金融結構優化與綠色全要素生產率增長

汪紅駒　丁少斌

摘?? 要：基于新結構經濟學的產業結構升級理論，提出高技術產業發展是金融結構優化促進綠色發展的前提的假說，根據不同的融資工具，從股權融資相對銀行信貸比重、債券融資相對銀行信貸比重、直接融資占比三個層面考察金融結構優化對于綠色全要素生產率（GTFP）的影響。使用中國30個省（區、市）的面板數據，構建動態面板門檻模型進行實證檢驗。結果表明：提高股權融資比重、債券融資比重和直接融資占比對促進GTFP增長均存在顯著的積極作用。考慮產業結構差異后，發現股權融資比重存在顯著的產業結構門檻效應，其對GTFP的積極作用只有當高技術產業發展到一定門檻后才會凸顯。異質性分析表明，在達到產業結構門檻的過程中，四大區域呈現東部領先、東北次之、中部與西部落后的時空格局。提高股權融資比重和直接融資占比在東部與東北地區的效應明顯超過中部與西部地區。此外，進入“十三五”時期后，股權融資比重的作用有進一步增強的趨勢。

關鍵詞：金融結構；綠色全要素生產率；產業結構；高技術產業發展

中圖分類號：F832?? 文獻標識碼：A?? 文章編號：1003-7543（2023）09-0067-18

推進金融供給側結構性改革、優化金融體系結構以更好支持實體經濟高質量發展是當前中國貫徹新發展理念、構建新發展格局的重要戰略舉措。當前中國經濟增長已從總量的高速增長轉向結構性調整的高質量增長，中國大力發展高技術產業推進現代化產業體系建設以實現由要素驅動向創新驅動的新舊動能轉換。“氣候危機”與“雙碳”目標等命題也使得能源與環境可持續在經濟增長中的重要性進一步凸顯。近十年來，中國通過實施綠色金融創新改革、打造多層次資本市場、推進全面注冊制改革等重大金融改革措施持續強化金融部門支持經濟可持續增長的能力。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》與黨的二十大報告進一步強調優化金融體系結構的要求，提出要健全資本市場功能，提高直接融資比重，推動科技創新與綠色發展。

金融支持科技創新與綠色發展蘊含著優化金融結構、提高經濟發展質量的要求。當前中國經濟高質量發展與金融安排之間的主要矛盾不在于總量問題，而在于結構性問題：一方面，中國金融業增加值已經明顯偏高，但金融服務效率較低；另一方面，中國依然維持著銀行主導型的金融體系，對于支持企業創新更具優勢的直接融資，尤其是股權融資的比重過低［1-2］。怎樣的金融結構能夠更好地促進經濟增長？基于國際視角的研究結論中并未就特定經濟體的最優金融結構達成一致。早期持銀行主導論的學者認為，銀行在動員社會儲蓄、項目搜集處理、企業監督、平滑跨期風險等方面具有積極作用，更有利于經濟發展［3-4］。市場主導論則認為，金融市場（指證券市場等直接融資市場）在信息透明化、價格發現、創新激勵、分散風險、改善企業管理等方面具有積極作用［5］。動態最優金融結構的支持者認為，在不同經濟發展階段，金融中介與金融市場的功能顯著不同。經濟發展落后的國家更適合銀行主導型的金融結構，經濟發達的國家更適合市場主導型的金融結構［6-9］。從動態最優金融結構出發，部分學者基于新結構經濟學的視角給出了一個經濟體如何安排最適宜的金融結構以促進經濟增長的思考，認為最優金融結構內生于一個經濟體的要素稟賦與產業結構，與產業結構相匹配的金融結構能夠提供最有效率的金融服務，從而促進經濟增長［10-11］。此外，金融結構與環境變化也存在緊密的聯系，已有研究表明，一個經濟體的金融發展是否有利于污染減排，很大程度上取決于該國的金融結構是以銀行為主還是以股票市場為主［12-13］。目前關于金融結構的研究往往沒有綜合考慮經濟增長與環境可持續性。全要素生產率（total factor productivity，簡稱TFP）是經濟長期增長的主要源泉，但如果不考慮污染排放就容易產生一定偏誤，相較而言，綠色全要素生產率（green total factor productivity，簡稱GTFP）能夠更加準確地衡量經濟高質量發展水平［14］。本文使用新結構經濟學的分析思路，在中國產業體系現代化的進程中分析最優金融結構如何演進，在綠色發展的目標下探究金融結構、產業結構與GTFP三者間的關系，為優化金融結構促進綠色發展提供一定事實參考與實證依據。

一、理論基礎與研究假說

（一）最優金融結構的內生性特征

金融結構變動帶來的融資服務差異性關乎一個經濟體的金融安排能否在特定時期內有效促進經濟增長，新結構經濟學將融資服務差異性與特定發展階段的實體產業融資需求相聯系，認為最優金融結構內生于一個經濟體的要素稟賦與產業結構，匹配于產業結構融資需求的金融結構能夠提供最有效率的金融服務［10］。隨著中國產業結構的升級，高風險的研發創新活動相應增加，金融市場對研發創新等活動的融資支持凸顯了對新技術的孵化作用，并通過此路徑提升中國的經濟效率［15-18］。考慮環境效益后，新結構經濟學試圖將環境特征納入分析框架，認為金融結構與環境的關系是由內生于要素稟賦的產業結構所決定的。要素稟賦引致產業結構的差異性，這種差異性進一步引致金融需求與環境水平的差異［19］。更進一步，在給定的要素稟賦下，存在著最優產業結構，并由此決定了金融結構與環境的最優運行關系，當經濟運行偏離最優狀態時，金融結構與環境的關系也相應發生變化［20］。當產業結構與技術特征內生于要素稟賦時，能夠最大限度地利用要素稟賦所帶來的比較優勢，此時的產業結構與技術結構決定了最優環境特征。為了迎合此時的產業融資需求，金融結構自發作出調整，從而決定了最優的金融結構。由于此時的技術水平與環境特征都達到了比較優勢下的最優狀態，GTFP也相應達到了最優水平。

（二）金融結構變動的現實情境與假說H1的提出

金融結構對于綠色全要素生產率的影響有產業變遷與結構偏離兩種情境。在發展初期，產業結構以勞動密集型產業與低技術產業為主，發展初期資本積累緩慢，大企業數量相對較少，技術進步依賴于模仿與引進，研發資金需求相對較低，技術創新的風險也較低。此時，銀行主導型金融體系能夠提供較為匹配的融資服務。與此同時，經濟發展初期的產業結構與技術水平往往會導致較為嚴重的環境污染。在現代化進程中，伴隨著經濟發展與資本要素積累，資本要素的比較優勢逐步凸顯，資本密集型產業與高技術產業比例上升，企業的研發資金需求與技術創新風險開始擴大，對資本市場的需求開始上升，金融結構中股權融資和債券融資的占比開始提升。由于生產技術的進步與發展戰略的轉變，單位產出污染排放開始下降。隨著進一步的產業升級與綠色技術創新涌現，總體環境污染水平開始下降，環境質量得到提升。因此，基于現代化進程中的產業變遷情境，金融結構對GTFP的影響將取決于產業轉型階段，當一個經濟體產業結構逐漸以現代服務業與高技術產業為主導時，資本市場相對于銀行信貸的優勢將會凸顯，此時金融結構向直接融資轉型將對GTFP產生正面影響。上述分析是基于“產業結構—金融結構”相匹配時的狀態，當這種匹配的狀態發生扭曲時，金融結構偏離將通過融資渠道影響廠商的研發活動與技術特征，并進一步影響GTFP。這種扭曲可能有兩種情景，即現代化進程中金融結構的升級快于或滯后于產業技術結構的升級。當金融結構無法匹配當前的產業技術結構時，就會發生資源配置的扭曲，并對廣義的綠色技術創新產生負面激勵，同時可能阻礙一些高污染企業的退出過程，從而導致GTFP的損失。若金融結構改善、資源配置效率提高，GTFP就會得到相應提升。因此，基于結構偏離情境，同樣能得出，當一個經濟體產業結構逐漸以現代服務業與高技術產業為主導時，若適時調整金融結構，提升直接融資占比以更好地匹配產業融資需求，將有利于提升資源配置效率與GTFP。過去20年間，中國大力發展高技術產業推進現代化產業體系建設，進入經濟新常態后進一步由高增速發展模式調整為高質量發展模式，科技創新對于經濟增長的重要性進一步凸顯，而當前中國的金融體系仍維持銀行主導型，適時且有序地推進金融結構優化能夠更好地滿足實體產業的融資需求，提升資源配置效率，基于此，本文提出假說H1。

假說H1：相較于銀行信貸，提高股權、債券等直接融資工具的比重有利于GTFP增長。

（三）融資工具差異、高技術產業發展與假說H2的提出

從融資工具類別來看，債券市場在融資方式上屬于直接融資工具，債券融資相對于銀行信貸而言，能夠給融資方提供更長的融資期限與相對更加自由的資金使用權，但資金出借方與融資方仍維系著債權關系，低風險偏好、財務杠桿屬性與債務到期必須還本付息等特征不變。相對而言，股票市場則屬于股權融資，高風險、高回報的投資理念使得其對于公司研發創新等高風險活動容忍性較高，因而創新企業的融資可獲得性更高。充足的權益資本也能夠為公司留有一定財務杠桿空間，減輕企業家可能面臨的財務危機壓力，因而相對于銀行信貸而言更能夠鼓勵公司從事研發創新活動。因此，不同發展階段、不同產業結構的區域對于股權融資的需求存在差異。當中國的產業結構以低技術產業為主導時，銀行信貸的獲得便利性優勢凸顯，同時國有銀行配合中國的重大發展戰略與產業政策，承擔了諸如維護國防安全、支持重工業發展等政策性負擔，發揮了特定階段的金融結構優勢［21］。但若產業結構中研發創新等高技術產業占比逐漸上升時，股權融資的相對重要性將凸顯。在關于GTFP的一項經驗研究中［22］，發達國家的股票市場發展往往比銀行發展更有利于提高GTFP，而在發展中國家，股票市場發展相較于銀行發展的優勢則并不明顯。這些現象也暗示不同區域的產業結構、產業融資需求具有差異性，對于產業結構轉型和發展戰略調整時期的中國而言，提升股權融資相對銀行信貸比重①對GTFP的積極作用在產業結構更加現代化、技術水平相對領先的區域可能更加明顯。由此，本文提出研究假說H2。

假說H2：當高技術產業發展達到一定門檻后，提高股權融資比重對促進GTFP增長的積極作用才能凸顯。

二、研究設計

（一）計量模型構建與估計方法

1.基準模型與假說H1

借鑒GTFP相關研究的做法［23］，由于數據包絡分析（Data Envelopment Analysis）測算得到的GTFP是相對數，因而可以直接使用GTFP的水平值構建面板模型：

式（1）中：gtfpit為被解釋變量，fit為解釋變量金融結構，controlit為控制變量，ui為個體固定效應，qt為時間固定效應，εit為隨機擾動項。β1為本文關心的核心系數，若顯著為正，則假說H1得到驗證。GTFP反映了一個地區的生產技術與生產效率，因而GTFP的變動通常具有較強的慣性，也即GTFP通常在上一年已有的生產技術與生產效率基礎上變動，上一年的GTFP水平與當期GTFP水平具有較強的相關性，而式（1）中并未考慮到GTFP的慣性影響，此時估計得到的 值可能存在較大的偏差，為此本文構建如下動態面板模型：

式（2）中：gtfpi，t-1為GTFP的一階滯后值，其余部分與式（1）保持一致，隨后采用系統GMM進行估計。此時估計得到的β1中剔除了GTFP慣性的影響，有助于降低可能的估計誤差。

2.門檻回歸模型與假說H2

為驗證假說H2，本文借鑒相關研究［11］，在式（1）基礎上構建如下靜態面板門檻回歸模型：

式（3）中：thr為門檻變量，1（thr≤γ1）為示性函數，其余部分與式（1）相同。與假說H2對應，將門檻變量thr設定為產業結構，β1為產業結構小于門檻值時金融結構對GTFP的影響系數，β2為產業結構大于門檻值時金融結構對GTFP的影響系數，若門檻效應存在，且β2顯著為正，同時β1不顯著或者β1明顯小于β2，則認為假說H2得到驗證。此外，式（3）為靜態面板門檻模型，估計結果同樣可能存在動態偏誤，因而本文構建如下動態面板門檻模型：

式（4）中：gtfpi，t-1為GTFP的一階滯后值，其余部分與式（3）保持一致。

由于式（4）中加入了GTFP的滯后值，而Hansen［24］的門檻回歸方法基于變量外生的假定，無法直接處理gtfpi，t-1的內生性問題，這里借鑒Caner&Hansen［25］、Kremer等［26］的做法對動態面板門檻模型進行估計。

（二）變量設定與指標說明

1.被解釋變量

被解釋變量為GTFP，采用MaxDEA軟件測算，根據非期望產出—超效率SBM模型，在規模報酬可變的設定下測度得到GML指數，參考已有研究［26］，將基期GTFP設定為1，通過各期GML指數累乘得到各期GTFP 。

其中，投入要素包括物質資本存量、就業總人數（使用平均教育年限進行加權處理）、能源消耗量。物質資本存量選用永續盤存法計算省際物質資本。

式（5）中：Kit為本期資本存量，Kit-1為上期資本存量，δt為折舊率，I為本期實際固定資產形成總額。將2000年作為基期，基期資本存量與折舊率選用張軍等［27］給出的數值，本期實際固定資產形成總額通過固定資產投資價格指數對當期新增固定資產投資總額進行平減得到。

產出包括期望產出與非期望產出兩部分：利用各省份GDP平減指數對名義GDP進行平減得到實際GDP，將實際GDP作為期望產出；非期望產出包括廢水、固體廢棄物、工業二氧化硫、二氧化碳。以上數據來源于《中國統計年鑒》《中國人口和就業統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》以及各省份統計年鑒、EPS宏觀經濟數據庫、EPS能源數據庫、CEADs中國碳核算數據庫。

2.解釋變量

學術界在討論金融結構時，多將銀行信貸作為與其他融資工具分析比對的基準［11，28］。中國長期以來維系著銀行主導型的金融體系，銀行信貸仍是企業最主要的融資方式，因而本文也承襲了該做法，將銀行信貸作為比對的基準融資方式。既往研究多集中于討論股權融資與銀行信貸的差異性，鮮有涉及債券融資與銀行信貸的對比，本文通過構建股權融資比重、債券融資比重、直接融資占比等指標，對金融結構進行更為系統性的考察：使用股票市場總市值/貸款存量總額作為股權融資比重的代理變量；使用債券存量總額/貸款存量總額作為債券融資比重的代理變量；使用（股票市場總市值+債券存量總額）/（股票市場總市值+債券存量總額+貸款存量總額）作為直接融資占比的代理變量。數據來源于Wind金融數據庫與EPS金融數據庫。

3.門檻變量

股權融資、債券融資、銀行信貸等融資工具對企業融資可獲得性和生產經營活動的影響存在差異性，金融結構優化的動機在于迎合不斷變化的實體產業融資需求，當產業結構中高研發、高風險、高技術等高新技術產業占比上升時，對于股權融資、直接融資等方式的融資需求將增大。本文主要基于產業技術特征角度考察產業結構。根據《高技術產業（制造業）分類（2017）》，高技術產業（制造業）是指國民經濟行業中R&D投入強度相對高的制造業行業，包括醫藥制造，航空、航天器及設備制造，電子及通信設備制造，計算機及辦公設備制造，醫療儀器設備及儀器儀表制造，信息化學品制造等六大類。綜合考慮數據可得性與研究需要，本文選擇高技術產業相關指標衡量產業結構，高技術產業能夠反映中國實體產業的研發水平、技術水平等產業特征，這些企業不論是生產項目開展還是研發費用的投入，都更需要尋求股權融資的支持。由于高技術產業總產值數據2011年后不再披露，本文分別從高技術企業數量占比與高技術企業利潤占比兩個層面衡量產業結構。高技術企業數量占比=高技術產業企業數量/規模以上工業企業數量；高技術企業利潤占比=高技術產業利潤總額/規模以上工業企業利潤總額，一方面營業利潤可以大致反映產業規模大小，另一方面該指標越高的區域，說明高技術產業規模相對較大，且其發展也已邁向企業生命周期的成長期（初創期的企業通常缺乏盈利能力）。第三產業增加值占比代表產業結構高級化，用于與高技術產業占比的分析比對。數據來源為EPS高技術產業數據庫、EPS工業經濟數據庫。

4.控制變量

本文借鑒GTFP相關研究［23，29］，考慮如下控制變量：（1）經濟發展水平，經濟發展水平越高的區域通常各項宏觀經濟指標都處于領先位置，GTFP水平也更高，使用人均實際GDP表示（以2000年為基期）；（2）科技創新水平，用發明專利授權數表示；（3）環境規制，環境規制可以通過影響污染治理與企業綠色技術創新等途徑對GTFP產生作用，本文借鑒已有研究［30］使用單位GDP碳排放強度衡量環境規制強度，單位GDP碳排放強度越低，說明環境規制強度越高；（4）政府干預，使用財政支出占GDP比重表示，財政是與金融相對應的資源配置手段；（5）外資利用水平，外資能夠帶來先進的機器設備、生產技術與管理構架等，用FDI占GDP比重表示；（6）政策性金融，政策性銀行兼具財政屬性與金融屬性，是金融結構之外影響區域資源配置的重要手段之一，使用政策性銀行資產占商業銀行資產比重表示。以上數據來源于CEADs中國碳核算數據庫、EPS宏觀經濟數據庫、Wind宏觀數據庫。

5.數據處理

第一，由于本文GTFP測算框架中包含的相關數據2019年后缺失較為嚴重，本文使用2005—2019年中國30個省（區、市）的面板數據。考慮2007年中國股票二級市場的過度虛假繁榮難以真實反映實體經濟實際獲得的股權融資狀況②，會對估計結果造成偏誤，在實證分析股權融資比重時剔除了2007年的樣本數據。本文在穩健性檢驗部分再次討論了該問題。第二，本文對控制變量中帶有單位的變量經濟發展水平、科技創新水平、環境規制水平進行Z-score標準化，消除量綱影響。其余變量為不帶單位的比率類變量，本文保留原值未作標準化處理。第三，考慮到金融結構優化對于GTFP的影響可能存在滯后性［31］，同時前定變量與擾動項相關的可能性能夠有所降低，本文使用金融結構的一階滯后值進行估計。表1（下頁）匯報了主要變量的描述性統計結果。

三、實證結果分析

（一）基準回歸結果

基于雙向固定效應進行估計，使用異方差聚類穩健標準誤進行統計推斷，表2匯報了基準回歸結果。列（1）—（3）是基于式（1）靜態面板模型的估計結果，分別匯報了股權融資比重、債券融資比重與直接融資占比對GTFP的影響系數。其中，股權融資比重的系數為正，但未通過顯著性水平檢驗。債券融資比重的系數為正，且在1%的水平上顯著，表明提高債券融資比重有利于促進GTFP增長。直接融資占比的影響系數為負，但在10%的水平上不顯著。靜態面板下的估計結果由于未考慮GTFP自身的慣性，可能存在較大的偏誤。列（4）—（6）是基于式（2）動態面板模型的估計結果。系統GMM估計量的一致性需滿足兩個前提條件：一是擾動項無自相關，本文使用AR檢驗識別；二是工具變量的有效性，本文使用異方差穩健的Hansen統計量對工具變量的有效性進行判斷。結果顯示，AR（2）與Hansen統計量均大于0.1，滿足擾動項無自相關、工具變量有效的原假設。在動態面板下，GTFP自身滯后值在1%的水平上顯著為正，且系數大小超過0.700，驗證了GTFP自身存在的較大慣性。股權融資比重、債券融資比重、直接融資占比此時均至少在5%的水平上顯著為正，表明當考慮GTFP的動態特征后，提高股權融資比重、債券融資比重、直接融資占比均有利于促進GTFP增長。對比靜態面板與動態面板的結果，股權融資比重與直接融資占比的系數大小與顯著性均上升，債券融資比重的系數大小有所下降。此外，在動態面板下，控制變量的系數大小也更趨于合理。綜合來看，使用動態面板估計GTFP更為可靠，結果表明相較于銀行信貸，增強資本市場作用對于GTFP有顯著的正向影響。就總體平均效應而言，提高直接融資占比的積極作用超過單獨提高債券融資比重或股權融資比重。基準回歸結果驗證了本文假說H1。

（二）內生性討論

已有文獻［32］梳理了金融結構研究中涉及的一些外生工具變量，包括自然資源稟賦、法律起源等，但對于GTFP這一被解釋變量而言，則難以滿足外生性要求。已有研究的慣常做法是直接將金融結構的滯后值作為工具變量進行估計［11，33］，本文同樣采用了該做法，同時本文已通過如下方法盡可能緩解內生性問題：一是通過使用雙向固定效應，緩解了不隨個體與時間變化的內生性影響；二是通過替換代理變量的形式檢查了測量誤差可能引致的內生性問題；三是通過使用動態面板模型，緩解了GTFP慣性引致的內生性問題。此外，本文使用省會城市到北京、上海、深圳的平均地理距離倒數作為權重，與金融結構二階與三階滯后值的乘積作為工具變量，采用面板模型二階段最小二乘法重新進行估計。與政治中心和金融中心的平均距離與金融結構有較強相關性，但其對GTFP的影響途徑基本已經被經濟發展水平等控制變量所反映，可以嘗試作為外生工具變量。表3列（1）—（3）匯報了相關結果，股權融資比重、債券融資比重與直接融資占比下的不可識別檢驗Kleibergen-Paap rk LM statistic統計量與弱工具變量檢驗Kleibergen-Paap rk Wald F statistic統計量均拒絕工具變量存在不可識別與弱工具變量的問題。過度識別檢驗Hansen統計量接受工具變量外生的原假設。此時三者的回歸系數仍然顯著為正，與表2動態面板下的估計結果不存在較大偏差。對于此結果，一方面基準回歸采用金融結構的滯后變量與當期擾動項的相關性已經有所降低；另一方面中國是典型的銀行主導型金融體系，金融發展的同時金融結構卻保持在一個區間內波動。相較之下，政府干預與制度安排對金融結構影響較大，通過“金融約束政策”確保銀行能夠在金融自由化的過程中始終保持競爭力［34］，因而一定程度上金融結構可以被視為外生的“制度供給”。綜合上述相關檢驗結果與回歸系數，本文認為提高股權融資比重、債券融資比重、直接融資占比對GTFP增長存在正向影響這一結果中不存在明顯的內生性偏誤。

（三）穩健性檢驗

本文通過替換樣本區間與替換代理變量的方法檢查基準回歸結果。由于2007年股權融資比重出現明顯的異常偏離，本文在基準回歸中未納入2007年的樣本數據，為避免該做法導致的結果不可靠，本文將2006年與2008年股權融資比重的平均值作為2007年的替換值，由于各省份的股權融資比重具備較強的慣性，并在前后時間段內保持在一定區間，因而使用前后兩年的平均值作為替換值具備合理性，將此時的股權融資比重記作equity1。在基準回歸中，本文將銀行信貸作為衡量股權融資比重與債券融資比重的基準，該做法是為了與上文理論分析保持一致，但衡量金融結構時不同口徑的計算方法可能導致結果出現偏差，因而本文進一步將股票市場總市值/（貸款余額+債券余額+股票市場總市值）記作equity2，將股票市場總市值/（貸款余額+債券余額）記作equity3，將股票市場總市值占GDP比重記作equity4，使用以上三個代理變量重新估計股權融資比重的系數。同時，使用債券余額占GDP比重作為債券融資比重的代理變量，記作bond1，重新估計債券融資比重的系數。表4列（1）結果表明，納入2007年的樣本數據后，股權融資比重的系數依然在5%的水平上顯著為正，且系數大小與基準回歸結果中的0.100相比不存在較大差異。此外，列（2）—（5）結果表明，更換股權融資比重與債券融資比重的計算方法后，二者與GTFP依然存在顯著的正向關系。綜合來看，基于動態面板的基準回歸結果較為穩健。

（四）門檻回歸結果

1.靜態面板門檻回歸模型

基于動態面板的基準回歸結果中，股權融資比重的系數大小相比債券融資比重與直接融資占比較小，這可能與本文的假說H2相關，在產業結構不滿足一定門檻值時，提高股權融資比重對GTFP增長的積極作用不明顯，會導致其總體平均效應下降。為驗證假說H2，本文對產業結構的門檻效應進行了檢驗，并同時對債券融資比重與直接融占比進行了分析作為比對。

表5（下頁）匯報了式（3）中靜態面板門檻效應的檢驗結果，結果表明對于股權融資比重與直接融資占比，企業數量口徑下的高技術產業占比與第三產業占比存在顯著的門檻效應，對于債券融資，產業結構不存在顯著的門檻效應。表6列（1）—（2）、（3）—（4）分別匯報了靜態面板門檻模型下股權融資比重與直接融資占比的回歸系數。結果表明，產業結構未達到門檻值時，股權融資比重、直接融資占比與GTFP之間存在負向的關系，當產業結構跨過門檻值后，二者與GTFP之間存在顯著的正向關系，這表明在各區域產業結構逐漸實現轉型升級并達到門檻值后，增加股權融資比重與直接融資占比能夠更好地匹配產業融資需求，從而有利于提升資源配置效率與GTFP。但產業結構落后地區以承接轉移產業為主，更多地依靠技術引進與模仿，單純提升股權融資比重并不能取得很好的效果，這些地區應當同時重視銀行業發展以支持產業轉型與綠色發展。靜態面板門檻回歸結果初步支持假說H2，但當產業結構未越過門檻值時股權融資比重的系數顯著為負，且負向影響遠大于越過門檻值后的正向影響，表明靜態面板下的估計結果可能存在一定偏誤，因而同樣有必要對動態面板門檻回歸模型進行估計。

2.動態面板門檻回歸模型

表7匯報了式（4）中動態面板門檻效應的檢驗結果，結果表明對于股權融資比重，產業結構存在顯著的門檻效應。對于債券融資，產業結構不存在顯著的門檻效應。對于直接融資占比，只有第三產業占比存在顯著的門檻效應，高技術產業占比不存在顯著的門檻效應。

表8匯報了動態面板門檻回歸模型的相關結果，列（1）—（3）匯報了股權融資比重的回歸系數，結果表明產業結構較為落后地區提升股權融資比重并不會對GTFP造成嚴重的負面影響，但其積極作用也不顯著，而產業結構轉型升級達到門檻值的地區，更加活躍的高風險創新活動引致的融資需求與股權融資特性更為契合，因而提升股權融資比重對于這些地區帶來的GTFP增長效應也更加明顯。列（4）匯報了直接融資占比的回歸系數，其呈現與股權融資類似的特征，但由于只存在第三產業占比的門檻效應（見表7），而高技術產業占比與金融結構優化之間的內在邏輯聯系更為緊密，如果高技術產業占比兩種口徑下的門檻效應都不顯著，只有第三產業占比的門檻效應顯著，本文傾向于認為其不存在明顯的產業結構門檻效應，這與直接融資中包括債券融資有關，由于債券融資不存在產業結構的門檻效應，如果單獨提高債券融資比重，直接融資占比也會提高，并對GTFP增長產生積極的作用。這也意味著，直接融資占比的提高源頭是股權融資還是債券融資，將影響其作用效果。因此，就金融結構優化的效應而言，股權融資比重與債券融資比重能提供更加明晰的視角。綜上而言，本文認為門檻效應的回歸結果驗證了假說H2。

（五）異質性分析

1.地區異質性分析

不同省份在區位特征、資源稟賦、政策制度等客觀條件上存在巨大差異，沿海地區與內陸地區之間存在明顯的“技術梯度”與“產業梯度”。在新中國的工業建設歷程中，東北地區曾是主要的重工業基地，但改革開放以來逐漸面臨產業轉型的問題，與此同時中部與西部地區承接了大量的資源型產業轉移，而技術密集型產業進一步向東部地區集聚［35］。上文分析表明，提高股權融資比重需要該區域具備一定產業結構基礎才能帶來GTFP增長效應。為了在該視角下更直觀地考察不同區域間產業結構差異，本文對各省份在觀測期內首次達到產業結構門檻值的年份進行了梳理，綜合考慮兩種口徑的高技術產業占比及第三產業占比，滿足其中之一便記作該省份達到了產業結構門檻，表9匯報了相關結果。分區域來看，東部地區省份更早地越過了產業結構門檻，截至2020年全部省份都已越過產業結構門檻。隨后是東北地區的三個省份在2015年同時達到門檻值，這與21世紀以來中國產業轉移表現出明顯的“北上”特征相一致［35］。中部與西部地區相對更晚越過產業結構門檻，中部地區的湖北、安徽、河南三省與西部地區的新疆、內蒙古、貴州仍未達到產業結構門檻值。中部地區相較于西部地區并未展現出明顯的領先優勢，這可能與許多產業越過中部地區直接向西部地區轉移有關［36］。總體來看，截至2020年已有4/5的省份越過了產業結構門檻，隨著高技術產業的持續發展與產業結構的現代化升級，現代服務業與高技術產業對于股權融資的需求將不斷增加，提升股權融資比重對于中國整體GTFP增長的積極作用將愈發凸顯。

根據上述產業結構的區域差異，本文將回歸樣本劃分為東部沿海區域（東部與東北地區）與內陸區域（中部與西部地區），進一步考察金融結構優化效應的地區差異。表10匯報了劃分地區的估計結果。結果顯示，股權融資比重與直接融資占比在東部與東北地區呈現的影響明顯超過中部與西部地區，而債券融資比重的影響不存在較大的地區差異。金融結構優化效應的區域間差異與區域間產業結構差異形成了相互印證。

2.發展時期異質性分析

股權融資比重存在顯著的產業結構門檻效應。隨著經濟發展與產業結構的持續優化升級，在時序視角上將會有越來越多的省份越過產業結構門檻，這可能導致金融結構優化效應在不同發展時期存在異質性。國民經濟和社會發展五年規劃綱要對于中國經濟發展具有重大戰略影響，基于五年規劃的視角，本文構建“十二五”時期與“十三五”時期的虛擬變量，將“十二五”時期的虛擬變量記作period12，將“十三五”時期的虛擬變量記作period13，通過其與金融結構的交互項來考察金融結構優化效應的時期異質性。表11匯報了各個交互項系數的估計結果。其中，“十二五”時期與股權融資比重的交互項系數為負，“十三五”時期與股權融資比重的交互項系數為正，結果表明進入“十三五”時期后，提高股權融資比重的積極作用得到顯著增強。債券融資比重、直接融資占比與發展時期的交互項均不顯著，表明二者在“十二五”時期與“十三五”時期的作用均沒有明顯區別。產業結構門檻效應為金融結構優化的地區異質性與發展時期異質性提供了解釋，同時也反映出新時代滿足實體產業融資需求、漸進式調整金融結構的必要性。

四、結論與政策建議

提升GTFP是推進高質量發展、實現中國式現代化的內在要求，為此“十四五”規劃與黨的二十大報告提出要通過提高直接融資占比，尤其是股權融資比重來優化金融體系，增強金融對于科技創新與綠色發展的支持。基于現代化進程中金融結構與產業結構變遷的現實情景，本文以銀行信貸為基準，從股權融資比重、債券融資比重與直接融資占比三個層面研究金融結構與GTFP的關系，并進一步在金融結構與GTFP的分析中考慮了產業結構差異。研究發現：第一，就總體平均效應而言，提高股權融資比重、債券融資比重和直接融資占比對于促進GTFP增長均存在顯著的積極作用。第二，股權融資比重對GTFP的影響存在顯著的產業結構門檻效應，其積極作用只有當高技術產業發展到一定門檻后才會凸顯。第三，異質性分析表明，在達到產業結構門檻的過程中，四大區域呈現“東部領先，東北次之，中部與西部落后”的總體時空特征。提高股權融資比重和直接融資占比在東部與東北地區的效應也相應明顯超過中部與西部地區。此外，進入“十三五”時期后，股權融資比重的作用有進一步增強的趨勢。

基于以上研究結論，就中國推進金融供給側結構性改革，從而更好支持綠色發展提出如下建議：

第一，推進制度改革暢通企業上市渠道，提高直接融資占比與股權融資比重，優化總體金融結構。從中國總體層面來看，絕大多數區域都已越過產業結構門檻，隨著中國實體產業持續向技術密集型轉型升級，以銀行為主導的金融體系將難以有效滿足高技術產業與現代服務業的融資需求，需要加快推進資本市場的各項制度改革，通過擴大直接融資占比與股權融資比重來優化金融結構。基于制度設計的視角，一方面，應當加快推進全面注冊制改革，拓寬企業上市渠道，使得股權投資募集、管理、退出途徑更加順暢，吸引更多長期資本、機構資本進入股權市場，同時鼓勵優質創新企業留在國內資本市場，從而提高股權融資比重與直接融資占比，增強資本市場服務實體經濟的能力；另一方面，應當優化多層次資本市場結構，進一步擴大創業板、科創板與北京證券交易所相對于主板的規模占比。將更多股權資本用于支持創新型企業、高新技術企業與專精特新企業，充分發揮股權資本培育優質企業、支持科技創新的作用，促進科技優勢向競爭優勢的轉化。

第二，產業結構落后地區遵循區域金融結構優化“兩階段思路”。中短期通過區域金融創新提高債券融資規模與銀行業服務效率推進落后產業的轉型升級，長期通過挖掘集聚優質種子企業，打造高新技術企業培育體系，協同推進企業健康發展與掛牌上市。從區域差異來看，中西部地區仍有少數省份產業結構較為落后。這些地區應該先改善區域金融服務效率，通過區域金融產品創新配合財稅政策協助落后產業實現轉型升級。例如，2016年中國設立的綠色金融創新改革試點區衢州市，其綠色金融創新改革思路便是以“推進落后產業綠色轉型升級”為總體方針。中西部欠發達區域可以結合自身區域優勢推出具有地方特色的金融產品為落后產業的轉型升級提供更加便捷的債券融資與銀行信貸支持。中西部欠發達地區對于擬上市優質創新企業的培育，應當注重優先形成具有較大規模的高新技術產業培育熱點區域，再通過產業集聚的擴散效應逐步帶動周邊區域的發展。此外，中西部地區還應以2021年發布的《成渝共建西部金融中心規劃》為樣板，逐步探索建設多核心的西部金融中心，促進金融、產業與科技的深度融合，推動中西部地區綠色發展。

參考文獻

［1］汪紅駒，李原．金融業增加值與高質量金融發展關系研究——基于國際比較視角［J］．經濟縱橫，2018（2）：61-71．

［2］林毅夫，付才輝，任曉猛．金融創新如何推動高質量發展：新結構經濟學的視角［J］．金融論壇，2019（11）：3-13．

［3］DIAMOND D W. Financial intermediation and delegated monitoring［J］. The Review of Economic Studies， 1984， 51（3）： 393-414.

［4］STIGLITZ J E. Credit markets and the control of capital［J］. Journal of Money， Credit and Banking， 1985， 17（2）： 133-152.

［5］BOYD J H， SMITH B D. The evolution of debt and equity markets in economic development［J］. Economic Theory， 1998， 12（3）： 519-560.

［6］KPODAR K， SINGH R J. Does financial structure matter for poverty？ Evidence from developing countries［Z］. World Bank Policy Research Working Paper， 2011（5915）.

［7］LIN J Y， SUN X， JIANG Y. Endowment， industrial structure， and appropriate financial structure： A new structural economics perspective［J］. Journal of Economic Policy Reform， 2013， 16（2）： 109-122.

［8］RIOJA F， VALEV N. Financial structure and capital investment［J］. Applied Economics， 2012， 44（14）： 1783-1793.

［9］SETHI P， KUMAR B. Financial structure gap and economic development in India［J］. Journal of Business Economics and Management， 2014， 15（4）： 776-794.

［10］? 林毅夫，孫希芳，姜燁．經濟發展中的最優金融結構理論初探［J］．經濟研究，2009（8）：4-17．

［11］? 楊子榮，張鵬楊．金融結構、產業結構與經濟增長——基于新結構金融學視角的實證檢驗［J］．經濟學（季刊），2018（2）：847-872．

［12］? HE Y， SHENG P， VOCHOZKA M. Pollution caused by finance and the relative policy analysis in China［J］. Energy & Environment， 2017， 28（7）： 808-823.

［13］? PARAMATI S R， MO D， HUANG R. The role of financial deepening and green technology on carbon emissions： Evidence from major OECD economies［J］. Finance Research Letters， 2021， 41： 101794.

［14］? 陳詩一．中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980—2008）［J］．經濟研究，2010（11）：21-34．

［15］? 龔強，張一林，林毅夫．產業結構、風險特性與最優金融結構［J］．經濟研究，2014（4）：4-16．

［16］? 謝非，袁露航，傅煒．長三角區域何以實現高質量市場一體化？——基于對外開放、產業結構升級、金融發展視角［J］．改革，2021（6）：112-124．

［17］? 劉曉光，茍琴，姜天予．金融結構、經濟波動與經濟增長——基于最優產業配置框架的分析［J］．管理世界，2019（5）：29-43．

［18］? 張成思，劉貫春．最優金融結構的存在性、動態特征及經濟增長效應［J］．管理世界，2016（1）：66-77．

［19］? 鄭潔，趙秋運，朱歡，等．金融結構與環境污染：新結構環境金融的理論初探［J］．經濟問題探索，2021（10）：165-172．

［20］? 林毅夫，付才輝，鄭潔．新結構環境經濟學初探：理論、實證與政策［M］．北京：北京大學出版社，2021．

［21］? 張一林，林毅夫，朱永華．金融體系扭曲、經濟轉型與漸進式金融改革［J］．經濟研究，2021（11）：14-29．

［22］? LI T， LIAO G. The heterogeneous impact of financial development on green total factor productivity［J］. Frontiers in Energy Research， 2020， 8： 29.

［23］? 齊紹洲，徐佳．貿易開放對“一帶一路”沿線國家綠色全要素生產率的影響［J］．中國人口·資源與環境，2018（4）：134-144．

［24］? HANSEN B E. Threshold effects in non-dynamic panels： Estimation， testing， and inference［J］. Journal of Econometrics， 1999， 93（2）： 345-368.

［25］? CANER M， HANSEN B E. Instrumental variable estimation of a threshold model［J］. Econometric Theory， 2004， 20（5）： 813-843.

［26］? KREMER S， BICK A， NAUTZ D. Inflation and growth： New evidence from a dynamic panel threshold analysis［J］. Empirical Economics， 2013， 44（2）： 861-878.

［27］? 張軍，吳桂英，張吉鵬．中國省際物質資本存量估算：1952—2000［J］．經濟研究，2004（10）：35-44．

［28］? 張一林，龔強，榮昭．技術創新、股權融資與金融結構轉型［J］．管理世界，2016（11）：65-80．

［29］? 張帆．金融發展影響綠色全要素生產率的理論和實證研究［J］．中國軟科學，2017（9）：154-167．

［30］? 張文彬，張理芃，張可云．中國環境規制強度省際競爭形態及其演變——基于兩區制空間Durbin固定效應模型的分析［J］．管理世界，2010（12）：34-44．

［31］? 宿偉健，畢鵬波，周宗安．銀行業結構競爭、金融監管政策革新與城市全要素生產率［J］．改革，2020（12）：119-134．

［32］? CULL R， XU L C. Job growth and finance： Are some financial institutions better suited to the early stages of development than others？［J］. The World Bank Economic Review， 2013， 27（3）： 542-572.

［33］? 林志帆，龍曉旋．金融結構與發展中國家的技術進步——基于新結構經濟學視角的實證研究［J］．經濟學動態，2015（12）：57-68．

［34］? 王躍生．金融壓抑與金融自由化條件下的企業融資制度［J］．經濟社會體制比較，1999（1）：55-61．

［35］? 劉紅光，劉衛東，劉志高．區域間產業轉移定量測度研究——基于區域間投入產出表分析［J］．中國工業經濟，2011（6）：79-88．

［36］? 馮根福，劉志勇，蔣文定．我國東中西部地區間工業產業轉移的趨勢、特征及形成原因分析［J］．當代經濟科學，2010（2）：1-10．

Financial Structure Improving and Green Total Factor Productivity Growth： Based on the Threshold Effect of High-Tech Industry Development

WANG Hong-ju?? DING Shao-bin

Abstract： Based on the industrial structure upgrading theory of new structural economics， this paper puts forward the hypothesis that financial structure optimization and green development need to rely on the development of high-tech industries. According to the different financial instruments， we examines the impact of financial structure improving on green total factor productivity（GTFP） from three aspects： the proportion of equity financing relative to bank credit， the proportion of bond financing relative to bank credit， and the proportion of direct financing. Using the panel data of 30 provinces（autonomous regions and municipalities） in China， we introduce a dynamic panel threshold model. The empirical tests show that increasing the proportion of equity financing， the proportion of bond financing and the proportion of direct financing have a significant positive effect on promoting GTFP growth. After considering the difference of industrial structure， the proportion of equity financing has a significant threshold effect of industrial structure. This positive effect on GTFP can only be highlighted when the high-tech industry develops to a certain threshold. Heterogeneity analysis shows that in the process of reaching the threshold of industrial structure， the four major regions show the spatial and temporal pattern of eastern leading， northeast second， central and western backward. The effect of increasing the proportion of equity financing and direct financing in the eastern and northeastern regions is also significantly higher than that in the central and western regions. In addition， after entering the 13th Five-Year Plan period， the role of equity financing has a trend of further enhancement.

Key words： financial structure; green total factor productivity; industrial structure; the development of high-tech industry

基金項目：國家社會科學基金“一帶一路”建設研究專項“共建‘一帶一路’框架下基礎設施投融資規則研究”（19VDL015）；國家社會科學基金重大項目“從制造向服務轉型過程中二三產業統籌協調發展的重大問題研究”（20&ZD087）。

作者簡介：汪紅駒，中國社會科學院大學應用經濟學院教授，中國社會科學院財經戰略研究院研究員；丁少斌（通信作者），中國社會科學院大學應用經濟學院博士研究生。