绿色金融对绿色经济效率的影响研究

朱广印，王思敏

（青岛理工大学 商学院，山东 青岛 266520）

一、引言

改革开放以来，中国经济持续保持中高速增长，但各地区经济发展伴随工业化的推进积累了不同程度的资源短缺与环境污染问题，如水污染、雾霾、土地荒漠化等，污染治理和结构转型压力较大。要想实现高质量可持续发展，减少对资源环境的过度消耗，就必须转变传统的生产方式和发展方式，实现兼顾生态功能和经济质量的绿色经济增长。在此背景下，作为支撑经济结构转型的核心动力，绿色金融通过引导和转变绿色经济发展的速度、效率和方向，促进金融资源在产业间合理配置，缓解各类行业进行技术创新和绿色改造的融资约束，其广泛推行与深化应用对于推动节能减排型产业发展和实现经济绿色转型具有重大现实意义。

二、文献综述

国外关于绿色金融的研究中，White（1996）[1]认为绿色金融作为转移环境风险的金融工具，能够通过推动金融机构对环境责任的承担影响其信贷决策，进而促进企业的绿化。Cowan（1999）[2]认为绿色金融作为实行绿色环境管理的一种融资方法，试图利用市场工具拓展环境融资来源，解决污染者与受益人为环境保护付费的现实困境。国内研究中，王元龙等（2011）[3]研究发现绿色金融作为一种制度安排和机制创新，其体系的构建离不开政策支持和与当地产业的结合，强调应注重本土化以促进创新。王凤荣和王康仕（2018）[4]发现经济转型下绿色金融的本质是由政府推动的制度变迁，低效的绿色金融配置不能有效约束污染企业的信贷融资，而绿色政策能够完善绿色金融的激励机制，并从整体上提高其配置效率。

国外绿色经济概念首次出现在1989年出版的《绿色经济蓝皮书》中，作为满足可持续发展需求的一种新的发展理念，其关键是减少污染排放和资源损耗，目的是控制生态环境风险，提升经济产出的质量和效率。Munitlak等（2017）[5]认为绿色经济的本质是负责任的大国建立的一种长期的可持续发展战略，其目的是在实践中推动经济社会与环境保护的协调和可持续性，反映通过技术升级和清洁生产提高经济增长质量的倾向。国内相关研究认为绿色经济效率是对传统经济效率的修正，弥补其仅依赖增加要素投入而忽视资源和环境代价的缺陷。杨文举（2011）[6]强调经济效益与环境质量的双重目标，通过将工业废水、废气作为非期望产出，基于跨期数据包络法和劳动生产率的分解，修正了传统的全要素生产率。王兵等（2010）[7]基于Luenberger指数测度环境全要素生产率增长率，发现其高于传统的市场，但呈下降趋势。

大多学者认为绿色金融有利于推动绿色经济发展。董晓红和富勇（2018）[8]基于耦合度模型研究发现我国绿色经济发展整体呈上升趋势，作为重要支撑的绿色金融与其并处于高度协调的系统动态耦合状态。丁攀等（2021）[9]基于双重差分模型研究发现绿色金融的政策落地一方面直接促进了经济可持续增长，产生先升后降的边际动态效应；另一方面通过推动企业技术进步和产业结构优化的中间机制，增强其对经济可持续增长的正向净效应。文书洋等（2021）[10]发现绿色金融本身侧重于环境影响的资本配置功能能够通过降低企业生产经营活动中对资源环境的过度损耗，改善经济增长的路径和质量。雷汉云和王旭霞（2020）[11]研究发现绿色金融通过改善环境推动经济增长质量提升的影响存在区域性差异，其中东部地区通过企业内部的科技创新主动减少对资源环境的损耗，绿色金融的影响较弱，而以重工业为核心的中部地区需要在绿色金融政策引导下进行绿色转型，影响较强。韩科振（2020）[12]认为绿色金融能够通过引导资金流向促进绿色企业内部的技术研发创新，进而推动本地及周边地区绿色技术创新效率的提升。部分学者发现绿色金融影响绿色经济发展的过程中存在抑制作用。Thomas等（2007）[13]认为单纯依赖政府对清洁技术的财政补贴而不考虑将污染企业产生的外部环境成本内部化，会造成市场扭曲和环境风险。刘莎和刘明（2020）[14]发现绿色金融前期规模投入不足，资金的到位及环境治理作用的发挥均需要时间，对节能减排的影响有限。柴晶霞（2018）[15]研究发现绿色金融初期由于绿色产业的外部性及生产成本较大，对民间投资的调动及传统消费的挤出效应不足，难以推动经济增长。宁伟和佘金花（2014）[16]发现绿色金融资源由于非绿色产业及个别大型企业在结构分配和总量转移上对其的内外部挤占，使得中小企业融资不足，反而阻碍经济增长。王康仕等（2019）[17]发现绿色金融对民营绿色企业投资增长效应的发挥受到现有的信息披露及信贷配给机制的影响，存在一定程度的投资约束和期限错配问题。

综上所述，国内外学者对绿色金融与绿色经济的相关研究较为丰富，但仍存在以下不足：一是既有文献大多基于绿色金融与绿色经济指标间简单的线性假设展开研究，容易低估其中的实际效应，现实中各地区资源环境的差异及空间互动日趋紧密使得绿色金融与区域绿色经济效率间可能存在非线性关系；二是绿色金融功能和作用的发挥不仅会影响当地经济活动，且会基于外溢效应影响邻近地区的生产活动和生态环境。鉴于此，本文充分考虑绿色金融的空间溢出效应，基于省级面板数据。首先，将地区经济、地理因素纳入空间杜宾模型，实证分析绿色金融作用于区域绿色经济效率的空间机制；其次，利用面板门槛回归模型对绿色金融与绿色经济效率间的关系进行实证检验，以深入探究其在不同发展水平下对绿色经济效率的作用特征，以期丰富已有研究，并为推进绿色金融政策完善和绿色经济发展提供有价值的建议。

三、机理分析

绿色金融是通过多样化的金融工具将更多资金配置到绿色环保项目及企业的一种金融创新，能够从不同渠道直接或间接地限制环境污染，存在一定的环境规制作用。但关于对绿色经济效率作用方向的研究，在不同条件下得出的结论不一，两者间可能存在更为复杂的关系（丁杰，2019；尹庆民和顾玉铃，2020）[18-19]。因此，需根据具体情况分析其产生的作用是正向还是负向。

一方面，绿色金融支持的节能环保项目前期资金投入较大，技术研发风险高，回收周期较长，短期效益不明显，额外的治污成本挤占了企业用于研发活动的资金投入，这种环境成本的内部化直接增加了企业的生产经营成本，削弱其竞争能力，进而降低总利润和产出效率，形成成本遵循效应（刘传江和胡威，2016）[20]，不利于绿色经济效率的提升，但也沿着帕累托改善路径间接减少了对外部环境的污染排放。另一方面，长期绿色金融投入规模不断扩大，更多资金流向采用清洁技术生产的绿色环保企业，激发更多企业进行节能减排技术创新的内在动力，在提升产品质量和竞争优势的同时抵消前期环境生产成本的增加，总利润和产出效率提升，形成创新补偿效应（倪瑛等，2020）[21]。结合已有研究（黄建欢等，2014；董浩允，2020）[22-23]，绿色金融对绿色经济效率的影响主要体现在以下四个方面。

1.资金支持效应

金融机构在政策指引下通过开展绿色金融业务创新引导规模化的资金用于投资支持节能环保型产业，反向约束污染行业的融资渠道，以激励更多企业主动升级技术和进行绿色转型。

一方面，持续大量的绿色资金供给和优惠性利率政策能够降低环保企业的筹资成本，有效缓解其短期内进行清洁技术研发和环保设备购置所面临的融资约束；另一方面，长期充足的绿色资金支持能激励更多企业通过节能减排技术创新提升产出效率和产品质量的同时减少污染排放，进而推动绿色经济发展。

2.资源配置效应

金融机构在绿色金融政策引导下会进行更具“偏向性”的资本配置，促使原本投向效率低的“两高”产业的金融资源更多转移到后期效率较高的绿色行业。在为绿色环保产业的规模生产和技术升级提供更多资金的同时限制粗放型产业发展，对资源环境的损耗也伴随绿色金融的规模发展得到缓解，实现资源优化配置和利用效率提升，进而逐步淘汰落后产能，引导并激励相关产业通过技术改造和产品升级获得更多融资机会，从而促进区域绿色经济效率提升。

3.技术创新效应

绿色金融发展将更多资本用于清洁生产和治污技术的研发投入，缓解企业由于前期研发风险高、项目周期长带来的融资压力，激励更多企业重视生产技术的改进和创新，积极采用节能环保技术不断提升产品质量和市场竞争力，以迎合消费者对绿色产品的需求，在提高资源利用效率的同时改善生态环境。随着绿色金融产品和服务的不断创新发展，污染行业的融资压力和生产成本不断加大，迫使其不得不进行传统技术革新，积极推动节能减排型生产技术升级，以减轻其对资源环境的损耗，进而提升绿色经济效率。

4.企业监督效应

为保证融资企业对前期所筹绿色资金的专款专用，金融机构有权利和义务通过实时监督其公开披露信息和资金流向审查绿色资金的使用是否规范，促使企业在生产经营中重视生态保护和污染治理问题，这有利于推进绿色经济效率提升。

具体包括以下两种：

一是证券市场对上市企业的监督，通过强制的环保信息披露监督上市企业的生产经营是否符合绿色环保要求；

二是银行对贷款企业的监督，通过对其信贷资金流动的追踪检查，从各个流程监督其是否将绿色资金用于环境友好生产。

基于上述绿色金融作用机理分析，为验证绿色金融是否有利于促进绿色经济效率的提升，本文首先基于空间计量模型实证研究绿色金融对区域绿色经济效率的作用特征；其次利用门槛回归模型进一步检验两者间的非线性关系，并深入探究绿色金融在不同发展水平下对绿色经济效率的促进作用。

四、研究设计

（一）空间计量模型

根据地理学第一定律，各地区绿色金融发展与绿色经济效率在空间上具有相关性，各省份间的相关性可能会随着地理位置、经济基础及制度环境的不同而产生异质性，因此有必要通过构建空间计量模型进行实证检验。

1.空间权重矩阵的构建

现实中经济变量的空间关联性常受经济发展和地理因素双重影响，借鉴有关做法（王锋等，2017；孙叶飞和周敏，2016）[24-25]，构建经济地理嵌套权重矩阵，设定如下：

具体设置如下：

2.空间依赖性检验

检验空间依赖效应是应用空间计量模型的前提，因而基于全局Moran’I和局部散点图做探索性空间分析，以分别反映研究区域总体及内部个体空间单元的关联与集聚程度，公式如下：

3.模型的构建

首先，广义的空间杜宾模型（SDM）是在空间滞后模型（SLM）和空间误差模型（SEM）基础上形成的，能够同时将自变量和因变量分别与空间权重矩阵结合纳入同一模型中，从而更具一般性。其次，由理论分析可知，绿色金融对绿色经济效率的影响具有不确定性，因而引入其二次项可以深入探究两者间的非线性关系。

具体设定如下：

式中i为省份，t为年份，ρ为空间自回归系数，β和η分别为解释变量及其空间滞后项系数，Wij表示空间权重矩阵，μit是地区固定效应，υit是时间固定效应，εit∈N(0,σ2I)为随机扰动项。

然而，静态SDM模型仅考虑绿色经济效率的空间滞后效应，未考虑到作为投入变量的固定资产投资的存量调整与惯性作用，使得各地区绿色经济效率具有一定的时间滞后性。因而，本文引入绿色经济效率的时间和空间滞后一期构建动态SDM模型（QML）来降低资本深化产生的内生性影响。具体设定如下：

其中，τ和δ分别为被解释变量时间滞后项及其时间空间滞后项的系数。

考虑到存在空间滞后项时，模型的点估计回归结果会出现偏差，不能反映真实的偏回归系数，因而本文参考Lesage和Pace（2009）[26]的做法，假设单元截面值互不相关，基于变量影响的不同来源，采用偏微分法将其分解为直接效应和间接效应。求偏导数后的基础矩阵如下：

k为自变量个数，∂E(Y)为Y的期望值，矩阵中对角线与非对角线上元素之和的平均值分别为直接和间接效应，表示局域溢出效应和跨区域溢出效应，两者之和即为空间溢出总效应。

（二）面板门槛模型

依据前文理论分析，绿色金融对绿色经济效率的影响存在阶段性特征，两者间关系具有不确定性，可能存在非线性问题。而传统加入二次项的模型设定存在共线性偏误，也不能从客观上对阈值的估计结果与置信区间进行有效性检验。因此，本文利用Hansen（2000）[27]的面板门槛模型考察绿色金融影响绿色经济效率的非线性机制特征，构建单门槛和双门槛模型如下：

其中qit、γ分别为门槛变量及其待估门槛值；I(·)是示性函数，当括号内表达式为真时取值为1，否则取0；为常数项，个体截距项μit表示固定效应，扰动项εit服从独立同分布；其他控制变量同上以保持模型的可比性。

（三）变量选取与数据来源

1.变量选取

被解释变量。将基于超效率SBM模型测度的绿色经济效率（GEE）作为本文的被解释变量，这种包含非期望产出的静态效率得分更能反映当前经济增长所受到的资源环境约束。绿色经济效率值越高，有限资源投入下的产出带来的污染更少。

为全面准确衡量不同省份绿色经济效率值的大小，采用综合SBM和超效率DEA模型优点的超效率SBM模型。其基本思路：第一步从生产可能集（PPS）中删除处于有效生产前沿面的决策单元（DMU）；第二步度量和排列DMU到PPS的距离，即为超效率（≥1）。考虑非期望产出的超效率SBM模型构建如下：

其中，式（11）为生产可能集，ρ为目标函数，N是DMU数量，m是投入变量个数，s1和s2分别为“好”产出和“坏”产出个数为m×N维投入向量和分别为s1×N维期望产出向量和s2×N维非期望产出向量，λ=(λ1,λ2,…λN)为N维权重向量，sg∈Rs1+为期望产出不足，sb∈Rs2+为非期望产出冗余为投入冗余。

关于投入产出指标的选取与处理有下面几方面。

（1）期望产出（GRP）。选取地区生产总值反映决策单元DMU的“好”产出，为避免价格波动对产出价值衡量的影响，将GDP以2006年为基期做指数平减法处理，利用公式当年实际GDP=上一年名义GDP×当年GDP指数计算得到实际GDP作为期望产出。数据来源于国家统计局。

（2）非期望产出（W）。运用熵值法从污染源头出发选取废水、化学需氧量、废气中二氧化硫、氮氧化物及烟（粉）尘排放总量五种污染物综合得到环境污染指标W。数据来源于《中国环境统计年鉴》和国家统计局。

（3）投入指标。资本投入（K）用实际的资本存量反映，参考张军等（2004）[28]的做法采用永续盘存法计算，具体公式为，其中Kit为i省市t时期的固定资本存量，δ取9.6%，Iit和Pit分别为固定资产投资额及其价格指数，以2006年为基期对历年名义投资流量进行平减，基年资本存量则以2006年固定资本形成总额除以10%进行替代。劳动投入（L）用城镇就业人员总数表示。能源投入（E）以电力消费总量替代。

核心解释变量。参考傅亚平和彭政钦（2020）[29]的做法，基于熵值法从绿色信贷、绿色投资、绿色证券及绿色保险四个方面构建绿色金融综合指数（GF），并将其作为本文的核心解释变量，该指标为正向指标。

绿色金融综合指标体系具体说明见表1。

表1 绿色金融综合指标体系

控制变量。结合已有研究并基于地区发展实际状况，从以下几个方面选取其他控制变量。

（1）富裕程度（GDP），用地区生产总值反映。

（2）技术水平（GT），选取政府研发经费支出与地方财政支出比值衡量。

（3）人口因素（UP）。考虑到城镇劳动力多就业于工业和服务业，在增加经济产出的同时加大了资源消耗和环境负担。参考杨晓璐（2020）[30]的做法，选取城镇单位就业人员反映城镇劳动人口带来的环境压力。

（4）上市公司数量（QLC）。上市公司具有更高的社会知名度、受到更多法律监管及信息披露的强制要求，能够促使企业提高自身管理水平和运营效率的同时，带动区域整体经济资源利用效率的提升，进而推动经济增长。参考谭劲松等（2010）[31]的做法，选取上市公司数量反映上市公司对当地经济的贡献。

（5）投资水平。物质资本在市场间的流动与融合会影响相关产业的空间布局和技术研发活动，为其规模化生产及技术创新提供资金支持。参考尹庆民和顾玉铃（2020）[19]的做法选取固定资产投资额反映地区市场投资水平（FI）。财政支出通过挤占和替代效应能够干预市场资源配置，同时也是地方产业进行规模生产和技术创新的重要资金渠道，由政府主导的项目建设与技术创新的投资对绿色经济效率有较大影响。因而参考邱海洋（2017）[32]的做法采用地方财政支出与GDP的比值反映地方政府投资水平（GE）。

（6）环境质量。不同污染物的排放在数量上难以同时达到均衡状态，在结构上取决于当地经济增长方式，在环境综合治理过程中实现各类污染均降到最优水平的难度较大，因而其影响具有地区差异更符合现实。参考傅亚平和彭政钦（2020）[29]、刘霞和何鹏（2019）[33]及张健（2020）[34]的做法，选取废水、化学需氧量、二氧化硫、氮氧化物及烟（粉）尘排放量构建污染指标反映地区整体环境质量综合影响（EP）。二氧化硫排放主要源于工业生产对煤炭等化石能源的消费，相对于源自生产过程及其他环节的污染物，占比较大，净化成本较高，且中国的能源消费结构以煤炭为主，对绿色经济效率有重大影响。参考董浩允（2020）[23]和王竹君（2019）[35]的做法，采用工业二氧化硫排放量衡量地区环境污染强度（SO2）。

（7）受教育水平（ED）。选取普通高等学校在校学生与年末常住人口的比值反映。

2.数据来源

考虑到西藏地区和港、澳、台地区数据有所缺失，选择剔除，选取2007—2019年中国30个省份的面板数据做实证分析。数据来源于2008—2020年各省《统计年鉴》和《中国工业统计年鉴》《中国保险年鉴》《中国金融年鉴》《中国科技统计年鉴》《中国环境统计年鉴》、中经网、国泰安、Wind数据库及国家统计局，部分缺失数据采用期望值最大化法和均值插补法处理。

五、实证分析

（一）空间依赖性检验

本文基于经济地理嵌套权重矩阵以全局Moran’I指数检验中国30个省份2007—2019年绿色经济效率的空间依赖效应，结果见表2。

由表2可知，中国30个省份绿色经济效率的Moran’I指数整体呈倒M形变化趋势，除了2016年和2017年这两年的Moran’I指数为负，表现为空间异质性，其他年份的Moran’I指数均在1%显著性水平下为正，具有长期稳健的空间关联效应，并于2019年达到峰值，表明近年来我国绿色经济效率的空间集聚性不断增强。

表2 空间依赖性检验

考虑到区域内绿色经济效率的分布差异，另绘制其局部Moran’I指数散点图以考察这种空间关联特征，限于篇幅，选择2007年和2019年为代表年份分别作图，如图1所示。

图1 2007年和2019年局部Moran’I指数散点图

从2007年和2019年的空间集聚特征分布图可看出各地绿色经济效率均大多位于空间正相关性的典型观测区，图1显示，相对2007年，2019年各省份绿色经济效率分布在第一、第三象限的占比由56.67%上升到66.67%，且更多集中于双高集聚区，有向低绿色经济效率水平的中西部省份转移集聚的趋势，为下文结合经济地理因素探究绿色金融发展水平作用于绿色经济效率的空间机制提供了支持。

（二）回归结果分析

通过以上绿色经济效率存在空间依赖效应的判断，本文将进行如下检验判定应用模型的适用性，结果如表3所示。

表3 空间计量模型相关检验

由表3可知，首先，Hausman检验结果显示模型（1）采用固定效应。其次，通过LMerror和R-LMerror检验，判定拒绝简化为SEM模型，LMlag和R-LMlag未通过检验，故可接受简化成SLM模型。LR检验结果均在1%水平上显著，判定SDM模型拒绝简化为SEM模型或SLM模型。因此，本文基于SDM模型探究绿色金融作用于绿色经济效率的空间效应。面板全局Moran’s I指数显著为正，说明变量间存在空间正自相关性，另考虑到资本投入存量调整与惯性作用，使得因变量存在一定的滞后性，因此在模型（1）的基础上纳入其时空滞后项，从而构建动态SDM模型（QML）来降低资本深化产生的内生性影响并作进一步对比研究。结果如表4所示。

由表4可知，在模型（1）—（4）中，静态与动态SDM模型回归系数符号与显著性均表现出良好一致性与稳定性，且具有较好的拟合程度，说明考虑经济地理因素和空间溢出效应对分析绿色金融影响绿色经济效率的效果是有必要的。其中动态SDM模型（2）—（4）的拟合效果均高于静态SDM模型（1），说明绿色金融作用于绿色经济效率为连续的动态过程，存在时滞效应。绿色经济效率时间及空间滞后一期项系数均为正，意味着前一时期本地及周边地区绿色经济效率提高对本期的绿色经济效率具有提升作用。空间自回归系数ρ显著，说明绿色经济效率在地区间存在空间关联效应，空间因素对其具有明显影响。

表4 空间杜宾模型回归结果

从本地效应来看，绿色金融对本地绿色经济效率的作用系数均显著为负，二次项为正，且前者作用强度明显大于后者，呈U形非线性关系，即短期绿色金融发展会抑制绿色经济效率提升，但长期随着其规模扩大将促进本地绿色经济效率提高，符合EKC假说，且在动态SDM模型中的促进作用更强。究其原因：一方面绿色金融政策实施初期配套监管及激励制度不健全，发展时间短，且存在信息不对称等外部性问题，引导金融资源流向绿色产业的配置效率不高；另一方面绿色金融支持的节能环保项目前期资金投入较大，技术研发风险高，回收周期较长，短期效益不明显，会增加企业生产经营成本并产生挤出效应，进而降低其产出效率，影响绿色经济效率提升。而长期随着绿色金融监管政策及相关配套设施的完善，绿色金融投入规模不断扩大，通过提升资源配置效率可有效缓解产业内部创新技术和转型升级的融资约束，更多资金能够更高效地流向环境信息披露较好的绿色环保企业，激发企业进行节能减排技术研发的内在动力，不断提升产品质量，后期形成创新补偿效应，绿色金融对绿色经济效率提升的促进作用逐步显现。

从空间溢出效应来看，绿色金融作用于周边地区绿色经济效率的系数为正，二次项为负，呈先升后降的倒U形关系，即周边地区绿色金融发展在较低水平下能促进本地绿色经济效率提升，当达到较高水平时反而有阻碍作用。相邻地区的绿色金融发展对本地绿色经济效率的U形拐点值为1.0086，截至2019年，仅海南和青海、宁夏跨过拐点值，大多省份仍低于该拐点值，相邻区域绿色金融发展仍处于对本地绿色经济效率的促进阶段。究其原因，前期绿色金融沿着资源配置的帕累托改善路径在地区间流动并在当地形成对生态环境治理的示范效应，污染排放减少，环境质量得到显著提升并产生正向空间溢出效应，在促进本地绿色经济效率提升的同时，也受到周边地区的溢出影响，存在“涓流效应”。后期随着绿色金融发展，相邻地区通过不断占据本地绿色金融资源的“虹吸效应”增强绿色产业投资以实现对其绿色经济效率的提升，进而增大其他产业融资压力，不利于本地绿色经济效率提高。

从国内绿色金融的发展历程来看，2012年发布的《绿色信贷指引》标志着中国绿色金融从前期探索阶段进入快速发展阶段，对绿色金融发展具有节点意义。

此外，各地对政策的实施及干预对象行动的滞后性致使该政策的出台具有外生性特征，因而以此作为分阶段回归的依据，得到模型（5）和模型（6）。由回归结果可知，前期绿色金融政策实施力度不强，对绿色经济效率的影响不显著，绿色企业及项目仍旧面临融资约束及技术研发风险，未能得到有力资金支持。而后期绿色金融政策实施力度的增强较好改善了环境质量，绿色资金有效配置到绿色项目，长期来看对当地绿色经济效率的提升逐渐发挥出正向效应，呈U形变化趋势，与前文结果一致。

由于点估计回归结果存在一定偏误，不能展示偏回归系数，即无法准确判断各变量是否存在空间溢出效应，因此用偏微分法分解空间效应，进一步验证绿色金融促进绿色经济效率的空间机制，如表5所示。

由表5可知，绿色金融作用于绿色经济效率的直接效应为负，二次项为正，呈U形非线性关系，拐点值为1.3347，与前文对应，即当绿色金融发展水平较低时会阻碍当地绿色经济效率提升，但跨过拐点值后具有正向促进作用。绿色金融的间接效应参数估计系数显著为正，二次项的为负，同样具有非线性影响，但呈倒U形，即绿色金融对周边地区绿色经济效率的影响存在阶段性差异。富裕程度促进本地绿色经济效率提升但抑制了相邻地区的提升；技术水平、财政支出及受教育水平仅具有直接效应，且表现为负向；环境污染排放和工业污染强度仅具有间接效应，分别表现为负向和正向；上市公司数量和固定资产投资均抑制本地绿色经济效率提升，但会推动相邻地区绿色经济效率的提高；人口因素有利于本地绿色经济效率提升。

表5 空间效应分解结果

（三）门槛效应分析

以上研究说明绿色金融影响绿色经济效率的空间机制存在阶段性特征，为深入探究不同绿色金融发展水平约束下，绿色金融作用于绿色经济效率的门槛效应，运用Hansen（2000）[27]的面板门槛模型对两者间的关系进行实证检验。考虑到绿色信贷是绿色金融的重要支撑力量，将其作为替换变量做进一步的稳健性检验。在此之前，首先，须判断门槛效应是否存在，用Bootstrap法重复抽样300次获得F值及其对应的P值，并将其与不同水平下的临界值做比较以确定门限个数。其次，分别估计不同面板门槛模型下的门槛值及其95%置信区间，具体检验结果如表6所示。

表6 门槛效应检验

由表6可知，在无门槛和单一门槛存在性检验中，绿色金融的F值分别为18.8和8.45，相应伴随概率P值分别为0.0667和0.4833，仅前者在10%置信水平上大于临界值16.8086，说明该模型通过10%水平下假设性检验，故拒绝无门槛原假设，即对绿色经济效率影响呈现单一门槛效应，而双重门槛未通过显著性检验。因此，本文选择单一门槛模型进行回归。同理，其他门槛效应检验过程不再赘述。具体门槛回归结果如表7所示。

由表7可知，绿色金融能显著促进绿色经济效率提升，且存在门槛特征。当绿色金融发展低于0.4936时，其每增加一单位，绿色经济效率增加0.1523个单位；当绿色金融发展高于0.4936时，绿色经济效率增加0.0439个单位。这说明绿色金融在跨过门槛值后对绿色经济效率的促进作用有所下降。绿色信贷的稳健性检验结果与上述一致。究其原因：一方面，绿色金融在有关部门监管下将更多资金投向环保产业能够有力支持企业进行技术创新和绿色生产；另一方面，随着区域内部绿色金融发展水平的进一步提升，带来正外部性的同时，可能会不断占据其他优势资源，伴随金融要素边际产量的不断递减，造成市场拥挤和过度竞争，进而对其他产业的产品研发和技术升级产生挤出效应，对绿色经济效率的促进作用有所下降。

表7 门槛模型回归结果

六、主要结论与政策建议

本文利用中国30个省份2007—2019年的数据进行分析。首先将地区经济、地理因素纳入空间面板模型，探究绿色金融影响绿色经济效率的直接效应和空间溢出效应，从空间关联角度分析绿色金融的作用机制。其次，利用面板门槛模型对两者关系做实证检验，以深入探究绿色金融在不同水平下作用于绿色经济效率的特征，得到如下结论。

第一，从直接效应来看，绿色金融对绿色经济效率的影响呈U形，即短期内绿色金融会阻碍其提升，但长期随着其规模发展将促进本地绿色经济效率提高。从空间溢出效应来看，绿色金融与绿色经济效率间关系呈倒U形，即周边地区绿色金融在较低水平下会推动当地绿色经济效率提高，当跨过U形拐点后反而有阻碍作用。此外，绿色经济效率具有空间溢出效应，且其当期的提升会带动下一期本地及周边地区的持续提升。

第二，绿色金融在不同水平下对绿色经济效率的边际影响发生变化，存在单门槛效应。当位于门槛左侧时，绿色金融能够显著促进绿色经济效率提升，但跨过门槛值后这种促进作用有所下降。

针对上述结论提出以下对策建议。

第一，地方政府应加大绿色金融政策支持力度，根据不同地区的绿色产业发展阶段的差异给予针对性的财政补贴，鼓励更多资本投向节能减排企业的产品研发和技术创新活动，同时积极完善绿色金融基础配套设施建设，使其发展更加适应并融合当地绿色经济转型过程。加强与相邻省份环境信息共享和绿色金融产品创新的交流合作，避免因信息不对称和过度竞争带来的资源浪费，进而促进绿色资金、专业知识及技术人才的跨区域流动，实现与周边地区的协同发展。

第二，持续推进绿色金融发展体系的构建和完善，调动金融机构创新多元化绿色金融产品和服务的积极性，并适当降低其进入门槛，激励更多社会资本参与其中，从而进一步扩大其发展规模，运用市场机制充分发挥绿色金融促进绿色经济效率提升的潜能。从实际出发统筹制定绿色金融规划方案，明确具体资源流向，并合理安排其不同产品的价格和期限，进而提升其供给水平与配置效率，实现多元化绿色融资需求与供给的精准对接。