金融可得性对绿色全要素生产率的影响

周猛麟

摘 要 收集中国31个省市自治区（暂不包括港澳台数据，下同）2007-2017年的面板数据，采用面板向量自回归模型研究金融可得性对绿色全要素生产率的影响.研究结果显示，金融可得性与绿色全要素生产率之间存在单向因果关系，且金融可得性对绿色全要素生产率具有显著正向影响.

关键词 金融学;金融与绿色生产;面板向量自回归;金融可得性;绿色全要素生产率

中图分类号 F832.5            文献标识码 A

Abstract Panel data of 31 provinces in China （excluding Hong Kong， Macao and Taiwan） from 2007 to 2017 were collected， and panel vector autoregressive model was used to study the influence of financial availability on green total factor productivity. The results show that， there is an unidirectional causal relationship between financial availability and green total factor productivity， and financial availability has a significant positive effect on green total factor productivity.

Key words finance; finance and green production;panel vector autoregressive model; financial availability; green total factor productivity

1 引 言

新中國成立70年特别是改革开放40年以来，在中国共产党的坚强领导下，开启了中华民族伟大复兴的伟大征程，中国经济社会发展创造了人类史上的伟大奇迹，经济总体实力及国际地位持续增强.中国从一个“一穷二白”的低收入国家一跃成为世界第二大经济体，对世界经济增长贡献率超过30%.然而，中国经济社会成就是建立在非常脆弱的环境基础上，长期以来的依靠要素驱动的粗放型、低效率增长模式难以为继，国家的可持续发展受到严重挑战.据最新发布的2018年环境绩效指数（EPI）显示，中国EPI得分仅为50.74，在所有180个国家中排名第120名，空气质量排在倒数第4名.严重的环境污染给经济发展带来巨大的损失，生态环境部发布的《中国经济生态生产总值核算发展报告2018》指出，2015年中国污染损失成本约2万亿元.中国这种以追求“量”的高速发展方式给经济发展造成了巨大的压力，国际国内的资源环境诉求和老百姓对美好生活的向往与追求促使中国摒弃原有的粗放式经济增长模式，一场经济增长模式的变革已经启动.

提高以中小微企业和低收入人群等群体为代表的广大群众金融可得性，有助于提高市场微观主体市场参与程度，对中国经济高质量发展具有重要的实践意义.在金融开放和经济新常态的背景下，探寻供给侧结构性改革中金融资源配置和金融创新的选择，是进一步优化金融体系自身结构和积极回应公众金融需求的重要举措.党的十九大报告要求中国经济要由高速增长转向高质量发展，提出了提高绿色全要素生产率的紧迫要求.提高全要素生产率是高质量发展的动力源泉.将资源利用、环境污染引入全要素生产率的分析框架，运用DEA-Malmqusit指数测度绿色全要素生产率，可以体现新时代中国高质量发展理念.利用中国31个省市自治区2007-2017年的样本数据，采用面板向量自回归模型（PVAR）考察金融可得性与绿色全要素生产率之间的关系，为推动中国高质量发展，建设美丽中国提供实证检验基础.

2 文献综述

目前学术界对金融可得性还没有形成统一的认知框架，甚至连一个清晰的内涵定义都没有明确给出，在讨论金融可得性问题时，国内外学者的研究体系仍是零散的.Beck等（2007）[1]将金融可得性等同于金融宽度.而世界银行编制的“金融包容指数”，以及国际货币基金组织牵头撰写的“普惠金融调查报告”中，均是将金融可得性作为普惠金融的一部分进行阐述的.郭田勇和丁潇（2015）[2]认为金融可得性只是普惠金融的一个维度而已.肖龙铎和张兵（2017）[3]认为金融可得性是用来衡量一个国家或地区社会各阶层的经济主体以一定成本获取正规金融服务的难易程度.王伟和孙芳城（2018）[4]认为金融可得性包含银行可得性、证券可得性和保险可得性.

如何准确衡量一个国家的经济增长质量，目前尚未形成统一的观点.梳理现有的研究结果，大致可将测度经济增长质量的方法分为以下几类.一是以投入产出效率衡量经济增长质量.不少文献认为提高经济效率是实现高质量发展的关键.全要素生产率和劳动生产率属于投入产出效率.多数学者采用全要素生产率作为衡量经济发展质量的指标.郑玉歆（2007）[5]指出全要素生产率贡献力越强，说明经济增长质量越佳.Chow（2002）[6]研究发现全要素生产率对中国经济增长的贡献率数值大于零.肖欢明（2014）[7]基于中国2001-2011年的统计数据，将自然资源和环境作为投入要素纳入柯布道格拉斯生产函数，并结合绿色GDP测算经济增长质量.二是从经济领域的多个视角建立指标体系来衡量高质量发展.Barro（2002）[8]从宗教、政治和社会等方面深入探究经济增长质量.Frolov等（2015）[9]从人均发展指数和年均生产率增长率两个方面构建区域经济增长质量评价体系，并采用矩阵方法测算相应的经济增长质量.师博和任保平（2018）[10]从经济增长面和社会成果面构建经济高质量发展指标.三是从发展理念建立指标体系衡量经济增长质量.詹新宇和崔培培（2016）[11]基于2000-2014年的省域数据，发现大多数省份经济增长质量有所提升，而东部、中部、西部和东北部的经济增长质量指数呈现波动上升的趋势.童纪新和王青青（2018）[12]从规模性、协调性、开放性和共享性四个方面构建经济发展质量综合指标，并以2005-2016年的重点城市数据研究雾霾污染、环境规制与经济高质量发展的关系，结果表明雾霾污染的缓解有利于促进经济高质量发展.

总的来说，已有研究对金融可得性和经济高质量发展方面做了诸多工作.但是，大多数文献集中在理论层面探讨，缺乏对金融可得性的量化研究，有关中国金融可得性水平的测度更是寥寥可数.此外，鲜有研究探讨金融可得性对绿色全要素生产率的影响，而绿色全要素生产率是经济高质量发展的动力源泉，对于中国经济转型具有举足轻重的作用.

因此，采用面板向量自回归模型（PVAR）研究金融可得性与绿色全要素生产率之间的联系是至关重要的.对中国各省市自治区（暂不包括港澳台数据）2007-2017年的金融可得性进行测度，然后通过构建的PVAR模型考察金融可得性对绿色全要素生产率的影响.

3 中国金融可得性测度与结果分析

3.1 金融可得性指标选择及计算方法

金融可得性（Financial Availability）是指用来衡量一个国家或地区所有具有资质的个人与企业以一定成本获得适当金融服务的难易程度.因此，金融可得性不仅强调金融资源的可及性，还包含了金融消费者获得这种金融资源的能力.因此，结合胡宗义等（2017）[13]以及王修华和赵亚雄（2019）[14]的研究，从金融服务的供给性、需求性、使用效应性和可负担性四个维度构建指标体系，以测算金融可得性水平，具体指标体系如表1所示.值得一提的是，构建的指标体系包含4个维度21个指标，包含银行业、证券业、保险业等金融行业，涉及面广且层次分明.

从各地2007-2017年的金融可得性发展趋势看，随着时间的推移，各地的金融可得性总体水平呈现出上升的趋势，除了北京和上海上升趋势明显之外，其他省份的上升趋势较平缓.从均值和排名看，大部分省份的金融可得性水平在0.2以下（见表2）.其中，排名前五的分别是上海（0.7772）、北京（0.4443）、天津（0.2184）、广东（0.1739）和浙江（0.1739），这五个省份都位于东部地区.东部地区是一线城市的聚集地，这些城市具有区位上的优势，经济发展水平较高，金融市场活跃.金融可得性均值排名在后五位的则分别是贵州（0.1124）、甘肃（0.1127）、云南（0.1131）、广西（0.1133）和黑龙江（0.1150）.其中4/5的省份集中于西部地区.西部地区二线城市较多，经济发展水平较低，金融发展较落后，金融可得性水平自然也偏低.

从全国整体水平看，中国的金融可得性整体均值水平为0.1249，水平偏低，存在较大的提升空间.进一步比较分析，发现只有上海、北京、天津、广东、浙江、江苏、福建、海南、辽宁、重庆和山东等11个省份的金融可得性均值高于全国整体水平，这意味着各省份的金融可得性两级分化较为严重.以2007年数据为基数，计算各地区的金融可得性增长速度，发现均大于12%，大部分的省份的增速在15%～35%之间，只有北京、江苏和浙江的增速超过40%，分别为70.50%，42.67%和42.32%.这些数据表明，各省份的金融可得性水平稳中有升，正向好的态势发展.

将31个省市自治区按地区分布成东部、中部、西部和东北地区后，分别计算2007-2017年位于每个地区中所有省份的金融可得性水平.发现东部、中部、西部和东北地区的金融可得性发展水平的趋势是上升的.其中，东部地区上升趋势最为明显，另外三个地区的上升趋势较为平缓.从具体的均值水平看，东部（0.2484）、东北地区（0.1253）、中部（0.1216）和西部（0.1189）的金融可得性依次递减.东部地区中，各省的金融可得性水平相差较大，上海的均值（0.7772）最高，遥遥领先于其他省份，而河北的均值（0.1209）最低，排名19，仅达到中部地区的发展水平.中部地区中，湖南、安徽、山西、湖北、江西和河南的金融可得性水平差异较小，在0.12上下波动.西部地区中，重庆的均值（0.1364）居于首位，排名第8，与位于东部地区的福建省仅相差0.0035，其他省份的均值水平相差不大.东北地区中，辽宁的均值为0.1371，排名第9，吉林和黑龙江的金融可得性远不及辽宁，排名较靠后，分别位于第14和27名.中国各个区域的金融可得性呈现出东高、中次之、西低的区域差异特征，和经济发展水平的区域特征一致，表明经济发展好的地区，金融可得性水平也较高.

4 金融可得性对绿色全要素生产率的影响分析

4.1 模型设定与变量说明

GTFP分别与IS、FA存在单向因果关系，而IS与FA之间存在显著的双向因果关系.这表明金融可得性是通过产业结构升级这一路径作用绿色全要素生产率，进一步通过GMM估计和脉冲响应函数等工具对其具体的长期关系进行检验.

4.2.2 GMM估计结果

因为PVAR模型滞后期的选择会对模型中各统计量造成较大影响，所以需要先根据AIC，BIC和HQIC统计量最小准则选择合适的滞后期.AIC、BIC和HQIC统计量结果均显示滞后4期为最佳滞后期数.所以选取滞后4期作为PVAR模型的最佳滞后期数.在此基础上，通过 GMM估计方法对模型参数进行估计，具体结果如表6所示.

从表6可知，金融可得性的滞后1期、滞后2期和滞后3期对绿色全要素生產率的影响始终为正，但其影响大小和显著性呈下降趋势，到滞后4期其影响反转为负向作用.这表明金融可得性对绿色全要素生产率的影响具有即期性，当期金融可得性水平的提高能够及时作用到绿色全要素生产率的提升上.其可能原因是当前能源环境问题被提升到前所未有的高度，企业具有较强的动机进行生产技术改进，当资金获取较为容易，这一动机便可直接转化为实际行动，从而促进企业生产效率提升.产业结构的滞后1期、滞后2期、滞后3期以及滞后4期对绿色全要素生产率的影响始终为正，其中滞后1期和滞后2期的影响在5%水平下显著，而滞后3期和滞后4期的影响不显著.这表明产业结构升级对绿色全要素生产率的正向影响具有长期性，但随着时间推移这种影响会逐渐减弱.

GMM估計结果还表明，金融可得性的滞后1期、滞后3期和滞后4期对产业结构具有显著正向影响.在以商业银行为主导的传统金融模式下，为控制风险放贷需要固定资产作抵押.技术创新型企业由于其高风险和轻资产特征就很难得到商业银行的青睐，从而无法获得足够的资金支持.金融可得性水平提升能够降低企业融资门槛，进而获得充足资金的支持，鼓励企业技术创新，淘汰落后产业，激发新型科技产业活力.此外，产业结构的滞后1期在5%水平下显著为正，表明产业结构升级具有明显的路径依赖特征，当期产业结构处于较高水平，那么下一期产业结构将会继续优化，从而表现出“滚雪球效应”.

产业结构的滞后期对金融可得性的影响较为复杂，滞后1期、滞后2期和滞后3期的影响方向经历了“正-负-正”的转变，且滞后1期的正向影响不显著.

4.2.3 脉冲响应函数

通过蒙特卡洛1000次模拟，得到95%置信区间，滞后5期的脉冲响应图.据此观察各变量的长期动态交互过程和影响，如图1所示.由图1可知以下四点.

各变量对来自自身冲击的响应为正向.这是因为技术具有正的外部性，绿色技术溢出有利于行业整体生产效率提高和污染减排.此外，金融可得性和产业结构升级具有自我增强效应，由于地区间差异水平较大，如果不采取任何措施容易出现“鸿沟效应”，东部发达地区和西部落后地区的差距将越拉越大.

绿色全要素生产率无论是对来自金融可得性的冲击和还是对来自产业结构升级的冲击都表现为显著的正向影响.金融可得性和产业结构升级是提升绿色全要素生产率的重要手段，两者的叠加效应能够快速提升绿色全要素生产率.

产业结构对来自金融可得性的冲击始终表现为正向影响，除了滞后2期，其他都在5%水平下显著.金融可得性主要通过促进企业技术创新，从而提高企业生产效率，达到节能减排目标，提升绿色全要素生产率水平.

金融可得性对来自产业结构冲击的响应较为复杂，在滞后2期时表现出显著的负向响应，而之后迅速转为正向响应.

5 结 论

首先从金融服务的供给性、需求性、使用效应性和可负担性四个维度构建指标体系来测算中国金融可得性水平.然后，采用DEA-malmquist指数方法测度绿色全要素率.最后，基于PVAR模型实证检验金融可得性与绿色全要素生产率之间的关系.研究发现：中国金融可得性水平整体偏低，且呈现出东部、中部、西部与东部地区依次递减的格局;金融可得性与绿色全要素生产率之间存在单向因果关系，且金融可得性对绿色全要素生产率具有显著正向影响.

参考文献

[1] BECK T，DEMIRGVC-KUNT A，LEVINE R. Finance， inequality and the poor[J]. Journal of Economic Growth，2007，12（1）：27-49.

[2] 郭田勇， 丁潇. 普惠金融的国际比较研究——基于银行服务的视角[J]. 国际金融研究， 2015，339（2）：55-64.

[3] 肖龙铎，张兵. 金融可得性、非农就业与农民收入——基于CHFS数据的实证研究[J]. 经济科学， 2017（2）：76-89.

[4] 王伟，孙芳城.金融可得性及其空间变化——基于31个省际面板数据[J].当代经济管理，2018，40（9）：90-97.

[5] 郑玉歆.全要素生产率的再认识——用TFP分析经济增长质量存在的若干局限[J].数量经济技术经济研究，2007（9）：3-11.

[6] CHOW G.Chinas economic growth： 1952-2010[J]. Economic Development and Cultural Change， 2002，51（1）：247-256.

[7] 肖欢明.基于绿色GDP的我国经济增长质量测度[J].统计与决策，2014（9）：27-29.

[8] BARRO R J. Quantity and quality of economic growth[J]. Central Bank of Chile，2002（1）：135-162.

[9] FROLOV S M，KREMEN O I，OHOL D O. Scientific methodical approaches to evaluating the quality of economic growth[J]. Actual Problems of Economics，2015，173（11）：393-398.

[10]师博，任保平.中国省际经济高质量发展的测度与分析[J].经济问题，2018（4）：1-6.

[11]詹新宇，崔培培.中国省际经济增长质量的测度与评价——基于“五大发展理念”的实证分析[J].财政研究，2016（8）：40-53.

[12]童纪新，王青青.中国重点城市群的雾霾污染、环境规制与经济高质量发展[J].管理现代化，2018，38（6）：59-61.

[13]胡宗义，丁李平，刘亦文.中国普惠金融发展的空间动态分布及收敛性研究[J].软科学，2018，32（9）：19-23.

[14]王修华，赵亚雄.中国金融包容的增长效应与实现机制[J].数量经济技术经济研究，2019，36（1）：42-59.

[15]王修华，关键.中国农村金融包容水平测度与收入分配效应[J].中国软科学，2014（8）：150-161.

[16]HOLTZ-EAKIN D，ROSEN N H S. Estimating vector auto-regressions with panel data[J]. Econometrica，1988，56（6）：1371-1395.

[17]PEDRONI P. Panel co-integration： Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[J]. Economics Theory，2004，20（3）：597-625.