貿易開放對中國工業綠色全要素生產率的研究

摘要：在國際貿易日趨復雜和綠色轉型迫在眉睫的大環境下，大力優化貿易結構，推進先進工業與現代服務業深度融合，強化貿易對工業綠色創新的促進作用已成為經濟社會關注的焦點。基于2014—2023年中國30個省份面板數據，采用固定效應模型、空間杜賓模型和門檻效應模型分析貿易開放對中國工業綠色全要素生產率GTFP的影響。研究結果表明：（一）貿易開放顯著促進了中國工業GTFP，并存在明顯的區域異質性；（二）在考慮空間相關性后，中國貿易開放與工業GTFP之間依然存在明顯的正向空間溢出效應；（三）在金融發展水平約束下，貿易開放對中國工業GTFP的影響存在單一門檻效應。基于上述事實，建議針對我國東、中、西部地區差異性，提出有針對性、差異化扶植政策，根據地方特點優化貿易結構，提高本區域綠色發展水平。

關鍵詞：貿易開放；綠色全要素生產率；門檻效應；空間杜賓模型

中圖分類號：F49" " " " 文獻標識碼：A" " " 文章編號：1003-8477（2025）03-0100-10

一、引言

對外貿易是我國開放型經濟的重要組成部分和國民經濟發展的重要推動力量，是暢通國內國際雙循環的關鍵樞紐。但是，在經濟高速發展的同時，也帶來了相應的環境問題。研究發現高速發展的貿易直接帶來了中國的環境壓力，大規模生產的出口商品將中國變成了“世界工廠”，這一生產過程增加了能源消耗和資源浪費。在國際貿易日趨復雜和綠色轉型迫在眉睫的大環境下，工業和信息化部于2021年印發的《“十四五”工業綠色發展規劃》中指出，全面貫徹新發展理念，落實制造強國，以減污降碳協同增效為總抓手，統籌發展與綠色低碳轉型，深入實施綠色制造，加快產業結構優化升級，大力推進工業節能降碳，全面提高資源利用效率，積極推行清潔生產改造，提升綠色低碳技術、綠色產品，構建工業綠色低碳轉型與工業賦能綠色發展相互促進、深度融合的現代化產業格局。同時，到2025年實現工業產業結構、生產方式綠色低碳轉型初步見成效，綠色低碳技術裝備得到廣泛應用，綠色工業水平全面提升。如何提升中國工業綠色全要素生產率（green total factor productivity， 簡稱GTFP），使綠色工業成為經濟增長的新引擎，已經成為全球關注的熱點和焦點問題。

本文采用2014—2023 年中國30個省份面板數據，構建固定效應模型、空間杜賓模型以及門檻效應模型，研究貿易開放對我國工業GTFP的空間和門檻效應。本文的結構如下：第一部分為引言，第二部分對現有文獻進行梳理，第三部分介紹本文的研究假設，第四部分論述模型構建以及變量說明，第五部分基于面板固定效應模型、空間杜賓模型以及門檻效應模型實證分析貿易開放對我國工業GTFP的影響，并進行穩健性及異質性檢驗，第六部分是結論及建議。

二、文獻綜述

GTFP的概念是基于全要素生產率（total factor productivity， 簡稱TFP）的基礎上產生的，即從總產出增長中剔除要素投入增長后剩余的生產率部分。新古典增長理論認為TFP 是經濟持續穩定增長的唯一驅動力，其主要來源是技術進步和效率提高（Solow，1957）。[1]（312-320）將污染排放物和資源、能源消耗納入TFP考量中，能夠全面反映綠色經濟增長的核心和目標。“波特假說”（Porter，1991）提出傳統高耗能產業的生產成本和剩余價值正在下降，[2]創新產業的崛起彌補了傳統產業的不足。隨著綠色創新水平和對綠色產品需求的不斷提高，綠色創新產業將產生生產要素的自發流動，成為GTFP 的催化劑。現有關于GTFP測算的研究較為豐富。Fare et al.（1994）提出了基于謝博爾德距離函數的ML指數法測量GTFP，[3]（66-83）并用此方法探討了中國鋼鐵工業的GTFP增長。Chung et al.（1997）提出了Malmquist-Luenberger指數方法， [4]（229-240）在此后的研究中得到了廣泛應用。Tone（2003）以非徑向的方法開發了基于DEA的松弛計算（SBM），[5]并將其與Luenberger指數相結合測量GTFP。Oh（2010）通過構建全局Malmquist-Luenberger（GML）指數法徹底解決了ML“不可解”的問題，[6]（183-197）從此GML指數法廣泛應用于測算工業GTFP。

已有關于貿易開放對于綠色技術創新之間關系的理論和實證研究較為豐富，但對于兩者之間關系是正向積極或是負向消極并沒有形成統一的結論。Cao amp; Wang（2017）提出，[7]（1002-1012）貿易開放可以通過改變研發投入成本和優化勞動力資本比率進而對區域綠色創新產生積極影響。劉鉆擴和辛麗（2018）重點研究了“一帶一路”產生的貿易紅利對中國省域層面GTFP的影響，[8]（87-97）指出貿易開放主要通過技術進步顯著促進了沿線省域的GTFP提升。齊紹洲和徐佳（2018）在研究貿易開放對“一帶一路”沿線31個國家GTFP影響的研究中明確指出，[9]（134-144）出口貿易在樣本期內顯著抑制了GTFP的提升，但抑制程度隨門檻值逐漸降低。在研究貿易開放對GTFP的影響因素中，肖瀅和盧麗文（2019）運用GML指數和SBM模型研究2009—2016年中國108個資源型城市面板數據，[10]（86-98）論證了資源型城市GTFP主要是由技術進步推動的，技術效率的貢獻并不明顯。張建和王博（2023）基于SBM-DDF模型分析了2004—2018年中國各省份GTFP，[11]（165-170）研究指出貿易開放特別是對外直接投資顯著促進了中國GTFP的提升，同時對外投資與產業結構升級共同作用下的GTFP存在明顯的門檻效應。梳理現有文獻發現，已有研究通常孤立地分析貿易和金融對于生產技術效率的作用，僅探討了貿易開放對GTFP或是金融發展對GTFP的影響。在金融發展水平和生產技術創新關系的已有研究中，有些學者認為金融發展水平對GTFP起到了明顯促進作用。Rajan amp; Zingales（1998）發現，[12]（159-186）在貿易開放過程中，金融發展水平通過提供較低成本資金吸引嚴重依賴外部融資渠道的部門轉向國內融資渠道，最終促進本國企業生產技術創新。張帆（2017）基于2000—2013年中國省級層面面板數據分析，[13]（154-167）指出金融發展水平能夠顯著提升GTFP水平，并且在其研究中金融發展水平呈現非線性特征。與此觀點相反，Brown JR et al.（2009）指出，[14]（151-185）在國家進行貿易交流與合作，而企業缺乏資金支持時，債務融資抵押是一個重要途徑，但是由于諸如人力資本等無形資本在做抵押擔保時缺乏價值，這會限制資金使用，因此金融發展水平阻礙了企業的創新。章尹賽楠等（2023）研究發現，[15]（34-52）金融發展水平特別是綠色信貸水平約束了重污染企業融資規模，嚴重削減了研發投入，進而迫使重污染企業GTFP明顯下降。

通過以上文獻梳理發現，貿易開放對中國工業GTFP影響的研究仍存在不確定性，同時金融發展水平也未被納入貿易開放與工業GTFP的研究中。基于此，本文從理論和實證角度評估貿易開放對中國工業GTFP的影響作用；同時考慮一個區域的貿易開放程度必然引起其他區域的關注，技術外溢至其他區域引起空間積極影響；以金融發展水平作為門檻值分析貿易開放與工業GTFP之間的非線性關系，為促進我國工業綠色轉型和發展提供新的理論基礎和依據。

三、研究假設

本研究認為，貿易開放程度的提高能顯著促進中國工業GTFP的提升，其機理為：第一，一國通過對外貿易促進本國生產效率的提升，同時通過示范效應吸收和學習國外行業內先進技術，促進本國產業集聚和技術擴散，推動本國勞動技能提升和生產工藝的變革，并推動企業污染治理水平的提升，最終達到GTFP的進步。第二，貿易開放會對環境規制強度、法律法規實施提出更高的要求。在進行貿易開放過程中，需要當地政府提高市場效率以及完善市場機制，提供公平公正的市場環境，激發貿易參與國企業活力，推動工業企業技術進步，最終實現GTFP的提升。第三，貿易開放可以通過勞動資本比率的不斷優化以及研發成本的優勢進一步提升綠色效率，由此帶來的技術溢出具有顯著正外部性，能夠有效激勵企業綠色技術創新能力的提高（毛其淋，2010）。[16]（94-101）同時，由于各地區在地理位置和資源稟賦等方面存在顯著差異，貿易開放對技術進步、資源能源利用等方面的影響也存在地域差異，進而對GTFP的作用也可能存在區域異質性。基于以上分析，本文提出以下假設：

假設1a：貿易開放顯著促進了中國工業GTFP；

假設1b：貿易開放對中國工業GTFP的影響效應存在區域異質性。

貿易開放及其對工業GTFP的影響與當地的政策和經濟發展水平密切相關，而一個地區的貿易發展水平不僅會影響當地的GTFP，還會影響臨近地區的GTFP。當地的綠色企業和綠色產業可以吸引鄰近地區的綠色資本和綠色技術，實現資源共享和協同合作，擴大綠色企業和綠色產業規模和產量，帶來更廣泛的綠色生產和消費，導致本地和臨近地區工業GTFP提升。貿易開放政策作為一項刺激經濟發展的政策，對傳統工業的綠色轉型具有激勵作用，從而成為地方政府為企業獲取利潤的有效政策工具。當地方政府面臨經濟和環境壓力時，特別是當一個地區的貿易發展實現了對GTFP顯著促進作用的情況下，有可能導致臨近地區效仿和學習。貿易交流平臺和相互合作為工業綠色企業創造了良好的市場環境，輻射周邊區域，促進跨區域合作。基于以上分析，本文提出以下假設：

假設2：貿易開放對中國工業GTFP存在顯著的空間溢出效應。

根據現有研究，貿易開放對工業GTFP具有正向促進作用，但可能存在門檻效應。本文選取金融發展水平作為門檻值，進一步分析貿易開放對工業GTFP的非線性效應。傅亞平和彭政欽（2020）基于2008—2017年中國31個省份數據研究綠色金融發展與區域GTFP之間的關系，[17]（120-124）結果表明兩者存在門檻效應，并且該效應具有明顯區域異質性。史代敏和施曉燕（2022）從理論和實證模型兩個角度論證了金融發展與我國GTFP間的關系，[18]（31-48）研究證明金融發展水平能夠顯著促進GTFP的提升，但兩者間的促進作用呈現非線性關系。金融發展水平維持在一定程度范圍內，擴大貿易開放程度才有可能助推工業企業GTFP的增長，過高或者過低的金融發展水平都會抑制經濟發展，也會對GTFP產生反向作用（胡江峰等，2020）。[19]（20-28）基于以上分析，本文提出以下假設：

假設3：基于金融發展水平角度，貿易開放對中國工業GTFP存在門檻效應。

四、研究設計與變量說明

（一）模型設定

本文選取2014—2023年中國各省份的工業面板數據作為分析樣本，實證檢驗貿易開放對中國工業GTFP的影響，見模型1：

[lnGTFPi，t=α0+α1lnOPENi，t+α2lnXi，t+γt+θi+εi，t" " " ]" " " （1）

模型1中，i表示省份，t表示2014—2023樣本年間，[GTFPi，t]表示第i個省份第t年工業GTFP，[OPENi，t]衡量第i個省份第t年貿易開放，[Xi，t]為一系列控制變量，分別為各省份樣本期內外商直接投資（FDI）、環境規制強度（ERP）、研發投入（RDcost）、人均資本投入（Kper）、人力資本投入（ED）。[ γt]表示年份控制效應，[θi]表示省份控制效應，[εi，t]表示殘差，[α0]為常數項，[α1]和[α2]代表系數。為了從一定程度上緩解異方差帶來的偏誤，等式兩邊所有變量均取對數形式。

根據前文分析，本文構建空間權重矩陣，具體如下：

[W=0w21?wn1w120?wn2……?…w1nw2n?0]" " " " " " " " " " " " " " " （2）

公式2中，W表示省際間的空間鄰近，矩陣中的[wij]通常情況下依賴地理臨近矩陣、地理距離的空間權重矩陣和經濟關系權重矩陣。本文對于地理臨近矩陣的測算，選取Madariaga amp; Poncet （2007）提出的距離地理臨近，[20]（837-862）即距離地理臨近以兩者位于距離范圍D之內為界定標準，選取中國30個省區的球面距離矩陣，若省際間距離d小于500公里則[wij]=1，其余情況為0。具體公式如下：

[wij=1，" " " " "區域i和j的距離dij≤D0，" " " " 區域i和j的距離dijgt;D" " " " " ]" " " "（3）

鑒于地理臨近距離僅僅將空間變量是否相鄰作為判斷標準，Cliff amp; Ord （1981）提出了由空間關聯性強弱決定空間變量距離的判定方法，[21]（3）即地理距離權重矩陣，具體的判斷標準為距離越遠，空間關聯性越弱；變量之間距離越近，空間關聯性越強。公式4中，[dij]表示空間個體i和j之間的距離，[βij]表示空間個體共同邊界的長度與i邊界長度的比值。在本文實證檢驗中，假設[α=1，γ=]0。具體公式如下：

[wij=d?αij×βγij，" " " " "i≠j0，" " " " " " " " " " "i=j" " " " " " " "]" （4）

現有空間計量實證研究中，除了地理位置能夠決定空間關聯性之外，變量個體間的經濟發展水平、環境因素、人文背景等諸多因素都可能造成空間個體間的相互影響（施曉燕，2022）。[22]本文參考唐禮智等（2014）的研究成果，[23]（102-107）構建基于空間變量個體間經濟關系的權重矩陣，具體公式如5，其中，[Yi]與[Yj]是空間不同變量個體經濟指標的差異，本文選取省際出口額作為代理變量。經濟關系權重矩陣中的每個變量代表兩個省級經濟體出口額之間的距離，距離越小表示經濟體之間越相似，距離越大表示經濟體之間相似性差異越大。

[wij=1Yi?Yj×Yin=1NYn，" " " " "i≠j0，" " " " " " " " " " " " " " " " " " " " " i=j" " " ]" "（5）

基于以上空間權重矩陣，本文選取空間杜賓模型進行空間溢出分析，構建模型6，W為30[×]30空間權重矩陣，[ρ]為空間自回歸系數，[Xi，t]為一系列控制變量（同模型1），等式兩邊所有變量均取對數形式：

[lnGTFPi，t=ρWlnGTFPi，t+β0+β1lnOPENi，t+β2Xi，t+μi，t" "μi，t～（0，δ2i，t） ] （6）

進一步，選取Hansen （1996）提出的門檻模型， [24]（413-430）從貿易開放與工業GTFP出發，以金融發展水平為門檻值進行分析。具體的門檻效應模型如下：

[lnGTFPi，t=α0+α1lnOPENi，tI（lnFLi，t≤γ）+α2lnOPENi，tI（lnFLi，tgt;γ）+" α3lnXi，t+γt+θi+εi，t]" "（7）

公式7中，[ lnOPENi，t作為門檻依賴變量，]衡量第i個省份t年貿易開放程度，I（·）表示示性函數，即滿足括號內的條件取值為1 ，否則為0。金融發展程度[lnFLi，t]表示門檻變量，[γ]為門檻值，[α1]和[α2]分別代表兩個區間取值的系數。[Xi，t]為一系列控制變量，本文具體為人均資本投入（Kper）、環境規制強度（ERP）、市場化水平（market）、外商直接投資（FDI）以及研發投入（RDcost），等式兩邊所有變量均取對數。

（二）變量說明

1. 被解釋變量（GTFP）

工業綠色全要素生產率，本文選用SBM-DDF結合GML指數方法測量工業GTFP。以2014—2023年中國30個省區1的工業部門作為DMU，期望產出以工業總產值測算，非期望產出以各省份工業[SO2]排放量（噸）、廢水COD排放量（噸）以及煙塵[CO2]排放量（噸）測算，投入要素則以勞動、資本和能源消費測算。數據主要來源于《中國統計年鑒》《中國環境統計年鑒》《中國能源統計年鑒》《中國工業經濟統計年鑒》以及《中國經濟普查年鑒》，具體見表1。

2.解釋變量（OPEN）

依據現有文獻，本文選取平減后的貿易依存度作為貿易開放的代理指標，具體計算公式為：

OPEN= （IM+EX）/ GDP" " " " " " " " " " " " " "（8）

其中，OPEN為貿易開放，IM為一國進口總額，EX為一國出口總額，GDP為該國國內生產總值。貿易開放指標、出口指標、進口指標分別選取樣本期內各省份進出口總額（億）、出口總額（億）以及進口總額（億）除以各地區生產總值的占比進行衡量，其中在進行人民幣美元換算的時候，根據樣本期當年人民幣兌換美元的年平均匯率進行度量。貿易開放、進口和出口相關數據來自《中國貿易外經統計年鑒》和《中國統計年鑒》，各省份工業相關數據主要選取自《中國統計年鑒》以及《中國工業經濟統計年鑒》。

3.門檻變量（FL）

本文選取金融發展水平作為門檻變量，采用已有學者的研究方法，選取每個省份的存款貸款之和相對該省份平減后的GDP占比進行度量。其中，存貸款相應數據來自《中國統計年鑒》。

4.控制變量

外商直接投資（FDI）：選取外商直接投資總額數據作為外商直接投資的測量數據，來源于《中國統計年鑒》。

環境規制（ERP）：參照楊振兵（2016）利用污染物的排放量去除中心化后構建環境規制強度綜合指數，[25]（30-46）作為環境規制的代理變量。選取工業廢氣[SO2]、廢水COD和煙塵[CO2]排放量作為污染物排放量的代理變量，數據均來自《中國環境統計年鑒》和《中國統計年鑒》。

研發投入（RDcost）：本文選取環境污染治理投資額存量形式，用工業企業環境污染占工業增加值比重作為研發投入指標。數據來源為《中國科技統計年鑒》及《中國統計年鑒》。

人均資本投入（Kper）：采用各省份工業資本存量與從業人員平均數的比值來衡量，資本存量指數需進行價格平價，以2014年為基期，數據主要來源于《中國工業統計年鑒》和《中國統計年鑒》。

人力資本投入（ED）：根據謝榮輝（2017）的研究，[26]（38-48）本文選取平均受教育年限作為人力資本投入的代理變量，數據來源于《中國勞動統計年鑒》。

市場化水平（market）：市場化水平在實證分析中通常用樊綱指數作為測量方式，本文選取《中國市場化指數2011》以及《分省份市場化指數報告》，將2014年作為基期，得到相應年份的樊綱市場指數。以上變量描述性統計見表2。

五、實證分析

（一）基準回歸分析

基于公式1，采用中國省級層面貿易開放對工業GTFP的影響進行實證檢驗，在OLS、POLS以及固定效應FE模型下，貿易開放對GTFP回歸結果分別為0.0515、0.0553、0.0577，且均在1%水平下顯著，代表貿易開放程度每提升1%，工業GTFP對應增長0.0515%、0.0553%以及0.0577%。表3中三種模型的回歸結果說明個體省份貿易開放程度越高，越有利于該區域綠色技術水平的提升，同時驗證研究假設1a。

為了考察解釋變量的穩健性，本文選取兩種方法進行穩健性檢驗：一是分別選取出口指標（lnEXP）和進口指標（lnIMP）作為解釋變量的替換變量，表4中第（1）—（2）列分別為出口指標、進口指標對工業GTFP的實證檢驗結果，結果均通過1%水平下顯著性檢驗；二是借鑒魏浩和耿園（2015）采用內生變量滯后期代入公式1進行回歸，[27]（89-99，129）表4中第（3）—（4）回歸結果顯示，解釋變量滯后一期的回歸系數為0.0422且在1%水平上顯著，滯后二期的系數為0.0285且通過1%水平下顯著性檢驗。

本文將中國分為東部、中部、西部分別進行考察，分區域分析貿易開放對工業GTFP的影響。回歸結果顯示在表5，其中第（1）—（3）列選取固定效應模型，基于公式1進行回歸。第（1）列結果表明，東部地區貿易開放程度對GTFP的回歸系數為0.2443，且在5%水平下顯著為正；西部地區貿易開放對工業GTFP的回歸結果在10%水平下通過顯著性檢驗，為0.1124 ；中部地區回歸結果并不顯著。東部地區系數高于中西部地區，即貿易開放程度對工業綠色經濟增長的作用呈現出東高中西部低的趨勢。中國東部地區經濟發展水平高，相應的環保法律政策制度更加健全，借助其區域得天獨厚的地理條件，大力開展對外貿易，因此東部地區貿易水平較高時，該區域工業企業會根據貿易優勢主動深化本企業對外合作，進而進一步提升經濟發展水平，推動企業綠色技術創新和效率提升，即驗證研究假設1b。

（二）空間效應分析

已有關于空間權重矩陣的測度主要包括地理臨近、地理距離以及經濟關系三種，本文選取以上三種方式構建全局Moran指數，具體見表6。可以看出在樣本期內，貿易開放和工業GTFP的莫蘭指數基本通過5%或以上顯著性水平，表明貿易開放和工業GTFP均具有較強的空間相關性。

進一步，通過LM、LR、Wald檢驗結果比較（見表7），選取空間杜賓模型（SDM）進行空間計量分析。本文基于三種權重矩陣下選取SDM模型進行空間計量分析，采用極大似然方法將2014—2023年中國省級貿易開放與工業GTFP代入模型6中進行實證回歸分析，三種權重下的空間相關系數（[ρ]）均為正且通過1%水平下的顯著性檢驗，從空間模型的角度再次證明了中國貿易開放對工業GTFP存在明顯的促進作用，驗證研究假設2。具體結果見表8。

（三）門檻效應分析

以金融發展水平作為解釋變量進行門檻效應檢驗，首先，進行門檻效應和門檻個數的檢驗，具體結果見表9。

基于公式7，采用Bootstrap自舉法，隨機抽樣300次得到門檻值1.6238。表10的回歸結果看，在不同的金融發展水平階段，貿易開放對工業GTFP的影響呈現不同的結果。第（1）列數據顯示，如果金融發展水平小于等于門檻值（1.6238），貿易對GTFP 的影響雖然為正，但不顯著；而當金融發展水平大于門檻值，回歸結果為-0.5530，且通過1%顯著性檢驗（驗證研究假設3）。第（2）列為控制相關變量后回歸結果。第（3）—（4）列選取出口指標（lnEXP）作為替換變量，結果穩健。分析門檻模型產生負向影響的原因可能是：Jerzmanowski M.（2017）認為金融發展對生產率的促進作用是要在放松銀行等金融機構管制的條件下才能顯現的，[28]（97-122）通過對美國1970—2000年銀行放松管制從而體現兩者之間正向促進作用。然而，目前中國金融體系并沒有實現完全自由開放，同時在政策制定者采納并實施部分金融自由化以來，金融體系時有發生金融危機。金融危機或者事件的發生，無疑對于實體經濟生產起到了一定程度的負面影響。

六、結論與建議

本文基于2014—2023年中國各省份的工業面板數據作為分析樣本，探討了貿易開放對中國工業GTFP 的影響，并進一步論證了空間和門檻效應。主要結論有：（一）從面板模型分析，貿易開放顯著提升了中國工業GTFP，并且這種促進作用存在顯著的地區異質性；（二）在考慮空間相關性后，中國貿易開放與工業GTFP之間依然存在明顯的正向空間溢出效應；（三）在不同的金融發展水平階段，貿易開放對于工業GTFP的影響呈現不同的結果。當金融發展水平小于門檻值（1.6238），貿易開放對工業綠色GTFP 的影響為正，但不顯著；當金融發展水平高于1.6238時，貿易顯著抑制了工業GTFP的提升。基于以上結論，本文提出如下政策建議：

第一，針對我國東、中、西部地區差異性，提出有針對性、差異化扶植政策。我國東部地區經濟發展水平高，借助其區域得天獨厚的地理條件，大力開展對外貿易。該區域工業企業會根據貿易優勢主動深化本企業對外合作，進而進一步提升經濟發展水平，推動企業綠色技術創新和效率提升。中、西部地區要提高技術水平和生產技術對工業GTFP的貢獻。中西部資源型企業應利用現有資源優勢，做大、做強、做精資源型產業，同時積極培育高新技術產業，成為區域經濟發展的先導產業。

第二，加強創新與產業鏈的跨區域市場協同合作，支持綠色技術中小企業做強做大，加快培育和壯大以高增長綠色技術創新企業為代表的創新集群。圍繞多個省市建立區域技術中心，形成區域協同聯盟。本文通過理論和實證分析得出，技術效率的發展不僅可以促進地方GTFP，而且對鄰近地區GTFP具有空間溢出效應。鑒于此，圍繞多省市建立區域技術中心，形成區域協同聯盟，不僅有利于資源規模效應更好地發揮聚集和空間溢出效應，更能實現產業、學術和研究的深度融合。

第三，進一步發揮金融在推動經濟轉型中的重要作用。根據區域特點制定稅收優惠政策，金融機構切實發揮金融中介功能，為當地企業提供信用擔保，緩解企業融資難融資貴的問題；對有利于環境保護、節能減排的企業項目，應當提高貸款額度和可獲得性。各區域應在堅持提升金融發展水平的前提下，根據地方特點優化貿易結構轉型，進而提高本區域綠色發展水平。

參考文獻：

[1]Solow R M. Technical Change and the Aggregate Production Function [J]. Review of Economics and statistics， 1957，（03）.

[2]Porter M E.Towards a Dynamic Theory of Strategy [J]. Strategic Management Journal， 1991， （95）.

[3]Fare R， Grosskopf S， Norris M， et al. Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries[J].The American Economic Review， 1994， 84（1）.

[4]Chung Y H ， F?re R， Grosskopf S. Productivity and Undesirable Outputs： a Directional Distance Function Approach[J]. Journal of Environmental Management， 1997， （03）.

[5]Tone K. Dealing with Undesirable Outputs in DEA： A Slack Based Measure （SBM） Approach [R]. GR IPS Reserarch Report Series， 2003.

[6]Oh D. A Global Malmquist-Luenberger Productivity Index[J].Journal of productivity analysis，2010， （34）.

[7]CAO B，WANG S. Opening up， International Trade， and Green Technology Progress[J]. Clean Production， 2017， （142）.

[8]劉鉆擴，辛麗. “一帶一路”建設對沿線中國重點省域綠色全要素生產率的影響[J].中國人口·資源與環境， 2018，（12）.

[9]齊紹洲，徐佳. 貿易開放對“一帶一路”沿線國家綠色全要素生產率的影響[J].中國人口·資源與環境，2018，（04）.

[10]肖瀅，盧麗文.資源型城市工業綠色轉型發展測度——基于全國108個資源型城市的面板數據分析[J]. 財經科學，2019，（09）.

[11]張建，王博. 對外直接投資、產業結構升級與綠色全要素生產率[J].運籌與管理，2023，（10）.

[12]Raghuram G R， Luigi Z. Financial Dependence and Growth[J].American Economic Review，1998， （88）.

[13]張帆.金融發展影響綠色全要素生產率的理論和實證研究[J].中國軟科學，2017，（09）.

[14]James R B， Steven M F， Bruce C P. Financing Innovation and Growth： Cash Flow， External Equity， and the 1990s Ramp;D Boom[J]. Finance， 2009， （64）.

[15]章尹賽楠，李青原，李昱. 不破不立：綠色信貸政策下重污染企業的應對[J].經濟評論，2023，（05）.

[16]毛其淋.進口貿易對我國技術創新能力提升的影響效應——基于動態面板數據GMM方法的經驗分析[J]. 財經科學，2010，（04）.

[17]傅亞平，彭政欽.綠色金融發展、研發投入與區域經濟增長——基于省級面板門檻模型的實證[J].統計與決策，2020，（21）.

[18]史代敏，施曉燕.綠色金融與經濟高質量發展：機理、特征與實證研究[J].統計研究，2022，（01）.

[19]胡江峰，王釗，黃慶華，等.異質性FDI綠色技術溢出環境規制門檻效應研究[J].科技進步與對策， 2020，（06）.

[20]Nicole M， Sandra P. FDI in Chinese Cities： Spillovers and Impact on Growth[J].The World Economy， 2007， （30）.

[21]Andrew D C， J.Keith O. Spatial Processes：Models amp; Applications[J]. Economic Geography，1981， （59）.

[22]施曉燕. 綠色金融促進綠色全要素生產率提升：作用機理、空間效應與門限特征[D].成都：西南財經大學，2022.

[23]唐禮智，朱建鋒，羅婧.宏觀調控視角下房地產價格影響因素的新測度[J].經濟問題探索，2014，（01）.

[24]Bruce E H. Inference When a Nuisance Parameter is not Identified Under the Null Hypothesis[J].Econometrica， 1996， （64）.

[25]楊振兵.有偏技術進步視角下中國工業產能過剩的影響因素分析[J].數量經濟技術經濟研究，2016，（08）.

[26]謝榮輝.環境規制、引致創新與中國工業綠色生產率提升[J].產業經濟研究，2017，（02）.

[27]魏浩，耿園. 對外貿易與中國的城鄉收入差距[J].世界經濟研究，2015，（07）.

[28]Michat J.Finance and Sources of Growth： Evidence from the US States[J].Journal of Economic Growth， 2017， （22）.

責任編輯" "郁之行