绿色金融发展及影响因素时空维度分析

董晓红，富 勇

（哈尔滨商业大学 金融学院，哈尔滨 150028）

0 引言

2016年绿色金融被纳入G20议程，人民银行等七部委联合发布《关于构建绿色金融体系的指导意见》对绿色金融发展进行总体规划，我国的绿色金融迎来前所未有的发展契机。经过不断的创新与实践探索，我国绿色金融已经从比较单一的绿色信贷发展成集绿色信贷、绿色保险、绿色债券、绿色发展基金等产品工具和相应的市场体制为一身的金融服务体系，主要服务对象为绿色经济、绿色产业和绿色企业。黑龙江省作为老工业基地，环境承载力与经济发展出现了严重的失衡，为了推动碳减排、发展可持续能源、缓解气候变化影响的举措，完成经济结构转型和产业结构调整，应积极发展并逐渐完善绿色金融市场。

国内外学者关于绿色金融的研究更多是从定性的角度分析绿色金融的发展路径和影响，剖析绿色金融发展所面临的问题并提出解决问题的建议。但学者们对于绿色金融的研究通常采用定性分析，无法体现出绿色金融发展过程中地理位置和空间因素的影响，导致研究结果缺乏一定的全面性和完整性。本文采用空间计量经济学建模方法对黑龙江省绿色金融发展的时空演变特征进行研究，分析黑龙江省绿色金融发展地理分布特征和空间集聚区域的溢出效应，深入研究绿色金融发展的影响因素及相关关系，发现问题并提出相应的解决对策，为相关部门提供决策依据，以更好的发挥黑龙江省绿色金融对于产业结构升级转型、优化环境质量的作用。

1 变量选择与数据来源

通过对国内外绿色金融发展模式和路径的研究，国内学者对黑龙江省绿色金融发展的影响因素也进行分析。徐旭初和光年玉（2017）对我国绿色金融发展的影响因素进行了实证分析，认为影响程度由高到低的四个因素依次为：受教育比例、污染治理投资、居民收入水平和金融化程度。本文在以往学者研究的基础上，基于黑龙江省特殊而又复杂的经济增长模式，选取以下指标进行分析，搜集数据并建立相应的空间计量模型。全部变量的选取如表1所示：

表1 变量汇总

考虑到数据可得性，本文选取2010—2016年黑龙江省市级行政单元经济数据作为研究对象。绿色信贷余额数据来源于Wind数据库和商业银行《社会责任报告》、历年《黑龙江省统计年鉴》。解释变量中，地区生产总值和金融相关比率数据来源于《黑龙江省统计年鉴》和《黑龙江省金融运行报告》；空气质量指数数据来源于历年《中国环境状况公报》；碳排放量比率数据来源于中国碳排放交易网；部分缺失数据采用期望值最大化法（EM）进行填充；便于模型分析，本文对经济数据取对数处理。

2 模型设计

本文将使用空间计量经济学相关模型进行分析，首先构建空间滞后模型和空间误差模型。

空间滞后模型（SLM）的表达式为：

式中，ρ为空间效应系数，β=（β1，…，βk）'为参数向量。W=（ωij）代表空间权重矩阵。其中，ωij描述了黑龙江省第i个城市与第j个城市绿色金融发展水平之间的相关性。

空间误差模型（SEM）描述的是空间扰动相关和空间总体相关之间的关系，其表达式为：

式中，空间矩阵W的元素ωij描述了黑龙江省第i个城市与第j个城市绿色金融发展误差项之间的相关性；λ为空间误差相关系数，度量了邻近城市关于绿色金融发展水平的误差冲击对本城市绿色金融发展的影响程度。其他符号含义同上。

由于空间计量模型存在空间交互影响及变量的内生性等问题，普通最小二乘法估计（OLS）将不再适用，工具变量法（IV）、极大似然估计（ML）或广义矩估计（GMM）等方法是合适的估计方法。基于Anselin（1988）检验准则，采用极大似然法估计空间计量模型的参数。其中，似然函数的形式如下：

面板数据可以解决单独的截面数据模型或时间序列模型普遍存在的遗漏变量偏差问题；面板数据同时有截面维度与时间维度，增加样本数据容量可以提高模型估计的精准度。空间面板模型（SPM）是一个通过加入空间滞后变量而增强了的空间自回归模型，本文基于黑龙江省2010—2016年13个城市的经济数据建立空间面板模型，即：

固定效应下条件方差为：

式中，n×（Q-1）矩阵是一个可变的解释变量矩阵，γ是一个（Q-1）×1的参数向量，用以度量相邻区域的解释变量对被解释变量的边际影响。

3 实证分析

3.1 绿色金融发展的空间相关性分析

考虑到绿色金融发展的空间效应，对于被解释变量绿色产业信贷余额（GI）进行空间检验。Anselin（1998）在研究出空间效应包括空间相关性和空间异质性。空间异质性可以通过传统的计量经济学方法进行处理，本文在分析中主要关注空间相关性。空间相关性又分为全局空间相关性和局部空间相关性。

（1）全局空间相关性分析

基于搜集到的数据和上述模型构建方法，运用Arcgis软件计算Moran’s I统计量进行全局空间相关性分析，Moran’s I统计量反映的是空间邻接或空间邻近的区域单元属性值的相似度。全局Moran’s I统计量的计算公式如下：

式中，Yi为各城市绿色产业信贷余额，《中国量研究方法券、绿色发展基金等产品工具和相应的约束，ωij为城市i和城市j之间的空间权重。本文选择常用的空间邻接权重矩阵，即城市i和城市j之间属于邻接关系，则ωij=1，反之，ωij=0。并规定区域自身不属于邻接关系，即ωij=0。

表2 绿色产业信贷余额GI的Moran’s I统计值

在10%的置信水平下，2010—2016年绿色产业信贷余额Moran’s I值在0.16左右分布，P值总体小于0.10的显著度水平。Moran’s I统计值大于0，表明各城市的绿色发展水平具有一定的正相关性，并且具有一定的显著性。结合Z得分和P值分析，除2015年个别现象，Z得分总体大于1.65，得出我国各城市绿色发展水平具有较显著的空间聚类特征。P值小于0.10，说明各城市城市绿色发展水平不是随机生成而是具有空间相关性的概率高于90%。各年Moran’s I统计值的P值没有显著小于5%甚至1%的水平，可能的原因在于，本文使用绿色产业信贷余额GI代替各城市绿色金融发展水平，没有考虑绿色证券、绿色基金、绿色保险、碳金融等业务的信贷余额，造成数据结果有一定偏差。以上的分析说明在研究黑龙江省绿色金融发展时，不能忽略地理因素和空间效应的影响，即要在计量模型中纳入被解释变量的空间影响因子，设计空间计量模型分析绿色金融发展问题。

（2）局部空间相关性分析

运用Geoda软件分析绿色信贷余额GI局部Moran’s I散点图和LISA集聚图，分析结果分别如图1和图2所示。

图1 2010年GI Moran’s I散点图

Moran’s I散点图的横轴表示绿色信贷余额，纵轴表示经过行标准化处理的滞后变量。对于Moran’s I散点图中城市分布进行统计分析，结果如表3所示。

图2 2016年GI Moran’s I散点图

表3 绿色产业信贷余额GI的Moran’s I指数散点分布统计表

通过统计结果可知，2010年的散点图中有9个城市落在第一、三象限，2016年则有7个城市落在第一、三象限，第一象限代表绿色金融发展水平高的区域单元被高绿色金融水平区域所包围（HH），第三象限代表绿色金融发展水平低的区域单元被低水平区域所包围（LL），表明绿色金融发展区域间具有正相关性，区域间绿色金融的发展具有正向空间溢出效应。在两幅散点图中，哈尔滨、齐齐哈尔、大庆三个城市一直处于第一象限（HH），表明绿色金融发展的集聚地区主要位于经济发达的城市，三个城市对邻接城市绿色金融的发展具有较高正向空间溢出效应。鸡西、佳木斯、双鸭山、七台河四个城市一直处于第三象限（LL），表明四个城市和邻接城市绿色金融的发展也具有正向溢出效应。

3.2 模型估计与结果分析

通过上述Moran’s I指数散点图分析，已经证实各区域绿色金融发展之间具有空间相关性，但无法对空间滞后模型（SLM）、空间误差模型（SEM）和空间面板数据模型（SPM）具体选择，为了能够正确地估计绿色金融发展和各解释变量之间的相互关系，需要通过进一步的检验。为了能够正确地估计绿色金融发展和各解释变量之间的相互关系，需要通过LR统计量、Wald统计量对线性条件和非线性条件下的模型进行判断，分析结果如表4所示（结果保留四位小数）。

表4 绿色金融发展的空间相关性检验

检验结果显示，Wald和LR统计量显著，因此无法将空间面板模型（SPM）简化为空间滞后模型（SLM）或空间误差模型（SEM）。通过建立空间面板回归模型，运用Stata12.0软件进行统计分析，结果如表5所示。

表5 空间面板模型的Hausman检验结果

由于卡方检测值chi2（5）=27.94，p值为0.0000，说明模型整体显著性较高，且拒绝原假设“H0：ui与xit，zi不相关”，应该使用固定效应模型，而非随机效应模型。固定效应空间面板模型分析结果如表6所示。

表6 固定效应空间面板模型回归分析结果

上述分析结果中包括一个常数项（_cons），它代表所有个体效应ui的平均值。表6显示，“rho=0.98”，rho统计量代表个体效应的方差占混合误差方差的比重，故复合扰动项（ui+εit）的方差主要来自个体效应ui的变动。对于原假设“H0：Allui=0”，表6最后一行F检验的p值为0.0000，表明模型整体显著性很高，故强烈拒绝原假设，即固定效应回归模型明显优于混合回归模型；同时拒绝按聚类标准误条件下的原假设“H0：Allui=0”。

根据模型结果和相关检验，地区生产总值GRP与当地绿色产业信贷余额GI的回归系数约为9.3，并且通过5%水平下的显著性检验，说明黑龙江省各城市绿色金融的发展状况与经济发展水平呈现出较强的正相关关系。经济水平较高的城市能够提供绿色转型所需的绿色资本和绿色金融创新所需的市场环境，还拥有较高的创新能力和核心技术人才。此外，由于黑龙江省绿色金融仍然处于探索发展阶段，绿色金融创新率先在经济较发达的哈尔滨、大庆等城市实行，经济水平相对落后的城市较后进行绿色金融的发展，导致地区生产总值与绿色金融发展水平呈现较高的正向关系。

空气质量指数AQI的回归系数在5%水平上显著为负，说明绿色金融的发展与环境因素呈现负向影响。黑龙江省在传统的粗放型经济模式下，由于产业结构和技术落后，浪费资源及污染严重，消耗了原有丰富资源的同时也破坏了自然环境，导致黑龙江省各城市的空气质量普遍较差（根据生态环境部2016年公布的全国各省份空气质量监测数据排名，黑龙江省位于第23位），此外，鸡西、鹤岗、双鸭山、七台河4个城市作为黑龙江省重要的煤炭能源基地，面临着严重的空气治理压力，使得空气质量指数和绿色金融发展水平呈现出负相关关系。

碳排放量比率CER的回归系数约为1.24，在10%的水平下显著，表明黑龙江省各城市碳排放量与当地绿色金融发展具有正相关性，与绿色金融发展的实践目标不相符。原因可能是，黑龙江省作为老工业基地，在工业结构中高能源高消耗产业占比较高，通过工业结构转型和技术升级，各城市能源消耗强度持续下降，从2005年消耗1.46吨/万元下降到2016年消耗0.79标准煤，仍然远高于2016年全国各城市平均消耗标准煤用量0.42吨/万元，黑龙江省各城市碳排放量过高使得回归结果出现偏差，出现低碳排放反而抑制了绿色金融发展的结果。

金融相关比率DIR的回归系数在5%水平上显著为正，说明当地的金融水平和绿色金融发展水平具有正向相关关系。各城市绿色金融的发展主要依赖于当前的商业银行环境基础，金融机构投融资渠道为绿色金融发展提供了便利性，因此出现正向相关关系。但DIR的回归系数为0.0559，说明金融相关比率对于绿色金融发展水平的影响关系和促进作用比较小。目前，黑龙江省绿色金融产品比较单一，主要集中于固定资产抵押贷款，以及少量的绿色信托产业融资，随着绿色金融产品和服务的创新，当地金融环境会对绿色金融的发展有着更好的促进作用。

综上所述，四个解释变量中地区生产总值回归系数的绝对值最大，金融相关比率回归系数的绝对值最小。说明黑龙江省各城市地区生产总值对于当地绿色金融发展的影响作用最大，金融相关比率因素影响作用比较小，空气质量和碳排放量影响作用居中。说明黑龙江省各城市在努力提升地区生产总值的同时，应注重金融环境的创新和发展，还要尽快改善空气质量并降低碳排放量，最终完成各城市的绿色产业结构转型，逐步完善绿色金融市场。

4 结论与建议

本文运用空间计量经济学的方法构建模型分析黑龙江省绿色金融发展现状和影响绿色金融发展的因素，得出以下结论与建议：

（1）哈尔滨、大庆、齐齐哈尔等工业水平及经济基础较高的城市绿色金融发展水平较高，全省总体绿色金融水平呈上升的趋势。各城市绿色金融发展出现更大面积的空间集聚区域，城市间的地理位置关系体现出绿色金融发展的空间溢出效应。各城市相关部门不仅应针对城市具有的市场基础和条件制定特有的政策，也应该借鉴临近城市的绿色金融发展模式，使各城市间呈现出联动的区域发展。

（2）作为工业大省和资源大省，黑龙江省正处于经济结构调整和发展方式转变的关键时期，环境保护与经济发展的矛盾十分严峻。发挥政策性金融的导向作用，引导绿色金融和绿色经济的结合，加大资本力度，在绿色经济的环保项目提供政策性的资金支持。相关部门应通过构建科学合理的绿色经济体系，将资本有序引入能够实现经济持续增长的领域，既能提高生产要素使用效能，还能保护环境和维护生态安全，促使黑龙江省摆脱对传统经济模式的依赖性，有效缓解全省面临的资源性、结构性和体制性三大矛盾，落实发展供给侧结构性改革政策，进而实现黑龙江省绿色经济转型。

（3）空气质量对绿色金融的发展具有负相关效应。在改善空气质量方面，黑龙江省具备构建绿色金融体系的经济金融基础和自然生态环境的先天性优势，应该积极利用各城市具备的绿色资源，通过绿色金融渠道对金融要素进行市场分配，流入环保、节能、新能源等领域，最终实现环境质量的提升。同时，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。此外，黑龙江省作为煤炭资源储备省份之一，鸡西、鹤岗、双鸭山、七台河4个城市面临较为严峻的大气污染治理和城市空气质量改善形势，各城市应大范围应用洁净煤碳燃烧技术，对于露天煤场加大烟尘监管和治理力度，对裸露的土地加强绿化覆盖治理，积极响应十九大“壮大节能环保产业、清洁生产产业、清洁能源产业”的政策号召。

（4）碳排放量对绿色金融的发展具有正相关效应，且回归系数的绝对值较大。各城市应加快对碳汇金融的研究探索，加大对绿色、循环、低碳经济的支持力度。利用科技创新发展低碳能源，优化能耗结构，增加清洁能源的使用，促进清洁能源产业的发展。同时，各政府部门应努力进行绿色农业创新实验，争取实现农业生产零碳排放，从根本上减少温室气体的排放，相关部门也可通过增加授信额度、优惠利率、适当延期等方式予以绿色金融的政策支持。根据《碳排放权交易管理办法》，尝试建立碳汇金融交易场所，以完善碳市场的交易制度和监管治理。

（5）金融发展水平对绿色金融的发展具有正相关效应。十九大提出“深化改革加快东北等老工业基地振兴”的概念，相关部门应拓展绿色金融发展领域，推动金融技术、金融人才、金融资本、绿色企业等不断向东北地区集聚，还应引导商业银行建立符合绿色企业和项目特点的信贷管理制度，创新绿色信贷、债券、股票、保险、基金、碳汇金融等绿色金融产品及相关衍生工具，单一的绿色信贷融资渠道已无法满足绿色市场信贷需求。此外，构建与各城市绿色经济转型相适应的绿色市场，最终逐步完善绿色金融体系。