金融集聚、人力資本與綠色全要素生產率

□ 張喜玲 朱子彬 李閱

一、引言

自改革開放以來，我國實現了多年的高速經濟增長，取得了傲人成績。但快速發展的背后是粗放型經濟增長模式帶來的大量資源低效利用和環境污染，綠色可持續發展成為必然選擇。2021年“十四五”規劃綱要指出：“堅持生態優先、綠色發展”。2022年黨的二十大報告中再次重申，要“加快發展方式綠色轉型”。金融資源的規模集聚通過優化資源配置、鼓勵綠色創新等機制，能夠帶動各地產業結構調整和綠色經濟發展（孫志紅和王亞青，2017；馮銳，2022）。在推動綠色發展的過程中，金融的支撐作用不可忽視。

目前，我國正處于人口結構轉型的關鍵時期，高素質人力資本具有稀缺的生產配置能力、技術創新能力與吸收能力（劉智勇等，2018），人力資本水平直接影響金融的需求動力和供給要素，對金融和綠色發展有很強的制約和引導作用（蔡德發等，2022）。二十大報告提到“人才是第一資源”，在金融服務綠色發展的背景下，還應考慮人力資本發揮的作用。

在傳統全要素生產率的基礎上，綠色全要素生產率（Green Total Factor Productivity，GTFP）引入了資源投入和環境產出，更強調經濟增長對于環境的影響，能夠真實反映綠色發展的現狀。如何提高GTFP以推動綠色發展，金融聚集、人力資本和GTFP之間存在怎樣的動態關系，如何在區域之間利用這一關系推動綠色發展，研究這些問題對實現經濟綠色轉型有著重要意義。

二、文獻評述

關于金融集聚與人力資本，任英華等（2010）在研究我國金融集聚影響因素的過程中發現，人均受教育年限的提升對金融集聚有著顯著的促進作用，但由于我國人力資源優勢轉化為人力資本優勢的速度緩慢，促進作用存在滯后性；馮林等（2016）對山東省縣域數據進行研究后，也認為人力資本的規模和質量能夠正向影響金融集聚水平，但人力資本的縣域間空間溢出效應尚未發揮。金融集聚也對人力資本具有較強的影響，地區金融集聚水平越高，往往城市化比重和經濟發展水平也較高，人才面臨的機遇較多，因而對人力資本具有較強的吸引力（駱永民和劉艷華，2011），學者對土耳其和印度數據的研究印證了這個觀點（Sehrawat和Giri，2014；Nar，2019），但在越南和孟加拉國，金融集聚對人力資本的影響甚微，甚至起到負面作用（Hatemi-J和Shamsuddin，2016；Ha和Hoang，2022）。

關于金融集聚與GTFP的研究，曹鴻英和余敬德（2018）利用空間計量模型，發現我國區域金融集聚對綠色經濟發展具有顯著的空間溢出效應，且東部地區金融集聚產生的溢出效應最高。倪瑛等（2020）發現，金融發展和環境規制分別對GTFP有促進作用，但目前來看，金融發展與環境規制相結合的模式抑制了GTFP。朱廣印和王思敏（2022）發現，金融集聚主要通過技術進步的空間機制提高綠色經濟效率，前期金融集聚不利于本地及周邊地區的綠色經濟效率提升，后期則發揮出正向促進作用。

關于人力資本與GTFP的關系，眾多學者并未達成一致口徑。部分學者認為人力資本促進GTFP，蘇科和周超（2021）發現，人力資本是長江經濟帶綠色全要素生產率提升的重要推動因素，且科技創新制約著人力資本綠色效應的發揮；李楊和鄧紫怡（2023）認為，人力資本能夠顯著提升GTFP，高水平人力資本的促進作用更強。一些學者則認為人力資本沒有起到促進作用，甚至抑制了GTFP，張桅和胡艷（2020）認為，由于地區之間的“虹吸效應”和技術創新誘導的“回彈效應”，長三角地區創新型人力資本水平提升在空間上對GTFP增長具有阻礙作用；曹澤和劉興（2022）對人力資本進行了細分，發現資源轉換型人力資本和資源利用型人力資本顯著促進綠色全要素生產率的提升，但資源配置型人力資本表現出抑制作用。

綜上所述，現有金融集聚、人力資本與GTFP的相關研究較為豐富，但基本都只涉及兩兩之間的相互作用，鮮有文獻將三者放在同一框架下，研究它們的動態關系。此外，多數文獻在測算GTFP時，非期望產出里往往只包含三廢①三廢包括（廢水、廢氣和固體廢棄物）。，或是單一地考慮二氧化碳排放量。2020年碳中和目標的提出，豐富了綠色發展的內涵，結合目前發展的實際情況，本文在測度GTFP的過程中，將二氧化碳排放量和三廢都作為非期望產出指標進行測算。鑒于此，本文運用SBM-GML指數法對2005-2019年中國各省份綠色全要素生產率進行測算，使用區位熵衡量金融集聚程度、向量夾角法計算人力資本，并建立PVAR模型分析金融集聚、人力資本與綠色全要素生產率三者之間的長期動態關系。

三、理論分析與研究假設

（一）人力資本對金融集聚的影響

人力資本對金融集聚的影響包括需求和供給兩個角度。從需求角度看，人力資本水平的上升往往伴隨著收入、金融素養和認知能力的提高，從而提高投資者的金融市場參與意愿，由此產生的金融需求會吸引金融機構的集中（羅靳雯和彭湃，2016）。從供給角度看，對于作為高端服務業的金融業來說，高水平人力資本是提高現代金融競爭力的基本動力，能夠推動金融服務的創新和普及，是金融業蓬勃發展的關鍵（馮林等，2016）。綜合上述分析，本文提出如下假設：

假設1：在其他條件不變的前提下，人力資本對金融集聚存在促進作用。

（二）金融集聚對GTFP的影響

金融集聚通過規模效應和創新效應促進GTFP。金融集聚的規模效應主要體現在信息共享和優化資源配置。金融集聚能夠促進金融機構彼此之間以及與其他產業的信息傳遞和資源共享，減少信息不對稱和交易成本。在金融集聚水平較高的地區，金融機構更能夠精準對接服務企業，更為迅速地解決企業的融資需求、降低融資成本，同時助力企業分散投資風險，促進企業發展和轉型升級、提高生產效率。此外，金融集聚還有助于推動資源從效率低、排放高的項目轉移到效率高、排放低的項目，實現資源配置的優化，提高經濟的總體效率（余泳澤等，2013）。金融集聚的創新效應表現為：金融集聚可以有效緩解創新的信貸約束、分散創新風險，促進技術創新的長期化、穩定化和持續化（施本植等，2018）。同時，在綠色政策的良性引導下，金融集聚產生的綠色信貸、綠色債券和綠色保險等綠色金融工具也會鼓勵企業通過綠色技術創新來獲得更多、更優質的金融資源支持。綠色技術能夠推動企業向低能耗、低排放、低污染轉型，從而提高GTFP。由此提出如下假設：

假設2：在其他條件不變的前提下，金融集聚對GTFP 存在促進作用。

（三）人力資本對GTFP的影響

人力資本對GTFP的影響可以分為產出和需求兩個方面進行分析。在新增長理論下，人力資本能夠作為生產要素直接影響經濟增長產出，又能通過影響技術進步而間接影響產出（Lucas，1988）。具體而言，人力資本作為技術、設備操作和管理經驗的載體，能夠有效提升生產效率，一定程度上優化經濟生產對自然資源、物質資本和勞動力等傳統生產要素的需求，促進經濟發展方式從粗放型到集約型的轉變；此外，人力資本的提高還能增強地區技術創新能力、促進綠色技術的研發產出，也有利于綠色技術的成果轉化和應用，為綠色發展提供不竭動力（桑倩倩和栗玉香，2021；田時中和童夢夢，2023）。人力資本對綠色產品的需求也會影響GTFP。人力資本水平的提高往往伴隨著消費者收入的上升和環保意識的增強，消費者會更傾向于購買價格偏高但污染較少的環境友好型產品，為產品的綠色屬性支付溢價，激勵企業綠色生產，從而帶動GTFP的提高（劉斌和趙飛，2023）。基于上述分析，提出如下假設：

假設3：在其他條件不變的前提下，人力資本對GTFP 存在促進作用。

四、指標選取

（一）綠色全要素生產率（GTFP）

本文參考黃慶華等（2020）的做法，利用包含非期望產出的SBM-GML指數法，對2005-2019年中國30個省（區、市）的GTFP進行測算。具體測算步驟如下：

第一，假設將第i個省份作為一個決策單元DMUi，投入n種生產要素生產得到m種期望產出和k種非期望產出設當期的生產可能性集為Pt(x)im，則：

全域生產可能性集PG(x)的提出，解決了Pt(x)模型生產前沿面無法橫向比較的問題，表示如下：

第二，構建考慮非期望產出的當期SBM方向距離函數。

其中，(xt,i,yt,i,bt,i)表示省份i的投入和產出向量，(gx,gy,gb)表示方向向量，表示松弛向量。若大于0，表示實際投入和非期望產出超過了生產前沿面的投入和非期望產出，而實際產出低于前沿面產出。

在測算GTFP時，根據綠色發展的含義與特征，本文選擇具體指標體系如下：

1.投入指標

投入指標包括勞動投入、能源投入和資本投入。勞動投入和能源投入分別采用各省份年末就業人數和標準煤消費量（萬噸）進行衡量。關于資本投入，參考張軍等（2004）的做法，利用Goldsmith的永續盤存法，將折舊率定為9.6%，以2000年為基期對各省份每年的資本存量進行估算。

其中，kit表示當期的實際固定資產投資額，kit-1為上一年的實際固定資產投資額，δ為折舊率，Iit為當期的名義固定資產投資額，Pit為固定資產投資價格指數。

2.產出方面

產出指標包括期望產出和非期望產出。本文將各省（區、市）的GDP作為期望產出指標，并利用GDP平減指數將2005-2019年的名義GDP換算成以2000年為基期的實際GDP。鑒于數據收集的完整性和可靠性，選取各省（區、市）的二氧化碳排放量（百萬噸）、工業二氧化硫排放量（萬噸）、工業廢水排放量（萬噸）和工業固體廢物產生量（萬噸）來表示非期望產出。具體投入產出指標見表1。

表1 GTFP投入產出指標體系

（二）金融集聚

參考朱廣印和王思敏（2022）的做法，使用金融業增長值計算區位熵，對金融集聚水平進行測算。

區位熵實質上是某指標在一個地區范圍內的比重與該指標在更大范圍內比重的比值。在評價一個地區的金融集聚程度時，區位熵法能夠減少不同地區金融規模的內生影響，較為準確地衡量一個地區的集聚程度與全國平均水平之間的差異（孫晶和李涵碩，2012）。若某地區的區位熵值越高，則該地區的金融集聚程度相較于全國平均水平越高，反之同理。具體表示如下：

其中，Finit為i省（區、市）金融業在t時期的區域熵，qi為i省金融業增長值，Pi表示q省總人口數，q為全國金融業增長值，P表示全國總人口數。

（三）人力資本

人力資本結構高級化能夠較好地反映初級人力資本比重下降、高級人力資本比重上升的演進過程。本文參考劉智勇等（2018）做法，采用向量夾角法計算人力資本結構高級化水平，以度量人力資本。

首先，按照受教育程度將人力資本分為五類，即未上過學、小學、初中、高中（含中專）、大專及以上。將各類人力資本的比重作為空間向量的一個分量，構建一組五維人力資本空間向量X0=(x0,1,x0,2,x0,3,x0,4,x0,5)。

其次，將單位向量組X1=(1,0,0,0,0)、X2=(0,1,0,0,0)、X3=(0,0,1,0,0)、X4=(0,0,0,1,0)、X5=(0,0,0,0,1)設定為基準向量，并計算人力資本空間向量與基準向量的夾角θj(j=1,2,3,4,5)。

其中，xj,i為單位向量組Xj(j=1,2,3,4,5)的第i個分量，x0,i為樣本向量X0的第i個分量。

最后，確定夾角θj的權重，計算人力資本結構高級化指數。

其中，Wj為權重，從未上過學到大專及以上的權重依次定為5、4、3、2、1。由于反余弦函數的單調遞減性質，若低教育程度人力資本占比下降相對越快、高教育程度人力資本占比上升相對越快，則θj會相對越大，加權求和的結果越大，從而結構高級化程度更高。

（四）數據來源與描述性統計

基于數據的有效性和可得性，本文整理了我國30個省份2005-2019年的面板數據（不包含港澳臺和西藏），部分缺失數據采用插值法處理。數據主要來源于國家統計局、國泰安數據庫、2005-2019年《中國統計年鑒》、《中國人口和就業統計年鑒》與各省份統計年鑒。各變量的描述性統計如表2所示。

表2 變量描述性統計

五、實證分析

（一）GTFP測算結果分析

本文計算了2005-2019年中國30個省（區、市）的GTFP，并進一步將其分解為技術進步和技術效率進行分析，歷年增長情況如圖1所示。

圖1 2005-2019歷年GTFP增長率及分解指數變化

總體來看，2005-2019年我國GTFP呈穩步上升態勢，年均增長率為2.0%。可以看到，GTFP多數年份均表現為正增長，說明在政府長期以綠色發展為目標的政策①1994年3月，國務院的《中國21世紀議程》將可持續發展總體戰略上升為國家戰略；2012年11月黨的十八大將“中國共產黨領導人民建設社會主義生態文明”寫入黨章；2020年9月中國政府在第七十五屆聯合國大會上提出“努力爭取2060年前實現碳中和”。指引下，我國經濟正在穩定地進行綠色轉型。2008-2009年GTFP增長率為負，可能是因為受到了全球金融危機的影響，迫于提振經濟的壓力，政府政策更偏向于經濟增長，環境問題被“選擇性忽略”。

此外，通過將GTFP分解成技術進步和技術效率，可以發現技術效率基本處于不斷下降的狀態，年均下降2.4%。這主要是投入要素的邊際效益遞減規律②邊際效用遞減規律最初由赫爾曼·戈森于1854年提出，具體解釋為在其他條件不變的情況下，持續投入一種要素到一定程度時，要素的邊際效用隨投入的增加會逐漸減少。所導致，要素投入的持續增加并不會提高生產效率，反而會造成更多的資源浪費和環境污染，造成技術效率下降（孫紅軍和杜琴，2022）。技術進步年均增長4.6%，是GTFP上升的主要推動因素，綠色發展的關鍵在于技術創新。

2005-2019年我國各省份的GTFP增長情況如表3所示，劃分為東部、中部、西部和東北部四個區域③東部區域包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南11個省市，中部區域包括山西、安徽、江西、河南、湖北、湖南8個省市，西部區域包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆11個省市，東北部區域包括遼寧、吉林、黑龍江3個省市。以進一步分析。

表3 2005-2019年各省份GTFP增長率及分解指數變化

十五年來，各省份的GTFP基本都呈正增長的狀態。東部省份的年均GTFP增速最高，達3.1%，在經濟與環境協調發展方面走在了全國前列。這主要是因為東部沿海省份大多數經濟發達，與發達國家的貿易交流也更為密切，無論是技術研發的人才培養、經費投入，還是技術引進的信息交流，相比其它地區都擁有很大優勢。

東北地區綠色發展情況也較為良好，年均GTFP增速為2.7%。作為老牌工業基地，東北地區過去的經濟發展主要依賴資源密集型產業，環境問題日趨嚴重。2003年，國務院成立振興東北地區等老工業基地領導小組，吹響了振興東北的號角，在國家對東北地區實施的一系列戰略措施的幫助下，東北地區逐漸擺脫高能耗、高污染的落后產業，實現綠色轉型（徐曉紅和汪俠，2016）。

中部和西部省份GTFP上升較慢，年均增速分別為1.8%和1.2%。西部省份經濟水平相對較差，環境治理技術較為落后，因而綠色發展最為緩慢。技術創新存在空間外溢效應（余泳澤和劉大勇，2013），由于地理上的優勢，中部省份能夠更好地接受東部省份的綠色技術輻射，GTFP增長率高于西部省份。我國綠色發展情況表現出顯著的區域異質性，經濟發展水平與發展質量不平衡的問題亟待解決。

（二）PVAR模型實證分析

本文選用面板向量自回歸（PVAR）模型來研究各省份金融集聚、人力資本與GTFP之間的動態關系。PVAR模型并不事先假定因果關系，可以發掘變量之間的相互作用，且能夠通過脈沖響應和方差分解，分析變量間的長期動態關系。模型的基本表達式為：

其中，i為個體，表示不同區域；t為時間，表示不同年份；Yi,t為個體i在時間t的m個變量，本文中包括金融集聚、人力資本和綠色全要素生產率；α0為截距項；αj為系數；Yi,t-j為變量的j階滯后項；ηi為個體固定效應項；φt為時間效應項；εi,t為隨機擾動項。

1.平穩性檢驗

在利用上述模型進行分析前，需要對數據進行平穩性檢驗，防止出現偽回歸現象。本文利用LLC檢驗、Fisher-PP檢驗兩種常見的面板數據單位根檢驗方法，假設變量同時包含線性時間趨勢項和個體固定效應項，對數據的平穩性進行檢驗，結果如表4所示。兩種檢驗的五個統計量都能通過檢驗，拒絕變量存在單位根過程，可進行下一步分析。

表4 面板單位根檢驗結果

2.確定滯后階數

在構建PVAR模型進行分析時，為保證估計結果的有效性，需要先確定PVAR模型的最優滯后階數。通常根據AIC、BIC和HQIC最小準則確定滯后階數，相關檢驗結果如表5所示。可以看出，三個準則均認為最優滯后階數為1階，因此本文將滯后階數定為1階進行分析。

表5 最優滯后階數

3.Granger因果檢驗

首先，對金融集聚、人力資本與GTFP三者之間進行Granger因果檢驗，以確定是否存在因果關系，檢驗結果如表6所示。可以看到，在5%的顯著性水平下，金融集聚和人力資本是GTFP的格蘭杰原因，且金融集聚與人力資本之間存在雙向的格蘭杰因果關系。為了確定這些動態關系是促進還是抑制、在長期中如何變化以及作用的大小，需要通過GMM估計、脈沖響應函數和方差分解來進一步分析。

表6 Granger因果檢驗

4.GMM估計和脈沖響應分析

利用系統GMM估計法對PVAR模型進行估計，估計結果如表7所示。金融集聚、人力資本和GTFP對自身的估計系數均顯著為正，存在自我促進作用。對于GTFP的方程，滯后1期的金融集聚和人力資本的估計系數顯著為正，表明金融集聚和人力資本對GTFP具有一定的正向促進作用。滯后1期的人力資本對金融集聚具有顯著的正向作用，而滯后1期的金融集聚對人力資本具有顯著的負向作用。

表7 GMM估計結果

由于上述GMM估計只能反映短期內變量之間的相互關系，本文利用脈沖響應進一步分析金融集聚、人力資本與綠色全要素生產率三者之間的長期動態關系，估計結果如圖2所示。

圖2 脈沖響應圖

（1）圖2中1、5、9分別表示金融集聚、人力資本和GTFP各自受到自身沖擊后的反應。可以看到，三個變量在受到自身沖擊后的響應均在當期達到峰值，而后逐漸消失，都存在一定的自我發展慣性現象。其中，金融集聚和人力資本對自身的沖擊持續較長，均在滯后8期前后接近消失，這表明，金融集聚所帶來的規模效應能夠提高金融運行效率、減少交易成本，引導金融機構進一步的集聚；人力資本水平較高的群體也更注重下一代的教育投資，在人力資本之間形成良性循環（李楊和鄧紫怡，2023）。

（2）圖2中2、4分別表示金融集聚受到人力資本沖擊、人力資本受到金融集聚沖擊后的反應。在受到人力資本的沖擊時，金融集聚的響應值逐漸上升到滯后3期的最大值，然后緩慢收斂為0，體現出了人力資本對金融集聚顯著的長期促進作用，假說1得到驗證。在受到金融集聚的沖擊時，人力資本的響應值從0期的最大值開始逐漸下降，在滯后2期后由正轉負，但負向響應較小。在短期內表現為正向影響，可能因為金融集聚會提升對高水平人才的需求，金融業具有的較高薪資待遇和工作前景也會吸引外來人才的流入；此外，集聚區內發達的金融體系能夠有效緩解受教育者的資金問題，促進當地人力資本發展（Hatemi-J和Shamsuddin，2016）。長期表現為負面影響，可能因為金融集聚地區的住房壓力較大、交通擁堵嚴峻和生態空間缺乏等問題會對居民幸福度造成負面影響，從而造成一定程度的人才流失（湛東升等，2023）；一些企業也可能出于成本和市場飽和的考慮，將部分員工和業務轉移到其它地區進行經營。

（3）圖2中7、8分別表示GTFP受到金融集聚和人力資本沖擊后的反應。在受到金融集聚和人力資本各自的沖擊時，GTFP的響應值都逐漸上升，并分別在滯后1期和2期達到最大值，隨后逐漸收斂至0，均與前文預期保持一致，假說2、假說3得到驗證。

（4）圖2中3、6分別表示金融集聚和人力資本受到GTFP沖擊后的反應。在受到GTFP的沖擊時，金融集聚存在一定的正向響應，但幅度較小；而人力資本的整體響應值接近于0，GTFP的變動幾乎不影響人力資本。這可能是因為GTFP的測算同時考慮了期望產出和非期望產出，GTFP的上升能夠表現為經濟增長和環境污染的小幅度加重。

一方面，經濟增長能夠促進金融集聚和人力資本的提高。經濟增長會提高人們的收入水平、形成財富效應，人們對信貸、投資等金融業務的需求會增大，促使金融業產生相應的發展和集聚（任英華等，2010）。經濟增長也帶來了教育資源的改善（岳昌君，2003），在更高收入的支持下，人們會傾向于讓下一代接受更好的教育，從而提高人力資本。

另一方面，經濟增長所伴隨的環境污染會抑制金融集聚和人力資本。在環境污染程度較重的地區，環境規制政策實施力度往往較大，會給實體企業帶來一定壓力；相比之下，金融業受到環境規制的制約有限，環境規制反而促使高污染實體企業“脫實向虛”，擴大在金融領域的投資（蔡海靜等，2021）。而環境污染對人體造成的負面影響較為嚴重，會直接導致身體和心理方面的健康風險，從而顯著增加高水平人力資本的流失（雎華蕾和汶海，2021）。總的來看，GTFP期望產出的增加提高了金融集聚程度和人力資本水平，但人力資本對于環境污染的敏感性遠高于金融集聚，小幅上升的非期望產出對人力資本的抑制作用更大，所以在受到GTFP的沖擊時，金融集聚仍存在較微弱的正向反應，而人力資本的反應接近于0。

5.方差分解分析

最后進行方差分解，分析各變量每一次沖擊對某一變量的貢獻度，結果如表8所示。

表8 方差分解結果

在滯后第1期，金融集聚的波動只受自身波動影響，隨著時間的變化，人力資本和GTFP的影響逐漸增大，人力資本的貢獻度穩定在16.4%，GTFP的貢獻度穩定在6%，人力資本對金融集聚的影響大于GTFP。

人力資本的波動主要受自身波動的影響，自我發展慣性表現較強，在滯后第1期，金融集聚的貢獻度最高，為2.7%，隨著滯后期數的增加，金融集聚的貢獻度先降后升，最終穩定在1.8%，說明在短期內金融集聚對人力資本的推動力較大，而長期較小。GTFP的貢獻度始終為0，對人力資本影響甚微。

GTFP的波動在第1期主要受自身波動的影響，金融集聚和人力資本的影響隨時間逐漸增大，金融集聚和人力資本的貢獻度最終分別穩定在3.1%和7.4%，人力資本是推動GTFP上升的重要因素。

6.穩健性檢驗

為了增強模型估計的有效性，本文對數據進行如下修改，重新運行脈沖響應：（1）使用長江經濟帶11個省份數據；（2）更換人力資本指標，改用平均受教育年限計算。結果分別如圖3、圖4所示，可以看到，各變量脈沖響應的曲線趨勢與前文回歸結果基本一致，分析結果穩健。

圖3 使用長江經濟帶11個省份數據的脈沖響應圖

圖4 更換人力資本指標后的脈沖響應圖

六、結論與政策建議

本文運用SBM-GML指數法對2005-2019年中國30個省份綠色全要素生產率進行測算和分析，使用區位熵衡量金融集聚程度、向量夾角法計算人力資本水平，并建立PVAR模型分析金融集聚、人力資本與綠色全要素生產率三者之間的長期動態關系。得出以下結論：①2005-2019年我國綠色全要素生產率總體呈上升態勢，我國經濟正在穩步進行綠色轉型。技術進步在金融集聚和人力資本影響GTFP的路徑中是極為重要的一環，也是GTFP提高的關鍵；逐年下降的技術效率反而成為負面因素。通過將各省份進行劃分，發現我國不同區域的GTFP增長速度存在差異，從東部、東北部、中部到西部，GTFP增長率依次降低。②金融集聚、人力資本和GTFP三者均存在一定的自我發展慣性現象，其中金融集聚和人力資本的慣性持續較長，人力資本受自身沖擊的影響程度最大，慣性表現較強。人力資本對金融集聚存在顯著的長期推動作用，金融集聚和人力資本均對GTFP有著程度先增后減的正面影響。其中，人力資本的貢獻度大于金融集聚，是推動GTFP上升的重要因素，這也印證了“人才是第一資源”的說法。

依據上述結論，本文提出以下幾點建議：

第一，充分發揮技術創新對綠色發展的驅動作用。在推行環境規制倒逼企業綠色轉型的過程中，政府應充分考慮企業的客觀條件，加大引導綠色技術創新的政策力度，通過給予相應資金和服務支持，鼓勵企業對節能減排相關技術的研發投入，盡量減少轉型風險和成本給企業帶來的負擔。知識產權保護相關制度體系的完善和健全也不可或缺，良好的創新環境能夠有效激勵創新主體的創新活動，提高技術產出。此外，應當搭建完善相關平臺，以深化地區之間、企業之間的技術交流，推動高新綠色技術的普及與應用，助力高能耗、高污染的產業進行轉型升級。

第二，加強對人力資本的培養，為綠色發展提供核心動力。首先，政府應加大教育投入力度、深化教育領域綜合改革，在加強高層次人才的本土培養和外部引進的同時，注重改善落后地區的教育水平，縮小人力資本積累差距，從而實現全面綠色發展。其次，還需重視產學研協同發展，實現產業、教育和創新的緊密銜接，培養能夠有效解決市場技術需求的實用性人才，充分發揮人力資本在技術創新驅動綠色發展中的促進作用。

第三，實現金融集聚良性形成。一方面，地方政府應推進與相鄰省份金融業的交流合作，促進金融信息共享和資源流動，實現地區之間的金融聯動、協同發展，并引導金融資源更多流向綠色產業，從而深化金融集聚的規模效應、帶動落后地區的綠色發展。另一方面，還應持續推進金融供給側改革，實現金融制度優化和服務效率提升，讓金融與實體經濟良性互動循環。同時，加大相關配套設施建設的投資力度，緩解金融集聚程度過高對資源環境造成的壓力，弱化集聚區存在的種種“城市病”對人力資本增長的負面影響，實現兩者的相互促進，共同助力于綠色發展。