空间视角下金融创新、产业结构升级与碳排放的关系研究

杨筱茜，蔡林美，张金锁

(1.西安科技大学 管理学院，陕西 西安 710054；2.延安大学 经济与管理学院，陕西 延安 716000；3.西安科技大学 能源学院，陕西 西安 710054)

0 引 言

改革开放40多年以来，中国工业化进程不断加速，经济持续快速增长，但同时也付出了巨大的环境代价。2020年中国CO2排放量全球占比为30.7%[1]，面临的国际碳减排压力日渐增大。为有效应对全球气候变化问题、积极履行碳减排国际责任，习近平总书记在国际国内的重要会议上多次对碳达峰、碳中和的有关问题作出重点论述，并明确了中国在2030年前实现碳达峰、2060年前实现碳中和。显然，在“3060”背景下，如何降低碳排放量并最终实现碳中和是中国在今后40 a的重要奋斗目标。

“十三五”以来，中国第二产业占GDP的比重一直维持在接近40%的水平，煤炭消费占能源消费的比例近6成[2]。由此可见，产业结构偏重，能源结构偏煤，这正是导致CO2大量排放的最主要原因。因此，亟需在保持经济稳定增长的同时，加速降低煤炭、石油等高碳能源在能源结构中的占比，大幅增加可再生能源的使用，调整和优化产业结构，在此过程中，需要大量的资金、技术和人力等投入，这将会产生高昂的成本费用，金融则在其中发挥着重要的作用。一方面，金融业的自身发展具有规模效应，为企业扩大生产规模提供资金需求，刺激消费者对电器等耗能产品的使用，导致能耗增加和碳排放上升。另一方面，金融的不断创新可以将资金有效利用在绿色环保项目，促进地区的技术进步，从而提高能源的使用效率，引导能源结构不断优化，降低碳排放量。因此，是否可以有效借助金融产品、金融机构等金融创新手段带动产业结构绿色升级，从而降低碳排放量具有重要的现实意义。

有关金融创新与碳排放方面的文献大多是研究金融发展对碳排放的影响，并形成3类主要观点。第1类观点认为金融发展为技术进步和绿色创新提供资金来源，有助于降低碳排放量[3-4]。第2类观点认为金融发展扩大经济规模，在推动经济增长的同时促进碳排放[5-7]。第3类观点则认为金融发展对碳排放的影响是非线性或不确定的[8-9]。

学者们从不同角度和采用不同方法研究金融创新与产业结构升级二者关系。李媛媛等用中介效应模型从金融市场创新、金融机构创新和金融工具创新三方面研究发现金融创新会通过技术进步促进产业结构的升级[10]。焦妍妍等通过耦合模型得出金融创新与产业结构升级之间是相互促进的[11]。庞敏等研究金融创新的空间相关性，提出金融创新在促进当地产业结构升级的同时会抑制邻近地区的产业结构升级[12]。

多数学者认为产业结构升级是降低碳排放量的重要措施。曹丽斌等认为以工业为主的城市CO2排放量高，工业发展会促进碳排放[13]。王钊等研究发现产业结构升级有效抑制碳排放量[14]。少数学者构建产业结构升级与碳排放的空间面板模型，分析产业结构对本地区和邻近地区碳排放的影响，认为产业结构升级对碳减排还存在空间溢出效应，产业结构升级可以通过降低本地区和相邻地区的碳排放促进碳减排[15-16]。

综上，对于金融创新到底如何影响碳排放还未从实证方面得到研究，许多学者对金融创新与产业结构升级、产业结构升级与碳排放的关系进行研究，但鲜有基于中介效应探讨金融创新影响碳排放的作用路径，且在方法上运用空间计量分析的研究较少。因此，笔者以中国30个省份(不包括西藏以及港澳台地区)的面板数据为样本，在有效测度金融创新的基础上，利用空间杜宾模型探讨金融创新、产业结构升级与碳排放的关系，分析其可能存在的空间溢出效应，并结合中介效应模型来考察金融创新对碳排放的作用途径，为推动中国碳减排，实现“3060”目标提供有价值的参考。

1 理论分析与研究假设

1.1 金融创新对碳排放的影响

金融创新使用金融产品和机构创新、金融资源配置、金融市场创新等各种金融创新手段服务于实体经济。首先，金融产品和机构创新会推动碳交易、碳金融等进一步完善优化[17]，从而有效利用资本市场使资金向绿色低碳产业，改善融资结构，推进技术创新，进而达到节能减排的效果。其次，金融资源的有效配置会促进金融业不断发展，金融总体发展水平越高，资本市场越发达，企业的节能减排意愿会更强烈，更加倾向于通过节能减排等社会责任，维护公司形象。最后，金融市场创新水平的提高会减少交易双方的信息不对称，降低企业的融资成本，助推高污染企业等进行绿色技术创新，大力研发清洁技术，从能源生产端和消费端对碳排放量进行抑制[18]。这些方面都会对降低碳排放产生积极影响。为此，提出假设一：金融创新对碳排放呈抑制作用。

1.2 产业结构升级对碳排放的影响

一个地区的碳排放量与这个地区的工业化紧密相关，高污染的工业发展模式会导致环境恶化，产业结构升级则是产业进行优化的过程。三大产业的能源消费和碳排放情况差异较大，第一产业对能源的消费需求较低，主要涉及在化肥农药和农作设备等方面，碳排放量相对较少。以工业为主的第二产业对煤炭等能源的需求量大，产生的碳排放较多，表现出“双高”的特点。第三产业主要为服务业，碳排放量也较低，产业结构升级将会增大第三产业的比重，从生产端和消费端共同降低了能源的需求，进而降低碳排放。另外，产业结构的升级可以促进高新技术企业和服务业的发展，推动技术创新，改善能源消费结构[19]，增加清洁能源的研发和使用，还可以改善居民的消费和生活习惯，从而降低碳排放。为此，提出假设二：产业结构升级对碳排放呈抑制作用。

1.3 产业结构升级的中介传导作用

金融创新是低碳经济时代下支撑产业结构升级的关键动力，而产业结构升级会对地区的碳排放产生影响。一方面，金融创新优化金融资源配置，引导资金流向投资回报率高的高新技术产业，倒逼企业进行创新转型，推动科技进步，加快产业结构升级，进而可以带动区域的碳减排[20]。另一方面，从需求端来看，金融创新改变居民消费结构和消费需求，随着金融产品的不断创新，互联网金融等金融创新产物融入居民的生活当中，消费需求的多样化和消费结构的改变将会引起产业结构的调整，带动产业结构升级。另外，金融创新可以解决产业结构升级的融资问题，金融市场创新减少融资双方的信息不对称，降低企业的融资风险和成本，满足企业多元化融资需求，为产业结构升级提供一定的金融支持[10]。金融创新对产业结构升级具有促进作用，进而金融创新可以通过影响产业结构升级来对碳排放产生间接作用。为此，提出以下假设

假设三：金融创新对产业结构升级呈促进作用。

假设四：产业结构升级在金融创新影响碳排放过程中起中介作用。

2 模型设定与变量选取

2.1 模型设定

2.1.1 空间杜宾模型

现有研究表明，金融创新、产业结构升级以及碳排放均具有较强的空间相关性[12，15]，传统线性回归模型由于忽略其空间溢出效应可能会导致实证结果产生误差。因此，文中采用空间计量模型进行实证研究，空间计量模型包括空间滞后模型、空间误差模型和空间杜宾模型，空间滞后模型中包含自变量的空间滞后项，空间误差模型研究相邻地区因变量对该地区的影响，而空间杜宾模型则同时考虑自变量和因变量的空间相关性，优于其他模型。故文中选择空间杜宾模型进行实证研究，具体模型见式(1)

(1)

式中i为省份；t为年份；C为碳排放；F和I分别为金融创新和产业结构升级；β0～β3为估计系数；ρ1～ρ3和λ为空间滞后项回归系数；Xit为控制变量；wij为空间权重矩阵；ui为空间固定效应；εit为残差项。采用空间邻接权重矩阵，当省份i与省份j有共同边界，则wij=1，相反，则wij=0。

2.1.2 中介效应模型

为研究产业结构升级在金融创新与碳排放中的传导作用，借鉴BARON & KENNY[21]的方法构建如下中介效应模型

(2)

(3)

式中α0，α2，η0，η2为估计系数；π1～π3，θ1～θ3为空间滞后项回归系数；νi，ϑi为空间固定效应；ζit，τit为残差项。式(2)检验金融创新是否影响碳排放，式(3)检验是否存在产业结构升级的中介作用。

2.2 变量选取

2.2.1 被解释变量

中国碳排放主要来源于化石能源的消费，文中核算2008—2019年中国30个省份能源消费所产生的二氧化碳排放总量。参考吴振信的做法[22]，选取人均碳排放量作为被解释变量，人均碳排放量越高，说明碳排放污染越严重。由于碳排放量没有直接数据，采用IPCC给出的碳排放计算方法，选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8个主要能源品种对各地区的碳排放量进行估算，由于电力并不是一次能源，故未将电力计算在内。计算公式见式(4)

(4)

式中 CO2it为碳排放量；Eijt为第j种能源消费量；σj为标准煤折算系数；ρj为能源碳排放系数；44/12为碳乘数因子，k=(1，2，3，…，8)。

2.2.2 解释变量

目前，对金融创新的测度缺少统一的标准，主要通过单一变量或代理变量衡量金融创新。部分学者采用多指标分析法对金融创新进行衡量，主要包括主成分分析、因子分析、熵值法及DEA等方法。林毅夫指出金融创新要因地制宜，其在考虑金融产品、机构等创新的同时也要考虑各地区的自身金融发展水平[23]，文中借鉴林毅夫的观点，并参考已有研究及测度方法[24]，采用多指标分析法，从地区金融总体发展水平、金融市场创新、金融产品与机构创新和金融资源配置4个方面选取14个指标构建金融创新评价体系具体指标见表1，采用因子分析法对金融创新指标进行测算。

表1 金融创新综合评价指标

2.2.3 中介变量

借鉴徐德云的做法[25]，计算产业结构升级指数

Iit=Y1it×1+Y2it×2+Y3it×3

(5)

式中Y1it，Y2it，Y3it分别为t时期i地区第一、第二和第三产业占GDP的比重。

2.2.4 控制变量

为了模型的可靠性，借鉴张伟等的研究[26]，选取开放性水平、能源强度、城镇化水平、技术进步、经济增长水平以及环境规制作为控制变量(表2)。

表2 各变量的定性描述

2.3 数据来源

基于2008—2019年中国30个省市自治区(不包括西藏以及港澳台地区)的面板数据，金融创新数据主要来源于《中国金融统计年鉴》、各省份区域金融运行报告；计算碳排放的能源数据均从《中国能源统计年鉴》中分地区分品种能源消费量中获取；其他数据来源于《中国统计年鉴》等。为排除物价因素影响，对GDP以2000年的不变价格进行平减，为降低数据离散程度，将非百分比指标度量的变量取对数处理。

3 实证结果分析

3.1 空间聚类分析

首先，选取样本初期(2008年)和样本末期(2019年)为代表性年份，采用Arcgis软件自然断点分级法，将人均碳排放量分为3类，分别为低碳排放区、中碳排放区和高碳排放区。从图1可明显看出，碳排放整体呈现“北高南低”的分布格局，具有明显的时空差异特征，高碳排放区主要分布在内蒙古、宁夏和山西等煤炭资源富集区，产业结构偏重工业，低碳排放区主要分布在安徽、上海、湖南、湖北等东部和中部经济较发达省份。对比来看，2008—2019年辽宁由高碳排放区下降至中碳排放区，黑龙江、吉林等部分省份由中碳排放区下降至低碳排放区，这一变化与东北地区能源转型密切相关。

图1 30个省份碳排放空间分异Fig.1 Spatial differentiation of carbon emissions in 30 provinces

其次，对金融创新、产业结构升级和碳排放的全局莫兰指数(Moran’s I)进行测算(表3)。除2018年金融创新的Moran’s I为负外，其余年份金融创新、产业结构升级和碳排放的Moran’s I均通过了显著性检验，这表明省级层面的金融创新、产业结构升级和碳排放均存在空间集聚的特点。

表3 全局莫兰指数

最后，进一步对碳排放的空间聚类进行分析，根据空间关联类型将30个省份分为4类，分别为高高聚集、低低聚集、低高聚集和高低聚集。图2展示2008年和2019年碳排放的莫兰散点，可以看出，大部分省份碳排放都处在第1象限和第3象限，说明各省份间存在高高聚集和低低聚集的特征。高高聚类大部分集中在内蒙古、宁夏、山西等中西部地区，即自身人均碳排放量高且被周边高碳排放地区包围。低低聚类主要集中在广东、湖南等东部地区，即本省份与邻近省份碳排放均较低。仅有少数省份位于第2和第4象限，即低高聚集和高低聚集，说明这些省份自身的碳排放未对其他省份产生吸引作用。

图2 2008年和2019年碳排放的Moran’s散点Fig.2 Moran’s scatter plots of carbon emissions in 2008 and 2019

3.2 总体回归分析

利用Stata 15.0软件对空间计量模型的具体选择进行判断。首先，进行LM检验、LR似然比检验和Wald检验，检验结果均在1%显著性水平内，拒绝原假设，说明空间杜宾模型不可退化成空间滞后模型或空间误差模型；其次，对3个模型进行Hanusman检验，p值均为0.000，拒绝随机效应的假设，故选择固定效应的空间杜宾模型。最后，根据比较空间杜宾模型中3种模型的拟合度R2和Log-likelihood发现，空间固定效应模型的模型拟合度最高，因此，下文主要对空间固定面板杜宾模型的回归结果进行分析。

由表4可知，金融创新对30个省份碳排放的回归系数在5%显著性水平上为负，说明金融创新有效降低碳排放，金融创新通过资源配置、金融要素创新等，对碳排放起到抑制作用，假设一得到验证；产业结构升级与碳排放的估计系数在1%显著性水平上负相关，证明产业结构升级可以有效降低碳排放，各省份通过调整三大产业结构比例，改变产业结构布局，降低能源需求，促进技术进步，从而显著减少碳排放量，因此，假设二得到验证。

表4 金融创新与产业结构升级对碳排放的影响

从控制变量看，能源强度、城镇化和经济增长显著促进地区的碳排放；中国的开放性水平并未对碳排放量产生很大的影响；环境规制的估计系数与碳排放呈显著正相关关系，印证Sjak Smulders提出的“绿色悖论”的观点[27]；技术创新对碳排放的影响不显著，可能是技术创新同时受结构效应和规模效应的影响，导致技术创新对降低碳排放的贡献不足。

为进一步探究金融创新与产业结构升级对碳排放的空间溢出效应，将其平均总效应分解为直接效应和间接效应(表5)。金融创新对碳排放的直接效应在5%水平上显著负相关，说明金融创新有效降低该地区的碳排放，间接效应影响为负，但不显著，导致该结果的原因可能是目前金融创新水平较低，相比于其他影响因素来说，其对邻近地区的扩散影响较不明显；产业结构升级对碳排放的直接效应显著为负，间接效应为正，但不显著，说明产业结构升级促进本地区碳减排，随着本地区的产业结构升级，部分高污染性的密集型工业产业会向相邻地区进行转移，从而降低本地区的碳排放。

3.3 中介效应检验

根据表4和表5的分析结果，发现金融创新和产业结构升级都对碳排放起到抑制作用，进一步对产业结构升级的中介效应进行检验，估计结果见表6。

表5 直接效应和间接效应

表6 产业结构升级的中介作用回归结果

在产业结构升级模型中，金融创新与产业结构升级在1%水平上显著正相关，这意味着金融创新在一定程度上对产业结构升级存在正向影响，且对相邻地区存在空间溢出效应，金融创新通过多种创新手段向产业结构转型提供良好的资金基础，假设三得到了验证。在剔除了产业结构升级的碳排放模型中，金融创新与碳排放的回归结果依然显著为负，说明金融创新可以直接降低碳排放。基于以上分析，产业结构升级在金融创新对碳排放表现出部分中介作用，金融创新一部分能够直接降低碳排放，一部分可以通过产业结构升级来降低碳排放，假设四得到验证。

进一步检验金融创新对产业结构升级和碳排放的直接和间接效应，可以看出，剔除产业结构升级的碳排放模型中，金融创新对碳排放的直接和间接效应都在1%显著性水平上负相关，证明金融创新不仅对当地的碳排放存在抑制作用，同时也促进邻近地区的碳减排；同时，从产业结构升级模型的检验结果看，金融创新在影响该地区产业结构升级的同时也促进邻近地区的产业结构升级。

3.4 稳健性检验

为确保模型的稳健性，采用地理权重矩阵和经济权重矩阵对原有矩阵进行替换，检验金融创新对碳排放的影响以及产业结构升级的中介作用。根据表7可知，回归结果及显著性与上文基本一致，说明回归结果稳定可靠。

表7 稳健性检验结果

4 结 论

1)中国30个省份的面板碳排放总体呈现“北高南低”的空间格局，金融创新、产业结构升级与碳排放均存在正向显著的空间相关性。金融创新和产业结构升级能够有效降低本地区的碳排放量，且金融创新对碳排放的影响具有显著的空间溢出效应，其对邻近地区的碳排放存在抑制作用。金融创新不仅促进当地和邻近地区产业结构升级，还可以通过产业结构升级间接降低地区碳排放量。

2)为有效促进碳减排，各省份应重视金融创新对当地及邻近地区碳减排的作用，加快金融创新步伐，大力开发绿色金融产品，促进相邻省域联动创新，优化金融资源配置，激发企业技术创新的活力，从生产端控制能源消耗，推进低碳产业发展，加速产业结构升级，从各方面全面降低碳排放。