绿色金融对区域绿色创新效率...——基于空间效应的实证分析_赵凌燕.pdf

2022年第12期（总第605期）区 域 金 融 研 究Journal of Regional Financial ResearchNO.12，2022General NO.605收稿日期：2022-10-02作者简介：赵凌燕，女，湖北通城人，硕士，高级工程师，供职于中国人民银行桂林市中心支行，研究方向为绿色金融。易庆玲，女，湖北荆州人，硕士，会计师，供职于中国人民银行南宁中心支行，研究方向为绿色金融。一、引言近年来，绿色金融发展备受关注。2016年，人民银行、财政部、国家发展改革委等7部门联合发布 关于构建绿色金融体系的指导意见，建立了比较完整的绿色金融政策体系。2021年，人民银行提出构建包括绿色金融标准、环境信息披露、政策激励机制、产品创新体系、国际合作在内的绿色金融体系“五大支柱”。“十四五”规划和2035年远景目标纲要明确提出，大力发展绿色金融。这是深入践行“绿水青山就是金山银山”理念、推动生态文明建设的内在要求，是实现金融供给侧结构性改革、推动高质量发展的必然要求。绿色金融是促进绿色创新、实现绿色发展的重要推动力。绿色金融是企业创新体系的“血液”，其通过外部激励、内部动力和能力培育三种路径帮助绿色经济体系的主体之间进行资金或信息的交换（王丽萍等，2021；乔海曙，1999；郭沛源，2005），这将有利于盘活绿色创新资金，推动绿色知识借用信息交换渠道进行充分流动，通过知识溢出效应提升本地区以及周边区域的绿色创新效率。在现代经济社会中，不同地区存在不同的经济发展水平、城镇化发展程度、工业化程度，导致绿色金融对绿色创新效率的助推和激发作用不同，对绿色创新资源的吸引程度不同，进而造成部分经济发展相对较好的城市绿色创新知识和人才等集聚，并通过知识溢出效应、共生经济效应和技术波绿色金融对区域绿色创新效率的影响研究基于空间效应的实证分析赵凌燕易庆玲（中国人民银行桂林市中心支行，广西桂林541000；中国人民银行南宁中心支行，广西南宁530028）摘要：绿色金融是促进绿色创新、实现绿色发展的重要推动力。为深入研究绿色金融和区域绿色创新效率的内在关联，探讨绿色金融对区域绿色创新效率的促进作用以及其空间传导效应，文章选取中国20132020年的省域数据，构建空间杜宾模型（SDM）进行实证分析。研究结果表明，绿色金融的发展有助于区域绿色创新效率的提升，且其影响作用存在显著的空间传导效应。从直接效应来看，绿色金融的发展和生产力水平的提高对本区域绿色创新效率具有促进作用；从间接效应来看，绿色金融、生产力水平、科技支出水平和城镇化水平对邻近地区的绿色创新效率具有空间溢出效应。关键词：绿色金融；区域绿色创新效率；空间效应中图分类号：F832文献标识码：A文章编号：1674-5477（2022）12-0043-10-43区域金融研究 2022年第12期金融理论及效应等对周边城市绿色创新人才和绿色资本形成溢出效应，带动周边城市绿色创新发展，或者由于虹吸效应，对周边地区绿色创新资源形成锁定，制约周边不发达地区的绿色创新发展。因此，基于空间溢出视角，研究绿色金融与区域绿色创新效率之间的内在关联和相互作用具有重要的现实意义。二、文献综述（一）绿色金融绿色金融通常是指能够减少能源使用、降低环境污染、应对气候变化的金融活动与金融产品。Salazar（1998）指出，绿色金融是以环境保护为目的的金融创新，是金融行业与环境产业之间的纽带和桥梁，即“可持续金融”。Labatt&White（2002）则认为，绿色金融就是指以市场为研究基础，提高环境质量、转移环境风险的金融工具。对于绿色金融发展水平的测度，目前主要从绿色信贷、绿色证券、绿色保险、绿色投资、碳金融等五个维度构建指标体系来衡量。如曾学文等（2014）选取20102012 年国内官方数据，从绿色信贷、绿色证券、绿色保险、绿色投资、碳金融五个维度综合评估我国绿色发展水平；巫剑飞（2019）也从这五个维度综合测度浙江省绿色金融发展水平以及对比分析不同地区绿色金融发展水平。除此之外，一些学者在上述五个维度基础上还增加了环保设施投资建设、绿色金融基础设施建设等指标（吕岩威等，2019；吴旭晓，2019；光峰涛等，2022）。（二）绿色创新效率绿色创新概念最早于20世纪60年代被提出，随着生态问题的日益突出，绿色创新越来越受到国内外学者的关注，但目前尚未形成统一公认的定义。Rennings（2000）认为，只要是能够降低环境污染、减轻环境压力的行为都可纳入绿色创新的范畴。国内学者庄芹芹等（2020）认为，广义上的绿色创新可理解为一切有助于绿色发展和生态文明建设的绿色技术。绿色创新效率用于衡量资源、技术、经济和环境的综合效益，判断实现创新资源合理配置的程度。对它的测度，以往很多研究会选择随机前沿分析（SFA）和基于投入产出的数据包络分析（DEA）方法进行测度，但考虑到SFA方法对生产函数有限制也容易造成分析结果偏差，目前采用非期望产出的SBM模型居多，能解决传统DEA方法的局限性问题。如冯志军（2013）运用DEA-SBM方法建立工业企业绿色创新效率测度模型，分析比较中国省级行政区域及八大经济区规模以上工业企业的绿色创新效率；任阳军等（2019）运用动态空间杜宾模型，分别在邻接空间权重和经济距离空间权重下检验高技术产业集聚及其空间溢出效应与绿色经济效率的关系。在模型指标的选择上，目前研究主要选取与绿色技术创新活动相关的人力、资本、能源/资源作为投入指标；而产出指标，选取区域专利授权数、新产品销售收入作为期望产出指标，选取区域工业废气、废水和固体废弃物表示非期望产出指标。如王惠等（2015）利用考虑非期望产出的Super-SBM模型度量20032013年中国工业企业绿色创新效率；刘军等（2020）运用考虑非期望产出的SBM模型测算各地区的绿色创新效率以衡量区域绿色创新水平。（三）绿色金融对绿色创新效率的影响关于绿色金融对绿色创新效率的影响，在研究内容上，国内外研究主要集中探讨绿色金融对绿色经济实现创新发展的影响、绿色金融对绿色技术创新效率的影响等方面；在实证研究方法上，现有研究主要运用面板数据模型、中介效应模型等进行分析。大多数研究认为，绿色金融能够促进绿色经济实现创新驱动发展，提升绿色技术创新效率（王韧，2019）。Scholtens（2006）提出，金融机构在发展绿色金融的过程中通过金融创新，实现经济与生态的健康发展。何凌云等（2019）采用中介效应模型进行研究，结果表明：绿色信贷水平及研发投入水平的提高均对环保企业技术创新具有显著的促进作用。朱向东等（2021）使用面板数据模型剖析绿色金融对污染性产业的技术效应，结果表明：绿色金融能够在不同区域促成污染性重工业和轻工业进行技术创新。综上所述，学者们围绕绿色金融和绿色创新效率方面都已经有了一定的研究，但重点针对两者之间关联作用和相互影响方面的研究较少。本文的创新之处主要有两点：一是在指标测度上，既往研究主要基于绿色信贷、绿色证券、绿色保险、绿色投资、碳金融等五个维度构建绿色金融发展水平指标体系，本文拟从绿色信贷、绿色债券、绿色投资、绿色证券和政府支-44区域金融研究 2022年第12期金融理论持五个角度出发构建绿色金融指数，相较于其他研究，涉及面更广更全面，且引入绿色债券发行情况指标，其发行人以金融机构和企业为主，更能够反映我国区域间绿色金融的真实水平。二是在实证研究方法上，现有文献大多运用普通面板数据模型、中介效应模型等进行分析，基于空间溢出视角来探讨该问题的研究比较少，本文考虑到绿色金融以及绿色创新效率的空间异质性特征，不同区域间因经济发展水平、工业化程度等存在差异，绿色金融对绿色创新效率的助推和激发作用不同，从而选用空间杜宾模型来研究两者的关系。三、绿色创新效率和绿色金融发展指数的测度及分析（一）绿色创新效率测度方法及指标体系1.测度方法介绍。许多研究在测度效率指标时会选择随机前沿分析（SFA）和基于投入产出的数据包络分析（DEA）方法。考虑到SFA需要对生产函数进行预设，其对生产函数的限制也容易造成分析结果偏差。本文借鉴冯志军（2013）、任阳军等（2019）的研究成果，选择基于非期望产出的Super SBMDEA模型来测算绿色创新效率，该模型不仅能够有效处理非期望产出的问题，还能够对不同的决策单元进行比较，能很好地解决传统DEA模型的缺陷。本文将根据Super SBMDEA模型构建过程确定决策单元的投入要素、期望产出以及非期望产出，并选用DEA-Solver软件来测算我国30个省份（西藏及港澳台地区数据缺失）2013年至2020年的绿色创新效率指数。2.指标体系构建。在选择投入指标时，本文分别从人力、资本和能源三个方面进行衡量，而产出指标则从创新成果数量和经济效应方面进行衡量。在进行非期望产出指标的选择时，考虑到绿色创新效率指标相比一般的创新效率指标更加强调绿色可持续发展的理念，因此不仅需要考虑创新成果的研发效率，还需要考虑污染物排放和能源消耗在提升区域绿色创新效率过程中的阻碍作用。因此，本文借鉴王惠等（2015）、刘军等（2020）的研究，将能够反映环境保护压力的“三废”排放量作为模型中的非期望产出，借此衡量绿色创新活动可能产生的环境污染问题。具体的指标选取如表1所示。表1绿色创新效率相关指标选取表一级指标创新投入创新产出非期望产出二级指标人力资本能源经济效应创新成果数量环境效应三级指标R&D人员全时当量（人年）R&D经费支出（万元）工业用电（万千瓦时）新产品销售收入（万元）专利授权数（件）工业废水排放（万吨）工业废气中二氧化硫及粉尘排放（万吨）工业固体废弃物产生量（万吨）3.数据说明。该部分数据选取中国 30 个省份20132020年的省域数据，数据来源于20122021年的 中国城市统计年鉴 中国科技统计年鉴 中国环境统计年鉴。其中，研发（R&D）人员全时当量、R&D经费支出、新产品销售收入、专利授权数的数据来自 中国科技统计年鉴，工业用电数据来自 中国城市统计年鉴，省域工业用电数据由其项下各地级市数据加总获得。非期望产出中的“三废”排放量数据来自 中国环境统计年鉴。4.测算结果。从表2可以看出，总体上中国省域绿色创新效率呈现逐年提升的特征，北京绿色创新效率在全国范围内表现突出，天津、上海、江苏、浙江以及广东绿色创新效率也一直保持在上游水平，说明这些省份绿色创新发展情况良好。从各省份的绿色创新效率指数来看，可以发现北京虽然存在雾霾问题，但是绿色创新效率远远超过其他城市和地区，约为其他地区的23倍。对于这种情况，一是本文绿色创新效率为考虑了环境保护因素的创新指标，相对其他地区，北京的技术创新实力最强，创新效率最高，二是本文所采用的非期望产出数据主要是基于生产活动产生的污染排放，并未考虑日常生活造成的污染排放。同时，由于北京与天津对周边地区的人力、物力、财力和信息资源形成巨大的引力，地区产业发展的不平衡，对其周边地区形成了锁定效应，导致北京始终维持着高绿色创新效率，而周边除了天津以外区域的绿色创新效率却始终保持在较低的水平。而上海、江苏、广东等地的绿色创新效率一直处在高位，但是其周边地区的绿色创新效率也普遍较高，且整体上呈现出我国东南部地区绿色创新效率普遍显著提升的特点。由此可以推测，上海、浙江、广东等绿色创新效率较高的区域对于周边城市和地区还未形成锁定效应，且其产生的空间溢出效应带动了-45区域金融研究 2022年第12期金融理论周边区域的绿色创新协同发展以及绿色创新效率共同提升。表220132020年省域绿色创新效率序号123456789101112131415161718192021222324252627282930省份/年份北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南陕西甘肃青海宁夏新疆20132.3141.2310.3050.2030.1580.3770.1880.3051.0980.8031.4500.5360.4470.4050.6070.3930.4961.03