□ 吳世杰

一、引言

無論是傳統(tǒng)經(jīng)濟學理論中對于技術創(chuàng)新重要性的詮釋，還是歷次工業(yè)革命中，科技進步在經(jīng)濟發(fā)展轉(zhuǎn)型中發(fā)揮的決定性作用，都印證了技術創(chuàng)新之于經(jīng)濟發(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，探究如何進一步加快綠色創(chuàng)新步伐，以綠色創(chuàng)新推動綠色經(jīng)濟轉(zhuǎn)型，對實現(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為突出特征的第四次工業(yè)革命拉開序幕之際，如何運用科技和金融手段，促進綠色創(chuàng)新水平的持續(xù)提升，是我國爭取發(fā)展先機，進而實現(xiàn)經(jīng)濟發(fā)展綠色轉(zhuǎn)型的關鍵。

為探索科技和金融結合的模式，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“科技和金融結合試點政策”（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合試點政策這一自然實驗，從理論與實證層面，系統(tǒng)研究了科技和金融結合對城市綠色創(chuàng)新的影響。一方面，可借助試點政策這一準自然實驗，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“試點先行”背后的政策效應，為進一步制定科學而細化的政策，促進我國綠色創(chuàng)新水平的持續(xù)提升提供依據(jù)。

二、文獻綜述與理論分析

（一）文獻綜述

綠色技術創(chuàng)新的重要性不言而喻，因此，針對如何驅(qū)動綠色技術創(chuàng)新，既有研究已是碩果累累?，F(xiàn)有關于綠色創(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，得益于綠色信貸政策引致的遵循成本效應與信貸約束效應，高污染企業(yè)技術創(chuàng)新會有所降低（陸菁等，2021）；智慧城市政策（吳鳴然和黃衛(wèi)東，2023）、低碳城市試點政策（鄧世成等，2023）可以有效激勵城市綠色創(chuàng)新能力的提升，而碳排放權交易政策能激發(fā)企業(yè)綠色技術創(chuàng)新（李創(chuàng)等，2023）。在社會特征屬性視角，媒體關注雖然能夠提高重污染企業(yè)的綠色技術創(chuàng)新績效，但過于嚴苛的宏觀環(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，均會減弱媒體關注的正向影響（張玉明等，2021）；城市財富存在綠色技術自選擇效應并呈現(xiàn)自我強化特性，即富者更有能力和更富有責任地選擇綠色技術（董直慶和王輝，2021）。在企業(yè)微觀治理視角，董事會治理會在環(huán)境規(guī)制促進企業(yè)綠色技術創(chuàng)新提升中發(fā)揮正向調(diào)節(jié)作用（王鋒正和陳方圓，2018）；高管薪酬激勵的創(chuàng)新補償效應能夠提升財稅補貼政策對企業(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）。

關于科技和金融結合的研究，國外學者主要論證了金融與技術創(chuàng)新之間的關系，以及金融發(fā)展、金融改革等對技術創(chuàng)新的影響（Ang，2014）。而我國學者在趙昌文等（2009）提出的科技和金融結合定義基礎上，聚焦于研究科技和金融結合以及試點政策的經(jīng)濟效果。研究發(fā)現(xiàn)，科技和金融結合試點政策有助于推動產(chǎn)業(yè)結構升級（胡歡歡和劉傳明，2021），進而對環(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）。而關于科技和金融結合對于技術創(chuàng)新的研究結論并不一致。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，而蘆鋒和韓尚容（2015）卻認為，在技術創(chuàng)新、成果轉(zhuǎn)化以及產(chǎn)業(yè)化階段，科技金融對技術創(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創(chuàng)新具有直接和間接的促進作用。

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

因此，相比較以往文獻，本文的創(chuàng)新點在于：第一，基于科技和金融結合這一視角，利用科技和金融結合試點政策這一自然實驗，考察科技和金融結合政策的綠色創(chuàng)新效應，并利用中華老字號這一歷史變量作為工具變量，進一步緩解內(nèi)生性問題。第一，聚焦人才集聚效應在科技和金融結合政策影響城市綠色創(chuàng)新中的機制作用，將人才集聚納入科技金融結合與綠色技術創(chuàng)新框架。第三，利用空間計量模型，進一步考察政策的空間溢出效應，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：其一，科技進步?jīng)Q定了技術創(chuàng)新方向?？萍歼M步奠定了綠色創(chuàng)新的基礎，為城市綠色創(chuàng)新提供了直接的技術支持。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、回報慢的桎梏，而通過政策引導，金融資本加大了對綠色創(chuàng)新領域的投資，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航。其三，科技和金融結合加快了城市綠色創(chuàng)新成果轉(zhuǎn)化。借助科技金融政策，各省市通過設立科技成果轉(zhuǎn)化庫，推動了綠色創(chuàng)新的成果轉(zhuǎn)化，加快了企業(yè)的資金回流，從而推動了城市綠色創(chuàng)新步伐。因此，科技金融政策切實提高了城市綠色創(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注。馬歇爾（1920）提出了人才集聚可以推動知識和技術的溢出，進而推動生產(chǎn)率的提高。在此基礎上，Glaeseret al.（1992）將前者研究成果加以歸納，認為人才和技術的經(jīng)驗積累可以使企業(yè)共享知識溢出和技術進步所帶來的經(jīng)濟效益。

科技金融政策之于城市綠色創(chuàng)新的人才集聚效應體現(xiàn)在人力資本水平提升和知識溢出這兩方面。自科技金融政策實施以來，各個試點城市陸續(xù)出臺了一系列人才激勵政策，以吸引更多更高層次人才及其團隊在城市形成集聚。人才集聚提高了城市人力資本水平，這一方面為綠色創(chuàng)新提供了技術基礎，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)新的社會環(huán)境。而在知識溢出視角，科技金融政策實施過程中，高校、科技企業(yè)、科研院所等科技主體之間會進行廣泛交流與合作，而企業(yè)基于生產(chǎn)、研發(fā)等角度的便利性，也會選擇集聚，這使得人才交流與合作更為便利，從而加快知識傳播速度，強化知識溢出效應（Ning et al.，2016）。同時，人才集聚帶來的知識溢出會加劇企業(yè)間的競爭，淘汰低效企業(yè)，促進城市資源配置效率，進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人才集聚，進而促進城市綠色創(chuàng)新水平的提升，即存在人才集聚效應。

三、研究設計

（一）計量模型設定

1.基準模型

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

其中，下標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年實施改試點政策則取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、年份固定效應與隨機誤差項。

2.中介效應模型

為檢驗科技金融政策能否通過人才集聚效應進而提升城市綠色創(chuàng)新水平，本文構建如下中介效應模型：

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，說明中介效應成立。進一步地，如果β1也顯著且符號與β×β2一致，則說明RCGit具有部分中介效應。

3.空間計量模型

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

其中，W是空間權重矩陣。WCTLit表示因變量的空間滯后項，WDIDit表示解釋變量的空間滯后項，WControlit表示控制變量的空間滯后項。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）作為城市綠色技術創(chuàng)新水平的代理變量，并以每萬人授權的綠色發(fā)明數(shù)量（CTLB）作為替代變量進行穩(wěn)健性檢驗。

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準自然實驗，以城市類型虛擬變量與政策實施時間虛擬變量的交互項（Group*Post）表征科技金融政策的處理效應（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）。采用實際使用外資金額（FDI）與GDP的比值表示，F(xiàn)DI用當年同期美元兌換人民幣比例進行換算。

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

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

（5）科學教育投入（GES）。采用科學支出與教育支出之和與地方財政一般預算內(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、技術服務和地質(zhì)勘查業(yè)從業(yè)人員數(shù)與信息傳輸、計算機服務和軟件業(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，構建中華老字號數(shù)量和全國研究與試驗發(fā)展經(jīng)費支出的交互項（Brand*RD），作為科技金融政策的工具變量。一方面，中華老字號具有傳承性和延續(xù)性，科技金融本身服務于中華老字號發(fā)展。因此，中華老字號數(shù)量能夠較好地體現(xiàn)城市科技金融水平的高低，滿足工具變量相關性的前提。另一方面，中華老字號數(shù)量是一個歷史值，不會直接影響城市GTFP水平，所以同時滿足工具變量外生性的要求。而為解決中華老字號數(shù)量是截面數(shù)據(jù)的問題，故選用全國研究與試驗發(fā)展經(jīng)費支出這一時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

本文采用2006-2020年我國280個地級及以上城市（不包含西藏自治區(qū)下轄以及嘉峪關、眉山、綏化等數(shù)據(jù)缺失嚴重的地級市）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)服務平臺（CNRDS），科技金融政策試點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)計年鑒》，并通過中國經(jīng)濟社會大數(shù)據(jù)研究平臺的年度數(shù)據(jù)庫、國泰安數(shù)據(jù)庫（CSMAR）、國家統(tǒng)計局網(wǎng)站以及各省市歷年《統(tǒng)計年鑒》進行補充。中華老字號名單來源于商務部公布的《中華老字號名錄》，全國研究與試驗發(fā)展經(jīng)費支出數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站。此外，為剔除物價因素影響，所有以貨幣名義價值統(tǒng)計的變量，均以2016年為基期，利用居民消費價格指數(shù)（人均GDP與GDP利用人均GDP指數(shù)與GDP指數(shù)）換算為實際價值。

為防止多重共線性問題對研究結果的干擾，本文采用方差膨脹因子（VIF）檢驗法，對變量進行了相關性檢驗。結果顯示，VIF均值為1.47，最大值為2.19，遠小于10，證明了變量選取的合理性。表1報告了變量的描述性統(tǒng)計。

表1 變量描述性統(tǒng)計

四、回歸結果分析

（一）基準回歸分析

表2報告了多期雙重差分模型下的回歸結果。其中，第（1）列為不加入控制變量也不考慮固定效應的回歸結果，第（2）列為加入控制變量后采用隨機效應模型的回歸結果，第（3）、（4）列為進一步考慮時間固定效應與時間-城市雙固定效應的回歸結果。結果顯示，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施確實促進了城市綠色創(chuàng)新水平的提升。正如前文所述，試點政策通過促進科技金融融合，引導人才集聚，進而對城市綠色創(chuàng)新水平的提升具有激勵效果。

表2 基準回歸結果

此外，豪斯曼檢驗結果表明應使用固定效應模型，因此本文以第（4）列為標準，對控制變量回歸結果進行分析?？刂谱兞恐?，政府干預系數(shù)顯著為負，表明政府干預會對城市綠色創(chuàng)新造成不利影響。這是因為在“官員晉升錦標賽”的自主驅(qū)動下，地方政府以財政支出的形式對市場進行干預，適度的政府干預雖然可以調(diào)節(jié)經(jīng)濟發(fā)展中的“市場失靈”問題，但過度干預會引起社會資源配置效率降低，不利于市場資源流向綠色創(chuàng)新領域，從而對城市綠色創(chuàng)新造成抑制效果。而科學教育投入與人力資本水平均對城市綠色創(chuàng)新具有正向激勵作用，這與常理相符合?？茖W教育投入加大與人力資本水平提升均會推動城市創(chuàng)新活力的活躍度，營造適宜培訓人才的社會環(huán)境，進而對城市綠色創(chuàng)新產(chǎn)生促進作用。

（二）穩(wěn)健性檢驗

雙重差分模型回歸結果需進行一系列穩(wěn)健性檢驗，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行穩(wěn)健性檢驗。

1.平行趨勢檢驗與動態(tài)效應分析

為考察科技金融政策的綠色創(chuàng)新效應在實施前是否滿足平行趨勢假設，借鑒白俊紅等（2022）的研究，構造式（5）進行平行趨勢檢驗，具體如下：

其中，Before與After為各城市確立為試點城市前n年與后n年的虛擬變量。以政策實施當期（Current）為基期，對政策期作前4年到后4年的兩端收尾處理，檢驗政策實施的動態(tài)趨勢變化。圖1報告平行趨勢檢驗與動態(tài)效應的結果。

圖1 平行趨勢檢驗與動態(tài)效應

由圖1可知，在科技金融政策實施前四年，政策虛擬變量的系數(shù)均不顯著，說明實驗組與對照組在政策實施前無顯著差異，即滿足平行趨勢假設。而在政策實施后，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。表明因為試點政策的實施，城市綠色創(chuàng)新水平具有顯著提升，且這種政策效應具有逐漸加強的特征。

2.安慰劑檢驗

對于多期雙重差分模型的安慰劑檢驗，需要同時生成偽實驗組與偽政策實施時間。因此，本文采用每次隨機抽取的偽試點城市作為實驗組，且政策時間隨機給出，進行500次隨機沖擊，進行安慰劑檢驗。檢驗結果如圖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估計值有明顯差別，再次表明本文的基準回歸結果具有較高的可信度。

圖2 安慰劑檢驗

3.多期雙重差分的異質(zhì)性處理效應

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

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

表3 Goodman-Bacon分解權重表

4.其他穩(wěn)健性檢驗

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

（2）替換被解釋變量度量方法。為排除解釋變量指標構建對結果的影響，將解釋變量指標替換為每萬人獲得授權的綠色發(fā)明數(shù)，進行穩(wěn)健性檢驗。

（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，可能會對回歸結果造成影響。因此，本文將北京、上海、天津以及重慶四個直轄市從樣本數(shù)據(jù)中剔除，再次進行回歸。

（4）排除同期政策干擾。正如前文所述，已有文獻研究了低碳試點政策、創(chuàng)新型城市建設、智慧城市建設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，本文加入以上三項政策實施的虛擬變量進行回歸。

表4報告了其他穩(wěn)健性檢驗的估計結果。由結果可知，在進行上述四種穩(wěn)健性檢驗后，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，再次說明基準回歸結果具有穩(wěn)健性。

表4 其他穩(wěn)健性檢驗

（三）內(nèi)生性處理

由于科技金融政策并非完全意義上的準自然實驗，因此，基準回歸結果仍然面臨著內(nèi)生性問題，如試點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，不可避免的遺漏變量問題也會造成結論存在內(nèi)生性偏誤。對此，本文借鑒劉少波和吳玥（2022）的研究，構建中華城市老字號數(shù)量和全國研究與試驗發(fā)展經(jīng)費支出的交互項（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行回歸。

表5報告了工具變量的回歸結果。結果顯示，弱工具變量檢驗與識別不足檢驗均通過，同時工具變量數(shù)與解釋變量數(shù)相同，過度識別問題也不存在，即工具變量通過檢驗，具有合理性。第一階段回歸結果顯示，工具變量與解釋變量高度相關，第二階段結果顯示，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提升了城市綠色創(chuàng)新水平。

表5 工具變量檢驗結果

（四）異質(zhì)性分析

我國地廣物博，各城市在人口規(guī)模與城市建設等方面具有差異性，由此會不會使得科技金融政策的綠色創(chuàng)新效應也具有差別？此外，理論分析提出人才集聚效應在科技金融政策影響城市綠色創(chuàng)新中發(fā)揮機制作用，而人口密度、城市群建設與人才集聚息息相關，如若人才集聚效應成立，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具有更優(yōu)異的綠色創(chuàng)新效應。對此，本文從城市人口密度與城市群區(qū)域一體化建設視角，進行異質(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行劃分，同時參照《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》提出的我國19個城市群格局，將樣本數(shù)據(jù)按是否屬于城市城市進行劃分。

表6報告了異質(zhì)性分析結果。其中，第（1）、（2）列為人口密度異質(zhì)性的回歸結果，第（3）、（4）列為城市群建設異質(zhì)性的回歸結果。具體來看，人口密度異質(zhì)性回歸結果顯示，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；而城市群建設異質(zhì)性回歸結果顯示，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。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力的吸引力越強，金融資本也就越趨向于該城市。同時，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)新的促進作用更顯著。而城市建設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，還有利于知識擴散。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。

表6 異質(zhì)性分析

五、進一步分析

（一）機制檢驗

正如前文所述，人才集聚效應可能在科技金融政策促進城市綠色創(chuàng)新中發(fā)揮機制作用，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），進一步考察人才集聚效應的機制作用。機制檢驗結果如圖7所示。第（1）列回歸結果顯示，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，第（2）列結果顯示，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，且人才集聚效應發(fā)揮部分中介作用，根據(jù)總效應的貢獻率計算方法，人才集聚效應對總效應的貢獻率為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)新提供了知識基礎與前提，促進了城市綠色創(chuàng)新水平，即人才集聚效應成立。

（二）空間溢出效應分析

科技金融政策是否具有空間溢出效應？對此，本文基于模型（4），參考一般文獻的做法，利用地理距離矩陣與經(jīng)濟距離矩陣進行進行空間效應檢驗。經(jīng)LM、Hausman、LR和Wald檢驗后，選取空間杜賓模型作為空間模型?？臻g效應檢驗結果匯報至表8。

表8 空間溢出效應檢驗

回歸結果顯示，空間自相關系數(shù)ρ兩種矩陣下均顯著為正，說明城市間的綠色創(chuàng)新具有空間相關性，滿足空間計量分析的前提。具體來看，在地理距離矩陣與經(jīng)濟距離矩陣下，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作用，但空間滯后項系數(shù)均顯著為負，表明對于地理距離相鄰、經(jīng)濟水平相近的地區(qū)，試點政策具有顯著的負激勵作用。同時間接效應顯著為負，進一步證實了該負向影響。這依然可以從人才集聚效應的視角進行合理解釋。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，試點城市形成人才集聚的同時，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，會對距離相鄰、經(jīng)濟水平相近的城市進行對比，在科技金融政策吸引下，人才自然會向試點城市集聚，進而使得科技金融政策對與試點城市距離相鄰、經(jīng)濟水平相近的地區(qū)造成抑制性綠色創(chuàng)新效應。

（三）分位數(shù)回歸

基準回歸考察的是政策的平均處理效應，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？這對試點政策的進一步推廣具有重要意義。對此，本文采取分位數(shù)回歸法，檢驗不同綠色創(chuàng)新水平分位點上的政策效應。表9報告了分位數(shù)回歸結果。

表9 分位數(shù)回歸結果

結果顯示，在選取的0.2、0.4、0.6、0.8四個典型分位點上，科技金融政策對城市綠色創(chuàng)新水平均具有顯著的促進作用，同時，根據(jù)回歸系數(shù)大小可以發(fā)現(xiàn)，隨著分位點的提高，即城市綠色創(chuàng)新水平的提升，試點政策的綠色創(chuàng)新效應越強。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，對于較高綠色創(chuàng)新水平的城市具有錦上添花之果。

六、結論與政策建議

本文基于2006-2020年280個地級及以上城市面板數(shù)據(jù)，利用多期雙重差分模型、空間計量模型、分位數(shù)回歸法，系統(tǒng)研究科技和金融結合試點政策對城市綠色創(chuàng)新的影響。研究發(fā)現(xiàn)：試點政策促進了城市綠色創(chuàng)新水平的提升，該結論在經(jīng)過一系列穩(wěn)健性檢驗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；機制檢驗表明，試點政策通過人才集聚效應提升城市綠色創(chuàng)新水平；而空間視角研究發(fā)現(xiàn)，試點政策雖然對本地區(qū)的綠色創(chuàng)新具有促進作用，但對地理距離相鄰、經(jīng)濟水平相近地區(qū)則存在負向的溢出效應；分位數(shù)回歸結果表明，城市自身綠色創(chuàng)新水平越高，科技金融政策的綠色創(chuàng)新效應越強。

根據(jù)以上研究結論，可提出以下政策建議：

第一，應繼續(xù)深化科技金融結合改革，發(fā)揮政策的綠色創(chuàng)新效應。引導金融資本調(diào)整投資方向，增加金融服務業(yè)與科技公司的合作，實現(xiàn)科技與金融的有效銜接與融合。同時通過設定相關法律法規(guī)，減免金融資本投資綠色科技企業(yè)的稅負，促進金融投資規(guī)范化，為推進城市綠色創(chuàng)新提供制度保障。

第二，科技金融結合模式應該進一步精細化、合理化，政策實施需因地制宜、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，從而更好促進科技金融政策發(fā)揮作用。并且，科技金融試點城市需要合理選擇，不可在同一地區(qū)集中設立，需要兼顧地理區(qū)位與經(jīng)濟水平，從全國角度，合理規(guī)劃布局。

第三，合理引導人才集聚，充分發(fā)掘科技金融結合的綠色創(chuàng)新效應。利用人才集聚，發(fā)揮科技金融結合促進城市綠色創(chuàng)新水平的同時，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。可利用人才落戶政策，合理引導人才集聚，形成人才發(fā)散性集聚，充分發(fā)揮科技金融結合的綠色創(chuàng)新效應。