中國碳金融發展水平測度及影響因素分析

鄭群哲

（江西工程學院，江西 新余 338000）

一、引言

目前，中國碳金融取得重大突破，碳金融市場制度運行順利、定價機制日趨健全。據中國人民銀行研究局調查數據顯示，截至2021年7月，全國碳排放配額(CEA)累計成交439.68萬噸，累計成交金額達2.26億元，已成為全球碳排放規模最大的市場。但是，中國碳金融仍面臨發展深度與廣度不足的挑戰。深度層面，碳金融交易平臺運營滯后、中介市場不完善問題不斷加劇[1]。廣度層面，盡管碳排放權交易體量已覆蓋2000多家控排企業，但碳排放總量在全國占比不足40%，整體運行效果欠佳。在此背景下，深入開展碳金融發展水平測度研究不僅能推進中國碳排放權交易市場建設，還能為碳金融整體發展提供科學決策。

國內學術界對碳金融發展水平及影響因素進行大量研究。范丹等(2017)采取雙重差分法檢驗中國碳交易權政策效果，發現不同試點間效果明顯不同，非試點省份的減排靈活度與經濟紅利仍有上升空間[2]。李麗等(2018)認為碳金融發展水平與第三產業在GDP占比的相關性較高，且碳金融發展良好的區域能快速優化產業結構[3]。王勇、趙晗(2019)認可中國啟動碳交易市場能提升各地碳排放效率，但建立碳交易試點后，各省間碳排放差距進一步拉大[4]。陳智穎等(2020)發現中國碳金融發展水平總體呈逐年增長態勢，但動態演化不夠穩定，且各地碳金融發展水平失衡[5]。雖然有不少學者對碳金融發展水平進行了較為充分地研究及分析，但對于影響碳金融發展的影響因素分析不夠充分，同時在計算中國碳金融發展水平測度時，存在測度指標構建差異問題。鑒于此，文章在借鑒上述研究成果基礎上，構建中國碳金融發展水平測度指標體系，借助時序多指標模型確定指標權重，計算2014-2019年中國省域碳金融發展指數，最后運用面板數據模型研究碳金融發展水平的影響因素。

二、中國碳金融發展水平測度

1.指標體系構建及數據來源

文章借鑒朱娟(2012)[6]、朱天真等(2017)[7]等對中國區域碳金融發展水平測度的研究，從金融環境、能源效率、科技發展三個層面設計指標體系的基準層。按照合理性、代表性及可獲得性原則選取指標，用金融業增加值占比、金融領域產業增加值、碳排放貸款額度、碳排放強度、能源消費彈性系數、研發經費占比、科技進步貢獻率建立指標層，具體測算方法見表1。測度對象選取上，以2014—2019年中國30個省份（西藏和港澳臺地區除外）為研究對象。數據來源于2014—2019年Wind咨詢、CEADs以及《中國統計年鑒》歷年發布的數據。

2.中國碳金融發展水平測度結果

根據上述表1中指標，為高精度測算各指標時間序列，借助時序多指標模型對7項核心指標進行測度分析。首先，對碳金融核心指標間加權向量進行統計與計算，然后對加權向量取幾何平均數，將其作為統一加權向量，以Xy*表示。計算結果顯示，7項核心關鍵指標按照重要程度排序依次為X1、X5、X6、X2、X3、X7、X4。其中，“金融增加值”的權重值高達0.468，說明該指標在中國碳金融發展中貢獻最大。“碳強度”的權重僅為0.192，說明該指標在中國碳金融發展中貢獻最小。2014—2019年碳金融各項指標的加權向量合集、全樣本的加權向量合集分別是：

表1 中國碳金融發展水平測度指標體系

x2014={0.425，0.378，0.222，0.203，0.411，0.395，0.235}

x2015={0.451，0.498，0.232，0.278，0.436，0.386，0.245}

x2016={0.445，0.498，0.224，0.273，0.441，0.391，0.255}

x2017={0.475，0.399，0.242，0.283，0.453，0.396，0.257}

x2018={0.428，0.468，0.252，0.268，0.451，0.401，0.263}

x2019={0.456，0.488，0.272，0.228，0.462，0.411，0.272}

xy*={0.439，0.468，0.192，0.272，0.436，0.397，0.268}

參考曾濤和劉紅升(2021)[8]的研究方法，通過對2014—2019年中國30個省份碳金融發展水平進行綜合評價，并依據賦分值劃分水平層級。省域碳金融發展水平可劃分為5個層級：第1層級表示旗艦領頭型省域（前6名）、第2層級表示高速發展型省域（7~12名）、第3層級表示中速發展型省域（13~18名）、第4層級表示低速發展型省域（19~24名）、第5層級表示滯后型省域（25~30名）。每個層級所代表的省域碳金融發展水平依次降低，競爭優勢也依次減弱，結果見表2。

根據表2可知，2014—2019年各省份碳金融發展水平層級與排名呈波動變化狀態，且各省份的層級波動幅度不盡相同。從動態縱向來看，各省份排名變動幅度較小。其中，海南、江西、湖南的層級名次不斷上升，而安徽和新疆不斷下降。這表明海南等省份的低碳化程度越來越高，而安徽和新疆的低碳化產業發展緩慢，面臨一定的碳金融發展困境。值得一提的是，北京碳金融發展水平持續升高且始終排名首位，6年間碳金融發展水平提高近一倍。究其原因，一方面，北京積極響應國家號召，最大化落實節能減排政策、調整產業結構、優化碳金融信貸結構。另一方面，北京碳金融體系較為完善，碳金融交易市場發達，有效帶動地區碳金融發展[9]。從靜態橫向層級排名來看，北京、上海、廣東、福建、浙江和天津牢牢占據第1層級。多數省份的碳金融發展水平相對穩定，長期在同一層級內，少數在第2層、第3層波動或在第3層、第4層波動。第5層級中長期出現的省份有新疆、寧夏、河北、內蒙古和山西，偶爾會出現黑龍江與河南。其中，新疆、內蒙古及寧夏在祖國西部，由于人才與自然資源匱乏、教育資源薄弱、政策制度不健全、基礎設施緊缺等原因限制該區域市場科學配置資源。而山西省屬于資源型城市，能源種類多、儲量大且能源開采產量大，但產業結構單一，碳金融發展存在局限性[10]。可見，第5層級各省金融業發展對產業結構整頓、低碳化及區域經濟發展的促進作用有限，致使碳金融發展水平長期處于滯后狀態。

表2 2014—2019年中國省域碳金融發展指數

結合中國目前發展現狀、各個地區的發展特點與地理環境，文章根據國務院智囊機構的區域劃分構想，將30個省份歸為八大經濟區，分別是北部沿海地區、東北地區、黃河中游地區、東部沿海地區、長江中游地區、南部沿海地區、西南地區以及大西北地區。根據上述計算方法，同理可計算出各區域2014—2019年綜合發展指數平均值，并繪制成各地區的碳金融發展水平變化圖，如圖1。

圖1 2014—2019年八大經濟區碳金融發展水平

中國各區域碳金融發展水平整體呈連續增長趨勢，部分地區存在差距。其中北部沿海地區、長江中游地區以及黃河中游地區的碳金融發展水平大幅增長；東部沿海地區和南部沿海地區雖有上升趨勢但較為緩慢；西南地區、東北地區及大西北地區的變化幅度相對偏小。沿海地區由于經濟發展較為發達，依托良好的地理位置和交通基礎，為金融發展提供了良好基礎。例如北京、天津、上海、浙江、江蘇等地是中國經濟的佼佼者，有力地帶動了沿海地區碳金融水平的提升，同時山東、河北等省份也極具經濟發展潛力。在溫室效應逐漸嚴重的情況下，沿海地區發展碳金融和減少碳排放的需求更加強烈。但由于原始碳排放量較大，東部沿海地區和南部沿海地區的碳金融發展水平提升速度較為緩慢。長江中游地區與黃河中游地區雖然沒有沿海地區的地理位置優越，但與經濟發展良好的地區距離較近，能夠在綠色技術與金融資源方面進行交流與傳遞，進而提升碳金融發展水平。東北地區屬于老工業基地，以犧牲環境發展當地金融，導致轉變經濟結構較為困難。東北地區執行綠色信貸的力度較差，對碳金融發展趨勢不夠重視，導致碳金融與當地金融發展的銜接度不足。西南地區和大西北地區的經濟發展較為落后，難以第一時間精準落實最新經濟政策，阻礙碳金融快速發展。

三、中國碳金融發展影響因素分析

1.影響中國碳金融發展的因素

中國碳金融發展水平整體不高，且表現出明顯的區域異質性。碳金融在低碳經濟發展中具有不可估量的作用，故有必要分析碳金融發展的深層次影響因素，揭示區域差異性原因并為縮小區域差距提供參考。然而中國碳金融發展會受到多種因素影響，但目前專家學者對其歸納不一。通過梳理現有文獻，文章將中國各省份每年碳金融發展水平(CFIN)設為被解釋變量，并選擇碳金融研究領域中最常用的指標進行研究分析，具體包括：城鎮登記失業率(UUR)[11]、工業增加值(IO)[12]、CDM項目數(CDM)、新能源公交車運營數(NEB)[13]、工業污染治理完成投資(IPCCI)和城市造林覆蓋率(LH)，詳見表3。以上變量數據主要來自歷年《中國統計年鑒》《金融統計年鑒》《中國能源統計年鑒》以及30個省份各自的統計年鑒。

表3 中國碳金融發展水平影響因素表

2.描述性統計

為分析數據的集中性和離散性，對2014—2019年各變量進行描述性統計，見表4。全國碳排放發展水平的均值、最大值和最小值分別是-0.0085、2.2258和-0.6489，說明碳金融整體發展水平偏低。各變量的標準差整體偏低，說明樣本數據的統計量比較接近整體參數值，具有良好的代表性和可靠性。

表4 相關變量描述性統計分析

3.模型構建與結果分析

文章將選取30個省份在2014—2019年6年間的碳金融發展水平面板數據作為研究樣本，建立面板數據模型：

式中，i=1，2，…，30，分別表示中國30個省份樣本；t=2014，2015，2016，2017，2018，2019。

在設定模型之后，采取F檢驗與Hausman檢驗法對全國與八大經濟區進行檢驗。最終，全國與北部沿海地區、長江中游地區、黃河中游地區、東部沿海地區、南部沿海地區的P值均小于5%，表明應選用固定效應模型。西南地區、東北地區及大西北經濟區的P值均大于5%，說明應選用隨機效應模型。

Panel Date固定效應模型對全國碳金融發展影響因素的檢驗結果如表5所示。導入全國數據后模型(1)的R2達到97.19%，非常接近1，表明面板數據模型具有較高的擬合效果。F統計值是0.0000，表明面板模型具有顯著性。D.W值是1.8954，與2之間的差距較小，表明回歸結果并未出現殘差序列自相關問題。各影響因素的標準誤差均小于0.1，表明回歸系數值的可靠性、穩定性較高。城鎮登記失業率(UUR)、工業增加值(IO)、CDM項目數(CDM)、新能源公交車運營數(NEB)、工業污染治理完成投資(IPCCI)和城市造林覆蓋率(LH)的P值均小于5%，說明文章選取的六個指標因素對全國碳金融發展水平具有顯著影響。其中，CDM、NEB、IPCCI、LH的系數均大于零，表明此4項影響因素分別對碳金融發展發揮著正面影響作用。UUR、IO均負向影響全國碳金融發展水平，說明此2項影響因素增加，碳金融發展水平會降低。其中，城鎮登記失業率的回歸系數是-0.0790，說明當全國失業率每增長1%，碳金融會下降0.0790%。

表5 Panel Date固定效應模型的全國碳金融發展水平回歸結果

因地制宜地探討每個經濟區的碳金融發展水平，采用固定效應與隨機效應的面板模型分別對各區域進行回歸，進而考察每個區域的主要影響因素、影響程度與方向（表6）。八個經濟區域碳金融發展水平的回歸擬合度均較好，其中東北地區的R2是98.89%，說明面板數據模型的回歸結果可對八個經濟區域碳金融發展水平進行良好解釋，可得出以下結論：

表6 八大經濟區域碳金融發展水平回歸結果

城鎮登記失業率(UUR)對黃河中游地區、長江中游地區、東北地區和西南地區的影響比較顯著，具有負向關系。在碳金融發展過程中，城鎮登記失業率會對中國大部分區域產生負向影響。這是因為登記失業人口增多導致區域內基礎建設滯后，經濟發展放緩，低碳經濟政策難以落實，從而影響碳金融發展。其中，城鎮登記失業率對西南地區的影響最大，系數為-1.1582，且通過1%顯著性檢驗。若西南地區失業率增長1%，則碳金融會下降1.1582%。

工業增加值(IO)與碳金融發展之間呈現明顯的抑制狀態。中國各經濟區工業增加值的系數均為負，表明工業增加值對碳金融發展水平具有負向影響。提高工業增加值將加劇地區廢氣與廢水的排放，加大對環境的污染程度，影響地區碳金融發展。工業增加值對東部沿海地區和西南地區的影響程度較小，說明這兩個地區工業增加值投入已接近飽和，工業發展相對完善，加大工業增加值已無法繼續影響碳金融發展水平。

CDM項目數(CDM)對各地區呈現明顯正向影響，但在不同區域碳金融發展水平下產生明顯差異化影響，即對北部與南部沿海地區影響明顯，而對其他地區影響不明顯。原因是北部與南部沿海地區一二線城市較多，碳金融交易機制與市場相較于其他地區更為完善，且工業企業能更早進行CDM政策推動與落實，進一步提高該區域碳金融發展水平。碳金融發展不僅需要CDM相關政策推動，還需要各級政府層層推動與工業企業細化落實做依托。而其他地區由于經濟發展、地理位置與環境因素等原因，推動CDM項目對碳金融發展水平影響不明顯。

新能源公交車運營數(NEB)對碳金融發展水平呈明顯促進作用，尤其是對東部沿海地區與南部沿海地區影響較深。這是因為，東部與南部沿海地區多為旅游型城市，大量外來旅游人員無疑會提高區域碳排放量。增加新能源公交車運營數對減少地區碳排放有顯著影響，能促進地區碳金融發展。對于大西北地區而言，大部分城市由于地形、人口數量等原因，導致公交基礎建設尚不完善，乘坐公交總人數較少，因此增加新能源公交運營數量效果不明顯。對于其他經濟區而言，新能源公交車運營數對地區碳金融發展水平均有促進作用但不明顯，說明這些地區私家車數量與公交數量發展均衡，增加新能源公交車運營數不會帶來明顯影響。

工業污染治理完成投資(IPCCI)對碳金融發展影響顯著，對南部沿海地區影響最為顯著。由于廣東與福建的電子產品加工廠、服裝鞋帽等消費品工廠較多且產量較大，為保證生產數量以及控制成本，大部分工廠選擇以降低環境績效的方式提高生產效率。但這種生產方式對工業廢氣、廢水的處理不到位，使污染更加惡劣。增加工業污染治理投資額后，工廠有更充足的資金研發與投入綠色生產技術，或在廢物排放前進行有效治理，使生產環節更加低碳，進而提高碳金融發展水平。

城市造林覆蓋率(LH)對北部沿海地區與南部沿海地區的影響顯著，對其他地區均沒有明顯影響。八大經濟區的城市造林覆蓋率系數估計值都為正值，說明城市造林覆蓋率增加可有效降低城市污染程度。北部沿海地區與南部沿海地區的系數分別為2.2512與2.5232，且均已通過1%的顯著性檢驗，說明城市造林覆蓋率每增加1%，北部、南部沿海地區碳金融分別會上漲2.2512%、2.5231%。究其原因，是因為北部沿海與南部沿海地區離海較近，綠色覆蓋率高、陽光充足、環境濕潤、適合多種綠色植物生長。借助多種植物共同光合作用可有效提升碳吸收能力，促進碳金融水平提高。

四、結論與建議

文章在引入中國碳金融發展水平測度體系基礎上，對中國碳金融發展水平進行分析，進而分析與闡釋30個省份碳金融發展水平在2014—2019年的變化與影響因素。結果顯示：中國碳金融發展水平整體呈逐年上升趨勢，但各區域發展存在差異。從區域來看，八大經濟區中碳金融上漲幅度較大的是北部沿海地區、長江及黃河中游地區；碳金融上升速度較緩的是東部和南部沿海；碳金融基本維持不變的是西南地區、東北地區以及大西北地區。從影響因素來看，城鎮登記失業率和工業增加值會抑制碳金融發展，CDM項目數、新能源公交車運營數、工業污染治理完成投資、城市造林覆蓋率能促進碳金融發展。對于區域來說，各影響因素的顯著度不同。城鎮登記失業率對黃河中游地區、東北地區、長江中游地區和西南地區的影響更加顯著；工業增加值對黃河中游地區、東部沿海地區及西南地區的影響更為明顯；CDM項目數對北部沿海地區、南部沿海地區影響更顯著；新能源公交車運營數對黃河中游地區、東部沿海地區、長江中游地區、南部沿海地區及西南地區的影響更顯著；工業污染治理完成投資對南部沿海地區影響顯著；城市造林覆蓋率對北部沿海地區、南部沿海地區的影響更顯著。

以上結論對提升碳金融發展的區域協調性、把握金融發展方向和掌控世界“碳定價”的話語權具有重要意義，由此提出以下建議：一是加速CDM項目落實。碳金融發展還需政府政策扶持，各個省份層層推動CDM項目細化落實，增強地區節能減排意識。二是增加新能源公交車運營數。政府有必要加大新能源公交車運營數量，減少地區碳排放，推動地區低碳發展。有關部門可宣傳并推動低碳出行行動，以減少私家車數量，提高城市低碳發展水平。三是提高工業污染治理完成投資。政府可引導社會資金流入工業污染治理方面，減少地區二氧化碳氣體排放，促進碳金融發展水平提高。四是提高城市造林覆蓋率。政府應加大城市綠化建設以提高造林覆蓋率，利用綠植輔助吸收空氣中部分二氧化碳氣體，降低地區碳排放率，提升中國碳金融發展水平。五是重點關注失業人口動向和創造更多就業機會。政府應加大就業機會，提供更多層面就業選擇機會并關注失業人口的流向，確保留住勞動力。六是創新綠色生產技術。各區域有必要在工業方面創新綠色生產技術，減少工業廢水、廢氣排放，提升工業增加值。政府應完善工業污染物處理流程，提高排放審核標準，確保相關工業產業在綠色技術尚未完善時減少相應的工業增加值，進而推動中國碳金融發展水平提高。