绿色金融对低碳全要素生产率的非线性异质调节研究

陈闻君 熊林波

1（新疆财经大学经济学院，乌鲁木齐 830012）2（新疆财经大学丝路经济与管理研究院，乌鲁木齐 830012）

引 言

自改革开放以来，我国经济一直保持高速增长。然而，在经济高速发展进程中，传统粗放式、外延式发展模式导致巨大资源耗费和碳排放，使我国面临着严峻气候变化挑战。党的十九大报告明确提出要大力推进生态文明建设，全面贯彻“绿水青山就是金山银山” 的绿色发展理念。而随着“十四五” 规划的再次提及，加快促进绿色低碳进程成为我国经济发展的当务之急。随着绿色低碳发展理念不断深入，绿色金融与低碳全要素生产率的关系也日益引人注目。发展绿色金融能实现环境与经济的“双赢”，不仅可以改善人居环境和气候质量，实现碧水蓝天的美景，还能为低碳经济发展提供有力支持。对于企业、个人、金融机构以及整个社会而言，发展绿色金融具有积极效应。因此，我国绿色金融发展现状以及绿色金融对低碳全要素生产率增长的影响成为新时期我国经济发展值得深入研究的主题。但可惜的是，当前相关研究仍然稀缺，尚未有文献揭示绿色金融与低碳全要素生产率的非线性关系及其异质调节机制。与该研究直接相关的文献很少，主要集中在探讨低碳全要素生产率提升过程中绿色金融的“赋能”效应，却普遍忽视绿色金融可能带来的“负能” 效应问题。

实际上，绿色金融是一种将绿色低碳环保理念融入传统金融运营全过程的新兴实践。因此，它具备环境规制性、外部性以及绿色低碳性特征。然而，大多数文献过于关注绿色金融在赋能绿色低碳发展和绿色低碳转型方面的功能，而忽视了绿色金融可能带来的企业规制成本和挤出效应。在“理性人” 假设下，这可能导致企业“飘绿” 和“洗绿” 的行为，最终会阻滞绿色金融功能的有效发挥。因此，若仅关注绿色金融的绿色低碳特征，很可能会忽略绿色金融存在“负能” 效应的事实。基于此，本文创新性地将经济发展水平、城市化水平、外商直接投资、低碳技术创新水平、金融监管和产业结构纳入绿色金融对低碳全要素生产率影响的研究框架，并基于省域样本，采用面板门槛方法，充分揭示了绿色金融发展对我国区域低碳全要素生产率具有“负能” 和“赋能” 双重效应，并且异质性显著存在。这对于更好地利用绿色金融的“赋能” 效应、规避绿色金融的“负能” 效应，最大化实现碳减排和经济发展的协同推进，为早日实现“双碳” 目标具有极其重要的意义。

1 文献综述

既有研究大量聚焦绿色金融与碳减排的关系，对绿色金融影响低碳全要素生产率的相关研究才刚起步，因此直接相关文献并不多，但间接相关文献较多，也得出了比较丰富的结论。（1） 大量国内外研究从绿色全要素生产率视角分析绿色金融的影响效应，均得出正向作用结论［1－3］。如下文献则从绿色金融功能发挥存在不足为视角进行研究。学者通过理论分析指出，绿色金融只有更好发挥低碳功能才能对低碳清洁的技术与产业结构产生正面影响［4］。与此同时，绿色金融标准缺乏、技术和人才支持不足、环境信息披露水平低、激励约束机制不强等，会使绿色金融的低碳功能弱化甚至受阻［5］。梁琳和林善浪［6］也得出，我国金融体系还没有对经济低碳转型起到积极推动作用；（2） 从绿色金融的分维度即绿色信贷、绿色投资和绿色债券等视角出发的相关文献也得出了比较丰硕的成果。学者发现一定程度的绿色信贷政策可以带来经济和环境“双赢”，但如果力度不够或过大，结果会适得其反［7］。与此类似的是，绿色信贷政策面临执行风险，绿色信贷资金没有真正用于环保产业，经济和环境没有实现“双赢”［8］。后续研究也得出同样结论［9］。也有文献从绿色信贷参与主体出发分析，认为企业和商业银行参与绿色信贷的激励约束不足，会导致绿色信贷的环境和经济效果不佳［10］。目前，金融机构仍然提供大量非绿色信贷，并因非低碳企业“飘绿” 与“洗绿”行为使得绿色信贷资源部分流向非低碳型企业［11］。正如Wang［12］所指出的，绿色债券具有投资和环保双重属性，但“飘绿” 与“洗绿” 现象使其无法有效支持环保项目发展。曾胜和张明龙［13］基于绿色投资视角，发现绿色投资对碳强度有非线性影响特性。

前述探讨表明，现有关于绿色金融对低碳全要素生产率的研究还较为有限，且都是探讨绿色金融的“赋能” 特征即正向线性影响，很少文献基于省级视角探析绿色金融在其它变量制衡下是否会呈现“负能” 效应问题。据此缺憾，本文摒弃线性思维，从非线性角度全面剖析绿色金融对低碳全要素生产率的“赋能” 和“负能” 效应；根据外部环境的制约作用，从多个角度解构绿色金融应当怎样才能更有效“赋能” 低碳全要素生产率以及使“负能” 效应最小化，为二者深度融合提供一定参考； 同时从区域异质性角度解构非线性影响特征，以期提出更具针对性的建议。本文研究结果对新时代下我国加快实现“双碳” 目标、促进经济环境协调发展和低碳全要素生产率的“双赢” 具有一定的政策指导意义。

2 理论分析与研究假设

2.1 非线性影响及空间异质性分析

一般而言，经济发展水平与绿色金融呈现正向互促关系，低碳全要素生产率受到环境污染的负向影响。根据环境库兹涅茨曲线，可以推断绿色金融与低碳全要素生产率存在“U” 型关系。该推论得到以下文献间接验证。

绿色金融对低碳全要素生产率的影响在不同阶段呈现出不同的效果［2］。当绿色金融发展水平较低时不利于经济发展，绿色金融发展处于较高水平则有利于经济发展［14］，这与华怡婷和石宝峰［15］的研究结论类似。因此，绿色金融发展初期会不利于低碳全要素生产率进步而中后期影响方向会逆转。（1） 绿色金融旨在支持低碳环保型产业，这些产业多为资本密集和技术密集型，需要大量资金投入和资本支持，产出周期较长，短时间很难产生效果，投入加大，产出减小，降低低碳全要素生产率； （2） 绿色金融的绿色低碳功能在初期难以有效实现，如金融机构仍然提供大量的非绿色资金，导致企业投融资中“飘绿” 和“洗绿” 问题严重［11］。这无法有效支持低碳环保项目发展［12］； （3） 金融行业在开展绿色金融服务时会提高贷款门槛，增加较多环保要求，迫使企业投入资金购置新设备或提升生产技术用于环境污染治理和节能减排以适应低碳发展要求，这些费用在短期内会加重企业负担，对产品产量产生挤出效应，使企业生产效率降低。

随着绿色金融服务范围不断扩大，企业在进行技术水平改造和提升低碳发展水平后能够获得更多资金支持。使企业越来越重视低碳发展，更积极采用低碳技术进行生产。资金和技术优势大大提升企业生产效率，进而提高低碳全要素生产率。同时，随着绿色金融不断发展和完善，企业“飘绿” 和“洗绿” 现象得到遏制，大量绿色金融资源被投入到低碳产业和技术领域； 同时，低碳产业在整个产业结构中所占份额不断提高，企业适应低碳经济发展的能力也随之提升，使绿色金融规制不仅不会对产品产生挤出效应，反而增加了低碳环保产品市场需求； 随着低碳技术进步，有利于扭转绿色金融初期投入大产出小的不利局面，直接促进低碳全要素生产率增长。

我国各区域之间的发展存在显著不平衡，上述分析涉及的因素在不同地区存在差距。（1） 绿色金融自身的发展水平呈现东、中、西部递减的趋势，导致不同区域绿色金融与低碳全要素生产率的关系处于不同水平； （2） 东、中、西部地区企业的“飘绿” 和“洗绿” 程度存在差异，影响绿色金融低碳功能发挥； （3） 东、中、西部地区的低碳型产业发展阶段、企业适应低碳发展的能力以及低碳技术等差异会导致绿色金融对低碳全要素生产率的影响在不同地区存在分化； （4） 朱兰和郭熙保［5］指出，绿色金融标准缺乏、技术和人才支持不足、环境信息披露水平低、激励约束机制不强等，都可能导致绿色金融对低碳全要素生产率发展的促进作用减弱甚至抑制。而这些制约因素在东、中、西部地区差异显著。综上可得如下假设：

H1： 绿色金融对低碳全要素生产率的影响具有“U” 型非线性特性。

H2： 绿色金融与低碳全要素生产率的“U” 型关系在东、中、西部地区出现分异。

2.2 非线性异质调节效应分析

一般而言，只有处于较良好发展状态的绿色金融才能最大程度发挥“赋能” 绿色低碳经济发展的效能［16］。然而，这种效能的发挥程度受制于绿色金融发展的外部环境。只有在与外部环境协调耦合下，绿色金融才能最大限度实现低碳经济功能。值得注意的是，外部环境与绿色金融发展处于动态变化，因此外部环境变量与绿色金融的耦合协调水平也发生动态变化。这最终在绿色金融对低碳全要素生产率的影响中表现为非线性异质调节现象。那么，外部环境变量的确定就显得尤为关键。本文对外部环境变量的选择逻辑为：（1） 从影响低碳全要素生产率的因素中选择控制变量； （2） 结合绿色金融功能理论，分析哪些控制变量对绿色金融低碳功能的发挥产生制约。在低碳全要素生产率的控制变量方面，参考尹子擘等［16］、刘赢时等［17］的选取经验，本文最终选择以下变量作为控制变量。

经济发展方面，Zhou 等［18］实证表明，经济发展水平直接影响绿色金融改善环境质量的程度。有学者从理论模型角度探讨绿色金融在经济发达阶段引入的合适性［19］。这表明，经济发展达到一定程度，才能促进绿色金融低碳功能的发挥。

金融监管方面，缺乏严格的金融监管可能导致大量资源流向传统技术。由于技术进步具有路径依赖，短期内难以扭转，投入的资源往往成为沉默成本，从而难以促进低碳全要素生产率提高。且企业为获得补贴和优惠，往往采取策略性创新而非实质性创新［20］，导致浪费大量绿色资源，阻碍企业低碳经济转型，挤占生产性投入资金，损害经济增长和环境保护。因此，适度的金融监管可更好促进绿色金融对低碳产业和技术创新的支持，有利于提高低碳全要素生产率。

外商直接投资（FDI）方面，FDI 对碳排放的影响具有复杂性，这被多项研究所证实。如有研究发现FDI 抑制了低碳全要素生产率的提升［21］，宋文飞［22］则认为FDI 可能既促进又抑制碳生产率。综上，绿色金融与低碳全要素生产率存在关联，而FDI 对其也具有相关性。因此，绿色金融对低碳全要素生产率的影响可能受到FDI 调节。

城市化方面，低碳式城市化和科学合理的城市规划，是我国提高低碳全要素生产率的必由之路［23］。相关研究也揭示了在推进城市化过程中，城市化对低碳全要素生产率产生影响［24］。从互动的角度看，城市化和绿色金融都对低碳全要素生产率产生影响，由计量经济学的知识，在不控制城市化变量的时候，就会引致城市化和和绿色金融有一个相关关系，因此城市化在绿色金融对低碳全要素生产率的影响中也扮演一定的角色。

产业结构方面，绿色金融通过促进产业结构的转型和升级，有利于提高低碳全要素生产率［2，25］。研究还指出，经济结构的优化调整可以促进本地和空间关联地区低碳全要素生产率的改善［26］。因此，产业结构在绿色金融对低碳全要素生产率的影响中发挥了直接和间接的作用，具有制约作用。

低碳技术方面，绿色信贷对低碳技术进步的影响呈现“U” 型特征［27］，然而，低碳技术创新能够促进低碳全要素生产率的提高［28］。因此，可推知低碳技术在绿色信贷与低碳全要素生产率的影响关系中发挥着调节作用。绿色信贷是我国绿色金融最重要的组成部分，所以，低碳技术也理应调节着绿色金融与低碳全要素生产率之间的关系。综上，可得如下假设：

H3： 经济发展水平、产业结构、外商直接投资、城市化水平、金融监管、低碳技术异质调节着绿色金融与低碳全要素生产率的非线性关系。

综合上理论分析，可得如图1 所示的逻辑分析框架。

图1 逻辑分析框架

3 研究设计

3.1 变量选取

（1） 解释变量： 绿色金融发展水平（gf）。采用相关研究的测度方法［16，29］，选取绿色信贷、绿色证券、绿色保险、绿色投资4 个一级指标测度，具体指标详见表1。为消除不同计量单位带来的误差，采用极值法对指标数据无量纲处理。

表1 绿色金融发展水平指标体系

（2） 被解释变量： 低碳全要素生产率（lctfp）。借鉴Qin 等［30］、Chung 等［31］的方法，用Slacks－Based Measure（SBM）方向性距离函数的Global Malmquist－Luenberger（GML）指数测度。其中对CO2排放量的测度借鉴田云和陈池波［32］的方法，运用碳排放系数法（见表2）计算各地区能源消费的CO2排放总量。其中，具体的投入产出指标说明如下： 期望产出为GDP（亿元），非期望产出是前述测得的CO2排放量（万吨），投入为资本存量（亿元）、就业人数（万人）和标准煤消耗量（万吨）。资本存量用永续盘存法进行核算［33］。以2008年为基期进行累乘，得到低碳全要素生产率实际水平。所有涉及名义货币的变量都以2008 年为基期折算成实际值。

表2 碳排放与标准煤折算系数

（3） 控制变量。为尽量减少研究结果由遗漏变量造成偏差，根据现有文献并考虑数据的可得性和质量，选择以下变量进行分析。产业结构（is）用第三产业增加值与第二产业增加值的比率表示。经济发展水平（lnpgdp）用各省（区、市）人均GDP的对数表示。城市化率（ul）用城市人口与总人口的比率衡量。外国直接投资（fdi）用各省（区、市）GDP 中利用外资的比例衡量。金融监管（fr）用各省（区、市）金融监管支出与金融业增加值的比率表示。低碳技术创新（lct）用低碳全要素生产率分解的低碳技术进步指数代理［30］。

3.2 模型设定

为验证H1，本文在线性面板模型基础上加入绿色金融二次项，构建非线性面板模型，如式（1）。

其中，lctfpit、gfit、μi、λt和εit分别是低碳全要素生产率、绿色金融、个体固定效应、时间固定效应和随机干扰项，向量X为一系列控制变量。

当影响低碳全要素生产率发展的外部环境变量处于不同水平，绿色金融对低碳全要素生产率的“U” 型非线性影响是否存在异质性？ 另外，虽然用加入绿色金融二次项的模型验证两者“U”型非线性关系，但两者关系或许有更细致的“U”型或“N” 型特征。带着这两个问题，该研究以模型（1） 里的绿色金融与控制变量即外部环境变量依次作为门槛变量，构建如式（2） 所示的面板多门槛模型。

其中，qit是阈值变量，γn是具体的阈值，I（·）是示显函数，如果满足相应的条件，取值为1，否则为0，其他变量的含义同式（1）。

3.3 数据来源与描述性统计

我国绿色金融的实践真正意义上始于2007年，但由于2008 年爆发金融危机，为排除异常事件的干扰，本文研究时间范围定为2009 ～2022 年。数据来源包括历年的《中国统计年鉴》、国家统计局、CSMAR 数据库、《中国能源统计年鉴》、《中国工业统计年鉴》、《中国金融统计年鉴》、《中国保险统计年鉴》、《中国环境统计年鉴》 等。对个别缺失值，采用估计的方式进行填补。各变量的描述性统计见表3。

表3 变量描述性统计结果

4 实证分析

4.1 分步实证结果分析

如表4 所示，在将控制变量逐步纳入模型中，可决系数不断增大。方程的联合参数检验始终通过1%的显著性水平。绿色金融一次项系数始终显著为负，二次项系数始终显著为正。这表明模型总体上可行，并在一定程度上稳健地验证了绿色金融与低碳全要素生产率之间显著的“U” 型非线性关系，证实了H1。然而，绿色金融一次项和二次项之间的强相关性可能会导致多重共线性，从而导致参数估计偏差。因此，本文使用门槛模型重新检验H1。

表4 分步估计结果

分析控制变量加入时拐点值的变化，城市化和外商直接投资加入会导致拐点值向右移动。加入其他控制变量会导致拐点值反向移动。这表明，（1） 当前我国城市化仍处于粗放扩张阶段，城市化对低碳全要素生产率尚未表现促进作用。但随着集约型新型城镇化推进，促进作用有望显现。我国目前环境规制强度较低，外商投资带来一定程度的环境污染，不利于低碳全要素生产率的提高。但是，随着我国环境监管力度的加大，以及引资质量和结构的改善，这种不利局面将会得到扭转； （2） 低碳技术进步、产业结构提升、金融监管加强、经济发展水平提高，会促使绿色金融对低碳全要素生产率的正向影响提早到来，缩短绿色金融的诅咒区间。此外，还可以提出，如果这些外部环境变量处于不同阶段，它们在绿色金融与低碳全要素生产率的拐点关系中如何发挥异质调节作用？ 本文通过构建面板门槛模型对此进行深入探讨。

4.2 绿色金融门槛效应检验

绿色金融功能发挥受到外部环境变量动态变化的影响。这种动态变化趋势在全国、东部、中部和西部地区存在显著差异。因此，分别对全国和东、中、西部地区实施绿色金融门槛效应检验。表5 显示，在1%的显著性水平下，全国和东、中部地区通过绿色金融单门槛统计检验，西部地区通过双门槛检验。与此同时，对稳健性和内生性检验的变量也进行门槛检验。具体而言，（1） 绿色金融滞后1 期与主成分分析法衡量的绿色金融作为稳健性检验1 与2； （2） 根据工具变量的外生性和相关性特点，选择绿色金融的二阶滞后项（gfit－2）进行内生性检验1，并使用同期邻近省（区、市）绿色金融的平均值（mcf）进行内生性检验2。表5 显示，各结果均通过稳健性检验。

表5 绿色金融门槛检验结果

4.3 基准回归门槛实证结果分析

为缓解异方差带来的估计偏误，如无特别提示，均用异方差稳健标准差估计。基于全国估计结果可知，表6 中绿色金融系数由负转正且均在1%水平上显著，表明考察期内绿色金融对低碳全要素生产率产生明显的阶段性“负能效应” 和“赋能效应”。具体而言，当绿色金融小于0.536，绿色金融在1%水平下显著不利于低碳全要素生产率提升； 当绿色金融大于0.536，绿色金融在1%水平下显著促进低碳全要素生产率的提高。另外，从稳健性实证结果看，结论也基本一致。此外，表7 内生性检验结果显示，两个工具变量在不同分组样本区间内都通过弱工具变量、过度和不可识别检验，证明工具变量的合理性。具体而言，内生性检验1 和2 在低区间的绿色金融回归系数都显著为负，在高区间的估计系数都显著为正。这充分说明在缓解内生性问题后，基准实证结论仍然成立。

表6 基准门槛和稳健性检验结果

表7 内生性检验结果

绿色金融对低碳全要素生产率的影响呈现“U” 型非线性特征，原因可能在于： （1） 在发展绿色金融早期阶段，我国标准绿色金融体系、低碳产业统一认定以及绿色金融资源投向监督与管理等方面尚未健全完善，这为企业“飘绿” 与“染绿” 行为提供广泛施展空间，严重影响和制约绿色金融实现经济和碳排放“双赢” 的功能； （2）企业在金融监管强度较低背景下被动响应政府的低碳经济转型号召，积极投入“寻租” 活动，扭曲绿色金融的功能，对生产活动产生挤兑现象，影响了低碳全要素生产率； （3） 随着绿色金融不断发展，上述阻碍绿色金融功能正常发挥的现象和因素逐渐减少，从而驱动绿色金融的低碳全要素生产率“赋能” 效应占主导地位。

4.4 空间异质性分析

从表6 分区域检验结果看，绿色金融对低碳全要素生产率的影响效应存在明显空间差异。对东部地区，当绿色金融小于0.836，绿色金融对低碳全要素生产率具有明显积极影响。当绿色金融跨越0.836，绿色金融对低碳全要素生产率的驱动效果持续增强。因此，绿色金融对东部地区低碳全要素生产率非线性影响具有显著正向且边际效率递增特征。对中部地区，当绿色金融小于0.641，绿色金融对低碳全要素生产率负向影响不显著。当绿色金融高于0.641，绿色金融“赋能”效应开始显著存在。因此，绿色金融对中部地区低碳全要素生产率具有显著正向线性规律。对西部地区，绿色金融双门槛值是0.325 和0.507，当绿色金融小于0.325，绿色金融对低碳全要素生产率具有显著负向影响。当绿色金融跨过0.507，绿色金融“赋能” 效应由不显著转变为显著。因此，绿色金融对西部地区低碳全要素生产率具有显著“倒梯型” 特征。

4.5 非线性异质调节分析

4.5.1 外部环境变量门槛效应检验

“U” 型非线性演化特征是否意味着绿色金融跨过门槛值就会自动促进低碳全要素生产率呢？以及绿色金融处于门槛值之前的低水平区间就具有“负能效应” 呢？ 绿色金融对低碳全要素生产率的影响不仅受绿色金融自身发展的影响，更可能存在其他方面的异质调节机制。为客观地揭示潜在异质调节效应，以期释放绿色金融“赋能”低碳全要素生产率红利，拟基于外部环境变量进一步阐释。

表8 门槛检验结果和门槛值估计结果表明，低碳技术创新、金融监管、产业结构以及利用外资水平具有单一门槛效应，经济发展水平和城镇化具有双重门槛效应。这说明，经济发展、低碳技术、金融监管、产业结构、城镇化以及外商直接投资等地区特征要素是影响绿色金融作用效果的关键要素，其发展程度的不同会导致绿色金融影响效果的差异。

表8 门槛检验结果

4.5.2 非线性异质调节结果分析

如表9 所示，经济发展、低碳技术、金融监管、产业结构、城镇化和外商直接投资对绿色金融与低碳全要素生产率“U” 型非线性关系产生异质的显著正向调节作用。将表6 估计结果与表9比较，可以得出以下结论。（1） “负能效应” 阶段，在经济发展、低碳技术、金融监管、产业结构、城镇化和外商直接投资等调节下，绿色金融对低碳全要素生产率负向作用普遍减弱； “赋能效应”阶段，绿色金融对低碳全要素生产率正向作用普遍增大。但是，变小和变大的幅度具有异质性；（2） 绿色金融“赋能” 低碳全要素生产率的区间所含省（区、市）增加，“负能效应” 区间所含省（区、市）减少。这意味着这些外部环境变量不仅能正向调节绿色金融对低碳全要素生产率的影响，甚至还具有由负促正的明显效果； （3） 当经济发展和城市化处于第一门槛区间，绿色金融有“负能效应”； 当处于第二、第三区间，绿色金融对低碳全要素生产率满足“梅特卡夫法则”。当低碳技术、金融监管、产业结构和外商直接投资处于低水平区间，绿色金融有“负能效应”； 但处于高水平区间，绿色金融只具有“赋能效应”，不具有前述的“梅特卡夫法则”。

表9 不同门槛变量参数估计结果

5 结论与建议

5.1 结论

该研究重点考察绿色金融对低碳全要素生产率非线性影响效应及异质调节机制。实证发现：（1） 绿色金融对低碳全要素生产率有显著“U”型非线性影响； （2） 东部绿色金融始终有“赋能效应”，满足“梅特卡夫法则”； 中部绿色金融对低碳全要素生产率有显著线性促进作用，负向作用不显著； 西部绿色金融对低碳全要素生产率的影响为显著“倒梯型” 特征，且有“中等绿色金融发展水平陷阱”； （3） 经济发展、低碳技术、金融监管、产业结构、城镇化和外商直接投资对绿色金融与低碳全要素生产率的“U” 型非线性关系存在异质调节效应。

5.2 对策建议

（1） 强化绿色金融对低碳全要素生产率的“赋能” 效应和削弱其“负能” 效应。各地政府应加强对绿色信贷审批和投资的金融监管，防止出现“洗绿” 和“寻租” 等现象。同时建立市场化的激励机制，鼓励更多金融机构积极投资低碳项目，并完善绿色证券市场的市场监管和保持低碳信号传递机制的畅通，以提高绿色金融配置低碳资源的效率。还可以通过各种优惠政策和限制性措施，鼓励和倒逼有碳排放风险的企业投资低碳保险，并建立一个有效的低碳私募股权退出机制。同时，各地区应以绿色金融发展为契机，加快出台差异化的低碳全要素生产率提升战略，转变思维拓宽低碳创新的投资、引资和融资渠道，尽可能加快释放绿色金融低碳功能的溢出红利。

（2） 与理论拐点值和最优区间相比，现阶段三大地区绿色金融对低碳全要素生产率的影响均存在明显的提升和转化空间。这意味着推动绿色金融与低碳全要素生产率融合的政策应具有持续性和长周期性。政府可通过加强顶层设计的导引功能，通过制定专门的绿色金融发展规划，明确绿色金融赋能低碳全要素生产率发展的近期和远期目标、重点任务等核心内容，来持续引导更多的绿色金融资本高效率、广覆盖、高强度流入低碳创新产业领域，使更多的省（区、市）跨过拐点步入“赋能” 区间并不断激发绿色金融在低碳全要素生产率过程中的“梅特卡夫法则”。未来也应实施动态化和差异化的绿色金融与低碳全要素生产率协同政策，积极避免一刀切、静态化政策。

（3） 要有效提升低碳全要素生产率发展过程中的绿色金融“赋能效应”，现阶段还需要在持续加快城市化进程、提升经济发展水平、增强金融监管强度、提高外商投资质量和优化引资结构，以及加强低碳技术创新力度和优化产业结构等方面下功夫。不同省（区、市）亦应根据自身发展实际，科学选择最佳的绿色金融融合政策，进一步最大化绿色金融的低碳全要素生产率提升效果。因此，“十四五” 时期政府应积极推动绿色金融与上述因素的深度融合，尽可能激发低碳全要素生产率提高过程中绿色金融赋能的政策协同效应。