郭晓桐 陈东景

摘要：基于2005—2020年中国省级面板数据，从经济、社会以及生态维度测算各省地区财富，构建双向固定效应模型、中介效应模型，考察地区财富对绿色技术创新的影响和作用机制。研究结果显示，地区财富能够显著促进绿色技术创新。中介效应检验结果表明，沿海地区财富可通过发展绿色金融、引入外商直接投资和增加研发投入促进绿色技术创新；内陆地区绿色金融的中介效应不显著。建议政府统筹生态文明建设和经济、社会发展以实现地区财富多维度增长；各地区通过完善绿色金融政策体系、保护外资企业合法权益和壮大研发投入主体规模以促进绿色技术创新。

关键词：地区财富；绿色技术创新；作用机制；中介效应

中图分类号：F205；F062.2

文献标志码：A

文章编号：1006-1037（2023）02-0141-06

doi：10.3969/j.issn.1006-1037.2023.02.23

基金项目：

国家社会科学基金（批准号：21BGL269）资助。

通信作者：

陈东景，男，博士，教授，主要研究方向为可持续发展评价。

党的二十大报告明确指出“尊重自然、顺应自然、保护自然，是全面建设社会主义现代化国家的内在要求”。《中国经济生态生产总值核算发展报告2018》显示2018年生态破坏成本为0.63万亿元，污染损失成本为2万亿元。高质量发展阶段如何协调经济发展与环境保护成为一项重要任务。绿色技术创新作为连接经济发展与环境保护的关键点［1］，脱胎于传统技术［2］，以实现绿色发展为核心追求，注重通过创新提供新产品、新工艺、新服务和新市场方案减少自然资源消耗，降低自然环境损害，提高资源配置效率，能够为实现高质量发展提供动力支持和实现路径。绿色技术创新的影响因素众多如企业、政府和社会等，其中地区财富常被认为是重要影响因素，对其有显著促进作用［3］。地区财富增长促使新材料、新产品和新消费品市场需求规模扩大，居民绿色消费意愿增强，推动了地区绿色技术创新［4-5］。富裕地区研发资本和技术劳动力相较欠富裕地区更具优势，能为绿色技术创新提供充足资本和人才储备［6］；其公共服务体系、基础设施建设、教育资源丰度、医疗保障体系和发展机会等条件优越，能吸引优质劳动力聚集，提高当地环境要求，促进绿色技术创新［7］。以地区富裕程度为标准，中国省际绿色创新效率自东向西逐渐降低，即东部地区富裕程度更高，绿色创新效率也更高［8］。地区财富包括狭义财富和广义财富，前者通常聚焦于物质层面［9-10］，后者虽涵盖公共服务和自然环境但衡量范围局限于地级市［11-12］。综上，本文从经济、社会以及生态维度，运用主成分分析法全面、系统测算地区财富，宏观视角研讨分析地区财富对绿色技术创新的影响，基于省级面板数据实证检验，探究地區财富对绿色技术创新的作用机制。

1 机制分析与假设

1.1 绿色金融

地区财富增长推动了金融业蓬勃发展，金融领域财富积累促进了金融规模扩大和金融效率提高。随着金融体制改革逐步推进，金融资源逐渐向绿色金融聚集，加快了绿色金融发展进程。绿色金融通过绿色投资、绿色信贷和绿色保险等金融工具能够为绿色技术创新提供充足资金，缓解资金瓶颈与融资不足压力［13］；通过发挥“资源配置”与“资金导向”功能，引导资本流向环境友好型企业；通过强化绿色信息披露约束“两高一剩”行业，促进绿色技术创新［14-15］。因此，提出假设：

H1：地区财富可以通过推动绿色金融发展促进绿色技术创新。

1.2 外商直接投资

富裕地区由于市场条件优越，基础设施完备，生态环境宜人等诸多优势，降低了跨国公司交易成本，增加了利润空间，能够吸引更多外商直接投资。“污染光环”假说认为，跨国公司对外投资能够引入先进清洁的生产技术和健全的环境管理体系，从而对投资地区的环境产生积极影响且具有溢出效应［16］。全球性跨国公司向其他地区投资时能够通过知识扩散、技术外溢与转让、资金投入等方式促进投资地区绿色技术创新。因此，提出假设：

H2：地区财富可以通过吸引外商直接投资促进绿色技术创新。

1.3 研发投入

富裕地区政府财政收入充足，财政政策积极灵活如通过政府补助、所得税优惠和研发费用加计扣除等能够促进企业大量增加研发投入。富裕地区市场环境完善，行业竞争激烈，可倒逼企业持续增加研发投入，有效加速绿色技术创新进程［17］。这不仅可以促进高质量创新成果涌现，还有助于低质量创新绿色转型，对扶持战略性绿色技术创新产业发展和提高技术自主创新能力具有关键作用［18］。因此，提出假设：

H3：地区财富可以通过研发投入增加促进绿色技术创新。

2 研究设计

2.1 模型设定

为考察地区财富对绿色技术创新的影响，构建基准回归模型

其中，gpait表示绿色技术创新，i为省份，t为年份，wealthit为地区财富，β1为解释变量的回归系数，β0为截距项，Xit表示控制变量，λ为控制变量的回归系数，νt为年度的时间固定效应，μi为省份的地区固定效应，εit为随机误差项。

为验证地区财富影响绿色技术创新的作用机制，基于以往研究成果［19］构建模型

其中，Mit为中介变量；Xit为控制变量，与模型（1）中所选控制变量一致；δ1为地区财富对绿色技术创新的总效应；θ1为地区财富对中介变量的影响；ξ1为地区财富对绿色技术创新的直接效应；ξ2为控制地区财富的影响后，中介变量对绿色技术创新的影响。各效应间内在联系满足δ1=ξ1+θ1ξ2，θ1ξ2为中介效应，即地区财富经过中介变量对绿色技术创新的影响，θ1ξ2/δ1为中介效应与总效应比值。

2.2 变量说明

2.2.1 被解释变量 发明专利申请时需严格审查其实质性特征且须比现有技术有较明显进步。受测试费、缴纳的年费和社会环境等因素影响［20］，专利授权时间通常需1～3年。专利申请量相较于授权量更能代表当年该地区的技术创新成果。采用各省绿色发明专利和绿色实用新型专利申请量之和的自然对数表征地区绿色技术创新［21］，亦作为被解释变量。

2.2.2 核心解释变量 根据已有财富指标衡量方法［22］，从经济发展、社会进步和生态宜居维度构建地区财富综合指标体系（表1）。逆向指标通过无量纲化处理法转换为正向指标。地区财富作为核心解释变量可通过主成分分析法测算。

2.2.3 中介变量

绿色金融（gfi）：基于绿色金融内涵［23］，采用环境污染治理投资占GDP比重衡量绿色投资，高能耗产业利息支出占比衡量绿色信贷，农业保险深度衡量绿色保险。通过构建绿色金融指标体系，采用熵值法测算绿色金融。

外商直接投资（fdi）用地区实际利用外商投资总额衡量。

研发投入（rd）用规模以上工业企业R&D经费占各地区GDP比重衡量。

2.2.4 控制变量

教育发展（edu）用高等教育在校生人数占总人口数比重衡量。

政府干预（govb）用地方政府一般财政预算支出占GDP比重衡量。

产业结构（str）用第三产业增加值占GDP比重衡量。

2.3 数据来源及描述性统计

考虑数据连续性与可得性，采用2005—2020年中国30个省级行政区的面板数据（西藏、香港、澳门和台湾地区因相关数据缺失不作研究，表2）。绿色专利数据源自国家知识产权局专利数据库。其他变量原始数据源自《中国统计年鉴》《中国环境统计年鉴》《中国保险年鉴》以及各省统计年鉴。

3 实证结果分析

3.1 基准回归结果分析

为探究地区财富对绿色技术创新的影响，应用双向固定效应OLS回归估计模型（1）（表3）。以wealth、govb、edu和str的一阶、二阶滞后变量为工具变量，多次完成DWH内生性检验，结果表明解释变量均为外生。第（1）列整体回归结果显示，地区财富系数为0.274，且通过1%显著性水平检验，验证了地区财富对绿色技术创新的显著促进作用，表明经济、社会和生态环境全方位协同发展是促进绿色技术创新的重要因素。

为考察地区财富影响绿色技术创新的区域异质性，整体样本划分为沿海地区和内陆地区（沿海地区包括山东、河北、辽宁、江苏、天津、浙江、福建、上海、广东、海南、广西，内陆地区包括青海、宁夏、陕西、山西、四川、重庆、贵州、北京、河南、安徽、湖北、湖南、江西、吉林、黑龙江、云南、甘肃、内蒙古、新疆）。由第（2）、（3）列可知，沿海地区核心解释变量回归系数为0.238，内陆地区为0.366，均通过1%显著性水平检验，表明内陆地区财富对绿色技术创新促进作用更强。这是因为，内陆由于多为资源型产业导致财富积累过程中环境污染较重，为满足其可持续发展从而迫切需要通过绿色技术创新解决环境问题；沿海多为清洁产业，其环境污染较轻，绿色技术创新需求较低［24］。

3.2 中介效应检验

由表4可知，整体以及划分样本后的地区财富均显著促进了绿色技术创新，满足中介效应检验条件。整体样本中，绿色金融、外商直接投资及研发投入具有显著正向的中介效应，与前文假设一致。外商直接投资的中介效应（0.116）高于绿色金融（0.081）和研发投入（0.094）。这是由于，随着高水平对外开放深入推进，地区财富增长可吸引更多跨国企业落地中国，先进清洁生产技术引入的同时“污染光环”加速了本地清洁转型，促进了绿色技术创新；绿色金融发展缺乏良好的政策和市场环境，研发经费投入强度仍偏低，导致二者中介效应未完全释放。内陆地区绿色金融的中介效应不显著，这与预期假设不符。这是由于内陆地区金融业发展落后，提供绿色金融服务的金融机构较少，无法满足绿色技术创新的资金需求［13］。另外，沿海地区研发投入的中介效应大于内陆。这是由于沿海地区经济、社会和生态条件更适宜节能环保型企业发展，致使更多企业投入研发资金促进绿色技术创新［25］；沿海地区污染排放标准更高，引发杠杆效应促使企业增加研发投入，推动绿色技术创新。

3.3 稳健性检验

采用替换解释变量法，用夜间灯光亮度（由DMSP表示，数据源自Earth Observation Group网站）衡量地区财富［26］，基于原计量模型完成稳健性检验（表5、表6）。各变量回归系数的符号与前文基本一致，各中介效应也符合之前的实证结果。由此，本文实质性结论未发生变化，回归结果具有稳健性。

4 结论

本文通过测算各省份地区财富，分析检验了地区财富对绿色技术创新的影响和作用机制。研究表明，地区财富对绿色技术创新有明显正向促进作用。地区财富可通过推动绿色金融蓬勃发展、吸引外商直接投资进入和增加研发投入供给，促使绿色技术创新水平提升。由于内陆地区绿色金融发展起步较晚、未成规模，还未成为当地财富增长促进绿色技术创新的作用机制之一。据此建议，积极从经济、社会与生态环境等多维度积累地区财富，摒弃单一的、只注重经济层面的粗放发展方式，协调统一经济社会发展与生态环境保护。完善绿色金融政策体系，加快内陆地区绿色金融发展，重视设立绿色金融发展试点。保护外资企业合法权益，降低外资企业经营成本，充分发挥外商投资的知识外溢效应、示范效应以及竞争效应。壮大研发投入主体规模，增加企业研发投入供给，提高自主研发投入强度。

參考文献

［1］ANTONELLI C. Technological congruence and the economic complexity of technological change［J］. Structural Change and Economic Dynamics， 2016， 38： 15-24.

［2］ACEMOGLU D. Directed technical change［J］. Review of Economic Studies， 2002， 69（4）： 781-809.

［3］NGUYEN H M， ONOFREI G， TRUONG D， et al. Customer green orientation and process innovation alignment： A configuration approach in the global manufacturing industry［J］. Business Strategy and the Environment， 2020， 29（6）： 2498-2513.

［4］范紅忠. 有效需求规模假说、研发投入与国家自主创新能力［J］. 经济研究， 2007（3）： 33-44.

［5］ARRANZ N， ARROYABE C F， DE ARROYABE J C F. The effect of regional factors in the development of eco-innovations in the firm［J］. Business Strategy and the Environment， 2019， 28（7）： 1406-1415.

［6］JERZMANOWSKI M， TAMURA R. Directed technological change & cross-country income differences： A quantitative analysis［J］. Journal of Development Economics， 2019， 141： 102372.

［7］DIAMOND R. The determinants and welfare implications of US workers＇ diverging location choices by skill： 1980-2000［J］. American Economic Review， 2016， 106（3）： 479-524.

［8］沈能， 周晶晶. 技术异质性视角下的我国绿色创新效率及关键因素作用机制研究： 基于Hybrid DEA和结构化方程模型［J］. 管理工程学报， 2018， 32（4）： 46-53.

［9］朱诗娥， 杨汝岱， 吴比. 中国农村家庭收入流动： 1986～2017年［J］. 管理世界， 2018， 34（10）： 63-72.

［10］ 李涛， 陈斌开. 家庭固定资产、财富效应与居民消费： 来自中国城镇家庭的经验证据［J］. 经济研究， 2014， 49（3）： 62-75.

［11］ 孙伟增， 张晓楠， 郑思齐. 空气污染与劳动力的空间流动——基于流动人口就业选址行为的研究［J］. 经济研究， 2019， 54（11）： 102-117.

［12］ 张军扩， 侯永志， 刘培林， 等. 高质量发展的目标要求和战略路径［J］. 管理世界， 2019， 35（7）： 1-7.

［13］ 曾玲玲， 叶甜甜. 绿色金融能否提高绿色全要素生产率？［J］. 北京邮电大学学报（社会科学版）， 2021， 23（1）： 69-79.

［14］ 姜楠， 刘喜华. 绿色投资对工业转型升级的影响研究［J］. 青岛大学学报（自然科学版）， 2022， 35（1）： 124-128.

［15］ 孙畅， 王湛， 刘嘉琦. 绿色技术创新与绿色金融体系发展的耦合性研究［J］. 金融理论与实践， 2021（10）： 22-33.

［16］ 殷琪， 张金玲. “污染光环”假说研究综述［J］. 甘肃科技纵横， 2015， 44（5）： 14-15+29.

［17］ 修苗苗， 戴玉才. 政府补贴、研发投入与企业经济绩效——以新能源上市公司为例［J］. 青岛大学学报（自然科学版）， 2020， 33（3）： 102-109.

［18］ 王班班， 赵程. 中国的绿色技术创新——专利统计和影响因素［J］. 工业技术经济， 2019， 38（7）： 53-66.

［19］ BARON R M， KENNY D A. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations［J］. Journal of Personality and Social Psychology， 1986， 51（6）： 1173-1182.

［20］ 黎文靖， 郑曼妮. 实质性创新还是策略性创新？——宏观产业政策对微观企业创新的影响［J］. 经济研究， 2016， 51（4）： 60-73.

［21］ 杨明海， 刘凯晴， 谢送爽. 教育人力资本、健康人力资本与绿色技术创新——环境规制的调节作用［J］. 经济与管理评论， 2021， 37（2）： 138-149.

［22］ 董直庆， 王辉. 城市财富与绿色技术选择［J］. 经济研究， 2021， 56（4）： 143-159.

［23］ 赵峰， 苏思宇， 牟璐瑶. 拨云见日： 绿色金融对雾霾污染的影响研究［J］. 金融理论与教学， 2022（2）： 1-7+13.

［24］ 谢波， 贾佳豪. 能耗约束目标对企业绿色技术创新的影响机制——政治关联的调节效应［J］. 科技进步与对策， 2022， 39（16）： 106-113.

［25］ 苏媛， 李广培. 绿色技术创新能力、产品差异化与企业竞争力——基于节能环保产业上市公司的分析［J］. 中国管理科学， 2021， 29（4）： 46-56.

［26］ ALESINA A， MICHALOPOULOS S， PAPAIOANNOU E. Ethnic inequality［J］. Journal of Political Economy， 2016， 124（2）： 428-488.