□ 吳世杰

一、引言

無論是傳統(tǒng)經(jīng)濟(jì)學(xué)理論中對于技術(shù)創(chuàng)新重要性的詮釋，還是歷次工業(yè)革命中，科技進(jìn)步在經(jīng)濟(jì)發(fā)展轉(zhuǎn)型中發(fā)揮的決定性作用，都印證了技術(shù)創(chuàng)新之于經(jīng)濟(jì)發(fā)展的重要意義。因此，在我國邁向綠色發(fā)展轉(zhuǎn)型之路的歷史性階段，探究如何進(jìn)一步加快綠色創(chuàng)新步伐，以綠色創(chuàng)新推動(dòng)綠色經(jīng)濟(jì)轉(zhuǎn)型，對實(shí)現(xiàn)我國高質(zhì)量發(fā)展具有重要意義。

綠色創(chuàng)新水平的提高需要科技和金融支持，科技推動(dòng)了綠色創(chuàng)新的研發(fā)步伐，金融緩解了綠色科技公司的融資困境。因此，在以科技與金融引領(lǐng)為突出特征的第四次工業(yè)革命拉開序幕之際，如何運(yùn)用科技和金融手段，促進(jìn)綠色創(chuàng)新水平的持續(xù)提升，是我國爭取發(fā)展先機(jī)，進(jìn)而實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展綠色轉(zhuǎn)型的關(guān)鍵。

為探索科技和金融結(jié)合的模式，包括科技部在內(nèi)的五部門，分別于2011年與2016年，頒布并推廣了“科技和金融結(jié)合試點(diǎn)政策”（以下簡稱科技金融政策）。在此背景下，本文利用科技和金融結(jié)合試點(diǎn)政策這一自然實(shí)驗(yàn)，從理論與實(shí)證層面，系統(tǒng)研究了科技和金融結(jié)合對城市綠色創(chuàng)新的影響。一方面，可借助試點(diǎn)政策這一準(zhǔn)自然實(shí)驗(yàn)，在一定程度上緩解可能存在的內(nèi)生性問題。另一方面，通過評估“試點(diǎn)先行”背后的政策效應(yīng)，為進(jìn)一步制定科學(xué)而細(xì)化的政策，促進(jìn)我國綠色創(chuàng)新水平的持續(xù)提升提供依據(jù)。

二、文獻(xiàn)綜述與理論分析

（一）文獻(xiàn)綜述

綠色技術(shù)創(chuàng)新的重要性不言而喻，因此，針對如何驅(qū)動(dòng)綠色技術(shù)創(chuàng)新，既有研究已是碩果累累。現(xiàn)有關(guān)于綠色創(chuàng)新的研究視角主要可以歸納為三大角度：政府宏觀政策、社會(huì)特征屬性以及企業(yè)微觀治理。在政府宏觀政策視角，綠色信貸政策借助代理成本降低作用和投資效率提升作用，從而促進(jìn)綠色創(chuàng)新數(shù)量，但對綠色創(chuàng)新質(zhì)量提升不明顯（王馨和王營，2021）。同時(shí)，得益于綠色信貸政策引致的遵循成本效應(yīng)與信貸約束效應(yīng)，高污染企業(yè)技術(shù)創(chuàng)新會(huì)有所降低（陸菁等，2021）；智慧城市政策（吳鳴然和黃衛(wèi)東，2023）、低碳城市試點(diǎn)政策（鄧世成等，2023）可以有效激勵(lì)城市綠色創(chuàng)新能力的提升，而碳排放權(quán)交易政策能激發(fā)企業(yè)綠色技術(shù)創(chuàng)新（李創(chuàng)等，2023）。在社會(huì)特征屬性視角，媒體關(guān)注雖然能夠提高重污染企業(yè)的綠色技術(shù)創(chuàng)新績效，但過于嚴(yán)苛的宏觀環(huán)境規(guī)制、過于激烈的中觀市場競爭，以及過于松散的微觀內(nèi)部控制，均會(huì)減弱媒體關(guān)注的正向影響（張玉明等，2021）；城市財(cái)富存在綠色技術(shù)自選擇效應(yīng)并呈現(xiàn)自我強(qiáng)化特性，即富者更有能力和更富有責(zé)任地選擇綠色技術(shù)（董直慶和王輝，2021）。在企業(yè)微觀治理視角，董事會(huì)治理會(huì)在環(huán)境規(guī)制促進(jìn)企業(yè)綠色技術(shù)創(chuàng)新提升中發(fā)揮正向調(diào)節(jié)作用（王鋒正和陳方圓，2018）；高管薪酬激勵(lì)的創(chuàng)新補(bǔ)償效應(yīng)能夠提升財(cái)稅補(bǔ)貼政策對企業(yè)綠色創(chuàng)新的平滑效果，從而提升企業(yè)綠色創(chuàng)新能力（王旭和王非，2019）。

關(guān)于科技和金融結(jié)合的研究，國外學(xué)者主要論證了金融與技術(shù)創(chuàng)新之間的關(guān)系，以及金融發(fā)展、金融改革等對技術(shù)創(chuàng)新的影響（Ang，2014）。而我國學(xué)者在趙昌文等（2009）提出的科技和金融結(jié)合定義基礎(chǔ)上，聚焦于研究科技和金融結(jié)合以及試點(diǎn)政策的經(jīng)濟(jì)效果。研究發(fā)現(xiàn)，科技和金融結(jié)合試點(diǎn)政策有助于推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級（胡歡歡和劉傳明，2021），進(jìn)而對環(huán)境污染具有明顯的抑制作用（汪克亮和姜偉，2022），且提升了城市碳排放績效（江三良和賈芳芳，2023）。而關(guān)于科技和金融結(jié)合對于技術(shù)創(chuàng)新的研究結(jié)論并不一致。李永等（2015）研究發(fā)現(xiàn)，公共科技金融資源對企業(yè)研發(fā)投資具有顯著的擠出效應(yīng)，而蘆鋒和韓尚容（2015）卻認(rèn)為，在技術(shù)創(chuàng)新、成果轉(zhuǎn)化以及產(chǎn)業(yè)化階段，科技金融對技術(shù)創(chuàng)新的作用不可一概而論，具有顯著差異性。此外，鄭石明等（2020）研究發(fā)現(xiàn)，科技金融政策對技術(shù)創(chuàng)新具有直接和間接的促進(jìn)作用。

既有研究對于科技和金融結(jié)合以及城市綠色創(chuàng)新進(jìn)行了諸多探討，為本文研究奠定了堅(jiān)實(shí)的基礎(chǔ)，但是仍有不足之處。其一，對于科技金融的綠色創(chuàng)新效應(yīng)尚缺乏研究，且未處理其內(nèi)生性問題。其二，對于科技和金融結(jié)合影響城市技術(shù)創(chuàng)新，特別是綠色創(chuàng)新的機(jī)制，既有研究多從金融發(fā)展等角度進(jìn)行研究，但忽略了人才這一根本性要素的重要作用。其三，對于科技和金融結(jié)合試點(diǎn)政策的空間溢出效應(yīng)缺乏細(xì)致考察，政策效應(yīng)評估尚不全面。

因此，相比較以往文獻(xiàn)，本文的創(chuàng)新點(diǎn)在于：第一，基于科技和金融結(jié)合這一視角，利用科技和金融結(jié)合試點(diǎn)政策這一自然實(shí)驗(yàn)，考察科技和金融結(jié)合政策的綠色創(chuàng)新效應(yīng)，并利用中華老字號(hào)這一歷史變量作為工具變量，進(jìn)一步緩解內(nèi)生性問題。第一，聚焦人才集聚效應(yīng)在科技和金融結(jié)合政策影響城市綠色創(chuàng)新中的機(jī)制作用，將人才集聚納入科技金融結(jié)合與綠色技術(shù)創(chuàng)新框架。第三，利用空間計(jì)量模型，進(jìn)一步考察政策的空間溢出效應(yīng)，使得研究更具系統(tǒng)全面性。

（二）理論分析

科技金融政策對城市綠色創(chuàng)新的直接影響體現(xiàn)在以下幾點(diǎn)：其一，科技進(jìn)步?jīng)Q定了技術(shù)創(chuàng)新方向?？萍歼M(jìn)步奠定了綠色創(chuàng)新的基礎(chǔ)，為城市綠色創(chuàng)新提供了直接的技術(shù)支持。其二，金融資本保障了城市綠色創(chuàng)新的可持續(xù)性。綠色創(chuàng)新面臨投入成本高、回報(bào)慢的桎梏，而通過政策引導(dǎo)，金融資本加大了對綠色創(chuàng)新領(lǐng)域的投資，緩解了科技型企業(yè)的融資約束，從而為綠色創(chuàng)新水平的提升保駕護(hù)航。其三，科技和金融結(jié)合加快了城市綠色創(chuàng)新成果轉(zhuǎn)化。借助科技金融政策，各省市通過設(shè)立科技成果轉(zhuǎn)化庫，推動(dòng)了綠色創(chuàng)新的成果轉(zhuǎn)化，加快了企業(yè)的資金回流，從而推動(dòng)了城市綠色創(chuàng)新步伐。因此，科技金融政策切實(shí)提高了城市綠色創(chuàng)新水平。

而科技金融政策對城市綠色創(chuàng)新的間接影響可基于人才集聚這一視角展開。自韋伯（1909）提出“集聚”這一概念以來，集聚外部性便受到廣泛關(guān)注。馬歇爾（1920）提出了人才集聚可以推動(dòng)知識(shí)和技術(shù)的溢出，進(jìn)而推動(dòng)生產(chǎn)率的提高。在此基礎(chǔ)上，Glaeseret al.（1992）將前者研究成果加以歸納，認(rèn)為人才和技術(shù)的經(jīng)驗(yàn)積累可以使企業(yè)共享知識(shí)溢出和技術(shù)進(jìn)步所帶來的經(jīng)濟(jì)效益。

科技金融政策之于城市綠色創(chuàng)新的人才集聚效應(yīng)體現(xiàn)在人力資本水平提升和知識(shí)溢出這兩方面。自科技金融政策實(shí)施以來，各個(gè)試點(diǎn)城市陸續(xù)出臺(tái)了一系列人才激勵(lì)政策，以吸引更多更高層次人才及其團(tuán)隊(duì)在城市形成集聚。人才集聚提高了城市人力資本水平，這一方面為綠色創(chuàng)新提供了技術(shù)基礎(chǔ)，直接加快了綠色創(chuàng)新步伐，另一方面也提升了城市居民文化素養(yǎng)，傳播了綠色理念（徐軍海和黃永春，2021），形成了有利于綠色創(chuàng)新的社會(huì)環(huán)境。而在知識(shí)溢出視角，科技金融政策實(shí)施過程中，高校、科技企業(yè)、科研院所等科技主體之間會(huì)進(jìn)行廣泛交流與合作，而企業(yè)基于生產(chǎn)、研發(fā)等角度的便利性，也會(huì)選擇集聚，這使得人才交流與合作更為便利，從而加快知識(shí)傳播速度，強(qiáng)化知識(shí)溢出效應(yīng)（Ning et al.，2016）。同時(shí)，人才集聚帶來的知識(shí)溢出會(huì)加劇企業(yè)間的競爭，淘汰低效企業(yè)，促進(jìn)城市資源配置效率，進(jìn)一步提升了城市綠色創(chuàng)新水平。因此，科技金融政策可通過推動(dòng)人才集聚，進(jìn)而促進(jìn)城市綠色創(chuàng)新水平的提升，即存在人才集聚效應(yīng)。

三、研究設(shè)計(jì)

（一）計(jì)量模型設(shè)定

1.基準(zhǔn)模型

本文將始于2011年的科技金融政策視作一次準(zhǔn)自然實(shí)驗(yàn)，參考呂越等（2023）的研究，構(gòu)建如下多期雙重差分回歸模型：

其中，下標(biāo)i表示城市，t表示年份。CTLit表示城市綠色創(chuàng)新水平，DIDit表示科技金融政策，若i城市在t年實(shí)施改試點(diǎn)政策則取1，否則取0。Controlit表示一系列控制變量，具體見下文詳述。ηi、εt和μit分別表示城市固定效應(yīng)、年份固定效應(yīng)與隨機(jī)誤差項(xiàng)。

2.中介效應(yīng)模型

為檢驗(yàn)科技金融政策能否通過人才集聚效應(yīng)進(jìn)而提升城市綠色創(chuàng)新水平，本文構(gòu)建如下中介效應(yīng)模型：

其中，RCGit為中介變量，其余各變量定義與模型（1）一致。如果系數(shù)β與β2均顯著，說明中介效應(yīng)成立。進(jìn)一步地，如果β1也顯著且符號(hào)與β×β2一致，則說明RCGit具有部分中介效應(yīng)。

3.空間計(jì)量模型

考慮到科技金融政策可能存在空間溢出效應(yīng)，因此，本文基于空間杜賓模型構(gòu)建多期空間雙重差分模型。模型如下：

其中，W是空間權(quán)重矩陣。WCTLit表示因變量的空間滯后項(xiàng)，WDIDit表示解釋變量的空間滯后項(xiàng)，WControlit表示控制變量的空間滯后項(xiàng)。其余各變量定義與模型（1）一致。

（二）變量選取

1.被解釋變量

城市綠色創(chuàng)新。參考一般文獻(xiàn)做法，以每萬人申請的綠色發(fā)明數(shù)量（CTL）作為城市綠色技術(shù)創(chuàng)新水平的代理變量，并以每萬人授權(quán)的綠色發(fā)明數(shù)量（CTLB）作為替代變量進(jìn)行穩(wěn)健性檢驗(yàn)。

2.核心解釋變量

科技金融政策（DID）。將科技金融政策作為一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，以城市類型虛擬變量與政策實(shí)施時(shí)間虛擬變量的交互項(xiàng)（Group*Post）表征科技金融政策的處理效應(yīng)（DID）。

3.控制變量

考慮到其他城市特征因素可能對城市綠色創(chuàng)新產(chǎn)生影響，借鑒既往研究，本文還控制了以下變量：

（1）經(jīng)濟(jì)發(fā)展水平（PGDP）。采用人均國內(nèi)生產(chǎn)總值并取對數(shù)來衡量。

（2）對外開放程度（OPEN）。采用實(shí)際使用外資金額（FDI）與GDP的比值表示，F(xiàn)DI用當(dāng)年同期美元兌換人民幣比例進(jìn)行換算。

（3）金融發(fā)展水平（FIN）。采用金融機(jī)構(gòu)存貸款余額之和與GDP的比值表示。

（4）政府干預(yù)程度（GTD）。采用地方財(cái)政一般預(yù)算內(nèi)支出與GDP的比值表示。

（5）科學(xué)教育投入（GES）。采用科學(xué)支出與教育支出之和與地方財(cái)政一般預(yù)算內(nèi)支出的比值表示。

（6）人力資本水平（HUM）。采用每萬人所擁有的普通高校專任教師數(shù)（加1后取對數(shù)），衡量城市人力資本水平。

4.中介變量

人才集聚水平（RCG）。借鑒白俊紅等（2022）的研究，采用城市科研、技術(shù)服務(wù)和地質(zhì)勘查業(yè)從業(yè)人員數(shù)與信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)從業(yè)人員數(shù)之和占年末單位從業(yè)人員數(shù)的比重來衡量城市人才集聚水平。

5.工具變量

借鑒劉少波和吳玥（2022）的研究，構(gòu)建中華老字號(hào)數(shù)量和全國研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出的交互項(xiàng)（Brand*RD），作為科技金融政策的工具變量。一方面，中華老字號(hào)具有傳承性和延續(xù)性，科技金融本身服務(wù)于中華老字號(hào)發(fā)展。因此，中華老字號(hào)數(shù)量能夠較好地體現(xiàn)城市科技金融水平的高低，滿足工具變量相關(guān)性的前提。另一方面，中華老字號(hào)數(shù)量是一個(gè)歷史值，不會(huì)直接影響城市GTFP水平，所以同時(shí)滿足工具變量外生性的要求。而為解決中華老字號(hào)數(shù)量是截面數(shù)據(jù)的問題，故選用全國研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出這一時(shí)間序列變量與之交乘，作為最終的工具變量。

（三）數(shù)據(jù)來源與描述性統(tǒng)計(jì)

本文采用2006-2020年我國280個(gè)地級及以上城市（不包含西藏自治區(qū)下轄以及嘉峪關(guān)、眉山、綏化等數(shù)據(jù)缺失嚴(yán)重的地級市）面板數(shù)據(jù)作為研究樣本。其中，城市綠色發(fā)明數(shù)據(jù)來源于中國研究數(shù)據(jù)服務(wù)平臺(tái)（CNRDS），科技金融政策試點(diǎn)城市名單來源于科技部官網(wǎng)公布的文件。各控制變量數(shù)據(jù)與人才集聚水平初始數(shù)據(jù)均來源于《中國城市統(tǒng)計(jì)年鑒》，并通過中國經(jīng)濟(jì)社會(huì)大數(shù)據(jù)研究平臺(tái)的年度數(shù)據(jù)庫、國泰安數(shù)據(jù)庫（CSMAR）、國家統(tǒng)計(jì)局網(wǎng)站以及各省市歷年《統(tǒng)計(jì)年鑒》進(jìn)行補(bǔ)充。中華老字號(hào)名單來源于商務(wù)部公布的《中華老字號(hào)名錄》，全國研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出數(shù)據(jù)來源于國家統(tǒng)計(jì)局網(wǎng)站。此外，為剔除物價(jià)因素影響，所有以貨幣名義價(jià)值統(tǒng)計(jì)的變量，均以2016年為基期，利用居民消費(fèi)價(jià)格指數(shù)（人均GDP與GDP利用人均GDP指數(shù)與GDP指數(shù)）換算為實(shí)際價(jià)值。

為防止多重共線性問題對研究結(jié)果的干擾，本文采用方差膨脹因子（VIF）檢驗(yàn)法，對變量進(jìn)行了相關(guān)性檢驗(yàn)。結(jié)果顯示，VIF均值為1.47，最大值為2.19，遠(yuǎn)小于10，證明了變量選取的合理性。表1報(bào)告了變量的描述性統(tǒng)計(jì)。

表1 變量描述性統(tǒng)計(jì)

四、回歸結(jié)果分析

（一）基準(zhǔn)回歸分析

表2報(bào)告了多期雙重差分模型下的回歸結(jié)果。其中，第（1）列為不加入控制變量也不考慮固定效應(yīng)的回歸結(jié)果，第（2）列為加入控制變量后采用隨機(jī)效應(yīng)模型的回歸結(jié)果，第（3）、（4）列為進(jìn)一步考慮時(shí)間固定效應(yīng)與時(shí)間-城市雙固定效應(yīng)的回歸結(jié)果。結(jié)果顯示，無論在何種情況下，核心解釋變量系數(shù)均在1%水平上顯著為正，表明科技金融政策的實(shí)施確實(shí)促進(jìn)了城市綠色創(chuàng)新水平的提升。正如前文所述，試點(diǎn)政策通過促進(jìn)科技金融融合，引導(dǎo)人才集聚，進(jìn)而對城市綠色創(chuàng)新水平的提升具有激勵(lì)效果。

表2 基準(zhǔn)回歸結(jié)果

此外，豪斯曼檢驗(yàn)結(jié)果表明應(yīng)使用固定效應(yīng)模型，因此本文以第（4）列為標(biāo)準(zhǔn)，對控制變量回歸結(jié)果進(jìn)行分析。控制變量中，政府干預(yù)系數(shù)顯著為負(fù)，表明政府干預(yù)會(huì)對城市綠色創(chuàng)新造成不利影響。這是因?yàn)樵凇肮賳T晉升錦標(biāo)賽”的自主驅(qū)動(dòng)下，地方政府以財(cái)政支出的形式對市場進(jìn)行干預(yù)，適度的政府干預(yù)雖然可以調(diào)節(jié)經(jīng)濟(jì)發(fā)展中的“市場失靈”問題，但過度干預(yù)會(huì)引起社會(huì)資源配置效率降低，不利于市場資源流向綠色創(chuàng)新領(lǐng)域，從而對城市綠色創(chuàng)新造成抑制效果。而科學(xué)教育投入與人力資本水平均對城市綠色創(chuàng)新具有正向激勵(lì)作用，這與常理相符合。科學(xué)教育投入加大與人力資本水平提升均會(huì)推動(dòng)城市創(chuàng)新活力的活躍度，營造適宜培訓(xùn)人才的社會(huì)環(huán)境，進(jìn)而對城市綠色創(chuàng)新產(chǎn)生促進(jìn)作用。

（二）穩(wěn)健性檢驗(yàn)

雙重差分模型回歸結(jié)果需進(jìn)行一系列穩(wěn)健性檢驗(yàn)，因此，本文從模型有效性、數(shù)據(jù)合理性以及排除同期政策干擾等方面進(jìn)行穩(wěn)健性檢驗(yàn)。

1.平行趨勢檢驗(yàn)與動(dòng)態(tài)效應(yīng)分析

為考察科技金融政策的綠色創(chuàng)新效應(yīng)在實(shí)施前是否滿足平行趨勢假設(shè)，借鑒白俊紅等（2022）的研究，構(gòu)造式（5）進(jìn)行平行趨勢檢驗(yàn)，具體如下：

其中，Before與After為各城市確立為試點(diǎn)城市前n年與后n年的虛擬變量。以政策實(shí)施當(dāng)期（Current）為基期，對政策期作前4年到后4年的兩端收尾處理，檢驗(yàn)政策實(shí)施的動(dòng)態(tài)趨勢變化。圖1報(bào)告平行趨勢檢驗(yàn)與動(dòng)態(tài)效應(yīng)的結(jié)果。

圖1 平行趨勢檢驗(yàn)與動(dòng)態(tài)效應(yīng)

由圖1可知，在科技金融政策實(shí)施前四年，政策虛擬變量的系數(shù)均不顯著，說明實(shí)驗(yàn)組與對照組在政策實(shí)施前無顯著差異，即滿足平行趨勢假設(shè)。而在政策實(shí)施后，科技金融政策對城市綠色創(chuàng)新水平的影響系數(shù)顯著為正，且呈現(xiàn)逐年遞增趨勢。表明因?yàn)樵圏c(diǎn)政策的實(shí)施，城市綠色創(chuàng)新水平具有顯著提升，且這種政策效應(yīng)具有逐漸加強(qiáng)的特征。

2.安慰劑檢驗(yàn)

對于多期雙重差分模型的安慰劑檢驗(yàn)，需要同時(shí)生成偽實(shí)驗(yàn)組與偽政策實(shí)施時(shí)間。因此，本文采用每次隨機(jī)抽取的偽試點(diǎn)城市作為實(shí)驗(yàn)組，且政策時(shí)間隨機(jī)給出，進(jìn)行500次隨機(jī)沖擊，進(jìn)行安慰劑檢驗(yàn)。檢驗(yàn)結(jié)果如圖2所示?？梢园l(fā)現(xiàn)，偽回歸系數(shù)的均值接近于0，且P值大多高于0.1，與核心解釋變量的真實(shí)估計(jì)值有明顯差別，再次表明本文的基準(zhǔn)回歸結(jié)果具有較高的可信度。

圖2 安慰劑檢驗(yàn)

3.多期雙重差分的異質(zhì)性處理效應(yīng)

Baker et al.（2022）指出，多期雙重差分模型在固定效應(yīng)下存在的異質(zhì)性處理效應(yīng)，可能使得回歸結(jié)果存在偏誤。對此，本文使用以下兩種方法來考察雙向固定效應(yīng)下多期雙重差分估計(jì)的偏誤程度：一是Goodman-Bacon（2021）提出的DID估計(jì)量分解法，二是De Chaisemartin and D' Haultfoeuille（2020）提出的twowayfeweights命令。

Goodman-Bacon分解權(quán)重結(jié)果如表3所示。結(jié)果顯示，不合適的“后處理組vs先處理組”對應(yīng)的權(quán)重僅為1.4%，說明基準(zhǔn)回歸的估計(jì)結(jié)果具有一定的穩(wěn)健性。而twowayfeweights命令結(jié)果顯示，所有試點(diǎn)城市的各年度處理效應(yīng)Δg,t均為正數(shù)，且異質(zhì)性處理穩(wěn)健性指標(biāo)約為0.3，也在一定程度上表明，異質(zhì)性處理效應(yīng)對本文的估計(jì)結(jié)果并無實(shí)質(zhì)性影響。

表3 Goodman-Bacon分解權(quán)重表

4.其他穩(wěn)健性檢驗(yàn)

（1）傾向得分匹配-雙重差分估計(jì)。為緩解樣本選擇性偏差對回歸結(jié)果的影響，參考一般文獻(xiàn)的做法，運(yùn)用卡尺最近鄰匹配方法進(jìn)行傾向得分匹配-雙重差分（PSM-DID）估計(jì)。

（2）替換被解釋變量度量方法。為排除解釋變量指標(biāo)構(gòu)建對結(jié)果的影響，將解釋變量指標(biāo)替換為每萬人獲得授權(quán)的綠色發(fā)明數(shù)，進(jìn)行穩(wěn)健性檢驗(yàn)。

（3）剔除直轄市。由于相對于其他城市，直轄市具有較高的行政等級，在人才吸引力等方面具有先天優(yōu)勢，可能會(huì)對回歸結(jié)果造成影響。因此，本文將北京、上海、天津以及重慶四個(gè)直轄市從樣本數(shù)據(jù)中剔除，再次進(jìn)行回歸。

（4）排除同期政策干擾。正如前文所述，已有文獻(xiàn)研究了低碳試點(diǎn)政策、創(chuàng)新型城市建設(shè)、智慧城市建設(shè)等政策對城市綠色創(chuàng)新水平的影響。因此，為考察科技金融政策的凈效應(yīng)，本文加入以上三項(xiàng)政策實(shí)施的虛擬變量進(jìn)行回歸。

表4報(bào)告了其他穩(wěn)健性檢驗(yàn)的估計(jì)結(jié)果。由結(jié)果可知，在進(jìn)行上述四種穩(wěn)健性檢驗(yàn)后，核心解釋變量系數(shù)仍顯著為正，且顯著性水平未發(fā)生變化，再次說明基準(zhǔn)回歸結(jié)果具有穩(wěn)健性。

表4 其他穩(wěn)健性檢驗(yàn)

（三）內(nèi)生性處理

由于科技金融政策并非完全意義上的準(zhǔn)自然實(shí)驗(yàn)，因此，基準(zhǔn)回歸結(jié)果仍然面臨著內(nèi)生性問題，如試點(diǎn)城市入選可能受到城市綠色創(chuàng)新水平的影響，綠色創(chuàng)新水平越高，入選幾率越大。同時(shí)，不可避免的遺漏變量問題也會(huì)造成結(jié)論存在內(nèi)生性偏誤。對此，本文借鑒劉少波和吳玥（2022）的研究，構(gòu)建中華城市老字號(hào)數(shù)量和全國研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出的交互項(xiàng)（Brand*RD），作為科技金融政策的工具變量，利用兩階段最小二乘法進(jìn)行回歸。

表5報(bào)告了工具變量的回歸結(jié)果。結(jié)果顯示，弱工具變量檢驗(yàn)與識(shí)別不足檢驗(yàn)均通過，同時(shí)工具變量數(shù)與解釋變量數(shù)相同，過度識(shí)別問題也不存在，即工具變量通過檢驗(yàn)，具有合理性。第一階段回歸結(jié)果顯示，工具變量與解釋變量高度相關(guān)，第二階段結(jié)果顯示，考慮內(nèi)生性后，核心解釋變量系數(shù)仍然顯著為正，表明在考慮內(nèi)生性問題后，科技金融政策仍然切實(shí)提升了城市綠色創(chuàng)新水平。

表5 工具變量檢驗(yàn)結(jié)果

（四）異質(zhì)性分析

我國地廣物博，各城市在人口規(guī)模與城市建設(shè)等方面具有差異性，由此會(huì)不會(huì)使得科技金融政策的綠色創(chuàng)新效應(yīng)也具有差別？此外，理論分析提出人才集聚效應(yīng)在科技金融政策影響城市綠色創(chuàng)新中發(fā)揮機(jī)制作用，而人口密度、城市群建設(shè)與人才集聚息息相關(guān)，如若人才集聚效應(yīng)成立，那么，相對于人口密度較低城市和非城市群城市，科技金融政策在人口密度較高城市和城市群城市理應(yīng)具有更優(yōu)異的綠色創(chuàng)新效應(yīng)。對此，本文從城市人口密度與城市群區(qū)域一體化建設(shè)視角，進(jìn)行異質(zhì)性分析。具體按照樣本均值，將樣本數(shù)據(jù)按人口密度高與低進(jìn)行劃分，同時(shí)參照《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出的我國19個(gè)城市群格局，將樣本數(shù)據(jù)按是否屬于城市城市進(jìn)行劃分。

表6報(bào)告了異質(zhì)性分析結(jié)果。其中，第（1）、（2）列為人口密度異質(zhì)性的回歸結(jié)果，第（3）、（4）列為城市群建設(shè)異質(zhì)性的回歸結(jié)果。具體來看，人口密度異質(zhì)性回歸結(jié)果顯示，科技金融政策系數(shù)在人口密度較高城市顯著為正，而在人口密度較低城市則不顯著；而城市群建設(shè)異質(zhì)性回歸結(jié)果顯示，科技金融政策系數(shù)在城市群城市與非城市群城市均顯著為正，但從系數(shù)大小與顯著性水平可以發(fā)現(xiàn)，城市群城市回歸系數(shù)的大小與顯著性明顯優(yōu)于非城市群城市。這說明，試點(diǎn)政策在人口密度較高城市、城市群城市具有更高的綠色創(chuàng)新效應(yīng)。從人才集聚的視角來解釋，科技金融政策發(fā)揮綠色創(chuàng)新作用需要良好的金融資本保障，人口密度越高，間接說明該城市對勞動(dòng)力的吸引力越強(qiáng)，金融資本也就越趨向于該城市。同時(shí)，人口密度越高，其獲得人才集聚的可能性也就越高。因此，在人口密度較高城市，科技金融政策對城市綠色創(chuàng)新的促進(jìn)作用更顯著。而城市建設(shè)依托城市群一體化政策，有利于突破行政區(qū)劃限制，在吸引人才集聚的同時(shí)，還有利于知識(shí)擴(kuò)散。因此，相較于非城市城市，科技金融政策在城市群城市具有更明顯的綠色創(chuàng)新效應(yīng)。

表6 異質(zhì)性分析

五、進(jìn)一步分析

（一）機(jī)制檢驗(yàn)

正如前文所述，人才集聚效應(yīng)可能在科技金融政策促進(jìn)城市綠色創(chuàng)新中發(fā)揮機(jī)制作用，且上述異質(zhì)性分析正是基于這一前提展開。因此，利用模型（2）和（3），進(jìn)一步考察人才集聚效應(yīng)的機(jī)制作用。機(jī)制檢驗(yàn)結(jié)果如圖7所示。第（1）列回歸結(jié)果顯示，核心解釋變量的系數(shù)在1%的水平上顯著為正，表明科技金融政策對城市人才集聚水平的提高具有正向作用，同時(shí)，第（2）列結(jié)果顯示，核心解釋變量與中介變量的系數(shù)均顯著為正，表明人才集聚一定程度上豐富了城市綠色創(chuàng)新，且人才集聚效應(yīng)發(fā)揮部分中介作用，根據(jù)總效應(yīng)的貢獻(xiàn)率計(jì)算方法，人才集聚效應(yīng)對總效應(yīng)的貢獻(xiàn)率為10.58%。說明科技金融政策通過吸引人才集聚，為城市綠色創(chuàng)新提供了知識(shí)基礎(chǔ)與前提，促進(jìn)了城市綠色創(chuàng)新水平，即人才集聚效應(yīng)成立。

（二）空間溢出效應(yīng)分析

科技金融政策是否具有空間溢出效應(yīng)？對此，本文基于模型（4），參考一般文獻(xiàn)的做法，利用地理距離矩陣與經(jīng)濟(jì)距離矩陣進(jìn)行進(jìn)行空間效應(yīng)檢驗(yàn)。經(jīng)LM、Hausman、LR和Wald檢驗(yàn)后，選取空間杜賓模型作為空間模型?？臻g效應(yīng)檢驗(yàn)結(jié)果匯報(bào)至表8。

表8 空間溢出效應(yīng)檢驗(yàn)

回歸結(jié)果顯示，空間自相關(guān)系數(shù)ρ兩種矩陣下均顯著為正，說明城市間的綠色創(chuàng)新具有空間相關(guān)性，滿足空間計(jì)量分析的前提。具體來看，在地理距離矩陣與經(jīng)濟(jì)距離矩陣下，DID的系數(shù)仍然顯著為正，表明科技金融政策對本地區(qū)綠色創(chuàng)新水平仍然具有促進(jìn)作用，但空間滯后項(xiàng)系數(shù)均顯著為負(fù)，表明對于地理距離相鄰、經(jīng)濟(jì)水平相近的地區(qū)，試點(diǎn)政策具有顯著的負(fù)激勵(lì)作用。同時(shí)間接效應(yīng)顯著為負(fù)，進(jìn)一步證實(shí)了該負(fù)向影響。這依然可以從人才集聚效應(yīng)的視角進(jìn)行合理解釋。人才作為一種稀缺要素，受到數(shù)量限制。正如前文所述，科技金融政策通過人才集聚效應(yīng)提高了城市創(chuàng)新水平，那么在人才數(shù)量基本恒定的情況下，試點(diǎn)城市形成人才集聚的同時(shí)，也意味著其他城市的人才資源被搶占，出現(xiàn)人才短缺。對于人才自身來說，在選擇城市時(shí)，會(huì)對距離相鄰、經(jīng)濟(jì)水平相近的城市進(jìn)行對比，在科技金融政策吸引下，人才自然會(huì)向試點(diǎn)城市集聚，進(jìn)而使得科技金融政策對與試點(diǎn)城市距離相鄰、經(jīng)濟(jì)水平相近的地區(qū)造成抑制性綠色創(chuàng)新效應(yīng)。

（三）分位數(shù)回歸

基準(zhǔn)回歸考察的是政策的平均處理效應(yīng)，但是，對于綠色創(chuàng)新水平本身就不同的城市，科技金融政策對城市綠色創(chuàng)新的影響是否存在差別？這對試點(diǎn)政策的進(jìn)一步推廣具有重要意義。對此，本文采取分位數(shù)回歸法，檢驗(yàn)不同綠色創(chuàng)新水平分位點(diǎn)上的政策效應(yīng)。表9報(bào)告了分位數(shù)回歸結(jié)果。

表9 分位數(shù)回歸結(jié)果

結(jié)果顯示，在選取的0.2、0.4、0.6、0.8四個(gè)典型分位點(diǎn)上，科技金融政策對城市綠色創(chuàng)新水平均具有顯著的促進(jìn)作用，同時(shí)，根據(jù)回歸系數(shù)大小可以發(fā)現(xiàn)，隨著分位點(diǎn)的提高，即城市綠色創(chuàng)新水平的提升，試點(diǎn)政策的綠色創(chuàng)新效應(yīng)越強(qiáng)。這說明科技金融政策對于較低綠色創(chuàng)新水平的城市具有雪中送炭之效，同時(shí)，對于較高綠色創(chuàng)新水平的城市具有錦上添花之果。

六、結(jié)論與政策建議

本文基于2006-2020年280個(gè)地級及以上城市面板數(shù)據(jù)，利用多期雙重差分模型、空間計(jì)量模型、分位數(shù)回歸法，系統(tǒng)研究科技和金融結(jié)合試點(diǎn)政策對城市綠色創(chuàng)新的影響。研究發(fā)現(xiàn)：試點(diǎn)政策促進(jìn)了城市綠色創(chuàng)新水平的提升，該結(jié)論在經(jīng)過一系列穩(wěn)健性檢驗(yàn)與工具變量法處理后仍然成立；異質(zhì)性分析表明，該政策效應(yīng)在人口密度較高以及城市群城市能發(fā)揮具有更顯著的作用；機(jī)制檢驗(yàn)表明，試點(diǎn)政策通過人才集聚效應(yīng)提升城市綠色創(chuàng)新水平；而空間視角研究發(fā)現(xiàn)，試點(diǎn)政策雖然對本地區(qū)的綠色創(chuàng)新具有促進(jìn)作用，但對地理距離相鄰、經(jīng)濟(jì)水平相近地區(qū)則存在負(fù)向的溢出效應(yīng)；分位數(shù)回歸結(jié)果表明，城市自身綠色創(chuàng)新水平越高，科技金融政策的綠色創(chuàng)新效應(yīng)越強(qiáng)。

根據(jù)以上研究結(jié)論，可提出以下政策建議：

第一，應(yīng)繼續(xù)深化科技金融結(jié)合改革，發(fā)揮政策的綠色創(chuàng)新效應(yīng)。引導(dǎo)金融資本調(diào)整投資方向，增加金融服務(wù)業(yè)與科技公司的合作，實(shí)現(xiàn)科技與金融的有效銜接與融合。同時(shí)通過設(shè)定相關(guān)法律法規(guī)，減免金融資本投資綠色科技企業(yè)的稅負(fù)，促進(jìn)金融投資規(guī)范化，為推進(jìn)城市綠色創(chuàng)新提供制度保障。

第二，科技金融結(jié)合模式應(yīng)該進(jìn)一步精細(xì)化、合理化，政策實(shí)施需因地制宜、因城施策。對于人口密度較低和非城市群城市，可適當(dāng)加大政策扶持力度，利用政策手段，緩解其發(fā)展劣勢，從而更好促進(jìn)科技金融政策發(fā)揮作用。并且，科技金融試點(diǎn)城市需要合理選擇，不可在同一地區(qū)集中設(shè)立，需要兼顧地理區(qū)位與經(jīng)濟(jì)水平，從全國角度，合理規(guī)劃布局。

第三，合理引導(dǎo)人才集聚，充分發(fā)掘科技金融結(jié)合的綠色創(chuàng)新效應(yīng)。利用人才集聚，發(fā)揮科技金融結(jié)合促進(jìn)城市綠色創(chuàng)新水平的同時(shí)，需要考慮人才集聚合理性，不可使得人才在少量城市集中聚集的情況?？衫萌瞬怕鋺粽撸侠硪龑?dǎo)人才集聚，形成人才發(fā)散性集聚，充分發(fā)揮科技金融結(jié)合的綠色創(chuàng)新效應(yīng)。