科技金融政策改善了城市空气污染吗——基于“促进科技和金融结合试点”的准自然实验.pdf

XINJIANG STATE FARMS ECONOMY2024年第01期区域经济科技金融政策改善了城市空气污染吗？程广斌 马晓琛（石河子大学经济与管理学院，新疆 石河子 832000）摘要：创新是城市发展的第一动力，绿色是城市发展的内在要求。科技金融政策通过金融手段助力创新发展，对城市绿色发展具有重要意义。文章基于20042020年中国284个城市的面板数据，采用多期双重差分法评估了科技金融政策对于城市空气污染的影响。研究结论如下：（1）试点政策显著抑制了城市工业二氧化硫排放和工业烟（粉）尘排放，且随着政策不断推进，该抑制效应呈现增强态势；（2）科技和金融结合试点政策通过提高地区绿色技术创新水平和推动产业结构升级的双重路径改善城市空气污染；（3）科技金融政策对空气污染的抑制作用因城市的地理区位、人口规模、科技投入和金融发展水平的不同而存在差异。研究认为应根据不同地区禀赋条件，完善地区科技金融体系建设，强化科技金融治理，推动科技企业发展；走绿色发展道路，重视科技创新发展的同时加强对传统行业的环境友好化改造。关键词：科技金融政策；城市空气污染；准自然实验；科技产业；绿色发展基金项目教育部人文社会科学研究规划基金项目（项目编号：21YJA790086）。作者简介程广斌（1976-），男，安徽淮南人，教授，博士，研究方向：区域经济、产业经济；马晓琛（1997-），男，山东章丘人，硕士研究生，研究方向：区域经济。一、引言改革开放40多年来，中国经济快速发展，2010年GDP总量跃居世界第二，创造了世界经济发展史上的奇迹。然而，部分地区以自然破坏、资源过度使用为代价的经济高速增长，对生态环境造成了沉重负担1。随着经济进入新常态，经济发展模式正从“高速”转为“高质”，环境污染已成为制约经济质量提升的瓶颈，尤其是近年来频发的大气污染已成为当前最突出的环境问题。党的十八大以来，中央政府高度重视大气污染治理问题，提出要“大力推进生态文明建设”，十九大报告明确提出“要持续实施大气污染防治行动，打赢蓝天保卫战”，空气污染治理进入攻坚期。2021年，全国339个地级及以上城市中，空气质量未达标城市占比达35.7%，较2017年下降了35个百分点，大气污染防治行动成效显著。然而，仍有部分城市存在重度、严重空气污染现象，蓝天保卫战任重道远。如何有效降低城市空气污染，实现绿色发展，已成为当下的重点问题。作为环境友好的技术密集型产业，科技企业通过技术创新提高资源能源利用效率，进而在节能减排方面发挥显著作用2。然而，我国中小型科技企业长期以来面临严重的金融约束，其发展进程受限引用格式：程广斌，马晓琛.科技金融政策改善了城市空气污染吗？基于“促进科技和金融结合试点”的准自然实验J.新疆农垦经济，2024（01）：33-46.基于“促进科技和金融结合试点”的准自然实验2024年第01期新疆农垦经济XINJIANG STATE FARMS ECONOMY于融资难、融资贵等问题3。为充分发挥金融资源在科技企业发展中的支持作用，帮助其突破融资瓶颈，进而加快科技成果转化并引领经济发展方式转变，科技部、中国人民银行等五部门于2011年联合开展“促进科技和金融结合试点”工作，首批试点地区涵盖我国东、中、西部共16个省市。截至2015年底，试点地区已累计出台了涉及创新投入方式、扩展金融平台、建立信用体系等多个方面的350多项相关政策文件。那么，考虑到科技产业的环境友好特征，科技和金融结合试点的实施能否改善城市空气质量？若科技金融政策确实可以改善空气质量，那么其内在影响机制又是什么？此外，鉴于不同地区在地理位置、人口规模、城市特征等方面存在差异，科技金融政策的减排效果又是否具有异质性？回答以上问题，不仅有利于科技金融试点的进一步推广，对改善生态环境也具有现实意义。二、文献综述当前，学术界关于科技金融与环境污染关系的考察并不多见，现有研究多关注金融发展如何影响环境污染，主要有以下三种基本观点：第一种观点认为，金融发展有利于减轻环境污染。TAMAZIAN等4实证研究了金砖国家金融发展对二氧化碳排放量的影响，他们认为金融自由化是影响二氧化碳排放的重要因素，完善的金融体系有利于集中资金发展技术，进而减少碳排放。ALLEN和YAGO5认为金融发展降低了企业融资成本，有助于提高资本利用率，提升环境污染治理绩效。IWATA等6也证实了金融发展会促使企业使用清洁能源，并进一步降低碳排放。JALIL和FERIDUN7以中国为研究对象，研究得出中国金融发展抑制了环境污染。贺俊等8研究发现，金融机构信贷规模和融资规模与环境污染负相关，并指出金融发展对环境污染的影响具有区域异质性。第二种观点认为，金融发展会加剧环境污染。SADORSKY9认为金融发展降低了企业融资成本，企业倾向于不断扩大生产规模，导致对能源的需求量显著提高，环境负担加重。ZHANG10从居民消费角度出发，认为金融发展刺激了中国居民对耗能产品的消费，从而造成能源消耗量和二氧化碳排放量的增加。SETHI等11认为金融发展会增加能源消费量进而对可持续发展产生不利影响。第三种观点认为，金融发展对环境污染的影响呈现出非线性特征或并不显著。如严成樑等12认为，金融发展与碳排放强度之间存在倒“U”型关系。DOGAN 和 TURKEKUL13研究发现，在短期美国的金融发展与环境污染间的关系并不显著。ZHAO等14将金融发展影响环境污染存在两面性。金融效率和金融发展分别会对环境污染产生正面和负面作用。在科技金融对环境污染的影响方面，汪克亮和姜伟15的研究发现，科技金融对环境污染有明显的抑制作用，并且对于临近地区有明显的空间溢出效应，对空气污染的治理效果更加显著。童燕等16发现科技金融政策的实施通过创新能力和融资能力两条渠道实现了碳减排。总体而言科技金融的发展有利于环境治理和减少碳排放。与科技金融相关的研究主要可分为水平测度及经济效应两方面。在测度方面，学者们主要从科技金融资源投入、成果产出两个维度，通过构建指标体系计算科技金融发展指数，进而考察科技金融发展的时空特征17。在经济效应方面，已有研究表明科技金融能够显著抑制金融风险18，增强科技产业的技术效率19。进一步地，科技金融通过推动科技产业发展促进产业结构升级20，并主要通过提升区域创新能力助力高质量发展21。近年来，科技和金融结合试点政策的政策效果逐渐受到学者们的关注，相关研究分为微观与宏观两方面。在微观层面，科技金融政策通过缓解企业融资约束支持企业发展。陈振权等22研究发现，科技金融政策提升了企业应用数字化技术的意愿和投入，促进了企业数字化转型。孔一超和周丹23从新三板企业生产率视角分析科技金融政策的政策效果，发现科技金融政策能够显著提升企业生产率，且对初创期企业的促进作用更强。在宏观层面，科技金融政策具有显著的创新发展效应，马凌远和李晓敏24研究发现，科技金融政策通过改善金融效率、加大政策公共资源投入提升区域创新水平。谢文栋3指出，科技金融政策通过政府干预、结构升级和创新驱动三大效XINJIANG STATE FARMS ECONOMY2024年第01期区域经济应影响城市科技人才集聚水平。通过梳理已有文献可发现，关于金融发展影响环境污染、科技金融和科技金融政策的研究较为丰富，这为分析科技金融与空气污染之间的逻辑关系提供了理论基础。当前对科技和金融结合试点的研究主要集中于考察创新水平与经济效应，忽视了科技创新政策的环境保护效应。鉴于此，本文将科技和金融结合试点视作一项准自然实验，采用多期双重差分方法评价科技金融结合试点对改善城市空气质量的效果及作用路径。本文可能的边际贡献在于：第一，首次利用科技金融试点政策评估其对城市空气质量的影响，在此基础上，通过一系列稳健性检验确保研究结果的有效性，扩充了政府指导下科技金融政策对城市环境污染的研究视角。第二，从产业结构与绿色技术创新两方面考察了科技金融政策改善城市空气质量的作用机制，有助于进一步厘清科技金融政策对空气污染影响的内在机理。第三，基于地理区位、城市规模、科技投入和金融发展等视角，考察了科技金融政策对不同特征城市空气质量改善作用的异质性特征，为政策进一步实施提供参考。三、理论分析与研究假设科技金融政策的目标任务在于通过促进科技和金融结合，增强地区创新能力并培育发展战略性新兴产业。在科技创新方面，已有研究证实了科技金融政策能够增强区域创新及绿色创新能力，并且能够推动地区产业结构的高级化与合理化进程25。而绿色创新与产业结构升级是降低环境污染的重要因素26。一方面，随着环境规制和生产环保标准的不断完善，环保成本在企业生产经营中的占比也随之扩大。绿色技术创新可从源头减少污染排放，降低企业的减排成本27，进而在市场上取得竞争优势28，这会激励企业不断进行绿色创新活动，最终推动城市空气质量的提升。另一方面，随着产业结构不断优化，低效率、高污染产业逐渐被高效率、低污染的新兴产业取代，从而降低生产过程中污染排放，实现经济发展过程中的“绿化”29。从节能角度来说，产业结构升级使得能源、原材料等要素资源从高污染产业转移到低污染产业，有利于能源利用效率提高，抑制大气污染。科技金融政策的实施可以通过提供更多元化、更高效、更便捷以及低成本的融资渠道，积极引导银行等金融机构为中小型科技企业提供金融信贷支持，进而解决中小型科技企业融资难融资贵的困境，使高新技术产品更快落地投产，提高以高新技术产业为核心的低污染产业的市场竞争力，从而倒逼原有的高污染产业改进生产方式，使用环境友好技术，降低空间污染。同时随着企业效率的提升，带动城市经济发展，进而使得城市规模扩大，城市环境治理水平也将进一步得到提升。基于此，本文提出研究假说H1：科技金融政策能够有效改善试点城市空气污染。从绿色技术创新看，科技金融政策通过为科技企业提供资金、政策引导、分散风险等方式提高地区绿色创新水平。第一，科技金融政策通过为科技企业提供资金支持提高绿色创新水平，从而改善城市空气污染。科技企业往往由于前期投入大、回报周期长、潜在风险高等问题，与其他企业相比更容易受到融资约束问题，而企业科研经费不足会限制企业开展绿色创新活动，不利于地区创新水平的提升。科技金融政策通过鼓励和引导金融机构加大对科技企业的信贷支持，弥补企业创新资金不足，帮助科技企业开展绿色创新活动。第二，科技金融政策通过政策引导扶持中小科技企业发展，助力绿色创新活动开展。科技企业创新活动主要动力来源于自由市场，但投资者对创新活动高风险的厌恶不利于中小科技企业发展。政策资助和减税降费是助企纾困直接有效的办法，科技金融政策的有效实施不仅鼓励地方政府加大对科技企业的财政支持力度，还可通过各类税收优惠政策为科技企业“加油减负”，助力中小科技企业发展，进而提高地区绿色创新水平。第三，科技金融政策通过风险管控，为绿色创新活动保驾护航。科技金融政策鼓励保险公司不断创新科技保险产品，为科技企业提供保险综合服务，有效分散了科技企业在研发投资和产品转化中的风险22。除此之外，科技金融政策另2024年第01期新疆农垦经济XINJIANG STATE FARMS ECONOMY一重点措施就是通过建立和完善专家库和线上咨询平台，并依据专家的专业知识对中小科技企业贷款项目进行评估。中小科技企业数量众多，创新项目良莠不齐，银行可依据评估结果决定贷款与否，这样既能避免科技企业在不具备发展前景的项目上耗费过多，又可有效减轻金融资源错配，从而使真正有发展潜力的创新项目得到支持。基于此，本文提出研究假说H2：科技金融政策能够带动绿色技术创新，进而改善城市空气污染。从产业结构升级看，科技金融政策通过支持科技金融产业发展、促进经济转型、吸引科技人才等方式推动产业结构升级。第一，科技金融政策通过支持相关产业发展，推动产业升级，进而改善城市环境污染。科技金融政策鼓励地方科技部门和高新区建立科技金融服务平台，通过与银行合作建设科技金融合作支行，并组建一批科技小额贷款公司，弥补地方科技金融产业不足，推动金融相关产业发展。同时，科技金融政策的根本任务是带动地区科技企业发展。产业结构升级的本质是从能源密集型、劳动密集型产业逐步走向技术密集型产业的过程。科技金融资源的注入为科技企业发展注入强劲动力，以此带动政策试点地区产业向技术密集型攀升，助力产业结构升级。第二，科技金融政策可通过促进经济转型，助力产业结构升级。在市场机制下，科技企业的创新成果被应用于农业和工业企业，从而提高这些企业的劳动生产效率并增强综合竞争力，逐渐占据更多市场份额，而落后企业则在市场机制下被逐渐淘汰，经济发展模式从粗放转向集约，产业结构也得以向合理化发展。第三，科技金融政策通过吸引科技人才，促进产业结构升级。人才是发展的核心，在科技金融政策的推动下，试点地区政府通过颁布各项人才引进政策给予科技人才多方面支持，吸引科技人才向试点地区集聚3，从而提高地区人力资本水平。随着人力资本水平的提高会改变人力资本的相对价格，传统劳动密集型产业丧失竞争优势，从而倒逼产业结构升级。基于此，本文提出研究假说H3：科技金融政策能够推动产业结构升级，进而改善城市空气污染。综合上述分析，科技和金融结合试点与空气污染间的作用路径可用图1表示。四、模型设定与变量选取（一）模型设定本文将促进科技和金融结合试点政策看作一项准自然实验，通过构建双重差分模型检验科技金融政策的环境改善效应。由于首批试点地区既包括城市、省份，也包括由若干城市组成的经济区，因此，借鉴马凌远与李晓敏24的做法，将其细分为41个试点城市。同时，宁波市虽被纳入第二批试点城市，但考虑到宁波高新区在2011年已开始实施科技金融政策，为避免政策效果被低估，故将宁波市归为首批试点城市进行分析。最终确定49个科技金融政策试点城市作为实验组，其余235个城市则作为对照组。由于科技金融试点采用分批设立方式，借鉴BECK等30的研究方法，通过多期双重差分模型估计科技金融试点政策的环保效应。模型具体设定如下：airpollutionit=0+1DIDit+jcontrolit+i+t+it（1）其中，airpollutionit为被解释变量，代表第i个城市第t年的空气污染水平，从人均工业二氧化硫排放量和人均工业烟（粉）尘排放量两方面进行度量；核心解释变量DIDit为科技金融试点政策虚拟变量，其系数1表示科技金融试点的政策效果；control为一系列控制变量，i表示时间固定效应，t表示各城市的个体固定效应，it为随机误差项。（二）变量选取1.被解释变量：空气污染水平。借鉴郭炳南等31的研究，本文采用人均工业二氧化硫排放量的?图1 科技和金融结合试点与空气污染改善的作用机制图XINJIANG STATE FARMS ECONOMY2024年第01期区域经济对数（lnso2）以及人均工业烟（粉）尘排放量的对数（lnsmoke）度量城市空气污染水平。2.核心解释变量：科技和金融结合试点政策（DID）。该变量为虚拟变量，根据国家公布的试点城市名单，将政策试点城市入选当年及之后的DID设定为1，其余设定为0。3.机制变量：产业结构升级和绿色技术创新（lngin）。借鉴黄纪强与祁毓32的研究，从产业结构高级化（his）和产业结构合理化（isc）两方面衡量产业结构升级。产业结构高级化的测算方法为：his=1 W1+2 W2+3 W3，其中，W1、W2、W3分别为第一产业增加值、第二产业增加值和第三产业增加值占地区生产总值的比重。产业结构合理化采用泰尔指数表示，计算公式为：isc=i=1m(YiY)ln(YiLi/YL)（2）其中，Y表示产值，L表示就业人数，i表示产业，m表示产业部门数。绿色技术创新则借鉴韩先锋等33的做法，以城市人均绿色专利授权量的对数值表示。4.控制变量：经济发展水平（lnpgdp）及其平方项（ln2pgdp）、对外开放水平（open）、人口密度（lnden）、政府财政支出（exp）、基础设施建设（inf）。其中，经济发展水平采用地区人均生产总值的对数值表示，根据环境库兹涅茨曲线，环境污染水平与经济发展水平之间具有倒“U”型关系，因此，加入地区人均生产总值对数值的平方项；对外开放水平采用当年实际外商直接投资额与地区生产总值之比表示；人口密度采用各地区年末常住人口数与行政区面积比重的对数值表示；政府财政支出采用政府财政支出与地区生产总值之比表示；基础设施建设采用地区人均道路面积表示。本文相关数据来自历年 中国城市统计年鉴、EPS数据库和CEIC数据库，地区生产总值以2004年为基期进行平减处理，部分缺失值采用均值或平均增速替代。变量描述性统计如表1所示。五、实证结果分析（一）平行趋势检验使用双重差分模型的前提是需满足平行趋势假设，即在试点政策实施前，实验组城市和对照组城市的空气污染水平具有相同的发展趋势。因此，本文借鉴BECK等30的做法，利用事件分析法进行平行趋势检验，模型具体设定如下：airpollutionit=0+k=-6,k -15kDIDkit+jcontrolit+i+t+it（3）其中，DIDkit是一系列虚拟变量，表示科技金融政 策 引 入 的 第k年，选 取k的 取 值 范 围 为-6 k 5；其余变量的设定方式与式（1）一致。本文将科技金融政策试点的前一年作为基准年份，即在式（3）中不包括k=-1的虚拟变量。系数k表示?lnso2?4 828-4.8911.289-11.780-1.217lnsmoke?（?）?4 828-5.4651.225-11.1000.195DID?4 8280.0930.29101his?4 8280.9700.5350.0945.350isc?4 5440.2770.2110.0001231.721lngin?1?4 8280.2270.35502.483lnpgdp?GDP?4 82810.3010.7797.66212.280lnpgdp2?GDP?4 828106.66115.87058.710150.8open?/?4 8280.0230.0393-0.0360.732lnden?4 8285.7170.9651.6119.085exp?/GDP4 8280.2450.3580.0357.073inf?4 8282.2901.034-4.6055.737表1变量描述性统计2024年第01期新疆农垦经济XINJIANG STATE FARMS ECONOMY试点政策引入前后对城市空气污染的影响，若其在科技金融政策实施之前不显著，则表明实验组城市和对照组城市在时间趋势上不存在显著差异，满足平行趋势假设。本文采用图示法报告平行趋势检验结果，检验结果如图2所示。横轴表示科技金融政策试点前后的年份数，纵轴空气污染水平。其中，图2（a）是工业二氧化硫排放量的平行趋势检验，图2（b）是工业烟（粉）尘排放量的平行趋势检验。总体来看，科技金融政策的实施降低了城市空气污染排放量，系数k在政策实施前实验组与对照组城市空气污染水平不存在显著差异，平行趋势假定得到满足。（二）基准回归科技金融政策影响城市空气污染改善水平的回归结果如表2所示。表2中列（1）和列（3）为未引入控制变量的回归结果，试点政策虚拟变量的估计系数均为负且在1%的统计水平上显著。列（2）和列（4）分别在列（1）和列（3）的基础上引入控制变量，回归系数的大小与显著性并未发生根本性改变。上述结果表明，科技金融试点政策显著降低了城市空气污染，即研究假设H1得到验证。具体而言，试点政策对工业二氧化硫的减排效应更强。可能的原因是，二氧化硫的产生途径较广，几乎所有工业企业的生产流程都可能产生，由于科技金融政策实行，银行等金融机构向科技型企业投放资金的积极性增强，一方面科技型企业其生产过程本身较为清洁高效，另一方面企业为了符合贷款条件积极推广应用各种更加先进的燃烧技术、废物处理技术，再加上更加严格的空气污染防治法规的实施，故造成二氧化硫相对于其他空气污染物的减排效应更加显著。（三）稳健性检验1.基于倾向得分匹配的双重差分检验。为避免实验组城市和对照组城市在经济发展、创新能力等方面的差异导致的选择性偏误问题，本文采用PSM-DID方法对回归结果进行稳健性检验。在进行检验前，需满足匹配平衡性假设。具体而言，本文参考石大千等34的做法，以控制变量为协变量，利用Logit模型并采用一对一近邻匹配法对实验组和对照组样本进行匹配。匹配结果如表3所示。由表3可以看出，匹配后各协变量的t统计值均不显著，可认为实验组与对照组检验结果均无显著差异。在满足匹配平衡性假设的基础上，基于匹配结果进一步对科技金融试点政策效果进行检验，结果如表4所示。由表4结果可知，与基准回归结果相比，虽然回归系数绝对值略有降低，但试点政策变量对于空气污染的影响依然显著为负，表明基准回归结果较为稳健。2.安慰剂检验。空气污染水平的改善可能是由于除科技金融政策以外的其他不可观测因素造成的。因此，参考FERRARA等35的做法，通过随机选取政策试点城市并随机产生政策实施时间进行安慰剂检验。结果如图3所示。其中，图3（a）是工业二氧化硫排放量的安慰剂检验，图3（b）是工(a)?()b?（?）?图2 平行趋势检验XINJIANG STATE FARMS ECONOMY2024年第01期区域经济业烟（粉）尘排放量的安慰剂检验。可以看出，虚拟科技金融试点政策变量对工业二氧化硫排放量和工业烟（粉）尘排放量估计系数都分布在0点附近，与基准回归结果相差较远且绝大多数 P 值大于0.1，表明虚拟试点政策对城市空气污染并不存在显著影响，因此可以认为不存在其他不可观测因素造成的科技金融试点政策效应的偏误，同时也说明了前文基准回归结果的有效性。3.排除其他政策干扰。由于虚拟试点政策变量无法排除实验期其他政策对城市空气污染水平?lnso2lnsmoke（1）（2）（3）（4）DID-0.499*-0.317*-0.210*-0.245*（-12.843）（-8.037）（-4.318）（-4.833）lnpgdp3.059*-0.732*（11.234）（-2.097）lnpgdp2-0.145*0.041*（-10.619）（2.322）open-0.954*-2.160*（-3.831）（-6.760）lnden-0.481*0.274*（-4.103）（1.822）exp0.206*0.340*（5.046）（6.502）inf0.095*0.078*（3.201）（2.056）?-4.582*-17.860*-5.285*-3.671*（-153.631）（-10.349）（-141.524）（-1.658）?YESYESYESYES?YESYESYESYES?4 8284 8284 8284 828R20.6900.7100.3040.319表2基准回归结果注：括号内为t统计量；*、*、*分别表示在1%、5%和10%的水平下显著，下同?（%）T?P?lnpgdp?11.1310.21135.625.410.000?11.0811.053.60.600.548lnpgdp2?124.31104.85138.526.520.000?123.06122.513.90.630.528open?0.040.0239.910.740.000?0.040.0310.21.390.165lnden?6.605.63112.621.440.000?6.496.56-7.7-1.080.279exp?0.260.245.71.130.259?0.260.251.80.250.804inf?3.682.15157.233.290.000?3.573.58-0.7-0.100.924表3倾向得分匹配平衡性检验2024年第01期新疆农垦经济XINJIANG STATE FARMS ECONOMY的影响，可能导致科技金融政策的政策效果受其他政策的干扰。因此，本文参考已有研究结果31，34，36，选取创新型城市（CX）、智慧城市（ZH）和大数据综合试验区（DSJ）三种能够显著改善城市空气质量的政策，分别构建虚拟变量并引入基准回归模型，与科技金融政策同时回归，结果见表5所示。由表5可以看出，虽然试点政策变量的回归系数绝对值略有下降，但仍在 1%的水平下显著为负。这说明，在控制其他政策影响后，科技金融政策对城市空气污染的改善作用仍然存在，但其减排效应可能被高估。4.剔除中心城市。相比于普通地级市，直辖市、省会城市和副省级城市等区域中心城市具有更高的行政级别，可能更在意城市形象，因此对空气污染的重视程度也更高37。同时，中心城市在经济发展水平、创新能力、金融发展水平方面也优于普通地级市，更利于科技金融政策的实施，可能导致政策效果被高估38。鉴于此，本文在剔除样本城市中的直辖市、省会城市和副省级城市之后，仅以普通地级市为样本重新进行回归。结果如表 6 列（1）、列（2）所示。结果发现，在剔除中心城市后，科技金融政策对空气污染表现与基准回归结果一致，且回归系数相较于基准回归有所下降。表明科技金融政策对中心城市空气污染的抑制效果强于普通地级市。5.更换被解释变量。为避免被解释变量选取所造成的偏误，参考已有研究31，采用地区年均PM2.5浓度（pm25）、工业二氧化硫排放总量（lnt-so2）和工业烟（粉）尘排放总量（lntsmoke）作为被解释变量，对基准回归模型重新进行检验。PM2.5年均浓度数据来源于加拿大达尔豪斯大学大气成分分析组提供的栅格数据，本文基于ArcGIS软件将其解析为地级市层面数据。回归结果见表6中列（3）至列（5）所示。由表6可以看出，政策变量的系?lnso2lnsmoke（1）（2）（3）（4）DID-0.391*-0.258*-0.150*-0.208*（-10.415）（-6.748）（-3.020）（-4.053）?-4.483*-18.280*-5.216*-1.451（-150.635）（-10.175）（-132.846）（-0.603）?NOYESNOYES?YESYESYESYES?YESYESYESYES?4 6024 6024 6024 602R20.7160.7300.3200.334表4PSM-DID检验结果()?a(?)?（?）?b图3 安慰剂检验XINJIANG STATE FARMS ECONOMY2024年第01期区域经济数仍然显著为负，基准回归结论依然不变。六、进一步扩展分析（一）异质性检验上述研究验证了科技金融政策的实施对空气污染有着显著的改善效应。那么，对于不同特征城市而言，这种环境改善效应是否仍然存在？如果存在，效应大小又是否存在差异？近年来，中西部地区发挥自身劳动力成本低、自然资源丰富等优势，积极承接东部地区产业转移。产业转移过程中，以能源密集型、劳动密集型产业为主导产业则会更依赖于自然资源的开发与利用39，呈现出高污染、低质量的经济发展模式。科技金融政策通过政府顶层设计，合理调配并扩展区域金融资源以支持地区科技产业发展，提高科技创新能力。当地区缺乏科技产业以工业、制造业为主时，科技金融政策对科技产业的支持作用缺乏发挥的土壤，从而不利于科技金融其改善空气污染的效用。而基于同样的原因，城市金融资源和科技投入等差异也会影响科技金融政策的实施效果。为此，本文从地理区位，城市规模、科技投入和金融发展四个不同特征出发，?lnso2lnsmokelnso2lnsmokelnso2lnsmokelnso2lnsmoke（1）（2）（3）（4）（5）（6）（7）（8）DID-0.306*-0.246*-0.317*-0.244*-0.310*-0.240*-0.298*-0.240*（-7.698）（-4.819）（-8.025）（-4.815）（-7.900）（-4.735）（-7.550）（-4.722）CX-0.076*0.006-0.075*0.014（-2.480）（0.159）（-2.461）（0.348）ZH-0.062*-0.133*-0.063*-0.139*（-2.118）（-3.565）（-2.169）（-3.717）DSJ-0.269*-0.204*-0.273*-0.209*（-7.198）（-4.243）（-7.309）（-4.352）?-17.602*-3.692*-17.678*-3.277-19.011*-4.544*-18.587*-4.202*（-10.183）（-1.664）（-10.231）（-1.480）（-11.027）（-2.047）（-10.763）（-1.891）?YESYESYESYESYESYESYESYES?YESYESYESYESYESYESYESYES?YESYESYESYESYESYESYESYES?4 8284 8284 8284 8284 8284 8284 8284 828R20.7100.3190.7100.3210.7130.3210.7140.323表5排除其他政策干扰的检验结果?lnso2lnsmokepm25lntso2lntsmoke（1）（2）（3）（4）（5）DID-0.210*-0.177*-1.001*-0.260*-0.012*（-4.254）（-2.747）（-3.188）（-5.813）（-3.318）?-17.785*-4.134*80.488*-6.337*15.046*（-9.670）（-1.727）（5.863）（-3.236）（96.401）?YESYESYESYESYES?YESYESYESYESYES?YESYESYESYESYES?4 2674 2674 8284 8284 828R20.6890.3040.7150.6340.016表6剔除中心城市和替换被解释变量回归结果2024年第01期新疆农垦经济XINJIANG STATE FARMS ECONOMY考察科技金融政策改善空气污染的异质性表现。1.地理区位异质性。中国幅员辽阔，不同地理区域交通条件、资源禀赋以及发展阶段不尽相同，不同区域的科技金融试点的政策效果可能存在异质性。因此，将全样本城市基于国家统计局的划分标准，分为东部城市和中西部城市两组并分别回归，结果如表7列（1）至列（4）所示。结果表明，科技金融政策试点城市对东、中西部城市空气污染都具有抑制作用，东部城市科技金融政策对空气污染的改善效应强于中西部城市。其原因可能在于，东部城市相比于中西部城市具有更多的创新资源与金融资本，对科技金融相关政策更加敏感。同时在产业结构方面，东部发达地区已处于工业化后期，科技产业占比大，更有利于科技成果转化，从而发挥其空气污染减排效应，而广大中西部地区仍处于工业化攀升阶段，产业结构以工业、制造业为主，导致科技金融政策的效果受限。2.城市规模异质性。城市的人口规模对科技金融政策改善空气污染的影响存在两面性。一方面，城市人口的扩张势必会导致居民生活污染以及能源需求增加，对环境造成更大负担。另一方面，相比于小规模城市，大规模城市往往在产业结构、政府投入和城市规划等方面更为优秀27，在政策执行力度以及资源使用效率方面能力更强，从而能够更好地处理城市污染36。鉴于此，依据国务院2014年发布的 关于调整城市规模划分标准的通知，将样本城市划分为大规模城市和中小规模城市两组并分别回归，结果如表7列（5）至列（8）所示。结果显示，科技金融政策可以降低大规模城市的空气污染，但对中小规模城市则没有显著影响。其原因可能在于，科技金融政策效果的发挥需要一定的产业基础，大规模城市拥有更完善的金融体系和科技产业建设，更有利于科技金融政策的实施。3.科技投入与金融发展异质性。一般来说，科技金融政策对空气污染的影响效果，在一定程度上取决于城市的科技投入和初始金融发展水平。科技投入越高的城市会更重视提升城市创新能力的相关政策，而完备的金融体系有利于在政策实施过程中发挥支撑作用，更有利于缓解科技企业的融资约束。因此，本文以政府科技投入占财政投入之比表示城市科技投入，通过计算样本城市 20042020年科技投入的均值，将样本城市中高于科技投入均值的城市归为高科技投入城市，其余城市归为低科技投入城市。以城市年末金融机构存贷款总额占地区生产总值之比表示金融发展，采用同样的计算方法将样本城市分为高金融发展水平城市和低金融发展水平城市。回归结果如表8所示，其中列（1）至列（4）为科技投入异质性检验结果，列（5）至列（8）为金融发展水平异质性检验结果。结果表明，科技投入的高低对科技金融政策改善城市?lnso2lnsmokelnso2lnsmokelnso2lnsmokelnso2lnsmoke（1）（2）（3）（4）（5）（6）（7）（8）DID-0.396*-0.445*-0.281*-0.112-0.410*-0.356*-0.071-0.025（-7.134）（-6.649）（-4.785）（-1.458）（-8.071）（-5.508）（-0.991）（-0.272）?-22.451*-17.022*-21.222*-6.582*-11.251*0.663-18.491*-3.223（-6.395）（-4.028）（-10.026）（-2.372）（-3.074）（0.142）（-8.817）（-1.190）?YESYESYESYESYESYESYESYES?YESYESYESYESYESYESYESYES?YESYESYESYESYESYESYESYES?1 7001 7003 1283 1281 3601 3603 4683 468R20.7470.3730.6940.3200.8030.3810.6650.303表7地理区位异质性与城市规模异质性检验结果XINJIANG STATE FARMS ECONOMY2024年第01期区域经济空气污染的能力影响不大，但相较于低科技投入城市，高科技投入城市的政策效果更为显著。在金融发展方面，科技金融政策的实施对高金融发展水平城市的空气污染改善作用明显高于低金融发展水平城市。金融发展水平较高的城市意味着拥有更完备的金融体系和金融市场，更有利于中小型科技企业依赖科技金融政策突破融资瓶颈，从而实现绿色技术创新改善空气污染。（二）影响机制检验前文的实证分析表明，科技金融政策的实施有利于城市空气污染的改善。那么科技金融政策降低城市空气污染的内在机制是什么？基于前文理论分析，产业结构的升级与绿色创新是科技金融政策减排效应中的关键路径，因此，以产业机构高级化、产业结构合理化表示产业结构升级，以人均绿色发明专利作为绿色技术创新衡量指标作为机制变量，借鉴陈诗一和陈登科1的研究方法，构建如下效应传递模型：第一步，检验政策设立对机制变量的影响：Mit=0+1DIDit+jcontrolit+i+t+it（4）第二步，检验机制变量对空气污染的影响：airpollutionit=0+1Mit+jcontrolit+i+t+it（5）其中，Mit表示机制变量，其他变量含义同前文一致。由于2020年产业结构合理化相关数据缺失较为严重，故采用 20042019 年数据进行回归。机制检验结果如表9所示。总的来说，科技金融政策可以通过推动产业结构升级和提高绿色创新水平降低城市空气污染。表9中列（1）、列（4）、列（7）报告了科技金融政策对产业结构和绿色技术创新的估计结果。不难看出，科技金融政策变量对产业结构高级化、合理化和绿色技术创新的估计系数在1%水平下正向显著，证实了科技金融政策对科技产业和地区绿色创新能力的推动作用。列（2）、列（3）、列（5）、列（6）、列（8）、列（9）报告的是产业结构和绿色技术创新对环境污染的估计结果。其中，产业结构高级化、合理化对工业二氧化硫排放量的估计系数都显著为负，对工业烟（粉）尘则没有发挥作用，绿色技术创新则对工业二氧化硫和工业烟（粉）尘都具有显著抑制作用。上述结果表明，产业结构升级与绿色技术创新是科技金融政策影响空气污染的内在机制，研究假设H2和假设H3得到验证。七、结论与建议本文将2011年开始实施的科技和金融结合试点作为一项准自然实验，基于20042020年中国284个城市的面板数据，采用多期双重差分法实证检验了科技金融政策对降低城市空气污染的影响效应，在此基础上进一步探究其影响机制和异质性影响。得到以下主要结论：第