第二节 政策建议 .............................. 48
第四章 实证分析与检验
第一节 变量说明与描述性统计
一、变量说明
本文的研究样本为长江经济带110个地级市在2011-2021年间的面板数据集，同时，基于长江经济带各地级市数据的可得性，并结合既有研究的变量测度和选取方法，变量说明如下所示：
（一）被解释变量
本文实证研究的被解释变量为绿色全要素生产率（GTFP），通过选取相应的投入和产出指标，并运用SBM-GML方法综合测度得出。
（二）解释变量
本文的解释变量为金融科技指数（TECH），首先选取当下金融科技领域中的前沿和热门关键词，其次通过Python爬虫技术在经济新闻和金融网站之中获取长江经济带各地级市出现相应关键词的频率，并进行量化取对数值，最终可综合测度出各地级市的金融科技指数。
（三）控制变量
绿色全要素生产率在现实之中会受到诸多外在因素的影响，为最大限度减少其他因素对本文核心变量与绿色全要素生产率实证结果的影响，需要对部分影响因素进行控制，借鉴相关研究的选取方法，最终选取如下控制变量：
（1）经济发展水平（GDP）。经济发展包括经济速度的增长和经济发展方式转变两个层面。经济增速的提升会扩充经济总量，但粗放式的发展方式会降低绿色全要素生产率，所以需要转变经济发展方式，提升经济发展质量，从而推动绿色全要素生产率的提升。该变量采用各地级市人均GDP的对数值予以衡量，数据来源为EPS数据平台。
（2）政府财政支出水平（GOV）。政府的财政支出和市场购买行为在经济体系中占据重要位置，政府财政大力对绿色项目进行投资支出会带动当地绿色全要素生产率的提高。该变量采用政府财政支出额占城市GDP的比值予以衡量，数据来源为EPS数据平台。
第五章 研究结论与政策建议
第一节 研究结论
推进绿色生产方式为长江经济带战略的重要组成部分，而支持和发展金融科技为提升区域绿色全要素生产率的关键途径。本文首先通过理论分析金融科技提升绿色全要素生产率的直接途径，并提出研究假设，其次选用2011-2021年长江经济带110个地级市的面板数据，分别运用SBM-GML方法和文本分析法测度长江经济带各地市的绿色全要素生产率水平和金融科技指数，建立面板空间杜宾模型和门槛效应模型进行实证分析。进一步，在基准回归分析的基础上，本文以不同标准将长江经济带划分为不同区域，以深入研究金融科技对长江经济带绿色全要素生产率的异质性作用，同时以绿色金融、金融发展、科技进步为调节变量，分析金融科技影响绿色全要素生产率的中间调节要素，并区别分析了不同绿色金融结构的差异化调节效应。最后，基于前文理论分析，将环境规制强度和政府财绿色政支出水平设定为门槛变量，并运用门槛效应模型分析得出在环境规制和政府绿色财政的外在影响下，金融科技对长江经济带绿色全要素生产率的阶段性影响特征。基于文章研究思路和逻辑，通过理论分析和实证检验，本文的研究结论如下：
（1）金融科技对长江经济带绿色全要素生产率具有正向的空间溢出效应。
具体分析可得，长江经济带地区金融科技的发展不仅会提升本地区的绿色全要素生产率水平，也会对邻近地区产生带动作用。
金融科技凭借其信息技术和即时的数字化手段，可以突破时间和空间的限制，从供给和需求两端为生产者和消费者提供精准对接的平台，并提升生产资料的配送效率，有利于资源的优化配置，有效缓解了信息不对称；同时金融科技扩宽了传统金融的服务领域，尤其为绿色技术相关企业提供了融资渠道，进而有利于绿色项目和绿色产业的建设，从而推动了当地城市的产业结构升级和绿色全要素生产率提升。另一方面，金融科技有利于经济金融资源的集散和分配，金融经济发展较好的地区会通过金融科技这一途径逐步将自身优质资源和产业模式转移辐射至邻近地区，从而对邻近地区产生了正向的空间溢出作用。
参考文献（略）
