“雙碳”視閾下綠色金融發展影響碳排放的內在機制研究

摘 要：加快綠色金融發展是我國新發展階段促進發展方式綠色轉型和實現“雙碳”目標的戰略要求。基于空間Durbin模型和GMM動態分析方法，利用我國2006—2021年30個省（區、市）的面板數據，對綠色金融發展與省際碳排放效果之間的內在關系進行實證研究。研究發現：綠色金融發展能夠顯著減少區域碳排放，相關結論經過穩健性檢驗后依然成立；低碳技術創新和融資約束作為中介變量，共同構成了綠色金融發展影響碳排放的傳導路徑。進一步分析表明，綠色金融發展對碳排放有明顯的空間溢出效應，并在我國不同經濟發展水平的地區存在區域異質性。研究結論可為新時代我國構建綠色金融發展體系、制定促進“雙碳”戰略目標實現的相關政策提供支撐。

關鍵詞：綠色金融；“雙碳”目標；融資約束；低碳技術創新

0 引言

為應對全球氣候變化和促進高質量發展，我國面向全球提出了“碳達峰、碳中和”的重大戰略目標。而加快綠色轉型和促進碳減排，是我國“十四五”時期乃至今后較長一段時期實現“雙碳”目標的關鍵［1］。為此，黨的二十大報告與2022年政府工作報告均將實現“雙碳”目標作為重要工作之一進行安排部署。在落實“雙碳”目標與加快經濟綠色轉型的背景下，促進綠色金融發展及其相關體系建設顯得尤為重要。相關研究表明，中國需要百萬億元的綠色低碳投資才能實現“雙碳”目標［2-3］。除政府投資外，大部分資金需要通過市場化的方式獲得。綠色金融可以通過支持高碳產業降耗升級、引導各經濟主體高效利用資源等，吸引更多“綠色”社會資本進入金融體系［3］，促進我國實現碳減排。從綠色金融實踐與政策導向看，我國高度重視綠色金融發展。2017年6月，國務院決定在廣東、新疆等5省（區、市）設立綠色金融改革創新試驗區；為實現“雙碳”目標，中國人民銀行貨幣政策委員會于2020年12月提出，要“完善綠色金融體系”；2021年，國家在“十四五”規劃中強調“大力發展綠色金融”；同年，我國對綠色債券支持的項目標準進行了更加明確的界定，使綠色金融對碳排放強度的約束更加嚴格。這些實踐探索與相關政策舉措，為實現我國綠色金融發展與碳減排有機結合帶來了新的契機。在此背景下，需要從理論層面對以下問題進行分析探究。即“雙碳”目標下應從哪些維度來衡量我國各地區綠色金融發展水平，綠色金融能否通過推動產業低碳轉型實現碳減排，其內在理論機制是什么？綠色金融發展對各地區碳減排存在什么樣的直接與間接影響？立足我國“雙碳”目標和產業低碳轉型的重大需求，為推進綠色金融發展，應采取什么樣的發展路徑？等等。為深入探究綠色金融發展與碳減排之間的內在關系，本研究結合2006—2021年我國30個省（區、市）的面板數據（因西藏及港澳臺的數據缺失，暫不考慮；另外，樣本時間截至2021年，主要是因為核心變量所使用的相關能源權威數據需要從2023年出版的《中國能源統計年鑒（2022）》中獲取，而該年鑒最新數據截止到2021年），從理論上探討分析綠色金融發展促進碳減排的作用機制及不同地區綠色金融的減排效果，并通過構建空間Durbin模型與中介效應模型進行實證檢驗，為我國實現綠色轉型與經濟高質量發展提供理論支撐。

1 文獻梳理與理論假設

1.1 文獻評述

目前，多數學者認為，綠色金融發展對產業轉型與環境治理具有重要影響。Sadorsky［4］（2010）和Cowan［5］（1999）從環保生態行業的融資需求出發，研究認為綠色金融發展對產業轉型升級具有較強的促進效應。此外，綠色金融能夠從貸款政策、條件方式和目標要求等方面推進綠色產業發展［6-7］，促進清潔生產和能源結構優化［8］，從而在環境治理和低碳轉型中發揮重要作用［9］。朱向東等［10］（2021）和陸菁等［11］（2021）研究發現，綠色金融發展對高排放污染產業具有負向影響，即抑制高污染產業的排放量，并與環境規制具有協同促進作用；趙軍和劉春艷［12］（2020）基于斷點回歸模型研究表明，實施綠色金融政策能夠推動綠色生態發展；李毓等［13］（2020）則運用省級面板數據并結合固定效應模型，從產業結構升級視角研究發現，綠色信貸對我國省域產業升級具有顯著正向影響。

關于綠色金融與碳排放之間的關系，現有研究結論并不一致，主要有3種觀點。其一，部分學者認為，綠色金融發展會對碳排放產生抑制作用。Sun等［14］（2020）、Agyekum等［15］（2021）和于波［16］（2023）研究發現，綠色信貸通過引導清潔技術運用等方式減少了碳排放；何吾潔等［17］（2019）利用VAR模型研究發現，提升綠色金融發展水平能有效降低單位GDP的碳排放量；謝翠和李立民［18］（2022）基于滬深A股上市物流企業的數據，實證研究發現，綠色證券與碳減排效率具有顯著的正相關性。其二，少數學者認為，綠色金融發展增加了碳排放。吳佳妮［19］（2022）研究認為，綠色信貸會導致金融資本流向低碳產業，使高能耗與高排放產業難以獲取技改資金，從而影響其開展低碳技術創新活動，因此會在短期內增加碳排放。其三，還有部分學者認為，綠色金融發展與碳排放之間存在復雜的不確定關系。胡金焱和王夢晴［20］（2018）利用省際面板數據發現，綠色投資與碳排放之間呈現先促進后抑制的倒“U”形關系；尹子擘等［21］（2021）指出，綠色金融發展對全要素生產率的影響呈“U”形；史代敏和施曉燕［22］（2022）研究發現，綠色金融發展與低碳產業間存在門限效應，在制度環境門限值以下時，綠色金融發展將抑制低碳產業增長，只有突破門限值才能促進低碳產業發展，實現碳減排。

綜上所述，大部分學者的研究表明，綠色金融發展與資源環境之間具有密切關系。但就實證結果而言，現有關于綠色金融發展與區域碳排放關系的研究結論仍存在較大差異。這既與所選研究對象的區域性和行業差異性以及研究方法中綠色金融指標多選取綠色信貸、綠色投資等單一因素有關，也與未能考慮現實中地方政府的融資導向、政策資源引導等與綠色金融發展的交互作用等有關。此外，各地區的產業發展、環境政策及金融需求存在一定的空間差異，加之綠色金融發展對地區的減污降碳存在顯著的空間溢出效應，使得從區域層面研究綠色金融發展的碳減排效應變得尤為重要。目前，已有研究鮮見從區域視角考慮“雙碳”目標下綠色金融發展對碳排放的影響問題，因而缺乏這一問題的直接證據，這為本研究留下了創新空間。相較于以往研究，本文的邊際貢獻在于：其一，從綠色金融發展角度出發，并結合各省（區、市）的實際情況，從4個維度對綠色金融發展進行測算，并將構建的綠色金融發展指數用于計量模型的實證檢驗，避免采用單一因素而帶來的偏差。其二，將空間因素納入實證計量，全面分析綠色金融發展對本地區及周邊地區碳減排的影響機制，為國家實現碳減排目標提供新思路。其三，結合中介效應模型，進一步考察綠色金融發展影響碳排放的間接傳導機制，拓展并豐富了該領域的相關研究。研究結論有助于更好地了解我國綠色金融發展政策的實施效果，可為相關政策制定提供理論參考。

1.2 理論分析與研究假設

1.2.1 綠色金融發展影響碳排放的直接機制

從理論角度看，綠色金融通過低碳產業資金的定向投入、綠色產業發展的政策引導、綠色項目的風險管控［23］等3種機制，將低碳發展滲透到整個區域的產業發展體系中，從而減少區域碳排放。

1.2.1.1 低碳產業資金的定向投入機制

金融機構本身的資金融通特性，使其可以在短時間內集聚大規模社會資本。金融機構利用綠色金融工具引導更多社會資金流向清潔生產行業，有效促進綠色產業發展，實現區域碳減排。同時，金融機構通過發揮金融資源在區域產業配置中的核心作用［24］，實施基于金融服務供給側結構性改革的綠色政策，倒逼高碳行業低碳化轉型。這些都會對區域碳減排產生積極影響。

1.2.1.2 綠色產業發展的政策引導機制

加快綠色金融發展是國家促進生態文明建設的一項重要措施，將帶來積極的區域環境質量改善效應，促進碳減排［22］。綠色金融政策可以通過地方政府采購、金融支持和減稅降費等方式支持綠色產業發展，使低碳環保產業的融資成本遠低于高碳污染產業，從而提高環保產業的盈利能力和市場競爭力［25］。此外，政府利用政策資源，通過提高環境規制強度與高碳污染行業融資門檻，倒逼高碳行業低碳化轉型，實現區域產業減污降碳協同增效，有效促進碳減排。

1.2.1.3 綠色項目的風險管控機制

綠色項目的公共產品特性，使其通常具有較長實施周期與較大資金需求的特點，從而加大了項目風險。而金融機構專業的風險控制能力，便于其對該類項目進行全面的風險管控［26］，保障綠色項目的實施與運營。同時，金融機構作為資金供給方，也將促使項目主體在經營活動中考慮生態和環境因素，以降低碳排放、環境污染等造成的社會風險。

綜上分析，綠色金融通過3個機制吸引更多的社會資本流向綠色低碳產業，為綠色低碳產業發展提供更多的投融資機會，從而有助于實現碳減排（見圖1）。因此，本文提出如下假設。

假設H1：綠色金融發展有利于碳減排，即綠色金融發展與碳排放之間呈負相關關系。

1.2.2 綠色金融發展影響碳排放的間接機制

從作用渠道分析，綠色金融經由低碳技術創新和融資約束等傳導路徑發揮碳減排的間接效應（見圖1）。我國實施“雙碳”重大戰略，將使綠色金融的資源配置和價格發現功能日益凸顯。低碳技術創新已成為經濟發展與環境碳排放脫鉤的重要驅動力［27］，并將在國家“雙碳”目標的既定戰略下，引致大多數高碳企業對綠色技術的巨大需求。綠色低碳創新對穩步推進產業低碳轉型至關重要。微觀層面上，通過將低碳技術創新貫穿于企業生產全過程，可以有效促進經濟發展的綠色清潔化轉型，推動低碳技術的升級迭代和資源能源利用效率提升，削減碳污氣體排放。中觀層面上，低碳技術創新可通過有效增加行業低碳產品、環保裝備的供給，促進工業、能源和建筑等傳統高碳行業的低碳轉型及高技術、新興產業的快速發展。宏觀層面上，低碳技術創新在推進產業結構高端化與生態化升級的同時，還將加快消費結構的低碳化轉型升級，推進減污降碳和產業綠色化，驅動產業高質量發展。綠色金融通過金融手段支持節能減排技術研發、新能源技術開發等創新活動，有利于引導我國的技術與經濟結構向綠色低碳方向調整［28］。在產品迭代中，產業內技術溢出和創新補償效應將使更多的行業開展綠色技術創新［29］，從而促進碳減排。

融資約束是企業進行技術創新的重要障礙。綠色金融發展通過融資約束間接影響碳排放（見圖1）。綠色金融可以通過提供綠色信貸、綠色債券、綠色基金、綠色保險、碳排放交易等多元化金融工具來緩解低碳行業的融資約束問題，從而支持企業開展技術創新。隨著綠色金融產品規模不斷擴大，綠色信貸和綠色債券已成為綠色研發項目重要的資金募集手段，其為低碳環保行業的研發創新提供了融資支持。金融機構的綠色金融業務可使其對企業進行甄別和評價，進而加強對污染企業的環境監管和信息披露等，并利用貸款額度和差別利率等手段，提升高排放和高污染企業的融資成本，為低碳環保企業提供低息優惠貸款支持，從而倒逼高能耗高排放企業進行減污降碳和清潔生產［30］。此外，綠色金融能夠使低碳企業以較低的政策風險進行投融資，有效規避了環境規制給高碳企業帶來的融資約束。更重要的是，其將為低碳生態產業提供持續的資金支持。例如，在國家綠色轉型等政策持續利好的情況下，近幾年光伏行業的研發投入規模不斷攀升，從2019年的48億元上升至2022年的200億元。由綠色金融支持的行業清潔生產和減排技術的研發投入的高增長率或將延續，因而綠色金融能夠通過支持綠色項目和減排技術研發促進經濟的綠色增長。因此，本文提出如下假設。

假設H2：綠色金融發展通過低碳技術創新、融資約束等傳導路徑影響碳排放。

1.2.3 綠色金融發展影響碳排放的空間關聯機制

在產業轉移、大氣流動等類似的經濟與自然活動的影響下，區域間碳排放具有較強的空間相關性。考慮到一個地區碳排放來源的各組成部分，用公式[CEit=Eit+Sjt-Sit]來表示。式中：[CEit]代表一個地區的碳排放量；i代表區域截面單位；t代表年份；[Ei]代表本地區i的碳排放量；[Sj]代表從周邊地區j向地區i擴散的碳排放量；[Si]代表地區i向其他地區j擴散的碳排放量。根據空間計量經濟學理論，[Sjt-Sit]反映了周邊地區對本地區碳排放的“貢獻”，代表了區域間的空間依賴性。其可以表示為空間誤差特性（[Sjt-Sit=μit=λWμit+εit]），或空間相關性（[Sjt-Sit=ρWCit]）。式中：[W]為空間權重矩陣；[λ]、[ρ]分別是空間自相關系數和空間自回歸系數。同時，在綠色金融發展和節能減排等目標導向下，高碳污染企業在貸款時會受到高成本約束，這可能對周邊其他同類型企業起到“警示作用”。綜上所述，綠色金融發展在減少當地碳排放的同時，還可能減少周邊鄰近地區的碳排放［31］。因此，本文提出如下假設。

假設H3：區域間碳排放具有空間依賴性，綠色金融發展在影響本地區碳排放的同時，也會對周邊鄰近地區產生空間關聯效應。

2 研究設計與數據來源

2.1 計量模型選擇與設定

考慮到碳排放在不同區域的時空擴散特征，且不同區域各相關變量之間存在空間關聯性，針對綠色金融發展與碳排放之間的關系，本研究擬采用空間計量模型進行剖析。在3種類型的空間計量模型中，空間Durbin模型（SDM）能夠引入內生變量與外生變量之間的相互作用，并獲得無偏估計參數，具有綜合表達空間誤差模型（SEM）和空間滯后模型（SAR）的特征［32］。因此，本文選擇SDM來衡量綠色金融發展對碳排放的影響效應。參照Elhorst［33］（2014）的研究，本文用空間權重矩陣來表示相鄰空間單元的影響強度，并僅考慮地理（經濟）距離權重矩陣W1（W2）。其中：基于我國省際空間地理距離構建空間地理距離權重矩陣（W1），以揭示地理因素對碳排放的影響；同時根據我國各省（區、市）的地區生產總值構建空間經濟距離權重矩陣（W2），以反映區域經濟因素對碳排放的影響。將核心解釋變量綠色金融發展指數（Gfin）引入模型后，構建如式（1）所示的空間誤差模型（SEM）和如式（2）所示的空間滯后模型（SAR）。

（1）

（2）

式（1）—（2）中：C代表碳排放強度；X代表一系列控制變量；i和t分別對應省（區、市）和年度；[λ]、[ρ]分別代表空間自相關系數和空間自回歸系數；[?it=εit+uit]，其中[εit]和[uit]為正態分布的擾動項。

相對而言，空間Durbin模型（SDM）具有SEM模型和SAR模型的特征［32］，其表現形式如下：

（3）

由于包括碳排放在內的環境污染變量具有路徑依賴特征［32］，前一時期的環境污染會對當期產生較大的影響。因此，將碳排放滯后項引入式（3），構建如式（4）所示的動態SDM模型。

（4）

顯然，動態空間面板模型可以從時間維度和空間維度綜合反映碳排放的時空滯后效應，從而得到更穩健的估計結果。

2.2 變量描述

2.2.1 被解釋變量：碳排放強度（C）

IPCC法是業界公認的碳排放測量方法［34］。參照李新安和李慧［35］（2022）的研究，使用該測算方法對中國30個省（區、市）的二氧化碳排放量進行計算，計算公式如式（5）所示。能源數據來源于《中國能源統計年鑒》。

（5）

式（5）中：i、t、n和m分別表示第i個省（區、市）、第t年度、第n個行業以及第m種能源；[QCO2]表示各省（區、市）的碳排放量；E和q分別表示各省（區、市）分行業的能源消費量與碳排放系數，q數值參考IPCC法計算得到。在此基礎上，結合地區生產總值計算出各省（區、市）的碳排放強度值（C）。

根據計算結果，使用ArcGIS軟件繪制出2006—2021年中國碳排放分布圖（因篇幅所限，計算數據與圖暫略），發現2006—2021年中國各地區碳排放量呈上升趨勢，且省與省之間存在顯著的空間相關性。因此，可采用空間計量模型來衡量綠色金融發展對碳排放的影響。

2.2.2 核心解釋變量：綠色金融發展指數（GFin）

借鑒中國綠色金融專業委員會提出的綠色金融發展所涵蓋的4個方面，即綠色信貸、綠色投資、綠色保險和綠色證券。①綠色信貸。我國的金融體系呈現典型的銀行主導型特征，商業銀行的綠色信貸構成綠色金融的核心內容。本文參照Mashud等［36］（2021）的做法，利用六大高耗能行業①的現有數據，將各類行業利息支出中工業利息總支出占比以及我國五大行綠色信貸占比作為衡量綠色信貸的主要指標。②綠色投資。綠色投資可促進低碳發展與環境治理，本文采用環境排放治理支出占地區生產總值比重、城鎮環境基礎設施投資占地區生產總值比重和節能環保產業外商直接投資占比等指標來衡量綠色投資。③綠色保險。農業生產是碳排放來源的一個重要方面，借鑒文書洋等［37］（2022）的做法，使用農業保險作為該指標的代理變量。④綠色證券。環境友好型公司的規模在一定程度上可以用綠色證券來衡量。因此，借鑒Li等［34］（2021）的做法，采用環境友好型公司的市場價值來衡量綠色證券。最后，構建綠色金融發展綜合指標體系，利用熵權法確定權重，進而得到綠色金融發展指數。

根據以上構建綠色金融發展指數的方法，對我國2006—2021年30個省（區、市）的綠色金融發展指數進行測度。為便于對各地區綠色金融發展現狀進行比較，基于東、中、西部地區將全國各省（區、市）劃分為3組。其中，東部和西部分別包含11個省（區、市），中部包含8個省（區、市）。2006—2021年我國各地區與總體的綠色金融發展指數如圖2所示。由圖2可知，我國綠色金融發展指數整體上呈現逐年上升的態勢，但各地區之間存在較大的差異。東部地區綠色金融發展水平明顯高于中、西部地區，且增速較快，與中、西部地區發展呈現兩極分化的態勢。這種差異一定程度上表明了經濟領跑地區與其他地區的綠色金融發展存在不平衡性。

2.2.3 控制變量

作為影響氣候變化的重要環境因素，碳排放受經濟社會發展等多種因素的共同影響。在選擇控制變量時，主要基于以下考慮。①經濟發展水平（Pgdp）。借鑒Chen和Chen［38］（2021）的做法，將地區經濟發展水平（以各地區人均生產總值代替）引入模型，并探究其與碳排放是否存在環境庫茲涅茨曲線的倒U形關系。②能源消費結構（Estru）。化石能源是碳排放的主要來源，以煤炭消費占能源消費的比重來表示能源消費結構。顯然，比值越高，能源消費結構對碳排放的影響就越大。③產業結構（Instr）。工業生產是碳排放的另一個主要來源。第二產業占比越高，對碳減排越不利。④開放程度（Open）。相較于開放程度較高的發達地區，開放程度較低的欠發達地區更傾向于承接高碳產業轉移和發展高能耗產業，而這不利于環境治理與碳減排［39］。⑤城市化水平（City）。城市化可能造成更多的能源消耗和環境污染，增加碳排放。

2.2.4 中介變量

①融資約束（Fcon）。融資渠道受限的企業常受到融資政策約束，并大多表現為內部資金不足、債務融資、股權融資等，因此不易獲得政策性“綠色”資本的支持，從而也不利于企業綠色轉型發展。參考Beck等［40］（2000）的現金流敏感性模型來計算各省（區、市）上市公司的融資約束程度，并從區域層面匹配上市公司的企業數據。

②低碳技術創新（Gtech）。綠色金融發展可支持更多企業開展低碳技術創新，從而減少碳排放。借鑒李新安和昝笑笑［41］（2022）的研究思路，以綠色專利授權量表示低碳技術創新水平。各省（區、市）的綠色專利數量通過檢索國家知識產權局專利檢索系統（CNIPA）獲取。

2.3 變量含義及數據來源

各變量指標說明及其數據來源詳見表1。

3 實證檢驗與結果分析

為確定空間計量模型的形式，進行LM和LR檢驗。參考Elhorst［33］（2014）的研究，如果LM-lag和LR-lag通過顯著性檢驗，且均在1%的水平下顯著，則應選擇空間Durbin模型（SDM）進行實證分析。根據表2給出的基于空間地理距離權重矩陣（W1）和空間經濟距離權重矩陣（W2）的LR與LM檢驗結果可知，靜態和動態空間模型均在1%的水平下通過LR和LM的顯著性檢驗。因此，選擇空間Durbin模型（SDM）來探討綠色金融發展對碳排放的影響。

3.1 基準回歸與直接影響機制檢驗

在對模型進行回歸檢驗時，首先分別采用不考慮空間因素的面板回歸模型（OLS）和動態面板回歸模型（GMM）檢驗綠色金融發展對碳排放的影響（見表3中的M1列和M2列）。然后，再分別使用考慮空間地理距離因素矩陣（W1）的靜態SDM模型和動態SDM模型進行檢驗（見表3中的M3列和M4列）。結合回歸檢驗結果發現：其一，綠色金融發展可以顯著降低4種模式下的碳排放，假設1得到驗證。其二，從變量的顯著性來看，動態空間Durbin模型（SDM）具有較好的統計特征。可能的原因在于，區域間的經濟活動和碳排放具有較強的空間相關性。一個地區的碳排放在對周邊地區產生影響的同時也會受到周邊地區的影響，若在研究中忽略這種鄰近效應可能會產生估計誤差。因此，下面重點討論SDM動態模型的回歸結果。

從表3中核心解釋變量（Gfin）的SDM動態回歸結果看，綠色金融發展對碳排放的回歸系數為?0.981，在1%的水平下顯著為負，說明綠色金融發展有利于減少碳排放。因此，假設1得到驗證。究其原因，金融系統最基本的功能是籌集和分配資金，綠色金融通過引導資金流向清潔生產的低碳產業，促進綠色產業發展，從而降低了高碳產業的占比和碳排放。同時，綠色金融發展增強了消費者購買更多低碳產品的意愿，在一定程度上促進了碳減排。

事實上，我國較早便建立了綠色金融發展體系，形成了“1+N”的政策框架，各地方政府在綠色金融助力低碳轉型中進行了積極的探索與實踐。實際上，各省（區、市）政府結合自身發展需求和特點，大力發展綠色信貸、綠色債券、綠色基金、綠色保險，加大對綠色技術創新的支持力度，陸續制定了本地化的綠色金融助力“雙碳”目標實現的發展方案。例如，廣東省圍繞綠色金融服務體系及綠色低碳循環發展經濟體系的構建，探索出了符合廣東省發展實際的新路徑。

在考慮空間地理距離權重矩陣（W1）的情況下，由表3中的SDM動態模型檢驗結果可知，碳排放空間自回歸系數在1%的水平下顯著，表明我國各省（區、市）碳排放具有顯著的空間相關性，即碳排放水平相對較高（低）的地區會聚集在一起，假設3部分得到驗證。在SDM動態回歸中，碳排放的滯后項L.C的回歸系數為0.558，且在1%的水平下顯著。這表明，如果某地區當前時期碳排放量處于較高水平，則下一時期碳排放量可能會繼續上升，揭示了特定地區碳排放的路徑依賴特征。

結合各控制變量的SDM動態回歸結果發現：①地區人均生產總值（Pgdp）和地區人均生產總值二次方項（sPgdp）的回歸系數符號分別為正號和負號，且均在1%的水平下顯著，說明地區經濟發展水平與碳排放之間呈現顯著的倒U形關系。該結論與Chen和Chen［38］（2021）及Ke等［42］（2022）的研究結果相一致。即在早期階段，一個地區的經濟發展會促進碳排放，但當發展到一定階段后，隨著地區人均生產總值的繼續增加，經濟發展將有助于碳減排。②能源消費結構的回歸系數達0.048，且在1%的水平下顯著，表明現階段我國能源消費結構正向促進碳排放。可能的原因在于，我國能源消費結構仍是以煤炭為基礎的一次性化石能源結構［41］。③產業結構的回歸系數為0.037，且在5%的水平下顯著，表明目前我國的產業結構仍對碳排放產生正向影響，低碳化轉型已迫在眉睫。這與李毓等［13］（2020）的研究結論具有較強的一致性。④對外開放與碳排放在5%的水平下顯著負相關。其原因在于，隨著沿海地區發展成本的攀升和“騰籠換鳥”整治的加強，那些在改革開放初期引進的高碳和高污染產業已經完成了轉移或轉型升級。因此，開放程度高的地區更傾向于吸引綠色投資，獲取先進的管理經驗和綠色創新技術，以實現碳減排的目標。⑤城市化在1%的水平下可顯著增加碳排放。隨著我國城市化進程加速，城市擴張建設會導致化石能源消耗的持續攀升，進而增加碳排放。

3.2 綠色金融發展影響碳排放的間接機制檢驗

考慮到綠色金融發展可能通過低碳技術創新與融資約束等中介變量間接影響碳排放，參照Li等［34］（2021）的做法，構建如下中介效應模型，以便對綠色金融發展影響碳排放的間接機理進行研究。如果在自變量影響因變量的過程中，中介變量在模型中具有橋梁作用，就說明中介效應存在。

（6）

（7）

其中，M為中介變量，式（4）、（6）和（7）構成中介效應檢驗方程。在系數[ω1]和[π1]顯著的情況下，如果與[δ1]相比，[ω1]的顯著程度降低，則說明綠色金融發展通過中介變量影響碳排放。

本研究從中介變量角度出發，采用空間SDM動態模型對綠色金融發展通過融資約束和低碳技術創新傳導路徑影響碳排放的間接機制進行檢驗，表4為檢驗結果。使用回歸分析進行中介效應檢驗包括以下步驟：第一，查看模型方程（4）的系數[δ1]，若不顯著，則說明自變量對因變量沒有影響，反之則說明自變量對因變量有影響，接下來做進一步分析。第二，利用中介效應的模型方程（6）—（7）進行自變量與中介變量的回歸分析，得到[π1]和[ω1]的值。第三，對相關模型方程的系數進行比較，判斷中介效應是否存在。此外，在檢驗中介效應時，還需要考慮中介變量與因變量之間是否存在其他的控制變量。若存在其他的控制變量，則需要使用多元回歸模型來計算中介效應的效應值。

將融資約束作為中介變量時，綠色金融的回歸系數在式（4）和式（6）中均顯著，且在式（4）與式（7）中，二者系數的絕對值前者高于后者，同時顯著程度降低。因此，可以確定融資約束是綠色金融影響碳排放的中介變量之一。即綠色金融發展可以顯著降低綠色產業的融資約束，進而促進碳減排，假設2得到部分證實。這是因為，綠色金融發展通過促進綠色投融資，間接增加高碳行業投融資成本，從而抑制其投資，減少區域碳排放。

將低碳技術創新作為中介變量時，綠色金融的回歸系數在式（4）和式（6）中均顯著，且在式（4）和式（7）中，二者系數的絕對值前者高于后者，同時顯著程度降低。因此，可以確定綠色金融經由低碳技術創新中介變量對碳排放起間接影響作用。即綠色金融發展通過提高低碳技術創新能力來減少碳排放，假設2得到進一步證實。這是因為，隨著綠色金融的發展，在我國減污降碳政策的約束下，新能源等環保產業可獲得更多的低碳技術創新研發資金，而高能耗、高排放行業將面臨越來越多的發展障礙，從而刺激后者積極采取低碳技術創新策略，最終形成綠色金融政策支持→推進行業節能減排與清潔生產技術創新→綠色產業發展→減少碳排放的內在傳導機制。

3.3 綠色金融發展的空間溢出效應分析

參照Lesage和Pace［43］（2009）的做法，將綠色金融發展的空間溢出效應分為對當地碳排放影響的直接效應、對周邊地區碳排放影響的間接效應和對碳排放影響的總效應等3類。下文仍采用動態SDM模型對綠色金融發展影響碳排放的空間溢出效應進行分析，回歸結果如表5所示。

表5為表3基準回歸檢驗中關于動態SDM模型的分解結果，分別展示了在空間地理距離權重矩陣（W1）和空間經濟距離權重矩陣（W2）的條件下，綠色金融發展對碳排放影響的直接效應、間接效應及總效應。以空間地理距離權重矩陣（W1）的檢驗結果為例，綠色金融發展對本地區的碳排放影響為負，與周邊地區的碳排放呈顯著負相關，其彈性系數分別為?0.976和?0.052，且在1%與10%的水平下顯著。這表明，綠色金融發展不僅有助于減少本地區碳排放，也對周邊地區的碳減排產生積極影響。假設3得到進一步驗證。此外，由回歸系數可以看出，綠色金融發展對本地區的減碳效果優于周邊地區。上述結論可能的原因在于：其一，在初期，綠色金融發展多由政府主導推進，而鄰近的各地方政府之間存在競爭效應，一地區政府的環境規制行為會影響到周邊地區，從而產生“感染”效應。其二，綠色金融的環境生態特性使得區域內高碳污染行業的融資貸款約束加劇，倒逼這些行業進行綠色轉型，周邊地區的其他高碳行業也會因為這種“預警效應”轉向綠色低碳發展。

3.4 綠色金融發展影響碳排放的異質性分析

考慮到綠色金融發展對碳排放的影響可能會因區域經濟發展水平和能源消費結構的不同而存在異質性，本文將全國30個省（區、市）劃分為東、中和西部三大地區，并進行異質性檢驗。由表6可知，三大地區綠色金融發展對碳排放的回歸系數均在1%的水平下顯著為負，說明綠色金融發展對碳減排具有明顯的促進作用；該回歸系數的不同則說明綠色金融對各地區的影響程度存在一定的差異性。在東部地區，綠色金融對碳排放的影響最大，其次是中部地區和西部地區，回歸系數依次為-1.683、?1.219和?0.535。主要原因可能在于，東部地區經濟發展水平整體較高，擁有更完備的金融基礎設施體系以及更嚴格的資源環境約束與減污降碳要求。在產業綠色技術快速更新迭代的情況下，綠色金融發展所帶來的產業低碳轉型優勢，可以在高經濟發展水平地區得到更大程度的釋放。相較于東部地區，中、西部地區在經濟發展和金融基礎設施體系方面仍存在一定的差距，制約了綠色金融碳減排作用的發揮。

3.5 穩健性檢驗

本文將采用更換空間權重矩陣、分時段回歸等方法來檢驗回歸結果的穩健性。

其一，在基準回歸中，用空間經濟距離權重矩陣（W2）代替空間地理距離權重矩陣（W1）進行穩健性檢驗，考察區域發展的經濟差異是否會影響回歸結果（見表7）。實證結果表明，綠色金融對碳排放的影響仍在1%的水平下顯著為負，證實前述回歸分析結果穩健有效。

其二，分時段回歸。我國于2017年開展綠色金融改革創新試點工作，因而以此為界將樣本期分為兩個時段，即第1時間段（2006—2017年）和第2時間段（2018—2021年）。表7中樣本期內不同時間段的回歸結果表明，即便在不同的時間段，綠色金融對碳排放的影響仍顯著為負，進一步證實前述回歸分析結果穩健有效。

3.6 內生性拓展分析

因遺漏變量或反向因果等情況的存在，上述實證檢驗中可能產生內生性問題。本文將采用以下方法做進一步拓展性分析。

其一，將核心解釋變量綠色金融發展水平做滯后一期處理，結果如表7所示。由表7可知，t-1期的綠色金融回歸系數在1%的水平下顯著為負，與前述回歸分析結果一致。

其二，工具變量法。為解決基準模型的內生性問題，本文采用廣義空間最小二乘（GS2SLS）模型，將碳排放的二階空間滯后項作為回歸的工具變量，基于空間地理距離權重矩陣（W1）再次進行回歸估計。由表7中的回歸結果可知，在克服內生性問題后，綠色金融對碳排放的回歸系數同樣顯著為負。這表明綠色金融有利于碳減排的結論依舊成立。

4 研究結論和政策建議

實現國家“雙碳”戰略目標，不僅要依靠強有力的減污降碳政策措施，更要利用綠色金融等經濟手段改變資源配置機制。為此，本研究基于我國2006—2021年各省（區、市）的面板數據，運用空間計量模型對綠色金融發展促進碳減排的作用機制進行了實證檢驗，得到以下結論和政策啟示。

4.1 研究結論

第一，通過空間計量模型分析，發現碳排放具有較強的時空依賴特性。從空間維度看，區域碳排放呈現顯著的空間相關性，說明當前我國在碳減排過程中亟須加速形成區際協同機制；從時間維度看，如果前一時期碳排放量處于較高水平，在沒有外部政策影響的情況下，下一時期碳排放量可能會繼續上升。第二，綠色金融發展可以顯著減少碳排放。從空間效應看，綠色金融發展在減少本地區碳排放的同時，也會對周邊地區碳減排產生積極影響，表現出顯著的空間溢出效應。通過穩健性檢驗后，發現該結論仍然有效。第三，綠色金融發展通過促進低碳技術創新和降低融資約束對碳排放產生間接影響。即融資約束和低碳技術創新共同構成了綠色金融影響碳排放的傳導路徑。

4.2 政策建議

第一，完善我國綠色金融政策體系，為“雙碳”目標實現提供重要的金融支撐。制定綠色產業的項目標準，明確綠色信貸財政貼息、綠色債券籌融資等各類綠色金融支持項目的范圍邊界，出臺支持節能環保、清潔生產等各類綠色項目的激勵政策，形成抑制高能耗、高排放和產能過剩行業貸款的約束機制，使綠色金融所支持的碳減排項目能夠有效推進。此外，政府在加大對綠色低碳產業的資金信貸投入的同時，引導社會資本流向低資源消耗的清潔發展機制項目，并收緊流向高碳排放行業的資金，實現綠色金融資源的高效配置，逐步增強綠色產業發展的內生動力，最終實現國家“雙碳”戰略目標。

第二，加大對減污降碳和節能環保技術等的研發投入，以綠色金融發展驅動低碳技術創新。綠色金融可以通過促進低碳技術創新和降低融資約束對碳排放產生間接影響，然而綠色金融供給與低碳技術創新融資需求之間的信息不對稱會對二者的高效精準匹配產生制約。對此，可以利用大數據和區塊鏈等數字技術搭建綠色金融信息共享平臺，實現政府、企業和金融機構之間的綠色項目信息共享。該平臺能夠降低綠色項目識別成本，實現綠色投融資的智能化匹配和風險防控的精細化管理，進而加大對低碳技術領域的研發投入，激勵低碳技術創新，充分發揮綠色金融對低碳技術創新的推動作用。

第三，強化綠色金融對碳減排的區域協同效應，因地制宜推進綠色金融發展。碳排放較強的時空依賴特性以及綠色金融發展所表現出的周邊鄰近效應，對各地區在“雙碳”目標下自身綠色金融供給政策與周邊地區的政策匹配提出了協同性要求。因此，各地區應將綠色金融發展作為低碳轉型的重要抓手，加強區際協同，在營造綠色金融助推產業低碳發展良好氛圍的同時，制定促進綠色資金與技術跨地區流動的支持政策，以推動各地區減污降碳工作的協調開展，促進區域經濟實現綠色轉型。

注釋：

① 依照國家發展改革委規定，六大耗能產業分別為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。

參考文獻：

［1］ 徐向梅.“雙碳”目標下綠色金融更有作為［N］.經濟日報，2021-12-22（11）.

［2］ YONGNA Y，GUIYU L，HONGBO D.The achievement of multiple nationally determined contribution goals and regional economic development in China［J］. Environmental amp; Resource Economics，2023，84（4）：1155-1177.

［3］ 張天弛.百萬億元綠色投資需求呼之欲出［N］.文匯報，2021-07-25（8）.

［4］ SADORSKY P.The impact of financial development on energy consumption in emerging economies［J］.Energy Policy，2010（5）：2528-2535.

［5］ COWAN E.Topical issues in environmental finance［Z］.Research Paper was Commissioned by the Asia Branch of the Canadian International Development Agency（CIDA），1999（1）：1-20.

［6］ 張婷，李澤輝，崔婕.綠色金融、環境規制與產業結構優化［J］.山西財經大學學報，2022（6）：84-98.

［7］ 高錦杰，張偉偉.綠色金融對我國產業結構生態化的影響研究：基于系統GMM模型的實證檢驗［J］.經濟縱橫，2021（2）：105-115.

［8］ 李江濤，黃海燕.綠色金融的生態環境效應：雙碳目標下粵港澳大灣區的實踐檢驗［J］.廣東財經大學學報，2022（1）：87-95.

［9］ 洪艷蓉.論碳達峰碳中和背景下的綠色債券發展模式［J］.法律科學：西北政法大學學報，2022（2）：123-137.

［10］ 朱向東，朱晟君，黃永源，等.綠色金融如何影響中國城市環境污染？——以霧霾污染為例［J］.熱帶地理，2021（1）：55-66.

［11］ 陸菁，鄢云，王韜璇.綠色信貸政策的微觀效應研究：基于技術創新與資源再配置的視角［J］.中國工業經濟，2021（1）：174-192.

［12］ 趙軍，劉春艷.綠色金融政策推動了低碳發展嗎？——以“一帶一路”沿線中國重點省域為例［J］.金融與經濟，2020（5）：45-52.

［13］ 李毓，胡海亞，李浩.綠色信貸對中國產業結構升級影響的實證分析：基于中國省級面板數據［J］.經濟問題，2020（1）：37-43.

［14］ SUN L，CAO X，ALHARTHI M，et al. Carbon emission transfer strategies in supply chain with lag time of emission reduction technologies and low-carbon preference of consumers［J］.Journal of Cleaner Production，2020（264）：1-16.

［15］ AGYEKUM E B，AMJAD F，MOHSIN M，et al. A bird’s eye view of Ghana’s renewable energy sector environment：a multi-criteria decision-making approach［J］.Utilities Policy，2021（70）：1-17.

［16］ 于波.綠色信貸政策如何促進企業綠色創新？［J］.現代經濟探討，2023（2）：45-55.

［17］ 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.

［18］ 謝翠，李立民.碳中和背景下綠色金融發展與物流企業碳減排效率的關聯性分析［J］.商業經濟研究，2022（10）：178-181.

［19］ 吳佳妮.綠色金融與產業轉型升級：基于環境規制調節效應與門檻效應的分析［J］.金融發展評論，2022（11）：37-50.

［20］ 胡金焱，王夢晴.我國金融發展與二氧化碳排放：基于1998—2015年省級面板數據的研究［J］.山東社會科學，2018（4）：118-124.

［21］ 尹子擘，孫習卿，邢茂源.綠色金融發展對綠色全要素生產率的影響研究［J］.統計與決策，2021（3）：139-144.

［22］ 史代敏，施曉燕.綠色金融與經濟高質量發展：機理、特征與實證研究［J］.統計研究，2022（1）：31-48.

［23］ EICHHOLTZ P，QUIGLEY J M. Green building finance and investments：practice，policy and research［J］.European Economic Review，2012，56（5）：903-904.

［24］ LIANG G，YU D，KE L. An empirical study on dynamic evolution of industrial structure and green economic growth：based on data from China’s underdeveloped areas［J］.Sustainability，2021，13（15）：1-16.

［25］ HU Y，JIANG H，ZHONG Z.Impact of green credit on industrial structure in China：theoretical mechanism and empirical analysis［J］.Environmental Science and Pollution Research，2020（27）：10506-10519.

［26］ CHAKRABORTY D，MUKHERJEE S. How do trade and investment flows affect environmental sustainability？ Evidence from panel data［J］.Environmental Development，2013（6）：34-47.

［27］ 李新安.環境規制、政府補貼與區域綠色技術創新［J］.經濟經緯，2021（3）：14-23.

［28］ 尤志婷，彭志浩，黎鵬.綠色金融發展對區域碳排放影響研究：以綠色信貸、綠色產業投資、綠色債券為例［J］.金融理論與實踐，2022（2）：69-77.

［29］ 李新安，李慧.制造業高質量發展視閾下綠色技術創新的碳排放效應研究［J］.創新科技，2021（6）：61-73.

［30］ TU C A，SARKER T，RASOULINEZHAD E. Factors influencing the green bond market expansion：evidence from a multi-dimensional analysis［J］.Journal of Financial Risk Management，2020，13（6）：1-14.

［31］ MAO W，WANG W，SUN H. Driving patterns of industrial green transformation：a multiple regions case learning from China［J］.Science of the Total Environment，2019，697（24）：1341-1367.

［32］ SHAO S，YANG L L，YU M B，et al. Estimation，characteristics and determinants of energy-related industrial CO2 emissions in Shanghai（China） 1994—2009［J］.Energy Policy，2011（10）：6476-6494.

［33］ ELHORST J P.Matlab software for spatial panels［J］.International Regional Science Review，2014，37（3）：389-405.

［34］ LI L，WU W，ZHANG M，et al. Linkage analysis between finance and environmental protection sectors in China：an approach to evaluating green finance［J］.International Journal of Environmental Research and Public Health，2021，18（5）：1-16.

［35］ 李新安，李慧.外資引入、技術進步偏向影響了制造業的碳排放嗎？——來自我國27個制造行業面板數據模型的實證檢驗［J］.中國軟科學，2022（1）：159-170.

［36］ MASHUD A H M，PERVIN M，MISHRA U，et al. A sustainable inventory model with controllable carbon emissions for green-warehouse farms［J］.Journal of Cleaner Production，2021（298）：1-15.

［37］ 文書洋，劉浩，王慧.綠色金融、綠色創新與經濟高質量發展［J］.金融研究，2022（8）：1-17.

［38］ CHEN X，CHEN Z. Can China’s environmental regulations effectively reduce pollution emissions？［J］. International Journal of Environmental Research and Public Health，2021，18（9）：1-16.

［39］ DING W，GILLI M，MAZZANTI M，et al. Green inventions and greenhouse gas emission dynamics：a close examination of provincial Italian data［J］.Environmental Economics and Policy Studies，2016（18）：247-263.

［40］ BECK T，LEVINE R，LOAYZA N. Finance and the sources of growth［J］.Journal of Financial Economics，2000，58（1/2）：261-300.

［41］ 李新安，昝笑笑.“雙碳”目標下碳減排驅動我國制造業高質量發展研究［J］.創新科技，2022，22（5）：57-70.

［42］ KE H，DAI S，YU H. Effect of green innovation efficiency on ecological footprint in 283 Chinese Cities from 2008 to 2018［J］.Environment，Development and Sustainability，2022（24）：2841-2860.

［43］ LESAGE J，PACE R K.Introduction to spatial econometrics［M］.New York：CRC Press，2009.

Research on the Internal Mechanism of Green Finance Development Affecting Carbon Emission from the Perspective of \"Double Carbon\"

Li Hui1， Li Xinan2

（1.School of Finance， Zhongnan University of Economics and Law， Wuhan 430073， China;

2.School of International Economics and Trade， Henan University of Economics and Law， Zhengzhou 450046， China）

Abstract： Promoting the development of green finance is a strategic requirement for promoting the green transformation of development mode and realizing the goal of \"double carbon\" in the new development stage of China. Based on relevant theoretical analysis， the spatial Durbin model and GMM dynamic analysis method are adopted， and a quantitative empirical study is conducted on the internal relationship between green financing development and inter-provincial carbon emission efficiency using panel data of 30 provinces in China from 2006 to 2021. The findings indicate that： Green finance development in China can effectively subdue regional carbon emissions， and it shows obvious spatial spillover effect. Green finance not only promotes the reduction of regional carbon emissions， but also has a positive impact on carbon emission reduction in surrounding areas. And if carbon emissions are at high level in the previous period， it may

continue to rise in the next period without a large external policy impact. Its strong spatio temporal dependence characteristics indicates the implementation of carbon emission reduction in China urgently needs to accelerate the formation of regional synergies. The development of green finance has an indirect impact on carbon emissions by promoting low-carbon technological innovation and subduing financing constraints for clean sectors， that is， low-carbon technology innovation and financing constraints together constitute the transmission path of green finance development to carbon emissions. Besides， there is a regional heterogeneity in spatial spillover effect of the development of green finance on carbon emissions， due to the different degree of economic development in each region. The conclusions can provide support for constructing green finance development system in the new era and formulating related policies to promote the dual-carbon strategic goal.

Key words： green finance; \"dual carbon\" target; financing constraints; green technology innovation

（欄目編輯：邵冰欣）

收稿日期：2023-12-23

基金項目：國家自然科學基金面上項目“綠色制造視角下中國OFDI全球價值鏈嵌入的碳減排效應研究”（41871215）；河南省哲學社會科學規劃項目“綠色技術創新推動河南制造業高質量發展研究”（2021BJJ00）；河南省軟科學研究計劃重點項目“吸引社會資金投入基礎研究的國內外實踐及對我省的啟示”（242400410025）；河南省高校哲學社會科學基礎研究重大項目“全球價值鏈下制造業技術進步偏向的碳減排效應研究”（2022-JCZD-03）；中南財經政法大學中央高校基本科研業務費專項資金資助項目“數字金融發展的環境效應及其作用機制研究”（202310568）。

作者簡介：李慧（1995—），女，河南濟源人，博士研究生，研究方向：金融發展與低碳創新研究；李新安（1967—），男，河南濟源人，博士，二級教授，博士生導師，河南財經政法大學研究院院長，河南省區域產業創新與發展研究基地主任，研究方向：區域產業創新與環境治理研究。本文通信作者為李慧。