綠色金融發展及影響因素時空維度分析

董曉紅，富 勇

（哈爾濱商業大學 金融學院，哈爾濱 150028）

0 引言

2016年綠色金融被納入G20議程，人民銀行等七部委聯合發布《關于構建綠色金融體系的指導意見》對綠色金融發展進行總體規劃，我國的綠色金融迎來前所未有的發展契機。經過不斷的創新與實踐探索，我國綠色金融已經從比較單一的綠色信貸發展成集綠色信貸、綠色保險、綠色債券、綠色發展基金等產品工具和相應的市場體制為一身的金融服務體系，主要服務對象為綠色經濟、綠色產業和綠色企業。黑龍江省作為老工業基地，環境承載力與經濟發展出現了嚴重的失衡，為了推動碳減排、發展可持續能源、緩解氣候變化影響的舉措，完成經濟結構轉型和產業結構調整，應積極發展并逐漸完善綠色金融市場。

國內外學者關于綠色金融的研究更多是從定性的角度分析綠色金融的發展路徑和影響，剖析綠色金融發展所面臨的問題并提出解決問題的建議。但學者們對于綠色金融的研究通常采用定性分析，無法體現出綠色金融發展過程中地理位置和空間因素的影響，導致研究結果缺乏一定的全面性和完整性。本文采用空間計量經濟學建模方法對黑龍江省綠色金融發展的時空演變特征進行研究，分析黑龍江省綠色金融發展地理分布特征和空間集聚區域的溢出效應，深入研究綠色金融發展的影響因素及相關關系，發現問題并提出相應的解決對策，為相關部門提供決策依據，以更好的發揮黑龍江省綠色金融對于產業結構升級轉型、優化環境質量的作用。

1 變量選擇與數據來源

通過對國內外綠色金融發展模式和路徑的研究，國內學者對黑龍江省綠色金融發展的影響因素也進行分析。徐旭初和光年玉（2017）對我國綠色金融發展的影響因素進行了實證分析，認為影響程度由高到低的四個因素依次為：受教育比例、污染治理投資、居民收入水平和金融化程度。本文在以往學者研究的基礎上，基于黑龍江省特殊而又復雜的經濟增長模式，選取以下指標進行分析，搜集數據并建立相應的空間計量模型。全部變量的選取如表1所示：

表1 變量匯總

考慮到數據可得性，本文選取2010—2016年黑龍江省市級行政單元經濟數據作為研究對象。綠色信貸余額數據來源于Wind數據庫和商業銀行《社會責任報告》、歷年《黑龍江省統計年鑒》。解釋變量中，地區生產總值和金融相關比率數據來源于《黑龍江省統計年鑒》和《黑龍江省金融運行報告》；空氣質量指數數據來源于歷年《中國環境狀況公報》；碳排放量比率數據來源于中國碳排放交易網；部分缺失數據采用期望值最大化法（EM）進行填充；便于模型分析，本文對經濟數據取對數處理。

2 模型設計

本文將使用空間計量經濟學相關模型進行分析，首先構建空間滯后模型和空間誤差模型。

空間滯后模型（SLM）的表達式為：

式中，ρ為空間效應系數，β=（β1，…，βk）'為參數向量。W=（ωij）代表空間權重矩陣。其中，ωij描述了黑龍江省第i個城市與第j個城市綠色金融發展水平之間的相關性。

空間誤差模型（SEM）描述的是空間擾動相關和空間總體相關之間的關系，其表達式為：

式中，空間矩陣W的元素ωij描述了黑龍江省第i個城市與第j個城市綠色金融發展誤差項之間的相關性；λ為空間誤差相關系數，度量了鄰近城市關于綠色金融發展水平的誤差沖擊對本城市綠色金融發展的影響程度。其他符號含義同上。

由于空間計量模型存在空間交互影響及變量的內生性等問題，普通最小二乘法估計（OLS）將不再適用，工具變量法（IV）、極大似然估計（ML）或廣義矩估計（GMM）等方法是合適的估計方法。基于Anselin（1988）檢驗準則，采用極大似然法估計空間計量模型的參數。其中，似然函數的形式如下：

面板數據可以解決單獨的截面數據模型或時間序列模型普遍存在的遺漏變量偏差問題；面板數據同時有截面維度與時間維度，增加樣本數據容量可以提高模型估計的精準度。空間面板模型（SPM）是一個通過加入空間滯后變量而增強了的空間自回歸模型，本文基于黑龍江省2010—2016年13個城市的經濟數據建立空間面板模型，即：

固定效應下條件方差為：

式中，n×（Q-1）矩陣是一個可變的解釋變量矩陣，γ是一個（Q-1）×1的參數向量，用以度量相鄰區域的解釋變量對被解釋變量的邊際影響。

3 實證分析

3.1 綠色金融發展的空間相關性分析

考慮到綠色金融發展的空間效應，對于被解釋變量綠色產業信貸余額（GI）進行空間檢驗。Anselin（1998）在研究出空間效應包括空間相關性和空間異質性。空間異質性可以通過傳統的計量經濟學方法進行處理，本文在分析中主要關注空間相關性。空間相關性又分為全局空間相關性和局部空間相關性。

（1）全局空間相關性分析

基于搜集到的數據和上述模型構建方法，運用Arcgis軟件計算Moran’s I統計量進行全局空間相關性分析，Moran’s I統計量反映的是空間鄰接或空間鄰近的區域單元屬性值的相似度。全局Moran’s I統計量的計算公式如下：

式中，Yi為各城市綠色產業信貸余額，《中國量研究方法券、綠色發展基金等產品工具和相應的約束，ωij為城市i和城市j之間的空間權重。本文選擇常用的空間鄰接權重矩陣，即城市i和城市j之間屬于鄰接關系，則ωij=1，反之，ωij=0。并規定區域自身不屬于鄰接關系，即ωij=0。

表2 綠色產業信貸余額GI的Moran’s I統計值

在10%的置信水平下，2010—2016年綠色產業信貸余額Moran’s I值在0.16左右分布，P值總體小于0.10的顯著度水平。Moran’s I統計值大于0，表明各城市的綠色發展水平具有一定的正相關性，并且具有一定的顯著性。結合Z得分和P值分析，除2015年個別現象，Z得分總體大于1.65，得出我國各城市綠色發展水平具有較顯著的空間聚類特征。P值小于0.10，說明各城市城市綠色發展水平不是隨機生成而是具有空間相關性的概率高于90%。各年Moran’s I統計值的P值沒有顯著小于5%甚至1%的水平，可能的原因在于，本文使用綠色產業信貸余額GI代替各城市綠色金融發展水平，沒有考慮綠色證券、綠色基金、綠色保險、碳金融等業務的信貸余額，造成數據結果有一定偏差。以上的分析說明在研究黑龍江省綠色金融發展時，不能忽略地理因素和空間效應的影響，即要在計量模型中納入被解釋變量的空間影響因子，設計空間計量模型分析綠色金融發展問題。

（2）局部空間相關性分析

運用Geoda軟件分析綠色信貸余額GI局部Moran’s I散點圖和LISA集聚圖，分析結果分別如圖1和圖2所示。

圖1 2010年GI Moran’s I散點圖

Moran’s I散點圖的橫軸表示綠色信貸余額，縱軸表示經過行標準化處理的滯后變量。對于Moran’s I散點圖中城市分布進行統計分析，結果如表3所示。

圖2 2016年GI Moran’s I散點圖

表3 綠色產業信貸余額GI的Moran’s I指數散點分布統計表

通過統計結果可知，2010年的散點圖中有9個城市落在第一、三象限，2016年則有7個城市落在第一、三象限，第一象限代表綠色金融發展水平高的區域單元被高綠色金融水平區域所包圍（HH），第三象限代表綠色金融發展水平低的區域單元被低水平區域所包圍（LL），表明綠色金融發展區域間具有正相關性，區域間綠色金融的發展具有正向空間溢出效應。在兩幅散點圖中，哈爾濱、齊齊哈爾、大慶三個城市一直處于第一象限（HH），表明綠色金融發展的集聚地區主要位于經濟發達的城市，三個城市對鄰接城市綠色金融的發展具有較高正向空間溢出效應。雞西、佳木斯、雙鴨山、七臺河四個城市一直處于第三象限（LL），表明四個城市和鄰接城市綠色金融的發展也具有正向溢出效應。

3.2 模型估計與結果分析

通過上述Moran’s I指數散點圖分析，已經證實各區域綠色金融發展之間具有空間相關性，但無法對空間滯后模型（SLM）、空間誤差模型（SEM）和空間面板數據模型（SPM）具體選擇，為了能夠正確地估計綠色金融發展和各解釋變量之間的相互關系，需要通過進一步的檢驗。為了能夠正確地估計綠色金融發展和各解釋變量之間的相互關系，需要通過LR統計量、Wald統計量對線性條件和非線性條件下的模型進行判斷，分析結果如表4所示（結果保留四位小數）。

表4 綠色金融發展的空間相關性檢驗

檢驗結果顯示，Wald和LR統計量顯著，因此無法將空間面板模型（SPM）簡化為空間滯后模型（SLM）或空間誤差模型（SEM）。通過建立空間面板回歸模型，運用Stata12.0軟件進行統計分析，結果如表5所示。

表5 空間面板模型的Hausman檢驗結果

由于卡方檢測值chi2（5）=27.94，p值為0.0000，說明模型整體顯著性較高，且拒絕原假設“H0：ui與xit，zi不相關”，應該使用固定效應模型，而非隨機效應模型。固定效應空間面板模型分析結果如表6所示。

表6 固定效應空間面板模型回歸分析結果

上述分析結果中包括一個常數項（_cons），它代表所有個體效應ui的平均值。表6顯示，“rho=0.98”，rho統計量代表個體效應的方差占混合誤差方差的比重，故復合擾動項（ui+εit）的方差主要來自個體效應ui的變動。對于原假設“H0：Allui=0”，表6最后一行F檢驗的p值為0.0000，表明模型整體顯著性很高，故強烈拒絕原假設，即固定效應回歸模型明顯優于混合回歸模型；同時拒絕按聚類標準誤條件下的原假設“H0：Allui=0”。

根據模型結果和相關檢驗，地區生產總值GRP與當地綠色產業信貸余額GI的回歸系數約為9.3，并且通過5%水平下的顯著性檢驗，說明黑龍江省各城市綠色金融的發展狀況與經濟發展水平呈現出較強的正相關關系。經濟水平較高的城市能夠提供綠色轉型所需的綠色資本和綠色金融創新所需的市場環境，還擁有較高的創新能力和核心技術人才。此外，由于黑龍江省綠色金融仍然處于探索發展階段，綠色金融創新率先在經濟較發達的哈爾濱、大慶等城市實行，經濟水平相對落后的城市較后進行綠色金融的發展，導致地區生產總值與綠色金融發展水平呈現較高的正向關系。

空氣質量指數AQI的回歸系數在5%水平上顯著為負，說明綠色金融的發展與環境因素呈現負向影響。黑龍江省在傳統的粗放型經濟模式下，由于產業結構和技術落后，浪費資源及污染嚴重，消耗了原有豐富資源的同時也破壞了自然環境，導致黑龍江省各城市的空氣質量普遍較差（根據生態環境部2016年公布的全國各省份空氣質量監測數據排名，黑龍江省位于第23位），此外，雞西、鶴崗、雙鴨山、七臺河4個城市作為黑龍江省重要的煤炭能源基地，面臨著嚴重的空氣治理壓力，使得空氣質量指數和綠色金融發展水平呈現出負相關關系。

碳排放量比率CER的回歸系數約為1.24，在10%的水平下顯著，表明黑龍江省各城市碳排放量與當地綠色金融發展具有正相關性，與綠色金融發展的實踐目標不相符。原因可能是，黑龍江省作為老工業基地，在工業結構中高能源高消耗產業占比較高，通過工業結構轉型和技術升級，各城市能源消耗強度持續下降，從2005年消耗1.46噸/萬元下降到2016年消耗0.79標準煤，仍然遠高于2016年全國各城市平均消耗標準煤用量0.42噸/萬元，黑龍江省各城市碳排放量過高使得回歸結果出現偏差，出現低碳排放反而抑制了綠色金融發展的結果。

金融相關比率DIR的回歸系數在5%水平上顯著為正，說明當地的金融水平和綠色金融發展水平具有正向相關關系。各城市綠色金融的發展主要依賴于當前的商業銀行環境基礎，金融機構投融資渠道為綠色金融發展提供了便利性，因此出現正向相關關系。但DIR的回歸系數為0.0559，說明金融相關比率對于綠色金融發展水平的影響關系和促進作用比較小。目前，黑龍江省綠色金融產品比較單一，主要集中于固定資產抵押貸款，以及少量的綠色信托產業融資，隨著綠色金融產品和服務的創新，當地金融環境會對綠色金融的發展有著更好的促進作用。

綜上所述，四個解釋變量中地區生產總值回歸系數的絕對值最大，金融相關比率回歸系數的絕對值最小。說明黑龍江省各城市地區生產總值對于當地綠色金融發展的影響作用最大，金融相關比率因素影響作用比較小，空氣質量和碳排放量影響作用居中。說明黑龍江省各城市在努力提升地區生產總值的同時，應注重金融環境的創新和發展，還要盡快改善空氣質量并降低碳排放量，最終完成各城市的綠色產業結構轉型，逐步完善綠色金融市場。

4 結論與建議

本文運用空間計量經濟學的方法構建模型分析黑龍江省綠色金融發展現狀和影響綠色金融發展的因素，得出以下結論與建議：

（1）哈爾濱、大慶、齊齊哈爾等工業水平及經濟基礎較高的城市綠色金融發展水平較高，全省總體綠色金融水平呈上升的趨勢。各城市綠色金融發展出現更大面積的空間集聚區域，城市間的地理位置關系體現出綠色金融發展的空間溢出效應。各城市相關部門不僅應針對城市具有的市場基礎和條件制定特有的政策，也應該借鑒臨近城市的綠色金融發展模式，使各城市間呈現出聯動的區域發展。

（2）作為工業大省和資源大省，黑龍江省正處于經濟結構調整和發展方式轉變的關鍵時期，環境保護與經濟發展的矛盾十分嚴峻。發揮政策性金融的導向作用，引導綠色金融和綠色經濟的結合，加大資本力度，在綠色經濟的環保項目提供政策性的資金支持。相關部門應通過構建科學合理的綠色經濟體系，將資本有序引入能夠實現經濟持續增長的領域，既能提高生產要素使用效能，還能保護環境和維護生態安全，促使黑龍江省擺脫對傳統經濟模式的依賴性，有效緩解全省面臨的資源性、結構性和體制性三大矛盾，落實發展供給側結構性改革政策，進而實現黑龍江省綠色經濟轉型。

（3）空氣質量對綠色金融的發展具有負相關效應。在改善空氣質量方面，黑龍江省具備構建綠色金融體系的經濟金融基礎和自然生態環境的先天性優勢，應該積極利用各城市具備的綠色資源，通過綠色金融渠道對金融要素進行市場分配，流入環保、節能、新能源等領域，最終實現環境質量的提升。同時，應該加強金融政策和結構性改革，政策協調配合，更好地發揮金融發展對減少碳排放的正向激勵作用，促進區域綠色金融發展。此外，黑龍江省作為煤炭資源儲備省份之一，雞西、鶴崗、雙鴨山、七臺河4個城市面臨較為嚴峻的大氣污染治理和城市空氣質量改善形勢，各城市應大范圍應用潔凈煤碳燃燒技術，對于露天煤場加大煙塵監管和治理力度，對裸露的土地加強綠化覆蓋治理，積極響應十九大“壯大節能環保產業、清潔生產產業、清潔能源產業”的政策號召。

（4）碳排放量對綠色金融的發展具有正相關效應，且回歸系數的絕對值較大。各城市應加快對碳匯金融的研究探索，加大對綠色、循環、低碳經濟的支持力度。利用科技創新發展低碳能源，優化能耗結構，增加清潔能源的使用，促進清潔能源產業的發展。同時，各政府部門應努力進行綠色農業創新實驗，爭取實現農業生產零碳排放，從根本上減少溫室氣體的排放，相關部門也可通過增加授信額度、優惠利率、適當延期等方式予以綠色金融的政策支持。根據《碳排放權交易管理辦法》，嘗試建立碳匯金融交易場所，以完善碳市場的交易制度和監管治理。

（5）金融發展水平對綠色金融的發展具有正相關效應。十九大提出“深化改革加快東北等老工業基地振興”的概念，相關部門應拓展綠色金融發展領域，推動金融技術、金融人才、金融資本、綠色企業等不斷向東北地區集聚，還應引導商業銀行建立符合綠色企業和項目特點的信貸管理制度，創新綠色信貸、債券、股票、保險、基金、碳匯金融等綠色金融產品及相關衍生工具，單一的綠色信貸融資渠道已無法滿足綠色市場信貸需求。此外，構建與各城市綠色經濟轉型相適應的綠色市場，最終逐步完善綠色金融體系。