长江经济带绿色信贷对产业结构优化影响研究*

王玉梅，段广茹

(安徽财经大学)

0 引言

长江经济带包括上海市、江苏省、浙江省、安徽省、江西省、湖北省、湖南省、重庆市、四川省、云南省、贵州省等11省市，横跨中国东中西三大区域，是中央重点实施的“三大战略”之一，在协调东中西三大板块发展、促进沿海沿江沿边对内对外开放、推动生态文明建设等方面具有重要的推进和引领作用.2016年9月，正式印发的《长江经济带发展规划纲要》首次将改善长江生态环境放在首要位置；十四五纲要中也提出，要发挥产业协同联动整体优势，构建绿色产业体系.绿色信贷作为目前绿色金融中最主要的部分，能够为生态保护、生态建设、绿色产业融资提供信贷支持.长江经济带面临日益严峻的环境承载压力，在绿色信贷发展方面仍处于积极探索的起步阶段，但具备一定的发展优势.长江经济带如何利用好自身绿色信贷发展优势来促进经济发展绿色转型，通过绿色经济发展对产业结构进行优化调整，从而缓解长江流域资源环境制约，加速经济转型升级，推动长江经济带协调发展，具有重要的现实意义.

该文拟在文献梳理的基础上，对长江经济带绿色信贷与产业结构优化进行测度，利用空间面板模型对长江经济带绿色信贷与产业结构优化的关系进行综合分析，以此探讨长江经济带绿色信贷对产业结构优化升级的影响.

1 文献综述

已有文献关于绿色信贷与产业结构关系的研究主要体现在绿色信贷对产业结构的单向影响上，现有研究根据内容大体上可分为两大类：一是绿色信贷对产业结构的影响机理，二是绿色信贷对产业结构的具体作用.

关于绿色信贷对产业结构影响机理的研究方面，李忠认为绿色信贷能够聚集社会闲散资金并将这部分资金向节能环保进行投放，还能通过转变人们的消费观念来更加广泛地传播绿色发展理念，从而扩大绿色消费市场，便可以起到促进产业结构优化的作用[1]；中国人民银行黔西南州中心支行课题组认为绿色信贷具有引导资金来源、资金导向和资金杠杆等作用，可通过这些方面来调整产业结构[2]；梁玉和赵洋分析认为绿色信贷可通过资源引导、信息传递、创新激励和风险管控等4个方面对产业结构产生影响[3]；沈翠芝认为主要可以从资本的形成和导向、产业整合、风险分配等方面对两者间的影响机制进行分析[4].关于绿色信贷对产业结构具体作用的研究方面，在国外的研究中，绿色信贷也常被称作环境金融或者可持续金融，Labatt等研究发现，实施环境金融能够促使环保产业贯彻并深化环保理念，对于实现经济可持续发展意义重大[5]；Fangmin认为以绿色信贷为代表的绿色金融的发展，对于绿色产业发展、产业结构绿色升级、经济高效发展具有重要的引导和促进作用[6]；Anderson研究提出环境金融能够促进产业结构优化升级，而这需要通过有效控制高污染项目、正确引导可替代能源发展、不断创新金融工具来实现[7].在国内的研究中，邓常春认为以绿色信贷为代表的绿色金融对产业结构有优化作用，它是一种创新工具[8]；梁玉和赵洋通过建立灰色关联度模型，发现绿色信贷与第三产业的关联度最高，绿色信贷能够促使产业结构向合理化程度发展[3]；钱水土等利用中国省际面板数据分区域、分阶段进行了面板回归分析发现，绿色信贷对于产业结构优化具有促进作用[9]；李毓等将绿色信贷政策作为虚拟变量，构建固定效应面板回归模型，对绿色信贷与中国产业结构升级的关系进行实证分析，发现绿色信贷能够明显促进中国产业结构升级[10].

该文拟在已有研究的基础上，以长江经济带为研究对象，采取空间计量方法来探讨绿色信贷对产业结构影响的空间效应，丰富地域性产业研究理论.

2 长江经济带绿色信贷与产业结构优化的测度

2.1 绿色信贷的测度

2.1.1 指标选取

该文从对六大高耗能产业(石油加工、炼焦及核燃料加工业；化学原料及化学制品制造业；非金属矿物制品业；黑色金属冶炼及压延加工业；有色金属冶炼及压延加工业；电力热力的生产和供应业)的信贷限制角度，用“六大高耗能产业利息支出占规模以上工业企业利息支出的比重”作为绿色信贷反向衡量指标.这主要基于三方面原因：一是绿色信贷政策的主要出发点就是对高耗能高污染产业进行限制，而六大高耗能产业在其中占据突出位置，据此可将银行的信贷投向简单区分为六大高耗能产业和其他产业；二是各大银行间贷款利率差异不大，利息支出占比基本能够代表贷款规模的比重；三是考虑到数据的可得性.

由于六大高耗能产业利息支出占比是反向指标，为研究方便，该文用1减去上述反向指标，将其转化为正向指标，利用该正向指标对绿色信贷进行测度，见公式(1).

(1)

2.1.2 数据来源

由于2007年7月之后绿色信贷才开始正式在中国实施，因此该文以长江经济带11省市的面板数据为样本，数据区间为2007～2018年，数据来源于国家统计局网站.

2.1.3 绿色信贷的测度

根据所选定的指标数据，利用公式(1)可计算出长江经济带11省市2007～2018年的绿色信贷测度值，测度结果见表1.其值越大，代表绿色信贷规模越大，发展程度相对越好.由于文章篇幅的限制，该文仅展示各省市偶数年份的测度值.

由表1可知，长江经济带11省市的绿色信贷测度值在2007～2018年绝大多数呈上升趋势，绿色信贷发展势头整体向好.绿色信贷年均增长率最高是湖南省，达到4.57%，最低的是云南省，为-0.21%.虽然云南省的绿色信贷年均增长率为负(增长为负值的还有浙江省，为-0.16%)，但两省绿色信贷测度值的绝对值相差很小，在研究期间变动不大，表明绿色信贷政策对绿色信贷发展的推动作用是比较稳定的.

表1 长江经济带11省市2007～2018年绿色信贷测度值

2.2 产业结构优化的测度

为测度长江经济带11省市产业结构优化状况，该文选取产业结构合理化、产业结构高级化和产业结构绿色化3个指标，利用熵值法赋权汇总得到产业结构优化综合指数，以此指数反映长江经济带各省市产业结构优化的综合水平.

2.2.1 指标的选取

(1)产业结构合理化(is1)

产业结构合理化是指在遵循产业演化规律的基础上，各产业内部以及各产业之间保持一定的内部联系、相互联系与协调发展，是产业发展协调性和资源利用高效性的体现.该文借鉴袁航和朱承亮的做法，选取泰尔指数(TL)对产业结构合理化进行测度[11].由于泰尔指数是反向指标，为研究方便，该文对其进行取倒数处理，计算公式为：

(2)

(2)产业结构高级化(is2)

产业结构高级化建立在产业结构合理化的基础之上，其特点主要是产业重点在三次产业间依次转移，各种要素密集度和产品形态也在三次产业间依次转移，其中，第二、三产业的变化是产业结构高级化的直接表现.该文借鉴干春晖等的研究，选取第三产业增加值与第二产业增加值的比值作为产业结构高级化的衡量指标[12]，计算公式为：

(3)

is2表示产业结构高级化水平，这一指标能够代表产业结构由工业型向服务型转变的程度.is2的值越大，表明产业结构高级化水平越高；反之，则产业结构高级化水平较低.

(3)产业结构绿色化(is3)

产业结构绿色化是指一个地区工业三废的处理情况和环保投资情况.该文选取二氧化硫排放量与地区生产总值的之比作为产业结构绿色化的衡量指标，计算公式为：

(4)

is3表示产业结构绿色化水平，该指标可以衡量地区污染防治状况，揭示产业结构的绿色环保程度.它是一个反向指标，其值越小，代表产业结构绿色化水平越高.

2.2.2 数据来源

以上涉及到的各个指标，其数据均来源国家统计局网站和各省市统计年鉴，数据区间为2007～2018年.

2.2.3 指标权重的确定

该文利用熵值法确定各指标的权重.熵值法是依据各指标所能提供的信息的大小对各指标进行赋权，属于客观赋权方法，具有避免主观影响的优点.根据熵值法得到各指标的权重见表2.

2.2.4 产业结构优化的测度

根据表2各指标权重值，对标准化后的各指标进行线性加权，得到长江经济带各省市产业结构优化综合指数，见表3.

表2 长江经济带产业结构优化综合指数的各变量权重

表3 长江经济带11省市2007～2018年产业结构优化综合指数

由表3数据可知，长江经济带11省市产业结构优化综合指数测度值在2007～2018年呈现出不断增长的态势，年均增长率全部为正.贵州省增速最高，年均增长8.88%，湖南省最慢，为2.89%.长江经济带省市间产业结构优化水平相差较大.从上中下游区域观察，三大区域的产业结构优化综合指数整体上呈上升趋势，下游地区产业结构优化综合指数测度值处于曲折上升状态，且整体远高于中上游地区.

3 长江经济带绿色信贷对产业结构优化影响的实证分析

前面对绿色信贷和产业结构优化指数进行了测度，为深入探讨绿色信贷对产业结构优化在空间上的影响，该文构建空间面板模型对两者间的关系进行实证分析.

3.1 模型的设定

该文设定空间面板模型研究绿色信贷对产业结构优化在空间上的影响.

首先，判断产业结构优化是否存在着空间效应，需要进行空间相关性的检验，如存在空间相关性，应当考虑加入空间矩阵构建的空间面板模型.该文采用“莫兰指数I”(Moran’sI)检验面板数据的空间相关性，其表达式见公式(5).

(5)

接着，构建空间面板模型考察变量间的空间依赖性.一般的空间面板模型见公式(6).

(6)

3.2 变量选取与数据说明

3.2.1 变量选取

结合前文分析，选取产业结构优化(is0)作为被解释变量，以产业结构优化综合指数进行衡量.核心解释变量为绿色信贷(gc).为减少变量遗漏，确保模型估计结果更加准确，该文借鉴冯芳芳和蒲勇健、刘婷、梁树广、钱水土和周永涛、张翠菊和张宗益等学者的研究[13-17]，引入对外开放(open)、创新能力(inn)、投资水平(inv)、人力资本(hr)、城镇化水平(ur)等作为控制变量.各变量的说明见表4.

表4 各变量的具体说明

3.2.2 数据说明

以上数据均来源于国家统计局网站和各省市统计年鉴，数据区间为2007～2018年.其中，对于作为对外开放(open)的衡量指标中用到的“进出口总额”数据，该文按照各年份的人民币对美元平均汇率将其换算成人民币单位.为消除可能的异方差影响，在模型估计时对所有变量取对数处理.

3.3 模型估计

根据空间面板模型分析步骤，首先对被解释变量产业结构优化(is0)进行空间自相关检验，之后对面板模型进行估计.

3.3.1 空间自相关检验

表5中展示了加入0-1空间矩阵后，用Stata15测算的长江经济带11个省市产业结构优化(is0)的全局自相关检验结果.

表5 产业结构优化(is0)的全局莫兰指数检验结果

由表5中的Moran’sI指数、z统计量及p值可以看到，Moran’sI在(0,1]，p值显著，故长江经济带产业结构优化(is0)值存在明显的正空间自相关，验证了长江经济带各省市之间的产业结构优化指数在空间上存在相关性.因此，该文采用空间计量进一步分析绿色信贷对产业结构优化的影响是更为合理准确的.

3.3.2 模型估计

在构建空间面板模型的过程中，模型的选择至关重要.模型选取的判断标准一般为LM检验：LM-Error、Robust LM-Error可用来检验研究对象之间是否存在空间误差相关，LM-Lag、Robust LM-Lag可用来检验研究对象之间是否存在空间滞后相关，利用stata15进行检验，结果见表6.

表6 空间面板模型的检验结果

从表6中可以看到，LM-Error和Robust LM-Error统计量的值均在1%的水平下显著，表示存在空间误差效应，建立空间误差模型是可以接受的；LM-Lag和Robust LM-Lag统计量的值均在1%的水平下显著，表示存在空间自回归效应，建立空间自回归模型也是可以接受的.此时，该文预设空间杜宾模型.从Wald和LR统计量的检验结果来看，对于空间自回归模型和空间误差模型，两者的统计量值均在1%的水平下显著，分别拒绝了θ=0和θ=-βρ的原假设，表明空间杜宾模型不能退化以上两种模型，因此，空间杜宾模型(SDM)适用于该研究.Hausman检验的p值为0.000，表明选择固定效应模型.综合以上检验分析，该文选取双固定空间杜宾模型(SDM)进行建模分析，利用stata15软件，得到模型估计结果见表7.

表7 空间杜宾模型(SDM)的估计结果

从表7中可以看到，空间杜宾模型(SDM)的空间自回归系数为0.3021，其值为正，且通过1%显著性检验，表明长江经济带11省市的产业结构优化呈现出正向的空间相关性，区域内的产业结构优化水平具有明显的空间集聚效应.模型的拟合优度R2值为0.7438，说明空间杜宾模型(SDM)的拟合效果较好.

核心解释变量绿色信贷(gc)的系数为正，且在1%的水平下显著，说明长江经济带绿色信贷对产业结构优化有显著的促进作用，随着绿色信贷规模的扩大，长江经济带产业结构优化水平也将进一步提升.

控制变量中投资水平(inv)和城镇化水平(ur)两个变量通过了显著性检验，其中，城镇化水平的系数为正，地区城镇化率的提高能够推动产业结构的优化与升级，使得产业结构优化水平升高；而投资水平系数为负，对长江经济带产业结构优化表现出一定的负向影响.对外开放(open)、创新能力(inn)和人力资本(hr)未能通过显著性检验，表明在样本区间内这三个变量对长江经济带产业结构优化无明显的效应.

3.3.3 空间效应分解

由于空间计量模型中，某个解释变量对被解释变量的总效应与其系数大小并不相等，难以直接通过空间面板模型的回归系数来度量这种影响的大小关系.为了解决这一问题，LeSage和Pace(2009)提出直接效应、间接效应和总效应，可利用效应分解来分析某地区自变量分别对本地区因变量、邻近地区因变量和所有地区因变量的具体影响，其中，自变量对邻近地区因变量的影响是间接效应，又称为空间溢出效应.因此，长江经济带各变量对产业结构优化的具体影响程度和影响机制还需通过效应分解来进一步判断.表8是利用空间杜宾模型(SDM)计算的直接效应、间接效应和总效应值.

表8 空间杜宾模型(SDM)的直接效应、间接效应和总效应

表8结果显示了核心解释变量和各控制变量对产业结构优化的直接效应、间接效应和总效应.

核心解释变量绿色信贷的直接效应、间接效应和总效应均通过显著性检验.从直接效应来看，长江经济带11省市绿色信贷对本地区产业结构优化的影响系数为0.3373，且在1%的水平下显著，即绿色信贷规模的扩大，将会使本地区产业结构优化水平提高.从这种影响的机制上来说，长江经济带绿色信贷对产业结构优化具有正向的反馈效应，当长江经济带某省市的绿色信贷规模扩大时，不仅直接带动本地区产业结构优化水平的提升，还会对临近地区的产业结构优化带来促进作用，这种作用又反过来给本地区的产业结构发展带来正向影响，推动本地区产业结构优化升级.从间接效应来看，长江经济带11省市绿色信贷对邻近地区产业结构优化的影响系数为1.8094，在1%的水平下显著，表明绿色信贷对产业结构优化的影响具备明显的空间溢出效应，且这种效应的影响比直接效应要大.具体来说，对于某省市而言，其相邻省市绿色信贷规模的增加会对本地区的产业结构发展产生显著的正向影响，带动本地区产业结构优化水平提升；同样地，提升本地区绿色信贷规模，也会相应地促进相邻省市产业结构的发展，提高相邻省市的产业结构优化水平.从总效应来看，长江经济带11省市绿色信贷对整体区域产业结构优化的影响系数为2.1467，且在1%的水平下显著，表明个体绿色信贷对整体区域产业结构优化具有明显的正向影响.对于长江经济带某省市来说，本地区绿色信贷规模的扩大，在平均意义上会导致区域整体的产业结构优化水平上升，推动所有地区产业结构进一步优化升级.

从控制变量对外开放、创新能力、投资水平、人力资本、城镇化水平的效应分解结果中可以看到，直接效应中，投资水平和城镇化水平通过了显著性检验；间接效应中对外开放、投资水平和城镇化水平通过了显著性检验；总效应中，投资水平和城镇化水平通过了显著性检验.总体而言，在控制变量中，长江经济带11省市的投资水平和城镇化水平对于产业结构优化的影响显著，两者都既存在对本地区的直接效应，也存在对邻近省市的空间溢出效应.其中，投资水平具有负向效应，这一方面与资金投向的产业分布不够协调有关，导致固定资产投资的方向与产业结构优化的方向不相适应；另一方面与企业的投资决策以及政府相关投资政策实施的滞后性有关，导致固定资产投资对于产业结构优化的促进效果没能立竿见影.城镇化水平具有正向效应，城市化进程的加速能够创造就业机会、密切城乡交流、促进人口转化，从而对本地区产业结构优化水平的提升有显著的正向推动作用.

4 结论与建议

该文在对绿色信贷与产业结构优化综合指数进行测算的基础上，通过构建空间面板模型探讨了绿色信贷对产业结构优化的具体影响.结果发现，长江经济带绿色信贷对产业结构优化具有显著的推动作用，这种影响是对于自身正向的直接效应和对于邻近地区的正向空间溢出效应“双管齐下”的结果，即某地区绿色信贷规模的扩大，既能直接提升本地区的产业结构优化水平，也能提升邻近地区产业结构优化水平.

为了切实提升长江经济带产业结构优化水平，长江经济带应当制定系统性的绿色发展框架，设立严格的环境准入门槛，深化“绿色发展理念”，全面推动金融层面的供给侧结构性改革，为长江经济带绿色信贷发展提供不竭动力和健康的市场环境；要充分发挥绿色信贷在资本形成和信息传导方面的特殊功能，满足长江经济带各省市在向绿色经济转型过程中的大量资金需求，大力推动长三角、长江中游、成渝等城市群的绿色经济发展，实现向绿色城市群转型，从而间接促进区域产业结构优化；注重产业发展过程中的层次性，以长江经济带“一轴、两翼、三极、多点”的发展新格局作为重要依托，充分发挥重点地区的经济辐射作用，系统性提升区域整体的产业发展水平，促进区域内各省市间的生产要素流动，强化区域联动性，实现优势互补.