綠色財政政策何以提升地區綠色全要素生產率

中圖分類號：F124.3；X196 文獻標識碼：A 文章編號：1007-2101（2025）05-0048-15

一、引言與文獻綜述

黨的二十大報告明確提出“加快發展方式綠色轉型”，強調“協同推進降碳、減污、擴綠、增長”[1]財政部聯合國家發展改革委分別于2011、2013和2014年，分三批啟動了30個試點城市的節能減排財政政策綜合示范建設項目，運用財政手段同步推進城市發展經濟和保護環境的目標。綠色全要素生產率是衡量經濟與環境效益統一的高質量發展水平的重要指標。那么，綠色財政政策能否提升地區綠色全要素生產率？

隨著高質量發展目標的不斷推進，將環境污染的負面效應考慮在內的綠色全要素生產率指標日益受到關注，學者們紛紛從對外直接投資2環境規制[3]綠色創新[4]、產業結構[5]等角度出發對其影響因素進行探究。隨著相關綠色政策理論的完善和政策評估工具的演化發展，學界開始從政策影響綠色全要素生產率的效應和機理角度出發進行大量實證研究。碳交易政策的實施通過驅動低碳技術創新、能源結構清潔化等渠道顯著提升了地區綠色全要素生產率[；熊廣勤和方扶星[7]發現，低碳城市試點政策有利于提高城市綠色高質量發展水平，且主要是通過結構效應、技術效應和集聚效應來實現的；有學者探討了低碳城市和創新型城市雙試點政策通過綠色技術創新提升和產業結構優化兩條渠道對地區綠色全要素生產率的提升作用[8]。對于綠色全要素生產率的影響因素，相關文獻雖然從多個政策角度進行了實證研究，但缺乏對綠色財政政策的探討。

綠色財政政策是推進節能減排、助推綠色低碳轉型的重要工具。“節能減排財政政策綜合示范城市\"試點，旨在運用財政政策工具促進傳統城市形態向綠色城市變遷跨越[9]。該政策在一般環境政策的基礎上，設置了績效考核與財政激勵兩種管理模式，促使示范城市樹立低碳、綠色、可持續發展理念，實現節能與提效并駕齊驅的綠色高質量發展目標。從節能角度看，節能減排財政政策試點主要通過促進節能技術改造、市場體制機制創新等途徑提高能源的使用效率。[10]從提效角度分析，鄭蘭祥等研究發現，節能減排財政政策對于示范城市的綠色技術創新無論在“量”還是“質”方面都有顯著的提升作用。此外，也有學者從環境財政收入與支出兩個方面進行分析，認為環境稅和環境財政補貼能夠促進企業的“負外部成本和正外部收益內在化”，從而激勵企業提升綠色節能技術。1]綠色財政政策為綠色金融發展提供了資金支持，以此形成外源資金，激勵企業降污減排。[12]關于綠色財政政策對地區綠色全要素生產率的作用效果，相關文獻沒有提供直接的經驗證據，但綜合已有研究成果，本文認為可以分別從降低能源消耗強度、促進地區綠色技術創新以及綠色財政與綠色金融的輔助支持作用等方面對可能的影響機理進行探討。

二、理論機制與研究假設

（一）影響效應

采用GML指數測算的綠色全要素生產率可被分解為技術效率和技術進步兩種效應。技術效率是指在技術水平不變的情況下，通過加強要素之間的協調性，使要素投入達到最優配置；技術進步是指在要素投入數量和組合不變的情況下，由所有決策單元組成的整體技術前沿面的擴張帶來的單位生產率提升。由于試點政策的主要著力點為產能升級和綠色技術推廣，而非要素資源的優化配置，本文認為技術進步效應是主要驅動力。主要原因在于：第一，試點政策主要運用財政手段對試點城市提供支持，并設置了考核驗收的管理模式，試點地區為在短期內達到考核驗收目標以獲取更多的資金支持，往往傾向于將資金投入在淘汰落后產能、綠色技術創新等方面。第二，試點政策的主要著力點為產業結構和能源結構優化、現代服務業建設發展等方面，主要涉及對落后產能的淘汰、對清潔能源的引進、對現代產業的建設等方面，屬于技術創新而不是資源整合。第三，技術效率變動效應的提升往往需要在企業和產業集群內部、產業鏈上下游及地區之間形成信息互聯和資源共享的密切協同關系，而試點政策的實施僅以一部分城市為政策支持對象，且受區位因素影響，試點城市之間往往在地理和經濟上的關聯程度較低，不具備形成協同關系的環境基礎。基于此，本文認為試點政策主要通過驅動技術進步提升地區綠色全要素生產率。

（二）作用機制

1.“節能”渠道。節能減排示范城市建設可通過降低能源消耗強度和提高能源利用效率提升地區綠色全要素生產率。能源消耗強度的變動包括技術因素和結構因素。[13]一方面，試點政策可由引導高能耗高污染行業實施節能技術引進等途徑降低能源消費量，以節能工藝技術發展推動能源消耗強度的降低。另一方面，試點政策實施通過推進節能減排重大關鍵技術突破，促進產業低碳化綠色化轉型，從而降低化石燃料等高污染高排放能源的使用比例，改善能源消費結構。14]能源利用效率的提高則主要與市場化水平和產業結構有關。一方面，試點政策為排污權交易制度提供財政支持，后者是提高能源利用效率和提升地區綠色全要素生產率的重要渠道。15]另一方面，試點政策還可以通過創新能源市場體制機制、資源與能源等要素的共享利用以及能耗限制措施等渠道，充分發揮市場對能源和排放權資源的有效配置，激勵企業開展綠色技術創新活動，降低能源消費的負面效應。[10]

2.“提效”渠道。根據波特假說，環境規制會使企業負擔一定程度的污染排放成本，引導企業減少高耗能高污染領域的研發投人[16]，而這也會引發技術創新偏向綠色的新一輪延展。首先，適度的環境規制政策會通過施加經營壓力，激勵企業降低能源消耗強度、提高能源利用效率，從而推動其開展綠色技術創新活動。試點政策的實施還通過政社、政企合作的方式，引導社會資本廣泛參與，降低企業開展綠色技術創新活動的融資壓力。9其次，綜合示范城市通過設立節能減排專用資金，以資金配套、提供直接獎勵的方式激勵企業開展技術創新，通過資源配置效應，實現了環境治理正外部收益內在化[17]，提升了示范區企業研發改造的積極性[18]，進而提升示范城市綠色技術創新總體水平。綠色技術創新不但可以提高投入要素的使用效率，而且可以減少非期望產出，進而提高城市綠色全要素生產率。

3.綠色金融的調節效應。綠色金融是推動產業綠色化低碳化發展的重要手段。企業綠色技術創新成果的落地轉化離不開充足的資金支持，但綠色技術創新具有高風險和收益不確定性的特點，難以靠自身獲得傳統資本的支持。綠色金融產品囊括了綠色債券、綠色基金等金融創新的最新成果，可通過對綠色技術創新產品風險和收益的量化，為不同的產品匹配不同風險偏好的投資者，從而在較大程度上拓寬了企業開展綠色技術創新活動的資金來源。[19]綠色金融可通過提高試點城市企業的信息公開透明度，減少逆向選擇情況的發生概率。政府運用行政手段，可通過公開高污染高耗能企業的名單、環境責任報告等資料的方式，對試點城市的企業構建“綠色低碳化水平”評級，為投資者提供關于企業污染排放水平、社會責任履行情況等信息，減少由信息不對稱導致的交易成本。[20]綠色金融具有風險識別和風險管理的功能。企業的技術創新活動往往需要付出較高投入，但產出與回報卻是不確定的，綠色金融通過提供多樣化的金融組合工具，平衡創新產品的風險和收益，對沖由高投入和不確定性帶來的綠色技術創新活動的風險。[21]因此，綠色金融對試點政策的發揮可能存在正向調節作用。

總體而言，本文認為試點政策可以通過“節能”和“提效”兩條渠道提升地區綠色全要素生產率，綠色金融發揮正向調節作用，相應的影響機理見圖1。基于此，本文提出如下基本假設。

ΔH₁ ：試點政策能顯著提升地區綠色全要素生產率，且技術進步變動效應是主要驅動力，技術效率變動效應的影響不顯著。

H₂ ：試點政策的實施可通過“節能”和“提效”兩條渠道，即降低能源消耗強度和促進綠色技術創新提升地區綠色全要素生產率。

H₃ ：在試點政策提升地區綠色全要素生產率和技術進步效應的影響效果中，綠色金融發揮正向調節作用。

三、研究設計

（一）模型構建與變量意義

1.模型構建。本文構建了雙向固定效應模型，具體設定如下：

Ei

其中， ETFP_it 由綠色全要素生產率以及其分解出的指數組成，包括 GTFP_it，EC_it，TC_it 三個變量，分別表示城市 i 在 χ_t 年的綠色全要素生產率、技術效率指數和技術進步指數； DID_it 為多期雙重差分變量； CONTROLS_it 為一系列城市層面的控制變量； φ_i 為城市固定效應； γ_t 為年份固定效應; ε_it 為隨機擾動項。

2.變量意義。本文被解釋變量、核心解釋變量及控制變量含義如下。

被解釋變量：綠色全要素生產率。參考已有研究，本文將被解釋變量界定為以資本、勞動和能源為投入要素，以地區生產總值為期望產出，以“三廢”和二氧化碳排放量為非期望產出的綠色全要素生產率。[22]本文所選指標的具體計算方法如下：（1）資本要素投入，采用以2006年不變價格為基期的永續盤存法計算的固定資本存量表示。[23-25]（2）勞動要素投人，采用地級市年末單位從業人員數的對數表示。26]（3）能源要素投入，采用地級市能源消費總量的對數表示。[27]（4）期望產出，采用城市的實際地區生產總值（GDP）表示。（5）非期望產出，用各城市“三廢”排放量和二氧化碳排放總量表示，由于各污染排放指標的單位不同、統計口徑不一，本文采用熵值法加權得到環境污染指數，以消除數據的量綱影響。[22]

被解釋變量的分析指數：技術效率變動指數與技術進步變動指數。作為一種采用共同前沿面的ML指數，GML指數在計算時可被分解為純技術效率變動指數（PEC）與純技術進步變動指數（PTC）[28]，具體表示如下：

其中， G 表示全局參比； c 表示規模報酬不變； Φ_t 表示時期； x，y，z 分別表示投人指標、期望產出指標和非期望產出指標； E_c^G 表示整體全局參比效率值; E_c^t?E_c^t+1 分別表示對應時期的效率值； ML_c^G 表示GML指數； MLEC_c 和 MLBPC_c 分別表示技術效率變動指數和技術進步變動指數（以下簡稱EC和TC）。

上述指數與綠色全要素生產率的關系為：

GTFP_it^t+1=EC_it^t+1×TC_it^t+1

核心解釋變量：多期雙重差分變量。試點政策共包括30個城市，分三批進行。其中，由于指標嚴重缺失，本文將青海省海東市從樣本中剔除，故本文研究樣本中最終包含29個試點城市。首先，構建政策沖擊變量Treated，若城市 i 位于試點政策名單內，則Treated取1，否則取0。其次，構建政策實施時間變量 Time_it ，若城市 i 在 χ_t 年處于試點政策實施時間范圍內，則 Time_it 取1，否則取0。最后，本文用政策沖擊變量和政策實施時間變量的交互項 Treated_i×Time_it 構造多期雙重差分變量 DID_it ，作為試點政策的衡量指標。

控制變量。為了增強模型的解釋力，參考王亞飛和陶文清[29]的研究并結合試點政策特征，本文采用以下控制變量，以控制其他影響因素：

CONTROLS_it=（Finance_it，Tech_it，Policy_it，Regu-

lation_it，Population_it，Fiscal_it，

FDI_it，IS_it）

其中， Finance_it 為城市 i 在 χ_t 年的金融發展程度，用各城市年末金融機構人民幣各項存貸款余額與地區生產總值的比值表示； Tech_it 為城市 i 在 Φ_t 年的科學技術水平，用科學技術支出占地方一般公共預算支出的比重表示； Policy_it 為城市 i 在 χ_t 年的政府干預程度，用各城市地方一般公共預算支出與地區生產總值的比值表示； Population_it 為城市 i 在 Ψ_t 年的人口密度，用年末總人口與城市面積（平方千米）的比值表示； ΔFiscal_it 為城市 i 在 Ψ_t 年的財政投資力度，用各城市固定資產投資額與地方一般公共預算支出的比值表示； FDI_it 為城市 i 在 χ_t 年的外資利用水平，用各城市實際利用外商投資額與地區生產總值的比值表示； IS_it 為城市 i 在 χ_t 年的產業結構升級程度，用第一、二、三產業增加值占GDP的比重按 1：2：3 的權重的加總表示；Regulation，為城市 i 在 χ_t 年的環境規制強度，用各城市政府工作報告中與環保有關的詞匯占工作報告總文本的比重表示，環保詞匯的詞頻詞庫見表1。[30]

表1政府工作報告環保詞匯詞頻詞庫

（二）樣本選擇與數據來源

1.樣本選擇與數據處理。本文選取中國281個地級市為樣本，將樣本區間設定為2007—2021年。對原始數據作了如下處理：（1）用線性插值法對綠色全要素生產率計算所用的投入指標、期望產出和非期望產出指標的缺失值進行了填補；（2）對其他回歸所用指標中輕微缺失的數據進行了填補，對嚴重缺失的個體予以剔除；（3）對回歸所用指標進行了上下 1% 水平上的縮尾；（4）對含有絕對數的指標進行了對數化處理；（5）對回歸中可能會受到通貨膨脹影響的指標，用相應的價格指數進行了平減。最終，得到包含281個地級市的樣本，4215個城市—年度觀測值。

2.數據來源。本文計算綠色全要素生產率所用指標來自各省市統計年鑒、中國能源統計年鑒、中國工業統計年鑒和中國環境統計年鑒。本文根據財政部和國家發展改革委發布的《財政部、國家發展改革委關于開展節能減排財政政策綜合示范工作的通知》中公布的試點城市名單和實施批次，整理并計算得到了多期雙重差分變量數據。本文根據政府工作報告環保詞匯詞頻詞庫，利用Python軟件爬取了相關詞匯，并計算得到了環境規制強度指標，其余控制變量指標數據均來自各省市統計年鑒。主要變量的描述性統計結果見表2。

四、實證結果與分析

（一）基準回歸結果

本文基于雙向固定效應模型對式（1）進行了OLS估計，回歸結果如表3所示。試點政策對地區綠色全要素生產率有顯著提升作用，且技術進步變動效應是主要驅動力。假設 ΔH₁ 初步得到驗證。

表2主要變量描述性統計結果

表3基準回歸結果

注：*、**、 *=* 分別表示在 10% 5% 和 1% 的水平上顯著，括號內為城市層面的聚類穩健標準誤；本文回歸結果中均已加入基準回歸中的所有控制變量，并固定城市和年份固定效應，固于篇幅，不再在表格中標示。下同。

盡管總體估計結果符合預期，但Goodman-Bacon^[31] 的研究表明，多期DID估計量只有在處理效應不隨時間變化的情況下才具有因果解釋效力。基于此，本文對基準回歸中的估計系數進行了Goodman-Bacon分解，結果見表4和圖2。可以看到，“壞結果\"（Timinggroups）的權重均集中在0附近，總權重僅為 1.76% ，逐年權重分別為 0.54% 、0.82% 和 0.40% ，表明多期雙重差分變量的估計結果是穩健的。

表4多時點雙重差分Goodman-Bacon逐年分解結果

圖2多時點雙重差分Goodman-Bacon分解結果

（二）平行趨勢和動態效應檢驗

本文借鑒Jacobson等[32]提出的事件研究法對樣本的平行趨勢進行檢驗，具體方法表示如下：

γ_t+ε_it

其中，由于政策開始前和發揮作用后年份的數據較少，因此本文將政策實施前5年以前的數據匯總到政策實施前第5年，將政策實施后第4年以后的數據匯總到政策實施后第4年，并剔除試點政策開始的前一期作為動態效應檢驗的基期。[33]

圖3匯報了平行趨勢和動態效應檢驗結果。樣本通過了平行趨勢檢驗，然而，動態效應的估計系數在第4期才顯著為正，本文認為試點政策作用的發揮具有較強的滯后性，可能的原因是：第一，綠色全要素生產率的提升需要政府、企業、產業、社會等多方面的配合，本身就是一個漸進的過程。第二，綠色技術創新具有失敗的可能性，其成果轉化和產品應用需要一定的試驗和適應期。[34]

圖3平行趨勢和動態效應檢驗

注：左圖和右圖分別為綠色全要素生產率和技術進步變動指數的回歸結果；實心點表示公式（5）中的估計系數，短豎線為聚類到城市層面的穩健標準誤對應的 95% 水平上的上下置信區間。

（三）雙重差分變量的滯后處理

基準回歸結果依然穩健。

基于試點政策作用發揮可能存在的滯后性，用多期雙重差分變量的一至三階滯后項對方程（1）重新進行回歸，[35]結果見表5。隨著滯后階數的增加，DID對GTFP和TC估計系數的顯著性逐漸增強，驗證了本文的假設。

表5雙重差分變量滯后項與綠色全要素生產率的回歸結果

1.時間安慰劑檢驗。通過改變試點政策實施時間構造虛假的雙重差分變量。36]考慮到試點政策作用的發揮具有較強的滯后性，本文將政策實施時間分別提前4年、5年，延后1年、2年和3年。時間安慰劑檢驗回歸結果見表6。虛假的政策實施并不能提升地區綠色全要素生產率，本文

（四）安慰劑檢驗

表6時間安慰劑檢驗

2.個體安慰劑檢驗。參考Cai等[37]的研究，從281個樣本城市中隨機抽取29個城市作為虛假的處理組，其余城市作為控制組重新進行回歸。利用bootstrap重復抽樣的方法，將上述過程重復

1000次，得到1000個回歸系數及其對應的p值，其核密度分布見圖4。圖4同時顯示了個體安慰劑檢驗結果。結果表明，樣本期內地區綠色全要素生產率和技術進步變動指數的提高確實是由試點政策帶來的。至此，假設 ΔH₁ 進一步得到驗證。

圖4雙重差分變量與GTFP、TC回歸系數的個體安慰劑檢驗

注：左圖和右圖分別為雙重差分變量與CTFP和TC回歸系數的個體安慰劑檢驗。空心圓圈代表安慰劑檢驗的估計系數，實線代表其核密度，橫虛線代表 p 值為0.1時對應的顯著性水平，豎虛線代表雙重差分變量在基準回歸中的估計系數。

五、穩健性檢驗

（一）替換被解釋變量計算方法

本文在基準回歸中所使用的綠色全要素生產率數據是由基于Tone[38]構建的包含非期望產出的超效率GML-SBM模型計算得到的，該模型只能同比例增加或減少期望產出與非期望產出，無法較好地識別污染的負面效應[39]。基于此，本文將被解釋變量的計算方法替換為基于松弛變量的方向距離函數模型（SBM-DDF），其能夠在增加期望產出的同時減少非期望產出，模擬出實現綠色經濟效益的情況。

替換被解釋變量的回歸結果見表7。試點政策在當期并不能顯著提升地區綠色全要素生產率。基于此，本文采用滯后項重新進行回歸，結果與基準回歸結果一致。雙重差分變量的一至三階滯后項對GTFP和TC的估計系數均至少在 5% 的水平上顯著為正，且顯著性依次增強，系數依次變大，對EC的估計系數不顯著，表明試點政策對地區綠色全要素生產率的提升作用存在一定的滯后性。本文結論依然穩健。

（二）排除其他政策干擾

本文構造多期雙重差分變量 和DID_Carbon，在捕捉“創新型城市”和“碳排放權交易市場”試點政策實施效果的基礎上驗證基準回歸假設，結果見表8。在控制其他政策沖擊的情況下，雙重差分變量對GTFP和TC的回歸系數均至少在 10% 的水平上顯著為正，對EC的回歸系數不顯著，說明試點政策能夠通過驅動技術進步提升地區綠色全要素生產率，結論依然穩健。

表7替換被解釋變量的回歸結果

表8控制其他政策的回歸結果

（三）傾向得分匹配雙重差分模型

本文采用PSM-DID模型對樣本選擇偏誤問題進行處理。依次使用面板數據截面化和逐期匹配兩種方法進行傾向得分匹配。[40]

處理組和控制組按照面板數據截面化和逐年匹配的方式得到的傾向得分值及其核密度分別見圖5、圖6。可以看到，兩種方法均為處理組找到了滿足共同支撐假設的控制組。

截面PSM-DID和逐期PSM-DID回歸結果分別見表9PanelA和PanelB，與基準回歸結果一致。在進行PSM-DID估計的情況下，雙重差分變量對GTFP和TC的回歸系數均至少在 10% 的水平上顯著為正，對EC的回歸系數不顯著，說明試點政策能夠通過驅動技術進步提升地區綠色全要素生產率，表明結論依然穩健。

圖5截面PSM的傾向得分與核密度

注：實曲線和虛曲線分別代表處理組和控制組傾向得分的核密度，實豎線和虛豎線分別代表處理組和控制組傾向得分的均值，下同。

圖6逐年PSM的傾向得分與核密度

表9PSM-DID回歸結果

（四）控制非平行趨勢

本文在基準回歸中加入城市基準因素與時間線性趨勢的交互項，以控制樣本中處理組和控制組的非平行趨勢。[41]

ETFP_it=α₀+α₁DID_it+ξQ_c×Trend_t+α₂

CONTROLS_it+φ_i+γ_t+ε_it

其中， Q_c 為一系列反映城市層面基準因素的變量，包括人力資本水平（Human）、教育支出水平（Education）工業化水平（Industry）、是否為經濟特區 （SEZ） 、是否為重工業基地（Base）和是否位于胡煥庸線以東（Line）6個變量。人力資本水平用每萬人普通本專科在校人數表示；教育支出水平用教育支出占地方一般公共預算支出的比重表示；工業化水平用工業增加值占地區生產總值的比重表示；Trend，為時間趨勢項，其余變量含義和系數符號與基準回歸相同。

控制非平行趨勢的回歸結果見表10。在控制其他非平行影響因素的情況下，雙重差分變量對GTFP和TC的回歸系數均至少在 10% 的水平上顯著為正，對 EC 的回歸系數不顯著，說明試點政策能夠通過驅動技術進步提升地區綠色全要素生產率，結論依然穩健。至此，假設 H₁ 進一步得到驗證。

表10控制非平行趨勢的回歸結果

六、進一步分析

（一）機制檢驗

本文采用中介效應三步法進行機制檢驗，具體模型設定如下：

MID_it=α₀+α₁DID_it+α₂CONTROLS_it+φ_i+γ_t+ε_it

ETFP_it=α₀+α₁MID_it+α₂CONTROLS_it+φ_i+γ_t+ε_it

其中， MID_it 為機制變量，包括Energy_TotaluEnergy_IntensityiGreen_Applyi、Green_Authorizeu共4個變量，分別用能源消耗總量的對數、能源消耗總量與地區實際生產總值的比值、綠色實用新型發明專利申請量、綠色實用新型發明專利授權量表示。10]為便于回歸系數展示，將發明專利數量指標除以1000；其余變量含義和系數符號與基準回歸模型中相同。

1.“節能”渠道的機制檢驗。降低能源消耗強度的機制分析結果見表11。試點政策通過降低地區能源消耗強度顯著提升了地區綠色全要素生產率，驗證了本文的假設。值得注意的是，Energy_Total和Energy_Intensity對 EC 的回歸系數亦顯著為負，說明試點政策的實施不能直接提升地區技術效率變動指數，只能通過降低能源消耗強度這一條路徑提升地區技術效率變動指數，可能的原因是：試點政策的實施主要是從財政資金的角度為地方提供支持，短期內難以促進資源配置效率的優化，而能源消耗強度的降低直接代表了投入要素產出比的提升，體現了資源配置效率的極大優化。

2.“提效”渠道的機制檢驗。促進綠色技術創新的機制檢驗結果見表12。試點政策顯著提升了地區綠色技術創新水平，但綠色實用新型發明專利申請數的增長并不能對地區綠色全要素生產率產生質的影響，可能的原因是：第一，專利申請數量只能在一定程度上代表地區綠色技術的投入水平，不意味著地區的綠色技術創新取得了實質性的成效。第二，較于專利授權，專利申請的難度較低，因而試點地區存在刻意增加專利申請數量而換取政策支持的行為，并不會對技術創新付出實質性的投入。綠色實用新型發明專利申請數的增長顯著提升了地區綠色全要素生產率，說明試點政策的“提效”機制存在。至此，假設 H₂ 得到驗證。

表11降低能源消耗強度的機制分析回歸結果

表12促進綠色技術創新的機制分析回歸結果

3.綠色金融的調節效應檢驗。根據前文的理論分析可知，綠色金融對試點政策影響地區綠色全要素生產率的作用效果具有正向調節作用。基于此，本文進行檢驗，具體方法如下：

其中， Greenfi_it 為城市 χ_i 在 χ_t 年的綠色金融發展程度，基于綠色信貸、綠色投資等7個分項指標，利用熵值法測算得出，分項指標的含義和衡量方法見表 13^[20] Moderator_it 為調節變量綠色金融發展程度與核心解釋變量（DID）的交互項;其余變量和系數符號的含義與基準回歸相同。

調節效應檢驗回歸結果見表14。核心解釋變量對GTFP和TC的回歸系數均顯著為正，與基準回歸結果一致。Moderator對GTFP和TC的回歸系數也顯著為正，表明綠色金融對試點政策提升地區全要素生產率和促進技術進步的作用效果具有正向調節作用。至此，假設 H₃ 得到驗證。

表13綠色金融發展程度指標體系

表14調節效應檢驗

（二）異質性分析

參考李建軍等[42]和薛飛等[10]的研究，本文將樣本城市分別按照地理區位、資源稟賦、城市規模和城市地位進行分組回歸。異質性分析結果見表15。試點政策對中西部地區城市、資源型城市、中小城市和非中心城市的影響更顯著，可能的原因是：這些城市在資金、人才、技術等各方面優勢較小，資源、環境問題較為突出，在較高環境規制水平和生產成本的壓力下，高污染、高能耗企業紛紛遷入，使其成了名副其實的“污染天堂”。同時，由于承擔國家發展規劃的任務較輕，在落后產能淘汰和產業調整升級上較為靈活，因而其綠色全要素生產率的提升空間更大。綜上，本文的異質性分析結果比較穩健。

（三）空間溢出效應分析

首先，對被解釋變量進行空間自相關檢驗，結果見表16。其中，GTFP和TC存在顯著空間自相關性，而EC的空間自相關性不顯著。其次，繪制2014年GTFP和TC局部莫蘭散點圖以考察其局部空間相關性，見圖7，結果與全局莫蘭指數基本一致。空間計量模型設定檢驗結果見表17。

表16地區綠色全要素生產率、技術效率變動指數和技術進步變動指數的全局莫蘭指數

表15異質性分析

圖72014年地區綠色全要素生產率和技術進步變動指數的局部莫蘭散點圖

表17空間計量模型設定檢驗

LM檢驗結果表明，空間誤差模型（SEM）和空間滯后模型（SAR）均適用于本文的研究。本文采用空間杜賓模型（SDM）對試點政策的空間溢出效應進行分析。豪斯曼（Hausman）檢驗結果顯示，應采用固定效應模型進行回歸；TC的豪斯曼（Hausman）檢驗統計量為負，這主要是由有限樣本中的異方差問題導致的，參考連玉君等[43]的研究，此時仍應采用固定效應模型進行回歸。似然比檢驗和退化檢驗結果表明應使用同時控制個體與時間固定效應的空間杜賓模型進行分析，具體設定如下：

DID_it+α₂CONTROLS_it+β₂W×CON-

TROLS_it+φ_i+γ_t+ε_it

其中， W 為 δ_n×n 維的空間權重矩陣，本文采用同時考慮了地區之間經濟距離和地理距離的經濟地理嵌套矩陣表示，并進行了標準化處理； ?β₀ 為空間自回歸系數；系數 β_? 和 β₂ 為模型的間接效應；系數 α₁ 和 α₂ 為模型的直接效應。其余變量系數與符號的含義與基準回歸方程中相同。空間杜賓模型回歸結果見表18。

表18空間杜賓模型回歸結果

結果表明，關聯地區的綠色全要素生產率和技術進步變動指數對本地區有顯著正向影響。試點政策的實施能夠顯著促進本城市以及相鄰城市綠色全要素生產率水平的提升，但對相鄰地區技術進步沒有顯著影響，原因可能是：第一，在政策落實初期，示范城市為了在最大程度上促進本地區綠色轉型發展而對資金、人才等創新資源的流動做出限制。第二，技術進步所涉及的專利、項目等成果在短期難以實現有效共享，從而導致技術進步對示范城市創新發展的溢出效應匱乏。

七、結論與政策建議

（一）研究結論

為深入探究綠色財政政策實施成效，本文以2007—2021年中國281個地級市為研究樣本，實證考察試點政策對地區綠色全要素生產率的影響效果及作用機制，得出以下結論。第一，試點政策顯著提升了地區綠色全要素生產率水平，且技術進步變動效應是主要驅動力；試點政策作用的發揮具有較強的滯后性。第二，降低能源消耗強度和促進綠色技術創新是試點政策影響綠色全要素生產率的兩條重要渠道，綠色金融在效應發揮過程中起到正向調節作用。第三，試點政策對中西部地區城市、資源型城市、中小城市和非中心城市綠色全要素生產率的提升作用更顯著。第四，試點政策對地區綠色全要素生產率具有顯著的空間溢出效應，政策在試點地區的開展也有利于周邊地區綠色全要素生產率的提升。

（二）政策建議

本文的研究結論對國家和地區層面綠色財政政策的調整與實施以及產業綠色化低碳化轉型的舉措有重要的政策啟示價值。第一，應進一步擴大試點政策的惠及范圍，同時保持政策的實施力度和持續性。一方面，各級政府應當對示范城市建設工作的經驗進行總結吸收，充分完善節能減排政策體系，促進區域降污減排工作的高效化開展；另一方面，在示范區建設的過程中，應著重推進示范區資源共享平臺和地區協同機制建設，優化要素配置格局，提升示范區經濟建設投人產出比。此外，相關部門應對試點工作的政策支持手段進行調整，加大支持力度、優化資源配置、監督資金使用，使政策更好更快地發揮作用。第二，應把能源節約和綠色技術創新作為試點政策實施的主要方向，并重視綠色金融的重要支持作用。一方面，應充分利用試點政策在節能與提效層面的高強度驅動力，提高獎勵資金使用效益。在企業層面，支持傳統產業通過綠色轉型、節能設備改造等方法促進生產能源節約。在社會層面，通過發展可再生能源、加強能源管理與節能教育宣傳等途徑降低能源消耗強度。另一方面，應加大財稅激勵政策力度，完善綠色技術評價體系，在政府、高校和企業間促進綠色創新協同，培育和壯大領軍企業、專精特新中小企業等綠色創新主體，不斷增強地區技術創新實力。此外，還應進一步完善綠色金融體系，引導資金向綠色低碳經濟聚集，并加強風險管理，為企業開展綠色技術創新活動保駕護航。第三，綠色財政政策制定實施應當遵循因地制宜原則。應將試點政策的實施重點放在中西部地區城市、資源型城市、中小城市和非中心城市，充分發揮其示范和輻射帶動作用。通過加強基礎設施建設、深化區域合作推進實施“西部大開發”和“中部崛起”戰略;通過實施產業多元化策略和加強對外經貿合作促進資源型城市的綠色低碳化轉型;通過加快城鄉融合、縮小城鄉收入差距，釋放中小城市和非中心城市發展的最大動能。第四，應擴大試點城市的輻射范圍并且充分發揮政策的正向溢出效應，加強交通、網絡及技術服務等方面的基礎設施建設，著力搭建地區一體化、互聯化、協同化的綜合交流平臺，加強各城市之間的技術、資金及信息等資源的流動互補，充分發揮試點地區“節能”“提效”“提質”的示范帶頭作用，為經濟高質量發展和綠色低碳轉型樹立標桿。

參考文獻：

[1]習近平.高舉中國特色社會主義偉大旗幟為全面建設社會主義現代化國家而團結奮斗—在中國共產黨第二十次全國代表大會上的報告[M].北京：人民出版社，2022：50.

[2]張建，王博.對外直接投資、產業結構升級與綠色全要素生產率[J].運籌與管理，2023（10）：165-170.

[3]王玉爽.環境規制對綠色全要素生產率的影響——基于環境分權和空間溢出視角［J].中國流通經濟，2023（9）：63-79.

[4]WUJ，XIAQ，LIZY.Greeninnovation and enterprisegreentotal factor productivityata microlevel：a perspec-tiveoftechnicaldistance[J].JournalofCleanerProduc-tion，2022，344：1-11.

[5] SUN JH，TANG D C，KONG H J. Impact of industrialstructure upgrading on green total factor productivity in theYangtze River Economic Belt[J]. International Journal ofEnvironmental Research and PublicHealth，2022，19（6）： 3718-3718.

[6]孫振清，谷文姍，成曉斐.碳交易對綠色全要素生產率的影響機制研究[J].華東經濟管理，2022（4）：89-96.

[7]熊廣勤，方扶星.低碳城市建設提升了綠色全要素生產率嗎？——基于278個地級市的實證研究[J].福建論壇（人文社會科學版），2022（12）：101-114.

[8]陳麗娜，柏楊.雙試點政策對綠色全要素生產率的影響——基于低碳城市和創新型城市雙試點政策的準自然實驗[J].科技管理研究，2023（17）：49-58.

[9]鄭蘭祥，郭娟，鄭飛鴻.節能減排財政政策促進了綠色技術創新的“量質齊升\"嗎？［J].首都經濟貿易大學學報，2023（5） ：3-19.

[10]薛飛，陳煦.綠色財政政策的碳減排效應—來自“節能減排財政政策綜合示范城市”的證據[J].財經研究，2022（7）：79-93.

[11]洪源，袁君健，陳麗.財政分權、環境財政政策與地方環境污染——基于收支雙重維度的門檻效應及空間外溢效應分析[J].山西財經大學學報，2018（7）：1-15.

[12]王鳳榮，王康仕.“綠色”政策與綠色金融配置效率——基于中國制造業上市公司的實證研究[J].財經科學，2018（5）：1-14.

[13]王玉潛.能源消耗強度變動的因素分析方法及其應用[J].數量經濟技術經濟研究，2003（8）：151-154.

[14]劉宇，張碩，梁棟.綠色財政政策是否會提高碳排放效率——來自“節能減排財政政策綜合示范城市”的證據[J].煤炭經濟研究，2024（1）：79-89.

[15]史丹，李少林.排污權交易制度與能源利用效率—對地級及以上城市的測度與實證[J].中國工業經濟，2020（9） ：5-23.

[16]王書斌，徐盈之.環境規制與霧霾脫鉤效應——基于企業投資偏好的視角[J].中國工業經濟，2015（4）：18-30.

[17]田淑英，孫磊，許文立，等.綠色低碳發展目標下財政政策促進企業轉型升級研究——來自“節能減排財政政策綜合示范城市”試點的證據［J].財政研究，2022（8） ：79-96.

[18]韓君，葛春瑞.節能減排財政政策能夠促進企業綠色創新嗎？—來自節能減排財政政策綜合示范城市的準自然實驗[J].商業研究，2023（5）：60-71.

[19］孤承志.T國球巴壺融：紅亞、陽任]國際舊金［M」.北京：中國發展出版社，2015：1-2.

[20]劉華珂，何春.綠色金融促進城市經濟高質量發展的機制與檢驗——來自中國 272個地級市的經驗證據[J].投資研究，2021（7）：37-52.

[21]戚湧，王明陽.綠色金融政策驅動下的企業技術創新博弈研究[J].工業技術經濟，2019（1）：3-10.

[22]李玲，陶鋒.中國制造業最優環境規制強度的選擇——基于綠色全要素生產率的視角[J].中國工業經濟，2012（5） ：70-82.

[23]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.

[24]單豪杰.中國資本存量K的再估算：1952～2006 年[J].數量經濟技術經濟研究，2008（10）：17-31.

[25]孫鳳娥，江永宏.我國地區RD資本存量測算：1978—2015年[J].統計研究，2018（2）：99-108.

[26]李斌，祁源，李倩.財政分權、FDI與綠色全要素生產率——基于面板數據動態GMM方法的實證檢驗[J].國際貿易問題，2016（7）：119-129.

[27]蔡烏趕，周小亮.中國環境規制對綠色全要素生產率的雙重效應[J].經濟學家，2017（9）：27-35.

[28] PASTOR J T，LOVELL C A K. A global malmquist pro-ductivity index[J].EconomicsLetters，2005（88）：266-271.

[29]王亞飛，陶文清.低碳城市試點對城市綠色全要素生產率增長的影響及效應［J].中國人口·資源與環境，2021（6）：78-89.

[30]張建鵬，陳詩一.金融發展、環境規制與經濟綠色轉型[J].財經研究，2021（11）：78-93.

[31]GOODMAN-BACON A. Difference-in-differences withvariation in treatment timing[J].Journal of Economet-rics，2021，225（2） ：254-277.

[32]JACOBSON L S，LALONDE R J，SULLIVAN D G. Earn-ings losses of displaced workers[J]. The American eco-nomic review，1993，83（4）：685-709.

[33]王鋒，葛星.低碳轉型沖擊就業嗎—來自低碳城市試點的經驗證據[J].中國工業經濟，2022（5）：81-99.

[34]AGARWAL S，QIAN W. Consumption and debt responseto unanticipated income shocks： evidence from a naturalexperiment in Singapore[J].American Economic Re-view，2014，104（12）：4205-4230.

[35]溫素彬，張金泉，焦然.智能制造、市場化程度與企業運營效率——基于A股制造業上市公司年報的文本分析[J].會計研究，2022（11）：102-117.業產色[J].經濟研究，2013（9）：99-111.

[37]CAIX，LUY，WUM，etal.Doesenvironmental regulationdrive awayinbound foreign direct investment？evi-dence from a quasi-natural experiment in China[J].Journal of development economics，2016，123：73-85.

[38]TONE K.Dealing with undesirable outputs in DEA：aSlacks-Based Measure（SBM）approach[R].Tokyo：National Graduate InstituteforPolicyStudies，2003.

[39]張寧.碳全要素生產率、低碳技術創新和節能減排效率追趕——來自中國火力發電企業的證據[J].經濟研究，2022（2）：158-174.

[40]白俊紅，張藝璇，卞元超.創新驅動政策是否提升城市創業活躍度——來自國家創新型城市試點政策的經驗證據[J].中國工業經濟，2022（6）：61-78.

[41]宋弘，孫雅潔，陳登科.政府空氣污染治理效應評估——來自中國\"低碳城市\"建設的經驗研究［J].管理世界，2019（6）： 95-108+195

[42]李建軍，彭俞超，馬思超.普惠金融與中國經濟發展：多維度內涵與實證分析[J].經濟研究，2020（4）：37-52.

[43]連玉君，王聞達，葉汝財.Hausman檢驗統計量有效性的MonteCarlo模擬分析[J].數理統計與管理，2014（5） ：830-841.

責任編輯：韓曾麗

[ow Can Green Fiscal Policies Enhance Regional Green Total Factor Productivity -Experience from the Pilot Project of \"Comprehensive Demonstration Cities

forEnergyConservationand EmissionReduction Fiscal Policies\"

JiangSanliang，Hu Kaili

（School ofEconomics，Anhui University，Hefei Anhui23O6O1，China）

Abstract：Grenfiscalpolicyisanimportant meansforthegovermenttoguideregions toachieveenergyconservationemision reduction，andhighqualitydevelopment.Thearticletakes 281 prefecturelevelcities inChinafrom2O07to2O21assamplesand usesdiffrence-in-dfferencesmodel toempiricallyevaluatetheimpactand mechanismof thepilotprojectof \"Comprehensive Demonstration CitiesforEnergyConservationandEmissionReductionFiscalPolicies\"onregional grentotalfactorproductivity. Theresultsshowthattheimplementationofpilotpoliciessignficantlyimprovestheregionalgreetotalfactorproductivity，and technologicalprogressisthemaindrivingforce，buthepolicyefecthasastronglag.Thepilotpolicyenhancesregionalgeeto talfactorproductivitytrough\"energyconservatio\"and\"eficiencyimprovement\"effcts，ndgreenfinanceplasapositivereg ulatoryrole.The pilotpolicies haveamore significant impactoncities inthe middleandwestemregions，resource-basedcities， smalland medium-sized cities，andnon-central cities.Thepilotpolicy hasa significantpositivespatial spillvereffect. Keywords：greenfiscalpolicy；greentotalfactorproductivity；greentechnologicalinnovation；energy intensity；geenfinance