绿色金融与区域经济增长

徐文轩 王如淇 刘党社

〔内容提要〕基于推动绿色金融发展的必要性，构建绿色金融对区域经济增长的研究框架，通过选取我国30个省（区、市）2011—2020年的面板数据，建立绿色金融指标评价体系，实证研究绿色金融发展对区域经济增长的影响。研究发现，绿色金融发展对区域经济增长有着显著的正向影响。通过将绿色金融分解为不同维度，发现从不同维度来看，对区域经济的影响也不相同。进一步研究得出，绿色金融对经济增长的影响在程度上有着空间上的异质性，绿色金融发展对东北地区的影响远高于西部地区。通过建立空间计量模型发现，绿色金融在空间上能够很好地促进本地区的经济增长，且因其存在空间溢出效应，故能够带动周边地区的经济发展。依据研究结果，本文为推动绿色金融发展提出合理化建议。

〔关键词〕绿色金融；区域经济；异质性；空间效应

一、引言

习近平总书记在党的第二十次全国代表大会上强调，“完善支持绿色发展的财税、金融、投资、价格政策和标准体系”“推动绿色发展，促进人与自然和谐共生”。虽然当今我国各个区域的经济呈高速增长态势，但与此同时所带来的自然问题也亟待解决。为此，我国提出了“碳中和”与“碳达峰”的愿景目标。“双碳”目标的确立给绿色金融的发展提供了广阔的空间。因此，以绿色经济发展为主导的新发展模式的推行显得尤为重要。在这当中，绿色金融的发展是不可或缺的一环。绿色金融能够催生绿色产业的发展，进而带动区域经济的高质量发展。在传统意义上，区域经济高质量发展的主要驱动力是各种传统的产业。随着绿色金融的发展，绿色产业能够持续提供就业岗位，带动区域内消费的增加。其次，绿色金融为区域的可持续发展提供金融支持，为区域内的中小企业注入活力，从而增加了区域经济的整体效益。由此可见，绿色金融在区域经济发展过程中扮演着关键角色。

二、文献综述

现如今，绿色金融的发展越来越引起大家的重视，绿色金融与区域经济的关系问题也已经逐渐成为当前学术界和实践界所关注的热点问题，截至目前，已有多位学者对此发表了自己的观点。

对于绿色金融这一概念，巩欣蕊（2022）认为，绿色金融概念拥有两层含义：一是在保持能耗不变的前提下，利用金融工具扶持低能耗、低污染行业发展，最终令其取代大部分高污染、高能耗产业，实现绿色发展目标；二是利用金融工具，為环保工作提供充足资金，带动技术创新，以高新技术为依托降低经济发展对环境造成的污染。王冰和张扬森（2022）认为，绿色金融作为一种全新的金融活动，与传统金融活动相比，能够更好地应对气候变化问题，提升绿色治理水平。综上所述，本文认为绿色金融是一种能够通过降低能耗与污染，引导资金更多地流入绿色产业，推动经济可持续发展的金融活动。而李晓西（2015）认为，绿色金融是金融理论和金融实践的一个新概念，其又被称为环境融资或可持续性金融，主要从环保角度重新调整金融业的经营理念、管理政策和业务流程，实现可持续发展。

除此以外，为了衡量一个国家或地区绿色金融发展状况，国内学者也已经展开研究：文书洋等（2022）使用绿色信贷、绿色债券、绿色保险、绿色股票四个方面衡量绿色金融的发展程度，以亿元人民币为单位等权重加总，并取对数，作为衡量绿色金融发展程度的指标。钟萍（2022）认为，绿色金融产品主要包含绿色信贷、绿色债券、绿色保险、碳金融等，并选择绿色信贷、绿色保险、绿色投资、碳金融四个维度作为二级指标来综合评价绿色金融发展水平。故本文通过对学者现有研究进行分析，最终得到本文中对于绿色金融发展水平的测度。

绿色金融有利于区域经济的高质量发展，刘钒和马成龙（2022）认为，绿色金融通过促进绿色技术创新、改善金融市场环境和助推产业结构优化，影响区域经济高质量发展。杜赫和赵爽（2021）认为，绿色金融作为融合了社会资源可持续利用以及区域经济可协调发展的全新发展理论，有效实现了环境效益与企业经济效益的兼顾，并且在环境保护以及经济发展之间寻找到了最佳的平衡点，在极大程度上缓解了经济发展以及资源短缺之间的矛盾。

针对我国绿色金融发展现状存在的问题，刘金石（2017）认为，部分省（区、市）对发展绿色金融的认识和重视还不够；大部分省（区、市）绿色金融法规政策体系不健全；大部分省（区、市）绿色金融规模较小，产品和服务较单一；部分省（区、市）政府与金融机构发展绿色金融的动力不足。赵以邗（2018）认为，由于短期利益的不一致，中央、地方、金融机构三者目标各异，导致绿色金融政策执行往往与既定的方向背道而驰。

当前我国绿色金融发展水平还有待提升，多位学者对绿色金融未来发展提出了自己的观点，任宇光等（2022）分析了中国绿色金融的现状和发展趋势，探讨了绿色证券、绿色基金、绿色债券等绿色金融产品和市场的发展情况，并提出了绿色金融在未来发展中应该注意的问题。杨峥（2018）从新时代背景出发，探讨了中国绿色金融战略定位和对策，提出了绿色金融应该实现可持续性、市场化、国际化的发展目标。李冉等（2019）从可持续发展的视角出发，研究绿色金融的创新发展，包括环境压力下的绿色金融、金融科技创新等，同时提出中国的绿色金融创新发展应该注重可持续性、系统性和国际合作性。

本文的边际贡献为，对现有学者对于绿色金融发展水平的测度进行分析，建立对绿色金融发展水平的测度，并且在进行研究时还考虑了空间异质性以及空间效应的影响，不仅分析了绿色金融发展水平对该地区经济增长的影响，同时分析了其对周边地区经济增长的带动作用，并提出本文的合理化建议。

三、模型构建与数据说明

（一）模型构建

其中G表示绿色金融发展水平

（二）数据来源

考虑数据获取的完整程度与难易程度，本文选取我国除香港、澳门、台湾以及西藏自治区以外的30个省（区、市）2011—2020年共十年的面板數据，研究绿色金融与区域经济增长之间的关系。本文所用数据来源为《中国统计年鉴》《中国工业统计年鉴》等各类统计年鉴，其余数据均来源于国家统计局等权威机构网站。对于存在缺失值的部分数据，本文选择采用插值法进行插补。

（三）指标选取

1.被解释变量

由于区域经济高质量发展与GDP有着较为直接的关系，因此本文选择采用各省份以不变价格计算的实际GDP作为代表区域经济发展的数据。由于每年统计年鉴中GDP数据存在价格影响，故本文数据采用依据GDP平减指数计算以后得到的实际GDP作为本文的被解释变量的数据。

2.核心解释变量

本文的核心解释变量是绿色金融指数。目前，已有多位学者对绿色金融指数这一指标建立测度，通过对一些学者的测度进行分析，最终，本文选择绿色信贷、绿色证券、绿色投资、绿色保险、碳金融等5个指标作为二级指标，以此为依据来测算各个省（区、市）的绿色金融指数，并构建各个二级指标所对应的三级指标：绿色信贷的三级指标是规模以上的高耗能行业利息支出占工业利息总支出的比重，为负向指标；绿色证券的三级指标是规模以上的6大高耗能行业总市值与A股总市值之比，为负向指标；绿色投资的三级指标是用于环境污染方面的投资占各省份GDP的比重，比重越大，说明该省（区、市）在环境污染方面的投资额越大，体现对绿色发展的重视程度，为正向指标；绿色保险的三级指标是农业保险收入所占农业总产值的比重，该指标反映了绿色保险的发展水平，故为正向指标；碳金融的三级指标是碳强度，即二氧化碳排放量与各省份GDP的比值，比值越大说明该省（区、市）二氧化碳的排放强度越大，为负向指标（表1）。

本文采用熵值法对绿色金融指数进行测算，该方法利用各个指标之间的差异程度来反映各个指标的重要程度，是一种客观评价的方法，能够有效地避免因主观赋予权重从而造成模型的实际偏差。在数据处理中，本文采用极差规格化处理。之后运用熵值法计算各评价指标的权重，然后进行加权处理得到各省（区、市）2011—2020年绿色金融指数（gfi），如表2所示：

各地区按我国区域划分绿色金融指数随时间变化如图1所示。

从图1中能够看出，除了西部地区以外，其余地区除个别省（区、市）外绿色金融发展水平总体上呈现上升的趋势，西部地区各省（区、市）绿色金融发展水平的长期趋势不是很统一，说明绿色金融发展水平存在区域间的差异性。

3.控制变量

由于区域经济高质量发展不仅受到绿色金融发展的影响，还受到其他一些经济变量的影响，拉动经济的“三驾马车”为投资、消费、出口，由于一个地区的科技发展也同样能够在一定程度上影响经济增长，故最终本文设置了如下的控制变量：资本投入、科学技术投入、出口总额和社会最终消费。资本投入与科学技术投入是从投入方面进行考虑，资本的投入数量和科学技术的投入量能够较为直接地影响经济。而对于出口总额和社会最终消费而言，则是通过产出角度，有需求才能有市场，才能生产出更多的产品，从而促进经济增长。设置这些变量是为了消除其对区域经济增长所产生的影响。其中，资本的投入主要是通过每年各地区全社会固定资产的投资额来反映；科学技术的投入则是选取各个地区规模以上的研究与试验发展经费内部支出；出口总额是每年以人民币计价的各地区货物出口总额；社会最终消费则是通过该地区一年内的社会消费品零售总额进行表示。

变量的符号表示及说明如表3所示。

绿色金融发展水平与经济发展水平取对数以后关系如图2所示。

由图可知，绿色金融发展与经济增长之间存在正相关关系。大部分数据点相对密集，说明数据相对平稳。

四、实证分析

（一）全样本回归结果分析

由于本文选择的数据为面板数据，所以建立面板回归模型，首先对模型进行选择，作出如下假设检验：

原假设H0：个体效应都为0，应建立混合效应模型。

备择假设H1：所有个体效应不全为0，应建立固定效应模型。

其中i代表本文选取的30个省（区、市），t代表时间，gdpit代表省份i在时间t上的经济发展水平，t=1代表2011年，t=2代表2012年，以此类推。gfiit表示省份i在时间t上的绿色金融指数，αi表示个体效应。εit代表随机扰动项，βi表示各解释变量前的系数，模型的控制变量为：资本投入（inv）、科学技术投入（tec）、出口总额（tmx）、社会最终消费（con）。

下面本文对使用固定效应模型还是随机效应模型进行分析，采用hausman检验的方法，该方法做出如下假设检验：

原假设H0：应使用随机效应模型。备择假设H1：应使用固定效应模型。

检验结果如表5所示。

由表5数据可得，hausman檢验的P值小于0.05，所以此时需拒绝原假设，改选备择假设，故应选择固定效应模型。

运用stata统计软件进行固定效应模型回归，并采用稳健标准差对模型进行修正，修正后结果如表6所示。

由上述结果可知，核心解释变量绿色金融水平在固定个体效应模型中有1%水平下的显著性，且为正向影响，具体表现为：绿色金融水平每增加1%，经济发展水平提高0.1835%，而在个体、时间双向固定效应模型中呈现10%水平下的显著性，该模型中绿色金融水平对经济增长的影响具体表现为，绿色金融发展水平每提升1%，经济发展水平提高0.0731%。由此可以发现，系数仍然为正但数值减小了，说明时间效应也对经济高质量发展产生了影响。所以选用个体、时间双向固定效应模型更为合理。

对于控制变量而言，资本投入量、科学技术投入、社会最终消费、出口额四个控制变量在个体、时间双向固定效应模型中有显著性，且系数都为正，说明这四个控制变量都对经济增长有正向影响，且影响显著。其中社会最终消费对经济增长的促进作用最大，说明消费对市场有明显的刺激作用，消费增加，需求增加，进而导致产出增加，从而促进地区经济高质量发展，符合经济学意义。

（二）绿色金融不同维度的影响分析

由于本文在构建核心解释变量时采用了不同维度，故现在对绿色金融的不同维度对经济高质量发展的影响做进一步分析，结果如表7所示。

从表7可以看出，绿色金融的不同维度对经济增长的影响也不同，绿色信贷系数有在1%水平上的显著性，且系数为负，表明从绿色信贷和碳金融角度而言对经济高质量发展的影响是负向的，即其对经济高质量发展存在一定的遏制作用，具体表现为绿色信贷每增加1%，经济发展水平就降低0.07%；碳金融在10%水平下有显著性，且为正，具体表现为，碳金融每增加1%，经济发展水平降低0.0871%，说明我国需要采取相应措施，减少二氧化碳排放。绿色保险维度系数有在1%水平上的显著性，系数为正，说明其对经济高质量发展有着促进作用，具体表现为绿色保险每增加1%，经济发展水平提高0.0552%，其余两个维度在模型中不呈现显著性。本文在前文中对绿色金融测度时曾提到绿色信贷、碳金融为负向指标，绿色保险为正向指标，通过对绿色金融不同维度对经济高质量发展影响的研究得以进一步论证。而对于前文提到的绿色证券和绿色投资，在模型中的系数与前文相悖，且不呈现显著性，故也能够从反面印证了前文对绿色金融指数这一一级指标测度的准确性。

（三）空间异质性检验

由于本文选择样本为我国30个省（区、市），地理范围跨度较大，故本文认为，由于地理位置差异，且各个地区经济发展水平也各不相同。为了检验绿色金融对于区域经济的影响是否存在空间上的异质性，本文将30个省（区、市）依据我国区域划分分为东部地区、中部地区、西部地区和东北地区四个区域进行检验，检验结果如表8所示。

由结果可以看出，绿色金融发展对区域经济发展的影响最为显著的地区是东北地区，具体表现为绿色金融每增加1%，经济发展水平就提高1.0789%，相比之下东部地区提高0.2560%，中部地区提高0.2351%，而对于西部地区而言不呈现显著性，即在西部地区，绿色金融发展对区域经济发展没有起到明显的效果。本文认为，绿色金融对区域经济发展产生影响需要一定的基础设施水平，西部地区由于地理位置的特殊性，导致基础设施不够完善，绿色金融不能够很好地发挥效能。东北地区基础设施较为完善，结合东北地区当地的经济情况，绿色金融具有良好的发展潜力，故绿色金融发展能够很好地拉动经济增长，促进经济高质量发展。由此可见，绿色金融对本地区的基础设施建设存在一定的依赖性。由于东部地区经济发展水平较高，故绿色金融并不足以成为该地区发展的主要因素，所以绿色金融对该地区经济高质量发展的影响程度略低。

（四）空间计量回归

由前文我们能够看出，东部绿色金融发展水平整体较高，而且由空间异质性检验得出的结论是东北地区的绿色金融发展对经济增长的影响最显著，从我国地理位置上来看东北地区与东部地区距离较近，于是本文提出以下问题：是否东部地区的绿色金融发展能够对东北地区的绿色金融发展起到了很好的带动作用，并因此促进了东北地区的经济增长？基于此，本文将该问题进行延伸：一个地区的绿色金融发展会对邻近地区的绿色金融发展产生带动作用。下面本文建立空间计量模型进行研究。

为了验证是否存在空间影响，基于30个省（区、市）的空间距离矩阵，计算出2011—2020年各地区绿色金融发展水平莫兰指数，如表9所示。

由表9可以得出，2011—2020年的绿色金融发展水平均在1%显著性水平下显著且为正值，说明邻近地区之间绿色金融发展水平之间存在空间正相关性，并且存在扩散效应，本地区的绿色金融发展水平会带动周边地区的发展，从而进一步促进地区经济发展，以此为基础继续建立绿色金融与经济发展水平的空间回归模型。

空间回归模型分为空间杜宾模型、空间滞后模型和空间误差模型，回归结果如表10所示。

下面采用LR检验对三个模型进行选择进行检验，检验结果如表11所示。

由检验结果可知，在空间杜宾模型与空间滞后模型检验的LR统计量结果在5%水平下显著，说明空间杜宾模型不能够退化为空间滞后模型，空间杜宾模型与空间误差模型的LR统计量在1%水平下呈显著性，说明空间杜宾模型不能退化为空间误差模型。故回归选用空间杜宾模型最为合理。在空间杜宾模型中，绿色金融发展水平每增加1%，经济发展水平增加0.0902%，spatial值在10%的水平上显著，故绿色金融发展水平对经济增长的影响具有很强的空间效应。下面以空间杜宾模型为基础，对空间效应进行分解，分解结果如表12所示。

由表12可以看出，绿色金融对经济高质量发展的直接效应和总效应都显著为正，说明绿色金融对本地区以及周边地区均有着显著的空间溢出效应。本文认为原因在于，绿色金融发展能够促进产业结构优化升级，引领产业结构向绿色转型靠拢，且本地区的绿色金融发展能够起到一个示范作用，间接影响了周边地区绿色金融发展，并且在邻近地区的绿色金融发展过程中，存在着地区间人才的相互交流与沟通，这一举动加深了邻近地区的联系，从而地区相互之间产生了积极影响。

五、结论与建议

本文通过构建绿色金融对区域高质量发展的研究框架，将绿色金融发展水平划分成五个维度进行衡量，并通过熵值法对五个维度分别赋权，然后进行权数加总，最终形成对于绿色金融发展水平的测度。接着选取我国除香港、澳门、台湾以及西藏自治区以外的30个省（区、市）的2011—2020年10年的省际面板数据，实证检验绿色金融发展对于经济增长的影响，所得结论如下：

（1）无论从全国范围还是按我国区域划分分成东、中、西部加东北地区这四大区域，绿色金融发展对区域经济高质量发展都有着显著的正向影响。

（2）从绿色金融发展水平对区域的影响程度上来看存在着空间异质性。具体表现为，绿色金融发展水平对东北地区经济高质量发展的影响程度明显高于对西部地区经济高质量发展的影响；对中部地区和东部地区的也同样存在显著影响，且对这两个地区之间的影响相差不大。

（3）通过对绿色金融发展水平不同维度对经济高质量发展的影响研究，发现不同维度对经济高质量发展的影响也各不相同，其中绿色信贷和碳金融维度的影响是显著的，负向的，绿色保险对经济增长的影响是显著的，正向的。

（4）从本文所建立的空间计量模型中显示出的空间效应来看，绿色金融发展不仅对本地区的经济高质量发展有显著的促进作用，并且还能够带动周边地区的经济高质量发展。

基于以上结论，本文提出如下建议：

第一，持续推动各地区绿色金融发展，充分发挥其对于经济高质量发展的积极作用。一是完善绿色金融建設机制，将所提出的“碳中和”“碳达峰”这一愿景目标作为立足点，明确区域经济发展路线，加快推进区域产业结构升级，使产业结构能够逐步符合节能减排、绿色环保的区域经济发展模式，并以此进一步提高区域绿色金融发展水平。二是政府应加大对绿色金融发展方面的资金投入，并努力做好绿色金融市场的“监督员”，切实履行市场监管职能。三是重视培养绿色金融发展人才，为绿色金融发展持续高效地输送高质量人才。

第二，基于绿色金融发展对区域基础设施建设具有一定的依赖性，国家要着力于解决我国地区发展不平衡问题。一是要依据区域之间的异质性，因地制宜强化绿色金融政策支持力度，制定适合该地区的指导方针。二是无论是发达地区还是欠发达地区，都需要找到自身的薄弱环节，重点突破，实现更加充分的高质量发展，为绿色金融发展提供更加良好的环境。

第三，为了提高国家总体经济水平，绿色金融发展应该更加注重地区之间的相互影响，在提高本地区经济增长的基础上，做到能够同时带动周边地区经济增长。一是要加强地区之间的相互交流与合作，绿色金融方面的不同地区的人才要互惠互助，努力达到1加1大于2的效果，二是地区之间需要做到优势互补，发达地区应该多往欠发达地区输送资源与人才，全面深入实施区域协调发展战略。

（作者单位：郑州航空工业管理学院经济学院）