空間視角下綠色金融對碳排放的影響研究

金世玉，田穗

（杭州電子科技大學，杭州 310018）

1 引言

2023 年10 月31 日，中央金融工作會議上習近平總書記強調要把更多的資源用于促進技術創新和綠色發展。近年來，政府相繼制定和出臺了一系列綠色金融相關的政策和文件，并在多地建立綠色金融改革試驗區，不斷促進綠色金融發展，提高綠色金融發展水平。隨著地區之間的聯系日漸密切，本地區的碳排放不僅取決于自身的發展水平，也會受到周邊地區的輻射影響，因此文章從空間角度研究綠色金融對碳排放的作用效果，并進一步分析這種影響是否具有空間溢出性，豐富綠色金融與碳排放領域的研究。

2 文獻綜述

在綠色金融對于環境改善，降低碳排放的研究中，有研究發現綠色金融的發展對碳排放產生影響[1]，隨著綠色金融的發展，其與二氧化碳的排放表現出顯著的倒U 關系[2]。相關綠色金融政策的制定及落地，能夠促進社會中清潔部門的發展，促進經濟向低碳轉型[3]，提高重污染企業的融資難度和成本，限制這類企業的發展，進而對環境改善產生正向作用[4]。進一步分析綠色金融與碳排放在空間上的關聯發現，我國經濟水平較高的地區，如長三角地區、珠三角地區都表現出碳排放集中的現象[5]，而綠色金融發展從我國東部向東北中部再到西部呈現出自高向低的三階梯變化趨勢[6]，綠色金融發展水平較高的地區，主要分布在我國的華北地區、東部地區、珠三角地區。因此不少研究逐漸將研究的角度擴展到了空間分布。有學者結合綠色金融和碳排放的空間部分特點，采用空間計量模型進行分析[7]，發現綠色金融對于二氧化碳的排放存在空間溢出效應[8]，綠色金融的發展不僅會對當地的碳排放產生影響，同時會對臨近周邊地區產生一定的輻射作用。

3 理論分析

綠色金融不斷發展，且逐漸表現出聚集效果。早期我國絕大多數省份的綠色金融發展都處于較低的發展水平。隨著綠色金融政策的不斷落實和各省對于環境保護的不斷重視，到了近幾年國內大部分省份的綠色金融都相較于早期有了較大的發展。綠色金融具備傳統金融的特點，其通過各類金融工具發揮調節市場資源的作用，引導市場資金的流向。在綠色金融發展的初期，一些較為發達的地區省份，往往會率先推行促進綠色金融發展的相關政策，建立對應的綠色金融體系，這類地區通常也會較早地進入到綠色轉型模式。與此同時，由于早期的綠色金融發展存在較多的空白，往往會吸引較多的資金和其他資源進入該地區，會使該地向周圍地區產生聚集作用，吸引周邊鄰近省份相關資源。隨著綠色金融的不斷發展，在綠色金融發展到飽和狀態時，當地的各類要素將會無法有效地消納，此時綠色金融表現出外溢擴散的趨勢，向周邊地區輻射，帶動周圍鄰近省份的綠色金融發展。隨著綠色技術和理念的擴散，各類低碳技術向周邊省份外溢，綠色金融發展程度高的地區會為周邊地區輸送相關的技術和人才，同時其自身的發展也為周邊地區提供了一定的參考。與此同時，綠色金融具有一定的引導性，資金向環保產業轉移，增加高污染企業的資金使用成本，促使企業不斷開發新型環保技術，轉變發展理念。同時金融產業還會釋放信號，引起市場對于環保的關注，進一步推動產業結構優化，降低碳排放強度。基于以上分析提出假設：綠色金融對于抑制碳排放強度具有一定的空間效應。

4 計量模型設計

使用地理距離矩陣（W1）、經濟地理嵌套矩陣（W2）作為空間矩陣，建立空間計量模型如下所示：

式中，i、j 表示不同的區域，Wij表示空間權重，β1為綠色金融回歸系數，λ 為碳排放空間回歸系數，φ1為綠色金融空間回歸系數，Control 為控制變量，Ui為誤差項。

被解釋變量為碳排放強度（CI），表示單位GDP 產出所排放的二氧化碳排放量。選取煤炭、焦炭、原油、汽油、柴油、煤油、燃料油、天燃氣八大類能源，依據《中國能源統計年鑒》的標準煤折算公式進行計算獲得各省份的二氧化碳排放量。同時使用2005-2020 年類EANTLI 夜間燈光數據集對碳排放數據進行補充，最終計算該省單位GDP 所產生的二氧化碳量來表示該省的碳排放強度。

式中，CIit為i 省第t 年的碳排放強度，Ei為第j 種能源第t 年的消費總量,σi為第j 種能源對應的折標準煤系數，ρi為第j 種能源對應的二氧化碳排放系數，Lit為i 省第t 年的夜間燈光數據，GDPit為i 省第t 年的GDP 值。

核心解釋變量為綠色金融（GF）：從綠色保險、綠色證券、綠色投資、綠色信貸四部分，使用熵權法計算出綠色金融指數來客觀衡量各省的綠色金融發展狀況。其中綠色保險選取農業險保費收入與保險總收入比值；綠色證券選取綠色行業A 股市值與A 股總市值比值；綠色投資選取環境污染治理投資與GDP比值；綠色信貸選取高耗能工業產業利息與工業產業利息比值。

文章將設定以下控制變量：產業結構（IS），采用第三產業增加值與GDP 占比計算；經濟發展水平，選取人均GDP（PerGDP）；貿易開放程度（TRADE），采用進出口總額與GDP 占比；外商投資狀況（FIS），采用各地區實際利用外商投資額占GDP的比值；財政支出（FS），采用財政支出與GDP 的比值。

鑒于數據的可得性，選取2005-2020 年中國除西藏自治區和港澳臺地區以外的其他30 個省、市、自治區相關數據進行研究。數據來源于各個省份的歷年統計年鑒、Wind 數據庫。夜間燈光數據來源于全球變化研究數據出版系統類EANTLI 夜間燈光數據集（2005-2020）。

5 實證結果及分析

5.1 空間計量結果

首先，碳排放強度在不同的矩陣下都表現出顯著的空間自相關性。空間自回歸系數分別為0.293、0.466，表明某一省份的碳排放強度的增強也會導致周圍鄰近省份對應的碳排放強度的增強，每1%單位GDP 二氧化碳的排放量的上升分別會導致周圍鄰近省份單位GDP 二氧化碳排放量上升0.293%、0.466%。從結果中能夠看出各省份之間的碳排放強度存在著很強的聚集效應，通過降低該省的碳排放強度，依靠空間聯系可以擴散作用到其他周邊省份，進而帶動周邊省份的碳排放強度的下降。其次，綠色金融空間滯后系數W×GF 均顯著為負，表明綠色金融的發展可以顯著地對碳排放強度產生遏制作用，如表1 所示。

表1 空間計量結果

5.2 效應分解

在不同的空間權重下，綠色金融對于碳排放強度的抑制作用存在顯著的空間相關性，接下來深入分析綠色金融的發展對于該省及其周圍省份的碳排放強度的影響，結果如表2 所示。

表2 效用分解結果

從結果來看，在不同的空間權重下，綠色金融對于抑制碳排放強度直接效用、間接效用、總效用都通過了顯著性檢驗。以經濟地理嵌套矩陣（W2）為例，每提升1%的綠色金融發展水平就會直接抑制本省的單位GDP 二氧化碳排放量0.047 6%，間接抑制本省的單位GDP 二氧化碳排放量0.809%，整體上抑制本省的單位GDP 二氧化碳排放量0.857%。

比較不同矩陣下的回歸結果，發現綠色金融的發展在空間上可以作用到該省的碳排放強度上，且具有顯著的抑制效應。隨著綠色金融的發展，帶動多個部門向綠色轉型發展。另外可以看到間接作用的效果顯著強于直接作用的效果，由此可知，綠色金融的發展對于碳排放強度的抑制作用更多的是側重于間接手段來實現的。分析原因可能是，綠色金融通過相關的政策向市場釋放出來的越來越強烈的節能環保的信號，推動企業開始加大對于環保技術的研發和投入，推動企業優化生產模式，逐步走向綠色發展。另外，綠色金融作為金融的一個分支本身也具有金融自身所具備的資源配置的作用，綠色金融通過多種形式的綠色金融產品實現資源配置更多地向綠色環保類偏移，同時由綠色金融發展較為完備的地區向周邊不斷地外溢優質的綠色技術和人才，推動周邊地區進一步地發展相關綠色產業，實現碳排放強度的協同下降。

6 結論

文章基于2005-2020 年全國30 個省份的碳排放數據結合夜間燈光數據計算碳排放強度，同時從綠色保險、綠色投資、綠色信貸、綠色證券4 個維度較為全面地衡量綠色金融的發展水平。對碳排放強度和綠色金融的空間分布進行分析，通過構建空間杜賓模型來驗證綠色金融對于抑制碳排放強度具有空間效用。檢驗結果顯示，綠色金融對于碳排放強度具有顯著的負空間溢出效應，這反映了綠色金融對于碳排放強度具有抑制作用，不僅會對該省的碳排放強度產生抑制，同時也會影響到周邊的鄰近省份，推動鄰近省份降低碳排放強度。效用結果顯示，綠色金融對于碳排放強度上在直接效用、間接效用和總效用中都顯著地表現為負相關，并且間接效應系數大于直接效用系數。這表明，綠色金融對于抑制碳排放的作用對于周邊地區的影響程度較大，存在較為明顯的空間溢出效應。