科技金融政策对碳中和技术创新的影响

摘要 碳中和技术创新是应对气候变化、实现碳中和的关键。在面临巨额投资需求的情况下，促进科技和金融结合试点的科技金融政策能否助力碳中和技术创新，现有研究尚无确定答案。该研究以科技金融政策的实施作为一项准自然实验，基于2006—2021年中国277个地级及以上城市面板数据，从低碳技术、零碳技术以及负碳技术3个方面综合衡量碳中和技术创新，采用双重机器学习方法，检验了科技金融政策对碳中和技术创新的影响及作用机制。研究表明：①科技金融政策的实施对碳中和技术创新具有显著的促进作用。其中，科技金融政策对低碳技术创新以及零碳技术创新的促进作用更为明显，主要体现在涉及能源利用与工业生产过程的相关碳排放部门；对负碳技术创新的促进作用则存在较大提升空间。②机制检验发现，科技金融政策的实施通过提高政府科技投入水平以及科技人才集聚水平两个途径促进碳中和技术创新。③异质性分析表明，对于发达城市、非资源型城市以及知识产权保护水平高的城市，科技金融政策的实施均可以显著促进碳中和技术创新。基于以上结论，提出以下政策建议：①科技金融政策的实施应根据碳中和技术创新的类型以及所处阶段进行调整，从而适应碳中和技术创新的发展需要。②受不同类型城市的外在条件影响，科技金融政策实施效果的发挥，还应注重产业的绿色转型升级以及知识产权保护制度的完善。该研究为科技金融政策影响碳中和技术创新的效果评估提供了理论支持和经验证据。

关键词 科技金融政策；碳中和技术创新；双重机器学习方法

中图分类号 F832. 0；F124. 3 文献标志码 A 文章编号 1002-2104（2024）10-0066-14 DOI：DOI：10. 12062/cpre. 20240719

在气候变化日益严峻的背景下，全球已有150多个国家作出了碳中和承诺［1］。中国作为最大的发展中国家以及最大的碳排放国，高度重视气候变暖问题。党的二十大报告亦表明了中国积极参与全球气候治理的态度，指出要“立足我国能源资源禀赋，坚持先立后破，有计划分步骤实施碳达峰行动”。中国拥有高碳的能源结构，承诺实现从碳达峰到碳中和的时间却远远短于发达国家所用时间。要实现这一艰巨任务，关键在于碳中和技术创新［2］。碳中和技术创新是发展和应用碳中和技术方面的创新［1］，是降低脱碳成本、实现全面脱碳的根本要求。但是，作为实现碳中和的关键手段，碳中和技术创新需要巨额资金投入。据国家发展改革委价格中心预测，实现碳中和目标，需要在新能源发电以及先进储能等领域新增投资超过139万亿元。因此，解决融资需求、推动科技创新，是助力碳中和技术创新进而实现碳中和的关键。科技部等部门在2011年和2016年分批部署实施了促进科技和金融结合试点工作，科技金融政策正是旨在推动金融支持科技创新发展、促进科技成果转化、培育和发展战略性新兴产业的金融创新举措。那么，科技金融政策的实施能否促进碳中和技术创新的发展？其具体机制如何？厘清以上问题对促进“双碳”目标的实现、发挥科技金融政策的有效性以及对科技金融政策的进一步推广均具有重要的现实意义。

1 文献综述

近年来，在气候问题的重要性日益凸显，创新驱动发展战略不断深化，科技金融融合发展的背景下，科技金融和碳中和技术创新问题愈发受到学界关注。

科技金融是指为促进技术创新而实施的系列金融手段［3］，可以推动金融资源流向科技创新领域，进而促进从技术研发到商业化的全周期发展［4-5］。近年来，学者们已围绕科技金融展开相关研究，主要分为两个方向：①从宏观上来看，科技金融的效应评估主要集中在绿色技术创新、产业转型升级、环境改善效应以及经济高质量发展等方面［6-9］。学者们大多认为科技金融可以降低碳排放规模、促进经济的绿色低碳发展，其作用机制主要包括提升城市的绿色创新能力、促进生产结构合理化等［10］。②从微观上来看，科技金融的效应评估主要集中在企业的创新效率上［11］。科技金融政策的实施显著提高了试点城市的高新技术企业创新产出［12］，其作用机制主要包括缓解融资约束［13］、提升企业的研发投入等［14］。科技金融政策是技术进步冲击下的金融创新举措，是与经济制度互相影响、互为因果关系的制度改革［15］。已有研究指出，金融创新在促进绿色创新的过程中起着关键作用［16］，并且这一促进作用在碳密度高的国家更为明显［17］。其次，由于可再生能源的技术发展不成熟、前期投入大等特性，可再生能源技术创新相比于化石燃料技术创新更易受到融资约束［18］。未来实现碳中和仍需主要依靠以可再生能源为代表的零碳技术创新，以CCUS技术（碳捕集利用与封存技术）为代表的负碳技术成本高昂，更适宜作为应急和备用手段，以减少实现碳中和目标的不确定性［19］。

由此可见，上述研究针对科技金融政策进行了不同视角的分析与探讨。同时，已有研究讨论了碳交易政策对碳中和技术创新的影响［20］、金融发展以及技术创新二者分别对碳中和的影响［21-22］，但是从科技创新与金融发展相结合的视角出发，分析科技金融对碳中和技术创新影响的相关研究较少。基于此，本研究以科技金融政策的实施作为一项准自然实验，基于2006—2021 年中国277个地级及以上城市面板数据，采用双重机器学习方法，检验科技金融政策对碳中和技术创新的影响及作用机制，并探究在不同城市等级、不同资源禀赋以及不同知识产权保护水平的城市，科技金融政策影响碳中和技术创新的异质性表现。

本研究的边际贡献在于：①在研究内容上，将科技金融政策纳入碳中和技术创新的框架体系，并从提高政府科技投入水平以及科技人才集聚水平这两个视角分析相应的传导机制，有助于拓展已有研究。②在研究方法上，首次使用双重机器学习方法，对科技金融政策影响碳中和技术创新的效果进行评估，可以有效解决传统计量方法的函数误设、高维诅咒和假设过于严格等问题，从而获得更加准确的研究结论。③在政策实践上，通过考察科技金融政策对碳中和技术创新的促进作用，以及该作用在不同类型城市的异质性表现，并结合实际情况提出相应的政策建议，对于厘清科技金融政策助力碳中和技术创新的实施方向具有现实指导意义。

2 政策背景与理论分析

2. 1 政策背景

为推进实施创新驱动发展战略，积极引导金融资源向科技创新领域配置，科技部、中国人民银行等5部门联合，通过组织专家评审各申报地区的试点方案，最终确定于2011年面向16个地区开展首批促进科技和金融结合试点工作，并于2016年确定第二批9个试点城市。试点地区或城市具有科技资源相对密集、金融生态良好等特点。自科技金融政策试点工作实施以来，各试点城市结合当地的实际情况，根据总体方案编制了详细规划，积极引导金融资本参与实施国家科技重大专项等科技计划，主要围绕促进科技和金融结合、加快科技成果转化、培育发展战略性新兴产业等方面细化落实建设任务。此外，各试点城市在实践中将部分募集资金投向绿色环保、清洁能源以及生态保护等绿色产业项目，并重点向节能环保、新材料以及能源化工等领域的科技型中小企业和重大科技产业化项目进行直接或间接投资。从政策实施效果来看，已有研究表明，科技金融政策的实施，不仅可以显著提高试点城市的创新水平［23］，还具有减少碳排放等环境改善效应［8，10］。但是，在科技金融政策对于碳中和项目有所支持的情况下，缺少检验科技金融政策对碳中和技术创新影响的相关研究。在“双碳”目标下，探讨科技金融政策对碳中和技术创新具有何种影响，能够为科技金融政策助力碳中和技术创新、进而实现“双碳”目标提供重要的政策启示。

2. 2 理论分析

科技金融是促进科技开发、成果转化和高新技术产业发展的一系列金融工具、金融制度、金融政策和金融服务，是国家科技创新体系和金融体系的重要组成部分［24］。科技金融政策旨在促进金融资本和科技的结合，通过融合创业投资、银行信贷以及多层次资本市场等多元化金融资源，引导金融机构加大对科技企业的信贷支持，降低科技企业的风险损失，推动技术创新的发展。在促进原有工业结构转型升级的同时，科技金融政策以科技型、创新型企业为重点支持对象，催生出具有关键核心技术的战略性新兴产业［25］。同时，科技金融的发展有助于引导资本流向环保意识强的企业［26］，从而有利于低碳相关的新技术研发和产业落地，为在“双碳”目标下面临经济发展与产业转型升级压力的城市提供科技与产业支撑。

作为实现碳中和的核心驱动力，碳中和技术创新具有高资本、高知识密集性的特征，对创新主体的资本实力和创新能力均有较高的要求［27］。科技金融政策不仅可以通过政策引导更多的金融资本支持科技创新，从而提高创新主体的资本实力，为科技创新活动提供多元化的金融服务和融资渠道，降低其进行科技创新活动的风险；还可以通过市场资源配置的作用，引导资金流向创新能力更强的创新主体［23］，为实现碳中和提供全产业链协同减排的科技支撑。科技金融政策的以上特点为实现碳中和技术创新提供了相应支持。同时，在气候变化问题愈发严重、中国碳减排压力不断增大的情况下，创新主体在肩负科技创新重任的同时，需要主动或被动地兼顾经济可持续增长的责任，从而促使创新主体升级既有技术，不断改进创新流程，更好地助力自身或者其他市场主体实现碳中和技术创新，研发出符合“双碳”目标发展需求的科技成果。据此，提出如下待检验假说。

H1：科技金融政策的实施促进了碳中和技术创新。

科技主体本身技术、市场、商业模式等不成熟，发展过程中存在极大的不确定性。同时，科技主体资产专有性强、缺少抵押品，信贷风险定价过高，创新过程存在信息不对称等问题，以致其面临严重的外部融资约束。技术创新能够得益于资金的可获得性［28］。科技金融政策为促进科技创新，明确指出创新财政科技投入方式、提高财政资金使用效益，利用财政资金的引导和放大作用，撬动民间资本加大科技投入，加快科技成果转化。科技金融的资金配置以及信息识别功能，有助于将金融资源优先配置给技术含量较高的环境友好型项目［29］。碳中和技术创新具有前期资金投入大、获利周期长、风险难以预估的特征。在科技金融政策的指导下，政府通过设立基金、提供税收优惠和财政补贴等方式，引导资金进入技术创新领域，缓解科技主体在进行碳中和技术创新时面临的融资约束问题，助力其进行实质性的创新。此外，政府的科技投入释放了对投入项目质量和市场前景表示认可的信号［30］，带动其他金融资源为不同成长阶段的科技主体提供多样化的融资服务［7］，从而可以优化资源配置，引导资金流向科技创新主体，助力其突破融资瓶颈，促进碳中和技术创新。据此，提出如下待检验假说。

H2：科技金融政策的实施通过提高政府科技投入水平促进碳中和技术创新。

人才是知识产出和技术革新的主体，科技型企业的发展需要的不仅仅是资金，更需要招募相关专业人才、引进技术以及扩展市场。科技金融政策为科技主体提供金融产品设计、金融资源配置和金融服务安排以激励其创新，并引导政府推出诸多人才引进配套政策［31］，以满足科技主体对于科技人才的需求。同时，科技创新主体具有本行业的关键技术和知识产权优势［32］。试点政策中如知识产权质押贷款等的实施优化了创新环境，在保护创新成果产出的同时亦有利于创新融资［33］，从而有利于科技人才开展科技创新活动。此外，科技金融政策通过直接融资或间接融资方式为科技型企业发展提供资金支持、信用增进以及风险分担，引导金融资本进入工业、民生等领域以及绿色环保、清洁能源等绿色产业项目，促进科技成果产业化以及地区产业结构优化升级［7］。在“双碳”目标下，效率低下、技术滞后的产业受到冲击，碳中和技术创新相关的产业集群逐渐兴起。新兴高生产率的低碳产业发展，将抵消高碳产业退出对产出带来的影响［34］，产业的转型升级为科技人才提供了更加充裕的创新资源和发展机会［35］。科技人才的集聚，不仅通过知识的交流、扩散和分享来帮助其进行交互式学习和创新知识溢出，而且通过加剧市场的竞争程度，促使效率较低的主体被市场淘汰，高技术产业经济要素的配置效率以及技术创新的研发效率则得以提高［36］，从而提升碳中和技术创新水平。据此，提出如下待检验假说。

H3：科技金融政策的实施通过提高科技人才集聚水平促进碳中和技术创新。

3 研究设计

3. 1 模型构建

3. 1. 1 基准模型

为研究科技金融政策对碳中和技术创新的影响，参考已有研究［37］，采用双重机器学习方法进行评估。传统计量模型和方法在处理非线性关系和高维协变量时存在局限，易产生多重共线性和维数诅咒等问题，带来估计偏误。其他常用于评估事件效果的传统因果推断方法则依赖于严格的假设体系，如双重差分方法需要假定事件发生前处置组和对照组的被解释变量随时间的趋势变化一致，倾向得分匹配方法在数据量大的情况下匹配过程中会损失大量观测值，断点回归方法在断点的选择上具有较大的主观性，合成控制法要求处置组不具有极值特性且仅适用于“一对多”的情况等，从而导致研究结果的稳健性较低。机器学习方法在可以处理非线性关系的同时，通过引入正则项进行降维来避免维数诅咒问题，但是也会带来正则偏误。

基于以上考虑，近年来提出的双重机器学习方法（double/debiased machine learning，DDML）可以有效弥补传统研究的不足［38］。双重机器学习方法通过两次使用机器学习方法来消除正则偏误。因此，不仅无须预设变量间的关系从而允许变量间非线性、交互影响等关系的存在，还可以同时考虑高维控制变量，且经研究证明该方法得到的处理效应系数是无偏的［38］，从而可以精确地估计因果关系。碳中和技术创新受到经济社会中诸多因素的影响，且在技术创新的发展过程中，变量间的非线性关系是常态，为确保政策效果估计的准确性，应尽可能控制其他因素对碳中和技术创新的干扰。因此，本研究采用双重机器学习方法来估计科技金融政策对碳中和技术创新的影响效果。

使用双重机器学习方法，建立部分线性模型［ 38］：