風險投資賦能綠色發展了嗎？

摘要：風險投資在謀求利益最大化的同時，能否成為綠色發展新的增長極是目前學界關注的重要議題。在要素配置效率視角下，通過運用SBM-DEA測度2004—2022年省級綠色全要素生產率以衡量綠色發展水平，并構建空間計量模型考察風險投資對綠色發展的影響。研究發現：時空視閾下，技術進步是綠色全要素生產率提升的主要來源，且綠色全要素生產率存在顯著的空間差異性；風險投資可以通過綠色創新推進綠色發展效應，對鄰近地區存在空間外溢作用，此結果在更換核心解釋變量、剔除直轄市和改變動態空間計量模型后均得以驗證；考慮區域異質性和規模異質性特征，東部和風投規模大的地區風險投資的綠色發展效應更為顯著；此外，良好的制度環境構建能夠有效催化風險投資的綠色發展效應。

關鍵詞：風險投資；綠色發展；空間效應；綠色創新；制度環境

中圖分類號：F832.48" " " "文獻標識碼：A" " " 文章編號：1003-8477（2024）11-0078-12

引言

在全球氣溫持續升高、資源短缺和環境污染問題成為人類社會發展重大挑戰的背景下，全球各經濟體對氣候變化風險意識不斷增強，為了實現綠色發展目標而競相努力。[1]綠色發展追求經濟增長與環境可持續之間的平衡，[2]（p1-12）一方面可以通過綠色技術進步驅動以減少全球環境中碳的總體含量而實現，[3]（p110774）另一方面通過發展可再生能源產生對化石能源的替代效應來取得進展。[4]（p1082-1088）由于綠色發展目標存在持續時間長、覆蓋范圍廣泛，信貸融資難以滿足其資金需求等特征，①針對綠色發展的激勵匱乏，綠色效率遠遠落后于需求。在綠色效率評價方面，要素配置的投入產出效率是重要考量部分，學界往往引入非期望產出的DEA方法分析綠色全要素生產率。[5]（p21-30）現有研究也多從政府行為、數字經濟、產業集聚等角度探究綠色發展的現實路徑。[6]（p142-157）[7]（p119-132）[8]（p44-59）然而，為了促進清潔能源技術和可再生能源供應可持續發展，需要大量的公共開支和私人投資對研究和開發的平行支持，因此，資本要素規模的擴大、要素配置效率的提升仍是綠色發展的主引擎。

作為直接金融工具的風險投資具有支持實體經濟的天然屬性，宏觀層面，完備的風險資本市場將促進金融部門的發展，并通過投資信息技術、高端制造、生物醫藥等戰略性產業，緩解科技創新這一重要掣肘，[9]（p313-333）繼而優化生產要素配置提升生產力水平；[10]（p2233-2246）中觀層面，風險投資助力新興產業，推進地區產業結構高級化和合理化，[11]（p102-112）成為破除地區經濟高質量發展桎梏的動力源；[12]（p140-149）微觀層面，初創企業融資具有風險高、投資周期長的特點，面臨融資難題，而風險資本的資金配置方式可以良好應對此類創新創業活動，進而彌補資本市場的部分缺失功能。[13]（p180-192）風險資本通過專業化投資為企業提供密集的監督和增值服務，其中，降低雙邊道德風險、提升公司治理效應是重要的機制路徑。[14]（p91-109）[15]（p121-139）風險資本對于支持新興行業的成效顯著，隨著投資者對綠色項目關注度的提升，全球綠色風險投資總額劇增，1但我國風險資本市場起步相對較晚，無論從行業覆蓋還是地理區位角度，對綠色項目投資力度都還不足，因此，探究風險投資發展能否緩解亟待解決的資金缺口問題，風險投資能否發揮金融要素作用有效驅動綠色發展有一定現實意義。

基于此，在要素配置效率和空間溢出視角下，本文測算2004—2022年省級綠色全要素生產率，運用空間計量模型考察風險投資對綠色發展的影響，可能的貢獻體現在：第一，從投入產出的視角評估風險投資的綠色經濟效應，有助于分析風險投資的宏觀經濟特征，豐富了風險投資的研究視角，為拓寬綠色發展的金融渠道提供相關實證研究支持；第二，針對區域發展不平衡的現實問題，從空間區域異質性角度探究風險投資的綠色效率，填補了相關領域的空白；第三，將綠色創新納入理論機制研究范疇，完善風險投資綠色發展效應的研究路徑；第四，從制度環境視角探討風險投資對綠色全要素生產率影響的調節機制，試圖厘清在優化制度環境的背景下金融供給實現綠色發展的演繹邏輯。

本文余下部分安排如下：第二部分為理論機制與研究假說；第三部分構建指標和實證模型；第四部分為實證結果分析；第五部分進行機制分析；第六部分為全文結論并提出對策建議。

二、理論機制與研究假說

綠色發展的難點在于投資周期與金融市場的投資偏好不匹配，從而引發市場失靈現象。然而，風險投資具有耐心資本特性，在環境規制約束日漸趨緊的背景下，逐漸成為政策制定者實現綠色公共政策目標的有效手段。[16]（p32-46）一方面，風險投資流向環保、新能源和新材料等產業的比重加大，技術密集型和知識密集型產業占比的上升將帶來生產效率的改善，進而滿足綠色發展對于生態效益和社會效益的要求。另一方面，風險投資具有信號效應，基于風險投資機構自身的信息和資源優勢對綠色項目進行甄別，投資過程便為該綠色項目進行信用背書，同時也向外部投資者傳遞對綠色低碳產業的傾向性，進一步吸引社會資本。[17]（p1-17）基于此，本文提出假說1。

假說1：風險投資可以提升綠色全要素生產率，具有綠色發展效應。

綠色技術創新是風險投資破解治理轉型“波特假說之謎”的重要機制。初創企業的綠色項目往往面臨資金短缺、抵押物不足等財務困境，而風險投資相比銀行貸款對于抵押擔保的要求更低，降低了實體產業的綠色創新門檻。[18]（p31-41）同時，股權激勵是綠色風險投資項目吸引人才和技術資源向清潔部門轉移的重要手段。[19]（p35-44）具體而言，綠色創新的技術化一方面通過循環使用化石能源提升能源效率，另一方面支持清潔能源生產存儲和碳捕獲封存技術轉化成果，以減少大氣中碳含量，以助推碳中和的實現，[20]綠色創新平衡粗放經濟增長和綠色生態治理目標，從而抑制碳排放量的提升。[21]而風險資本的進入使得初創公司擴大商業規模，合理利用資源配置效應以增加綠色創新活動，有助于減少環境污染，優化自然資源的利用，提高要素生產率和能源效率，并提供新的經濟增長來源， 對綠色增長轉型做出重要貢獻。據此，提出本文的假說2。

假說2：風險投資通過推動綠色創新進而提升綠色全要素生產率，發揮綠色發展效應。

為了規避風險投資前的逆向選擇和投資后的道德風險問題，[22]（p195-208）風險投資的地理特征表現出高度的地理鄰近性和空間集聚性，[23]（p26-41）資源能力和社會網絡理論認為，企業自身競爭優勢是風險資本流動的基礎，風險投資是附加以風險投資機構社會關系網絡和資源的過程。[24]（p82-103+187-188）中國風險投資活動呈現以北京、上海和廣東等地為中心，并逐步向中、西部擴散的發展規律。風險投資傾向選擇金融活動相對活躍的中心城市作為核心節點集聚形成投資網絡，以此緊密聯結地區間經濟要素的深度和廣度。[25]（p1148-1157）地理鄰近性的產生大大縮小了創新成果擴散和知識技術溢出的成本，[26]（p77-83）這種外溢循環，引發知識循環效應，主要體現在經濟活動上，從而更加提升了區域間的關聯度。隨著風險投資對綠色產業的關注度提升，風險投資的綠色創新成果一定程度上抑制了環境污染帶來的負外部性。[27]（p122-138）同時，風險投資空間布局存在集聚性，一方面可以整合要素資源，優化配置效率，產生規模經濟效應，但另一方面加劇了區域發展的動態失衡和差異性，[28]（p117-131）這也緣于區域間對競爭風險資本的政策激勵不同。[29]（p59-67）具體而言，風險投資的區域差異性是通過創新資源優勢的吸納效應、空間鄰近效應形成的，從而導致創新活動和經濟發展的不平衡。[30]（p112-115）柴娟娟等[31]（p179-184）通過驗證2011—2020年省級數據認為風險資本主要對研發人力資本和科技成果商業化進行支持，且得到對東中部地區綠色技術創新的整體影響多來自空間溢出效應的結論。而交通網絡、區域協同政策是緩解區域差異的良方。[32]基于此，本文提出假說3。

假說3：風險投資對綠色全要素生產率的影響具有空間外溢效應，且存在區域異質性。

風險資本要素在進行綠色產品和服務轉化時面臨著雙重外部性挑戰，其一是環境污染的社會成本與私人回報非對稱所導致的負外部性，其二體現在綠色技術創新外溢，社會邊際收益高于私人邊際收益， [33]市場缺位和制度管理體系滯后是雙重外部性消減風險投資效率的主要誘因。[34]（p73-92）在新制度經濟學中，制度環境被認為是生產、交換與分配過程中政治、社會和法律規則的基礎。[35]（p131-149）根本性制度環境包含以市場化程度為主的競爭性市場制度環境和以知識產權保護為代表的激勵性產權制度環境，一方面，市場可以對污染有效定價，繼而實現負外部性內部化，[36]（p127-145）同時市場化程度的提升削弱信息壁壘，緩解資本要素的錯配；另一方面，知識產權保護有助于提升綠色技術進步和綠色創新產出的私人回報，產權保護水平高的地區形成風險資本集聚的引力作用，促使綠色全要素生產率的提升。

假說4：制度環境在風險投資對綠色全要素生產率的影響中具有調節作用。

三、研究設計

（一）相關變量及數據來源

1.被解釋變量

綠色全要素生產率與傳統全要素生產率的主要差異在于是否引入資源能源消耗和環境污染等非期望產出，考慮到傳統數據包絡分析（Data Envelopment Analysis，DEA）模型徑向和角度的測度偏差，本文采用Tone提出的基于松弛變量且納入非期望產出的效率測度模型，[37]即基于松弛測度（Slack-based Measure，SBM）模型，表示為式（1）。

[ρ=minSx，Sy，Sb，λ1-1Nn=1NSxnxkn1+1M+1（m=1MSymykm+i=1ISbibki）]

[S.t.xkn=k=1Kλkxkn+Sxn，?n;ykm=k=1Kλkykm-Sym，?m]；

[bki=k=1Kλkbki+Sbi，?i; Sxn≥0，Sym≥0，Sbi≥0，λk≥0]

（1）

其中，K是決策單元個數，xkn、ykm、bki分別是投入、期望產出和非期望產出矩陣中的元素，松弛變量S即代表欲達到最優生產，需要同時減少投入要素和非期望產出的數量且增加期望產出的數量，在此基礎上得到效率值ρ，并由此計算出相鄰參比下t期到t+1期的Malmquist生產率指數，以此表示每個決策單元的綠色全要素生產率（Green Total Factor Productivity，GTFP），具體公式如式（2）：

[GTFP（xt+1，yt+1，bt+1，xt，yt，bt）]

[=ρt（xt+1，yt+1，bt+1）ρt（xt，yt，bt）×ρt+1（xt+1，yt+1，bt+1）ρt+1（xt，yt，bt）]

=[ρt+1（xt+1，yt+1，bt+1）ρt（xt，yt，bt）]

[×ρt（xt，yt，bt）ρt+1（xt，yt，bt）×ρt（xt+1，yt+1，bt+1）ρt+1（xt+1，yt+1，bt+1）]

=EC×TC （2）

Fare等[38]（p85-101）將Malmquist生產率指數分解為兩個方面的變化：一是兩個時期內決策單元技術效率的變化（Efficiency Change，EC）；二是兩個時期內決策單元生產技術的變化（Technological Change，TC）。

GTFP測算的投入及產出指標方面，借鑒陳詩一、王兵等的做法，[39]（p21-34+58）[40]（p57-69）投入指標包括勞動、資本和能源，分別由年末就業人員數、固定資產投資和能源消耗量所衡量。①產出指標包含代表期望產出的經濟發展，代表非期望產出的工業固體廢棄物、廢水、廢氣和二氧化碳排放量。

2.主要解釋變量

核心解釋變量。本文選用各地區獲得的風險投資額占同年GDP比例作為衡量風險投資活動的指標，以剔除經濟波動的影響。

調節變量和中介變量。為考察制度環境在風險投資與綠色全要素生產率之間關系的調節作用，采用市場化程度和知識產權保護度兩個指標衡量，本文參考樊綱等的做法，[41]（p4-16）選取市場化指數測度市場化程度，技術合同交易額與地區生產總值比值測度知識產權保護程度。中介變量則參考宋德勇等使用地區綠色專利申請量以衡量綠色創新。[42]（p134-145）

空間權重矩陣。本文構建了 3 種空間權重矩陣，分別為0—1鄰接矩陣（W1）、經濟距離矩陣（W2）和地理與經濟距離嵌套權重矩陣（W3）。

3.控制變量

本文引入控制變量以對綠色全要素生產率進行綜合評估。產業結構，以第三產業增加值占省份GDP的比重來衡量省份的產業結構水平；教育水平，以教育支出占省份GDP的比重衡量教育水平；城鎮化程度，采用城鎮人口占總人口比例衡量；環境治理，采用單位GDP工業污染治理投資額衡量。

考慮到西藏的相關數據缺失嚴重，本文的研究對象為2004—2022年中國30個省份，使用的數據來源于Wind數據庫、清科私募通數據庫、歷年《中國統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》《中國勞動統計年鑒》、國家統計局數據庫、各省市區歷年統計年鑒、CnOpenData數據庫和CEADs數據庫。具體指標和變量的描述性統計如表1所示。

（二）計量模型構建

1.傳統面板模型

首先采用面板模型分析風險投資對綠色全要素生產率的影響，模型如式（3）：

[GTFPit=α0+α1VCit+α2Controlsit+μi+γt+εit]

（3）

其中，被解釋變量[GTFPit]為綠色全要素生產率，核心變量[VCit]為風險投資，[Controlsit]為控制變量，[μi]和[γt]分別為個體固定效應和時間固定效應。

2.空間計量模型

由于變量間可能同時存在的空間自相關性和溢出效應，為避免遺漏變量和隨機誤差項的影響，本文采用空間計量模型進行回歸：

[GTFPit=α1GTFPi，t-1+ρj=1nwij×GTFPjt+α2VCit+δj=1nwij×VCjt+α3Controlsit+ζj=1nwij×Controlsjt+μi+γt+εit] （4）

[εit=λw′iεt+vit] （5）

其中，[w′i]為空間權重矩陣第i行，[ρj=1nwij×GTFPjt]為綠色全要素生產率的空間滯后項，[δj=1nwij×VCjt]為風險投資的空間滯后項，[ζj=1nwij×Controlsjt]為控制變量的空間滯后項，[μi]和[γt]分別為個體固定效應和時間固定效應。當[λ=0]時，則考慮解釋變量和因變量的空間滯后項，設定為空間杜賓模型（SDM）；當[α1=0]，且[δ=0]時，僅考慮誤差項滯后項，設定為空間誤差模型（SEM）；當[λ=0]且[δ=0]，則僅考慮被解釋變量的空間滯后項，為空間自回歸模型（SAR）。經檢驗，本文的空間計量模型選擇如表2。

基于傳統面板模型基礎，Hausman檢驗可知固定效應模型優于隨機效應，并在0—1鄰接矩陣（W1）、經濟距離矩陣（W2）和嵌套矩陣（W3）下采用LR檢驗和Wald檢驗，得到拒絕空間杜賓模型（SDM）退化為空間自回歸模型（SAR）和空間誤差模型（SEM）的結論，因此本文選用空間時間雙向固定效應下的空間杜賓模型進行回歸分析。

四、實證結果

（一）綠色全要素生產率測度結果

本文應用Matlab軟件，通過非徑向非角度的SBM方向性距離函數，計算得到規模報酬不變下的ML指數及其分解得到的技術進步（TC）和技術效率改善（EC）。由于GTFP指數及其分解的研究十分豐富，囿于篇幅，本文僅分析GTFP總體和分地區的動態變化。總體變化如圖1所示。

從整體來看，2004—2022年省級綠色全要素生產率增長較為穩進，技術進步增長率具有一定波動，但始終大于1，而技術效率增長率圍繞1略有起伏，證明技術進步是綠色全要素生產率增長的主要貢獻來源。從時間維度來看，GTFP上升趨勢明顯，可能源于近年中國環保政策法規相繼出臺，如《新環保法》《大氣污染防治法》《水污染防治法（修訂草案）》等，框定了環境規制力度，增強地方政府和公眾的環保意識，但2020年經濟社會面臨新冠疫情重大沖擊，要素投入和產出效率走低，GTFP下降。

從省份個體來看，如圖2，我國省域綠色全要素生產率整體平穩向上，少數省份出現下滑。其中，北京、上海、天津的GTFP增長趨勢尤為明顯，而新疆、廣西、山西等地則呈現波折下降趨勢，區域間綠色發展情況空間差異性顯著。

（二）空間自相關檢驗

全局空間相關性檢驗，考慮到我國不同區域綠色全要素生產率存在較強空間關聯性，故借助全局Moran指數進行檢驗（見表3）。可以看出，三種權重矩陣檢驗下，全局Moran指數基本顯著，意味著我國省域綠色全要素生產率具有較強空間關聯性。本文同時進行了局部相關性檢驗，全國30個省份綠色全要素生產率的Moran指數散點圖主要在第一象限與第三象限集聚，呈現“高高—低低”態勢，空間關聯性得以進一步驗證。①

（三）基準回歸結果

首先，本文應用模型（3）進行面板數據模型檢驗，以探究風險投資對綠色全要素生產率的影響，得到結果如表4（1）所示，表明存在顯著正向影響關系，假說1得以驗證。但傳統面板計量模型會忽略地區間的空間溢出效應，造成結果偏誤，因此本文進一步應用模型（4）—（5）以考察空間關系。如表4（2）—（4）可知，風險投資對所在省份及鄰近省份的綠色全要素生產率均存在顯著正向影響。究其原因，其一，風險投資不僅為中小企業解決融資難題，也為企業提供管理支持和增值服務，從而提升企業價值，進而激活本地經濟活力；其二，風險投資促進企業知識積累、技術進步，從而優化人力資本和物質資本的資源配置效率，有效提升地區經濟發展的質量；其三，近年來，包含清潔、新能源、環保等行業的綠色風險投資規模大幅度增加，清潔能源技術水平提升，從根源抑制廢氣、廢水等多種非期望產出的形成。同時，由于區域協同和信息共享等合作戰略，綠色全要素生產率可輻射、擴散，進而風險投資的綠色發展效應具有顯著的正向空間外溢性。

控制變量方面，產業結構對綠色全要素生產率的影響顯著為正。這源于近年來的居民消費結構升級加速，而非期望產出的產業結構比重中，第二產業占比較高，附加值高且污染少的三產占比提升，產業結構升級降低了工業污染物排放規模，從而有益于綠色全要素生產率的提升；教育水平對綠色全要素生產率的影響為負，與預期情況相反，可能與地區間教育發展水平與經濟發展匹配失衡有關；由于地方政府出于政治錦標賽考慮快速推進城鎮化水平，反映了粗放式增長的社會現狀，僅僅注重量的擴張忽略質的提升，與此同時環境問題加劇，因此城鎮化水平的提升反而抑制了綠色全要素生產率的增長；環境治理對綠色全要素生產率的影響顯著為正，表明環境治理強度的提升有利于改善地區發展中的環境問題，從而促進綠色全要素生產率的提高。

基于區域經濟發展戰略的不斷推進，本文參考Lesage的偏微分方程方法進一步將總效應分成直接效應和間接效應以考察本地和鄰地的影響程度，[43]結果如表5所示。在三種空間權重矩陣下，風險投資的綠色增長效應無論在本地還是鄰地均正向顯著，尤其在鄰接矩陣中，間接效應大于直接效應，證明鄰地風險投資的增加能夠完成綠色創新成果的轉化從而促進經濟高質量發展以及生態污染的治理，成果的擴散效應能夠持續輻射帶動周邊地區，同時鞏固本地的環境保護建設，有利于進一步優化相鄰地區的要素分配。

（四）穩健性分析

為了增強研究結論的說服力，本文進一步進行穩健性檢驗，結果如表6所示。第一，本文借鑒董靜等的研究，[24]將核心解釋變量風險投資衡量指標由風險投資額替換為地區風險投資案例數，并在三種空間矩陣下進行模型估計，結果與基準回歸無異；第二，由于不同空間發展差異顯著，本文剔除直轄市樣本進行回歸，結果無顯著差別；第三，從長期視角，本文納入滯后一期的被解釋變量，采用動態空間杜賓模型檢驗得以進一步證實，風險投資提升綠色全要素生產率的結果具備穩健性。

（五）異質性分析

由于不同區位省份的經濟發展明顯有異，本文區分東部、中部和西部子樣本在嵌套矩陣下分析區域異質性下的風險投資對綠色全要素增長率的影響。結果如表7中（1）—（3）所示，風險投資的綠色增長效應在東部尤為顯著，中部地區的風險投資對綠色全要素生產率影響的估計系數在10%的水平下顯著，ρ值并不顯著，而西部地區并未發現風險投資對綠色發展的促進作用。究其原因，東部地區產業結構較高，并且高新技術產業發展迅速，具有轉化創新成果的良好環境土壤，在此基礎上，風險投資效率高，生態環保治理效果好；同時，東部區域間形成密切合作關系，長三角一體化、京津冀城市群形成東部區域發展的增長極，促進經濟的高質量發展。中部地區以高污染重工業發展模式為主，造成長期“碳鎖定”效應，以至于風險投資并未產生積極的綠色經濟增長促進作用，且區域間合作并未十分緊密，空間外溢性并不顯著。而西部地區資源稟賦較高且開發成本低，但缺乏完備的營商環境以及綠色發展配套設施，風險投資的成果轉換效率不高，同時，西部地區在承接產業轉移過程中，存在高排放、高污染企業入駐，政府的環境規制未見成效，因此風險投資的綠色發展作用并未凸顯。據此，驗證了本文的假說3。

此外，由于經濟發展水平階段不同，對風險投資引力存在差異，本文求得各地區風險投資相對值的年平均值，以其中位數作為劃分標準（0.187%），若省份風投規模大于或等于中位數，則認為是風投高規模的省份，否則認為是風投低規模省份。經嵌套矩陣下的綠色發展效應檢驗得知，風投高規模省份的綠色增長效應估計系數為0.036，在1%的水平下顯著，而風投低規模的省份未顯現綠色增長效應。這緣于在風投低規模地區，資本要素配置效率激發所需的創新環境、財稅政策等配套服務體系不夠完善，新增風險投資的綠色成果轉化效率較低。

五、機制分析

（一）中介效應分析

由上文分析發現，風險投資對綠色全要素生產率具有顯著的正向影響，除了直接影響外，還可能存在中介傳導機制作用，由于綠色創新與綠色發展的因果關系已被大量文獻證實，[44]（p1-17）[45]（p94-105）因此，本部分借鑒江艇的中介機制模型研究方法，[46]（p100-120）構建如下模型（6）—（7），僅需檢驗風險投資對綠色創新的作用，即可達到探究風險投資能否通過綠色創新水平（Gpatent）提升綠色全要素生產率的目的。結果如表8（1）所示，風險投資對中介變量綠色創新的作用無論在本地直接效應，抑或是鄰地間接效應均顯著為正。風險投資作為一種中長期權益投資，為企業提供資源和資金支持，綠色技術創新發展水平為其間影響機制，風險投資機構需要通過“選擇效應”實現風險投資綠色化，為綠色企業和非綠色高污染企業提供資金并作用于綠色創新活動推動綠色發展。風險投資不僅在本地形成了資本積累，同時資本轉化成綠色成果，進一步惠及鄰近地區。因此，本文認為風險投資可以通過綠色創新提升綠色全要素生產率，假說2證實。

[GPATENTit=α1GPATENTi，t-1]

[+ρj=1nwjt?GPATENTjt+α2VCit+δj=1nwij?VCjt]

[+α3Controlsit+ζj=1nwij?Controlsjt+μi+γi+εit] （6）

[εit=λw′iεt+vit] （7）

（二）調節效應分析

前文研究證實了風險投資對綠色全要素生產率的影響不僅局限于本地區，同時會外溢至鄰近地區。進一步分析制度環境在風險投資影響綠色全要素生產率過程中能否產生調節催化效果，本文在模型（4）中引入代表制度環境的變量以及其與風險投資的交乘項，構建如下空間計量模型：

[GTFPit=α1GTFPi，t-1+ρj=1nwij×GTFPjt+α2VCit+δj=1nwij×VCjt+α3Insit+φj=1nwij×Insjt+α4VCit×Insit+ηj=1nwij×VCjt×Insjt+α5Controlsit+ζj=1nwij×Controlsjt+μi+γi+εit] （8）

[εit=λw′iεt+vit] （9）

其中，[Insit=Marketit，Ippit]，表示市場化程度和知識產權保護兩個維度的制度環境變量。調節作用的檢驗結果如表8（2）—（3）所示，可以發現，列（2）中風險投資和市場化程度交乘項系數與模型主效應系數均顯著為正，表明市場化程度高強化了風險投資的綠色發展效應，此間本地直接效應的作用明顯。一方面，市場化水平良好的地區籌資機制較為完善，法律制度與豐富的信息披露渠道協同作用，為風險投資決策提供保障；另一方面，透明的市場環境有利于提升風險資本利用效率，綠色科技成果得以市場化轉化，從而服務于實體經濟，促進綠色全要素生產率的提高。列（3）總效應中風險投資和知識產權保護的交乘項系數同樣顯著為正，知識產權保護起到正向調節作用，假說4得以驗證。基于綠色技術創新的非競爭、非排他性質，其私人回報常常遠低于社會最低水平，知識產權保護是對外部性定價的過程，地區保護程度是對綠色技術創新激勵作用的反映。在間接效應中制度環境的調節效應并不明顯，可能是源于我國整體制度環境建設較為匱乏，無法提供健全的監管以降低信息的不對稱性，區域間的合作與交流面臨障礙，綠色發展輻射效果甚微。

六、結論與政策建議

本文運用SBM-DEA模型測度省級綠色全要素生產率，基于空間計量模型，探析風險投資對綠色發展的直接影響，并搭建綠色創新為中介變量的機制路徑。研究結果表明，首先，風險投資可以通過綠色創新推進綠色發展空間效應，此結果在更換核心解釋變量和剔除直轄市后均得以檢驗。其次，區域異質性方面，風險投資對東部地區的綠色發展效應正向顯著，溢出效應明顯，對中部地區綠色發展效應較弱，且并不存在外溢性，西部地區并未顯現正向綠色發展效應；規模異質性方面，風投規模大的地區，風險投資綠色發展效應更為顯著。最后，將制度環境納入調節效應模型中，經模型檢驗可知市場化程度和知識產權保護兩方面制度環境的優化均強化了風險投資對綠色全要素生產率提升的激勵作用。

基于以上結論，本文提出如下政策建議：第一，針對綠色項目、清潔技術行業，公共部門應增加風險投資供給，并出臺合規性激勵政策吸引私人部門的風險資本，深化投資者綠色發展理念，突破綠色經濟增長的發展桎梏。第二，發揮風險投資核心節點的增長極作用，加強區域間聯動，破除區域間知識壁壘，使得邊緣地區亦能享受溢出紅利，進而推進風險投資的綠色發展效應覆蓋范圍更為廣泛。第三，優化地區制度環境，提供公平有序的市場條件作為風險投資發揮綠色發展增值作用的支撐和保障，一方面，深耕市場化改革，探索市場化機制，激勵風險資本在資本市場與產品市場的中介橋梁作用；另一方面，獎罰多措并舉，完善知識產權保護制度，驅動風險資本要素的綠色創新成果轉化效率。

參考文獻：

[1]Abolhosseini S， Heshmati A， Altmann J. A Review of Renewable Energy Supply and Energy Efficiency Technologies[J]. IZA Discussion Papers， 2014.

[2]Huisingh D， Zhang Z， Moore J C， et al. Recent Advances in Carbon Emissions Reduction： Policies， Technologies， Monitoring， Assessment and Modeling [J].Journal of Cleaner Production， 2015， 103（9）.

[3]SU C， Naqvi B， SHAO X， et al. Trade and Technological Innovation： The Catalysts for Climate Change and Way Forward for COP21[J].Journal of Environmental Management， 2020， 269.

[4]Evans A， Strezov V， Evans T J. Assessment of Sustainability Indicators for Renewable Energy Technologies[J]. Renewable amp; Sustainable Energy Reviews 2009， （05）.

[5]何愛平，安夢天.地方政府競爭、環境規制與綠色發展效率[J].中國人口·資源與環境，2019，（03）.

[6]李子豪，毛軍. 地方政府稅收競爭、產業結構調整與中國區域綠色發展[J]. 財貿經濟，2018，（12）.

[7]林伯強，譚睿鵬. 中國經濟集聚與綠色經濟效率[J]. 經濟研究，2019，（02）.

[8]王慶喜，胡安，辛月季. 數字經濟能促進綠色發展嗎？——基于節能、減排、增效機制的實證檢驗[J].商業經濟與管理，2022，（11）.

[9]Pradhan R P， Arvin M B， Nair M， et al. Venture Capital Investment， Financial Development， and Economic Growth： the Case of European Single Market Countries[J]. Venture Capital， 2017， （04）.

[10]丁學謙，吳群，劉向南，等.土地利用、經濟高質量發展與碳排放耦合協調度及影響因素——來自中國282個地級市的經驗研究[J].資源科學，2022，（11）.

[11]陳鑫，陳德棉，葉江峰.風險投資、空間溢出與異質創新[J].管理評論，2021，（04）.

[12]馬銘晨，呂拉昌.風險投資與區域創新：機制、路徑與異質性——基于中國29個省的實證分析[J].經濟地理，2023，（03）.

[13]黃福廣，彭濤，田利輝.風險資本對創業企業投資行為的影響[J].金融研究，2013，（08）.

[14]胡劉芬，周澤將.風險投資機構持股能夠緩解企業后續融資約束嗎？——來自中國上市公司的經驗證據[J].經濟管理，2018，（07）.

[15]潘越，劉承翊，林淑萍，等.風險資本的治理效應：來自IPO暫停的證據[J].中國工業經濟，2022，（05）.

[16]余琰，羅煒，李怡宗，等.國有風險投資的投資行為和投資成效[J].經濟研究，2014，（02）.

[17]安夢天，李雪嬌.有為政府、金融引導與碳減排——來自綠色政府引導基金的經驗證據[J].財經科學，2024，（05）.

[18]WEI Z， JIN Y， WANG J. Greenization of Venture Capital and Green Innovation of Chinese Entity Industry[J]. Ecological Indicators， 2015， （04）.

[19]單志誠，賀炎林.風險投資對企業風險承擔水平的影響——來自中國A股上市公司的經驗證據[J].金融論壇，2022，（06）.

[20]Dalla Fontana S， Nanda R. Innovating to net zero： can venture capital and start-ups play a meaningful role？[J]. Entrepreneurship and Innovation Policy and the Economy， 2023， 2（1）.

[21]LIN B，MA R. Green technology innovations， urban innovation environment and CO2 emission reduction in China： Fresh evidence from a partially linear functional-coefficient panel model[J]. Technological Forecasting and Social Change， 2022， 176.

[22]龍玉，趙海龍，張新德，等.時空壓縮下的風險投資——高鐵通車與風險投資區域變化[J].經濟研究，2017，（04）.

[23]杜江，孟佳，袁昌菊.我國風險投資空間分布與退出績效[J].財經科學，2019，（08）.

[24]董靜，汪江平，翟海燕，等.服務還是監控：風險投資機構對創業企業的管理——行業專長與不確定性的視角[J].管理世界，2017，（06）.

[25]CHENG C， YUE H， TAN D D. Spatial dynamics and determinants of sustainable finance： Evidence from venture capital investment in China[J]. Journal of Cleaner Production， 2019， （09）.

[26]王崇鋒.知識溢出對區域創新效率的調節機制[J].中國人口·資源與環境，2015，（07）.

[27]趙亞雄，王修華，劉錦華.綠色金融改革創新試驗區效果評估——基于綠色經濟效率視角[J].經濟評論，2023，（02）.

[28]汪明峰，魏也華，邱娟.中國風險投資活動的空間集聚與城市網絡[J].財經研究，2014，（04）.

[29]金永紅，蔣宇思，奚玉芹.風險投資參與、創新投入與企業價值增值[J].科研管理，2016，（09）.

[30]佘金鳳，湯兵勇.風險投資發展區域分布不平衡的形成機理研究[J].科學學與科學技術管理，2007，（03）.

[31]柴娟娟，施子楊，方來.風險投資對綠色技術創新的空間效應[J].統計與決策，2022，（17）.

[32]DUAN L， SUN W， ZHENG S. Transportation Network and Venture Capital Mobility： An Analysis of Air Travel and High-Speed Rail in China[J].Journal of Transport Geography， 2020， （88）.

[33][美]威廉·諾德豪斯.綠色經濟學[M].李志青，李傳軒，李瑾，譯. 北京：中信出版社，2022.

[34]左弈，周衍平.“一帶一路”沿線省份專利密集型產業綠色創新時空演化及空間效應[J].經濟與管理研究，2023，（01）.

[35]Davis L， North D. Institutional Change and American Economic Growth： A First Step towards A Theory of Institutional Innovation[J]. The Journal of Economic History， 1970， （01）.

[36]袁禮，周正.環境權益交易市場與企業綠色專利再配置[J].中國工業經濟，2022，（12）.

[37]Tone K. Dealing with undesirable outputs in DEA： A slacks-based measure （SBM） approach[J]. GRIPS Discussion Papers， 2003.

[38]F?re R， Grosskopf S， Lindgren B， et al. Productivity changes in Swedish pharamacies 1980–1989： A non-parametric Malmquist approach[J]. Journal of productivity Analysis， 1992， 3（1）.

[39]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）.

[40]王兵，劉光天.節能減排與中國綠色經濟增長——基于全要素生產率的視角[J].中國工業經濟，2015，（05）.

[41]樊綱，王小魯，馬光榮. 中國市場化進程對經濟增長的貢獻[J].經濟研究，2011，（09）.

[42]宋德勇，陳梅，朱文博. 用能權交易制度是否實現了環境和經濟的雙贏？[J].中國人口·資源與環境，2022，（11）.

[43]Lesage J P， Pace R K. Introduction to Spatial Econometrics[M]. Boca Raton： CRC Press， 2009.

[44]文書洋，劉浩，王慧.綠色金融、綠色創新與經濟高質量發展[J].金融研究，2022，（08）.

[45]柳劍平，黃鷺.綠色技術創新、綠色金融政策與綠色發展[J].湖北社會科學，2024，（03）.

[46]江艇. 因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022，（05）.

責任編輯" "郁之行