区域金融发展与能源效率提升——“挤出效应”还是“促进效应”

许罕多 闫丹阳

1.中国海洋大学经济学院青岛 266100 2.中国海洋大学海洋发展研究院青岛 266100

1 问题提出和相关研究

随着工业化进程的不断推进， 经济高速增长的同时， 能源消耗量的不断提升直接增加了碳排放量， 这使得国民收入水平提高和“节能减排” 之间出现了两难选择[1]。 国家统计局的相关数据显示， 2019 年中国能源消费量同比增长4.7%， 其中煤炭消费仍占能源消费总量的57%以上， 清洁能源所占比例较低。 现阶段， 富煤、 缺油、 少气的能源结构所决定的能源消费给我国生态环境造成了极大破坏， 能源问题对经济发展的瓶颈作用愈发明显。 随着环境污染问题日益突出， 习近平总书记提出 “绿水青山就是金山银山” 的发展理念， 使得能源效率与污染治理问题成为政府与社会关注的重要问题。 高效的金融中介通过增加企业融资渠道、 减少融资约束等途径不仅能够促进企业创新带来生产效率的提升， 还能对环境质量的优化以及能源消耗强度的下降产生积极作用。 地区高水平的金融发展通过融资支持和风险分散带来的企业生产技术升级和创新， 能够有效减少能源消耗， 降低CO2排放强度， 提升环境质量[2]。 纪强和张大勇指出， 融资难是可再生能源行业面临的主要障碍之一， 这使得金融发展成为在中国进行能源革命最关键的制约因素[3]。 那么， 金融发展对经济的可持续发展起到什么作用？ 是否显著影响了能源效率？ 其具体传导机制是什么？ 这些问题关系到中国金融体系改革的最终成效， 对于能源效率提升和经济社会可持续发展具有重要经济意义。

近年来， 对于金融发展和全要素生产率之间关系的研究不断涌现， 实证分析表明， 金融发展以及金融创新能够通过缓解信息不对称等途径提升全要素生产率[4]。 随着经济增长带来的能源过度消耗和环境污染问题日益严重， 在分析金融发展对生产率的影响时， 学者们开始考虑环境污染这种非期望产出因素， 张帆在前人研究的基础上， 将金融发展与全要素生产率关系的研究逐渐扩展到金融发展与绿色全要素生产率关系上[5]。 绿色全要素生产率考虑了能源投入和环境污染产出， 张帆通过实证分析， 表明地区金融发展能够有效促进绿色全要素生产率的提高[5]。

“绿水青山就是金山银山” 的发展理念使得绿色金融逐渐受到各领域的重视[6-7]。 随着绿色金融日渐兴起， 学者们越来越重视金融发展带来的环境改善效应[8-9]， 更加注重投融资等行为对能源资源有效利用的作用。 金融中介的绿色金融效应是金融中介为环境友好型项目以及新能源产业提供充足的资金支持[10]。 此外， 金融发展通过扩大融资规模等方式有助于降低企业的融资成本， 为企业进行生产技术创新和产业结构升级创造资金条件， 进一步增强企业对于清洁能源的生产能力[11]， 提高企业对可再生资源的有效利用程度[12]。 绿色信贷还可以通过产业结构优化， 有效降低能源消费中煤炭消费的比重， 对绿色经济增长产生积极效应[13]。 部分学者认为高水平的金融对外开放也有助于发挥金融发展在提高环境质量中的作用。 多数学者在分析金融开放度时， 通常使用外商直接投资（FDI） 作为代理指标， FDI 的增加能够有效引进国外先进的生产管理经验， 这在企业生产过程中降低单位能源消耗、 减少生产污染物排放等问题上起到了至关重要的作用[14]。 然而， 也有学者认为金融发展不利于环境质量的提高。 地区金融发展会对企业生产能力的提高给予一定数量的资金支持， 有助于扩大企业生产规模[8]， 致使生产过程中能源消耗增加， 提升CO2排放强度[15]， 最终导致环境恶化[16]。

综上可知， 尽管已有研究在分析金融发展时将能源的有效利用考虑在内， 但多集中于金融发展对全要素生产率和环境污染的影响， 没有直接将金融发展和能源效率两个指标放在同一框架下进行详细分析， 因此需要进一步对其间关系进行研究。 在指标选取方面， 现有文献对于能源效率的测度方式存在较大差异， 部分学者直接使用国内生产总值 （GDP） 与能源消费量之比来表示[17]， 而多数文献则采用数据包络分析方法[18-19]， 在金融发展指标选取方面往往忽略了金融开放度的影响。 基于此， 本文试图从以下几个方面进行创新： 首先， 从信贷、 金融相关性、 金融开放度3 个层面构建金融发展的指标体系， 将金融发展和能源效率放在同一框架下进行分析。 其次， 从金融发展的角度， 重点分析金融发展影响能源效率的传导机制， 以技术创新和人力资本作为中介变量， 对金融发展影响能源效率的传导途径进行深入阐释。 最后， 在实证分析方面， 为了克服内生性问题， 将2015 年的区域金融改革视为准自然实验， 采用PSM-DID 方法排除了可能的内生性问题。

2 研究假说

金融发展作为影响中国经济低碳化的重要因素，能够通过多种渠道提高能源效率， 推动中国的可持续发展进程。 一般而言， 金融发展主要体现在国内金融体系的完善、 金融市场的扩展以及金融对外开放水平的提高[2]等方面。 功能金融理论指出， 合理高效的金融体系可以有效集中社会闲散资金， 改善资本配置[20]。以绿色信贷为核心发展力量的绿色金融体系通过调控资本流动， 使得更多的资金流向节能环保的、 高能源利用率的企业[13]， 从而在更大程度上提高该地区的能源效率。 就金融市场而言， 信贷市场的发展是金融市场完善的重要表现， 银行信贷增多能够在不同程度上提高各类企业可贷资金数量， 企业有能力将更多资本投向技术含量高， 污染较少的项目[20]， 最终实现能源效率的提高。 特别的， 对于高耗能企业， 银行信贷还可以倒逼其进行技术创新和转型升级。 由于银行信贷的发放存在一定的偏向性， 环境友好型企业更易获得银行信贷资金的支持。 而不符合低碳可持续发展要求的企业为实现更好的生存发展， 必然会通过结构转型、 淘汰落后产能来获取生存必需的资金支持。 当投资者的经济行为效率提高时， 能源效率也会随之提高[21]。 在金融开放方面， 当下中国开放经济条件日益完善， 改革开放之初外商直接投资的低成本、 高污染特点已发生重大改变， 近年来， 随着环保意识增强， FDI 的准入门槛不断提高[22]，FDI可以通过国际技术转移带来的溢出效应降低本国的能源强度、 改善能源结构， 进而提高能源效率[23]。 基于以上讨论， 提出本文的第一个假设。

H1： 地区金融发展可以促进该地区能源效率的提高。

地区金融发展对于当地技术创新和人力资本水平提升有着直接的作用， 而技术创新和高水平的人力资本又直接影响着地区能源效率。

从技术创新方面看， 地区金融发展对该地区的新技术研发具有显著的推动作用。 首先， 金融发展带来金融体系规模的扩大， 企业能够得到来自金融机构更多的融资支持。 当金融发展使得企业融资环境改善后， 企业有能力将更多的资金投入到生产技术升级中， 在进行技术创新时面临的融资约束也会大大减少。 其次， 金融发展的一个重要表现是信贷市场的发展， 而银行信贷在进行对象选择时往往更倾向于高效率企业， 银行信贷对信贷对象的这种选择性行为也会对技术落后企业的技术创新产生激励作用。 再次， 金融机构可以有效分散企业新技术研发过程中的各类风险， 推动企业技术创新进程。 内生金融发展理论指出， 金融中介可以在贸易双方进行交易时通过风险管理和风险分散功能有效降低流动性风险， 从而满足企业在进行技术创新、 产品研发过程中风险分散的需求[24]。 最后， 一个国家或地区的金融开放度也会对技术创新产生影响， 且这种影响往往会通过外资企业体现出来。 具体来讲， 当一地区具有较高水平的金融开放度时， 可以通过技术转移效应或者技术溢出效应增加东道主国外资企业的技术水平， 推动外资企业技术创新能力的提升[25]。 企业技术创新可以通过不同的渠道影响区域的能源效率。 第一， 技术创新可直接影响企业生产设备的升级速度， 促进企业生产设备更新换代， 提高设备运行效率， 从而创造新的生产组合， 改变生产过程中各类生产要素的使用和投入量， 优化能源要素的加工转化率[26]， 最终减少能源消耗， 改善能源使用结构， 提高能源使用效率。 第二， 企业的技术创新可以推动产业的升级， 通过新技术发展新兴产业， 实现产业结构优化， 最终提高能源效率[27]。

在人力资本方面， 金融发展通过信贷和资本配置两种功能以及金融开放对地区人力资本的提高产生影响。 信贷功能是指区域金融发展带来的金融体系规模扩大给当地教育机构等人力资源相关机构和部门的发展以及地区人力资本的提升提供了必要的资金支持。而金融系统的资本配置功能会通过提高金融机构的运作效率， 将借贷资金的数量和方向加以控制， 推动当地创新创业的发展， 通过提供更多的就业机会、 提供更好的工资待遇来改善就业条件， 吸引更多外来人才， 提升当地人力资本水平。 在开放型经济中， 一个地区的金融对外开放水平同样会对人力资本的提高产生积极影响。 当某一地区的外商投资增加时， 可以通过企业培训增加外资企业管理者的管理经验， 提高劳动者的技术水平。 此外， 不同类型企业间的交流可以使得外资企业的先进技术和管理经验通过溢出效应向其他类型企业扩散[28]， 从而提高整个地区的人力资本水平。 同技术创新类似， 人力资本水平提高也会通过不同的渠道对能源效率产生影响。 首先， 高水平的人力资本会扩大企业可选择的劳动力类型， 高质量的劳动力可以加快人力资本和物质资本的匹配速度[29]， 通过推动新型产品研发的方式， 减少能源消耗， 提高能源效率。 其次， 企业生产过程中人力资本的提高往往会体现为企业管理水平的进步， 劳动力素质的提升。素质水平较高的劳动力和管理人员通常具有较强的环保意识和可持续发展观念， 在生产过程中会更多考虑污染排放等问题， 从而加大清洁能源使用力度， 改善生产能源使用结构， 最终实现能源效率的提高。 最后， 较高水平的人力资本可以推动技术创新成果的转化， 使得新技术在生产过程中得到更好的吸收， 从而更快地实现能源效率的提高。 基于此， 提出本文的第二个假设。

H2： 地区金融发展可能通过促进技术创新、 提高人力资本改善能源效率。

由于中国各地金融发展水平以及变化趋势存在一定差异[30]， 东部地区凭借经济发展和对外开放等优势， 拥有较为完善的金融体系， 相应地， 金融发展水平较高。 而中西部地区由于地理位置、 经济发展动力不足等因素， 拥有相对有限的金融资源， 金融体系中银行信贷的间接融资体系占主导地位， 而直接融资体系的发展相对落后[31]。 在20 世纪90 年代的金融体制改革后， 中西部地区仍然存在金融资源外流的现象[30]， 这使得该地区金融发展长期处于较低水平。 不同的金融发展水平可能会导致其对能源效率的影响程度存在地域性差异。 相较于中西部地区， 东部地区更大的金融发展规模以及更加灵活健全的金融机构能够给企业提供更多的资金支持， 在更大程度上减轻企业进行创新时所面临的融资约束。 除此之外， 东部地区尤其是沿海地区更高的金融开放水平也会给该地区带来更多的技术溢出效应。 各方面因素的综合作用， 使得东部地区能够在更大程度上发挥金融发展对于能源效率的提升作用。 就中西部地区而言，虽然近年来政府陆续出台相关政策鼓励国内东部地区以及国外产业向中西部地区转移， 但有限的经济金融环境使得产业转移主要集中于传统的资源密集型产业， 存在着较高的能源消耗水平。 此外， 直接金融体系发展落后使得企业的生产创新资本运转需求无法得到金融系统的有效支持， 造成中西部地区的生产技术创新水平一直处于相对落后状态， 创新能力不足一方面直接影响了地区能源效率的提升， 另一方面， 较弱的创新科研能力不利于FDI 技术溢出效应的发挥， 能源结构优化进程受阻， 从而间接影响地区能源效率的提升[31]。 基于此， 提出本文的第三个假设。

H3： 就中国而言， 地区金融发展对能源效率的影响存在地区异质性， 东部地区金融发展对能源效率的提升作用大于中西部地区。

3 实证模型设定、 变量选取及数据说明

在理论分析的基础之上， 本部分通过计量分析来考察金融发展对能源效率的影响。

3.1 实证模型设定

3.1.1 基本实证模型

为考察中国金融发展对能源效率的影响， 构建了如下模型：

其中，NDDFi，t表示某一省份i在t时期的能源效率； α1表示金融发展水平对能源效率的影响程度；fdi，t表示金融发展水平， 分别使用信贷规模 （fd1）、 金融相关性 （fd2）、 金融开放度 （fd3） 三项指标进行衡量；Controli，t表示控制变量；ProvinceFE表示在面板数据固定效应模型中对地区因素进行了控制； εi，t表示随机扰动项。

3.1.2 中介效应模型

为考察金融发展和能源效率之间的中介效应，根据已有指标， 我们使用中介效应模型[32]分析地区金融发展是否会通过影响技术创新以及人力资本水平进而对地区能源效率产生影响。 根据中介效应模型， （3-2） 为回归的第一阶段， （3-3）、 （3-4）为回归的第二阶段， （3-5）、 （3-6） 为回归的第三阶段：

其中， α1表示当期区域金融发展水平对能源效率的影响程度；rdi，t表示技术创新水平； β1表示当期的金融发展水平对技术创新的影响程度；edui，t表示人力资本水平； δ1表示当期的金融发展水平对人力资本的影响程度； γ2表示当期的技术创新对能源效率的影响程度； ρ2表示当期的人力资本对能源效率的影响程度。

3.1.3 内生性处理模型

针对本文可能存在的内生性问题， 采取准自然实验的方法加以解决。 本部分选取了2015 年12 月份出台的以广东、 天津和福建等地为先行试点的区域金融改革方案， 把此次区域金融改革看作一项准自然实验， 使用政策评估中常见的 “ 匹配倍差法（PSM-DID）” 对地区金融发展的效应进行估计。 在运用倍差法 （DID） 进行政策评价时， 要求区域金融改革方案出台前， 处理组和控制组省份应具有共同的时间趋势， 不存在选择性偏误。 所以在运用倍差法前需采用倾向得分匹配 （PSM）， 以降低选择性偏误导致的内生性问题。 倾向得分匹配中协变量的选择依据是能够影响金融改革政策出台和地区能源效率的变量， 以使得处理组和控制组的地区在各方面特征上尽可能地相似。 因此， 本文选择地区经济发展水平（lngdp-per）、 对外开放水平 （open）、 政府干预程度（gov）、 人力资本 （edu） 以及能源消费结构 （ene）作为协变量， 采用1∶1 最近邻匹配法进行匹配， 得到了浙江、 河北、 重庆3 个与处理组省份 （广东、 天津和福建） 相似的控制组省份， 并在此基础上构建了如下模型：

其中，NDDFi，t表示某一省份i在t时期的能源效率；treadi，t为个体虚拟变量， 广东、 天津和福建3 个金融改革试点省份取1， 浙江、 河北、 重庆3 个未进行金融改革的省份取0；timei，t为时间虚拟变量， 政策实施后的年份 （2016、 2017） 取1， 政策实施前的年份 （2013、 2014、 2015） 取0； 交互项didi，t（did=tread×time） 表示政策实施后的省份，β1表示政策实施对处理组和控制组的影响差异；Controlsi，t表示控制变量， 变量选取与基本实证模型一致。

3.2 变量选取及数据说明

3.2.1 被解释变量的设定及测算

本文参考刘贯春等的做法， 使用非径向方向性距离函数 （NDDF） 对能源效率进行测算[20]。 投入变量设置为资本、 劳动力、 能源。 合意产出设置为各省的国内生产总值， 非合意产出设置为CO2排放量。 采用NDDF 测量的能源效率数值在0 到1 之间， 数值越大， 表示能源效率越高。

参考林伯强和刘泓汛的做法， 假设有N 个决策单元， 定义用于测量各决策单元能源效率的非径向方向距离函数（NDDF）[33]：

其中，K、L、E分别为投入要素资本、 劳动力、能源；Y为合意产出地区生产总值；C为非合意产出CO2排放量。WT= （ωK， ωL， ωE， ωY， ωC） 为权重向量，B= （βK， βL， βE， βY， βC）T≥0 为松弛向量，G= （-gK，-gL， -gE， gY， -gC） 表示方向向量。

为计算各省份的能源效率， 建立如下DEA 模型：

3.2.2 解释变量的设定及数据来源

主要的解释变量是金融发展水平。 本文选取了3个地区金融发展水平的衡量指标。 首先， 借鉴方福前和邢炜的做法， 选取信贷规模 （fd1） 和金融相关性（fd2） 来衡量[34]。 信贷指标表示为各地区金融机构年末贷款额除以GDP， 金融相关性指标表示为各地区金融机构年末存贷款余额之和除以GDP， 相关数据来源于WIND 数据库。 此外， 借鉴严成樑等的做法， 用金融开放度 （fd3）， 即FDI与GDP 的比值， 来表示从国外融资视角衡量的金融发展水平[2]， 相关数据来源于《中国统计年鉴》。

此外， 为增强实证结果的稳健性， 本文在模型中加入了以下控制变量： 城镇化水平 （urban）、 政府干预 （gov）、 能源消费结构 （ene）、 产业结构 （struc）、经济发展水平 （lngdp-per）。 其中， 城镇化水平用城镇人口占总人口的比重表示； 政府干预程度用政府财政支出占GDP 比重表示； 能源消费结构用煤炭消费占能源消费的比重表示； 产业结构用第三产业产值占GDP 的比重表示； 经济发展水平用不变价人均GDP的对数表示。 相关数据来源于《中国统计年鉴》。

中介变量包括技术创新（rd） 和人力资本（edu）。其中， 技术创新用R&D 经费支出与GDP 的比重表示； 人力资本用地区平均受教育年限表示。 相关数据来源于《中国统计年鉴》。

本文选取的样本数据为中国2004—2017 年30 个省级行政区的面板数据②由于相关数据的缺失， 不包括西藏、 香港、 澳门和台湾。。 为防止指标样本离群值造成估计偏差， 本文对其进行缩尾处理， 表1 为各变量的统计性描述。

表1 变量描述性统计

4 实证分析结果

4.1 基本估计结果分析

由于本文所采用的是面板数据， 根据Hausman 检验结果， 选择固定效应模型。 我们首先使用回归模型进行固定效应面板数据回归， 结果如表2 所示。 从表中可以看到， 无论是否加入控制变量， 金融发展代理变量fd1、fd2、fd3 与能源效率指标的回归系数在1%的水平上显著为正。 根据表2 中 （4） —（6） 列中金融发展的估计系数可得， 加入控制变量后， 当信贷规模 （fd1） 提升1 单位， 能源效率提高0.054 个单位，当金融相关性 （fd2） 提高1 单位， 能源效率提高0.044 个单位， 当金融开放度 （fd3） 提高1 单位， 能源效率提高0.103 个单位。 综上所述， 地区金融发展水平对地区能源效率产生了显著的正向影响， 基本实证结果支持了假设1。

回归中其余控制变量的系数中， 城镇化水平指标（urban） 在金融发展三项指标fd1、fd2、fd3 的回归中， 均在5%的水平上显著， 且均为负相关， 这表明，城镇化水平越高， 能源效率越低。 政府干预指标（gov） 和能源消费结构指标 （ene） 在1%水平上显著， 且均为负相关， 这表明， 政府干预力度越大， 能源效率越低。 能源消费结构 （ene） 指标在1%水平上显著， 且均为负相关， 这表明， 煤炭消费在能源消费中所占比重越大， 能源效率越低。 产业结构指标（struc） 与能源效率指标在1%的水平上显著， 且均为正相关， 这表明第三产业产值占GDP 的比重越大，能源效率越高。 地区经济发展水平指标 （lngdp_per）在1%水平上显著正相关， 这表明， 地区经济发展水平越高， 该地区能源效率越高。

4.2 中介效应分析

本部分将具体考察金融发展提升能源效率的传导机制。 中介效应模型的实证分析结果如表3—表4 所示。 首先， 基于前文设定的模型 （3-2） 进行固定效应面板数据回归， 得到中介机制第一阶段回归结果如表2 第（4）—（6） 列所示。 表3 中的第（1）—（3） 列是针对模型（3-3） 的以技术创新（rd） 为中介变量的中介机制第二阶段回归结果， 地区金融发展指数的回归系数均在1%水平下显著为正， 这说明， 地区金融发展水平越高， 该地区的技术创新越活跃。 表4 中的第 （1）—（3） 列为模型 （3-4） 的以人力资本 （edu）为中介变量的中介机制第二阶段回归结果， 地区金融发展指数fd1 和fd2 的回归系数在1%水平下也显著为正， 这说明， 地区金融发展可促进人力资本提升。 表3 中的第 （4）—（6） 列为模型 （3-5） 的以技术创新（rd） 为中介变量的中介机制第三阶段回归结果， 根据结果可知， 地区金融发展指标、 技术创新指标的回归系数均在1%水平下显著为正， 这说明， 技术创新在地区金融发展对能源效率的影响中起着重要的中介作用。 同理， 表4 中的第 （4）—（6） 列为模型 （3-6）的人力资本 （edu） 为中介变量的中介机制第三阶段回归结果， 根据结果可知， 地区金融发展指标、 人力资本指标的回归系数分别在10%、 5%和1%水平下显著为正， 这说明， 人力资本也在地区金融发展对能源效率的影响发挥了重要的中介作用， 验证了文章第三部分的假设2。

表2 金融发展对能源效率的提升作用

表3 技术创新中介机制回归结果

表4 人力资本中介机制回归结果

4.3 稳健性检验

在实证分析中， 模型中可能存在的内生性问题会对估计结果的稳健性产生影响， 排除内生性是提升实证结果可信度的重要方法。 上文通过添加控制变量的方式对因遗漏变量出现的内生性问题进行了控制。 为进一步检验和排除内生性问题， 本部分通过以下两种方法进行处理： ①采用PSM-DID 方法进行分析。PSM 方法有效解决了平行趋势假设的问题， 但是在对样本进行倾向得分匹配处理后， 需要对匹配结果的可靠性进行检验。 表5 是倾向得分匹配平衡性检验结果， 可看出， 在匹配之前， 人力资本 （edu） 和地区经济发展水平 （lngdp_per） 存在显著性差异， 在匹配后， 所有变量均不存在显著性差异， 验证了本文匹配结果的可靠性。

表5 平衡性检验结果

PSM-DID 回归结果见表6， 从表6 可看出， 关键解释变量did的回归系数在加入控制变量前后符号均为正。 这表明， 金融改革方案的出台对地区能源效率的提升有正向促进作用。

表6 PSM-DID 模型检验结果

②针对反向因果关系造成的内生性问题， 借鉴严成樑的方法， 将金融发展三项指标 （fd1、fd2、fd3）的滞后一期作为核心解释变量进行回归[35]。 结果显示金融发展三项指标滞后一期对应的系数显著为正， 说明在金融发展和能源效率关系中， 金融发展对能源效率的影响占主导地位。 以上两种处理方法进一步证明了在考虑内生性问题后， 本文结果依然具有稳健性，即金融发展水平显著影响着地区的能源效率。

为进一步增强研究结果的可靠性， 通过以下方法进行稳健性检验： ①替换被解释变量。 采用能源强度（地区能源消费总量与GDP 的比值） 作为能源效率的反向指标（ei）， 代替被解释变量进行回归， 能源消费强度是衡量地区能源效率的重要方式， 能源消费强度降低代表着地区能源利用效率的提高。 ②替换核心解释变量。 将核心解释变量金融发展的指标替换为金融业GDP 与第三产业GDP 的比值 （fs3）。 以上几种稳健性检验方法中的核心解释变量的估计结果与前文保持一致。 这再次证明本文的回归结果是稳健可靠的，进一步验证了本文假设1 提出的论断*。

4.4 异质性分析

中国幅员辽阔， 各种因素决定了地区之间金融发展状况的差异性， 为考察中国东部、 中部和西部3 个地区金融发展对能源效率影响的差异， 本文按照三大区域建立同 （3-1） 形式一致的模型进行分组回归。回归结果如表7—表9 所示， 可看出， 东部地区金融发展水平的三项指标对能源效率的影响同基准回归结果一致， 二者呈显著的正相关关系， 表明东部地区的金融发展对能源效率有显著的促进作用。 中部地区以金融相关性指标 （fd2） 所表示的金融发展水平指标与能源效率的回归系数在5%的显著性水平上显著，而信贷指标 （fd1） 和金融开放度指标 （fd3） 与能源效率指标之间无显著性关系， 说明东部地区金融发展在能源效率提升中发挥的作用大于中部地区， 且金融发展在中国中部地区能源效率提升中的作用有限。 西部地区金融发展水平的三项指标与能源效率指标的回归系数在1%、 5%以及10%的显著性水平上皆不显著， 这表明， 西部地区的金融发展对能源效率的提升并没有明显的促进作用。 中国各地区之间金融发展对能源效率的影响存在较大差异， 呈现出 “强者愈强、弱者愈弱” 的 “马太效应”， 同时验证了文章第三部分的假设3。

表7 东部地区回归结果

表9 西部地区回归结果

表8 中部地区回归结果

5 结论和政策建议

能源效率代表了区域能源投入产出的转化效率，是经济社会可持续发展的重要衡量指标[36]。 近年来，国内外学者对能源效率的研究不断深入， 从能源价格、 能源消费结构、 经济发展等多个角度对能源效率的影响因素进行了探讨， 但从金融发展入手研究能源效率的文献相对较少。 区域金融发展通过完善资金流动等途径对能源效率产生了重要影响， 应当受到足够重视。

本文基于中国2004—2017 年的省际面板数据，在用NDDF 测算各省份能源效率的基础上， 通过实证分析了地区金融发展对能源效率的影响机制， 主要结论如下： ①从全国层面来看， 地区金融发展对能源效率提升有正面促进作用。 但从地区层面来看， 东、中、 西部存在明显地区差异， 呈现出 “马太效应”。②技术创新和人力资本在金融发展影响能源效率的传导机制中， 发挥着显著的中介效应。

本文的分析结果充分证明了金融发展对于提升能源效率的重要性， 提高金融发展水平应当受到足够重视。 但从中国目前状况来看， 中国的金融发展还存在诸多问题， 金融发展体系不够完善。 例如， 企业在通过银行等媒介进行融资时， 仍然存在交易成本较高的问题； 在开放经济的条件下， 中国金融市场的对外开放水平较低， 与中国实体经济对外开放水平不相符等。 为此， 本文提出以下几点政策建议： ①加大金融体系改革力度。 一方面要合理利用银行信贷的选择性特征， 使得更多资金流向环境友好型、 资源节约型企业； 另一方面要优化金融体系的资本配置功能， 出台政策引导类信贷， 充分发挥银行信贷对技术创新和人力资本提升的推动作用， 给予技术创新和人力发展的相关部门以充足的资金支持， 减少相关部门、 企业融资过程中的交易成本。 ②重视金融市场的风险分散和风险管理功能， 引导创新项目投资者选择合适的投资组合， 将组合风险控制在自身可承受范围之内， 以减少技术创新、 项目研发过程中的各类风险。 ③因地制宜进行区域金融体制创新改革， 东部地区在完善金融结构提高金融体系运作效率的同时， 应将目光转向国际市场， 出台有助于外商直接投资的政策法规， 加强金融市场对外开放制度管理， 充分发挥金融开放对能源效率积极作用的优势。 中西部地区金融发展首先要充分发挥银行市场的主导作用， 与此同时，要将目光投向资本市场的完善方面， 例如加大对中西部地区资本市场的监管力度， 推动股票市场、 债券市场的改革。 此外， 中西部地区要重视政策性金融的作用， 通过资金融通培养新能源等环境友好型产业。