绿色金融改革创新试验区对臭氧污染的影响效应

张振华，汪 京，冯严超，田文佳

（1.兰州大学绿色金融研究院，甘肃 兰州 730000； 2.兰州大学经济学院，甘肃 兰州 730000； 3.郑州大学商学院，河南 郑州 450001）

为实质性改善中国空气质量状况，仅依靠末端治理措施远远不够，还要同时从源头入手，采取一系列财税、金融等手段改变资源配置及其激励机制，推动绿色技术创新，实现减污降碳协同增效［1］。2016年6月，中国人民银行及国家发展和改革委员会（以下称“国家发改委”）等七部委联合发布《关于构建绿色金融体系的指导意见》，将发展绿色金融作为促进生态文明建设、实现经济转型发展的重要工具。2017年至今，中国已在六省九地成立了绿色金融改革创新试验区，通过建立绿色金融基础设施，加强金融机构绿色金融产品和服务创新能力，促进绿色信贷、绿色保险和绿色债券发行，探索建立环境权益交易市场，以及建立绿色金融风险防范机制，逐步积累了绿色金融发展经验。

温室气体和大气污染物同根同源，主要都源于化石燃料的燃烧利用过程［2-3］。空气质量监测指标包括空气质量指数及PM2.5、PM10、二氧化硫、氮氧化物、一氧化碳、臭氧六项大气污染物［4］。《2021中国碳中和与清洁空气协同路径》报告显示，近几年二氧化硫、一氧化碳和PM2.5等大气污染物均得到有效防治，但唯独臭氧浓度持续上升。臭氧污染问题愈加严峻，成为中国大气污染治理和温室气体减排方面面临的棘手问题。

基于以上分析，该研究提出相应的研究问题：①建立绿色金融改革创新试验区能否有效治理城市近地面臭氧污染？②区域异质性视角下，绿色金融改革创新试验区的效应会有何不同？③哪些关键因素可能对上述影响效应产生调节作用？因此，该研究利用2014—2019年中国215个城市面板数据，通过使用双重差分法（DID）和合成控制法（SCM）估计绿色金融改革创新试验区对城市近地面臭氧污染的影响，探究外商直接投资和金融发展水平所发挥的调节作用，并运用事件研究法、安慰剂检验、替换被解释变量、控制其他环境政策和使用季度数据进一步开展稳健性检验。

1 文献综述

绿色金融政策是指政府部门对于金融机构、企业制定的有关融资条件、融资流程及激励举措的一系列制度安排，在中国主要表现为国家发改委、财政部及银监会等部门颁布的规章制度，旨在规范、促进绿色金融的发展［5］。现有绿色金融政策文献从绿色金融政策的演进趋势及提升建议、绿色经济发展效应和减污降碳效应等不同角度开展了相关研究。

一是绿色金融政策的演进趋势及提升建议。中国绿色金融体系具有战略化、整体化和协同化的特征，总体发展指数呈上升趋势，但总体水平不高，整体区域差距呈下降趋势，呈现出明显的两极分化趋势和俱乐部趋同现象，区域、年份等影响因素所导致的显著性也不相同［6-8］。高赢［9］运用Dagum基尼系数等方法研究发现，中国八大综合经济区绿色发展绩效水平整体偏低且呈现鲜明非均衡态势，各绿色发展区域的协同性很大程度上被各社会经济因素对八大综合经济区绿色发展绩效的差异性影响所弱化。在绿色金融政策提升建议方面，Zhang等［10］研究认为中国绿色信贷政策实施中存在的主要问题是对政策细节模糊、执行标准不明确及环境信息缺乏。绿色金融政策在中国国内经历了从体系构建到制度完善再到不同发展模式的发展过程，目前仍存在较大的提升空间，譬如可从市场融资方法、奖惩管理体制等方面入手，继续提高绿色金融政策的有效实施［6，11-12］。由于政策演进研究有利于深入阐述政策变迁规律和演进逻辑，已有研究对国内外的绿色金融政策的演进和建议都已做了全面的分析解读［13］。不过相当一部分文献对政策的实际成效缺乏关注，亟须开展进一步验证。

二是绿色金融政策对绿色经济发展的有效性。Wu等［14］利用动态面板模型研究得出，环境规制与中国的贸易效率之间存在显著的U型关系，提高绿色全要素能源效率对实现减排和产业共赢发展至关重要，是中国经济转型的关键。由于2008—2020年绿色金融无法与产业结构调整、生态环境保护和经济发展有效挂钩，绿色金融发展程度不高，制约了绿色金融与经济增长的协调发展，但绿色金融政策对绿色经济发展一直存在积极影响，且有效性在不断增强［15］。王修华等［16］基于中国沪深A股制造业上市公司季度数据进行实证分析，发现绿色金融改革创新试验区政策显著抑制了试验区的整体企业发展，明显降低了污染企业的生产效率，促进了绿色企业的创新发展。绿色信贷政策作为代表性绿色金融政策，可以提高绿色信贷量，优化绿色经济结构，在提高绿色上市公司的融资便利性、降低银行成本效率、改善银行信贷风险管理等方面均有显著正效应［17-19］。Zhang等［10］通过DID模型研究绿色信贷政策，认为绿色信贷政策对“两高”企业的短期融资行为具有激励作用，但在长期内具有惩罚性效应。也有研究认为绿色债券虽然可以发挥传统融资功能，但是不能更好地吸引社会投资［20］。从不同角度出发，绿色金融政策对于绿色经济发展的效应各异，但总体上表现出提高绿色经济发展质量的正效应。

三是绿色金融政策的减污降碳效应。绿色金融政策的效应不仅体现在推动经济结构转型、提高经济发展质量，还体现在减污降碳效应方面。绿色金融政策使绿色金融试点地区的碳排放量增长趋势明显低于非试点地区，能协同环境规制促进工业污染治理，且对工业废气、工业烟尘、工业固体废弃物、工业废水、二氧化硫和二氧化碳排放量等具有积极作用［10，21-24］。Shen等［25］采用横截面增广自回归分布滞后方法，证实了绿色投资与碳排放呈负相关，而国家自然资源租金与碳排放呈正相关。减污降碳对于经济的发展具有重要意义。中国区域能源高效利用具有明显的空间效应，而通过强化节能减排技术与管制，可以挖掘节能减排潜力，实现区域差异化节能减排［26-27］。中国绿色金融政策的发展可以从经济、金融和环境三个维度采取多种措施，促进能源可持续发展，从而治理化工污染［28］。已有研究从多方面证实，各类绿色金融政策在大气环境领域的减污降碳方面具有显著的治理效果。

已有绿色金融政策的相关研究从绿色金融政策演进趋势、绿色经济发展效应及减污降碳效应等方面展开，实证分析方法科学全面，研究成果也为推进绿色金融政策、完善绿色金融体系作出了相应贡献。但是已有文献多从政策变迁、绿色金融体系的有效性评估等方面入手，针对所有省份或个别城市样本开展研究，而鲜有学者针对大气污染物中的臭氧治理效应开展相应的实证研究，对于绿色金融改革创新试验区影响臭氧治理的影响机理和区域异质性解释力较低。基于此，该研究利用2014—2019年中国215个城市面板数据，通过构建DID模型估计绿色金融改革创新试验区对城市近地面臭氧污染的影响，并探究外商直接投资和金融发展水平所发挥的调节作用。

2 政策背景与研究假说

2.1 绿色金融改革创新试验区政策背景

绿色金融在推动绿色产业发展、促进产业绿色转型升级等方面有着重要作用。通过实施绿色金融政策，能够推动对节能环保、清洁能源、绿色交通、绿色建筑等领域的投融资支持，同时限制淘汰落后产能，提高新旧动能的转换速度，引导资金流向高新技术产业［6］。2017年6月，中国人民银行和银监会等七部委联合印发《建立绿色金融改革创新试验区总体方案》，截至2022年6月已在六省九地成立绿色金融改革创新试验区。各绿色金融改革创新试验区结合自身实际情况，出台了相关的政策制度及实施细则（表1）。

表1 六省九地试验区的典型性绿色金融政策

绿色金融改革创新试验区的试点落实情况和试点效应，主要体现在以下三个方面［29］。第一，各试验区结合本地具体发展情况总结出可复制可推广的绿色金融经验，在货币信贷政策、金融监管政策、财税奖补政策和机构内部管理政策方面作出积极探索并取得了不错成效。第二，各试验区依托绿色金融改革创新优势，积极为国家战略服务，持续推进地方生态文明建设，充分发挥金融支持实体经济功能，促进地方绿色低碳经济转型，提高生态环境质量。第三，各试验区推动绿色金融产品和服务方式创新发展、不断拓展绿色金融融资渠道，推动绿色低碳技术的研发和推广应用，为生态产品价值化与市场化提供政策支撑与激励，为企业实施绿色发展转型与落实环境责任提供行为激励，使得地方绿色金融市场稳步增长。

2.2 研究假说

绿色金融改革创新试验区伴随的绿色金融政策目标之一在于通过减污降碳协同增效，实现大气污染物和温室气体协同减排目标，改善生态环境质量。绿色金融改革创新试验区横跨中国的东、中、西部地区。中国不同地理区域的经济发展水平、产业结构、人口密度、空气污染主要来源等因素各不相同。例如，中国东部地区的第三产业增加值在GDP中的比重较大，人口密度大，道路网相对密集，机动车保有量高，移动源污染是空气污染的重要来源；而西部地区的第二产业增加值在GDP中的比重较大，人口密度小，道路网相对稀疏，汽车保有量低，工业生产污染是大气污染的重要来源。因此，不同地理区域的绿色金融改革创新试验区对近地面臭氧污染的影响可能存在异质性。基于上述理论分析，该研究提出以下假说。

假说1：绿色金融改革创新试验区能显著降低近地面臭氧污染。

假说2：不同地理区域的绿色金融改革创新试验区对近地面臭氧污染的影响存在异质性。

外商直接投资对环境污染的影响存在不确定性。已有关于外商直接投资与环境污染的研究主要分为两种观点：“污染光环”与“污染天堂”。“污染光环”假说认为外商直接投资所带来的先进技术、先进理念可以促进地区发展的绿色转型，减少当地的环境污染，同时外商直接投资也可能会借助规模效应和结构效应提高当地企业的治污效应，降低负向产出，提高绿色生产效率［30］。“污染天堂”假说认为，外商在某地投资的原因可能是因为该地的污染规制水平相对较低，污染成本低给外商投资带来很大的获利空间，致使外商投资会加重当地环境污染［31］。此外，外商直接投资可能会影响绿色金融改革创新试验区对近地面臭氧污染的降低效果。已有研究发现面对外商直接投资的激励时，地方政府在外商直接投资与环境管制的博弈中存在选择外商直接投资而放松环境管制的现象，进而影响政府环境政策的效率［32-33］。但这种作用效果存在不确定性，上述两种环境污染假说均有可能存在。基于上述理论分析，该研究提出以下具有竞争性的假说。

假说3a：外商直接投资能显著降低近地面臭氧污染。

假说3b：外商直接投资能显著增加近地面臭氧污染。

假说4a：外商直接投资在绿色金融改革创新试验区降低近地面臭氧污染的过程中发挥了正向调节作用。

假说4b：外商直接投资在绿色金融改革创新试验区降低近地面臭氧污染的过程中发挥了负向调节作用。

金融发展水平对环境污染具有双重效应。胡宗义等［34］的研究将金融发展对环境污染的影响分解为规模效应与技术效应。规模效应增加污染程度，技术效应减弱污染程度。分阶段来看，金融发展与环境污染之间存在门槛特征：金融发展水平较低时，规模效应大于技术效应，金融发展对污染排放具有显著促进作用，金融发展水平较高时，规模效应小于技术效应，金融发展对污染排放具有显著抑制作用。此外，对于绿色金融改革创新试验区而言，更高的金融发展水平意味着更高的金融效率，金融发展水平对绿色金融政策的实施效果具有促进作用，同时也有研究发现更高的金融水平通过能源消费效应来减弱政策的实施效果这一现象［10，35-36］。因此金融发展水平可能会正向或负向调节绿色金融改革创新试验区对近地面臭氧污染的降低效果。基于上述理论分析，该研究提出以下具有竞争性的假说。

假说5a：金融发展水平能显著降低近地面臭氧污染。

假说5b：金融发展水平能显著增加近地面臭氧污染。

假说6a：金融发展水平在绿色金融改革创新试验区降低近地面臭氧污染的过程中发挥了正向调节作用。

假说6b：金融发展水平在绿色金融改革创新试验区降低近地面臭氧污染的过程中发挥了负向调节作用。

基于上述分析，构建出绿色金融改革创新试验区影响臭氧污染的研究设计框架，如图1所示。

图1 绿色金融改革创新试验区影响臭氧污染的研究设计框架

3 模型设定与数据说明

3.1 模型构建

截至2022年6月，中国共设立两批绿色金融改革创新试验区，分别为2017年6月首批设立的贵安新区（贵阳市与安顺市）、衢州市、湖州市、赣江新区（南昌市与九江市）、广州市、昌吉州、哈密市、克拉玛依市，以及2019年11月第二批设立的兰州新区（兰州市）。该研究旨在研究首批绿色金融改革创新试验区中涉及的8个城市（昌吉州与哈密市因数据缺失严重而剔除）的近地面臭氧污染是否得到有效治理。通过将绿色金融改革创新试验区看作一次准自然实验，利用双重差分（DID）模型开展政策实施效应评估。DID模型通过对政策实施前后进行时间趋势上的差分及对实验组和对照组之间进行政策实施与否的差分，以剔除随时间变化及不可观测的其他因素，从而识别出政策实施的净效应［37］。该研究主要基于2017年的试验区城市样本，将2017年首批设立的绿色金融改革创新试验区涉及的8个城市定义为实验组，其余城市定义为对照组（部分城市因数据缺失严重而剔除，包括昌都、儋州、济源、莱芜、林芝、日喀则、山南和诸暨等）。该研究通过215个城市2014—2019年的面板数据，将2018年设为政策处理时点，构建基准DID模型如下：

其中：Emissionit表示城市i在第t年的臭氧污染。Policyit=Treati×Periodt，Treati表示绿色金融改革创新试验区的政策虚拟变量，若该城市是政策试点地区，取值为1，否则取值为0；Periodt表示政策试点前后的时间虚拟变量，政策试点期间取1，非试点期间取0。Xit表示控制变量矩阵，包括经济发展水平（Deve）、公路里程数（Road）、产业结构水平（Structure）、人口密度（Population）、机动车保有量（Cars）、受教育水平（Edu）和能源生产水平（Energy）。μi、νt、εit分别表示个体固定效应、时间固定效应和随机扰动项。β1表示政策虚拟变量与时间虚拟变量的交互项的系数，即政策效应。若β1显著为负，则表示绿色金融改革创新试验区可以降低近地面臭氧污染。

此外，进一步构建包含交互项的DID模型如下：

其中：FDIit表示城市i在第t年的外商直接投资；Financeit表示城市i在第t年的金融发展水平。Policyit×FDIit表示外商直接投资和双重差分项的交互项；Policyit×Financeit表示金融发展水平和双重差分项的交互项。

3.2 数据说明

被解释变量为近地面臭氧污染。数据来自全国城市空气质量实时发布平台，由日度数据整理为年度数据。

核心解释变量Policyit为政策虚拟变量与时间虚拟变量的交互项，用于设定DID模型中的不同试点地区与政策发生前后时间。若某城市在某年实行了绿色金融改革创新试验区政策，则解释变量取值为1，否则取值为0。

调节变量分别为：①外商直接投资（FDI）。外商直接投资可能给当地带来“污染光环”效应或“污染天堂”效应，进而影响当地的空气质量［30-31］。选用各城市实际利用外资金额的自然对数衡量外商直接投资。②金融发展水平（Finance）。金融发展水平通过提高金融效率及减少资源错配，影响城市的臭氧污染程度［38］。选用金融行业从业人员占比的自然对数衡量金融发展水平。

控制变量分别为：①经济发展水平（Deve）。选用各城市人均GDP的自然对数来衡量当地的经济发展水平，对样本城市的经济增长与近地面臭氧浓度之间的关系进行控制，减少不同城市之间不同环境库兹涅茨拐点对分析结果的干扰［39］。②公路里程数（Road），机动车保有量（Cars）和人口密度（Population）。公路里程数通过影响机动车行驶时间与道路拥堵情况等因素来影响机动车排放量，进而影响近地面臭氧浓度。王鑫龙等［40］的研究表明，人均机动车保有量与人口密度会对当地近地面臭氧浓度造成显著影响。因此，该研究在已有研究的基础上，将公路里程数，机动车保有量和人口密度作为控制变量纳入模型，并将其分别进行自然对数处理。③产业结构（Structure）。工业生产是臭氧等大气污染的重要来源之一［41］。因此该研究选用各城市第二产业增加值占GDP的比重来控制地区工业发展对近地面臭氧浓度造成的影响。④受教育水平（Edu）。一个城市的受教育水平会在一定程度上影响当地的人力资本。人力资本作为创新研发的重要基础，能够引导结构优化和技术转型，促使经济运行向绿色增长路径转型并在一定程度上提高政策实施效率［42］。同时受教育水平也会影响当地居民的环境保护意识，进而影响当地的大气污染水平［43］。该研究选用各城市财政支出中教育支出的自然对数来衡量当地的受教育水平。⑤能源生产水平（Energy）。能源生产过程中造成的排放是大气污染的重要来源之一［44］。李繁荣等［45］的研究指出能源生产对环境造成污染，特别是大气污染，并指出优化能源的生产与消费是推动绿色发展的重要方式。选用能源行业从业人员占比的自然对数来衡量当地的能源生产水平。

以上各个控制变量指标与数据均来自2014—2019年《中国城市统计年鉴》《中国区域经济统计年鉴》《中国统计年鉴》等，剔除了数据缺失严重的样本，部分缺失数据用插值法进行补全。变量的描述性统计见表2。

表2 变量的描述性统计

4 实证结果与分析

4.1 平行趋势检验

DID模型要求样本对照组和样本实验组满足平行趋势假设，从而保证估计量的无偏。具体而言，在该研究的基准回归模型中，平行趋势假设是指在绿色金融改革创新试验区政策实施之前，试点城市和非试点城市近地面臭氧浓度的情况在时间趋势上应大体一致。而在政策实施之后，实验组和对照组的平行趋势应被打破，试点城市的近地面臭氧浓度相对非试点城市出现了趋势上的显著变化特征。平行趋势检验结果如图2所示，其中横轴表示年份，纵轴表示城市近地面臭氧浓度的均值，实线表示政策试点城市近地面臭氧浓度平均值的年度变化趋势，虚线表示非政策试点城市近地面臭氧浓度平均值的年度变化趋势。图2结果表明，在绿色金融改革创新试验区政策实施之前（2018年之前），试点城市与非试点城市的近地面臭氧浓度均值保持平行趋势。而在试点政策实施之后，试点城市的近地面臭氧浓度均值开始显著低于非试点城市，这种趋势持续至样本期结束。以上分析表明，所用基准回归模型的平行趋势假设成立，可以开展分析。

图2 绿色金融改革创新试验区政策实施前后城市臭氧平均浓度

4.2 全样本和分区域样本的基准回归结果

表3的回归结果表明，绿色金融改革创新试验区显著降低了城市近地面臭氧浓度，在一定程度上减缓了环境污染。表3中列（1）—列（3）呈现了全样本回归结果：在基准模型中控制城市和时间效应后能够更加准确地提炼出政策效应；在控制了城市层面多种客观因素和不客观因素后，双重差分项系数在1%的水平上显著为负，说明试点政策降低了近地面臭氧污染，假说1（绿色金融改革创新试验区能显著降低近地面臭氧污染）得到验证。

关于控制变量，基于全样本的回归结果表明，人口密度、机动车数量对近地面臭氧浓度的增加均有促进作用，即人口规模的增大和人均机动车保有量的增多会加剧臭氧污染，恶化空气质量，与理论预期相符。

考虑到分区域样本中，部分区域的样本量较少，可能带来估计效度的问题，因此在全样本基准回归的基础上，使用合成控制法（SCM）对政策效应的区域异质性进行分析。基准回归采用的政策评估方法，即双重差分法，在分区域样本中具有一定的局限性，主要体现在：实验组相比于对照组的样本数量过少，对照组未进行匹配筛选等因素可能造成政策内生性问题。王修华等［16］和Zhang等［10］运用双重差分与倾向得分匹配的方法开展了相应研究；苏治等［46］的研究中采用了合成控制法取代双重差分法与倾向得分匹配法。合成控制法相对于双重差分法、倾向得分匹配法的优势在于：①作为一种非参数的方法，扩展了传统的双重差分法。②通过数据驱动确定权重，减少了主观选择的误差，避免了政策内生性问题。③可以对单个研究个体提供与之对应的合成控制对象，避免平均化的评价。鉴于以上原因，进一步采用合成控制法进行区域异质性分析。

分别对东部、中部、西部三个区域样本中的单个实验组使用合成控制法进行分析。选取各自区域样本集合内其他的非试点城市作为控制组，使用合成控制法对控制组中的样本进行筛选和赋予权重，构造一个与实验组在政策处理前类似的合成控制对象，进而开展政策评估。如图3—图5所示，各组在2018年之前的拟合效果都较好，2018年后，实验组样本的近地面臭氧浓度显著下降，合成控制组样本的近地面臭氧浓度有上升趋势，说明绿色金融改革创新试验区可以降低近地面臭氧浓度，DID模型估计结果较好。对于东部地区而言，试验区政策在湖州对臭氧污染治理的效果并不好，但在广州和衢州对臭氧污染治理的影响较为显著（图3）。对于中部地区而言，试验区政策在南昌和九江对臭氧污染治理的影响都较大（图4）。对于西部地区而言，试验区政策在安顺对臭氧污染治理的影响较为显著，在贵阳和克拉玛依对臭氧污染治理的影响相对于安顺而言较弱（图5）。假说2（不同地理区域的绿色金融改革创新试验区对近地面臭氧污染的影响存在异质性）得到验证。

图3 湖州、广州和衢州的合成控制法结果

图4 南昌和九江的合成控制法结果

图5 贵阳、安顺和克拉玛依的合成控制法结果

4.3 调节效应的全样本分析

外商直接投资与金融发展水平等地区间差异可能会影响绿色金融改革创新试验区政策的实施效果。对此，在模型（2）和模型（3）中通过设置外商直接投资、金融发展水平分别与双重差分项的交互项，考察绿色金融改革试验区对城市近地面臭氧浓度的异质性影响。

外商直接投资的差异。外资流入的环境溢出效应具有不确定性。一方面，“污染光环”假说认为，外商直接投资可以为东道国带来更为先进的发展理念、更加顺应企业的管理制度及更为高效的生产技术，提高生产效率，改善环境质量［30］。另一方面，“污染天堂”假说认为，东道国可能面临较低的环境规制水平等因素导致劣质外商直接投资的大量涌入，进而增加环境负担［31］。选用各城市实际利用外资金额的自然对数衡量外商直接投资（FDI），在基准回归模型中纳入外商直接投资和双重差分项的交互项（Policy×FDI）。表4中列（1）—列（3）的回归结果表明，政策主效应显著为负，外商直接投资的系数并不显著，而交互项系数显著为正。该研究的模型回归结果表明，绿色金融改革创新试验区在样本期内的外商直接投资本身并不会对臭氧污染直接造成显著的“污染天堂”效应，但外商直接投资的增长不利于绿色金融改革创新试验区对臭氧污染的治理，间接造成“污染天堂”效应。这是因为面对外商直接投资的激励时，地方政府在外商直接投资与环境管制的博弈中存在选择外商直接投资而放松环境管制的现象，进而影响政府环境政策的效率［32-33］。假说4b（外商直接投资在绿色金融改革创新试验区降低近地面臭氧污染的过程中发挥了负向调节作用）得到验证。

金融发展水平的差异。城市金融发展水平的提升直接优化了辖区内企业资源配置能力，尤其有助于降低高污染、高耗能企业的资源错配率，提高企业生产效率，降低非期望产出，最终改善城市环境质量［38］。因而金融发展水平的提升可以使得绿色金融改革创新实验区的政策效应更加显著。该研究选用金融行业从业人员占比的自然对数（Finance）衡量金融发展水平，并在基准回归模型中纳入金融发展水平和双重差分项的交互项（Policy×Finance）。表4中列（1）、列（4）和列（5）的回归结果表明，政策主效应显著为负，金融发展水平的系数并不显著，而交互项系数显著为负。该研究的模型回归结果表明，虽然金融发展水平本身对臭氧污染没有显著影响，但是在金融发展水平较高的城市，绿色金融改革创新试验区政策对臭氧污染的改善效果更好。这是因为对于绿色金融改革创新试验区而言，更高的金融发展水平意味着更高的金融效率，金融发展水平对绿色金融政策的臭氧污染治理效果具有促进作用［10，35-36］。假说6a（金融发展水平在绿色金融改革创新试验区降低近地面臭氧污染的过程中发挥了正向调节作用）得到验证。

表4 全样本的交互效应回归结果

4.4 调节效应的区域异质性分析

由于东部地区与中西部地区在外商直接投资与金融发展水平上有显著异质性，该研究在对全样本分析的基础上，进一步对东部与中西部两个分区域样本进行异质性分析，回归结果见表5。关于外商直接投资效应，在东部地区和中西部地区政策主效应全部显著为负，外商直接投资的系数并不显著；而交互项系数在东部地区显著为正，在中西部地区显著为负。这说明外商直接投资本身对臭氧污染没有显著影响。但是，在东部地区，外商直接投资的增长不利于绿色金融改革创新试验区对臭氧污染的治理，间接造成“污染天堂”效应；在中西部地区，外商直接投资的增长有利于促进绿色金融改革创新试验区对臭氧污染的治理，间接带来“污染光环”效应。一方面，东部地区的经济发展水平高，生产要素完备，相比于中西部地区的绿色金融改革创新试验区，清洁型与污染型等各类外商更有动力在东部地区的绿色金融改革创新试验区进行投资与生产，进而造成“污染天堂”效应［31］。因此，在东部地区，外商直接投资对绿色金融改革创新试验区抑制臭氧污染存在显著的负向调节作用。另一方面，中西部地区产业结构与企业技术水平相较东部地区较差，外商直接投资可以为中西部地区的绿色金融改革创新试验区带来技术升级与产业结构升级，进而实现“污染光环”效应［30］（表5）。因此，在中西部地区，外商直接投资对绿色金融改革创新试验区抑制臭氧污染存在显著的正向调节作用。

关于金融发展水平，在东部地区和中西部地区政策主效应全部显著为负，外商直接投资的系数并不显著；而交互项系数在东部地区显著为负，在中西部地区并不显著为负。这说明金融发展水平本身对臭氧污染没有显著影响。但是，在东部地区，金融发展水平的提升强化了绿色金融改革创新试验区对臭氧污染的治理效应；在中西部地区，金融发展水平的提升并不会显著增强绿色金融改革创新试验区对臭氧污染的治理效应。一方面，相比于中西部地区，东部地区的整体经济发展水平较高，金融发展水平较高，有助于提高绿色金融改革创新试验区的金融效率并减少资源错配率，进而通过提高企业生产效率并降低非期望产出，最终改善臭氧污染治理情况［38］。因此，在东部地区，金融发展水平对绿色金融改革创新试验区抑制臭氧污染存在显著的正向调节作用。另一方面，相比于东部地区，中西部地区的经济发展相对滞后，金融发展水平不高，对绿色金融改革创新试验区的金融效率提高可能并不显著（表5）。因此，在中西部地区，金融发展水平对绿色金融改革创新试验区抑制臭氧污染并不存在显著的正向调节作用。

表5 分区域的交互效应回归结果

5 稳健性检验

5.1 基于事件研究法的稳健性检验

平行趋势假设是DID模型的重要假设之一，在该研究中平行趋势假设体现为在试点政策前后，实验组与对照组的近地面臭氧浓度具有类似平行变化的趋势。平行趋势检验的方法，主要包括王修华等［16］的研究中采用的平行趋势图法或图像观察法，及韩永辉等［47］的研究中采用的事件研究法两种方法。参考徐佳等［48］的研究中采用平行趋势检验作为稳健性检验，为了保证DID模型回归结果的无偏性，在采取平行趋势图法的基础上，运用事件研究法进一步检验平行趋势假设，具体计量模型如下：

其中：Beforex、Currentt、Postt分别表示政策处理前、中、后时点的虚拟变量与处理组虚拟变量的交互项，Periodt表示政策处理时点的虚拟变量，Xit表示控制变量矩阵。选用试点政策实施前一期为模型的基准组，为了消除多重共线性，剔除政策处理前一年的Beforex交互项。

表6与图6汇报了事件研究法回归结果与回归系数及其对应的95%置信区间。可以看出，试点政策实施前，回归系数均不显著异于0，而政策实施后的回归系数显著，符合平行趋势假设。

图6 基于事件研究法的平行趋势检验

表6 基于事件研究法的稳健性检验

5.2 替换被解释变量的稳健性检验

为了检验绿色金融改革创新试验区试点政策是否对多种大气污染都存在降低效应，选取二氧化硫（SO2）、二氧化氮（NO2）两种大气污染物衡量指标替换被解释变量。如果绿色金融改革创新试验区对其他大气污染也存在降低效应，则说明绿色金融改革创新试验区对臭氧污染的降低效应并不是由其他偶然因素引起的。表7汇报了替换被解释变量的回归结果。回归结果表明，在控制一系列影响因素后，样本期内绿色金融改革创新试验区对NO2有降低效应，对SO2并不存在显著影响。从臭氧的形成机制来看，近地面臭氧污染是在高温光照条件下，由机动车、发电厂、燃煤锅炉和水泥炉窑排放的NOx，及机动车和石化工业排放的有机溶剂所产生的VOCs，在光照太阳辐射的催化作用下产生的［49］。因此，NO2的降低与臭氧污染的降低存在显著的协同性，这进一步证明了基准回归结果的稳健性。

表7 替换被解释变量的稳健性检验结果

5.3 基于安慰剂检验的稳健性检验

由于基准回归结果可能受遗漏变量、随机因素等不可观测因素的影响，该研究借鉴已有文献［50-51］的做法，通过在215个样本城市中随机筛选8个绿色金融改革创新试验区，构造了对实验组选择的随机反事实实验，并根据实验得到的估计系数与t值判断结论的可靠性。为进一步增强安慰剂检验的效力，将上述随机实验重复1 000次，绘制出反事实估计系数与t值的概率密度图，在此基础上，验证臭氧污染的降低效果是否显著受到除绿色金融改革创新试验区政策外的其他因素的影响。若随机处理情况下，反事实的估计系数与t值分布在0附近，则意味着基准回归中识别出的影响效应的确是由于绿色金融改革创新试验区政策发生带来的结果。检验结果如图7所示，随机处理后的估计系数与t值集中分布于0附近，表明臭氧污染的治理效果不是由其他不可观测的因素造成的，在模型设定中并不存在严重的遗漏变量问题，基准回归结果依然稳健。

图7 随机处理后的估计系数与t值分布

5.4 控制其他环境政策影响的稳健性检验

绿色金融改革创新试验区试点政策实施前后推行的其他国家级环境政策也可能会对臭氧污染造成影响，因此借鉴已有文献［52］的方法，收集并整理了2018年前后与绿色金融改革创新试验区试点城市相关的国家级环境政策，包括《国家生态文明先行示范区建设方案》《国家低碳城市试点工作的通知》。通过在基准回归方程中加入两个同期的环境政策的虚拟变量与时间趋势的交互项，控制回归结果中两个环境政策对臭氧污染的影响。表8汇报了控制其他环境政策影响的回归结果。从表8中列（4）可以看出，在加入了其他环境政策的交互项后，绿色金融改革创新试验区政策虚拟变量系数与列（1）中基准回归结果相差不大，并且两个同期环境政策的系数均不显著，表明绿色金融改革创新试验区对臭氧污染的降低效应受其他环境政策的影响较小，说明基准回归结果稳健。

表8 控制其他环境政策影响的稳健性检验结果

5.5 基于臭氧季度数据的稳健性检验

该研究选取的臭氧浓度数据来自全国城市空气质量实时发布平台的各地臭氧实时监测数据。根据《环境空气质量标准》（GB3095-2012），臭氧纳入监测的实施时间分为“四步走”：2012年，在京津冀、长三角、珠三角等重点区域及直辖市和省会城市开展臭氧监测；2013年在113个环境保护重点城市和环保模范城市开展监测；2015年在所有地级以上城市开展监测；2016年全国各地都要按照该标准监测和评价环境空气质量状况，并向社会发布监测结果。直至2015年前后，全国各城市才完成开展臭氧监测工作。因此选取的样本期只有2014—2019年。为了进一步捕捉臭氧浓度变化的时间规律、得到更稳健的结论，收集2014—2019年各季度臭氧浓度的季度数据，运用双重差分法进行稳健性检验。

表9汇报了以季度数据为样本的回归结果，表明：将年度样本数据替换为季度样本数据后，Policy的系数仍显著为负。加入了季度固定效应后，估计系数绝对值比基准回归中的结果更小，这表明年度数据可能掩盖了一年中不同季度的臭氧浓度变化趋势、将各季度的臭氧浓度差异加总，使得基准回归的估计系数偏大。在此基础上加入城市-年度交互固定效应后，估计系数绝对值进一步变小，且显著性变弱，说明臭氧浓度会在一定程度上受到交互固定效应的影响。季度数据的回归结果仍显著为负，表明基准回归的结果是稳健的。

表9 臭氧季度数据样本的稳健性检验结果

6 结论与政策建议

绿色金融改革创新试验区是中国人民银行、银监会等部委，响应国家发展绿色金融以促进生态文明建设并实现经济转型发展的指导意见而提出的试点政策。该研究围绕首批绿色金融改革创新试验区对臭氧污染的影响效应展开讨论，实证分析了首批绿色金融改革创新试验区对臭氧污染的影响效应，并进一步探究了影响效应的区域异质性，及外商直接投资与金融发展水平对绿色金融改革创新试验区影响臭氧污染的调节作用。主要结论如下。

（1）在样本期内，绿色金融改革创新试验区可以显著降低近地面臭氧污染。不同地理区域的绿色金融改革创新试验区对近地面臭氧污染的影响存在异质性。

（2）在全国层面和东部地区的样本中，外商直接投资本身并不会直接造成显著的“污染天堂”效应，但外商直接投资的增长不利于绿色金融改革创新试验区对臭氧污染的治理，间接造成“污染天堂”效应。但在中西部地区，外商直接投资的增长有利于促进绿色金融改革创新试验区对臭氧污染的治理，会间接带来“污染光环”效应。

（3）在全国层面和东部地区的样本中，虽然金融发展水平本身对臭氧污染没有显著影响，但是在金融发展水平较高的城市，绿色金融改革创新试验区政策对臭氧污染的改善效果更好，即金融发展水平的提升强化了绿色金融改革创新试验区对臭氧污染的治理效应。但在中西部地区，金融发展水平的提升并不会显著增强绿色金融改革创新试验区对臭氧污染的治理效应。

绿色金融改革创新试验区设立时间较短，在发展中仍存在政策协同性不足、组织协调能力有待加强等体制机制上的一些问题，需要持续加强制度体系建设。该研究对于进一步完善中国绿色金融改革创新试验区政策，降低城市臭氧污染水平具有重要的指导意义。根据研究结论，相关政策建议主要体现在以下四个方面。

第一，近地面臭氧既是大气污染物，又是温室气体。建立绿色金融改革创新试验区对臭氧污染的降低效果表明，通过逐步推广绿色金融改革创新试验区的实施范围，有利于推动臭氧污染治理，增强绿色金融改革创新试验区的环境治理间接效应，推动大气污染物和温室气体协同减排目标的实现。

第二，绿色金融改革创新试验区影响臭氧污染的区域异质性表明，各试验区应根据经济发展水平、资源环境状况及产业结构水平，以成本有效性为前提构建推动绿色金融政策落地的短中长期政策智慧库，因地制宜探索绿色金融改革创新试验区与大气污染治理目标的区域匹配性，探索富有地区特色的绿色金融创新之路。

第三，外商直接投资对绿色金融改革创新试验区降低近地面臭氧污染具有负向调节作用，一定程度上造成“污染天堂”效应。因此，亟须合理制定招商引资政策，严防“污染天堂”效应。地方政府在落实绿色金融政策的同时，需要通过合理制定招商引资政策，防止外商进行高污染性投资；通过鼓励外商引导当地产业结构优化升级，进而形成“污染光环”效应。东部地区应更加注意防范外商污染性投资，保障环境保护与经济高质量发展并行。由于中西部地区的产业结构与技术水平比东部地区相对滞后，可通过吸引外商投资，实现产业发展迭代升级，进而发挥“污染光环”效应。

第四，金融发展水平对绿色金融改革创新试验区抑制臭氧污染具有正向的调节作用，并且分区域结果表明在东部地区的调节作用显著。因此，亟须持续优化区域金融生态环境，提升金融服务发展水平，提高绿色金融政策效率。东部区域金融发展水平较高，在进一步扩大规模的同时应更加注重提升政策效率，促进绿色金融高质量发展。由于中西部地区金融发展水平相对较低，应根据金融市场现状适当扩张金融规模，推动本地绿色金融政策产生降低臭氧污染的效果。