高復(fù)陽 邵紅梅

【摘要】隨著全球人口和生產(chǎn)規(guī)模的擴大， 人類賴以生存的環(huán)境面臨著巨大挑戰(zhàn)。 理論和實踐表明資金和技術(shù)對環(huán)境污染治理具有重要作用， 但其影響機理和空間效應(yīng)有待探討。 從企業(yè)微觀視角出發(fā)， 運用博弈論分析金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的影響機理; 基于STIRPAT模型， 采用中國2005 ～ 2017年的省級面板數(shù)據(jù)， 構(gòu)建動態(tài)空間面板模型展開實證分析。 結(jié)果表明：中國環(huán)境污染存在顯著的空間相關(guān)性且重污染地區(qū)高度集聚; 金融發(fā)展水平的提高雖增加了當(dāng)?shù)丨h(huán)境壓力， 但在一定程度上改善了鄰域環(huán)境質(zhì)量; 技術(shù)創(chuàng)新水平的提高顯著降低了當(dāng)?shù)丨h(huán)境壓力， 有效遏制了領(lǐng)域環(huán)境污染; 經(jīng)濟增長與環(huán)境壓力存在倒U形關(guān)系， 證實了EKC假說。 最后進行穩(wěn)健性檢驗并提出加強環(huán)境污染治理的政策建議：充分考慮污染的空間相關(guān)性; 加快構(gòu)建綠色金融體系; 構(gòu)建市場導(dǎo)向的綠色技術(shù)創(chuàng)新體系; 加強綠色環(huán)保技術(shù)的引進、消化吸收和推廣。

【關(guān)鍵詞】金融發(fā)展;技術(shù)創(chuàng)新;環(huán)境污染;影響機理;動態(tài)空間面板模型

【中圖分類號】F832? ? ? 【文獻標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2020）21-0148-9

人類社會的發(fā)展和延續(xù)離不開良好的生態(tài)環(huán)境。 然而， 隨著全球人口和生產(chǎn)規(guī)模的不斷擴大， 財富總量在快速增長的同時， 人類賴以生存的環(huán)境也面臨著巨大挑戰(zhàn)。 根據(jù)聯(lián)合國教科文組織近年來的研究， 全世界大約五分之一的人口生活在水資源匱乏地區(qū)， 并且地下水污染的加劇給這些人的生活用水帶來了極大困擾。 2018年世界氣象組織發(fā)布的《溫室氣體公報》指出， 2016年全球二氧化碳平均濃度達到百萬年以來的最高水平， 將會導(dǎo)致海平面上升20米、全球氣溫上升3度的可怕后果。 為了應(yīng)對日益嚴(yán)峻的環(huán)境污染問題， 各國政府已經(jīng)投入了大量的人力物力。 我國作為世界第一人口大國和第二大發(fā)展經(jīng)濟體， 承擔(dān)著環(huán)境保護的重要責(zé)任。 幾十年來， 我國經(jīng)濟規(guī)模不斷擴大， 然而高速經(jīng)濟增長是以自然環(huán)境的嚴(yán)重破壞和資源的過度消耗為代價， 我國迫切需要加快實現(xiàn)經(jīng)濟與生態(tài)環(huán)境的協(xié)調(diào)發(fā)展。 為促進經(jīng)濟可持續(xù)發(fā)展， 2017年我國的政府文件中明確提出構(gòu)建綠色金融體系和綠色技術(shù)創(chuàng)新體系的理念目標(biāo)， 希望通過加大對環(huán)保技術(shù)的資金投入和研發(fā)投入， 借助金融發(fā)展和技術(shù)創(chuàng)新的力量來遏制環(huán)境污染日益加劇的趨勢。 因此， 探討金融發(fā)展和技術(shù)創(chuàng)新的生態(tài)效應(yīng)對協(xié)調(diào)經(jīng)濟增長和環(huán)境污染之間的矛盾、推動我國經(jīng)濟高質(zhì)量發(fā)展具有重要意義。

一、文獻綜述

目前， 國內(nèi)外學(xué)者主要依據(jù)環(huán)境庫茲涅茨曲線理論以及環(huán)境壓力模型， 從經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)、金融發(fā)展、技術(shù)創(chuàng)新、政府規(guī)制、外商直接投資等視角對環(huán)境污染展開了大量研究。 隨著各國工業(yè)化的迅速發(fā)展和生態(tài)環(huán)境的不斷惡化， 為了便于量化研究生態(tài)環(huán)境壓力的影響因素， Paul和John[1] 基于社會、經(jīng)濟活動對生態(tài)環(huán)境的影響， 提出了IPAT模型， 即I=P×A×T， 將生態(tài)環(huán)境影響I看作人口數(shù)量P、技術(shù)創(chuàng)新T和經(jīng)濟發(fā)展水平A的函數(shù)。 研究認(rèn)為， 人口規(guī)模不斷擴大、增長速度過快導(dǎo)致各省范圍內(nèi)的人均耕地面積嚴(yán)重不足， 最終由于環(huán)境壓力帶來人口生態(tài)問題; 地區(qū)經(jīng)濟發(fā)展對于工業(yè)的依賴性以及隨著工業(yè)化程度加深而排放的大量污染物， 對區(qū)域環(huán)境產(chǎn)生了巨大壓力; 技術(shù)水平的提高可以顯著地降低企業(yè)污染物排放量。 由于IPAT方程假定各因素與環(huán)境污染是同比例變動， 針對這一缺陷York等[2] 提出了IPAT方程的隨機形式I=a×Pb×Ac×Tde， 即STIRPAT模型。 這一模型不僅可以檢驗人口、經(jīng)濟、技術(shù)因素對環(huán)境污染的彈性系數(shù)， 還可以擴展影響因素。 有別于IPAT方程中經(jīng)濟發(fā)展增加環(huán)境污染的觀點， 1991年Grossman和Krueger[3] 實證分析了美國經(jīng)濟發(fā)展與環(huán)境污染之間的關(guān)系， 認(rèn)為二者關(guān)系呈倒U型， 即環(huán)境壓力會先隨著經(jīng)濟的增長而不斷上升， 繼而隨著經(jīng)濟的發(fā)展又緩慢下降。 1993年， Panayotou[4] 基于庫茲涅茨曲線理論， 將環(huán)境壓力與經(jīng)濟發(fā)展之間的倒U型關(guān)系稱作環(huán)境庫茲涅茨曲線。 關(guān)于環(huán)境庫茲涅茨曲線的主流解釋為， 經(jīng)濟發(fā)展的規(guī)模、技術(shù)及結(jié)構(gòu)效應(yīng)共同作用使得環(huán)境壓力隨著經(jīng)濟發(fā)展增加到一定程度后開始下降。

針對環(huán)境庫茲涅茨曲線的“倒U型”解釋， 學(xué)術(shù)界也展開了激烈的爭論， 相關(guān)學(xué)者開展了大量實證研究， 部分研究證實了倒U型關(guān)系的存在。 例如， 張祥、李麗[5] 以中國省級面板數(shù)據(jù)為樣本， 研究認(rèn)為經(jīng)濟增長與環(huán)境污染之間具有顯著的倒U型關(guān)系。 然而， Shafik[6] 的研究表明， 環(huán)境污染和經(jīng)濟發(fā)展之間并非呈現(xiàn)倒U型關(guān)系而是單調(diào)上升的線性關(guān)系。 Poon等[7] 通過對中國環(huán)境污染與經(jīng)濟發(fā)展水平之間的實證研究表明， 二者呈現(xiàn)較明顯的三次方型關(guān)系。 李斌、曹萬林[8] 對我國經(jīng)濟增長與環(huán)境污染的關(guān)系進行檢驗， 發(fā)現(xiàn)經(jīng)濟增長與環(huán)境污染存在脫鉤效應(yīng)。

在產(chǎn)業(yè)層面， 大部分學(xué)者基于EKC理論分析了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與環(huán)境壓力之間是否存在倒U型關(guān)系。 一方面， Shandra和Shor[9] 、Cherniwchan[10] 、Bruvoll和Medin[11] 等認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化無法降低環(huán)境壓力; 另一方面， 有學(xué)者認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)調(diào)整有助于降低環(huán)境污染， 如Shafik[6] 認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整在污染物治理方面存在著積極的作用， 因為第三產(chǎn)業(yè)對于第二產(chǎn)業(yè)的代替可以有效地減少工業(yè)污染物的排放量。 在環(huán)境庫茲涅茨曲線的驗證研究中， 部分學(xué)者還重點關(guān)注了FDI與環(huán)境污染之間的關(guān)系。 例如， Pao和Tsai[12] 利用金磚四國1980 ～ 2007年的數(shù)據(jù)研究發(fā)現(xiàn)， FDI能夠促進東道國的碳排放量。 基于1985 ～ 2006年110個發(fā)達國家和發(fā)展中國家的面板數(shù)據(jù)， Shahbaz等[13] 研究表明， 人均FDI與人均碳排放之間存在正相關(guān)關(guān)系。 除此之外， 梁平漢、高楠[14] 通過分析2004 ～ 2011年我國287個城市市長和城市的匹配數(shù)據(jù)， 認(rèn)為地方領(lǐng)導(dǎo)人事變動可以有效遏制環(huán)境污染。 從最優(yōu)契約設(shè)計的角度， 李國平、張文彬[15] 分析了地方政府的最優(yōu)環(huán)境規(guī)制， 認(rèn)為保持地方政府環(huán)境規(guī)制部門的獨立性能夠有效發(fā)揮政府環(huán)境規(guī)制的作用。

目前有關(guān)技術(shù)創(chuàng)新影響環(huán)境污染的研究尚沒有達成共識。 Porter和Class[16] 首次通過理論分析和案例研究， 發(fā)現(xiàn)針對污染性企業(yè)采取規(guī)制措施， 可以激勵其技術(shù)創(chuàng)新、降低環(huán)境規(guī)制成本并提高企業(yè)的國際競爭力。 李粉等[17] 利用我國21個工業(yè)行業(yè)面板數(shù)據(jù)， 研究發(fā)現(xiàn)技術(shù)創(chuàng)新與環(huán)境污染具有顯著的正相關(guān)關(guān)系。 Zhang等[18] 基于差分廣義矩估計研究了環(huán)境規(guī)制對霧霾污染治理的直接和間接影響， 指出科技創(chuàng)新具有“合規(guī)成本”效應(yīng)， 加深了霧霾污染程度。 Kemfert[19] 從地域差異的視角對企業(yè)在技術(shù)研發(fā)方面的資金投入與能源利用率二者的關(guān)系進行探析， 研究表明企業(yè)只有加強對技術(shù)研發(fā)的資金支出才能從根本上降低環(huán)境污染的治理成本。 基于案例分析， Trianni等[20] 指出， 技術(shù)的提高會降低環(huán)境污染的程度。 李博[21] 通過構(gòu)建空間計量模型指出省際技術(shù)創(chuàng)新能力的提高對減少人均碳排放具有顯著影響。 韓堅、盛培宏[22] 以我國東部地區(qū)15個省份的面板數(shù)據(jù)為例， 研究發(fā)現(xiàn)技術(shù)創(chuàng)新效率與碳排放強度和碳排放總量之間均具有負(fù)相關(guān)關(guān)系。 Zhu等[23] 通過空間面板計量模型， 研究了空氣污染的空間特征以及能源技術(shù)創(chuàng)新與空氣污染的關(guān)系， 建議區(qū)域和地區(qū)政策制定者在改善空氣質(zhì)量時要考慮空間位置因素。

隨著金融發(fā)展和綠色金融理念的普及， 金融作為推動經(jīng)濟增長和技術(shù)創(chuàng)新的重要因素， 其生態(tài)效應(yīng)也逐漸引起國內(nèi)外學(xué)者的關(guān)注。 目前， 金融發(fā)展對環(huán)境污染的影響作用存在不同研究觀點。 例如， Jalil和Feridun[24] 分析發(fā)現(xiàn)， 金融發(fā)展與二氧化碳的排放量呈負(fù)相關(guān)關(guān)系; Shahbaz[25] 研究了巴基斯坦金融發(fā)展與環(huán)境污染之間的關(guān)系， 發(fā)現(xiàn)金融發(fā)展的不穩(wěn)定性會引起環(huán)境污染的不斷惡化。? 原毅軍、蘆云鵬[26] 研究表明， 金融發(fā)展能夠顯著降低環(huán)境污染。 朱歡[27] 基于中國2005 ～ 2016年267個地級以上城市的面板數(shù)據(jù)， 研究發(fā)現(xiàn)金融發(fā)展與環(huán)境污染之間具有負(fù)相關(guān)關(guān)系。 Bello和Abimbola[28] 以尼日利亞為例展開實證分析， 認(rèn)為從長期來看金融發(fā)展在一定程度上加速了環(huán)境的惡化。 徐明偉等[29] 通過構(gòu)建環(huán)境壓力指數(shù)， 探討了金融發(fā)展對環(huán)境污染的傳遞作用， 分析了金融業(yè)發(fā)展對環(huán)境壓力的經(jīng)濟效應(yīng)和技術(shù)效應(yīng)， 指出金融發(fā)展可以通過技術(shù)效應(yīng)降低環(huán)境污染。 王偉等[30] 構(gòu)建面板數(shù)據(jù)模型， 分析了我國廢水排放與區(qū)域金融發(fā)展的關(guān)系， 認(rèn)為在一定時期內(nèi)金融發(fā)展對環(huán)境污染存在倒U型影響。 賀俊等[31] 研究認(rèn)為， 金融機構(gòu)信貸規(guī)模、金融市場融資規(guī)模與環(huán)境污染負(fù)相關(guān)， 并且指出金融發(fā)展對環(huán)境污染的影響具有地域差異。 Zhao等[32] 利用空間經(jīng)濟學(xué)方法研究發(fā)現(xiàn)， 金融深度和金融效率對環(huán)境污染的直接影響分別是負(fù)向和正向的。 此外， 這兩個指標(biāo)對技術(shù)進步和產(chǎn)業(yè)結(jié)構(gòu)影響環(huán)境污染的結(jié)果具有不同的調(diào)節(jié)作用。

通過梳理相關(guān)文獻， 發(fā)現(xiàn)現(xiàn)有研究存在以下不足：①現(xiàn)有文獻都是從實證角度檢驗金融發(fā)展或技術(shù)創(chuàng)新對環(huán)境污染的影響， 但理論分析不夠充分; ②現(xiàn)有實證研究識別了環(huán)境污染的空間相關(guān)性， 但大多采用傳統(tǒng)面板回歸模型， 難以有效地捕捉金融發(fā)展和技術(shù)創(chuàng)新對環(huán)境污染的空間溢出效應(yīng); ③關(guān)于金融發(fā)展與技術(shù)創(chuàng)新對環(huán)境的影響還沒有達成一個最終結(jié)論， 這需要利用最新的樣本和計量方法予以驗證。 因此， 本文基于博弈視角定性探討金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的作用機理， 并利用中國2005 ～ 2017年的省級面板數(shù)據(jù)， 構(gòu)建動態(tài)空間面板模型實證分析金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的空間溢出影響。

二、理論分析

假設(shè)市場中只存在兩家企業(yè)， 符合古諾雙寡頭博弈模型要求， 分別為企業(yè)1和企業(yè)2， 它們生產(chǎn)并同時銷售同質(zhì)的產(chǎn)品。 總產(chǎn)出為q=q1+q2， 其中qi表示企業(yè)i的產(chǎn)出水平。 假設(shè)企業(yè)融資總需求為C， 這些資金主要被用于三個部分：第一部分資金Ci1用于產(chǎn)品生產(chǎn)， Ci1=ci×qi， ci表示單位產(chǎn)出成本; 第二部分資金Ci2用于技術(shù)開發(fā)與創(chuàng)新， Ci2=ai2×Ci1， ai2表示技術(shù)創(chuàng)新的支出Ci2與生產(chǎn)總成本Ci1的比值; 第三部分資金Ci3則用于控排減污， Ci3=ai1×qi， ai1表示每單位產(chǎn)出的減排成本。 令ci=

f （ai2）， 0

u1（q1，q2）=q1×p（q）-C1

=q1×p-C11-C12-C13

=q1×p-a11×q1-（1+a12）×c1×q1

=q1×p-g（a12）×q1-（1+a12）×f （a12）×q1 （1）

u2（q1，q2）=q2×p（q）-C2

=q2×p-C21-C22-C23

=q2×p-a21×q2-（1+a22）×c2×q2 （2）

為了簡化分析過程， 令p=1-（q1+q2）。 當(dāng)企業(yè)的邊際收益等于邊際成本， 即dui/dqi=0， 可得企業(yè)反應(yīng)函數(shù)。

企業(yè)1的反應(yīng)函數(shù)為：

[q1=1-q2-γ12] （3）

企業(yè)2的反應(yīng)函數(shù)為：

[q2=1-q1-γ22] （4）

其中， γ1=（1+a12）×c1+a11， γ2=（1+a22）×c2+a21， 分別表示企業(yè)1和企業(yè)2的平均總成本。 根據(jù)企業(yè)1和企業(yè)2的反應(yīng)函數(shù)， 解得古諾均衡數(shù)量為：

[q*1=1+γ2-2γ13] （5）

[q*2=1+γ1-2γ23] （6）

繼而， 古諾均衡價格為：

[p*=1+γ1+γ23] （7）

隨著金融發(fā)展， 企業(yè)1能夠以更小的成本b×C獲得以往融資總額C所能達到的產(chǎn)出水平， 其中b為常數(shù)， 0

[q*'1=1+γ2-2γ'13] （9）

[C'13=a11×q'1=a11×1+γ2-2γ'13] （10）

結(jié)合式（5）和式（9）可知，? ? ? ? ? ?， 表示金融發(fā)展可以提高企業(yè)的均衡產(chǎn)量， 擴大企業(yè)市場占有率， 加強企業(yè)的壟斷力量。 此外，? ? ? >C13， 表示金融發(fā)展會增加企業(yè)減排的壓力， 導(dǎo)致環(huán)境污染加劇， 不利于生態(tài)環(huán)境的保護。

接下來討論技術(shù)創(chuàng)新因素對環(huán)境污染的影響。 由上文推導(dǎo)可知， 企業(yè)1的平均總成本、均衡產(chǎn)出和減排總支出分別為：

γ1=（1+a12）×f （a12）+g（a12） （11）

[q*1=1+γ2-2× [ （1+a12） ×f （a12） +g （a12） ]3] （12）

（13）

分別對各式求導(dǎo)得：

[dγ1da12]=f （a12）+（1+a12）×f '（a12）+g'（a12） （14）

[q*'1]=? ? ? ?=-[23]×[f （a12）+（1+a12）×f '（a12）+

g'（a12）] （15）

[dC13da12]=g'（a12）×[q*1]-g（a12）×[q*'1] （16）

因為技術(shù)創(chuàng)新有利于提高產(chǎn)品價值， 并通過提高企業(yè)生產(chǎn)效率來降低企業(yè)的平均總成本， 所以dγ1/da12<0。 進而由式（15）和式（16）得：? ? ?/da12>0， dC13/da12<0， 表示研發(fā)投入越多， 均衡產(chǎn)出越高， 減排成本越小。

假設(shè)在初始階段， 由于金融產(chǎn)業(yè)的發(fā)展， 盡管為了維持既有均衡產(chǎn)出A， 企業(yè)1為獲得資金總額為T的支出成本為b， 但企業(yè)1依舊付出了全部的成本c。 因為它將剩余的成本d用于投資技術(shù)開發(fā)， 此時企業(yè)1的總平均成本依舊為e， 所以在短期內(nèi)， 因融資便利性導(dǎo)致生產(chǎn)成本的減少量會由于技術(shù)投入的大量增加而被抵消。 唯一不同的是， 企業(yè)1用于技術(shù)創(chuàng)新的支出由原先的C12增長到C'12=C12+（1-b）×C。 如果企業(yè)1足夠幸運， 在某個時刻企業(yè)的研發(fā)活動有了重大突破， 總平均成本因生產(chǎn)率和排污效率的提高而迅速降低。 根據(jù)市場供求關(guān)系， 當(dāng)企業(yè)成本降低時， 企業(yè)供給增加， 所以企業(yè)1總平均成本下降時， 通過古諾均衡產(chǎn)出條件， 企業(yè)1的均衡產(chǎn)出增加。 可能會因為技術(shù)的投入， 導(dǎo)致均衡產(chǎn)出增加量變化的幅度要比純利潤策略導(dǎo)致的變化大得多。 如果企業(yè)家是充分理性的， 并且擁有足夠的遠(yuǎn)見， 在用a的努力獲得資金總額I以保證企業(yè)正常生產(chǎn)的同時， 企業(yè)應(yīng)該充分利用剩余的P的成本投資于技術(shù)的開發(fā)與創(chuàng)新， 謀求長遠(yuǎn)的利益。 長期來看， 相對于單純的金融發(fā)展策略， 技術(shù)創(chuàng)新不僅可以降低企業(yè)總平均成本， 還可以減少單位污染排放的處理費用。

綜上所述， 金融在推動經(jīng)濟增長過程中對生態(tài)環(huán)境存在不容忽視的影響：一方面， 金融業(yè)的發(fā)展能夠優(yōu)化資源配置， 降低融資成本， 擴大生產(chǎn)規(guī)模， 進而增加能源消耗和污染物的排放量; 另一方面， 充足的金融支持可以顯著提高整個市場的技術(shù)水平和創(chuàng)新能力， 通過推動綠色生產(chǎn)技術(shù)的研發(fā)間接緩解環(huán)境壓力。 技術(shù)創(chuàng)新不僅有利于降低均衡總平均成本、提高均衡產(chǎn)出， 而且能夠有效控制企業(yè)生產(chǎn)所產(chǎn)生的廢棄物排放， 對治理環(huán)境污染有著重要意義。 將技術(shù)創(chuàng)新引入企業(yè)純金融策略， 有助于改變金融發(fā)展對環(huán)境保護的消極作用。 長期來看， 技術(shù)創(chuàng)新能給企業(yè)和生態(tài)環(huán)境帶來較大的收益， 但是企業(yè)選擇這一策略的前期是不斷提高研發(fā)投入的比例， 需要相對穩(wěn)定且安全的資金來源， 需要金融策略的配合。 因此， 金融發(fā)展與技術(shù)創(chuàng)新共同作用推動企業(yè)采取環(huán)保行為。 金融發(fā)展對環(huán)境污染的影響不是簡單負(fù)面的、單向的。 金融發(fā)展是否造成環(huán)境污染問題取決于金融企業(yè)的投資偏好。 若金融企業(yè)更偏好投資環(huán)保型企業(yè)， 生產(chǎn)企業(yè)將更加傾向于自覺履行保護環(huán)境的社會義務(wù)， 有利于企業(yè)采取環(huán)境友好型生產(chǎn)技術(shù)和污染處理技術(shù)， 加大相關(guān)技術(shù)研發(fā)投入， 從而減少廢棄物排放， 改善環(huán)境污染問題。

三、模型構(gòu)建與變量選取

（一）模型構(gòu)建

York等[2] 提出的STIRPAT模型對IPAT方程的改進， 被廣泛應(yīng)用于環(huán)境污染影響因素的研究中， 其結(jié)構(gòu)為：

I=a×Pb×Ac×Tde （17）

其中， a為常數(shù)， I代表環(huán)境壓力， P代表人口規(guī)模， A代表經(jīng)濟發(fā)展水平， T代表技術(shù)創(chuàng)新， b、c和d分別為其指數(shù)， e為隨機誤差項。 STIRPAT模型的優(yōu)越性在于可以添加新的環(huán)境污染遏制因素以及各種控制變量。 根據(jù)理論分析， 將金融發(fā)展變量引入STIRPAT模型， 其中FINit代表金融發(fā)展水平， i表示地區(qū)（或省份）， t表示年份。

為便于探討變量之間的線性關(guān)系， 對上述等式進行對數(shù)線性化處理， 將式（18）簡化為如下線性方程。 其中a?為固定常數(shù)， u?為隨機擾動項， 其余變量含義不變。

lnIit=a?+blnPit+clnAit+dlnTit+flnFINit+u? （19）

為進一步探討我國各省環(huán)境污染的空間動態(tài)特性， 本文采用空間動態(tài)面板模型。 在面板模型基礎(chǔ)上引入空間權(quán)重矩陣以及環(huán)境污染的滯后項來考察環(huán)境污染的空間效應(yīng)及動態(tài)效應(yīng)， 同時為了檢驗環(huán)境庫茲涅茨曲線效應(yīng)， 引入經(jīng)濟增長平方項。 模型如下：

lnENVit=τlnENVit-1+ρWlnENVit+β1lnFINit+

β2lnPATit+β3lnGDPit+β4lnPEOit+β5lnGDP2it+

W（δ1lnFINit+δ2lnPATit+δ3lnGDPit+δ4lnPEOit+

δ5lnGDP2it）+αi+νt+εit （20）

其中， τ為環(huán)境污染滯后項系數(shù)， ρWlnENVit代表因變量環(huán)境污染的空間影響， αi為個體效應(yīng)， νt為時間效應(yīng)， εit為隨機擾動項， lnGDP2it為經(jīng)濟增長平方項， βl和δl為各變量系數(shù)， 其余變量與上文相同。 W為空間權(quán)重矩陣， 其第ij個元素wij的設(shè)定如下：當(dāng)?shù)貐^(qū)i和地區(qū)j相鄰時， 該元素取值為0， 否則為1。

（二）變量說明、數(shù)據(jù)來源及描述性統(tǒng)計

本文的數(shù)據(jù)樣本由2005 ～ 2017年我國29個省份（不含港澳臺地區(qū)和數(shù)據(jù)不全的西藏地區(qū)）的面板數(shù)據(jù)組成。 對變量進行具體說明：①模型中被解釋變量ENV代表各省份環(huán)境污染程度， 指標(biāo)構(gòu)建參考徐明偉等[29] 的方法， 數(shù)據(jù)來源于國家統(tǒng)計局及各省環(huán)境統(tǒng)計年鑒; ②FIN代表各省份金融發(fā)展水平， 用當(dāng)?shù)亟鹑跈C構(gòu)發(fā)放貸款總額與地區(qū)生產(chǎn)總值的比值表示， 數(shù)據(jù)來源于國家統(tǒng)計局及各省金融統(tǒng)計年鑒; ③PAT代表各省份技術(shù)創(chuàng)新力度， 以各省專利申請量予以量化， 數(shù)據(jù)來源于各省科技統(tǒng)計年鑒及各省統(tǒng)計局網(wǎng)站; ④GDP代表各省人均地區(qū)生產(chǎn)總值， 以2005年為基期進行平減計算出歷年實際人均GDP， 數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站; ⑤PEO代表各省份人口規(guī)模， 包括城鎮(zhèn)常住人口和農(nóng)村人口， 數(shù)據(jù)來源于國家統(tǒng)計局及各省統(tǒng)計年鑒中公開的數(shù)據(jù)。

變量的描述性統(tǒng)計結(jié)果如表1所示， 我國環(huán)境污染綜合指數(shù)平均值為0.2123， 最小值為0.0007， 最大值為0.7411， 最小值與最大值相差較大， 說明不同地區(qū)環(huán)境污染程度存在較大差異; 我國各省份金融發(fā)展水平均值為1.0848， 最小值0.5372和最大值2.5847相差不大， 說明中國各省份金融發(fā)展差距較小; 專利申請量的平均值為34964.8934， 最小值為24， 最大值為464118， 最小值與最大值相差較大， 說明各省份技術(shù)創(chuàng)新水平差異較大。

四、模型回歸結(jié)果

（一）空間相關(guān)性檢驗

在進行空間計量分析之前， 需要進行空間相依性檢驗。 Moran散點圖是常用的空間相依性檢驗方法， 本文對2005年、2009年、2013年和2017年四個年份環(huán)境污染的空間特征進行Moran散點圖分析， 具體分析如下：

Moran散點圖共分為四個象限：第一象限表示環(huán)境污染程度較高的省份被污染較高的省份所包圍; 第二象限代表環(huán)境污染程度較低的省份被污染程度較高的省份所包圍; 第三象限表示環(huán)境污染程度較低的省份被污染較低的省份所包圍; 第四象限表示環(huán)境污染程度較高的省份被污染程度較低的省份所包圍。 圖1 ～ 圖4的Moran指數(shù)值分別為0.095、0.086、0.075和0.025， 表明環(huán)境污染存在顯著的正向空間集聚特征， 即高污染地區(qū)被高污染地區(qū)所環(huán)繞， 低污染地區(qū)被低污染地區(qū)所環(huán)繞。

為了更加直觀地顯示各省所處的環(huán)境污染狀態(tài)， 表2給出了圖1 ～ 圖4四張Moran散點圖各自對應(yīng)的省份。

由表2可以看出， 從2005年到2017年， 我國總體環(huán)境污染集聚情況沒有出現(xiàn)大幅度變動。 在樣本期內(nèi)一直處于“高—高”生態(tài)環(huán)境污染集聚狀態(tài)的省份有河北、遼寧、江蘇、浙江、山東、河南等地區(qū)， 說明這些地區(qū)不僅生態(tài)環(huán)境污染較為嚴(yán)重， 并且周邊也存在較高程度的環(huán)境污染。 山西省2009年開始由“低—高”集聚狀態(tài)變?yōu)椤案摺摺睜顟B(tài)， 湖南省和廣西壯族自治區(qū)由“高—高”環(huán)境污染集聚狀態(tài)逐漸向“高—低”集聚狀態(tài)轉(zhuǎn)移， 說明廣西壯族自治區(qū)的生態(tài)環(huán)境污染狀況沒有得到明顯的緩解， 但廣西壯族自治區(qū)周邊地區(qū)的生態(tài)環(huán)境污染程度開始降低。 在樣本期內(nèi)， 云南省從第二象限向第三象限轉(zhuǎn)移， 說明不僅云南省當(dāng)?shù)丨h(huán)境污染程度較低， 且周邊地域的環(huán)境質(zhì)量也在不斷改善。 而四川省在樣本期內(nèi)一直處于第四象限， 當(dāng)?shù)丨h(huán)境污染程度較低， 且周邊地區(qū)環(huán)境壓力也較小。 2017年福建省由“高—高”環(huán)境污染集聚狀態(tài)變?yōu)椤暗汀摺奔蹱顟B(tài)， 廣東省由2005年的“高—高”環(huán)境污染集聚狀態(tài)變?yōu)椤暗汀汀奔蹱顟B(tài)， 可能的原因在于作為經(jīng)濟發(fā)展水平較高地區(qū)， 技術(shù)創(chuàng)新和經(jīng)濟發(fā)展方式轉(zhuǎn)變推動了環(huán)境質(zhì)量的提高。

為了更加清晰地描繪近期我國環(huán)境污染集聚情況， 本文繪制了2017年我國環(huán)境污染LISA集群分布圖（圖略）。 當(dāng)前， 我國環(huán)境污染集聚程度最高的為東部地區(qū)， 最低的為西部地區(qū)， 這主要是由于我國東部沿海地區(qū)工業(yè)化程度較高， 并且不斷承接海外發(fā)達國家的污染型企業(yè)轉(zhuǎn)移， 導(dǎo)致各個省份環(huán)境污染較為嚴(yán)重。 而西部地區(qū)由于地理原因， 盡管不斷承接?xùn)|部地區(qū)的污染型企業(yè)， 但是因為工業(yè)化基礎(chǔ)較弱， 整體上環(huán)境污染程度較低。

（二）實證結(jié)果

由于我國環(huán)境污染存在顯著的空間溢出效應(yīng)， 因此構(gòu)建動態(tài)空間面板模型是合理的。 模型（20）的回歸結(jié)果如表3所示。

環(huán)境污染滯后項系數(shù)為0.7710， 在5%的水平上顯著， 表明我國各地區(qū)環(huán)境污染存在較為明顯的滯后效應(yīng)， 前期環(huán)境污染程度對后期的環(huán)境壓力存在顯著的正向影響。 環(huán)境污染的空間自相關(guān)系數(shù)ρ的取值為0.1113， 在10%的水平上顯著， 說明我國環(huán)境污染呈現(xiàn)出較為明顯的空間集聚特征， 高（低）污染區(qū)域往往與高（低）污染區(qū)域相鄰， 與前文Moran指數(shù)檢驗相一致。

1. 金融發(fā)展與環(huán)境污染。 金融發(fā)展水平對當(dāng)?shù)丨h(huán)境污染程度的影響系數(shù)為0.7234， 且在10%的水平上顯著， 說明金融發(fā)展水平每提高一個百分點， 當(dāng)?shù)丨h(huán)境壓力提高0.7234個百分點。 金融發(fā)展水平的提高會顯著增加當(dāng)?shù)氐沫h(huán)境壓力， 與前文理論分析一致。 此外， 金融發(fā)展的空間溢出系數(shù)為-1.5063， 在5%的水平上顯著， 說明本地金融發(fā)展會明顯緩解周邊地區(qū)生態(tài)環(huán)境壓力， 這可能是由于金融業(yè)的發(fā)展提高了企業(yè)融資的便捷性， 不僅有利于企業(yè)規(guī)模的擴大， 還會對周邊企業(yè)產(chǎn)生一定程度的吸引作用， 導(dǎo)致污染性企業(yè)向本地遷移。 由此可知， 金融發(fā)展水平的提高雖然增加了本地區(qū)的環(huán)境壓力， 但改善了周邊地區(qū)的環(huán)境質(zhì)量。

2. 技術(shù)創(chuàng)新與環(huán)境污染。 技術(shù)創(chuàng)新對當(dāng)?shù)丨h(huán)境污染的影響系數(shù)為-0.2432， 且在1%的水平上顯著， 技術(shù)創(chuàng)新水平每提高一個百分點， 當(dāng)?shù)丨h(huán)境壓力降低0.2432個百分點， 說明本地技術(shù)創(chuàng)新水平的提高可以有效遏制當(dāng)?shù)丨h(huán)境污染。 技術(shù)創(chuàng)新的空間溢出系數(shù)為0.1387， 但不顯著， 說明本地區(qū)技術(shù)創(chuàng)新水平的提高對周邊環(huán)境污染不存在明顯的抑制作用， 這可能是由于各個省份技術(shù)市場發(fā)展不完善， 從而導(dǎo)致相關(guān)技術(shù)不能在不同區(qū)域之間有效擴散。

3. 經(jīng)濟發(fā)展與環(huán)境污染。 經(jīng)濟增長對當(dāng)?shù)丨h(huán)境污染影響的一次項系數(shù)為7.3645， 其平方項系數(shù)為-0.8685， 均在1%的水平上顯著， 說明經(jīng)濟增長與環(huán)境壓力之間存在顯著的倒U型關(guān)系， 證實了環(huán)境庫茲涅茨曲線假說。 經(jīng)濟增長的空間溢出系數(shù)為

-9.9243， 在1%的水平上顯著， 說明本地區(qū)經(jīng)濟發(fā)展水平的提高有利于改善周邊地區(qū)環(huán)境質(zhì)量。

4. 人口規(guī)模與環(huán)境污染。 人口規(guī)模對當(dāng)?shù)丨h(huán)境污染的影響系數(shù)為1.2914， 在1%的水平上顯著， 人口規(guī)模每提高一個百分點， 環(huán)境壓力上升1.2914個百分點， 說明本地人口規(guī)模的擴大會顯著增加當(dāng)?shù)丨h(huán)境壓力。 人口規(guī)模的空間溢出系數(shù)為-0.8129， 在1%的水平上顯著， 表明人口規(guī)模的增加可以有效改善周邊地區(qū)的環(huán)境質(zhì)量。

五、穩(wěn)健性檢驗

為檢驗實證結(jié)果的穩(wěn)健性， 本文從空間權(quán)重矩陣的構(gòu)造和變量選取兩個方面進行穩(wěn)健性分析。

（一）替換空間權(quán)重矩陣的穩(wěn)健性檢驗

考慮到上文采用的是空間地理意義上的權(quán)重矩陣， 因此對空間權(quán)重矩陣進行重新設(shè)定。 考慮經(jīng)濟意義上的空間權(quán)重矩陣， 選取2017年各地區(qū)生產(chǎn)總值差的倒數(shù)作為矩陣的元素， 對上述空間模型進行估計， 結(jié)果如表4所示。 由回歸結(jié)果可以看出， 金融發(fā)展和技術(shù)創(chuàng)新對環(huán)境污染的空間影響系數(shù)沒有大幅度變動， 系數(shù)符號與前文保持一致， 由此可知， 模型通過了穩(wěn)健性檢驗。

（二）變量選取的穩(wěn)健性檢驗

為確保金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的影響不受控制變量的干擾， 本文刪除模型中的人口規(guī)模變量， 重新構(gòu)建空間計量模型進行分析， 結(jié)果如表5所示。 根據(jù)回歸結(jié)果可以看出， 金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的空間影響與原模型所得結(jié)論基本一致， 變量參數(shù)和空間自相關(guān)系數(shù)的符號大致相同， 因此模型通過了穩(wěn)健性檢驗。

六、基本結(jié)論與政策建議

本文綜合采用博弈分析方法探討金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的影響機理， 分析發(fā)現(xiàn)金融發(fā)展促進了企業(yè)生產(chǎn)和利潤的增加， 但間接加劇了環(huán)境污染程度; 技術(shù)創(chuàng)新不僅能夠有效擴大產(chǎn)出規(guī)模， 還有利于提高企業(yè)資源的利用效率， 進而降低企業(yè)的污染排放量。

本文選取我國30省2005 ～ 2017年的面板數(shù)據(jù)， 建立動態(tài)空間面板模型， 實證研究金融發(fā)展、技術(shù)創(chuàng)新對環(huán)境污染的空間影響。 研究表明：①我國環(huán)境污染存在顯著正的空間自相關(guān)性， 重污染地區(qū)高度集聚。 ②金融發(fā)展水平的提高顯著促進了當(dāng)?shù)丨h(huán)境污染水平提高， 這主要是由于金融業(yè)的發(fā)展降低了企業(yè)的生產(chǎn)成本， 進而擴大了企業(yè)的生產(chǎn)規(guī)模， 導(dǎo)致能源消耗增加和污染排放量增大， 環(huán)境污染程度隨之加深。 然而當(dāng)?shù)亟鹑跇I(yè)的發(fā)展吸引了周邊地區(qū)的企業(yè)向本地區(qū)遷移， 改善了周邊地區(qū)的環(huán)境質(zhì)量。 ③技術(shù)創(chuàng)新水平的提高可以有效降低當(dāng)?shù)丨h(huán)境污染程度， 這主要是由于技術(shù)創(chuàng)新能力的提升推動了污染處理技術(shù)和清潔生產(chǎn)技術(shù)的進步， 有效遏制了污染物的排放。 雖然周邊地區(qū)的環(huán)境質(zhì)量呈現(xiàn)出上升的趨勢， 但效果并不顯著， 可能是因為當(dāng)?shù)丶夹g(shù)沒有發(fā)揮明顯的溢出效應(yīng)。

基于以上結(jié)論， 為協(xié)調(diào)經(jīng)濟發(fā)展和環(huán)境保護之間的關(guān)系， 本文提出以下政策建議：①我國各地政府在治理生態(tài)環(huán)境污染的同時， 應(yīng)充分考慮污染的空間相關(guān)性。 從區(qū)域協(xié)同視角制定環(huán)境污染的治理措施， 加強區(qū)域間的環(huán)保技術(shù)交流、重大環(huán)境治理項目的聯(lián)合實施。 ②加快構(gòu)建綠色金融體系， 充分發(fā)揮綠色金融在治理生態(tài)環(huán)境污染方面的作用， 提高對節(jié)能、環(huán)保型企業(yè)的金融支持， 借助金融手段遏制環(huán)境污染， 大力推動綠色債券、綠色保險、綠色信貸等的發(fā)展。 ③構(gòu)建市場導(dǎo)向的綠色技術(shù)創(chuàng)新體系， 充分發(fā)揮技術(shù)創(chuàng)新的生態(tài)效應(yīng)和市場配置綠色技術(shù)創(chuàng)新資源的導(dǎo)向作用， 引導(dǎo)企業(yè)增加清潔環(huán)保技術(shù)的研發(fā)投入， 加大對新型環(huán)保產(chǎn)業(yè)和節(jié)能產(chǎn)業(yè)的技術(shù)支持， 依靠科技創(chuàng)新加快推動制造業(yè)綠色轉(zhuǎn)型升級。 ④在吸引外商直接投資、引進發(fā)達國家和地區(qū)先進技術(shù)和資金的同時， 更應(yīng)重視綠色環(huán)保理念的推廣， 重點加強綠色環(huán)保技術(shù)的引進、消化吸收和推廣應(yīng)用， 優(yōu)先引進資源節(jié)約型、環(huán)境友好型的技術(shù)、產(chǎn)品和服務(wù)。

【 主 要 參 考 文 獻 】

[1] Paul Ehrlich， John Holden. Impact of Population Growth[ J].Science，1971（171）：1212 ～ 1217.

[2] Richard York， Eugene A. Rosa， Thomas Dietz. Stirpat， Ipat， and?Impact： Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[ J].Ecological Economics，2003（46）：351 ～ 365.

[3] Grossman G. M.， Krueger A. B.. Environmental Impacts of a North?American Free Trade Agreement[ J].Social Science Electronic Publishing，1991（2）：223 ～ 250.

[4] Panayotou T.. Empirical Tests and Policy Analysis of Environmen-tal Degradation at Different Stages of Economic Development[Z].Technology and Employment Programmed Working Paper 238，International Labor Office，1993.

[5] 張祥，李麗.安徽省環(huán)境質(zhì)量與經(jīng)濟增長的關(guān)系研究[ J].安慶師范大學(xué)學(xué)報 （自然科學(xué)版），2018（3）：48 ～ 52.

[6] Shafik N.. Economic Development and Environmental Quality[ J].Oxford Economic Papers，1994（46）：757 ～ 773.

[7] Poon J.， Casas I.， He C.. The Impact of Energy， Transport and?Trade on Air Pollution in China[ J].Eurasian Geography and Economics，2006（47）：568 ～ 584.

[8] 李斌，曹萬林.經(jīng)濟發(fā)展與環(huán)境污染的脫鉤分析[ J].經(jīng)濟學(xué)動態(tài)，2014（7）：48 ～ 56.

[9] Shandra J. M.， Shor E.. Debt， Structural Adjustment， and Organic?Water Pollution： A Cross -National Analysis[ J].Organization and Environment，2008（1）：38 ～ 55.

[10] Cherniwchan J.. Economic Growth， Industrialization， and the?Environment[ J].Resource and Energy Economics，2012（4）：442 ～ 467.

[11] Bruvoll A.， Medin H.. Factors Behind the Environmental Kuznets?Curve： A Decomposition of the Changes in Air Pollution[ J].Environmental and Resource Economics，2003（1）：27 ～ 48.

[12] Pao H. T.， Tasi C. M.. Multivariate Granger Causality Between?CO2 Emissions， Energy Consumption， FDI and GDP： Evidence from a Panel of BRIC Countries[ J].Energy，2011（1）：685 ～ 693.

[13] Shahbaz M.， Ozturk I.， Afza T.， Ali A.. Revisiting the Envi-ronmental Kuznets Curve in a Global Economy[ J].Renewable and Sustainable Energy Reviews，2013（25）：494 ～ 502.

[14] 梁平漢，高楠.人事變更、法制環(huán)境和地方環(huán)境污染[ J].管理世界，2014（6）：65 ～ 78.

[15] 李國平，張文彬.地方政府環(huán)境規(guī)制及其波動機理研究——基于最優(yōu)契約設(shè)計視角[ J].中國人口·資源與環(huán)境，2014（10）：24 ～ 31.

[16] Porter M. E.， Class V. D. L.. Toward a New Conception of the?Environment Competitiveness Relationship[ J].Journal of Economic Perspectives，1995（4）：97 ～ 118.

[17] 李粉，孫祥棟，張亮亮.產(chǎn)業(yè)集聚、技術(shù)創(chuàng)新與環(huán)境污染——基于中國工業(yè)行業(yè)面板數(shù)據(jù)的實證分析[ J].技術(shù)經(jīng)濟，2017（3）：1 ～ 7.

[18] Ming Zhang，Xiaoxiao Liu，Yueting Ding，Wenwen Wang. How?Does Environmental Regulation Affect Haze Pollution Governance？——An Empirical Test Based on Chinese Provincial Panel Data[ J].Science of the Total Environment，2019（695）：1 ～ 7.

[19] Kemfert C. Induced Technological Change in a Multi-regional，?Multi-sectoral， Integrated Assessment Model （WIAGEM）： Impact Assessment of Climate Policy Strategies[ J].Ecological Economies，2005（2-3）：293 ～ 305.

[20] Ttrianni A.， Cagno E.， Worrell E.. Innovation and Adoption of?Energy Efficient Technologies： An Exploratory Analysis of Italian Primary Metal Manufacturing SMEs[ J].Energy Policy，2013（7）：430 ～ 440.

[21] 李博.中國地區(qū)技術(shù)創(chuàng)新能力與人均碳排放水平——基于省級面板數(shù)據(jù)的空間計量實證分析[ J].軟科學(xué)，2013（1）：26 ～ 30.

[22] 韓堅，盛培宏.產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)創(chuàng)新與碳排放實證研究——基于我國東部個省（市）面板數(shù)據(jù)[ J].上海經(jīng)濟研究，2014（8）：67 ～ 7.

[23] Yongfeng Zhu， Zilong Wang， Jie Yang， Lingling Zhu. Does?Renewable Energy Technological Innovation Control China's Air Pollution？ A Spatial Analysis[ J].Journal of Cleaner Production，2019（250）：1～13.

[24] Jalil A.， Feridun M.. The Impact of Growth， Energy and Finan-cial Development on the Environment in China： A Cointegration Analysis[ J].Energy Economics，2011（2）：84 ～ 291.

[25] Shahbaz M.. Does Financial Instability Increase Environmental?Degradation？ Fresh Evidence from Pakistan[ J].Economic Modelling，2013（33）：537 ～ 544.

[26] 原毅軍，蘆云鵬.金融發(fā)展、環(huán)境污染與經(jīng)濟可持續(xù)最優(yōu)增長路徑[ J].科技與管理，2014（3）：1 ～ 7.

[27] 朱歡.金融發(fā)展會加劇環(huán)境污染嗎？基于Hansen門檻模型的檢驗[ J].預(yù)測，2018（3）：56 ～ 61.

[28] Bello A. K.， Abimbola O. M.. Does the Level of Economic?Growth Influence Environmental Quality in Nigeria： A Test of Environmental Kuznets Curve （EKC） Hypothesis？[ J].Pakistan Journal of Social Sciences，2010（23）：325 ～ 329.

[29] 徐明偉，徐鑫，解其昌.普惠金融在綠色生態(tài)發(fā)展中的傳遞作用[ J].山東社會科學(xué)，2018（3）：176 ～ 186.

[30] 王偉，楊敬峰，孫芳城.金融發(fā)展與城市環(huán)境污染：加劇還是緩解——基于268個城市數(shù)據(jù)[ J].西南民族大學(xué)學(xué)報（人文社科版），2019（5）：96 ～ 106.

[31] 賀俊，程銳，劉庭.金融發(fā)展、技術(shù)創(chuàng)新與環(huán)境污染[ J].東北大學(xué)學(xué)報（社會科學(xué)版），2019（2）：139 ～ 148.

[32] Jing Zhao， Ziru Zhao， Huan Zhang. The Impact of Growth，?Energy and Financial Development on Environmental Pollution in China： New Evidence from a Spatial Econometric Analysis[ J].Energy Economics，2019（9）：506.