空间视角下绿色金融对经济高质量发展的影响

2022-06-14蔡强王旭旭

江汉论坛 2022年6期

蔡强　王旭旭

摘要：绿色金融是金融理论与社会需求的结合体，是社会经济发展的必然趋势，也是为解决环境制约等问题而衍生出来的新概念。结合2011—2019年中国30个省、市、区的数据，通过构建地理相邻权重矩阵与经济距离权重矩阵进行空间计量分析，发现绿色金融发展水平对经济高质量发展产生了显著的正向作用，且在控制科技创新水平、信息化程度、人力资本水平、吸引外资能力等变量时结论依然成立。在空间溢出效应的视角下，研究结果表明绿色金融发展水平对经济高质量发展水平的影响显著为正，且系数明显大于基准回归系数。为了更好地推动经济高质量发展，应构建统一开放的现代化绿色金融平台，完善绿色金融体系，使绿色金融发展趋向标准化、规范化;通过绿色金融对金融资本流向的调控，逐步降低高耗能产业在整体产业结构中的地位，以增加高污染产业成本的方式来限制其对环境的破坏;通过绿色投资，加大对清洁能源开发的支持力度，提高能源利用效率;充分依托“互联网+”强化绿色金融产业与其他产业的联动，大力创新绿色金融工具和产品，拓宽绿色金融上下游建设渠道。

关键词：绿色金融;绿色投资;产业结构;金融产业;高质量发展;熵权法

中图分类号：F830 文献标识码：A 文章编号：1003-854X（2022）06-0021-08

一、引言与文献综述

党的十九大明确提出我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，强调要把“发展绿色金融”作为推进绿色发展的路径之一。党的十九届六中全会通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》再次强调高质量发展是生态优先的绿色发展，指明高质量发展必须坚持创新、协调、绿色、开放、共享发展相统一。由于长期采用高投入、高消耗、高排放的发展模式，我国资源供给日趋紧张，环境压力不断增大。为了实现经济的可持续发展，满足人们对美好生态环境的向往，必须推进绿色发展①。作为发展绿色经济的一个重要环节，绿色金融的工具很多，包括股权产品、债券产品、私慕股权资金基金、风险投资基金，将很多的金融资源引导过来，减少碳排放，去实现未来的碳中和。② 在探索可持续高质量发展的道路上，世界各国都作出了不懈的努力。1992年，联合国环境署（UNEP）发布的《银行和保险业关于环境可持续发展声明》首次提出了绿色金融的相关概念，《京都议定书》签订后，绿色金融在全球范围内进一步发展。2002年，国际金融公司（IFC）等共同提出了“赤道原则”。这一原则将评判绿色金融的环境标准和社会标准具体化，为金融业的可持续发展指明了方向。③ 在经过近30年的发展后，绿色金融虽然存在“漂绿”、原则模糊等问题，但总体看来已取得了卓越的成效。作为一种环境保护型的金融方式，绿色金融通过调整不同产业的贷款政策、融资规模、资金流向等加大对绿色产业的扶持，促进了经济健康发展。因此，从制度层面厘清中国绿色金融与经济高质量发展的关系，阐释其空间效应的作用机制，通过绿色金融对金融资本流向的调控，逐步降低高耗能产业在整体产业结构中的地位，切实提高能源利用效率都具有重要的理论价值与现实意义。

绿色金融是金融理论与社会需求的结合体，是社会经济发展的必然趋势，也是为解决现实面临的环境制约等问题而在传统金融理论的基础上衍生出来的新概念。④ 绿色金融理论诞生至今，经过国内外专家学者的持续深化研究，已有了较为丰富的理论和实践成果。Cowan等认为，绿色金融是传统金融与新兴绿色经济业态融合的产物，在环境与经济协同发展的过程中起到桥梁纽带的作用。⑤ Marcel等结合理论和实际分析样本，合理构建了绿色金融测度体系，从不同维度考察了北美及亚太地区的绿色金融发展情况。⑥ 安国俊从碳中和的角度出发，分析了我国绿色金融体系目前存在的问题，并结合实际情况探讨了绿色金融体系的创新路径。⑦ 乔琴等测度了“一带一路”沿线省域绿色金融发展水平，并对影响绿色金融发展的因素进行评估，认为绿色金融发展存在显著的区域异质性。⑧ 张岳、周应恒对日本绿色金融的发展状况进行研究，分析了该国出现严重“漂绿”问题的真实原因，并结合我国情况提出了相应的政策建议。⑨

国内学界对于经济高质量发展的研究较为广泛，但目前还未形成较为权威的高质量发展测度体系。杨虎涛认为，高质量经济活动是实现高质量发展的保障，而发现结构性缺陷并进行针对性调整，推进供给侧结构性改革，是促进和保障高质量经济活动从而推动高质量发展的关键所在。⑩ 任保平、李禹墨则认为，经济高质量发展指标应建立在经济增速、经济结构、科技创新、可持续发展四个维度上。{11} 魏敏、李书昊从创新驱动发展、市场机制完善、区域协调共享、生態文明建设等十个方面评价了经济高质量发展的水平。{12} 杨沫等根据五大发展理念的内涵构建了经济高质量发展的测度指标，重点是对经济发展质量进行评估，强调我国经济发展质量存在显著的不平衡问题。{13}

此外，学界对影响经济高质量发展的因素也作了大量研究，但涉及绿色金融如何影响经济高质量发展的研究鲜见。田惠敏从绿色金融的理论框架出发，分析了我国绿色金融发展的内在逻辑及其对经济发展的作用机制。{14} 傅京燕、刘映萍对粤港澳大湾区的经济高质量发展情况进行分析，厘清了当地绿色金融对经济发展质量产生影响的内在机制。{15} 喻平、张敬佩测算了各地区绿色金融和经济高质量发展的关联度和协调度，认为绿色金融对高质量发展的影响存在阈值效应，超过阈值后，绿色金融能显著推动经济发展。{16} 刘华珂、何春研究了绿色金融与城市经济发展的关系，认为绿色经济显著促进了城市经济高质量发展，但同时也存在显著的区域异质性。{17}

综上所述，随着绿色金融的发展与成熟，其对当前我国经济发展的影响也日益增强，从另一个角度来看，绿色金融的发展也是经济高质量发展的实现路径和必然要求，因此，全面厘清绿色金融与经济高质量发展之间的内在关系是很有必要的。已有研究更多着眼于理论分析，或针对某地区作案例分析。基于此，本文可能的创新点在于，在综合各维度构建合理评价指标的基础上，采用空间杜宾模型分析绿色金融对我国经济高质量发展的影响机制问题。2963F254-61B5-4028-9950-5DA5FCA65EBF

二、研究设计

（一）计量模型设定

1. 绿色金融对经济高质量发展影响的基准模型

为定量分析绿色金融对经济高质量发展的影响，首先进行基准回归分析。借鉴雷汉云等（2020）{18}、宋兰旗等（2021）{19} 的研究方法，构建如下面板模型：

Yit=α0+β1GF+β2X+idi+tt+εit（1）

在公式（1）中，Y表示被解释变量，即经济高质量发展水平指标;α0表示模型中的常数项系数;GF表示核心解释变量，即绿色金融发展水平指标;β1表示绿色金融发展水平指标的系数;X表示控制变量，包括科技创新水平、信息化程度、人力资本水平、吸引外资能力等影响因素;β2表示控制变量的系数;id代表个体固定效应;t代表时间固定效应;ε表征误差扰动项。此外，式中下标i表示省份，下标t表示年份。

2. 绿色金融对经济高质量发展影响的空间杜宾模型

在基准回归的基本假定中，通常认为各省变量相互独立，但实际上，各省的经济指标往往存在空间上的关系。由于基准回归并没有考虑到截面数据中隐含的空间依赖性与空间异质性，故可以在面板数据的基础上加入空间信息，构建新的空间模型并对此进行回归。我国幅员辽阔，各省之间的相关性必然因为省际距离、省际接邻等方面的不同特点而产生差异。此外，经济发展水平的差距也会使得各省间相互影响的程度有所不同。因此，为了更准确地判断绿色金融与经济高质量发展的关系，可以加入地理以及经济空间矩阵的方法，通过空间模型来检验绿色金融对经济高质量发展的影响。

根据空间交互效应的不同，大致可以将空间模型分为空间误差模型、空间滞后模型以及空间杜宾模型。相较而言，空间杜宾模型考虑了变量间同时出现内生及外生交互效应的可能性，也考虑了误差项存在自相关的可能性。{20} 基于具体检验过程的稳健性与有效性，本文采用空间杜宾模型来进行后续检验。我们参考余冯坚和徐枫（2019）{21}、郭新茹和陈天宇（2021）{22} 的做法构建如下空间计量模型：

Yit=λWnitYit+γ1GF+γ2X+ΣWnitZδ+idi+tt+εit（2）

公式（2）中，λ表示空间效应系数;W表示空间权重矩阵，上标n表示不同的空间权重;γ表示解释变量相关系数;Z表示绿色金融指标、科技创新水平、信息化程度、人力资本水平、吸引外资能力共同构成的列向量;δ是相应的系数向量。

本文选取了两组空间权重矩阵分别构建模型。首先从自然地理角度考虑，以各个省份是否相邻作为标准来构建空间权重矩阵，当省份相邻时，记为1，相隔则记为0，以此考察自然地理位置的空间影响。此外，考虑到各省经济发展水平的差异，选取人均GDP和各省距离共同构建经济距离空间权重矩阵。

（二）变量选取

1. 被解释变量

根据高质量发展的内涵和外延，本文在构建经济高质量发展指标（Y）时，主要参考杨新洪（2017）{23}、孙豪等（2020）{24} 的做法，将创新发展、协调发展、绿色发展、开放发展、共享发展作为测度经济高质量发展的二级指标，其中，二级指标中的创新发展主要由3个三级指标构成，分别是GDP增长率、研发投入强度、技术交易活跃度。GDP增长率表征经济发展的速度，这也是经济高质量发展的先决条件。随着创新驱动经济发展的机制日益成熟，研发投入也成为衡量经济发展的关键指标。此外，随着技术性市场的发展和完善，技术交易活跃度指标也能够很好地反映技术发展的水平。二级指标中的协调发展由三级指标需求结构、城镇化水平、产业结构高级化水平构成，主要从居民消费结构、城乡发展结构、产业升级优化角度来评估经济发展是否均衡。同时，选取单位GDP能耗、单位GDP产生的废气、污染治理投资作为三级指标来评价绿色发展水平。单位GDP能耗能够反映能源利用效率，单位GDP产生的废气主要用来测度经济发展所造成的环境损失水平，污染治理投资代表了政府对生态环境的保护力度。二级指标中的开放发展着眼于发展内外联动的问题，因此，选取三级指标对外贸易依存度，从对外贸易角度进行估计;选取三级指标实际利用外资水平，从外商直接投资角度进行评估;选取三级指标金融发展程度，从金融市场角度进行评估。最后一个二级指标是共享发展水平，主要从社会公平正义的维度对经济高质量发展水平进行测度，选取财政支出水平、就业水平作为三级指标进行计算分析。具体计算方法见表1。

对经济高质量发展水平指标的测算，目前主流的研究方法有Delphi法、层次分析法、主成分分析法、變异系数法、熵权法等，本文选用熵权法进行计算，并将得到的结果进行标准化处理。

2. 核心解释变量

根据中国人民银行发布的《关于构建绿色金融体系的指导意见》，参考李晓西和夏光（2014）{25}、尹子擘等（2021）{26} 的研究方法，选取绿色信贷、绿色证券、绿色保险、绿色投资、碳金融5个二级指标对绿色金融发展水平（GF）进行测度，其中涵盖了9个三级指标，分别是绿色信贷水平、高耗能产业利息支出、环保企业市值、高耗能行业市值、农业保险规模、农业保险赔付率、节能环保支出、环境污染治理以及碳排放，从过程以及结果两个维度对一级指标进行估计。具体情况详见表2。根据指标测度体系，对相应的数据进行标准化处理，同样运用熵权法确定各项指标的权重，综合计算出各省份历年绿色金融发展水平的值。

3. 控制变量

本文选取科技创新水平（TI）、信息化程度（INF）、人力资本水平（H）、吸引外资能力（FDI）作为经济高质量发展水平的控制变量。具体测算思路如下：根据专利申请情况判断科技创新水平，将各省专利申请授权数取对数后的值作为科技创新水平指标;用各省移动电话普及率（每百人拥有的移动电话部数）取对数之后的结果来表示信息化程度;将各省大专及以上学历劳动力所占比例作为人力资本水平指标;吸引外资的能力则用实际利用外资额所占比例进行表征。2963F254-61B5-4028-9950-5DA5FCA65EBF

（三）数据说明

由于缺乏西藏自治区以及港澳台地区的部分关键数据，考虑到部分数据统计口径的变化，为保证数据的可靠性与完整性，本文选取了2011—2019年我国30个省域的相关数据进行统计分析，并对各变量进行相应的数学处理。数据来源于历年中国统计年鉴、各省统计年鉴、wind数据库、中国历年保险数据库、中国工业统计年鉴、中国保险统计年鉴、中国人民银行官网等，个别缺失值通过估计的方式进行填补。各变量的描述性统计结果如表3所示。

三、实证分析

（一）基准回归分析

在对面板数据进行回归分析之前，首先应对最优效应模型进行选择。根据F检验和Hausman检验的结果，我们认为固定效应模型比随机效应模型和混合效应模型更加适合。在固定效应模型的基础上，对个体固定效应、时间固定效应和双向固定效应分别进行比较，本文选择双向固定效应进行研究分析。基准回归结果见表4。

根据表4，发现绿色金融发展水平显著影响经济高质量发展水平，且具有正效应，这说明在其他控制变量不变的情况下，绿色金融发展水平每上升一个百分点，经济高质量发展水平就能提高0.089个百分点，表明绿色金融的发展能够有效地提高经济发展的品质，推动经济由高速发展向高质量发展的转变。INF和FDI的P值均小于0.01，且系数均为正，说明在1%的置信水平上，信息化程度和外商直接投资水平均能对经济高质量发展产生显著正向作用，即信息化程度、吸引外资能力的提高能够促进经济体系中创新、协调、绿色、开放、共享等发展维度的进步。而TI的P值为0.103，略微大于0.1，并不能显著影响经济高质量发展水平，这可能是目前我国科技创新格局不均衡所导致的。开展一项创新型项目，一般存在周期长、结构不平衡、前期投入大、更新维护难等问题，在整体的科技基础建设、科技人才数量未达到一定规模时，科技创新水平的提高并不能有效地促进经济高质量发展。同时，人力资本水平的提高也不能显著影响经济高质量发展水平，这可能是由于我国人口基数大，各地区教育资源也存在一定差距，高质量人才的数量一直偏低且增长缓慢，因此，不能有效发挥人才占比提高所带来的潜在红利。

为保证评价方法和指标解释能力的有效性，对上述回归结果进行稳健性检验。一般可采取替代变量法、改变检验区间、剔除特殊单元等方法进行稳健性检验，根据本文数据的特征，选择剔除特殊单元干扰的方法进行检验。检验后回归结果的显著性未发生明显变化，系数也没有发生正负变动，可以认为通过了稳健性检验，回归结果稳定。

（二）空间杜宾模型分析

1. 空间相关性

在进行空间检验之前，首先要对经济高质量发展水平是否存在空间关联性进行判断，一般通过莫兰指数（Morans I）来评估变量的空间关联水平。莫兰指数的计算公式如下：

其中，n表示省份数，wij表示空间权重，x表示自变量，x表示自变量的均值。本文选择地理相邻权重矩阵（W1）和经济距离权重矩阵（W2）作为空间权重分别构建模型，记为模型1、模型2。

（1）全局自相关检验。经济高质量发展水平全局莫兰指数计算结果见表5。表中模型1和模型2分别表示运用W1和W2作为空间矩阵进行的检验，I值表示莫兰指数，E值表示莫兰指数的期望值，z即为z得分。根据表5可知，对模型1来说，自相关性均在1%的水平上显著，且系数均为正，z得分均大于2，这表明我国经济高质量发展水平在地理相邻权重分布上具有显著的正向空间聚集效应。同时可以看到，其I值虽有波动，但整体呈上升趋势，可以认为其空间效应逐年增强。对模型2来说，其p值均小于0.001，系数也均为正值，且2011—2015年z值得分均大于4，2016—2019年的z值也大于3，表明经济高质量发展在经济距离空间上更偏向于集中分布。因此，在对经济高质量发展水平进行分析时，应充分考虑其空间特性。

（2）局域自相关检验。通过分析全局自相关的结果，可以证明全国范围内经济高质量发展水平的确存在空间聚集，但并未说明各省之间的關联程度，因此，需要进一步计算局部莫兰指数，计算结果见图1。图1中（A）、（B）分别为2011年模型1和模型2所得出的局域莫兰散点图，（C）、（D）则为2019年的计算结果。根据空间关联程度，可以将各省份之间的空间关系划分为四种类型：LL（低—低）、LH（低—高）、HL（高—低）和HH（高—高）。根据图1可以看到，在模型1中，2011年、2019年的经济高质量发展水平均存在明显的聚集现象，且主要集中在第一、第二、第三象限，即H-H型、H-L型、L-L型。第一象限的省份（H-H型）较少，主要为北京、上海、广东等经济较为发达的省市。此外，对比2011年，2019年的聚集水平明显增强。在模型2中，空间聚集主要集中在第一、三象限，表明存在显著的正向空间关联，且呈现了更加集中的趋势。因此，从全局和局域来看，经济高质量发展水平均存在显著的较强的空间关联特征，应采取空间计量的方法来检验绿色金融对其的影响。

2. 计量模型的选择

对空间面板数据进行检验，以确定最优的空间模型。常见的空间计量模型有空间杜宾模型（SDM）、空间滞后模型（SAR）、空间误差模型（SEM）。通过LM检验，发现SAR、SEM模型均通过了显著性检验，因此应选择SDM模型。结合Wald检验和LR检验结果，发现均可以在1%的置信水平上拒绝原假设，即SDM模型既不可以退化为SAR模型，也不可以退化为SEM模型。因此，可以确定SDM模型为最优模型。在SDM模型的基础上，对固定效应、随机效应、混合效应进行检验，结合F检验以及Hausman检验结果，应采取双向固定效应SDM模型进行计量分析。

3. 实证结果分析

双向固定效应空间杜宾模型的回归结果见表6。根据表6，对于模型1，可以看到Log-likelihood值为459.709，且R-square结果为0.652，可知模型拟合度良好。GF的系数在1%的水平上显著，数值为0.169，明显高于基准回归模型中的系数0.089，说明简单面板模型明显低估了绿色金融对经济高质量发展的影响，而绿色金融的优势通过空间相关性被显著地放大了，这说明了绿色金融发展水平的提高能够显著提升经济高质量发展水平。而W×GF的系数为0.034，且p值小于0.1，意味着在空间溢出效应下，绿色金融发展水平对经济高质量发展水平具有显著的空间传导作用，即本地区的绿色金融的发展能够显著促进地理相邻省份经济高质量发展水平的提高。这是因为我国绿色金融流动性较为良好，但其发展依旧存在较为明显的不均衡问题，绿色金融发展态势较为良好的省份能够拉动周边省份的经济发展，使邻近省份的经济发展质量得到改善。而随着绿色金融体系的不断完善，各省的经济高质量发展水平也会随之提升。2963F254-61B5-4028-9950-5DA5FCA65EBF

就控制变量而言，不同于基准回归结果，可以看到技术创新和信息化程度不能对经济高质量发展形成显著影响。这表明传统的面板模型放大了技术创新与信息化的作用，同时，W×TI与W×INF均不显著，说明其影响不能很好地辐射到相邻地区。人力资本水平H在1%的水平上显著为正，但W×H并不显著，这说明人才的聚集会对本地区的经济高质量发展产生显著影响，但高质量劳动力聚集有明显的地域化特征，并不具备地理上的传递性，因此，不会从空间接邻的维度对周边地区产生影响。而FDI的系数显著为正，说明随着外商投资的增长，经济高质量发展水平也会提高。但W×FDI系数显著为负，表示随着外商投资的增长，相邻地区的经济高质量发展水平反而会降低。这是因为吸引外资能力存在集聚效应，一地吸引外资能力越高，就越能吸引劳动力、资本等要素的流入，而此时地理位置上的临近反而会加剧周边地区资源的流出，从而降低周边地区的经济发展质量。

对于模型2，Log-likelihood值为460.711，R-square结果为0.678，模型可信度较高。GF的系数为0.139，在5%的水平上显著，且明显高于基准回归模型中的系数，说明在经济距离作为权重的空间溢出效应下，绿色金融发展水平能够更有效地影响经济高质量发展水平。W×GF在10%的置信水平上显著，系数为0.036，表示GF能够通过空间溢出效应对经济高质量发展水平产生影响。这是因为绿色金融对经济发展具有明显的提升作用，而在经济距离维度上的经济高质量发展具有显著的空间相关性，因此，绿色金融的发展能够显著提高经济距离相关省份的经济高质量发展水平。

就控制变量而言，可以看到TI并不显著，但W×TI显著为正，这说明本地区的科技发展可以显著促进经济相关省份的经济高质量发展水平。这显然与模型1的结果有较大区别。这是因为技术创新的发展水平并不依赖于地理位置的远近，而是更依赖于相近地域的经济发展，因此，在经济距离的权重下，科技创新具有明显的空间溢出效应。INF与W×INF均不显著，说明在考虑到空间因素的情况下，信息化程度对经济高质量发展水平的影响较弱。人力资本水平H与W×H均显著为正，这说明劳动力素质的提高不但会正向影响本地经济发展的质量，并且还可以对经济距离相关的地域产生显著正向作用。FDI的系数显著为正，说明扩大外商投资对经济高质量发展会产生正向影响，而W×FDI系数不显著，表明一地外商投资水平的变动不会影响其他地区的经济发展质量。

四、研究结论与政策启示

本文运用熵权法构建绿色金融发展水平指标以及经济高质量发展水平指标评估体系，选取我国30个省、市、区2011—2019年期间的数据，来考察绿色金融对经济高质量发展的影响及其空间效应。主要结论如下：（1）在控制科技创新水平、信息化程度、人力资本水平、吸引外资能力等变量后，绿色金融发展水平对经济高质量发展的影响显著为正，这意味着绿色金融具有明显的正向推动力。（2）根据地理相邻构建空间权重矩阵进行检验，发现在考虑到空间因素的情况下，绿色金融发展水平对经济高质量发展的影响显著为正，且影响系数明显大于基准回归系数。另外，空间交互项系数也显著为正，表明本地区绿色金融发展能够有效地促进空间相邻地区的经济高质量发展。（3）选取经济距离矩阵作为空间矩阵时，绿色金融发展水平对经济高质量发展水平产生了显著正向影响，且影响大于基准回归所得结果，并且，本地区绿色金融发展对经济距离相邻地区也能产生显著的推动作用。

上述研究结论的政策启示意义主要体现在这样几个方面：

首先，应构建统一开放的现代化绿色金融平臺，完善绿色金融体系，全面促进经济高质量发展。目前，绿色金融渠道较少且较为松散，相关信息公布也不够详尽，无法发挥绿色金融应有的潜在能动性，因此，应加快构建统一的开放性绿色金融平台，丰富绿色金融工具，增强绿色金融服务，完善绿色金融体系，以促进经济高质量发展。

其次，尽快完善绿色金融法律法规体系，使绿色金融发展趋向标准化、规范化。现行的涉及绿色金融的法律法规不够完善，很难有效地规制当下日益发展壮大的绿色金融行业，因此，应加强绿色金融的上层设计，从法律角度建立绿色金融标准，简化绿色金融流程，厘清绿色金融程序，明确行为人的权力责任，强化监督体系，完善反馈机制。同时，应从政策层面加强对绿色金融产业的扶持，扩大绿色金融产业的规模，减轻绿色金融产业发展的阻力，使绿色金融稳定、安全、规范地发展，进而稳步推动经济高质量发展。

再次，充分发挥绿色金融对绿色经济的助推作用，从绿色入手来推动经济的可持续高质量发展。应通过绿色金融对金融资本流向的调控，逐步降低高耗能产业在整体产业结构中的地位，以增加高污染产业成本的方式来限制其对环境的破坏。同时，应通过绿色投资，加大对清洁能源的支持，并通过技术革新等方式提高能源利用效率，促进经济、生态、环境的协调发展。

最后，深化绿色金融同其它领域的深度结合，由点及面发展绿色经济，进而促进经济高质量发展。要充分依托“互联网+”，加强绿色金融产业与其他产业的联动，大力创新绿色金融工具和产品，拓宽绿色金融上下游渠道。同时，要根据实际情况因地制宜地改革绿色金融机制，并全面铺设绿色金融基础设施，打通绿色金融产业与其他产业融合的渠道。

注释：

① 张中华、刘泽圻：《论高质量发展阶段的投资结构优化》，《中南财经政法大学学报》2022年第1期。

② 周小川：《绿色金融最重要的作用是改变未来资源配置》，中国新闻网2021年5月20日。

③ 殷剑峰、王增武：《中国的绿色金融之路》，《经济社会体制比较》2016年第6期。

④ J. Salazar， Environmental Finance： Linking Two World， In A Workshop on Financial Innovations for Biodiversity Bratislava， 1998， pp.2-18.2963F254-61B5-4028-9950-5DA5FCA65EBF

⑤ E. Cowan， Topical Issues in Environmental Finance， Asia Branch of the Canadian International Development Agency， 1999， pp.1-20.

⑥ Marcel Jeucken， Sustainable Finance and Banking： The Financial Sector and the Future of the Planet， London： Earthscan Publications Ltd， 2001， p.256.

⑦ 安国俊：《碳中和目标下的绿色金融创新路径探讨》，《南方金融》2021年第2期。

⑧ 乔琴、樊杰、孙勇、宋邱惠：《“一带一路”沿线省域绿色金融测度及影响因素研究》，《工业技术经济》2021年第7期。

⑨ 张岳、周应恒：《绿色金融“漂绿”现象的成因与防范：来自日本的经验启示》，《现代日本经济》2021年第5期。

⑩ 杨虎涛：《以高质量经济活动推进高质量发展》，《光明日报》2019年10月6日。

{11} 任保平、李禹墨：《新时代我国高质量发展评判体系的构建及其转型路径》，《陕西师范大学学报》（哲学社会科学版）2018年第3期。

{12} 魏敏、李书昊：《新时代中国经济高质量发展水平的测度研究》，《数量经济技术经济研究》2018年第11期。

{13} 杨沫、朱美丽、尹婷婷：《中国省域经济高质量发展评价及不平衡测算研究》，《产业经济评论》2021年第5期。

{14} 田惠敏：《绿色金融助力经济高质量发展》，《中国科技论坛》2018年第4期。

{15} 傅京燕、刘映萍：《绿色金融促进粤港澳大湾区经济高质量发展的机制分析》，《环境保护》2019年第24期。

{16} 喻平、张敬佩：《区域绿色金融与高质量发展的耦合协调评价》，《统计与决策》2021年第24期。

{17} 刘华珂、何春：《绿色金融促进城市经济高质量发展的机制与检验——来自中国272个地级市的经验证据》，《投资研究》2021年第7期。

{18} 雷汉云、王旭霞：《环境污染、绿色金融与经济高质量发展》，《统计与决策》2020年第15期。