科技金融政策的绿色发展效应评价——基于科技和金融结合试点的准自然实验

刘 潭，徐璋勇，宋甜甜

（西北大学经济管理学院，陕西西安 710127）

0 引言

当前中国经济正处于转型时期，面临着两大发展困境：一是经济增长内生动力不足，消费、投资、出口等传统动能拉动趋势下降，原有的要素驱动发展模式难以为继；二是资源环境约束效应加剧，在全球气候变化背景下，极端天气和自然灾害频发，粗放式生产导致的资源耗竭、环境污染等问题日益凸显。随着“碳达峰、碳中和”逐渐成为全社会关注的热点话题，积极践行“低碳生产、低碳生活”的绿色发展理念，已经成为政府、企业及全民的共识，绿色发展理念在中国未来全局发展中扮演着重要的角色。党的十九届五中全会提出，加快推动绿色低碳发展，不仅要强化绿色发展的法律和政策保障，而且要发展绿色金融，支持绿色技术创新。高科技企业在金融资本的助力下能够更好地实现科技成果转化，其中对于绿色技术的应用将进一步促进企业实现清洁生产、降低污染排放。科技金融政策作为促进科技与金融融合的重要举措，兼具绿色金融和科技创新特征，是实现中国经济绿色转型的新契机。那么，科技金融政策的试点实施是否具有绿色发展效应？如果有，该政策效果的作用机制为何？回答这些问题，将有助于更好地理解科技金融政策与绿色发展的内在联系，对于发挥科技金融效用，实现中国经济转型，推动社会绿色发展具有重要意义。

1 文献综述

绿色发展一直是学术界的研究热点，目前学者主要将研究重点集中在绿色发展的内涵、测评及实现路径等方面。首先，绿色发展是在可持续发展理念的基础上衍生而来，最早可以追溯到Pearce 等［1］提出的绿色经济增长和Costanza［2］提出的生态经济发展等论述。随着时间的推进，绿色发展仍没有形成统一的概念，但其内涵更具多元化和包容性，黄茂兴等［3］以马克思主义绿色发展观为基础，指出绿色发展是在人类与环境的关系中融入经济、社会、文化等因素，实现人、社会、自然三大系统永续共存的发展方式。其次，关于绿色发展的测度与评价，权威机构多从较大尺度对绿色发展水平进行指标构建，例如，经济合作与发展组织（OECD）设立的绿色增长监测指标体系［4］、耶鲁大学等测算的环境绩效指数（EPI）［5］、北师大建立的中国绿色发展指数等［6］。李琳等［7］、黄跃等［8］也通过对多层次指标进行赋权，得到绿色发展综合指数；而Choi 等［9］、郭爱群等［10］则从效率角度出发，利用数据包络模型（DEA）、结构方程模型（SEM）对绿色发展效率进行测算。最后，在探究绿色发展的实现路径方面，Feng 等［11］认为科技创新是最为关键的因素；黄建欢等［12］则认为金融是实现绿色发展的重要手段，但其影响效果取决于政府对金融资本的监管力度与引导方向；武宵旭等［13］、邹璇等［14］、冉启英等［15］、于成学等［16］的研究分别表明绿色发展进程还会受到城市化、环境分权、交通基础设施、资源开发利用等因素的影响。综上可知，现有研究证实了科技创新和金融要素对绿色发展的影响，但关于科技与金融的协同作用会如何影响绿色发展鲜有涉及。

事实上，20 世纪末期，中国已经开始了对科技与金融的结合尝试，自1993 年深圳科技局提出“科技金融”一词后，科技金融的协同作用逐渐受到公众和政府的重视［17］。科技金融是指利用互联网、大数据等新兴技术，构建现代化投融资平台，引导金融资源支持科技创新的一种新业态和新模式［18］。科技金融功能的发挥需要通过政府制定科学的制度规范得以保障。2010 年12 月，科技部联合中国人民银行等五部门出台了《促进科技和金融结合试点实施方案》（以下简称“科技金融政策”），成为科技金融运行的“助推剂”。现有学者主要从宏观和微观两个层面对该政策的政策效果展开研究。宏观研究层面，马凌远等［19］、郑石明等［20］指出科技金融政策的实施能够有效提高试点地区的科技创新能力，并在创新驱动和金融支持等中介机制作用下促进产业结构转型［21］，提高经济活动全要素生产率［22］，进而带动地区经济增长［23］。微观研究层面，孔一超等［24］以中小高新技术企业为研究样本，实证检验了科技金融政策对企业生产效率的促进作用。余红伟等［25］指出，科技金融政策的试点实施能够有效降低企业融资约束、促进技术进步并增加人力资本积累，从而提高全要素生产率，促使中小企业高质量发展。这些研究从不同角度评估了科技金融政策对地区及企业的政策效果，为本文研究提供了借鉴和启示。但遗憾的是，以往学者多将研究重点聚集在该政策的科技创新、产业升级及生产效率等经济政策效果方面，很少关注到该政策带来的环境效益尤其是对绿色发展的影响。

综上所述，本文基于绿色可持续发展理念，将科技金融与绿色发展纳入同一框架，分析科技金融政策对绿色发展的影响机制，然后以中国城市面板数据为研究样本，利用双重差分模型对科技金融政策影响绿色发展的净效应和动态特征进行实证检验，同时考察城市不同等级特征和地理位置对政策效应产生的异质性影响效果，并从产业升级、技术创新、政府支持3 个角度探究科技金融政策影响绿色发展的机制路径。

2 政策背景与理论机制

2.1 政策背景

科技金融政策试点实施是区域实现自主创新、加快产业升级和提升综合实力的重要举措。与其他试点政策的开展与推广历程相似，科技金融政策也具备探索试点和分批设立、政府与市场联合推动的特征。2011 年，中国科技部等五部门联合发布《关于确定首批开展促进科技和金融结合试点地区的通知》（以下简称“科技金融政策试点”）［26］，确定中关村国家自主创新示范区、天津、上海等16 个地区为首批试点地区，主要围绕加快相关科技成果转化，培育和发展战略性的新兴产业，支撑和引领经济发展方式转变等多目标展开。政策试点实施后，试点地区不断优化相关科技金融生态环境，创新财政科技投入方式，并在地方政府和各部门的引导下，加强金融资本和民间资本投资对科技型中小企业的创业支持，涌现出了许多成功的经验和创新性的做法，很好地起到了引领示范作用。于是在2016 年，为进一步加快实施创新驱动发展战略、促进科技和金融紧密结合，科技部等五部门又从科技资源和金融资源相对富集的地区选取了郑州、厦门、宁波等9 个城市展开第二批政策试点［27］。至此，科技金融政策试点实施由点及面，渐次推进，持续扩大政策影响范围。可以肯定的是，政策试点将最为直接地影响地区的科技投融资模式和科技金融业务创新。但不论是科技创新还是经济结构转型都是影响绿色发展的关键因素，因此客观上科技金融政策试点也将具有促进绿色发展的政策效果。另外，实现绿色发展是中国未来经济发展进程中的必然要求，所以政策试点对绿色发展的影响更不能被忽视，有必要系统、科学地评价科技金融政策试点实施所产生的绿色发展效应。

2.2 理论机制分析

作为新发展理念之一，绿色发展意味着在实现节能减排的同时，从根本上转变现有的发展方式，提升企业创新能力促进绿色生产，提升消费者环保意识进行绿色消费。胡鞍钢等［28］认为，在面对人类生存发展需求与自然资源有限供给之间的矛盾时，选择绿色发展模式势在必行。绿色发展是以绿色增长为手段、绿色财富为基础，绿色福利为目标的一种生产生活方式，具体表现为经济系统、自然系统与社会系统的协调发展。

根据Grossman 等［29］对环境库兹尼茨曲线的理论解释，经济增长会通过规模效应、技术效应和结构效应这三种途径影响环境质量。其中，规模效应会因资源投入量和污染排放量激增对环境产生负向影响；而结构效应主要通过对投入结构和产出结构的优化，减少污染废物的排放；技术效应则表现为利用高效率技术和环保技术，提高资源利用效率并削弱生产对自然环境的不利影响。当经济发展到新阶段，技术效应和结构效应胜出，经济生产将改善环境质量，有利于推动地区绿色发展。同时，除市场力量的影响以外，政府行为对绿色发展的导向也十分重要。科技金融政策试点实施正是政府与市场联合推动下的重要举措，不仅能够促进产业结构优化和技术创新，而且会加大地方政府对试点地区的环境保护力度。因此，本文将科技金融政策对绿色发展的作用机制归结为产业升级效应、技术创新效应、政府支持效应三条路径（见图1）。

图1 科技金融政策对绿色发展的作用机制

2.2.1 产业升级效应

随着产业结构日趋合理化和高级化，知识与技术密集型产业逐渐替代劳动和资源密集型产业成为国民经济的主导产业，低能耗、低排放的产业特征使绿色增长和绿色财富积累成为可能。而科技金融政策的试点实施有助于企业分散科技研发投资风险，能够凭借信贷支持和利率优惠等金融手段引导资金流入绿色节能领域和科技研发部门，促进产业结构优化，推动绿色发展。具体体现在：第一，高能耗、高污染、高排放企业在融资约束、市场竞争和政府监督的影响下，不得不转变生产方式，改善要素配置，减少污染排放，促进经济生产绿色化。第二，试点政策为众多以科技型中小企业和“小巨人”企业为代表的新兴产业提供了融资便利，这些企业多数正处于萌芽期和成长期，是未来绿色产品研发和生产中不可忽视的群体，资金支持无疑是对其发展前景最好的肯定。第三，对于高科技产业来说，科技金融的融合促使科技资源价值得以实现，能够帮助企业完成科技成果转化，其中绿色技术应用会对绿色发展产生正向驱动作用。

2.2.2 技术创新效应

技术创新是改善环境质量、实现绿色发展的主要动力，是科技金融政策提升绿色发展水平的重要渠道。科技金融政策实施后，试点地区通过增加创新投入、改善创新环境、吸引创新人才，不断激发城市创新活力，而生产工艺或者治污技术的进步能够在不损害经济效益的同时兼顾环境污染总量控制，从而助力绿色发展。具体体现在：第一，通过技术创新降低对高污染能源的依赖。政策试点实施能够缓解企业融资约束，为企业进行清洁能源开发提供资金保障，使得尽可能多的清洁能源被投入到生产中，减少高污染能源的使用量，从源头控制环境污染。第二，通过技术创新促进绿色生产。通过发挥创新要素的集聚效应和溢出效应，企业之间通过沟通交流和学习模仿，改良传统生产工艺，对生产废物回收利用，从而提高资源利用效率。第三，通过技术创新防治环境污染。技术创新能够促进治污设备升级和优化，加快提高污染治理效率，从生产终端控制污染废物的过度排放，减缓对环境的负向影响。

2.2.3 政府支持效应

政府行为在科技金融政策影响绿色发展的过程中也发挥了非常关键的作用。政府作为绿色发展理念的首要倡导者，可以通过绿色财政、环境规制等政策工具推动绿色发展。具体表现在：第一，在政策试点的推动下，地方政府更加注重当地的科技金融创新实践，通过加大科技财政投入对高新技术企业予以补贴或税收优惠，鼓励企业进行绿色技术研发与应用。第二，通过政策宣传、消费补贴等手段鼓励居民选购节能家电和环保产品，提倡绿色消费、宣导绿色生活、增强居民环保意识。第三，为更好地发挥示范带头作用，试点城市会凭借科技金融优势进一步完善城市功能，例如城市绿化、公共服务及基础设施建设等，增加城市绿色福利。第四，为有效评估企业资质，政府会尽量收集企业相关信息，为金融机构和企业搭建信息共享平台，同时构建环境监管体系，通过信贷配额、征收排污税等方式控制企业生产对污染物的过度排放。

基于以上分析，本文提出如下假设：

H1：科技金融政策能够显著促进试点地区绿色发展；

H2：科技金融政策能够通过产业升级效应、技术创新效应和政府支持效应三条路径促进绿色发展。

3 研究设计

3.1 模型设定

本文将科技金融政策的试点实施视为一项准自然实验，根据是否属于政策试点城市对样本进行分组，其中属于政策试点的城市为实验组，未成为政策试点的城市为对照组，利用双重差分法来检验科技金融政策对绿色发展的影响效应。由于该政策是分批次在不同城市开展试点，因此本文参考Beck 等［30］和Wang［31］的方法，构建一个双向固定效应的多期双重差分模型（1）如式（1）所示：

式（1）中，Greenit为城市i在t年的绿色发展综合指数；Didit为双重差分估计量，即组别虚拟变量与时间虚拟变量的交互项，如果城市i在t年实施了政策试点，那么其在t年及之后的年份中，Didit=1，否则为0；Controlsnit为其他影响绿色发展的控制变量，n为控制变量的个数，λn为各控制变量对应的系数，ui为个体固定效应，vt 为时间固定效应，εit为扰动项。β0为常数项，Didit的系数β1为模型重点关注的对象，如果系数β1显著大于0，说明科技金融政策具有显著的绿色发展效应，假设H1即得到验证。

同时，考虑到科技金融政策试点实施后的效果可能会随着时间的推移产生差异性影响，本文利用事件研究方法，构建如式（2）所示模型（2），检验科技金融政策试点对绿色发展影响的动态效应。

式（2）中，Ditk代表试点政策实施这一事件的虚拟变量，假定城市i成为政策试点地区的年份为yi，设k=t-yi，表示城市i试点实施的前后k年，当k≤-7 时，Dit-7=1，否则为0；依次类推，当k=-6,-5,,5,6 时，相应的Ditk=1，否则为0；当k≥7 时，Dit7=1，否则为0。α0为常数项，通过比较模型式（2）中系数αk的值和显著性就可以检验科技金融试点政策对绿色发展影响的时间变化，其他变量与模型（1）一致。

此外，为探究科技金融政策对绿色发展的作用机制，本文通过借鉴Baron 等［32］提出的逐步法进行中介效应分析，在模型（1）的基础上，设定模型（3）-模型（4）分别如式（3）（4）：

3.2 变量说明

3.2.1 被解释变量

本文的被解释变量为绿色发展综合指数（Green）。通过参考周亮等［33］对绿色发展概念的理论界定，结合数据的科学性、有效性及可获得性，本文从绿色增长（经济系统）、绿色财富（自然系统）和绿色福利（社会系统）3 个方面构建绿色发展综合评价指标体系（见表1）。首先，经济增长是绿色发展的原动力，关键在于通过对经济活动的科学组织与管理，实现经济在可持续前提下的高效增长，具体包括提高经济生产效率、提升绿色产业占比和降低单位GDP 的污染物排放。其次，绿色财富为人类生存提供物质基础，反映自然系统在人类社会发展过程中资源环境承载力的变化和持续性，主要涵盖资源丰裕度、资源消费及废物治理等；最后，绿色福利是绿色发展的目标导向，社会系统通过提高人口素质（教育、健康），积累人力资本为经济系统的高效产出提供持久动力，故重点考虑以人为中心的公共服务和环境绿化两方面。由于绿色发展的最终目的是实现经济系统、自然系统和社会系统协调发展，绿色发展的3 个子系统之间既相互独立又相互影响，因此，在确定评价指标体系后，采用熵权法和耦合协调模型测算出三者的耦合协调度作为绿色发展的替代变量1），其取值范围在［0,1］之间，该数值越大，说明绿色发展水平越高，反之则相反。

表1 绿色发展综合评价指标体系

3.2.2 核心解释变量

采用科技金融政策是否试点实施作为本文的核心解释变量（Did）。截至2024 年，科技部等五部门已于2011 年和2016 年分别启动两批试点城市，因此对于试点城市i，如果属于t年实施了政策试点，则认定该城市t年及以后年份中，政策与时间交互项的虚拟变量（Did）取值为1，否则取值为0。

3.2.3 控制变量

为防止政策试点前后实验组与对照组之间的绿色发展水平差异对回归结果产生潜在影响，本文尽量控制了一些可能对城市绿色发展产生影响的变量。主要包括：（1）经济发展水平（Eco），用各城市人均国内生产总值的对数值进行衡量；（2）人力资本水平（Lab），用普通高等学校在校生人数占总人口数的比重表示；（3）金融化程度（Fin），用各地区年末金融机构存贷款余额之和占地区生产总值（GDP）的比重进行衡量；（4）贸易开放程度（Tra），用进出口贸易总额占地区生产总值（GDP）的比重来测度；（5）工业化水平（Ind），以工业总产值的对数值表示；（6）基础设施水平（Inf），以人均道路面积指标作为代理变量。

3.2.4 中介变量

给排水管道管径应根据流体的流量、性质、流速及管道允许的压力损失等确定。在经济流速确定的前提下，管径的选择与流量有直接关系，因此流量和水量的准确计算至关重要。矿山总水量包括生活、生产及消防用水量。矿山用水量计算时宜分别列表计算采矿工程、选矿工程及生活区用水量，同时需要区分不同用水水质，计算生产新水、生产回水、冷却循环水及生活用水量。

根据前文理论分析，选取了如下中介变量：（1）产业升级（Str），用第三产业增加值与第二产业增加值的比重来衡量，该指数越大表明产业结构越趋于高级化；（2）技术创新（Tech），用每万人拥有的专利授权数来衡量；（3）政府支持（Sup），用政府财政支出中科学技术支出的占比进行衡量，反映政府对科技创新的支持强度。

3.3 样本选择与数据来源

3.3.1 样本选择

根据前文政策背景内容介绍，2011 年，成为首批政策试点的地区共有16 个，由于部分试点地区存在着“一区多市”现象，参考的冯永琦等［34］的做法，本文将其进一步细分为41 个试点城市，而在2016年确定的9 个试点城市中，宁波市与首批试点范围重复，故将其视为首批试点城市。考虑到港、澳、台、西藏等地的数据获取难度较大，本文最终选取中国285 个城市为研究对象，其中试点城市49 个。236 个。此外，为使试点政策启动前后窗口期尽量保持一致，本文将研究样本的时间段选取为2011 年前后各7 年（2004—2018 年），以便识别政策实施以来对试点城市绿色发展的影响。

3.3.2 数据来源与描述性统计

本文实证研究中所用到的数据主要来自《中国城市统计年鉴》《中国区域经济统计年鉴》《中国科技统计年鉴》等。其中地级市的进出口贸易总额数据根据历年各省份统计年鉴整理得到，并依据当年中间汇率平均值进行单位换算；专利数据来自CNRDS 数据库；科技金融政策数据来源于科学技术部官网。对于部分存在缺失的指标，基于相邻年份的数据，采用插值法进行补齐。主要变量的描述性统计结果见表2。

表2 主要变量描述性统计

4 实证结果及分析

4.1 平行趋势检验

实证检验使用多期DID 方法的一个重要前提条件是实验组与对照组满足平行趋势假定，即在试点政策提出之前，试点城市（实验组）与非试点城市（控制组）的绿色发展水平不存在显著差异或具有共同增长趋势。基于模型（2），本文对平行趋势假定进行了检验，图2 展示了变量Ditk的系数随时间变化的情况（置信区间为95%）。可以看出，科技金融政策试点实施的前几年，绿色发展综合指数在统计上都是不显著的，这表明样本中实验组和对照组在政策实施之前的绿色发展水平不存在显著差异，满足了平行性趋势假定。

图2 平行趋势检验结果

4.2 基准回归与动态效应分析

表3 列出了模型（1）和模型（2）具体的回归结果。在基准回归结果中，核心解释变量Did 的回归系数结果显著为正，说明科技金融政策能够显著促进绿色发展，假设H1得到验证。控制变量的估计结果显示，人均GDP、贸易开放和工业化水平对绿色发展具有负向影响，说明当前我国经济发展尚未实现绿色转型，需要进一步调整产业结构，减少工业生产和贸易开放对环境产生的负向外部效应，而人力资本、金融化和基础设施对绿色发展具有显著的促进效应，应着重加强对这些方面的投入力度。根据动态效应检验的回归结果，可以看出，变量Ditk（k=1,2,,7）的系数结果均显著为正，并且，随着政策实施时间长度的增加，其对试点城市绿色发展的带动效应呈现出先增加、后减小的过程，并在实施第4 年后达到最大，在实施第6 年显著性和系数值逐渐减小，说明科技金融政策对地区绿色发展的影响存在着时间持续性。

表3 基准回归及动态效应分析

4.3 稳健性检验

4.3.1 安慰剂检验

由于实验组与对照组城市之间存在着一些非人为可观测遗漏变量，可能会对估计结果产生系统性误差，故本文采用随机化两组样本的方式对回归结果进行安慰剂检验，尽量减小这类情况对结果造成的判断偏误。具体做法为：在保持各城市政策试点实施时间不变的情况下，将原有已成为政策试点的城市设定为新的对照组。假设t年有n个城市实施了政策试点，那么在当年及之前从来没有进行试点的城市中随机抽取n个城市作为新的实验组，然后利用新样本重新估计模型（1），由此完成1 次安慰剂检验。将上述过程重复1 000 次，得到1 000 个Did 的系数估计值。估计结果显示，Did 的系数均值为-0.000 01，非常接近0 且不显著，说明未观测到的城市特征差异没有对回归结果产生显著影响。另外，图3 展示了虚拟政策试点城市后Did 系数的概率分布图，可以看出，随机化的Did 系数的概率分布是以0 为轴对称的倒“U”型，基本接近正态分布，再次证明虚拟的政策试点城市样本对绿色发展水平没有处理效应，即基准回归结果是稳健的。

图3 随机化后Did 系数的概率分布

4.3.2 倾向得分匹配检验（PSM-DID）

为有效评估科技金融政策对绿色发展影响，实验组与对照组所在的城市特征不应具有显著差异，但实施政策试点的城市可能存在自选择问题，故本文采用PSM-DID 方法修正样本选择性偏误。鉴于科技金融政策在不同城市是分批启动试点的，因此利用样本期内实施政策试点的城市作为实验组，进行逐年匹配，并采用logit 模型和k（k=2）临近匹配有放回抽样的方法，计算倾向得分值。图4 展示了各项城市特征变量标准化偏差在匹配前后的变化情况，可以直观地看出，在匹配前，实验组与对照组城市样本的特征变量除了工业化水平（Ind）以外均存在较大的差异；匹配之后，多数变量的标准化偏差缩小，基本位于0 值附近（小于20%）。这说明：经过PSM 配比后，实验组和对照组的数据得到了均衡，系统性差异可以忽略。匹配后的回归结果见表4，Did 的系数仍然显著为正，表明在利用PSM 法排除处理组与控制组城市的个体特征差异性之后，基准回归结果依然可信。

表4 稳健性检验估计结果

图4 匹配前后各项特征变量标准化偏差

4.3.3 改变样本区间

考虑到在样本期内，2016 年实施科技金融政策试点的城市受政策影响时间较短，且第一批启动试点的城市较多，故将第二批试点城市样本予以剔除，利用PSM-DID 方法进一步检验政策的实施效果。通过构建单期DID 模型对新样本进行再次估计，模型（5）如式（5）所示：

式（5）中，Treatit为组别虚拟变量，如果城市i为试点城市，则Treatit=1，否则，Treatit=0；Timeit为时间虚拟变量，在2011 年及以后，Timeit=1，否则，Timeit=0；Treatit×Timeit为政策试点实施的净效应，δ0为常数项，δ1、δ2与δ3分别为相应变量的回归系数，其他变量同模型（1）中定义一致。通过检验匹配后数据的平衡性之后2），所得回归结果见表4，Did 的系数仍显著为正，再次肯定了科技金融政策能有效促进城市绿色发展的结论。

4.3.4 控制省份时间联合固定效应

在基准回归模型中，城市个体固定效应和年份时间固定效应均得到了控制，但不排除在省级层面仍存在一些随时间变化的不可观测因素的影响。因此，基于基准模型，进一步控制省份与年份的联合固定效应，重新对基准模型进行了相关回归分析，回归结果见表4。可以看出，加入省份与年份的交互项后，Did 的系数依然在1%的显著水平上显著为正，证明本文结论具有稳健性。

4.3.5 排除其他导向性政策的影响

在新能源革命、碳中和的大背景下，国家曾多次强调要以科技创新引领经济转型，实现绿色低碳发展，并陆续出台了多项相关政策予以支持。因此，为排除其他导向型政策对本文评估结果带来的影响，本文重点考虑以下两种相关政策：（1）国家创新型城市试点政策（Innov_Did）。在本文样本中实施试点的48 个城市中，有34 个城市也受到国家创新型城市试点政策，并且部分城市实施创新型城市试点政策较早，因此国家创新型城市试点政策可能会干扰科技金融政策对绿色发展的影响效果。（2）低碳城市试点政策（Carbon_Did）。2010 年，国家发改委出台《关于开展低碳省区和低碳城市试点工作的通知》，要求试点城市要以低碳产业为发展模式及方向，对城市绿色发展起到一定的引导和支持作用，因此有必要控制低碳试点城市对本文回归结果的影响。表4 报告了相应的估计结果，Did 系数的数值与显著性仍与基准回归结果相差无几，因此，可以说明科技金融政策对试点城市绿色发展的促进作用并未受到其他政策试点的干扰。

4.4 异质性分析

城市种类复杂多样且各具特色，将全部样本城市进行统一分析，容易忽略不同类型城市间政策试点的效果差异。因此，有必要分析不同类型城市在实施政策试点后对绿色发展影响的异质性。

4.4.1 城市等级异质性

中国城市发展程度不同，不同规模等级的城市，科技金融政策对绿色发展的影响效果可能存在一些差异。因此，本文按照城市等级划分标准3），将样本城市划分为两组进行对比分析，其中一组为等级较高的城市，包括一线城市、新一线城市、二线城市和三线城市，共计118 个城市；其余为较低等级城市，由四线和五线城市构成，共计167 个城市。表5 的结果显示，较高等级城市Did 的系数值及显著性与基准回归结果大致相同，而对于较低等级的城市样本，其系数值为负且不显著，这说明科技金融政策对较高等级城市的绿色发展具有更加显著的促进效应，而对四线及五线城市的影响并不明显。主要原因可能在于：相比于等级较低的城市，各方面综合实力较强的城市具有更加完善的金融服务体系和城市基础设施，能够吸引更多的人力资本和技术资源集聚，本身就具备推动绿色发展的基础条件。科技金融政策的实施，会进一步加快科技成果转化，使生产要素得到合理配置与利用，减少资源浪费与环境污染。在政府的引导下，等级较高的城市能够有效发挥其资源禀赋优势，不断优化地区产业结构，增强地区居民环保意识，从而促进绿色发展。但对于四、五线城市而言，其自身经济发展水平较为落后，金融资源和科技资源相对匮乏，产业结构弹性较小，即使进行政策试点，短时间内也难以发挥科技与金融融合的政策效果，因此科技金融政策对绿色发展的影响在较低等级的样本城市中效果甚微。

表5 异质性分析结果

4.4.2 城市区位异质性

在中国辽阔的疆域上，各个城市的资源禀赋、生态环境等方面会因城市地理区位的差异存在异质性。因此，为进一步识别城市样本的地区差异，本文将样本按照地理区位划分为东部地区和中西部地区4），比较试点政策实施对两组样本绿色发展的差异性影响。表5 的回归结果显示，科技金融政策对城市绿色发展的影响具有空间不均衡特征，政策效果在东部地区更为突出，而对中西部地区的影响并不显著。造成这一差异的原因可能在于：东部地区城市经济发展普遍领先，城市能级和产业结构处于较高水平，信息、教育、公共服务等领域发展成熟，加之东部城市更早地受到了环境规制约束，产业转型发展动力更强。科技金融政策的实施为东部地区城市提供了更多的金融资本支持和科技创新动力，二者的交互作用有利于企业研发节能减排技术，对粗放式生产改造升级，促使环境污染物得到有效治理，从而实现绿色生产、绿色消费，增进城市绿色福利。然而，对于中西部地区来说，多数城市的高科技企业占比较低，尤其是新疆、青海、甘肃等地区，生态环境较为恶劣，生产方式多以初始的农业、畜牧业及能源开发等产业为主，仅凭借科技金融政策试点实施难以改变原有产业结构，并且申请到政策试点的城市多处于东部地区，故促进绿色发展的政策效果在中西部地区难以显现。基于以上分析，可以认为从城市地理区位差异来讲，科技金融政策对绿色发展的影响在东部地区更加显著。

4.5 作用机制检验

根据前文理论分析可知，科技金融政策可能通过促进产业升级、技术创新和政府支持三条作用路径影响绿色发展。因此，本文构建了中介效应模型，采取逐步检验回归系数法对这三种作用机制进行检验，同时给出中介效应在总效应中的占比。

表6 分别展示了三种作用机制的中介效应检验结果，其中，当产业升级作为中介变量时，Did 对产业升级的估计系数显著为正，说明科技金融政策有利于优化产业结构，在纳入产业升级变量后，Did对绿色发展的估计系数依然在1%的显著水平下显著，并且对产业升级的估计系数也显著为正，说明科技金融政策通过促进产业升级，有效提升了城市绿色发展水平，中介效应存在。此外，Sobel 检验和Bootstrap 检验的系数均在至少5%的显著水平下为正，证明产业升级中介效应具有稳健性，其中介效应为0.000 9，占总效应的15.14%。当技术创新为中介变量时，结果显示，科技金融政策对技术创新具有显著的正向影响，但加入技术创新中介变量后，Tech 的系数显著为正，而Did 的系数在统计上不再显著，说明技术创新具有完全中介作用，其中介效应为0.003 1，占总效应比例为50.58%。当政府支持为中介变量时，回归结果显示，Did 对政府支持的回归系数显著为正，并且Did 和政府支持对绿色发展的回归系数均在1%的显著水平上为正，说明绿色发展除受到政策本身的影响之外，还会受到政府财政科技支持的部分中介作用。Sobel 检验和Bootstrap 检验的结果也表明政府支持的中介作用显著存在，其中介效应为0.001 1，占政策整体效果的17.46%。由此，本文的假设H2得到验证。通过对比三种作用机制中介效应的大小，可以发现技术创新效应占比最大，政府支持效应居中，产业升级效应占比最低，说明科技金融政策主要通过技术创新作用于绿色发展。

表6 作用机制检验

5 结论与政策启示

5.1 结论

科技金融政策的实施为绿色发展带来了新契机，对于推动中国未来经济持续健康发展具有重要意义。本文以2004—2018 年中国285 个城市面板数据为研究样本，将科技金融政策试点视为一项准自然试验，从理论和实证两方面评估了科技金融政策对绿色发展的影响及作用机制。得到以下研究结论：（1）科技金融政策能够显著推动试点地区绿色发展，且该政策效应具有时间持续性，在政策实施第4 年达到最大，通过识别假设条件和一系列稳健性检验后，结论仍然成立。（2）科技金融政策对绿色发展的影响存在地区差异，对于较高等级的城市和东部地区城市，科技金融政策试点实施能够有效提升城市绿色发展水平，但对于较低等级城市和中西部地区的城市，政策效果并不明显。（3）机制分析表明，科技金融政策在产业升级效应、技术创新效应和政府支持效应的作用下，能够显著提升城市绿色发展水平，其中技术创新效应的作用最强，产业升级和政府支持的中介作用贡献相对较小。

5.2 政策启示

第一，完善科技金融政策实施细则，充分利用科技金融政策对试点城市发挥的绿色引导效应，丰富科技金融支持手段，培育环境友好型科技产业。具体而言，可在现有政策目标中补充绿色发展任务指标，通过资金支持与政策导向，为科技企业搭建更加多元化的投融资服务平台，引导企业进行绿色技术创新，鼓励民间资本投资绿色产业，倡导居民践行绿色生活方式，增加城市绿色财富和绿色福利。

第二，注重城区差异，促进区域间优势互补，保障试点政策有效实施。一方面，加大较高等级城市及东部地区的科技金融投资力度，发挥区域自身优势和政策支持效应，吸引科技创新人才，实现科技成果向绿色产业转化，同时利用技术溢出效应，扶持周边科技金融资源相对贫弱的地区，通过绿色技术引入改进生产工艺，提升区域污染协同治理效能。另一方面，对于较低等级城市或中西部地区而言，应以科技金融政策为契机，尽快建立完善的科技金融发展环境，结合本地特色吸引高科技产业入驻和金融资本投资，补齐自身科技金融资源短板，转变高污染、高耗能产业发展模式，学习发达城市治污减排经验，带动地区产业绿色发展。

第三，发挥产业升级、科技创新、政府支持的中介效应，健全科技投融资体系，引导城市绿色发展。具体包括：一是进一步完善科技金融服务功能，促进产业结构优化，通过转变传统生产模式、培育新兴环保产业等方式减缓资源要素错配问题，提高企业生产效率，推动经济绿色增长。二是重视科技创新对绿色发展的作用，引导金融机构积极参与绿色技术研发，释放对环境友好型企业的融资约束，支持企业使用清洁能源、升级治污设备，从源头和末端减少环境污染。三是将财政资源更多向绿色科技产业倾斜，利用税收、财政补贴等方式鼓励企业绿色生产，同时配合金融手段，改进科技金融服务模式，引导金融资源流向高效节能技术领域。

注释：

1）限于文章篇幅，熵权法与耦合协调模型具体测算过程备索。

2）限于篇幅，此处未列出数据匹配后变量的标准化偏差图，备索。

3）2020 年5 月，中国新一线城市研究所发布了《2020 城市商业魅力排行榜》，将334 个城市划分为6 个等级，分别为一线城市（4个）、新一线城市（15 个）、二线城市（30 个）、三线城市（70个）、四线城市（90 个）和五线城市（128 个）。

4）由于处在中部和西部地区的试点城市分别只有7 个和12 个，城市数量较少，故将中西部地区城市划为一组。