財政縱向失衡、要素價格扭曲與綠色全要素生產率

趙娜 李香菊 李光勤

摘 要：從理論層面系統地詮釋了財政縱向失衡對綠色全要素生產率的作用機理，然后利用2004-2016年266個地級市的面板數據，采用兩階段最小二乘法考察了財政縱向失衡對中國綠色全要素生產率損失的影響機制。研究發現：財政縱向失衡顯著抑制了我國城市綠色全要素生產率水平;中間機制分析表明，資本價格扭曲和勞動力價格扭曲是財政縱向失衡阻礙綠色全要素生產率水平提高的主要中介變量;財政縱向失衡對綠色全要素生產率水平的抑制作用存在著地區和時間差異。

關鍵詞： 財政縱向失衡;要素價格扭曲;綠色全要素生產率

中圖分類號：F812.2 文獻標識碼： A ?文章編號：1003-7217（2021）05-0091-10

一、引言及文獻綜述

歷經40多年的改革開放，中國已經成為全球第二大經濟體。然而，與之相伴的是高能耗與高污染。據統計，2016-2019年全國337個地級以上城市中，分別有75.1%、70.7%、62.4%、53.4%的城市的空氣質量超標①。雖然空氣質量超標的城市數呈現較快的下降趨勢，但仍然有半數以上的城市的空氣質量超標。在十九大報告中，將推進綠色發展作為首要任務。2020年中國政府在生態環境保護工作會議中指出：“要大力推動綠色低碳循環發展，協同推進經濟高質量發展和生態環境高水平保護”②。黨的十九屆五中全會中提出推動綠色發展，促進人與自然和諧共生③。顯然綠色發展已成為時代的主題，是我國經濟社會未來發展的戰略選擇。綠色全要素生產率增長是實現綠色經濟發展的關鍵。如何推動綠色全要素生產率的增長？這一問題引起了學者的高度關注。現有研究已從多個視角對推動綠色全要素生產率增長的因素進行了探討，包括環境規制、外商直接投資、金融發展、財政分權、政府行為等，但是一個非常重要的影響因素卻較少被提及，那就是分稅制背景下地方政府面臨的財權和事權不匹配程度如何影響綠色發展。本文嘗試從這一角度探索影響中國綠色全要素生產率增長的制度性因素，以期對現有研究進行補充。

近幾年學者們從不同角度對綠色全要素生產率影響因素進行了較多的探索。主要涉及如下四個方面：其一，環境規制因素。對這二者關系的研究存在三種不同的觀點：第一種觀點提出環境規制會引起綠色全要素生產率的下降[1];第二種觀點認為環境規制正向影響綠色全要素生產率[2，3];第三種觀點則強調這兩者之間存在非線性關系[4，5]，如蔡烏趕和周小亮（2017）分別研究了命令控制型環境規制、市場激勵型環境規制和自愿協議型環境規制與綠色全要素生產率的關系，發現市場激勵型環境規制和自愿協議型環境規制分別與綠色全要素生產率呈現倒U型和U型關系[6]。其二，財政分權因素。杜俊濤等（2017）認為財政分權會阻礙綠色全要素生產率的增長[3];肖遠飛和吳允（2019）考慮了空間因素后發現財政分權不利于本地和鄰近地區綠色全要素生產率的提升[7]。其三，外商直接投資因素。關于外商直接投資與綠色全要素生產率關系的研究結論并不一致，主要是兩種相反的觀點：一種是FDI阻礙綠色全要素生產率增長[8，9];一種是改善了綠色全要素生產率[10，11]。其四，城市化因素。包括兩個相反結論：一種認為城市化可以驅動我國綠色全要素生產率增長[12];另一種則認為城市化會損害綠色全要素生產率[13，14]。

縱觀已有文獻可以看出：學者們從不同角度實證檢驗了綠色全要素生產率的影響因素，但鮮有文獻將分稅制背景下地方政府面臨的財政縱向失衡與綠色全要素生產率聯系起來。這為本文研究提供了一個很好的研究視角。鑒于此，本文在既有研究的基礎上，從以下三個方面進行了拓展和延伸：其一，在研究視角上，本文嘗試以財政縱向失衡為切入點來探討影響綠色全要素生產率的制度性因素。其二，已有文獻研究了要素市場扭曲與綠色全要素生產率的關系[15]，但鮮有文獻將財政縱向失衡、要素價格扭曲和綠色全要素生產率納入同一框架。本文將財政縱向失衡、資本價格扭曲、勞動力價格扭曲和綠色全要素生產率納入同一分析框架，重點揭示財政縱向失衡影響城市綠色全要素生產率水平的兩個渠道：分別是資本價格扭曲效應和勞動力價格扭曲效應，闡明了財政縱向失衡影響城市綠色全要素生產率水平的作用機理。其三，已有文獻關于財政縱向失衡的研究主要集中在財政縱向失衡對地方政府公共支出的影響[16，17]，對基礎教育服務績效水平的影響[18]，對房價的影響[19]，對地方財政可持續性的作用以及對全要素生產率的影響[20，21]。缺少對財政縱向失衡的空間相關性分析，本文采用空間自相關模型（SAC）分析財政縱向失衡的空間相關性以及對綠色全要素生產率的影響。

二、理論分析與假說提出

“中國式財政分權”體制下，地方政府擁有較為獨立的財政支出權并承擔了大部分的公共品供給責任，但卻擁有較低比例的稅收收入，這直接導致地方政府的相對收入與支出責任的不對等，進而帶來財政縱向失衡。過度財政縱向失衡對綠色全要素生產率的影響主要基于直接效應和間接效應。

（一）財政縱向失衡對綠色全要素生產率的直接效應

首先，一個地區財政縱向失衡越高，意味著政府承擔過多的支出責任，這勢必會迫使地方政府為獲取有限稅源而競相降低轄區企業的實際稅負，在努力留住本地企業的同時，盡力吸引其他地區企業來本地進行投資[22]。本地企業稅負的降低可能通過以下四個途徑影響綠色全要素生產率，其一，本地企業實際稅負的降低會緩解企業的融資約束，促使其提高員工薪資，引進高水平人才，加強員工培訓，從而提升了企業綠色全要素生產率。其二，企業實際稅負的減少使其可支配利潤提高，有助于企業加大研發投入，提升其技術創新水平，從而引致綠色全要素生產率的提高。其三，由于政府對本地稅收優惠具有一定決定權和控制權[23]，在收益增加的情況下，為了獲得稅收優惠，企業會將多余的資金用于向掌握稅收優惠政策的政府官員進行尋租，從而對企業創新支出產生擠出效應[24]，不利于綠色全要素生產率的增長。其四，政府在競相降低稅負吸引企業進駐本地的過程中，更多關注資本流入的數量，而較少關注資本質量，污染型、低效率的企業過度流入[22]，這會帶來環境污染，從而阻礙了綠色全要素生產率的提高。

其次，在以經濟建設為中心的政績考核機制下，過度財政縱向失衡會促使地方政府偏好于利于本地經濟增長的基建投資，而較少投入民生、環保等領域，這對綠色全要素生產率造成不同影響。其一，基礎設施建設投入的增加促進了本地公共服務水平的上升，減少了企業的運輸成本，有利于要素流動，顯著提升了企業的技術效應和規模效率，這有利于地區綠色全要素生產率的提高。其二，在財政支出一定的情況下，基礎設施建設投入的增加會導致教育、環保、醫療等民生性支出的不足，最終影響技術進步的可延續性，不利于綠色全要素生產率的有效提升。

最后，嚴重的財政縱向失衡意味著地方財政自主權過低，為了緩解財政支出的壓力，地方政府傾向于高價出讓建設用地獲得高額的土地出讓金來增加地方財政收入[25]，這帶來了房價的上漲，抑制了地區技術創新[26]，最終會影響綠色全要素生產率。具體來說：一方面，高房價促使經濟“脫實向虛”，降低企業的創新投入積極性;另一方面，高技能人才是企業技術創新驅動的重要因素，而高房價推高了高技能人力資本的生存成本，阻礙了城市創新[27]，這進一步抑制了綠色全要素生產率的提升。據此，本文提出假說1。

假說1 過度財政縱向失衡抑制了綠色全要素生產率的提升。

（二）財政縱向失衡對綠色全要素生產率的間接效應

1.財政縱向失衡扭曲了資本價格，阻礙了地區綠色全要素生產率的增長。過度的財政縱向失衡意味著地方財政存在較為嚴重的收支脫節，這會誘導地方政府偏好于干預金融資源配置。具體來說，一方面，地方政府可以通過財政貼息方式等壓低貸款利率以刺激企業投資、扭曲資本價格;另一方面，由于地方政府掌握了城市商業銀行管理層的人事任免權，為了推動地方經濟發展，地方政府有強烈的動機以及能力干預城市商業銀行的貸款方向。特別在地方政府財政壓力加大的情況下，地方政府通過高管任免等手段誘導城市商業銀行的貸款主要投向于地方國有經濟部門[28]，這會促使資本的實際報酬偏離其應得報酬，即資本價格扭曲。綠色全要素生產率的增長來源于技術進步以及環境污染的減少，而資本價格扭曲不但不利于技術進步，而且會帶來環境污染，具體影響如下：資本價格扭曲促使國有經濟部門以低廉的價格獲得資金，擴大了企業的經營規模，極大地增加了企業的獲利空間，從而導致國有經濟部門的創新惰性增強。此外，國有經濟部門金融資源的增加勢必會造成非國有經濟部門金融資源的匱乏，這會增加非國有經濟部門創新的成本，進而抑制這類企業參與技術創新的能力，阻礙地區產業結構升級，加劇環境污染，最終抑制綠色全要素生產率的提升。

2.財政縱向失衡扭曲了勞動力價格，抑制了地區綠色全要素生產率的提升。過度財政縱向失衡意味著地方政府的財力缺口較大，為了承擔起發展地方經濟和社會公共服務的責任，政府通過壓低勞動力價格吸引外部企業進駐本地，造成勞動力價格扭曲。這意味著勞動力的實際報酬偏離其應得報酬，較低的工資報酬降低了企業的勞動力成本，促使企業密集地使用勞動力進行生產，進而導致企業進行技術創新以獲取利潤的動力不足。此外，較低的工資報酬會促使企業員工創新動力不足，致使其將全部知識與能力發揮出來的積極性不高[29]，從而不利于城市綠色全要素生產率的提升。據此，本文提出假說2和假說3。

假說2 財政縱向失衡通過扭曲資本價格阻礙了綠色全要素生產率的提升。

假說3 財政縱向失衡通過扭曲勞動力價格抑制了綠色全要素生產率的提高。

三、模型設定與數據選取

（一）實證模型設定

依據理論分析，為了驗證假說1，設定如下基準回歸模型（1）：

tfp.it=α.0+α.1vfi.it+α.2denti.it+α.3ind2.it+α.4resor.it+α.5tel.it+α.6gov.it+α.7fdi.it+year.t+city.i+ε.it（1）

其中tfp、vfi、denti、ind2、resor、tel、gov、fdi、city.i和year.t依次為綠色全要素生產率、財政縱向失衡、人口密度、產業結構、人力資本、電信化水平、政府干預、外商直接投資、城市效應與時間效應，ε.it表示隨機擾動項。

為了進一步識別要素價格扭曲的中介效應以檢驗假說2與假說3，構建如下遞歸模型：

Q.it=α.0+α.1vfi.it+α.2denti.it+α.3ind2.it+

α.4resor.it+α.5tel.it+α.6gov.it+α.7fdi.it+year.t+

city.i+ε.it （2）

tfp.it=α.0+α.1vfi.it+α.2denti.it+α.3ind2.it+

α.4resor.it+α.5tel.it+α.6gov.it+α.7fdi.it+α.8Q.it+

year.t+city.i+ε.it（3）

其中，Q.it代表中介變量，包括資本價格扭曲（rk）和勞動價格扭曲（rl）兩個變量。

（二）變量與數據說明

1. 被解釋變量。綠色全要素生產率（tfp）。借鑒Fre等（2007）[30]，采取非徑向、非角度的SBM方向性距離函數測度Malmquist-Luenberger生產率（M-L指數），并用該指數衡量各城市的綠色全要素生產率環比增長率。SBM方向性距離函數以及Malmquist-Luenberger生產率具體函數參見趙娜（2020）[22]，投入要素、期望產出以及非期望產出的衡量見表1。

參考Chung等（1997）[31]提出的模型，構造t期和t+1期之間的Malmquist-Luenberger指數計算我國各城市綠色全要素生產率增長指數，表示為：

MLt+1.t=[1+D→t.o（xt，yt，bt，gt）1+D→t.o（xt+1，yt+1，bt+1，gt）×

1+D→t+1.0（xt，yt，yt，gt）1+D→t+1.0（xt+1，yt+1，bt+1，gt）]12（4）

當MLt+1.t>1時，意味著綠色全要素生產率較上年有增長。反之，則意味著綠色全要素生產率較上年有所下降。

借鑒杜俊濤等（2017）[3]，假設2003年綠色全要素生產率均為1，依次計算各城市2004-2016年綠色全要素生產率。圖1給出了全國及東中西地區的變化規律?？梢钥闯?，2004-2016年中國地級市綠色全要素生產率表現出上升趨勢。分地區來看，2007年之后東部城市綠色全要素生產率上升幅度大于全國以及中西部城市的平均水平，而西部地區從2011年之后則一直處于最低。這可能是因為：其一，東部地區經濟社會較為發達，具有較為豐厚的資金吸引優秀人才，為污染治理技術的研發提供了較為充足的人力資本;其二，西部地區經濟較為落后，為了爭取資金流入本地，采取放寬資金準入等政策，吸引一些高能耗、高污染的工業企業進駐，帶來較為嚴重的環境污染。

2. 解釋變量。財政縱向失衡（vfi）。借鑒李永友和張帆（2019）[32]，采用（一般預算支出-一般預算收入）/一般預算支出來衡量財政縱向失衡。

3. 中介變量。資本扭曲（rk）和勞動扭曲（rl）。借鑒白俊紅和劉宇英（2018）[33]，采用間接法分別測度資本扭曲系數和勞動扭曲系數。具體如下：

rk=MP.kr-1=β.Kip.iy.ir.iK.i-1

rl=MP.lw-1=β.Lip.iy.iw.iL.i-1

其中p.iy.i為各城市的GDP，β.Ki、β.Li分別表示利用生產函數估計的各城市的資本產出彈性和勞動產出彈性，r.i和w.i分別為資本和勞動力價格，遵循Hsieh和Klenow（2009）[34]做法，資本價格取值為0.1，勞動力價格采用各地區城鎮單位就業人員平均工資，GDP和勞動力價格均以2004年為基期進行平減。

4. 控制變量。參考謝賢君等（2019）、杜俊濤等（2017）的研究[15，3]，采用人口密度（denti）、二產比重（ind2）、人力資本（resor）、電信化水平（tel）、政府干預（gov）和外商直接投資（fdi）作為控制變量。

本文的數據來源于2005-2017年《中國城市統計年鑒》和EPS數據庫，鑒于行政區劃調整和部分地區數據缺失嚴重，最終選擇我國266個地級市，對于缺失數據采用插值法，對人口密度取對數以避免異方差或者共線性對估計結果的影響。外商直接投資中的美元按照當年平均外匯價格折算成人民幣，表2為相關變量的統計特征描述及其度量方式。

四、結果分析

（一）基準回歸

首先對財政縱向失衡（vfi）與綠色全要素生產率（tfp）之間的內在關系進行初步考察。在研究方法上，本文以OLS為基準回歸，并進一步采用固定時間和地區效應的雙向固定效應（FE）模型對理論假說進行驗證，表3列示了基本回歸結果的內容。為了研究財政縱向失衡對綠色全要素生產率在不同條件下的影響，本文在基本回歸中分別列示加入控制變量與不加控制變量的回歸結果。從列（1）可以看出，當不加入任何控制變量時，財政縱向失衡（vfi）對綠色全要素生產率（tfp）的影響顯著為負，從而初步證明了假說2，從列（2）～（4）可以看出，當加入控制變量并進一步控制時間和城市固定效應后，財政縱向失衡（vfi）的系數依然為負，并通過了10%的顯著性檢驗。這說明財政縱向失衡越高的城市，綠色全要素生產率水平越低，也證實了關于財政縱向失衡對綠色全要素生產率負向抑制的判斷。從控制變量的回歸結果來看，人口密度（denti）、二產比重（ind2）的回歸系數均顯著為負，這表明人口密度和二產比重越高的地區，綠色全要素生產率越低，一定程度上反映了人口密度和第二產業比重的增加不利于地區綠色全要素生產率的增長。政府干預系數（gov）為負說明政府過多地干預經濟擠占了社會投資，進而扭曲了資本價格和勞動力價格，這不利于綠色全要素生產率的增加;外商直接投資系數（fd）為負在一定程度上說明外商直接投資增加了地區能源消耗，帶來了環境污染。人力資本（resor）、信息化水平（tel）與綠色全要素生產率呈現為正相關，可能的解釋是：人力資本水平和信息化水平提升對技術創新的正向效應，而技術創新是驅動綠色全要素生產率提升的重要動力。

（二）中介效應分析

采用雙向固定效應模型估計模型（2）和（3），表4匯報了資本價格扭曲和勞動力價格扭曲在財政縱向失衡抑制綠色全要素生產率過程中的中介效應回歸結果。其中列（1）和（2）匯報了財政縱向失衡對資本價格扭曲和勞動價格扭曲的回歸結果，即基于式（2）的檢驗;列（3）和（4）匯報了資本價格扭曲和勞動價格扭曲作為中介變量時，財政縱向失衡對綠色全要素生產率的回歸結果，即基于式（3）的檢驗。從表4不難發現：首先，財政縱向失衡對資本扭曲和勞動扭曲的影響均顯著為正，這說明財政縱向失衡扭曲了資本價格和勞動價格。納入中介變量后，資本價格扭曲和勞動價格扭曲對綠色全要素生產率的回歸系數顯著為負，說明資本和勞動扭曲能夠顯著地抑制綠色全要素生產率的增長。其次，比較資本價格扭曲和勞動價格扭曲在財政縱向失衡中的中介效應，從列（1）和（3）可以看出：在其他因素保持不變的情況下，財政縱向失衡每上升1個單位，綠色全要素生產率會下降0.049個單位，同時也會使得資本扭曲0.146個單位，從而導致綠色全要素生產率間接下降0.001個單位（0.068×0.146=0.001），間接效應占總效應的2.04%。從列（2）和（4）不難發現：財政縱向失衡對勞動扭曲的影響系數為0.154，勞動力價格扭曲對綠色全要素生產率的回歸系數為-0.029，表明財政縱向失衡通過扭曲勞動力價格的負向中介效應抑制了綠色全要素生產率。具體來看，財政縱向失衡通過勞動力扭曲影響綠色全要素生產率的間接效應為0.004，在總效應中占比為7.27%。

（三）工具變量回歸

一般情況下，綠色全要素生產率較高的地區經濟增長較快，環境污染較少，而經濟增長速度的提升可能會導致城市財政收入的增加，從而引起財政縱向失衡的降低，因此財政縱向失衡與綠色全要素生產率之間不可避免存在一定的內生關聯，忽略這一內生性可能導致獲得偏差較大的估計結果，因此，本文使用工具變量法克服這一難題。借鑒王小龍和余龍（2018）[35]對工具變量的設置方法，構造的工具變量為同一省份內其他城市財政縱向失衡的平均值（vfi_iv），理由如下：其一，同一省內各個城市均具有相同的隸屬關系，因此財政縱向失衡具有一定的相關性。其二，同一省內其他城市的財政縱向失衡與本城市的經濟增長并不構成直接管理，因此同一省份內其他城市財政縱向失衡的平均值（vfi_iv）滿足IV外生性的良好特性。在IV回歸中采用2SLS方法進行估計，估計結果見表5。第一階段的工具變量與財政縱向失衡之間正相關，并通過了1%顯著性檢驗，這說明同一省份兄弟城市的財政縱向失衡越高，本城市的財政縱向失衡越高，同時F值大于10，說明不存在弱工具變量問題，滿足了工具變量的相關性假設。第二階段回歸結果顯示，財政縱向失衡與綠色全要素生產率之間的關系依然是顯著負相關，這與本文基準回歸結果具有一致性，進一步印證了上文關于財政縱向失衡與綠色全要素生產率之間因果關系的判斷具有穩健性。

采用2SLS方法繼續對式（3）進行回歸，如表5列（5）和（6）所示?？梢钥闯鲈诩尤胭Y本價格扭曲和勞動價格扭曲之后，財政縱向失衡系數、資本價格扭曲系數以及勞動價格扭曲系數均顯著為負，與表4列（3）和（4）一致，這進一步說明關于資本價格扭曲和勞動價格扭曲的中介效應論斷具有較好的穩健性。

（四）穩健性分析

本文通過以下兩種方式對基準回歸結果的穩健性展開檢驗，并利用FE法和2SLS法對財政縱向失衡與綠色全要素生產率之間的關系進行計量分析，回歸結果見表6。

1.替換解釋變量。參照儲德銀等（2018）[17]的做法，采用如下方法衡量財政縱向失衡，1-財政收入分權/財政支出分權×（1-地方政府財政自給缺口率）。并進一步采用同一省份內其他城市財政縱向失衡的平均值（vfil_iv）作為工具變量進行回歸。

2.為了排除極端樣本的影響，將直轄市和計劃單列市城市排除。從表6的回歸結果來看，財政縱向失衡對綠色全要素生產率的影響依然顯著為負，意味著基準回歸結果穩健。

五、進一步討論

（一）分時間段考察

考慮到2013年12月《關于改進地方黨政領導班子和領導干部政績考核工作的通知》印發，領導干部的考核內容改為覆蓋經濟、政治、生態文明建設等，本文將2013年作為時間分界點，以避免領導干部考核政策的變化對實證結果可能的影響，也便于按照不同時間段對比財政縱向失衡的綠色全要素生產率效應。估計結果見表7?？梢钥闯觯?004-2013年財政縱向失衡估計系數為顯著為負，而2014-2016年財政縱向失衡的估計系數為正?？赡艿慕忉尀椋?013年之前GDP考核機制使得地方政府官員作為“經濟參與人”進行競爭，為了實現轄區經濟的高速增長，將財政支出更多地投向投入少、見效快的基礎設施建設，而減少對環保支出、創新支出的投入，導致城市綠色全要素生產率低下;2013年之后中央對地方官員的政績考核多元化促使地方官員逐漸轉向追求經濟高質量發展，加大了對短期增長效應不足的技術創新項目投入，導致綠色全要素生產率的有效提升。

（二）異質性分析

1. 城市規模異質性。根據《2019年中國城市分級名單》，我國城市可以分為一線城市、新一線城市、二線城市、三線城市、四線城市以及五線城市。將整個樣本分為一線城市、新一線城市、二線城市組以及三四五線城市組，以考察不同城市規模差異的影響，回歸結果見表8的列（1）～（2），從中可以看出，一線城市、新一線城市、二線城市組的財政縱向失衡為正，但不顯著，而三四五線城市組財政縱向失衡系數為負，且通過了顯著性檢驗，這反映了經濟相對發達城市財政縱向失衡不會阻礙綠色全要素生產率的增長，而經濟欠發達城市的財政縱向失衡會抑制綠色全要素生產率的提升?？赡艿脑蚴牵航洕鄬Πl達的城市稅源較為豐富，財政收入較多，因此其財政縱向失衡程度較低，政府有較為充足的財力發展經濟、治理環境;而經濟欠發達城市稅源較少，財政縱向失衡程度較高，這導致政府將有限的財力投入基本建設等促進經濟增長的支出，而減少環境保護支出[22]，從而抑制了綠色全要素生產率。

2. 經濟發展水平異質性。為了更加全面地考察財政縱向失衡對綠色全要素生產率的影響，本文將樣本分為低經濟發展組和高經濟發展組兩個子樣本進行分析，其中低經濟發展組為人均實際GDP小于樣本中位數，高經濟發展組為人均實際GDP大于或者等于樣本中位數，回歸見表8列（3）-（4），從中可以發現，低經濟發展組的城市財政縱向失衡估計系數顯著為負，而高經濟發展組的城市財政縱向失衡雖然為負，但并沒有通過10%的顯著性檢驗。表明經濟發展水平高的地區財政縱向失衡沒有顯著阻礙綠色全要素生產率提升，這與經濟發展水平高的地區主要位于一線、新一線、二線城市有關。

（三）空間關系檢驗

1.模型設定。

考慮地方政府的收入與支出行為并不完全由地方單獨決定，而是受制于本地和周邊地區經濟發展水平、產業結構、資源稟賦等多種因素的綜合影響，因此其他地區的財政縱向失衡不可避免地會對本地經濟決策產生影響。如果忽略這種策略性行為，估計結果將會存在偏誤。故而本文接下來將空間因素納入財政縱向失衡對綠色全要素生產率的影響中進行分析。與空間誤差模型（SEM）和空間滯后模型（SAR）相比，空間自相關模型（SAC）同時考慮了財政縱向失衡和誤差項的空間相關性，因此構建空間自相關模型（SAC）如下：

tfp.it=ρwtfp.it+θ.1vfi.it+θ.2denti.it+θ.3ind2.it+

θ.4resor.it+θ.5tel.it+θ.6gov.it+θ.7fdi.it+μ.it+

ξ.t+ζ.i ?（5）

μ.it=λvμ.it+ε.it （6）

式（5）中，ρ為財政縱向失衡的空間滯后性的系數，表示競爭性地區財政縱向失衡對本地區財政縱向失衡的影響。μ.it表示空間誤差項，ξ.t和ζ.i分別為時間效應和空間效應，λ表示誤差項空間自相關性，w為空間權重矩陣，式（6）中v表示誤差項對應的空間權重矩陣，其余變量與式（1）相同。

2.空間權重矩陣構建。

借鑒金剛和沈坤榮（2018）、范巧和郭愛君（2019）以及余泳澤和張少輝（2017）[36，37，26]，本文選擇三種空間權重矩陣：（1）地理距離權重矩陣（w.1），假定任何兩城市之間均可能產生互動，且城市越近，其互動行為越明顯。設置方法如式（7），其中d.ij代表城市i和城市j的地理距離，該距離采用各城市的公路里程數來計算。

w.ij=1d.iji≠j0i=j（7）

（2）經濟距離權重矩陣（w.2），w.ij=1/pgdp.i-pgdp.j+1，pgdp代表城市人均GDP，并以2004年為基期進行平減，該矩陣主要從經濟發展水平衡量城市間的互動行為。

（3）地理經濟權重矩陣（w.3），w.3=w.2diag（eco.1eco，eco.2eco，…，eco.neco），其中eco.i為觀察期內i城市GDP的平均值，eco表示觀察期內GDP平均值。該矩陣同時考慮了各城市間經濟和地理相關性。

3.空間相關性檢驗。

在進行實證結果分析之前，檢驗財政縱向失衡是否具有空間相關性是十分必要的。表9報告了地理距離權重矩陣（w.1）下財政縱向失衡的莫蘭指數，可以看出，財政縱向失衡具有正向的空間相關項，且通過了顯著性檢驗，這意味著財政縱向失衡具有顯著的策略性，即一個地區的財政縱向失衡上升會帶動鄰近地區的財政縱向失衡水平的提高。

4. 實證回歸結果分析。

運用傳統的OLS方法估計空間面板模型的常見問題表現為估計系數存在偏差，而MLE法估計空間面板模型則更為有效。因此本文采用MLE法估計式（5）和（6），表10列（1）（2）和（3）報告了三種不同空間權重矩陣下財政縱向失衡對綠色全要素生產率空間回歸模型的結果。可以看出，財政縱向失衡的空間滯后項系數ρ顯著為正，表明各地方政府間的財政縱向失衡有著明顯的空間正相關性。財政縱向失衡的估計系數依然在10%統計水平上顯著為負。誤差項的空間滯后項λ在w=w.1和w=w.3的情況下通過了顯著性檢驗，說明綠色全要素生產率的影響因素比較復雜。除本文所關注的制度因素、經濟發展因素、人口因素、貿易因素之外，應該還有一些其他因素會影響綠色全要素生產率。

六、結果與政策啟示

本文從財政縱向失衡、要素價格扭曲與綠色全要素生產率的內在聯系出發，利用2004-2016年中國266個城市的面板數據，從理論和實證上驗證了財政縱向失衡對綠色全要素生產率的作用機制。結果表明：（1）2004-2016年中國地級市綠色全要素生產率呈現增長態勢。2007年之后東部城市綠色全要素生產率上升幅度大于全國以及中西部城市的平均水平，而西部地區從2011年之后則一直處于最低。（2）財政縱向失衡抑制了城市綠色全要素生產率的提升;過度財政縱向失衡導致資本價格扭曲和勞動力價格扭曲，進而對城市整體綠色全要素生產率產生抑制作用。（3）在采用同一省份內其他城市財政縱向失衡的平均值作為財政縱向失衡的工具變量方法下，財政縱向失衡的增加顯著抑制了城市綠色全要素生產率。（4）異質性研究發現：縱向財政失衡對綠色全要素生產率抑制作用在經濟較落后地區表現得更為突出，2004-2013年期間的財政縱向失衡阻礙了綠色全要素生產率的提升，而2013年之后財政縱向失衡則改善了城市綠色全要素生產率。（5）各城市間的財政縱向失衡表現為明顯的策略模仿，當周邊城市財政縱向失衡上升時，本地財政縱向失衡也會提高。

本文的政策啟示主要有四點：（1）應進一步改善央地間財政關系，以使財權適當下沉，對于轄區外溢性較強的一些公共事務，應由中央來協調，從而緩解財政縱向失衡;（2）應優化地方財政支出結構，充分發揮政府投資的作用以實現預定的政策目標。與市場投資不同，對政府投資效率的判斷應關注以下四個方面：其一是乘數效應;其二是社會目標;其三是生態價值;其四是優化空間布局和實現要素聚集[38]。因此應加強地區新型基礎設施建設以驅動技術創新，在地方財政資金短缺的情況下，充分發揮財政資金引導作用，以帶動民營企業、國有企業、金融機構等市場主體共同參與投資“新基建”項目，在財政缺口擴大增加的情況下，應保持對環境保護、基礎教育、公共衛生防疫等投入只增不減。（3）推進消費稅的轉型改革以完善地方稅體系，有助于提高地方財政收入的穩定性和可預測性，從而弱化地方政府盲目加大基礎設施和工業園區建設的潛在激勵。（4）地方政府應把握好財政職能與市場機制的職責界限，把與市場經濟發展相悖的職能剝離出去，完善地方政府優化營商環境、市場監管、生態環境保護等職能，更多地去扮演服務型的政府角色，同時推動“有為政府”和“有效市場”良性互動，以充分發揮市場在資源配置中的決定作用。

注釋：

① http：//www.cnemc.cn/jcbg/zghjzkgb/ 數據來源：2016-2019年《中國生態環境狀況公報》。

② http：//www.gov.cn/xinwen/2020-01/14/content_5468911.htm， 全國生態環境保護工作會議在京召開。

③ http：//www.chinanews.com/gn/2020/10-29/9325672.shtml，中國共產黨第十九屆中央委員會第五次全體會議公報。

參考文獻：

[1] 伍格致，游達明. 環境規制對技術創新與綠色全要素生產率的影響機制：基于財政分權的調節作用[J].管理工程學報，2019，33（1）：37-50.

[2] 溫湖煒，周鳳秀.環境規制與中國省域綠色全要素生產率——兼論對《環境保護稅法》實施的啟示[J].干旱區資源與環境，2019，33（2）：9-15.

[3] 杜俊濤，陳雨，宋馬林.財政分權、環境規制與綠色全要素生產率[J].科學決策，2017（9）：65-92.

[4] 李德山，張鄭秋.環境規制對城市綠色全要素生產率的影響[J].北京理工大學學報（社會科學版），2020，22（4）：39-48.

[5] 關海玲，武禎妮.地方環境規制與綠色全要素生產率提升——是技術進步還是技術效率變動？[J].經濟問題，2020（2）：118-129.

[6] 蔡烏趕，周小亮.中國環境規制對綠色全要素生產率的雙重效應[J].經濟學家，2017（9）：27-35.

[7] 肖遠飛，吳允.財政分權、環境規制與綠色全要素生產率——基于動態空間杜賓模型的實證分析[J].華東經濟管理，2019，33（11）：15-23.

[8] 李斌，祁源，李倩.財政分權、FDI與綠色全要素生產率——基于面板數據動態GMM方法的實證檢驗[J].國際貿易問題，2016（7）：119-129.

[9] 朱東波，任力.環境規制、外商直接投資與中國工業綠色轉型[J].國際貿易問題，2017（11）：70-81.

[10]王兵，吳延瑞，顏鵬飛.中國區域環境效率與環境全要素生產率增長[J].經濟研究，2010，45（5）：95-109.

[11]傅京燕，胡瑾，曹翔.不同來源FDI、環境規制與綠色全要素生產率[J].國際貿易問題，2018（7）：134-148.

[12]鄭強.城鎮化對綠色全要素生產率的影響——基于公共支出門檻效應的分析[J].城市問題，2018（3）：48-56.

[13]鄭垂勇，朱曄華，程飛.城鎮化提升了綠色全要素生產率嗎？——基于長江經濟帶的實證檢驗[J].現代經濟探討，2018（5）：110-115.

[14]協天紫光，樊秀峰，張營營.城市化進程中政府公共支出決策與綠色全要素生產率：援助之手還是攫取之手[J].經濟問題探索，2019（11）：63-75.

[15]謝賢君.要素市場扭曲如何影響綠色全要素生產率——基于地級市經驗數據研究[J].財貿研究，2019，30（6）：36-46.

[16]Jia J， Guo Q， Zhang J， et al. Fiscal decentralization and local expenditure policy in China[J]. China Economic Review， 2014，28（C）： 107-122.

[17]儲德銀，邵嬌.財政縱向失衡與公共支出結構偏向：理論機制詮釋與中國經驗證據[J].財政研究，2018（4）：20-32.

[18]劉成奎，柯勰.縱向財政不平衡對中國省際基礎教育服務績效的影響[J].經濟問題，2015（1）：7-14.

[19]宮汝凱.財政不平衡和房價上漲：中國的證據[J].金融研究，2015（4）：66-81.

[20]杜彤偉，張屹山，楊成榮.財政縱向失衡、轉移支付與地方財政可持續性[J].財貿經濟，2019，40（11）：5-19.

[21]林春，孫英杰.分稅制改革下縱向財政失衡與全要素生產率損失[J].華中科技大學學報（社會科學版），2019，33（1）：83-91.

[22]趙娜，李香菊，李光勤.中國橫向稅收競爭如何影響霧霾污染——基于環保支出中介效應的研究[J].審計與經濟研究，2020，35（4）：116-126.

[23]李香菊，趙娜.稅收競爭如何影響環境污染——基于污染物外溢性屬性的分析[J].財貿經濟，2017，38（11）：131-146.

[24]張杰，周曉艷，李勇.要素市場扭曲抑制了中國企業R&D？[J].經濟研究，2011，46（8）：78-91.

[25]鄭思齊，孫偉增，吳璟，等.“以地生財，以財養地”——中國特色城市建設投融資模式研究[J].經濟研究，2014，49（8）：14-27.

[26]余泳澤，張少輝.城市房價、限購政策與技術創新[J].中國工業經濟，2017（6）：98-116.

[27]宋弘，吳茂華.高房價是否導致了區域高技能人力資本流出？[J].金融研究，2020（3）：77-95.

[28]祝繼高，岳衡，饒品貴.地方政府財政壓力與銀行信貸資源配置效率——基于我國城市商業銀行的研究證據[J].金融研究，2020（1）：88-109.

[29]白俊紅，卞元超.要素市場扭曲與中國創新生產的效率損失[J].中國工業經濟，2016（11）：39-55.

[30]Fre R， Grosskopf S， Pasurka Jr C A. Environmental production functions and environmental directional distance functions[J]. Energy， 2007， 32（7）： 1055-1066.

[31]Chung Y H， Fre R， S Grosskopf. Productivity and undesirable outputs： A directional distance function approach[J].Journal of Environmental Management， 1997，51（3）： 229-240.

[32]李永友，張帆.垂直財政不平衡的形成機制與激勵效應[J].管理世界，2019，35（7）：43-59.

[33]白俊紅，劉宇英.對外直接投資能否改善中國的資源錯配[J].中國工業經濟，2018（1）：60-78.

[34]Hsieh C， Klenow P J. Misallocation and manufacturing TFP in China and India[J]. Quarterly Journal of Economics， 2009， 124（4）： 1403-1448.

[35]王小龍，余龍.財政轉移支付的不確定性與企業實際稅負[J].中國工業經濟，2018（9）：155-173.

[36]金剛，沈坤榮.以鄰為壑還是以鄰為伴？——環境規制執行互動與城市生產率增長[J].管理世界，2018，34（12）：43-55.

[37]范巧，郭愛君.一種嵌入空間計量分析的全要素生產率核算改進方法[J].數量經濟技術經濟研究，2019，36（8）：165-181.

[38]劉尚希，財政政策如何更加積極有為？[EB/OL]. [2020-06-12].

https：//www.chineseafs.org/ckynewsmgr/newsContent_queryOneNewsRecord？retVal=cnzkdtxw&zyflag=1&searchFlag=2&newsid=0720223910_35532122.

（責任編輯：王鐵軍）

Fiscal Vertical Imbalance， Factor Price Distortion

and Green TFP： Evidence from 266 China's Cities

ZHAO? Na 1， LI? Xiangju 2， LI? Guangqin 3

（1. School of Economics and Finance， Xi′an International Studies University， Xi′an，Shaanxi 710128， China;

2. School of Finance and Economics，Xi′an Jiaotong University， Xi′an，Shaanxi 710061， China;

3. School of International Trade and Economics， Anhui University of Finance and Economics， Bengbu，Anhui 233030， China）

Abstract：This paper theoretically explains the mechanism of fiscal vertical imbalance on green TFP. Then， we utilize the panel data of China's 266 cities from 2004 to 2016 to study the mechanism of fiscal vertical imbalance on green TFP by employing two stage least square method. The results show that： firstly， excessive fiscal vertical imbalance significantly inhibits the rise of green TFP in China's cities; secondly， there is a strategic imitation of fiscal vertical imbalance among cities; and thirdly， the analysis of intermediate mechanism shows that the rise of fiscal vertical imbalance will distort capital prices and labor prices， and ultimately hinder the promotion of green TFP. Furthermore， research shows that there are regional and temporal differences in the inhibitory effect of fiscal vertical imbalance on green TFP.

Key words：fiscal vertical imbalance; factor price distortion; green TFP

收稿日期： 2021-01-12; 修回日期： 2021-07-11

基金項目： ?2021年度陜西省哲學社會科學重大理論與現實問題研究項目（2021ND0313）、國家社會科學基金重點項目（19AJY024）、教育部人文社會科學青年基金（18XJC790015）、國家自然科學基金青年基金（71803148）、西安外國語大學中青年拔尖人才團隊支持項目

作者簡介： 趙 娜（1980—），女，陜西大荔人，西安外國語大學經濟金融學院副教授，碩士生導師，經濟學博士，研究方向：財政縱向失衡與資本錯配;李香菊（1962—），女，河南省滎陽人，西安交通大學經濟與金融學院教授，博士生導師，稅收理論與政策研究。