我國碳金融對碳排放的空間溢出效應和影響機制分析

李舒婷

新疆財經大學經濟學院

0 引言

當前碳排放過多帶來的全球變暖和極端天氣頻發狀況，使各國意識到保護環境迫在眉睫。作為一個負責任的大國，中國始終積極參與國際環保工作，致力于綠色發展。習總書記提出的“碳達峰”和“碳中和”目標更是為未來中國碳減排事業的發展指明了方向。通過市場化金融手段，碳金融將促進低碳環保等技術進步，有效抑制污染性投資，成為推動我國碳減排事業的有力抓手。當前，大量碳金融促進減污降碳、支持環境保護的實踐探索正在我國進行著。2007年《關于落實環保政策法規防范信貸風險的意見》的頒布標志著我國已開始實施綠色信貸。2022 年國家發改委、國家能源局出臺了《關于完善能源綠色低碳轉型體制機制和政策措施的意見》，對“十四五”時期綠色低碳發展制度框架的形成與市場監督體系的完善有重要的推動作用。

碳金融的環境改善效應在學術界引起了廣泛關注。研究表明，碳金融可以通過有效抑制污染企業的投融資、利用資金扶持環保產業的發展等方式來改善生態環境質量。但學術界對于碳金融如何影響碳減排的直接研究較為缺乏，且存在以下幾個問題：第一，我國碳減排是否真正能被碳金融的發展所影響，是否存在區域協調的碳減排效果；第二，碳金融是如何影響碳減排的，其傳導路徑如何；第三，碳金融是否長期對碳減排產生影響。

由此，本文基于碳金融的碳減排屬性，從靜態及動態視角出發，探討碳金融對碳排放的路徑依賴，梳理二者的內在邏輯性，探討碳金融影響區域碳減排的作用傳導機制，為綠色低碳發展、生態文明建設、有效發揮碳金融的環境外部性提供理論借鑒。

1 文獻綜述

當前有許多關于碳排放影響因素的研究，數字化水平、經濟增長、清潔能源發展、城鎮化、能源生態效率、環境規則、技術創新等都是影響碳排放的因素，就金融市場對碳排放和碳排放強度產生的影響這一問題學界存在較大分歧。一些研究表明金融發展尤其是綠色金融能夠有效減緩碳排放量，但在加入空間效應之后，另有學者認為金融發展與碳排放量之間呈現“倒U 形關系”。金融業發展初期，大量資源消耗會加劇碳排放量，而隨著金融業持續發展，當跨過某一門檻數值之后就會與碳排放量呈現負相關關系來抑制碳排放。隨著我國金融市場的不斷完善，相應的金融政策能夠更好地促進金融市場的發展，因此學術界的研究成果也在不斷豐富。

1.1 碳金融相關研究

Roberts等（2008）［1］等將碳金融定義為“與清潔能源投資有關的碳配額交易”，并且對碳金融市場的發展作出了大量研究貢獻。Campiglio（2016）［2］認為金融機構要積極作出調整使其與當今的低碳經濟發展過程相協調，金融市場自身要不斷進行完善創新。Meng Bin 等（2023）［3］認為碳金融與其他市場有著密切的關聯，是反映其他市場的強有力信號。隨著“雙碳”目標的不斷深入，碳金融逐漸成為眾多學者關注的熱點話題，在我國也有一些碳金融方面的研究成果。杜莉、孫兆東（2014）［4］認為要通過碳金融市場來促進產業發展，“雙碳”目標的提出催生了碳金融市場、碳交易市場，這些市場還在孕育當中，要想更好地促進我國產業的高效發展就要從政策和操作層面上加以宏觀調控。齊紹洲和張振源（2019）［5］發現歐盟碳市場參與國在完成本國的碳減排目標的過程中也發揮了金融市場的融資作用，并有力地推動了可再生能源的技術創新。

1.2 碳排放相關研究

魏麗莉等（2023）［6］從邊際減排成本入手，對中國工業各行業減排空間與碳達峰進程進行考察，為控制減排成本、加快碳達峰進程提供了可行思路。鄧光耀（2023）［7］發現人口增長、城鎮化水平的提高、經濟發展水平上升等因素都會提高碳排放量，而產業結構升級、能源強度下降等因素則會抑制碳排放數量。因此提出各省要積極發展清潔能源、可再生能源、政府要制定一系列政策來推動產業不斷升級。

1.3 綠色金融與碳排放的相關研究

吳蕾（2023）［8］采用PSM-DID 方法分析綠色金融改革創新試驗區政策對工業企業碳排放強度的影響，發現綠色金融改革創新試點政策能夠有效降低試點地區工業企業的碳排放強度。徐慎暉（2022）［9］發現“雙碳”背景下的綠色信貸和碳權交易的協同效應能夠提升電力市場效率，進而降低碳排放量，并為降碳目標的實現提出了一系列可行性建議。沈高、張仿龍等（2023）［10］等從生產、生活、能源、科技等角度，基于金融支持實體經濟和產業結構轉型升級，探索了商業銀行踐行綠色金融的理論和實踐，發現綠色金融的不斷創新有利于“雙碳”目標的實現。

綜上所述，當前國內外關于碳金融以及碳排放的研究較多，但少有文章探討碳金融對碳排放的影響，并且大多數研究是基于靜態模型考察碳金融的碳減排效果，鮮有文章考慮碳排放的空間效應和路徑依賴。因此，本文重點探討碳金融的碳減排效應與碳金融對人均碳排放的影響，并通過中介效應模型得出碳金融可以通過加快地區產業結構高級化、研發強度和能源消費結構調整的作用機制促進碳減排。本文可能的邊際貢獻在于：一是基于生態視角，對碳金融影響碳減排的空間效應、作用機制及異質性特征展開深入探討，為碳金融如何助力節能降碳提供了新議題；二是驗證了產業結構高級化、研發強度以及能源消費結構在碳金融影響碳減排過程中的傳導作用。

2 研究方法

2.1 空間權重矩陣設定

一般的空間權重矩陣分為空間鄰接矩陣、經濟距離矩陣等。

空間鄰接矩陣：

經濟距離矩陣：

經濟距離矩陣中，GDPi與GDPj分別為樣本期i、j兩省的GDP均值。

2.2 空間自相關分析

2.2.1 全局莫蘭指數I

全局莫蘭指數I（3）的取值范圍在-1 到1 之間，當指數I的取值在0 至1 之間時為正相關，表示具有相似屬性的聚集在一起；當指數I 的取值在-1 至0之間時為負相關，表示具有相異屬性的聚集在一起；當指數I取值為0時，表示隨機分布，或不存在空間自相關。

2.2.2 局部莫蘭指數I

局部莫蘭指數I（4）與全局莫蘭指數I相似，數值范圍也是-1至1。分析局部莫蘭指數時，需要結合z得分和p值來判定，兩者要結合起來［11］，公式為：

在進行莫蘭指數I 的操作時，先計算一個地區的全局莫蘭指數，全局莫蘭指數顯示空間是否出現了聚集或異常值，如果變量在空間中沒有出現聚集則無法進行后續操作。如果全局有自相關出現，接著進行局部自相關操作，局部莫蘭指數I 也會顯示是否出現異常值或是否出現聚集。

2.3 空間計量模型

不同區域間所需要考察的被解釋變量可能具有顯著的空間相關性，若忽略空間因素將有可能導致研究結果的偏差。因此，空間計量通過引入權重矩陣的方式來考察地理相鄰地區對本地的影響，也就是所謂的空間溢出效應。

2.4 模型構建

為了確定碳金融與碳排放之間的空間依賴，采用空間杜賓模型SDM 來估計碳金融對人均碳排放量的空間溢出效應。ρ表示空間自回歸系數為被解釋變量lnPCit與相鄰單元lnPCjt之間的交互效應，Wij為非負空間權重矩陣，此處為0-1 鄰接矩陣。被解釋變量為人均碳排放量(PC)，核心解釋變量為碳金融(lnCF)，控制變量為經濟增長(lnPGDP)、技術水平(lnPAT)、產業結構高級化(AIS)、城鎮化水平(URB)、人口密度(PDE)以及外商投資水平(lnFDI)。

2.5 數據說明與來源

2.5.1 碳金融發展水平的測算

當前有關碳金融發展水平還沒有一個統一明確的標準，碳金融發展水平包含經濟、科技、能源等許多方面，故單一指標無法衡量碳金融發展水平。因此本文從金融發展環境、能源狀況、科技發展水平及經濟發展水平四個方面運用主成分分析法對碳金融發展水平進行測度，指標見表1，測算結果見表2。

表1 碳金融發展水平衡量體系

表2 2011-2020年各地區碳金融發展水平

2.5.2 主要變量的選取說明

測算所用的變量選取與說明如表3所示。其中人均碳排放量從中國碳核算數據庫省域碳排放清單計算所得，其他數據來自《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》《中國經濟普查年鑒》、省級統計年鑒、萬得數據庫以及國家知識產權局。由于指標數據可獲取的限制性以及統計口徑的差異性，故西藏、香港和澳門特別行政區、臺灣省沒有被納入到本文研究之中。

表3 主要變量的說明

3 我國碳金融對碳排放影響的實證分析

3.1 我國碳金融與碳排放的空間相關性檢驗

3.1.1 全局自相關

根據0-1 鄰接矩陣，運用全局莫蘭指數I 對省域人均碳排放和碳金融的空間相關性進行測度（見表4）。在樣本期內，人均碳排放莫蘭指數波動下降但始終高于0.2，均通過5%的顯著性檢驗；碳金融莫蘭指數均高于0.35。兩者均存在高高聚集和低低聚集的空間特征。

表4 中國省域人均碳排放與碳金融全局莫蘭指數

3.1.2 局部自相關

為了考察人均碳排放與碳金融局部空間的聚集狀態，進一步繪制局部莫蘭散點圖，此處僅展示了2011 年和2020 年的檢驗結果（圖1 與圖2）。2011年至2020年的人均碳排放與碳金融局部莫蘭指數均為正值，大多數省級區域都集中分布于第一、三象限，表現為高高聚集和低低聚集的空間特征，與全局莫蘭指數結果一致。

圖1 我國2011年人均碳排放與碳金融莫蘭散點圖

圖2 我國2020年人均碳排放與碳金融莫蘭散點圖

3.2 空間計量模型診斷與識別

LM 檢驗的統計量均通過1%顯著性檢驗，存在空間誤差效應也存在空間滯后效應［12］，因此拒絕不含空間滯后與空間誤差項的原假設。LR 檢驗和Wald 檢驗結果的統計量均通過1%的顯著性檢驗，說明SDM 模型不能退化成SLM 和SEM 模型。此外，Hausman 檢驗在5%的顯著性水平下拒絕了隨機效應的原假設，選用固定效應模型。因此固定效應空間面板杜賓模型更適合本文研究，并根據擬合優度情況確定選用時間固定效應空間杜賓模型［13］。

3.3 基準回歸結果

表5 報告了在經濟距離矩陣下的中國省域碳金融對碳排放影響的空間計量結果，除了第(4)列使用的是隨機效應回歸外，其他列的結果都使用的是固定效應回歸。應重點關注第(3)列雙固定效應回歸結果，空間自相關系數在1%的水平下通過顯著性檢驗。為驗證碳金融發展水平與碳排放之間是否存在非線性關系，本文引入碳金融發展水平的二次方系數并發現碳金融發展水平的一次方系數在1%的水平上顯著為正，二次方系數在1%的水平上顯著為負，即中國碳金融發展與碳排放之間存在著顯著的倒U 形關系，說明中國碳金融在早期發展中并沒有發揮顯著減少碳排放的作用，而到了后期階段，碳金融發展有效減少了碳排放。原因在于碳金融市場體系的建設是各省升級產業、降碳脫碳、結構升級、轉換新舊動能的有力抓手，在發展初期由于管理信息量大、增加企業成本、管理費用高、缺乏動力機制等問題，推行速度比較緩慢，碳排放量在此期間依舊顯著增加。從長期來看，碳金融領域的發展會不斷走向成熟。碳金融以碳排放交易權的核定和交易體系為基礎，建設了助力產業脫碳轉型的全鏈條碳金融服務，以化石能源為主的能源消費結構有望得到改變，有利于加大節能減排力度，降低碳排放，通過對環保、節能、清潔能源、綠色交通等領域的投融資來改善生態環境，屆時碳排放量將會大幅降低。本文引入人均GDP 的回歸系數為-0.385 并通過1%的顯著性檢驗，說明人均GDP 的增長反而會抑制碳排放。這主要是由于當前人均GDP 的增長很大一部分來自第三產業中信息服務業的發展，該產業具有環境友好型特征，生產活動過程中產生的污染物較少，隨著經濟的不斷發展，“雙碳”目標逐漸達成，因而碳排放量得到抑制。技術水平的回歸系數在1%的水平下顯著為負，說明隨著技術水平的提高碳排放量逐漸下降，這可能是因為技術創新的發展產生了一系列積極影響，帶動當地企業發展，更先進的機械設備提高了生產率水平，節約成本，進而實現節能減排。城鎮化水平的回歸系數在10%的水平下顯著為正，說明隨著城鎮化水平提高，大量人口涌入城市，加劇了城市的環境污染，增加了碳排放。而外商直接投資和研發強度未能通過顯著性檢驗。

表5 空間面板模型回歸結果

3.4 空間效應分解

在進行空間計量模型的回歸中，不僅要具體解釋基準回歸中的解釋變量回歸系數的含義，還要解釋各個解釋變量的空間溢出效應。最常見的方法為偏導數分解法。因此，本文對省域碳金融對碳排放的空間溢出效應進行了分解并說明了其他解釋變量的直接效應、間接效應和總效應（見表6）。直接效應表示解釋變量對本地區碳排放的影響，間接效應表示解釋變量對鄰近地區碳排放的影響，總效應為直接效應和間接效應之和。

表6 空間效應分解結果

1)碳金融對碳排放的影響

直接效應：碳金融對本地區碳排放的一次項影響系數在5%的水平下顯著為正，二次項影響系數在10%的水平下顯著為負，說明在碳金融領域發展的初期會增加碳排放量，而隨著碳金融領域的逐漸完善又會抑制碳排放，這與基準回歸結果一致。

間接效應：碳金融的一次項回歸系數沒有通過顯著性檢驗，而二次項回歸系數在5%的水平下顯著為負，且間接效應強于直接效應，表明碳金融會影響地理位置相鄰地區的碳排放量，地理位置越鄰近，碳金融越容易通過促進本地與鄰近地區碳排放權交易而使鄰近地區碳排放量減少，碳金融需要統籌區域間的發展，進而發揮碳金融的跨區域減排效應。

2）控制變量對碳排放的影響

直接效應：經濟發展水平的回歸系數在1%的水平上顯著為負，說明各省域經濟發展水平越高越有利于促進碳減排。技術水平的回歸系數在10%的水平上顯著為負，說明技術水平越高，應用到高污染高耗能產業上的可能性越大，清潔能源發展的態勢越好，環境污染物越少。產業結構高級化的回歸系數在1%的水平下顯著為負，說明更多的傳統產業向綠色清潔的第三產業轉移，對環境保護具有促進作用。人口密度的回歸系數在5%的水平下顯著為正，說明人口規模的擴大會消耗更多能源，進而增加碳排放。

間接效應：經濟發展水平回歸系數沒有通過顯著性檢驗，說明本地經濟的發展不會對鄰近地區的碳排放產生影響。城鎮化水平的回歸系數在10%的水平下顯著為負，說明本地城鎮化的進程能夠有效降低鄰近地區的碳排放量。外商直接投資回歸系數未能通過顯著性檢驗，說明外商直接投資未能對鄰近地區的碳減排發揮溢出效應。

3.5 中介效應分析

基準回歸模型的基礎上，本文將產業結構升級高級化（AIS）、研發強度（RD）和能源消費結構(ENS)作為中介變量，考察碳金融發展水平對碳排放的影響機制，借鑒中介效應檢驗方法，采用遞推回歸方程，構建如下中介效應模型，又使用Bootstrap抽樣法進行檢驗。

其中，X 為控制變量組成的集合；M 為可能的中介變量，包括產業結構高級化(AIS)、研發強度(RD)和能源消費結構(ENS)。

根據中介效應回歸方法，第一步對式（6）進行回歸，檢驗碳金融對碳排放的抑制效應是否存在；第二步對式（7）進行估計，考察碳金融分別與三個中介變量之間的關系；第三步對式（8）進行回歸，驗證中介效應，如果系數α1、σ1、w1均顯著，且w1系數的絕對值大于α1，則表明檢驗的影響機制成立。

3.5.1 產業結構高級化中介效應的檢驗結果與影響

產業結構高級化的中介效應檢驗結果如表7所示。產業結構高級化作為中介變量時，在碳金融發展的初期，中介效應占比系數為σ1w2/(σ1w2+w1)=43.37%，即產業結構高級化在碳金融發展水平對碳排放量的影響中發揮著中介效應，且是部分中介效應，中介效應量為43.37%。碳金融的相關系數為正，說明促進碳金融領域的發展會直接增加碳排放量。而在碳金融發展的后期，中介效應占比系數為σ1w2/(σ1w2+w1)=88.68%，即中介效應量為88.68%。碳金融的相關系數為負，說明促進碳金融領域的發展會直接降低碳排放量，且式(8)中碳金融二次項的系數明顯大于式(6)，即通過產業結構高級化可以更顯著地降低碳排放。

表7 產業結構高級化中介效應檢驗結果

3.5.2 R&D研發強度中介效應的檢驗結果與影響

研發強度的中介效應檢驗結果如表8 所示。R&D 研發強度作為中介變量時，在碳金融發展的初期，中介效應占比系數為σ1w2/(σ1w2+w1)=29.84%，即R&D 研發強度在碳金融發展水平對碳排放量的影響中發揮著中介效應，且是部分中介效應，中介效應量為29.84%。碳金融的相關系數為正，說明促進碳金融領域的發展會直接增加碳排放量。而在碳金融發展的后期，中介效應占比系數為σ1w2/(σ1w2+w1)=44.26%，即中介效應量為44.26%。碳金融的相關系數為負，說明促進碳金融領域的發展會直接降低碳排放量，且式(8)中碳金融二次項的系數明顯大于式(6)，即通過R&D 研發強度可以更顯著地降低碳排放。

表8 研發強度中介效應檢驗結果

3.5.3 能源消費結構中介效應的檢驗結果與影響

能源消費結構的中介效應檢驗結果如表9 所示。能源消費結構作為中介變量時，在碳金融發展的 初 期 ， 中 介 效 應 占 比 系 數 為σ1w2/(σ1w2+w1)=20.68%，即能源消費結構在碳金融發展水平對碳排放量的影響中發揮著中介效應，且是部分中介效應，中介效應量為20.68%。碳金融的相關系數為正，說明促進碳金融領域的發展會直接增加碳排放量。而在碳金融發展的后期，中介效應占比系數為σ1w2/(σ1w2+w1)=32.22%，即中介效應量為32.22%。碳金融的相關系數為負，說明促進碳金融領域的發展會直接降低碳排放量，且式(8)中碳金融二次項的系數明顯大于式(6)，即通過能源消費結構調整可以更顯著地降低碳排放。

表9 能源消費結構中介效應檢驗結果

3.6 穩健性檢驗

3.6.1 采用新的空間權重矩陣

本文將經濟地理矩陣換成0-1 鄰接矩陣并保留了2013-2020 年數據進行回歸。結果如表10 所示。可以看到空間自相關系數仍在5%的水平下顯著且碳金融一次項回歸系數仍在5%的水平下顯著為正，其二次項回歸系數仍在5%的水平下顯著為負。因此前文的基準回歸分析具有較強的合理性和穩健性。

表10 穩健性檢驗結果

3.6.2 空間面板模型的動態設定

由于碳排放具有時間連續性，當期碳排放量會受往期碳排放的動態影響，因此本文將碳排放的時間滯后項納入空間杜賓模型中，使內生性問題與估計偏差問題得以緩解。

WijlnPCit、PCit-1分別為碳排放的空間與時間滯后項，Hit為碳金融與控制變量。

PCit-1的回歸系數在1%的水平下顯著為正，說明碳排放在時間上具有慣性，前期的碳排放會對當期產生不利影響，當期碳排放又進一步對未來一段時間產生不利影響。因此，減少碳排放量、實現碳中和目標是一個持續的、長期性的系統工程，需要全面布局和堅持。

人均碳排放的動態SDM 回歸結果如表11 所示。動態設定可以在一定程度上對靜態模型的參數估計偏誤進行修正。與表5 相比，碳金融指數的二次項回歸系數絕對值增大，靜態模型低估了碳金融的屬地減排效果，而這種估計偏誤在動態模型中可以緩解。

表11 人均碳排放的動態SDM回歸結果

綜上發現，動態杜賓模型中lnCF和(lnCF)2核心變量的估計系數符號和顯著性與靜態杜賓模型基本一致，說明前文的基準回歸結果依然適用。

4 有關我國碳金融促進碳減排的結論與建議

本文利用2011 年至2020 年中國30 個省域面板數據，運用靜態空間杜賓模型對碳金融影響區域碳排放的空間效應和作用機制展開深入探討，又從動態空間杜賓模型出發分析往期碳排放對當期碳排放的影響，得出以下結論：

1）碳金融和人均碳排放在中國省域之間存在著顯著的空間關聯性，互相之間存在正向的空間溢出效應。

2）碳金融發展水平與碳排放量之間存在著非線性關系，兩者之間呈現倒U 形關系。不論是屬地還是溢出效應，在碳金融發展的初期，隨著碳金融領域的發展，碳排放量增加，當碳金融發展到一定程度后，其發展將會抑制碳排放。

3）基于中介效應模型的結果，說明產業結構高級化、R&D 研發強度以及能源消費結構均是碳金融促進碳排放的中介變量，且產業結構高級化發揮的中介作用最明顯。

4）碳排放存在著空間關聯和路徑依賴。當期碳排放會受到往期碳排放的累積效應阻礙，因此減排降碳工程需要長期努力的堅持與規劃。

通過本文的研究提出以下幾點建議：

1）立足碳金融試點，協調區域低碳發展

國家應建立一系列碳金融試點試驗區，尤其是在第二產業比重較高、污染較大的中西部地區，通過試驗區碳金融改革創新的經驗成果，在鄰近城市、省份傳播成功經驗，共同助力中西部低碳發展。進行跨區幫扶，將東部地區如浙江、上海、廣東等地的優勢資源引入中西部地區，采用建立碳金融專項資金等機制的方式實行定點幫扶，加快帶動中西部地區產業轉型。

2）因地制宜，遵循區域異質性節能降碳

根據不同區域的經濟發展水平制定不同的政策措施，發達地區可以利用本區域先進的技術支撐加之政府政策指引和銀行的投資放貸來大力研發與碳金融息息相關的清潔技術，致力碳減排。由于東部地區具備科技、資本、勞動力等方面的區位優勢，可以將碳金融與當下發展勢頭良好的金融科技進行深度融合，提升投融資效率。欠發達地區要著力于經濟發展，努力提高經濟發展水平，以經濟發展為碳金融發展保駕護航。

3）構建碳金融統籌機制，助力區域協同發展

從國家層面進行統籌協調，促進區域協同發展。碳金融減碳具有空間溢出性，為避免地方政府的各自為政，應從國家層面利用宏觀調控來統籌全局，通過構建人員流動、綠色技術研發等機制平臺來促進各省域的低碳發展。