绿色信贷、环保财政政策与绿色全要素生产率

周家宇　郭一晗　徐小玲　冶录录

摘要：文章基于我国2007～2017年省级面板数据，研究绿色信贷，环保财政政策对绿色全要素生产率的影响及二者的协同对绿色全要素色生产率的作用。结果表明，绿色信贷和环保税收政策均显著提升了绿色全要素生产率，但环保支出政策对于绿色全要素生产率的作用不显著;就提升绿色全要素生产率而言，绿色信贷与环保财政政策存在协同，进一步研究发现，我国东部地区和中西部地区绿色信贷和环保财政政策对绿色全要素生产率的作用存在显著差异。

关键词：绿色信贷;环保财政政策;绿色全要素生产率;政策协同

一、引言

我国绿色信贷规模不断扩大，在推进节能减排，绿色低碳技术创新等领域形成了新的服务着力点;同时，环保财政政策在制度层面对经济健康发展起着规范作用;而如何提高绿色全要素生产率是经济高质量发展的关键。我国绿色信貸规模世界第一，庞大的规模是否有效促进了GTFP的提升？绿色信贷与环保财政政策对GTFP的作用是否存在差异？以及在金融杠杆和政策激励的协同配合下我国经济是否呈现了高质量、绿色、创新的发展态势？是否存在区域异质性？本文拟对上述问题进行深入研究，制定绿色发展政策、实现经济高质量发展提供理论依据和决策支持。

二、文献综述

在绿色全要素生产率测算方面，刘涛（2020）利用非期望产出超效率SBM-Malmquist模型，发现林业部门绿色全要素生产率平均每年增长1.53%;张红梅、张宁（2019）通过SBM模型测度了我国30个省市2006～2015年绿色全要素生产率;倪瑛等（2020）采用熵值法测算绿色全要素生产率;刘斯敖（2020）计算、比较城市群的绿色全要素生产率;在绿色全要素生产率影响因素方面，李鹏升（2019）发现环境规制短期内会降低企业的绿色全要素生产率;陈晓峰等（2020）发现第三产业对绿色全要素生产率具有较为显著的促进作用;陈黎明等（2020）认为技术进步与创新是推动GTFP增长的主要动力。

综上所述，现有研究对政府行为与政府政策，以及政府政策指引下的金融机构行为对绿色全要素生产率的影响研究较少。所以，绿色信贷和环保财政政策是否对GTFP有影响以及两种因素是否对GTFP具有共同作用，不同背景下的协同效果是否有同等问题都值得进一步研究。

三、理论分析与研究假设

绿色信贷差异化贷款利率及期限的实施对于不同企业来说存在两种影响，一是为其提供信贷支持;二是对其产生融资约束。对于受到绿色信贷支持的企业来说，可以将资金用于研发投入，促进生产技术与效率提高;对于高耗能高污染的企业来说，融资门槛提高。财政支出具有结构调整效应，可以使特定产业资本生产要素，劳动生产要素大量汇聚，节能环保财政支出可以直接作用于节能环保技术的研发，直接促进绿色经济发展，提高GTFP。对于税收政策而言，通过提高高耗能高污染企业税率，增加其生产边际成本，促进企业转型升级，进而促进GTFP增长的目的。绿色信贷和财政政策的协同一方面可以实现资金互补，还在一定程度上实现金融机构和环保部门联动，促进信息共享，减少信息不对称所带来的逆向选择及道德风险问题。

四、变量选取与模型设定

（一）变量选取

被解释变量：绿色全要素生产率GTFP。投入指标为劳动力、物质资本存量和能源投入，期望产出为GDP，非期望产出为城市工业废水排放量和二氧化硫排放量。其中劳动力使用城镇单位就业和个体及私营单位就业人数之和衡量，物质资本存量基于社会固定资产投资数据采用永续盘存法进行计算，GDP进行定基处理。使用全局参比的SBM-ML指数衡量绿色全要素生产率（张彰等，2020）。由于ML代表的是绿色全要素生产率增长率，由于ML指数代表的GTFP的增长率，因此对该指数以2007年为基期进行处理。

核心解释变量：1. 绿色信贷。通常采取绿色信贷比率（GLR）本文借鉴徐胜等（2018）的做法，采用中国银行业社会责任报告公布的节能环保项目贷款占贷款总额的比例来表示绿色信贷比率。2. 环保财政政策（EEXP）为财政环保支出占财政一般支出的比例，本文借鉴魏玮等（2019）做法，以地方财政环境保护支出占地区生产总值的比重作为EEXP的测度指标。TAX为税收收入，参考张磊和蒋义的做法，以地方财政国内增值税占地方财政税收收入的比重作为TAX的测度指标。

其他控制变量。在参考与借鉴已有学者的研究基础上，本文选取的控制变量包括：经济发展水平（GDP）;研究与试验发展（R&D）经费情况（全社会实际用于基础研究、应用研究和试验发展的经费支出，一般认为增加R&D能有效提升资源利用效率）;能源消费结构（ECS）（选取煤炭消耗占总能耗的比重作为能源消费结构的测度指标）;环境管制（ER）（本文借鉴陈黎明（2020）做法，选取工业污染源治理投资额代表环境管制强度）。

（二）数据来源及变量描述性统计结果

本文选取内地2007～2017年30个省份（西藏除外）的面板数据，相关数据均来自统计年鉴及国家统计局官方网站。变量的描述性统计如表1所示。

（三）模型构建

GTFPit=a0+a1GLRit+βCONTROLit+εit（1）

GTFPit=a0+a1TAXit+βCONTROLit+εit（2）

GTFPit=a0+a1EEXPit+βCONTROLit+εit（3）

GTFPit=a0+a1GLRit+a2EEXPit+a3GLR·EEXP+βCONTROLit+εit（4）

GTFPit=a0+a1GLRit+a2TAXit+a3GLR·TAX+βCONTROLit+εit（5）

五、实证分析

首先通过F及LSDV检验进行判断，结果显示混合回归优于固定效应回归，随后运用LM检验确定其优于随机效应模型，故确定使用混合回归模型。

（一）整体回归结果

从表2的参数估计结果来看，回归（1）表明绿色信贷显著为正，由此证明绿色信贷规模的增加有利于促进绿色全要素生产率的提高。绿色信贷可以使资源有效配置到环境友好型企业和项目中，鼓励其通过技术进步，结构升级谋发展，促进绿色全要素生产率不断提高。在回归（2）中，变量TAX显著为正，表明当前的环保税收政策改革后取得了一定成效，通过征收环境税等措施提高了重污染高排放企业的生产边际成本，一定程度上抑制了企业排污行为。回归（3）中，EEXP不显著，可能由于我国环保支出规模较小，项目存在审核难，在资金使用监督弱等问题。并且在多环节传导过程中可能会存在信息不对称或错误问题。

对绿色信贷与环保财政政策之于绿色全要素生产率的协同研究来说，在回归（4）与回归（5）中，交叉项GLR*EEXP，GLR*TAX前的回归系数均显著大于零，表明绿色信贷与环保财政政策的配合可以有效促进绿色全要素生产率的提高，且绿色信贷与环保财政收入的协同效果优于绿色信贷与环保财政支出。原因可能是环保税收信号的传递作用更强，可以直接对企业产生提醒与警示作用。

（二）区域异质性讨论

考虑到我国不同地区区位特征明显，经济发展状况，地区环境差距大，故将我国31个省份划分为东部和中西部地区进行回归分析，估计结果如下：

东部回归结果：

GTFP=0.221+0.132GLR-0.310TAX+0.009RRXP+0.094GLR*EEXP+0.134GLR*

TAX+0.119GDP-0.002ER-0.050ECS-0.052RD

中西部回归结果：

GTFP=0.014+0.460GLR-0.151TAX+1.67EEXP+0.129GLR*EEXP-0.027GLR*

TAX-0.316GDP-0.219ER-0.228ECS-0.160RD

回归结果中，中西部绿色信贷都显著为正，说明在不同区域绿色信贷都可以有效促进绿色全要素生产率的提高。东部税收政策显著为负而中西部税收显著为正可能由于差异化税收政策的实施。东部环保财政支出效应不显著，中西部财政环保支出影响显著为负，说明中西部支出效率可能受第二产业比重高，自然生态建设任务重的内因以及环保财政支出存在支出效率低，支出结构不合理等外因的影响。而协同效应不显著，说明当前绿色信贷与环保财政政策的配合，以及相关政策的健全与实施都需要加快进程。

（三）稳健性检验

结合设定模型，研究样本，时间范围与数据情况，采用增加控制变量进行稳健性检验，分别加入人力资本水平（EDU），以普通高效师生比例来衡量;城市化水平（URBAN），以城市年末城镇常住人口站常住人口比例来衡量。稳健性检验结果基本与前文一致。

六、结论与政策建议

实证检验表明，整体上绿色信贷对于绿色全要素生产率具有显著促进作用，环保税收政策对GTFP有促进作用，环保支出政策对于绿色全要素生产率的影响不显著;二者协同可以促进绿色全要素生产率增长。分区域看，绿色信贷对绿色全要素生产率的影响在东部和中西部均显著。

由此，提出以下提升绿色全要素生产率的对策建议：一是持续扩大绿色信贷规模，鼓励商业银行开展绿色信贷业务。可将绿色信贷纳入商业银行绩效考核标准中，并给予商业银行退税贴息补偿，增强其积极性。二是加大环保财政支出规模。注重重点项目及领域的长期投资，使其得到长远稳定的发展。三是加快推进税收改革，进一步完善环境税征收内容制定并完善相关税收奖惩机制，引导企业行为，激励企业进行技术改革，促进企业的绿色发展。四是制定相关协同政策，推进部门联动，提高配置效率。加强政府部门与银行部门信息交流，降低企业与银行信息不对称程度.

参考文献：

[1]陈晓峰，周晶晶.生产性服务业集聚、空间溢出与城市绿色全要素生产率——来自长三角城市群的经验证据[J].经济经纬，2020，37（04）：89-98.

[2]刘涛，李继霞.中国林业绿色全要素生产率时空分异及其影响因素[J].世界林业研究，2020，33（06）：56-61.

[3]魏玮，曹景林.产业升级视角下绿色信贷与环保财政政策协同效应研究[J]. 科技进步与对策，2019（12）：27-33.

[4]徐璋勇，朱睿.金融发展对绿色全要素生产率的影响分析——来自中国西部地区的实证研究[J].山西大学学报（哲学社会科学版），2020，43（01）：117-129.

[5]张红梅，张宁.省域绿色全要素生产率的时空演变与空间溢出效应[J].财会月刊，2019（24）：119-127.

[6]张治栋，陈竞.环境规制、产业集聚与绿色经济发展[J].统计与决策，2020，36（15）：114-118.

[7]赵玉林，陈泓兆.异质性技术创新与绿色全要素生产率提升[J].财会月刊，2020（18）：145-152.

[8]倪瑛，陈柏云，王忆雯.金融发展、环境规制与绿色全要素生产率——基于空间杜宾模型的实证分析[J].贵州财经大学学报，2020（03）：12-21.

[9]刘斯敖.三大城市群绿色全要素生产率增长与区域差异分析[J].社会科学战线，2020（07）：259-265.

[10]李鹏升，陈艳莹.环境规制、企业议价能力和绿色全要素生产率[J].财贸经济，2019，40（11）：144-160.

[11]徐胜，赵欣欣，姚双.绿色信贷对产业结构升级的影响效应分析[J].上海财经大学学报，2018，20（02）：59-72.

[12]张磊，蒋义.促进节能减排的税收政策研究[J].中央财经大学学报，2008（08）：6-11.

（作者單位：江苏大学）