【《基于空间杜宾模型的绿色金融发展、环境规制与绿色技术关系实证研究》13000字】

基于空间杜宾模型的绿色金融发展、环境规制与绿色技术关系实证研究目录TOC\o"1-3"\h\u24235引言 3197751文献综述 3221432理论基础与研究假设 5312862.1绿色技术创新 5218452.2环境规制与绿色技术创新 589892.3绿色金融与绿色技术创新 6180562.4绿色金融、环境规制与绿色技术创新 6305793研究设计 738073.1变量选取与数据来源 758873.2空间计量模型的建立 9278113.3空间权重矩阵的建立 9220484实证分析 10320294.1空间自相关检验 10137514.2空间计量模型的选择 10152084.3绿色创新效率分析 12131294.4空间溢出效应分析 15108775研究结论与政策建议 16315625.1研究结论 16114815.2政策建议 165812参考文献 18摘要：生态文明发展面临日益严峻的环境污染，依靠绿色技术创新破解绿色发展难题已成为推进生态文明建设的重要路径。为考察绿色金融发展、异质性环境规制对绿色技术创新的本地效应和空间溢出效应，本研究利用绿色专利申请量对区域绿色技术创新程度进行表征，并将该指标引入空间杜宾模型，结合2010-2017年中国省级面板数据进行实证分析。研究发现：(1)我国省域间绿色技术创新具有显著的空间溢出效应；(2)绿色金融和“市场激励型”环境规制能够促进区域绿色技术创新，“命令控制型”环境规制抑制区域绿色技术创新；(3)绿色金融在“命令控制型”环境规制对绿色技术创新的影响机制中起到正向调节作用，在“市场激励型”环境规制对绿色技术创新的影响机制中起到负向调节作用。当前，我国应制定与绿色金融发展相适应的环境规制强度，有效发挥绿色金融和环境规制对区域绿色技术创新的协同作用。同时要加强绿色金融与环境规制的跨区域合作，创新地方政府间高层对话机制，对绿色金融和环境规制政策进行整体规划。关键词：绿色技术创新；绿色金融；环境规制，空间溢出效应中图分类号：F062.6文献标识码：ADevelopmentofGreenFinance,HeterogeneousEnvironmentalRegulationandRegionalGreenTechnologyInnovation：EmpiricalanalysisbasedontheSpatialDurbinmodelFangYong,ShaoZhenquan(SchoolofEconomicsandManagement,BeijingUniversityofChemicalTechnology,Beijing100029)Abstract:Thedevelopmentofecologicalcivilizationisfacingincreasinglysevereenvironmentalpollution.Relyingongreentechnologyinnovationtosolvetheproblemofgreendevelopmenthasbecomeanimportantpathtopromotetheconstructionofecologicalcivilization.Inordertoexaminethelocaleffectsandspatialspillovereffectsofthedevelopmentofgreenfinanceandheterogeneousenvironmentalregulationsongreentechnologyinnovation,thisstudyusestheamountofgreenpatentapplicationstocharacterizethedegreeofregionalgreentechnologyinnovation,introducesthisindicatorintothespatialDurbinmodel,andconductsanempiricalanalysisbasedonChina'sprovincialpaneldatafrom2010to2017.Thestudyfoundthat:(1)Ourcountry’sinter-provincialgreentechnologicalinnovationhassignificantspatialspillovereffects;(2)Greenfinanceand“market-incentive”environmentalregulationscanpromoteregionalgreentechnologicalinnovation,and“command-and-control”environmentalregulationsinhibitregionalgreenTechnologicalinnovation;(3)Greenfinanceplaysapositiveregulatoryroleintheinfluencemechanismof"commandandcontrol"environmentalregulationsongreentechnologicalinnovation,andplaysanegativeregulatoryroleintheinfluencemechanismof"marketincentive"environmentalregulationsongreentechnologicalinnovation.Atpresent,ourcountryshouldformulatetheintensityofenvironmentalregulationthatiscompatiblewiththedevelopmentofgreenfinance,andeffectivelybringintoplaythesynergisticeffectofgreenfinanceandenvironmentalregulationonregionalgreentechnologicalinnovation.Atthesametime,itisnecessarytostrengthencross-regionalcooperationbetweengreenfinanceandenvironmentalregulation,innovatethehigh-leveldialoguemechanismbetweenlocalgovernments,andmakeoverallplansforgreenfinanceandenvironmentalregulationpolicies.Keywords:greentechnologicalinnovation;greenfinance;environmentalregulation,spatialspillovereffects引言近年来，污染治理与环境保护问题受到了社会各界的广泛关注。党的十九届五中全会提出“推动绿色发展，促进人与自然和谐共生”的理念为我国生态文明发展提供了重要遵循。十四五规划进一步强调深入实施可持续发展战略，从加快推动绿色低碳发展、持续改善环境质量、提升生态系统质量和稳定性和全面提高资源利用效率四个方面提出了具体要求。创新作为引领发展的第一动力，对于区域经济发展起到了至关重要的作用，而绿色技术创新作为与生态环境系统相协调的新型创新系统，能够为区域环境保护和污染治理提供有力的技术支撑。但绿色技术创新兼具“双重外部性”，可能导致市场配置效率的降低，因而既需要通过环境规制政策进行引导，又需要绿色金融发展与之协调。目前国内外有关企业绿色技术创新影响因素的研究，聚焦于环境规制、区域经济和创新环境等方面。随着环境保护理念向金融行业的不断渗透，绿色金融已成为新型的环境治理工具，并且理论研究认为绿色金融对环境规制提升区域绿色技术创新具有补偿效应。为此，在现有研究的基础上，本文选取2010-2017年的省级面板数据，结合空间杜宾模型分析绿色金融、异质性环境规制及二者的交互项对绿色技术创新的本地效应和空间溢出效应，旨在为推进区域绿色技术创新提供相关的政策建议。1文献综述绿色技术创新是以促进资源环境与经济发展相互协调为目的，通过新兴科学技术在实现资源节约和环境保护的同时，取得相应经济效益的实践活动。当前，学界尚未对绿色技术创新的概念达成一致的界定，本研究基于王彩明和李健对绿色技术创新的定义[1]，认为绿色技术创新是从经济、资源与环境多重视角出发，均衡经济效益、资源与环境效益的创新形式。绿色技术创新活动的有效开展需要兼顾创新投入、资源分配和环境效益的合理性，如何客观评价区域绿色技术创新绩效是实现经济、资源与环境协同发展的必然要求。现有研究对于区域绿色创新的评价主要有两种方式：一是基于创新投入和创新产出的视角，通过参数和非参数方法[2-5]考察；二是采用绿色专利指标[6-8]或构建多重指标体系[9,10]来推进。环境规制是企业进行绿色技术创新的原始动力，也是政府推动企业进行绿色技术改造的重要工具和方法。环境规制对绿色技术创新的作用，现有学者持有不同的观点。波特[11]认为适当的环境规制能够有效促进绿色技术创新，所产生的创新补偿能够弥补环境规制成本，实现环境绩效和经济绩效的双赢。颉茂华、王瑾等[12]在“波特假说”的基础上开展进一步研究，发现环境规制能够有效推进重污染行业的绿色技术研发投入。一些学者对上述观点持反对的态度，他们认为环境规制增加了企业的环境遵循成本，抑制了企业绿色技术创新活动的开展。Wagner[13]研究发现，环境规制与绿色技术创新有关的专利数量呈现负相关关系。黄庆华，胡江锋等[14]认为环境规制将诱发企业补偿污染减排成本而加速提高污染性经济产出，进而降低环境质量。还有一些学者认为环境规制对企业绿色创新的影响具有不确定性。Jaffe&Palmer[15]通过对美国制造业开展研究发现，环境规制对企业绿色技术创新的作用尚不明确。绿色金融旨在为绿色发展提供支持性的融资环境，注重引导资金向“绿色”转变，推动投资由高耗能行业向节能环保行业转移。目前仅有个别文献考察了绿色金融与绿色技术创新之间的关系，主要探究二者的作用机制与作用效果。就二者的作用机制而言，何凌云、钟章奇等[16]认为绿色信贷通过资金形成、资金传导、缓解信息约束和政策激励四种形式作用于研发投入这一中介路径，研发投入通过资源利用和研发合作促进环保企业技术创新；曹廷求[17]、陆菁[18]等研究发现遵循成本和融资约束是绿色金融政策作用于企业绿色创新效率的关键因素。就二者的作用效果而言，刘强、王伟楠等[19]借助双重差分(DID)模型，考察《绿色信贷指引》政策对重污染企业创新的影响效果，发现政策实施显著提高了重污染企业的创新效率；王遥等[20]通过DSGE模型的构建，验证了绿色信贷政策能够使经济结构更加“绿色”。就绿色金融、环境规制与绿色技术创新三者的关系而言，理论研究认为绿色金融能够与环境规制协同发展，实现提升企业的绿色创新效率的目标。一方面，绿色金融与环境规制存在相近的作用机理。环境规制通过设定准入门槛和排放标准，影响企业的技术投资决策，激励资金向绿色产业转移[21]，绿色金融则侧重绿色产业培育，直接以资本调控的方式增强清洁产业回报率，增大绿色金融市场，形成资本的良性循环[22]。另一方面，绿色金融对环境规制存在创新补偿效应。在环境规制政策的倒逼机制下，企业需要投入大量资金进行绿色技术的研发，绿色金融可以通过解决企业面临的融资约束影响，显著提高绿色创新能力[23]。纵观上述国内外文献，尽管现有研究已在相关领域得出了较为丰富的结论，并为新时代促进区域绿色技术创新奠定了良好的基础，但仍存在如下问题有待深入探究：绿色金融和环境规制能否有效促进绿色技术创新，是否存在空间溢出效应，是否需要进一步探究绿色金融对环境规制提高企业绿色技术创新存在创新补偿效应？现有文献多从单一视角展开研究，尚缺乏文献对绿色金融、环境规制与绿色技术创新三者的相互关系展开探讨。因此，本文的贡献主要在以下几个方面：一是首次将绿色金融、环境规制和绿色技术创新纳入同一研究框架；二是重新测度了绿色金融发展水平，并将环境规制分为“命令控制型”和“市场激励型”，试图从空间计量的视角探究绿色金融、异质性环境规制及两者的共同效应对区域绿色技术创新的作用效果；三是创新性地构建研发距离权重矩阵，考察研发资本作为区域绿色技术创新的关键因素在空间上的依赖性水平。2理论基础与研究假设2.1绿色技术创新绿色技术创新是综合考虑经济、资源与环境多个角度而产生，相比于一般的创新更具指向性，同时由于环境问题存在较强的区域异质性，企业绿色技术创新的本地化现象将更为明显。区域创新理论认为知识和技术具有的“粘性”特征会加大信息间转移的难度，经济主体在同一地区进行知识和技术的沟通与传输相对于在不同的地区则更为便捷且更为有效[24]。就绿色技术创新而言，创新知识（尤其是隐性知识）和创新技术的粘性深度依赖于知识转移双方的空间距离[25,26]，处于同一地区的企业由于技术和区位的相似性更易形成不同知识势能间的知识转移，这也是存在创新集群效应的内在原因。基于此，本研究提出如下假设：假设1：我国绿色技术创新存在显著的空间集聚和溢出效应；2.2环境规制与绿色技术创新环境作为一种公共物品，现实中企业并不愿意主动承担该项成本。在这种情况下，如果政府不制定规则对公共物品加以维护，就会造成自由市场秩序的紊乱，因而政府进行环境规制具有可靠的理论基础。现有理论认为环境规制对企业绿色技术创新的影响存在“创新补偿”[27]和“遵循成本”双重效应[28]，而“创新补偿”能否弥补企业的技术创新成本是决定企业是否进行绿色技术创新的关键[29]。此外，不同类型的环境规制工具对推动企业技术创新存在差异[30]。Tietenberg将环境规制分为“命令控制型”和“市场激励型”[31]。“命令控制型”环境规制具有强制性的特点，其以政策法规等行政手段为依托，要求企业遵守相关政策标准，并对违规企业给予行政处罚[32]。“市场激励型”环境规制通过征收排污费与环境税等方式，通过经济刺激增加企业成本，倒逼企业进行绿色技术创新，间接改善环境质量[33]。企业在面临各种环境规制手段时，为了兼顾企业利润最大化和企业环境社会责任的履行，倾向于选择将部分生产所需的资金投入到增强企业环境绩效的非生产性活动中[34]，进而提升企业的绿色技术创新水平。同时由于地区环境存在的差异性特征，环境规制工具的选择与绿色技术创新水平也具有显著的区域性特征。基于此，本研究提出如下假设：假设2a：“命令控制型”环境规制对区域绿色技术创新存在显著的正向影响；假设2b：“市场激励型”环境规制对区域绿色技术创新存在显著的正向影响；假设3a：“命令控制型”环境规制存在显著的空间效应；假设3b：“市场激励型”环境规制存在显著的空间效应；2.3绿色金融与绿色技术创新绿色金融作为促进经济增长和缓解环境污染问题的重要手段，是传统金融工具在环境领域的重要延伸，它认为金融机构在资金配置的过程中应该充分考虑与环境因素相关的成本和收益问题，进而促进社会的可持续发展[35]。一方面，绿色金融既可以通过绿色信贷、绿色证券等绿色金融工具为节能环保企业提供大量的资金支持，增加环保企业对绿色技术创新的研发投入，又可以通过提升贷款利率，加强监管强度的方式降低高污染、高耗能行业的贷款额度，增加企业生产成本，倒逼企业进行绿色研发活动[36]。另一方面，绿色金融能够促进企业管理层的技术创新意愿。银行等金融机构在提供绿色贷款时将优先考虑企业的污染排放指标，具备更强的环境责任意识的企业更容易获得金融机构的贷款支持，因而企业也拥有更强的意愿开展绿色技术创新活动[37]。同时，绿色金融具有空间集聚的特征，绿色金融发展的区域异质性也将引起绿色创新效率的差异。因此，本研究提出如下假设：假设4a：“命令控制型”环境规制下，绿色金融对区域绿色技术创新具有显著的正向影响；假设4b：“市场激励型”环境规制下，绿色金融对区域绿色技术创新具有显著的正向影响；假设5a：“命令控制型”环境规制下，绿色金融存在显著的空间效应；假设5b：“市场激励型”环境规制下，绿色金融存在显著的空间效应；2.4绿色金融、环境规制与绿色技术创新“命令控制型”环境规制与“市场激励型”环境规制通过污染排放标准、准入门槛的设定等方式对污染企业进行限制，促使企业通过研发资金的投入提升绿色技术创新水平，进而使企业面临较高的技术成本和资金压力。研发资金的支持是企业从事绿色技术创新的重要支撑，环境规制政策的实施将挤占部分资金从而阻碍绿色技术创新，企业迫切需要金融资金的支持以缓解内部融资的压力[38]。在环境规制的条件下，绿色金融作为新兴的污染治理方式，能够对企业绿色技术创新活动提供强有力的支撑。绿色金融通过以资本调控的方式实现绿色资本的良心循环，有效缓解环境规制对企业造成的融资约束，为企业绿色技术研发提供充足的资金支持，进而促进企业的绿色创新能力。综上所述，绿色金融对于环境规制提高企业绿色创新存在正向调节[39]，二者的协同作用能够对环境治理起到“1+1＞2”的效果。基于此，本研究提出如下假设：假设6a：绿色金融与“命令控制型”环境规制协同促进区域绿色技术创新；假设6b：绿色金融与“市场激励型”环境规制协同促进区域绿色技术创新。3研究设计3.1变量选取与数据来源鉴于统计数据的可获得性和分析的全面性，本研究选取2010-2017年我国30个省（市、区）的省级数据作为面板数据分析的样本数据（不包括港澳台和西藏），数据来源主要为《中国环境统计年鉴》《中国工业经济统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国保险年鉴》《中国城市统计年鉴》《银行业社会责任报告》、国家专利数据库、同花顺iFinD数据库、国泰安数据库和EPS数据库。相关变量的具体含义、取值方法和表征符号如下：（1）被解释变量：绿色技术创新（gti）。由于绿色专利能够有效体现资源节约和环境保护等绿色技术的创新与应用，直观反映地区绿色创新的水平与规模，因此本文参考董直庆[40]的研究，根据世界知识产权组织(WIPO)提出的绿色技术专利的定义，使用国际专利分类号检索国家知识产权局（CNIPR）的绿色专利数据，并采用绿色专利申请量的对数表征区域绿色技术创新水平。（2）核心解释变量：绿色金融发展(gf)。根据2016年发布的《关于构建绿色金融体系的指导意见》，绿色金融体系包含绿色信贷、绿色证券、绿色保险和绿色投资四个部分。绿色信贷由节能环保贷款余额和规模以上工业企业高耗能工业产业利息支出进行表示。其中，节能环保贷款余额数据从《银行业社会责任报告》中获取，仅为全国层面的数据，故本研究借鉴李健和卫平[41]的测算民间资本的思想，进一步假设各个地区节能环保贷款规模占全国节能环保信贷规模的比重与各个地区金融机构占全国金融机构贷款的比重相同，以此来计算各个地区的节能环保贷款余额。绿色证券分别选取A股环保企业市值和高耗能工业企业市值。其中，环保企业选择节能环保、新能源、风电、美丽中国、碳中和等概念板块；高耗能企业根据《国民经济和社会发展统计报告》分类，选择电力、热力、钢铁、有色金属、石油、化工等概念板块，不包括ST股和*ST股的上市公司。绿色保险用各省农业保险支出来代替，绿色投资则选取工业污染治理完成投资和节能环保产业财政支出进行表征。本研究在确定各指标层的基础上，借鉴杨丽、孙之淳[42]的测算思路，采用熵值法对绿色金融发展水平进行测度。核心解释变量：环境规制。本研究将环境规制工具分为“命令控制型”(er1)和“市场激励型”(er“命令控制型”环境规制(er1)：借鉴叶琴等[43]首先，对上述3类污染物指标进行标准化处理：UE其中，UEi,j为第i省第j类污染物指标数值，minUEj和maxUEj为第j类污染物指标的最小值和最大值，UEi,j其次，测算各污染物指标的调整系数，公式如下：WUEi,j为样本中第j最后，计算各省区环境规制综合指数ERiER“市场激励型”环境规制(er2)：借鉴范丹、孙晓婷[44]（3）控制变量：参考已有研究的结果，本研究选取的控制变量包括投资开放程度、城镇化水平、贸易开放程度、环保系统人力资本和知识产权保护。其中，投资开放程度(Z1)用各地区外商直接投资额占地区生产总值的比重来衡量投资开放程度；城镇化水平(Z2)用各地区城镇人口数占总人口数的比重表示该地区的城镇化水平；贸易开放程度(Z3)用各地区进出口贸易总额占地区生产总值的比重衡量贸易开放程度；环保系统人力资本(Z表1变量描述性统计变量名称观测数均值标准差最小值最大值gti2407.7905021.3811443.68888810.812900gf2400.1162500.0682780.0371260.417088er2400.1312810.1834350.0000161.171370er2408.6574691.5699584.62050211.888930Z2400.0225760.0181230.0000650.113817Z2400.5599340.1268120.2575000.896000Z2400.2904720.3290680.0168081.548160Z2400.0001600.0000560.0000780.000334Z2400.0119490.0254850.0001860.1601613.2空间计量模型的建立本文初步建立空间滞后模型SAR、空间误差模型SEM和空间杜宾模型SDM三个空间计量模型，并通过各项检验确定最优模型进行后续分析。同时为探究绿色金融对于环境规制提高企业绿色创新存在的创新补偿效应，参考Balli等[45]的做法在模型中加入减去样本均值后的绿色金融与环境规制的交互项。空间滞后模型SAR公式如下：gti=ρWgti+βgti=ρWgti+β空间误差模型SEM公式如下：gti=βgf,ergti=βgf,er空间杜宾模型SDM公式如下：gti=ρWgti+gti=ρWgti+其中，gti代表被解释变量区域绿色技术创新，W·代表该变量的空间滞后项，gf代表绿色金融发展水平，er1、er2分别代表“命令控制型”环境规制和“市场激励型”环境规制，er1、er2和gf分别代表三者的平均值，Z3.3空间权重矩阵的建立现有文献多基于空间邻接权重矩阵和地理距离权重矩阵展开。研发资本存量作为促进绿色技术创新的关键因素，考察研发资本在空间上的依赖水平具有重要意义。因此，本文在传统空间矩阵的基础上构建了研发距离权重矩阵对绿色创新效率进行探索性分析。具体的空间权重矩阵设定如下：地理距离权重矩阵(w1)以经纬度测度两省会城市间的地理距离，以距离的倒数作为权重设定，形式如下：w空间邻接权重矩阵(w2)以两省份位置是否相邻进行设定，相邻为1，不相邻为0，形式如下：w研发距离权重矩阵(w3)以研发资本存量均值差距倒数的绝对值作为权重设定，形式如下：wij=1/R&D，i≠j；wij4实证分析4.1空间自相关检验明确绿色技术创新的空间相关性程度是分析绿色金融、环境规制及两者共同作用影响绿色技术创新空间效应的前提。本文主要选取莫兰指数对绿色技术创新进行空间相关性检验。如表2所示，在研发距离权重矩阵下，2010-2017年间我国各地区绿色技术创新的正向空间自相关十分显著，说明我国各地区绿色技术创新存在集聚效应。假设1得到验证。表2Moran’sI指数绿色技术创新空间自相关检验时间地理距离权重矩阵空间邻接权重矩阵研发距离权重矩阵IZ值P值IZ值P值IZ值P值20100.2442.9310.0030.2031.9400.0520.7806.1670.00020110.2653.1540.0020.2492.3200.0200.7636.0560.00020120.2593.0750.0020.2542.3430.0190.7475.8930.00020130.2512.9840.0030.2362.1980.0280.7385.8230.00020140.2583.0740.0020.2672.4550.0140.7295.7720.00020150.2813.2950.0010.2912.6380.0080.7105.5980.00020160.2813.2830.0010.2942.6550.0080.7185.6540.00020170.2713.1850.0010.2752.5080.0120.7205.6680.0004.2空间计量模型的选择进行实证分析之前，首先需要通过LM检验对模型进行选择。从表3的检验结果可以看出，在地理距离权重矩阵下，er1模型的LM-error和RobustLM-error检验的p值小于0.1，即在10%的显著性水平下拒绝原假设，而LM-lag和RobustLM-lag检验不拒绝原假设，理论上应选用SEM模型。其次，进行了三个空间计量模型的Hausman检验(如表4)，结果表明选择随机效应比固定效应更合适。最后，本文根据实际回归结果对SEM模型和SDM模型进行比较。地理距离权重矩阵(w1)下模型(2)-(6)的回归结果如表5所示。表5中(1)、(3)、(5)、(7)为不加交互项的回归结果，(2)、(4)、(6)、(8)为加入交互项后的回归结果。可以看出，在地理距离权重矩阵下，SDM模型和SEM模型都能够很好地体现绿色技术创新的空间效应；核心解释变量绿色金融和环境规制在加入交互项后的模型中都起到显著作用，对于控制变量的结果也相对一致，R方值较为相近。但在空间杜宾模型中，绿色金融、环境规制及交互项的空间滞后项在地理距离权重矩阵下作用显著，即空间滞后项对于模型构造的影响不容忽视。因此，在考虑本文研究需求的同时，借鉴游达明等表3LM检验结果Teststatisticdfp-valueSpatialerror:Moran'sI2.7e+0410.000***Lagrangemultiplier2.77310.096*RobustLagrangemultiplier2.89310.089*Spatiallag:Lagrangemultiplier0.02510.875RobustLagrangemultiplier0.14510.703注：此处为w1矩阵下er表4Hausman检验SARSEMSDMchi2(8)=(b-B)'[(V_b-V_B)^(-1)](b-B)=-326.26chi2(7)=(b-B)'[(V_b-V_B)^(-1)](b-B)=-29.10chi2(8)=(b-B)'[(V_b-V_B)^(-1)](b-B)=-112.41chi2<0.0000chi2<0.0000chi2<0.0000表5w1权重ARI-

ABLESSDMSEMer1er1er2er2er1er1er2er2（1）（2）（3）（4）（5）（6）（7）（8）gf1.0450***(3.07)1.2419***(3.52)0.6874*(1.88)0.8683**(2.29)0.6064*(1.72)0.7409**(2.09)0.5605(1.51)0.6917*(1.82)Wgf3.8144***(4.46)4.2143***(3.91)2.5814***(2.85)2.5005**(2.24)erorer-0.9301***(-7.60)-0.6880***(-4.01)0.0658***(1.68)0.0668*(1.72)-0.6344***(-5.75)-0.4039**(-2.46)0.1097***(2.86)0.1087***(2.85)WorW-1.3470***(-3.51)-1.3040***(-2.97)-0.0935**(-2.30)-0.0962**(-2.39)gf×orgf×4.6819**(2.05)-0.3092**(-2.01)4.4124*(1.86)-0.2360(-1.48)WorW1.2790(0.20)0.2739(0.66)Z2.0128(1.32)2.0506(1.36)3.2506*(1.95)3.0407*(1.84)2.8173*(1.88)2.9449**(1.99)4.1026***(2.60)3.9608**(2.52)Z1.4923**(2.38)1.5730**(2.53)2.9906***(4.52)2.9662***(4.51)1.2636**(2.15)1.2797**(2.20)1.8009***(2.82)1.7785***(2.80)Z0.5755***(3.23)0.4673**(2.37)0.4770**(2.33)0.3486(1.63)0.6836***(3.88)0.5250***(2.70)0.5918***(3.04)0.5050**(2.50)Z1106.39(1.29)1199.955(1.40)225.3028(0.24)535.9003(0.57)1157.821(1.37)1300.24(1.55)848.3563(0.95)1121.405(1.24)Z6.8171**(2.25)6.4443**(2.13)6.5592**(1.99)6.8622**(2.09)4.0363(1.39)3.1885(1.09)0.8851(0.29)0.8957(0.30)_cons3.1102***(4.06)2.8661***(3.70)0.3283(0.55)0.4223(0.72)6.5926***(16.33)6.5825***(16.19)5.3486***(9.02)5.3478(9.04)ρorλ0.2662***(3.11)0.2728***(3.20)0.4069***(5.05)0.4015***(4.96)0.9079***(43.97)0.9916***(45.44)0.9081***(41.98)0.9094***(42.55)sigma2_e0.0288***(10.10)0.0280***(10.04)0.0343***(10.07)0.0334***(10.05)0.0343***(9.94)0.0333***(9.89)0.0385***(9.89)0.0378***(9.88)R-squared0.48550.45160.30210.27780.45990.44120.45570.44534.3绿色创新效率分析从整体来看，地理距离权重矩阵、空间邻接权重矩阵和研发距离权重矩阵下省级绿色技术创新具有显著的空间效应，说明本省的绿色技术创新会对其他省份的绿色技术创新产生显著的影响。由于第(1)-(2)列和第(7)-(8)列的系数显著性水平较好，因此选取地理距离权重矩阵下的回归结果进行具体分析。表6中模型(1)和(7)是不含交互项的回归结果，可见“命令控制型”环境规制(er1)的回归系数显著为负,“市场激励型”环境规制(er2)的回归系数显著为正，进而研究假设2a不成立，2b成立。其原因可能在于“命令控制型”环境规制一般通过政策、法规、命令等手段对企业进行强制性要求，在短期内可以通过强制性手段推动企业进行改革以达到合规的标准，企业在长期的改革和调整中已经不再被强制性的规制政策所约束，甚至会对企业绿色技术创新产生一定的抑制作用。而“市场激励型”环境规制一般借助排污费收入和环境税收等手段，通过经济激励倒逼企业进行技术创新和环境治理，现阶段我国“市场激励型”环境规制已发展的相对完善，相关征收标准已经接近于污染治理成本，企业直接调用资金进行污染治理不再具有经济性，鉴于长期利益的考量，企业更倾向于加大对于绿色创新的技术投入绿色金融发展(gf)对区域绿色技术创新具有显著的正向影响，验证了研究假设4a和4b。这是因为在宏观层面，绿色金融不仅能够引导金融体系内部资金从“两高一剩”行业流入到绿色领域，而且能够吸引大量金融资本流向绿色领域；在微观层面绿色金融强化了金融机构对资金使用方的监督功能，提升了金融机构自身的环境责任[47]。表6中模型(2)和(8)是包含交互项的回归结果，“命令控制型”环境规制与绿色金融的交互项系数显著为正，验证了研究假设6a。这是因为在“命令控制型”环境规制下，绿色金融有效发挥了正向调节作用，缓解了企业内部融资约束，实现了二者关系的良性互动。“市场激励型”环境规制与绿色金融的交互项系数显著为负，说明当前绿色金融发展与“市场激励型”环境规制相结合显著抑制了绿色技术创新的发展，表明我国现阶段绿色金融在“市场激励型”环境规制对绿色技术创新的影响机制中起到负向调节效应，约束了“市场激励型”环境规制对绿色技术创新的影响，研究假设6b不成立。从控制变量来看，城镇化水平(Z2)、贸易开放程度(Z3)和知识产权保护水平(Z5)对区域绿色技术创新具有显著的促进作用，而环保系统人力资本水平(Z

表6w1、w2、w3权重矩阵下er1模型ARI-

ABLESer1er2(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)(11)(12)wwwwwwwwwwwwgf1.0450***(3.07)1.2419***(3.52)1.1771***(3.31)1.3626***(3.62)0.6248**(2.04)0.7840**(2.53)0.6874*(1.88)0.8683**(2.29)0.9010**(2.40)0.8576**(2.20)0.8749**(2.15)0.9046**(2.17)Wgf3.8144***(4.46)4.2143***(3.91)0.8209(1.62)1.0170(1.58)-0.8325(-1.33)-0.2685(-0.35)2.5814***(2.85)2.5005**(2.24)-0.2994***(-0.57)-0.7807(-1.37)-0.5214(-0.70)-0.6309(-0.76)erorer-0.9301***(-7.60)-0.6880***(-4.01)-0.9602***(-7.57)-0.6928***(-3.98)-0.5330***(-6.07)-0.2043(-1.62)0.0658***(1.68)0.0668*(1.72)0.1106***(2.59)0.0963**(2.28)0.1045***(2.75)0.1013***(2.63)WorW-1.3470***(-3.51)-1.3040***(-2.97)-0.4406(-1.29)-0.4915(-1.38)0.5977*(1.84)0.9109***(2.67)-0.0935**(-2.30)-0.0962**(-2.39)-0.1247***(-2.83)-0.1112**(-2.55)-0.1431***(-3.67)-0.1392***(-3.50)gf×orgf×4.6819**(2.05)5.3619**(2.22)6.2867***(3.54)-0.3092**(-2.01)-0.2371(-1.51)-0.0636(-0.43)WorW1.2790(0.20)-0.6948(-0.13)8.6544(1.60)0.2739(0.66)0.7120**(2.51)0.1350(0.39)Z2.0128(1.32)2.0506(1.36)2.4656(1.53)2.5399(1.59)1.5919(1.33)2.1064*(1.79)3.2506*(1.95)3.0407*(1.84)3.7345**(2.10)3.5761**(2.04)2.4699(1.53)2.3795(1.46)Z1.4923**(2.38)1.5730**(2.53)2.4656***(3.60)2.3760***(3.73)0.9939*(1.88)1.0016**(1.97)2.9906***(4.52)2.9662***(4.51)3.7984***(5.60)3.7214***(5.56)3.3432***(5.48)3.3647***(5.50)Z0.5755***(3.23)0.4673**(2.37)0.5587***(2.96)0.4076**(2.01)0.7458***(4.60)0.5640***(3.46)0.4770**(2.33)0.3486(1.63)0.4538**(2.09)0.3305(1.49)0.4977**(2.40)0.4759**(2.23)Z1106.39(1.29)1199.955(1.40)767.7254(0.94)939.6624(1.12)-28.8009(-0.04)64.8398(0.10)225.3028(0.24)535.9003(0.57)591.2816(0.64)885.7171(0.95)456.1284(0.53)446.4168(0.54)Z6.8171**(2.25)6.4443**(2.13)8.3728***(2.92)7.9839***(2.81)3.712(1.37)2.4002***(0.91)6.5592**(1.99)6.8622**(2.09)5.1895*(1.65)65.1431*(1.66)6.8448**(2.24)7.0233**(2.28)_cons3.1102***(4.06)2.8661***(3.70)1.5277*(1.91)1.3085(1.64)0.3283(0.55)0.4223(0.72)-0.5261(-0.84)-0.4840(-0.78)-0.4729(-0.96)-0.5104(-1.02)rho0.2662***(3.11)0.2728***(3.20)0.4548***(6.80)0.4575***(6.86)-0.3359***(-4.21)-0.3745***(-4.78)0.4069***(5.05)0.4015***(4.96)0.5307***(8.41)0.5208***(8.24)0.3022***(4.48)0.2976***(4.34)sigma2_e0.0288***(10.10)0.0280***(10.04)0.0315***(9.97)0.0304***(9.92)0.0169***(10.77)0.0158***(10.74)0.0343***(10.07)0.0334***(10.05)0.0380***(9.93)0.0365***(9.92)0.0320***(10.19)0.0319***(10.19)R-squared0.48550.45160.38590.34550.31160.23410.30210.27780.31840.30740.41640.41524.4空间溢出效应分析空间溢出效应能够有效测度解释变量对其他相关地区被解释变量的影响程度。直接效应和间接效应分别反映了变量对本地区和邻近地区的影响程度，总效应是直接效应和间接效应的数值加总。地理距离权重矩阵下er1模型和er2模型的空间溢出效应如表7所示。“命令控制型”环境规制对本地区和邻近地区的绿色技术创新都存在显著的抑制效应；“市场激励型”环境规制能够推动本地区进行绿色创新效率的提升，同时对邻近地区存在创新挤出效应，研究假设3a、3b均成立。表7w1权重矩阵下er1模型和er2VARI-ABLESer1er2直接效应间接效应总效应直接效应间接效应总效应gf1.4776***(4.09)6.0841***(4.64)7.5617***(5.36)1.1059***(2.82)4.5421***(2.82)5.6481***(3.27)erorer-0.7677***(-5.99)-1.9956***(-3.67)-2.7634***(-4.49)0.0599*(1.68)-0.1094***(-2.67)-0.0495**(-2.27)gf×orgf×4.9451**(2.23)3.9385(0.45)8.8837(0.94)-0.2828*(-1.86)0.2483(0.38)-0.0345(-0.05)Z1.7135(1.14)-8.4955(-1.55)-6.7821(-1.10)2.6446(1.52)-7.9238***(-1.09)-5.2792(-0.64)Z1.6801***(2.73)3.1528**(2.23)4.8329***(2.86)3.3325***(5.20)7.3665***(4.32)10.699***(5.57)Z0.4564**(2.30)-0.4778***(-0.93)-0.0213(-0.04)0.3286(1.46)-0.8409(-1.28)-0.5121(-0.68)Z1280.223(1.47)19999.48(0.92)3279.704(1.40)628.0502(0.64)2329.906(0.72)2957.956(0.84)Z6.6137**(2.13)6.6062(0.64)13.2199(1.15)8.3994**(2.45)32.4948***(2.61)40.8941***(2.93)5研究结论与政策建议5.1研究结论通过上述空间计量模型实证分析发现：区域绿色技术创新存在显著的空间集聚效应和溢出效应，绿色技术创新不仅是单一因素的作用决定的，还受多因素交互作用的影响。为此，主要得出如下结论：（1）“命令控制型”环境规制会抑制区域绿色技术创新水平，“市场激励型”环境规制能够促进当地绿色技术创新水平；绿色金融发展对区域绿色技术创新具有显著的正向促进作用；（2）绿色金融在“命令控制型”环境规制下对绿色技术创新的关系中起到了正向调节作用，缓解了企业内部融资约束，二者协同促进绿色技术创新水平的提升；绿色金融在“市场激励型”环境规制下对绿色技术创新起到了负向调节作用，约束了“市场激励型”环境规制对绿色技术创新的影响。（3）就空间溢出效应而言，绿色金融发展不仅能够显著提升本地区的绿色技术创新水平，而且能够通过空间溢出效应提升周边地区的绿色技术创新水平。“命令控制型”环境规制对本地区和邻近地区的绿色技术创新都存在显著的抑制效应；“市场激励型”环境规制能够推动本地区进行绿色创新效率的提升，同时对邻近地区存在创新挤出效应。“命令控制型”环境规制和绿色金融的交互项对地区绿色技术创新产生显著的促进作用；“市场激励型”环境规制和绿色金融的交互项对地区绿色技术创新产生显著的抑制作用。5.2政策建议根据上述结论，本文得出如下政策建议：（1）完善绿色金融体系，探索创新绿色金融产品，进一步发挥绿色金融对区域绿色技术创新的促进作用。尽管当前我国的绿色金融规模位居世界前列，但绿色金融所占规模相较于传统金融仍然较低，难以支撑区域产业技术进步和绿色转型升级。因此，应进一步增加绿色金融的投资规模，丰富绿色金融的产品种类，促使其在绿色创新中发挥更大的作用。（2）制定与绿色金融发展相协调的环境规制政策，发挥绿色金融和环境规制对区域绿色技术创新的协同作用。当前我国面临严峻的环境问题，制定适当强度的环境规制政策是实现可持续发展的必然要求，而绿色金融与环境规制存在“创新补偿效应”，两者的有效结合能够有效缓解企业因技术升级带来的资金压力，促进企业的技术创新水平，从而在经济发展与环境保护间取得“双赢”。（3）加强区域间政府的信息互通，制定跨区域合作的绿色金融与环境规制政策。区域间政府高层的沟通不足将限制区域间绿色技术创新效率，通过构建地方政府间高层对话机制，打破行政和技术壁垒，对绿色金融和环境规制政策进行整体规划，系统开展跨区域合作，能够扩大绿色金融与环境规制扩散效应，进而推动区域间绿色创新要素的自由流动。

参考文献[1]王彩明,李健.中国区域绿色创新绩效评价及其时空差异分析——基于2005-2015年的省际工业企业面板数据[J].科研管理,2019,40(06):29-42.[2]游达明,欧阳乐茜.环境规制对工业企业绿色创新效率的影响——基于空间杜宾模型的实证分析[J].改革,2020(5).[3]康鹏辉,茹少峰.环境规制的绿色创新双边效应[J].中国人口·资源与环境,2020,v.30;No.242(10):95-106.[4]李成顺.我国工业企业绿色创新效率评价——基于面板时变随机前沿模型的分析[J].技术经济,2020.[5]田红彬,郝雯雯.FDI,环境规制与绿色创新效率[J].中国软科学,2020,No.356(08):179-188.[6]李新安.环境规制、政府补贴与区域绿色技术创新——基于我国省域空间面板数据的实证研究[J/OL].经济经纬:1-15[2021-05-21]./10.15931/ki.1006-1096.20210408.001.[7]曹廷求,张翠燕,杨雪.绿色信贷政策的绿色效果及影响机制——基于中国上市公司绿色专利数据的证据[J].金融论坛,2021,26(05):7-17.[8]HuG,WangX,WangY.Canthegreencreditpolicystimulategreeninnovationinheavilypollutingenterprises?Evidencefromaquasi-naturalexperimentinChina[J].EnergyEconomics,2021(3):105134.[9]García-Granero,EvaM,Piedra-MuozL,EGaldeano-Gómez.Eco-innovationmeasurement:Areviewoffirmperformanceindicators[J].JournalofCleanerProduction,2018,191:304-317.[10]TsengML,WangR,ChiuA,etal.Improvingperformanceofgreeninnovationpracticesunderuncertainty[J].JournalofCleanerProduction,2013,40(FEB.):71-82.[11]PorterME.America'sGreenStrategy[J].entificAmerican,1991,264(4):págs.193-246.[12]颉茂华,王瑾,刘冬梅.环境规制、技术创新与企业经营绩效[J].南开管理评论,2014(06):106-113.[13]WagnerM.Ontherelationshipbetweenenvironmentalmanagement,environmentalinnovationandpatenting:EvidencefromGermanmanufacturingfirms[J].ResearchPolicy,2007,36(10):p.1587-1602.[14]黄庆华,胡江峰,陈习定.环境规制与绿色全要素生产率:两难还是双赢?[J].中国人口资源与环境,2018,28(11):140-149.[15]JaffeAB,PalmerKL.EnvironmentalRegulationandInnovation:APanelDataStudy[J].SocialScienceElectronicPublishing.[16]何凌云,梁宵,杨晓蕾,钟章奇.绿色信贷能促进环保企业技术创新吗[J].金融经济学研究,2019,34(05):109-121.[17]曹廷求,张翠燕,杨雪.绿色信贷政策的绿色效果及影响机制——基于中国上市公司绿色专利数据的证据[J].金融论坛,2021,26(05):7-17.[18]陆菁,鄢云,王韬璇.绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角[J].中国工业经济,2021(01):174-192.[19]刘强,王伟楠,陈恒宇.《绿色信贷指引》实施对重污染企业创新绩效的影响研究[J].科研管理,2020,41(11):100-112.[20]王遥,潘冬阳,彭俞超,等.基于DSGE模型的绿色信贷激励政策研究[J].金融研究,2019(11):1-18.[21]王书斌,徐盈之.环境规制与雾霾脱钩效应——基于企业投资偏好的视角[J].中国工业经济,2015,000(004):18-30.[22]王遥,潘冬阳,张笑.绿色金融对中国经济发展的贡献研究[J].经济社会体制比较,2016,000(006):33-42.[23]YuCH,WuX,ZhangD,etal.Demandforgreenfinance:ResolvingfinancingconstraintsongreeninnovationinChina[J].EnergyPolicy,2021,153(1):112255.[24]吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究,2