綠色金融發展對碳排放的影響研究

[摘 要：文章基于2010—2021年長三角區域41個城市的面板數據，運用系統GMM模型、中介模型和門檻模型實證檢驗長三角區域綠色金融發展對碳排放的影響。研究發現：長三角區域綠色金融發展有助于降低碳排放，其作用在大型及以上規模城市和創新能力較強城市中更為明顯。機制分析發現，長三角區域綠色金融發展通過促進綠色技術創新和產業結構升級，進而抑制碳排放；在綠色技術創新這一傳導機制中，策略性技術創新發揮著主要作用。門檻效應表明，長三角區域綠色金融發展與碳排放之間存在明顯“倒U”型曲線關系。

關鍵詞：長三角區域；綠色金融發展；碳排放；綠色技術創新；產業結構升級

中圖分類號：F832.7；X196；X321 文獻標識碼：A 文章編號：1007-5097（2024）09-0041-11 ]

An Investigation into the Impact of Green Finance Development on Carbon Emissions：

A Case Study of the Yangtze River Delta Region

ZHENG Lanxiang1， GAO Caiqin1， ZHENG Feihong2

（1. Economics School， Anhui University， Hefei 230601， China;

2. Economics and Management School， Hefei University， Hefei 230601， China）

Abstract：Based on panel data from 41 cities in the Yangtze River Delta region from 2010 to 2021， this essay empirically examines the impact of green finance development on carbon emissions in the Yangtze River Delta region using the system GMM model， mediation model， and threshold model. Research findings： The development of green finance in the Yangtze River Delta region helps reduce carbon emissions， and its effect is more significant in large and above-scale cities and cities characterized by robust innovation capacities. Mechanism analysis shows that green finance development in the Yangtze River Delta region suppresses carbon emissions by promoting green technological innovation and industrial structure upgrading. In the transmission mechanism of green technological innovation， strategic technological innovation plays a major role. The threshold effect indicates that the impact of green finance development on carbon emissions in the Yangtze River Delta region follows a significant "inverted U" shaped curve relationship.

Key words：Yangtze River Delta region; green finance development; carbon emissions; green technological innovation; industrial structure upgrading

一、引言及文獻回顧

2023年11月30日，習近平總書記在深入推進長三角一體化發展座談會上指出，要“促進重點領域和重點行業節能降碳增效”“積極穩妥推進碳達峰碳中和”。實現碳達峰碳中和這一艱巨目標需多元施策，多方共治。在這一過程中，綠色金融發揮著不可替代的關鍵作用。長三角區域作為我國經濟發展最具活力、開放程度最高、創新能力最強和能源消費強度最大的區域之一，擁有龐大的金融總量和完善的綠色金融產品市場體系，并在綠色金融政策協同、綠色金融基礎設施互聯互通和綠色金融合作交流等方面都進行了積極的探索和實踐。但長三角區域的碳排放總量卻非常高，且能源活動是碳排放的主要來源?！堕L三角城市碳排放報告》顯示，2012年長三角地區碳排放達到18億噸，此后幾年在18～19億噸之間波動；2019年，該地區能源活動碳排放占總碳排放量的86.6%。鑒于此，探討長三角區域綠色金融發展對碳排放的影響，有助于為長三角區域生態綠色一體化發展提供理論支持和政策建議。

關于金融發展如何影響碳排放的相關議題一直是學術界研究的熱點，但目前尚未取得一致性結論。一些學者認為，金融發展會增加碳排放。如Haseeb等（2018）［1］基于金磚國家數據構建環境庫茲涅茨曲線模型，研究發現能源消費和金融發展加劇了碳排放；王軍等（2022）［2］基于家庭—城市匹配數據構建一般均衡理論模型，研究發現數字金融的發展會增加家庭消費碳排放；Acheampong（2019）［3］基于46個非洲國家數據，使用系統廣義矩方法，研究發現以私營部門信貸總額衡量的金融發展加劇了碳排放。一些學者認為，金融發展對碳排放具有抑制作用。如Zaidi等（2019）［4］基于亞太經合組織國家數據，發現全球化和金融發展對碳排放有顯著的抑制作用；Dogan和Seker（2016）［5］基于主要可再生能源國家數據，發現隨著可再生能源消費的增加，金融發展可以減少碳排放；張忠杰等（2020）［6］基于省級面板數據，使用空間面板模型，研究發現金融發展水平的提升會減少人均能源消費碳排放；王元彬等（2022）［7］基于城市—企業匹配數據，使用R語言及爬蟲等技術構建指標，發現數字金融發展對地區總體碳排放量有強烈的抑制作用。還有一些學者認為，金融發展對碳排放具有非線性關系。如Shahbaz等（2021）［8］基于七國集團國家數據，研究發現不同國家的金融發展與碳排放之間存在不同的非線性關系；范慶倩和封思賢（2022）［9］基于省級面板數據，發現數字金融對碳排放的影響可分為增產效應和節能效應，在這兩種效應的作用下，碳排放隨著金融發展水平先增加后減少；嚴成樑等（2016）［10］基于省級面板數據，發現金融發展與碳排放之間存在“倒U”型關系。

隨著綠色金融相關政策落地落實，學者們開始關注綠色金融發展對碳排放的影響。多數學者認為綠色金融發展可以降低碳排放。如Wang等（2023）［11］基于經合組織國家數據，發現綠色金融和清潔稅收可以遏制碳排放；Guo等（2022）［12］基于省級面板數據，發現綠色金融可以顯著減少農業碳排放；喻旭蘭和周穎（2023）［13］基于企業微觀數據，從減排和發展的視角研究發現，綠色信貸政策的實施可以提高重污染企業的減排成效；劉鋒等（2022）［14］基于城市面板數據，從綠色支持、綠色投資、綠色信貸及綠色保險四個方面構建綠色金融綜合指數，研究發現綠色金融的快速發展有助于降低碳排放；張科等（2023）［15］基于城市面板數據，研究發現綠色債券對碳排放有抑制作用。此外，也有少部分學者并不認同綠色金融發展可以降低碳排放。如Hammoudeh等（2020）［16］基于美國常規債券數據建立因果關系模型，研究發現綠色債券對碳排放并沒有顯著影響；尤志婷等（2022）［17］基于省級面板數據，以綠色信貸、綠色投資和綠色債券為例，研究發現綠色債券對中部地區的碳排放并無顯著影響。綜上所述，以往文獻雖然為研究綠色金融發展對碳排放的影響提供了重要參考，但是關于綠色金融發展是否可以降低碳排放還存在爭議。

由于特定的經濟發展環境、能源轉型結構和資源稟賦條件，綠色金融發展對碳排放影響存在較大的區域異質性，而目前多數文獻都是從全國省市宏觀角度、企業微觀角度出發，鮮有文獻從區域層面研究。長三角是區域一體化發展示范區，也是綠色金融整體發展水平領先的區域。但該區域聚集了鋼鐵、化工、火電等傳統高能耗、高污染產業，這些產業的發展會釋放大量二氧化碳，容易加重環境負擔，不利于低碳綠色發展［18］。鑒于此，本文可能的邊際貢獻在于：第一，聚焦于區域層面，選取長三角區域41個城市面板數據來研究綠色金融發展與碳排放的關系。第二，通過梳理綠色金融發展的作用渠道，同時引入城市規模和城市創新虛擬變量，實證分析綠色金融發展對碳排放的影響，豐富現有文獻研究。第三，在研究綠色技術創新渠道時，現有文獻多局限于總量角度，而本文進一步從實質（提質）和策略（增量）角度研究綠色金融發展影響碳排放的具體作用機制，可以為長三角區域政府制定綠色政策提供理論支持和經驗證據。

二、理論分析與研究假設

（一）長三角區域綠色金融發展對碳排放的直接影響

綠色金融作為兼具導向性和政策性的工具，是降低碳排放和促進區域綠色發展的重要手段［19］。首先，綠色金融發展具有資金引導的功能。綠色金融發展通過提供優惠貸款利率、發行綠色債券以及提供碳信用融資等方式，引導資金流向環保、節能減排等行業；同時對“兩高”行業還具有融資懲罰效應，迫使其縮減生產規模和降低產能［20］，使能源消耗和污染物排放在總體上減少，從而降低碳排放。其次，綠色金融發展具有風險管理的功能，主要包括風險評估和風險披露。金融機構在提供信貸服務前，會對融資主體的資源利用效率、排污水平等方面進行審慎評估，以決定是否提供信貸服務［14］；同時，金融機構在貸前、貸中及貸后都會要求融資主體披露相關環境信息，這不僅有助于降低信息不對稱，使投資者作出更為綠色的投資選擇，還可以有效避免融資主體開展污染性的生產活動［21］。因此，綠色金融發展在一定程度上可以降低融資主體的碳排放。最后，綠色金融發展具有政策倡導的功能。當地政府通過制定綠色金融政策，引導投資者和企業去關注綠色低碳發展［22］，從而形成綠色生活和生產方式，助力節能減排。具體來說，綠色金融發展對投資者投資具有引導作用，使投資者對綠色行業的未來有樂觀的預期，從而將資金投入綠色行業中［23］；對“兩高”企業具有警示作用，能夠使其相機行動，更新高耗能和高污染的生產設備，促進自身綠色轉型?；谏鲜龇治?，本文提出假設1。

H1：長三角區域綠色金融發展有助于降低碳排放。

（二）長三角區域綠色金融發展對碳排放的間接影響

近年來，長三角各城市技術合作成果豐碩。《2023長三角區域協同創新指數》數據顯示，2022年長三角各城市之間相互技術合同輸出量超過2.5萬項，技術交易額高達1 863.45億元，分別同比增長20.3%和112.5%。長三角區域綠色技術創新離不開綠色金融發展的資金支持和風險分擔。企業進行綠色技術創新時往往面臨較長的周期和潛在的風險，很容易產生信貸融資約束問題，傳統金融難以精準地提供資金支持［24］。綠色金融作為一種以可持續發展為導向的金融服務，一方面，通過在市場上發行綠色信貸、設立綠色基金等方式，為企業綠色技術創新提供大量的資金支持，緩解綠色企業的融資約束［25］；另一方面，通過在二級市場上為企業提供多樣化的金融工具，分散企業的創新風險［26］，提高企業風險防范能力，為企業創新提供更穩定的經營環境。長三角區域綠色技術創新對碳排放有直接的影響［27］。從源頭來說，研發高效能源系統設備，可以提高能源的使用效率，實現生產工業的清潔化；從末端治理來說，使用碳捕集與封存技術對已產生的二氧化碳進行處理，或者運用污染治理技術降低非期望產出的產量，均可達到減少碳排放的目的［28］。綜上所述，長三角區域綠色金融發展通過發揮資金支持和風險分擔的功能促進綠色技術創新，而綠色技術創新又可以從源頭和末端治理角度抑制碳排放。

進一步根據創新的動機，將創新分為實質性（提質）技術創新和策略性（增量）技術創新［29］。實質性技術創新是指企業為了提高技術創新水平和產品質量而進行的創新活動，是在技術層面的根本性突破，這種創新活動能從源頭上直接降低碳排放。而策略性技術創新是指企業為了追求短期利益或者以獲取政府綠色補貼為目的而進行的創新活動，可通過優化供應鏈管理和提升資源利用效率等不改變核心技術的方式，快速減少碳排放［30］。由于長三角區域欠發達城市的制造業、建筑業等行業較多，以及發達城市的基礎材料、能源化工產業規模較大［31］，實質性技術創新往往需要較長時間來減少碳排放，而策略性技術創新短期則可快速地減少碳排放。因此，策略性技術創新可能發揮著主要中介作用。

基于上述分析，本文提出假設2。

H2a：長三角區域綠色金融發展通過促進綠色技術創新，進而抑制碳排放；

H2b：在綠色技術創新這一傳導機制中，策略性技術創新發揮著主要作用。

長三角區域的產業結構逐漸加速邁向中高端?！断颉靶隆碧豳| 積“勢”成力 長三角一體化發展的“第二個五年”》數據顯示，2023年長三角區域集成電路產業規模全國占比為60%，生物醫藥和人工智能產業規模全國占比均為1/3。長三角區域產業結構升級需要綠色金融發展的助力。首先，長三角區域綠色金融發展通過實施差異化信貸政策，對節能環保企業提供較低的貸款利率，促進綠色產業迅速發展，對污染企業提供較高的貸款利率，倒逼其進行綠色轉型［17］，從而優化產業結構整體布局。其次，長三角區域綠色金融發展通過優化資源配置使資源流向生產率較高的部門，同時賦予勞動和資本等生產要素較高的流動性。在生產要素流動的過程中，一些高污染、低附加值的產業將會面臨被淘汰的風險，而高附加值、低碳綠色產業將被注入強大活力［32］，這有助于產業結構整體優化。已有很多研究證實，當地區產業結構升級時，相應碳排放就會減少［33］。產業結構升級意味著綠色產業和高新技術產業在國民經濟中的比重逐漸增加，同時傳統的高能耗和高污染產業則逐漸減少，這種產業結構的動態調整有助于抑制碳排放。換句話說，產業結構升級意味著技術的進步和生產方式的改進［34］，即產業結構由過去的能源和勞動密集型開始向技術和知識密集型轉變，從而抑制碳排放。此外，長三角區域產業結構升級可能伴隨著經濟增長與碳排放脫鉤，即實現經濟增長不需要再以碳排放為代價，在一定程度上有利于減少碳排放［35］。綜上所述，長三角區域綠色金融發展通過實施差異化信貸政策和優化資源配置促進產業結構升級，而產業結構升級又可以抑制碳排放?；谏鲜龇治?，本文提出假設3。

H3：長三角區域綠色金融發展通過促進產業結構升級，進而抑制碳排放。

長三角區域綠色金融發展影響碳排放的理論框架如圖1所示。

三、研究設計

（一）模型構建

1. 基準回歸模型

為研究長三角區域綠色金融發展對碳排放的影響，本文構建如下基準回歸模型：

[CIit=β0+β1GFit+β2controlit+εit] （1）

其中：i表示城市；t表示年份；[CIit]表示碳排放；[GFit]表示綠色金融發展；[controlit]表示所有的控制變量，包括人口密度、城鎮化水平、人力資本、市場化水平和產業結構；[β0]為截距項；[β1]為綠色金融發展對碳排放的影響程度；[β2為]控制變量的估計系數；[εit]為服從正態分布的隨機擾動項。

2. 中介效應模型

考慮傳統逐步回歸法可能會因存在的高度共線性等內生性問題而產生系統性估計偏誤，因此，為探究長三角區域綠色金融發展影響碳排放的作用機制，本文借鑒江艇（2022）［36］對中介效應模型的建議，構建模型如下：

[Mit=δ0+δ1GFit+δ2controlit+εit] （2）

[CIit=θ0+θ1Mit+θ2controlit+εit] （3）

其中：[Mit]表示中介變量，包括綠色技術創新、策略性技術創新、實質性技術創新和產業結構升級；[δ1]表示綠色金融發展對中介變量的影響程度；其他變量含義與模型（1）相同。

（二）變量選取

1. 被解釋變量：碳排放（CI）

為避免城市之間經濟發展水平的差異對回歸結果造成影響，本文使用碳排放強度表征碳排放，碳排放強度采用城市碳排放量與城市GDP之比表示，單位是千克/元。借鑒以往學者對城市碳排放量的界定［37］，本文從三個維度去統計城市碳排放量。①城市轄區內的所有直接排放，包括交通建筑、工業生產、農林業與土地以及廢棄物處理產生的排放；②城市轄區外與能源有關的間接排放，包括滿足城市消費而購買的電力、供熱及制冷產生的排放；③城市內部活動引起轄區外部產生的排放，包括購買轄區外部物品在生產、運輸和使用過程中產生的排放。

[CIj=CEjGDPj] （4）

其中：j表示長三角各城市；[CEj]表示碳排放量；[CIj]表示碳排放。

2. 核心解釋變量：綠色金融發展（GF）

截至目前，我國官方機構并未給出綠色金融發展的相關數據以及測度方法。因此，本文基于數據的可獲得性、科學性和完整性等原則，在借鑒前人研究成果的基礎上［38-39］，從綠色信貸、綠色保險、綠色投資、綠色支持、綠色債券、綠色基金、綠色權益等7個方面構建長三角區域41個城市的綠色金融發展指標體系，見表1所列。考慮層次分析法是一種相對主觀的賦值方法，主成分分析法對數據的假設條件又有嚴格的要求，而熵權法則是一種基于數據離散程度來判斷指標權重的方法，更具客觀性和靈活性。因此，本文采用熵權法來測算長三角區域41個城市的綠色金融發展指數。

3. 中介變量

本文選取綠色技術創新（TA）、實質性技術創新（MI）、策略性技術創新（SI）和產業結構升級（UIS）作為中介變量。綠色技術創新使用城市綠色專利申請總數來表示。這是由于企業專利授權往往需要進行檢測和支付年費，且容易受官僚因素的影響［40］，而企業在專利申請過程中，就能從中獲得經濟利益，于是專利申請數更能反映地區的創新水平。在借鑒以往文獻研究的基礎上［29］，進一步將綠色技術專利進行劃分，其中，綠色發明專利研發投入大、難度高，而綠色實用新型專利的研發過程則相對簡單且技術含量低。因此，以綠色發明專利申請數代表實質性（提質）技術創新，以綠色實用新型專利申請數代表策略性（增量）技術創新?？紤]不同城市專利申請數據的波動較大，故對以上專利均進行加1取對數處理。根據配第-克拉克定律，一個國家的產業結構通常會經歷以農業為主導的第一產業、以制造業為主導的第二產業，以服務業為主導的第三產業的動態演變過程［41］，當一國處于以第三產業為主導的階段時，這意味其實現了產業結構升級。因此，本文產業結構升級選取第三產業增加值占地區生產總值的比重來表示。

4. 控制變量

為排除其他因素對碳排放的影響，本文選擇以下變量作為控制變量：①人口密度（PD），考慮各城市之間行政區域和人口規模存在較大差異，使用每平方公里人數加1取對數來衡量。人口密度較高的城市往往具有較高的經濟集聚水平［42］，其綠色低碳環保理念的意識也較為強烈，這可能會對碳排放產生影響。②城鎮化水平（UL），使用城鎮常住人口占總人口比重表示。一方面，隨著城鎮化進程加速，人口向城市聚集，城市建設和基礎設施的發展也隨之增加，這會導致更多的能源消耗和排放；另一方面，城鎮化也可以通過提高能源利用效率和改善能源結構等途徑來減少碳排放［43］。③人力資本（HC），使用每萬人大學生數加1取對數來衡量。人力資本的提升可以促進企業和社會的可持續發展，對碳排放產生影響［44］。④市場化水平（ML），使用市場化指數來衡量。市場化水平的提高往往意味著高耗能和低附加值行業難以生存或發展，環保和高附加值的行業將會受到更多關注和支持。因此，市場化水平較高的地方，其經濟結構傾向于更加環保和低碳，碳排放也會相對較低［45］。⑤產業結構（IS），使用第二產業增加值占地區生產總值的比重表示。第二產業部門如能源部門、建筑部門等化石燃料的燃燒是二氧化碳的重要來源，因此優化產業結構有助于減少碳排放。

（三）數據來源與描述性統計

本文研究對象為長三角區域41個城市，研究期限為2010—2021年。綠色金融發展相關數據來源于《中國環境統計年鑒》《中國科技統計年鑒》《中國金融年鑒》《中國能源統計年鑒》；碳排放、綠色技術創新、實質性技術創新、策略性技術創新、產業結構升級、人口密度、城鎮化水平、人力資本、產業結構等數據來源于《江蘇省統計年鑒》《浙江省統計年鑒》《安徽省統計年鑒》《上海市統計年鑒》；市場化指數數據來源于樊綱等編著的《中國市場化指數》。

表2報告了主要變量的描述性統計結果。

四、實證結果分析

（一）基準回歸

表3第（1）列報告了長三角區域綠色金融發展影響碳排放的回歸結果，可以發現，綠色金融發展的回歸系數為-0.364，且在1%水平上顯著，表明長三角區域綠色金融發展有助于降低碳排放，于是H1得以驗證。基于前文理論分析，長三角區域綠色金融發展通過發揮資金引導、風險管理和政策倡導的功能，有利于直接降低碳排放，助力節能減排。在一系列控制變量中，人口密度的回歸系數為-0.037，且在1%水平上顯著，這表明人口密度在一定程度上對碳排放有抑制作用［42］。這可能是因為，人口密度較高的城市（如上海、蘇州等），相應經濟集聚水平較高且更重視城市綠色環保形象，從而降低碳排放。產業結構的回歸系數在1%水平上顯著為負，表明產業結構的改善有助于降低碳排放。這可能是因為，隨著綠色發展理念的深入人心，城市的第二產業部門開始重視污染和耗能產業鏈的綠色低碳轉型，這在一定程度上降低了二氧化碳的排放量。市場化水平的回歸系數顯著為負，表明市場化水平越高，越有助于降低碳排放。原因可能在于：市場化水平越高的城市，其高耗能和低附加值行業的比重越小，環保和高附加值的行業的比重越高，越有利于降低整體的碳排放水平。城鎮化水平對碳排放具有抑制作用，但不顯著。究其原因，城鎮化雖然可以通過提高能源利用效率和改善能源結構等途徑來減少碳排放，但也會使人口向城市集聚，增加能源消耗和污染物排放。人力資本對碳排放的影響為正，但并不顯著，表明人力資本對碳排放存在促進作用，但這種作用并不明顯。這可能是因為：隨著人力資本的提升，人們逐漸注重生活質量，可能更傾向于購買空調、汽車等高碳排放產品［46］；相反，人力資本的提升也會帶來技術進步和創新，從而推動低碳綠色發展。

（二）穩健性檢驗

第一，工具變量法。為了避免內生性問題，大多數文獻采用解釋變量滯后一期作為工具變量，雖然對可能存在的反向因果問題進行了篩除，但是無法避免模型（1）中隨機擾動項與核心解釋變量之間可能存在的相關性問題［14］。理論上，上一期的綠色金融發展可以通過棘輪效應影響當期的綠色金融發展，進而影響當期的碳排放，這具有一定的相關性。然而，當期的碳排放對上一期綠色金融發展無法影響，因此有效地避免了內生性問題。于是，本文采用上一期綠色金融發展作為工具變量，考慮使用兩階段最小二乘法（2SLS）回歸。表3第（2）列報告了兩階段最小二乘法的回歸結果，可見，長三角區域綠色金融發展對碳排放有抑制作用。此外，本文還發現綠色金融發展的系數比基準回歸中的系數更顯著，證實了基準回歸的結果具有穩健性。

第二，系統GMM法。為克服工具變量法中可能存在弱工具變量問題而導致的估計偏誤，本文采用動態面板系統GMM模型進行回歸分析。相較于差分GMM模型，系統GMM模型將水平方程和差分方程結合成一個方程進行檢驗，從而更具綜合性和效率性。動態面板模型的方程式如下：

[CIit=γ0+γ1CIi，t-1+γ2GFit+γ3controlit+εit] （5）

其中：[CIi，t-1]表示上一期碳排放；[γ1]為上一期碳排放對本期碳排放的影響程度。檢驗結果見表3第（3）列，可見，AR（1）的P值為0.002，表明一階序列高度相關，AR（2）的P值為0.174，表明殘差二階序列高度不相關，故系統GMM假設的條件得以滿足。另外，綠色金融發展的回歸系數在10%水平上依舊顯著為負，即長三角區域綠色金融發展可以降低碳排放，故前文的結論依舊穩健。

第三，傾向匹配得分法（PSM）。為避免因樣本自選擇偏差而導致的內生性問題，本文采用PSM方法重新進行回歸。具體而言，首先，將樣本依據綠色金融發展指數的中位數分為高綠色金融發展組和低綠色金融發展組。其次，選擇所有的控制變量作為協變量，采用最近鄰匹配法（一對一匹配法）對這兩組進行匹配。經過傾向匹配得分處理明顯縮小了樣本數據之間的偏差，即消除了因樣本數據差距過大而致使結論不穩健的情況。最后，使用匹配后的數據進行基準回歸。結果見表3第（4）列，綠色金融發展的系數符號和顯著性水平并未發生明顯改變，故前文的結論具有較強的穩健性。

第四，考慮政策沖擊對基準回歸結果的影響。在樣本時間段內，在全國范圍內實施的一些金融政策可能會對基準回歸結論造成影響，即有可能綠色金融發展對碳排放的影響會因政策實施而產生巨大變化。根據中國銀行業監督管理委員會2012年頒布的《綠色信貸指引》，金融機構應當通過降低低碳和環保企業的貸款利率、提高“兩高”企業的貸款利率等方式，引導資金流向清潔綠色企業，從而為低碳經濟的發展提供支持。因此，本文以2012年為政策沖擊點，構造政策虛擬變量policy。如果發生在2012年及以后，則賦值為1，反之，則賦值為0。將政策虛擬變量與核心解釋變量相乘后加入基準回歸模型中，以考察回歸結果是否會因政策沖擊而產生影響，模型如下：

[CIit=σ0+σ1GFit×policyt+σ2GFit+σ3controlit+εit] （6）

其中：[policyt]為政策虛擬變量；[σ1]表示綠色金融發展與政策虛擬變量交互項的估計系數。結果見表3第（5）列，綠色金融發展的系數依舊顯著為負，交互項的系數也顯著為負。這表明《綠色信貸指引》政策頒布實施后，長三角區域綠色金融發展對碳排放的影響沒有因政策沖擊而產生巨大變化，證實了前文研究結論的穩健性。

第五，使用Tobit模型。由于被解釋變量碳排放的測度值始終大于0，使用最小二乘法無法取得一致性估計。為避免因樣本受限而導致的偏誤，選擇Tobit模型對樣本數據進行重新回歸，回歸結果見表3第（6）列，核心解釋變量綠色金融發展的估計系數在符號方向和顯著性上與基準回歸結果基本保持一致，表明前文的結論具有穩健性。

第六，改變樣本范圍。上海、杭州、合肥、南京和蘇州這5個城市，無論是金融資源配置，還是經濟發展水平、基礎設施水平都比其他城市更具優勢。為避免這一特殊情況可能對實證檢驗結果造成偏差，表3第（7）列刪除了上海、杭州、合肥、南京和蘇州這5個城市的樣本數據，對其余36個城市重新進行回歸。結果顯示，綠色金融發展的回歸系數顯著為負，即剔除部分城市數據后，長三角區域綠色金融發展對碳排放的抑制作用更明顯，與前文研究結論保持一致。

（三）異質性分析

為探討長三角區域綠色金融發展對碳排放影響的城市異質性，本文主要從城市規模和城市創新角度進行考察。在模型（1）的基礎上，引入城市特征虛擬變量與綠色金融發展的交互項設定如下模型：

[CIit=ρ0+ρ1GFit×urbanit+ρ2GFit+ρ3controlit+εit] （7）

其中：[urbanit]為城市特征虛擬變量，包括城市規模（scale）和城市創新（innovate）；[ρ1]為綠色金融發展與城市特征虛擬變量交互項的估計系數。

首先，城市規模，借鑒已有研究［47］，依據2014年國務135fdbec1431e8edaa2cc793c6188d77院印發的《關于調整城市規模劃分標準的通知》，以2021年城區常住人口為參考，將樣本劃分為大型及以上規模城市和中小型城市，構建城市規模虛擬變量scale。若為大型及以上規模城市，則scale取值為1，反之，則取0。其次，城市創新，以2021年城市綠色專利申請數的中位數為依據，將樣本劃分為創新能力較強城市和創新能力較弱城市，構建城市創新虛擬變量innovate。若為創新能力較弱城市，則innovate取值為1，反之，則取0。結果見表4所列。由第（1）列可以看出，大型及以上規模城市與綠色金融發展交互項的回歸系數在1%水平上顯著為負，說明長三角區域綠色金融發展對大型及以上規模城市碳排放的抑制作用強于中小型城市。這是因為：長三角區域大型及以上規模城市通常擁有更為龐大的經濟規模、更為豐富的金融資源，使得綠色金融發展帶來的融資效應更為明顯，能夠帶動更多的清潔能源項目，從而對碳排放產生更為明顯的抑制作用。而中小型城市在金融資源、技術資源等方面較為匱乏，這使其推動綠色金融發展會面臨較大困難。同時，中小型城市政府對當地企業的環境監管力度可能不夠，監管制度也可能不完善，導致一些企業存在“漂綠”行為，因而總體的“降碳”效果相對較差。由第（2）列可以看出，創新能力較弱城市與綠色金融發展交互項的回歸系數在1%水平上顯著為正，表明長三角區域綠色金融發展對創新能力較弱城市的碳排放抑制作用弱于創新能力較強城市。這是由于：長三角創新能力較強城市通常擁有更多的科研機構和高新技術企業，在綠色金融發展過程中更容易推動并應用清潔技術和低碳技術，從而有效減少碳排放；而創新能力較弱城市由于科技創新能力較低，即使是有綠色金融發展的資金支持，也不一定能順利進行綠色創新和低碳轉型，這使得綠色金融發展的“降碳”效果大打折扣。

（四）機制分析

結合前文理論分析，進一步檢驗綠色金融發展影響碳排放的作用渠道。在模型（2）和模型（3）的基礎上，引入綠色技術創新、實質性技術創新、策略性技術創新和產業結構升級作為中介變量，作用機制檢驗結果見表5所列。

由表5列（1）、列（2）結果可知，綠色金融發展對綠色技術創新的影響系數為4.245，且通過1%置信水平檢驗，而綠色技術創新對碳排放的估計系數顯著為負。這說明長三角區域綠色金融發展通過促進綠色技術創新，進而抑制碳排放，故H2a得以驗證。探其原因，綠色金融發展通過緩解綠色企業的融資壓力，推動企業綠色技術創新，而企業通過綠色技術創新又可以實現生產工業的清潔化，促進自身綠色低碳轉型，從而有效減少碳排放［28］。

由表5列（3）、列（5）結果可知，綠色金融發展對策略性技術創新水平的影響系數更大，說明綠色金融發展對策略性技術創新的促進作用更為明顯。不難發現，策略性技術創新一般技術含量較低且周期短，綠色金融提供的資金支持更易促使企業從事一些低成本創新活動。由表5列（4）、列（6）結果可得，實質性技術創新對碳排放的抑制作用弱于策略性技術創新。原因可能在于：實質性技術創新往往研發難度大、風險高，需要較長的時間來減少碳排放。綜上所述，在綠色技術創新這一傳導機制中，策略性技術創新發揮著主要作用，故H2b得以驗證。

表5列（7）、列（8）結果顯示，綠色金融發展對產業結構升級的影響系數顯著為正，而產業結構升級對碳排放的估計系數為-0.831，并在1%水平上顯著。這說明長三角區域綠色金融發展通過促進產業結構升級，進而抑制碳排放，故H3成立。這是由于：綠色金融發展可以推動綠色產業、高附加值產業、低碳產業迅速發展，倒逼高耗能產業、低附加值產業綠色轉型，促使產業結構整體升級，而產業結構升級又意味著技術進步和生產方式的改進，有助于整體降低碳排放［33］。

五、進一步分析

為進一步探討長三角區域綠色金融發展與碳排放之間是否會存在非線性關系，本文以綠色金融發展為門檻變量，構建面板門檻模型如下：

[CIit=α0+α1GFitIqit≤θ+α2GFitIθ<qit+α3controlit+εit] （8）

其中：[qit]為門檻變量，使用綠色金融發展來表示；[I·]為指示性函數；[θ]為特定的門檻值；[α1]、[α2]為門檻變量的估計系數；其余變量含義與模型（1）保持一致。

首先，以綠色金融發展為門檻變量對模型進行門檻檢驗，結果見表6所列?？梢?，單一門檻和雙重門檻檢驗的P值分別在1%和5%水平上顯著，表明模型存在雙重門檻效應，門檻值分別為0.194 8和0.401 5。

其次，利用面板門檻模型進行雙重面板回歸估計，結果見表7所列。具體而言，當綠色金融發展指數小于或等于0.194 8時，綠色金融發展對碳排放的影響系數為正，但并不顯著；當綠色金融發展指數大于0.194 8且小于或等于0.401 5時，綠色金融發展的回歸系數為-0.264，且在5%水平上顯著，表明在此階段，長三角區域綠色金融發展對碳排放有顯著的抑制作用。這是因為：此時，長三角區域綠色金融發展體系較為成熟，可以有效引導社會資金流向低碳環保產業，有助于抑制碳排放。當綠色金融發展指數大于0.401 5時，長三角區域綠色金融發展對碳排放的抑制作用減弱且并不顯著。原因可能在于：起初，長三角區域政府可能在環保領域投入不足，對環保政策執行力度不強，導致綠色金融水平較低，從而加劇了碳排放。而隨著綠色金融體系逐漸完善，綠色金融可以充分發揮作用，顯著抑制碳排放。由此可見，長三角區域綠色金融發展對碳排放的影響并非一成不變，兩者之間存在明顯“倒U”型曲線關系。

六、結論與建議

文章基于2010—2021年長三角區域41個城市的面板數據，運用系統GMM模型、Tobit模型、中介模型和門檻模型實證分析了長三角區域綠色金融發展對碳排放的影響。研究結果表明：①長三角區域綠色金融發展有助于降低碳排放，這一結論經過工具變量法、系統GMM法、傾向匹配得分法、政策沖擊、Tobit模型和改變樣本范圍等檢驗后依舊穩健。②長三角區域綠色金融發展對碳排放的影響存在異質性，其對大型及以上規模城市和創新能力較強城市碳排放的抑制作用更為明顯。③長三角區域綠色金融發展通過促進綠色技術創新和產業結構升級，進而抑制碳排放；在綠色技術創新這一傳導機制中，策略性技術創新發揮著主要作用。④長三角區域綠色金融發展對碳排放的影響并非一成不變，兩者之間存在明顯“倒U”型曲線關系。

基于上述結論，本文提出以下建議：

第一，著手建立多層次綠色金融市場體系，積極拓展碳賬戶的應用場景。鑒于長三角區域綠色金融發展有助于降低碳排放這一結論，該區域政府應加強以下幾方面工作：首先，大力開展綠色金融改革試點工作，加大政府和社會資本的合作力度，引導更多的社會資本參與綠色低碳發展中，從而充分優化資本市場上的資金配置，為低碳轉型提供充足的資金來源。其次，持續加大綠色金融產品創新，不斷豐富綠色金融產品的種類，積極開設綠色基金、綠色信托、綠色保險、綠色債券和碳金融等產品，逐步構建多元化多層次綠色金融產品和市場體系。此外，積極拓展碳賬戶的應用場景，在長三角地區搭建區域碳賬戶體系。具體來說，先建立碳交易市場和碳排放準入許可機制，然后將碳賬戶作為企業的碳排放管理工具引導企業自覺降低碳排放，再借助碳排放權質押貸款等金融產品鼓勵企業進行節能改造和污染物深度治理，推動企業綠色低碳轉型，從而為長三角生態綠色一體化發展創造條件。

第二，重視綠色金融發展對“降碳”的橋梁作用，積極推進實質性技術創新。研究顯示，長三角區域綠色金融發展可以通過產業結構升級和綠色技術創新來抑制碳排放。因此，應盡快對傳統行業進行綠色改造，有序淘汰“兩高”產業，加快建設低碳綠色產業鏈條，推動綠色低碳發展。同時，應積極引導綠色金融資源流入低碳綠色環保等清潔領域，鼓勵企業開展綠色技術研發，促使企業突破核心綠色技術壁壘，提高創新成果的轉化效率，為綠色低碳發展搭建可靠的綠色技術創新橋梁。此外，研究發現，策略性技術創新在綠色技術創新這一傳導機制中發揮主要作用，然而只有實質性技術創新才能推動技術變革和進行長期碳減排。因此，長三角地方政府在制定綠色信貸政策時，應根據創新的動機進行細化，對技術含量高的綠色技術研發企業給予更大力度的優惠政策。

第三，根據各城市的人口規模和創新能力，制定差異化的綠色金融政策。由于各城市人口規模和創新水平不同，地方政府在推動“雙碳”目標實現的過程中，應充分考慮地區主體差異，發揮各自的比較優勢，推動長三角形成區域協同、環境保護、產業融合和資源高效利用的生態綠色一體化發展新格局。針對黃山、銅陵、池州等中小型城市，地方政府可以通過設立專項資金，引導資金流向低碳產業。同時，出臺相應激勵措施和監管政策，對積極進行污染處置的企業，予以相應的獎勵；對進行虛假環保宣傳的企業，予以警告、罰款，甚至關停整頓等懲罰。上海、南京、合肥等創新能力較強的城市應重視區域一體化發展，充分發揮技術溢出效應，以本地產業綠色技術發展帶動周邊創新能力較弱城市的產業綠色發展，縮小地區間發展不平衡，扎實推進長三角生態綠色一體化發展。

參考文獻：

［1］HASEEB A，XIA E，DANISH，et al. Financial Development，Globalization，and CO2 Emission in the Presence of EKC：Evidence from BRICS Countries［J］.Environmental Science and Pollution Research，2018，25：31283-31296.

［2］王軍，王杰，李治國.數字金融發展與家庭消費碳排放［J］.財經科學，2022（4）：118-132.

［3］ACHEAMPONG A O. Modelling for Insight：Does Financial Development Improve Environmental Quality？［J］. Energy Economics，2019，83：156-179.

［4］ZAIDI S A H，ZAFAR M W，SHAHBAZ M，et al. Dynamic Linkages Between Globalization，Financial Development and Carbon Emissions：Evidence from Asia Pacific Economic Cooperation Countries［J］. Journal of Cleaner Production，2019，228：533-543.

［5］DOGAN E，SEKER F. The Influence of Real Output，Wenewable and Non-renewable Energy，Trade and Financial Development on Carbon Emissions in the Top Renewable Energy Countries［J］. Renewable and Sustainable Energy Reviews，2016，60：1074-1085.

［6］張忠杰，李真真，李憲慧.金融發展、城鎮化對人均能源消費碳排放的影響［J］.統計與決策，2020，36（8）：106-110.

［7］王元彬，張堯，李計廣.數字金融與碳排放：基于微觀數據和機器學習模型的研究［J］.中國人口·資源與環境，2022，32（6）：1-11.

［8］SHAHBAZ M，DESTEK M A，DONG K，et al. Time-varying Impact of Financial Development on Carbon Emissions in G-7Countries：Evidence from the Long History［J］. Technological Forecasting and Social Change，2021，171：120966.

［9］范慶倩，封思賢.數字金融影響碳排放的作用機理及效果［J］.中國人口·資源與環境，2022，32（11）：70-82.

［10］嚴成樑，李濤，蘭偉.金融發展、創新與二氧化碳排放［J］.金融研究，2016（1）：14-30.

［11］WANG T，UMAR M，LI M G，et al. Green Finance and Clean Taxes are the Ways to Curb Carbon Emissions：An OECD Experience［J］. Energy Economics，2023，124：106842.

［12］GUO L L，ZHAO S，SONG Y T，et al. Green Finance，Chemical Fertilizer Use and Carbon Emissions from Agricultural Production［J］. Agriculture，2022，12（3）：1-18.

［13］喻旭蘭，周穎.綠色信貸政策與高污染企業綠色轉型：基于減排和發展的視角［J］.數量經濟技術經濟研究，2023，40（7）：179-200.

［14］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.

［15］張科，熊子怡，黃細嘉.綠色債券、碳減排效應與經濟高質量發展［J］.財經研究，2023，49（6）：64-78.

［16］HAMMOUDEH S，AJMI A N，MOKNI K. Relationship Between Green Bonds and Financial and Environmental Variables：A Novel Time-varying Causality［J］. Energy Economics，2020，92：1-8.

［17］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.

［18］張國俊，王玨晗，吳坤津，等.中國三大城市群經濟與環境協調度時空特征及影響因素［J］.地理研究，2020（2）：272-288.

［19］周穩海，武曉敏，趙桂玲.雙碳目標下綠色金融碳減排效應的實證研究［J］.河北經貿大學學報，2024，45（1）：47-58.

［20］江紅莉，王為東，王露，等.中國綠色金融發展的碳減排效果研究——以綠色信貸與綠色風投為例［J］.金融論壇，2020，25（11）：39-48，80.

［21］葉子瑞，季宇，張鶴，等.我國綠色債券市場信息披露研究［J］.商業經濟，2024（1）：180-183.

［22］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.

［23］陳驍，張明.中國的綠色債券市場：特征事實、內生動力與現存挑戰［J］.國際經濟評論，2022（1）：104-133，7.

［24］孟維福，劉婧涵.綠色金融促進經濟高質量發展的效應與異質性分析——基于技術創新與產業結構升級視角［J］.經濟縱橫，2023（7）：100-110.

［25］于波.綠色信貸政策如何影響重污染企業技術創新？［J］.經濟管理，2021，43（11）：35-51.

［26］周肖肖，賈夢雨，趙鑫.綠色金融助推企業綠色技術創新的演化博弈動態分析和實證研究［J］.中國工業經濟，2023（6）：43-61.

［27］LI M Q，WANG Q. Will Technology Advances Alleviate Climate Change？ Dual Effects of Technology Change on Aggregate Carbon Dioxide Emissions［J］. Energy for Sustainable Development，2017，41：61-68.

［28］余祖鵬，王孝行.流通數字化對流通產業碳排放的影響與作用機制［J］.中國流通經濟，2023，37（12）：26-35.

［29］申明浩，譚偉杰.數字化與企業綠色創新表現——基于增量與提質的雙重效應識別［J］.南方經濟，2022（9）：118-138.

［30］黎文靖，鄭曼妮.實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響［J］.經濟研究，2016，51（4）：60-73.

［31］郭藝，曹賢忠，魏文棟，等.長三角區域一體化對城市碳排放的影響研究［J］.地理研究，2022，41（1）：181-192.

［32］王守坤，范文誠.金融可得性與碳排放——來自金融地理結構的宏觀與微觀證據［J］.數量經濟技術經濟研究，2024，41（1）：67-89.

［33］趙培雅，高煜，孫雪.“雙控”目標下產業智能化的節能降碳減排效應［J］.中國人口·資源與環境，2023，33（9）：59-69.

［34］ZHAO J，JIANG Q Z，DONG X C，et al. How Does Industrial Structure Adjustment Reduce CO2 Emissions？Spatial and Mediation Effects Analysis for China［J］. Energy Economics，2022，105：105704.

［35］WANG Q，ZHANG F Y. The Effects of Trade Openness on Decoupling Carbon Emissions from Economic Growth-evidence from 182 Countries［J］. Journal of Cleaner Production，2021，279：123838.

［36］江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100-120.

［37］叢建輝，劉學敏，趙雪如.城市碳排放核算的邊界界定及其測度方法［J］.中國人口·資源與環境，2014，24（4）：19-26.

［38］詹姝珂，王仁曾，劉耀彬.金融科技與綠色金融協同對產業結構升級的影響——基于異質性環境規制視角［J］.中國人口·資源與環境，2023，33（11）：152-162.

［39］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.

［40］TAN Y X，TIAN X，ZHANG X D，et al. The Real Effect of Partial Privatization on Corporate Innovation：Evidence from China's Split Share Structure Reform［J］. Journal of Corporate Finance，2020，64：101661.

［41］蔡朋龍，李樹旺.體育產業結構優化中體育服務業占比研究［J］.體育學刊，2022，29（1）：53-60.

［42］金聲甜，李小花.國家重點生態功能區設立對縣域碳排放強度的影響——以長江經濟帶為例［J］.經濟地理，2023，43（9）：139-147.

［43］王凱，關銳，甘暢，等.中國新型城鎮化水平對旅游業碳排放效率的空間效應［J］.長江流域資源與環境，2023，32（3）：582-595.

［44］劉曉霞.人力資本投資對低碳經濟發展的內在機理研究［J］.現代經濟信息，2015（19）：5-6.

［45］劉璇，許恒周，張苗.土地出讓市場化的碳排放效應及傳導機制——基于產業結構中介視角［J］.中國人口·資源與環境，2022，32（6）：12-21.

［46］王昕怡，許向陽.綠色信貸政策對城市碳減排效應的影響研究——基于279個城市的經驗分析［J］.林業經濟，2024，46（2）：54-78.

［47］董春風，何駿.區域一體化發展提升城市創新能力了嗎——來自長三角城市群擴容的經驗證據［J］.現代經濟探討，2021（9）：109-118.

［責任編輯：洪二麗］