姚登宝,申 翔

(安徽大学 经济学院,合肥 230601)

自改革开放以来,中国经济经历了粗放式高速发展,并由此带来了高污染、高能耗问题;现随着中国经济发展进入“新常态”国家,对于经济的高质量发展、环境保护提出了较高的要求。2016年“绿色金融”首次入选G20峰会议题,在全球范围内引起广泛的关注,绿色金融是在新发展理念下支持绿色发展、增进环境效益的重要金融投融资活动及金融产品,绿色金融可以有效推动产业结构的调整转型升级,并以此促进区域经济的发展和生态环境的保护。近年来,中国在ESG(环境、社会和治理)信息披露、绿色金融标准、碳排放交易、绿色资金管理等方面颁布了多部行业法规,为促进绿色金融的发展提供对应的政策引导和匹配的制度保障,绿色金融进入了快速发展期。在此基础上绿色金融的发展有效引导了社会资金流向绿色技术创新,加快了绿色技术创新成果转化,绿色技术的创新对于中国经济的高质量可持续发展有着重要意义。2022年10月,党的二十大提出“要完善支持绿色发展的财税、金融、投资、价格政策和标准体系,发展绿色低碳产业,加快节能降碳先进技术研发和推广应用”。因此,在当前中国经济高质量转型发展中,揭示和分析绿色金融发展支持绿色技术创新在不同省市之间的差异,以及各省市之间的空间关联效应是十分重要的。

1 文献综述

绿色金融是由环境金融演化而来,Salazar率先提出环境金融,旨在满足清洁行业投融资的需求,推进金融与清洁产业的连接。在国内,李晓西等[1]提出绿色金融是绿色经济资金的融通,是可持续发展与金融问题的有机结合。在绿色金融与经济发展上,绿色金融是经济高质量发展的必然选择,在经济发展的高级阶段具有不可或缺的作用[2]。绿色金融是绿色经济发展的关键动能,是实现经济发展与自然资源之间平衡的重要手段[3]。同时,绿色金融的良好发展离不开政策的支持,国内绿色金融政策体系中,绿色信贷政策质量最高,其次为碳排放权交易政策[4]。绿色金融政策的发展历经萌芽期、发展期、成熟期三个阶段,并且绿色金融政策对于减少污染排放具有正向作用[5]。

绿色技术创新是促进生态环境保护、实现经济高质量发展的重要手段,从宏观上看,绿色技术创新对经济转型和绿色发展起到支撑作用[6],绿色技术创新可以有效推动产业升级,转变国内原有的高污染、高能耗发展方式,推进产业结构、能源结构、交通运输结构调整。从微观上看,绿色技术创新可以有效减轻污染,提升企业生产效率,降低企业的生产成本[7],绿色技术创新对于企业的核心竞争力有着显著的正向作用[8]。

近年来,越来越多的学者关注绿色金融发展与绿色技术创新之间的关系,主要集中在以下两个方面:第一,绿色金融是否可以促进绿色技术创新。从宏观研究上看,绿色金融是绿色技术创新的血液,贯穿于绿色技术发展始终[9]。绿色金融中的绿色证券、绿色保险、绿色信贷、碳金融均对绿色技术创新具有显著推动作用[10],其中现有文献中针对绿色信贷对于绿色技术创新的研究较多,并且绿色信贷的影响机制表明,研发投入是绿色信贷影响绿色技术创新的主要渠道[11],绿色信贷政策的代理成本降低和投资效率提升可以有效促进绿色技术创新[12]。在现有的绿色金融与绿色技术创新的匹配上,中国绿色金融的发展与绿色技术创新长期处于拮抗耦合状态[13],绿色金融的供给不足制约了绿色技术创新的发展[14]。第二,绿色金融如何促进绿色技术创新。从作用机制上,绿色金融通过提高企业债务结构中长期借款的比重,优化企业财务方式促进企业的绿色技术创新[15]。首先,绿色金融可以通过融资成本和融资规模影响绿色技术创新[16],并且可以通过提升研发投入对技术创新进行激励[17]。其次,绿色金融可以有效解决绿色技术创新过程中产品及服务过高的问题[18],并在风险控制上可以提升绿色技术创新的效率[19]。在研究方法上,主要是使用双重差分模型、双机制模型等方法来实证绿色金融发展对绿色技术创新的促进作用[20],同时在考虑到空间因素上使用空间误差模型、耦合评价模型等传统空间计量方法进一步考察区域的绿色金融与绿色技术创新的影响及作用机理[21]。

纵观上述文献,存在两方面的问题,一是关注绿色金融推动绿色技术创新较多,而对于绿色金融发展支持绿色技术创新的空间关联研究较为匮乏;二是现有涉及两者空间关联的文献仅是说明中国绿色技术创新在不同区域存在显著空间溢出,并且在计量方法上未能揭露以及解释不同区域间复杂的绿色金融发展支持绿色技术创新的空间关联结构特征。鉴于此,本文可能的贡献包括:第一,揭示不同省市之间绿色金融发展支持绿色技术创新的关联状态、特征以及原因;第二,察觉在整体关联网络中,各个省市扮演的角色及作用;第三,揭示不同省市之间聚集形成的子群状态特征,以及凝聚子群之间的相互关联影响。

2 研究设计

2.1 空间关联网络构建

为了测度绿色金融发展支持区域绿色技术创新的空间关联影响,本文将构建省市之间的空间关联网络进行社会网络分析,同时将选取引力模型方式测量两省市之间的绿色金融发展支持绿色技术创新的空间关联联系,并考虑到绿色金融对绿色技术创新支持水平与空间距离呈现反向关系,与绿色金融发展呈现正向关系,本文将原有引力模型进行修正,修正引力模型构建如下:

其中,R_ij代表i省市对j省市的引力值,K_ij表示i省市对j省市的水平空间关联的调节因子,NGPi、NGPj分别表示省市i、j内绿色专利申请总数量,GFIi、GFIj分别表示省市i、j的绿色金融发展指数,Dij表示省市i、j两地之间的空间距离。

通过式(1)可获取省市之间的引力矩阵,在此基础上进行二值化处理,将引力矩阵的行元素的均值作为阈值,行元素大于等于阈值赋值为1,其他情况则相反赋值为0,在此基础上进一步构建省市之间的绿色金融发展对绿色技术创新支持水平的空间关联网络。

2.2 空间关联网络特征指标说明

针对空间关联网络的分析,本文将从网络中的整体性、省市个体在网络中的中心性以及网络中的块模型进行分析,本文所选取的指标如表1所示。

表1 空间关联网络特征指标说明

2.3 参数设置与数据说明

本文选取了2011—2020年30个省市(不包含港澳台以及西藏)的面板数据,绿色金融指数数据中所包含的五个维度数据来源如下:碳金融数据来源于国泰安数据库;绿色信贷、绿色债券数据来源于wind数据库;绿色投资数据来源于中国统计年鉴、各省统计年鉴;绿色保险数据来源于中国保险统计年鉴,在构建绿色金融指数时,将上述五个维度数据采用了基于面板数据的熵值法。在各省市绿色技术创新的指标衡量上,本文选取的是绿色专利申请量,通过区域内的绿色专利申请总数量来反映和衡量一地区的绿色技术创新能力水平[22],绿色专利申请数量可以避免专利审核过程中的时间滞后以及审核机构的偏好、效率问题。绿色专利申请数据所使用的各省市绿色专利申请数量数据来源于CNRDS数据库。在两省市之间的空间距离测算上,本文通过ArcGIS软件的GCS_WGS_1984地图数据源测算两省市的省会城市空间距离,以两省市的省会空间距离作为引力模型中两省市的空间距离值。

3 实证分析

3.1 空间关联网络的整体性分析

本文基于2011—2020年30个省市的数据,通过修正的引力模型构建各省份之间的空间联系强度,然后构建整体空间关联网络,由于篇幅限制,本文只选取了图1所示的2020年的空间关联网络有向图。

图1 2020年空间关联网络有向图

由图1可以看出,30个省市在空间关联网络有向图中均处于相互关联的状态,无一省份被遗漏,并且我国东部以及东南部省份在图中处于中间位置,周围线条较密,对外关联紧密;而中西部省份处于网络的边缘位置,网线较为稀疏。网络中部分省份出现集聚现象,表现为地理位置上接近的地区,在空间联系上更为紧密。

由图2可知,2011-2020年30个省市的空间关联网络的网络密度呈现“V”字形,空间的关联网络密度总体上是提升的,与此同时网络中的关联关系数总体上也是呈现上升趋势的,表明各省市之间的关联合作不断加强,但是整体网络密度范围在0.267～0.276范围内,相对而言绿色金融发展支持绿色技术创新空间关联网络的网络密度不够高,30个省市之间的相互关联关系有待加强。

图2 2011—2020年空间关联网络的关联关系数及网络密度

由图3可知,空间关联网络的网络等级度总体下降,整体网络的等级森严度降低,表现出整体空间关联网络仍存在一定的等级结构,边缘节点数呈现减少的趋势,网络整体的凝聚力上升;网络效率总体呈现先升后降的趋势,则说明网络中各省市之间先是呈现联系减弱后来之间联系增强,整体网络关联先减弱后增强的现象,但近三年呈现上升趋势,说明网络中的省市之间的联系有减弱的趋势,整体网络的稳健性有弱化的趋向。

图3 2011—2020年空间关联网络的网络等级度与网络效率

国内早期绿色金融发展不够充分、绿色技术创新能力有限,经济上主要采取粗放式发展,对于绿色环保、绿色技术的创新并不重视。2012年原中国银监会发布《绿色信贷指引》要求银行保险机构完善信贷、投资政策,积极支持重点行业领域节能、低碳、增绿建设,在一定程度上促进绿色技术的创新以及各省市之间的空间关联合作;2015年中国人民银行以及国家发改委发布《绿色债券支持项目目录(2015年版)》,进一步促进了绿色金融发展与绿色技术创新能力,促进各省份之间的相互合作交流;2016年中国人民银行、财政部等发布的《关于构建绿色金融体系的指导意见》以及国家发改委发布的《绿色产业指导目录(2019年版)》等政策文件的出台,致使绿色金融、绿色产业朝着体系化方向完善发展,同时对于绿色金融的发展与绿色技术创新起到极大的推动作用,省市间绿色金融发展支持绿色技术创新的关联影响不断增强,空间溢出效应显著。

3.2 空间关联网络的中心性分析

本文使用2020年数据,实证分析得出30个省市的空间关联网络的度数中心度、中间中心度、接近中心度(见表2),从而刻画出空间关联网络中的各省市个体在整体网络中的影响作用。

表2 2020年空间关联网络的中心性分析

3.2.1度数中心度评价

表2中对于度数中心度的分析主要包含溢出关系数、受益关系数、入度中心度和出度中心度四个指标,其中溢出关系数与出度中心度反映的是一省市对外的资源溢出关系,而受益关系数和入度中心度表现为一省市的资源流入关系。通过对各省市数值与总体平均值之间的比较,在溢出关系上,溢出关系数、出度中心度上排名前五的为新疆、陕西、广西、青海、湖南,高于平均数的省市多为中西部地区,明显表现为本省市的绿色金融发展支持绿色技术创新资源的对外流出,与此相对的是受益关系,受益关系数、入度中心度排名前五的为江苏、湖北、山东、浙江、广东,受益关系数上高于平均数的多为东部沿海地区,表现为绿色金融支持绿色技术创新资源的吸取与集聚。

通过度数中心度发现,中西部省份大多呈现溢出关系上高于平均值,受益关系上低于平均值的状态,并且溢出关系数明显高于受益关系数,这些省市处于网络中的弱势地位,自身绿色金融发展支持绿色技术创新能力较弱,而又邻近绿色金融发展较好、绿色技术创新能力较强的关键核心省市,对于这些网络中核心地位省市具有较强的依赖性。东部沿海省市多表现为溢出关系数低于平均值,受益关系数上高于平均值的状态,并且受益关系数高于溢出关系数,表现为绿色金融支持绿色技术创新资源的吸取与集聚,这些省市在空间关联网络中承接了大量的联系,在网络中具有较强的向心力,是网络中的核心关键节点。

3.2.2中间中心度评价

中间中心度表示的是某一省市在其他省市关联联系中所起到的中介、桥梁作用,中间中心度高的省市常常是在其他省市联系中扮演了较多的中介、桥梁角色。在整体空间关联网络中,中间中心度高于均值的省市共有11个,这些大部分为中部省市,如山西、陕西、河南、安徽等,这些省市是连接多个省市之间关联关系的纽带。通过空间关联网络,上述省市将东部绿色金融、绿色技术创新能力较强的省市与西部及空间网络中的边缘省市联系起来,起到中介、桥梁作用,对于整体空间网络的结构完整性、稳健性起到重要作用。

3.2.3接近中心度评价

接近中心度较高的省份能够与周围省份较快产生联系,同时在网络中具有较为紧密的联系。如表2所示本文将接近中心度分为入接近中心度和出接近中心度,入接近中心度较高的省份,如江苏、浙江、山东等,在空间关联网络中处于核心的位置,其绿色金融发展、绿色技术创新能力的改变将快速影响其他省市的绿色金融、绿色技术创新的发展状况;相反,出接近中心度较高的省份,如新疆、青海、陕西等省份,在关联网络中会积极观察其他省份的绿色金融对于绿色技术创新的支持行为、力度,并及时做出相应的改变,在网络中处于从属的地位。

3.3 空间关联网络的块模型分析

在社会关联网络中,具有相关直接、紧密、经常性联系的成员构成凝聚子群,本文将通过Ucinet软件中块模型的相关迭代法,将最大分割深度设为2,集中标准设为0.2,进一步获取各模块内各省市之间的关系,以及模块与模块之间的关系,并且在板块的具体划分上,将各个省域在网络中集聚为不同类型的板块[23]。

由表3和表4可知,2020年国内绿色金融支持绿色技术创新的空间关联网络的网络关系为239条,板块内关系数为133条,表明30个省市之间具有明显的空间关联以及溢出效应。现将空间关联网络分为4大板块。板块一所接受的外部省市关系数和对外溢出的关系数均较高,板块内部关系数也较高,因此将板块一划分为双向溢出板块。对于板块一,在整体空间关联网络中板块内省市与外部省市均保持密切的联系,但是相比于板块内部的省市而言,接受的外部省市的联系数较少,板块一在关联网络中保持活跃的角色。板块二表现为外部受益关系数大于对外溢出关系数,并且内部关系数较高,因此将板块二划分为净受益板块,板块二整体上关联网络中表现为资源的流入,并且通过对周边省市的资源的吸取加快自身的发展,对于板块内部省市以及板块外部省市联系均接收。板块三表现为溢出关系数大于受益关系数,内部关系数相对较低,因此划分为净溢出板块,板块三表现为自身资源的流出,同时板块三的省市在绿色金融支持绿色技术创新发展中受周边核心省市影响较大,对于网络中的核心省市有较强的依附作用。板块四内部关系较高,受益关系数大于对外溢出关系数,因此板块四也为净受益板块。总体上看,30个省市的绿色金融发展支持绿色技术创新水平空间关联上存在非均衡性状态,东部沿海地区以及京津冀地区多为净受益板块,而西部以及部分中部地区为净溢出板块,大部分的中部地区为双向溢出板块。各个板块间相互作用与影响,共同构建起整体的空间关联网络。

表3 2020年空间关联网络板块划分表

表4 2020年空间关联网络板块划分数据表

由表5可知,板块一对板块二具有明显的资源溢出关系,同时又接收到板块三的资源溢出,具体表现为板块一所对应的中部省市对于板块二的东部省市具有较强的依赖性,受东部省市绿色金融、绿色技术创新行为影响较大,同时中部省市在自身发展中又吸取了板块三偏远的西部省市的资源,来加快自身的发展;板块二表现为东部沿海省市,板块二在资源的对外溢出上并不明显,同时接收了板块一和板块三的资源,表现为绿色金融支持绿色技术创新资源的集聚,在整体网络中具有向心力,由于仍处于快速发展期,因而急需绿色金融、绿色技术创新资源;板块三所对应的为网络中偏远节点以及西部省市,表现为对外的资源的输出,接受的外部资源输入不明显,同时在整体网络中处于较为边缘的位置,板块内易发生资源外流状况;板块四对应的为中国京津冀地区、东北部省市,表现为资源的输出不明显,资源在自身板块内省市流转、发展,在一定程度上享受到板块三资源的输入。总体上看,各板块在整体网络中具有明显的空间关联,并且各个板块又发挥着自身的功能及优势。

表5 2020年空间关联网络的密度矩阵与像矩阵

4 结论与启示

4.1 研究结论

本文运用修正的引力模型与社会网络分析法,通过分析绿色金融发展支持绿色技术创新的空间关联网络,主要得出以下结论:第一,各省市在绿色金融支持绿色技术创新的空间关联网络上具有明显的关联与溢出效应,并且整体空间关联网络的密度不断提升,整体空间关联网络的互通性、稳健性得到优化。第二,各省市在空间关联网络中具有不同的功能与比较优势,各省市在整体网络中扮演了不同的角色,共同构建起了整个空间关联网络。第三,空间关联网络中出现联系密切的省市构成的子群集聚现象,并形成功能、结构、优势不同的板块,各板块在关联网络中呈现显著的梯度、关联效应,并基本上发挥着各自的功能与比较优势。

4.2 政策启示

基于以上结论,可得如下政策启示:

第一,各省市在后期可加强绿色金融支持绿色技术创新的交流与合作,关联网络中的边缘省市可借鉴现有网络,通过中介省市向网络中核心省市靠拢,具有中介功能的省市,应当充分发挥好桥梁作用,网络中的核心省市应当充分利用自身的影响力,积极开展跨省市合作。

第二,各省市根据自身在网络中的特征明确相应的发展路径。各省市应当结合自身绿色金融资源禀赋、空间地理位置、绿色技术创新能力,因地制宜寻找相应的发展途径,提升本省市的绿色金融发展以及绿色技术创新的发展状况。

第三,构建凝聚子群内部帮扶、凝聚子群间协调合作机制,着力构建子群内部各省市的相互协调合作机制,与此同时,净受益子群享有较多的溢出资源,在发展中应当发挥引导帮扶作用,对于净溢出板块应当给予相应帮助扶持。