绿色金融政策对区域绿色创新水平发展的影响

基金项目：2024年度河北省研究生创新资助项目，“绿色金融改革创新试验区试点政策是否诱发了绿色创新？——基于三重差分的实证方法”，项目编号（CXZZSS2024088）

摘要： 本文以以2005-2023年省级绿色发明专利申请量数据为样本，使用合成控制法研究绿色金融改革创新试验区试点政策能否促进各试点地区的绿色创新水平提高。研究发现：（1）绿色金融改革创新试验区试点政策显著提升了试点省份的整体绿色创新水平。（2）绿色金融改革创新试验区试点政策在政策期内能够促进浙江、江西、广东和新疆的绿色创新水平提高，但对贵州的绿色创新水平未起到明显的促进效应。（3）在试点政策结束后各试点地区的绿色创新水平均显著下降，试点政策未能延续形成规模效应。（4）绿色信贷和地区金融化程度在这一影响机制中发挥了中介效应。

关键词：绿色金融改革试验区；绿色创新；合成控制法

中图分类号：F832.4  文献标识码：A

一、引 言

绿色金融工具能够有效调配社会资源，通过绿色信贷、绿色债券和绿色基金等金融工具，将社会资本有效配置到环保、清洁能源、节能减排等可持续发展领域。2017年中国设立了首批绿色金融改革创新试验区，设立浙江省、江西省、广东省、贵州省和新疆自治区为首批试点政策试验区。这标志着中国绿色金融改革进入了新的发展阶段。绿色金融改革创新试验区的设立旨在通过金融工具创新，为绿色发展项目提供资金支持，解决绿色融资高门槛和高成本的问题。

因此，基于已有研究，本文使用合成控制法研究绿色金融改革创新试验区试点政策能否促进各试点地区的绿色创新水平提高，检验各试点省份在试点结束后能否维持绿色创新水平，并讨论绿色信贷和地区金融化程度能否作为中介变量影响试点政策效果。与既有文献相比，本文做出的边际贡献如下：（1）在研究方法上，由于新冠疫情严重影响了试点政策的政策效果，本文采用合成控制法构建合成省份作为试点省份的对照组，以剔除疫情因素对政策效果的干扰。丰富了在面对极端外部因素制约和样本量较小情况下的研究方法。（2）在时间尺度上，目前绿色金融改革创新试验区试点政策相关研究大多集中于研究试点政策期内的政策效果。对于试点政策结束后，试点省份绿色创新水平变化的研究很少。本文使用对政策期后试点省份绿色创新水平的变化进行研究，探讨试点政策对地区绿色创新的干预效应能否维持。

二、文献综述与假设提出

绿色金融政策的提出背景与全球环境危机的加剧密切相关。20世纪末，随着全球气候变化的影响加剧，国际社会开始探索将环境保护融入经济发展过程。企业的环境责任逐渐成为市场关注的焦点，而金融市场通过引导资本流向环保项目，能够有效减缓环境恶化[1，2]。

一些学者研究了中国绿色金融政策的发展，发现中国政府通过开展绿色金融工具创新推动了部分地区的绿色产业转型[3]。中国绿色金融改革政策促进了绿色投资和绿色产业转型，为全球绿色金融政策制定积累了宝贵经验和重要参考。中国在全球范围内率先出台系统的绿色金融政策。中国政府希望通过绿色金融政策引导金融机构通过使用和开发多种金融工具支持绿色产业的发展。

绿色金融改革创新试验区政策通过推动绿色信贷、绿色债券和绿色基金等创新型金融工具的发展，为试点地区绿色技术创新项目和绿色产业转型项目提供了充足的资金支持。绿色金融工具通过降低企业融资门槛和融资成本，降低了企业在绿色转型阵痛期中的资金压力[4]。绿色融资工具的资金支持规则激励企业在绿色产业发展领域开展大量研发活动[5，6]。一些企业的数据表明绿色金融政策支持虽然未能增加企业绿色专利申请数量，但显著提高了企业的专利质量[7]。基于以上分析，本文提出以下假设：

假设1：在绿色金融改革创新试验区试点政策实施期内，试点政策支持对试点省份绿色创新水平的发展起到了显著的促进作用。

假设2：由于各试点省份的基础禀赋存在较大差异，试点政策对各试点省份绿色创新水平的促进效果具有异质性。

本文还继续探讨在绿色金融改革创新试验区试点政策结束后，在降低政策支持力度和低成本融资支持力度的情况下，试点省份的绿色创新水平能否维持。试点政策虽然在实施期内显著提升了试点地区的绿色创新水平，但试点地区的绿色创新水平可能在试点政策结束后出现快速下滑。导致这种现象的主要原因可能在于试点规模较小且绿色创新发展尚未形成规模效应[8]。由于绿色创新项目需要较长的发展周期，可能需要时间才能实现规模经济。基于以上分析，本文提出以下假设：

假设3：绿色金融改革创新试验区试点政策结束后，试点省份的绿色创新水平未能维持，区域绿色创新发展水平迅速下降。

绿色信贷是金融机构开展绿色融资支持业务中最广泛的工具，区域绿色信贷发展水平直接影响了该区域绿色金融政策的资源配置效率和政策支持力度。

地区金融化程度水平代表了该地区企业进行绿色融资的效率水平。提高地区金融化水平使得企业能够更有效率的获得低成本融资，绿色创新项目能够更灵活地筹集研发资金，从而提高区域绿色创新发展水平。基于以上分析，本文提出以下假设：

假设4：绿色金融改革创新试验区试点政策通过提升试点地区绿色信贷水平和金融化程度，以达到促进绿色创新水平的目的。

三、研究设计

（一）样本选取及数据来源

本文使用的数据为2005-2023年全国各省份基础经济数据、人口数据、人力资本数据和绿色发明专利申请量。其中基础经济数据包括人均GDP、城镇居民人均可支配收入和农村居民人均消费支出，人口数据包括常住人口和城镇人口比重，人力资本数据为高等学校毕业生数。数据主要来源于Wind数据库中各省份的宏观数据以及中国研究数据服务平台（CNRDS）中绿色专利数据库。本文共选取了2005年至2023年各省份共589个样本观测数据。

（二）模型设定

1.平行趋势检验模型。为检验绿色金融改革创新试验区试点政策实施前，实验组和对照组是否具有相似的趋势。本文构建如下模型：

2.双重差分模型。为检验绿色金融改革创新试验区试点政策对试点省份绿色创新水平的影响，需要构建双重差分模型，计量模型为：

其中：代表政策对试点地区绿色创新水平的干预效果；为核心解释变量；代表政策试点地区虚拟变量，试点政策范围内省份为1，试点政策范围外省份为0；代表政策试点时间虚拟变量，2017-2022年试点政策期间为1，2017年试点政策实施前和2022年试点政策结束后为0；为控制变量矩阵；为个体固定效应；为时间固定效应；为随机扰动项。

3.中介效应模型。为研究绿色金融改革创新试验区试点政策是否以地区绿色信贷水平和金融化程度为中介，对试点省份绿色创新水平产生影响。

（三）变量选取

1.被解释变量。本文将绿色创新水平和政策实施效果作为模型的被解释变量，其中绿色创新水平使用省级绿色专利申请数进行衡量，政策实施效果使用真实省份与合成省份绿色创新水平的差值衡量。

2.解释变量。本文将政策虚拟变量（treat）和时间虚拟变量（time）作为模型的解释变量。变量具体定义如表1所示。

四、实证结果分析

（一）描述性统计

表2为本文各变量的描述性统计。被解释变量试点政策干预效果（Poleff）的平均值为134.241，标准差为497.772，且极值与平均值之间存在较大差异，这说明试点政策的干预效果在不同地区差异较大。中介变量地区绿色信贷水平（GnCreLev）的平均值为0.044，标准差为0.019，这说明目前我国总体以及各省份绿色信贷水平仍处于较低水平，未来有较大的发展空间。中介变量地区金融化程度（RegFinLev）的平均值为0.209，标准差为0.240，且极值与平均值之间存在较大差异，这说明我国总体金融化程度仍处于较低水平，但各省份金融化程度差异较大。控制变量中除地区城镇人口比重外，其余控制变量的标准差均在0.5-1.1之间，这说明各省份的经济基础、人口基础和人力资本基础存在适度差异。

（二）合成控制法分析

1. 表3显示了各合成省份（合成广东、合成江西、合成浙江、合成贵州与合成新疆）的组成省份（匹配占比权重为正）与其匹配权重。

2. 表4显示了各合成省份与真实省份在绿色金融改革创新试验区试点政策实施前（即2017年之前），各项控制变量的估计值的均值。

3.在绿色金融改革创新试验区试点政策实施前，真实广东与合成广东、真实江西与合成江西的拟合程度最高；真实浙江与合成浙江、真实贵州与合成贵州在政策干预前的绿色创新水平增强趋势相似，但拟合程度有所欠缺；真实新疆与合成新疆在2005-2013年区间内的拟合程度符合预期，但2013-2017年区间内出现增强趋势相同，但拟合程度有所欠缺的问题。但总体效果上，各真实省份与合成省份绿色创新水平的拟合程度符合预期，绿色创新水平发展趋势全部一致，可以表明合成省份很好的模拟了真实省份在绿色创新水平方面的情况，证明了借助各合成省份探究真实省份的政策干预效果具有可行性。

在绿色金融改革创新试验区试点政策实施后，除真实贵州与合成贵州外，其余真实省份与合成省份的绿色创新水平的发展趋势发生分歧。以上分析可以说明：第一，在政策实施前，各真实省份与合成省份均具有相似的发展趋势且拟合效果较好；第二，在政策时期，在排除新型冠状病毒疫情对绿色创新的影响后，绿色金融改革创新试验区试点政策对广东、江西、浙江和新疆的绿色创新发展均产生了显著的促进作用，但对贵州未能产生显著促进作用；第三，在政策实施结束后，这种因小规模试点政策刺激而引致的绿色创新发展并不能继续维持，这可能是由于小规模试点并不能形成规模效应。

（三）稳健性检验

1. 迭代剔除法。迭代剔除法可以通过反复剔除不符合设定标准的数据点，从而优化结果，该方法可以有效减少噪声数据对模型或分析结果的影响。迭代剔除法在本文的应用场景中，通过不断剔除合成组中匹配权重最大的省份并构建新的合成省份组合，以有效的剔除异常数据点。经过多轮迭代剔除能够提升分析模型的鲁棒性和稳健性，有助于提高模型的整体性能，减少过拟合现象，增强模型的泛化能力。

对于合成广东、合成江西、合成浙江与合成新疆而言，发现各条合成省份均显示出与真实省份高度相似，这表明试点政策对合成省份绿色创新水平的干预效应不受其合成省份组合与匹配权重的干扰。

对于合成贵州而言，大部分合成贵州折线显示出与真实贵州完全不同的趋势，仅有2条合成贵州折线的部分趋势与真实贵州相似。这表明绿色金融改革创新试验区试点政策对合成贵州绿色创新水平的干预效应明显受到其合成省份组合与匹配权重的干扰。

2. 时间安慰剂检验。本文使用时间安慰剂检验，将绿色金融改革创新试验区试点政策实施年份由2017年前移至2010年。各真实省份及其合成省份在假想政策实施点前后，绿色创新水平的变动趋势高度一致且拟合程度较高。这表明假设于2010年实施的绿色金融改革创新试验区试点政策对试点省份绿色创新水平的干预水平不显著。

3. 地区安慰剂检验本文使用地区安慰剂检验，选取重庆、山西、天津、湖南和青海作为实验组，以替代广东、江西、浙江、贵州、新疆。各替代真实省份与替代合成省份均具有相似的趋势和良好的拟合效应，这说明绿色金融改革创新试验区试点政策是促进地区绿色创新水平发展的主要因素，其他可能影响绿色创新水平的因素不存在或为次要因素。

4.双重差分模型

（1）平行趋势检验

在使用双重差分模型研究绿色金融改革创新试验区试点政策对各省份绿色创新水平的干预效应前，需要先通过平行趋势检验。在试点政策实施前，回归系数均不显著异于0；在试点政策实施期间，回归系数显著，符合平行趋势假设。在试点政策结束后，回归系数显著回落，说明在试点政策结束后，政策效果未能延续，这可能是因为试点范围较小，未能形成规模效应。

（2）双重差分模型检验

在平行趋势检验通过的前提下，采用双重差分模型检验绿色金融改革创新试验区试点政策对各省份绿色创新水平的干预效应。由表5列（1）可知在未加入控制变量的情况下，核心解释变量的回归系数显著为正，且通过了1%水平上的显著性检验；由表5列（2）可知在加入控制变量后，核心解释变量的回归系数同样显著为正，且通过了1%水平上的显著性检验。在两种情况下的回归系数差异水平为2.03%，说明了在绿色金融改革创新试验区试点政策实施后，试点政策显著的促进了试点地区绿色创新水平的发展。

为检验双重差分检验结果的稳健性，将试点政策滞后一期，研究滞后一期的试点政策对试点地区绿色创新水平的影响。由表5列（3）可知在未加入控制变量的情况下，滞后一期的核心解释变量的回归系数显著为正，通过了1%水平上的显著性检验，且滞后一期的政策效果强于正常政策效果9.20%；由表5列（4）可知在加入控制变量后，滞后一期的核心解释变量的回归系数同样显著为正，通过了1%水平上的显著性检验，且滞后一期的政策效果强于正常政策效果13.76%。在两种情况下的回归系数差异水平为2.05%，说明了试点政策对促进试点地区绿色创新水平发展的干预效应具有滞后性。

（四）中介效应检验

通过表6列（2）可知在研究试点政策对绿色信贷水平影响的方面，核心解释变量的估计系数为正，且在1%的水平上显著，这表明试点政策能够显著的促进试点省份绿色信贷水平的提升；通过表6列（3）可知在研究试点政策和绿色信贷水平对绿色创新水平影响的方面，核心解释变量和绿色信贷水平的估计系数为正，且在1%的水平上显著，这表明试点政策和绿色信贷水平分别作为直接效应和间接效应能够显著的促进试点省份绿色创新水平的提升，间接效应为直接效应的24.27%。

通过表6列（4）可知在研究试点政策对省份金融化程度影响的方面，核心解释变量的估计系数为正，且在1%的水平上显著，这表明试点政策能够显著的促进试点省份金融化程度的提升；通过表6列（5）可知在研究试点政策和省份金融化程度对绿色创新水平影响的方面，核心解释变量和省份金融化程度的估计系数为正，且在1%的水平上显著，这表明试点政策和省份金融化程度分别作为直接效应和间接效应能够显著的促进试点省份绿色创新水平的提升，间接效应为直接效应的3.02%。

五、结论与政策启示

（一）结论

本文研究绿色金融改革创新试验区试点政策能否促进各试点地区的绿色创新水平提高，研究结论如下：1.绿色金融改革创新试验区试点政策显著促进了试点省份的整体绿色创新水平。2.绿色金融改革创新试验区试点政策在政策期内显著提高了试点省份中浙江、江西、广东、新疆的绿色创新水平，但对贵州的促进作用不显著，表明政策效果在不同经济和资源类型的地区存在差异性。3.在试点政策结束后，各试点省份的绿色创新水平显著下降，未能形成可持续的规模效应，表明政策在长期效应和稳定性方面仍有改进空间。4.绿色信贷和地区金融化程度在绿色金融政策影响绿色创新的过程中发挥了重要的中介作用，通过资源引导和资本支持促进了绿色技术研发和项目实施。

（二）政策启示

1.由于区域经济水平与资源禀赋差异会导致政策效果分化，统一的政策难以满足不同地区的实际需求。因此，应根据地区产业特点和资源优势设计针对性的绿色金融政策。

2.现有试点政策的覆盖范围和实施时间相对有限，这导致政策效应难以在短时间内显现，并且仅影响少数试点地区。通过扩大试点政策的区域覆盖范围，推动绿色金融政策的普及和实施。通过延长政策实施期限，使得地方在政策结束后依然能够延续其积极作用。设置试点政策退出缓冲期，使得各试点省份在其期间能够平滑过渡。

3.当前绿色金融工具主要集中于绿色信贷和绿色债券，大多集中于服务大型企业，中小企业难以获得绿色金融工具支持。应加快创新绿色金融工具，满足不同企业的多样化需求。

4.通过专业培训和技术支持提升金融机构的专业能力，建立标准化的绿色项目评估体系，确保绿色资金能够精准流向优质项目，并对“漂绿”机构列入失信名单并取消政策优惠资格。

5.通过跨区域合作建立全国范围内的绿色产业链，形成东部引领、中部承接、西部突破的绿色创新发展格局。加强与国际社会在绿色金融政策、工具创新和绿色项目上的协同，进一步拓展绿色金融的全球化影响力。

以上政策建议不仅有助于推动区域绿色创新水平的发展，也为全国范围内绿色金融政策的设计和实施提供了重要的参考价值。

参考文献

[1] 刘锡良， 文书洋. 中国的金融机构应当承担环境责任吗？——基本事实、理论模型与实证检验[J]. 经济研究， 2019， 54（03）： 38-54.

[2] 钟覃琳， 夏晓雪， 姜付秀. 绿色信贷能激励企业环境责任的承担吗？[J]. 管理科学学报， 2023， 26（03）： 93-111.

[3] 张小可， 葛晶. 绿色金融政策的双重资源配置优化效应研究[J]. 产业经济研究， 2021（06）： 15-28.

[4] 阎庆民. 构建以“碳金融”为标志的绿色金融服务体系[J]. 中国金融， 2010（04）： 41-44.

[5] 景维民， 张璐. 环境管制、对外开放与中国工业的绿色技术进步[J]. 经济研究， 2014， 49（09）： 34-47.

[6] 李青原， 肖泽华. 异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J]. 经济研究， 2020， 55（09）： 192-208.

[7] 郭雨蕙， 吴瀚然， 章政. 污染物排放标准提升触发了“波特效应”吗——来自中国水污染企业的微观证据[J]. 当代财经， 2023（01）： 108-119.

[8] 齐绍洲， 林屾， 崔静波. 环境权益交易市场能否诱发绿色创新？——基于我国上市公司绿色专利数据的证据[J]. 经济研究， 2018， 53（12）： 129-143.