区域金融发展与二氧化碳排放：促进或抑制？——基于SDM模型的实证分析

■张瑞锋 刘帅

一、引言

全球气候变暖对人类生存与发展提出了严峻的挑战，为此，世界各国签订了《联合国气候变化框架公约》《巴黎协定》，并设置了碳减排与碳中和目标，我国提出力争在2030年前二氧化碳排放达到峰值，在2060年前实现碳中和①。

金融作为现代经济社会的核心，其发展是二氧化碳排放的重要影响因素之一。越来越多的学者开始研究金融发展与二氧化碳排放的关系。第一类观点：金融发展与二氧化碳排放之间存在线性关系[1—9]。一些学者认为金融发展对二氧化碳排放起到抑制作用，主要体现在：其一，完善的金融体系有利于进行碳交易，促使企业减少碳排放；其二，金融发展可以降低融资成本，吸引投资，为低碳技术的研发提供充足的资金，实现低碳发展；其三，金融发展可以促使产业结构升级，合理配置各种生产要素，提高劳动生产率和能源利用率，有效减少碳排放。还有一些学者则认为金融发展对二氧化碳排放起到促进作用，主要体现在：一方面，金融发展可以为消费者提供便捷的资金渠道，使更多的消费者有能力购买汽车、空调等高耗能产品，促使碳排放增加；另一方面，金融发展可以提高企业融资效率，降低融资成本，提高企业扩大生产规模的积极性，增加能源消耗促进碳排放。第二类观点：二者关系比较复杂，并非是简单的线性关系[10—13]。由于中国各地区经济发展水平不一、地理环境存在显著差异，金融发展与碳排放可能存在非线性关系。

随着研究的深入，一些学者考虑到中国各地区碳排放存在明显的空间聚集性与异质性，并立足于空间视角探讨金融发展与碳排放的关系，研究认为各地区金融发展与碳排放的关系存在差异，且本地区金融发展对周边地区的碳排放也存在一定程度的影响，即存在空间溢出效应[14—17]。

可以看到，金融发展与碳排放关系的研究已经取得了一定成果，但仍欠缺对空间因素的考虑。基于此，本文对现有文献成果进行三方面的扩展：一是建立空间杜宾模型，从空间溢出的视角研究区域金融发展对碳排放起到的作用。二是考虑空间溢出的效应边界，研究区域金融发展对碳排放的间接效应。三是通过东、中、西三大区域的划分进一步探讨了区域金融发展对碳排放的影响。

二、作用机制分析

金融发展既可以对碳排放产生直接作用，也可以通过城镇化水平、技术创新、产业结构三条途径对二氧化碳排放产生间接作用。如图1所示。

图1 金融发展水平对碳排放的作用机制

金融发展所代表的金融规模的扩大和金融效率的提升均可以直接对二氧化碳排放起到抑制作用[18，19]。一方面，金融规模的扩大能够为绿色行业的发展提供资金支持，促进绿色产业规模的扩张从而减少二氧化碳排放，同时金融发展所带来的金融市场规模总量的上升，会将更多资金引入到绿色投融资市场从而为绿色行业的发展提供保障，绿色行业的发展将会促使传统行业进行能源改造升级从而降低碳排放。另一方面，金融效率的提高可以降低因信息不对称而增加的交易成本，提高信贷效率，促使绿色行业资源配置效率提高，缩短绿色产业资金获取周期以加快绿色项目的完成，减少传统行业二氧化碳的排放。基于上述分析，本文提出假设1。

假设1：金融发展直接对二氧化碳排放起到抑制作用。

从城镇化水平角度来看，金融发展通过提高城镇化水平对碳排放起到促进作用[20—22]。城镇化水平对碳排放的影响存在异质性。一方面，城镇化水平低的地区由于短时间内人口集聚形成规模效应，对能源的需求急剧增加，增加了二氧化碳排放。另一方面，城镇化水平较高地区的质量效应大于规模效应，地区的大规模基础建设基本完成、能源利用效率提高、居民环保意识增强，减少了二氧化碳排放。我国城镇化水平仍不算太高，城镇化的质量效应小于规模效应，因此增加了二氧化碳排放。基于上述分析，本文提出假设2。

假设2：金融发展水平与城镇化水平正相关，城镇化水平的提高对二氧化碳排放起到促进作用。

从技术创新角度来看，金融发展通过技术效应对本地区的碳排放起到抑制作用[23，24]。金融发展通过推动技术创新促使企业研发低碳技术，进而促使各行业转变能源利用方式，提高能源利用效率，减少碳排放。基于上述分析，本文提出假设3。

假设3：金融发展水平与技术创新正相关，技术创新引起的技术效应对碳排放起到抑制作用。

从产业结构来看，金融发展通过推动产业结构升级对本地区的碳排放起到抑制作用[25，26]。金融发展通过提高资金使用效率、促进新兴产业成长实现产业结构升级对碳排放产生影响。产业结构的升级会使高耗能的企业被市场逐渐淘汰、低碳企业的市场规模逐渐增加，从而减少二氧化碳的排放。基于上述分析，本文提出假设4。

假设4：金融发展水平与产业结构正相关，产业结构升级对碳排放起到抑制作用。

三、模型设定与数据说明

（一）空间计量模型设计

1.空间计量模型设定

考虑到解释变量和被解释变量在空间上存在相关性，本文采用空间杜宾模型来进行分析。空间杜宾模型的一般表达式为：

其中，Y 为被解释变量，W 为空间权重矩阵，ρ为空间效应系数，X 为解释变量，β为参数向量，WXδ代表周边地区对Y 的影响，δ为相应系数变量。ε为随机误差项。

具体到本文分析金融发展对二氧化碳排放的影响，设定如下空间杜宾模型：

其中，C代表人均碳排放量，Fir、Fef、LnPgdp、LnUrban、LnPatent、LnIdustry、LnFdi分别代表金融规模、金融效率、经济增长水平、城镇化水平、技术创新水平、产业结构、外商直接投资，vt为时间效应，ui为个体效应，εit为随机误差项。

2.空间权重矩阵设定

在建立空间计量模型之前需要设定合理的空间权重矩阵，本文选取以下两种形式的空间权重矩阵。

（1）基于地理距离构造的空间权重矩阵

本文选择两种基于地理距离标准构造的空间权重表达式，第一种为：

第二种为：

其中，dij为两地区地理中心位置之间的距离。

（2）基于经济特征构造的空间权重矩阵

（二）数据说明

1.二氧化碳排放量

本文以人均碳排放作为解释变量（C），用各省碳排放总量与年末常住人口数的比值来表示。考虑到数据可得性，本文选取2005—2019年我国30个省市地数据。数据来源于中国碳核算数据库（CEADs）和《中国统计年鉴》。

2.金融发展水平

根据相关研究文献[12，27—31]，本文选取金融规模指标（Fir）和金融效率指标（Fef）来度量金融发展水平。本文利用年末各省金融机构贷款余额/GDP 来度量金融规模，用非国有部门贷款总额/GDP来度量金融效率。考虑到数据可得性，将非国有部门贷款表示为贷款总额与非国有部门占全社会固定资产投资总额比重的积。各省数据来源于《中国统计年鉴》和《中国金融统计年鉴》。

3.控制变量

根据相关研究文献[32—37]，本文选取经济增长水平、城镇化水平、技术创新水平、产业结构、外商直接投资、对外开放程度作为控制变量（见表1）。数据来源于《中国统计年鉴》。

4.描述性统计

根据收集到的数据进行统计处理，得到描述性统计结果，如表1所示。

表1 变量描述性统计

四、实证分析

（一）空间自相关检验

检验变量是否具有空间相关性是进行空间计量分析的必要步骤。对于全局相关性检验，本文选取全局莫兰指数；对于局部相关性检验，本文选用莫兰散点图。

全局莫兰指数的计算公式为：

其中，n为地区个数，xi、xj、wij分别表示第i个地区、第j个地区、空间权重矩阵w中第i行第j列的元素。莫兰指数最大为1，最小为-1，取值范围为[-1，1]。莫兰指数越接近1 或-1，表示两者越相关；越接近0，表示两者相关性越弱。

首先，根据我国各省市2005—2019年的碳排放量，通过构建基于地理距离标准构造的空间权重矩阵，计算得出碳排放的Moran′s I 指数及伴随概率（表2）。由表2可知，碳排放在2005—2019年内的Moran′s I指数大部分通过了5%的显著性水平检验，说明我国碳排放存在空间相关性。

表2 Moran's I检验

其次，为进一步分析不同地区的碳排放是否具有空间异质性，本文描绘了2005年与2019年碳排放量的局部Moran′s I 指数的散点图（图2和图3）。局部莫兰散点图中的横轴、纵轴分别代表人均碳排放量和其空间滞后项。通过比较2015年和2018年的各省集聚类型（表3）可知，集聚类型主要为“高—高”型、“低—高”型、“低—低”型三种模式，说明碳排放在地理空间分布上具有明显的异质性。

图2 2005年碳排放的Moran's I散点图

图3 2019年碳排放的Moran's I散点图

表3 2005年和2019年碳排放集聚类型

（二）空间面板模型识别检验

通过莫兰检验可以认为碳排放量具有显著的空间相关性。从表4可以看出，LM_lag、Robust_LM_lag均通过了1%的显著性水平检验，说明模型存在空间效应，可以建立空间计量模型。在确定建立空间计量模型后，还需要判断选择哪种模型以及选择固定效应还是随机效应。首先，根据表4的Hausman 检验结果，选择固定效应模型。然后，分别建立SDM、SEM、SAR 模型从而进行LR 检验，根据表4的LR 检验结果，选取SDM 模型。因此，本文选择建立双固定的空间杜宾模型。

表4 空间面板模型识别检验

（三）稳健性检验

双固定的空间杜宾模型结果如表5（1）列所示。为了确保实证结果可信，本文根据相关文献采用替换空间权重矩阵的方法对模型进行稳健性检验[38—41]。首先，建立基于反距离空间权重矩阵和经济距离空间权重矩阵的空间杜宾模型，模型结果如表5（2）和（3）列所示。其次，与原模型进行对比，发现模型中的各解释变量与控制变量系数的符号和显著性并未发生较大变化，可以认定实证结果的稳健性。

表5 稳健性检验结果

（四）回归结果分析

1.整体回归结果分析

表6（1）列的结果表明：第一，综合来看，金融发展对本地区和周边地区的碳排放产生显著的抑制作用，验证了假说1。其中，金融规模对其产生抑制作用，金融效率对其产生促进作用。第二，城镇化水平对本地区和周边地区碳排放均起到促进作用，而经济增长水平、技术创新和产业结构对本地区和周边地区碳排放均起到抑制作用。第三，外商直接投资对本地区碳排放产生抑制作用，对周边地区碳排放产生促进作用。

表6 空间杜宾模型回归结果

2.分地区回归结果分析

通过上述分析可知，从整体来看我国的金融发展对碳排放起到抑制作用，但考虑到碳排放在地理空间分布上具有明显的异质性，本文将中国分为东、中、西三大区域并再次建立空间杜宾模型来分析各地区金融发展与碳排放的关系②。回归结果如表6（2）、（3）、（4）列所示。

（1）东部地区

由表6（2）列可知：第一，Fir、W×Fir 的系数显著为负，说明金融规模的发展会抑制东部地区和周边地区的碳排放；Fef、W×Fef的系数显著为正，说明金融效率与金融规模的作用相反。第二，城镇化水平的提升、经济增长会促进东部地区的碳排放，而产业结构升级、技术创新会抑制东部地区的碳排放。第三，城镇化水平的提升、外商直接投资会促进周边地区的碳排放，而经济增长、产业结构升级会抑制周边地区的碳排放。

（2）中部地区

由表6（3）列可知：第一，Fir 的系数为正、W×Fir的系数为负，说明金融规模的发展会促进中部地区的碳排放，抑制周边地区的碳排放；Fef、W×Fef的系数为负，说明金融效率的提高会抑制中部地区和周边地区的碳排放。第二，技术创新会促进中部地区的碳排放，而经济增长会抑制中部地区的碳排放。第三，经济增长、产业结构会抑制周边地区的碳排放。

（3）西部地区

由表6（4）列可知：第一，Fir、W×Fir 的系数显著为负，说明金融规模的发展会抑制西部地区和周边地区的碳排放；Fef、W×Fef的系数显著为正，说明金融效率的提高会促进西部地区和周边地区的碳排放。第二，经济增长与外商直接投资会促进西部地区的碳排放，而城镇化水平的提升与技术创新会抑制西部地区的碳排放。第三，经济增长与产业结构升级会促进周边地区的碳排放，而技术创新会抑制周边地区的碳排放。

（五）空间溢出效应分解

为准确反应SDM 模型中解释变量对被解释变量的影响，本文采用偏微分的方法将其影响进行分解，结果如表7所示。其中，直接效应代表解释变量对被解释变量的直接影响，间接效应代表解释变量对被解释变量的空间溢出效应。

1.整体空间溢出效应分解

表7中，全国的结果表明，金融发展可以减少本地区和周边地区的碳排放。具体来说，第一，金融规模直接效应与间接效应的系数均显著为负，说明金融规模的扩大会减少本地区和周边地区的碳排放。第二，金融效率直接效应与间接效应的系数均显著为正，说明金融效率的提高会增加本地区和周边地区的碳排放。

表7 空间溢出效应分解

对于控制变量的影响：第一，城镇化水平的直接效应与间接效应的系数均显著为正，说明城镇化水平的提升会促进本地区和周边地区的碳排放。第二，经济增长、技术创新和产业结构的直接效应与间接效应的系数均显著为负，说明其发展抑制了本地区和周边地区的碳排放。第三，外商直接投资的直接效应系数显著为负，说明其发展抑制了本地区的碳排放。

2.分地区空间溢出效应分解

（1）东部地区

对于东部地区而言，金融规模与金融效率对碳排放的影响与整体结果相似。对于控制变量的直接效应，城镇化水平、经济增长的系数显著为正，技术创新的系数显著为负，说明城镇化水平的提高和经济增长会促进东部地区的碳排放，而技术创新会抑制碳排放。对于控制变量的间接效应，城镇化水平、外商直接投资的系数显著为正，经济增长、产业结构的系数显著为负，说明城镇化水平的提升和外商直接投资会促进周边地区的碳排放，而经济增长和产业结构升级会抑制碳排放。

（2）中部地区

对于中部地区而言，金融规模的发展会促进本地区的碳排放、抑制周边地区碳排放，而金融效率的提高仅对本地区碳排放起到显著的抑制作用。对于控制变量的直接效应，技术创新、产业结构的系数显著为正，说明技术创新与产业结构升级会促进中部地区的碳排放。对于控制变量的间接效应，经济增长、产业结构的系数显著为负，说明经济增长与产业结构升级会抑制周边地区的碳排放。

（3）西部地区

对于西部地区而言，金融规模与金融效率对本地区碳排放的影响并不显著，但两者均具有显著的溢出效应，即金融规模的扩大会抑制周边地区的碳排放，而金融效率的提高会促进周边地区的碳排放。对于控制变量的直接效应，城镇化水平的系数显著为负，说明城镇化水平的提升会抑制西部地区的碳排放。对于控制变量的间接效应，城镇化水平、经济增长、产业结构的系数均显著为正，说明城镇化水平的提升、经济增长和产业结构升级会促进周边地区的碳排放。

（六）溢出效应的空间边界分析

为探究金融发展对碳排放的溢出效应边界，本文根据相关文献[42，43]，每隔500千米进行一次空间杜宾回归，结果如表8所示。

表8 空间溢出效应分解

表8显示，金融规模对碳排放的间接效应的参数估计在0～2000千米范围内均通过了1%的显著性水平检验，金融效率对碳排放的间接效应的参数估计在0～2000 千米范围内均至少通过了10%的显著性水平检验。而距离超过2000 千米以后，金融规模、金融效率的参数估计几乎都不显著，这说明金融规模和金融效率对碳排放溢出效应的有效边界均为2000千米。此外，0～500千米、500～1000千米内金融规模、金融效率的参数估计分别为-0.498、-2.024、0.225、1.848，1000～1500 千米、1500～2000 千米内金融规模、金融效率的参数估计分别为0.289、0.382、-0.211、-0.232，可见金融规模和金融效率对周边地区碳排放的溢出效应存在明显的空间衰减特征。

（七）机制检验

为了检验金融发展能否通过提高城镇化水平、推动技术创新、促使产业结构升级三条路径对碳排放产生影响，本文参考相关文献[44—46]，将城镇化水平、技术创新、产业结构作为自变量，将金融规模、金融效率作为因变量，以经济增长水平、对外开放程度、外商直接投资作为控制变量分别进行空间杜宾回归，结果如表9所示。

表9（1）和（2）列结果表明，金融发展与城镇化水平正相关。一方面，金融规模的扩大伴随着金融机构数量的增加和城镇化融资制度的健全，能为城镇化建设提供更多的资金来源，从而加快城镇化建设。另一方面，金融效率的提升可以提高整个金融体系吸收存款并将储蓄转换为投资的效率，使金融资源流向能发挥其最大作用的场所，提高资源配置效率，推动城镇化建设[47，48]。

表9 机制检验

表9（3）和（4）列显示，金融发展与技术创新水平正相关，表明金融发展有利于本地区进行技术创新。金融发展可以通过优化资源配置、风险分担、对企业提供资金支持等手段推动技术创新[49，50]。

表9（5）和（6）列显示，金融发展与产业结构正相关，表明金融发展有利于促使本地区产业结构升级。金融发展可以通过提高资金使用效率、促进新兴产业成长推动产业结构升级[51—53]。

通过分析表明，金融发展与城镇化水平、技术创新、产业结构正相关。因此结合上文分析，验证了假说2、3、4。

五、结论与建议

本文首先通过理论分析，提出区域金融发展影响碳排放的四条路径。然后，基于2005—2019年的30 个省级面板数据，根据莫兰检验，实证得出中国各省的碳排放具有明显的空间相关性与异质性的结论。最后，基于SDM模型实证分析认为：（1）从整体来说，金融发展对本地区和周边地区的碳排放产生显著的抑制作用。其中，金融规模对本地区和周边地区碳排放产生显著的抑制作用，金融效率对本地区和周边地区碳排放产生显著的促进作用。（2）技术创新、产业结构升级对本地区和周边地区碳排放产生抑制作用，而城镇化水平对周边地区碳排放产生促进作用。（3）金融发展和控制变量对碳排放的作用存在空间异质性，东部地区优于中、西部地区。（4）金融发展对碳排放的溢出效应在0～2000 千米范围内显著，但是随距离衰减。

根据实证分析，本文提出降低碳排放的相关建议：（1）政府应引导金融机构向绿色产业投融资，进一步发挥金融对技术创新、产业结构的促进作用。从而充分利用金融发展、技术创新、产业结构升级带来的碳减排效应。（2）加快城镇化建设，促使城镇化对环境影响的质量效应大于规模效应，减少因规模效应带来的二氧化碳排放。（3）相关部门在制订碳排放政策时，应充分考虑各地区碳排放的空间异质性、空间溢出效应以及效应边界，加强各地区间的合作与交流，实现低碳协同发展。■

注 释

①2020年9月22日，习近平主席在第七十五届联合国大会一般性辩论上宣布：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。”

②属于东部的省市有：上海、北京、天津、山东、广东、江苏、河北、浙江、海南、福建、辽宁；属于中部的省市有：吉林、安徽、山西、江西、河南、湖北、湖南、黑龙江；属于西部的省市有：重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。