金融集聚、财政分权与OFDI绿色创新逆向异质效应研究

谢媛媛 类 骁 刘安然

（北京信息科技大学信息管理学院，北京 100192）

0 引言

以清洁能源和低碳技术为代表的绿色技术创新已成为经济与环境可持续发展的新引擎。与此同时，对外直接投资（Outwards Foreign Direct Investment,OFDI）不仅可以帮助本国企业优化资源配置，还可以通过吸收国外先进资本和技术获取逆向技术溢出效应，从而提高企业的技术创新能力。2021年中国对外直接投资净额1 788.2 亿美元，同比增长16.3%，由此可见，OFDI 在中国绿色转型发展道路上扮演日益重要的角色。绿色创新不同于一般的技术创新，其本身具有的“绿色”和“创新”双重外部性，往往导致创新主体缺乏足够的约束和激励，需要政府管控才能加以矫正［1］。OFDI 逆向溢出效应的发挥在一定程度上也会受外部经济的影响，尤其是资金支撑和金融结构。鉴于此，本研究选取金融集聚和财政分权作为调节变量，通过门槛模型来研究OFDI驱动区域绿色创新发展的异质影响。本研究对实现OFDI与绿色创新的协调长效发展具有重要的理论和实践意义。

1 文献综述

已有诸多文献关注OFDI在绿色创新发展中发挥的作用，但是研究结论尚未统一。多数研究支持“促进效用”。李国祥等［2］研究发现，中国企业的OFDI 对绿色技术创新具有显著的正向促进作用。还有部分学者研究结论与之相反，认为OFDI 对区域绿色创新发展的影响不显著，甚至可能会抑制国内的绿色创新发展水平［3-4］。OFDI驱动绿色创新的机制很可能受到其他外在约束的影响，从而具有明显的门槛特征。赵春雨等［5］研究证实，OFDI与绿色创新效率之间存在显著的市场化水平双重门槛。除此之外，产业升级［6］、环境规制［7］在OFDI 对绿色创新影响的研究中也具有显著的门槛效应。但是从金融集聚和财政分权等外部资金异质门槛来分析OFDI与绿色创新发展之间关系的研究还相对缺失，理论上讲，企业在开展对外投资并期望获得逆向技术溢出的过程中，离不开金融部门的资金支持，而政府支持也是发展中国家推动OFDI 的重要外部力量。不同的金融集聚程度和财政分权水平对OFDI驱动区域绿色创新发展产生了怎样的异质性调节机制，是值得思考的。

综上所述，部分学者就OFDI 与绿色创新发展之间的关系进行探讨，但是鲜有文献将金融集聚、财政分权纳入OFDI绿色创新溢出研究框架中。因此，本研究价值主要体现在以下两方面：一是构建了Super-SBM 模型测算省域绿色创新效率，解决了传统DEA 模型未考虑非期望产出带来的松弛偏误问题；二是引入门槛回归模型，从金融集聚和财政分权双重视角探讨OFDI对绿色创新效率的异质性影响，研究对于深入剖析OFDI 与绿色创新的互动作用，探索绿色创新区域协同发展机制具有重要的现实意义。

2 研究设计

2.1 Super-SBM模型构建

本研究综合分析投入、产出和污染排放物之间的关系并考虑效率评价中可能存在的松弛问题，构建非角度、非径向的Super-SBM 模型测算省域绿色创新效率［8］。构建模型如下。

设系统有n个决策单元，每个单元有投入X、期望产出Yg和非期望产出Yb三个向量，且X∈Rm,Ya∈Rw1,Yb∈Rw2，定义矩阵见式（1）。

设μ为密度向量，代表投入要素权重，当= 1 规模报酬可变时投入产出计算的效率值会出现明显差异，据此设定模型见式（2）、式（3）。

式中：w-、wg、wb分别表示投入、期望产出、非期望产出的松弛量，且严格单调递减；θ表示目标效率值，且0≤θ≤1。

2.2 门槛模型构建

为了客观地探究OFDI与绿色创新之间的异质变化规律，本研究基于Hansen 的方法［9］，以绿色创新效率为被解释变量，建立多重门槛模型，探讨金融集聚和财政分权对OFDI绿色创新效率的异质动态调节机制。设定门槛模型见式（4）。

式中：i表示区域；t表示年份；GIE表示绿色创新效率；OFDI表示对外直接投资指标；r表示门槛变量；n表示门槛个数；γ表示待估计的门槛值；X表示系列控制变量；I(·)为指示函数，当满足括号内的表达式时，取值为1，反之为0；α、β、θ为各变量系数；μ和η分别表示样本截面的个体效应和时间效应；ε表示误差项。

2.3 变量选取与说明

2.3.1 被解释变量：绿色创新效率（GIE）。本研究采用非期望产出Super-SBM 模型来测算中国省域的绿色创新效率，从投入、期望产出和非期望产出三个维度来衡量。其中，人员投入选取年末省域从业人数表示。资本投入采用研发资本存量表示，以2011 年为基期利用永续盘存法计算，折旧率取9.6%。除此之外，选取省域能源消耗总量并折算成标准煤来表示绿色技术创新的能源消耗。期望产出采用各省域的生产总值和绿色专利申请数来表示。非期望产出采用各省域二氧化碳、二氧化硫排放量、废水和固体废弃物的排放量作为代理指标。

2.3.2 解释变量：对外直接投资（OFDI）。本研究选取OFDI 的存量数据进行研究，根据历年平均汇率将各省域以美元为单位的OFDI换算成以人民币为单位的数据。为消除历年的价格因素影响，采用各省域OFDI 存量数据与同期GDP 比值进行衡量。

2.3.3 门槛变量：金融集聚（FA）和财政分权（FD）。目前空间集聚已成为金融发展的基本形态，区位熵能够客观评价空间要素的分布情况，具体计算方法见式（5）。

式中：FAit表示i省份金融业在t年份的区位熵值，FAit值大于1 则说明存在金融集聚现象，值越大，表示该省份的金融集聚程度越高；qit为t年i省份的金融业增加值；pit为t年i省份的地区生产总值；qt为t年全国的金融业增加值；pt为t年的国内生产总值。

关于财政分权的测量，采用省本级预算内财政收入与省本级预算内财政总支出的比值来表征。

2.3.4 控制变量。为了提高研究结果的可靠性，采取以下变量作为控制变量：产业结构优化ISO、研发资本投入RDI、外商直接投资FDI、人力资本HC、金融集聚FA、财政分权FD。产业结构优化采用第三产业与第二产业产值之比来衡量；研发资本投入采用省域人均研发经费的自然对数表示；外商直接投资采用各省域外商直接投资总额与同期GDP的比值来表示；人力资本通过对每十万人口高等学校平均在校生人数进行对数化处理来衡量；金融集聚和财政分权的描述及测度方法见上文门槛变量释义。

2.4 数据来源

本研究选取了2011—2020 年中国30 个省、自治区、直辖市（不包括西藏、香港、澳门和台湾）的面板数据进行计量分析。所有的数据均来源于历年的《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》、各省份统计年鉴、国家统计局及中国商务部官网，针对个别变量存在数据缺失等问题，采用插值法进行补全。

3 实证结果及分析

3.1 绿色创新效率结果及分析

2011—2020 中国各省份绿色创新效率平均水平如图1 所示。由图1 可以看出，2011—2020 年全国样本省份的绿色创新效率均值为0.499，效率均值超过1.000 的省市只有北京、上海、广东和浙江，说明中国绿色创新效率整体水平较低。从各省份的效率均值和排名来看，绿色创新效率处于领先的省份多来自东部地区，其中北京效率均值最高，为1.422，主要是由于这些省份的资源要素条件好、经济发展水平高、人才技术充足，是带动绿色转型发展的最主要力量。绿色创新效率落后的省份包括陕西、青海、新疆等西部地区，这些省份虽有着优质的自然资源，但由于地理位置相对较远、基础设施不完善使得当地缺少人才和技术，绿色创新活动无法有效开展，使效率值常年处于较低水平。如何稳步提升整体绿色创新效率水平的同时缩小地区间的差距，是未来区域绿色创新转型发展的一大难题。

图1 2011—2020年我国各省份绿色创新效率平均水平

3.2 门槛检验与分析

利用Stata17 软件，基于门槛模型来检验OFDI与绿色创新效率之间是否存在显著的非线性关系。门槛效应检验结果与置信区间见表1。由表1 可以看出，单一门槛和双重门槛均在1%的水平下通过检验，三重门槛检验结果未通过显著性检验，因此本研究选用双重门槛模型进行实证分析。

表1 门槛效应检验结果与置信区间

3.3 面板门槛回归结果

在计算门槛值和门槛检验的同时，得到的面板门槛回归结果见表2。

表2 面板门槛回归结果

由结果可知，OFDI与绿色创新效率之间存在显著的金融集聚双重门槛效应，门槛值分别为1.175和1.740。当金融集聚程度低于1.175 时，系数为0.141，未通过显著性检验，此时，通过金融集聚调节OFDI 对区域绿色创新效率的驱动效用不明显；当金融集聚水平提高并跨过第一门槛值1.175 时，系数为0.230，通过了5%的显著性检验，正向促进作用显现；当金融集聚程度高于第二门槛值1.740时，系数为0.490，通过1%的显著性检验，OFDI 对区域绿色创新效率的驱动效应进一步增强呈现出显著的正向促进作用。由此可知，当金融集聚程度跨过第一门槛值后，集聚的程度越高，驱动效应越明显，在金融集聚的调节下，OFDI 对绿色创新效率呈现出“梯度式”增强的正向非线性动态特征。具体来看，金融机构和资源在形成空间聚集初期，受到人员、技术等因素的影响会呈现出阶段性差别，而随着空间集聚程度的提高，金融核心区的竞争优势不断扩大，“虹吸效应”越来越显著。通过吸纳周边地区的金融机构资源，将不断地为本地的绿色创新活动提供充分的融资保障，为环保型行业营造优越的投资环境。

同样，由回归结果可知，OFDI 与绿色创新效率之间存在显著的财政分权双重门槛效应，门槛值分别为0.596 和0.785。当财政分权水平低于0.596时，系数为0.244，通过了5%的显著性检验，此时，OFDI 对绿色创新效率呈一定的正向促进作用；当财政分权水平介于0.596～0.785 之间时，回归系数增大至0.438，通过了5%的显著性检验，正向促进作用进一步增强；但是当财政分权水平大于0.785时，系数回落至-0.127，通过10%的显著性检验，此时，OFDI 对绿色创新效率的影响由正变负。由此可知，在财政分权的调节下，OFDI 对绿色创新效率的影响呈现先促进后抑制的“倒U 形”非线性动态特征。具体来看，过高的财政分权水平不仅没有为OFDI 对绿色创新效率提高提供正面激励，反而出现负面效应。究其原因，地方政府在拥有更高财政权力的同时面临的发展任务也更加艰巨，为了完成任务，地方政府会优先重视生产和经济，往往可能会忽视在发展过程中出现的环境污染和资源浪费等问题，使得OFDI 对绿色创新的正向促进作用减弱。

3.4 稳健性检验

通过对解释变量取一阶滞后值及增加新的控制变量两种方法检验模型稳健性。新增的控制变量为居民收入和开放程度，分别以各省份人均GDP的对数和各省份贸易额占GDP 比重表示。采用两种方法重新计算后结果均表明金融集聚和财政分权的双重门槛作用显著，调节机制与前文一致，不影响本研究的主要结论。

4 结论与政策建议

本研究围绕OFDI 驱动绿色创新发展，通过构建Super-SBM 模型测算2011—2020 年中国30 个省（区、市）的绿色创新效率平均水平，并重点从金融集聚和财政分权视角构建非线性面板门槛模型，探究OFDI 对绿色创新效率的异质性影响，研究结论如下。①我国绿色创新效率整体水平不高，样本省份的效率均值仅为0.499，发展不平衡现象严重。②OFDI 驱动绿色创新效率的提高存在显著的金融集聚双重门槛效应，当金融集聚程度跨过第一门槛1.175 后，随着金融集聚程度的不断提高，OFDI 对绿色创新效率呈现出“梯度式”增强的正向促进作用。③OFDI 驱动绿色创新效率的提高存在显著的财政分权双重门槛效应，在财政分权的调节下，OFDI 对绿色创新效率的影响呈现先促进后抑制的“倒U 形”非线性动态特征。当财政分权水平处于[0.596，0.785]门槛区间时，OFDI 对区域绿色创新效率的驱动激励作用最强。

基于上述分析提出以下建议。

第一，应重视OFDI 对区域绿色创新带来的长期持续的逆向溢出效应，因地制宜地实施投资战略弥补绿色创新效率区域发展不平衡问题，对效率低的地区开展OFDI 的逆梯度投资，积极鼓励该地区自主学习其他国家的先进技术；对效率较高的地区开展OFDI的顺梯度投资，转移和升级高耗能、高污染企业以优先实现降低污染。第二，推进金融集聚示范区的建立，提升和优化各地金融业的服务能力和资金配置效能，主动向金融集聚程度较高的区域学习，引导更多金融资金流向低碳环保型产业。第三，地方政府在拥有更高财政权力的同时，更应重视对资源环境的保护和污染消耗的管理，应逐步完善政绩考核体系。