0 引言

近年来，我国政府高度重视环境保护问题，但当前环境形势并不乐观，大气污染、雾霾严重等一系列环保问题与经济发展之间的矛盾日益加剧。因此，处理经济增长与环境保护之间的关系已成为当前政府面临的紧迫问题，经济发展应向绿色、可持续模式转变，产业结构也需要作出相应调整。为了实现该目标，相关部门指出，要以绿色信贷机制为主要手段遏制高耗能、高污染及产能过剩的产业盲目扩张，引导资金流向有利于环保的产业、企业。所谓绿色信贷是指商业银行等金融机构根据国家规定的环境经济政策和环境保护政策，对从事绿色经济、产业的相关企业、机构提供贷款支持和优惠利率，同时，对污染企业融资贷款采取限制贷款额度的措施并实施惩罚性高利率。

自绿色信贷政策及相关业务指导法规、发展规划提出后，绿色信贷进入平稳发展期，国内银行业也视其为自身未来发展的重要机遇。根据银监会公布的绿色信贷统计数据，国内绿色信贷规模已经从2013年的4.85万亿元增至2017年6月的8.30万亿元。截至2015年底，21家实施绿色信贷的主要银行业金融机构向产能严重过剩行业发放的贷款余额占各项贷款比重同比下降0.2%。以工商银行为例，2016年底其对产能过剩与污染严重的行业贷款余额分别下降326.9亿元及261.4亿元，同时，银行业总体“两高”行业贷款余额下降了8.89%。从信贷投放的最终效果看，绿色信贷可以使相关产业发展得到极大的推动[1]。刘婧宇等[2]指出，绿色信贷政策能够有效抑制“两高”企业投资行为与产出；李斌和苏珈漩[3]则证明了绿色信贷与产业结构调整存在显著相关性。

虽然绿色信贷政策取得了一定成效，但在推进过程中也遇到了不少制度性和技术性障碍，包括法治水平较低[4]、中小企业参与度较低[5]、环境信息披露不足[6]、地方保护主义[7]及缺乏有效的激励机制[8]等。周永圣等[9]进一步指出，现阶段绿色信贷实施中的各种问题从本质上看是信息不对称下的市场失灵。为了解决市场失灵问题，政府政策支持不可或缺[10]。在政府政策中，财政政策作为政府干预市场、纠正市场失灵的重要手段，在很大程度上会对企业节能减排和产业结构调整产生影响，但该政策在具体实施过程中也存在诸多局限性[11-12]。绿色信贷在实践中的诸多障碍，以及财政政策在促进产业升级时表现出来的局限性突出了二者协同的必要性，单一、过度地强调任何一种政策都可能对经济可持续发展不利。然而，目前国内环保类财政政策与绿色信贷政策协调理论探索，特别是实证分析尚不充分。绿色信贷政策能否提高环保类财政政策资源配置效率？财政政策是否有助于推动和促进绿色信贷发展？哪些因素可以促进二者协同效率提升？对上述问题展开理论分析和实证研究具有重要的理论意义与现实价值。因此，为加强政府节能减排及产业升级等相关政策的协同效果，有必要研究我国绿色信贷和环保财政政策现状，了解二者协同状况、方式和不足等，并对政策协同效果进行分析，通过考察相关因素对政策协同效果的影响，在更多细节上为政策制定提供依据，从而提高政策制定的精准性。

鉴于此，本文从产业升级这一研究视角出发，利用我国2007—2016年省际面板数据考察绿色信贷与财政政策协同效果，对可能促进二者协同效率提升的相关因素进行检验。

1 理论分析与模型设定

1.1 绿色信贷对产业升级的作用机理

绿色信贷之所以在调整产业结构方面能发挥重要作用，源于以下3个方面的传导机制。

(1)资本形成传导机制。Bernanke&Gertler [13]、Gertler[14]指出，信息不对称和代理问题会使企业产生融资约束，从而显著提高企业外部资金使用成本，影响投资数量。绿色信贷采取差异化贷款利率，甚至直接停止对“两高”企业贷款，截断该类企业的资金来源，使其因无法扩大投资规模而被迫进行转型升级。相对而言，受到优待的节能环保企业能够利用绿色信贷化解外部融资约束，从而获得足够的资金流扩大投资规模，继续推动自身节能环保项目发展。

(2)信号传递机制。绿色信贷政策推出后，除直接影响企业资金流和资本补充外，还传达了大力发展绿色经济的信号。受惩罚性高利率贷款影响的“两高”企业对其它“两高”企业起警示作用，这种警示信号会使那些尚未受到资本紧缩影响的企业提前采取措施；受到优待的企业则会释放出相反的信号，吸引新兴企业选择节能环保、新能源或者服务业作为未来发展方向。

(3)反馈与信用催生机制。绿色信贷可以将产业发展对银行信贷的正反馈作用扩大化，主要表现在节能环保类企业或服务业通常存在良性循环，资金使用效率较高，资金创造能力比较强，从而提高了开展绿色信贷业务银行的盈利能力，从整体上推动银行业发展，并配置更多绿色信贷资源，促进产业升级。

综上，绿色信贷本质上是基于环境约束的信贷配给，即在同等资金价格条件下，倾向于绿色项目资金投入，抑制污染项目资金投入。但信贷配给存在严重的信息不对称问题[15]，具体表现为两个方面：一是逆向选择效应，即高污染项目能够经由寻租或包装伪装成绿色项目，获取绿色信贷支持；二是道德风险。金融机构难以监控企业绿色信贷使用情况，信贷资金有可能事后被投入高收益的污染项目中。为了解决绿色信贷中逆向选择和道德风险问题，需要通过政府监管降低绿色信贷实施环节中的信息不对称和交易成本。与此同时，金融发展对于绿色信贷配置效率提升也起到了重要作用。发达的金融中介和金融市场可以降低市场不完全程度，从而降低企业外部融资成本，进而使其得到充足的外部资金 [16-17]。

1.2 财政政策对产业升级的作用机理

财政政策在促进企业产业结构升级中，具有至关重要的作用。一般来说，财政政策可以进一步细分为支出政策和税收政策。财政支出政策是指政府通过直接购买、财政补贴和税收优惠等手段对符合国家产业政策要求的企业行为进行引导；税收政策则利用相关税种对节能减排和产业升级进行调节。

财政支出政策对产业升级的促进作用源于政府财政支出带来的公共品供给所产生的“结构调整效应”[18]。所谓结构调整效应，是指政府财政支出可以使特定产业产生具有广泛溢出效应的公共品供给，而该类公共品供给能够显著推动特定产业发展。在这一过程中，政府财政支出使特定产业的资本生产要素和劳动生产要素不断积累，在一定程度上实现了资源禀赋的比较优势，最终推动产业结构调整，实现资源优化配置。在具体表现上，包括两个方面内容：一是引导效应，即政府通过对公共资金的重点配置，引导生产要素在产业间和产业内合理流动。同时，提高某产业人均财政支出将直接促进该产业生产率提升，最终实现该产业持续发展；二是替代效应，即政府财政直接替代市场提供与产业结构升级有关的支出，但财政支出政策也面临着政府债务加剧以及无法通过市场有效调动社会闲置资源、激发社会投资绿色经济的局限性。此外，财政投入手段和方式单一、投入结构不合理也会导致财政资金严重浪费。

税收政策的作用机理是基于庇古税修正外部性，即通过适当征收庇古税，提高“两高”企业生产边际成本，抑制排污行为，达到节能减排、促进产业升级的目的[19]。此外，从性质上看，政府环境治理属于公共物品供给，也需要通过征收环境税为其提供必要的资金。周雄勇等[20]基于动态仿真模拟的研究表明，税收政策对节能减排产生的效果最为明显。税收政策应用于产业升级的难点在于，其效果取决于税率是否等于社会最优产出点上的边际外部成本，这在现实中是很难实现的，如果税率过低则起不到应有的调节功能。

1.3 绿色信贷与财政政策协同

政策协同是指不同政策措施之间通过相互协调以实现不同的政策目标，从而有利于提高政策实施效率和实现帕累托最优状态[21]。周永圣等[9]指出，只有政府与银行之间建立基于博弈的协同关系，才能确保相关政策实施到位。通过前文分析，本文认为，二者政策协同可以从以下两个渠道展开：

(1)财政支出政策与绿色信贷协同。绿色信贷本身具有公共产品性质，对追求利润最大化的金融机构来说，存在供给障碍。同时，财政支出政策只有在低金融摩擦及市场化充分的环境中才能起到刺激作用[22,23]。因此，政府可以对绿色信贷进行贴息，调动金融机构绿色信贷投放及企业利用绿色信贷实现节能减排和产业升级的积极性。同时，财政补贴还可以有效降低绿色信贷的交易成本和信用风险，提高商业银行开展绿色信贷的积极性。此外，政府增加环保财政支出，加大绿色基础设施投入力度，能够降低企业绿色投资难度，进而提高绿色信贷配置效率。绿色信贷则可以有效缓解财政补贴投入结构不合理及浪费严重的问题。

(2)税收政策与绿色信贷协同。政府可以在严格的环保标准下对高污染、高排放的“两高”企业征收“环境税”，强化对“两高”企业的约束。税收政策与绿色信贷的协同作用可以调节并引导资源分配方向和变动力度，给予企业、金融机构明确的资源配置信号，促进企业节能减排及各产业资源优化配置。

综上，本文将从产业升级角度对绿色信贷和财政支出政策与财政税收政策是否存在协同效应进行检验。鉴于前文指出金融发展水平在理论上能够提高绿色信贷配置效率，因此，本文将考察金融发展水平对二者政策协同作用的影响。此外，张成龙等[24]及艾小青等[25]指出，产业结构与单位能耗、单位污染排放在时间维度和空间维度上存在复杂关系。因此，在讨论绿色信贷与财政政策协同效应时，有必要分开进行。除产业结构外，本文还考察绿色信贷和财政政策协同与单位能耗及单位污染排放的关联，以此检验结论的稳健性。综上，本文提出6个理论模型如下：

ISRi,t=α0+α1GLRt+α2EEXPi,t+α3GLRt·EEXPi,t+α4FINANCEi,t·GLRt·EEXPi,t+βCONTROLi,t+εi,t

(1)

ISRi,t=α0+α1GLRt+α2TAXi,t+α3GLRt·TAXi,t+α4FINANCEi,t·GLRt·TAXi,t+βCONTROLi,t+εi,t

(2)

ECONSi,t=α0+α1GLRt+α2EEXPi,t+α3GLRt·EEXPi,t+α4FINANCEi,t·GLRt·EEXPi,t+βCONTROLi,t+εi,t

(3)

ECONSi,t=α0+α1GLRt+α2TAXi,t+α3GLRt·TAXi,t+α4FINANCEi,t·GLRt·TAXi,t+βCONTROLi,t+εi,t

(4)

POLi,t=α0+α1GLRt+α2 EEXPi,t+α3GLRt·

EEXPi,t+α4FINANCEi,t·GLRt·EEXPi,t+βCONTROLi,t+εi,t

(5)

POLi,t=α0+α1GLRt+α2 TAX i,t+α3GLRt·TAXi,t+α4FINANCEi,t·GLRt·TAXi,t+βCONTROLi,t+εi,t

(6)

其中，ISR表示产业结构，ECONS为单位能耗，POL为单位污染排放，GLR为投放的绿色信贷占全部贷款总额的比例，EEXP为财政环保支出占财政一般支出的比例，TAX为具有节能减排作用的税收收入占全部税收收入的比例，GLR·EEXP、GLR·TAX分别表示绿色信贷和财政支出政策及财政税收政策的协同，FINANCE·GLR·EEXP与FINANCE·GLR·TAX则表示金融发展水平对协同作用的影响，CONTROL为相关控制变量。在上述6个模型中，如果α3显著不为0，则表明在促进企业节能减排和调整产业结构上，绿色信贷与财政政策具有协同效应；如果α4显著大于0，则表明金融发展会增强财政政策和绿色信贷的协同作用。

2 实证研究

2.1 变量定义与描述性统计

依据已有研究，对于被解释变量，本文以地区第三产业增加值与占该地区GDP的比重作为ISR的测度指标，以万元GDP消耗的吨标准煤作为ECONS的测度指标，以万元地区生产总值产生的二氧化硫污染物作为单位污染排放POL的测度指标。对于核心解释变量，本文以地方财政环境保护支出占地区生产总值的比重作为EEXP的测度指标。参考张磊和蒋义[26]及席卫群[27]的做法，以地方财政国内增值税占地方财政税收收入的比重作为TAX的测度指标。绿色信贷比例数据情况比较复杂，原因是中国银行业社会责任报告从2011年才开始记录绿色信贷余额指标数据，且在2013年之前的统计数据中仅包含支持节能环保项目贷款。考虑到采用现今绿色信贷余额指标进行分析的样本期间过短，为了兼顾统计口径一致，本文借鉴徐胜等[28]的做法，采用节能环保项目贷款额占贷款总额的比例作为GLR的测度指标。金融发展水平则使用地区金融业增加值占地区GDP的比重进行测度。

在控制变量选取方面，本文根据Barro(1990)、孙海波与林秀梅[29]、马子量和郭志仪[30]的研究成果，分别选择固定资产投资(capital)、人力资本(hr)、城镇化水平(urban)作为控制变量。其中，人力资本定义为某地区普通本、专科在校学生占该地区总人口的比例；城镇化水平定义为某地区城镇人口占当地总人口的比重。

本文数据均来自国家统计局网站、相关统计年鉴及Wind数据库，本文只考虑了2007—2016年中国内地30个省份数据(因数据缺失，西藏除外)。需要指出的是，上述数据来源并没有直接给出各省份每年能源消耗数据，因此，本文需要根据煤炭、原油、焦炭等产品消耗量以一定折算系数折算成为标准煤并进行加总，从而得到各省份每年以标准煤测度的能源消耗。表1给出了被解释变量与核心解释变量在样本期间的全国汇总数据。从表1可以看出，2007-2016年我国绿色信贷比例呈现出不断升高的趋势，特别是在2012年银监会发布《绿色信贷指引》后绿色信贷比例大幅增加，2012—2016年绿色信贷比例是此前5年的两倍。在财政政策方面，用于环境保护的财政支出占GDP的比例基本上也呈现逐年上升的趋势，但增值税占财政税收收入的比例却呈现U形变化。在信贷政策和财政政策下，2007—2016年我国产业结构呈现出不断优化的趋势，特别是2012—2016年产业结构优化呈现加速，截至2016年，第三产业增加值占GDP的比重已经接近50%。相应地，单位GDP能耗和单位GDP排污量逐年递降，2016年单位GDP能耗只有2007年的53.3%，2016年单位GDP排污量更是只有2007年的15.9%，节能减排成效显著。

由于地理位置和经济政策不同，我国各地区经济发展差异较大，因此，本文进一步将我国各省份划分为东部、中部、西部3个区域，表2给出了各变量在不同区域的描述性统计结果。由表2可见，各区域存在非常显著的差异：如东部地区产业结构显著优于中部地区和西部地区，东部地区单位GDP能耗分别只有中、西部地区的75%和55%，其单位GDP排污量更是只有中、西部地区的50%和25%。显然中部、西部地区调整产业结构促进节能减排的压力更大，因此，上述两个区域在财政环保投入占地区生产总值的比重显著高于东部地区，但3个区域在地方财政国内增值税收入占税收收入的比重方面无显著差异。

2.2 面板单位根检验与面板协整检验

由于面板模型各截面通常存在显著异质性，因此，本文采用适用于异质面板模型的IPS检验和Fisher检验对各变量进行单位根检验，各变量、检验式设定均为包含截距项而不包含趋势项，辅助回归中滞后阶数根据AIC信息准则确定，如表3所示。

从表3中可以看出，变量ECONS、POL和Capital为I(0)过程，其余变量均为I(1)过程，因此，需要进一步通过协整检验确定变量之间是否存在长期均衡关系。本文采用Pedroni(2004)的检验方法，该方法分别构造组间和组内统计量, 检验的原假设为变量不存在协整关系，检验设定为协整回归中包含截距项而不包含趋势项，滞后阶数根据AIC信息准则确定，如表4所示。由表4可知，本文面板模型中各变量是协整的，即各变量之间具有均衡关系。

注：如果原序列已经是平稳过程，本文将不再对其一阶差分序列进行检验

2.3 参数估计结果及分析

本文采用两步系统GMM估计方法估计模型，以此处理模型可能存在的内生性问题，并且按照Windmeijer(2005)的方法修正两步系统GMM估计量标准误差的向下偏倚。在工具变量选取方面，本文以核心解释变量及其交叉项的一阶滞后项作为工具变量，估计结果如表5所示。表5中Sargan检验与Arellano Bond检验结果表明，本文选取的工具变量合理，并且两步系统GMM估计量具有一致性。

从表5的参数估计结果看，在回归1—6中，绿色信贷比例GLR在绝大多数情况下都是显著的。具体来说，GLR升高将会使第三产业占比ISR显著提高，使单位GDP能耗和排放量降低，表明绿色信贷业务确实能对产业结构升级和企业节能减排起积极作用。对于财政政策，在回归1、回归3和回归5中，变量EEXP均非显著，表明尽管从理论上财政支出政策可以通过引导企业投资行为而影响产业结构，但这种调控在目前国内环境下更多的是间接性的，需要经过多个环节传导，可能会出现信号传递失真或错误的现象。与之相对应的是，在回归4和回归6中，变量TAX的回归系数显著为负，但在回归2中TAX的回归系数并不显著，表明目前政府初步通过税制结构调整虽实现了促进企业节能减排的政策目标，但在促进产业结构升级方面，政策效果不甚明显，相关产业税收政策仍需要进一步调整和完善。

对于财政政策与绿色信贷的协同效应，在回归1—2中，交叉项EEXP*GLR和TAX*GLR前的回归系数均显著大于0，表明在促进产业结构升级方面，财政政策与绿色信贷存在协同效应；在回归4—6中，交叉项前的回归系数均显著小于0，意味着财政政策与绿色信贷协同对促进企业节能减排也发挥了显著作用。为了进一步理解绿色信贷在协同效应中的地位，本文利用回归方程对变量GLR求一阶导数，并将EEXP和TAX的均值代入导数表达式，得到变量GLR对相关被解释变量的平均边际效应。计算结果显示，回归1—2中，GLR的平均边际效应分别为0.976和2.53，回归3—6中，GLR的平均边际效应分别为-0.124 3、-0.202 6、-0.000 89和-0.012，意味着在促进产业结构升级和节能减排中，绿色信贷和税收政策协同效果优于绿色信贷与财政支出政策。笔者认为，出现上述情况的原因可能是相对于财政环保支出，税收能够传达更明确的信号，降低企业环境信息不对称程度，从而有利于商业银行开展绿色信贷业务。金融发展水平Finance在回归1和回归2中均显著大于0，而在回归3、回归4中显著小于0，也就是说，较高的金融发展水平可以通过降低信息交易成本及促进地区储蓄向投资转化，从而充分发挥融资功能等方式，显著促进绿色信贷与环保财政政策协同。同时，在回归1和回归3中Finance前的回归系数均大于回归2与回归4，表明相对于税收政策与绿色信贷，金融发展水平对提升财政支出政策与绿色信贷的协同效果更明显。

在控制变量方面，固定资产投资Capital对产业结构优化和节能减排的正向促进作用并不显著。地方政府固定资产投资仍然存在对过去“高投入、低效率”粗放式增长方式的路径依赖，并不能从根本上优化产业结构。对于人力资本水平Hr和城镇化水平Urban，在回归1和回归2中多数情况下其回归系数不显著，而在回归3-6中，多数情况下其回归系数显著小于0。这表明在控制住相关变量的前提下，人力资本水平和城镇化水平对促进产业升级作用有限，但对节能减排则有显著促进作用。

注：***表示变量在1%显著性水平下显著，**表示变量在5%显著性水平下显著，*表示变量在10%显著性水平下显著；Sargan给出了Sargan检验的伴随概率，AR(2)给出了Arellano Bond检验的伴随概率; “Finance*交叉项”中的交叉项是指EEXP*GLR或TAX*GLR

3 结论与政策建议

3.1 结论

本文通过研究绿色信贷、环保财政政策及二者协同在促进产业升级和节能减排方面的作用，在分析我国绿色信贷、环保财政政策(支出政策和税收政策)现状的基础上，对绿色信贷和财政政策作用机理及二者可能的政策协同渠道进行分析，并选取2007—2016年省际面板数据开展了相关实证研究，得出以下结论：

(1)绿色信贷业务的确能促进产业结构升级和企业节能减排，与之相对应的是，环保财政政策中，不论是支出政策还是税收政策都存在一定局限性，其政策效果还不甚明显，仍需要进一步调整和完善。

(2)在产业结构升级和节能减排过程中，绿色信贷与税收政策的协同效果优于绿色信贷或财政支出政策的单独作用。

(3)金融发展水平对二者协同也起到了显著促进作用，并且对财政支出政策与绿色信贷协同的促进作用更明显。

3.2 建议

(1)鉴于绿色信贷业务对产业结构升级和企业节能减排具有显著积极作用，政府应进一步完善与绿色信贷相关政策体系，将绿色信贷业务规模纳入商业银行绩效考核范围。同时，为了促进绿色信贷业务开展及绿色信贷与环保财政政策协同，应进一步提升地区金融发展水平，积极发展资本市场，降低市场中的信息不对称程度，提高资源配置效率。

(2)在绿色信贷与环保财政政策协同方面，针对环保类财政支出政策实施效果不佳的问题，强化财政绩效评估结果应用。政府在利用财政资金对具体节能减排、污染防治项目进行直接补贴的同时，应运用贴息等手段对绿色信贷成效显著的商业银行进行倾斜性补贴。一方面，可以提高银行实施绿色信贷的潜在收益，对银行绿色信贷投放形成有效激励；另一方面，可以充分发挥金融市场及相关金融工具职能，从而充分发挥财政支出对产业结构升级和节能减排的引导性作用。鉴于绿色信贷和税收政策的协同效果优于绿色信贷或财政支出政策的单独作用，政府部门应通过税制改革降低银行与企业的环境信息不对称程度，为推进绿色信贷营造良好的外部环境。

3.3 不足展望

本研究不足之处表现在以下两点：其一，由于数据可得性等原因，无法得到具体某省绿色信贷占比数据，因此，本文构建的模型暗含这样一个假设，即各省份绿色信贷占金融机构贷款总额的比例相同。但实际上，绿色信贷占比可能与地方金融环境紧密关联，绿色信贷占比相同的假设未必合理；其二，在本文两个核心解释变量EEXP和TAX的测度上，笔者沿用了已有研究的做法，但我国财政税收体系十分复杂，具有促进产业升级和节能减排作用的税目可能有多种，仅以增值税测度可能是不充分的。与此同时，由于本文涉及的样本区间较短，在考察财政政策与绿色信贷政策协同时仅使用了交叉项方式，实际上二者协同可能具有更复杂的非线性形式。此外，本文探讨促进二者协同的具体方式也比较初步，这将成为未来研究方向。

参考文献:

[1] 上海银监局绿色信贷研究课题组,张光平,董红蕾,等.绿色信贷支持金融创新与产业结构转型研究[J].金融监管研究,2016(5):98-108.

[2] 刘婧宇,夏炎,林师模,等.基于金融CGE模型的中国绿色信贷政策短中长期影响分析[J].中国管理科学,2015,23(4):46-52.

[3] 李斌,苏珈漩.产业结构调整有利于绿色经济发展吗?——基于空间计量模型的实证研究[J].生态经济,2016,32(6):32-37.

[4] DUAN J, NIU M. The paradox of green credit in China[J].Energy Procedia,2011(5):1979-1986.

[5] KUMARI R L.Enhancing SMEs access to green finance[J].International Journal of Marketing, Financial Services & Management Research,2012,1(7):22-35.

[6] GILBERT S, ZHAO L. The knowns and unknowns of China's green finance. the sustainable infrastructure imperative: financing for better growth and development[C].London and Washington, DC：New Climate Economy,2017.

[7] 左振秀,崔丽,朱庆华.中国实施绿色信贷的障碍因素[J].金融论坛,2017,22(9):48-57+80.

[8] 李云燕,殷晨曦.绿色信贷信用风险转移模型构建与路径选择分析[J].中央财经大学学报,2017(11):50-57.

[9] 周永圣,刘巧荣,李健,等.基于绿色信贷的政府促进银行实施代理监督权的博弈研究[J].系统工程理论与实践,2015,35(7):1744-1751.

[10] 王凤荣,王康仕.“绿色”政策与绿色金融配置效率——基于中国制造业上市公司的实证研究[J].财经科学,2018(05):1-14.

[11] 贾敬全.促进节能减排目标实现的财税政策研究[J].经济问题探索,2010(6):174-178.

[12] 黄国宾,周业安.财政分权与节能减排——基于转移支付的视角[J].中国人民大学学报,2014,28(6):67-76.

[13] BERNANKE B, GERTLER M. Agency costs, net worth, and business fluctuations[J]. American Economic Review, 1989, 79(1):14-31.

[14] GERTLER M . Financial capacity and output fluctuations in an economy with multiperiod financial relationships[J]. Review of Economic Studies, 1992, 59(3):455-472.

[15] STIGLITZ J E,WEISSA. Credit rationing in markets with imperfect information[J].The American Economic Review,1981,71(3):393-410.

[16] RAJAN R G, ZINGALESL. Financial dependence and growth[J]. The American Economic Review, 1998, 88(3):559-586.

[17] MAKSIMOVIC V. Funding growth in bank-based and market-based financial systems: evidence from firm-level data[J]. Journal of Financial Economics, 2002, 65(3):337-363.

[18] 石奇,孔群喜.动态效率、生产性公共支出与结构效应[J].经济研究,2012,47(1):92-104.

[19] 褚睿刚.环境创新税收政策解构与重构:由单一工具转向组合工具[J].科技进步与对策,2018,35(10):107-114.

[20] 周雄勇,许志端,郗永勤.中国节能减排系统动力学模型及政策优化仿真[J].系统工程理论与实践,2018,38(6):1422-1444.

[21] IGLESIAS G, RO P D, DOPICO J . Policy analysis of authorisation procedures for wind energy deployment in Spain[J]. Energy Policy, 2011, 39(7):4067-4076.

[22] 王妍.金融摩擦会影响政府财政支出乘数吗[J].中国管理科学,2015,23(S1):430-436.

[23] 戴浩,柳剑平.政府补助对科技中小型企业成长的影响机理——技术创新投入的中介作用与市场环境的调节作用[J].科技进步与对策,2018,35(23):137-145.

[24] 张成龙,李继峰,张阿玲,等.1997—2007年中国能源强度变化的因素分解[J].清华大学学报：自然科学版,2013,53(5):688-693.

[25] 艾小青,陈连磊,朱丽南.空气污染排放与经济增长的关系研究——基于中国省际面板数据的空间计量模型[J].华东经济管理,2017,31(3):69-76.

[26] 张磊,蒋义.促进节能减排的税收政策研究[J].中央财经大学学报,2008(8):6-11.

[27] 席卫群.节能减排税收政策的有效性分析——基于工业高耗能行业数据[J].当代财经,2014(6):5-12.

[28] 徐胜,赵欣欣,姚双.绿色信贷对产业结构升级的影响效应分析[J].上海财经大学学报,2018,20(2):59-72.

[29] 孙海波,林秀梅.异质型人力资本与产业结构升级关系的动态演变[J].统计与信息论坛,2018,33(4):58-66.

[30] 马子量,郭志仪.城市化发展中的产业升级:集聚推动、溢出效应与空间衰减——基于西北地区的空间计量[J].统计与信息论坛,2016,31(2):42-48.