綠色金融對蘇州重點產業碳減排的影響效應研究

王釔淞 聞梓彥 陳功 劉晨曦 潘潔

摘 要：我國提出雙碳政策以來，各級政府積極采取行動實現減污降碳協同增效，促進經濟社會發展全面綠色轉型。本文采用STIRPAT模型探索2008—2021年江蘇省蘇州市重點產業碳排放量與人口城鎮化水平、人均生產總值、綠色金融指數、碳排放強度之間的關系。同時，設置不同綠色金融發展程度情景，對蘇州市重點產業進行碳排放峰值模擬實驗。研究表明：綠色金融能夠有效促進碳減排，蘇州市加強發展綠色金融對達成碳達峰計劃具有重要意義。

關鍵詞：綠色金融；STIRPAT模型；碳減排；碳峰值；蘇州重點產業；綠色金融指數

本文索引：王釔淞，聞梓彥，陳功，等.<變量 2>[J].中國商論，2024（03）：-124.

中圖分類號：F205；DF468 文獻標識碼：A 文章編號：2096-0298（2024）02（a）--05

1 引言

自2005年起，中國碳排放總量連續十七年居世界首位。2020年中國在第75屆聯合國大會上正式提出了“雙碳”目標。2021年，蘇州市重點產業產值達8133.91億元，碳排放總量達2911.19萬噸。人民銀行蘇州市中心支行發布了《關于2022年蘇州市綠色低碳轉型金融重點工作部署的通知》，明確了未來綠色金融定量目標，提出了十大重點工作方向。為此，對蘇州市綠色金融發展現狀和碳排放效應進行研究、明確蘇州碳排放的金融驅動機制、模擬蘇州未來的碳達峰路徑，對于制定長期穩健的碳減排政策具有重要意義。

截至目前，學術界研究綠色金融與產業碳排放的重點在于碳排放的影響因素。李艷紅（2018）研究發現，河北省人均碳排放與人均GDP之間存在“倒U”型曲線，產業結構和能源結構調整是河北省實現經濟可持續發展的根本途徑[1]。Muhammad et al.（2023）研究發現，綠色金融、綠色創新、環境政策嚴格程度、GDP、出口、進口和碳排放之間有著長期的聯系[2]。張歡等（2023）研究發現：綠色信貸對碳排放具有顯著抑制作用，城鎮化水平、人均 GDP和單位 GDP能源消費量與碳排放呈正相關[3]。另一部分學者主要研究綠色金融在碳減排中的應用，何吾潔等（2019）利用VAR模型研究發現，發展綠色金融、利用可再生能源都能有效抑制單位GDP二氧化碳的排放[4]。楊林京等（2021）采用有調節的中介效應模型研究發現，綠色金融發展和結構調整優化能夠顯著抑制碳排放[5]。Franley et al.（2022）采用面板分位數回歸，研究表明可再生能源使用的增加和綠色金融發展指數的進步有助于減少二氧化碳排放量[6]。劉鋒等（2022）基于環境庫茲涅茨曲線（EKC），研究發現：中國綠色金融發展顯著抑制了碳排放[7]。由此可見，少有學者研究具體地區碳排放的影響因素，并且缺乏定量研究，不利于為地方政府提供可行性建議。

綜上所述，本文的研究目標為：探索蘇州綠色金融與重點產業碳排放量的關系，為推動蘇州實現“雙碳”目標提出建議。為此，本文將基于蘇州重點產業的碳排放數據和STIRPAT模型，量化分析碳排放量的影響因素，預測不同綠色金融發展程度下碳達峰的路徑，從而提出相關建議，增強碳減排效應。

2 蘇州市綠色金融與重點產業碳排放現狀分析

2.1 蘇州市綠色金融發展現狀

為順利實現“雙碳”目標，蘇州市政府大力倡導綠色發展，引導金融資本與環保項目對接，開發多樣化綠色金融產品。

蘇州市綠色信貸規模不斷擴大。截至2023年3月末，蘇州本外幣綠色貸款余額6647億元，同比增長50.5%，相比其他各項貸款增速高出34.9%，體現了綠色信貸強大的競爭力。

蘇州市綠色債券發展不斷成熟。截至2022年12月末，蘇州綠色債券余額達到171億元，同比增長47%，形成了金融資本服務綠色業務的良好局面。

2.2 蘇州市碳排放重點產業現狀

2023年6月20日，蘇州市工信局發布了《蘇州市工業領域及重點行業碳達峰實施方案（征求意見稿）》，指出鋼鐵、石油化工、建材、紡織和造紙產業是碳排放的重點行業。

2.2.1 鋼鐵產業

蘇州鋼鐵產業超低排放改造工作整體起步較早，進展良好。2021年蘇州市完成鋼鐵產業總產值3114.8億元，碳排放總量達24.84百萬噸，較2020年和2019年同比減少0.68%和0.86%。鋼鐵企業投入大量資金和精力，全面實施污染治理。目前，蘇州鋼鐵企業煥然一新，已全部完成超低排放改造，促進了全市大氣環境質量持續改善。

2.2.2 石油化工產業

蘇州市政府按照國家產業政策，圍繞八大產業鏈，鼓勵企業利用現有基礎，應用關鍵技術，優化產品結構。2021年蘇州石油化工產業總產值達1658.71億元，碳排放總量達7370噸。目前，蘇州市新建化工項目嚴格執行準入門檻的要求，進入化工集中區域，對技術先進、優勢明顯、帶動和支撐作用強的重大項目，及時納入全市重點項目規劃和年度實施計劃，優先給予土地、信貸等支持。

2.2.3 建材產業

2021年，蘇州建筑行業總產值為942.56億元，碳排放總量達21.15萬噸，較2020年同比減少0.7%。全市有9家建筑業企業被評為2021年度江蘇省建筑業“百強企業”，蘇州市住建局正進一步優化建筑業發展環境，促進產業創新，深化行業改革，繼續做大做強蘇州建筑業。?

2.2.4 紡織產業

2021年，蘇州紡織業總產值達1657.92億元，碳排放總量達69.3萬噸，較2020年同比增長4.7%。目前，蘇州紡織業總量規模全國第一，后續將從上游原材料“頂天”、中間制造業智能化改造和數字化轉型、終端產品品牌化發展三方面突破，大力實施“增品種、提品質、創品牌”發展戰略，推動紡織業高質量發展，全力建設高水平紡織產業創新集群。

2.2.5 造紙產業

2021年，蘇州造紙產業總產值達759.92億元，碳排放量達3.36百萬噸，較2020年同比減少3.36%。未來，蘇州造紙行業將立足新階段的新形勢和新要求，從產業空間布局、綠色、循環、智能、安全五個方面進行提質增效，確保造紙行業高質量發展穩步向前。

3 模型構建和數據來源

3.1 STIRPAT模型構建

STIRPAT模型是一種常用的社會科學研究方法，這種模型提供了一種操作性強的分析框架，通過量化碳排放量與經濟、人口、技術層面之間的關系，為研究提供直觀可靠的趨勢擬合與數據預測，能夠更準確地識別出具體的影響因素并制定相應的環境措施，對于理解環境問題的根源和解決途徑具有重要意義。

本文選取蘇州市碳排放與經濟水平、人口、技術數據，依據STIRPAT模型，分析蘇州市社會經濟因素對蘇州碳排放的影響。

STIRPAT模型的基本形式為：

式中，I為社會經濟活動對環境的影響，P、A、T分別表示人口、經濟、技術因素，a、b、c、d為對應系數。為了方便計算分析，將上式轉化為對數形式：

為引入綠色金融概念，對經濟層面因素進行分解，得到下式：

其中，人口層面的U代表城鎮化水平；經濟層面的G代表區域人均生產總值，L代表綠色金融指數（區域綠色金融總額與區域生產總值的比值），技術層面的E代表碳排放強度，即碳排放量與區域生產總值的比值。

3.2 數據來源及變量說明

本文數據采用2008—2021年蘇州市碳排放量、城鎮化率、區域生產總值、綠色金融、碳排放強度，分析各因素與碳排放量之間的關系。

碳排放量通過能源消費總量與碳排放系數（國家發改委能源研究所推薦的標煤的碳排放系數為0.67噸碳/噸標準煤）的乘積進行計算，能源消費總量來自歷年《蘇州統計年鑒》，城鎮化水平、區域生產總值、區域常住人口均來自蘇州市統計局的2023版《蘇州市情市力》。綠色金融的數據來源于市內國有大型銀行的年報。

4 實證分析

4.1 回歸分析及檢驗結果

本文使用SPSSPRO進行嶺回歸分析以測算模型整體的關聯程度。經過計算，各解釋變量之間的關系如下所示：

基于F檢驗顯著性P值為0.006，在1%水平上呈現顯著性，拒絕原假設，表明自變量與因變量之間存在著回歸關系。同時，模型的擬合優度R2為0.773，模型表現較為良好，證明了蘇州市碳排放量與城鎮化率、區域生產總值、綠色金融、碳排放強度之間存在緊密聯系，具有較強的研究價值。

本文根據所得模型結果，可以判斷碳排放量與人口城鎮化率、人均生產總值、碳排放強度成正相關，與綠色金融指數成負相關。

（1）人口城鎮化率。蘇州已經具備較高的人口城鎮化率，當人口城鎮化率進一步提高但清潔能源無法大規模擴展時，人口城鎮化率的提高對碳排放量影響較大，每提高1個人口城鎮化率的百分點，將提高1.22個單位的碳排放量。

（2）人均生產總值。當人均生產總值上升時，代表著經濟的增長，這也會引起碳排放量的增長，根據模型結果可以看到，每增長1個單位的人均生產總值，碳排放量會相應增長0.192個單位。

（3）綠色金融指數。綠色金融被用于支持和促進環保項目和可持續發展，綠色金融指數指的是區域綠色金融總額與區域生產總值的比值。在本模型中，可以得到每增加1個百分點的綠色金融指數，碳排放量可以下降0.153個單位，對碳減排起到積極的正向作用，說明綠色金融業務的發展能夠有效促進蘇州碳排放的減少。

（4）碳排放強度。碳排放量與區域生產總值的比值，可以客觀地反映碳排放量與經濟之間的關系，從模型結果可知，碳排放強度每增加1個單位，碳排放量將增加0.174個單位。

4.2 基于不同綠色金融發展程度下的碳峰值模擬實驗

4.2.1 情景設置

江蘇省工信廳、江蘇省發改委、江蘇省生態環境廳聯合印發《江蘇省工業領域碳達峰及重點行業碳達峰實施方案》中指出江蘇省鋼鐵、石化化工、建材、紡織和造紙五大行業碳排放量約占全省工業領域碳排放量的75%以上。

根據蘇州統計局發布的《蘇州市情市力》與《蘇州統計年鑒》計算可得，2016—2020年，城鎮化率上漲5.05%，區域人均生產總值上漲28.47%，綠色金融指數上漲20.48%，碳排放強度下降17.81%。

為方便計算，設置基準情況下的各項數據：在“十四五”時期的城鎮化率上漲5%，區域人均生產總值上漲25%，綠色金融指數上漲21%，碳排放強度下降20%，蘇州市重點產業碳排放量為全市排放總量的75%。

依據基準情況下的數據，本文分別定義了高發展模式與低發展模式。高發展模式下綠色金融指數快速增長，綠色金融業務蓬勃發展，“十四五”時期綠色金融指數達到25%；低發展模式下，由于蘇州經濟發達，近年來越發注重經濟高質量發展，因此綠色金融指數相比基準情況略低，綠色金融指數為20%，象征著綠色金融業務發展緩慢。

4.2.2 碳排放峰值模擬

將數據帶入模型進行測算，計算結果如下：

本文以2016—2020年為起點，根據模型，預測蘇州市重點產業未來在不同綠色金融發展情形下的碳排放量。由表4和圖2可知，在基準情況下，按照現階段的綠色金融發展速度，在2030年前碳排放量較難達到頂峰；在低發展的情況下，碳排放量依然快速增長，在2030年前碳排放量無法達到頂峰；在高發展情形下，因大力發展綠色金融業務，碳排放量能夠在2028年左右達到蘇州最高排放量為303.08百萬噸，相比基準情況和高排放情況分別降低8.83百萬噸和14.64百萬噸，為后續實現2060年的碳中和計劃打下堅實的基礎。

5 結論與建議

本文從蘇州市綠色金融和重點產業碳排放現狀入手，根據2008—2021年蘇州市的碳排放情況與經濟水平、人口、技術等數據建立了STIRPAT模型，并使用SPSSPRO進行嶺回歸分析證明該模型具有較強的研究價值。本文基于得出的STIRPAT模型，根據2016—2020年蘇州市人口城鎮化率、區域人均生產總值、綠色金融指數、碳排放強度等各項指標的變化情況，模擬出2021—2040年蘇州市重點產業在不同綠色金融發展情形下的碳達峰路徑。

研究發現：

（1）蘇州市碳排放量與人口城鎮化率、人均生產總值、綠色金融指數、碳排放強度等因素有關。當人口城鎮化率、人均生產總值、碳排放強度增加時，碳排放量會隨之增加，呈正相關；當綠色金融指數上升時，碳排放量會減少，呈負相關。

（2）在基準情況和低發展情況下，2030年后，蘇州市碳排放量依舊處于快速增長階段，無法實現2030年的碳達峰目標；在綠色金融高發展情況下，蘇州市將在2026—2030年達到碳排放量峰值303.08百萬噸，有助于后續實現2060年的碳中和計劃。

綜上所述，蘇州市若要順利實現“雙碳”目標，就必須堅持低碳排放，即需要在人口城鎮化、人均生產總值、綠色金融指數等方面找到適合蘇州的低碳方案。本文就綠色金融助力“雙碳”目標的實現提出以下建議：

（1）持續完善綠色金融標準體系。政府可以進一步完善綠色保險、綠色基金、綠色信托等綠色金融產品標準化體系，明確產品發行制度、規范交易流程，形成監管部門和金融機構關于“綠色”定義共識的一致性，明確綠色金融產品標簽，提高市場透明度，減少“假綠”現象。

（2）推動碳排放信息透明化、清晰化。監管部門可以構建并完善碳排放信息披露框架、制定并完善相關法律法規，除明確企業披露的碳排放信息需包含的內容外，還應規定其法律責任、監督管理、事務管理、獎勵與懲罰等方面，推動企業碳排放信息披露的強制性和規范性。

（3）創新綠色金融產品與服務。政府可以出臺一系列財政補貼政策，鼓勵金融機構推進綠色信貸、綠色債券、綠色保險、綠色基金等金融產品創新，比如開發并支持碳資產抵質押貸款、碳中和債券、碳保險、碳基金等創新品種，積極為重點產業轉型提供資金支持，充分發揮綠色金融在支持綠色產業發展中的引導作用。

參考文獻

李艷紅.河北省碳排放與經濟增長間關系的EKC存在性驗證及STIRPAT實證分析[J].生態經濟評論，2018（1）：14-24.

Umar Muhammad，Safi Adnan. Do green finance and innovation matter for environmental protection？ A case of OECD economies[J]. Energy Economics，2023，119.

張歡，楊彥紅，王瑞祥.甘肅省綠色金融發展對碳達峰與低碳韌性的影響研究：基于STIRPAT模型和情景模擬的分析[J]. 西部金融，2023（2）：69-78.

何吾潔，陳含樺，王卓.綠色金融發展與碳排放動態關系的實證研究：基于VAR模型的檢驗[J].貴州師范大學學報（社會科學版），2019（1）：99-108.

楊林京，廖志高.綠色金融、結構調整和碳排放：基于有調節的中介效應檢驗[J]. 金融與經濟，2021（12）：31-39.

Mngumi Franley，Shaorong Sun，Shair Faluk，Waqas Muhammad. Does green finance mitigate the effects of climate variability： role of renewable energy investment and infrastructure.

劉鋒，黃蘋，唐丹.綠色金融的碳減排效應及影響渠道研究[J]. 金融經濟學研究，2022，37（6）：144-158.