我国绿色财政产出效率的地区差异、动态演变及时空收敛性

刘高秀，刘菖山，孙 婧

(云南师范大学经济与管理学院，云南 昆明 650500)

一、引 言

推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。在绿色发展理念的指引下，中国经济增长迫切需要实现绿色效率变革，而摒弃传统的“资源掠夺式”发展理念、实现资源消耗型经济增长向环境友好型经济增长转变显得尤为重要[1]。

习近平总书记在党的二十大报告中强调，要完善支持绿色发展的财税、金融、投资、价格政策和标准体系，积极稳妥推进碳达峰、碳中和。作为国家治理的基础和重要支柱，财政在推动经济绿色发展过程中发挥着重要作用。实质性地改善环境，不仅要加强末端治理，还要通过政府使用财税手段来改变资源配置的激励机制[2]，推动有为政府和有效市场更好结合，让经济和能源结构变得更加绿色。近年来，随着财政对重点行业领域绿色低碳转型升级的支持力度逐渐加大，我国财政发展“绿色化”特征逐步凸显[3]。通过推行绿色债券税收优惠、绿色贷款财政贴息、国家绿色发展基金等多元财政政策工具[4]，我国引导更多资金投向绿色低碳产业领域，快速满足了发展绿色产业的资本需求。

绿色财政政策的实施能否有效助力“双碳”目标的达成，已成为学者以及相关政策制定者迫切关心的话题。然而，尽管部分学者测算了区域和行业层面绿色创新效率以及绿色全要素生产率，但鲜有学者从现实层面关注地方政府绿色财政产出效率的话题。我国地方政府的绿色财政产出是否有效？各省的绿色财政产出效率是否存在显著性差异？其效率损失的来源是什么？随着时间推移，我国绿色财政产出效率是否会出现动态转移，并最终趋向于同一个最优稳态水平？科学、严谨地回答这些问题对相关部门加强财政资源统筹、优化财政支出结构以及提高绿色财政政策的精准性有重要的理论意义和现实意义。

二、文献综述

与本文研究主题相关的文献可以大致分为以下三类。第一，绿色财税政策理论与实证研究。从理论内涵上看，绿色财政一般是指中央和地方财政部门通过财政支出、税收激励、政府采购等政策协同发力，在保持经济宏观调控功能的同时发挥财政政策在污染治理、节能减排、生态保护等方面的管理作用[5]。从其表现外延上看，绿色财政主要包括绿色财政收入、绿色财政支出、绿色税收优惠和绿色财政管理等环节。绿色财政相关理论研究大多侧重于对其理论内涵、内在逻辑、政策效果等相关问题进行学理阐述，依托不同理论、不同分析方法对绿色低碳发展的财税政策体系进行探索性分析。在实证层面，现有文献主要使用“节能减排财政政策综合示范城市”试点等政策冲击评估绿色财政政策效果[6][7]。此外，也有学者通过构建存量流量一致性模型、动态一般均衡模型研究绿色财政金融政策的宏观经济效应以及环境保护税和绿色财政政策的耦合机制[8][9]。第二，绿色创新效率以及绿色全要素生产率测算研究。此类研究的测算方法可大致分为以随机前沿分析法(SFA)为主的参数法[10]、以数据包络分析法(DEA)为主的非参数法[11]，以及改进的DEA、SFA 方法[12][13]。然而，以上方法在效率测算过程中并未将所有数据单元放在同一个前沿面进行比较，可能会忽略各数据单元之间存在的技术差异，导致测算出来的绿色效率数值存在偏差。O’Donnell等(2008)[14]提出的共同前沿理论有效弥补了上述两种方法存在的缺陷，被国内外学者广泛运用于区域和行业层面创新效率以及环境效率测算[15][16]。第三，效率测算以及区域差异、动态演变及收敛性研究。此类研究又可以细分为绿色效率相关和非绿色效率相关两类研究[17][18][19]。

与现有文献相比，本文可能的贡献在于：(1)从地方财政视角切入，根据财政发展水平差异将省份划分为不同群组，之后从多维度构建绿色财政产出效率评价指标，以测算各省绿色财政产出效率；(2)尝试对绿色财政产出无效率数值进行分解，探究各省效率损失来源并梳理未来效率提升的重点；(3)拓展分析我国绿色财政产出效率存在的区域差异现状、动态演变趋势以及时空收敛特征，为各省科学制定绿色财政政策、系统编制绿色财政产出效率提升方针提供量化支持。

三、研究方法、变量选取与数据说明

(一)研究方法

参考O’Donnell等(2008)[14]、钱丽等(2021)[15]、Choi等(2015)[16]及Chiu等(2012)[20]的处理方法，运用包含非期望产出的共同前沿SBM-DEA模型，测算共同前沿和群组前沿下各省绿色财政产出效率MF和GFτ，进而计算得到共同技术比率MTR、绿色财政产出无效率GFIE、技术差距无效率TGI和管理无效率GMI。

(二)变量选取

1.共同前沿SBM-DEA模型变量选取。由于我国不同省份在经济发展水平、财政收支均衡、债务可持续等方面均存在显著差异，如果将所有省份的指标变量放入同一个技术前沿面进行比较，测算得到的绿色财政产出效率可能会偏离实际效率值，进而使得研究结论出现偏差，难以真实反映各省绿色财政产出效率。

现有文献大多根据省份所在区域，把所有省份划分为东、中、西三个群组进行测算[21]。这种划分标准忽视了各省财政发展的异质性，难以将财政发展水平相似的省份置于同一群组进行比较。基于群组划分标准的科学性与严谨性，本文参考中国人民大学财税研究所《中国各地区财政发展指数报告2022》中的指标体系，测算2007—2020年我国各省财政发展总指数，并根据指数测算结果的均值进行排序，将省份划分为财政发展高水平地区、中水平地区和低水平地区三个群组(1)根据指数测算结果的均值从高到低排序，财政发展高水平地区包括上海、北京、浙江、广东、山西、山东、江苏、内蒙古、辽宁、宁夏在内的10个省份；财政发展中水平地区包括天津、吉林、福建、河北、黑龙江、陕西、甘肃、河南、湖北、江西、安徽在内的11个省份；财政发展低水平地区包含海南、湖南、西藏、云南、广西、四川、新疆、贵州、青海、重庆在内的10个省份。。在划分群组之后，本文参考钱丽等(2021)[15]、杨冕等(2022)[22]以及孙虹玉和刘泽杰(2023)[23]，多维度综合选择绿色财政产出效率的指标体系，详细指标如表1所示。

表1 绿色财政产出效率评价指标

2.控制变量选取。在进行空间条件β收敛检验时，本文将下列影响因素作为控制变量纳入空间杜宾模型：政府财政规模(Gov)，用一般公共预算支出占实际GDP比重衡量；城镇化程度(Urb)，用年末城镇人口比重衡量；教育水平(Edu)，用高等学校在校生人数衡量；基础设施水平(Infra)，用人均城市道路面积衡量；城市人口密度(Pop)，用常住人口与城市面积比值衡量；环境规制强度(Regu)，用工业污染治理投资额来衡量；对外开放程度(Open)，用进出口总额与实际GDP比值衡量；地方金融杠杆(Finan)，用金融机构贷款余额与存款余额的比值衡量；公共医疗服务水平(Med)，用每万人拥有卫生技术人员数来衡量；民生必要消费水平(Consu)，通过计算恩格尔系数进行衡量(2)限于篇幅，控制变量的描述性分析结果未列出，作者备索。。

(三)数据说明

本文基于2007—2020年我国31个省份(不含港澳台地区)面板数据，使用共同前沿SBM-DEA模型、Dagum基尼系数、马尔科夫模型和时空收敛模型测算我国各省绿色财政产出效率，分析效率变化趋势及损失来源，并对绿色财政产出效率的区域差异、动态演变和时空收敛性进行研究。本文数据来源于各省统计年鉴、政府工作报告、《中国科技统计年鉴》、国家统计局、中国人民大学财税研究所网站，部分缺失数据通过查询Wind 数据库或者使用插值法补齐。

四、我国绿色财政产出效率测算及分析

(一)我国绿色财政产出效率测算

根据测算，共同前沿和群组前沿下我国绿色财政产出效率年平均值分别为0.674和0.772，表明从全国来看，我国各省的绿色财政产出均存在不同程度的效率损失。两种前沿下绿色财政产出效率还有32.6%和22.8%的提升空间，未来应坚持新发展理念，坚定不移走绿色低碳的高质量发展道路，通过统筹谋划、协调推动全国不同区域绿色低碳技术产业布局，降低单位产出效率损失。

由表2可知，分群组来看，共同前沿下我国财政发展高中低水平地区的绿色财政产出效率年平均值分别为0.709、0.632、0.686，高水平地区的绿色财政产出效率显著高于中、低地区，中、低地区绿色财政产出效率分别有36.8%和31.4%的提升空间。总体而言，财政发展高水平地区往往能够通过不断强化政府引导作用构建有利于低碳绿色发展的财政制度标准体系，提升绿色财政产出效率。

表2 我国各省绿色财政产出效率(3)限于篇幅，表2—表4未列示所有年份结果，作者备索。

分省份来看，共同前沿下绿色财政产出效率年平均值最高的省份为广东，效率值高达0.989；海南、四川和江苏的绿色财政产出效率年平均值均大于0.9，依次位于全国第2至4位，表明这些省份能够完整、准确、全面贯彻新发展理念，坚持降碳、减污、扩绿、增长协同推进，提高绿色财政产出效率。此外，共有13个省份绿色财政产出效率年平均值低于全国均值，其中山西、云南、甘肃和青海效率年平均值均低于0.5，需要引起高度重视。

(二)共同前沿下我国绿色财政产出效率变化趋势

根据表2，共同前沿下我国绿色财政产出效率呈现波动上涨趋势，全国均值从2007年的0.613上升到2020年的0.656。分群组来看，财政发展高水平和中水平地区绿色财政产出效率变化趋势与全国变化趋势保持一致，地区均值整体呈现波动上升趋势，且2020年之后，这两个地区的绿色财政产出效率增长惯性较为明显。此外，所有地区的绿色财政产出效率在2017年均出现了明显下降，使得2017年前后各地区效率出现明显波动。究其原因，根据生态环境部公布的《2017中国生态环境状况公报》以及中国环境监测总站发布的信息可知，2017年我国全国臭氧超标率明显增加，峰值浓度出现明显抬升。在此背景下，国务院在2017年开展第二次全国污染源普查，各地区持续开展污染防治行动，并加大财政对生态环境保护的支持力度，短期内对相关产业造成冲击，这在一定程度上对该年度绿色财政产出效率产生抑制影响。但从长期来看，各地区绿色财政产出效率均有所提升。

(三)共同前沿下我国绿色财政产出无效率分解与提升重点

上述分析表明我国各省的绿色财政产出均存在不同程度的效率损失。为了更好探究各省效率损失来源并梳理未来效率提升的重点，本文对绿色财政产出无效率数值进行分解。首先，使用表2共同前沿下我国各省绿色财政产出效率年平均值，依次计算GFIE、TGI以及GMI，进而分析各省效率损失来源。其次，分别计算TGI和GMI与GFIE的比值，其中TGI/GFIE为技术差距无效率占比，GMI/GFIE为管理无效率占比。最后，根据测算的比值大小，本文梳理各省未来效率提升的重点。

根据测算结果可知(4)限于篇幅，具体测算与分解结果未列出，作者备索。，共同前沿下我国绿色财政产出无效率的全国均值为0.326，其中，技术差距无效率占比为30.1%，管理无效率占比为69.9%。这表明从全国层面来看，绿色财政政策在绿色低碳技术创新、产业结构和能源结构优化升级等方面的管理上存在产出效率损失。

分群组来看，财政发展高中低水平地区的技术差距无效率占比分别为34.6%、46.6%、4.8%，管理无效率占比分别为65.4%、53.4%、95.2%。这表明财政发展高、中水平省份的绿色财政产出效率会受到技术差距无效率和管理无效率的双重影响，而财政发展低水平地区省份的绿色财政产出效率损失主要由于管理无效率引起。

分省份来看，四川、福建、北京、黑龙江的技术差距无效率占比均超过60%，而管理无效率占比较低。未来这些省份应大力推动绿色低碳技术研发、示范和应用，发挥技术、管理和工程的协同作用，为提升本省绿色财政产出效率提供重要科技支撑。江苏、山东、海南、云南、西藏、青海的管理无效率占比均达到100%，这些省份应进一步优化能耗双控政策，完善保障方案及配套制度，推动本省相关领域改革，加快构建绿色低碳技术和产业创新体系，提升本省绿色财政产出效率。

五、我国绿色财政产出效率的地区差异、动态演变和时空收敛性

(一)地区差异

为了分析不同地区效率的差异，本文参考Dagum(1977)[24]的分解方法，运用Dagum基尼系数对我国绿色财政产出效率差异进行测算与分解，结果如表3所示。由表3可知，2007—2020年我国绿色财政产出效率的总体基尼系数整体呈现波动下降趋势，总体基尼系数从2007年的0.239降至2020年的0.169，降幅达到29.29%。这表明在观测期内，我国绿色财政产出效率的地区差异逐渐缩小，均衡化水平不断提升。具体来看，2007—2016年我国绿色财政产出效率的总体基尼系数呈现稳定下降趋势，2016—2020年份呈现小幅波动上升趋势，这与前文结论保持一致。超变密度差异与总体基尼系数的波动趋势保持一致，且超变密度对总体基尼系数的贡献率均值达到51.512%，表明我国绿色财政产出效率的总体差异变化主要源于不同财政发展水平地区之间的交叉重叠影响。此外，地区内和地区间差异整体呈现平缓下降趋势，且地区间差异对总体基尼系数的贡献率均值仅为17.713%，表明地区内和地区间差异并不是影响我国绿色财政产出效率总体差异变化的核心因素。

表3 我国绿色财政产出效率的Dagum总体基尼系数及其分解

从表4地区间差异变动数值来看，财政发展高中低水平地区间差异系数呈现下降趋势。从2007到2020年，高—中、高—低、中—低水平地区间基尼系数降幅分别达到32.61%、27.49%、25.34%，这表明财政发展高中低水平地区间的绿色财政产出效率差异在样本期内有所降低。此外，根据表4，从地区内差异变动数值来看，财政发展高中低水平地区内绿色财政产出效率的基尼系数年平均值分别为0.159、0.130、0.209，表明财政发展低水平地区内各省份绿色财政产出效率差异化最大。具体来看，处于财政发展低水平地区的省份产出效率差距较为明显，例如共同前沿下海南的绿色财政产出效率年平均值高达0.946，而同群组内的青海仅为0.169。此外，财政发展高水平地区绿色财政产出效率的组内差异大于中水平地区，可能的原因是财政发展高水平地区内部所包含的省份在财政管理体系成熟度以及绿色科技创新能力上存在一定差距，导致组内差异大于中水平地区。

表4 我国绿色财政产出效率的Dagum分地区基尼系数

(二)动态演变分析

为了更好反映我国各省份绿色财政产出效率值变动的可能性及其内部动态转移趋势，本文引入马尔科夫模型及空间马尔科夫模型进行分析。参考Sergio和Brett(1999)[25]，本文将样本期内各省按照共同前沿下绿色财政产出效率由低到高排序，并使用经典的四分位划分法，将各省划分为绿色财政产出低效率(绿色财政产出效率<下分位数)、中低效率(下分位数≤绿色财政产出效率≤中位数)、中高效率(中位数<绿色财政产出效率≤上分位数)、高效率(绿色财政产出效率>上分位数)四种不同类型，之后运用马尔科夫模型测算不同产出效率类型的转移概率矩阵。

1.马尔科夫模型。由传统的马尔科夫模型测算结果可知(5)限于篇幅，具体的测算结果未列出，作者备索。，转移概率矩阵对角线上的转移概率远大于非对角线上的转移概率，绿色财政产出低效率、中低效率、中高效率和高效率类型的省份在下一年度仍维持在原等级的概率分别为69%、46.08%、47.47%和72.55%，表明在样本期内，不同产出效率类型的省份具有相对稳定性，存在“俱乐部趋同”现象。低效率、中低效率和中高效率类型的省份在下一年度实现效率提升的概率分别为25%、29.41%和21.21%；中低效率、中高效率和高效率类型的省份在下一年度出现效率降级的概率分别为18.63%、24.24%和20.59%。这表明各省能够通过强化绿色发展低碳技术创新、推动产业结构深度优化等途径，综合提升本省劳动生产率和绿色产业附加值，进而推动本省绿色财政产出效率进入更高等级。此外，低效率类型的省份在下一年度有6%的概率提升至中高效率等级，中低效率类型的省份在下一年度有5.88%的概率提升至高效率等级，这表明我国可能会出现绿色财政产出效率“跨级跳跃式”现象，但“跨级跳跃式”转移的概率相对较低。

2.空间马尔科夫模型分析。在现实情况下，各省份绿色财政产出效率等级的提升或下降并不是孤立发生的，而是具有广泛的空间相关性。因此，本文将空间邻接矩阵(6)由于海南地理位置的特殊性，参考已有研究成果，在空间权重矩阵设置中，设置广东作为海南的相邻省份。引入马尔科夫模型，分析在空间滞后影响下，我国不同类型省份的绿色财政产出效率转移概率矩阵。

由表5可知，考虑空间邻接因素(7)稳健性检验尝试更换权重矩阵，使用空间经济距离矩阵、空间地理距离矩阵和空间经济地理嵌套矩阵重新进行测算，测算分析结果与正文所得结论保持一致。的影响之后，不同滞后类型下，t年财政产出效率属于低效率类型的省份在下一年度提升至中低效率等级的概率从传统马尔科夫模型测算的25%变为38.46%、19.44%、28.89%和0%，这表明各省之间存在的空间相关性会对绿色财政产出效率四种不同类型之间的动态转移产生显著影响。此外，在部分空间滞后类型下，转移概率矩阵对角线上的转移概率出现小于非对角线上的转移概率的情况，表明在考虑空间溢出效应时，绿色财政产出效率的“类型锁定”概率有所降低。此时，不同产出效率类型省份的“俱乐部趋同”现象会有所减弱，相对稳定性下降，这一现象在产出低效率和高效率滞后类型条件下更为明显。

表5 我国绿色财政产出效率的空间马尔科夫转移概率矩阵

此外，绿色财政产出效率等级较高的省份能够在一定程度上对其相邻省份起到正向空间溢出效应，提高相邻省份在下一年度效率类型向上转移的概率。以绿色财政产出效率中低效率类型为例，随着空间滞后类型的提升，中低效率省份在下一年度提升至中高效率等级的概率为23.08%、27.91%和36.84%。这表明绿色财政产出效率较高的省份能够有效发挥财政政策的协同作用，通过逐步推行绿色要素市场建设，完善绿色低碳政策体系，在当地形成可操作、可复制、可推广的绿色发展产出高效率模式，给邻近省份提供模式参考与制度借鉴，进而产生正向溢出效应。

(三)时空收敛性

马尔科夫模型的测算结果表明，不同产出效率类型省份之间存在动态转移的可能性。那么，在具备动态转移可能性的情况下，随着时间的推移，拥有不同绿色财政产出效率的省份最终是否会趋向于同一个最优稳态水平？为了回答这一问题，本文参考Barro和Sala-i-Martin(1992)[26]的处理方法，使用σ收敛和β收敛模型检验我国绿色财政产出效率的时空收敛特征(8)限于篇幅，σ收敛分析结果未列示，作者备索。。

1.σ收敛分析。本文使用变异系数法对2007—2020年我国绿色财政产出效率的σ系数进行测算。结果显示，共同前沿下我国绿色财政产出效率的σ系数在2007—2014年呈现曲折下降趋势，2014—2016年趋于平稳，2016年之后σ系数出现波动上升趋势。群组前沿下我国绿色财政产出效率σ系数的变动趋势和共同前沿变动趋势基本保持一致，并未呈现σ系数随年份的增长而稳定下降的趋势。总体来看，在样本期内，我国绿色财政产出效率未出现明显的σ收敛态势。

2.β收敛分析。β收敛理论认为绿色财政产出低效率省份会对高效率省份进行“追赶”，最终各省份产出效率会趋近于一个相同的稳态水平，实现效率趋同。上文空间马尔科夫模型的分析结果表明，各省之间存在的空间相关性会对绿色财政产出效率的动态转移产生显著影响。基于此，参考Elhorst(2014)[27]的处理方法，本文使用包含固定效应的空间杜宾模型(SDM)，引入空间邻接矩阵、空间经济距离矩阵、空间地理距离矩阵和空间经济地理嵌套矩阵进行空间β收敛检验(9)在研究过程中，本文还使用面板固定效应和面板随机效应模型对两种普通β收敛类型进行回归，所得结果与空间β收敛结果保持一致，均符合β收敛特征。此外，本文还使用绿色财政产出效率滞后项作为工具变量，使用SYS-GMM和FD-GMM模型进行内生性处理，结果依旧符合β收敛特征。，检验结果见表6。表6绝对收敛下的列(1)—(4)(条件收敛下的列(5)—(8))分别对应使用上述四种权重矩阵的检验结果。

表6 我国绿色财政产出效率的空间β收敛检验结果

由表6可知，不论是否考虑各省存在的现实差异，使用四种空间权重矩阵测算的空间β绝对收敛和空间β条件收敛模型的系数Beta均在1%的水平下显著为负，表明我国绿色财政产出效率存在明显的空间β绝对收敛和空间β条件收敛特征，不同省份的绿色财政产出效率最终会随着时间的推移收敛于同一个稳态水平。绝对收敛回归结果表明，若在模型测算中不加入控制变量，我国绿色财政产出效率的收敛速度分别为4.6364%、4.6360%、4.4112%和4.4718%，半程收敛周期分别为14.9501年、14.9514年、15.7135年和15.5006年。条件收敛回归结果表明，在考虑各省在政府财政规模、城镇化程度、教育水平等因素上存在的差异之后，收敛速度显著提升为6.3573%、6.0402%、6.0556%和8.4324%，并且半程收敛周期也相应缩短为10.9031年、11.4755年、11.4463年和8.2200年。空间β条件收敛速度显著快于空间β绝对收敛速度，表明各省存在的经济社会差异会显著影响本省绿色财政产出效率的收敛特征，这也从侧面说明本文控制变量的选取具备一定的合理性。此外，不论是绝对收敛还是条件收敛，模型的空间自回归系数rho均在1%的水平上显著为正，表明各省绿色财政产出效率存在明显的正向空间溢出效应，这也从侧面证明前文结论的可靠性。

六、结论与对策建议

本文基于2007—2020年我国31个省份的面板数据，对不同财政发展水平省份的绿色财政产出效率差异和变化趋势进行分析，并探究了我国绿色财政产出效率可能存在的区域差异现状、动态演变趋势以及时空收敛特征。本文主要结论如下：第一，我国绿色财政产出效率的地区差异逐渐缩小、均衡化水平不断提升，且效率总体差异变化主要源于财政发展不同水平地区之间的交叉重叠影响；第二，不同产出效率类型省份之间存在效率等级的动态转移现象和正向空间溢出效应；第三，我国绿色财政产出效率不存在σ收敛，但存在明显的空间β收敛特征，各省的绿色财政产出效率最终会趋向于同一个最优稳态水平。

根据研究结论，本文提出如下对策建议：第一，要将绿色发展理念贯穿财政政策执行的全过程，通过优化产业结构，加大绿色低碳技术应用力度，降低绿色财政产出效率损耗；第二，进一步加强对绿色环保的关注度，充分发挥区域差异规划、政策工具与绿色财政预算之间的联动效应，提升财政政策效能，逐步缩小我国绿色财政产出效率的总体地区差异；第三，要重视绿色财政产出效率不同类型省份之间存在的空间溢出效应以及收敛性特征，根据各省存在的经济资源禀赋差异制定适用于当地的绿色财税政策。