金融科技对绿色全要素生产率的影响分析
目录
摘要 1
第1章绪论 4
1.1选题背景和意义 4
1.2研究结构与方法 5
1.2.1研究内容 5
1.2.2研究方法 6
1.3可能的创新之处和不足 6
1.3.1研究创新点 6
1.3.2研究不足 7
1.4 论文的基本框架 8
第2章文献综述 9
2.1金融科技的研究综述 9
2.1.1金融科技的概念及理论 9
2.1.2金融科技与科技金融的关系 10
2.1.3金融科技指数测算方法 10
2.2绿色全要素生产率 11
2.2.1绿色全要素生产率的概念 11
2.2.2绿色全要素生产率的测算方法及角度 11
2.2.3绿色全要素生产率的影响因素 13
2.3金融科技与绿色全要素生产率的研究 13
2.4现有文献评述 15
第3章理论基础与研究假设 16
3.1金融科技影响绿色全要素生产率的理论基础 16
3.1.1金融规模 16
3.1.2金融结构 16
3.1.3金融效率 17
3.1.4金融资源配置 18
3.2绿色金融效应 18
3.3可持续发展理论 19
3.4绿色全要素生产率的测算与分析 20
3.4.1绿色全要素生产率指标的构建 20
3.4.2模型设定 21
第4章研究设计 23
4.1数据来源 23
4.2变量选择 23
4.2.1被解释变量 23
4.2.2解释变量 23
4.2.3中介变量 24
4.2.4控制变量 24
4.3模型设定 25
4.3.1基准模型 25
4.4中介效应模型 25
4.5动态模型 26
第5章实证分析 27
5.1描述性统计 27
5.2相关性分析 29
5.3基准回归 30
5.4影响渠道-中介效应分析 32
5.5异质性分析 35
5.6稳健性检验 36
第6章结论与建议 42
6.1研究结论 42
6.2政策建议 42
摘要
目前，工业在我国经济的高质量发展阶段中起着重要的支撑作用。但近年来仍存在着发展动力不足、质量偏低、生态环境破坏严重等问题，严重制约着制造业高质量发展，阻碍着我国经济的转型发展。自党的十八大以来,各类新金融业态已日益与传统金融体系相融合，成为经济结构的有力补充，工业绿色转型发展与金融支持关系密切。金融科技的发展有助于改善金融服务效率和工业资本配置效率，进而促进工业减排。提高绿色全要素生产率是转变发展方式的重要手段，也是走向高质量发展的必然选择。因此，研究金融科技的影响因素在现实层面极具意义。
本文首先界定金融科技与绿色全要素生产率内涵及特征，归纳出影响二者关系的理论基础。其次，建立EBM绿色全要素生产率模型，使用嫡权法构造金融科技指数。接着，以2011年至2018年31省数据为样本，从三个方面进行实证分析。第一，采用面板回归计量模型研究“金融科技-绿色全要素生产率”关系。第二，运用中介效应模型对“金融科技-科技创新-绿色全要素生成率”的传导渠道间关系进行实证检验。第三，将异质性分析纳入研究框架。考究金融科技对绿色生产效率在何区域内效应更明显。
经过实证分析，得到如下结论：1.金融科技能促进各省域绿色全要素生产率增长。2.科技创新在金融科技对绿色全要素生产率增长的影响中发挥中介效应。3.金融科技对各省域绿色全要素生产率的影响具有区域经济异质性。最后，为推动经济绿色健康发展提出政策建议。要吸收借鉴国内外工业绿色转型先进经验，注重起到决定性作用的市场资源配置，完善金融科技的服务体系和服务平台。长期来看，亟待实行差异化科技金融发展的区域战略，加强科技创新系统规划布局。
关键词：金融科技；绿色全要素生产率；科技创新
第1童绪论
1.1选题背景和意义
为实现稳定发展的需要，粗放经济增长模式在改革开放的历史进程中曾起到重要作用，亦是一个难以忽视的发展阶段。随着国民收入水平的不断提高，自然资源的浪费和不可持续发展的模式使人们警醒，这已经极大地影响并制约了中国经济社会的健康发展前景。此外，也逐渐暴露出能源供需方面矛盾日趋激烈、依靠增加生产要素投入带动经济发展等问题。
党的十八大以来，党对整体经济形势科学研判，在存量与增量改革层面探求实现更优质的发展之路，对国家发展思路及时作岀了调整。结合当前我们国家面临着艰巨的改革任务及步入新发展阶段的实际情况，新一轮科技革新和产业布局正加速升级。在这个全新的历史方位，五大发展理念是解决发展动力问题及解决人与自然和谐相处问题的有效途径。中国改革开放的几十年间，通过全面深化经济体制改革，在经济转型的过程中不断解决经济和金融问题，积极探索维护改革、稳定和发展之间的互动关系，为实现民族伟大复兴筑牢优越的制度基础。李维明、高世楫等（2018）认为，中国经济快速增长的同时，伴随着投资过热、资源浪费等问题，但我们也要看到的是若重新构建环境绩效评估体系，促成绿色经济有序发展，这些原有的不利因素都将属于潜力巨大的发展増长点，这是直接关系到中国实现低碳增长、高效转型的重中之重。基于高质量发展的视角，张永恒、郝寿义（2018）认为，经济发展的新动力来自绿色技术和结构调整。因此，要向实现集约化、信息化、智能化发展模式不断趋近，必须坚持探索绿色全要素生产率（Gtfp）有效提高的路径。
在当前的经济运行形势下，工业仍是经济增长最主要的贡献力量，成为国民经济主导产业总体布局的重要一环。工业基础部门中的钢铁、能源工业等也是能源消耗和污染排放占全社会能源消费和排放总量70%以上的部门，其总体发展水平决定着中国的绿色技术、绿色经济的纵深发展战略。对现有工业产业的改革，要在继承的基础上辩证地否定、改良，而Gtfp考虑了能源和资源消耗投入产出比，是进行宏观经济发展模式的基本切入点，是观测我国绿色经济发展的重要指标。国家提出坚持由要素驱动转往创新驱动和结构调整优化的战略目标，各省积极响应，公布了多批低碳试点城市建设方案。都要求将创新发展理念与本地实际情况相结合，以绿色环保技术为助推力，以推进工作协调机制为重点的指导原则。
金融科技不仅仅是一个技术要素催生的新兴金融形式，也能推动减排空间压减，降低为保持经济迅猛发展增速所付出的昂贵代价，在一定程度上实现了城市和乡村生态环境的持续良性循环趋势，实现金融业态服务效率提升与绿色环境效益的互动双赢。随着城镇化水平的提高和居民节能环保意识的逐步提高，我国能源消费结构也在节能降耗方面取得显著成效。在疫情和经济发展压力的双重影响下，地方和企业希望相关环境监管部门能放松监管力度，借此快速提振经济。但从实际执行层面来看，监管机构逐步推进优化环境执法方式和营商环境，坚持在平衡环境科学治理和经济发展的基础上监管力度不减，长期看来会有利于缓解能源和生态环境对经济发展的制约。针对我国不同区域构成Gtfp的各类要素构建评价体系，把握其区域环境水平发展规模，有助于研判我国经济绿色转型升级未来走势，发掘经济发展新趋向新动能。
1.2研究结构与方法
1.2.1研究内容
本文在中国谋篇布局高质量发展目标的背景环境下，对金融科技支持工业绿色转型的作用机理进行研究，具体内容包括：
第一部分，绪论。介绍本文的选题背景和研究意义，结构和研方法，说明本文的主要工作及创新之处。
第二部分，对文献研究现状进行了总结梳理。并结合文献对金融科技支持区域绿色发展的作用机理提出假设。
第三部分，测度省域绿色全要素生产率，衡量各省绿色发展水平。
第四和第五部分，实证部分。构建金融科技指数，构建面板回归模型。分析金融科技对区域绿色发展的影响，还讨论了科技创新在二者间起到的中介作用。
第六部分，总结我国金融科技支持区域绿色发展的建议。
1.2.2研究方法
1.文献研究法。本文在查阅现有的金融科技和各类要素生产率研究的基础上,对其进行了整理和总结。运用相关理论法和指标框架为本研究提供理论支持。
2.定性和定量分析法。从金融科技指数、绿色全要素生产率、研究区域差异性等方面进行定性分析；通过投入产出指标定量分析，对我国金融科技和工业绿色转型形成整体认识。
3.比较分析法。由于中国不同区域的现实情况差别较大，因此将中国全部省份按照区域经济水平低和区域经济水平高区位划分，比较分析了中国各区域Gtfp的变动及金融科技的增长趋势。此外，结合理论模型加入一系列控制变量进行研究。
1.3可能的创新之处和不足
13.1研究创新点
具体体现在：
一是从研究视角来说，现有文献对金融科技发展对包含非期望产出要素的Gtfp的研究较少，主要是从金融发展与TFP关系的角度进行。因此本文从包含了非期望产出的Gt币的视角入手，研究二者关系，探寻中国当下如何在金融科技快速发展和科技创新结构转型升级的背景下助力经济高质量发展。
二是从传导渠道来说，己有文献多从宏观层面进行研究，关于渠道内部的传导方式的研究非常欠缺，本文基于金融科技影响Gt,的理论机制开展分析，为探究“金融科技•科技创新•绿色全要素生成率”的传导渠道和金融科技发展促进工业绿色转型的实现提供一定参考。
三是从测算方法来说，目前对Gtfp的测算，主要采用的有DEA方法，DEA-ML指数法，DEA-GML指数法，以及SBM-GML等方法，但这些测算方法由于Gtfp本身的特殊性，及测算切入点、径向选择的差异所导致的偏差值局限性较大。
本文对我国各省市Gtfp的测算将选用EBM指数法，尽可能相对避免测算误差，保证后续在此基础上进行实证分析的可靠性。
1.3.2研究不足
本文的不足之处有以下几方面：首先，关于金融科技的研究尚无系统科学的评价体系，学者们在进行相关研究时，指标选择往往具备一定主观性。本文选取的金融科技指标亦未能覆盖到完备的政府金融科技与市场金融科技指标，导致研究结果可能存在一定偏差。此外，由于统计数据发布具有滞后性，本文未能将研究范围扩展到城市或企业领域，依据个体数据给出更有针对性的对策建议。
1.4论文的基本框架
基于金融科技与绿色全要素生产率关系
提出经济发展模式绿色转型的政策建议
图1-1论文主要框架图
第2章文献综述
2.1金融科技的研究综述
2.1.1金融科技的概念及理论
Fintech由Financial和Technology两个单词组成，它是金融和科技结合应用的代名词。“金融科技”这一概念在实践过程中，在2013年出现全球范围内的爆发式增长，并立刻带动了金融科技相关产业的快速发展。二者深度融合已成为全球趋势，正广阔的市场前景下，多元市场主体的合作和竞争。又促进了传统金融行业的不断改革。但是官方机构更倾向于将“金融科技”的定义纳入“金融创新”的范围，因为联合国环境规划署(UNEP)认为，“金融科技”是将各种科技技术进行深度融合从而对金融系统产生影响，因此它所涉及的技术并不是新的。在2017年，由金融稳定理事会发布的《金融科技对金融稳定的影响》一文中曾指出，“金融科技”是指有潜力能从根本上改变金融服务业，甚至整个经济领域的创新技术。它是指由技术创新带动的金融创新技术，促进银行科技、保险科技、证券科技等业务领域逐渐成熟。
随着云计算(CloudComputing)和人工智能(ArtificialIntelligence)等新兴信息科技的发展和应用，金融科技在逐步开拓新的发展范畴。金融科技为金融服务搭建便捷运行流程，及时应用多种科技创新手段供给传统金融业产品和服务。金融科技所带来的是改变了信用的收集、获取、取得的方式，从而使得接收各类信息方式更加主动、精确、高效，同时又能大幅提高结算效率和交易透明度，提高了生产投资风险，交易风险的抵抗能力。
通过借鉴现有研究并结合国内金融科技的现状，本文认为金融科技的投资是政府、金融机构、资本市场和风险投资机构关于科技创新的投资总和。包括政府财政科技拨款、商业银行贷款、风险资本机构投资、技术型上市公司资金量及资本市场融资情况。其中：政府金融科技投入在科技企业成立初期或在市场失灵的情况下给予支持；风险投资在企业成长潜力开始显现的时候投入，以使其尽早开拓企业融
资的有效渠道；金融机构往往根据自己的内在风险偏好向其他部门发放贷款，对技术创新的扩散起到激励和示范作用。
2.1.2金融科技与科技金融的关系
理论上来说，金融科技(互联网金融)和金融科技有本质的区别，例如有观点认为，科技金融是种业务属性，如区块链通过去中心化进而将金融架构实现互联网化，这些新技术所驱动的金融业务，将实现金融共享和普惠金融；而金融科技更加偏向科技领域，侧重于通过云计算、大数据、人工智能、移动互联等手段带动金融发展，是辅助金融业务的角色。金融科技的本质是金融的创新，而金融的本质是信用。
金融科技与科技金融二者能在理论层面界定，而在具体业务的操作中则较难区分开。尤其是以各科技公司所实际开展的业务层面看，科技金融公司和金融科技公司的业务整体上看并无明显差别。因为二者本质上仍皆属于金融范畴，或与金融产生紧密联系；也都通过新技术重构行业生态，使科技为发展经济的强大驱动力赋予动能。金融科技的目标在于利用科技手段提高包括金融资源在内的整体配置效率，并且，通过对技术的重视和不断提升作用于实体经济，能够让金融更加具备包容性。所以，本文基于金融科技能否提高经济转型升级能力，能否通过利用金融科技提高服务效率等系列问题展开研究。
2.1.3金触科技指数测算方法
近年来，国内许多学者开始围绕科技和金融开展研究，主要集中在金融科技的现状及其发展效率层面。金融科技随着科技体制的革新和金融发展的不断深入，主要由以下两种形式体现：一是政府主导，通过直接注资或设立机构引导私人资本投资科技企业；二是多元化企业融资渠道，包括科技信用贷款与保险、风险投资、互联网金融等。
金融科技指数测算主要有两种：股价指数衡量法以及指数构建法。第一类是釆用“指数合成法”。众多学者利用普惠金融指数或相关经济指标对金融科技指标进行衡量。如杨望、王姝妤(2019)使用国内金融科技领军人物与企业评价指数，构建核心指数变量。第二类使用“文本数据挖掘法”，在互联网平台爬取相关数据并合成金融科技指数。沈悦、郭品(2015)运用因子分析法爬取与互联网金融相关或相似概念的词汇并计算出现时间和频率，由此生成了国内的互联网金融指数。孙涛(2018)从资源配置、技术基础等五个维度汇总与金融科技相关的关键词、词汇搜索趋势指数、媒体指数搭建原始词库，对通过文本挖掘获得的数据运用了主成分分析法合成构造金融科技指数。
综上所述，由于我国金融科技定义尚未明确，众多学者利用相关数据衡量金融科技发展层次，其重点是将金融科技各因素量化，但对指数的数据特征研究仍不够深入。文本挖掘法虽然能够较好地反映出整体金融科技市场的变化趋势，但难以从区域层面对金融科技指数进行量化。本文釆用指数合成法针对各省(市)的金融科技发展水平进行更进一步的研究在数据可得的前提下尽可能选取了具备代表性的经济指标对各地金融科技水平进行衡量。
2.2绿色全要素生产率
2.2.1绿色全要素生产率的概念
Pittman(1983)改进了Caves(1982)的相关指数，并首次尝试在测度中引入“差”产出，是把环境因素纳入生产效率测度的最早探索，测算出来的结果被称为Gtfpo随着环境污染问题、资源利用率不高、资源过度开发等情况日趋明显，学者们对环境与经济增长间的联系展开研究，最开始学者们把环境污染视作投入要素中的一部分，后来随着研究的深入，逐渐意识到应将其作为产出的副产品，并在构建模型时将其归纳进非期望产出中进行考虑。Chungetal.(1997)首次利用方向距离函数和ML指数测算出了具有真正意义的包含污染排放的Gtfpo
2.2.2绿色全要素生产率的测算方法及角度
当前我国对Gtfp测度研究的文献相对丰富，主要差异集中在测度办法及测算角度两个方面。探究区域绿色发展水平关键影响因素，有助于增进产业文明、生态文明和科技文明的平衡发展。研究方法可以分成两种：一种是构建关于绿色发展的指标体系从而展开估计，可以选取譬如层次分析法(AHP)或炳权法(EWM)等计算Gtfpo该类方法的缺陷是：往往会因为个人在构建绿色发展指标体系过程中的较大主观性，不能准确区分各分项指标的参考程度，导致最终评价结果和现实情况之间存在的理论误差较大。
另一种方法是将污染指标设置成符合模型设定的非期望产出，在全要素理论的基础上构建计量模型。涉及的研究方法主要有数据包络分析方法(DEA)及其相关的组合模型，如CaldersonandLiu(2003)、BeckandLevine(2004)通过跨国数据构建模型，发现金融显著提升了TFP。此外，Chungetal.(1997)提出，DDF方向距离函数的提出能协调期望与非期望产出之间的关系，有效测度绿色经济增长。陈超凡(2016)釆用的DDF-ML方法不具备传递性特征。直到Oh&Heshamti(2010)在传统Malmquist-Luenberger模型和DDF模型的基础上提出全局GML,该法在测度Gt币的过程中，以共同全局前沿为前提设置基期，使度量结果更具有传递性。杜龙政、赵云辉等(2019)在文章中使用了DDF-GML模型测度了工业Gtfjj,效果较好。
对绿色全要素生产率测算大致可以分为从行业角度和区域角度进行分析。大多集中在农业工业等领域。王奇、王会等(2012)以化肥流失量折算为氮磷流失量，作为环境污染要素进行测算。纪玉俊(2021)研究发现短期内市场分割可以有效促进制造业集聚指数升高以及产业结构的变迁，从而拉动城市Gtfp显著提升。
区域研究层面，涂正革(2008)釆用非线性规划技术计算煤炭消耗量和二氧化硫排放等要素，对比各地区环境技术效率和协调程度。王裕瑾、于伟(2016)通过构建地理-经济空间权重矩阵对空间互动状态下的Gt币的实证分析发现，东中西部收敛特征均出现俱乐部趋同现象。史丹、李少林(2020)选取中国281个城市作为研究对象，釆用双差法研究排污权交易制度对绿色能源效率的影响。
上述国内外学者大多基于不同视角，建立测度体系衡量产业绿色化发展水平及区域绿色发展水平，对不同行业的指数构建亦为本文提供了理论参考。各文献测算时选取的模型各有不同，基于测度Gtfp需要全面反映节能减排的可持续发展要求，考量范围内形成了多个约束条件。因此，结合本文研究内容以及EBM方法对解决多投入多产出指标的相对优势，适合测算Gtfp
。此外，釆取DDF方法进行稳健型检验作为补充，确保实证结果的可靠性。
2.2.3绿色全要素生产率的影晌因素
目前文献中，Gtfp的影响因素包括科技创新、产业结构、能源消费结构、经济规模等部分。一般来说，上述影响因素间只存在线性或非线性关系。
从直接影响因素来看，汪锋、解晋(2015)认为在城镇化基础设施带来的重工业膨胀式发展背景下，符合“污染避难所假说”，即绿色全要素生产率和资本劳动比的之间关系呈负相关状态。吴建新、黄蒙蒙(2016)对十大城市群环境效率进行分析后发现，政府科技事业费支出、环境规制等要素与Gtfp呈正向相关。蔡乌赶、周小亮(2017)的研究结果表明市场激励型的环境规制水平程度合理并出现倒“U”型。相应的，自愿协议型等非政府组织力量对其作用为“U”型，命令控制型则未显著影响Gtfpo
从影响因素的交互作用来看，刘华军、刘传明等(2015)通过SBM模型分析发现科技有利于区域内的能源利用效率升高，但由于我国环境污染存在多线程的复杂关系，将对附近地域产生了负面空间溢出效应。汪朝阳(2021)发现通过扩大外资开放能有效刺激绿色消费需求、提升创新能力和促进经济制度变迁产生中介效应，能够间接地促进Gtfp提升。
2.3金融科技与绿色全要素生产率的研究
目前，关于研究金融科技与Gt币二者之间直接关系的文献较少。该领域现有文献可参考以下两个层面：一是以金融科技等新金融业态与经济转型发展之间的关系。二是金融和Gtfp二者间的相关性。
第一，就金融科技和经济转型发展而言，由于从下到上的科技创新进步和金融种类的不断创新，催生出一批相关成果。有关金融科技等新兴金融形式对经济转型发展的影响，学术界有两种不同的观点。一部分学者认为以金融科技为代表的新经济业态，由于转型所需投入产出比值较高，新技术的应用推广尚不成熟，存在着监管信息制度不完善、金融监管不严、信息披露广度深度不足等问题，将对金融业健康稳定发展和经济发展施加一定程度的消极影响。周斌、朱桂宾等(2017)认为当前互联网金融只有少部分融于实体经济领域，短期内金融科技等业务将减少实体经济金融服务的发展，仍需对金融科技进一步引导。程雪军、吴敏等(2020)发现，相关部门对新型金融形式更注重信息披露监管，但容易滋生“运动式监管”，长期来看效果不尽人意。
但更多学者认为，新金融业态能有效助力经济向实体层面深入改革，显著提高金融服务覆盖面，激发企业创新动能。如王馨(2015)通过对“臂弯”供给曲线的理论分析，认为金融科技能够改善企业在信贷市场中降低企业金融运营成本，拓宽整体市场的供需范围。王业斌、张建中等(2018)发现金融资源配置的扭曲现象不利于技术创新，金融抑制与污染减排间存在产业结构效应。
第二，就二者关系而言，金融发展对Gt币的影响尚未达成统一的结论。部分学者认为，市场与政府调控把更多的金融资源配置到绿色低污染领域，能够解决技术创新类项目普遍存在的长期资本供给不足的问题，推动科技革新，从而促进Gt币提高。张帆(2017)证实，随着金融发展水平的提高，传统经济发展要素和绿色生产要素也会相应提升的假说。王伟、孙芳城(2018)研究发现长江经济带的下游、重点保护城市和中小城市较好地发挥了金融发展和环境规制政策的联合影响作用,实现了“1+1>2”的效果。
亦有学者认为，金融发展对Gt币的增长存在异质性差异。金融体系有时存在无效的市场作用，污染企业的高回报性可能导致资金逆流，大量资本的涌入仍将导致绿色科技研发融资成本过高的问题，进而降低绿色全要素生产率。葛鹏飞、黄秀路等(2018)通过对实施“一带一路”战略的沿线国家数据进行分析，设置系列经济指标，发现金融发展和Gt币的关系是显著负相关。王小腾、徐璋勇等(2018)则在前者样本基础上将数据分为欧洲与亚洲两组，发现欧洲国家通过经济政策优化金融水平能明显提高Gt币，而亚洲组主要起抑制作用。
关于金融发展和经济发展之间的联系，学术界对于金融在实际经济运行中是起抑制还是促进作用暂未形成一致的观点。大多数学者认为金融的良性发展有利于促进经济的增长，健康适当的金融发展对金融结构的演进具有改善作用。由于金融发展和Gtfp要素间存在错综复杂的关系，不同学者基于金融发展指标的界定方法和构建的模型不同，往往得出不同甚至相反的结论，二者间的因果关系存在一定的不确定性。
通过对文献的梳理我们发现，在金融科技对经济绿色转型的影响进程中，学者们的研究难以绕开科技创新展开讨论，科技扮演着重要角色。技术创新作为维护金融稳定与金融安全的重要工具，也是促进技术进步与规范发展的重要力量。基于此，本文将尝试探讨科技创新在其间是否起到中介作用，能否通过助力金融科技促进经济布局生态化加速发展。
2.4现有文献评述
国内外学者的研究大多集中在金融科技指标衡量与Gtfp分析两个方面。发展模式绿色转型在我国是个日趋重要的新问题。通过以上对文献的梳理，可得以下结论：
一是金融科技的相关研究仍有较大空间。我们可以确定通过科技进步、降低排放量、减少环境污染、提升保护环境力度和支持绿色产业发展等方法，促进区域绿色发展。但是，金融科技理论体系尚不完善，概念和内涵的不明确致其有着泛化使用的情况，对金融科技的测度指标仍未有公认的方法。
二是现有文献中专家学者对于单纯Gtfp的研究已比较丰富，但针对它与金融发展有关的研究不多，关于金融科技的则更加稀少。学术界一直没有产生有关金融科技和绿色全要素生产率的完整的理论体系，现有的关注点主要是FDhR&D投入与环境规制等要素对Gtfp的影响。而金融科技是未来金融业长期可持续深入发展的重点领域，在理论框架和有关的经济金融逻辑基础之上，对两者之间的影响机理进行深入研究具备可操作性和现实意义。
三是在目前仅有的几篇研究金融科技对Gtfp影响的文章中，多是面向区域、经济带的研究，如长江流域、一带一路沿线等，对全国31省（市）的研究很少，因此增加全国范围的实证研究对扩充金融科技发展与Gtfp研究领域具有价值意义。
第3章理论基础与研究假设
3.1金融科技影响绿色全要素生产率的理论基础
较高的金融水平确实能够给高污染企业扩宽融资渠道，良好的金融生态具备防范化解风险、优化资金融通等优势，也为企业技术应用、服务品质提高等方面扩展了上升空间。金融科技可通过经济增长或技术创新等中介变量对Gtfp施加影响。因此，本节着重从融规模、金融结构、金融效率、资源配置四个方面分析金融科技对提高经济效益和企业转型的机理。
3.1.1金融规模
金融规模的扩大能够给低污染型的中小企业提供更具多样化的资金保障环境,比如金融中介单位为企业发展提供信用贷款、风险评估等服务。金融科技主要是数据驱动。对于现在的金融体系而言，新技术更容易应用在创新企业中先一步创造价值，掌握新技术将使其形成区别于现有体系的关键竞争力，构成领先效应。
金融科技对经济的影响主要由数据驱动，将改善产业结构过程向纵深推进，实现经济收益与环境效益齐抓共管。生产角度看，银行业的科技投入已超过30%,金融科技能够将企业对接到具备多样市场化手段的融资渠道中，促进不同市场主体间的优胜劣汰配置资源，改善企业绿色研发资金的融资约束难题。而且有助于促成低流动性创新投资项目的进一步建设。但是与世界能源结构相比，我国目前的能源资源利用效率不高，过度扩大的生产规模在短期内将导致化石能源的大量消耗从而恶化生态环境。此外，也可能会由于成本过高而岀现边际收益下降。从需求角度看，金融科技发展将突破“资金+拓客”难题，并通过批发式、流水线式开展业务从而降低借贷门槛，使金融层面风险控制更加精准，为企业提供合理的综合能源信贷服务。
3.1.2金融结构
金融结构一般包括金融工具结构、利率结构和金融体系结构等。其中，金融体系是商品经济发展到一定规模的产物，是经济活动运行的基本逻辑框架。当前我国
16整体仍处于增强可持续发展能力的工业化后期增长阶段，金融科技对产业结构的调整主要体现在以金融杠杆撬动产融结合，对绿色项目和循环经济建设起到保障作用，同时降低黑色GDP所占比重。绿色产业的发展离不开企业的技术创新和生产方式更新投入，优质的金融支持能提供其可靠的风险分散工具，如可通过分别持有风险水平不同的投资组合解决企业转型中可能出现的流动性风险问题。
不同融资方式在金融结构的不断调整变化中对TFP的效果不同，市场因素更占据主导地位的金融机构，如民间金融机构越来越在企业投资资金量配置中起重要的作用，可通过补充正统金融体系的方式拓宽企业融资渠道，显著调节市场资源供给不均衡的情况。此外，金融体系具备最大限度地动员社会储蓄的融资功能和提供流动性等手段。通过集结社会资本以发债、募股等形式，将更多的资金调到清洁可持续的行业，既能释放传统金融结构升级潜能，又为Gtfp的深化提供必要的资金支持，在继承中创新发展。
3.1.3金融效率
金融效率大体可以划分为三部分，即宏观、微观和市场金融效率。宏观层面的经济结构变化将影响金融资源的效率，正如“金融+科技+产业”这种依托于实体经济的发展模式与金融相融合，能够显著提升整体发展效率。在政府部门财税激励政策、信息披露机制、金融监管体系等顶层设计逐逐步落地生根时，金融效率的提高能充分激励市场参与方调整运营活动，使其流向效率更高的产业，形成激励机制。此外，金融科技可以创建出更有效率更能融合客户使用习惯的产品。在避免大型金融风险的前提下，于互联网平台与银行机构之间搭建桥梁，联通小微企业资金链。
在疫情的外界冲击下，因金融市场成熟度不高，实体经济和虚拟经济间的结构化失衡导致杠杆率迅速抬升，实体经济屡遭重创，是当前经济健康发展过程中值得深思的隐忧。要解决当前企业融资渠道难寻、融资代价过高等问题，需拓宽金融覆盖领域，打破阻滞实体经济配置资源的“无效金融”因素，降低金融资产风险和收益错配导致的资产泡沬等不利影响。
3.1.4金融资源配置
长期以来，我国金融发展的结构一直以间接融资为主，直接融资为辅的布局模式。大多数资产是通过金融机构进行间接融资从而确保金融资源供求关系平衡的，造成这一现象的原因在于我国长期以来形成的以商行信贷为主体的融资体制，股票市场制度采取“核准制"发行模式对其进行限制，大型商业银行的改革仍在逐步推进之中，因此尚未能充分实现金融发展结构的优化和提升直接融资形式的比重。
党的十八大以来，我国金融科技的迅速崛起迎来了金融体制转型升级，多措并举为企业带来了融资新模式，依托现代信息技术降低企业综合成本。一方面，利用金融科技资源配置效率高、供需匹配速度快等平台优势，实现供给方和需求方的对接，尽可能实现金融资源去中介化。另一方面，移动互联网的发展促进了线上交易的可能，商务部推广数字人民币（DCEP）使用试点、支付宝等支付产品的出现将金融服务功能扩展至线上，未来将进一步强化金融服务对“双创”战略的投入力度。实现直接信贷工厂，对小企业金融业务的批量化管理。
3.2绿色金融效应
绿色金融指的是引入绿色发展理念的金融种类，将各类金融资源引入走清洁发展模式的企业，加大金融对环保领域的扶持投入力度。政府部门提出从七大领域中把握碳中和发展机遇，对优化新能源格局进而达到“3060目标”的决心不言而喻。金融科技的资金支持、技术绿色创新的应用范围这些因素能否促进各省Gtfp增长，归根结底是由金融科技作用于技术绿色创新时，带来的利润能否覆盖成本、是否可长期持续循环发展等要素决定的。统计数据显示，截止2020年我国绿色贷款余额居世界首位。目前碳金融、绿色股指、绿色信贷等绿色金融产品种类繁多，我国本着负责任的态度在应对气候变化、环境改善等方面积极承担责任，不断激励市场参与主体调整经营活动，为绿色金融解难题促发展，受到国际社会的广泛好评。
绿色金融能有效影响Gtfp的变化。一方面，金融资源流向低耗能企业将降低部分污染要素指标等非期望产出。另一方面，可通过绿色金融为企业直接融资提供
政策支持，通过制定对绿色行业公司上市的相关政策和对重点企业环保问题进行激励、监督，从而提高经济效益。但是目前我国绿色金融方面尚未出台专门法律或实施细则，配套政策和顶层设计仍不够健全，部分领域仍存在有政策重叠或空白的情况。还需统一相关标准，从而在经济转型升级过程中提供前瞻性指导，充分发挥绿色金融效应。
3.3可持续发展理论
可持续发展理论是指不侵害后代发展资源的前提下，最大化满足当代人需求的一种发展模式。自然经济与社会经济发展的关系十分密切，传统的经济发展建立在过度索取自然资源和不合理利用的前提下，而自然资源的有限性和环境自身修复速度的缓慢性，也就导致了资源被破坏的速度远大于其自我恢复的速度。长此以往，带来了一系列不可逆转的严重后果，比如生态环境的损害和资源能源的危机。而且可利用资源的不断减少和环境污染问题越发明显，已经从各个层面严重制约了人类社会自身的发展。
自20世纪80年代以来，现实情况引起了研究者的警觉，开始反思当前经济发展模式很可能导致的严重后果。人的需求和外界条件的限制是促使可持续发展理论出现最主要的两个要素，也就是在满足人们日常需要的基础上，限制过度破坏环境、求得未来发展的情况出现。在经济领域内，它是基于自然资源能够承受的前提下，最大程度的经济发展效益。生态经济也应运而生，这是将生态体系和经济体系复合而成的一套系统。指在生态系统承载力、整合力范围内，利用尽可能多的资源高效清洁发展，从而打造出经济水平高、环境宜居的发展模式。
金融可持续发展理论是以金融资源学说为基本依据，通过实证方法将可持续发展理念扩展到金融领域的理论体系。将金融看作经济学研究中的一般对象，是国家发展层面中必不可少的战略资源，它同时拥有着自然属性和社会属性，在自然领域中是从属于战略性资源的，但是在社会领域中金融占据着配置社会资源和自然资源的地位，因此使得金融资源被纳入到部分生态体系中。金融科技的不断变化将对经济发展及金融效率评价构成动态关系，这反映了金融资源论为基础的可持续
发展理论，将资源的长期利用问题放置在固定期间的资源配置效率框架内考量。它把科技进步纳入金融体系发展中去，从而促进投资、融资、决策考量更加科学化、理论化。由科技驱动力引发的新一轮各类金融业务创新，一方面可以促成金融业态实现“以场景为中心”的转型升级。另一方面，不同地区金融资本积聚现象、宏观政策倾向性水平存在明显不同，使不同区域金融服务地方经济转型的战略规划也不尽相同。
通过对以上几个角度的理论研究，基于本文的研究内容，提岀几条假设：
假设1：金融科技能促进各省域Gt*增长，且Gt”的提高不仅仅受金融规模扩张的影响，更由多种要素共同导致。
假设2：科技创新在金融科技对Gtfp增长的影响中发挥中介效应。
假设3：金融科技对各省域绿色全要素生产率的影响具有区域经济异质性。
3.4绿色全要素生产率的测算与分析
3.4.1绿色全要素生产率指标的构建
构建该指数的原始数据来源于相应年份《中国统计年鉴》、《中国工业经济统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、《中国城市生活与价格年鉴》以及国泰安（CSMAR）中国工业经济研究数据库。
本文借鉴现有TFP核算中多数学者的选择，使用工业各行业从业人员年平均从业人数来衡量劳动投入；通过永续盘存法计算物质资本投入，得出各年份的资本存量。在产出要素指标中，期望产出为自2010年为基期的省域GDP折算系数。非期望产出为：碳排放、二氧化硫排放、PM2.5浓度。其中，由于年鉴中碳排放量没有官方数据，将主要的能源消费分为八类，分别为：煤炭、焦炭、汽油、煤油、柴油、燃料油、原油、天然气，估算公式釆取联合国政府间气候变化专门委员会
其中，。。2为二氧化碳排放量，£分别表示煤炭、原油和天然气消耗量，NCV为各种能源平均低位发热值，CEF为碳排放系数,COF为碳氧化因子，煤炭设定为0.99,原油和天然气为1。S0数据使用各地区的排放量表征，取自历年的统计年鉴数据；PM2.5的年均浓度数据取自由哥伦比亚大学等研究机构公布的2011—2018年的PM2.5均值。
表3-1工业绿色全要素生产率投入产出变量定义
变量 指标选取 说明
投入变量 物质资本投入
人力资本投入
能源投入 釆用永续盘存法测算，以2010年为基期居民平均受教育年限水电、煤炭、天然气、石油的消耗量总和
期望产出变量 省域GDP 以历年国内生产总值指数为折算系数
(以2010年为基期)
非期望产岀变量 CO?排放量
S02排放量
PM2.5 IPCC的计算方法各地区SO2的排放量表征各地区PM2.5的年均浓度表征
3.4.2模型设定
Chames(1978)曾提出用数据包络法(DEA)测算多输入输出要素间的关系，后为解决连续时间内要素动态效率的变化，有学者提出超效率DEA模型。但传统DEA模型不能消除松弛变量的影响，基于径向角度测试出的结果很可能存在误差。因此本文釆取EBM模型，弥补DEA和SBM模型的不足，衡量其生产系统内部结构。模型公式如下：
其中y*表示EBM测度DEA的最优值，0为径向条件下的效率值，s「为非径向条件下第i个要素的松弛程度，4表示投入要素相对权重，（勤0，方0）为第。个DMU的投入产出向量，/「为第i个投入要素的权重，且满足度:］3「=1。&为径向变动比例及非径向松弛向量核心参数，且135^1。若y*=l,代表决策单元技术有效。
由于金融发展、自然环境间关系复杂，同时包含期望和非期望产出及径向和非径向关系，因此在上述模型基础上扩展为包含非期望产出的EBM模型，测算静态
AGTFP,模型为:
GML可分解为绿色技术效率变化指数（GEC）和进步变化指数（GTC）。我
们要测算的是绿色全要素生产率，标记ML指数为GML指数。
第4章研究设计
4.1数据来源
本文指标或变量的原始数据选自Wind数据库、各省域历年《中国环境统计年鉴》、《中国科技统计年鉴》、《中国高科技产业统计年鉴》和《中国金融年鉴》。基于数据的可获取性及数据来源的连续性和一致性，本研究选取2011-2018年各省域（省、直辖市、自治区）的相关数据为研究样本（不包括香港、澳门和台湾地区），最终得到了以中国31个省份为截面，时间窗口为8年的平衡面板数据，共计248个有效的观测值。
4.2变量选择
4.2.1被解释变量
为反映各地工业绿色发展水平的程度，本文构建了绿色全要素生产率（Gtfp）反映城市工业绿色发展水平。采取EBM方法进行测算，具体构建思路详见上一章。
4.2.2球变量
金融科技（Index）。参考揭红兰（2020）的研究，本研究基于嫡权法对公共金融科技（Pub）和市场金融科技（Mar）两个层面确定权重，构建金融科技指数。炳权法能消除各数据量纲影响，客观性更强。比照不同的投资主体，本文将金融科技划分成公共金融科技（Pub）和市场金融科技（Mar）两个维度。表4-1报告了该指数的详细构成及权重系数。
表4-1金融科技指标构成及权重
指标选取 代理指标 指标简介 权重
公共金融科技 地方财政科技支岀占比 地方财政科技支出/地方财政总支出 0.22
市场金融科技 金融机构科技贷款占比 金融机构固定资产投资完成额/科技经费支出 0.33
企业经费投入占比 R&D经费投入/企业主营业务收入 0,40
科技型上市公司比重 科技型上市公司数量/上市公司总数 0.05
4.2.3中介变
科技创新(Quality)o在科技创新的度量上，国内外文献对创新的考察维度日趋多样化，常见指标包括：注册商标数、专利申请及授权数量、专利引用量和R&D支出。通过注册商品数量指标对创新程度进行衡量，在一定程度上具备合理性。可是就现实而言，也有相当一部分企业并未申请专利或注册商标，也是难以忽视的事实。R&D支出水平是衡量经济活动创新中投入水平的直接指标也相对较易获得。但由于经济规模不断变动，不同行业发展周期差异较大，因此若通过R&D衡量于多个不同的行业之间，则难以取得良好的效果。而发明专利是保护期限更长、保护对象范围更广的新型技术方案，相较于实用新型专利和外观设计专利来说有更高的技术含量和创新价值，属于最主要的一种。国外主流研究多依照发明专利的引用量来测度科技发展水平，但就中国的以往及本文的研究期间的情况来看，中国国家知识产权局并没有公布发明专利的引用数据，于海外专利局申请的专利占总体比重不大。综合以上分析，本研究借鉴蔡绍洪、俞立平(2017)的研究，采用发明型专利申请数与三大申请专利申请数的比值来测度区域的科技创新。
4.2.4控制变
为提高模型拟合精度与缓解遗漏变量所带来的内生性问题，参考已有的研究：张帆(2017)；王小腾、徐璋勇等(2018)；董会忠、刘帅等(2019)；徐璋勇和朱睿(2020)O选择如下指标作为本文的控制变量：政府支出(Gov)、受教育水平(Edu)、产业结构(Industry)、区域经济水平(Pgdp)、对外开放程度(Open)。表4-2报告了本文主要变量的含义。
4.3模型设定
43.1基准模型
为实证检验金融科技对Gt币的影响，本文构建以下基准模型：
Gtfpit=C+(ilndexit+£Control+Provincei+Yeart+% (1)
为被解释变量，即釆用EBM方法测算的绿色全要素生产率；Indexit^l解释变量，是利用靖权法构建的金融科技指数；Control为选取的一组控制变量;Pro”incei表示省域固定效应；Vea-t则表示年份固定效应；％为随机扰动项；C代表截距项。
4.4中介效应模型
为实证验证是否存在“金融科技-科技创新-绿色全要素生成率”的传导路径,本文采用温忠麟、叶宝娟(2014)提出的中介效应检验程序，形式如下：
GtfPu=C+/3lndexit+£Control+Provincei+Yeart+% (2)
Qualityit=C+alndexit+£Control+Provincei+Yeart+% (3)
Gtf&—C+AIndexit+aQualityit+銘Control+Provincei+Yeart+如(4)Gtfpit为被解释变量，即采用SBM测算的绿色全要素生产率；Index。解释变量，是利用嫡权法构建的金融科技指数；Qualityit为中介变量，代表科技创新；
Control为选取的一组控制变量；Prauincq表示省域固定效应；Vea-t则表示年份固定效应；条为随机扰动项；C代表截距项。
其中，模型（2）与模型（1）都是考察金融科技与Gt币之间的关系，若lndexit系数A显著不为0,则说明金融科技与Gtfp之间存在显著的相关关系，是进行后续中介效应检验的先决条件。模型（3）主要是检验金融科技与科技创新之间的关系，若lndexit系数a显著不为0,则说明金融科技与科技创新之间存在显著的相关关系,可以继续进行模型（4）的检验。模型（4）主要是检验科技创新的中介效应，若Quality^数b显著不为0,则说明科技创新在金融科技与绿色全要素生成率之间发挥中介效应，且可以通过系数;I的显著性来衡量科技创新是否表现出完全中介效应，当/ndexit系数;I不显著时，科技创新表现出完全中介效应，否则为部分中介效应。
4.5动态模型
考虑到Gtfp的增长是一个动态的过程，当前水平可能与过往数据相关。因此，文章在金融科技对Gtfp影响的模型中，加入了衡量过去Gt币的变量，釆用动态面板模型进行稳健性检验。
NickellandStephen（1981）曾发现，由于回归模型中包含了因变量的一阶滞后项，不可避免地会存在内生性问题，若仍釆用OLS对动态面板模型进行分析，得到的参数估计将是有偏且非一致的，从而使得估计结果并非真实可靠。使用GMM广义矩估计，能较好地解决了模型存在的内生性问题。当面板数据中出现了异方差或自相关，两步GMM估计比一步法估计更有效。具体模型形式如下：
Gtfpit—C+&iGtfpit_i+Wndexit+EControl+Provincei+Yeart+如（5）
Gtfpit为被解释变量，下标％_1代表其滞后一阶项，其余均于（1）式基准回归模型保持一致。
第5章实证分析
5.1描述性统计
在进行回归分析之前，表5-1报告了各变量描述性统计的结果。
表5T描述性统计
变量符号 样本数 平均值 标准差 最小值 中位数 最大值
Gtfp 248 1.019 0.028 0.971 1.018 1.069
Index 248 0.150 0.101 0.038 0.122 0.640
Quality 248 0.170 0.075 0.047 0.158 0.435
Gov 248 0.281 0.211 0.115 0.227 1.384
Edu 248 9.038 1.136 4.310 9.080 12.599
Industry 248 0.442 0.085 0.165 0.459 0.590
Pgdp 248 10.765 0.430 9.706 10.684 11.851
Open 248 0.270 0.307 0.017 0.141 1.549
为更清晰展示我国Gt币和金融科技发展的变化趋势，分东、中、西三个区域绘制了近年来两者平均值的增长趋势图。
图5-1绿色全要素生产率增长趋势
从全局上看，2011年以来该指数呈“W”型的变化趋势，总体出现上升趋势，表明整体而言近些年绿色水平有所改善。这与周五七、朱亚男(2018)的测度结果较为吻合。金融市场加剧的竞争程度能对东、中、西部的Gtfp增长具有显著的正向影响。
分区域而言，中部地理位置的省份总体Gtfp增长最高并存在显著区位差异，这与董会忠、刘帅等(2019)的测算结果较为相似。中部地区传统粗放的经济增长方式虽然在短期内有利于经济发展指数提升，但给环境造成较大压力。在国家政策及金融科技的支持下，引导企业不断科技创新进而减少高污染企业。图中可以看到，近些年来金融科技水平对中部的Gt,的促进作用显著高于东部、西部地区，说明我国经济在通盘规划的模式下将焕发出持久的活力与巨大潜力。在政府部门组建西部地区开发领导小组的政策指引下，征集生态环境导向开发模式备选项目，在部分地区以试点的形式探索生态建设环节，并以此评价其政治绩效等方式，绿色全要素生产率在实施一体化治理期间有所提高。
图5-2金融科技增长趋势
可以看到，我国金融科技发展总体呈现上升趋势，但各区域间程度相差较大，表现为东部增长势头强劲、中部较弱、西部发展程度最为滞后的格局。东部地区的金融科技指数一直明显领先与其他地区，在产业提质升级大潮中充分发挥主导产业的先锋作用，这离不开科技创新的支持。并且，开放水平迈上新台阶，研发经费投入年均增长程度稳步提高，并迅速向世界科技前沿等经济主战场转移。优质的创新环境吸引了科技人才聚集，灵活的市场机制使专利成果转变为科技成果的渠道更加多元，从而促使技术进步。此外，各企业是提高Gtfp的推动力量，污染企业面临被淘汰的风险，被迫面临产业结构升级。大力推广火电系统超低改造、垃圾发电厂等工业环保工程或民用环保设备，致使东部科技创新成果转化优于中西部地区。
5.2相关性分析
为确保本研究回归结果不受多重共线性干扰，在回归前对各变量进行了相关性分析。为确保研究结论稳健，釆用了两种相关性检验方式，其中下三角为Pearson's相关性检验，上三角为Spearman^相关性检验。
表5-2相关性检验
Gtfp Index Quality Gov Edu Industry Pgdp Open
Gtfp 1 0.115 0.268 -0.032 0.074 -0.041 -0.059 -0.048
Index 0.105 1 0.118 -0.570 0.503 0.127 0.641 0.586
Quality 0.248 0.422 1 0.204 0.292 .0.337 0.021 -0.048
Gov 0.055 -0.128 0.176 1 •0.396 •0.386 -0.523 -0.504
Edu -0.006 0.556 0.234 -0.688 1 -0.154 0.716 0.437
Industry -0.033 -0.447 •0.515 -0.232 -0.236 1 -0.106 -0.101
Pgdp -0.035 0.664 0.098 -0.372 0.698 -0.190 1 0.530
Open 0.001 0.743 0.230 -0.249 0.558 -0320 0.640 1
注：下三角为Pearson's相关性检验；上三角为Spearman's相关性检验
从相关性检验结果来看，各变量间相关系数绝对值均小于0.8,表明模型中不存在较为严重的多重共线性问题。从相关系数上看，金融科技指数与科技创新、Gtfp成正相关关系，符合本文预期。但相关性分析仅仅只能代表两个变量间的相关程度，而并未控制其他变量的影响，更为稳健的结论需要在后续回归分析中进一步进行探究。
5.3基准回归
在进行回归分析之前，本研究首先进行了Hausman检验，以判断选择固定效应或随机效应进行估计。
由图5-3所示，Hausman检验统计量为35.90,通过了I%水平上显著性检验，表明本文应选择固定效应进行估计。同时，为尽可能缓解遗漏变量所带来的内生性问题，本研究控制了省域与年份双向固定效应。下表为Gtfp与金融科技的回归结果。
注:括号内为t统计貴;“*、 “、♦分别表示在1%、 5%和10%水平上显著，下同。
表5-3第(1)-(4)列为逐步引入控制变量的回归结果，金融科技(Index)与Gtfp的系数均在1%水平上显著为正，表明各省域金融科技的发展能促进Gtfp的提升。依据前文理论分析如下：
1.政府支出基于非物质资本的地域整体差异性实施区域绿色创新能力建设。一方面，充分利用科技资源，鼓励高校等研究机构加强产学研合作，引导相关主体转变发展观念，将提升当地人力资本水平作为发展的重中之重。另一方面要切实提升人力资本市场制度的成熟度，为各个层次人才的发展提供培育空间，为其提供相关优惠政策，合理应用人力资本存量。
2.区域金融科技对绿色全要素生产率的促进作用应考虑人力资本条件。（2）-（4）列均考虑到教育水平，该变量系数均在1%水平上显著为正，说明金融科技在
具备一定人力资本优势的情况下，发挥其对绿色创新活动的资金支持效用。支持各地高校及产业科研院设置创新型岗位，培育人力资本红利，科学规划绿色创新战略。拓宽科研人员收入来源，通过股权、期权奖励等中长期激励机制带动科研成果转化，加速形成高层次创新人才集聚地。
3.模型（3）和（4）中产业结构和区域经济水平结果不显著。其中产业结构是应用第二产业占省域GDP产值的比重一项，可能是由于企业绿色价值的长期性与经济发展短期需求之间存在矛盾。绿色经济的发展并非只能依靠第二产业的转型升级，第二产业比重过大，在转型过程中反而不利于地区实现绿色经济发展。要根据区域实际情况，适时调整产业结构政策，拥有长期持续的投资。但就短期经济发展需求而言，金融科技的盈利性目标与绿色外部性的矛盾仍然存在。
4.本文设置控制变量开放程度在模型中在5%水平上显著为正。说明对外程度越高，当地对绿色全要素水平也有着更高的要求，对环保方面投入更大的力度。改革开放四十多年来，各地区长期以来增长速度、质量和水平等方面差距逐渐拉大。金融科技可尽量避免提高绿色金融推进效率次生影响，解决环境风险内生难题。
5.4影响渠道-中介效应分析
MathewJ.Manimala（1992）在熊彼得的创新理论上更进一步地阐释了它。在现代经济社会中，金融科技的角色正是其所说的“不可或缺的第三种要素”，它使企业更有机会和可能进行技术升级、管理改进和经济创新。
技术创新，为工业生产过程实现清洁能源替代工程等项目提供了技术支持。同时，金融科技也是影响企业新产品开发、产品策略制定以及创新决策的重要因素。在经济新常态下，高污染、高能耗的工业经济面临着巨大的挑战，企业需要投入大量的资金到技术创新和绿色发展中，基于金融发展对提升Gtfp期间存在着创新补
偿效应，金融发展是影响技术创新的重要因素，对于提高绿色创新存在创新补偿效应。综上，金融科技是开展科技创新的资金支撑和保障，科技创新是推动绿色全要素生成率增长的动力与核心引擎，因此可能三者之间存在中介效应。表5-4报告了三步法中介效应的检验结果，为确保研究结论稳健，文章进一步进行了Sobel中介
效应检验。
表5-4第(1)列金融科技(Index)与绿色全要素生产率(Gtfp)系数为0.269且1%水平上显著；第(2)列金融科技(Index)与科技创新(Quality)系数为0.439,通过了1%水平显著性检验；第(3)列金融科技(Index)、科技创新(Quality)与绿色全要素生产率(Gtfp)的系数分别为0.197、0.165且均在1%水平上显著。以上结果表明，三步法中介效应检验成立，存在“金融科技-科技创新-绿色全要素生成率”的传导渠道，表现为部分中介效应。
Sobel检验Z值为2.839,P值为0.004,通过了1%水平显著性检验，进一步证实中介效应成立。同时，经计算表明，直接效应为0.196,中介效应为0.072,中介效应占总效应比重为26.865%,表明科技创新是影响金融科技对Gtfp的重要渠道。创新和金融一样，具有逐利性，本质上是中性的市场行为。一味地增加创新“数量”导致资源的浪费，只有对创新加以引导，才能切实提高创新的'‘质量”。恰当的金融支持和引导，将促使企业提供引入绿色生产技术的动机：而科技创新又是促进工业结构绿色转型的根本动力。
金融科技可通过鼓励科技研发、投资信贷等途径引流资金。目前有部分地区推出绿色地方政府专项债等创新金融债券产品；多家保险公司也在推出创新绿色保险品种，对环境污染责任主体的排污行为加强外部保障。同时，研究证明Gt币对创新水平具有显著的促进作用。通过推动社会整体生产方式朝绿色化迈进，通过技术和商业模式的创新形成其竞争优势，促进作用而越发明显。
5.5异质性分析
我国幅员辽阔，由于地理区位、历史因素、资源禀赋等原因导致每个地区的经济发展水平程度不一。相对而言，金融科技和Gtfp之间的密切程度也可能存在着较大的不同。有些省份率先在产业链布局等方面先行展开部署，而有些省份却难以调节好科技进步和省内经济发展之间的联系。为深入考察金融科技对Gtfp的经济效应，文章进一步根据各省域年度人均GDP的均值，将样本划分为区域经济水平低、高两组展开异质性分析。
注：经验P偵用于检验组间Index系数差异的显著性，通过费舍尔组合检验自抽样300次得到。
如表5-5所示，无论是在区域经济水平低的区域，还是区域经济水平高的区域，金融科技(Index)系数均在1%水平上显著为正，表明金融科技发展能推动各省Gtfp增长，这从一定程度上体现了前文结论的稳健性。然而，金融科技(Index)在区域经济水平低的区域仅为0.256,在区域经济水平高的地区达到0.605,釆用费舍尔组合检验Index组间系数差异的经验P值为0.07,通过10%水平上显著性检验，表明金融科技对绿色全要素生产率的正效应在区域经济水平较高的地区更明显。
由于区位优势且政策惠及面广，东部大量省市在过去的数年间在科技创新和节能减排方面领先于全国。其中，区域经济水平较低的中西部地区由于地理区位及自然资源等客观因素，在早期要想实现经济的增长必定需要消耗相当部分的自然资源，故更需通过金融科技获得改善环境的成本，以此达到环境与经济增长质量的平衡协调发展。区域绿色创新政策的制定存在空间相关性，应树立全局性思维。在政策的前期规划阶段就要考虑到因地制宜地兼顾本地对邻近区域的空间溢出效应,加强区域间要素流动和创新要素资源的共享，尽可能减小行政区划的外在限制，从而实现整体区域绿色创新活动的协同发展。
5.6稳健性检验
第一，更换模型。首先，前文均釆用固定效应静态模型估计，为此本文引入釆用被解释变量的滞后项构建动态面板模型进行稳健性检验。AR1统计量分别为-3.410、-3.778,P值均小于0.1,而AR2的统计量分别为-0.874、-1.262,P值均大于0.1,表明扰动项存在一阶自相关，但不存在二阶自相关，序列相关检验通过。Sargan检验统计量分别为25.397、25.632,P值均大于0.1,Hansen检验统计量分别为24.125、16.991,P值均大于0.1,不拒绝“所有工具变量均有效”的原假设，说明所选工具变量是合理有效的。表12第(1)、(2)列分别报告了差分GMM(DifFGMM)与系统GMM(System-GMM)的估计结果。可以看到，在差分GMM与系统GMM的估计下，金融科技(Index)依然在1%显著性水平上为正，系数大小模型估计方式不同存在部分差异。其次，文章釆用混合截面模型(Pool)进行稳健性检验。表5-6第(3)列金融科技(Index)系数为0.087,通过了1%水平上显著性检验最后，本研究运用随机效应模型(Re),采用广义最小二乘法(GLS)重新进行回归。表第(4)金融科技(Index)系数为0.086依然在1%水平上显著。以上三种模型的估计结果均与前文基本一致，表明本研究的结论具有一定
注：L表示变量滞后•期：ARI、AR2、Sargan与Hansen括号内为相应检验的P值。
第二，加入控制变量。假若解释变量与遗漏的变量相关，则会造成解释变量与随机扰动项相关，从而产生内生性问题，导致估计结果产生偏误。尽管前文已尽可能选择较为全面的控制变量，同时釆用了省域与年份双向固定效应模型，但仍可能遗漏一些相关变量。参考董会忠、刘帅等（2019）,谢贤君、王晓芳等（2020）的已有研究，本研究进一步引入城镇化程度（Ur）与互联网覆盖率（Net）作为控制变量重新回归分析。绿色转型不达标的违规企业行为可通过互联网实现一定的披露。为此，有必要将互联网普及率纳入分析框架，考察网络对Gtfp影响效果如何。由表5-7第（1）列可见，在引入新的控制变量进行冲击后，金融科技（Index）系数大小、方向与显著性均于前文较为吻合，表明研究结论具有一定稳健性。
第三，剔除异常值。为防止研究结论不是由于异常值所导致的偶然结果，文章对主要变量在1%水平上进行双边缩尾处理后重新带入模型进行分析。如第（2）列所示，金融科技（Index）系数大小、方向与显著性均于前文无明显改变，表明研究结论是稳健的。
第四，替代变量。本文采用北大普惠金融指数(Dfii)替代解释变量金融科技(Index)重新回归估计。本指数从数字金融服务的覆盖广度、使用深度和数字化程度三个维度构建而成，一定程度体现了数字技术与金融服务的融合程度。观察表5-7第(3)列可知，数字普惠金融指数(Dfli)系数为0.083,部分系数因指标量纲不同而部分减小，通过了5%水平上显著性检验，表明研究结论依然稳健。
第五，由于绿色全要素生产率是本文的核心关键变量，前文仅釆用了EBM-GML(EBM)一种测度方法，后续所有实证分析均围绕此概念展开。因此釆用方向距离函数下全局曼奎斯特-鲁恩博格生产率指数DDF-GML(DDF),仍以资本投入、劳动投入、能源投入作为投入指标；以折算后的实际GDP为期望产出；C02为排放量为非期望产出，以此构成Gtfp并进行稳健性检验，以验证结论的稳健性。釆用该方法策略控制变量进行回归，全局GML指数即为Gtfpo见表5-8,金融科技(Index)等多个系数仍于前文较为吻合，表明研究结论具有一定稳健性。需额外说明的是，因部分指标缺乏2018年的数据，所以样本量较其他检验少了一些。
小结：
本文选取了全国31个省份面板数据作为研究对象，从省域视角以及全国层面探究了金融科技、科技创新与Gtfp之间的关系。研究结论如下：（1）金融科技能促进各省域Gt,增长，该作用存在区域性差异，经济状况较好的区域比经济状况差的区域影响更为显著。（2）存在“金融科技-科技创新-绿色全要素生成率”传导渠道。科技创新是工业Gtfp增长的重要动力，科技创新在金融科技对Gt中增长的影响下发挥部分中介效应。（3）在控制变量层面，加入控制变量，加强政府干预，提高城镇化程度和开放水平等，对提高区域绿色全要素生产率存在正向调节作用O
第6章结论与建议
6.1研究结论
本文选取了全国31个省份作为研究对象，对金融科技对Gtfp的影响进行了实证分析。结果是：金融科技能促进各省域Gtfp增长，对工业绿色发展有重大影响。科技创新在此过程中发挥部分中介效应，金融科技对各省域的影响具有区域经济异质性。在不同的区域约束条件下，金融的发展与经济增长在一定程度上存在着较不稳定、一致的关系。这个结论进一步解释了问题：近年来，一些地区的区域发展差距不断扩大。金融科技的繁荣能够推动能源消费结构的低碳化，而要想真正实现以新的经济增长点带动实体经济结构可持续发展，还需依靠大数据等工具赋能，政府部门政策、金融行业与环保部门、监管部门的共同推进，同时发挥能源消费结构优化对科技金融、互联网金融、绿色金融等新金融发展的积极作用，实现正向反馈效应。
6.2政策建议
己有研究能够表明金融科技成为传统金融体系的重要补充，金融科技的发展有助于改善金融服务效率和工业资本配置效率，科技创新作为金融科技与绿色转型升级的关系纽带，从而促进减排和绿色发展。基于本文的研究结论，提出以下政策建议：
1.将政府引导与市场机制相结合
政府部门应明确金融科技中蕴含的政府金融科技属性，把握金融科技发展新态势，确保政府发挥好科技创新基础制度和公共服务平台搭建等方面的引导作用，研究制定国家绿色发展基金方案，保障构建全方位开放格局的资金所需。同时增强跨部门、跨学科、跨领域的相互协作，建立起科技、金融、人才、市场、工业、知识产权和政府政策相结合的协调机制。就建立企业信息公开制度而言，涉及工商行政管理、市场监督管理、税务等政府部门布局创新链周围的产业链，统一部门统计口
径，从而培育出具备更强竞争力的创新型国际领军企业。并且，可积极建成环保工作约谈制度和工作问责机制，指导政府依靠制度的强性、韧性、刚性来管权、管事、管人，同时还需提高对污染企业的问责力度，要求各地落实整改政策；公开上市企公司违规处分标准，对其他企业形成强化巩固和带动效应。
要注重起到决定性作用的市场资源配置，尊重市场规律和市场需求。推动企业技术研发的内部孵化和外部创新合作能力相匹配，形成产、学、研相结合的市场、理论、研究创新体系。同时，支持企业紧密结合国家科技项目部署，整合资源承担科技项目，以带动区域实现工业绿色转型。关注产业发展关键因素，改善创新科研平台布局，以推进重大科技任务为主线，实现共同投资、共同参与、共享成果。
2.完善金融科技的服务体系和服务平台
建议加强运营信息披露建设，合规打造透明平台，为其打造“创新友好型”金融环境和营商环境。做好金融行业的风险监管和市场导向工作，营造金融服务的法制化、自由化、体系化。打造技术产权交易中心，加快技术要素的流动和转化，这也是自主创新的必由之路。加快知识产权的市场流通速度专利知识产权评估机构对企业知识产权成果进行评估后，各银行开展商标或专利质押贷款项目，以贷款形式盘活现金流；专业信息技术运维分析等中介机构能够在科技型企业的生产过程中兼顾其特殊性，提供专业化指导协助。构建并引入符合实际市场机制运作规律的金融科技发展模式，形成全方位的金融服务体系。组织金融科技企业专业培训，改善金融科技人才发展环境。在金融科技人才培养方面提供政策优惠，以优势产业吸引优秀人才，增加其就业岗位和职业发展空间。
3,加强科技创新系统规划布局
坚持“四个面向”战略，将科学技术和创新发展提到战略目标的层次是必要的。加强基地项目建设，加快实施积极主动、已部署的国家科技重点项目，抢占科技创新领域的制高点，为确保产业链安全可靠、稳定供应链提供有力支持。发挥社会主义现代化体制优势并实现科技自立自强，促进研究机构、大学和企业直接的资源共享，注重后续扶助政策的实施。消除在科技创新领域同其它资源沟通不畅的现象，围绕核心技术攻关，从而掌握发展主动权，针对薄弱环节重点提高国家创新体系的整体效率。研发先进适用的绿色工业技术，并注重引资质量的提升。
实行差异化科技金融发展的区域战略。步入工业化中期的后半段，整体金融经济运行状况存在明显的差异，中西部地区发展水平、金融科技、创新水平相对落后,金融科技对经济的影响相对弱，若釆用相对平均的政策将在一定程度上造成资源的浪费，加剧各地区发展不均衡的问题。因此，目前应注重促进区域间协调的科技金融领域开发策略。针对我国各地区的工业生产水平做充分的调研，了解工业分布不均衡的细节特点，从而合理安排个区域内科技资金和人员的调配，从而打造跨地区发展绿色环保产业的规模优势，迸发经济发展新动能；而在农业和其他第一产业中所占比例相对较高的地区，在科技投入方面更多地针对农业科技发展。
4.吸收借鉴工业绿色转型先进经验
虽然各国监管部门已明确，环境风险对金融监管会带来负面的影响，工业绿色转型可说是势在必行的。但在面对具体案例的解决时，仍存在一系列问题，比如金融营利性与绿色外部性间的矛盾，金融避险性与信息不透明性的矛盾。现实的生态环境领域中有着“公地悲剧”的先例，全局性的共同行动仍需克服重重阻碍等。后疫情时代更需充分发挥区位优势，加强与其他国家开展财金对话，探讨搭建绿色金融、金融科技合作平台等多边金融合作。承接产业转移项目时，要慎重选择低能耗、清洁环保的企业开展国际产能合作，推动工业发展的绿色布局。注重对工业绿色转型中提高自主研发能力的提高。尤其是鼓励政府与社会资本共同进入工业绿色转型的研发领域。充分利用国内外市场，发掘科技成果使用价值，支持和引导其商业化，循环保护企业创新机制。
