金融發展、技術進步與中國低碳經濟增長效率

摘要：通過建立包含非期望產出的非徑向、非角度的SBM 模型，文章測算了中國1998—2015年各個省份的低碳經濟增長效率，然后在此基礎上分析了低碳經濟增長效率的區域差異性和空間相關性，最后建立空間面板數據模型，實證考察了金融發展、技術進步對低碳經濟增長效率的影響。實證結果表明：在樣本期間，中國低碳經濟增長效率表現出較強的省域差異性，東部沿海省份的低碳經濟增長效率較高，而大多數中西部內陸省份的低碳經濟增長效率則相對較低；省際低碳經濟增長效率在空間上并非呈隨機分布的特征，鄰近省份表現出顯著的空間模仿效應，具有明顯的集群趨勢；空間計量模型的實證結果顯示，通過對金融發展水平指標分解發現，金融發展規模對低碳經濟增長效率的影響不顯著，而金融發展結構對低碳經濟增長效率具有顯著的正向影響；以專利授權量、對外貿易和外商直接投資為表征的技術進步均能顯著地提升低碳經濟增長效率；此外，人力資本對低碳經濟發展有顯著的正向影響，能源消費結構、政府干預和城鎮化則對低碳經濟發展有明顯的抑制作用。

關鍵詞：金融發展；技術進步；低碳經濟增長效率；空間面板數據模型

中圖分類號：F2240；F0622 文獻標志碼：A 文章編號：10085831（2018）03001316

一、研究問題與文獻回顧

伴隨著中國大力推進改革開放，經濟發展水平快速提高，居民的生活水平實現了大幅度提升，同時也消費了大量的化石能源并帶來嚴峻的環境問題。2013年中國已經超過美國成為第一大能源消費國家，其能源消費總量已經達到37.5億噸標準煤，占世界整體能源消費總量的22.4%。與此同時，二氧化碳排放量仍處于快速增加的階段，其二氧化碳排放量已經占到世界總水平的29%。與其他先進國家相比較，中國單位GDP的能耗仍然較高，其2012年的能耗水平是日本的7倍，美國的3.3倍，世界平均水平的2.5倍，高于同期的巴西、墨西哥等發展中國家。此外，從全球權威機構發布的關于衡量國家低碳經濟水平指標的環境績效指數（EPI）看，2012年中國在全世界排名僅僅為116名，相較于2006年的94名，足足下降了22位之多。由此可見，當前中國的低碳經濟發展水平相對較低。但是鑒于2009年中國在哥本哈根世界氣候大會上作出的重要承諾，到2020年中國單位GDP的CO2排放量在現有的基礎上將下降40%～45%，因而加快地區經濟發展的低碳轉型已經刻不容緩。如何順利實現地區的低碳經濟發展轉型，通過何種渠道實現低碳經濟發展轉型，是當前中國政府最為關心的問題。有鑒于此，當前中國政府多次強調要充分發揮地區金融、技術等要素的作用，大力倡導實現金融發展與企業技術創新的深度融合，利用金融發展和技術進步驅動經濟發展的低碳轉型。那么，中國低碳經濟增長轉型究竟如何衡量？金融發展對中國低碳經濟發展起到什么作用？技術進步對低碳經濟轉型的影響又是如何？在此基礎上，如何更好地通過金融發展和技術進步以促進中國低碳經濟轉型，這是本文所要關注的重要問題。

近幾年，金融和技術等要素對于實現地區低碳經濟轉型的影響日益受到學術界的關注。當前金融發展對于地區低碳經濟轉型究竟起到何種影響，學術界已有的研究成果主要集中在以下兩個方面：一是金融發展對低碳經濟發展轉型起到促進作用。金融市場越發達，借貸成本越低，不僅越能夠提高能源部門的投資效率，而且越有利于進一步降低能耗水平；與此同時，隨著金融市場逐漸發展成熟，國家可以以較低的借貸成本獲得信貸資金，將其投資于有利于環保的綠色項目上[1]。Frankel和Romer[2]明確指出，金融發展有利于促進經濟發展和減少污染物的排放。二是金融發展也可能對低碳經濟轉型起到抑制作用。徐楓[3]、蒲成毅和潘小軍[4]均認為，隨著中國金融市場規模的不斷擴大，為企業的擴大再生產提供了資金支持。企業過度重視追求生產規模的擴大，不注重減排措施的更新，往往會帶來污染物數量的增加，這顯然對低碳經濟轉型帶來不利的影響。

與此同時，目前也有不少學者重點關注技術進步對低碳經濟轉型的重要作用，并且取得了不少相對成熟的研究成果。概括而言，當前研究成果可以劃分為三種觀點：第一，技術進步能顯著地促進低碳經濟增長，趙昕和郭晶[5]、楊會香和龔唯平 [6]均認為技術進步有利于促進節能減排，是實現中國低碳經濟發展轉型的關鍵力量。第二，技術進步亦可能對低碳經濟發展產生抑制作用，例如，張兵兵等[7]認為，技術進步能夠使能源消費產生“回彈效應”，反而不利于地區實現經濟發展的低碳轉型。第三，技術進步對低碳經濟增長影響具有不確定性，劉亦文等[8]從技術進步周期的角度出發，認為技術進步對低碳經濟發展的影響存在著長短期的差異，技術進步在短期內有利于促進低碳經濟發展，長期內技術進步盡管帶來效率的提高（尤其是重工業），但是卻導致碳排放增加，進而對低碳經濟發展產生了不利的影響。

縱觀已有的研究成果，不少學者從金融發展或者技術進步等角度對低碳經濟轉型的影響進行了大量研究，但是鮮有研究將金融發展、技術進步對低碳經濟增長轉型的影響納入一個統一的研究框架之內。與此同時，不少學者在衡量金融發展和技術進步時，均使用單一指標加以衡量，這與現實中金融發展和技術進步日益復雜化不符[9]。此外，本文所要考察的低碳經濟轉型，已經不再是地區性的問題，而是涉及全局性的重要問題。由于地區之間存在著強烈模仿機制和溢出效應，這就使得某個地區在經濟發展過程中與鄰近省份有著密切的關系。某個地區的金融發展、技術進步也會對其他地區產生影響，這就表現為典型的空間溢出效應。但是，傳統的計量方法應用的前提是假設被考察區域作為獨立個體而存在的，相互之間不存在任何聯系，因而該方法不可能將這種空間溢出效應考察在內。與傳統計量方法相比，空間計量方法充分考慮了區域之間的空間效應，是比較適合本文的實證方法。與以往研究相比，本文可能在以下三個方面實現了創新：第一，已有的文獻在衡量地區低碳經濟轉型時，往往只從定性角度加以考量，缺乏相對客觀的定量指標，而本文采用低碳經濟的全要素生產率（TFP）作為衡量地區低碳經濟發展的定量指標，能夠客觀地把握地區經濟低碳轉型的程度；第二，在金融發展和技術進步指標的設計上，本文對衡量兩者變量的指標予以分解，有利于克服單一指標存在的缺陷；第三，在實證方法上，基于中國1998—2015年30個省份的面板數據，首先本文采用SBM方法測度出各個省份的低碳經濟增長效率，其次采用空間自相關系數考察了其空間相關性，最后建立空間計量模型實證分析了金融發展、技術進步對低碳經濟增長效率的影響，有利于提高整個模型估計的準確度。

二、低碳經濟增長轉型的測算方法及指標選擇

（一）非徑向、非角度的SBM模型

SBM模型是DEA中最為常見的方法之一，最先由學者Tone[10]在2001年建立。相比較于投入導向（inputoriented）或產出導向（outputoriented）等兩種傳統的DEA模型，SBM的最大特點是將上述兩種模型的優點加以吸收綜合，從而最大程度地考慮投入與產出變量可能存在的改進空間，最終測算出0～1之間的效率值。假定構建一個包含n個決策單元的完整生產體系，在生產體系運行過程中，m單位的生產要素被投入其中，生產出期望產出和非期望產出兩種產出結果，分別用單位數量s1和s2來表示。假定X=（x1，x2，...，xn）∈Rm×n+為要素投入，

Yg=（yg1，yg2，…，ygn）∈RS1×n+

其中：該等式表明生產技術模型具有非期望產出和期望產出零結合性及聯合弱可處置性等重要特征，而不等式的約束條件則意味著投入要素和期望產出表現出強可處置性的特點，λ是衡量橫截面觀察值大小的正值權重。借鑒Zhang和Choi[11]的研究，本文使用SBM模型來處理該生產技術模型的這些特征，這個過程可以被描述為：

其中，sx-∈Rm、sy+∈Rd、sb-∈Ru分別代表投入要素、期望產出和非期望產出的松馳變量，假如這些松馳變量的取值存在大于零的情況，則意味著有投入過多、期望產出不足、非期望產出過多等現象。ρ等式中的分子意味著，假如生產單元中未能達到生產前沿，則投入可以減少一定的比重，即投入無效率；等式中的分母則意味著同樣的生產單元未能達到生產前沿，則產出可以增加一定的比重，即產出無效率。對于整個DMU而說，只有達到ρ=1條件時，即滿足sx-=0、sy+=0、sb-=0等前提下，整個生產技術才是效率的；假如ρ<1，則意味著整個DMU是處于無效狀態，通過消除投入與產出的松馳，可以使整個非有效單元改進為有效的決策單元。

（二）低碳經濟增長效率函數

隨著中國經濟發展軌跡逐步處于一種“新常態”的局面下，傳統的僅僅依靠資金、能源等要素驅動的粗放型經濟增長模式已經過時，與當前國家倡導的“低碳社會”戰略已經不相適應，取而代之的是社會更加關注依靠全要素生產率（TFP）的增長。在經濟增長評價標準上，長期唯GDP至上的經濟評價體系已經過時，能源和環境作為重要的考核指標而被納入其中。因此，單純的經濟總量增長已經不能成為低碳經濟發展的衡量標準，取而代之是全要素生產率（TFP）的增長。特別是當下關于低碳經濟全要素生產率增長的測度和考核成為低碳領域的研究重點。但是目前關于全要素生產率的考核中，其投入和產出只局限于能源、資本、勞動力、二氧化碳和GDP等，忽略了影響低碳經濟發展的另外一種要素：碳匯。雷明和虞曉雯[12]在其關于低碳經濟轉型的研究中，將“造林面積”作為將形成“碳匯”的主要因素，提出了碳循環全要素生產率。借鑒該思路，本文提出了低碳經濟增長效率，又稱低碳經濟的全要素生產率（TFP），這是一個包含資本、勞動力、能源消耗、造林面積、GDP和CO2的評價體系。與以往評價全要素生產率體系不同的是，該評價體系的最大特色是，將植樹造林作為投入納入評價系統中。在整個低碳經濟增長效率評價體系中，資本存量、勞動力投入、能源消耗和植樹造林等四種基本要素被投入到評價體系之中，為方便計算，這四種要素分別用字母K、L、E、F予以表征。產出變量則由各省的實際GDP和二氧化碳排放量兩種產出結果構成，其中前者是期望產出變量，用字母y來表示，后者則是非期望產出變量，用字母b來表示。本文賦予資本（K）、勞動力（L）、能源消耗（E）、造林面積（F）、GDP（y）和二氧化碳排放量（b）一定的權重值，分別賦予1/8、1/8、1/8、1/8、1/4和1/4等權重。根據Cooper等[13]的理論成果，分別定義投入無效率、期望產出無效率和非期望產出無效率的方程表達式為：

三、區域低碳經濟增長效率評價及空間相關性分析

（一）變量說明和數據來源

根據前文所定義的四種投入要素和兩種產出變量，我們這里需要對其進行概念的闡述。各個變量具體含義如下：（1）資本存量。根據單豪杰[14]的研究成果，使用計算公式為Ki，t=Ii，t+（1-δ）Ki，t-1的方法計算出各年度的資本存量，其中公式Ii，t代表第i省份第t年的投資，δ代表第i省份第t年的資本折舊率。為確保資本存量的真實性，剔除價格膨脹所帶來的失真，以1952年作為計算的基期價格，本文采用平減指數方法將名義資本存量換算成實際資本存量。（2）勞動力。在已有的研究中，大多數學者用年末就業人員來衡量各省的勞動力，借鑒該成果，本文采用各省的年末從業人員來表征勞動力指標。（3）能源消耗。中國當前能源消耗主要來自于煤炭、石油和天然氣等三種一次能源構成的常規化石能源。為計算的需要，本文使用國家公布的以萬噸標準煤為統一單位的能源折合系數將三種能源進行加總。（4）造林面積。每年各個省份新增加植樹造林的數量，具體指通過人工綠化工程，將原有被破壞森林、林木、灌木林予以恢復的面積，亦或是退耕還林的新增林木面積。（5）GDP。當前大多數研究采用各省的地區生產總值來表征產出水平。本文借鑒該研究成果，亦采取這一結論，但是為剔除價格膨脹因素帶來的失真，使用平減指數方法將名義GDP轉化成以1952年為基期價格的實際GDP。（6）CO2。國家公布的權威年鑒中并未給出這一數據，因此本文使用國際上公布的 IPCC（2006）方法，以煤炭、石油和天然氣三種一次能源的消耗量與相應的能源標準煤折算系數及碳排放系數的三者乘積，估算出各個省份具體的碳排放數據，其中能源標準煤折算系數、碳排放系數分別來源于國家標準（GB2589-81）和國家發改委能源所。

鑒于數據在測算過程中的全面性要求，本文最終選擇了中國1998—2015年期間30個省份的面板數據作為研究的對象。由于西藏多年的相關數據嚴重不足，不能滿足計算的基本需求，因此未納入面板數據之內。本文所搜集的數據均來自于《中國統計年鑒》《中國能源統計年鑒》和各地方統計年鑒。

（二）低碳經濟增長效率的靜態時序變化

按照式（3）—式（6）構成的低碳經濟增長效率模型，將投入要素、產出變量的數據帶入 maxDEA軟件后，本文計算出中國1998—2015年期間30個省份的低碳經濟增長效率，具體結果如圖1所示。由圖1可見，在樣本考察期間，各個省份的平均低碳經濟增長效率具有較大的省域差異性特征。從低碳經濟增長效率的平均值看，遼寧、云南、福建、天津和上海是排名前五位的省份，其平均值均超過了0.8。這五個省份中，除了云南位于西部外，其余均位于經濟發達的東部沿海地區，也是全國最為發達的省市。這些東部省份由于對外開放水平較高，不僅具有較為發達的工業生產技術，而且工業減排設備較為完善，其產出能力和減排水平均處于全國前列。特別是近幾年，東部地區大力倡導經濟結構的發展轉型，逐步淘汰了高能耗和高排放的工業部門，而污染嚴重的重工業逐漸向中西部遷移，由此導致這些省份的低碳經濟增長效率相對較高。值得關注的是，近幾年，西部地區云南省的低碳經濟增長效率位居全國前列的位置，這與云南的農業較為發達且森林覆蓋率居全國前茅有很大的關系。青海、江西、山西、新疆和貴州則是排名后五位的省份，這些省份的平均低碳經濟增長效率均未超過0.5。這與這些省份的經濟發展水平較為落后，且森林面積較小有著較大關系。由此可見，低碳經濟增長效率的省份分布具有較強的地區差異性，東部沿海地區包含了中國大多數水平較高的省份，而中西部內陸地區則是水平較低省份的集中區域。因此，進一步加快內陸省份的低碳經濟增長效率提升速度，縮小省際間低碳經濟增長效率之間的差距，對于提高中國整體的低碳經濟發展水平具有重要的意義。

圖1 各省份的平均低碳經濟增長效率

（三）省際低碳經濟增長效率的空間相關性

各個省份之間的低碳經濟增長效率是否具有空間相關性，主要由被考察對象在空間上的空間集聚性和空間異質性兩個特征體現。其中，空間集聚性是指省份之間由于地理鄰近因素的影響，存在著空間溢出和空間擴散兩種效應機制，由此導致相鄰省份的低碳經濟增長效率表現出較大的相似性，距離越近，表現越強烈。而空間異質性則是因為空間不均質性的存在，使相鄰地區表現出較大的差異性，進而產生了空間離群的現象。通常而言，全局Moran’s I指數是當前衡量空間相關性最為常見的指標。根據學者Moran[15]的研究結果，定義其表達公式如下：

Moran’s I=nni=1（xi-x）2ni=1nj=1Wij（xi-x）（xj-x）ni=1nj=1Wij （7）

在式（7）中，n為整個空間體系中所包含的空間單元數量，xi代表i地區的變量值，xj代表j地區的變量值，x=（ixi）/n代表對所有變量值取平均值。全局Moran’s I的最終賦值范圍在-1和1之間。假如計算出的Moran’s I值為1時，意味著被考察對象具有完全正空間相關性特征；假如計算出的Moran’s I值為-1時，意味著被考察對象具有完全負空間相關性特征；假如計算出的Moran’s I值為0時，則代表著被考察對象不具有空間相關性。Wij則是整個公式所要引入的空間權重矩陣，通常情況下是由0和1組成的空間鄰接矩陣：

Wij=1 i地區和j地區相鄰

0 i地區和j地區不相鄰（8）

Moran’s I具體統計值被計算出來后，為保證其準確性和真實性，還有必要采用Zscore正態分布假設驗證其顯著性的問題。假設Moran’s I的Zscore統計量通過了10%、5%或1%三種水平的顯著性檢驗，則印證了Moran’s I的確是具有真實性的。Zscore正態分布檢驗的表達式如下：

Z（d）=Moran’s I-E（Moran’s I）VAR（Moran’s I）（9）

基于式（7）—式（9），將0和1組成的空間鄰接矩陣引入后，把所要驗證的數據帶進Geoda 軟件后，表1給出了1998—2015年期間中國低碳經濟效率Moran’s I的具體數值。根據表1的計算結果可知，中國低碳經濟增長效率的Moran’s I取值均為正數，且均在10%水平上表現顯著，由此證明低碳經濟增長效率具有強烈正空間相關性的重要特征，因而空間相關性是影響低碳經濟增長效率變遷必不可少的一個重要環節。同時這也從側面印證了，相鄰省份之間的低碳經濟增長效率具有強烈的空間溢出效應，呈現出高值集聚和低值集聚的空間集群趨勢，并且省份之間的距離越近，這種趨勢表現越強烈。有鑒于此，空間相關性是分析區域低碳經濟發展轉型的重要因素，尤其是在進行模型的實證分析過程中起到了關鍵作用，假如不考慮這種因素所帶來的影響，則有可能造成最終的分析結果出現重大失真。

表1 低碳經濟增長效率的Moran’s I指數

四、金融發展、技術進步影響低碳經濟發展的機理及模型

（一）基本作用機理

本文依據Grossman和Krueger[16]的理論基礎，將金融發展、技術進步作為影響低碳經濟發展轉型的兩種重要渠道，納入一個統一的分析框架之內，建立起金融發展、技術進步影響低碳經濟發展的作用機理。根據該理論，地區要實現低碳經濟發展轉型，本質上表明了經濟產出質量和生態環境之間的重要關系，據此可以將其分解為規模效應、結構效應和技術效應三種重要效應，其一般的表達公式如下：

LCEGE=Y×S×T（10）

在模型（10）中，LCEGE代表地區低碳經濟增長效率，Y則是經濟產出規模。按照Pagano[17]提出的內生經濟增長理論模型，該模型認為各省的經濟發展水平Y主要取決于勞動、資本兩種要素的投入情況。假定社會總資本K主要由兩個部分構成，一部分來源于銀行貸款，這里用公式FIR來表征；另一部分來源于企業的股票融資、留存收益等其他渠道，這里用公式FIR0來表征。為便于分析，這里假定兩者滿足如下的線性方程式：FIR0=φFIR。通過變換后，則總資本K=（1+φ）FIR。勞動力投入要素這里用人力資本來表示，具體表達公式是HUM。則各省的經濟產出規模Y可以表示為如下公式：

Y=（FIR，HUM）（11）

S代表行業結構，這里具體指金融業的行業結構。本文重點考察四大國有商業銀行在市場上的壟斷程度，即四大國有商業銀行的貸款在整個金融市場上的所占份額，用公式FIS來表示。金融發展結構反映了金融市場上不同性質金融機構的構成成分問題，主要分為中小商業銀行和國有商業大銀行，而不同性質的銀行貸款導向不同。一般而言，國有商業大銀行主要面向大型企業，而中小銀行的貸款則主要面對中小企業，不同規模程度企業的碳減排能力存在較大差異，這明顯會對低碳經濟發展轉型產生重要的影響。

T則代表技術要素，主要分析不同技術進步渠道對低碳經濟增長效率的影響。一般而言，推動技術進步主要通過內部自主創新和外部技術引進兩種渠道實現。其中，衡量內部自主創新用地區技術研發情況來衡量，即地區專利水平（PAT）。地區專利技術的研發能力提升，特別是有關環保技術的進步，通常會對生產要素產生重要的替代作用，不僅有利于大幅度減少地區能耗數量，而且對提高區域節能減排能力起到促進作用 [18]。外部技術引進渠道則主要體現在對外貿易（TRD）和外商直接投資（FDI）兩個重要指標上。伴隨著中國對外貿易水平的不斷提升，同時也有大量外資的引入，不僅帶來了先進的企業管理理念，而且前沿的低碳技術也會隨之進入，這對于提升地區節能減排能力將會起到重要作用，有助于加快地區實現低碳經濟的發展轉型[19]。根據以上分析結論，則技術變量T可以用如下公式予以表征：

T=T（PAT，TRD，FDI）（12）

將方程（11）、方程（12）等代入到總模型（10），即可以得到影響地區低碳經濟增長效率的總方程：

LCEGE=Y（FIR，HUM）×FIS×T（PAT，TRD，FDI）（13）

（二）空間計量模型構建

由于本文最終所要考察的是金融發展、技術進步對低碳經濟增長效率的影響。有鑒于此，以本文測度的低碳經濟增長效率（LCEGE）作為因變量；金融發展以金融發展規模（FIR）和金融發展結構（FIS）兩個指標來表示；技術進步則以專利授權量（PAT）、對外貿易（TRD）和外商直接投資（FDI）三個指標來表征。根據以上理論分析，同時結合總模型（13），本文構建出金融發展、技術進步對低碳經濟增長效率影響的基本模型：

LCEGEi，t=αi+φt+β1FIRi，t+β2FISi，t++β3PATi，t+

β4TRDi，t+β5FDIi，t+β6HUMi，t+εit（14）

式（14）中除了人力資本作為控制變量外，未考慮其他控制變量的影響。地區實現低碳經濟發展轉型過程中，還要受到能源稟賦、政府能力和城鎮化水平等其他因素的制約。有鑒于此，本文在式（14）的基礎上，進一步納入了能源消費結構（ECS）、政府干預（GOV）和城鎮化（URB）等控制變量，則金融發展、技術進步對低碳經濟增長效率影響的最終模型可以表示為：

LCEGEi，t=αi+φt+β1FIRi，t+β2FISi，t++β3PATi，t+β4TRDi，t+β5FDIi，t+

β6HUMi，t+β7ECSi，t+β8GOVi，t+β9URBi，t+εit（15）

基于前文低碳經濟增長效率的空間相關性的檢驗結果表明，區域低碳經濟增長效率具有顯著的空間自相關性。假如僅僅采用普通計量方法對構建的模型加以回歸，則有可能在模型內產生顯著的空間自相關性，與實際結果存在著較大偏差。有鑒于此，本文通過構建空間計量模型來實現對普通模型的優化。根據空間計量經濟學的基本理論，當前經典的空間計量模型有空間自回歸模型（SAR）和空間誤差模型（SEM）兩種形式。

根據Anselin[20]的研究成果，定義空間自回歸模型（SAR）的基本形式為：

y=ρW1y+Xβ+u

u=λW2+ε

ε～N（0，σ2εIn）（16）

在式（16）中，y用來表征因變量；ρ和λ兩個均用來代表模型中的空間自回歸參數，其大小衡量了模型中所具備的空間自相關程度；W是具有n×n維形式的空間權重矩陣；Wy代表模型中的自回歸項，用來衡量模型本身所具備的空間效應；ε則代表著隨機誤差項。

根據Haining[21]的研究成果，定義空間誤差模型（SEM）的基本形式為：

y=Xβ+ε

u=λW1ε+μ

ε～N（0，σ2εIn）（17）

式（17）中，λ是基本形式為n×1階的空間誤差系數，其統計值代表了模型殘差項的空間自相關程度；β為模型在回歸過程中所要得出的基本參數，具體指自變量X對因變量y的影響力度。總之，SEM模型的空間相關性主要體現在隨機誤差項的空間誤差程度。

由于本文所要構建的是金融發展、技術進步對低碳經濟增長效率的空間計量模型，所考察的對象是30個省份的面板數據。在模型的構建過程中，采用空間固定效應還是隨機效應是要需要作出選擇的重要問題，而兩者的區別在于模型中的回歸變量是否與個體效應表現出較強的聯系度。假如模型選擇固定效應則表明兩者具有較強的聯系性，而隨機效應則意味著兩者不存在任何聯系。因為本文在變量選擇之初十分重視個體效應問題，因而固定效應是本文所采用模型的最好形式。最終基于公式（16）—式（17），本文建立的包含固定效應的空間面板數據模型如下：

LCEGEi，t=αi+φt+β1FIRi，t+β2FISi，t+β3PATi，t+β4TRDi，t+β5FDIi，t+β6HUMi，t+

β7ECSi，t+β8GOVi，t+β9URBi，t+δjWij（LCEGEi，t）+μi，t

μi，t=λjWijui，t+εi，t（18）

該模型呈現出普通空間固定效應的基本形式。其中，δ、λ分別對應著模型中兩種不同的空間效應系數，即分別為空間自回歸系數和空間誤差系數。假如δ的賦值是0，則該模型表現形式為典型的空間誤差模型（SEM），若λ的賦值是0，則意味著該模型的表現形式轉變為空間自回歸模型（SAR）。αi和φt是空間模型中兩種效應的殘差項，前者為空間固定效應，后者是時間固定效應。

在此模型中，各個指標的具體解釋如下：FIR代表金融發展規模，用各省份歷年的年末貸款余額之和的自然對數來表示；FIS代表金融發展結構，用四大國有商業銀行的貸款之和比上總的貸款余額來表示；PAT代表技術研發，具體以各省份專利申請授權數的自然對數來表示；TRD代表對外貿易，用各省份進出口貿易總額與GDP的比值來予以表征；FDI代表外商直接投資，由于各省份的外商投資額使用美元作為表征，為統一口徑，以美元按照標準匯率折算成人民幣的實際利用外商直接投資額與各省GDP的比值來表示；HUM是人力資本，用各省份具有高中及以上學歷的人口數量與人口總量的比值來表示；ECS則為能源消費結構，用各省份每年消耗的煤炭總量與能源消耗總量的比值來表示；GOV代表政府干預，以各省份財政支出總額占GDP的比重來表示；URB代表城鎮化水平，用各省份歷年非農業人口占總人口的比重來表示。

為滿足文章數據使用的基本要求，以及鑒于數據可獲得性的前提，本文采用1998—2015年期間中國30個省份的面板數據作為研究對象。鑒于西藏地區連續多個年份的數據缺失，不能達到研究的基本標準，故將其從總樣本中剔除出去。在經過數據甄別后，最終本文所使用的數據從《中國金融年鑒》《中國能源統計年鑒》《中國統計年鑒》和地方統計年鑒等權威年鑒搜集而來。

五、實證結果及解釋

（一）普通面板數據模型的計量結果與空間相關性檢驗

為進一步檢驗空間計量模型的合適性，首先采用普通的計量方法回歸了模型（18），并對模型的殘差項是否具有空間自相關性進行檢驗，具體的結果如表2所示。同時，為了驗證模型是否有控制固定效應的必要性，表2同時給出混合、空間固定效應、時間固定效應和雙向固定效應等四種模型形式，通過對各個模型中具體的統計指標進行比較分析，以確定模型選擇空間固定效應形式的重要作用。

通過分析表2的回歸結果可知，根據四個模型中擬合優度的判定系數的具體數值，四個模型中的空間固定效應模型表現最小，其數值僅有0.375 4，而控制時間和空間的雙向固定效應模型則表現最大，其數值達到0.507 6。由此可見，雙向固定效應模型比其他三個模型的擬合度都要高。再從四個模型的對數似然函數值Log-L對比結果可知，混合模型在四個模型中表現最小，其統計量為296.112 6，而雙向固定效應模型同樣在四個模型表現最大，其統計量達到892.151 0。通過比較以上兩個指標，充分說明較之其他三個模型，無論在擬合優度的判定系數上還是對數似然函數值Log-L上，雙向固定效應模型在整體上表現最為理想，因而雙向固定效應模型的回歸結果最為契合本文的研究要求。

表2下半部分則是模型殘差項是否存在著顯著的空間自相關性的檢驗結果。可以看出，雙向固定效應模型中的LM-sar統計量為10.731 4，且通過了1%顯著水平的檢驗，LM-err的統計量為3.861 5，同樣通過了5%顯著水平的檢驗，這充分表明整個模型的估計結果存在著顯著的空間自相關性，普通的計量方法無法解決該問題，因而空間計量模型的選擇具有合適性。在比較LM-sar和LM-err的統計量后，發現前者要大于后者，兩者相比較后，本文最后確定空間自回歸模型是空間計量模型最好的表現形式。

表2 普通面板數據模型的估計與檢驗結果

注：（）中數據為T檢驗值，*，**，***分別表示10%，5%和1%的顯著性水平；模型估計、空間自相關檢驗使用Matlab7.11

（二）空間面板數據模型的估計結果

通過驗證普通計量模型中統計指標的結果，表明其殘差項表現出顯著的空間自相關性，由此反映出OLS回歸結果達不到本文研究的要求。有鑒于此，本文在普通計量模型的基礎上采用空間計量方法進行重新模擬，得到空間計量模型的SAR和SEM兩種基本表現形式，其具體結果如表3所示。根據表3的回歸結果可知，空間自回歸項W*dep.var.和空間誤差項W*dep.var.的系數均為正，且均通過了1%顯著水平的檢驗，這再次證明了選用空間計量方法的正確性。相比較于普通模型的回歸結果，不僅空間計量模型估計系數的T檢驗得以改進，而且其擬合優度的判定系數和對數似然函數值也均實現了提升。同時這從側面也反映出，空間計量模型的回歸結果是對普通模型的有效改善，有利于提高整體變量的解釋意義。在SAR和SEM兩個固定效應模型中，發現前者的Log-L統計量明顯要大于后者，表明SAR模型的解釋強度要優于SEM模型，因此分析空間自回歸模型（SAR）中各個解釋變量的實際意義更為適合本文的需要。

表3 空間面板數據模型的估計結果（雙向固定效應模型）

注：（）中數據為T檢驗值，*，**，***分別表示10%，5%和1%的顯著性水平

從金融發展變量對低碳經濟增長效率的影響看，回歸結果顯示：其一，金融發展規模（FIR）對低碳經濟增長效率的影響為正，但是卻不顯著。這充分表明，盡管金融規模的擴大有利于地區實現低碳經濟轉型，但其重要作用卻未能完全得以發揮。這是因為，金融發展對低碳經濟的影響通常是總量擴張效應和技術效應兩者并存[22]。所謂的總量擴張效應，是指隨著金融市場規模的不斷擴大，企業的生產規模也隨之擴大，使得二氧化碳的排放量增加，進而對地區低碳經濟發展產生極為不利的影響。而技術效應則指金融發展促進了技術進步，進而實現了節能減排，最終有利于促進低碳經濟發展。在實際中，一方面，隨著金融市場化程度逐漸提高，銀行“盈利”的導向逐漸加強，銀行仍舊為“見效快、回報高”的資源密集型企業提供貸款支持，且伴隨著企業的生產規模逐步擴大，地區污染量得以增加；另一方面，國家金融政策對銀行貸款的引導性逐漸加強，為充分響應國家倡導經濟發展轉型的需要，銀行逐步加強了對銀行貸款使用流向的管控，加大了對企業技術研發及“見效慢、回報低”的環保企業的資金支持力度，這有利于實現低碳環保技術的不斷創新，進而促進地區節能減排。在這兩種機制的共同作用下，導致了金融發展規模對低碳經濟增長效率影響的不顯著。其二，金融發展結構（FIS）對低碳經濟增長效率影響為正，且通過了1%的顯著水平的檢驗。也就是說，國有大銀行市場份額的提升有利于地區實現低碳經濟轉型。這進一步有效印證了：與中小商業銀行不同的是，國有大銀行規模龐大、資金雄厚且經營地域較廣，并且具有極強的政策導向性。作為拉動地區經濟增長主力的大型企業及大型清潔工程，其資金的來源主要由國有大銀行提供，而這些大型企業及大型清潔工程擁有雄厚的資金作為支撐，能夠實現碳減排技術的不斷創新，其先進的低碳技術和完善的減排設備是中小企業所無法比擬的。因此，地區國有大銀行的市場份額越高，越有利于提供大型企業實現生產和建設低碳轉型的動力支持，這顯然會對地區實現低碳經濟轉型產生促進用。

從技術進步渠道對低碳經濟增長效率的影響看，結果表明：第一，技術研發（PAT）對低碳經濟增長效率有顯著的正向影響，這表明通過不斷提高區域創新能力，能夠有效促進地區實現低碳經濟轉型。得益于技術創新對能源要素產生的替代效應，中國能耗強度呈現出顯著下降的趨勢。有關數據表明，1998年中國的能耗強度高達1.61，而截至2015年，中國的能耗強度已經下降為0.64，18年間下降了0.97，而能耗強度的不斷下降正是中國逐步實現經濟增長低碳轉型的重要體現。第二，對外貿易（TRD）與低碳經濟增長效率呈顯著的正相關關系，即加強對外貿易有利于加快中國低碳經濟轉型，這同時從側面也反映了中國進出口貿易產品的技術結構不斷優化，由低技術、高能耗的初級產品逐漸變成中高等技術的低能耗產品，這有利于促進地區外貿企業實現產品生產的低碳轉型[23]。第三，外商直接投資（FDI）在10%顯著水平上對低碳經濟增長效率的影響為正，這表明提升外資引進水平是有效加速中國經濟低碳轉型的重要途徑。數據顯示，當前中國的對外開放水平呈現出逐步提高的趨勢。1998年中國吸引的外商直接投資額僅有454.63億美元，而2015年這一數據已經增加至1 262.70億美元，18年間提高了近2.8倍。得益于持續引進的FDI，一方面，外資企業通常制定了較高的環保標準，能夠起到顯著的“示范效應”，這對于提升東道國的碳減排具有促進作用[24]；另一方面，FDI引進有利于提升東道國的就業水平，伴隨著就業崗位數量的增加，當地居民的收入水平呈不斷提高的趨勢，這能夠顯著提高居民的生活質量，而居民生活質量的改善往往會提出更高的環保要求。

從控制變量看，人力資本（HUM）的估計系數為正，且通過了1%顯著水平的檢驗。這反映出，伴隨著中國人力資本水平的不斷提高，一方面，工人的技能水平實現了提升，能夠熟練操作先進的低碳設備，這對于企業提升能源利用效率和減排能力產生了積極作用；另一方面，隨著居民的環保意識不斷增強，不僅能夠自覺地履行環境保護的義務，而且為經濟發展的低碳轉型提供了智力支持。能源消費結構（ECS）對低碳經濟增長效率提升產生了不利影響，這與現實情況一致。作為高碳能源系列的煤炭，其大量消費顯然會增加更多的二氧化碳排放。政府干預（GOV）與低碳經濟增長效率呈現出顯著的負相關關系，這表明過度的政府干預會產生資源配置的扭曲效應，進而對經濟增長和環境保護產生不利的影響。城鎮化水平（URB）對低碳經濟增長效率的影響顯著為負，這也與現實是一致的。城市過度的“粗放式”擴張，不僅浪費了大量資源，而且還會嚴重阻礙地區實現低碳經濟轉型。

六、主要結論與政策啟示

提升低碳經濟增長效率是實現經濟可持續發展的關鍵。使用SBM模型，本文測算出了1998—2015年期間的省際低碳經濟增長效率。與以往測算TFP研究不同的是，本文的低碳經濟增長效率評價體系包含了“碳匯”這一重要因素。同時，本文在分析了低碳經濟增長效率的地區差異性和空間自相關性的基礎上，通過建立空間計量模型實證研究了金融發展、技術進步對低碳經濟增長效率的作用。研究結果表明，低碳經濟增長效率的省份分布表現出較強的差異性，經濟發達的東部沿海地區包含了中國大多數水平較高的省份，而中西部內陸地區則是水平較低省份的集中區域。空間自相關Moran’s I 指數則表明，區域低碳經濟增長效率具有顯著的空間自相關性，鄰近省份的模仿效應強烈。以金融發展規模和金融發展結構為表征的金融發展水平對低碳經濟增長效率的影響具有差異性，其中金融發展規模對低碳經濟增長效率的影響不顯著，而金融發展結構對低碳經濟增長效率具有顯著的正向影響；以專利授權量、對外貿易和外商直接投資表征的技術進步均能顯著地促進低碳經濟增長效率的提升。除此之外，人力資本與低碳經濟增長效率呈顯著的正相關關系，而能源消費結構、政府干預和城鎮化水平與低碳經濟增長效率則呈現出顯著的負相關關系。

通過以上結論，對于將來中國促進低碳經濟增長轉型的工作重點是加快綠色金融發展，大力促進地區技術進步，通過逐步降低碳排放強度，最終實現經濟的可持續發展。有鑒于此，本文提出如下政策建議。

第一，強化對金融市場的綠色信貸引導，增加對低碳企業和綠色項目的支持力度。首先，構建由碳信貸、碳基金和碳擔保等構成的綠色金融市場，優化金融資源配置，為低碳企業參與綠色項目提供足夠的金融支持；其次，建立差別性的金融貸款政策，對于環境污染嚴重的企業實施不貸款或者高利率的懲罰性貸款，而對擁有良好環保信譽記錄的企業則提供利率優惠；最后，實施銀行的綠色信貸問責制，將信貸業務是否符合環境保護和綠色發展納入考核目標之中，并在信貸過程中實施全程的動態跟蹤，建立環境保護的一票否決制度。

第二，優化金融市場的結構構成，大力發展碳金融及其衍生品，提高金融市場的競爭力。以國家倡導的綠色金融為契機，推出國有商業銀行和中小銀行的碳金融衍生品，通過鼓勵開展碳期權、碳期貨、碳互換和碳掉期等碳金融業務，完善銀行的碳金融衍生品交易體系；嚴格控制中小銀行的盲目貸款行為，通過降低碳金融衍生品的進入門檻，引導更多的中小商業銀行進入碳金融市場參與交易，開放做空手段，提高流動能力，進而提高其碳金融發展水平。

第三，鼓勵各地區大力開展研發創新活動，提高低碳技術水平。政府應加大教育和科研的重視力度，通過增加教育和研發的經費支出，把技術進步和人才培養提高到戰略性地位；對于低碳發展所需要解決的環境問題，實施政策優惠，政府通過財政支持、基金注資、擔保貼息等方式支持低碳發展，為技術創新搭建良好平臺，促進技術成果的低碳轉化；放松地區貿易保護，積極優化進出口貿易結構，進一步提高進出口產品的低碳技術含量；提升對外開放水平，加大外資的篩選力度，提高外資引進的“門檻”，實施差別的引進政策，對于高技術、低排放的外資企業要優先引入，而對于高污染、高排放的外資企業則要實施不引進政策。

第四，大力推進地區節能減排工作，實現經濟發展方式的低碳轉型。重視全民環境保護的思想教育，深入到地方基層開展宣傳工作，建立起環保宣傳的長效機制；積極實施地區“清潔能源”戰略，逐步降低日常化石能源的消費比例，構建起清潔低碳、安全高效的能源保障體系；加大政府在節能減排方面對相關機構的引導作用，進而提高城鎮發展的集約化水平，通過走低碳綠色的新型城市化道路，最終實現經濟和環境的友好協調發展。

參考文獻：

[1]FRANKEL J，ROSE A.An estimate the effect of common currencies on trade and income[J].Quarterly Journal of Economics，2002，117（2）：437-466.

[2]FRANKEL J，ROMER D.Does trade cause growth[J].American Economic Review，1999，89（3）：379-399.

[3]徐楓，陳昭豪.金融發展與低碳經濟：基于PVAR模型的實證研究[J].投資研究，2014 （3）：54-65.

[4]蒲成毅，潘小軍.低碳經濟浪潮下中國碳金融市場發展模式設計[J].西南金融，2011（1）：31-34.

[5]趙昕，郭晶.中國低碳經濟發展的技術進步因素及其動態效應[J].經濟學動態，2011（5）：47-51.

[6]楊會香，龔唯平.產業結構變動、技術進步與低碳經濟發展：以廣東省為例[J].產經評論， 2012（1）：43-52.

[7]張兵兵，徐康寧，陳庭強.技術進步對二氧化碳排放強度的影響研究[J].資源科學，2014（3）：567-576.

[8]劉亦文，張勇軍，胡宗義.技術進步對低碳經濟發展影響的國際比較與實證研究[J].湖湘論壇，2015（6）： 55-61.

[9]張林.金融發展、科技創新與實體經濟增長——基于空間計量的實證研究[J].金融經濟學研究，2016（1）：14-25.

[10]TONE K.A slacksbased measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130（3）：498-509.

[11]ZHANG N，CHOI Y.Environmental energy efficiency of China’s regional economies：A nonoriented slacksbased measure analysis[J].Social Science Journal，2013，50（2）：225-234.

[12]雷明，虞曉雯.我國低碳經濟增長的測度和動態作用機制——基于非期望 DEA 和面板 VAR 模型的分析[J].經濟科學，2015（2）：44-57.

[13]COOPER W W，RUIZ J L，SIRVENT I.Choosing weights from alternative optimal solutions of dual multiplier models in DEA[J].European Journal of Operational Research，2007，180（1）：443-458.

[14]單豪杰.中國資本存量K的再估算：1952-2006年[J].數量經濟技術經濟研究，2008（10）：17-31.

[15] MORAN P A.The interpretation of statistical maps[J].Journal of the Royal Statistical Societ， Series B （Methodological）， 1948，10（2）：243-251.

[16]GROSSMAN G M，KRUEGER A B.Environmental impacts of the North American free trade agreement[R].National Bureau of Economics Research Working Paper，1991.

[17]PAGANO M.Financial market and growth：An overview[J].European Economic Review，1993，37（2/3）：613-622.

[18]程云鶴，齊曉安，汪克亮，等.技術進步、節能減排與低碳經濟發展——基于1985—2009年中國28個省際面板數據的實證考察[J].山西財經大學學報，2013 （1）：51-60

[19]林伯強，姚昕，劉希穎.節能和碳排放約束下的中國能源結構戰略調整[J].中國社會科學， 2010（1）： 58-71，222.

[20]ANSELIN L.Spatial econometrics： Methods and models[M].Netherlands：Springer，1988.

[21]HAINING R.Spatial data analysis in the social and environmental sciences[M]. Cambridge： Cambridge University Press，1993.

[22]嚴成樑，李濤，蘭偉.金融發展、創新與二氧化碳排放[J].金融研究，2016（1） ：14-30.

[23]GRIMES P，KENTO J.Exporting the greenhouse： Foreign capital penetration and CO2 emissions 1980-1996[J].Journal of WorldSystems Research，2003，9（2）：261-275

[24] FRANKEL J A. The environment and globalization[R]. Nber Working Paper， 2003， 55 （2）：161-210

Financial development， technological progress and low carbon economic growth

efficiency in China： An empirical research of spatial panel data model

MA Dalai， YANG Guangming

（College of Management， Chongqing University of Technology， Chongqing 400054， P. R. China ）

Abstract：

Based on the non radial and non angle SBM model， this paper estimates the efficiency of low carbon economic growth in various provinces of China during 1998-2015. Then on the basis of analyzing the regional difference and spatial correlation of low carbon economic growth efficiency， this paper builds the spatial panel data model and empirically examines the effect of financial development and technological progress on the low carbon economic growth efficiency. Empirical results show that： during the sample period， China’s low carbon economy growth efficiency shows strong provincial differences. The provinces of higher low carbon economy growth efficiency are mostly located in the eastern coastal areas， that of midwest provinces in inland of Ministry of Chinese is relatively lower. The regional low carbon economic growth efficiency is not randomly distributed in space， and the spatial imitation effect of the neighboring provinces is strong. The results of the spatial model show that， the scale of financial development has no significant effect on low carbon economic growth efficiency， while the financial development structure has a significant positive impact on it. Technical progress in the characterization of patent licensing， foreign trade and foreign direct investment can significantly improve the low carbon economic growth efficiency. In addition， human capital has a significant positive impact on the development of low carbon economy， while energy consumption structure， government intervention and urbanization have a significant inhibitory effect on the development of low carbon economy.

Key words： financial development； technological progress； low carbon economic growth efficiency； spatial panel data model