綠色信貸對綠色技術創新的影響

2024年中共中央、國務院發布了《關于加快經濟社會發展全面綠色轉型的意見》，系統指出要貫徹習近平總書記生態文明思想，以碳達峰碳中和為戰略牽引，統籌產業結構調整、污染治理、生態保護、應對氣候變化，協同推進降碳、減污、擴綠、增長，構建人與自然生命共同體。該政策錨定“雙碳”目標深化拓展，明確2030年形成綠色生產生活方式、2035年建成綠色低碳循環經濟體系戰略路徑，意味著中國從污染防治攻堅邁向生態環境根本性好轉的歷史跨越。在“雙碳”目標與生態文明建設背景下，綠色信貸作為重要的環境金融工具，通過調節資本配置效率、增加研發投入，引導企業綠色轉型，理論上能夠促進綠色技術創新。

一、問題回顧

當前雖已形成綠色信貸與區域綠色創新的政策文件體系，但二者的協同機制構建尚處于探索階段。學界對此已開展多維度研究，圍繞兩者間的作用機理、互動模式及實踐路徑形成了多元化理論觀點。

綠色信貸能夠促進經濟結構綠色轉型。王遙等人（2019）借助構建DSGE模型的方式，證實了綠色信貸激勵政策對經濟結構綠色轉型有著促進作用[1]，趙娜（2021）發現各地區綠色專利總量逐漸呈現出明顯的正向空間相關性，并且綠色信貸對提升綠色技術創新水平有著顯著的促進作用[2]

綠色信貸對企業綠色技術創新也有影響。FengyunLiu（2024）等人發現綠色信貸通過緩解融資約束、降低債務成本、延長債務期限結構等方式優化企業債務融資，從而推動技術創新[3]。 Yu Chen（2024）等人發現綠色信貸還催化了企業層面的綠色創新，而且綠色信貸的影響在大型企業中更為明顯[4]

由于地區經濟發展水平存在差異，綠色信貸發揮的作用效果也不盡相同。李戎，和劉璐茜發現2017年綠色金融改革試驗區內綠色信貸的發展水平更高，企業綠色專利的申請數量更多，該試驗區對綠色技術創新有著較為顯著的促進作用[5]。曹廷求等人發現經濟發展水平會對企業的融資渠道與融資規模產生影響，處于高經濟發展水平地區的企業獲取金融資源更為容易，其綠色技術創新水平也更高；與之相比，低經濟發展水平地區的企業綠色技術創新水平相對較低[6]。季宇發現東部和西部地區的“波特效應”較為顯著，即綠色信貸能夠推動地區低碳技術進步，然而中部地區這種關系并

不明顯[7] 。

二、研究假設

（一）綠色信貸促進綠色技術創新的直接效應

實施綠色信貸指引后，這些企業的綠色創新行為不僅沒有受到負面影響，反而如經濟學家波特提出的“波特效應”，對企業產生了正面的促進作用[8]。其一，環境敏感型產業融資成本攀升，導致高污染產能因流動性壓力加速退出市場；其二，這種機制促使部分企業通過技術革新降低環境風險暴露[9]，客觀上驅動了區域綠色技術創新的結構性升級。基于這些分析，提出以下假設：

H1：綠色信貸可以促進綠色技術創新水平的提升。

（二）綠色信貸促進綠色技術創新的間接效應

綠色技術創新因其高投入、長周期的屬性，往往超出單一主體的獨立支撐能力，企業普遍面臨研發資金持續性不足的困境。在此背景下，外部融資成為突破技術瓶頸的關鍵路徑，而我國以銀行信貸為主的間接融資體系占據了企業融資渠道的主體地位。這種金融結構特征使得綠色信貸政策能夠通過定向資金供給和風險定價機制，顯著影響企業的研發投入強度與技術創新方向[10]，進而作用于綠色技術的發展進程?；谏鲜龇治?，提出以下假設：

H2：綠色信貸可以通過加大研發投人來促進綠色技術創新水平的提升。

除此之外，綠色信貸是通過重構金融資源的流動路徑與使用效率，將定向性資金支持轉化為技術創新的內生動力的。這一傳導機制的核心邏輯在于，綠色信貸不僅改變了企業融資的可得性與成本結構，更重要的是通過優化資本在時間維度、空間維度以及技術維度的配置效率，最終形成從金融資源配置到技術突破的完整因果鏈條?；谏鲜龇治觯岢鲆韵录僭O：

H3：綠色信貸可以通過提升資本配置效率來促進綠色技術創新水平的提升。

四、研究設計

（一）研究方法—雙向固定效應模型

為驗證假設是否成立，構建固定效應模型，詳見模型（1）：

GTl_i，t=β₀+β₁GC_i，t+β₂X_i，t+μ_i+λ_t+ε_it

在模型（1）中，以 i 來表示?。ㄊ校?，以 χ_t 來代表年份；研究中的被解釋變量用 GTl_i，t 代表第 χ_t 年度、第 χ_i 省份（市）的綠色技術創新水平； GC_i，t 為解釋變量，代表綠色信貸水平。由于綠色信貸對綠色技術創新產生影響需要一定時間，即綠色信貸發揮作用有一定的時滯性，針對這一問題，本文借鑒何凌云等（2019）構建的 _GC 滯后一期模型[1]；X_i，t 代表控制變量， μ_i 被記作省份固定效應， λ_ι 被記作年份固定效應， ε_it 代表隨機誤差項。

為了揭示綠色信貸政策效應的具體作用機制，設計了研發投入與資本配置效率的雙重中介路徑，有效分離出政策工具的直接效應與間接傳導效應?？紤]到內生變量作為中介變量時的復雜性，溫忠麟等（2014）提出了傳統方法，即三步法，在處理內生性問題時可能存在估計偏差[12]。因此，在本研究中，摒棄了傳統三步法，而是借鑒江艇（2022）的漸進式研究框架[13]，先檢驗綠色信貸對中介變量的直接影響，再結合理論分析驗證影響機制的合理性。中介效應模型如下：

RD_i，t=β₀+β₁GC_i，t+β₂X_i，t+μ_i+λ_t+ε_i，t

其中， RD_i，t 表示研發投入， KMIS_i，t 表示資本配置效率。

（二）研究變量的設計與選擇

1．被解釋變量

被解釋變量為綠色技術創新（GreenTechnolo-gyInnovation，GTI）。本研究把綠色專利量作為替換變量，來衡量綠色技術創新水平。綠色專利指標主要包括綠色專利授權量以及綠色專利申請量，綠色專利授權量由于需要經歷1＼～2年的審查周期，在時間上存在滯后性，因而很難實時、準確地反映出年度內的技術創新動態情況；同時，其受專利審查機構主觀判斷及行政效率的影響較大。相較而言，綠色專利申請量能夠更及時、準確地捕捉技術創新活動的即時狀態，因而成為衡量綠色技術創新水平的優選指標。因此，本研究使用地區的綠色專利申請量，對其取對數（陳孝明等，2022），來作為衡量地區綠色技術創新水平的指標[14] O

2．解釋變量

解釋變量為綠色信貸（GreenCredit，GC），本研究用六大高耗能產業利息支出占工業部門總利息支出的比重，間接反映綠色信貸政策的調控效果。由于獲取地區綠色信貸余額數據的難度較大，本研究采取謝婷婷與劉錦華在2019年所提出的理論框架，聚焦于那些高耗能行業產生的利息支出，通過計算這些高耗能產業的利息支出占到全部工業產業利息支出的比重來評估一個區域的綠色信貸水平，公式為（1-六大高耗能產業利息支出占全部工業產業利息支出的比例）。這是一個積極指數，值越小，代表我國該區域綠色信貸發展程度越低[5] 。

3．中介變量

研發投入（RD）是企業實現綠色技術創新的關鍵驅動力，也是衡量企業創新能力和潛力的重要指標。研發投入用研發投人內部經費支出除以地區生產總值來表示。綠色信貸為企業的綠色技術研發提供資金支持，能夠有效緩解企業的融資約束，激勵企業增加研發投人，從而推動綠色技術創新水平的提升。

資本配置效率（KMIS）發揮作用的進程是綠色信貸通過引導資金流向綠色產業，優化金融資源的配置，使得資源從高污染、高能耗的傳統產業向環保、低碳的新興產業轉移，從而實現資源的優化配置。這種資源再配置不僅有助于減少環境污染，還能推動經濟結構的優化和升級。此外，綠色信貸通過提高企業的資本結構優化程度，降低融資成本，促進企業將更多資源投入到綠色技術創新中，從而提升資源配置效率。因此，資源配置效率是綠色信貸影響綠色技術創新的重要中介機制，能夠有效促進綠色技術創新水平的提升。

本研究遵循主流文獻的處理方法，采用資本錯配指數作為資本配置效率的逆向測度指標。具體而言，該指標呈現顯著的負相關關系：當資本錯配指數下降時，表明資本配置效率提升；反之，資本錯配指數升高則意味著資本配置效率降低。本研究參考白俊紅和劉宇英（2018）的研究方法，對資本錯配指數進行度量[16]，其計算公式是：

在上面這個式子中， γ_Ki 為資本價格扭曲系數，計算公式是：

在上述公式中，第 i 省產出在總產出中所占的比例用 來表示，第i省所用資本在總資本中所占的比例用Ki/K來表示。第i省在有效配置資本時所用資本的比例用 _siβ_Ki/β_K 來表示，其中通過生產函數估算出的資本產出彈性用 β_κi 來表示，地區資本的錯配程度用 γ_/Ki 來反映。本文采用索洛余值法進行資本產出彈性的測算。假設生產函數是規模報酬不變的Cobb-Douglas（C-D）生產函數，其函數形式是：

對等號兩側進行對數，并在模型中加入個體的影響和時間的影響，可以得到：

在上述式子中， Υ_it 代表產出變量，采用省份實際經濟發展水平來衡量； K_it 代表資本投人量，引用張軍（2004）的方法，用永續盤存量來核算[17]。 L_it 代表勞動投入量，使用年平均就業人數來衡量。在對資本配置的估算過程中，存在兩種不同的情況，一種是資本配置不足（ KMISlt;0 ），另一種是資本過度配置（ KMISgt;0 ）。為了更準確地衡量這種不平衡狀態，本研究借鑒了季書涵等人（2016）的研究方法，采用取絕對值的方法來計算資本錯配指數。資本錯配指數越大，表明該地區的資本錯配程度就越高[18] 。

4．控制變量

本研究通過引入經濟發展水平（GDP）[19]、人力資本水平（HC）[20]、城鎮化水平（UR）[21]、政府干預程度（FS）、產業結構（IS）、信息化水平（IL）和環境規制（ER）等控制變量，有效排除了其他潛在因素對研究結論的干擾，增強了實證分析的嚴謹性和解釋力。

本文選取的變量及其具體衡量指標如表1所示。

（三）數據來源

為確保實證分析能夠全面而精確地反映出中國各省份綠色信貸政策的實際效果，本文選擇2006年至2022年區間，涵蓋全國30個不同的省份（包括自治區和直轄市，除西藏），以構建一個廣泛的研究樣本范圍。這些樣本數據集不僅覆蓋了不同地區經濟發展的差異性，還確保了統計資料的多樣性和廣泛性，為后續的深人分析打下堅實基礎。

在綠色信貸方面的衡量指標中，特別關注了六大高耗能產業的利息支出情況。這些產業的選取是基于其高能耗、高排放特性以及對環境影響較大的事實。通過《中國工業統計年鑒》、《中國經濟普查年鑒》和《中國銀行業社會責任報告》收集到了這部分關鍵數據。這些數據集的準確性和可靠性得到了充分驗證，為研究提供了有力支持。

此外，在綠色技術創新領域，采取了更為細致和多元化的衡量方式。綠色專利申請量被視為衡量綠色技術創新水平的重要指標。為了獲取這類數據，參考世界知識產權組織（WIPO）發布的綠色技術清單，結合國家知識產權局公布的信息，對各地區的綠色專利申請量進行了詳細梳理和分類。值得注意的是，綠色專利申請量數據既包含綠色發明專利申請量也包括綠色實用新型專利申請量。這樣的分類方法使研究更加聚焦于有價值的綠色技術創新成果。

其他輔助性數據，如宏觀經濟指標、行業結構變化等主要來源于《中國統計年鑒》和國家統計局發布的官方報告。這些數據集為研究提供了更多角度的分析視角，幫助從更廣泛的層面理解綠色信貸與綠色技術創新之間的復雜關系。各變量描述性統計見表2。

五、實證分析

（一）基準回歸分析

基準回歸分析結果如表3所示。從檢驗結果（1）列來看，綠色信貸的回歸系數在 5% 的顯著性水平下呈現出顯著特征，具體數值為0.792。這一結果意味著，伴隨著我國綠色信貸水平的不斷提高，當綠色信貸每增加一個單位時，綠色技術創新水平平均會提升0.792個單位。第（2）列顯示，加入了經濟發展水平、人力資本水平、城鎮化水平、政府干預程度、產業結構、信息化水平和環境規制等控制變量后，綠色信貸的回歸系數在 1% 的顯著性水平下呈現出顯著特征，具體數值為0.751。結果依然顯著，且顯著程度提高，表示在控制變量的影響下，綠色信貸對綠色技術創新的積極作用更顯著，有效地驗證了假設H1，綠色信貸的發展對于我國綠色技術創新水平的提升具有顯著的促進作用。

（二）穩健性檢驗

本研究通過多種方法驗證了實證結果的穩健性，四個結果見表4的（1）～（4）。首先，本文更換不同的計量模型開展穩健性檢驗，采用動態面板系統GMM（GeneralizedMethodofMoments）模型進行穩健性檢驗。本研究注意到綠色技術創新活動存在顯著的滯后效應，前一期技術進步會對當期創新績效產生持續性影響。基于此，研究框架中納入了滯后一期的綠色技術創新變量。具體的檢驗結果呈現在表4的（1）列中。通過對實證結果的深入剖析可以發現，綠色信貸對綠色技術創新所起到的正向促進作用始終保持不變，并未因模型或變量的調整而發生改變。進一步觀察模型檢驗結果可知，AR（1）的P值為0.003，該數值遠小于0.1。根據相關理論，當AR（1）的P值小于0.1時，意味著模型的一階自相關問題得到了有效解決，模型的估計結果是可靠的。同時，AR（2）的P值為0.401，此數值大于0.1，這表明模型不存在二階自相關問題。此外，Hansen檢驗值也大于0.1，這說明模型的工具變量選擇是合理的，不存在過度識別的問題。其次，如表4列（2）將綠色信貸數據滯后一期，作為新的解釋變量進行回歸，發現結果仍然顯著，證明本研究具有穩健性。再次，現根據齊紹洲等（2018）研究，借鑒其中綠色技術創新水平的度量采用綠色專利授權數的做法，缺失值采用平均數代替，替換本文所用的因變量度量[22]，結果如表4（3）列所示，與前期結論高度一致。最后，基于我國綠色信貸政策的重要時間節點2012年，《綠色信貸指引》正式出臺，為克服樣本選擇偏誤，將研究區間調整為政策生效后的2012-2022年重新檢驗，發現綠色信貸對技術創新的正向促進作用仍穩定存在。上述四類穩健性檢驗均表明綠色信貸促進綠色技術創新的研究結論具有高度可靠性，未受方法差異或樣本范圍變動的影響，為核心論點提供了多維度的實證支撐。

（三）異質性分析

本研究注意到綠色信貸對綠色技術創新水平的影響可能與區域地理位置存在顯著關聯[23]。基于此，本文采用地理分區法，將研究樣本劃分為東部沿海發達地區、中部崛起省份及西部欠發達區域三個組別，深入考察綠色信貸政策對不同區域綠色技術創新的差異化影響機制。根據國家統計局標準，東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。

研究顯示，綠色信貸對綠色技術創新的區域影響呈現異質性。表5結果表明，東部地區綠色信貸系數為1.152（ 10% 顯著），西部地區為1.341（ 5% 顯著），均顯著促進綠色技術創新，而中部地區效應不顯著。究其原因，區域差異源于經濟基礎、產業結構和政策支持差異。東部依托成熟金融市場，綠色信貸高效引導綠色研發；西部雖經濟基礎較弱，但政策傾斜推動綠色金融快速發展，疊加產業結構調整需求，加速綠色轉型。中部因傳統產業占比較高，綠色信貸利用效率不足，導致創新激勵有限。這表明區域發展特征和政策適配性是綠色信貸效應分化的關鍵。

（四）內生性檢驗

本研究基于面板數據的工具變量法（IV）進行內生性處理，以克服綠色信貸（GC）與綠色技術創新（GTI）之間潛在的反向因果關系及遺漏變量問題。為解決這一問題，本文借鑒張杰等（2017）[24]和張璇等（2019）[25]的研究思路，采用各省份接壤地區的綠色信貸均值（GCV）作為工具變量，其滿足以下條件：（1）相關性：相鄰省份經濟關聯度高且存在顯著的模仿效應，綠色信貸發展具有空間自相關性；（2）外生性：鄰近省份的信貸決策無法直接影響本地GTI，避免了直接的政策干預路徑。如表6的（1）列，在第一階段的回歸過程中，所得到的F統計量具體數值為62.808。該F統計量與常規判斷標準中的數值10相比，明顯偏大。依據相關的統計學原理和檢驗規則，當F統計量遠大于10時，有足夠的依據拒絕“弱工具變量”這一原假設。運用工具變量來處理內生性問題，綠色信貸工具變量的系數估計值仍然顯著為正，這一結論強化了政策工具與技術創新之間的正向因果關系，表明前文回歸結果穩健。

（五）中介效應分析

為了檢驗研發投入和資本配置效率在綠色信貸對綠色技術創新的過程中存在的中介效應，進行中介效應分析。結果表7顯示，綠色信貸（GC）通過雙重路徑促進綠色技術創新。其一，見表6的第（1）列，GC顯著提升研發投入（RD），其系數為0.027（ 5% 顯著），表明政策通過緩解企業資金約束、激勵環境績效導向融資，直接驅動綠色技術研發。其二，見表6的第（2）列，GC對資本錯配程度（KMIS）的系數為-0.334（ 5% 顯著），說明政策通過限制高污染企業融資、引導信貸向綠色產業傾斜，優化資本配置效率。兩路徑協同作用下，綠色信貸既強化研發動力，又提高要素配置效能，形成技術創新與資本優化的良性循環。實證表明，綠色信貸能夠顯著增加研發投入，優化資本配置效率，繼而帶來綠色技術創新水平的提升，假設H2、

H3得到了驗證。

六、結論與政策建議

研究選取2006－2022年中國30個省份（除西藏）的面板數據，構建雙向固定效應模型進行分析，探討我國綠色信貸對綠色技術創新的影響，得到下述三個結論。第一，綠色信貸對綠色技術創新能力的提升具有顯著的促進作用。第二，綠色信貸對綠色技術創新的作用具有異質性，綠色信貸對中部地區的綠色技術創新的影響不顯著，而對東部和西部的綠色技術創新的作用顯著。第三，綠色信貸通過增加地區研發投入和提高資本配置效率的路徑，間接促進了綠色技術創新能力的提升。

基于上述研究結論，本研究提出以下政策建議。（1）實施差異化區域綠色信貸政策：東部地區可深化市場化工具創新，推動綠色信貸與碳交易、綠色債券聯動，強化技術轉化支持；西部地區需完善金融基礎設施，加大中央財政對生態資源豐富地區的定向補貼，引導信貸資源向清潔能源等特色產業傾斜；中部地區應重點優化產業結構，建立綠色信貸與產業轉型掛鉤的考核機制，通過稅收優惠激勵傳統企業綠色化改造，破解“政策響應惰性”。（2）強化研發投入與資本配置雙路徑支持：一方面，設立綠色技術研發專項基金，建立綠色專利質押融資優先通道；另一方面，健全資本錯配矯正機制，將環境績效納入銀行信貸風險評估模型，對高污染行業實施動態融資限額管理，精準引導資金流向低碳技術領域。（3）構建全周期綠色金融生態：一是升級綠色信貸目錄，細化技術先進性、碳減排貢獻度等指標，強化項目全生命周期環境效益追蹤；二是推動區域性綠色金融改革試點，鼓勵中西部與東部共建跨區域綠色項目庫；三是完善政策協同，將綠色信貸執行力度納入地方政府生態文明考核，形成“政策引導一市場響應一技術突破”的正向循環。

[參考文獻]

[1]王遙，潘冬陽，彭俞超，等.基于DSGE模型的綠色信貸激勵政策研究［J].金融研究，2019（11）.

[2]趙娜.綠色信貸是否促進了區域綠色技術創新——基于地區綠色專利數據[J].經濟問題，2021（6）.

[3]LIUF，XIA Z，LEECC.Does green credit benefit the cleanenergy technological innovation and how？ The policy cateringbehavior of enterprises[J]. Journal of Cleaner Production，2024，444.

[4]CHENY，ZHANG Y，WANG M.Green credit，financialregulation and corporate green innovation：Evidence fromChina[J].Finance Research Letters，2024，59.

[5]李戎，劉璐茜.綠色金融與企業綠色創新[J].武漢大學學報（哲學社會科學版），2021，74（6）.

[6]曹廷求，張翠燕，楊雪.綠色信貸政策的綠色效果及影響機制——基于中國上市公司綠色專利數據的證據［J].金融論壇，2021，26（5）.

[7]季宇，姜金涵，宋蘭旗．綠色信貸對低碳技術進步的影響研究——基于中國省級面板數據的實證檢驗[J].云南財經大學學報，2021，37（9）.

[8]LIU S，XU R，CHEN X.Does green credit affect the greeninnovation performance of high -polluting and energy-in-tensive enterprises？ Evidence from a quasi-natural experi-ment[J].Environmental Science and Pollution Research，2021，28（46）.

[9]葉紅雨，吳小倩.綠色信貸政策、綠色技術創新與企業轉型升級 基于市場競爭的調節作用［J].西部經濟管理論壇，2022，33（2）.

[10]CHEN Z， ZHANG Y，WANG H，等. Can green credit pol-icy promote low- carbon technology innovation？［J]. Jour-nal of Cleaner Production， 2022，359.

[11]何凌云，梁宵，楊曉蕾，等.綠色信貸能促進環保企業技術創新嗎[J].金融經濟學研究，2019，34（5）：109-121.

[12]溫忠麟，葉寶娟．中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）.

[13]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（5）.

[14]陳孝明，何思華，馮銳.數字金融對企業綠色技術創新的激勵效應研究[J]．武漢金融，2022（12）.

[15]謝婷婷，劉錦華.綠色信貸如何影響中國綠色經濟增長？[J].中國人口·資源與環境，2019，29（9）.

[16]劉宇英，白俊紅.區域市場整合、貿易開放與資源錯配[J].南大商學評論，2018（3）.

[17]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000[J].經濟研究，2004（10）.

[18]季書涵，朱英明，張鑫.產業集聚對資源錯配的改善效果研究[J].中國工業經濟，2016（6）：73-90.

[19]黃孝武，宗樹旺，林永康．綠色金融發展的區域差異及創新效應[J].統計與決策，2022，38（24）.

[20]錢晶晶，鐘韻，張橫峰.金融集聚與經濟高質量發展-基于技術創新的中介效應分析［J].金融經濟學研究，2021，36（6）.

[21]馮蘭剛，陽文麗，趙慶，等.綠色金融對工業污染影響效應的統計檢驗[J]．統計與決策，2022，38（6）.

[22]齊紹洲，林，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）.

[23]安同信，趙晶，侯雨婷．綠色金融對中國區域綠色技術創新的影響研究［J]．山東理工大學學報（社會科學版），2024，40（5）.

[24]張杰，鄭文平，新夫.中國的銀行管制放松、結構性競爭和企業創新[J/OL].中國工業經濟，2017（10）.

[25]張璇，李子健，李春濤.銀行業競爭、融資約束與企業創新——中國工業企業的經驗證據［J].金融研究，2019（10）.