绿色信贷、科技创新与碳减排——基于省际面板数据的实证分析

荆 典

(大连财经学院 大数据与人工智能学院,辽宁 大连 116622)

一、研究背景及文献综述

随着全球二氧化碳等温室气体的过量排放所导致的气候变暖现象的逐步加剧，各国纷纷提出各项减排政策，以期降低二氧化碳的排放量。2020年12月12日，气候雄心峰会上，我国也为降低碳排放设定了新的目标。在党中央的领导下，我国特色社会主义进入新发展阶段，传统的粗放式经济模式转向新阶段。“绿色发展”和“经济高质量增长”已成为新时代我国经济发展的重要主题[1]。经济是肌体，金融是血脉，两者共生共荣，因而绿色金融的发展状况对我国绿色经济发展具有深远影响。当前，我国绿色金融主要包括绿色信贷、绿色风投、绿色保险等，其中绿色信贷是绿色金融的核心组成部分，是商业银行以国家环境保护政策和相关产业政策为依据，以社会责任为核心价值导向，在授信过程中通过制定差异化的利率和有针对性的信贷发放机制，从而达到引导社会科技创新发展，提升资源利用效率，降低碳排放量的目的。央行研究局数据显示，截至2020年年末，我国绿色贷款余额近12万亿元，居世界第一位[2]。在我国绿色信贷工作取得较大成效的背景下，绿色信贷是否真正降低了我国碳排放量？其是否与科技创新结合促使了碳减排？不同地区的碳减排效应是否存在一定的异质性？对于这些问题，当前学术界缺乏针对性地实证分析，基于此，文章以2007年为界限，构建虚拟变量衡量绿色信贷，采用多组回归方式，测算绿色信贷的碳减排效果，以期为相关部门制定政策提供借鉴，促进我国绿色经济发展壮大。

(一)绿色信贷与碳排放

自我国提出绿色发展概念以来，学术界有部分学者对绿色信贷对碳排放的影响进行了研究，限于篇幅，本文选择其中具有代表性的文献进行简要回顾。刘婧宇等人通过设立CGE模型认为，绿色信贷政策在中短期内可以比较有效地抑制目标行业的投资与产出水平，但预计也会对相关上下游领域带来负面影响[3]。苏冬蔚深入研究重污染企业投融资行为，认为实现经济绿色可持续发展的重要手段便是大力发展绿色信贷[4]。

(二)科技创新与碳排放

王海静以固定效应模型检验产业结构高级化、科技创新与碳排放之间的关联性。结果显示，产业结构高级化促使了我国各省市碳排放水平的下降，同时科技创新能够对各地区碳排放水平下降产生显著促进作用[5]。张玉华等人以我国2005-2015年的面板数据构建面板门槛模型，分析科技创新、城镇化对碳排放的影响。结果表明，提高城镇化水平有利于促进碳排放水平下降，科技创新对碳排放水平的影响具有阶段性差异，第一门槛上科技创新对碳排放水平的影响并不明显，而第二门槛上科技创新可以有效促进碳排放水平下降[6]。关琰珠以厦门市为研究对象，探究了碳达峰和碳中和目标下，科技创新对区域碳排放水平的影响，他认为“十四五”时期我国生态文明建设进入了以碳减排为重点的战略方向，科技创新与生态文明建设的战略目标一致，能促使我国碳排放水平下降，厦门市作为我国重要城市，其科技创新水平位居前列，有效促进了碳排放水平的下降，能够为我国的生态文明建设提供厦门经验和厦门实践[7]。

(三)文献评述

现有研究，学者普遍着重于检验绿色信贷、科技创新与碳排放之间的计量关系，忽视了不同地区、不同水平碳排放下，绿色信贷、科技创新的减排效应异质性，并且缺乏影响路径分析。此外学者的研究虽然多采用实证分析的方法对绿色信贷、科技创新与碳排放的关联性进行检验，但使用的面板数据时间跨度较短，特别是新常态时期的实证研究相对较少。学者对绿色信贷的度量存在较大的差异性，如刘婧宇等使用了信贷的固定比重衡量，而朱四荣等使用了综合指标进行度量，指标的差异性对导致研究成果的异质性。文章可能的边际贡献有：其一，深入分析的绿色信贷与科技创新的碳减排机理；其二，面板分位数回归检验，不同空间、不同水平下减排的异质性；其三，采用虚拟变量法构建绿色信贷指标，相较现有学者的度量方法，更为科学有效。

二、绿色信贷、科技创新的碳减排作用分析

绿色信贷政策一方面有着督促高污染行业进行技术改造、产品升级，提高研发能力等作用，另一方面还具备为绿色行业研发和创新提供资金的作用。

1.技术创新倾向提高效应。技术创新需要资本投入，绿色信贷政策对企业带来政策性扶持，可帮助部分企业解决融资难问题，可使更多资金流向技术研发，提高企业技术创新能力。

2.金融资源优化配置效应。在绿色信贷政策实施后，大多数重污染企业的有息债务融资和长期负债均显著下降。究其原因，主要是债务融资成本上升，导致新增投资减少。当融资受到约束，重污染企业产能会下降，能源消耗和污染物排放就会降低，碳排放也会降低。

3.政策导向传递效应。随着经济社会的不断发展，我国政府大力倡导发展绿色经济，出台了一系列的绿色环保政策法规，传达出国家在鼓励发展绿色经济的信号。为这些受到惩罚和影响的企业起到警示和限制作用。鼓励这些企业对其高污染、高消耗的技术或生产进行控制与转型升级。

三、变量选取与数据来源

(一)变量选取与数量来源

1.被解释变量。1988年，世界气象组织和联合国环境规划署共同成立了管理政府间气候变化的专门机构，称为IPCC。其活动之一就是通过其在国家温室气体清单方面的工作来支持《联合国气候变化框架公约》，衍生出国际通用的碳排放计算公式。活动所产生的CO2等于活动数据乘以排放系数，规定重油排放系数：2.991kgCO2/L；柴油排放系数：2.778 kgCO2/L；C2H2排放系数：3.3846kgCO2/L；汽油排放系数：2.361kgCO2/L[6]。基于此，文章获取了2000-2018年我国北京、天津等30个省市自治区的碳排放数据，由于西藏、香港、澳门、台湾等数据缺失，文章未将其纳入研究样本。2000年，我国碳排放水平较高的地区是河北、辽宁、山东、江苏及广东地区，低排放地区主要分布在西北部地区和西南地区。2018年，我国碳排放高水平地区主要是内蒙古、河北、山东及江苏地区，低排放地区依然集中在西北部地区和西南部地区。从南北方向来看，北方地区的碳排放强度明显高于南方，2000-2018年的碳排放水平较高的地区大多数分布在北部地区，南部地区的碳排放水平较高的地区仅1个到2个省市。东中西三大经济带体现着我国经济发展水平的差异，因此对碳排放水平也具有一定的影响。从东中西部地区来看，东部地区排放水平多为高水平及中等水平，中部地区多为较低水平和较高水平，西部地区多为低水平和较低水平，说明我国的碳排放量从东部至西部在一定程度上呈递减趋势[8]。

2.核心解释变量。绿色信贷作为绿色金融的主要组成部分，目前衡量绿色信贷指标主要包括两种二级指标。第一种是运用绿色信贷占比作为正向指标来衡量绿色信贷；第二种是运用六大高耗能产业利息支出占比作为反向指标来衡量绿色信贷。为研究绿色信贷的政策实施对产业结构升级的影响，同时考虑绿色信贷数据的可得性及时间的连续性，文章拟采用虚拟变量的处理方式，在模型中加入政策虚拟变量[9]。由于绿色信贷政策是2007年面向全国提出的，所以 2007年( 包括2007年) 也即是绿色信贷政策实施以前的年份2000-2007 年取值为0，2007年以后取值为1。科技创新是绿色信贷影响碳排放的主要路径，使用研发投入经费衡量，用rd表示。

3.控制变量。城镇化水平使用城镇人口占总人口的比重衡量，用city表示；市场化水平，使用樊纲市场化指数衡量，用maket表示；工业化水平使用第二产业产值占地区生产总值的比重衡量，用industry表示。

(二)数据来源

本文所有数据的时间跨度为2000-2018年，研究对象为北京、天津等30个省市自治区的碳排放数据，由于西藏、香港、澳门、台湾等数据缺失，文章未将其纳入研究样本。数据分别来自中国碳排放交易网、《中国能源统计年鉴》、Wind数据库、国家统计局数据库，变量描述性统计分析如表1所示。

表1 变量描述性统计分析

四、实证模型构建及结果分析

(一)分位数回归模型

Koenkerand Bassett(1978)提出“分位数回归”(Quantile Regression，简记QR)，使用残差绝对值的加权平均(比如，∑ni=1|ei|作为最小化的目标函数，不易受极端值影响，较为稳健[10]。根据定义，条件分位数函数yq(x)满足：

q=P{y≤yq(x)}

=P{x′β+u}≤yq(x)}

=P{u≤yq(x)-x′β}

=P{x′α×ε≤yq(x)-x′β}

(1)

方程(1)，第一步是条件分位数的定义，第二步带入y=x′β+u中，第三步移项，第四步u=x′α×ε，然后两边同时除以x′α>0，最终得到累积分布函数的定义。

(2)

(3)

因此可以得到yq(x)是x的线性函数。基于此原理可以设计本文的回归模型，如方程(4)所示：

quant(lnCO2it|xi)

=c+β1×gclit+β2×lnrdit+β3×cityit+

β4×lnmarketit+β5×iddustryit+εit

(4)

方程(4)中，c为常数项，β为回归系数，ε为随机误差项，i表示个体，即30个省市，t表示时间，即2000-2018年的时间跨度。

本文数据为面板数据，为避免变量之间存在多重共线性对实证结果的影响，在构建回归模型前，需要对变量进行多重共线性检验，使用VIF方法检验多重共线性[11]，结果如表2所示。

表2 变量多重共线性检验结果

各变量的VIF值均低于10，整体的VIF值为2.710，说明各变量之间不存在多重共线性。

(二)面板分位数回归结果

本文进行面板分位数回归，根据5个分类水平，将面板分位数回归设置为10%分位点、25%分位点、50%分位点、75%分位点、90%分位点，模型回归结果如表3所示。

表3 面板分位数回归结果

续表3

在10%分位点上gcl与lnCO2之间的回归系数为0.213，且在10%的水平上显著。说明在10%分位点上绿色信贷与碳排放量之间为显著的正相关关系，即绿色信贷政策在一定程度上促使了碳排放量的增加。在25%分位点上，gcl与lnCO2之间的回归系数为0.093，且在10%的水平上显著，也说明了在25%的分位点上绿色信贷与碳排放量之间为显著的正相关关系。10%和25%分位点均为碳排放量较低或者低水平地区，对应于我国的西部地区。西部地区的产业结构仍以第二产业为主，特别是重工业所占的比重相对较大，且技术研发水平较低，绿色信贷政策的投入在客观上能促使其产业结构逐步更新换代，技术研发水平逐步提升，能源使用效率提升。但产业结构的升级和技术水平的迭代需要长期的积累，且需要其经济发展达到较高水平。这些客观因素是当前西部地区所不具备的，因此绿色信贷难以对西部地区的碳排放产生明显的减排效果[12]。

在50%分位点上gcl与lnCO2之间的回归系数为0.012，但回归系数不显著 ，说明在此分位点上绿色信贷的碳减排效应并不明显。50%分位点多为中等及中等偏下地区，大部分地区集中于我国的中部地区，说明我国中部地区的绿色信贷政策的碳减排效果并不明显。中部地区的产业结构和经济发展水平优于西部地区，但是与东部地区相比仍有较大的差距。[8]绿色信贷政策会产出两种效应，第一种经济增长会促使经济规模扩大，对能源市场需求变大，导致能源消耗更多，从而增加二氧化碳排放；第二种绿色信贷带来高质量经济增长，为适应经济转型要求，国家将会积极改变粗放式经济增长方式来保护生态环境，从而降低二氧化碳排放。[13]75%和90%分位点上gcl与lnCO2之间的回归系数分别为-0.082和-0.376，至少在5%的水平上显著。说明在高分位点上绿色信贷与碳排放量之间为明显的负相关关系，即绿色信贷政策能够有效促进碳排放量的下降。

75%和90%分位点多对应我国的部分中部和大部分东部地区。其经济发展水平相对较高，产业结构升级换代较早，境内多数高污染企业在逐步向中西部地区转移。绿色信贷政策能给予其境内企业更多的资金支持，用于技术升级和优化改造，满足节能减排、资源节约与环境保护等活动的巨大资金需求。绿色信贷体系通过杠杆效应撬动更多社会闲置资金涌入环保产业，通过培育绿色产业及其相关新产业，提升经济增长潜力并加快绿色转型，有助于减少二氧化碳排放。回归系数在75%分位点之前呈逐步下降，75%分位点后变为负，且迅速下降。进一步说明了在低水平碳排放地区，主要位于我国西部地区，绿色信贷在一定程度上促使了碳排放水平的提高。而在中等或者中等偏低的分位点上，主要位于我国中部和部分西部地区，绿色信贷对碳排放的影响虽然为正，但并不明显。在高分位点上，主要分布在我国部分中部和绝大部分东部地区，绿色信贷对碳排放水平产生明显的抑制作用，且随着碳排放水平的升高，这种抑制作用逐步增加。

10%-90%分位点上lnrd与lnCO2之间的回归系数分别为0.435、0.456、0.477、0.452、0.669，且均在1%的水平上显著，说明科技创新对碳减排具有明显的正向促进作用。科技创新能提高煤炭、石油等资源的使用效率，降低这类能源在使用过程中的碳排放量。此外，科技创新能开发出核能等新型能源，且提高这类能源使用的安全性，促使核能等清洁能源在我国广泛使用。从10%分位点到90%分位点，科技创新的回归系数逐步增加，低分位点主要对应我国的西部地区，中等分位点主要对应我国的中部地区，高分位点主要对应我国的东部地区。结合系数可知，科技创新对我国东部地区的碳减排的正向促进作用最大，对中部地区的碳减排促进作用相对较低，对西部地区的碳减排促进作用最弱。

我国经济发展水平由东部沿海向西部内陆逐步降低，经济发展水平较高的东部地区，其信贷资源也相对丰富，对技术研发的投入力度和资金总量相对较多，促使其科技创新水平迅速提升，从而对碳减排产生的正向促进作用也较大。中部地区的经济发展水平相对较弱，信贷资金相对较少，且大多数投向工业等领域，在科技研发领域的投入相对较少，科技创新水平也相对较低，所以对碳减排的影响也相对较弱。西部地区的经济发展水平最低，产业结构以第一、二产业为主，高新技术产业规模较小，信贷资金主要投入了第一、二产业的发展，对科技创新的重视程度和扶持力度不足，限制了科技创新的发展，导致科技创新对碳减排的影响较低。

五、研究结论与政策启示

本文对绿色信贷及科技创新为碳排放带来的影响进行理论与实证分析，主要得出以下几点结论。

第一，创新绿色信贷对碳排放的主要影响路径是技术创新倾向提高效应，即倒逼重污染企业进行技术升级；金融资源优化配置效应，即提高污染行业融资成本，降低新增投资规模；信号传递效应，即传递发展绿色经济的信号影响碳排放量。

第二，面板分位数回归表明，在低水平碳排放地区，绿色信贷在一定程度上促进了碳排放水平的增加，而在中等或者中等偏低的分位点上，绿色信贷对碳排放的影响虽然为正，但是并不明显。在高分位点上，绿色信贷对碳排放水平会产生明显的抑制作用，且随着碳排放水平的升高，这种抑制作用逐步增加。

第三，科技创新能有效促使我国整体及东中西三大地区碳排放量下降。其中，科技创新对我国东部地区碳减排的正向促进作用最大，对中部地区的碳减排促进作用相对较低，对西部地区的碳减排促进作用最弱。

基于上述研究结论，本文的政策启示主要体现在以下几点。

其一，优化顶层设计，完善碳排放权交易机制。当前，我国不同地区的碳排放规模存在较大区域异质性，影响了我国整体碳效率水平和经济增长。为此，我国政府应优化顶层设计，完善碳排放交易网，发挥市场对不同省市之间碳排放量的调节作用，并通过法律机制进行维护和完善。碳减排的目标与我国生态文明建设的目标是一致的，中央政府与地方各级政府应该将碳减排作为生态文明建设的重点内容之一，将碳减排上升至生态文明建设的战略高度，从而引起相关部门的高度重视，推动碳减排各项工作的顺利推进。

其二，完善法律制度，提高绿色信贷效率。虽然绿色信贷对不同水平地区的碳排量影响存在异质性，但从长期来看，有利于降低碳排放水平。因此，我国政府应积极完善法律法规，健全绿色信贷政策体系和相关产业发展的法律法规，畅通绿色信贷资金的流通，提升各地区绿色信贷资金使用效率。当前我国中西部地区的信贷资金对碳排放的影响相对较弱，主要是因为这些地区的信贷资金特别是绿色信贷的使用效率较低，并没有发挥推动绿色产业发展，促进绿色技术创新的作用。

其三，引流绿色资金，扩大绿色金融规模。生态环境具有公共物品属性，决定了其投入多为政府资金，“30·60”碳目标事关我国发展大计，社会和民间资本理应参与。我国政府相关部门应积极出台政策鼓励民间资本进入绿色金融领域，鼓励绿色风投、绿色保险发展，适当降低绿色风投的相关税费，如资本利得税等，特别是市场化水平较高的东部地区，应畅通民间资本的融入，形成政府资金与民间资本的良性互动，实现“1+1>2”的碳减排效果。

其四，扩大研发投入，提升科技创新水平。科技创新对我国整体及三大地区的碳排放水平均具有显著的反向促进作用，说明科技创新能够有效促进碳减排。但我国各地区之间的科技创新水平存在较大的异质性，影响了整体科技创新水平提高，也影响了我国整体碳减排的效果。因此，各地政府应积极扩大财政资金在技术研发方面的投入力度，积极促进本地区科技创新水平提高，依靠科技创新水平的迅速提高，促使碳排放水平的进一步下降。