金融发展、环境规制与绿色全要素生产率

倪瑛 陈柏云 王忆雯

摘 要：选择2006～2015年中国内地30个省、直辖市、自治区面板数据，运用DEA-BCC模型、熵值法测算绿色全要素生产率，采用空间杜宾模型研究金融发展和环境规制对绿色全要素生产率的空间溢出效应。研究结果表明：（1）中国省域绿色全要素生产率存在显著的空间溢出效应，即本地区绿色全要素生产率的发展会促进周边地区绿色全要素生产率;（2）单一的金融发展和环境规制对绿色全要素生产率有一定的促进作用;（3）现阶段，“金融发展-环境规制”相结合的模式抑制了绿色全要素生产率。为此，应不断深化金融体制改革，优化金融发展成效;完善环境规制体系，合理进行污染治理投资;制定适宜环境规制政策，结合考虑金融发展。

关键词：金融发展;环境规制;绿色全要素生产率;空间杜宾模型

文章编号：2095-5960（2020）03-0012-10;中图分类号：F127，F832，X321;文献标识码：A

一、引言

改革开放以来，我国经济实现了长达30多年的高速增长，GDP的年均增速超过了10%，然而，高投入、高消耗、高污染、低质量、低效益、低产出的粗放型增长模式已使得中国可持续发展面临沉重的负担。目前，我国进入增速换挡期、调整阵痛期和前期政策消化期“三期叠加”阶段，面临着结构转型升级和新旧动能持续转换两大难题，为了坚持绿色发展路线，现阶段我国必须转变经济发展方式，实现高质量增长。由此诞生了综合考虑能源消耗和污染排放等因素的绿色全要素生产率，它是绿色发展的本质，也是实现我国节能减排和经济增长双赢发展的关键所在。

金融发展与全要素生产率的关系较早受到国外学界关注，从最初的金融结构观到后来的金融功能观， 逐渐重视金融发展的质量，认为金融发展主要通过信贷配给、资源配置、风险分散等方面为投资者提供有效信息，改善信息不对称问题，从而有利于资金配置效率的提高，促进创新型、高效率的企业的发展，从而促进全要素生产率的提高。[1][2]伴随着中国金融体制改革和金融发展，国内近几年也有学者关注金融发展对中国绿色全要素生产率增长的影响，张帆（2017）[3]通过构建一个包含金融发展与绿色全要素生产率的熊特内生增长模型，在同一个理论框架下对比研究了全要素生产率和绿色全要素生产率，研究结果表明金融发展能够促进绿色全要素生产率增长。葛鹏飞等（2018）[4]使用“一带一路”跨国面板数据以创新为门槛变量构建门限模型来探究金融发展与绿色全要素生产率的关系，研究发现，金融发展与绿色全要素生产负相关，创新异质性的渠道效应显著。

环境规制作为解决污染外部性的一种非市场干预，对满足人们日益美好生态环境需求以及实现绿色转型的长期目标意义重大。然而环境规制对经济的影响，尤其是对生产率的影响，仍未达成一致的口径。反对者认为，环境规制对生态效率的改进和经济增长没有明显的促进作用[5-7];支持者认为环境规制有利于技术创新，提高环境质量[8][9]，原毅军、谢荣辉（2015）[10]从生态效率的角度验证了环境规制对绿色全要素生产率具有促进作用，这一结果支持了“波特假说”。也有学者认为，环境规制与绿色全要素之间不是简单了线性关系，而是呈现“倒U型关系”[11-13]。鲜有学者研究金融发展、环境规制和绿色全要素生产率三者关系的相关文献。王伟和孙芳城（2018）[14]以长江经济带107个城市2003～2015年面板数据为样本，基于动态面板模型研究发现金融发展和环境规制显著地促进了绿色全要素生产率增长，且金融发展与环境规制对绿色全要素生产率增长产生了协同影响。

纵观上述国内外文献，尽管已有研究在相关领域得出了较为丰富的结论，并为新时代促进绿色全要素生产率奠定了良好的基础，但仍存在如下问题有待深入研究：金融发展和环境规制是否能够促进绿色全要素生产率，是否存在空间溢出效应，是否需要进一步考虑金融发展或其他中介变量相互作用对绿色全要素生产率的影响？从现有的文献来看，从单一视角对区域展开的研究较多，关于金融发展、环境规制和绿色全要素生产率三者相互关系的探讨较少，且鲜有考虑空间溢出效应。因此，本文在借鉴现有研究文献的基础上：首先，構建0-1邻接空间权重矩阵，结合空间杜宾模型对金融发展、环境规制与绿色全要素生产率之间的关系进行分析;第二，采用空间计量模型偏微分方法进行效应分解， 得到直接效应和间接效应，更为全面地得到本地区金融发展和环境规制的空间溢出效应对周边地区绿色算要素生产率产生的影响， 以期为区域协调发展提供有价值的参考和建议。

二、理论分析

绿色全要素生产率的提高是实现绿色发展的关键，而金融体系的发展可以优化资源配置和促进技术创新，无疑对绿色全要素生产率的提高具有影响。各地区间均存在着某种竞争与合作并存的金融活动，并且这种金融活动的空间关联程度日渐加强，也就是存在着空间关联性，并且会对邻近地区产生一定程度的溢出效应。金融发展对绿色全要素生产率的空间关联及其溢出效应的实现依赖于空间基础，即邻近地区间具有金融溢出的天然优势。当边缘地区的金融资源都向某一中心地区集中时，会使该中心地区的金融快速发展。为了追求绿色发展，这就要求金融机构在资源配置过程中降低甚至限制资源向高污染行业及企业的流动。在信贷配给方面，发达的金融体系有利于改善资金需求双方的信息不对称。例如在贷前审查时，倾向于将资金流入污染小的清洁型企业;在事后监督时，可以防止企业将资金用于高污染项目的投资，降低企业的道德风险。并且随着技术水平的提高，绿色全要素生产率将会逐步提升。在风险分散方面，发达的金融体系能提供更大规模的融资，保证企业技术创新的可持续性，从而提高绿色全要素生产率。短时间内边缘地区的金融发展由于资源流失而发展缓慢，但长期来看，金融发展水平较高的中心地区通过向边缘地区设立分支机构、输送技术和管理人才等带动边缘地区金融发展，同样进一步地影响到绿色全要素生产率的提升，产生一定的空间溢出效应，逐步缩小中心地区与边缘地区的差距。

目前，关于环境规制对绿色全要素生产率影响的研究有两个方面。一是“循序成本效应”，由新古典经济学派提出，认为环境规制必然会导致企业增加额外成本，并且制约企业的技术创新，从而抑制绿色全要生产率。二是“技术创新补偿效应”（波特假说）认为严格且合理的环境规制可以激发企业进行技术创新，从而能够部分甚至完全抵消企业的“遵循成本”。环境规制对绿色全要素生产率的空间关联及其溢出效应，在短期内体现为企业会由于环境规制强度而导致生产成本上升，进而采取缩减规模、降低劳动力投入等措施，使得劳动力向外流动，但是从长期来看，环境规制能够倒逼高污染企业进行技术创新，即采用清洁技术进行生产，这种创新补偿效应会使得企业加大对清洁技术的研发和投入，吸引高技能人员投入技术创新，进而促进该地区企业的技术优化升级，进一步影响绿色全要素生产力。

由于环境规制会增加企业的污染治理支出和新技术研发投入，企业必然增加融资需求，所以借助于发达的金融体系，企业更容易获得大量融资，企业可以借助这笔资金度过技术滞后阶段，有利于企业的长期发展。也就是说，合理的环境规制配合金融发展的调节能够实现污染治理与技术创新之间的“共赢”。并且，环境规制能够为金融机构甄别潜在产出大的企业，优化金融机构的资源配置效率。但是评判一个地区金融体系的发达程度不是一个决定化标准，如何制定与地区金融发展水平相适应的环境规制强度，从而使得金融发展和环境规制协调影响绿色全要素生产率是一个难题。

三、研究设计

（一）变量选取及数据来源

本研究选取中国内地30个省、直辖市、自治区（由于西藏数据缺失严重，为了保证数据的平稳性，故剔除西藏地区）2006～2015年的面板数据。变量数据主要来源于《中国环境统计年鉴》《中国金融统计年鉴》《中国劳动统计年鉴》、各省市统计年鉴。

1.被解释变量：绿色全要素生产率（GTFP）。本文采用DEA-BCC测算绿色全要素生产率。BCC模型在数据包络分析（DEA）的基础上，将CCR模型规模报酬固定假设改为可变（VRS），将技术效率分解为纯技术效率与规模效率的乘积，来衡量决策单元（DMU）的技术效率与规模效率。假设一共有n个决策单元，每个DMU的输入有m种，输出有s种，其公式可表示如下：

式中，Xij为第j个DMU对第i种类型输入的投入总量;Yrj为第j个DMU对第r种类型输出的产出总量;ε为阿基米德数;θ为DMU的有效值;λj为决策变量;S-i和S+r分别为输入和输出的松弛变量;Xi0和Yr0为DMU0对应的输入值和输出值。

传统的全要素生产率主要以资本和劳动作为投入要素，而绿色全要素生产率则增加了能源投入和环境污染要素，以学者的研究为基础，本研究以资本、劳动和能源消费作为投入要素，以经过环境污染指数调整的“绿色产出”[15]作为产出要素。具体投入和产出要素的处理情况如下：①投入指标。劳动投入采用各省历年就业人员数来表示;资本投入用固定资产存量衡量，此数据无法直接获得，需要进行计算，本文主要借鉴张军（2004）[16]采用的永续盘存法：Kit=Kit-1（1-δit）+Iit，其中Kit为研究样本i地区t时期的固定资本存量，Kit-1为i地区t-1时期的资本存量，δ表示固定资本折旧率（取值9.6%），Iit为样本i地区第t期的实际固定资本形成总额;能源投入采用能源消耗总量表示。②产出指标。通过熵值法构建环境污染指数EPI来表示非期望产出部分，在此基础上用期望产出GDP（以2006年为基期进行平减处理）减去环境污染的产出部分，得到绿色产出EDP。由于数据的可获得性，参考胡晓珍等人（2011）[17]选取工业废气排放量、工业废水排放量，工业烟（粉）尘排放量代表非期望产出的指标。

2.解释变量：环境规制（REG）。目前衡量环境规制指标的方法没有统一，其中运用最多的分别是：一是使用单一污染物的治理效果衡量环境规制强度[18];二是运用熵值法构建综合指数评价环境规制水平[19][20];三是利用各种污染物排放数据，测算综合污染强度作为环境规制的代理变量[21];四是采用污染治理费用占行业总产值或者总费用的比重來衡量环境规制强度[22][23]。由于前三种衡量环境规制的方法以利用线性标准化为主，会丧失不同时期环境规制强度的可比性，因此本研究采用第四种方法作为衡量环境规制的指标，即采用治理工业污染项目投资额占工业增加值的比重衡量环境规制强度。

3.调节变量：金融发展（FIN）。本研究采用金融集聚水平作为金融发展的代理变量，通过区位熵计算各省份金融集聚指数，公式为：LQij=（qij/pij）/（qj/pj）。LQij就是i地区金融业在j时期的区位熵，qij为i地区金融业j时期的金融业生产总值，pij为i地区j时期的总人口数，qj为全国金融业j时期的金融业生产总值;pj为全国j时期的总人口数。

4.控制变量。参考已有研究成果，本研究选取的控制变量包括产业结构、人力资本状况、基础设施、能源结构等。产业结构（IS）：合理的产业结构带来的技术进步将有助于绿色全要素生产率的提升，反之亦然。选取第二产业增加值占国内生产值的比重表示，预期不确定。人力资本（HC）：人力资本是经济发展的必要因素之一，可促进经济增长和技术进步，从而为绿色全要素生产率提升提供支撑。使用就业人员受教育程度表示人力资本，用HC=6×E1+9×E2+12×E3+16×E4来计算，其中E1、E2、E3和E4分别表示各省就业人口中的小学、初中、高中、大专及以上毕业人数就业比例，预期为正。基础设施（INF）：基础设施的改善能为经济增长提供便利的外部环境，从而降低经济运行成本，加快产业结构转换，间接地促进绿色全要素生产率的提升。选取公路和铁路的总里程除以省域面积来表示，预期为正。能源消耗水平（EC）：随着工业化进程的加快，以能源消耗为主的产业结构是破坏生态环境的主要方式，减少能源消耗是可持续性发展的必经之路。选取地区能源消耗量取对数表示，预期为负。

（二）模型构建

绿色全要素生产率在我国呈现出空间分布现象，即本地区的绿色全要素生产率受到周边地区绿色全要素生产率的影响，各地区之间的绿色全要素生产率存在空间溢出效应。因此，可借助空间地理因素建立模型，探究金融发展、环境规制与绿色全要素生产率之间存在的空间关联性，并且整个区域绿色全要素生产率还会随区域间的相互影响发生变化，具有一定的空间动态性特征。

1.空间计量模型。空间杜宾模型（SDM）综合了空间误差模型（SEM）和空间滞后模型（SLM）的优点，既能够考虑被解释变量和解释变量的空间依赖性，又能够考虑随机误差冲击的空间影响。因此，本研究选取空间杜宾模型，以便很好地反映绿色全要素生产率（GTFP）的空间溢出效应。SDM模型设定如下：

式中，ρ为本地区绿色全要素生产率对周边地区绿色全要素生产率的影响系数。当ρ>0时，表明相邻地区间存在空间溢出效应;当ρ<0时，表明相邻地区间存在空间负效应。X包含产业结构、人力资本、基础设施和能源结构等控制变量;φi和νt分别表示地区效应和时间效应;ψ表示残差之间的空间相关性;εit为随机误差项;i和t表示地区个体和时间维度。若ρ≠0、θ=0、ψ=0，则上式为空间滞后模型（SLM）;若ρ=0、θ=0、ψ≠0，则上式为空间误差模型（SEM）;若ρ≠0、θ≠0、ψ=0，则上式为空间杜宾模型（SDM）。同时，采用Wald检验和LR检验对 SLM、SEM、SDM 进行筛选，如果检验都拒绝H0：θ=0和H0：θ+ρβ=0的原假设，则选择SDM;若接受其中一个原假设，则在SLM、SEM之间进行选择。

为考察金融发展对环境规制促进绿色全要素生产率的中介效应，本研究在上式模型的基础上引入金融发展与环境规制的交互项REGit×FINit，反映环境规制通过金融发展对绿色全要素生产率的影响。

如果REGit×FINit的回归系数不显著，说明交互作用没有显著影响绿色全要素生产率;如果環境规划REGit的回归系数不显著或显著为负，而REGit×FINit的回归系数显著，说明环境规制对促进绿色全要素生产率作用不明显，需与金融发展相结合才能产生显著促进作用;如果金融发展FINit的回归系数不显著，而REGit×FINit的回归系数显著，则说明环境规制能够直接促进绿色全要素生产率，不需依赖金融发展。

2.直接效应和间接效应。许多实证研究使用一个或者多个空间回归模型的点估计来检验是否存在空间溢出效应。然而，LeSage和Pace[24]认为利用点估计检验溢出效应可能存在偏误，而且不同模型设定中变量的变化影响了偏微分方程。因此，为准确估计解释变量对被解释变量的影响程度，LeSage和Pace通过偏微分方法将SDM模型中的参数向量θ分解为直接效应和间接效应。空间杜宾模型的向量形式可以表示为：

3.空间相关性分析。本研究采用Morans I指数来检验变量是否存在区域关联性与空间依赖性，Morans I指数计算公式为：

其中S2=12∑ni=1（Yi-Y）2;Y=1n∑ni=1Yi;Yi为第i个地区的指标值，n为地区总数，Wij为0-1邻接空间权重矩阵，如果两地区相邻，则权重值为1;如果两地区不相邻，则权重值为0，最后将其标准化。一般来说，Morans I指数的取值范围为[-1，1]，大于0时表明变量在空间上表现出正相关，小于0时表明变量在空间上表现出负相关，等于0时表明变量在空间上表现出随机性，不存在空间相关性。

四、实证结果与分析

（一）空间相关性检验

利用MATLAB按照Morans I指数定义公式分别计算2006～2015年金融发展、环境规制、绿色全要素生产率Morans I指数，并得出相应的Z值表1所示。从表1可知，2006～2015年金融发展、环境规制和绿色全要素生产率的Morans I指数均为正值且通过统计显著性水平，这表明金融发展、环境规制和绿色全要素生产率在空间范围内存在显著正向空间相关性，具有空间集聚特征。因此，构建金融发展、环境规制与绿色全要素生产率影响模型时应考虑空间效应才符合客观事实。

空间联系局部相关性的Morans I指数散点图作为衡量观测单元属性与周边单元相近或差异程度的一种方法，为了体现简单的对比分析，本文仅给出2006年和2015年各省绿色全要素生产率局部空间散点图，如图1所示。

1.金融发展。金融发展对绿色全要素生产率的影响具有显著的正向直接效应及空间溢出效应，金融发展不但能显著提升本地区的绿色全要素生产率，而且能通过空间溢出效应，提升周边地区的绿色全要素生产率。一般而言，金融发展水平每提高1%，将会提升本地区绿色全要素生产率0.0418%，同时提升周边地区绿色全要素生产率0.1674%，对本地区和周边地区的总提升效率为0.2092%。事实上，金融发展一方面通过“资本支持效应”“资本配置效应”“风险分散效应”“企业监督效应”和“绿色金融效应”支持本地区低污染产业和企业发展，以及支持绿色技术创新，推动技术进步来提高绿色全要素生产率，从而达到减少环境污染的效果;另一方面金融发展可通过“磁铁效应”“扩散效应”和“外部效应”形成金融资源数量增加、质量提升的内在机制，推动形成规模经济、技术经济等发展格局，从而达到提升周边地区绿色全要素生产率。

2.环境规制。环境规制对绿色全要素生产率的直接效应通过1%显著性检验，且系数为正，表明环境规制对绿色全要素生产率产生了积极影响，这主要是由于严格的环境规制将促使地区产业率先发展与环境相兼容的创新技术并且促使传统生产工艺向环保型、节能型新型生产工艺转型，达到环境清洁与经济增长的双赢，这就验证“波特假说”的存在性，在中国经济发展体系下，环境规制能够促使一个地区从长远发展考虑主动进行技术创新。环境规制的间接效应显著为正，说明环境规制强度具有明显外溢效应。

[7]陈超凡.中国工业绿色全要素生产率及其影响因素——基于ML生产率指数及动态面板模型的实证研究[J].统计研究，2016（3）：53～62.

[8]Eli Berman， Linda T. M. Bui. Environmental Regulation and Productivity：
Evidence from Oil Refineries. 2001（3）：498～510.

[9]Bruce R. Domazlicky， William L. Weber. Does Environmental Protection Lead to Slower Productivity Growth in the Chemical Industry [J].Environmental and Resource Economics， 2004，28：
301～324.

[10]原毅军，谢荣辉.产业集聚、技术创新与环境污染的内在联系[J].科学学研究，2015（9）：1340～1348.

[11]殷宝庆.环境规制与我国制造业绿色全要素生产率——基于国际垂直专业化视角的实证[J].中国人口.资源与环境，2012（12）：60～66.

[12]李玲，陶锋.中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J].中国工业经济，2012（5）：70～82.

[13]刘和旺，左文婷.环境规制对我国省际绿色全要素生产率的影响[J].统计与决策，2016（9）：141～145.

[14]王伟，孙芳城.金融发展、环境规制与长江经济带绿色全要素生产率增长[J].西南民族大学学报，2018（1）：129～137.

[15]朱承亮，岳宏志，师萍.环境约束下的中国经济增长效率研究[J].数量经济技術经济研究，2011（5）：3～20，93.

[16]张军，吴桂英，张吉鹏.中国省级物质资本存量估算：1952～2000[J].经济研究，2004（10）：35～44.

[17]胡晓珍，杨龙.中国区域绿色全要素生产率增长差异及收敛分析[J].财经研究，2011（4）：123～134.

[18]张成，郭炳南，于同申.环境规制强度对行业生产技术进步的非线性影响[J].中国科技论坛，2014（1）：57～61，75.

[19]李斌，彭星，陈柱华.环境规制、FDI与中国治污技术创新——基于省际动态面板数据的分析[J].财经研究，2011（10）：92～102.

[20]李玲，陶锋.中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J].中国工业经济，2012（5）：70～82.

[21]蒋伏心，王竹君，白俊红.环境规制对技术创新影响的双重效应——基于江苏制造业动态面板数据的实证研究[J].中国工业经济，2013（7）：44～55.

[22]赵红.环境规制对产业技术创新的影响——基于中国面板数据的实证分析[J].产业经济研究，2008（3）：35～40.

[23]张成，陆旸，郭路，于同申.环境规制强度和生产技术进步[J].经济研究，2011（2）：113～124.

[24]JP Lesage， RK Pace.Introduction to Spatial Econometrics[M].CRC Press， 2009（2）：513～514.

[25]Anselin L. Spatial Econometrics：
Methods and Models[M]. Dor-drecht：Kluwer Academic Publishers， 1988.