绿色信贷对绿色技术创新效率的影响

赵公民， 孔婷婷

(中北大学 经济与管理学院， 太原 030051)

2020年9月，中国在第七十五届联合国大会上向世界庄严宣布“2030年前实现碳达峰、2060年前实现碳中和”，国家“十四五”规划中又再次强调“推动绿色低碳发展，推进重点行业和重要领域绿色化改造”。在此背景下，加快绿色技术创新发展步伐，实现绿色低碳发展已经成为各方共识。

绿色技术创新通过加强清洁生产工艺、改进污染治理技术等措施，可以有效降低污染物排放，并不断推进产品向绿色环保方向改进，从而实现绿色发展。影响绿色技术创新的因素有很多，不仅需要高技术人才资源，更重要的是持续稳定的金融支持。在此要求下，绿色信贷作为传统金融的拓展与创新，在助力绿色技术创新方面发挥着积极作用。绿色信贷在投贷过程中强化对清洁型产业的信贷支持，通过融资约束引导资金流向绿色环保项目、抑制污染型投融资，可以实现贷款配置绿色化，为绿色技术创新增添动力。截至2021年末，国内21家主要银行绿色信贷余额达15.1万亿元，占其各项贷款的10.6%。按照信贷资金占绿色项目总投资的比例测算，21家主要银行绿色信贷每年可支持节约标准煤超过4亿t，减排二氧化碳当量超过7亿t，已经成为支持中国绿色发展的核心力量。

因此，研究绿色信贷发展对绿色技术创新的影响，对进一步完善绿色信贷政策、提升绿色技术创新效率、充分发挥绿色信贷推动绿色发展提供新的视角和决策支持，也对实现经济与环境协调发展具有重要的现实意义。

1 文献综述

1.1 绿色信贷相关研究

学术界关于绿色信贷的研究最早源自“赤道原则”，此原则要求金融机构在投放信贷资金时应该充分考虑项目的环境和社会风险。Aizawa等[1]认为一些贷款项目会产生不良环境效果，而赤道原则可以解决由此给银行带来的负面影响。中国绿色信贷概念的正式提出源于《绿色信贷指引》的发布，标志着中国绿色信贷政策迈向规范化阶段；2015年以来，绿色信贷激励措施的逐步出台促进了绿色信贷的进一步发展；2018年，中国人民银行将优质绿色贷款纳入中期借款便利的担保范围，标志着绿色信贷激励政策在全国落地[2]。

随着研究的不断深入，国内外学者从微观和宏观角度对绿色信贷产生的影响效果进行研究。微观上，国外学者主要研究绿色信贷对企业融资、生产等产生的影响。Huang等[3]指出绿色信贷能够引导资金从污染较重的企业流向绿色环保企业。Li等[4]从理论上证实了绿色信贷能够促进企业清洁生产。国内绝大多数学者关注绿色信贷对企业融资、创新产出、社会责任等方面的影响。在企业融资约束方面，绿色信贷对企业融资产生了奖罚分明的影响[5]。对重污染企业来说，绿色信贷政策使得重污染企业获得银行贷款的难度增加[6]，而非重污染企业开展绿色信贷业务则更容易，其融资规模和债务期限结构表现更优。在创新产出方面，绿色信贷主要通过研发投入、信贷融资等作用机制来影响企业创新产出[7]。结果表明绿色信贷对环保企业技术创新有显著的促进作用[8]，对重污染企业的绿色创新具有动态促进效应，从最初的抑制作用到作用逐渐减弱，最后促进重污染企业进行绿色转型[9-10]。在企业社会责任方面，绿色信贷通过增强重污染企业污染治理能力，促使企业积极进行环境信息披露并承担社会责任，从而能让重污染企业获取更多信贷资金的机会[11]。

相比于绿色信贷微观影响效果，研究绿色信贷宏观影响的文献较少。现有文献的研究主要集中在绿色信贷对经济增长、产业结构升级、地区高质量发展等方面。国外学者Climent和Soriano[12]研究发现通过创新绿色信贷等绿色金融工具，可以推动绿色金融体系创新发展，并间接推动了经济发展。国内学者研究得出绿色信贷的倒逼机制对整体产业结构升级尤其对第二产业升级具有显著的正向促进作用[13]，并且通过促进产业结构优化升级促进地区绿色发展，另外，绿色信贷对提升地区技术创新水平[14]和抑制碳排放强度[15]也会产生正向影响。

1.2 绿色技术创新效率相关研究

“技术创新效率”这一概念最早被认为是一项技术能在不减少其他产出或不增加相关投入的情况下，能够实现产出最大化，则此技术被称为有效。随后“绿色技术创新”被提出，Braun和Wield[16]认为绿色技术创新是通过提升技术工艺减少环境污染、原材料和能源消耗来生产绿色产品的过程。Mirata和Emtairah[17]认为绿色技术创新是能够改善环境的创新技术。

现有文献关于绿色技术创新效率的研究主要集中在其发展评价和影响因素两个方面。在绿色技术创新效率发展评价方面，现有文献中的评价方法主要包括随机前沿法和数据包络分析法。易明等[18]、范德成等[19]基于SFA方法和DEA-Malmquist两种不同的测度方法对中国高新技术产业创新效率进行了测算分析。孙燕铭等[20]通过构建包含非期望产出的超效率DEA-SBM模型，对长三角区域绿色技术创新效率进行了测度。在绿色技术创新效率影响因素方面，学者们大多结合外商直接投资、产业集聚等因素进行分析。外商直接投资带来的研发资金显著提高了区域绿色技术研发效率和绿色成果转化效率，并发挥出技术创新外溢效应[21-22]。另外，研究指出产业集聚对绿色技术创新绩效具有显著的促进作用[23]。

综上所述，已有文献中存在绿色信贷对企业或地区技术创新的影响研究，且二者之间大多通过融资约束等机制存在一定的作用关系。但在研究过程中仍存在一些不足：①已有文献中技术创新指标多用专利数据来表示，与绿色技术创新效率相比不能完整地体现绿色技术创新的发展水平；②各地区绿色信贷与绿色技术创新发展不尽相同，鲜有学者基于不同区域进行横向对比分析。鉴于此，借助2010—2019年全国30个省份(不包括港、澳、台、西藏地区)的面板数据，从全国和区域两个层面研究绿色信贷对绿色技术创新效率的影响效果。主要贡献包括：①从绿色信贷视角，探讨绿色信贷对绿色技术创新效率的影响，对绿色创新的研究进行了拓展与延伸；②从整体和区域两个层面进行研究，探讨绿色信贷的实施对提升绿色技术创新效率是否具有影响作用，有助于对绿色信贷发展提出差异化政策建议，从而对提升绿色技术创新效率具有很强的现实意义。

2 变量选取与模型构建

2.1 变量选取

考虑到绿色技术创新效率及绿色信贷等相关数据的可得性，同时考虑到绿色技术创新效率会受到其他因素的影响，引入的变量如下。

1)被解释变量：绿色技术创新效率(GTP)。基于前人研究的基础上[24-25]，将R&D人员全时当量、R&D经费内部支出和新产品开发经费支出作为绿色技术创新效率的投入指标，把技术市场成交额、专利授权数、新产品销售额和污染物排放量作为绿色技术创新效率的期望产出和非期望产出指标。并依据梁中等[26]的研究方法，采用DEA-BCC模型测度各省份绿色技术创新效率。

2)核心解释变量：绿色信贷(GC)。目前学术界衡量绿色信贷的方法主要分为两种：第一种是采用绿色信贷占比、节能环保项目贷款占比或工业污染治理投资中的“银行贷款”作为正向指标来衡量；第二种是采用六大高耗能产业利息支出占比作为反向指标来衡量。绿色信贷占比和节能环保贷款占比数据出自于中国五家大型银行和部分股份制银行的《社会责任报告》，但缺乏省级统计数据；工业污染治理投资中的“银行贷款”数据仅统计到2010年就不再更新。因此，上述绿色信贷衡量方法不适合采用。考虑数据可得性与完整性，根据谢婷婷等[27]的方法采用六大高耗能产业利息支出占比衡量绿色信贷发展水平，占比数值越低，意味着绿色信贷发展水平越高。根据《2010年国民经济和社会发展统计报告》，六大高耗能产业分别是电力热力的生产和供应业、石油加工炼焦及核燃料加工业、化学原料及化学制品制造业、有色金属冶炼及压延加工业、黑色金属冶炼及压延加工业、非金属矿物制品业。

3)控制变量：除了核心解释变量，其他变量对绿色技术创新效率也存在一定的影响，参考相关领域学者的研究[28]，选取产业结构(STR)、对外开放水平(OPE)、政府支持力度(GOV)作为控制变量。产业结构采用第三产业增加值占第二产业增加值的比重来表示；政府支持力度采用地方财政支出占国内生产总值比重来表示；对外开放水平采用外商投资企业进出口额占国内生产总值的比重来表示。

2.2 模型构建

2.2.1 DEA-BCC模型

数据包络分析法(DEA)是一种利用线性规划思想对具有可比性的同类型决策单元进行相对有效性评价的非参数分析方法，可以使用不同量纲指标，并且不需要主观设定指标权重，从而能避免主观偏差问题。而在实际生产中，DEA-BCC模型则可以处理规模报酬可变的情况。因此选择DEA-BCC模型进行测算，具体模型如下：

minθφ[θ-ε(ets-+ets+)]

(1)

式中：n为决策单元个数；m和s为投入变量和产出变量个数；ln(K/L)ij(i=1,2,,n;j=1,2,,m)为投入要素；ln (Y/L)ir(i=1,2,,n;r=1,2,,s)为产出要素；δ为决策单元的有效值。

2.2.2 面板回归模型

基于理论分析，绿色信贷对绿色技术创新效率会产生促进作用。为了验证绿色信贷对绿色技术创新效率的影响作用，构建如下面板回归模型进行估计。

GTPit=α0+α1GCit+α2STRit+α3GOVit+

α4OPEit+εit

(2)

式中：GTPit为被解释变量，表示i地区t时间的绿色技术创新效率；GCit为核心解释变量，表示i地区t时间的绿色信贷水平；α1、α2、α3、α4为核心解释变量和控制变量的影响系数；εit为随机干扰项。

2.3 数据来源

考虑数据的可获得性、完整性和可比较性，研究过程中选取的样本为2010—2019年全国30个省份(不包括港、澳、台、西藏地区)的面板数据，主要数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国经济普查年鉴》及相关省份统计年鉴。对于缺失年份的部分数据采用插值法补齐。各变量的描述性统计见表1。

表1 变量描述性统计

绿色技术创新效率(GTP)指标均值为0.7，标准差为0.22，最大值与最小值相差0.72，说明各地区间绿色技术创新发展差异较大。绿色信贷(GC)指标的最大值与最小值相差较大，说明地区之间绿色信贷发展水平也存在较大差距，其均值为0.52，标准差为0.15，表明整体绿色信贷水平发展良好，且都比较集中于均值水平。控制变量数据最小值与最大值之间存在较大差异，与现有研究文献中出现的量纲基本一致。

3 实证分析

3.1 基准回归分析

为考察绿色信贷对绿色技术创新效率的影响及对不同地区影响作用的差异，接下来将对整体、东部、中西部进行回归分析。

通过绿色信贷对绿色技术创新效率影响的整体回归结果(表2)可以发现，其MSE数值为0.210 5，整体上解释变量对被解释变量的解释性较好。绿色信贷对绿色技术创新效率的影响系数是-0.313，并且在1%的水平下显著，说明绿色信贷对绿色技术创新效率起到了显著正向促进作用。另外，控制变量对绿色技术创新效率有着不同程度的影响。产业结构对绿色技术创新效率具有正向促进作用，这可能由于产业结构优化升级使得生产要素从低效率部门上升到高效率部门，使得在生产过程中投入利用最大化，显著提升了绿色技术的创新发展。对外开放水平在5%的显著性下对绿色技术创新效率有显著促进影响。相比于其他控制变量，对外开放水平对绿色技术创新效率的影响作用最大，原因在于出口对企业具有“学习效应”，在对发达国家的出口订单中模仿或学习先进技术，促进了企业技术创新水平的提高。进口的增加促进了国内竞争，企业之间必须要提高创新能力进而提升竞争能力。政府支持力度对绿色技术创新效率在5%的水平下显著促进，这是由于政府的直接补贴与间接补贴间接加大了技术创新的支持力度，可以有效地提高地区的创新产出，从而对绿色技术创新效率起到了正向促进作用。

表2 绿色信贷对全国绿色技术创新效率影响的回归结果

通过东部地区绿色信贷对绿色技术创新效率影响的回归结果(表3)可以发现，其MSE数值为0.198，变量之间数据拟合效果好于整体效果，说明解释变量对被解释变量的解释性较好。绿色信贷在1%的显著水平下显著，对绿色技术创新效率的影响系数是-0.466，相比于整体的回归系数-0.313，其促进效果强于整体水平。这可以解释为：东部地区企业发展规模较大，不乏许多环保类型的企业，在项目融资等方面需要有充分的资金支持，所以对绿色信贷的需求比较大。另外，东部地区有足够的能力进行绿色信贷政策的制定和执行。所以绿色信贷在东部地区的发展速度和规模优于其他地区，这也为地区绿色技术创新发展提供了稳定的资金支持。因此，东部地区绿色信贷对绿色技术创新效率的影响程度高于整体效果。此外还发现控制变量对绿色技术创新效率的影响作用存在不同。东部地区产业结构对绿色技术创新效率的影响为正向促进，且在1%的水平上显著。但东部地区的对外开放水平对绿色技术创新效率的影响为负，政府支持力度对绿色技术创新效率的影响不显著。

表3 绿色信贷对东部地区绿色技术创新效率影响的回归结果

通过中西部地区绿色信贷对绿色技术创新效率影响的回归结果(表4)可以发现，其MSE数值为0.179，变量之间的数据拟合效果最好。回归结果表明，绿色信贷对绿色技术创新效率的影响系数是-0.010，但并不显著。其控制变量对被解释变量的影响较为显著且都是正向影响。这可以解释为：中西部地区的政府、银行和企业等部门对绿色信贷的重视力度不够，导致绿色信贷发展水平较低，所以绿色信贷没有对技术创新发展发挥资源引导、信息导向等功能，另外，产业结构、外商投资和政府支持会对技术研发创新给予一定的支持，对绿色技术创新效率产生促进作用。这些都与中西部地区经济发展模式和水平有较大关系。

表4 绿色信贷对中西部地区绿色技术创新效率影响的回归结果

3.2 稳健性检验

为验证上述回归结果的稳健效果，提高分析结果的可信度，需要对其进行稳健性检验。检验方法采取对回归分析中的被解释变量进行滞后一期处理，在此只给出绿色信贷对全国整体绿色技术创新效率影响的稳健性结果(表5)。

表5 稳健性检验结果

稳健性结果表明，绿色信贷对绿色技术创新效率的影响系数是-0.311，在1%的显著水平下显著。说明绿色信贷对绿色技术创新效率具有正向促进作用。通过比较表5与表2的回归结果可以发现，绿色信贷回归系数的符号和大小并没有太大差别，所以此结论与基准实证分析结果保持一致，表明本文的结论具有稳健性，从而增强了基准实证分析结论的说服力。综上所述，无论是从全国整体回归结果，还是分地区回归结果看，绿色信贷对绿色技术创新效率具有正向促进作用，由于地区异质性因素的存在以及绿色信贷发展水平的不同，绿色信贷对东、中西部地区绿色技术创新效率的影响存在一定差异。

4 结论与启示

4.1 结论

基于2010—2019年全国30个省份的样本数据，构建DEA-BCC模型测度各省份绿色技术创新效率，在此基础上，构建面板回归模型分析绿色信贷对绿色技术创新效率的影响作用。实证结果表明：①无论是整体回归还是分区域回归，均显示绿色信贷对绿色技术创新效率存在正向促进作用，且经过稳健性检验后结论依然显著成立。②由于经济、技术等异质性因素存在，绿色信贷对绿色技术创新效率的影响程度存在一定的地区差异。东部地区绿色信贷对绿色技术创新效率的影响作用更显著，中西部地区绿色信贷对绿色技术创新效率的影响不显著。此外还发现，在保持其他变量不变的前提下，无论是整体回归还是分区域回归，产业结构升级和政府支持力度都对绿色技术创新效率具有正向促进作用。对外开放水平在整体和中西部地区的回归中都表现出正向促进作用，但在对东部地区的回归中表现为负向影响。

4.2 启示

1)完善绿色信贷政策体系，推进绿色信贷落地实施。政府部门应通过完善相关机制提升金融机构开展绿色信贷的积极性，要加强对金融机构内部组织能力建设和执行情况的监督力度，积极引导绿色信贷政策的落实；针对地区绿色技术创新情况，政府部门应该进一步完善资金支持和创新激励政策，给有实际绿色技术创新需求的企业提供信贷补助，为企业提供良好的外部融资环境，一方面迫使重污染企业降污治污，另一方面促进环保企业研发强度和技术水平的提升，以充分发挥绿色信贷政策对绿色技术创新的正向引导作用。

2)适时扩大绿色信贷规模，不断创新绿色信贷产品和业务。鼓励绿色信贷对传统优势工艺改造提升与技术改革的创新项目提供信贷支持，支持绿色环保项目发展与缓解绿色创新风险，推动绿色技术进步；不断完善支持绿色产业发展的绿色信贷激励机制，例如针对绿色信贷定向降准、发放绿色信贷贴息等，为企业购买环保设备、加强技术研发等提供长期稳定的资金来源；灵活运用各种信贷工具引导绿色技术创新，弥补不同企业进行技术创新时带来的成本支出，并不断提高绿色信贷业务水平，拓宽绿色技术创新的投融资渠道，确保绿色信贷政策长期目标的实现。

3)区域绿色信贷要因势利导、因地制宜。政府部门在制定绿色信贷政策时不能采取一刀切的方法，应该综合考虑所在地区的异质性，制定符合地区个性特征的差异化政策。对于东部地区，应该根据绿色技术创新含量制定不同的信贷激励措施，充分调动地区绿色技术创新的积极性。对绿色技术创新含量高的项目应不断加大信贷支持力度，对含量较小的项目适当提高标准，推动实质性创新；对于中西部地区，进一步优化绿色信贷制度设计，对绿色环保项目匹配信贷较高的金融机构，并适当下调存款准备金率，切实为绿色技术创新提供融资便利，提高中西部地区对绿色信贷的接受度。

4)借力绿色信贷政策，提高绿色技术创新效率。各地区应借助绿色信贷渠道获取研发资金，并对绿色信贷资金进行合理配置投入到技术研发中，不断寻求技术创新升级，切实增强绿色技术创新的主动性和提升绿色技术创新效率；对于融资约束较高的重污染项目，应该通过实现自身绿色改造提高绿色技术含量，以达到绿色信贷融资标准，进而获得资金支持。在获得绿色信贷资金的同时，也提升了绿色技术创新效率。