金融发展与碳排放的非线性关系研究

邵汉华++刘耀彬��

摘要：基于2000～2014年中国省际面板数据，利用面板平滑转换模型实证检验金融发展与碳排放之间关系。研究发现，金融发展总体上有利于降低碳排放，但这种金融减排效应会随着经济发展水平、经济结构、能源结构和贸易开放等转换变量，在高、低区制之间进行平滑转换，呈现出复杂的异质性特征。因此，应该加强金融政策和结构性改革政策协调配合，更好地发挥金融发展对减少碳排放的正向激励作用，促进区域绿色金融发展。

关键词：金融发展；碳排放；PSTR；非线性

DOI：10.13956/j.ss.1001-8409.2017.05.18

中图分类号：F124.5；F016.3 文献标识码：A 文章编号：1001-8409（2017）05-0080-05

The Nonlinear Relationship between Financial Development and Carbon Emission

——Based on Panel Smooth Transition Regression Model

SHAO Hanhua， LIU Yaobin

（School of Economics and Management，Nanchang University， Nanchang 330031）

Abstract：Based on the panel data of 30 provinces from 2000 to 2014 in China， this paper uses the panel smooth transition regression model to investigate the nonlinear relationship between financial development and carbon emission. The results show that financial development generally is conducive to reducing carbon emission， however， the reduction effect of financial development on carbon emission transitions smoothly between high and low regimes with the changes of the transition variables， such as economic development， industrial structure， energy structure and international trade. Therefore， the results underscore the need of enhancing the coordination between green finance and structural reforms to play the leading role of financial development in reducing carbon emission and promote regional development of green finance.

Key words：financial development； carbon emission； PSTR； nonlinear relationship

1 引言

伴随着过去三十余年经济持续高速增长，我国环境污染问题日益严重，环境承载能力已趋极限，环境污染产生的经济成本是十分巨大的。要实质性改善我国环境不仅仅要依靠更强有力的末端治理措施，还必须采用一系列财税、金融等手段改革资源配置的激励机制[1]。在资源配置中，“十三五”规划提出，要大力发展绿色金融，引导社会资金从“两高一低”行业退出，更多地投向绿色环保产业，促进绿色清洁生产。与现有大多数研究从经济结构、能源消费、城镇化和贸易开放等角度来考察我国碳排放影响因素不同，本文拟从绿色金融视角来研究金融发展对碳排放的影响，并在PSTR模型的非线性分析框架下，深入研究中国不同省际地区发展特征差异对两者关系的影响，以更好地发挥金融发展在地区节能减排中的作用，为促进地区绿色金融发展提供决策依据。

2 文献综述

自从温室气体排放引发全球气候问题成为全球关注焦点以来，学界围绕碳排放核算、碳排放权利分配以及碳排放影响因素研究进行了大量研究。其中，在环境压力驱动影响因素的STIRPAT模型分析框架下，国内外学者实证检验了经济增长、能源结构、产业结构、贸易开放和城市化等因素对碳排放的影响 [2～5]。近年来，金融发展对碳排放影响引起了学者的关注。一方面，金融发展可以通过缓解消费者和企业的融资约束，刺激消费投资增长，从而扩大经济规模和能源消耗，使得碳排放量显著增加。Sadorsky的研究发现，金融发展使得消费者可以更容易地获得信贷，从而刺激消费者购买汽车、空调和冰箱等耗能大件产品，增加碳排放[6]。同样，金融发展也可以提高企业融资可得性和降低企业融资成本，从而促进企业购置大型设备、新建生产线和扩大生产规模，这些必然会增加能源消耗和碳排放 [7]。

另一方面，Shahbaz等认为金融发展可以通过促进企业技术创新以及为环保产业项目和清洁生产技术研发应用提供资金支持等渠道，引导经濟结构和能源结构调整，实现低碳经济发展，从而实现碳排放可持续下降[8]。特别是在绿色金融发展的大背景下，发达的金融市场可以为企业节能减排项目提供多样化的融资工具，同时，企业也有很强动机通过清洁生产来提高社会责任形象，以便更好地融资。因此，从理论上看，金融发展既可以通过引致需求、扩大经济规模和能源消耗、产生金融发展对碳排放增加的规模效应，也可以通过调整结构、促进清洁生产、产生金融发展减少碳排放的结构效应，即金融发展对碳排放的影响存在不确定性。实证方面，一些学者利用时间序列模型或面板数据技术，对金砖四国、土耳其和南非等国研究发现，金融发展与碳排放在不同国家呈现出不同的影响，甚至在同一国家不同时期也表现出不一样的影响关系 [9～12]，即两者之间关系十分复杂。

需要指出的是，国内外实证研究大都使用线性模型研究金融发展与碳排放之间关系，对两者可能涉及到的非线性关系研究不够，所得出的结论也不一致甚至截然相反。特别地，现有研究使用的大都是时间序列数据，即使面板数据模型也是在线性分析框架建立的，没有考虑到地区差距视角下金融发展与碳排放之间的复杂性。由于我国各地区经济发展和禀赋结构存在较大异质性，金融发展与碳排放之间的关系可能受到这些异质性影响，从而呈现出非线性效应。因此，本文将从省际间异质性视角出发，基于2000～2014年我国30个省（市）面板数据，利用能够根据地区属性差距进行内生分组的面板平滑转换模型（PSTR），在实证分析金融发展对碳排放影响的整体基础上，深入研究经济发展水平、产业结构、能源结构和贸易开放等不同省际特征差异对两者关系所产生的非线性影响，以更好地发挥金融发展在区域节能减排中的作用，促进区域绿色金融发展。

3 模型、变量及数据说明

3.1 模型设定

为了研究基于不同发展水平和经济结构等地区差异下我国金融发展与碳排放之间的非线性关系，本文采用González等提出的面板平滑转换PSTR模型 [13]进行实证分析。

式（1）中，yit和xit分别是被解释变量和解释变量，即碳排放和金融发展；转换函数g（qit；γ，c）是一个取值介于0和1之间的连续函数；qit、γ、c分别是转换变量、平滑参数和位置参数；m是位置参数的个数，通常取值为1和2。当m=1时，转换函数含有一个位置参数：

此时，模型（3）为三区制的面板平滑转换模型，转换函数关于（c1+c2）/2对称，并在该点取得极小值，处于中间区制状态。

需要指出的是，在对PSTR模型估计之前需要检验模型是否存在非线性转换机制，常用的方法是在γ=0处进行泰勒展开构造辅助回归式：

因此，对PSTR模型的“非线性检验”相当于对式（4）中H*0：β1=…=βm=0作为原假设进行假设检验，然后可以通过构造如下统计量来检验：

如果“线性检验”拒绝原假设，则需要进一步检验是否存在一个或至少两个转换函数，即“剩余非线性检验”。类似于“线性检验”，同样通过泰勒展开构造辅助回归函数，利用LM、LMF和LRT进行检验，直至不能拒绝原假设H0：r=r*为止，此时r*就为PSTR模型转换函数最优个数。

3.2 数据变量说明

考虑到数据可得性，本文选取2000～2014年中国30个省级行政单元（西藏除外）作为研究对象，样本数据来源于《中国统计年鉴》《中国金融年鉴》和《中国能源统计年鉴》。相关变量选取计算情况如下：

（1）被解释变量：碳排放。以单位GDP二氧化碳（CO2）排放量表示。目前尚无权威机构发布关于省际层面CO2的数据，本文借鉴2006年联合国政府间气候专门委员会制定的温室气体清单指南提供的参考方法，构建CO2的核算公式，为：

式（8）中，Ei表示各种化石能源消费量；CFi为低位发热量；CCi为单位热量的含碳水平；COFi为能源的氧化率水平；44/12是CO2分子与碳原子质量比。

（2）解釋变量：金融发展。选取经典的金融相关比率，即用存贷款余额总量/GDP表示。此外用私人部门信贷总量与GDP比重，即金融效率，作为金融相关比率的补充指标，该指标被广泛应用于金融发展的衡量。由于我国金融机构尚未公布私人部门信贷数据，借鉴张军和金煜[14]做法，私人部门信贷为：[（1-国有固定资产投资额）/全社会固定资产投资额]×贷款余额。

（3）转换变量。由于我国各地区经济发展迥异，不同地区的经济发展水平、经济结构、能源禀赋结构和对外开放等存在很大的差距，因此会使得金融发展对碳排放的影响在不同省份呈现出异质性差距。因此，结合现有研究，选取地区经济发展水平、经济结构、能源结构和贸易开放作为转换变量，检验不同经济特征差距对金融发展与碳排放之间产生的非线性关系。对于经济发展水平、经济结构、能源结构和贸易开放的测度，分别用各地区人均GDP对数值、二产比重、煤炭份额和进出口贸易总额与GDP占比表示。

4 实证分析

4.1 非线性检验

在对面板平滑转换模型估计之前，首先需要确定在不同的转换变量影响下金融发展与碳排放之间是否存在非线性关系。由表1可知，除了模型E和H外，其他模型在10%显著性水平下都显著拒绝两者关系为线性关系的原假设，说明模型E和H是不含有异质性的线性模型，模型A至模型D、F和G存在明确的非线性特征；对模型A至模型D、F和G进一步进行非线性剩余检验，发现LM、LMF和LRT检验统计量在10%水平下均不能拒绝r=1的原假设，因此模型A至模型D、F和G均适合采用单个转换函数的PSTR模型。最后，通过AIC和BIC准则确定模型A至模型D、F和G转换函数的最优位置参数个数均为1。

4.2 估计结果分析

本文利用网格搜索法寻找平滑参数γ和位置参数c，通过求解相应回归模型残差平方和RSS最小时的参数值γ和c对模型进行最优参数估计，相关估计结果见表2。

从表2可知，所有模型的回归系数在1%水平下均显著，其中线性部分系数β1显著为负，说明金融发展有利于降低碳排放。而非线性部分系数β11显著为正，说明金融减排效应随着转换变量增加而减少，地区经济的异质性，即转换变量的存在使得金融发展对碳排放影响系数被分成高、低不同区制，影响系数在区制间平滑转换，具体来说：

（1）经济发展水平与金融减排效应。模型A结果显示，β1和β11的系数分别为-0.574和0.240，位置参数c为10.016，说明当人均GDP对数值低于10.016时，模型趋向低区制，金融减排效应最大为-0.574，而当人均GDP对数值高于10.016，模型趋向高区制，金融减排效应通过平滑转换函数作用最终减弱至-0.334，意味着经济发展水平的提高降低了金融减排效应。结合转换函数图1可知，大部分样本观测值处于高、低区制之间，分布在位置参数c两侧，金融减排效应从低区制下开始，以c为中心向高区制地区平滑转换减弱，转换速率为4.252。

（2）经济结构与金融减排效应。模型B的结果显示，β1和β11的系数分别为-0.317和0.182，位置参数c为0.342，说明当二产比重低于0.342时，模型趋向低区制，金融减排效应最大为-0.317，而当二产比重高于0.342时，模型趋向高区制，金融减排效应通过平滑转换函数作用最终减弱至-0.135，意味着经济结构中工业比重的提高降低了金融减排效应。结合转换函数图2可知，大部分样本观测值都位于高区制，转换函数g的值近似等于1，金融深化率每提高1%，碳排放下降0.135% ，金融减排效应相对于低区制的省份降低了0.182%。 2014年仅有北京和海南处于低区制，经济结构中工业比重最低，转换函数g的值近似等于0，金融发展降低碳排放的效应最大。当利用金融效率指标代理金融发展变量时，同样发现金融效率改善降低了碳排放，并且这种效应随着工业比重提高而弱化，但平滑速率有所降低（见模型E和图3）。

（3）能源结构与金融减排效应。模型C的结果显示，β1和β11的系数分别为-0.353和0.400，位置参数c为0.708，说明当能源结构中煤炭比重低于0.708时，模型趋向低区制，金融减排效应最大为-0.353，而当能源结构中煤炭比重高于0.708时，模型趋向高区制，金融减排效应通过平滑转换函数作用最终减弱至0.047，意味着能源结构中煤炭比重提高降低了金融减排效应。特别地，当地区煤炭比重到达高区制，金融深化率每提高1%，碳排放会增加0.047%。这说明对于以煤为主的省份来说，金融发展不仅没有降低碳排放，反而增加了碳排放。结合转换函数图4可知，转换函数的数值基本处于0.15之上，说明模型基本处在一种高区制转换状态，其中450个样本观测值中已经有8.82%的样本位于高区制。当利用金融效率指标代理金融发展变量时，同样发现金融发展降低了碳排放，并且这种效应随着能源结构中煤炭比重提高而弱化、消失直至转变为金融效率提高1%，碳排放增加0.538%（见模型F和图5）。

（4）对外贸易与金融减排效应。模型D的结果显示，β1和β11的系数分别为-0.579和0.208，位置参数c为0.66，说明当进出口贸易占GDP比重低于0.66时，模型趋向低区制，金融减排效应最大为-0.579，而当进出口贸易占GDP比重高于0.66时，模型趋向高区制，金融减排效应通过平滑转换函数作用最终减弱至-0.371，这意味着对外贸易弱化了金融减排效应。 根据“污染避难所”假说，发展中国家环境监管标准普遍较低，发达国家通过进出口贸易向发展中国家转嫁污染，国内一些研究发现我国贸易开放存在“污染避难所” [15]。因此，粗放型的外贸发展方式使得金融减排效应大打折扣。

结合转换函数（如图6）进一步发现，76.9%样本观测值都处于低区制，贸易比重要显著低于门槛值，转换函数g的值近似等于0，金融深化率每提高1%，碳排放下降0.579%，金融减排效应最大。也就是说，对于我国大部分省份来说，当前贸易比重还没有能够显著降低金融减排效应。但是，也有59个样本观测值处于高区制，贸易比重高于门槛值，转换函数g的值近似等于1，金融深化率每提高1%，碳排放下降0.371%，金融減排效应最弱。

5 结论性评述

面对日益严峻的环境压力，积极发挥金融资源配置在绿色发展的引领作用是“十三五”时期发展绿色金融的题中之义。基于此，本文对我国金融发展与碳排放之间的非线性关系进行了实证检验。研究发现：金融发展总体上有利于降低碳排放，但这种金融减排效应会随着经济发展水平、经济结构、能源结构和贸易开放等转换变量，在高、低区制之间进行平滑转换，呈现出复杂的异质性特征。具体来说，上述转换变量的位置参数值分别为10.016、0.342（0.348）、0.708（0.677）和0.660，这些参数值将每个省（市）分为高、低区制，金融减排效应在低区制最大、在高区制最小，即在人均GDP水平较高、工业比重较高、能源结构中煤炭比重较高和贸易开放程度较高的省份，金融减排效应下降。特别地，当一个省份能源结构煤炭比重达到0.708时，金融发展不仅不能降低碳排放，反而会增加碳排放。基于这些研究结论，提出如下的政策建议：

一是大力发展绿色金融，更好地发挥金融资源配置对绿色发展的正向激励作用。研究发现金融发展总体上有利于降低碳排放，但由于我国目前尚未建立完整的绿色金融体系，缺乏一个系统完整的政策框架，没有充分吸引社会资金进入绿色行业，金融体系支持绿色发展仍然存在很大改善空间。因此，要切实按照“十三五”规划提出的“发展绿色金融”的要求，积极营造良好的支持绿色金融发展的政策和市场环境，强化绿色金融的基础设施建设，创新发展绿色贷款、绿色债券、绿色基金、绿色保险等多种方式的绿色金融产品，不断满足企业多元化绿色投融资需求，从而推动经济真正实现绿色发展。

二是加强金融政策与结构性改革政策的协调配合，放大金融减排效应。本文研究发现，粗放的经济结构、能源结构和进出口贸易等会降低金融减排效应，因此提高金融减排效应不仅是一个单纯的金融资源配置问题，还涉及到产业升级、外贸转型、环境监管、能源价格改革等结构性改革政策的协调配合，切实降低污染性项目的投资回报率、提高绿色项目的投资回报率，增强绿色金融发展的内生动力，促进绿色清洁生产。

三是因地制宜推动区域绿色金融发展。由于我国各省（市）经济发展水平和资源禀赋条件存在较大差距，经济特征差距使得金融发展与碳排放之间关系也十分复杂，因此推动区域绿色金融发展时，需要因地制宜地制定发展的优先事项和现实解决路径。

参考文献：

[1]绿色金融工作小组. 构建中国绿色金融体系[M]. 中国金融出版社， 2015.

[2]Suri V， Chapman D. Economic Growth， Trade and Energy： Implications for the Environmental Kuznets Curve[J]. Ecological economics， 1998， 25（2）： 195-208.

[3]Halicioglu F. An Econometric Study of CO2 Emissions， Energy Consumption， Income and Foreign Trade in Turkey[J]. Energy Policy， 2009， 37（3）： 1156-1164.

[4]林伯强， 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界， 2009 （4）：27-36.

[5]林伯强， 刘希颖. 中国城市化阶段的碳排放：影响因素和减排策略[J]. 经济研究， 2010（8）：66-78.

[6]Sadorsky P. The Impact of Financial Development on Energy Consumption in Emerging Economies[J]. Energy Policy， 2010， 38（5）： 2528-2535.

[7]Dasgupta S， Laplante B， Mamingi N. Pollution and Capital Markets in Developing Countries[J]. Journal of Environmental Economics and Management， 2001， 42（3）： 310-335.

[8]Shahbaz M， Solarin S A， Mahmood H， et al. Does Financial Development Reduce CO2 Emissions in Malaysian Economy？ A Time Series Analysis[J]. Economic Modelling， 2013， 35： 145-152.

[9]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， 2009， 37（1）： 246-253.

[10]Shahbaz M， Solarin S A， Mahmood H， et al. Does Financial Development Reduce CO2 Emissions in Malaysian Economy？ A Time Series Analysis[J]. Economic Modelling， 2013， 35： 145-152.

[11]Khan M A， Khan M Z， Zaman K， et al. Questing the Three Key Growth Determinants： Energy Consumption， Foreign Direct Investment and Financial Development in South Asia[J]. Renew Energy， 2014， 68： 203-215.

[12]Abbasi F， Riaz K. CO2 Emissions and Financial Development in an Emerging Economy： An Augmented VAR Approach[J]. Energy Policy， 2016， 90： 102-114.

[13]González A， Terasvirta T， Van Dijk D. Panel Smooth Transition Regression Models[M]. School of Finance and Economics， University of Technology， 2005.

[14]張军， 金煜. 中国的金融深化和生产率关系的再检测：1987-2001[J]. 经济研究， 2005（11）：34-45.

[15]赵忠秀， 王苒， 闫云凤. 贸易隐含碳与污染天堂假说——环境库兹涅茨曲线成因的再解释[J]. 国际贸易问题， 2013（7）：93-101.

（责任编辑：李 镜）