开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
中国承诺在2030年前二氧化碳排放量不再增长，争取在2060年前实现碳中和[1]，为实现应对气候变化《巴黎协定》的目标作出更大贡献和努力。中国始终把应对气候变化摆在重要位置。在中共十八届三中全会上，习近平总书记指出，我国经济发展中要注意减少资源消耗、保护环境；同时，提出实施全面规范、公开透明的预算制度等重大决策部署。财政信息透明是规范财政资金使用的有效监管手段，也是解决公众与政府间“委托-代理”问题的重要媒介[2]。政府科技事业费支出是区域创新的重要支持和保障[3]，但由于财政信息披露不足、监管措施不完善等原因，我国地方财政科技资金被挪用、滥用、套取等情况常有发生[4]。在落实创新驱动发展战略过程中，将财政科技支出真正用于科技创新活动对于提升区域创新能力至关重要。中国将创新、协调、绿色、开放、共享的发展理念作为社会主义现代化建设的发展方向和着力点，要如期实现“双碳目标”，增加财政透明度、提升以创新为引领的绿色低碳经济发展无疑是强有力的支撑点。
目前，学术领域仍缺乏财政透明度影响区域绿色创新能力的研究成果。由于加强环境和财政信息披露、增加信息透明度是推动与达成碳中和目标的有力监管手段，因此在碳中和背景下需要回答如下问题：增加财政信息透明度对本地区和周边区域绿色创新能力有何影响？随着财政信息透明度提升，区域绿色创新能力是否会水涨船高？弄清上述问题不仅对推动我国透明度机制建设和区域创新发展具有重要借鉴意义，同时，可为我国2060年实现碳中和目标提供理论准备。因此，本文将基于碳中和背景，从资源、环境、经济三方面入手，考虑生态资源和碳排放因素，使用Super-SBM模型测算中国内地30个省份区域绿色创新能力并考察其空间聚集情况，在此基础上引入财政信息透明度作为核心解释变量，构建空间杜宾模型和面板门槛模型，实证分析财政信息透明对区域绿色创新能力的空间溢出效应和双重门槛效应。
与已有研究相比，本文的边际创新主要体现在：①不同于现有关注区域绿色创新的研究，本文以碳中和为目标，考虑到二氧化碳的排放和吸收，将森林碳汇作为期望产出之一，将碳排放作为非期望产出之一，精确测算区域绿色创新能力，为区域通过绿色创新驱动实现碳中和目标提供新思路；②尝试关注空间视角下财政信息透明对区域绿色创新能力的影响，采用空间杜宾模型实证分析财政信息透明对邻近地区绿色创新活动的外溢影响，进一步拓展绿色创新研究成果；③目前关于财政信息透明度如何影响区域绿色创新能力的研究仍然不足，本文基于绿色视角，为财政信息透明机制建设提供决策参考，以期最大化提升区域绿色创新能力。
财政信息透明关乎社会公众的知情权、监督权、政府信任度以及投资者利益。早期研究中，Kopits & Craig[5]将财政信息透明度定义为公开、及时、可靠、详细的政府政策意向、部门财政预算等信息，以便公众和市场准确了解政府财政活动。在财政信息透明度评价方面，Alt&Lassen[6]通过构建财政透明度指数，证实提高财政透明度会减少公共债务积累；Yusuf&Jordan[7]从获得性、可读性和及时性三方面对地方政府财政透明度进行评估，认为目前美国政府财务报告并不透明。国内有关财政信息透明度评价指标体系的研究成果较少，分析所用的财政透明度指数主要来自相关研究机构发布的报告[3，8，10-13]。例如邓淑莲[8]基于上海财经大学发布的《中国财政透明度报告》数据进行分析，认为造成我国财政透明度较低的主要原因是制度障碍。
此外，国内外研究都认同财政信息透明是提高政府效率、保证资源合理分配的有效机制和措施[9]。例如刘俸奇等[10]认为，财政信息透明有助于提升地方政府治理能力，特别是对高经济发展水平地区政府治理能力的提升效果更显著；Elina[11]基于82个国家数据的实证检验发现，财政信息透明对“高民主国家”的公共支出效率具有正向促进作用；邓淑莲和刘潋滟[12]基于政府博弈视角构建理论模型，证实提升财政透明度会降低地方政府债务风险。此外，还有学者对财政信息透明与腐败关系进行研究。例如杜亚斌[13]基于委托代理理论，运用系统GMM法进行分析与检验，认为在保证政府财政信息真实有效的前提下，财政透明会遏制政府腐败滥权行为发生；Liu等[14]基于143个发展中国家的公司财务报告研究发现，在财政信息不对等和腐败的商业环境中，寻租官员会利用财政信息提出他们的贿赂要求。企业层面上，Li[15]研究发现，财政信息披露水平与公司绩效呈显著的正相关关系，而且透明度排名上升的公司绩效好于透明度排名下降的公司；邵磊和唐盟[16]则利用工具变量法验证财政信息透明与企业杠杆率的关系，认为财政透明度通过提升经济发展确定性起到稳定企业预期的作用。
通过文献梳理发现，国内外学者主要围绕财政信息透明度的经济效应和社会效应展开研究，对于财政信息透明度如何影响绿色创新缺乏关注。已有学者验证了信息透明度有利于创新发展。如从微观层面上，高燕等[17]从财务透明度、治理透明度和组织透明度3方面评价企业信息透明度，研究结果表明，企业信息透明度对技术创新起促进作用；在宏观层面上，Brown & Martinsson[18]以提高透明度的证券市场改革作为准自然实验，研究发现，信息透明度通过降低与公平融资相关的信息成本促进创新；王淑杰等[3]利用中介效应模型，证明财政信息透明度通过抑制预算违规、稳定企业创新预期，从而提升区域创新能力。
针对绿色创新能力，国内外许多学者将绿色创新能力定义为企业或行业开展节能减排或生产绿色产品的技术和工艺创新能力[19]。区域是绿色创新载体，研究区域绿色创新能力对地区实现创新引领的经济高质量发展，进而实现碳中和具有理论借鉴意义。本文研究的区域绿色创新能力是指，从宏观层面看，降低环境污染和二氧化碳排放、节约能耗的能力[20]，因此选取贴合碳中和目标的指标进行评估分析。
国内外主要通过构建评价指标体系并采用数据包络分析(DEA)方法测算绿色创新能力。例如Tseng等[21]从管理创新、工艺创新、产品创新、技术创新4个方面并结合熵权法，构建绿色创新能力评价框架；曹慧等[22]运用共线性—变异系数方法筛选指标，从创新投入、创新产出和绿色发展3个方面构建指标体系，评价我国省域绿色创新能力；Chung等[23]提出将污染物作为非期望产出纳入效率分析框架；还有学者以单位工业增加值固体废物、废气、废水排放总量和单位GDP能耗作为负产出，使用SBM模型和GML指数，测算中国省际绿色创新能力，研究发现，中国绿色创新GML指数整体呈增长趋势(刘章生,宋德勇,弓媛媛，2017)。DEA方法借助综合指标评价效率问题，不受投入产出量纲和主观因素影响。因此，本文使用基于非期望产出的非径向方向距离函数Super-SBM模型对区域绿色创新能力进行测算。
通过文献汇总发现，现有研究主要集中在绿色创新能力评价、空间特征[24-25]和影响因素[26-28]等方面。如葛世帅等[24]通过构建区域绿色创新能力评价体系，利用探索性空间分析法发现，长三角城市群绿色创新能力发展不均衡，从空间上看，绿色创新能力强的城市多分布在沿海地区；刘军等[27]将中国内地30个省份聚类划分为4种发展模式并发现产业协同集聚显著促进区域绿色创新提升。还有许多学者从行业层面不断丰富绿色创新能力影响因素研究。例如江世英[28]基于医药行业上市公司数据研究发现，知识性人力资本有利于提升企业绿色创新能力；谭德庆和商丽娜[29]基于制造业升级视角，认为加大环境规制力度有助于提升区域绿色创新能力，但外商投资会降低区域绿色创新能力。
虽然有关区域绿色创新能力的实证研究成果颇为丰富，但将财政信息透明与区域绿色创新能力相联系的实证成果不多。财政信息作为信息的一种，具有流动性和扩散性，提升其透明度有助于减少信息不对称，但是长期以来财政信息透明度对区域绿色创新能力的空间溢出效应缺乏关注。因此，本文紧扣碳中和背景，从空间溢出效应和门槛效应双重视角讨论财政透明度对区域绿色创新能力的作用，一方面补充财政信息透明影响绿色创新研究文献的不足，另一方面为探究不同财政透明度对区域绿色创新能力的影响以及推动可持续发展、实现碳中和目标提出政策建议。
2.1.1 Super-SBM方法
考虑到绿色创新能力是包含多投入多产出的复杂评价指标，更多地反映多个投入与产出之间的转化效率，因此本文选用DEA方法进行评价。传统 DEA 模型中的CCR模型只能处理不变规模报酬(CRS)的决策单元问题，因此Banker等[30]提出可以处理可变规模报酬(VRS)的BCC模型，即当不是所有决策单元都位于随机前沿面上时，可变规模收益模式使得技术效益测算不会受到规模效益的影响。随后Tone[31]提出的SBM模型虽然考虑了非期望产出，但会出现多个有效决策单元效率值为1时无法排序的问题。如果存在多个有效决策单元效率为1的情况，使用Super-SBM模型可以精确地对有效决策单元进行评价与排序。因此，为了精准衡量区域绿色创新能力水平，选择基于SBM模型的Super-SBM模型作为测算工具。具体模型设置如下：
(1)
假设有n个决策单元，m个投入变量，q个期望产出，Xij表示投入变量，Ypj表示期望产出变量，λ为权重变量，
表示决策单元有效，且数值越大表明决策单元效率越高。
2.1.2 莫兰指数
检验财政信息透明对区域绿色创新能力的空间溢出效应前，需要考察其空间关联性。本文选用全局莫兰指数(Moran′s I)对区域绿色创新能力的空间依赖和聚类特征进行考察，表达式如下：
(2)
其中，xi和xj表示i地区与j地区的区域绿色创新能力，
为所有n个区域绿色创新能力的平均值，Wij为空间权重矩阵，本文设定为0-1空间邻接矩阵。全局莫兰指数在-1～1间取值，当值为0时，表示空间不相关；当Moran′s I>0时，表示空间上存在正相关，且值越大表示相关性越显著；当Moran′s I<0时，表示空间上存在负相关，且值越小表示差异越显著。
由于变量在局域范围内的非典型特征，因此通过局域空间自相关，即莫兰指数的局部形式，进一步检验局部空间单元与相邻单元的差异化程度，表达式如下：
(3)
(4)
其中，Iit表示i省份第t年区域绿色创新能力的局部莫兰指数，xit、xjt分别表示i、j地区第t年的区域绿色创新能力，
为第t年n个区域的绿色创新能力平均值，其它变量同上。局部莫兰指数Iit>0时，表明i区域与周围地区的空间差异不大，即高(低)值与周围地区的高(低)值相邻；局部莫兰指数Iit<0时，表示i区域与周围地区的空间差异较大，即高(低)值与周围地区的低(高)值相邻。
2.1.3 空间杜宾模型
STIRPAT模型常用于评估人文因素对环境的影响，具有可拓展、随机性，其扩展形式也广泛用于绿色创新、低碳经济发展等方面，具有一定借鉴意义。其对数形式为：
lnIit=lna+β1lnPit+β2lnAit+β3lnTit+lneit
(5)
其中，I代表环境压力，P代表人口规模，A代表富裕程度，T代表技术水平，β1、β2和β3分别为P、A和T的弹性系数，a为常数项，e为随机扰动项。由于STIRPAT模型允许对各影响因素进行适当分解与拓展[32]，因此本文采用既能分析变量对本地区的直接影响效应，也能分析对邻近地区间接效应的空间杜宾模型(SDM)[33]，在对式(5)适当扩展的基础上，实证检验财政信息透明对区域绿色创新能力的空间溢出效应，具体表达式如下：
lnCGIit=β0+ρWlnCGIit+β1lnTit+β2lnPit+β3lnUit+β4lnPGDPit+β5lnFDIit+β6lnZit+θ1WlnTit+θ2WlnPit+θ3WlnUit+θ4WlnPGDPit+θ5WlnFDIit+θ6WlnZit+εit+μit
(6)
其中，CGI为区域绿色创新能力，T代表财政信息透明水平，P代表人口规模，U代表城镇化水平，PGDP代表经济发展水平，FDI代表商直接投资水平，Z代表技术水平；i表示地区，t表示时间；β0为常数项，ρ为被解释变量CGI的空间滞后项的弹性系数，β1～β6反映的是各变量弹性系数；θ1～ θ5分别代表各变量对邻近地区绿色创新能力的影响；W为空间权重矩阵，本文设定为0-1空间邻接矩阵；εit是随机扰动项，μit为个体固定效应。在估计空间模型时，传统的点估计方法可能存在偏差，因此采用偏微分法对空间模型进行处理和检验。为避免可能存在的非线性关系和变量取值范围差异较大等问题，本文对因变量、自变量以及控制变量取对数。
2.1.4 面板门槛模型
Hansen[34]提出的面板门槛模型，可用于当变量达到特定临界值后引发其它变量发生显著变化并转化为其它发展形式的现象，临界值即为门槛。因此，本文以财政信息透明度为门槛变量，考察财政信息透明与区域绿色创新能力之间存在的非线性关系，建立门槛模型如下：
CGIit=α+α1lnTRit+α2lnPit+α3lnUit+α4lnPGDPit+α5lnFDIit+α6lnZit+γ1TRit·I(TRit≤λ1)+γ2TRit·I(λ1<TRit≤λ2)+γ3TRit·I(TRit>λ2)+…+γnTRit·I(TRit≤λn)+εit
(7)
其中，所有变量定义同上，TR代表去趋势财政信息透明度，I(·)是取值为0或1的指示函数，λ1～λn为待估算的门槛值。由于门槛回归方法是对门槛变量排序后进行模型估计，如果门槛变量含有较强时间趋势，那么该趋势会改变突变点的似然分布检验，无法构建置信区间。因此，在使用门槛模型之前使用H-P滤波法，将各省市财政透明度数据分离为时间趋势和随机效应两部分，取2015年时间趋势值作为基准值，分别加上2009-2018年的随机效应值，得到对应年份的去趋势财政透明度(TR)。
2.2.1 区域绿色创新能力评价指标
区域绿色创新能力是评价在资源和环境约束下地区创新发展绩效的重要依据。投入指标包括人力投入、资本投入和能源投入；期望产出指标包括经济产出、技术产出和生态效益；非期望产出指标为碳排放量。碳中和目标要求二氧化碳排放与吸收实现二者相抵，减少二氧化碳排放是实现碳中和目标的重中之重，因此将区域碳排放作为非期望产出之一；森林碳汇是吸收二氧化碳的重要环节，因此将区域绿化覆盖率作为期望产出之一。区域绿色创新能力评价指标体系见表1。
表1 区域绿色创新能力测算指标体系
一级二级三级投入指标 人力投入从事科技活动以及水利、环境和公共设施管理的从业人员总数资本投入政府科技事业费支出和环境治理投入总和能源投入区域能源消费总量期望产出 经济产出区域工业总产值技术产出发明专利申请授权量生态效益区域绿化覆盖率非期望产出碳排放量各区域二氧化碳排放量
2.2.2 主要变量指标选取
被解释变量：区域绿色创新能力(CGI)，即创新能力绿色化程度。本文基于上述测算指标体系，采用Super-SBM模型评估区域绿色创新能力。其中，各区域二氧化碳排放量数据来自中国碳排放数据库(CEADs)，其它指标数据来源于2009—2018年《中国统计年鉴》《中国科技统计年鉴》和《中国工业统计年鉴》，缺失数据采用平滑指数法填补。
核心解释变量 ：财政信息透明(T)，本文使用财政透明度作为代理变量。目前，研究使用的政府财政透明度指数主要出自以下机构：①自2009年始由上海财经大学公共政策研究中心发布的《中国财政透明度报告》；②中国社会科学院法学研究所发布的《政府透明度指数报告》；③清华大学公共经济、金融与治理研究中心发布的《中国市级政府财政透明度研究》，其自2013年始研究范围扩大至全国289个城市。鉴于数据可得性，考虑到本文以省域为单位，因此采用公信力与影响力较大的由上海财经大学发布的《中国财政透明度报告》中的财政透明度数据。
控制变量 ：区域绿色创新水平的影响因素众多，借鉴罗澄宇[35]的研究，本文控制变量包括：区域经济发展水平、区域城镇化水平、区域人口规模、区域外商投资环境和区域技术水平。①区域经济发展水平(PGDP)：地区经济发展水平提高能有效带动技术创新，因此本文以地区人均生产总值(2009年不变价)作为区域经济发展水平的代理变量；②区域城镇化水平(U)：城镇化水平提高有利于推进技术革新，因此本文以城镇人口占总人口的比重作为区域城镇化水平的代理变量；③区域人口规模(P)：人口规模是STIRPAT模型中的重要构成， 本文以人口密度作为人口规模的代理变量；④区域外商投资环境(FDI)：外商直接投资对地区经济增长和技术创新能力提升有重要影响，本文以实际利用外商投资额占地区生产总值的比例衡量区域外商投资环境；⑤区域技术水平(Z)：技术水平对地区技术创新能力有着至关重要的影响，本文以专利申请授权量衡量区域技术水平。以上控制变量数据均来源于2009—2018年《中国统计年鉴》和《中国科技统计年鉴》，缺失数据采用平滑指数法填补。
3.1.1 评价结果分析
根据选取的投入产出指标，运用MAXDEA软件，计算得出2009-2018年中国内地30个省市区(西藏因数据不全，未纳入统计)区域绿色创新能力，将测算结果按照东、中、西部划分，结果见图1。总体上看，2009-2018年全国区域绿色创新能力均值从0.594稳步提升至0.781，呈显著上升趋势。分区域看，区域绿色创新能力从高到低依次为东部、中部和西部，其中，东部地区的DMU有效单元最多。
提升区域绿色创新能力有利于促进区域低碳经济发展，进而实现碳中和目标。研究期内，区域绿色创新能力较高的地区有北京、天津、江苏、浙江、福建、广东、海南和宁夏，以上地区均位于有效生产前沿面上且多为经济发达省市，在信息化建设和绿色发展等方面均位于全国前列，它们依据自身优势积极响应碳中和政策号召。例如北京已经率先实现碳达峰[36]，浙江、福建分别开展低碳工业园区建设和低碳城市试点[37]，宁夏提出打造“2+1”碳中和模式[38]，海南提出依托丰富的林业与海洋碳汇资源率先实现碳中和[39]。此外，上海和青海也积极实现碳达峰[37]。青海的区域绿色创能力值为0.718，自身资源匮乏、科技创新经费不足和创新人才流失严重等是造成青海区域绿色创新能力不强的主要原因。上海市2009-2018年的区域绿色创新能力值仅为0.814，虽然上海的创新投入大但生态效益不佳，主要是因为受环境承载力的限制，在吸收二氧化碳方面表现不足。
图1 中国区域绿色创新能力变化趋势
3.1.2 全局莫兰指数分析
为深入研究区域绿色创新能力的空间关联性，利用Stata15.1软件计算中国各省份区域绿色创新能力的全局莫兰指数，结果如表2所示。可以发现，2009-2018年区域创新能力的全局莫兰指数值在 0.391～0.487之间，P值和Z值均在1%水平下通过显著性检验，说明各省份区域绿色创新能力呈现出空间正相关性，空间依赖性和聚集特征较显著，即存在高值区与高值区相邻、低值区与低值区相邻的情况。这可能是因为相邻省域间人员流动、商业交流频繁，合作程度较高，尤其是京津冀、长三角、珠三角和粤港澳等地区通过实施区域协同发展战略，一方面促进了相邻省域间技术交流和协同创新，另一方面有助于区域优势互补、互利共赢，形成绿色创新空间集聚，进而促进人口、经济、资源与环境协调发展。由于全局莫兰指数不能反映各省份与周边地区绿色创新能力的空间差异和变化，因此引入局部莫兰指数进行分析。
3.1.3 局部莫兰指数分析
全局莫兰指数只能体现是否出现空间集聚或异常，因此，进一步引入局部莫兰指数考察具体空间内的区域绿色创新能力差异情况，部分结果如图2所示(数字代表对应省份)。第一象限为“高值-高值”聚集区，代表区域有北京、天津、江苏、浙江、上海、广东和海南，其特点是自身和周边地区的区域绿色创新能力都较强，空间差异较小；第二象限为“低值-高值”聚集区，代表区域为河北、安徽和江西，该区域绿色创新能力不强，周边绿色创新能力较强省域对它们的促进作用不显著；第三象限为“低值-低值”聚集区，代表区域有山西、吉林、黑龙江、内蒙古、青海、甘肃、贵州、四川、云南和新疆等，该区域绿色创新能力不强，周边地区绿色创新能力也不强，因此无法发挥辐射带动作用；第四象限为“高值-低值”聚集区，代表区域为宁夏，虽然自身区域绿色创新能力较强，但周边区域绿色创新能力不强，对周边地区绿色创新能力的辐射作用有限。位于“低值-低值”象限的省域，多属于经济和交通不够发达、创新人才和科技资金流入不足、区域间缺乏商业与技术交流的地区，上述因素是造成上述省域区域绿色创新能力较低的主要原因。
表2 区域绿色创新能力的全局Moran′s I指数
年份Moran's IP值Z值年份Moran's IP值Z值20090.4560.0003.75020140.4250.0003.61320100.4430.0003.82220150.4190.0004.20620110.4200.0004.38720160.4160.0005.05220120.4870.0004.61320170.4230.0004.74020130.3910.0003.96920180.4650.0004.239
图2 2009年和2018年区域绿色创新能力局部莫兰指数散点分布
对比2009年与2018年中国内地30个省市局部莫兰指数散点图，可以观察到，研究期内各省市区域绿色创新能力主要位于第一、三象限，空间集聚性较稳定，空间差异较小。值得注意的是，以北京、天津、上海和广东为核心的区域呈现出“高—高”型分布，即自身区域绿色创新水平较高，且能够对周边地区绿色创新能力产生带动作用，到2018年则在整体区域绿色创新能力提升的基础上呈现出更稳定的空间聚集发展趋势。因此，下一阶段应加强区域创新交流、提高空间关联度，发挥核心地区领头作用和辐射作用，带动周边地区提升区域绿色创新能力，进一步推动低碳经济转型。
前文已经证明区域绿色创新能力具有空间相关性，为进一步深化研究，选择空间面板模型分别进行LR检验和Hausman检验。根据检验结果，LR统计量结果在1%水平下拒绝原假设，即空间杜宾模型(SDM)不能退化成空间自回归模型(SAR)和空间误差模型(SEM)，因此选择空间杜宾模型；Hausman检验结果在1%的显著性水平下拒绝原假设，即应选择固定效应模型。综合上述检验，本文使用固定效应空间杜宾模型讨论财政信息透明度对区域绿色创新能力的空间溢出效应。
碳中和目标的提出向地方政府和企业传达出向绿色低碳经济转型的信号，其中，政府是绿色创新的“推进器”，区域是绿色创新的载体。在推动绿色创新、驱动低碳发展的过程中，政府扮演着重要角色，其中，政府财政信息透明有利于减少腐败行为[40]，促进公众了解政府的真实动向。因此，本文引入财政透明度，建立财政信息透明度影响区域绿色创新能力的空间杜宾模型，基于偏微分法对财政信息透明对区域绿色创新能力的溢出效应进行分解，具体见表3。
核心解释变量财政透信息明度对区域绿色创新能力的直接效应、间接效应和总效应均通过1%的显著性水平检验，直接效应系数为0.019，即本区域财政透明度每提高1个单位，区域绿色创新能力就提升0.019；间接效应系数为0.009，即相邻区域财政透明度每提高1个单位，本区域绿色创新能力就提升0.009；总效应系数为0.028，即本地区和相邻地区的财政信息透明度每提高1个单位，本地区域绿色创新能力就提升0.028。财政信息透明度提升有利于减少信息不对称，便于社会公众行使监督权，方便企业了解政府投资动向，稳定企业创新预期收益，同时，来自碳中和目标的约束也加大了企业绿色创新和低碳转型压力，这意味着由财政信息透明和碳中和目标组合成的激励约束机制有助于激发企业绿色创新积极性和主动性，从而为区域绿色创新能力提升奠定了基础。研究结果表明，财政信息透明不仅对本地区绿色创新能力提升有促进作用，同时，对周边区域绿色创新能力提升也存在空间溢出效应，表明财政信息透明对提升区域绿色创新能力具有区域协同作用。形成该现象的原因可能是，在大数据背景下，信息具有流动快、扩散性强等特征，政府信息公开透明会对周边地区起到良好的示范学习效用，而财政信息透明度提升对周边地区的创新活动收益也起到稳定作用，促使投资者和企业为实现潜在创新收益而提升绿色创新能力，从而对周边地区绿色创新能力产生空间溢出效应。在下一阶段，特别是位于“低-高”区的河北、安徽和江西等省份，应注意加强地区交流与沟通，加大创新人才引进力度，充分利用财政信息透明的空间外溢红利提升本区域绿色创新能力。
从表3看，区域经济发展水平(U)的直接效应系数为0.922，通过1%水平下的显著性检验，说明本区域经济发展能够促进区域绿色创新能力提升，但其溢出效应并未通过显著性检验。区域城镇化水平(U)对区域绿色创新能力的直接效应系数为2.374、溢出效应系数为1.019，分别通过了1%和5%水平下的显著性检验，说明本区域城镇化水平提升能够促进本地区和周边地区绿色创新能力提升。区域人口规模(P)的直接效应系数为0.075，通过5%水平下的显著性检验，说明人口规模扩大能够支撑本地区绿色创新能力提升，但其溢出效应并不显著。区域外商投资环境(FDI)对区域绿色创新能力的直接效应系数和间接效应系数都为负，且分别通过了1%和5%水平下的显著性检验，说明增加外商直接投资并不会促进区域绿色创新能力提升，反而起到抑制作用，这与杨世迪和刘亚军[41]的部分结论相一致，主要是因为由外资带来的技术并非“高精”端核心技术，多存在“污染避难所”效应。区域技术水平(Z)在1%的显著性水平下对自身区域绿色创新能力起促进作用，直接效应系数为0.084，说明本地的技术水平能有效支撑该地区绿色创新能力提升。然而，区域技术水平对周边区域绿色创新能力产生负向溢出影响，并且通过了5%水平下的显著性检验。造成该现象的主要原因是，先进技术会带来高收益、促进新一轮绿色技术创新，进而形成良性循环，有益于提升本区域绿色创新能力，因此各省份在提升区域绿色创新能力时会对相关技术存在空间竞争现象，并采取相关政策措施以吸引先进技术资源“落地”，从而造成周边地区创新人才流失、企业搬迁等问题产生，不利于周边地区绿色创新能力发展。
前文分析了财政信息透明对区域绿色创新能力的空间溢出效应，为准确获得两者关系，进一步使用面板门槛模型实证检验财政信息透明与区域绿色创新能力的非线性关系。
以去趋势财政透明度为门槛变量的检验结果如表4所示，可以发现，双门槛效应通过1%的显著性水平检验，第一门槛值为25.916，第二门槛值为64.840。根据表5，当去趋势财政透明度得分在25.916以下时，财政透明度每提升1%，区域绿色创新能力就提高0.016；当去趋势财政透明度得分介于25.916～64.840之间时，财政透明度每提升1%，区域绿色创新能力就提高0.025，对区域绿色创新能力的促进效应比第一门槛区间有所增强；当去趋势财政透明度得分大于64.840时，对区域绿色创新能力具有微弱的负效应。这可能是因为一方面，财政信息透明度提升有助于稳定创新带来的市场预期收益，另一方面，当监管问责制度不完善时，因无法有效遏制预算违规等情况出现，过高的信息透明度反而会导致交易成本较高，造成创新意愿降低，从而对区域绿色创新能力产生一定抑制作用。这说明，一味提高政府信息透明度而忽略相关监管问责制度会导致企业创新意愿不足，不利于区域绿色创新能力提升。因此，在发展过程中既要注重财政信息透明度又要注重完善相关监管问责制度，创造信息透明、真实、有效的创新环境，促进区域绿色创新能力提升，推动区域实现绿色发展。
表3 财政信息透明对区域绿色创新能力的空间溢出效应分解结果
变量名直接效应系数Z值间接效应系数Z值总效应系数Z值T0.019***4.030.009***3.650.028***3.84PGDP0.922**2.240.3041.301.2261.85U2.374***4.161.019**2.893.383**2.42P0.075**2.350.2710.710.3460.78FDI-0.069***-5.67-0.015**-2.04-0.084**-2.26Z0.084***7.58-0.007**-2.110.077**2.68
注：***、**、*分别表示在1%、5%、10%的置信水平下
表4 门槛值抽样检验结果
门限值检验财政透明度P值单门槛25.9160.065双门槛25.91664.8400.001
研究期间，我国财政信息透明度呈缓慢上升趋势，但整体来看，财政信息透明度仍然处于较低水平，少数地区的透明度低于第一门槛值，大多数地区介于第一门槛与第二门槛之间。因此，地方政府要注意加强政府财政信息披露，通过提高财政信息透明度促进区域绿色创新能力提升，同时，注重建立健全与之相匹配的监管问责制度，以区域绿色创新能力推动低碳经济转型和实现中国2060年碳中和目标。
表5 门槛效应回归结果
变量名回归系数t值P值TR(TR<25.916)0.016***6.530.000TR(25.916≤TR<64.840)0.025***4.290.000TR(TR≥64.840)-0.004***-2.820.003PGDP0.807**2.460.065U1.125***5.080.000P0.0641.610.241FDI-0.055***-2.710.003Z0.092***3.540.000
中国要如期实现“双碳目标”，推动绿色创新发展和实现经济高质量发展是必经之路，以区域为载体的绿色低碳经济无疑是强有力的支撑点。本文立足碳中和背景，采用Super-SBM模型科学测度2009-2018年中国内地30个省域区域绿色创新能力，考察其空间相关性和局部聚集情况，进一步引入财政透明度构建空间杜宾模型和面板双门槛模型，实证检验财政信息透明对区域绿色创新能力的空间溢出效应和双门槛效应，得出以下结论：
(1)从区域绿色创新能力测算结果看，中国区域绿色创新能力上升趋势明显。分区域看，东部、中部和西部区域绿色创新能力依次递减。莫兰指数结果表明，中国各省域绿色创新能力存在显著的空间正向关性，局部空间差异不大，以北京、天津、上海和广东为核心地区呈现出“高-高”型聚集形式，多数中部地区、绝大多数西部地区主要呈现出“低-低”型聚集形式。
(2)财政信息透明度对区域绿色创新能力的直接效应、间接效应和总效应均为正且通过显著性水平检验，表明财政信息透明度对区域绿色创新存在显著的直接促进作用和空间溢出效应，能够对本土和周边地区绿色创新能力起到促进作用。
(3)财政信息透明度对区域绿色创新能力存在显著的双门槛效应，门槛参数值分别为25.916和64.840，财政透明度得分在25.916以下时有助于提升区域绿色创新能力，在25.916～64.840之间时对区域绿色创新能力的促进效应增强，高于64.840时对区域绿色创新能力产生微弱的负效应，这可能是因为交易成本增加和创新预期收益趋于稳定，导致创新行为动力不足，对区域绿色创新能力起到一定抑制效应。
基于上述实证分析结果，本文从加强财政信息透明和绿色创新视角出发，为中国实现碳中和提出以下建议：
第一，增加国家财政科技支出和研发经费投入，注重提升区域绿色创新能力。采取税收优惠、财政补贴等形式鼓励企业进行绿色创新研发，建立健全科技创新体系和生态文明治理体系。空间上区域绿色创新能力普遍存在关联现象，因此应充分考虑其空间依赖性，加强区域绿色技术和商业交流，促进区域创新互助与协同减排，不断缩小中、西部地区与东部地区绿色创新能力差距。在碳中和目标下，提升区域绿色创新能力是从根源上减少二氧化碳排放的有力手段，同时，也要注重发掘森林碳汇和海洋碳汇的巨大潜力，加强生态保护修复，增强自然生态系统的固碳能力。西部地区要加大科技创新投入，完善人才引进政策；沿海省份和林业强省则要主动挖掘森林、海洋碳汇潜力，充分利用碳汇潜在价值创新商业模式、发展绿色经济。
第二，加强区域信息交流和创新技术引进，充分发挥信息透明对区域绿色创新能力的空间溢出红利。宁夏、重庆等位于“高-低”型聚集分布省域，应充分发挥自身财政信息透明对周围地区的辐射作用，带动周围地区绿色创新能力提升。尤其是属于“低-高”型聚集的河北、安徽和江西等省份，应扩大与周边区域的信息和技术交流，充分利用财政信息透明带来的空间外溢红利，健全自身绿色创新体系，推进区域绿色创新能力驱动低碳经济发展。
第三，加大政府财政信息披露，确保政府信息公开程序合法、数据真实与可靠。要在保证信息数据真实有效的前提下，提高信息披露程度，避免出现错误信息导致市场预期不稳定等现象发生。当前中国财政信息透明度整体不高，大多数省份财政信息透明度没有迈过第二门槛，尚处于递增效应门槛区间。因此，要不断加大政府财政信息披露程度，为社会公众和相关投资者营造真实有效的信息环境。这不仅有利于提升企业创新意愿和技术创新水平，也有助于提升经济发展确定性、达到稳定投资市场预期的效果。
第四，完善信息公开机制，协同推进现代监管问责制度。大数据时代，信息公开是国家治理的重要手段之一，科学有效的信息公开机制有助于提升政府管理效率，完善配套监管机制，便于公众和媒体对政府公开的信息数据进行监督问责以保证数据真实可靠。除政府财政信息应予以披露外，企业环境、社会和公司治理信息以及温室气体等污染物排放数据也应纳入其中。规范污染物排放核算方法、完善污染排放配套监管措施，不仅可以倒逼企业进行绿色创新，实现经济绿色增长，也有助于当地政府根据企业数据制定科学的节能减排目标和区域碳达峰、碳中和相关战略举措，为全国实现碳中和目标提供有力基础和保障。
推动以创新为引领的低碳经济发展是中国实现2060年碳中和目标的必然要求。本文基于碳中和目标，针对财政信息透明度对区域绿色创新能力的影响以及两者之间的非线性关系进行研究，但仍存在一些不足之处：第一，本文侧重从省级区域层面分析财政信息透明度对区域绿色创新能力的影响，后续可以从微观层面利用企业数据展开更深入研究；第二，财政信息透明度和区域绿色创新能力的空间分布格局仍需进一步探索，未来可侧重考察两者的空间特征；第三，由于财政信息透明度对区域绿色创新能力的影响中可能存在中介变量，后续可通过中介效应对两者关系进行深入研究，进一步探索提升区域绿色创新能力的途径。
[1] 新华网.习近平在第七十五届联合国大会一般性辩论上的讲话[EB/OL].(2020-09-22)[2021-03-15]. http://www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527647.htm.
[2] 郭玲,汪洋.财政透明、预决算收入偏离与预算环境——基于2015年《预算法》的双重差分和合成控制分析[J].当代财经,2021(2):27-37.
[3] 王淑杰,邵磊,陈薪卉.财政透明与区域创新能力:基于中介效应模型和门槛效应模型[J].中央财经大学学报,2020(12):3-14.
[4] 胡丽娜.财政分权、财政科技支出与区域创新能力——基于中国省级面板数据的实证研究[J].经济体制改革,2020(5):149-155.
[5] KOPITS G, CRAIG J D. Transparency in government operations[M]. International Monetary Fund, 1998:1.
[6] JAMES E ALT, DAVID DREYER LASSEN. Fiscal transparency, political parties, and debt in OECD countries[J]. European Economic Review, 2006,50(6):1403-1439.
[7] YUSUF J, JORDAN M M. Accessibility of the management′s discussion and analysis to citizen users of government financial reports[J].Public Budgeting & Finance,2017,37(4):74-91.
[8] 邓淑莲.财政公开透明:制度障碍及破阻之策——基于对我国省级财政透明度的7年调查和评估[J].探索,2016(3):62-68,2.
[9] 郭海.财政预算透明——公共管理研究中的理论和实践[J].公共管理与政策评论,2019,8(6):14-24.
[10] 刘俸奇,储德银,姜春娜.财政透明、公共支出结构与地方政府治理能力[J].经济学动态,2021(4):107-123.
[11] ELINA D S. The effect of fiscal transparency on government spending efficiency[J]. Journal of Economic Studies，2019，46(7):1365-1379.
[12] 邓淑莲,刘潋滟.财政透明度对地方政府债务风险的影响研究——基于政府间博弈视角[J].财经研究,2019,45(12):4-17.
[13] 杜亚斌.财政透明能有效遏制腐败吗[J].中南财经政法大学学报,2020(5):82-91，159.
[14] LIU T, LIU Y, ULLAH B, et al. The dark side of transparency in developing countries: the link between financial reporting practices and corruption[J].Journal of Corporate Finance, 2021, 66: 101829.
[15] YONG-YI LI.Information transparency and corporate performance-evidence from China's multi-tiered capital market system[J]. Journal of Statistics and Management Systems, 2019, 22(1):73-96.
[16] 邵磊,唐盟.政府财政透明“稳预期”了吗[J].财政研究,2019(8):37-48.
[17] 高燕,万萌菲,龙子午.企业透明度与科技创新——基于高新技术企业的实证检验[J].科技进步与对策,2019,36(7):105-114.
[18] JAMES R BROWN，GUSTAV MARTINSSON. Does transparency stifle or facilitate innovation[J]. Management Science,2019,65(4):1600-1623.
[19] ERNEST BRAUN,DAVID WIELD.Regulation as a means for the social control of technology[J]. Technology Analysis & Strategic Management,2007,6(3):259-272.
[20] FRANCESCO MARTINICO. Energy and the city[J]. Renewable Energy and Sustainable Development, 2017, 3(2):183-184.
[21] TSENG M L,WANG R,CHIU A,et al.Improving performance of green innovation practices under uncertainty[J].Journal of Cleaner Production,2013,40:71-82.
[22] 曹慧,石宝峰,赵凯.我国省级绿色创新能力评价及实证[J].管理学报,2016,13(8):1215-1222.
[23] Y H CHUNG, R FARE, S GROSSKOPF. Productivity and undesirable outputs: a directional distance function approach[J]. Journal of Environmental Management, 1997,51(3):229-240.
[24] 葛世帅,曾刚,胡浩,等.长三角城市群绿色创新能力评价及空间特征[J].长江流域资源与环境,2021,30(1):1-10.
[25] 王彩明,李健.中国区域绿色创新绩效评价及其时空差异分析——基于2005-2015年的省际工业企业面板数据[J].科研管理,2019,40(6):29-42.
[26] 戴万亮,路文玲.环保舆论压力对制造企业绿色创新能力的影响——领导环保意识与组织绿色学习的链式中介效应[J].科技进步与对策,2020,37(9):131-137.
[27] 刘军,曹雅茹,吴昊天.产业协同集聚对区域绿色创新的影响[J].中国科技论坛,2020,36(4):42-50.
[28] 江世英.企业家人力资本对企业绿色创新能力的影响研究[J].技术经济与管理研究,2021(3):40-44.
[29] 谭德庆,商丽娜.制造业升级视角下环境规制对区域绿色创新能力的影响研究[J].学术论坛,2018,41(2):86-92.
[30] BANKER R D,CHARNES A,COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science, 1984, 30(9):1078-1092.
[31] TONE K.Dealing with undesirable outputs in dea:a slacks-based measure (sbm) approach[R].GRIPS Research Report Series，2003.
[32] 邵帅,李欣,曹建华,等.中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J].经济研究,2016,51(9):73-88.
[33] ELHORST J P. Dynamic spatial panels: models, methods and inference[J]. Journal of Geographical System, 2012,14(1):5-28.
[34] BRUCE E HANSEN. Threshold effects in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics,1999,93(2) :345-368.
[35] 罗澄宇. 我国省域绿色创新能力的区域差异及影响因素分析[D].西安：西安理工大学,2019.
[36] 李惠民,张西,张哲瑜,等.北京市碳排放达峰路径及政策启示[J].环境保护,2020,48(5):24-31.
[37] 马新萍.碳达峰成各地“十四五”关键词，哪些省份提出率先达峰目标[EB/OL]. (2021-02-04) [2021-04-22]. http://www.tanpaifang.com/tanzhonghe/2021/0204/76586_3.html.
[38] 罗鸣. 自治区政协十一届四次会议大会发言集萃[N]. 华兴时报,2021-01-31(004).
[39] 刘操.全国政协委员于迅建议：高质量建设海南“碳中和岛”[EB/OL].(2021-03-05) [2021-04-23]. https://www.hainan.gov.cn/hainan/5309/202103/deab5c3180de4a42bf8 7004592a4a596.shtml.
[40] 杜亚斌.财政透明、财政分权与腐败感知:基于多层模型的实证分析[J].公共管理与政策评论,2020,9(6):43-55.
[41] 杨世迪，刘亚军.中国对外直接投资能否提升区域绿色创新效应——基于知识产权保护视角[J].国际贸易探索，2021,37(2)83-98.