绿色金融对苏州重点产业碳减排的影响效应研究

王钇淞 闻梓彦 陈功 刘晨曦 潘洁

摘 要：我国提出双碳政策以来，各级政府积极采取行动实现减污降碳协同增效，促进经济社会发展全面绿色转型。本文采用STIRPAT模型探索2008—2021年江苏省苏州市重点产业碳排放量与人口城镇化水平、人均生产总值、绿色金融指数、碳排放强度之间的关系。同时，设置不同绿色金融发展程度情景，对苏州市重点产业进行碳排放峰值模拟实验。研究表明：绿色金融能够有效促进碳减排，苏州市加强发展绿色金融对达成碳达峰计划具有重要意义。

关键词：绿色金融；STIRPAT模型；碳减排；碳峰值；苏州重点产业；绿色金融指数

本文索引：王钇淞，闻梓彦，陈功，等.<变量 2>[J].中国商论，2024（03）：-124.

中图分类号：F205；DF468 文献标识码：A 文章编号：2096-0298（2024）02（a）--05

1 引言

自2005年起，中国碳排放总量连续十七年居世界首位。2020年中国在第75届联合国大会上正式提出了“双碳”目标。2021年，苏州市重点产业产值达8133.91亿元，碳排放总量达2911.19万吨。人民银行苏州市中心支行发布了《关于2022年苏州市绿色低碳转型金融重点工作部署的通知》，明确了未来绿色金融定量目标，提出了十大重点工作方向。为此，对苏州市绿色金融发展现状和碳排放效应进行研究、明确苏州碳排放的金融驱动机制、模拟苏州未来的碳达峰路径，对于制定长期稳健的碳减排政策具有重要意义。

截至目前，学术界研究绿色金融与产业碳排放的重点在于碳排放的影响因素。李艳红（2018）研究发现，河北省人均碳排放与人均GDP之间存在“倒U”型曲线，产业结构和能源结构调整是河北省实现经济可持续发展的根本途径[1]。Muhammad et al.（2023）研究发现，绿色金融、绿色创新、环境政策严格程度、GDP、出口、进口和碳排放之间有着长期的联系[2]。张欢等（2023）研究发现：绿色信贷对碳排放具有显著抑制作用，城镇化水平、人均 GDP和单位 GDP能源消费量与碳排放呈正相关[3]。另一部分学者主要研究绿色金融在碳减排中的应用，何吾洁等（2019）利用VAR模型研究发现，发展绿色金融、利用可再生能源都能有效抑制单位GDP二氧化碳的排放[4]。杨林京等（2021）采用有调节的中介效应模型研究发现，绿色金融发展和结构调整优化能够显著抑制碳排放[5]。Franley et al.（2022）采用面板分位数回归，研究表明可再生能源使用的增加和绿色金融发展指数的进步有助于减少二氧化碳排放量[6]。刘锋等（2022）基于环境库兹涅茨曲线（EKC），研究发现：中国绿色金融发展显著抑制了碳排放[7]。由此可见，少有学者研究具体地区碳排放的影响因素，并且缺乏定量研究，不利于为地方政府提供可行性建议。

综上所述，本文的研究目标为：探索苏州绿色金融与重点产业碳排放量的关系，为推动苏州实现“双碳”目标提出建议。为此，本文将基于苏州重点产业的碳排放数据和STIRPAT模型，量化分析碳排放量的影响因素，预测不同绿色金融发展程度下碳达峰的路径，从而提出相关建议，增强碳减排效应。

2 苏州市绿色金融与重点产业碳排放现状分析

2.1 苏州市绿色金融发展现状

为顺利实现“双碳”目标，苏州市政府大力倡导绿色发展，引导金融资本與环保项目对接，开发多样化绿色金融产品。

苏州市绿色信贷规模不断扩大。截至2023年3月末，苏州本外币绿色贷款余额6647亿元，同比增长50.5%，相比其他各项贷款增速高出34.9%，体现了绿色信贷强大的竞争力。

苏州市绿色债券发展不断成熟。截至2022年12月末，苏州绿色债券余额达到171亿元，同比增长47%，形成了金融资本服务绿色业务的良好局面。

2.2 苏州市碳排放重点产业现状

2023年6月20日，苏州市工信局发布了《苏州市工业领域及重点行业碳达峰实施方案（征求意见稿）》，指出钢铁、石油化工、建材、纺织和造纸产业是碳排放的重点行业。

2.2.1 钢铁产业

苏州钢铁产业超低排放改造工作整体起步较早，进展良好。2021年苏州市完成钢铁产业总产值3114.8亿元，碳排放总量达24.84百万吨，较2020年和2019年同比减少0.68%和0.86%。钢铁企业投入大量资金和精力，全面实施污染治理。目前，苏州钢铁企业焕然一新，已全部完成超低排放改造，促进了全市大气环境质量持续改善。

2.2.2 石油化工产业

苏州市政府按照国家产业政策，围绕八大产业链，鼓励企业利用现有基础，应用关键技术，优化产品结构。2021年苏州石油化工产业总产值达1658.71亿元，碳排放总量达7370吨。目前，苏州市新建化工项目严格执行准入门槛的要求，进入化工集中区域，对技术先进、优势明显、带动和支撑作用强的重大项目，及时纳入全市重点项目规划和年度实施计划，优先给予土地、信贷等支持。

2.2.3 建材产业

2021年，苏州建筑行业总产值为942.56亿元，碳排放总量达21.15万吨，较2020年同比减少0.7%。全市有9家建筑业企业被评为2021年度江苏省建筑业“百强企业”，苏州市住建局正进一步优化建筑业发展环境，促进产业创新，深化行业改革，继续做大做强苏州建筑业。‍

2.2.4 纺织产业

2021年，苏州纺织业总产值达1657.92亿元，碳排放总量达69.3万吨，较2020年同比增长4.7%。目前，苏州纺织业总量规模全国第一，后续将从上游原材料“顶天”、中间制造业智能化改造和数字化转型、终端产品品牌化发展三方面突破，大力实施“增品种、提品质、创品牌”发展战略，推动纺织业高质量发展，全力建设高水平纺织产业创新集群。

2.2.5 造纸产业

2021年，苏州造纸产业总产值达759.92亿元，碳排放量达3.36百万吨，较2020年同比减少3.36%。未来，苏州造纸行业将立足新阶段的新形势和新要求，从产业空间布局、绿色、循环、智能、安全五个方面进行提质增效，确保造纸行业高质量发展稳步向前。

3 模型构建和数据来源

3.1 STIRPAT模型构建

STIRPAT模型是一种常用的社会科学研究方法，这种模型提供了一种操作性强的分析框架，通过量化碳排放量与经济、人口、技术层面之间的关系，为研究提供直观可靠的趋势拟合与数据预测，能够更准确地识别出具体的影响因素并制定相应的环境措施，对于理解环境问题的根源和解决途径具有重要意义。

本文选取苏州市碳排放与经济水平、人口、技术数据，依据STIRPAT模型，分析苏州市社会经济因素对苏州碳排放的影响。

STIRPAT模型的基本形式为：

式中，I为社会经济活动对环境的影响，P、A、T分别表示人口、经济、技术因素，a、b、c、d为对应系数。为了方便计算分析，将上式转化为对数形式：

为引入绿色金融概念，对经济层面因素进行分解，得到下式：

其中，人口層面的U代表城镇化水平；经济层面的G代表区域人均生产总值，L代表绿色金融指数（区域绿色金融总额与区域生产总值的比值），技术层面的E代表碳排放强度，即碳排放量与区域生产总值的比值。

3.2 数据来源及变量说明

本文数据采用2008—2021年苏州市碳排放量、城镇化率、区域生产总值、绿色金融、碳排放强度，分析各因素与碳排放量之间的关系。

碳排放量通过能源消费总量与碳排放系数（国家发改委能源研究所推荐的标煤的碳排放系数为0.67吨碳/吨标准煤）的乘积进行计算，能源消费总量来自历年《苏州统计年鉴》，城镇化水平、区域生产总值、区域常住人口均来自苏州市统计局的2023版《苏州市情市力》。绿色金融的数据来源于市内国有大型银行的年报。

4 实证分析

4.1 回归分析及检验结果

本文使用SPSSPRO进行岭回归分析以测算模型整体的关联程度。经过计算，各解释变量之间的关系如下所示：

基于F检验显著性P值为0.006，在1%水平上呈现显著性，拒绝原假设，表明自变量与因变量之间存在着回归关系。同时，模型的拟合优度R²为0.773，模型表现较为良好，证明了苏州市碳排放量与城镇化率、区域生产总值、绿色金融、碳排放强度之间存在紧密联系，具有较强的研究价值。

本文根据所得模型结果，可以判断碳排放量与人口城镇化率、人均生产总值、碳排放强度成正相关，与绿色金融指数成负相关。

（1）人口城镇化率。苏州已经具备较高的人口城镇化率，当人口城镇化率进一步提高但清洁能源无法大规模扩展时，人口城镇化率的提高对碳排放量影响较大，每提高1个人口城镇化率的百分点，将提高1.22个单位的碳排放量。

（2）人均生产总值。当人均生产总值上升时，代表着经济的增长，这也会引起碳排放量的增长，根据模型结果可以看到，每增长1个单位的人均生产总值，碳排放量会相应增长0.192个单位。

（3）绿色金融指数。绿色金融被用于支持和促进环保项目和可持续发展，绿色金融指数指的是区域绿色金融总额与区域生产总值的比值。在本模型中，可以得到每增加1个百分点的绿色金融指数，碳排放量可以下降0.153个单位，对碳减排起到积极的正向作用，说明绿色金融业务的发展能够有效促进苏州碳排放的减少。

（4）碳排放强度。碳排放量与区域生产总值的比值，可以客观地反映碳排放量与经济之间的关系，从模型结果可知，碳排放强度每增加1个单位，碳排放量将增加0.174个单位。

4.2 基于不同绿色金融发展程度下的碳峰值模拟实验

4.2.1 情景设置

江苏省工信厅、江苏省发改委、江苏省生态环境厅联合印发《江苏省工业领域碳达峰及重点行业碳达峰实施方案》中指出江苏省钢铁、石化化工、建材、纺织和造纸五大行业碳排放量约占全省工业领域碳排放量的75%以上。

根据苏州统计局发布的《苏州市情市力》与《苏州统计年鉴》计算可得，2016—2020年，城镇化率上涨5.05%，区域人均生产总值上涨28.47%，绿色金融指数上涨20.48%，碳排放强度下降17.81%。

为方便计算，设置基准情况下的各项数据：在“十四五”时期的城镇化率上涨5%，区域人均生产总值上涨25%，绿色金融指数上涨21%，碳排放强度下降20%，苏州市重点产业碳排放量为全市排放总量的75%。

依据基准情况下的数据，本文分别定义了高发展模式与低发展模式。高发展模式下绿色金融指数快速增长，绿色金融业务蓬勃发展，“十四五”时期绿色金融指数达到25%；低发展模式下，由于苏州经济发达，近年来越发注重经济高质量发展，因此绿色金融指数相比基准情况略低，绿色金融指数为20%，象征着绿色金融业务发展缓慢。

4.2.2 碳排放峰值模拟

将数据带入模型进行测算，计算结果如下：

本文以2016—2020年为起点，根据模型，预测苏州市重点产业未来在不同绿色金融发展情形下的碳排放量。由表4和图2可知，在基准情况下，按照现阶段的绿色金融发展速度，在2030年前碳排放量较难达到顶峰；在低发展的情况下，碳排放量依然快速增长，在2030年前碳排放量无法达到顶峰；在高发展情形下，因大力发展绿色金融业务，碳排放量能够在2028年左右达到苏州最高排放量为303.08百万吨，相比基准情况和高排放情况分别降低8.83百万吨和14.64百万吨，为后续实现2060年的碳中和计划打下坚实的基础。

5 结论与建议

本文从苏州市绿色金融和重点产业碳排放现状入手，根据2008—2021年苏州市的碳排放情况与经济水平、人口、技术等数据建立了STIRPAT模型，并使用SPSSPRO进行岭回归分析证明该模型具有较强的研究价值。本文基于得出的STIRPAT模型，根据2016—2020年苏州市人口城镇化率、区域人均生产总值、绿色金融指数、碳排放强度等各项指标的变化情况，模拟出2021—2040年苏州市重点产业在不同绿色金融发展情形下的碳达峰路径。

研究发现：

（1）苏州市碳排放量与人口城镇化率、人均生产总值、绿色金融指数、碳排放强度等因素有关。当人口城镇化率、人均生产总值、碳排放强度增加时，碳排放量会随之增加，呈正相关；当绿色金融指数上升时，碳排放量会减少，呈负相关。

（2）在基准情况和低发展情况下，2030年后，苏州市碳排放量依旧处于快速增长阶段，无法实现2030年的碳达峰目标；在绿色金融高发展情况下，苏州市将在2026—2030年达到碳排放量峰值303.08百万吨，有助于后续实现2060年的碳中和计划。

综上所述，苏州市若要顺利实现“双碳”目标，就必须坚持低碳排放，即需要在人口城镇化、人均生产总值、绿色金融指数等方面找到适合苏州的低碳方案。本文就绿色金融助力“双碳”目标的实现提出以下建议：

（1）持续完善绿色金融标准体系。政府可以进一步完善绿色保险、绿色基金、绿色信托等绿色金融产品标准化体系，明确产品发行制度、规范交易流程，形成监管部门和金融机构关于“绿色”定义共识的一致性，明确绿色金融产品标签，提高市场透明度，减少“假绿”现象。

（2）推动碳排放信息透明化、清晰化。监管部门可以构建并完善碳排放信息披露框架、制定并完善相关法律法规，除明确企业披露的碳排放信息需包含的内容外，还应规定其法律责任、监督管理、事务管理、奖励与惩罚等方面，推动企业碳排放信息披露的强制性和规范性。

（3）创新绿色金融产品与服务。政府可以出台一系列财政补贴政策，鼓励金融机构推进绿色信贷、绿色债券、绿色保险、绿色基金等金融产品创新，比如开发并支持碳资产抵质押贷款、碳中和债券、碳保险、碳基金等创新品种，积极为重点产业转型提供资金支持，充分发挥绿色金融在支持绿色产业发展中的引导作用。

参考文献

李艳红.河北省碳排放与经济增长间关系的EKC存在性验证及STIRPAT实证分析[J].生态经济评论，2018（1）：14-24.

Umar Muhammad，Safi Adnan. Do green finance and innovation matter for environmental protection？ A case of OECD economies[J]. Energy Economics，2023，119.

张欢，杨彦红，王瑞祥.甘肃省绿色金融发展对碳达峰与低碳韧性的影响研究：基于STIRPAT模型和情景模拟的分析[J]. 西部金融，2023（2）：69-78.

何吾洁，陈含桦，王卓.绿色金融发展与碳排放动态关系的实证研究：基于VAR模型的检验[J].贵州师范大学学报（社会科学版），2019（1）：99-108.

杨林京，廖志高.绿色金融、结构调整和碳排放：基于有调节的中介效应检验[J]. 金融与经济，2021（12）：31-39.

Mngumi Franley，Shaorong Sun，Shair Faluk，Waqas Muhammad. Does green finance mitigate the effects of climate variability： role of renewable energy investment and infrastructure.

劉锋，黄苹，唐丹.绿色金融的碳减排效应及影响渠道研究[J]. 金融经济学研究，2022，37（6）：144-158.