金融要素集聚的绿色创新效应:空间关联特征与城市群异质性

王 韧,段义诚,刘柳巧

(1.首都经济贸易大学 金融学院,北京 100070;2.重庆工商大学 金融学院,重庆 400067)

一、引言

构建面向资源节约和污染减排的区域绿色技术创新体系,不仅是加速绿色经济转型和实现“碳达峰”“碳中和”目标的重要基础,更是推动经济转型升级和经济高质量发展的关键一环。而在政策实践中,构建以市场为导向的绿色技术创新体系,支持绿色技术创新也成为实现中国经济绿色发展的重要方向性指引。

增强金融服务实体经济能力是实现经济转型发展目标的重要依托。理论上看,金融要素集聚作为现代金融产业的空间组织形式,有助于为绿色技术创新活动提供针对性资金支持,改善技术研发效率与成果转化效率,进而激发区域绿色技术创新的活力与潜力;同时也能够降低绿色技术创新的跨期风险,并借助信息传递的规模效应和融资约束的缓解效应,形成地理上的空间辐射和溢出,进而为区域绿色技术创新活动形成显著的正向驱动。

国内区域经济发展正在改变传统依赖于“行政单元”或“行政层级”的空间布局模式,并沿着“中心城市—都市圈—城市群”逐步拓展,城市群现已成为承载区域经济协同的主要空间载体。而金融要素的空间集聚和溢出效应作为区域协调发展的关键驱动因素,其在城市群内部的格局形态演变不仅有助于打破传统的“行政经济区”束缚,加速跨城要素流动、资源配置、信息交流和产业合作,也会深刻影响区域绿色技术创新体系的构建形态和运行效率。

综合以上的理论逻辑与现实需求,从城市群这一特定空间视角出发,系统梳理金融要素集聚与绿色技术创新的空间关联效应及其异质性特征,进而对区域绿色技术创新体系建设提供针对性、差异化的政策建议,不仅有助于丰富和完善金融支持区域绿色发展的相关理论研究,也有助于从空间依存性和空间异质性角度深化区域绿色技术创新体系建设的实践探讨。

基于国内特有的经济发展模式、空间布局形态以及广泛存在的区域经济差异,同时结合当前阶段“都市圈—城市群”为主线的经济空间重构趋势,本研究依据权威政策文件选择目前国内十大代表性城市群作为研究样本,全面纳入对不同城市群空间格局形态、行政层级特征以及经济发展程度等因素的考量,系统审视金融要素集聚与绿色技术创新的空间关联特征及其区域异质性来源,进而探索针对性、差异化的区域绿色技术创新体系建设方案。

本研究的边际贡献在于:首先,依托于城市群这一新型空间载体,并在研究样本上尽可能覆盖国内不同模式与形态的典型城市群,有助于突破传统上聚焦于单一城市所带来的研究局限,不仅更加契合于绿色技术创新本身的空间演化特征,也更符合区域协同发展的全新时代要求;其次,通过综合运用ArcGIS等可视化空间分析技术和空间统计计量方法,有助于多维度识别不同城市群内部金融要素集聚与绿色技术创新的时空演变特征和空间互动关系,并在此基础上围绕绿色技术创新本身的类型区分,以及不同城市群之间在空间形态结构、行政层级特征、经济发展状况等方面的差异,全面考察金融要素集聚对绿色技术创新的空间异质性影响,进而基于特定城市群的空间异质性特征探索绿色技术创新的差异化政策安排。

二、文献综述

金融集聚概念发轫于对金融服务功能的探索。Pandit等认为金融集聚服务于产业集聚的特定需求,Brülhart等认为金融集聚就是立足于降低交易成本并催生规模经济和范围经济效应的金融要素自发汇聚[1-2]。国内研究大致可区分为静态和动态两种视角,静态层面的金融集聚被定义为金融机构、跨国企业、国内公司总部间紧密合作并具有总部功能的机构在特定区域汇聚形成的特殊产业空间组织,也即在特定区域空间内达到一定规模和集中度的金融产品、金融工具、金融机构、金融制度、金融文化等不同金融要素的有机结合状态[3]。动态层面的金融集聚多用于描绘金融要素因为实际需求而向产业中心靠拢的状态,更强调的是金融要素与外部经济环境相互影响和促进的动态过程,即金融要素在地理空间上的动态调整,进而在特定空间形成密集金融体系,并优化资源配置、降低要素流动成本的动态变化过程[4-6]。

对于金融集聚程度的测度,现有研究大致包括单一指标测度和综合评价体系两条路径。通常使用的单一测度指标包括区位熵指数、空间基尼系数、行业集中度和赫芬达尔指数等,由于区位熵指数能更好消除规模因素影响并反映金融要素的空间分布特征,因此应用最为广泛,但实践中的基础指标选择不尽相同[7-8]。综合评价体系倾向于选择多个能够反映金融集聚状况的指标来进行指标体系构建,并通过因子分析法、主成分分析法、熵值法等进行金融集聚水平的综合指数测算[9-10]。

绿色技术创新源自于传统技术创新理论与绿色发展理论的交叉结合,是通过技术创新手段推动经济—环境—社会协调统一发展的工具,其概念界定和具体内涵已在相关研究中得到广泛讨论。对于绿色技术创新的实际测度评价,现有研究大致沿着三种路径展开。一是基于投入产出的效率视角,确定具体的投入产出指标,进而运用随机前沿分析(SFA)为代表的参数方法和数据包络分析(DEA)为代表的非参数法来测算绿色技术创新效率,如肖黎明等基于SFA模型对国内区域绿色技术创新效率的测度比较[11];部分文献运用DEA模型对国内能源密集型行业以及其他工业行业绿色技术创新效率的测算[12-14]。二是构建综合评价指标体系,并透过主成分分析法、层次分析法及熵值法等对绿色技术创新水平的评价,如葛世帅等围绕绿色创新投入、绿色创新产出和绿色创新基础构建了包含46个评价指标的区域绿色创新能力评价体系[15]。三是通过绿色专利数据来衡量和刻画绿色技术创新水平,该种路径因为产出指标明确,也被新近的多数研究所推崇,比如王馨等以绿色发明专利申请数量表征绿色创新质量,以绿色实用新型专利申请数量度量绿色创新数量,并以两者之和描绘绿色技术创新的总量特征[16];Li等使用绿色专利申请数据来衡量绿色技术创新,进而研究环境信息披露与区域绿色技术创新的关系[17]。

对于绿色技术创新的影响因素,相关文献多围绕内部和外部两种视角展开探索:内部因素探讨更多关注微观企业研发和管理活动的实际影响效应,如Li等的研究显示,微观企业质量管理是绿色技术创新活动的重要驱动机制[18];王欣欣则从更宏观的视角引入了对于风险投资因素的考量,发现较之于企业自身的研发投入,引入风险投资更能够促进企业的绿色技术创新活动[19]。对于外部因素的探索则更多与企业经营活动所面临的制度政策环境相关联,比如中国特有的财政分权架构、环境规制政策的实施、外商直接投资的引入等对于企业绿色技术创新活动的影响:陈斌等则综合考察了国内的财政分权架构和区域性环境规制对于绿色技术创新活动的影响,认为财政分权的水平和效率以及自上而下的环境规制都是推动绿色技术创新的积极因素[20];成琼文等则认为经济的市场化程度、经济的对外开放程度以及环境规制的强度共同构成了企业绿色技术创新效率提升的关键驱动,其中绿色技术研发更多受到技术环境的影响,而绿色技术转化则主要受市场环境和政策环境制约[12]。此外也有部分研究关注了产业集聚对于绿色技术创新的影响[21]。

金融要素集聚之于绿色技术创新的实际影响在理论研究中也逐步受到关注,初期的研究探索主要围绕着两条路径展开。一是金融要素集聚的创新影响,Benfratello等发现金融集聚水平越高越有利于推动科技创新活动[22];纪祥裕运用地级市面板数据验证了金融要素集聚对于城市创新能力的影响,但也发现该种影响会因为城市区位、规模和禀赋差异而呈现异质性特征[23]。二是金融要素集聚的环境效应,如李治国等基于动态空间杜宾模型梳理了金融要素集聚的节能减排效应,发现金融集聚对于本地和周边地区的碳排放均表现出明显的倒N型曲线关系[24]。而在金融要素集聚对于绿色技术创新的具体影响效果,现有文献多强调金融要素集聚对于本地绿色技术创新水平的正向驱动作用,但空间溢出效应的检验结果则存在较大差异:陈晓霞等的实证研究显示,金融要素集聚对于工业领域绿色创新研发效率具有显著的正向驱动,但其更多表现为本地效应,而对临近地区的空间溢出效应并不明显,且金融要素集聚对于工业领域绿色创新成果的转化效率提升存在一定瓶颈,不仅本地效应并不明显,而且呈现出对于邻近地区的显著负效应[25];张东等通过使用两阶段网络SBM模型梳理金融要素集聚状态与区域工业绿色创新效率的空间关联特征,发现金融要素集聚只能在研发阶段对本地区工业绿色创新效率的提升形成一定程度的正向影响,而其空间溢出效应更多局限于技术成果转化阶段,且主要呈现为空间上的“虹吸”效应和负向影响[26]。部分研究文献也对金融要素集聚之于绿色技术创新的影响机制做了进一步探讨:金芳等认为金融要素集聚覆盖空间内的金融机构可以共享中小企业信息,降低信息获取成本,进而推动金融机构更全面及时地了解中小企业经营情况以及融资项目风险,由此可以为高投入、高风险、高收益的绿色技术创新提供更有力的资金保障,使其研发过程更具有稳定性[27];冯锐从金融机构竞争角度出发,认为金融要素集聚可以通过金融机构竞争为企业绿色技术创新提供资金资源、人力资源和信息资源,从而推动绿色技术创新水平提升[28]。

综合以上的文献梳理,虽然目前面向金融要素集聚和绿色技术创新两个主题的相关研究探索较为丰富,但对两者空间关联关系及其异质性特征的讨论则相对较新,而且在实证过程中,因为研究样本选择或研究方法应用上的差异,相关文献在研究结论和观点方面的一致性较低。另外,现有的实证研究更多局限于传统的行政单元视角,而缺乏从城市群这一新时期经济协同发展的新型空间载体展开相应的异质性诊断。研究方法层面,现有理论模型设定多基于普通面板模型展开,而相对忽略了统计数据空间可视化与空间计量分析方法的结合。由此,在城市群这一新型的空间载体视角下,透过国内具有代表性的城市群样本,全面审视金融要素集聚对绿色技术创新的空间影响效应及其异质性特征,进而提出针对性、差异化的政策建议,不仅在理论层面具备一定参考价值,也有助于丰富相关研究探索的时代内涵。

三、理论梳理与指标构建

(一)理论机制梳理

综合前面分析,绿色技术创新的经济与环境效应存在着一定程度的背离,其不仅具有着较强的正外部性,也同时存在着研发投入大、回报周期长等问题困扰,因此天然对金融资源的支持程度具有较高的依赖性。也正是基于此,绿色金融发展对于绿色技术创新的重要性日益受到理论界关注。国外文献又将绿色金融称之为“环境金融”或“可持续金融”,认为可持续金融的发展有助于推动碳中和的实现[29]。国内对于绿色金融的权威界定则来自于2016年8月中国人民银行等7部委发布的《关于构建绿色金融体系的指导意见》,认为绿色金融是面向环境改善、应对气候变化和资源节约高效利用支持的金融活动,对支持绿色技术创新和经济绿色转型至关重要。具体的理论机制上,绿色金融发展的功能在于能够有效分担绿色技术创新活动的外部性成本,进而充当绿色技术创新水平提升的重要基础;但从实际操作层面看,因为对于绿色项目的投资往往投入资金大,回报周期长,同时还面临着绿色项目评估难,以及具体项目推进过程中对于资金流向的严格监管和对于道德风险的有效控制等难题,这些因素也会对区域绿色金融发展形成一定程度的限制。而金融要素空间集聚的功能正在于通过规模效应增强区域内金融机构的风险管理能力,通过缓解信息不对称问题降低绿色项目的评估难度,同时还能够通过信息交流增强对金融资源流动的引导和监管,由此可以针对性解决金融支持绿色发展过程中的难点痛点,推动绿色金融的发展,进而助力区域绿色技术创新活动。从这一角度看,绿色金融实质上构成了金融要素集聚助推绿色技术创新的关键传导机制。而依据上面的理论梳理,提出本文的假设H1:

H1:金融要素集聚可以通过推动绿色金融发展水平提升,推动区域绿色技术创新水平的提升,即存在“金融要素集聚—绿色金融发展—绿色技术创新”的传导路径。

而从更细致的空间维度看,金融要素集聚对于绿色技术创新的空间影响效应实则包含着两个层面的内容:一是金融资源和金融要素在特定空间范围内的集聚会深刻影响当地绿色技术创新的外部环境,从而产生显著的本地效应,结合前面对相关研究文献的梳理以及关于金融要素集聚影响绿色技术创新水平的传导机制分析,金融要素集聚对于当地绿色技术创新水平提升理应存在明显的正向驱动作用;二是金融要素空间集聚会产生一定程度的空间溢出效应,进而对邻近地区的绿色技术创新活动形成影响。理论逻辑上,空间溢出效应又可以细分为“涓流效应”和“极化效应”,其中,所谓“涓流效应”是指区域内金融要素集聚达到一定水平后可以向周围地区扩散,进而对周围地区的发展起到正向带动;而所谓“极化效应”则是指区域内金融要素集聚所带来的发展优势有助于进一步吸引周围地区资源向本地区集中,进而对周围地区发展形成负向拖累。经济实践中,“涓流效应”和“极化效应”两种不同效应之间的博弈主导着金融要素集聚与绿色技术创新的具体空间关联特征:一方面,在“涓流效应”影响下,金融要素在特定空间范围内的集中会通过竞争机制抬升区内绿色创新项目的投资成本,并导致部分资源流向邻近区域进行投资机会搜索,进而带动周边地区绿色技术创新水平提升;另一方面,在“极化效应”影响下,金融要素集聚地的丰富资源又会吸引邻近地区绿色创新项目汇聚以寻求更多的金融服务支持,进而对临近地区绿色技术创新水平形成冲击,并导致地区间绿色技术创新水平的差距趋于放大。基于以上两种机制的相反作用,对金融要素集聚之于绿色技术创新的空间溢出效应仍需有进一步的实证检验,因之围绕各种影响因素展开多维度区域异质性诊断,由此提出本文的第二个假设H2:

H2:金融要素集聚有助于推动本地绿色技术创新水平的提升,但在空间溢出效应上则会因为不同区域因素的制约而呈现出一定的异质性特征。

(二)关键指标构建

1.金融集聚程度指标构建

区位熵指数能较好控制城市规模差异并反映区域要素的空间分布状况,因此这里参考张鹏等的做法,使用区位熵指数描述金融集聚程度[30],具体公式如下:

(1)

其中,FAit表示城市i在t年的金融集聚水平;DLit表示城市i在t年年末的金融机构存贷款余额;GDPit表示城市i在t年的实际GDP值;DLt表示t年城市群金融机构存贷款余额之和,GDPt表示t年城市群实际GDP之和。区位熵取值越大,意味着金融集聚程度越高。

2.绿色技术创新水平指标构建

绿色技术创新的界定源于世界知识产权组织(WIPO)2010年的“国际专利分类绿色清单”,并被国内外研究广泛采用。鉴于实践中对绿色专利授权数和绿色专利申请数的选择仍有分歧,且专利授权数会更多受到行政因素影响且存在更高不稳定性[31],这里参考王馨等的做法,选择绿色专利申请数量反映城市绿色技术创新,并加总绿色发明专利申请量和绿色实用新型专利申请量得到绿色专利申请总量,数据取自国家知识产权数据库[16]。

3.样本城市群的界定与选择

样本选择方面,为对城市群金融要素集聚与绿色技术创新的空间联动关系进行实证检验,这里依据国家发展和改革委员会的权威界定,同时参考尚永珍等的研究,选择国内十大典型城市群作为研究样本,具体包括长三角、珠三角、京津冀、长中游、成渝、海峡西岸、中原、关中平原、辽中南和山东半岛[32]。鉴于上述样本城市群不仅构成了新时代中国经济转型发展的重要支撑点,同时也涵盖到东、中、西三个不同地域,并能较全面覆盖国内城市群发展的不同空间模式与空间格局,因此具有较好的典型性和代表性。基于以上样本城市群选择,后续实证的样本涵盖159个地级市,详见表1,数据时间跨度为2008—2019年。

在实际工作中，除加强口岸检疫外，还须制定相应的防除措施和跟踪监测体系且落实到实处[17-18]，把此类入侵性、高危害性的杂草控制在一定的范围内，做到早发现、早防除，保护我国的农业和生态环境。

表1 样本城市群选取以及具体的城市覆盖

四、统计测度与基准回归

(一)金融要素集聚与绿色技术创新的统计测度

1.指标测算与趋势演变

结合上述指标构建方法,这里首先对十大样本城市群的金融要素集聚程度及其绿色技术创新水平进行统计测度,进而通过绘制折线图的方式对两项指标的时间演变趋势进行形象化展示,详见图1。统计结果显示,基于区位熵方法测得的样本城市群金融要素集聚程度呈现出明显的波动抬升趋势,但不同城市群之间存在着一定的分层特征和个体差异:长三角、珠三角和京津冀城市群属于金融集聚的第一梯队,且京津冀和珠三角城市群的金融集聚强度明显强于长三角城市群,核心城市的辐射带动作用更为明显。关中平原、海峡西岸和成渝城市群的金融集聚水平属于第二梯队,变化趋势与样本总体基本保持一致;辽中南城市群的金融集聚水平较第二梯队相对落后,但逐步上升趋势更为明显;山东半岛、长江中游和中原城市群的金融集聚水平相对较低,其中长江中游和中原城市群的金融集聚呈现波动上升趋势,而山东半岛城市群的金融集聚程度则有波动下降迹象。上述测度结果与经验判断基本保持一致。

图1 国内十大典型城市群金融集聚的时间演变趋势

图2展示了样本城市群绿色专利申请总量的时间演变趋势。总体而言,2008—2019年不同城市群的绿色专利申请数量逐年上升,且在2014年后加速增长,可能源于2014年修订的《中华人民共和国环境保护法》为绿色技术创新提供的更强创新激励效应。从内部结构看,绿色发明专利的增速更快于绿色实用新型专利,显示绿色技术创新的质量逐步改善。

图2 中国十大城市群绿色专利申请总量的时间演变

图3则展示了不同城市群的绿色专利申请数量变化。结果显示,长三角、珠三角和京津冀三大城市群的绿色技术创新优势明显,珠三角城市群的绿色技术创新更是在2014年后呈现爆发式增长态势,展现出较强的政策响应能力。相对而言,长江中游、成渝、海峡西岸、关中平原、中原和辽中南等城市群的绿色技术创新整体水平较低,且增长较为缓慢。

图3 中国十大城市群绿色专利申请量的时间演变

2.空间相关检验和空间聚类分析

基于以上指标测度结果,这里进一步通过空间莫兰指数(Moran’sI)对金融要素集聚程度和绿色技术创新水平两个关键指标的空间相关性做了相应的诊断描述,具体公式如下:

(2)

表2 金融要素集聚和绿色技术创新的空间相关性检验

(二)金融集聚推动绿色技术创新水平的实证检验

1.空间计量模型构建

综合前面的统计描述结果,样本城市群范围内的金融要素集聚与绿色技术创新均呈现出较为明显的空间相关性和空间溢出特征,直接套用普通面板计量探索两者间的空间联动关系可能会导致回归结果上的偏差,由此这里首先构建如下形式的空间面板杜宾模型:

Tgreenit=α0+β1FAit+β2Controlit+ρWijTgreenit+θ1WijFAit+θ2WijControlit+μi+vt+εit

(3)

其中,下标i,j代表城市,t为年份;Tgreen表征城市绿色技术创新水平;FA为城市金融集聚程度;Control为控制变量集。βi用于反映各类解释变量对本地绿色技术创新水平的影响;θi用于刻画各解释变量对邻近地区绿色技术创新水平的影响;Wij为空间权重矩阵;ρ为空间滞后回归系数,反映相邻区域间绿色技术创新水平的交互影响;α0是常数项;μi为个体固定效应;vt是时间固定效应;εit为随机干扰性。参考相关文献,控制变量集涵盖7项指标。一是经济发展水平(PGDP):用人均GDP对数表示,鉴于经济发展水平提升有助于改善区域创新环境,预期其影响为正;二是产业结构(IND):用第二产业与第三产业增加值之比衡量,考虑到绿色技术创新同时覆盖工业和服务业,其最终影响需综合考量;三是人口密度(DEN):人口空间集聚有助于产生规模效应和知识溢出,也会增强环保方面的舆论监督压力,预期其影响为正;四是政府创新支持(GOV):用地方政府科技支出与公共财政支出之比衡量,政府支持有助于科技创新激励,预期其影响为正;五是外商直接投资(FDI),用年均汇率折算的实际利用外资总额与地区GDP之比表征,吸引外资虽有助于催生技术示范和溢出效应,但因为跨国产业转移可能存在“污染天堂”现象[33],其又可能对绿色技术创新形成负向拖累,其最终影响需综合衡量;六是环境规制(REG):借鉴岳立等的研究,用工业固体废物综合利用率指标衡量[34],鉴于严格的环境规制有助于倒逼企业绿色技术创新,预期其影响为正;七是基础设施建设(INF):用人均城市道路面积充当代理变量,因为基础设施建设有助于增强城市群内部的创新资源连接,预期其影响为正。其中,绿色专利数据来源于国家知识产权数据库,其余数据采自《中国城市建设统计年鉴》《中国城市统计年鉴》及相关省市统计年鉴和统计公报,个别缺失数值采用均值法补齐,时间范围为2008—2019年。

表3提供了模型相关变量的描述性统计结果,并在表4中使用相关系数分析和方差膨胀因子(VIF)对相关解释变量进行了多重共线性诊断。借鉴程惠芳等提供的判断标准[35],变量间的相关系数小于0.85,方差膨胀因子VIF均小于3,相互间不存在严重的多重共线性风险,展开相应的空间计量检验具有一定的统计支撑。

表3 模型变量的描述性统计结果

表4 模型变量的相关系数和VIF检验

2.模型适用性检验

空间计量分析首先需要进行具体的模型形式判断和选择。由表5可知,LM(robust)检验结果显示,空间滞后模型与空间误差模型在检验金融集聚程度对城市绿色技术创新水平的空间效应方面都具有更好的适用性。在此基础上的LR检验和Wald检验显示,估计结果均在1%的显著性水平下拒绝原假设,即空间杜宾模型不能直接简化为空间滞后模型或空间误差模型,由此这里使用空间杜宾模型展开后续的空间计量分析。更进一步地,Hausman检验也在1%的置信水平上显著拒绝了原假设,同时LR检验结果也表明仅考虑时间固定和地区固定效应时都可能产生一定的偏差。综合以上检验结果,选择同时考虑时间和空间双固定效应的空间面板杜宾模型更适于对金融集聚程度与城市绿色技术创新水平的空间关系进行识别。

表5 普通面板模型的检验结果

3.基准回归结果

为方便比较总结,表6同时罗列了基于普通面板模型与空间杜宾模型的估计结果。估计显示:无论是采用普通面板模型还是空间杜宾模型,核心解释变量金融集聚程度对于绿色技术创新水平的影响系数均显著为正,表明金融要素集聚确实有助于提升绿色技术创新水平。

表6 金融要素集聚对绿色技术创新的空间计量模型估计

考虑到在现有文献中,对于仅通过空间自回归系数和空间滞后项系数等来判断空间溢出效应仍存在一定的分歧,而借助偏微分方程对解释变量影响的空间溢出效应展开进一步分解能够提供更为有效的佐证[36],因此这里也做了进一步的空间效应分解。

依据表7的计量结果,金融要素集聚作为核心解释变量对城市绿色技术创新水平的直接效应系数为0.324 8,且在1%的水平下显著;间接效应系数为1.000 4,也通过了5%的显著性检验;间接效应明显高于直接效应,说明金融要素集聚对城市绿色技术创新不仅能产生显著的正向直接效应,也同时存在着显著且强烈的空间溢出效应,即金融要素的空间集聚不仅能够直接推动本地城市的绿色技术创新水平提升,也会带动周边地区的绿色技术创新。

表7 基于空间杜宾模型的效应分解

控制变量方面,第一,PGDP对城市绿色技术创新具有显著正向驱动,符合一般的理论逻辑;但其间接效应不显著,甚至存在着一定程度的负向拖累,这可能源于国内特有的“地方政府锦标赛”对绿色技术创新成果外溢的阻碍;第二,IND对本地绿色技术创新存在显著正向驱动,这与第二产业充当了绿色技术创新的主要载体关系密切;第三,DEN对城市绿色技术创新同时呈现显著的直接效应和空间溢出,印证了人口集聚对于绿色技术创新的规模经济效应与知识溢出效应;第四,GOV对于绿色技术创新同样存在显著的直接效应和间接效应,证明政府对科技创新的支持和激励具有明显的正向效果,且会通过地方竞争加以放大;第五,FDI对城市绿色技术创新的直接效应不明显,且间接效应和总效应显著为负,证实了“污染天堂”问题的现实存在性;第六,REG对城市绿色技术创新的直接效应和间接效应均显著为正,验证了环境规制对于区域绿色技术创新的推动作用;第七,INF可以直接推动本地绿色技术创新水平提升,说明基础设施改善有助于吸纳优质要素,进而形成创新驱动。

五、机制检验与异质性诊断

(一)基于传导路径的机制检验

结合前面的理论机制梳理,金融要素的空间集聚主要会通过推动区域绿色金融的发展进而对绿色技术创新水平提升形成正向激励,这里首先进一步对该种理论机制及其具体传导路径展开进一步的机制检验,从而对假设H1进行论证。变量选择方面,考虑到现有研究对于区域绿色金融水平的统计测度整体仍处于起步阶段,方法论上也远未统一。而在绿色金融发展刻画的空间维度方面,因为地级市层面的细项统计数据完整性较差,现有文献基本将实证研究的视角放置于省级行政区数据之上。基于现有研究进展,同时综合考虑数据可得性以及与基础回归中样本的一致性,本文首先探究省内各地级市金融集聚水平的提升是否有助于促进全省绿色金融的发展,之后进一步考察省内绿色金融发展水平的提升是否能够促进各地级市绿色技术创新水平的提升,进而对“金融要素集聚—绿色金融发展—绿色技术创新”的具体传导路径展开相应机制检验,并为前面的基准回归结果提供进一步的理论支撑。

参考相关文献,在区域绿色金融发展水平的刻画方面,这里使用各省级行政区工业领域六大高耗能产业的利息支出总额与该省全部工业产业的利息支出总额之间的比值U作为负向代理指标,即区域绿色金融水平(Gfin)用(1-U)表示,U值越低,对应区域绿色金融发展水平越高,反之则反。在此基础上可以构建如下形式的机制检验模型:

Tgreenit=β0+β1Gfinit+β2Controlit+εit

(4)

Gfinjt=γ0+γ1FAjt+γ2Controljt+εjt

(5)

其中,i代表城市,t代表相应年份,Tgreen为绿色技术创新指标,本文同时汇报了绿色专利总数、绿色发明专利以及绿色实用新型专利数量作为被解释变量的回归结果,作为稳健性检验。Control为地级市层面的控制变量集,与基础回归中保持一致。式(5)中,j代表具体省份,t代表相应年份。FA为金融集聚水平,为保持样本一致性,基础回归中各地级市金融集聚水平分省求均值得到省级层面的金融集聚水平的代理指标,Control为控制变量集,综合现有文献,这里主要引入了以下7项指标:一是经济发展程度(Pgdp),用各省级行政单位的人均GDP取值表征;二是人口密度(Den),用各省级行政区每平方公里人口的自然对数表示;三是城镇化率(Ricky),用各省级行政区城镇人口的占比表征;四是能源消耗强度(Energy),通过统一转换为标准煤消耗量,计算各省级行政区单位产值的能源消耗量指标获取;五是政府的创新支持水平(Sci),用各省级行政区财政支出中科学技术支出占一般预算支出的比值表示;六是产业结构(Ind),用各省级行政区第二产业产值与GDP比值表示;七是对外开放水平(Open),用各省级行政区进出口总额与当地GDP规模的比值表示。样本选择方面,为与前面的基准回归保持空间口径的一致性,这里只选择十大样本城市群所覆盖的19个省份作为样本,时间跨度同样为2008—2019年。

表8中的估计结果列(1)～(3)描述了区域绿色金融发展水平对于绿色专利总数、绿色发明专利数、绿色实用新型专利数三个绿色技术创新代理指标的实际影响效应,估计结构列(4)则展示了金融要素集聚程度对于区域绿色金融发展水平的具体影响。

表8 “金融集聚—绿色金融—绿色创新”的机制检验结果

表8的估计结果显示,在省级行政区维度,绿色金融发展对绿色专利总数以及不同绿色专利数量均在1%的显著水平上具有正向促进作用,这说明绿色金融发展水平提升确实有助于推动绿色技术创新水平进步。估计结果列(4)则显示,辖区内地级市金融集聚水平的提升在1%的置信水平上促进了省内绿色金融发展水平的提升,这也契合于前面的理论机制分析结论:金融要素的空间集聚可以通过规模效应和信息共享缓解绿色项目评估中的信息不对称问题,进而推动区域绿色金融发展。综合估计列(1)～(4),金融要素集聚有助于推动区域绿色金融发展,区域绿色金融发展则有效分担了绿色技术创新活动的外部性成本,由此“金融要素集聚—绿色金融发展—绿色技术创新”的逻辑传导链条得以验证,本文的假设H1成立。

(二)基于不同维度的异质性诊断

1.区分绿色专利的不同类别

鉴于绿色专利同时包括绿色发明专利和绿色实用新型专利,而两者在创造性和新颖性程度方面存在着本质性的区别,因此这里参考王馨等的做法,将绿色发明专利定义为深层绿色技术创新,同时将绿色实用新型专利定义为浅层绿色技术创新,在此基础上进行实证结果的比照分析,进而探讨金融要素集聚对于不同类型绿色技术创新的异质性促进作用[16]。

表9的估计结果显示:金融要素集聚对不同类别的绿色专利创新均呈现出显著的本地直接效应,同时对于绿色发明专利的空间溢出效果更为强烈而显著,这意味着金融要素空间集聚更有利于推动深层次的绿色技术创新,进而促进区域绿色技术创新质量的整体提升。而从总效应看,金融要素集聚对于绿色发明专利的正向驱动作用也明显更高,意味着其对深层绿色技术创新的推动作用要显著强于对浅层绿色技术创新的推动作用。理论而言,这主要源于金融要素集聚往往同时伴随着人才和科技的集聚,这不仅能对企业的创造创新形成激励,也能够凭借知识溢出和技术交流产生的正外部性强化区域整体的绿色技术创新能力。

表9 基于不同绿色专利类别的空间异质性诊断

2.区分金融集聚的不同模式

考虑到国内城市群的金融要素集聚大致存在着单核和双(多)核两种不同的空间形态,因此这里据此做了进一步的空间异质性诊断。依据前面的金融集聚程度指标测算,若城市群内存在一个高金融集聚水平的城市,则设定为单核集聚城市群;若存在两个或两个以上高金融集聚水平的城市,则设定为双(多)核城市群。按照这一标准,样本中的单核城市群包括:京津冀城市群(北京)、中原城市群(郑州)、关中平原城市群(西安);双(多)核城市群包括:长三角城市群(一核多柱)、珠三角城市群、长中游城市群、成渝城市群、海峡西岸城市群、辽中南城市群和山东半岛城市群。表10展示了相应的异质性诊断结果。

表10 基于不同金融集聚模式的空间异质性诊断

直接效应而言,无论是单核还是双(多)核城市群,金融要素空间集聚均有助于推升本地的绿色技术创新水平;而从间接效应看,双(多)核城市群的空间溢出效果显著高于单核城市群,说明该种金融要素集聚模式更有助于发挥其对绿色技术创新能力的增进作用;总效应方面,也是双(多)核模式的金融要素集聚更能推动绿色技术创新水平提升。这一结果意味着对于绿色技术创新而言,双(多)核模式的金融集聚更有助于有效的要素资源互享,进而催生出更为明显的空间辐射效应;而单核模式的金融集聚则更易引致科技研发资源向金融中心城市的流入和集中,进而放大城市群内部在绿色技术创新层面的空间不均衡性。

3.区分行政层级与战略定位

鉴于国内城市发展和技术创新均深受行政层级和行政单元因素制约,而国家级城市群与区域性城市群无论在经济发展环境还是资源整合能力方面都存在巨大的差异,因此这里也参考黄跃等的划分标准[37],将样本城市群区分为国家级和区域性两个子集进行分组回归以考察其异质性影响特征。其中,国家级城市群包括长三角、珠三角、京津冀、长中游和成渝城市群;区域性城市群则涵盖海峡西岸、中原、关中平原、辽中南和山东半岛城市群。

表11的估计结果显示,金融要素集聚在两类城市群中均呈现出显著的正向直接效应,即能够显著推动本地绿色技术创新水平提升;但是区域性城市群相对于国家级城市群反而能形成更加明显的间接效应,即在区域性城市群中,金融要素的空间集聚能够发挥出更为明显的“涓流效应”,金融中心城市也能够对周边城市的绿色技术创新形成更强的空间溢出;在金融要素集聚对区域绿色技术创新的总效应方面,区域性城市群也显著强于国家级城市群。

表11 基于不同行政层级城市群的空间异质性诊断

理论逻辑上讲,出现上述现象的原因主要还是源于行政层级因素的影响。因为国家级城市群中的金融中心城市往往对应着国家重点城市,其金融体系和研发资源均因此承担着更大范围内的国家战略,因此对于地理距离视角的周边城市,反而难以形成绿色技术创新层面的共享和溢出效应。而对于那些区域性城市群而言,因为金融中心城市也同时承担着引领区域经济发展的任务,因此反而更加注重与周边城市在绿色技术领域的创新合作,该种机制安排也更有利于在绿色技术创新方面与邻近城市的协调互动。从这一角度讲,推动国家中心城市在服务国家战略和引领区域发展方面的平衡,构成了加速绿色技术创新溢出的重要着力点。

4.区分经济发展的程度差异

理论而言,金融要素集聚的空间效应还会受到区域经济环境的制约,为控制经济发展程度差异对于实证结果产生的影响,这里也依据样本城市群在考察期内的人均GDP水平将其区分为高经济发展城市群和低经济发展城市群两个组别,以展开进一步的异质性诊断。

依据表12的估计结果,金融要素集聚对于绿色技术创新的空间效应确实会受到城市群经济发展程度的制约。无论是高经济发展程度还是低经济发展程度组别,金融要素集聚均能够直接促进本地的绿色技术创新活动。但是从间接效应和总影响效应看,高经济发展城市群内部的金融要素集聚对周边城市绿色技术创新的空间溢出效应明显强于低经济发展城市群。这意味着经济发展程度更高的城市群中,金融体系对于区域绿色技术创新的服务能力更强,绿色技术创新的区域推广应用更为迅速,由此核心城市金融要素集聚对区域整体绿色技术创新的辐射带动作用也会更为明显。从这一角度看,依据区域经济发展状况推动金融要素的空间集聚,更有助于增强其对区域绿色技术创新的推动作用,进而释放区域绿色发展的潜力。

表12 基于不同经济发展程度城市群的空间异质性诊断

结合以上的基准回归结果和不同维度的异质性诊断结果,在不同区域视角的研究样本中,金融要素集聚均显著促进了本地绿色技术创新水平的提升,但在异质性检验中不同地区金融集聚促进绿色技术创新水平提升的空间溢出效应则存在差异,据此本文的假设H2也得到验证。

六、稳健性检验

为保证基准回归结果的稳健性特征,同时更好验证金融要素集聚之于城市绿色技术创新的空间效应,这里通过动态空间面板模型估计、空间权重矩阵置换和研究样本截取剔除等三种不同方式进行相应的稳健性检验,以规避可能存在的内生性和有效性问题。

(一)动态空间面板模型估计检验

鉴于核心解释变量的内生性问题会显著冲击估计结果的有效性,而动态空间面板模型提供了一种较好的内生性诊断方法,因此这里首先基于该方法提供了相应的内生性检验结果。依据表13的动态空间面板模型估计,绿色技术创新自身确实存在一定的时间滞后效应,即前一期的绿色技术创新水平会显著影响下一期的绿色技术创新活动;但即使考虑被解释变量自身的时间依赖性,金融要素集聚对于城市绿色技术创新水平提升依然呈现出显著的直接影响效应和空间溢出效应,由此进一步支持了基准回归结果。

表13 动态空间面板模型的估计结果

(二)空间权重矩阵置换检验

考虑到空间权重矩阵选择对于空间计量回归结果存在着显著影响,而绿色技术创新活动本身又会受到区域经济发展程度的制约,因此这里将地理距离空间权重矩阵更换为经济地理距离空间权重矩阵展开进一步稳健性检验。同时考虑到基于经济距离的空间权重矩阵会受时间差距因素影响(比如人均GDP取值会随着时间变化而变化),因此这里统一采用样本区间内人均GDP指标的平均值进行测算。具体的经济地理距离空间权重矩阵公式为:

(6)

其中,dij表示城市i与城市j之间地理距离的倒数,Yi表示城市i的人均GDP,Y表示城市i所在城市群内全部城市人均GDP的平均值。

(三)样本截取检验

结合前面的异质性诊断结果,长三角、珠三角和京津冀三个国家级城市群在区位优势和经济实力方面均与其他城市群之间存在明显差距,其金融要素空间集聚和绿色技术创新本身也更多反映着国家层面的战略需求和战略任务,因此简单将其与其他城市群等同可能会带来估计结果的偏差,由此这里也通过剔除这三个城市群提供了进一步的稳健性检验。

依据表14的稳健性检验结果,无论是替换空间权重矩阵还是剔除部分城市群样本,LM检验、LR检验、Wald检验和豪斯曼检验等一系列检验结果仍然显示选用时间与空间双固定效应的空间面板杜宾模型更为合适。而从具体估计结果看,金融要素集聚作为核心解释变量对城市绿色技术创新水平仍然能够产生显著的直接促进效应与空间溢出效应,进一步支持了基准回归结论。控制变量的估计结果也与基准回归保持一致,这里不再赘述。

表14 基于矩阵置换和样本剔除的稳健性检验

七、结论与建议

本文通过选取2008—2019年间国内十个典型城市群所覆盖的159个地级市的面板数据集,同时综合运用各种空间统计分析和空间计量方法,围绕着城市群这一新型的空间载体,对金融要素集聚与绿色技术创新的空间关联及其异质性特征做了全面梳理,并得出如下研究结论。

第一,金融要素集聚对绿色技术创新存在显著正向直接效应和空间溢出效应,即其金融空间集聚不仅能直接提升本地城市的绿色技术创新能力,也会带动周边地区绿色创新发展。

第二,金融要素集聚对于绿色发明专利等深层绿色技术创新的促进作用更为显著,说明金融集聚依托知识溢出和技术交流机制对绿色技术创新活动质量的正外部性影响同样存在。

第三,双(多)核模式的金融要素集聚更有助于推动绿色技术创新的资源互享和空间辐射,单核模式的金融要素集聚则更易放大城市群内部在绿色技术创新层面的空间不均衡性。

第四,金融要素集聚对于绿色技术创新的空间影响效应受制于行政层级因素的制约,区域性城市群中核心城市的金融要素集聚有助于产生更为明显的空间溢出和“涓流效应”。

第五,金融要素集聚需要与城市群整体经济发展相匹配,经济发展程度提升有助于强化城市群内部金融体系创新服务能力,增进金融要素集聚对绿色技术创新的空间溢出效应。

第六,金融要素的空间集聚能够通过规模效应和信息共享等途径推动区域绿色金融发展,而区域绿色金融发展水平提升则可以为绿色技术创新活动提供有效的外部性成本分担机制。

综合以上实证结果和研究结论,对于城市群这一新型空间载体下,有效发挥金融要素集聚之于绿色技术创新的促进效应,进而实现城市群绿色高质量发展,提出如下政策建议。

第一,应充分发掘和利用金融要素集聚对于绿色技术创新的空间驱动效应,以城市群内部的核心城市为依托,以相应的都市圈建设为抓手,基于城市群发展定位打造“以点带面”的多层次金融体系,通过优化城市群范围内的金融资源空间配置加速强交互性的科技创新体系建设,通过金融要素集聚推动资源信息共享,进而辐射带动区域绿色技术创新活动。

第二,着力设计差异化的金融资源空间集聚模式。鉴于“双(多)核”模式的金融集聚较之于“单核”模式能够对绿色技术创新形成更为强烈的空间溢出,建议改善城市群内部不同城市间的分工合作机制,积极打造多核联动的绿色技术创新合作格局并避免同质化恶性竞争;同时推动核心城市金融资源配置的适度外溢,增强其对绿色技术创新的正向空间溢出。

第三,围绕不同城市群构建适宜性绿色技术创新体系。在推动金融要素集聚和绿色技术创新过程中,应充分考虑不同城市群在行政层级和经济发展等方面的差异。国家级城市群需更多关注服务国家战略和引领区域发展间的平衡,区域性城市群应更多关注绿色技术创新的联动协调。区域绿色技术创新也需要强化与区域经济发展之间的协同配套以增进空间联动。

第四,打造立体化的金融支持绿色技术创新服务体系。依据不同城市群实际需求,通过金融要素在空间上的合理集聚,强化面向区域绿色技术创新活动的针对性金融服务,同时完善绿色技术创新的信息共享交流和外部成本分担机制,激发区域绿色技术创新的潜力,促进绿色技术创新资源的高效流动和成果交流;加速建设面向城市群整体的绿色金融服务体系,鼓励面向绿色技术创新服务的金融服务创新,提升绿色技术研发效率和绿色成果转化效率。