绿色金融对经济增长的影响——基于科技创新的中介效应.pdf

DOI 编码：10.19820/ki.ISSN2096-7411.2023.04.005JOURNAL OF STATISTICS绿色金融对经济增长的影响基于科技创新的中介效应杜文胜，吴映雪（郑州大学 商学院，河南 郑州 450001）摘要我国经济快速发展所引发的生态问题亟待解决，而党的二十大报告提出“加快发展方式绿色转型”，因此，发展绿色金融对推动经济行稳致远至关重要。本文以我国20082020年31个省（市、区）为样本，从绿色信贷、绿色保险、绿色证券、绿色投资四个维度构建指标体系分析我国绿色金融的发展现状，检验科技创新投入的中介效应及绿色金融的空间溢出效应。研究表明，我国绿色金融发展势头强劲但地区不均衡，绿色金融对经济增长促进作用明显，而中介效应检验发现，科技创新投入在其间具有带动发展的作用。此外，绿色金融具有显著的空间溢出效应。关键词绿色金融；经济增长；科技创新投入；绿色金融指数；绿色转型中图分类号F832文献标识码A文章编号2096-7411（2023）04-0057-14Impact of Green Finance on Economic GrowthBased on the Mediating Effect of Scientific and Technological InnovationDU Wen-sheng,WU Ying-xue（School of Business,Zhengzhou University,Zhengzhou 450001,China）Abstract:The rapid development of China s economy has caused various ecological problems,what need to be solved urgently.The report of the 20th Party Congress stated that“accelerating the transition to a model of green development”.Therefore,thedevelopment of green finance was crucial to achieve long-term economic growth.The paper firstly selected 31 provinces(municipalities and districts)in China from 2008 to 2020 as samples,and then analyzed the development status of green finance inChina based on the indicator system constructed from 4 angles of green credit,green insurance,green securities and green investment.Furthermore,the paper also tested the mediating effect of scientific and technological innovation investment and the spatial spillovereffect of green finance.The results showed that,green finance in China has been going strong,while the development was unevenamong regions.Meanwhile,green finance had an obviously promoting effect on economic growth.The test of the mediating effect foundthat,scientific and technological innovation investment played a driving role in this relationship.Besides,green finance had asignificant spatial spillover effect.Key Words:green finance;economic growth;scientific and technological innovation investment;green finance index;greentransformationAng.，2023Vol.4 No.42023年8月第4卷 第4期基金项目河南省软科学研究计划项目（232400410066）；河南省高校人文社会科学研究一般项目（2023-ZDJH-384）；郑州大学青年人才创新团队支持计划项目（32320292）作者简介杜文胜（1987），男，河南濮阳人，郑州大学商学院副教授，理学博士，主要研究方向是经济统计与决策分析；吴映雪（1998），女，河南许昌人，郑州大学商学院硕士研究生，主要研究方向是经济统计与文献计量分析。57统计学报2023 年第 4 期杜文胜，等：绿色金融对经济增长的影响一、引言习近平生态文明思想为绿色金融理论与实践创新指引了方向，党的十八大以来，我国绿色金融的制度框架和政策体系不断完善，资金规模持续增加，产品和服务创新日益丰富，国际合作扎实推进。与此同时，我国也将“绿水青山就是金山银山”的绿色发展观作为发展目标，既追求经济增长，也注重环境保护与生态系统改善。金融业作为经济增长的血脉，在绿色金融的发展中发挥着重要作用，通过提供各类金融工具，支持资金转化、资源优化配置和提高要素生产率，进而促进经济的绿色发展。绿色金融是一种支持环境改善、应对气候变化和资源节约高效利用的经济活动，同时也是一种重视在经济发展过程中保护环境和改善生态系统的金融活动。过去的研究主要从产业结构调整的角度分析绿色金融对经济增长的影响，认为绿色金融可以促进资源的优化配置，带动绿色产业的发展，进而推动经济的稳步增长（王志强、王一凡，2020）1。然而，随着研究的深入，学者们逐渐发现，绿色金融对经济增长的影响并非仅存在直接作用机制。我国的绿色产业大部分尚处于初级阶段或孕育阶段，科技创新投入使资金流向绿色节能领域，在带动绿色生产的同时也提高了效率和质量，进而促进了经济的发展（郭峰、程亚欣，2022）2。同时，通过绿色项目和绿色投资在区域间的转移，绿色金融不仅会对本区域产生影响，还会辐射到其他地区产生空间联系。因此，本文将从科技创新投入在绿色金融与经济增长之间的关系，以及绿色金融的空间效应入手展开分析。首先，科技创新是推动绿色金融与经济增长相互促进的重要力量。通过科技创新投入，资金可以流向绿色节能领域，推动绿色产业的发展。科技创新可以提高绿色产品的质量以及服务的质量和效率，使其更具竞争力，并带动相关产业链的发展。同时，科技创新也可以降低绿色产业的成本，提高其市场竞争力，进而促进经济的增长。其次，绿色金融的空间效应对经济增长也具有重要意义。绿色项目和绿色投资的区域间转移，可以促进经济的空间联系和协同发展。绿色金融的发展可以吸引更多的投资流入绿色产业，进而带动相关产业链的发展。这种区域间的合作与交流，有助于促进资源的优化配置和经济的协同发展，推动经济的整体增长。因此，本文从科技创新投入在绿色金融与经济增长之间的关系，以及绿色金融的空间效应入手展开分析，为丰富绿色金融理论体系提供参考。二、文献综述最早有记录的绿色金融始于 1980 年，因“爱河事件”而诞生的美国 超级基金法案 提出将环境风险向金融风险转移。2015 年前后我国率先出台有关政策，以自上而下的方式践行绿色金融，从而明确了绿色金融定位并于 2016 年给出明确界定（Larsen，2022）3。综合绿色金融发展历程并结合本文的写作目的，从绿色金融的测度方式、绿色金融对经济增长的作用两个角度进行文献综述。（一）绿色金融的测度方式随着绿色信贷发展渐成体系，各类新型绿色金融工具初步成型，关于绿色金融的测度方式开始向定量研究转变，张云辉和赵佳慧（2019）4发现，技术进步对绿色信贷有积极促进作用，绿色信贷直接作用于产业结构优化的效果比间接通过技术进步影响产业结构更为显著。随着研究地不断深入，绿色金融体系地不断完善，指标选取也逐渐由单个发展为多个。2015 年 9 月我国首次在政府工作报告中明确提出“要建立我国的绿色金融体系”，通过贷款、私募投资、债券和股票发行、保险、排放权交易等金融服务将社会资金引入环保、节能、清洁能源、清洁交通等绿色产业的一系列政策、制度安排和相关基础设施建设（马骏，2015）5。韩科振（2020）6通过构建综合指标体系发现，绿色证券、绿色信贷、绿色保险和碳金融都有助于提高我国绿色技术创新效率。张婷等（2022）7发现，绿色金融和环境规制对产业转型的影响在不同的地区、不同类型的绿色金融工具之间存在异质性；邓翔等（2022）8认为，发展绿色金融的前提条件是商业银行稳健经营，因此，从绿色业务、绿色运营及绿色战略角度构建绿色金融发展指标体系。（二）绿色金融对经济增长的作用我国的绿色产业大部分尚处于孕育阶段，科技创新投入使资金流向绿色节能领域，在带动绿色生产的同时也提高了效率和质量，转而促进经济的发展。同时，通过绿色项目和绿色投资在区域间的转移，绿色金融不仅会对本区域产生影响，还会辐射到其他地区产生空间联系。已有研究指出，经济的发展如果是以环境破坏为代价的发展，那么负外部性就会显现出来，环境就成为阻碍经济增长的因素。因此，可持续发展被适时提出，绿色因素也被纳入其中进行考虑。Salazar（1998）9在研究中指出，环境金融的产生基于环境产业发展，如果增加社会资金在绿色产业中的占比，则可以促进产业结构调整，并列出可供参考的绿色金融工具。Labatt 和 White（2002）1058统计学报2023 年第 4 期的研究同样认可了金融对于产业发展和经济增长的促进作用，Li 和 Wang（2011）11、Hodges 等（2011）12亦得到相似的结论。随着绿色金融政策在各个国家提出及其研究的逐渐深入，学者开始使用实证分析方法从直接传导机制角度，研究其与经济增长之间的关系。宁伟和佘金花（2014）13通过使用误差修正模型，以银行存贷款资源总额与国内生产总值比值表示绿色金融，分析得到绿色金融发展规模与宏观经济增长之间的关系。戚湧和王明阳（2019）14研究发现，企业走绿色化生产模式的意愿受持续的科技研发和创新投入影响较大。Zhou 等（2022）15、Yin 和Xu（2022）16均采用建立绿色金融与经济增长的综合指标体系，使用耦合协调度模型定量探讨绿色金融与经济增长的协调发展；Ning 等（2022）17认为，绿色债券可以用来消除绿色金融的融资障碍，从而提高能源融资效率和绿色增长。在已有绿色金融对经济增长影响的相关研究中，大部分学者从绿色金融影响经济增长的直接机制入手，认为绿色金融可以汇聚社会闲置资金形成绿色投资，通过信贷等方式促进资源流向绿色产业实现资源的优化配置，并带动经济整体的稳步发展。但是，我国的绿色产业大部分处于初级阶段或孕育阶段，自身发展动力较弱，仍需其他因素搭建其助力经济增长的桥梁。绿色金融旨在通过充当金融中介促进资金、能源等从高污染、高能耗产业流向清洁、绿色产业，如清洁能源、绿色交通、绿色建筑等，因此，在这些领域的投融资会影响到经济的发展，也就是说，在绿色金融影响经济增长的过程中，势必存在间接传导机制。一方面，科技创新投入使资金流向绿色节能领域，在带动绿色生产的同时也提高了生产效率和生产质量，转而促进经济的发展。另一方面，通过跨地区项目和投资的关联，使得绿色金融对金融资本流向存在调控作用，会产生空间影响，实现区域间的带动发展。本文在绿色信贷、绿色投资、绿色保险和绿色证券四个维度测度各省绿色金融发展状况的基础上，探讨科技创新投入的中介效应。就绿色金融的产品特性而言，其更多的是提供投融资支持。在绿色金融发展的过程中，以政府为主导的研究与试验发展（R&D）投入带动着绿色转型、绿色科技产业化的发展。因此，本文创新性的将科技创新投入这一指标纳入探索绿色金融对经济增长的影响之中，以 R&D 经费投入占 GDP 比重予以衡量，对其是否具有中介效应进行分析和检验。三、理论分析与研究假设绿色金融理论的起点是外部性理论，外部性是一经济主体对另一经济主体产生的一种外部影响，但这种外部影响并不能通过市场交易到达均衡。外部性分为正外部性和负外部性，当一些人的生产或消费使另一些人受益而又无法向后者收费时称为正外部性，无法补偿后者时称为负外部性。外部性是一种时空概念，既会考虑当前的资源配置，又会从可持续发展角度要求资源的配置（魏丽莉、杨颖，2022）18。经济发展水平的提高、人口规模不断上升致使资源需求量早已超过其供给量。外部性使得市场无法实现资源有效配置的功能，呈现出供求上的不协调。因此，环境经济学中的“外部性”是绿色金融的逻辑起点，环境污染、资源利用与污染治理之间具有逻辑上的连贯性。对于环境污染问题，企业作为污染排放主体其社会成本大于私人成本，但企业缺少经济上的动力去改变污染现状，这一行为使得社会收益受损。同时，为实现个体的发展，资源使用并未受到有效约束。但是，资源具有稀缺性，这就使得有限的资源在配置上失衡，失去了可持续发展的基础，由此引发各类污染问题。由于企业在污染治理上的私人收益小于社会收益，其并不愿意承担污染治理的责任，如此循环就致使负外部性不断扩大。绿色金融市场不断赋予金融机构更大的自主权，以便于它们根据市场需求进行产品供给和利率确定，从而以自下而上的方式实现资源的优化配置。绿色金融本质仍是金融，但其与传统金融的不同之处在于绿色金融能够产生环境效益。绿色金融既是对传统金融功能的结构性补充，也是对传统金融功能效率的提升（刘传江、张劭辉，2022）19，作为金融的绿色发展形式，势必会对经济增长产生多方影响。央行提出“三大功能”“五大支柱”绿色金融发展政策思路。结合传统金融的功能及“三大功能”，从资源配置、投资导向、风险管理三个角度对绿色金融影响经济增长的机制进行分析，图 1 表示绿色金融影响经济增长的作用机制。由图 1 可知，绿色金融作用于经济增长的路径分为直接作用和间接作用两方面。在直接影响方面，绿色金融体系的首要功能体现在资源配置上：一方面，促使环境外部性问题改善，除绿色技术、绿色生产可作为投资方向之外，大气、土壤、水体治理等亦成为可供投资的项目，从本质上说这一体系是将存量资本进行重新配置，促使资本从高污染、高耗能产业流向更具发展前景的绿色环保、污染防治及清洁杜文胜，等：绿色金融对经济增长的影响59统计学报2023 年第 4 期能源等旨在改善环境的项目；另一方面，在绿色金融市场的调节机制下，企业逐渐转变生产和运作模式，进行技术绿色升级改造，在企业调整生产行为这一过程中，加之政府的政策引导，人力、技术、资本等资源会逐渐流入，促使资源得到了新的配置与整合。绿色金融还具有引导投资的功能，促使资金流向绿色产业。绿色金融相关政策中关于资金发放门槛的限定，使得金融机构在授信审批和贷款发放时严格按照规定进行，这能够促使资本流向绿色环保、清洁节能和污染防治等政策支持的领域。同时，政策规定还能抑制对高污染、高碳排放耗能项目的投资。绿色金融另一项作用即为风险管理，旨在促使企业实现绿色转型。企业在绿色转型过程中，必然涉及技术创新和新兴领域探索，但这一过程蕴涵着巨大的波动风险。绿色保险、绿色基金等金融工具采用风险共担的运营方式，极大程度上解决了企业在转型过程中面临的未知风险，通过经济杠杆，控制金融风险的同时促进环保发展。在间接影响方面，政府的 R&D 投入和绿色信贷专项支持创新，推动了绿色转型和绿色科技产业化的发展，为其提供了有力的支持。这些投入作为中介因素进一步促进了经济增长。政府在这方面承担着政策和资金支持的责任，起到了引导绿色金融发展的作用。另一方面，绿色金融的三大功能对应的各种绿色金融产品在促进投资和实现风险共担的同时，也引导资金流向其他地区。这进一步推动其他地区实现产业转型升级，带动经济增长。因此，绿色金融也具有空间溢出效应。例如，政府通过提供绿色信贷和优惠政策，鼓励和支持企业开展绿色技术研发和创新。这些投入推动了绿色科技产业的发展，提高了绿色科技产品的竞争力。随着这些产品的成熟和市场接受度的提高，它们逐渐被其他地区的企业采用，从而推动了其他地区的绿色产业转型升级。另外，绿色金融产品如绿色债券、绿色基金等，为投资者提供了投资绿色项目的机会。这些项目涉及可再生能源、能效改进、环境保护等领域，对应的资金流向也会引导其他地区的绿色项目发展。当这些项目在其他地区得到实施和推广时，将带动当地经济的增长。总之，政府的投入和政策支持以及绿色金融产品的引导和投资，间接影响了经济增长。这些投入和产品不仅支持了绿色产业的发展，还带动了其他地区的产业转型升级，促进了经济的增长。绿色金融具有空间溢出效应，为可持续发展和经济增长提供了有力的推动力。下面从科技创新投入和空间溢出两个角度探讨绿色金融对经济增长的影响。（一）科技创新投入中介效应绿色金融产品虽然类型丰富多样，但在我国的实践中遭遇内生动力不足、金融资源错配、产品和服务单一以及信息不对称等诸多现实困境的制约，阻碍其助力经济增长新动能功效的发挥（潘锡泉，2017）20。因此，在绿色金融影响经济增长的过程中，势必会存在间接传导机制。一方面，绿色金融充当金融中介促进资源配置，有学者开始研究绿色金融通过其他变量之间的传导机制如何对经济增长起作用。孙焱林和陈青青（2019）21使用我国 31 个省（市、区）面板数据，研究绿色金融发展、技术进步与经济增长之间的关系，虽然二者均对经济增长有显著正效应，但绿色金融发展未能促进企业的技术进步；谢旭升和严思屏（2021）22将环境规制强度和工业技术创新作为中介变量，分析绿色金融是否会通过这两条路径实现经济高质量发展；Zhang 等（2022）23将经济增长作为中介变量，通过广义矩估计方法研究中国可再生能源投资、绿色金融、经济增长、可再生能源生产和私人部门参与之间的关系。针对直接传导机制构建模型，以各省通过 GDP 指数平减后的生产总值表示经济增长水平作为被解释变量，绿色金融绿色投资政府R&D投入科技创新投入绿色信贷投资导向绿色证券绿色保险风险管理绿色金融功能政策支持资金支持空间溢出绿色科技产业化中介效应图 1绿色金融影响经济增长作用机制降低融资成本资源配置经济增长促进投资 风险共担杜文胜，等：绿色金融对经济增长的影响60统计学报2023 年第 4 期指数作为解释变量，并选用对经济增长有影响的城镇化水平、对外开放水平、政策支持水平和人力资源水平作为控制变量。在明确绿色金融确实对经济增长有正向影响的基础上，构建绿色金融与中介变量科技创新投入的回归方程以及绿色金融与科技创新投入对经济增长的回归方程。综上所述，提出本文的假设 1。假设 1：绿色金融可以通过科技创新投入对经济增长产生积极作用。（二）绿色金融空间溢出效应绿色金融通过项目投资实现资金流动，增强了区域间经济活动关联的广度和深度。随着绿色金融应用范围扩大，不仅实现了各个行业的绿色生产和效率提升，而且提供了更为丰富多样的金融产品和服务。余冯坚和徐枫（2019）24从空间视角，建立固定效应空间杜宾模型分析发现广东省绿色金融发展具有较强的聚集效应和空间溢出效应。说明绿色金融对金融资本流向具有调控作用（蔡强、王旭旭，2022）25，即存在空间效应。并且随着产品的丰富和发展，业务拓展和转型的渠道也逐渐丰富，相互间经济的关联也会逐渐增强，这种效果会随着绿色金融的发展越来越明显。因此，需要在面板模型的基础上引入空间交互项，通过构建空间计量模型进行分析，以此来探究各省份绿色金融与经济增长影响之间的关系。综上所述，提出本文的假设 2。假设 2：绿色金融对经济增长存在空间溢出效应。四、研究设计（一）研究样本与数据来源综合当前我国绿色金融的发展历程及经济增长状况和数据的可获得性，以 2007 年人民银行等三部委联合发布关于落实环保政策法规防范信贷风险的意见，标志的绿色金融开始在我国实施为依据，以 2008 年为时间节点，选取 20082020 年全国 31个省（市、区）有关数据，并对数据做如下处理：对经济增长水平中所使用各省地区生产总值进行指数平减；对所使用数据进行对数化处理，在一定程度上消除模型的异方差保持模型总体稳定性的同时，不改变数据本身的性质和数据间的关系；部分缺失数据借助 SPSS 软件采用线性插值的方法进行补充。数据实证分析部分软件选用 Stata16.0。数据来源方面。绿色信贷：因当前绿色信贷各项数据来源为各个银行，无法准确衡量各省份的信贷余额量，故参考李晓西和夏光（2014）26选用六大高能耗工业产业利息支出这一反向指标反映各省绿色信贷的发展情况。数据来自于 中国工业统计年鉴，其中，2018 年数据来源于 中国经济普查年鉴 第四次经济普查，由于 中国工业统计年鉴 2018 未出版各省份统计年鉴也无相应指标，根据数据时间属性使用线性插值法对 2017 年数据进行估计。绿色证券：参考工业和信息化部发布的第一批至第五批绿色制造名单和 2021 年度绿色制造名单，手动筛选整理各省 A 股上市企业。个股市值数据来自 RESET 数据库、区域上市公司总市值来自 WIND 数据库。绿色保险：我国绿色保险尚处于初步发展时期，数据缺乏，参考李晓西和夏光（2014）26选用农业保险收入（保险保费收入）反映绿色保险，数据来自于 中国保险年鉴 及各省统计年鉴。绿色投资：来源于 中国环境统计年鉴，其中，20182020 年数据并未单独统计该项，故根据环境污染治理投资为城市环境基础设施投资、工业污染治理投资与“三同时”项目环保投资之和，进行加总计算。控制变量：数据来源于 中国统计年鉴 中国劳动统计年鉴 中国工业统计年鉴 及各省统计年鉴。（二）主要变量定义1.经济增长水平。使用指数平减之后的各省地区生产总值度量。2.绿色金融测度。绿色金融产品种类丰富多样，决定其发展受制于多种因素的共同影响，单纯采用某单一指标，并不能全面反映绿色金融的发展情况。因此，依据指标选取科学性原则、系统性原则、可比性原则和可行性原则，从投资导向、风险管理和资源配置所对应的绿色产品入手，选取绿色信贷、绿色证券、绿色保险和绿色投资作为评价绿色金融的依据，以此进行指标体系的构建。具体指标名称及计算方法如表 1 所示。主观赋权法具有较大的主观随意性，为保证评价结果的准确性，采用熵值法根据指标自身作用和影响确定权重，具体计算分为六步。第一，消除指标间量纲差异。设 m 个待评价对表 1绿色金融指数指标体系指标名称计算方法指标属性投资导向绿色信贷六大高能耗工业产业利息支出/工业利息总支出负向绿色证券区域内绿色企业A股市值/区域上市公司总市值正向风险管理 绿色保险 农业保险收入/农业总产值正向资源配置 绿色投资环境污染治理投资/各省地区生产总值正向杜文胜，等：绿色金融对经济增长的影响61统计学报2023 年第 4 期象 n 个评价指标的原始数据矩阵 X=（xij）m伊n，无量纲化后得到 X忆=（x忆ij）m伊n。其中，用 xij表示第 i 个待评价对象第 j 项指标的原始值；x忆ij表示第 i 个待评价对象第 j 项指标无量纲化后的指标值；xmax和 xmin分别表示最大值和最小值；t 表示时间。对于正向指标：x忆ijt=xijt-xminxmax-xmin；对于负向指标：x忆ijt=xmax-xijtxmax-xmin。第二，计算贡献度矩阵。Pijt表示第 t 个时期第 j项指标下第 i 个被评价对象的特征比重，Pijt=x忆ij移i=1mx忆ij。第三，计算指标熵值。用 ejt表示第 t 个时期第 j项的熵值，ejt=-1lnm移i=1mPijtlnPijt，m0。第四，计算指标差异系数。使用第 t 个时期第 j项指标的差异系数 gjt描述数据离散程度 git=1-ejt。第五，计算指标权重。记第 j 项在第 t 个时期权重为 wjt=gjt移j=1ngjt。第六，计算综合指数。将所计算的权重与各指标标准化值相乘，计算综合得分：Hit=移j=1n（wjx忆ij）。3.科技创新投入。R&D 经费投入占各省地区生产总值的比重。4.控制变量。借鉴张林等（2014）27的变量选取方法，选取与经济增长相关的其他主要变量作为控制变量，具体包括：城镇化水平（城镇年末常住人口占年末常住总人口比重）；财政支出水平（各省财政支出总额占各省地区生产总值比重）；对外开放水平（各地区进出口总额占各省地区生产总值比重）；人力资本水平（用全国 6 岁及以上人口的平均受教育年限与经济部门从业劳动力的乘积来衡量）。用primary、junior、senior 和 college 分别表示小学、初中、高中和大专及以上教育程度人口占 6 岁以上人口的比重，以 6 年、9 年、12 年和 16 年分别表示相应的平均受教育年限，L 表示经济部门的从业人员年底 数占就 业 人 口 比 重，具 体 计 算 公 式 为 H=（6primary+9junior+12senior+16college）L。综上，表 2 列示各变量及其计算方式。表 2变量及计算方式变量名称计算方式被解释变量经济增长水平（Eg）指数平减后各省地区生产总值解释变量绿色金融水平（Gf）各省绿色金融指数中介变量科技创新投入（Inno）各省R&D经费投入占各省地区生产总值比重控制变量城镇化水平（Urban）各省城镇年末常住人口占年末常住总人口比重财政支出水平（Fin）各省财政支出总额占各省地区生产总值比重对外开放水平（Open）各省进出口总额占各省地区生产总值比重人力资本水平（H）全国6岁及以上人口的平均受教育年限与经济部门从业劳动力的乘积（三）模型构建为分析绿色金融对经济增长的直接影响、中介效应以及空间溢出效应，依据面板数据特点构建基准如公式（1）：Egit=琢0+琢1Gfit+琢2Zit+滋i+啄t+着it（1）其中，Egit为省份 i 在 t 时期的经济增长水平；Gfit为省份 i 在 t 时期的绿色金融指数；Zit代表选取的各项控制变量；滋i表示省份 i 个体固定效应；啄t表示时间固定效应；着it为随机扰动项。根据机理分析参考温忠麟和叶宝娟（2014）28的研究方法，对科技创新投入是否为二者之间的中介变量进行检验。模型具体形式设定如下：Innoit=茁0+茁1Gfit+茁2Zit+滋i+啄t+着it（2）Egit=酌0+酌1Gfit+酌2Innoit+酌3Zit+滋i+啄t+着it（3）具体检验步骤为，在绿色金融指数 Gf 对经济增长 Eg的线性回归模型系数，即公式（1）中 琢1显著性通过检验的基础上，构建 Gf 对于科技创新投入 Inno这一中介变量的线性回归方程，以及中介变量 Inno与 Gf 对被解释变量 Eg 的回归方程，通过回归系数茁1、酌1、酌2的显著性判断中介效应是否存在。为进一步讨论绿色金融对经济增长是否具有空间溢出效应，参考余冯坚和徐枫（2019）24、马淑燕和赵祚翔（2022）29的做法构建空间计量模型，将绿色金融、经济增长以及其他控制变量的空间交互项，引入公式（1）中，在原公式基础上设定为空间面板计量模型：Egit=琢0+籽W伊Egit+渍1W伊Gfit+琢1Gfit+渍2W伊Zit+琢2Zit+滋i+啄t+着it（4）其中，籽 表示空间自回归系数；W 表示空间权重矩阵；渍1、渍2为核心解释变量以及控制变量空间交互杜文胜，等：绿色金融对经济增长的影响62统计学报2023 年第 4 期项的弹性系数。五、实证结果与分析绿色金融能够更加有效的为经济增长提供资本并促进绿色产业构建，使得各类资源流向绿色领域。因此，从中介和空间两个角度入手进行分析，先构建基准模型，初步分析绿色金融是否对经济增长产生影响，随后加入科技创新投入这一中介变量，进一步探究科技创新在其中的作用，再从空间角度探究直接效应与空间溢出效应。最后进行内生性检验和稳健性检验，以增强实证分析结果的准确性。（一）绿色金融指数测算为清楚显示各省（市、区）绿色金融发展指数，分别计算 31 个省（市、区）历年指数平均得分及排名，如表 3 所示。从总体上看，我国各省绿色金融水平整体上差距较大。首先，得分较高的省份分为新疆、内蒙古、黑龙江、安徽等资源型城市或工业型省份。以及北京、广东和上海等金融业、服务业发达的省、市，具体原因在于：（1）资源型城市受原有粗放型经济发展方式的限制，有些省份亟待解决环境保护、生态改善的问题，以此促进资源节约型、环境友好型社会的发展；（2）资源型和工业型省份大多地理面积较大、常住人口数量较少，使得省内各地区经济水平并不均匀，而资源分布的不同也促使各类项目呈现出聚集，导致不同地区发展存在差距，此外，金融服务需求的不同，就需要有针对性地对不同地区提供不同的金融支持服务，由此产生的绿色金融需求量也就相对较高；（3）广东、上海等省份多以低污染的高新技术产业或无污染的服务业为主，本省的工业带来污染较小，并且高度发达的金融业及银行业为当地绿色金融发展奠定了良好的金融业基础。其次，为河北、甘肃、山西、辽宁等处在转型期的省份。原因大致包含以下几个方面：（1）经济长时间的高速发展，牺牲了大量环境资源，环境保护政策及产业转型升级并未大面积推行，致使绿色金融产品覆盖面积较小并且未形成规模效应，区域内部发展并不平衡；（2）绿色金融产生的推动作用具有时滞性，绿色金融处于中等水平的省份，大多数实施绿色金融相关政策时间较晚，从资金投入到效应凸显，尚需要一定时间；（3）部分省份经济基础相对而言较为薄弱，受制于实际经济发展需求，高污染、高能耗产业仍然是促进地区发展的首选，对绿色金融产品的需求高。最后，云南、西藏、青海等省份绿色金融需求较少排名较后，具体原因在于：（1）金融业基础薄弱，这些省份大多金融业基础较为薄弱，若要发展绿色金融还需对原有金融业进行升级，导致了发展水平相对滞后于其他省份，同时，这些省份当前仍依靠高消耗产业推动发展，尚未进行产业转型升级，绿色金融产品的需求较少；（2）服务业为主要产业，贵州、云南等省旅游业发达第三产业为其主导产业，且大多风景区为自然风光，尚且不需要进行绿色改建；（3）绿色金融思想尚未形成，云南等省份自然环境条件优越，致使社会环保意识不高或尚未形成借助绿色金融产品发展产业的思想。（二）描述性统计分析对所有变量进行描述性统计分析，统计结果如表 4 所示。分析结果显示，各省（市、区）内部存在较大发展差距。被解释变量经济增长水平（Eg）呈现平均数小、标准误大的特点；解释变量绿色金融指数（Gf）标准误小、平均数大；中介变量科技创新投入（Inno）平均数与标准误较接近，但最大值与最小值相差仍较大。从控制变量看不同省份在城镇化水平（Urban）、财政支出水平（Fin）、对外开放水平（Open）以及人力资本水平（H）上也存在着明显的差异。表 3各省（市、区）绿色金融发展指数及排名省份平均得分排名省份平均得分排名新疆0.68781海南0.274217内蒙古0.66772山东0.258618广东0.53883江苏0.248419北京0.48404陕西0.241620上海0.44675辽宁0.235121四川0.39916重庆0.233122黑龙江0.38037天津0.221523吉林0.37248福建0.217824安徽0.37199浙江0.215525湖南0.343910云南0.213326河北0.328511湖北0.207127甘肃0.320612宁夏0.197028广西0.311013西藏0.136229河南0.309414贵州0.125830山西0.309315青海0.118231江西0.296716杜文胜，等：绿色金融对经济增长的影响63统计学报2023 年第 4 期（三）面板数据单位根检验及模型选择因所使用数据时间跨度较长，为避免伪回归的出现首先需对数据进行单位根检验，以确定时间趋势是否会影响数据的平稳性。借助 LLC 检验和ADF_Fisher 检验对数据进行检验，针对两种检验方法，若有一个模型的检验结果拒绝序列为非平稳零假设，就认为序列是平稳的。检验结果如表 5 所示。经 检 验，所 有 序 列 均 通 过 LLC 检 验 和ADF_Fisher 检验，但相较于其他变量通过 1%的置信水平而言，控制变量中的人力资本水平平稳性较差，在 ADF_Fisher 检验中通过 5%置信水平检验，而LLC 检验中仅通过 10%置信水平的检验。结合上述两项检验结果可以认定，所有序列均拒绝原假设，即原序列为平稳时间序列，可进行后续回归分析。使用面板数据建立模型前，应对模型个体效应、时间效应以及固定随机效应进行检验，以此确定模型形式，检验结果如表 6 所示。针对使用 OLS 混合模型的原假设来检验个体效应和时间效应，结果显示两种检验统计量对应 P值均为 0.000 0，拒绝原假设说明个体效应和时间效应显著。使用 Hausman 检验对模型为固定效应或随机效应进行判定，针对随机效应和固定效应无差异这一原假设进行检验，如果拒绝原假设，则认为应采用固定效应模型，否则为随机效应模型。经检验统计量对应 P 值为 0.000 0 拒绝原假设，确定模型为固定效应模型。（四）绿色金融影响经济增长的效应分析1.基准回归结果。在进行后续间接效应分析之前，需要根据面板数据模型检验结果针对绿色金融与经济增长进行基准回归，初步探索绿色金融与经济增长之间的关联。一方面，以便在检验回归结果显著的基础上进行后续中介效应检验，从而进一步探索科技创新投入在其中的作用；另一方面，可在基准模型基础上引入空间交互项以此探讨空间溢出效应。经软件运算，基准回归结果如表 7 所示。统计量P值个体效应检验92.130.0000时间效应检验1596.680.0000Hausman检验28.960.0000变量样本量平均数标准差最小值最大值被解释变量Eg40318425.9716537.02360.1990228.30解释变量Gf4030.31330.15370.03940.8549中介变量Inno4030.01590.01130.00190.0644控制变量Urban4030.56080.13960.21920.8958Fin4030.28470.20260.09981.3538Open4030.28450.31860.00761.6789H403138.4670125.34022.1028764.7133表 4变量的描述性统计表 5序列平稳性检验LLC检验ADF_Fisher检验变量名称P值平稳性变量名称P值平稳性Eg0.0024平稳Eg0.0000平稳Gf0.0000平稳Gf0.0000平稳Inno0.0000平稳Inno0.0000平稳Urban0.0000平稳Urban0.0000平稳Fin0.0000平稳Fin0.0000平稳Open0.0000平稳Open0.0000平稳H0.0706平稳H0.0492平稳表 6面板数据模型形式检验表 7基准回归结果变量（1）（2）（3）（4）（5）Gf0.0438*（0.0203）0.0313*（0.0169）0.0441*（0.0152）0.0442*（0.0152）0.0338*（0.0139）Urban1.0236*（0.0805）0.8708*（0.0738）0.8713*（0.0740）0.6243*（0.0730）Fin-0.4621*（0.0487）-0.4618*（0.0488）-0.4731*（0.0444）杜文胜，等：绿色金融对经济增长的影响64统计学报2023 年第 4 期变量（1）（2）（3）（4）（5）Open0.0016（0.0120）-0.0078（0.011）H0.2015*（0.0231）常数项8.8185*（0.3265）9.5890*（0.0664）8.7283*（0.1084）8