绿色信贷发展对经济增长质量的影响研究

刘亦文，谭慧中

(1.湖南工商大学 资源环境学院，湖南 长沙 410205；2.湖南工商大学 财政金融学院，湖南 长沙410205)

一、引言

良性的生态环境是地球万物生灵赖以生存和发展的前提和基础，但第一次工业革命以来，伴随着机器的轰鸣声和经济的高速发展，西方资本主义国家在加速对自然资源攫取和生态环境破坏的基础上创造了前所未有的物质财富，由此造成了严峻的环境污染问题，地球生态系统原有的循环和平衡遭到了肆意破坏，人们因环境污染而失去了健康和生命，动植物因环境恶化而进入第6次生物大灭绝[1]。自1900年以来，主要陆生物种平均丰富度至少下降了20%，每年有140000个物种永久消失，生物多样性遭到无法逆转的严重破坏[2]。生态环境问题已成为世界各国最敏感的政治问题和社会问题。西方资本主义发展模式引起了人们广泛而深刻的反思。中国政府坚持绝不走西方现代化的老路，坚定不移走生态优先、绿色发展之路，为推进世界可持续发展提供中国方案。习近平总书记曾明确指出“我们要建设的现代化是人与自然和谐共生的现代化，既要创造更多物质财富和精神财富以满足人民日益增长的美好生活需要，也要提供更多优质生态产品以满足人民日益增长的优美生态环境需要。”[3]自1978年改革开放以来，中国经济以年均9.7%的增长速度迅速成长为仅次于美国的世界第二大经济体，对世界经济增长贡献超过1/3(OECD，2020)[4]，创造了“人类经济史上从未有过的奇迹”(林毅夫等，2019)[5]。然而，在城市化和工业化持续快速发展的过程中，由于地方政府经济发展的需要和缺乏有效的环境监管，我国高耗能、高污染企业也在迅猛发展，规模驱动型经济发展导致了过度的能源消耗和严重的环境污染，我国环境污染问题日益突出(Kadoshin等, 2000; Yuan等,2020)[6-7]。生态文明和绿色发展已成为新时期我国经济高质量发展的重要指导思想。党的第十九届四中全会提出，推进国家治理体系和治理能力现代化，推进生态文明建设。绿色信贷政策是国家环境治理体系的重要组成部分，是对传统行政强制环境治理的补充。绿色信贷作为一种金融政策，是指银行等金融机构对不同企业发放的差异化信贷，为节能、环保、环保企业提供金融支持(贷款利率较低)。这些机构还对高污染、高能耗、产能过剩的企业(惩罚性的高贷款利率)实施贷款限制。在微观层面，绿色信贷可以通过金融市场的资源配置功能，引导资金从污染企业流向环境友好型企业，促进企业减排。从宏观上看，绿色信贷利用低贷款利率推动清洁生产和产业结构优化，转变经济发展方式。因此，作为一种重要的市场化环境政策工具，绿色信贷通过引导资本资源流向环境友好型产业，支持企业进行绿色生产，提升经济增长质量，促进经济社会高质量发展，深受学术界、政策界和实务界关注和推崇。

绿色信贷源于1974年联邦德国的“道德银行”。1992 年，联合国环境规划署(UNEP)在里约地球峰会上宣布成立“金融倡议”(UNEP FI)，督促金融机构可持续发展。此后，许多国家和地区相继采取各种措施推动绿色信贷发展。我国绿色信贷实践起步较晚，2007年，我国正式提出“绿色信贷”概念并开始小规模试点。2012年《绿色信贷指引》正式颁布，从根本上确立了我国绿色信贷政策。近年来，随着生态环境保护政策的不断加码，中国各级地方政府采取多种激励政策，将绿色信贷绩效纳入金融机构公共管理体系，将绿色信贷绩效评价结果纳入宏观审慎评价体系，有效提高了银行业金融机构对绿色信贷项目的重要性和推动绿色信贷业务的积极性。目前，我国绿色信贷政策的设计和内容日益完善，绿色信贷政策已基本与国际绿色信贷标准接轨(钱立华等，2020)[8]。各大商业银行已逐步加强绿色信贷的实施，强化信贷资金流向节能减排项目，以减少企业污染排放。2013年至2021年第一季度，中国21家主要银行绿色信贷余额从5.2万亿元增加到12.5万亿元。随着绿色信贷使用规模的逐步扩大，我国环境质量不断改善。公开数据显示：2020年全国337个地级及以上城市中，202个城市空气质量达标；主要污染物浓度降幅显著，臭氧浓度首次下降；森林覆盖率达到23.04%，草原综合植被覆盖率达到56.1%。我国生态环境质量的持续改善与绿色信贷政策的持续推进，也为我国经济增长质量改善开辟了新的实践路径。因此，深入探讨绿色信贷发展对经济增长质量提升的作用机制和影响程度，具有重要理论价值和现实意义。

现有关于绿色信贷研究的文献主要集中在以下两个方面。一是从宏观角度对绿色信贷的运行机制和实施效果进行了评估，但研究结果仍存在争议。诸多研究对绿色信贷的运行机制进行了阐述，基本运行机制为：金融机构减少了对污染企业的贷款，“两高”企业不得不减少生产和投资，从而达到了污染物减排和环境质量改善的目的(Evangelinos和 Nikolaou, 2009; Zhang等, 2011; Xu,2013; Chen等, 2016；王遥等，2019)[9-13]。学者们从经济影响、产业结构影响和环境影响三个方面对绿色信贷实施效果进行了评价。有学者发现，发展绿色信贷有利于绿色经济增长(Hu等，2020;严成樑等，2016)[14-15]。但Ning和She(2014)[16]却发现绿色信贷对经济发展有负面影响。Sheng等(2018)[17]、Hu等(2020)[14]和李毓等(2020)[18]指出绿色信贷主要通过资金和融资渠道促进产业结构转型。然而，Liu等(2017)[19]认为，就产业结构调整而言，绿色信贷政策的效果相对较差。此外，有学者认为绿色信贷政策可以通过施加长期信贷约束来加强污染防治(Sun等，2019;Kang等，2020;Wang和Zhi, 2016;Ren等,2020;苏冬蔚和连莉莉，2018)[20-24]。然而，陆旸(2011)[25]认为，中国绿色信贷政策的实施难以带来环境保护和就业的双重红利。第二个研究方向是从企业和金融机构的微观视角研究绿色信贷政策的实施效果。一方面，受绿色信贷政策影响的企业绩效方面主要包括债务融资成本、资本投资和经营决策。有研究表明，自绿色信贷政策出台以来，污染严重的中国企业的债务融资大幅下降(连莉莉, 2015;Liu等，2019;Xu和Li, 2020)[26-28]。同样，Wang等(2020)[29]指出，《绿色信贷指引》的颁布显著抑制了高耗能企业的资本投资。此外，绿色信贷会影响经营决策，但并不一定会提高企业的经营效率(Luo等，2017;Huang等，2021)[30-31]。另一方面，商业银行在绿色信贷中的作用至关重要。商业银行是向企业发放清洁贷款以改善环境质量的重要中介(Aizawa和Yang, 2010;Xing等，2020)[32-33]。He等(2018)[34]和Song等(2019)[35]认为绿色信贷也决定了银行自身的竞争力和绩效。谢婷婷和刘锦华(2019)[36]利用方向性距离函数和ML(Malmquist-Luenberger)指数测算了30个省级的绿色经济增长，基于绿色信贷对经济增长的影响机制，用动态GMM模型对数据进行实证分析，结果表明绿色信贷能促进绿色经济的增长。综上所述，少有研究在统一的框架下分析绿色信贷政策对经济增长质量改善的影响。

经济增长是数量与质量的统一，经济增长的过程既包括数量的增加，也包括质量的提高(Kong等，2020)[37]。当前我国已开启全面建设社会主义现代化国家新征程，新发展阶段下的中国经济增长更加注重质量发展，坚持质量第一、效益第一的发展理念是中国经济增长的主要方向。近年来，党和国家大力推动经济增长高质量发展。高质量的经济体系需要高效的金融体系作为支撑，为经济发展提供优质高效的金融服务，推进绿色信贷发展对经济高质量发展具有重要的现实意义。目前，关于绿色信贷发展对经济增长影响的研究较多，但对经济增长质量的研究较少。对经济增长的关注更多的是数量和速度，而不是质量。在新发展阶段，如何提高经济增长质量是学术界和政策制定者关注的焦点。基于此，本文选取2012—2017年全国31个省份面板数据，设计一个经济高质量发展综合评价指标体系，构建固定效应回归方程和中介效应模型，实证检验绿色信贷发展对经济增长质量的影响，以期为新发展阶段探寻高质量发展路径提供决策依据和数据支撑。

二、研究方法、模型构建与数据说明

(一)变量的选取与模型设计

1．经济高质量发展水平的测度

本文参考马茹等(2019)[38]对中国区域经济高质量水平的测度研究，构建了中国区域经济高质量发展评价指标体系。该体系包含高质量供给、高质量需求、发展效率、经济运行、对外开放以及生态环境在内的6个一级指标；创新能力、人才供给等16个二级指标以及33个变量，变量数据来源于CSMAR数据库。具体指标如表1所示。

按照表1所示的指标体系对我国各省份经济高质量发展水平进行测度时，为消除各指标量纲不一致所导致的差异，应对各指标依次进行标准化处理。标准化处理公式为：

表1 中国区域经济高质量发展评价指标体系

(1)

(2)

其中：Xij表示无量纲化处理后的指标值;xij表示原始值;mij表示第i个维度中第j个指标中的最小值;Mij表示第i个维度中第j个指标中的最大值。

然后，利用变异系数法确定各项指标权重。处理公式为：

(3)

其中,vj为第j个指标的变异系数，σj、uj、Wj为第j个指标的标准差、平均值与权重。

最后，利用式(3)求得第i个维度的权重Wi后，根据Sarma和Pais(2011)[39]的观点，可测度得出我国区域经济高质量发展水平HQED，公式为：

HQEDi=1-

(4)

2．模型的设计

为研究绿色信贷对我国经济高质量发展的直接影响，本文固定效应回归模型设定为：

HQEDit=β0+β1greencreditt+β2controlit+λi+ηt+εit

(5)

其中,HQEDit为i省份在第t年的经济高质量发展水平，greencreditt代表第t年的绿色信贷比，controlit为控制变量组，λi为个体固定效应，ηt为时间固定效应，εit为随机扰动项。

为进一步研究绿色信贷对我国经济高质量发展的作用机制，本文借鉴已有研究(王海成和吕铁，2016)[40]设定中介效应检验模型为：

HQEDit=a0+a1greencreditit+a2controlit+λi+ηt+εit

(6)

Channelit=b0+b1greencreditit+b2controlit+λi+ηt+εit

(7)

HQEDit=c0+c1greencreditt+c2channelit+c3controlit+λi+ηt+εit

(8)

其中：式(6)表示用经济高质量发展水平对绿色信贷进行回归；式(7)表示用中介变量对绿色信贷进行回归；式(8)表示经济高质量发展水平对绿色信贷以及中介变量同时进行回归。只有当a1、b1、c2都显著时，才可认为该中介效应存在。在此基础上，若c1不显著，则证明存在完全中介效应，代表绿色信贷本身并不会对经济高质量发展水平产生影响,而是完全通过影响产业结构来促进经济高质量水平的发展。若c1显著且c1

测得我国经济高质量发展水平后，本文各变量的描述性统计及其含义如表2所示。绿色信贷变量以中国绿色信贷贷款余额占国内贷款总额的比重来衡量，其数据来源于中国银行业社会责任报告；科技投入等变量数据均来源于CSMAR数据库；工业废水排放量等环境数据来源于中国能源环境统计年鉴。

表2 主要变量描述性统计

三、绿色信贷发展对经济增长质量影响的实证研究

(一)绿色信贷对经济高质量发展的直接效应研究

表3报告了绿色信贷对经济高质量发展水平的直接影响的结果，列(1)至列(3)表示OLS(最小二乘估计)下绿色信贷对经济高质量发展的直接影响。列(2)在列(1)的基础上增加了科技投入等控制变量，列(3)进一步利用时间虚拟变量控制了时间效应(时间虚拟变量未在表中列出)。列(4)、列(5)、列(6)为固定效应模型估计结果。列(4)控制了个体效应，列(5)同样在列(4)基础上增加了控制变量组，列(6)控制了时间和个体的双重效应。本文的数据集为面板数据类型，经检验，不同省份的经济高质量发展水平与发展态势具有明显差异，因此，相较于混合回归，该数据集更适用于固定效应模型。表3中列(5)、列(6)的估计结果更为可靠。列(5)中绿色信贷变量系数为0.149，且显著为正，表明在考虑省份差异的情形下，绿色信贷对经济高质量发展具有显著且稳定的促进效应。列(6)中绿色信贷变量系数为0.198，同样显著为正且高于列(5)所示系数，可见在控制个体与时间的双重差异时，绿色信贷仍然可以有力地促进我国经济高质量发展。

表3 绿色信贷对经济高质量发展的直接效应

另外，生态环境水平是经济高质量发展的重要组成部分，根据本文的理论分析，绿色信贷能够在一定程度上改善我国生态环境，进而促进我国的经济高质量发展。为印证这一影响路径，有必要分析绿色信贷对环境污染的影响成效。表4展示了绿色信贷对于主要污染物排放的影响结果。由表4可知，绿色信贷对工业废水排放量、二氧化硫排放量、烟粉尘排放量以及PM2.5的系数均显著为负，可知绿色信贷可以显著降低工业废水等主要工业污染物以及空气污染物的排放量，对保护生态环境大有裨益。

表4 绿色信贷对污染物排放的影响

(二)中介效应检验

上述实证结果初步论证了绿色信贷对经济高质量发展水平的直接效应，为了验证本文的中介传导机制，有必要进一步进行中介效应检验。本文认为绿色信贷除了可以对经济高质量发展产生影响外，还可以通过影响产业结构，间接影响经济高质量发展。表5中分别展示了在最小二乘估计以及固定效应模型下的估计结果，中介变量均为第二产业占GDP的比重增量。从固定效应模型下中介检验估计结果来看，绿色信贷对第二产业占比有着显著的抑制作用，而第二产业占地区国民生产总值比重的提高有助于我国经济高质量发展。因此，产业结构遮掩了部分绿色信贷对经济高质量发展的促进效用，具有遮掩效应而非中介效应。具体表现为列(6)中结果显示在加入第二产业占比变量后，绿色信贷变量系数仍然高度显著，且大于列(4)所示系数。绿色信贷对经济高质量发展的直接效应显著为正(0.156)，以产业结构为中介变量的遮掩效应显著为负，总效应显著为正(0.149)。这表明绿色信贷将会抑制第二产业发展从而在较小程度上减缓其对经济高质量发展的促进作用。

(三)稳健性检验

1．更换核心变量

变量的选择具有一定主观性，而核心变量的选择将会对模型估计结果产生较大影响。为避免由此类主观性带来的偏差，表6对本文的核心解释变量与被解释变量进行了替换来进行稳健性检验，具体为：选取绿色信贷投资总额变量作为绿色信贷的代理变量，同时使用全要素生产率衡量地区的经济高质量发展水平。观察表6第(6)列可知，绿色信贷对经济高质量发展的影响系数显著为正，证明绿色信贷对经济高质量发展具有稳定持续的促进效应的结论是稳健的。

表5 绿色信贷对经济高质量发展的中介效应

表6 更换核心变量后的回归结果

续表

2．更换中介变量

在原模型中，采用第二产业占GDP比重增量作为产业结构的代理变量，本文为验证中介模型回归的稳健性，以第一产业占GDP比重增量与第三产业占GDP比重增量作为代理，分别进行中介模型回归，结果如表7、表8所示。表7为第一产业占GDP比重为中介变量的回归结果，从绿色信贷对第一产业的中介-固定效应回归结果来看，列(6)中结果显示,在加入第一产业占比增量变量后，绿色信贷变量系数高度显著且系数小于列(4)所示；与第二产业发展不同的是，第一产业发展对经济高质量发展的影响系数显著为负，表明扩大第一产业占比将不利于经济高质量发展。由于列(5)中绿色信贷对第一产业发展的影响系数与列(6)中第一产业发展对经济高质量发展的影响系数均为负数，可认为存在以第一产业发展为中介变量的中介效应。表8为第三产业占GDP比重增量为中介变量的回归结果，列(5)中绿色信贷对第三产业发展影响系数显著为正，表明绿色信贷可以促进第三产业发展；但列(6)中第三产业发展对经济高质量发展水平无显著影响，因此，以第三产业占比增量为中介变量的中介效应并不存在。综合表5、表7、表8的结果，可认为绿色信贷的确可以通过影响产业结构间接对经济高质量发展产生影响，其中，对产业结构的影响具体表现为：绿色信贷可以提升第三产业占比并降低第一、第二产业占比，有利于我国产业结构升级。

(四)进一步分析

为进一步研究绿色信贷对经济高质量发展的区域影响，本文按照中国国家统计局2015年发布的划分标准，将我国经济区域分为东北、东部、中部和西部地区四大区域进行区域性分析。分析结果如表9所示，东北地区的绿色信贷变量系数并不显著，东部地区的绿色信贷变量系数显著为负，中部与西部地区的绿色信贷变量系数显著为正，可见2012—2017年间，绿色信贷对我国经济高质量发展的促进作用主要集中于中部与西部地区。

表7 第一产业占GDP比重为中介变量的回归结果

续表

表8 第三产业占GDP比重为中介变量的回归结果

续表

四、结论与建议

本文基于2012—2017年我国31个省市的样本数据，实证检验了绿色信贷对我国经济高质量发展的影响，得到了以下结论：首先，绿色信贷将对我国经济高质量发展具有显著的促进作用，但其促进程度受到我国产业结构的影响与制约。绿色信贷在促进我国第三产业发展的同时抑制了第一、第二产业的发展，从产业结构的角度来看，绿色信贷对我国产业升级具有正向的积极影响。然而，从经济高质量发展的角度来看，相较于第三产业，第二产业的发展更有益于促进经济高质量的发展。因此，由第二产业转向第三产业的产业升级反而产生了一定程度的遮掩效应，掩盖了一部分绿色信贷对经济高质量发展的助益。其次，绿色信贷将有助于减少工业废水、废气、烟尘以及空气污染物的排放，有利于我国生态环境的保护与改善，从侧面体现出了绿色信贷对经济质量的提升。最后，从我国四大经济区的区域发展而言，绿色信贷主要促进了中部与西部经济区的经济高质量发展，对东北经济区并无显著作用且显著抑制了东部地区的经济高质量发展，证明绿色信贷在不同地区的投放实施效果具有较大差异，在全国层面上的促进范围也并不理想。基于以上研究结论，特提出如下政策建议：一是在做大绿色信贷规模的同时，要优化绿色信贷的投放结构。当前我国绿色信贷余额规模稳居世界第一，但贷款主要投向交通运输、仓储和邮政业，绿色信贷投放结构亟须优化，应加大绿色信贷资源流向环保、节能、清洁能源、绿色交通、绿色建筑等行业和产业。同时，要加强重点地区的绿色信贷支持，进一步提升绿色信贷政策赋能经济增长质量改善的金融资源配置效应。二是加强绿色金融产品创新与风险防控。随着生态文明理念日益深入人心，人民群众参与生态文明建设的积极性日渐高涨，特别是在“双碳”目标的驱动下，对于绿色金融产品和服务的需求与日俱增，绿色金融产品和服务在各类金融服务供应商、资产管理公司及保险公司中开始普及，投资者热情高涨，极大地推动了绿色金融产品的创新与发展。但必须看到，由于缺少经验和数据，任何严格的测量或此等方案的等级都将是带有过多推断性的，而且一些方案也存在误传的风险，因而需要警惕绿色金融产品创新的非理性冲动，进一步加强绿色金融产品风险防控。三是加强绿色信贷环境信息披露。建立健全金融机构、企业绿色信贷环境信息披露制度，提高金融机构、行业和企业的透明度和公信力，促使企业提高其治理水平，打造“绿色标签”。