綠色金融、經濟增長與環境變化

劉莎 劉明

摘要：本文基于投入產出模型、EKC假說理論構建面板聯立模型，以股市綠色環保概念公司子樣本作為綠色金融代理變量，編制環境質量綜合指數系統反映和判斷綠色金融與環境變化以及經濟增長的關系，參考國家層面CO2減排巴黎承諾預測西北地區環境綜合指數達到峰值時間。結果表明，經濟增長、環境質量與綠色金融間存在交互作用，綠色金融對環境質量顯現正向效應但作用偏低。在綠色金融等因素共同作用下，西北五省區環境綜合指數變動趨勢除寧夏以外均符合EKC倒“N”型曲線，比照我國“在2030年達到CO2排放峰值”的減排承諾，可在該時間節點以前達到環境綜合指數峰值，從而總體上向低環境污染轉換。為進一步發揮綠色金融對改善生態環境的規模效應，建議降低西北地區綠色金融門檻，促進政府與社會資本向綠色產業聯合投資，將西安作為綠色金融集聚城市，積極構建內陸地區綠色金融市場體系。

關鍵詞：綠色金融;經濟增長;環境質量;環境變化;減排;環境庫茲涅茨曲線（EKC）;面板聯立模型;西北地區

文獻標識碼：A

文章編號：100228482020（01）007114

開放科學（資源服務）標識碼（OSID）：

改革開放以來，隨著經濟高速增長，我國資源約束趨緊，生態系統退化，環境的承載力已趨于極限，生態環境問題日益嚴峻。鑒于生態環境問題已然成為關乎國計民生和實現國家長期經濟社會發展戰略的嚴重制約因素，黨的十八大報告中首次提出建設美麗中國，將生態文明建設上升為國家意志。隨后相繼出臺《綠色信貸指引》（2012年），《企業環境信用評級辦法（試行）》（2014年）及《綠色債券發行指引》（2015年）等綠色金融治理相關文件，將綠色發展與治理作為生態文明建設的新動力源泉。但是，我國綠色治理以及綠色金融發展仍存在不平衡，主要表現為政府主導和政府出資的綠色金融項目發展迅速，由社會資本主導的綠色金融項目發育緩慢。加快市場化、多元化綠色金融發展是深入推進生態文明建設的必然選擇。

綠色金融無論作為一種制度安排或市場機制設計，不僅有助于實現社會節能減排目標，也有利于經濟轉型和可持續發展。但由于綠色金融內在的收益滯后特征，投資者和金融機構介入綠色領域的行為動機不足，導致主要依賴市場機制條件的綠色金融規模有限，難以滿足維護和改善社會生態系統的潛在需求。西北地區是我國生態環境脆弱和經濟欠發達地區，由于受自然條件約束，在經濟較快發展過程中一定程度上忽視了環境與生態安全對區域經濟社會可持續發展的重要意義，環境變化的趨勢不容樂觀。通過政策引導、支持以及市場化途徑最大程度調動社會資源轉向綠色發展領域，促進區域生態文明建設，有效遏制環境惡化并最終形成經濟社會發展與生態環境系統的和諧共生，對西北地區尤為緊迫。在此背景下，研究西北地區綠色金融、經濟增長與環境變化趨勢有重要意義。

基于對綠色金融的測度，本文將以西北地區為分析單元，通過構建含滯后項的面板數據聯立方程，綜合考察經濟增長、環境質量與綠色金融的交互影響關系，以及區域綠色金融作用于經濟、環境所并存的關聯特征。引入綠色金融范疇從而對傳統的環境庫茲涅茨曲線（Environmental Kuznets Curve，EKC）理論進行拓廣，構建環境質量綜合指數，重新編制傳統庫茲涅茨曲線中作為環境質量單指標的CO2排放量，據以測算綠色金融規模趨勢并預測西北地區的環境庫茲涅茨曲線形狀及污染排放峰值，從而為中國應對環境變化的生態文明建設和進一步推動綠色金融發展提供經驗證據。

一、文獻綜述

相關研究始于對經濟增長與環境變化關系的探討。“增長極限說”?[1]提出因增長方式不同，人口、經濟的指數式增長受其所依賴資源的算術式增長限制必將面臨增長的極限，這一結論并未得到經驗驗證。Grossman和Krueger發現并提出環境污染物與人均收入間的非線性關系，即倒U型關系?[2]，為經濟與環境關系提供了經驗基礎，這一關系后被命名為環境庫茲涅茨曲線（EKC）?[3]。20世紀90年代以來，很多學者對EKC展開各種經驗分析，但不同研究結論存在較大分歧。對EKC提出質疑的學者發現經濟增長與環境的關系曲線存在多種形態，包括與倒U型完全相反的U型?[4]、N型?[5]、單調上升曲線?[6]和正向線性關系?[7]等，認為人均收入并非影響環境的唯一因素，在運用EKC假說所構建的回歸模型分析中，還需加入其他重要的解釋變量。基于此，一些研究揭示出，除經濟增長外，城市化水平?[8]、貿易和外商直接投資?[9]及金融發展?[10]等均為影響環境的重要解釋變量。上述不同EKC經驗分析結果的差異部分原因在于統計方法、指標選取以及數據樣本不同。

早在1980年，聯合國大會就向世界呼吁以自然、經濟、社會生態和諧的方式發展，1987年，世界環境與發展委員會出版《我們共同的未來》，綠色經濟、環境問題引起全世界的日益關注，“綠色金融”概念由此誕生。1992年聯合國環境與發展大會通過了《里約環境與發展宣言》和《21世紀議程》兩個文件，促使環境可持續的綠色金融得以較快推廣，圍繞金融與環境的相關研究也日益引起學術界重視。部分學者將金融作為“生產/消費—自然環境—生產/消費”循環的外生變量，認為金融對環境不產生影響?[11]，或是認為金融資源向生產體系大量投放是產生造成排放污染物的重要影響因素?[12]。事實上，在一定條件下金融與環境之間存在長期均衡關系?[13]，綠色金融投放更能夠促進技術創新?[14]，增加與環境保護相關的投資?[15]，進而改善環境質量。更有學者指出，環境質量下降通過影響人類健康水平對經濟增長產生負外部性，綠色金融則有助于減少污染物排放?[16]，是決定區域環境質量的重要因素，即在綠色金融充分發揮作用條件下，一國或地區金融發展程度越高，環境質量水平也更高?[10]。據上所述，綠色金融對環境產生何種效應，關鍵是綠色金融作為“綠化”環境的必要初始條件，是否能夠實現預期目標，仍決定于對其作用路徑和后續環節的控制。

繼續在上述等式右邊做等價變換，[]內除以L（T）?λ1L（T）?λ2L（T）?λ3L（T）?α，同時對右邊再乘以

L（T）?λ1·L（T）?λ2L（T）?λ3L（T）?α，即為：

GDP（t）=γP（t）L（T）?λ1

GF（t）L（T）?λ2

FDI（t）L（T）?λ3

K（t）L（T）?α

L（T）?λ1L（T）?λ2L（T）?λ3L（T）?αL（T）?β（6）

將上式可寫為以下形式：

GDP（t）=γP（t）L（T）?λ1

GF（t）L（T）?λ2

FDI（t）L（T）?λ3

K（t）L（T）?αL（T）?（λ1+λ2+λ3+α+β）（7）

參照（1）式，由于當Cobb—Douglas生產函數的技術水平受到限制，λ1+λ2+λ3+α+β=1，有規模報酬不變的生產函數。在上述條件下，L（T）?（λ1+λ2+λ3+α+β）=L（T）?1=L（T）。故將上式歸并為：

GDP（t）=γP（t）L（T）?λ1

GF（t）L（T）?λ2

FDI（t）L（T）?λ3

K（t）L（T）?αL（T）（8）

對（8）式兩端同除以L（T），得：

GDP（t）L（T）=γP（t）L（T）?λ1

GF（t）L（T）?λ2

FDI（t）L（T）?λ3

K（t）L（T）?α（9）

此時，獲得式（4）中各變量按照勞動力數量計算的勞動規模均值，進而得到：

gdp（t）=γp（t）?λ1gf（t）?λ2fdi（t）?λ3k（t）?α（10）

式中gdp、p、gf、fdi和k均表示原指標對應勞動人口均值，對（10）式進行線性轉換得到：

lngdpt=α0+α1lnpt+α2lngft+α3lnfdit+α4lnkt+εt（11）

本文以式（11）為模型基礎，使用各因素的勞動人口均值做具體計量驗證分析。由于研究基于西北五省區的面板數據，式（11）可以寫作：

lngdpit=α0+α1pit+α2lngfit+α3lnfdiit+α4lnkit+εit（12）

其中，下標i和t分別表示地區及時間，ε是誤差項。

（二）引入綠色金融變量的EKC擴展模型

以往有關EKC的研究文獻主要考察人均收入與環境質量的關系，除經濟增長外，還有文獻在回歸模型構建中引入人口、貿易等其他變量為解釋變量，將綠色金融作為影響因素的研究較少。若將綠色金融活動納入環境治理因素并做計量驗證，借鑒相關結果分析綠色金融作用機制以及效果有助于通過調節綠色金融投放力度、投向等促進生態環境與經濟和諧發展。基于上述，引入綠色金融這一在“綠色”經濟增長中愈益重要的特征變量，模型如下：

pit=β0+β1gdpit+β2（gdpit）?2+β3（gdpit）?3+β4gfit+β5Controlit+μit（13）

為避免存在遺漏變量而導致計量結果的偏差，在模型引入可能影響環境質量的控制變量Control：

（1）城鎮化水平UR。城鎮化因處于不同階段對環境是否產生影響，影響程度如何存在差異，現階段中國城鎮化的“擴張效應”占主導地位，“質量效應”的CO2減排作用仍不明顯?[23];

（2）工業化水平Indus。通常在工業化發展初期，工業化進程的加快會造成污染排放物的劇增，而在后期，工業化進程將對環境質量產生積極影響。

為消除數據的異方差現象，對各指標進行對數變換，p、UR及Indus均為百分比值，不需做此處理。納入控制變量的模型擴展為：

pit=β0+β1lngdpit+β2（lngdpit）?2+β3（lngdpit）?3+β4lngfit+β5URit+β6Indusit+μit（14）

（三）綠色金融的環境治理誘發模型

經濟社會發展中的環境治理作為一個系統，應包括治理的制度設計與經濟架構、社會經濟結構調整、資金資源介入“綠色”部門機制等子系統。資金介入機制又包含財政、金融手段。綠色金融對環境質量的影響機理在于：第一，綠色金融投放短期改變生產要素投入、生產的技術條件、經濟結構以及生產的環境條件，從而直接降低污染物排放量;第二，由綠色金融投入而形成治理能力后污染物持續降低。正因為綠色金融所內在的對環境治理的積極效應，就有必要探討綠色金融的發生學機制，即哪些因素誘發綠色金融發生以及規模擴大。可納入三種外生因素：其一，外生的可能性因素，即經濟增長因素帶來的收入部分地向綠色金融的轉變;其二，外生化倒逼因素，即由于環境污染物排放危及人類生存產生的對綠色金融的需求;其三，環境治理規制對金融部門產生的“綠色”投放壓力。內生因素即指綠色金融一旦被動發生，由于其效果逐漸彰顯而產生續發的自我規模擴張效應。根據上文，設計方程如下（各符號指代意義同前）：

lngfit=γ0+γ1lngdpit+γ2pit+γ3lngfit-1+πit（15）

（四）聯立方程的構建

以往關于經濟—環境—金融關系的研究主要基于預設的理論模型，采用普通的單方程進行檢驗，變量間可能存在的內生性會帶來模型的解釋變量與誤差項相關等問題，最好的解決方法就是工具變量法。而聯立方程模型本身就會對變量間的內生關系做出響應，不需要如單一方程那樣去尋找其他的工具變量以解決內生問題。為此，本文通過構建包括經濟增長、環境質量及綠色金融的聯立方程模型以考察綠色金融如何影響經濟增長、綠色金融對環境污染治理的作用效果以及影響路徑。借鑒Dean?[24]的思想，同時考慮其他相關變量，設定聯立方程如下：

lngdpit=α0+α1pit+α2lngfit+α3lnfdiit+α4lnkit+εit（16）

pit=β0+β1lngdpit+β2（lngdpit）?2+β3（lngdpit）?3+β4lngfit+β5URit+β6Indusit+μit（17）

lngfit=γ0+γ1lngdpit+γ2pit+γ3lngfit-1+πit（18）

式（16）為生產函數，式（17）為環境污染排放函數，式（18）為環境污染治理的綠色金融函數。考慮到可能存在的內生性等問題，選取必要工具變量以保證估計結果的有效性。

三、指標與數據選取

（一）指標選取

1.環境質量綜合指標構建與測度。綠色金融作用于環境變化不僅在于CO2排放減少，也在于抑制產生廢水、粉塵、固體廢物等有害污染物。因此，應構建環境質量綜合指數，以修正傳統環境庫茲涅茨曲線，由之計量驗證綠色金融對環境質量的正向效果。考慮到需甄選不同的環境污染物指標進行綜合度量，本文利用因子分析法，即在避免丟失信息的前提下，根據原始變量的信息進行重新組合，找出影響變量的共同因子，將眾多原始變量濃縮成少數幾個因子變量，化簡數據，由之形成測算環境污染的綜合指標，最大程度滿足環境質量指標的特性，使最終選取指標具有代表性。

假定xij為第i個省區的第j個指標的數值，X為其標準化向量，（λ1，λ2，…，λp）表示X的相關系數矩陣ρ的特征根，式中wi=λi/∑ni=1λi作為權重表示第k個主因子的方差貢獻率。則用F表示的綜合得分為：

F=（w1F1+w2F2+…+wkFk）/∑wi（19）

為充分考慮各種環境污染物的信息，依據數據可得性選取六種環境污染物，包括廢水總量、廢水中化學需氧量、廢氣總量、二氧化硫、煙粉塵、固體廢物

煙塵排放和粉塵排放從2011年開始合并為粉塵排放，之前年份的粉塵排放量以煙塵排放量與粉塵排放量之和表示。自2011年起，工業固體廢物分為一般工業固體廢物和危險固體廢物，故從2011年開始將兩者合并來計算工業固體廢物。，運用因子分析法測算污染物排放量作為壞產出指標，綜合反映環境質量指標。該指標數值越大（小），表示環境質量越差（優）。

2.綠色金融指標的測度。學術界對綠色金融概念尚未形成一致認可的定義，也自然缺少統一的測度標準。“The American Heritage Dictionary”?[25]將綠色金融稱之為“環境金融（Enviromental Finance）”或“可持續融資（Sustainable Financing）”。其基本內涵為如何使用多樣化的金融工具保護生態環境和生物多樣性。就我國綠色金融發展現狀來看，中國人民銀行等七部委2016年發布的《關于構建綠色金融體系的指導意見》將綠色金融定義為支持環境改善、應對氣候變化和資源節約高效利用的經濟活動，即對環保、節能、清潔能源、綠色交通、綠色建筑等領域的項目投融資、項目運營、風險管理等金融服務。并且旨在通過綠色信貸、綠色債券等相關金融產品支持經濟向綠色化轉型的制度安排。在這一轉型過程中，支持環境改善、應對環境變化和資源節約高效利用的綠色金融資金主要來源于政府環保部門的相關補助，商業銀行的信貸投入及企業的自有資金

中國銀行業監督管理委員會2012年下發《綠色信貸指引》，其后開始收集、發布綠色信貸數據，為保證數據的可獲性和連貫性。為了對綠色金融的環境效果做計量檢驗，此處選用綠色行業的上市公司融投資數據作為綠色金融總體規模的代理變量。這也體現本文的一個重要嘗試。。依據環保部發布的八大綠色工程體系

環保部于2015年9月9日發布的《新常態下環保對經濟的影響分析》報告中指出，綠色清潔能源、大氣污染防治、水污染防治、土壤環境保護、固體廢物資源化、農村環境綜合整治、生態保護與建設工程、“智慧環保”為8大綠色產業重大工程。，本文選取西北地區A股上市公司中屬于綠色行業或進行綠色投資的上市公司的融投資數據，數據范圍包括上市公司為綠色投資發行新股、增發及配股所募集所有已到賬資金。這些上市公司的綠色融投資僅包含綠色信貸的一部分，及非信貸的綠色投入，數值小于綠色金融的實際投放量，但可以合理地推斷其在整體規模和增長趨勢上與綠色金融投放量較為一致，具有很強的代表性。由于國家、地區層面總體綠色金融數據缺失，將具有綠色投資概念上市公司投融資作為綠色金融指標的代理變量，同時選取其與勞動人口比值衡量，具有內在合理性。

3.經濟增長。用地區生產總值（GDP）與勞動人口的比值衡量，即地區以勞動人口衡量的GDP（簡稱人均GDP，下同）

Omri（2015）?[16]的工作中所涉及“人均”的GDP、資本存量K等均為按照勞動人口的均值，但在行文時均指稱為某特定變量的人均值，并申明“We then divide both sides of Eq.by L to get variables in per capita terms”（然后我們將等式的兩邊除以L，得到以人均計算的變量）。為了行文方便，本文參考Omri，當提到各變量按照勞動人口的均值時簡稱為“人均”值。，反映消除勞動人口因素后區域的生產力狀況、生活水平、經濟規模及經濟增長趨勢。GDP用GDP價格指數進行修正，從而消除通貨膨脹影響。

4.影響產出的要素投入。選用就業人數表示生產過程中投入的勞動力數量;根據要素稟賦假說，資本密集型產業主要為高耗能、高排放產業，而勞動密集型產業相對低碳。取資本存量與勞動人口之比衡量要素稟賦，其中資本存量用全社會固定資產投資表征，一般用各地區全社會固定資產投資金額表示。對資本存量使用永續盤存法計算，以K表示資本存量，I表示固定資本形成額。計算公式為：Kt=（1-δ）Kt-1+It，即當年的物質資本存量等于上年度累積資本的折現值和當年固定資本形成之和，選擇基期為2000年，δ為折舊率并取固定值9.6%

對這一方法的解釋和計算過程參考張軍?[26]的研究。。

5.外商直接投資。以單位勞動人口的外商直接投資額（以當年兌美元的匯率換算為人民幣）度量。

6.影響環境質量的控制變量。（1）城鎮化水平，以城鎮人口占總人口的比重衡量。選取2000年及以后城鄉人口為人口普查和人口變動抽樣調查推算數。（2）工業化水平，即工業發展狀況，為確切地反映工業生產的規模和速度，這一指標用工業增加值占GDP的比重表征。

（二）數據來源

本文以西北五省區為分析單元，數據觀測周期為2000—2015年。主要數據來源如下：綠色金融數據來源于銳思（RESSET）數據庫，環境質量使用的污染物排放量來自于《中國環境統計年鑒》，其余數據均來源于《中國城市統計年鑒》。涉及價格的變量均調整到1978年不變價格。

四、綠色金融、經濟增長與環境變化動態面板聯立方程估計

（一）模型估計方法與模型檢驗

1.估計方法選擇。聯立方程模型由經濟增長、環境質量與綠色金融分別為被解釋變量的決定方程構成，即式（16）—（18），估計方法一般為單方程和系統方程兩種。在方程估計過程中，單方程估計法需滿足聯立方程組可識別性與各方程擾動項不相關性假設;而相較逐一對方程進行估計，將全部方程視作一個整體的方法（即系統估計法）更為有效，可同時估計全部結構方程且得到其參數估計量。由于此處聯立方程引入滯后期的被解釋變量，可能造成解釋變量與擾動項相關，使估計結果是無效和有偏的，以及面板數據中無法觀測到的截面特點，亦有可能帶來較為嚴重的內生性問題。故采取系統估計法作為文中的估計方法。系統估計法處理聯立方程組時，常用三階段最小二乘法（Three Stages Least Squares，3SLS）及廣義矩估計法（Generalized Mothod of Moments，GMM）。為提供較為可信的穩健性支持，本文運用GMM和3SLS兩種方法估計，并比較兩者的優越性。

2.模型檢驗。在對模型的總體參數進行估計前，需要先判斷聯立方程模型的可識別性。對結構參數施加“排斥變量”的約束，檢驗上述聯立方程模型中各式的階條件和秩條件，發現三式判定條件成立，均為過度識別。

為驗證工具變量的選擇是否對參數估計有效，本文對所有模型進行Hansen檢驗，檢驗結果顯示不能拒絕原假設（“所有工具變量均有效”），則得知模型設定有效，所選估計法適用。

3.平穩性檢驗。為了確保估計結果的有效性，避免出現偽回歸現象，先對變量進行平穩性檢驗。此處采取LLC與IPS方法對各變量進行單位根檢驗，結果見表1。從中可知，所有變量的一階差分值均拒絕存在單位根的原假設，說明變量是平穩的。

（二）全樣本估計結果及相關分析

全樣本估計結果見表2，結果顯示，3SLS和GMM估計的參數系數差異不大，但運用后者的參數估計值較為顯著，也更合乎實際。可見，采用GMM法能較好地處理內生性等問題。

1.環境質量與經濟增長的相對變動關系。環境綜合指數p：環境綜合指數越高，表明污染物排放加劇，計量結果表明生產生活體系的污染物排放與經濟增長呈現同向變動關系。表2顯示，污染強度每增加1%，推動經濟增長0.0747個百分點。污染強度變化的相對經濟增長效應較弱，說明西北地區經濟增長存在高投入、高能耗和高污染特征，以及由產業、行業結構與技術水平決定的生產投入品組合有“環境非友好”趨向，投入能源等生產投入品的利用效率較低。結合模型Ⅰ，可知經濟增長對環境污染物排放強度存在反向影響且較強，說明環境中污染物的排放包含著未來經濟增長的相關信息，經濟增長受到“節能減排”措施的顯著沖擊?[27]。

要素稟賦k：要素稟賦值對經濟增長的影響為正，即人均GDP隨著單位勞動力產出效率的改變而發生同向變化，具體表現為人均固定資本形成額每增加一個百分點，人均GDP提高0.2075個百分點，與Omri的結果基本一致?[28]，表明物質與人力資本投入對經濟增長的推動作用較為穩健。

Omri的工作中所涉及“人均”的GDP、資本存量K等均為按照勞動人口的均值，但在行文時指稱為某特定變量的“人均”值，并在做相關推論時申明“We then divide both sides of Eq.by L to get variables in per capita terms”（然后我們將等式的兩邊除以L，得到以人均計算的變量）。為了行文方便，本文參考Omri，當提到各變量按照勞動人口的均值時均簡稱為“人均”值。Omri（2015）原文見參考文獻?[16]。

綠色金融gf：計量結果顯示，綠色金融投放對經濟增長的正向影響顯著。一方面，綠色金融受國家資本市場及信貸政策支持，在降低上市公司綠色融資成本的同時提升綠色資金的流動性，有利于社會擴大再生產，進一步促進經濟增長;再者，綠色金融發展會促進綠色產業發展，進而吸引外商直接投資，拉動國內經濟增長。但綠色金融在經濟增長中發揮的作用相對有限（彈性系數為0.0050），潛在原因可能在于綠色金融主要投向環境治理表征的綠色行業，“生產性”綠色金融投資不足，以及綠色融資總量仍較為有限，沒有體現出綠色金融投資的規模收益效應。

外商直接投資fdi：估計結果表明，外商直接投資對經濟增長有正向顯著影響。表明FDI通常以國際技術溢出和資本流入的模式拉動區域經濟增長，現階段西北地區FDI流入產業仍以加工制造業為主，外商的進入可使企業生產成本得以降低。然而隨著生產要素價格逐步攀升，尤其是勞動力成本的上漲，比較優勢逐步削弱，從而抑制FDI流入東道國，甚至會由于相應產業集群在演化過程的“路徑依賴”誘發投資所在地資源的扭曲。FDI流入每增加1%，僅引起經濟增長幅度上升0.0064個百分點，影響力較小

潛在的原因是，在國際市場競爭日趨激烈情況下，外商直接投資由于國際市場“收縮”而一定程度轉向國內市場，所以外商投資在中國國內市場需求限定下對國內投資產生擠出效應。。

2.污染物排放與產出間的統計關系。經濟增長gdp：由回歸結果可知，lngdp、（lngdp）?2、（lngdp）?3的系數均通過了顯著性檢驗，且有β1<0，β2>0，β3<0。根據拋物線性質判斷，西北地區污染物排放強度與人均GDP之間為倒“N”型曲線關系，與EKC假說不完全一致。EKC假說是基于發達國家及新興工業化國家在工業化向服務型經濟轉型階段提出的?[29]，而我國目前正處于工業化初、中期階段，特別是西北地區工業化發展程度依然很低。EKC解釋了環境質量在經濟發展水平超越了一定臨界值之后將得到持續改善，然而對于發展中國家而論，人均收入并未達到相應的臨界水平，其環境質量與經濟增長的關系具有不確定性?[30]

部分原因也在于，本文修正的EKC是基于所構造環境綜合指數與人均GDP關系，傳統EKC是基于CO2排放與人均GDP關系。。

綠色金融gf：在模型Ⅱ中，綠色金融對環境質量綜合指數的影響系數顯著為負，表明綠色金融規模擴大有利于降低環境污染物排放。雖然綠色金融對環境污染的抑制作用（彈性系數為0.0079）顯現但仍處于低水平。我國指導綠色金融發展的《綠色信貸指引》已發布4年

中國銀監會于2012年2月24日下發《綠色信貸指引》，其中明確了綠色信貸支持方向和重點領域，要求銀行業金融機構通過差別化信貸政策開展綠色信貸。，然而銀監會數據顯示，截止2016年6月末商業銀行的綠色信貸余額規模依然較小，僅占各項貸款的9%;綠色金融產品創新不足，還主要停留在綠色信貸層次，涉足產業領域多在中下游環節。綠色債券、綠色基金市場尚未形成，具有綠色概念的上市公司數量占資本市場上市公司之比較小（13.42%）。綜合各種因素，說明綠色金融投放未形成規模經濟效應

本文選用上市公司作為代理變量，也基本反映了企業總體中綠色金融總量偏低的問題。。

工業化水平Indus：工業化水平對環境污染物排放產生顯著的正向刺激作用。工業增加值占GDP的比重越大，環境污染物排放強度越大，環境質量隨之惡化。這一結論與國內外學者的研究結論基本一致。西北地區尚處于工業化中期階段，這一時期環境壓力較大，工業化進程極易加劇環境污染。與此同時，地方政府在評價其管理政績時賦予經濟增長的權重被極端地放大，導致各省區以犧牲環境為推高經濟增長的代價。

城鎮化水平UR：計量結果顯示，城鎮化水平未能體現出對環境質量的顯著影響。但在類似文獻中顯示，若納入空間因素，城鎮化水平可顯著緩解環境污染壓力?[31]。

3.綠色金融效應。環境質量p：較其他變量而言，環境污染強度對綠色金融產生的拉動（“倒逼”）作用最為顯著。體現為前者每上升一個百分點，后者隨之增加2.0984個百分點。當環境污染惡化，綠色金融將受到國家綠色環保政策的支持，有助于上市企業降低綠色融資成本，增加融資渠道，分散經營風險，優化資產負債結構，企業、金融機構將追加綠色金融的投入。

綠色金融滯后一期gf（-1）：該指標估計系數顯著為正，表明增加一單位的綠色金融投放對當期與滯后一期的環境質量改善同樣具有減排效力，當期綠色金融投放對滯后一期的減排效力高于對當期的減排效力。潛在因素是當期綠色金融對環境質量發揮減排效力后形成環境治理能力。前者表現為資金的審計和資金的到位需要時間，后者表現為治理能力的形成到充分發揮作用需要時間，兩期綠色金融存在一定的時間差，類似于宏觀經濟變量的時滯效力。

4.穩健性檢驗。為確保估計結果及分析結論的可靠性，在上述分析的同時，文中采用3SLS估計經濟增長、環境質量與綠色金融構成的面板數據聯立方程，檢驗了西北五省區相關變量間的邏輯關系（如表2所示），估計結果顯示與文中基本分析結論一致，具有較好的穩健性。

（三）西北五省區間的省際差異

西北五省區環境變化與經濟增長、綠色金融之間關系未必一致，因此將樣本總體分為陜西、甘肅、青海、寧夏和新疆五個子樣本，分別對聯立方程進行估計，回歸結果見表3—5。

通過比較可知，在經濟增長方程（模型Ⅰ）中，西北五省區的p系數顯著為正，這與西北地區整體情況一致

合理的解釋是，環境污染對經濟增長的正向影響的背后，因果是經濟增長較依賴高污染產業行業，以及生產資料等投入使用低效（見前文對西北地區分析）。;各省區綠色金融對經濟增長的效應表現不一，陜西、甘肅、青海、寧夏四省區系數顯著為正，說明綠色金融對經濟增長產生一定促進作用;新疆的綠色金融投放對當地的經濟增長產生負向作用。潛在成因有以下可能

不排除在所選數據樣本期間，由于更復雜的原因使相關省份經濟增長受到抑制。：一是新疆的綠色金融是“非生產性”的，即產出效應低于環境效應;二是綠色金融不僅是“非生產”的，而且一定程度擠占了生產性投資資金;三是綠色金融投入生產領域的資金要素生產率較低。

從污染排放方程（模型Ⅱ）的回歸結果發現：經濟增長對污染物排放起決定性影響，西北地區除寧夏外，其余四省區的回歸結果顯示在初始階段污染物排放強度隨著經濟增長先下降，待跨越收入水平的某一點（轉折點1）后呈上升趨勢，接著又經過一定水平（轉折點2）出現下降狀，與西北地區整體的EKC形態相吻合，接近倒“N”型。其中寧夏β1<0，β2>0，β3→0，曲線呈現U型，表明環境污染強度與經濟增長之間不完全符合EKC所揭示的演化軌跡。工業化水平與各省區污染排放強度呈現顯著正相關。新疆與陜西在西北地區工業最為發達，且高污染的重工業企業較多，污染強度受工業化水平增長的影響也最為顯著，工業化水平每增長1%，環境污染強度分別增加2.30%、1.93%;工業化水平每增加1%時，青海污染強度加劇1.23%，甘肅、寧夏工業化水平對環境污染強度影響較小。與西北地區整體情況類似，除新疆外，其他四省區城鎮化水平指標對環境質量影響不顯著。

在環境治理方程（模型Ⅲ）中，西北五省區綠色金融隨著該地區環境質量變化產生極為敏感的波動，整體表現為地區環境對綠色金融的迫切需要。環境污染排放強度每加重1個百分點，陜西、甘肅、青海、寧夏、新疆的綠色金融投放分別增加7.8825、3.7033、7.9549、6.9240和3.2746個百分點，說明西北地區多為資源大省，綠色企業占比較多，環境惡化一方面促使西北地區企業追加投資，提高環保技術能力;另一方面，環境規制強度會隨環境惡化而加強，進而帶動綠色企業的投融資增加。

西北五省區的lngdp系數顯示除青海外，其余四省經濟增長對綠色金融的投放有拉動作用，但作用遠小于環境污染對綠色金融的影響，陜西經濟增長引發綠色金融投放的增幅最大（1.57%），甘肅、寧夏和新疆三地區的該估計效應較小。西北五省區綠色金融的滯后一期對多數地區的當期投入產生正向效應。

由此可見，西北地區分樣本實證結果與全樣本結果基本吻合：陜西、甘肅、青海及新疆四省區部分地符合EKC假說（呈倒N型）。寧夏則為U型，不符合EKC假說。在環境治理方程中，環境污染對綠色金融的效應雖與西北地區一致（正向顯著），但其效力大于西北地區整體情況。

（四）環境變化轉折點趨勢預測

一些學者通過理論推演給出EKC曲線存在的條件，在具體的統計分析中通常采用簡約式方程驗證EKC在各個領域的存在性。將式（17）作如下簡化：

yit=β0+β1xit+β2x?2it+β3x?3it+β4zit+μit（20）

式（20）中，y和x分別替代環境質量p和經濟增長lngdp;z為其他影響環境質量的變量;其他各符號指代意義同前。EKC拐點的測算是根據表4各指標的最優擬合模型求取。當β1<0且β2>0，β3→0時，最優擬合模型為二次函數模型，則根據拋物線性質，求取其頂點作為EKC拐點：

x=-β1/2β2。因前文設x=lngdp，即拐點處

gdp=e?-β1/2β2;當β1<0，β2>0，β3<0時，β?22-3β1β3>0，最優擬合模型為三次函數模型，則通過對三次方程進行求導后計算三次曲線的最大值和最小值為轉折點

三次函數的拐點與本文所稱EKC拐點意義并不相同，其余三次函數的最大值、最小值等概念也不相同。經分析，EKC拐點與三次函數的最大值、最小值意義相近，故稱轉折點。。此時曲線有兩個拐點

x=（-β2±β?22-3β1β3）/3β3，即拐點處

gdp=e?（-β2±β?22-3β1β3）/3β3。由此計算出西北五省區各拐點處的人均GDP水平，可就此估算實現經濟增長、污染排放降低及綠色金融協調發展所需時間。表6中“轉折點2”即污染排放越過峰值之后呈不斷下降趨勢，實際也是判斷各省區發展比照可以實現我國在《巴黎協議》所做承諾的一個預測。由于區域經濟發展存在異質性，導致區域污染排放出現拐點的時間也不盡相同，西北各省區的污染物排放達到峰值的時間也有異。表6顯示，西北五省區均已超過第一個轉折點，青海率先進入污染增長區間，甘肅則最后進入。除寧夏外，其余四省區均在2029年前到達污染物排放下降轉折點，即污染強度達最大值

說明除寧夏外西北四省區均可實現我國2015年6月根據國際氣候議程《巴黎協議》提交的中國國家自主決定貢獻文件中所做承諾，即到2030年左右二氧化碳排放達到峰值，并爭取盡早實現。。

（五）對計量結果的進一步分析

長期而論，西北五省區環境污染強度與人均GDP高度相關，說明改革開放以來西北地區總體上存在著經濟增長與環境質量變化的同步性，即在經濟高速增長期間環境污染加劇，經濟增長減速時環境惡化得以緩解，或環境質量有所改善。在認識上需要注意的是，即使在經濟增長而環境質量持續改善情況下，不意味著在推動經濟增長過程中可以放任環境變化而“自然”達到環境優化目標。階段性地向“環境友好”型經濟增長變化，是由于環境規制、經濟結構、技術進步以及重視生態問題的社會理念對改良環境形成系統性的“裝置”或基礎設施，仍須持續鞏固并進一步優化此種“裝置”。

通過對西北五省區基于環境污染綜合指數變化的EKC驗證發現，現有證據部分地證明EKC的存在，EKC確實揭示出環境污染強度隨經濟發展而下降的分布和演變規律。部分省區（陜西、甘肅、青海、新疆）的EKC若合并連接服從EKC趨勢;或者不再服從EKC（寧夏），趨勢為與倒U完全不同的U型。這是因為一方面，EKC模型的設定有嚴格的假設前提，當放松其約束條件而加入新的變量后，或者改進和拓展原模型，有可能改變原模型所設定的前提。另一方面，統計與計量模型要求有較大的樣本容量，統計檢驗的效果相對更明顯。由于西北五省區的相關樣本采集范圍較小，導致部分統計效果不明顯。

同時考慮到各變量、指標、數據在樣本期的可得性，西北地區總體及除寧夏以外四省區環境質量與經濟增長的關系服從倒N型，也可視為U+倒U型。倒U型曲線是U型曲線的延續，當U型曲線右半部分上升到一定階段，將會出現第二個拐點，從而出現倒U型階段。影響EKC形狀改變及各次拐點出現的因素有下述三個維度：其一，經濟結構內生機制及其相應的經濟增長方式;其二，受經濟發展階段收入水平、人類普遍的生態理念所制約或誘致的制度變量;其三，生產體系以及環境治理與生態安全的技術進步程度。設若陜西、甘肅、青海、新疆四省區同時處于經濟增長而環境惡化的階段（按表6提供“拐點”數據及其出現時間節點即如此），則四省區面臨推動經濟增長將會惡化環境質量的兩難選擇，面臨這一壓力的必然選擇是加快經濟結構調整，加大節能減排措施的力度，強化政府、企業環境責任，最大限度降低經濟增長對環境的壓力。計量驗證揭示出寧夏經濟增長路徑向生態環境與經濟協調發展的收斂不具有自發性，說明政府必須采取系統性的降低環境壓力的規制和政策，從經濟結構、能源規模與效率、生產體系的技術裝備等多途徑改變經濟增長與環境變化的內在連結結構。

五、結論與政策建議

本文將綠色金融引入EKC研究框架，構建包含產出方程、污染排放方程及污染治理方程在內的面板數據聯立方程，編制環境綜合指數并實證檢驗了綠色金融在區域發展及區域間經濟活動中作用于環境污染的綜合交互效應。研究結果表明：西北地區除寧夏以外，在綠色金融等因素共同作用下環境綜合指數變動趨勢符合EKC倒“N”型曲線，比照我國在《巴黎協定》做出的“在2030年達到CO2排放峰值”的減排承諾，四省區亦可在2030年以前達到環境綜合指數峰值，從而向低環境污染轉換。寧夏的環境綜合指數變動趨勢不容樂觀，主因應該是其氣候條件差以及能源結構中使用煤炭資源比重較大。綠色金融與環境污染間雙向關系反映的是其背后的政策機制的作用，即產業政策存在很大程度的對污染行業、傳統能源結構的“容忍度”，即產業政策規避了污染問題。綠色金融對環境變化正向效應顯現，但作用尚不明顯，問題在于綠色金融投入規模有限，發揮綠色金融對優化生態環境的規模經濟效應仍具有很大發展空間。

樣本期經濟增長呈現出的加劇環境惡化效果，其潛在原因一方面表明遠超環境承載力的污染排放強度已然產生。從生產層面來看，我國煤炭基地在干旱半干旱的西北地區分布較多，能源礦、金屬礦及化工礦等產量均占全國30%以上。西北地區雖然環境容量較大，但陜西、新疆、甘肅都分布有較多SO2污染較重的城市。從行業分布看，西北地區屬資源富集地區，以原料導向型與動力導向型企業為主，工業產值中重工業占第二產業比重日趨增加。如陜西2017年重工業占第二產業比重高達81%，煤炭在能源消費中占比90%，遠高全國60%的平均水平，隨之產生的一次PM2.5、氮氧化物（NOx）、揮發性有機物（VOCs）及氨氣（NH3）等污染物排放量仍遠超環境容量。

在耶魯大學等單位發布的2016年全球環境績效指數排名中，中國減緩環境變化的績效表現良好，成為在過去十年唯一達到減緩碳排放增長率的國家，應對環境變化的努力應該充分肯定。但是，中國減緩環境變化的行為目前還主要是政府推動，改善環境的綠色金融市場體系和系統完備的綠色金融制度還遠未建立，需要積極構建具有中國特色的綠色金融體系，加快發展綠色信貸、綠色證券和綠色保險市場，有效提升綠色金融投資回報率，明顯擴大綠色融資規模。結合本文研究提出以下建議：

第一，在國家層面進一步發揮財政政策對促進綠色金融發展的重要作用。在增加財政環保支出規模同時，尤為重視財政渠道對社會資本進入綠色投資領域的撬動和虹吸功能，以有限財政資金引導信貸資金、社會資本進入綠色投資領域。可以將對環保、污染治理、新能源等行業企業的財政補貼調整為財政貼息;由財政出資控股設立綠色產業投資基金，重點解決形成我國主要污染源的產業結構、能源結構和交通結構中的環境問題。

第二，對西北等經濟欠發達地區綠色金融發展給予政策扶持。西北五省區面積占全國的30%，總體生態環境脆弱，企業綠色指數低于其他地區，但區域生態環境對全國具有很強外部性（正或負），青海三江源生態環境治理工程即是對全國生態環境具有正外部溢出效應的典型例證。對西北地區綠色金融的政策扶持包括采取財政貼息增加綠色信貸規模，降低綠色債券、綠色基金、綠色保險的發行與交易門檻，促進政府與社會資本向綠色產業聯合投資（綠色PPP）。西北地區新能源上市公司融資規模和資本收益率普遍低于東部，對西北地區新能源等綠色概念公司上市發行股票（IPO）以及通過增資擴股、發售債券形成規模經濟應予以優先支持。

第三，在西北地區深入探索內陸綠色金融供給側改革，構建政策支持引導和多方主體參與的綠色金融市場體系。我國綠色金融供需矛盾突出，據測算我國在“十三五”期間每年綠色投資需求在3～4萬億元之間，綠色金融缺口將主要從市場得以彌補。2018年2月國務院批復發布《關中平原城市群發展規劃》，提出關中平原城市群要加快在內陸生態文明建設先行區等戰略定位上實現突破，明確要把西安打造成為西部地區重要的經濟中心和絲路經濟帶規模最大的國際物流樞紐。由此，在全國金融市場結構區域布局上可以考慮將西安作為西北乃至國家層面綠色金融要素集聚城市，對內陸地區構建綠色金融市場體系進行探索，包括設立專業性綠色信貸銀行、綠色資本市場、綠色保險機構、綠色金融衍生品市場等綠色金融基礎設施，制定和完善促進綠色金融發展的市場規則和監管框架。

參考文獻：

[1]?Meadows D S， Meadows D L， Randers J， Behrens W W. The limits to growth[M]. New York： Universe Books， 1972.

[2]?Grossman G M， Krueger A B. Environmental impacts of a North American Free Trade Agreement[R]. NBER Working Paper No.3914， 1991.

[3]?Panayotou T. Empirical tests and policy analysis of environmental degradation at different stages of economic development[R]. Geneva： World Employment Programme Research， Working Paper No.238， International Labour Office， 1993.

[4]?Dinda S， Coondoo D， Pal M. Air quality and economic growth： An empirical study[J]. Ecological Economics， 2000， 34： 409423.

[5]?Friedl B， Getzner M. Determinants of CO2 emissions in a small open economy[J]. Ecological Economics， 2003， 45： 133148.

[6]?Holtz?Eakin D， Selden T M. Stoking the fires？CO2 emissions and economic growth[J]. Journal of Public Economics， 1995， 57： 85101.

[7]?胡宗義， 劉亦文， 唐李偉. 低碳經濟背景下碳排放的庫茲涅茨曲線研究[J]. 統計研究， 2013（2）： 7379.

[8]?Torras M， Boyce J. Income， inequality， and pollution： A reassessment of the Environmental Kuznets Curve[J]. Ecological Economics， 1998， 25（2）： 147160.

[9]?Stern D I， Common M S， Barbier E B. Economic growth and environment degradation： The Environmental Kuznets Curve and sustainable derelopment[J]. World Development， 1996， 24（7）： 11511160.

[10]Tamazian A， Chousa J P， Vadlamannati K C. Does higher economic and financial development lead to environmental degradation： Evidence from the BRIC countries[J]. Energy Policy， 2009， 37： 246253.

[11]Sadorsky P. The impact of financial development on energy consumption in emerging economies[J]. Energy Policy， 2010， 38： 25282535.

[12]Zhang Z， Ren X. Causal relationships between energy consumption and economic growth[J]. Energy Procedia， 2011， 5： 20652071.

[13]Shahbaz M， Lean H H. Does financial development increase energy consumption？The role of industrialization and urbanization in Tunisia[J]. Energy Policy， 2012， 40： 473479.

[14]Gantman E R， Dabos M P. A fragile link？ A new empirical analysis of the relationship between financial development and economic growth[J]. Oxford Development Studies， 2012， 40（4）： 517532.

[15]Lee J M， Chen K H， ChoC H. The relationship between CO2 emissions and financial development： Evidence from OECD countries[J]. Singapore Economic Review， 2015， 60（5）： 155172.

[16]Omri A， Daly S， Rault C， Chaibi A. Financial development， environmental quality， trade and economic growth： What causes what in MENA countries[J]. Energy Economic， 2015， 48： 242252.

[17]Jeuchen M. Sustainable finance and banking： The financial sector and the future of the planet[M]. London： Earthscan Publication， 2001.

[18]OECD. Trends in environmental finance in Eastern Europe， Caucasus and Central Asia[C]. Paris： Tenth meeting of the EECCA environmental finance network， 2007， Document 9.

[19]Omri A， Nguyen D K， Rault C. Causal interactions between CO2 emissions， FDI， and economic growth： Evidence from dynamic simultaneous?equation models[J]. Economic Modelling， 2014， 42： 382389.

[20]Ang J B. Economic development， pollutant emissions and energy consumption in Malaysia[J]. Policy Model， 2008， 30： 271278.

[21]Stern D I. A multivariate cointegration analysis of the role of energy in the US macroeconomy[J]. Energy Economics， 2000， 22： 267283.

[22]Pereira A M， Pereira R M M. Is fuel?switching a no?regrets environmental policy？VAR evidence on carbon dioxide emissions， energy consumption and economic performance in Portugal[J]. Energy Economics， 2010， 32： 227242.

[23]孫葉飛， 周敏. 中國城鎮化、產業結構高級化對CO2排放的影響——基于獨立效應和聯動效應雙重視角[J]. 資源科學， 2016（10）： 18461860.

[24]Dean J M. Testing the impact of trade liberalisation on the environment： Theory and evidence[C]. Fredriksson P G.， Trade， global policy and the environment. World bank discussion paper No.402 1999.

[25]Soukhanov A H. The American Heritage Dictionary （the 4th Edition）[M]. Houghton Mifflin Company， Boston， 2000.

[26]張軍， 章元. 對中國資本存量K的再估計[J]. 經濟研究， 2003（7）： 3543.

[27]Soytas U， Sari R， Ewing B T. Energy consumption， income， and carbon emissions in the United States[J]. Ecological Economics， 2007， 62（3/4）： 482489.

[28]Omri A. CO2 emissions， energy consumption and economic growth nexus in MENA countries： Evidence from simultaneous equations models[J]. Energy Economics， 2013， 40： 657664.

[29]世界銀行. 1992年世界發展報告： 發展與環境[M]. 北京： 中國財政經濟出版社， 1992.

[30]彭水軍. 經濟增長與環境污染——環境庫茲涅茨曲線假說的中國檢驗[J]. 財經問題研究， 2006（8）： 317.

[31]高峰. 中國省際環境污染的空間差異和環境規制研究[M]. 北京： 經濟科學出版社， 2016.

責任編輯、校對： 李再揚

Green Finance， Economic Growth and Environmental Change：

Is it Possible for the Environmental Index in the Northwest to Fulfill the “Paris Agreement”？

LIU Sha?1，2， LIU Ming?1，2

（1. Northwest Institute of Historical Environment and Socio?Economic Development， Shaanxi Normal University，

Xian 710119， China; 2. Financial Research Institute in Shaanxi Normal University， Xian 710119， China）

Abstract：This paper structures a panel simultaneous equation model based on the input?output model and the EKC hypothesis by using green environmental protection concept company subsample on the stock market as the overall substitute variable of green finance， constructs comprehensive index of environmental quality system to reflect and judge the relationship among green finance， environmental change and economic growth， predicts the peak time （inflection point） of environmental composite index in Northwest China regarding commitment of CO2 emission reduction in the Paris Agreement at the national level. The results show that the interaction exists among economic growth， environmental quality and green finance. Green finance has a positive effect on environmental change， but its action is low. The variation trend of environmental comprehensive index accords with the inverted “N”?shape EKC in Northwest China except for Ningxia under the influence of green finance and other factors. In contrast to Chinas emission reduction commitment “ to reach the peak of CO2 emissions in 2030”， it can also reach the peak of the comprehensive environmental index before the same time node to convert to low environmental pollution in general. To further develop the scale effect of green finance on improving the ecological environment， it is suggested to lower the threshold of green finance in Northwest China， promote the joint investment of government and social capital into the green industry. Taking Xian as a green financial agglomeration city actively constructs the green financial market system in an inland area.

Keywords：Green finance; Economic growth; Environmental quality; Environmental change; Emission reduction; Environmental Kuznets Curves （EKC）; Panel simultaneous equation model; Northwest regions