空间溢出视角下绿色金融对制造业转型升级的影响

韩 刚, 卓思佳

(安徽财经大学 经济学院, 安徽 蚌埠 233030)

在我国经济的快速发展进程中,国家愈发重视生态文明建设。党的二十大报告明确提出：“加快发展方式绿色转型,深入推进环境污染防治”[1]。制造业粗放型的发展模式使得资源愈发枯竭、环境污染严重。《中国制造2025》提出：“加快制造业绿色改造升级”[2]。在我国转型的关键时期,绿色金融能否有效且高效地发挥其金融工具的作用,助力制造业转型升级。若能,在空间溢出视角下二者有何联系。基于此,本文对上述问题进行深入研究。

1 文献综述

关于绿色金融的定义,一些学者进行了大量探讨。相较于传统金融,龚斯闻等[3]认为,绿色金融在社会分散资金融资功能上的效率有着很大的提升,资源配置效率也得到了较大改进,但并未打破金融机构和组织的传统性。陈经纬等[4]将绿色金融看作是财政资金的一种替代,具有政策性金融的属性,其基本功能是使支持生态文明建设的金融资金最大化。此外,围绕绿色金融与制造业转型升级的关系与影响,一些学者进行了大量研究。绿色金融能够为绿色经济与环保产业的发展提供融资渠道,引导企业从高污染、高耗能转向绿色低碳循环发展[5-6]。王遥等[7]认为制造业供给侧结构性矛盾会导致金融支持不畅及环境风险,这会进一步加剧金融供需失衡,因此要充分发挥绿色金融领域政策协调作用促进制造业转型升级。张贻东等[8]认为大力发展绿色金融有助于实现制造业转型升级,培育新的经济增长点。卢建霖等[9]通过研究发现绿色金融与数字化能够显著促进制造业转型升级,并且数字化在对绿色金融和制造业转型升级的关系中起到正向促进作用。文书洋等[10]认为在发展绿色金融的过程中,注重金融的实际用途比单纯限制高排放行业的金融资源获取更加有效,同时绿色金融存在最优规模,要避免金融“过绿”带来不必要的损失。

综上所述,在绿色金融和制造业转型升级方面已有较多研究,但仍存在一些不足：①关于绿色金融与制造业的关系大多停留在理论层面,鲜少进行实证分析;②有关绿色金融与制造业的发展研究鲜少考虑空间因素。鉴于此,本文从空间溢出视角出发,采用理论和实证分析绿色金融对制造业转型升级的作用,并在此基础上给出具有实践价值的政策建议。本文的边际贡献在于：①通过构建指标体系对绿色金融和制造业转型升级进行测度,探究绿色金融对制造业转型升级的影响;②引入空间计量模型,进一步讨论绿色金融对制造业转型升级的空间溢出效应,拓宽了绿色金融发展的空间外部性研究。

2 理论分析与研究假设

2.1 绿色金融对制造业转型升级作用机制

绿色金融为低耗能、低污染的产业项目提供信贷资源,通过绿色信贷、绿色投资等方式为绿色产业及其相关新兴产业技术创新提供金融服务。绿色信贷可以通过提高污染行业融资门槛、拒绝向高污染企业提供贷款等措施压缩重污染行业的融资规模,有效缓解“两高一剩”行业对地区产业转型的阻力,倒逼高污染高排放行业进行技术革新[11]。绿色金融对制造业转型升级的作用机制主要分为资金导向机制和技术激励机制两个方面。

首先,政府通过制定绿色金融政策来约束传统“三高”行业,引导社会关注国家重点支持的新型环保行业,将绿色环保理念渗透到制造业企业融资的整个过程中,在这一过程中,政府可以通过绿色金融政策发挥资金的导向作用,金融机构在相关政策的指引下向制造业企业贷款时会着重考虑其环境效益等问题,为制造业企业研发绿色技术提供资金来源,促进制造业转型升级。其次,企业获得资金支持加大研发投入可以有效地促进企业绿色创新,提升企业的自主创新能力,改造传统的生产线,实现高效且绿色化的生产,吸引公众对绿色产品的关注,以此解决中低端制造业造成的“三高”现象。最后,绿色金融通过提升制造业企业的创新环境来激励企业相关技术不断进行绿色创新,促进制造业向绿色化、高效化、合理化转型升级。基于此,本文提出以下假设：

H1：绿色金融能促进制造业转型升级。

2.2 绿色金融与制造业转型升级的空间溢出效应

传统金融的运作与发展离不开经济、地理等因素。尽管在以往研究中绿色金融与传统金融存在着许多差异,但是绿色金融作为创新型的金融发展模式仍立足于传统金融并且为实体经济服务,所以,绿色金融的发展同样与地区间的经济发展和地理位置紧密相连。不同地区间,绿色金融呈现出较强的空间差异。一方面,在地方绿色产业发展的过程中,中心地区凭借自身金融发展优势,促使周边地区为中心地区制造业提供所需的原材料、技术、人才等要素,资源由周边地区流向中心地区,形成产业间的集聚效应,实现规模经济,推动中心城市与周边城市协同发展。另一方面,我国的绿色金融政策是要构建统一的绿色金融体系,形成统一的绿色金融市场,为本地制造业发展提供良好的金融环境,对周边地区产生辐射效应,推动地区间绿色金融的相互联系,促进地区间绿色金融政策的学习及效仿。因此,绿色金融具有较强的正外部性,并在促进制造业转型升级上表现出正向的空间溢出效应。基于此,本文提出以下假设：

H2：绿色金融促进周边地区制造业转型升级,表现为正向的空间溢出效应。

3 研究设计

3.1 指标选取

1) 绿色金融发展水平指标选取。借鉴李健等[12]、尹子擘等[13]的研究思路,从五个维度构建绿色金融发展水平指标体系。具体指标见表1。

表1 绿色金融发展水平指标体系

① 依据单位工业增加值能耗的高低,国家统一将以下六个行业列为六大高耗能行业：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;非金属矿物制品业;黑色金属冶炼及压延加工业;有色金属冶炼及压延加工业;电力热力的生产和供应业。

2) 制造业转型升级发展评价指标选取。通过梳理制造业转型升级发展水平测度相关文献,借鉴潘为华等[14]、罗序斌等[15]、邓耀群等[16]的研究思路,从创新能力、质量效益、绿色发展和产业融合四个维度共14个指标建立制造业转型升级发展评价指标体系,具体指标见表2。

表2 制造业转型升级发展评价指标体系

3.2 指标测度

本文采用熵值法来确定各指标权重,二级指标采取平均赋权的形式。熵值法具体步骤如式(1)～(7)所示,其中标准化处理的正向指标为

(1)

负向指标为

(2)

式(1)、式(2)中：Xij为第i个省份j个指标的值;Vij为标准化处理后的值;i=1,2,…,n;j=1,2,…,m。

计算第i个省份占第j项指标的比重为

(3)

计算第j项指标的熵值为

(4)

计算第j项指标的差异系数为

gj=1-ej。

(5)

计算第j项指标的权重为

(6)

计算各省综合得分为

(7)

3.3 其他控制变量

通过对相关文献进行梳理,本文选取以下控制变量进行分析：人力资本水平(H)为高校人数占总人数的比重;政府干预度(I)为一般预算支出占GDP的比重;金融发展水平(E)为本外币存贷款余额与GDP的比值;对外开放程度(O)为进出口总额占GDP的比重;外商直接投资水平(F)为外商直接投资占GDP的比重;固定资本投入水平(C)为地区固定资产投资额占GDP的比重。

3.4 数据来源

考虑到数据的可获得性,本文选取2007—2020年期间我国30个省市作为样本数据,以上各指标数据均来源于《中国工业经济统计年鉴》《中国科技统计年鉴》《中国保险年鉴》《中国高技术产业统计年鉴》《中国环境统计年鉴》《中国银行业社会责任报告》,国家统计局、国泰安财经数据库、Wind数据库,个别缺失数据采用插值法补充。

3.5 变量描述性统计

变量描述性统计分析结果如下,2007—2020年期间我国30个省市的各变量差距较大,其中制造业转型升级的最大值和最小值分别为0.520和0.054;绿色金融发展水平最大达到0.784,最小值为0.161。可见,我国制造业转型升级水平和绿色金融发展水平呈现出区域不平衡发展的现象。此外,其余控制变量也呈现出不同程度的区域发展不平衡的现象,变量描述性统计情况见表3。

表3 变量描述性统计

4 实证结果分析

4.1 基准回归结果

为了验证绿色金融发展对制造业转型升级的影响,本部分使用固定效应模型进行基准回归分析。表4中第3到第7列为逐步加入H、O、E、F、I和C的回归结果。结果显示,绿色金融估计系数在1%显著性水平下均为正,初步表明绿色金融能够促进制造业转型升级。除此之外,逐步加入控制变量后,拟合优度逐渐提高,证明本文选择控制变量的合理性。

表4 基准回归结果

4.2 空间相关性检验

上文对我国绿色金融发展水平和制造业转型升级进行了测度,为探究绿色金融发展水平是否对制造业转型升级存在空间效应,即本地和相邻地区的绿色金融发展水平对本地制造业是否存在影响,本文拟采用空间计量模型。

对于本文样本数据能否使用空间计量模型,应进行空间相关性检验。本文运用全局莫兰指数分别对30个省市2007—2020年期间的制造业转型升级水平和绿色金融发展水平进行空间相关性检验。莫兰指数取值范围为[-1,1],大于0则存在空间正相关性,小于0则存在空间负相关性。具体如式(8)所示：

(8)

表5结果显示,2007—2020年期间我国制造业转型升级水平的莫兰指数均通过10%显著性水平检验,且都为正值。说明目前我国各地区制造业转型升级水平具有正向的空间相关性,即制造业转型升级水平较高(较低)的地区,其周围地区的制造业转型升级水平也较高(较低),制造业转型升级水平相似的地区表现出显著的空间集聚现象。

表5 莫兰指数结果

2007—2011年,绿色金融发展水平莫兰指数不显著,原因可能在于：2007年初我国绿色金融步入实践,2007—2011年为绿色金融发展的萌芽阶段,发展水平不高导致其不具备空间集聚效应。2012—2020年绿色金融发展水平的莫兰指数在10%的显著性水平下均大于0,表明绿色金融发展水平具有空间正相关性,表现为空间集聚现象。主要原因可能在于：2012—2020年期间,我国愈发重视环境问题,国内相关部门下发一系列绿色金融相关文件,同时绿色金融改革创新试验区的设立表明我国绿色金融逐步进入快速发展阶段,空间集聚效应逐渐显现。制造业转型升级水平和绿色金融发展水平总体相关作用显著,可以选择空间计量模型。

4.3 模型选择相关检验

根据上文的分析,制造业转型升级水平和绿色金融发展水平具有显著的空间正相关性,通过建立空间计量模型可以更加准确地衡量绿色金融发展水平影响制造业转型升级的具体作用方向和程度大小。

本文利用软件Stata 16.0来进行相关检验。根据检验结果,综合考虑模型的拟合优度、对数似然比、赤池系数和贝叶斯系数,最终选择个体固定效应下的空间杜宾模型SDM,检验结果详见表6。

表6 空间计量模型检验结果

模型设定如下：

Mkt=P+ρW1Mkt+β0Gkt+δ0W1Gkt+βkQkt+δkW1Qkt+μk+εkt。

(9)

式中：Mkt为制造业转型升级水平;P为常数项;ρ为空间项系数;β0、βk、δ0、δk为待估计系数;Qkt表示各控制变量;μk表示个体效应;εkt为空间误差项;W1为空间经济距离权重矩阵,其矩阵元素为1/|yk-yl|,对角线矩阵元素均为0,k和l为省市编号,yk和yl分别表示省市k和l的人均GDP。

4.4 实证结果分析

1) 估计结果。表7结果表明,加入空间因素后,在1%的显著性水平下,三个模型的制造业转型升级水平的空间项系数ρ均为正,说明制造业转型升级的溢出效应明显。①从SAR模型估计结果来看,表明邻近省份的制造业转型升级水平对本地的制造业转型升级水平具有显著的推动作用,制造业转型升级水平高的地区会对周围地区产生带动作用。②从SEM模型估计结果来看,除了绿色金融发展水平对制造业转型升级产生影响之外,地区与地区之间的空间相关性也会通过随机干扰项来体现。③SDM模型的估计结果同时考虑了绿色金融发展水平,以及随机误差项对制造业转型升级的影响。一个地区通过不断提升自身的技术、降低成本、减少污染来促进制造业转型升级,同时会带动周边地区效仿。相邻地区之间的资金流通、资源互通、技术共享、信息传播及人才交流更加频繁与便捷,对周边地区的制造业转型升级具有更好的推动作用。由上文相关检验结果可见,在1%显著性水平下SDM模型不会退化为SAR模型和SEM模型,因此,本文选择个体固定效应下的SDM模型进行空间效应分析。

表7 空间计量模型回归结果

2) 绿色金融发展水平对制造业转型升级的空间效应分解。为了更好地揭示绿色金融对制造业转型升级的空间影响,避免空间回归模型有偏差,本文对空间效应进行分解。

表8第2列表明,在10%显著性水平下,G的直接效应估计系数为正,证明绿色金融发展水平对本地制造业转型升级表现出直接的正向促进作用,提高本地的绿色金融发展水平,推动更多绿色资金流入制造业企业,能够直接促进本地制造业转型升级,H1得证。表8第3列表明,在1%的显著性水平下,G的空间溢出效应估计系数为正,证明周边地区绿色金融发展水平的提升对本地制造业转型升级产生了显著的促进作用,H2得证。其间接促进作用路径分为以下两点：①周边地区的绿色金融发展水平促进了本地制造业转型升级,原因可能在于相邻省份之间绿色金融发展有利于推动绿色资金在区域间的有效流通,同时也有利于绿色金融政策在区域间互通、学习及效仿来促进本地制造业转型升级;②邻近地区的绿色金融发展水平首先促进自身制造业转型升级,进一步推动了周边地区制造业转型升级。通过绿色金融促进自身制造业转型升级给周边省份进行制造业转型升级提供了宝贵经验,同时自身制造业的转型升级能够通过技术共享、资源互通、人才交流等带动周边地区制造业转型升级,产生辐射效应。另外,观察绿色金融的直接效应、空间溢出效应及总效应的估计系数可以看出,其空间溢出效应估计系数占总效应的比重超过了68%,这也在一定程度上说明绿色金融发展更多的通过其空间溢出效应促进我国制造业转型升级。

表8 SDM空间效应分解

3) 其他控制变量的影响分析。从直接效应结果来看,提升我国教育水平、积极促进对外开放及加大直接投资力度都能够显著促进本地制造业转型升级。同时,政府干预度(I)和固定资产投资(C)在1%的显著性水平下的估计系数为负,表明政府对制造业的干预度越高,会使制造业企业缺少“活力”,不利于企业遵循市场规律灵活发展,从而阻碍了本地制造业转型升级。而固定资产投资的增加对制造业转型升级呈现出负向影响,在一定程度上说明了固定资产投资存在资金不到位及制造业或许存在固定资产饱和等问题。此外,金融发展水平的系数虽为负,但系数较小且未通过显著性检验。

从空间溢出效应结果来看,提高人力资本水平及加大固定资产投资力度都能够显著促进周边地区制造业转型升级,在一定程度上可以体现出人才外溢及饱和资金在地区间的流动性,其他控制变量未通过显著性检验。

4.5 稳健性检验

为了检验绿色金融发展水平对制造业转型升级的空间溢出效应的可靠性和稳健性,本文采取替换空间权重矩阵及变换核心解释变量指标两种方式进行稳健性检验。绿色信贷在绿色金融中所占比重最大,所以本文将绿色信贷水平(L)作为绿色金融发展水平的替代指标进行稳健性检验。此外,本文将上述模型中使用的经济距离权重矩阵替换为空间邻接权重矩阵W2,当省份i与省份j相邻时,其矩阵元素取值为1,否则取值为0。

结果显示,变换核心解释变量或者替换空间权重矩阵之后,回归系数虽有不同,但在10%的显著性水平下均为正,与上文分析结果一致,证明本文估计结果的稳健性,结果见表9和表10。

表9 更换解释变量指标的SDM估计结果

表10 替换空间矩阵的SDM估计结果

5 结论与建议

本文以2007—2020年期间30个省市面板数据作为样本,应用空间杜宾模型,从空间溢出视角分析绿色金融对制造业转型升级的影响。实证研究表明：①绿色金融发展能够显著推动制造业转型升级;②空间视角下的直接效应表明本地绿色金融发展水平可以显著促进本地制造业转型升级;③周边地区的绿色金融发展水平从两条路径出发显著促进本地制造业转型升级。

基于上述结论,为促进绿色金融发展和制造业转型升级两者更好地发展与结合,本文提出以下建议：

第一,加快建立健全统一的绿色金融体系,创新与拓宽绿色金融产品种类。政府要积极完善绿色金融体系,制定完整统一的标准,避免相同行业在不同认定体系下获取的绿色金融资源不同。目前,我国绿色金融产品较为单一,金融机构要推动绿色金融产品创新,设计符合产业特点的金融产品,让绿色金融通过金融工具更好地应用到实际当中,推动绿色金融可持续发展。

第二,完善激励机制,推动绿色金融和制造业协同发展。建立金融部门与制造业等部门的联席会议制度,共同商定解决绿色金融在制造业应用中的难题,积极促进绿色金融政策有效实施。目前,绿色金融服务群体大多是大型国企或央企,应完善激励机制,引导社会资金流入绿色金融领域,增大绿色金融资金供给规模,降低中小型制造业企业绿色融资难度,提高中小型企业使用绿色金融的积极性,扩大绿色金融服务群体,促进制造业企业整体开展绿色技术创新,推动绿色产业发展,实现我国制造业绿色化转型升级。

第三,建立区域间绿色金融合作机制,促进绿色金融区域合作协同发展。建议建立区域间政府、制造业企业及金融机构间的绿色金融共享数据平台,根据不同区域经济发展状况,明确绿色金融支持重点。加强省际合作,搭建绿色产业生态圈。建立帮扶制度,打破区域间金融壁垒,在区域联动的同时,缩小地区发展不平衡程度,加强绿色金融空间联动效应,扩大辐射效应范围,带动周边省市绿色金融与制造业发展。