绿色金融试验田政策对地区零碳目标影响研究

■王婷婷

一、引言与文献综述

面对全球环境气候问题，各国陆续提出“碳中和”目标，我国也于2020年提出“30·60”目标，即中国二氧化碳排放“力争于2030年前达到峰值，力争2060年前实现碳中和”。但不同于欧美等发达经济体，我国仍处于工业化、城市化中后期，是世界第一加工厂，面临巨大的碳排放增量压力。加之，环境资源存在“公共物品”性质，仅靠微观主体及市场机制难以有效建立绿色金融体系，为此，需要政府通过国家强制力进行引导性干预，通过建立和实施一系列监管机制及扶持政策，实现以金融资源配置为基础带动技术、人才等要素资源在“三高”产业和绿色生态产业之间优化配置。因此，建立健全绿色金融政策体系变得至关重要（宣宇，2021）。

2015年，国务院发布《生态文明体制改革总体方案》，首次明确阐述了建立绿色金融体系的必要性。2016年，中国人民银行牵头印发《关于构建绿色金融体系的指导意见》，绿色金融政策体系框架初步形成。2017年6月我国依据“试点先行探索，各地后发推广”的经验路径，成为首个设立绿色金融“试验田”的国家，先后批复在浙江、江西、贵州、广东、新疆以及甘肃兰州等地开展绿色金融试点。积累了丰富的“中国绿色经验”。在加快推进碳达峰、碳中和目标的背景下，我国绿色金融政策体系已形成了把握方向的顶层设计有机结合因地制宜的基层实践，各试验区地方政府遵循中央指导意见结合地方实际相继出台了各种路线、方针、政策等，在具体政策实施上实现了命令型监管和引导型激励并举。有必要深入分析绿色金融“试验田”政策是否促进了试点地区碳减排，推动实现“零碳目标”的影响机制以及政策效果是否存在显著的内部差异性等问题，为进一步优化绿色金融体系提供经验证据。

我国对绿色金融的研究以2015年为节点，在2015年之前，国内学者主要探究在环境保护及可持续发展问题中金融发挥的重要作用以及金融机构角色定位。苏宝梅（2013）从伦理层面阐述金融与生态环境的内在联系，指出金融业从“理性经济人”向“环境经济人”转变的必然性，在追求利益最大化的福利目标时要兼顾担当生态环境保护责任，把生态环境问题纳入约束中。2015年之后，为响应构建“中国绿色金融体系”的政策号召，学者们围绕绿色金融产品展开研究。孙光林等（2017）从不良贷款率、净利润以及非利息收入三个方面，考察绿色信贷规模与商业银行信贷风险的关联性，研究发现绿色信贷能够提高银行效益，有效降低信贷风险。部分学者也围绕绿色金融政策进行分析。龙晓柏（2021）基于绿色金融生态治理的作用机理，立足于长江经济带的有关政策实践和现实问题，为构建符合长江经济带发展路线的绿色金融体系提出建设性意见。近年来，随着绿色金融政策体系的不断完善，有学者开始对政策效应进行评估。杜莉和郑立纯（2019）基于碳排放交易权试点数据评价我国绿色金融政策体系。李从欣和王晓元（2021）利用PSM—DID方法对试点地区绿色金融政策的环境污染改进效果进行实证分析，发现存在政策失灵问题，并将其归因于政策效果的迟滞性以及污染的短期报复性增长。

随着我国“碳达峰碳中和”目标的提出，学者们开始探究绿色金融的助力效果和发展路径。在助力效果方面，江红莉等（2020）从投融资视角出发，选取绿色信贷、绿色风投为着手点，采用差分GMM分析绿色金融的碳减排效果。在发展路径方面，杨解君（2021）从国家整体层面提出应技术化、市场化、行政化、绿色化、全球化以及法制化六线并行，共同推进实现碳中和目标。刘桂平（2021）指出发展绿色金融对实现“碳中和”目标的重要性和必要性，强调试点经验的关键作用。钱立华等（2021）基于我国绿色金融市场发展现状，指出为实现“碳中和”目标，未来绿色金融将以气候投融资、绿色债券创新、气候风险管理三个发展方向为重点。

通过梳理绿色金融主要研究脉络，发现随着我国绿色金融体系的日益完善，相关研究也在不断深入，但关于绿色金融政策研究仍存在政策研究和政策评估不匹配的现象，缺乏对政策实施成效的及时评估总结，不利于后期政策的改进和制定。并且，对绿色金融与碳减排相关研究的整理发现，已有研究侧重于研究助力实现“碳中和”的绿色金融创新发展路径，科学解析绿色金融改革试验区政策对碳减排作用机理的文献较少。因此，本文尝试运用倍差法分析绿色金融试验区政策对地区碳减排的政策效应，并深入分析其具体作用机制。

二、理论分析与研究假设

各试验区地方政府在遵循宏观指导意见基础上结合地方实际相继出台了各项政策探索促进绿色发展的有效举措，具体政策举措虽不尽相同，但按其特性可归结为命令型监管和引导型激励两类，究其作用本质仍是以金融资源配置为基础带动其他资源要素配置的优化。而这些措施在提高地区绿色金融发展水平的同时，促进了产业结构优化和绿色技术水平的提升，继而降低碳排放量并提升碳吸收水平，助力实现“零碳目标”。

在产业结构优化方面，根据“污染避难所假说”，发达经济体会将高污染高能耗产业向外转移以调整本土产业结构，导致相应的产业转移承接区环境污染问题凸显。而在国际产业链分工中，我国仍处于微笑曲线的中间部位，产品附加值低且能耗高，相应的碳排放增量压力会随产业分工一同转移至我国。因此，产业结构是影响我国实现“零碳目标”的关键因素。而绿色金融试点政策主要通过传统产业绿色转型和新兴绿色产业发展来促进产业结构生态化、合理化、高级化从而优化产业结构。

第一，绿色金融试点政策会通过传统产业绿色转型促进产业结构生态化、合理化。高锦杰和张伟伟（2021）利用系统GMM模型研究发现绿色金融发展会显著推动产业结构生态化。首先，在绿色资金引导方面，绿色金融通过信贷政策倾斜，将资金引流至绿色节能减排项目，并对相关绿色企业提供低息信贷支持，降低企业的融资成本，稳定的信贷扶持也会促进绿色企业发展，使其在市场竞争中占据有利地位并发挥示范效应。这会迫使更多传统棕色企业为应对市场挑战，着手革新生产经营方式，逐步实现生态化生产。同时，绿色金融的政策导向也在无形中提高民众的环保意识，从而影响民众的消费选择（蔡乌赶和周小亮，2017），由消费绿色化倒逼生产绿色化，进一步促进部分传统产业绿色转型，加快产业结构生态化。

第二，绿色金融试点政策会通过发展新兴绿色产业促进产业结构合理化、高级化。龙云安和陈国庆（2018）利用灰色关联度模型考察绿色金融与产业结构优化的内在关系，发现合理推进绿色金融发展能够推动产业结构优化。在地方财税激励方面。通过对示范性绿色企业提供财政补贴或税收优惠以鼓励生产生态化，同时释放政策信号，引导社会资源要素向绿色产业流动（王志强和王一凡，2020），实现由短期效益的过度投机转向追求长期效益的合理投资，通过优化要素配置促进产业结构合理化。在公共服务保障方面，地方政府通过完善绿色基础设施建设促进绿色产业发展，推动相关衍生产业发展，加快我国从“二三一”向“三二一”转变的产业结构高级化进程。

在绿色技术水平方面，绿色技术的研发创新和推广应用是促进早日实现“碳达峰”继而推进“碳中和”的关键途径（杨解君，2021）。在碳排放端，通过有效提升高碳能源利用技术，在保证产量的前提下实现碳增量的有效降低，抑或是研发无碳可再生能源以替代传统高碳排放的化石燃料，从根源处缩紧排放口。在碳吸收端，提高末端治理技术，如碳捕获技术，发挥植被固碳作用，减少空气中碳存量。因此，绿色技术创新是影响我国实现“零碳目标”的重要因素，而绿色创新体系的推进也要发挥绿色金融的促进作用（庄芹芹等，2020）。各试验区的命令型监管政策对绿色技术存在遵循成本的负向作用，但引导型激励措施却会产生资金支持和分散风险的正向作用。

在绿色金融试点政策下，监管部门对企业的能源消耗、污染排放等提出更高要求，如“多污染多缴税”的环保税规定。遵循成本的提高无疑加重了企业负担，减少了企业净利润，影响企业自主研发投入。并且出于相对较高的道德风险，金融机构向自主研发投入占比低的企业提供信贷支持的意愿相对较低。因此，遵循成本的产生和提高会通过向创新主体施压进而对绿色技术研发产生反向抑制（李新安，2021）。

由于绿色技术研发项目所需投入资金较多，项目回报周期较长，仅依靠企业自有资金难以保证资金流的长期稳定供应，因此需要外部资金扶持。受益于绿色金融产品的创新和发展，企业可通过绿色信贷、绿色债券等多途径获得外部支持弥补资金链短板，以稳定的研发投入助力技术突破。部分试点地区实施政府部分担保机制，对缺乏抵押担保而难以获得融资支持的合格项目、优质企业由政府出面担保，实现信用增级，从根源上突破融资困境。同时，研发成果具有不确定性，单主体投资风险集聚，通过金融赋能技术研发，发挥金融机构的风险管控能力，有效分散研发风险，也相对提高了企业的自主研发意愿。

综上所述，绿色金融试点政策从产业结构优化和绿色技术水平两个方面影响“零碳经济”目标。产业结构优化有利于降低能源消费总量，尤其是高碳能源消费量，实现从碳排放端助力“零碳目标”。而绿色技术水平的提升能进一步降低单位能耗碳排放量并提高碳吸收水平，有效提高能源利用效率，实现从碳排放和碳吸收两端同时发力以助力“零碳目标”即实现碳排放和碳吸收的平衡。因此，本文认为绿色金融“试验田”政策的实施能够促进试点地区“零碳目标”的实现，且主要通过产业结构优化和绿色技术水平两大路径。因此，提出以下研究假设。

假设1：绿色金融“试验田”政策能够有效促进试点地区碳减排以实现“零碳目标”。

假设2：绿色金融“试验田”政策能够通过优化地区产业结构促进试点地区碳减排以实现“零碳目标”。

假设3：绿色金融“试验田”政策能够通过提升地区绿色技术水平促进试点地区碳减排以实现“零碳目标”。

图1 作用机制

三、研究设计与数据说明

（一）模型设定

1.双重差分模型

现有浙江、江西、贵州、广东、新疆以及甘肃六省被设为绿色金融“试验田”，其中前五省为2017年首批设立，而甘肃为2019年增设。由于数据统计存在迟滞性，2019年碳收支测算所需数据尚未统计公布，因此本文基于数据可获性将考察年份设定为2011—2018，着重考察首批设立的“试验田”，这也符合经典DID模型的使用要求具备合理性。本文将该试点政策视为一项准自然实验，运用倍差法测度该试点政策对地方实现“零碳目标”的驱动效果。具体DID模型如下：

其中，yit表示碳减排综合评价指数；treati=1表示处理组，即首批试点省份，treati=0表示对照组①由于内蒙古、西藏以及港澳台地区存在较多数据缺失难以补齐，故不将其纳入对照组。；postt=1表示政策实施中，postt=0表示未施加政策，具体为；ui为个体固定效应；λt为时间固定效应；controlit为控制变量；εit为扰动项；δ为政策实施中试点地区的政策效应。

②由于首批“试验田”确定时点为2017年6月，因此本文以2017年为政策实施时点。

2.碳收支测算

碳排放主要由能源和非能源两部分组成。即cdms=cdmenergy+cdmnon-energy。其中能源部分本文借鉴邵汉华和刘耀彬（2017）的方法，计算以煤炭、焦炭、原油等9种主要碳排放能源为代表的能源碳排放量，即：

其中，cdmenergy表示能源消耗的CO2排放当量；enn表示第n种能源的消耗量；cdefn表示第n种能源相对应的CO2排放系数，lcvn表示第n种能源的低位发热量；cof表示第n种能源的碳氧化因子。

非能源部分分为工业活动、农业活动以及废弃物碳排放，即cdmnon-energy=cdmindu+cdmagri+cdmwaste，工业活动碳排放以水泥、玻璃等工业产品为代表，其中水泥、玻璃排放因子参考赵荣钦等（2012），钢铁碳排放因子参考李肖如等（2016）。而农业活动产生的碳排放主要在于农地利用和畜牧业，具体计算方法如下。

其中，sland，i表示土地类型i的面积；cland，i表示土地类型i的碳排放或碳吸收系数，取值参考王刚等（2017）；qlivestock，j表示禽畜j上年末存栏量；efCH4,j表示禽畜j肠道发酵CH4排放因子，fmCH4,j表示禽畜j粪便管理CH4排放因子，fmN2O,j表示禽畜j粪便管理N2O排放因子，赋值参考《省级温室气体清单编制指南（试行）》；gwpCH4=25，gwpN2O=310前者表示CH4的温室效应值，后者表示N2O的温室效应值，即通过以上系数将其他温室气体转换成CO2当量，赋值遵循IPCC指南。废弃物碳排放测算借鉴赵荣钦等（2012）。此外，固体废弃物燃烧排放有关系数参考《省级温室气体清单编制指南（试行）》。

（二）变量说明及数据来源

1.被解释变量

本文以碳减排指数×100（cdd）作为被解释变量。参考学者刘志华等（2020）分别从总量、结构、质量三方面选取指标，并通过熵值法①限于篇幅，本文不对该方法进行具体说明。赋权以测算碳减排综合指数。其中由于能源是CO2来源的主要部分，故以能源消费结构作为结构指标②各省统计年鉴中公布了煤炭、石油、天然气、一次电力及其他能源（核能、生物质能等）在能源消费总量中的比重，本文参考其分类并依据相应能源终端消费的碳排放能力，在此将煤炭、石油归结为高碳能源，天然气归结为低碳能源，一次电力及其他能源归结为零碳能源。。由于净碳排放总量、高碳能源占比、碳排放强度越大减排效果越差，且我国为响应双碳目标号召，对于化石能源的低碳处理等也将从绿色项目指南中逐渐剔除，因此本文将低碳能源占比纳入负向指标。而将零碳能源占比归入正向指标。具体指标构建见表1。

表1 碳排放综合指标构建

此外，由于能源统计采取分级测量，而统计方法不尽相同，如折煤系数的选取存在差异等。因此，为保证统计口径的一致性以避免误差干扰，基于地方历年能源终端消费实物数据，参考《中国能源统计年鉴》提供的各类折煤系数，缺失系数则依据2018年全国能源平衡表内各种能源的标准量和实物量测算，将各种能源折为标准煤，以计算各试点地区能源结构。

2.核心解释变量

本文以首批试验区作为核心解释变量（did=treati×postt），具体赋值依据2017年国务院审议通过的绿色金融改革试验区总体方案。

3.控制变量

本文综合国内外碳排放研究成果，充分考虑其他因素对地区净碳排放影响，选取以下控制变量：经济发展水平（pgdp），以省域人均实际GDP再取对数表示；对外经济贸易（fe），以地区进出口总额与地区GDP的比值表示；城镇化水平（ul），以城市常住人口占比表示；金融发展水平（fl），以地区金融机构各项贷款余额占地区GDP的比重表示；基础设施建设（ic），以地区公路里程数与地区人口数的比值表示；人均财政科研投入（pi），以地区财政科研投入与地区人口数的比值表示。

表2为各主要变量的描述性统计，从总样本看，地区碳减排指数、城市化水平、经济发展水平、金融发展水平、人均财政科研投入等指标均值在政策实施后均有所提高，而对外经济贸易均值则呈下行趋势。从分组结果看，两组的碳减排指数均呈上行趋势，但处理组均值上升幅度明显高于对照组，且近1.7倍。对照组的城市化、经济发展水平等指标均值虽高于处理组，但处理组的上升幅度却略高于对照组；对照组的对外经济贸易均值低于处理组，且都呈下降状态。金融发展水平及人均财政科研投入指标均值在各分组中均有所提高，且处理组的人均财政科研投入均值在政策实施后有较大幅度的提高并超过对照组。而基础设施建设指标则无明显变化。

表2 描述性统计

4.中介变量

在产业结构优化方面，以产业结构优化综合指标×100（iy）表示。借鉴孙丽文等（2019）做法，从生态化、合理化和高度化三方面度量。其中由于传统产业中工业居碳排放量之首，因此生态化部分主要聚焦于工业，从工业绿色转型角度出发考察其废物利用和能源消费。选取工业三废排放和利用指标度量废物利用及排放水平；采用工业清洁能源消费与化石能源消费的比值衡量工业能源消费结构。合理化和高度化则借鉴干春晖等（2011）做法，并利用熵值法赋权以测算产业结构优化综合指标。具体指标构建见表3。

表3 产业结构优化指标构建

在绿色技术水平方面，借鉴学者李新安（2021）的做法，根据2010年IPC绿色清单的专利分类号，将其细化至最小分类，再利用专利检索及分析系统对国家知识产权局所披露的专利申请文献进行筛选，逐个统计我国各主要省域历年的绿色专利申请有效数，再取其对数表示（gt）。

5.数据来源

所需数据主要来源于《中国能源统计年鉴》《中国统计年鉴》《中国国土资源土地利用年鉴》《中国畜牧兽医年鉴》及各省有关年鉴等，测算方法主要参考IPCC2006指南和国内《省级温室气体清单编制指南（试行）》，部分参考国内学者研究成果。

四、实证结果与分析

（一）平行趋势检验与基准回归结果分析

1.平行趋势检验

使用倍差法需要满足平行趋势假定，即处理组和对照组在政策实施前存在趋势一致性。对此，本文首先通过画出各组被解释变量均值的时间趋势图进行直观分析。由图2知，2017年之前两组存在明显的平行趋势，直到政策实施后出现逆转。进一步通过事件研究法加以佐证。

图2 平行趋势图

其中，cdd表示碳减排指数；m表示与政策实施时点相差年数，即m=year-2017，并且由于考察年限为2011—2018年，故分别赋值为-6，-4…0，1。继而生成对应虚拟变量，即距政策实施时点m期时，赋值为1，其余赋值为0，其中pre_ ||m表示政策实施前与m对应的虚拟变量，current表示政策实施时点的虚拟变量，post_1表示政策实施后一年的虚拟变量，各相应系数表示特定年份处理组和控制组的差异。并且选取2011年为基期，剔除pre_6以避免多重共线性。其余设置同上文。理论上，若两组存在共同发展趋势，则在政策实施前应无显著差异，即政策实施前各特定年份的系数不显著。同理，政策实施后特定年份的系数应显著，否则政策效应不存在。再次以图形方式，直观呈现不同年份间政策效应的动态性。由图3可知，2017年及以前的对应系数不显著异于0，而2018年对应系数显著不为0。因此，满足平行趋势假定可以使用DID。并且试点政策于实施一年后方显现正向效应，即政策效应具有一定滞后性。

图3 事件研究法

2.基准回归结果分析

本文采用双向固定效应进行双重差分，具体回归方法采用reghdfe，并控制了城市化水平、经济发展水平、对外经济贸易等6个变量，最终结果如表6中（1）所示。结果表明试点政策的实施对碳减排存在正向效应，且在5%的显著性水平下显著。控制变量中，城市化水平对碳减排存在负向作用，且在1%的显著性水平下显著，这一结果符合理论预期，城市化水平高则相应的城市化进程中所带来的钢筋水泥等城市建设用品需求量大，侧面促进高排放产业的发展，加大零碳排放难度。经济发展水平对碳减排存在负向作用，但并不显著，这可能是由于经济转型带来的结果，我国经济增速换挡，增长动力也在转化，逐渐从加工型向绿色科研型转变，从而经济增长伴随的能源消耗对相应产业减排的负面作用逐渐减弱。对外经济贸易对碳减排存在显著正向作用，这可能是由于对外经贸联系的加强为国内生产企业获得外部先进绿色技术支持创造了更多可能。地区金融发展水平对碳减排绩效存在显著负向作用，金融业助力双碳目标的主要手段便是提供信贷支持，而这一指标中所含信贷投放不仅包含绿色产业领域，存在负向作用很可能是由于金融支持绿色产业助力双碳目标的作用尚未有效发挥，更多的贷款投向了其他领域，而且包含高污染高能耗产业。基础设施建设对碳减排存在正向作用，基础设施的不断完善，有利于加强地区联动，促进要素向更有潜力的领域集聚，提高绿色技术的溢出作用，但实证结果并不显著。人均财政科研投入对碳减排绩效有较显著的负向作用，这可能是“挤出效应”导致的，政府财政科研投入较高可能会对企业科研投入产生挤出作用，不利于提高企业研发的自主性，限制了企业创新主体作用的有效发挥。

（二）稳健性检验

通过使用PSM—DID对假设1进行再次检验。以前文控制变量为匹配变量，分别采用半径匹配、卡尺内近邻以及核匹配等四种方法对数据进行逐年匹配，并运用事件研究法对匹配后的数据进行检验，在满足平行趋势假设的前提下进行双重差分，最后实证结果表明绿色金融试点政策对地区碳减排存在推动作用，与前文实证结果相符，从而假设1再次被证实。各匹配方法的平行趋势检验如表4所示，基准回归结果如表5所示，其中后者采用reghdfe回归以更好的控制时间效应和地区效应，并且与上文DID基准回归方法保持一致。

表4 事件研究法

表5 PSM—DID基准回归结果

（三）影响机制分析

基于前文的理论分析，本文采用因果逐步回归来验证具体作用机制。参考温忠麟和叶宝娟（2014）做法构建方程如下：

其中，mv表示中介变量，即产业结构优化和绿色技术水平，其余变量含义同上文。首先，对式（5）进行回归，考察绿色金融试点政策对地区碳减排是否存在政策效应，即估计系数a是否显著；其次，对式（6）进行回归，考察试点政策是否对中介变量产生影响，即估计系数b是否显著；最后，将中介变量纳入式（5）再对其进行回归，即对式（7）进行回归，若系数d显著而c不显著或者系数d、c均显著且c较a发生了变化，则意味着存在中介效应，前者为完全中介，后者为部分中介。

回归结果如表6所示，在产业结构优化方面，式（6）回归结果见（6），其中b=0.066且在1%的显著性水平下显著，表明绿色金融试点政策对产业结构优化存在显著正向作用，式（7）回归结果见（7），其中d=0.464且在1%的显著性水平下显著，表明产业结构优化对地区碳减排有显著推动作用，并且由于d显著而c不显著，表明此为完全中介效应。从而前文假设2得证。

表6 基准回归与中介机制检验结果

在绿色技术水平方面，式（6）回归结果见（8），其中b=0.147且在10%的显著性水平下显著，表明该政策对绿色技术水平提升有较显著的促进作用，但式（7）回归结果见（9），虽然表明绿色技术水平的提升对地区碳减排有正向作用，但并不显著，对此本文进一步通过sobel检验再次核实，结果表明该中介效应不显著。从而导致前文假设3不成立。对此，根据国家知识产权局2018年发布的绿色专利统计报告显示，我国绿色创新主体以高校及部分央企为主，总体而言企业的绿色技术研发动力不足。虽然绿色专利成果在高校不断积累，突破性成果不断，但与技术研发相比技术的应用推广仍进行缓慢。加之，受考察数据范围所限，仅包含了政策实施后两年数据，而研发具有长期性，可得数据期限较短使得实际作用机制没有得到充分体现。因此，可能由于以上两个方面的原因导致绿色技术水平对地区碳减排的重要推动作用难以充分有效地发挥。

（四）异质性分析

由于试点地区的地理位置、经济基础等方面不尽相同，且各试点地区的具体政策措施会因地制宜各有发展，可能存在试点地区间的政策效应差异。因此，本文采用更为宽松的具有“异质性处理效应”假定的异质DID模型以进一步分析异质性问题。具体做法是，在经典DID的基础上，引入4个虚拟变量groupmi=1，0（其中m=1，2，3，4）对浙江、江西、贵州、广东、新疆进行分组，每个试点个体自成一组，其中group1i=，，。具体异质性DID模型如下：

其中，δ表示新疆地区的政策效应，τm表示对应组别groupmi的异质性政策效应，δ+τm，（m=1，2，3，4）分别表示浙江、江西、贵州、广东的政策处理效应，其余符号含义同上文。

回归结果如表7所示。列（10）显示在对各地区的经济发展水平、金融基础等因素不施加控制的情况下，以新疆为基准的各组异质性政策效应均在1%的显著性水平下显著。在控制区域本身发展存在的差异后，部分异质性政策效应变得不再显著，即回归（10）的结果部分是源于地区本身发展的差异而不仅仅是试点政策效果本身。控制后的回归结果见（11），仅浙江省存在显著的异质性政策效应，且依然在1%的显著性水平下显著，而其余试点地区则无显著差异。

表7 异质性检验

五、结论与对策建议

本文将绿色金融改革创新试验区政策作为一项准自然实验，基于2011—2018年我国29个省份面板数据，运用双重差分法估计此项试点政策对地区碳减排的政策效应，探究了现行的绿色金融政策体系与碳减排之间的内在联系。研究结果表明：第一，绿色金融“试验田”政策能够有效促进试点地区碳减排从而助力实现“零碳目标”。并且通过PSM—DID分别运用半径匹配、卡尺内近邻以及核匹配等多种方法，该结果依然成立，说明这一结论具有稳健性。第二，基于绿色金融“试验田”政策促进地区碳减排的作用机理，中介效应机制检验结果表明绿色金融“试验田”政策通过产业结构优化促进地区实现“零碳目标”，且产业结构优化为完全中介变量，但绿色技术水平这一路径还未得到充分发挥。第三，通过异质DID考察试点地区间政策效应的差异性，发现绿色金融“试验田”政策效应存在异质性，其中浙江省具有显著的正向异质性政策效应，而新疆、江西、贵州、广东则无显著差异。

基于以上研究结论，本文对绿色金融助力实现“30·60”目标提出以下对策建议：第一，发挥好试点地区先行先试的作用，或将更多省域纳入试点范围，共同探索兼顾内部经济效益和外部环境效益的经济发展模式，使二氧化碳的排放量与吸收量保持动态平衡，在考虑大自然的“容忍度”下适度发展。第二，对试点成果及时总结反馈，积极推广可复制的经验，尤其是浙江省的试点经验。基于实证结果可知，浙江省试点政策效应显著高于其他试点地区，其相应试点经验也应更为丰富，且在纳入控制变量后，异质性政策效应仍然显著，表明浙江省的正向试点政策效应更多源于地区试点政策本身，从而浙江省的试点经验更具有可复制、可推广价值。第三，发挥好产业结构优化的中介作用。或可结合平台经济，利用平台持有的消费者信息优势，助力绿色消费金融产品创新，开发面向消费群体的绿色金融产品，完善绿色金融产品供给，借助平台有针对性的产品宣传优势，从金融供给侧引导绿色消费，助推绿色需求拉动绿色生产，实现消费需求侧反哺生产供给侧，促进产业绿色转型，从而助力双碳目标。第四，多措并举提高绿色技术水平。不仅要在研发方面提高企业研发动力，发挥企业创新主体的重要作用，更要做好后期的运用推广，加大绿色技术的推广应用力度，更好地助力实现双碳目标。