金融供給促進綠色發展實證研究

摘要：促進綠色發展是我國金融供給側結構性改革的核心內容之一。本研究選取了2004-2015年30個省、自治區、直轄市的面板數據從中計算出各省的綠色發展指數并運用空間杜賓模型分析了金融供給對綠色發展的作用。實證結果顯示：在直接效應方面，儲蓄動員作用、貸款導向作用、政策金融作用、直接金融作用的變量系數均顯著為正，其中儲蓄動員作用最大;在間接效應方面，金融供給變量系數為負。

關鍵詞：金融供給;綠色發展指數;空間杜賓模型

中圖分類號：F830? ? 文獻標識碼：A

文章編號：1005-913X（2020）05-0095-05

一、引言

在我國“十三五”規劃中，供給側結構性改革是貫穿始終的主線，其旨在通過技術進步和制度創新，提高全要素生產力、促進產業升級、調整經濟結構。宏觀調控政策的側重點從“總需求”到“總供給”的轉變，說明了我國更加注重長期乃至超長期的經濟增長潛能和質量從而實現經濟社會的可持續發展的戰略意圖。供給側結構性改革給金融業的發展帶來了機遇和挑戰。習近平總書記在2019年初主持的“完善金融服務、防范金融風險”會議上提出了“深化金融供給側結構性改革”的方針，其核心內容是提高金融供給的質量，滿足實體經濟特別是“新的經濟增長動能”（“新的經濟增長動能”包括五個方面：低效率部門的改進，低收入階層的收入增長和人力資本的提升，消費結構和產業結構的升級，互聯網、大數據、人工智能等全球科學技術前沿地帶，以及綠色發展。）的資金需求，以保持6%以上的GDP增長率并實現高質量發展。其中，綠色發展作為中國經濟的一個新增長點是從金融供給面應予支持的重要領域。綠色發展需要大量資金，中國2015-2020年對綠色投資的需求為每年3萬億到4萬億元人民幣，根據我國的財政現狀，財政資金僅能滿足10%到15%的綠色投資需求，其他只有依賴金融市場來解決。在綠色發展過程中，金融供給的作用日益突出。

現有的理論和實證研究集中于金融發展對經濟增長的影響研究（談儒勇，1999[1];米建國、李建偉，2002[2];武志，2010[3];周立、雷中豪，2019[4]），主要從金融結構（王志強、孫剛，2003[5];林毅夫、章奇、劉明興，2003[6];王向楠、王超，2018[7];劉培森，2018[8]），金融功能（范方志、張立軍，2003[9];沈軍、白欽先，2006[10];彭俞超，2015[11];楊堅，2017[12]），金融集聚（余泳澤、宣燁、沈揚揚，2013[13];李林、丁藝、劉志華，2011[14];孫建國、高巖，2019[15]）等視角探討對經濟總量增長的作用，但對經濟發展的質量關注不夠。金融對綠色發展的作用以及影響路徑的實證研究迄今仍是空白。

我國的綠色金融起步很早，在金融供給側結構性改革的戰略方針提出之前，加強金融對綠色發展的支持已經在落實過程中。從本世紀初起，各金融機構先后設立環境監查部門，在日常的經營活動中加入了污染治理及生態環境保護的要素。在我國，金融供給是否滿足了綠色發展的資金需求，從而促進了綠色發展？金融供給影響綠色發展的路徑是什么？這是本研究將要回答的兩個問題。

現選取2004-2015年30個省、自治區、直轄市的面板數據，估計出各省的綠色發展指數;從金融供給的四個方面分析了對綠色發展的直接和間接效應;并檢驗了金融供給影響綠色發展的傳導機制;最后基于實證研究結論，提出了促進綠色發展并深化我國的金融供給側結構性改革的政策建議。此外，運用空間杜賓模型代替通常的OLS模型進行計量分析，估算出了金融供給因素影響本地區的直接效應以及對周邊地區產生的空間溢出效應，即間接效應。

二、機制分析與研究假說

伴隨著經濟的全球化，金融系統日趨龐大和復雜，但金融的原點是連接儲蓄和投資的橋梁，即促使儲蓄者的閑散資金通過銀行中介（間接金融）或購買股票、債券（直接金融）流向需要資金的投資者。投資者在利用獲得的資金進行生產并創造附加價值的同時給資金所有者帶來利息回報。人們不斷地推進金融創新以減少風險和交易費用，使得資金從儲蓄流向投資的過程更加有效率。

資金有逐利性和可互換性（funGIbility），即資金的用途難以特定，最終流向利率減去風險貼現率最大的項目，從而獲得最大盈利。因此，綠色市場的形成和盈利能力是資金流入的關鍵。圖1是金融供給影響綠色發展的機制示意圖。

[圖1 金融供給影響綠色發展機制分析]

本研究借鑒已有文獻（白欽先、譚慶華，2006[16]）以金融系統的基本功能作為研究的起點，從儲蓄、貸款、直接金融和政策金融四個方面研究金融供給對綠色經濟的作用：第一，儲蓄動員作用，衡量一個地區儲蓄轉化為投資的潛力;第二，貸款導向作用，貸款導向作用越大意味著本地區可獲得的投資資金越多;第三，直接金融作用，綠色投資主體通過證券市場發行、交易股票和債券籌集資金的能力;第四，政策金融作用，政策性金融機構通過提供低息或無息貸款扶持綠色產業發展。

金融供給一方面可以為環境技術進步提供資金支持（孫伍琴、朱順林，2008[17];葉耀明、王勝，2007[18]），另一方面金融業務為資金的使用提供風險控制和防范方法，從而有效地降低技術創新風險，促進了企業節能減排并降低企業的生產成本，提高了生產率，最終達到環境績效和經濟績效的統一（易信、劉鳳良，2015[19];錢水土、周永濤，2011[20];楊東寧、周長輝，2004[21]）。在此過程中，環境制度創新至關重要，其核心內容是政府通過“命令—控制型”的行政手段和“財稅激勵型”的經濟手段來分擔風險、降低交易成本，引導資金流向綠色產業。

我國從本世紀初起高度重視經濟的可持續發展并倡導綠色金融。具體來講。第一，目前已先后出臺了一系列綠色經濟發展的法律法規，規范金融機構和企業的經營行為，大幅減少了向高污染企業的資金流入;第二，提供給綠色產業諸多的財稅優惠，不但給予相關企業減免稅、貸款貼息、信用擔保、貸款豁免等支持，而且對開展綠色金融的金融機構也有減稅、貼息、貸款收購等優惠，兼顧了企業和金融機構雙方的利益，在促進綠色產業發展的同時，減輕了金融系統的風險和壓力;第三，我國目前建立了以政府為導向，產業金融等參與的協同運作機制，參與方可通過交流信息聚焦支持重點，這是金融相對于制造業或科技行業從“局外人”向“局內人”的轉變，既可協同控制風險又可獲得相應收益;第四，環境技術的進步降低了綠色生產的成本，使得綠色產業獲得了較高的盈利能力;第五，隨著人均所得的增加，人們對綠色產品的需求旺盛，綠色市場規模的擴大又促使資金不斷流進。

基于上述我國綠色金融和綠色產業發展的現實，本研究提出：

假說一：本地區金融供給能夠通過儲蓄動員、貸款導向、直接金融和政策金融這四方面促進本地區環境技術進步和制度創新，加快綠色市場形成，進而推動本地區的綠色發展。

假說二：由于金融具有極化效應和擴散效應（ Perroux（1988）提出的增長極理論解釋了區域金融聚集的形成與發展，認為金融資源及其驅動的各要素向中心城市聚集，形成區域金融增長極，而區域金融增長極通過支配效應、乘數效應、極化和擴散效應對區域金融活動產生了重要的作用。在區域金融增長極的形成階段，以極化效應為主;而在成熟階段，則以擴散效應為主。），上述機理還存在空間溢出效應，即對于其他地區的環境技術進步、環境制度創新以及綠色市場的形成產生影響，促進或者抑制其他地區綠色發展。

三、綠色發展指數評價體系綜合測度

綠色發展是兼顧經濟增長與環境保護的發展，本研究建立綠色發展指數（GI）來衡各省的綠色發展狀況。參考已有文獻（田澤、魏翔宇、丁緒輝，2018[22];王勇、李海英、俞海，2018[23];李琳，楚紫穗，2015[24]），綠色發展指數從三個維度來考量：產業綠色度，環境容納量和政府扶持力。其中產業綠色度包括增長潛力和增長效率;環境容納量包括資源豐裕度和環境破壞度;政府扶持力包括環境治理和基礎設施（表1）。

本研究采用主成分分析法進行了估算（對于數據處理過程如下：KMO值為0.751大于0.7;采用原始變量的負數對負向指標進行正向化;由特征值的累計百分率確定方差貢獻百分數80%，確定選擇主成分個數M=7，因而，可以提取7個主成分替代上述25個指標變量。） ，總體上，綠色發展指數呈上升趨勢，東部地區最高而西部地區最低（圖2）。

四、金融供給影響綠色發展的實證分析

（一）變量選取和計量模型設定

1.相關性分析與計量模型的選取

（1）全局空間相關性分析

在分析綠色發展指數的空間溢出效應之前，首先需要檢驗其空間相關性，全局空間相關性的測度指標一般采用莫蘭指數。其計算公式如下：

其中，X為綠色發展指數，i和j分別代表i省和j省份，n為樣本量，是地理距離矩陣，各省份間往往通過地理距離的遠近來產生空間互動效應，因此，根據除西藏、香港、澳門、臺灣外中國30個省會城市或直轄市的經緯度坐標計算地區i和地區j的地理距離，設定2為地理衰減參數，得到地理距離矩陣。

我們運用空間自相關指數（指數值取值范圍在-1到1之間。在給定顯著性水平下，值大于0表示正相關，小于0則表明負相關;若值接近于0，則表明觀測值在空間上呈隨機分布或不具有空間相關性。）檢驗綠色發展指數的全局空間自相關性，借助 Matlab軟件，檢驗結果如下表4結果顯示指標具有顯著的空間自相關性（1%水平下顯著），故可以運用空間計量模型進行分析。

（2）模型選取與設定

經相關性分析，確定可采用空間杜賓模型進行回歸分析，計量模型的方程式設計為：

其中，GI為被解釋變量綠色發展指數。方程式右邊第一項為空間自回歸矩陣，ρ為空間自回歸系數;第二項為四個核心解釋變量和其它控制變量;第三項為地理距離矩陣，|è為外生變量的溢出效應;ε為殘差。

2.變量選取與數據來源

（1）變量選取

A.被解釋變量：GI

B.四個核心解釋變量（金融供給的四個方面）：

儲蓄動員作用（S_P）：選用人均存款來衡量，即金融機構年末存款總額與年末人口數比值。用以衡量潛在的投資能力，是金融供給的基礎。考慮到儲蓄轉化為投資需一定的時間，此處采用滯后兩期數據，經擬合效果更佳。

貸款導向作用（G_L）：參考黃建歡（2014）等[25-28]的思路，用（當地中長期貸款總額占全國中長期貸款的比重）/（當地GDP占全國GDP的比重）來計算，該比值越高表明該地貸款導向作用越大。

政策金融作用方面（PF）：用政策銀行貸款余額占環境污染治理投資總額比重來作為代理變量，該值越大政策金融作用越大。

直接金融作用（DF）：股票融資和債券融資之和占社會融資額的比重，該值越大直接金融作用越大。

C.用于穩定性檢驗時的替代金融供給的兩個解釋變量

金融效率（FE）：金融機構將儲蓄轉化為貸款的效率衡量城鎮居民儲蓄余額/金融機構年末貸款余額，該值越大金融效率越高。

金融規模（FS）：金融機構年末貸款余額/GDP，該值越大，金融規模越大。

（2）數據來源

選取中國2004-2015年30個省、自治區、直轄市面板數據作為樣本進行研究（西藏、香港、澳門、臺灣由于較多數據缺失被剔除掉），主要數據來源如下：《中國統計年鑒》《中國金融年鑒》《中國人民銀行統計季報》《中國環境統計年鑒》《中國環境年鑒》和《中國人民銀行區域金融運行報告》。個別缺失值由上一年和下一年平均計算。表3給出了各變量的描述性統計。

（二）空間計量模型估計與結果說明

1.模型選定

為確定空間面板模型的形式，還需要用Wald統計量來驗證SDM是否可以被弱化為SAR和SEM。用SDM進行回歸分析并檢驗假設。Wald Spatial lag，Wald Spatial error均通過顯著性檢驗，說明SDM 模型不能弱化為SEM和SAM模型，應采用空間杜賓模型（SDM），而且Hausman檢驗（0.9928）表明應使用隨機效應模型。

2.模型估計結果

選定計量模型，對隨機效應SDM進行直接效應，間接效應和總效應的分解。

（1）直接效應

直接效應反映了本地區解釋變量對被解釋變量的影響。由SDM回歸結果可以看出（表4第1列）：S_P、 G_L、DF、PF變量系數均顯著為正，說明金融供給促進了本地區的綠色發展，初步驗證了本研究假說一。

（2）間接效應

間接效應衡量了本地區解釋變量對其他地區被解釋變量的影響（表5第2列）： G_L，S_P，DF，PF變量系數為負但不顯著。

3.標準化檢驗

由于幾個核心解釋變量的衡量視角不一致，上述模型還不能直接比較數值的大小。為進一步探究各代理變量的相對重要性，現采用標準化回歸系數的方法，即在回歸之前對變量進行歸一化。由于被解釋變量已經做過標準化，在本節中將解釋變量進行標準化，從而得到相對應的標準化SDM系數。下面主要比較系數顯著的解釋變量的重要性（表4）。

總體來看，就直接效應來看（表4第5行），核心解釋變量中S_P的絕對值1.158最大，它變化一個單位將導致區域綠色發展指數變化1.158個單位。且顯著性水平為1%，表明儲蓄動員作用對區域綠色發展指數影響較大。總效應來看，也是儲蓄動員作用顯著為正，且影響最大。

（三）穩健性檢驗

仍然使用式空間杜賓模型（方程式3），將原來的四個核心解釋變量更換為金融效率（FE），直接金融（DF）和金融規模（FS）來驗證穩健性。

表5為估算結果。在直接效應方面，三個核心解釋變量的系數均為正，其中DF和FS的系數顯著，表明金融供給確實可以明顯提升當地綠色發展水平，這與前文結論一致。

五、結論與政策建議

本研究從金融地理學出發，為金融供給如何促進綠色發展提供了一個全新的研究視角。主要結論是：第一，儲蓄動員作用、貸款導向作用、政策金融作用和直接金融作用對于本區域的綠色發展均產生了顯著的正向影響，其中儲蓄動員作用和貸款導向作用的效果相對較大。第二，金融供給對于其他地區綠色發展有抑制作用。

基于實證研究的結果，提出如下金融供給促進綠色發展的政策建議。第一，加大直接融資的比例，打破以信貸為主的融資體系，通過發行短期融資券，結構性融資，股權融資等方式多渠道融入資金。第二，加大政策性銀行的支持，以彌補商業銀行信貸不足的缺陷。目前我國國家開發銀行與其他機構合作構建有綠色項目環境經營評價體系，對不同行業的綠色信貸評價指標和測算模型。今后，應不斷優化此體系，通過優化了的評價體系對申請綠色信貸的公司進行評價，根據評價結果確定可授信的額度。另外，三家政策性銀行應在綠色信貸方面開展有效合作，比如三家政策性銀行應在國開行綠色項目環境經營評價體系的基礎上，共同構建兼具共性與個性的環境經營評價系統，建立綠色金融信息共享平臺。

我國金融供給側結構性改革的核心是滿足實體經濟對金融服務的需求，促進技術進步和財富創造。由于資金的趨利性和可互換性，資金很容易流向“投機”。在日本泡沫經濟時期，許多企業向銀行借入的生產性貸款不是用于設備、原材料等的投資，而是用于投機，流入了股票和房地產市場。儲蓄沒有流向投資和實體經濟，而是流向投機，這就是金融危機的實質，反映了不勞而獲的私欲和人性的貪婪（Robert J. Shiller，2012[29];GAO Wen，2015[30]）。因此、當股價和房價背離經濟的基本面時，應主動刺破經濟泡沫，使得投機無利可圖，從而引導資金流向實體經濟，特別是流向包含綠色發展在內的“新的經濟增長動能”。

本研究僅從宏觀層面對金融供給與綠色發展的關系進行了實證研究，采用中觀的行業數據和微觀的企業數據作進一步的分析是今后的研究方向。

參考文獻：

[1] 談儒勇.中國金融發展和經濟增長關系的實證研究[J].經濟研究，1999（10）.

[2] 米建國，李建偉.我國金融發展與經濟增長關系的理論思考與實證分析[J].管理世界，2002（4）.

[3] 武 志.金融發展與經濟增長：來自中國的經驗分析[J].金融研究，2010（5）.

[4] 周 立，雷中豪.中國“金融超發展”與經濟增長動態閾值效應[J].金融經濟學研究，2019（1）.

[5] 王志強，孫 剛.中國金融發展規模、結構、效率與經濟增長關系的經驗分析[J].管理世界，2003（7）.

[6] 林毅夫，章 奇，劉明興.金融結構與經濟增長：以制造業為例[J].世界經濟，2003（1）.

[7] 王向楠，王 超.保險系統性風險及其監管：文獻述評[J].金融評論，2018（2）.

[8] 劉培森.金融發展、創新驅動與長期經濟增長[J].金融評論，2018（4）.

[9] 范方志，張立軍.中國地區金融結構轉變與產業結構升級研究[J].金融研究，2003（11）.

[10] 沈 軍，白欽先.金融結構、金融功能與金融效率——一個基于系統科學的新視角[J].財貿經濟，2006（1）.

[11] 彭俞超.金融功能觀視角下的金融結構與經濟增長——來自1989-2011年的國際經驗[J].金融研究，2015（1）.

[12] 楊 堅.金融功能視角下資源型區域經濟發展方式轉變的實證分析[J].經濟問題探索，2017（10）.

[13] 余泳澤，宣 燁，沈揚揚.金融集聚對工業效率提升的空間外溢效應[J].世界經濟，2013（2）.

[14] 李 林，丁 藝，劉志華.金融集聚對區域經濟增長溢出作用的空間計量分析[J].金融研究，2011（5）.

[15] 孫建國，高 巖.金融集聚對技術進步的影響機制——基于城市與空港經濟區比較視角[J/OL].經濟經緯：1-9[2019-06-27].

[16] 白欽先，譚慶華.論金融功能演進與金融發展[J].金融研究，2006（7）.

[17] 孫伍琴，朱順林.金融發展促進技術創新的效率研究——基于Malmuquist指數的分析[J].統計研究，2008（3）.

[18] 葉耀明，王 勝.金融中介對技術創新促進作用的實證分析——基于長三角城市群的面板數據研究[J].商業研究，2007（8）.

[19] 易 信，劉鳳良.金融發展、技術創新與產業結構轉型——多部門內生增長理論分析框架[J].管理世界，2015（10）.

[20] 錢水土，周永濤.金融發展、技術進步與產業升級[J].統計研究，2011（1）.

[21] 楊東寧，周長輝.企業環境績效與經濟績效的動態關系模型[J].中國工業經濟，2004（4）.

[22] 田 澤，魏翔宇，丁緒輝.中國區域產業綠色發展指數評價及影響因素分析[J].生態經濟，2018（11）.

[23] 王 勇，李海英，俞 海.中國省域綠色發展的空間格局及其演變特征[J].中國人口·資源與環境，2018（10）.

[24] 李 琳，楚紫穗.我國區域產業綠色發展指數評價及動態比較[J].經濟問題探索，2015（1）.

[25] 黃建歡，呂海龍，王良健.金融發展影響區域綠色發展的機理——基于綠色發展指數和空間計量的研究[J].地理研究，2014（3）.

[26] 馬留赟，白欽先，李 文.中國金融發展如何影響綠色產業：促進還是抑制？——基于空間面板Durbin模型的分析[J].金融理論與實踐，2017（5）.

[27] Eyraud L，Clements B，Wane A.“Green Investment： Trends and Determinants”，Energy Policy，2013（6）：852-865.

[28] Li Xiaojian.“Geographical Economy”， 2nd ed. Beiing Higher Education Press，2006（2）.

[29] Robert J. Shiller（2012）：“Finance and the Good Society”Beijing[M]，Princeton University Press.

[30] GAO Wen（2015）： “Going Back to the Basic of Financial Innovations： Learning from Japans Bubble Economy.”Information， International Information Institute. Japan.? 2015（8）：3459-3466.

[責任編輯：王 旸]