金融发展影响绿色全要素生产率的理论和实证研究

张 帆

(北京理工大学 管理与经济学院，北京 100081)

金融发展影响绿色全要素生产率的理论和实证研究

张 帆

(北京理工大学 管理与经济学院，北京 100081)

全要素生产率增长是经济长期增长的重要源泉，而考虑了能源投入和污染等非期望产出的绿色全要素生产率则是转变中国经济增长方式，实现经济可持续增长的重要保障。本文通过构建一个包含金融发展与绿色全要素生产率的熊彼特内生增长模型，将全要素生产率和绿色全要素生产率放在同一个理论框架中对比研究，从理论上推导出金融发展影响绿色全要素生产率的3个重要推论。在此基础上，通过中国31个省市2000-2013年面板数据实证考察中国金融发展对绿色全要素生产率的影响。研究结果表明，金融发展能够同时促进全要素生产率和绿色全要素生产率的增长，这种增长促进作用会随着金融发展水平的提高而递减，呈现出非线性的关系。研究同时发现金融发展提升相同幅度，全要素生产率提高幅度会高于绿色全要素生产率的提高幅度，表明我们在评价经济增长的时候如果不考虑环境污染等非期望产出因素，会部分夸大金融发展对生产率提高的影响作用。

金融发展；绿色全要素生产率；全要素生产率

Abstract：Total Factor Productivity (TFP) growth is an important source of long-term economic growth. Considering the non expected output of energy input and pollution, the Green Total Factor Productivity (GTFP) is the important guarantee for the transformation of China's economic growth mode and the realization of sustainable economic growth. In this paper, we construct a model of endogenous growth model which includes financial development and GTFP, and put the TFP and GTFP in the same theoretical framework.Three important inferences about the effect of financial development on GTFP are derived from the model.On this basis, the empirical study on the impact of China's financial development on the GTFP through the 2000-2014 panel data of 31 provinces and cities in China.The results show that financial development can also promote the TFP and GTFP growth, and this growth promoting effect will decrease with the improvement of financial development level, which shows a non-linear relationship.Study also found that financial development to enhance the same range, the TFP increased more than the GTFP .It shows that when we evaluate the economic growth, if we don't take into account the non expected output factors such as environmental pollution, we will partially exaggerate the impact of financial development on productivity.

Keywords:financial development, green total factor productivity, total factor productivity

一、引 言

金融是货币与信用的融合，是商品交换与市场经济发展到了一定阶段的产物。金融产业和经济发展关系密切，金融作为推动经济发展的主要动力，在经济发展中逐渐处于核心地位。在我国经济新常态的巨大变革的新时期，金融为促进经济平稳运行和结构调整提供了强有力的支撑。当前，金融服务已经渗透到了国民经济的方方面面，在中国“一带一路”战略为统筹的全面对外开放国家战略和中国经济由投入型增长转向效率型增长转变的大背景下，金融将助推国家战略和经济转型升级的实现。

自Romer(1986)[1]开创性提出内生增长理论后，金融发展的研究在内生增长理论框架下重点探寻内生的技术进步对经济增长的重要作用，以此研究金融发展影响全要素生产率(TFP)增长的各种机制。内生的技术进步依赖于对R&D 部门的科研投入，由于主要依靠金融支持的技术升级创新活动对生产率提高具有显著的外部性，从而导致资本边际报酬递增。这为研究金融发展与全要素生产率之间的关系打通了理论分析渠道，诸多国内外学者展开了著有成效的研究。在Buera、Kaboski和Shin(2011)[2]及Buera和Shin(2013)[3]的理论模型中，金融发展水平较低的金融市场由于风险分散功能不足，导致高生产率的贸易部门难以形成，而低生产率的非贸易部门更易于生存。发达的金融系统可以提供更好的风险分散和风险对冲服务，有效降低投资者对企业技术创新的风险顾虑，进而促使企业开展技术升级创新活动。在技术创新方面，Brown、Fazzari和Petersen (2009)[4]认为，R&D融资是连接金融发展和长期经济增长的一个重要渠道，发达的金融市场在通过融资价格引导金融资源投向技术升级创新项目的同时也为投资者提供有效激励和共赢机会，促进技术升级创新行为的长期化、稳定化和持续化。Tadesse(2005)[5]研究发现金融发展促进了全要素生产率的增长，其中金融中介的发展对技术进步的影响尤为显著。Beck和Levine (2004)[6]以40个国家为研究样本，发现金融中介和金融市场发展对全要素生产率提升和长期经济增长具有显著的积极作用。而Rioja和Valev (2004)[7]研究发现金融发展和全要素生产率之间可能并不能以单纯的线性关系来解释，在金融发展水平不同的国家金融发展对全要素生产率增长的促进作用存在显著的差异，两者之间存在一种近似的倒U型关系。

国内学者对金融发展和全要素生产率的关系主要集中在实证研究。张军等(2005)[8]研究表明，中国金融发展和全要素生产率增长具有显著的正面影响。姚耀军(2010)[9]认为金融发展与全要素生产率存在长期的均衡关系，并且金融发展是全要素生产率变动的原因。赵勇等(2010)[10]研究发现金融发展水平的提高可以促进全要素生产率的增长，但促进效应的大小与经济发展的阶段有关。在金融发展解决融资约束问题上，朱红军等(2006)[11]、饶华春(2009)[12]等学者都提出了肯定的结论。但陈刚等(2009)[13]则对银行信贷规模扩大对全要素生产率提升给出了负面影响的研究结论。徐思远等(2016)[14]研究了在信贷歧视背景下“效率拖累”现象，认为金融发展会加强国有经济比重对地区技术效率的拖累效应和对地区技术进步的促进作用，进而传导至全要素生产率的拖累之上。上述国内学者的研究中，金融发展指标的选择有所不同。金融发展指标选择的不同，虽然会使得实证模型中的数值大小不同，但在时间发展趋势上由于中国金融产业发展水平逐年提高，因此在趋势上仍是类同的。由于金融发展和全要素生产率不是简单的线性关系，不同学者得出的不同甚至相反的结论，和不同金融发展指标所反映的金融发展水平高低以及所研究的时间区间有关。

现有研究仍存在如下几个方面的不足：第一，现有研究主要通过实证分析考察金融发展对全要素生产率的影响，而鲜有考察研究金融发展对考虑了环境污染等非期望产出因素的绿色全要素生产率(GTFP)影响的。考虑到中国长期以来粗放的经济增长模式，伴随经济增长的是自然资源过度消耗和环境恶化日益严重的问题，纯粹以GDP为导向的增长模式严重破坏了经济的可持续健康发展。忽略经济发展过程中的环境污染代价不仅会使我们对经济增长缺乏更加全面和科学的认识，而且会让地方政府在高污染高增长这种不可持续的发展方式上不可自拔。第二,在金融发展和绿色全要素生产率影响研究中缺乏理论模型方面的分析。据我们所知，还没有文献将金融发展对绿色全要素生产率的作用模型化。第三,关于我国绿色全要素生产率的影响因素研究中大多没有考虑金融发展的影响，因为金融发展本身对粗放的经济增长模式说带来的环境污染有很直接的联系，正如Shahbaz、Tiwari和Nasir(2013)[15]所提出的在分析二氧化碳排放原因时不考虑金融发展可能导致严重的变量缺失问题。基于该问题的现实重要性以及现有研究存在的不足，本文首先构建了一个内生了金融发展的绿色全要素生产率内生增长模型，将污染产品和绿色创新产品区分开，从理论上推导出金融发展影响绿色全要素生产率的3个重要推论。然后在此基础上，通过面板数据模型实证考察我国金融发展对绿色全要素生产率的影响，并提出政策建议。本文研究结果表明，金融发展能够同时促进全要素生产率和绿色全要素生产率的增长，这种增长促进作用会随着金融发展水平的提高而递减，呈现出非线性的关系。研究同时发现金融发展提升相同幅度，全要素生产率提高幅度会高于绿色全要素生产率的提高幅度。

本文其余部分的结构如下：第二部分是金融发展影响绿色全要素生产率的理论模型；第三部分是实证模型设定和指标选取说明；第四部分是实证分析；第五部分是结论与政策建议。

二、金融发展影响绿色全要素生产率的理论模型

在Aghion、Howitt和Mayer-Foulkes(2004)[16]及Acemoglu、Zilibotti和Aghion (2006)[17]等模型的基础上，本节构建了一个熊彼特增长离散时间模型。在融资约束条件下，绿色技术升级型投资将严重不足，这将阻碍了绿色全要素生产率的提升，影响经济持续增长。因此，绿色技术升级活动所面临的融资约束是妨碍一国绿色全要素生产率提升的重要因素，这在金融发展水平仍普遍较低的中国更是普遍存在。在自由竞争市场领域，与一般投资项目相比，绿色技术升级型投资项目面临更紧的融资约束问题。这主要是因为绿色技术升级型投资项目具有高风险和收益不确定的主要特征，导致外部投资者提高了风险容忍水平，由此带来了绿色技术升级项目更高的融资成本以保证风险与收益的匹配。这在Brown、Martinsson和Petersen (2012)[18]研究中有所体现，他们认为信贷市场对保守的投资具有与生俱来的偏好，并阻碍企业技术创新活动。基于以上分析，模型假设一国绿色全要素生产率的发展取决于绿色技术升级型投资项目的成功概率，而绿色技术升级型投资项目的成功概率由项目面临的融资约束内生决定。金融发展通过解决信息不对称和降低资本使用成本等问题在一定程度上解决融资约束问题，从而提高了项目成功概率，并最终作用于绿色全要素生产率。

(一)基本假设

模型假设某一经济体由最终产品部门、中间产品部门和金融部门3个部门组成，最终产品部门只生产两种最终产品：G产品为绿色技术升级产品，P产品为污染产品。最终产品和中间产品具有一一对应的特定性，分别对应的有中间产品G和中间产品P。金融部门为最终产品和中间产品的生产提供融资服务。不失一般性，本文假设中间产品G和中间产品P的初始生产率水平一致，两者的生产函数表达形式、事前投资成本表达形式和世界前沿技术增长速度等都保持相同。两类产品的主要区别在于，在绿色技术升级过程中，G部门将面临更高的事前投资成本和更紧的融资约束，但当G部门的绿色技术升级投资行为成功将会为G部门带来更高的生产率水平。

(二)该国标准生产率的数理推导

1.总量生产函数

最终产品由劳动和中间产品进行生产，两类最终产品的总量生产函数可分别表示为：

(1)

(2)

其中，AG,t(i)和AP,t(j)分别表示第i种中间产品G的生产率和第j种中间产品P的生产率；xG,t(i)和xP,t(j)分别表示t时刻用于生产最终产品G的第i种中间产品G的数量和表示t时刻用于生产最终产品P的第j种中间产品P的数量；0<αG<1,0<αP<1；LG和LP分别为从事G产品和P产品生产的劳动者数量，且LG+LP=L。为了节约篇幅，下文仅表述关于G产品的公式，而不再同时罗列P产品相类似的公式，读者可以自行将下标更改就可以得到关于P产品的公式。

2.中间产品部门的技术进步

技术进步主要来源于创新和对世界前沿技术的模仿两个方面[19-20],中间产品部门的技术进步为这两种技术升级行为所带来的效应之和。若生产单位的绿色技术升级型的投资获得成功，则该生产单位的生产率可提升到：

(3)

3.国家标准生产率

YG,t=ζGAG,tLG

(4)

(5)

(6)

其中，μG,t为G产品绿色技术升级成功的概率。由式(6)可得t时刻该国中间产品的标准生产率不仅仅受到以吸收能力系数η为表征的前沿技术模仿行为的影响，同时也受到了以创新能力系数γ为表征的自主创新行为的影响，而且还与绿色技术升级型投资的成功概率以及t-1时刻该国中间产品的标准生产率有关。

在一个仅生产G产品和P产品的经济体中，该国的社会平均生产率为：

(7)

*当一国在绿色技术产品升级的初期，市场主要是P产品为主，企业对G产品的投资还在一个起步阶段，此时Ω→∞，则Atotal,t=AP,t。当一国在绿色技术产品升级到很高水平时，市场以G产品为主，企业面临向更高的绿色产品发展的阶段，此时Ω→0，则Atotal,t=AG,t。当介于两者中间阶段时，该国的平均生产率水平和两个产品的生产率以及两者的投资比例相关。

(8)

对Atotal,t进行标准化处理，有：

(9)

4.期望收益

绿色技术升级型投资不仅能带来生产率的提升，而且生产成本也会比其他不投入绿色技术升级的企业更低。为简便计，假设绿色技术升级型投资成功的生产单位中间产品：最终产品为1∶1的比例来配比生产资源。但能生产相同产品的其他未进行绿色技术升级的生产单位，该中间产品部门会面临着更高的生产成本，记为χG(χG>1)。每个中间产品边际收益等于边际成本，也等于该中间产品的价格，可知中间产品的需求为：

(10)

在市场中，同类产品具有相同价格，在均衡状态下生产率得以成功提升的生产单位所能获得的利润可以表示为：

(11)

θG,δG>0(12)

因此，生产单位在均衡状态下追求期望收益最大化，相对应的成功概率即为最优的成功概率。进行绿色技术升级型投资的生产单位最终将获得的期望收益为：

(13)

(三)完全信贷市场下，标准生产率的收敛路径

在完全信贷市场条件下，企业不受融资约束的影响，它能以r 的利率从金融部门获取全部需求资金。在期望收益最大化时的事前投资为：

(14)

≡F1,G(aG,t)

(15)

一国的标准生产率表征为：

(16)

在长期的经济运行过程中，标准生产率将达到一个稳定的状态，此时有：

(17)

图1 完全信贷市场下标准生产率

(18)

(四)不完全信贷市场下，标准生产率的收敛路径

假设在不完全信贷市场下，生产G产品的企业家拥有的初始财富不能来源于财富继承而只能来源于工资收入wG,t，同时也假设进行生产G产品生产单位都面临着融资约束，即NG,t>wG,t。为保证该类项目的顺利进行，生产G产品的企业家须向金融部门借款(NG,t-wG,t)以弥补自有资金的不足。在最终产品市场中劳动者创造的边际收益的等于劳动者工资，有：

(19)

在现实中，由于生产单位和金融部门之间天然存在由于信息不对称造成潜在的操作风险和道德风险，生产单位可以篡改成本来粉饰经营情况和财务报表，借此躲避债务。令cG表示生产G产品企业隐藏真实信息的单位成本，则生产G产品企业的隐藏成本为cGNG,t。只有当信息篡改成本大于所需支付的利息支出时，生产单位才会放弃信息作假而将真实信息如实告知金融部门，即：

cGNG,t≥rG(NG,t-wG,t)

(20)

(21)

(22)

为谋求利益，生产企业会尽可能融资以使(20)中等式成立，得以进行绿色技术升级。

(23)

其中：wG(rG,cG,aG,t)=

(24)

式(24)中的aG,t满足融资约束条件式(21)。由于融资约束对生产单位事前投资总额有影响，并且生产单位进行绿色技术升级成功概率也由事前投资总额内生，且可表示为wG(rG,cG,aG,t)的反函数。即：

(25)

(26)

(27)

(28)

在其他条件相同的情况下，绿色技术升级是一个风险较大的投资项目，由此绿色技术升级项目投资成功的概率要低于其他项目投资成功的概率。因此实际中，金融部门出于躲避风险的考虑，将更加愿意为其他项目进行融资支持。这就表现为在一个坐标系下，F2,G(aG,t)曲线的斜率要小于F2,P(aP,t)曲线斜率，且F2,G(aG,t)曲线将一直处于F2,P(aP,t)曲线下方，一国的标准生产率介于F2,P(aP,t)和F2,G(aG,t)之间，示意图如图2。

图2 不完全信贷市场下的标准生产率

此时对wG(rG,cG,aG,t)求F的偏导，可以得到一次偏导为正，这就表明随着金融发展水平的提高，wG(rG,cG,aG,t)将增长，从而生产单位绿色技术升级型投资成功的概率提高，在图形上表示为曲线以原点为中心逆时针旋转。而二次偏导为负，表明这一提高程度随着金融发展水平进一步提高而呈现递减趋势，在图形上表示为以原点为中心逆时针旋转的角度会逐渐变小。

(五)标准生产率收敛的均衡状态

从上文的公式推导和分析中知道，企业进行绿色技术升级型投资的成功概率内生于融资约束问题是否能够顺利解决，取决于从金融部门是否筹借充足的资金来支付投资成本。在只有G产品和P产品的国家中，

(29)

国家生产率与世界前沿生产率之间的差距(即标准生产率)可由式(30)表示：

atotal,t+1=Ftotal(atotal,t)=
min{F1,total(atotal,t),F2,total(atotal,t)}

(30)

式(30)的示意图为图3，即根据融资约束条件，一国标准生产率演变路径由一条直线和一条递增凸函数曲线衔接而成。

在本文中，将研究金融发展与传统全要素生产率(TFP)和加入了非期望产出的绿色全要素生产率(GTFP)之间的关系。在前面的理论模型中，我们将P产品的标准生产率水平视为传统TFP，此时该国的标准生产力水平就是GTFP。此时的示意图如图5所示。

根据以上理论模型分析结果，我们可以推断出3个有待实证的假说：

假说一：金融发展水平提高，会同时提升全要素生产率和绿色全要素生产率水平。

假说二：金融发展水平的提升将促进生产率水平的增长，但这种促进效应随着金融发展水平的增长呈现出递减趋势，呈现出了较为明显的非线性特征。

图3 标准生产率的演变路径

图4 提高F的标准生产率演变示意图

图5 金融发展与TFP和GTFP的关系示意图

假说三：金融发展水平提升幅度相同情况，全要素生产率提高幅度会高于绿色全要素生产率提高幅度。

三、实证模型、数据和变量构造

(一)计量模型

本节通过构造计量模型来分别验证前文理论分析的3个推论假说。

1.验证假说一：金融发展水平提高，会提升TFP和GTFP水平。我们引入模型：

TFPit=α0+α1Fit+α2Controlit+εit

(31)

GTFPit=α0+α1Fit+α2Controlit+εit

(32)

其中，分别以TFP和GTFP作为因变量，F 代表金融发展水平；Control 代表其他控制变量；α0代表具有不变性质的省级效应；ε是特异性误差；α1与α2表示待估计参数；i 与t 分别是省区和时间标示变量。

2.验证假说二：金融发展水平的提升将促进生产率增长速度的增长，但这种促进效应随着金融发展水平的增长呈现出递减趋势。

我们引入模型：

TFPit=α0+α1Fit+α2Fit2+α3Controlit+εit

(33)

GTFPit=α0+α1Fit+α2Fit2+α3Controlit+εit

(34)

其中，F2代表金融发展水平二次项，控制变量和其他符号与验证假说一中的符号一致。

3. 验证假说三：金融发展提升相同幅度，TFP提高幅度会高于GTFP提高幅度。

由于目前两种指数大小和意义都不同，因此我们设定以下3种指标以解决因指数衡量方法不同带来的增长速度不可比较的问题：

指标1：GTFP指数/TFP指数

指标2：ln(GTFP指数/TFP指数)

指标3：GROW=

我们相应引入以下3个计量模型：

GTFPit/TFPit=α0+α1Fit+α2Controlit+εit

(35)

ln(GTFPit/TFPit)=α0+α1Fit+α2Controlit+εit

(36)

GROW=α0+α1Fit+α2Controlit+εit

(37)

其中，分别以GTFP/TFP、ln(GTFP/TFP)、GROW为因变量，控制变量和其他符号与验证假说一中的符号一致。

(二)指标构建

1.金融发展(F)：本文从区域金融总体发展规模质量、金融发展环境，以及中国金融产业中的银行业、证券业和保险业三类金融中介机构发展情况为五类一级指标，构建区域金融发展综合评价指标体系，以期刻画金融发展的不同层面。

(1)金融产业总体发展规模质量：从整体上反映金融产业的发展规模和发展质量，包括了金融业增加值占GDP的比值，反映了金融业在国民经济中的地位和金融业发展程度。参考胡章宏(1999)[21]的研究工作使用金融业从业人员数量与总人口的比值来考察金融从业人员的相对规模，纳入到该一级指标体系中。同时考虑到虽然各省市金融从业人员的工作效率、工作时间的不同，但金融业人均工资这一指标能总体衡量金融业的发展质量，由此也纳入到该一级指标体系中。

(2)金融发展环境：金融产业发展与宏观经济环境、消费能力、基础建设和教育水平等因素息息相关。首先，考虑加入人均可支配收入、社会消费品零售总额占GDP比值作为宏观经济环境中消费能力的考察指标。其次，选用金融业固定资产投资和新建办公楼面积与土地面积的比值这两个指标，来表征与金融产业相关的基础建设水平来反映基础设施建设对金融发展的支持度。再次，由于金融产业从业人员学历程度普遍较高，引入高校毕业生数量与总人口的比例、教育经费占地方财政支出的比例这两个指标作为衡量教育发达程度的指标。最后，近年来发展迅猛的互联网金融成为了新型金融业态。由于互联网金融的发展直接依赖于互联网的覆盖面以及移动互联的发展水平，我们使用了互联网渗透率和移动网络的渗透率作为网络普及程度的指标。

(3)银行业发展指标：银行业在金融产业中占有很大比重，我们分别参考了Goldsmith(1969)[22]、胡章宏(1999)[21]、周立和胡鞍钢(2002)[23]等人的研究工作，使用人均储蓄、金融机构存贷款总额与GDP的比值、贷款占比与GDP占比的比值作为衡量银行及借贷行业的活跃指标。

(4)证券业发展指标：我们使用股票市值与GDP的比值、股票交易额与GDP的比值分别反映股市的规模和股票交易的活跃度。同时，还使用股市换手率作为对股票交易活跃度的补充，使用上市公司数量与总人口的比值来反映证券市场对企业的支持程度。

(5)保险业发展指标：使用保险深度和保险密度两项指标作为衡量指标。

综上，区域金融发展综合评价指标体系可以参见表1。

2.全要素生产率和绿色全要素生产率

我们采用应用较为广泛的基于Chung、Färe和Grosskopf(1997)提出的基于方向性距离函数的Malmquist-Luenberger生产率指数模型[24]，利用R语言中的Nonparaeff程序包对GTFP和TFP进行估算。估算中涉及到的其他变量有：

(1)资本投入(物质资本存量)：资本存量测度的最常用方法是永续盘存法，用数学公示表达就是：

Kt=Kt-1*(1-δ)+It (38)

其中，主要涉及的变量包括基期资本存量、折旧率，以及当年投资，以及用于调整的固定资产投资价格指数。我们在变量和参数的选取上均参考文献[25]，使用该文已经估计得到的2000年资本存量作为基期资本存量，折旧率定为9.6%，固定资本形成总额(按照该年的固定资产投资价格指数平减为2000年价格水平)作为当年投资，以此逐年推算得到各年的资本存量。

(2)劳动投入(从业人员数)：劳动投入理论上应以实际投入的劳动量(即劳动时间总和)来衡量，但实际统计中由于没有相关数据，因此使用从业人员数作为代替数据。从业人员数2010年及之前的数据来自《中国统计年鉴》，之后年份由于该年鉴不再汇总这一指标，因此2010年以后数据来自各省年鉴。

(3)期望产出(GDP，按照地区生产总值指数平减)：用各省市GDP作为衡量期望产出的指标。与资本投入保持一致，我们将所有年份的GDP均折算为基期(2000年)价格。

(4)非期望产出：本文选取CO2和SO2排放量作为非期望产出的衡量指标。由于CO2排放无法直接观测，本文根据陈诗一(2009)提供的公式和核算方法，以各省份历年消耗的煤炭、石油、天然气三种主要的一次能源为依据，按照一定系数对碳排放量进行了折算[26]。

(39)

其中, CO2代表估算的二氧化碳排放量，i=1,2,3分别代表3种一次能源；E代表它们的消耗量；NCV为《中国能源统计年鉴》附录提供的中国3种一次能源的平均低位发热量；CEF为IPCC(2006)提供的碳排放系数；COF是碳氧化因子(本文煤炭设定为0.99，原油和天然气为1)；44和22分别为二氧化碳和碳的分子量。

3.控制变量(Control)：除了上述介绍的主要解释变量和被解释变量，本文还借鉴了姚耀军(2012)的做法，收集了地方财政收入、地方财政支出、按照境内目的地和货源地分类的出口、进口总额、第一产业和第三产业增加值、FDI(以上指标均除以名义GDP)，以及专利数、公路里程、教育经费(以上三个指标均除以常住人口)、国有经济比重(国有企业职工占从业人员比例)等指标作为控制变量[27]。表2展示了控制变量的描述性统计说明。

表2 控制变量的描述性统计说明

(三)数据来源和处理方法

我们的估计涵盖31个省市，考察期间为2010-2013年。原始数据来源于相应省市的《中国统计年鉴》、《新中国60年统计资料汇编》、《中国能源统计年鉴》、《中国能源经济统计年鉴》、《中国环境统计年鉴》、《中国金融年鉴》、《中国保险年鉴》、国家统计局、银监会、证监会、保监会、以及社科院金融研究所数据库等。对于极少量缺失数据，采用牛顿插值法进行补充。

在金融发展综合评价指标体系中，由于初选的指标体系层次和指标种类较多，可以先进行标准化处理后采用主成分因子分析法，降低运算维度，可以更加客观、准确、科学的测算和评价。对我国31个省市的20个指标使用SPSS软件进行主成分分析，相关矩阵特征值结果如表3所示。从表3看出，前五个主成分累计贡献率达86.45%。

表3 2000-2013年金融发展指标主成分分析相关矩阵特征值

四、实证检验与分析

(一)计量方法的确定

为了避免伪回归问题，我们分别采用ADF、LCC和IPS三种方法对原始数据做平稳性检验，所有变量均通过平稳性检验，满足协整检验的条件。我们采用Weaterlund、Edgerton(2007)使用的自举技术改进LM方法进行协整检验[28]，协整性检验结果参见表4。

表4 协整性检验结果

结果显示4个统计量P值均大于0.05，说明指标间存在明显的协整关系，表示变量拥有长期均衡关系。同时本文数据是横截面固定的中国31个省市、时间跨度为固定的2000-2013年的全样本面板数据，不存在随机抽样。本文检验金融发展与GTFP、TFP的内生性的Hausman检验结果显示P<0.001，表明金融发展与GTFP、TFP存在内生性，需要采用工具变量的方法进行模型回归估计。由此本文采用Hausman检验方法来验证是采用随机效应模型还是固定效应模型，检验结果显示在5%的置信水平下显著，则拒绝模型为随机效应模型的原假设，故而采用固定效应模型。上述的检验方法和后续的固定效应模型回归分析均采用Stata 14实现。

(二)计量结果和分析

1.假说一的验证结果

表5展示了假说一的验证结果。我们发现金融发展指标在回归模型中系数均大于零，意味着金融发展指标对TFP和GTFP都具有显著促进作用，即一个区域的金融发展水平越高，生产率水平增长越快，假说一得以验证。从计量结果中同时可以看出，FDI对TFP有促进作用，但对GTFP促进作用不太明显。这表明了通过FDI渠道对中国生产率提高和技术进步起到了不可低估的作用，但也同时表明了FDI渠道所引进的创新性技术中绿色技术比重仍然较少，不足以支撑中国绿色生产率水平的提升。财政收入、农业比重和公路里程对TFP有促进作用，而对GTFP则有负向作用，这在一定程度表明研究跨度期间各地生产建设活动中非绿色产出较多，降低了绿色全要素生产率水平。人均专利、服务业比重则对GTFP有明显促进作用，表明技术创新和服务业发展水平对社会的绿色经济发展有明显促进作用。

表5 假说一验证结果

2.验证假说二：金融发展水平的提升将促进生产率的增长速度，但这种促进效应随着金融发展水平的增长呈现出递减趋势，直到达到完全信贷市场时消失。

为了验证金融发展对生产率增长的非线性作用，我们将样本逐年按照金融发展指标分为高于该年均值的高组和低于该年均值的低组，回归验证金融发展指标一次项和二次项对TFP和GTFP的影响，以此判断是否存在异质的非线性影响。回归结果参见表6，我们发现在金融发展指标高组样本中，金融发展指标对GTFP为正，金融发展指标二次项对GTFP为负，显示了高组金融发展指标对GTFP的非线性效应：区域金融的发展会促进绿色生产率的提升，但这种提升的促进效果会随着区域金融的发展而衰减。对于金融发展指标低组样本来说，这一非线性效应并没有显现，只显示了区域金融的发展会促进绿色生产率的提升。这一结果验证了假说二，即金融发展水平对不同区域绿色生产率存在异质的、非线性的影响。我们也针对TFP做了同样的研究，发现不论是在高组还是低组，都不存在这样的非线性特征。

表6 假说二验证结果

3.验证假说三：金融发展提升相同幅度，TFP提高幅度会高于GTFP提高幅度

回归结果参见表7，我们发现不论采用哪种衡量方法，金融指标的系数都显著为正，即金融业发展水平更加先进的省份，GTFP的提高会比TFP更加明显，由此我们证实了假说三。从回归结果中我们还可以发现，金融业发展水平较为先进的省份的服务业比重、人均教育投入对GTFP的提高会比TFP更加明显。

表7 假说三验证结果

五、结论与政策建议

本文构建了一个包含金融发展、污染产品与绿色创新产品的内生增长模型，考察了金融发展对TFP和GTFP的影响。理论研究表明，金融发展能够同时促进TFP和GTFP的增长，这种增长促进作用会随着金融发展水平的提高而呈递减趋势，同时金融发展提升相同幅度，TFP提高幅度会高于GTFP的提高幅度。在理论分析的基础上，我们运用我国31个省市2000—2013年的数据考察了金融发展对TFP和GTFP的影响。实证研究很好地佐证了理论研究的结论。但需要说明的是，本文的理论模型和实证研究仍然会存在一定的缺陷。例如，为使模型既能反映客观经济实际，又能遵从内生增长模型的技术性条件，本文理论模型部分的一些假设条件可能会过于理想，一些约束要求可能会过强。并且省级层面的宏观数据不能充分反映微观决策行为，通过行业或是企业等微观的数据分析可能会得到更加贴合实际的结果。

本文的政策含义主要包括如下几个方面: (1)更好地发挥金融发展在技术升级创新，特别是绿色技术创新中的重要作用，引导金融机构在分散风险和增加流动性供给方面缓解技术创新企业的融资约束问题。为此，金融资源要向绿色经济和创新经济倾斜，要加大对环境友好型企业、绿色技术创新型企业的支持，通过金融支持加快我国经济转型升级。(2)加大金融创新力度，形成金融创新和技术创新的良性互动发展，金融中介通过金融创新活动促进技术创新，企业的技术创新将提高金融创新的回报，并激励新一轮的金融创新，由此两者之间形成良性互动发展。这与Michalopoulos、Laeven和Levine (2009)金融创新被内生化的结论相符，他们认为金融家通过金融创新活动来筛选更有创新能力的企业家，而企业家的技术创新又增加了金融创新活动的回报，于是在金融创新和技术创新之间良性的互动得以形成，从而金融发展在他们的模型中被真正地内生化了[29]。(3)要更加理性的看待经济发展和生产率提高，不能一味的走牺牲环境的粗放的经济发展老路，特别在评价经济增长的时候如果不考虑环境污染等非期望产出因素，会部分夸大金融发展对生产率提高的影响作用，让地方政府做出一些效果一般甚至效果负面的政策。

[1]PAUL M Romer. Increasing returns and long-run growth[J]. Journal of Political Economy, 1986, 94(5):1002-1037.

[2]FRANCISCO J Buera, JOSEPH P Kaboski， YONGSEOK Shin. Finance and development: A tale of two sectors[J]. The American Economic Review,2011, 101(5):1964-2002.

[3]FRANCISCO J Buera, YONGSEOK Shin. Financial frictions and the persistence of history: A quantitative exploration[J]. Journal of Political Economy, 2013, 121(2):221-272.

[4]JAMES R Brown, STEVEN M Fazzari, BRUCE C Petersen. Financing innovation and growth:Cash flows, external equity, And the 1990s R&D boom[J]. Journal of Finance, 2009,64(1):151-185.

[5]TADESSE Solomon A. Financial development and technology[R]. Michigan,William Davidson Institute,2005.

[6]THORSTEN Beck, ROSS Levine. Stock markets, banks, and growth: Panel evidence[J]. Journal of Banking and Finance,2004,28(3):423-442.

[7]FELIX Rioja, Neven Valev. Does one size fit all?: A reexamination of the finance and growth relationship[J]. Journal of Development Economics,2004,74(2):429-447.

[8]张 军,金 煜.中国的金融深化和生产率关系的再检测：1987—2001[J]，经济研究,2005(11):34-45.

[9]姚耀军.中国金融发展与全要素生产率：基于时间序列的经验证据[J].数量经济技术经济研究,2010(3):68-80.

[10]赵 勇,雷 达.金融发展与经济增长：生产率促进抑或资本形成[J].世界经济,2010(2):37～50.

[11]朱红军,何贤杰,陈信元.金融发展、预算软约束与企业投资[J].会计研究,2006(10):64-71.

[12]饶华春.中国金融发展与企业融资约束的缓解：基于系统广义矩估计的动态面板数据分析[J].金融研究,2009(9):22-27.

[13]陈 刚,李 树,刘 樱.银行信贷、股市融资与中国全要素生产率动态[J].经济评论,2009(6):47-56.

[14]徐思远,洪占卿.信贷歧视下的金融发展和效率拖累[J].金融研究,2016(5):51-65.

[15]MUHAMMAD Shahbaz, AVIRAL Kumar Tiwari, MUHAMMAD Nasir. The effects of financial development，economic growth，coal consumption and trade openness on CO2emissions in south african[J]. Energy Policy，2013,61(10): 1452-1459．

[16]PHILIPPE Aghion, PETER Howitt, DAVID Mayer-Foulkes. The effect of financial development on convergence: Theory and evidence[R]. Cambridge,NBER Working Paper, 2004.

[17]DARON Acemoglu, PHILIPPE Aghion， FABRIZIO Zilibotti. Distance to frontier, selection, and economic growth[J]. Journal of the European Economic Association, 2006, 4(1):37-74.

[18]JAMES R Brown, GUSTAV Martinsson， BRUCE C Petersen.Do financing constraints matter for R&D?[J]. European Economic Review,2012,56(8):1512-1529.

[19]DAVID T Coe, Elhanan Helpman.International R&D spillover[J]. European Economic Review,1995,39(5):859-887.

[20]DARON Acemoglu, FABRIZIO Zilibotti. Was prometheus unbound by chance? Risk, Diversification, and Growth[J]. Journal of Political Economy, 1997, 105(4):709-751.

[21]胡章宏.金融可持续发展论[M].北京:中国金融出版社,1998.

[22] GOLDSMITH R W. Finaneial structure and development[M]. New Haven: Yale University Press，1969.

[23]周 立,胡鞍钢.中国金融发展的地区差距状况分析(1978—1999)[J]. 清华大学学报(哲学社会科学版),2002(2):60-74.

[24] CHUNG Y H, FRE R, GROSSKOPF S. Productivity and undesirable outputs: A directional distance function approach [J]. Journal of Environmental Management,1997,51(3):229-240.

[25]张 军, 吴桂英, 张吉鹏.中国省际物质资本存量估算：1952—2000[J],经济研究,2004(10):35-44.

[26]陈诗一. 节能减排、结构调整与工业发展方式转变研究[M],北京:北京大学出版社,2010.

[27]姚耀军.金融发展与全要素生产率增长：区域差异重要吗?：来自中国省级面板数据的经验证据[J].当代财经,2012(3):43-53.

[28]JOAKIM Westerlund, DAVID L Edgerton. A panel bootstrap cointegration test[J]. Economics Letters,2007,97(3):185-190.

[29]LUC Laevena, ROSS Levinec, STELIOS Michalopoulos. Financial innovation and endogenous growth[J]. Journal of Financial Intermediation,2015,24(1):1-24.

(本文责编：海洋)

TheoreticalandEmpiricalResearchontheEffectofFinancialDevelopmentonGreenTotalFactorProductivity

ZHANG Fan

(BeijingInstituteofTechnology，SchoolofManagementandEconomics，Beijing100081,China)

F061.3

A

1002-9753(2017)09-0154-14

2017-04-21

2017-07-30

张帆(1980-)，男(汉)，浙江丽水人，硕士，研究方向：知识管理和知识溢出。