綠色信貸對碳排放的影響研究
——基于PSTR模型和SDM模型的實證分析

王金濤，黃 恒

(1.華東師范大學 經濟學院，上海 200062；2.新疆大學 經濟與管理學院，新疆 烏魯木齊 830046)

一、引言

改革開放以來，中國經濟取得了舉世矚目的成就，然而粗放的經濟發展模式與資源環境之間的矛盾日益凸顯，引致能源消耗逐年攀升，碳排放量持續高企。在此背景下，國內的資源承載壓力不斷加劇，生態環境日益惡化，從而嚴重制約了經濟的可持續發展。為了有效緩解經濟發展與生態環境保護“兩難抉擇”的矛盾，我國在頂層設計上提出了“碳達峰”與“碳中和”的目標，進一步地，中央經濟工作會議和“十四五”規劃相繼制定了低碳經濟的相關舉措，以此促進低碳減排協同增效，推動經濟行穩致遠。現階段，囿于碳排放成因的錯綜復雜性，綠色發展理念能否切實轉化為政策紅利，進而促進環境污染主體走低碳發展道路值得進一步商榷。有鑒于此，聚焦碳排放成因，深入探討碳減排的實現路徑，對于促進經濟增長與碳排放脫鉤，從而實現經濟的高質量發展具有重要的理論價值與現實意義。

現階段，綠色信貸或許能夠為碳排放問題的解決提供新思路。原因在于，綠色信貸之于經濟活動，不僅體現為資源性生產要素，更重要的是，其具有政策導向的屬性。具體而言，綠色信貸能夠引導信貸資金流向低碳產業與綠色技術，契合可持續發展的理念。與此同時，綠色信貸能夠倒逼污染型企業淘汰落后產能，實現流程重組與附加值創造，助力企業低碳化轉型。然而，在不同的環境規制閾值下，綠色信貸的邊際效益有所差異，環境污染主體的應對策略亦會隨之改變，這會間接影響綠色信貸的減碳成效，由此可見，綠色信貸對碳排放的影響可能隨著環境規制的強弱而改變。那么，當環境規制處于不同程度時，綠色信貸究竟發揮“低碳轉型”抑或是“污染擴張”的作用，值得進一步探究。此外，隨著區域間的經濟聯系愈加密切，信貸資源的配置逐漸突破了空間地理格局的束縛，加之現階段生態文明建設已納入績效考核的情況下，地方政府間存在明顯的“環保錦標賽”傾向，這意味著綠色信貸對碳排放的影響可能存在“本地-鄰地”效應。

有鑒于此，基于國內30個省域層面的面板數據，本文系統考察了綠色信貸對碳排放的影響。首先，梳理了綠色信貸與碳排放的相關文獻；其次，結合既有文獻，提出綠色信貸影響碳排放的理論框架與研究假說；再次，采用基準回歸模型分析綠色信貸對碳排放的影響，據此判斷綠色信貸是否有助于減少碳排放，并進一步運用面板平滑轉換模型探討環境規制的影響程度，同時結合空間計量模型分析綠色信貸的空間溢出效應。本文從多個維度剖析綠色信貸的減碳成效，以期得到新穎的研究結論，進而為深耕綠色信貸，助力“雙碳”減排，實現經濟的高質量發展提供政策啟示。

二、文獻綜述

基于研究主題，本部分聚焦于綠色信貸與碳排放的相關文獻。為了厘清文獻的內在邏輯，本文從多個方面對相關文獻進行分類梳理，并進一步對既有文獻進行評述，以此清晰刻畫現有研究的脈絡，從而為后文的理論分析與研究假說提供學理支撐。

(一)綠色信貸

學者們對綠色信貸展開了豐富的研究，本文選取外部融資、技術創新以及投資效應三個視角對相關文獻進行梳理，以契合研究主題。從外部融資看，綠色信貸對企業的外部融資存在異質性。對于重污染企業，綠色信貸顯著抑制了企業的信貸融資，且相對于非國有企業，重污染國有企業在信貸融資上受到的抑制作用更強。對于非重污染企業，綠色信貸能夠提高融資便利性，這有助于緩解企業在綠色轉型過程中的融資約束。從技術創新看，現有研究存在“波特效應”和“制度阻礙”兩種觀點。“波特效應”表明，綠色信貸政策具有降低代理成本和提升投資效率的作用，從而可以提高企業的綠色創新水平。“制度阻礙”則意味著，綠色信貸引致的遵循成本效應和信貸約束效應會顯著降低企業的技術創新水平。從投資效應看，綠色信貸可有效抑制能源密集型企業的投資，因此，其具有投資抑制效應，但綠色信貸主要抑制企業的過度投資行為，由此可見，綠色信貸對重污染企業產生的融資約束有助于減少其盲目投資，反而在一定程度上提升了重污染企業的投資效率。

(二)碳排放

基于碳排放的相關研究，本文擬從技術創新、產業集聚以及政策指引三個方面對碳排放的影響因素進行邏輯概述。在技術創新方面，綠色技術進步具有“技術紅利”效應，能夠改善本地和周邊地區的碳排放績效。隨著網絡技術的發展，互聯網能夠通過成本效應、創新效應以及需求引致效應的作用機制促進全要素碳生產率。此外，數字金融可以通過經濟增長效應、產業結構效應以及技術創新效應降低碳排放強度。在產業集聚方面，現有研究主要有以下三種觀點：一種觀點認為產業集聚加劇了碳排放量。研究發現，產業集聚能夠惡化集聚區內的環境污染程度，體現為擁擠效應和規模效應等負外部性。另一種觀點認為產業集聚有助于節能減排，降低碳排放量。隨著城市產業集聚程度不斷提升，碳排放強度隨之降低。還有觀點認為產業集聚與碳排放呈現非線性的關系。研究表明，制造業集聚和產業協同集聚均能夠影響城市碳排放強度，且作用特征呈現倒“U”型的曲線關系。亦有研究發現，經濟集聚對碳排放強度與人均碳排放的影響體現為倒“N”型曲線關系。在政策指引方面，碳排放權交易政策通過引導企業調整能源消費結構，激勵企業技術創新，從而實現地區碳減排。低碳城市試點政策能夠顯著促進高碳行業與非國有企業的綠色技術創新能力，從而降低碳排放。資源型城市可持續發展政策則通過優化技術選擇、提升財政扶持力度和提高生活質量發揮減排降碳的效應。

(三)文獻評述

綜上可知，國內外關于綠色信貸、碳排放的研究成果豐碩，但是直接探討綠色信貸對碳排放的影響的相關文獻相對鮮見。有鑒于此，本文嘗試從以下幾點對既有研究進行拓展：第一，在研究視角上，本文嘗試探討綠色信貸對碳排放的影響，并進一步從環境規制和空間溢出的視角對此問題展開細致分析，以期得到新穎的研究結論。第二，在研究方法上，傳統的線性計量模型忽略了變量間的非線性特征與空間異質性的現實。有鑒于此，本文在基準回歸模型的基礎上，進一步運用面板平滑轉換回歸模型和空間計量模型予以分析。第三，在研究意義上，本文的研究結論表明，綠色信貸有助于實體經濟走低碳發展的道路。因此，政府可以通過政策法規和市場手段引導和調控信貸資源，促進經濟低碳轉型。同時，環境規制在綠色信貸減少碳排放方面具有兩面性，這為政府如何選擇環境規制的政策提供了經驗借鑒。

三、理論分析與研究假說

在上述文獻歸納與評述的基礎上，本文試圖構建綠色信貸影響碳排放的理論邏輯與研究框架。為此，本部分提出綠色信貸影響碳排放的研究假說，主要包括以下三方面的內容：

(一)綠色信貸與碳排放

本文認為，綠色信貸可以通過資源優化效應、信號傳遞效應以及社會監督效應減少碳排放。從資源優化效應看，在綠色信貸政策的指引下，金融機構將為低碳產業與綠色行業提供融資便利與優惠利率，這有利于緩解企業的融資約束，促進企業進行綠色技術研發，降低碳排放。相比之下，綠色信貸政策加劇了高污染企業的融資約束困境，引致融資成本上升，這會抑制高污染企業的擴張，倒逼高污染企業進行低碳轉型，有利于改善“高消耗、高排放”的現狀。從信號傳遞效應看，綠色信貸政策與國家的頂層設計相契合。通過對低碳產業提供貸款支持與優惠利率，綠色信貸能夠激勵與引導社會資本流向綠色產業，推動整體產業結構向低碳、環保的生態化、高級化方向躍遷。與此同時，對于“兩高一剩”的產業，綠色信貸政策要求實行貸款限額與懲罰利率，這會“警示”相關產業調整發展規劃，謀求綠色發展布局。從社會監督效應看，在綠色信貸的配給過程中，企業需要提高碳排放的信息披露程度，這使得金融機構能夠實時監控企業的碳排放行為，也會鼓勵公眾與行業協會參與其中，形成外部監督機制。同時，隨著信息透明度的提升，低碳發展策略有助于企業塑造良好的社會形象，從而增強企業的自我約束力，促使企業更堅定地走低碳發展道路。綜上所述，本文提出如下假設：

H1：綠色信貸有助于減少碳排放。

(二)綠色信貸、環境規制與碳排放

綠色信貸對碳排放的影響可能與環境規制息息相關。原因在于，環境規制在促進微觀經濟主體節能減排、低碳發展的同時，亦會增加制度遵循成本和污染治理成本。基于此，作為外部約束，環境規制能夠改變經濟活動的成本與收益，從而影響微觀經濟主體的綠色信貸決策。進一步地，隨著環境規制的強度有所差異，經濟活動的成本與收益可能會呈現非對稱狀態，這會動態影響綠色信貸的減碳成效。

具體而言，當環境規制程度較低時，微觀經濟主體僅需付出較低的成本即可滿足環境規制的要求。與之相比，倘若微觀經濟主體進行低碳轉型，則需要面臨投入高、周期長、風險大的項目。在此情況下，作為利潤的追求者，微觀經濟主體更傾向保持“不思變革的惰性”，即不是進行低碳轉型，而是維持現狀以追求利益最大化。更值得關注的是，當環境規制程度較低時，囿于信息不對稱等因素的影響，綠色信貸可能會誘發機會主義行為。此時，微觀經濟主體可能會扭曲綠色信貸的用途，將其用于規模擴張而非低碳轉型，反而增加了碳排放。當環境規制程度較高時，在內部激勵和外部壓力的綜合作用下，微觀經濟主體會提高綠色信貸需求，謀求低碳發展，有利于減少碳排放。從內部激勵看，當環境規制程度較高時，低碳發展策略可以形成超過環境規制成本的“補償性收益”。原因在于，微觀經濟主體通過生產差異化的綠色產品能夠獲得先發優勢，占據市場份額，獲得產品溢價。基于外部壓力，當環境規制程度較高時，污染企業面臨更為嚴重的監管成本與融資約束，投資者亦會對污染企業給予更低的市場估值，這會倒逼微觀經濟主體進行綠色創新與產品升級，以迎合利益相關者對綠色發展的訴求。綜上所述，當環境規制程度較低時，綠色信貸可能會增加碳排放，當環境規制程度較高時，綠色信貸將會顯著降低碳排放。這意味著環境規制對綠色信貸的減碳成效可能具有兩面性，究竟其能發揮“低碳轉型”還是“污染擴張”的作用，有待進一步驗證。基于此，本文提出如下假設：

H2：綠色信貸對碳排放的影響存在環境規制的門檻效應。

(三)綠色信貸對碳排放的空間溢出效應

新經濟地理學的“中心-外圍”模型認為，生產要素的跨區域流動會引發空間集聚或擴散效應。現階段，隨著人力資本、金融資源以及技術稟賦等生產要素在區域間的往來日益頻繁，經濟活動的空間關聯性隨之上升，因此，有必要探討綠色信貸對碳排放的空間溢出效應。

本文將從創新溢出、產業集聚以及晉升激勵三個方面對空間溢出效應予以詮釋。具體而言，在創新溢出方面，隨著經濟發展的空間交互作用日益增強，地區創新水平不僅直接影響本地區的要素配置效率，亦會通過創新資源勢差在區域間發生動態流動和轉換，形成創新溢出效應。現階段，省域層面的綠色創新效率呈現失衡狀態，發達地區占據領先優勢，加之資本逐利性，信貸資源更多地流入到發達地區，這進一步制約了欠發達地區的綠色信貸對低碳技術創新的扶持力度。然而，由于創新溢出效應的存在，區域間的綠色創新效率會呈現漸進式縮小的態勢，從而有利于降低周邊區域的碳排放。在產業集聚方面，地區之間通常會因技術研發、生產及應用等環節的分工而存在產業集聚。當綠色信貸催生低碳經濟時，產業空間集聚能夠為低碳技術的縱向溢出提供有利條件，從而推動產業鏈的低碳化轉型與內在價值提升。進一步，隨著產業完成綠色價值鏈重構，產業集聚區可能存在“市場擁擠效應”。此時，在競爭優勢與超額利潤的驅使下，掌握低碳技術的產業會向周邊區域拓展市場，從而帶動低碳產業橫向溢出，減少周邊地區的碳排放。在晉升激勵方面，現階段，低碳經濟與生態文明建設已成為政績考核的重要指標。基于此，在晉升激勵的驅使下，官員有動機與能力影響綠色信貸的配置，使其投資環境友好型項目，從而提升地方政府的環境治理效能。值得關注的是，地方官員在促進經濟低碳轉型的過程中會形成相互追趕的競爭關系。具有低碳經濟發展優勢的區域會對周圍地區產生示范效應，從而迫使相關區域學習與模仿前沿技術，提升本地區的綠色創新能力，避免在綠色轉型過程中被淘汰。由此可見，因晉升激勵而引致的環保錦標賽改變了區域間的競爭環境，使得綠色信貸能夠在更大范圍上發揮減碳效能。綜上分析，本文認為綠色信貸在降低本地區碳排放的同時，也有助于降低周邊地區的碳排放，即具有“以鄰為伴”的特征。因此，本文提出如下假設：

H3：綠色信貸對碳排放的影響具有“以鄰為伴”的空間溢出效應。

四、研究設計

(一)變量選取

1.被解釋變量

碳排放量()。本文使用人均碳排放量作為二氧化碳排放量的代理指標，該指標由各省二氧化碳排放量除以總人口得到。其中，省域層面的碳排放量需要測算，且沒有統一的測算方法。本文基于《2006年IPCC國家溫室氣體清單指南》和《中國能源統計年鑒》分別提供的八類化石燃料的二氧化碳排放系數和各省能源化石燃料消費量計算各省份每年的二氧化碳排放量，具體計算公式如(1)式：

(1)

其中，為二氧化碳排放量；為二氧化碳與碳分子重量比，=4412；為第類化石燃料的消費量；為第類化石燃料的排放系數。表示本文選取的八種能源，分別是煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣。

2.核心解釋變量

綠色信貸()。關于綠色信貸，參考謝婷婷和劉錦華(2019)相關研究，本文選取各省非六大高耗能產業利息支出占工業產業利息總支出的比率衡量綠色信貸。原因在于利息支出可以反映信貸規模，因此，以非高耗能產業利息支出占工業產業利息總支出的比率能夠在一定程度上衡量綠色信貸的水平。

3.轉換變量

環境規制()。參考任曉松等(2020)相關研究，通過單位產值工業廢水排放量、單位產值工業二氧化硫排放量以及單位產值工業煙塵排放量計算環境規制強度綜合指數()，指數越大，表明污染排放越多，環境規制強度越弱。環境規制具體測算方法如下：

首先將各省單位產值工業廢水排放量、單位產值工業二氧化硫排放量以及單位產值工業煙塵排放量進行標準化，如(2)式所示：

(2)

(3)

(4)

4.控制變量

本文選取了以下控制變量。經濟發展(ln)，以實際GDP的對數值來衡量，隨著經濟發展，資源在更大范圍內得到配置，這會影響能源消耗與碳排放強度。人口規模()，以總人口的對數值來衡量，通常情況下，人口規模的擴大會增加能源消費需求，從而影響碳排放強度。對外開放()，以外商直接投資額與GDP的比值來衡量，污染天堂假說認為污染密集型產業傾向于向環境標準較低的國家或地區轉移，從而使得東道國成為污染天堂。產業結構()，以第二產業產值與GDP的比值來衡量，產業結構調整能夠反映能源強度的變化趨勢，尤其第二產業是國內碳排放的主要來源。財政分權度()，以財政支出與財政收入的比值來衡量，地方政府能夠根據財政情況因地制宜地提高碳排放效率。城鎮化水平()，以城鎮人口與總人口的比重來衡量，相較于土地城鎮化，人口城鎮化從人口結構的視角進行測度，更契合本文的研究主題，為此，本文采用人口城鎮化這一指標。市場化水平()，以市場化總指數來衡量，市場化水平會影響資源的配置效率，隨著市場化水平的提升，資源密集型產業與低附加值的行業所占據的市場份額會有所降低，從而降低碳排放量。

(二)樣本選擇與數據來源

本文以2008—2019年國內30個省域(不含西藏、香港、澳門以及臺灣)層面的面板數據為樣本。數據來源于《2006年IPCC國家溫室氣體清單指南》、《中國能源統計年鑒》、《中國統計年鑒》、《中國分省份市場化指數報告(2018)》以及各省份統計年鑒等。表1列出了變量的描述性統計結果。

表1 變量描述性統計結果

五、基準結果分析

(一)基準模型設定

為了驗證研究假說H1，本文基準模型設定如(5)式：

=+++∑+∑+

(5)

在(5)式中，為被解釋變量，為核心解釋變量，為控制變量集，和分別為省份和年度虛擬變量。本文主要關注的估計系數為，若顯著為負，表明綠色信貸能夠顯著抑制碳排放，若顯著為正，則表明綠色信貸能夠提升碳排放。

(二)基準回歸結果與穩健性檢驗

1.基準回歸結果

表2顯示了不同模型下綠色信貸與碳排放關系的實證結果。M(1)為未控制時間因素的實證結果，由表可知，綠色信貸的系數在1%的水平上顯著為負，表明綠色信貸有助于降低碳排放水平。M(2)為同時控制個體與時間因素的回歸結果，結果表明綠色信貸的回歸系數依舊為負，且在1%的統計水平上顯著，意味著綠色信貸對碳排放有抑制作用，從而驗證了研究假說H1。可能的原因在于，綠色信貸通過引導資金配置，促進低碳技術的發展與產業結構的升級，推動企業向低耗能、低排放的方向轉型，從而有助于降低碳排放水平。

表2 綠色信貸對碳排放的影響

本文以M(2)的回歸結果為基準，進一步對控制變量展開分析。其中，經濟發展(ln)的回歸系數顯著為負，這意味著經濟發展在一定程度上有助于降低碳排放。環境庫茲涅茲曲線也表明當經濟發展到一定水平后，環境質量會明顯改善。財政分權度()的回歸系數顯著為負，這意味著財政分權度有助于降低碳排放。現階段，在新發展理念的指引下，憑借信息優勢，地方政府有意愿制定碳排放政策，并根據財政情況因地制宜地提高碳排放效率。市場化水平()的回歸系數顯著為負，說明市場化水平可以降低碳排放。可能的原因在于，市場化水平能夠通過優化資源配置效率降低碳排放水平。現有研究也表明，隨著市場化水平的提升，資源密集型產業與低附加值的行業所占據的市場份額會有所降低，這有利于降低碳排放量。人口規模()的回歸系數顯著為正，這意味著人口規模能夠顯著提升碳排放。原因在于，隨著人口規模的擴大，能源消費需求會隨之增加，從而有助于提升碳排放量。城鎮化水平()的回歸系數顯著為正，說明城鎮化水平能夠提高碳排放。可能的原因是城鎮化進程促進了生產與生活方式的轉變，這在一定程度上會改變能源需求結構，提高碳排放強度。此外，對外開放()與產業結構()的回歸系數均為正但不顯著，這表明在樣本期間內，對外開放與產業結構并未顯著提升碳排放水平。

2.穩健性檢驗

(1)內生性處理。在基準回歸模型的設定中，核心解釋變量與被解釋變量可能存在反向因果，從而導致內生性問題，為此，本文將核心解釋變量滯后一期，緩解可能存在的內生性問題。表2的M(3)為核心解釋變量滯后一期后的回歸結果，由表可知，綠色信貸滯后一期后的回歸系數()依舊顯著為負，這表明在排除反向因果的影響后，綠色信貸仍然能夠顯著降低碳排放水平。

(2)替換被解釋變量。在基準回歸模型中，本文以人均碳排放量為被解釋變量。在穩健性檢驗中，本文替換被解釋變量的衡量指標，用碳排放總量作為被解釋變量的測度指標。表2的M(4)表明，以碳排放總量作為代理變量后，綠色信貸依舊能夠顯著降低碳排放水平，這表明本文基準回歸結果是穩健可靠的。

(3)更換回歸方法。在表2的M(5)中，本文替換回歸方法，采取最小二乘虛擬變量方法，并對省域層面進行聚類分析。結果表明在更換回歸方法后，綠色信貸的回歸系數仍然顯著為負，這表明綠色信貸能夠降低碳排放，因此，本文的基準回歸結果是穩健的。

(4)剔除部分樣本。在本文樣本中，部分省份是煤炭資源大省，同時又因處于北方而可能受到供暖因素的影響，因此，其碳排量相對較高，從而可能會影響全樣本的回歸結果。有鑒于此，本文剔除北方的山西、內蒙古、河北、遼寧、山東五個碳排放較高的省份。表2的M(6)為剔除后的回歸結果，實證結果依舊表明，綠色信貸能夠在一定程度上降低碳排放水平。

六、PSTR模型實證分析

(一)模型設定

GONZALEZ等(2005)提出面板平滑遷移回歸(Panel Smooth Transition Regression，PSTR)模型，后被多數學者稱為面板平滑門限回歸(Panel Smooth Threshold Regression，PSTR)模型。該模型作為具有外生解釋變量的固定效應模型，通過使用包含門限變量的連續轉換函數代替PTR模型中離散的示性函數，使得模型參數在高低區制之間實現平滑遷移，更為全面地刻畫截面單元的異質性。基本形式設定如(6)式：

(6)

其中，為被解釋變量，表示樣本個體，表示時間，表示個體因素的影響，為維外生解釋變量組成的向量，為隨機擾動項。(,,)為轉換函數，是的連續、有界函數，現有研究多將轉換函數設置為如(7)式Logistic形式：

-)]}

(7)

在(7)式中,是門限變量，為平滑參數，也稱轉換函數的斜率，為轉換函數的位置參數。當→+∞時，轉換函數(,,)→1，此時，模型處于高體制；反之，當→-∞時，轉換函數(,,)→0，模型處于低體制。由此可見，隨著轉換函數在(0～1)之間取值，模型能夠實現在低體制與高體制之間平滑轉換。特別地，當→0或≡時，(,,)=0.5，此時模型轉換為普通線性固定效應模型；當→+∞時，轉換函數將在位置參數附近跳躍，此時模型轉變為一般面板門限模型。進一步地，可以得到對的影響系數為(8)式：

(8)

(二)模型檢驗

借鑒GONZALEZ等(2005)、FOUQUAU等(2007)的相關研究，在模型參數估計之前，需要進行截面異質性檢驗，如果檢驗結果表明不存在異質性，則證明模型適合運用線性框架進行估計；如果存在異質性，則意味著使用PSTR模型估計存在合理性。在此基礎上，對模型進行非保留異質性檢驗，進一步確定該非線性模型是否能夠充分刻畫所有的區制轉換。檢驗結果見表3。

由表3可知，基于Wald Tests、Fisher Tests以及LRT Tests對PSTR模型進行截面異質性檢驗(線性檢驗)和非保留異質性檢驗(非線性檢驗)。在異質性檢驗中，當位置參數分別取值=1和=2時，檢驗結果均在1%的顯著性水平下拒絕“模型為線性”的原假設，這意味著以環境規制作為門限變量，使用面板平滑門限回歸模型研究綠色信貸與碳排放的關系存在合理性。在非保留異質性檢驗中，當分別取值1和2時，三種檢驗均不能拒絕“轉換函數個數為1”的原假設，意味著模型的最優轉換函數個數為1。進一步地，結合AIC和BIC的值可知，AIC在=1時的值大于=2的值，BIC在=1時的值小于=2時的值，此時通過觀察保留異質性檢驗的LMF值可知，=1時的值大于=2的值，因此，本模型的最優轉換函數個數為1，最優位置參數個數為1。

表3 異質性檢驗與非保留異質性檢驗

(三)模型實證結果分析

1.參數估計結果分析

基于上述檢驗結果，本文進一步對模型的參數進行估計，結果見表4。由表可知，綠色信貸的系數估計值在線性部分和非線性部分均在1%的水平下通過了顯著性檢驗。回歸結果表明位置參數為0.164，這意味著當環境規制強度低于0.164時，轉換函數(,,)→0，綠色信貸線性部分的估計系數為-7.290；當環境規制強度達到0.164時，轉換函數(,,)=0.5，綠色信貸對碳排放的影響系數為-2.124(-7.290+0.5×10.332)；當環境規制強度大于0.164時，轉換函數(,,)→1，綠色信貸對碳排放的影響系數為3.042(-7.290+10.332)。因為環境規制為負向指標，數值越大，環境規制強度越弱。由此可知，當環境規制水平較強時，綠色信貸可以顯著抑制碳排放水平。隨著環境規制水平變弱，綠色信貸反而會提升碳排放水平，研究假說H2得證。原因在于，環境規制會增加企業的生產成本，基于此，為了實現利潤最大化，企業會權衡成本與收益，進而展開環境行為決策。當環境規制強度較高時，企業需要付出的環境監管成本相對較高，此時，企業更傾向于提高節能減排的技術研發投入，從而有利于降低碳排放水平。隨著環境規制強度減弱，企業面臨的監管成本也會隨之降低。在此情況下，即使企業獲得足夠的綠色信貸配置，企業對低碳技術的研發意愿也并不強烈，甚至借助于綠色信貸資金進行“野蠻式擴張”，提高碳排放水平。因此，在環境規制水平相對較低時，綠色信貸反而會增加碳排放。此外，模型的平滑參數為15.935，平滑參數較大，表明模型在低機制與高體制之間的平滑轉移速度相對較快。

為了更清晰地刻畫綠色信貸對碳排放的非線性影響，結合表4的參數估計結果，本文進一步繪制了綠色信貸對碳排放的轉換函數與影響系數圖，如圖1所示。當轉換函數在(0～1)區間內變動時，模型由低體制平滑轉換為高體制，即隨著環境規制水平由強變弱，綠色信貸對碳排放的影響呈現負向抑制效應到正向促進效應的轉變。

表4 PSTR模型參數估計結果

圖1 轉換函數與影響系數

2.轉換函數與影響系數

上述研究表明，環境規制在綠色信貸對碳排放的影響中扮演著重要的角色，那么，全樣本的環境規制水平在研究期間內呈現何種分布狀態呢？本文進一步刻畫了環境規制水平的核密度分布圖，并以位置參數為界限，具體情況見圖2。由上文可知，環境規制的指數越大，環境規制強度越弱，反之，環境規制強度越高。由圖2可知，小部分樣本處于較高的環境規制水平(環境規制低于0.164)，大部分樣本仍處于較低的環境規制水平(環境規制高于0.164)。由此可見，我國省域層面環境規制的整體水平相對較低，因此，在探討綠色信貸對碳排放的影響時，應注重環境規制的強度，上述實證分析也表明，唯有環境規制在合理的區間內，才能充分發揮綠色信貸的減排效果。

圖2 環境規制的核密度估計曲線

七、空間特征分析

(一)空間權重矩陣構建與空間自相關性檢驗

為了驗證研究假設H3，本文構建了空間面板模型，以此檢驗綠色信貸對碳排放的空間溢出效應。

1.空間權重矩陣構建

在進行空間自相關性檢驗前，需要構建空間權重矩陣。現有研究多以地理鄰近特征定義的空間權重矩陣來衡量空間相關性，但在實際的經濟運行過程中，各區域的經濟活動可能會突破地理因素的束縛而存在空間溢出與輻射效應。有鑒于此，本文構建地理距離權重矩陣和地理與經濟嵌套權重矩陣來衡量空間關聯特征。其中，借鑒曾藝等(2019)的相關研究，地理距離權重矩陣通過兩地區地理中心位置之間的距離來衡量，并對其進行標準化處理，設定方式如(9)式：

(9)

其中，表示地區和地區兩地區間地理中心位置的距離。地理距離權重矩陣僅反映了地理位置的影響，并未考慮區域間的相關經濟活動。有鑒于此，借鑒邵帥等(2016)相關研究，本文進一步構建地理與經濟嵌套權重矩陣。首先，構建經濟距離權重矩陣，表達式為=1(-+1)。其中，表示區域的人均GDP。進一步地，地理與經濟嵌套權重矩陣的表達式為=+(1-)。其中，為權重，取值范圍為0～1之間，本文取值為0.5，表示地理距離權重矩陣和經濟距離權重矩陣的比重各占50%。

2.空間自相關性檢驗

在構建空間計量模型前，需要進行空間自相關性檢驗。本文采用全局莫蘭指數(’)檢驗區域間二氧化碳排放的空間相關特征。其計算公式為(10)式：

(10)

表5分別計算了2008年至2019年省域層面碳排放的全局莫蘭指數。由表可知，不論是地理距離權重矩陣，還是地理與經濟嵌套權重矩陣，莫蘭指數全部為正，且對應的值至少在5%的水平上顯著，這表明我國省域層面的碳排放并不是隨機分布的，而是呈現明顯的正向空間相關性和依賴特征，即相鄰地區間碳排放呈現趨同與聚集狀態，這也意味著選取空間計量模型有助于減少估計偏誤，具有一定的合理性和準確性。

表5 2008—2019年我國碳排放全局莫蘭指數

(二)空間面板模型檢驗與空間溢出效應分析

1.空間面板模型檢驗

在進行空間面板模型估計前，需要對空間計量模型進行檢驗，以此確定適配的空間模型。第一，對模型進行LM檢驗，判斷是否存在空間效應。LM檢驗結果在1%的水平上顯著，說明模型存在空間滯后效應和空間誤差效應，SDM模型包括這兩種效應，選擇SDM模型。第二，對模型進行Hausman檢驗，確定選擇固定效應還是隨機效應。檢驗結果表明，固定效應模型優于隨機效應模型，因此，采用固定效應的SDM模型。第三，進行LR檢驗，結果表明使用時空雙重固定的SDM模型是更優的，且SDM模型不可退化為SAR模型或SEM模型。第四，進行Wald檢驗，檢驗結果表明相對于SAR和SEM模型，SDM模型更加適配。根據上述檢驗結果，本文選用時空雙重固定效應的SDM模型進行估計。

2.空間溢出效應分析

現有研究表明，相較于一般的回歸模型，空間杜賓模型(SDM)內在地設定了空間權重矩陣，使得省域變量的變動不僅能夠產生本地效應，而且可能會產生鄰地效應，因此，單純依靠模型的點估計結果難以準確解釋地區間的空間溢出效應，有必要測算解釋變量的直接效應與間接效應。為此，借鑒曾藝等(2019)的相關研究，基于偏導矩陣法分解空間杜賓模型的直接效應與間接效應，即直接效應反映了綠色信貸對本地區碳排放的影響效果，間接效應刻畫了綠色信貸對其他地區碳排放的空間溢出效應。結果如表6所示。

在表6中，從M(1)到M(3)為基于地理權重矩陣的實證結果，從M(4)到M(6)為基于地理與經濟權重矩陣的實證結果。由表可知，地理權重矩陣和地理與經濟權重矩陣均表明，綠色信貸能夠顯著抑制碳排放。具體而言，在直接效應方面，綠色信貸的系數估計值均在1%的水平上顯著為負，說明綠色信貸能夠抑制本地區的碳排放水平。原因在于，綠色信貸能夠促進節能減排技術的發展，提高能源的利用效率，而且有助于產業轉型升級，優化能源需求結構，從而達到減少碳排放的目的。因此，綠色信貸有助于技術研發與產業升級擺脫對傳統粗放發展模式的依賴，實現經濟的高質量發展。在間接效應方面，綠色信貸的系數估計值亦顯著為負，說明本地區綠色信貸有助于減少其他地區的碳排放，假設H3得證。可能的原因在于，一方面，從產業關聯的視角看，區域間的產業通常具有協同集聚的關聯特征，且在同一產業鏈中扮演不同的分工角色，因此，本地區的低碳發展模式能夠對周邊地區形成“示范效應”，倒逼周邊地區產業鏈上的企業進行轉型，從而降低碳排放水平，實現價值鏈重塑。另一方面，從政府治理的視角看，在新發展理念的指引下，地方政府不再單純地以經濟增長為目的，而是更多地關注經濟的可持續發展。基于此，本地區的綠色發展經驗能夠為周圍地區提供借鑒，促使周圍地區淘汰高耗能產業，將信貸資源更多地配給到低碳行業，降低碳排放水平，實現綠色信貸的“鄰地效應”。在總效應方面，綠色信貸的系數估計值為直接效應與間接效應之和，且在1%的水平下顯著為負，意味著省域層面綠色信貸的平均變化對總體碳排放有顯著的抑制作用。此外，控制變量的回歸結果與前述回歸結果基本一致，此處不再贅述。

表6 綠色信貸對碳排放的效應分解

八、研究結論與政策建議

基于國內30個省域層面的面板數據，本文系統考察了綠色信貸對碳排放的影響。在基準回歸模型的基礎上，本文運用面板平滑轉換(PSTR)模型探討環境規制的影響，并進一步結合空間計量模型分析綠色信貸的空間溢出效應。主要結論如下：首先，綠色信貸能夠顯著抑制碳排放，且在一系列穩健性檢驗后，該結論依舊成立。其次，綠色信貸對碳排放的影響受到環境規制的約束，當環境規制強度較高時，綠色信貸能夠顯著抑制碳排放；隨著環境規制強度變弱，綠色信貸反而會增加碳排放。最后，綠色信貸不僅能夠有效抑制本地區的碳排放水平，而且能夠降低周圍地區的碳排放水平，即綠色信貸對碳排放的影響存在“以鄰為伴”的空間溢出效應。

綜上所述，綠色信貸雖然能夠限制抑制碳排放，但要真正落實，還需實體部門、金融機構與政府政策的共同推動。有鑒于此，本文提出如下建議：第一，充分發揮金融機構對綠色信貸的配置作用。金融機構在綠色信貸的審批與發放過程中占據主導地位，但投資項目存在風險高、周期長等方面的問題。為了提高綠色信貸的可操作性，金融機構應明確綠色信貸的審批標準，強化事后動態監督機制。同時，政府可通過建立風險擔保、創新激勵等方式提升金融機構的參與積極性，助力實體經濟低碳化轉型。第二，強化區域經濟合作，充分發揮綠色信貸的空間溢出效應。實證結果表明，綠色信貸存在“以鄰為伴”的空間溢出效應。有鑒于此，通過構建產業鏈條與產業集聚區，有助于人力資本、金融資源以及技術稟賦等生產要素跨區域流動，促進區域間互通有無、優勢互補，實現綠色信貸減碳效能的空間溢出。第三，政府應因地制宜地實施環境規制政策。完善監管部門對實體經濟環保數據的收集、整合及披露，為制定行之有效的環境規制政策與綠色信貸政策提供依據。建立監管部門與金融機構間的信息共享與溝通機制，更好地發揮綠色信貸的督導作用，有序推動“兩高”產業的退出與轉型，推動經濟低碳發展。

① 根據《國民經濟和社會發展統計報告》的分類，六大高耗能行業有：化學原料及化學制品制造業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業、石油加工煉焦及核燃料加工業、電力熱力的生產和供應業。