我國綠色金融發展與產業結構變化
——基于灰色、耦合與空間聯系網絡的多維視角

■胡懷敏，連思涵

一、引言與文獻綜述

2012年，原中國銀監會印發了《綠色信貸指引》，開始正式構建起以綠色信貸統計制度和考評機制為基石的綠色信貸政策體系，為推行綠色金融和低碳發展戰略提供了良好的政策環境。2015年出臺的《關于構建綠色金融體系的指導意見》則標志著我國綠色發展開始了以政府為主導“從上到下”的生態與金融并行的發展格局。綠色金融現已成為中國推進經濟可持續發展、生態環境建設和產業優化升級的重要改革力量。于各省份特別是經濟生態建設情況嚴峻的省份而言，綠色金融在引導地區產業資金流向、傳導政府綠色政策效應、增強居民低碳環保意識方面的作用巨大，是能引導生產要素和模式的綠色化轉型的關鍵路徑。因此，以綠色金融和產業結構變化為主題，探究我國各省具體發展情況，明確其綠色金融對產業結構變化的關聯程度和影響作用。

Salazar（1998）首次提出“綠色金融”這一強調其金融支持環境保護的金融概念，正式拉開了綠色金融領域的研究大門；隨后的Cowan &Labatt（1998）進一步將綠色金融產品分為綠色債券、綠色發展基金和環境責任保險幾大類，并探討其對環境保護和產業結構的影響機制。國內研究大多從國家宏觀層面出發，研究其對產業結構和經濟可持續發展的影響。顧海峰（2010）認為，金融可同時利用政策和市場兩種手段來從產業選擇、結構合理化和高級化實施三個層面的實現優化調整，然而在省域層面的研究多受制于數據可獲得性，導致學者大量使用綠色信貸構建表征指標來進行區域分析，如徐勝等（2018）通過對31個省份的面板數據進行灰色關聯和面板回歸來分析各省綠色金融對產業結構的影響途徑。錢水土等（2019）則對省際面板數據進行區域和分階段面板回歸，認為綠色信貸能有限地促進產業結構優化。除此之外，部分學者還考慮從金融機構的角度，結合環境效益和風險程度評價機構綠色業務運營水平，董浩允（2020）選用宏觀統計數據來進行指標構建。彭珊（2019）利用因子分析法從資金融通、資源配置、儲蓄投資轉化和風險管理四大功能板塊來構建綠色金融發展的指標體系。孫焱林和陳青青（2019）則使用綠色相關上市企業的綠色金融投入匯總來表征全國各省份的綠色金融發展水平。還有學者引入了耦合模型來研究區域綠色金融與其他發展系統的耦合協調程度。董曉紅和富勇（2018）通過研究發現各區域綠色金融和當地的綠色經濟系統的耦合協調程度呈現逐年上升趨勢。姬新龍和王仕琦（2020）、錢力和呂晴（2020）、邵學峰和方天舒（2021）等人則對綠色金融、產業結構、經濟或生態經濟系統之間做兩兩或三個系統的耦合協調測算，認為綠色金融與其他系統的耦合協調還在初級發展階段，但有很大的發展潛力。

綜上，大部分學者的相關研究在方法上集中于計量模型、灰色分析或耦合測度，在內容上著重分析綠色金融對產業的影響效應大小，鮮有基于整體結構對各省份綠色金融與產業結構發展關系進行討論。因此，本文的創新之處，一方面從各省整體層面出發，分析本地區綠色金融影響產業結構對其他省的溢出效應，并找出起關鍵作用的省份；另一方面引入空間關系網絡法，結合傳統的灰色關聯和耦合協調法，多維度地探討和評價各省份兩系統的發展情況和空間有向聯系，據此提出建議。

二、研究方法與模型建立

（一）灰色關聯分析

灰色關聯分析法被廣泛用于衡量綠色金融發展系統和產業結構變化系統及元素之間的發展趨勢趨同程度。其步驟如下：

第一，明確灰色關聯模型中的參照序列Yi和比較序列Xi。各比較序列與參考序列一一對應，互不干擾。第二，對選定的參照序列和比較序列的原始數據做無量綱化處理，以提高結果精確度。本文將數列均值作為分母對各序列進行標準化處理。第三，計算處理后的幾個比較序列與其所對應的參照序列的絕對差值，形成差值序列，并求出其中的最大差值和最小差值。第四。將求得的差值參數代入到下列的公式中，計算不同時間點的各比較序列與參照序列之間的關聯系數：

其中，Θi（m）表示第i列比較序列在第m個節點上與參照序列的關聯系數；Yi（m）與Xi（m）分別為在不同的時間節點下的參照序列數據和比較數列數據；ε為模型的分辨系數，通常為0.5。

對關聯系數序列求算數平均值，得出各比較序列與參照序列之間的整體關聯度，即為兩者之間的灰色關聯度：

其中，m為年份。

（二）耦合模型測度

采取叢曉男（2019）的方法，從數學經典不等式的角度出發來構建關于綠色金融發展和產業結構變化這兩系統的綜合耦合模型，主要過程如下：

第一，確定模型涉及的兩個系統的表征指標，選擇以熵值法得到的綜合發展指數表示這兩個系統；

第二，構建耦合度函數。耦合度反映系統之間相互影響和制約的程度以及協調發展的動態關聯程度：

其中，C表示兩個系統之間的耦合度大小，U1表示為綠色金融系統的綜合發展指數，U2表示為產業結構變化的綜合衡量指數，k為常數性指數，取為1/2。

第三，引入評價系數T進行調整，得到最終的耦合協調度D，計算函數為：

其中，D表示耦合協調度，T為綜合發展評價系數（為保證客觀性，分別對兩系統的權重系數a，b取值為1/2來進行計算）反映的是綠色金融和產業結構的綜合發展情況。

最后，根據一定標準，將耦合協調評分結果進行評級并評價。

（三）空間聯系網絡

參照董曉紅和年維（2020）的研究，通過構建引力模型來計算我國30個省份的綠色金融對地區產業結構變化的影響程度的空間關聯強度，建立省域網絡矩陣，從空間關聯角度進行探究。本文設定的引力模型如下所示：

其中，Gij就是省份i與省份j之間的綠色金融影響當地產業結構變化的關聯強度；Rij是引力修正系數，用來表示省份i對Gij的貢獻程度，因為研究內容是綠色金融對產業結構變化的影響，所以選擇用省份的綠色金融指數進行測算，反映該省份在綠色金融方面的貢獻力度；LSi和CYi分別表示省份i在綠色金融方面的發展程度和產業結構的變化情況；pi表示省份i的從業總人數，相較于地區常住人口，各省的就業或從業人口在綠色金融和產業結構的動態發展過程中的針對性更強，因此選擇各省份的歷年從業人數作為模型的參數進行計算；Dij表示省份i與省份j之間的地理距離，選用各直轄市、省會城市間的距離來進行表征。

根據網絡矩陣得出對應空間聯系網后，通過度數中心性和中介中心性來分別探究各省份綠色金融影響產業結構程度的大小和對外溢出情況，其中度數中心性通常用與該節點直接相連的點的數量來衡量，與其他節點的聯系越多，就意味著該節點在網絡中就處于比較中心的位置，擁有比較大的度數中心性；而中介中心性是衡量節點控制其他兩點之間的交往，以及充當媒介和橋梁的能力大小。計算公式如下：

其中，j

三、指標選取與數據來源

（一）綠色金融指標

考慮到綠色金融與產業結構方面的數據客觀充分性、可獲得性與詳細程度，綜合選取了中國除西藏、香港、澳門和臺灣外的30個省份來進行數據搜集，并以綠色金融與產業結構作為研究的兩個核心一級指標。其中，綠色金融指標體系由綠色融資規模、綠色財政支出、綠色治理投資、綠色保險程度這4個指標來進行衡量；產業結構指標體系則由產業產值結構、產業單位結構兩個指標進行衡量。

綠色融資（X1）以各省份的年度綠色信貸余額與可查詢到的綠色債券發行額之和與地區生產總值GDP的比值來對綠色融資規模進行計算和表征。綠色財政支出（X2）由各省政府支出中的環境保護、農林水事務、相關科學技術以及國土資源氣象等事務方面的支出總和與地方財政的一般預算支出之比來表示。綠色保險程度（X3），選用地區農業保險對農業生產總值的貢獻程度來近似反映綠色保險的發展程度。綠色治理投資（X4），因環境統計年鑒的環境治理投資數據只統計到2017年，無法滿足對之后年份的研究需求，因此最終以30個省份的年度工業治理投資與林業投資的總額之和與各地區的生產總值的比率來表征各省份的綠色治理投資情況。

（二）產業結構指標

在產業結構的指標體系中，很多研究學者通常會劃分為產業升級指標和產業高級化指標來描述產業結構的演變。綠色金融可以在一定程度范圍內對產業資金的來源和流向進行有效的調節，促使社會公眾資金更多地投向污染低、能耗低、科技程度高的產業中，進而引導產業生產的優化升級。

本文鑒于數據和方法的限制，將各省份的第三產業與第二產業的產值年增加值的比率（Y1），以及各省第三產業的從業人員數與第二產業的從業人員數的年度比值（Y2）來分別作為產業結構的二級指標，以此來表現各省的產業結構變化。

（三）數據來源

文中綠色信貸額的有關數據來源于國泰安CSMAR經濟數據庫和中國銀行業官網等，綠色債券和農業保險的相關數據來源于Wind數據庫，綠色財政支出和治理投資，第二、第三產業年產值數據來源于國家統計局官網、《中國統計年鑒》及各省統計年鑒；第二、第三產業的年度就業人口數來源于Wind數據庫。這些數據中，有部分省份存在少數年份的數據缺失問題，本文綜合了其他學者的處理方法，以線性插值和趨勢線填補法來進行補充完善。

四、實證數據分析結果的研究和討論

（一）各省份綠色金融與產業結構指標的灰色關聯度結果分析

先對用熵值法測算的各省2013—2019年綠色金融系統綜合評分與其第二、第三產業產值占比做一次灰色關聯運算分析，結果如表1。通過對比各省級行政區的綠色金融發展指數和各省份的第二、第三產業的產值比重序列，結合表3展示的內容可知，大部分省份的綠色金融綜合發展與其第二、第三次產業產值占比的灰色關聯結果處于0.5—0.8之間，屬于較高水平的關聯，一定程度上說明各省的綠色金融發展情況與地區的產業產值變化情況存在不錯的協同一致性。綠色金融發展勢頭迅猛，得分較高的北京市、上海市和海南省等地區，其綠色金融與第三產業的產值占比增加的灰色關聯度O1要高于與第二產業產值占比的灰色關聯度O2；但在綠色金融發展勢頭弱于產業結構比值變化的省級行政區內，綠色金融與第二產業的產值變化的灰色關聯度O1要普遍高于與第三產業的產值變化的灰色關聯度O2。

表1 30省份的綠色金融與第二、第三產業比重的灰色關聯度結果

表3 30省份的綠色金融和產業結構變化耦合協調

表3 說明，對于綠色金融發展程度更快更成熟的地區，綠色金融對產業結構優化升級的影響更多地展現在對第三產業的產值占比增長上，即與第三產業的產值增加的協同性更高，而在綠色金融發展程度較低，或發展速度較慢甚至停滯的省區，綠色金融的發展與第二產業的年產值占比的逐年下降存在更高的協同性。

將綠色金融的各個二級指標分別與產業結構的二級指標做灰色關聯度分析，限于篇幅，表2只展示了部分省份的測算結果。從中可以得知，綠色金融的4個部分對產業結構——第二、第三次產業比值在產值占比和從業人員數兩方面的關聯度總體大于0.7，其中綠色融資和綠色財政支出與產值和從業人數比值的關聯度明顯高于綠色保險和綠色治理投資。在產值結構方面，除了上海市和云南省，表中其他地區的綠色信貸和綠色債券對產業產值結構的灰色關聯度最高，這與我國綠色信貸規模大、在綠色金融調節手段中仍位于最主要地位的現狀相符合。在行業從業人員結構方面，綠色財政支出的灰色關聯值最大，綠色融資或綠色保險的灰色關聯度次之，說明綠色政策對產業人才流動的影響最為顯著。

表2 部分省份的兩系統各指標的灰色關聯度結果

（二）各省份的綠色金融與產業結構指標的耦合度及耦合協調結果分析

根據兩系統的耦合模型式（4），把通過熵值法測算得到的30個省份的兩系統綜合評價總得分代入進行計算，結合各省份的耦合協調結果與部分學者們關于耦合協調級別的探討，本文將耦合協調程度分為了5個等級，分別為瀕臨失調、低度耦合、中度耦合、高度耦合和理想耦合，如表4所示。

表4 耦合協調度的分級區間

表3 的結果顯示，2015年各省份的耦合協調程度在穩步提升，比2013年平均上漲了0.04，上海市和海南省的協調程度達到了0.49，已經逼近了高級協調等級的門檻；2015—2017年，各省份的耦合協調發展增速稍有放緩，比2015年的耦合協調均值下降了0.01個增長單位。在這幾年中，只有北京市的兩系統發展位于高級耦合協調階段，內蒙古、云南和廣西步入了中級耦合協調階段，而上海、陜西、海南、青海、寧夏和新疆自2015年進入中級協調階段，西北地區的綠色金融與產業結構之間的發展協調程度整體優于東部甚至南部地區。到2019年，“十三五”規劃出臺，加快了各省綠色金融和產業的優化發展，進一步促進了兩者發展的協調性，北京正式進入了理想耦合協調階段，發展情況仍然領先于全國其他地區，上海和海南的兩系統發展也達到了高級耦合協調水平，西北地區和東北地區的協調發展速度次之，而中部、東部和南部等地區的綠色金融發展較快，但仍遜于地區的產業結構變化，導致協調指數增長較為緩慢。

（三）各省份的綠色金融發展對產業結構變化影響的空間關聯分析

選用2013—2019年的相關指標數據使用式（5）、（6）構建的修正引力模型計算，得出歷年的區域空間關聯系數矩陣，并以元素總均值作為閾值進行二值化處理，使用Ucinet軟件進行輔助分析。因篇幅限制，只選取了2013年、2016年和2019年的網絡矩陣來進行演變展示，見圖1、圖2和圖3。

圖1 、圖2與圖3是進行可視化后的30個省份之間的關于綠色金融影響產業結構變化的空間聯系網絡示意圖，從圖中可以看出，2013年各省份之間存在明顯的聯系割裂，形成了西北部小、邊界南部和中東部等小網絡群體，而新疆由于地理位置原因，與其他省份的距離太遠，導致其空間關聯系數值過低，在二值化關系網絡中成為了“孤立點”，但其近幾年發展迅速，與其他地區的關聯度在不斷增加。到2016年，除新疆外的29個省級行政區之間的聯系強度明顯加強，其空間關系網絡密度相較2013年提高了58.99%，西北小網絡中的陜西與北京、山西、河南、四川等省份出現了較強關聯，而寧夏和甘肅也分別與內蒙古、山西以及四川形成了空間聯系，各省份之間初步形成了整體關聯大網絡，從以北京等為中心的中倍開始向外呈現圈層放射型網絡狀態，越靠近國家區域邊緣的省份，與其他地區間的聯系越松散，其空間輻射影響越弱。在2019年，各省份之間的整體空間關系相比2016年進一步增強，呈現中—東部為核心的內緊外松的蛛網放射型狀態，無論是內陸省份，還是邊界和沿海地區，地區內部、地區與地區之間的聯系也越來越緊密，網絡密度增加了47.51%，三年間的空間關聯增長速度有所放緩，呈現波動增長特征。2018年，我國出臺了《資管新規》，在監管上提高了商業銀行對產業投資門檻，一定程度上限制了各省份產業發展的資金來源和融資渠道，進而影響到各省份的綠色金融對產業結構的調節力度和省際間的空間溢出效應。

圖1 2013年各省份綠色金融對產業結構影響的空間聯系網絡圖

圖3 2019年各省份綠色金融對產業結構影響的空間聯系網絡圖

結合式（7）、（8）來對2019年的各省份在綠色金融影響地區產業結構變化程度的中心性指標的ucinet測算結果來進行綜合分析，其結果如表5。

表5 30省份的空間聯系中心性指標結果

續表5

由表5可知，北京和上海在出度中心性和入度中心性上都位列全國前兩名，且大大領先于其他省份，屬于整個空間關聯網絡的最核心位置，擁有最強的中心影響力，其綠色金融的發展不僅可以促進本地區的產業結構優化升級，還有較強的空間溢出效應，可以帶動和調節其他關聯省份的兩系統發展和相互影響作用。山西、天津、浙江、貴州和廣西等地區的出度中心度大于入度中心度，表明這些地區的綠色金融發展水平較高，在網絡中承擔著發出關系的角色，可以發揮自身的能動優勢引導周邊地區的協調發展。其他省份中絕大部分都是入度中心性較高，意味著自身綠色金融發展不強，對產業結構的調節作用更依賴于協調等級高的地區的效應溢出引導，具有較弱的內生動力。

在中介中心性方面，北京仍舊位列首位，具有最好的中介控制能力，不但可以作為我國綠色金融促進產業發展的核心領袖，也能很好地充當中間者，發揮經紀人作用，做其他省份在綠色金融影響產業結構的空間溢出效應的傳導橋梁。河南、湖北、陜西、廣東和四川的中介中心度緊隨其后，位于前列，其地理位置優越，是交通發達，毗鄰多省的要塞地區，也是中部、西部和南部省份的重要政治經濟文化發展的領頭角色，其綠色金融的發展也對周邊省份起到良好的指導和控制作用，同時可以利用自身的媒介能力進行效應傳遞，從而帶動關聯省份的優化發展。黑龍江的綠色金融衡量值較高，但中介中心性確為0，說明其自身發展雖好，但由于地理和歷史等因素，導致自身角色邊緣化，較難帶動臨近省份在綠色金融方面對產業結構的引導調節。

五、結論與建議

采用熵值法來衡量我國30個省份的綠色金融發展和產業變化兩系統的綜合水平，之后先通過灰色關聯和耦合協調法評價各省份間兩系統的聯動發展情況，再結合空間聯系網絡做進一步研究，得出各省份之間在該領域的有向溢出關系，并以此判斷其中起到核心作用的省份。綜合上文的實證測算和分析結果，可得出以下結論：

第一，我國的綠色金融發展水平和產業結構在三次產業與二次產業的比值方面均呈現逐年增長趨勢，北京、上海、海南和貴州等地的綠色金融發展速度處于全國前列，其綠色金融與產業結構兩系統之間的耦合協調程度也進入了高級協調階段，這說明對各省而言，大力發展綠色金融，推行綠色低碳戰略不僅能夠減少產業能耗和環境污染，還能有效提高各省份的綠色金融與產業結構的優化協調發展。第二，灰色關聯度結果從另一角度論證了綠色金融對產業結構存在明顯的正向影響，綠色金融越發達越成熟的地區，其在產業結構的影響作用就更多地體現在與第三產業占比增加的協同性上，促使生產的資金、人力和技術從第二產業向第三產業集聚，帶來產業生產的高階段升級；在綠色金融不發達的省份，其綠色金融主要通過抑制高污染高能耗工業的產值和生產要素，致使第二工業產值和員工占比下降，進而帶來產業結構的變化。第三，我國的絕大多數地區在綠色金融進行產業升級調節過程中都以政府和大型銀行為主導的綠色信貸、綠色債券和財政支出為主要調節手段，綠色保險和治理投資雖發展較快，但尚未形成規模，也是綠色金融體系與產業結構變化的協調程度較低的一個重要原因。第四，綠色金融發展較快的地區，其對產業結構變化的引導調節可以產生明顯的空間溢出效應，帶動周邊地區或其他關聯地區的兩系統發展，起到正向促進作用。

基于以上結論，提出以下幾點建議：第一，政府應繼續做好發展綠色金融的領頭者，因地制宜地推行地區綠色金融的特色政策，提供良好的外部環境。第二，金融機構要加快綠色金融產品服務的推廣與創新，充分發揮它們對產業結構的調節作用，形成一定的數量規模。第三，綠色金融發展較快的省份要當好核心和中介者角色，利用自身的發展優勢和正向傳導效應，有效引導和促進其他省份綠色金融的發展和對產業結構的優化調節。第四，各地區應進一步完善信息披露制度，細化環境責任報告的要求標準，為廣大企業提供監督示范作用的同時，進一步為綠色金融評估體系提供更充分的研究依據。