摘要：提升地区绿色技术创新水平是绿色发展阶段的重要组成部分。基于中国30个省（自治区、直辖市）2008—2018年的绿色专利数据，构建空间误差模型考察绿色信贷对地区绿色技术创新的影响及其作用机理。结果表明：我国各地区的绿色专利总量逐渐呈现出显著的正向空间相关性。绿色信贷显著促进了地区绿色技术创新水平的提升。异质性分析发现：绿色信贷对绿色发明专利存在显著的促进作用，但对绿色实用新型专利存在的促进作用不显著。影响机制分析表明，研发投入是绿色信贷影响绿色技术创新的主要渠道。

关键词：绿色金融，绿色信贷，绿色技术创新，空间误差模型

一、引言

中国经济在改革开放40余年中不断创造令人瞩目的“增长奇迹”，却也付出了相当大的环境代价。2005年习近平同志对此创造性地提出了“绿水青山就是金山银山”的科学论断，迅速获得广泛的共识，并上升为指引国家战略发展的新理念。党的十九届五中全会再次强调“推动绿色发展，促进人与自然和谐共生”^①，这为“十四五”时期生态文明建设提供了重要遵循依据。绿色技术创新是推动绿色发展的重要抓手，通过对传统技术的改进和替代，绿色技术不仅能够促进地区经济增长，而且会“倒逼”产品供给者改进污染治理技术、加强清洁生产工艺研发等，进而实现经济增长与节能减排的“双赢”。地区绿色技术创新的实施主体是企业，而企业进行绿色技术创新则需要资金的投入。与一般信贷不同，绿色信贷作为一种重要金融手段，能够通过激励约束机制引导资金流向绿色、低碳领域，深刻影响相关企业的经营决策与创新行为，为企业绿色技术创新增添动力。因此，揭示绿色信贷对绿色技术创新的影响，并深入探讨其作用机理，对于进一步完善我国绿色信贷政策，充分发挥绿色信贷助推绿色技术创新的效用，实现经济与资源环境相协调的高质量发展具有重要意义。

二、文献综述

有关绿色信贷效应的研究已经较为丰富，主要集中在以下两方面：一是从微观角度分析绿色信贷的实施效果。其中，部分文献主要关注绿色信贷对商业银行的影响。例如，丁宁等基于资源配置视角研究了绿色信贷与银行成本效率的关系，发现绿色信贷政策与银行成本效率呈现“U”型趋势，且自2014年之后绿色信贷政策与银行成本效率表现出正向关系^[1]。高晓燕和高歌认为绿色信贷政策促进了商业银行竞争力的提升^[2]。部分文献则关注绿色信贷对企业的影响^[3-5]。如苏冬蔚和连莉莉采用双重差分法实证研究了绿色信贷政策与重污染企业投融资之间的关系，发现绿色信贷政策引致重污染企业的投融资减少^[6]。刘强等揭示了绿色信贷政策与重污染企业创新产出之间的正相关性，提出绿色信贷政策的制度化实施会倒逼重污染企业提升创新效率^[7]。二是从宏观角度分析绿色信贷的效应。谢婷婷和刘锦华认为绿色信贷有利于地区绿色经济增长，且主要通过促进产业结构升级以及改善能源消费结构的途径促进地区绿色发展^[8]。同样地，徐胜等采用灰色关联法证实了绿色信贷对促进产业结构优化率的正向作用，并认为企业资本和资金渠道是主要的传导途径^[9]。李毓等则认为绿色信贷政策有利于地区产业结构升级以及第二产业发展，但不利于第三产业发展^[10]。刘海英等的研究表明绿色信贷对地区绿色低碳技术进步的影响从时间维度来看存在明显的“先抑后扬”趋势，两者呈“U型”关系^[11]。

与本文研究主题相关的另一组文献是绿色技术创新的影响因素，学者们主要从环境规制视角进行研究，但并未得出统一的结论。主要存在两种观点：一种以“波特假说”为基础，认为环境规制能够促进企业技术创新^[12]。Lanjouw和Mody、Debnath、Sen等，原毅军和陈喆等的研究结果均支持该假说^[13-16]。另一种观点则认为环境规制与技术创新之间存在不确定关系。Ramanathan等、张成等、王珍愚等的研究结果表明两者存在正“U”型关系，即前者对后者的促进作用存在“门槛”效应^[17-19]。刘斌斌等则关注了在环境规制差异背景下信贷错配对地区绿色技术创新的影响，基于信息熵测算模型研究发现信贷错配严重阻碍地区绿色技术创新^[20]。

直接研究绿色信贷与绿色技术创新两者关系的研究较少。何凌云等以我国152家节能环保上市企业2010—2017年数据为样本，研究发现绿色信贷显著促进节能环保型企业的技术创新，但其过程存在时滞效应^[21]。韩科振认为绿色金融显著促进了绿色技术创新效率^[22]。

本文尝试采用静态空间误差模型实证分析绿色信贷对绿色技术创新的影响，为优化绿色信贷政策以推动地区绿色发展提供政策建议。

三、制度背景与理论假说

（一）制度背景

2007年7月，《关于落实环保政策法规防范信贷风险的意见》正式提及绿色信贷。2012年2月24日，《绿色信贷指引》发布，进一步明确提出商业银行应加大对绿色经济、低碳经济等的信贷支持，并应重点关注其客户及其重要关联方在生产经营过程中可能带来的环境污染、高耗能等环境问题。《绿色信贷指引》标志着绿色信贷政策得到进一步强化，对银行业和企业发展具有一定的导向作用。2016年8月，《关于构建绿色金融体系的指导意见》明确强调了绿色信贷是绿色金融的主要内容之一。2020年中央经济工作会议进一步提出要创新发展绿色金融，助推实现“30•60目标”，彰显了我国政府通过金融工具支持绿色发展的决心与智慧。在上述政策的引导和支持下，我国绿色金融快速发展，截至2020年，我国绿色信贷规模已经超过11万亿元人民币，跃居世界第一^②。

（二）理论假说

1.绿色信贷对绿色技术创新的直接影响

《绿色信贷指引》要求银行等金融机构压缩对“两高一剩”行业贷款额度，实行惩罚性高利率，并加大对生态经济、低碳经济、绿色经济等行业信贷支持力度，促使银行慎重考虑对“两高一剩”企业的贷款。《绿色信贷指引》可能通过“两高一剩”企业技术创新而对地区绿色技术创新产生如下影响：其一，较高的贷款利率增加了企业的融资成本，同时由于高排放会面临较大的舆论压力和道德谴责，企业的债务违约风险加大，导致银行拒绝或减少对“两高一剩”企业的贷款。这将促使这类企业用于绿色技术创新的资金下降，而绿色技术创新依赖前期大量的研发投入，在高利率造成现金流的压力下，这类企业被迫放弃周期长、风险高的绿色技术创新，这不利于地区绿色技术创新水平的提升。其二，部分企业会因信贷约束导致资金短缺而被淘汰，部分企业在信贷约束的情况下虽然不一定会加大研发投入，但为了满足市场的绿色产品需求，会更加倾向于注重绿色技术创新效率的提升^[7]，这将促使地区绿色技术创新水平的提升。此外，中央财政“节能减排补助资金”多项节能环保领域专项资金助力绿色信贷发展，引导更多社会资本进入绿色低碳行业，这会进一步促进地区绿色技术创新的增加。另外，《绿色信贷指引》可能通过对生态经济、低碳经济、绿色经济等企业的技术创新对地区绿色技术创新产生如下积极影响：绿色创新需要大规模资金的长期投入，《绿色信贷指引》为“清洁”行业的绿色技术创新提供了较低的融资成本以及丰裕的资金，缓解了该类企业的资金匮乏，降低了其绿色技术创新的成本，有利于纾解地区绿色技术创新困局。据此，本文提出假说1。

假说1：绿色信贷促进了我国绿色技术创新水平的提升。

2.绿色信贷对绿色技术创新的间接影响

企业能否积极主动地进行绿色技术创新受研发资金和人力资本投入的影响，这是其充分权衡牺牲当前经济利益换取未来生态价值后做出的策略选择。由于《绿色信贷指引》设定了企业环境保护的门槛，促使生态经济、低碳经济、绿色经济等行业的企业信贷额度增加，企业在扩大生产规模的同时，会将更多的资金用于更新生产设备与绿色技术工艺研发，以达到节约物质和能量资源，减少废弃物和环境有害物排放目的，这会进一步提升企业绿色技术创新的能力。此外，“两高一剩”企业也可能会增加研发投入，促进地区绿色技术创新的提升。这是因为绿色信贷本质是传统环境规制的重要延伸与创新^[7]，因此，绿色信贷会存在“创新补偿”效应，即绿色信贷的高利率和信贷额度限制使企业的污染处理成本以及信贷成本高于技术投入，迫使其改变生产工艺流程或升级污染治理设备以达到清洁生产的目的，进而促使企业绿色技术创新能力的提升。由此本文提出假说2。

假说2：绿色信贷通过增加研发投入促进地区绿色技术创新提升。

四、实证策略

（一）计量模型构建

考虑到地区之间绿色技术创新之间可能会存在空间相关性，本文拟建立空间滞后模型（SAR）、空间误差模型（SEM）以及空间杜宾模型（SDM），并通过检验确定最优模型进行分析。空间滞后模型（SAR）如下：

pat_it=ρwpat_it+β₁loan_it+β₂con_it+μ_i+ξ_t+ε_it （1）

空间误差模型（SEM）如下：

pat_it=β₁loan_it+β₂con_it+μ_i+ξ_t+ε_it （2）

ε_it=λwε_it+v_it （3）

空间杜宾模型（SDM）如下：

模型（1）-（4）中，i表示第i个地区，t表示第t年，μ_i和ξ_t分别表示空间和时间固定效应，ε_it为随机误差项。w为空间权重矩阵，pat_it表示i地区在第t年绿色技术创新，loan_it表示i地区在第t年的绿色信贷，β₁～β₄为待估参数，ρ为刻画竞争性地区绿色信贷决策对本地区绿色信贷策略的影响，λ则刻画误差项的空间相关性。

（二）变量与数据

1.被解释变量：绿色技术创新，借鉴李青原和肖泽华的研究，采用各地区绿色专利申请总量来衡量绿色技术创新^[23]。这是因为专利申请量更能体现地区企业当年的创新能力，而专利授权量具有1～2年的滞后期，而且专利申请量受专利机构工作效率、偏好等外部因素的影响也较小。

2.解释变量：绿色信贷（loan），借鉴谢婷婷和刘锦华的研究，采用各地区六大高耗能产业利息支出占工业产业利息总支出的比率来衡量^[8]，该数值越低，意味着本地区绿色信贷水平越高。因此，当绿色信贷的回归系数为负时，可以促进绿色技术创新。反之，当回归系数为正时，表明会抑制绿色技术创新。

3.空间权重矩阵

借鉴赵娜等和余泳泽和张少辉的研究^[24-25]，构建以下三种空间权重矩阵：地理相邻矩阵（w₁），地理距离矩阵（w₂），地理经济权重矩阵（w₂），w₃=，其中，为观察期内i地区GDP的平均值，表示观察期内GDP平均值。该矩阵同时考虑了各地区间经济和地理相关性。

4.控制变量：参考相关领域学者的文献，选取如下控制变量：经济发展水平（pgdp）、对外开放程度（open）、产业结构（ind2）、城市化水平（urb）和地区科技支出（tec）。各控制变量的测算公式见表1。

本文研究过程中所选取的样本为2008—2018年30个省、自治区、直辖市（不含西藏和港澳台地区）面板数据，以2008年作为研究起点，是因为2007年《关于落实环保政策法规防范信贷风险的意见》的颁发促使绿色信贷政策正式启动。2008—2016年六大高耗能产业利息支出和工业产业利息总支出来自于2009—2017年《中国工业统计年鉴》，2018年六大高耗能产业利息支出和工业产业利息总支出则来自于2018年《中国经济普查年鉴》，2017年数据采用插值法进行补充。

根据WIPO发布的绿色技术清单，借鉴王班班和齐绍洲检索方法^[26]，从国家知识产权局识别并核算各地区每年的绿色专利申请总量（包括绿色发明专利和绿色实用新型专利），检索时间为2020年7-9月。其他数据来自于2007—2019年《中国环境年鉴》《中国科技年鉴》以及《中国统计年鉴》。为了消除可能存在的异方差，对非比重数值均取对数，各变量描述性统计见表1。

五、实证结果及分析

（一）空间相关性检验

分析绿色信贷影响绿色技术创新的空间效应前提是需要先明晰绿色技术创新的空间相关性程度。因此，选用莫兰指数对我国各地区绿色专利总量（pat）的空间相关性进行检验，测算结果见表2。可以看出：2008—2018年，我国各地区的绿色专利总量逐渐呈现出显著的正向空间相关性，并且其显著性程度也在逐步提升。此外，在总的样本期内，我国各地区绿色专利总量均表现为正向空间相关性。这意味着随着时间的推移，我国各地区绿色技术创新确实存在非随机的空间相关性。

（二）回归结果分析

分析之前，首先执行LM检验对模型进行诊断和选择。由表3看出，在地理相邻矩阵（w₁）、地理距离矩阵（w₂）以及地理经济权重矩阵（w₃）下LM-error、Robust LM-error均通过了1%的显著性水平检验，而Robust LM-lag并未通过显著性检验，这意味着空间误差模型（SEM）是比较好的模型。考虑到地区个体差异和时期因素可能产生的估计偏差，本文主要采用时空双向固定效应的空间误差模型（SEM）进行参数估计。同时为便于比较，本文还报告了OLS和固定效应模型的估计结果（见表4）。从表4可以看出，未考虑空间相关性的绿色信贷估计系数高于空间滞后模型的估计系数，这说明不考虑空间相关性可能导致估计系数偏误。从列（3）至（5）可以看出，在地理相邻矩阵（w₁）、地理距离矩阵（w₂）以及地理经济权重矩阵（w₃）下绿色信贷的系数均为负，并通过了显著性检验，这一回归结果说明无论在哪一种权重矩阵的设定下地区绿色信贷水平越高，绿色技术创新水平就越高。可能的原因是“两高一剩”企业在信贷约束的情况下，管理层比较关注绿色技术创新效率，“清洁”行业由于绿色信贷资金的支持获得了丰裕的资金，加大了绿色技术创新的资金投入。

从控制变量来看，经济发展水平（pgdp）和贸易开放度（open）对地区绿色技术创新具有促进作用，但不显著；产业结构（ind2）与地区绿色技术创新显著正相关，这可能是因为在各地区严格的环境规制下，我国第二产业不是简单粗放式发展，已逐渐关注绿色技术创新；城镇化水平（urb）对绿色技术创新的影响显著为正，表明城镇化促使技术和人力资本集聚，有利于地区绿色技术创新；财政科技支出（tec）对绿色技术创新的影响显著为正，说明财政科技支出的增加有利于科研投入的增加，这会进一步促进地区绿色技术创新。

（三）稳健性检验

为了进一步检验回归估计结果的稳健性，改变被解释变量绿色技术创新的计算方法对模型（2）和（3）重新估计。首先选取绿色技术授权总量（pats）作为衡量地区绿色技术创新水平的代理变量。同时借鉴李香菊和贺娜的研究，用能源消费量占新产品销售收入比重（gti）作为绿色技术创新的代表变量^[27]，指标越低，反映地区绿色技术创新能力越高；由于能源消费量仅统计到2017年，因此，选择的样本数据时间为2008—2017年。估计结果见表5。结果表明，绿色信贷的增加显著促进了地区绿色技术创新水平的提升。这一结论与基准实证结果保持了良好的一致性，从而增强了基准实证结论的说服力。

六、进一步分析

（一）异质性分析

绿色专利包括绿色发明专利、绿色实用新型专利以及绿色外观设计专利。从实质性创新程度来看，绿色发明专利最高，绿色实用新型专利次之，而绿色外观设计专利最差。根据黎文靖和郑曼妮的分析，绿色发明专利为实质性创新，绿色实用新型专利和绿色外观设计专利则均为策略性创新^[28]。为了进一步检验上文的研究结论是否取决于创新的水平，将绿色专利分为绿色发明专利（实质性创新）（inv）和绿色实用新型专利（策略性创新）（use）两个样本分别进行回归分析，结果见表6。可以看出，绿色信贷对绿色技术创新的效应取决于绿色专利的类型，绿色信贷对绿色发明专利存在显著的促进作用，而对绿色实用新型专利的影响并未通过显著性检验。这说明绿色信贷主要促进了绿色发明专利的增加。可能的解释是：绿色信贷严格的信贷方向将会引导资金流向绿色行业，同时倒逼高污染行业技术改造，如果企业较多地将资金投入实用新型专利研究，这会导致企业绿色专利数量的增加，但并不能真正地提高其研发能力，进而有可能促使企业面临实质性创新能力下降，无法持续获得绿色贷款。

（二）中介效应分析

为了进一步检验假说2，即绿色信贷通过地区研发投入促进绿色技术创新，借鉴温忠麟和叶宝娟^[29]，第一步构建模型（5）-（6），探究绿色信贷与地区研发投入是否存在显著关系，然后将中介变量地区研发投入（rd）放入模型（2），得到模型（7），进而验证绿色信贷是否通过地区研发投入进一步促进了绿色技术创新。

rd_it=θ₁loan_it+θ₂con_it+μ_i+ξ_t+ε_it （5）

ε_it=λwε_it+v_it （6）

pat_it=λ₁loan_it+λ₂rd_it+λ₃con_it+μ_i+ξ_t+ε_it （7）

ε_it=λwε_it+v_it （8）

采用极大似然法（xsmle）对模型（5）-（8）进行估计，实证结果见表7。结果显示，在地理相邻矩阵（w₁）、地理距离矩阵（w₂）以及地理经济权重矩阵（w₃）下绿色信贷与地区研发投入均显著负相关，意味着绿色信贷越多，地区研发投入越多，加入绿色研发投入后，绿色信贷的系数依然显著为负，研发投入对绿色技术创新的影响显著为正。由此可以看出绿色信贷通过正向影响研发投入进而促进了地区绿色技术创新。

七、结论及建议

本文采用2008—2018年省级专利数据及其对应的经济数据，构建空间滞后模型研究绿色信贷对绿色技术创新的影响。在此基础上，分析绿色信贷与绿色专利类型之间的关系，探讨绿色信贷影响绿色技术创新的作用机理。研究表明：绿色信贷促进了绿色技术创新能力的提升；绿色信贷对绿色发明专利存在显著的促进作用，但对绿色实用新型专利的促进作用不显著；研发投入是绿色信贷促进绿色技术创新的主要作用机制。根据以上结论：得出以下政策启示：

绿色信贷政策对绿色技术创新已经产生了阶段性的效果，应当适时扩大绿色信贷的规模，继续严格控制信贷门槛，保持绿色信贷制度的持续性和稳定性。同时，不断创新绿色金融产品和业务，发挥绿色信贷与绿色风投、绿色保险、绿色债券等金融产品的合力，拓宽企业绿色技术创新的投融资渠道，减轻“两高一剩”企业的短期“阵疼”，确保绿色信贷政策长期目标的实现。

不断完善绿色信贷相关法律法规，健全风险防控体系。在加强地区之间、环保部门、银行和授信部门之间信息沟通的同时，完善企业绿色信贷披露制度，要求相关企业加强项目财务披露的同时，加大环境信息披露，减少信息不对称所带来的违约风险。鼓励金融机构和政府在《绿色信贷实施情况关键评价指标》的基础上，进一步完善绿色信贷实施评估机制，综合考虑地区、企业的异质性，制定更为合理且具体的考核指标。

各级政府要更为灵活地运用各种政策工具引导企业实施绿色技术创新。绿色信贷政策对重污染型企业带来的短期信贷融资约束，可能会抑制企业的创新投入，为了防止这种“误伤”，地方政府可通过适时扩大环保财政支出等财、税、费政策弥补企业开展绿色技术创新的成本支出，激发企业的积极性。需要强调的是，政府在制定企业激励政策时，应根据创新行为的难度、深度和潜在价值进行细化，建立动态调整机制，对技术含量高的研发项目，视进度不断加大支持力度，对技术含量较低的创新企业，在后期补助时适时调高获选标准，推动企业实质性创新。

注释：

①十九届五中全会公报要点，http：//cpc.people.com.cn/n1/2020/1029/c164113-31911575.html。

②央行：中国绿色金融发展取得显著成效，http：//bj.people.com.cn/big5/n2/2020/1211/c82839-34467820.html。

参考文献：

[1]丁宁，任亦侬，左颖.绿色信贷政策得不偿失还是得偿所愿？基于资源配置视角的PSM-DID成本效率分析[J].金融研究，2020（4）：112-130.

[2]高晓燕，高歌.绿色信贷规模与商业银行竞争力的关系探究[J].经济问题，2018（7）：15-21.

[3]刘婧宇，夏炎，林师模，等.基于金融CGE模型的中国绿色信贷政策短中长期影响分析[J].中国管理科学，2015，23（4）：46-52.

[4]陈琪.中国绿色信贷政策落实了吗？基于“两高一剩”企业贷款规模和成本的分析[J].当代财经，2019，412（3）：118-129.

[5]牛海鹏，张夏羿，张平淡.我国绿色金融政策的制度变迁与效果评价：以绿色信贷的实证研究为例[J].管理评论，2020，32（8）：3-12.

[6]苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融资行为？[J].金融研究，2018，462（12）：123-137.

[7]刘强，王伟楠，陈恒宇.《绿色信贷指引》实施对重污染企业创新绩效的影响研究[J].科研管理，2020，41（11）：100-112.

[8]谢婷婷，刘锦华.绿色信贷如何影响中国绿色经济增长？[J].中国人口·资源与环境，2019，29（9）：83-90.

[9]徐胜，赵欣欣，姚双.绿色信贷对产业结构升级的影响效应分析[J].上海财经大学学报，2018，20（2）：59-72.

[10]李毓，胡海亚，李浩.绿色信贷对中国产业结构升级影响的实证分析：基于中国省级面板数据[J].经济问题，2020（1）：37-43.

[11]刘海英，王殿武，尚晶.绿色信贷是否有助于促进经济可持续增长：基于绿色低碳技术进步视角[J].吉林大学社会科学学报，2020，60（3）：96-105+237.

[12]PORTER M E，VAN DER LINDE C.Toward a new conception of the environment-competitiveness relationship[J].Journal of Economic Perspectives，1995，9（4）：97-118.

[13]LANJOUW J O，MODY A.Innovation and the international diffusion of environmentally responsive technology[J]. Research Policy，1996，25（4）：549-571.

[14]DEBNATH S C. Environmental regulations become restriction or a cause for innovation：A case study of Toyota Prius and Nissan Leaf[J].Procedia-Social and Behavioral Sciences，2015（195）：324-333.

[15]SEN S. Corporate governance，environmental regulations，and technological change[J]. European Economic Review，2015，80（11）：36-61.

[16]原毅军，陈喆.环境规制、绿色技术创新与中国制造业转型升级[J].科学学研究，2019，37（10）：1902-1911.

[17]RAMANATHAN R，HE Q，BLACK A，et al.Environmental regulations，innovation and firm performance：A revisit of the Porter hypothesis[J]. Journal of Cleaner Production，2017，155（2）：79-92.

[18]张成，陆旸，郭路，等.环境规制强度和生产技术进步[J].经济研究，2011，46（2）：113-124.

[19]王珍愚，曹瑜，林善浪.环境规制对企业绿色技术创新的影响特征与异质性：基于中国上市公司绿色专利数据[J/OL].科学学研究：1-22[2021-01-18]. https：//doi.org/10.16192/j.cnki.1003-2053.20200916.001.

[20]刘斌斌，严武，黄小勇.信贷错配对我国绿色技术创新的影响分析：基于地区环境规制差异的视角[J].当代财经，2019，418（9）：62-73.

[21]何凌云，梁宵，杨晓蕾，等.绿色信贷能促进环保企业技术创新吗[J].金融经济学研究，2019，34（5）：109-121.

[22]韩科振.绿色金融发展与绿色技术创新效率关系研究：基于空间溢出视角的实证分析[J].价格理论与实践，2020（4）：144-147+178.

[23]李青原，肖泽华.异质性环境规制工具与企业绿色创新激励：来自上市企业绿色专利的证据[J].经济研究，2020，55（9）：192-208.

[24]赵娜，李香菊.税收竞争与地区环保财政支出：传导机制及其检验[J].财经理论与实践，2019，40（4）：95-100.

[25]余泳泽，张少辉.城市房价、限购政策与技术创新[J].中国工业经济，2017（6）：98-116.

[26]王班班，齐绍洲.市场型和命令型政策工具的节能减排技术创新效应：基于中国工业行业专利数据的实证[J].中国工业经济，2016（6）：91-108.

[27]李香菊，贺娜.地区竞争下环境税对企业绿色技术创新的影响研究[J].中国人口·资源与环境，2018，28（9）：73-81.

[28]黎文靖，郑曼妮.实质性创新还是策略性创新？宏观产业政策对微观企业创新的影响[J].经济研究，2016，51（4）：60-73.

[29]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

作者简介：赵娜，博士，西安外国语大学人文社会科学研究中心经济学副教授，西安外国语大学经济金融学院硕士研究生导师，研究方向：绿色金融政策。