中国碳金融发展水平测度及影响因素分析

郑群哲

（江西工程学院，江西 新余 338000）

一、引言

目前，中国碳金融取得重大突破，碳金融市场制度运行顺利、定价机制日趋健全。据中国人民银行研究局调查数据显示，截至2021年7月，全国碳排放配额(CEA)累计成交439.68万吨，累计成交金额达2.26亿元，已成为全球碳排放规模最大的市场。但是，中国碳金融仍面临发展深度与广度不足的挑战。深度层面，碳金融交易平台运营滞后、中介市场不完善问题不断加剧[1]。广度层面，尽管碳排放权交易体量已覆盖2000多家控排企业，但碳排放总量在全国占比不足40%，整体运行效果欠佳。在此背景下，深入开展碳金融发展水平测度研究不仅能推进中国碳排放权交易市场建设，还能为碳金融整体发展提供科学决策。

国内学术界对碳金融发展水平及影响因素进行大量研究。范丹等(2017)采取双重差分法检验中国碳交易权政策效果，发现不同试点间效果明显不同，非试点省份的减排灵活度与经济红利仍有上升空间[2]。李丽等(2018)认为碳金融发展水平与第三产业在GDP占比的相关性较高，且碳金融发展良好的区域能快速优化产业结构[3]。王勇、赵晗(2019)认可中国启动碳交易市场能提升各地碳排放效率，但建立碳交易试点后，各省间碳排放差距进一步拉大[4]。陈智颖等(2020)发现中国碳金融发展水平总体呈逐年增长态势，但动态演化不够稳定，且各地碳金融发展水平失衡[5]。虽然有不少学者对碳金融发展水平进行了较为充分地研究及分析，但对于影响碳金融发展的影响因素分析不够充分，同时在计算中国碳金融发展水平测度时，存在测度指标构建差异问题。鉴于此，文章在借鉴上述研究成果基础上，构建中国碳金融发展水平测度指标体系，借助时序多指标模型确定指标权重，计算2014-2019年中国省域碳金融发展指数，最后运用面板数据模型研究碳金融发展水平的影响因素。

二、中国碳金融发展水平测度

1.指标体系构建及数据来源

文章借鉴朱娟(2012)[6]、朱天真等(2017)[7]等对中国区域碳金融发展水平测度的研究，从金融环境、能源效率、科技发展三个层面设计指标体系的基准层。按照合理性、代表性及可获得性原则选取指标，用金融业增加值占比、金融领域产业增加值、碳排放贷款额度、碳排放强度、能源消费弹性系数、研发经费占比、科技进步贡献率建立指标层，具体测算方法见表1。测度对象选取上，以2014—2019年中国30个省份（西藏和港澳台地区除外）为研究对象。数据来源于2014—2019年Wind咨询、CEADs以及《中国统计年鉴》历年发布的数据。

2.中国碳金融发展水平测度结果

根据上述表1中指标，为高精度测算各指标时间序列，借助时序多指标模型对7项核心指标进行测度分析。首先，对碳金融核心指标间加权向量进行统计与计算，然后对加权向量取几何平均数，将其作为统一加权向量，以Xy*表示。计算结果显示，7项核心关键指标按照重要程度排序依次为X1、X5、X6、X2、X3、X7、X4。其中，“金融增加值”的权重值高达0.468，说明该指标在中国碳金融发展中贡献最大。“碳强度”的权重仅为0.192，说明该指标在中国碳金融发展中贡献最小。2014—2019年碳金融各项指标的加权向量合集、全样本的加权向量合集分别是：

表1 中国碳金融发展水平测度指标体系

x2014={0.425，0.378，0.222，0.203，0.411，0.395，0.235}

x2015={0.451，0.498，0.232，0.278，0.436，0.386，0.245}

x2016={0.445，0.498，0.224，0.273，0.441，0.391，0.255}

x2017={0.475，0.399，0.242，0.283，0.453，0.396，0.257}

x2018={0.428，0.468，0.252，0.268，0.451，0.401，0.263}

x2019={0.456，0.488，0.272，0.228，0.462，0.411，0.272}

xy*={0.439，0.468，0.192，0.272，0.436，0.397，0.268}

参考曾涛和刘红升(2021)[8]的研究方法，通过对2014—2019年中国30个省份碳金融发展水平进行综合评价，并依据赋分值划分水平层级。省域碳金融发展水平可划分为5个层级：第1层级表示旗舰领头型省域（前6名）、第2层级表示高速发展型省域（7~12名）、第3层级表示中速发展型省域（13~18名）、第4层级表示低速发展型省域（19~24名）、第5层级表示滞后型省域（25~30名）。每个层级所代表的省域碳金融发展水平依次降低，竞争优势也依次减弱，结果见表2。

根据表2可知，2014—2019年各省份碳金融发展水平层级与排名呈波动变化状态，且各省份的层级波动幅度不尽相同。从动态纵向来看，各省份排名变动幅度较小。其中，海南、江西、湖南的层级名次不断上升，而安徽和新疆不断下降。这表明海南等省份的低碳化程度越来越高，而安徽和新疆的低碳化产业发展缓慢，面临一定的碳金融发展困境。值得一提的是，北京碳金融发展水平持续升高且始终排名首位，6年间碳金融发展水平提高近一倍。究其原因，一方面，北京积极响应国家号召，最大化落实节能减排政策、调整产业结构、优化碳金融信贷结构。另一方面，北京碳金融体系较为完善，碳金融交易市场发达，有效带动地区碳金融发展[9]。从静态横向层级排名来看，北京、上海、广东、福建、浙江和天津牢牢占据第1层级。多数省份的碳金融发展水平相对稳定，长期在同一层级内，少数在第2层、第3层波动或在第3层、第4层波动。第5层级中长期出现的省份有新疆、宁夏、河北、内蒙古和山西，偶尔会出现黑龙江与河南。其中，新疆、内蒙古及宁夏在祖国西部，由于人才与自然资源匮乏、教育资源薄弱、政策制度不健全、基础设施紧缺等原因限制该区域市场科学配置资源。而山西省属于资源型城市，能源种类多、储量大且能源开采产量大，但产业结构单一，碳金融发展存在局限性[10]。可见，第5层级各省金融业发展对产业结构整顿、低碳化及区域经济发展的促进作用有限，致使碳金融发展水平长期处于滞后状态。

表2 2014—2019年中国省域碳金融发展指数

结合中国目前发展现状、各个地区的发展特点与地理环境，文章根据国务院智囊机构的区域划分构想，将30个省份归为八大经济区，分别是北部沿海地区、东北地区、黄河中游地区、东部沿海地区、长江中游地区、南部沿海地区、西南地区以及大西北地区。根据上述计算方法，同理可计算出各区域2014—2019年综合发展指数平均值，并绘制成各地区的碳金融发展水平变化图，如图1。

图1 2014—2019年八大经济区碳金融发展水平

中国各区域碳金融发展水平整体呈连续增长趋势，部分地区存在差距。其中北部沿海地区、长江中游地区以及黄河中游地区的碳金融发展水平大幅增长；东部沿海地区和南部沿海地区虽有上升趋势但较为缓慢；西南地区、东北地区及大西北地区的变化幅度相对偏小。沿海地区由于经济发展较为发达，依托良好的地理位置和交通基础，为金融发展提供了良好基础。例如北京、天津、上海、浙江、江苏等地是中国经济的佼佼者，有力地带动了沿海地区碳金融水平的提升，同时山东、河北等省份也极具经济发展潜力。在温室效应逐渐严重的情况下，沿海地区发展碳金融和减少碳排放的需求更加强烈。但由于原始碳排放量较大，东部沿海地区和南部沿海地区的碳金融发展水平提升速度较为缓慢。长江中游地区与黄河中游地区虽然没有沿海地区的地理位置优越，但与经济发展良好的地区距离较近，能够在绿色技术与金融资源方面进行交流与传递，进而提升碳金融发展水平。东北地区属于老工业基地，以牺牲环境发展当地金融，导致转变经济结构较为困难。东北地区执行绿色信贷的力度较差，对碳金融发展趋势不够重视，导致碳金融与当地金融发展的衔接度不足。西南地区和大西北地区的经济发展较为落后，难以第一时间精准落实最新经济政策，阻碍碳金融快速发展。

三、中国碳金融发展影响因素分析

1.影响中国碳金融发展的因素

中国碳金融发展水平整体不高，且表现出明显的区域异质性。碳金融在低碳经济发展中具有不可估量的作用，故有必要分析碳金融发展的深层次影响因素，揭示区域差异性原因并为缩小区域差距提供参考。然而中国碳金融发展会受到多种因素影响，但目前专家学者对其归纳不一。通过梳理现有文献，文章将中国各省份每年碳金融发展水平(CFIN)设为被解释变量，并选择碳金融研究领域中最常用的指标进行研究分析，具体包括：城镇登记失业率(UUR)[11]、工业增加值(IO)[12]、CDM项目数(CDM)、新能源公交车运营数(NEB)[13]、工业污染治理完成投资(IPCCI)和城市造林覆盖率(LH)，详见表3。以上变量数据主要来自历年《中国统计年鉴》《金融统计年鉴》《中国能源统计年鉴》以及30个省份各自的统计年鉴。

表3 中国碳金融发展水平影响因素表

2.描述性统计

为分析数据的集中性和离散性，对2014—2019年各变量进行描述性统计，见表4。全国碳排放发展水平的均值、最大值和最小值分别是-0.0085、2.2258和-0.6489，说明碳金融整体发展水平偏低。各变量的标准差整体偏低，说明样本数据的统计量比较接近整体参数值，具有良好的代表性和可靠性。

表4 相关变量描述性统计分析

3.模型构建与结果分析

文章将选取30个省份在2014—2019年6年间的碳金融发展水平面板数据作为研究样本，建立面板数据模型：

式中，i=1，2，…，30，分别表示中国30个省份样本；t=2014，2015，2016，2017，2018，2019。

在设定模型之后，采取F检验与Hausman检验法对全国与八大经济区进行检验。最终，全国与北部沿海地区、长江中游地区、黄河中游地区、东部沿海地区、南部沿海地区的P值均小于5%，表明应选用固定效应模型。西南地区、东北地区及大西北经济区的P值均大于5%，说明应选用随机效应模型。

Panel Date固定效应模型对全国碳金融发展影响因素的检验结果如表5所示。导入全国数据后模型(1)的R2达到97.19%，非常接近1，表明面板数据模型具有较高的拟合效果。F统计值是0.0000，表明面板模型具有显著性。D.W值是1.8954，与2之间的差距较小，表明回归结果并未出现残差序列自相关问题。各影响因素的标准误差均小于0.1，表明回归系数值的可靠性、稳定性较高。城镇登记失业率(UUR)、工业增加值(IO)、CDM项目数(CDM)、新能源公交车运营数(NEB)、工业污染治理完成投资(IPCCI)和城市造林覆盖率(LH)的P值均小于5%，说明文章选取的六个指标因素对全国碳金融发展水平具有显著影响。其中，CDM、NEB、IPCCI、LH的系数均大于零，表明此4项影响因素分别对碳金融发展发挥着正面影响作用。UUR、IO均负向影响全国碳金融发展水平，说明此2项影响因素增加，碳金融发展水平会降低。其中，城镇登记失业率的回归系数是-0.0790，说明当全国失业率每增长1%，碳金融会下降0.0790%。

表5 Panel Date固定效应模型的全国碳金融发展水平回归结果

因地制宜地探讨每个经济区的碳金融发展水平，采用固定效应与随机效应的面板模型分别对各区域进行回归，进而考察每个区域的主要影响因素、影响程度与方向（表6）。八个经济区域碳金融发展水平的回归拟合度均较好，其中东北地区的R2是98.89%，说明面板数据模型的回归结果可对八个经济区域碳金融发展水平进行良好解释，可得出以下结论：

表6 八大经济区域碳金融发展水平回归结果

城镇登记失业率(UUR)对黄河中游地区、长江中游地区、东北地区和西南地区的影响比较显著，具有负向关系。在碳金融发展过程中，城镇登记失业率会对中国大部分区域产生负向影响。这是因为登记失业人口增多导致区域内基础建设滞后，经济发展放缓，低碳经济政策难以落实，从而影响碳金融发展。其中，城镇登记失业率对西南地区的影响最大，系数为-1.1582，且通过1%显著性检验。若西南地区失业率增长1%，则碳金融会下降1.1582%。

工业增加值(IO)与碳金融发展之间呈现明显的抑制状态。中国各经济区工业增加值的系数均为负，表明工业增加值对碳金融发展水平具有负向影响。提高工业增加值将加剧地区废气与废水的排放，加大对环境的污染程度，影响地区碳金融发展。工业增加值对东部沿海地区和西南地区的影响程度较小，说明这两个地区工业增加值投入已接近饱和，工业发展相对完善，加大工业增加值已无法继续影响碳金融发展水平。

CDM项目数(CDM)对各地区呈现明显正向影响，但在不同区域碳金融发展水平下产生明显差异化影响，即对北部与南部沿海地区影响明显，而对其他地区影响不明显。原因是北部与南部沿海地区一二线城市较多，碳金融交易机制与市场相较于其他地区更为完善，且工业企业能更早进行CDM政策推动与落实，进一步提高该区域碳金融发展水平。碳金融发展不仅需要CDM相关政策推动，还需要各级政府层层推动与工业企业细化落实做依托。而其他地区由于经济发展、地理位置与环境因素等原因，推动CDM项目对碳金融发展水平影响不明显。

新能源公交车运营数(NEB)对碳金融发展水平呈明显促进作用，尤其是对东部沿海地区与南部沿海地区影响较深。这是因为，东部与南部沿海地区多为旅游型城市，大量外来旅游人员无疑会提高区域碳排放量。增加新能源公交车运营数对减少地区碳排放有显著影响，能促进地区碳金融发展。对于大西北地区而言，大部分城市由于地形、人口数量等原因，导致公交基础建设尚不完善，乘坐公交总人数较少，因此增加新能源公交运营数量效果不明显。对于其他经济区而言，新能源公交车运营数对地区碳金融发展水平均有促进作用但不明显，说明这些地区私家车数量与公交数量发展均衡，增加新能源公交车运营数不会带来明显影响。

工业污染治理完成投资(IPCCI)对碳金融发展影响显著，对南部沿海地区影响最为显著。由于广东与福建的电子产品加工厂、服装鞋帽等消费品工厂较多且产量较大，为保证生产数量以及控制成本，大部分工厂选择以降低环境绩效的方式提高生产效率。但这种生产方式对工业废气、废水的处理不到位，使污染更加恶劣。增加工业污染治理投资额后，工厂有更充足的资金研发与投入绿色生产技术，或在废物排放前进行有效治理，使生产环节更加低碳，进而提高碳金融发展水平。

城市造林覆盖率(LH)对北部沿海地区与南部沿海地区的影响显著，对其他地区均没有明显影响。八大经济区的城市造林覆盖率系数估计值都为正值，说明城市造林覆盖率增加可有效降低城市污染程度。北部沿海地区与南部沿海地区的系数分别为2.2512与2.5232，且均已通过1%的显著性检验，说明城市造林覆盖率每增加1%，北部、南部沿海地区碳金融分别会上涨2.2512%、2.5231%。究其原因，是因为北部沿海与南部沿海地区离海较近，绿色覆盖率高、阳光充足、环境湿润、适合多种绿色植物生长。借助多种植物共同光合作用可有效提升碳吸收能力，促进碳金融水平提高。

四、结论与建议

文章在引入中国碳金融发展水平测度体系基础上，对中国碳金融发展水平进行分析，进而分析与阐释30个省份碳金融发展水平在2014—2019年的变化与影响因素。结果显示：中国碳金融发展水平整体呈逐年上升趋势，但各区域发展存在差异。从区域来看，八大经济区中碳金融上涨幅度较大的是北部沿海地区、长江及黄河中游地区；碳金融上升速度较缓的是东部和南部沿海；碳金融基本维持不变的是西南地区、东北地区以及大西北地区。从影响因素来看，城镇登记失业率和工业增加值会抑制碳金融发展，CDM项目数、新能源公交车运营数、工业污染治理完成投资、城市造林覆盖率能促进碳金融发展。对于区域来说，各影响因素的显著度不同。城镇登记失业率对黄河中游地区、东北地区、长江中游地区和西南地区的影响更加显著；工业增加值对黄河中游地区、东部沿海地区及西南地区的影响更为明显；CDM项目数对北部沿海地区、南部沿海地区影响更显著；新能源公交车运营数对黄河中游地区、东部沿海地区、长江中游地区、南部沿海地区及西南地区的影响更显著；工业污染治理完成投资对南部沿海地区影响显著；城市造林覆盖率对北部沿海地区、南部沿海地区的影响更显著。

以上结论对提升碳金融发展的区域协调性、把握金融发展方向和掌控世界“碳定价”的话语权具有重要意义，由此提出以下建议：一是加速CDM项目落实。碳金融发展还需政府政策扶持，各个省份层层推动CDM项目细化落实，增强地区节能减排意识。二是增加新能源公交车运营数。政府有必要加大新能源公交车运营数量，减少地区碳排放，推动地区低碳发展。有关部门可宣传并推动低碳出行行动，以减少私家车数量，提高城市低碳发展水平。三是提高工业污染治理完成投资。政府可引导社会资金流入工业污染治理方面，减少地区二氧化碳气体排放，促进碳金融发展水平提高。四是提高城市造林覆盖率。政府应加大城市绿化建设以提高造林覆盖率，利用绿植辅助吸收空气中部分二氧化碳气体，降低地区碳排放率，提升中国碳金融发展水平。五是重点关注失业人口动向和创造更多就业机会。政府应加大就业机会，提供更多层面就业选择机会并关注失业人口的流向，确保留住劳动力。六是创新绿色生产技术。各区域有必要在工业方面创新绿色生产技术，减少工业废水、废气排放，提升工业增加值。政府应完善工业污染物处理流程，提高排放审核标准，确保相关工业产业在绿色技术尚未完善时减少相应的工业增加值，进而推动中国碳金融发展水平提高。