金融发展对碳排放的影响研究

林明

摘要：本文立足于静态面板模型和面板门槛模型，选取我国2005～2017年的省级面板数据，比较分析了我国的碳排放会受金融发展的何种影响。研究发现：静态面板模型下，我国的金融发展与第二产业发展均会加剧碳排放，而经济水平与碳排放的关系呈倒“U”型，对外开放则有利于缓解碳排放。在以城镇化率为门槛变量的单一门槛面板模型下，金融发展与碳排放呈倒“U”型关系，低水平的城镇化会使金融发展正向作用于碳排放，而高水平的城镇化则能使金融发展反向抑制碳排放。

关键词：金融发展;碳排放;面板门槛模型

中图分类号：X32;F832文献标志码：A文章编号：1008-4657（2020）03-0062-07

0 引言

我国自改革开放以来，在诸多方面已经取得了傲人的成绩，尤其是经济金融领域。然而，在这大肆粗放的经济发展背后是以环境的牺牲为代价的。据IEA（2009）统计，我国在2007年时的碳排放量就已超过美国，成为全球最大的碳排放国家。随着大量的二氧化碳被不断释放，其对于整个生态环境和人类社会产生了巨大影响，现已成为全球聚焦的热点问题。我国也注意到了节能减排的重要性，实施碳减排措施刻不容缓。而金融发展作为推动经济向前的核心动力，对低碳化经济的实现起着至关重要的作用。如金融发展可提高技术创新，减少能耗，从而降低碳排放。不过，金融发展也可能会恶化环境，增加碳排放。如金融发展让企业易于融资，进而扩大再生产，这就会排放出更多的二氧化碳。那么对于我国来说，金融发展对碳排放到底是起促进作用还是抑制作用？以及由于不同地区城镇化率的差异，是否会造成金融发展影响碳排放间的门槛效应存在？这一系列问题均值得进行深入探究。

1 文献综述

针对碳排放这一研究，国内外众多学者大多从经济增长、产业结构、城镇化等方面入手。其中关于经济影响的，具有典型代表的研究则是Krueger等[1]提出的环境库兹涅茨曲线，即低水平经济下的发展会恶化环境，而当经济发展水平达到一定程度后，继续发展反而能有效控制污染，其图形呈倒“U”形。此后，出现了大量关于该曲线的实证研究。如张庆宇等[2]运用EKC和STIRPAT模型对我国改革开放40年来的经济增长与碳排放间的关系展开实证研究，结果证实了环境库兹涅茨曲线呈倒“U”形，并且他们还发现在我国，经济增长在影响碳排放众多因素当中占据主要位置，我国的人均GDP和人均碳排放目前仍然呈现递增趋势。闫树熙等[3]通过协整和Granger因果检验进行研究，发现陕西省经济增长与碳排放二者间在长期存在协整关系，且经济增长会加剧碳排放。关于产业结构影响碳排放的研究，杨恺钧等[4]研究发现我国的碳排放会受产业结构的较大影响，二者间呈“N”型曲线关系，且第二产业比重的上升会导致减排效率低下。而李志学等[5]经过研究，同样得到了类似的结论。从城镇化角度入手，王雅楠等[6]基于全国30个省19年的面板数据，将各地人均GDP和能源消费量当作门槛变量，使用面板门槛模型来探究城镇化对碳排放所造成的影响。研究发现二者间的关系是非线性的，无论是以人均GDP还是能源消费为门槛变量时，城镇化与碳排放间均为倒“U”型曲线关系。同时，不同区域的城镇化发展对碳排放所造成的影响存在明显差异。

然而，国内外学者对于金融发展影响碳排放这方面的研究结论却不尽相同。金融作为现代经济的核心，其发展会对环境产生两面性影响。一方面，金融的飛速发展，会起到扩张效应，增加能源消费，释放更多的二氧化碳。如Sadorsky[7]以新兴经济体为研究对象，通过GMM分析方法，他发现这些国家的金融发展刺激了居民对高耗能产品的消费，从而很大程度上增加了碳排放。Dasgupta等[8]立足于企业层面进行研究，他们得出：金融发展会使得企业的投融资成本下降，促使企业增加基础设备的投入使用，进行扩大再生产，这无疑会增加能源的消耗，提高碳排放量。张丽华等[9]基于系统GMM回归模型，通过把控金融发展指标进行横纵对比分析，得出：由于我国的金融体系并不完善，资源无法合理匹配，且企业会随着金融发展而不断扩张，从而使得我国整体上的金融发展对碳排放起了正向作用。相反，另一方面，好的金融发展会促进科学技术的进步与创新，有利于企业节能减排，大大改善环境。Shahbaz等[10]针对马来西亚的数据进行研究，发现金融发展不仅能提高技术创新，还能通过绿色信贷等渠道引导企业从事环保生产，从而减缓碳排放。周莹莹[11]以23个国家为研究对象，将其分为发达国家和发展中国家两部分，通过PVAR模型对其1993～2016年的面板数据进行研究，结果显示：无论是发达国家还是发展中国家，提高金融发展水平就有利于抑制碳排放，而且发展中国家的抑制效果明显优于发达国家。霍远等[12]经考察发现，金融发展不仅能够有效改良能源利用技术，降低能源消耗率，还有助于引领科技创新，从而大大降低碳排放。

除此之外，仍有些许学者认为，金融发展与碳排放间的关系是非线性的。如严成樑等[13]从理论分析和实证研究两方面出发，来探究金融发展是如何影响碳排放的。通过模型推导，他们发现二者间存在倒“U”型关系，之后再利用实证方法进行检验，得出信贷规模、FDI规模和碳排放间的倒“U”型关系确实成立。李寿国等[14]基于面板门槛模型，对我国西部地区金融发展影响碳排放进行相关研究时，也发现二者间存在非线性关系。

综合上述文献综述来看，国内外学者对于金融发展影响碳排放的研究虽并未形成一致的结论，但其从不同角度以及运用多种实证方法证明了二者间的内在联系。故本文以上述研究结论作为基础，将经济水平、城镇化、产业结构等各方面因素综合考虑在内，通过构建静态面板模型和面板门槛模型，对我国30个省市自治区2005～2017年的面板数据进行分析，旨在得出金融发展会如何作用于碳排放。

2 模型设定与变量选择

2.1 模型设定

本文针对金融发展如何影响碳排放这一问题，参考李寿国等[14]的建模方法，在此拟定如下面板线性模型

其中，CO2it代表i省t年的碳排放量，取对数作为被解释变量，FDit代表i省t年的金融发展情况，取对数作为本文的核心解释变量，X代表控制变量，包括城镇化率、经济水平、对外开放度和产业结构。αi为固定效应，εit为扰动项。

由于时间空间的不同，各省份的城镇化率存在差异，这可能会使得各地金融发展对碳排放影响不一，因此，上述二者间可能并非存在简单线性关系，而有可能是非线性关系。鉴于此，本文参考Hansen的研究，建立面板门槛模型。单一门槛的思想是取qit作门槛变量，分模型为两部分。当qit大于门槛值λi时，核心解释变量的系数与其小于λi时的系数存在显著差异，此时模型就被分为两段，即核心解释变量与被解释变量间的关系是非线性的。本文将城镇化率设作门槛变量，金融发展指标设作依赖变量，探究金融发展影响碳排放的门槛效应。建立有单一门槛效应的面板门槛模型

其中：qit为门槛变量，I（·）为示性函数，满足括号内要求为1，反之为0。门槛效应存在时，β1和β2不同。εit为扰动项。其他变量则与（1）式相同。

2.2 变量选择与数据说明

本文利用我国30个省市自治区（考虑数据可得性，剔除西藏和港澳台地区）2005～2017年的面板数据，选择的各变量及说明如下：

（1）各省二氧化碳排放量。由于我国并未直接公布各省二氧化碳碳排放量，为确保数据的可靠准确，本文结合杜立民[15]和郭义强[16]的做法，估算各省二氧化碳排放量。具体公式如下

其中，CO2为各省二氧化碳排放量，m为能源类别，主要为煤、石油、天然气这三大类，Em为各省m类能源消费量。而CFm × CCm × COFm × 44/12则一般可以看做一个整体，代表CO2排放系数。故上式就简化为三类能源消费量与其CO2排放系数乘积之和。各类能源CO2排放系数见表1。

（2）各省金融发展指标（FD）。本文参考King等[17]的研究，将各地金融机构贷款余额除以该地当年名义GDP的所得值，作为金融发展指标，数值越大则意味着该区域金融发展越强。

（3）其余控制变量。城镇化率（URB）：各地城镇常住人口/该地年末总人口。经济水平（GDP）：一般而言，GDP总量的多少可以衡量出某个地区或国家经济水平的高低。对外开放度（OPEN）：各地进出口总额/各地名义GDP。产业结构（IND）：各地第二产业增加值/各地名义GDP。

本文以2005年为基期，通过GDP平减指数消除国内物价变动和通货膨胀等价格因素对文中所用到的数据的影响，同时为避免可能存在的异方差，将上述变量对数化，分别记做Ln CO2、Ln FD、Ln URB、Ln GDP、Ln OPEN、Ln IND。此外，為验证环境库兹涅茨曲线，还将Ln GDP的平方引入模型。以上数据来源于历年《中国能源统计年鉴》《中国统计年鉴》《金融统计年鉴》、各省历年《统计年鉴》以及国家统计局。

3 实证研究

3.1 平稳性检验

“伪回归”问题时常发生在回归分析之中，为了回避此类问题的出现，十分有必要对各个变量的平稳性进行先行检验。特别是对于门槛回归模型而言，其前提条件就要求各变量均为平稳变量，故本文使用LLC检验和Fisher-PP检验来进行判断，结果由表2所呈现。

由表2可知，在两种方法检验下，所有变量均拒绝原假设，即面板数据是平稳的，可以进行面板门槛回归。

3.2 门槛效应检验

上述检验验证了数据的平稳性，但模型的门槛效应存在与否，若存在，门槛个数又为多少，这些都犹未可知，故应先对其进行判断。从单门槛检验开始，原假设为H0：β1= β2，若其成立，则表明模型（2）门槛效应不存在，反之则存在。在这之后，可以以此类推进行双重门槛三重门槛检验。本文将城镇化率当作门槛变量，金融发展指标当作核心解释变量，对其进行实证检验，结果见表3。

表3显示，当金融发展指标为核心解释变量，城镇化率为门槛变量时，单门槛效应下Ln URB的F值为61.44，大于10%显著性水平下的临界值，且P值为0.063 3，即模型存在单门槛效应。而双门槛效应在10%显著性水平下并不显著，未通过检验。

3.3 门槛估计值检验

既然已经得知了模型具有单门槛效应，那么接下来就要进一步判断门槛估计值是否真实准确，以及确定其置信区间。本文画出城镇化率这一门槛变量的似然比趋势图，如图1所示。通过该图，能够较为准确地得出门槛值及其所对应的置信区间，输出结果呈现于表4中。

由图1可以看出，平行于x轴的虚线所对应的为95%的置信值7.35，当设城镇化率为门槛变量时，使似然函数值最小的门槛估计值位于虚线以下，即小于7.35，对应的置信区间则为（-0.151 3，-0.147 3），这表明门槛估计值与实际门槛值一致，可认为原假设金融发展对碳排放的单门槛效应成立。

3.4 回归结果分析

为了进行比较分析，本文首先未将门槛效应考虑在内，而是直接利用固定效应模型和随机效应模型分别对其进行回归，结果由下表5中的模型（1）和模型（2）所展现。之后，再以城镇化率为门槛变量，通过构建金融发展影响碳排放的单门槛模型进行回归，所得结果如表5中模型（3）所示。

通过对表5中模型（1）和模型（2）结果的初步分析，金融发展的系数分别为0.318 205 2和0.276 052 3，二者均通过了1%显著性水平检验，即金融发展水平的提高会加剧我国的碳排放量。就整体而言，现阶段我国各地区的金融发展会正向刺激碳排放的增长。而当考虑到存在门槛效应时，由模型（3）可知，碳排放受金融发展的影响是非线性的。作为门槛变量的城镇化率存在一个门槛值为-0.148 5，若某地区城镇化水平较低（即Ln URB小于等于门槛值- 0.148 5），此时金融发展影响碳排放的系数为正，数值为0.219 136 3，通过了5%显著性水平，这意味着当地的碳排放量会随着金融发展的提升而增加，每提升1%，就会增加0.219 136 3%的碳排放量。伴随着城镇化的进一步推进，若某地区的城镇化水平已达到较高水准（即Ln URB大于门槛值- 0.148 5），此时金融发展影响碳排放的系数为负，数值为-0.478 310 3，通过了1%显著性水平，这意味着当地金融发展的提升不再会促进碳排放，反而有利于减少碳排放，每提升1%，能够减少0.478 310 3%的碳排放量。由此可知，金融发展会因各地区城镇化水平的差异，而对碳排放产生不同影响。当城镇化水平由低到高发展的进程中，金融发展先是正向刺激碳排放，而后当城镇化到达某一程度，金融发展则会对碳排放起缓解抑制作用，图形上呈倒“U”形变化。

究其原因，可能是在城镇化发展的初期，城镇人口急剧增加，生活水平不断提升，城镇居民的消费需求逐渐扩大。同时，城市化工业不断发展以及相关企业为满足居民消费而不断扩张生产。然而，此时的城镇初具雏形，公共基础设施未达发展所需要求，并不能产生较好的规模效应经济，故只能依靠金融发展来拉动投资再生产，这便使得能耗增加，碳排放量上升。不过，当城镇化率越过门槛值，上升到高水平时，其中的规模效应便开始突显。如Fremstad等[18]认为城市能够利用共享资源和基础设施创造城市财富，城市密度则通过对家庭或企业间共享碳密集型产品来降低碳排放。不仅如此，金融发展使企业的投融资成本下降，有助于共享平台的搭建，让低碳技术和大型基础设施早日得以共享，从而推动整个城市绿色经济的进步。另外，城市居民的素质也随城镇化的发展而不断提高，环保意识开始增强，更热衷于环保产品的消费。同时，政府也制定了更多积极有效的环保政策，使金融资源的配置更偏向环保产业，进而加快对节能环保等方面科学技术的研发，促成传统高耗能产业向绿色产业的转型升级。这样一来，金融发展就能有效减少碳排放，发挥出绿色金融的功效。

对于表5中的其余控制变量，ln GDP在三个模型中的系数均为正，且都通过了1%显著性水平，而（ln GDP）2的系数却显著为负，这说明经济增长与碳排放间的关系符合倒“U”型的环境库兹涅茨曲线，即经济增长会先增加碳排放而后才起抑制作用。对外开放度的系数则为负，说明国家越开放，越有利于引进高新技术，从而降低资源消耗，实现节能减排，但其作用并不显著。而对于产业结构来说，其系数显著为正，表明发展第二产业会加剧碳排放。

4 主要结论与政策建议

4.1 主要结论

本文选取了2005～2017年我国30个省市自治区的面板数据，通过静态面板模型与面板门槛模型的比较，实证分析了金融发展是如何影响碳排放的。研究所得结果如下：单考虑静态面板模型，目前我国的金融发展会使得碳排放量增加。而加入门槛效应后，将城镇化率设为门槛变量，金融发展与碳排放二者间存在倒“U”型关系，即低水平的城镇化下，碳排放会因金融发展而不断增加，而当城镇化率跨过门槛值，进入高水平时，金融发展则有益于控制碳排放，对其进行削减。至于控制变量中的经济水平，其一次项系数为正，二次项系数为负，意味着经济水平与碳排放间同样有倒“U”型关系存在。对外开放度对碳排放起负向作用，相反第二产业的发展则会正向刺激碳排放。

4.2 政策建议

针对上述结论，本文将提出下列政策建议：

第一，提高城镇化质量，打造绿色新城镇。从上述结论可以看出，城镇化在金融发展影响碳排放中起到了关键作用，所以加强对城镇化的建设显得十分有必要。就目前而言，我国的城镇化质量还相对较低，因此，现阶段需要着重关注。一方面，政府部门应该出台符合绿色新城镇目标的有关政策，积极引导相关企业转变生产经营模式，减少碳排放，另一方面，绿色新城镇对居民素质提出了较高要求，人们应改变以往的生活方式，树立起绿色环保观念，坚持从我做起，好好爱护家园环境。总而言之，绿色新城镇的发展离不开各方力量的支持，只有团结协力，才能稳步推进绿色新城镇的建设，进而减少碳排放。

第二，推动绿色金融发展，助力绿色低碳经济前行。相较于国外，我国的绿色金融发展较晚，主要还是以银行的绿色信贷为主，绿色债券、绿色基金等产品较为匮乏，目前还处在萌芽期。因此，我国应该大举推动绿色金融的发展，鼓励开发多样化的绿色金融产品和工具，满足不同投资者的购买需求。同时，银行、交易所等金融机构应继续保持绿色环保的思路，迎合国家绿色金融发展战略，构建绿色金融平台，从而助力绿色低碳经济向前发展。

第三，加强金融创新，促进产业绿色转型升级。由结论可知，以重工业为主的产业结构会加剧碳排放量。因此，要想提高金融发展的碳减排效应，则要促进产业绿色转型升级。而对于企业来说，促成绿色转型升级需要大量的资金支持，这就要求金融机构加强金融创新，开发出新型金融工具，从而给予企业所需资金，优化其自身技术水平，促进产业转型升级，降低碳排放。

参考文献：

[1] Grossman G M，Krueger A B.Environmental Impacts of a North American Free Trade Agreement [J].Social Science Electronic Publishing，1992，8（2）：223-250.

[2] 张庆宇，张雨龙，潘斌斌.改革开放40年中国经济增长与碳排放影响因素分析[J].干旱区资源与环境，2019，33（10）：9-13.

[3] 闫树熙，郭利锋，温志鹏.能源碳排放与经济增长——基于陕西省的实证检验[J].重慶理工大学学报（自然科学），2019，33（4）：182-186.

[4] 杨恺钧，杨甜甜.老龄化、产业结构与碳排放——基于独立作用与联动作用的双重视角[J].工业技术经济，2018，37（12）：115-123.

[5] 李志学，李乐颖，陈健.产业结构、碳权市场与技术创新对各省区碳减排效率的影响[J].科技管理研究，2019，39（16）：79-90.

[6] 王雅楠，马明义，陈伟，等.城镇化对碳排放的门槛效应及区域空间分布[J].环境科学与技术，2018，41（11）：165-172.

[7] Sadorsky P.The Impact of Financial Development on Energy Consumption in Emerging Economies [J].Energy Policy，2010，38（5）：2 528-2 535.

[8] 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.

[9] 张丽华，任佳丽，王睿.金融发展、区域创新与碳排放——基于省际动态面板数据分析[J].华东经济管理，2017，31（9）：84-90.

[10] Shahbaz M，Solarin S A，Mahmood H.Does Financial Development Reduce CO2 Emissions in Malaysian Economy？ A Time Series Analysis [J].Economic Modelling，2013，35（5）：145-152.

[11] 周莹莹.金融发展对碳排放的影响——以23个国家与地区为例[J].求索，2018（5）：79-87.

[12] 霍远，孙鹏.金融发展、技术进步对碳减排的效应研究——基于省级动态面板数据GMM方法[J].生态经济，2017，33（7）：25-30，97.

[13] 严成樑，李涛，兰伟.金融发展、创新与二氧化碳排放[J].金融研究，2016（1）：14-30.

[14] 李寿国，宋宝东.金融发展影响碳排放的门槛效应分析[J].生态经济，2019，35（4）：20-25.

[15] 杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究[J].南方经济，2010（11）：20-33.

[16] 郭义强，郑景云，葛全胜.一次能源消费导致的二氧化碳排放量变化[J].地理研究，2010，29（6）：1 027-1 036.

[17] King R G，Levine R.Finance and Growth：Schumpeter Might be Right [J].Quarterly Journal of Economics，1993，108（3）：717-737.

[18] Fremstad A，Underwood A，Zahran S，et al.The Environmental Impact of Sharing：Household and Urban Economies in CO2 Emissions [J].Ecological Economics，2018，145：137-147.

[責任编辑：郑笔耕]