綠色金融試點政策對綠色技術創新的影響研究

彭長生 黃興宇 李羚銳 黃先軍

摘? ?要：國家級綠色金融改革創新試驗區是當前綠色金融政策工具設計的最大一塊“試驗田”，有效發揮出其對綠色技術創新的提升作用及區域輻射作用具有重要意義。本文將2017—2022年國家級綠色金融改革創新試驗區的陸續設立看作準自然實驗，采用多時點DID和空間DID模型，圍繞試驗區設立對所在城市和鄰近城市綠色技術創新水平的影響效應進行探究。研究發現：試驗區設立對所在城市的綠色技術創新水平存在提升效應，且對鄰近城市的綠色技術創新水平存在正向的空間溢出效應。此外，這一政策對區域綠色技術創新的提升作用依托于地區自身的金融發展水平，金融發展規模越大、金融服務能力越強，越有利于該提升作用的實現。基于以上結論，本文為試驗區與非試驗區間的綠色創新協同發展提供了相應的政策建議。

關鍵詞：國家級綠色金融改革創新試驗區；多時點DID；空間DID；空間溢出效應；綠色技術創新

中圖分類號： F832.0? ?文獻標識碼：A? 文章編號：1674-2265（2024）05-0015-10

DOI：10.19647/j.cnki.37-1462/f.2024.05.002

一、引言

在氣候不確定性加劇和經濟復蘇短期乏力等矛盾日益突出的情況下，為如期實現中國式現代化，對綠色金融等政策工具進行探索和設計，推動經濟綠色低碳發展已是迫在眉睫。在我國相關綠色金融政策設計方面，2016年8月31日，中國人民銀行及財政部等七部委聯合印發《關于構建綠色金融體系的指導意見》（以下簡稱《意見》），旨在建立健全綠色金融體系，發揮資本市場服務實體經濟的功能，支持和促進生態文明建設。而在區位導向政策試點的探索過程中，按照“自上而下、由下及上”的頂層設計和底層實踐相結合的原則，2017年施行的綠色金融改革創新試驗區政策①現已在七省（區）十地推行，以期在綠色金融創新和相關法律制度完善等方面為我國其他省市提供可復制推廣的經驗。

正如《意見》中明確指出的，“綠色金融是指為支持環境改善、應對氣候變化和資源節約高效利用的經濟活動，即對環保、節能、清潔能源、綠色交通、綠色建筑等領域的項目投融資、項目運營、風險管理等所提供的金融服務。”綠色金融工具的設計需要兼顧經濟效益和生態效益。圍繞這一目標，學者們基于綠色信貸、綠色債券、綠色保險和綠色權益等工具，從綠色金融工具的具體設計和政策實施成效出發，重點考察了綠色金融對企業創新、投融資行為、區域發展以及經濟增長的貢獻（王馨和王營，2021；蘇冬蔚和連莉莉，2018；沈洪濤和馬正彪，2014；王遙等，2016；齊紹洲等，2018；張茜和俞穎，2023）[1-6]。但目前尚未有研究關注綠色金融試點政策對區域綠色技術創新的影響，而區域綠色技術創新是促進經濟綠色低碳發展的重要一環。另外，試驗區設立的目標之一是探索可供復制推廣的綠色發展路徑，因此，對國家級綠色金融試點政策的空間溢出效應評估需重視。基于此，本研究采用我國2011—2021年284個地級市的面板數據，通過多時點DID模型與空間DID模型，在時間和空間兩個維度上對綠色金融試點政策對綠色技術創新的影響展開分析。本文的邊際貢獻主要在于以下三點：首先，不同于以往研究的微觀視角，本文利用我國地市級樣本，重點評估了國家級綠色金融試點政策對所在地區綠色技術創新水平的提升作用。其次，本文在傳統多時點DID模型的基礎上，采用空間DID模型考察國家級綠色金融改革創新試驗區設立這一政策實施對鄰近區域綠色技術創新水平的輻射作用。最后，本文進一步識別并檢驗了城市金融發展水平在國家級綠色金融試點政策提升城市綠色技術創新水平過程中的調節效應。

二、文獻回顧與理論假設

關于國家級綠色金融改革創新試驗區這類區位導向政策，以往研究從管理模式、績效評價、經濟后果和提升路徑等方面展開了豐富的討論。多數學者認為這類政策對創新增效、區域發展和經濟增長產生了積極的影響（程郁和陳雪，2013；劉瑞明和趙仁杰2015；袁航和朱承亮，2018；劉秉鐮和孫鵬博，2022；方琦等，2023）[7-11]。但也有研究表明這類政策對地區經濟的高質量發展并未產生明顯提升效應（Criscuolo等，2019）[12]。結合我國現實來看，國家級綠色金融試點政策作為當下金融供給側改革中區域層面的最大的一塊“試驗田”，以政策文件導向，集聚高新產業和綠色企業，進一步吸引創新過程中亟須的資本、技術和勞動力要素，通過企業間的示范效應和產業間結構效應實現綠色技術創新的提質增效（Ang，2014；王賢彬等，2020）[13，14]。一方面，國家級綠色金融改革創新試驗區的設立，在一定程度上通過鼓勵清潔行業的進入以及對綠色企業的政策扶持，形成了示范效應，營造綠色創新氛圍，降低交易成本，從而對綠色技術創新水平的提升起到了助推作用。另一方面，試點城市多以縮減重污染行業的信貸支持等偏向性金融供給行為，對重污染企業形成擠出效應，進而減輕了以往經濟發展中非綠色領域的資源過度集中現象，在一定程度上糾正了所在城市行業間的資源錯配問題，實現產業結構優化，驅使城市發展由要素驅動轉向創新驅動，城市產業結構向技術密集型調整（鄧向榮等，2021）[15]。鑒于此，本文提出假設1：

H1：國家級綠色金融試點政策實施會對所在城市的綠色技術創新水平產生提升作用。

以往研究廣泛使用DID模型來評估試點政策的實施效應，但這可能忽略了空間上的政策溢出效應。城市間的聯系與空間距離相關（Tobler，2004）[16]，特別是隨著現代交通體系的構建，區域間的經濟社會聯系愈發緊密（文嫮和韓旭，2017）[17]，客觀條件下，試點政策的實施會影響試點城市和非試點城市間的技術擴散程度。一方面，鄰近城市可能會從試點政策實施過程中的空間溢出效應中受益，承接高新產業上下游的綠色資源。加之試點城市綠色技術創新活動對鄰近城市的輻射帶動作用，試點政策實施效應有可能在提升當地綠色技術創新水平的同時帶動鄰近城市的綠色技術創新發展，使其參與到試點城市的產業發展體系中。另一方面，由于人為的行政干預和空間劃分，試點城市可能在初始階段擠占與非試點城市共有的資源，或產生尋租等不當行為造成市場非有效競爭加劇。因此，若綠色金融試點政策的地區偏向性過高，可能會造成試點城市對非試點城市的虹吸效應，加劇資本等要素流動中的不平衡，最終導致區域發展出現“馬太效應”。基于上述分析，本文提出假設2：

H2：國家級綠色金融試點政策的實施會對鄰近區域的綠色技術創新水平產生輻射作用。

國家級綠色金融改革創新試驗區先行試驗的重點之一是綠色金融供給的提質增效，主要在于加強綠色金融工具的創新，提高資源配置效率，破除曾經集中于重污染領域的資源扭曲現象，加大對綠色產業的金融支持（中國人民銀行研究局課題組，2023）[18]。而綠色金融產品的推陳出新并非“空中樓閣”，需要區域內金融力量的積極參與。一般而言，城市本身的初始金融發展水平體現了當地金融體系發展程度以及相應的要素稟賦。而綠色金融改革創新試點政策的具體落實，一是需要通過深化金融供給側改革進一步釋放制度紅利，并依托現有金融體系來實現綠色發展目標；二是需要加強綠色金融相關工具的設計和開發，在有效防范化解重大金融風險的前提下，提升金融服務效率。一方面，試點城市金融供給的服務擴張和產品創新具體由綠色信貸、綠色債券和綠色投資等多層次多元化工具體現，在綠色創新資源再配置和環境規制倒逼的雙重手段下，可以引導企業積極參與綠色技術創新活動。另一方面，融資渠道的豐富和投資效率的提升共同構建了試點城市良好的金融環境，推動區域綠色技術創新水平的提高。

基于上述分析，本文提出假設3：

H3：國家級綠色金融試點政策的實施對所在城市綠色技術創新水平的促進效應受到城市本身金融發展水平的調節作用。

三、模型設定與數據來源

（一）模型設定

截至2022年12月31日，我國共公布了三批國家級綠色金融改革創新試驗區的城市名單。于2017年公布了首批城市名單，包括湖州市、衢州市、南昌市、廣州市、貴陽市、克拉瑪依市、哈密市以及昌吉回族自治州，共8個城市；于2019年11月公布了第二批城市名單，增加了蘭州市；于2022年8月公布了第三批城市名單，增加了重慶市，本文考慮到該樣本期間的觀察值較少，參考譚顯春等（2023）[19]的做法，未將其納入實驗組。本文將2017年、2020年分別作為政策實施基期，將被設立為國家級綠色金融改革創新試驗區的城市設為實驗組，其他城市作為對照組，選取2011—2021年284個地級市數據運用多時點DID方法評估國家級綠色金融改革創新試驗區的設立對當地綠色技術創新水平的政策效應。

[DID=EGecit|T=1，Treat=1-EGecit|T=0，Treat=1-EGecit|T=1，Treat=0-EGecit|T=0，Treat=0]

由于試驗區設立樣本僅占全樣本數量的3.1%，同時政府在實施國家級綠色金融試點政策時，不同城市的經濟發展水平、自然資源稟賦、空間屬性存在一定差異，因此，實驗組的選擇不具備完全隨機性。本文采用PSM—DID方法進行分析，使兩個方法之間優勢互補，避免樣本的選擇偏誤，同時也能有效解決因遺漏解釋變量而產生的內生性問題。由于政策實施會對實驗組城市產生外生沖擊，故不存在由于逆向因果關系而產生的內生性問題，因此，能夠通過雙向固定效應模型控制不同年份的差異和時間變化趨勢。具體模型設定如下：

[Gecit=α0+α1DID+αiXit+μi+λt+εit]? ? ? ?（1）

上式中，[i]表示城市，[t]表示年份，[μi]和[λt]分別表示城市個體固定效應和時間固定效應；[εit]表示隨機擾動項；[Gecit]表示被解釋變量綠色技術創新效應；[DID]表示[i]地區在第[t]年的政策實施狀態；[Xit]為控制變量。

（二）變量選取

1. 被解釋變量：綠色技術創新（Gec）。本文借鑒陶鋒等（2021）[20]的做法，采用綠色實用新型專利的申請數量加1取自然對數作為被解釋變量。

2. 核心解釋變量：本文采用虛擬變量DID來表示該城市是否被設立為國家級綠色金融改革創新試驗區，即一個城市在上述時間范圍內被設立為國家級綠色金融改革創新試驗區，則DID=1，否則DID=0。

3. 控制變量。實際使用外資金額（Fdi），采用當年實際使用外資金額（美元）乘以當年匯率換算為人民幣并取對數來表示；地區經濟實力（Eon），采用各城市GDP的對數來衡量；產業結構（Ind），采用各城市第三產業增加值與當地GDP之比來衡量；城鎮化率（Ubr），使用各城市城鎮人口與當地總人口之比來衡量；城市人力資本（Huc），借鑒張寬和黃凌云（2019）[21]的研究方法，采用“普通本專科及以上人口數/全市常住人口”來測度；城市創新能力（Cre），使用北京大學創新創業指數IRIEC數據、中國科學院《中國區域創新能力評價報告》中公布的城市創新指數來衡量。

4. 調節變量：金融發展水平。本文采用城市金融發展規模（Fir）和城市金融服務能力（Fel）來表征城市的金融發展水平。參考劉建國和蘇文杰（2022）[22]的做法，采用城市當年年末的金融機構存貸款余額之和與GDP的比重來衡量城市金融發展規模。另外，為增加本文結論穩健性，借鑒Chen等（2020）[23]的思路，從城市金融服務能力的視角來衡量金融發展水平，采用“城市銀行網點機構數/城市行政區域土地面積”來衡量城市金融服務能力。

上述數據中未說明來源的數據均源自《中國城市統計年鑒》《中國勞動統計年鑒》《中國教育統計年鑒》《中國人口統計年鑒》以及中國創新專利研究數據庫（CIRD），部分缺失采用插值法補充。上述變量的描述性統計如表1所示。

四、實證分析

（一）平行趨勢檢驗

雙重差分模型使用的前提是滿足平行趨勢，實驗組的國家級綠色金融改革創新試驗區城市未受到政策沖擊時的綠色技術創新效應應該和對照組城市具有相同的變化趨勢。與此同時，由于國家級綠色金融改革創新試驗區設立城市會受到政策實施差異、城市經濟水平基礎、教育水平差異等因素的影響，國家級綠色金融試點政策實施可能存在一定的滯后性。參考Beck等（2010）[24]的做法，本文利用事件研究法檢驗樣本數據是否滿足平行趨勢假設，構建以下動態模型：

[Gecit=α+k≥-74βkDkit+?kyeark+γjXit+μcity+λit]? ? ? ? ? ? （2）

其中，[i]和[t]分別表示城市和年份； [Gecit]表示綠色技術創新；[Dkit]表示設立國家級綠色金融改革創新試驗區這一外生沖擊，是一個賦值0和1的虛擬變量，[Dkit]賦值規則如下：用[si]表示該城市作為國家級綠色金融改革創新試驗區設立的時間，如果[t-si≤-7]，則定義為[D-7it=1]，否則[D-7it=0]（為了防止虛擬變量之間產生多重共線性，將-1期刪除）；如果[t-si=k]，則定義 [Dkit=1]，否則[Dkit=0]。模型中，將該城市設為國家級綠色金融改革創新試驗區當年作為基準年份，其中由于蘭州市2019年11月才公布正式成為綠色金融試驗區，因此，本文將蘭州市的基準年份認定為2020年。

本文通過圖示法來比較國家級綠色金融試點政策改革實施前后綠色技術創新效應的變動趨勢。如圖1所示，縱坐標表示估計系數，在試點實施之前，實驗組和對照組的綠色技術創新效應的差異較小且變動趨勢無規律，滿足事前平行趨勢。從圖1中還可以看到，國家級綠色金融試點政策實施后，政策效應較為明顯。隨著設立時間的推移，政策實施效果保持了穩定的增長趨勢。因此，從平行趨勢檢驗初步分析國家級綠色金融試點政策實施對所在城市的綠色技術創新水平的促進影響并不具有太大滯后性，并且該政策的后續效應具有明顯的持續性。

（二）基準回歸結果

為了檢驗前文的假設，本文采用多時點DID方法進行基準回歸，基準回歸結果如表2所示。其中，模型（1）將國家級綠色金融改革創新試驗區設立的虛擬變量作為唯一解釋變量進行回歸，回歸系數在1%水平下顯著為正。原因可能包括三個方面：第一，城市綠色技術創新存在時間趨勢效應，樣本中實驗組城市以及對照組城市的綠色技術創新效應均存在逐年提升的趨勢；第二，樣本存在選擇性偏差，作為國家級綠色金融改革創新試驗區的城市本身就具有較高的綠色技術創新水平；第三，國家級綠色金融試點政策有效提升了綠色技術創新效應。模型（2）在模型（1）的基礎上使用了雙向固定效應模型。一方面，回歸系數顯著性以及系數符號沒有發生明顯改變；另一方面，從時間虛擬變量的回歸結果來看，國家級綠色金融改革創新試驗區存在著逐年提升的變化趨勢。因此，排除了前兩個方面原因。模型（4）在模型（2）的基礎上加入了控制變量，回歸系數估計結果未發生實質性變化。從控制變量的估計結果來看，當年實際使用外資金額對綠色技術創新效應估計系數并不顯著，原因可能是外來投資存在一定的滯后性，當期的投資對本期綠色技術創新的提升作用并不明顯；地區經濟實力對綠色技術創新效應系數顯著為正，這是由于綠色技術創新活動需要一定的經濟基礎作為支撐；產業結構的估計系數在1%的水平下顯著為正，這也表示產業結構的調整有利于促進綠色技術創新；城市人力資本和城市創新能力的估計系數分別在5%和1%的水平下顯著為正，說明人力資本和創新能力都是綠色技術創新發展的重要因素。

（三）PSM方法適用性檢驗

本文選擇使用外資金額、地區經濟實力、產業結構、城鎮化率、城市創新能力、城市人力資本等城市特征指標作為匹配的協變量，利用Logit模型計算一個城市被設立為國家級綠色金融改革創新試驗區的概率。此外，本文采用核匹配法進行匹配，先使用協變量來估計控制組城市的頻數權重傾向得分，進而獲得滿足平衡性條件的匹配控制組。在得到匹配后的實驗組和對照組后，只有當處理組和對照組滿足不存在顯著差異的假設時，傾向得分匹配后使用雙重差分的做法才具有合理性。如表3所示，大部分協變量在匹配后標準差顯著下降，且匹配后的標準差偏差均小于10%。因此，使用PSM—DID具有合理性。

為保證匹配后的樣本具有良好的可比性，本文借鑒石大千等（2018）[25]的研究方法，在使用PSM—DID估計之前，通過繪制傾向匹配得分的密度函數圖來觀察樣本匹配前后實驗組和對照組的重疊區域，以判斷該方法的合理性和科學性。如圖2所示，對比匹配前后實驗組和控制組傾向得分值的概率密度來看，可以發現在匹配后雖然實驗組與對照組有一定差距，但總體上更加接近，因此，可以確定使用該方法的合理性和可行性。

表4展示了9個城市作為實驗組檢驗國家級綠色金融改革創新試驗區設立對綠色技術創新效率影響的傾向匹配后雙重差分回歸結果。使用傾向匹配的方法從原有樣本中挑選出17467個樣本，從模型（2）回歸結果可以發現，雙重差分虛擬變量的回歸系數在5%水平上顯著為正，表明國家級綠色金融試點政策對綠色技術創新產生明顯的促進作用。第（4）列的回歸結果表明模型中加入控制變量之后，結論依舊成立，且系數大小和顯著性水平并未出現太大的變化，這進一步說明國家級綠色金融改革創新試驗區的設立提升了所在城市的綠色技術創新水平。綜上所述，PSM—DID方法估計的檢驗結果表明上文的研究結論具備一定的穩健性。

（四）安慰劑檢驗

為了進一步檢驗估計結果是否受到其他不可觀測因素的影響，借鑒Feng等（2021）[26]研究方法，本文隨機設定國家級綠色金融試點政策實施的實驗組以進行安慰劑檢驗。具體研究方法如下：從284個城市中隨機選取9個城市作為實驗組，假設這9個城市設立了國家級綠色金融改革創新試驗區，其他城市為對照組。隨機抽樣應確保文章構建的自變量國家級綠色金融試點政策實施對綠色技術創新效應沒有影響，若出現任何顯著的回歸結果，都將表明本文的回歸結果可能存在偏差。檢驗結果如圖3所示，經過500次隨機過程后本文繪制國家級綠色金融改革創新試驗區設立的系數散點圖和核密度估計圖，能夠觀察到國家級綠色金融改革創新試驗區設立這一政策實施的系數仍然集中分布于0值附近，明顯區別于表2模型（4）中國家級綠色金融試點政策的系數（0.484），且系數對應的P值大多數大于0.1。檢驗結果表明，未被觀測到的其他因素對估計結果造成的影響微乎其微。

（五）試驗區設立的動態效應

為了探究國家級綠色金融試點政策實施對綠色技術創新影響的時間趨勢特征，參考丁志國等（2022）[27]的研究方法，本文設定Year2018、Year2019、Year2020以及Year2021四個虛擬變量，以上虛擬變量分別在2018年、2019年、2020年以及2021年賦值為1，其他年份賦值為0，再將實驗組（Treat）分別與四個虛擬變量相乘，生成Treat_2018、Treat_2019、Treat_2020、Treat_2021四個交互項，將交互項全部放入模型（1）中且不加入雙重差分虛擬變量。由于蘭州市設立試驗區較晚，只有2期觀測數據，因此，刪除蘭州市樣本；同時，使用綠色專利（包括綠色發明專利、綠色實用新型專利和綠色外觀設計專利）申請數量作為被解釋變量來進行穩健性檢驗。回歸結果如表5所示。模型（2）的回歸結果顯示，Treat_2018的估計系數并不顯著；Treat_2019的估計系數為0.161，在10%的水平下顯著為正；Treat_2020的估計系數為0.982，在1%水平下顯著為正；Treat_2021的估計系數為0.599，在1%水平下顯著為正。即國家級綠色金融試點政策的實施效果存在一定滯后性。這表明國家級綠色金融試點政策對綠色技術創新的促進作用從設立第二年開始出現且存在長期效應。由檢驗系數具體大小可以發現，2021年國家級綠色金融試點政策作為核心解釋變量的估計系數相較于其他年份而言有所下降。原因可能是2020年初至2021年間的新冠疫情導致各地區人口流動一直受到嚴格管制，綠色技術創新發展也因此受到較大的滯后影響。此外，表5模型（1）中估計系數結果變化趨勢與模型（2）相似，因此，該結論具有一定的可靠性。

五、進一步分析

（一）空間相關性檢驗

空間模型成立的前提是存在空間自相關性，因此，本文采用全局莫蘭指數（Global Moran's I）來刻畫其空間特征并檢驗其空間自相關性，構建如下模型：

[Global Moran's I=ni=1nj=1nWijyi-yyi-yi=1nj=1nWiji=1nyi-y2]?（3）

上式中，[n]為城市；[yi]為第[i]個城市的綠色技術創新水平；[y]為綠色技術創新水平均值；[Wij]為以人均GDP值構建的經濟距離矩陣（Eco）。同時，為保證結論的穩健性，本文通過更換空間權重矩陣為地理距離矩陣（Geo）再次進行空間自相關檢驗。檢驗結果如表6所示。從表6可知，無論是采用經濟距離矩陣還是地理距離矩陣，2011—2021年的全局莫蘭指數值均大于0小于1，且其Z值均大于10，p值的檢驗結果說明通過了1%水平的顯著性檢驗。這表明在地級市的空間尺度上存在“高高集聚—低低相鄰”的集聚特征。值得注意的是，在2021年的觀測期間，全局莫蘭指數值雖然仍在1%的水平上顯著大于0，但出現了“斷崖式”下跌，這可能是受新冠疫情封控狀態影響，空間關聯性被較大程度削弱，進而出現集聚特征弱化的現象。與之對應的是，自2017年國家級綠色金融試點政策實施以來，全局莫蘭指數值在滯后一至兩年內達到峰值，并且政策實施期間（2017—2019年）的均值要明顯大于政策實施前（2011—2016年）的均值，表明剔除疫情影響，該集聚特征相比政策實施前得到了明顯強化，初步說明了空間效應的可能性。

（二）空間溢出效應檢驗

為探究國家級綠色金融改革創新試驗區設立對鄰近城市存在何種影響，本文進一步引入空間雙重差分模型（SDID）考察國家級綠色金融試點政策實施所帶來的空間溢出效應。參考Kolak和Anselin（2020）[28]的處理方法，構建如下模型：

[Gecit=ρWGecit+μi+λt+αXit+θWXit+SDID+WSDIDπ+εit]? ? （4）

[λt=μWλ+ε]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

[SDID=DID1η1+DID2η2+DID1DID2η3]? （6）

[WSDIDπ=TWDID1π1+TWDID2π2+TWDID1DID2π3]? ? ? （7）

[W]為標準化后的空間權重矩陣，[SDID]為國家級綠色金融試點政策的虛擬項，[WSDIDπ]為國家級綠色金融改革創新試驗區設立的虛擬項在空間上的刻畫，表征國家級綠色金融改革創新試驗區設立這一政策實施在空間上的聯系和互動關系，其他變量含義同基準模型（1）。

通過引入經濟距離矩陣和空間地理距離矩陣進行空間計量分析，如表7所示，第（1）列和第（2）列中SDID的系數均通過了5%的顯著性水平檢驗，說明國家級綠色金融改革創新試驗區不僅能夠促進本地的綠色技術創新水平提升，也可以促進鄰近地區綠色技術創新發展，并且能夠產生正向的溢出效應。

為了避免上文點估計方法可能帶來的偏差，本文將空間效應分解為直接效應、間接效應以及總效應三種效應，如表8所示，直接效應、間接效應以及總效應的估計系數均顯著為正且方向保持一致。直接效應表明國家級綠色金融改革創新試驗區的設立對于本地城市的綠色技術創新水平存在明顯的促進效應。對比前文的多時點DID模型結果，空間DID模型測度的試點政策對于城市綠色技術創新的促進效應更小，但仍在1%的水平上顯著，這也在一定程度上保證了前文主要結論的可靠性并表明了對空間因素進行考慮的必要性。間接效應反映了本地區作為實驗組城市在國家級綠色金融試點政策實施后對周邊區域綠色創新技術的影響顯著為正，并且總的空間溢出效應要大于直接效應。這表明試點政策實施有助于提高區域整體的綠色技術創新水平，存在協同增長效應。結合以上結果來看，假設2得以驗證。具體來看，本地區的國家級綠色金融試點政策會對鄰近地區的綠色創新技術產生正向的輻射帶動作用，且有助于縮小綠色創新技術的差距。

（三）空間異質性檢驗

為了進一步分析以上空間溢出效應的具體表現趨勢是否存在異質性，本文進一步采用不同地理閾值區間檢驗國家級綠色金融試點政策對鄰近城市綠色技術創新水平的異質性促進效應。參考曹清峰（2020）[29]的研究方法，構建以下模型：

[GECit=β0+β1DIDit+s=50400δsNsit+γZit+vi+μt+εit]? ? ? ? ? ?（8）

上式中，[s]表示地理距離，且設定地理距離的步進公里數為50千米，而[Nsit]表示在地理閾值區間為[[s]，[s]+50]下的0—1地理距離矩陣，即該城市[i]在第[t]年內對應的地理閾值區間內存在國家級綠色金融試點城市則為1，否則為0。根據模型（8）的估計結果，圖4呈現了不同地理距離下的估計系數[δs]的變動趨勢（置信區間為95%）。從圖4可以觀察到，隨著與國家級綠色金融改革創新試驗區的距離越來越遠，政策實施對鄰近城市綠色技術創新的促進效應呈現為先變小后變大再變小的波浪形變化趨勢。其中150千米和200千米范圍內的城市，綠色技術創新水平會被試驗區城市明顯帶動，即150千米～200千米屬于鄰近最優輻射區間，且在150km以內存在最優協同效應。當地理距離超過該閾值時，隨著地理距離的增加，該輻射效應開始出現明顯衰退跡象，具體表現為當地理距離超過200千米后，國家級綠色金融改革創新試驗區對鄰近城市綠色技術創新的輻射帶動效應不再有效。這可能是因為當距離試驗區過近時，創新活動所需要的要素會朝試驗區集中，形成陰影區間（Cuberes等，2021）[30]。同理，當距離過大時則在空間尺度上失去影響力。只有當距離適中時，才能擺脫“虹吸效應”并產生帶動作用。

（四）調節效應檢驗

根據上文分析，國家級綠色金融改革創新試驗區實施對綠色技術創新的提升作用受到當地金融發展水平的影響。因此，參考溫忠麟等（2005）[31]和江艇（2022）[32]的做法，本文構建如下模型來檢驗金融發展水平在試點政策實施促進城市綠色技術創新過程中的調節效應。

[Gecit=α0+α1ADJUST+α2DID×ADJUST+αiXit+μi+λt+εit]? ? ? ?（9）

上式（9）中，[ADJUST]表示調節變量即金融發展水平，包括金融發展規模和金融服務能力。具體的回歸結果如表9所示，第（1）和（2）列中DID的估計系數均顯著為正，且兩個調節變量與DID交互后的估計系數也均顯著為正。這表明金融發展水平在國家級綠色試點政策促進城市綠色技術創新過程中存在著明顯的正向調節效應。由此假設3得證。

六、結論與政策建議

為了更好地評估國家級綠色金融改革創新試驗區的實施效應，本文以2011—2021年中國284個地級市作為研究樣本，采用多時點DID模型重點考察了該政策對試點城市綠色技術創新水平的提升作用。在此基礎上，采用空間DID模型對該政策的綠色技術創新空間溢出效應進行分析，并從金融發展規模和金融服務能力兩個維度識別了城市自身金融發展水平在國家級綠色金融試點政策提升城市綠色技術創新水平過程中的正向調節效應。研究結果顯示：（1）國家級綠色金融改革創新試驗區對試點城市的綠色技術創新水平存在明顯的提升作用。該結論在一系列穩健性檢驗后仍然成立。（2）國家級綠色金融改革創新試驗區的設立，對鄰近非試點城市綠色技術創新水平存在輻射帶動作用，且該輻射帶動作用隨空間距離呈現先小后大再小的波動趨勢。（3）國家級綠色金融改革創新試驗區的設立有利于試點城市綠色技術的創新發展，且城市本身金融發展水平越高，該提升效應越明顯。

基于本文的研究結果，提出如下三點建議：

第一，未來國家級綠色金融改革創新試驗區升級擴容選擇試點城市時可將空間因素納入考慮范疇，重視試點城市在所處區域的空間布局，并嘗試構建以綠色金融改革創新試點城市為中心的區域綠色發展高地，進一步釋放制度紅利并落實試驗區對鄰近城市綠色技術創新水平的賦能效應。

第二，持續釋放現有金融機構的活力，助力試點城市多層次綠色金融體系構建。試點城市需要立足自身資源稟賦，充分發揮先行優勢，探索綠色金融標準體系，鼓勵金融機構推出具有自身特色的多樣化綠色金融產品，確保綠色創新成果轉化效率，拓寬綠色企業和項目融資渠道。

第三，非試點城市應從區域協同發展的全局出發，積極參與鄰近試點城市區域綠色協同發展體系，努力與試點城市形成多元化的區域協作創新產業體系，鼓勵促進城市間產業進行優勢互補或攜手共進的良性合作關系，在全局層面形成以點帶面、面面互聯的區域協助網絡，充分發揮綠色發展的協同效應。

注：

①本文的研究對象“國家級綠色金融試點政策”特指2017—2021年間多次設立的“國家級綠色金融改革創新試驗區”這一政策，全文含義相同。

參考文獻：

[1]王馨，王營.綠色信貸政策增進綠色創新研究 [J].管理世界，2021，37（06）.

[2]蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業的投融資行為？ [J].金融研究，2018，（12）.

[3]沈洪濤，馬正彪.地區經濟發展壓力、企業環境表現與債務融資 [J].金融研究，2014，（02）.

[4]王遙，潘冬陽，張笑.綠色金融對中國經濟發展的貢獻研究 [J].經濟社會體制比較，2016，（06）.

[5]齊紹洲，林屾，崔靜波.環境權益交易市場能否誘發綠色創新？——基于我國上市公司綠色專利數據的證據 [J].經濟研究，2018，53（12）.

[6]張茜，俞穎.綠色金融對城市高質量發展的作用研究——來自277個地級市數據的證據 [J].金融發展研究，2023，（03）.

[7]程郁，陳雪.創新驅動的經濟增長——高新區全要素生產率增長的分解 [J].中國軟科學，2013，（11）.

[8]劉瑞明，趙仁杰.國家高新區推動了地區經濟發展嗎？——基于雙重差分方法的驗證 [J].管理世界，2015，（08）.

[9]袁航，朱承亮.西部大開發推動產業結構轉型升級了嗎？——基于PSM-DID方法的檢驗 [J].中國軟科學，2018，（06）.

[10]劉秉鐮，孫鵬博.國家級金融改革試驗區如何影響碳生產率 [J].經濟學動態，2022，（09）.

[11]方琦，錢立華，魯政委.金融支持“雙碳”目標的新趨勢——2023年綠色金融趨勢展望 [J].金融與經濟，2023，（01）.

[12]Criscuolo C，Martin R，Overman H G，Reenen J V. 2019. Some Causal Effects of An Industrial Policy [J].American Economic Review，109（1）.

[13]Ang J B. 2014. Innovation and Financial Liberalization [J].Journal of Banking & Finance，47.

[14]王賢彬，王明燦，鄭莉萍.金融改革推動地方經濟高質量發展了嗎？——來自國家金融綜合改革試驗區設立的證據 [J].經濟社會體制比較，2020，（04）.

[15]鄧向榮，馮學良，李寶偉.金融改革與地區產業結構升級——來自金融改革試驗區設立的準自然實驗 [J].經濟學家，2021，（02）.

[16]Tobler W. 2004. On the First Law of Geography：A Reply [J].Annals of the Association of American Geographers，94（2）.

[17]文嫮，韓旭.高鐵對中國城市可達性和區域經濟空間格局的影響 [J].人文地理，2017，32（01）.

[18]中國人民銀行研究局課題組. 綠色金融改革創新試驗區建設進展及經驗 [J]. 中國金融， 2023，（06）.

[19]譚顯春，高瑾昕，曾桉，幸繡程.綠色金融改革創新試驗區政策對碳排放的影響評估 [J].氣候變化研究進展，2023，19（02）.

[20]陶鋒，趙錦瑜，周浩.環境規制實現了綠色技術創新的“增量提質”嗎——來自環保目標責任制的證據 [J].中國工業經濟，2021，（02）.

[21]張寬，黃凌云.貿易開放、人力資本與自主創新能力 [J].財貿經濟，2019，40（12）.

[22]劉建國，蘇文杰. 金融錯配對地方財政可持續性的影響——基于金融發展的調節效應和門檻效應 [J]. 金融經濟學研究， 2022， 37 （02）.

[23]Chen Z，Poncet S，Xiong R. 2020. Local Financial Development and Constraints on Domestic Private-Firm Exports：Evidence from City Commercial Banks in China [J]. Journal of Comparative Economics，48（1）.

[24]Beck T，Levine R，Levkov A. 2010. Big Bad Banks？ The Winners and Losers from Bank Deregulation in the United States [J].The Journal of Finance，65（5）.

[25]石大千，海衛平，建江.智慧城市建設能否降低環境污染 [J].中國工業經濟，2018，（06）.

[26]Feng J，Xie Q，Zhang X. 2021. Trade Liberalization and the Health of Working Age Adults：Evidence from China [J].World Development，（139）.

[27]丁志國，張炎炎，任浩鋒，徐德財.供給側結構性改革對房地產行業的“去庫存”效應研究 [J].中南大學學報（社會科學版），2022，28（01）.

[28]Kolak M， Anselin L. 2020. A Spatial Perspective on the Econometrics of Program Evaluation [J].International Regional Science Review，43（1-2）.

[29]曹清峰.國家級新區對區域經濟增長的帶動效應——基于70大中城市的經驗證據 [J].中國工業經濟，2020，（07）.

[30]Cuberes D，Desmet K，Rappaport J. 2021. Urban Growth Shadows [J].Journal of Urban Economics，（123）.

[31]溫忠麟，侯杰泰，張雷.調節效應與中介效應的比較和應用 [J].心理學報，2005，（02）.

[32]江艇.因果推斷經驗研究中的中介效應與調節效應 [J].中國工業經濟，2022，（05）