac{x_{ij}-x_{\min }}{x_{\max }-x_{\min }},{x^{\prime }}_{ij}=\frac{x_{\max }-x_{ij}}{x_{\max }-x_{\min }}$ (1)

其中 $x_{ij}$为第i个样本第j项指标的数值， $x_{\max }$为第j项指标的最大值， $x_{\min }$为第j项指标的最小值， ${x^{\prime }}_{ij}$为第i个样本第j项指标的标准化值。若指标为正向指标，则选择前一个公式，反之，则选择后一个公式。

步骤二：计算第 $j$项指标信息熵值。信息熵值的计算公式为：

$e_j=-K{\displaystyle \underset{i=1}{\overset{m}{\sum }}{y}_{ij}}\ln \left(y_{ij}\right)$ (2)

其中 $K$为常数， $K=\frac{1}{\ln m}$， $y_{ij}=\frac{{x^{\prime }}_{ij}}{{\displaystyle \underset{i=1}{\overset{m}{\sum }}{x^{\prime }}_{ij}}}$。

步骤三：计算各指标权重。信息效用值取决与该指标信息熵值 $e_j$与1间的差值，即信息效用值： $d_j=1-e_j$，该指标的值越大，其在评价指标体系的重要程度也越大，即权重越大，具体计算公式为：

$w_j=\frac{d_j}{{\displaystyle \underset{j=1}{\overset{n}{\sum }}{d}_j}}$ (3)

步骤四：构建我国五大城市群经济与环境发展的综合评价指数。将各指标的标准化值与其对应的指标权重加权求和可计算我国五大城市群经济与环境发展水平的评价值，具体公式为：

$U={\displaystyle \underset{j=1}{\overset{n}{\sum }}{x}_{ij}^{\text{'}}}{w}_j$ (4)

其中 $U$为综合评价值， ${x^{\prime }}_{ij}$为第 $i$个样本第 $j$项指标的标准化值， $w_j$为第 $j$项指标的权重。

我国五大城市群经济与环境协调发展水平的提升是实现我国高质量发展的关键，而我国五大城市群经济与环境的协调发程度需借助耦合模型加以测度。

首先，借助李建豹等(2021) [22] 的做法测度我国五大城市群经济与环境的耦合度，具体计算公式为：

$C=2{\left[\left(U_1\cdot U_2\right)/{\left(U_1+U_2\right)}^2\right]}^{1/2}$ (5)

其中C为耦合度，C的取值范围为[0, 1]； $U_1$， $U_2$分别为经济系统和环境系统的综合评价值。

然后，考虑到我国五大城市群经济与环境的耦合度虽能较好地反映子系统间的相互影响程度，但当子系统发展水平较低时，也可能出现耦合度很高的情况。为避免此类问题的发生，本文通过构造我国五大城市群经济与环境的耦合协调度模型，以衡量我国五大城市群经济与环境的协调程度，具体计算公式为：

$D=\sqrt{C\times T},T=\alpha U_1+\beta U_2$ (6)

其中T为经济与环境的综合评价值；D为耦合协调度； $\alpha =\beta =1/2$分别代表子系统的贡献度。

借鉴陈国生等(2019)耦合协调度等级划分标准 [23] ，以探讨我国五大城市群经济与环境的耦合协调程度，具体耦合协调度等级划分标准见 表2 。

核密度估计能以连续的密度曲线来呈现我国五大城市群经济与环境耦合协调程度的分布形态，也可通过不同年份的核密度曲线比较我国五大城市群经济与环境耦合协调程度的动态演变特征，Kernel密度函数的估计公式为：

$f\left(x\right)=\frac{1}{Nh}{\displaystyle \underset{i=1}{\overset{N}{\sum }}K\left(\frac{X_i-x}{h}\right)}$ (7)

其中 $N$为城市个数， $h$为带宽， $K(·)$为核函数， $X_i$为独立同分布的观测值， $x$为均值。

本文利用基尼系数分解法对我国五大城市群经济与环境耦合协调程度的区域差异进行分解，对京津冀、长三角、珠三角、成渝和长江中游五大城市群¹经济与环境的耦合协调程度进行区域差异分解的计算公式为：

$G={\displaystyle \underset{j=1}{\overset{k}{\sum }}{\displaystyle \underset{h=1}{\overset{k}{\sum }}{\displaystyle \underset{i=1}{\overset{n_j}{\sum }}{\displaystyle \underset{r=1}{\overset{n_h}{\sum }}\left|y_{ji}-y_{hr}\right|/2n^2\bar{y}}}}}$ (8)

其中k和n分别为城市群数量和城市个数； $y_{ji}\left(y_{hr}\right)$为 $j$( $h$)城市群内第 $i\left(r\right)$个城市经济与环境的耦合协调程度； $n_j\left(n_h\right)$为 $j\left(h\right)$城市群全部城市个数； $\bar{y}$为五大城市群全部城市经济与环境耦合协调程度的均值； $G$为总体基尼系数。

城市群 $j$的基尼系数 $G_{jj}$以及 $j$和 $h$城市群间的基尼系数 $G_{jh}$的计算公式为：

$G_{jj}={\displaystyle \underset{i=1}{\overset{n_j}{\sum }}{\displaystyle \underset{r=1}{\overset{n_j}{\sum }}\left|y_{ji}-y_{jr}\right|/2n_j^2{\bar{y}}_j}}$ (9)

$G_{jh}={\displaystyle \underset{i=1}{\overset{n_j}{\sum }}{\displaystyle \underset{r=1}{\overset{n_h}{\sum }}\left|y_{ji}-y_{hr}\right|/n_j{n}_h\left({\bar{y}}_j+{\bar{y}}_h\right)}}$ (10)

进一步将总体基尼系数( $G$)分解为区内差异贡献( $G_w$)、区间净值差异贡献( $G_{nb}$)和超变密度贡献( $G_t$)，满足 $G=G_w+G_{nb}+G_t$，具体计算公式如下：

$G_w={\displaystyle \underset{j=1}{\overset{k}{\sum }}{G}_{jj}{p}_j{s}_j}$ (11)

$G_{nb}={\displaystyle \underset{j=2}{\overset{k}{\sum }}{\displaystyle \underset{h=1}{\overset{j-1}{\sum }}{D}_{jh}}{G}_{jh}\left(p_j{s}_h+p_h{s}_j\right)}$ (12)

$G_t={\displaystyle \underset{j=2}{\overset{k}{\sum }}{\displaystyle \underset{h=1}{\overset{j-1}{\sum }}\left(1-D_{jh}\right)}{G}_{jh}\left(p_j{s}_h+p_h{s}_j\right)}$ (13)

其中 $p_j=\frac{n_j}{n}$， $s_j=\frac{n_j{\bar{y}}_j}{n\bar{y}}$； $d_{jh}$为 $j$城市群和 $h$城市群中所有 $y_{ji}-y_{hr}>0$的数学期望，代表经济与环境耦合协调程度的差值； $p_{jh}$为 $j$城市群和 $h$城市群中所有 $y_{ji}-y_{hr}<0$的数学期望； $D_{jh}$代表 $j$城市群和 $h$城市群间的交互作用； $F_j\left(F_h\right)$为 $j\left(h\right)$城市群的累计密度分布函数。

$d_{jh}={\displaystyle {\int }_0^{\infty }d{F}_j\left(y\right)}{\displaystyle {\int }_0^y\left(y-x\right)d{F}_h\left(x\right)}$ (14)

$p_{jh}={\displaystyle {\int }_0^{\infty }d{F}_h\left(y\right)}{\displaystyle {\int }_0^y\left(y-x\right)d{F}_j\left(x\right)}$ (15)

$D_{jh}=\left(d_{jh}-p_{jh}\right)/\left(d_{jh}+p_{jh}\right)$ (16)

2007~2020年间我国五大城市群经济与环境协调发展程度的具体结果见 表3 ，由 表3 可知我国五大城市群经济与环境协调发展程度呈现如下特征：一是整体来看，我国五大城市群经济与环境协调发展程度基本呈现出逐年增长的趋势，由2007年的0.2944增长到2020年的0.3615，增长了22.79%，2008年以后我国五大城市群经济与环境协调发展程度基本处于轻度失调阶段。二是从五大城市群的角度来看，京津冀、长三角、珠三角、长江中游以及成渝城市群的经济与环境协调发展程度基本呈现出稳定增长的趋势，但各城市群间呈现出非均衡的发展特征；从均值的角度来看，珠三角城市群经济与环境协调发展程度最高，处于濒临失调阶段，成渝城市群经济与环境协调发展程度的均值最低，处于中度失调阶段，其他三个城市群的经济与环境协调发展程度的均值均处于轻度失调阶段；从增长率的角度来看，成渝城市群经济与环境协调发展程度的增长率最高，长江中游城市群次之，然后依次为长三角城市群、京津冀城市群和珠三角城市群。这意味着2007~2020年间我国五大城市群经济与环境协调发展程度虽呈现出逐年增长的趋势，且各城市群经济与环境协调发展程度存在一定差异，但总体来看，我国五大城市群经济与环境协调发展水平相对较低，未来可在实现我国经济发展的同时，注重环境保护，不断改善我国五大城市群经济与环境协调发展水平，进而实现我国经济高质量发展。

为进一步探究我国五大城市群经济与环境协调发展程度的时间演变趋势，本文对我国五大城市群经济与环境协调发展程度进行Kernel密度估计，具体结果见 图1~5 。

就五大城市群而言，京津冀、长三角、珠三角和成渝城市群核密度曲线的波峰基本呈现不断增大的态势，这意味着京津冀、长三角、珠三角和成渝城市群内各城市间经济与环境协调发展水平的差距不断缩小；对长江中游城市群而言，城市群内各时期的峰值高度基本不变，即考察期内长江中游城市群内各城市经济与环境协调发展水平整体上呈现稳定的发展态势。从核密度曲线的形状来看，考察期内五大城市群经济与环境协调发展水平呈现比较明显的左偏态分布，说明五大城市群内大部分城市的经济与环境协调发展水平处于中低水平阶段。从经济与环境协调发展水平的分布情况来看，京津冀、长三角、长江中游和成渝四大城市群的经济与环境协调发展水平呈现单峰分布，并未出现明显的双峰或多峰现象，表明这四大城市群经济与环境协调发展水平的发展不存在明显的极化趋势；对珠三角城市群而言，珠三角城市群的波峰逐渐由“双峰”变为“单峰”，即珠三角城市群的极化现象逐渐消失，城市群内部各城市间经济与环境协调发展水平的差距不断变小。

上文已详细阐释了我国五大城市群经济与环境协调发展程度呈现逐年增长的趋势，为进一步探究我国五大城市群经济与环境耦合协调程度的空间分布特征，限于篇幅限制，本文主要以2007年和2020年为时间截面，采用ArcGIS10.2软件绘制我国五大城市群经济与环境协调发展程度的状态图，以探究其空间分布特征，具体结果见 图6~10 。

由 图6 可知，2007年京津冀城市群中承德市、张家口市等10个城市经济与环境协调发展程度处于中度失调阶段，占城市群76.92%，天津市和秦皇岛市经济与环境协调发展程度处于轻度失调阶段，北京市经济与环境协调发展程度处于濒临失调阶段。与2007年相比，承德市、张家口市等10个城市的经济与环境协调发展程度由中度失调阶段上升到轻度失调阶段，北京市经济与环境协调发展程度虽由2007年的0.4120增长到2019年的0.5294，但2020年北京市经济与环境协调发展程度下降为0.4876处于濒临协调阶段。截至2019年京津冀城市群有92.31%的城市处于轻度失调阶段，这意味着京津冀城市群经济与环境协调发展程度仍存在较大的改善空间。从其地理位置的空间分布来看，呈现出以经济与环境协调程度较高的“北京”为核心，由其他周边协调程度较低城市包围的“核心–边缘”空间分布特征。

从长三角城市层面看( 图7 )，2007年长三角城市群中盐城市、扬州市等10个城市的经济与环境协调程度处于中度失调阶段，上海市、舟山市等15个城市处于轻度失调阶段，占长三角城市群的57.69%，南京市处于濒临失调阶段；从耦合协调度分类来看，盐城市、扬州市等25个城市属于失调衰退类型，仅南京市一个城市属于中间过渡类型。与2007年相比，2020年长三角城市群中盐城市、扬州市等21个城市处于轻度失调阶段，上海市、舟山市和杭州市由轻度失调阶段上升到濒临失调阶段，南京市则由濒临失调阶段上升到勉强协调阶段，但对长三角城市群而言，约有80.77%的城市处于轻度失调阶段；从长三角城市群经济与环境协调发展程度来看，长三角城市群经济与环境协调水平呈现稳定增长的趋势，且城市间的耦合协调度并无明显差距，大部分城市处于轻度失调阶段，多属于失调衰退类型。此外，长三角城市群的耦合协调度呈现出比较明显的“核心–边缘”式的空间结构，具体表现为以“南京市–上海市–杭州市”为核心耦合协调度高的城市被耦合协调度低的城市包围。

由 图8 可知，2007年珠三角城市中深圳市经济与环境协调发展程度最高，处于初级协调阶段，广州市和东莞市处于濒临失调阶段，其余6个城市分别属于中度失调和轻度失调阶段，即珠三角城市群中66.67%的城市处于中度失调和轻度失调阶段。2020年惠州市、肇庆市和江门市由中度失调阶段上升为轻度失调阶段，而佛山市、中山市和广州市经济与环境协调发展程度并未发生明显变化，仍分别处于轻度失调阶段和濒临失调阶段，东莞市由濒临失调阶段上升为初级协调阶段，深圳市经济与环境协调发展程度下降为濒临失调阶段，珠海市则由轻度失调阶段上升为勉强协调阶段，其中2020年珠三角城市群中东莞市经济与环境协调发展程度最高，肇庆市的协调发展程度最低。从珠三角城市群的地理空间分布来看，中部和沿海城市的经济与环境协调发展程度较高，城市群周围城市的耦合协调程度较低。

从长江中游城市层面来看( 图9 )，2007年长江中游城市中咸宁市、孝感市等25个城市处于中度失调阶段，而长江中游城市群经济与环境协调发展程度排名前三的城市分别为武汉市、长沙市和南昌市，且武汉市、长沙市和南昌市3个城市均属于轻度失调阶段，这意味着2007年长江中游城市群中约89.29%的城市处于中度失调阶段。与2007年相比，2020年仅黄冈市一个城市处于中度失调阶段，咸宁市、孝感市等26个城市处于轻度失调阶段，其中孝感市、宜昌市等24个城市由中度失调阶段上升到轻度失调阶段，2020年长江中游城市群中约92.86%的城市处于轻度失调阶段，武汉市属于濒临失调阶段，且2020年武汉市经济与环境协调发展程度最高。与城市群内部其他城市群相比，2020年长江中游城市群内部各城市群间经济与环境协调发展程度差距不大，除武汉市和黄冈市外，其余城市的经济与环境协调发展程度相近。

由 图10 可知，2007年成渝城市群中成都市经济与环境协调发展程度最高，处于轻度协调阶段，重庆市排名次之，属于中度失调阶段，重庆市、广安市等15个城市的经济与环境协调发展程度均处于中度失调阶段，占成渝城市群的95.75%。与2007年相比，2020年重庆市、成都市等16个城市均属于轻度失调阶段，其中重庆市、广安市等15个城市由中度失调阶段上升到轻度失调阶段，2020年成都市经济与环境的协调程度仍处于轻度失调阶段。从成渝城市群各城市的空间分布来看，成渝城市群经济与环境耦合协调程度高的城市多集中于成渝城市群的西部城市，基本呈现出由以“重庆–成都”为中心的“核心–边缘”式空间分布格局，但目前来看，成渝城市群内部各城市间经济与环境协调发展程度差异性不大，现阶段基本处于轻度失调阶段。

为进一步探究我国五大城市群经济与环境协调发展程度的区域差异来源，本文运用Dagum基尼系数分解法对2007~2020年我国五大城市群经济与环境协调发展程度的基尼系数进行分解，并计算各基尼系数的其贡献率，具体结果见 表4 。根据 表4 可知，2007~2020年间我国五大城市群总体基尼系数基本呈现出波动下降的趋势，由2007年的0.1026下降到2020年的0.0704。从各部分差异的均值贡献率来看，区内差异、区间净值差异以及超变密度的均值贡献率分别为：15.58%、68.30%和16.11%，说明2007~2020年间我国五大城市群经济与环境协调发展程度的总体基尼系数构成基本呈现出“区间净值差异贡献率 > 超变密度贡献率 > 区内差异贡献率”的趋势，即2007~2020年间我国五大城市群经济与环境协调发展程度的差异来源主要在于区间差异，各城市群经济与环境协调发展的区域内差异不大，这也意味着我国五大城市群经济与环境协调发展程度呈现出非均衡发展特征。

2007~2020年间我国五大城市群经济与环境协调发展水平的区域内基尼系数值见 表5 ，根据我国五大城市群经济与环境协调发展水平的区域内基尼系数均值结果可知，珠三角城市群经济与环境协调发展水平的区域内基尼系数的均值最大，然后均值的排序依次为长三角城市群、京津冀城市群、长江中游城市群以及成渝城市群，这意味着珠三角城市群内部经济与环境协调发展水平的差距最大，而成渝城市群经济与环境协调发展程度差距最小。从各城市群的变动趋势来看，京津冀城市群、长三角城市群和成渝城市群的经济与环境协调发展程度基本呈现出“上升–下降”的波动变动趋势；珠三角城市群和长江中游城市群经济与环境协调发展程度基本呈现出波动下降的趋势。

2007~2020年间我国五大城市群经济与环境协调发展水平的区域间基尼系数见 表6 ，从五大城市群区域间基尼系数的均值结果来看，五大城市群区域间经济与环境协调发展程度的基尼系数由大到小的排序依次为：成渝–珠三角城市群、长江中游–珠三角、珠三角–京津冀、珠三角–长三角、成渝–长三角城市群、长三角–京津冀城市群、长江中游–长三角城市群、成渝–京津冀城市群、长江中游–京津冀城市群以及成渝–长江中游城市群，说明成渝–珠三角城市群间经济与环境协调发展程度的差距最大，而成渝–长江中游城市群间的差距最小。从各区域间基尼系数的变动趋势来看，长三角–京津冀城市群、珠三角–长三角城市群、成渝–京津冀城市群、成渝–长江中游城市群经济与环境协调发展程度的差距基本呈现出波动“上升–下降”的趋势；珠三角–京津冀城市群、长江中游–珠三角城市群、成渝–珠三角城市群则基本呈现出“下降–上升–下降”的变动趋势；长江中游–京津冀城市群、长江中游–长三角城市群、成渝–长三角城市群基本呈现出“上升–下降–上升–下降”的发展态势。

注：1、2、3、4、5分别代表京津冀、长三角、珠三角、长江中游和成渝城市群。

为进一步探究我国五大城市群经济与环境协调发展程度的影响因素，本文构建了如下计量模型，具体为：

$D_{it}={\alpha }_0+{\alpha }_1{Z}_{it}+g_i+d_t+{\epsilon }_{it}$ (17)

其中 $D{}_{it}$为 $t$时期 $i$城市的经济与环境协调发展程度； $Z_{it}$为 $t$时期 $i$城市经济与环境协调发展程度的影响因素合集； $g_i$代表个体效应； $d_t$为时间效应； ${\epsilon }_{it}$为随机扰动项。

1) 被解释变量，经济与环境协调发展程度(D)，采用上文计算的我国五大城市群经济与环境协调发展程度。

2) 解释变量，交通基础设施、人力资本、外商投资和数字普惠金融，其中交通基础设施采用人均道路面积衡量；人力资本以每万人高等学校在校生人数测度；外商投资以年均美元汇率核算实际利用外商投资额来衡量；数字普惠金融采用北京大学数字金融研究中心课题组编制的《北京大学数字普惠金融指数(2011~2020)》，具体可参考郭峰等(2020)的测度方法 [24] 。

考虑到数据的可获得性，本文相关数据均来源于《中国统计年鉴》《中国城市统计年鉴》以及《北京大学数字普惠金融指数(2011~2020)》，缺失数据以均值补齐，相关变量的描述性统计见 表7 所示。

本文采用固定效应模型，同时控制时间和个体效应，对计量模型(17)进行回归估计，进一步探究我国五大城市群经济与环境协调发展程度的影响因素，同时为了保证回归结果的稳健性，本文依次加入交通基础设施、人力资本、外商投资和数字普惠金融四个影响因素，具体结果见 表8 所示。

由 表8 的序列(1)~(4)可知，依次加入影响因素变量后的回归结果除系数大小略有变动外，其符号和显著性并未发生明显变化，说明本文的回归结果是可靠的。由序列(1)~(4)可知交通基础设施的系数为正，且通过1%水平下的显著性检验，即交通基础设施水平的提升对我国五大城市群经济与环境协调发展具有显著的促进效应。这是因为交通基础设施是我国经济发展的基础条件，对区域经济发展具有重要作用，而交通基础设施的改善同样有利于缓解我国区域环境压力，降低资源能耗 [17] ，进而有利于提高我国五大城市群经济与环境协调发展水平。

序列(4)中人力资本水平的系数为0.0171，且通过1%水平下的显著性检验，说明人力资本水平的提升对我国五大城市群经济与环境协调发展程度具有显著的正向促进作用。其原因主要体现在以下两个方面：一是人力资本水平的提升可通过改善劳动力质量，增强科技创新活力，促进经济增长；二是人力资本水平的提升可通过改善环保意识、促进清洁技术使用等方式改善环境质量，降低环境污染程度 [25] ，这均有利于促进我国五大城市群经济与环境协调发展。

序列(3)和(4)中外商直接投资的系数均为正，但未通过显著性检验，即外商直接投资水平的提升对我国五大城市群经济与环境协调发展水平的促进作用并不显著，其原因在于现阶段我国经济发展方式面临转型升级，更加依赖于通过提高自身自主创新能力获得促进经济与环境协调发展的新动能，使得外商直接投资的影响效应并不明显。

数字普惠金融的回归系数显著为正，说明数字普惠金融发展水平的提升可显著正向促进我国五大城市群经济与环境协调发展，这是因为：一方面，数字普惠金融可通过缓解融资约束，降低交易成本，为城市经济与环境发展提供与之相匹配的配套设施，进而促进两系统间的协调发展程度；另一方面，数字普惠金融发展水平的提升可为企业提供更加多元化的融资渠道，改善创新环境，提高创新效率，进而促进我国五大城市群经济与环境协调发展水平的提升。

注：^***、^**、^*分别表示1%，5%和10%的显著水平上显著，括号为t值，下同。