金融發展、技術創新對環境污染的影響

高復陽 邵紅梅

【摘要】隨著全球人口和生產規模的擴大， 人類賴以生存的環境面臨著巨大挑戰。 理論和實踐表明資金和技術對環境污染治理具有重要作用， 但其影響機理和空間效應有待探討。 從企業微觀視角出發， 運用博弈論分析金融發展、技術創新對環境污染的影響機理; 基于STIRPAT模型， 采用中國2005 ～ 2017年的省級面板數據， 構建動態空間面板模型展開實證分析。 結果表明：中國環境污染存在顯著的空間相關性且重污染地區高度集聚; 金融發展水平的提高雖增加了當地環境壓力， 但在一定程度上改善了鄰域環境質量; 技術創新水平的提高顯著降低了當地環境壓力， 有效遏制了領域環境污染; 經濟增長與環境壓力存在倒U形關系， 證實了EKC假說。 最后進行穩健性檢驗并提出加強環境污染治理的政策建議：充分考慮污染的空間相關性; 加快構建綠色金融體系; 構建市場導向的綠色技術創新體系; 加強綠色環保技術的引進、消化吸收和推廣。

【關鍵詞】金融發展;技術創新;環境污染;影響機理;動態空間面板模型

【中圖分類號】F832? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2020）21-0148-9

人類社會的發展和延續離不開良好的生態環境。 然而， 隨著全球人口和生產規模的不斷擴大， 財富總量在快速增長的同時， 人類賴以生存的環境也面臨著巨大挑戰。 根據聯合國教科文組織近年來的研究， 全世界大約五分之一的人口生活在水資源匱乏地區， 并且地下水污染的加劇給這些人的生活用水帶來了極大困擾。 2018年世界氣象組織發布的《溫室氣體公報》指出， 2016年全球二氧化碳平均濃度達到百萬年以來的最高水平， 將會導致海平面上升20米、全球氣溫上升3度的可怕后果。 為了應對日益嚴峻的環境污染問題， 各國政府已經投入了大量的人力物力。 我國作為世界第一人口大國和第二大發展經濟體， 承擔著環境保護的重要責任。 幾十年來， 我國經濟規模不斷擴大， 然而高速經濟增長是以自然環境的嚴重破壞和資源的過度消耗為代價， 我國迫切需要加快實現經濟與生態環境的協調發展。 為促進經濟可持續發展， 2017年我國的政府文件中明確提出構建綠色金融體系和綠色技術創新體系的理念目標， 希望通過加大對環保技術的資金投入和研發投入， 借助金融發展和技術創新的力量來遏制環境污染日益加劇的趨勢。 因此， 探討金融發展和技術創新的生態效應對協調經濟增長和環境污染之間的矛盾、推動我國經濟高質量發展具有重要意義。

一、文獻綜述

目前， 國內外學者主要依據環境庫茲涅茨曲線理論以及環境壓力模型， 從經濟增長、產業結構、金融發展、技術創新、政府規制、外商直接投資等視角對環境污染展開了大量研究。 隨著各國工業化的迅速發展和生態環境的不斷惡化， 為了便于量化研究生態環境壓力的影響因素， Paul和John[1] 基于社會、經濟活動對生態環境的影響， 提出了IPAT模型， 即I=P×A×T， 將生態環境影響I看作人口數量P、技術創新T和經濟發展水平A的函數。 研究認為， 人口規模不斷擴大、增長速度過快導致各省范圍內的人均耕地面積嚴重不足， 最終由于環境壓力帶來人口生態問題; 地區經濟發展對于工業的依賴性以及隨著工業化程度加深而排放的大量污染物， 對區域環境產生了巨大壓力; 技術水平的提高可以顯著地降低企業污染物排放量。 由于IPAT方程假定各因素與環境污染是同比例變動， 針對這一缺陷York等[2] 提出了IPAT方程的隨機形式I=a×Pb×Ac×Tde， 即STIRPAT模型。 這一模型不僅可以檢驗人口、經濟、技術因素對環境污染的彈性系數， 還可以擴展影響因素。 有別于IPAT方程中經濟發展增加環境污染的觀點， 1991年Grossman和Krueger[3] 實證分析了美國經濟發展與環境污染之間的關系， 認為二者關系呈倒U型， 即環境壓力會先隨著經濟的增長而不斷上升， 繼而隨著經濟的發展又緩慢下降。 1993年， Panayotou[4] 基于庫茲涅茨曲線理論， 將環境壓力與經濟發展之間的倒U型關系稱作環境庫茲涅茨曲線。 關于環境庫茲涅茨曲線的主流解釋為， 經濟發展的規模、技術及結構效應共同作用使得環境壓力隨著經濟發展增加到一定程度后開始下降。

針對環境庫茲涅茨曲線的“倒U型”解釋， 學術界也展開了激烈的爭論， 相關學者開展了大量實證研究， 部分研究證實了倒U型關系的存在。 例如， 張祥、李麗[5] 以中國省級面板數據為樣本， 研究認為經濟增長與環境污染之間具有顯著的倒U型關系。 然而， Shafik[6] 的研究表明， 環境污染和經濟發展之間并非呈現倒U型關系而是單調上升的線性關系。 Poon等[7] 通過對中國環境污染與經濟發展水平之間的實證研究表明， 二者呈現較明顯的三次方型關系。 李斌、曹萬林[8] 對我國經濟增長與環境污染的關系進行檢驗， 發現經濟增長與環境污染存在脫鉤效應。

在產業層面， 大部分學者基于EKC理論分析了產業結構調整與環境壓力之間是否存在倒U型關系。 一方面， Shandra和Shor[9] 、Cherniwchan[10] 、Bruvoll和Medin[11] 等認為產業結構優化無法降低環境壓力; 另一方面， 有學者認為產業結構調整有助于降低環境污染， 如Shafik[6] 認為產業結構的調整在污染物治理方面存在著積極的作用， 因為第三產業對于第二產業的代替可以有效地減少工業污染物的排放量。 在環境庫茲涅茨曲線的驗證研究中， 部分學者還重點關注了FDI與環境污染之間的關系。 例如， Pao和Tsai[12] 利用金磚四國1980 ～ 2007年的數據研究發現， FDI能夠促進東道國的碳排放量。 基于1985 ～ 2006年110個發達國家和發展中國家的面板數據， Shahbaz等[13] 研究表明， 人均FDI與人均碳排放之間存在正相關關系。 除此之外， 梁平漢、高楠[14] 通過分析2004 ～ 2011年我國287個城市市長和城市的匹配數據， 認為地方領導人事變動可以有效遏制環境污染。 從最優契約設計的角度， 李國平、張文彬[15] 分析了地方政府的最優環境規制， 認為保持地方政府環境規制部門的獨立性能夠有效發揮政府環境規制的作用。

目前有關技術創新影響環境污染的研究尚沒有達成共識。 Porter和Class[16] 首次通過理論分析和案例研究， 發現針對污染性企業采取規制措施， 可以激勵其技術創新、降低環境規制成本并提高企業的國際競爭力。 李粉等[17] 利用我國21個工業行業面板數據， 研究發現技術創新與環境污染具有顯著的正相關關系。 Zhang等[18] 基于差分廣義矩估計研究了環境規制對霧霾污染治理的直接和間接影響， 指出科技創新具有“合規成本”效應， 加深了霧霾污染程度。 Kemfert[19] 從地域差異的視角對企業在技術研發方面的資金投入與能源利用率二者的關系進行探析， 研究表明企業只有加強對技術研發的資金支出才能從根本上降低環境污染的治理成本。 基于案例分析， Trianni等[20] 指出， 技術的提高會降低環境污染的程度。 李博[21] 通過構建空間計量模型指出省際技術創新能力的提高對減少人均碳排放具有顯著影響。 韓堅、盛培宏[22] 以我國東部地區15個省份的面板數據為例， 研究發現技術創新效率與碳排放強度和碳排放總量之間均具有負相關關系。 Zhu等[23] 通過空間面板計量模型， 研究了空氣污染的空間特征以及能源技術創新與空氣污染的關系， 建議區域和地區政策制定者在改善空氣質量時要考慮空間位置因素。

隨著金融發展和綠色金融理念的普及， 金融作為推動經濟增長和技術創新的重要因素， 其生態效應也逐漸引起國內外學者的關注。 目前， 金融發展對環境污染的影響作用存在不同研究觀點。 例如， Jalil和Feridun[24] 分析發現， 金融發展與二氧化碳的排放量呈負相關關系; Shahbaz[25] 研究了巴基斯坦金融發展與環境污染之間的關系， 發現金融發展的不穩定性會引起環境污染的不斷惡化。? 原毅軍、蘆云鵬[26] 研究表明， 金融發展能夠顯著降低環境污染。 朱歡[27] 基于中國2005 ～ 2016年267個地級以上城市的面板數據， 研究發現金融發展與環境污染之間具有負相關關系。 Bello和Abimbola[28] 以尼日利亞為例展開實證分析， 認為從長期來看金融發展在一定程度上加速了環境的惡化。 徐明偉等[29] 通過構建環境壓力指數， 探討了金融發展對環境污染的傳遞作用， 分析了金融業發展對環境壓力的經濟效應和技術效應， 指出金融發展可以通過技術效應降低環境污染。 王偉等[30] 構建面板數據模型， 分析了我國廢水排放與區域金融發展的關系， 認為在一定時期內金融發展對環境污染存在倒U型影響。 賀俊等[31] 研究認為， 金融機構信貸規模、金融市場融資規模與環境污染負相關， 并且指出金融發展對環境污染的影響具有地域差異。 Zhao等[32] 利用空間經濟學方法研究發現， 金融深度和金融效率對環境污染的直接影響分別是負向和正向的。 此外， 這兩個指標對技術進步和產業結構影響環境污染的結果具有不同的調節作用。

通過梳理相關文獻， 發現現有研究存在以下不足：①現有文獻都是從實證角度檢驗金融發展或技術創新對環境污染的影響， 但理論分析不夠充分; ②現有實證研究識別了環境污染的空間相關性， 但大多采用傳統面板回歸模型， 難以有效地捕捉金融發展和技術創新對環境污染的空間溢出效應; ③關于金融發展與技術創新對環境的影響還沒有達成一個最終結論， 這需要利用最新的樣本和計量方法予以驗證。 因此， 本文基于博弈視角定性探討金融發展、技術創新對環境污染的作用機理， 并利用中國2005 ～ 2017年的省級面板數據， 構建動態空間面板模型實證分析金融發展、技術創新對環境污染的空間溢出影響。

二、理論分析

假設市場中只存在兩家企業， 符合古諾雙寡頭博弈模型要求， 分別為企業1和企業2， 它們生產并同時銷售同質的產品。 總產出為q=q1+q2， 其中qi表示企業i的產出水平。 假設企業融資總需求為C， 這些資金主要被用于三個部分：第一部分資金Ci1用于產品生產， Ci1=ci×qi， ci表示單位產出成本; 第二部分資金Ci2用于技術開發與創新， Ci2=ai2×Ci1， ai2表示技術創新的支出Ci2與生產總成本Ci1的比值; 第三部分資金Ci3則用于控排減污， Ci3=ai1×qi， ai1表示每單位產出的減排成本。 令ci=

f （ai2）， 0

u1（q1，q2）=q1×p（q）-C1

=q1×p-C11-C12-C13

=q1×p-a11×q1-（1+a12）×c1×q1

=q1×p-g（a12）×q1-（1+a12）×f （a12）×q1 （1）

u2（q1，q2）=q2×p（q）-C2

=q2×p-C21-C22-C23

=q2×p-a21×q2-（1+a22）×c2×q2 （2）

為了簡化分析過程， 令p=1-（q1+q2）。 當企業的邊際收益等于邊際成本， 即dui/dqi=0， 可得企業反應函數。

企業1的反應函數為：

[q1=1-q2-γ12] （3）

企業2的反應函數為：

[q2=1-q1-γ22] （4）

其中， γ1=（1+a12）×c1+a11， γ2=（1+a22）×c2+a21， 分別表示企業1和企業2的平均總成本。 根據企業1和企業2的反應函數， 解得古諾均衡數量為：

[q*1=1+γ2-2γ13] （5）

[q*2=1+γ1-2γ23] （6）

繼而， 古諾均衡價格為：

[p*=1+γ1+γ23] （7）

隨著金融發展， 企業1能夠以更小的成本b×C獲得以往融資總額C所能達到的產出水平， 其中b為常數， 0

[q*'1=1+γ2-2γ'13] （9）

[C'13=a11×q'1=a11×1+γ2-2γ'13] （10）

結合式（5）和式（9）可知，? ? ? ? ? ?， 表示金融發展可以提高企業的均衡產量， 擴大企業市場占有率， 加強企業的壟斷力量。 此外，? ? ? >C13， 表示金融發展會增加企業減排的壓力， 導致環境污染加劇， 不利于生態環境的保護。

接下來討論技術創新因素對環境污染的影響。 由上文推導可知， 企業1的平均總成本、均衡產出和減排總支出分別為：

γ1=（1+a12）×f （a12）+g（a12） （11）

[q*1=1+γ2-2× [ （1+a12） ×f （a12） +g （a12） ]3] （12）

（13）

分別對各式求導得：

[dγ1da12]=f （a12）+（1+a12）×f '（a12）+g'（a12） （14）

[q*'1]=? ? ? ?=-[23]×[f （a12）+（1+a12）×f '（a12）+

g'（a12）] （15）

[dC13da12]=g'（a12）×[q*1]-g（a12）×[q*'1] （16）

因為技術創新有利于提高產品價值， 并通過提高企業生產效率來降低企業的平均總成本， 所以dγ1/da12<0。 進而由式（15）和式（16）得：? ? ?/da12>0， dC13/da12<0， 表示研發投入越多， 均衡產出越高， 減排成本越小。

假設在初始階段， 由于金融產業的發展， 盡管為了維持既有均衡產出A， 企業1為獲得資金總額為T的支出成本為b， 但企業1依舊付出了全部的成本c。 因為它將剩余的成本d用于投資技術開發， 此時企業1的總平均成本依舊為e， 所以在短期內， 因融資便利性導致生產成本的減少量會由于技術投入的大量增加而被抵消。 唯一不同的是， 企業1用于技術創新的支出由原先的C12增長到C'12=C12+（1-b）×C。 如果企業1足夠幸運， 在某個時刻企業的研發活動有了重大突破， 總平均成本因生產率和排污效率的提高而迅速降低。 根據市場供求關系， 當企業成本降低時， 企業供給增加， 所以企業1總平均成本下降時， 通過古諾均衡產出條件， 企業1的均衡產出增加。 可能會因為技術的投入， 導致均衡產出增加量變化的幅度要比純利潤策略導致的變化大得多。 如果企業家是充分理性的， 并且擁有足夠的遠見， 在用a的努力獲得資金總額I以保證企業正常生產的同時， 企業應該充分利用剩余的P的成本投資于技術的開發與創新， 謀求長遠的利益。 長期來看， 相對于單純的金融發展策略， 技術創新不僅可以降低企業總平均成本， 還可以減少單位污染排放的處理費用。

綜上所述， 金融在推動經濟增長過程中對生態環境存在不容忽視的影響：一方面， 金融業的發展能夠優化資源配置， 降低融資成本， 擴大生產規模， 進而增加能源消耗和污染物的排放量; 另一方面， 充足的金融支持可以顯著提高整個市場的技術水平和創新能力， 通過推動綠色生產技術的研發間接緩解環境壓力。 技術創新不僅有利于降低均衡總平均成本、提高均衡產出， 而且能夠有效控制企業生產所產生的廢棄物排放， 對治理環境污染有著重要意義。 將技術創新引入企業純金融策略， 有助于改變金融發展對環境保護的消極作用。 長期來看， 技術創新能給企業和生態環境帶來較大的收益， 但是企業選擇這一策略的前期是不斷提高研發投入的比例， 需要相對穩定且安全的資金來源， 需要金融策略的配合。 因此， 金融發展與技術創新共同作用推動企業采取環保行為。 金融發展對環境污染的影響不是簡單負面的、單向的。 金融發展是否造成環境污染問題取決于金融企業的投資偏好。 若金融企業更偏好投資環保型企業， 生產企業將更加傾向于自覺履行保護環境的社會義務， 有利于企業采取環境友好型生產技術和污染處理技術， 加大相關技術研發投入， 從而減少廢棄物排放， 改善環境污染問題。

三、模型構建與變量選取

（一）模型構建

York等[2] 提出的STIRPAT模型對IPAT方程的改進， 被廣泛應用于環境污染影響因素的研究中， 其結構為：

I=a×Pb×Ac×Tde （17）

其中， a為常數， I代表環境壓力， P代表人口規模， A代表經濟發展水平， T代表技術創新， b、c和d分別為其指數， e為隨機誤差項。 STIRPAT模型的優越性在于可以添加新的環境污染遏制因素以及各種控制變量。 根據理論分析， 將金融發展變量引入STIRPAT模型， 其中FINit代表金融發展水平， i表示地區（或省份）， t表示年份。

為便于探討變量之間的線性關系， 對上述等式進行對數線性化處理， 將式（18）簡化為如下線性方程。 其中a?為固定常數， u?為隨機擾動項， 其余變量含義不變。

lnIit=a?+blnPit+clnAit+dlnTit+flnFINit+u? （19）

為進一步探討我國各省環境污染的空間動態特性， 本文采用空間動態面板模型。 在面板模型基礎上引入空間權重矩陣以及環境污染的滯后項來考察環境污染的空間效應及動態效應， 同時為了檢驗環境庫茲涅茨曲線效應， 引入經濟增長平方項。 模型如下：

lnENVit=τlnENVit-1+ρWlnENVit+β1lnFINit+

β2lnPATit+β3lnGDPit+β4lnPEOit+β5lnGDP2it+

W（δ1lnFINit+δ2lnPATit+δ3lnGDPit+δ4lnPEOit+

δ5lnGDP2it）+αi+νt+εit （20）

其中， τ為環境污染滯后項系數， ρWlnENVit代表因變量環境污染的空間影響， αi為個體效應， νt為時間效應， εit為隨機擾動項， lnGDP2it為經濟增長平方項， βl和δl為各變量系數， 其余變量與上文相同。 W為空間權重矩陣， 其第ij個元素wij的設定如下：當地區i和地區j相鄰時， 該元素取值為0， 否則為1。

（二）變量說明、數據來源及描述性統計

本文的數據樣本由2005 ～ 2017年我國29個省份（不含港澳臺地區和數據不全的西藏地區）的面板數據組成。 對變量進行具體說明：①模型中被解釋變量ENV代表各省份環境污染程度， 指標構建參考徐明偉等[29] 的方法， 數據來源于國家統計局及各省環境統計年鑒; ②FIN代表各省份金融發展水平， 用當地金融機構發放貸款總額與地區生產總值的比值表示， 數據來源于國家統計局及各省金融統計年鑒; ③PAT代表各省份技術創新力度， 以各省專利申請量予以量化， 數據來源于各省科技統計年鑒及各省統計局網站; ④GDP代表各省人均地區生產總值， 以2005年為基期進行平減計算出歷年實際人均GDP， 數據來源于國家統計局網站; ⑤PEO代表各省份人口規模， 包括城鎮常住人口和農村人口， 數據來源于國家統計局及各省統計年鑒中公開的數據。

變量的描述性統計結果如表1所示， 我國環境污染綜合指數平均值為0.2123， 最小值為0.0007， 最大值為0.7411， 最小值與最大值相差較大， 說明不同地區環境污染程度存在較大差異; 我國各省份金融發展水平均值為1.0848， 最小值0.5372和最大值2.5847相差不大， 說明中國各省份金融發展差距較小; 專利申請量的平均值為34964.8934， 最小值為24， 最大值為464118， 最小值與最大值相差較大， 說明各省份技術創新水平差異較大。

四、模型回歸結果

（一）空間相關性檢驗

在進行空間計量分析之前， 需要進行空間相依性檢驗。 Moran散點圖是常用的空間相依性檢驗方法， 本文對2005年、2009年、2013年和2017年四個年份環境污染的空間特征進行Moran散點圖分析， 具體分析如下：

Moran散點圖共分為四個象限：第一象限表示環境污染程度較高的省份被污染較高的省份所包圍; 第二象限代表環境污染程度較低的省份被污染程度較高的省份所包圍; 第三象限表示環境污染程度較低的省份被污染較低的省份所包圍; 第四象限表示環境污染程度較高的省份被污染程度較低的省份所包圍。 圖1 ～ 圖4的Moran指數值分別為0.095、0.086、0.075和0.025， 表明環境污染存在顯著的正向空間集聚特征， 即高污染地區被高污染地區所環繞， 低污染地區被低污染地區所環繞。

為了更加直觀地顯示各省所處的環境污染狀態， 表2給出了圖1 ～ 圖4四張Moran散點圖各自對應的省份。

由表2可以看出， 從2005年到2017年， 我國總體環境污染集聚情況沒有出現大幅度變動。 在樣本期內一直處于“高—高”生態環境污染集聚狀態的省份有河北、遼寧、江蘇、浙江、山東、河南等地區， 說明這些地區不僅生態環境污染較為嚴重， 并且周邊也存在較高程度的環境污染。 山西省2009年開始由“低—高”集聚狀態變為“高—高”狀態， 湖南省和廣西壯族自治區由“高—高”環境污染集聚狀態逐漸向“高—低”集聚狀態轉移， 說明廣西壯族自治區的生態環境污染狀況沒有得到明顯的緩解， 但廣西壯族自治區周邊地區的生態環境污染程度開始降低。 在樣本期內， 云南省從第二象限向第三象限轉移， 說明不僅云南省當地環境污染程度較低， 且周邊地域的環境質量也在不斷改善。 而四川省在樣本期內一直處于第四象限， 當地環境污染程度較低， 且周邊地區環境壓力也較小。 2017年福建省由“高—高”環境污染集聚狀態變為“低—高”集聚狀態， 廣東省由2005年的“高—高”環境污染集聚狀態變為“低—低”集聚狀態， 可能的原因在于作為經濟發展水平較高地區， 技術創新和經濟發展方式轉變推動了環境質量的提高。

為了更加清晰地描繪近期我國環境污染集聚情況， 本文繪制了2017年我國環境污染LISA集群分布圖（圖略）。 當前， 我國環境污染集聚程度最高的為東部地區， 最低的為西部地區， 這主要是由于我國東部沿海地區工業化程度較高， 并且不斷承接海外發達國家的污染型企業轉移， 導致各個省份環境污染較為嚴重。 而西部地區由于地理原因， 盡管不斷承接東部地區的污染型企業， 但是因為工業化基礎較弱， 整體上環境污染程度較低。

（二）實證結果

由于我國環境污染存在顯著的空間溢出效應， 因此構建動態空間面板模型是合理的。 模型（20）的回歸結果如表3所示。

環境污染滯后項系數為0.7710， 在5%的水平上顯著， 表明我國各地區環境污染存在較為明顯的滯后效應， 前期環境污染程度對后期的環境壓力存在顯著的正向影響。 環境污染的空間自相關系數ρ的取值為0.1113， 在10%的水平上顯著， 說明我國環境污染呈現出較為明顯的空間集聚特征， 高（低）污染區域往往與高（低）污染區域相鄰， 與前文Moran指數檢驗相一致。

1. 金融發展與環境污染。 金融發展水平對當地環境污染程度的影響系數為0.7234， 且在10%的水平上顯著， 說明金融發展水平每提高一個百分點， 當地環境壓力提高0.7234個百分點。 金融發展水平的提高會顯著增加當地的環境壓力， 與前文理論分析一致。 此外， 金融發展的空間溢出系數為-1.5063， 在5%的水平上顯著， 說明本地金融發展會明顯緩解周邊地區生態環境壓力， 這可能是由于金融業的發展提高了企業融資的便捷性， 不僅有利于企業規模的擴大， 還會對周邊企業產生一定程度的吸引作用， 導致污染性企業向本地遷移。 由此可知， 金融發展水平的提高雖然增加了本地區的環境壓力， 但改善了周邊地區的環境質量。

2. 技術創新與環境污染。 技術創新對當地環境污染的影響系數為-0.2432， 且在1%的水平上顯著， 技術創新水平每提高一個百分點， 當地環境壓力降低0.2432個百分點， 說明本地技術創新水平的提高可以有效遏制當地環境污染。 技術創新的空間溢出系數為0.1387， 但不顯著， 說明本地區技術創新水平的提高對周邊環境污染不存在明顯的抑制作用， 這可能是由于各個省份技術市場發展不完善， 從而導致相關技術不能在不同區域之間有效擴散。

3. 經濟發展與環境污染。 經濟增長對當地環境污染影響的一次項系數為7.3645， 其平方項系數為-0.8685， 均在1%的水平上顯著， 說明經濟增長與環境壓力之間存在顯著的倒U型關系， 證實了環境庫茲涅茨曲線假說。 經濟增長的空間溢出系數為

-9.9243， 在1%的水平上顯著， 說明本地區經濟發展水平的提高有利于改善周邊地區環境質量。

4. 人口規模與環境污染。 人口規模對當地環境污染的影響系數為1.2914， 在1%的水平上顯著， 人口規模每提高一個百分點， 環境壓力上升1.2914個百分點， 說明本地人口規模的擴大會顯著增加當地環境壓力。 人口規模的空間溢出系數為-0.8129， 在1%的水平上顯著， 表明人口規模的增加可以有效改善周邊地區的環境質量。

五、穩健性檢驗

為檢驗實證結果的穩健性， 本文從空間權重矩陣的構造和變量選取兩個方面進行穩健性分析。

（一）替換空間權重矩陣的穩健性檢驗

考慮到上文采用的是空間地理意義上的權重矩陣， 因此對空間權重矩陣進行重新設定。 考慮經濟意義上的空間權重矩陣， 選取2017年各地區生產總值差的倒數作為矩陣的元素， 對上述空間模型進行估計， 結果如表4所示。 由回歸結果可以看出， 金融發展和技術創新對環境污染的空間影響系數沒有大幅度變動， 系數符號與前文保持一致， 由此可知， 模型通過了穩健性檢驗。

（二）變量選取的穩健性檢驗

為確保金融發展、技術創新對環境污染的影響不受控制變量的干擾， 本文刪除模型中的人口規模變量， 重新構建空間計量模型進行分析， 結果如表5所示。 根據回歸結果可以看出， 金融發展、技術創新對環境污染的空間影響與原模型所得結論基本一致， 變量參數和空間自相關系數的符號大致相同， 因此模型通過了穩健性檢驗。

六、基本結論與政策建議

本文綜合采用博弈分析方法探討金融發展、技術創新對環境污染的影響機理， 分析發現金融發展促進了企業生產和利潤的增加， 但間接加劇了環境污染程度; 技術創新不僅能夠有效擴大產出規模， 還有利于提高企業資源的利用效率， 進而降低企業的污染排放量。

本文選取我國30省2005 ～ 2017年的面板數據， 建立動態空間面板模型， 實證研究金融發展、技術創新對環境污染的空間影響。 研究表明：①我國環境污染存在顯著正的空間自相關性， 重污染地區高度集聚。 ②金融發展水平的提高顯著促進了當地環境污染水平提高， 這主要是由于金融業的發展降低了企業的生產成本， 進而擴大了企業的生產規模， 導致能源消耗增加和污染排放量增大， 環境污染程度隨之加深。 然而當地金融業的發展吸引了周邊地區的企業向本地區遷移， 改善了周邊地區的環境質量。 ③技術創新水平的提高可以有效降低當地環境污染程度， 這主要是由于技術創新能力的提升推動了污染處理技術和清潔生產技術的進步， 有效遏制了污染物的排放。 雖然周邊地區的環境質量呈現出上升的趨勢， 但效果并不顯著， 可能是因為當地技術沒有發揮明顯的溢出效應。

基于以上結論， 為協調經濟發展和環境保護之間的關系， 本文提出以下政策建議：①我國各地政府在治理生態環境污染的同時， 應充分考慮污染的空間相關性。 從區域協同視角制定環境污染的治理措施， 加強區域間的環保技術交流、重大環境治理項目的聯合實施。 ②加快構建綠色金融體系， 充分發揮綠色金融在治理生態環境污染方面的作用， 提高對節能、環保型企業的金融支持， 借助金融手段遏制環境污染， 大力推動綠色債券、綠色保險、綠色信貸等的發展。 ③構建市場導向的綠色技術創新體系， 充分發揮技術創新的生態效應和市場配置綠色技術創新資源的導向作用， 引導企業增加清潔環保技術的研發投入， 加大對新型環保產業和節能產業的技術支持， 依靠科技創新加快推動制造業綠色轉型升級。 ④在吸引外商直接投資、引進發達國家和地區先進技術和資金的同時， 更應重視綠色環保理念的推廣， 重點加強綠色環保技術的引進、消化吸收和推廣應用， 優先引進資源節約型、環境友好型的技術、產品和服務。

【 主 要 參 考 文 獻 】

[1] Paul Ehrlich， John Holden. Impact of Population Growth[ J].Science，1971（171）：1212 ～ 1217.

[2] Richard York， Eugene A. Rosa， Thomas Dietz. Stirpat， Ipat， and?Impact： Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[ J].Ecological Economics，2003（46）：351 ～ 365.

[3] Grossman G. M.， Krueger A. B.. Environmental Impacts of a North?American Free Trade Agreement[ J].Social Science Electronic Publishing，1991（2）：223 ～ 250.

[4] Panayotou T.. Empirical Tests and Policy Analysis of Environmen-tal Degradation at Different Stages of Economic Development[Z].Technology and Employment Programmed Working Paper 238，International Labor Office，1993.

[5] 張祥，李麗.安徽省環境質量與經濟增長的關系研究[ J].安慶師范大學學報 （自然科學版），2018（3）：48 ～ 52.

[6] Shafik N.. Economic Development and Environmental Quality[ J].Oxford Economic Papers，1994（46）：757 ～ 773.

[7] Poon J.， Casas I.， He C.. The Impact of Energy， Transport and?Trade on Air Pollution in China[ J].Eurasian Geography and Economics，2006（47）：568 ～ 584.

[8] 李斌，曹萬林.經濟發展與環境污染的脫鉤分析[ J].經濟學動態，2014（7）：48 ～ 56.

[9] Shandra J. M.， Shor E.. Debt， Structural Adjustment， and Organic?Water Pollution： A Cross -National Analysis[ J].Organization and Environment，2008（1）：38 ～ 55.

[10] Cherniwchan J.. Economic Growth， Industrialization， and the?Environment[ J].Resource and Energy Economics，2012（4）：442 ～ 467.

[11] Bruvoll A.， Medin H.. Factors Behind the Environmental Kuznets?Curve： A Decomposition of the Changes in Air Pollution[ J].Environmental and Resource Economics，2003（1）：27 ～ 48.

[12] Pao H. T.， Tasi C. M.. Multivariate Granger Causality Between?CO2 Emissions， Energy Consumption， FDI and GDP： Evidence from a Panel of BRIC Countries[ J].Energy，2011（1）：685 ～ 693.

[13] Shahbaz M.， Ozturk I.， Afza T.， Ali A.. Revisiting the Envi-ronmental Kuznets Curve in a Global Economy[ J].Renewable and Sustainable Energy Reviews，2013（25）：494 ～ 502.

[14] 梁平漢，高楠.人事變更、法制環境和地方環境污染[ J].管理世界，2014（6）：65 ～ 78.

[15] 李國平，張文彬.地方政府環境規制及其波動機理研究——基于最優契約設計視角[ J].中國人口·資源與環境，2014（10）：24 ～ 31.

[16] Porter M. E.， Class V. D. L.. Toward a New Conception of the?Environment Competitiveness Relationship[ J].Journal of Economic Perspectives，1995（4）：97 ～ 118.

[17] 李粉，孫祥棟，張亮亮.產業集聚、技術創新與環境污染——基于中國工業行業面板數據的實證分析[ J].技術經濟，2017（3）：1 ～ 7.

[18] Ming Zhang，Xiaoxiao Liu，Yueting Ding，Wenwen Wang. How?Does Environmental Regulation Affect Haze Pollution Governance？——An Empirical Test Based on Chinese Provincial Panel Data[ J].Science of the Total Environment，2019（695）：1 ～ 7.

[19] Kemfert C. Induced Technological Change in a Multi-regional，?Multi-sectoral， Integrated Assessment Model （WIAGEM）： Impact Assessment of Climate Policy Strategies[ J].Ecological Economies，2005（2-3）：293 ～ 305.

[20] Ttrianni A.， Cagno E.， Worrell E.. Innovation and Adoption of?Energy Efficient Technologies： An Exploratory Analysis of Italian Primary Metal Manufacturing SMEs[ J].Energy Policy，2013（7）：430 ～ 440.

[21] 李博.中國地區技術創新能力與人均碳排放水平——基于省級面板數據的空間計量實證分析[ J].軟科學，2013（1）：26 ～ 30.

[22] 韓堅，盛培宏.產業結構、技術創新與碳排放實證研究——基于我國東部個?。ㄊ校┟姘鍞祿 J].上海經濟研究，2014（8）：67 ～ 7.

[23] Yongfeng Zhu， Zilong Wang， Jie Yang， Lingling Zhu. Does?Renewable Energy Technological Innovation Control China's Air Pollution？ A Spatial Analysis[ J].Journal of Cleaner Production，2019（250）：1～13.

[24] Jalil A.， Feridun M.. The Impact of Growth， Energy and Finan-cial Development on the Environment in China： A Cointegration Analysis[ J].Energy Economics，2011（2）：84 ～ 291.

[25] Shahbaz M.. Does Financial Instability Increase Environmental?Degradation？ Fresh Evidence from Pakistan[ J].Economic Modelling，2013（33）：537 ～ 544.

[26] 原毅軍，蘆云鵬.金融發展、環境污染與經濟可持續最優增長路徑[ J].科技與管理，2014（3）：1 ～ 7.

[27] 朱歡.金融發展會加劇環境污染嗎？基于Hansen門檻模型的檢驗[ J].預測，2018（3）：56 ～ 61.

[28] Bello A. K.， Abimbola O. M.. Does the Level of Economic?Growth Influence Environmental Quality in Nigeria： A Test of Environmental Kuznets Curve （EKC） Hypothesis？[ J].Pakistan Journal of Social Sciences，2010（23）：325 ～ 329.

[29] 徐明偉，徐鑫，解其昌.普惠金融在綠色生態發展中的傳遞作用[ J].山東社會科學，2018（3）：176 ～ 186.

[30] 王偉，楊敬峰，孫芳城.金融發展與城市環境污染：加劇還是緩解——基于268個城市數據[ J].西南民族大學學報（人文社科版），2019（5）：96 ～ 106.

[31] 賀俊，程銳，劉庭.金融發展、技術創新與環境污染[ J].東北大學學報（社會科學版），2019（2）：139 ～ 148.

[32] Jing Zhao， Ziru Zhao， Huan Zhang. The Impact of Growth，?Energy and Financial Development on Environmental Pollution in China： New Evidence from a Spatial Econometric Analysis[ J].Energy Economics，2019（9）：506.