引言

改革开放以来，我国经济高速发展、经济体量稳居世界前列，但也伴随资源消耗加剧、水土与大气污染等一些生态环境问题。2024年中共中央、国务院印发《关于加快经济社会发展全面绿色转型的意见》，明确将绿色低碳技术列为重点研发方向，扶持企业绿色技术创新平台建设，完善绿色技术成果转化体系。绿色创新不仅能够提高企业资源利用效率和环境治理水平，降低能源消耗和污染排放成本，还能够增强企业市场竞争优势和持续盈利能力，促进企业绩效提升，逐渐成为推动企业转型升级和经济高质量发展的核心动力。区别于传统创新，绿色创新具有高投入、高风险、长周期的特点，普遍面临资金供给不足的困境。在此背景下，破解企业绿色创新约束成为亟待解决的关键问题。

金融体系是现代经济运行的核心，在资源配置、风险分散和技术创新赋能等方面至关重要。金融活动具备鲜明的空间地理属性，区域间金融资源分布差异显著。金融集聚是指银行、证券、保险等金融资源在特定区域内集中分布的经济现象，其本质是金融资源在空间上的集聚与优化配置。已有研究表明，金融集聚有助于提升金融市场效率、降低融资成本，并促进区域经济增长和产业结构升级。因此，在绿色发展背景下，研究金融集聚是否以及如何影响企业绿色创新，具有重要的理论意义和现实价值。

梳理现有相关文献可以发现，在微观企业层面，已有研究多聚焦于金融集聚对企业数字化转型、研发投入、金融化和出口行为等方面的影响，较少从金融机构空间集聚的角度分析其对企业绿色创新的作用机制。基于此，本文选取2014-2024年中国A股上市公司数据，利用上市公司周边金融机构数量衡量金融集聚水平，考察微观层面上金融集聚对企业绿色创新的影响及其机制。与此同时，本文还从区位特征、企业特征等多个维度研究了金融集聚对企业绿色创新的差异化影响，丰富并细化了相关研究结论。

一、理论分析与研究假设

（一）金融集聚对企业绿色创新的直接影响

绿色创新是企业以降低环境污染、提高资源利用效率和实现可持续发展为目标开展的创新活动。与传统创新相比，绿色创新不仅需要较大的研发投入，而且面临更高的技术风险和市场不确定性，其创新成果往往具有较强的正外部性。绿色创新活动的顺利开展不仅依赖于企业自身资源禀赋，还受到外部金融环境的影响。

作为现代经济运行的重要组成部分，金融体系承担着资源配置、风险分散和信息传递等重要功能。King和Levine指出，金融发展能够通过改善资本配置效率和促进技术进行推动经济增长，金融体系的发展能够为创新主体提供必要的资金支持和风险分担机制，从而促进创新活动的开展。根据集聚经济理论，金融机构在空间上的集中分布能够形成规模经济效应、知识溢出效应以及竞争效应，从而提高区域金融资源配置效率。首先，金融机构集聚有利于扩大区域金融资源供给规模，企业的融资渠道更加丰富，资金获取能力得到提升，为绿色创新活动提供持续稳定的资金保障。其次，金融机构之间的竞争程度也会随之增强，为了争夺优质客户资源，金融机构会不断优化信贷审批流程、创新金融产品并提高服务质量，企业融资成本的降低有助于提升其绿色创新投资意愿，企业将更多的资源投入绿色技术研发和绿色专利产出。基于以上分析，本文提出如下研究假说：

H1：金融集聚能够促进企业绿色创新。

（二）金融集聚影响企业绿色创新的作用机制

绿色创新具有提升企业竞争力和促进可持续发展的重要价值，但其开展过程往往受到融资约束的制约。根据优序融资理论，由于企业内部资金成本低于外部融资成本，企业通常优先使用内部资金开展投资活动。然而，绿色创新具有投资规模大、研发周期长和收益不确定性高等特征，仅依靠内部资金难以满足其持续投入需求，因此企业必须依赖外部融资支持。同时，绿色创新项目普遍存在技术复杂、价值评估困难以及未来收益不确定等特点，金融机构难以准确判断其真实价值。在风险规避动机驱动下，金融机构更倾向于具有稳定现金流和充足抵押资产的项目提供融资，而对绿色创新项目持相对谨慎态度，导致企业绿色创新面临较为严重的融资约束。

金融集聚为缓解企业融资约束提供了重要条件。一方面，金融机构集聚能够提高区域金融资源供给水平。当企业周围金融机构数量增加时，企业能够接触到更多潜在资金供给者，融资机会相应增加，融资可得性提高，其资金短缺问题得到缓解。另一方面，金融机构的集聚增强了金融市场竞争，金融机构为了获取优质客户资源，会主动降低融资门槛并提高信贷供给意愿，绿色金融产品和服务更加丰富，企业获得绿色金融支持的可能性也更高，提高企业绿色研发投入水平。融资约束的缓解又为企业开展绿色创新提供必要资金支持，从而促进绿色创新水平提升。基于以上分析，本文提出如下研究假设：

H2：金融集聚通过缓解企业融资约束促进企业绿色创新。

除融资约束外，信息不对称也是影响企业绿色创新的重要因素。Akerlof的信息不对称理论指出，当交易双方掌握的信息存在差异时，市场容易出现逆向选择和道德风险问题。在企业融资过程中，相较于一般创新活动，金融机构往往难以全面获取相关信息，绿色创新的信息不对称问题更为突出。

金融集聚能够有效改善企业面临的信息环境。根据关系型融资理论，地理邻近性有助于金融机构获取企业“软信息”。当金融机构集中分布于企业周边时，金融机构能够更加低成本地开展实地调查和持续跟踪，深入了解企业经营状况、创新能力以及绿色项目进展情况，提高信息获取效率。与此同时，金融机构集聚还能够促进信息共享和知识交流。大量金融机构在企业周围集聚，有助于形成信息传播网络和知识溢出机制。金融机构能够更加准确地识别优质绿色创新项目，降低信息搜寻成本和项目评估成本。此外，金融机构集聚还能够增强市场监督作用，通过贷前审查、贷中监督和贷后管理提高企业信息透明度，减少机会主义行为。信息不对称程度降低后，金融机构对企业绿色创新项目的识别能力和风险评估能力将显著提高，从而增强其融资支持意愿。同时，企业由于信息透明度提升，也更容易获得外部投资者和金融机构认可，进一步改善创新环境。基于以上分析，本文提出如下研究假设：

H3：金融集聚通过改善信息不对称促进企业绿色创新。

二、研究设计

（一）模型设定

为考察金融集聚对企业绿色创新的影响，本文构建如下计量模型：

其中，下标i表示企业，t表示年份。GI_i,t为企业i在t年的绿色创新水平；Fin_agg_i,t代表金融集聚水平，即在t年企业i周围的金融机构数量；Controls代表其他控制变量；Ind_i代表行业固定效应；Year_t代表年份固定效应；为误差项。

（二）变量选取

1. 被解释变量：企业绿色创新水平（Gin）

本文参考徐佳和崔静波的研究，将上市公司绿色专利申请整体数据作为被解释变量，衡量企业的绿色创新水平（Gin）。

2. 解释变量：金融集聚（Fin_agg）

本文参考李志生等的测算方法，以企业周边金融机构数量作为衡量指标来刻画金融集聚水平。以企业为圆心，分别在5km、10km、15km、20km为半径的圆域内统计相应的金融机构数目并加一取对数，得到企业-时间层面度量的金融集聚指标。

3. 控制变量

借鉴王馨和王营、李青原和肖泽华的研究，选取控制变量如下：员工规模（Employee）、资本结构（Lev）、净资产收益率（Roe）、现金流比率（Cashflow）、两职合一（Dual）、企业成长性（Growth）、第一大股东持股比例（Top1）、成立年限（FirmAge）。

（三）样本与数据来源

本文选取了2014-2024年国内A股上市企业作为实证样本，公司层面的数据主要来自国泰安数据库（CSMAR）和中华人民共和国国家知识产权局，金融机构地理位置数据来源于国家金融监督管理总局和中国人民银行提供的金融机构许可证信息，地区层面的数据来源于国家统计局和《中国城市统计年鉴》。将上述数据匹配后，本文按照以下标准对样本进行处理：（1）剔除金融类上市企业；（2）剔除非正常交易上市公司（包括ST、ST*以及PT）；（3）剔除企业经营异常的样本；（4）剔除原始数据缺失严重的样本；（5）对所有连续变量在样本区间内进行两端缩尾1%的处理，最终得到34933个观测值。

（四）描述性统计分析

本文主要变量的描述性统计如表1所示。

变量名	观测值	均值	标准差	最小值	最大值
Fin_agg_5	34933	4.5090	1.382	1.0986	6.9324
Fin_agg_10	34933	5.6738	1.240	2.5649	7.8660
Fin_agg_15	34933	6.2846	1.144	3.3322	8.2377
Fin_agg_20	34933	6.6563	1.083	3.7377	8.4007
Gin	34933	0.9831	1.262	0.0000	7.4472
Employee	34933	7.6235	1.246	4.9273	11.1353
Lev	34933	0.3920	0.194	0.0538	0.8450
Roe	34933	0.0938	0.069	0.0036	0.3642
Cashflow	34933	0.0547	0.065	-0.1326	0.2466
Dual	34933	0.3179	0.466	0.0000	1.0000
Growth	34933	0.1642	0.355	-0.4605	2.1347
Top1	34933	0.3400	0.147	0.0845	0.7435
FirmAge	34933	3.0031	0.308	2.0794	3.6376

三、实证分析

（一）基准回归分析

表2为金融集聚对企业绿色创新影响的基本回归结果分析。结果显示上市公司10公里范围内金融集聚（Fin_agg_10）的估计系数始终在1%的水平上显著为正，验证了本文的假说H1。

	(1)	(2)	(3)	(4)
变量	Gin	Gin	Gin	Gin
Fin_agg_10	0.1109***	0.1409***	0.0632***	0.0879***
	(8.1068)	(10.5739)	(5.6464)	(8.2901)
Employee			0.3840***	0.4179***
			(23.1307)	(29.1447)
Lev			0.6848***	0.5347***
			(8.8280)	(7.3181)
Roe			0.4210**	0.2948**
			(2.2743)	(1.9772)
Cashflow			-1.0209***	-0.5933***
			(-6.7160)	(-4.6083)
Dual			-0.0240	-0.0538**
			(-0.9155)	(-2.3855)
Growth			0.0023	-0.0002
			(0.1178)	(-0.0120)
Top1			-0.1608	0.1250
			(-1.5199)	(1.4121)
FirmAge			-0.0821*	-0.0561
			(-1.7377)	(-1.2507)
Constant	0.3541***	0.1836**	-2.2469***	-2.7635***
	(4.8029)	(2.4960)	(-12.2986)	(-17.0781)
行业固定效应	NO	YES	NO	YES
时间固定效应	NO	YES	NO	YES
N	34,933	34,932	34,933	34,932
R2	0.012	0.209	0.196	0.389

注：***、**和*分别表示在1%、5%和10%水平上显著，括号中的数值为企业层面聚类稳健标准误，下表同。

（二）稳健性检验

1. 更换被解释变量

本文采用上市企业绿色专利申请数量占比（EnvrPatRatio），作为企业绿色创新的替换变量，回归结果如表3列（1）所示，回归结果显著为正，说明金融集聚对企业绿色创新的推动作用在前文的实证检验中依然稳健。

2. 更换核心解释变量

本文将企业5km、15km、20km范围内的金融集聚水平作为解释变量分别进行回归分析，回归结果如表3的列（2）-（4）所示。可以发现，Fin_agg_5、Fin_agg_15、Fin_agg_20的估计系数均在1%的水平下显著为正，说明金融集聚能够显著促进企业绿色创新，这与本文的核心结论依然是契合的。

变量	(1)	(2)	(3)	(4)
	更换被解释变量	更换核心解释变量
	EnvrPatRatio	Gin	Gin	Gin
Fin_agg_10	0.0040***
	(3.4385)
Fin_agg_5		0.0669***
		(7.1553)
Fin_agg_15			0.1062***
			(9.2651)
Fin_agg_20				0.1121***
				(9.1944)
Constant	0.0412**	-2.5661***	-2.9495***	-3.0619***
	(2.3388)	(-16.3350)	(-17.6860)	(-17.8748)
控制变量	YES	YES	YES	YES
行业固定效应	YES	YES	YES	YES
时间固定效应	YES	YES	YES	YES
N	34,932	34,932	34,932	34,932
R2	0.170	0.388	0.391	0.391

（三）内生性检验

1. 工具变量法

本文采用工具变量处理潜在的内生性问题，选取除本市以外其他地级市金融集聚的平均水平（IV）作为工具变量。表4中列（1）第一阶段的结果显示，工具变量（IV）的系数在1%水平上显著为正，说明工具变量与内生变量显著相关，列（2）第二阶段回归结果显示，Fin_agg_10的回归系数在1%的水平上均显著为正，且通过了弱工具变量检验。因此，在排除了可能的内生性干扰后，本文的研究结果仍然可靠。

变量	(1)	(2)
	第一阶段	第二阶段
IV	0.6287***
	(30.3518)
Fin_agg_10		0.1459***
		(5.3510)
控制变量	YES	YES
行业固定效应	YES	YES
时间固定效应	YES	YES
K-P Wald F统计量	921.2
C-D F统计量	6877
N	33,510	33,510
R2		0.242

（四）机制检验

1. 融资约束

本文采用FC指数衡量融资约束，考察金融集集聚对企业绿色创新水平的传导机制，回归结果如表5列（1）所示，企业周围金融集聚能够有效缓解企业所面临的融资约束（Fin_agg_10的回归系数为-0.0149且通过了1%的统计显著性检验），且在第（2）列中，金融集聚（Fin_agg_10）的系数在1%的水平上显著为正，融资约束（FC）的系数在1%的水平上显著为负，验证了本文的假说H2，金融集聚通过缓解企业融资约束促进企业绿色创新。

2. 信息不对称

本文参考宋敏等（2021）和于蔚等（2012）的构建方法，构建信息不对称综合指标（ASY）。回归结果如表5列（2）所示，企业周围金融集聚能够有效降低信息不对称（Fin_agg_10的回归系数为-0.0327且通过了1%的统计显著性检验），且在第（4）列中，金融集聚（Fin_agg_10）的系数在1%的水平上显著为正，信息不对称（ASY）的系数在1%的水平上显著为负，验证了本文的假说H2，金融集聚通过改善信息不对称促进企业绿色创新。

变量	(1)	(2)	(3)	(4)
	融资约束		信息不对称
	FC指数	Gin	ASY	Gin
Fin_agg_10	-0.0149***	0.0722***	-0.0327***	0.0755***
	(-8.0960)	(6.8698)	(-7.4495)	(7.2664)
FC		-1.0248***
		(-16.7412)
ASY				-0.3716***
				(-16.8241)
Constant	1.8341***	-0.8859***	1.7482***	-2.1065***
	(73.8328)	(-4.7256)	(26.9247)	(-13.4296)
控制变量	YES	YES	YES	YES
行业固定效应	YES	YES	YES	YES
时间固定效应	YES	YES	YES	YES
N	34,501	34,501	34,791	34,791
R2	0.674	0.408	0.399	0.408

（五）异质性分析

1. 地区异质性

各个地区的经济发展程度不同，对企业各项活动所产生的约束能力不同，对企业绿色创新也会产生不同的影响。本文按照企业所在的城市分为东部、中部、西部进行分组回归，回归结果如表6所示。东部地区和西部地区的企业周边金融集聚对其绿色创新的回归系数都在1%的水平上显著为正，但东部地区的回归系数大于西部地区；中部地区的企业周边金融集聚对其绿色创新的回归系数都在5%的水平上显著为正。回归结果说明，金融集聚对企业绿色创新的影响存在地区差异性。

2. 产权异质性

本文将企业按照产权性质不同，分为国有企业和非国有企业进行异质性检验，回归结果如表6列（4）和列（5）所示，国有企业和非国有企业的回归系数均在1%的水平上显著为正，但国有企业组别的回归系数明显大于非国有企业组别，这表明，企业周边金融集聚对国有企业的绿色创新有着更为突出的驱动效果。

变量	(1)	(2)	(3)	(4)	(5)
	东部	中部	西部	国有企业	非国有企业
	Gin	Gin	Gin	Gin	Gin
Fin_agg_10	0.0932***	0.0547**	0.0789***	0.1146***	0.0475***
	(6.9508)	(2.1193)	(3.2752)	(5.5279)	(4.2990)
Constant	-2.7279***	-3.4105***	-2.6628***	-2.7773***	-2.0353***
	(-14.2912)	(-7.0002)	(-6.1385)	(-7.4461)	(-11.4406)
控制变量	YES	YES	YES	YES	YES
行业固定效应	YES	YES	YES	YES	YES
时间固定效应	YES	YES	YES	YES	YES
N	24,723	4,716	4,223	9,994	22,676
R2	0.415	0.400	0.387	0.480	0.335

四、研究结论与政策建议

本文基于2014—2024年中国A股上市公司微观数据，实证检验了金融集聚对企业绿色创新的影响。研究发现，金融集聚能够显著提升企业绿色创新水平，且该结果通过了稳健性与内生性检验。机制分析表明，金融集聚可通过缓解企业融资约束、降低银企信息不对称，赋能企业绿色创新。异质性检验显示，金融集聚的绿色创新促进效应在东部地区和国有企业中更为显著。基于此，本文提出三点建议：一是优化金融机构空间布局，引导金融资源精准集聚，夯实区域绿色创新金融支撑；二是完善绿色金融信息平台与信用体系，创新绿色金融产品，拓宽企业绿色创新融资渠道；三是推行差异化施策，扶持中西部金融发展，依托风险补偿、担保增信等方式降低中小主体融资门槛，充分释放金融集聚的绿色创新驱动价值。

参考文献：

1. [1] 黄晓杏,胡振鹏,傅春,等.绿色创新战略对企业绩效的影响机理——基于绿色动态能力的中介效应[J].科技进步与对策,2015,32(17):104-109.
2. [2] 薛捷.“技术-市场”双重能力对绿色企业创新绩效的影响——以绿色探索和绿色利用为中介变量[J].华南师范大学学报(社会科学版),2017(03):50-57+190.
3. [3] Weng H H, Chen J S, Chen P C. Effects of green innovation on environmental and corporate performance: A stakeholder perspective[J]. Sustainability, 2015, 7(05):4997-5026.
4. [4] 李林,丁艺,刘志华.金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究,2011(05):113-123.
5. [5] 于斌斌.金融集聚促进了产业结构升级吗:空间溢出的视角——基于中国城市动态空间面板模型的分析[J].国际金融研究,2017(02):12-23.
6. [6] 李红,王彦晓.金融集聚、空间溢出与城市经济增长——基于中国286个城市空间面板杜宾模型的经验研究[J].国际金融研究,2014(02):89-96.
7. [7] 李华民,崔皓,吴非.金融集聚促进了企业数字化转型吗——基于企业年报文本大数据分析的经验证据[J].南方经济,2022(12):60-81.
8. [8] Li Y, Jian Z. Effect of agglomeration on firms’ research and development investment: a U‐shaped relationship[J]. R&D Management, 2023, 53(01): 58-70.
9. [9] Chen L, Zhang C. The impact of financial agglomeration on corporate financialization: The moderating role of financial risk in Chinese listed manufacturing enterprises[J]. Finance research letters, 2023, 58: 104655.
10. [10] 刘志强,王慧晴,温颖.金融集聚、制度质量对企业出口行为的影响研究[J].金融评论,2022,14(03):102-123+126.
11. [11] King R G, Levine R. Finance, entrepreneurship and growth[J]. Journal of monetary economics, 1993, 32(03): 513-542.
12. [12] Aghion P, Howitt P, Mayer-Foulkes D. The effect of financial development on convergence: Theory and evidence[J]. The quarterly journal of economics, 2005, 120(01): 173-222.
13. [13] Marshall A. Principles of Economics: An Introductory Volume[M]. 8th ed. London: Macmillan and Co., Ltd.; Cambridge: Cambridge University Press, 1920.
14. [14] Myers S C, Majluf N S. Corporate financing and investment decisions when firms have information that investors do not have[J]. Journal of financial economics, 1984, 13(02): 187-221.
15. [15] Hall B H, Lerner J. The financing of R&D and innovation[M]//Handbook of the Economics of Innovation. North-Holland, 2010.
16. [16] Akerlof G A. The market for “lemons”: Quality uncertainty and the market mechanism[M]//Uncertainty in economics. Academic Press, 1978.
17. [17] Petersen M A, Rajan R G. Does distance still matter? The information revolution in small business lending[J]. The journal of finance, 2002, 57(06): 2533-2570.
18. [18] 徐佳,崔静波.低碳城市和企业绿色技术创新[J].中国工业经济,2020(12):178-196.
19. [19] 李志生,金凌,孔东民.分支机构空间分布、银行竞争与企业债务决策[J].经济研究,2020,55(10):141-158.
20. [20] 王馨,王营.绿色信贷政策增进绿色创新研究[J].管理世界,2021,37(06):173-188+11.
21. [21] 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(09):192-208.
22. [22] 宋敏,周鹏,司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角[J].中国工业经济,2021(04):138-155.
23. [23] 于蔚,金祥荣,钱彦敏.宏观冲击、融资约束与公司资本结构动态调整[J].世界经济,2012,35(03):24-47.