绿色信贷政策对城市碳减排效应的影响研究

王昕怡 许向阳

摘要：深入探讨绿色信贷政策对推动绿色经济发展具有关键作用。文章以我国279个城市2008—2021年间的碳排放数据为基础，通过构建双重差分模型，实证检验绿色信贷政策对碳排放的净影响。研究发现，绿色信贷政策在抑制碳排放方面效果显著，影响系数达到-0.3964，充分展现了政策在推动绿色转型中的积极作用。机制分析进一步揭示了政策发挥作用的两条主要路径：优化产业结构和促进绿色技术创新。这不仅体现在第二产业的转型升级上，更体现在城市绿色专利数量的显著增长上，两者对碳排放的抑制效应分别为1.0131和0.2605，这一发现为绿色信贷政策制定提供了更为具体的理论依据。异质性检验表明，绿色信贷政策在不同地区的碳减排效应存在差异，西部地区最为显著，东部次之，中部稍弱。这提示在政策执行中需充分考虑地区差异。调节效应检验显示，经济发展水平与进出口贸易开放度对绿色信贷政策效应具有不同的调节作用，为政策优化提供了新的思路。文章从城市维度研究碳排放，并引入调节效应分析，为绿色信贷政策研究提供了新的视角。基于研究结果，文章提出政策制定者应强化绿色信贷政策的导向作用、地方政府应因地制宜实施绿色信贷政策、金融机构应创新绿色信贷产品和服务等政策启示，旨在推动政策体系完善、金融市场发展以及企业和金融机构的积极参与，共同推动绿色经济的发展。

关键词：绿色信贷政策；碳排放；双重差分法；中介效应；调节效应

中图分类号：X196； F832.4文献标识码：A文章编号：1673-338X（2024）2-054-25

基金项目：江苏省研究生实践创新计划项目“碳中和愿景下企业碳债券发行问题研究”（163060252）。

Research on the impact of green credit policy on urban carbon emission reduction effect

——empirical analysis based on 279 cities

WANG Xinyi， XU Xiangyang

（College of Economics and Management， Nanjing Forestry University， Nanjing 210037）

Abstract：Deeply exploring the green credit policies has the key role in promoting the development of green economy. This paper empirically examined the net impact of the policy on carbon emissions by constructing a Difference-in-Differences model based on the carbon emission data of 279 cities in China during 2008-2021. It found that the green credit policy was effective in suppressing carbon emissions， with an impact coefficient of -0.3964， which fully demonstrated the positive role of the policy in promoting green transformation. The mechanism analysis further revealed two main paths through which the policy played a role： optimizing industrial structure and promoting green technological innovation. This not only reflected in the transformation and upgrading of the secondary industry， but also in the significant growth in the number of green patents in the city， both of which had inhibitory effects on carbon emissions of 1.0131 and 0.2605， respectively， provided a more specific theoretical basis for green credit policy formulation. The heterogeneity test showed that there were differences in the carbon emission reduction effect of green credit policy in different regions， with the western region being the most significant， the eastern region being the second， and the central region being slightly weaker. This suggested that regional differences should be fully considered in policy implementation. The moderating effect showed that the level of economic development and the openness of import and export trade had different moderating effects on the policy effect， which also provided new ideas for policy optimization. This paper studied carbon emissions from the urban dimension and introduced the moderating effect analysis， and provided a new perspective for the study of green credit policy. Based on the research results， this paper proposed policy implications， such as policy makers should strengthen the guiding role of green credit policies， local governments should implement green credit policies tailored to local conditions， and financial institutions should innovate green credit products and services， aiming to promote the improvement of the policy system， the development of the financial market and the active participation of enterprises and financial institutions to jointly promote the development of the green economy.

Keywords：green credit policy；carbon emissions；Difference-in-Differences method；mediating effect；moderating effect

1引言

在全球气候变暖的严峻形势下，中国作为世界上最大的发展中国家，面临着空前的碳排放挑战与压力。据国际能源署统计，2019年全球CO2排放总量中，能源消耗产生的排放量高达333亿吨。受新冠疫情影响，2020年全球碳排放量呈现下降趋势，但随着经济复苏，碳排放量再次增加。截至2022年，全球碳排放量已突破368亿吨，增幅为0.9%，再创新高。拥有14亿人口的中国既是全球气候变暖的重要受影响方，也是全球碳减排行动的重要参与者、贡献者和引领者。中国政府在2020年底提出了“双碳”目标，将在未来几十年内大幅减少碳排放，推动绿色、低碳、可持续发展。而“双碳”目标的实现又可以划分城市为基本单位，降低城市碳排放自然而然成为碳减排工作的必由之路。《中国城市双碳指数2021—2022研究报告》显示，中国城市碳排放量占全国总量比重高达85%①，因此，城市是贯彻落实国家双碳“1+N”政策②的关键责任主体。城市作为碳排放的主要来源之一，其碳减排工作至关重要。中国人民银行数据显示，2022年末，中国绿色信贷余额已突破20万亿元人民币，其中绿色债券占比相当大③。绿色信贷政策通过提供低利率贷款、融资支持等方式，推动城市绿色项目的发展，涵盖绿色交通、清洁能源、节能减排等领域。这一政策不仅在项目层面取得显著成果，更重要的是引导金融资源的流向，促进资源优化配置和城市可持续发展。

本文通过优化产业结构和促进绿色技术创新两条作用路径，结合相关理论，探讨绿色信贷政策对城市碳减排的影响机理，不仅弥补了此前研究的薄弱环节，还丰富了绿色信贷政策在促进城市碳减排领域的研究成果。本文研究思路：首先，通过对绿色信贷和绿色技术创新的理论分析，明确两者之间的内在联系，探讨绿色信贷如何影响产业结构的优化，有助于更好地理解其在促进产业绿色转型中的作用机制；其次，通过实证研究方法，收集相关数据，分析绿色信贷对绿色技术创新的具体影响，有助于深入探究金融支持对绿色技术创新的激励机制；最后，基于实证结果提出政策启示，为金融机构和政策制定者优化金融支持体系、促进绿色技术创新提供理论支持和实践指导，以促进绿色金融的进一步发展，完善绿色信贷与城市低碳转型的理论框架。本文致力于帮助政府实现碳减排目标、推动绿色金融发展、提升治理能力，为企业提供融资支持以提升市场竞争力、降低运营成本，促进个人提高生活品质、节约能源成本、优化居住环境。

本文的学术创新主要体现在两个方面：第一，在研究对象的维度划分上，突破了传统研究多从企业或宏观省域层面探讨绿色信贷政策的局限，从城市维度进行深入剖析。这一创新能够更具体地评估绿色信贷政策在不同城市间的实施效果，并针对城市间的差异性展开深入讨论，从而丰富绿色信贷政策的研究视角。第二，在机理分析层面，不仅在中介效应方面进行深入探讨，如绿色技术创新等变量在政策实施过程中的作用，还创新性地引入调节效应，诸如经济发展水平和进出口贸易开放度等。这种综合考量能够更全面地揭示绿色信贷政策的作用机制，为政策制定和实施提供更为科学的理论依据。

2文献回顾与评述

绿色信贷作为绿色金融体系的核心组成部分，在全球范围内还没有统一的定义。国外学者对绿色信贷的内涵认识主要集中在平衡经济增长和环境保护的发展要求，以可持续发展为宗旨，将企业社会责任纳入放贷标准的一种金融创新工具。Salazar（1998）认为，绿色信贷作为一种金融创新手段，旨在促进经济增长的同时实现环境保护的目标，也为商业银行开展绿色金融业务提供新的思路；Labatt等（2002）指出，绿色信贷是一种以市场因素为基础的金融策略，其主要目的是加强环境管理和降低环境风险，银行业的金融机构利用这一创新工具，不仅推动了环保产业的进步，还承担了社会职责；Bert（2006）从企业社会责任的视角出发，认为绿色信贷是金融机构基于企业公开的环境绩效和社会责任来进行信贷发放的一种方式；Ramiah等（2016）认为，绿色信贷被视为银行机构在贷款发放过程中审核企业环境绩效的关键准则，以此来决定是否发放贷款。国内学者对于绿色信贷的核心理念主要是追求资金的“绿色配置”，推动环境保护，以及促进企业高质量发展的相关政策措施。何德旭等（2007）提出，绿色信贷是商业银行引导资金流入绿色行业的政策手段，针对不同类型的企业提供优惠性低利率或惩罚性高利率，从而推动金融资源配置的绿色化；李苏等（2018）以2011—2015年上市商业银行为研究对象，发现绿色信贷政策的实施能够显著降低银行面临的风险；孙光林等（2019）对于绿色信贷和银行风险进一步研究发现，绿色信贷规模的增加能够有效降低商业银行不良贷款率，并增加银行非利息收入；陆菁等（2021）基于绿色信贷政策的资源再配置效应研究发现，绿色信贷政策对于产业结构转型升级具有显著提升作用。由此可见，尽管国内外学者对于绿色信贷的定义存在差异，但本质上是一致的，并且在绿色信贷对经济增长和产业结构的积极推动作用上已达成共识。

在全球范围内，还没有统一且普遍接受的方法来估算碳排放量。目前主流的测算方法主要有两大类：第一类是投入产出法。该方法基于投入产出表来分析不同产业间的投入产出关系，并据此计算各产业的碳排放量，从而将经济活动与碳排放量直接联系在一起。在实际应用中，Wyckoff等（1994）考虑到国际贸易流动中碳含量的重要性，估算了六个经合组织最大国家进口制成品中的碳含量，发现这些国家的碳排放总量中约13%来源于进出口贸易；Peters等（2012）综合现有研究成果发现，碳排放量计算差异是由于使用了不同的基于生产的排放输入数据和国际贸易排放分配定义造成的，经过调整后各独立研究的结果趋于一致；Dietzenbacher等（2012）以2002年中国出口产生的CO2排放量为研究对象，将生产分散性纳入投入产出法考虑范围进行估算，结果表明出口排放量被高估的风险会大大降低；吴英娜等（2012）考虑到中美两国的技术和能源利用差异，研究经合组织提供的2000—2005年中美投入产出表发现，在中美贸易中，中国承担了巨额碳排放责任，带来了污染转移；杨本晓等（2023）以2020年中国造纸业碳排放作为研究对象，运用投入产出法核算结果显示，中国造纸工业在非传统高能耗制造业中的碳排放排名第二，影响力较大。第二类是利用能源消费总量的测量算法，通过统计各种能源的使用量来计算各类能源的碳排放系数，进而得出碳排放量，并将能源消费和碳排放量直接联系在一起。在实际应用中，孙建卫等（2010）通过建立碳排放体系的计算框架，对于中国31个省份1995—2005年碳排放状况，分为能源、工业、农业、林业四部分进行核算，因素分解表明，技术进步是碳减排的主要因素；韩颖等（2011）结合联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change， IPCC）提供的数据和物料均衡法，计算中国钢铁工业的碳排放情况，结果显示，1994—2006年钢铁工业碳排量占总体碳排量的14%，优化产业布局和引进国外技术是碳减排的核心策略。另一种方式为碳排放系数法，根据IPCC公布的碳排放系数，进一步估算能源实际消耗所产生的CO2排放量，从而估算出碳排放总量。Cheng等（2014）基于IPCC提供的方法，研究了1997—2010年中国能源消费碳强度的时空动态和主导因素，发现中国碳强度在省域范围内的空间集聚性不断增强，并据此为节能减排政策制定提供了建议；付云鹏等（2015）、周四军等（2020）利用动态空间模型和IPCC计算方法，根据化石燃料的燃烧来估算碳排放总量，进而计算碳排放强度和空间溢出效应。

虽然绿色信贷的实施效果对城市低碳转型具有指导意义，但是关于绿色信贷与碳排放的专项研究尚不多见。一方面，许多学者从金融发展对碳排放影响的机制角度深入探讨了绿色信贷如何作用于碳排放，认为金融进步可能对城市碳排放产生两方面的影响：一是金融发展会推动经济增长，而经济的扩张往往伴随着能源需求的增加；二是金融的发展同样对外资的流入起到积极的推动作用，而外资技术的广泛传播和应用则有助于提升能源的使用效率，进而在减少碳排放方面发挥重要作用。另一方面，众多学者普遍认为，环境规制措施在有效降低能源需求方面展现出显著的效果。因此，Bello等（2010）以1980—2008年间尼日利亚人均CO2排放量为研究对象，发现外国直接投资存量对尼日利亚人均CO2排放量有显著的负面影响，股票交易价值对碳排放有显著的正向影响；此外，Sadorsky（2010）、Zhang（2011）以新兴国家为样本实证研究金融发展对能源消耗的影响，结果表明，金融发展与能源消耗之间存在正向关系，且在统计上具有显著性；从第二个视角来看，Tanmzian等（2018）利用1992—2004年金砖四国金融发展和环境质量的面板数据实证研究发现，经济和金融发展程度越高，环境退化程度越低，金融自由化和开放是减少CO2排放的重要因素；Shahbaz等（2019）以印度尼西亚为例进行实证研究表明，经济增长和能源消耗会增加CO2的排放量，而金融发展和贸易开放会减少CO2的排放量，印证了前述观点。

综合现有研究成果发现，关于绿色信贷政策的碳减排效应研究尚存在两个关键的改进空间。第一，虽然学界已从不同维度，如宏观产业结构调整和微观企业融资约束，对绿色信贷政策的影响进行了深入剖析，但城市层面的碳减排效应研究仍显不足。现有研究主要聚焦于省域层面，较少从城市视角出发探讨绿色信贷政策对碳减排的具体影响。鉴于城市在碳减排中的关键作用，以及不同城市在产业结构、资源禀赋等方面的异质性，进行这一领域的研究具有重要的理论价值和实践意义。第二，关于绿色信贷政策影响的研究多集中在自变量和因变量关系的探讨上，较少关注政策影响机理的深入分析。尤其缺乏对于调节变量如何影响政策碳减排效应的研究。因此，本文从城市层面出发，深入探讨绿色信贷政策对碳减排的具体影响，并重点关注政策影响机理的研究。通过引入调节变量，分析其在政策实施过程中的作用，以期更全面地揭示绿色信贷政策的碳减排效应。这不仅有助于深入理解政策的实施效果和作用机制，还能为未来的政策制定提供更为精准和有效的建议。

3理论分析框架与研究方法

首先，分别从优化产业结构和促进绿色技术创新两条路径分析绿色信贷政策的作用机理；其次，结合低碳经济学、外部性、信贷配给和可持续发展理论，提出研究假设；最后，构建双重差分模型、中介效应模型和调节效应模型，阐述本文的研究方法。

3.1理论分析框架

在探讨绿色信贷政策对碳减排的促进作用时，从两个方面展开分析：一是通过优化产业结构实现碳减排，二是通过促进技术创新实现碳减排。这两个方面相辅相成，共同构成绿色信贷政策在碳减排领域的理论分析框架，从而更全面地理解绿色信贷政策在推动绿色发展和碳减排方面的重要作用。

3.1.1绿色信贷政策通过“优化产业结构”渠道实现碳减排

绿色信贷政策通过限制传统行业信贷额度、放宽绿色融资等手段来推动低碳经济和循环发展。同时，鼓励金融机构和企业进行绿色投资，促进传统产业升级换代。绿色信贷政策对优化产业结构的影响机理主要表现在四个环节。优化产业结构路径示意图如图1所示。

第一，促进资本形成。绿色信贷政策通过为环保、清洁能源等领域的项目提供优惠贷款条件，如降低利率、延长贷款期限等，吸引更多的资本流向这些领域。这种政策导向使得投资者和金融机构更加关注环保、清洁能源等领域的投资机会，从而促进资本的集聚。资本的流入对于清洁能源和环保产业的发展至关重要。这些领域的项目通常需要大量的资金投入，而绿色信贷政策的优惠条件可为这些项目提供更多的资金支持。第二，推动产业整合。绿色信贷政策在促进产业整合方面具有积极作用。一方面，通过引导资金流向具有发展潜力的领域和企业，绿色信贷政策可为这些企业提供更多的资金支持和发展机会，推动企业间的合作与兼并收购，加速产业的整合与升级；另一方面，在绿色信贷政策支持下，一些高污染、高能耗的企业可能会面临更大的压力，有助于推动产业结构向更加环保、高效的方向发展，提高产业的集中度。第三，加强政策引导。绿色信贷政策通过明确的政策导向，为企业和金融机构提供清晰的投资方向。它鼓励并引导这些机构将资金投向环保、清洁能源等具有可持续发展前景的领域。这种政策导向不仅为环保产业提供稳定的资金来源，还在社会上形成一种“绿色投资”的风尚。第四，强化风险分担。绿色信贷政策通过提供担保和保险等措施，有效地帮助企业和金融机构分担投资环保、清洁能源等领域的风险。这有助于降低企业和金融机构在这些领域投资时面临的风险和不确定性，提高他们的投资意愿。同时，政府还通过建立风险分担机制，进一步增强企业和金融机构抵御风险的能力。

3.1.2绿色信贷政策通过“促进技术创新”渠道实现碳减排

绿色信贷政策实施后，对不同性质的企业进行区别对待，例如高污染、高能耗企业贷款额度受到限制，而低能耗企业的技术研发得到更多的资金支持。Zhang（2011）运用协整理论、格兰杰因果检验、变异分解等计量经济学技术，探讨了技术创新对碳排放的影响，发现技术创新是碳减排效应的重要驱动力；左振秀等（2017）认为，政府部门通过制定科学的环境政策，不仅可以加大企业技术创新力度，也有助于改善环境质量；Tamazian等（2018）将技术进步分解为外部技术和内部技术两个因素，分别分析其对区域碳排放的影响，发现外部技术对碳排放的负向影响效果更为显著。促进绿色技术创新路径示意图如图2所示。

综上所述，绿色信贷政策推动绿色技术创新的作用体现在三个方面。第一，加强市场竞争。绿色信贷政策通过提供优惠的贷款条件和利率，为绿色环保企业提供了更大的市场竞争优势。这一政策的实施，使这些企业能够更容易获得资金支持，从而加速绿色技术的研发和应用。这种有针对性的制约不仅推动了整个市场向更加环保、可持续的方向发展，也进一步促进了市场竞争的加强。第二，激励绿色环保企业创新。绿色信贷政策为企业进行绿色技术创新提供了必要的资金保障。这一政策的实施，使得绿色环保企业得以在市场竞争中获得更大的优势，更容易获得资金支持，从而加速绿色技术的研发和应用。同时，绿色信贷政策还通过提供风险分担和担保等措施，降低企业的创新风险，减轻企业的经济压力。所以，绿色信贷政策促进了绿色技术的研发和应用，推动了经济社会的可持续发展。第三，倒逼高污染、高能耗企业转型。高污染、高能耗企业为了获得更多的贷款和市场份额，不得不进行绿色技术创新。同时，绿色信贷政策还通过提供优惠的贷款条件和利率，鼓励这些企业进行绿色技术改造和升级。企业在进行绿色技术创新和改造的过程中，不仅可以提高自身的竞争力，还可以为整个行业树立榜样，推动行业内的其他企业也加入到绿色发展的行列中来。

3.2研究假设

绿色信贷政策作为宏观调控手段，旨在通过引导资金流向、促进低碳经济发展。基于低碳经济学理论，绿色信贷政策在促进经济发展的同时，强调低碳排放和环境保护的协调性，从而推动碳中和目标的实现。这一政策不仅体现了外部性理论纠正市场失灵的思路，更通过信贷配给机制，为企业提供专门的融资渠道和优惠利率，使得企业在经营活动中更加注重环境保护，降低不必要的碳排放。此外，可持续发展理论也为绿色信贷政策提供了理论支撑，通过促进绿色产业的发展和提高资源利用效率，推动城市的可持续发展。刘元春等（2022）根据低碳经济学理论研究发现，经济发展必须与低碳排放和环境保护相协调，碳中和目标的实现还需要绿色信贷政策等宏观调控措施，从而降低城市碳排放；不少学者指出环境问题为典型的外部性问题，李宾等（2014）认为需要政府干预来纠正市场失灵；唐跃军等（2010）研究发现，绿色信贷政策将环境因素纳入信贷决策，使企业承担更多环境污染成本，敦促其减少不必要的碳排放；惠献波（2023）、顾海峰等（2023）基于信贷配给机制对绿色信贷政策进行研究发现，绿色信贷政策通过提供专门的融资渠道和优惠利率等措施进一步降低碳排放；可持续发展理论强调经济、社会和环境的协调发展，绿色信贷政策符合这一理念，通过降低碳排放、推动绿色产业发展、提高资源利用效率等措施，促进城市的可持续发展。因此，提出假设H1。

H1：绿色信贷政策具有碳减排效应，能够有效降低城市碳排放。

在优化产业结构方面，绿色信贷政策通过资本形成、产业整合、政策引导和风险分担等机制，促进低碳产业的发展和高污染产业的转型。王艺等（2021）、王倩等（2023）、马理等（2023）均通过中介效应验证了机制的有效性，为低碳企业提供了更多的资金支持和政策引导，并对高污染企业进行环境规制促使其转型，从而降低CO2排放。在促进绿色技术创新方面，绿色信贷政策通过加强市场竞争、激励绿色环保企业创新和倒逼高污染、高能耗企业转型等机制，推动绿色技术的研发和应用。于波（2021）、刘澜飚等（2023）也从理论和实证的角度验证了机制的有效性，为企业提供了更多的技术支持和转型机遇，促进了绿色技术的研发和应用，从而降低CO2排放。因此，提出假设H2a、H2b。

H2a：绿色信贷政策通过优化产业结构，促进城市碳减排。

H2b：绿色信贷政策通过促进绿色技术创新，促进城市碳减排。

经济发展水平的提升对城市碳排放的调节作用体现在多个维度。随着经济的持续增长，能源消费结构逐步向清洁能源转变，可再生能源的广泛应用减少了化石燃料的消耗，有助于实现低碳发展；此外，城市化进程中的绿色出行、绿色建筑等低碳生活方式的推广，以及严格的环保政策与法规的实施，共同构建了城市低碳发展的良好环境。这些因素相互作用、协同推进，共同助力城市向更加低碳、环保、可持续的发展路径迈进。城市进出口贸易开放度的提升，虽然有助于增强经济活力，但同时也对绿色信贷政策的碳减排效应构成了挑战。进出口贸易开放导致市场竞争加剧，企业在国际经济波动的压力下可能更侧重于短期利益，优先选择高碳排放但回报快的项目。此外，国际贸易规则和标准往往对绿色产业支持不足，也影响了企业投资低碳项目的积极性。这些因素共同削弱了绿色信贷政策对碳排放的负向影响，使得政策效果难以充分发挥，学者们对此进行了深入的研究。刘刚等（2023）考察绿色信贷政策对企业创新的激励作用，研究表明提高区域经济发展水平对创新产出具有正向调节作用；高新等（2023）利用中国2006—2019年277个城市的经验数据实证研究发现，贸易开放对于环境规制的碳减排效应具有负向调节作用，且不同地区呈现出“东弱西强”的特征，因此，提出假设H3a、H3b。

H3a：城市经济发展水平会加强绿色信贷政策对碳排放的负向影响，具有正向的调节作用。

H3b：城市进出口贸易开放度会削弱绿色信贷政策对碳排放的负向影响，具有负向的调节作用。

由于不同地区、不同城市的特殊情况和发展阶段，绿色信贷政策对城市碳减排的影响存在一定的异质性。何平均等（2023）从区域异质性视角出发，运用固定效应模型研究发现，东部地区的节能减排效应比中西部地区更为明显；梁毕明等（2023）选取产权异质性进行分析，探究绿色信贷政策对企业投资效率的影响，结果表明国有上市公司的政策效应更为明显；此外，魏光兴等（2020）、尘永魁等（2022）研究发现，市场化水平异质性可能与地方政府的政策导向、金融机构的创新能力和风险偏好等因素有关。本文认为不同地区的经济基础、产业结构和发展阶段存在差异，这直接影响了绿色信贷政策的效果。例如，西部地区可能更倾向于清洁能源和绿色产业的发展，因此绿色信贷政策更能有效促进这些领域的投资，从而降低碳排放；在绿色金融市场良好的地区，金融机构对绿色项目的认知度高，更能有效支持绿色产业的发展，从而促进碳减排；碳中和指数高意味着该城市在碳减排方面已经有了较好的基础和措施。在这样的城市，绿色信贷政策可以进一步强化已有的减排措施，推动城市向更高的碳中和目标迈进。因此，提出假设H4。

H4：绿色信贷政策对城市碳减排的影响存在不同区域、绿色金融市场效果、碳中和发展水平的异质性。

3.3研究方法

本文运用的研究方法主要有3种，分别为双重差分法、中介效应和调节效应模型。首先，主回归模型利用双重差分法研究绿色信贷政策影响的净效应；其次，探究政策影响的机理，即通过优化产业结构和促进绿色技术创新两条路径，分别验证中介效应；最后，引入经济发展水平和进出口贸易开放度作为调节变量，探究二者的调节效应大小。这些方法的综合运用不仅有助于更准确地把握研究对象的内在逻辑，也为揭示变量间的关系和作用机制提供了有力的工具。

3.3.1基准回归模型

本文以2012年出台的绿色信贷政策为研究对象，选取2008—2021年中国279个城市的碳排放数据，针对假设H1，采用双重差分法构建如式（1）所示的模型，以检验绿色信贷政策影响的净效应。

式（1）中，i表示地区，t表示年份，（ln CO2）it为碳排放量，即本文重点研究的城市碳排放量，为便于比较取对数处理；Treati为城市分组的虚拟变量，若城市单位GDP能耗高于平均值则取值为1，否则为0；Postt是绿色信贷政策时间的虚拟变量，2012年政策出台及以后的年份取值为1，否则为0；α0为常数项，α1为Treati与Postt的交互项系数，通过该系数的表现可以判断绿色信贷政策对不同城市的影响。如果α1>0，说明绿色信贷政策能够有效促进城市的碳减排，反之则不能促进。Controlit为一系列控制变量，如果回归系数ρ显著，则控制变量能够显著影响城市碳排放，如果ρ>0，说明控制变量能够起到促进作用，反之则不能促进；φi为城市层面的个体固定效应，δt为时间固定效应，εit为随机误差项。

3.3.2中介效应模型

针对假设H2a和H2b，本文构建中介效应模型以深入探究绿色信贷政策影响城市碳排放的作用机理。产业结构作为中介变量，绿色信贷政策通过引导资金流向环保、低碳产业，促进产业结构的优化升级，进而减少高污染、高能耗产业的比重，降低城市碳排放。因此，产业结构在绿色信贷政策影响城市碳排放的过程中起到中介作用；绿色技术创新同样是绿色信贷政策影响城市碳排放的重要中介变量，绿色信贷政策鼓励企业进行绿色技术创新，提高能源利用效率，减少碳排放。通过技术创新，企业可以实现清洁生产、循环利用等目标，进一步降低碳排放水平。因此，技术创新也是绿色信贷政策影响城市碳排放的一个重要中介机制。根据中介效应检验的步骤流程，本文构建如式（2）所示的模型，从绿色信贷政策的优化产业结构机制和促进绿色技术创新机制两种路径探讨绿色信贷政策影响城市碳排放的作用机理。

式（2）中，Mediatorit为中介变量，包含产业结构（Structureit）和技术创新（Applyit）两个变量，β0为常数项，β1为双重差分变量的回归系数。如果回归系数β1显著，则表明中介变量Mediatorit是绿色信贷政策影响城市碳排放的作用机制。

3.3.3调节效应模型

针对假设H3a和H3b，本文引入经济发展水平（Financeit）和进出口贸易开放度（Tradeit），这两个因素作为调节变量，可能影响绿色信贷政策的实施效果，进而改变其与城市碳排放之间的关系。不同经济发展水平的地区，其产业结构、能源结构、环保意识等方面存在差异，可能会导致绿色信贷政策在不同地区的实施效果不同。经济发展水平较高的地区可能更具备实施绿色信贷政策的条件和动力，因此其政策效果可能更加明显；一个地区的进出口贸易开放程度会影响其产业结构、资源配置和市场需求等方面，进而对绿色信贷政策的实施产生影响。进出口贸易开放度较高的地区可能更容易引入先进的环保技术和绿色产品，从而有利于降低碳排放，因此，进出口贸易开放度同样对绿色信贷政策与城市碳排放的关系具有调节作用。验证二者是否对绿色信贷政策与城市碳排放的关系具有调节作用，模型参数设定如式（3）所示。

式（3）中，γ0为常数项，γ1为双重差分变量的回归系数，若γ1显著且γ1>0，则代表政策主效应为正，即绿色信贷政策对碳排放有促进作用，反之则表现为抑制作用。Adjustit为调节变量，主要包含经济发展水平（Financeit）和进出口贸易开放度（Tradeit），γ2为调节变量系数；Da为调节变量与双重差分变量的交叉项。本文重点关注经济发展水平、进出口贸易开放度与双重差分变量交叉项Da的系数γ3，其数值的正负和大小反映了二者对绿色信贷政策调节作用的方向和程度。

4数据来源、变量选取与描述性统计

本文选取2008—2021年中国279个城市的3906个碳排放面板数据，构建双重差分（Difference-in-Differences， DID）模型检验了政策影响的净效应，利用Stata 17.0软件进行数据描述性统计分析，以提高结果的科学性。

4.1数据来源

本文通过收集和分析2008—2021年城市碳排放数据，以中国279个城市为样本进行实证分析，计算城市碳排放及其他变量所需的数据主要来自历年各级统计年鉴、相关统计资料等。其中，能源消费数据来源于《中国能源统计年鉴》，排放因子以官方公布的相关数据为准，具体包括《省级温室气体排放清单指南（试行）》、各级政府发布的碳排放清单指南；城市层面变量数据源于《中国城市统计年鉴》。

4.2变量选取

变量含义及计算方法如表1所示。

（1）被解释变量。借鉴Glaeser等（2010）、Li等（2013）和吴建新等（2016）的做法，本文利用IPCC提供的能源转化因子，将8种化石能源消耗产生的碳排放量相加，估算出碳排放总量。

（2）解释变量。绿色信贷政策是政府推动绿色发展和应对气候变化的重要手段，对于碳排放量的影响是政策效果评估的核心内容。本文的解释变量是绿色信贷政策，指政策虚拟变量和分组虚拟变量的乘积。通过系数的正负可以判断2012年实施的绿色信贷政策对各城市碳排放量的影响。如果系数为正，说明绿色信贷政策增加了城市的碳排放，反之则是碳减排效应。

（3）控制变量。参考目前学术界众多学者的已有文献，本文选择城镇化水平、产业结构、人力资本水平、政府干预、外商投资水平以及人均GDP作为控制变量。

（4）中介变量。本文的中介变量是产业结构和绿色技术创新。运用对比分析的方法，深入研究绿色信贷政策对产业结构和不同产业部门的具体影响，主要通过考察二三产业增加值之比、第二产业产值占比以及第三产业产值占比等指标。同时，为了评估绿色信贷政策对技术创新的影响，还采用城市当年的绿色专利申请数和授权数作为代理指标进行分析。

（5）调节变量。本文的调节变量是经济发展水平和进出口贸易开放度。经济发展水平和进出口贸易开放度作为本文的调节变量，能够反映城市在金融和贸易方面的特点，从而影响绿色信贷政策的实施效果和碳排放量的变化。通过考察这些调节变量的作用，可以更准确地评估绿色信贷政策在不同城市间的差异性和适用性。在以往的研究中，经济发展水平和进出口贸易开放度等调节变量对政策效果的影响已经得到了广泛的关注。

由于我国当前缺乏对各城市二氧化碳排放量的直接监测数据，据能源消耗测算显示，二氧化碳主要源自化石燃料的燃烧。因此，大多数研究选择使用化石能源的消耗量作为评估二氧化碳排放量的主要依据。本文综合许海平（2012）、程叶青等（2013）、吴玉鸣等（2013）的做法，采用IPCC提供的二氧化碳排放量的估算方法，将最终能源消费种类划分为煤炭等8类主要化石能源，以便估算出二氧化碳的排放量，表达式如式（4）所示。

式（4）中，CO2为二氧化碳排放量，单位为万吨；Ci为第i种能源消费的碳排放系数，Ei为第i种能源的消费量，单位为万吨标准煤，在计算过程中需将各类能源的实物消费量转换为标准煤消费量，以确保单位一致。根据式（4）估算出中国279个城市2008—2021年的二氧化碳排放量。

4.3描述性统计

对变量进行描述性统计，结果如表2所示。为了结果的稳健性，减少模型内生性问题，对碳排放量CO2、人均GDP等变量进行取对数处理。从全样本统计结果来看，在碳排放量方面，各城市间呈现出较大的空间分布差异，279个样本城市间的碳排放量对数值标准差较大，达到1.1894，意味着各城市的碳排放量对数值存在明显的离散性。且最小值为2.0189，最大值为9.5329，两者跨度也较大，因此各城市间碳排放在空间分布上存在较大差异，其中京津冀、长三角区域城市在政策实施后的减碳成效最为显著。对于控制变量而言，除产业结构和人均GDP标准差较大，分别达到0.5041和0.7148以外，其余变量标准差均较小，产业结构的差异可能源于各城市经济发展阶段、资源禀赋和政策导向的不同，而人均GDP的较大标准差则反映了各城市经济发展水平的不均衡性，这也是影响碳排放量的重要因素之一。数据整体集中度较高，表明不同城市间城镇化、人力资本、政府干预、外商投资水平相对差异较小，这可能是因为这些因素在全国范围内的推广和实施相对均衡，不同城市在这些方面的发展水平较为接近。

5经验性结果

由于本文采用DID模型，首先验证平行趋势假设通过，其次对基准回归结果进行分析，并利用安慰剂、倾向得分匹配（Propensity Score Matching， PSM）、政策滞后一期进行稳健性检验，然后对于中介效应、调节效应进行验证，最后进行异质性分析。

5.1平行趋势假设检验

双重差分法是一种用于评估政策或项目影响的有效统计方法。然而，其前提条件是满足平行趋势假定，即在没有政策或项目干预的情况下，处理组和对照组的趋势是平行的。因此，在进行双重差分分析之前，需要检验这一前提条件是否满足。由上文分析可知，以碳排放强度为分组指标，单位GDP能耗高于平均值的即为处理组，反之则为对照组，选用政策的实施年份2012年作为基期，探究绿色信贷政策前后处理组和对照组之间是否存在平行趋势。平行趋势假设检验如图3所示。

从图3可以看出，政策实施前的年份回归系数不显著，这反映出两组城市在碳排放量之间并未呈现明显的差异，换言之，2012年前处理组和对照组具有平行趋势。然而，政策实施后的年份回归系数显著，且系数为负，这反映出两组城市的碳排放量有了显著差异，绿色信贷政策能够显著地抑制城市碳排放。这一结果表明，政策实施起到了碳减排的作用，平行趋势假设成立。

5.2基准模型回归结果分析

利用Stata 17.0进行回归分析，得到DID模型的基准回归结果，如表3所示。

在表3列（1）中，未加入任何控制变量，而在列（2）和列（3）中，逐步引入控制变量。与此同时，列（3）还进行了500次自抽样，最终得到的回归结果与列（2）较为相似。这些结果表明，绿色信贷政策的实施显著降低了城市碳排放量，随着政策的推进，碳排放量的抑制效应为0.3964，在1%的显著性水平上显著，表明绿色信贷政策具有一定的碳减排效应。综上所述，绿色金融政策实施确实降低了城市碳排放，验证了假设H1，绿色信贷政策具有碳减排效应，而且该影响显著为负。

从控制变量来看，城镇化水平对碳排放存在正向影响，即随着城镇化水平的提高，城市碳排放相应提高。这一原因在于城镇化进程中，能源消费会对碳排放产生影响。随着城市化进程的加快，人们的生活水平提高，能源消费量也会相应增加。同时，由于城市交通、建筑等领域的能源消费量不断增加，且这些领域的能源消费结构往往以化石能源为主，因此会导致碳排放量的增加。人力资本水平对碳排放存在正向影响，可能是因为随着人力资本水平的提高，人们更加注重生活质量、健康和环保等方面的需求，因此会更加倾向于购买高能效、低碳排放的商品和服务。然而，这种消费升级过程中，往往需要更多的能源投入和碳排放，从而导致碳排放量的增加。

5.3稳健性检验

为了确保研究结果的稳健性和可靠性，本文在实证分析过程中采用多种方法进行稳健性检验。安慰剂检验是一种常用的稳健性检验手段，还采用倾向得分匹配方法来进一步验证结果的稳健性，从而消除潜在的选择偏差和内生性问题。考虑到政策实施可能存在滞后效应，进行政策滞后效应的检验，从而更全面地评估政策的长期影响。通过综合考虑安慰剂检验、倾向得分匹配和政策滞后效应等多种方法的检验结果，确认本文的研究结果稳健且可靠。

5.3.1安慰剂检验

安慰剂检验是一种用于验证实验结果是否稳健的方法，通过模拟没有处理的情况，来评估处理效应的显著性。参考刘瑞明等（2020）的做法，本文进行安慰剂检验。首先，需要随机生成一个处理组。为了保证随机性，对总体进行了500次的随机抽样，每一次抽样后，都会代入基准

5.4.1优化产业结构

为考察绿色信贷政策是否通过优化产业结构实现城市碳减排，本文构建中介效应模型。优化产业结构的中介检验如表7所示。

从表7列（2）、列（4）可以看出，绿色信贷政策实施降低了第二产业产值在国民经济中的比重，推测主要原因是产业结构调整、环保压力和政策引导以及市场需求变化等因素的综合作用，使得绿色信贷政策成为推动产业结构升级和转型的重要手段。

5.4.2促进绿色技术创新

本文选择城市当年的专利申请量和授权量来代替引入技术创新指标，探讨绿色信贷政策对城市碳减排的影响。促进绿色技术创新的中介检验如表8所示。

从表8可知，当加入控制变量后，绿色信贷政策对城市绿色技术创新水平产生了显著的正向影响，表现为城市所拥有的专利数量得到了显著提升。这主要是因为绿色信贷政策通过资金支持、政策引导以及产业链协同和合作等方面的措施，促进了城市绿色技术的研发和应用，提高了城市的创新能力和创新水平。

综上所述，绿色信贷政策的实施不仅为科技研发经费提供了有力的支持，进而促进产业结构的优化和可持续发展，还在一定程度上提升了社会各界对新兴技术创新的关注度。同时，技术的进步和创新可以对经济增长和环境治理产生积极的推动作用。机制分析结果显示，在绿色信贷领域，技术的进步仍然可以促进城市的碳排放减少。通过上述机制检验，假设H2b得到验证。

5.5调节效应检验

政策调节效应检验如表9所示，可以看出，城市经济发展水平和贸易开放度能够影响绿色信贷政策实施所产生的碳减排效应。从列（1）可以看出，经济发展水平对城市碳排放存在正向影响，与上文理论分析一致，张晖明等（2022）也指出，中国市场主要以大规模信贷居多，而传统行业具有固定资产占比高、规模大的显著特点，尤其是在大规模信贷地区，资金更多地流向了传统行业，从而影响了城市碳减排。而从列（2）数据可以看出，交互项的系数在1%的显著性水平上为负，意味着经济发展水平这一变量在一定程度上阻碍了绿色信贷政策在减少碳排放方面的作用。

本文进一步探究进出口贸易开放度在绿色信贷政策对城市碳减排影响过程中的调节作用。从列（3）可以看出，在贸易开放度高的情况下，城市碳排放提升，与上文理论分析一致，而且通过列（4）的交互项分析发现，贸易开放度在提升绿色信贷政策效应时，其系数呈现正值，在1%的显著性水平上显著，这进一步证明进出口贸易开放度的提升对绿色信贷政策的碳减排效应具有促进作用。据此推测，越来越多的国家开始实施绿色贸易壁垒，要求进口商品符合一定的环保标准。绿色信贷政策可以作为一种应对绿色贸易壁垒的手段，通过提供优惠贷款和其他金融支持，帮助企业提高环保水平和产品质量，从而满足进口国的环保要求。这有助于企业在国际市场中获得更多的竞争优势，推动绿色低碳经济的发展。

综上所述，调节效应的检验结果验证了假设H3a和H3b，且城市经济发展水平会加强绿色信贷政策对碳排放的负向影响，具有正向的调节作用；城市进出口贸易开放度会削弱绿色信贷政策对碳排放的负向影响，具有负向的调节作用。

5.6异质性分析

经过深入研究，本文不仅从整体层面探讨绿色信贷政策对碳减排的影响，还进一步基于区域、地方金融市场以及碳中和发展水平等多个维度，进行分样本的异质性分析。这样的多维度考察，有助于更全面地理解绿色信贷政策在不同情境下的实施效果，为政策制定提供更为精准的建议。

5.6.1基于区域的异质性

绿色信贷政策对城市碳排放的影响受到地区经济发展水平的制约。由于中国各地区的经济发展水平存在明显的差异，因此需要考虑到这种区域异质性对绿色信贷政策效果的影响。为了深入探究这一问题，深入研究绿色信贷政策在不同地区的实际效果，本文将样本划分为东部地区、中部地区和西部地区，并分别考察各地区绿色信贷政策对降低城市碳排放的影响，清晰地揭示区域异质性对绿色信贷政策与城市碳排放之间关系的影响。区域异质性分析如表10所示。

从表10可以看出，绿色信贷政策对城市碳排放均有显著的负向影响，由于表中系数均通过了似不相关假设的检验，因此各系数之间的大小具备可比性。由此可知，绿色信贷政策对区域碳减排效应的影响由大到小依次为西部地区、东部地区、中部地区。上述结论可能与地理位置、经济发展水平、产业结构和政府资源扶持等因素有关。

5.6.2基于地方金融市场的异质性

根据2019年和2020年地方绿色金融市场效果排名，参照王遥等（2015）的做法，将样本中的279个城市按照省域划分为两个组，其中，北京、浙江、江苏等15个省份为绿色金融市场良好的地区，宁夏、青海、吉林等15个省份的地方金融市场表现较为普通①。绿色金融市场效果异质性分析如表11所示。在所考察的样本中，排名靠前的省份展现了绿色金融市场如绿色信贷、绿色债券、绿色保险和绿色基金等较大的市场规模以及良好的市场表现；相反，排名靠后的省份则揭示了绿色金融市场的发展尚不成熟，其市场效应相对一般。这一结果为本文全面了解和评估绿色金融市场的发展状况提供了重要依据。

从上述结果得出，绿色信贷政策对绿色金融市场效果良好和普通的地区均有显著的碳减排效应，但回归系数大小不同，说明在绿色金融市场良好的地区绿色信贷政策的实施更为有效。绿色信贷政策在绿色金融市场良好的地区之所以更为有效，主要与金融市场发展水平、政策支持力度、行业特点和市场接受度、环保意识和文化氛围等因素有关。

5.6.3基于碳中和发展水平的异质性

为评估“双碳”目标下绿色信贷政策对不同碳中和指数地区在减排方面的差异性影响，依据《低碳发展蓝皮书：中国碳中和发展报告（2022）》中的碳中和发展指数结果，将研究样本分为碳中和指数较高和较低的两个区域。基于《2030年前碳达峰行动方案》中评估指标体系，中国碳中和发展指数均值为5.89，其中有14个省份①的平均值超过了这一数字，属于碳中和指数高的区域。碳中和发展指数异质性分析如表12所示。从表中结果可以看出，绿色信贷政策对两类地区的碳减排均有显著负向影响，在碳中和指数高的地区，绿色信贷政策更好地促进了城市碳减排。这一结论主要与政策目标和定位、地区差异和特点、资金和技术支持以及城市发展水平等因素有关。

6研究结论、讨论与政策启示

本文以绿色信贷政策为研究对象，选取2008—2021年中国279个城市的碳排放数据，采用DID模型检验政策影响的净效应，讨论中介效应和调节效应，得出相关研究结论，并提出政策启示。

6.1研究结论

本文以绿色信贷政策为研究对象，首先，选取2008—2021年中国279个城市的碳排放数据，采用DID方法检验政策影响的净效应；其次，结合理论分析，运用中介效应模型深入探讨绿色信贷政策在发挥碳减排作用过程中的影响机理，主要分为优化产业结构和促进绿色技术创新两条作用路径；最后，选取经济发展水平和进出口贸易开放度两个调节变量，研究其对于政策碳减排效应的调节作用，得出四点结论。

第一，从整体上看，绿色信贷政策对城市碳排放具有显著的抑制作用。绿色信贷政策实施以来，单位GDP高能耗的城市碳排放水平均显著下降。这一结论在加入控制变量、自抽样500次后仍然保持显著。对于控制变量而言，城镇化、人力资本、外商投资水平、人均GDP和政府干预的提升对城市碳排放存在显著正向影响，可能会导致碳排放量的增加。经过安慰剂检验、倾向得分匹配法和加入政策滞后效应等稳健性检验后，上述结论依然保持不变。

第二，机制分析表明，优化产业结构和促进绿色技术创新是绿色信贷政策发挥碳减排作用的有效渠道，与理论分析一致。从产业结构来看，绿色信贷政策实施降低了第二产业产值在国民经济中的比重，且地区碳减排效应的提升更多得益于第二产业的转型升级，加强政策引导和关注需求变化是重点；从绿色技术创新来看，绿色信贷政策的实施不仅显著提升了城市的绿色技术创新水平，表现为城市专利数量的增加，而且在一定程度上也增强了社会各界对新兴技术创新的重视。此外，绿色信贷政策通过其资源配置作用为科技研发费用提供了有力支持，从而推动了科技创新的发展。

第三，调节效应检验显示，经济发展水平对绿色信贷政策的碳减排效应产生正向调节作用，促进效应为0.0402；进出口贸易开放度对绿色信贷政策的碳减排效应产生负向调节作用，抑制效应为0.1711，均在1%的显著性水平上显著。

第四，异质性检验发现，绿色信贷政策对城市碳减排的影响在地理位置、绿色金融市场状况、碳中和发展水平三个层面有着显著差异。从地理位置来看，绿色信贷政策对城市碳减排效应的影响由大到小依次为西部地区、东部地区、中部地区，这可能与经济发展水平、产业结构、政府资源扶持等因素有关；从绿色金融市场状况来看，在绿色金融市场良好的地区绿色信贷政策的实施更为有效，这主要与政策支持力度、市场接受度、环保意识和文化氛围等因素有关；从碳中和发展水平来看，在碳中和指数高的地区，绿色信贷更好地促进了城市碳减排，这主要与政策目标和定位、地区差异和特点、资金和技术支持以及城市发展水平等因素有关。

6.2讨论

本文结果显示，绿色信贷政策对城市碳排放具有显著的抑制作用。这一结论不仅与江红莉等（2020）的实证研究结果绿色信贷可以有效抑制碳排放相吻合，而且绿色信贷规模的不同对碳减排效应具有不同的影响。此外，本文还发现绿色信贷政策对碳排放的抑制影响具有地区异质性，这与李增福等（2022）的研究结果一致；在宏观和微观层面，绿色信贷政策均可以实现节能减排，这与张可等（2022）基于省级面板数据的研究结果相吻合；尤志婷（2022）的研究也指出绿色信贷是实现碳减排最优的途径，进一步印证了本文结论的有效性。与已有研究的比较分析不仅强化了本文的结论，也为我国持续推进绿色金融改革、加强生态文明建设提供了更为全面和有力的实证支持。机制分析进一步揭示了绿色信贷政策发挥碳减排作用的有效渠道，即优化产业结构和促进绿色技术创新。学者关于绿色信贷政策的影响机理相关研究成果较少，本文结论与已有研究存在一定的联系与差异。吕泽均等（2020）研究绿色信贷与林业产业结构之间的灰色关联度发现，林业第三产业与绿色信贷比率关联度最大，表明绿色信贷在推动林业产业结构升级方面发挥重要作用。这与本文发现的绿色信贷政策通过引导资金流向低碳环保领域、促进产业结构优化升级的结论相吻合。然而，李毓等（2020）基于全国面板数据的研究发现，绿色信贷对产业结构升级具有正向促进作用，但在不同产业之间存在差异，其中绿色信贷有助于促进第二产业结构升级，但会抑制第三产业结构升级。这与本文的结论存在细微差异，可能是由于样本数据为省级层面，且研究模型方法不同。此外，李强等（2023）的研究从企业层面入手，发现绿色信贷政策能够显著促进污染企业绿色技术创新，并通过信贷规模与融资成本两种渠道缓解企业融资约束。这一结论与本文绿色信贷政策促进绿色技术创新的观点相契合，进一步丰富了绿色信贷政策作用机制的理解。

通过综合同类的研究成果发现，关于绿色信贷政策的碳减排研究还存在两个主要待优化之处。第一，尽管学者们已经从宏观产业结构调整、微观企业融资约束等多个维度对绿色信贷的政策效应进行了深入探讨，但在绿色信贷政策对城市碳减排层面所产生的影响方面的研究仍然显得相对薄弱。现有研究主要集中在省域层面的分析，鲜有学者从城市的视角出发研究碳减排政策效应。实际上，绿色信贷政策自推行以来，各城市由于产业结构、技术和经济发展水平的差异，其政策效应必然有所不同。因此，以城市为划分单位能够更加深入、直观地研究绿色信贷政策的微观效应，填补了当前领域的空白。第二，在对绿色信贷政策的影响研究中，学者们往往集中于自变量和因变量关系的探讨，以及更换不同因变量后实证分析结果的差异。然而，对于绿色信贷政策影响机理的研究却相对较少，尤其是调节变量对于政策碳减排效应的影响。实际上，绿色信贷政策对于碳减排的作用机理复杂且丰富，其中涉及中介效应和调节效应的交互影响。因此，未来应当进一步丰富这种影响机理的研究，有助于更好地理解政策的实施效果及其背后的作用机制，从而为未来的政策制定提供更有针对性的建议。

6.3政策启示

为更好发挥绿色信贷政策对城市的碳减排作用，政府、金融机构和企业层面应多方合力，打好组合拳，这对于绿色金融体系发展影响深远。基于上述结论，本文提出3点政策启示。

（1）政策制定者应强化绿色信贷政策的导向作用。鉴于绿色信贷政策对城市碳排放的显著抑制作用，政策制定者应继续加大政策力度，优化政策设计，确保绿色信贷资金能够精准投向低碳环保领域。一方面，促进城市产业结构优化升级，应重点关注第二产业的转型升级，通过政策引导和市场机制，推动高能耗、高排放产业向绿色低碳方向转型，同时鼓励新兴绿色产业的发展；另一方面，提升绿色技术创新水平，加大对绿色技术创新的支持力度，包括资金扶持、税收优惠等，激发企业和社会各界对绿色技术创新的热情和投入。

（2）地方政府应因地制宜实施绿色信贷政策。根据不同地区的经济发展水平、产业结构、绿色金融市场状况等因素，制定差异化的绿色信贷政策，确保政策的有效性和针对性。例如，对于经济相对落后的地区，地方政府可以在确保风险可控的前提下，适当降低绿色信贷的门槛，鼓励更多企业参与绿色转型，促进当地经济的绿色发展；对于产业结构偏重、高能耗行业占比较高的地区，地方政府应重点关注这些行业的绿色转型，通过绿色信贷政策引导企业加大环保投入，降低能耗和排放。同时，积极推动绿色金融市场的发展，完善市场机制和监管体系，提高市场接受度和环保意识，为绿色信贷政策的实施创造良好的市场环境。

（3）金融机构应创新绿色信贷产品和服务。积极探索绿色信贷的创新模式，开发符合市场需求的绿色信贷产品，为企业提供多样化的融资选择。同时，加强风险管理和内部控制，建立健全风险管理和内部控制机制，确保业务的安全性和稳健性。

参考文献

尘永魁，关健，田冬冬.绿色信贷政策微观影响效应研究：惩罚还是激励？——对绿色信贷政策波特效应的再检验[J].金融发展研究， 2022 （9）：50-61.

程叶青，王哲野，张守志，等.中国能源消费碳排放强度及其影响因素的空间计量[J].地理学报， 2013， 68（10）：1418-1431.

付云鹏，马树才，宋琪.中国区域碳排放强度的空间计量分析[J].统计研究， 2015， 32（6）：67-73.

高新，朱雨嫣.环境规制、贸易开放与碳排放——来自我国277个地级市的经验证据[J].河北农业大学学报（社会科学版）， 2023， 25（3）：1-13.

顾海峰，朱慧萍.履行社会责任是否会影响商业银行风险承担？——基于关联交易、贷款集聚及绿色信贷渠道[J].中国软科学， 2023（2）：136-145.

韩颖，李廉水，孙宁.中国钢铁工业二氧化碳的排放研究[J].南京信息工程大学学报， 2011， 3（1）：53-57.

何德旭，张雪兰.对我国商业银行推行绿色信贷若干问题的思考[J].上海金融， 2007（12）：4-9.

何平均，田若菡，邓东立.区域异质性视角下绿色信贷对碳排放强度的影响研究[J].当代经济， 2023， 40（4）：84-92.

惠献波.智慧城市建设与企业绿色全要素生产率：内在机制与经验证据——基于“赋能”和信贷配给的视角[J].企业经济， 2023， 42（2）：118-128.

江红莉，王为东，王露，等.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[J].金融论坛， 2020， 25（11）： 39-48， 80.

李宾，周俊，田银华.全球外部性视角下的碳排放与产业结构变迁[J].资源科学， 2014， 36（12）：2483-2490.

李强，陈山漫.绿色信贷政策、融资成本与企业绿色技术创新[J].经济问题， 2023（8）：67-73， 120.

李苏，贾妍妍，达潭枫.绿色信贷对商业银行绩效与风险的影响——基于16家上市商业银行面板数据分析[J].金融发展研究， 2018（9）：72-77.

李毓，胡海亚，李浩.绿色信贷对中国产业结构升级影响的实证分析——基于中国省级面板数据[J].经济问题， 2020（1）：37-43.

李增福，冯柳华，麦诗琪，等.绿色信贷抑制了碳排放吗？——基于中国省级面板数据的研究[J].上海金融， 2022 （1）：2-12.

梁毕明，徐晓东.绿色信贷政策、产权异质性与企业投资效率[J].财会月刊， 2023， 44（5）：40-46.

刘刚，胡嘉琦.绿色信贷政策、地区绿色发展差异与企业创新绩效[J].金融理论与教学， 2023 （2）：32-39， 72.

刘澜飚，任可歆.绿色信贷政策对企业绿色创新质量的影响研究[J].南开学报（哲学社会科学版）， 2023（6）：131-145.

刘瑞明，毛宇，亢延锟.制度松绑、市场活力激发与旅游经济发展——来自中国文化体制改革的证据[J].经济研究， 2020， 55（1）：115-131.

刘元春，郝大鹏，霍晓霖.碳中和经济学研究新进展[J].经济学家， 2022（6）：5-15.

陆菁，鄢云，王韬璇.绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角[J].中国工业经济， 2021（1）：174-192.

吕泽均，张宝林.林业绿色信贷对林业产业结构的影响研究[J].金融经济， 2020（3）：35-40.

马理，张人中，马威，等.能源结构有序调整与绿色信贷政策调控[J].金融研究， 2023（1）：94-112.

孙光林，王颖，李庆海.绿色信贷对商业银行信贷风险的影响[J].金融论坛， 2019， 22（10）：31-40.

孙建卫，赵荣钦，黄贤金. 1995-2005年中国碳排放核算及其因素分解研究[J].自然资源学报， 2010， 25（8）：1284-1295.

唐跃军，黎德福.环境资本、负外部性与碳金融创新[J].中国工业经济， 2010（6）：5-14.

王倩，边浩东，高志伟.绿色信贷政策的减污效应研究[J].金融论坛， 2023， 28（4）：29-38.

王遥，潘冬阳.中国经济绿色转型中的金融市场失灵问题与干预机制研究[J].中央财经大学学报， 2015 （11）：29-34.

王艺，李侠.绿色信贷政策对我国产业结构优化的影响研究[J].中国物价， 2021 （9）：64-66.

魏光兴，付巧玲，陈曦.考虑偏好异质性及其信息不对称的绿色供应链决策[J].软科学， 2020， 34（11）：123-129， 144.

吴建新，郭智勇.基于连续性动态分布方法的中国碳排放收敛分析[J].统计研究， 2016， 33（1）：54-60.

吴英娜，姚静.中美进出口贸易中隐含碳的研究——基于贸易污染条件的分析[J].宏观经济研究， 2012 （12）：86-92.

吴玉鸣，吕佩蕾.空间效应视角下中国省域碳排放总量的驱动因素分析[J].桂海论丛， 2013， 29（1）：40-45.

许海平.空间依赖、碳排放与人均收入的空间计量研究[J].中国人口·资源与环境， 2012， 22（9）：149-157.

杨本晓，姜涛，刘夏青.基于投入产出法的中国造纸工业碳排放核算[J].中国造纸， 2023， 42（6）：120-125.

尤志婷，彭志浩，黎鹏.绿色金融发展对区域碳排放影响研究——以绿色信贷、绿色产业投资、绿色债券为例[J].金融理论与实践， 2022 （2）：69-77.

于波.绿色信贷政策如何影响重污染企业技术创新？ [J].经济管理， 2021， 43（11）：35-51.

张晖明，刘入嘉，王凯.信贷市场：“所有制偏好”还是“规模偏好”[J].经济学动态， 2022 （5）：15-32.

张可，李语晨，赵锦楸.绿色信贷促进了节能减排吗[J].财经科学， 2022（1）：15-30.

周四军，江秋池.基于动态SDM的中国区域碳排放强度空间效应研究[J].湖南大学学报， 2020（2）：11-17.

左振秀，崔丽，朱庆华.中国实施绿色信贷的障碍因素[J].金融论坛， 2017， 22（9）：48-57， 80.

Bello A K， Abimbola O M. Does the Level of Economic Growth Influence Environmental Quality in Nigeria： A Test of Environmental Kuznets Curve （EKC） Hypothesis [J]. Pakistan Journal of Social Sciences， 2010， 7（4）：325-329.

Bert S. Finance as a Driver of Corporate Social Responsibility [J]. Journal of Business Ethics， 2006， 68（1）：19-33.

Cheng Y， Wang Z， Ye X， et al. Spatial temporal dynamic of carbon intensity from energy consumption in China [J]. Journal of Geographical Sciences， 2014， 24（4）：631-650.

Dietzenbacher E， Pei J S， Yang C H. Trade production fragmentation and Chinas carbon dioxide emissions [J]. Energy Policy， 2012， 29（4）：327-334.

Glaeser L E， Kahn E M. The greenness of cities：carbon dioxide emissions and urban development [J]. Journal of Urban Economics， 2010， 67（3）：404-418.

Labatt S， White R. Environmental Finance：A Guide to Environment Risk Assessment and Financial Products [M]. New Jersey：John Wiley & Son. Inc， 2002.

Li H， Yue L， Zhang J. Trends in road freight transportation carbon dioxide emissions and policies in China [J]. Energy Policy， 2013， 57：99-106.

Peters G， Davis S， Andrew R. A synthesis of carbon in international trade [J]. Biological Sciences， 2012， 9（8）：3247-3276.

Ramiah V， Gregoriou G N. Handbook of Environmental and Sustainable Finance [M]. Amsterdam： Elsevier Inc， 2016.

Sadorsky P. The impact of financial development on energy consumption in emerging economies [J]. Energy Policy， 2010， 38（5）： 2528-2535.

Salazar J. Environmental Finance： Linking Two World Presented at a Workshop on Financial Innovations for Biodiversity Bratislava[J]. Ecological Indicators， 1998， 1：2-18.

Shahbaz M， Hye Q M A， Tiwari A K， et al. Economic growth， energy consumption， financial development， international trade and CO2emissions in Indonesia [J]. Renewable and Sustainable Energy Reviews， 2019， 25：109-121.

Tamazian A， Chousa J P， Vadlamannati K C. Does higher economic and financial development lead to environmental degradation： Evidence from BRIC countries [J]. Energy Policy， 2018， 37（1）：246-253.

Wyckoff W， Roop J M. The embodiment of carbon in imports of manufactured products for international agreements on greenhouse gas emissions [J]. Energy Policy， 1994， 22（3）：187-194.

Zhang Y J. The impact of financial development on carbon emissions： An empirical analysis in China [J]. Energy Policy， 2011， 39（4）： 2197-2203.

（责任编辑康燕）

①数据来源：https：//baijiahao.baidu.com/s？id=1772645652192194723&wfr=spider&for=pc。

②“1+N”政策是指中国政府提出的应对气候变化和推动碳达峰、碳中和的政策框架。其中，“1”代表《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》，是双碳政策的顶层设计和总体框架；而“N”代表各部门和地方政府制定的具体政策和方案，涵盖了多个领域和行业。

③数据来源：https：//www.gov.cn/xinwen/2023-02/03/content_5739947.htm。

①市场效果表现良好的地区：北京、广东、浙江、江苏、江西、山东、河北、湖北、上海、河南、福建、山西、安徽、四川和陕西；市场效果相对普通的地区：贵州、湖南、内蒙古、新疆、重庆、云南、天津、甘肃、黑龙江、辽宁、广西、海南、宁夏、青海和吉林。

①包括内蒙古、浙江、广州、甘肃、云南、黑龙江、江苏、安徽、江西、河南、湖南、四川、青海、新疆。