空間視角下金融創新、產業結構升級與碳排放的關系研究

楊筱茜，蔡林美，張金鎖

(1.西安科技大學 管理學院，陜西 西安 710054；2.延安大學 經濟與管理學院，陜西 延安 716000；3.西安科技大學 能源學院，陜西 西安 710054)

0 引 言

改革開放40多年以來，中國工業化進程不斷加速，經濟持續快速增長，但同時也付出了巨大的環境代價。2020年中國CO2排放量全球占比為30.7%[1]，面臨的國際碳減排壓力日漸增大。為有效應對全球氣候變化問題、積極履行碳減排國際責任，習近平總書記在國際國內的重要會議上多次對碳達峰、碳中和的有關問題作出重點論述，并明確了中國在2030年前實現碳達峰、2060年前實現碳中和。顯然，在“3060”背景下，如何降低碳排放量并最終實現碳中和是中國在今后40 a的重要奮斗目標。

“十三五”以來，中國第二產業占GDP的比重一直維持在接近40%的水平，煤炭消費占能源消費的比例近6成[2]。由此可見，產業結構偏重，能源結構偏煤，這正是導致CO2大量排放的最主要原因。因此，亟需在保持經濟穩定增長的同時，加速降低煤炭、石油等高碳能源在能源結構中的占比，大幅增加可再生能源的使用，調整和優化產業結構，在此過程中，需要大量的資金、技術和人力等投入，這將會產生高昂的成本費用，金融則在其中發揮著重要的作用。一方面，金融業的自身發展具有規模效應，為企業擴大生產規模提供資金需求，刺激消費者對電器等耗能產品的使用，導致能耗增加和碳排放上升。另一方面，金融的不斷創新可以將資金有效利用在綠色環保項目，促進地區的技術進步，從而提高能源的使用效率，引導能源結構不斷優化，降低碳排放量。因此，是否可以有效借助金融產品、金融機構等金融創新手段帶動產業結構綠色升級，從而降低碳排放量具有重要的現實意義。

有關金融創新與碳排放方面的文獻大多是研究金融發展對碳排放的影響，并形成3類主要觀點。第1類觀點認為金融發展為技術進步和綠色創新提供資金來源，有助于降低碳排放量[3-4]。第2類觀點認為金融發展擴大經濟規模，在推動經濟增長的同時促進碳排放[5-7]。第3類觀點則認為金融發展對碳排放的影響是非線性或不確定的[8-9]。

學者們從不同角度和采用不同方法研究金融創新與產業結構升級二者關系。李媛媛等用中介效應模型從金融市場創新、金融機構創新和金融工具創新三方面研究發現金融創新會通過技術進步促進產業結構的升級[10]。焦妍妍等通過耦合模型得出金融創新與產業結構升級之間是相互促進的[11]。龐敏等研究金融創新的空間相關性，提出金融創新在促進當地產業結構升級的同時會抑制鄰近地區的產業結構升級[12]。

多數學者認為產業結構升級是降低碳排放量的重要措施。曹麗斌等認為以工業為主的城市CO2排放量高，工業發展會促進碳排放[13]。王釗等研究發現產業結構升級有效抑制碳排放量[14]。少數學者構建產業結構升級與碳排放的空間面板模型，分析產業結構對本地區和鄰近地區碳排放的影響，認為產業結構升級對碳減排還存在空間溢出效應，產業結構升級可以通過降低本地區和相鄰地區的碳排放促進碳減排[15-16]。

綜上，對于金融創新到底如何影響碳排放還未從實證方面得到研究，許多學者對金融創新與產業結構升級、產業結構升級與碳排放的關系進行研究，但鮮有基于中介效應探討金融創新影響碳排放的作用路徑，且在方法上運用空間計量分析的研究較少。因此，筆者以中國30個省份(不包括西藏以及港澳臺地區)的面板數據為樣本，在有效測度金融創新的基礎上，利用空間杜賓模型探討金融創新、產業結構升級與碳排放的關系，分析其可能存在的空間溢出效應，并結合中介效應模型來考察金融創新對碳排放的作用途徑，為推動中國碳減排，實現“3060”目標提供有價值的參考。

1 理論分析與研究假設

1.1 金融創新對碳排放的影響

金融創新使用金融產品和機構創新、金融資源配置、金融市場創新等各種金融創新手段服務于實體經濟。首先，金融產品和機構創新會推動碳交易、碳金融等進一步完善優化[17]，從而有效利用資本市場使資金向綠色低碳產業，改善融資結構，推進技術創新，進而達到節能減排的效果。其次，金融資源的有效配置會促進金融業不斷發展，金融總體發展水平越高，資本市場越發達，企業的節能減排意愿會更強烈，更加傾向于通過節能減排等社會責任，維護公司形象。最后，金融市場創新水平的提高會減少交易雙方的信息不對稱，降低企業的融資成本，助推高污染企業等進行綠色技術創新，大力研發清潔技術，從能源生產端和消費端對碳排放量進行抑制[18]。這些方面都會對降低碳排放產生積極影響。為此，提出假設一：金融創新對碳排放呈抑制作用。

1.2 產業結構升級對碳排放的影響

一個地區的碳排放量與這個地區的工業化緊密相關，高污染的工業發展模式會導致環境惡化，產業結構升級則是產業進行優化的過程。三大產業的能源消費和碳排放情況差異較大，第一產業對能源的消費需求較低，主要涉及在化肥農藥和農作設備等方面，碳排放量相對較少。以工業為主的第二產業對煤炭等能源的需求量大，產生的碳排放較多，表現出“雙高”的特點。第三產業主要為服務業，碳排放量也較低，產業結構升級將會增大第三產業的比重，從生產端和消費端共同降低了能源的需求，進而降低碳排放。另外，產業結構的升級可以促進高新技術企業和服務業的發展，推動技術創新，改善能源消費結構[19]，增加清潔能源的研發和使用，還可以改善居民的消費和生活習慣，從而降低碳排放。為此，提出假設二：產業結構升級對碳排放呈抑制作用。

1.3 產業結構升級的中介傳導作用

金融創新是低碳經濟時代下支撐產業結構升級的關鍵動力，而產業結構升級會對地區的碳排放產生影響。一方面，金融創新優化金融資源配置，引導資金流向投資回報率高的高新技術產業，倒逼企業進行創新轉型，推動科技進步，加快產業結構升級，進而可以帶動區域的碳減排[20]。另一方面，從需求端來看，金融創新改變居民消費結構和消費需求，隨著金融產品的不斷創新，互聯網金融等金融創新產物融入居民的生活當中，消費需求的多樣化和消費結構的改變將會引起產業結構的調整，帶動產業結構升級。另外，金融創新可以解決產業結構升級的融資問題，金融市場創新減少融資雙方的信息不對稱，降低企業的融資風險和成本，滿足企業多元化融資需求，為產業結構升級提供一定的金融支持[10]。金融創新對產業結構升級具有促進作用，進而金融創新可以通過影響產業結構升級來對碳排放產生間接作用。為此，提出以下假設

假設三：金融創新對產業結構升級呈促進作用。

假設四：產業結構升級在金融創新影響碳排放過程中起中介作用。

2 模型設定與變量選取

2.1 模型設定

2.1.1 空間杜賓模型

現有研究表明，金融創新、產業結構升級以及碳排放均具有較強的空間相關性[12，15]，傳統線性回歸模型由于忽略其空間溢出效應可能會導致實證結果產生誤差。因此，文中采用空間計量模型進行實證研究，空間計量模型包括空間滯后模型、空間誤差模型和空間杜賓模型，空間滯后模型中包含自變量的空間滯后項，空間誤差模型研究相鄰地區因變量對該地區的影響，而空間杜賓模型則同時考慮自變量和因變量的空間相關性，優于其他模型。故文中選擇空間杜賓模型進行實證研究，具體模型見式(1)

(1)

式中i為省份；t為年份；C為碳排放；F和I分別為金融創新和產業結構升級；β0～β3為估計系數；ρ1～ρ3和λ為空間滯后項回歸系數；Xit為控制變量；wij為空間權重矩陣；ui為空間固定效應；εit為殘差項。采用空間鄰接權重矩陣，當省份i與省份j有共同邊界，則wij=1，相反，則wij=0。

2.1.2 中介效應模型

為研究產業結構升級在金融創新與碳排放中的傳導作用，借鑒BARON & KENNY[21]的方法構建如下中介效應模型

(2)

(3)

式中α0，α2，η0，η2為估計系數；π1～π3，θ1～θ3為空間滯后項回歸系數；νi，?i為空間固定效應；ζit，τit為殘差項。式(2)檢驗金融創新是否影響碳排放，式(3)檢驗是否存在產業結構升級的中介作用。

2.2 變量選取

2.2.1 被解釋變量

中國碳排放主要來源于化石能源的消費，文中核算2008—2019年中國30個省份能源消費所產生的二氧化碳排放總量。參考吳振信的做法[22]，選取人均碳排放量作為被解釋變量，人均碳排放量越高，說明碳排放污染越嚴重。由于碳排放量沒有直接數據，采用IPCC給出的碳排放計算方法，選取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣8個主要能源品種對各地區的碳排放量進行估算，由于電力并不是一次能源，故未將電力計算在內。計算公式見式(4)

(4)

式中 CO2it為碳排放量；Eijt為第j種能源消費量；σj為標準煤折算系數；ρj為能源碳排放系數；44/12為碳乘數因子，k=(1，2，3，…，8)。

2.2.2 解釋變量

目前，對金融創新的測度缺少統一的標準，主要通過單一變量或代理變量衡量金融創新。部分學者采用多指標分析法對金融創新進行衡量，主要包括主成分分析、因子分析、熵值法及DEA等方法。林毅夫指出金融創新要因地制宜，其在考慮金融產品、機構等創新的同時也要考慮各地區的自身金融發展水平[23]，文中借鑒林毅夫的觀點，并參考已有研究及測度方法[24]，采用多指標分析法，從地區金融總體發展水平、金融市場創新、金融產品與機構創新和金融資源配置4個方面選取14個指標構建金融創新評價體系具體指標見表1，采用因子分析法對金融創新指標進行測算。

表1 金融創新綜合評價指標

2.2.3 中介變量

借鑒徐德云的做法[25]，計算產業結構升級指數

Iit=Y1it×1+Y2it×2+Y3it×3

(5)

式中Y1it，Y2it，Y3it分別為t時期i地區第一、第二和第三產業占GDP的比重。

2.2.4 控制變量

為了模型的可靠性，借鑒張偉等的研究[26]，選取開放性水平、能源強度、城鎮化水平、技術進步、經濟增長水平以及環境規制作為控制變量(表2)。

表2 各變量的定性描述

2.3 數據來源

基于2008—2019年中國30個省市自治區(不包括西藏以及港澳臺地區)的面板數據，金融創新數據主要來源于《中國金融統計年鑒》、各省份區域金融運行報告；計算碳排放的能源數據均從《中國能源統計年鑒》中分地區分品種能源消費量中獲??；其他數據來源于《中國統計年鑒》等。為排除物價因素影響，對GDP以2000年的不變價格進行平減，為降低數據離散程度，將非百分比指標度量的變量取對數處理。

3 實證結果分析

3.1 空間聚類分析

首先，選取樣本初期(2008年)和樣本末期(2019年)為代表性年份，采用Arcgis軟件自然斷點分級法，將人均碳排放量分為3類，分別為低碳排放區、中碳排放區和高碳排放區。從圖1可明顯看出，碳排放整體呈現“北高南低”的分布格局，具有明顯的時空差異特征，高碳排放區主要分布在內蒙古、寧夏和山西等煤炭資源富集區，產業結構偏重工業，低碳排放區主要分布在安徽、上海、湖南、湖北等東部和中部經濟較發達省份。對比來看，2008—2019年遼寧由高碳排放區下降至中碳排放區，黑龍江、吉林等部分省份由中碳排放區下降至低碳排放區，這一變化與東北地區能源轉型密切相關。

圖1 30個省份碳排放空間分異Fig.1 Spatial differentiation of carbon emissions in 30 provinces

其次，對金融創新、產業結構升級和碳排放的全局莫蘭指數(Moran’s I)進行測算(表3)。除2018年金融創新的Moran’s I為負外，其余年份金融創新、產業結構升級和碳排放的Moran’s I均通過了顯著性檢驗，這表明省級層面的金融創新、產業結構升級和碳排放均存在空間集聚的特點。

表3 全局莫蘭指數

最后，進一步對碳排放的空間聚類進行分析，根據空間關聯類型將30個省份分為4類，分別為高高聚集、低低聚集、低高聚集和高低聚集。圖2展示2008年和2019年碳排放的莫蘭散點，可以看出，大部分省份碳排放都處在第1象限和第3象限，說明各省份間存在高高聚集和低低聚集的特征。高高聚類大部分集中在內蒙古、寧夏、山西等中西部地區，即自身人均碳排放量高且被周邊高碳排放地區包圍。低低聚類主要集中在廣東、湖南等東部地區，即本省份與鄰近省份碳排放均較低。僅有少數省份位于第2和第4象限，即低高聚集和高低聚集，說明這些省份自身的碳排放未對其他省份產生吸引作用。

圖2 2008年和2019年碳排放的Moran’s散點Fig.2 Moran’s scatter plots of carbon emissions in 2008 and 2019

3.2 總體回歸分析

利用Stata 15.0軟件對空間計量模型的具體選擇進行判斷。首先，進行LM檢驗、LR似然比檢驗和Wald檢驗，檢驗結果均在1%顯著性水平內，拒絕原假設，說明空間杜賓模型不可退化成空間滯后模型或空間誤差模型；其次，對3個模型進行Hanusman檢驗，p值均為0.000，拒絕隨機效應的假設，故選擇固定效應的空間杜賓模型。最后，根據比較空間杜賓模型中3種模型的擬合度R2和Log-likelihood發現，空間固定效應模型的模型擬合度最高，因此，下文主要對空間固定面板杜賓模型的回歸結果進行分析。

由表4可知，金融創新對30個省份碳排放的回歸系數在5%顯著性水平上為負，說明金融創新有效降低碳排放，金融創新通過資源配置、金融要素創新等，對碳排放起到抑制作用，假設一得到驗證；產業結構升級與碳排放的估計系數在1%顯著性水平上負相關，證明產業結構升級可以有效降低碳排放，各省份通過調整三大產業結構比例，改變產業結構布局，降低能源需求，促進技術進步，從而顯著減少碳排放量，因此，假設二得到驗證。

表4 金融創新與產業結構升級對碳排放的影響

從控制變量看，能源強度、城鎮化和經濟增長顯著促進地區的碳排放；中國的開放性水平并未對碳排放量產生很大的影響；環境規制的估計系數與碳排放呈顯著正相關關系，印證Sjak Smulders提出的“綠色悖論”的觀點[27]；技術創新對碳排放的影響不顯著，可能是技術創新同時受結構效應和規模效應的影響，導致技術創新對降低碳排放的貢獻不足。

為進一步探究金融創新與產業結構升級對碳排放的空間溢出效應，將其平均總效應分解為直接效應和間接效應(表5)。金融創新對碳排放的直接效應在5%水平上顯著負相關，說明金融創新有效降低該地區的碳排放，間接效應影響為負，但不顯著，導致該結果的原因可能是目前金融創新水平較低，相比于其他影響因素來說，其對鄰近地區的擴散影響較不明顯；產業結構升級對碳排放的直接效應顯著為負，間接效應為正，但不顯著，說明產業結構升級促進本地區碳減排，隨著本地區的產業結構升級，部分高污染性的密集型工業產業會向相鄰地區進行轉移，從而降低本地區的碳排放。

3.3 中介效應檢驗

根據表4和表5的分析結果，發現金融創新和產業結構升級都對碳排放起到抑制作用，進一步對產業結構升級的中介效應進行檢驗，估計結果見表6。

表5 直接效應和間接效應

表6 產業結構升級的中介作用回歸結果

在產業結構升級模型中，金融創新與產業結構升級在1%水平上顯著正相關，這意味著金融創新在一定程度上對產業結構升級存在正向影響，且對相鄰地區存在空間溢出效應，金融創新通過多種創新手段向產業結構轉型提供良好的資金基礎，假設三得到了驗證。在剔除了產業結構升級的碳排放模型中，金融創新與碳排放的回歸結果依然顯著為負，說明金融創新可以直接降低碳排放。基于以上分析，產業結構升級在金融創新對碳排放表現出部分中介作用，金融創新一部分能夠直接降低碳排放，一部分可以通過產業結構升級來降低碳排放，假設四得到驗證。

進一步檢驗金融創新對產業結構升級和碳排放的直接和間接效應，可以看出，剔除產業結構升級的碳排放模型中，金融創新對碳排放的直接和間接效應都在1%顯著性水平上負相關，證明金融創新不僅對當地的碳排放存在抑制作用，同時也促進鄰近地區的碳減排；同時，從產業結構升級模型的檢驗結果看，金融創新在影響該地區產業結構升級的同時也促進鄰近地區的產業結構升級。

3.4 穩健性檢驗

為確保模型的穩健性，采用地理權重矩陣和經濟權重矩陣對原有矩陣進行替換，檢驗金融創新對碳排放的影響以及產業結構升級的中介作用。根據表7可知，回歸結果及顯著性與上文基本一致，說明回歸結果穩定可靠。

表7 穩健性檢驗結果

4 結 論

1)中國30個省份的面板碳排放總體呈現“北高南低”的空間格局，金融創新、產業結構升級與碳排放均存在正向顯著的空間相關性。金融創新和產業結構升級能夠有效降低本地區的碳排放量，且金融創新對碳排放的影響具有顯著的空間溢出效應，其對鄰近地區的碳排放存在抑制作用。金融創新不僅促進當地和鄰近地區產業結構升級，還可以通過產業結構升級間接降低地區碳排放量。

2)為有效促進碳減排，各省份應重視金融創新對當地及鄰近地區碳減排的作用，加快金融創新步伐，大力開發綠色金融產品，促進相鄰省域聯動創新，優化金融資源配置，激發企業技術創新的活力，從生產端控制能源消耗，推進低碳產業發展，加速產業結構升級，從各方面全面降低碳排放。