普惠金融与绿色全要素生产率

李双燕 谈笑 斯宏浩

摘要： 普惠金融是国家金融战略的重要组成部分，其与绿色全要素生产率的关系值得深入探究。通过构建指标体系和使用SFA-Malmquist效率测度方法，分别测算了中国31个省份2007—2017年的普惠金融指数与绿色全要素生产率，并以研发投入为中介变量实证检验了普惠金融对于绿色全要素生产率的影响与作用机制。结果发现：普惠金融通过缓解企业研发创新融资约束、释放创新活力促进绿色全要素生产率提升，研发投入对绿色全要素生产率的促进作用主要体现在技术效率这一分解因子上。进一步研究表明，该中介效应在空间上具有明显的异质性，在中国西部地区普惠金融的发展对缓解融资约束和提升绿色全要素生产率的作用更加显著。

关键词： 普惠金融; 绿色全要素生产率; 研发投入; 金融服务广度; 高质量发展

文献标识码： A  文章编号： 1002

普惠金融是指建立可以为社会各个阶层和群体提供适当、有效、成本可负担的金融服务的金融体系，其概念最早于2005年由联合国在“国际小额信贷年”活动中提出，在随后的十几年中得到了广泛的发展和实践。2015年，国务院通过并印发了《国务院关于印发推进普惠金融发展规划（2016—2020年）的通知》，将发展普惠金融提升为国家金融战略的一部分。在中国特色社会主义新时代，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，提升经济增长质量、转变发展方式成为改革的主要着力点。经济增长质量主要表现为增长结构的合理性、增长的公平性与高效性。随着供给侧改革的持续深入，我国经济增长结构发生深远变革，科技进步驱动的高端制造业越来越多地替代了低效的高排放高污染产业。普惠金融的發展与实践对于拓宽金融服务覆盖广度，降低社会融资总成本，引导资金流向高效、绿色产业，提升经济增长质量起到了重要作用。

增长质量的高效性和绿色性与绿色全要素生产率（green total factor productivity，GTFP）息息相关，生产率的提升又依赖持续的创新和技术进步，因此本文选择研发投入（research and development，R&D）作为研究普惠金融和绿色全要素生产率关系的切入点。

与已有研究相比，本文可能的贡献主要有两点：第一，区别于现有文献研究普惠金融与经济增长关系，本文以绿色全要素生产率作为体现新时期经济高质量增长的关键表征，同时基于R&D投入视角，通过中介效应模型深入探讨三者间的影响机制，有助于厘清普惠金融对于经济高质量增长的影响路径，是对现有文献的补充;第二，本文对绿色全要素生产率分解因子和地域异质性展开进一步探究，为制定经济高质量发展政策提供理论支撑。一、文献综述与理论框架

近年来，金融业与绿色可持续发展的关系是国内外学者关注的热点之一。Shahbaz等[1]基于南非的数据，实证研究发现短期内经济增长增加了能源排放，长期内金融发展则减少了能源排放。Sadorsky[2]研究发现在新兴国家内，金融业的发展通常会刺激能源消费需求上升，从而推动排放水平升高。严成樑等[3]实证研究发现，随着金融业的发展，我国碳排放强度呈现先下降后上升的U形趋势，具体原因在于金融业发展同时促进了生产效率与投资的增长，在不同时期二者的抵消程度不同。

具体到金融与绿色全要素生产率的研究中，学者们得出的结论也不尽相同。在时间维度上，张帆[4]将绿色全要素生产率和金融发展同时纳入内生增长模型之中，实证检验发现金融发展对绿色全要素生产率的提升起到了促进作用，但这种作用随着金融业的发展而逐渐减弱，主要原因是在研发费用充裕的情况下，全社会创新研发的产出效率本身存在较为明显的递减曲线，该结论与严成樑等[3]的研究成果较为相似。在区域性维度上，王小腾等[5]的研究聚焦于金融发展对全要素生产率影响的区域性差异，如由于经济发展阶段的不同，发达地区国家的融通资金更多地流向技术研发和企业转型升级，而相对欠发达地区的资金更多用于重工业企业投资，因此欧洲国家金融业的发展会促进全要素生产率提升，而亚洲国家的金融业发展则起抑制作用;此外，欠发达经济体的企业由于缺少完善的金融系统支持而难以进行有效的创新，也抑制其生产效率的提升[7]。我国长江中下游地区县域金融深度和广度的提升推动了绿色全要素生产率升高，而上游金融基础相对薄弱的县域中，金融可得性的升高则会产生负向影响[6]。既有研究关于二者间的具体影响程度和作用路径也呈现出不一致性，有些学者认为经济高度发达地区由于其资源配置效率更加高效，所以金融业水平提升对绿色全要素生产率促进作用显著，而另一些学者研究发现经济相对欠发达地区的金融业发展对于绿色全要素生产率提升的边际作用更大[8]。当代经济科学 2021年6期 http：∥jjkx.xjtu.edu.cn李双燕，谈笑，斯宏浩 普惠金融与绿色全要素生产率

在其他关于绿色全要素生产率水平影响因素的研究中，有研究发现R&D投入带来的技术进步对绿色全要素生产率有积极影响，贾俊生等[9]基于我国生产部门的专利数据，研究发现创新投入是影响信贷投入并促进企业生产效率提升的重要渠道。科研创新活动的高风险和回报周期长的特征导致企业更加依赖稳定的金融市场为其提供持续的资金支撑，因此金融市场的发展水平和完善程度就会对企业的R&D投入产生重要影响[10]。严成樑等[3]研究发现，完善的金融市场会推动实体企业创新能力的提升，进而对减少碳排放、促进绿色经济增长起到有力作用。

综上所述，相比金融发展的“广度”，现有研究更加关注“深度”问题，此外关于金融发展对绿色全要素生产率的影响与路径的研究也尚未形成一致结论，将R&D投入作为中介变量纳入分析框架的研究较少。基于现有理论，普惠金融将从两个方面影响绿色全要素生产率。第一，金融服务广度的提升将极大地便利中小微企业的融资需求，而数字化背景下基于大数据技术的信用评估系统将更好地引导资金流向具有较强科技属性和良好发展前景的新兴产业，该类小微企业在融资约束得到缓解后将释放出强大的研发创新能力，进而推动各地区的生产效率提升，并最终带动绿色全要素生产率的增长。第二，普惠金融也为实体企业除创新研发以外的投资活动和费用开销提供了支持，如小微企业用于扩大产能或更新清洁型生产设备的投资、改善劳务环境的环境治理费用以及聘请拥有更高管理才能的管理人员费用等，这些资金支出并不直接提升企业的技术研发水平和创新能力，但是依然对提升企业运营和生产效率起到重要帮助，故此本文将该类影响效应统称为“直接作用和其他作用路径”。

进一步来看，与金融服务深度影响某一固定范围内企业融资能力不同，金融服务广度更强调金融工具的覆盖范围。结合我国区域经济发展格局，东部沿海地区金融体系相对完善，地区内企业本身已具有较强的融资能力，普惠金融发展对该类企业可能仅是又一条融资渠道的拓宽，起到“锦上添花”的作用。而对于金融体系完善度相对欠缺的中西部地区来说，普惠金融为该地区企业带来的则可能是“雪中送炭”的发展资金，对企业创新研发的边际作用更大。此外，在理论机制层面，普惠金融将通过提升企业研发投资能力促进技术效率的增长，对于企业的生产效率和规模效率则没有直接帮助，因为生产效率更加依赖企业管理水平和资源整合能力，规模效率则与企业所处行业特征有更大关联。基于此，本文提出以下研究假设：

假设1：存在普惠金融通过促进企业研发投入与技术进步，推动绿色全要素生产率增长的中介效应影响路径。

假设2：中介效应路径中，普惠金融对绿色全要素生产率下的技术效率有显著影响效果，对生产效率和规模效率的影响不显著。

假设3：普惠金融对绿色全要素生产率的促进作用在西部地区更加显著。二、普惠金融指数与绿色全要素生产率测算

（一）普惠金融指数测算

（1）指标体系构建。普惠金融指数用以衡量一个国家或者区域普惠金融发展程度，通常由多维的指数体系构建而成，各个维度反映了普惠金融不同方面的信息。本文在结合国内外学者对普惠金融测算指标体系的基础上进行补充[11-12]，从金融服务的获得性、使用情况以及服务质量3个维度综合考量中国各省市普惠金融发展情况。

金融服务的获得性从金融机构的渗透能力和覆盖能力层面考量，选用每万人银行业金融机构数量、每万人银行业金融机构从业人员数量、每万平方千米的银行业金融机构数量和每万平方千米的银行从业人员数4个指标。其他如POS机覆盖率等指标，由于数据缺失较多而未入选。

金融服务的使用情况主要从银行服务、保险服务和证券投资3个层面考量，选用人均贷款余额/人均GDP、人均储蓄存款余额/人均GDP、保险深度、保险密度、证券行业融资额/人均GDP和上证A股开户数。

金融服务质量从银行业对农业和小微企业扶持力度方面进行测度，选用涉农贷款/总贷款和小额贷款公司年末余额/总贷款两个指标。其他未选入指标包括个人征信质量等，主要原因是央行主导构建的个人征信系统近年来才日益成熟，历史数据缺失严重。本文的数据来源于各年的《中国统计年鉴》《中国保险年鉴》《中国金融年鉴》以及国家统计局官网和Wind数据库等。  （2）指标权重测算。综合考虑本文研究对象特点和数据结构，本文采用变异系数法确定各个指标权重，计算方法为：CVij=σij/μij。其中，i表示第i个维度，j表示该维度下的第j个测度普惠金融的指标，CVij表示第i个维度下j指标的变异系数，σij表示该测量指标的标准差，μij为平均值。因此，第i维度的第j个指标的权重为Wij=CVij/∑CVij。最终得到普惠金融指标体系和相应权重结果见表1。

（3）中国各省份普惠金融指数。本文结合Sethy等[11-12]提出的计算普惠金融方法，从3个维度、12个指标综合考虑各地区的普惠金融发展情况。

各省份绿色全要素生产率变化情况如图1所示。可以看出，绿色全要素生产率呈现出显著的“东强西弱”分布。东北地区和中部地区绿色全要素生产率增速基本相同，西部地区增速较慢，主要是因为地理位置的劣势和资源禀赋匮乏使得这些地区难以仿照东部沿海省份以高附加值的新兴技术产业带动经济高质量增长，只能更多地依赖高能耗、高污染的传统重工业和制造业。此外，深处内陆地区和复杂的地形也限制了这些地区的贸易活动、技术和资本引进以及旅游业的发展。

通过式（3）—（6）计算得出的绿色全要素生产率各个分解因子的变化情况如图2所示。由技术进步带来的全要素生产率增长效应十分明显，技术进步增速平均达到了0.5%。规模效率的变化波动较小，对绿色全要素生产率增长的貢献维持在恒定水平。生产效率的变化则出现了负增长现象，这与我国近年来资本深化和人均资源利用效率较低情况相吻合，也与我国现阶段依然依赖粗放的经济增长方式相吻合。

三、实证分析

（一）计量模型设定

本文通过构建中介效应模型实证检验普惠金融发展与我国绿色全要素生产率提升的关系，以及R&D投入在这一关系中的中介效应。在计量模型构建部分，基于Baron等[16]提出的中介效应检验方法“逐步法”，构建如下面板模型：

式（7）为总效应检验模型，用来测度普惠金融发展对于绿色全要素生产率提升的总体影响关系。其中，CGTFPi，t为真实绿色全要素生产率，即对前文中测算出的绿色全要素生产率变化率进行累乘，以2007年为基年，计算出每个省份各年的绿色全要素生产率绝对值，具体计算方法为：CGTFPi，t=∏ttoGTFPi，t，其中t0=2007。IFIi，t为模型核心解释变量，即普惠金融指数，Xi，t为控制变量，ε1i，t是随机误差项。

如果式（7）中系数α1显著，则表示普惠金融对于绿色全要素生产率提升有影响关系，且可能存在中介效应。式（8）（9）是进一步检验中介效应的后续模型，式（8）中的系数β1代表普惠金融的发展对于R&D投入的作用，式（9）中的系数γ2表征在控制了普惠金融对于绿色全要素生产率的影响后，R&D投入对于全要素生产率提升的中介效应大小。系数γ1体现了在控制R&D投入时，普惠金融发展对于绿色全要素生产率提升的直接效应。中介效应的大小等于系数β1和γ2的乘积。（二）变量选取与数据处理

本文选取R&D内部经费支出的自然对数值作为中介变量。需要说明的是，本文选择R&D的“投入指标”而非R&D产出指标（如3种专利授权数等）作为中介变量，主要有以下3点原因：第一，难以找到可以全面表征研发创新活动成果的具体指标，专利申请或授权数量等指标均无法涵盖研发创新活动的相关隐形成果。第二，研发创新活动具有周期性长的特征，表征当期成果的指标难以反映当期投入的科研创新工作。第三，大量学者研究发现，科研创新的投入强度与成果产出强度具有显著相关关系[17-18]，但是除了R&D投入外，成果产出情况还受到如产业集聚程度、政府政策、创新主体等诸多因素的影响[19-21]，因此在研判中介效应时难以测度普惠金融发展对于区域科研创新能力的净效应。

本文选择地区城镇化水平（URB）、政府财政支出水平（GOV）、对外开放程度（TO）和地区产业结构（IND）4个变量控制地区差异对于绿色全要素生产率的影响。数据来源为各年《中国统计年鉴》《中国科技统计年鉴》、CSMAR数据库、国家统计局官方网站及各省份统计局官方网站。主要变量的分地区描述性统计情况见表4。

（三）实证检验结果及分析

应用Stata 14软件将上述实证检验中介效应模型进行回归分析，结果见表5。

从表5可以看出，加入控制变量后模型拟合优度显著提升，这印证了控制变量选取的准确性与合理性。无论是否在模型中加入控制变量，普惠金融指数（IFI）的回归系数均至少达到了10%的显著性水平，说明普惠金融的发展对地区绿色全要素生产率的提升起到显著推动作用这一基本结论的稳健性较强。第（2）—（6）列的回归结果通过了逐步检验，印证了R&D投入在普惠金融影响绿色全要素生产率路径中的中介效应，假设1得到基本验证。第（6）列中普惠金融系数大小和显著程度相较于第（2）列有较大幅度降低，这是因为在控制了创新研发投入这一中介变量后，第（6）列中普惠金融指数（IFI）系数实际上为其对绿色全要素生产率提升的净效应，由于其依然可以达到10%的显著性水平，说明普惠金融发展除了通过作用于创新研发活动来促进绿色全要素生产率的提升外，还可以直接或通过其他中介作用路径对绿色全要素生产率增长起到推动作用。此外，为了进一步验证中介效应的稳健性，除三步法外，本文还对第（2）（4）（6）列进行了Sobel检验，检验结果显示Sobel Z指数为2.58，在1%的水平上显著，说明R&D投入在该作用机制中的中介效应是显著的感谢匿名审稿专家对本文中介效应实证结果分析部分提出的宝贵意见，这些意见对提升文章实证结果稳健性，增强文章的严谨性提供了重要帮助。，因此认为假设1成立。

聚焦到控制变量，本文所选取的4个控制变量在第（2）（6）列回归结果中系数均至少达到了10%的显著性水平，说明其均对绿色全要素生产率具有显著影响。与现有大多研究结论不同的是，在该回归中城镇化（URB）、政府财政支出（GOV）和对外开放程度（TO）3个变量系数均为负，即对绿色全要素生产率的提升起到了抑制作用。本文认为这有以下两点原因：第一，全要素生产率测度的是除生产投入要素（以资本和劳动力为主）外其他因素对于经济增长的贡献程度，主要体现在技术水平和生产效率的提升对于经济增长的拉动作用。我国地方政府支出主要流向资本密集型产业，在工程项目的生产建设过程中造成相对较多的资源浪费和环境污染，对绿色全要素生产率起到了阻碍作用。第二，城镇化发展和大量外贸活动推动了人口集聚和工业产业的发展，在一定程度上引致巨量生活垃圾、工业废水、废气及其他污染物的产生，由于本文对于绿色全要素生产率的测度方法中纳入了能源消耗和环境污染要素，测度结果在很大程度上表征绿色科技进步和无污染下生产效率与组织效率提升对经济增长的促进作用，因此城镇化进程和外贸活动对其起到了抑制作用。四、分解因子与区域性分析

（一）分解因子分析

该部分在上述研究的基础上，以分解因子（TEC、TC、SEC）替代绿色全要素生产率进行路径和机制分析。实证模型如下：

表6中，3个分解因子都受到普惠金融的显著促进作用。在技术效率中，第（1）（2）列的结果表明普惠金融发展可以直接促进地区技术效率的提升，同时还可以通过促进研发创新投入的提高带动地区技术效率增长，即存在显著中介效应。生产效率中，在第（3）（4）列中普惠金融指数（IFI）在5%的水平下显著，相较于第（1）（2）列有一定程度的下降，且在第（4）列中，作为中介变量的研发创新投入变量系数为负，并且不能拒绝系数值为0的原假设，因此，研发创新活动的增加对于地区生产效率的提升没有直接作用关系，即不存在中介效应。在规模效率中，第（5）（6）列的结果表明普惠金融发展对于企业规模效率的提升依然有直接促进关系，但是中介变量系数值为负，且达到了5%的显著性水平，说明普惠金融的发展扩展了资本的配置范围，提升了资本配置效率，促进了企业研发创新活动开展，但是在一些地区还普遍存在资源利用效率低下的问题，阻碍了企业规模效率的提升。但是，由于系数绝对值较小（-0.02），因此这种阻碍效应并不明显，该部分研究證明了假设2的真实性。

综上所述，普惠金融在我国的发展可以对绿色全要素生产率的提升起到显著促进作用，其中普惠金融通过带动地区R&D投入提升进而促进绿色全要素生产率的增长这一中介效应在本文得到了验证。同时，实证结果显示该效应仅为部分中介效应，即普惠金融的发展还将直接或通过其他中介路径对绿色全要素生产率起促进作用。具体来看，这一中介效应集中体现在研发创新活动增长对于地区技术效率提升的推动之中，对于生产效率和规模效率则没有明显作用关系，假设2得到了验证。（二）区域性分析

我国幅员辽阔，地势复杂，不同地区间的经济结构、外贸发展、增长动能等方面差异性明显，在金融服务可得性与服务质量方面也有较大差异，企业研发创新水平参差不齐，因此有必要对各个地区分别展开实证研究，深入研判普惠金融发展对于地区绿色全要素生产率水平提升的作用机制。

在前文对我国地域划分的基础上，以实际绿色全要素生产率为被解释变量，应用式（9）对我国东部、中部和西部省区市分别进行回归分析由于我国东北部地区仅有3个省份，样本数量过小，因此并未纳入回归分析。，具体回归结果见表7。

表7中，二者间作用关系在区域间呈现出明显的差异性。在我国东部地区，第（1）（2）列中普惠金融指数（IFI）变量拟合系数均显著为正，说明普惠金融发展对于地区绿色全要素生产率提升有积极作用，但R&D投入（lnRD）系数不显著，表明在我国东部地区不存在这一中介效应，普惠金融更多地直接（或通过其他路径）促进绿色全要素生产率的提升。在中部地区，第（3）（4）列中普惠金融指数（IFI）的系数不显著，说明在中部省份地区普惠金融的发展对于绿色全要素生产率水平的提升没有显著促进作用，这可能是因为中部地区实体企业融资约束降低后并未像东部地区相对更加发达的企业一样将资金投入绿色生产技能研发或向高端制造领域升级，而是更多地投入到了扩大生产规模上，从而并未带来绿色经济效率的提升。第（5）（6）列西部地区回归结果中，普惠金融指数（IFI）和R&D投入（lnRD）两个变量的系数在4个回归模型中均为正，同时显著性良好，说明普惠金融的发展可以显著促进我国西部地区省市绿色全要素生产率的提升，同时还可以促进地区企业研发创新水平的增长，进而对绿色全要素生产率水平提升起到积极作用。此外，还可以观察到在相同的显著性水平下，西部地区普惠金融指数（IFI）和研发创新投入（lnRD）的拟合系数要明显高于中部地区与东部地区，说明普惠金融的发展对于西部地区绿色全要素生产率水平提升是最有帮助的，因此本文的假设3得到了验证。五、稳健性检验

为了进一步检验前文实证分析的可靠性与真实性，本文采用替换变量的方法对回归结果进行稳健性检验。对于进行研发创新的企业和机构，资本与劳动力是其进行研发活动的主要投入要素，两种要素缺一不可，因此两种要素间具有显著的相关关系。金融服务广度的提升可以有效缓解企业在研发创新活动中的融资约束问题，但是对于研发人员投入数量没有逻辑上的影响关系。因此，为了检验本文中介效应的可靠性，采用R&D人员数量（lnRDL）作为R&D内部经费支出的替代变量，并对中介效应检验模型进行逐步回归分析，数据来源为历年《中国科技统计年鉴》。回归结果见表8。  表8第（2）列中普惠金融指数（IFI）系数未通过显著性检验，说明普惠金融发展对R&D人员数量没有明显影响，即不存在中介效应。第（3）列中普惠金融指数（IFI）和R&D人员（lnRDL）均通过了1%的显著性水平检验，说明金融服务广度提升和研发创新人员数量增长都可以对绿色全要素生产率水平提高产生积极促进作用。

通过以R&D人员数量作为R&D经费支出的替代变量进行回归分析发现，与研发创新经费投入相同，研发创新人员的增长也可以提升地区科研创新水平，进而促进绿色全要素生产率的进步。但是，普惠金融的发展却对研发创新人员数量的增加没有影响，即不存在相应中介效应，这与前文的逻辑分析相符合，也证明了本文选择R&D内部经费支出作为中介变量是合理、可靠的。

六、结论与政策建议

本文以理论分析和实证分析相结合的研究方式，探讨了我国普惠金融发展对于绿色全要素生产率提升的影响作用，并纳入了R&D投入这一中介变量，进一步对普惠金融通过减缓企业研发创新融资约束、激发研发创新活力，进而推动经济高质量发展这一中介效应路径展开了深入研究。具体地，本文首先从3个维度搭建了12个指标组成的普惠金融指数测度体系，测算了我国31个省份2007—2017年的普惠金融指数。随后，采用SFA-Malmquist指数测度方法对我国31个省份的绿色全要素生产率进行了测算。进一步地，本文构建了面板模型对研发创新活动的中介效应进行了逐步检验，并在此基础上深入分析了普惠金融对绿色全要素生产率分解因子的影响，以及我国不同区域间的影响关系变化情况。本文主要得出了以下3点结论：

第一，改革开放以来，我国金融服务体系构建取得了巨大进步，但是依然有继续完善发展的空间，“金融排斥”现象尚未完全消除。普惠金融指数测算结果表明，我国金融体系发展存在较大的地域性差异，呈现出明显的“东强西弱”的分布格局。

第二，我国金融服务广度的提升对于绿色全要素生产率起到了积极的推动作用，普惠金融通过带动企业与机构研发创新活动增长推动绿色全要素生产率提高。金融服务对象范围的扩大与服务渠道的拓宽可以有效緩解我国实体企业，尤其是小微企业在研发创新活动上的融资约束，推动大量企业技术创新活力的增长，进而释放出我国经济高质量、绿色和可持续增长的新动能。

第三，在中介传导路径中，R&D投入主要推动了企业技术效率的进步，而对于生产效率和规模效率则没有明显的影响。从地域异质性角度，金融服务广度的扩展在我国西部地区对绿色全要素生产率的促进作用最强，在东部地区较弱，这也说明西部地区实体企业还面临着明显的研发创新融资约束问题，企业创造活力还远没有得到最大程度的释放。

综上，本文提出如下政策建议：第一，普惠金融的发展在落地实施的阶段还存在较多问题，各地区政府应当因地制宜，视情施策，抓住金融始终服务于实体经济这一主旨理念，构造适合当地发展需求的普惠金融发展战略，真正有效解决小微企业的融资贵、融资难问题，释放实体经济发展活力。第二，推动金融资源的有效整合，在防控金融风险的前提下适当拓宽资金融通渠道，可结合区块链等高新技术手段，打造高效、低风险的线上融资平台。第三，技术进步与科技创新是实现经济高质量发展的动力之源，研发创新活动本身具有不确定性高、回收期长等风险特征，各地区政府及金融机构应深入细致地研判企业借贷项目资金的风险，对于可实施性强、价值高的研发创新活动给予有力的支持与帮助。参考文献：

[1] SHAHBAZ M， TIWARI A K， NASIR M. The effects of financial development， economic growth， coal consumption and trade openness on CO2 emissions in South Africa [J]. Energy Policy， 2013， 61（7）： 1452-1459.

[2] SADORSKY P. The impact of financial development on energy consumption in emerging economies [J]. Energy Policy， 2010， 38（1）： 2528-2535.

[3] 严成樑， 李涛， 兰伟. 金融发展、创新与二氧化碳排放 [J]. 金融研究， 2016（1）： 14-30.

[4] 张帆. 金融发展影响绿色全要素生产率的理论和实证研究 [J]. 中国软科学， 2017（9）： 154-167.

[5] 王小腾， 徐璋勇， 刘潭. 金融发展是否促进了“一带一路”国家绿色全要素生产率增长？ [J]. 经济经纬， 2018（5）： 17-22.

[6] 王伟. 县域金融与绿色全要素生产率增长： 来自长江经济带上游流域证据 [J]. 统计与信息论坛， 2017（9）： 69-77.

[7] SUNAGA M. Endogenous growth cycles with financial intermediaries and entrepreneurial innovation [J]. Journal of Macroeconomics， 2017， 53（7）： 191-206.

[8] 葛鹏飞， 黄秀路， 徐璋勇. 金融发展、创新异质性与绿色全要素生产率提升： 来自“一带一路”的经验证据 [J]. 财经科学， 2018（1）： 1-14.

[9] 贾俊生， 伦晓波， 林树. 金融发展、微观企业创新产出与经济增长： 基于上市公司专利视角的实证分析 [J]. 金融研究， 2017（1）： 99-113.

[10] MARCELIN I， MATHUR I. Privatization， financial development， property rights and growth [J]. Journal of Banking & Finance， 2014， 50（3）： 528-546.

[11] SETHY S K. Developing a financial inclusion index and inclusive growth in India [J]. Theoretical & Applied Economics， 2016， 23（2）： 187-206.

[12] 焦瑾璞， 黄亭亭， 汪天都， 等. 中国普惠金融发展进程及实证研究 [J]. 上海金融， 2015（4）： 12-22.

[13] 匡远凤， 彭代彦. 中国环境生产效率与环境全要素生产率分析 [J]. 经济研究， 2012（7）： 62-74.

[14] OREA L. Parametric decomposition of a generalized Malmquist productivity index [J]. Journal of Productivity Analysis， 2002， 18（1）： 5-22.

[15] ZOFIO J L. Malmquist productivity index decompositions： a unifying framework [J]. Applied Economics， 2007， 39（18）： 2371-2387.

[16] BARON R M， KENNY D A. The moderator-mediator variable distinction in social psychological research： conceptual， strategic， and statistical consideration [J]. Journal of Personality & Social Psychology， 1986， 51（6）： 1173-1182.

[17] 孙慧， 王慧. 政府补贴、研发投入与企业创新绩效： 基于创业板高新技术企业的实证研究 [J]. 科技管理研究， 2017（12）： 111-116.

[18] 陈红， 张玉， 刘东霞. 政府补助、税收优惠与企业创新绩效： 不同生命周期阶段的实证研究 [J]. 南开管理评论， 2019（3）： 187-200.

[19] 刘凤朝， 默佳鑫， 马荣康. 高管团队海外背景对企业创新绩效的影响研究 [J]. 管理评论， 2017（7）： 135-147.

[20] 刘学元， 丁雯婧， 赵先德. 企业创新网络中关系强度、吸收能力与创新绩效的关系研究 [J]. 南开管理评论， 2016（1）： 30-42.

[21] 杨震宁， 赵红. 中国企业的开放式创新： 制度环境、“竞合”关系与创新绩效 [J]. 管理世界， 2020（2）： 139-160.

[本刊相關文献链接]

[1] 李欣泽， 司海平. 中国资源错配与经济效率损失： 趋势与分解 [J]. 当代经济科学， 2019（6）： 1-12.

[2] 文春艳. R&D资本化背景下制造业分行业全要素生产率再分析 [J]. 当代经济科学， 2019（6）： 86-97.

[3] 常远， 吴鹏. 要素配置会扭曲技术进步偏向性对全要素生产率增长的影响吗？ [J]. 当代经济科学， 2019（1）： 20-34.

[4] 戴小勇. 资源错配视角下全要素生产率损失的形成机理与测算 [J]. 当代经济科学， 2018（5）： 103-116+128.

[5] 刘忠， 李殷. “所有制歧视”VS“规模歧视”： 谁对企业全要素生产率的危害更大[J]. 当代经济科学， 2018（3）： 45-56.

[6] 宋丽颖， 刘源， 张伟亮. 资源型城市全要素生产率及其影响因素研究： 基于财政收支的视角 [J]. 当代经济科学， 2017（6）： 17-24.

[7] 董建国， 陈言. 保险业发展与我国经济全要素生产率关系的实证研究 [J]. 当代经济科学， 2014（2）： 77-84.

编辑： 郑雅妮、高原

Abstract： Inclusive Finance is an important part of the national financial strategy， and its relationship with green total factor productivity is worth exploring. By constructing the index system and using the SFA Malmquist efficiency measurement method， this paper calculates the inclusive finance index and green total factor productivity of 31 provinces and cities in China from 2007 to 2017， and empirically tests the impact and mechanism of Inclusive Finance on green total factor productivity using R&D investment as the intermediary variable. The results show that inclusive finance promotes green total factor productivity by easing the financing constraints of enterprise R&D innovation and releasing innovation vitality， and the promotion effect of R&D investment on green total factor productivity is mainly reflected in the decomposition factor of technical efficiency. Further research shows that the intermediary effect has obvious heterogeneity in space， and the development of inclusive finance plays a more significant role in alleviating financing constraints and improving green total factor productivity in western China.

Keywords： inclusive finance; green total factor productivity; R&D investment; extent of financial services; high quality development