绿色金融、环境污染与产业结构优化升级——基于空间杜宾模型的实证研究

杜家乐

(新疆财经大学 金融学院，乌鲁木齐 830012)

党的十九大报告指出，必须树立和践行绿水青山就是金山银山的理念，坚持节约资源和保护环境的基本国策。为了改善环境污染问题，绿色金融应运而生。我国绿色金融虽然起步较晚，但发展成效显著，截至2020年末，绿色贷款余额约1.8万亿美元，绿色债券存量约1250亿美元，规模分别居世界第一和世界第二。绿色金融作为金融与环境的纽带，通过引导资金流入产业转型与污染治理过程中，可以减少环境污染，为产业转型提供良好的外部环境，实现产业结构优化升级，促进经济向集约型转变。在此背景下，探究环境污染与产业结构优化升级之间的影响关系，探索运用绿色金融手段来改善环境污染问题的有效路径，对我国经济未来的转型发展具有重要意义。

一、文献综述

现阶段，关于环境污染对产业结构优化升级影响的研究主要集中在两个方面。第一，环境污染对产业结构优化的影响。Borghesi等[1]认为，环境污染会对人体健康造成重大伤害，从而不利于吸引高端创新人才和创新投资的流入，技术创新水平难以得到提升，不利于本地区的产业结构优化升级。宋建和王静[2]则认为，环境污染对产业结构的影响存在一个拐点，在达到拐点之前，环境污染的加重会促进产业结构调整，但是当达到并超过这个拐点后，环境污染的加重则会产生抑制作用，不利于产业结构调整。第二，环境污染的对立面，即环境规制对产业结构优化的影响。Porter和Linde[3]认为，环境规制可以促进企业增加技术创新投资，以此获得新发展优势。当所有企业都遵循环境规制原则时，整个社会的技术创新水平会得到提升，经济发展的驱动力从要素投入转变为技术创新，进而产业结构也能得到升级与优化。但Ramanathan等[4]认为，环境规制给企业施加了较强的环境约束，会对企业的创新投资支出产生挤出效应，从而降低企业竞争力，不利于产业结构优化升级。

此外，部分学者也对绿色金融对产业结构优化升级的影响进行了深入的研究。周红英[5]认为，实施差别化的绿色信贷政策，能够推动污染企业兼并重组，进而实现产业与技术的双重优化。李毓等[6]认为，绿色信贷政策具有激励机制和倒逼机制，可以迫使企业进行技术创新，从而实现产业结构优化升级的目标。徐胜等[7]认为，政府对绿色信贷市场的干预是必要的，绿色信贷对产业结构的影响不能完全放任市场自发产生，政府可以通过相关的政策法规与条例对绿色信贷的发展进行引导，有目的地推动我国产业结构优化升级。

综上所述，绿色金融的主要功能为减少环境污染，以往学者们大多从单方面研究环境污染或绿色金融对产业结构优化升级的影响，没有将环境污染与绿色金融有机地结合起来，说服力不够；此外，环境污染具有空间外溢性已在学术界得到广泛认同，但以往学者们大多采用普通面板模型进行分析，忽视了空间效应，可能使回归结果产生偏误。因此，本文通过构造环境污染与绿色金融的交叉项来研究绿色金融所发挥的作用，并使用空间计量模型探究绿色金融作用的空间外溢性，同时构造三种空间权重矩阵，以保证结果的稳健性。

二、理论分析与研究假设

(一)理论分析基础

环境污染对产业结构升级会产生诸多负面作用，主要体现在以下三个方面:首先，在劳动力就业与迁移方面，环境污染物排放量增加会显著抑制二三产业的就业人数，环境污染的这种就业抑制效应在经济发展水平和人力资本水平高的地区尤为显著[8-9]。环境污染也会对劳动力产生一种“驱赶效应”，导致劳动力人口大幅流出，对本地区产业结构造成不利影响。其次，在投资方面，韩信和匡贤明[10]、List和Co[11]认为，环境污染会对外商直接投资造成压力，减少外商对本地区的投资额，“污染光环”作用水平下降，不利于本地区的产业结构优化升级。最后，如果环境污染加重，政府则会通过制定一系列环境规制政策参与到环境治理过程中。环境规制强度的提升在短期内会给微观主体带来较为沉重的污染减排成本，不利于本地区产业结构升级，而且环境污染会蔓延至邻近地区，也不利于邻近地区的产业结构优化升级。

作为绿色发展的重要力量，绿色金融更加关注环境问题，主要通过差别化的信贷政策来推动我国经济绿色协调发展。差别化的信贷政策是指为生产效率高、节能且环保的企业提供较低利率的信贷资金，而对“三高”企业与行业提高资金的使用成本作为“惩罚”。差别化的信贷政策会对资源的分配产生深刻影响，引导资源流向生产效率高、污染少的行业，间接将环境污染成本这一隐性特征显性化。环境污染成本显性化会倒逼企业进行绿色技术创新，提高生产效率，减少对环境的污染，以获得绿色资金的支持，降低自身显性的污染成本来提升效益，最终会改善本地区环境状况，促进本地区产业结构升级。同时，本地区环境改善也会产生正向的外部影响，对邻近地区产业结构优化升级产生正向的促进作用。绿色金融能够有效妥善地解决环境污染这一问题，减少经济发展过程中的负面因素，从而促进产业结构优化，推动经济绿色发展。

(二)理论模型

基于环境污染角度，参考杨宏林和孔义[12]对环境污染的假设，设定环境效率因子为η(0<η≤1)。η越趋于0，说明本地区污染程度越高，经济产出受环境的影响越大；η越趋于1，说明本地区环境污染程度越低，环境保护程度越高，经济产出受环境的影响越小。由于绿色金融是治理环境污染的重要手段以及促进产业转型升级的重要因素，将绿色金融作为经济增长的内生变量，参考余泳泽和刘大勇[13]的做法，设定如下生产模型：

F(X,G)=Aeα tXβGγη

(1)

式(1)中，F为某一地区的经济总产出，A为该地区的生产条件，α为外生投资条件，t为时间变量，X为生产要素投入，G为绿色生产水平，β和γ分别为X和G的要素投入弹性，η为环境效率因子。由式(1)可以看出，η越趋于1，地区的经济总产出越大。

绿色产品的生产过程主要包括知识创新(H)、科学研发(R)以及生产技术创新(P)三个阶段，每个阶段所需的要素投入有所不同。在知识创新阶段，需要加大人力资本(h)投入，为企业绿色生产提供理论基础；在科学研发阶段，需要增加研发资金(r)投入；在生产技术创新阶段，需要增加绿色资金(p)投入。

绿色生产链条可以表示为:

G(x)=G[Li(h),Ri(r),Pi(p)]=G(h,r,p)

(2)

将式(2)代入式(1)中，可得：

F(X,G)=Aeα tXβG(h,r,p)γη

(3)

若地区绿色生产强度提升，则对绿色生产三阶段的要素需求同样会上升，从而提高绿色生产水平。因此，设绿色生产水平(G)和绿色生产强度(Gre)的关系为G=δGre，δ为绿色生产效率，则生产函数为:

F(X,G)=Aeα tXβ(δGre)γη

(4)

将生产部门区分为高级部门和普通部门，高级部门生产高附加值产品，普通部门生产其他产品，高级部门和普通部门的总产出分别为Fh和F0。为追求产品的高附加值，高级部门需要让绿色生产效率高于平均水平，而普通部门的绿色生产效率则低于平均水平。因而，0<δ0<δ<δh≤1，0<γ0<γ<γh≤1。产品附加值的提升，能够带动产业结构优化升级，公式如下：

(5)

式(5)中，IS代表产业结构升级程度。进一步设σh和σ0分别为高级部门和普通部门为了获得生产要素而支付的价格。依据实际经验，高级部门为了生产更多高附加值的产品，获得竞争优势，会更愿意多支付要素价格，从而σ0<σh。当要素市场达到长期均衡时，X=Xh+X0，σ0X0=σhXh，进而得到Xh/X0=σ0/σh，Xh/(X0+Xh)=σ0/(σ0+σh)。将上述结果代入式(5)，可得：

(6)

进一步设A(h)=Ah/A，η(h)=ηh/η，可得：

(7)

进行等价转换，设定i地区产业结构升级模型为:

(8)

由于环境污染和绿色金融具有空间溢出效应，进一步设定环境污染和绿色金融的空间溢出损耗分别为θ(0<θ<1)和ρ(0<ρ<1)，则j地区环境污染对i地区造成的损害可表示为(1-θ)ηj，j地区绿色金融溢出效应被i地区所吸收的部分可以表示为(1-ρ)Grej，且i≠j。进而得到产业结构升级模型：

(1-θ)ηj(h)]

(9)

对式(8)和(9)求偏导，可得：

(10)

基于以上分析，可以提出本文的研究假设：

假设1：在其他条件不变时，环境污染不仅会阻碍本地区产业结构优化升级，还具有负向空间溢出效应，会阻碍邻近地区产业结构优化升级。

假设2：在其他条件不变时，绿色金融不仅可以为本地区产业结构优化升级提供动力，还能够推动邻近地区产业结构优化升级。

三、研究设计

(一)变量选取与数据来源

1.被解释变量

被解释变量为产业结构优化升级程度(IS)。参考干春晖等[14]的做法，选取产业结构高级化指标来衡量地区产业结构优化升级程度，该指标用第三产业增加值占总产值的比重来表示。计算公式如下：

(11)

式(11)中，IS代表产业结构优化升级程度，Y3it代表i地区在t时期的第三产业增加值，Yit表示i地区在t时期的总产值。

2.解释变量

解释变量为环境污染程度(EP)。参考徐明伟等[15]的做法，选取工业“三废”排放量作为衡量环境污染程度的指标，环境污染评价指标体系如表1所示。然后利用熵值法，合理测度各地区环境污染程度。工业“三废”指标均按正向指标处理才能反映地区污染程度，具体做法如下：

表1 环境污染评价指标体系

第一步，采用极差法对数据指标进行标准化处理：

正向指标：xijt=0.9×(Xijt-minXj)/

(maxXj-minXj)+0.1

(12)

负向指标：xijt=0.9×(maxXj-Xj)/

(maxXj-minXj)+0.1

(13)

式(12)和式(13)中，Xijt表示第t年i地区的第j个指标，maxXj和minXj分别表示第j个指标的最大值和最小值。

第二步，计算第j项指标的熵值：

(14)

(15)

式(14)和式(15)中，i=1,2,…,n;j=1,2,…,m;t=1,2,…,k。

第三步，计算各指标权重：

gj=1-ej

(16)

(17)

第四步，计算各地区环境污染程度：

(18)

为了进一步研究绿色发展大背景下环境污染与产业结构优化升级之间的关系，加入绿色金融(GF)与环境污染的调节项，以反映绿色金融在其中所发挥的作用。参考刘大炜等[16]、邵学峰和方天舒[17]的做法，从绿色信贷、绿色证券、绿色保险、绿色投资和碳金融5个方面选取8个指标构建绿色金融评价指标体系，如表2所示。同时运用熵值法测算各地区绿色金融发展水平，处理过程如上所述。

表2 绿色金融评价指标体系

3.控制变量

考虑到影响产业结构优化升级的区域因素以及以往学者对控制变量的相关界定[18-20]，本文对控制变量选取如下：外商直接投资(fdi)，用本地区外商直接投资额与本地区GDP的比值表示；城镇化率(urban)，用本地区城镇常住人口与本地区人口的比值表示；财政支出(ge)，用本地区财政支出与本地区GDP的比值表示；专利授权比(zl)，用本地区专利授权数与本地区专利申请数的比值表示；R&D经费(rd)，用本地区R&D经费投入与本地区GDP的比值表示。

4.数据来源

考虑到数据的可得性，本文选取2007—2019年我国30个省份(除西藏和港澳台地区)的面板数据。数据来源于《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》以及各省份统计年鉴、国家统计局官方网站、Wind数据库、国泰安数据库、中经网数据库，部分缺失值采用插值法进行填补。

(二)空间计量模型设定与检验

1.空间权重矩阵设计

为了保证空间回归结果的稳健性，本文构建三种空间权重矩阵，即空间邻接矩阵(W1)、空间距离矩阵(W2)、空间经济地理距离矩阵(W3)。具体如下：

空间邻接矩阵(W1)：

(19)

空间距离矩阵(W2)：

W2=1/dij

(20)

空间经济地理距离矩阵(W3)：

(21)

2.空间模型选择

环境污染存在一定的空间相关性，因此本文采用空间计量模型来研究绿色金融与环境污染对地区产业结构的影响。空间计量模型主要包括空间自回归模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)，具体选择何种空间计量模型，需要进行进一步的检验分析。

LM检验结果如表3所示。对于空间误差的影响，LM检验和RLM检验的结果均在1%的水平上显著，说明SEM模型可以选用；但对于空间滞后的影响，传统的LM检验结果均在1%的水平上显著，但三种空间模型均未通过RLM检验，说明SLM模型不可选用。

表3 LM检验结果

Elhorst[21]指出，若LM检验结果支持SLM和SEM其中一个或两个时，则需要使用LR检验和Wald检验来进一步对SDM进行检验。检验结果如表4所示，在三种空间权重矩阵下，LR检验和Wald检验均在1%的水平上显著，说明SDM模型不能简化成SLM或SEM模型。基于表3的结果，在选择固定效应模型的基础上，进一步探究选择何种固定效应类型。空间计量模型拟合优度如表5所示。在不同空间固定效应模型下，时间固定效应模型的R2最高，因此本文选择时间固定效应模型进行回归分析。

表4 LR检验和Wald检验结果

表5 空间计量模型拟合优度

因此构建如下SDM模型：

yit=ρWyit+βxit+θWxit+γt+εit

εit=δWεit+φit

(22)

式(22)中，y代表被解释变量，即产业结构优化升级程度(IS);x包括核心解释变量和控制变量，核心解释变量为环境污染(lnEP)以及环境污染与绿色金融的交互项(lnGF×lnEP),控 制 变 量 为 外商直接投资(lnfdi)、城镇化率(lnurban)、财政支出(lnge)、专利授权比(lnzl)和R&D经费(lnrd)。ρ为空间自回归系数，β为解释变量回归系数，θ为解释变量空间回归系数，δ为空间误差回归系数，γt为表示时间效应的系数，εit为空间误差项，φit为随机扰动项。

四、实证分析

(一)空间自相关检验

本文采用三种空间权重矩阵，并使用全局莫兰指数对被解释变量产业结构优化升级程度进行空间自相关检验。莫兰指数(I)的计算公式如下：

(23)

式(23)中，wij表示空间权重矩阵的元素，y表示地区产业结构优化水平，S2代表样本方差。全局莫兰指数大于0表示空间正相关，小于0表示空间负相关，等于0则表示不存在空间相关性。莫兰指数一般介于-1和1之间。

空间自相关检验结果如表6所示。在空间权重矩阵W1和W2下，2007—2011年，地区产业结构优化的空间自相关性并不显著，直至2012年才表现出较强的空间外溢效应，表明本地区产业结构变动能够带动相邻地区产业结构变动。而在空间权重矩阵W3下，2007—2019年，地区产业结构变动一直具有较强的空间外溢效应，且空间外溢效应呈现显著增强趋势。这是因为空间权重矩阵W3为经济地理距离矩阵，不仅考虑了地理位置的因素，还将地区经济发展水平考虑在内，地区经济发展水平与产业结构变化具有极强的相关性。因此，本文主要对矩阵W3下的实证结果进行分析，将矩阵W1和W2的回归结果作为参照组处理。

表6 空间自相关检验结果

(二)空间模型回归结果分析

空间杜宾模型回归结果如表7所示。列(1)、列(3)和列(5)为在不同空间权重矩阵下，不加入绿色金融与环境污染交互项所得的回归结果；列(2)、列(4)和列(6)为加入绿色金融与环境污染交互项所得的回归结果。

表7 空间杜宾模型回归结果

在矩阵W3下，列(5)回归结果显示，环境污染的回归系数为-0.094，在1%的水平上显著，说明环境污染程度加深不利于本地区产业结构优化升级。环境污染的这种效应也存在空间溢出性，环境污染空间回归系数为-0.020，在1%的水平上显著，说明环境污染同样对邻近地区的产业结构升级有不利影响，假设1得到验证，列(1)和列(3)的结果也可作为佐证。

加入绿色金融与环境污染的交互项后，列(6)回归结果显示，绿色金融与环境污染的交互项系数为0.029，在1%的水平上显著，说明本地区环境的改善有利于促进本地区产业结构优化升级。空间交互项回归系数为0.051，同样在1%的水平上显著，说明本地区环境的改善也会对邻近地区的产业结构优化产生促进作用，假设2得到验证，列(2)和列(4)的结果也可作为佐证。

(三)空间影响效应分解

参考Lesage和Pace[22]的做法，利用偏微分法，将环境污染以及环境污染与绿色金融的交互项对产业结构优化升级的影响按影响来源分解为直接效应和间接效应，分解结果如表8所示。

表8 SDM模型的直接效应、间接效应和总效应

在矩阵W3下，环境污染对产业结构优化升级的直接效应和间接效应分别为-0.010和-0.225，均在1%的水平上显著，说明本地区环境污染的加剧将会对本地区和相邻地区的产业结构水平产生负向作用。具体来说，环境污染程度每提升1%，本地区和相邻地区的产业结构水平分别下降0.010%和0.225%。绿色金融与环境污染的交互项的直接效应和间接效应分别为0.020和0.150，均在1%的水平上显著，说明本地区环境的改善将会对本地区和相邻地区的产业结构水平产生促进作用。具体来说，本地区环境改善程度每提升1%，本地区和邻近地区的产业结构水平分别提升0.020%和0.150%。在矩阵W1和W2下，该结果同样是稳健的。

五、结论与建议

本文基于2007—2019年我国30个省份(不包括西藏、港澳台)绿色金融、环境污染与产业结构的面板数据，利用空间杜宾模型分析绿色金融与环境污染对产业结构优化升级的空间溢出效应。通过实证研究，得出以下结论：(1)利用全局莫兰指数对产业结构优化进行空间自相关检验，发现产业结构变动具有较强的空间外溢效应，本地区的产业结构转型能够显著带动邻近地区的产业结构转型。(2)利用空间杜宾模型，发现环境污染对本地区以及邻近地区的产业结构优化升级具有显著的阻碍作用，但加入绿色金融与环境污染的交互项后，交互项能够显著促进本地区以及邻近地区的产业结构优化升级。(3)环境污染及其交互项的间接效应显著高于直接效应，说明使用空间计量模型具有合理性。

据此，提出以下建议：

第一，加强环境治理力度，以优良的环境质量保障产业结构顺利转型升级。强化政府的环境监管与治理能力，加大本地区环境规制强度，这需要政府坚决执行科学合理的治污政策，同时提升环境立法质量，完善环境法律体系和监督约束机制，加大对“偷排”等违法行为的惩罚力度。此外，还需要提升公众的环保意识，鼓励全社会参与到环境治理中来。

第二，制订绿色产业目录清单，以绿色产业发展带动产业结构优化升级。企业进行绿色转型升级和科技研发时存在着巨大的资金风险，而绿色金融能够为企业创新发展提供长期的低利率资金，降低企业的转型风险，增强企业绿色转型升级的信心。政府应积极制订绿色产业目录清单，方便企业根据自身条件积极参与绿色转型，为企业绿色转型升级提供清晰的方向指引，进而促进本地区产业结构优化升级。

第三，积极引导多方主体参与绿色转型升级全过程，拓宽绿色金融融资渠道。现阶段，绿色金融的参与主体主要为银行等金融机构，投资者和消费者的积极性不高，从而制约了绿色金融的发展规模，导致绿色金融带动经济整体创新发展的动力不足。应该采取自上而下的循环发展模式，发挥政府和金融机构的引导作用，吸引投资者和消费者参与进来，同时发挥投资者的监督作用以及消费者的消费带动和反馈作用，促进产业绿色发展，实现产业结构优化升级。