綠色金融對我國能源利用效率的影響研究

作者簡介： 郭志偉（1983—），男，河南登封人，博士，新鄉學院馬克思主義學院副教授，研究方向：公共政策;通信作者：陳書偉（1981—），男，河南駐馬店人，博士，河南財經政法大學教授，碩士生導師，研究方向：公共政策。

摘 要：基于2007—2022年中國30個省（區、市）的綠色金融水平和能源利用效率測度，運用面板Tobit模型實證檢驗綠色金融對能源利用效率的影響效應。結果表明，綠色金融在較低水平時對能源利用效率的增長起到抑制作用，在較高水平時對能源利用效率的增長起到促進作用。調節機制表明，綠色金融通過資本引導、資源優化配置、技術創新和節能減排等中介變量影響能源利用效率。鑒于此，要加快地區產業轉型升級，提升綠色金融整體發展水平，科學規范行業管理，進一步提升能源利用效率。

關鍵詞： 綠色金融；能源利用效率；SBM-ML指數；面板Tobit模型

中圖分類號：F832 文獻標識碼： A 文章編號：1003-7217（2024）06-0035-08

一、引 言

提高能源利用效率是發展新質生產力、推動中國經濟高質量發展的必然舉措。能源利用效率的提高與經濟高質量增長的協調發展是增進各國人民福祉的本質要求^[1]。綠色金融是為解決環境污染問題、降污減排而產生的對金融服務的新需求，也是金融業為適應環境保護和提高能源利用效率的需要而提供的新服務類型，其通過綠色保險、綠色信貸等金融工具引導資金流向低碳、清潔能源等環保項目，實現金融資源綠色配置和經濟結構優化^{［2，3］}，進而提高能源利用效率。

目前學術界關于綠色金融對能源利用效率的影響研究主要集中在兩個方面：一是從宏觀層面探討綠色金融對能源利用的影響效應，認為綠色金融能有效降污減排，促進經濟綠色轉型和經濟高質量發展^[4，5]，綠色金融可以優化能源配置結構進而優化經濟結構^[6，7]。二是從企業微觀層面探討綠色金融對能源利用的影響效應，認為綠色金融通過重新配置金融資源，提高了高污染企業的融資難度和成本^[8]，從而有效促進能源利用^[9，10]和企業綠色技術創新與綠色轉型^[11-13]。

已有文獻集中探討了綠色金融對能源利用的影響，尚缺少對綠色金融影響能源利用效率的研究。

綜合判斷中國當前的綠色金融水平，厘清綠色金融的應用和發展對能源利用效率的影響特征并分析其作用機制，在此基礎上考察不同環境下影響效果的異質性特征，可以為發揮綠色金融效能、著力提升能源利用效率提供理論參考。

本文首先從正向影響效應和負向影響效應兩個方面討論了綠色金融對能源利用效率的影響機制；其次，使用帶有環境污染非期望產出的SBM-ML模型測度了2007—2022年中國30個省（區、市）①的能源利用效率，并在不同層面進行詳細的對比分析；最后，運用面板Tobit模型就綠色金融對能源利用效率的影響效應進行實證檢驗，并探討了不同綠色金融發展水平對能源利用效率影響的差異性。

二、機制分析

綠色金融可能對能源利用效率產生正、負兩方面的影響。綠色金融可以重新配置金融資源，有效促進企業綠色技術創新，并通過監督企業行為規范，達到節能減排的目的，對能源利用效率產生正向影響效應。同時綠色金融的發展會伴隨一定的資源損耗和成本損失，加上政府的過度干預，有可能對能源利用效率產生負向影響效應。因此，綠色金融的發展和能源利用效率的提升能否實現“雙贏”，取決于二者之間“正向影響效應”和“負向影響效應”的大小。

（一）正向影響效應

資本引導效應。綠色金融通過對潛在的綠色項目的選擇形成資金引導，節能環保類企業獲得足夠的資金流支持以補充企業發展資本，進而推動本企業節能環保項目的開展，并對其他類型項目與生產進行優化^[14]。另外，其增加了該領域企業或項目的投資價值，吸引更多外部融資支持。

資源優化配置效應。綠色金融通過金融資源的重配，對綠色產業、綠色制造和綠色消費產業體系進行重構和優化，促進產業結構調整^[15]。在綠色金融的差異性政策下，對“兩高一?！毙袠I的企業實行貸款額度限制和高利率懲罰，增加其融資成本，使資金逐漸從“兩高一剩”行業流向綠色產業，進而為能源利用效率高的企業提供更多的資金支持，增加綠色產品供給，促進金融資源優化配置，改善能源資源結構^[16，17]。

技術創新效應。對于“兩低”型企業，綠色金融可以緩解其融資約束，增加其研發投入，進而提高技術創新能力，增強環保政策對經濟產生的波特效應^[18，19]。對于“兩高”型企業，綠色金融為污染企業的工藝和設備改造提供融資利好，迫使企業改變投資與生產決策，增加能源利用技術研發投入，通過綠色技術創新提升能源利用效率^[20，21]。若“兩低”型企業的研發資金得到支持且“兩高”型企業調整綠色化改造意愿，企業重視技術引進和技術進步，則能源利用效率能夠得到有效提升。

節能減排效應。對于投資者而言，綠色金融主要通過融資環節影響企業的能源利用，迫使企業降低污染程度；對于政府而言，綠色金融將環境風險與金融風險相結合，借助市場機制、政府管制以及社會監督等多種力量，彌補傳統政策的時滯效應，有效緩解市場失靈問題，推進能源節約和利用^[22，23]；對于消費者而言，綠色金融可以通過創新消費端的綠色金融產品，如信貸利率、保險等方面的優惠來降低綠色消費成本，引導消費者進行綠色消費，從需求端解決環境危機問題，促進能源利用效率的提高^[24]。

（二）負向影響效應

資源損耗效應。綠色金融政策的過度傾斜導致很多節能環保項目雖吸納了較多的資源，但由于相關項目和技術目前還不成熟，可能會造成一定程度的資源浪費和損耗，對能源利用效率產生負向影響。

成本損失效應。從綠色金融的金融資源重配功能來看，綠色金融更傾向于扶持可持續發展的綠色產業，而作為當前經濟發展支柱的傳統產業會受到阻礙，抑制傳統產業的發展勢必造成一定的成本損失，若該成本損失超過對綠色產業支持帶來的經濟效益，則會影響能源利用效率的提高^[25]。此外，綠色金融相關政策的過快推進會淘汰大批落后產能，勢必帶來較高的潛在轉型成本^[26]。

政府干預效應。綠色金融政策涉及政府的決策引導，政府通過采取嚴格措施和提供資金支持來提高綠色金融政策的實施效率，改善能源利用的同時也造成了一定的政策執行成本。過多的政府干預會對企業自由運行產生扭曲效應，抑制市場在資源配置中的決定性作用，難以誘發嚴格意義的技術信息外溢，不利于能源利用效率的提升^[27]。

綠色金融影響能源利用效率的作用機制如圖1所示。

三、研究設計

（一）模型設定

采用Tobit回歸分析模型^[28]實證檢驗綠色金融與能源利用效率的關系。為了進一步考察綠色金融與能源利用效率之間是否存在非線性關系，在模型中加入綠色金融的二次項。具體模型如下：

EEit=α0+α1Gfit+∑5j=2αjXit+ηt+εit （1）

EEit=β0+β1Gfit+β2Gf2it+∑5j=3βjXit+ηt+εit （2）

式（1）和式（2）中，EEit代表能源利用效率，Gfit代表綠色金融發展水平，Gf2it表示綠色金融的二次項，Xit為其他控制變量，ηt為時間固定效應，εit表示隨機擾動項。

（二）變量說明

1.被解釋變量。能源利用效率（EE）：采用非期望產出的SBM-ML指數模型測度中國30個?。▍^、市）的能源利用效率。以每個?。▍^、市）為一個決策單元，構建處理非期望產出的SBM模型及考察兩個時段生產效率變化的Malmquist 指數來測算能源利用效率。首先，利用非期望產出的SBM的DEA模型^[29]進行計算，每個決策單元都存在Q種投入X=x1，x2，…，xQ∈RQ+，P種期望產出Y=y1，y2，…，yP∈RP+ ，L種非期望產出Z=z1，z2，…，zL∈RL+。在假定規模報酬可變時，i省（區、市）在ｔ年包含非期望產出的SBM方向性距離函數可定義為：

Dtv（xti，yti，zti）=ρ=

min 1－1Q∑Qq=1sxqxiq1+1P+L∑Pp=1sypyip+∑Ll=1szlzil

s.t.xti，q=∑Ii=1λtixti，q+sxq，q=1，2，…，Qyti，p=∑Ii=1λtiyti，p－syp，p=1，2，…，Pzti，l=∑Ii=1λtizti，l+szl，l=1，2，…，L∑Ii=1λti=1，λti≥0，sxq≥0，syp≥0，szl≥0，

i=1，2，…，I （3）

其中，Dtv表示規模報酬可變條件下的方向性距離函數，（xti，yti，zti）表示?。▍^、市）ｉ的投入產出集，ρ表示效率評價指標，sxq表示投入的過剩，syp表示合意產出的不足，szl表示非合意產出的不足，λti表示權重。

基于上述SBM方向性距離函數的定義，借鑒Chung等^[30]提出的ML指數，引入跨期動態的概念，構建了從t到t+1的相鄰參比的SBM-ML指數，并進一步分解為EC指數和TC指數，模型具體分解如下：

SBM－ML^t，t+1（xt，yt，zt，x^t+1，y^t+1，z^t+1）=

Dtv（x^t+1，y^t+1，z^t+1）Dtv（xt，yt，zt）×D^t+1v（x^t+1，y^t+1，z^t+1）D^t+1v（xt，yt，zt）¹²=

D^t+1v（x^t+1，y^t+1，z^t+1）Dtv（xt，yt，zt）×

Dtv（x^t+1，y^t+1，z^t+1）D^t+1v（x^t+1，y^t+1，z^t+1）×Dtv（xt，yt，zt）D^t+1v（xt，yt，zt）¹²=

EC^t，t+1×TC^t，t+1（4）

其中，技術效率指數（EC）測度了管理制度與政策改革等帶來的效果。該指數大于1表示技術效率改進并對能源利用效率增長有貢獻。技術進步指數（TC）體現的是技術進步引起的生產可能性邊界外移，測度了生產工藝技術、制造技能等方面帶來的提升狀況。該指數大于1表示技術進步并對能源利用效率增長有貢獻。

在SBM-ML模型中，選取就業人數、資本存量和能源消費總量作為投入指標，地區生產總值作為期望產出指標，二氧化碳排放作為反映綠色發展概念的非期望產出指標。各變量的具體處理過程如下。

（1）投入指標。投入指標選擇勞動、資本和能源三項指標。勞動投入選用各?。▍^、市）歷年就業人員數作為代替指標；能源投入選用折合成標準煤的地區能源消費總量作為代替指標；資本投入指標采用“永續盤存法”測算省（區、市）資本存量，公式為kt=kt－1（1－δt）+It，其中It表示t期固定資本形成總額，kt表示t期的資本存量，δt是指t期實物資本的折舊率。借鑒學界相關研究成果^[31]，使用10.96%的折舊率（δ）測算2007—2018年各?。▍^、市）資本存量，并折算以2000年為基期的不變價格。

（2）產出指標。產出指標分為期望產出指標和非期望產出指標。期望產出指標選用各地區生產總值作為替代指標，剔除時間價格因素的影響，平減到以2000年為基期的不變價格水平。非期望產出指標使用二氧化碳排放量作為代理變量。二氧化碳排放主要來源于兩個生產生活過程，分別是化石能源消費燃燒排放二氧化碳和水泥工業生產過程從生料轉化為熟料環節排放二氧化碳^[32]。由于煤炭、石油和天然氣是中國廣泛使用的一次能源，這里考慮這三種化石能源所對應的碳排放量。估算化石能源消費燃燒排放的二氧化碳量，需要計算煤炭、石油和天然氣的排放系數，根據李鍇和齊紹洲^[32]的計算方法，可得出煤炭、石油和天然氣三種化石能源的二氧化碳排放系數分別為2.7412、2.1358和1.6262。估算水泥工業生產過程從生料轉化為熟料環節排放的二氧化碳量，首先需要確定水泥熟料的碳排放因子，根據陳詩一^[33]的做法，結合當前中國實際情況，生產一噸的水泥熟料，原料分解直接排放的非碳燃燒產生0.5272噸二氧化碳，即水泥熟料的二氧化碳排放因子為0.5272。據此，可以估算各省（區、市）二氧化碳的排放量。

2.核心解釋變量。綠色金融（Gf）：鑒于數據的可得性以及綠色金融體系的構成，從綠色信貸、綠色保險、綠色證券、綠色投資、碳金融五個方面選取8個二級指標，構建了綠色金融發展評價指標體系來評估綠色金融發展水平（見表1）。參考Wang等^[34]的做法，采用熵值法對綠色金融發展水平進行測算。與德爾菲法、層次分析法、二項式系數法等主觀賦權法相比，熵值法可以根據各指標的變異程度計算出各指標的熵權，然后通過熵權對各指標的權重進行修正，從而得到更客觀的指標權重，可以有效減少主觀因素的影響。

3.控制變量?？紤]到受其他因素的影響，選取如下控制變量：外商直接投資（Fdi），選取實際使用外資直接投資與GDP的比值衡量，其中實際使用外資金額根據人民幣對美元匯率換算成億元；產業結構變動（Ior），選取第三產業增加值與第二產業增加值的比值衡量；政府干預水平（Gov），選取政府財政支出與GDP的比值衡量；綠色信貸政策虛擬變量（Policy），考慮到銀監會2012年制定并實施了《綠色信貸指引》，引入Policy為《綠色信貸指引》實施前后的政策虛擬變量，實施后的期間（2012年及以后）取值為1，實施前的期間（2012年以前）取值為0^[11]。

（三）數據來源與描述性統計

以2007—2022年中國30個省（區、市）為樣本。數據主要來源于EPS數據庫、RESSET數據庫、《中國統計年鑒》、《中國環境年鑒》、《中國環境統計年鑒》、《中國保險年鑒》、《中國能源統計年鑒》以及各?。▍^、市）歷年統計年鑒，缺失年份數據采用平行趨勢求出，部分缺失數據采用插值法求出。數據單位及描述性統計結果如表2所示。

四、實證結果分析

（一）能源利用效率的測量結果

利用MAXDEA軟件對樣本數據進行了SBM-ML指數及其分解測算，圖2給出了2007—2022年樣本整體的能源利用效率指數、技術效率指數、技術進步指數的變化趨勢。從整體來看，在2012年之前，三個指數變化幅度較大，可能是因為中國從“十一五”時期開始提出將節能指標作為約束性指標，并于2006年首次將節能減排目標納入國民經濟發展規劃綱要，對能源利用效率產生影響。之后呈現平穩增長的態勢。此外，能源利用效率與技術進步變化趨勢基本相同，說明技術進步是能源利用效率的推動力，能源利用效率的變動主要源于技術進步的變動。圖3反映了樣本期內各地區能源利用效率的動態變化情況。觀察發現，2007—2022年東、中、西部地區能源利用效率指數變動趨勢有所差異。2012年以后，總體趨于平穩，東部地區最高，中部地區次之，西部地區最低，且東、中部地區均高于全國平均值。這說明東、中部地區近年來在提振經濟增速的同時，也注重資源節約與能源的有效利用，以實現經濟發展與綠色發展雙贏的目標。此外，這也反映了近年來東、中部地區通過推進經濟發展的動力變革、效率變革與質量變革以推動經濟高質量發展的努力。而西部地區整體經濟的技術發展相對較差，反映出西部地區對提升能源利用效率重視不足，主要原因可能在于經濟結構和發展階段的差異性。

（二）基準回歸結果

基準回歸結果如表3所示。表3中LR檢驗以及Wald檢驗均通過顯著性檢驗，說明模型擬合效果很好，Tobit回歸模型的使用是合理的。列（1）表示只包含綠色金融一次項對能源利用效率的回歸。結果顯示綠色金融對能源利用效率表現顯著的負效應。列（2）表示綠色金融一次項與二次項對能源利用效率的回歸。綠色金融的一次項為負，二次項為正，均在1％的顯著性水平上通過了檢驗。以上結果表明在綠色金融處于較低水平時對能源利用效率產生負向影響，但隨著綠色金融水平的提高，對能源利用效率產生的影響變為正，即形成正Ｕ形關系。原因在于，當綠色金融水平較低時，一方面，中國綠色金融發展存在市場發育不成熟、社會公眾的綠色金融意識不高、綠色金融產品的創新性不高、監管體系建設和風險管理機制不健全等問題，加之綠色金融具有明顯的外部性特征，造成綠色金融對能源利用效率的促進作用無法發揮出來。另一方面，由于資源損耗效應、成本損失效應、政府干預效應的存在，綠色金融對能源利用產生負向影響，導致能源利用效率的下降。但是隨著綠色金融發展逐漸成熟，其發揮的積極作用逐漸增大，經濟主體迫于潛在社會及經濟成本壓力，開始優化資源產業結構，開展技術創新，追求節能減排，從而提升能源利用效率。

表3列（3）和列（4）加入一系列控制變量，綠色金融一次項與二次項系數的方向及顯著性均沒有發生變化。外商直接投資（Fdi）在10%的顯著性水平下通過檢驗。產業結構變動（Ior）表現出顯著的正向影響效應，說明產業結構對能源利用效率具有顯著的正向影響。隨著產業結構的變動，不同產業之間協調聚合的程度上升，產業結構的轉型升級有利于能源利用效率的提升^［35］。政府干預水平（Gov）表現出顯著的負向影響效應，說明政府對經濟活動的過分干預可能會扭曲市場在資源配置中的決定性作用，擾亂資源的合理配置與流動，不能發揮能源要素的最大化效用，不利于能源利用效率的提升。綠色信貸政策虛擬變量（Policy）表現出顯著的正向影響效應，說明作為綠色金融體系的關鍵組成部分，《綠色信貸指引》的實施能夠很好地促進能源利用效率的提升。

（三）穩健性檢驗^②

1.使用不同的回歸模型。考慮到能源利用效率可能存在一定的路徑依賴，加入被解釋變量的一階滯后項，建立動態面板模型。采用系統GMM模型重新進行估計，估計的結果均通過了Sargan檢驗和AR（2）檢驗，說明系統GMM使用是合理的。同時回歸結果在1%的顯著性水平下通過了檢驗，顯現出正向影響，在一定程度上表明結論具有穩健性。

2.縮尾處理。考慮到異常值的影響，進一步通過剔除異常值進行縮尾處理驗證綠色金融對能源利用效率影響的穩健性。對樣本數據在5%分位上進行雙邊縮尾檢驗。與基準回歸結果相比，回歸系數符號、回歸系數大小及顯著性水平并沒有顯著變化，表明結論具有較強穩健性。

3.自變量滯后一期?？紤]到綠色金融對能源利用效率的影響可能存在時滯效應，把回歸模型中綠色金融與綠色金融平方項分別滯后一期（Gfi，t－1，Gf2i，t－1）作為解釋變量進行回歸，結果與基準回歸結果一致，進一步表明結論的穩健性。

（四）異質性分析

1.基于不同區域的異質性分析。為驗證綠色金融發展水平正向影響能源利用效率是否存在區域差異，對東、中、西部地區樣本展開異質性分析?；貧w結果如表4所示，東、中、西部地區綠色金融對能源利用效率均有顯著的正向影響，但東部地區綠色金融對能源利用效率的影響效應更強，西部地區最弱，中部地區居中。

2.基于不同能源類型的異質性分析。綠色金融對不同類型能源利用效率的影響可能存在較大差異，采用張慶君和陳蓉^[36]的處理方式，將能源類型劃分為煤炭、石油、天然氣和電力等四類，分別討論綠色金融對這四種能源利用效率的影響，回歸結果如表5所示，綠色金融對煤炭、石油、天然氣和電力四種能源利用效率的影響對應為EE_c、EE_o、EE_ng、EE_e，其回歸結果分別為1.303、1.293、0.493、0.901，表明綠色金融對煤炭、石油等相對污染較大、碳排放較高的傳統能源利用效率均具有顯著的正向影響；而對于天然氣、電力等相對清潔度較高的綠色能源的利用效率雖具有正向影響，但并不顯著，而綠色金融的平方項的影響則相對顯著。

五、機制識別

上述分析驗證了綠色金融對能源利用效率具有顯著的正向影響，而這種影響的機制是怎么實現的呢？在上述機制分析中，提出綠色金融對能源利用效率有資本引導效應、資源優化配置效應、技術創新效應和節能減排效應，即綠色金融通過資本引導、資源優化配置、技術創新和節能減排機制提升能源利用效率。為驗證上述機制是否成立，采用王杰和王軍^[37]的處理方式，通過構建這些機制的中介效應模型進行驗證識別：

Medit=α0+α1Gfit+α2Gf2it+X′itδi+λi+

ηt+εit （5）

EEit=β0+β1Gfit+β2Gf2it+γMedit+

X′itδi+λi+ηt+εit （6）

式（5）和式（6）中，Xit表示控制變量，λi表示?。▍^、市）固定效應，ηt表示時間固定效應，εit為隨機擾動項，Medit表示中介變量。基于上述機制分析，分別用資本引導（CG）、產業調整（IS）、技術創新（TI）和節能減排（CEI）作為機制分析中的中介變量。其中，CG用綠色信貸政策變量表示，為有效反映綠色信貸政策的傳導效應，差異化的借貸成本是綠色信貸政策的基本特征，采用除高耗能行業之外其他行業的利息支出占利息總支出的比重作為綠色信貸政策變量指標；IS用高耗能產業占比來表示，產業調整優化主要表現為高耗能產業占比下降，因此采用除高耗能產業之外的其他產業占比作為產業調整的變量指標；TI用研發支出強度表示，采用R&D支出占GDP支出的比重作為技術創新的變量指標；CEI用能源碳排放強度表示，采用能源消費碳排放占GDP之比作為節能減排的變量指標。

表6報告了綠色金融影響能源利用效率機制的檢驗結果。從回歸結果可知：加入資本引導、資源配置、技術創新和節能減排等中介變量，綠色金融對能源利用效率的影響依然呈U形特征，即綠色金融在較低水平時對這些中介變量的影響起抑制作用，而綠色金融在較高水平下則起促進作用。這種影響進而傳導到綠色金融對能源利用效率的影響。因此實證結果表明，綠色金融通過資本引導、資源配置、技術創新和節能減排等機制正向影響能源利用效率。

六、研究結論及政策啟示

本文基于2007—2022年中國30個省（區、市）綠色金融水平和能源利用效率的測算結果，采用面板Tobit模型實證檢驗了綠色金融對能源利用效率的影響效應，分析了不同綠色金融發展水平對能源利用效率影響的異質性，并討論了綠色金融影響能源利用效率的作用機制，得到如下結論：一是技術進步是能源利用效率的主要推動力，而且能源利用效率指數和技術進步指數省份之間差異明顯，東、中、西部地區能源利用效率指數變動趨勢呈現明顯差異。二是綠色金融對能源利用效率的影響并非線性，而是呈U形特征，綠色金融處于低水平時將會對能源利用效率產生抑制作用，隨著綠色金融水平的提升，綠色金融對能源利用效率的影響將會由抑制轉為促進。通過東、中、西三大區域的異質性分析進一步驗證了這一結論，即東部地區最高，中部地區次之，西部地區最低，且東、中部地區均值高于全國整體平均水平。三是綠色金融通過資本引導、資源配置、技術創新和節能減排等中介變量的傳導影響能源利用效率。

基于以上研究結論，本文提出如下政策啟示：

第一，加快地區產業轉型升級，推動地區綠色技術進步。通過加強經濟主體技術創新的金融支持，全面推廣節能減排技術、清潔高效工藝，提升技術創新能力，對現有的傳統能源落后的生產方式進行改造更新，促進能源利用效率的提升。第二，提升綠色金融整體發展水平，增強綠色金融對能源利用效率的影響效應。合理引導資金流向綠色、低碳領域；增加科技研發投入，刺激企業技術創新效應的顯現；不斷開拓綠色金融市場建設，鼓勵綠色金融產品創新。第三，制定相應的措施和政策，減少綠色金融對能源效率的負向影響?？茖W測度綠色金融發展的適度規模，統籌制定金融行業綠色發展的規劃方案，達到資源的合理利用；公布綠色產業目錄清單，為企業提供參考，降低其轉型成本和交易成本；完善跨區域的碳排放交易市場機制，減少不必要的政府干預行為，市場力量和適度的政府干預能夠提升能源利用效率，實現節能減排；加大教育宣傳力度，提升民眾積極參與環保事業的意識，同時重視綠色金融對中小型或民營企業的資金支持，全面提升能源利用效率。

注釋：

① 鑒于港澳臺數據不可得，予以剔除，同時由于西藏數據缺失過多，也予以剔除。本文30個?。▍^、市）不包括西藏、香港、澳門、臺灣。

② 限于篇幅，此處省略了穩健性檢驗的回歸結果表格，如有需要可向作者索取，下同。

參考文獻：

［1］ 岳立，宋雅瓊，江鈴峰．“一帶一路”國家能源利用效率評價及其與經濟增長脫鉤分析[J].資源科學，2019，41（5）：834-846.

[2] 吳朝霞，曾家豪，劉泓軒，等.綠色金融促進治污減排機制與空間效應[J].經濟地理，2023，43（10）：128-138.

[3] 張嬈，郭曉旭.綠色信貸政策對企業綠色治理績效的影響研究：基于政策傳導視角[J].管理學刊，2023，36（5）：76-95.

[4] Liu R Y， Wang D Q， Zhang L， et al. Can green financial development promote regional ecological efficiency？ A case study of China[J]. Natural Hazards， 2019，95（1）：325-341.

[5] 韓敘，柳瀟明，劉文婷，等.黃河流域綠色金融與經濟高質量發展耦合協調時空特征及驅動因素[J].經濟地理，2023，43（9）：121-130.

[6] 俞毛毛，馬妍妍.綠色金融政策與地區出口質量提升：基于綠色金融試驗區的合成控制分析[J].中國地質大學學報（社會科學版），2022，22（2）：122-141.

[7] 吳泓翰，徐玖平.綠色金融對中國地區碳排放效率的影響效應分析：基于動態空間面板模型的實證研究[J].社會科學研究，2023，45（6）：84-92.

[8] 崔惠玉，王寶珠，徐穎.綠色金融創新、金融資源配置與企業污染減排[J].中國工業經濟，2023，40（10）：118-136.

[9] 張偉，蘆雨婷.綠色金融助推工業綠色化轉型探討[J].環境保護，2018，46（22）：13-17.

[10]Peng J Y， Zheng Y H. Does environmental policy promote energy efficiency？ Evidence from China in the context of developing green finance[J]. Frontiers in Environmental Science， 2021，299（7）：1-16．

[11]王馨，王營.綠色信貸政策增進綠色創新研究[J].管理世界，2021，37（6）：173-188.

[12]陳國進，丁賽杰，趙向琴，等.中國綠色金融政策、融資成本與企業綠色轉型：基于央行擔保品政策視角[J].金融研究，2021，42（12）：75-95.

[13]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，2023，40（6）：43-61.

[14]徐勝，趙欣欣，姚雙.綠色信貸對產業結構升級的影響效應分析[J].上海財經大學學報，2018，20（2）：59-72.

[15]陳瑤.環境規制影響工業綠色轉型的中介及門檻效應研究[J].財經理論與實踐，2023，44（6）：130-137.

[16]陳智蓮，高輝，張志勇. 綠色金融發展與區域產業結構優化升級：以西部地區為例[J].西南金融， 2018，39 （11）： 70-76.

[17]陳琪.中國綠色信貸政策落實了嗎：基于“兩高一?！逼髽I貸款規模和成本的分析[J].當代財經，2019，40（3）：118-129.

[18]Soundarrajan P， Vivek N. Green finance for sustainable green economic growth in India[J]. Agricultural Economics， 2016，62（1）：35-44.

[19]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.

[20]Liu J Y， Xia Y， Fan Y， et al. Assessment of a green credit policy aimed at energy-intensive industries in China based on a financial CGE model[J]. Journal of Cleaner Production， 2017，163（10）：293-302.

[21]張遼，姚蕾.數字技術創新對城市經濟韌性的影響研究：來自中國278個地級及以上城市的經驗證據[J].管理學刊，2023，36（5）：38-59.

[22]安偉.綠色金融的內涵、機理和實踐初探[J].經濟經緯，2008，25（5）：156-158.

[23]高原，申珍珍.綠色金融改革政策的碳減排效應[J].中國環境科學，2022，42（10）：4849-4859.

[24]鄭元楨，王卓涵，蔡懿，等.“雙碳”新格局下企業綠色技術創新對其ESG績效的影響及其路徑研究[J].技術經濟，2023，42（3）：64-77.

[25]吳磊，賈曉燕，吳超，等.異質型環境規制對中國綠色全要素生產率的影響[J].中國人口·資源與環境，2020，30（10）：82-92.

[26]周琛影，田發，周騰.綠色金融對經濟高質量發展的影響效應研究[J].重慶大學學報（社會科學版），2022，28（6）：1-13.

[27]師博，任保平.產業集聚會改進能源效率么？[J].中國經濟問題，2019，61（1）：27-39.

[28]Tobin J. Estimation of relationships for limited dependent variables[J]. Econometrica，1958，26（1）： 24-36.

[29]Tone K， Tsutsui M. Dynamic DEA： a slacks-based measure approach[J]. Omega， 2010，38（3-4）： 145-156.

[30]Chung Y H， Fre R， Grosskopf S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[31]單豪杰，師博.中國工業部門的資本回報率：1978—2006[J].產業經濟研究，2008，7（6）：1-9.

[32]李鍇，齊紹洲.貿易開放、經濟增長與中國二氧化碳排放[J].經濟研究，2011，46（11）：60-72.

[33]陳詩一.節能減排、結構調整與工業發展方式轉變研究[M].北京：北京大學出版社，2011.

[34]Wang X Y， Zhao H K， Bi K X. The measurement of green finance index and the development forecast of green finance in China[J]. Environmental and Ecological Statistics， 2021，28（2）： 263-285.

［35］林婷，諶仁俊.全球價值鏈嵌入對制造業企業能源效率的影響及機制［J］.中南大學學報（社會科學版），2023，29（3）：113-128.

[36]張慶君，陳蓉.綠色金融政策創新與能源消費碳排放強度：資源配置效應還是綠色創新效應[J].甘肅社會科學，2023，45（5）：206-218.

[37]王杰，王軍.綠色金融發展與能源利用效率提升：理論與中國經驗[J].金融論壇，2024，29（5）：70-80.

（責任編輯：杜舟）

Influence of Green Finance on Energy Efficiency in China

GUO Zhiwei^1，2， CHEN Shuwei³， SHAN Fei³

（1.School of Marxism， Xinxiang University， Xinxiang， Henan 453003， China;

2．Editorial Department of Journal of Management， Xinxiang University， Xinxiang，Henan 453003，China;

（3.School of Government Administration， Henan University of Economics and Law， Zhengzhou， Henan 450016， China）

Abstract：Based on the relevant measures of green finance level and energy efficiency of 30 provinces in China from 2007 to 2022， the panel Tobit model is used to empirically test the influence of green finance on energy efficiency. The results show the green finance at lower levels inhibits the growth of energy efficiency， while at higher levels promotes it. The adjustment mechanism shows that green finance influences energy efficiency via intermediary variables such as investment guidance， resource allocation， technological innovation， energy conservation and emission reduction. Accordingly， such measures should be made that transformation and upgrading of regional industries should be accelerated， the overall development level of green finance should be improved， industry management should be scientifically regulated so as to make further improvement of the energy efficiency.

Key words：green finance; energy efficiency; SBM-ML index; panel Tobit model