賀祥民，賴永劍

南昌工程學(xué)院 經(jīng)貿(mào)學(xué)院，江西 南昌 330099

金融發(fā)展惡化了中國城市的環(huán)境質(zhì)量嗎?
——基于275個城市的空間動態(tài)面板數(shù)據(jù)模型

賀祥民，賴永劍

南昌工程學(xué)院 經(jīng)貿(mào)學(xué)院，江西 南昌 330099

論文利用兼具空間估計方法和動態(tài)面板回歸模型優(yōu)勢的空間動態(tài)面板數(shù)據(jù)模型研究了中國275個城市金融發(fā)展對SO2排放的影響效應(yīng)。系統(tǒng)廣義距估計發(fā)現(xiàn)，總體而言，金融機構(gòu)貸款比率、存款比率顯著的促進了城市的SO2排放；然而，金融集聚卻抑制了SO2排放。從間接渠道來看，金融發(fā)展通過促進經(jīng)濟發(fā)展增加了SO2排放，但通過吸收FDI的技術(shù)溢出消減了SO2排放。進一步研究表明金融發(fā)展對于不同區(qū)域的城市SO2排放存在差異性的影響效應(yīng)。

金融發(fā)展；環(huán)境質(zhì)量；SO2排放；空間動態(tài)面板模型

經(jīng)過改革開放三十多年的發(fā)展，中國經(jīng)濟總量得到了巨大的增長，2015年GDP總量達到10 385.66億美元，規(guī)模僅次于美國，居世界第二位；然而，這一令人可喜數(shù)據(jù)的背后，是能源的大量耗費，環(huán)境的嚴重惡化。與工業(yè)迅速發(fā)展相伴隨的是空氣污染、水污染的日益嚴重。在可持續(xù)發(fā)展成為時代主題的今天，各種節(jié)能減排的手段和渠道都應(yīng)積極發(fā)揮效用；其中金融發(fā)展的作用，不容忽視。目前國內(nèi)外已有的研究金融發(fā)展對環(huán)境質(zhì)量影響的文獻主要采用跨國或省級面板數(shù)據(jù)進行分析，樣本數(shù)較少；并且已有的文獻往往忽視了環(huán)境污染排放動態(tài)變化的過程，或者未考慮區(qū)域之間環(huán)境污染排放的空間溢出性。基于此，本文使用了中國2003年—2012年275個城市的數(shù)據(jù)，利用兼具空間估計方法和動態(tài)面板回歸模型優(yōu)勢的空間動態(tài)面板數(shù)據(jù)模型，并采用更具科學(xué)性的系統(tǒng)廣義距（SYM-GMM）方法進行估計；同時，我們還考慮了金融發(fā)展通過影響經(jīng)濟發(fā)展、FDI等，進而影響環(huán)境質(zhì)量的間接效應(yīng)，從而較全面地考察了金融發(fā)展對環(huán)境質(zhì)量的影響。

一、文獻與理論

金融發(fā)展在解釋環(huán)境污染排放中有重要作用。一方面，金融發(fā)展有助于企業(yè)在生產(chǎn)中選用較先進的清潔或環(huán)境友好型技術(shù)，這將促進環(huán)境質(zhì)量的改善。金融發(fā)展是吸引FDI的重要因素，同時東道國金融發(fā)展是吸收FDI的重要影響因素，Alfaro等認為金融發(fā)展對FDI的技術(shù)和知識溢出作用發(fā)揮了先決性的影響[1]；通過促進R&D活動，從而影響環(huán)境質(zhì)量。而且，金融發(fā)展有助于一些環(huán)境治理項目降低融資成本，更容易獲得資金的支持。而另一方面，產(chǎn)業(yè)水平上，金融發(fā)展使得企業(yè)更容易并且以更低的成本獲得金融資本支持；另外，股票市場的發(fā)展也有助于企業(yè)的擴張，從而潛在的增加污染排放。這也就是說金融發(fā)展能夠通過激勵生產(chǎn)者的生產(chǎn)活動尤其是促進工業(yè)的發(fā)展從而增加工業(yè)的污染排放，帶來環(huán)境的惡化。金融發(fā)展對環(huán)境污染的綜合影響取決于這兩種正負力量的對比。

近年來圍繞金融發(fā)展與環(huán)境質(zhì)量之間的關(guān)系，出現(xiàn)了一些相關(guān)的實證研究。Gantman、Dabós發(fā)現(xiàn)金融發(fā)展能夠促進技術(shù)創(chuàng)新，進而改善環(huán)境質(zhì)量[2]。Lee 等也發(fā)現(xiàn)在一個具有發(fā)展良好的金融系統(tǒng)的國家，相應(yīng)帶來活躍的技術(shù)創(chuàng)新將對環(huán)境污染排放產(chǎn)生顯著的消減作用，并且他們發(fā)現(xiàn)金融制度發(fā)展能夠增加與環(huán)境保護項目相關(guān)的投資，因此有助于改善環(huán)境質(zhì)量[3]。Tamazian等使用1992年—2004年金磚四國的面板數(shù)據(jù)研究了金融發(fā)展與環(huán)境質(zhì)量的關(guān)系，他們發(fā)現(xiàn)金融發(fā)展水平是決定一個國家環(huán)境質(zhì)量的重要因素：一個有更高金融發(fā)展水平的國家，環(huán)境質(zhì)量水平也更高[4]。基于12個中東和北非國家數(shù)據(jù)，Omri等發(fā)現(xiàn)環(huán)境質(zhì)量降低通過影響人的健康水平對經(jīng)濟增長產(chǎn)生了負外部性，金融發(fā)展和貿(mào)易開放刺激技術(shù)創(chuàng)新，進而有助于減少環(huán)境污染排放[5]。

與上述文獻認為金融發(fā)展有利于環(huán)境質(zhì)量優(yōu)化相反，一些文獻卻發(fā)現(xiàn)金融發(fā)展惡化了環(huán)境質(zhì)量或者不存在顯著的影響。Sadorsky通過分析22個國家的數(shù)據(jù)，發(fā)現(xiàn)金融市場的發(fā)展增加了消費者對能源消費的需求，因此并未產(chǎn)生對環(huán)境質(zhì)量的改善作用[6]。Ozturk、Acaravci研究發(fā)現(xiàn)，在土耳其，長期來看金融發(fā)展對人均二氧化碳排放量不存在顯著的影響作用[7]。Abbasi、Riaz將FDI納入到碳排放方程中，重新估計了金融發(fā)展與碳排放的關(guān)系，他們使用一系列衡量金融發(fā)展的指標，結(jié)果表明在全樣本期間（1971年—2011年），金融發(fā)展對碳排放無顯著影響；但在1988年—2011年金融發(fā)展對碳排放有顯著負作用，他們認為經(jīng)濟增長惡化了環(huán)境[8]。國內(nèi)，嚴成樑、李濤、蘭偉利用省級面板數(shù)據(jù)研究發(fā)現(xiàn)信貸規(guī)模對我國二氧化碳強度的影響存在倒U型關(guān)系，F(xiàn)DI規(guī)模對我國二氧化碳強度的影響存在U型關(guān)系，金融市場融資規(guī)模、金融業(yè)的競爭、信貸資金分配的市場化對我國二氧化碳強度有負向影響[9]。熊靈、齊紹洲認為無論是從人均碳排放角度還是碳強度角度來看，金融發(fā)展對中國省區(qū)碳排放都起到負面作用。金融發(fā)展刺激了中國省區(qū)碳排放水平的增長，總體上對節(jié)能減排呈現(xiàn)負面效應(yīng)[10]。

綜合已有的文獻可以發(fā)現(xiàn)，國內(nèi)外研究金融發(fā)展與環(huán)境質(zhì)量關(guān)系的文獻雖然較為豐富，但結(jié)論不盡相同；研究的樣本一般為跨國或省級區(qū)域，樣本數(shù)較少；并且往往忽視了環(huán)境污染排放動態(tài)變化的過程，或者未考慮區(qū)域之間環(huán)境污染排放的空間溢出性。鑒于此，本文從如下幾個方面進行拓展：第一，與已有文獻從國家或者省級層面進行研究不同的是，我們在國內(nèi)首次使用275個城市層面的數(shù)據(jù)，聚焦于金融發(fā)展與SO2排放量之間的關(guān)系；樣本規(guī)模擴大了幾倍，更為細致的數(shù)據(jù)更能真實反映變量之間的關(guān)系。第二，我們考慮了區(qū)域間環(huán)境污染排放的空間依存性，并采用近些年新發(fā)展起來的空間動態(tài)面板模型，該模型的優(yōu)勢在于能在考慮區(qū)域變量空間溢出性的同時，將變量的動態(tài)變化合并進行分析，從而從時空角度考察了金融發(fā)展對環(huán)境質(zhì)量的影響效應(yīng)；同時我們采用更具科學(xué)性的系統(tǒng)廣義距（SYM-GMM）對模型進行估計，從而解決了變量之間的內(nèi)生性和空間溢出問題。第三，鑒于金融發(fā)展可以通過影響經(jīng)濟發(fā)展、FDI等間接渠道，進而影響環(huán)境質(zhì)量，我們通過分別使用金融發(fā)展與經(jīng)濟活躍程度、FDI的交互項捕捉這種間接效應(yīng)，從而深入考察了這一問題。進而，考慮到中國城市的異質(zhì)性特征，我們在子樣本估計中按城市的空間分布分成東部城市、中西部城市，以進一步探討了城市屬性的不同對結(jié)果的差異化影響。

二、模型、變量與數(shù)據(jù)

（一）模型

我們的模型參照標準的STIRPAT模型及Antweiler等[11]的實證模型，控制了環(huán)境污染排放的幾個決定性因素，包括：規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)以及外資因素，其中，我們使用經(jīng)濟活躍程度（lnActive）控制規(guī)模效應(yīng)；資本強度（lnCapint）、投資率（lnInvr）分別從存量和流量的角度控制結(jié)構(gòu)效應(yīng)；用人均收入（GDP）控制技術(shù)效應(yīng)。同時為了考慮城市之間環(huán)境污染排放的空間溢出性，與及環(huán)境污染排放動態(tài)變化的性質(zhì)，我們采用近些年發(fā)展起來的空間動態(tài)面板回歸模型進行分析，該模型兼具有空間估計方法和動態(tài)面板回歸模型的優(yōu)勢，能在考慮區(qū)域變量空間溢出性的同時，將變量的動態(tài)變化合并進行分析：

其中c=1, 2, …, 275，t=2003, 2004, …, 2012；為時間滯后項用于抓住污染排放隨時間變化的動態(tài)過程，為空間自回歸項用于抓住城市之間污染排放的空間溢出關(guān)系。δc為城市固定效應(yīng)，用于控制不可觀測的城市屬性對污染排放的影響；ηt為年份固定效應(yīng)，用于控制不可觀測的時間變化的影響。

空間權(quán)w我們采用各市之間的距離dcj的倒數(shù)衡量，距離dcj根據(jù)國家測繪局的國家基礎(chǔ)地理信息系統(tǒng)中的中國1∶400萬地形數(shù)據(jù)庫，并使用Arcview 3.0軟件計算得到，即有：

（二）變量及數(shù)據(jù)

1．金融發(fā)展（FD）

衡量發(fā)展中國家金融發(fā)展最具代表性的指標為金融相關(guān)比率，即以金融機構(gòu)提供給私人部門貸款總額與GDP的比值度量；但是目前國內(nèi)并未提供城市層面的這一數(shù)據(jù)，因此，限于數(shù)據(jù)可獲得性，本文參考Zhang等[12]的方法，采用三個城市層面的金融指標衡量金融發(fā)展，這三個指標分別從深化程度、規(guī)模和質(zhì)量三方面衡量了金融發(fā)展。

（1）金融機構(gòu)貸款比率（Cred）。用全市年末金融機構(gòu)貸款余額與GDP的比值表示，其可以衡量總體的金融深化程度。

（2）金融機構(gòu)存款比率（Depo）。用全市年末金融機構(gòu)存款余額與GDP的比值表示，其可以衡量金融中介的整體規(guī)模。

（3）金融集聚（FinC）。朱玉杰、倪驍然[13]的研究驗證了以金融人力資本衡量的金融集聚對經(jīng)濟發(fā)展的重要影響。參照朱玉杰、倪驍然[13]的方法，用各地市金融業(yè)從業(yè)人員數(shù)占比與當(dāng)年該指標全國均值之比來代理各市的金融集聚程度，用于衡量金融發(fā)展的質(zhì)量。

2．環(huán)境污染排放（EP）

已有的研究文獻大多使用CO2排放作為環(huán)境污染的主要污染物，但是由于我國地級市層面的化石能源消費數(shù)據(jù)以及碳排放數(shù)據(jù)相對缺乏。而且如彭水軍、張文城、曹毅認為，相對于SO2、廢水等污染物而言，CO2是一種全球性的污染物[14]。而本文的研究目的在于考察國內(nèi)地級以上城市的金融發(fā)展對環(huán)境質(zhì)量的影響?；诖耍覀冞x用SO2為我們研究的環(huán)境污染物，與彭水軍、張文城、曹毅[14]一樣，用各年城市工業(yè)SO2排放量來代替。

3．其它變量

（1）經(jīng)濟活躍程度（Active），一般來說，區(qū)域經(jīng)濟活躍程度越高，經(jīng)濟活動帶來的環(huán)境污染排放也越多。文獻中常用于衡量環(huán)境污染的規(guī)模效應(yīng)，我們也采用文獻中常用的方法，即用GDP與全市面積的比值測度經(jīng)濟活躍程度。

（2）資本強度（Capint），不同資本強度的部門產(chǎn)生的環(huán)境污染排放也不同，其可以從存量的角度反映生產(chǎn)結(jié)構(gòu)對環(huán)境污染的影響，參照Wang、Chen[15]做法，用各市固定資產(chǎn)余額與年末就業(yè)人口的比值衡量。

（3）投資率（Invr），與資本強度類似，投資率從流量的角度反映了生產(chǎn)結(jié)構(gòu)對環(huán)境污染的影響效應(yīng)，我們用各市全社會固定資產(chǎn)投資總額與GDP的比值度量，取對數(shù)。

（4）人均收入（GDP），在環(huán)境庫茲涅茨曲線理論中，人均收入是影響環(huán)境污染排放的重要影響因素，Grossman、Krueger[16]、Wang、Chen[15]認為隨著人均收入的增加，環(huán)境質(zhì)量的需求和供給能力都將得到改善，其可被用于捕捉環(huán)境質(zhì)量影響的技術(shù)因素，我們用全市GDP與人口的比值測度。

（5）外商直接投資（FDI）。FDI作為經(jīng)濟增長的重要引擎，其可以通過“環(huán)境污染避風(fēng)港效應(yīng)”給發(fā)展中國家的環(huán)境帶來負面作用；同時也可以通過“環(huán)境污染光環(huán)效應(yīng)”，也即通過技術(shù)溢出等渠道提升發(fā)展中國家的環(huán)境質(zhì)量。FDI的衡量可以使用投入和產(chǎn)出的形式，產(chǎn)出形式的衡量方法能夠更好去除統(tǒng)計數(shù)據(jù)的偏差問題，參照Konings[17]方法，我們使用外資企業(yè)工業(yè)產(chǎn)值與各市工業(yè)總產(chǎn)值的比值衡量。

由于我國城市層面的工業(yè)SO2排放量的統(tǒng)計的起始年份是2003年，因此本文的數(shù)據(jù)使用的是2003年－2012年地級以上城市年度數(shù)據(jù)，剔除某些變量數(shù)據(jù)缺失的城市，共得到275個城市樣本。數(shù)據(jù)來自2004年－2013年的《中國統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》以及中經(jīng)網(wǎng)數(shù)據(jù)庫。

三、實證檢驗結(jié)果

（一）空間相關(guān)性分析

在使用空間動態(tài)面板數(shù)據(jù)模型進行分析之前，必須檢驗城市間SO2排放的空間相關(guān)性。Moran’s I值常用于檢驗變量之間的空間相關(guān)性，其具體的表達式如下：

w是空間權(quán)重矩陣，x 是平均值。表1報告了2003年—2012年城市SO2排放量的Moran’s I值檢驗結(jié)果。從表1可以看到，在這10年間，城市SO2排放量的Moran’s I值都為正值且均通過了顯著性檢驗，這意味著中國城市之間SO2排放量存在顯著的空間正相關(guān)性。SO2作為大氣污染物，具有較明顯的空間溢出性。

表1 2003年—2012年城市間SO2排放量的Moran’s I值檢驗結(jié)果

（二）基本計量結(jié)果

對于空間動態(tài)面板數(shù)據(jù)模型的估計，Kukenova、Monteiro[18]提出使用Arellano、Bover[19]，Blundell、Bond[20]等創(chuàng)立的系統(tǒng)廣義距（GMM）進行分析，他們通過蒙特卡洛實驗發(fā)現(xiàn)系統(tǒng)廣義距方法比其它空間動態(tài)面板數(shù)據(jù)的估計方法，如比空間最大似然估計（MLE）在偏誤、均方根誤差、標準誤差精度等方面都更具優(yōu)越性。Jacobs等[21]運用蒙特卡洛實驗證實了Kukenova、Monteiro[19]的結(jié)論，他們也認為采用系統(tǒng)廣義距方法能夠更好減少空間滯后參數(shù)估計中的有限樣本帶來的誤差。鑒于此，我們也利用系統(tǒng)廣義距（GMM）方法進行估計。

表2中報告了全樣本的計量結(jié)果，Hansen檢驗和Arelleno -Bond 序列相關(guān)檢驗的p值均顯示模型能很好地通過這些統(tǒng)計檢驗，從而證明對空間動態(tài)面板數(shù)據(jù)模型使用系統(tǒng)廣義矩的有效性。從結(jié)果中可以看到，SO2排放量具有顯著的空間依賴性，并且上一年度的SO2排放量對下一年度的排放量存在顯著的影響。第（1）、（3）、（5）列結(jié)果表明金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）對SO2排放量有顯著的正向促進作用。然而，金融集聚（FinC）對SO2排放量卻有顯著的負向促進作用。這說明金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）通過助推企業(yè)擴張、促進工業(yè)的發(fā)展而產(chǎn)生的對SO2排放量的增長作用，要大于它們通過促進技術(shù)進步、效率提高對SO2排放量所帶來的削減作用。而金融集聚帶來的作用剛好相反，帶來的對SO2排放量的消減作用大于增長作用；這說明在中國，金融發(fā)展的質(zhì)量提升更有利于促進環(huán)境效率的提高，促進了環(huán)境技術(shù)升級，從而抑制了SO2排放量的進一步增長。經(jīng)濟活躍程度（Active）對SO2排放量產(chǎn)生顯著的促進作用，經(jīng)濟發(fā)展導(dǎo)致了環(huán)境污染排放的增加，產(chǎn)生了規(guī)模效應(yīng)，惡化了環(huán)境。資本強度（Capint）、投資率（Invr）系數(shù)均顯著為正，這主要是由于資本強度、投資率越高的城市，產(chǎn)業(yè)結(jié)構(gòu)中重化工業(yè)的比重也越高，由此產(chǎn)生SO2排放量也就越高。人均收入（GDP）系數(shù)顯著為負，人均收入水平的提高使得民眾對環(huán)境質(zhì)量產(chǎn)生了更高的要求，在日常消費中更傾向于選擇更為環(huán)保的產(chǎn)品；企業(yè)為了迎合市場的需求，并且同時可能迫于政府的規(guī)制，在生產(chǎn)中也更傾向于綠色和環(huán)保，從而減少SO2排放。FDI對SO2排放量的影響系數(shù)顯著為正，雖然FDI能夠帶來技術(shù)效應(yīng)，但是其產(chǎn)生的環(huán)境污染的規(guī)模效應(yīng)帶來的SO2排放的增加超過了結(jié)構(gòu)效應(yīng)、技術(shù)效應(yīng)對SO2排放的負向作用，從而表現(xiàn)出顯著的正影響。

由于金融發(fā)展可以通過間接的方式，即通過影響經(jīng)濟發(fā)展的規(guī)模、影響FDI等渠道，進而影響污染排放。于是，我們在模型（1）中加入金融發(fā)展與經(jīng)濟活躍程度（Active）、金融發(fā)展與FDI的交互項用于考察這種間接效應(yīng)，結(jié)果報告在表2的第（2）、（4）、（6）列。結(jié)果顯示金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）、金融集聚（FinC）與經(jīng)濟活躍程度交互項的系數(shù)均顯著為正，這說明在當(dāng)前中國，金融發(fā)展通過經(jīng)濟增長渠道，增加社會投資，促進消費等方式增加了污染排放，惡化了環(huán)境。但金融發(fā)展與FDI交互項的系數(shù)均顯著為負，東道國金融市場發(fā)展作為吸收FDI的重要影響因素，其通過吸收FDI的技術(shù)溢出，通過促進R&D活動，提高了環(huán)境效率，減輕了FDI帶來的環(huán)境污染，消減了SO2排放。比較系數(shù)絕對值的大小，金融發(fā)展與經(jīng)濟活躍程度的交互項系數(shù)的絕對值要大于金融發(fā)展與FDI的交互項系數(shù)。這意味著在目前中國，整體上，金融發(fā)展通過經(jīng)濟增長帶來的對污染排放的擴大效應(yīng)要大于通過FDI帶來的對污染排放的消減效應(yīng)。

（三）分東、中西部子樣本估計結(jié)果

由于中國地區(qū)之間要素稟賦、經(jīng)濟發(fā)展水平等存在較大的差異性，為區(qū)分這種差異性在金融發(fā)展對環(huán)境污染排放的影響過程中的作用，我們將城市分成東部城市和中西部城市，其中東部城市101個，中西部城市174個，使用系統(tǒng)廣義距估計的空間動態(tài)面板數(shù)據(jù)模型結(jié)果報告在表3中。從表3可以得到如下幾個結(jié)論：

表2 基本計量結(jié)果（空間動態(tài)面板數(shù)據(jù)模型，系統(tǒng)GMM估計）

表3 分東中西部城市子樣本的空間動態(tài)面板計量結(jié)果（系統(tǒng)GMM估計）

（1）在東部城市，金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）對SO2排放量無顯著影響，其主要原因是在東部城市這兩個指標產(chǎn)生的對SO2排放的規(guī)模效應(yīng)，在一定程度上被它們同時產(chǎn)生的結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)帶來的消減作用所抵消，導(dǎo)致了影響不具顯著性。金融集聚（FinC）系數(shù)顯著為負，這是由于東部城市金融集聚程度比較高，金融集聚對技術(shù)進步的作用更突出，導(dǎo)致對SO2排放產(chǎn)生顯著為負的效應(yīng)。對于中西部城市，金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）對SO2排放的影響顯著為正，這意味著近些年來中西部城市金融深化和金融規(guī)模的發(fā)展促進了工業(yè)發(fā)展，帶來了經(jīng)濟增長，擴大了居民消費，從而增加了中西部城市的SO2排放。而金融集聚（FinC）的系數(shù)不顯著，但為負。比較東、中西部城市可以發(fā)現(xiàn)，金融發(fā)展在金融發(fā)展水平較高、經(jīng)濟基礎(chǔ)較好、創(chuàng)新能力較強的東部城市通過促進技術(shù)進步、提高能源效率降低SO2排放的作用已經(jīng)顯現(xiàn)。而在中西部城市，金融發(fā)展主要作用體現(xiàn)在促進SO2排放的規(guī)模效應(yīng)提升上，技術(shù)效應(yīng)較小，因此金融發(fā)展對SO2排放在中西部城市表現(xiàn)出顯著的增長影響。

（2）雖然金融發(fā)展與經(jīng)濟活躍程度的交互項（lnFDct·lnActivect）在東部、中西部城市符號相同，且均顯著為正；但是我們可以發(fā)現(xiàn)金融發(fā)展與經(jīng)濟活躍程度的交互項在東部城市顯著性更弱，且系數(shù)更小，這說明雖然在東部城市金融發(fā)展通過促進經(jīng)濟規(guī)模的增長而惡化了環(huán)境；但是，這種負面作用要比中西部城市明顯更弱。原因在于，經(jīng)過幾十年的發(fā)展，東部城市作為改革開放的排頭兵，整體經(jīng)濟發(fā)展水平較高，產(chǎn)業(yè)結(jié)構(gòu)中服務(wù)業(yè)的比重增長較突出，有些經(jīng)濟發(fā)達的城市已經(jīng)進入到后工業(yè)化階段，環(huán)保和綠色在東部城市愈來愈深入人心，整體政府的環(huán)境規(guī)制強度也比中西部城市更高，越來越多的新投資轉(zhuǎn)移到服務(wù)業(yè)或低污染低排放的項目中去。而不少中西部城市為了發(fā)展經(jīng)濟，更多通過促進工業(yè)發(fā)展，尤其是一些重化工業(yè)的發(fā)展上，從而在中西部城市金融發(fā)展通過促進經(jīng)濟增長帶來了更為嚴重的環(huán)境污染。同時，也可以看到金融發(fā)展與FDI的交互項（lnFDct·lnFDIct）在東部城市系數(shù)的絕對值更大，這表明，在東部城市，金融發(fā)展通過吸收FDI的技術(shù)溢出，通過促進R&D活動，提高環(huán)境效率，進而消減SO2排放的效應(yīng)更大。

（3）人均收入（GDP）系數(shù)僅在東部城市顯著為負，中西部城市雖為負，但不顯著，這說明僅在經(jīng)濟相對發(fā)達的東部城市，收入增加帶來的技術(shù)效應(yīng)顯著的消減了SO2排放。比較FDI在不同地區(qū)城市之間的影響差異性，東部城市雖為負，但系數(shù)并未通過顯著性檢驗。而在中西部城市，系數(shù)顯著為負。這就是說僅在中西部城市，F(xiàn)DI的環(huán)境溢出效應(yīng)削減了SO2排放，我們認為原因是中西部城市企業(yè)的環(huán)境技術(shù)水平與外資企業(yè)差距較大，吸收的環(huán)境技術(shù)溢出表現(xiàn)出較為明顯的推動SO2排放減少的作用。而東部城市企業(yè)的環(huán)境技術(shù)水平較高，與外資企業(yè)差距較小，外資企業(yè)環(huán)境技術(shù)溢出并未表現(xiàn)出顯著性。

四、結(jié)論與政策啟示

目前國內(nèi)外已有的研究金融發(fā)展對環(huán)境質(zhì)量影響的文獻主要采用跨國或省級面板數(shù)據(jù)進行研究，樣本數(shù)較少，并且已有的文獻往往忽視了環(huán)境污染排放動態(tài)變化的過程，或者未考慮區(qū)域之間環(huán)境污染排放的空間溢出性。基于此，本文使用了中國2003年—2012年275個城市的數(shù)據(jù)，利用兼具空間估計方法和動態(tài)面板回歸模型優(yōu)勢的空間動態(tài)面板數(shù)據(jù)模型，并采用更具科學(xué)性的系統(tǒng)廣義距（SYM-GMM）方法進行估計，從而研究了金融發(fā)展對環(huán)境質(zhì)量的影響效用。系統(tǒng)廣義距估計發(fā)現(xiàn)，總體而言，金融機構(gòu)貸款比率、存款比率對SO2排放有顯著的促進作用；然而，金融集聚卻抑制了SO2排放。金融發(fā)展通過促進經(jīng)濟增長增加了SO2排放，但通過吸收FDI技術(shù)溢出消減了SO2排放。進一步研究表明金融發(fā)展的影響效應(yīng)存在區(qū)域的差異性，在東部城市，金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）對SO2排放量無顯著影響，金融集聚（FinC）系數(shù)顯著為負；對于中西部城市，金融機構(gòu)貸款比率（Cred）、金融機構(gòu)存款比率（Depo）對SO2排放的影響顯著為正，而金融集聚（FinC）的系數(shù)不顯著，但為負。雖然在東部城市金融發(fā)展通過促進經(jīng)濟發(fā)展而惡化了環(huán)境，但是，這種負面作用要比中西部城市明顯更弱。在東部城市，金融發(fā)展通過吸收FDI的技術(shù)溢出，進而消減SO2排放的效應(yīng)更大。

本文的研究結(jié)論蘊含豐富的政策含義：首先，要重視發(fā)展綠色金融，金融部門在投融資過程中要有所選擇，不能只考慮經(jīng)濟效益，更要考慮環(huán)境效益。尤其是中西部城市，在積極促進金融發(fā)展的同時，要采取措施促使更多的金融資源轉(zhuǎn)移到節(jié)能、環(huán)保的項目或產(chǎn)業(yè)中去，并通過金融手段引導(dǎo)居民進行綠色消費。其次，在金融發(fā)展中要合理看待金融深化、規(guī)模等“量”的發(fā)展，注重金融發(fā)展中“質(zhì)”的提升。金融發(fā)展的“質(zhì)”更有利于激發(fā)城市綠色技術(shù)創(chuàng)新能力，中西部城市更要注重金融發(fā)展中“質(zhì)”的積累，從而更好的促進城市經(jīng)濟的內(nèi)涵式發(fā)展。再次，一要繼續(xù)鼓勵“自下而上式”金融市場改革，優(yōu)化FDI技術(shù)溢出的城市金融支持環(huán)境，提升國內(nèi)企業(yè)對FDI技術(shù)溢出效應(yīng)的吸收能力；二要加強中小企業(yè)金融支持體系建設(shè)， 創(chuàng)新支持企業(yè)研發(fā)的金融制度，增強企業(yè)對先進技術(shù)的模仿和學(xué)習(xí)能力，從而促進吸收FDI的技術(shù)溢出。

[1] ALFARO L, CHAND A, KALEMLI-OZCAN S, et al. FDI and Economic Growth: The Role of Local Financial Markets[J]. Journal of International Economics, 2004, 64: 89-112.

[2] GANTMAN E R, DABOS M P. A Fragile Link? A New Empirical Analysis of the Relationship between Financial Development and Economic Growth[J]. Oxford Development Study, 2012, 40(4): 517-532.

[3] LEE J, CHEN K, CHO C-H. The Relationship between CO2Emissions and Financial Development: Evidence from OECD Countries [J]. Singapore Economic Review, 2015, 60(5): 155-172.

[4] TAMAZIAN A, CHOUSA J P, VADLAMANNATI C. Does Higher Economic and Financial Development Lead to Environmental Degradation: Evidence from the BRIC Countries[J].Energy Policy, 2009, 37: 246-253.

[5] OMRI A, DALY S, RAULT C, et al. Financial Development, Environmental Quality, Trade and Economic Growth: What Causes What in MENA Countries[J]. Energy Economic,2015,48: 242-252.

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

[7] OZTURK I, ACARAVCI A. The Long-run and Causal Analysis of Energy, Growth, Openness and Financial Development on Carbon Emissions in Turkey[J]. Energy Economic，2013，36：262-267.

[8] ABBASI F, RIAZ K. CO2Emissions and Financial Development in an Emerging Economy: an Augmented VAR Approach[J]. Energy Policy, 2016, 90: 102-114.

[9] 嚴成樑, 李濤, 蘭偉. 金融發(fā)展、創(chuàng)新與二氧化碳排放[J]. 金融研究, 2016(1): 14-30.

[10] 熊靈，齊紹洲. 金融發(fā)展與中國省區(qū)碳排放——基于STIRPAT模型和動態(tài)面板數(shù)據(jù)分析[J]. 中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2016(2)：63-73.

[1 1] ANTWEILER W, COPELAND B R, TAYLOR M S. Is Free Trade Good for the Environment? [J]. American Economic Review, 2001, 91: 807-908.

[1 2] ZHANG Y J. The Impact of Financial Development on Carbon Emissions: an Empirical Analysis in China[J]. Energy Policy, 2011, 39：2197-2203.

[13] 朱玉杰, 倪驍然. 金融規(guī)模如何影響產(chǎn)業(yè)升級: 促進還是抑制? [J]. 中國軟科學(xué)，2014(4)：180-192.

[1 4] 彭水軍, 張文城, 曹毅. 貿(mào)易開放的結(jié)構(gòu)效應(yīng)是否加劇了中國的環(huán)境污染[J]. 國際貿(mào)易問題, 2013(8): 119-132.

[15] WANG D, CHEN W. Foreign Direct Investment, Institutional Development, and Environmental Externalities: Evidence from China[J]. Journal of Environmental Management, 2014，135：81-90.

[16] GROSSMAN G M, KRUEGER A B. Economic Growth and the Environment[J]. Quarterly Journal of Economics, 1995, 110: 353-377.

[17] KONINGS J. The Effects of Foreign Direct Investment on Domestic Firms: Evidence from Firm-level Panel Data in Emerging Economies[J]. Economic Transit, 2001,9 (3)：619-633.

[18] KUKENOVA M, MONTEIRO J A. Spatial Dynamic Panel Model and System GMM: A Monte Carlo Investigation[R]. Technical Report, University Library of Munich, Germany, 2009.

[19] ARELLANO M, BOVER O. Another Look at the Instrumental Variable Estimation of Error Components Models[J]. Journal of Econometrics, 1995, 68(1)：29-51.

[20] BLUNDELL R, BOND S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J]. Journal of Econometrics, 1998, 87(1)：115-143.

[21] JACOBS J M, Jenny E L, Hendrik V. Dynamic Panel Data Models Featuring Endogenous Interaction and Spatially Correlated Errors[Z]. Discussion Paper Tilburg University, Center for Economic Research, 2009.

（責(zé)任編輯：周吉光）

Have the Financial Development Deteriorated the Urban Environmental Quality in China？—Based on the Spatial Dynamic Panel Data Model in 275 Cities

HE Xiang-min, LAI Yong-jian

Nanchang Institute of Technology, Nanchang, Jiangxi 330099

Based on the spatial dynamic panel data model that have both the advantage of the spatial estimation method and the dynamic panel regression model, this paper studied the financial development effect to SO2emissions in 275 Chinese cities. System of generalized distance estimate is found that, the loan ratio of financial institutions, deposit ratio have significant role in promoting the urban SO2emissions; however, the financial agglomeration, inhibited the SO2emissions. From the indirect channel, the financial development, increased the SO2emissions by promoting economic growth, but by absorbing the technology spillover of FDI to reduce SO2emissions. Further research show that the financial development have the differences effect to SO2emissions of cities in different regions.

financial development; environmental quality; SO2emissions; the spatial dynamic panel model

F205

A

1007-6875(2017)02-0030-08

??日期：2017-03-06

10.13937/j.cnki.hbdzdxxb.2017.02.006

國家自然科學(xué)基金項目（71563029）；教育部人文社科青年項目（15YJC790025）；江西省社科規(guī)劃課題（15YJ33）；江西省科技廳軟科學(xué)課題（20161BBA10041）。

賀祥民（1981—），女，湖南邵陽人，碩士，講師，研究方向為可持續(xù)發(fā)展；賴永劍（1980—），男，江西贛州人，博士，副教授，研究方向為產(chǎn)業(yè)經(jīng)濟。