Drawing on existing literature, this study selects data from 30 Chinese provinces spanning 2007 to 2021. It employs the entropy value method to calculate the composite scores of Sci-tech Finance and ecological civilization construction. Using a coupling coordination model, it assesses the coupling coordination degrees between the two systems, evaluating their integrated development. Furthermore, it delves into the spatial disparities in their coupling coordination, exploring root causes, spatial correlation, and convergence characteristics through a comprehensive application of the Dagum Gini coefficient, Moran's I index, coefficient of variation, and spatial Dubin model.
The study reveals several key findings regarding the coupling coordination between two systems in China. First, in terms of time trend, the coupling coordination between the two systems in China is steadily rising over time, yet there is considerable scope for enhancing the coordination level in most provinces. Second, in terms of the spatial pattern, the coupling and coordination of the systems exhibit a pronounced east-west gradient, with higher levels of coupling and coordination observed in the eastern regions compared to the western ones. Third, in terms of spatial differences,the differences in coupling coordination between the national level and the eastern, central, and western regions are diminishing annually, as are the disparities within these regions. Notably, regional disparities remain the primary driver of overall differences in system coupling coordination.Fourth, in terms of spatial correlation,the coupling coordination level of the systems exhibits significant spatial autocorrelation, while eastern provinces are characterized by a pattern of high-value clustering, where areas with high levels of coupling coordination tend to be grouped together, demonstrating a "high-high" clustering pattern.Fifth, in terms of convergence characteristics, the coupling coordination of the systems across the nation and within the eastern, central, and western regions displays notable σ convergence and absolute β convergence. The western region is converging at the fastest pace, followed by the central region and the nation as a whole, while the eastern region shows the slowest rate of convergence.
This study stands out by pioneering a new approach: it's the first to bridge the gap between sci-tech finance and ecological civilization construction. It discusses the degrees of coupling and coordination between the two, and provides theoretical basis and data support for the coordinated development of sci-tech innovation and ecological civilization in the new era. Secondly, a variety of models are used to analyze the spatial and temporal evolution characteristics, spatial differences and convergence of the coupling coordination of the two systems. By the end, the paper advocates for the development of synergistic innovation between sci-tech finance and ecological civilization construction by establishing specialized sci-tech finance funds, creating green technology trading platforms, providing customized financial services, and increasing policy support and investment to stimulate innovation and vitality in sci-tech finance, the implementation of regionally differentiated development strategies, the reduction of spatial disparities in coupling coordination, the exploitation of spatial agglomeration effects to foster internal and inter-regional collaborative development mechanisms , and the acceleration of convergence rates to foster balanced progress and competitiveness across provinces.
开放科学(资源服务)标识码(OSID)：
随着社会经济活动日益频繁和复杂化,人类对自然资源与环境的依赖及影响不断增强。为了促进人与自然和谐共生,党的十八大将生态文明建设纳入中国特色社会主义事业“五位一体”总体布局,明确提出大力推进生态文明建设,努力建设美丽中国,实现中华民族永续发展。党的二十大报告也特别提出“推动绿色发展”。绿色技术创新是推动生态建设的核心,其离不开资金支持。作为一项重要工具,科技金融能够集聚社会闲散资金,引导其流向创新型企业,从而为生态文明建设提供必要的技术创新和金融支持。科技金融通过重新配置资源[1]、促进绿色产业升级[2]、推动绿色技术创新,从而助力生态文明建设。同时,生态文明建设会改变传统经济发展方式,促进企业绿色创新,驱动科技金融发展。科技金融与生态文明建设协同发展,已经成为创新驱动发展战略和可持续发展战略的重要组成部分。因此,如何协调好科技金融与生态文明建设关系,推动两者协同发展,成为当前社会经济发展中亟待解决的现实问题。
科技金融与生态文明建设研究主要涉及以下两个方面:一是科技金融对生态文明相关方面的单向影响,如科技金融促进区域绿色技术创新效率提升[3]、城市绿色创新发展[4]、企业绿色创新[5]、经济高质量发展[6]。二是综合生态文明建设与科技金融两方面的研究。如高欢欢[7]提出应该加强科技创新与生态文明结合,促使其向绿色科技方向发展;谷缙[8]运用2006-2015年中国省域数据研究发现,科技创新与生态文明建设水平呈现上升态势;MeiGai等[9]基于2008—2018年中国内地31个省份数据,运用面板门限模型研究发现,科技创新对生态文明建设有重要影响;匡后权[10]指出,我国生态文明建设存在支撑不足问题,要实现生态文明与经济发展协同推进,必须构建生态文明建设长效机制;王娅[11]运用辩证唯物主义,探究绿色技术创新与生态文明的有机统一机制。
纵观现有文献,针对科技金融与生态文明关系的研究虽有所涉及,但仍存在一些不足。首先,将科技金融与生态文明相结合的研究大多停留在理论层面,缺乏数据支撑的实证分析。其次,现有实证研究主要关注科技创新对生态文明建设的影响,未深入探讨两者之间的内在互动。在可持续发展战略下,科技金融与生态文明建设间存在不可忽视的相互作用。科技金融发展与生态文明建设之间的耦合协调度如何?不同省份之间耦合协调度是否存在显著差异和空间相关性?这些差异呈现怎样的演变特征与规律?为了回答这些问题,本文在已有研究基础上选取2007-2021年中国内地30个省份(西藏因数据不全未纳入)面板数据,运用熵值法计算科技金融与生态文明建设水平的综合得分,并通过耦合协调模型评估两大系统耦合协调度。此外,综合应用Dagum基尼系数、Moran's I指数和收敛模型,对两大系统耦合协调度进行时序变化、空间演变、区域差异以及收敛特性分析。基于这些研究结果,为新时代下中国科技金融与生态文明协同发展提出政策建议,以促进人与自然和谐共生,推动现代化建设进程。
耦合一词源于物理学,用以描述两个或更多系统之间的动态互动关系,包括它们的相互作用、影响及制约。科技金融与生态文明建设耦合关系尤为复杂,它们之间不仅相互制约,而且相互促进。一方面,科技金融是推动生态文明建设的核心动力;另一方面,生态文明建设也为科技金融提供政策支持和发展方向。两大系统耦合机理如图1所示。
图1 科技金融与生态文明建设耦合机理
Fig.1 Coupling mechanism of sci-tech finance and ecological civilization construction
科技金融主要通过资源配置效应、产业升级转型和生态认知效应促进生态文明建设。第一,科技金融的资源配置效应。随着科技金融发展,其在资源配置中的功能日臻完善。通过科技金融,企业获得资金支持,能够降低交易成本和时间,加快资金流转,优先将资源分配给能促进生态保护和可持续发展项目。这样的资源配置不仅有助于传统产业绿色转型,也能促进生态经济发展。第二,科技金融促进产业绿色升级。Hicks[12]曾论断“产业变革之前先有金融变革”。产业升级需要充足的资金和科技支持,需要制定科学合理的科技金融政策。科技金融通过支持绿色技术与产品研发促进产业绿色升级,有助于减少环境污染,改善生态环境。第三,科技金融的生态认知效应。科技金融通过提升公众环保意识和增强其投资意愿,引导社会资金流向生态友好型产业。这不仅有利于支持生态社会和生态文明建设,也促进社会加大对可持续发展的关注。
生态文明建设主要通过政策倒逼效应、需求拉动效应和观念生态化促进科技金融发展。第一,政策倒逼效应。在新时代背景下,政府颁布多项政策,以激励创新主体提升绿色环保意识和强化社会责任感。例如,绿色产业政策通过税收优惠和财政补贴,鼓励企业进行绿色技术创新。同时,在生存压力和发展需求的驱动下,创新主体被迫开展绿色技术创新活动。第二,需求拉动效应。市场需求是创新活动出发点和价值实现基础[13]。随着生态文明建设推进,市场对绿色产品的需求趋向多样化、差异化和个性化。为了追求利润最大化,企业和金融机构必须满足市场新需求,从而加速金融产品研发与供给。第三,观念生态化。观念生态化是指生态文明建设促使创新主体认知转向绿色生态发展方向。生态文明建设通过树立创新意识和营造创新环境,促进科技金融环境形成。具体来讲,政府和企业通过建立绿色创新中心和孵化器,支持科技金融与环境保护相结合的创新项目,推动科技金融发展。
综上,科技金融在生态文明建设中发挥优化资源配置、促进产业升级转型和提升公众认知水平的关键作用,同时,也受到生态文明建设中政策、市场需求以及生态观念的影响。这种双向互动不仅促进生态文明建设,也为科技金融发展提供了新动力和行进方向。
本研究着眼于科技金融与生态文明建设协同推进,揭示两者的相互作用并寻求均衡发展策略。首先,基于2007-2021年中国内地30个省份(西藏数据不全,未纳入统计)数据,运用熵值法和耦合协调模型,对两大系统综合得分及协同程度进行量化分析,探讨其时间序列和空间演变特征。其次,通过引入Dagum基尼系数和Moran's I指数,评估两系统间区域差异和相互依赖性,利用变异系数和空间杜宾模型分析两系统耦合协调度的σ收敛性及绝对β收敛特征,进而评价两大系统协同发展一致性。最后,基于实证分析结果,提出针对性政策建议,以促进科技金融资源高效分配和生态环境可持续性,支持新时代科技金融与生态文明协调发展,确保人与自然和谐共存。
2.2.1 科技金融指标构建
科技金融是创新发展的助推器,尽管学者们对其定义各异,但普遍认同其目的是支持创新主体。如赵昌文等[14]将科技金融视为一种制度安排,旨在帮助科技创新主体转型升级;肖沧龙[15]强调科技与金融的融合可以丰富企业金融资本,促进科技发展;王宏起和徐玉莲[16]认为科技金融是由政府、金融机构与科技企业共同构成的投融资创新体系。本研究认为,科技金融的本质在于利用金融工具支持科技创新,促进科技成果商业化和产业化,或通过提供多样化投融资渠道和服务分散创新风险,为科技创新持续发展注入活力。同时,科技进步为金融服务提升和新业态诞生提供技术基础,推动科技金融高质量发展。
对于生态文明的界定,借鉴汪秀琼等[17]的观点,本文认为生态文明建设是在经济、社会、文化、政治和制度建设“五位一体”框架下,追求可持续发展的过程。通常根据生态文明建设目标选择评价指标,本文从经济、环境、社会和制度4个维度进行综合评估。
在指标构建方面,基于定义内涵与耦合机制,并综合考虑数据可得性、指标普适性和权威性选取指标。对于科技金融,借鉴王海芸[18]与胡欢欢[19]的指标构建方法,从投入产出角度选取科技金融投入、科技金融产出、科技金融环境3个方面,共12个二级指标衡量科技金融发展水平。对于生态文明建设,参考国家发展和改革委员会等部门联合制定的《生态文明建设考核目标体系》,并借鉴谷缙[8]和吴小节[20]的研究,从经济、环境、社会和制度4个层面,选取人均GDP增长率、森林覆盖率等18个二级指标,全面评估生态文明建设情况。科技金融与生态文明建设指标体系构建具体见表1和表2所示。
表1 科技金融评价指标体系
Table 1 Evaluation index system of sci-tech finance
目标层一级指标指标解释单位指标性质科技金融科技金融投入地方财政科学技术支出/地方财政支出%+科技经费支出/地区生产总值%+金融机构贷款余额/地区生产总值%+科技金融产出发明专利申请授权数/专利申请授权数%+发表论文数/科技经费支出%+技术市场成交额/科技经费支出%+新产品销售收入/科技经费支出%+科技金融环境金融业城镇单位就业人员数万人+金融业增加值/地区生产总值%+普通高校数量家+R&D人员全时当量人/年+研发机构数量家+
表2 生态文明评价指标体系
Table 2 Ecological civilization evaluation index system
目标层一级指标指标解释单位指标性质生态文明生态经济人均GDP增长率%+第三产业占GDP的比重%+居民人均可支配收入(增长率)%+单位GDP二氧化碳排放量t/万元-单位GDP能源消耗t标准煤/万元-生态环境城市污水处理率%+工业固体废物综合利用率%+生活垃圾无害化处理率%+人均水资源量m2/人+森林覆盖率%+生态社会每万人拥有公共交通车辆数标台+人均城市道路面积m2+人均公园绿地面积m2+卫生机构数个+燃气普及率%+生态制度环境污染治理投资占GDP的比重%+环保处罚案件数件-市场化程度%+
2.2.2 数据来源与说明
采用2007—2021年中国内地30个省份(西藏数据不全,未纳入统计)面板数据,数据主要来源于中国各省市统计年鉴、《中国金融年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国城市竞争力统计年鉴》、国泰安数据库、EPS数据库、国家统计局以及北大法宝网。
2.3.1 熵值法
熵值法是一种客观数据分析方法,通过分析数据本身的信息量确定各指标权重,有效减少主观性带来的偏差。由于本研究需要构建两大系统指标体系,涉及指标较多,而熵值法特别适用于涉及多指标的研究,能够综合考虑指标间差异和相关性,从而提供更为全面的评价。因此,本研究采用熵值法评估2007-2021年中国内地30个省份科技金融发展和生态文明建设水平。具体计算过程如下:
(1)指标无量纲化。
正向指标:
(1)
负向指标:
(2)
其中,i表示省份(i=1,2,…,n),j表示不同指标(j=1,2,…,m),t表示时期(t=1,2,…,T);xijt为指标j在i省份t时期的原始值,yijt为指标j在i省份t时期经过无量纲化处理后的值。
(2)计算第j个指标在t年的指标权重。
(3)
(3)计算信息熵Pj。
(4)
(4)计算各指标权重。
(5)
(5)计算综合得分。
(6)
2.3.2 耦合协调度模型
参考李裕瑞[21]对耦合度的修正,得出两个子系统或多要素耦合测度计算公式:
(7)
式中:C为科技金融与生态文明建设耦合度,Z1为科技金融发展水平综合评价得分,Z2为生态文明建设综合评价得分,C取值范围为0～1,C值越小,说明两系统耦合度越低,二者之间相互影响越小,反之越大。当C为1时,表明两大系统之间完全耦合;当C为0时,表明两大系统之间完全无关。
引入协调度模型,该模型可以反映科技金融发展与生态文明建设协调水平,其计算公式如下:
T=αZ1+βZ2
(8)
(9)
式中:协调度(T)表示两大系统综合协调指数;耦合度(C)代表两大系统之间协调程度;综合评价指数(D)则反映两大系统整体效益或水平。α和β分别是待定权数,一般而言,科技金融发展与生态文明建设同等重要,所以将它们都设定为0.5。D值越大,表示两个系统间耦合协调度越高。参考王淑佳[22]对于耦合协调标准等级的划分,将两大系统耦合协调水平划分为10个等级,如表3所示。
表3 科技金融与生态文明建设耦合协调度评价等级
Table 3 Evaluation levels of coupling coordination degrees between sci-tech finance and ecological civilization construction
协调度(D)协调等级协调度(D)协调等级0.00
2.3.3 Dagum基尼系数分解法
相比传统基尼系数和泰尔指数等测度方法,Dagum基尼系数分解法在处理子样本交叉重叠问题时效率更高。它将空间差异划分为区域内差异、区域间差异以及组间超变密度,使得结果更加严谨和精确。鉴于此,在探讨科技金融与生态文明建设耦合协调度的空间差异及其根源时,本文选择采用Dagum基尼系数分解法。其中,G表示总体基尼系数。G越大,意味着两系统耦合协调度总体差异越大。该模型如式(10)所示。
(10)
其中, n表示省份总数, k表示地区总数,nj与nh分别指第j个地区和第h个地区所包含的省份数量。Dji和Dhr则分别表示第j个地区、第h个地区内任一省份科技金融与生态文明建设耦合协调度,
是两系统耦合协调度的平均值。
采用Dagum基尼系数分解法深入分析两系统间耦合协调度差异,将其划分为区域内差异贡献Gw、区域间差异贡献Gnb以及超变密度贡献Gt。其中,Gw反映同一地区内各省份耦合协调度的不均衡程度,Gnb反映不同地区之间耦合协调度的差异程度,Gt反映由于地区划分而导致的耦合协调度交叉影响。如果不存在交叉影响,则Gt为0。因此,可以得到G = Gw + Gnb + Gt。
2.3.4 莫兰指数
为了进一步探究科技金融与生态文明建设耦合协调度的空间集聚特征,分别采用全局莫兰指数与局部莫兰指数测度两大系统耦合协调度的自相关性。其中,全局莫兰指数(Global Moran's I)用于测算在全样本区域内某省份科技金融与生态文明建设耦合协调度的空间分布特征,计算方程如下:
I=
(11)
其中,xi和xj分别表示两个不同省份科技金融与生态文明建设耦合协调度,两系统间耦合协调度的平均值用x表示,样本方差用s2表示,wij为空间地理邻接权重矩阵。全局莫兰指数的值介于-1～1之间。当指数值大于0(I>0)时,表明存在正空间自相关性,即相似省份在空间上趋于聚集。当指数值小于0(I<0)时,则表明存在负空间自相关性,即不相似省份在空间上趋于聚集。
局部莫兰指数(Moran's I)专注于各省份局部自相关性,揭示科技金融与生态文明建设耦合协调度在小范围内的分布态势。计算公式如下:
(12)
其中,局部莫兰指数Ii代表第i个省份的局部空间自相关性。如果Ii>0,意味着高(低)耦合协调度城市被相似的高(低)值邻近省份所环绕;反之,如果Ii<0,则表明高(低)耦合协调度城市被低(高)值的邻近省份所包围。
2.3.5 收敛模型
(1)σ收敛。为衡量不同省份之间耦合协调度差异随时间推移的变化情况,借鉴陈景华[23]的研究思路,消除平均值影响,采用变异系数法考察全国以及三大区域耦合协调度的σ收敛特征,具体见式(13)。
(13)
其中,Dji表示区域j内i省份的两者耦合协调度,
表示区域j内所有省份的两者耦合协调度平均值,Nj表示区域内省份数量。
(2)β收敛。β收敛是新古典增长理论的一个重要概念,它可以检验不同地区发展水平是否随时间变化而趋于一致。本研究运用该方法,分析全国和各地区科技金融与生态文明建设耦合协调度变化是否呈现趋同态势。其中,绝对β收敛考虑耦合协调度本身演变情况。根据Barro[24]的研究方法,绝对β收敛的传统计算模型如式(14)所示。
(14)
式中,
表示第i个省份在t+1时期的两大系统耦合协调度变化率,其中,Di,t+1、Di,t分别代表第(t+1)与第(t)期的耦合协调度。收敛系数β揭示耦合协调度随时间变化的发展趋势:如果β<0,则表明耦合协调度呈现收敛态势,即差距缩小;如果β>0,则表明耦合协调度处于发散状态,即差距扩大。收敛速度采用公式v=-ln(1+β)/T计算,其中,T为研究时间长度。欠发达省份追赶发达省份所需的半生命周期τ可以通过τ=ln(2)/v得出。此外,μi和ηt分别代表地区与时间固定效应,εit是随机扰动项。
由于省份之间存在要素流动和相互影响,一个省份耦合协调度变化会对邻近省份产生正面或负面影响。因此,在分析耦合协调度变化时,需要考虑空间依赖性。如果省份间耦合协调度的年变化率显示出存在显著空间相关性,那么使用空间模型进行β收敛分析是合适的。借鉴Anselin[25]和Elrost[26]的研究思路,构建一个用于检验绝对β收敛的空间杜宾模型,如式(15)所示。
(15)
其中,ρ为空间自回归系数,γ为两者耦合协调度的空间滞后项系数,Wij为空间邻接矩阵,其余符号含义同式(14)。
对科技金融与生态文明建设耦合协调度进行评价,不仅有助于揭示两大系统间相互促进、耦合协调的关系,而且能反映各系统绩效水平。本研究选取2007、2010、2013、2016、2019、2021年中国内地30个省份进行耦合协调度分析,结果如表4所示。
表4 2007-2021年科技金融与生态文明建设耦合协调度
Table 4 Coupling coordination degrees between sci-tech finance and ecological civilization construction from 2007 to 2021
地区省份200720102013201620192021平均值东部北京0.882 0 0.904 3 0.937 8 0.947 9 0.979 5 0.973 6 0.938 9 天津0.621 2 0.643 4 0.726 5 0.748 0 0.762 8 0.790 1 0.714 6 河北0.220 7 0.366 3 0.410 4 0.510 2 0.590 1 0.681 4 0.447 7 辽宁0.452 4 0.519 9 0.563 5 0.594 3 0.608 7 0.678 2 0.562 8 上海0.674 3 0.718 4 0.724 5 0.750 6 0.782 8 0.811 3 0.740 4 江苏0.477 6 0.625 7 0.700 5 0.740 2 0.801 5 0.867 9 0.697 3 浙江0.617 1 0.719 8 0.769 0 0.789 5 0.855 6 0.897 3 0.768 1 福建0.507 4 0.547 5 0.592 7 0.645 9 0.697 5 0.740 1 0.613 6 山东0.411 5 0.523 6 0.588 0 0.625 0 0.698 8 0.799 6 0.595 7 广东0.515 3 0.639 4 0.718 8 0.801 3 0.898 5 0.915 8 0.737 3 海南0.715 8 0.660 4 0.660 2 0.657 3 0.707 5 0.794 1 0.682 2 平均值0.554 1 0.624 4 0.672 0 0.710 0 0.762 1 0.813 6 中部山西0.270 8 0.407 2 0.478 6 0.537 0 0.573 9 0.641 3 0.477 4 吉林0.450 5 0.475 4 0.505 3 0.583 5 0.699 0 0.668 0 0.554 3 黑龙江0.412 7 0.438 9 0.536 2 0.593 1 0.640 9 0.684 7 0.542 5 安徽0.320 3 0.464 4 0.575 3 0.655 6 0.696 0 0.776 1 0.569 4 江西0.286 7 0.398 1 0.484 6 0.610 8 0.685 6 0.757 9 0.519 2 河南0.170 5 0.373 7 0.434 5 0.522 2 0.612 7 0.721 7 0.466 5 湖北0.411 0 0.450 1 0.546 6 0.641 7 0.700 6 0.754 6 0.571 8 湖南0.355 5 0.415 4 0.471 4 0.516 1 0.624 6 0.710 7 0.499 7 平均值0.334 8 0.427 9 0.504 1 0.582 5 0.654 2 0.714 4 西部内蒙古0.328 6 0.376 0 0.418 3 0.457 4 0.508 7 0.568 8 0.435 1 广西0.390 0 0.428 3 0.502 0 0.581 4 0.635 8 0.817 8 0.537 0 重庆0.488 1 0.535 6 0.589 5 0.617 5 0.605 1 0.673 6 0.572 3 四川0.360 6 0.482 2 0.553 6 0.605 7 0.676 6 0.722 8 0.562 8 贵州0.381 3 0.475 9 0.580 2 0.630 4 0.707 5 0.734 2 0.576 4 云南0.504 9 0.525 5 0.525 0 0.552 2 0.572 4 0.618 2 0.544 4 陕西0.385 2 0.490 5 0.583 5 0.664 3 0.675 0 0.737 4 0.580 9 甘肃0.345 3 0.459 9 0.532 5 0.622 5 0.680 1 0.734 1 0.557 6 青海0.548 5 0.489 6 0.557 5 0.704 2 0.653 6 0.704 0 0.615 7 宁夏0.470 6 0.527 5 0.508 9 0.572 4 0.606 8 0.669 1 0.543 9 新疆0.431 7 0.443 3 0.489 4 0.544 8 0.605 1 0.686 9 0.522 5 平均值0.421 3 0.475 8 0.531 0 0.595 7 0.629 7 0.697 0 全国平均值0.446 9 0.517 5 0.575 5 0.634 1 0.684 8 0.744 4 0.591 6
表5 耦合协调度的基尼系数分解结果
Table 5 Decomposition results of Gini coefficient of coupling coordination degrees
年份总体基尼系数区域内差异贡献值贡献率(%)区域间差异贡献值贡献率(%)组间超变密度贡献值贡献率(%)20070.191 9 0.045 2 23.566 1 0.127 6 66.484 3 0.019 1 9.949 6 20080.183 7 0.041 1 22.384 7 0.122 9 66.921 3 0.019 6 10.694 1 20090.152 8 0.033 5 21.931 2 0.110 2 72.126 2 0.009 1 5.942 6 20100.128 6 0.026 9 20.889 6 0.096 5 75.021 8 0.005 3 4.088 6 20110.137 5 0.031 3 22.776 4 0.091 0 66.130 3 0.015 3 11.093 4 20120.125 1 0.031 8 25.409 9 0.077 6 62.030 5 0.015 7 12.559 7 20130.115 7 0.028 8 24.906 6 0.070 5 60.894 3 0.016 4 14.199 1 20140.107 6 0.028 2 26.179 6 0.064 6 60.079 1 0.014 8 13.741 3 20150.098 6 0.028 0 28.394 2 0.056 3 57.143 9 0.014 3 14.461 9 20160.093 1 0.027 3 29.330 1 0.051 8 55.644 0 0.014 0 15.025 9 20170.090 4 0.025 0 27.682 7 0.052 0 57.521 9 0.013 4 14.795 4 20180.082 5 0.021 4 25.931 8 0.046 0 55.785 6 0.015 1 18.282 6 20190.088 5 0.025 7 29.064 7 0.051 7 58.400 1 0.011 1 12.535 1 20200.080 2 0.024 4 30.454 0 0.049 2 61.361 4 0.006 6 8.184 6 20210.081 0 0.022 9 28.260 9 0.047 9 59.158 9 0.010 2 12.580 2 均值0.117 2 0.029 5 25.831 3 0.074 3 62.275 4 0.013 4 11.893 4
表6 2007—2021年科技金融与生态文明建设耦合协调度的全局Moran's I值
Table 6 Global Moran's I of the coupling coordination degrees between sci-tech finance and ecological civilization construction from 2007 to 2021
年份Moran's IZ值p-value∗2007 0.3152.8940.004∗∗∗2008 0.2822.6280.009∗∗∗2009 0.2982.7830.005∗∗∗2010 0.3433.1570.002∗∗∗2011 0.3413.1290.002∗∗∗2012 0.2942.7480.006∗∗∗2013 0.2792.6200.009∗∗∗2014 0.2802.6600.008∗∗∗2015 0.2832.6750.007∗∗∗2016 0.2302.2320.026∗∗2017 0.1931.9360.053∗2018 0.1381.4580.1452019 0.2192.1210.034∗∗2020 0.2662.5030.012∗∗2021 0.3383.0680.002∗∗∗
注:*、**、***分别表示在10%、5%、1%水平下显著,下同
表7 全国及三大区域耦合协调度的空间绝对β收敛
Table 7 Spatial absolute β convergence of coupling coordination degrees among the nation and its three major regions
变量全国东部中部西部β-0.321∗∗∗-0.254∗∗∗-0.450∗∗∗-0.457∗∗∗(0.030)(0.064)(0.056)(0.062)是否收敛是是是是v0.0260.0200.0400.041τ(年)26.83335.44317.38317.040Log_L568.598272.988149.551202.230R20.4080.5940.6380.319N420154112154
从全国来看,2007-2021年我国科技金融与生态文明建设耦合协调度呈现稳步上升态势,从2007年的0.446 9上升至2021年的0.744 4,从濒临失调提升至中级协调水平,上升了3个等级。这主要得益于两方面:一是近年来我国科技金融步入快速发展期,工作重心由构建科技金融体系转变为完善科技金融体系,政府制定了一系列针对性、区域性和创新性强的科技金融政策,引导社会资本加大对科技型企业的支持力度,拓宽了科技型企业融资渠道。二是近年来国家高度重视生态文明建设工作,先后出台了一系列有力的战略部署与决策,取得了显著成效。
从省域来看,我国30个省份科技金融与生态文明建设耦合协调水平在样本期内的上升幅度有所不同。其中,河南上升6个等级,江西、广西上升5个等级,上升4个等级的有河北、安徽、山东、甘肃、江苏、广东、山西、四川、湖南、贵州、陕西,上升3个等级的省份有湖北、浙江,上升2个等级的省份有内蒙古、黑龙江、福建、辽宁、吉林、宁夏、重庆、青海、天津、新疆、上海,上升1个等级的省份为北京、云南、海南。另外,30个省份耦合协调度差异较大,样本期内北京、浙江、上海、广东的耦合协调水平最高,排名前四位。一方面,北京、浙江、上海和广东是中国经济发达地区,经济发展水平高意味着有更多投资流向科技创新和环境保护,从而提高耦合协调度;另一方面,北京、浙江、上海和广东在科技创新方面具有领先优势,研发投入和科技成果转化率较高,而科技创新既是推动生态文明建设的关键因素,也是提高两系统耦合协调度的重要途径。相比之下,内蒙古的耦合协调度较低。2021年,内蒙古的耦合协调水平处于勉强协调等级。内蒙古有着“后发展”省情,其科技金融发展水平有较大提升空间。
3.1.1 耦合协调度时序变化
我国以及3个地区的科技金融与生态文明建设耦合协调度时序变化如图 2所示。由图2可知,研究期间我国整体以及东中西三大地区科技金融与生态文明建设耦合协调度均呈现稳定上升态势。这一变化反映出我国科技金融与生态文明建设复合系统持续优化,同时,两者协同效应增强。具体来看,东部地区的耦合协调度由2007年的0.554 1增长至2021年的0.813 6,达到良好协调水平;中部地区则从0.334 8提升至0.714 4,西部地区从0.421 3增至0.697 0,两者在2021年均处于中级协调水平,但中部地区提升幅度更显著。引起上述变化的主要原因是:东部地区经济较发达,资金和人才资源充足,且重视绿色经济发展,因此耦合协调度较高;中西部地区在近年国家政策支持下,获得资金、人才和技术等方面的大力投入,促进地区科技创新和绿色经济发展。相较于西部,中部地区基础设施更完善,有利于两大系统耦合协调度提升。
图2 2007-2021年全国及东中西部科技金融与生态文明建设耦合协调度时序变化
Fig.2 Coupling coordination time series changes of the whole country with the eastern, central and western regions from 2007 to 2021
图3 我国科技金融与生态文明建设耦合协调度的空间格局演化
Fig.3 Spatial pattern evolution of the coupling coordination degrees between sci-tech finance and ecological civilization construction in 30 provinces of China
注:基于国家地理信息公共服务平台(https://www.tianditu.gov.cn)审图号GS(2024)0650号标准地图制作,底图无修改
图4 耦合协调度总体与区域内基尼系数变化趋势
Fig.4 Overall and regional Gini coefficient trends of coupling coordination degrees
图5 耦合协调度区域间基尼系数变化趋势
Fig.5 Inter-regional Gini coefficient trends of coupling coordination degrees
图6 耦合协调度的局部莫兰散点分布
Fig.6 Local Moran scatter plots of coupling coordination
图7 两系统耦合协调度的变异系数
Fig.7 Variation coefficients of the coupling coordination degrees of the two systems
3.1.2 耦合协调度的空间格局
本研究选取2007、2010、2013、2016、2019和2021年为关键时间节点,利用ArcGIS10.8软件对中国各省份科技金融与生态文明建设耦合协调度进行空间可视化分析,如图 3所示。结果显示,两系统耦合协调度的空间分布差异明显,呈现梯度变化趋势。其中,沿海地区耦合协调度较高,内陆及西部地区耦合协调度较低,揭示出科技金融与生态文明建设协调水平和地区经济发展水平具有正相关性。
具体来说,样本期内,北京、广东等发达省份耦合协调度较高,反映出当地科技金融资源丰富、政府对生态文明建设高度重视。相比之下,中西部省份耦合协调度较低,表明这些地区需要进一步提升两系统耦合协调度,并探索创新融合互动方式。
从耦合协调度的增长幅度看,东部地区提升有限,主要是因为该地区起点较高;中西部地区则在不断努力追赶中。总体而言,耦合协调度逐渐从东部地区向西部扩散,这对中西部地区学习借鉴东部经验提升本地区协调水平,促进国家创新与生态协调发展具有积极意义。
为了深入探讨科技金融与生态文明建设间的耦合关系及其空间差异,本研究基于中国内地30个省份地域特征和经济发展水平,按国家统计局通用方法将其划分为东部、中部和西部三大区域,运用Dagum基尼系数分解法计算总体基尼系数、区域内基尼系数、区域间基尼系数以及各自对区域空间差异的贡献率。
3.2.1 总体及区域内基尼系数演变
由图 4可知,从全国来看,2007-2021年科技金融与生态文明建设耦合协调度的总体基尼系数呈逐渐下降趋势,表明两大系统耦合协调发展水平不仅稳步提升,而且均衡性增强;从局部来看,无论是区域内部差异、区域间差异,还是组间超变密度,它们的变化趋势均与整体基尼系数下降趋势相吻合,进一步证实各层面上耦合协调发展水平持续提高和均衡化的演变态势。
从时间上看,无论是总体还是局部,2007-2010年两者耦合协调度的基尼系数下降趋势显著,2010-2021年下降趋势变缓。究其原因,在“十一五”规划引领下,我国积极应对国际金融危机,出台一系列财政政策和采取适度宽松的货币政策。在此背景下,我国经济结构调整和转型升级步伐加快,科技金融发展迅猛,科技创新能力显著增强,科技成果转化率大幅提升,科技金融评价指数持续上升。与此同时,生态文明建设也取得显著成效,生态环境质量整体上有所改善,资源节约和循环利用水平显著提高,生态文明制度体系日趋完善,生态文明评价指数有所上升态势。2010-2021年虽然基尼系数呈现下降但趋势放缓,反映出我国在持续推进科技金融与生态文明建设方面取得了稳步进展,这与前文两系统耦合协调度的时序分析结果一致。
3.2.2 区域间基尼系数演进
图 5反映科技金融与生态文明建设耦合协调度的区域间差异。首先,时间趋势分析结果显示,东中西部三大地区两两之间的基尼系数逐年变小,表明地区间耦合协调度差异逐渐缩小,特别是2007-2017年下降趋势显著。然而,2018-2021年基尼系数下降速度有所减缓,中西部地区间基尼系数甚至略有上升。导致这一变化的原因可能是:这一时期中国面临新冠疫情、国际环境不确定性增加以及经济增长放缓的冲击,全国范围内科技金融与生态文明建设发展速度也有所减缓,导致基尼系数呈现缓慢下降或小幅上升趋势。其次,从区域间差异来看,中部与西部地区间基尼系数最低,说明中西部地区在科技金融与生态文明建设方面具有较高协调性、互补性。东部与中部、东部与西部地区间的基尼系数相当,且均高于中部与西部间基尼系数,说明东部地区在科技金融与生态文明建设方面具有较大优势,与前文结论基本一致。
3.2.3 基尼系数分解
本研究深入探讨科技金融与生态文明建设耦合协调度的空间差异,以揭示其背后的动因。由表 5可知,区域间差异是引致空间差异的主导力量,平均贡献率高达62.28%,凸显出不同区域在耦合协调度上的显著差异,这也是导致空间差异的重要原因。相比之下,区域内差异和超变密度影响较弱,其平均贡献率分别为25.83%和11.89%,远不及区域间差异影响。尤其是组间超变密度的贡献率最低,表明不同区域间耦合协调度的交叉重叠度很低,对空间差异的影响微乎其微。因此,要解决科技金融与生态文明建设发展的空间不平衡问题,关键在于缩小不同区域间耦合协调度差距。
为了进一步探究科技金融与生态文明建设耦合协调度的空间集聚特征,采用stata17计算两系统耦合协调度的全局莫兰指数,结果如表 6所示。数据显示,2007-2021年两大系统耦合协调度的空间集聚效应明显,具有较强的正空间自相关性,而且两大系统全局空间莫兰指数呈现波动性,总体趋势是先降后升,在2018年达到最低水平(Moran's I值仅为0.138),之后逐步上升,说明近年来两大系统耦合协调度的空间集聚效应显著。
为了进一步探究各省份科技金融与生态文明建设耦合协调度的局部分布,绘制耦合协调度的局部莫兰散点图。受篇幅影响,本文仅展现2007、2015、2021年的局部Moran散点图。由图 6可知,样本期内许多省份或者处于“高-高”集聚特征的第一象限,或者处于“低-低”集聚特征的第三象限,具有较强的局部空间集聚特征。其中,东部省份多集中于第一象限,表明其发展水平较高;西部省份则多位于第三象限,暗示其发展水平较低。随着时间演变可以发现,耦合协调度的局部莫兰散点分布开始向原点靠拢,说明省份间的空间集聚性有所减弱。造成上述情形的主要原因是:①东部地区人才汇聚,资金充裕,产业链完整,有利于推动绿色技术创新,实现绿色经济发展;②西部地区地形地貌复杂多样,生态环境较薄弱,土地荒漠化情况严重,经济发展水平较低,科技创新能力不足,导致两系统耦合协调度较低。
3.4.1 σ 收敛分析
图 7 展示了全国及三大区域耦合协调度变异系数的动态变化。从演变趋势看,全国层面的变异系数经历了“先明显下降,后趋于平缓”的过程,观测期内整体呈现下降态势;东部地区变异系数的变化趋势与全国基本保持一致,即先迅速下降后逐渐趋于稳定;中部地区变异系数呈现为先急剧下降,后出现小幅波动,整体表现为缓慢下降趋势;西部地区变异系数与中部地区类似,也是先快速下降后略有波动,整个观测期内总体呈现缓慢下降态势。综合来看,变异系数在局部有小幅波动,但在整体上呈现为缓慢下降趋势,表现出较好的 σ 收敛性质,这与前文使用 Dagum 基尼系数分析得到的结果一致,即全国以及3个区域的内部差异在观测期内均具有明显缩小趋势。
3.4.2 β 收敛分析
在模型选择方面,分别对全国及三大区域进行 LM、LR、Wald 检验。结果表明,双向固定 SDM 模型是最适合的模型。表 7为双向固定 SDM 模型估计结果,从中可以看出,全国及三大区域的 β 系数均显著为负,意味着科技金融与生态文明建设耦合协调度存在空间绝对 β 收敛,即区域间存在“俱乐部”效应,耦合协调度较低省域会向耦合协调度较高省域靠拢。此外,观察各区域收敛速度和半生命周期发现,西部地区的收敛速度最快,为 0.041,半生命周期为 17.040 年,说明西部地区两大系统耦合协调度较低省市“追赶”两大系统耦合协调度较高省市用时最短; 中部区域的收敛速度次之,为 0. 040,半生命周期为 17.383 年; 其后为全国收敛速度,为 0.026,半生命周期为 26.833 年; 东部地区收敛速度最慢,为 0.020,半生命周期为 35.443 年。
本研究利用2007-2021年中国内地30个省份面板数据,通过熵值法构建科技金融与生态文明建设综合评价指标体系,结合耦合协调模型、Dagum基尼系数、莫兰指数、变异系数和空间杜宾模型等方法,分析科技金融与生态文明建设耦合协调度的时空演变特征、空间差异性、空间集聚性和收敛特征。结果表明:①时间趋势上,2007-2021年我国两系统耦合协调水平呈现稳步上升态势,并且两系统耦合协调水平存在明显地区差异,表现为东部地区>中部地区>西部地区的发展格局,即“东高西低”的特征;②空间格局上,我国省域两大系统耦合协调度的空间分布不均衡,沿海地区耦合协调度较高,呈现由沿海向内陆逐渐降低的发展格局;③空间差异上,两系统耦合协调度的总体差异、区域内差异和区域间差异均有所缩小,其中,区域间差异对两系统整体空间差异贡献最大,进一步分析,中西部地区间差异最小,东中部之间、东西部之间差异相近,观测期内存在交替现象;④空间相关性上,我国两系统耦合协调度具有显著空间正相关性,东部地区耦合协调度较高,呈现出“高-高”集聚特征,而西部地区耦合协调度较低,呈现出“低-低”集聚特征;⑤从收敛特征来看,两系统耦合协调度具有良好的 σ 收敛性质,全国和区域内变异系数均呈现整体下降、局部波动的变化态势,且两系统耦合协调度存在空间绝对β收敛趋势,收敛速度西部>中部>全国>东部。
基于上述结论,本研究提出以下建议:
(1)促进科技金融与生态文明建设协同,提高科技金融效率和收益,提升生态文明建设质量和水平。具体措施如下:设立专门的科技基金,支持生态文明建设相关创新项目;建立绿色技术交易平台,促进环保技术商业化;开发在线咨询平台,为科技企业提供定制化金融服务;加大科技金融政策支持和投入力度,完善科技金融市场机制和服务体系,激发科技金融活力和创新动力。
(2)实施差异化区域科技金融与生态文明建设发展策略,充分发挥各省份比较优势和潜力,实现区域间协调发展和均衡化。具体措施如下:制定符合各省份实际情况和发展需求的科技金融与生态文明建设目标及任务。其中,东部沿海省份应重点发展海洋生态文明,西部地区则聚焦于土地荒漠化治理。为不同省份提供差异化税收优惠和财政补贴,对于经济欠发达地区,可以提供更高比例的税收减免和财政补贴;建立跨省份生态文明项目合作平台,分享经验和技术,构建协同发展机制。
(3)不断缩小科技金融与生态文明建设耦合协调度的空间差异,促进各省份交流经验和学习借鉴,提高地区间协同能力和水平。具体措施包括:①加大对科技金融与生态文明建设耦合度的监管力度,通过深入分析,及时识别并解决问题;②定期发布耦合协调度报告和排行,为工作改进提供依据,总结并推广耦合协调度提升案例,通过媒体和展览会等渠道进行广泛宣传;③建立交流平台,分享经验,促进学习和模仿,对耦合协调度较低地区提供指导和帮助,加大资金、人才和技术支持力度,不断提高其建设能力。
(4)利用科技金融与生态文明建设耦合协调度的空间集聚效应形成区域内外联动发展机制,促进区域内、区域间实现互利共赢。具体措施包括:发挥高协调水平地区的示范引领作用,通过设立专项基金奖励在科技创新和生态保护方面表现突出的企业,定期举办展览会和论坛,推广成功经验;加强对低协调水平地区的扶持培育和跟进落实,通过提供财政补贴和税收减免,支持这些地区基础设施建设和人才培养,定期检查进度和效果,确保政策得到有效执行;加强不同水平地区协作对接和互动交流,建立区域合作平台,定期举办交流会议,分享最佳实践,促进项目合作和技术转移。
(5)利用科技金融与生态文明建设耦合协调度的收敛性,促进各省份均衡发展、共同进步,从而提高各省份整体水平和竞争力。具体措施包括:制定优惠政策,如增加对低水平地区的科研投入和环保项目支持,优化资源分配,确保资金和技术到位,缩小低水平地区与高水平地区间差距;引导企业投资创新项目与环保技术,通过政策支持和资金扶持,提高产业竞争力和可持续性;制定统一发展规划,协调各地政策执行,确保资源合理分配和高效利用。
[1] 成海燕,徐治立,张辉.科技金融政策促进科技企业发展的资源配置效率研究——来自北京市的实证调查[J].科技进步与对策,2020,37(4):119-128.
[2] 胡欢欢,刘传明.科技金融政策能否促进产业结构转型升级[J].国际金融研究,2021,37(5):24-33.
[3] 吕途,王学真.科技金融对区域绿色创新效率提升的人力资本门槛效应研究[J].湖南师范大学社会科学学报,2020,49(5):71-81.
[4] 顾江寒,柴华奇.科技金融政策如何促进城市绿色创新发展——来自“科技和金融结合试点政策”的证据[J].科技进步与对策,2022,39(15):41-49.
[5] 刘亦文,周韶成,陈熙钧.科技金融发展对企业绿色创新的影响研究[J].财经理论与实践,2022,43(6):17-23.
[6] 刘立军,刘义臣.科技金融与实体经济高质量发展耦合协调研究——以京津冀为例[J].经济问题,2022,44(8):96-102.
[7] 高欢欢.生态文明视域下科技创新的困境及对策[J].人民论坛,2020,29(9):76-77.
[8] 谷缙,程钰,任建兰.中国生态文明建设与科技创新耦合协调时空演变[J].中国科技论坛,2018,34(11):158-167.
[9] MEI G, XIUQI W, CHANGLI Q. Spatiotemporal evolution and influencing factors of ecological civilization construction in China[J]. Complexity, 2020,36(8):123-145.
[10] 匡后权,贺刚,邓玲.生态文明建设协同创新共赢体系研究[J].西南民族大学学报(人文社科版),2017,38(3):159-163.
[11] 王娅.论新时代生态文明建设中的绿色科技要素[J].科学管理研究,2018,36(3):16-19.
[12] HICKSJ.Atheory of economic history[M].Oxford:Oxford University Press,1969.
[13] 彭绪庶.绿色经济促进创新发展的机制与路径[J].经济纵横,2017,33(9):56-61.
[14] 赵昌文, 陈春发, 唐英凯. 科技金融[M]. 北京: 科学出版社, 2009.
[15] 肖龙沧.对科技金融创新发展的探析:山东实践[J].金融发展研究,2011,30(5):3-7.
[16] 王宏起,徐玉莲.科技创新与科技金融协同度模型及其应用研究[J].中国软科学,2012,27(6):129-138.
[17] 汪秀琼,彭韵妍,吴小节,等.中国生态文明建设水平综合评价与空间分异 [J].华东经济管理, 2015, 29 (4): 52-56,146.
[18] 王海芸,刘杨. 区域科技金融发展水平测度与分析 [J]. 技术经济, 2019, 38 (4): 50-56.
[19] 胡欢欢,刘传明.中国科技金融效率的区域差异及动态演进[J].统计与决策,2022,38(24):117-122.
[20] 吴小节,杨尔璞,汪秀琼. 中国省域生态文明建设与产业升级的耦合协调发展 [J]. 统计与决策, 2020, 36 (20): 58-61.
[21] 李裕瑞,王婧,刘彦随,等.中国“四化”协调发展的区域格局及其影响因素[J].地理学报,2014,69(2):199-212.
[22] 王淑佳,孔伟,任亮,等.国内耦合协调度模型的误区及修正[J].自然资源学报,2021,36(3):123-130.
[23] 陈景华,陈姚,陈敏敏. 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究,2020,37(12):108-126.
[24] BARRO R J , SALA-I-MARTIN X .Technological diffusion, convergence, and growth[J].Journal of Economic Growth, 1997, 2(1):1-26.
[25] ANSELIN L.Spatial econometrics: methods and models[M].Springer Netherlands,1988．
[26] ELHORST J P.Specification and estimation of spatial panel data models[J].International Regional Science Review, 2003, 26(3):244-268.