绿色金融改革的节能效应与机制

黄秀路 武宵旭 袁圆 王小雨

摘要 节约能源资源、降低能耗强度是推进“碳达峰、碳中和”重大战略决策部署的必然选择，是中国在新发展阶段寻求绿色转型发展的关键抓手。绿色金融改革创新试验区作为中国纵深推进绿色金融改革，加强生态文明建设、促进经济绿色转型的重要举措，是否降低了能源强度，有利于节能效应的发挥？其影响机制如何？目前学术界还缺乏系统性的分析。该研究基于2007—2020年中国城市面板数据，利用广义合成控制法，评估了绿色金融改革创新试验区设立对能源强度的影响效应，并分析其内在影响机制。研究结果显示：①试点政策的实施显著降低了试点地区的能源强度，具有明显的节能效应，并且该节能效应存在政策先行和时效性特征。②试点政策会通过提高绿色创新、缓解融资约束、优化产业结构以及拓展环境治理渠道，驱动试验区能源强度的下降。③试点政策对市场化程度较好、教育水平较高地区的节能诱发作用更强，而对市场化程度较差、教育水平较低地区的能源强度抑制作用较小，节能效应不明显。因此，进一步完善绿色金融改革创新试验区建设，应充分考虑不同地区在制度环境、资源禀赋等方面的差异，在总结现有试点地区经验的基础上，因势利导地吸引更多市场主体参与到以能源效率提升、能源结构转型和环境治理为导向的绿色金融体系中来，为绿色创新和企业融资提供更为充分的市场化条件，这是进一步释放绿色金融改革创新试验区试点政策节能潜力的关键。

关键词 绿色金融；能源强度；节能效应；广义合成控制法

中图分类号 F206；F832；X196 文献标志码 A 文章编号 1002-2104（2023）08-0027-10 DOI：10. 12062/cpre. 20230314

構建绿色金融体系是转变经济发展方式、推动资源节约型和环境友好型社会建设的关键举措，是经济发展高级阶段的必然选择［1］。在中共二十大报告中，习近平总书记提出“绿色决定着发展的成色”。加快发展方式绿色转型，需要构建绿色低碳循环的经济体系，促进生产领域节能降碳。在经过四十余年的快速发展之后，一方面，中国经济取得了举世瞩目的成就，跻身为世界第二大经济体；但另一方面，长期依赖高能耗的发展模式也让中国的能源消耗持续攀升，成为世界一次能源消费和碳排放第一大国。根据《BP世界能源统计年鉴》，2021年中国能源消费总量高居全球榜首，同比增长7. 1%，超过全球能源消费总量的四分之一。这种以化石能源为主导的能源消费结构不但消耗了大量资源，而且造成了大气污染并引致气候变化等环境问题。因此，提升能源效率、推动节能降耗，成为中国实现绿色发展和“双碳”目标亟待攻克的重大问题之一。

与绿色金融发展相关的配套政策措施与发展策略是中国加快建立健全绿色低碳循环发展经济体系的重大机制创新与政策工具。2017年6月，中国绿色金融发展进入“自上而下”顶层设计与“自下而上”区域探索相联结的新发展阶段，国务院常务会议决定在浙江、广东、江西、贵州和新疆五省（区）八地建设各具特色的绿色金融改革创新试验区。那么，这一旨在发挥地方主动性，打造创新性绿色金融产业，逐步健全统一管理平台的绿色金融改革创新试验区试点政策（简称：试点政策），是否促进了区域经济绿色转型，从根本上扭转了以能源消耗获取经济效益的发展方式，实现经济高质量发展与环境保护的高度融合呢？其内在传导机制如何？又是否存在异质性的影响效果？现有研究尚未给出明确答案。该研究较为全面地梳理了试点政策对地区能源强度影响的微观与宏观影响机制，为更好地理解试点政策如何发挥节能效应，以及后续如何进一步释放试点政策的节能效应潜力、扩大试点政策的改革试点地区提供了新的视角和经验证据。

1 文献综述

以往有关绿色金融政策效果的研究更多地聚焦于绿色信贷政策，认为绿色金融政策会对宏观经济发展转型、环境质量改善、微观企业投融资、商业银行信贷决策等问题产生重要影响。在宏观层面上，一些学者认为绿色信贷有利于绿色经济增长，减少碳排放［1］。针对绿色信贷的贴息、定向降准、再贷款等有效且合意的政策激励，不仅能在绿色意义上优化经济结构［2］，而且不会对社会总产出、总就业造成明显负向影响，有助于实现经济和环境的双赢［3-4］。但亦有研究指出，绿色信贷政策在抑制能源密集型产业投资方面颇为有效，而在调整产业生产结构方面的效果相对较差［5］。中国绿色经济的增长处于波动状态，绿色经济增长率并未得到持续改善，存在着“一年紧一年松”的问题［6］。

在微观层面上，学者们主要从企业和金融机构视角探究绿色金融政策的实施效果，发现绿色信贷政策能够改善企业环境社会责任［7］，加快企业环境治理从末端治理向前端防控的转型［8］。通过在授信过程中引入企业环境风险评估机制，严格控制高污染、高排放企业的信贷投放［9］，绿色金融政策能够有效助推高能耗、高污染企业的绿色转型［10］，对企业的绿色减排行为产生倒逼机制［11］，发挥环境治理效应。但值得注意的是，与银行自发采用的纯粹市场机制（如赤道原则）相比，中国的绿色信贷对银行施加了压力，使得银行有义务对环境风险负责。环境准入门槛的设立和执行过程中的“一刀切”，一方面可能对银行绩效产生不利影响［11-12］；另一方面，也会对不同类型企业的债务融资成本造成不对称影响，进而改变企业的生产投资行为。例如，Wen等［13］研究发现，绿色信贷政策因增加了“两高”企业的融资成本而抑制了其绿色技术研发投入，进而对企业的绿色创新与绿色发展产生了不利影响。Flammer［14］指出，绿色企业也存在获得较为廉价的融资成本后而没有从事实质性绿色创新的“漂绿”行为。由此可见，绿色金融政策在环境治理中究竟发挥了何种作用，绿色金融政策是否有效降低了区域能源消费强度，有利于节能等关键问题，仍有待进一步探讨。

实际上，运用准自然实验研究绿色金融政策经济效果的关键，在于如何准确识别绿色金融政策对经济活动的纯净影响。绿色金融改革创新试验区是中国绿色金融发展的重要政策。2016年8月，中国人民银行等七部委联合出台《关于构建绿色金融体系的指导意见》，宣布各地方要以解决突出生态环境为重点，结合实际情况推动构建绿色金融体系，成为世界首个由中央政府部门制定的绿色金融政策框架。2017年6月，国务院审定浙江衢州、浙江湖州、广州花都区、贵州贵安新区、江西赣江新区、新疆哈密市、新疆昌吉回族自治州、新疆克拉玛依市为首批绿色金融改革创新试验区；2019年12月、2022年8月，甘肃兰州新区、重庆市分别获批加入试点，绿色金融改革创新试验区试点再次扩容。与其他绿色金融相比，试点政策明确界定了政策执行对象，可以最大限度上避免因错误识别绿色金融政策作用对象而产生的有偏估计结果。

基于中国城市面板数据，利用广义合成控制法评估试点政策的节能效应及影响机制。相比已有文献，该研究的边际贡献主要体现在以下两点：第一，有关绿色金融政策的评估研究，多围绕绿色信贷政策进行，讨论了其对环境质量改善［9］、绿色创新［15］、企业投融资［11］、绿色转型［10］，以及环境社会责任承担［7］等方面的影响。但就绿色金融政策能否降低能源消费强度、促进能源利用效率，从根本上扭转以能源消耗以获取经济效益发展方式等关键问题的讨论尚不充分。该研究从节能视角，探究试点政策对能源强度影响的总体效应，拓展了绿色金融政策的研究范围。第二，该研究采用广义合成控制法，考察试点政策在节能方面的有效性，可以较好地缓解既有文献中存在的内生性和数据限制问题，得到更为科学的政策评估结果。现有研究多使用双重差分法进行政策评估，在构造实验组和控制组时，多基于绿色金融政策对污染企业与清洁企业的差异性影响，进行组间差异比较［16］；或是将绿色金融政策中的限制性行业作为实验组，非限制性行业作为控制组，来识别政策的平均处理效应［15］，这会因主观性偏误，产生政策内生问题。该研究以试点政策为政策冲击，利用广义合成控制法评估试点政策的经济效应，可以较好地解决上述问题，为准确评估绿色金融改革的节能效果提供数据支撑。

2 理论分析

试点政策兼具市场型环境规制与命令型环境规制的特点。理论上来讲，试点政策的实施，会通过绿色金融制度环境建设、绿色金融产品和服务体系创新、绿色金融改革創新保障强化等措施，影响区域内企业间的信贷资源配置、资本投资流向以及绿色技术创新等，进而对能源消费产生影响。

首先，从制度环境建设视角来看，试点政策的实施有利于发挥制度体系的引导作用，通过信号机制，增强企业环保意识和可持续发展理念。相比于发达国家的“深绿”状态，现阶段中国的绿色发展尚处于“浅绿”阶段，企业的环境社会责任意识较差、环境信息披露机制尚不成熟。

试点政策聚焦于绿色金融体系标准建设以及跨区域、跨部门、跨机构协调机制的推进，通过出台专项指引文件打造绿色金融生态，完善地方性绿色企业和绿色项目的评估。试点政策作为影响经济向绿色发展的政策措施，其表达的是政府对绿色企业“扶持认证”和坚持经济绿色转型的强烈信号：一方面，会引导企业构建绿色生产发展战略，主动调整要素投入结构；另一方面，又会通过绿色认证等“贴标”形式，倒逼企业改进生产方式，改善能源利用效率，降低能源强度。

其次，从绿色金融市场体系视角来看，试点政策所构建的多元化绿色金融市场体系，能够通过区别对待，有效解决环境项目的外部性，抑制能源消耗强度。试点政策明确规定了绿色金融的支持重点，要求银行等金融机构建立绿色识别标准体系，具化绿色金融服务对象。对新能源、新材料、绿色建筑等节能环保企业和绿色项目提供更多的信贷支持；而对钢铁、有色、造纸、印染等“两高”企业和非绿色项目采取较高的惩罚性贷款利率以倒逼其整改。同时，为解决试点政策区域内企业在投资建设、生产经营中可能带来的环境问题和能源消耗问题，相关部门还要求获得绿色贷款的企业披露更多环境信息。这些举措有利于化解金融资源配置与环境项目外部性之间的冲突，一方面通过资源配置效应，加快高能耗、高污染企业退出［16］，驱策在位企业提高能源利用效率［17-18］；另一方面，通过绿色信贷建立的识别标准发挥“信息效应”，使得投资偏向绿色标的，实现信息优化配置金融资源的功能［4］，进而产生节能效应。

最后，从保障举措视角来看，试点政策出台的财政激励和监督措施，有利于激发市场主体参与绿色金融的积极性，通过更为显著的结构效应和更为完整的治理周期，降低单位产出能耗。现实中，由于传统金融模式无法有效遴选、评估和监督企业的环境水平与投资流向，因而，绿色企业和项目在信贷市场中并不占优。试点政策通过搭建信息项目库等平台建设、引入第三方认证机构等多元参与主体，打破信息壁垒，提升绿色投融资效率。参与主体的多元性和专业机构对企业生产采购、能源消耗等各环节的严格监督，会激励企业主动承担环境责任，专门研究和采用环境友好型技术［7］。此外，贴息奖补、赋予企业税收优惠等措施，也会促使企业提升自身绿色创新水平，改善能源投入结构，助力能源强度降低。基于以上分析，提出：假说1：试点政策实施以后，区域内的能消耗源强度会显著降低。

2. 3 作用机制分析

那么，作为中国纵深推进绿色金融改革的重要举措，试点政策又是通过何种渠道发挥节能效应的呢？根据各地试点政策的相关文件，选取了绿色创新、融资约束、产业结构优化和环境治理四个渠道进行了作用机制分析。

（1）绿色创新机制。创新是引领经济绿色转型，改善能源消费结构、提升能源效率，实现节能减排目标的动力源泉。由于市场失灵在研发市场广泛存在，仅靠市场型激励难以形成清洁技术研发的最优水平［19］，因而政府激励起到十分关键的作用。试点政策的设立，一是强化了市场对绿色发展的预期，通过信号传递作用，譬如增加企业预期治污成本和生产成本、引导更多资源流向绿色企业和绿色项目，激励企业开展更多绿色创新活动以增强竞争优势，以抵消环境规制带来的成本。二是解决了传统金融体系下企业利润最大化目标与环境社会责任承担之间的矛盾，通过稀缺性环境产品市场的构建，实现金融资源的重新配置，为企业提供更多技术改进的市场信息［20］，减少绿色创新不确定性，促进企业绿色创新。三是试点政策设立节能减排专项资金和财政补贴，会通过资金配套、直接奖励等途径激励生产企业进行绿色技术研发和改造。当出现突破式绿色创新，导致绿色产业崛起，绿色产业正外部性开始逐渐兑现，试点政策内部将形成经济效益与环境效应共存的正反馈机制，能源强度从而得以降低。

假说2：试点政策的设立会通过促进绿色创新，降低地区能源强度。

（2）融资约束机制。节能效果的实现还依赖于大量的环境投资以及资本在不同企业和产业间的重新配置。

试点政策的设立，会通过金融机构集聚、绿色金融跨区域合作与协同发展等多种途径改善企业融资约束，强化企业环境友好型技术投资，进而降低地区能源消耗强度。

一是伴随试点政策绿色金融产品和服务体系的量质齐升，试验区内的绿色金融供给将更加充分，企业可获得外源融资规模和融资渠道将不断扩大。二是试点政策搭建的多元化绿色金融市场体系和“专业机构+政府部门+金融机构”的协作模式，在很大程度上缓解了银企之间的信息不对称，使得金融市场中的交易成本降低，绿色金融机构的资金供给和风险降低。例如，江西赣江新区就推出了支持轨道交通等标准化的绿色PPP项目，鼓励金融机构推广知识产权质押、合同能源管理等融资模式，拓宽企业融资渠道。在现代化环境治理日渐趋严和完善的情况下，企业融资成本变低，进行环境投资以及污染治理的激励就愈强，其能源的使用效率就会逐步提升。已有研究表明，绿色金融政策显著提高了高污染企业的退出风险，促进了在位企业的市场份额增长［16］。绿色信贷会通过影响企业融资和投资，改善环境质量［9-10］。

假说3：试点政策的设立会通过改善企业所面临的融资约束，降低地区能源强度。

（3）产业结构优化机制。产业是经济体系的核心，产业结构会对经济体系的能源消费结构产生影响。从微观层面来讲，试点政策的设立会通过显著的资源配置效应对信贷流向产生结构性调整，进而影响产业结构发展方向。具体地，在大力提倡发展绿色金融的背景下，银行等金融机构会基于监管者的绿色要求以及自身逐利的需求，对不符合产业政策以及环境违法型的企业和项目进行资金控制，防止高污染、高能耗的企业的盲目扩张［5］；同时，对于那些符合绿色金融标准的企业和项目提供低利率的贷款支持。这会迫使更多企业绿色创新，升级既有技术，参与绿色项目，进而推动能源消费结构向环保、生态、绿色方向发展［2］。从宏观层面来讲，试点政策会打破原有与绿色发展不相适应的制度性障碍，扩大金融服务范畴，促进知识、技术、人才、资金等要素的流动与协调配置能力，通过“政府引导，市场主导”的新模式，促进产业结构调整和工业生产方式清洁化。而清洁化的特征本身就暗含着更少的能源消耗。

假说4：试点政策的设立会通过优化产业结构，降低地区能源强度。

（4）环境治理机制。环境治理离不开大量具有强烈正外部性的环境投资。但在现实中，由于环境投资在短时间内难以转换成经济效益，其外部性一般无法完全内部化，因此需要以政府介入的方式解决这一问题，促使绿色投资规模达到社会最优水平。绿色金融改革创新试验区设立之后，各试验区政府先后出台了多项绿色金融专项政策以及财税政策，意图通过资金配置、直接奖励等方式加大绿色基础设施投入，降低企业绿色投资难度，促进生态可持续发展。环境治理强度的加大，一方面可以通过增加绿色基础设施等财政支出直接改善试验区环境治理整体效果；另一方面，可以通过一次性奖励和财政补贴等优惠措施形成的“洼地效应”，改变投资者偏好，增加经济体在环境资本领域投资的资金规模，革新生产范式，最终提升绿色金融治理水平，降低能源强度，发挥节能效应。

假说5：试点政策的设立会通过增强地区环境治理，降低地区能源强度。

3 实证策略及指标选取

3. 1 广义合成控制法

国内外学者多采用双重差分法（Differences‑in‑Differences，简称DID）进行政策效果评估。然而，使用DID方法评估试点政策的节能效应时，存在以下障碍：①在对照组的选取上存在主观性和随意性问题［21］，即便使用倾向评分匹配方法进行最优匹配，但两组间是一一对应的关系，存在的误差较大；②政策是内生的，试点城市与其他城市之间有系统性区别，而这种差别恰好是该城市成为试点城市的原因。基于上述问题，Abadie等［22］提出基于“反事实估计框架”的合成控制法，其邏辑原理是虽然寻找和实验组完全类似的对照组是困难的，但可以通过对多个对照组赋予权重，加总拟合全新的虚拟对照组，以解决主观选定对照组的问题。考虑到合成控制法每次只能处理一个政策实施对象，而该研究讨论多个绿色金融改革创新试验区在多个政策发生时期的综合政策效应。因此，借鉴Xu［23］的研究，将交互效应模型与合成控制法相结合，使用广义合成控制法（Generalized Synthetic ControlMethod，简称GSCM）对试点政策的节能效应进行评估。GSCM既可以解决因不同地区显著差异而导致的平行趋势不满足问题，又可以避免因多个政策实施对象而要逐一进行分析的弊端，使得估计过程更加准确。

3. 2 指标选取

（1）被解释变量：能源强度（Engy）。采用每万元GDP能源消耗总量的自然对数衡量。

（2）核心解释变量：绿色金融改革创新试验区试点政策（D）。将2017年国务院常务会议确定的五省（区）八地作为实验组，当城市属于试点政策所在地区并在2017年以后，取值为1，否则取值为0。

（3）中介变量。①绿色创新（GrnInov），用地区绿色专利申请数占其专利申请总数比重衡量，其中地区绿色专利申请数通过加总该地区A股上市公司绿色专利申请量获得。②融资约束（FC），用地区A股上市公司SA指数经公司规模加权平均后的SA指数平均值衡量，其中SA指数借鉴Hadlock等［24］计算得到，其数值越大，表示面临的融资约束FC越高。③产业结构（IndStru），用地区第三产业产值与地区第二产业产值之比的自然对数衡量。④环境治理强度（EnvirGov），用政府环境污染治理投资支出占地区国内生产总值比重衡量。

（4）控制变量。①经济发展水平（ln gdp），地区GDP的自然对数；②人口密度（ln popint），每单位行政区域面积人口数的自然对数；③城镇化水平（urban），城镇人口占地区总人口比重；④开放程度（open），外商直接投资与地区GDP之比；⑤绿色覆盖率（greening），地区绿地面积占其建成区面积比重；⑥交通设施（ln fras），公路客运量与地区总人口之比的自然对数；⑦工业发展状况（ln ind），地区工业增加值的自然对数；⑧消费水平（consum），社会消费品零售总额与地区GDP比重。主要变量的描述性统计见表1。

在剔除掉万元GDP能耗指标缺失的地级市样本后，选取2007—2020年31个省份的209个地级市构成的城市面板数据作为研究样本。因数据可得性等原因，研究未涉及香港、澳门和台湾。该样本时间段涵盖了自2007年绿色金融概念的提出，到2017年正式实施试点政策战略的完整阶段，具有较好的代表性。原始数据源自《中国城市统计年鉴》和《中国能源统计年鉴》，以及各省份统计年鉴、各省份政府与统计局网站等。

4 实证分析

4. 1 基准结果分析

该研究采用广义合成控制法，通过合成得到试点政策在政策实施后的“反事实”对象，以检验试点政策是否降低了能源强度，有利于节能效应的发挥。从图1可以看出，其真实值与合成值的发展路径存在显著差异。首先，试点政策的能源强度合成效果总体较好。试点政策前，能源强度的真实值与合成值非常接近，说明“反事实”对象对该地区拟合程度较好。其次，试点政策总体显著促进了地区能源强度的降低。相比于合成地区，试点政策后，其能源强度的真实值始终位于合成值下方。在数值上，该政策在能源强度上的平均处理效应为-0. 118 9，且在1%水平下显著，说明试点政策确实降低了能源强度，存在节能效果。最后，试点政策对区域的节能效应具有明显的政策先行特征，即自绿色金融改革创新试验区批复设立当年起，试验区便在95%的置信水平下对区域的能源强度表现出显著负向影响。可能的原因在于，为成功获批，地方政府会在绿色金融制度建设、产品体系和服务平台等各方面提前谋划，通过向市场传递绿色发展信号和发挥引领示范效应，以增强企业环境保护意识和可持续发展理念，从而引导更多资源流向绿色企业和绿色项目，助力节能效应发挥。此外，随着区域绿色配套设施的完善以及市场信号引导示范作用的释放，试点政策的节能效应还呈现出逐年增强的时效性趋势。

4. 2 稳健性检验

①安慰剂检验。通过随机抽取实验组对象500次，同时在2014—2016 年区间内随机抽取政策执行时间500次，构造“伪政策”变量进行安慰剂检验。针对各随机抽样形成的研究样本，重新运用广义合成控制法估计出各“伪政策”的综合平均处理效应。②排除其他政策的干扰。考虑到能耗强度的下降可能是由于其他政策的影响，因此，收集了可能影响环境效应的重大政策和事件，以探讨试点政策的节能效果是否仍然存在。2008年，中国创新型城市试点项目启动。作为实现环境保护和创新驱动有机融合的区域典范，创新型城市在促进中国经济发展绿色转型方面发挥了重要作用。2012年，中国住房和城乡建设部正式发布“关于开展国家智慧城市试点工作的通知”，将集约、绿色、低碳、智能新型发展作为智慧城市的内涵要求，以实现城市可持续发展。鉴于以上因素，在基准模型基础上，依次引入创新城市试点政策变量、智慧城市试点政策变量、政府关注強度变量，以排除其他政策的干扰。③指标重塑。使用人均能源消耗总量的自然对数代理能源强度，重新检验试点政策的节能效应。④双重差分法再检验。结果发现，2017年试点政策出台之前，实验组与控制组的能源强度不存在显著差异；试点政策实施之后，试点地区的能源强度显著下降。以上结果均表明，该研究基准结论具有较好的稳健性。鉴于篇幅限制，所有稳健性检验的结果留存备索。

5 作用机制分析

为揭示试点政策与能源强度之间的内在关系，构建中介效应模型对潜在的传导机制进行实证检验。

5. 1 绿色创新和融资约束的机制检验

表2列（1）和列（2）报告了以非绿色金融改革创新试验区的城市作为对照组，试验区设立通过绿色创新中介变量影响区域能源强度的影响机制和传导路径。可以发现，列（1）中，试点政策的实施对绿色创新的回归系数显著为正（0. 066 1），说明试点政策的实施会使得区域整体的绿色创新水平提升6. 61%。同时，列（2）中，绿色创新对能源强度的估计系数显著为负（-0. 086 4），说明企业绿色创新确实有利于降低试验区的能源强度。即试点政策会通过提升绿色创新水平促使区域能源强度的下降，具有节能效应。绿色创新和环保技术的应用是实现能源节约的重要途径之一，试点政策的设立通过构建稀缺性的环境产品市场、引导更多金融资源流向绿色企业和绿色项目，对企业形成了更多的绿色创新激励，进而有利于节能效应的发挥。类似地，列（3）和列（4）报告了融资约束机制检验的回归结果。可以看出，试点政策的实施会通过缓解融资约束，助力能源节约目标。试点政策增加了区域内的绿色金融供给，其所搭建的多维信息平台，不仅降低了区域内企业的融资成本，也为区域内企业污染治理等绿色投资的增加提供了激励。在现代化环境治理日渐完善的情况下，企业融资成本的降低，有利于其利用额外资金进行技术研发、生产设备更新以及其他环境投资，从而形成节能效应的正反馈机制。

5. 2 产业结构优化和环境治理机制的检验

表3列（1）和列（2）报告了产业结构优化机制检验的回归结果。同样可以发现，试点政策的实施会通过优化地区产业结构，实现地区的能源节约。产业结构的优化是试点政策发挥节能效应的重要途径。产业结构的变化在很大程度上决定了地区经济运行过程中的能源消耗强度和污染排放类型。试点政策改变了信贷资源流向，通过限制污染行业的信贷资源获取能力而倒逼其转型升级，进而推动整个地区的产业结构向绿色清洁、生态环保的方向不断发展，有利于加总能源强度的下降。列（3）和列（4）是以环境治理为中介变量的估计结果。环境资源是一种不具有排他性但具有竞争性的公共物品，具有严重外部性，必须依靠政府管制来解决。列（3）中，试点政策实施对环境治理强度的回归系数显著为正（0. 034 1），意味着试点政策提高了政府对环境的关注，增强了政府对环境治理的投入力度。同时，列（4）中环境治理强度对能源强度的估计系数显著为负（-0. 763 8），说明环境治理强度的提升有利于试验区能源强度的下降。即试点政策会通过增加政府环境治理强度发挥节能效应。由于外部性的内部化无法完全依靠市场机制实现，因此，节能目标的实现还需要政府积极作为。试点政策从给予企业财政补贴、大力发展绿色基础设施建设、鼓励多元主体参与等多个方面为经济的绿色转型提供了监督保障机制，通过建立更为完整的治理周期，为区域节能效应的发挥创造了良好外部条件。

上述机制分析表明，试点政策会通过助推绿色创新、缓解融资约束、优化产业结构以及增强环境治理等而产生节能效应。不过，考虑到逐步回归的传导机制分析框架可能存在两方面的内生性问题，一是源自中介效应系统方程式中不可观测因素同时影响政策变量和中介变量，二是源自机制相关性。为了确保机制分析结论的稳健性，该研究还借鉴Celli［25］的研究，运用基于边际效应的机制分析框架以缓解内生性问题。结果发现政策变量及四种中介变量对能源强度的影响均在5%或1%的置信水平下显著，且各变量的回归系数符号与前文相一致。进一步地，夏普利值量化分解表明，各项机制对试点政策的节能效应具有较好的解释力度，达到80. 11%，其中绿色创新、融资约束、产业结构、环境治理分别解释了26. 98%、14. 68%、16. 62%、30. 54% 的能源强度变化，结果备索。这些发现都意味着，该研究的基准结论与机制分析结论没有受到潜在内生性问题的干扰，具有较强的稳健性。

6 异质性分析

为进一步了解试点政策的具体效果，从政策侧重点、市场化程度、教育程度等视角进行分析，以深入探讨其对能源节约的异质性影响。

6. 1 基于试验区政策侧重点的异质性分析

考虑到各试验区政策侧重点主要分为三类：一是浙江和广东对创新绿色金融服务和发展绿色金融市场的探索；二是贵州和江西对依托良好的绿色资源，发展绿色金融机制和构建绿色发展方式的探索；三是新疆对绿色金融支持现代农业和清洁能源资源的探索。该研究对三类不同试验区的政策效应进行分组检验。从图2可以看出，浙江和广东组的试验区具有明显的能源节约、政策先行及节能递增时效性效应；新疆组的试验区亦具有明显的能源节约效应，但该节能效应不具备政策先行性，且呈现出先强势后平滑的节能时效性；而江西和贵州组的试验区的能源节约效应不理想，具有明显时滞性，直到2020年才稍有显现。通过计算可知，浙江和广东组的试验区在能源强度上的综合平均处理效应最强，为-0. 188 1，对应P 值为0. 025 3；新疆组的试验区在能源强度上的综合平均处理效应为-0. 107 4，对应P 值为0. 012 6；江西和贵州组的试验区在能源强度上的综合平均处理效应只有-0. 043 7，对应P 值为0. 195 4。

6. 2 基于市场化程度的异质性分析

以市场化指数表征地区的市场化程度，将试点政策城市按照市场化程度的高低分为两组进行检验。若该地区的市场化指数高于中位数，则为高市场化程度地区；若低于中位数，则为低市场化程度地区。其中，市场化程度取自王小鲁等［26］构建的市场化指数。从图3可以看出，位于较高市场化水平的试验区，具有明显的能源节约和政策先行效应；而位于较低市场化水平的试验区，虽然会在一定程度上降低能源强度，但节能效果并不显著。通过计算可知，较高（低）市场化水平的试验区在能源强度上的综合平均处理效应为-0. 132 6（-0. 081 8），对应P 值为0. 008 0（0. 339 5）。原因在于，相比于市场化程度较高的地区，市场化程度较低的地区，市场发育不成熟、政府对银行和企业的干预程度较高、政企分离不彻底、市场机制在资源配置中的主导性的参与度相对较差，因而在识别企业绿色投资、为企业提供相关绿色金融服务等方面的作用会相对较弱。这会在一定程度上造成资本跨企业配置效率的扭曲，抑制企业绿色创新的积极性，进而削弱试点政策环境治理效果，使得其节能效应表现不佳。

6. 3 基于教育水平的异质性分析

为考察不同教育水平下，试点政策对地区节能效应的影响是否存在异质性，将试点政策所在城市按照教育水平高低进行分组，若教育水平高于中位数，则为高教育水平组，否则为低教育水平组。根据图4，位于较高教育水平的试验区，具有明显的能源节约和政策先行效应；而位于较低教育水平的试验区，虽然会在一定程度上降低能源强度，但该节能效果并不显著。计算可知高（低）市场化水平的试验区在能源强度上的综合平均处理效应为-0. 153 5（-0. 022 0），对应P 值为0. 005 7（0. 403 6）。原因在于，一方面，受教育水平更高地区的人群对健康安全的考虑更多，公众环境意识更强，其对环境治理的支付意愿更高。这会促使其主动参与到绿色金融活动中，例如绿色金融产品购买意愿更强、对企业环境信息披露的关注度更高。在这种情形下，企业会出于改善自身声誉等因素的考虑，主动承担环境社会责任，对环境投资与绿色创新等产生需求。另一方面，知识存量和人力资本存量在驱动经济绿色发展过程中扮演着重要角色。较高的人力资本可以提高要素使用效率，促进绿色技术创新，带动地区绿色发展效率。因而，地区受教育程度越高，可利用的人力资本越多，试点政策的节能效应也更加突出。

7 结 论

以绿色金融改革创新试验区为代表的区域性绿色金融试点政策为解决能源消耗和环境污染问题提供了一种全新思路。以中国2017年设立的绿色金融改革创新试验区作为准自然实验，基于2007—2020年城市面板数据，采用广义合成控制法评估试点政策对能源强度的影响，并检验试点政策设立推动能源节约的传导路径。结果表明，试点政策通过提高绿色创新、缓解融资约束、优化产业结构和强化环境治理显著降低能源强度，推动节能进程。试点政策的节能效应主要存在于市场化水平和教育水平较高的地区。

研究结论对中国继续完善和充分发挥绿色金融的节能效应具有重要政策启示。①增强绿色金融改革创新试验区对能源节约的正向促进作用，需要在制度层面上进一步建立支持绿色经济发展的长效机制。政府引导与金融市场基础是推动绿色金融改革创新试验区发挥节能效应的两大关键要素。隨着未来中国绿色市场规模的不断扩大，继续推动绿色金融制度实施的保障体系，明晰政策执行中政府与市场的责任边界，加快政府环境政策由命令控制型向市场激励型的转变，为绿色金融制度的有效运行提供更为充分的市场化条件，是进一步释放绿色金融节能潜力的重要举措。②充分考虑不同地区在制度环境、资源禀赋等方面的差异，在总结现有试点地区经验的基础上，因势利导地加快绿色金融试点政策在全国各地区的推广［27］。地方政府在积极学习试点地区成功经验的基础上，还应结合当地的产业结构、市场化水平等实际情况出台相应政策工具包，包括配套基础设施建设、中介组织服务机构发展和专业技术管理人才培养等，渐进式地进行绿色金融改革，切勿盲目照搬某一地区的发展经验。③激励企业绿色创新，推动多元化融资通道的建立，吸引更多市场主体参与到以能源效率提升、能源结构转型和环境治理为导向的绿色金融体系中来，是进一步发挥绿色金融改革创新试验区节能效应的关键途径。一方面，政府可以制定绿色政策鼓励绿色金融产品创新，通过构建更为顺畅的资金融通机制以解决企业因融资约束而导致的绿色投资受限问题。另一方面，强化与绿色发展相适应的部门协同、区域协同机制，通过增加与绿色金融中介服务机构等的沟通合作，健全生态环境保护的责任追究制度和监督长效机制，从而为区域节能效应的发挥创造良好外部条件。

参考文献

［1］ 文书洋，张琳，刘锡良. 我们为什么需要绿色金融：从全球经验

事实到基于经济增长框架的理论解释［J］. 金融研究， 2021

（12）： 20-37.

［2］ HU Y Q， JIANG H Y， ZHONG Z Q. Impact of green credit on industrial

structure in China： the oretical mechanism and empirical

analysis［J］. Environmental science and pollution research， 2020，

27（10）： 10506-10519.

［3］ 王遥，潘冬阳，彭俞超，等. 基于DSGE模型的绿色信贷激励政策

研究［J］. 金融研究， 2019（ 11）： 1-18.

［4］ MAMUN MAL， BOUBAKER S， NGUYEN D K. Green finance

and decarbonization： evidence from around the world［J］. Finance

research letters， 2022， 46：102807.

［5］ LIU J Y， XIA Y， FAN Y， et al. Assessment of a green credit policy

aimed at energy‑intensive industries in China based on a financial

CGE model［J］. Journal of cleaner production， 2017， 163：

293-302.

［6］ 谢婷婷， 刘锦华. 绿色信贷如何影响中国绿色经济增长？［J］.

中国人口·资源与环境， 2019， 29（9）： 83-90.

［7］ 斯丽娟，曹昊煜. 绿色信贷政策能够改善企业环境社会责任吗：

基于外部约束和内部关注的视角［J］. 中国工业经济， 2022

（4）： 137-155.

［8］ SUN J X， WANG F， YIN H T， et al. Money talks： the environmental

impact of China’s green credit policy［J］. Journal of policy

analysis and management， 2019， 38（3）： 653-680.

［9］ ZHANG S L， WU Z H， WANG Y， et al. Fostering green development

with green finance： an empirical study on the environmental

effect of green credit policy in China［J］. Journal of environmental

management， 2021， 296： 113159.

［10］ LU Y C， GAO Y Q， ZHANG Y， et al. Can the green finance policy

force the green transformation of high‑polluting enterprises： a

quasi‑natural experiment based on‘ green credit guidelines’［J］.

Energy economics， 2022， 114： 106265.

［11］ FAN H C， PENG Y C， WANG H H， et al. Greening through finance？

［J］. Journal of development economics， 2021， 152： 102683.

［12］ 丁宁，任亦侬，左颖. 绿色信贷政策得不偿失还是得偿所愿：基

于资源配置视角的PSM‑DID 成本效率分析［J］. 金融研究，

2020（4）： 112-130.

［13］ WEN H W， LEE C C， ZHOU F X. Green credit policy， credit allocation

efficiency and upgrade of energy?intensive enterprises

［J］. Energy economics， 2021， 94： 105099.

［14］ FLAMMER C. Corporate green bonds［J］. Journal of financial

economics， 2021， 142（2）： 499-516.

［15］ 王馨，王营. 绿色信贷政策增进绿色创新研究［J］. 管理世界，

2021， 37（6）： 173-188.

［16］ 陆菁，鄢云，王韬璇. 绿色信贷政策的微观效应研究：基于技术

创新与资源再配置的视角［J］. 中国工业经济， 2021 （1）：

174-192.

［17］ SONG M L， XIE Q J， SHEN Z Y. Impact of green credit on highefficiency

utilization of energy in China considering environmental

constraints［J］. Energy policy， 2021， 153： 112267.

［18］ LIU X H， WANG E X， CAI D T. Green credit policy， property

rights and debt financing： quasi‑natural experimental evidence

from China［J］. Finance research letters， 2019， 29： 129-135.

［19］ POPP D. Induced innovation and energy prices［J］. American economic

review， 2002， 92（1）： 160-180.

［20］ GOULDER L H， PARRY I W H. Instrument choice in environmental

policy［J］. Review of environmental economics and policy，

2008， 2（2）： 152-174.

［21］ 劉甲炎，范子英. 中国房产税试点的效果评估：基于合成控制

法的研究［J］. 世界经济， 2013， 36（11）： 117-135.

［22］ ABADIE A， GARDEAZABAL J. The economic costs of conflict：

a case study of the Basque country［J］. American economic review，

2003， 93（1）： 113-132.

［23］ XU Y Q. Generalized synthetic control method： causal inference

with interactive fixed effects models［J］. Political analysis， 2017，

25（1）： 57-76.

［24］ HADLOCK C J， PIERCE J R. New evidence on measuring finan

constraints： moving beyond the KZ index［J］. The review of financial

studies， 2010， 23（5）： 1909-1940.

［25］ CELLI V. Causal mediation analysis in economics： objectives， assumptions，

models［J］. Journal of economic surveys， 2022， 36

（1）： 214-234.

［26］ 王小鲁，胡李鹏，樊纲. 中国分省份市场化指数报告（2021）

［M］. 北京：社会科学文献出版社， 2021.

［27］ 刘阳，秦曼. 中国东部沿海四大城市群绿色效率的综合测度与

比较［J］. 中国人口·资源与环境，2019，29（3）：11-20.