普惠金融在綠色生態發展中的傳遞作用

2018-04-12 05:57:53徐明偉解其昌

山東社會科學 2018年3期

徐明偉　徐　鑫　解其昌

(山東工商學院金融學院，山東煙臺　264006；山東工商學院經濟學院，山東煙臺　264006)

一、引言

改革開放近四十年來，隨著我國經濟發展水平不斷提高，工業化程度不斷加深，各地區環境壓力逐年增大，嚴重制約經濟的綠色、循環發展，見趙海霞等(2005)。①趙海霞、曲福田、諸培新:《江蘇省工業化進程中的環境效應分析》，《中國人口·資源與環境》2005年第4期。根據國務院2016年印發的《關于印發“十三五”生態環境保護規劃的通知》，我國二氧化硫等主要污染物排放量仍處于2000萬噸左右的高位，環境承載能力已接近上限。78.4%的城市空氣質量未達標，重度及以上污染天數比例占3.2%，部分地區冬季空氣重污染頻發高發。城市建成區黑臭水體大量存在，湖庫富營養化問題依然突出。全國土壤點位超標率16.1%，耕地土壤點位超標率19.4%。同時，當年中國環境公報顯示，在全國338個地級及以上城市中，空氣質量達標的城市數僅為84，占全部城市的24.9%。由上述數據可以看出，我國污染物排放量大面廣，環境污染日益嚴重，治理和改善任務艱巨。

如何協調經濟發展與環境保護之間的矛盾關系，建立綠色生態發展模式，是當前我國社會發展所必須面對的問題。Beers and Vandenbergh (1996)②Beers C. V. Vandenbergh J. M. An Overview of Methodological Approaches in the Analysis of Trade and Environment. Journal of World Trade. Vol30，1996.143-167.、梁平漢和高楠(2014)③梁平漢、高楠:《人事變更、法制環境和地方環境污染》，《管理世界》2014年第6期。、宋馬林和王舒鴻(2013)④宋馬林、王舒鴻:《環境規制、技術進步與經濟增長》，《經濟研究》2013年第3期。分別從對外貿易、法制環境改善和政府監管等視角提出了抑制環境破壞的相關建議。不言而喻，除依靠上述措施外，還應立足當下經濟形勢，合理運用金融手段，大力促進綠色、環保產業發展，同時不斷提高企業的融資便捷性，逐步推動企業走清潔化、綠色化的發展道路。目前，國內外有關影響環境污染因素的研究主要集中于城鎮化水平、能源消費、政府規制和技術創新等方面，雖有不少學者就綠色金融與環境保護之間的關系做了細致研究，但還未發現有從普惠金融的角度研究地區金融整體發展水平對環境污染的制約路徑，即一個地區金融業的整體發展可從側面推動環境保護力度的提高。例如，較高地區的金融業發展水平有利于提高當地企業的融資便捷性，降低企業的融資成本，使企業有更多的資金用于技術研發，從長期來看可有效降低當地環境污染程度。因此，發展普惠金融對緩和經濟增長與環境污染的矛盾具有重要意義。

二、文獻綜述

針對環境污染的影響因素，國內外學者大多以Barbera and Mcconnell (1986)提出的EKC曲線為基礎，從經濟發展、產業結構、政府規制和技術進步等方面進行了研究。*Barbera A. J. Mcconnell V. D. Effects of Pollution Control on Industry Productivity: A Factor Demand Approach. Journal of Industrial Economics. Vol35，No.2，1986.161-172.Marsiglio等(2016)指出環境壓力與經濟發展關系的變動主要是由于產業結構的不斷調整。*Marsiglio S. Ansuategi A. Gallastegui M. C. The Environmental Kuznets Curve and the Structural Change Hypothesis. Environmental and Resource Economics. Vol63，No.2，2016. 265-288.林伯強和鄒楚沅(2014)從歷史發展的角度對我國中西部污染轉移機制進行了相關研究，認為在經濟發展的初期，政府為提高地區生產總值，會通過改變環境保護政策或降低環境規制力度來承接污染程度高的企業。*林伯強、鄒楚沅:《發展階段變遷與中國環境政策選擇》，《中國社會科學》 2014年第5期。Kostka (2013)則從政府官員升遷考核的視角，指出地方政府官員出于升遷的目的，會選擇放棄環境換取GDP而導致環境壓力的升高。*洪大用:《我國公眾環境保護意識的調查與分析》，《中國人口·資源與環境》1997年2期。Criado等(2011)指出地方政府可能為滿足當地居民對收入水平提高的強烈需求，對某些企業給予政策上的優惠。*Criado C. O. Valente S. Stengos T. Growth and Pollution Convergence: Theory and Evidence. Journal of Environmental Economics & Management. Vol62，No.2，2011.199-214.另一方面，公眾對綠色環境的需求也會推動政府加大對污染排放企業的規制力度。比如，Dechezleprêtre等(2015)研究發現企業會通過新技術或降低生產來減少自身污染物的排放量以滿足政府的政策要求。*Dechezleprêtre A. Neumayer E. Perkins R. Environmental Regulation and the Cross-border Diffusion of New Technology: Evidence from Automobile Patents. Research Policy. Vol44，No.1，2015.244-257.

除了上述對經濟發展、公眾需求、政府規制、技術進步與環境污染之間的研究外，部分學者就我國金融發展與環境保護之間的復雜關系也做了大量研究。例如，張承惠等(2016)認為綠色金融發展需要一個完整的政策體系支持，地方政府在綠色金融發展過程中扮演著極為重要的角色。*張承惠、謝孟哲、田輝等:《發展中國綠色金融的邏輯與框架》，《金融論壇》2016年第2期。韓立巖等(2010)也認為地方政府各種產業政策左右著綠色金融發展的方向，如銀行業在開發各種綠色金融工具的同時，政府需要通過不斷引導，配套出臺各種相關優惠政策來完善綠色金融發展的激勵機制。*韓立巖、尤苗、魏曉云:《政府引導下的綠色金融創新機制》，《中國軟科學》2010年第11期。此外，關于金融服務體系的構建，王元龍等(2011)基于宏觀經濟的視角，認為我國需要大力推進綠色金融機制建設，從整體上構建一個完善的綠色金融服務體系，并抓住我國經濟由高速增長向中高速增長的轉變機遇，讓綠色金融帶動新的經濟增長點。*王元龍、馬昀、王思程等:《中國綠色金融體系: 構建與發展戰略》，《財貿經濟》2011年第10期。何師元(2015)則從互聯網與金融關系角度提出我國發展綠色金融的具體建議，即以“互聯網+金融”的模式來形成科技、金融、社會、國際等各個角度的全面聯合，更為有效地促進我國實體經濟的發展。*何師元:《互聯網+金融新業態與實體經濟發展的關聯度》，《改革》2015年第7期。

普惠金融的概念在2005年被中國小額信貸聯盟(原名中國小額信貸發展促進網絡)首次提出。自此，普惠金融受到了學者們的廣泛關注。程書華(2014)從企業視角，指出普惠金融的核心目的是幫助小微企業提高貸款的便利性。*程書華:《發展普惠金融緩解小微企業融資困難》，《宏觀經濟管理》 2014年第11期。Leeladhar(2006)則認為普惠金融是指社會應當構建出服務于大眾的金融體系。對于普惠金融給整個社會帶來的收益問題，陳嘯(2017)從克服當前金融體系不合理弊端及推動經濟健康循環發展等視角進行了研究。*陳嘯:《普惠金融、關系型借貸與農村中小企業融資》，《經濟問題》2017年第4期。

通過對上述文獻的梳理，國內外學者有關環境污染制約因素的研究主要集中于經濟發展、公眾需求、政府規制和技術進步等方面。雖有部分學者分析了綠色金融與環境保護之間的關系，但針對普惠金融發展對環境污染的遏制作用鮮有學者進行分析。此外，針對普惠金融傳導效應的實證檢驗更為缺少。因此，本文在國內外學者已有研究的基礎上，將普惠金融變量引入環境庫茲涅茨曲線，選取代表環境壓力、經濟發展水平、政府規制力度、研發投入程度和普惠金融發展規模的相關數據，構建面板模型，實證檢驗普惠金融的傳遞效應如何制約環境污染行為。針對普惠金融對環境保護的經濟效應和技術效應進行分析，并據此提出建設綠色生態環境的相關政策建議。

三、模型設定、數據說明及指標構建

(一)模型設定

本文以Dizte and Rosa(1997)提出的STIRPAT模型為基礎，分析普惠金融遏制環境污染的具體路徑。*Dietz T. Rosa E. A. Effects of Population and Affluence on CO2Emissions. Proceedings of the National Academy of Sciences of the United States of America. Vol94，No.1，1997. 175-179.STIRPAT模型如下所示：

(1)

lnIit=αi+β1lnAit+β2lnTit+εit

(2)

為分析普惠金融發展對環境污染的遏制路徑，本文在公式(2)基礎上引入普惠金融發展、政府規制及普惠金融與其他變量的交叉項。進一步，根據EKC曲線理論，即經濟增長與環境污染呈倒“U”型關系，于是引入經濟發展水平的平方項。因此，拓展后的模型是：

(3)

其中EN代表環境污染程度，ENERGY代表能源消費總量，GDP代表經濟發展水平，IFI為普惠金融發展指數，MANAGE代表政府規制力度，R&D代表研發投入程度，IFIlnGDP代表普惠金融的經濟效應，IFIlnR&D代表普惠金融的技術效應，β1,β2,…,β8為待估參數，ε是隨機誤差項。

(二)指標選取與數據來源

借鑒Grossman and Krueger(1991)的方法，使用工業三廢數據，經過統計計算得出環境壓力的量化指標，*Grossman G. M. Krueger A. B. Environmental Impacts of a North American Free Trade Agreement. Social Science Electronic Publishing. Vol8，No.2，1991.223-250.并選擇2005-2014年我國29個省份或地區(由于西藏和海南兩個地區的部分數據缺失，予以舍棄)的相關數據作為解釋變量，各變量的數據主要來源于wind資訊網、各省歷年統計年鑒和相關金融分析報告。應用STIRPAT模型，將普惠金融發展程度、EKC曲線的理論引入環境壓力函數，相關指標的量化方法和變量含義如下：

EN為各省環境污染程度(單位：萬噸)，作為被解釋變量，指標具體構建方法見下文環境污染指數的構建，數據來源于國家統計局及各省環境統計年鑒；

ENERGY為各省能源消費總量，依據折算系數折合為標準煤(單位：萬噸)，數據來源于歷年能源統計年鑒及Wind咨訊；

GDP為各省人均生產總值(以2004年為基年進行平減并計算出歷年實際人均地區生產總值，單位：萬元)，經濟增長帶來的整個社會環保理念的提升和新技術的擴散等影響會對企業排放的污染物有一定程度的減少作用，考慮到環境污染與經濟發展的“倒U型”關系，引入GDP取對數后的平方項，數據來源于國家統計局；

IFI為各省普惠金融發展指數，指標具體構建見下文普惠金融指數構建的說明，數據來源于國家統計局和歷年中國金融運行報告；

MANAGE為各省工業污染治理投入額(單位：億元)，工業污染治理資金的增加對環境污染行為的遏制作用主要體現在污染物的處理方面，數據來源于國家統計局和各省環境統計年鑒；

FEE為各省收取的排污費(單位：億元)，排污費的大小衡量了政府對污染企業的規制力度。選取歷年排污費的指標，不僅是考慮數據可得性，也是因為排污費金額的增加會提高污染企業排污成本，降低企業利潤，迫使企業不得不考慮排污罰款與治理排污之間的利益大小，從而在一定程度上遏制企業的排污行為，平減方法以2004年為基年，計算公式同上文地區生產總值，數據來源于歷年環境年鑒及各省環境狀況公報，該變量作為政府規制的替代變量對樣本數據進行穩健性檢驗，具體分析見下文樣本數據穩健性檢驗的部分；

R&D為各省研究與開發投入(單位：億元)，研發投入對環境污染的遏制作用主要體現在新技術的使用與擴散方面，2004-2009年各省R&D投入額數據來源于各省科技統計年鑒，2010-2014年各省R&D投入額數據來源于歷年全國科技經費投入公報；

IFIlnGDP為普惠金融發展程度與經濟發展水平的交叉項，其中普惠金融指數經過去中心化處理，借鑒聶飛和劉海云(2016)將城鎮化的規模效應引入EKC曲線的方法，*聶飛、劉海云:《基于城鎮化門檻模型的中國OFDI的碳排放效應研究》，《中國人口·資源與環境》2016年第9期。該交叉項代表普惠金融的規模效應，即普惠金融發展引起的經濟增長有利于遏制環境污染；

IFIlnR&D為普惠金融發展程度與研發投入的交叉項，該交叉項代表普惠金融的技術效應，即假設普惠金融發展帶來的企業技術水平的提高有利于遏制環境污染。

(三)環境污染指數的構建

本文選取工業三廢排放量作為環境污染指數度量指標，對工業廢水、工業廢氣和工業固體廢棄物進行去量綱化及加權處理(正指標極差變化法)，去量綱加權如公式(4)所示：

wi(Xi-mi)/(Mi-mi),i=1,2,3

(4)

其中wi為三種污染物的權重；Xi為各省歷年三種污染物的具體排放量；mi為三種污染物排放量的最小值；Mi為三種污染物排放量的最大值。權重wi的計算方法采用獨立性權重系數法，即根據一種污染物與其他污染物的共線性強弱來確定該污染物指標權重，各指標的權重(綜合共線性即復相關系數，也可以看作對調整R2進行開方的數值結果)計算公式公式(5)所示：

φi=adjR2-1/2=1-(1-R2)(n-1)/(n-k)-1/2

(5)

(6)

(四)普惠金融發展指數的構建

本文根據Sarma and Pais(2011)*Sarma M. Pais J. Financial Inclusion and Development. Journal of International Development. 2011.613-628.構建的普惠金融指標方法，從中國環境規制的具體情況出發，計算出了各省的普惠金融發展指數，如表1所示。

此外，為區別各個指標對各地區普惠金融發展影響力度的大小，采用變異系數法得出各個指標對應的權重。并通過線性閾值法消除各個指標量綱的影響，最終得出各個省份的普惠金融發展指數，具體計算說明如下：

各個省份普惠金融發展指數定義為IFI，其計算公式如公式(7)所示：

(7)

表1　中國各省普惠金融相關指標的測度

四、實證結果分析

(一)數據描述性分析

相關數據的描述性統計結果如表2所示，樣本數為290。環境污染指數的均值為0.21，標準差為0.15，最小值為0.0007，最大值為0.7411。其中經濟發展變量最小值與最大值相差巨大，且標準差較大，即經濟發展變量的波動性較大。而普惠金融指數和環境污染指數的標準差分別為0.17和0.15，即各省份的普惠金融發展水平和環境污染程度波動性較小。

表2　各個變量的描述性統計

為解決樣本自由度不足、遺漏變量等問題，本文選擇面板模型。這是因為面板數據不僅同時包含截面維度和時間維度，有效地提高樣本量，還可以研究更多的個體動態行為。選取中國29個省環境污染程度圖和地區普惠金融指數時間趨勢圖，分別如圖1、圖2和圖3所示(基于數據可得性，暫不包括中國西藏、海南、臺灣地區和南海)。

圖1　2005-2014年十年間環境污染平均程度圖

圖2　2014年環境污染程度圖

圖1和圖2中顏色的深淺代表污染程度的高低，較淺區域代表生態環境污染程度較低的省份，而顏色較深的區域代表生態環境污染程度較為嚴重的省份。可以看出，全國29個省的生態環境污染程度隨著時間推移大體呈現上升趨勢。北京地區生態環境污染程度保持良好，而其周邊的河北地區在圖1和圖2中均顯示出深色，環境污染指數大于0.5，屬于生態環境污染嚴重的地區。此外，從整體來看，圖2中的淺色區域面積明顯少于圖1中淺色區域面積，說明我國各地區生態環境均呈現出惡化趨勢，尤其是西部地區。

由圖3四張圖可看出，我國整體普惠金融發展水平并沒有顯著提高。圖3(a)給出了北京、上海、天津和重慶四個直轄市2005-2014年普惠金融發展水平變動趨勢。由該圖可以看出，只有上海市的普惠金融發展水平逐年穩步上升，且保持在0.8高位以上。而北京市和天津市的普惠金融發展程度相近，在0.3至0.5的范圍內波動。重慶市的普惠金融發展水平較其余三市最低，歷年普惠金融發展指數均低于0.2。

圖3(b)中描繪了我國東部地區各省份2005-2014年普惠金融發展水平變動趨勢。由該圖可以看出，浙江、江蘇和廣東三省的普惠金融發展水平在東部地區處于高位，大體在0.1至0.2范圍內波動。遼寧、河北和福建三省的普惠金融發展水平在東部地區處于中位，大體在0.05至0.15范圍內波動。而廣西省的普惠金融發展水平較東部地區其它省份最低，歷年普惠金融發展指數均低于0.05。

圖3(c)為我國中部地區各省份2005-2014年普惠金融發展水平變動趨勢。由該圖可以看出，中部地區整體普惠金融發展水平較為接近，其中內蒙古最低，該地區歷年普惠金融發展指數均低于0.025，河南地區普惠金融發展水平在中部地區處于高位，但在2005至2014年十年間呈現出明顯的下降趨勢。此外，黑龍江和內蒙古地區雖處于低位，但是普惠金融發展程度沒有下降的趨勢。

圖3(d)顯示了我國西部地區各省份2005-2014年普惠金融發展水平變動趨勢。由該圖可以看出，西部地區整體普惠金融發展水平下降趨勢不明顯，新疆、青海、甘肅和云南四個省份的普惠金融發展指數基本保持不變，在0.01至0.04范圍內波動。此外，陜西省在2005至2014年間普惠金融發展程度呈現出明顯的下降趨勢。

圖3　分地區普惠金融發展水平變動

(二)固定效應與隨機效應

表3　固定效應和隨機效應估計結果

(注：表中系數下方數字為標準誤，括號中為P值，*、**、***分別代表在10%、5%和1%水平上顯著。)

本文選取中國29個省份2005-2014年的面板數據，構建面板數據模型進行實證分析，首先利用F檢驗在固定效應和混合回歸中選擇固定效應，再利用Hausman檢驗在隨機效應和固定效應中選擇固定效應。檢驗結果如表3所示(政府收取的排污費金額FEE沒有放入固定效應的回歸，因為該變量和其他變量的相關系數較高，所以將其作為工業污染治理金額MANAGE的替代變量來檢驗樣本數據的穩健性)。

由表3右方F檢驗和Hausman檢驗的結果可以看出，固定效應面板模型F檢驗P值為0.0000，強烈拒絕原假設，即對于原假設H0：所有αi=0，應該拒絕混合回歸模型而選擇固定效應模型，允許每個個體擁有自己的截距項。雖然固定效應F檢驗的結果確定了個體效應，但個體效應也有可能以隨機效應的形式存在。因此需要對固定效應與隨機效應進行Hausman檢驗。由表3下方的Hausman檢驗結果可以看出，P值為0.0343，故在5%顯著性水平下拒絕原假設H0：αi是一致的，即拒絕隨機效應模型，接受固定效應模型。

1.普惠金融的經濟效應

根據表3固定效應的回歸結果可以看出，IFI變量影響系數顯著為正，即普惠金融的發展對環境污染行為沒有直接的遏制作用。同樣，lnGDP變量的影響系數也為正，雖然顯著性不足，但說明經濟發展水平的提高也無法有效地遏制環境污染，即目前我國整體經濟與環境關系處于EKC曲線的左側，未經歷拐點。然而，普惠金融變量(已對該變量去中心化)與經濟發展變量的交叉項IFIlnGDP影響系數顯著為負，說明普惠金融與經濟發展的綜合作用可以有效降低環境污染，即普惠金融水平提高帶來的經濟發展可以有效地遏制環境污染行為。這可能是由于普惠金融的核心是以小微企業和城鎮低收入者等各種弱勢群體為服務對象，有利于整個社會經濟的健康發展。并且我國在環保的基礎上倡導普惠金融發展，即綠色普惠金融，由此帶來的經濟增長必然可以降低環境壓力。另一方面，從隨機效應的回歸結果也可以看出，普惠金融的經濟效應系數及顯著性沒有大的改變，從側面證明了普惠金融經濟效應對遏制環境污染的有效性。

2.普惠金融的技術效應

根據表3固定效應的回歸結果可以看出，研發投入變量lnR&D的影響系數為正，雖然沒有通過顯著性檢驗，但也說明研發投入的增加無法有效遏制環境污染程度的提高，這可能是由于各種污染處理技術研發的難度較大，或者是政府引導不足、企業管理模式存在問題而導致的研發投入資金使用效率不高。此外，研發投入變量與普惠金融變量的交叉項IFIlnR&D的系數顯著為正，說明普惠金融帶來的技術效應無法遏制環境污染，這可能是由于政府在引導普惠金融發展的同時，沒有及時融入環保的理念，導致普惠金融帶來的技術水平提高無法有效服務于環保工作。另一方面，也可能是由于當前經濟形勢下，企業即使依靠普惠金融提高了融資便捷性，降低了融資成本，依然不會考慮自身發展與當地環境保護的協調關系，只是全力追求企業當期的經濟利潤。

3.EKC曲線的拐點問題

根據部分學者對于我國EKC曲線的研究，預先假定我國經濟發展與環境污染的關系為“倒U型”。根據表3固定效應的回歸結果可以看出，經濟發展平方項lnGDP2的影響系數為負，但沒有通過顯著性檢驗。從固定效應的視角，我國環境污染與經濟發展的關系還未經歷EKC曲線的拐點。但是，根據表3隨機效應的結果可以看出，經濟發展平方項的影響系數顯著為負，證明了我國經濟發展與環境壓力之間的關系為“倒U型”。結合上述分析，大體可以判斷出我國經濟發展與環境壓力的關系已逼近EKC曲線的拐點，對于環境壓力臨界值逼近，會逐步限制經濟的可持續發展，因此解決環境問題刻不容緩。

4.政府規制的失效分析

根據表3固定效應的回歸結果可以看出，政府規制變量MANAGE的影響系數為正，且通過了顯著性檢驗，即工業污染治理額的增加無法有效地降低環境污染程度。這可能是由于隨著我國工業化進程的加快，各種污染物的排放力度不斷增加，即使政府和企業進行污染治理，也無法有效地遏制工業化背景下的環境污染。另一方面，也可能是由于政府規制力度不足以讓企業在追求經濟利潤的同時兼顧地方環保，因為政府對企業的環保規制主要是以增加企業排污成本為出發點，而當企業放棄污染治理帶來的經濟效益遠遠大于排污費等各種參與污染治理帶來的額外成本時，便會適當減小對自身污染的治理轉而謀求更多的利潤。更重要的是，大部分企業沒有樹立環保理念，即當企業繳納排污費或環境保護稅后，便心安理得的進行排污行為，因此政府不僅需要提高企業的排污成本，還要將環保的理念及時地引入企業管理層，從根本上遏制環境污染。

五、穩健性檢驗

由于環境污染會與政府規制等變量互相影響，產生內生性問題，為防止回歸結果的偶然性，本文就模型設定、回歸方法和變量選取三個方面對上文結果做了較為全面的穩健性檢驗。

(一)模型設定檢驗

在本文建立的模型中，被解釋變量環境污染程度可能會受到前期排放量多少的影響，并且，政府對環境污染的規制力度也可能會根據前期的污染物排放量進行或大或小的調整，這幾個變量可能存在一定的內生性。因此，利用Arellano and Bond(1991)提出的差分GMM和系統GMM，建立動態面板模型對解釋變量的內生性進行檢驗。*Arellano M. Bond S. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. Review of Economic Studies. Vol58，No.4，1991. 277-297.該動態面板模型如公式(8)所示：

(8)

其中L.lnEN為環境污染程度滯后一期值，其余變量定義與前文相同。

為保證GMM估計的一致性，必須要保證擾動項εit不存在自相關，因此需要對此做出檢驗，可以通過擾動項的差分是否存在一階與二階(甚至更高階)自相關來檢驗原假設(原假設為擾動項不存在自相關)。此外，由于GMM方法使用了過多的工具變量，需要進行過度識別檢驗，通過Sargan檢驗來判斷工具變量的有效性(原假設為所有工具變量均有效)。具體回歸結果如表4所示。

表4　GMM估計結果

IFI11．4228???1．757121．9492?13．1887lnMANAGE-0．0232???0．0073-0．01730．0138lnR&D-0．00220．01260．0010．0808IFIlnGDP-1．1466???0．2376-2．7776?1．5201IFIlnR&D0．3724??0．14581．3490??0．5940Arellano-bondAR(1)(0．0068)(0．0069)Arellano-bondAR(2)(0．1004)(0．1563)Sargan檢驗26．0960(1．0000)22．7500(1．0000)觀測值個數232261

(注：表中系數下方數字為標準誤，括號中為P值，*、**、***分別代表在10%、5%和1%水平上顯著。)

由表4下方Arellano-bond AR檢驗結果可以看出，差分GMM和系統GMM中的擾動項εit的差分存在一階自相關，但不存在二階自相關和更高階的自相關，即可以接受原假設“擾動項εit無自相關”，可以使用差分GMM和系統GMM估計。過度識別(Sargan)檢驗結果接受“所有工具變量都有效”的原假設，即新增的工具變量和擾動項不相關，是有效工具變量。

此外，將表4的回歸結果與上文固定效應結果進行對比，可以發現大部分的變量系數符號和顯著性水平沒有變動，避免了內生性問題。綜上所述，模型設定通過了穩健性檢驗。

(二)回歸方法檢驗

除了考察樣本數據的穩健性之外，還應考慮到回歸方法的穩健性。本文使用面板分位數回歸對模型估計進行穩健性檢驗。在上述回歸模型中，著重考察的是解釋變量x對被解釋變量y的條件期望E(y|x)的影響，實際上是均值回歸。而分位數回歸可以著重考察解釋變量x對被解釋變量y的整個條件分布F(y|x)的影響。我們使用Koenker(2004)提出的加權組合分位數回歸方法來估計面板數據模型。*Koenker R. Quantile Regression for Longitudinal Data. Journal of Multivariate Analysis. 2004. 74-89.

對于給定的正整數J，令τj=j/J+1為第j個分位點，j=1,2,…,J，則面板模型的分位數回歸估計如公式(9)所示：

(9)

公式(9)中的I(·)為示性函數，ρτj=u(τj-I(u<0))是分位數損失函數，λ是處罰參數，目的是為了收縮個體效應、提高參數估計效率。wj為權重，用于調整分位數對參數估計的影響。本文中使用λ=0.5且權重選擇為：

(10)

需要說明的是公式(10)中的J代表選取的分位點的個數，這里我們取J=9。這樣就可以得到各變量在9個不同分位點上的系數估計值。為了便于比較，采用Zhao and Xiao (2014)的加權分位數平均估計方法，*Zhao Z. Xiao Z. Efficient Regressions via Optimally Combining Quantile Information.Econometric Theory. Vol30，No.6，2014.1272-1314.得出加權系數平均估計值：

(11)

表5　面板分位數與替換變量的估計結果

(注：表中系數下方數字為標準誤，括號中為P值，*、**、***分別代表在10%、5%和1%水平上顯著。)

由表5結果可看出，各個系數的符號和顯著性水平并沒有大幅度變動。經濟增長和普惠金融的發展依然不能直接有效地制約環境污染，但是普惠金融對環境污染存在一定程度的間接遏制作用。換言之，普惠金融和經濟增長的交叉項系數為-3.0414，P值為0.0305，在5%顯著性水平下顯著，說明普惠金融帶來的經濟效應可以有效制約生態環境污染。不僅如此，經濟發展的系數為3.3616，P值為0.1204，根據環境庫茲涅茨曲線的定義，判斷中國經濟發展和環境污染關系依然處于庫茲涅茨曲線的左側，即經濟發展無法有效地制約環境污染行為。綜上所述，回歸方法通過了穩健性檢驗。

(三)變量選取檢驗

為防止結論的偶然性，需要對樣本數據進行穩健性檢驗，將FEE作為排污費的替代變量放入模型，重新進行固定效應模型的估計(經過F檢驗和Hausman檢驗，證明將MANAGE替換為FEE后模型依然選擇固定效應)，并將結果進行比較，具體如表5第三列所示。

由表5的回歸結果可以看出，所有指標的系數符號和顯著性并沒有大幅度的改變。研發投入力度的提高和經濟增長無法有效地降低環境壓力，并且普惠金融和經濟增長的交叉項依然可以有效地制約環境污染。另一方面，普惠金融與研發投入的交叉項對環境污染的制約作用失效，即普惠金融對環境保護存在積極的經濟效應，而技術效應則不顯著。綜上所述，樣本數據通過了穩健性檢驗。

六、主要結論及政策建議

本文以STIRPAT模型為基礎，研究了政府規制、研發投入與環境污染關系的同時，通過引入普惠金融變量，定量分析了普惠金融帶來的經濟效應和技術效應如何有效地遏制環境污染。此外，依據EKC曲線理論分析了我國經濟發展與環境污染的關系，得出以下主要結論：

(一)基于普惠金融經濟效應視角。我國普惠金融水平的提高，雖然無法直接有效地遏制環境污染，但可以通過帶動綠色健康經濟的發展，即通過經濟效應的路徑來降低環境壓力。*參見趙卿、曾海艦：《國家產業政策、區域金融發展與企業債務期限結構》，《經濟與管理評論》2016年第2期。

(二)基于普惠金融技術效應視角。我國普惠金融帶來的技術效應無法有效地遏制環境污染，這可能是由于普惠金融帶來的技術研發投入并不能有效地切合企業的排污技術，或是由于企業只是單純利用普惠金融來降低融資成本，加上相關排污技術研發難度較大，因此企業考慮自身經濟利潤，便不再提高自身對排污技術的研發。

(三)基于其他因素視角。我國經濟的整體發展與環境污染關系已逼近EKC曲線的拐點，環境壓力的上升會逐漸對經濟發展產生反作用。政府對環境污染的規制作用失效，利用排污費、環境保護稅等政策來增大企業排污成本并不能有效地遏制環境污染。此外，研發投入力度的增加也不能有效地遏制環境污染，而能源消費量的增加會顯著的提高環境壓力。

根據上述主要結論，結合普惠金融對環境規制的不同傳導路徑，對我國發展綠色生態環境提出以下幾點建議：

(一)我國普惠金融的發展還處于起步階段，在不斷提高普惠金融發展水平的同時，必須加大相關融資渠道的監管，注重量與質的結合。此外，還需要優化全國范圍內的普惠金融布局，不僅要打破各個地區、各個省份之間普惠金融發展不協調的現象，還需要建立一種符合綠色環保理念的普惠金融發展體系，讓普惠金融引導的經濟發展能夠更加有效地降低環境壓力。

(二)地方政府推行普惠金融發展一定要從小微企業的視角來考慮，并且普惠金融相關政策的推行需要與當前的經濟形勢相吻合，不能為縮小與其它地區之間的差異或是追求普惠金融帶來的短期經濟增長而盲目地支持普惠金融發展。另一方面，政府不僅應當通過發展普惠金融提高當地企業融資便捷性，還應適當考慮將綠色環保理念融入到當地企業的發展規劃之中，使企業能夠在政府的支持下，提高自身管理水平，加大技術研發投入，提高資金使用效率，最終降低環境壓力。

(三)地方政府必須加大對污染行為嚴重企業的懲罰力度，在考慮當地經濟發展的同時，建立完善的環境稅種體系，讓環境保護方面的稅收合理、有效。在依靠行政手段遏制環境污染的同時，不斷加大企業的排污成本，迫使企業向環保轉型。另一方面，地方政府應鼓勵綠色清潔能源的研發與使用，大力優化當地的能源消費結構，提高可再生清潔能源的使用占比，加大對當地新能源產業的補貼力度，在切合當地經濟基礎上建立科學合理的新能源發展規劃，從根本上降低環境壓力。