吕 途，王学真

引言

我国是世界上最大的发展中国家，在人力资本、自然资源和市场规模上具有其他国家难以企及的后发大国优势，这推动了国民经济的快速发展[1]，但也产生了严重的资源诅咒和环境污染问题。对此，党的十九大报告做出了我国经济已经由高速增长阶段转向高质量发展阶段的精准判断。随着我国经济增长动能由要素投资驱动向创新驱动的高质量转型，大国后发效应正逐步由速度规模优势向质量效益优势转变。绿色发展是高质量发展的重要内涵，为加快经济绿色转型，国家提出发挥大国优势建设市场导向型绿色创新体系的战略构想，将绿色创新作为大国经济从“速度领跑”向“质效优先”嬗变的主要驱动力。区域绿色创新系统作为大国绿色创新体系的重要组成，是推动我国省域经济绿色低碳循环发展的重要动力源。绿色创新具有高起点、大投入和长周期的高风险特征[2]，因此在创新投入和转化上存在严重的“市场失灵”现象。特别是当前我国正处于经济下行的转型时期，许多新兴知识密集型企业在内部资金紧缺的制约下，需要通过外部科技金融获得必要资金来加快绿色创新项目和科研成果的开发及转化。科技金融是对从种子期到成熟期各发展阶段的科技企业提供直接或间接投融资服务的一系列市场化行为和政策制度安排[3]，对区域绿色创新具有加大投入、提升效率的正向激励作用。然而由于我国幅员辽阔，大国效应扭曲现象较为突出，各区域间存在较为严重的地域性失衡问题，集中体现为人力资本集聚水平不同，使区域绿色创新能力差异明显，已成为制约科技金融发挥区域绿色创新效率提升作用的关键因素。对此在不同的人力资本水平下，科技金融投入对区域绿色创新效率的提升作用具有显著的阶段差异性，存在人力资本和科技金融的最优匹配区间。因此，科学分析我国区域绿色创新效率水平及其空间演化特征，并从人力资本视角探讨科技金融对区域绿色创新的影响效应，挖掘绿色创新效率的关键影响因素及其作用机理，对进一步发挥发展中大国的后发优势，促进经济高质量发展具有重要的理论和实践意义。

一、文献综述

绿色创新的概念由Fussler和James于1996年首次提出，它以可持续发展或减轻环境负担为目标对具有商业价值的新过程、新行为、新系统和新产品的创造和应用[4]。绿色创新不仅是单个企业的行为，更涉及区域创新系统的集体共同行为。已有研究主要集中在三方面：

第一，区域绿色创新效率测度。学者们运用多种方法对绿色创新效率进行测度，大多沿用随机前沿分析、数据包络分析等传统方法，如Luo等引入DEA对中国工业企业的绿色创新效率进行测评[5]；吕岩威等构建SBM-DEA模型对中国绿色创新效率及其区域差异进行测算[6]；Carayannis等以创新系统为例，从多层次多阶段的角度进行效率测度[7]；吴旭晓运用非期望Minds模型和灰色系统动态方程对我国内地绿色创新效率时空演进轨迹及其形成机理进行探究[8]。上述绿色创新效率测度模型的构建和应用为科学评判区域绿色创新水平提供了不同的研究思路，但由于模型精度和指标体系的不同，测算结果存在较大差异。

第二，区域绿色创新的空间差异分析。区域发展水平及资源禀赋的不同决定了绿色创新效率在空间分布上具有差异化特征，如Du等研究发现我国绿色创新效率存在显著的区域不平衡和差异，东部和西部地区的效率高于中部地区，东北地区的效率最低[9]；钱丽等对我国工业企业绿色技术创新效率区域差异进行研究后发现我国东部地区绿色技术创新水平高于中西部，且存在差距继续扩大的趋势[10]；滕堂伟等运用Super-SBM和GML指数构建城市尺度绿色创新效率测度模型研究了长三角城市群绿色创新效率的空间分异及空间关联效应，结果发现长三角城市群各城市绿色创新效率的差异趋于缩小,绿色创新效率正在趋向协同化[11]。

第三，区域绿色创新效率的影响因素分析。随着研究的不断深入，学者们开始探索区域绿色创新效率的主要影响因素及其作用机理，主要集中在经济发展水平、环境规制、科技进步、金融支持、人力资本、FDI等对绿色创新效率影响程度的分析上，如邝嫦娥通过构建影子经济微观模型探讨了其对绿色创新效率的影响效果与传导机制，实证检验了影子经济影响绿色创新效率的非线性关系[12]；郭进验证了我国环境规制与区域绿色创新之间存在“波特假说”[13]；霍伟东重点研究了FDI对区域绿色创新的影响，发现FDI对区域绿色创新具有显著抑制作用[14]。

此外，少许研究关注了人力资本与科技金融对绿色创新效率的驱动机理[15]。人力资本、科技金融作为区域绿色创新的基础，是促进绿色创新水平提升的关键所在。如Zeng等采用我国某一地区的研究人员和科学家总数来衡量人力资本存量，进而分析出人力资本对促进我国区域绿色创新效率具有重要作用[16]；刘尚希认为高技术含量、环境友好型的高质量发展需要发挥人力资本的核心作用[17]；谷慎等则认为科技金融能够起到优化资源配置、缩短创新周期、降低创新风险的作用，对刺激区域绿色创新效率提升具有正向作用[18]。现有研究较多关注人力资本或科技金融对区域绿色创新效率的单一影响，而人力资本与科技金融在影响区域绿色创新效率的过程中往往存在交互作用，如赵增耀等研究发现在绿色创新效率的影响因素中人力资本与科技金融提供有力的保障作用[19]。对这两种影响因素进行单方面研究可能会因忽略另外一种因素的影响而致使结果缺乏准确性。

综上所述，学术界对绿色创新效率进行了卓有成效的研究，但是研究成果还存在以下不足：首先，传统效率测度DEA模型忽略了非期望产出这一关键变量，导致绿色创新效率测算结果偏大，缺乏准确性；其次，多数研究在研究尺度的选择上多倾向于京津冀、长三角等城市群，对全国整体及各省域的绿色创新效率空间异质性及空间演化机理缺乏协同研究；第三，不同人力资本水平下科技金融对区域绿色创新效率的驱动程度存在差异，即人力资本具有门槛效应，而现有研究鲜有在人力资本作为门槛变量情况下就科技金融对区域绿色创新效率影响程度分析。鉴于此，本文采用考虑非期望产出的空间误差模型(SEM)，结合空间分析方法、空间计量模型(SDM)及门槛模型尝试回答以下几个问题：(1)中国省域绿色创新效率具有怎样的空间分布特征？(2)人力资本水平对区域绿色创新效率的影响是否存在门槛效应？如果存在门槛效应，那么在不同门槛值下科技金融对区域绿色创新效率会产生多大程度的影响？(3)各省域人力资本、科技金融对绿色创新效率影响是否存在空间溢出效应？若存在，空间溢出效应是否显著？通过对上述问题的深入探究，为缩小各省域之间的绿色创新效率差距，提升整体绿色创新效率水平提供有针对性的决策依据。

二、理论假设与研究方法

(一)理论假设

1.科技金融发展与区域绿色创新的关系

绿色创新效率是指在综合考虑环境污染和能源消耗的情况下区域创新效率的绿色化程度，用于衡量创新发展的质量[20]。区域绿色创新既是区域创新系统的一个重要组成部分，也是生态文明建设和可持续发展的重要着力点。区域绿色创新能够有效克服传统经济发展模式带来的资源危机和环境恶化问题。国家发展改革委、科技部《关于构建市场导向的绿色技术创新体系的指导意见》的出台标志着我国区域绿色创新发展进入新阶段。但是，区域绿色创新是一项复杂系统性工程，高风险、高投入的特性决定了区域绿色创新不能仅仅依靠有限的企业投入和政府财政支持，科技金融的发展则满足了区域绿色创新的资金需求。科技金融在缓解其融资约束、促使资本更多的流向科技创新企业或研发机构中发挥重要作用[21]，可以通过分散风险的资金配置来为区域绿色创新提供资金保障，同时较大的融资能力可以促进资本的形成，使得资本呈规模化进而推动区域绿色创新效率的提升。早在1912年，熊彼特就研究了货币、信贷等金融形式对创新发展的促进作用，认为创新和金融二者之间密不可分，后来Guarnieri[22], Alessandrac&Stoneman[23]等学者的研究也佐证了这一观点。有些学者研究发现金融发展并非对所有区域的创新活动产生正向促进作用，而是在某一区域的创新活动达到一定水平后金融的支持作用才能充分发挥[24]。综上研究，科技金融对当前区域绿色创新同样具有重要影响。因此，本文提出以下假设：

H1：科技金融对我国区域绿色创新效率影响显著。

2.人力资本在科技金融影响区域绿色创新效率中的作用机制

科技金融发展为区域科技创新提供了新的融资渠道[25]，但是由于我国区域发展不均衡，经济总量、人力资本水平、市场开放程度和政策体系等方面存在较大差异，各区域对科技金融资本的吸收能力也不一样。上述因素中，人力资本水平直接反映各区域内部工商企业对新知识、新技术的吸收能力，是将科技金融支持转化为技术支持、促进绿色创新效率提升的关键影响因素。发达地区凭借自身经济实力和区位优势，能够吸引各类金融机构及外商的资金投入，并能吸引大量高素质人才向该区域流动，形成人才集聚洼地，又凭借本区域高水平的人力资本优势吸收更多外部资金，形成资金与人才相互促进的一种良性循环，从而发挥科技金融对区域绿色创新效率的正向促进作用。而部分落后地区尽管在政府的帮扶政策下能够获得一定的技术资金支持，但是缺乏参与科技研发的高素质人才，存在创新思维落后、学习技能不足等问题，容易造成技术市场失灵、创新项目失败，并造成科研资金浪费，对区域绿色创新效率的提升形成阻碍。基于此，提出以下研究假设：

H2a：人力资本约束条件下科技金融对区域绿色创新效率存在“人力资本门槛效应”；

H2b：人力资本水平不同，科技金融对区域绿色创新效率的空间溢出效应不同，随着区域人力资本水平的提升，科技金融对区域绿色创新效率的促进作用进一步加强，即二者存在正相关关系。

(二)研究设计

1.区域绿色创新效率测度模型

区域绿色创新效率测度是在非期望产出约束下，在给定投入要素前提下，将产出分为期望产出和非期望产出，实现最大期望产出的同时尽可能降低非期望产出(污染物)的排放。多数学者在创新效率测度时一般采用传统DEA模型，该模型将期望产出和非期望产出都处理为尽可能大，测算结果往往与实际目标不符[26]。为此，本文借鉴已有研究，定义了考虑非期望产出的SBM模型，解决忽略松弛导致技术效率高估问题，构建基于“多投入—多产出”的非期望产出约束下区域绿色创新效率评价模型，其评价模型如下：

(1)

式中，目标函数Z是关于投入、期望产出和非期望产出下松弛变量的递减函数，Z表示决策单元(DMU)的绿色创新绩效，X为[x1,x2,x3,…，xn]，Yg为[y1g,y2g,y3g,…，yng]，Yb为[y1b,y2b,y3b,…，ynb]，x，yg，yb分别为投入要素、期望产出和非期望产出数值。

2.空间相关性

空间自相关用于考察数据是否存在空间依赖性，基于SBM模型测算的绿色创新效率，选取莫兰指数对全国各省市区绿色创新效率的空间相关性进行检验。传统莫兰指数表现了空间中同一要素之间存在的聚集关系，而双变量莫兰指数是对传统莫兰指数的改进，解释了空间中某一要素的一个指标与其相邻位置要素的另一个指标的相关关系[27]。传统莫兰全局指数表达式如下：

(2)

将式(2)进行改进，得到双变量莫兰指数表达式：

(3)

3.指标选取与数据来源

绿色创新效率是将资源与环境约束纳入效率测度的框架，从而计算出基于非期望产出下的创新活动投入产出之比。在已有研究的基础上，将生产函数和投入产出理论相结合，构建省域层面的绿色创新效率综合评价指标体系(见表1)。投入产出指标的界定与测算如下：绿色创新效率投入主要考虑资本投入、劳动力投入以及能源投入要素，分别选用R&D经费内部支出占地区GDP比重、R&D人员全时当量占从业人员比重、工业能源消费总量衡量，由于R&D经费内部支出是由投入流量与投入存量决定，所以采用当年的R&D经费内部支出为投入流量计算当年的支出存量，作为资本投入的衡量指标；期望产出分为中间产出和市场产出，分别采用人均专利授权数量和新产品销售收入衡量；由于研究侧重点不同，现有文献对非期望产出的衡量尚未形成统一观点。同时，由于SO2、烟尘以及固体废弃物等污染物对环境与经济的危害程度存在差异，以单一指标作为效率测算的非期望产出往往不够系统全面。本研究借鉴臧文琴[28]的做法，采用变异系数法对废水排放量、SO2排放量和固体废弃物进行客观的权重赋值，并采用熵值法计算上述3类污染物的环境综合污染指数，将其作为绿色创新效率的非期望产出指标。篇幅所限，本文未列出环境综合指数的计算过程。

表1 区域绿色创新效率投入产出指标选取与数据来源

三、实证分析

(一)绿色创新效率分布特征及动态演进

采用非期望产出的SBM模型测算中国大陆30个省市自治区(西藏数据缺失，故本研究中不包括西藏自治区)的绿色创新效率，并选取研究期内的4个年份，采用雷达分析图对30个省市自治区绿色创新效率进行可视化处理，如图1所示。

图1 主要年份绿色创新效率雷达分析

由图1可以看出，中国省域绿色创新效率空间格局与演化趋势呈现出以下三方面特征：一是绿色创新效率整体水平明显提升，但仍以中低等水平为主，提升潜力巨大。2008年绿色创新效率值在0.5以上的省市共有9个，占全部样本比重的30%，其中有6个省市(京、津、吉、沪、浙、琼)达到绿色创新效率前沿面。2017年绿色创新效率值在0.5以上的省市数量增加到18个，达到效率前沿面的省市增加到7个，但低效率区域仍占据主体地位，缩小区域差距，带动低效率区域同步发展将成为全面提升绿色创新效率的关键。二是绿色创新效率区域异质性特征显著，但个体间差距略有缩小。东、中、西部地区绿色创新效率均值分别由2008年的0.701、0.404、0.364上升至2017年的0.730、0.618、0.542，各区域绿色创新效率均有明显提升，但“东高西低”的空间格局尚未打破，导致该演化规律的本质原因是东西部地区经济水平的差异：东部地区区位优势和资源禀赋显著，经济发展起步较早，经济发展水平高，更有京津冀、长三角、珠三角等城市群为高技术产业集群的形成和发展提供稳定的物质基础和有效的技术支持；而西部地区经济发展水平低，在高技术产业集群、企业管理经验等方面相对较弱，导致创新动力不足，创新周期较长、效率较低等问题。三是绿色创新效率呈现出“集团化”发展趋势。与2008年相比，西部地区绿色创新效率明显提升，并且出现小型的集聚区(新、青)。主要原因是，现阶段，西部地区正处于大开发战略的加速发展阶段，产业结构逐步完善，特色产业取得发展契机，新疆、青海或将成为西部地区绿色创新发展新的增长极。珠三角地区绿色创新效率集聚范围进一步扩大，说明该区域的空间溢出效应和辐射带动作用进一步增强，而京津冀、长三角地区绿色创新效率集聚范围略有缩小，可能的原因是，该区域与周边地区经济水平、产业结构差距较大，导致被影响区域难以有效吸收来自高效率区域的正向溢出效应。

图2 人力资本、科技金融与区域绿色创新效率的双变量莫兰指数

通过图2可以看出，人力资本、科技金融与绿色创新效率的双变量全局莫兰指数均为正值，说明二者对区域绿色创新效率产生正向促进作用，也在一定程度说明人力资本、科技金融加速了绿色创新高效率水平区域集聚的形成。另外，二者的双变量全局莫兰指数呈现出差异性的变化趋势：2008—2010年人力资本对区域绿色创新效率的影响逐渐下降，2011—2013年出现小幅度提升，但此后表现为持续性下降。而科技金融对区域绿色创新效率的影响在2008—2010年快速增长，之后始终稳定在0.3附近。这一变化趋势说明人力资本对区域绿色创新效率的正向推动作用逐渐减弱，而科技金融的正向作用逐步增强，导致这一变化的可能原因包括：一方面，我国政府加强对区域绿色创新的重视，相继出台了一系列激励科技企业创新的政策制度，各地方政府也纷纷响应，不断加大科技创新投入；另一方面，随着生态文明体制改革的不断深入，传统的粗放型生产方式正在逐步转变，经济发展由“要素驱动”逐步转向“创新驱动”，导致人力资本等生产要素的正向效应逐步降低。但值得注意的是，尽管人力资本的正向作用逐步减小，但人力资本作为绿色创新不可或缺的主体要素，其素质高低、知识水平等会直接影响创新效率，研究期内，人力资本对绿色创新的影响逐渐减小是低素质、低层次人才被淘汰的外在体现。换言之，高素质、高层次人才是推动区域绿色创新的关键。因此，各地方政府应当加强科技与教育投入，培养具有高素质、专业性的高端人才，为绿色创新效率的提升提供人才保障。

(二)实证研究与分析

1.面板门槛模型

在明确区域绿色创新效率的基础上，采用静态门槛模型就当前人力资本约束下科技金融对区域绿色创新效率的非线性关系进行研究，以探究不同人力资本水平下科技金融对创新活动的资金支持效果。构建以人力资本水平为门槛变量的科技金融和绿色创新效率的门槛模型，并对所取变量进行对数化处理，以消除异方差等因素对所得结果的干扰。

lnTFPit=μi+b1lnfin_techitI(lnhumit≤g1)+b2lnfin_techitI(g1

(4)

式中，I(·)表示指示函数，fin_tech表示科技金融，hum表示人力资本水平。bz表示不同门槛区间内的回归斜率值，z∈[1,n]。X表示控制变量。i=1,2，…，30、t=2008,2009，…，2017分别表示省份和年份。μ、ε分别表示截距项和随机干扰项。本文根据门槛检验结果选择门槛模型的具体形式。

以科技金融为核心解释变量，考虑到数据的可获得性，采用政府财政支持、科技资本市场支持以及金融科技资金支持等科技资金投入测算所得的综合指数衡量科技金融指标。

人力资本水平为本研究的门槛变量，根据舒尔姿(1964)的观点，区域内人力资本水平越高，则劳动人员的素质与技能越高，能够高效地利用技术创新项目中的资金投入，从而规避科研投入的浪费。囿于数据的可得性，本研究采用加权求和法对各地区的人均受教育年限进行计算，其计算公式如下：

humit=nqit×0+xqit×6+cqit×9+gqit×12+dqit×16

(5)

式中，humit表示i地区在t年份的人力资本水平，nqit、xqit、cqit、gqit、dqit分别表示i地区在t年未上学、上小学、上初中、上高中和上大专及大专以上的人数比重。其原始数据来源于各年《中国统计年鉴》、各省市区统计年鉴。

为避免变量遗漏对回归结果造成的偏误，本研究选取以下指标作为模型中的控制变量：①产业结构，产业结构的变动体现在各产业历年数值变动，根据本研究需要，选取第二产业增加值占GDP比重表示产业结构；②城镇化水平，城镇化的本质在于人口集聚，本研究选取城镇人口占总人口比重作为城镇化水平的衡量指标；③环境规制，利用当年环保固定资产投资作为环境规制的代理变量；④外商直接投资，外商直接投资对绿色创新效率的影响尚未确定，一方面外商直接投资能够为投资地带来先进的技术与科技人才支持；另一方面，由于部分外资属于低端污染型FDI，导致投资地区的粗放式经济模式持续恶化，从而沦为“污染天堂”。以上变量数据来源于各年《中国统计年鉴》《中国环境年鉴》与各省市区统计年鉴。

人力资本是企业将科技金融转化为技术支持、提升绿色创新效率的关键因素。对于发达地区，由于自身的经济优势与天然区位禀赋，能够充分吸引金融机构、外商企业等的资金投入，凭借自身高水平的人力资本优势将所吸收的资金充分利用，因而发挥科技金融对区域绿色创新效率的正向作用。但相对落后的地区，科技研发资金大部分来源于政府财政支持，在吸引高素质人才方面与发达地区相比存在明显差距，人才匮乏往往导致创新项目不足、创新效率低及科研资金浪费等，不利于区域内绿色创新效率的提升。因此，本文推测在不同的人力资本水平下，科技金融可能因科研资金吸收能力的差异而对区域绿色创新效率的边际影响发生变化，即存在“人力资本门槛效应”。为检验这一推测的正确性，以人力资本水平为门槛变量，检验科技金融与绿色创新效率之间是否存在非线性关系(门槛效应)。通过自抽样法(Bootstrap)对研究样本抽样300次(表2)，并对门槛值、门槛区间进行估计(表3、图3)。

表2 门槛效应检验

注：P值及临界值均采用自抽样法(Bootstrap)模拟300次得到；***和*分别表示P<0.01和P<0.1(表6、表7同)

表3 门槛估计值

图3 门槛值及置信区间

检验结果显示，F统计量在双重门槛检验下显著，验证假设H2a成立，同时拒绝假设H1的成立，说明科技金融对区域绿色创新效率的影响受到人力资本约束，且存在双重门槛约束。门槛值分别为8.529、11.849，与门槛估计置信区间参数值一致，进一步说明模型设定合理，回归结果可信度较高。为考察在不同人力资本约束下科技金融对区域绿色创新效率的影响程度与方向，借助Stata软件对模型进行回归检验(表4)。

表4 门槛模型回归结果

注：er为环境，is为产业结构，ur为城镇化水平，fdi为外商投资，fin_tech_1、fin_tech_2、fin_tech_3分别表示三种人力资本门槛值区间内的科技金融(表7同)

回归结果显示：在不同人力资本水平下，科技金融对绿色创新效率的影响存在异质性。当人力资本水平在第一门槛内时([-∞,8.529])，科技金融发展对区域绿色创新效率表现为阻滞作用；而当人力资本水平介于第一、第二门槛之间时([8.529,11.849])，科技金融对区域绿色创新效率由阻滞转为微弱的正向促进作用；当人力资本水平越过第二门槛时[11.849,+∞]，科技金融对区域绿色创新效率的促进作用进一步加强。这一结果说明科技金融受到区域内人力资本水平的约束，并且只有当人力资本水平达到一定的阈值时，科技金融才发挥对绿色创新效率的正向作用。导致这一变化的主要原因是，随着创新参与人员整体素质的提升，其创新技能和学习能力能够规避创新过程中带来的科技创新失败的风险，降低创新项目的风险成本，从而通过政府、银行等投资结构等项目动态评估，为区域创新项目带来资金支持，提升绿色创新效率。因此，地方政府在提升创新绩效的过程中不应盲目加大资金投入，应因地制宜、因人制宜地调配科技金融投入力度与区域科研人员能力的关系。

从控制变量来看，环境规制、产业结构以及城镇化水平均对绿色创新效率产生显著的正向效应，而外商投资对绿色创新效率表现为抑制作用。这说明在我国高耗能、低效率的粗放式经济模式仍未改变的情况下，依然需要在环境监管、产业结构调整以及完善城市基础设施等方面加强管理力度，同时对低端工业行业实施硬性治理措施，关停甚至淘汰重污染、低创新型工业企业，规避污染型FDI的进入。

2.科技金融空间溢出回归结果分析

前文指出人力资本与科技金融均与区域绿色创新效率存在空间相关性，但二者对绿色创新效率的空间溢出效应具有怎样的影响方向仍有待进一步考证，限于篇幅，本文仅针对人力资本固定的情境下，科技金融对绿色创新效率的空间溢出进行检验(人力资本对绿色创新效率的空间溢出另行文研究)。为保证人力资本水平一定，本文在门槛回归的基础上，将原有样本分为三类，即低人力资本水平、中人力资本水平、高人力资本水平(表5)，并针对现有样本进行分类回归。

表5 门槛值的样本分组结果

随着交通基础设施的日益发达以及互联网设施的普及，区域间的创新信息交流逐渐打破地理距离的约束，其他来自区域创新个体间的技术梯度等因素的影响日益突出[29]，因此本文选取技术距离矩阵构建空间计量模型，考察不同人力资本水平下科技金融对绿色创新效率的空间溢出效应。本文在空间效应检验的基础上引入空间变量，通过模型对比选择空间杜宾模型进行回归分析，模型表达式为：

lnTFPit=μi+α1lnfin_techit+α2lnXit+α3Wlnfin_techit+εit

(6)

变量TFP、fin_tech、X的解释说明与上式相同，W表示空间权重矩阵。关于空间权重的选择，考虑到地方技术水平差异对区域创新活动具有重要影响，构建技术距离嵌套矩阵作为空间权重引入到上述模型中。

(7)

对所构建模型进行检验(表6)，结果显示，3个样本区域的卡方分别为7.22、29.50、13.81，在5%的水平上显著拒绝原假设，因此选择固定效应模型做进一步分析。借鉴埃尔霍斯特的做法，对3个样本的空间计量模型进行Wald和Lratio检验。表6检验结果显示3个样本均显著拒绝θ=0和θ=-βρ的假设，排除SAR和SEM模型。因此依据上述检验，本研究对3个样本区中科技金融对绿色创新效率的影响以固定效应SDM模型估计结果进行分析，结果如表7所示。

由表7的分样本的回归结果可知，人力资本的面板门槛回归结果与分样本的科技金融空间溢出回归结果较为一致，其中科技金融在高、中、低三类样本地区的直接影响系数分别为0.614、0.265、0.261，说明随着地区人力资本水平的提升，科技金融对绿色创新效率的促进作用进一步加强，即二者存在正相关关系，假设H2b得到验证。从空间因素来看，除低人力资本地区的空间溢出影响系数不显著外，高、中人力资本地区的科技金融空间溢出效应均显著为正，且高人力资本地区的科技金融溢出效应要高于中人力资本水平地区。创新项目质量好、密度高的地区对邻近地区形成辐射，一方面地区间的科研机构和企业会通过项目合作、产品互补等方式进行各方面的交流，从而实现资金支持强度高的一方对弱方的项目资金支持，达到双方创新效率双重促进的目的，而另一方面，过低的科研能力造成创新项目的新颖度过低、风险性过低，无法吸引银行等金融投资机构为区域内的创新项目提供资金支持，导致创新项目中断甚至取消。

表6 分样本Wald和Lratio检验

表7 分样本回归结果分析

四、结论与建议

本文针对我国区域绿色创新存在的大国效应扭曲现象，建立了人力资本约束下科技金融对区域绿色创新效率的作用模型，为我国各区域差异化推进区域绿色创新系统建设提供了理论依据。研究发现科技金融对绿色创新效率的影响存在人力资本门槛特征和科技金融空间溢出效应。采用包含非期望产出的SBM模型对我国大陆30个省市自治区2008—2017年的绿色创新效率进行测度，效率测算结果表明，我国区域绿色创新效率的整体呈上升趋势，但仍处于中低等水平，区域间差异显著。回归结果表明，科技金融能够促进绿色创新效率的提升；同时区域内部的绿色创新效率存在显著的人力资本门槛特征，主要表现在随着人力资本水平的上升，科技金融对绿色创新效率的作用由抑制到微弱促进，最终转变为中度促进，而目前已有66%的省份处于中高等人力资本水平，表明现阶段大部分省份能实现科研劳动力与科研资金的合理配置，发挥其对绿色创新效率的正向作用。进一步分析发现，邻近地区或省份间的科技金融对绿色创新效率存在创新溢出效应。根据以上实证结论，提出以下建议：

(1)基于人力资本区域差异性实施区域绿色创新能力建设。对部分人力资本水平落后的地区，一方面需要鼓励企业、高校等科研机构通过多种渠道加强产学研合作、开拓国际创新视野等方式提升本地区人力资本水平；另一方面应完善人力资本市场机制，为不同层次、不同专业的科研人员提供适当的发展平台和空间，优化本地的人力资本结构。对人力资本发展水平较高的地区，应当保证对科研人员的合理引导，避免人才冗余带来的就业、失业等问题，合理发挥人力资本对科研创新的促进作用。

(2)区域科技金融对绿色创新促进作用应考虑人力资本条件。科技金融作为技术创新活动的外部支持因素，应当在掌握一定前沿技术水平的科研团队下才能发挥对创新活动的资金支持作用。我国作为不均衡发展的大国，东部地区集聚了相当的人力资本优势，而中西部地区受地理位置与经济水平所限，对高素质人才与知识密集型企业缺乏吸引力，但是从特定产业以及政策支持上看，中西部地区并非整体处于劣势状态，例如西安、酒泉等地作为我国航空航天产业基地，吸引了大量的航空航天方面的高端人才和高新技术企业集聚。因此各区域必须根据现实基础和条件，进一步明确发展定位与发展方向，科学规划区域绿色创新战略，完善高层次科技人才引进管理制度，加速形成高层次创新人才集聚洼地。

(3)区域绿色创新政策制定应因地制宜立足于区域异质性。各区域政策的制定应当注重与自身发展条件相协调，重视各区域间技术创新与地理空间上的联系，在制定科技金融体系与区域创新规划时，应同时兼顾对邻近区域的空间溢出效应。区域间应加强创新要素资源的共享，突破行政区划对创新活动交流合作造成的障碍，加强区域间在科技计划(资金)管理、技术转化及市场销售等各创新活动阶段的交流合作，促进科技金融等创新资金支持在区域间的流动，实现本地区与邻近区域绿色创新活动的协同发展，加快形成区域绿色创新的大国效应。