區域金融發展與二氧化碳排放：促進或抑制？
——基于SDM模型的實證分析

■張瑞鋒 劉帥

一、引言

全球氣候變暖對人類生存與發展提出了嚴峻的挑戰，為此，世界各國簽訂了《聯合國氣候變化框架公約》《巴黎協定》，并設置了碳減排與碳中和目標，我國提出力爭在2030年前二氧化碳排放達到峰值，在2060年前實現碳中和①。

金融作為現代經濟社會的核心，其發展是二氧化碳排放的重要影響因素之一。越來越多的學者開始研究金融發展與二氧化碳排放的關系。第一類觀點：金融發展與二氧化碳排放之間存在線性關系[1—9]。一些學者認為金融發展對二氧化碳排放起到抑制作用，主要體現在：其一，完善的金融體系有利于進行碳交易，促使企業減少碳排放；其二，金融發展可以降低融資成本，吸引投資，為低碳技術的研發提供充足的資金，實現低碳發展；其三，金融發展可以促使產業結構升級，合理配置各種生產要素，提高勞動生產率和能源利用率，有效減少碳排放。還有一些學者則認為金融發展對二氧化碳排放起到促進作用，主要體現在：一方面，金融發展可以為消費者提供便捷的資金渠道，使更多的消費者有能力購買汽車、空調等高耗能產品，促使碳排放增加；另一方面，金融發展可以提高企業融資效率，降低融資成本，提高企業擴大生產規模的積極性，增加能源消耗促進碳排放。第二類觀點：二者關系比較復雜，并非是簡單的線性關系[10—13]。由于中國各地區經濟發展水平不一、地理環境存在顯著差異，金融發展與碳排放可能存在非線性關系。

隨著研究的深入，一些學者考慮到中國各地區碳排放存在明顯的空間聚集性與異質性，并立足于空間視角探討金融發展與碳排放的關系，研究認為各地區金融發展與碳排放的關系存在差異，且本地區金融發展對周邊地區的碳排放也存在一定程度的影響，即存在空間溢出效應[14—17]。

可以看到，金融發展與碳排放關系的研究已經取得了一定成果，但仍欠缺對空間因素的考慮。基于此，本文對現有文獻成果進行三方面的擴展：一是建立空間杜賓模型，從空間溢出的視角研究區域金融發展對碳排放起到的作用。二是考慮空間溢出的效應邊界，研究區域金融發展對碳排放的間接效應。三是通過東、中、西三大區域的劃分進一步探討了區域金融發展對碳排放的影響。

二、作用機制分析

金融發展既可以對碳排放產生直接作用，也可以通過城鎮化水平、技術創新、產業結構三條途徑對二氧化碳排放產生間接作用。如圖1所示。

圖1 金融發展水平對碳排放的作用機制

金融發展所代表的金融規模的擴大和金融效率的提升均可以直接對二氧化碳排放起到抑制作用[18，19]。一方面，金融規模的擴大能夠為綠色行業的發展提供資金支持，促進綠色產業規模的擴張從而減少二氧化碳排放，同時金融發展所帶來的金融市場規模總量的上升，會將更多資金引入到綠色投融資市場從而為綠色行業的發展提供保障，綠色行業的發展將會促使傳統行業進行能源改造升級從而降低碳排放。另一方面，金融效率的提高可以降低因信息不對稱而增加的交易成本，提高信貸效率，促使綠色行業資源配置效率提高，縮短綠色產業資金獲取周期以加快綠色項目的完成，減少傳統行業二氧化碳的排放。基于上述分析，本文提出假設1。

假設1：金融發展直接對二氧化碳排放起到抑制作用。

從城鎮化水平角度來看，金融發展通過提高城鎮化水平對碳排放起到促進作用[20—22]。城鎮化水平對碳排放的影響存在異質性。一方面，城鎮化水平低的地區由于短時間內人口集聚形成規模效應，對能源的需求急劇增加，增加了二氧化碳排放。另一方面，城鎮化水平較高地區的質量效應大于規模效應，地區的大規模基礎建設基本完成、能源利用效率提高、居民環保意識增強，減少了二氧化碳排放。我國城鎮化水平仍不算太高，城鎮化的質量效應小于規模效應，因此增加了二氧化碳排放。基于上述分析，本文提出假設2。

假設2：金融發展水平與城鎮化水平正相關，城鎮化水平的提高對二氧化碳排放起到促進作用。

從技術創新角度來看，金融發展通過技術效應對本地區的碳排放起到抑制作用[23，24]。金融發展通過推動技術創新促使企業研發低碳技術，進而促使各行業轉變能源利用方式，提高能源利用效率，減少碳排放。基于上述分析，本文提出假設3。

假設3：金融發展水平與技術創新正相關，技術創新引起的技術效應對碳排放起到抑制作用。

從產業結構來看，金融發展通過推動產業結構升級對本地區的碳排放起到抑制作用[25，26]。金融發展通過提高資金使用效率、促進新興產業成長實現產業結構升級對碳排放產生影響。產業結構的升級會使高耗能的企業被市場逐漸淘汰、低碳企業的市場規模逐漸增加，從而減少二氧化碳的排放。基于上述分析，本文提出假設4。

假設4：金融發展水平與產業結構正相關，產業結構升級對碳排放起到抑制作用。

三、模型設定與數據說明

（一）空間計量模型設計

1.空間計量模型設定

考慮到解釋變量和被解釋變量在空間上存在相關性，本文采用空間杜賓模型來進行分析。空間杜賓模型的一般表達式為：

其中，Y 為被解釋變量，W 為空間權重矩陣，ρ為空間效應系數，X 為解釋變量，β為參數向量，WXδ代表周邊地區對Y 的影響，δ為相應系數變量。ε為隨機誤差項。

具體到本文分析金融發展對二氧化碳排放的影響，設定如下空間杜賓模型：

其中，C代表人均碳排放量，Fir、Fef、LnPgdp、LnUrban、LnPatent、LnIdustry、LnFdi分別代表金融規模、金融效率、經濟增長水平、城鎮化水平、技術創新水平、產業結構、外商直接投資，vt為時間效應，ui為個體效應，εit為隨機誤差項。

2.空間權重矩陣設定

在建立空間計量模型之前需要設定合理的空間權重矩陣，本文選取以下兩種形式的空間權重矩陣。

（1）基于地理距離構造的空間權重矩陣

本文選擇兩種基于地理距離標準構造的空間權重表達式，第一種為：

第二種為：

其中，dij為兩地區地理中心位置之間的距離。

（2）基于經濟特征構造的空間權重矩陣

（二）數據說明

1.二氧化碳排放量

本文以人均碳排放作為解釋變量（C），用各省碳排放總量與年末常住人口數的比值來表示。考慮到數據可得性，本文選取2005—2019年我國30個省市地數據。數據來源于中國碳核算數據庫（CEADs）和《中國統計年鑒》。

2.金融發展水平

根據相關研究文獻[12，27—31]，本文選取金融規模指標（Fir）和金融效率指標（Fef）來度量金融發展水平。本文利用年末各省金融機構貸款余額/GDP 來度量金融規模，用非國有部門貸款總額/GDP來度量金融效率。考慮到數據可得性，將非國有部門貸款表示為貸款總額與非國有部門占全社會固定資產投資總額比重的積。各省數據來源于《中國統計年鑒》和《中國金融統計年鑒》。

3.控制變量

根據相關研究文獻[32—37]，本文選取經濟增長水平、城鎮化水平、技術創新水平、產業結構、外商直接投資、對外開放程度作為控制變量（見表1）。數據來源于《中國統計年鑒》。

4.描述性統計

根據收集到的數據進行統計處理，得到描述性統計結果，如表1所示。

表1 變量描述性統計

四、實證分析

（一）空間自相關檢驗

檢驗變量是否具有空間相關性是進行空間計量分析的必要步驟。對于全局相關性檢驗，本文選取全局莫蘭指數；對于局部相關性檢驗，本文選用莫蘭散點圖。

全局莫蘭指數的計算公式為：

其中，n為地區個數，xi、xj、wij分別表示第i個地區、第j個地區、空間權重矩陣w中第i行第j列的元素。莫蘭指數最大為1，最小為-1，取值范圍為[-1，1]。莫蘭指數越接近1 或-1，表示兩者越相關；越接近0，表示兩者相關性越弱。

首先，根據我國各省市2005—2019年的碳排放量，通過構建基于地理距離標準構造的空間權重矩陣，計算得出碳排放的Moran′s I 指數及伴隨概率（表2）。由表2可知，碳排放在2005—2019年內的Moran′s I指數大部分通過了5%的顯著性水平檢驗，說明我國碳排放存在空間相關性。

表2 Moran's I檢驗

其次，為進一步分析不同地區的碳排放是否具有空間異質性，本文描繪了2005年與2019年碳排放量的局部Moran′s I 指數的散點圖（圖2和圖3）。局部莫蘭散點圖中的橫軸、縱軸分別代表人均碳排放量和其空間滯后項。通過比較2015年和2018年的各省集聚類型（表3）可知，集聚類型主要為“高—高”型、“低—高”型、“低—低”型三種模式，說明碳排放在地理空間分布上具有明顯的異質性。

圖2 2005年碳排放的Moran's I散點圖

圖3 2019年碳排放的Moran's I散點圖

表3 2005年和2019年碳排放集聚類型

（二）空間面板模型識別檢驗

通過莫蘭檢驗可以認為碳排放量具有顯著的空間相關性。從表4可以看出，LM_lag、Robust_LM_lag均通過了1%的顯著性水平檢驗，說明模型存在空間效應，可以建立空間計量模型。在確定建立空間計量模型后，還需要判斷選擇哪種模型以及選擇固定效應還是隨機效應。首先，根據表4的Hausman 檢驗結果，選擇固定效應模型。然后，分別建立SDM、SEM、SAR 模型從而進行LR 檢驗，根據表4的LR 檢驗結果，選取SDM 模型。因此，本文選擇建立雙固定的空間杜賓模型。

表4 空間面板模型識別檢驗

（三）穩健性檢驗

雙固定的空間杜賓模型結果如表5（1）列所示。為了確保實證結果可信，本文根據相關文獻采用替換空間權重矩陣的方法對模型進行穩健性檢驗[38—41]。首先，建立基于反距離空間權重矩陣和經濟距離空間權重矩陣的空間杜賓模型，模型結果如表5（2）和（3）列所示。其次，與原模型進行對比，發現模型中的各解釋變量與控制變量系數的符號和顯著性并未發生較大變化，可以認定實證結果的穩健性。

表5 穩健性檢驗結果

（四）回歸結果分析

1.整體回歸結果分析

表6（1）列的結果表明：第一，綜合來看，金融發展對本地區和周邊地區的碳排放產生顯著的抑制作用，驗證了假說1。其中，金融規模對其產生抑制作用，金融效率對其產生促進作用。第二，城鎮化水平對本地區和周邊地區碳排放均起到促進作用，而經濟增長水平、技術創新和產業結構對本地區和周邊地區碳排放均起到抑制作用。第三，外商直接投資對本地區碳排放產生抑制作用，對周邊地區碳排放產生促進作用。

表6 空間杜賓模型回歸結果

2.分地區回歸結果分析

通過上述分析可知，從整體來看我國的金融發展對碳排放起到抑制作用，但考慮到碳排放在地理空間分布上具有明顯的異質性，本文將中國分為東、中、西三大區域并再次建立空間杜賓模型來分析各地區金融發展與碳排放的關系②。回歸結果如表6（2）、（3）、（4）列所示。

（1）東部地區

由表6（2）列可知：第一，Fir、W×Fir 的系數顯著為負，說明金融規模的發展會抑制東部地區和周邊地區的碳排放；Fef、W×Fef的系數顯著為正，說明金融效率與金融規模的作用相反。第二，城鎮化水平的提升、經濟增長會促進東部地區的碳排放，而產業結構升級、技術創新會抑制東部地區的碳排放。第三，城鎮化水平的提升、外商直接投資會促進周邊地區的碳排放，而經濟增長、產業結構升級會抑制周邊地區的碳排放。

（2）中部地區

由表6（3）列可知：第一，Fir 的系數為正、W×Fir的系數為負，說明金融規模的發展會促進中部地區的碳排放，抑制周邊地區的碳排放；Fef、W×Fef的系數為負，說明金融效率的提高會抑制中部地區和周邊地區的碳排放。第二，技術創新會促進中部地區的碳排放，而經濟增長會抑制中部地區的碳排放。第三，經濟增長、產業結構會抑制周邊地區的碳排放。

（3）西部地區

由表6（4）列可知：第一，Fir、W×Fir 的系數顯著為負，說明金融規模的發展會抑制西部地區和周邊地區的碳排放；Fef、W×Fef的系數顯著為正，說明金融效率的提高會促進西部地區和周邊地區的碳排放。第二，經濟增長與外商直接投資會促進西部地區的碳排放，而城鎮化水平的提升與技術創新會抑制西部地區的碳排放。第三，經濟增長與產業結構升級會促進周邊地區的碳排放，而技術創新會抑制周邊地區的碳排放。

（五）空間溢出效應分解

為準確反應SDM 模型中解釋變量對被解釋變量的影響，本文采用偏微分的方法將其影響進行分解，結果如表7所示。其中，直接效應代表解釋變量對被解釋變量的直接影響，間接效應代表解釋變量對被解釋變量的空間溢出效應。

1.整體空間溢出效應分解

表7中，全國的結果表明，金融發展可以減少本地區和周邊地區的碳排放。具體來說，第一，金融規模直接效應與間接效應的系數均顯著為負，說明金融規模的擴大會減少本地區和周邊地區的碳排放。第二，金融效率直接效應與間接效應的系數均顯著為正，說明金融效率的提高會增加本地區和周邊地區的碳排放。

表7 空間溢出效應分解

對于控制變量的影響：第一，城鎮化水平的直接效應與間接效應的系數均顯著為正，說明城鎮化水平的提升會促進本地區和周邊地區的碳排放。第二，經濟增長、技術創新和產業結構的直接效應與間接效應的系數均顯著為負，說明其發展抑制了本地區和周邊地區的碳排放。第三，外商直接投資的直接效應系數顯著為負，說明其發展抑制了本地區的碳排放。

2.分地區空間溢出效應分解

（1）東部地區

對于東部地區而言，金融規模與金融效率對碳排放的影響與整體結果相似。對于控制變量的直接效應，城鎮化水平、經濟增長的系數顯著為正，技術創新的系數顯著為負，說明城鎮化水平的提高和經濟增長會促進東部地區的碳排放，而技術創新會抑制碳排放。對于控制變量的間接效應，城鎮化水平、外商直接投資的系數顯著為正，經濟增長、產業結構的系數顯著為負，說明城鎮化水平的提升和外商直接投資會促進周邊地區的碳排放，而經濟增長和產業結構升級會抑制碳排放。

（2）中部地區

對于中部地區而言，金融規模的發展會促進本地區的碳排放、抑制周邊地區碳排放，而金融效率的提高僅對本地區碳排放起到顯著的抑制作用。對于控制變量的直接效應，技術創新、產業結構的系數顯著為正，說明技術創新與產業結構升級會促進中部地區的碳排放。對于控制變量的間接效應，經濟增長、產業結構的系數顯著為負，說明經濟增長與產業結構升級會抑制周邊地區的碳排放。

（3）西部地區

對于西部地區而言，金融規模與金融效率對本地區碳排放的影響并不顯著，但兩者均具有顯著的溢出效應，即金融規模的擴大會抑制周邊地區的碳排放，而金融效率的提高會促進周邊地區的碳排放。對于控制變量的直接效應，城鎮化水平的系數顯著為負，說明城鎮化水平的提升會抑制西部地區的碳排放。對于控制變量的間接效應，城鎮化水平、經濟增長、產業結構的系數均顯著為正，說明城鎮化水平的提升、經濟增長和產業結構升級會促進周邊地區的碳排放。

（六）溢出效應的空間邊界分析

為探究金融發展對碳排放的溢出效應邊界，本文根據相關文獻[42，43]，每隔500千米進行一次空間杜賓回歸，結果如表8所示。

表8 空間溢出效應分解

表8顯示，金融規模對碳排放的間接效應的參數估計在0～2000千米范圍內均通過了1%的顯著性水平檢驗，金融效率對碳排放的間接效應的參數估計在0～2000 千米范圍內均至少通過了10%的顯著性水平檢驗。而距離超過2000 千米以后，金融規模、金融效率的參數估計幾乎都不顯著，這說明金融規模和金融效率對碳排放溢出效應的有效邊界均為2000千米。此外，0～500千米、500～1000千米內金融規模、金融效率的參數估計分別為-0.498、-2.024、0.225、1.848，1000～1500 千米、1500～2000 千米內金融規模、金融效率的參數估計分別為0.289、0.382、-0.211、-0.232，可見金融規模和金融效率對周邊地區碳排放的溢出效應存在明顯的空間衰減特征。

（七）機制檢驗

為了檢驗金融發展能否通過提高城鎮化水平、推動技術創新、促使產業結構升級三條路徑對碳排放產生影響，本文參考相關文獻[44—46]，將城鎮化水平、技術創新、產業結構作為自變量，將金融規模、金融效率作為因變量，以經濟增長水平、對外開放程度、外商直接投資作為控制變量分別進行空間杜賓回歸，結果如表9所示。

表9（1）和（2）列結果表明，金融發展與城鎮化水平正相關。一方面，金融規模的擴大伴隨著金融機構數量的增加和城鎮化融資制度的健全，能為城鎮化建設提供更多的資金來源，從而加快城鎮化建設。另一方面，金融效率的提升可以提高整個金融體系吸收存款并將儲蓄轉換為投資的效率，使金融資源流向能發揮其最大作用的場所，提高資源配置效率，推動城鎮化建設[47，48]。

表9 機制檢驗

表9（3）和（4）列顯示，金融發展與技術創新水平正相關，表明金融發展有利于本地區進行技術創新。金融發展可以通過優化資源配置、風險分擔、對企業提供資金支持等手段推動技術創新[49，50]。

表9（5）和（6）列顯示，金融發展與產業結構正相關，表明金融發展有利于促使本地區產業結構升級。金融發展可以通過提高資金使用效率、促進新興產業成長推動產業結構升級[51—53]。

通過分析表明，金融發展與城鎮化水平、技術創新、產業結構正相關。因此結合上文分析，驗證了假說2、3、4。

五、結論與建議

本文首先通過理論分析，提出區域金融發展影響碳排放的四條路徑。然后，基于2005—2019年的30 個省級面板數據，根據莫蘭檢驗，實證得出中國各省的碳排放具有明顯的空間相關性與異質性的結論。最后，基于SDM模型實證分析認為：（1）從整體來說，金融發展對本地區和周邊地區的碳排放產生顯著的抑制作用。其中，金融規模對本地區和周邊地區碳排放產生顯著的抑制作用，金融效率對本地區和周邊地區碳排放產生顯著的促進作用。（2）技術創新、產業結構升級對本地區和周邊地區碳排放產生抑制作用，而城鎮化水平對周邊地區碳排放產生促進作用。（3）金融發展和控制變量對碳排放的作用存在空間異質性，東部地區優于中、西部地區。（4）金融發展對碳排放的溢出效應在0～2000 千米范圍內顯著，但是隨距離衰減。

根據實證分析，本文提出降低碳排放的相關建議：（1）政府應引導金融機構向綠色產業投融資，進一步發揮金融對技術創新、產業結構的促進作用。從而充分利用金融發展、技術創新、產業結構升級帶來的碳減排效應。（2）加快城鎮化建設，促使城鎮化對環境影響的質量效應大于規模效應，減少因規模效應帶來的二氧化碳排放。（3）相關部門在制訂碳排放政策時，應充分考慮各地區碳排放的空間異質性、空間溢出效應以及效應邊界，加強各地區間的合作與交流，實現低碳協同發展。■

注 釋

①2020年9月22日，習近平主席在第七十五屆聯合國大會一般性辯論上宣布：“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和。”

②屬于東部的省市有：上海、北京、天津、山東、廣東、江蘇、河北、浙江、海南、福建、遼寧；屬于中部的省市有：吉林、安徽、山西、江西、河南、湖北、湖南、黑龍江；屬于西部的省市有：重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古。