我国绿色金融发展与二氧化碳排放研究——基于GMM模型分析

陈兵兵 黄芳蕊 毛丽莉 黄 劲

（1.中国人民银行南宁中心支行，广西 南宁 530028；2.中国人民银行贺州市中心支行，广西 贺州 542899）

一、引言

2020年9月，我国在第75届联合国大会中明确提出2030年“碳达峰”和2060年“碳中和”目标。2021年政府工作报告和“十四五”规划进一步指明减排目标和绿色低碳经济的发展方向。金融在推进实体经济稳健发展中发挥着重要作用，发展低碳经济离不开绿色金融的支持。在我国加快发展绿色金融和促进低碳经济发展的背景下，研究绿色金融与二氧化碳排放间的相互关系，探索如何构建和发展绿色金融体系，促进全社会最大限度地减少二氧化碳的排放等，成为当前的研究热点。

二、文献综述

国内外学者研究发现金融机构通过助力实体企业走低碳转型的发展之路，可以实现碳减排的目标。Claessens&Feyen（2007）提出绿色金融发展在一定程度上会限制企业的违规生产活动，提高能源使用率，减少碳排放。Wara（2007）侧重分析绿色金融对低碳经济的影响，绿色金融市场的发展能够推动低碳经济的发展，提高发展的可持续性。Jalil&Feridun（2011）以中国为研究背景，探索经济发展、金融发展和能源消耗对环境的影响，提出在较长时期内环境质量不是由某项因素决定的，而是受经济发展状况、能源消费等因素共同影响，其中金融发展可以降低污染排放。Ozturk&Acaravci（2014）以土耳其为例，研究认为在金融发展初期，金融的快速发展可以降低能耗。

许文安和肖扬清（2018）以绿色投资、绿色保险指标来衡量绿色金融发展程度，实证分析发现绿色投资和绿色保险指标会影响我国二氧化碳的排放，绿色金融的发展程度越高，二氧化碳排放量则越低，但是影响程度不明显。谭敏（2020）认为绿色金融会显著影响二氧化碳的排放，且绿色金融与碳排放水平呈现负相关。李汪芹（2021）采用熵值法计算我国30个省份的绿色金融和低碳经济发展指数，运用PVAR模型分析我国不同地区绿色金融与低碳经济之间的关系，发现在我国的东部和中部地区，绿色金融与低碳经济二者的关系是相互促进的，在西部地区暂未形成相互促进的关系。张桂芝和孙红梅（2022）运用DIFF-GMM模型分析研究我国绿色金融对碳排放强度的削弱效果，得出我国绿色金融当期和滞后一期会明显削弱碳排放强度，其中绿色信贷、绿色保险和绿色投资等业务对碳排放强度具有削弱作用，但绿色证券的削减效果不明显。

现有的研究证明金融发展会对二氧化碳排放产生影响，但是随着绿色金融的发展以及碳减排行动的深入，国内外研究仍有待进一步拓展：一是绿色金融发展的指标体系和测度方法还未形成统一；二是深入研究绿色金融对二氧化碳排放的影响机制，探讨如何弥补绿色金融在支持促进二氧化碳减排方面存在不足，提出加大绿色金融支持促进碳减排的文章仍相对较少。所以本文构建绿色金融发展水平指标体系，试图运用GMM模型分析我国各省份绿色金融对二氧化碳排放的影响，为我国各级政府制定经济转型和绿色金融发展政策提供参考。

三、我国二氧化碳排放现状及存在的问题分析

（一）我国二氧化碳排放现状分析

1.二氧化碳排放总量。自改革开放以来，随着我国经济的快速增长，能源消耗不断增加，二氧化碳排放逐渐增多等问题日益严重。从排放总量看，近年来我国二氧化碳排放总量处于高位态势，且不断增长。由图1可知，在2009年至2011年间，我国二氧化碳排放总量快速增长，由76.56亿吨增加到92.45亿吨；在2012年至2017年期间，我国二氧化碳排放总量增长相对缓慢；但2018年，我国二氧化碳排放总量突增，达到105.16亿吨。从排放增速看，2009年至2011年间，我国二氧化碳排放增速较快，分别为6.25%、9.28%、10.51%。但从2012年开始，我国二氧化碳排放增速一直低于3%水平，2013年和2015年甚至出现负增长现象。这主要是因为我国加入哥本哈根气候峰会后，采取相关措施加快产业结构转型，限制大量的高污染高能耗产业和项目，不断加强环境保护，探索发展清洁能源产业。但2018年，我国二氧化碳排放增速反弹增至6.58%，这与我国能源需求有着紧密关系。2018年我国的能源需求增幅较大，是2012—2018年期间的最高水平，能源消耗的大量增加导致二氧化碳排放大幅提升。

图1 我国二氧化碳排放情况

2.碳排放强度。碳排放强度主要是指国民生产总值增加所引起的二氧化碳排放的增量变化，这一指标可以用于衡量经济发展与碳排放量之间的关系。当某国家的经济增长时，每单位国民生产总值所产生的二氧化碳排放量下降，就说明该国实现了低碳发展。由图2可知，在2009年至2018年期间，我国碳排放强度总体呈下降趋势，由209.58吨/万元下跌至115.04吨/万元，这说明我国的碳减排工作已经初见成效，碳排放强度大幅下降。这主要是得益于我国由粗放型发展模式向低碳经济发展模式转变，不断优化产业结构，能源消耗逐渐降低，污染逐渐减少。

图2 我国碳排放强度情况

从各区域碳排放强度可知（见图3），在2009年至2018年期间，我国碳排放强度由低到高的排名分别是东部、西部、中部。这主要是由于我国东部地区经济较发达，经济发展模式逐渐向低碳转型，碳排放强度较低；而中部地区以工业为主，西部地区经济较为落后，经济发展模式较粗放，碳排放强度相对较高。从总体上看，自2009年以来，我国东部、西部、中部的碳排放强度呈不断下降趋势，且三个地区的碳排放强度差距越来越小。可见，随着我国对节能减排工作的重视，并采取限制措施治理环境，碳减排工作取得显著成效。

图3 我国各区域排放强度情况

（二）绿色金融促进我国碳减排存在的问题

1.绿色金融支持碳排放政策体系有待进一步完善。一是缺乏政策和相关法律法规的配套支持。全国性的绿色金融相关法律法规尚未出台，目前仅有部分地区如深圳市施行了绿色金融条例，条例层次有限，缺乏强制力，导致绿色金融发展不均衡。二是绿色金融与碳排放政策协调机制不够健全。由于各地绿色金融的发展目标、执行标准、金融产品等存在差异，法律、财税、金融等部门间的权责归属不明确，未能形成协调统一的绿色金融支持碳排放的制度框架，导致政策实际执行效果不佳。

2.现有绿色金融标准对碳排放信息考量不够全面。一是绿色金融标准未纳入碳排放信息。我国公布的首批绿色金融标准未将碳排放信息披露纳入标准，一些支持绿色低碳发展的项目资金可能外流，阻碍我国实现碳达峰、碳中和目标。二是金融机构获取高质量的碳排放数据存在困难。现阶段金融机构未能形成在投融资活动中的碳排放量及碳减排量的环境指标方法体系，不同核算机构设定的排放因子不同，碳排放计算结果存在差异。同时，非控排企业碳排放数据的可获得性较低。

3.碳金融市场有待发展。由于碳交易市场赋予二氧化碳“可量化、可交易”的特性，因此碳金融市场在应对气候变化、节能减排方面能够起到引领推动作用。但由于我国全国性碳交易市场各方面仍处于待开发、待完善阶段，碳金融产品创新不足，碳金融二级市场不活跃，尚未充分发挥绿色金融对碳减排的推动作用，这在一定程度上影响绿色金融促进碳减排的效果。

4.绿色金融对低碳转型技术支持不足。当前，绿色金融体系主要集中于对生态环境项目、绿色基础设施建设以及清洁能源产业的支持，无法全面覆盖传统高耗能高污染产业转型的金融需求，金融支持企业转型的界定标准尚未统一，政策导向、激励机制和其他财税金融配套措施尚未形成，导致金融机构对于企业低碳转型的支持力度略显不足。

四、绿色金融发展与二氧化碳排放的实证分析

（一）我国绿色金融发展水平测算

1.指标体系构建。由于我国绿色金融发展还不成熟，各省份发展存在差异，标准不一，基于专家学者的研究成果，本文根据绿色信贷、绿色保险、绿色债券、绿色投资及碳金融等指标测算我国各省份的绿色金融发展水平。具体如表1所示。

表1 绿色金融发展水平指标体系

2.数据来源。本文的绿色金融及碳排放等相关数据主要来源于Wind数据库、国研网、EPS数据库及CEADs等。

3.测算方法。为了保证测算结果的客观性，本文主要运用熵值法来计算绿色金融发展水平各指标所占的权重。由于熵值越大代表该指标的离散程度越小，指标所提供的信息越小，即在综合指标评价中该指标的作用越小，其权重越小，反之亦然。熵值法的主要计算过程如下：

首先，对数据指标进行标准化处理。由于不同的指标其计量单位不同，因此本文需要对各指标进行标准化处理。但正向指标和负向指标所代表的信息和包含的意义各不相同，标准化处理的方式是不同的。正向指标的标准化处理公式为：

负向指标的标准化处理公式为：

其中，i表示各地区，i=1，2，3，…，n；j表示各指标，j=1，2，3，…，m。Yij表示第i个省份的第j个指标的原始值。

其次，计算各地区各指标的权重：

再次，计算各指标的信息熵bij和指标权值hj。

最后，确定指标权重。本文从绿色信贷、绿色保险、绿色债券、绿色投资及碳金融等5个维度构建我国绿色金融发展指数的评价体系，考虑数据的可获得性，本文基于熵值法，再采用主客观相结合的方法来计算我国绿色金融各指标的组合权重。其中，主观权重由专家评分法得出，客观权重由上文熵值法计算而得。权重计算公式为：

其中，wj表示组合权重，hj表示客观权重，zj表示主观权重。本文借鉴已有研究，取a1=a2=0.5的组合偏好系数。权重计算结果见表2。

表2 绿色金融发展水平指标权重

由表2可知，我国绿色信贷、绿色证券、绿色保险、绿色投资、碳金融的组合权重分别为29.20%、14.01%、31.17%、18.53%及7.07%。由于缺乏绿色贷款余额数据，绿色信贷指标采用高能耗工业产业利息支出占比，但绿色信贷权重仍居于第二位。可见，我国绿色信贷仍是绿色金融发展的主力军和重要组成部分。绿色证券的权重居于第四位，主要是由于经济欠发达地区的绿色环保产业较少在证券市场上进行融资，发展不平衡，导致权重占比较低。绿色保险的权重占比排名第一，这可能是因为近年来我国环境污染责任险得到快速发展。绿色投资的权重居于第三位，原因可能是随着我国对环境治理的重视程度不断提高，财政投资不断加大，激发投资者的投资积极性。相比其他，碳金融的权重最小。这主要是由于我国碳金融发展起步较晚，碳排放市场还不够发达。因此，为加快我国绿色金融发展，还需要在绿色证券和碳金融方面多做努力。

4.我国绿色金融发展水平现状。基于前文分析，本文计算各省份绿色金融发展指数，其公式如下：

其中，f表示不同时期各省份的绿色金融发展水平。

（1）各省份绿色金融发展指数。由表3可知，从整体上来看，2009—2018年间我国各省份的绿色金融发展总体呈现良好的上升态势，这在很大程度上说明我国越来越重视经济发展中生态资源和环境污染问题，经济主体更注重金融工具的使用以促进生态环境的保护。尽管如此，我国绿色金融发展水平还不高，各省份绿色金融发展水平差距较大。绿色金融发展指数均值在0.6以下水平的共有19个省份，其中绿色金融发展水平较高的黑龙江与位列最末位的青海差距近0.4。

表3 全国各省份绿色金融发展水平

绿色金融发展水平较高的省份有黑龙江、新疆、安徽、吉林、内蒙古、海南、北京、湖南、浙江、山西、上海，绿色金融发展指数均值保持在0.6以上水平。这与当地政府重视程度、经济发展水平、政策环境等因素息息相关。如北京作为首都，拥有政策和资金优势，随着政府加大对气候变化及环境治理的力度，绿色金融水平已经在全国遥遥领先。浙江和上海是我国的经济发达地区，绿色低碳发展理念已经深入人心，对绿色金融的需求规模越来越大，绿色金融发展水平随之提高。黑龙江、新疆、吉林、内蒙古及山西等绿色金融发展水平较高的主要原因有：一是这些省份由原来的粗放型向集约型经济发展模式转变；二是新疆、内蒙古等西部地区较重视生态环境的保护，大力推进退耕还林、水土流失治理产生的金融需求量极高，进而提高绿色金融的发展水平。

而甘肃、贵州、云南、青海等省份绿色金融发展指数的排名在全国靠后。主要原因有：一是这些省份的经济基础较薄弱，绿色发展意识不强；二是这些省份主要以第三产业为主，工业经济不发达，环境污染不大，以致对绿色金融需求不高，影响绿色金融发展水平。

在全国绿色金融改革试验区中，新疆、浙江的绿色金融发展水平较高，指数排名分别为第2位、第9位；这说明绿色金融改革政策在一定程度上促进了试验区的绿色金融发展，但江西、广东、甘肃和贵州的绿色金融发展指数排名分别是第14位、第18位、第27位和28位。这说明绿色金融试验区的推动效果不够显著，绿色金融发展水平与当地经济基础、生态环境等因素相关，在未来要加大绿色金融发展力度。

（2）各区域绿色金融发展指数。由表4可知，自2009年以来我国绿色金融发展指数从0.5623提高到0.5769。总体上，我国绿色金融发展指数保持上升的趋势，但发展速度较为缓慢。分区域看，中部地区绿色金融发展水平最高，其次是东部地区，西部地区较低。其中，东部地区由2009年的0.5753上升到2018年的0.5941，中部地区由0.5971提升至0.6058，西部地区由0.5145提高至0.5309，东部和中部均高于全国平均水平，且两个区域绿色金融发展水平较相近。

表4 我国各区域绿色金融发展水平

基于众多学者的研究结果，本文采用二氧化碳排放强度作为被解释变量。由于上一期的二氧化碳排放强度可能会影响当期二氧化碳排放量，以及存在延续性问题，因此将滞后一期的二氧化碳排放强度作为解释变量，以提高实证分析的可信度。另外，本文选用的解释变量绿色金融发展水平（Greenf）、研发投入（RD）、城镇化水平（CZL）、对外开放性水平（FDI）、产业结构（IS）、财政支出（GF）等控制变量不满足外生性假设，运用传统最小二乘法回归会致使参数产生偏差且不准确，因此本文使用系统GMM模型进行回归，实证分析绿色金融对二氧化碳排放的影响。

（二）我国绿色金融与二氧化碳排放的实证分析

1.变量指标选取。为确保数据的可获得性，本文选取2009—2018年30个省份（西藏地区和港澳台数据缺失）相关的面板数据为样本。本文的数据主要来源于Wind数据库、中国碳核算数据库，国家统计局及各省份统计年鉴。变量指标的选取如下，具体如表5所示：

表5 变量指标选取

（1）被解释变量。二氧化碳排放强度（CO2）：为了更准确反映二氧化碳排放程度，不但要考虑经济增长对碳排放的影响，还要剔除规模经济可能产生的干扰，本文选择二氧化碳排放强度作为解释变量。

（2）核心解释变量。绿色金融发展水平（Greenf）：本文选用前文中测算出的我国各省份绿色金融发展指数作为解释变量。

（3）控制变量。研发投入（RD）：一般而言，科学技术的进步会加快济发展水平的提高和生产方式的转变。一方面，技术进步促进经济增长，导致能源需求增加，进而增加二氧化碳的排放。另一方面，通过改进二氧化碳的减排技术，从而降低二氧化碳等温室气体的排放。因此，本文选取各地区研究与试验（R&D）经费支出占GDP比值指标用于衡量研发投入水平。

城镇化水平（CZL）：城镇化水平高的地区拥有大量的劳动力和创新人才。在政策的大力支持下，劳动力和人才的引进能够不断完善城市的基础设施，促进技术革新、产品升级，进而向低碳经济发展方式转型。但是，城镇化的过程中，也有可能产生更多的环境污染和能源消耗。因此，城镇化水平在一定程度上对二氧化碳排放也会产生影响。

对外开放水平（FDI）：对外开放程度在我国经济发展中发挥重要作用。对外开放程度越高，经济发展水平越高，二氧化碳的排放量可能会越高。因此，对外开放水平会也是二氧化碳排放的影响因素。进出口总额/GDP指标涉及的行业较多，难以真实反映对外开放水平对环境的影响。一般情况下，外商资本的投入会直接影响我国的投融资，因此，本文采用各地区的外商直接投资实际使用额/GDP表示地区对外开放水平。

产业结构（IS）：不同的产业其产生的二氧化碳排放不同。据研究表明，工业的能源消费量较大，其产生的碳排放量也较高。因此本文选取地区工业产业增加值占生产总值的比例表示产业结构状况。

财政支出（GF）：地方政府可能加大对环境污染治理的财政支出，加快经济发展方式向低碳转型，以减少二氧化碳的排放。因此，本文选取政府财政支出占GDP比重指标来衡量对碳排放的影响。

2.变量统计特征描述。本文使用Stata16.0对数据进行统计描述，观察各变量存在的基本统计特征，具体如表6所示。

表6 变量的统计特征描述

由表6可知，我国各省份的二氧化碳排放强度的最大值为3.6964，最小值为0.1531，说明我国各省份的二氧化碳排放量存在明显差距。从绿色金融发展水平指标看，均值为0.5758，标准差为0.0841，这说明我国各省份的绿色金融发展水平存在一定差距。在控制变量中，除了研发投入（RD）与对外开放水平（FDI）的最大值与最小值相差较大外，其他变量均相差较小。

3.模型构建。与简单的时间序列相比，面板数据模型的样本容量更大，能够解决变量间的多重共线性问题，可以进一步提高估计量的有效性。与截面数据模型相比，面板数据模型可以避免因使用普通最小二乘法所带来的估计偏差，使得模型更趋于合理。因此，本文采集我国30个省份的二氧化碳与绿色金融相关数据，用于构建面板数据模型。同时，为了减少模型估计的误差，本文将经济发展等其他因素以控制变量的形式纳入模型中，以剔除其他未考虑的因素而造成的误差。为消除异方差，确保数据的稳定性，本文对被解释变量取自然对数，具体模型如下：

其中，被解释变量CO2it为碳排放量强度，核心解释变量Greenfit是指30个省份各自的绿色金融发展水平；控制变量X主要包括研发投入（RD）、城镇化水平（CZL）、对外开放水平（FDI）、产业结构（IS）、财政支出（GF）等变量。同时，该模型还控制了地区固定效应δi和时间固定效应ut，eit是随机误差项。

由于碳排放调整需要一定的时间周期，当年的碳排放水平一般会受到上一年度的碳减排情况的影响，因此本文将滞后一期的碳排放水平加入模型中，以控制其对自身的冲击。另外，控制变量存在周期性，以此建立的动态面板回归模型为：

其中lnCO2it-1是碳排放水平的一阶滞后项，其他指标同上。

4.实证分析。由于面板数据回归会出现伪回归现象，因此需要检验样本数据的平稳性。为消除伪回归现象，本文选用ADF单位根检验法对样本数据进行检验。经检验发现，所有变量的P值均小于0.05，这说明本文选取的样本数据均平稳，因而可以继续下一步操作。

（1）全国的系统GMM估计结果分析。本文首先用二氧化碳与绿色金融2个变量进行回归，并加入其他控制变量，以实证分析绿色金融对二氧化碳的影响。具体回归结果如表7所示。

表7 全国绿色金融发展对二氧化碳排放的系统GMM回归结果

由回归结果可以发现，本文对系统GMM扰动项进行自相关检验，AR（1）检验的P值为0.002（＜0.05），AR（2）检验的P值为0.395（＞0.05），接受GMM模型的随机扰动项不存在自相关的原假设，可以认为选择滞后一阶有效。同时，本文过度识别检验（Sargan）的P值为0.054（＞0.05），意味着不能拒绝“所有工具变量均为外生”的原假设，可知本文所用的全部工具变量均有效。整体而言，本文所构建的动态面板模型是合理的。

如表7可知，滞后一阶的二氧化碳（L1.lnCO2）的P值为0.000，即在1%显著性水平下，上一年度的二氧化碳排放强度提高1%，当年的二氧化碳排放强度会增加0.9744%。可见，二氧化碳排放强度的当期与前一期呈现密切的正相关关系，二氧化碳排放强度是一个动态调整过程。

绿色金融发展水平（Greenf）系数为-0.2879，P值为0.080，表明在10%显著性水平下，当期绿色金融发展水平提高1%，二氧化碳排放强度可以降低0.2879%，说明绿色金融与二氧化碳排放强度存在负效应关系。近年来，我国绿色金融得到快速发展，优化金融资源配置，不断减少对高能耗高污染产业的支持，加大对高新技术产业、节能环保产业的投放，促使经济向绿色低碳发展。

研发投入（RD）系数为3.4106，P值为0.001，表明在1%显著性水平下，当期研发投入增加1%，二氧化碳排放强度增加3.4106%，说明研发投入与二氧化碳排放强度存在正效应关系。可见，随着我国研发投入的提高，经济快速增长，能源加速消耗，从而增加二氧化碳的排放。从侧面反映出，我国对二氧化碳减排技术的研发投入还远远不足。

城镇化水平（CZL）系数为-0.3299，P值为0.007，表示在1%显著性水平下，当期城镇化率提高1%，二氧化碳排放强度下降0.3299%，说明城镇化与二氧化碳排放强度存在负效应关系。可知，随着我国城镇化进程的加快，城市的基础设施逐渐完善，新能源产业、环保产业的快速发展有效抑制了二氧化碳的排放。

对外开放水平（FDI）系数为1.1772，P值为0.001，表示在1%显著性水平下，当期对外开放水平提高1%，二氧化碳排放强度增加1.1772%，说明对外开放与二氧化碳排放强度存在正效应关系。这可能与一些外商选择在我国投资污染密集型产业，进而影响我国的生态环境有关。

产业结构（IS）系数为-0.2400，P值为0.038，表示在5%显著性水平下，当期工业产值占比提高1%，二氧化碳排放强度下跌0.2400%，说明工业产值占比与二氧化碳排放强度呈负相关关系。随着国家加大对高能耗高污染产业的管理以及绿色产业发展相关政策的出台，我国产业重心不断转移，产业结构不断转型升级，二氧化碳排放有所下降。

财政支出（GF）系数为-0.2759，P值为0.015，表示在5%显著性水平下，当期财政支出占比提高1%，二氧化碳排放强度下跌0.2759%，说明财政支出占比与二氧化碳排放强度呈负相关关系。随着政府越来越重视环境保护，不断优化财政支出结构，加大对环境污染治理的支出，二氧化碳排放强度有所减弱。

（2）分区域的系统GMM估计结果分析。由于我国各地区的二氧化碳排放强度、绿色金融发展水平、研发投入、对外开放水平、产业结构等方面差异较大，因此本文通过动态面板GMM模型实证分析我国东部、中部和西部等地区绿色金融发展对二氧化碳排放的影响。

由表8可知，东部地区的回归结果AR（1）检验值、AR（2）检验值及Sargan检验值均通过检验，即本文模型设定合理，且选择的工具变量均有效。其中，滞后一阶的二氧化碳（L1.lnCO2）的P值为0.000，说明在1%显著性水平下，上一年度的二氧化碳排放强度提高1%，当年的二氧化碳排放强度会增加0.8652%。可见，二氧化碳排放强度的当期与前一期存在密切的正相关关系。绿色金融发展水平系数为-0.0700，即绿色金融对二氧化碳产生负向效应，但P值为0.847，不显著。同时，控制变量研发投入、城镇化水平、产业结构等变量均不显著。对外开放水平系数为6.4051，且在5%水平下显著，表明东部地区对外开放与二氧化碳排放强度是正相关关系。这可能是外商在东部地区所投资的产业对环境产生严重污染，导致二氧化碳的排放增多。财政支出水平系数为-2.2037，且在1%水平下显著，说明东部地区财政支出与二氧化碳排放强度存在负效应关系。这可能是因为东部地区比较重视环境治理，偏向对绿色产业的财政支持，有助于减少二氧化碳排放。

表8 东部地区绿色金融发展对二氧化碳排放的系统GMM回归结果

由表9可知，中部地区的回归结果AR（1）检验值、AR（2）检验值及Sargan检验值均通过检验，即本文模型设定合理，且选择的工具变量均有效。其中，滞后一阶的二氧化碳（L1.lnCO2）的P值为0.000，说明在1%水平下，上一年度的二氧化碳排放强度提高1%，当年的二氧化碳排放强度会增加0.9541%。可见，二氧化碳排放强度的当期与前一期存在密切的正相关关系。绿色金融发展水平系数为0.0098，即绿色金融对二氧化碳产生正向效应，但P值为0.974，不显著。同时，控制变量研发投入、城镇化水平、产业结构等变量均不显著。对外开放水平在10%水平下显著，系数为3.7026，表明中部地区对外开放与二氧化碳排放强度存在正效应关系。这可能是外商在中部地区投资的产业对环境产生严重污染，导致二氧化碳的排放增多。财政支出水平在1%水平下显著，系数为-1.9006，说明中部地区财政支出与二氧化碳排放强度呈负效应关系。这可能是中部地区比较重视环境治理，偏向对绿色产业的财政支持，有助于减少二氧化碳排放。

表9 中部地区绿色金融发展对二氧化碳排放的系统GMM回归结果

由表10可知，西部地区的回归结果AR（1）检验值、AR（2）检验值及Sargan检验值均通过检验，即本文模型设定合理，且选择的工具变量均有效。其中，滞后一阶的二氧化碳（L1.lnCO2）的P值为0.000，说明在1%水平下，上一年度的二氧化碳排放强度提高1%，当年的二氧化碳排放强度会增加0.8947%。可见，二氧化碳排放强度的当期与前一期存在密切的正相关关系。绿色金融发展水平在10%水平下显著，系数为1.5031，即绿色金融对二氧化碳产生正向作用。这可能与西部地区落后的经济发展水平及粗放型发展方式相关，即西部地区绿色金融促进经济快速增长，进而形成规模效应，增加对能源的需求与消费，导致二氧化碳排放的增多。与东部、中部地区不同，西部地区的研发投入、城镇化水平、对外开放水平、产业结构、财政支出等变量均不显著。这说明在西部地区研发投入、城镇化水平、对外开放水平、产业结构、财政支出等变量不是影响二氧化碳排放强度的主要影响因素。

表10 西部地区绿色金融发展对二氧化碳排放的系统GMM回归结果

五、结论及对策建议

（一）结论

当前我国绿色金融正处于加速发展阶段，对促进我国经济绿色低碳转型具有重大的推动作用。为了深入分析绿色金融对二氧化碳排放的影响，本文在诸多专家学者的研究成果基础上，简要概括我国绿色金融和二氧化碳排放情况，并运用GMM模型对全国30个省份进行实证分析，得出结论如下：

1.本文通过构建绿色金融发展指标体系，采用熵值法计算得出我国30个省份绿色金融发展指数，发现我国绿色金融发展总体上处于良好上升趋势，但发展水平还不高。从区域看，我国中部地区绿色金融发展水平最高，其次是东部地区，西部地区较差。可知，我国绿色金融发展存在不平衡现象，区域特征较明显，这主要与当地的经济发展模式、政策环境有很大关系。

2.从排放总量看，2009年至2018年间，我国二氧化碳排放总量处于高位态势，问题较严峻。东部地区人均二氧化碳排放最高，其次是中部地区，西部地区最低。主要是因为东部地区经济发展水平高、人口多、能源消耗大，导致二氧化碳排放量高。从碳排放强度看，我国碳排放强度总体呈下降趋势，这说明我国经济发展模式向低碳经济转型，产业结构不断优化，能源消耗逐渐降低，碳减排工作已经初见成效。其中，我国东部地区碳排放强度最低，其次是西部地区，最高是中部地区，但这三个地区的碳排放强度差距逐渐缩小。

3.实证分析结果表明，我国绿色金融与二氧化碳排放强度呈负相关关系，我国绿色金融发展可以降低二氧化碳的排放，改善环境质量。城镇化水平、产业结构、财政支出与二氧化碳排放强度呈负相关关系，有利于促进碳减排；而研发投入、对外开放水平与二氧化碳排放强度呈正相关关系，导致碳排放增加，这可能是不注重对碳减排技术的研发投入、外商投资污染密集型产业等导致的。分区域看，我国东部地区和中部绿色金融发展对二氧化碳排放响应均不显著，但西部地区影响系数显著，即说明相较于其他区域，我国西部绿色金融发展对二氧化碳排放影响更显著。另外，前一期二氧化碳排放对当期二氧化碳排放有显著的正向效应，可见，二氧化碳排放是一个动态的过程。

（二）对策建议

1.因地制宜制定绿色金融发展规划。基于我国东、中、西部地区经济发展的差异性，各地区产业特征、能耗结构不尽相同，应对绿色金融发展进行分区域的合理规划，突出地方特点，制定符合产业转型升级、节能降耗的绿色金融发展举措。同时，探索构建绿色金融发展的区域统筹协调机制，加强区域联动，促进区域交流，将绿色金融与区域间的合作共建、产业转移等经济活动结合起来，加快我国绿色金融发展步伐。

2.加快推进绿色金融发展步伐。根据实证结论可知，绿色金融发展能够有效降低二氧化碳排放程度，我国应不断夯实绿色金融发展基础，加强绿色金融领域探索和创新，不断深化绿色金融发展。一是完善绿色金融支持碳排放政策体系，通过立法等形式规范绿色金融市场，建立试点地区间的监管协调机制，制定统一的监管标准或绿色金融标准。二是完善绿色金融标准体系。修订完善绿色金融认定标准，不断完善信息披露机制体系建设，推进绿色金融与二氧化碳排放大数据共享建设。三是构建多层次、广覆盖的碳市场交易体系助力绿色金融发展。大力推动碳金融产品创新，推动以碳配额质押贷款为重点的碳权质押贷款向全国推广。完善碳交易市场体系，大力发展碳债券、碳基金、碳证券等碳金融市场产品，推动碳远期、碳期货、碳期权等衍生交易市场建设。四是加大对减排领域资金支持。支持和鼓励金融机构扩大对企业减排领域的信贷投放，建立健全激励约束机制。发挥结构性货币政策工具作用，引导金融机构加大对碳减排领域信贷支持。加强与产业政策衔接配合，对企业实施的碳减排项目予以一定的财政奖补和税收减免。设立绿色通道，大力支持企业发行用于技术升级、绿色转型方面的绿色债券。

3.不断优化经济社会发展方式。根据实证分析结果，在保持经济稳增长的背景下，为有效降低二氧化碳排放强度，提出以下建议：一是对于城市个体而言，要稳步提升城镇化水平，加大用于环保方面的财政支出，不断完善减排降碳基础设施建设。持续优化产业结构，逐步淘汰落后产能，大力发展新能源等绿色产业。二是优化研发投入配置，提高用于减排技术、绿色能源等方面研究的研发资金占比。加快经济发展模式转型，鼓励外资加大对我国高新技术企业的资本和技术支持，加大力度引进符合我国产业转型需要的外商。