清洁技术风险投资对经济绿色增长的影响——基于中国数据的动态分析

查 博，宋格格

（西安财经大学商学院，陕西西安 710100）

全球各经济体都在努力降低环境中含碳量，以实现绿色增长和可持续发展的共同目标。党的二十大报告明确指出要推动绿色发展，促进人与自然和谐共生，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。经济的绿色增长是中国目前实现经济发展的重要目标。清洁技术指的是能够降低能源和资源消耗，减少对环境的负面影响，高效使用自然资源的某类产品、工艺和服务［1］。清洁技术的发展在确保自然资产能够继续为增加人类福祉提供各种资源和环境服务的同时促进经济增长和发展，也就是说，清洁技术的发展能够实现经济的绿色增长。与此同时，清洁技术也需要在新的社会经济发展阶段进行不断创新，进而满足社会不断变化的新要求，因此需要有源源不断投资来促进清洁技术水平的提升和技术类型的不断演进。

1 研究背景

根据联合市场研究，全球绿色技术和可持续市场在2020 年的价值为103.2 亿美元，预计到2030年将达到746.4 亿美元，复合增长率为21.9%［1］。金砖国家2022 年瑞士会议就中国的绿色发展情况指出，绿色投资和可持续发展将成为中国未来的主要增长动力。而绿色技术的发展和可持续的市场转型迫切需要加大投资力度。中国人民银行2022 年8 月发布的数据显示：当年二季度末，中国本外币绿色贷款余额19.55 万亿元，同比增长40.4%，比上年年末高7.4 个百分点，高于各项贷款增速29.6 个百分点，上半年增加3.53 万亿元［2］。绿色增长的实现仅仅依靠政府之力是远远不够的，举全社会的力量、协同合作才能达到预期的目标，因此需要吸收大量的社会性投资来满足其快速发展所带来的资金需求。具体来说，对清洁技术类企业的风险投资，能够为企业发展带来所必需的资金支持及相应的非资金型价值增值服务，使得企业所掌握的清洁技术能够得到技术创新，并更快更有效地应用到生产经营活动中去，以实现绿色经济效率的提升。

当今全世界绝大部分国家达成了一个共识，那就是如果要让世界保持良好的气候水平，就必须大幅减少温室气体的排放［3］。有研究认为技术在解决污染严重程度加深方面起着至关重要的作用［4］。特别是过去10 年来，人们对清洁技术创新重新产生了兴趣［5］。根据近年的世界气候峰会精神，大约有200 个国家公开表达了他们在温室气体减排方面的意愿，并且认为清洁技术的先进程度决定了CO2排放的效率［6］，以及减少气候变化的影响、降低对外部能源的依赖［7］。有学者提出“智慧城市”的概念［8］；聚焦于3 个领域：能源、交通和建筑［9］；认为利用先进的清洁技术在不同的领域作为智慧城市发展政策制定的基础，高技术驱动下的智慧城市能够很好地解决碳排放问题［10］。追求经济增长与生态文明建设的可持续发展被认为是中国高质量发展的关键［11］。而对于发展清洁技术，中国目前正试图通过引入与发展先进清洁技术来对能源产业技术进行进一步改革，制定提高能源利用效率和效益的环境质量目标，期望最终能实现碳中和［12］。

实现低碳经济的全球举措需要在生产过程中配合使用能够促使清洁技术持续发展的金融手段［13］。在清洁技术中金融手段的推广促进了绿色经济的增长［14］。对清洁技术的投资可以是私人投资，也可以是公共投资［15］，其中风险投资的参与对于提升清洁技术的创新和运作效率产生了重要的促进作用［16］。在清洁技术投资中，深度技术投资对开发新硬件、材料、化学物质或制造工艺的企业投资消耗了最多的风险资本，却获得了较低的回报。此外，应从政策制定者、企业和投资者对清洁技术的新创新途径给予更广泛的支持［17］。处于风险投资网络位置中心的企业会有较高的社会声誉，可能更容易被利益相关者信任，帮助吸引产品利益相关者、财务利益相关者和组织利益相关者来快速建立最初的风险投资网络［18］。在风险投资主体方面，清洁技术初创企业越来越多地吸引着企业风险投资，这是因为企业风险投资不仅能够带给清洁技术型初创企业更多的专业知识帮助和巨大的资金支持，而且初创企业的清洁技术创新能更好地在投资企业中得以推广和应用［19］。相关研究还显示，企业投资的主体构成表现出越来越多样化的发展态势，这类企业风险资本的投入会促进清洁技术类企业实现绿色发展、保持竞争力不断提升［20］。

对清洁技术的投资促进了国家向更清洁、更绿色经济的转型［21］。清洁技术被风险投资家所捕获，它的许多好处是累积起来产生作用的，例如：通过长时间减少环境退化、改善健康与生活质量来实现社会经济生活的绿色增长［22］；推动风险投资进而促进清洁技术的发展，是实现实体产业绿色创新的重要方式［23］；风险投资通过加强城市投资、实现创新人才集聚来促进城市经济的绿色发展，这是由于风险投资带来的优质人力资本积累对城市绿色发展产生了积极的影响作用［5］。风险投资对比银行贷款来讲，可以更有效地提升绿色创新能力，因此风险投资在更大范围内加快发展才能更好地发挥风险投资在实体产业绿色创新中的作用。中国企业推动产业资本向绿色转型，增加风险投资转型为绿色风险投资，才能够更好地促进经济的绿色增长［24］。

由以上可知，清洁技术风险投资对清洁技术的发展以及经济的绿色增长都有着非常重要的影响。由于风险投资一般是分阶段进行的，每个阶段的特点并不一致，因此，清洁技术多阶段风险投资如何对经济的绿色增长产生影响及其阶段性影响的特点就成了本研究关注的问题。

2 理论基础与研究假设

2.1 理论基础与假设

清洁技术产业是指应用清洁技术减少环境污染、降低资源依赖，满足人类环境需求，为社会、经济可持续发展提供产品、工艺和服务支持的产业。目前衡量绿色增长的指标主要有3 个，分别为：环境技术创新、CO2生产率和可再生能源供应，本研究沿用这一做法。其中，环境技术创新是指一国与环境有关的发明数占国内发明总数的百分比［25］；CO2生产率是指与CO2排放有关的单位能源国内生产总值［26］；可再生能源供应是指可再生能源供应占总能源供应的百分比［27］。风险投资按照投入时间的不同可以分为种子期、初创期、成长期和成熟期4个时期，每个时期风险资本的投入会对创业企业的发展产生相应的影响。目前从事清洁技术的企业数量较多，其资金的需求除了从政府获得的投资外，从风险投资机构获得的风险资本支持也是重要的资金来源。风投机构对清洁技术类企业的风险资本投入会影响经济的绿色发展。

具体来讲，首先，风险资本会投入可提升环境水平的相关技术中，通过技术创新更好地促进环境水平的提升，并实现经济的绿色发展；其次、风险资本会为清洁技术类企业努力提升其运作效率和技术创新带来重要的资金支持，有助于这些企业提高自身的生产率并为其他生产企业提供更加环保更加高效的技术，进而提升与CO2排放有关的单位能源国内生产总值；最后，企业生产所需能源分为可再生能源和不可再生能源，对清洁技术的风险投资能够影响企业的能源技术创新，在绿色发展要求下可以使其用更多的可再生能源来替代不可再生能源进行生产经营活动，进而提升可再生能源供应占总能源供应的百分比。由此，根据风险投资的阶段划分及其对绿色发展的影响作用，提出以下研究假设：

H1：种子期风险资本的投入影响环境技术创新；

H2：种子期风险资本的投入影响CO2生产率；

H3：种子期风险资本的投入影响可再生能源供应；

H4：初创期风险资本的投入影响环境技术创新；

H5：初创期风险资本的投入影响CO2生产率；

H6：初创期风险资本的投入影响可再生能源供应；

H7：成长期风险资本的投入影响环境技术创新；

H8：成长期风险资本的投入影响CO2生产率；

H9：成长期风险资本的投入影响可再生能源供应；

H10：成熟期风险资本的投入影响环境技术创新；

H11：成熟期风险资本的投入影响CO2生产率；

H12：成熟期风险资本的投入影响可再生能源供应；

H13：风险投资总量影响环境技术创新；

H14：风险投资总量影响CO2生产率；

H15：风险投资总量影响可再生能源供应。

2.2 变量符号

研究涉及的变量符号如表1 所示。

3 研究设计

3.1 概念框架

本研究的概念框架如图1 所示。变量测量方式如表2 所示，测量方式来源于经合组织OECD 网站（https://www.oecd.org/）。

图1 概念框架

3.2 变量的选择

大量的文献研究了绿色增长的问题，本研究选择环境技术创新、可再生能源供应和CO2生产率这3 个因变量作为绿色增长因子，采用5 个阈值变量对风险投资各阶段的效果进行检验。所有变量对应的数据（如表2 所示）均收集自CV source 数据库、国家统计局、各省区市统计局网站；使用的数据频率以“年”来衡量，数据周期是从2007 年到2021 年，共包括中国31 个省区市3 139 家企业的数据。

3.3 动态面板阈值模型的构建

早期对风险投资和绿色增长的研究如Mrkajic等［28］、Ginsberg 等［29］分别使用了简单的回归模型和高斯混合模型（Gaussian mixture model，GMM）统计模型，然而，风险资本投资和绿色增长之间的关系是复杂的，传统模型没有很好地捕捉到他们之间的作用关系。本研究分别以5 个阈值变量（VCSE、VCS、VCG、VCL 和VCT）采用以下动态面板阈值模型进行分析。具体模型如下：

式（1）～（3）中：i（行政区域）=1,2,3,…,31；t（年份）=2007,2008,…,2021；β1和β2分别是对应控制变量的回归系数，εi,t为阈值变量的回归系数。

阈值变量将系统分为两个状态，即低状态和高状态。

低状态1：

高状态2：

式（4）～（5）中：Ri,t为因变量；Ai,t表示自变量；Ti,t为阈值变量；θ是自变量的回归系数；γ表示阈值。

由式子（4）（5）可以推导出式（6）：

4 统计分析

4.1 描述性统计与相关性分析

采用Stata16.0 来进行统计分析。表3 显示变量VCSE、VCL 和VCT 的偏度较高，从EO、VCSE、VCS、VCG、VCL 和VCT 也观察到类似的峰度；变量的相关性情况如表4 所示。

表3 变量描述性统计分析

表4 变量相关性分析

4.2 动态面板阈值模型估计

4.2.1 阈值变量为VCSE

以VCSE 为阈值变量，其对因变量EO、CP 和RE 在低和高两种状态下的影响如表5 所示，3 种模型的阈值估计结果分别如图2、图3 和图4 所示。其中，以VCSE 为阈值变量、EO 为因变量的模型1，两个β系数都具有统计学意义，并且都为负，表明了VCSE 在两种状态下对EO 的边际效应：如果VCSE 高于状态2 时的阈值，VCSE 每上升1%，EO 将下降54.715%；如果VCSE 低于状态1 时的阈值，VCSE 上升将导致EO 的下降。说明作为种子期的风险资本的增长显著阻碍了环境技术创新的发展。以VCSE 为阈值变量、CP 为因变量的模型2，两个β系数都不具有统计学意义，说明作为种子期的风险资本的增长不影响CO2的生产率。以VCSE 为阈值变量、RE 为因变量的模型3，两个系数具有统计学意义，VCSE 在低状态1 内系数为负，即VCSE 对RE 具有边际负影响，如果VCSE 低于状态1 的阈值时，VCSE 上升1%将导致RE 下降6 229.5%；同样，如果VCSE 高于状态2 时的阈值，VCSE 上升1%将导致RE 增加28.953 2%。估算表明，作为种子资本的风险投资的增长，在高状态2 中促进了可再生能源供应的增长，而在低状态1 时则阻碍了可再生能源供应的增长。

图2 使用VCSE 作为阈值变量的模型1 的阈值估计

图3 使用VCSE 作为阈值变量的模型2 的阈值估计

图4 使用VCSE 作为阈值变量的模型3 的阈值估计

表5 动态面板阈值模型以VCSE 作为阈值变量的估计结果

图2 至图4 中，实曲线代表似然比统计量，虚水平线代表似然比统计量的渐进分布的百分比，两者的交点对应的纵坐标为置信区间，当小于估计阈值和大于估计阈值时，实线均在虚线下方，说明相关关系通过了置信区间的检验；当小于估计阈值和大于估计阈值时，实线均在虚线上方，说明相关关系未通过置信区间的检验；当小于估计阈值与大于估计阈值时，实线均在虚线下方，说明相关关系通过了置信区间的检验。

4.2.2 阈值变量使用VCS

以VCS 为阈值变量，其对因变量EO、CP 和RE 在低和高两种状态下的影响如表6 所示，3 种模型的阈值估计结果分别如图5、图6 和图7 所示。同理可见，如果VCS 低于低状态1 时的阈值，VCS 每上升1%，EO 将上升933.59%，说明作为初创期的风险资本的增长在低状态时显著促进了环境技术创新的发展；作为初创期的风险资本的增长在低状态时促进了CO2生产率；如果VCS 低于状态1 的阈值时，VCS 上升1%将导致RE 下降119.9%。估算表明，作为初创期风险投资的增长，在低状态1 中阻碍了可再生能源供应的增长。

图5 使用VCS 作为阈值变量的模型1 的阈值估计

图6 使用VCS 作为阈值变量的模型2 的阈值估计

图7 使用VCS 作为阈值变量的模型3 的阈值估计

表6 动态面板阈值模型以VCS 作为阈值变量的估计结果

4.2.3 阈值变量使用VCG

以VCG 为阈值变量，其对因变量EO、CP 和RE 在低和高两种状态下的影响如表7 所示，3 种模型的阈值估计结果分别如图8、图9 和图10 所示。同理可见，如果VCG 低于状态1 时的阈值，VCG 每上升1%，EO 将上升122.068%，说明作为成长期的风险资本的增长在低状态时显著促进了环境技术创新的发展；作为成长期的风险资本的增长在高状态时促进了CO2的生产率；如果VCG 低于状态1 的阈值时，VCG 上升1%将导致RE 上升498.687%。估算表明，作为成长期资本的风险投资的增长，在低状态时促进了可再生能源供应的增长。

图8 使用VCG 作为阈值变量的模型1 的阈值估计

图9 使用VCG 作为阈值变量的模型2 的阈值估计

图10 使用VCG 作为阈值变量的模型3 的阈值估计

表7 动态面板阈值模型以VCG 作为阈值变量的估计结果

4.2.4 阈值变量使用VCL

以VCL 为阈值变量，其对因变量EO、CP 和RE 在低和高两种状态下的影响如表8 所示，3 种模型的阈值估计结果分别如图11、图12 和图13 所示。同理可见，如果VCL 低于状态1 时的阈值，VCL 每上升1%，EO 将下降358.436%，说明作为成熟期的风险资本的增长在低状态时显著阻碍了环境技术创新的发展；作为成熟期风险资本的增长在高状态时促进了CO2生产率的提升；如果VCL 低于状态1 的阈值时，VCL 上升1%将导致RE 上升552.162%。估算表明，作为成熟期资本的风险投资的增长，在低状态中促进了可再生能源供应的增长。

图11 使用VCL 作为阈值变量的模型1 的阈值估计

图12 使用VCL 作为阈值变量的模型2 的阈值估计

图13 使用VCL 作为阈值变量的模型3 的阈值估计

表8 动态面板阈值模型以VCL 作为阈值变量的估计结果

4.2.5 阈值变量采用VCT

以VCT 为阈值变量，其对因变量EO、CP 和RE 在低和高两种状态下的影响如表9 所示，3 种模型的阈值估计结果分别如图14、图15 和图16 所示。同理可见，如果VCT 高于状态2 时的阈值，VCT 每上升1%，EO 将下降10.681%，说明总风险资本的增长在高状态中显著阻碍了环境技术创新的发展；总风险资本的增长显著促进了CO2生产率提升；VCT 在高状态2 内系数为正，即VCT 对RE 具有边际正影响，如果VCT 高于高状态2 的阈值时，VCT上升1%将导致RE 上升2.919%。估算表明，总风险资本的增长在高状态2 中促进了可再生能源供应的增长。

图14 使用VCT 作为阈值变量的模型1 的阈值估计

图15 使用VCT 作为阈值变量的模型2 的阈值估计

图16 使用VCT 作为阈值变量的模型3 的阈值估计

表9 动态面板阈值模型以VCT 作为阈值变量的估计结果

4.2.6 控制地理位置GP

对清洁技术的风险投资有可能受到地域的影响，因此，将31 个省份划分为华中、华东、华南、华北、西北、西南和东北1），在控制地理位置后进一步部署动态面板阈值回归模型，得到的估计结果如表10所示。

表10 控制地理位置前后变量的动态面板阈值估计对比

在控制了地理位置后发现，首先，种子期风险投资在低状态时对环境技术创新产生负向影响，高低两种状态下对CO2生产率产生正向的影响，并且对可再生能源供应产生负向的影响；其次，初创期风险投资在高低两种状态时对环境技术创新产生负向影响，而在低状态时对可再生能源供应产生正向的影响；最后，成长期风险投资和成熟期风险投资在低状态时对环境技术创新产生正向的影响，在高低两种状态时对CO2生产率产生正向的影响，并在低状态时对可再生能源供应产生负向的影响。

4.3 结果总结与原因分析

变量的阈值效应总结如表11 所示，对研究假设的支持结果如表12 所示。

表11 变量的阈值效应

表12 研究假设检验结果

上述模型分析结果及其原因具体分析如下：

首先，种子期的风险资本增长阻碍了环境技术创新的发展，在高状态中促进了可再生能源供应的增长。可能原因如下：种子期时创业者得到的风险资本更多用于开办和运作新的企业，而不是将其用于开发新的环境技术；同时种子期创业者需要准备大量的可再生能源来进行未来的生产经营活动，因此需要更多的风险投资注入。

其次，初创期的风险资本增长在低状态时促进了环境技术创新和CO2生产率，在低状态中阻碍了可再生能源供应的增长。可能原因如下：初创企业需要一定的风险资本投入支撑其在市场中立足以谋求更大的发展，但由于初创企业拥有新颖的环境技术创新，较少的投资就能促进其技术创新水平显著提升，而投入的风险资本一旦较多，就会形成资本过剩的局面，并且影响企业在其他方面的发展；同时，初创期企业刚建立，规模还不是很大，适量的风险投资能够有效促进企业CO2生产率提高，过多的投资反而会形成资金浪费的局面，但初创期企业仍然需要大量的可再生能源供应来稳固目前的生产经营活动，并为未来储备资源，因此较少的风险投资会阻碍可再生能源供应的增长。

再次，成长期的风险资本增长在低状态时促进了环境技术创新的发展和可再生能源供应的增长，在高状态时促进了CO2生产率提高。可能原因如下：成长期企业的主要目的是技术获得进一步推广和产品扩大再生产，由于企业拥有的技术仍然较新，只需要较少的风险资本就可以促进环境技术的浅层次创新和发展，因此过多地投资于环境技术创新会造成资金的过度占用；同时，由于企业在种子期和初创期储备了较多的可再生能源，因此对成长期的企业投入适量的风险资本就能够促进其可再生能源供应的保障，而企业在成长期内的扩大再生产需要更多的资金来保障和促进CO2生产率提高，以此来提升生产效率，以增强核心竞争力。

然后，成熟期的风险资本增长在低状态时阻碍了环境技术创新的发展但促进了可再生能源供应的增长，在高状态时促进了CO2生产率提高。原因如下：成熟期企业需要深度的技术革新以延缓或改变自身被市场淘汰的命运，因此需要投入较多的风险资本来进行更加彻底的环境技术创新，同时也需要大量的资金投入以求在现有基础上更进一步提高CO2生产率以增强其竞争力，因此较少的风险资本就能够促进可再生能源供应的增长，避免了资本投入过多而产生的资源浪费现象出现。

最后，在整个风险投资中，风险资本的增长在高状态下会阻碍环境技术创新的发展但促进可再生能源供应的发展，而在高低两种状态下均会促进CO2生产率提高。原因如下：纵观整个风险投资进程，风险资本投入过多会产生资本使用效率低下的情况，从而不利于环境技术创新发展；而多数的风险资本都应该投入到可再生能源的供应中去，为生产经营提供充足的能源保障，风险投资对CO2生产率的影响作用是十分明显的，是影响CO2生产率的重要影响因素。

5 结论与启示

5.1 结论

本研究利用我国31 个省区市2007—2021 年的面板数据，采用动态面板阈值模型，以不同阶段的风险投资作为阈值变量，考察投资清洁技术的风险投资发展是如何影响中国经济的绿色增长。具体结论如下：种子期风险资本的增长阻碍了环境技术创新的发展，在高状态中促进了可再生能源供应的增长；初创期风险资本的增长在低状态时促进了环境技术创新和CO2生产率提高，在低状态中阻碍了可再生能源供应的增长；成长期风险资本的增长在低状态时促进了环境技术创新的发展，在高状态时促进了CO2生产率提高，在低状态中促进了可再生能源供应的增长；成熟期风险资本的增长在低状态时阻碍了环境技术创新的发展，在高状态时促进了CO2生产率提高，在低状态中促进了可再生能源供应的增长；在整个风险投资中，风险资本的增长在高状态下会阻碍环境技术创新的发展、促进可再生能源供应的发展，而在高低两种状态下均会促进CO2生产率提高。

5.2 启示

风险投资是促进中国经济实现绿色增长的关键性资金支持方式，因此在目前国家大力实行绿色贷款的情况下，对清洁技术进行资金支持同时也应该努力加大社会资本对绿色经济的风险投资，同时在风险资本计划对清洁技术进行投资时应根据企业的实际情况，在能够积极影响经济实现绿色增长的投资阶段中投入合理的资金，从而提高风投资金的使用效率；重视促使经济实现绿色发展的清洁技术的风险投资，积极拓宽绿色经济的融资渠道，使清洁技术投资实现多样化、合理化；制定出台政府引导、协会组织、中介桥梁、平台推广方式的相关政策措施，充分促进风险投资与清洁技术产业融通发展，推进清洁技术产业化、一体化进程；通过减税等政策倾斜方式营造宽松的政策环境，进而吸引与保障风险投资对清洁技术产业的资金与技术支持。

各地方政府也应根据本地区实际情况，在国家总体政策的基础上研究并颁布实施相应政策来促进风险投资与清洁技术产业的协同发展。积极努力拓宽风险资本的来源渠道，在政府投资与国际风险资本参与的基础上拓宽企业司资本的投资路径，积极吸引和促进社会资本、民间资本以风险投资的方式支持清洁技术企业的发展，营造良好的企业发展环境与人才培养环境，促进清洁技术企业不断进行技术创新，通过强化技术竞争力和持久力推动企业核心技术竞争水平提升，最终带动全社会经济实现绿色发展。

注释：

1）华北地区包括：北京市、天津市、河北省、山西省；东北地区包括：黑龙江省、吉林省、辽宁省、内蒙古自治区；华东地区包括：上海市、江苏省、浙江省、安徽省、江西省、山东省、福建省；华中地区包括：河南省、湖北省、湖南省；华南地区包括：广东省、广西壮族自治区、海南省；西南地区包括：重庆市、四川省、贵州省、云南省、西藏自治区；西北地区包括：陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区。