空间视角下绿色金融对碳排放的影响研究

金世玉，田穗

（杭州电子科技大学，杭州 310018）

1 引言

2023 年10 月31 日，中央金融工作会议上习近平总书记强调要把更多的资源用于促进技术创新和绿色发展。近年来，政府相继制定和出台了一系列绿色金融相关的政策和文件，并在多地建立绿色金融改革试验区，不断促进绿色金融发展，提高绿色金融发展水平。随着地区之间的联系日渐密切，本地区的碳排放不仅取决于自身的发展水平，也会受到周边地区的辐射影响，因此文章从空间角度研究绿色金融对碳排放的作用效果，并进一步分析这种影响是否具有空间溢出性，丰富绿色金融与碳排放领域的研究。

2 文献综述

在绿色金融对于环境改善，降低碳排放的研究中，有研究发现绿色金融的发展对碳排放产生影响[1]，随着绿色金融的发展，其与二氧化碳的排放表现出显著的倒U 关系[2]。相关绿色金融政策的制定及落地，能够促进社会中清洁部门的发展，促进经济向低碳转型[3]，提高重污染企业的融资难度和成本，限制这类企业的发展，进而对环境改善产生正向作用[4]。进一步分析绿色金融与碳排放在空间上的关联发现，我国经济水平较高的地区，如长三角地区、珠三角地区都表现出碳排放集中的现象[5]，而绿色金融发展从我国东部向东北中部再到西部呈现出自高向低的三阶梯变化趋势[6]，绿色金融发展水平较高的地区，主要分布在我国的华北地区、东部地区、珠三角地区。因此不少研究逐渐将研究的角度扩展到了空间分布。有学者结合绿色金融和碳排放的空间部分特点，采用空间计量模型进行分析[7]，发现绿色金融对于二氧化碳的排放存在空间溢出效应[8]，绿色金融的发展不仅会对当地的碳排放产生影响，同时会对临近周边地区产生一定的辐射作用。

3 理论分析

绿色金融不断发展，且逐渐表现出聚集效果。早期我国绝大多数省份的绿色金融发展都处于较低的发展水平。随着绿色金融政策的不断落实和各省对于环境保护的不断重视，到了近几年国内大部分省份的绿色金融都相较于早期有了较大的发展。绿色金融具备传统金融的特点，其通过各类金融工具发挥调节市场资源的作用，引导市场资金的流向。在绿色金融发展的初期，一些较为发达的地区省份，往往会率先推行促进绿色金融发展的相关政策，建立对应的绿色金融体系，这类地区通常也会较早地进入到绿色转型模式。与此同时，由于早期的绿色金融发展存在较多的空白，往往会吸引较多的资金和其他资源进入该地区，会使该地向周围地区产生聚集作用，吸引周边邻近省份相关资源。随着绿色金融的不断发展，在绿色金融发展到饱和状态时，当地的各类要素将会无法有效地消纳，此时绿色金融表现出外溢扩散的趋势，向周边地区辐射，带动周围邻近省份的绿色金融发展。随着绿色技术和理念的扩散，各类低碳技术向周边省份外溢，绿色金融发展程度高的地区会为周边地区输送相关的技术和人才，同时其自身的发展也为周边地区提供了一定的参考。与此同时，绿色金融具有一定的引导性，资金向环保产业转移，增加高污染企业的资金使用成本，促使企业不断开发新型环保技术，转变发展理念。同时金融产业还会释放信号，引起市场对于环保的关注，进一步推动产业结构优化，降低碳排放强度。基于以上分析提出假设：绿色金融对于抑制碳排放强度具有一定的空间效应。

4 计量模型设计

使用地理距离矩阵（W1）、经济地理嵌套矩阵（W2）作为空间矩阵，建立空间计量模型如下所示：

式中，i、j 表示不同的区域，Wij表示空间权重，β1为绿色金融回归系数，λ 为碳排放空间回归系数，φ1为绿色金融空间回归系数，Control 为控制变量，Ui为误差项。

被解释变量为碳排放强度（CI），表示单位GDP 产出所排放的二氧化碳排放量。选取煤炭、焦炭、原油、汽油、柴油、煤油、燃料油、天燃气八大类能源，依据《中国能源统计年鉴》的标准煤折算公式进行计算获得各省份的二氧化碳排放量。同时使用2005-2020 年类EANTLI 夜间灯光数据集对碳排放数据进行补充，最终计算该省单位GDP 所产生的二氧化碳量来表示该省的碳排放强度。

式中，CIit为i 省第t 年的碳排放强度，Ei为第j 种能源第t 年的消费总量,σi为第j 种能源对应的折标准煤系数，ρi为第j 种能源对应的二氧化碳排放系数，Lit为i 省第t 年的夜间灯光数据，GDPit为i 省第t 年的GDP 值。

核心解释变量为绿色金融（GF）：从绿色保险、绿色证券、绿色投资、绿色信贷四部分，使用熵权法计算出绿色金融指数来客观衡量各省的绿色金融发展状况。其中绿色保险选取农业险保费收入与保险总收入比值；绿色证券选取绿色行业A 股市值与A 股总市值比值；绿色投资选取环境污染治理投资与GDP比值；绿色信贷选取高耗能工业产业利息与工业产业利息比值。

文章将设定以下控制变量：产业结构（IS），采用第三产业增加值与GDP 占比计算；经济发展水平，选取人均GDP（PerGDP）；贸易开放程度（TRADE），采用进出口总额与GDP 占比；外商投资状况（FIS），采用各地区实际利用外商投资额占GDP的比值；财政支出（FS），采用财政支出与GDP 的比值。

鉴于数据的可得性，选取2005-2020 年中国除西藏自治区和港澳台地区以外的其他30 个省、市、自治区相关数据进行研究。数据来源于各个省份的历年统计年鉴、Wind 数据库。夜间灯光数据来源于全球变化研究数据出版系统类EANTLI 夜间灯光数据集（2005-2020）。

5 实证结果及分析

5.1 空间计量结果

首先，碳排放强度在不同的矩阵下都表现出显著的空间自相关性。空间自回归系数分别为0.293、0.466，表明某一省份的碳排放强度的增强也会导致周围邻近省份对应的碳排放强度的增强，每1%单位GDP 二氧化碳的排放量的上升分别会导致周围邻近省份单位GDP 二氧化碳排放量上升0.293%、0.466%。从结果中能够看出各省份之间的碳排放强度存在着很强的聚集效应，通过降低该省的碳排放强度，依靠空间联系可以扩散作用到其他周边省份，进而带动周边省份的碳排放强度的下降。其次，绿色金融空间滞后系数W×GF 均显著为负，表明绿色金融的发展可以显著地对碳排放强度产生遏制作用，如表1 所示。

表1 空间计量结果

5.2 效应分解

在不同的空间权重下，绿色金融对于碳排放强度的抑制作用存在显著的空间相关性，接下来深入分析绿色金融的发展对于该省及其周围省份的碳排放强度的影响，结果如表2 所示。

表2 效用分解结果

从结果来看，在不同的空间权重下，绿色金融对于抑制碳排放强度直接效用、间接效用、总效用都通过了显著性检验。以经济地理嵌套矩阵（W2）为例，每提升1%的绿色金融发展水平就会直接抑制本省的单位GDP 二氧化碳排放量0.047 6%，间接抑制本省的单位GDP 二氧化碳排放量0.809%，整体上抑制本省的单位GDP 二氧化碳排放量0.857%。

比较不同矩阵下的回归结果，发现绿色金融的发展在空间上可以作用到该省的碳排放强度上，且具有显著的抑制效应。随着绿色金融的发展，带动多个部门向绿色转型发展。另外可以看到间接作用的效果显著强于直接作用的效果，由此可知，绿色金融的发展对于碳排放强度的抑制作用更多的是侧重于间接手段来实现的。分析原因可能是，绿色金融通过相关的政策向市场释放出来的越来越强烈的节能环保的信号，推动企业开始加大对于环保技术的研发和投入，推动企业优化生产模式，逐步走向绿色发展。另外，绿色金融作为金融的一个分支本身也具有金融自身所具备的资源配置的作用，绿色金融通过多种形式的绿色金融产品实现资源配置更多地向绿色环保类偏移，同时由绿色金融发展较为完备的地区向周边不断地外溢优质的绿色技术和人才，推动周边地区进一步地发展相关绿色产业，实现碳排放强度的协同下降。

6 结论

文章基于2005-2020 年全国30 个省份的碳排放数据结合夜间灯光数据计算碳排放强度，同时从绿色保险、绿色投资、绿色信贷、绿色证券4 个维度较为全面地衡量绿色金融的发展水平。对碳排放强度和绿色金融的空间分布进行分析，通过构建空间杜宾模型来验证绿色金融对于抑制碳排放强度具有空间效用。检验结果显示，绿色金融对于碳排放强度具有显著的负空间溢出效应，这反映了绿色金融对于碳排放强度具有抑制作用，不仅会对该省的碳排放强度产生抑制，同时也会影响到周边的邻近省份，推动邻近省份降低碳排放强度。效用结果显示，绿色金融对于碳排放强度上在直接效用、间接效用和总效用中都显著地表现为负相关，并且间接效应系数大于直接效用系数。这表明，绿色金融对于抑制碳排放的作用对于周边地区的影响程度较大，存在较为明显的空间溢出效应。