工業集聚、金融集聚對綠色全要素生產率的影響機制及空間效應研究

汪 彬 劉曉陽 李佳杰 陳洋毅

（中共中央黨校（國家行政學院）經濟學教研部，北京 100091）

引 言

高質量發展已經成為當前乃至今后一段時間內中國經濟社會發展的主題和重要戰略任務。黨的十九大報告指出，“我國經濟由高速增長階段轉向高質量發展階段”，這是對我國經濟社會發展階段的科學判斷。與此同時，黨的十九大還首次提出了要提高全要素生產率的戰略要求。在世界百年未有之大變局背景下，面對中美經貿摩擦和新冠肺炎疫情跌宕反復等新形勢，提高全要素生產率、激發經濟發展活力、培育高質量發展新動能顯得尤為重要。需要注意的是，盡管改革開放以來中國憑借低廉的要素資源成本、粗放式的發展模式推動了經濟高速增長，發展成就十分顯著，但其發展弊端也逐漸顯露，嚴重的環境污染和資源的低效利用與廣大人民群眾對美好生活的訴求相悖，轉變經濟發展方式，實現綠色低碳轉型成為迫在眉睫的戰略選擇。為此，黨的十八大以來，中國在推動經濟轉型的過程中，愈加重視生態環境保護問題，注重同步推進物質文明建設和生態文明建設。從黨的十八大將生態文明建設納入 “五位一體”總體布局中到黨的十九大提出 “人與自然和諧共生”，再從2021年中央經濟工作會議提出 “正確認識和把握碳達峰碳中和”到十九屆中央政治局第三十六次集體學習強調 “建設綠色制造體系和服務體系”，推動綠色經濟發展已然成為中國經濟轉型的發展戰略要求和必然選擇，而提升綠色全要素生產率是推動綠色發展，實現轉型升級的關鍵指標和有效路徑。

產業是支撐一國或地區經濟社會發展的重要支柱。在影響綠色全要素生產率的諸多要素中，產業集聚被認為是關鍵性的指標之一，產業集聚既可以通過集聚效應推動產業結構優化升級、提升經濟發展質量，也可以提高資源的利用效率、促進產業節能減排，還可以通過空間效應給周邊地區帶來 “福音”。如何更好地認識產業集聚與生態環境的關系，如何實現經濟增長和環境改善的 “雙贏”局面，這些都是當前學術界關注的熱點問題。鑒于此，本文以產業類型中的工業和金融業為例，試圖回答以下兩個問題：（1）工業集聚、金融集聚如何影響中國的綠色全要素生產率？（2）不同因素對綠色全要素生產率的影響程度及其空間溢出效應如何？在上述背景下，本文研究兩大產業集聚與綠色全要素生產率的關系及空間效應，有利于發揮工業集聚、金融集聚的優勢，推進經濟增長方式和增長動能的高質量變革，有利于堅持 “人與自然和諧共生”中國式現代化的實踐遵循，對當前中國經濟社會的可持續發展具有重要的現實意義。

1 文獻綜述

從工業集聚、金融業集聚與綠色經濟的關系來看，不同類型產業集聚的影響效用不盡相同。對于工業集聚，李偉娜 （2017）［1］認為工業制造業集聚的初期能通過規模效應實現各企業的信息互通和綠色技術共享，進而達到提升綠色全要素生產率的目的。吉亞輝等 （2021）［2］認為制造業協同集聚對本區域生態改善具有積極促進作用，對其他周邊地區生態效應也同樣具有溢出效應。朱風慧和劉立峰 （2021）［3］的研究表明威廉姆森假說在我國制造業領域顯著存在，隨著經濟發展水平的提升以及綠色技術的進步，制造業集聚對綠色全要素生產率的正向影響邊際遞減。馬彥瑞和劉強 （2021）［4］發現工業集聚對綠色經濟效率具有促進作用，但這種促進效應并非持續有效呈倒 “U”型的曲線關系，需要政府動態調整相關的產業政策，避免工業過度集聚所帶來的擁擠效應。對于金融服務業的集聚，王鋒等 （2017）［5］認為金融集聚不僅對本省（區、市）綠色經濟發展具有正向影響，也對臨近省（區、市）的綠色經濟發展存在空間溢出效應。葛鵬飛等 （2018）［6］發現金融發展與綠色TFP之間呈現較為復雜的非線性關系，金融規模、金融結構和金融深化均與綠色TFP呈現先負后正的邊際遞增關系，金融效率則有著 “U” 形的抑制作用。 倪瑛等 （2020）［7］的研究表明雖然單一的金融發展和環境規制對綠色全要素生產率有一定的促進作用，但中國當前 “金融發展-環境規制”相結合的模式抑制了綠色全要素生產率。

通過文獻梳理，可發現當前的大多數研究是針對單一要素與全要素生產率或綠色全要素生產率的關系而展開的，無法呈現出全面的行業集聚生態或者多元要素對綠色全要素生產率的影響，可能會產生個體偏差。故本文以此為切入點，綜合具有非期望產出的SBM模型和ML指數法測算出中國30個省（區、市）的綠色全要素生產率；通過二元鄰接空間權重矩陣構建動態空間杜賓模型，繼而探究工業集聚、金融集聚與綠色全要素生產率的關系及空間效應，研究因素更為綜合且深入。

2 理論分析與研究假設

在理論上，產業發展不僅具有集聚效應，同時也存在擁擠效應，產業發展質量的高低是聚集效應和擁擠效應相互作用的結果。雖然產業的集聚效應可以提升經濟發展的效率和質量，但也會因為產業的擁擠效應而產生負外部性，帶來一系列負面影響［8］。同理，工業集聚作為一種以分工深化為基礎的空間組織形式，可以使得多個工業企業高度集中在一定地理區域內形成優勢發展［9］，其對綠色全要素生產率也存在集聚效應和擁擠效應這兩種作用機制。（1）工業集聚程度達到適度規模，工業的集聚效應會產生正向作用機制，促進綠色全要素生產率的提高。具體而言：合理適度的工業集聚不僅可以吸引相關產業的人才集聚，形成一定程度上的技術共享，提高產品質量與服務水平［10］；還可以有效控制企業生產成本，通過優化企業間的生產資源的配置來淘汰低產能、高污染企業，降低各類污染物的排放，提高產業生產能力和改善生態環境質量，進而促進綠色全要素生產率的提升［4］；（2）當某地區的工業集聚程度超過適度規模時，集聚效應會由于產業的空間極化轉變為擁擠效應，工業的擁擠效應會產生負向作用機制，對綠色全要素生產率產生抑制作用。具體而言：過度的工業集聚不僅會引發產業市場飽和、資源短缺等問題，致使企業因盲目增加生產投入、爭奪公共物品而陷入惡性競爭的泥潭中［4］；還會誘發能源消耗過度、工業污染等問題，致使區域環境質量惡化，環境治理成本上升，進而抑制綠色全要素生產率的提升［3］。

基于上述分析，本文提出假設1：工業集聚與綠色全要素生產率存在倒 “U”型曲線關系。

就金融集聚而言，金融業作為現代經濟的重要組成部分，不僅能夠優化市場資源配置、服務實體經濟，還可以通過規模效應促進產業結構優化升級、推動綠色經濟發展。具體而言：（1）金融集聚可以促使資金由效率低、污染大的投資項目流向效率高、污染小的投資項目，既可以實現金融資本的合理配置，又可以推動企業轉型升級和環境技術進步，優化產業結構，提高節能效率，進而推動綠色經濟發展；（2）金融集聚有助于引導金融資本流入傳統企業的污染治理環節，推動傳統企業節能環保技術的革新，實現節能減排和可持續性發展，進而促進綠色全要素生產率的提高［11］；（3）金融集聚既可以創造出金融機構的衍生性行業及服務，實現金融機構與其他產業關于信息和資源方面的 “互通有無”，為產業結構升級提供資金支持；同時也有助于推動金融機構形成新的合作力，達到 “1＋1＞2”的效果，產生規模效應，進而實現更大范圍的資源配置優化與產業結構升級，推動本區域與周邊區域的綠色經濟發展［12］。

基于上述分析，本文提出假設2：金融集聚有助于提升綠色全要素生產率水平。

3 變量選取

3.1 被解釋變量

數據包絡分析（DEA）是由 Charnes等（1978）［13］提出的一種以線性規劃為基礎、以距離函數為方式的模型方法，能夠對具有可比性的同類型單位進行有效評價。本文借鑒Tone（2003）［14］的做法，以DEA方法中的含有非期望產出的SBM方向距離性函數為基礎，并加入Chung等 （1997）［15］提出的ML（Malmquist-Luenberger）生產率指數，用以度量綠色全要素生產率的動態變化。鑒于此，t期到t＋1期的ML生產率指數的具體公式為：

ML生產率指數可以進一步分解為技術效率變化（MEC）和技術進步（MTP）［16］：

在上述公式中，D表示生產單元DMU，x、y、d、g分別代表生產性投入、期望產出、非期望產出及方向向量。MEC表示綠色技術效率變化狀況，即t＋1時期的生產單元相比t時期的生產單元是否更接近生產前沿。若MEC＞1，則表示t＋1時期的生產單元更接近生產前沿，即綠色技術效率改善；若MEC＜1，則表示t＋1時期的生產單元更遠離生產前沿，即綠色技術效率惡化。同理，MTP表示綠色技術進步變化狀況，即t＋1時期的生產單元相比于t時期的生產單元是否提升了技術水平。當MTP＞1時，表示綠色技術進步；當MTP＜1時，表示綠色技術倒退。

綠色全要素生產率的指標體系包括：（1）關于資源性投入，用各省（區、市）電力消費量（億千瓦時）表示；關于非資源性投入，勞動要素投入用各省（區、市）年末實際的就業總人數（萬人）表示，資本要素投入則用各省（區、市）的資本存量（億元）表示， 借鑒張軍等 （2004）［17］的永續盤存法（PIM）計算出折舊率和以2011年為基期的資本存量；（2）關于期望產出，用各省（區、市）的實際GDP（億元）來表示，并用以2011年為基期的GDP平減指數進行平減處理； （3）關于非期望產出，鑒于數據收集的完整性和可靠性，本文選取各省（區、市）的二氧化硫排放量（萬噸）、氮氧化物排放量（萬噸）和化學需氧量排放量（萬噸）來表示。

3.2 解釋變量

（1）工業集聚程度。本文借鑒余泳澤等（2013）［18］的做法來計算區域工業集聚程度，公式為： INDit＝ （Iit／Yit） ／（It／Yt）。 式中， INDit為 i省（區、市）工業制造業在t時期的區域熵，Yit為i省（區、市）在t時期的產值，Yt為全國在t時期的產值，Iit為i省（區、市）在t時期的工業制造業產值，It為全國在t時期的工業制造業產值。同時引入工業集聚的二次項（IND2），以驗證倒 “U”型曲線關系。

（2）金融集聚程度。同上，公式為：FINit＝（Fit／Yit） ／（Ft／Yt）。 式中， FINit為 i省（區、 市）金融業在t時期的區域熵，Ft為全國在t時期的金融業產值，Fit為i省（區、市）在t時期的金融業產值。

3.3 控制變量

為進一步提高模型準確性，本文選取政府干預能力、經濟發展能力、人力資本、交通條件、外商直接投資作為控制變量。（1）政府干預能力。該指標由各省（區、市）財政支出占該省（區、市）名義GDP的比重來表示，比值越高，說明該地區的政府干預能力越強［19］； （2）經濟發展能力。該指標由各省（區、市）人均GDP來表示，并取對數形式；（3）人力資本。該指標由各省（區、市）每十萬人口普通高校平均在校生人數來表示，并取對數形式，該指標數值越大，說明該地區勞動力的技能與知識水平越高；（4）交通條件。該指標由各省（區、市）人均道路面積來表示，并取對數形式，該指標數值越大，說明該地區交通條件越優越、基礎設施越發達；（5）外商直接投資。該指標由各省（區、市）外商投資企業貨物進出口總額與地區生產總值的比值來表示。

3.4 數據來源

本文原始數據來源于相關年份的 《中國統計年鑒》、《中國人口和就業統計年鑒》、《中國環境統計年鑒》和EPS數據庫。在研究時間段選擇上，鑒于工業集聚、金融集聚效應往往具有時滯性，2020年新冠肺炎疫情對其影響很難在當期直接體現出來，故本文將研究時間范圍設置為2011～2020年，選取中國30個省（區、市）（考慮數據的可獲得性，港、澳、臺地區和西藏自治區除外）的面板數據進行實證分析。

4 模型設計

4.1 空間自相關

進行空間自相關分析是為了判斷某變量是否存在空間范圍的相關度及存在怎樣的關系度。空間自相關系數主要是衡量變量對某一領域的影響水平及其在空間內的分布狀態。當Moran's I＞0時，存在正向空間相關性；當Moran's I＜0時，存在負向空間相關性；當Moran's I＝0時，則不存在空間相關性。鑒于此，本文利用Moran's I測度各變量的空間相關性。具體公式如下：

其中，n為樣本量；S2是樣本方差。Xi、Xj是空間區域i和j的觀察值，Wij則是空間權重矩陣。

4.2 空間權重矩陣

空間權重矩陣是空間計量模型的核心要素，為探究在地理因素影響下工業集聚和金融集聚對綠色全要素生產率的影響，本文選用二元鄰接距離矩陣作為空間權重矩陣。具體公式如下：

其中，若省（區、市）i和省（區、市）j在空間上相鄰，則空間矩陣的權重為1；若省（區、市）i和省（區、市）j在空間上不相鄰，則空間矩陣的權重為0。

4.3 空間計量模型

一般而言，空間計量模型分為3種類型：空間滯后模型（SLM）、空間誤差模型（SEM）和空間面板杜賓模型（SDM）， 本文借鑒任陽軍等 （2021）［20］的做法，將綠色全要素生產率（GTFP）引入空間計量模型中。

4.3.1 空間滯后模型（SLM）

主要用于研究某個變量的相鄰區域是否受到該變量的影響，具體公式如下：

4.3.2 空間誤差模型（SEM）

適用于空間權重矩陣等重要變量被放置在誤差項中的情況，具體公式如下：

4.3.3 空間杜賓模型（SDM）

加入了被解釋變量的空間滯后項與解釋變量的空間滯后項，以度量周邊區域被解釋變量與解釋變量對研究區域的影響；相比于空間滯后模型與空間誤差模型，空間杜賓模型更為全面，具體公式如下：

其中，下標i代表省（區、市），t代表年份；GTFP為被解釋變量，即綠色全要素生產率；IND、IND2、FIN為解釋變量，分別表示工業集聚、工業集聚二次項、金融集聚；GOV、lnECO、lnLAB、lnTRA、FDI為控制變量，分別表示政府干預能力、經濟發展能力、人力資本、交通條件、外商直接投資。其中，C為常數項，δ為衡量綠色全要素生產率的空間相關度，β為待估計系數，W為空間權重矩陣，μi和νt分別為固定效應和隨機效應，ηit為誤差項；W×ηit為空間滯后誤差項，εit為隨機誤差項。

5 實證結果與分析

5.1 空間自相關的結果

本文通過Stata軟件測算出2011～2020年中國30個省（區、市）工業集聚、金融集聚與綠色全要素生產率的Moran's I指數。由表1可知，各省（區、市）的工業集聚、金融集聚與綠色全要素生產率的Moran's I指數均大于0，且大多數都在1%的顯著性水平下通過檢驗。結果表明，工業集聚、金融集聚與綠色全要素生產率在所研究范圍內具有明顯的空間正相關性，即存在 “H-H的正相關”和 “L-L的正相關”。除此之外，工業集聚、金融集聚和綠色全要素生產率的Moran's I在樣本期間圍繞0.3左右波動。由此可見：三者之間的空間相關性持續穩定。

表1 2011～2020年Moran's I指數

續 表

5.2 空間計量模型的選擇

為更好地研究工業集聚、金融集聚與綠色全要素生產率之間的關系，需要判斷使用隨機效應模型還是固定效應模型分析后續問題。對此，本文進行Hausman檢驗，結果顯示：統計量Chi2（8）的值為89.53，P值為0.000，可以在1%的顯著性水平下拒絕原假設。因此，應選擇固定效應模型分析后續實證問題。鑒于上述的Hausman檢驗結果傾向于固定效應模型，同時為了使分析結果更加精準，本文選取時間和空間雙固定模型，并分別對SDM、SLM和SEM 3種空間計量模型進行回歸分析。

由表2可知，SDM的R2和Log-likelihood值高于SEM與SLM，且SDM相對于SLM和SEM而言，有著更顯著的變量系數和數量更多的顯著變量，即應當選擇SDM進行后續的分析。

表2 空間計量模型的回歸結果

5.4 空間效應的分析

從空間杜賓模型的效應分解結果（表略）可發現：就解釋變量而言，工業集聚（IND）和金融集聚（FIN）的直接效應、間接效應和總效應均較為顯著，其不僅對本地區綠色全要素生產率的提高具有顯著作用，還可以促進周邊地區綠色全要素生產率的提高，具有正向的空間溢出效應。這說明本地區的工業規模效應、金融發展可以通過區域間的傳導機制輻射到周邊地區，在實現區域間工業、金融業協同發展的基礎上推動綠色經濟的發展。工業集聚二次項（IND2）的空間效應系數均為負數，工業集聚一次項（IND）的空間效應系數均為正數，這說明工業集聚與綠色全要素生產率之間存在倒 “U”型曲線關系，工業集聚對綠色全要素生產率的促進作用并非一直增加，而是存在一定的閾值［4］。

就控制變量而言，政府干預能力（GOV）對本地區綠色全要素生產率起促進作用，但會抑制周邊地區綠色經濟發展，這說明政府加大對本地區生態環境的監管可以促使企業對生產過程中的高污染與高耗能活動的重視，但同時也會使得污染大的產業轉移到周邊地區，影響周邊地區的生態環境，從而抑制周邊地區綠色全要素生產率的提高；經濟發展能力（ECO）對本地區及周邊地區的綠色全要素生產率具有顯著的促進作用，這說明經濟發展能力要求具備能夠與其匹配的產業結構和要素稟賦空間，經濟發展能力越強，產業結構就越合理、要素資源就越豐富，繼而能夠增強區域發展的經濟活力，提高生產效率，降低環境污染和資源浪費，實現經濟效益和環境效益的 “雙贏”；人力資本（LAB）與交通條件（TRA）對本地區的綠色全要素生產率具有正向效應，即人力資本水平越高、交通條件越好，則本地區與周邊地區的綠色全要素生產率越高。這可能是由于人力資本水平的提高推動地區綠色科技水平的提升，良好的交通條件和基礎設施能夠減少企業產品在流通過程中的損耗、生產成本和能源消耗。不過，人力資本（LAB）與交通條件（TRA）會對周邊地區綠色經濟發展起抑制作用，這說明地區高質量的人力資本以及良好的基礎設施會對周邊地區產生“虹吸效應”，吸引技術、人才、資金等優勢資源要素流向本地區，進而沖擊和減緩周邊地區的發展；外商直接投資（FDI）對本地區及周邊地區的綠色全要素生產率呈現負相關性。這可能是由于地區對外商投資的利用程度低以及引進的外商投資更多聚集在高污染高能耗的低端制造業上，這不利于提升地區制造業水平，還會影響和破壞生態環境，進而抑制綠色全要素生產率的提高。

5.5 穩健性檢驗

5.5.1 更換空間權重矩陣

為了檢驗空間計量模型的精準度，本文選用不同的空間權重矩陣進行穩健性檢驗，通過借鑒紀玉俊和王芳 （2021）［21］的方法，將原有的空間權重矩陣更改為反經濟距離矩陣，具體公式如下：

其中，GDPi和GDPj表示為省（區、市）i和省（區、市）j的人均GDP水平。

從更換空間權重矩陣后的空間計量模型的效應分解結果（表略）可以發現：更換空間權重矩陣后，解釋變量的空間效應的系數符號均未發生變化，且顯著性水平基本相同，因此實證結果是穩健的、可靠的。

5.5.2 調整樣本觀測時間

本文參考馬小芳等 （2021）［22］的做法，將樣本觀測時間由2011～2020年更改為2006～2020年，所得的結果如表3所示。解釋變量的系數顯著性差異較小，符號都保持一致，結果依然穩健。

表3 調整樣本觀測時間后的空間計量模型的效應分解

6 結論與政策建議

本文基于2011～2020年中國30個省（區、市）的面板數據，通過包含非期望產出的超效率SBM模型和ML指數法測算出綠色全要素生產率，并通過空間杜賓模型實證分析工業集聚、金融集聚對綠色全要素生產率的影響及空間溢出效應。主要研究結論如下：（1）工業集聚、金融集聚具有顯著的正向直接效應及溢出效應，可以有效提升本地區和周邊地區的綠色全要素生產率，同時工業集聚與綠色全要素生產率之間存在倒 “U”型曲線關系，即當工業集聚超過特定 “閾值”時，工業集聚將對綠色全要素生產率產生抑制作用；（2）政府干預能力、經濟發展能力、人力資本、交通條件和外商直接投資對綠色全要素生產率的直接效應與空間溢出效應存在顯著差異，并反作用于工業集聚、金融集聚對綠色全要素生產率的影響效應。

基于以上理論分析與實證檢驗，本文提出以下政策建議：（1）對于工業制造業，既要增強工業集聚對綠色全要素生產率的促進作用，發揮其規模效應，也要促進工業制造業的適度集聚，淘汰高能耗、高污染的企業，同時還要推動工業技術創新，建立新的生產函數，以加快產業結構調整與優化升級，避免倒 “U”形態的后半部分出現；對于金融業，要充分發揮金融集聚對綠色經濟發展的積極作用，要因地制宜地實施富有彈性的金融產業政策，強化金融服務實體經濟的職能，積極引導金融資源流向綠色環保、清潔生產的工業企業，為工業企業的綠色創新發展提供強有力的金融支撐，繼而提高當地的綠色全要素生產率；（2）既要強化政府在環境保護中的職能體現，完善環境保護制度，加強對環境變化的檢測與監控，增加對環境保護的財政撥款，同時也要增加政府對綠色產業的投資與補貼，降低環保企業的門檻與融資貸款難度，鼓勵民間、社會各類主體參與綠色經濟發展；（3）要發揮經濟發展能力對綠色全要素生產率的推動作用，制定優惠的營商政策，營造良好的營商環境，為當地綠色環保企業的發展提供高質量的人力資源和現代化的基礎設施；（4）要提高對外商直接投資的利用效率，提高對外開放的質量，提高環保準入門檻，鼓勵外國投資者向綠色行業與高科技行業投資，發揮外國資本促進綠色全要素生產率提升的有利作用； （5）要深入實施區域重大戰略和區域協調發展戰略，增強區域發展的平衡性和協調性；要增強核心城市對周邊地區的外溢效應，以城市群、經濟帶建設推進區域間的綠色經濟協同發展。