3．2科技金融发展指数
根据曹颢(2011)关于科技金融发展的测量办法，运用算数平均法确定权重，测算出30个省份的科技金融发展指数。科技金融发展指数包括四部分：科技金融资源指数，包括科技人力资源和研发机构资源两方面；科技金融经费指数，包括财政科技拨款和研发活动经费支出两方面；科技金融产出指数，考察科技成果产出和扩散的效率,包括技术市场成交额、专利申请授权量和高技术产业出口额；科技技金融贷款指数,主要指金融机构科技贷款额与研发经费支出之比。数据来源于历年的《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》以及Wind金融数据库。
3．3产业结构升级
产业结构升级的特征是经济重心由第一产业向第二、第三产业转移。产业结构水平的高低应该综合第二产业和第三产业占比，考虑到我国区域发展不平衡的事实，根据塞尔奎因和钱纳里“第三产业占比应该更高”的观点，采用金艳清的方法来测度各省份的产业结构升级水平：各省产业结构升级水平=各省第二产业占比×0．4+各省第三产业占比×0．6。
3．4其他控制变量
控制某些可能影响区域生态效率的其他因素。首先，环境污染治理会改善生态环境，用工业污染治理投资表示各地区的环境污染治理力度。其次，居民环保意识的增强对生态环境有一定影响，用人均教育年限表示环保意识强度。最后，扩大造林面积也对生态效率有影响。
4 模型设定
通过建立静态面板模型，以生态效率水平为因变量，科技金融发展指数和产业结构水平为自变量，同时控制其他变量，探究科技金融、产业结构对生态效率的影响作用。若Hausman检验结果不显著，则表明随机效应方法较为合适,反之，则选择固定效应模型。基本模型设定如下：
lnEcoit=γit+β1lnTfin+β2lnStyit+β3lnEniit+β4lnTreit+β5lnEduit+μit
其中，Eco是被解释变量，表示各地区生态效率水平的对数，Tfin表示科技金融发展指数，用于衡量科技金融发展水平，Str表示各地区产业结构水平。其他控制变量，Eni表示各地区工业污染治理投资,Tre表示各地区造林面积，Edu表示人均教育年限。下标i和t分别表示省份和年份。
5 实证分析
首先，对主要变量进行了单位根检验，以防止虚假回归。通过单位根检验发现，原始变量大多是不平稳序列，而在一阶差分处理后,所有序列都通过了检验,均为一阶平稳序列,可以继续进行实证分析。然后，分别采用混合回归、固定效应和随机效应三种静态面板回归模型对数据进行回归。并进行了Hausman检验，P=0．7485，检验结果不显著，表明随机效应模型更为合适。三种模型回归结果见下表。
由混合回归模型、固定效应模型和随机效应模型的估计系数，可以看出，各省域的科技金融发展对生态效率表现出明显的正向促进作用。随机效应回归结果表明，产业结构升级有利于提高生态效率，影响系数为0．9531，且通过了1%的显著性检验，表明产业结构升级程度每提高1%，生态效率水平会提升约0．95%。科技金融发展指数对生态效率的影响系数为0．1389，估计系数通过1%的显著性检验，表明科技金融发展水平每提高1%，生态效率提升约0．14%。这说明现阶段生态效率的提升主要从产业结构升级方面出发，通过提升科技金融发展水平促进产业结构升级进而提升生态效率。同时，工业污染治理、造林面积和人均教育年限的估计系数均为正，说明加强工业污染治理力度、扩大造林面积、提高人力资本、增强全民环保意识也有益于生态效率的改善与提升。