绿色金融对中国地区碳排放效率的影响效应分析——基于动态空间面板模型的实证研究

吴泓翰 徐玖平

2020 年9 月，国家主席习近平在第七十五届联合国大会一般性辩论上的讲话中明确提出，中国力争在2030 年前实现碳达峰、2060 年前实现碳中和，这是中国为应对全球气候变化做出的庄严承诺。实现“双碳”目标需要通过控制和减少碳排放、实施碳汇工程、利用可再生能源等方式来实现，而要实现全球最大总量的碳排放降幅难度极其艰巨繁重。①刘燕华、李宇航、王文涛：《中国实现“双碳”目标的挑战、机遇与行动》，《中国人口·资源与环境》2021年第9期。然而，当前碳排放概念仅把生态效益作为衡量的主要因素，与之相比，能综合衡量生态、经济和社会效益的碳排放效率显然更受关注。党的二十大报告指出，“积极稳妥推进碳达峰碳中和”“推动能源清洁低碳高效利用”。提升碳排放效率已成为推动经济社会绿色转型，实现经济社会高质量发展的重要抓手。作为一种新型的金融模式，绿色金融可以通过绿色贷款、绿色债券、绿色基金、绿色投资等工具的支持和引导，促进绿色技术的研发和应用，推动能源结构优化和产业结构升级，进一步提高碳排放效率，实现经济社会全面可持续发展。因此，如何充分发挥绿色金融对碳排放效率的积极作用成为重要研究课题。

一、文献回顾

绿色金融概念最早源于环境金融（Environmental Finance），是金融行业针对环保企业融资需求开展的金融创新。它不同于传统银行业务，被视为一种把金融行业与环境紧密联系起来的高效投融资方式，是一类能够转移环境风险，提升环境质量的金融产品。①Chi-Chuan Lee， Chien-Chiang Lee and Yong-Yi Li， “Oil Price Shocks，Geopolitical Risks，and Green Bond Market Dynamics，”The North American Journal of Economics and Finance， vol.55， 2021.国内学者尽管对绿色金融缺乏统一定义，但对于其本质和内涵的认知随着绿色金融的发展逐渐明晰，即遵循市场经济规律，以建设生态文明为导向，以信贷、保险、证券、产业基金及其他金融衍生工具为手段，以促进节能减排和经济资源环境协调发展为目的的宏观调控政策。②安伟：《绿色金融的内涵、机理和实践初探》，《经济经纬》2008年第5期。而对于碳排放效率的内涵界定，国内外学者主要基于两个角度：一是单要素角度，以单位GDP 的CO2排放量衡量碳排放效率③张文婧、廖进中、廖任飞：《关于“单位GDP 碳排放”概念的探析》，《湖南大学学报》（社会科学版）2010 年第5 期；B. W. Ang，“Is the Energy Intensity a Less Useful Indicator than the Carbon Factor in the Study of Climate Change？”Energy Policy，vol.27，no.5，1999， pp.943-946.；二是多要素角度，综合考虑劳动、资本等各类生产要素的投入，利用数据包络方法测度碳排放的相对效率。④马大来、陈仲常、王玲：《中国省际碳排放效率的空间计量》，《中国人口·资源与环境》2015年第1期。对于影响碳排放效率的关键因素，主要包括经济增长⑤田云、林子娟：《中国省域农业碳排放效率与经济增长的耦合协调》，《中国人口·资源与环境》2022年第4期。、政策引导⑥郭沛、梁栋：《低碳试点政策是否提高了城市碳排放效率——基于低碳试点城市的准自然实验研究》，《自然资源学报》2022年第7期。、科技创新⑦薛飞、刘家旗、付雅梅：《人工智能技术对碳排放的影响》，《科技进步与对策》2022年第24期。、产业结构⑧刘志华、徐军委、张彩虹：《科技创新、产业结构升级与碳排放效率——基于省际面板数据的PVAR 分析》，《自然资源学报》2022年第2期。、金融发展⑨徐文成、毛彦军、屈小爽：《农村金融发展对农业碳排放影响研究——以河南省17个省辖市为例》，《征信》2022年第7期。等。

当前，学界关于绿色金融对碳排放效率的影响尚未达成一致，部分学者认为绿色金融可以通过融资惩罚效应和投资抑制效应，抑制重污染行业融资⑩丁杰：《绿色信贷政策、信贷资源配置与企业策略性反应》，《经济评论》2019年第4期。，引导资金流向资源技术节约型和生态环境保护型产业。⑪苏冬蔚、连莉莉：《绿色信贷是否影响重污染企业的投融资行为？》，《金融研究》2018年第12期。此外，发达地区的绿色金融发挥了更大效能⑫杜莉、郑立纯：《我国绿色金融政策体系的效应评价——基于试点运行数据的分析》，《清华大学学报》（哲学社会科学版）2019年第1期。，具有明显的碳减排效果。⑬江红莉、王为东、王露、吴佳慧：《中国绿色金融发展的碳减排效果研究——以绿色信贷与绿色风投为例》，《金融论坛》2020年第11期。绿色金融可以对清洁环保型技术研发实践进行投融资支持，推动低碳经济发展模式快速扩张。⑭Muhammad Shahbaz， Sakiru Adebola Solarin， Haider Mahmood and Mohamed Arouri， “Does Financial Development Reduce CO2 Emissions in Malaysian Economy？A Time Series Analysis，” Economic Modelling， vol.35， 2013， pp.145-152.也有学者认为绿色金融对绿色经济整体存在先促进再抑制的影响效应。⑮尹子擘、孙习卿、邢茂源：《绿色金融发展对绿色全要素生产率的影响研究》，《统计与决策》2021年第3期。从微观机制变量看，学者们发现政府研发补贴能促进绿色金融在能源效率提升方面发挥更大效能⑯蒙玉鑫、刘璐、冉启英：《绿色金融是否提高了能源效率？——基于中国政府研发补贴视角》，《生态经济》2023年第6期。，绿色金融和政府干预对碳排放效率的耦合作用既可能是正向的也可能是负向的。⑰赵晓春、龙来春、周瑛：《绿色金融、政府干预与区域碳排放效率》，《统计与决策》2023年第10期。

总体来看，绿色金融可以通过多种渠道影响碳排放效率。在研究对象上，已有研究多数从绿色信贷、政府调控等单一方面对碳排放效率的影响进行研究，或聚焦特定区域的具体产业。⑱王达、宋超、张馨幻、徐雯、杨念：《京津冀地区绿色金融发展水平与农业碳排放效率耦合度研究》，《农业大数据学报》2022年第3期。在研究方法上，大多是利用面板数据，建立计量模型实证研究绿色金融与碳排放效率的关系，但忽略了绿色金融评价体系的多元性，未充分考虑滞后或回程效应。在当前研究的基础上，本文从绿色信贷、绿色债券、绿色保险和绿色投资等四个维度测度绿色金融发展水平，在整体上进行审视和分析。同时，基于中国30个省区（除港澳台地区、西藏自治区外）2000—2019 年省际面板数据，运用动态空间面板模型，实证评估绿色金融对碳排放效率的滞后效应和回程效应，为实现“双碳”目标和推动经济社会绿色低碳发展提供了一定的理论和数据参考。

二、理论机制与研究假设

绿色金融对碳排放效率的作用主要体现在以下三个方面：第一，绿色金融可以通过提供融资支持，促进绿色技术的研发和应用，倒逼企业为绿色发展投入更多资金，主动开展技术升级和转型发展，从而减少高碳排放行业的能源消耗和排放。例如，为可再生能源项目提供贷款支持，鼓励企业研发低碳技术，从而减少碳排放。①孙景兵、薛倩：《科技创新提高碳排放效率了吗？》，《生态经济》2022年第6期。第二，绿色金融可以引导资本流向环保产业和低碳产业，促进产业结构的调整，减少高能耗、高污染产业的碳排放。②施懿宸、章容洲、杨晨辉：《碳减排与绿色信贷：基于国际经验的发展路径探讨》，《国际金融》2021年第7期。例如，支持环保产业和低碳产业的发展，将更多的资本引导到相关领域，减少高碳排放产业的能源消耗。第三，绿色金融可以推动企业优化环保管理和实践，引导和鼓励企业采取更加环保的生产方式，提升碳排放效率。③毛彦军、曲迎波、郑天恩：《绿色信贷的碳排放效应及其能源效率机制研究——基于空间计量模型的分析》，《金融理论与实践》2022年第9期。例如，企业采取措施减少能源消耗和废弃物排放，提高资源利用效率，从而减少碳排放。尽管绿色金融可以通过支持绿色技术研发和应用、促进产业结构调整、推动企业环保管理和实践等多方面渠道提升碳排放效率，但是，企业技术改造和产业结构优化的碳减排作用需要一定的时间才能显现。因此，提出假设H1：绿色金融对碳排放效率有显著提升作用，但存在滞后效应。

绿色金融对碳排放效率的提升存在回程效应。首先，绿色金融对碳排放效率的影响不是一蹴而就的，它需要通过长期的资本投入和政策引导等手段来实现。④金英君、刘晓峰、王义源：《政府调控碳排放路径研究——基于金融效率的视角》，《中国软科学》2021年第5期。在这个过程中，可能会出现一些短期的波动和调整，导致回程效应出现。例如，在投资绿色能源项目时，可能会使得传统能源价格上涨，从而刺激人们对传统能源的需求，进而导致传统能源的开采和使用量增加。其次，绿色金融所支持的环保项目和政策往往涉及多个领域和方面，其影响也是复杂而多方面的。⑤熊灵、齐绍洲：《金融发展与中国省区碳排放——基于STIRPAT模型和动态面板数据分析》，《中国地质大学学报》（社会科学版）2016年第2期。不同领域和方面的影响可能会相互抵消或产生负相关关系，从而导致回程效应的出现。例如，在推广可再生能源时，可能会使得传统能源的需求下降，但同时也会导致可再生能源的生产成本上升，从而抵消了环保效果。因此提出假设H2：绿色金融对碳排放效率存在回程效应。

三、研究设计

（一）模型设定

1. 空间自相关检验

本文利用熵值法测度绿色金融水平，并运用Global Moran’s I 检验省际绿色金融空间自相关性，以此确定建立空间面板计量模型的必要性。计算公式如下：

式中n为30；xi、xj分别为地区i和j的绿色金融水平；Wij为空间权重。

2. 空间权重矩阵设定

为了确保结果的准确性，本文构建空间邻接矩阵（W0）、空间地理距离矩阵（W1）、经济地理嵌套矩阵（W2）测算30个省区的空间相关性。

空间邻接矩阵W0：

空间地理距离矩阵W1：

以地区国内生产总值衡量各地区之间经济距离，构建经济地理距离矩阵W2：

3. 动态空间面板模型

为检验绿色金融对碳排放效率的滞后效应，本文引入如下动态空间面板模型：

式中t=20；Yt表示被解释变量t时期观测值的N× 1 维向量；Xt表示t时期各解释变量观测值构成的N×K维矩阵，K为解释变量的个数；W为空间权重矩阵。

（二）变量选取和指标说明

1. 被解释变量

碳排放效率（CTE）是指在既定产出和要素投入条件下，理论上可达到的最少碳排放与实际排放之比。①王群伟、周鹏、周德群：《我国二氧化碳排放绩效的动态变化、区域差异及影响因素》，《中国工业经济》2010 年第1期。当前，关于碳排放测算主要依靠参数法与非参数法。参数法通过假设明确的生产函数来测算碳排放效率。相较于参数法，非参数法的使用更加广泛，主要以数据包络法（DEA）为主，是一种基于多种投入要素与多种产出要素所产生的多个决策单元相对效率的系统分析方法②A. Charnes， W. W. Cooper and E. Rhodes， “Measuring the Efficiency of Decision Making Units，” European Journal of Operational Research， vol.2， no.6，1978， pp.429-444.，传统DEA 模型中存在变量松弛问题，忽略了环境的影响。因此，Tone 等提出一种非径向、非角度的SBM 模型，将松弛变量纳入目标函数中，解决了投入和产出的松弛问题。此后，又将非期望产出要素纳入SBM 模型中，解决了环境负外部性的问题。③Kaoru Tone and Miki Tsutsui，“Dynamic DEA： A Slacks-based Measure Approach，”Omega， vol.38， 2010， pp.145-156.本文采取修正的SBM 模型测算碳排放效率，具体模型如下：

其中βj，，≥0；i= 1，2，…，m；r= 1，2，…，q；j= 1，2，…，n(j≠k)，s-，s+，分别表示投入要素、期望产出要素、以及非期望产出要素的松弛变量，xik，yrk，brk分别表示投入、期望产出以及非期望产出，q1，q2分别表示期望与非期望产出要素的数量，β为需要进行改善的效率值。

参考杜克锐等人的做法①杜克锐、邹楚沅：《我国碳排放效率地区差异、影响因素及收敛性分析——基于随机前沿模型和面板单位根的实证研究》，《浙江社会科学》2011年第11期。，本文的投入变量包括能源、资本和劳动力，期望产出为地区生产总值，非期望产出为碳排放。为消除通货膨胀影响，所有涉及价格指数的变量以2000 年为基期进行平减，其中，劳动力以各地区年末就业人数来度量。资本投入采用年均资本存量来度量，由于现有的统计资料并没有我国及各地区资本存量的统计，按照张军等的做法②张军、吴桂英、张吉鹏：《中国省际物质资本存量估算：1952—2000》，《经济研究》2004年第10期。，采用“永续盘存法”对每年的实际资本存量进行测算：本期物质资本存量=本期固定资产形成总额+上期物质资本存量×（1-9.6%）（9.6%为各省份固定资本形成总额的固定资产折旧率）。能源投入是以各省份每年生产过程中的能源消耗量折算成标准煤后加总来表示。

2. 核心解释变量

绿色金融（GF）的主要内涵是遵循市场经济规律，以生态文明建设为导向，采取信贷、证券、保险、基金等多样化金融工具，致力于推动节能降耗和实现经济资源与环境的协调发展。③安伟：《绿色金融的内涵、机理和实践初探》。在尹子擘等人的研究基础上④尹子擘、孙习卿、邢茂源：《绿色金融发展对绿色全要素生产率的影响研究》。，本文将绿色金融分为绿色信贷、绿色证券、绿色保险、绿色投资四部分，具体指标体系如表1所示。

表1 绿色金融发展水平评价指标体系

3. 控制变量

选取以下控制变量进行分析：（1）经济发展水平（EDL）：本文以人均GDP 表示经济发展水平。环境库兹涅茨曲线认为，经济发展与环境状况呈现出倒“U”型关系。（2）能源结构（ES）：煤炭消费量／能源消费总量×100%。中国地域辽阔，不同地区之间自然资源禀赋差异巨大，能源结构也存在差异。⑤杜立民：《我国二氧化碳排放的影响因素：基于省级面板数据的研究》，《南方经济》2010年第11期。（3）科研投入（TS）：科技支出/财政支出×100%。增加研发投入，能促进科技创新，进而提高能源利用效率促进碳排放效率提升。⑥Paul Wolfram and Nic Lutsey，“Electric Vehicles：Literature Review of Technology Costs and Carbon Emissions，”The International Council on Clean Transportation Working Paper，2016-14.（4）产业结构（IS）：工业增加值/国内生产总值×100%。随着产业结构变动，特别是第三产业在整个产业结构中所占比重上升会导致碳排放量下降，从而碳排放效率上升。⑦Gene M. Grossman and Alan B. Krueger，“Environmental Impacts of a North American Free Trade Agreement，”National Bureau of Economics Research Working Paper，1991，no.W3914.（5）对外开放水平（OPL）：出口额/国内生产总值×100%。对外开放程度越高，能从国外引进的先进技术设备和管理经验就越多，从而提升能源利用效率。⑧罗良文、李珊珊：《FDI、国际贸易的技术效应与我国省际碳排放绩效》，《国际贸易问题》2013年第8期。（6）政府干预程度（GOV）：政府财政支出/国内生产总值×100%。政府部门的环保政策可以解决环境问题，但政府部门的过度干预又可能会抑制碳排放效率提升。⑨朱承亮、岳宏志、师萍：《环境约束下的中国经济增长效率研究》，《数量经济技术经济研究》2011年第5期。

4. 数据来源

本文以2000—2019 年为考察区间，以中国30 个省区（除港澳台地区、西藏自治区外）为研究对象，基础数据来自《中国统计年鉴》《中国能源统计年鉴》及各地区统计年鉴。

四、结果与分析

（一）全国各省区碳排放效率的时空演变分析

根据国家统计局的划分标准，本文将30 个省区划分成东、中、西以及东北四大区域。图1 显示了全国及四大经济区域2000-2019 年的碳排放效率趋势。可以看出，全国及四大经济区域的碳排放效率变动趋势大体一致，保持着上升趋势，且在2010 年之后上升速度有所提高；东部地区的碳排放效率明显高于西部和东北，中部地区的碳排放效率与全国平均水平基本一致。此外，东部与其他三大地区差距有缩小的趋势，这可能是因为随着社会的发展，其他三大地区提升了技术水平，增强了环保意识。值得关注的是，东北地区的碳排放效率要低于其他地区，造成这种现象的原因主要是东北地区在中国工业化、现代化历程中的特殊性，区域内城市资源型特征明显，城市结构固化严重，这种不合理的基础阻碍了其绿色发展的进程。

图1 2000-2019年全国及四大区域碳排放效率均值趋势

中国省际碳排放平均效率存在明显的地区差异性，碳排放效率高的省区大多数分布在中国东部沿海地区，碳排放效率低的省区则主要分布在中国内陆地区。这些省区大部分属于经济发达地区，绿色发展意识普遍早于同期其他地区，并且重视技术创新对经济绿色转型的支持作用，因此碳排放效率水平较高。低碳排放效率区的省区主要位于自然资源丰富的西北地区和煤炭资源丰富的华北地区。究其原因，这些地区经济生产路径过分依赖传统化石能源，同时政府又在外部施加强烈的环境约束政策，虽然本意是逼迫当地污染型企业进行绿色转型，但是短时间内难以收获成效，导致经济的挤出效应大于碳减排效应，从而导致碳排放效率持续低位徘徊。

（二）空间相关性检验

根据表2 结果，三种空间矩阵下，2010—2019 年碳排放效率的Moran’s I 均为正值，说明碳排放效率具有显著的空间正相关关系和全域空间集聚特征。根据表3 结果，三种空间矩阵下，相关的LM 检验均在1%水平显著，说明各变量确实存在空间效应。

表2 2000-2019年中国碳排放效率的Moran’s I指数检验结果

表3 LM检验结果

（三）估计结果

通过在动态空间面板模型中逐步引入控制变量的方式来观察模型系数和显著性的变化，发现核心变量的系数和显著性并未发生很大变化，表明模型所输入的变量比较稳定（见表4）。

表4 全国层面动态空间面板模型估计结果

为深入探究绿色金融对碳排放效率的影响，本文构建动态空间面板模型进行分析（见表5）。从表5的估计结果中可以看出，在三类空间权重矩阵下，无论是静态面板还是动态面板模型，相关系数都是显著的，说明模型是稳健可靠的。动态空间面板模型和静态空间面板模型的估计结果在系数符号和显著性方面基本类似，也表明运用空间计量分析绿色金融对碳排放效率的影响效应是合适的。但是静态空间面板模型中绿色金融系数及其空间滞后项系数的大小却存在明显差异，静态面板的系数要显著高于动态空间面板模型中的系数。动态空间面板模型中，碳排放效率滞后一期在所有模型中都通过了1%的显著性检验且都为正值，表明静态空间面板模型高估了绿色金融对碳排放效率的促进效应，原因在于静态空间面板模型只考虑了绿色金融对碳排放效率的影响，忽视了其他影响因素。而动态空间面板模型中，碳排放效率指数的一阶滞后项能将影响碳排放效率提升的潜在因素从空间结构因素的影响中分离出来，使静态空间面板模型的偏差得以矫正，也表明碳排放效率具有动态性、连续性的经济特征。由此，假设1 得到验证。

表5 绿色金融对碳排放效率的空间计量回归结果

从随机效应和固定效应模型回归结果可以看出，绿色金融的一次项、二次项回归系数均通过了1%的显著性水平检验，呈现出一个“U”型的趋势，且R2值均较高，F 检验和Wald 检验也都通过了1%显著性水平检验。引入空间因素后，空间邻接矩阵、空间地理距离矩阵和经济地理嵌套矩阵三种空间权重矩阵下，绿色金融都对碳排放效率呈现出先下降再上升的“U”型趋势，并以1%的显著性水平下通过z检验。究其原因可能是：一方面，在前期，绿色金融引导资金进入绿色产业，其重点在于创新技术投入，转变产业发展模式，短期内并不能带来太高的经济效益，产业升级效应未能完全发挥出来。另一方面，绿色金融在一定程度上挤占了传统投融资，使得融资成本上升，成本增加，从而导致碳排放效率下降，出现“回程效应”。当过了“U”型曲线的拐点后，绿色金融发展水平不断提高，一方面，促进企业加大对生产工艺的改进，同时技术创新也取得一定成效，能源利用率显著提升；另一方面，随着绿色金融支持力度的加大，形成政策引导效应，降低了环境友好型企业的成本，倒逼高耗能产业调整结构，推动产业绿色转型，从而提高碳排放效率。由此，假说2得到验证。

从控制变量的系数来看，产业结构（IS）的系数显著为正，这表明产业结构对碳排放效率有正向作用，主要是因为产业结构优化升级促进了产业绿色转型。经济发展水平（EDL）、能源结构（ES）、科研投入（TS）、对外开放水平（OPL）的估计系数也通过了显著性检验，但均为负值，可能是由于当前行业间能源结构差异，还尚未完全实现清洁化和绿色化转型，需经历一定的阵痛期。

五、结论与启示

基于中国30 个省区（除港澳台地区、西藏自治区外）2000—2019 年省际面板数据，采用熵值法测度绿色金融水平，采用SBM 模型测算碳排放效率，在此基础上，利用动态空间面板模型分析绿色金融对碳排放效率的影响效应。研究发现：（1）中国碳排放效率存在着发展不平衡、不充分的现象，主要呈现为“东高西低，南高北低”的阶梯式分布格局。由于地区间经济社会发展的差异性和客观的历史原因，不同区域间碳排放效率有较大的差异，由高到低依次为东部、中部、西部、东北。（2）碳排放效率存在显著的空间正相关性，绿色金融对碳排放效率的提升作用显著且稳健，在碳排放效率较高的情况下，绿色金融发展水平的提升效果更为显著。其中，东部地区的影响效果最为明显。（3）绿色金融对碳排放效率的影响存在滞后效应，总体上呈现出先下降再上升的“U”形趋势，即短期来看，绿色金融不能完全发挥其效应，反而会抑制碳排放效率的提高，但随着区域内产业优化升级、技术更新迭代，碳排放效率又能得到提升，即回程效应。因此，绿色金融对于缓解企业绿色转型发展融资困境、推动绿色科技创新、优化产业结构，进而显著提升碳排放效率有积极的正向影响。

在“双碳”背景下，要实现中国经济社会高质量发展，重点在于充分发挥绿色金融引导作用，大力提高碳排放效率。第一，因地制宜施策，区域协同发展。中国各区域自然经济条件不同，生产要素和技术水平也存在一定程度的差异，应采取不同的措施提升碳排放效率，增强区域发展的平衡性和协调性。东部地区应注重产业结构优化，避免无效资源浪费，发挥示范带动作用，提高碳排放效率和发展质效；西部地区作为生态屏障聚集地，在注重生态保护的同时，应大力发展绿色技术，加快绿色转型，推动经济与生态环境的全面协调可持续发展，以实现中国各区域协同高效发展。第二，优化金融工具，加大绿色投入。商业银行应开发多元绿色金融产品，丰富金融融资工具，优化金融资本配置，重点加强对新能源、低碳环保等战略性新兴产业的融资支持，推动企业技术改造和产业优化升级，缩短碳减排效果生效时间，弱化绿色金融对碳排放效率提升的滞后效应。第三，创新技术融合，强化监督管理。加快完善绿色金融产品特色服务标准和通用基础标准以及信用评级标准，依托专业机构平台，加强金融科技和数字技术的融合升级，增加二者在环境信息披露和信息共享方面的应用，发挥绿色金融的风险分散作用。同时，还要加强对绿色金融的监管制度建设，规范约束金融投资行为，培育积极健康有序的良好市场环境，弱化绿色金融对碳排放效率提升的回程效应。