双碳目标下绿色金融碳减排效应的实证研究

周稳海　武晓敏　赵桂玲

摘 要：绿色金融是实现绿色低碳发展战略的重要手段，研究绿色金融碳减排效应及其作用机制对实现“双碳”目标具有重要现实意义。利用2008—2020年省际面板数据，实证检验了绿色金融碳减排效应、作用机制和异质性。研究结果表明：无论是总维度还是分维度，绿色金融均具有显著的碳减排效应，其中绿色投资的碳减排效应最大，绿色证券次之，绿色信贷最小；绿色技术创新对绿色金融碳减排效应具有中介作用，环境规制与金融市场化均增强了绿色金融碳减排效果；东部组、科技发达组和高耗能组相对中西部组、科技欠发达组和低耗能组绿色金融碳减排效应更为明显。因此，进一步加大绿色金融产品创新，实现绿色金融资源高效配置，制定差异化绿色金融政策尤为重要。

关键词：绿色金融；碳减排效应；绿色发展；双碳目标；金融市场化

中图分类号：F124.3 文献标识码：A文章编号：1007-2101（2024）01-0047-12

随着全球经济的快速发展和工业化水平的不断提高，能源消耗和碳排放量日益增大，生态环境、气候条件不断恶化，对人类健康和经济社会的可持续发展造成了严重的负面影响。碳减排已成为广泛关注的热点问题，国际社会和各国政府一致认为应对气候变化需要世界各国通力合作，控制二氧化碳等温室气体的排放。鉴于此，2016年170多个国家共同签署《巴黎协定》，承诺积极采取行动，减少温室气体排放，将气温升幅限制在2 ℃的范围内。中国作为世界第二大经济体，积极履行大国责任，2020年国家主席习近平在第七十五届联合国大会上宣布中国“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。”［1］。为了实现“双碳”目标，中国政府全面部署，积极探索绿色发展的实施路径，十九届五中全会与2021年中央经济工作会议明确肯定了绿色金融在实现碳达峰、碳中和中的重要作用，提出要加大对绿色金融的支持力度，加快绿色技术创新，积极开发节能环保和可再生能源，实现绿色低碳发展［2］。基于此，我国将绿色金融发展上升到战略高度，将绿色金融作为我国实现“双碳”目标和推动经济绿色转型的重要手段，在此背景下，研究绿色金融碳减排效应及其作用机制，对优化绿色金融政策，推进绿色发展战略具有重要的现实意义。

已有研究对绿色金融与碳排放的关系进行了一定的探索，主要集中在如下两个方面：一是关于绿色金融政策对碳排放效应的研究。现有成果基于不同的研究方法对绿色金融政策碳减排效应进行了实证研究，一致认为绿色金融政策减少了碳排放。如杜莉等［3］、Zhang等［4］利用双重差分的方法，认为中国碳排放交易试点政策、绿色信贷政策的实施显著降低了碳排放。赵军等［5］选取“一带一路”中国重点省域的面板数据，利用断点回归的方法，Sreenu［6］采集印度州际数据，利用半参数双重差分模型，均得出绿色金融政策具有碳减排效应的结论。二是关于绿色金融工具对碳排放效应的研究。基于绿色信贷的角度，一些学者，如Yao等［7］、Hu等［8］利用中国省际面板数据，构建动态面板模型和空间面板模型，研究发现绿色信贷减少了碳排放。基于绿色债券的角度，一些学者，如Al Mamun等［9］利用46个国家数据，构建一般相关效应均值混合面板模型，Meo等［10］利用美国、英国、加拿大等经济排名前十的国家数据，构建分位数模型，研究表明绿色债券显著抑制了碳排放。基于绿色投资的角度，Huang等［11］利用中国省际面板数据，构建截面扩展分布滞后模型，研究了绿色投资对碳减排的影响，发现绿色投资对碳排放具有显著的抑制作用；然而，Zahan等［12］利用中国省际面板数据，构建自回归分布滞后模型，研究发现虽然短期内绿色投资对碳排放具有抑制作用，但长期内绿色投资对碳排放并没有显著影响。同时，还有一些学者基于多种绿色金融工具的角度研究了绿色金融对碳排放的影响，如江红莉等［13］基于绿色信贷和绿色投资，尤志婷等［14］基于绿色信贷、绿色债券和绿色投资，选取中国省际面板数据，研究表明这些绿色金融工具均具有碳减排效应；但Hammoudeh等［15］、Wan等［16］分别利用美国、中国数据，从绿色债券、绿色投资等维度构建时变因果算法模型、联立方差模型，研究表明绿色金融对碳排放没有显著影响。

綜上所述，关于绿色金融与碳排放的关系，国内外相关学者已经取得了一定的研究成果，但尚未取得一致结论，既有文献主要是从绿色金融政策或某一绿色金融工具进行的研究，基于综合指数和分维度的综合研究还为数较少；从绿色技术创新、环境规制、金融市场化的视角研究绿色金融碳减排作用机制的成果也较少，并忽略了区域特征异质性对碳排放效应的影响。笔者基于绿色信贷、绿色证券、绿色投资三个维度测算绿色金融发展的综合指数，首先研究绿色金融综合指数及绿色信贷、绿色证券、绿色投资三个分维度对碳排放的影响，拓展绿色金融的研究视域；其次将绿色技术创新、环境规制、金融市场化纳入同一研究框架，将绿色技术创新作为中介变量，将环境规制、金融市场化作为调节变量，研究绿色金融碳减排效应的作用机制；最后根据区域位置、科技创新水平和能源消耗强度等特征进行分组，考察绿色金融碳减排的异质性。

一、理论机制与研究假说

（一）绿色金融对碳减排的影响

绿色金融作为兼具导向性与政策性的新型金融工具，是抑制碳排放的重要途径和有效手段。首先，绿色金融通过实施差异化的信贷机制，对“两高一剩”企业采取提高信贷利率和控制信贷规模等惩罚措施，提高该类企业的债务融资成本，减少其贷款和投资规模，使高耗能企业面临严重的金融约束［17］，倒逼其进行绿色转型，促进产业绿色低碳发展，实现节能减排。其次，绿色金融为环保企业提供信贷支持和优惠利率，引导信贷资金更多投向低碳减排、清洁环保等重点领域［18］，实现信贷资源流向绿色企业的优化配置。最后，绿色金融还具有绿色信号传递的功能，对高排放、高消耗企业具有警示作用［19］，增加其绿色转型升级的速度，激励新资本投向绿色产业，增加绿色产能比例，实现碳减排。据此，笔者提出如下假设：

H1：绿色金融对碳减排具有促进效应。

（二）绿色技术创新对绿色金融碳减排效应的影响

绿色技术创新是以促进绿色经济发展为目的，以保护环境、节约资源为特征的技术改进和技术创新，是促进绿色低碳发展的主要动力。绿色技术创新离不开绿色金融的推动与支撑，但由于绿色技术创新具有投入大、周期长、风险高的特点，经常面临严重的外部融资约束，绿色技术创新活动长期受到抑制。绿色金融作为支持环境改善的新型金融工具，通过采取绿色信贷、绿色证券和绿色投资等市场化手段，为绿色技术创新提供了大量的资金支持，有效缓解了金融约束，促进了绿色技术创新投入，实现了绿色技术升级[20]，推动了绿色技术的开发、转化与应用，促进了绿色转型，提高了能源利用效率[21]，降低了碳排放。根据以上分析，笔者提出如下假设：

H2：绿色技术创新对绿色金融碳减排具有中介作用。

（三）环境规制对绿色金融碳减排效应的影响

在绿色金融发展实践中，由于存在信息不对称性，污染企业经常会存在“漂绿”现象，影响了绿色金融的资源配置效率，削弱了绿色金融碳减排效果。然而，环境规制政策的实施，为绿色金融的发展提供了政策指引，通过强制要求企业进行信息披露和提高环境标准等措施，使金融机构可以更加全面地了解绿色贷款流向，避免绿色资金流向非绿项目，降低了信贷风险，提升了银行的信誉[22]，增加了金融机构发展绿色金融业务的积极性，提高了绿色金融资源的合理配置[23]，充分发挥了绿色金融的碳减排作用。另外，环境规制还会通过排放税、碳排放交易许可证、押金返还、政府补贴等措施，引导高耗能企业进行节能减排，促进其绿色转型升级。适度的环境规制虽然短期内可能会提高企业的生产成本，但长期内会刺激企业进行绿色技术创新，提高生产效率，弥补因环境规制所产生的各项成本[24]，提高高耗能产业绿色升级的主动性，环境规制和绿色金融政策在产业绿色转型中会形成协同效应，有利于绿色金融碳减排目标的实现。据分析，笔者提出如下假设：

H3：环境规制对绿色金融碳减排具有正向调节效应。

（四）金融市场化对绿色金融碳减排效应的影响

金融市场作为绿色金融体系运行的重要基础环境，金融市场化水平的提升，增加了金融市场的竞争，减少了政府干预，显著改善了外部融资环境和市场服务水平，降低了资金融资成本，减少了企业绿色创新和绿色转型的成本压力，推动了绿色低碳产业的迅速发展，加强了绿色金融抑制碳排放的作用[25]。另外，由于银企之间存在信息不对称性，金融机构无法获取贷款企业是否为绿色企业的准确信息，使绿色信贷业务贷前评估难度加大，阻碍了绿色金融的发展[26]，而金融市场的信息披露机制能够增强企业环保信息的透明度，便于金融机构寻找符合绿色标准和授信政策的绿色项目[27]，避免了绿色信贷资金流向非绿项目，提高了金融资源的配置效率，增强了绿色金融碳减排效应。根据以上分析，笔者提出如下假设：

H4：金融市场化对绿色金融碳减排具有正向调节效应。

二、模型设定和变量说明

（一）模型设定

为验证绿色金融碳减排效应，笔者构建如下面板模型：

CO2it=α0+α1GFit+α2Controlit+εit （1）

其中，CO2it表示i省t年碳排放强度；GFit表示i省t年绿色金融发展水平，包括绿色金融综合指数（GF）、绿色信贷（GC）、绿色证券（GB）和绿色投资（GI）；Controlit表示控制变量向量，包括城镇化水平（Urban）、外资依存度（FDI）、一次能源消费结构（Coal）、人力资本（Human）、产业结构（Stru）和产业结构平方项（Stru2）；α0表示截距项；α1表示绿色金融待估系数；α2表示控制变量待估系数向量；εit表示随机扰动项。

为了进一步检验绿色金融碳减排效应的传导机制，笔者克服了传统中介效应模型逐步回归检验法可能存在的内生性所产生的估计偏误，借鉴江艇[28]对中介效应检验的建议，在模型（1）的基础上构建如下中介效应模型。

GTIit=β0+β1GFit+β2Controlit+εit（2）

其中，GTIit表示绿色技术创新；β0表示截距项；β1表示绿色金融待估系数；β2表示控制变量待估系数向量。按新的检验标准，在进行中介效應检验时，如果模型（1）中回归系数α1显著，同时模型（2）中系数β1也显著，则存在中介效应。

另外，为进一步检验绿色金融碳减排效应是否受到环境规制和金融市场化的影响，笔者将环境规制（ER）和金融市场化（FM）作为调节变量，构建如下调节效应模型：

CO2it=ω0+ω1GFit+ω2Xit+ω3GFit×Xit+ω4Controlit+εit（3）

其中，Xit表示调节变量，包括环境规制（ER）和金融市场化（FM）；ω0表示截距项；ω1表示绿色金融待估系数；ω2表示调节变量待估系数；ω3表示调节变量与绿色金融交乘项待估系数，ω4表示控制变量待估系数向量；εit表示随机扰动项。为了避免多重共线性可能产生的估计偏误，对交乘项进行去中心化处理。

（二）变量说明

1.被解释变量。

笔者将碳排放强度（CO2）作为被解释变量，用地区二氧化碳排放量与生产总值之比来表示。由于目前我国未有权威机构发布省际层面碳排放量数据，笔者根据IPCC（2006）所提供的测算方法对我国各省碳排放量进行了测算，具体估算方法如下所示：

CO2=∑14i=1CO2i=∑14i=1Ei×NCVi×CEFi（4）

其中，CO2表示各种能源碳排放总量；CO2i表示第i种能源碳排放量；Ei表示第i种能源的消费量；NCVi为第i种能源平均低位发热量；CEFi表示第i种能源碳排放因子。由于2008—2009年能源平衡表中提供了煤炭、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气11种能源数据，2010—2020年能源平衡表在原有基础上新增高炉煤气、转炉煤气、液化天然气3种能源数据，共包括14种能源数据，根据能源平衡表中提供的能源数量，计算各省每年的碳排放量。

2.核心解释变量。

文中的核心解释变量为绿色金融综合指数及绿色信贷、绿色证券和绿色投资三个分维度指标。由于各银行对于绿色信贷规模的统计标准和口径存在很大差异，目前我国缺乏省级绿色信贷的相关数据，借鉴赵军和刘春艳[5]、Hu和Zheng[8]的研究，用六大高耗能工业产业利息支出占比来衡量非绿色信贷，为了将该指标转化成正向指标，笔者将绿色信贷表示为（1-六大高耗能工业产业利息支出/工业产业利息支出），该指标越大表示绿色信贷水平越高，反之则越低；绿色证券表示绿色环保企业通过证券市场获取资金的水平，参照高锦杰和张伟伟[29]的研究，绿色证券用绿色环保企业市值与A股总市值的比重来表示；绿色投资通常用节能环保支出占比、环境污染治理投资占比来表示，但考虑这两个指标统计口径有一定的重合性，并且环境污染治理投资比节能环保支出覆盖面更广，笔者用污染治理投资与生产总值的比重来表示绿色投资水平。另外，借鉴Wan和Sheng[16]的做法，结合绿色金融的内涵和服务类型，从绿色信贷、绿色证券和绿色投资三个维度测算我国各省绿色金融综合指数，测算过程采用熵值法和变异系数法①，分别用于模型的基准回归和稳健性检验。

3.控制变量。

为了消除其他因素对碳排放的影响，参考经济理论和已有文献，在模型中加入如下控制变量：（1）城镇化水平（Urban），用各地区非农人口占总人口的比重来衡量[30]，城镇化水平提升对碳排放具有正负两方面的影响，一方面城镇化水平的提高会加快要素和产业集聚，提高公共设施利用效率和科技水平、改善生产效率，加大清洁能源利用，降低碳排放[31]；另一方面城镇化水平的提高会扩大住房、交通、取暖等产业规模，增加能源和产品消费，提高碳排放[32]，这两个方面的作用决定了城镇化对碳排放影响的总效应。（2）外资依存度（FDI），用地区外商直接投资与GDP的比重来表示[33]，该指标对碳排放的影响，一方面表现为外商直接投资将高耗能、高排放产业向我国进行转移而造成的“污染天堂”效应，另一方面表现为外商直接投资所带来的绿色技术引进和技术外溢而产生的“污染光环”效应[34]，外资依存度对碳排放的总效应取决于这两个效应之和。（3）一次能源消费结构（Coal），使用地区煤炭消费量占一次能源消费总量的比重来表示[30]，由于煤炭能源消耗碳排放量较大，该指标通常与碳排放总量呈正向关系。（4）人力资本（Human），用6岁及以上人均受教育年限来衡量[35]，将小学、初中、高中或中职、大专及以上的受教育年限分别记为6年、9年、12年和16年，则人均受教育年限为，小学人口比重×6+初中人口比重×9+高中和中职人口比重×12+大专及以上人口比重×16。（5）产业结构（Stru），使用产业结构合理化水平来表示[36]，测算公式为

4.中介变量。

笔者选取绿色技术创新（GTI）作为中介变量，用地区绿色专利申请数来表示。绿色专利申请数反映地区绿色技术创新的活跃程度，绿色专利申请数越多，表示该地区绿色技术创新水平越高。

5.调节变量。

考虑绿色金融对碳减排的影响可能会受到外界政策和市场环境的影响，笔者选取环境规制（ER）、金融市场化水平（FM）作为调节变量。参照Domazlicky等[37]的研究，笔者用工业污染治理投资完成额与工业生产总值之比来表示环境规制（ER），用樊纲等发布的《中国市场化指数》中的“金融业市场化指数”来表示中国金融市场化水平，该指数是中国唯一分省且定期公布的金融市场化指数[38]。各变量的详细信息如表1所示。

（三）数量来源与描述统计

2007年7月，環保总局、中国人民银行、银监会联合发布了《关于落实环保政策法规防范信贷风险的意见》，标志着我国绿色金融政策进入实施阶段。考虑到政策实施存在一定的时滞性，笔者将研究时期确定为2008—2020年。另外，根据数据的可得性和完整性，选取我国30个省（自治区、直辖市，未包含西藏和中国港澳台地区）作为研究对象。文中测算碳排放量所使用的相关能源数据和一次能源消费结构数据来源于《中国能源统计年鉴》，绿色信贷数据来源于《中国工业统计年鉴》，绿色证券数据来源于国泰安数据库，绿色投资与环境规制数据来源于《中国环境统计年鉴》，城镇化水平通过《中国人口统计年鉴》公布的数据计算得到，外资依存度、人力资本与产业结构数据根据《中国统计年鉴》和Wind数据库提供的数据计算得到，绿色技术创新数据来源于中国研究数据服务平台（CNRDS），金融市场化水平数据来源于樊纲等编著的《中国市场化指数》（2008—2020）。对部分省份个别年份统计数据缺失问题，笔者采用线性插值法处理，补齐缺失数据。各变量描述性统计如表2所示。

三、实证研究结果

（一）基准回归结果

为了研究绿色金融碳减排效应，笔者从绿色金融综合指数（GF）和绿色信贷（GC）、绿色证券（GB）、绿色投资（GI）三个分维度进行研究。经Hausman检验，回归模型均应采用固定效应，实证结果如表3所示。

表3第1列为绿色金融综合指数对碳排放强度的估计结果。从核心解释变量来看，绿色金融综合指数（GF）的回归系数为-0.041，在1%水平显著为负，表明绿色金融显著地促进了碳减排，这是由于绿色金融可以通过实行差异化信贷政策，增加高耗能、高排放企业的信贷成本和金融约束，倒逼其进行绿色低碳转型，实现金融资源向绿色产业的优化配置，对碳排放形成显著的抑制作用，假设1得到了初步验证。从控制变量来看，城镇化水平（Urban）的回归系数在1%水平显著为负，表明城镇化在总体上对碳排放具有一定的抑制作用，这可能是因为城镇化进程的稳步推进在一定程度上加快了科技进步，提升了生产效率，增加了清洁能源利用，提高了公共设施利用效率，这些对碳排放所产生的抑制作用，超过了城镇化进程中提高能源和产品消费而对碳排放产生的促进作用。外资依存度（FDI）的回归系数显著为负，表明随着绿色发展战略的不断实施，在外商直接投资过程中，我国更偏向于引进低消耗、低耗能的绿色技术产业，绿色技术引进和技术外溢产生的“污染光环”效应超过了高排放产业转移带来的“污染天堂”效应，总体上降低了碳排放强度。一次能源消费结构（Coal）的回归系数显著为正，表明一次能源消费结构中煤炭消费的比例越大，碳排放量越高。人力资本（Human）的回归系数显著为负，表明人力资本的改善提高了员工的管理和创新能力，促进了产业绿色技术创新和低碳转型，提高了全要素生产率，降低了碳排放。产业结构（Stru）的回归系数在1%水平显著为负，其平方项（Stru2）的回归系数在1%水平显著为正，表明碳排放强度和产业结构呈U型关系，由于我国目前大多数省份产业结构水平处于U型左侧，产业结构水平的提高总体上对碳排放具有一定抑制作用。

表3第（2）—（4）列分别为绿色信贷（GC）、绿色证券（GB）和绿色投资（GI）三个维度的估计结果。回归系数分别为-0.001、-0.005、-0.015，且均在至少5%水平显著，表明绿色信贷、绿色证券与绿色投资对碳排放均具有显著的抑制作用，假设1得到了进一步验证。对三个分维度的回归结果进行比较发现，绿色投资的抑制作用最大，绿色证券次之，绿色信贷最小，这可能是由于我国直接融资市场发展相对滞后，绿色投资和绿色证券规模相对绿色信贷较小，对碳排放的抑制作用边际效应较大。

（二）稳健性检验

为了检验基准回归结果的稳健性，笔者采用工具变量法、系统GMM法、Tobit模型和替换核心解释变量四种方法进行稳健性检验，具体估计结果如表4所示。

表4第1列为工具变量法的检验结果，为了避免因遗漏变量、解释变量和被解释变量互为因果等原因，可能导致的内生性问题对研究结果产生的估计偏误，笔者选取绿色金融综合指数的滞后一期作为工具变量，采用两阶段最小二乘方法（IV-2SLS）进行估计，绿色金融的回归系数显著为负，与基准回归保持一致。表4第2列为系统GMM法的检验结果，为了防止工具变量法可能存在的弱工具变量问题所引起的估计偏误，进一步采用动态面板系统 GMM方法对模型进行回归，绿色金融综合指数的回归系数依然显著为负。表4第3列为Tobit模型法的检验结果，由于模型被解释变量取值大于0，为了克服被解释变量样本受限的影响，采用Tobit 模型进行稳健性检验，绿色金融综合指数的回归系数仍然显著为负。表4第4列为替换核心解释变量的检验结果，为了避免绿色金融综合指数因计算方法不同而对估计结果的影响，使用变异系数法重新测算绿色金融综合指数，将之带入模型进行稳健性检验，回归系数仍然显著为负。综上，各种检验方法核心解释变量的回归系数均显著为负，与基准回归结果保持一致，表明文中研究结论具有很强的稳健性。

（三）机制检验

１.中介效应分析。

由上文的机制分析可知，绿色金融的发展能够促进绿色技术创新，而绿色技术创新又会对碳排放产生抑制作用。为验证这一传导机制，笔者将绿色技术创新作为中介变量，对绿色金融综合指数（GF）、绿色信贷（GC）、绿色证券（GB）、绿色投资（GI）碳减排机制进行检验，实证结果如表5所示。

表5（1）—（4）列分别是中介模型（2）式的检验结果。从绿色金融综合指数来看，模型（2）中绿色金融综合指数（GF）的回归系数在1%水平显著为正，表明绿色金融发展可以促进绿色技术创新，即绿色技术创新在绿色金融碳减排中存在中介效应，假设2得到验证。这是由于绿色金融作为支持绿色经济发展和绿色低碳转型的金融服务活动，弥补了传统金融工具忽视环境效应的缺陷，缓解了企业绿色技术创新的融资约束，加快了企业绿色技术创新，绿色技术创新又可以通过提高能源效率、优化能源结构、转变生产模式等途径有效降低碳排放。

从绿色金融分维度来看，表5第（2）—（4）列是绿色信贷（GC）、绿色证券（GB）和绿色投资（GI）对绿色创新的检验结果，回归系数均显著为正，表明绿色信贷（GC）、绿色证券（GB）和绿色投资（GI）的发展均促进了绿色技术创新，绿色技术创新在绿色金融3个分维度也均存在中介效应，再次验证了假设2。

2.调节效应分析。

为进一步检验绿色金融碳减排效应是否受到环境规制和金融市场化等外界环境的影响，笔者构建调节效应模型，检验结果如表6所示。

表6中第（1）—（4）列汇报了环境规制调节效应的检验结果。从绿色金融综合指数来看，第（1）列中绿色金融综合指数（GF）及其与环境规制（ER）交乘项的回归系数均在1%水平显著为负，表明环境规制对绿色金融碳减排具有正向的调节效应，即环境规制力度越大，绿色金融碳减排的效果越好，假设3得到初步验证。从绿色金融分维度来看，第（2）列中绿色信贷（GC）显著为负，但其与环境规制（ER）交乘项的回归系数不显著，表明环境规制对绿色信贷不存在调节效应，这可能是因为环境规制往往会通过发放补贴的方式鼓励企业进行绿色技术创新，但补贴结果却阻碍了绿色技术创新[38]，抵消了绿色信贷通过信贷支持、优惠利率等给企业带来的好处。第（3）和（4）列中绿色证券（GB）、绿色投资（GI）及其与环境规制（ER）交乘项的系数均至少在10%水平显著为负，表明环境规制增强了绿色证券和绿色投资对碳排放的抑制作用。

表6中第（5）—（8）列为金融市场化调节效应的检验结果，金融市场化（FM）的估计系数均不显著，表明金融市场化并不是以直接作用的方式影响碳排放。从绿色金融综合指数来看，第（5）列中绿色金融综合指数（GF）及其与金融市场化（FM）交乘项的回归系数均显著为负，表明金融市场化具有正向的调节作用，增强了绿色金融对碳排放的抑制作用。从绿色金融分维度来看，第（6）列中绿色信贷（GC）显著为负，但其与金融市场化（FM）交乘项的回归系数不显著，表明绿色信贷碳减排效应并没有因金融市场化水平的提高而出现明显变化，即金融市场化在绿色信贷碳减排效应中不存在调节作用；第（7）和（8）列中绿色证券（GB）、绿色投资（GI）及其与金融市场化（FM）交乘项的系数显著为负，表明金融市场化对绿色证券和绿色投资碳减排效应均存在正向的调节效应，金融市场化增大了绿色证券和绿色投资的碳减排效果。这可能是因为金融市场化的發展增强了金融市场竞争，减少了政府干预，促进了证券市场的发展和“金融脱媒”，绿色证券和绿色投资的规模进一步提高，其碳减排效应进一步凸显。

（四）异质性分析

为了研究绿色金融碳减排效应的异质性，笔者根据区域位置、科技创新水平和能源消耗强度将样本进行分组。其中，区域位置分组根据中国发展和改革委员会2000年对经济区域的分区标准进行划分②，划分为东部组和中西部组；科技创新水平和能源消耗强度分组则是根据其中位数进行划分，分别划分为科技发达组和科技欠发达组、高耗能组和低耗能组，检验结果如表7所示。

区域位置异质性检验结果如表7第（1）和（2）列所示。东部组和中西部组绿色金融的回归系数分别为-0.045、-0.035，并至少在10%水平显著，表明在东部地区和中西部地区绿色金融均显著地促进了碳减排，但东部地区的碳减排效果要好于中西部地区。这可能是由于东部地区金融市场化程度更为发达，绿色金融发展水平更高，绿色金融产品更为丰富，绿色信贷审核程序更为规范，相关金融机构能够更有效地实施绿色金融政策的惩戒与激励措施，实现金融资源的有效配置；东部地区具有较高的环保降碳意识，绿色低碳产业较中西部地区发展更快，多样化的绿色金融产品为绿色低碳产业的发展提供了资金支持，碳减排效应更为明显；另外，东部地区相对中西部地区具有较多的资本密集型产业，该类产业的绿色转型与技术创新对资金的依赖性更强，绿色金融的作用和碳减排效应更为显著。

科技创新水平异质性检验结果如表7第（3）和（4）列所示。科技发达组绿色金融的回归系数显著为负，科技欠发达组的回归系数不显著，表明科技发达组绿色金融对碳排放具有显著的抑制作用，而科技欠发达组碳减排效应并不明显。这可能的原因是，绿色金融碳减排作用的发挥通常依赖于科技创新水平，科技发达组企业具有较高的技术创新和应用能力，其在获得绿色金融的资金支持后能顺利地进行科技创新和产业升级，实现绿色低碳转型，提高能源利用效率，降低碳排放[19，21]，而科技欠发达组企业由于科技创新能力普遍较低，即使获得了绿色金融的资金支持，也不一定能够顺利完成绿色技术创新和产业转型，绿色金融资源的利用效率将大打折扣，这导致科技欠发达组绿色金融碳减排效应并不明显。

能源消耗强度异质性检验结果如表7第（5）和（6）列所示。高耗能组绿色金融的回归系数显著为负，低耗能组回归系数不显著，表明绿色金融在高耗能组碳减排效应优于低耗能组，低耗能组碳减排效应不明显。这可能是由于低耗能组企业多为绿色环保或劳动密集型企业，具有低消耗、低排放的特征，绿色金融政策的落地与实施，对该类企业并不会形成太大的资金限制，对其发展和碳排放不会有显著影响，而高耗能组中高耗能、高排放的资本密集型企业较多，绿色金融政策会对该类企业的融资规模形成较大约束，限制了该类企业的规模扩张，倒逼其绿色转型，减少了碳排放。因此，高耗能组相对低耗能组碳减排效应更为明显。

四、结论及政策启示

笔者选取我国2008—2020年省际面板数据，在实证研究绿色金融碳减排效应的基础上，构建中介效应模型和调节效应模型检验了绿色金融碳减排效应的作用机制，同时从区域位置、科技创新水平和能源消耗强度三个方面实证研究了绿色金融碳减排效应的异质性。研究结果表明：第一，无论是从总维度还是从分维度看，绿色金融均具有显著的碳减排效应，绿色投资的碳减排效应明显大于绿色证券与绿色信贷。第二，从作用机制来看，绿色技术创新对绿色金融碳减排效应具有中介作用，环境规制与金融市场化增强了绿色金融的碳减排效果。第三，绿色金融碳减排效应在区域位置、科技创新水平和能源消耗强度等方面存在异质性，东部组、科技发达组和高耗能组相对中西部组、科技欠发达组和低耗能组绿色金融碳减排效应更为明显。

基于本研究结论，可以得到如下启示：第一，继续推进绿色金融发展，实现绿色金融产品创新。鉴于绿色金融对加速推进绿色发展战略、减少碳排放，实现“双碳”目标具有显著的影响，我国应继续坚持绿色金融政策的贯彻与实施，完善绿色金融相关制度、标准、法律、规则和评价体系，强化市场监管和执行力度，提高绿色金融资源配置效率，为绿色金融的发展营造良好的政策和市场环境。由于我国目前仍然以绿色信贷为主，其他绿色金融产品规模仍然相对较小，应在进一步完善绿色信贷的基础上，扩大绿色证券、绿色投资的市场规模，积极探索绿色基金、绿色保险、绿色理财、绿色信托、碳金融等新型绿色金融产品应用和推广，实现绿色金融的多层次发展，满足多样化的绿色融资需求，充分发挥其在绿色发展中的重要作用。第二，积极推进绿色技术创新、环境规制和金融市场化水平。由于绿色金融碳减排效应的有效发挥离不开高效的绿色技术创新能力、健全的环境规制和完善的金融市场等外部条件，因此在发展绿色金融的同时还应加强绿色金融与绿色技术创新的深度融合，优化绿色技术创新的激励机制，实现绿色创新成果的顺利转化，完善环境规制政策，增强环境信息披露，加快金融市场化进程，激发市场活力，实现绿色金融资源的高效配置，增强绿色金融的碳减排效应。第三，贯彻区域发展战略，制定差异化的绿色金融政策。针对我国绿色金融发展东部强、中西部弱的不均衡状态，各级政府应根据区域发展实际，制定差异化的绿色金融政策。就东部地区而言，应重点进行绿色产品创新，开发高端绿色金融产品，探索新的绿色金融服务项目。根据东部地区的产业特点，在加强对绿色环保产业进行金融支持的同时，还应积极引导高消耗、高排放的资本密集型企业进行绿色转型，减少碳排放；同时扩大跨区域绿色金融改革创新试点，实现绿色金融资源的跨区域流动，充分发挥试点地区的辐射带动作用，形成绿色金融区域协同发展的新优势。就中西部地区而言，应加强绿色金融知识宣传，培育绿色发展理念，提升金融机构绿色服务意识；加大绿色金融政策实施和基础设施建设，加快绿色金融产品推广，扩大绿色金融业务覆盖范围，注重金融人才引进和培养，提高绿色金融服务效率；同时充分发挥西部地区产业特色优势，加强绿色金融与绿色农业、绿色旅游、绿色能源等產业的融合发展，充分发挥绿色金融碳减排的作用，实现西部地区的绿色低碳发展。

注释：

① 限于篇幅限制，文中未报告绿色金融综合指数测度过程，完整资料可向作者索取。

② 根据国家发改委2000年对经济区域的划分标准，东部11个省份包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中西部19个省份包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。西藏因数据缺失未列入西部省份。

参考文献：

［1］习近平在联合国成立75周年系列高级别会议上的讲话[M].北京：人民出版社，2020：10.

［2］彭影，李士梅.创新与低碳政策的绿色经济转型效应——基于数据要素流动环境视角［J］.当代经济管理，2023（8）： 69-79.

［3］杜莉，郑立纯.我国绿色金融政策体系的效应评价——基于试点运行数据的分析［J］.清华大学学报（哲学社会科学版），2019（1）： 173-182+199.

［4］ZHANG A， DENG R， WU Y.Does the green credit policy reduce the carbon emission intensity of heavily polluting industries？ Evidence from China's industrial sectors［J］.Journal of Environmental Management， 2022， 311（2）：1-12.

［5］赵军，刘春艳.绿色金融政策推动了低碳发展吗？——以“一带一路”沿线中国重点省域为例［J］.金融与经济，2020（5）： 45-52.

［6］SREENU N.Impact of fintech and green finance on environmental quality protection in india： By applying the semi-parametric difference-in-differences （SDID）［J］.Renewable Energy， 2022， 139（6）： 913-919.

［7］YAO S， ZHANG X， ZHENG W.On green credits and carbon productivity in China［J］.Environmental Science and Pollution Research， 2022， 29（2）： 1-16.

［8］HU Y， ZHENG J.How does green credit affect carbon emissions in China？ A theoretical analysis framework and empirical study［J］.Environmental Science and Pollution Research， 2022， 29（4）： 1-15.

［9］AL MAMUN M， BOUBAKER S， NGUYEN D K.Green finance and decarbonization： Evidence from around the world［J］.Finance Research Letters， 2022， 46（3）： 1-7.

［10］MEO M S， ABD KARIM M Z.The role of green finance in reducing CO2 emissions： An empirical analysis［J］.Borsa Istanbul Review， 2022， 22（1）： 169-178.

［11］HUANG Y， XUE L， KHAN Z.What abates carbon emissions in China： Examining the impact of renewable energy and green investment［J］.Sustainable Development， 2021， 29（5）： 823-834.

［12］ZAHAN I， CHUANMIN S.Towards a green economic policy framework in China： Role of green investment in fostering clean energy consumption and environmental sustainability［J］.Environmental Science and Pollution Research， 2021， 28（32）： 43618-43628.

［13］江紅莉，王为东，王露，等.中国绿色金融发展的碳减排效果研究——以绿色信贷与绿色风投为例［J］.金融论坛，2020（11）： 39-48+80.

［14］尤志婷，彭志浩，黎鹏.绿色金融发展对区域碳排放影响研究——以绿色信贷、绿色产业投资、绿色债券为例［J］.金融理论与实践，2022（2）： 69-77.

［15］HAMMOUDEH S， AJMI A N， MOKNI K.Relationship between green bonds and financial and environmental variables： A novel time-varying causality［J］.Energy Economics， 2020， 92（9）： 1-8.

［16］WAN Y， SHENG N.Clarifying the relationship among green investment， clean energy consumption， carbon emissions， and economic growth： A provincial panel analysis of China［J］.Environmental Science and Pollution Research， 2021， 29（9）： 1-15.

［17］苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融资行为？［J］.金融研究，2018（12）： 123-137.

［18］邱兆祥，刘永元.以绿色金融推动生态文明建设［J］.理论探索，2020（6）： 83-89.

［19］徐胜，赵欣欣，姚双.绿色信贷对产业结构升级的影响效应分析［J］.上海财经大学学报，2018（2）： 59-72.

［20］胡珺，黄楠，沈洪涛.市场激励型环境规制可以推动企业技术创新吗？——基于中国碳排放权交易机制的自然实验［J］.金融研究，2020（1）： 171-189.

［21］ZHANG W， ZHU Z， LIU X， et al.Can green finance improve carbon emission efficiency？［J］.Environmental Science and Pollution Research， 2022（5）： 1-14.

［22］丁宁，任亦儂，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.

［23］李楠博，高晨磊，臧云特.绿色技术创新、环境规制与绿色金融的耦合协调机制研究［J］.科学管理研究，2021（2）： 100-108.

［24］SHI J， YU C， LI Y， et al.Does green financial policy affect debt-financing cost of heavy-polluting enterprises？ An empirical evidence based on Chinese pilot zones for green finance reform and innovations［J］.Technological Forecasting and Social Change， 2022， 179（4）： 1-12.

［25］ElSAYED A H， NAIFAR N， NASREEN S， et al.Dependence structure and dynamic connectedness between green bonds and financial markets： Fresh insights from time-frequency analysis before and during COVID-19 pandemic［J］.Energy Economics， 2022， 107（1）： 1-24.

［26］白俊红，刘宇英.金融市场化与企业技术创新：机制与证据［J］.经济管理，2021（4）： 39-54.

［27］马丽梅，黄崇乐.金融驱动与可再生能源发展——基于跨国数据的动态演化分析［J］.中国工业经济，2022（4）： 118-136.

［28］江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）： 100-120.

［29］高锦杰，张伟伟.绿色金融对我国产业结构生态化的影响研究——基于系统GMM模型的实证检验［J］.经济纵横，2021（2）：105-115.

［30］李锴，齐绍洲.贸易开放、经济增长与中国二氧化碳排放［J］.经济研究，2011（11）： 60-72+102.

［31］严成樑，李涛，兰伟.金融发展、创新与二氧化碳排放［J］.金融研究，2016（1）： 14-30.

［32］牛鸿蕾.中国城镇化碳排放效应的实证检验［J］.统计与决策，2019（6）：138-142.

［33］孙华臣，孙丰凯.城乡收入差距对碳排放影响的经验证据： 兼论“公平”何以提升“效率”［J］.宏观经济研究， 2016（1）： 47-58.

［34］闫云凤.中国对外直接投资的碳排放效应：基于多区域投入产出模型［J］.资源科学，2022（11）：2222-2232.

［35］周稳海，赵桂玲，尹成远.农业保险对农业生产影响效应的实证研究——基于河北省面板数据和动态差分GMM模型［J］.保险研究，2015（5）： 60-68.

［36］张婷，李泽辉，崔婕.绿色金融、环境规制与产业结构优化［J］.山西财经大学学报，2022（6）： 84-98.

［37］DOMAZLICKY B R， WEBER W L.Does environmental protection lead to slower productivity growth in the chemical industry？［J］.Environmental and Resource Economics， 2004， 28（3）： 301-324.

［38］解维敏，方红星.金融发展、融资约束与企业研发投入［J］.金融研究，2011（5）： 171-183.

［39］吴武清，赵越，田雅婧，等.研发补助的“挤入效应”与“挤出效应”并存吗？——基于重构研发投入数据的分位数回归分析［J］.会计研究，2020（8）： 18-37.

责任编辑：李金霞

An Empirical Study on the Effect of Green Finance on Carbon Emission Reduction under the "Dual Carbon" Goal

——Taking the "Second

Zhou Wenhai1，2， Wu Xiaomin1， Zhao Guiling3

Abstract：Green finance is an important means to achieve green and low-carbon development strategy. It is of great practical significance to study the effect of green finance on carbon emission reduction and its mechanism for realizing the "dual carbon" goal. Using provincial panel data from 2008 to 2020， this paper empirically studies the carbon emission reduction effect of green finance and analyzes the mechanism and heterogeneity. The results show that green finance has significant carbon emission reduction effect from both the total and the sub-dimensions， in which green investment has the largest carbon emission reduction effect， followed by green securities and green credit has the smallest effect. Green technology innovation has a mediating effect in the effect of green finance on carbon emission reduction， environmental regulation and financial marketization enhance the carbon emission reduction effect of green finance. The carbon emission reduction effect of green finance in eastern group， the technologically developed group and the high energy consumption group are more obvious than that in the mid-western group， the technologically undeveloped group and the low energy consumption group respectively. Therefore， it is vital to further increase the innovation of green financial products， realize the efficient allocation of green financial resources， and formulate differentiated green financial policies.

Key words：green finance; carbon emission reduction effect; green development; "dual carbon" goal; financial marketization

收稿日期：2023-05-07

基金项目： 2022—2023年度河北雄安新区哲学社会科学研究课题资助项目“雄安新区绿色金融促进生态环境建设的效应及政策路径研究”（XASK20220502）;河北省保险学会委托项目“河北省绿色保险低碳效应测度研究”（202204）

作者简介：周稳海（1973-），男，河北沧州人，河北大学教授，博士生导师；武晓敏（1994-），女，河北邯郸人，河北大学博士研究生；赵桂玲（1971-），女，河北沧州人，河北金融学院教授，博士，通讯作者。