綠色金融如何實現城市減污降碳協同推進

摘"要：協同推進減污降碳是實現綠色發展的關鍵舉措，而加強金融支持是其中的重要保障。本文通過構建一般均衡模型，系統闡釋了綠色金融與減污降碳之間的理論關系，并基于2011—2022年中國281個城市的面板數據，運用漸進雙重差分模型實證考察了綠色金融改革創新試驗區政策對城市減污降碳的影響效應及其作用機制。研究發現，試驗區政策顯著促進了城市減污降碳進程，且這一效應在資源型城市、“胡煥庸線”西北部城市以及非城市群城市中表現更為突出。機制分析發現，試驗區政策通過緩解融資約束和推動技術進步兩個渠道促進城市減污降碳，但微觀層面的作用效果僅對污染行業產生顯著影響。空間計量分析表明，試驗區政策的減污降碳效應在考慮空間因素后得到明顯提升，但尚未形成對周邊城市的空間溢出效應。

關鍵詞：綠色金融改革創新試驗區；減污降碳；一般均衡模型；雙重差分法；溢出效應

中圖分類號：F420；F832文獻標識碼：A文章編號：1001-148X（2025）02-0051-12

收稿日期：2024-11-21

作者簡介：張超（1981—），男，安徽含山人，教授，博士，研究方向：宏觀經濟；胡宗光（2000—），男，安徽含山人，碩士研究生，研究方向：綠色金融。

基金項目：安徽省教育廳自然科學研究重大項目“金融發展對省域碳中和潛力的影響機制及效應研究”，項目編號：2022AH040086；安徽省社會科學創新發展研究課題攻關項目“皖西大別山革命老區鄉村振興潛力識別與金融精準支持研究”，項目編號：2022CX045。

一、引言與文獻綜述

黨的二十大報告明確提出“要協同推進降碳、減污、擴綠、增長，推進生態優先、節約集約、綠色低碳發展”的戰略部署。協同推進減污降碳作為實現高質量發展的關鍵環節，其核心在于加強政策措施的銜接與協調［1］。《減污降碳協同增效實施方案》進一步強調“強化減污降碳經濟政策，大力發展綠色金融”，凸顯了綠色金融在協同推進減污降碳中的重要作用。然而，在中國富煤貧油少氣的能源結構背景下，末端減排難度日益加大，協同推進減污降碳面臨著巨大挑戰［2］。因此，如何充分發揮綠色金融對減污降碳的支持效果，已成為政產學研各界共同關注的重要議題。

從理論基礎來看，污染物與溫室氣體具有同根同源同過程的特性，這為協同推進減污降碳提供了可行性。現有研究主要從市場手段和行政手段兩個維度展開探討。在市場手段方面，宋德勇等［1］的研究發現，環境權益交易通過促進源頭控制、清潔生產和末端治理，顯著降低了二氧化硫和二氧化碳的排放強度和規模。張雪純等［3］運用合成控制法驗證了碳排放權交易制度對減污降碳的協同推進作用，特別是在北上廣地區效果更為顯著。在行政手段方面，孫博文和鄭世林［4］的研究表明，清潔生產環境規制政策能夠有效促進減污降碳的協同推進。此外，經濟地理因素對城市減污降碳效果的影響也不容忽視，如李俊明等［5］指出，本地數字經濟的發展正在改變城市減污降碳“西低東高”的傳統空間分布格局。然而，市場與行政手段在實際執行中仍面臨協調不足、落地困難等問題，亟須構建更為完善的經濟政策體系予以支撐和引導，即推進“有為政府+有效市場”的協同治理模式。

從綠色金融的理論研究和實踐發展來看，學界普遍認為綠色金融對經濟發展具有積極作用［6-7］，能夠提升金融資源配置效率［8］，促進綠色全要素生產率增長［9］。隨著綠色金融工具和制度的不斷創新，其在經濟綠色轉型中的支撐作用日益凸顯［10］。具體而言：第一，綠色信貸、綠色債券和碳排放權等綠色金融工具不僅有助于提升城市層面的環境質量［11-12］，還通過調整微觀企業的融資結構和技術創新［13-15］，顯著提升了環境治理績效［16-17］。第二，以綠色金融改革創新試驗區為代表的綠色金融實踐表明，綠色金融在宏觀和微觀層面均有利于促進污染治理［18-19］，但其融資約束效應和技術進步效應仍存在學術爭議［20-21］。

盡管現有研究取得了豐碩成果，但仍存在以下局限：首先，研究多集中于單一綠色金融工具，缺乏系統性分析［13-17］。其次，部分學者雖從綠色金融體系視角展開研究，但主要聚焦于單一的減污或降碳效果［20-21］。最后，對綠色金融改革創新試驗區政策效應的考察多采用傳統雙重差分模型，較少考慮空間因素。綠色金融改革創新試驗區作為綠色金融體系的地方探索，是“有為政府+有效市場”結合的實踐典范，有效彌補了單一市場或行政手段的不足。基于此，本文以綠色金融改革創新試驗區為研究對象，基于2011—2022年中國281個城市的面板數據，運用漸進雙重差分模型，系統考察試驗區政策對城市減污降碳協同推進的影響及作用機制，并著重考慮了政策的空間效應。

本文可能的邊際貢獻體現在以下四個方面：第一，在理論層面，通過構建一般均衡模型并引入對污染企業的懲罰性利率，系統探究綠色金融與減污降碳的影響關系，拓展了綠色金融的理論研究框架。第二，在方法層面，以分批次設立的綠色金融改革創新試驗區作為處理組，采用漸進雙重差分法進行研究，并從城市和異質性行業層面分析其傳導路徑，豐富了綠色金融改革創新試驗區政策的實證研究。第三，在視角層面，結合城市資源稟賦、人口空間分布和經濟地理特征，探討試驗區政策在不同區域的異質性效果，并檢驗其空間溢出效應，為政府利用綠色金融政策促進區域協同治理提供參考。第四，在實踐層面，研究結論為綠色金融協同推進減污降碳提供了經驗證據，有助于指導政府探索具有區域特色的綠色金融發展和改革路徑，同時也為推進綠色金融改革創新試驗區升級擴容、做好綠色金融大文章提供了決策依據。

二、理論模型與研究假設

在綠色金融領域的理論模型研究中，Acemoglu等［22］引入帶有環境約束和有限資源的內生增長模型，為后續基于內生增長分析環境政策效果研究奠定了理論方法和模型框架。在此基礎上，多數學者通過不同方式引入綠色金融因素，進一步探究綠色金融與經濟增長和環境保護的關系［23-25］。現有文獻將綠色金融因素引入一般均衡模型的方式，為本文基于理論模型探究綠色金融的減污降碳效應提供了重要參考和依據。

（一）理論模型構建

1模型基本設定

（1）消費者。消費者的效用既包含對消費品的偏好，也包含對良好環境的偏好。瞬時效用函數為：

U=C1－σ－11－σ－（－e）1+ε－11+ε（1）

其中，C為消費，σ為相對風險厭惡系數，e為環境質量，-e為最優環境質量與實際環境質量的偏離值，是對環境污染的度量，設定環境最優值為0，即e0=0，ε表示人們對環境的偏好程度。

（2）環境與污染。由于碳排放達到一定濃度時才能對環境質量產生影響，因此環境質量僅考慮污染物排放。環境質量一方面受地方企業生產所產生的污染影響，另一方面也受環境的自我恢復影響。設定環境質量e的動態方程為：

=－YPχ－λe（2）

其中，Y為最終產品廠商的產出，P為環境污染，χ為環境規制強度，λ為環境恢復系數。

環境污染P由自然資源的消耗產生，并會受環保技術的抑制作用。

P=Mh（3）

M為自然資源，h為環保技術水平。

（3）碳排放與產出。假設碳排放在產品生產過程中產出，并受減碳技術影響。

E=YCO=YACOKψCO（4）

其中，E為碳排放，CO為減碳技術，ACO為綠色創新水平，KψCO為污染和綠色企業對減碳技術的投入，ψgt;1代表技術溢出。

（4）廠商。假設市場中僅存在綠色行業和污染行業提供中間產品，綠色行業的企業為G企業，污染行業的企業為H企業。二者都使用資本作為生產要素，且在生產過程中消耗自然資源，生產函數設定為：

yH=Kα1HMα2H=φ1α1Kα1γ1α2Mα2"（5）

yG=Kβ1GMβ2G=φ2β1Kβ1γ2β2Mβ2（6）

其中，φ和γ分別為企業資本和自然資源占總資本和總資源的使用比例，即KH/G=φ1/2K，MH/G=γ1/2M。兩類企業在生產中間產品時都會消耗自然資源，為簡化模型設定，假設綠色企業在資源消耗過程中消耗較少，且利用綠色技術將污染減少為0，污染企業則大量消耗資源并對環境造成污染。因此，環境污染P的函數可以寫為：

P=PH+PG=MHh（7）

最終產品廠商的生產以中間產品廠商的產成品為生產要素，且在生產過程中受環境污染和碳排放的影響。因此，最終產品廠商的生產函數設定為：

Y=Ayμ1Hyμ2GP－μ3E－μ4（8）

其中，A為最終產品廠商的技術水平。環境污染P和碳排放E越嚴重，最終產品廠商的產出損失越大。

（5）金融機構。假設金融市場中僅存在銀行機構，銀行吸收儲蓄發放貸款。居民將所有儲蓄均存入銀行，且企業的所有權屬于居民。企業在生產中所需的資本均向銀行進行借貸，因此銀行的信貸量等于企業生產中的資本。假定金融機構給予減碳部門免息貸款。銀行的利潤函數設定為：

πR=RHKH+RGKG－RK，0lt;ωHlt;1，0lt;ωGlt;1（9）

其中，RH=R（1+ωH）為污染企業的貸款利率，RG=R（1-ωG）為綠色企業的貸款利率，R為銀行發放的貸款利率。綠色金融在信貸管理中會對污染企業和綠色企業采取差異化策略，對待污染企業，金融機構會對其采取懲罰性策略，懲罰性利率系數為ωH；對待綠色企業，金融機構會采取優惠性策略，優惠性利率系數為ωG。設定銀行僅對污染企業和綠色企業發放貸款，因此K=KH+KG+KCO。KCO=θK，θ表示金融機構對減碳的資本支持比例，該值越大，說明金融機構的綠色水平越高。

2競爭性均衡

（1）廠商均衡。假定最終產品廠商生產的產品價格標準化為1，中間廠商中污染企業的產品價格為pH，綠色企業的產品價格為pG，因此最終產品廠商的利潤函數為：

πf=Ayμ1Hyμ2GP－μ3E－μ4－pHyH－pGyG（10）

最終產品廠商利潤最大化時應滿足：

yHyG=μ1pGμ2pH（11）

而中間產品廠商利潤最大化應滿足邊際成本等于邊際收益，即RH=yHKHpH和RG=yGKGpG，因此，中間產品廠商的利潤最大化應滿足：

pHKα1－1HMα2Hα1=RH（12）

pGKβ1－1GMβ2Gβ1=RG（13）

（2）金融機構均衡。由于金融機構的利潤函數為πR=R（1+ωH）KH+R（1－ωG）KG－RK，由此金融機構在長期中的均衡為：

R（1+ωH）=R（1－ωG）=r（14）

其中，r為金融機構的長期均衡利率，則有R=r（1+ωH）=r（1－ωG）。

將式（11）—式（13）代入式（14），可得：

KHKG=μ1α1（1+ωH）μ2β1（1－ωG）（15）

φ=μ1α1（1+ωH）μ2β1（1－ωG）+μ1α1（1+ωH）（16）

其中，式（15）為在完全競爭、不存在信貸歧視和長期均衡條件下，污染企業和綠色企業的資本使用滿足一定比例。式（16）為污染企業在市場均衡下的信貸資源配置比例。可見，在市場均衡時，污染企業和綠色企業的信貸配置與綠色金融對企業的信貸偏向有關。當市場中不存在綠色金融時，即ωH=ωG=0，那么新的市場均衡下污染企業的信貸配置為：

φ1=μ1α1μ2β1+μ1α1lt;φ

=μ1α1（1+ωH）μ2β1（1－ωG）+μ1α1（1+ωH）（17）

這意味著在綠色金融存在時，金融機構會對污染企業提供更多資金，使綠色金融的擴展存在非理性態勢。且在長期均衡下金融機構對減碳部門的資本支持比例為0。

3理論模型求解

基于以上模型設定，社會計劃者的最優化問題為：

max∫SymboleB@

0（C1－σ－11－σ－（－e）1+ε－11+ε）e－ρtdtst（18）

Y=Ayμ1Hyμ2GP－μ3E－μ4=W1K（α1μ1+β1μ2）（1－μ4）+μ4ψ"M（α2μ1+β2μ2）（1－μ4）－μ3（19）

P=MHh（20）

e·=－YPχ－λe（21）

K·=Y－C（22）

其中式（19）—式（22）為社會計劃者的最優化約束條件，W1=A1－μ4ACOμ4hμ3φ1α1μ1（1－μ4）φ2β1μ2（1－μ4）γ1α2μ1（1－μ4）－μ3γ2β2μ2（1－μ4）θμ4ψ，令W2=（α1μ1+β1μ2）（1－μ4）+μ4ψ，"W3=（α2μ1+β2μ2）（1－μ4）－μ3;因此，構建的現值漢密爾頓函數為：

H=C1－σ－11－σ－（－e）1+ε－11+ε+λ1（W1KW2MW3－C）+λ2（－W1KW2MW3Pχ－λe）（23）

式（23）中，C、M為控制變量，K、e為狀態變量，λ1、λ2為漢密爾頓乘子。根據漢密爾頓函數對控制變量求導使其為0，可得：

HC=0C－σ=λ1（24）

HM=0λ1W3=λ2Pχ（W3+χ）（25）

并得到歐拉方程為：

λ·1=ρλ1－HK=ρλ1－W2（λ1－λ2Pχ）YK（26）

λ·2=ρλ2－He=ρλ2－（－e）ε+λλ2（27）

其中，TVC：limt→SymboleB@

λ1Kexp（－ρt）=0；limt→SymboleB@

λ2eexp（－ρt）=0。

根據求解可得：

gCO=gY－gACO－ψgKCO（28）

ge=σ－11+εgC（29）

gP=gM=－σ－εχ（1+ε）gC（30）

gY=gC=gK=χ（1+ε）（1－W2）χ（1+ε）+W3（σ+ε）gA（31）

根據式（24）—式（27）可知：

gC=1σ（W2χW3+χYK－ρ）=1σ（W2χW3+χW1KW2－1MW3－ρ）（32）

其中，W1=A1－μ4ACOμ4hμ3φ1α1μ1（1－μ4）φ2β1μ2（1－μ4）γ1α2μ1（1－μ4）－μ3γ2β2μ2（1－μ4）θμ4ψ，φ1為污染企業的信貸比例。可知，當φ2=μ1α1μ2β1+μ1α1時，W1最大，此時污染企業和綠色企業的信貸投放比例為α1μ1：β1μ2。該信貸比例與式（17）中不存在綠色金融時的信貸比例相同，意味著在完全競爭均衡下，金融機構的信貸比例正是最優路徑中的信貸比例。但在現實情形下，金融機構對污染企業和綠色企業的信貸投放存在錯配現象。一方面，政府在綠色發展理念下，會引導金融機構對綠色企業提供信貸優惠。若政府不對金融機構提供綠色補償，出于利潤最大化原則，金融機構會降低對綠色企業的信貸配給；另一方面，由于對污染企業存在懲罰性利率，使金融機構在對其的信貸配給中更易獲得高額利潤，而后金融機構在利潤最大化的指引下，會提高對污染企業的信貸配給，使信貸比例會偏離最優信貸值。

（二）研究假設

根據式（28）可知，碳排放增長率隨著減排投入提升而降低，其中減排投入由金融機構的綠色程度決定。隨著綠色金融發展，金融機構會提高對減排的免息投入，從而降低碳排放增長率。根據式（31）可知，當［（1-W2）χ（1+ε）+"W3（σ+ε）］gt;0時，gy、gk、gc滿足平衡增長路徑，且經濟長期增長與外生技術進步有關。當σlt;1且環境規制強度χgt;－W3（σ+ε）（1－W2）（1+ε）時，使得平衡增長路徑上穩態消費的增長率為正。因此，式（30）中自然資源和環境污染的穩態增長率為負。這意味著當技術進步時，污染廠商的自然資源消耗率逐漸降低，減少因資源消耗而對環境產生的污染，進而起到環境治理的作用。其中，χ為環境規制強度，當滿足以上條件且隨著環境規制提升，自然資源消耗與環境污染會隨之動態下降。據此，本文提出以下假設：

H1：綠色金融能同時促進污染和碳排放減少。

綠色金融作為支持環境改善和資源節約型經濟活動的金融服務體系，通過完善綠色金融工具和制度建設，強化了對節能減排活動的引導和激勵機制，為減污降碳的協同推進提供了重要支撐。本文從微觀和宏觀兩個層面構建理論分析框架，探討綠色金融對減污降碳的作用機制。

在微觀層面，綠色金融通過差異化利率政策和綠色監管措施，形成了有效的融資約束機制，推動企業綠色轉型。具體而言，綠色金融對污染企業實施懲罰性利率政策，并嚴格限制其高耗能、高污染項目的融資渠道；而對綠色企業則提供優惠利率，降低其融資成本。這種差異化的融資約束機制不僅抑制了污染企業的粗放式擴張，同時也激勵了綠色企業的持續發展和污染企業的綠色轉型。當融資約束增強時，不作為企業的信貸可得性顯著下降，資金短缺將倒逼企業開展綠色技術創新和節能減排活動，從而促進企業層面的減污降碳。此外，融資成本和難度的顯著差異也會引導企業選擇綠色化發展路徑，推動減污降碳目標的實現。值得注意的是，綠色金融引致的金融約束實質上是一種政策信號，能夠引導地方政府強化環境監管機制，完善城市層面的節能減排政策，形成從企業到城市的多層次協同治理體系。

在宏觀層面，綠色金融通過引導社會資本流向和優化資源配置，推動經濟結構向綠色低碳方向轉型。根據波特假說，環境保護與經濟增長并非對立關系，適當的環境規制能夠通過“創新補償”效應促進技術創新，實現污染治理與經濟增長的雙贏。具體而言，綠色金融通過設立專項資金支持企業綠色創新項目，為企業提供長期穩定的資金保障，有效緩解了創新投入不足的問題。同時，較低的融資約束和融資成本降低了企業創新活動的不確定性，推動了綠色技術創新項目的實施。從產業結構調整的角度來看，綠色金融引導資金向高技術含量、高附加值的綠色產業流動，促進了傳統產業的綠色轉型。這種結構調整不僅推動了綠色產業的快速發展，也帶動了傳統產業整體技術水平的提升，實現了行業和區域層面的技術進步。

技術進步作為實現“雙碳”目標的核心驅動力，在減污降碳過程中發揮著關鍵作用。首先，技術進步推動了能源結構的低碳化轉型，提高了清潔能源比重，降低了單位生產總值的能源消耗強度，從而實現污染治理和碳排放控制的協同效應。其次，技術進步促進了生產過程的去碳化和減污化，通過技術創新構建低能耗、低污染的生產模式，為減污降碳的協同推進提供了重要的技術支撐。基于上述分析，本文提出以下研究假設：

H2：綠色金融通過融資約束效應和技術進步效應實現減污降碳，且對微觀企業具有差異化影響效果。

三、研究設計

（一）模型構建

由于我國采用逐步推進方式設立綠色金融改革創新試驗區，為準確評估試驗區政策的減污降碳效果，本文構建了漸進雙重差分模型，模型設定如下：

CPit=α0+α1Treati×Postt+α2Controlit+Cityi+Yeart+εit（33）

式（33）中，CP表示城市的減污降碳水平，Treat表示綠色金融改革創新試驗區城市的虛擬變量，Post表示政策時間虛擬變量；Control表示城市層面的一系列控制變量。City表示城市固定效應，Year表示時間固定效應，ε表示隨機誤差項。

（二）變量定義和測度

1.被解釋變量。減污降碳是指減少污染物和降低二氧化碳排放。在污染物的定義上，除直接采用SO2［26］等單項污染物指標外，也有研究采用污染物加總方法［5］、熵值評價法［3］構建綜合測度指標。在二氧化碳排放的定義上，部分研究直接采用二氧化碳進行定義［27］，還有一些則采用碳排放系數法［1，4］、連續性動態分布法［28］衡量。對減污降碳的定義，多數研究通過構建同時反映污染和碳排放的綜合指標，如污染物和碳排放的交乘項［27］、污染物和碳排放的年度環比變化率［5］、邊際減排成本變動法［2］等。因此，本文借鑒陸敏等［27］的研究，采用城市二氧化碳和污染物排放的交乘項作為衡量城市減污降碳水平的指標，具體二氧化碳和污染物構建方式如下：（1）由液化石油氣、煤氣和全社會用電量測算二氧化碳排放量：lnQ=ln［（k1E1+k2E2+k3E3）·C］，其中Q為二氧化碳排放量，E為各類能源排放量，K為各類能源的標準煤轉化系數，C為標準煤的碳排放系數。（2）基于城市SO2排放、煙（粉）塵排放和PM25年平均濃度指標，采用熵值法構建綜合評價指標，以衡量污染物排放。為更全面地評估綠色金融的減污降碳效應，本文在基準回歸中進一步將二氧化碳和污染物排放分別作為被解釋變量回歸，探究綠色金融對減污和降碳的具體影響。

2解釋變量。本文基于綠色金融改革創新試驗區政策，構建綠色金融衡量指標（TreatPost）。若城市屬于綠色金融改革創新試驗區城市，且觀測時間大于等于入選年份，TreatPost取1，否則取0。

3控制變量。本文借鑒張振華等［28］、張雪純等［3］的研究，選取如下控制變量：經濟發展水平（GDP）、外商直接投資（FDI）、工業化水平（IND）、城鎮化水平（URB）、人口密度（POPU）。

（三）數據來源與說明

綠色金融改革創新試驗區政策于2017年在浙江、江西、廣東、貴州和新疆等5省份的8個地區開展首批試驗區試點，并分別于2019年新增蘭州新區、2022年新增重慶為試點城市。為使差分后有足夠觀察期，本文將2022年被納入試驗區的重慶市剔除，并將其余試點城市作為政策效應的處理組，將全國其他地級及以上城市作為政策效應的對照組。同時，剔除相關指標存在嚴重缺失的城市樣本（如昌吉州、哈密市等），最終得到包含處理組和對照組的281個城市。鑒于試驗區政策首次確立試點城市時間為2017年，為保證政策前后樣本窗口期的一致性，本文選擇2011—2022年為樣本期。其中，綠色金融改革創新試驗區名單來源于中華人民共和國中央人民政府網，城市減污降碳數據及相關控制變量、中介變量等來源于《中國城市統計年鑒》、國泰安數據庫（CSMAR）和中國經濟社會大數據研究平臺；部分缺少數據使用線性插值法補全。各主要變量的描述性統計如表1所示，各城市的減污降碳水平存在較大差距和波動，結合污染物和碳排放指標特性可知，當前指標測度下的城市污染物排放處于較低水平，但碳排放問題仍顯著。

四、實證結果分析

（一）基準回歸

表2匯報了試驗區政策與減污降碳之間作用關系的基準回歸結果。表2列（1）只對解釋變量和被解釋變量回歸，并控制城市和時間固定效應；列（2）和列（3）逐步加入控制變量。回歸結果顯示，在列（1）中，試驗區政策對城市減污降碳的估計系數顯著為負。可能的原因是，一方面試驗區政策通過綠色金融工具為綠色部門拓展了融資渠道，提供低成本和便利的資金促進清潔技術創新，進而實現污染和溫室氣體減排；另一方面，政策會對污染部門施加信貸約束或排放約束，使其提高能源效率，減少污染和溫室氣體排放，進而實現減污降碳。在加入控制變量后，回歸系數仍顯著為負。從列（3）回歸結果的經濟意義來看，試驗區政策每增加1個標準差，城市的減污降碳水平將提升25%。這表明，試驗區政策顯著提升了城市減污降碳水平，綠色金融具有顯著的減污降碳效應，驗證了假設H1。列（4）和列（5）分別從二氧化碳和污染排放角度檢驗，可以發現，無論是對二氧化碳還是污染排放，試驗區政策的估計系數均顯著為負，這進一步驗證了試驗區政策具有的減污降碳效應。

（二）雙重差分模型有效性檢驗

1平行趨勢檢驗。為使雙重差分模型估計無偏，本文利用事件研究法對處理組和對照組在政策前后的政策效果進行分析，模型構建如下：

CPit=β0+∑5k－5β1Dkit+β2Controlit+Cityi+Yeart+εit（34）

其中，Ditk為試驗區政策沖擊的虛擬變量，系數β1代表政策實施前后處理組和對照組的減污降碳差異程度，并將k=-6作為基期。若試驗區政策實施前系數β1圍繞0值波動，且不顯著，則說明試驗區政策的處理組和對照組無明顯差異。由圖1平行趨勢檢驗結果可以看出，在試驗區政策實施前5期，系數β1圍繞0值波動且不顯著，表明在試驗區政策實施前，處理組和對照組無明顯差異，滿足平行趨勢假定。在試驗區政策實施后，系數β1顯著小于0，表明該政策顯著提升了城市減污降碳水平。

2平行趨勢敏感性檢驗。為提高模型有效性，本文借鑒Biasi和Sarsons［29］的研究，將試驗區政策實施后的第三期作為最大偏離時期，并構造對應估計量的置信區間。若該偏離度下點估計量的置信區間不包含0值，則說明相對偏離下的平行趨勢檢驗具有穩健性。檢驗結果如圖2所示，在政策處理后第三期，減污降碳效應的點估計置信區間未包含0值。這表明，即使平行趨勢存在一定偏離，試驗區政策仍對城市減污降碳具有顯著的推動作用。

3異質性處理效應檢驗。當處理效應存在組間和時間維度上的異質性時，即使雙重差分模型滿足平行趨勢假定，回歸估計仍可能產生偏誤。因此，本文從以下幾部分對這一問題進行檢驗：（1）將樣本城市中第二批綠色金融改革創新試驗城市（蘭州市）剔除，變更為傳統單期雙重差分模型進行檢驗。回歸結果顯示，在單期雙重差分模型下，試驗區政策仍對減污降碳具有顯著的提升效應。（2）借鑒Callaway等［30］的方法，計算組別-時期平均處理效應。回歸結果如表3列（2）所示，試驗區政策的減污降碳效應仍顯著。（3）借鑒Borusyak等［31］的方法，計算插補估計量。由表3列（3）可見，插補估計量的估計結果顯著為負。綜上表明，異質性處理效應對本文的回歸結論影響較小，研究結論較為可靠。

4合成雙重差分法。已有研究也表明，雙重差分模型中控制組的非客觀和隨意性選擇易導致政策評估產生偏誤［16］。因此，本文選擇將合成控制法與雙重差分法結合。回歸結果如表4所示，試驗區政策的估計系數顯著為負。這表明試驗區政策顯著促進了城市減污降碳，基準回歸結論是穩健的。

5安慰劑檢驗。借鑒許文立和孫磊［16］的研究，本文采用安慰劑檢驗緩解可能存在的不可觀測變量影響。具體而言，在樣本城市中隨機抽取9個城市作為虛假的試驗區政策試點城市，并將抽取城市和剩余城市作為新的處理組和對照組進行檢驗，重復上述操作500次。由圖3城市安慰劑檢驗結果可以看出，隨機抽樣的估計系數大多落在0值附近且不顯著，近似滿足正態分布。這表明不可觀測變量對本文的基準回歸結果影響較小，回歸結論具有穩健性。

（三）穩健性檢驗

1替換被解釋變量。為避免回歸結論誤差，一方面，本文借鑒李俊明等［5］和張海峰等［32］的研究，采用二氧化碳排放的年度環比變化率和PM25濃度替換二氧化碳和污染物排放指標，并構建交乘項進行回歸；另一方面，考慮到協同推進是兩個或兩個以上的子系統相互作用的現象，采用耦合協調度模型重新測算減污降碳的協同程度。回歸結果如表5列（1）—列（4）所示，在更換被解釋變量后，TreatPost的估計系數仍顯著為負，且對減污和降碳具有促進作用。

2替換解釋變量。本文從省份視角出發，將浙江、江西、廣東、貴州、新疆和甘肅等6省份作為試驗區政策處理組，其余省份作為控制組，并構建交乘項（TreatPost_Prov）進行檢驗。回歸結果如表5列（5）所示，在從省份視角更換解釋變量后，試驗區政策仍能顯著促進城市減污降碳。

3增添控制變量。為避免遺漏因素影響，本文在基準模型的基礎上，進一步加入影響減污降碳水平的城市金融集聚、科技創新和人力資本等控制變量。回歸結果如表5列（6）所示，在增添控制變量后，TreatPost的估計系數仍顯著為負，基準回歸結論依舊穩健。

4傾向匹配得分法。為緩解樣本選擇偏差和控制變量的遺漏和非線性影響，本文采用傾向匹配得分法配合雙重差分模型進行修正檢驗。考慮到本文為面板數據模型，而傾向匹配得分法通常應用于截面數據。因此，本文采用逐年匹配方式，將各年匹配結果合并后進行檢驗。回歸結果如表6列（1）所示，在緩解樣本選擇偏差和控制變量的影響后，試驗區政策對減污降碳的提升作用仍然顯著。

5排除其他政策干擾。除試驗區政策外，本文的回歸估計也可能受以下政策的影響：一是低碳城市試點政策，該政策于2010年、2012年和2017年分批次選取試點城市執行。低碳城市試點政策有助于推進低碳綠色發展方式，將低碳發展理念融入城鎮化建設和管理中，可能對樣本期內的城市減污降碳產生影響。二是大氣污染防治相關政策，該政策包含兩部分，分別為2013年印發的《大氣污染防治行動計劃》和2018年印發的《打贏藍天保衛戰三年行動計劃》。大氣污染防治相關政策以改善空氣質量為核心，協同推進產業、能源、交通綠色低碳轉型，進而可能影響城市減污降碳水平。三是無廢城市建設試點政策，該政策于2019年發布。該政策旨在協同推進水、氣、土污染治理，并以實現減污降碳協同增效為總抓手，進而可能對樣本期內的城市減污降碳產生影響。基于此，本文在基準模型中加入其他政策的虛擬變量。具體而言，如果城市當年及以后年份受到其他政策影響，則取值為1，反之為0。回歸結果如表6列（2）—列（4）所示，在排除其他政策干擾后，試驗區政策均對城市減污降碳具有顯著的提升作用，回歸結果保持穩健。

（四）異質性檢驗

1.城市資源特征異質性。資源型城市的經濟增長方式通常難以在短期內發生轉變，且這種經濟模式往往伴隨大量污染物和溫室氣體排放，因而可能影響試驗區政策對城市減污降碳的效果。本文根據《全國資源型城市名單》，將樣本城市劃分為資源型城市與非資源型城市，并分組估計。如表7列（1）和列（2）所示，試驗區政策更易提升資源型城市的減污降碳水平。相對于非資源型城市，試驗區政策的實施對資源型城市的激勵與約束作用更明顯，有助于實現城市層面的減污降碳。

2.城市人口空間特征異質性。由于綠色金融改革創新試驗區分布較廣，不同區域的空間布局、自然和人口等資源落差可能使試驗區政策效果產生差異。因此，本文采用中國人口地理分界線——“胡煥庸線”區分城市人口空間分布特征。由于從省份層面劃分城市分布的東南和西北半壁可能存在較大差異，例如四川省中的東部和西部分別隸屬東南和西北半壁。因而，本文借鑒戚偉等［33］的研究，從城市層面進行劃分，并分組估計。回歸結果如表7列（3）和列（4）所示，試驗區政策在東南和西北部均能顯著推動城市減污降碳。相對于東南部，試驗區政策更能推動西北部城市的減污降碳水平提升，且回歸系數通過了組間差異系數檢驗。這表明，試驗區政策更能有效幫助西北部城市提高金融可得性，增強其減污降碳能力。

3.城市經濟地理特征異質性。由于浙江湖州和廣東廣州分別被歸于長三角和珠三角城市群，而江西南昌和九江毗鄰長江中游城市群，城市群的經濟增長效應可能會影響試驗區政策對城市減污降碳的影響。中國目前共布局19個國家級城市群，并分為優化提升、發展壯大和培育發展三個層次，其中發展壯大和培養發展層次尚未形成明顯的規模效應。因此，本文以優化提升層次的五大城市群（京津冀、長三角、珠三角、成渝、長江中游）作為樣本區分依據，并通過國務院相關城市群發展規劃文件整理對應城市，進行分組估計。回歸結果如表7列（5）和列（6）所示，TreatPost的估計系數在非城市群的組別中顯著為負。這表明試驗區政策拓寬了非城市群城市獲取綠色金融資源的渠道，通過提升資源可得性實現城市減污降碳。

五、作用機制與溢出效應分析

（一）作用機制分析

根據理論分析，綠色金融可能通過融資約束和技術進步效應促進城市減污降碳。因此，本文借助試驗區政策，分別從宏觀與微觀層面檢驗這一作用機制，并探究了微觀層面的異質性行業差異。借鑒江艇［34］對因果關系的論證，構建如下回歸模型，其中，Med為中介變量，其余變量與基準模型保持一致。

Medit=α0+α1Treati×Postt+α2Controlit+Cityi+Yeart+εit（35）

1.融資約束效應。在宏觀層面，采用各城市金融機構存貸款余額占"GDP"的比重來衡量。在微觀層面，采用不受主觀評估干擾的FC指數衡量，該值越大，說明企業面臨的融資約束越嚴重。為使微觀機制檢驗更具有穩健性，本文將基準模型中的城市固定效應替換為企業固定效應。回歸結果如表8列（1）、列（3）和列（6）所示，試驗區政策顯著提高了城市金融存貸款比例，提升了污染行業所面臨的融資約束，但對非污染行業的約束緩解效應不顯著。這表明，一方面，試驗區政策通過綠色金融工具引導資金投入節能產業或環保項目，改善了綠色發展中的金融資源錯配現象，進而促進城市低碳化、綠色化。另一方面，試驗區政策通過在綠色金融領域對污染行業施加融資約束，促使企業選擇更為綠色的生產模式，減少污染和碳排放；在非污染行業中，綠色金融雖會對具有綠色傾向的企業提供融資便利，但由于市場自主驅動力不足，定價機制尚不完善，導致對非污染行業綠色轉型的資源配置功能未能完全發揮。

2.技術進步效應。在宏觀層面，借鑒李衛兵和涂蕾［35］的研究，在全要素生產率的基礎上加上能源投入和污染排放的非期望產出指標，計算城市綠色全要素生產率。如表8列（2）所示，TreatPost的回歸系數顯著為正，即相比控制組城市，試驗區政策有效提升了處理組城市的綠色全要素生產率，存在技術進步效應。在微觀層面，借鑒王馨和王營［36］的研究，將綠色發明專利和綠色實用專利的對數分別作為綠色技術進步的替代指標，并采用企業固定效應進行檢驗。回歸結果如表8列（4）和列（5）、列（7）和列（8）所示，試驗區政策僅能支持污染行業綠色創新的技術進步，對非污染行業的支持作用不顯著。這表明，綠色金融存在技術進步效應，但僅推動污染行業技術進步。試驗區政策對污染行業施加的融資約束及相關限制，激發了企業創新動力，提高綠色創新水平，且對污染行業的倒逼效應明顯大于對非污染行業的激勵效應。綜上分析，在宏觀層面，試驗區政策的實施有效緩解了城市的融資約束，促進了城市技術進步；在微觀層面，試驗區政策對微觀企業存在差異性，僅對污染行業有效，緩解了污染行業的融資約束，并推動了該行業的技術進步。進而從宏觀和微觀兩個層面共同促進了城市減污降碳，從而驗證了假設H2。

（二）溢出效應分析

考慮到金融發展在一定程度上可以擺脫地理距離的束縛，區域要素流動和經濟聯系也促進了地區間的協同聯動，因而綠色金融對減污降碳的影響也可能受空間因素影響，或具有空間溢出效果。因此，本文從空間溢出視角進一步檢驗綠色金融對城市減污降碳的影響。

借鑒林木西和肖宇博［7］的研究，在經過LM和Wald檢驗后，采用雙重差分空間杜賓模型檢驗綠色金融對減污降碳的空間溢出效應。空間杜賓模型設定如下：

CPit=α0+ρWCPit+α1Treati×Postt+α2WTreati×Postt+α3Controlit+α4WControlit+Cityi+Yeart+εit（36）

其中，ρ為空間自回歸系數，W為空間權重矩陣，分別采用地理距離和經濟距離矩陣進行檢驗。α1和α3與α2和α4分別表示政策變量和控制變量對城市減污降碳的直接效應與空間溢出效應。其余變量與基準模型保持一致。

為選擇合適的空間計量模型，首先，本文利用LM和Wald檢驗考察在兩種空間權重矩陣下模型的最優形式。檢驗結果如表9所示，LM和Wald檢驗均拒絕原假設，表明在地理距離和經濟距離矩陣下，應拒絕空間自相關和空間誤差模型，選擇空間杜賓模型更為合適。其次，"Hausman檢驗結果顯示在1%水平上顯著，表明應拒絕模型的隨機效應假定。最后，LR檢驗結果均在1%水平上顯著，表明應使用雙固定效應模型。因此，本文的空間計量模型應為雙向固定效應的空間杜賓模型。

表10展示了空間杜賓模型的回歸結果。可以看出，在地理距離和經濟距離矩陣下，試驗區政策均對城市減污降碳具有顯著的提升作用。與基準回歸模型相比，空間杜賓模型下試驗區政策對城市減污降碳的政策效應更明顯。這表明在考慮個體受到的空間影響后，試驗區政策促進減污降碳的解釋能力有所提升。此外，空間相關性系數ρ通過顯著性檢驗，但兩類距離矩陣的W×TreatPost的估計系數均未通過顯著性檢驗，表明試驗區政策的減污降碳效應存在空間溢出效應，但對其他城市未產生明顯溢出影響。從理論層面來看，試驗區政策以綠色金融工具和金融服務提升試驗區的綠色發展水平，且金融發展的擴散與提升影響有助于帶動周邊城市綠色轉型。但從現實層面來看，一方面，試驗區的綠色金融政策多根據地方特色進行制定，例如廣東側重發展綠色金融市場；新疆側重提升綠色金融支持現代農業和清潔能源資源等，因而導致試點城市與周邊城市的協同作用有限。另一方面，試驗區的綠色金融工具在市場中存在區域壁壘，抑制了綠色金融對周邊城市的輻射效應，因而使試驗區政策未能對周邊城市的減污降碳產生溢出影響。

六、結論與政策建議

本文以綠色金融改革創新試驗區政策作為準自然實驗，運用漸進雙重差分模型，系統評估了該政策對城市減污降碳的經濟效應。主要結論如下：（1）試驗區政策顯著促進了城市減污降碳的協同推進。與非試點城市相比，試驗區政策有效提升了試點城市的減污降碳水平，對溫室氣體和污染物排放均產生了顯著的抑制作用。這一結論在經過多種模型有效性檢驗和穩健性檢驗后依然成立，確保了研究結果的可靠性。（2）試驗區政策的減污降碳效應呈現明顯的異質性特征。從城市資源稟賦、人口空間分布和經濟地理特征來看，該政策對資源型城市、“胡煥庸線”西北側城市以及非城市群城市的減污降碳效果更為顯著。（3）試驗區政策通過融資約束和技術進步雙重機制促進減污降碳。在宏觀層面，政策有效緩解了城市金融約束，提升了綠色全要素生產率；在微觀層面，政策對污染行業和非污染行業產生了差異化影響，顯著提升了污染行業企業的融資約束和綠色創新水平，但對非污染行業的影響不顯著。（4）空間因素強化了試驗區政策的減污降碳效應。在考慮地理距離和經濟距離矩陣后，政策效果較未考慮空間因素時明顯增強，但尚未形成對周邊城市的空間溢出效應。

基于上述研究結論，本文提出以下政策建議：

第一，深化金融支持，推動協同治理。鑒于試驗區政策的顯著成效，政府應持續推進綠色金融改革區域試點工作，鼓勵符合條件的城市積極申報，并探索省級或縣級層面的試點創新。同時，應結合試點城市的發展特征，加大政策支持力度，促進城市綠色轉型。在空間協調方面，提升綠色金融工具的覆蓋范圍和可得性，加強城市間的政策協同與合作，著力解決因地理距離和市場壁壘導致的聯動不足問題。

第二，強化源頭治理，優化技術路徑。政府應重點支持污染行業企業加強綠色技術創新，特別是在清潔低碳能源使用、生產效率提升和能源結構優化等方面。對于非污染行業，可通過稅收優惠、財政補貼等政策工具，激勵其加快綠色低碳轉型步伐。同時，應持續推進綠色金融工具創新和市場化改革，完善綠色金融定價機制，充分發揮市場在資源配置中的決定性作用。

第三，創新體制機制，完善政策保障。首先，應幫助非污染行業拓展融資渠道，提升綠色金融的激勵效果；同時，針對污染行業建立激勵與約束并重的機制，在強化融資約束的同時提供適當的轉型補貼。其次，政府和企業應根據城市特征制定差異化措施：對資源型城市，應加大綠色金融支持力度，加快推進落后產能退出；對具有人口、經濟和地理優勢的城市，應注重環境保護與經濟增長的協同推進，努力實現環境效益、氣候效益和經濟效益的多重目標。

參考文獻：

［1］"宋德勇，陳梁，王班班.環境權益交易如何實現減污降碳協同增效：理論與經驗證據［J］.數量經濟技術經濟研究，2024（2）：171-192.

［2］"劉華軍，郭立祥，喬列成.減污降碳協同效應的量化評估研究——基于邊際減排成本視角［J］.統計研究，2023（4）：19-33.

［3］"張雪純，曹霞，宋林壕.碳排放交易制度的減污降碳效應研究——基于合成控制法的實證分析［J］.自然資源學報，2024（3）：712-730.

［4］"孫博文，鄭世林.環境規制的減污降碳協同效應——來自清潔生產標準實施的準自然實驗［J］.經濟學（季刊），2024（2）：624-642.

［5］"李俊明，魏雯琪，張鵬，等.中國市域數字經濟發展對減污降碳協同的促進效應及其空間分異［J］.經濟地理，2023（12）：169-180.

［6］"文書洋，張琳，劉錫良.我們為什么需要綠色金融？——從全球經驗事實到基于經濟增長框架的理論解釋［J］.金融研究，2021（12）：20-37.

［7］"于璐瑤，梁澤，高洋.綠色金融與數字經濟協同賦能地區綠色發展的機制研究［J］.統計與信息論壇，2024，39（10）：56-71.

［8］"文書洋，林則夫，劉錫良.綠色金融與經濟增長質量：帶有資源環境約束的一般均衡模型構建與實證檢驗［J］.中國管理科學，2022（3）：55-65.

［9］"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.

［10］王遙.綠色金融體系如何推動經濟綠色轉型［J］.人民論壇·學術前沿，2024（1）：59-67.

［11］孫少巖，王笑音，高翠云.綠色信貸能發揮碳減排效應嗎？［J］.中國人口·資源與環境，2023（8）：37-47.

［12］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（6）：64-78.

［13］郭俊杰，方穎.綠色信貸、融資結構與企業環境投資［J］.世界經濟，2022（8）：57-80.

［14］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（12）：75-95.

［15］胡珺，方祺，龍文濱.碳排放規制、企業減排激勵與全要素生產率——基于中國碳排放權交易機制的自然實驗［J］.經濟研究，2023（4）：77-94.

［16］許文立，孫磊.市場激勵型環境規制與能源消費結構轉型——來自中國碳排放權交易試點的經驗證據［J］.數量經濟技術經濟研究，2023（7）：133-155.

［17］陳奉功，張誼浩.綠色債券發行、企業綠色轉型與市場激勵效應［J］.金融研究，2023（3）：131-149.

［18］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（10）：118-136.

［19］張振華，汪京，馮嚴超，等.綠色金融改革創新試驗區對臭氧污染的影響效應［J］.中國人口·資源與環境，2022（12）：52-65.

［20］趙亞雄，王修華，劉錦華.綠色金融改革創新試驗區效果評估——基于綠色經濟效率視角［J］.經濟評論，2023（2）：122-138.

［21］王修華，劉錦華，趙亞雄.綠色金融改革創新試驗區的成效測度［J］.數量經濟技術經濟研究，2021（10）：107-127.

［22］Acemoglu，D.，Aghion，P.，Bursztyn，L.，et"al."The"Environment"and"Directed"Technical"Change［J］.American"Economic"Review，2012（1）：131-66.

［23］文書洋，劉錫良.金融錯配、環境污染與可持續增長［J］.經濟與管理研究，2019（3）：3-20.

［24］潘冬陽，陳川祺，Michael"G.金融政策與經濟低碳轉型——基于增長視角的研究［J］.金融研究，2021（12）：1-19.

［25］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.

［26］何凡，張靜堃，范子英.公眾參與的減排效應——來自環保熱線開通的證據［J］.經濟學（季刊），2024（3）：897-913.

［27］陸敏，徐好，陳福興.“雙碳”背景下碳排放交易機制的減污降碳效應［J］.中國人口·資源與環境，2022（11）：121-133.

［28］張振華，陳曦，汪京，等.綠色金融改革創新試驗區政策對碳排放的影響效應——基于282個城市面板數據的準實驗研究［J］.中國人口·資源與環境，2024（2）：32-45.

［29］Biasi，"B.，"Sarsons，"H."Flexible"Wages，"Bargaining，"and"the"Gender"Gap［J］.Quarterly"Journal"of"Economics，2022（1）：215-266.

［30］Callaway，"B.，"Sant’Anna，"P.H.C.Difference-in-Differences"with"Multiple"Time"Periods［J］.Journal"of"Econometrics，2021（2）：200-230.

［31］Borusyak，"K.，"Jaravel，"X.，"Spiess，"J."Revisiting"Event"Study"Designs："Robust"and"Efficient"Estimation［J］.Review"of"Economic"Studies，2024（6）：1-33.

［32］張海峰，沈坤榮，梁若冰，等.生態補償獎懲機制改革對大氣污染治理的優勢效應研究［J］.管理世界，2024（6）：114-133.

［33］戚偉，劉盛和，劉振.基于“七普”的“胡煥庸線”兩側人口集疏新態勢及影響因素［J］.地理學報，2022（12）：3023-3040.

［34］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.

［35］李衛兵，涂蕾.中國城市綠色全要素生產率的空間差異與收斂性分析［J］.城市問題，2017（9）：55-63.

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

How"Green"Finance"Achieve"the"Coordinated"Promotion"on"Urban"Pollution"Reduction"

and"Carbon"Emission"Reduction："Empirical"Evidence"Based"on"Green"Finance"

Reform"andInnovation"Pilot"Zones

ZHANG"Chao，"HU"Zongguang

（Anhui"University"of"Finance"amp;"Economic，"School"of"Finance，Bengbu"233030，China）

Abstract：Coordinated"promotion"of"pollution"reduction"and"carbon"emission"reduction"is"a"key"initiative"for"achieving"green"development，"with"strengthened"financial"support"serving"as"a"crucial"guarantee."This"paper"constructs"a"general"equilibrium"model"to"systematically"elaborate"on"the"theoretical"relationship"between"green"finance"and"pollution"reduction"and"carbon"emission"reduction."Based"on"the"panel"data"from"281"cities"in"China"from"2011"to"2022，"it"employs"a"progressive"difference-in-differences"（DID）"model"to"empirically"examine"the"impact"of"the"Green"Finance"Reform"and"Innovation"Pilot"Zone"policy"on"the"urban"pollution"reduction"and"carbon"emission"reduction"and"its"underlying"mechanisms."The"findings"indicate"that"the"pilot"zone"policy"has"significantly"advanced"the"reduction"efforts"of"urban"pollution"and"carbon"emission，"with"the"effect"being"more"pronounced"in"resource"cities，"cities"in"the"northwestern"part"of"the"“Hu"Huanyong"Line"”，"and"non-urban"agglomeration"cities."Mechanism"analysis"reveals"that"the"pilot"zone"policy"facilitates"the"urban"pollution"reduction"and"carbon"emission"reduction"through"two"primary"channels："alleviating"financing"constraints"and"promoting"technological"progress."However，"the"micro-level"effect"is"only"significant"for"polluting"industries."Spatial"econometric"analysis"further"demonstrates"that"the"pollution"and"carbon"emission"reduction"effect"of"the"pilot"zone"policy"is"significantly"enhanced"when"spatial"factors"are"considered，"but"the"spatial"spillover"effects"on"neighboring"cities"have"not"yet"been"observed.

Key"words：green"finance"reform"and"innovation"pilot"zone;"pollution"reduction"and"carbon"emission"reduction;"general"equilibrium"model;"did"method;"spillover"effect"

（責任編輯：趙春江）