JLCE Journal of Low Carbon Economy 2324-7924 Scientific Research Publishing 10.12677/JLCE.2024.131009 JLCE-81845 JLCE20240100000_45325746.pdf 经济与管理 绿色金融可以降低碳排放强度吗？ Can Green Finance Reduce Carbon Emissions Intensity? 谢 健聪 2 1 郑 伟业 2 1 李 雄英 2 1 广东财经大学经济学院，广东 广州 null 01 02 2024 13 01 97 107 © Copyright 2014 by authors and Scientific Research Publishing Inc. 2014 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/

在第七十五届联合国代表大会上，中国提出力争2030年实现碳达峰，2060年前实现碳中和的目标。金融是实体经济的血脉，绿色金融是引导资金流向绿色产业的关键环节。要实现碳中和目标，发展绿色金融势在必行。在理论分析部分，本文通过梳理现有研究文献，总结当前绿色金融和碳排放强度的研究成果，提出了绿色金融能降低碳排放强度的基本研究假设。在此基础上，本文结合中国绿色金融的具体实践情况，从产业结构升级视角论述了绿色金融助力经济低碳转型的作用路径。在实证研究部分，本文以2008~2019年中国30个省面板数据作为研究样本，结合理论分析部分提出的研究假设，本文通过构建计量经济学模型实证检验分析了绿色金融对中国碳排放强度的影响及其作用机制。本文的实证研究结果显示：(1) 绿色金融能降低中国碳排放强度。(2) 产业结构升级是绿色金融助力经济低碳转型的重要渠道。 At the 75th United Nations General Assembly, China proposed to strive for peaking carbon emissions by 2030 and achieving carbon neutrality by 2060. Finance is the lifeblood of the real economy, and green finance is a key link in guiding funds towards green industries. To achieve the goal of carbon neutrality, it is imperative to develop green finance. In the theoretical analysis section, this article summarizes the research findings on green finance and carbon intensity by reviewing existing literature, and proposes the basic research hypothesis that green finance can reduce carbon emissions intensity. Based on this, combined with the specific practice of green finance in China, this article discusses the role of green finance in facilitating the low-carbon transformation of the economy from the perspective of industrial structure upgrading. In the empirical research section, this article takes panel data from 30 provinces in China from 2008 to 2019 as the research sample. Combining the research hypothesis proposed in the theoretical analysis section, this article empirically tests the impact of green finance on China’s carbon emissions intensity and its mechanism. The empirical results of this study show that: (1) Green finance can reduce China’s carbon emissions intensity. (2) Upgrading industrial structure is an important channel for green finance to facilitate the low-carbon transformation of the economy.

 绿色金融，碳排放强度，产业结构, Green Finance Carbon Emissions Intensity Industrial Structure 摘要

在第七十五届联合国代表大会上，中国提出力争2030年实现碳达峰，2060年前实现碳中和的目标。金融是实体经济的血脉，绿色金融是引导资金流向绿色产业的关键环节。要实现碳中和目标，发展绿色金融势在必行。在理论分析部分，本文通过梳理现有研究文献，总结当前绿色金融和碳排放强度的研究成果，提出了绿色金融能降低碳排放强度的基本研究假设。在此基础上，本文结合中国绿色金融的具体实践情况，从产业结构升级视角论述了绿色金融助力经济低碳转型的作用路径。在实证研究部分，本文以2008~2019年中国30个省面板数据作为研究样本，结合理论分析部分提出的研究假设，本文通过构建计量经济学模型实证检验分析了绿色金融对中国碳排放强度的影响及其作用机制。本文的实证研究结果显示：(1) 绿色金融能降低中国碳排放强度。(2) 产业结构升级是绿色金融助力经济低碳转型的重要渠道。

 关键词

绿色金融，碳排放强度，产业结构

 Can Green Finance Reduce Carbon Emissions Intensity?<sup> </sup>

Jiancong Xie, Weiye Zheng, Xiongying Li

School of Economics, Guangdong University of Finance and Economics, Guangzhou Guangdong

Received: Jan. 18th, 2024; accepted: Jan. 29th, 2024; published: Feb. 29th, 2024

 ABSTRACT

At the 75th United Nations General Assembly, China proposed to strive for peaking carbon emissions by 2030 and achieving carbon neutrality by 2060. Finance is the lifeblood of the real economy, and green finance is a key link in guiding funds towards green industries. To achieve the goal of carbon neutrality, it is imperative to develop green finance. In the theoretical analysis section, this article summarizes the research findings on green finance and carbon intensity by reviewing existing literature, and proposes the basic research hypothesis that green finance can reduce carbon emissions intensity. Based on this, combined with the specific practice of green finance in China, this article discusses the role of green finance in facilitating the low-carbon transformation of the economy from the perspective of industrial structure upgrading. In the empirical research section, this article takes panel data from 30 provinces in China from 2008 to 2019 as the research sample. Combining the research hypothesis proposed in the theoretical analysis section, this article empirically tests the impact of green finance on China’s carbon emissions intensity and its mechanism. The empirical results of this study show that: (1) Green finance can reduce China’s carbon emissions intensity. (2) Upgrading industrial structure is an important channel for green finance to facilitate the low-carbon transformation of the economy.

Keywords:Green Finance, Carbon Emissions Intensity, Industrial Structure

Copyright © 2024 by author(s) and beplay安卓登录

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

 1. 引言

随着二战以后全球化的发展，全球经济规模快速扩大。低效的、无节制的能源消费导致二氧化碳排放量极速增加，过去六十年世界陆地二氧化碳排放量增长超过25,000万吨，2021年达到了37,124万吨 [ 1 ] [ 2 ] 。世界气象组织秘书长塔拉斯表示，当前大气二氧化碳含量之高，已使《巴黎协定》中较低的1.5摄氏度目标几乎遥不可及。目前因二氧化碳排放导致生态环境恶化已经成为当今人类面临的一个重大挑战。世界气象组织发布《2022年全球气候状况》临时报告指出，近年来温室气体浓度不断上升，热量不断累积。气候变化的预兆和影响正愈发令人关注。1993年以来，海平面升速已翻了一番，2020年1月以来已上升了近10毫米，今年达到新高。自近30年前开始卫星测量以来，仅在过去两年半的时间内海平面的上升就占到了整体上升的10%。

在改革开放后，伴随着中国经济跨越式的发展，中国的二氧化碳排放量出现了指数式的增长。在2012年国家加大生态环境的保护力度，淘汰一大批高污染企业后，中国二氧化碳排放量增速开始放缓。目前中国仍是成为世界最主要的能源消耗国和二氧化碳排放经济体之一。为了建设美丽中国和履行全球气候共同责任，中国正在积极探索一套应对环境恶化行之有效的绿色发展方案。

寻找兼顾经济增长与环境问题的绿色发展方案是中国实现经济低碳转型目标不可回避的难题。绿色金融作为兼具环境和经济效益的重要金融工具成为提高碳排放效率的重点研究方向。绿色金融作为优化资源配置的重要平台，能推动传统行业实现碳减排，同时能促进产业绿色升级，对减少二氧化碳排放具有重要意义。目前我国绿色金融进行了一系列完善政策体系的实践探索，包括协助设计绿色低碳工程项目实施方案、为生态环保技术引进和采用提供投融资支持、为绿色低碳市场需求提供消费激励等 [ 3 ] 。

2016年，中国人民银行等七部委印发《关于构建绿色金融体系的指导意见》，我国成为世界上首个系统化推进绿色金融政策的国家。2017年，国际合作组织“央行与监管机构绿色金融网络”(NGFS)成立，多国金融监管机构在共同的目标框架下，逐步开始探索适合各自国情的绿色金融政策。2021年，中国人民银行在全球率先以货币政策工具的形式推出“碳减排支持工具” [ 4 ] 。

 2. 文献综述

首先，关于绿色金融内涵。自从80年代绿色金融学说产生后，世界各国对绿色金融的概念进行了定义和探讨，但是至今还没有达成一致的认识。从绿色金融的内涵出发，不同的学者在认识绿色金融的涵义时，都有各自的切入点。Salazar (1998)相信“绿色金融”是指金融机构在满足环境保护行业融资需要的基础上所进行的一种金融创新 [ 5 ] 。Labatt & White (2002)将绿色金融视为一种融资方式，以规避环境风险，促进环境保护 [ 6 ] 。Cowan认为，“绿色金融”是一种包括环境经济和金融的学科，并就如何促进环境经济的发展提出了若干意见 [ 7 ] 。

其次，关于绿色金融发展现状。任宇光等(2022)认为中国构建绿色金融体系，大致可以分成三个阶段：在2014年以前是绿色金融体系发展的起步阶段，金融的监管机构主要在保险、信贷与碳排放等方面建设绿色金融的相关制度。2014~2020年是绿色金融快速发展阶段，我国不断健全与绿色金融相关的各项基础性制度，通过自上而下与自下而上两种方式，推动构建中国绿色金融体系。2021年至今是绿色金融走向成熟阶段，中国初步形成了多层次服务与多样化产品的绿色金融市场 [ 8 ] 。郑立纯(2020)从绿色金融、绿色证券、绿色保险、碳金融等方面对绿色金融发展的促进作用进行了深入的探讨 [ 9 ] 。杜莉(2020)认为我国的“绿色金融”政策在推动“绿色金融”方面的作用进行了探讨 [ 10 ] 。从质量上看，我国的绿色金融政策对绿色金融的影响有所改善，但是总体上，绿色金融的总体水平仍然很低。刘超等(2022)基于2001~2018年中国30个省份的面板数据研究发现当前我国绿色金融市场规模不断扩大，信贷余额和债券规模均有大幅度上升，但仍处于初步发展阶段 [ 11 ] 。常雨茂等(2021)通过梳理我国绿色金融市场现状和调研江苏26家商业银行发现，近年来我国绿色金融市场规模持续扩大，产品和服务创新不断涌现，但是，仍存在绿色产品类型单一、配套体系不健全、绿色项目盈利难、国内国际标准不接轨等四方面问题 [ 12 ] 。

再次，关于绿色金融的环境效应。谭显春等(2023)研究发现“绿色金融”改革与创新试验区政策是实现碳达峰碳中和的一项重要措施，通过实施“基区”政策，可以有效地减少各试点区域的碳排放量，同时，金融发展水平也会对其减排效应产生积极的影响 [ 13 ] 。马腾高(2023)基于京津冀13市2014~2020年的市级面板数据进行实证分析，绿色金融的间接效应主要体现在绿色金融可有效提升科技创新能力和促进产业结构升级，进而改善生态环境质量，促进经济高质量发展 [ 14 ] 。张可等(2022)认为，绿色信用是一种非行政指令型的生态保护政策，能够实现工业结构的优化，从而实现节能减排，而且其优化效应还具有空间外溢效应，对周边区域节能减排也有一定的促进作用 [ 15 ] 。Fan等(2021)通过构建理论模型和经验分析框架，对中国绿色信用监管的环境绩效进行了研究。理论模型显示，强化绿色信用管制将会对公司的减排战略产生一定的影响，从而促使原先对此无动于衷的企业将会调整他们的排放和生产策略。研究表明，随着环保信用约束的不断加强，各公司的减排模式也呈现出异质性，大公司将更多的钱用于减排，而小公司则选择了缩减规模 [ 16 ] 。

最后，关于碳排放影响因素。俞雅乖等(2023)运用Tobit模型分析碳排放效率的影响因素，结果表明，建筑业的碳排放效率与建筑业的经济、产业结构、能源技术等方面存在显著的正相关，而与行业规模、资源禀赋和区位熵之间存在着显著的负相关 [ 17 ] 。马骏等(2022)利用slack based measure模型测算长江经济带11省市绿色发展效率并探究长江经济带绿色发展效，结果表明产业结构、科研投入、对外开放、环境规制、植被覆盖率等因素对我国的碳排放视角下的绿色发展效率有明显的正相关 [ 18 ] 。Zhang等(2014)提出，第三产业所占比重与碳排放效率之间存在着负相关关系 [ 19 ] 。郭炳南、卜亚(2018)认为，工业结构对二氧化碳排放效率的影响也会受到区域因素的制约，尽管工业结构的高级化能够提高二氧化碳的排放效率，但在西部，由于人力资本的不足，这两种效应呈现出负相关 [ 20 ] 。周迪、王雪芹(2019)从耦合角度对我国的碳排放强度与行业结构的影响进行了分析，认为目前我国碳排放强度与行业结构的协调水平不高，因此，应大力支持低排放效率区域的发展，从而打通产业结构促进碳排放强度降低的作用通道 [ 21 ] 。

 3. 变量测算 3.1. 绿色金融指数体系

一般而言，评价一个市场中的绿色金融指标主要从两个角度出发：一是发展绿色金融能否使市场中的资金得到最优配置；二是发展绿色金融能否使市场中的环境得到改善。绿色金融体系的首要目标是吸引更多的市场资源投资绿色项目绿色产业。绿色金融市场引导资金的总规模主要体现在绿色信贷融资工具上 [ 22 ] 。除此，绿色保险金融、绿色投资这两个方面，也是绿色金融在相应领域吸金能力的重要体现。绿色保险能够释放企业资金的流动性问题，让企业能够将更多资金用于绿色升级。于此同时能够为环境修复提供稳定的资金保障。而绿色投资对环境污染的直接投入也能够撬动社会资源向绿色产业聚集。

如表1所示本文绿色金融指数以绿色信贷，绿色保险，绿色投资为二级指标，每个二级指标设立两个三级指标。本文用环保企业银行贷款总额和环保企业银行贷总额的占比衡量绿色信贷水平；用农业保险规模占比和赔付占比来衡量绿色保险水平。用环境污染治理的投资和节能环保财政支出占比衡量绿色投资水平。

Green finance index syste
二级指标 三级指标 指标含义 指标方向 数据来源
绿色信贷 绿色信贷规模 环保企业银行贷款总额 正向 csmar数据库
绿色信贷占比 环保企业银行贷款总额/银行贷款余额 正向 csmar数据库
绿色保险 绿色保险规模占比 农业保险支出/保险总收入 正向 《中国保险年鉴》
绿色保险赔付占比 农业保险支出/农业保险总收入 正向 《中国保险年鉴》
绿色投资 环境污染治理投资占比 环境污染治理投资额/GDP 正向 《中国统计年鉴》
节能环保财政支出占比 节能环保财政支出/财政支出总额 正向 《中国统计年鉴》

表1. 绿色金融指数体系

因此本文熵值法作为绿色金融指标度量方法。熵值法是以每一种指数所能给出的信息量为基础，来决定每一种指数的权重。具体计算方法如下：

对数据进行标准化处理

X A = X − X min X max − X min

计算指标的比重

P i j = X A i j ∑ i = 1 n X A i j

i = 1 , 2 , 3 , ⋯ , n ， j = 1 , 2 , 3 , ⋯ , m (n为年份，m为指标个数)

计算指标熵值

e i j = − 1 ln n ∑ i = 1 n P i j ln n P i j

计算评价权重

ω i j = d i j ∑ j = 1 m d i j

综合得分

S i j = ∑ j = 1 m ω i j P i j

 3.2. 碳排放强度指数测算

当前，国内外学者对碳排放强度的界定存在很大分歧，一些学者从单要素的视角对碳排放强度进行了定义，把碳排放强度称为碳生产率，将其定义为一段时期内国内生产总值(GDP)与同期碳排放量之比。也有观点认为，以单位二氧化碳的GDP产出作为衡量碳排放效率的指标也是评价一个国家节能减排的重要标准。以上两种观点均以GDP作为基础，然而也有学者提出了碳指数概念，具体定义为单位能源消耗的碳排放量，以此来衡量发展中国家为节能减排和应对气候变化所做出的贡献。可以看出，无论以GDP作为基础还是以能源消费作为基础，其出发点均立足于二氧化碳排放量 [ 23 ] 。考虑到不同省份产业结构，经济发展水平，地理条件之间的差异导致能源使用种类不同。本文将碳排放强度定义为单位GDP产出的二氧化碳。

C O 2 i j = E C i t G D P i t

鉴于二氧化碳排放主要来自化石燃料的燃烧，因此选用煤炭、焦炭、原油、汽油、煤油、柴油、液化石油、天然气这八种类主要化石燃料燃烧所排放的二氧化碳进行计算。主要化石燃烧二氧化碳排放系数来自2021年中国能源统计年鉴。具体计算方法参照李梦一(2017)测量中国省际二氧化碳排放量使用公式 [ 24 ] ：

E C = ∑ E K × L C V K × T C E k × C C k × C O R k

其中，ECit表示二氧化碳排放量，Ek表示第k种能源的消费量，TCEk表示第k种能源这标准煤系数，LCVk第k种能源低位发热值，CCk第k种能源单位热值含碳量，CORk第k种能源碳氧化率。

 4. 研究设计 4.1. 模型设定

本文参考刘峰(2022)探究碳减排效应及其作用渠道的模型 [ 25 ] ，具体公式如下：

C I = c + α 1 G F i t + α 2 ln C I T Y i t + α 3 ln F D I i t + α 4 ln G D P i t + α 5 ln G D P i t 2 + Y E A R t + ε

其中，c为常数项，GF为绿色金融指数，FDI为外商投资，YEAR为年份，REGION为地区，ε为随机干扰项。

 4.2. 变量选取 4.2.1. 被解释变量

被解释变量为碳排放强度(CI)，采用单位二氧化碳创造的GDP来衡量地区的碳排放强度，详见本文第三部分碳排放强度指标的测算。

 4.2.2. 核心解释变量

核心解释变量为绿色金融(GF)，本文从绿色信贷，绿色投资，绿色保险三个维度构建地区绿色金融指数，先对数据进行标准化的处理再采用熵值法进行测算。详见本文第三部分绿色金融指标的测算。

 4.2.3. 控制变量

为了避免绿色金融以外的因素对碳排放强度的影响导致估计偏误，参考现有文献，引入控制变量。城镇化水平(CITY)：城镇化是碳排放的重要影响因素，城镇化水平较低的地区往往存在能源利用率不高，产业结构传统等问题，导致碳排放强度处于一个较高的水平。在快速城镇化的过程中，由于经济发展速度过快导致地区能源消耗快速上升，而技术水平相对经济发展水平滞后，造成碳排放强度快速上升。城镇化水平较高的地区，有更好的环境监督机制，科技创新实力更好，有充足的财政资金支持低碳经济的发展，有利于降低碳排放强度。外商投资(FDI)：外商投资一方面，会带来国外高耗能，高污染企业，导致地区环境恶化。另一方面，外商投资会带来外国先进的技术和环保理念，从而促进碳排放强度的降低。经济发展水平(GDP)：环境库兹涅茨曲线指出当一个国家经济发展水平较低的时候，环境污染的程度较轻，但是随着人均收入的增加，环境污染由低趋高，环境恶化程度随经济的增长而加剧；当经济发展达到一定水平后，随着人均收入的进一步增加，环境污染又由高趋低，其环境污染的程度逐渐减缓，环境质量逐渐得到改善。

 4.3. 数据来源

本文采用2008~2019年30个省，直辖市，自治区数据。城镇化水平(CITY)用地区城镇人口/地区总人口来表示，数据来自EPS DATA平台整理的中国统计年鉴。外商投资用外商直接投资总额来表示，数据来自EPS DATA平台整理的中国宏观经济数据库。产业结构用地区第二产业生产总值/地区生产总值，数据来自EPS DATA平台整理的中国宏观经济数据库。个别缺失的数据采用插值法进行补充。表2为相关变量的描述统计，我们可以看出，平均而言，每生产一单位的GDP释放的二氧化碳为2.469，标准差为1.757，说明各地区的碳排放存在差异。总体绿色金融发展水平均值为0.169，最小值为0.057，最大值为0.739，同样表明各省市的绿色金融发展水平存在较大的差异。

Descriptive statistics of variable
变量名称 样本量 平均值 标准差 最小值 最大值
GF 360 0.169 0.102 0.057 0.739
CI 360 2.469 1.757 0.217 8.611
CITY 360 57.03 13.14 29.11 89.60
IS 360 45.073 8.642 16.2 61.50
lnFDI 360 2.775 0.609 1.371 4.291
lnCITY 360 1.740 0.099 1.464 1.952
lnGDP 360 4.626 0.230 3.946 5.215
lnGDP2 360 21.451 2.122 15.568 27.201

表2. 各变量的描述性统计

 5. 实证结果和稳健性检验 5.1. 基准回归结果

回归的结果见表3所示，我们发现无论是核心变量还是控制变量都通过了显著性水平0.05的检验，说明该模型拟合效果较好。第(1)列报告了绿色金融对碳排放强度影响基本模型的估计结果，从中可以发现，绿色金融这一变量的影响系数为负，且通过显著性检验，意味着绿色金融的发展减低每单位GDP消耗的二氧化碳，与我们前面绿色金融可以降低碳排放强度的猜想一致。绿色金融发挥资金导向作用，支持节能环保、煤炭清洁利用技术、碳减排技术等重点领域的发展，同时发挥绿色金融的环境信息披露机制，迫使市场主体推进绿色转型发展，助力节能降碳。同时我们发现经济发展水平和碳排放强度之间的关系呈现一个开口向上的“U”型关系，经济发展水平的取值位于“U”型对称轴的左侧，说明经济发展水平和碳排放强度之间呈现一个负相关的关系，说明当前碳排放强度随着经济发展水平的提高而降低。

Regression results of green finance and carbon emission intensit
变量 (1) (2) (3) (4) (5)
基本模型 加入控制变量 加入年份固定效应 剔除较大值 核心变量滞后一期
GF −9.917*** −7.296*** −6.792*** −21.743*** /
(1.315) (1.224) (1.251) (3.019) /
L.GF / / / / −6.492***
/ / / / (1.158)
lnGDP −37.93*** −35.488*** −23.164* −50.26*** −23.323**
(11.797) (10.516) (11.875) (14.409) (11.765)
lnGDP2 44.097*** 3.831*** 2.664** 5.764*** 2.683**
(1.301) (1.157) (1.272) (1.560) (1.260)
lnFDI / −1.676*** −1.802*** −1.239*** −1.789***
/ (0.177) (0.186) (0.239) (0.186)
lnCITY / 6.240*** 3.942* 5.029** 3.970*
/ (1.710) (2.035) (2.246) (2.028)
YEAR / / Yes Yes Yes
Cons 91.72*** 79.483*** 52.275* 109.777 52.530**
(26.83) (23.887) (26.798) (32.345) (26.556)
Obs 360 360 360 324 360

表3. 绿色金融与碳排放强度回归结果

注：Standard errors in parentheses:***p < 0.01,**p < 0.05,*p < 0.1。

 5.2. 稳健性检验 5.2.1. 加入控制变量

在计量检验中控制了经济发展水平对碳排放强度的影响，为避免因遗漏变量导致计量结构的影响，本文加入城镇化水平、和外商投资水平。相应的实证结果报告于见表3的第(2)列，从中可以看出，绿色金融发展的系数依然显著为负，而且通过显著性水平0.01的检验，排除了由于遗漏变量可能导致的估计有偏。

 5.2.2. 加入年份固定效应

虽然目前的本文计量模型考虑了地区生产总值、城镇化、外资等因素，但是，上述因素的时序特征也会使绿色金融的效应发生错位，进而造成内生性问题。为此，本项目拟在基本计量模型中加入时间固定效应，以消除由城市尺度上的不可观察因素随着时间的推移而引起的碳排放。在表3的第(3)列中报告了对应的检验结果，可以看到，绿色金融发展的系数仍是明显的负值。

 5.2.3. 缓解较大值影响

为确保实证检验结果的可靠性，在表3第(1)列的基础上进行稳健性检验。考虑到北京市，上海市，广东省经济发展水平较高，重工业占地区生产总值相对较低且较早进行绿色金融机制探索，导致绿色金融指数较高，因此剔除这三个省区的数据进行回归结果如第(4)所示，核心变量绿色金融指数通过显著性0.001检验，方向与基准回归一致，控制变量也通过显著性检验。证明基准回归结果稳定。

 5.2.4. 滞后一期检验

由于绿色金融对碳排放强度的的作用需要通过一系列传导机制，碳排放强度不能对绿色金融变化做出及时反应。绿色金融对碳排放强度产生跨期影响，因此本文对核心变量采用滞后一期的检验，回归结果见表3 (5)列，可以看到，绿色金融发展的系数仍是明显的负值。

 5.3. 异质性分析

中国不同区域间的经济发展不均衡，不同区域间的绿色融资对二氧化碳排放的影响可能有不同的区域特点，本文将研究对象分为东部、中部、西部和东北，对区域内绿色金融对碳排放强度的作用进行了实证研究，结果如表4所示。

Heterogeneity analysis of the impact of green finance on carbon emission intensit
变量 (1) (2) (3) (4)
东部 中部 西部 东北
GF −1.94257*** 20.269 −40.623*** 9.099
(0.460) (19.913) (4.047) (6.519)
lnGDP −43.278*** 133.184 −82.826*** 31.900
(12.132) (80.092) (19.440) (19.420)
lnGDP2 4.361*** −15.222* 9.106*** −4.209*
(1.246) (8.940) (2.105) (2.114)
lnFDI −0.742*** −10.907*** −0.769** 1.575***
(0.149) (1.635) (0.308) (0.308)
lnCITY −1.774 23.497*** 11.586*** −1.070
(1.221) (15.994) (3.741) (3.204)
YEAR Yes Yes Yes Yes
Cons 114.693*** −300.716 177.829*** −58.063
(28.709) (182.361) (42.836) (44.990)
Obs 108 72 144 36
R-squared 0.802 0.681 0.741 0.982

表4. 绿色金融对碳排放强度影响异质性分析

注：Standard errors in parentheses:***p < 0.01,**p < 0.05,*p < 0.1。

从表4可见，中部地区的绿色金融影响系数为20.269，没有通过显著性检验，东北地区的绿色金影响系数为−9.099%，没有通过显著性检验，而且两者的方向与东部地区和中部地区相反。这意味着绿色金融发展的碳减排效应存在区域差异。这可能是西部地区经济发展水平不高，但是经济发展速度较快，在快速的过程中产生大量的二氧化碳，而且绿色金融发展水平远远落后与经济增长。而东北地区可能是因为重工业占比较大，金融产业发展水平不高，难以对资金进行有效的引导。中部地区和东部地区绿色金融碳减排效应通过显著性检验，中部地区的绿色金融对碳排放效率的影响系数明显大于东部。这说明中部地区的绿色金融发展更好地发挥了碳减排效应。原因可能是中部地区碳排放水平随经济增长呈上升趋势，绿色金融有利于纠正资源错配。而东部地区经济转型比较成功，而且绿色金融发展阶段比较成熟，绿色金融碳减排效果出现边际效应递减。

 5.4. 中介效应分析 5.4.1. 中介效应模型构建

本文通过建立中介效应模型对绿色金融的中介变量加以识别，以此来研究绿色金融发展影响碳排放强度的作用机制。模型设定参照赵磊磊，等(2014)中介效应方法，采用逐步检验回归系数法构建中介效应模型 [ 26 ] ，具体模型如下。

C I = c + α 1 G F i t + α 2 ln C I T Y i t + α 3 ln F D I i t + Y E A R t + ε

I S = c + β 1 G F i t + β 2 ln C I T Y i t + β 3 ln F D I i t + Y E A R t + ε

C I = c + γ 1 G F i t + γ 2 ln C I T Y i t + γ 3 ln F D I i t + γ 4 IS it + Y E A R t + ε

其中IS表示产业结构，中介效应判断方法：若上公式(2)当α1显著则继续判断公式(3)，当α1不显著则说明变量GFit对变量CI没有直接影响，则停止中介效应检验。在α1，β1同时显著的情况下继续检验判断公式(4)，最终得出检验结果，且以此判断是否终止中介效应检验，判断情况。当γ2显著时，表明中介效应显著并可以以此推断出，该情况属于部分中介效应。当γ2不显著时属于完全中介效应。

 5.4.2. 中介效应回归结果分析 Analysis of mediating variable regression result
变量 (1) (2) (3)
CI IS GF
GF −6.792*** −56.482*** −5.285***
(1.251) (5.424) (1.428)
IS \ \ 0.027**
\ \ (0.012)
lnGDP −23.164* 160.575*** −27.448**
(11.875) (51.485) (11.979)
lnGDP2 2.664** −12.397** 2.994**
(1.272) (5.517) (1.275)
lnFDI −1.802*** 2.792*** −1.877***
(0.186) (0.807) (0.188)
lnCITY 3.942* −74.199*** 5.923***
(2.035) (8.821) (2.223)
YEAR Yes YES YES
Cons 52.275* −290.697*** 60.030*
(26.798) (116.185) (26.899)
Obs 360 360 360

表5. 中介变量回归结果分析

注：Standard errors in parentheses:***p < 0.01,**p < 0.05,*p < 0.1。

表5为产业结构渠道的绿色金融与碳排放的中介效应检验结果。第(2)列的回归结果显示，绿色金融与产业结构的回归系数为负，且在通过显著水平0.01的检验，意味着绿色金融显著降低了第二产业的占比，这与我们前面的绿色金融能够促进产业升级假设相同。绿色金融的本质是基于环境约束的融资导向，在实践过程中能够引导资金流向“绿色”的第三产业，对于污染的第二产业融资起到抑制作用，使得第二产业规模扩大受阻。第(3)列的回归结果显示，当基准模型加入产业结构变量以后，本文绿色金融的系数依然显著为负通过显著性0.01的检验，产业结构与碳排放强度回归系数为正，通过显著性0.05的检验。说明绿色金融与碳排放强度存在显著部分中介效应。绿色金融降低第二产业的比重，第二产业比重的降低会导致碳排放强度降低，增强了绿色金融对碳排放强度的作用。如果我们想增强绿色金融的碳减排作用，应加强绿色金融流入制造业的资金监督管理，我们可以通过绿色金融控制高污染产业扩大再生产的融资渠道。

 6. 结论与政策建议 6.1. 研究结论

本文采用2008~2019年中国30个省份数据，使用面板回归实证检验了中国绿色金融对碳排放的影响，基于产业结构渠道，验证绿色金融对碳排放的影响路径，得出以下结论。第一，中国绿色金融对碳排放存在显著的抑制效应，在剔除异常值的影响、进行遗漏变量和内生性问题处理后，结论依然显著。第二，考虑区域异质性后发现，东部、中部均对碳排放具有抑制作用，但相比东部地区，绿色金融对中部地区碳排放具有更显著抑制效应。西部地区和东部地区没有通过显著性检验。第三，中国绿色金融通过优化产业结构，有效抑制了碳排放。中国绿色金融显著促进了绿色技术创新提升，实质性绿色技术创新发挥碳排放的抑制效应，产业结构升级本身并具有降碳效应，中国绿色金融对碳排放的抑制效应基于能源消费结构和实质性绿色创新渠道发挥了作用。

 6.2. 政策建议

第一，加大对资金的绿色分配，夯实绿色金融的根基。有关部门应该积极地鼓励和指导金融机构发展绿色信贷和绿色保险业务，不断提高对金融资源绿色化配置的投入，加强金融资源的绿色减排效能。在绿色信贷方面，银行等金融机构可以通过大力推广绿色项目贷款。在绿色投资中，应该充分利用政府资金的撬动作用，将区位、资金、技术等优势充分利用起来，形成互补，相互促进，共同努力，最终达到降低碳排放的目的。

第二，完善绿色金融对产业结构优化的支持。对第一产业进行优化发展，同时要加快对第二产业的布局的调整，促进工业结构的转型和高新技术行业的发展，重点发展第三产业，从而达到产业结构的调整和升级。研宄表明，第一产业的碳排放强度最低，第二产业的碳排放强度最高，而第三产业的碳排放强度位于第一产业、第二产业之间。将重点放在提升自己的产业结构转型能力上，构建有利于节约资源的城市发展模式，降低我国经济对能源的依赖程度，并有效地解决目前的碳排放强度较高的问题。城镇化将导致社会经济发展规模的扩张、基础设施的投入和消费的增长，从而导致了我国的碳减排强度的升高。

 项目基金

广东省哲学社会科学研究青年项目“环境规制对粤港澳大湾区高质量发展的作用机制、效应测度及协同政策研究”(GD21YYJ03)。

 文章引用

谢健聪,郑伟业,李雄英. 绿色金融可以降低碳排放强度吗？Can Green Finance Reduce Carbon Emissions Intensity?[J]. 低碳经济, 2024, 13(01): 97-107. https://doi.org/10.12677/JLCE.2024.131009

 参考文献 References Friedlingstein, P., O’Sullivan, M., Jones, M.W., Andrew, R.M., Gregor, L., et al. (2022) Global Carbon Budget 2022, Earth System Science Data. https://essd.copernicus.org/articles/14/4811/2022/ Andrew, R.M. and Peters, G.P. (2022) The Global Carbon Project’s Fossil CO2 Emissions Dataset.
https://doi.org/10.6084/m9.figshare.c.5646421.v1 杜明军. 绿色金融对碳减排的因果森林处理效应及影响因素识别[J]. 金融理论与实践, 2023(1): 82-97. 潘冬阳, 陈川祺, Michael Grubb. 金融政策与经济低碳转型——基于增长视角的研究[J]. 金融研究, 2021(12): 1-19. Salazar, J. (2998) Environmental Finance: Linking Two World. Labatt, S. and White, R.R. (2002) Environmental Finance: A Guide to Environmental Risk Assess-ment and Financial Product. John Wiley & Sons, New York. Cowan, E. (1998) Topical Issues in Environmental Finance. Economy and Environment Program for Southeast Asia (EEPSEA), Philippines. 任宇光, 赵洪瑞, 黄谦. 中国绿色金融发展现状与趋势研究[J]. 北方经贸, 2022(12): 73-76. 杜莉, 郑立纯. 中国绿色金融政策质量评价研究[J]. 武汉大学学报(哲学社会科学版), 2020, 73(3): 115-129. 郑立纯. 中国绿色金融政策的质量与效应评价[D]: [博士学位论文]. 长春: 吉林大学, 2020. 刘超, 毛文倩, 沈洋, 等. 中国绿色金融发展现状及其空间相关性研究[J]. 金融理论与教学, 2022, 174(4): 13-21, 32. 常雨茂, 范致镇, 王佳, 等. 绿色金融的中国实践现状及国际经验借鉴[J]. 区域金融研究, 2021(7): 72-76. 谭显春, 高瑾昕, 曾桉, 等. 绿色金融改革创新试验区政策对碳排放的影响评估[J]. 气候变化研究进展, 2023, 19(2): 213-226. 马腾高. 绿色金融的生态环境效应——以京津冀地区为例[J]. 上海商业, 2023(1): 104-106. 张可, 李语晨, 赵锦楸. 绿色信贷促进了节能减排吗[J]. 财经科学, 2022(1): 15-30. Fan, H., Peng, Y., Wang, H. and Xu, Z. (2021) Greening Through Finance? Journal of Development Economics, 152, Article ID: 102683.
https://doi.org/10.1016/j.jdeveco.2021.102683 俞雅乖, 沈盼熠, 李瑜婷. 国家级城市群建筑业碳排放效率的空间分异及影响因素[J]. 宁波大学学报(人文科学版), 2023, 36(1): 98-107. 马骏, 伍琳玲, 卢玉钦. 碳排放视域下长江经济带绿色发展效率测度及影响因素研究[J]. 资源与产业, 2022, 24(3): 71-80. Zhang, Y.J., Liu, Z., Zhang, H. and Tan, T.D. (2014) The Impact of Economic Growth, Industrial Structure and Urbanization on Car-bon Emission Intensity in China. Natural Hazards, 73, 579-595.
https://doi.org/10.1007/s11069-014-1091-x 郭炳南, 卜亚. 人力资本、产业结构与中国碳排放效率——基于SBM与Tobit模型的实证研究[J]. 当代经济管理, 2018, 40(6): 13-20. 周迪, 王雪芹. 中国碳排放效率与产业结构升级的耦合度及耦合路径[J]. 自然资源学报, 2019, 34(11): 2305-2316. 郭占. 中国绿色金融指数构建研究[D]: [硕士学位论文]. 西安: 西北大学, 2019. 马大来. 中国区域碳排放效率及其影响因素的空间计量研究[D]: [博士学位论文]. 重庆: 重庆大学, 2015. 李麟一. 中国省际全要素碳排放效率及其影响因素分析[D]: [博士学位论文]. 大连: 东北财经大学, 2017. 刘锋, 黄苹, 唐丹. 绿色金融的碳减排效应及影响渠道研究[J]. 金融经济学研究, 2022, 37(6): 144-158. 赵磊磊, 刘芳, 韩金芳, 等. 中介效应检验程序及其应用[J]. 生物技术世界, 2014(11): 216.
Baidu
map