绿色普惠金融对共同富裕的空间效应研究

蒲甘霖

（温州理工学院 经济与管理学院，浙江 温州 325035）

一、引言

缩小贫富差距是消费升级的关键，也是实现共同富裕的重要内涵，而获得绿色普惠的金融服务是缩小贫富差距的重要途径。在传统金融模式下，受限于成本约束与金融功能认知不足，落后地区融资难、融资贵、金融服务成本高等问题积重难返[1]。不同于传统模式，绿色普惠金融将绿色金融与普惠金融结合起来，利用数字技术形成绿色信贷、绿色融资、智慧医疗、智慧交通等新型金融业务，为人们提供真正便捷的金融服务。随着绿色普惠金融服务项目逐渐增多，共同富裕也日益依赖于绿色普惠金融发展。在此背景下，文章以共同富裕为切入点，深入探究绿色普惠金融对共同富裕的影响以及由此引发的空间溢出效应，以期为进一步以绿色普惠金融推动共同富裕提供理论依据与政策参考。

自2016 年G20 杭州峰会提出绿色普惠金融以来，中国积极开发绿色普惠金融项目，并出台一系列政策措施，期望以金融服务缩小贫富差距。“十四五”规划与2035 年远景目标纲要中提出要构健具有竞争力、普惠性的现代金融体系，同时还要促进人与自然和谐共生，发展绿色金融。2022 年中央全面深化改革委员会第二十四次会议审议通过《推进普惠金融高质量发展的实施意见》，其中明确指出要促进普惠金融与绿色金融、科创金融等融合发展。随着上述国家方针政策的有效落实以及新型金融项目的不断创新，绿色普惠金融广泛开展，目前已形成包括绿色循环、绿色乡村、绿色科技等在内的绿色信贷创新体系以及助力美丽乡村等发展模式。得益于科技支撑，绿色普惠金融已对农村地区产生了深远影响，例如，浙江安吉县农商银行创新性地推出“两山农林贷”“两山白茶贷”等多个特色绿色信贷产品，有效减轻了安吉县茶农的融资负担。现有文献也证实了绿色普惠金融在建设美丽乡村、支持碳减排、支持农业主体绿色发展等方面具有积极正向作用[2，3]。从已有文献来看，绿色普惠金融与共同富裕的相关研究主要集中在以下两个方面：一是对经济的影响。多数学者认为，绿色普惠金融对推动经济绿色发展有着重要作用[4，5]。二是对乡村振兴的效应分析。现有研究表明，绿色普惠金融缓解了融资难、融资贵问题，同时有助于实现农村减贫，从而提升共同富裕水平[6，7]。

总体来讲，尽管学术界对绿色普惠金融发展程度尚有争议，但其具有的普惠价值与发展目标受到广泛认可，现有文献对绿色普惠金融发展的减贫效应总体上给予正面肯定，但具体作用机制与微观层面的效应还未深入研究。因此，文章尝试从两个方面拓展相关研究：一是探析绿色普惠金融对共同富裕的作用；二是选用空间权重矩阵、空间自相关以及空间计量模型进行实证分析，更准确地考察绿色普惠金融对共同富裕的溢出效应，有助于厘清当前绿色金融发展现状及普惠程度。

二、绿色普惠金融水平评价

1. 绿色普惠金融指标体系构建

文章基于世界经济论坛发布的评价指标体系指引，遵循科学性、系统性、完整性等原则，并结合国内绿色普惠金融实际发展情况，构建绿色普惠金融指标体系。借鉴张林与张雯卿(2021)[8]、喻平与张敬佩(2021)[9]、史代敏与施晓燕(2022)[10]的研究成果，从绿色信贷、绿色投资、碳金融、绿色金融关注度、金融服务可获得性、金融服务质量六个层面，细化15 个二级指标制定绿色普惠金融指标体系（见表1）。

表1 中国30 个省份绿色普惠金融指标体系

2. 绿色普惠金融水平测算方法

在评价中国各省份绿色普惠金融水平时，由于测算结果值变动较小，未出现明显数据差异，故选择主成分分析法进行分析。各主成分得分与综合得分如下所示：

其中，Fi表示第i个主成分得分，Li表示第i个主成分得分系数矩阵，l1i，l2i，…，lpi表示第i个主成分的得分系数，X表示原始数据矩阵，xp表示经过标准差标准化后的原始数据，F表示综合得分，wi表示第i个主成分权重。

3. 绿色普惠金融水平测度结果分析

根据主成分分析法测算2017—2020 年中国30 个省份（除西藏及港澳台地区） 绿色普惠金融发展综合评价指数，结果见表2。从2017—2020 年绿色普惠金融发展综合评价指数来看，中国整体绿色普惠金融水平由2017 年的0.388 提升到2020 年的0.409，处于逐年递增态势。就2020 年绿色普惠金融发展综合评价指数来看，最大值为0.573，最小值为0.217，表明省份间绿色普惠金融发展水平存在较大差异。进一步分析区域绿色普惠金融发展状况，将中国30 个省份依据国家统计局划分方式分为东部、中部、西部三大地区，并根据表2 绘制图1。可以发现，绿色普惠金融水平呈现出东高西低态势，说明中国绿色普惠金融发展不平衡现象显著。东部地区绿色普惠金融发展水平最高，中部地区绿色普惠金融发展水平较为平稳，西部地区绿色普惠金融发展水平最低，但与东部地区仍有较大差距。

图1 2017—2020 年中国三大地区与全国绿色普惠金融发展综合评价指数图

表2 2017—2020 年中国30 个省份绿色普惠金融发展综合评价指数

三、模型设定与变量选取

1. 模型设定

（1） 空间权重矩阵

空间权重矩阵能够直观表达空间关系，可通过量化方式表达数据之间的空间结构。因此，度量区域之间的空间距离是开展空间计量分析的前提条件。空间权重矩阵主要分为两种：一是邻接空间权重矩阵，二是距离空间矩阵。就邻接空间权重矩阵而言，其具体公式如下所示：

就距离空间矩阵而言，其包括地理空间权重矩阵与经济距离空间权重矩阵。前者主要依据地区之间的经纬度计算地理距离，并将地理距离平方的倒数设定为空间权重。地理距离越远，则表示空间相关性越小，空间权重越大；两个地区间地理距离越近，则表示空间相关性越大，空间权重越大。具体公式如下所示：

经济距离空间权重矩阵是依据地区之间经济发展水平差距进行计算。若经济发展水平差距较小，则权重较高；反之亦然。具体公式如下所示：上式中，i和j代表城市，代表两地之间地理距离的平方，yit与yjt分别表示城市i、j在t时期内人均GDP 平均值。相较于经济距离空间权重矩阵来说，地理距离空间权重矩阵可以很好地反映城市间依赖关系。因此，文章以地理距离空间权重矩阵来计算Moran's 指数。

（2） 空间自相关性

空间相关性能够决定是否选择空间计量方法，因此文章引入全局Moran's I 与局部Moran's I 分析样本数据的空间自相关性，以有效解释空间数据分布情况。空间相关性是基于地理第一定律提出，用以表示地区经济现象与邻近地区经济现象在空间上的关联性。

全局Moran's I 可以反映出研究区域内某种经济现象的空间分布整体特征及关联程度。全局Moran's I 指数范围处于(-1，1)之间，全局Moran's I＞0，表示地区之间呈空间正相关；全局Moran's I＜0，表示地区之间呈空间负相关；全局Moran's I=0，则表示地区间不存在空间相关关系，即研究区内经济活动无关联。具体计算公式如下所示：

其中，地区总数通过n表示，i地区观测值通过Xi表示，空间权重矩阵通过Wij表示。

局部Moran's I 可用于度量某区域附近的空间集聚状况，可通过Moran 散点图或LISA 集聚图表示空间结构。其中，参数含义同全局Moran's I。具体计算公式如下所示：

Moran 散点图可以相对直观地刻画局部空间相关性。局部Moran 散点图横坐标为观察值(xi)，纵坐标为空间滞后值(Wx)。同时局部Moran 散点图包含高高集聚(H—H)、低高集聚(L—H)、低低集聚(L—L)以及高低集聚(H—L)四个象限。第一象限(H—H)与第三象限(L—L)表示该地区与相邻地区存在空间正相关性；第二象限(L—H)与第四象限(H—L)则表示该地区与相邻地区存在空间负相关性。

（3） 空间计量模型

经典线性回归最小二乘法模型主要用于解释因变量(yi)与自变量(xi)关系的多元线性函数，具体公式如下所示：

地区间产生的经济活动通常与邻近地区之间存在空间相关性与空间异质性，此时，采用经典线性回归分析较难反映真实状况，而共同富裕相关的外部因素极可能超越省市划分边界，导致相邻地区经济状况互相影响。为更好体现绿色普惠金融对共同富裕的驱动效应及空间溢出效应，文章基于最小二乘法模型建立空间面板滞后模型(SLM)、空间面板误差模型(SEM)以及空间杜宾模型(SDM)，公式分别如下所示：

空间面板滞后模型：

空间面板误差模型：

空间杜宾模型：

其中，yit表示被解释变量，xit表示解释变量。η 表示空间滞后系数，χ 和κ 均表示空间相关系数，γi表示个体固定效应，λt表示时间固定效应，Wij表示空间权重矩阵中的元素，εit表示随机误差项。当空间杜宾模型中的κ=0 时，该模型为空间面板滞后模型；当κ+ηχ=0 时，该模型为空间面板误差模型。

2. 变量选取

（1） 被解释变量：共同富裕指数(COW)

依据田雅娟和甄力(2020)[11]的研究，从中等收入群体所占比重、中等收入群体富裕程度以及居民收入差距三个方面计算共同富裕。

式中，中等收入者收入比重指数为Mr，总体中等收入者人数为M，总人数为P。

第二，中等收入群体富裕程度计算公式为：

式中，Mι表示中等收入群体富裕程度指数，n表示中等收入区间的人口综述，yi表示第i个居民的可支配收入，a、b分别代表中等收入区间的下限与上限。ι 表示调节系数，若ι=0，则Mι表示中等收入群体比重；若ι＞0，则Mι表示中等收入群体富裕程度。并且ι 取值范围在0~100%的区间内，越接近100%，则表示富裕程度越高。

第三，居民收入差距计算公式为：

式中，Mo表示居民收入差距指数，取值为0~100%，H(I)表示居民收入变异系数。当收入差异水平不断扩大时，H(I)值趋于无穷，而Mo值则趋于0。

通过上述三个指标，可以计算得出共同富裕发展综合指数：Y=f(Mr，Mι，Mo)，其中，Y表示共同富裕综合发展指数。

综合测度模型主要分为加法模型与乘法模型两种。其中加法模型适用于子系统独立的情形；乘法模型适用于子系统关联的情形。由于上述三个指标之间关联性较强，不适用于简单的相加，故最终设定共同富裕的乘法测度模型如下：

式中，xi表示测度内容的权重，即xi对共同富裕程度Y的贡献作用。

对于各部分权重确定采用客观赋权法进行，首先通过多元回归方法得到各指标与其他指标的复相关系数。该系数能够反映指标之间所含信息的重叠程度；其次，对复相关系数求倒数后进行归一化处理，得到各指标权重。假设评价模型中共有N个指标，第j个指标与其他指标的复相关系数为λj，则第j个指标权重为：

（2） 核心解释变量：绿色普惠金融水平(GF)

绿色普惠金融涵盖绿色金融发展与普惠金融发展，文章采用上述测算的各地绿色普惠金融发展综合评价指数作为核心解释变量。

（3） 控制变量

由于共同富裕发展受经济发展水平、社会环境等多种因素影响，因此，文章借鉴吕新博、赵伟(2021)[12]、韩亮亮等(2022)[13]学者的研究，选取政府干预、基础设施水平、产业结构、教育发展水平、对外开放程度作为控制变量。政府干预(GOV)，通过公共财政支出与地区生产总值的比值进行衡量；基础设施水平(FAC)，通过每平方公里公路与铁路总里程进行衡量；产业结构(STU)，通过第三产业增加值与第二产业增加值的比值进行衡量；教育发展水平(ES)，利用普通高中生师比指标进行衡量；对外开放程度(Open)，以进出口总额占GDP 比重进行衡量。

3. 数据来源

由于绿色普惠金融这一概念在2016 年杭州G20 峰会上首次提出，并开始受到全球关注。因此，文章以2017 年作为初始年份，选取2017—2020 年中国30 个省份面板数据，实证分析绿色普惠金融与共同富裕的影响关系。绿色普惠金融评价指标数据主要来源于国家统计局、国泰安数据库、EPS 全球统计数据分析平台、历年《中国环境统计年鉴》与《中国金融统计年鉴》。其中，碳金融有关数据源自中国清洁发展机制网（CDM），有关银行机构数目源自中国银行保险监督管理委员会官网。共同富裕相关指标数据与控制变量数据主要来源于历年《中国劳动统计年鉴》以及《中国统计年鉴》。对于部分缺失数据采用插值法进行补齐。

四、实证分析

1. 空间自相关检验

基于空间自相关模型，测算出中国2017—2020 年共同富裕的全局莫兰指数以及各指标显著性水平，以此验证中国共同富裕的空间集聚度。具体结果如表3 所示。

表3 2017—2020 年中国共同富裕的莫兰指数检验

由表3 可知，2017—2020 年中国共同富裕的全局Moran's I均大于0，且P 值均小于1%，这说明中国区域共同富裕水平存在显著空间正相关性。同时，在考察期内，这种集聚效应整体表现较为稳定。基于全局Moran's I 指数，进一步通过式(9)得出2017 年与2020 年局部Moran's I 指数散点图（如图2 所示）。

图2 2017 年和2020 年共同富裕局部莫兰指数共同富裕局部莫兰指数散点图

表4 为2017 年与2020 年共同富裕局部Moran's I散点图对应省份。根据图2 与表4 可知，2017—2020 年共同富裕的空间分布波动较小，总体来说较为稳定。高水平集聚（第一象限）的省份数量一直保持15 个，说明高水平集聚占据主导地位，且这部分省份大多为东部地区。由此可见，中国共同富裕空间集聚现象较为明显，符合全局Moran's I检验结果。

2. 空间溢出效应检验

（1） 模型检验

为判断共同富裕水平是否适用空间计量模型，文章基于全局Moran's I与局部Moran's I分析结果，采用LM 检验与稳健的LM检验进行验证，检验结果如表5 所示。

表5 空间相关的LM 检验

分析表5 数据可知，Robust LM-lag、LM-error 与Robust LM-error 均通过1%的显著性水平检验，证明共同富裕水平具有空间相关性，可建立空间自回归或空间误差模型。

基于上述结论，进一步进行Wald 检验。结果表明，Wald_spatial_lag 与Wald_spatial_error 值分别为16.25 与20.62，均通过1%的显著性检验，这说明模型可扩展为空间杜宾模型。

（2） 空间杜宾模型

面板模型包括随机效应模型与固定效应模型两种，其中，后者又可细分为空间固定、时间固定以及时空双固定效应。文章拟构建四种效应下的空间杜宾模型，并比较其拟合优度，进而选取最优模型（见表6）。分析表6 可知，空间固定效应模型的拟合优度最好，整体表现最佳，故选取在空间固定效应下的空间杜宾模型进行参数估计，结果见表7。

表6 拟合优度与对数似然结果的比较

表7 空间杜宾模型参数估计

就空间维度而言，η 的估计值在5%的水平上显著为正，表明中国共同富裕水平在省域之间的关联度较高，且当地共同富裕水平与周边地区形成较强的正向促进效应。

绿色普惠金融(GF)的系数为正，且在5%水平上显著，这表明本地区绿色普惠金融发展水平能够显著影响共同富裕。绿色普惠金融中的“普惠”性能够有效推动解决发展不平衡不充分问题，从而有力支持共同富裕发展。绿色普惠金融的空间项(W×GF)的系数为正且在10%的水平上显著，说明绿色普惠金融与共同富裕之间具有显著的空间溢出效应。周边地区金融发展会对本地区金融发展起到一定带动作用，金融发展环境越好，对共同富裕的促进作用越大。

政府干预(GOV)的系数为正，且在5%水平上显著，这表示加大政府干预有利于提高本地区共同富裕水平。政府干预可通过经济政策有效缩小区域之间收入差距，通过完善社会保障制度保障低收入者收入，进而实现共同富裕。政府干预空间项(W×GOV)的系数为正且在1%水平上显著，这表示周边地区提高政府干预对本地区共同富裕发展具有较强的促进作用。

基础设施水平(FAC)的系数为正但不显著。依据新经济地理学理论来看，基础设施建设是经济发展过程中的“桥梁”，经济发展要素资源能够通过基础设施快速流向中心经济发达地区，进而强化中心地区集聚能力。然而，只有当基础设施呈现网络化时，经济资源才能得到充分流动，进而助推落后地区获得更多经济发展机会。由此，基础设施才能发挥出真正促进共同富裕的作用。基础设施水平空间项(W×FAC)的系数为正且显著，这表明周边地区基础设施建设能够助力本地区共同富裕实现。

产业结构(STU)的系数为正，且在5%水平上显著，这表示产业结构升级有利于促进本地区共同富裕。产业结构发展合理化有助于中国中等收入群体不断扩大。同时，如生物技术、新材料、海洋装备等部分战略性新兴产业发展能够更好带动当地经济，为共同富裕提供更多的物质基础，助力共同富裕取得更为明显的进展。产业结构空间项(W×STU)的系数为正且显著，表明周边区域产业结构与共同富裕之间存在较强空间溢出效应。周边地区产业结构优化一定程度上可以带动本地区共同富裕。

教育发展水平(ES)的系数在10%水平上显著为正，表示大力发展教育能够促进本地区共同富裕。教育在共同富裕进程中具有重要作用。一般来说，受教育水平越高，社会拥有的人力资源就越多，更容易通过知识与技术提高经济发展水平，进而实现共同富裕。教育状况的空间项(W×ES)的系数为正，且在5%的水平上显著，这表明教育发展水平对共同富裕有显著空间溢出效应，提升周边地区教育水平与加大本地区共同富裕具有高度一致性。

对外开放程度(Open)的系数为正但不显著。对外开放实质是从国外引进技术设备、利用外商为中国经济贸易打开新通道，从而实现中国经济高质量发展。然而，对外开放主要面向国际层面，与国内收入不平衡、发展不充分等关系并不紧密，因此其推动共同富裕的作用并不显著。对外开放程度空间项(W×Open)的系数同样为正但不显著，这表明周边地区较高的对外开放程度难以对当地共同富裕水平产生影响。

3. 溢出效应边界

参考郑威和陆远权(2019)[14]的研究方法，测度绿色普惠金融与共同富裕的溢出效应边界。将研究的30 个省份之间的最近距离设定为dmin，最远距离设定为dmax。将dmin设定为初始值，每次增加ρ 的距离，根据当dij>d时，wij，d=0，当dij

为检验样本间距离持续扩大时，空间项系数显著性是否会发生变化，文章采用阈值d进行测算。由于省份之间北京与天津距离最近，故将初始值设定为100 千米，将ρ 的递进距离设定为50 千米，以此得到在不同阈值下的空间权重矩阵。经过空间杜宾模型参数估计，进一步得到不同距离下绿色普惠金融空间项的系数及显著性（见表8）。由于超过750 千米后，空间项系数持续不显著，因此文章相关结果停留在900 千米以内。

表8 不同地理距离下绿色普惠金融对共同富裕的溢出效应

由表8 可知，在100~750 千米这一区间内，绿色普惠金融空间项系数均为正且在5%水平上显著。超出750 千米之后，绿色普惠金融的空间项系数呈现持续不显著状态。出现这种情况可能是由于750 千米以内区域一体化的辐射作用较强，可通过绿色普惠金融带动共同富裕水平提升；超出这一范围后，区域内部协同难度变高，溢出作用难以有效被周边地区吸收。基于此，文章认为绿色普惠金融对共同富裕的空间溢出效应边界为750 千米。

五、结论及建议

1. 结论

文章基于2017—2020 年中国30 个省份面板数据，选取绿色信贷、绿色投资、碳金融、绿色金融关注度、绿色金融服务可获得性、绿色金融服务质量六个维度构建绿色普惠金融发展综合评价指标体系，并利用主成分分析法权重赋值测算了中国省际绿色普惠金融发展综合评价指数。同时建立空间权重矩阵、空间自相关模型以及空间计量模型实证分析绿色普惠金融对共同富裕的影响，得出以下研究结论：

第一，2017—2020 年中国30 个省份的绿色普惠金融发展水平处于逐年上升态势，但省份间发展水平差异性较大。按区域来看，绿色普惠金融呈现东高西低态势，说明中国绿色普惠金融发展存在明显的不平衡现象。第二，绿色普惠金融对共同富裕有着显著的正向影响，即提升本地区绿色普惠金融发展水平不仅能促进本地区共同富裕，也对周围地区的共同富裕存在空间溢出效应。同时，政府干预、产业结构、教育发展水平对共同富裕还有着显著的促进作用和正向空间溢出效应。基础设施水平与对外开放程度对共同富裕的促进作用不显著。第三，绿色普惠金融对共同富裕的空间溢出效应边界为750 千米，当超出这一边界后，绿色普惠金融对共同富裕的空间溢出效应将不再显著。

2. 建议

第一，发挥绿色普惠金融的再分配效应。再分配是共同富裕的核心问题之一，而绿色普惠金融在改善收入不平衡、发展不充分方面具有显著作用。一方面，可以通过绿色普惠金融助推二次收入分配倾向欠发达地区与中低收入群体，改善社会财富分配不均问题，促进共同富裕；另一方面，针对绿色普惠金融发展不平衡现状，东部地区要基于自身发展优势，提高绿色科技成果利用率，增强绿色普惠金融溢出效应。中部与西部地区重点需补齐短板，依靠政策倾斜通过积极开展绿色贷款项目、发放绿色债券等方式营造有利于绿色普惠金融发展的社会环境，缩小与东部地区的绿色普惠金融发展差距。

第二，拓宽金融服务渠道。民生是共同富裕的关键环节，也是绿色普惠金融重点服务的对象之一。为此，相关部门应聚焦民生，为重点领域人群拓宽金融服务渠道。例如，加快完善老年人、农民工、残疾人等重点群体的金融服务，有效支持养老、教育、医疗等民生关注的重点领域。对绿色普惠金融理财产品要适当调整准入门槛，强化理财服务的普惠性，增强居民财产性收入。此外，相关部门要完善支付结算、慈善信托等领域的金融服务，更好地进行第三次分配，进而促进共同富裕。

第三，强化绿色普惠金融的溢出效应。为进一步拓宽绿色普惠金融对共同富裕的溢出边界，相关部门需要从基础设施、教育水平等方面入手，促进金融资源向落后地区流动。就农村地区而言，需解决信息技术基建问题，建立针对性的“三农”基础数据平台，使相关数据实现共享，提高农村绿色普惠金融供给主体服务效率。通过打破金融资源流通壁垒，进一步扩大绿色普惠金融对共同富裕的溢出作用。