金融创新、产业结构升级与区域生态效率——基于空间计量模型及中介效应的实证分析

Financial Innovation, Industrial Structure Upgrading and Regional Ecological Efficiency—Empirical Analysis Based on Spatial Econometric Models and Mediating Effects

摘要: 本文基于2012~2022年中国30个省级面板数据，运用多因子分析法和超效率SBM模型分别测度金融创新指数和区域生态效率，在此基础上，利用空间计量模型与中介效应模型实证分析金融创新对区域生态效率产生的影响。研究结果表明：金融创新水平的提高能够显著促进区域生态效率的提升，且存在区域异质性；金融创新对区域生态效率具有显著正向的空间溢出效应，本地区金融创新水平的提升将会推动相邻地区生态效率的提升；金融创新可以通过产业结构升级的中介效应促进区域生态效率的提升。

Abstract: This article is based on panel data from 30 provinces in China from 2012 to 2022. Multiple factor analysis and super efficiency SBM models are used to measure the financial innovation index and regional ecological efficiency, respectively. Based on this, spatial econometric models and mediation effect models are used to empirically analyze the impact of financial innovation on regional ecological efficiency. The research results indicate that the improvement of financial innovation level can significantly promote the improvement of regional ecological efficiency, and there is regional heterogeneity. Financial innovation has a positive spatial spillover effect on regional ecological efficiency, and the improvement of local financial innovation level will promote the improvement of ecological efficiency in adjacent regions. Financial innovation can promote the improvement of regional ecological efficiency through the intermediary effect of industrial structure upgrading.

1. 引言

随着经济的快速发展，我国传统的粗放型经济增长模式消耗了大量的自然资源，雾霾、水污染、土壤重金属污染等问题层出不穷，对生态环境产生了严重的影响。在“碳中和”“碳达峰”目标的背景下，加快转变经济发展模式，走高质量发展之路刻不容缓。“十四五”规划明确提出要持续改善环境质量，加快推动绿色低碳发展，建设人与自然和谐共生的现代化，强化生态文明建设。生态效率指的是以最低的资源消耗与环境投入去创造最大化的期望产出和最小化的非期望产出，其核心内涵反映出环境保护和经济发展之间的协调发展，提升生态效率是我国实现生态文明建设、走高质量发展之路的重要途径之一。

我国生态文明建设、生态效率提升任重而道远，持续的、充足的资金支持是必要保障，仅靠政府财政支持和社会捐助的资金并不能满足需求，因此，现代金融发挥了不可或缺的作用。2023年，中央金融工作会议强调金融是国民经济的血脉，要加快建设金融强国，持续推进金融实践创新、理论创新、制度创新，开拓中国特色金融发展之路，为经济社会发展提供高质量服务，这对金融创新提出了更高要求。那么，如何借助金融产品创新、金融市场创新等金融创新手段发挥金融创新对区域生态效率的支撑作用，对提升生态效率、加强生态文明建设具有重要的现实意义。

2. 文献综述

国内外学者对金融创新的研究主要集中在金融创新的效率和动因[1]，以及从金融市场、金融结构等角度探索金融创新如何推动产业、科技和经济增长[2]。另一方面，生态效率的相关研究也较为丰富，国外学者对生态效率的研究主要集中在理论研究、测度方法和应用领域[3]，而国内的研究重点则放在了生态效率评价指标及其驱动因素上[4]。

虽然国内外关于金融创新与生态效率的研究都已经相对成熟，但研究二者之间关系的成果较少，从产业结构升级视角入手考察金融创新对区域生态效率的影响的文献凤毛麟角，本文将从以下三方面对现有研究进行归纳概括。

第一方面，直接研究金融创新对生态效率影响的文献较少，但有学者通过研究发现金融创新可以提高金融市场的资源配置效率[5]，而金融资源的错配会抑制生态效率的提升[6]。并且金融中介创新可以通过影响企业创新投入作用于企业技术创新[7]，而技术创新是提高我国生态效率的重要途径之一。其他有关金融创新和生态效率方面的文献大多是研究金融集聚和金融发展对生态效率的影响。一些研究的重点在于二者的耦合协调关系，发现金融集聚有助于加快技术、信息及人才等各种要素的集聚，从而推动区域创新，加快产业结构转型升级步伐，促进资源合理配置，间接提高生态效率[8]。另外，有研究发现金融发展对生态效率的影响机制包括资本支持、资源配置、企业监督与绿色金融效应[9]。

第二方面，在讨论金融创新与产业结构升级二者关系的文献中，庞敏(2020)指出金融创新对产业结构的高级化和合理化发展起到积极的促进作用，但存在负向空间溢出效应[10]。李媛媛和金浩(2015)通过理论与实证研究，梳理了金融创新与产业结构调整的关系，发现金融创新对金融业发展具有促进作用，同时也会通过影响要素的配置功能、刺激消费需求、促进技术进步等间接影响产业结构调整与升级[11]。柳圆圆(2020)的研究表明金融创新促进产业结构升级的主要方式是金融市场的资金融通渠道创新，金融创新通过推动金融资产在产业层面的聚集，资金流动方式、渠道等与产业要素间实现高速传导，从而推动产业结构升级[12]。彭继增(2016)等研究发现金融创新对产业结构优化具有正向的促进作用[13]。

第三方面，在讨论产业结构升级与生态效率二者关系的文献中，产业结构升级是影响生态效率的重要因素[14]，而产业结构升级可以分为产业结构合理化、产业结构高级化两个维度[15]。顾典(2020)发现产业结构合理化和产业结构高级化的提升均有助于区域生态效率的提升，但产业结构合理化和产业结构高级化发挥的作用存在区域异质性且存在空间效应[16]。国外有关产业结构升级对生态效率影响的研究，主要从技术进步、三次产业比例的变化等角度展开，发现通过调整产业结构可以减少单位GDP的污染[17]。

综上，虽已有文献考虑了金融创新对产业结构升级的影响、产业结构升级对生态效率的影响，以及金融发展与金融集聚分别对生态效率的影响，但并未考虑金融创新对生态效率和环境保护的综合影响，对金融创新影响生态效率的作用机理与路径缺乏深入分析。鉴于此，本文以2012~2022年我国省级面板数据为样本，构建指标体系并测度金融创新和区域生态效率，通过空间计量面板回归探讨金融创新、产业结构升级与区域生态效率三者之间的逻辑关系，进一步采用中介效应模型深入分析金融创新对区域生态效率的影响机制，为加强我国生态文明建设、促进经济高质量发展提供参考。

3. 理论分析与研究假设

3.1. 金融创新对区域生态效率的直接作用机制

金融创新对区域生态效率的直接影响以积极效用为主，如图1所示，主要体现在三个方面。首先，金融产品和机构创新推动了绿色债券、绿色信贷等创新产品市场规模的不断扩大，有助于拓宽低碳项目的融资渠道[18]，有效利用资本市场使资金向绿色低碳产业转移，引领社会绿色发展概念，降低环境污染，增加经济产出，从而促进生态效率的提高。其次，金融资源配置效率的提高加快了金融业总体发展速度，资本市场的不断完善通过作用于实体经济，促使企业生产效率、协作效率以及创新效率全面提升，从而在增加经济产出的同时减少资源消耗和环境投入，提升区域生态效率。最后，金融市场创新水平的提高有助于降低创新型企业和投资者之间的信息不对称，从而降低融资成本，激发企业技术创新，进而通过技术创新提升生态效率[19]。因此，以上三方面的金融创新均会对生态效率的提高产生积极影响。基于此，本文提出以下假设：

假设1：金融创新对区域生态效率的提升具有促进作用。

3.2. 金融创新对区域生态效率的间接作用机制

金融创新是经济高质量发展背景下推动产业结构升级的核心动力，产业结构升级则是区域生态效率的重要影响因素。其中，产业结构升级主要分为产业结构合理化和产业结构高级化。产业结构合理化通常是指产业之间关联程度、协调程度、适应程度的提升，从而达到最佳效益的产业结构。产业结构高级化是指产业结构由以劳动密集型为主的低级产业结构，向以资金密集型和技术密集型为主的高级结构转变的过程，以及从低附加值的初级产品向高附加值的最终产品不断演进的过程。因此，如图1所示，金融创新还将通过产业结构合理化和产业结构高级化两条路径来提升区域生态效率。

Figure 1. The impact mechanism of financial innovation on regional ecological efficiency

图1. 金融创新对区域生态效率的影响机制

第一，金融创新通过推动产业结构合理化发展，间接促进区域生态效率的提高。一方面，金融创新提高了金融资源配置效率，金融市场优胜劣汰的功能不断强化，高污染、高耗能的劣质企业因缺乏足够的资金支持而面临破产困境，更多的金融资源开始流向高效率的新兴绿色产业，从而使得产业结构不断朝合理化方向发展，更进一步，产业结构的合理化还会提高第一、第二和第三产业之间的转换能力和互补能力，使得产业之间的衔接和协同更为高效，减少资源浪费的同时促进彼此的融合与聚集，实现高质量高效率的产业聚集，减少资源消耗，增加经济产出。正是金融创新对产业结构升级的资本配置效应，促进产业结构逐渐达到合理化状态，从而间接提升了生态效率。另一方面，随着金融创新的不断加强和金融市场的日益完善，各种各样的金融业务和金融产品层出不穷，尤其是以互联网消费金融为代表的新型消费金融模式，促进了居民消费水平的不断提高。受居民消费需求和观念变化的影响，产业结构将从需求端进行调整，从而促进产业结构合理化发展，进一步推动绿色发展。正是金融创新对产业结构升级的消费需求效应，使得产业结构逐步调整为合理状态，从而间接提升了生态效率。基于此，本文提出以下假设：

假设2：金融创新通过推动产业结构合理化来提升区域生态效率。

第二，金融创新通过推动产业结构高级化发展，间接促进区域生态效率的提升。一方面，劳动密集型产业的转型升级促进企业规模扩大的同时，企业面临的风险也在不断加大，中小银行的短期贷款已经不足以应对产业升级融资过程中的高风险。在资本支持效应的作用下，金融创新推动金融机构不断创新业务、规模、产品，通过各类融资机制将资金转化为资本，满足产业结构升级过程中企业多元化的融资需求，支持企业的各项生产经营、投资、技术研发等活动，增加清洁能源的研发和使用，改善能源消费结构[20]，使得单位产值不断提高，单位能耗不断降低，生产更加高效、集约，加快劳动密集型产业向资本密集型、技术密集型产业转型的步伐，进而促进绿色发展，提升生态效率。另一方面，在技术创新效应的作用下，由于技术创新的专业性较强，金融中介在创新发展的过程中减少了需求方和投资者间的信息不对称，投资回报率较高的环保创新项目将吸引更多资金。此外，由于技术创新的高风险性，金融市场可以通过创新金融产品来分散流动风险和跨期风险，满足技术创新的资金需求，加快产业结构向高级化方向发展，实现更高的经济产出同时降低对环境的污染，提升区域生态效率。基于此，本文提出以下假设：

假设3：金融创新通过推动产业结构高级化来提升区域生态效率。

4. 模型设定与变量选取

4.1. 模型构建

1. 空间计量模型

基于前文分析，金融创新和区域生态效率均具有明显的空间相关性，考虑到其可能存在的空间溢出效应，本文构建如下空间计量模型进行实证分析。

$\begin{array}{l}E{E}_{it}={\beta }_0+{\rho }_0{\displaystyle \sum _{i\ne j}^n{w}_{i\text{t}}E{e}_{jt}}+{\beta }_{1}F{I}_{it}+{\rho }_1{\displaystyle \sum _{i\ne j}^n{w}_{i\text{t}}F{I}_{jt}}+{\beta }_2{X}_{it}+{\rho }_2{\displaystyle \sum _{i\ne j}^n{w}_{it}{X}_{jt}}\\ +u_i+{\gamma }_t+\lambda {\displaystyle \sum _{i\ne j}^n{w}_{ij}}{\epsilon }_{it}+{\mu }_{it}\end{array}$ (1)

式(1)中i和t分别表示省份和年份；EE为被解释变量区域生态效率；FI为核心解释变量金融创新；${\beta }_0$ 为常数项，${\beta }_1$ 和${\beta }_2$ 为空间回归系数；${\rho }_0$ 为空间自回归系数，${\rho }_1$ 和${\rho }_2$ 为空间回归系数向量；$X_{it}$ 为控制变量；$w_{ij}$ 为空间权重矩阵；$u_i$ 为空间固定效应；${\gamma }_t$ 为时间固定效应；${\epsilon }_{it}$ 和${\mu }_{it}$ 为随机误差。本文采用空间邻接权重矩阵，当省份i与省份j有共同边界，则$w_{ij}$ = 1，相反，则$w_{ij}$ = 0。若λ = 0，则式(1)为空间杜宾模型(SDM)，若λ = ${\rho }_1$ = ${\rho }_2$ = 0，则式(1)为空间滞后模型(SAR)，若${\rho }_0$ = ${\rho }_1$ = ${\rho }_2$ = 0，则式(1)为空间误差模型(SEM)。

2. 中介效应模型

为研究产业结构升级在金融创新与生态效率中的传导作用，借鉴Baron & Kenny [21]的方法构建如下中介效应模型：

$E{E}_{it}={\beta }_0+{\rho }_0{\displaystyle \sum _{i\ne j}^n{w}_{i\text{t}}E{e}_{jt}}+{\beta }_{1}F{I}_{it}+{\rho }_1{\displaystyle \sum _{i\ne j}^n{w}_{i\text{t}}F{I}_{jt}}+{\beta }_2{X}_{it}+{\rho }_2{\displaystyle \sum _{i\ne j}^n{w}_{it}{X}_{jt}}+u_i+{\gamma }_t+{\mu }_{it}$ (2)

$I{S}_{it}={\theta }_0+{\eta }_1{\displaystyle \sum _{i=1}^n{w}_{it}}I{S}_{jt}+{\theta }_{1}F{I}_{it}+{\eta }_2{\displaystyle \sum _{i=1}^n{w}_{it}}{F}_{jt}+{\theta }_2{X}_{it}+{\eta }_3{\displaystyle \sum _{i=1}^n{w}_{it}}{X}_{jt}+u_i+{\gamma }_t+{\mu }_{it}$ (3)

$\begin{array}{l}E{E}_{it}={{\beta }^{\prime }}_0+{{\rho }^{\prime }}_0{\displaystyle \sum _{i\ne j}^n{w}_{i\text{t}}E{e}_{jt}}+{{\beta }^{\prime }}_{1}F{I}_{it}+{{\rho }^{\prime }}_1{\displaystyle \sum _{i\ne j}^n{w}_{i\text{t}}F{I}_{jt}}+{{\beta }^{\prime }}_2{X}_{it}+{{\rho }^{\prime }}_2{\displaystyle \sum _{i\ne j}^n{w}_{it}{X}_{jt}}+{{\beta }^{\prime }}_{3}I{S}_{it}+{{\rho }^{\prime }}_3{\displaystyle \sum _{i\ne j}^n{w}_{it}I{S}_{jt}}\\ +u_i+{\gamma }_t+{\mu }_{it}\end{array}$ (4)

式(2)中，中介变量产业结构升级IS通过产业结构合理化RIS和产业结构高级化UIS来衡量。若经检验回归系数${\beta }_1$ 显著，则主效应显著，进一步检验式(3)和式(4)，若回归系数${\theta }_1$ 和${{\beta }^{\prime }}_3$ 同时显著，则中介效应显著，若回归系数${\theta }_1$ 和${{\beta }^{\prime }}_3$ 有不显著的，则使用Sobel检验法来进行检验。此外，若式(4)中的${{\beta }^{\prime }}_1$ 和${{\beta }^{\prime }}_3$ 同时显著，则为部分中介效应，否则为完全中介效应。

4.2. 变量选取与说明

1. 被解释变量

生态效率(EE)强调在一定区域范围内，以最少的资源、环境投入实现最大化的经济效益产出。现有研究中测算生态效率的方法主要包括DEA以及改进的DEA法，但是考虑到生态效率评价指标体系中的非期望产出指标，本文采用Tone (2002)提出的改进的非期望产出Super-SBM模型[22]，从投入、期望产出和非期望产出三个方面采用MAXDEA软件对各省(区、市)的生态效率值进行测算。生态效率的具体评价指标见表1。

Table 1. Ecological efficiency index evaluation system

表1. 生态效率指标评价体系

一级指标	二级指标	指标说明	单位
投入	资本投入	资本存量	亿元
	劳动投入	年末从业人员数	万人
	资源投入	城市建设用地面积	平方千米
		供水总量	亿立方米
		能源消费总量	万吨标准煤
期望产出	经济效益	地区生产总值	亿元
	社会效益	地方财政一般预算收入	亿元
	生态效益	城市绿地面积	万公顷
非期望产出	废水	废水排放总量	万吨
	废气	二氧化硫排放量	万吨
	固废	一般工业固体废物产生量	万吨

2. 核心解释变量

本文的核心解释变量为金融创新(FI)，目前针对金融创新的测度缺少统一标准，现有研究中测度金融创新水平的方法主要包括多指标分析、熵值法及DEA法等。为了更全面地衡量金融创新水平，本文参考现有研究及测度方法[23]，从5个方面选取15个指标构建金融创新指标评价体系，使用SPSS 26软件进行多因子分析和综合评价得分，综合测算得出金融创新指数。具体指标见表2。

3. 中介变量

本文借鉴以往研究，将产业结构升级(IS)划分为产业结构合理化(RIS)与产业结构高级化(UIS)。参照干春晖等[15]的思路，以泰尔指数的测算结果衡量产业结构合理化水平；参照刘伟等[24]的思路，以三次产业产值的比例和劳动生产率二者的乘积之和衡量产业结构高级化水平。

4. 控制变量

通过研究分析区域生态效率的主要影响因素，本文选取经济发展水平(Lec)、对外依存度(Ope)、基础设施建设(Inf)、城镇化水平(Ur)、人力资本(Huc)作为控制变量。变量的选取与定义见表3。

Table 2. Evaluation system of financial innovation indicators

表2. 金融创新指标评价体系

一级指标	二级指标	计算公式	单位
金融业总体 发展水平	金融业增加值占比	金融业增加值/GDP	%
	金融业人力资本	金融业就业人员数	万人
金融市场创新	上市公司规模	上市公司数量/地区总人口	家/百万人
	银行集中度	每百万人银行金融机构数	家/百万人
	保险密度	地区保费收入/地区总人口	元/人
	保险深度	地区保费收入/地区GDP	%
金融产品创新	储蓄存款规模	储蓄存款/地区总人口	元/人
	银票承兑规模	银票承兑额/地区总人口	元/人
	绿色信贷规模	六大高耗能产业利息支出/工业利息总支出	%
	绿色证券规模	六大高耗能行业市值/A股市值	%
金融机构创新	新型农村金融机构规模	新型农村金融机构数/地区总人口	家/百万人
	小额贷款公司规模	小额贷款公司数/地区总人口	家/百万人
金融资源配置	金融相关比率	金融贷款与存款合计/地区GDP	%
	金融深化程度	金融机构贷款余额/地区GDP	%
	金融中介配置效率	银行贷款余额/储蓄存款	%

Table 3. Selection and definition of variables

表3. 变量的选取与定义

变量类型	变量名称	变量符号	变量定义
被解释变量	生态效率	EE	经计算标准化的生态效率值
核心解释变量	金融创新	FI	综合评价得分
中介变量	产业结构合理化	RIS	采用泰尔指数计算衡量
	产业结构高级化	UIS	采用劳动生产率计算衡量
控制变量	经济发展水平	Lec	人均GDP
	对外依存度	Ope	进出口总额/GDP
	基础设施建设	Inf	公路里程/各省市区域面积
	城镇化水平	Ur	城镇人口占总人口的比例
	人力资本	Huc	普通高等学校在校生人数/总人口

4.3. 研究样本与数据来源

本文选取我国2012~2022年30个省市、自治区作为研究对象，考虑到数据可得性，相关数据缺失的港澳台以及西藏不列入研究样本。金融创新评价指标数据主要来自各省市区域金融运行报告和统计年鉴，生态效率评价指标数据主要来自《中国环境统计年鉴》《中国能源统计年鉴》，中介变量和控制变量数据主要取自《中国统计年鉴》。

5. 实证结果分析

5.1. 空间相关性检验

以所构建的空间邻接矩阵为基础，通过全局和局部莫兰检验，检验金融创新和区域生态效率是否存在空间相关性，并绘制莫兰散点图。本文利用Stata17.0软件，计算得出2012~2022年生态效率的全局Moran’s I指数值，结果见表4，同时，限于文章篇幅，本文仅绘制2022年金融创新和区域生态效率的局部莫兰散点图，如图2和图3所示。

Table 4. Global Moran’s I values of financial innovation and regional ecological efficiency from 2012 to 2022

表4. 2012~2022年金融创新、区域生态效率的全局Moran’s I值

年份	金融创新		区域生态效率
	Moran’s I	Z	Moran’s I	Z
2012	0.235^**	2.486	0.572^*^**	4.864
2013	0.242^**	2.478	0.590^***	5.016
2014	0.256^***	2.595	0.604^***	5.134
2015	0.275^***	2.737	0.573^***	4.956
2016	0.291^***	2.894	0.575^***	5.018
2017	0.288^***	2.837	0.582^***	5.059
2018	0.311^***	3.042	0.582^***	5.072
2019	0.324^***	3.153	0.520^***	4.765
2020	0.331^***	3.190	0.506^***	4.658
2021	0.314^***	3.082	0.456^***	4.229
2022	0.315^***	3.166	0.408^***	3.885

注：^*，^**，^***分别表示在10%，5%，1%的显著性水平回归系数显著。

Figure 2. 2022 provincial-level regions’ FI Moran’s I scatter map

图2. 2022年省际地区金融创新Moran’s I散点图

Figure 3. 2022 provincial-level regions’ EE Moran’s I scatter map

图3. 2022年省际地区生态效率Moran’s I散点图

首先，从表4可以看出，在1%的显著性水平下，2012~2022年各省市区金融创新和区域生态效率的全局Moran’s I值和Z值均显著为正，表明金融创新和区域生态效率二者存在正向的空间相关性和空间溢出效应。其次，由图2和图3可直观发现，大部分省份的金融创新和区域生态效率都处于第一、第三象限，呈现出“高高聚集”和“低低聚集”的同向聚集趋势。“高高聚集”主要落在北京及其周边地区以及东南沿海地区，说明其金融创新和生态效率发展程度较快，“低低聚集”主要落在中西部内陆地区，说明其金融创新和生态效率发展程度较慢。

5.2. 空间杜宾模型回归结果分析

1. 全样本回归结果

为了选择合适的空间计量模型进行实证分析，本文采用stata17进行LM检验、LR检验和Wald检验，检验结果均显示在1%的水平下显著，故选择空间杜宾模型(SDM)更为合理。同时，进行豪斯曼(Hausman)检验，检验结果显示在1%的水平下显著，故选择固定效应模型。最后，对时间固定、空间固定、双固定三种情况下的空间杜宾模型的R²和Log-L进行对比分析，选取拟合度最高的时空双固定模型进行回归分析。

如表5回归结果显示空间自回归系数rho为0.615，在1%的水平上显著为正，说明区域生态效率的发展存在显著的正向空间效应，本省生态效率水平的提升会对邻近地区生态效率产生积极的促进作用。金融创新的回归系数在1%的水平下显著为正，表明金融创新水平的提高能够对区域生态效率产生显著的正向影响，假设1得以验证。

其余五个控制变量中，人力资本(Huc)的回归系数为1.442，在1%水平下显著为正，说明高学历高素质人才的不断涌现，对生态效率水平的不断提高也具有明显促进作用。经济发展水平(Lec)的回归系数为0.026，在1%的水平下显著为正，说明经济发展水平的提高会显著促进生态效率的提升。城镇化水平(Ur)的回归系数为−0.046，且在1%的水平下显著为负，说明当前城镇化过程中产生的工业污染、人口负担过重、资源短缺等诸多问题，都将对生态效率产生显著的负面影响。基础设施建设(Inf)的回归系数为−0.025，且在5%的水平下显著为负，说明基础设施的快速增长在一定程度上并未考虑到土地资源的可持续利用，过度占用土地，导致土地资源的浪费和生态系统的破坏，从而抑制了区域生态效率水平。

Table 5. Regression results of spatial panel data

表5. 空间面板数据回归结果

变量	SDM
	空间固定	时间固定	双固定
FI	0.211^*** (0.00)	0.483^*** (0.00)	0.210^*** (0.00)
Ur	−0.042^*** (0.00)	0.009^*** (0.00)	−0.046^*** (0.00)
Huc	1.393^*** (0.01)	0.112 (0.35)	1.442^*** (0.01)
Lec	0.024^*** (0.00)	0.009^** (0.04)	0.026^*** (0.00)
Inf	−0.029^*** (0.01)	−0.008 (0.10)	−0.025^** (0.03)
Ope	0.000 (0.99)	0.045^*** (0.00)	0.010 (0.56)
rho	0.894^*** (0.00)	0.349^*** (0.00)	0.615^*** (0.00)
R²	0.805	0.809	0.815
Log-L	965.0592	838.4020	992.3292

注：^*，^**，^***分别表示在10%，5%，1%的显著性水平回归系数显著。

2. 分区回归结果

通过前文的分析可以发现我国各省市区域之间的金融创新和生态效率水平存在明显差距，金融创新对区域生态效率的影响很可能出现区域异质性。因此，为了进一步分析金融创新对区域生态效率的空间影响，本文参照国家统计局的划分依据，将我国30个省市区划分为东、中、西部，综合分析检验后选择空间固定的SDM模型进行分区回归分析，结果如表6所示：

Table 6. Regional heterogeneity regression results

表6. 区域异质性回归结果

变量	东部			中部			西部
	空间	时间	双固定	空间	时间	双固定	空间	时间	双固定
FI	0.092^** (0.03)	0.419^*** (0.00)	0.106^*** (0.01)	0.215^*** (0.00)	0.495^*** (0.00)	0.221^*** (0.00)	0.236^*** (0.00)	0.469^*** (0.00)	0.248^*** (0.00)
Ur	−0.077^*** (0.00)	0.020^*** (0.00)	−0.071^*** (0.00)	−0.043^*** (0.01)	−0.001 (0.96)	−0.028 (0.52)	−0.021^* (0.06)	0.020^*** (0.00)	−0.020 (0.12)
Huc	2.982^*** (0.00)	0.271 (0.23)	3.271^*** (0.00)	2.143^*** (0.01)	3.096^** (0.03)	−1.042 (0.44)	−1.852^** (0.03)	−0.130 (0.72)	−2.135^*** (0.00)
Lec	0.029^*** (0.00)	0.017^*** (0.00)	0.032^*** (0.00)	0.024^*** (0.00)	0.004 (0.51)	0.014^** (0.02)	0.020^*** (0.00)	0.007 (0.16)	0.023^*** (0.00)
Inf	−0.074^* (0.05)	0.002 (0.84)	−0.031 (0.45)	−0.017^** (0.04)	0.013 (0.14)	−0.014 (0.16)	0.010 (0.49)	−0.012^*** (0.01)	0.005 (0.79)
Ope	−0.005 (0.88)	0.054^*** (0.00)	0.012 (0.72)	−0.067 (0.32)	−0.054 (0.27)	−0.015 (0.86)	0.034 (0.40)	0.130^*** (0.00)	0.068^* (0.08)
rho	0.823^*** (0.00)	0.277^*** (0.00)	0.405^*** (0.00)	0.889^*** (0.00)	−0.051 (0.81)	−0.087 (0.62)	0.868^*** (0.00)	−0.002 (0.99)	0.033 (0.80)
R^2	0.646	0.983	0.750	0.873	0.892	0.807	0.753	0.953	0.8700
Log-L	373.8060	342.6970	411.4293	257.3153	263.9691	287.1896	415.6295	423.1438	456.3865

注：^*，^**，^***分别表示在10%，5%，1%的显著性水平回归系数显著。

东部、中部、西部地区金融创新与生态效率都存在显著正向关系，说明不同区域的金融创新对生态效率都存在促进作用，但东部、西部、中部地区的空间自相关性依次递增，表明我国生态效率的空间效应在不同区域内有所差异。从其他因素来看，影响地区生态效率的主要有人力资本、城镇化及经济发展水平等因素，其中经济发展水平的提高都显著促进了东、中、西部地区生态效率的提升，这说明地区生态效率的提升更大程度上依赖于经济发展质量。此外，城镇化水平的提升显著抑制了东部和中部生态效率的提升，说明东、中部地区虽然城镇化水平高，但应提升城镇管理水平，降低城镇化进程带来的环境污染。

5.3. 中介效应检验

为检验金融创新影响产业结构升级的路径机制，分别以产业结构高级化和产业结构合理化作为式(2)的因变量，区域生态效率作为式(1)和(3)的被解释变量，采用因果逐步回归检验法，进一步对产业结构升级的中介效应进行检验。第一步，运用式(1)检验金融创新对区域生态效率的影响，得到表7中的模型1，结果显示，在1%的显著性水平下，金融创新对区域生态效率的回归系数显著为正。第二步，运用式(2)检验金融创新对产业结构高级化和产业结构合理化的影响，得到表7中的模型2和模型4，结果显示，在1%的显著性水平下，金融创新对产业结构合理化和产业结构高级化的回归系数均显著为正。第三步，运用式(3)检验金融创新、产业结构高级化和产业结构合理化对区域生态效率的影响，得到表7中的模型3和模型5，结果显示，在1%的显著性水平下，金融创新、产业结构高级化对区域生态效率的回归系数均显著为正，在5%的显著性水平下，金融创新对区域生态效率的回归系数显著为正，在1%的显著性水平下，产业结构高级化对区域生态效率的回归系数显著为正。根据中介效应检验原则，我们可知产业结构升级的中介效应不是完全的，产业结构合理化和产业结构高级化均具有部分中介效应，假设2和3得以验证。

Table 7. The mediating effect test results of the impact of financial innovation on regional ecological efficiency

表7. 金融创新对区域生态效率影响的中介效应检验结果

变量	总效应	产业结构高级化		产业结构合理化
	模型1 EE	模型2 UIS	模型3 EE	模型4 RIS	模型5 EE
FI	0.210^*** (0.00)	0.460^*** (0.00)	0.070^** (0.01)	4.361^*** (0.00)	0.093^*** (0.00)
UIS	0	0	0.298^*** (0.00)	0	0
RIS	0	0	0	0	0.026^*** (0.00)
Ur	−0.046^*** (0.00)	−0.087^*** (0.00)	−0.022^*** (0.01)	−0.631^*** (0.00)	−0.030^*** (0.00)
Huc	1.442^*** (0.01)	1.436^* (0.10)	0.991^** (0.05)	11.301 (0.20)	1.121^** (0.03)
Lec	0.026^*** (0.00)	0.059^*** (0.00)	0.010^*** (0.00)	0.420^*** (0.00)	0.016^*** (0.00)
Inf	−0.025^** (0.03)	−0.071^*** (0.00)	−0.004 (0.69)	−0.572^*** (0.00)	−0.010 (0.35)
Ope	0.010 (0.56)	0.051^* (0.06)	−0.003 (0.87)	0.213 (0.45)	0.006 (0.71)
rho	0.615^*** (0.00)	0.474^*** (0.00)	0.632^*** (0.00)	0.562^*** (0.00)	0.615^*** (0.00)
R²	0.815	0.833	0.927	0.829	0.938
Log-L	992.3292	855.6958	1027.6906	85.3836	1020.4932

注：^*，^**，^***分别表示在10%，5%，1%的显著性水平回归系数显著。

5.4. 稳健性检验

为进一步验证结果的稳健性，本文将空间权重矩阵从空间邻接矩阵替换为经济距离矩阵入手，对全样本实证结果进行再检验。为此，本文选用各城市的人均GDP作为矩阵元素，构建经济距离空间权重矩阵，回归结果如表8所示：

Table 8. Regression results based on economic distance spatial weight matrix

表8. 基于经济距离空间权重矩阵的回归结果

变量	SDM
	时间固定	空间固定	双向固定
FI	0.143^*** (0.00)	0.477^*** (0.00)	0.154^*** (0.00)
Ur	−0.037^*** (0.00)	0.008^** (0.02)	−0.035^*** (0.00)
Huc	0.531 (0.37)	0.224^* (0.10)	0.549 (0.39)
Lec	0.035^*** (0.00)	0.009^* (0.06)	0.035^*** (0.00)
Inf	−0.030^** (0.01)	−0.000 (0.93)	−0.032^** (0.02)
Ope	−0.038^* (0.08)	0.047^*** (0.00)	−0.032 (0.17)
rho	0.890^*** (0.00)	0.297^* (0.10)	0.537^*** (0.00)
R^2	0.714	0.984	0.152
Log-L	954.1970	819.3555	965.9430

注：^*，^**，^***分别表示在10%，5%，1%的显著性水平回归系数显著。

由表8可知，金融创新系数显著为正，说明金融创新对区域生态效率产生显著的正向影响，空间自回归rho系数均显著为正，说明区域生态效率具有明显的空间溢出效应，与前文保持一致。综上，稳健性检验结果与空间邻接矩阵的全样本回归结果具有较高的一致性，虽然回归结果的系数与显著性存在差异，但核心解释变量的符号与前文基准回归结果仍保持一致，说明本文的结论是稳健可靠的。

6. 研究结论与政策建议

本文选取2012~2022年我国30个省(自治区、直辖市)的相关数据，通过建立综合指标体系测度金融创新和区域生态效率，进一步建立空间杜宾模型分析金融创新对区域生态效率的影响，最后利用中介效应检验方法检验金融创新通过产业结构升级对区域生态效率的作用路径，由此得出以下结论。

6.1. 研究结论

第一，金融创新水平的提高能够显著促进区域生态效率的提升，且该种促进作用存在区域异质性。

第二，金融创新对区域生态效率具有正向的空间溢出效应，即本地区金融创新也会推动相邻地区生态效率的提升。

第三，金融创新可以通过推动产业结构升级进而促进区域生态效率的提升，即产业结构升级发挥了显著的中介效应。这表明金融创新背景下的产业结构升级是驱动区域生态效率提升的关键途径。

6.2. 政策建议

第一，不断加强区域金融创新力度，建立并完善绿色投融资机制，创新金融服务手段和方式，满足区域生态效率提升的新需求，更好地发挥金融创新对区域生态效率的正向溢出效应。通过绿色金融产品的创新，丰富并拓宽绿色融资渠道，改变金融资源流向，支持能源高效利用的产业、环保企业和战略新兴企业的发展，促进产业结构升级和行业的绿色低碳转型，从源头上提高区域生态效率。

第二，大力发展第三产业，优化产业结构，促进产业结构转型。产业结构不断向高级化、合理化转变是我国经济高质量发展的必经之路，对于提升生态效率也有着重要意义。同时，由于东、中、西部地区的差异性，相关产业政策的制定也需要注意因地制宜。

第三，各地区政府部门应当重视经济的高质量发展，重视生态环境保护，充分发挥经济高质量发展对于区域生态效率水平提高的积极效应，不断推动区域生态效率水平的提高。