金融发展支持省域绿色科技创新效率研究

段可仪

（中国财政科学研究院，北京 100142）

近年来中国高度重视绿色经济的发展，党的二十大报告提出中国式现代化是人与自然和谐共生的现代化。为了实现经济和环境协调发展的目标，要建立硬约束的环境保护制度，在充分发挥市场导向作用的前提下，结合绿色金融创新发展模式，提升绿色技术创新水平。绿色科技创新是绿色产业发展的内生动力，金融发展体系是国民经济运行的核心，其基本功能是调整资源配置、优化产业结构、分散风险，建立信息共享机制，通过合理引导社会资金流向绿色环保产业，促进产业绿色化转型升级。

根据环境库茨涅兹曲线，长期以来粗放式的经济发展模式会消耗资源产生环境污染，但随着经济发展水平的不断提高，社会的优化环境的需求不断提高，有更多的资金投入环境保护和绿色科技创新活动中，通过金融市场为绿色技术创新提供更多资金支持，分散绿色技术研发的风险和降低环保市场的信息不对称等功能，促进绿色技术创新有效降低环境污染保护了生态环境，本文主要探讨金融发展对绿色科技创新效率提升的支撑效应，对促进区域协调发展，实现中国式现代化绿色发展目标具有理论与现实意义。

1 文献述评

金融发展的概念最早是GOLDSMITH[1]在《金融结构与金融发展》中指出，金融发展实质上是金融结构的不断演化和发展。在金融结构论的基础上，MCKINNON[2]、SHAW[3]提出了金融深化论，现代金融发展观认为金融发展的过程是一个金融体系不断优化改善的过程，李爱真等[4]将金融发展归纳为金融规模扩大、金融结构深化以及金融市场运行效率提升，也是本文选取指标设计和建立理论机制的依据。

关于技术创新的概念最早是由SCHUMPETER[5]提出的，他认为技术创新就是通过引进新产品、运用新技术、开辟新市场、依托新组织和新材料来源，通过科学的管理手段进行重新组合投入绿色生产过程当中。所以绿色技术创新可以分为两种类型，即绿色科技创新和绿色管理创新，本文探讨的是绿色科技创新活动。王晓云等[6]指出绿色科技创新活动是指在可持续的生产理念的指导下，通过运用节约资源、降低能耗的绿色技术的投入，生产出无污染、可降解、低排放、低能耗的产品和服务的过程。绿色科技创新效率是绿色科技创新投入与产出之间的转化效率，它反映了资源是否得到有效分配。在具体效率测评方法上，YI 等[7]、LIU 等[8]、王秀意[9]、金波等[10]采用非径向、非角度改进的SBM-DEA 模型，从多个角度构建含非期望产出的绿色科技创新效率的测度方法。

通过文献回顾发现，学界对绿色科技创新活动的研究正在不断增加，但是基于不同研究角度，指标模型、研究方法选取等方面存在差异，目前金融发展支撑绿色科技创新效率的内在运行机制相关研究较少，可作为未来值得深入研究的焦点之一。本文的边际贡献主要体现在以下几个方面：其一，实证研究指标设计涵盖政府、企业和金融机构三个层面的绿色科技创新和金融发展指标体系，全面衡量地区金融发展和绿色科技创新水平；其二，分析金融发展作用于绿色科技创新效率省域间的差异性，并通过对其内在作用机制的检验，从中找出金融发展促进省域绿色科技创新效率提升的具体路径和作用效果。

2 机制分析与假设提出

2.1 资金导向机制

金融市场的一个重要功能就是进行资金的合理配置，企业在研发、生产、销售、经营管理的整个阶段都需要资金的支持，一方面，金融发展通过集聚社会闲散资金促进资金融通，为企业的日常经营活动提供金融服务和资金保障，有效促进企业进行新产品、新项目、新技术的研发投资，有效帮助企业抓住机遇、扩大再生产，提升有效产出。另一方面，金融发展在助力企业扩大生产的同时消耗资源扩大了污染排放，所以把握好金融发展的资金导向机制对严格控制资金的导向，促进生态环境保护和经济效益十分重要。

2.2 信息传递机制

金融发展能够有效地解决信息不对称引发的逆向选择和道德风险等一系列市场失灵问题。金融机构作为信息中介能够为投融资双方之间建立有效的信息传递机制，一方面，金融机构专业化的评估审核机制在贷前审查过程中能够有效筛选掉高污染、高能耗等具有较高环境风险的项目，评审出具有绿色创新潜力、环境效益高和具有较高投资回报率的环保型项目，并且在项目开展过程中对项目进行及时高效地追踪调查，避免项目运行过程中产生环境污染，确保项目有稳定的绿色经济效益，通过这种方式避免资金错配，提高资金的使用效率。另一方面，通过这种严格的审核追踪机制，可以鼓励企业维持绿色环保的生产经营理念，在金融机构和社会公众的共同监督下，为了向社会传递绿色环保的发展理念，维持良好的企业形象和社会声誉，倒逼企业进行绿色化转型升级，积极进行绿色技术研发，提高低能耗、低排放、低污染的绿色技术水平，进一步推动绿色经济发展。

2.3 风险分散机制

企业在进行绿色技术创新的过程中伴随着新技术、新产品、新工艺的产生，面临来自政策、市场、资金、技术等多方面的风险，往往具有高风险高收益的特点，如果新的产品设计符合市场导向则能够给企业带来巨大的收益；相反，如果研发失败则研发投入的沉没成本、机会成本都将给企业带来巨大的负担，甚至会面临破产的风险，提高企业抵御研发风险的能力除了需要自身有稳固的资本支持以外，还需要银行、保险、证券市场提供有效的风险分担机制。金融发展能够为企业提供多样化的金融产品，良好的风险保障服务机制，通过完善的风险分担渠道为投资者降低风险，为企业降低融资成本，缓解企业的融资困境提供完善的保障。

2.4 企业监管机制

由于存在信息不对称，金融机构在企业融资后需要对项目的进展流程进行有效监督，主要通过政策法律制度和融资制度建立监管机制，监督与激励机制确保企业的生产经营活动符合生态环境保护的要求，包括以银行主导的间接融资监督机制和以市场主导的直接融资监督机制，银行为主的监管机制在对企业的贷前评估、经营监管和可持续性方面具有较强的优势，是目前最主要的监管方式，以市场主导的监管主要通过金融市场信息的传递，发挥公众的舆论效应对企业的社会声誉市场价值进行有效监督，是目前监管机制的一个补充与完善。

本文通过借鉴了金融发展的现代观念，总结了金融支撑绿色科技创新效率提升的传导机制。如图1 所示，金融发展的内涵包括金融规模、结构和效率，在绿色科技创新政策支持背景下，金融资本市场和金融机构规模的扩大，金融融资结构的优化改善，保险市场的完善和金融投入产出运行效率的提升，进一步通过资金的导向机制促进社会闲散金融资本的汇集，为绿色科技创新提供资金支持，提高资本配置的效率；金融机构通过信息的传递机制降低金融市场交易成本，促进金融资源在市场上的高效流动；金融保险市场通过创新型的绿色金融产品分散绿色科技创新的风险；最后通过地区知识产权环境监管机制建设促进企业自主地绿色化转型升级，履行绿色环境保护的社会责任，最终达到促进绿色科技创新效率提升的目的。

图1 金融发展支撑绿色科技创新作用机制

通过以上四个理论机制提出相应研究假设：金融发展规模扩大、结构优化、效率提升通过资金导向、信息传递、风险分散、企业监管机制促进绿色科技创新效率提升。

3 绿色科技创新效率测评

本节运用MAXDEA8 软件进行基于产出导向的Super-SBM 模型测算，得到各个省份对应的绿色科技创新效率值，分析各个地区绿色科技创新效率变化的差异性。实证模型的数据来源于《中国统计年鉴》《中国金融年鉴》《中国知识产权发展状况评价报告》《中国高技术产业统计年鉴》和EPS 数据库的数据，收集2008—2019年我国30 个省份（不含西藏及港澳台地区）的面板数据，东北部地区包括吉林、辽宁、黑龙江；东部地区包括北京、上海、浙江、广东、天津、江苏、河北、海南、福建、山东；中部地区包括安徽、湖北、湖南、江西、河南、山西；西部地区包括重庆、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆、内蒙古、广西。

3.1 Super-SBM模型

最初由BANKER 等[11]和CHARNES 等[12]提出的传统的DEA-CCR 和BBC 模型，两者都是基于径向角度，没有考虑松弛变量问题。此外，传统的DEA 模型无法在效率值为1 的DMU 之间排名。在整个生产过程中，会存在如二氧化碳或二氧化硫排放等对环境有害的非期望产出，而生态效率的本质是GDP 等期望产出最大化和环境污染等非期望产出的最小化[13]。因此，传统DEA 模型的假设不适合计算含非期望产出的效率值[14]。

为了解决上述问题，TONE[15]在DEA 模型的基础上提出了基于非径向非角度的SBM 模型来避免松弛变量的问题。在此基础上，TONE[16]进一步提出了超效率SBM-DEA 模型，该模型允许效率得分高于1，并且可以高效地对DMU 进行排序。COOPER 等[17]提出了一个考虑含非期望产出的SBM-DEA 模型。基于TONE 和COOPER 的结论，与传统的径向DEA 模型不同，SBM方法是非径向的，可以直接解决投入产出松弛值的问题，从而消除径向和定向的偏差，SBM 模型设置如下。

式中：ρse表示超效率值，x、y、b分别表示投入、期望产出和非期望产出。当且仅当ρse≥1，DMU 被认为是SBM 有效的；否则，DMU 被认为是SBM 低效的。

3.2 评价指标体系

根据上一节建立包含非期望产出和基于产出导向的超效率SBM 模型指数的理论模型，测度区域绿色科技创新效率需要选取多个具有代表性且统计口径一致的投入、期望产出和非期望产出指标，如表1 所示。

表1 绿色科技创新效率评价指标体系

本文绿色科技创新效率从人力资本、财力资本、能源消耗和固定资产投入四个方面进行分析。在产出指标上，考虑对经济环境造成影响的期望产出和非期望产出，由此本文在通过文献研究的基础上，结合本文研究的需要以及数据的可得性、科学性，选取五个投入指标分别为：R&D 工作人员折合全时当量、R&D 项目数、当年的科研固定资产投入额、R&D 经费内部支出额、能源消耗量；在产出指标方面，期望产出指标为当年获得的绿色发明数量、技术市场成交额、新产品销售收入和绿色GDP 四个期望产出指标，其中绿色GDP 为该省份在扣除环境保护成本即工业污染治理完成投资之后当年的绿色地区生产总值；非期望产出包括废气中二氧化硫排放量、废水中化学需氧量（COD）排放量、危险固体废物产生量和二氧化碳的排放量。

3.3 效率结果与分析

计算整理得到2008—2019 年30 个样本省份的三类效率值，其中综合技术效率等于纯技术效率和规模效率的乘积。从图2 可以更加直观地观察到2008—2019 年30 个样本省份绿色科技创新综合技术效率、纯技术效率和规模效率均值的分布情况。雷达图的省份分布按照综合效率值的大小进行顺时针排序，从高到低依次是北京、上海、天津，到最后的河北、山东、广西。北京、上海、天津、福建、海南、浙江、广东这几个省份都是靠纯技术效率驱动，技术进步是绿色科技创新效率提升的内生驱动力。按照绿色科技创新纯技术效率和规模效率值的相对大小比较来看，福建、海南、广东、四川的纯技术效率值相对较高，但是规模效率较低，在进行绿色技术研发投入的同时，没有优化社会资源投入的规模和结构，从而达到高效率产出。我国大部分省份如吉林、辽宁、湖南、重庆、宁夏、陕西、安徽、甘肃、江西、山西、贵州的规模效率相对较高，但是纯技术效率相对较低，研发投入不足以支撑绿色科技创新活动，在规模报酬递增的阶段应该加大绿色科技创新研发投入。

图2 样本省份绿色科技创新效率雷达图

图3 是2008—2019 年各省域绿色科技创新综合技术效率、纯技术效率、规模效率均值的柱状图。我国各个地区绿色科技创新效率发展水平存在显著差异，其中，东北部地区三类效率值的均值达到全国平均水平，东部地区综合技术效率和纯技术效率均值都在全国处于最高水平，东部地区为我国经济、科技、文化与对外贸易中心，金融市场和政策环境都具有优势，技术溢出效益明显，绿色科技创新研发水平较高，但是绿色研发投入规模不够合理，冗余的资源投入没有达到经济效益和环境保护匹配发展的目的；中部地区绿色科技创新效率和规模效率值都位于全国最低水平，面对地区矿产资源富集，资源产业绿色化转型升级要求日益迫切，需要加大绿色研发投入促进省域绿色科技创新效率提升；西部地区综合技术效率较低，一方面，因为西部地区资源丰富，生态环境保护比较完善，没有将大量资源投入绿色研发和环境修护改善领域；另一方面，西部地区经济条件、对外开放水平相对较差，缺乏外部高新技术的引进，绿色科技创新技术研发融资成本高，在市场需求不足和自身供给有限的共同作用下，导致省域绿色科技创新水平相对较差。

图3 2008—2019年各省域绿色科技创新效率均值柱状图

4 金融发展水平测度

4.1 金融发展水平指标选取

金融发展规模指标。金融发展水平的提升可以体现在地区金融规模的不断扩大，包括金融市场规模和地区经济发展规模。本文选用的金融发展规模指标有地区生产总值指数、股票市价总值与地区GDP 的比值、金融机构各项贷款占地区GDP 的比值、金融业全社会固定资产投资占全社会固定资产投资的比例。其中，地区生产总值指数反映地区经济发展水平，股票市价总值与地区GDP 的比值反映股票资本市场的规模，金融机构各项贷款占地区GDP 的比值反映金融市场上金融机构活跃度，金融业全社会固定资产投资占全社会固定资产投资的比例反映地区金融市场固定资产规模状况。

金融发展结构指标。金融发展水平的提升也可以表现为金融结构的不断优化升级，本文选用的金融发展结构指标有股票市价总值与金融机构各项贷款比值、地区保险机构保险密度和深度、第三产业增加值与第二产业增加值比值。其中，股票市价总值与金融机构各项贷款比值反映资本市场和金融机构在市场上发挥主导作用的情况，地区保险机构保险密度和深度反映保险业的发展状况，第三产业增加值与第二产业增加值比值反映产业发展结构。

金融发展效率指标。在关注金融规模不断扩大和结构优化的同时，容易忽视地区金融发展的质量和效益，金融发展效率的提升才能从根本上提升地区金融发展水平，从而更好地服务于绿色科技创新产业的发展。本文通过金融业人均增加值、金融行业平均工资和金融业投资效率来衡量地区金融发展水平的质量和效率。具体指标设计如表2 所示。

表2 金融发展水平指标

4.2 数据处理与测度过程

在本研究中，我们使用因子评分代替原始数据进行金融综合发展绩效的预测。考虑到原始数据的量纲差异，本文的数据处理采用Z-score 标准差标准化方法对原始数据进行标准化和正向化处理。一共有n个指标体系，m个样本省份，T年为Xt=(Xtj)m×n，最后形成Tm×n的矩阵：X=(X1,X2,…,Xt)。第i个省份的j指标用aij表示，Xj代表j项指标的均值，σj代表j项指标的标准差，Xij代表标准化后的值，标准化的正向指标Xij=(aij-Xj)/σj。

首先，在进行因子分析之前对数据进行KMO、SMC 检验，本研究中，KMO 检验结果为0.822 ＞0.7，结合SMC 的检验结果均在0.6 以上，表明数据适合进行因子分析。其次，计算累计方差贡献率。本文对选取的30 个样本省份提取公因子，采用Stata 软件计算所得的公因子解释原有的11 个变量总体方差的情况。本文提取2 个特征值大于1 的公因子。其中，公因子1 解释47.9%的信息，公因子2 解释33%的信息，累积方差贡献率达到80.9%，涵盖了原有变量的大部分信息。并通过正交旋转得到更充分的解释方差矩阵，累计方差贡献率保持不变，用这2 个公因子代表选取的11 个变量。通过正交旋转将原始成分矩阵旋转得到旋转过后的成分矩阵，使得实证结果更具有科学性。

其次，根据11 个变量对应2 类主成分因子的载荷值大小进行归类，再依据每个主成分因子包含的变量对主成分因子的含义进行命名。得到的主成分因子组成为：F1载荷值最大的因子是X1、X3、X4、X5、X9、X11，分别表示地区经济发展水平（X1）、金融业固定资产投资占比（X3）、银行业规模（X4）、股票市场规模/银行业规模（X5）、金融业人均增加值（X9）、金融业投资效率（X11），将F1命名为金融规模因子。F2载荷值最大的因子是X2、X6、X7、X8、X10，分别代表股票市场规模（X2）、全部保险机构保险密度（X6）、全部保险机构保险深度（X7）、产业发展结构（X8）、金融行业平均工资（X10），将F2命名为金融结构因子，综合反映金融市场运行结构。

最后，因子得分计算。根据各个因子的得分系数情况矩阵，可以得到2 个主成分因子和11 个子因子之间的表达关系式，通过得分系数将11 个变量通过代数运算表示为2 个主成分因子，计算出2 个主成分因子的得分后，最后根据各个主成分因子所占的权重算出综合绩效因子的得分F。

4.3 测算结果与分析

根据本文研究需要整理出主成分因子和综合得分因子的年均值制作折线图，如图4 所示，我国金融发展总体水平在研究年份内呈现出上升的趋势，其中金融市场主体资产规模不断扩大，随着我国金融市场的不断成熟，金融市场的活跃度提升，促进区域经济的发展。从金融结构来看，在研究年份内在小幅波动中稳步上升，金融结构资本市场、保险市场、股票市场不断成熟，产业结构逐步趋于合理，并且向股票市场主导的金融体系发展，直接融资所占的比例逐渐提升。总体而言，我国金融综合发展水平的稳步提升是金融规模扩大和金融市场结构不断优化共同作用的结果，其中金融规模的扩大起着主导作用，对此我国下一步更应该着力优化市场结构，从政策、法律、金融市场产品的角度入手完善金融市场体系，将投入的金融要素进行结构优化配置促进地区规模经济提升。

图4 2008—2019年样本省份金融发展变化均值时间趋势

5 实证分析

5.1 模型指标选取

为研究金融发展水平对绿色科技创新效率的影响，选取如表3 所示的指标。选取Super-SBM 模型测算出2008—2019 年全国30 个样本省份静态绿色科技创新综合技术效率值、规模效率、纯技术效率值为被解释变量；解释变量为金融综合发展水平、金融发展规模和结构。绿色科技创新效率还可能存在其他环境因素对结果的影响，环境控制变量上本文从政府环保支持、对外贸易、科教环境和知识产权环境的角度进行探讨。地方财政环境保护支出反映政府对绿色环保事业的支持程度，各地区进出口总额占当地GDP 的比值反映地区对外开放水平，地方财政教育支出反映地区科教文化事业发展环境，知识产权发展综合指数反映地区知识产权环境。

表3 模型变量指标选取

5.2 基准回归

用Stata16 软件进行随机效应的面板Tobit 回归。设置三个模型如公式（2）～（4）所示，GTEch表示绿色科技创新综合效率值，GSEch表示规模效率值，GPTEch表示纯技术效率值，FCI表示金融综合发展水平，FSC表示金融发展规模，FST表示金融发展结构，GOVit、FDIit、EDUit、IPit表示控制变量，ui表示个体效应，扰动项εit～对三个模型进行LR 检验，结果均强烈拒绝原假设H0：σu=0，故认为三个模型均存在个体效应，故采用面板数据的随机效应Tobit 回归，实证结果如表4 所示。

表4 随机效应Tobit回归结果

由实证结果可知，从全国范围来看，在模型（2）中金融综合发展水平、金融发展规模、金融发展结构在1%的显著水平下与地区绿色科技创新综合效率值呈正相关。根据金融发展水平的指标设计来看，目前我国绿色金融主要以绿色信贷为主要方式的间接融资渠道为主，通过资金导向机制将资金从两高一剩行业转移到绿色环保行业，一方面为绿色科技创新环保行业提供资金支持，另一方面调整社会资源配置。现阶段我国绿色科技创新型行业仍处于初级阶段，资金来源仍然是间接融资为主，绿色金融创新产品的不断衍生，拓宽了企业融资渠道，降低了研发风险。总体而言，在可持续发展理念的推动下，金融发展支撑绿色科技创新效率提升的运行机制逐渐发挥作用，从控制变量来看，地方财政环境保护支出在5%的显著水平下与地区绿色科技创新效率呈正相关。文化教育水平在1%的显著水平下与绿色科技创新效率呈现负相关，地方财政教育文化支出没有促进绿色科技创新效率提升。知识产权环境在1%的显著水平下与绿色科技创新效率呈正相关，各个地区知识产权环境与其综合效率值说明我国知识产权保护水平成效明显。

模型（3）中金融综合发展水平、金融发展规模对地区绿色科技创新效率提升支撑作用效果不显著，只有金融发展结构与绿色科技创新规模效率在1%的显著水平下呈现正相关，说明地区金融发展结构的优化调整可以提升绿色科技创新规模效率，随着直接融资形式的不断加强，疏通了资金需求双方的信息交流渠道，使绿色环保企业降低了研发融资成本，降低了绿色科技创新研发风险，有效提升了绿色科技创新的规模效益。从控制变量来看，文化教育水平在10%的显著水平下与绿色科技创新效率呈现负相关，进一步证实了目前地方财政科学技术支出对绿色科技创新活动的支持力度不大，没有有效促进绿色科技创新规模效率的提升。

模型（4）中金融综合发展水平与绿色科技创新纯技术效率在1%的显著水平下呈现正相关，进一步说明我国金融发展水平的提升有效发挥了促进绿色科技创新活动的机制作用。从金融综合发展指数的分解来看：金融发展的规模和结构都在1%的显著水平下与绿色纯技术创新效率呈正相关，在金融发展水平的支撑下，目前我国绿色科技创新效率的提升主要靠技术进步主导。从控制变量来看，只有知识产权环境与绿色科技创新纯技术效率的提升在10%的显著水平下呈现正相关，绿色技术研发活动需要良好的知识产权环境作为支持，通过营造良好的法律环境，保护绿色专利成果，可将绿色科技创新研发成果转化为经济效益。

5.3 稳健性检验

为了保证本文实证结果的科学可靠性，对绿色科技创新效率与金融发展水平之间的关系进行稳健性检验。三个模型均应该采用双向固定效应模型进行回归。回归估计结果如表5 所示。

由稳健性检验结果可知，三个模型检验的结果与Tobit 回归检验结果基本一致，金融综合发展水平分别在1%的显著水平下对省域绿色科技创新综合效率的提升有正向影响，在1%的显著水平下与纯技术效率存在正向关系，金融综合发展水平对促进省域绿色科技创新效率提升效应有较高稳健性，并且主要是拉动地区技术进步驱动绿色科技创新效率提升。金融发展规模在5%的显著水平下对省域绿色科技创新综合效率的提升有正向影响，在5%的显著水平下与省域绿色科技创新规模效率负相关，金融资源没有达到高效利用，绿色科技投入产出规模结构优化水平有待提升，同时金融发展规模在1%的显著水平下促进纯技术效率提升，体现技术驱动实证结果的稳健性。金融发展结构在1%的显著水平下对省域绿色科技创新综合效率、规模效率、纯技术效率的提升都有正向促进作用，绿色金融市场完善、金融产品丰富、融资结构优化对绿色科技创新规模效益、技术创新效率的提升都有明显的促进作用。综上所述，本文选取的被解释变量、解释变量和控制变量之间的关系与Tobit 模型得到的结果没有较大差异，所以模型指标与数据选取具有一定的稳健性，实证结果具有科学性、客观性、合理性。

5.4 异质性检验

由于我国四大区域地理位置、经济发展状况、金融市场和政策环境等存在较大差异，金融发展水平存在差异性对各区域绿色科技创新效率提升作用效果也不同，因此本节对四大区域的金融综合发展水平、金融发展规模和效率与绿色科技创新综合效率值进行分组回归，以便检验不同区域影响路径的差异性，进一步对实证结果进行稳健性检验，结果如表6 所示。

表6 中国四大区域绿色综合效率值影响因素回归结果

从表6 的回归结果来看，我国四大区域发展环境存在较大差异，导致金融发展作用于绿色科技创新的效果不同。东部地区绿色科技创新综合效率值影响因素的作用效果更为显著，中部地区完全不显著。其中金融综合发展水平分别在1%的显著水平和5%的显著水平下促进东部、西部和东北部地区绿色科技创新效率提升，对中部地区和西部地区作用效果不显著。金融发展的规模和结构也能够为东部和西部地区绿色经济发展提供有效支撑，东北部地区金融发展结构与绿色科技环境耦合协调较好。从环境控制变量来看，东部地区的科教文化环境与绿色科技创新效率提升相背离，说明目前绿色科技金融人才培养占比相对较少。东部地区的知识产权发展环境能够有效为绿色科技创新活动提供法律保障。总体来说，东部地区经济与环境协调发展趋势相对较好，四大区域异质性检验结果与以上研究结果相一致，再次说明实证结果具有稳健性。

5.5 机制检验

为进一步增强金融发展支撑省域绿色科技创新实证结果的稳健性，厘清促进绿色科技创新效率提升的内在机理，该部分运用bootstrap 抽样法对资金导向、信息传递、风险规避、企业监管的理论机制进行中介效应检验，从而探究金融发展对省域绿色科技创新效率提升的具体路径。资金导向机制运用绿色信贷（GC）表示，指标数据选取电力、钢铁、有色、建材、石油加工、化工六大高耗能产业的利息支出占比。信息传递机制用各省份银行业金融机构营业网点从业人数（FE）来表示。风险分散机制指标用原保险保费收入（IPI）来表示。最后通过企业监管机制来促进企业自主地绿色经营，该指标用地区知识产权环境综合指数（ERM）来表示。

表7 中介效应检验结果，中介效应在95%的置信区间里不包含0，金融综合发展水平促进绿色科技创新效率提升的四个理论机制中介效益均存在，且原保险保费收入对绿色科技创新的促进作用最强，中介效应占比达到65.6%，目前金融发展通过为环保企业提供保险，降低研发风险；其次是绿色信贷，中介效应占比达到43.3%，存在完全中介效应，资金融通为环保企业提供资金支持，降低融资门槛，促进绿色科技创新效率提升；金融机构从业人员数的中介效应占比31.2%，对金融综合发展水平解释变量存在负向影响，但是引入中介机制变量后存在正向完全中介效应，金融发展通过为环保企业提供更完善的金融服务，减少金融市场信息不对称现象，促进企业绿色科技创新效率提升；知识产权环境综合指数的中介效应占比为27.6%，存在完全中介效应，金融发展建立在完善的法制保护环境之下才能有效促进绿色科技创新效率的提升。

表7 中介效应检验结果

从金融综合发展水平的分解指标来看，金融发展规模扩大所产生的传导机制作用效果最显著，加权中介效应占比63.8%，金融发展主要是通过金融规模的扩大来促进绿色科技创新效率提升，金融资源越充裕越能更好地发挥机制的作用。金融发展规模中知识产权环境综合指数中介效应占比最大，为90.4%，其次为绿色信贷中介效应，占比70.4%，金融市场规模的扩大，经济状况良好的省域法制环境较好，资源配置效率较高，有效促进绿色科技创新效率提升；金融发展的结构加权中介效应占比为36.2%，其中绿色信贷中介效应最强，占比89.7%，金融市场结构优化调整体现在绿色金融产品的丰富，直接融资规模的扩大，降低绿色科技创新企业的融资成本，同时也需要良好的知识产权环境作为中介效应的支撑，提供法制环境和绿色金融创新产品保障。

6 结论与建议

6.1 结论

本文以2008—2019 年我国30 个样本省份为研究对象，选取包含非期望产出的Super-SBM 模型对绿色科技创新效率进行分析，运用因子分析法从金融发展的规模、结构和效率三个维度计算金融综合发展水平，最后通过基准回归和机制检验分析金融发展的规模、结构和综合发展水平对绿色科技创新效率的影响。得出以下研究结论：（1）我国省域绿色科技创新效率呈阶梯状分布，东部地区综合绿色科技创新效率值最高，主要靠纯绿色技术创新效率值的驱动；东北部地区次之，中西部等其他省域的绿色技术创新效率差异性不明显，绿色科技创新纯技术效率和规模效率普遍偏低。（2）从金融发展水平来看，我国各个省域金融发展水平增长率保持稳步增长的趋势，主要是金融发展规模驱动，金融发展结构也在逐步优化改善。我国金融发展状况地区差异性较大，东部等沿海地区金融发展规模和结构都明显高于其他地区。中部地区金融发展水平稳步上升，西部地区金融发展水平相对较差。（3）从实证检验结果来看，金融发展水平支撑省域绿色科技创新综合效率机制效益明显。从其分解指数来看，金融规模的扩大通过资金导向、信息传递机制促使社会金融资本流向绿色行业，为绿色环保行业提供资金支持。随着绿色金融市场的不断完善，金融结构的优化可有效地为绿色行业降低风险。

6.2 建议

基于以上的研究结论，从政府、企业和金融机构的角度特提出以下的建议：（1）从政府的角度来看，优化金融资源的空间配置，营造金融支撑绿色科技创新良好的外部环境。我国地区间金融资源分布失衡，对此政府要充分发挥绿色财政的激励、协调和补偿机制，制定差异化区域金融扶持政策，积极调整金融资源的空间布局，优化东部地区资源结构。为中西部地区建设金融、法律制度、科教、对外贸易等良好的外部环境，支持基本设施服务均等化建设，促进绿色财政支出在科、教、文、卫中的比重，通过宏观调控，促使我国各个区域达到共同富裕。（2）从金融机构的角度来看，要加强金融资源的高效运用，提升绿色金融产品的生态效益。从实证结果来看，我国金融规模促进绿色科技创新效率提升机制效应较大，考虑金融发展水平的区域差异性，东部地区应优化金融资源投入规模结构，将冗余金融资源支持其他区域金融市场发展。中西部地区金融机构应该扩大金融市场规模，完善碳排放权、碳税以及创新绿色金融产品与服务，拓宽绿色高新技术企业的融资渠道，降低绿色科技创新企业的研发风险。（3）从企业的角度来看，树立绿色经营理念，充分利用金融资源科学管理企业。首先企业要进行产业结构调整，建设安全经济、智慧高效、治理完善、技术创新的生产经营体制。加快淘汰落后产能，推动低碳发展和循环发展。与高校科研机构紧密合作，加快信息技术与能源技术的产业链和创新链深度融合，提升企业绿色科技创新效率。