绿色金融的碳减排效应研究

陈美丽 周赛怡 胡丽艳

实现“双碳”目标是我国新发展阶段的一场重大变革，发展以绿色信贷为主体的绿色金融体系是推动“双碳”变革的必然要求。鉴于此，本文基于2006—2019年中国30个省级地区的面板数据，对碳减排效应和影响机制进行实证研究，结果表明：绿色信贷显著抑制了区域碳排放强度，并且可以通过产业优化效应间接实现其碳排放强度抑制作用;异质性分析结果可知，中部地区的绿色信贷碳减排效果相比东、西部地区更为显著，绿色信贷仅对市场化欠发达地区拥有显著的碳减排效应;各省份绿色信贷和碳排放强度存在显著的正向空间依赖性，且碳排放强度的空间相关性随着空间距离阈值的增大而逐渐缩小;绿色信贷发展对于区域碳排放强度存在正向的区域间溢出效应。

一、引言

我国政府在“十三五”规划纲要中首次引入“绿色发展”理念，要求走绿色低碳发展道路。2020年9月，在第75届联合国大会上，我国向国际社会作出“2030年前实现碳达峰、2060年前实现碳中和”的莊严承诺。在“双碳”目标框架下，大力发展绿色金融，以金融的思维、工具和办法引导更多资源要素加速流向绿色低碳产业和领域，实现对产业转型升级、构建绿色循环经济体系的撬动和促进作用，这是金融供给侧结构性改革的应有之义，也将成为未来金融建设发展的重要方向。

2012年，《绿色信贷指引》的发布，标志着绿色信贷政策的正式实施，该项政策优化了信贷结构，加大了对绿色经济、低碳经济以及循环经济的支持。据央行数据显示，截至2021年底，我国本外币绿色贷款余额高达15.9万亿元，存量规模占据全球领先地位。绿色信贷作为我国目前规模最大的绿色金融产品，是否具有显著的碳减排效应？如果有，是通过何种影响机制实现其节能减排效果？这种碳减排效果是否存在区域性差异？绿色信贷对碳排放强度是否存在空间溢出效应？本文基于2006—2019年中国30个省级地区的面板数据开展实证研究，可能的边际贡献为：一是系统研究绿色信贷对区域碳排放强度的影响并探讨其作用机制;二是基于空间视角考察绿色信贷对区域碳排放强度的空间溢出效应。

二、文献综述

（一）关于绿色金融的经济效果

绿色金融是指支持环境质量改善以及资金节约与有效运用的金融服务行为，其利用基金、碳金融、信贷等工具，把资本引入到环境保护、绿色低碳产业等项目中（王遥等，2016）。其中，绿色信贷是目前规模最大的绿色金融产品。

从宏观层面看，效果主要聚焦于与宏观经济增长、产业结构的关系，主要有两种观点：一种观点认为在长期均衡关系中，绿色金融抑制了宏观经济的发展（宁伟和佘金花，2014）;另一种观点则认为绿色金融将社会责任和环境保护利益作为发展的核心，是推动绿色经济发展的新增长点和新引擎（Liu et al.，2020）。从产业结构看，绿色信贷通过提高创新效率、优化能源结构（Lei et al.，2021），对地区经济产生积极作用（李毓，2020）。从微观主体看，从银行视角出发，考察绿色信贷对于银行金融绩效、经营成本等方面的影响（Lian et al.，2022）;从企业视角出发，研究发现绿色信贷对于企业技术进步产生积极效应 （Chu et al.，2014），且该效应在民营企业中更加凸显（孙焱林和施博书，2019）。

（二）关于碳排放的影响因素

碳排放的影响因素一直是近年来学者们关注的热点问题。许多研究基于对数平均迪式指数分解法（鲁万波等，2013）、向量误差修正模型（李凯杰和曲如晓，2012）、面板计量回归方法（张克中等，2011）、空间计量方法（Cheng Yeqing et al.，2014）和门槛模型（李小帆和张洪潮，2019）等探讨碳排放强度的影响因素。其中，鲁万波等（2013）研究发现能源强度和能源结构会对中国二氧化碳排放产生显著影响;张克中（2011）从财政分权的视角出发研究得出分权度的提高会增加碳排放;李凯杰和曲如晓（2012）以全要素生产率表征技术进步探究技术进步与碳排放的关系，结果表明长期技术进步可以抑制碳排放;Cheng Yeqing（2014）等、李小帆和张洪潮（2019）研究表明城镇化水平对我国碳排放强度具有重要影响;现有研究多从能源结构、科技创新、城镇化水平、对外开放、经济增长等视角考察碳排放强度的影响因素，但从绿色金融视角出发探究其碳减排效应的实证研究相对较少，仍存在一定缺口。

（三）关于绿色金融与碳排放

关于绿色金融与碳排放的相关研究，一部分研究注重于对当前中国绿色金融整体减排成效的评价（杜莉和郑立纯，2019），涉及绿色金融法制建设（Duan & Niu，2011）、跨国绿色金融合作（张伟伟等，2019）、碳金融市场发展（卢治达，2020）等研究领域。另一部分研究则侧重绿色金融具体业务的碳减排效应，主要关注绿色信贷。绿色信贷政策能激发“双高”行业内的退出重构与再配置，从而影响绿色信贷的资源再配置效应（Liu et al.，2019;陆菁等，2021）。苏冬蔚和连莉莉（2018）研究指出，绿色信贷特有的融资约束和激励作用能使信贷资金更多投入到节能环保型产业，而减少对环境有害型产业的投入。

通过上述对前人文献的梳理可以发现，从绿色金融视角出发探究其碳减排效应的实证研究仍存在一定缺口，而且关注绿色金融碳减排效应的研究多限于理论层面的阐述，缺乏翔实的实证支撑。本文基于2006-2019年我国30个省份的面板数据，考察绿色信贷对区域碳排放强度的影响效应和作用机制，并分析其异质性影响和空间溢出效应，以期为中国未来制定更具针对性的绿色金融发展政策提供参考和建议，研究结果对于绿色信贷如何实现区域碳减排目标具有一定的理论和实践意义。

三、理论机制和假说提出

绿色信贷政策可以通过借贷约束严格控制“两高一剩”产业，倒逼此类企业提高节能技术水平，实现绿色转型，以此推动产业结构优化升级。也就是说，绿色信贷政策能通过产业优化效应实现区域碳减排作用。

产业优化升级是降低区域碳排放强度、实现节能减排并改善生态环境的重要途径。绿色信贷政策引导银行信贷配置于不同类型企业，引导资本在不同产业之间流动，从而控制“两高一剩”产业发展。比如，对“两高一剩”产业征收带有惩罚性质的利率，使其融资成本上升、融资规模受限，将有助于引导清洁能源代替传统能源、节能环保项目代替能源浪费项目，淘汰高污染、高能耗产业，使得金融资源从污染型企业流向清洁型企业，推动地区产业结构实现优化升级。

综上所述，本文提出如下研究假设：

假设1：绿色信贷投放规模的增加能显著抑制区域碳排放强度;

假设2：绿色信贷可以通过产业优化效应抑制区域碳排放强度。

四、研究设计

（一）模型设定

为检验绿色信贷对区域碳排放的影响，构建如下基准回归模型：

其中，i代表地区，t代表年份，被解释变量CIit为各省市的碳排放强度，核心解释变量GCit表征各省市的綠色信贷发展规模，回归系数a1即反映了绿色信贷对于区域碳排放的影响，Xit为一组控制变量，为个体（地区）固定效应，为时间固定效应，则为随机扰动项。

为进一步检验产业结构优化效应在绿色信贷抑制区域碳排放强度的过程中是否承担中介变量作用，参考温忠麟（2014）的中介效应分析方法，构建如下中介效应回归模型：

其中，式（2）为绿色信贷关于中介变量的回归模型;式（3）则为绿色信贷和中介变量对区域碳排放强度的线性回归模型。表示中介效应，即表示绿色信贷通过影响中介变量间接影响区域碳排放强度。

（二）变量定义及测度

1.被解释变量，碳排放强度（CI）。碳排放强度是指单位经济产出所需的碳排放量，能够有效地反映出一个国家或地区经济发展、能源利用效率以及技术进步的水平，并且该指标在符合减少碳排放要求的同时还能兼顾保证经济增长的前提，是适用于发展中国家衡量碳减排效应的最佳指标之一（Jotze F et al.，2007;孙传旺等，2010）。本文各地区的碳排放量依据IPCC提供的碳排放系数法进行测算，公式如下所示：

其中，i、j分别表示不同能源种类和不同地区;Eji表示地区j第i种能源的消费量，能源种类包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气和天然气共9种能源;fi表示该能源的标准煤折算系数;Ci表示该能源的二氧化碳排放系数;Tj则表示各地区测算所得的碳排放量。然后，本文以各地区碳排放量与GDP的比值表示各个地区的碳排放强度，以符号CI进行表示，即

2.核心解释变量，绿色信贷（GC）。由于当前缺乏直接反映省级地区绿色信贷规模的相关数据，大多采用间接方法衡量绿色信贷指标，但银行绿色信贷数据存在不完整性、不同银行或同一银行不同时期的数据统计口径不统一的问题。因此，本文借鉴谢婷婷和刘锦华（2019）、赵娜（2021）的做法，在其基础上进行反向处理，以（1-各地区六大高能耗产业利息支出占工业产业利息总支出比重）作为绿色信贷的表征变量，以符号GC表示。该指标值越大，表示流入高能耗重污染产业的信贷资源越少，即绿色信贷规模越大。

3.中介变量。本文选取产业优化效应（ISO）作为中介变量，并参考干春晖等（2011）的做法，选取各地区第三产业产值占第二产业产值的比重来衡量产业结构高级化，简记为符号ISO。

4.控制变量。为减少因遗漏变量而导致的内生性问题，参考有关碳排放强度影响因素的文献研究，本文所选取的可能对碳排放强度产生影响的控制变量分别为：（1）人口规模（PS），选取各地区年末人口总数并对其取对数进行表征;（2）经济发展水平（ED），选取地区GDP的自然对数进行表征;（3）能源结构（EI），选取煤炭消费量占能源消费总量的比值进行表征;（4）对外开放程度（DO），选取各地区进出口总额占GDP的比值进行表征;（5）城镇化水平（UR），选取各个地区的城镇人口与总人口的比值进行表征。

（三）数据来源

本文以中国30个省（自治区、直辖市）作为研究地域，考虑到数据的可获取性和时间一致性，选取2006-2019年的面板数据作为研究样本。其中，西藏、台湾、香港和澳门由于数据缺失较为严重的问题，予以剔除。2007年，我国正式提出“绿色信贷”概念并开始试点，2012年正式实施绿色信贷政策。本文所选取的样本时期涵盖了绿色信贷政策实施前、开始试点和全面推广的完整阶段。数据主要来源于《中国统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》等公开权威年鉴。各变量的描述性统计分析结果如下表1所示。

五、实证检验

（一）基准回归结果

在对基准回归模型进行检验之前，需要进行豪斯曼检验以判断选择固定效应模型还是随机效应模型，结果显示豪斯曼检验的卡方值为19.21，p值为0.0075，表明强烈拒绝随机效应模型而选择固定效应模型进行分析。下表2报告的基准回归结果显示，绿色信贷（GC）的回归系数显著为负，这表明绿色信贷会对区域碳排放强度产生显著的抑制效应，即基准回归结果初步验证了本文的研究假设H1。

（二）稳健性检验

1.滞后回归检验。考虑到绿色信贷政策对区域碳排放强度的影响可能存在滞后性，本文使用绿色信贷（GC）的一阶滞后项（GCt-1）替代原核心解释变量进行回归，以探究滞后一期的绿色信贷是否会影响当期的碳减排效应，在一定程度上弱化了反向因果问题。检验结果如下表3第（1）列所示，滞后一期的绿色信贷与二氧化碳排放强度存在负向相关，且在5%水平上显著，该结果证实了基准回归结论具有稳健性。

2.政策冲击检验。2007年7月12日，国家环境监管部门、中国人民银行、银行业监管部门首次联合出手，出台了《关于落实环境保护政策法规防范信贷风险的意见》，就进一步贯彻我国环境保护法规，促进企业节能减排所制定的重要政策。本文选取此政策作为外生冲击事件，检验绿色信贷对区域碳排放强度的影响，以模型（3）为依据进行检验：

本文在模型中引入政策虚拟变量（PO）以检验绿色信贷政策实施对于区域碳排放强度的影响效应。将政策实施前的年份取值为0，政策实施后的年份取值为1，模型检验结果如下表3第（2）列所示。由表中结果可知，政策虚拟变量（PO）的回归系数显著为负，这表明选用绿色信贷政策来检验绿色信贷与区域碳排放强度之间的因果关系，同样证实了基准回归结论的稳健性，即绿色信贷对碳排放强度具有显著的抑制效应。

（三）异质性分析

1.城市区位异质性。不同地区在经济发展水平、政策实施规划等方面差异性较大，这些差异性特征可能使得绿色信贷发展的节能减排效应产生异质性影响。因此，为了检验这种异质性影响以便在不同地区实施更具针对性的绿色信贷政策，本文将我国共30个省份划分为中部、西部和东部地区，进行不同区域的分样本回归分析。检验结果如下表4所示，可以发现，绿色信贷仅在中部地区对碳排放强度有显著的抑制效应。可能的原因是，中部地区对于传统资源的依赖度高于东部、西部地区，经济发展相对缓慢，且碳排放强度明显高于东部地区。而绿色信贷有助于银行信贷更多地投入到具有较高生产效率和创新绩效的绿色产业中，使得那些造成环境污染和能源浪费的高污染、高能耗企业不再长期占用有限的金融资源，取而代之的是采用清洁生产技术、少投入、低污染的节能环保型企业，有利于降低区域碳排放强度。同时，实证结果也表明，绿色信贷的碳排放强度抑制效应在中部地区能发挥更大的边际效用。

2.市场化程度异质性。处于不同市场化程度的区域，其产业优化水平不同，绿色信贷的碳排放强度抑制效应也可能存在一定的差异性。为了更有针对性地考察处于不同市场化程度的区域绿色信贷碳减排作用的差异性，本文对市场化程度异质性进行检验，结果如下表4所示，在市场化程度低的区域，绿色信贷的系数显著为负;而在市场化程度高的区域，绿色信贷的系数则不显著，这表明绿色信贷对二氧化碳排放强度的抑制效应仅在市场化程度低的区域中表现显著。造成这一现象可能的原因是，由于绿色信贷规模的增加，市场化程度处于较低水平的地区获取了大量低碳节能项目发展所需要的资金支持，这些资金支持为企业开展绿色技术创新活动提供了动力，从而有效控制了二氧化碳排放。

六、机制分析

前文论证了绿色信贷对区域碳排放强度的直接影响，接下来本文将进一步探讨绿色信贷碳减排效应的作用机制。依据前文所构建的中介效应模型，本文采用逐步检验法验证中介效应（产业优化效应）是否存在。回归结果如下表5所示，绿色信贷对产业优化效应的回归系数显著为正，表明绿色信贷的增加会促进产业结构优化升级;在同时加入绿色信贷和产业优化效应的变量后，绿色信贷对碳排放强度的回归系数有所降低，且系数的显著性水平也发生变化，这说明产业优化效应在绿色信贷抑制区域碳排放强度作用中发挥部分中介效应，且中介效应值为-0.082。在绿色信贷投放规模增加的背景下，各地区通过借贷约束和融资激励倒逼高污染、高能耗产业绿色转型，实现地区产业优化升级，进而达到抑制碳排放强度的作用，验证了假说2。

七、空间溢出效应

考虑到不同省份绿色信贷和碳排放强度可能存在空间相关性，本文进一步构建空间计量模型考察綠色信贷对区域碳排放强度的空间溢出效应。构建二元邻接矩阵作为空间权重矩阵，采用Morans I指数对绿色信贷和碳排放强度进行全局空间自相关分析，并计算不同空间阈值下的碳排放强度以深入分析其空间关联特征，结果如下表6所示。由表中结果可知，各省份绿色信贷和碳排放强度存在较强的正向空间依赖性，且随着空间距离增大，Morans I指数逐渐减小，即不同省份的碳排放强度呈现小范围集聚特征。

基于空间相关性分析结果，本文接下来构建空间计量模型考察绿色信贷对碳排放强度的空间溢出效应。依次进行Hausman检验、双固定效应检验以及空间计量模型简化检验，最终选择控制时空双固定效应的SDM，回归结果如表7所示。由表中结果可知，绿色信贷的空间滞后项显著为正，且绿色信贷对碳排放强度的区域间溢出效应显著为正，即某地区碳排放强度不仅受到本地区绿色信贷发展的影响，还会受到邻近地区绿色信贷空间交互作用的影响，且该地区绿色信贷投放规模的增加会使得邻近地区碳排放强度增强。可能的原因是绿色信贷的借贷约束和融资激励使得本地区节能环保企业得到政策扶持实现进一步发展，而污染型企业的发展则受到限制，可能会向邻近省份进行转移，从而导致邻近地区碳排放强度升高。

八、结论和建议

本文基于2006-2019年30个省份的面板数据探讨绿色信贷对区域碳排放强度的影响效应和作用机制，研究结果表明：第一，绿色信贷能够显著降低区域碳排放强度，且经过稳健性检验，基准回归结果仍然成立;第二，绿色信贷通过产业优化效应间接实现其碳排放抑制作用;第三，在城市区位异质性分析中，中部地区的绿色信贷碳减排效果相比东、西部地区更为显著;在市场化程度异质性分析中，绿色信贷的碳减排效应存在明显差别，仅对市场化欠发达地区拥有显著的碳减排效应;第四，各省份绿色信贷和碳排放强度存在较强的正向空间依赖性，且不同省份的碳排放强度呈现小范围的集聚特征，即空间相关性随着空间距离增大而逐渐缩小;第五，绿色信贷发展对于区域碳排放强度存在正向的区域间溢出效应。基于上述观点，提出建议：

一是积极推广绿色信贷政策，扩大绿色信贷投放规模。国家相关部门应加快完善相关法律制度以及政策激励与协调措施，保障各区域绿色信贷政策的顺利实施，推动绿色信贷的碳减排效应达成持续性作用。此外，还可以建立健全绿色信用考评体系，加强企业层面的宣传和培训，大幅增强企业环境责任意识和守法意识，加强社会监督和公众参与，架起企业和公众沟通环境信息的桥梁。

二是充分考虑绿色信贷异质性特征，因地制宜出台精准化金融信贷政策。各地政府应根据本地经济发展特征和市场化水平制定符合区域实际的政策实施细则，对区域资源进行合理布局和动态调配。此外，还可以建立绿色信贷政策和环境协同治理的跨区域联动机制，依托数字技术建立跨区域联合污染减排信息共享平台，树立区域整体意识，加强区域间环保合作。

三是建立健全绿色金融激励体系，着力提升绿色金融专业能力。各地区、各部门应用好央行支持低碳项目大规模再贷款机制，积极争取更低成本、更长期限的信贷资金。此外，还可以建立健全绿色融资渠道体系，推动政府投资基金布局绿色低碳领域，扩大绿色融资覆盖面。

参考文献：

[1]杜莉，郑立纯.我国绿色金融政策体系的效应评价——基于试点运行数据的分析[J].清华大学学报（哲学社会科学版），2019，34（1）：173-182+199.

[2]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）：4-16.

[3]李凯杰， 曲如晓. 技术进步对中国碳排放的影响——基于向量误差修正模型的实证研究[J].中国软科学， 2012（6）： 51-58.

[4]李毓，胡海亚，李浩.绿色信贷对中国产业结构升级影响的实证分析——基于中国省级面板数据[J].经济问题，2020（01）：37-43.

[5]李小帆，张洪潮.产业集聚对碳排放的影响研究——以城镇化水平为门槛的非线性分析[J].生态经济，2019，35（10）：31-36.

[6]陆菁，鄢云，王韬璇.绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角[J].中国工业经济，2021（1）：174-192.

[7]鲁万波， 仇婷婷， 杜磊. 中国不同经济增长阶段碳排放影响因素研究[J]. 经济研究， 2013， 48（4）： 106-118.

[8]卢治达.碳金融对资源型产业低碳化的影响研究——基于CDM的实证研究[J].金融理论与实践，2020（11）：57-62.

[9]苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融资行为？[J].金融研究，2018（12）：123-137.

[10]孙传旺，刘希颖，林静.碳强度约束下中国全要素生产率测算与收敛性研究[J].金融研究，2010（6）：17-33.

[11]孙焱林，施博书.绿色信贷政策对企业创新的影响——基于PSM-DID模型的实证研究[J].生态经济，2019，35（7）：87-91+160.

[12]宁伟，佘金花.绿色金融与宏观经济增长动态关系实证研究[J].求索，2014（8）：62-66.

[13]王遥，潘冬阳，张笑.绿色金融对中国经济发展的贡献研究[J].经济社会体制比较，2016（6）：33-42.

[14]温忠麟，叶宝娟. 中介效应分析：方法和模型发展[J]. 心理科学进展， 2014， 22（05）： 731-745.

[15]谢品杰，黄晨晨.基于经济周期视角及灰色理论的我国碳排放强度影响因素分析[J].工业技术经济，2015（10）：137-143.

[16]谢婷婷，刘锦华.绿色信贷如何影响了中国的经济增长率[J].中国人口·资源与环境，2019（9）：83-90.

[17]严成樑，濤，兰伟.金融发展、创新与二氧化碳排放[J].金融研究，2016（1）：14-30.

[18]殷贺，王露，刘楠楠.绿色信贷与碳排放：减排效果与传导路径[J].环境科学与管理，2019，44（11）：9-14.

[19]张克中， 王娟， 崔小勇. 财政分权与环境污染：碳排放的视角[J]. 中国工业经济， 2011（10）： 65-75.

[20]张伟伟，李天琦，高锦杰.“一带一路”沿线国家绿色金融合作机制构建研究[J].经济纵横，2019（3）：63-71.

[21]赵娜.绿色信贷是否促进了区域绿色技术创新？——基于地区绿色专利数据[J].经济问题，2021（6）：33-39.

[22]Acheampong A O， Amponsah M， Boateng E. Does Financial Development Mitigate Carbon Emissions？ Evidence from Heterogeneous Financial Economies [J]. Energy Economics， 2020： 88.

[23]Cheng Yeqing， Wang Zheye， Ye Xinyue， Wei Yehua Dennis. Spatiotemporal dynamics of carbon intensity from energy consumption in China[J]. Journal of Geographical Sciences， 2014， 24（4）：631-650.

[24]Duan Jin，Niu Mengqi. The paradox of green credit in China[J]. Energy Procedia，2011，5（C）：  1979-1986.

[25]Hyunjin Kang，Se-Youn Jung，Heeseok Lee. The impact of Green Credit Policy on manufacturers efforts to reduce suppliers pollution[J]. Journal of Cleaner Production，2020，248（C）：119271.

[26]Jotze F.，Pezzey J. C. V.Optimal intensity targets for greenhouse gas emissions trading under uncertainty[J].Environmental Resource Economy，2007，38（2）：259-284.

[27]Lei Xiaodong，Wang Yanli，Zhao Dongxiao，Chen Qi. The local-neighborhood effect of green credit on green economy： a spatial econometric investigation.[J]. Environmental science and pollution research international，2021，28（46）： 65776-65790.

[28]Lian Yonghui and Gao Jieying and Ye Tao. How does green credit affect the financial performance of commercial banks？——Evidence from China[J]]. Journal of Cleaner Production， 2022， 344.

[29]Nana Liu， Chuanzhe Liu， Yufei Xia，Yi Ren，Jinzhi Liang. Examining the Coordination Between Green Finance and Green Economy Aiming for Sustainable Development： A Case Study of China[J]. Sustainability，2020，12（9）：3717.

[30]Paul Thompson. Bank lending and the environment： policies and opportunities[J]. International Journal of Bank Marketing，1998，16（6）：243-252.

[31]Won-Shik Chu，Doo-Man Chun，Sung-Hoon Ahn. Research Advancement of Green Technologies[J]. International Journal of Precision Engineering and Manufacturing，2014，15（6）：973-977.

[32]Xinghe Liu，Enxian Wang，Danting Cai. Green credit policy， property rights and debt financing： Quasi-natural experimental evidence from China[J]. Finance Research Letters，2019，29：532-545.

作者單位：陈美丽，浙江金融职业学院讲师，硕士;周赛怡，上海大学经济学院研究生;胡丽艳，上海大学经济学院研究生。