绿色信贷推动产业结构优化升级的实证研究

刘 阳

(中国社会科学院大学 经济学院， 北京 102488)

1 文献综述

2020年中国国内生产总值首次跨越100万亿元大关，经济发展实现质的飞跃。党的十九届五中全会明确指出“我国已转向高质量发展阶段”[1]。高质量发展意味着亟须摒弃原有的低水平低效率发展模式，聚焦提质增效，全面贯彻新发展理念，实现产业结构优化升级。“绿色”在新发展理念中占据重要地位，在推动高质量发展的进程中，绿色经济亦发挥着关键作用。“十四五”规划纲要频频强调绿色发展在中国以高质量发展为主线的现代化建设全局中的战略地位[2]。随着污染防治攻坚战的不断推进，生态文明建设已然迈上新台阶，绿色经济创新与实践也因此迎来了新的发展机遇，而绿色金融作为发展绿色经济所不可或缺的资金驱动力来源，也随之水涨船高，逐渐进入大众视野。

绿色金融亦称环境金融，最早被定义为金融部门进行金融创新以满足环境需求[3]。绿色信贷作为构建绿色金融体系的主力军，能够有效引导信贷资金流向绿色经济领域，助力产业结构优化升级。不同学者对于绿色信贷定义略有偏差，部分学者将绿色信贷定义为金融机构在信用评级机制包涵环境信息指标的前提下，为绿色经济的发展提供支持[4-5]，另有部分学者认为绿色信贷即指在国家环境经济政策与产业保护政策的扶持引导下，主要由以商业银行为主体的金融机构为绿色产业发展提供贷款支持，而对高污染高能耗产能过剩等两高一剩产业实行贷款限制[6]。在绿色信贷研究领域中，学者们多聚焦于绿色信贷产品模式、现存问题、对策建议等理论研究，关于绿色信贷推动产业结构升级相关影响作用的文献成果较少。基于筹集资金、以资金为导向、加快资金形成这3种主要作用原理，绿色信贷的重要性日益凸显，对于整体产业结构升级能够产生显著的促进作用[7]；然而绿色信贷相关政策与额度投放水平对于产业结构升级的影响与地区经济发展水平挂钩，东部、中部、西部之间迥乎不同[8]。介于绿色信贷是近年的新兴概念，中国目前的绿色信贷指标的统计口径多有不一且连续性有限，在相关研究中多数学者运用理论分析，部分学者使用绿色信贷政策导向指标，或以国家层面绿色信贷数据以及单个省级绿色信贷数据作为指标进行实证分析；少数学者选择以31个省区市数据进行面板分析，但基本上使用2016年及以前的绿色信贷数据进行实证研究，数据年份较为久远，其代表性略显不足。故本文采用2008—2019年31个省区市面板数据进行多元线性回归实证分析，以期探究绿色信贷对于产业升级的推动作用。

2 中国绿色信贷、产业结构升级现状分析

2.1 绿色信贷现状分析

中国绿色信贷的实施主体主要由商业性银行与政策性银行构成。21家主要银行的绿色信贷余额于2019 年末已经实现突破 10 万亿元大关，在金融机构人民币各项贷款余额总和中占比6.7%；而中国唯一一家实施赤道原则的兴业银行，其绿色金融融资余额在2019年末亦超越1万亿元门槛，并且累计为19 454家企业提供绿色融资2.22万亿元[9]，可见绿色信贷成效颇丰。

绿色金融四阶段理论将商业银行落实可持续发展经济观的状态分为4个阶段，依次是抵制阶段、规避阶段、积极阶段与可持续阶段[10]。作为以营利为主要目的的金融机构，商业银行在“利润最大化”目标的影响下开展经营活动，信贷资金通常流向收益多、回报高的两高一剩产业；而高投入、高研发、周期长的节能环保产业因其资金回报效率较低，往往被拒于信贷门槛之外，此为抵制阶段；而当银行的经营活动受到潜在的可持续发展挑战(如环境风险)的威胁时，银行将采取规避风险的策略，从而进入规避阶段；如果银行发现从事可持续发展活动有利可图，将会有效探索实施绿色信贷相关业务，由此进入积极阶段；当银行的所有活动与可持续发展目标相一致时，便实现了可持续阶段。2012年1月29日，银监会正式发布《绿色信贷指引》(下文简称为《指引》)，首次明确指出银行业金融机构需强化绿色金融主体责任，牢抓绿色信贷工作落实，并且对于绿色信贷业务的流程规范与风控体系的建立做出具体指示[11]。《指引》成为将绿色信贷应用于中国银行业的纲领性文件。在《指引》发布后，国务院、中国人民银行、财政部、银监会等相关部门陆续发布多项建设性文件(1)如《绿色信贷实施情况关键评价指标》(2014)、《能效信贷指引》(2015)、《关于构建绿色金融体系的指导意见》(2016)、《关于加快建立健全绿色低碳循环发展经济体系的指导意见》(2021)等政策。，多地政府纷纷积极响应，配套出台相应绿色政策的细化文件(2)如浙江省制定《关于推进全省绿色金融发展的实施意见》(2017)、江西省颁布《江西省“十三五”建设绿色金融体系规划》(2017)、贵州省推出《关于支持绿色信贷产品和抵质押品创新的指导意见》(2018)等。。在系列绿色信贷政策的鼓励与引导下，中国绿色信贷业务量呈现高速增长，绿色信贷实现蓬勃发展，绿色金融发展跨越抵制阶段，由规避阶段向积极阶段推进。2011—2020年国有四大银行与兴业银行绿色信贷余额见表1。

表1 2011—2020年国有四大银行与兴业银行绿色信贷余额 单位：亿元

由表1数据可见，国有四大银行与兴业银行2011—2020年绿色信贷余额皆呈现稳健增长态势；不同银行绿色信贷规模与增速差异明显，绿色信贷余额平均增长率降序排列为兴业银行45.7%、农业银行34.4%、建设银行23.9%、中国银行18.7%、工商银行15.4%。兴业银行绿色信贷余额增长率位居第一，近10年内其绿色信贷规模即将实现翻四番的飞跃增长，这与兴业银行实施赤道原则，将绿色金融业务作为其战略核心业务息息相关。与此同时，尽管工商银行增速最低，其绿色信贷规模在5所银行中始终位列第一。由此可见，绿色信贷增长与银行发展战略、自身规模密切相关。2013—2020年中国绿色信贷余额占比情况如图1所示。

图1 2013—2020年中国绿色信贷余额占比情况

中国绿色信贷余额占比在2013—2020年期间平均增速达到14.88%，保持较快的增长速度，但仍需注意的是，绿色信贷在金融机构人民币各项贷款余额的占比情况整体上呈现下滑趋势，且绿色信贷平均增速较后者仍低了0.85个百分比，存在增长势头不足、难以推动绿色产业发展等问题。

2.2 产业结构升级现状分析

调整产业结构、抑制产能过剩、保持产业结构持续优化升级是近年来中国现代化经济体系建设的关键突破点，也是实现生态文明治理的必经之路，亦是落实经济高质量发展的本质要求。

据有关统计显示[12]，中国造纸行业2020年产出值超出2007年六成比例，企业数下降约两成，单个企业平均产量超幅提升113个百分点；同时，六大类高技术制造业(3)六大类高技术制造业分别为医药制造，航空、航天器及设备制造，电子及通信设备制造，计算机及办公设备制造，医疗仪器设备及仪器仪表制造，信息化学品制造。企业数量与2007年相比增长20%～60%；六大高耗能行业(4)六大高耗能行业分别为化学原料及化学制品制造业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、非金属矿物制品业、石油加工炼焦及核燃料加工业、电力热力的生产和供应业。企业数量相应减少34%～93%。上述数据反映出我国重点行业产能集中度得到有效提升，产业结构优化升级取得明显成效。

图2显示2000—2020年，随着年份的增长，第一产业增加值GDP占比情况与第二产业增加值GDP占比情况的走势整体上皆趋于递减，相反的是第三产业增加值占比实现稳健增长，且2011—2020年第三产业占比的增长幅度较为明显。三次产业占比情况的变化体现中国产业结构优化升级的动态持续调整，逐渐实现由以第二产业为主向以第三产业为主的过渡转变。第三产业增加值以2013年作为时间节点，首次胜过第二产业，至此第三产业不断茁壮成长，逐步发挥产业带头作用，象征产业结构的持续优化，成为中国产业结构升级的鲜明特征。

图2 2000—2020年中国三次产业GDP占比情况

3 绿色信贷对产业结构优化升级影响的实证分析

3.1 理论分析和研究假设

构建以绿色信贷为主体的绿色金融体系，能够有效发挥绿色资金导向作用，将资金引入清洁新兴行业，为第一第二产业向污染少能耗少的第三产业的转变注入更多资本推动力。政策性银行与商业银行等银行业金融机构在绿色政策的激励与引导下释放大量信贷资金，为绿色经济的发展提供驱动力，促进节能产业、新能源产业等清洁行业的有机持续成长，源源不断的资金保障为绿色行业长效发展保驾护航；与此同时，银行业对于两高一剩行业实施信贷约束，能够刺激两高一剩产业中社会资本的有序退出，亦能够倒逼重污染企业进行技术创新、产品调整与产业升级。通过激励驱动与限制约束的双管齐下，绿色信贷能够充分助力经济结构调整和产业转型升级，淘汰低质量经济中的重污染产业，促使市场资金供给向第二产业的精细化工业与第三产业环保无污染行业等高质量经济模式看齐。

基于此，提出假设：推行绿色信贷对于产业结构优化升级具有正向的推动作用。

3.2 指标选择和模型构建

3.2.1 指标选择及样本来源

在参考文献[13]实证方法的基础上，基于数据的可得性，选用2008—2019年31个省区市(不含港澳台)面板数据进行实证分析，并且引入下列变量，以期分析绿色信贷对于产业结构优化升级的影响作用。

被解释变量：产业结构优化升级体现为第一产业与第二产业向第二产业与第三产业的转型升级，通过借鉴已有研究成果，选用各地区第三产业增加值/各地区第二产业增加值的比重作为被解释变量，即产业升级率(IND)，代表产业结构优化升级情况。

解释变量：绿色信贷存在正反两类指标，正向指标多选用绿色贷款余额或者节能环保贷款余额在本外币各项贷款余额中的比重得以体现，但由于绿色贷款余额与节能环保贷款余额大多数都是由银行业金融机构进行披露，多集中体现为国家层面的相关数据，而省级层面数据缺乏权威、统一的披露渠道。借鉴已有研究成果的指标选择，选用反向指标(INS)，即各地区规模以上六大高耗能工业产业利息支出/各地区规模以上工业产业利息总支出。

控制变量：城镇化率(CIT)，选用各地区年末城镇人口/各地区年末总人口来衡量。财政支出率(GOV)，选用各地区财政支出/各地区GDP来表现。 出口率(EXI)，选用各地区出口额/各地区GDP来展示。

上述变量的原始数据来源于中国经济社会大数据研究平台中2009—2020年度《中国统计年鉴》、2009—2017年与2020年《中国工业统计年鉴》、2018年《中国经济普查年鉴》、2020年《中国人口和就业统计年鉴》、2009—2020年《中国财政年鉴》以及部分地区2018年度《统计年鉴》。在原始数据的基础上自行整理输出2008—2019年31个省区市面板数据。绿色信贷效应评价指标构成见表2。

表2 绿色信贷效应评价指标构成

3.2.2 模型构建

建立多元回归模型：

INDi=β0+β1INSi+β2CITi+β3GOVi+

β4EXIi+ui

(1)

式中：i(i=1,2,…,368)为变量数目，即31个省区市2008—2019年的面板数据；βj(j=1,2,…,5)为对于解释变量与控制变量的回归系数；β0为常数项；ui为随机误差项。

3.3 回归分析

3.3.1 变量描述

变量统计性描述见表3。

表3 变量统计性描述

通过对2008—2019年31个省区市面板数据的变量分析。由表3可见，在产业升级率IND、高耗能工业利息率INS、城镇化率CIT、财政支出率GOV、出口率EXI这5个变量当中，被解释变量产业升级率IND的标准差位居第一，达到了0.629 466 7，远远超出其余4个变量，说明在2008—2019年31个省区市面板数据中，各省区市产业结构优化升级水平相差较为悬殊，部分省区市仍然存在产业结构单一，结构调整进程缓慢等问题。产业升级率IND的均值实现1.109 891，超越1.0标准线，则充分体现出总体水平上31个省区市第三产业的增加值超出第二产业增加值，产业升级整体趋势向好。

高耗能工业利息率INS的均值为0.537 201 1，该项数据说明在总体水平上31个省区市高耗能工业利息在工业总利息的占比过半，高耗能工业的信贷约束力度不强，仍需抓紧对于重污染高耗能产业的资金限制，实施更为严格的绿色信贷约束，遏制资金持续流向高耗能高污染产业。

3.3.2 实证结果及稳健性检验

将2008—2019年31个省区市数据录入计量软件stata14.0，得到表4中的实证分析结果，显而易见P>|t|的数值皆满足比0.01小的条件,说明实证分析结果在1%的显著性水平下原假设不成立，即统计具有显著性；Coef.即表示回归系数，代表着被解释变量与解释变量的相关关系。本文实证部分的变量选择参考了多数现有文献的选择指标，模型拟合度高，实证结果显著性较为突出。被解释变量IND(产业升级率)与解释变量INS(高耗能工业利息率)、控制变量EXI(出口率)呈负相关关系，与控制变量CIT(城镇化率)、GOV(财政支出率)呈正相关关系。在其他因素不变的情况下，平均而言，INS(高耗能工业利息率)减少一单位会造成IND(产业升级率)增长0.588 313 4。同理，其他条件不变的情况下，CIT(城镇化率)/GOV(财政支出率)每增加一单位，平均来看，IND(产业升级率)会有所提升；而EXI(出口率)每增加一单位会引起IND(产业升级率)的下降。

绿色信贷对产业结构优化升级的影响可能受到样本“选择性偏误”与“互为因果”等内生性问题的干扰，除了回归模型已选择的变量外，地区研发创新能力等因素亦会对产业结构优化升级产生一定影响，可以增加遗漏变量进行回归，以检验选择性偏误。与此同时，被解释变量IND(产业升级率)与解释变量INS(高耗能工业利息率)可能存在互为因果的关系，故选用相近变量进行代替，排除被解释变量IND(产业升级率)影响解释变量的可能性。在回归模型中选用《中国高技术产业统计年鉴》的相关数据，新增控制变量研发强度(地区高技术企业研发经费支出/地区GDP)进行实证分析，针对“选择性偏误”进行内生性检验。再选用IND*{(第二产业增加值+第三产业增加值)/GDP}作为被解释变量，对IND(第三产业增加值/第二产业增加值)进行替代，进行稳健性检验。此外，考虑到高耗能工业利息支出情况对于产业结构优化升级影响具有时滞性，故使用动态面板回归法解决时滞性问题，采用滞后一期的INDt+1数据进行实证分析。上述3种回归结果皆显示解释变量系数估计的显著性不变,且皆呈现为负向相关关系，最终得到的实证结果都与表4的实证分析一致，能够充分排除内生性问题的影响，证实实证结果的稳健性。

表4 实证分析结果

3.3.3 实证结果剖析

银监会曾于2007年发文明确要求各银行需按照国家产业结构调整政策，提高对高耗能高污染行业信贷投放的准入门槛[14]。通过对于高污染高耗能产业实施信贷约束，限制重污染企业的快速增长，压缩两高一剩行业的生存空间，以此实现产业调整升级的转变。产业利息支出能够有效反映出信贷投放约束力度，绿色信贷政策落实愈发到位，对于高耗能工业产业的融资渠道的限制作用将愈发明显，高耗能工业产业利息占比也将实现下降的走向趋势，以此推动重污染高能耗企业进行转型升级，促进节能环保等绿色企业的长效长久长远发展，最终实现产业结构升级优化的高质量发展。实证结果显示解释变量INS(高耗能工业利息率)对于被解释变量IND(产业升级率)的影响系数为负，验证了本文研究假设的成立，即推行绿色信贷对于产业结构优化升级具有正向的推动作用。

中国常住人口城镇化率于2020年首次超过60%[15]，城镇化进程速度之快、规模之大，皆位居世界前列。城镇化率的提升反映出人口从农村向城镇的持续迁移，为城镇产业发展输送源源不断的劳动力。第一产业多集中于农村地区，第二、第三产业多集中于城镇地区，城镇化率带来的人才资源为第二、第三产业的增长提供基础力量，而以第三产业为主的经济结构反之能创造更多就业机会，进一步推动城镇化率的提升。因此，控制变量CIT(城镇化率)对于被解释变量IND(产业升级率)的影响系数为正，意味城镇化率的提高能够有效推动产业结构优化升级。

财政支出能够发挥对于产业的补助扶持效应与资金杠杆效应，针对重点产业设置专项资金等措施有助于支柱产业的长效发展，发挥关键产业对于其他产业的带头牵动作用，全面推动产业结构优化升级。实证研究显示控制变量GOV(财政支出率)对于被解释变量IND(产业升级率)的影响系数为正，财政支出引领产业结构不断优化升级。

有关研究显示，中国出口型企业仍然集中在制造业，且主要是劳动力密集型产业[16]。出口主力军由劳动力密集型与资源密集型产业组成，意味着产品出口背后所隐藏的利润空间为资本涌向劳动力密集型与资源密集型等产业带来助推力，不利于经济结构向资金密集型与知识密集型产业的调整过渡。与此同时，出口向劳动力密集型产业靠拢，将进一步限制高质量、高技术、高附加值产品的出口竞争力，低质量产品在出口市场的盛行会不断压缩高质量产品的成长空间，对于产业结构优化升级产生阻力作用。因此，实证结果表明控制变量EXI(出口率)对于被解释变量IND(产业升级率)的影响系数为负。

4 结论与对策建议

4.1 结论

以中国31个省区市2008—2019年的面板数据为基础，构建多元线性回归模型进行简单实证分析。实证结果表明：通过降低对于高耗能产业的信贷投入，能够显著推动产业结构优化升级，即实施绿色信贷助推产业结构优化升级。此外，在其他条件不变的情况下，财政支出与城镇化对于产业结构优化升级发挥明显的正向推进作用，出口则将起到负向作用。

4.2 对策建议

当前以绿色信贷为主体的绿色金融体系仍在摸索建立阶段，依然存在许多亟待解决的问题。因此本文以政府与银行业金融机构为切入点，为促进绿色金融发展提供以下建议：

4.2.1 增加政府绿色金融支持

目前已有国家开发银行、中国进出口银行、中国农业发展银行三大政策性银行，但上述政策性银行未对绿色经济产业表现出明显的倾斜导向，而中国唯一实施赤道原则的兴业银行作为商业银行，在“利益最大化”原则的影响下开展信贷业务，并且由于经营规模的限制，对于绿色产业的扶持作用与污染产业的约束力度有限。发展绿色经济是实现高质量发展的指向标，因此建议在国家层面加强顶层设计，可以以兴业银行为基础，设立专门投资环保节能清洁领域的政策性银行——绿色发展银行，聚焦绿色信贷的落实与完善情况。

财政资金投入是政府进行绿色金融支持最直观的体现，而对于节能环保等绿色产业的财政支持通常涉及财政、环保、科技等多个部门，目前政府各部门之间权责模糊、层级不清和各自为政的现象较为突出，严重影响了财政资金审批、运营和监管的效率。理清各部门之间的权责，提高部门间配合度非一日之功，在这种情况下，建立绿色产业专项资金更为妥当，可以借鉴投资银行的运作经验，以“任务”组建团队，以“功能”划分模块，以“绩效”牵制管理，以“利润”反哺投入。同时地方政府需紧密结合当地绿色产业发展的实际情况，出台关于绿色产业专项资金的管理办法，其中明确划分各部门的职责，责、权、利明晰，让绿色资金的审批与使用有制可依，组建由环保、科技、产业、投资等领域专家构成的智囊团队，从环保贡献能力、绿色科研能力、绿色创新能力、绿色产品竞争力等多指标的变化着手，设计全方位全流程全覆盖的绿色专项资金发放评价体系，对于绿色产业专项资金的分配标准与使用情况进行科学评估，并且由责任部门进行定期或不定期的督查。与此同时，建议绿色产业专项资金进行分步发放，当企业完成规定的预期环保贡献目标时才可发放下一阶段的绿色财政资金，避免因资金一次性到位而导致其环保效益不高。绿色产业专项资金扶持之下节能环保等绿色企业在未来一定期限能够实现规模扩大与利润增长，即可按照收益的固定比率对政府进行一定回馈，以此形成绿色专项资金源源不断的资金活泉。

此外，当前环保信息的披露现状不容乐观，缺乏科学统一的环保信息评估体系与权威全面的环保信息披露渠道。建议由生态环境部与科学技术部设立联动工作小组，在对全国高污染高能耗产业与环保节能产业进行摸底调研的基础上制定一整套环保信息评估体系，可借鉴英国的自然资本成本概念，对大气污染、水污染、固体废弃物污染等进行量化，使用市场价格评估环境污染成本[17]。在环保信息评估体系实现落地运行后，执法部门可以对其进行借鉴，通过量化手段计算环境污染成本，对于违反环保要求的企业进行处罚，由此提升环保违法成本，并且可以将处罚资金纳入绿色产业专项资金当中，实现威慑与激励的双重目的。与此同时，建议政府将生产者经营者乱排乱放过度排放等环保相关信息纳入征信记录，进一步完善征信系统，让污染行为无处藏匿，将环保信息纳入征信平台能够有效助力银行开展绿色信贷审批发放的评估工作。

4.2.2 完善银行绿色信贷体系

银行绿色信贷是绿色金融融资的主要来源，尽管银行绿色信贷规模近年来不断扩增，但依然存在节能环保等绿色企业借贷成本高、两高一剩行业信贷投放过多等问题。

为推动绿色信贷长远发展，建议从以下两方面着手完善银行绿色信贷体系：

1)优化银行绿色信贷组织管理机制。在银行管理层中专门设置绿色金融相关配备部门，如可在银行业金融机构高级管理层下设绿色金融业务委员会，让银行从战略层面重视绿色金融体系的搭建与落实。此外，建议在总行的企业金融板块相关业务部门设立绿色信贷部，引导推动全行绿色信贷业务管理与规范。对于节能环保行业客户较为集中、节能贷款业务存量较多的分行，可以创新性打造绿色信贷特色分行[18]，试点性开展绿色信贷专业化经营，并且作为重点案例在本行进行突出宣传。绿色信贷的发展也与创新型绿色金融人才息息相关，银行业金融机构应着重培养创新型绿色金融人才团队，学校方面则注重绿色金融创新的产学研培养，为绿色金融创新型人才的未来输出做好准备；丰富的绿色金融人才资本能够持续性地为实施绿色信贷提供积极可行的创新方案，为银行绿色信贷组织管理机制的长效运行提供绵绵不断的支撑力，为优化银行绿色信贷体系增添无尽活力。同时，建议在银行内部设置追责机制，分行与地方政府环保部门建立联动机制，在银行年末业绩考核时，分行负责人与业务经手人需为其所投资企业当年造成的环境污染事故担负相应责任，如执行降低岗位等级等处分制度，由此实现倒逼分行加强对于高耗能高污染产业信贷投放约束力度的目的。

2)丰富绿色信贷产品，创新绿色信贷模式。建议以规避转移与分散风险为着力点，创新绿色信贷产品担保模式，转变银行“惜贷难贷拒贷”心理。如可实行政银担合作模式，由政府、担保机构、放贷银行共同发力，有效分担节能环保等绿色企业的借贷风险，大幅度降低银行绿色贷款损失的概率。同时可以从环保节能企业层面出发，由银行引导企业开发用能权、碳排放权、排污权、取水权等作为绿色信贷业务的抵押或者质押担保物，进一步创新担保形式。此外，可从畅通绿色授信渠道入手，创新信贷资助模式。应当加强银行业协会自律，建议由银行业协会绿色信贷专业委员会专门组织为绿色产业量身打造授信制度指引，将节能环保贡献度等新兴指标纳入授信标准体系，优化绿色授信指标，在为绿色企业授信设定规范标准的基础上，地方分行即可高效有序开展绿色信贷授信工作。绿色信贷融资平台是创新绿色金融的催化剂，应鼓励银行协会与地方政府、节能环保绿色企业共同搭建多元化绿色信贷融资平台，主动对接节能环保等绿色产业的融资需求，为绿色信贷融资构建良好环境。