政府干預、綠色金融和區域創新能力
——來自30個省份面板數據的證據

呂 鯤，潘均柏，周伊莉，李北偉

(1.寧波大學商學院，浙江 寧波 315211；2.吉林大學商學與管理學院，吉林 長春 130022)

0 引言

近年來，我國基于實現 “雙碳”目標，將綠色金融作為促進經濟低碳發展的重要抓手，原因在于節能減排必須依托于新興技術革命，技術創新可以創建新的資本積累結構、提升勞動力效率、拓寬新的價值創造渠道，推動低碳經濟[1]。而大規模的區域創新水平的提升必須借助金融市場，要充分推動金融資源向清潔技術領域傾斜，進而產生綠色金融的概念。根據中國人民銀行數據，截至2020年，中國的本外幣綠色信貸余額規模位居世界第1位，而綠色債券存量于2021年上半年也躍居世界第2位。綠色金融已經通過推動產業優化升級、促進資源合理配置對我國區域創新能力提升產生了顯著的影響。

政府財政干預也對區域創新產生了重要影響。一方面，區域創新離不開政府的財政支持。過去地方政府官員考慮到區域經濟增長和短期經濟效益是自身晉升的關鍵考核指標，因此只關注傳統成熟產業帶來的經濟效益，忽視新興產業的長期效益，阻礙區域創新。但近年來中國逐步擯棄以單一經濟增長作為地方政府的政績考核指標的制度，部分地方政府也基于這項改革開始用地方財政為推進創新驅動發展戰略提供政策保障。另一方面，政府財政政策與地方創新產業發展密切相關，進而影響地區創新能力。因此，如何進行合理的政府干預，同時在綠色金融的驅動下，引導要素向創新產業集聚，已成為提升區域創新水平和實現經濟高質量發展的重要課題。

基于上述問題，本文將政府財政政策干預、綠色金融和區域創新納入同一框架進行分析。

1 文獻綜述

1.1 政府干預和區域創新

政府干預和技術水平之間的相互作用關系的研究較多，張治河等[2]認為政府干預能夠顯著促進區域創新能力，特別是政府的科技投入能明顯提升各產業的創新效率，而李琳等[3]認為政府的各種補貼對城市和企業的創新能力產生了許多積極影響，進而在一定程度上促進了城市群的協同創新。另一種觀點認為政府干預對區域創新產生了顯著的抑制作用，謝偉等[4]通過DEA方法測算各省高新技術產業研發效率，研究發現政府補貼會抑制區域技術創新效率；肖文等[5]基于中國工業行業的實證分析，認為政府對于市場研發活動的支持存在著一定程度上的脫節，導致政府干預會抑制區域研發創新能力的提升。

梳理上述文獻可知，學界關于政府干預對區域創新能力提升的影響尚未形成一致觀點，同時已有研究鮮有從政府宏觀財政政策的視角來分析政府財政政策活動對區域創新能力的影響，因此政府干預和區域創新在這一層面上的相互作用關系需要有新的證據出現。

1.2 綠色金融和區域創新

目前有關綠色金融對技術創新產生影響的研究結論分為兩種，一種認為綠色金融對技術創新起到了顯著的正向影響，孟科學等[6]認為綠色金融能夠通過調節創新認識、創新結構和創新機制來促進企業的技術進步；何凌云等[7]研究發現綠色金融在環保節能領域對技術創新產生顯著的促進作用；曾玲玲等[8]發現綠色金融可以同時促進產業結構優化、節能減排和技術創新，進而促進區域高質量發展。另一種持相反意見，曾學文等[9]認為綠色保險業務增加了企業成本，從而壓縮了企業的流動資金規模，阻礙了技術創新；張學海等[10]通過研究發現當前的綠色金融體系缺乏約束激勵機制，綠色金融工具因出現資源錯配并不能準確支持產業技術創新。

區域微觀主體的R&D活動會對區域整體的創新水平產生影響，一方面，微觀主體的技術創新能夠生產知識以支持區域整體創新水平的提升，基于Gibbons[11]的知識生產理論，大學、企業等微觀主體的創新活動對區域整體知識水平具有促進作用，進而促進區域創新能力的提升；另一方面，區域的微觀主體進行創新成果轉化，形成 “發明+商業化”的新產品研發模式[12]，進而提升區域創新市場化水平和整體創新能力。上述理論表明綠色金融通過 “綠色金融-區域微觀主體技術創新-區域創新”作用路徑對區域創新施加影響。

綜上所述，綠色金融對技術創新的傳導機制研究還有待進一步研究，目前鮮有關于綠色金融和區域創新能力直接相互作用關系的研究。

2 理論機制

現有研究主要聚焦政府干預、綠色金融對技術創新微觀和中觀層面 (企業和行業)的影響，鮮有對三者相互作用關系進行宏觀 (地區和國家)研究，特別是對政府財政政策行為決策干預和區域創新能力之間關系的研究還存在空白。同時，由于政府干預和綠色金融與產業布局以及經濟導向存在某種聯系，因此有必要將政府干預、綠色金融和區域創新能力納入統一的研究框架進行研究。

2.1 政府干預和區域創新

本研究基于宏觀層面視角，對政府財政政策干預行為和區域創新的相互作用關系進行分析。當政府同時采取擴張性的財政政策和大力提倡科技創新的決策時，會導致公共研發支上升，創新主體對創新資源的爭奪及尋租行為會加劇，社會研發成本上升，進而使得區域創新能力下降[13]。同時，在當前中國錦標賽體式的官員晉升體制下，地方官員作為首先考慮自身晉升的 “政治經濟人”，會將政策和資源更多傾斜于技術成熟、周期短、短期回報率高的傳統高耗能產業，以獲得最大的經濟增長效益，而非更傾向于支持短期經濟效益回報較低的創新產業[14]。此外，由于擴張性財政政策加重了政府的財政壓力，逐漸形成對區域內高技術產業的擠出效應，進一步降低區域創新能力；當政府采取緊縮性的財政政策時，由于政府的開支減少導致扶持總規模的縮小，更加劇創新主體 “擁擠”于有限的資源，同樣抑制區域創新的提升。基于以上分析，提出假設H1:在當前中國的晉升制度和模式下，政府擴張性的財政干預和緊縮性的財政干預均顯著抑制了區域創新。

2.2 綠色金融和區域創新

綠色金融是中國實現 “雙碳”目標的助力之一，實現 “雙碳”目標需要高新技術和清潔生產技術的支持，由于此類技術創新需要大規模的資金支持，因此綠色金融對區域創新活動的順利開展尤為重要，特別是綠色股權投資對技術的創新和提升起到了重要作用[15]；其次，綠色金融可以引導稀有金融資源向低碳產業和創新產業集聚，支持區域的創新活動[16]。基于以上分析，提出假設H2:綠色金融顯著地促進了區域創新能力的提升。

2.3 綠色金融、政府干預和區域創新

盡管綠色金融能夠促使財政資源通過綠色金融工具向創新產業集聚，并對創新產業產生了正向傳導作用，可以部分抵補政府干預所引起的資源錯配，從而可能對政府干預產生的負面影響產生一定程度上的調節效應。但目前中國的綠色金融市場存在諸多現實困境，包括存在洗綠漂綠、交投不活躍等問題[17]，整體發展存在諸多缺陷，同時政府干預本身也會阻礙綠色金融發揮積極作用，因此綠色金融并不能抵補和矯正政府干預對區域創新產生的 “扭曲”效應，綠色金融和政府干預的聯合效應仍舊會抑制區域創新。基于以上分析，提出假設H3:盡管綠色金融對區域創新具有促進作用，但其尚未能對政府干預形成顯著的調節效應，綠色金融和政府干預對區域創新能力仍舊產生了負向的聯合影響。

2.4 區域創新、政府干預和綠色金融的空間溢出效應

隨著我國市場經濟的迅速發展，省域間的經濟交流日益密切，當前區域間的綠色金融資源交流機制尚不完善，加之資本和金融資源的相對稀缺，地方政府容易產生爭奪資本和金融資源的 “零和博弈”思維，即希望虹吸其他地方的綠色金融資源，以謀求本省發展，同時也會出臺措施限制區域內綠色金融資源的溢出，從而形成虹吸效應，不利于區域的協同發展，因此，本省的綠色金融發展會對其他省份區域創新能力的提升有負向傳導作用。同理，區域創新能力因為省份間對創新資源的爭奪而形成的資源虹吸現象，對自身也存在著顯著的負向溢出效應。此外，政府干預會對本省的高新技術產業產生較強的擠出效應，促使創新資源外流，對他省的區域創新能力產生顯著的正向傳導作用。基于以上分析，提出假設H4:一省綠色金融發展對其他省份創新水平提升有顯著的負向空間傳導效應，具有虹吸效應；而一省的政府干預則對他省的區域創新水平提升有正向的空間傳導作用。

3 模型構建、變量選取及空間分布

3.1 模型構建

(1)系統GMM模型構建。為了研究2007—2019年中國30個省 (區、市) (不包括港澳臺及西藏)的政府干預和綠色金融對省域創新水平的影響，本文引入被解釋變量區域創新能力一階滯后項作為解釋變量，同時引入系統GMM估計方法以解決內生性問題[18-19]，得到模型1。其次，為進一步研究政府干預和綠色金融對區域創新產生的聯合影響，本文將解釋變量政府干預 (GI)和綠色金融 (GF)的相乘交互項作為解釋變量，構建模型2。

模型1:lnIUit=Φ+φIUi (t-1)+α1GIit+

α2GFit+∑βXit+εi (t-1)

(1)

模型2:lnIUit=Φ+φIUi (t-1)+α1GIit+

α2GFit+α3GIit×GFit+∑βXit+εi (t-1)

(2)

式中，區域創新能力 (IU)的對數值 (lnIU)為被解釋變量；政府干預 (GI)和綠色金融 (GF)為解釋變量；Xit代表控制變量的集合；Φ為常數項；φ為被解釋變量區域創新能力 (IU)一階滯后項的回歸系數；α1、α2、α3分別為兩個解釋變量及其交互項的回歸系數；β為控制變量的回歸系數的集合；εt-1為殘差項；i為省、自治區、直轄市；t為期數；t-1為滯后1期。

(2)空間計量模型構建。由于一個地區的政府干預和綠色金融不僅會影響當地的區域創新水平，同時其空間效應也會對與之經濟活動和聯系較為密切的地區產生影響，因此本文引入空間計量模型來考察2007—2019年中國各省份政府干預和綠色金融對區域創新能力的影響。本文參考Lesage等[20]的研究，分別構建如模型3～5的空間自回歸模型 (SAR)、空間誤差模型 (SEM)和空間杜賓模型 (SDM)。

模型3:lnIUit=ρW·Yit+α1GIit+α2GFit

+∑βXit+γt+uit+εit

(3)

模型4:lnIUit=α1GIit+α2GFit+∑βXit+γt

+λW·vit+uit+εit

(4)

模型5:lnIUit=ρW·Yit+α1GIit+α2GFit

+∑βXit+θW(GTPFit+∑βXit)+γt+uit+εit

(5)

式中，ρ和θ分別代表空間被解釋變量和解釋變量的滯后回歸系數；α1為解釋變量政府干預的系數，α2為解釋變量綠色金融指數的系數；γt代表時間固定效應；uit代表空間固定效應；W代表空間權重矩陣；εit代表隨機誤差項。

3.2 變量解釋與數據來源

(1)被解釋變量:區域創新能力 (IU)。采用中國科技發展戰略小組和中國科學院聯合發布的 《中國區域創新能力評價報告》 (2007—2019)中省級 “中國區域創新能力綜合效用值”綜合得分作為被解釋變量區域創新水平的代理變量，其測度包含省域知識創造、知識獲取、企業創新、創新環境和創新績效等維度，能夠對區域創新能力進行客觀評價。2007—2019年30個省份 (不包括港澳臺及西藏)創新能力值的平均值如圖1所示。

圖1 2007—2019年省域創新能力年度平均值

(2)解釋變量：政府干預和綠色金融指數。

①政府干預 (GI)。政府干預包括法律手段、經濟政策和計劃指導等，其中最為直接靈活的方式之一即為財政政策，因此本文采用財政政策干預作為政府干預的代理變量。現有研究多將財政支出和地區產出 (GDP)之比作為財政干預的測度指標[21]，這種測算方法僅考慮了擴張性質的財政干預度量，沒有體現財政緊縮時政府的干預程度，因此本文作出修正,政府干預程度的測度公式為：

(5)

GI值越大，說明政府的財政政策干預程度越大。2007—2019年中國30個省份 (不包括港澳臺及西藏)政府干預程度的平均值如圖2所示。

圖2 2007—2019年省域政府干預年度平均值

②綠色金融指數 (GF)。綠色金融涉及綠色信貸、綠色投資、綠色保險和政府支持，本文以此為基礎，形成表1的指標體系，進而構成綠色金融發展水平綜合測算體系。為了規避傳統專家權重打分存在的主觀性，本文采用熵值法對指標的權重進行客觀賦值。

當單項指標正向和負向影響指標體系時，計算公式如下：

(6)

(7)

式中，xij表示指標數據進行正規化處理后的值，max{xj}代表第j個指標數據的最大值，min{xj}代表最小值。

表1 綠色金融指標測度體系

λij代表第j項指標在第i年的比重，λij的計算方法如式 (8)；信息熵ej的計算方法為：

(8)

(9)

則指標權重的計算為：

(10)

上述指標體系的相關數據來源于 《中國統計年鑒》、各省份歷年的統計年鑒及 《中國保險年鑒》。2007—2019年30個省份 (不包括港澳臺及西藏)綠色金融指數的平均值如圖3所示。

圖3 2007—2019年省域綠色金融指數年度平均值

(3)控制變量。鑒于政策、投資、工業規模等因素對區域創新能力可能產生影響，選取城鎮化率 (UR)、財政透明度 (FT)、工業SO2排放量 (SE)、實際外商直接投資 (FDI)作為控制變量。其中，財政透明度數據來自 《財政透明度報告》中財政透明度指數，其余數據均來自 《中國統計年鑒》 《中國環境統計年鑒》和各省區的統計年鑒。各變量的描述性統計結果見表2。

(4)空間權重矩陣。本文的研究對象在經濟關聯度較高的地區之間可能存在溢出效應，故本文構建經濟空間權重矩陣作為空間計量模型的空間權重矩陣，該矩陣可以較好地體現地區之間的經濟關聯程度。矩陣為：

表2 變量的描述性統計

(11)

式中，Wiθ代表i地區和θ地區之間的空間權重，yi為i地區的年均人均GDP，yθ為θ地區的年均人均GDP。

4 實證結果與分析

4.1 動態面板GMM分析

模型1和模型2的分析主要建立在基于動態面板的系統GMM模型基礎上，以避免內生性問題，并采用自回歸檢驗 (AR)檢驗判斷擾動序列的相關性，以及用Hansen檢驗判定工具變量的有效性。模型結果見表3和表4。

表3中，模型1通過了自回歸檢驗 (AR)檢驗和Hansen檢驗，模型1 (1)～ (4)中政府干預前的系數均在5%的顯著性水平下顯著為負，分別為-0.0355、-0.0621、-0.0645、-0.0520。可見政府干預對區域創新能力的提升產生了顯著的抑制作用。這是因為，在經濟績效作為官員晉升考核主要指標的晉升錦標賽中[22]，由于傳統高耗能產業具備技術成熟、周期短、短期回報高等特點，地方政府和政府主官會將更多地財政資源投入到傳統產業當中，以獲得晉升，從而形成 “為增長而競爭”的 “逐底競爭”陷阱，不利于區域提升創新水平；另一方面，政府會只針對特定的行業和技術進行扶持，以使區域創新路徑只服務于政府的短期增長目標，并以此形成路徑依賴，同樣阻滯了區域創新水平。而表3中綠色金融指數的系數均顯著為正，值分別為1.168、1.210、1.368、1.577，可見綠色金融的發展可以撬動稀有金融資源向低碳綠色產業和高新技術產業集聚，以此拉動區域創新水平的提升。

表3 模型1的參數估計結果

為了探究政府干預和綠色金融對區域創新能力的聯合影響，本文引入兩個解釋變量的相乘交互項，參數估計結果見表4。

表4 模型2的參數估計結果

綠色金融和政府干預的交互項系數顯著為負，可見由于當前中國的金融監管和發展并不完善，對傳統產業綠色改造升級支持不足、圍繞碳金融領域的業務開展困難等問題阻滯了綠色金融對政府干預的調節作用，使之無法抵補政府干預形成的負外部性，驗證了H3的假設。

4.2 空間計量模型分析

(1)空間適用性檢驗。借鑒龍小寧等[23]的研究，通過全局Moran指數來討論來模型變量在空間上的集聚狀況，并以此檢驗變量的空間自相關性。全局Moran指數公式為：

(12)

當全局Moran指數絕對值越接近于1時，表明變量空間自相關性越強。

經測算，在經濟空間權重矩陣下，考察期內30個省份的區域創新能力對數值、政府干預和綠色金融指數每一年的觀測值都能在1%的顯著性水平上拒絕無空間相關性的原假設，即表明本文核心變量觀測值在經濟空間權重矩陣下均存在顯著的空間自相關。

(2)空間計量模型的識別、選擇和檢驗。本文將從模型3～5中選擇并檢驗適合本文的空間計量模型：首先采用Lesage等[24]的方法，基于非空間面板模型的OLS回歸，通過構建殘差的拉格朗日乘子 (LM)及其穩健形式 (Robust LM)，檢驗其在經濟空間權重矩陣是否存在空間自相關性。其次，通過LR檢驗來確定時間固定效應、空間固定效應和雙固定效應在模型中的適用性，之后通過Wald檢驗和LR檢驗來再次確定空間杜賓模型、空間自回歸模型和空間誤差模型在本次研究中的適用性。空間計量的識別和檢驗結果見表5。

表5中，在經濟空間權重矩陣下，空間自回歸模型和空間誤差模型均在1%的顯著性水平下通過了LM統計量及其穩健形式的檢驗，可見兩個模型均存在空間自相關性，故本文選擇空間杜賓模型作為本文分析的空間計量模型。此外，檢驗結果顯示，LR檢驗則在1%的顯著性水平上分別拒絕了時間固定效應和空間固定效應的原假設，因此本文選擇雙固定效應最為合適。同時，Wald檢驗和LR檢驗表明空間杜賓模型更優，且不會退化為空間自回歸模型和空間誤差模型。

表5 空間計量模型的識別和檢驗

綜上所述，本文基于經濟空間權重矩陣，選擇具有雙向固定效應的空間杜賓作為本文研究和分析的空間計量模型。

(3)空間杜賓模型回歸分析。基于上述理論，本文采用模型5進行研究，本文在模型5中逐個加入控制變量并進行參數估計，估計結果見表6。

空間自回歸系數基于經濟空間權重矩陣通過了1%的顯著性水平檢驗，其值分別為-2.005、 -1.965、-2.804、-2.767、-2.758，表明被解釋變量區域創新能力在經濟空間權重矩陣下，對自身有顯著的負向溢出效應。證明在當前省域之間對創新資源爭奪的虹吸效應顯著，尚未實現區域協同發展。

表6 空間杜賓模型回歸結果

政府干預的系數值分別為-0.0703、-0.0653、-0.0644、-0.0639、-0.0698，均通過了1%的顯著性水平檢驗；綠色金融的系數則分別為1.131、1.007、1.026、1.136，均在1%的顯著性水平下顯著，空間杜賓模型主效應分析得到了同動態面板系統GMM估計基本一致的結論，同時驗證了H1和H2的假設。

W×GI的系數分別為0.586、0.549、0.884、0.885、0.908，且均通過了1%的顯著性檢驗，說明政府干預對區域創新能力具有顯著的正向傳導作用，可見假設H3中的政府干預擠出效應顯著存在；W×GF的系數均在1%的顯著性水平下顯著，值為-3.534、-3.099、3.475、-3.864、-3.889，表明一省綠色金融水平基于經濟空間權重矩陣對區域創新水平具有負向的空間傳導作用，再次證明了區域間虹吸效應的存在，即一省綠色金融指數提升過程中伴隨著對他省金融資源的爭奪。

(4)擴展分析。鑒于中國的各大地理分區由于歷史原因和社會發展水平不同存在區域發展差異，因此本文有必要將總體樣本分割成東部地區、中部地區和西部地區三組樣本，再次采用空間杜賓模型探究本文研究對象的空間異質性，分地區參數估計結果見表7。

表7 分地區參數估計結果

從分地區參數估計結果中，可以發現：

東部地區政府干預和綠色金融主效應系數和全樣本情況基本一致。在溢出效應參數估計中，東部地區綠色金融發展同樣因存在虹吸效應對區域創新產生顯著的負向空間傳導；但東部地區政府干預的空間溢出效應不顯著，東部地區政府干預形成的擠出效應消失，這是因為東部地區經濟社會發展水平相對發達，中西部省份的創新資源普遍流向東部，形成明顯的地理 “極化”，政府干預形成的擠出效應被抵消。

中部地區參數估計結果和全樣本情況基本一致。可見由于政策干預引起的區域創新水平抑制和綠色金融對創新能力的提升在中部地區普遍存在，但由于中部地區在經濟發展和研發創新水平上仍與東部地區具有一定的差距，政府干預形成的擠出效應并未消失。

西部地區政府干預和綠色金融對區域創新水平的提升的主效應均不顯著，這是因為西部地區由于創新資源的相對匱乏，政府干預和綠色金融發展均難以對區域創新能力提升產生影響。在溢出效應中，原先政府干預的擠出效應消失，這是因為西部區域間的經濟活動聯系較弱，一省的政府干預很難對他省的創新能力產生外溢效應。

(5)穩健性檢驗。首先，剔除第一年數據。2008年的全球性次貸危機促使中國政府調整了對金融市場監管的力度和措施，特別是對金融體系進行宏觀審慎監管[25]，因此2008年之前的數據會給本文研究結果產生一定干擾，故本文剔除2007年數據，并重新進行參數估計，本文研究具有穩健性，見表8。

其次，剔除可能會引起干擾的樣本。本文的研究樣本包括了北京、天津、上海、重慶4個直轄市，這4個城市盡管都屬于省級行政區劃，但其地位在中國行政區劃中具有特殊性，其金融市場活躍程度和財政決策可能對本文的研究產生干擾，因此本文剔除4個直轄市的樣本并重新進行參數估計，估計結論和前文基本一致，證明本文研究具有穩健性。結果見表9。

表8 穩健性檢驗I：剔除第一年數據

表9 穩健性檢驗II：剔除可能會引起干擾的樣本

5 結論和政策建議

5.1 結論

(1)在動態面板系統GMM估計下，政府干預顯著抑制了區域創新，政府干預因為中國官員晉升錦標賽制度影響而陷入 “逐底競爭”陷阱，從而扭曲了本地區的技術創新。

(2)綠色金融發展能顯著提升區域創新水平，是促進區域創新的重要抓手。

(3)綠色金融和政府干預的交互項系數顯著為負，可見雖然綠色金融對政府干預產生的負外部性具有調節作用，但綠色金融對政府干預產生的負外部效應調節作用有限。

(4)基于空間杜賓模型主效應估計，結果與動態面板系統GMM估計基本一致，再次驗證了綠色金融能夠顯著地提升區域創新水平，而政府干預顯著抑制區域創新。

(5)基于空間杜賓模型空間溢出效應分析，綠色金融具有顯著的負向空間傳導效應，可見當前我國的區域之間存在對稀缺綠色金融資源爭奪的虹吸效應；相反，政府干預形成的擠出效應則對區域創新具有顯著的正向空間傳導作用。

(6)基于分地區空間杜賓模型回歸結果分析，我國中部地區的參數估計結果和全樣本的情況基本一致；而東部地區的政府干預對創新產業的擠出效應由于創新資源和綠色資本在該地區的 “地理極化”而消失；西部地區則與全樣本的差異較大，主要是由于西部地區的區域創新和綠色金融尚未形成規模效應，同時由于西部地區的區域經濟聯系不緊密，空間溢出效應并不顯著。

5.2 政策建議

(1)改革官員政績考核制度，更多地將區域創新指標納入考核體系，以替換原先單純考慮經濟增長因素的方式，構建基于綜合發展質量考量的科學考核制度，規避 “逐底競爭”。

(2)政府應加大對綠色金融產業的扶持，即需要通過政策傾斜，不斷擴大綠色金融產業規模；另一方面也要建立科學的綠色金融考核體系，警惕和懲罰資本市場上存在 “洗綠” “漂綠”行為。同時鑒于綠色金融所支持的高技術產業現階段存在著技術復雜、周期長、盈利低、信息不對稱等問題，與金融追求短期盈利的慣性思維存在矛盾，政府也要制定長遠的目標和時間表。

(3)減少地方政府財政對創新產業的不當干預，中央政府出臺政策引導地方政府制定合理的財政政策和產業政策大力扶持創新產業的發展。要避免地方政府干預 “扭曲”市場，提升市場在資源和要素配置中的地位，同時地方政府需要出臺相關辦法和政策，將財政政策制定過程中的 “逐底競爭”思維轉變為 “創新驅動”導向。

(4)要加致力消除區域間的虹吸效應，合理配置區域的創新資源和綠色金融資源，支持區域協同發展，將爭奪創新資源的虹吸效應轉變為資源共享的溢出效應。同時繼續發揮東部地區的經濟發展龍頭效應，加大引資引技力度和提升自主創新水平，并引導東部地區技術和資源向中西部地區溢出，努力實現協同發展。