邵漢華++劉耀彬??

摘要：基于2000～2014年中國省際面板數(shù)據，利用面板平滑轉換模型實證檢驗金融發(fā)展與碳排放之間關系。研究發(fā)現(xiàn)，金融發(fā)展總體上有利于降低碳排放，但這種金融減排效應會隨著經濟發(fā)展水平、經濟結構、能源結構和貿易開放等轉換變量，在高、低區(qū)制之間進行平滑轉換，呈現(xiàn)出復雜的異質性特征。因此，應該加強金融政策和結構性改革政策協(xié)調配合，更好地發(fā)揮金融發(fā)展對減少碳排放的正向激勵作用，促進區(qū)域綠色金融發(fā)展。

關鍵詞：金融發(fā)展；碳排放；PSTR；非線性

DOI：10.13956/j.ss.1001-8409.2017.05.18

中圖分類號：F124.5；F016.3 文獻標識碼：A 文章編號：1001-8409（2017）05-0080-05

The Nonlinear Relationship between Financial Development and Carbon Emission

——Based on Panel Smooth Transition Regression Model

SHAO Hanhua， LIU Yaobin

（School of Economics and Management，Nanchang University， Nanchang 330031）

Abstract：Based on the panel data of 30 provinces from 2000 to 2014 in China， this paper uses the panel smooth transition regression model to investigate the nonlinear relationship between financial development and carbon emission. The results show that financial development generally is conducive to reducing carbon emission， however， the reduction effect of financial development on carbon emission transitions smoothly between high and low regimes with the changes of the transition variables， such as economic development， industrial structure， energy structure and international trade. Therefore， the results underscore the need of enhancing the coordination between green finance and structural reforms to play the leading role of financial development in reducing carbon emission and promote regional development of green finance.

Key words：financial development； carbon emission； PSTR； nonlinear relationship

1 引言

伴隨著過去三十余年經濟持續(xù)高速增長，我國環(huán)境污染問題日益嚴重，環(huán)境承載能力已趨極限，環(huán)境污染產生的經濟成本是十分巨大的。要實質性改善我國環(huán)境不僅僅要依靠更強有力的末端治理措施，還必須采用一系列財稅、金融等手段改革資源配置的激勵機制[1]。在資源配置中，“十三五”規(guī)劃提出，要大力發(fā)展綠色金融，引導社會資金從“兩高一低”行業(yè)退出，更多地投向綠色環(huán)保產業(yè)，促進綠色清潔生產。與現(xiàn)有大多數(shù)研究從經濟結構、能源消費、城鎮(zhèn)化和貿易開放等角度來考察我國碳排放影響因素不同，本文擬從綠色金融視角來研究金融發(fā)展對碳排放的影響，并在PSTR模型的非線性分析框架下，深入研究中國不同省際地區(qū)發(fā)展特征差異對兩者關系的影響，以更好地發(fā)揮金融發(fā)展在地區(qū)節(jié)能減排中的作用，為促進地區(qū)綠色金融發(fā)展提供決策依據。

2 文獻綜述

自從溫室氣體排放引發(fā)全球氣候問題成為全球關注焦點以來，學界圍繞碳排放核算、碳排放權利分配以及碳排放影響因素研究進行了大量研究。其中，在環(huán)境壓力驅動影響因素的STIRPAT模型分析框架下，國內外學者實證檢驗了經濟增長、能源結構、產業(yè)結構、貿易開放和城市化等因素對碳排放的影響 [2～5]。近年來，金融發(fā)展對碳排放影響引起了學者的關注。一方面，金融發(fā)展可以通過緩解消費者和企業(yè)的融資約束，刺激消費投資增長，從而擴大經濟規(guī)模和能源消耗，使得碳排放量顯著增加。Sadorsky的研究發(fā)現(xiàn)，金融發(fā)展使得消費者可以更容易地獲得信貸，從而刺激消費者購買汽車、空調和冰箱等耗能大件產品，增加碳排放[6]。同樣，金融發(fā)展也可以提高企業(yè)融資可得性和降低企業(yè)融資成本，從而促進企業(yè)購置大型設備、新建生產線和擴大生產規(guī)模，這些必然會增加能源消耗和碳排放 [7]。

另一方面，Shahbaz等認為金融發(fā)展可以通過促進企業(yè)技術創(chuàng)新以及為環(huán)保產業(yè)項目和清潔生產技術研發(fā)應用提供資金支持等渠道，引導經濟結構和能源結構調整，實現(xiàn)低碳經濟發(fā)展，從而實現(xiàn)碳排放可持續(xù)下降[8]。特別是在綠色金融發(fā)展的大背景下，發(fā)達的金融市場可以為企業(yè)節(jié)能減排項目提供多樣化的融資工具，同時，企業(yè)也有很強動機通過清潔生產來提高社會責任形象，以便更好地融資。因此，從理論上看，金融發(fā)展既可以通過引致需求、擴大經濟規(guī)模和能源消耗、產生金融發(fā)展對碳排放增加的規(guī)模效應，也可以通過調整結構、促進清潔生產、產生金融發(fā)展減少碳排放的結構效應，即金融發(fā)展對碳排放的影響存在不確定性。實證方面，一些學者利用時間序列模型或面板數(shù)據技術，對金磚四國、土耳其和南非等國研究發(fā)現(xiàn)，金融發(fā)展與碳排放在不同國家呈現(xiàn)出不同的影響，甚至在同一國家不同時期也表現(xiàn)出不一樣的影響關系 [9～12]，即兩者之間關系十分復雜。

需要指出的是，國內外實證研究大都使用線性模型研究金融發(fā)展與碳排放之間關系，對兩者可能涉及到的非線性關系研究不夠，所得出的結論也不一致甚至截然相反。特別地，現(xiàn)有研究使用的大都是時間序列數(shù)據，即使面板數(shù)據模型也是在線性分析框架建立的，沒有考慮到地區(qū)差距視角下金融發(fā)展與碳排放之間的復雜性。由于我國各地區(qū)經濟發(fā)展和稟賦結構存在較大異質性，金融發(fā)展與碳排放之間的關系可能受到這些異質性影響，從而呈現(xiàn)出非線性效應。因此，本文將從省際間異質性視角出發(fā)，基于2000～2014年我國30個省（市）面板數(shù)據，利用能夠根據地區(qū)屬性差距進行內生分組的面板平滑轉換模型（PSTR），在實證分析金融發(fā)展對碳排放影響的整體基礎上，深入研究經濟發(fā)展水平、產業(yè)結構、能源結構和貿易開放等不同省際特征差異對兩者關系所產生的非線性影響，以更好地發(fā)揮金融發(fā)展在區(qū)域節(jié)能減排中的作用，促進區(qū)域綠色金融發(fā)展。

3 模型、變量及數(shù)據說明

3.1 模型設定

為了研究基于不同發(fā)展水平和經濟結構等地區(qū)差異下我國金融發(fā)展與碳排放之間的非線性關系，本文采用González等提出的面板平滑轉換PSTR模型 [13]進行實證分析。

式（1）中，yit和xit分別是被解釋變量和解釋變量，即碳排放和金融發(fā)展；轉換函數(shù)g（qit；γ，c）是一個取值介于0和1之間的連續(xù)函數(shù)；qit、γ、c分別是轉換變量、平滑參數(shù)和位置參數(shù)；m是位置參數(shù)的個數(shù)，通常取值為1和2。當m=1時，轉換函數(shù)含有一個位置參數(shù)：

此時，模型（3）為三區(qū)制的面板平滑轉換模型，轉換函數(shù)關于（c1+c2）/2對稱，并在該點取得極小值，處于中間區(qū)制狀態(tài)。

需要指出的是，在對PSTR模型估計之前需要檢驗模型是否存在非線性轉換機制，常用的方法是在γ=0處進行泰勒展開構造輔助回歸式：

因此，對PSTR模型的“非線性檢驗”相當于對式（4）中H*0：β1=…=βm=0作為原假設進行假設檢驗，然后可以通過構造如下統(tǒng)計量來檢驗：

如果“線性檢驗”拒絕原假設，則需要進一步檢驗是否存在一個或至少兩個轉換函數(shù)，即“剩余非線性檢驗”。類似于“線性檢驗”，同樣通過泰勒展開構造輔助回歸函數(shù)，利用LM、LMF和LRT進行檢驗，直至不能拒絕原假設H0：r=r*為止，此時r*就為PSTR模型轉換函數(shù)最優(yōu)個數(shù)。

3.2 數(shù)據變量說明

考慮到數(shù)據可得性，本文選取2000～2014年中國30個省級行政單元（西藏除外）作為研究對象，樣本數(shù)據來源于《中國統(tǒng)計年鑒》《中國金融年鑒》和《中國能源統(tǒng)計年鑒》。相關變量選取計算情況如下：

（1）被解釋變量：碳排放。以單位GDP二氧化碳（CO2）排放量表示。目前尚無權威機構發(fā)布關于省際層面CO2的數(shù)據，本文借鑒2006年聯(lián)合國政府間氣候專門委員會制定的溫室氣體清單指南提供的參考方法，構建CO2的核算公式，為：

式（8）中，Ei表示各種化石能源消費量；CFi為低位發(fā)熱量；CCi為單位熱量的含碳水平；COFi為能源的氧化率水平；44/12是CO2分子與碳原子質量比。

（2）解釋變量：金融發(fā)展。選取經典的金融相關比率，即用存貸款余額總量/GDP表示。此外用私人部門信貸總量與GDP比重，即金融效率，作為金融相關比率的補充指標，該指標被廣泛應用于金融發(fā)展的衡量。由于我國金融機構尚未公布私人部門信貸數(shù)據，借鑒張軍和金煜[14]做法，私人部門信貸為：[（1-國有固定資產投資額）/全社會固定資產投資額]×貸款余額。

（3）轉換變量。由于我國各地區(qū)經濟發(fā)展迥異，不同地區(qū)的經濟發(fā)展水平、經濟結構、能源稟賦結構和對外開放等存在很大的差距，因此會使得金融發(fā)展對碳排放的影響在不同省份呈現(xiàn)出異質性差距。因此，結合現(xiàn)有研究，選取地區(qū)經濟發(fā)展水平、經濟結構、能源結構和貿易開放作為轉換變量，檢驗不同經濟特征差距對金融發(fā)展與碳排放之間產生的非線性關系。對于經濟發(fā)展水平、經濟結構、能源結構和貿易開放的測度，分別用各地區(qū)人均GDP對數(shù)值、二產比重、煤炭份額和進出口貿易總額與GDP占比表示。

4 實證分析

4.1 非線性檢驗

在對面板平滑轉換模型估計之前，首先需要確定在不同的轉換變量影響下金融發(fā)展與碳排放之間是否存在非線性關系。由表1可知，除了模型E和H外，其他模型在10%顯著性水平下都顯著拒絕兩者關系為線性關系的原假設，說明模型E和H是不含有異質性的線性模型，模型A至模型D、F和G存在明確的非線性特征；對模型A至模型D、F和G進一步進行非線性剩余檢驗，發(fā)現(xiàn)LM、LMF和LRT檢驗統(tǒng)計量在10%水平下均不能拒絕r=1的原假設，因此模型A至模型D、F和G均適合采用單個轉換函數(shù)的PSTR模型。最后，通過AIC和BIC準則確定模型A至模型D、F和G轉換函數(shù)的最優(yōu)位置參數(shù)個數(shù)均為1。

4.2 估計結果分析

本文利用網格搜索法尋找平滑參數(shù)γ和位置參數(shù)c，通過求解相應回歸模型殘差平方和RSS最小時的參數(shù)值γ和c對模型進行最優(yōu)參數(shù)估計，相關估計結果見表2。

從表2可知，所有模型的回歸系數(shù)在1%水平下均顯著，其中線性部分系數(shù)β1顯著為負，說明金融發(fā)展有利于降低碳排放。而非線性部分系數(shù)β11顯著為正，說明金融減排效應隨著轉換變量增加而減少，地區(qū)經濟的異質性，即轉換變量的存在使得金融發(fā)展對碳排放影響系數(shù)被分成高、低不同區(qū)制，影響系數(shù)在區(qū)制間平滑轉換，具體來說：

（1）經濟發(fā)展水平與金融減排效應。模型A結果顯示，β1和β11的系數(shù)分別為-0.574和0.240，位置參數(shù)c為10.016，說明當人均GDP對數(shù)值低于10.016時，模型趨向低區(qū)制，金融減排效應最大為-0.574，而當人均GDP對數(shù)值高于10.016，模型趨向高區(qū)制，金融減排效應通過平滑轉換函數(shù)作用最終減弱至-0.334，意味著經濟發(fā)展水平的提高降低了金融減排效應。結合轉換函數(shù)圖1可知，大部分樣本觀測值處于高、低區(qū)制之間，分布在位置參數(shù)c兩側，金融減排效應從低區(qū)制下開始，以c為中心向高區(qū)制地區(qū)平滑轉換減弱，轉換速率為4.252。

（2）經濟結構與金融減排效應。模型B的結果顯示，β1和β11的系數(shù)分別為-0.317和0.182，位置參數(shù)c為0.342，說明當二產比重低于0.342時，模型趨向低區(qū)制，金融減排效應最大為-0.317，而當二產比重高于0.342時，模型趨向高區(qū)制，金融減排效應通過平滑轉換函數(shù)作用最終減弱至-0.135，意味著經濟結構中工業(yè)比重的提高降低了金融減排效應。結合轉換函數(shù)圖2可知，大部分樣本觀測值都位于高區(qū)制，轉換函數(shù)g的值近似等于1，金融深化率每提高1%，碳排放下降0.135% ，金融減排效應相對于低區(qū)制的省份降低了0.182%。 2014年僅有北京和海南處于低區(qū)制，經濟結構中工業(yè)比重最低，轉換函數(shù)g的值近似等于0，金融發(fā)展降低碳排放的效應最大。當利用金融效率指標代理金融發(fā)展變量時，同樣發(fā)現(xiàn)金融效率改善降低了碳排放，并且這種效應隨著工業(yè)比重提高而弱化，但平滑速率有所降低（見模型E和圖3）。

（3）能源結構與金融減排效應。模型C的結果顯示，β1和β11的系數(shù)分別為-0.353和0.400，位置參數(shù)c為0.708，說明當能源結構中煤炭比重低于0.708時，模型趨向低區(qū)制，金融減排效應最大為-0.353，而當能源結構中煤炭比重高于0.708時，模型趨向高區(qū)制，金融減排效應通過平滑轉換函數(shù)作用最終減弱至0.047，意味著能源結構中煤炭比重提高降低了金融減排效應。特別地，當?shù)貐^(qū)煤炭比重到達高區(qū)制，金融深化率每提高1%，碳排放會增加0.047%。這說明對于以煤為主的省份來說，金融發(fā)展不僅沒有降低碳排放，反而增加了碳排放。結合轉換函數(shù)圖4可知，轉換函數(shù)的數(shù)值基本處于0.15之上，說明模型基本處在一種高區(qū)制轉換狀態(tài)，其中450個樣本觀測值中已經有8.82%的樣本位于高區(qū)制。當利用金融效率指標代理金融發(fā)展變量時，同樣發(fā)現(xiàn)金融發(fā)展降低了碳排放，并且這種效應隨著能源結構中煤炭比重提高而弱化、消失直至轉變?yōu)榻鹑谛侍岣?%，碳排放增加0.538%（見模型F和圖5）。

（4）對外貿易與金融減排效應。模型D的結果顯示，β1和β11的系數(shù)分別為-0.579和0.208，位置參數(shù)c為0.66，說明當進出口貿易占GDP比重低于0.66時，模型趨向低區(qū)制，金融減排效應最大為-0.579，而當進出口貿易占GDP比重高于0.66時，模型趨向高區(qū)制，金融減排效應通過平滑轉換函數(shù)作用最終減弱至-0.371，這意味著對外貿易弱化了金融減排效應。 根據“污染避難所”假說，發(fā)展中國家環(huán)境監(jiān)管標準普遍較低，發(fā)達國家通過進出口貿易向發(fā)展中國家轉嫁污染，國內一些研究發(fā)現(xiàn)我國貿易開放存在“污染避難所” [15]。因此，粗放型的外貿發(fā)展方式使得金融減排效應大打折扣。

結合轉換函數(shù)（如圖6）進一步發(fā)現(xiàn)，76.9%樣本觀測值都處于低區(qū)制，貿易比重要顯著低于門檻值，轉換函數(shù)g的值近似等于0，金融深化率每提高1%，碳排放下降0.579%，金融減排效應最大。也就是說，對于我國大部分省份來說，當前貿易比重還沒有能夠顯著降低金融減排效應。但是，也有59個樣本觀測值處于高區(qū)制，貿易比重高于門檻值，轉換函數(shù)g的值近似等于1，金融深化率每提高1%，碳排放下降0.371%，金融減排效應最弱。

5 結論性評述

面對日益嚴峻的環(huán)境壓力，積極發(fā)揮金融資源配置在綠色發(fā)展的引領作用是“十三五”時期發(fā)展綠色金融的題中之義?；诖?，本文對我國金融發(fā)展與碳排放之間的非線性關系進行了實證檢驗。研究發(fā)現(xiàn)：金融發(fā)展總體上有利于降低碳排放，但這種金融減排效應會隨著經濟發(fā)展水平、經濟結構、能源結構和貿易開放等轉換變量，在高、低區(qū)制之間進行平滑轉換，呈現(xiàn)出復雜的異質性特征。具體來說，上述轉換變量的位置參數(shù)值分別為10.016、0.342（0.348）、0.708（0.677）和0.660，這些參數(shù)值將每個省（市）分為高、低區(qū)制，金融減排效應在低區(qū)制最大、在高區(qū)制最小，即在人均GDP水平較高、工業(yè)比重較高、能源結構中煤炭比重較高和貿易開放程度較高的省份，金融減排效應下降。特別地，當一個省份能源結構煤炭比重達到0.708時，金融發(fā)展不僅不能降低碳排放，反而會增加碳排放?；谶@些研究結論，提出如下的政策建議：

一是大力發(fā)展綠色金融，更好地發(fā)揮金融資源配置對綠色發(fā)展的正向激勵作用。研究發(fā)現(xiàn)金融發(fā)展總體上有利于降低碳排放，但由于我國目前尚未建立完整的綠色金融體系，缺乏一個系統(tǒng)完整的政策框架，沒有充分吸引社會資金進入綠色行業(yè)，金融體系支持綠色發(fā)展仍然存在很大改善空間。因此，要切實按照“十三五”規(guī)劃提出的“發(fā)展綠色金融”的要求，積極營造良好的支持綠色金融發(fā)展的政策和市場環(huán)境，強化綠色金融的基礎設施建設，創(chuàng)新發(fā)展綠色貸款、綠色債券、綠色基金、綠色保險等多種方式的綠色金融產品，不斷滿足企業(yè)多元化綠色投融資需求，從而推動經濟真正實現(xiàn)綠色發(fā)展。

二是加強金融政策與結構性改革政策的協(xié)調配合，放大金融減排效應。本文研究發(fā)現(xiàn)，粗放的經濟結構、能源結構和進出口貿易等會降低金融減排效應，因此提高金融減排效應不僅是一個單純的金融資源配置問題，還涉及到產業(yè)升級、外貿轉型、環(huán)境監(jiān)管、能源價格改革等結構性改革政策的協(xié)調配合，切實降低污染性項目的投資回報率、提高綠色項目的投資回報率，增強綠色金融發(fā)展的內生動力，促進綠色清潔生產。

三是因地制宜推動區(qū)域綠色金融發(fā)展。由于我國各?。ㄊ校┙洕l(fā)展水平和資源稟賦條件存在較大差距，經濟特征差距使得金融發(fā)展與碳排放之間關系也十分復雜，因此推動區(qū)域綠色金融發(fā)展時，需要因地制宜地制定發(fā)展的優(yōu)先事項和現(xiàn)實解決路徑。

參考文獻：

[1]綠色金融工作小組. 構建中國綠色金融體系[M]. 中國金融出版社， 2015.

[2]Suri V， Chapman D. Economic Growth， Trade and Energy： Implications for the Environmental Kuznets Curve[J]. Ecological economics， 1998， 25（2）： 195-208.

[3]Halicioglu F. An Econometric Study of CO2 Emissions， Energy Consumption， Income and Foreign Trade in Turkey[J]. Energy Policy， 2009， 37（3）： 1156-1164.

[4]林伯強， 蔣竺均. 中國二氧化碳的環(huán)境庫茲涅茨曲線預測及影響因素分析[J]. 管理世界， 2009 （4）：27-36.

[5]林伯強， 劉希穎. 中國城市化階段的碳排放：影響因素和減排策略[J]. 經濟研究， 2010（8）：66-78.

[6]Sadorsky P. The Impact of Financial Development on Energy Consumption in Emerging Economies[J]. Energy Policy， 2010， 38（5）： 2528-2535.

[7]Dasgupta S， Laplante B， Mamingi N. Pollution and Capital Markets in Developing Countries[J]. Journal of Environmental Economics and Management， 2001， 42（3）： 310-335.

[8]Shahbaz M， Solarin S A， Mahmood H， et al. Does Financial Development Reduce CO2 Emissions in Malaysian Economy？ A Time Series Analysis[J]. Economic Modelling， 2013， 35： 145-152.

[9]Tamazian A， Chousa J P， Vadlamannati K C. Does Higher Economic and Financial Development Lead to Environmental Degradation： Evidence from BRIC Countries[J]. Energy Policy， 2009， 37（1）： 246-253.

[10]Shahbaz M， Solarin S A， Mahmood H， et al. Does Financial Development Reduce CO2 Emissions in Malaysian Economy？ A Time Series Analysis[J]. Economic Modelling， 2013， 35： 145-152.

[11]Khan M A， Khan M Z， Zaman K， et al. Questing the Three Key Growth Determinants： Energy Consumption， Foreign Direct Investment and Financial Development in South Asia[J]. Renew Energy， 2014， 68： 203-215.

[12]Abbasi F， Riaz K. CO2 Emissions and Financial Development in an Emerging Economy： An Augmented VAR Approach[J]. Energy Policy， 2016， 90： 102-114.

[13]González A， Terasvirta T， Van Dijk D. Panel Smooth Transition Regression Models[M]. School of Finance and Economics， University of Technology， 2005.

[14]張軍， 金煜. 中國的金融深化和生產率關系的再檢測：1987-2001[J]. 經濟研究， 2005（11）：34-45.

[15]趙忠秀， 王苒， 閆云鳳. 貿易隱含碳與污染天堂假說——環(huán)境庫茲涅茨曲線成因的再解釋[J]. 國際貿易問題， 2013（7）：93-101.

（責任編輯：李 鏡）