工业集聚、金融集聚对绿色全要素生产率的影响机制及空间效应研究

汪 彬 刘晓阳 李佳杰 陈洋毅

（中共中央党校（国家行政学院）经济学教研部，北京 100091）

引 言

高质量发展已经成为当前乃至今后一段时间内中国经济社会发展的主题和重要战略任务。党的十九大报告指出，“我国经济由高速增长阶段转向高质量发展阶段”，这是对我国经济社会发展阶段的科学判断。与此同时，党的十九大还首次提出了要提高全要素生产率的战略要求。在世界百年未有之大变局背景下，面对中美经贸摩擦和新冠肺炎疫情跌宕反复等新形势，提高全要素生产率、激发经济发展活力、培育高质量发展新动能显得尤为重要。需要注意的是，尽管改革开放以来中国凭借低廉的要素资源成本、粗放式的发展模式推动了经济高速增长，发展成就十分显著，但其发展弊端也逐渐显露，严重的环境污染和资源的低效利用与广大人民群众对美好生活的诉求相悖，转变经济发展方式，实现绿色低碳转型成为迫在眉睫的战略选择。为此，党的十八大以来，中国在推动经济转型的过程中，愈加重视生态环境保护问题，注重同步推进物质文明建设和生态文明建设。从党的十八大将生态文明建设纳入 “五位一体”总体布局中到党的十九大提出 “人与自然和谐共生”，再从2021年中央经济工作会议提出 “正确认识和把握碳达峰碳中和”到十九届中央政治局第三十六次集体学习强调 “建设绿色制造体系和服务体系”，推动绿色经济发展已然成为中国经济转型的发展战略要求和必然选择，而提升绿色全要素生产率是推动绿色发展，实现转型升级的关键指标和有效路径。

产业是支撑一国或地区经济社会发展的重要支柱。在影响绿色全要素生产率的诸多要素中，产业集聚被认为是关键性的指标之一，产业集聚既可以通过集聚效应推动产业结构优化升级、提升经济发展质量，也可以提高资源的利用效率、促进产业节能减排，还可以通过空间效应给周边地区带来 “福音”。如何更好地认识产业集聚与生态环境的关系，如何实现经济增长和环境改善的 “双赢”局面，这些都是当前学术界关注的热点问题。鉴于此，本文以产业类型中的工业和金融业为例，试图回答以下两个问题：（1）工业集聚、金融集聚如何影响中国的绿色全要素生产率？（2）不同因素对绿色全要素生产率的影响程度及其空间溢出效应如何？在上述背景下，本文研究两大产业集聚与绿色全要素生产率的关系及空间效应，有利于发挥工业集聚、金融集聚的优势，推进经济增长方式和增长动能的高质量变革，有利于坚持 “人与自然和谐共生”中国式现代化的实践遵循，对当前中国经济社会的可持续发展具有重要的现实意义。

1 文献综述

从工业集聚、金融业集聚与绿色经济的关系来看，不同类型产业集聚的影响效用不尽相同。对于工业集聚，李伟娜 （2017）［1］认为工业制造业集聚的初期能通过规模效应实现各企业的信息互通和绿色技术共享，进而达到提升绿色全要素生产率的目的。吉亚辉等 （2021）［2］认为制造业协同集聚对本区域生态改善具有积极促进作用，对其他周边地区生态效应也同样具有溢出效应。朱风慧和刘立峰 （2021）［3］的研究表明威廉姆森假说在我国制造业领域显著存在，随着经济发展水平的提升以及绿色技术的进步，制造业集聚对绿色全要素生产率的正向影响边际递减。马彦瑞和刘强 （2021）［4］发现工业集聚对绿色经济效率具有促进作用，但这种促进效应并非持续有效呈倒 “U”型的曲线关系，需要政府动态调整相关的产业政策，避免工业过度集聚所带来的拥挤效应。对于金融服务业的集聚，王锋等 （2017）［5］认为金融集聚不仅对本省（区、市）绿色经济发展具有正向影响，也对临近省（区、市）的绿色经济发展存在空间溢出效应。葛鹏飞等 （2018）［6］发现金融发展与绿色TFP之间呈现较为复杂的非线性关系，金融规模、金融结构和金融深化均与绿色TFP呈现先负后正的边际递增关系，金融效率则有着 “U” 形的抑制作用。 倪瑛等 （2020）［7］的研究表明虽然单一的金融发展和环境规制对绿色全要素生产率有一定的促进作用，但中国当前 “金融发展-环境规制”相结合的模式抑制了绿色全要素生产率。

通过文献梳理，可发现当前的大多数研究是针对单一要素与全要素生产率或绿色全要素生产率的关系而展开的，无法呈现出全面的行业集聚生态或者多元要素对绿色全要素生产率的影响，可能会产生个体偏差。故本文以此为切入点，综合具有非期望产出的SBM模型和ML指数法测算出中国30个省（区、市）的绿色全要素生产率；通过二元邻接空间权重矩阵构建动态空间杜宾模型，继而探究工业集聚、金融集聚与绿色全要素生产率的关系及空间效应，研究因素更为综合且深入。

2 理论分析与研究假设

在理论上，产业发展不仅具有集聚效应，同时也存在拥挤效应，产业发展质量的高低是聚集效应和拥挤效应相互作用的结果。虽然产业的集聚效应可以提升经济发展的效率和质量，但也会因为产业的拥挤效应而产生负外部性，带来一系列负面影响［8］。同理，工业集聚作为一种以分工深化为基础的空间组织形式，可以使得多个工业企业高度集中在一定地理区域内形成优势发展［9］，其对绿色全要素生产率也存在集聚效应和拥挤效应这两种作用机制。（1）工业集聚程度达到适度规模，工业的集聚效应会产生正向作用机制，促进绿色全要素生产率的提高。具体而言：合理适度的工业集聚不仅可以吸引相关产业的人才集聚，形成一定程度上的技术共享，提高产品质量与服务水平［10］；还可以有效控制企业生产成本，通过优化企业间的生产资源的配置来淘汰低产能、高污染企业，降低各类污染物的排放，提高产业生产能力和改善生态环境质量，进而促进绿色全要素生产率的提升［4］；（2）当某地区的工业集聚程度超过适度规模时，集聚效应会由于产业的空间极化转变为拥挤效应，工业的拥挤效应会产生负向作用机制，对绿色全要素生产率产生抑制作用。具体而言：过度的工业集聚不仅会引发产业市场饱和、资源短缺等问题，致使企业因盲目增加生产投入、争夺公共物品而陷入恶性竞争的泥潭中［4］；还会诱发能源消耗过度、工业污染等问题，致使区域环境质量恶化，环境治理成本上升，进而抑制绿色全要素生产率的提升［3］。

基于上述分析，本文提出假设1：工业集聚与绿色全要素生产率存在倒 “U”型曲线关系。

就金融集聚而言，金融业作为现代经济的重要组成部分，不仅能够优化市场资源配置、服务实体经济，还可以通过规模效应促进产业结构优化升级、推动绿色经济发展。具体而言：（1）金融集聚可以促使资金由效率低、污染大的投资项目流向效率高、污染小的投资项目，既可以实现金融资本的合理配置，又可以推动企业转型升级和环境技术进步，优化产业结构，提高节能效率，进而推动绿色经济发展；（2）金融集聚有助于引导金融资本流入传统企业的污染治理环节，推动传统企业节能环保技术的革新，实现节能减排和可持续性发展，进而促进绿色全要素生产率的提高［11］；（3）金融集聚既可以创造出金融机构的衍生性行业及服务，实现金融机构与其他产业关于信息和资源方面的 “互通有无”，为产业结构升级提供资金支持；同时也有助于推动金融机构形成新的合作力，达到 “1＋1＞2”的效果，产生规模效应，进而实现更大范围的资源配置优化与产业结构升级，推动本区域与周边区域的绿色经济发展［12］。

基于上述分析，本文提出假设2：金融集聚有助于提升绿色全要素生产率水平。

3 变量选取

3.1 被解释变量

数据包络分析（DEA）是由 Charnes等（1978）［13］提出的一种以线性规划为基础、以距离函数为方式的模型方法，能够对具有可比性的同类型单位进行有效评价。本文借鉴Tone（2003）［14］的做法，以DEA方法中的含有非期望产出的SBM方向距离性函数为基础，并加入Chung等 （1997）［15］提出的ML（Malmquist-Luenberger）生产率指数，用以度量绿色全要素生产率的动态变化。鉴于此，t期到t＋1期的ML生产率指数的具体公式为：

ML生产率指数可以进一步分解为技术效率变化（MEC）和技术进步（MTP）［16］：

在上述公式中，D表示生产单元DMU，x、y、d、g分别代表生产性投入、期望产出、非期望产出及方向向量。MEC表示绿色技术效率变化状况，即t＋1时期的生产单元相比t时期的生产单元是否更接近生产前沿。若MEC＞1，则表示t＋1时期的生产单元更接近生产前沿，即绿色技术效率改善；若MEC＜1，则表示t＋1时期的生产单元更远离生产前沿，即绿色技术效率恶化。同理，MTP表示绿色技术进步变化状况，即t＋1时期的生产单元相比于t时期的生产单元是否提升了技术水平。当MTP＞1时，表示绿色技术进步；当MTP＜1时，表示绿色技术倒退。

绿色全要素生产率的指标体系包括：（1）关于资源性投入，用各省（区、市）电力消费量（亿千瓦时）表示；关于非资源性投入，劳动要素投入用各省（区、市）年末实际的就业总人数（万人）表示，资本要素投入则用各省（区、市）的资本存量（亿元）表示， 借鉴张军等 （2004）［17］的永续盘存法（PIM）计算出折旧率和以2011年为基期的资本存量；（2）关于期望产出，用各省（区、市）的实际GDP（亿元）来表示，并用以2011年为基期的GDP平减指数进行平减处理； （3）关于非期望产出，鉴于数据收集的完整性和可靠性，本文选取各省（区、市）的二氧化硫排放量（万吨）、氮氧化物排放量（万吨）和化学需氧量排放量（万吨）来表示。

3.2 解释变量

（1）工业集聚程度。本文借鉴余泳泽等（2013）［18］的做法来计算区域工业集聚程度，公式为： INDit＝ （Iit／Yit） ／（It／Yt）。 式中， INDit为 i省（区、市）工业制造业在t时期的区域熵，Yit为i省（区、市）在t时期的产值，Yt为全国在t时期的产值，Iit为i省（区、市）在t时期的工业制造业产值，It为全国在t时期的工业制造业产值。同时引入工业集聚的二次项（IND2），以验证倒 “U”型曲线关系。

（2）金融集聚程度。同上，公式为：FINit＝（Fit／Yit） ／（Ft／Yt）。 式中， FINit为 i省（区、 市）金融业在t时期的区域熵，Ft为全国在t时期的金融业产值，Fit为i省（区、市）在t时期的金融业产值。

3.3 控制变量

为进一步提高模型准确性，本文选取政府干预能力、经济发展能力、人力资本、交通条件、外商直接投资作为控制变量。（1）政府干预能力。该指标由各省（区、市）财政支出占该省（区、市）名义GDP的比重来表示，比值越高，说明该地区的政府干预能力越强［19］； （2）经济发展能力。该指标由各省（区、市）人均GDP来表示，并取对数形式；（3）人力资本。该指标由各省（区、市）每十万人口普通高校平均在校生人数来表示，并取对数形式，该指标数值越大，说明该地区劳动力的技能与知识水平越高；（4）交通条件。该指标由各省（区、市）人均道路面积来表示，并取对数形式，该指标数值越大，说明该地区交通条件越优越、基础设施越发达；（5）外商直接投资。该指标由各省（区、市）外商投资企业货物进出口总额与地区生产总值的比值来表示。

3.4 数据来源

本文原始数据来源于相关年份的 《中国统计年鉴》、《中国人口和就业统计年鉴》、《中国环境统计年鉴》和EPS数据库。在研究时间段选择上，鉴于工业集聚、金融集聚效应往往具有时滞性，2020年新冠肺炎疫情对其影响很难在当期直接体现出来，故本文将研究时间范围设置为2011～2020年，选取中国30个省（区、市）（考虑数据的可获得性，港、澳、台地区和西藏自治区除外）的面板数据进行实证分析。

4 模型设计

4.1 空间自相关

进行空间自相关分析是为了判断某变量是否存在空间范围的相关度及存在怎样的关系度。空间自相关系数主要是衡量变量对某一领域的影响水平及其在空间内的分布状态。当Moran's I＞0时，存在正向空间相关性；当Moran's I＜0时，存在负向空间相关性；当Moran's I＝0时，则不存在空间相关性。鉴于此，本文利用Moran's I测度各变量的空间相关性。具体公式如下：

其中，n为样本量；S2是样本方差。Xi、Xj是空间区域i和j的观察值，Wij则是空间权重矩阵。

4.2 空间权重矩阵

空间权重矩阵是空间计量模型的核心要素，为探究在地理因素影响下工业集聚和金融集聚对绿色全要素生产率的影响，本文选用二元邻接距离矩阵作为空间权重矩阵。具体公式如下：

其中，若省（区、市）i和省（区、市）j在空间上相邻，则空间矩阵的权重为1；若省（区、市）i和省（区、市）j在空间上不相邻，则空间矩阵的权重为0。

4.3 空间计量模型

一般而言，空间计量模型分为3种类型：空间滞后模型（SLM）、空间误差模型（SEM）和空间面板杜宾模型（SDM）， 本文借鉴任阳军等 （2021）［20］的做法，将绿色全要素生产率（GTFP）引入空间计量模型中。

4.3.1 空间滞后模型（SLM）

主要用于研究某个变量的相邻区域是否受到该变量的影响，具体公式如下：

4.3.2 空间误差模型（SEM）

适用于空间权重矩阵等重要变量被放置在误差项中的情况，具体公式如下：

4.3.3 空间杜宾模型（SDM）

加入了被解释变量的空间滞后项与解释变量的空间滞后项，以度量周边区域被解释变量与解释变量对研究区域的影响；相比于空间滞后模型与空间误差模型，空间杜宾模型更为全面，具体公式如下：

其中，下标i代表省（区、市），t代表年份；GTFP为被解释变量，即绿色全要素生产率；IND、IND2、FIN为解释变量，分别表示工业集聚、工业集聚二次项、金融集聚；GOV、lnECO、lnLAB、lnTRA、FDI为控制变量，分别表示政府干预能力、经济发展能力、人力资本、交通条件、外商直接投资。其中，C为常数项，δ为衡量绿色全要素生产率的空间相关度，β为待估计系数，W为空间权重矩阵，μi和νt分别为固定效应和随机效应，ηit为误差项；W×ηit为空间滞后误差项，εit为随机误差项。

5 实证结果与分析

5.1 空间自相关的结果

本文通过Stata软件测算出2011～2020年中国30个省（区、市）工业集聚、金融集聚与绿色全要素生产率的Moran's I指数。由表1可知，各省（区、市）的工业集聚、金融集聚与绿色全要素生产率的Moran's I指数均大于0，且大多数都在1%的显著性水平下通过检验。结果表明，工业集聚、金融集聚与绿色全要素生产率在所研究范围内具有明显的空间正相关性，即存在 “H-H的正相关”和 “L-L的正相关”。除此之外，工业集聚、金融集聚和绿色全要素生产率的Moran's I在样本期间围绕0.3左右波动。由此可见：三者之间的空间相关性持续稳定。

表1 2011～2020年Moran's I指数

续 表

5.2 空间计量模型的选择

为更好地研究工业集聚、金融集聚与绿色全要素生产率之间的关系，需要判断使用随机效应模型还是固定效应模型分析后续问题。对此，本文进行Hausman检验，结果显示：统计量Chi2（8）的值为89.53，P值为0.000，可以在1%的显著性水平下拒绝原假设。因此，应选择固定效应模型分析后续实证问题。鉴于上述的Hausman检验结果倾向于固定效应模型，同时为了使分析结果更加精准，本文选取时间和空间双固定模型，并分别对SDM、SLM和SEM 3种空间计量模型进行回归分析。

由表2可知，SDM的R2和Log-likelihood值高于SEM与SLM，且SDM相对于SLM和SEM而言，有着更显著的变量系数和数量更多的显著变量，即应当选择SDM进行后续的分析。

表2 空间计量模型的回归结果

5.4 空间效应的分析

从空间杜宾模型的效应分解结果（表略）可发现：就解释变量而言，工业集聚（IND）和金融集聚（FIN）的直接效应、间接效应和总效应均较为显著，其不仅对本地区绿色全要素生产率的提高具有显著作用，还可以促进周边地区绿色全要素生产率的提高，具有正向的空间溢出效应。这说明本地区的工业规模效应、金融发展可以通过区域间的传导机制辐射到周边地区，在实现区域间工业、金融业协同发展的基础上推动绿色经济的发展。工业集聚二次项（IND2）的空间效应系数均为负数，工业集聚一次项（IND）的空间效应系数均为正数，这说明工业集聚与绿色全要素生产率之间存在倒 “U”型曲线关系，工业集聚对绿色全要素生产率的促进作用并非一直增加，而是存在一定的阈值［4］。

就控制变量而言，政府干预能力（GOV）对本地区绿色全要素生产率起促进作用，但会抑制周边地区绿色经济发展，这说明政府加大对本地区生态环境的监管可以促使企业对生产过程中的高污染与高耗能活动的重视，但同时也会使得污染大的产业转移到周边地区，影响周边地区的生态环境，从而抑制周边地区绿色全要素生产率的提高；经济发展能力（ECO）对本地区及周边地区的绿色全要素生产率具有显著的促进作用，这说明经济发展能力要求具备能够与其匹配的产业结构和要素禀赋空间，经济发展能力越强，产业结构就越合理、要素资源就越丰富，继而能够增强区域发展的经济活力，提高生产效率，降低环境污染和资源浪费，实现经济效益和环境效益的 “双赢”；人力资本（LAB）与交通条件（TRA）对本地区的绿色全要素生产率具有正向效应，即人力资本水平越高、交通条件越好，则本地区与周边地区的绿色全要素生产率越高。这可能是由于人力资本水平的提高推动地区绿色科技水平的提升，良好的交通条件和基础设施能够减少企业产品在流通过程中的损耗、生产成本和能源消耗。不过，人力资本（LAB）与交通条件（TRA）会对周边地区绿色经济发展起抑制作用，这说明地区高质量的人力资本以及良好的基础设施会对周边地区产生“虹吸效应”，吸引技术、人才、资金等优势资源要素流向本地区，进而冲击和减缓周边地区的发展；外商直接投资（FDI）对本地区及周边地区的绿色全要素生产率呈现负相关性。这可能是由于地区对外商投资的利用程度低以及引进的外商投资更多聚集在高污染高能耗的低端制造业上，这不利于提升地区制造业水平，还会影响和破坏生态环境，进而抑制绿色全要素生产率的提高。

5.5 稳健性检验

5.5.1 更换空间权重矩阵

为了检验空间计量模型的精准度，本文选用不同的空间权重矩阵进行稳健性检验，通过借鉴纪玉俊和王芳 （2021）［21］的方法，将原有的空间权重矩阵更改为反经济距离矩阵，具体公式如下：

其中，GDPi和GDPj表示为省（区、市）i和省（区、市）j的人均GDP水平。

从更换空间权重矩阵后的空间计量模型的效应分解结果（表略）可以发现：更换空间权重矩阵后，解释变量的空间效应的系数符号均未发生变化，且显著性水平基本相同，因此实证结果是稳健的、可靠的。

5.5.2 调整样本观测时间

本文参考马小芳等 （2021）［22］的做法，将样本观测时间由2011～2020年更改为2006～2020年，所得的结果如表3所示。解释变量的系数显著性差异较小，符号都保持一致，结果依然稳健。

表3 调整样本观测时间后的空间计量模型的效应分解

6 结论与政策建议

本文基于2011～2020年中国30个省（区、市）的面板数据，通过包含非期望产出的超效率SBM模型和ML指数法测算出绿色全要素生产率，并通过空间杜宾模型实证分析工业集聚、金融集聚对绿色全要素生产率的影响及空间溢出效应。主要研究结论如下：（1）工业集聚、金融集聚具有显著的正向直接效应及溢出效应，可以有效提升本地区和周边地区的绿色全要素生产率，同时工业集聚与绿色全要素生产率之间存在倒 “U”型曲线关系，即当工业集聚超过特定 “阈值”时，工业集聚将对绿色全要素生产率产生抑制作用；（2）政府干预能力、经济发展能力、人力资本、交通条件和外商直接投资对绿色全要素生产率的直接效应与空间溢出效应存在显著差异，并反作用于工业集聚、金融集聚对绿色全要素生产率的影响效应。

基于以上理论分析与实证检验，本文提出以下政策建议：（1）对于工业制造业，既要增强工业集聚对绿色全要素生产率的促进作用，发挥其规模效应，也要促进工业制造业的适度集聚，淘汰高能耗、高污染的企业，同时还要推动工业技术创新，建立新的生产函数，以加快产业结构调整与优化升级，避免倒 “U”形态的后半部分出现；对于金融业，要充分发挥金融集聚对绿色经济发展的积极作用，要因地制宜地实施富有弹性的金融产业政策，强化金融服务实体经济的职能，积极引导金融资源流向绿色环保、清洁生产的工业企业，为工业企业的绿色创新发展提供强有力的金融支撑，继而提高当地的绿色全要素生产率；（2）既要强化政府在环境保护中的职能体现，完善环境保护制度，加强对环境变化的检测与监控，增加对环境保护的财政拨款，同时也要增加政府对绿色产业的投资与补贴，降低环保企业的门槛与融资贷款难度，鼓励民间、社会各类主体参与绿色经济发展；（3）要发挥经济发展能力对绿色全要素生产率的推动作用，制定优惠的营商政策，营造良好的营商环境，为当地绿色环保企业的发展提供高质量的人力资源和现代化的基础设施；（4）要提高对外商直接投资的利用效率，提高对外开放的质量，提高环保准入门槛，鼓励外国投资者向绿色行业与高科技行业投资，发挥外国资本促进绿色全要素生产率提升的有利作用； （5）要深入实施区域重大战略和区域协调发展战略，增强区域发展的平衡性和协调性；要增强核心城市对周边地区的外溢效应，以城市群、经济带建设推进区域间的绿色经济协同发展。