綠色金融對綠色全要素生產率的影響研究
——基于固定效應模型的實證檢驗

舒泰一，趙田田，張曉磊

(云南師范大學 泛亞商學院，云南 昆明 650032)

1 引言

隨著我國經濟發展進入新常態，傳統的粗放型經濟發展模式已經不適合中國經濟發展需要，“兩山理論”的綠色經濟發展理念深入人心。在經濟發展模式實現轉型的過程中，綠色金融作為能夠連接環境保護與經濟發展的重要工具備受矚目，在國家層面已被多次提及。綠色金融包含的參與主體較廣，與金融機構、企業發展和消費者利益息息相關。其中，綠色信貸、綠色保險等具體綠色金融指標被廣泛關注。綠色金融對于促進經濟可持續發展具有重要作用，且綠色全要素生產率是衡量可持續發展的主要指標之一。因此，研究綠色金融與綠色全要素生產率的發展現狀及相互關系對于綠色經濟的進一步發展至關重要。

目前，對于綠色金融與綠色全要素生產率的相關研究主要集中在宏觀和微觀兩個層面。從宏觀上看，綠色金融對綠色全要素生產率存在積極作用，主要從空間杜賓、中介變量和門檻效應等分析綠色金融對全要素生產率在空間上的影響。綠色金融對綠色全要素生產率呈現顯著的空間差異，且東部地區最為顯著，西部地區影響最小，其中控制變量基本選擇產業結構、人力資本和技術創新等[1～4]。從微觀上看，分別將綠色金融和綠色全要素生產率進行細化，研究綠色信貸對重污染行業、工業和農業的綠色全要素生產率影響；劉傳江等[5]用雙重差分法研究綠色信貸政策對重污染行業綠色全要素生產率的影響，研究得出實施綠色信貸政策能夠顯著提升我國重污染行業綠色全要素生產率；郭威和曾新欣[6]以及李凱風等[7]分別用空間杜賓和DDF函數、ML指數研究綠色信貸與工業綠色全要素生產率的關系。研究得出，綠色信貸能夠為企業綠色研發提供資金來源；環境規制與綠色信貸能夠提升工業增長效果，促進工業綠色全要素生產率發展。Salman Hamidet等[8]研究南亞農業綠色全要素生產率，研究得出發展清潔農業有利于促進南亞農業可持續發展。

從上述分析來看，綠色金融與綠色全要素生產率宏觀層面研究較少，多為綠色金融的具體方面或具體產業的分析，且實證研究模型使用較為單一。綜合以上研究，運用熵權法構建了綠色金融指數，并采用SBM-DDF模型測算了綠色全要素生產率，選用固定效應模型對綠色金融與全要素生產率進行了綜合分析。

2 數據來源、指標體系構建及研究方法

2.1 指標體系構建

本研究借鑒馮蘭剛等[9]、劉孜等[10]的指標體系，選取綠色信貸、綠色保險、碳金融和綠色投資作為綠色金融的代理變量；借鑒岳鴻飛等[11]、高琦等[12]、姚鳳民等[13]的研究方法，使用SMB-DDF模型構建綠色全要素生產率。選取技術創新、對外開放、工業化程度和財政支出占比作為控制變量。構建了指標體系如表1。

表1 指標體系構建

2.2 數據來源

數據來源于2011～2019年中國工業統計年鑒、中國環境統計年鑒、中國能源統計年鑒、中國農村統計年鑒、EPS數據庫。

2.3 熵權法

根據上述選取的綠色金融的指標體系，通過熵權法構建綠色金融指數。首先對指標進行標準化，綠色信貸和碳金融為負向指標，綠色保險和綠色投資為正向指標。

(1)

(2)

(3)

式(1)～式(3)中，Ej為信息熵，gre為綠色金融指數。

2.4 非期望產出的SBM-DDF模型

本研究使用SBM-DDF模型測度綠色全要素生產率，其中期望產出為GDP；非期望產出為工業廢水排放量、二氧化硫排放量、工業煙塵排放量；投入指標為勞動力、資本存量和能源消耗[14，15]。

(4)

(5)

(6)

2.5 回歸模型設定

本研究使用綠色金融指數(gre)加入控制變量對綠色全要素生產率(GTFP)進行分析公式如下：

GTFPi,t=αi+λi+β1grei,t+β2indi,t+β3fdii,t+β4rdi,t+β5govi,t+εi,t

(7)

式(7)中，GTFP為綠色全要素生產率，gre為綠色金融指數，ind、fdi、rd、gov為控制變量，ε為擾動項。

3 實證分析

3.1 回歸分析

首先對綠色金融與綠色全要素生產率進行回歸分析，各變量描述性分析結果如表2所示。

表2 變量的描述性統計結果

由表2可知，2011～2019年我國GTFP的最大值為4.9789，而最小值為0.8489，二者相距較大。ec和tc作為GTFP的分解，最大值與最小值也呈現較大差距。Gre最小值為0.1769，最大值為0.7465；rd作為科研投入，均值為1.6371，而最大值高達6.3147，表明我國科研投入省份差距較大。

首先進行對數據進行Hausman檢驗(表3)，結果表明P值=0.0331，在5%的顯著性水平上顯著。因此選用固定效應模型對GTFP和gre進行分析，結果如表4所示。

表3 Hausman檢驗

表4中模型1表示綠色金融對GTFP的回歸結果，模型2表示加入控制變量后，綠色金融對GTFP的回歸結果。結果表明綠色金融在加入控制變量前系數為4.4024，在1%的顯著性水平上顯著。加入控制變量后系數為1.2853，在5%的顯著性水平顯著，綠色金融對GTFP具有顯著的促進作用。各控制變量均在1%的顯著性水平上顯著，其中ind、fdi、rd、和gov對GTFP起抑制作用，gov對GTFP起促進作用。

表4 回歸分析結果

3.2 穩健性檢驗

進一步進行穩健性分析，用綠色金融指數分別對TC和EC進行回歸，結果表明：TC、EC的Hausman檢驗P值分別為0.0000、0.0331，分別在1%和5%的顯著性水平上(表5)，故選擇固定效應模型進行分析。

表5 Hausman檢驗

由表6可知，TC和EC在未加入控制變量時，均在1%顯著，綠色金融對TC和EC的系數分別為3.6845和0.3796，表明綠色金融對技術進步指數(tc)和效率改進指數(ec)均起到顯著促進作用。加入控制變量后，綠色金融對效率改進指數在5%具有顯著促進效應，而綠色金融對技術進步系數為0.6355，但促進效應不顯著。考慮綠色金融對技術進步指數(tc)的影響，各控制變量均1%顯著，ind、fdi、gov對tc具有抑制作用，rd對tc具有促進作用；考慮綠色金融對效率改進指數(ec)的影響，ind不顯著，fdi、gov在10%顯著，rd在5%顯著，fdi與rd對ec具有促進作用，gov對ec具有抑制作用。

表6 回歸分析結果

4 結論與展望

本研究使用2011～2019年省級面板數據，分析了我國30個省份綠色金融對綠色全要素生產率的影響，結果表明：我國綠色金融與綠色全要素發展水平近年來不斷提高，全國各地二指數均有不同程度的發展。固定效應模型結果表明綠色金融對綠色全要素生產率具有明顯促進作用。工業產業增加值、外商投資和政府財政支出對全要素生產率有負向影響，技術研發投入對綠色全要素生產率有正向作用。因此，結合實證分析結果與當前綠色金融和綠色全要素生產率發展現狀，作出以下展望：

(1)擴大綠色信貸、綠色投資、綠色保險等綠色金融工具的規模。當前綠色金融發展尚不完善，尤其是我國西部地區，綠色金融起步較晚，且大多以綠色信貸為主，其它綠色金融工具的普及度不足。應拓寬綠色金融融資渠道，滿足小微企業的融資需求。同時需要提高綠色投資與綠色信貸投向的精準度，資金應向節能環保企業傾斜。對高污染的企業施加融資限制，定向投放資金的同時限制污染的排放。

(2)加強綠色金融工具的創新，提高綠色金融工具的質量。近年國家不斷強調防范金融風險，綠色保險正是綠色金融不可或缺的風控手段。目前我國綠色保險發展較為落后，相關險種缺乏，無法滿足當前各領域對保險保障的需求。因此，應豐富綠色金融保險的險種數量，擴大險種適應范圍。同時政府機構亦可以協同保險機構設立專項綠色保險項目基金，健全完善的理賠機制。

(3)大力扶持新能源行業，并同時幫助污染行業企業轉型。促進綠色全要素生產率增長問題的根本要從最初的投出產出來解決。解決資金融資需求的同時，更需要關注污染的排放。以往中小微企業規模較小且得不到政府的重視，污染排放問題一直無法有效解決。政府在定向提供融資支持的同時，需要幫助企業調整產業結構，淘汰過剩、落后產能，幫助污染企業低碳轉型。

本研究僅基于固定效應模型對綠色金融與綠色全要素生產率做了簡要定量分析，選取的控制變量也僅為眾多影響因素的小部分。在后續分析中，可以使用更復雜的模型，從更全面的視角對綠色金融與綠色全要素進行更細致的分析。