胡瑾瑜，贺晶华

（内蒙古财经大学，内蒙古 呼和浩特 010070）

摘要：本文基于2009—2024年中国264个地级及以上城市的面板数据，采用多期双重差分模型、中介效应模型及空间计量方法，测度科技金融政策的碳减排效应。研究发现：科技金融政策能显著降低碳排放强度，但对碳排放效率尚未形成稳定的提升效应；减排效应存在显著的区域与资源禀赋异质性；产业结构高级化、绿色创新与绿色全要素能源效率等中介路径尚未有效打通；政策与碳排放之间存在空间依赖性，但未形成稳定的正向空间扩散。据此提出优化资源配置、强化绿色效率导向、实施差异化政策、构建跨区域协同机制等提升路径。

关键词：科技金融；碳减排；碳排放强度；碳排放效率；中介效应

一、引言

全球气候变暖已成为严峻挑战，二氧化碳持续攀升。2022年党的二十大对“双碳”工作作出全面部署，“双碳”目标要求我国经济发展方式进行深刻变革。而科技金融作为科技与金融融合的新模式，为低碳转型提供动力。2010年12月，科技部、中国人民银行等五部门联合发布《促进科技和金融结合试点实施方案》，并于2011年、2016年公布了两批试点城市名单。基于这一背景下，本文旨在探讨科技金融对碳排放的影响与作用路径，对实现“双碳”目标具有重要理论与现实意义。

二、文献综述

国内外学者围绕科技金融与碳排放已积累较为丰富的研究成果。科技金融方面，国外未形成统一定义，多关注科技与金融的关联[10][11]（Yaxin Z等，2014；Wang等，2025）；国内概念可追溯至1993年深圳科技局，赵昌文等（2009）将其定义为促进科技开发与高新产业发展的金融工具[1]，房汉廷（2015）视其为技术、创新与资本融合的新经济范式[2]。测度上，曹颢等（2011）构建多维指标体系[3]，孙伟（2020）从投入产出测度[4]，Zhang C（2021）采用多变量回归模型[12]。碳排放测度常用IPCC因子法[5][6]（华坚等，2012；王杰麟等，2025），效率测度多采用数据包络分析[7][13]（曹成文，2024；Zofio等）、随机前沿分析[14][15]（Jin & Kim，2019；Liu Yujing，2021）。关于科技金融政策对碳减排的影响，已有研究表明科技金融政策可显著降低碳排放强度[16][8]（Xu H，2022；梁栋，2022）。但现有研究仍存在不足，缺乏将科技金融与碳排放纳入统一理论框架的分析。因此，本文从碳排放强度与效率双维度评估，开展区域及资源型城市异质性分析，为优化科技金融政策提供实证依据。

三、研究假说

（一）科技金融政策对城市碳减排的直接影响效应

科技金融政策通过统筹资源配置、发挥政府资金杠杆作用，推动财政向科技创新倾斜，促进科研成果与实体经济融合，从而直接降低城市碳排放强度，提升碳排放效率。基于此，本文提出假说1：科技金融政策有助于降低试点城市碳排放强度，提升碳排放效率。

（二）科技金融政策对城市碳减排的间接影响效应

本文从产业结构、绿色创新、绿色全要素能源效率三个维度，分析科技金融政策对城市碳减排的传导机制。

政策试点借助财政补贴、金融优惠引导企业低碳转型，推动产业向第三产业演进（张驰，2023）[9]。拓宽新型产业融资渠道，实现碳减排与经济发展协同推进。基于此，本文提出了假说2a：科技金融政策通过推动产业结构高级化降低碳排放强度，提升碳排放效率。

其次，科技金融政策通过财政资金，优化城市创新环境，促进绿色创新持续发展。基于此，本文提出了假说2b：科技金融政策通过提升绿色创新水平降低碳排放强度，提升碳排放效率。

科技金融政策引导金融资源向清洁高效领域配置，推动企业能源结构优化及能源监测系统建设，提升利用效率，通过提升绿色全要素能源效率释放碳减排潜力。基于此，本文提出假说2c：科技金融政策通过提升绿色全要素能源效率降低碳排放强度，提升碳排放效率。

四、实证研究

（一）研究设计

1.基准回归模型

本文借鉴多期双重差分模型的识别思路，设定基准回归模型。模型形式如下：

（二）变量选取

被解释变量选取碳排放强度与碳排放效率两个维度。碳排放强度衡量单位经济产出的碳排放水平，反映经济增长与碳排放的脱钩程度；碳排放效率综合考虑投入产出关系，刻画碳排放的经济效率。

核心解释变量为促进科技和金融结合试点政策，该政策由多部门联合推动，以准自然实验方式识别政策对碳排放的净影响。

控制变量包括经济发展水平、财政压力、对外开放水平、人口密度、产业结构与政府干预。经济发展水平是碳排放的基础驱动因素；财政压力影响地方政府环境治理激励；对外开放水平通过技术溢出与产业转移影响碳排放；人口密度关联能源消费强度；产业结构反映工业化程度；政府干预度量经济活动参与强度。

中介变量包括产业结构高级化、绿色创新水平与绿色全要素能源效率。三者分别从结构转型、技术创新与效率提升三条路径揭示政策传导机制。

表1  变量选取

（三）数据来源与描述性统计

1.数据来源

本文选取2009—2024年我国264个地级及以上城市作为研究样本。将先后50个城市促进科技和金融结合试点城市，设定为实验组。其余城市作为对照组。研究数据主要来源于2009—2024年《中国城市统计年鉴》、《中国城市建设统计年鉴》、国泰安数据库以及各省市统计年鉴，缺失值线性插值补充。

2.描述性统计

表2  描述性统计

分析结果显示，各变量离散程度合理，不存在极端异常值性，分布特征符合城市经济发展与碳排放的现实规律。

3.基准回归分析

表3  基准回归分析

基准回归显示，政策显著降低城市碳排放强度，但对碳排放效率产生负向影响，短期内减排效果为主，绿色效率提升不足。逐步加入控制变量及固定效应后结果稳健。

4.双重差分法适用检验

（1）平行趋势检验

本文对碳排放强度与碳排放效率进行了平行趋势检验。平行趋势检验表明，政策实施前，碳排放强度的估计系数在零值附近波动且不显著，满足平行趋势假设。政策实施当期及之后，系数显著为正且持续稳定。

图1  碳排放强度平行趋势检验

碳排放效率的平行趋势检验显示，政策实施前后系数均不显著，表明科技金融试点政策未显著提升碳排放效率。

图2  碳排放效率平行趋势检验

（2）安慰剂检验

安慰剂检验显示，虚构政策的估计系数集中于零且不显著，真实回归系数显著偏离随机结果。

图3  碳排放强度安慰剂检验

结果显示，碳排放效率的虚拟系数紧密分布于零值周围且多不显著，与真实回归中政策影响偏弱的特征一致。

图4  碳排放效率安慰剂检验

5.内生性检验与倾向匹配得分

基准检验显示，科技金融试点对碳排放强度与效率的影响均不显著；经济发展水平显著降低碳排放强度，金融发展则抑制效率提升。经PSM修正后结果保持稳健。核心结论为：科技金融呈现减排向好趋势，但短期效果不显著，政策红利集中于强度管控，尚未有效带动效率提升。

表4  内生性检验与倾向匹配得分

6.稳健性检验

通过剔除特殊年份、缩尾处理进行稳健性检验，结果表明，核心变量的系数、符号及显著性未出现明显偏差或符号反转，模型结果稳定可靠。

表5  稳健性检验

7.异质性检验

（1）区域异质性

本文通过东部、中部、西部三组样本的区域异质性检验发现，科技金融政策的碳减排效应呈现明显分化。从碳排放强度看，中部地区系数显著为正，东部为正但不显著，西部为负也不显著。从碳排放效率看，三大地区系数均为负但不显著。

表6  区域异质性

（2）资源异质性

科技金融政策的减碳效应存在显著资源属性差异。从碳排放强度看，两类城市政策系数均为负但不显著；从碳排放效率看，非资源型城市DID系数显著为负，资源型城市系数为正且不显著，未发挥赋能作用。

表7  资源异质性

五、传导路径分析

本文依次从产业结构高级化、绿色创新、绿色全要素能源效率三个维度，识别政策影响碳排放强度与碳排放效率的关键渠道。

（一）产业结构高级化的中介效应

表8显示，科技金融试点政策显著抑制了产业结构高级化，金融资源更倾向强化第二产业。产业结构高级化对碳排放强度呈显著正向影响；其对碳排放效率则有显著正向促进。控制中介变量后，政策对两者的直接效应均不显著。

表8  产业结构高级化的中介效应

（二）绿色创新的中介效应

表9显示，科技金融试点显著提升了绿色创新水平，但绿色创新反而推高了碳排放强度。绿色创新对碳排放效率影响不显著，且政策对效率仍有独立负向作用。

表9  绿色创新的中介效应

（三）绿色全要素能源效率的中介效应

表10显示，科技金融试点政策显著降低了城市绿色全要素能源效率。能源效率对碳排放强度呈显著正向影响。控制中介变量后政策直接效应不显著。

表10  绿色全要素能源效率的中介效应

以上分析表明，科技金融试点政策能够通过产业结构高级化、绿色创新与能源效率等渠道间接影响碳排放，但这些渠道的方向与强度并不一致，部分渠道甚至表现为短期增排或效率抑制。

六、结论与建议

（一）结论

本研究测度了科技金融试点政策的碳减排效应，结论表明：第一，科技金融试点政策对于城市碳排放强度有显著的促进作用，但对碳排放效率的影响不显著。第二，政策效应存在显著异质性，中部地区政策反而推高了碳排放强度，东部与西部效应不显著或仅微弱向好；非资源型城市的碳排放效率显著下降，资源型城市则无减排赋能效果。第三，传导机制分析表明，政策尚未通过产业结构高级化、绿色创新及绿色全要素能源效率等渠道有效促进碳减排。

（二）建议

第一，优化科技金融政策机制，强化长期效率导向。应在试点中增设绿色效率考核指标，引导金融资源向高效率、低排放产业倾斜。同时，将政策评估周期延长至5-10年，以匹配绿色创新的长周期特征，并建立年度动态调整机制，避免短期绩效压力导致资源错配。此外，需完善中介传导渠道，从而提升政策从金融投入到减排成效的传导效率。

第二，实施差异化区域政策与跨区域协同，释放空间溢出效应。针对中部地区强化绿色转型引导，为资源型城市设立专项转型基金以支持传统产业绿色改造，同时鼓励东部地区探索科技金融与碳市场、碳账户的深度融合。

第三，打通绿色创新转化通道，切实提升减排实效。加快建设绿色技术中试验证与产业化示范基地，降低技术落地试错成本。同时，优化绿色专利评价体系，将转化率与实际减排效果纳入激励范围，从而进一步增强科技金融政策的碳减排效能，助力城市绿色低碳高质量发展。

参考文献：

[1]赵昌文,陈春发,唐英凯.科技金融[M].北京:科学出版社,2009.

[2]房汉廷.关于科技金融理论、实践与政策的思考[J].中国科技论坛,2010,(11):5-10+23.

[3]曹颢,尤建新,卢锐,等.我国科技金融发展指数实证研究[J].中国管理科学,2011,19(3):134-140.

[4]孙伟.山东省科技金融发展水平测度研究[D].济南：齐鲁工业大学,2020.

[5]华坚,任俊.长三角地区碳排放的测度、比较及影响因素分析:1990—2009年[J].河海大学学报(哲学社会科学版),2012,14(3):57-61+91.

[6]王杰麟,汤放华,刘彬,等.基于碳排放因子法测度的乡村低碳规划策略研究——以岳阳市胜利村为例[J].小城镇建设,2025,43(7):91-99.

[7]曹成文.数字金融对中国省域工业碳排放效率的影响研究[D].济南：山东农业大学,2024.

[8]梁栋.低碳试点政策对城市碳排放效率的影响研究[D].太原：山西大学2022.

[9]张驰,王满仓.科技金融对城市产业结构升级的影响研究——基于“促进科技和金融结合试点”政策的准自然实验[J].经济问题探索,2023(1):73-86.

[10]Yaxin Z,Yuwen D.The analysis of government’s role in the development of scientific and technological finance:illustrated by the case of Liaoning Province[J].Canadian Social Science,2014,10(4):145-167.

[11]Wang Z W ,Yin H L,Fan F,et al.Science and technology insurance and regional innovation:evidence from provincial panel data in China[J].Technology Analysis & StrategicManagement,2024,36(4):746-764.

[12]Zhang C.Factors Influencing the Allocation of Regional Sci-Tech Financial Resources Based on the Multiple Regression Model[J].Mathematical Problems in Engineering,2021.

[13]ZOFIO J L,PRIETO A M.Environmental efficiency and regulatorystandards:the case of CO2 emissions from OECD industrial[J].Resource and Energy Economics,2001,23(1):63-82.

[14]Jin Taeyoung; Kim Jinsoo. A comparative study of energy and carbon efficiency for emerging countries using panel stochastic frontier analysis[J]. Scientific Reports,2019,1(9):6647.

[15]Liu Yujing;Niu Dongxiao,Coupling and Coordination Analysis of Thermal Power Carbon Emission Efficiency under the Background of Clean Energy Substitution[J].Sustainability,2021,23(13):13221.

[16]Xu H, Liu B, Lin K, et al. Towards Carbon Neutrality: Carbon Emission Performance of Science and Technology Finance Policy[J]. International Journal of Environmental Research and Public Health, 2022, 19(24): 16811.