低碳经济发展能力与融资保障、金融政策——基于中国省级区域的实证研究

陈福生

（中国人民银行福州中心支行，福建 福州 350003）

低碳经济发展能力与融资保障、金融政策
——基于中国省级区域的实证研究

陈福生

（中国人民银行福州中心支行，福建 福州 350003）

研究结果表明，信贷支持对低碳经济发展具有较为明显的正向作用，相比证（债）券市场融资、保险覆盖等政策更具有低碳经济发展的结构性调控作用；保险覆盖的扩大对低碳经济发展具有两面性，其效应表现方向取决于保险业的“收费汲取”和“赔付保障”之间的力量均衡；省市出台金融支持低碳经济发展的政策意见或相关措施，对低碳经济发展有一定的正面作用。进一步总结可得，在碳排放约束条件下政策出台对低碳经济发展能力的促进作用更加大。上述结论是国内其他研究并没有得到的，对我国各地发展碳金融、实施低碳金融支持政策具有启示作用。

低碳经济；金融政策；融资保障

一、引言

在20世纪70年代发达国家遇到的“石油危机”，让世界各国意识到高能耗、高排放的经济增长模式不可持续。进入21世纪以来，世界主要经济体普遍接受可持续发展模式，即为低碳经济模式。实体经济离不开碳金融的支撑，理论界将这种关系称为碳金融与绿色经济的“联动效应”，可将金融资本与绿色产业连接起来。这种理论来源于金融服务环保产业的内生动力，即金融机构在政策、产业等方面上的风险最小化动机，比如兴业银行较早接受环境经济的“赤道原则”，以信贷手段支持低碳经济的发展。

为了准确测评低碳经济发展能力，付允等人（2010）[1]提出了低碳经济的五大支撑体系，也有部分研究认为低碳经济评价应该偏重经济增长（马军、周琳等，2010）[2]。本研究则认为，低碳经济的评价与碳金融支持需要扩大“低碳”的外延，改变低碳经济发展评价指标的局限性，现有研究以省域碳排放量的高低来衡量省域经济是否低碳，这是比较片面的结论。同时，国内外几乎没有从金融支持的角度来研究低碳经济发展命题，更多则是低碳经济和贸易、就业和经济增长等方面。

金融会对低碳经济发展产生什么样的作用力？本论文通过总结发现，金融支持会对低碳经济发展能力形成直接或间接的关系，一方面是提供低碳产业和项目的资金支持，以综合性金融解决方案促进低碳经济项目、低碳企业的甄别筛选；另一方面为低碳经济发展的人才和技术带来良性循环效应，形成支持低碳经济发展的“告示效应”。不同省域经济体金融发展对低碳经济呈现不同的支持效应，这与当地经济结构、技术水平和地方重视程度直接相关。

对于中国各省市区的低碳经济发展现状，金融支持低碳经济发展的实际效力等，国内并没有一个系统性的论断和研究，这也是本论文旨在突破的地方。本文在省域碳排放量的基准指标基础上，以改进后的TOPSIS模型来测度低碳经济发展指标体系，在金融支持模型中特别引入“省区市是否出台低碳经济的金融支持意见”作为虚拟变量，同时考察绿色产业发展和碳排放等两个不同约束条件下低碳经济发展金融支持效应，这些做法突破了传统研究对变量和模型选择的桎梏，在视角上和方法上均具有一定的新颖性。

二、低碳经济发展指数的测度

（一）建立碳排放估算方程

根据联合国环境规划署安排，降低二氧化碳排放量仍是低碳经济追求的核心目标。本研究遵循日本能源经济研究所（1989）[3]和IPCC（2007）[4]的研究思路，建立中国各省区市碳排放量估计方程：

在式（1）中，E(co2)指碳排放量的估计值，Ec、Ep、Eg和Ee分别为煤炭、石油、天然气、火电及核电其他能源的消耗量（以吨标准煤为单位）。另外δc、δp、δg和δe则分别为对应碳排放系数，系数值参照王桂荣、朱旭梅、韩明一（2013）的研究成果（δc=0.733，δp=0.5575，δg=0.42275，δe=0）[5]。此方程根据我国30个样本省区市①西藏自治区由于能源与环境数据大量缺失，被排除在研究样本之外。数据来自于《中国统计年鉴（2012）》和《中国金融年鉴（2012）》《中国能源统计年鉴2012》以及WIND数据库，部分变量数据采用手工整理而得（下同）。数据进行估算，所得结果即为各省区市的碳排放量。从各省区市碳排放估算结果来看，不同省区市之间碳排放绝对量差异较大，难以真正体现低碳经济发展能力。更多的研究表明，低碳经济发展评价不能仅仅使用碳排放量的总量数据，更需要考虑到经济总量、地域面积、人口体量以及环境承载能力、科学技术投入、治理污染能力等，比如迟国泰等（2012）[6]、袁晓玲等（2013）[7]的研究。因此，本论文采用一个综合指标体系下的理想解法模型进行低碳经济发展能力测度。

（二）低碳经济发展测度指标体系

综合现有研究成果，本研究选择20个比例性指标（负向指标以“倒数法”进行处理），以衡量不同省区市之间低碳经济发展水平与能力的差异，消除绝对量差距引致的不可比性，如表1所示。

（三）TOPSIS模型分析

为了准确测度我国省际的低碳经济发展指数，本研究选择理想解法（TOPSIS）评价模型进行求解。HWang.C.L&Yoon.K.S（1981）[8]提出非参数决策的TOPSIS方法（Technique for order preference by similarity to ideal solution），为有限个体多目标决策分析常用理论。TOPSIS方法则具有上述方法不具有的优点：一是改变主观打分评价做法，根据实测数据进行客观评价；二是模型应用要求更低，对样本数据的分布、样本量、指标数量无严格限制；三是此方法不需要确定具体的生产函数形式，对低碳经济发展评价应用范围广；四是数据信息能得到充分反映，信息失真的概率较小，测度结果可信度更高。

必须指出的是，部分研究使用TOPSIS模型时，将低碳经济测度指标权重均等化，这个思路存在一个主要缺陷：不同指标对低碳经济发展评价的贡献度是一样的，显然这与现实状况并不相符。因此，本研究使用熵权法来确定指标客观权重，熵权模型计算过程可参见郑鸣、陈福生（2012）[9]的文献成果。不同于传统TOPSIS方法的是，本论文选择指标熵权进行进入决策矩阵，更有利于提高研究的客观性。

表1 我国低碳经济发展测度指标体系

现假设m个低碳经济发展测度省份（0≤m≤30）、n个低碳经济发展测度指标（0≤n≤20），现将理想解法的具体步骤分析如下：设定rij为第i个省（区市）第j个低碳指标的无量纲化值（1≤i≤m，1≤j≤n），将熵权矩阵定义为W=(w1,w2,Λ,wn)，则矩阵W与矩阵R共同构造为低碳经济加权决策矩阵如下：

在（2）矩阵中，uij代表加权后的第i个省（区市）第j个指标的数值。由TOPSIS原理可得低碳经济正向指标集J+的理想解和负理想解：

因此，根据第i个省区市指标值测算到低碳经济理想解和负理想解的距离分别为：

最后，根据（5）式和（6）式可测算各样本省区市与最优低碳经济发展水平的相对接近度：

（7）式即为各省区市的低碳经济发展能力测度值，在[0,1]区间内变动。相对接近度衡量的是省区市样本到负理想解的距离占总距离①总距离即指样本到理想解和负理想解的距离之和。之比，比值越大，则相对接近度越大，说明此省（区市）的低碳经济发展越强，反之相对接近度越小，则说明此省（区市）的低碳经济发展能力越弱。

表2 各省（区市）低碳经济发展能力结果表

根据熵权法下的TOPSIS测算结果，可得到中国30个省区市的低碳经济发展能力水平，如表2所示②因篇幅所限，其中理想解和负理想解、欧氏距离等测算过程在此省略。需要者可向作者索取。。全国低碳经济发展能力平均值为0.2149，上海最高（0.6393），最低则为宁夏（0.1138）。我国各省（区市）低碳经济发展能力的阶梯化特征（四个梯队的分界线为0.6，0.3，0.20）。不同区域板块的低碳经济能力不同，东部低碳经济发展能力最强。低碳经济发展客观能力与省域生活环境主观感受呈现较大的偏离，这是因为生活环境感受与低碳经济发展能力是不同的概念导向，后者考虑到污染治理的投资能力和治理水平，同时也考虑到单位GDP和人均的能耗、碳排放等因素，也纳入了城市绿化面积和湿地面积等“吸碳”能力较强的指标。

三、金融支持低碳经济发展的模型构建

（一）模型设定依据和变量选取

我国低碳经济发展的金融支持效应不仅要从绿色产业产值（正向维度）上实证检验，而且要从温室气体排放量（负向维度）上实证检验。为了更加全面测度金融政策工具对低碳经济的支持效应，本研究从“绿色产业产值的金融支持”和“温室气体排放治理③含二氧化碳、二氧化硫、氮氧化物、工业烟粉尘等四者的排放。单位：吨标准煤。的金融支持”两个维度分别建立截面数据模型。针对第一个维度，本研究采用第三产业代表绿色产业，使用其产值对应的金融支持数据来设置解释变量（李占雷等，2012）[10]。针对第二维度，本研究采用单位温室气体排放所对应的金融支持力度来衡量，从单位碳排放对应的金融支持角度去设置解释变量。

表3 模型变量选取说明表

现选取信贷余额（Loan）、证债券市场①证债券市场融资包括含债券市场的发债融资量。数据来源于WIND数据库。融资（Capital）、保费收入（Insurance Income）作为解释变量，并对不同维度下的解释变量分别建模实证，即对应“绿色产业产值”和“温室气体排放治理”的研究维度。将因变量设定为低碳经济发展能力指标，即用TOPSIS模型测度30个省区市低碳发展能力指数值来衡量，设定解释变量4个和控制变量4个，详见表3。

从理论上看，信贷余额和证债市场融资对低碳经济发展能力的影响应该是正向的，保费收入影响则具有不一定性，这是因为对于一个经济体来说，保险收费多并不是好事，产生的作用需要正反影响的反复均衡。同时，研究引入一个虚拟变量，即此省（区市）在最近三年内有无出台金融支持低碳经济发展的具体意见，若有则赋值“1”，若无则赋值“0”，以检验政策出台对低碳经济的发展是否具有有效作用。

另外，本研究选取四个控制变量进入模型，以控制前一期指标增长速度对当期低碳经济支持的影响。从中国金融发展数据特征来看，前一期指标增长速度过大时，后一期指标数值必然会受到影响，这种影响在低碳经济发展模型中必须予以控制，否则将会对金融支持效应测度产生不真实的“噪声”。

（二）构建截面数据模型

基于前面模型思路和变量的分析，现将两个维度的截面数据模型构建如下：

模型1：

模型2：

在上述两个多元回归模型中，被解释变量Topi是第i省的低碳经济发展能力；αi和βi分别是对应变量的系数，i∈[1,30]。gdpi,-1、gli,-1、gci,-1和gii,-1为两个模型共用的4个控制变量，分别代表样本时期前一年的GDP增速、信贷增速、证债券市场融资增速、保费收入增速。在模型1中，SLi、SCi和SIi是第一个绿色产业发展（正向维度）方程解释变量；在模型2中，CLi、CCi和CIi是第二个温室气体排放（负向维度）方程解释变量。Poli则是政策虚拟变量，代表着省区市有无出台低碳经济的金融支持政策或实施意见。

四、模型实证分析

（一）模型1实证结果分析

本研究选择广义矩（GMM）估计方法，而非OLS、TSLS、WLS、MLE等估计，这是因为本样本数据难以符合正态分布的假设、存在可能的异方差情况。模型一的估计结果如表4所示，从结果来看，样本数据对模型1调整后的拟合优度为0.537，较好地反映了模型的拟合性；各参数Wald检验为7.4583，高于联合显著性检验临界值，说明方程符合参数约束条件。除gc(t-1)和gi(t-1)两个变量之外，其他变量均在10%以上的显著性水平区间内通过检验。

表4 模型1的GMM估计结果整理表

其中信贷（SL）、证债券市场（SC）对绿色产业（服务业）的融资覆盖倍数与低碳经济发展能力之间系数分别为0.257和0.235，呈现正向的推动促进关系。当信贷对绿色产业的融资覆盖倍数提高1个点时，低碳经济发展能力则提高0.157个点，反之则降低0.157个点；若中国证券债券对绿色产业的融资覆盖倍数提高1个点，则低碳经济能力提高0.135个点。但是，实证数据表明，保费收入（SI）对绿色产业的覆盖倍数与低碳经济发展能力之间却呈现负相关关系，即保费收入与绿色产业之比越大，低碳经济发展能力越小，这间接表明保费收入的增加对低碳经济发展能力负面影响呈主导作用②从保险发展结构来看，保险业发展主要侧重于寿险和财险，对于低碳经济和环保领域的保险服务力度却不尽如人意。故而此结论并不让人觉得奇怪。。对于金融发展三方面结论的差异，本研究认为信贷投放和证券债券融资对绿色产业表现更多的是服务功能，保费收入虽然一定程度上代表着绿色产业的保障力度，但是更多表现为“汲取”作用。

模型1中的虚拟变量（Pol）在5%显著性水平下通过检验，系数为0.012，呈现微弱的正向激励关系，这说明各省区市出台的支持意见或政策并没有显现出预期的重要作用。对此，本研究则认为低碳经济的金融支持意见还有待进一步落地生根，提高政策的实施力。不过，由于此模型已将信贷变量纳入，现有金融支持政策本身就是通过信贷资源配置来实施，传导效应更多从信贷投放变量进行影响。

此模型控制变量与低碳经济发展能力主要表现为负向关系，与原有理论预期基本一致，上一期融资力度的增长速度会影响到当期融资力度，从而影响到绿色产业的融资服务力度。

（二）模型2实证结果分析

相比较模型1，模型2方程的拟合优度更加高，调整后R2为0.684，调整前R2为0.613，J-statistic为22.4379，说明金融发展指标对碳排放的覆盖率能影响到低碳经济发展能力，如表5所示。同样，模型2的各参数Wald检验值为9.0281，各参数的联合显著性较强，通过参数约束条件检验。

同理，单位碳排放对应的证券债券融资量（CC）也与低碳经济发展能力正相关，相应变动系数为1：0.085，影响效应低于信贷政策。本研究认为此结论与信贷政策更具有结构性有关，而证券债券融资政策的经济结构调控作用要弱于信贷政策。

表5 模型2的GMM估计结果整理表

值得注意的是，单位碳排放对应的保费收入（CI）与低碳经济发展能力指标呈现微弱正相关趋势，这与模型1的结论是不一样的。在碳排放此负向维度下，保险业对其收费比例应该越高越好，更好提高碳排放的污染保险强度。这表明，反映保险收入指标对低碳经济发展的影响具有两面性。

相对于模型1，在考虑碳排放量的模型方程中政策虚拟变量对低碳经济发展能力影响更加大，达到0.173，高出模型1系数约0.061个点。表明在碳排放约束下省级机构出台低碳经济的金融支持政策呈现正向效应，更有利于优化低碳经济项目投融资结构。从这个角度来看，考虑碳排放约束的金融支持政策比考虑第三产业产值约束的金融支持政策更加有效。对此结论，本研究认为是由于碳排放约束指标相对硬性量化、对发展低碳经济更具有约束力等因素使然。

五、结论与建议

（一）主要结论

（1）对于金融支持低碳经济发展来说，信贷支持比证（债）券市场融资、保险覆盖等支持政策更具有影响力，具有较为明显的促进作用。实证结果显示，信贷投放对绿色产业（服务业）和碳排放的融资覆盖倍数与低碳经济发展能力之间系数分别为0.257和0.121，均高于证（债）券融资变量和保险覆盖变量系数，呈现较强的正向促进关系。若信贷对绿色产业的融资覆盖倍数提高1个点，低碳经济发展能力则提高0.157个点；若单位碳对应信贷融资额提高1个点，则低碳经济发展能力相应提高0.121个点。因此，信贷投放在推进结构调整、经济低碳化方面发挥着主导性作用，信贷政策更具结构性支撑作用。

（2）保险覆盖的扩大对低碳经济发展具有两面性，其支持效应表现方向取决于保险业的“收费汲取”和“赔付保障”之间的力量均衡。实证数据表明，保险发展对绿色产业的覆盖倍数与低碳经济发展能力之间呈现负相关关系（-0.207），即保费收入与绿色产业之比越大，低碳经济发展能力越小。但是保险发展对碳排放的覆盖倍数与低碳经济发展能力指标却呈现微弱正相关趋势（0.014），这与前面的结论是不一样的。此结论表现了两个差异，一是保险发展与低碳经济可能呈现负效应，与信贷、资本市场融资明显不同；二是保险发展在正向、负向维度的不同约束环境下呈现不同的传导效应。

对于此差异，本研究认为这可能与保费增长指标的两面性直接相关。在绿色产业正向维度下，保险发展覆盖的扩大虽然一定程度上代表着绿色产业的保障力度加大，但是更多表现为“能量汲取”作用，即总效应反而为负。但在碳排放负向维度下，保险业对其收费比例应该越高越好，更有利于提高碳排放的污染保险强度，加大风险赔付概率。因此，保险覆盖支持效应表现方向取决于保险业的“收费汲取”和“赔付保障”之间的力量均衡，其增长对于低碳经济发展并非好事。

（3）省（区市）出台金融支持低碳经济发展的政策意见或相关措施，对低碳经济发展有正面作用，在考虑碳排放约束情况下此政策对低碳经济发展能力的促进作用更加大。本研究引入了“省级机构有无出台金融支持低碳经济发展的意见措施”虚拟变量（1，0），在两个模型中均通过显著性检验。在绿色产业约束下的低碳经济金融支持效应方程中，变量系数为0.014，说明出台此类政策对低碳经济表现微弱的正向促进作用，但并没显现出预期的重要作用。但在考虑碳排放量的模型方程中，此政策虚拟变量对低碳经济发展能力正向影响相对更大，达到0.173，高出模型1系数0.059个点。从这个角度来看，考虑碳排放约束的金融支持政策比考虑第三产业产值约束的金融支持政策更加有效。对此结论，本研究认为在于“碳排放约束指标相对硬性量化、对发展低碳经济更具有约束力”等因素使然。

（二）政策建议

（1）我国低碳经济发展的金融政策应予以差异化，而非统一标准执行，不宜“照抄照搬”，不同省区市应以同梯队省区市为参照标准制定金融政策。我国低碳经济发展政策和考评不宜统一化、标准化，而应根据不同地区的低碳经济发展能力不同而制定差异化的支持方案。由于四个梯队的低碳经济发展能力差距较大，其金融支持和监管政策在横向上无比较性可言。因此金融支持政策需要根据地方低碳经济发展实况而制定，切忌“照抄照搬”。对于同一个梯队内省区市，低碳经济的金融支持政策可以参照。故而福建省的参照对象应该是天津、海南、江苏、浙江、云南、黑龙江等省市，以它们为参照物，制定支持低碳经济发展的若干金融政策或产业政策。

（2）更加主动发挥信贷政策对低碳经济发展的结构性调控作用，金融监管部门应加强信贷投放的数量调控和窗口指导，政府部门应为信贷政策支持低碳经济创造条件。研究结论显示，信贷政策与其他金融政策相比，更具有主导性的正向促进作用，在推进结构调整、经济低碳化方面更具有结构性支撑作用。因此我国各地应更加主动发挥信贷政策对低碳经济的结构性调控作用，为信贷政策实施提供良好的金融生态环境和配套扶持措施，这样更可以加快低碳经济发展能力的提升。本研究已证明，信贷政策支持低碳经济发展更具效率，带动效应更高。故而地方政府在低碳经济硬性约束环境下，应高度重视信贷工具的低碳经济发展杠杆效应。

（3）积极关注保险发展对低碳经济发展能力的可能性负面效应，建议正确把握保险业对低碳经济“收费汲取”和“赔付保障”之间的力量均衡，扬正抑负。研究结果表明保险发展与低碳经济存在负向效应，因此建议保险政策在绿色产业发展方面加大优惠扶持力度，考虑适当调低保险费率，换取低碳经济的长续发展。综合考虑低碳经济行业的风险，保险业应该有针对性提高低碳负向指标（越小越好）的污染保险强度，加大风险赔付概率。综上，保险业应正确把握其对低碳经济“收费汲取”和“赔付保障”之间的力量均衡，扬起“正能量”，抑制“负能量”。

（4）省区市出台低碳经济的金融支持意见时，建议将金融支持政策和碳排放约束指标进行挂钩，以更能提高低碳经济发展。不管是哪一种情况，省市出台低碳经济的金融支持政策或意见均具有正面促进作用，因此建议省区市可加强此类支持政策的出台，进一步加强政策意见落地生根，提高实施力。另外，由于在碳排放约束下省级机构出台低碳经济的金融支持政策更具有正向效应，故而建议省区市将金融支持力度和碳排放约束指标进行挂钩，提高碳排放在金融支持低碳经济发展时的约束力，比如金融机构信贷审核时加强企业碳排放的量化审核等。

[1]付允，刘怡君，汪云林.低碳城市的评价方法与支撑体系研究[J].中国人口∙资源与环境，2010，（8）：44-47.

[2]马军，周琳，李薇.城市低碳经济评价指标体系构建——以东部沿海6省市低碳发展现状为例[J].科技进步与对策，2010，（22）：165-167.

[3]Y Kaya.Impact of Carbon Dioxide Emission on GNPGrowth:Interpretation of Proposed Scenarios[R]. Paper Presented to the Energy and Industry Subgroup，Response StrategiesWorkingGroup，Paris，1989.

[4]IPCC.Climate Change 2007：The Science of Climate Change[R].Cambridge University Press，Cambridge，UK：2007，pp1-5.

[5]王桂荣，朱旭梅，韩明一.基于Co-Integration和Granger因果的我国碳排放与经济增长关系研究[J].河南科学，2013，（7）：1085-1088.

[6]迟国泰，闫达文.基于改进群组G1赋权的生态评价模型及省份实证[J].系统工程理论与实践，2012，（7）：1464-1475.

[7]袁晓玲，雷厉，仲云云.低碳经济评价指标体系构建及实证分析[J].城市问题，2013，（1）：56-61.

[8]HWang C L&Yoon.K.S.Multiple Attribute Decision Making[M].Berlin:Springer-Verlag.1981, pp151-189.

[9]郑鸣，陈福生.我国商业银行的系统重要性指数：一种新的评估方法[J].金融监管研究，2012，（10）：14-30.

[10]李占雷，苏巧，赵秀臣.河北低碳城市发展与金融体系关系的实证研究[J].江苏商论，2012，（1）：150-154.

（责任编辑：贾伟）

1003-4625（2014）11-0028-06

F832.0

A

2014-09-15

陈福生（1982-），男，江西赣州人，经济学博士，研究方向：货币政策与金融市场。

注：不代表所在单位意见。