| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 金融/投资 |
| 绿色金融支持“双碳”目标机制与路径研究 |
| 第735期 作者：□文/张 晖 吴 瑞 时间：2024/8/16 16:54:38 浏览：1461次 |
［提要］ 本文以绿色金融助力“双碳”目标为出发点，以长三角27个核心城市面板数据为研究样本，通过构建固定效应模型、中介效应模型以及调节效应模型，探究绿色金融支持“双碳”目标的机制与路径。实证研究表明：绿色金融对区域内碳减排产生积极的影响，运用中介效应模型对其进行回归分析，发现绿色金融能够通过促进绿色技术创新降低碳排放强度，提高能源使用效率，持续发展清洁能源，改善能源消费结构，进而降低单位GDP碳排放量；通过调节效应研究发现，贸易开放程度对绿色金融促进减少碳排放强度有着调节作用，绿色金融发展水平对碳排放强度抑制作用会随着贸易开放程度的提高而减小。
关键词：绿色金融；“双碳”目标；机制；路径
基金项目：2022年度安徽省社会科学创新发展研究课题：“财政支持碳达峰碳中和研究”（编号：2022CX195）；2021年安徽省高校优秀青年骨干人才国内访学研修项目（编号：gxgnfx2021019）
中图分类号：F83 文献标识码：A
收录日期：2023年11月30日
党的二十大报告提出，“要加快发展方式绿色转型，实施全面节约战略，发展绿色低碳产业，倡导绿色消费，推动形成绿色低碳的生产方式和生活方式。”习近平多次强调，长三角一体化发展必须牢牢把握“一体化”与“高质量”这两个关键词。长三角地区作为我国经济社会发展的先行区和实现“双碳”目标的重点地区，在探讨区域新发展格局、促进经济社会发展方面肩负着重大的使命。作为全球第六大城市群和中国一体化的示范区，长三角具有强大的经济活力、高度的开放性和较强的创新能力，对实现 “双碳”目标具有良好的引领作用。本文以长三角27个核心城市作为研究对象，探讨绿色金融和碳排放强度的内在联系，以期进一步巩固长三角的绿色发展基础，提升长三角的综合竞争力，为推动长三角经济社会的高质量发展提供一定的理论依据与政策建议。同时，长三角作为长江经济带的领头羊，其发展模式与成就也将对其他地区具有一定的参考价值，对推动我国区域平衡发展具有重要的现实意义。
一、理论分析与研究假设
（一）绿色金融与碳排放。绿色金融是一种以促进环境、资源、经济社会和谐发展为目标，在节能环保方面引入社会金融服务资源的活动，包括绿色信贷、绿色投资、绿色保险、绿色债券等多种形式。长三角地区作为我国绿色债券发行的主战场，其企业绿色债券发行量始终保持着很高的水平，2021年该地区的发行数量、发行规模均排在全国前列。截至2021年9月份，长三角区域的绿色贷款总额已达3.85万亿元，较上年同期增加32.44%，占全国绿色信贷规模的26.06%。绿色金融在大幅减少高污染产业的信贷额度的同时，将更多的资金引导到绿色产业上，实现资源的优化配置，推动金融体系的提质升级，从而有效地减少碳排放。与此同时，随着金融发展水平不断提高，金融发展将会推动人均收入的增加，从而改善人们的生活水平，同时也会加强其环保意识，使其消费偏好倾向于低碳型商品，进而减少单位GDP的二氧化碳排放量。基于此，本文提出假设1：
假设1：绿色金融的发展有助于削弱碳排放强度
（二）绿色技术创新的中介效应。绿色技术创新则是推动“绿色革命”持续深入的动力。绿色技术创新通过对已有能源进行循环利用，提升了能源的使用效率，显著降低了单位 GDP生产消耗的化石能源，从而实现碳减排目标。绿色金融政策倒逼高污染行业进行技术改造、产品升级，同时更偏向清洁高企，把更多的资金转移到绿色行业，增加对绿色产业的研发投入，鼓励技术创新，加快技术进步，加速淘汰高污染、高能耗的生产线，并开发出更多的清洁能源、低碳产品，以降低碳排放强度。基于此，本文提出假设2：
假设2：绿色金融通过促进绿色技术创新来抑制碳排放强度
（三）贸易开放程度的调节作用。改革开放以来，随着对外贸易开放程度的逐步扩大，我国经济总体得到了较快的发展，但随着对外贸易水平的不断攀升，二氧化碳排放量也急剧上升。长三角地区拥有历史遗留下的工业基础，随着浦东新区的开发以及南京等6个沿江港口城市的进一步开放，长三角地区对外贸易开放程度总体上保持着逐年上升的趋势。在经济全球化、一体化的大背景下，对外贸易作为经济增长的重要引擎，在为不同国家带来经济增长的同时，随之而来的是自然资源的大幅消耗，贸易通过不同渠道对环境污染产生了直接或间接的影响，其所带来的环境问题也日益凸显。基于此，本文提出假设3：
假设3：贸易开放程度对绿色金融促进减少碳排放具有调节作用
二、变量选取与数据来源
（一）变量选取
1、被解释变量。碳排放强度（CO2）：碳排放强度是指该地区碳排放总量与GDP总量的比例，它反映了每一单位GDP中的经济产量所对应的碳排放量。目前我国还没有直接监测二氧化碳排放的数据，只能通过间接计算我国主要的化石燃料消耗所产生的二氧化碳作为二氧化碳排放量，依据联合国政府间气候变化专门委员会（IPCC）基于能源消耗数据及排放因子的计算方法，计算出长三角地区地市级碳排放量。相比较碳排放总量或者平均碳排放指标而言，本文所选取的碳排放强度指标在不同经济规模样本下具有较好的可比性。基于此，本文将碳排放强度对数化处理后作为被解释变量。
2、核心解释变量。绿色金融：借鉴刘华珂（2021）研究中提出的绿色金融发展水平评估方法，以绿色信贷、绿色投资、绿色保险、绿色债券、绿色支持、绿色基金、绿色权益等七个维度为基础，对各项指标进行标准化处理，并采用熵值法进行测算，建立绿色金融的指标体系，将绿色金融指标作为核心解释变量。
3、控制变量。考虑到我国各地区之间的发展差异，二氧化碳的排放受到诸多因素的影响，在借鉴已有文献成果的基础上，本文选取的控制变量包括：常住人口（People），用经常居住在该地区的人口数的对数表示；城镇化率（Urban），用各地区城镇人口数量占地区人口总量的比重表示；经济发展水平（Economic），用人均地区生产总值表示；产业结构化（Structure），用各地区第二产业的增加值在该地区GDP中所占的比例来表示。
4、中介变量。绿色技术创新（GT，Green Technology）：绿色技术专利作为绿色技术创新的重要表现形式，是一种能够很好地衡量技术创新的指标。一个地区的绿色发明专利可以直接反映出技术进步的产出结果，绿色发明专利越多代表着更多的绿色技术创新结果，也意味着更多的企业可以采取更有效的生产模式，从而减少能源消耗和污染排放。因此，在本文中用该地区当年绿色发明授予专利数量的对数来表示当年该地区的绿色技术创新水平。
5、调节变量。贸易开放程度（Open）：贸易开放程度是促进国家福利、提升经济增长的重要因素，然而贸易的发展也会造成污染转移，其对环境的冲击也引起了学者们的关注。本文以各个地区在该年度的进出口总值与该地区GDP的比例来度量其贸易开放程度。
（二）数据来源与数据处理。本文根据中共中央、国务院印发的《长江三角洲区域一体化发展规划纲要》，将长三角城市群中27个核心城市碳排放作为研究对象。二氧化碳排放量数据来源于中国碳核算数据库（CEADs）；绿色金融发展指数数据来源于统计局、中国人民银行等权威机构网站；中介变量、调节变量和控制变量部分数据来源于各省市2008～2019年统计年鉴、环境状况公报及一些专业统计年鉴，如《中国科技统计年鉴》《中国能源统计年鉴》 《中国金融年鉴》 《中国第三产业统计年鉴》等各种权威统计年鉴，个别缺失数据采用移动平均法进行补充。为了避免极端值对实验结果的影响，已对实验中所有数据进行1%分位的缩尾处理。
三、实证分析
（一）模型设定。基于上述理论分析及假设，为研究绿色金融发展与碳排放强度之间的相关关系，构建如下计量模型：
ln■＝β0+β1GFit+Consit+εit （1）
本文借鉴温忠麟（2005）提出的方法，根据前面论述的传导机制假设2的理论分析，建立中介效应的模型如下：
GTit＝β0+β2GFit+Consit+εit （2）
ln■＝β0+β3GFit+β4GTit+Consit+εit （3）
根据假设3理论分析构建调节效应模型，如下：
ln■＝β0+β5GFit+β6Openit+Consit+εit （4）
ln■＝β0+β7GFit+β8GFit×Openit+β9Openit+Consit+εit （5）
其中，i表示地区，t表示年份；■表示地区i在t年的二氧化碳排放强度；GFit为本文的核心解释变量绿色金融；GTit为实验的中介变量绿色技术创新；Openit代表贸易开放程度；GFit×Openit为调节变量与自变量的交互项；Consit是控制变量；εit为随机扰动项。
（二）描述性统计。对上述各变量进行描述性统计，其结果如表1所示。其中，碳排放强度均值为160.5，最大值为754.1，最小值为30.81，说明2008～2019年间长三角各地区碳排放强度总体偏高，且在各地区之间存在较大差异；绿色金融指数均值为0.329，标准差较小为0.080，最大值为0.545，最小值为0.172，说明长三角地区绿色金融正在稳步发展；控制变量方面，常住人口均值为589.8，极差较大，说明这27个城市之间人口差额较大；当前我国城镇化进程正在稳步推进，长三角地区各城市之间的城镇化率的标准差较小，波动幅度较小；以人均GDP为代表的经济发展水平在样本期间内标准差达到37115，表明长三角地区27个城市间经济发展水平存在明显差异，各地区之间经济发展不均衡；产业结构化的均值为0.505，第二产业仍然是我国国民经济的主体；绿色创新技术的标准差较大为1542，同时最大值和最小值之间的差额达到了8142，反映出长三角各地区绿色技术创新水平的不均衡；样本中，各地区贸易开放程度两个极值之间差距明显，最大值为2.368，最小值为0.045，说明地区间进出口贸易发展也存在显著差距。（表1）
（三）基准模型回归结果。本文选择个体时点固定效应模型，以长三角城市绿色金融指数为解释变量，碳排放强度为被解释变量，在控制常住人口（People）、城镇化率（Urban）、经济发展水平（Economic）、产业结构化（Structure）的基础上分析二者之间关系。从表2可以看出，核心解释变量系数为-1.513481，P值为0.002，在1%显著性水平下，绿色金融发展对二氧化碳排放强度影响效果显著。从β系数的正负性可以看出，绿色金融对于二氧化碳排放强度具有显著的反向影响作用，即随着绿色金融程度的提高，碳排放强度会降低。长三角地区城市绿色金融发展水平的提高会抑制当地碳排放强度，与假设1相符。（表2）
从控制变量来看，在95%的置信度区间内，经济发展水平和产业结构化对碳排放强度产生了显著效应。其中，经济发展水平的β系数为-0.382594，可见，经济发展水平对会削弱碳排放强度，当经济发展水平提高1%时，碳排放强度会相应削弱约-0.38%；产业结构化对碳排放强度产生正向影响，其β系数为1.510525，表明由于第二产业增加值占GDP的比例提高，导致二氧化碳排放量增加，表明第二产业生产需要消耗更多的能源，增加了二氧化碳的排放强度。
四、机制与路径分析
（一）中介效应。本文运用Stata逐步检验回归系数的方法来分析检验绿色技术创新在绿色金融发展与碳排放过程中的中介效应，结果如表3所示。从模型（1）结果可知，回归系数β1=-1.513，即绿色金融对碳排放强度的总效应为-1.513，说明在1%的显著性水平下，绿色金融和碳排放强度之间显著负相关。模型（2）的回归结果显示，在5%的显著性水平下，绿色金融和绿色技术创新之间呈现显著正相关，作用系数为β2=3.476。模型（3）回归结果显示，绿色技术创新这一中介变量加入后，绿色金融和碳排放强度的显著关系并未发生变化，但是系数却由模型（1）中的β1=-1.513减少到β3＝-1.686，可见，在1%的显著性水平下，碳排放强度和绿色技术创新也具有相关性，系数β4=0.050，这表明绿色技术创新在绿色金融和碳排放强度之间起到了部分中介的作用。由表中结果可以得出，总效应为-1.513，直接效应为-1.686，中介效应为0.1738（3.476×0.050），其在总效应中的占比为11.49%。（表3）
在绿色技术创新中，金融机构发挥了主要的资金供给作用。但因绿色技术的高投入、慢见效和不确定性等特点，导致了企业的绿色技术创新投资意愿偏弱，只有借助外在的激励才能有效地促进其内部的绿色技术创新。因此，长三角地区出台了一系列的补偿和奖励政策，以促进绿色技术创新。这些政策提高了企业参与绿色技术创新的积极性，也使得金融机构能够开发更多的绿色金融产品，例如绿色信贷、绿色债券、绿色保险等。通过资金传导，能够将社会资本对绿色产业的投资进行杠杆化，从而激发出企业的活力，提高其研发投入，促进了绿色技术创新的力度和效率的提升。
（二）调节效应。绿色金融能够通过影响碳排放强度，加强节能减排约束力，从而促进绿色低碳经济的可持续发展，那么绿色金融的减排效果是否会受到贸易开放程度的影响，是否会因为贸易开放程度的高低表现出区域差异呢？基于此，本文引入贸易开放程度作为调节变量，以检验不同的贸易开放程度下，绿色金融对减少碳排放强度效果的差异。
为了缓解交互项与自变量、调节变量之间的高度共线性，将模型（4）中的自变量和调节变量进行中心化处理，以便更准确地把握自变量和调节变量的系数含义。处理后的系数含义为调节变量取均值时的影响程度，其中交互项的值为中心化处理后的自变量绿色金融与调节变量贸易开放程度的乘积。将处理后的数据代入模型（4）和模型（5）中，利用分层回归法检验贸易开放程度变量是否存在调节作用，结果见表4。从调节效应实验结果来看，模型（5）在模型（4）的基础上加入绿色金融和贸易开放程度的交互项后，在99%的置信度区间内，交互项系数β8=2.745，原模型（4）中的绿色金融系数β5=-1.509，而模型（5）中绿色金融系数β7=-0.997，由此可见，贸易开放程度削弱了绿色金融发展对碳排放强度的影响，即贸易开放程度对绿色金融与碳排放强度的影响关系具有显著的削弱作用，并且绿色金融发展水平对碳排放的抑制作用会随着贸易开放程度的提高而减小，与本文中的理论假设3一致。（表4）
（三）稳健性检验。为防止内生性问题影响结论的可信度，本文进一步采用常见的工具变量法和改变样本时期法，来验证基准回归模型的稳定性。
1、工具变量法。本文借鉴占华、周杰琦、汪同三的做法，将滞后一期的绿色金融和滞后二期的绿色金融作为工具变量。一方面滞后期和当期的绿色金融之间存在高度的相关性，并且独立于误差项，这就符合了与内生变量相关的前提条件；另一方面绿色金融的滞后期不会对被解释变量产生直接的影响作用，这也满足了工具变量外生性的要求。因此，本文分别将滞后一期和滞后二期的绿色金融作为工具变量加入分析当中，采用固定效应模型对其进行回归分析，结果见表5。实验结果表明，绿色金融对二氧化碳排放强度仍有明显的负效应，表明绿色金融可以削弱碳排放的强度，这与原模型实验结果分析相吻合。（表5）
2、改变样本时期法。由于2008年受到金融危机因素的影响，改变样本期为2009～2019年来进行回归检验，结果如表6所示。从表6中可以看出，在2009～2019年期间，绿色金融发展在1%显著性水平上对碳排放强度显著为负，与2008～2019年期间的回归结果分析一致，可见绿色金融发展对二氧化碳排放强度的影响比较明确，该模型也具有一定的稳健性。（表6）
五、结论及建议
本文以长三角城市群中27个中心城市为研究对象，运用2008～2019年间的面板数据，对绿色金融支持“双碳”目标的支撑机理和路径展开实证研究，并通过稳健性检验。中介效应模型表明绿色金融通过促进绿色技术创新来实现碳减排；调节效应检验结果显示，在贸易开放程度不同的地区，绿色金融对碳排放强度的影响会呈现出区域差异，绿色金融发展水平对碳排放的抑制作用会随着贸易开放程度的提高而减小。结合以上分析，本文提出如下建议：
（一）积极推动绿色金融发展。绿色金融能够削弱二氧化碳的排放强度，在长三角区域经济发展进程中，应当对绿色金融的发展给予高度的重视。当地政府要充分利用好该地区金融实力雄厚、绿色金融资源丰富等优势，加强金融生态建设，控制金融风险，为区域内的金融聚集创造一个良好的、稳定的金融集聚环境，让绿色金融体系更好地服务于长三角经济带的高质量发展。此外，要积极构建绿色消费制度，树立绿色消费观念，搭建绿色消费平台，积极引导居民转变消费行为，培养长期的绿色消费习惯，在整个社会中形成一个绿色消费氛围，从而推动绿色经济健康可持续发展。
（二）持续加强绿色技术创新。以绿色风险投资发展为突破口，推进绿色金融资源与绿色技术创新的有机结合，促进经济向绿色、节约、高效的资源和环境保护发展方式转型，同时要持续推进新能源的开发和新能源产品的普及，通过绿色金融政策引导企业加强绿色技术创新，不断加大绿色研发投入，鼓励其创造出更多环境友好型的专利和技术。充分利用并发挥绿色技术创新在碳减排过程中的中介作用，加大绿色技术创新的研发投入，积极引导企业及其他相关主体参与低碳技术创新，加强企业、科研机构、高校之间的合作，构建并完善产学研结合的创新网络。
（三）金融支持产业结构绿色转型。改革开放以来，我国的工业化进程对经济增长做出了巨大贡献，但也付出了巨大的环境代价。二氧化碳的排放量逐年增加，对人类生存环境造成了严重的危害。这就要求我们积极推进产业结构的绿色转型，对传统能源的使用效率进行提升，并持续提高清洁能源在能源消费中所占的比例，对能源消费结构不断进行优化；持续推进传统高耗能产业的战略转型，努力加强利用绿色低碳技术的相关技术和工艺，来对传统高耗能产业进行改造升级，加快产业结构低碳化进程，将绿色产业作为优先发展的产业，持续提升各产业中绿色低碳企业的比重。与此同时，我国应逐步建立以清洁能源为主体的可再生能源体系，持续推进与“双碳”目标一致的高新技术企业的发展。
（四）有序促进传统贸易方式转变。在贸易开放程度不断提高的进程中，我国能源消费结构主要以煤炭为主体，且环境监管体系不健全，监管力度不够，节能技术相对滞后，同时面临国际产业分工和转移这一时代背景，我国还承接了发达国家一些污染产业的转移，并为其提供大量高碳产品。因此，要综合考量贸易开放所带来的环境代价，采取全方位的措施，转变传统的高消耗、高排放、低产出、低效益的贸易发展模式，让我国从过分依靠外贸，逐步转变成以内需为主导的发展方式。在实施环境政策的同时，应该适当地采取一些环境补偿措施来弥补贸易对环境造成的不利影响，例如征收“绿色关税”，对于符合环保要求的产品实行税收减免；根据相关技术标准的要求，制定严格的技术标准体系，在条件成熟时对某些产品制定更为严格的强制性标准。
（作者单位：铜陵学院金融学院）
主要参考文献：
［1］马骏，程琳，谢文泓.中国在绿色金融领域的全球影响力［J］.清华金融评论，2018（12）.
［2］刘华珂，何春.绿色金融促进城市经济高质量发展的机制与检验——来自中国272个地级市的经验证据［J］.投资研究，2021.40（07）.
［3］温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用［J］.心理学报，2005（02）.
［4］占华.贸易开放对中国碳排放影响的门槛效应分析［J］.世界经济研究，2017（02）.
［5］周杰琦，汪同三.贸易开放提高了二氧化碳排放吗？——来自中国的证据［J］.财贸研究，2013.24（02）. |
|
|
|
