绿色金融对浙江省环境污染的影响研究

梁晓童

青海民族大学经济与管理学院,青海 西宁 810007

0 引言

我国政府对环境污染防治工作高度重视。浙江省作为长江经济带和沿海经济带的结合部,由于地理位置优越,自改革开放以来,经济实现了跨越式发展。但在高速发展的过程中,一些高能耗和高污染企业也使得环境问题凸显,导致水质恶化、资源浪费、生态功能退化等,环境治理面临着较大困难和挑战。绿色金融是金融部门以环境保护为目标,引导社会资源从高污染、高能耗产业流向绿色环保产业的一种金融创新手段。2017年,国务院提出将在浙江、广东、江西、新疆及贵州等5省(区)建立绿色金融改革创新试验区,探索可以借鉴的经验。浙江省作为绿色金融改革创新试验区,绿色金融发展水平位居全国前列,因此,深入探讨绿色金融如何改善环境污染这一问题,对于浙江省协同推进降碳、减污、扩绿、增长,创建国家生态文明试验区,推动长江经济带高质量发展提供“浙江样板”具有重要的理论和现实意义。

1 文献综述与研究假设

1.1 文献综述

Tamazian et al.[1]最先开展关于金融发展与环境质量关系的研究,结果表明,污染企业融资受限,抑制了生产规模的扩大,从而降低污染物排放;Mara et al.[2]实证分析显示,绿色金融政策能为环保技术的发展提供资金支持,从而促进环境质量的改善;徐新扩 等[3]基于2011—2018年我国30个省市的数据,实证考察了绿色金融对我国省域空气质量的影响,研究表明,扩大绿色金融规模可以有效减少污染排放,提升空气质量;朱向东 等[4]研究显示绿色金融能够与环境规制协同互补,以优化产业结构、提升技术水平的方式促成雾霾治理;王馨 等[5]研究发现,绿色信贷政策能显著促进上市公司的绿色创新,而绿色创新能显著提升环境绩效;陈艳华 等[6]运用2003—2021年省级面板数据,研究绿色金融对空气污染的直接和间接效应,发现绿色金融能够显著改善本地区的空气污染,且通过产业结构优化升级和绿色技术创新2个传导机制间接影响空气污染。

综上所述,以往研究主要围绕全国或经济带展开,鲜少从被设为绿色金融改革创新试验区的省份开展研究。鉴于此,本文以2012—2021年浙江省11个城市的数据为样本,采用中介效应模型探究绿色金融对浙江省环境污染的作用机制,以期为改善浙江省环境污染和为绿色金融在其他区域的实施和发展提供借鉴。

1.2 研究假设

绿色投资具有前期投入大、回报周期长以及投资风险高的特点,使得企业在绿色转型的过程中面临巨大的资金压力。但是绿色金融具有优化资源配置的功能,能够引导资源向节能环保和绿色产业倾斜,从而抑制了污染企业的融资,限制生产规模的扩大,降低污染物的排放,有效促进环境质量改善。基于上述分析,提出本文假设1。

H1：绿色金融具有正向环境效益,发展绿色金融能够减少浙江省污染物的排放。

一方面,由于绿色技术的研发投入成本高,容易受到融资的限制,绿色环保企业面临融资难的困境。但是在绿色金融资金导向功能的作用下,能够实现资金的优化配置,引导资金流向绿色项目,为企业研发绿色技术提供资金支持;另一方面,由于高污染、高耗能企业在融资的过程中,面临较强的金融歧视,获得资金的成本高,从而迫使高污染、高耗能企业进行绿色环保技术改造,减少污染物的排放。基于此,提出本文假设2。

H2：绿色金融能通过绿色技术创新促进浙江省环境质量改善。

2 研究设计

2.1 变量选取与数据来源

2.1.1 被解释变量

本文的被解释变量为环境污染(Ypollute),参考王真 等[7]的做法,选取工业废水排放量、工业二氧化硫排放量和工业烟粉尘排放量,采用熵值法构建环境污染指数。

2.1.2 解释变量

绿色金融(Xgf)为本文的解释变量,借鉴谢东江 等[8]的做法,用城市金融发展与城市绿色发展的耦合协调度来度量城市绿色金融发展水平,耦合协调度的计算公式为：

(0.5Dfina,it+0.5Ggreen,it)

(1)

式中：Dfina,it表示第i个城市第t年的金融发展水平,本文借鉴李博 等[9]的做法,采用城市金融机构存款余额与GDP的比值来衡量城市金融发展,并对该指标进行标准化处理;Ggreen,it表示第i个城市第t年的绿色水平,借鉴刘锡良 等[10]的做法,采取城市单位GDP污染物排放衡量城市绿色发展。

Fgdp,it=(Wwater,it+Sso2,it+Edust,it)/GDP

(2)

式中：Fgdp,it表示第i个城市第t年的单位GDP污染物排放量,Wwater,it表示第i个城市第t年的工业废水排放量,Sso2,it表示第i个城市第t年的工业二氧化硫排放量,Edust,it表示第i个城市第t年的工业粉尘排放量,并对该指标进行标准化处理。

2.1.3 中介变量

本文的中介变量为绿色技术创新(Zlngtp)。现有研究主要用绿色专利申请数或授权数衡量绿色技术创新。专利申请数并不表示实际技术水平的提升。因此,本文选取绿色专利授权数的对数衡量绿色技术创新。

2.1.4 控制变量

分别选取GDP增速(Agdprate)、城镇化率(Burban)和固定资产投资增长率(Cinvrate)作为控制变量。其中,GDP增速衡量经济发展水平,城镇化率用城镇人口占总人口的比重来表示,固定资产投资增长率衡量固定资产投资水平。

2.1.5 数据来源

本文选取2012—2021年浙江省11个地级市的面板数据。数据来自国泰安数据库、《中国城市统计年鉴》、《浙江省统计年鉴》和各地级市统计年鉴。部分缺失数据用插值法填补。

2.2 模型构建

根据假设1,本文研究绿色金融对浙江省环境污染的影响,构建以下的模型。

Ypollute,it=∂0+∂1Xgf,it+∂2Agdprate,it+∂3Burban,it+∂4Cinvrate,it+εit

(3)

式中：Ypollute,it表示i城市在t年环境污染程度;Xgf,it表示i城市在t年绿色金融水平;Agdprate,it、Burban,it和Cinvrate,it分别表示i城市在t年的GDP增速、城镇化率和固定资产投资增长率;∂0为常数项;∂1为绿色金融的待估参数;∂2∂3和∂4分别表示GDP增速、城镇化率和固定资产增长率的待值参数;εit表示随机扰动项。

根据假设2,本文参考温忠麟 等[11]的Bootstrap中介效应检验方法,将地级市的绿色技术创新水平作为中介变量纳入回归模型中,探究绿色金融对浙江省环境污染的作用机制。具体的模型构建如下。

Zlngtp,it=b0+b1Xgf,it+b2Agdprate,it+b3Burban,it+b4Cinvrate,it+εit

(4)

Ypollute,it=c0+c1Xgf,it+c2Agdprate,it+c3Burban,it+c4Cinvrate,it+c5Zlngtp,it+εit

(5)

式中：Zlngtp代表浙江省各地级市的绿色技术创新水平,下标i表示地区,t表示时间;b0和c0均表示常数项;b1和c1均表示绿色金融的待估参数;b2和c2均表示GDP增速的待估参数;b3和c3均表示城镇化率的待估参数;b4和c4均表示固定资产投资增长率的待估参数;c5表示绿色技术创新的待估参数;εit表示为随机扰动项。

3 实证分析

3.1 描述性统计

在回归分析前,对所有数据进行了描述性统计分析(见表1),绿色金融水平的均值为0.448,标准差为0.189;环境污染程度的均值为0.18,标准差为0.144;绿色技术创新水平的均值为6.429,标准差为1.062,数据分散程度较大,其他变量的结果表明不存在极端异常值。从描述性统计的总体情况来看,样本数据的选择较为合理,不会对后续的分析产生影响。

表1 描述性统计结果

3.2 相关性分析

变量之间的相关系数绝对值均在0.680 1以下(见表2),一般认为相关系数绝对值大于0.8,则认为2个变量之间存在严重的多重共线性,由于本文的相关系数绝对值均小于0.8,则可初步判断不存在多重共线性问题。

表2 相关性分析

3.3 多重共线性检验

本文采用方差膨胀因子法进一步判断是否存在多重共线性(见表3)。结果表明：方差膨胀因子均值为1.62,变量不存在多重共线。

表3 多重共线性检验

3.4 F检验和豪斯曼检验

对面板数据进行F检验和豪斯曼检验,筛选回归模型类型。检验结果如表4所示。

表4 F检验和豪斯曼检验结果

F检验是用于比较混合回归与固定效应。在F检验中,得到p值为0.000 0,强烈拒绝原假设,固定效应模型更优。豪斯曼检验用于比较固定效应和随机效应。在豪斯曼检验中,p值为0.000 0,拒绝原假设,表明固定效应更优,因此本文采用固定效应模型。

3.5 基准回归分析

本文使用Stata 16对模型进行基准回归分析,回归结果如表5所示。

表5 基准回归结果

列(1)未加入控制变量,列(2)加入了控制变量。由结果可知,绿色金融的回归系数显著为负,说明绿色金融的发展能降低浙江省环境污染;将控制变量纳入回归分析后,绿色金融的回归系数有所变小但仍显著为负,揭示绿色金融对浙江省具有正向的环境效应,假设1成立。

3.6 中介效应回归分析

通过前文分析可知,绿色金融能通过绿色技术创新降低浙江省环境污染。采用中介效应模型探究绿色技术创新水平是否是中介变量,回归结果如表6所示。

表6 中介效应回归结果

参考上文构建的模型,由表6可知,表格第2列中的环境污染水平对绿色金融的总效应a1是显著的,因此可以确定存在中介效应;从表格第3列和第4列可以看出,绿色技术创新水平对绿色金融的系数b1和环境污染水平对绿色技术创新水平的系数c5都是显著的,则说明间接效应显著;表格第4列中环境污染对绿色金融的系数c1也是显著的,说明直接效应成立;并且由于系数b1×c5和系数c1的符号是同号的,因此可以认为是部分中介,且中介效应占比为b1×c5/a1=30.68%。证明假设2成立。

3.7 稳健性检验

本文通过更改核心解释变量来进行稳健性检验。使用存贷比度量地区金融发展水平,再计算与城市绿色发展的耦合协调度来衡量各地级市绿色金融水平。回归结果见表7。

表7 稳健性检验结果

由表7可知,在重新度量绿色金融指标后,绿色金融不仅能降低浙江省环境污染,还能通过绿色技术创新这一作用机制促进浙江省环境质量的改善。其结论与核心实证部分结论一致。

4 相关建议

1)引导企业自觉公开环保信息,为绿色金融发展营造良好的环境。当前环保信息披露仍存在不足,因此要建设第三方环保公共信息服务平台,引导企业自觉公开环保信息,加强企业对生态环保信息的披露,建立健全政府、银行与客户数据之间的联系,能够有效降低因环保信息不对称造成的负面影响,提高企业的环保意识,践行绿色发展理念,从而为绿色金融发展营造良好的信息环境。

2)持续推进绿色金融实施,加强环境治理力度。实证结果表明绿色金融能显著促进环境质量改善,因此要持续推进浙江省各地级市绿色金融发展,充分发挥绿色金融的资金导向作用,支持和引导资金流向绿色产业,对绿色环保企业给予一定的利率优惠和信贷支持,提高污染企业的贷款门槛,增加其融资成本,限制生产规模的扩大,以此倒逼污染企业整改原有的生产工艺,使之符合绿色环保要求,从而降低污染物的排放,促进环境质量的改善。

3)贯彻落实绿色发展理念,加大绿色技术创新力度。绿色金融能通过绿色技术创新降低环境污染。因此地方政府部门要出台相关的优惠政策,鼓励中小企业大力开展绿色技术创新,对其给予一定的补贴和奖励,并引导企业树立绿色发展理念。同时严厉禁止非绿色环保产品进入市场,增强消费者对绿色产品的消费需求,进而激励企业加大对绿色商品的制造,有效推动行业的绿色技术创新。

5 结束语

本文通过对浙江省11个地级市进行实证研究,得出绿色金融能够有效降低浙江省环境污染这一结论。研究还发现,绿色金融能通过绿色技术创新机制促进浙江省环境质量的改善,为实施相关措施提供了理论支持。