郭希宇

（中國人民銀行曲阜市支行，山東 曲阜 273100）

一、引言

根據(jù)世界銀行公開數(shù)據(jù)，近60年來中國二氧化碳排放量總體呈上升趨勢，從1960年的1.17公噸/人增加至2018年的7.41公噸/人。我國經(jīng)濟建設(shè)取得巨大成就的同時也給生態(tài)環(huán)境造成較大壓力。進入新時期，我國更加重視生態(tài)文明建設(shè)，經(jīng)濟發(fā)展兼顧“優(yōu)環(huán)境”與“穩(wěn)增長”的雙重目標(biāo)。2021年11月13日，習(xí)近平總書記在亞太經(jīng)合組織第二十八次領(lǐng)導(dǎo)人非正式會議上再次強調(diào)，“要堅持人與自然和諧共生，積極應(yīng)對氣候變化，促進綠色低碳轉(zhuǎn)型，努力構(gòu)建地球生命共同體。中國將力爭2030年前實現(xiàn)碳達峰、2060年前實現(xiàn)碳中和?！?/p>

從現(xiàn)實出發(fā)，如何精準(zhǔn)測度及評價綠色金融與低碳經(jīng)濟間的客觀現(xiàn)實規(guī)律，建設(shè)綠色金融進而驅(qū)動地區(qū)低碳經(jīng)濟轉(zhuǎn)型，以及協(xié)調(diào)好地區(qū)之間綠色金融和低碳經(jīng)濟的空間關(guān)聯(lián)已成為實現(xiàn)綠色金融與低碳經(jīng)濟良性互動、協(xié)同發(fā)展，最終實現(xiàn)我國低碳轉(zhuǎn)型所面臨的重要理論與現(xiàn)實問題。以往研究僅考慮到綠色金融對低碳經(jīng)濟的單向關(guān)系，未考慮經(jīng)濟效應(yīng)的空間溢出規(guī)律?；谝陨涎芯勘尘埃疚膶⒕G色金融與低碳經(jīng)濟之間的交互影響與空間溢出效應(yīng)納入考慮，并嘗試解決以下經(jīng)濟問題：一是系統(tǒng)分析綠色金融與低碳經(jīng)濟的雙向影響，克服內(nèi)生性問題導(dǎo)致的估計偏誤；二是同時考察綠色金融與低碳經(jīng)濟間的跨地區(qū)空間溢出效應(yīng)，而后進行經(jīng)驗檢驗與分析；三是識別綠色金融影響低碳經(jīng)濟的條件性特征和階段性特征。相較于既往研究，本文的實證結(jié)論更具普通性。

二、文獻綜述、理論機制與研究假設(shè)

在研究方向及視角方面，已有文獻多集中討論金融發(fā)展對二氧化碳排放的影響，較少從綠色金融視角探討其對低碳經(jīng)濟轉(zhuǎn)型的作用，以及低碳經(jīng)濟對綠色金融的反向影響（嚴(yán)成樑等，2016）。然而，忽略低碳對綠色金融的反向影響會使實證模型出現(xiàn)嚴(yán)重的內(nèi)生性問題，進而導(dǎo)致估計結(jié)果出現(xiàn)偏誤。也有文獻從綠色信貸著手，或者將其作為綠色金融的衡量指標(biāo)，建立計量模型分析綠色信貸政策的環(huán)境效應(yīng)（蘇冬蔚等，2018；王馨等，2021）。

從研究方法上看，大部分研究主要通過構(gòu)造理論或?qū)嵶C模型，對綠色金融與低碳經(jīng)濟的關(guān)系進行定量考察。在實證研究設(shè)計方面，存在以下問題：第一，在指標(biāo)設(shè)定上，已有研究文獻鮮少測算我國分地區(qū)綠色金融指數(shù)，亦缺乏對我國低碳經(jīng)濟轉(zhuǎn)型的相應(yīng)測度。第二，在模型構(gòu)造方面，已有研究多是建立傳統(tǒng)面板數(shù)據(jù)模型，估計本地區(qū)綠色金融與低碳經(jīng)濟二者的經(jīng)濟聯(lián)系，忽視了綠色金融和低碳經(jīng)濟可能的空間溢出效應(yīng)（王遙等，2019；趙軍等，2020）。第三，已有文獻多是從全國層面研究中國綠色金融與低碳經(jīng)濟的關(guān)系，沒有考慮國內(nèi)不同地區(qū)之間的異質(zhì)性，實際上不同區(qū)域、不同省份間的綠色金融指數(shù)存在較大差異。第四，現(xiàn)有研究成果大多默認(rèn)了兩者間的“一成不變”的經(jīng)濟關(guān)聯(lián)，進而構(gòu)建線性回歸模型并以此進行參數(shù)估計，沒有考慮綠色金融影響我國低碳經(jīng)濟轉(zhuǎn)型的條件性特征與階段性特征。

基于現(xiàn)有研究成果，本文認(rèn)為綠色金融與低碳經(jīng)濟之間存在交互影響。綠色金融影響低碳經(jīng)濟的主要路徑有四個：一是為低碳產(chǎn)業(yè)提供資金支持。低碳產(chǎn)業(yè)發(fā)展、綠色項目建設(shè)需要長期充足的資金投入，穩(wěn)定的資金來源是低碳經(jīng)濟發(fā)展的核心問題，而綠色金融政策能夠通過豐富的金融工具滿足低碳產(chǎn)業(yè)資金需求，進而促進低碳經(jīng)濟轉(zhuǎn)型。二是引導(dǎo)企業(yè)綠色化轉(zhuǎn)型。銀行業(yè)等金融機構(gòu)通過對企業(yè)經(jīng)營領(lǐng)域、生產(chǎn)形式的篩選，將金融政策向低碳型企業(yè)傾斜，向市場釋放綠色發(fā)展信號。同時綠色金融能夠優(yōu)化資本配置，引導(dǎo)資金從“兩高一?！碑a(chǎn)業(yè)流向低碳產(chǎn)業(yè)，進而激勵更多企業(yè)開發(fā)環(huán)保生產(chǎn)新技術(shù)，逐步實現(xiàn)生產(chǎn)低碳化。三是綠色信息披露與綠色監(jiān)管要求企業(yè)低碳運營。綠色金融政策在為低碳產(chǎn)業(yè)提供融資服務(wù)時會要求相應(yīng)企業(yè)及時披露其低碳發(fā)展信息，這會約束企業(yè)的碳排放行為，促使其逐漸實現(xiàn)碳減排。銀行和證券機構(gòu)可以對企業(yè)資金流向進行追蹤檢測，在一定程度上規(guī)范企業(yè)經(jīng)營行為，監(jiān)督企業(yè)將融得資金進行低碳生產(chǎn)。四是分散低碳技術(shù)發(fā)展風(fēng)險。金融本身具有風(fēng)險分散的功能，可以分散和化解高新產(chǎn)業(yè)發(fā)展自身的風(fēng)險，綠色金融為低碳生產(chǎn)技術(shù)的探索與創(chuàng)新提供資金基礎(chǔ)，其中綠色信貸、綠色保險以及碳金融等政策可以有效地為企業(yè)分散低碳技術(shù)發(fā)展所產(chǎn)生的相應(yīng)風(fēng)險。

低碳經(jīng)濟對綠色金融的影響機制主要表現(xiàn)在兩個方面：一是低碳經(jīng)濟發(fā)展能夠促進完善綠色金融發(fā)展機制。經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級往往會引導(dǎo)、促進金融結(jié)構(gòu)不斷優(yōu)化，低碳經(jīng)濟會對綠色金融提出新發(fā)展要求，促進傳統(tǒng)金融業(yè)不斷向綠色金融轉(zhuǎn)變。一個國家或地區(qū)的社會經(jīng)濟越發(fā)達，其對金融服務(wù)的需求則愈大。而在不同經(jīng)濟基礎(chǔ)下，金融將會有不同的發(fā)展方向和模式，即經(jīng)濟發(fā)展方向的變化會引起金融業(yè)的適應(yīng)性調(diào)整，國民經(jīng)濟在低碳轉(zhuǎn)型過程中將引導(dǎo)金融業(yè)向綠色化轉(zhuǎn)變。武志（2010）認(rèn)為，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和技術(shù)進步等方面帶來的經(jīng)濟增長能夠顯著提升金融業(yè)發(fā)展的內(nèi)在質(zhì)量，未來工作重點應(yīng)放在經(jīng)濟發(fā)展質(zhì)量與效益方面，而非通過無限制地擴張金融規(guī)模來刺激經(jīng)濟增長。二是豐富綠色金融工具，提升貸款工具的精準(zhǔn)度與運行效率。以“雙碳”發(fā)展背景下的碳減排支持工具為例，其作為綠色金融專項政策工具，要求“先貸后借”，在進行流動性投放時具備較高精準(zhǔn)度；另一方面其要求實體端必須滿足監(jiān)管部門所規(guī)定的信息披露、投放方向以及第三方機構(gòu)核查等條件。該政策工具的落地將會吸引更多的社會資金參與到環(huán)保節(jié)能生產(chǎn)、清潔能源開發(fā)中來，助力綠色金融發(fā)展。三是低碳經(jīng)濟轉(zhuǎn)型發(fā)展對綠色金融提出了更高的建設(shè)要求與監(jiān)管標(biāo)準(zhǔn)。2016年8月31日，經(jīng)國務(wù)院批準(zhǔn)，中國人民銀行等七部委聯(lián)合印發(fā)了《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》（以下簡稱《意見》）?！兑庖姟窂娬{(diào)了構(gòu)建綠色金融體系的重要意義，并明確指出從發(fā)展綠色信貸、綠色投資，設(shè)立綠色發(fā)展基金，發(fā)展綠色保險、完善環(huán)境權(quán)益交易市場，開展綠色金融國際合作等角度落實綠色金融建設(shè)，同時明確指出要完善金融、環(huán)保、財政等政策和法律法規(guī)的配套支持，并且通過建立適當(dāng)?shù)募钆c約束機制解決項目環(huán)境的外部性問題。

地理學(xué)第一定律指出，任何事物均與其他事物相關(guān)，相近事物關(guān)聯(lián)更為緊密。綜合以上文獻述評與機制分析，并結(jié)合地理學(xué)相關(guān)定律，本研究提出以下研究假設(shè)：

H1：綠色金融與低碳經(jīng)濟相互作用，存在交互效應(yīng)。

H2：綠色金融對我國低碳經(jīng)濟轉(zhuǎn)型的影響存在空間溢出效應(yīng)。

這種地理空間位置上的經(jīng)濟聯(lián)系使得本地區(qū)低碳經(jīng)濟的發(fā)展不僅受到本地綠色金融指數(shù)的影響，并且在一定程度上受到其他地區(qū)綠色金融建設(shè)的外部沖擊。

三、我國低碳TFP與綠色金融指數(shù)測度

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）由Charnes等提出，是評價決策單元（DMU）多投入多產(chǎn)出相對有效性的分析方法。學(xué)術(shù)界普遍采用DEA技術(shù)測度全要素生產(chǎn)率，本研究遵循這一計算規(guī)則。但無論是基于不變規(guī)模收益假定的CCR模型還是基于可變規(guī)模收益假定的BCC模型，此類徑向模型在進行DEA測度時會遺漏松弛變量信息，難以克服徑向和角度的問題。為應(yīng)對這種缺陷，Tone（2001）提出SBM-DEA模型，這是一種非徑向、非角度的非期望產(chǎn)出模型，能較好地解決上述問題。基于此，構(gòu)造評價我國低碳全要素生產(chǎn)率的非期望產(chǎn)出SBM-DEA模型如下：

其中：n表示DMU投入要素種類數(shù)量，ω1為期望產(chǎn)出的種類數(shù)量，ω2為非期望產(chǎn)出的種類數(shù)量，xiθ、ykθ和zkθ分別代表投入、期望產(chǎn)出以及非期望產(chǎn)出的向量，s-、s+和s。分別是投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量，ξ表示常數(shù)向量。目標(biāo)函數(shù)ρ關(guān)于s-、s+和s。單調(diào)遞減，并且ρ∈(0,1]。對于特定被評價單元而言，目標(biāo)函數(shù)效率值ρ愈大，DMU的效率值愈高；當(dāng)且僅當(dāng)ρ=1，即s-=0、s+=0、s。=0時，DMU處在效率前沿上，即完全有效；若ρ＜1，則意味著生產(chǎn)單元存在效率損失，可以通過調(diào)整優(yōu)化要素投入、期望產(chǎn)出和非期望產(chǎn)出量以改善效率。

Malmquist-Luenberger（ML）指數(shù)是測算生產(chǎn)效率的主流方法，但該指數(shù)不具備傳遞性，在計算跨期方向性距離函數(shù)時，線性規(guī)劃存在無解的可能。Oh（2010）將ML指數(shù)與全局生產(chǎn)技術(shù)相結(jié)合，使所有被評價的決策單元均包含在全局參考集內(nèi)，構(gòu)建了Global Malmquist-Luenberger（GML）生產(chǎn)率指數(shù)。GML指數(shù)在研究低碳全要素生產(chǎn)效率時能夠進行跨期比較，克服了傳統(tǒng)ML指數(shù)存在的非傳遞性問題以及線性規(guī)劃中無可行解的缺陷。本文借鑒Qin（2017）的研究思路，用考慮了非期望產(chǎn)出SBM方向性距離函數(shù)的 Global Malmquist-Luenberger指數(shù)測算低碳全要素生產(chǎn)率，以此衡量低碳經(jīng)濟轉(zhuǎn)型。本研究構(gòu)造低碳經(jīng)濟GML指數(shù)如下：

圖1 2001—2018年樣本省市低碳全要素生產(chǎn)率分布三維曲面圖

圖2 2001—2018年樣本省市低碳技術(shù)效率變化指數(shù)和低碳技術(shù)進步指數(shù)分布等高線圖

從圖1可以看出，2001—2018年我國各省市低碳全要素生產(chǎn)率累積值總體分布在0—3的區(qū)間內(nèi)，隨時間呈現(xiàn)遞升趨勢，但不同省市間存在明顯異質(zhì)性。以相對量測度的低碳TFP描述了各省級行政區(qū)低碳全要素生產(chǎn)率的跨時期動態(tài)變遷，在考察年度內(nèi)，觀測值集中分布在1.0上下，低碳全要素生產(chǎn)率的歷年變動較為平穩(wěn)。圖2顯示了低碳技術(shù)效率變化的整體情況，各地區(qū)技術(shù)效率總體差異不大，均未突破1.25的峰值。但在2005、2013和2016年有大范圍的技術(shù)效率躍升，并處在高值狀態(tài)。對于低碳技術(shù)進步，在全國范圍內(nèi)絕大多數(shù)觀測值穩(wěn)定在1.0以上，在2008及2013年有小幅下降，但總體而言低碳技術(shù)進步表現(xiàn)出小幅穩(wěn)步提高態(tài)勢。

既往研究多以綠色信貸表征綠色金融發(fā)展水平，難以全面體現(xiàn)綠色金融內(nèi)涵，本文在已有研究基礎(chǔ)上，從綠色信貸、綠色投資、綠色風(fēng)投和政府支持四個角度出發(fā)，綜合構(gòu)建各地區(qū)綠色金融指數(shù)。所使用數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》和各省統(tǒng)計年鑒。其中綠色風(fēng)投數(shù)據(jù)來自清科集團（Zero2IPO）的私募通數(shù)據(jù)庫（PEDATA），首先依據(jù)發(fā)生年份對風(fēng)險投資事件進行整理，然后依據(jù)被投資企業(yè)的注冊地，將新能源、新材料以及環(huán)保三行業(yè)的風(fēng)險投資額與各個省份相匹配，得到2001-2018年的綠色風(fēng)投數(shù)據(jù)。最后，采用熵值法測算省際綠色金融指數(shù)，指標(biāo)體系如表1所示。

表1 綠色金融指標(biāo)體系

總的來看，在考察期內(nèi)東部沿海省份的綠色金融發(fā)展進程整體領(lǐng)先于中西部地區(qū)。北京、天津、廣東和上海等地的綠色金融指數(shù)明顯高于其他省份，處在國內(nèi)領(lǐng)先位置。山東、江蘇和浙江等沿海經(jīng)濟大省綠色金融發(fā)展緊隨其后。此外，重慶、四川、湖北、陜西等地隨時間發(fā)展出現(xiàn)協(xié)同演進趨勢，該區(qū)域內(nèi)各省市綠色金融建設(shè)處在彼此接近的水平；而以新疆、青海、云南、甘肅等為代表的西部省份處在綠色金融發(fā)展的初步階段。

四、實證研究設(shè)計

（一）模型構(gòu)建

1.權(quán)重矩陣設(shè)定

相較于傳統(tǒng)計量模型，空間計量模型將經(jīng)濟規(guī)律中普遍存在的空間依賴性納入考慮，即觀測值在空間上缺乏獨立性——本地區(qū)的樣本觀測值受到其他地區(qū)觀測值的密切影響。并且根據(jù)地理學(xué)第一定律，相近地區(qū)有更為緊密的聯(lián)系，空間相關(guān)的模式和程度依賴于地區(qū)之間的絕對與相對位置。首先，借助GeoDa和ArcGIS軟件，建立簡單的0-1空間權(quán)重矩陣，兩地區(qū)相鄰為1，不相鄰則為0，如式（3）所示。

考慮到21世紀(jì)以來互聯(lián)網(wǎng)技術(shù)尤其是信息通訊、AI、大數(shù)據(jù)以及云計算等的大發(fā)展，地區(qū)間的聯(lián)系比以往更緊密、更高效，同時考慮到國內(nèi)完善的交通基礎(chǔ)設(shè)施環(huán)境，省份之間的關(guān)聯(lián)在一定程度上緩解了地理距離上的障礙，經(jīng)濟距離意義上的空間關(guān)聯(lián)表現(xiàn)得愈加明顯。參考張學(xué)良（2012）的研究，以人均地區(qū)增加值差異為矩陣基礎(chǔ)元素，構(gòu)建描述經(jīng)濟發(fā)展水平差異的空間權(quán)重矩陣，如式（4）所示，其中pGDP表示人均地區(qū)生產(chǎn)總值。

基于鄰接關(guān)系或地理距離構(gòu)建的空間權(quán)重矩陣，忽略了空間觀測單元之間互相作用的經(jīng)濟和社會因素，因而在研究經(jīng)濟金融領(lǐng)域問題時常受到質(zhì)疑。但是，地理距離依然是研究地區(qū)經(jīng)濟空間關(guān)聯(lián)不容忽視的影響因素，因此，在經(jīng)濟距離權(quán)重矩陣的基礎(chǔ)上考慮地理距離因素，構(gòu)建經(jīng)濟地理嵌套矩陣，全面考察經(jīng)濟與地理因素，如式（5）。其中，distanceij表示地區(qū)i和地區(qū)j之間以經(jīng)緯度坐標(biāo)計算的地理距離。

Shao等（2020）認(rèn)為，經(jīng)濟發(fā)達的地區(qū)對經(jīng)濟落后的地區(qū)影響相對更大，因此應(yīng)當(dāng)賦予更大的空間權(quán)重，這種差異可用兩地人均GDP的比值度量?；诖耍骖櫟乩砭嚯x因素，構(gòu)建非對稱經(jīng)濟地理嵌套矩陣，如式（6）所示。

2.基準(zhǔn)模型選擇

實證模型具體形式的選擇與設(shè)定對參數(shù)估計結(jié)果的準(zhǔn)確性有至關(guān)重要的影響。在進行相應(yīng)檢驗前，適用何種空間計量模型來探索綠色金融與低碳經(jīng)濟二者間的經(jīng)濟規(guī)律并不確定，而相異類型的空間計量模型假定了不同的空間傳導(dǎo)機制，其蘊含的經(jīng)濟意義也有所差別。如式（7）所示，首先考察一個廣義嵌套空間（GNS）模型，其中LCE表示低碳經(jīng)濟轉(zhuǎn)型指數(shù)，GF表示綠色金融指數(shù)，W指待構(gòu)造的空間權(quán)重矩陣，X為一系列控制變量，α為常數(shù)項，β和ρ是待估參數(shù)，μ和ε指隨機擾動項。

當(dāng)空間誤差項中的λ為0時，GNS模型轉(zhuǎn)化為SDM模型，即式（8）。該方程考察了經(jīng)濟變量之間的交互作用，即本地區(qū)的低碳經(jīng)濟指數(shù)不僅受本市綠色金融發(fā)展的影響，還受到其他地區(qū)低碳經(jīng)濟和綠色金融發(fā)展的影響。

當(dāng)SDM模型考察的空間交互作用不存在，即ρ2=0時，地區(qū)間只存在單向的空間相關(guān)性，SDM模型轉(zhuǎn)化為SAR模型。如式（9），其假設(shè)低碳經(jīng)濟會通過空間相互作用對其他地區(qū)的低碳經(jīng)濟產(chǎn)生影響（Anselin等，2008）。

對于SDM模型而言，當(dāng)因變量回歸系數(shù)和空間滯后項系數(shù)的乘積與空間交互項系數(shù)之和為0時，SDM就轉(zhuǎn)化為SEM模型，如式（10）。SEM模型假定綠色金融空間溢出的產(chǎn)生是隨機沖擊所導(dǎo)致的，其空間效應(yīng)主要通過誤差項傳導(dǎo)。

然后對模型設(shè)定形式進行相應(yīng)檢驗，依次對式（7）施以LM檢驗、LR檢驗以及Wald檢驗，以識別模型的具體形式。結(jié)果如表2所示，在4種權(quán)重矩陣下，LMlag檢驗和LMerror檢驗的結(jié)果總體具備較高顯著性水平，這表明SEM模型在解釋經(jīng)濟問題時優(yōu)于SAR模型。此外，進一步考察LR檢驗與Wald檢驗，結(jié)果表明兩種檢驗均顯著拒絕原假設(shè)，這意味著僅采用SEM模型和SAR模型分析綠色金融的空間溢出效應(yīng)可能導(dǎo)致估計偏誤。因而，選擇SDM模型作為數(shù)據(jù)樣本的基準(zhǔn)回歸模型。

表2 空間計量模型設(shè)定檢驗

最后為了確定回歸模型應(yīng)當(dāng)使用隨機效應(yīng)還是固定效應(yīng)，進行豪斯曼檢驗，結(jié)果如表3所示?？梢钥闯?，0-1空間鄰接矩陣和非對稱經(jīng)濟地理矩陣均不拒絕原假設(shè)，表明應(yīng)建立隨機效應(yīng)模型進行分析。而經(jīng)濟地理嵌套矩陣和經(jīng)濟距離權(quán)重矩陣皆顯著拒絕了應(yīng)建立隨機效應(yīng)模型的原假設(shè)，即應(yīng)當(dāng)選擇固定效應(yīng)模型。進一步分析發(fā)現(xiàn)，時點固定效應(yīng)總體R2明顯高于個體固定效應(yīng)和雙固定效應(yīng)下的可決系數(shù)，因此擇以時點固定效應(yīng)模型進行后續(xù)研究。

表3 固定效應(yīng)與隨機效應(yīng)選擇

3.空間聯(lián)立方程模型的建立

綜合上述分析，考慮到綠色金融與低碳經(jīng)濟各自的空間溢出效應(yīng)、空間交互作用以及綠色金融經(jīng)濟與低碳經(jīng)濟可能存在的雙向內(nèi)生關(guān)系，建立如下空間聯(lián)立方程模型。其中，式（11）為綠色金融方程，式（12）為低碳經(jīng)濟方程。式中，μi、ξi和v、ε分別代表地區(qū)個體效應(yīng)和隨機擾動因素。

（二）數(shù)據(jù)來源與描述性統(tǒng)計

本研究所使用數(shù)據(jù)主要來自中國碳核算數(shù)據(jù)庫（CEADs）、Wind數(shù)據(jù)庫、《中國統(tǒng)計年鑒》、《中國保險年鑒》、各省統(tǒng)計年鑒以及中國人民銀行官網(wǎng)等。綠色金融和低碳經(jīng)濟指數(shù)的定義與計算在文章第三部分已作說明。在控制變量方面，能源強度（EI）用各省市能源消費總量與地區(qū)生產(chǎn)總值的比值測度，實際GDP的基年為2000年，單位為億元。外商直接投資（FDI）計算方法為：采用年均匯率將FDI折算成人民幣，后求出其占地區(qū)名義GDP的百分比。工業(yè)化水平（INDL）指各省市工業(yè)增加值與地區(qū)生產(chǎn)總值的比值。城鎮(zhèn)化水平（Urban）用各省市城鎮(zhèn)人口與地區(qū)總?cè)丝诘谋戎当硎?。?jīng)濟發(fā)展水平（lnEDL）以各省人均GDP度量，以2000年為基期，用各省GDP平減指數(shù)對各省GDP進行平減。此外，為緩解可能的異方差問題，對所有非比值型和非指數(shù)型變量取自然對數(shù)。數(shù)據(jù)的描述性統(tǒng)計如表4所示。

表4 變量的描述性統(tǒng)計

（三）估計方法

對于空間面板聯(lián)立方程模型，Kelejian和Prucha （2004）提出廣義空間三階段最小二乘（GS3SLS）估計策略，而Baltagi與Ying（2015）則給出了針對空間聯(lián)立方程的誤差成分三階段最小二乘（EC3SLS）估計方法。其中，GS3SLS方法不僅考慮了內(nèi)生變量潛在的空間相關(guān)性，同時也對各方程隨機干擾項的相關(guān)性進行了處置。因此本文參考Kelejian和Prucha的研究思路，運用廣義空間三階段最小二乘法（GS3SLS）對式（11）-（12）進行估計。在低碳經(jīng)濟方程中，外生變量選擇為能源強度（EI）、工業(yè)化水平（INDL）和外商直接投資（FDI）。在綠色金融方程中，外生變量確定為城鎮(zhèn)化水平（Urban）和經(jīng)濟發(fā)展水平（lnEDL）。

五、實證結(jié)果及分析

（一）低碳經(jīng)濟方程的估計結(jié)果

根據(jù)表5的估計結(jié)果可知，綠色金融指數(shù)的估計系數(shù)為正并且全部在1%的顯著性水平下顯著，意味著綠色金融發(fā)展顯著促進了我國低碳經(jīng)濟轉(zhuǎn)型。以表5中非對稱經(jīng)濟地理嵌套矩陣的估計結(jié)果為例，控制其他變量不變，綠色金融指數(shù)每提升1單位，低碳全要素生產(chǎn)率平均提高約4.08個單位，可以看出區(qū)域內(nèi)綠色金融發(fā)展對綠色TFP的提升起到了強烈且有效的助推作用。綠色金融可以通過差異化的信貸政策，運用利率手段限制“高污染、高耗能”企業(yè)的實施規(guī)模，借助市場機制倒逼企業(yè)轉(zhuǎn)型升級。與此同時，綠色金融支持環(huán)保產(chǎn)業(yè)發(fā)展，為其融資提供優(yōu)惠和便利，鼓勵低碳企業(yè)發(fā)展壯大。此外，綠色金融政策可以促進綠色生產(chǎn)技術(shù)進步，進而產(chǎn)生碳減排效應(yīng)，為地區(qū)低碳經(jīng)濟轉(zhuǎn)型提供強有力的引擎。

綠色金融空間滯后項的估計系數(shù)為正且均在1%的顯著性水平顯著，這表明其他地區(qū)的綠色金融對本省的低碳經(jīng)濟轉(zhuǎn)型產(chǎn)生了促進作用。同樣以表5中非對稱經(jīng)濟地理矩陣的估計結(jié)果為例，能夠看出在控制其他變量不變的條件下，鄰近地區(qū)的綠色金融每提高1個單位，本地區(qū)低碳經(jīng)濟指數(shù)平均提升2.64個單位?？梢钥闯鼍G色金融進步不僅能夠促進本省低碳經(jīng)濟發(fā)展，而且顯著助推了相鄰省份的低碳經(jīng)濟轉(zhuǎn)型。低碳經(jīng)濟空間滯后項的估計系數(shù)為負且在1%的顯著性水平下顯著，這表明低碳經(jīng)濟存在顯著的負向空間溢出效應(yīng)，相鄰地區(qū)低碳經(jīng)濟的發(fā)展在一定程度上對本地區(qū)的低碳經(jīng)濟進程產(chǎn)生了擠出效應(yīng)。

表5 低碳經(jīng)濟方程估計結(jié)果

（二）綠色金融方程的估計結(jié)果

從表6可知，在3種不同的空間權(quán)重矩陣下，本地區(qū)低碳經(jīng)濟對綠色金融而言皆起到顯著促進作用，并且估計結(jié)果較為接近。這表明低碳經(jīng)濟發(fā)展有效帶動了本區(qū)域綠色金融進步。具體而言，以非對稱經(jīng)濟地理矩陣為例，在控制其他變量不變的條件下，低碳經(jīng)濟指數(shù)每提升1個單位，綠色金融指數(shù)平均提升約0.07個單位。低碳經(jīng)濟的確促進綠色金融發(fā)展，低碳經(jīng)濟對于綠色產(chǎn)業(yè)的需求、對能源與節(jié)能技術(shù)的需求，將會吸引更多的資金投向綠色發(fā)展，進而推動金融的綠色發(fā)展。

表6 綠色金融方程估計結(jié)果

對于綠色金融的空間滯后項而言，相鄰省域的綠色金融發(fā)展對本地區(qū)綠色金融發(fā)展產(chǎn)生了顯著的擠出作用。具體而言，在控制其他變量不變的條件下，鄰近地區(qū)綠色金融指數(shù)每提升1個單位，本省綠色金融指數(shù)將降低約0.63個單位。對于低碳經(jīng)濟的空間滯后而言，在3種不同空間權(quán)重矩陣下，低碳經(jīng)濟的空間溢出效應(yīng)在1%的顯著性水平下顯著。具體而言，以非對稱經(jīng)濟地理矩陣為例，在控制其他變量不變的條件下，低碳經(jīng)濟每提升1個單位，綠色金融指數(shù)平均提升約0.19個單位。低碳經(jīng)濟對綠色金融產(chǎn)生了正向的空間促進效應(yīng)，一個地區(qū)的低碳經(jīng)濟越發(fā)展則越有利于培育本地區(qū)綠色金融，同時助推了鄰近地區(qū)綠色金融發(fā)展。但是，鄰近地區(qū)的綠色金融發(fā)展與本地區(qū)綠色金融進程則是明顯的空間競爭關(guān)系，這種負向溢出效應(yīng)為地區(qū)間低碳政策協(xié)調(diào)配合、消除負外部性提供新的挑戰(zhàn)。

（三）穩(wěn)健性檢驗

本文運用廣義空間三階段最小二乘（GS3SLS）來考察綠色金融和低碳經(jīng)濟可能存在的雙向內(nèi)生關(guān)系。為了對模型進行穩(wěn)健性檢驗，采用廣義空間二階段法（GS2SLSXT）重新對方程（11）和方程（12）進行估計。結(jié)果顯示，模型中各變量符號未發(fā)生改變，數(shù)值大小未發(fā)生較大變化，并且顯著性水平基本一致，這表明表5與表6的估計結(jié)果是穩(wěn)健的②限于篇幅，未報告穩(wěn)健性檢驗結(jié)果，備索。。

（四）綠色金融助推低碳經(jīng)濟轉(zhuǎn)型的直接效應(yīng)和間接效應(yīng)分析

1.直接效應(yīng)結(jié)果分析

綠色金融的直接效應(yīng)：從表7可知，在三種不同的空間權(quán)重矩陣下，綠色金融對低碳經(jīng)濟轉(zhuǎn)型都有顯著的正向影響，并均通過1%的顯著性檢驗。此外，估計系數(shù)十分接近，這從側(cè)面反映出參數(shù)估計結(jié)果是穩(wěn)健的。能源強度的直接效應(yīng)：估計結(jié)果在5%的顯著性水平下顯著，能源強度與低碳經(jīng)濟存在負向變動的關(guān)系，高能耗對地區(qū)低碳經(jīng)濟轉(zhuǎn)型起到明顯阻礙作用。外商直接投資的直接效應(yīng)：國外資本的進入對地區(qū)低碳全要素生產(chǎn)率起到負面影響，作用較微弱，這一結(jié)果在一定程度上支持了“污染避難所”假說。

2.間接效應(yīng)結(jié)果分析

綠色金融的間接效應(yīng)：從表7可見，綠色金融在兩種矩陣下均能夠顯著促進鄰近省份低碳經(jīng)濟指數(shù)的提升，并且通過了1%的顯著性檢驗。但應(yīng)注意的是，經(jīng)濟距離矩陣下的綠色金融估計系數(shù)明顯小于經(jīng)濟地理嵌套矩陣下的回歸系數(shù)。這意味著隨著綠色金融的進步，鄰近地區(qū)的低碳經(jīng)濟指數(shù)能夠顯著提升，但是將地理距離所蘊含的信息納入到回歸方程后，參數(shù)估計結(jié)果得到了一定程度上的修正。能源強度的間接效應(yīng)：以非對稱經(jīng)濟地理矩陣為例，綠色金融的回歸系數(shù)在1%的顯著性水平下顯著，能源強度的提高有利于提高鄰近地區(qū)的低碳全要素生產(chǎn)率。經(jīng)濟發(fā)展水平的間接效應(yīng)：在三種不同權(quán)重矩陣下，系數(shù)估計結(jié)果均為負，且在5%的顯著性水平下顯著，這表明本地區(qū)經(jīng)濟發(fā)展水平的提高抑制了鄰近地區(qū)的低碳經(jīng)濟轉(zhuǎn)型。另外，從經(jīng)濟距離權(quán)重矩陣到經(jīng)濟地理嵌套矩陣，再到非對稱經(jīng)濟地理矩陣，估計參數(shù)的絕對值逐漸減下，這表明綜合考慮地理因素和經(jīng)濟發(fā)展差異的非對稱影響后，本地區(qū)經(jīng)濟發(fā)展水平的提升對相鄰地區(qū)低碳經(jīng)濟發(fā)展的抑制作用在逐漸弱化。

表7 綠色金融促進低碳經(jīng)濟轉(zhuǎn)型的直接效應(yīng)和間接效應(yīng)估計

六、綠色金融推動低碳經(jīng)濟轉(zhuǎn)型的條件性特征與階段性特征

（一）條件性特征

為了進一步闡釋在不同低碳經(jīng)濟指數(shù)水平下綠色金融影響低碳經(jīng)濟的條件性特征，建立面板分位數(shù)模型進行擴展分析，如式（13）所示。其中，X代表一系列控制變量。此外，核函數(shù)選擇Epanechnikov，帶寬確定采用Hall-Sheather法，估計方法運用核密度估計法。然后分別設(shè)置 25%、50%、75%的分位數(shù)，依次表示低碳經(jīng)濟指數(shù)的低水平、中水平以及高水平組，方程參數(shù)估計結(jié)果詳見表8。

相較于最小二乘法（OLS）而言，分位數(shù)模型具備諸多優(yōu)勢。第一，更為細致地描述了條件分布，能夠進一步展現(xiàn)條件分布的大致特征；第二，分位數(shù)回歸并不苛求較強的分布假設(shè)，當(dāng)面對擾動非正態(tài)的問題時，估計量要比OLS更加有效；第三，對存在異方差性的樣本具備很強的適應(yīng)性；第四，通過最小化加權(quán)誤差絕對值、求和得到估計參數(shù)，有效規(guī)避了異常值對估計量的擾動，因此估計結(jié)果更為穩(wěn)健。從表8可知，綠色金融對低碳經(jīng)濟的影響始終為正，并且隨著分位點的提升，影響效應(yīng)呈現(xiàn)出先減小、后增大的“U”型特征。這表明當(dāng)?shù)吞冀?jīng)濟指數(shù)處在一個較低水準(zhǔn)時，綠色金融發(fā)展有效推動了低碳經(jīng)濟進程；隨著低碳經(jīng)濟指數(shù)提升，綠色金融的助推作用出現(xiàn)遞減態(tài)勢；而當(dāng)?shù)吞冀?jīng)濟指數(shù)跨越50%的中間水平，這種正向促進作用愈漸強烈，呈現(xiàn)遞增趨勢。

表8 面板分位數(shù)模型估計結(jié)果

（二）階段性特征

為了進一步描述數(shù)字經(jīng)濟對我國實體經(jīng)濟影響的階段性特征，故在分位數(shù)回歸之后構(gòu)建面板門檻模型。如式（14）-（16），GF表示綠色金融門檻變量，Urban表示城鎮(zhèn)化水平門檻變量，INDL表示工業(yè)化水平門檻變量。I(·)表示示性函數(shù)，采用序貫檢驗（Sequential test）的方法對門檻值進行估計。

圖3似然比函數(shù)圖顯示了3種不同門檻值的估計和置信區(qū)間的構(gòu)造過程③限于篇幅，未報告門檻效應(yīng)檢驗結(jié)果，如需備索。。對于綠色金融門檻而言，其門檻估計值為0.1812，95%的置信區(qū)間為[0.1792，0.1816]，當(dāng)該門檻值處在對應(yīng)的置信區(qū)間內(nèi)時，其LR值小于5%顯著性水平下的臨界值（圖3中虛線）。另外，95%置信區(qū)間的寬度較窄，這意味著門檻值的識別效果較好。城鎮(zhèn)化水平門檻和工業(yè)化水平門檻的估計值分別為0.7640和0.1357，各自的95%置信區(qū)間分別為[0.7267，0.7801]和[0.1234，0.1395]，其他統(tǒng)計信息不再一一贅述。

圖3 門檻估計值與置信區(qū)間④從左至右依次為綠色金融、城鎮(zhèn)化水平、工業(yè)化水平門檻對應(yīng)的LR圖。

模型回歸結(jié)果如表9所示。根據(jù)估計結(jié)果，可以發(fā)現(xiàn)綠色金融對我國低碳經(jīng)濟的影響存在鮮明階段性特征。

表9 面板門檻模型估計結(jié)果

1.綠色金融的門檻效應(yīng)：當(dāng)綠色金融指數(shù)小于0.1812時，綠色金融對低碳經(jīng)濟的促進作用為2.1353，在1%的顯著性水平下顯著。當(dāng)綠色金融指數(shù)邁過門檻值0.1812后，綠色金融對低碳經(jīng)濟的促進作用達到3.3817，這意味著在具備一定的綠色金融發(fā)展基礎(chǔ)后，綠色金融對低碳經(jīng)濟的助推作用更加能夠被激發(fā)，考慮到我國各省綠色金融發(fā)展存在空間上的不平衡，經(jīng)濟落后地區(qū)與經(jīng)濟發(fā)達地區(qū)差異較大，因而綠色金融指數(shù)水平較低的省份更應(yīng)加緊步伐，建設(shè)完善綠色金融基礎(chǔ)設(shè)施與配套服務(wù)。

2.城鎮(zhèn)化門檻效應(yīng)：基于城鎮(zhèn)化發(fā)展的不同水平，綠色金融對低碳經(jīng)濟的影響表現(xiàn)為兩個截然不同的階段。總體來看，在不同的城鎮(zhèn)化水平下，綠色金融均有效促進了低碳經(jīng)濟轉(zhuǎn)型。但當(dāng)城鎮(zhèn)化水平越過門檻值0.7640后，綠色金融對低碳經(jīng)濟發(fā)展的助推作用愈加明顯，并且在1%的顯著性水平下顯著。綠色金融與低碳經(jīng)濟的關(guān)系呈現(xiàn)出明顯的“階段式躍升”的特點，這表明綠色金融與低碳經(jīng)濟間的關(guān)聯(lián)與城鎮(zhèn)化水平息息相關(guān)，城鎮(zhèn)化進程愈是蓬勃發(fā)展，綠色金融愈加能夠為低碳經(jīng)濟提質(zhì)增效。

3.工業(yè)化水平門檻效應(yīng)：經(jīng)濟聯(lián)系亦體現(xiàn)出單門檻特征，當(dāng)工業(yè)化水平小于門檻值0.1357時，綠色金融對低碳經(jīng)濟起到一定的助推作用，但不顯著。當(dāng)工業(yè)化水平跨越門檻值后，綠色金融對低碳經(jīng)濟的推動作用提高到3.7459且在1%的顯著性水平下顯著，這說明工業(yè)化水平的提升能夠有效增強綠色金融對低碳經(jīng)濟的促進作用。根據(jù)經(jīng)典的現(xiàn)代化理論，經(jīng)濟現(xiàn)代化的核心就是工業(yè)化，甚至可以將經(jīng)濟現(xiàn)代化等同于工業(yè)化，這表明現(xiàn)代化的本質(zhì)就是依靠工業(yè)化驅(qū)動的現(xiàn)代社會發(fā)展變遷的過程。更應(yīng)重視推進工業(yè)現(xiàn)代化進程，打造現(xiàn)代化工業(yè)體系，使得綠色金融支撐我國低碳經(jīng)濟轉(zhuǎn)型的積極作用進一步釋放。

七、結(jié)論與政策啟示

本文基于中國30個?。ㄊ小⒆灾螀^(qū)）2001-2018年的經(jīng)濟數(shù)據(jù)，運用空間杜賓模型、空間聯(lián)立方程模型分析了綠色金融與低碳經(jīng)濟的交互影響以及空間溢出效應(yīng)，并運用面板分位數(shù)模型和面板門檻模型分別刻畫了綠色金融促進低碳經(jīng)濟轉(zhuǎn)型的條件性特征和階段性特征。研究發(fā)現(xiàn)：第一，綠色金融與低碳經(jīng)濟間存在顯著的交互影響，兩者之間是雙向促進的關(guān)系，即綠色金融的發(fā)展能夠有效推進本地區(qū)低碳經(jīng)濟轉(zhuǎn)型，而低碳經(jīng)濟發(fā)展亦能有效拉動本地綠色金融進步。第二，綠色金融與低碳經(jīng)濟之間存在顯著的空間溢出效應(yīng)，具體而言：一是本地區(qū)的綠色金融指數(shù)與鄰近地區(qū)的綠色金融指數(shù)顯著負相關(guān)，同時本地的低碳經(jīng)濟發(fā)展與鄰近地區(qū)的低碳經(jīng)濟顯著負相關(guān)；二是鄰近地區(qū)的綠色金融發(fā)展給本地低碳經(jīng)濟增長帶來促進作用，而鄰近地區(qū)的低碳經(jīng)濟規(guī)模的擴大亦對本地綠色金融發(fā)展帶來正面助推作用；三是鄰近地區(qū)的綠色金融發(fā)展對本地區(qū)綠色金融產(chǎn)生了顯著的擠出效應(yīng)，并且鄰近地區(qū)低碳經(jīng)濟轉(zhuǎn)型中對本地低碳經(jīng)濟亦產(chǎn)生了一定的抑制效應(yīng)。第三，綠色金融對低碳經(jīng)濟的影響存在著顯著的條件性特征和階段性特征。

基于以上研究結(jié)論，提出如下政策啟示：第一，應(yīng)持續(xù)研究并健全綠色低碳發(fā)展政策，事中重落實、事后嚴(yán)監(jiān)管，強化綠色金融與低碳經(jīng)濟的良性互動與協(xié)同發(fā)展。第二，應(yīng)樹立綠色金融發(fā)展全局戰(zhàn)略思維，構(gòu)建互利共生的區(qū)域金融發(fā)展格局。省份之間在政策制定方面應(yīng)當(dāng)加強溝通與協(xié)調(diào)，建立健全信息共享機制，減少信息不對稱對低碳經(jīng)濟轉(zhuǎn)型的負外部性，不斷提升地區(qū)間綠色金融發(fā)展的政策配合度，逐漸消除綠色金融在蓬勃成長過程中的負向競爭性，進而使得整體經(jīng)濟效益最大化。第三，要及時解決我國各省級行政區(qū)在低碳經(jīng)濟轉(zhuǎn)型進程中區(qū)域間不平衡、不充分問題，重點支持落后地區(qū)能源開發(fā)、農(nóng)業(yè)生產(chǎn)、交通運輸、工業(yè)制造、消費服務(wù)等方面的低碳化進程，加快低碳經(jīng)濟一體化進程，全力實現(xiàn)“雙碳”目標(biāo)。第四，加快培育低碳技術(shù)方面的優(yōu)質(zhì)人才，促進地區(qū)間環(huán)保機構(gòu)、科研院所的溝通與合作，建立健全低碳發(fā)展共享機制，使綠色、低碳理念更全面深入融入到經(jīng)濟發(fā)展過程中，從而不斷推動低碳經(jīng)濟走向更高水準(zhǔn)。