徐秋艳 刘浩冬

内容提要：推动绿色全要素生产率提升,对生态环境保护和经济可持续发展具有重要意义。基于2005-2020年中国省级面板数据,运用超效率SBM-GML模型测算出绿色全要素生产率,采用空间杜宾模型、面板门槛模型和空间门槛模型研究绿色信贷、产业结构优化对绿色全要素生产率的综合作用机制。研究发现:绿色全要素生产率具有正向“空间传染”特性,其提升主要源于绿色技术进步,而非技术效率变化;绿色信贷有助于提高本地区绿色全要素生产率,并通过空间溢出效应对周边地区产生抑制作用;产业结构优化显著提升了本地区绿色全要素生产率,其中,高级化和生态化还存在明显的空间溢出效应,前者会抑制邻近地区绿色全要素生产率提升,而后者促进了其增长;门槛效应检验表明,产业结构优化水平提升到一定程度后,绿色信贷对本地区绿色全要素生产率的作用效果将显著增强,而对于不同维度,这一作用效果只存在高级化和合理化的门槛特征;空间门槛模型显示,本地区产业结构优化水平的提高会减小绿色信贷对邻近地区绿色全要素生产率的抑制作用。

一、引 言

改革开放以来,中国国民经济发展取得的成就举世瞩目,国内生产总值由1978年的3678.7亿元增长到2020年的1015986.2亿元,目前中国已成为世界第二大经济体。然而随着经济的高速增长,中国的资源消耗与环境污染也愈发严重,过去简单粗放型的经济增长方式所带来的环境压力日益突出,传统高耗能、高污染的发展方式亟待改变。2019年,联合国环境署发布了《全球环境展望6》,明确证实环境问题已日益成为削弱经济增长的原因,因环境污染造成的福利损失总量年均达4.6万亿美元,相当于全球经济产出的6.2%。《2020中国生态环境状况公报》显示,中国337个地级及以上城市中有135个城市空气质量超标,占比高达40.1%,中国生态环境状况指数值为51.7,生态质量一般。中共二十大报告明确提出要牢固树立和践行“绿水青山就是金山银山”的理念,大力推动绿色发展,加快发展方式绿色转型。可以看出,新时代要求坚持绿色发展理念,发展绿色经济已成为中国经济迈向高质量发展的重要趋向。而绿色全要素生产率(简称GTFP)作为经济持续增长的核心和关键,是衡量一个国家或区域资源、环境与经济协调发展的重要指标,也是对一个国家或区域经济增长质量的量化(蔺鹏和孟娜娜,2021)。在今后相当长的时间段内,提高GTFP是中国面临的一项重要任务。

绿色信贷与产业结构优化作为影响中国绿色经济发展水平的重要外部影响因素,应予以重点关注。目前,绿色信贷是中国绿色金融市场中规模最大的绿色金融产品。截至2020年12月末,中国绿色信贷规模约为12万亿元,存量余额占比金融机构人民币贷款余额约为6.92%,主要用于基础设施绿色升级和清洁能源产业,其他产业使用绿色信贷余额占比为25.02%,已经成为助力生产方式绿色转型的核心力量。对于产业结构优化历程,目前中国总体上看来依然在保持三二一型的基础上不断优化,并受绿色金融等政策的影响,产业结构日益绿色化、生态化发展,社会资源配置效率不断提升。据《中国环保产业发展状况报告》显示,2019年全国环保产业营业收入约17800亿元,较2018年增长约11.3%,其对国民经济直接贡献率较2004年翻了10倍。可见,绿色全要素生产率的高低与绿色信贷发展及产业结构优化密不可分。

鉴于绿色信贷与产业结构优化在经济活动过程中的不可分割性,两者对GTFP的影响可能存在交互效应,在分析绿色信贷的效应时,若不考虑地区产业结构的变化,可能会导致研究结论失真,因此,有必要将绿色信贷与产业结构优化纳入同一个研究框架予以分析。那么,中国区域GTFP如何测度?绿色信贷与产业结构优化的发展对GTFP的贡献如何?在当前经济发展环境下,为适应需求结构变化和生态环境保护所需的产业结构优化是否会影响绿色信贷对GTFP的作用效果?这些问题的研究,对了解中国GTFP的时空演变特征,衡量绿色信贷与产业结构优化对GTFP的差异化影响,识别绿色信贷与产业结构优化作用于GTFP的空间特征,探析产业结构优化不同取值区间下绿色信贷对GTFP的阶段化影响等都有着重要作用。因此,本文运用空间计量模型和面板门槛模型,分析绿色信贷、产业结构优化对GTFP的综合作用机制,并主要回答上述几个方面的问题,以期为完善绿色信贷政策、产业政策和推动经济高质量发展提供科学的参考依据。

二、文献综述与研究假设

1. 绿色信贷与GTFP

目前,绿色信贷与GTFP关系的学术研究主要涉及宏观和微观两个层面。

从宏观层面上看,绿色信贷具有三个方面的作用。其一,绿色信贷可引导错配资源置换。中国长期存在信贷资本错配问题,这给经济增长造成了显著的环境代价(刘锡良和文书洋,2019),绿色信贷政策可通过调节信贷利率、使用差异化杠杆等手段,积极发挥资源配置作用,将信贷资金从低效率落后产业逐渐转向新型高效率产业,从而促进GTFP提升(张小可和葛晶,2021)。其二,绿色信贷能促进绿色技术创新。根据R&D内生增长理论,考虑了环境保护的技术进步是经济可持续增长的源泉,而绿色信贷政策本质上是环境规制政策(李青原和肖泽华,2020),基于“波特假说”,严格的绿色信贷政策通过加强对绿色环保项目的信贷倾斜力度,提高企业的技术创新意愿(舒利敏等,2023);同时,通过融资约束限制高污染、高耗能等非绿色项目的信贷资金支持,实现“倒逼”效应,促进污染企业积极进行绿色技术创新,进而助推经济可持续增长(He等,2019;王馨和王营,2021)。其三,绿色信贷能够优化经济结构。通过资本形成、信号传递以及反馈与信用催生等机制,在绿色意义上助力经济结构优化,包括但不限于劳动力结构、能源消费结构和产业结构等(陈学胜和纪翔,2020;Zhao和Luo,2018;徐胜等,2018),以此实现“经济-环境”双赢。

从微观层面上看,绿色信贷主要通过影响生产企业和银行主体来提高经济生态效益。对于生产企业而言,绿色信贷通过融资渠道将企业环境成本内部化,以差异化融资成本来有效遏制非环保企业生产行为带来的负外部性,有效引导企业转向清洁生产,进而提升经济生态效益(张庆君和黄玲,2023)。同时,绿色信贷能够降低环保企业资本更新的融资成本,并为其提供更多外部融资渠道,有效缓解企业内部融资压力,助推企业创新发展,进而推动经济绿色增长(连莉莉,2015)。对于银行而言,在践行绿色信贷政策时,一方面会充分考虑到贷款项目的环境风险,严格筛选出符合贷款资质的优质绿色信贷项目,拒绝对环境和社会表现不合规矩的企业授信(陈幸幸等,2019);另一方面,考虑到资金的安全性,对于已授信的企业或项目,银行会对项目进行定期检查并追踪其资金的使用情况,以避免授信企业或项目可能存在的环保或资金滥用等风险所造成的效率损失,在一定程度上确保了经济增长效率(郭威和曾新欣,2021)。

此外,现有文献还就绿色信贷对GTFP的异质性影响,围绕社会环境、经济制度、污染水平、环境监管、公众需求等众多角度展开了充分的讨论(Zhang,2021;Hu等,2022;Lee和Lee,2022;Lv等,2023)。如Lee和Lee(2022)的经验证据表明,从长远来看,一个地区经济、社会和环境条件越高,绿色信贷作用于GTFP的效果越强。由此可见,绿色信贷凭借其对经济发展和环境保护的双重贡献,已成为推动地区协调发展的重要抓手。但限于中国绿色信贷发展时间短,信贷执行标准和评价体系难以统一,各地区间银行业尚未形成绿色信贷发展的良性竞争格局(Zhang等,2021),加之绿色资本和信贷资源相对稀缺,地方政府受绿色政绩考核驱动,区域间容易产生“逐顶竞争”现象(李胜兰等,2014),相互争夺绿色资本和信贷资源,以谋求本地区发展,进而阻碍了周边地区绿色经济发展进程。据此,提出以下假设:

H1:绿色信贷发展引致本地区GTFP上升,而对其他省份绿色经济发展具有抑制作用。

2. 产业结构优化与GTFP

产业结构既是资源配置的桥梁,也是环境保护和经济发展的关键支点,在经济增长中起着不可替代的作用(Liang等,2021)。无论是“德国工业4.0”“美国制造业数字化”还是“中国制造业2025”,都是产业结构优化的重要表征。在传统产业结构理论中,以配第-克拉克定理为典型,主张通过调整产业布局来实现“结构红利”(Timmer和Szirmai,2000)。这一理念阐释了通过优化产业结构,有助于生产要素更可能流向高生产率的产业部门,从而带动全社会生产效能的提升。同时,产业结构的优化也能影响环境污染水平,进一步推动经济向可持续方向发展(Zhong,2022)。

目前,关于产业结构优化与GTFP的关系研究,大致可从直接影响与间接影响两个方面进行概括。直接影响作用下,产业结构优化能够促进社会资源配置效率不断提升,引导产业结构向资源节约化调整,这将更多地涉及到发展绿色、环保、高附加值的产业,在更大程度上实现了对资源的高效利用和对环境的有效保护,进而提高GTFP(Yang等,2022;刘志彪和凌永辉,2020)。间接影响作用下,产业结构优化作为经济结构调整的重要手段,能够通过调整推动技术创新、提高劳动力素质和改善生态环境等方面,间接提高生产效率和绿色生产水平(逯进和李婷婷,2021;袁杭松和陈来;2010)。与此同时,优化产业结构也可以在一定程度上改变市场的需求结构,增加市场对绿色产品的需求,从而扩大绿色经济的规模,提升GTFP(颜色等,2018)。

进一步地,学者还就产业结构优化不同维度与GTFP的关系展开讨论,但尚未形成一致的结论,如张国庆和闫慧贞(2020)研究发现产业结构高级化比合理化对GTFP的促进作用更为显著。而佘硕等(2020)则认为产业结构合理化与GTFP并无显著关系。另外,随着全球化的加深和区域经济合作的加强,不同地区间产业链越来越紧密,当一个地区对其产业结构进行优化时,这种优化可能通过供应链、需求链等方式影响到其他地区GTFP增长。据此,提出以下假设:

H2:产业结构优化引致GTFP提升,不同优化维度指标的作用效果存在差异。

H3:产业结构优化对GTFP的影响具有空间溢出效应。

3. 绿色信贷、产业结构优化与GTFP

目前,将绿色信贷、产业结构优化纳入同一框架讨论其对GTFP的影响研究不足,学界在研究绿色信贷对GTFP的作用效果时,仅将产业结构优化视为影响途径之一予以阐述:绿色信贷通过培育绿色环保产业及引导“两高一剩”产业转型升级,进而对经济环境协调发展产生“促进”作用(刘传江等,2023;Li等,2023;Wang和Wang,2023)。但事实上,一个地区绿色信贷对GTFP的作用效果同样会因该地区产业结构优化水平的不同而呈现不同特点。其一,从产业结构与绿色信贷匹配度来看,如果一个地区的产业结构更加倾向于高技术、低碳和绿色产业,那么这样的产业结构可以更好地吸收和利用绿色信贷,以支持产业进行研发、创新和扩张,从而会更有效地提高GTFP。相反,如果一个地区产业结构主要由高污染、高耗能产业构成,绿色信贷不会得到充分利用,进而对生产率的影响有限。其二,从风险评估来看,更为优化的产业结构也就意味着更低的环境风险和社会风险。银行和金融机构在进行信贷风险评估时,更有可能倾向于给这些地区的企业提供绿色信贷支持,从而提高其GTFP(丁宁等,2020)。其三,从产业链效应来看,产业结构更为优化的地区,绿色产业链则会更为完善(任保平和豆渊博,2021)。企业在获取绿色信贷后,更容易从上下游获取绿色生产所需的资源和技术,从而更有效地促进GTFP提升。此外,考虑到经济活动的时空关联性,一个地区产业结构优化水平越高,意味着该地区能越高效地利用资源,从而减轻资源压力,降低绿色信贷对于促使其他地区节约资源的紧迫性,加之可能存在的跨区域合作或技术溢出,这都有可能导致绿色信贷对周边地区GTFP的抑制作用减弱。据此,提出如下假设:

H4:由于产业结构优化水平的不同,绿色信贷对GTFP的影响是异质的。

H4a:产业结构优化水平越高,绿色信贷对本地区GTFP的促进作用越强。

H4b:产业结构优化水平越高,绿色信贷对周边地区GTFP的抑制作用越弱。

从已有文献来看,尽管学界就绿色信贷、产业结构优化与GTFP的相关研究已取得一定成果,但在以下方面仍有待完善:一是绿色信贷与GTFP的关系研究尚处于起步阶段,现有研究成果多从平面视角进行分析,而基于全国层面的空间溢出效应很少被讨论;二是现有研究关于产业结构优化不同维度对GTFP的影响研究相对较少,部分学者讨论了产业结构高级化与合理化对GTFP的影响,缺乏产业结构生态化对GTFP的影响论证;三是绿色信贷对GTFP的异质性影响有待进一步挖掘,即是否因地区产业结构优化水平的不同而呈现出非线性约束特征;四是现有研究在讨论绿色信贷关于GTFP的非线性约束特征时,并未同空间效应相结合,这种将时空分离的研究方法与事实相违背,有待进一步改进。鉴于此,本文使用考虑到“经济-环境”效应的GTFP为评价指标,并根据研究目的对产业结构优化进行细分,与绿色信贷纳入同一分析框架,基于空间杜宾模型、面板门槛模型和空间门槛模型对以上假设进行实证考察。

三、GTFP的测算及分析

1. 考虑非期望产出的SBM模型方法

GTFP是充分考虑生产过程中资源消耗投入与污染排放对经济增长刚性约束的一种改进的全要素生产率。目前,全要素生产率的计算主要可归纳为三种方法:随机前沿生产函数法、索罗余值法和数据包络分析法。鉴于索罗余值法的基础假设与实际经济状况不符,同时也没有考虑生产者技术与前沿的效率偏差,而采用随机前沿生产函数法的计算前提是必须有明确的生产函数形式,且无法处理考虑到环境因素这类多投入、多产出的生产方式。相比之下,数据包络分析法可根据一组相同类型部门输入输出观察值估计有效前沿面,并判断生产单元是否处于有效前沿面上,作为一种数据驱使的方法,无需考虑要素价格信息和具体的生产函数形式,可以研究跨时期多个样本,所以现有研究大都采用数据包络分析法(DEA)对GTFP进行测度。

在DEA分析方法上,Chung等(1997)最早构建了方向性距离函数(DDF),并以此为基础提出包含环境因素的Malmquist-Luenberger(ML)生产效率指数,该指数可测度多指标衡量非期望产出时的全要素生产率。但此类研究大都局限于使用径向的、角度的数据包络分析,未能有效解决效率测算过程中对径向、角度的选择所带来的偏差。为此,Tone构建出基于松弛变量的非径向、非角度的SBM模型,然而使用SBM模型时,可能会出现多个决策单元的效率值都显示为1的情况,为了避免这一情况,Tone(2002)又提出了超效率SBM模型,可以使原本效率值为1的决策单元进行更进一步的区分。另外,为了避免传统ML指数测算中的不可传递性缺陷及线性规划模型无可行性解的问题,Oh(2010)提出了GML指数测算方法。基于上述分析,本文选用超效率SBM-GML模型来测度GTFP及其分解项。指数分解过程如下所示:

其中,GML指数为当期与滞后1期GTFP的比值。如果GML值大于1,则表明GTFP呈增长态势,反之则说明GTFP没有变化或下降。此外,该指数可进一步分解为技术变化(GTC)和技术效率变化(GEC)。

2. 数据和指标选取

选取全国实施绿色信贷等相关政策文件的30个省区市2005-2020年数据作为样本,因西藏与港澳台地区数据的缺失,样本数据不含此类地区,个别缺失数据采用插值法进行了相应的处理。

与传统全要素生产率(TFP)指标相比,GTFP的计算方式不仅考虑了如人力、资本等传统生产要素,还额外纳入了能源消耗和环境污染等因素。参考陈超凡(2016)的研究,将人力、资本、能源消耗纳入生产要素投入指标,将工业废水、废气(SO2)、固体废弃物以及地区碳排放量纳入非期望产出指标。由于资本存量不可直接获取,借鉴张军等(2004)的研究成果,采用永续盘存法计算资本存量(2004年不变价)来衡量资本投入情况,具体公式为Kit=Kit-1(1-δit)+Iit,其中Kit和Kit-1分别为样本地区当期和滞后1期的固定资本存量,基期资本存量为2004年固定资产投资总量除以10%(杨蕙馨和李春梅,2013),δit代表固定资本折旧率,这里统一取值为9.6%,Iit为样本地区当年固定资产投资总量(单位是亿元),具体投入产出指标如表1所示。

表1 GTFP评价指标体系

在获取相关投入产出变量数据后,使用MAXDEA LTRA9的超效率SBM-GML模型测算出采用全局参比的GML指数,值得注意的是GML指数为年度之间的环比增长,在实际估计GTFP时,需要对GML指数进行相应变换,文章将2004年GTFP设为1,然后顺次累乘GML指数算得各年的GTFP(邱斌等,2008),并可同理获得GTC和GEC。

3. 测算结果及分析

根据新经济理论,经济增长的根本动力源于要素投入增长、技术进步以及技术效率,GTFP增长则取决于绿色技术进步的提升和绿色技术效率的改善。通过对GTFP与其分解项进行测算发现(见图1),2005-2020年间全国GTFP与GTC指数一直保持较高的增长趋势,年均增长率分别为4.52%和6.66%,GTC增长幅度明显要大于GTFP的增长幅度,而GEC指数变化幅度不大,从期初缓慢下降到一定程度以后,一直处于平稳波动的状态,年均增长率为-1.83%,说明GTFP的提升主要来自新型绿色技术的不断创新和应用,且技术进步带来的正效应可以明显抵消因技术效率下降带来的负效应,这是因为近年来随着国家对绿色发展理念的落实,在一系列环境规制政策的引导下,社会各界日益重视经济可持续发展,促使企业不断提高内生创造力与创新能力,积极吸收和应用先进绿色技术,实现“经济-环境”的双赢。然而,全国整体绿色技术效率仍处于较低水平,显示出社会资源配置不合理、存在浪费现象的问题。因此,有必要进一步提高资源利用效率,强化绿色信贷等金融工具对资源配置的引导作用,持续推动社会资本从传统低附加值产业向新型高附加值产业转移,加快国家经济转型的步伐。

图1 GTFP及其分解项的时间变化趋势

四、模型构建与变量设计

1. 计量模型的构建

(1) 空间杜宾模型(SDM)。为了考察研究对象的区域差异及空间关联,考虑建立空间面板数据模型进行分析。目前常用的空间面板数据模型主要包括空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM),其特点是在回归模型中引入了空间效应,能够全面地将截面维度的区域相关性与面板数据的区域差异性考虑其中,相对于传统的非空间面板数据模型更贴近客观规律。其中,SAR模型主要是将因变量的空间滞后项引入模型,侧重考察因变量的空间溢出效应,而如果随机扰动项中包含了模型所忽略的在空间上相关的重要变量,则采用SEM模型来侧重考察随机扰动项的空间影响。空间杜宾模型则是SEM模型和SAR模型的一般形式,同时考虑了被解释变量的内生交互效应和解释变量的外生交互效应。并可通过偏微分法分解得到自变量对于因变量的直接效应和间接效应,前者度量的是自变量变化对本地区所产生的平均影响,其中包括了其他地区的反馈效应,后者则是对相邻区域所产生的平均溢出效应。这样处理可避免传统点估计法计算所带来的偏差(Elhorst,2010)。

鉴于本文重点关注绿色信贷、产业结构优化与GTFP的空间溢出效应,不仅考虑本地区解释变量对被解释变量的影响,同时还要考察本地区解释变量和被解释变量对周边区域被解释变量的影响,因此,本文将采用SDM模型进行分析,在后文的实证分析中,将通过相关的统计检验,以验证该模型是否为最佳拟合模型。具体模型设定如下所示:

GTFPi,t=α+ρWGTFPi,t+βGCi,t+θWGCi,t+β1AISi,t+θ1WAISi,t+β2RISi,t+θ2WRISi,t+β3EISi,t+θ3WEISi,t+τXi,t+τ1WXi,t+μi+υt+εi,t

(1)

其中,GTFPi,t表示第i个省份第t期的绿色全要素生产率;GCi,t表示第i个省份第t期的绿色信贷;AISi,t、RISi,t与EISi,t分别表示第i个省份第t期产业结构高级化、合理化与生态化指数;Xi,t为其他控制变量,W为空间权重矩阵,μi和νt表示空间和时间固定效应,εi,t为误差项。

(2) 面板门槛模型(PTRM)。为了研究绿色信贷对GTFP的影响是否因产业结构优化水平的不同而呈现非线性关系,分别以产业结构优化综合指数及其维度指标作为门槛变量构建面板门槛模型。具体模型设定如下:

GTFPi,t=α+α1GCi,t·I(Zi,t≤γ1)+α2GCi,t·I(γ1

(2)

其中,γ1,γ2,…γn为n个不同水平的门槛值,Zi,t为门槛变量,Zi,t由TSAi,t、AISi,t、RISi,t或EISi,t来表示,I(·)为虚拟变量,其他含义同上。

(3) 空间面板门槛模型(PTRM-SDM)。社会经济活动并非是独立于时间和空间的,而是一个综合复杂的过程,各经济单元彼此间相互交织影响,所表现出的空间溢出效应与门槛效应也并非相互独立。鉴于这一事实,进一步构建空间面板门槛模型,将绿色信贷对GTFP的空间溢出效应同因受产业结构优化影响所呈现的非线性约束特征结合起来,验证这一空间溢出效应是否因地区产业结构优化水平的不同而呈现明显的异质性。参考Zhou和Tang(2022)的思路,假定绿色信贷对GTFP的影响具有产业结构优化的n重阈值(γ1,γ2,…γn),当产业结构优化水平小于γ1时,虚拟变量d1为1,否则为0;当其大于γ1且小于γ2时,虚拟变量d2为1,否则为0;以此类推,当其大于γn时,虚拟变量dn+1为1,否则为0。然后将这些虚拟变量分别与绿色信贷构建交互项,纳入空间杜宾模型进行分析。具体模型形式设定如下:

GTFPi,t=α+ρWGTFPi,t+ω1GCi,td1(Zi,t≤γ1)+ω2GCi,td2(γ1

(3)

其中,ω和π分别表示绿色信贷的回归系数和空间滞后系数。

(4) 空间权重矩阵的设定。设置合适的空间权重矩阵是进行空间计量分析最为关键的一步,地理邻近和经济关联是影响经济活动空间布局的重要因素,因此,选用地理距离矩阵和经济地理空间权重矩阵进行后续分析。同时,为了降低或消除各地区间的外在影响,对权重矩阵进行行标准化处理。

地理距离矩阵W1采用两省份之间距离平方的倒数来设定权重,利用经纬度计算的两省之间的地表距离作为距离d的衡量指标,具体形式定义如下:

经济地理空间权重矩阵W2是将地理距离与经济距离综合起来考虑的空间权重矩阵。表达式如下:

2. 指标选取

(1) 被解释变量绿色全要素生产率。GTFP通过利用前文包含非期望产出的超效率SBM-GML模型计算得出GML指数,并进行累乘处理所得。

(2) 解释变量绿色信贷。绿色信贷(GC):指用以支持绿色产业发展的信贷资金及其相关金融产品。借鉴谢婷婷和刘锦华(2019)的做法,采用各省份六大高耗能产业利息支出占工业产业利息总支出的比率来衡量绿色信贷水平。GC为反向指标,通过(1-各省份六大高耗能产业利息支出/工业产业利息总支出)对其进行了正向化处理。

(3) 解释变量/门槛变量产业结构优化。表现为产业结构高级化、合理化和生态化的协调统一,具体指标如下所示:

产业结构高级化(AIS)既体现出产业部门间比例关系的演进,同时也包括了劳动生产率的提高。因此,采用刘伟和张辉(2008)的方法,构造的产业结构高级化指数包含量(比例关系)与质(劳动生产率)两部分内涵,具体公式如下:

其中,Sit表示t时间内第i(i=1,2,3)产业的产值占GDP的比重,Fit表示t时间内第i产业的劳动生产率。考虑到Fit有量纲,而Sit没有量纲,所以采用均值化方法对Fit做标准化处理,在消除量纲的同时,保留变量取值差异程度上的信息。

产业结构合理化(RIS)反映了产业间协调程度和资源有效利用程度两方面的情况,是对要素投入结构和产出结构耦合程度的衡量(干春晖等,2011)。近年来,学者们多采用干春晖等(2011)提出的泰尔指数来衡量合理化,但是这种衡量方式仍然存在一定的缺陷,即在计算过程中采用对数化处理有可能出现不同产业的偏离度相互抵消,使得计算得出的数值偏小,造成产业结构“假”合理化的结果。因此,借鉴吕明元和尤萌萌(2013)的度量方法,在泰尔指数的基础上进行了改进,具体计算公式如下:

其中,Yi/Y表示第i产业产值比重,Li/L表示第i产业劳动力比重。RIS为反向指标,对其取倒数作正向化处理。

产业结构生态化(EIS)旨在凸显产业结构优化过程中所包含的生态环保属性,表现为传统产业结构向生态型产业结构递进演化的过程。目前衡量产业结构生态化水平一般有两种方法:一是以整个国民经济能源消耗总量与GDP之比来衡量;二是通过单位GDP污染物排放总量构建出的环境效率指标来衡量。已有研究表明目前中国工业能耗过高,降低能耗可以有效缓解环境污染水平,故选择方法一对产业结构生态化进行测算,测算结果为反向指标,正向化处理方法同上(杨丽君和邵军,2018)。

产业结构优化综合指数(TSA)。运用杨丽君和邵军(2018)的做法,利用灰色动态关联分析方法计算出产业结构优化维度指标对经济增长的平均关联系数f1、f2和f3,再进行综合估算得到区域产业结构优化综合指数,具体公式如下:

TSA指数越高,表明该地区产业结构优化水平越好。

(4) 控制变量。对外开放程度(OP)采用各地进出口总额占地区生产总值的比重来衡量;研发投入强度(RDG)采用各地R&D经费内部支出占地区生产总值的比重来衡量;政府干预程度(GOV)采用各地财政支出占地区生产总值的比重来衡量;经济发展水平(PGDP)采用人均地区生产总值来衡量;基础设施水平(INF)采用各地公路和铁路的总里程除以区域行政面积来衡量。

3. 数据来源及预处理

选取中国实施绿色信贷等相关政策文件中的30个省区市(西藏、港澳台除外)2005-2020年的面板数据进行分析,样本数据来源于EPS数据库、国泰安数据库、CEDAs数据库、《中国工业统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国统计年鉴》以及各省份统计年鉴、经济年鉴和国民经济和社会发展统计公报。个别缺失值采用插值法进行补齐。

五、实证结果与分析

1. 空间溢出效应分析

(1) 空间自相关检验。在进行空间计量分析之前,首先要对主要变量进行空间自相关检验,目前常使用由Moran提出的空间自相关指数Moran I。文章分别对绿色信贷、产业结构优化和GTFP进行空间自相关检验,权重矩阵选择地理距离矩阵。结果显示变量的Moran I指数均大于0,除个别年份外,绝大部分年份均在1%的显著性水平上通过全局空间相关性检验。为了更加直观地呈现检验结果,并进一步揭示各省际区域属于变量的高水平区域还是低水平区域,画出局部Moran散点图如图2-图6所示,来检验变量的局部空间相关性。从图中可以看出,大多数省份均位于第一象限和第三象限,而位于第二象限和第四象限的地区相对较少,反映出中国绿色信贷、产业结构优化以及GTFP的空间分布均趋向于高高集聚(HH)和低低集聚(LL)的空间正相关。

图2 GTFP莫兰散点图

图3 GC莫兰散点图

图4 AIS莫兰散点图

图5 RIS莫兰散点图

图6 EIS莫兰散点图

(2) 模型检验。在进行回归分析之前,首先对各变量进行VIF检验,结果显示方差膨胀因子最大值小于10,表明各变量间不存在多重共线性。其次,选用拉格朗日乘数(LM)、最大似然比(LR)、沃尔德统计量(Wald)来比较不同模型性能,明确SDM模型为最优选择。根据Anselin提出的判断准则,SEM和SAR模型均满足Wald统计量>LR统计量>LM统计量。根据对数似然值(Log Likelihood)越大、赤池信息准则(Akaike Info Criterion)和施瓦茨信息准则(Schwarz Criterion)越小说明模型越好的判断准则,结合OLS、SEM、SAR、SDM四个模型的检验结果对比发现,SDM模型依然最优。通过豪斯曼(Hausman)检验,证实上文设定的双重固定效应SDM模型为最佳拟合模型,具体数据详见表2、表3。

表2 模型选择检验结果

表3 模型选择对比结果

(3) 空间杜宾模型估计结果。面板数据空间杜宾模型回归结果详见表4,可以看出,在地理距离矩阵和经济地理空间权重矩阵下,回归结果基本一致,现根据地理距离矩阵下的回归结果进行详细说明。

表4 空间杜宾固定效应模型估计结果

从GTFP的空间滞后项来看,其回归系数ρ显著为正,并在1%的水平上通过显著性检验,这说明一个地区GTFP的改善对相邻地区该效率值的提升产生了显著的正向促进作用,具有“空间传染”特性。具体到中国现有绿色经济发展上,可借力GTFP自身“空间传染”特性来优化绿色发展空间格局。

从绿色信贷来看,GC对GTFP直接效应的系数显著为正,说明提高绿色信贷的支持规模有助于提升当地的GTFP,暗示着绿色信贷对于绿色经济增长发挥了一定程度的积极作用。但GC对GTFP间接效应的系数显著为负,这暗示着本地绿色信贷水平的提高对周边区域的GTFP具有负向影响,表明绿色信贷具有负向的空间溢出。这可能源于极化效应,信贷发展水平高的区域会吸收邻近地区的信贷资源,导致周边区域缺乏足够的信贷资金支持来进行绿色经济发展。以上验证表明假设H1成立。

从产业结构优化各维度指标来看,发现AIS、RIS和EIS对GTFP的直接效应各自通过了5%、5%和1%显著性水平上的检验,估计系数都显著为正,这表明产业结构的不断优化有助于提升本地区GTFP。值得注意的是,不同指标维度的作用效果并不相同,其中,高级化和生态化的作用效果较高且相近,合理化的促进效果较弱。其原因可能在于前两者都直接涉及到更高效、更环保的生产方式,因此对提高GTFP有更直接显著的影响,而合理化更多的是优化产业间和地区间的资源分配,但不一定涉及到生产方式或技术的显著改进,故对GTFP的提升作用相对有限。对于产业结构优化的间接效应,AIS的系数显著为负,这暗示着本地区产业结构高级化水平的提升对周边地区的GTFP具有负向影响。这可能是因为在区域产业结构高级化过程中,一个地区对产业的“去粗取精”倾向于将高耗能、高排放、低能效的落后产业向周边地区或其他地区转移。RIS的系数不显著,说明其空间溢出效应不显著。EIS的系数显著为正,表明产业结构生态化也促进了周边地区的绿色经济发展,暗示着生态化具有正向的空间溢出效应。以上检验表明假设H2、H3成立。

在控制变量方面,各个控制变量的回归结果与预期情况基本一致。从直接效应来看,OP的估计系数显著为正,加深对外开放程度可以吸引在低碳环保领域的先进企业开展绿色技术研发,从而有利于GTFP提升;GOV对GTFP存在显著正向作用,这与中国政府自上而下推动经济绿色增长的策略一致;此外,PGDP、RDG和INF对GTFP的影响均显著为正,与预期符号一致,表明经济发展水平、研发投入强度和基础设施水平的提高有利于地区GTFP提升。从间接效应来看,GOV和INF的系数不显著,说明空间溢出效应不明显,而其他三个变量的系数显著为正,说明对外开放程度、经济发展水平和研发投入强度具有正向的空间溢出效应。

2. 面板门槛效应分析

根据前文分析,一个地区由于产业结构优化水平的不同,绿色信贷对该地区GTFP的影响可能呈现阶段性差异,为此,将通过使用PTRM模型来进行验证。

(1) 门槛效应检验。通过门槛效应自举抽样(Bootstrap)检验法获得F统计量的渐近值,并得到P值,分别在400次自举抽样以及400次格点搜索对门槛值进行检验。

关于绿色信贷的TSA门槛效应检验。在PTRM模型中,TSA为门槛变量,检验结果如表5和图7所示,TSA在单门槛效应估计中,F统计量为91.64,在1%的水平上通过显著性检验;在双重门槛检验中的F统计量为14.57,P值为0.543,未通过显著性检验,表明绿色信贷不存在TSA双重门槛。由表6可知,绿色信贷的TSA单门槛值为7.712,95%的置信区间为[7.041,7.864]。因此,采用单门槛回归进行下一步分析。

图7 TSA门槛估计值及置信区间

表5 门槛效应自抽样检验结果

表6 门槛估计值及置信区间

关于绿色信贷的AIS、RIS与EIS门槛效应检验。在PTRM模型中,门槛变量AIS在双重门槛检验中F统计量为19.270,未通过显著性检验,表明不存在双重门槛;在单门槛检验中F统计量为54.130,在1%的水平上通过显著性检验,单门槛值为2.260,置信区间如表6和图8所示,故最终选取AIS单门槛效应模型进行估计。同理,对门槛变量RIS和EIS的门槛效应进行检验,结果显示RIS存在单门槛效应,单门槛值为15.009,EIS不存在门槛效应,其原因可能在于EIS更多地是强调整体产业和环境之间的协调关系,经济回报可能需要更长的时间才能显现,故短期内难以产生显著的门槛效应。具体检验结果如表5、表6和图9所示。

图8 AIS门槛估计值及置信区间

图9 RIS门槛估计值及置信区间

(2) 门槛估计结果分析。根据各门槛值对样本进行分类,按照PTRM模型进行参数估计,门槛回归结果如表7所示。

表7 门槛回归估计结果

关于产业结构优化水平门槛分析。从表7列(2)的回归结果可知,当TSA≤7.712时,绿色信贷与GTFP的关系在5%水平上呈显著正相关,其系数为0.154;当TSA>7.712时,绿色信贷对GTFP的促进作用显著增强,系数为0.655,在1%的显著性水平上具有统计学意义。意味着产业结构优化水平超过门槛值后,绿色信贷对GTFP的促进作用显著增强。以上检验表明假设H4a成立。

关于不同维度指标门槛分析。表7中列(3)列(4)分别为绿色信贷以AIS和RIS为门槛变量对GTFP影响的单门槛模型回归结果。列(3)结果显示,当AIS≤2.260时,绿色信贷的系数为0.216,在1%的水平上与GTFP显著正相关;当AIS>2.260时,绿色信贷对GTFP的作用效果增强,系数值为0.569,且在1%的水平上通过显著性检验,表明AIS提高一定程度后,更能充分发挥绿色信贷对地区绿色经济增长的推动作用。此外,列(4)考察了绿色信贷以RIS为门槛变量对GTFP的影响,门槛值前后区段系数显著性水平由5%变为1%,系数由0.161变为0.661,结果进一步表明绿色信贷对GTFP的影响的确存在产业结构优化门槛,结果具有一定的稳健性。

3. 空间门槛溢出效应分析

根据SDM模型和PTRM模型实证结果可知,绿色信贷对GTFP的影响不仅存在空间溢出效应,还存在因产业结构优化不同取值区段下所呈现出的非线性约束特征,若仅将这两种情形单独讨论,常导致结果出现偏误。为此,本节以地理距离矩阵为空间权重矩阵,通过PTRM-SDM模型将空间因素纳入门槛效应进行更进一步的分析,以探究一个地区产业结构优化水平的高低是否会影响绿色信贷对邻近地区GTFP的作用效果。

空间面板门槛模型回归结果详见表8。

表8 空间门槛效应参数估计结果

从直接效应来看,PTRM-SDM模型回归结果与PTRM模型的实证结果相符,即产业结构优化水平超过一定门槛值后,绿色信贷对该地区GTFP的促进作用将增强。

从间接效应来看,TSA在门槛值7.712前后两阶段系数分别为-0.711和-0.472,并在1%和5%的显著性水平上通过检验,这表明一个地区产业结构优化水平越高,绿色信贷对周边地区GTFP的负向空间溢出效应越弱。另外,对于不同维度而言,AIS在门槛值2.260前后两阶段系数分别为-0.707和-0.592,并都在1%的置信水平上显著,意味着一个地区产业结构高级化程度越高,绿色信贷对周边地区GTFP的抑制作用会下降;RIS在门槛值15.009前后两阶段系数分别为-0.874和-0.604,并在1%和5%的置信水平上显著,意味着一个地区产业结构合理化程度越高,绿色信贷对周边地区GTFP的抑制作用越小。以上检验表明假设H4b成立。

4. 稳健性检验

从社会空间特征来看,绿色信贷、产业结构优化与GTFP的关系除了受经济发展差异和地理区位的影响外,还会受地方人力资本差异的影响。因此,继续引入人力资本空间权重矩阵进行稳健性检验,最终估计结果详见表9、表10,与前文分析结果趋同。人力资本空间权重矩阵表示为:

表9 空间溢出效应稳健性检验结果

表10 空间门槛效应稳健性检验结果

六、结论与建议

本文在运用超效率SBM-GML模型对区域GTFP进行评价的基础上,通过SDM模型、PTRM模型和PTRM-SDM模型探讨了绿色信贷、产业结构优化对GTFP的综合作用机制。结果显示:第一,地区GTFP的改善对相邻地区该效率值的提升产生了显著的正向促进作用,具有明显的“空间传染”特性,且从内部剖析发现GTFP的提升主要来自新型绿色技术的不断创新和应用,而非技术效率变化。第二,绿色信贷有助于提高本地区GTFP,但受其“空间溢出”效应的影响,会对邻近地区GTFP的增长产生抑制作用。第三,地区产业结构优化对该地区GTFP提升具有明显的促进作用,其中,产业结构高级化和生态化的作用效果较高且相近,合理化的作用效果较弱;且高级化和生态化的作用效果还表现出显著的空间溢出效应,前者会抑制邻近地区GTFP的增长,而后者具有促进作用。第四,从门槛效应来看,以产业结构优化综合指数为门槛变量时,存在单门槛效应,绿色信贷两阶段回归系数显著为正且递增;而以产业结构优化不同维度指标为门槛变量时,只存在产业结构高级化与合理化的单门槛效应,门槛值前后区间内,绿色信贷对GTFP的影响效果均显著为正且递增。第五,基于空间角度对门槛效应进行更进一步分析,发现本地区产业结构优化水平的提升还会影响绿色信贷作用于GTFP的空间溢出效应,产业结构优化水平越高,本地区绿色信贷对周边地区GTFP的抑制作用将会越小。

根据上述结论,提出如下建议:

第一,积极发挥GTFP的示范作用与溢出效应,着力助推区域优势互补。要打破“一亩三分地”思维定势和利益格局,按照协调发展和共享发展理念,加强与毗邻省份在产业联动协作、公共服务共享领域等方面的合作,完善地区间污染防治联防联控协作机制,发挥优势地区示范带头作用;要把握区域差异,着力推动优势互补,既补各自的短板,又锻造共同的长板,把绿色经济发展落差的势能变成协同发展的动能。

第二,遵循绿色信贷促进GTFP提升的优势性,双抓绿色信贷的“质”与“量”。在“量”上,国家仍要给予政策支持,扩大绿色信贷规模供给,让更多企业实现转型升级;在“质”上,银行等金融机构应参照《绿色信贷指引》建立起统一的绿色信贷标准,完善绿色信贷分类,加快信贷产品品类和融资模式创新。另外,政府应着重考虑改善绿色信贷资源的非良性竞争格局,要加强地方规制,提升监管能力,以避免产生不必要的负面效应。

第三,加快绿色低碳技术的研发和应用,持续推动产业结构优化升级。要系统布局关键创新资源,发挥产学研深度融合优势,提升科技成果区域内转化效率和比重,加强知识产权保护,推动实现依靠创新驱动的内涵型增长。要加快调整优化产业结构,坚决遏制高耗能、高排放、低水平项目盲目发展,通过制定产业帮扶政策,壮大节能环保产业,引导企业将投资更多转向生态环保领域,推动经济社会绿色化、低碳化发展。

第四,完善绿色信贷政策与产业政策的协同机制,把握产业结构优化的门槛特征。产业结构优化是提升绿色信贷资源供给与实体融资需求适配的关键之一,决定着企业能否借助绿色信贷在市场竞争中获得持续优势,因此,需要环保、金融和工业等相关部门加强部门间信息共享与合作、优化政策配套,在完善绿色信贷管理的同时,还需因势利导地推动区域产业结构优化发展,并严格控制产业结构优化门槛,以形成更为紧密的协同推进格局。