金融發展、環境規制與綠色全要素生產率

倪瑛 陳柏云 王憶雯

摘 要：選擇2006～2015年中國內地30個省、直轄市、自治區面板數據，運用DEA-BCC模型、熵值法測算綠色全要素生產率，采用空間杜賓模型研究金融發展和環境規制對綠色全要素生產率的空間溢出效應。研究結果表明：（1）中國省域綠色全要素生產率存在顯著的空間溢出效應，即本地區綠色全要素生產率的發展會促進周邊地區綠色全要素生產率;（2）單一的金融發展和環境規制對綠色全要素生產率有一定的促進作用;（3）現階段，“金融發展-環境規制”相結合的模式抑制了綠色全要素生產率。為此，應不斷深化金融體制改革，優化金融發展成效;完善環境規制體系，合理進行污染治理投資;制定適宜環境規制政策，結合考慮金融發展。

關鍵詞：金融發展;環境規制;綠色全要素生產率;空間杜賓模型

文章編號：2095-5960（2020）03-0012-10;中圖分類號：F127，F832，X321;文獻標識碼：A

一、引言

改革開放以來，我國經濟實現了長達30多年的高速增長，GDP的年均增速超過了10%，然而，高投入、高消耗、高污染、低質量、低效益、低產出的粗放型增長模式已使得中國可持續發展面臨沉重的負擔。目前，我國進入增速換擋期、調整陣痛期和前期政策消化期“三期疊加”階段，面臨著結構轉型升級和新舊動能持續轉換兩大難題，為了堅持綠色發展路線，現階段我國必須轉變經濟發展方式，實現高質量增長。由此誕生了綜合考慮能源消耗和污染排放等因素的綠色全要素生產率，它是綠色發展的本質，也是實現我國節能減排和經濟增長雙贏發展的關鍵所在。

金融發展與全要素生產率的關系較早受到國外學界關注，從最初的金融結構觀到后來的金融功能觀， 逐漸重視金融發展的質量，認為金融發展主要通過信貸配給、資源配置、風險分散等方面為投資者提供有效信息，改善信息不對稱問題，從而有利于資金配置效率的提高，促進創新型、高效率的企業的發展，從而促進全要素生產率的提高。[1][2]伴隨著中國金融體制改革和金融發展，國內近幾年也有學者關注金融發展對中國綠色全要素生產率增長的影響，張帆（2017）[3]通過構建一個包含金融發展與綠色全要素生產率的熊特內生增長模型，在同一個理論框架下對比研究了全要素生產率和綠色全要素生產率，研究結果表明金融發展能夠促進綠色全要素生產率增長。葛鵬飛等（2018）[4]使用“一帶一路”跨國面板數據以創新為門檻變量構建門限模型來探究金融發展與綠色全要素生產率的關系，研究發現，金融發展與綠色全要素生產負相關，創新異質性的渠道效應顯著。

環境規制作為解決污染外部性的一種非市場干預，對滿足人們日益美好生態環境需求以及實現綠色轉型的長期目標意義重大。然而環境規制對經濟的影響，尤其是對生產率的影響，仍未達成一致的口徑。反對者認為，環境規制對生態效率的改進和經濟增長沒有明顯的促進作用[5-7];支持者認為環境規制有利于技術創新，提高環境質量[8][9]，原毅軍、謝榮輝（2015）[10]從生態效率的角度驗證了環境規制對綠色全要素生產率具有促進作用，這一結果支持了“波特假說”。也有學者認為，環境規制與綠色全要素之間不是簡單了線性關系，而是呈現“倒U型關系”[11-13]。鮮有學者研究金融發展、環境規制和綠色全要素生產率三者關系的相關文獻。王偉和孫芳城（2018）[14]以長江經濟帶107個城市2003～2015年面板數據為樣本，基于動態面板模型研究發現金融發展和環境規制顯著地促進了綠色全要素生產率增長，且金融發展與環境規制對綠色全要素生產率增長產生了協同影響。

縱觀上述國內外文獻，盡管已有研究在相關領域得出了較為豐富的結論，并為新時代促進綠色全要素生產率奠定了良好的基礎，但仍存在如下問題有待深入研究：金融發展和環境規制是否能夠促進綠色全要素生產率，是否存在空間溢出效應，是否需要進一步考慮金融發展或其他中介變量相互作用對綠色全要素生產率的影響？從現有的文獻來看，從單一視角對區域展開的研究較多，關于金融發展、環境規制和綠色全要素生產率三者相互關系的探討較少，且鮮有考慮空間溢出效應。因此，本文在借鑒現有研究文獻的基礎上：首先，構建0-1鄰接空間權重矩陣，結合空間杜賓模型對金融發展、環境規制與綠色全要素生產率之間的關系進行分析;第二，采用空間計量模型偏微分方法進行效應分解， 得到直接效應和間接效應，更為全面地得到本地區金融發展和環境規制的空間溢出效應對周邊地區綠色算要素生產率產生的影響， 以期為區域協調發展提供有價值的參考和建議。

二、理論分析

綠色全要素生產率的提高是實現綠色發展的關鍵，而金融體系的發展可以優化資源配置和促進技術創新，無疑對綠色全要素生產率的提高具有影響。各地區間均存在著某種競爭與合作并存的金融活動，并且這種金融活動的空間關聯程度日漸加強，也就是存在著空間關聯性，并且會對鄰近地區產生一定程度的溢出效應。金融發展對綠色全要素生產率的空間關聯及其溢出效應的實現依賴于空間基礎，即鄰近地區間具有金融溢出的天然優勢。當邊緣地區的金融資源都向某一中心地區集中時，會使該中心地區的金融快速發展。為了追求綠色發展，這就要求金融機構在資源配置過程中降低甚至限制資源向高污染行業及企業的流動。在信貸配給方面，發達的金融體系有利于改善資金需求雙方的信息不對稱。例如在貸前審查時，傾向于將資金流入污染小的清潔型企業;在事后監督時，可以防止企業將資金用于高污染項目的投資，降低企業的道德風險。并且隨著技術水平的提高，綠色全要素生產率將會逐步提升。在風險分散方面，發達的金融體系能提供更大規模的融資，保證企業技術創新的可持續性，從而提高綠色全要素生產率。短時間內邊緣地區的金融發展由于資源流失而發展緩慢，但長期來看，金融發展水平較高的中心地區通過向邊緣地區設立分支機構、輸送技術和管理人才等帶動邊緣地區金融發展，同樣進一步地影響到綠色全要素生產率的提升，產生一定的空間溢出效應，逐步縮小中心地區與邊緣地區的差距。

目前，關于環境規制對綠色全要素生產率影響的研究有兩個方面。一是“循序成本效應”，由新古典經濟學派提出，認為環境規制必然會導致企業增加額外成本，并且制約企業的技術創新，從而抑制綠色全要生產率。二是“技術創新補償效應”（波特假說）認為嚴格且合理的環境規制可以激發企業進行技術創新，從而能夠部分甚至完全抵消企業的“遵循成本”。環境規制對綠色全要素生產率的空間關聯及其溢出效應，在短期內體現為企業會由于環境規制強度而導致生產成本上升，進而采取縮減規模、降低勞動力投入等措施，使得勞動力向外流動，但是從長期來看，環境規制能夠倒逼高污染企業進行技術創新，即采用清潔技術進行生產，這種創新補償效應會使得企業加大對清潔技術的研發和投入，吸引高技能人員投入技術創新，進而促進該地區企業的技術優化升級，進一步影響綠色全要素生產力。

由于環境規制會增加企業的污染治理支出和新技術研發投入，企業必然增加融資需求，所以借助于發達的金融體系，企業更容易獲得大量融資，企業可以借助這筆資金度過技術滯后階段，有利于企業的長期發展。也就是說，合理的環境規制配合金融發展的調節能夠實現污染治理與技術創新之間的“共贏”。并且，環境規制能夠為金融機構甄別潛在產出大的企業，優化金融機構的資源配置效率。但是評判一個地區金融體系的發達程度不是一個決定化標準，如何制定與地區金融發展水平相適應的環境規制強度，從而使得金融發展和環境規制協調影響綠色全要素生產率是一個難題。

三、研究設計

（一）變量選取及數據來源

本研究選取中國內地30個省、直轄市、自治區（由于西藏數據缺失嚴重，為了保證數據的平穩性，故剔除西藏地區）2006～2015年的面板數據。變量數據主要來源于《中國環境統計年鑒》《中國金融統計年鑒》《中國勞動統計年鑒》、各省市統計年鑒。

1.被解釋變量：綠色全要素生產率（GTFP）。本文采用DEA-BCC測算綠色全要素生產率。BCC模型在數據包絡分析（DEA）的基礎上，將CCR模型規模報酬固定假設改為可變（VRS），將技術效率分解為純技術效率與規模效率的乘積，來衡量決策單元（DMU）的技術效率與規模效率。假設一共有n個決策單元，每個DMU的輸入有m種，輸出有s種，其公式可表示如下：

式中，Xij為第j個DMU對第i種類型輸入的投入總量;Yrj為第j個DMU對第r種類型輸出的產出總量;ε為阿基米德數;θ為DMU的有效值;λj為決策變量;S-i和S+r分別為輸入和輸出的松弛變量;Xi0和Yr0為DMU0對應的輸入值和輸出值。

傳統的全要素生產率主要以資本和勞動作為投入要素，而綠色全要素生產率則增加了能源投入和環境污染要素，以學者的研究為基礎，本研究以資本、勞動和能源消費作為投入要素，以經過環境污染指數調整的“綠色產出”[15]作為產出要素。具體投入和產出要素的處理情況如下：①投入指標。勞動投入采用各省歷年就業人員數來表示;資本投入用固定資產存量衡量，此數據無法直接獲得，需要進行計算，本文主要借鑒張軍（2004）[16]采用的永續盤存法：Kit=Kit-1（1-δit）+Iit，其中Kit為研究樣本i地區t時期的固定資本存量，Kit-1為i地區t-1時期的資本存量，δ表示固定資本折舊率（取值9.6%），Iit為樣本i地區第t期的實際固定資本形成總額;能源投入采用能源消耗總量表示。②產出指標。通過熵值法構建環境污染指數EPI來表示非期望產出部分，在此基礎上用期望產出GDP（以2006年為基期進行平減處理）減去環境污染的產出部分，得到綠色產出EDP。由于數據的可獲得性，參考胡曉珍等人（2011）[17]選取工業廢氣排放量、工業廢水排放量，工業煙（粉）塵排放量代表非期望產出的指標。

2.解釋變量：環境規制（REG）。目前衡量環境規制指標的方法沒有統一，其中運用最多的分別是：一是使用單一污染物的治理效果衡量環境規制強度[18];二是運用熵值法構建綜合指數評價環境規制水平[19][20];三是利用各種污染物排放數據，測算綜合污染強度作為環境規制的代理變量[21];四是采用污染治理費用占行業總產值或者總費用的比重來衡量環境規制強度[22][23]。由于前三種衡量環境規制的方法以利用線性標準化為主，會喪失不同時期環境規制強度的可比性，因此本研究采用第四種方法作為衡量環境規制的指標，即采用治理工業污染項目投資額占工業增加值的比重衡量環境規制強度。

3.調節變量：金融發展（FIN）。本研究采用金融集聚水平作為金融發展的代理變量，通過區位熵計算各省份金融集聚指數，公式為：LQij=（qij/pij）/（qj/pj）。LQij就是i地區金融業在j時期的區位熵，qij為i地區金融業j時期的金融業生產總值，pij為i地區j時期的總人口數，qj為全國金融業j時期的金融業生產總值;pj為全國j時期的總人口數。

4.控制變量。參考已有研究成果，本研究選取的控制變量包括產業結構、人力資本狀況、基礎設施、能源結構等。產業結構（IS）：合理的產業結構帶來的技術進步將有助于綠色全要素生產率的提升，反之亦然。選取第二產業增加值占國內生產值的比重表示，預期不確定。人力資本（HC）：人力資本是經濟發展的必要因素之一，可促進經濟增長和技術進步，從而為綠色全要素生產率提升提供支撐。使用就業人員受教育程度表示人力資本，用HC=6×E1+9×E2+12×E3+16×E4來計算，其中E1、E2、E3和E4分別表示各省就業人口中的小學、初中、高中、大專及以上畢業人數就業比例，預期為正。基礎設施（INF）：基礎設施的改善能為經濟增長提供便利的外部環境，從而降低經濟運行成本，加快產業結構轉換，間接地促進綠色全要素生產率的提升。選取公路和鐵路的總里程除以省域面積來表示，預期為正。能源消耗水平（EC）：隨著工業化進程的加快，以能源消耗為主的產業結構是破壞生態環境的主要方式，減少能源消耗是可持續性發展的必經之路。選取地區能源消耗量取對數表示，預期為負。

（二）模型構建

綠色全要素生產率在我國呈現出空間分布現象，即本地區的綠色全要素生產率受到周邊地區綠色全要素生產率的影響，各地區之間的綠色全要素生產率存在空間溢出效應。因此，可借助空間地理因素建立模型，探究金融發展、環境規制與綠色全要素生產率之間存在的空間關聯性，并且整個區域綠色全要素生產率還會隨區域間的相互影響發生變化，具有一定的空間動態性特征。

1.空間計量模型。空間杜賓模型（SDM）綜合了空間誤差模型（SEM）和空間滯后模型（SLM）的優點，既能夠考慮被解釋變量和解釋變量的空間依賴性，又能夠考慮隨機誤差沖擊的空間影響。因此，本研究選取空間杜賓模型，以便很好地反映綠色全要素生產率（GTFP）的空間溢出效應。SDM模型設定如下：

式中，ρ為本地區綠色全要素生產率對周邊地區綠色全要素生產率的影響系數。當ρ>0時，表明相鄰地區間存在空間溢出效應;當ρ<0時，表明相鄰地區間存在空間負效應。X包含產業結構、人力資本、基礎設施和能源結構等控制變量;φi和νt分別表示地區效應和時間效應;ψ表示殘差之間的空間相關性;εit為隨機誤差項;i和t表示地區個體和時間維度。若ρ≠0、θ=0、ψ=0，則上式為空間滯后模型（SLM）;若ρ=0、θ=0、ψ≠0，則上式為空間誤差模型（SEM）;若ρ≠0、θ≠0、ψ=0，則上式為空間杜賓模型（SDM）。同時，采用Wald檢驗和LR檢驗對 SLM、SEM、SDM 進行篩選，如果檢驗都拒絕H0：θ=0和H0：θ+ρβ=0的原假設，則選擇SDM;若接受其中一個原假設，則在SLM、SEM之間進行選擇。

為考察金融發展對環境規制促進綠色全要素生產率的中介效應，本研究在上式模型的基礎上引入金融發展與環境規制的交互項REGit×FINit，反映環境規制通過金融發展對綠色全要素生產率的影響。

如果REGit×FINit的回歸系數不顯著，說明交互作用沒有顯著影響綠色全要素生產率;如果環境規劃REGit的回歸系數不顯著或顯著為負，而REGit×FINit的回歸系數顯著，說明環境規制對促進綠色全要素生產率作用不明顯，需與金融發展相結合才能產生顯著促進作用;如果金融發展FINit的回歸系數不顯著，而REGit×FINit的回歸系數顯著，則說明環境規制能夠直接促進綠色全要素生產率，不需依賴金融發展。

2.直接效應和間接效應。許多實證研究使用一個或者多個空間回歸模型的點估計來檢驗是否存在空間溢出效應。然而，LeSage和Pace[24]認為利用點估計檢驗溢出效應可能存在偏誤，而且不同模型設定中變量的變化影響了偏微分方程。因此，為準確估計解釋變量對被解釋變量的影響程度，LeSage和Pace通過偏微分方法將SDM模型中的參數向量θ分解為直接效應和間接效應。空間杜賓模型的向量形式可以表示為：

3.空間相關性分析。本研究采用Morans I指數來檢驗變量是否存在區域關聯性與空間依賴性，Morans I指數計算公式為：

其中S2=12∑ni=1（Yi-Y）2;Y=1n∑ni=1Yi;Yi為第i個地區的指標值，n為地區總數，Wij為0-1鄰接空間權重矩陣，如果兩地區相鄰，則權重值為1;如果兩地區不相鄰，則權重值為0，最后將其標準化。一般來說，Morans I指數的取值范圍為[-1，1]，大于0時表明變量在空間上表現出正相關，小于0時表明變量在空間上表現出負相關，等于0時表明變量在空間上表現出隨機性，不存在空間相關性。

四、實證結果與分析

（一）空間相關性檢驗

利用MATLAB按照Morans I指數定義公式分別計算2006～2015年金融發展、環境規制、綠色全要素生產率Morans I指數，并得出相應的Z值表1所示。從表1可知，2006～2015年金融發展、環境規制和綠色全要素生產率的Morans I指數均為正值且通過統計顯著性水平，這表明金融發展、環境規制和綠色全要素生產率在空間范圍內存在顯著正向空間相關性，具有空間集聚特征。因此，構建金融發展、環境規制與綠色全要素生產率影響模型時應考慮空間效應才符合客觀事實。

空間聯系局部相關性的Morans I指數散點圖作為衡量觀測單元屬性與周邊單元相近或差異程度的一種方法，為了體現簡單的對比分析，本文僅給出2006年和2015年各省綠色全要素生產率局部空間散點圖，如圖1所示。

1.金融發展。金融發展對綠色全要素生產率的影響具有顯著的正向直接效應及空間溢出效應，金融發展不但能顯著提升本地區的綠色全要素生產率，而且能通過空間溢出效應，提升周邊地區的綠色全要素生產率。一般而言，金融發展水平每提高1%，將會提升本地區綠色全要素生產率0.0418%，同時提升周邊地區綠色全要素生產率0.1674%，對本地區和周邊地區的總提升效率為0.2092%。事實上，金融發展一方面通過“資本支持效應”“資本配置效應”“風險分散效應”“企業監督效應”和“綠色金融效應”支持本地區低污染產業和企業發展，以及支持綠色技術創新，推動技術進步來提高綠色全要素生產率，從而達到減少環境污染的效果;另一方面金融發展可通過“磁鐵效應”“擴散效應”和“外部效應”形成金融資源數量增加、質量提升的內在機制，推動形成規模經濟、技術經濟等發展格局，從而達到提升周邊地區綠色全要素生產率。

2.環境規制。環境規制對綠色全要素生產率的直接效應通過1%顯著性檢驗，且系數為正，表明環境規制對綠色全要素生產率產生了積極影響，這主要是由于嚴格的環境規制將促使地區產業率先發展與環境相兼容的創新技術并且促使傳統生產工藝向環保型、節能型新型生產工藝轉型，達到環境清潔與經濟增長的雙贏，這就驗證“波特假說”的存在性，在中國經濟發展體系下，環境規制能夠促使一個地區從長遠發展考慮主動進行技術創新。環境規制的間接效應顯著為正，說明環境規制強度具有明顯外溢效應。

[7]陳超凡.中國工業綠色全要素生產率及其影響因素——基于ML生產率指數及動態面板模型的實證研究[J].統計研究，2016（3）：53～62.

[8]Eli Berman， Linda T. M. Bui. Environmental Regulation and Productivity： Evidence from Oil Refineries. 2001（3）：498～510.

[9]Bruce R. Domazlicky， William L. Weber. Does Environmental Protection Lead to Slower Productivity Growth in the Chemical Industry [J].Environmental and Resource Economics， 2004，28： 301～324.

[10]原毅軍，謝榮輝.產業集聚、技術創新與環境污染的內在聯系[J].科學學研究，2015（9）：1340～1348.

[11]殷寶慶.環境規制與我國制造業綠色全要素生產率——基于國際垂直專業化視角的實證[J].中國人口.資源與環境，2012（12）：60～66.

[12]李玲，陶鋒.中國制造業最優環境規制強度的選擇——基于綠色全要素生產率的視角[J].中國工業經濟，2012（5）：70～82.

[13]劉和旺，左文婷.環境規制對我國省際綠色全要素生產率的影響[J].統計與決策，2016（9）：141～145.

[14]王偉，孫芳城.金融發展、環境規制與長江經濟帶綠色全要素生產率增長[J].西南民族大學學報，2018（1）：129～137.

[15]朱承亮，岳宏志，師萍.環境約束下的中國經濟增長效率研究[J].數量經濟技術經濟研究，2011（5）：3～20，93.

[16]張軍，吳桂英，張吉鵬.中國省級物質資本存量估算：1952～2000[J].經濟研究，2004（10）：35～44.

[17]胡曉珍，楊龍.中國區域綠色全要素生產率增長差異及收斂分析[J].財經研究，2011（4）：123～134.

[18]張成，郭炳南，于同申.環境規制強度對行業生產技術進步的非線性影響[J].中國科技論壇，2014（1）：57～61，75.

[19]李斌，彭星，陳柱華.環境規制、FDI與中國治污技術創新——基于省際動態面板數據的分析[J].財經研究，2011（10）：92～102.

[20]李玲，陶鋒.中國制造業最優環境規制強度的選擇——基于綠色全要素生產率的視角[J].中國工業經濟，2012（5）：70～82.

[21]蔣伏心，王竹君，白俊紅.環境規制對技術創新影響的雙重效應——基于江蘇制造業動態面板數據的實證研究[J].中國工業經濟，2013（7）：44～55.

[22]趙紅.環境規制對產業技術創新的影響——基于中國面板數據的實證分析[J].產業經濟研究，2008（3）：35～40.

[23]張成，陸旸，郭路，于同申.環境規制強度和生產技術進步[J].經濟研究，2011（2）：113～124.

[24]JP Lesage， RK Pace.Introduction to Spatial Econometrics[M].CRC Press， 2009（2）：513～514.

[25]Anselin L. Spatial Econometrics： Methods and Models[M]. Dor-drecht：Kluwer Academic Publishers， 1988.