金融產業集聚對碳排放強度的影響路徑
——基于我國東部地區面板數據的實證分析

徐 勝，劉 月

（1.對外經濟貿易大學 金融學院，北京 100029；2.中國海洋大學 經濟學院，山東 青島 266100）

金融產業集聚對碳排放強度的影響路徑
——基于我國東部地區面板數據的實證分析

徐 勝1，2，劉 月2

（1.對外經濟貿易大學 金融學院，北京 100029；2.中國海洋大學 經濟學院，山東 青島 266100）

根據1995～2012年的面板數據，利用灰色關聯分析法和STIRPAT模型對金融產業集聚與產業結構優化升級的關系和產業結構升級對碳排放影響的研究結果顯示，我國東部地區金融產業集聚與產業結構優化升級存在顯著的正相關關系，產業結構升級與碳排放強度存在顯著的負向關系，工業占比、能源強度對碳排放強度有顯著的正向影響關系。

金融產業集聚；碳排放強度；產業結構升級；低碳經濟

目前世界主要發達國家紛紛加大科技創新投入，推動低碳產業發展，將開發新技術培育新產業作為新的經濟增長點及新一輪經濟增長的重要動力。2009年底，哥本哈根聯合國氣候大會以《哥本哈根協議》達成了全球共同應對氣候變化的政治共識，我國承諾將在2020年實現單位GDP二氧化碳排放比2005年降低40%～45%。要兌現這一承諾，我們必須大力發展低碳經濟，并對高能耗、高碳排放、高污染的傳統產業進行低碳化升級，以實現低碳經濟發展目標。

由于產業的低碳化升級對金融支持有高度的依賴性，因此，一個地區金融產業的集聚程度會在一定程度上影響該地區經濟的低碳水平。為驗證二者的相關性，探索我國經濟低碳化發展的有效路徑，本文根據東部10個省市1995~2012年的相關面板數據，利用灰色關聯分析法和STIRPAT模型，研究金融產業集聚（下簡稱“金融集聚”）對產業升級和碳排放的影響程度。

一、文獻綜述

對于金融集聚與產業結構升級的關系，國內有不少學者進行了相關研究。黎平海、王雪（2009）考察金融集聚對產業結構升級的作用，結果表明金融集聚通過其特有的經濟效應，拓寬了投融資渠道，提高了資金供給水平和配置效率，推動了地區產業結構優化和升級[1]；石沛、蒲勇健（2011）利用Moran指數和地理加權回歸模型，從空間依賴性和空間異質性兩方面闡釋我國金融集聚程度、產業結構空間分布特征及兩者在地理空間上的關聯性，結果發現產業結構的調整在空間上帶動金融集聚的發展，同時金融集聚對產業結構發揮促進的反作用力[2]；施衛東、高雅（2013）實證檢驗了2004～2010年間長三角地區16個城市金融服務業集聚對該地區產業結構升級的影響及其作用大小，研究結果表明長三角金融服務業集聚對該區域產業結構升級具有顯著的正向推動作用，其產業結構正沿著產業結構高級化路線發展，但這一推動作用的程度還不是很大，還有待進一步增強[3]；劉沛、黎齊（2014）運用空間計量方法對廣東省的產業發展和金融聚集的空間效應進行實證分析，發現金融集聚對于第三產業的推動作用大于對第二產業的推動作用，且第三產業的空間外溢效應要大于第二產業的空間外溢效應，同時金融集聚和信息化的結合更有利于第三產業的發展[4]。

在碳排放與產業結構升級的關系方面，馮之浚、牛文元（2009）指出，我國低碳經濟發展需要在觀念、結構、科技、消費和管理五個方面推進創新，而產業結構調整是推進我國結構創新的重要舉措之一，對低碳經濟發展具有很大作用[5]；楊萬東（2010）指出，低碳經濟要求人們生產從理念到行為的低碳化調整，通過產業結構調整，中國就可能在未來找到一種產業低碳發展的方向，進而對原有的經濟結構進行全面的重新布局，實現碳排放的控制目標[6]；陳詩一、吳若沉（2011）的實證研究表明，能源結構、產業結構演化和能源強度降低有利于減排二氧化碳[7]。

從金融集聚角度考慮對碳排放影響的研究在國內外都較少見，但從金融學角度出發對環境及碳排放的研究積累了一定成果。Tamazian等（2009）指出，經濟與金融發展是“金磚四國”環境質量的決定因素，金融發展可以改善環境惡化狀況，金融自由化是CO2減少的重要原因[8]。Sadorsky（2011）探究了9個中歐和東歐新興經濟體金融發展與能源消費在不同情景下的關系，認為金融發展大體上促進了能源消費的增加，而忽視金融發展對能源需求的影響必將很難實現針對溫室氣體排放制訂的標準[9]。陳碧瓊、張梁梁（2012）用我國29個省級單位的多個指標，建立基于STIRPAT模型的動態面板模型，證明發展金融業是促進我國經濟低碳發展的最優手段[10]；郭福春等（2011）利用1995～2010年能源與經濟數據，定量分析金融支持對浙江省低碳經濟發展的影響機制，研究表明金融信貸服務支持能有效降低經濟發達地區的CO2排放量，對當地低碳經濟的發展具有強勁的推動效應[11]；馬亞明等（2014）對我國1995～2011年28個省級單位的面板數據分析發現，金融相關率對于碳排放的作用無論在全國還是東、中、西部地區均顯著為正，金融系統效率對于各地區碳排放的影響均為負，金融系統效率提高有助于減少碳排放量[12]。

總之，國內外學者從不同角度研究了金融集聚對產業結構升級的促進作用，論證了產業結構對碳排放的影響，但是鮮有學者將“金融集聚”納入對碳排放強度的影響研究框架之內。目前研究多集中于定性分析，僅有少部分學者定量研究了金融集聚和環境質量的關系。本文利用我國東部地區1995～2012年間的面板數據，首先對金融集聚與產業結構升級之間的關系進行探討，然后對產業結構對碳排放強度的影響進行定量分析，進而討論金融集聚對碳排放強度的間接影響，并對節能減排、環境優化提出發展思路。

二、金融集聚與產業結構升級關聯分析

金融對產業結構升級主要是通過支持技術創新，來實現產業結構由低生產率或低效應的資源驅動模式向高生產率或高效應的技術創新驅動模式演變，從而實現產業結構升級的目標。現代產業發展越來越依賴于技術創新，金融為技術創新提供了重要的支撐與保障條件[13]。因此，金融發展是產業結構升級的重要外部條件之一。

本文選用的產業結構升級指標以第二、三產業增加值占地區生產總值的比重來度量各省份的產業結構水平，將其記作IS。

產業集聚測度的方法很多，目前測算產業集聚的主要方法有：市場集中度、區位熵、赫芬達爾-赫希曼指數、空間基尼系數、空間集聚EG指數等。熵指數法分解了行業間和行業內的多元化水平，避免了其他多元化測度方法無法避免的多重共線性問題。故本文采用區位熵指數的方法對東部地區的金融集聚程度進行定量分析。區位熵（β）指數用公式表示為：

其中，mi代表某地區i產業的產值或就業人數，m代表某地區工業的全部產值或就業人數；Mi代表全國i產業所對應的經濟數據，M則代表全國工業所對應經濟量。秉持數據可得性原則，本文選取了東部地區10個省份及直轄市的金融業增加值及地區生產總值作為原始數據測度金融產業區位熵，記為FC，樣本數據均來自于歷年《中國統計年鑒》和各省市的統計年鑒以及金融統計年鑒。

各省市的金融產業區位熵測度數據如表1所示。

若區位熵大于1，說明該地區該產業相對于全國具有比較優勢，若區位熵小于1，說明該地區該產業與全國相比較不具有專業化發展優勢。

表1列出了東部地區10個省市1995～2012年計算出的金融業區位熵及各地區的平均值。由均值一行可以明顯看出東部地區金融業發展不均衡現狀。北京金融集聚均值達到11.09，遠遠高于全國平均水平；而遼寧、山東等地區位熵指數均值在1之下，說明低于全國平均水平，這與當地對于金融業的重視與支持有很大關系，同時與當地經濟發展水平也有很大關聯。從集聚趨勢來看，天津、江蘇、山東等地近幾年的集聚程度呈上漲趨勢。北京、天津、上海等地區位熵變化趨勢不明顯，但是指數仍然處于1之上，集聚現象顯著。

表1 1995～2012東部地區金融業區位熵

產業集聚雖然是一種有效的發展模式，然而其對產業結構的升級影響是正還是負還不明確。灰色關聯分析法是一種多因素統計分析方法，優點在于思路明晰，可以在很大程度上減少由于信息不對稱帶來的損失，并且對數據要求較低。故本文通過構建灰色關聯模型，以產業結構及金融產業集聚水平的數據來分析二者的相關關系。各地區金融集聚與產業結構升級之間的關聯度測度數據如表2所示。

表2 各地區金融集聚與產業結構升級的灰色關聯度

從表2中的數據來看，10個地區的灰色關聯度均在0.5以上，最高達0.815，均值也達到了0.668。從具體區域來看，不同地區的金融集聚對產業結構的影響存在顯著差異。本文根據關聯度大小將其分為三個區域：第一區域為北京、遼寧和上海，該區金融集聚對產業結構的正向影響較高，金融業集聚對產業結構升級有明顯影響；第二區域為河北、天津、江蘇、浙江和山東，該區域的關聯度處于0.6～0.7之間，對比第一區域相對較低；第三區域為廣東和福建，該區域關聯度處于0.5～0.6之間，表明二者關聯度比較低，但仍存在正向影響關系。以上結果表明，金融集聚對產業結構升級具有顯著的正向促進作用，帶動了產業結構優化發展。

三、產業結構升級對碳排放強度影響分析

目前，我國因能源消費而產生的CO2排放量中，工業部門的排放占到80%以上[14]。因此，產業結構，尤其是工業結構的變動對碳排放具有重要影響。這意味著提高工業中低碳的高技術產業的比重有助于降低碳排放，實現經濟增長方式的轉變和經濟的可持續增長。下面定量分析產業結構優化升級對碳排放強度的影響程度。

（一）模型選取、數據來源與變量解釋

1.模型選取

對影響碳排放量的各關鍵因素進行分析的方法有很多，如二氧化碳庫茲涅茨曲線（CKC）、IPAT模型等。Ehrlich和Holden在1971年提出的IPAT模型首次將環境影響（I）、人口規模（P）、經濟水平（A）和環境毀壞技術水平（T）聯系起來。具體公式為：I= P×A×T。考慮到本文研究對象為產業結構對環境的影響，IPAT模型對于人口、經濟水平等納入研究框架，更具有全面性。但IPAT模型也有自身的局限性，即模型要求在其他因素不變的條件下，通過對單一變量進行調整而使得結果發生單調、等比例的影響。為了克服該模型的不足，學者進一步提出STIRPAT可拓展的隨機性的環境影響評估模型，公式為：I=αPbAcTde。其中，α為模型的系數，b、c、d為各自變量指數，e為誤差。指數的引入使得該模型可用于分析人文因素對環境的非比例影響，故本文采用STIRPAT模型。對公式兩邊取自然對數，得到方程：

其中，i、t分別代表地區與年份，P、A、T分別代表人口、經濟、技術對碳排放的影響。由彈性系數的概念可知，方程的回歸系數反映的即是解釋變量與被解釋變量之間的彈性關系。STIRPAT模型允許增加其他控制變量來分析其對環境的影響，但是增加的變量須與式（1）指定的乘法形式具有概念上的一致性[15]。

2.變量解釋與數據來源

（1）碳排放強度（GOT）：環境壓力I用碳排放強度來衡量

CO2排放分為自然排放和人工排放。人工排放是由于人類活動引起的CO2排放，主要包括化石燃料消耗、生物質燃料燃燒等，其中化石燃料消耗所排放的CO2占比在95%以上。對于碳排放量的測度一般采用物料衡算法、實測法、排放系數法3種方法，這3種方法互為補充，對不同的碳源采用的方法不盡相同。本文采用碳排放系數法對東部地區碳排放量進行測度，公式為：

其中，T代表碳排放量，Mi為第i種能源消費量，pi為第i種能源折算標準煤系數，qi為第i種能源碳排放系數。本文選取煤炭、焦炭、汽油、煤油、柴油、燃料油和天然氣等7類化石能源消耗量進行測算，見表3。

表3 各類能源折算標準煤系數和碳排放系數

本文所采用的碳排放強度（GOT）是碳排放量除以各地區生產總值，即GOTit=Tit/GDPit（i、t表示不同省份直轄市及年份）。為消除價格影響，GDP數據統一換算為各地區1995年價格的1995~2012年的實際GDP，如表4所示。

除河北、遼寧和山東三個地區之外，其他地區的碳排放強度近幾年都下降到1噸/萬元以下，而且浙江、福建和廣東的碳排放強度自1995年起就處于較低的水平。大部分地區的碳排放強度都存在逐年下降的趨勢，但各地區有明顯不同，如北京由2000年的1.13噸/萬元下降到2012年的0.409噸/萬元，下降近2/3；山東2012年與2000年相比，不降反升，這與山東近年來高耗能產業的發展有很大關系。

（2）經濟指標

我們知道，第二產業的發展對碳排放存在明顯的相關關系，故本文以工業增加值占GDP比重（IND）來衡量各省產業結構特征對碳排放的影響。產業結構升級指標仍然是IS。

（3）技術指標

能源強度（EP）是用于對比不同國家和地區能源綜合利用效率的常用指標之一，體現了能源利用的經濟效益，因此能源強度又被稱作能源經濟效率，是指產出單位生產總值所需消耗的能源量，在實際研究中能源強度通常用單位GDP比能源消耗來表示。能源強度越低，技術水平越高，相同情況下二氧化碳排放量低。本文中計算能源強度的GDP是以1995年物價水平衡量的實際GDP。

表4 東部各地區1995-2012年碳排放強度 單位：噸/萬元

（二）面板數據的統計性描述

為了更加清楚地觀察各省份直轄市數據，本文分別列出各地區以及總體的變量從1995～2012年的最大值、最小值及平均值。見表5。

年均碳排放強度最小的地區為福建，其次是廣東，二者的碳排放強度均值分別為0.526噸/萬元、0.527噸/萬元，均低于所有地區的平均水平。平均碳排放強度最大的兩個地區是河北和遼寧，數值分別為1.834噸/萬元、1.775噸/萬元。此外，值得注意的是，地區間最大最小值之差的數額相差較大，如天津最大值是最小值的2.81倍，這說明各地區碳排放量變化十分明顯。

各地區產業結構存在明顯差異，從表5可見，北京、天津和上海三地產業結構指數高于其他地區，均值分別達到了0.98，0.965和0.987，而河北和福建分別為0.844和0.856，差異明顯，這與地區間產業結構合理性有很大關系，與經濟發展水平也分不開。另外工業占比除北京外其他地區差距不大，而北京相對而言工業占比較低，這與北京第二產業結構規劃合理，重工業企業數量較少，高新產業興起有很大關聯。

10個地區的能源強度存在較大的差異。從被研究地區的原始數據來看，能源強度基本呈現遞減趨勢。從能源強度均值來看，遼寧的能源強度最大，河北隨后，相應的數據為2.568噸/萬元、2.438噸/萬元。能源強度最低的地區為福建。這說明省（市）間的能源利用效率存在明顯差異，這與個別地區傳統粗放式的經濟發展模式以及高能耗、高污染產業快速發展有關。

（三）單位根檢驗

為了保證檢驗的準確性，本文使用IPS、LLC、Fisher-ADF和Fisher-PP面板數據的單位根檢驗，結果如表6所示。

從表6中可以看出，所有變量的原值均為非平穩序列，經一階差分后所有變量變為平穩，表明變量為一階單整，此結果符合面板協整的前提條件。

（四）協整檢驗

由單位根檢驗的結果發現，面板數據的LNGOT、LNIS、LNIND、LNEP四個變量是一階單整的，為考察變量間的長期均衡關系，本文采用面板協整的Jo hansen協整檢驗和Kao檢驗。檢驗結果如表7所示。

Trace test和Max-eigen test統計量的P值均遠遠小于0.01，即在1%顯著性水平下拒絕原假設，表明碳排放強度和金融集聚度、工業占比、能源強度之間存在協整關系。從Kao檢驗結果中我們可以顯著拒絕“面板不存在協整關系”的原假設，認為面板數據存在穩定的線性組合，在長期發展中有均衡關系。

表5 各地區數據的統計性描述

表6 面板數據單位根檢驗

表7 面板協整檢驗

（五）面板協整模型的估計

為研究IS、IND、EP對GOT的影響，構建如下模型：

其中，i表示截面數據，即東部10個地區，t代表1995~2012年間的樣本值。

在進行估計之前，我們需要判斷回歸模型的具體形式。首先，我們使用了極大似然比的檢驗方法判斷采用混合模型還是固定效應模型，STATA 12.0軟件的操作結果顯示，F統計值為48.91，其伴隨概率為0。由此可以拒絕混合OLS模型，固定效應模型相對更優。其次，需要通過Breusch-Pagan檢驗比較隨機效應模型和混合OLS模型的優劣。BP檢驗結果顯示chibar2（01）=646.41，p值為0，表明隨機效應模型的確優于混合效應模型。最后，我們使用了Hausman檢驗方法判斷是采用固定效應模型還是隨機效應模型，結果顯示chi2（3）=3.97，p值為0.2648，原假設為隨機效應模型優于固定效應模型，由p值可以確定為接受原假設，即采用隨機效應模型的結論。

根據隨機效應模型估計的結果見表8。

從面板模型的估計結果來看：

1.產業結構（LS）在5%的統計水平上顯著為正，系數為-0.415，說明產業結構升級對碳排放強度有顯著的負向影響，且金融集聚每增加1%，碳排放強度降低0.415%。因此，可以通過產業結構優化升級來達到低碳發展理念、降低碳排放量。

表8 面板協整估計結果

2.能源強度（EP）對碳排放的影響為正，而且在1%的置信水平上維持在較高水平，說明能源強度是一個引起碳排放增加的因素，能源強度每增加1%，將會造成碳排放增加0.874%。能源強度是指產出單位生產總值所需消耗的能源，能源消耗越多，對應所產生的碳排放量越多。東部地區的能源消費以煤炭為主，且大多為原煤直接燃燒，雖然技術進步提高了能源的利用效率，但仍未有效降低能源消費量。因此，要降低東部地區的碳排放強度，必須控制能源強度。

3.工業占比（IND）對一個地區的碳排放也有著重要作用。回歸結果表明，東部地區工業比重每增加1%，碳排放強度增加0.481%，可以看出東部地區工業占比的減少對降低能源消費和碳排放的作用較大。從統計數據來看，北京、上海、江蘇及浙江四個地區近幾年的工業占比有明顯下降趨勢，這對于降低碳排放強度，實現經濟低碳發展來說是一個有效的措施。

四、結論及政策建議

本文旨在研究金融集聚對碳排放強度的影響路徑，從金融角度為節能減排尋求對策。所得結論如下：

1.金融集聚與產業結構升級之間存在顯著的正向相關關系，灰色關聯度達到0.668，隨著金融產業的集聚，產業結構正沿著高級化路線發展。金融對產業結構升級主要是通過支持技術創新，來實現產業結構由低生產率或低效應的資源驅動模式向高生產率或高效應的技術創新驅動模式演變，從而實現產業結構升級的目標。因此，金融發展是產業結構升級的重要外部條件之一。

2.在控制其他變量的情況下，產業結構優化升級是降低碳排放強度的一個重要手段。第二、三產業比重每提高1%，碳排放強度降低0.415%。優化產業結構是減少碳排放的重要途徑。

3.金融集聚促進了產業結構優化升級，而產業結構升級降低了碳排放強度，因此金融集聚對于碳排放強度降低起促進作用，在解決碳排放問題上可以從金融角度尋求新的途徑。

4.我國工業發展的高能耗、高碳排特征依然明顯，工業占比與碳排放強度顯著正相關。長期來看，二氧化碳的排放主要由工業占比和能源消耗決定。其中，能源消耗與二氧化碳排放量正向相關。近年來，中國的原油需求在不斷增加，體現出中國經濟對原油的依賴性。此外，東部地區能源消費結構以高碳能源為主，意味著改善能源結構，降低能源強度可有效實現節能減排的目標。據此，適當控制工業發展規模、有效降低工業行業的碳排放強度成為一項重要任務。

金融發展是實現經濟低碳發展的一個重要手段[16]，根據上述結論從金融角度對碳減排提出如下建議：

1.依托金融集聚對高碳排放工業進行低碳化升級。我國眾多工業都具有高污染、高耗能的特點，應利用金融手段對這些產業進行低碳化升級。以石油化工產業為例：石化產業本身是耗能和碳排放大戶，產業結構性矛盾比較突出，急需盡快調整結構和產業布局。轉變發展方式需要技術進步的強力支撐，技術進步因素對低碳經濟的影響至關重要，同時以減排技術、能源技術為代表的低碳相關技術是低碳經濟的發展核心。而技術進步離不開金融領域的支持，合理配置金融資源，重點支持石油化工企業采用高新技術進行碳減排升級，提高石化產業效率。金融機構要研究信貸政策與石化產業政策的有效對接，合理配置金融資源，提高信貸資金使用效率，加快金融創新，促進產融結合，促進石油化工產業向縱深發展[17]。

2.通過實施綠色金融助力新型低碳產業。金融是助推新型產業崛起的重要手段，銀行業金融機構應積極推進綠色融資，加快金融產品和業務創新，加大對節能減排降碳項目的支持力度，拓寬融資渠道[18]。為實現節能減排目標，政府應鼓勵銀行業金融機構支持綠色經濟發展，建立綠色信貸指引，對綠色銀行采取激勵措施。

3.針對不同地區的金融特色，實行差異化優勢策略。就東部地區來說，地區經濟發展水平與發展重點不盡相同，如北京、上海等地金融產業發達，新興產業異軍突起，而遼寧、山東、河北等地依然依靠重工業發展經濟，工業占比仍然較高。各地區應根據本地的產業特點和實際情況選擇自己的產業升級和碳減排戰略，因地制宜，發揮金融集聚的最大效果。根據地區差異將東部地區大致劃分為三類：北京、上海、廣東和福建為Ⅰ區，這些地區的明顯特征是金融集聚明顯，新興產業發展勢頭良好，重工業占比相對較少。這些地區可以充分利用金融優勢大力發展新型低碳產業，積極推進綠色融資，銀行業金融機構要加快金融產品和業務創新，加大對節能減排降碳項目的支持力度，以這些產業作為新的經濟增長點，對于高污染高耗能的產業予以淘汰。遼寧、河北和山東為Ⅱ區，這些區域的典型特征就是工業占比較高，重工業多，而且工業比重的下降將是一個緩慢而曲折的過程。如，河北省制藥業，遼寧省鋼鐵業，山東省石化產業，都是這些地區發展比較成熟的產業，同時也是高碳排產業。對這些地區的減排政策應著重于促進工業內部結構及生產方式的“低碳化調整”，加快產品升級換代步伐。金融機構應積極配合，大力支持。其余的天津、浙江和江蘇為Ⅲ區，這些地區碳排放強度變化幅度不大，而且三個地區依靠海洋優勢發展了一些新型低碳產業，金融業發展勢頭良好，對于這種地區就要采取Ⅰ、Ⅱ區結合的策略進行減排，利用金融集聚優勢整合第二產業資源，加快產品升級換代步伐，以達到預期效果。

［1］黎平海，王雪．基于金融集聚視角的產業結構升級研究［J］．金融經濟學研究，2009（4）：51-62．

［2］石沛，蒲勇健．金融集聚與產業結構的空間關聯機制研究［J］．工業經濟，2011（1）：39-45．

［3］施衛東，高雅．金融服務業集聚發展對產業結構升級的影響［J］．經濟與管理研究，2013（3）：73-82．

［4］劉沛，黎齊．金融集聚對產業結構提升的空間外溢效應研究［J］．科技管理研究，2014（10）：187-195．

［5］馮之浚，牛文元．低碳經濟與科學發展［J］．中國軟科學，2009（8）：13-19.

［6］楊萬東．低碳經濟與經濟結構的再調整［J］．理論視野，2010（2）：35-36．

［7］陳詩一，吳若沉．經濟轉型中的結構調整、能源強度降低與二氧化碳減排：全國及上海的比較分析［J］．上海經濟研究，2011（4）：10-15．

［8］Tamazian，A.&Chousa，J.P.，&Vadlamananatj，K.C.Does higher economic and financial development lead to environmental degradation：evidence from Bric countries［J］．Energy Policy，2009，37（1）：246-253．

［9］Sadorsky，P．Financial development and energy consumption In Central and Eastern European frontier economies［J］．Energy Policy，2011，39（2）：999-1006．

［10］陳碧瓊，張梁梁．金融規模對碳排放的影響力分析——基于省際動態面板數據的實證分析［J］．中國人口·資源與環境，2012（22）：408-415．

［11］郭福春，潘錫泉．金融支持低碳經濟發展的影響機制研究：基于浙江省數據的經驗分析［J］．浙江社會科學，2011（10）：12-19．

［12］馬亞明，高嵩，邱識．外商直接投資、金融深化與碳排放——基于我國1995－2011年省級面板數據的分析［J］．科技管理研究，2014（13）：214-219．

［13］蘇建軍，徐璋勇．金融發展、產業結構升級與經濟增長理論與經驗研究［J］．工業技術經濟，2014（2）：139-150．

［14］王鋒，吳麗華，楊超．中國經濟發展中碳排放增長的驅動因素研究［J］．經濟研究，2010（2）：123-136．

［15］徐安．基于STIRPAT模型的沿黃省份城市化對碳排放的影響分析［Z］.黃河流域資源環境與生態文明建設學術研討會交流材料，2011.

［16］陳碧瓊，張梁梁．動態空間視角下金融發展對碳排放的影響力分析［J］．軟科學，2014（7）：140-145．

［17］周培基．金融支持石油化工產業可持續發展問題探討［J］．南方論刊，2012（5）：21-26．

［18］張莉．綠色金融助力新型低碳產業，鼓勵開發節能減排融資項目［N］．中國證券報，2014-07-15．

（責任編輯、校對：盧艷如）

F830

：A

：1006－3544（2015）06－0014－08

2015-06-08

中國海洋發展研究院基地項目（2014JDZS02）；山東省藍黃兩區重大課題（201304）

徐勝（1970-），女，對外經貿大學金融學院博士后，中國海洋大學經濟學院教授，研究方向為環境經濟與產業發展、區域金融；劉月（1990-），女，中國海洋大學經濟學院碩士研究生。