■徐新擴 楊青

一、引言

改革開放以來，隨著我國經(jīng)濟的飛速發(fā)展，人民生活水平逐漸提高，但環(huán)境問題也日益嚴重，尤其是2013年我國霧霾天氣頻發(fā)，讓空氣污染進入了人們的視野。發(fā)展經(jīng)濟的同時如何兼顧生態(tài)環(huán)境保護是當今時代的重點話題。

為解決空氣污染問題，2014年4月，十二屆全國人大常委會第八次會議表決通過《環(huán)保法修訂案》。2018年7月，第十三屆全國人民代表大會常務委員會第四次會議通過《中華人民共和國大氣污染防治法》[1]。在解決環(huán)境問題的過程中，“綠色金融”逐漸興起。綠色金融于20 世紀末產(chǎn)生于美國。美國政府將環(huán)境因素引入金融創(chuàng)新中，研究如何有效評估環(huán)境風險，從而開發(fā)環(huán)境金融產(chǎn)品，并形成合適的產(chǎn)品結構，獲得發(fā)展循環(huán)經(jīng)濟、保護環(huán)境的資金[2]。綠色金融旨在利用金融手段實現(xiàn)經(jīng)濟發(fā)展和環(huán)境保護的雙重目標，達到經(jīng)濟效益、社會效益和環(huán)境效益的和諧統(tǒng)一[3]。據(jù)2021年中國銀保監(jiān)會發(fā)布的數(shù)據(jù)以及中國人民銀行、發(fā)展改革委、證監(jiān)會聯(lián)合發(fā)布的《綠色債券支持項目目錄（2021年版）》顯示，截至2020年末，我國21家主要銀行綠色信貸余額超過11萬億元，中國綠色債券存量8132 億元，居世界第二。據(jù)生態(tài)環(huán)境部發(fā)布的《2020年中國生態(tài)環(huán)境統(tǒng)計年報》顯示，2020年全國環(huán)境污染治理投資總額為10638.9億元，占國內(nèi)生產(chǎn)總值的1.0%，占全社會固定資產(chǎn)投資總額的2.0%?？梢钥闯?，近年來我國對綠色金融發(fā)展非常重視。

伴隨綠色金融的快速發(fā)展，相關政策仍存在一定完善空間[4]。在博鰲亞洲論壇2021年年會期間，波士頓咨詢?nèi)蚝匣锶?、董事總?jīng)理何大勇表示：從企業(yè)層面來看，企業(yè)在進行綠色轉型時，信息披露標準不夠完善，自身風險的評估不到位；從金融機構層面來看，金融機構的風險政策、營銷指引沒有更新，產(chǎn)品覆蓋范圍小，產(chǎn)品創(chuàng)新還有很大提升空間。但就長遠來看，綠色金融帶來的環(huán)境效益日益顯現(xiàn)[5]。

綠色投資、綠色信貸等都屬于“綠色金融”范疇，綠色金融所籌集的資金會用于各類綠色相關企業(yè)及項目。我國地域遼闊，各地的污染源及污染程度不同，各地的地理環(huán)境及經(jīng)濟社會發(fā)展水平有很大差異。因此，研究綠色金融對我國省域空氣質量的影響對于更好地實施空氣治理政策具有重要現(xiàn)實意義。本文可能的貢獻在于：有別于其他專門研究特大城市空氣質量的課題，本文以我國各個省市為視角，探討綠色金融對廣大中小城市空氣質量的影響，并據(jù)此提出建議。

二、文獻綜述

綠色金融能夠推進綠色發(fā)展[6]，是生態(tài)發(fā)展的關鍵[7]。但綠色金融如何對空氣質量產(chǎn)生影響這一問題仍未得到解決。目前，各國對綠色金融的定義有所不同。關于空氣質量，一般而言采用空氣質量指數(shù)、PM2.5、二氧化硫和氮氧化物等來衡量。

圍繞綠色金融的研究，國內(nèi)外學者發(fā)表了大量理論和實證文獻。綠色金融對經(jīng)濟、社會各方面的可持續(xù)發(fā)展起到非常重要的作用。Sinha等[8]研究了標準普爾500 指數(shù)，發(fā)現(xiàn)綠色融資機制可能對環(huán)境和社會責任產(chǎn)生負面影響。Gholipour 等[9]認為綠色房地產(chǎn)融資擴張與建筑業(yè)的二氧化碳排放量顯著負相關，在發(fā)展中國家更為明顯。Arif等[10]認為綠色金融能提高經(jīng)濟績效，特別是由于疫情造成的經(jīng)濟下滑，綠色金融的發(fā)展有利于改善經(jīng)濟條件，避免衰退。Lee 等[11]認為綠色金融的發(fā)展提高了綠色生產(chǎn)率。Xu 等[12]以中國A 股污染企業(yè)為研究樣本，發(fā)現(xiàn)環(huán)境法規(guī)能夠通過短期或長期外部融資對綠色金融的發(fā)展起到積極作用。Madaleno 等[13]提出，清潔能源的需求促進了綠色金融投資，需要制定一項全面的政策以實現(xiàn)能源轉型和可持續(xù)發(fā)展目標。Sharma等[14]研究了納斯達克清潔能源指數(shù)及其相應替代品，發(fā)現(xiàn)可持續(xù)發(fā)展指數(shù)和綠色指數(shù)都表現(xiàn)出雙向因果關系，在長期內(nèi)兩組指數(shù)相互影響。

國內(nèi)關于綠色金融的研究主要包括綠色信貸、綠色創(chuàng)新等。朱向東等[15]采用2016—2019年中國地級以上城市相關數(shù)據(jù)，建立空間杜賓模型發(fā)現(xiàn)，本地綠色金融能夠改善周邊地區(qū)的空氣質量，優(yōu)化產(chǎn)業(yè)結構，促進技術革新，有利于霧霾的治理。喬彬[16]使用雙向隨機效用模型，發(fā)現(xiàn)綠色信貸的增加可以提升空氣質量，且在金融市場發(fā)達的地區(qū)，綠色信貸對空氣質量的改善更為顯著。劉曉紅[17]從創(chuàng)新驅動和資源環(huán)境兩個角度出發(fā)，發(fā)現(xiàn)綠色創(chuàng)新水平的提高，既能夠降低本地區(qū)霧霾污染程度，也能夠降低相鄰地區(qū)的霧霾污染程度。王夢媛等[18]研究了滬深A股上市公司的面板數(shù)據(jù)，發(fā)現(xiàn)《綠色信貸指引》的實施能促進高環(huán)境風險行業(yè)上市公司的綠色專利數(shù)量的增加。馬永強等[19]提出綠色專利增加能有效減少重污染行業(yè)上市公司的排污，重污染企業(yè)的排污越低，霧霾污染程度越低。

綜上所述，已有文獻對綠色金融、空氣質量以及相關學術領域進行了研究，但大多數(shù)學者研究綠色金融主要是從企業(yè)和銀行角度出發(fā)，以省域研究為主的文獻相對較少。因此，本文利用2011—2018年全國30個省市（西藏除外）相關數(shù)據(jù)，運用隨機效應模型，考察我國綠色金融對空氣質量的影響，最后在此基礎上提出相應建議。

三、理論分析與研究假設

城市空氣污染的主要因素包括工業(yè)污染、生活污染、汽車尾氣污染等[20]。理論上，綠色金融通過治理相關污染，減少排污，從而達到改善空氣質量的目的。第一，綠色投資屬于綠色金融的一種形式，此處的綠色投資特指以小口徑統(tǒng)計的環(huán)境污染治理投資，主要是各級政府的投資。環(huán)境污染治理投資主要包括城市環(huán)境基礎設施投資、工業(yè)污染源治理投資和“三同時”（同時設計、同時施工、同時投入生產(chǎn)和使用）項目的環(huán)保投資等。高效的環(huán)境治理投資效率有利于污染治理[21]。由于我國環(huán)境治理投資效率低下[22]，提高綠色投資效率能夠有效治理相關污染源。第二，充分披露霧霾天氣情況，有利于提升公眾綠色投資的意愿[23]。另外，擴大綠色金融的規(guī)模理論上也能降低空氣污染。第三，綠色金融的發(fā)展能促進綠色技術創(chuàng)新[24]，綠色信貸對環(huán)保企業(yè)技術創(chuàng)新也有顯著的促進作用[25]。由此推斷，綠色金融可以提升污染源的治理效率，提高居民環(huán)保意識，推動企業(yè)技術創(chuàng)新減少污染排放，最終改善空氣質量?；谏鲜龇治?，本文提出如下假設：

H1：綠色金融政策的實施能夠改善空氣質量。

由于區(qū)域經(jīng)濟發(fā)展不平衡，地區(qū)貧富差距大，不同省域對空氣污染的治理情況不同。第一，有文獻表明部分發(fā)展中國家對綠色金融的支持力度不足[26]，導致嚴重的空氣污染?？梢妼τ诰G色金融的支持力度會影響空氣質量。我國部分省域雖然經(jīng)濟發(fā)達，但其過于追求經(jīng)濟發(fā)展反而對綠色金融的重視程度弱于經(jīng)濟欠發(fā)達的省域。第二，霧霾污染水平可以隨著金融科技的發(fā)展而降低，且在經(jīng)濟發(fā)展相對落后、霧霾污染程度較低的城市效果更為明顯[27]。由于金融科技的發(fā)展能夠促進綠色金融的發(fā)展，因此綠色金融對空氣污染的治理是有效的，且在經(jīng)濟落后、污染較低的省域效果更為顯著。第三，工業(yè)份額上升會加重霧霾污染[28]。一般經(jīng)濟總量高的地區(qū)，工業(yè)份額也會較大，這也意味著污染排放量較高。霧霾污染水平隨著人均GDP 的增加而上升[29]，對于經(jīng)濟發(fā)達地區(qū)，盡管其綠色投資和綠色信貸數(shù)額相對較大，但對污染的治理不一定優(yōu)于經(jīng)濟欠發(fā)達地區(qū)。綜上分析，本文提出如下假設：

H2：經(jīng)濟欠發(fā)達地區(qū)，綠色金融對空氣污染的改善效果更好。

空氣污染既包括人為因素也包括自然因素[30]，且自然環(huán)境與地理位置差異所造成的空氣污染的治理難度要大于人為因素造成的影響。因此，中部地區(qū)的空氣污染治理難度要低于西部和北部地區(qū)。第一，地理位置不同，空氣質量也有所差別[31]。我國地域遼闊，各省份的地理位置差別較大，因而各地區(qū)的空氣質量會受到地理因素的影響，污染治理難度有所不同。第二，工業(yè)廢氣排放也會造成嚴重的空氣污染[32]，工業(yè)污染嚴重的地區(qū)主要集中在中北部地區(qū)。綠色金融主要解決的是人為因素造成的環(huán)境污染，因此相較于西部自然因素造成的污染，對中部地區(qū)污染排放的治理效果理論上會更加顯著。由此，本文提出如下假設：

H3：中部地區(qū)，綠色金融對空氣污染的治理效果更為顯著。

四、研究設計

（一）樣本選取和數(shù)據(jù)來源

本文以我國省市2011—2018年的數(shù)據(jù)為研究對象，并剔除數(shù)據(jù)缺失的地區(qū)，最終選定我國30 個省市（西藏除外），包括283 個地級市。由于中國氣象局公布的天氣歷史數(shù)據(jù)均為按日或按月計算，其中并未公布年均數(shù)據(jù)，因此本文PM2.5 數(shù)據(jù)選擇加拿大達爾豪斯大學測算的中國各地區(qū)年度數(shù)據(jù)。環(huán)境污染治理投資數(shù)據(jù)來自《中國環(huán)境統(tǒng)計年鑒》，由于缺乏地級市的數(shù)據(jù)，因此地級市環(huán)境污染治理投資數(shù)據(jù)由省級數(shù)據(jù)乘以各地級市的GDP 占比近似計算得到。研究與試驗發(fā)展經(jīng)費內(nèi)部支出來自《中國科技統(tǒng)計年鑒》。GDP、第三產(chǎn)業(yè)等控制變量數(shù)據(jù)均來自國泰安（CSMAR）數(shù)據(jù)庫。

（二）變量選取和定義

1.被解釋變量

（1）PM2.5（PM25）。PM2.5 是懸浮在空氣中直徑小于等于2.5微米的顆粒物，是霧霾出現(xiàn)的主要原因[33]。霧霾嚴重影響空氣質量，還會危害人的健康。習總書記曾指出“控制PM2.5 是改善空氣質量的首要任務”。因此，大多數(shù)學者選擇PM2.5作為空氣質量的衡量指標[19，34，35]。本文使用的PM2.5 數(shù)據(jù)是各地區(qū)按照地理加權的年度數(shù)據(jù)①，普遍低于中國氣象網(wǎng)直接計算的平均月度數(shù)據(jù)。

（2）工業(yè)二氧化硫排放（SO2）。二氧化硫是大氣主要污染物之一。我國工業(yè)二氧化硫排放量較高，造成了嚴重的空氣污染問題[36]。借鑒曹靜等[37]、郭永濟等[38]的研究，本文采用工業(yè)二氧化硫排放量作為衡量空氣質量的指標之一。

2.解釋變量

（1）綠色投資（GI）。對綠色投資的研究還處在起步階段，目前還沒有明確的定義。有學者認為綠色投資就是環(huán)境保護投資，如：田江海[39]認為環(huán)境污染治理投資屬于綠色投資之一；黃德春等[40]認為環(huán)境污染治理投資是生態(tài)環(huán)境保護資金的重要來源之一；王康仕等[41]發(fā)現(xiàn)綠色金融發(fā)展能夠促進綠色投資。因此，本文選取各省的環(huán)境污染治理投資作為衡量綠色金融的指標之一。

（2）綠色信貸（GC）。綠色信貸主要為生態(tài)保護與建設、綠色產(chǎn)業(yè)等融資。很多學者采用各銀行綠色信貸余額來衡量綠色信貸，但綠色信貸余額并沒有按照省域劃分，因此本文參照謝婷婷等[42]的做法，選取各省六大高耗能產(chǎn)業(yè)利息支出占工業(yè)產(chǎn)業(yè)利息總支出的比率作為反向指標來衡量綠色信貸。

3.控制變量

（1）經(jīng)濟發(fā)展水平（ED）。我國國土面積遼闊，不同省市的發(fā)展程度、占地面積以及人口數(shù)量都有較大差異，因此經(jīng)濟發(fā)展水平需要進行控制。本文使用各地區(qū)人均GDP來衡量經(jīng)濟發(fā)展水平。

（2）技術水平（Technology）。技術進步有利于加速企業(yè)轉型，提高資源使用效率，降低污染企業(yè)的排污量。在省域層面，本文使用研究與試驗發(fā)展經(jīng)費內(nèi)部支出占GDP比重來表示技術水平；在地級市層面，由于數(shù)據(jù)可得性，本文采用科學與技術支出占GDP比重來表示技術水平。

（3）產(chǎn)業(yè)結構（Industry）。由于第三產(chǎn)業(yè)的能源消耗量小，環(huán)境破壞程度輕，因此本文使用第三產(chǎn)業(yè)占GDP比重來表示產(chǎn)業(yè)結構。

（4）人口密度（Population）。居民的日常行為可能會對空氣質量造成正向或者負向的影響。本文用人口密度來控制居民行為對環(huán)境造成的影響，其中人口密度以各省市戶籍人口與行政區(qū)域面積表示。

（5）綠化率（Green）。種植花草樹木是各省市為了應對環(huán)境污染的策略之一，理論上綠化對于空氣中的污染物有抑制作用，因此本文采用各省市的綠化覆蓋面積占建成區(qū)面積的百分比來表示當?shù)氐木G化率。

（6）交通運輸（Bus）。汽車尾氣排放是造成霧霾的原因之一[43]。而電車幾乎零排放，因此多使用電車理應減少尾氣排放造成的空氣污染?？紤]到汽車保有量數(shù)據(jù)不易獲取，本文用年末公共汽車、電車運營數(shù)量來表示交通情況。

上述各變量定義及描述見表1。

表1 各變量定義描述

（三）模型設定

本文研究的對象是我國各省市，時間跨度為8年，是典型的短面板數(shù)據(jù)。經(jīng)過豪斯曼檢驗，選擇隨機效應模型。為了實證考察綠色金融對空氣質量的影響，設定模型（1）至（5）來檢驗假設1到假設3：

模型（1）至（4）用來檢驗假設1，即綠色金融會改善空氣質量。式中，i 和t 分別表示地區(qū)和年份；PM25it表示i地區(qū)t年份的年均PM2.5濃度；GIit表示i地區(qū)t年份的綠色投資額；lnSO2it表示i地區(qū)t年份的工業(yè)二氧化硫排放量的對數(shù)；GCit表示i 地區(qū)t年份的綠色信貸；Controlit為各種控制變量i地區(qū)t年份的數(shù)據(jù)；εit表示隨機擾動項；α0表示截距項。此外，本文引入省份（province）和年份（year）的虛擬變量控制了省份隨機效應和時間隨機效應。

模型（5）用來檢驗假設2 和假設3。模型（5）在模型（1）的基礎上，將樣本按照經(jīng)濟差異與地理位置差異等進行分組，使用地級市數(shù)據(jù)，其中由于地級市綠色投資數(shù)據(jù)缺失，采用該省份的綠色投資額乘以該省份的GDP 占比計算得到。PLC_PM25it表示i 地區(qū)t年份的地級市綠色投資額，city為控制城市層面的隨機效應。使用去除直轄市后經(jīng)濟排行前十名與后十名的省份地級市數(shù)據(jù)來驗證假設2，使用各個省份地級市的相關數(shù)據(jù)驗證假設3。

為了檢驗穩(wěn)健性，本文設定以下模型：

模型（6）和模型（7）分別使用滯后一期的PM2.5和SO2作為被解釋變量，模型（8）將被解釋變量替換為空氣中的年均二氧化氮。

五、實證檢驗結果分析

（一）描述性統(tǒng)計

2011—2018年，我國各省的綠色投資整體呈上升趨勢，PM2.5整體呈下降趨勢。綠色投資和PM2.5濃度有著負相關的關系，初步說明綠色投資對于空氣污染的治理是有效的。

各變量描述性統(tǒng)計見表2。從表2 可以看出，PM2.5平均值為36.820，說明平均污染不算太高，但是空氣質量仍有較大的提升空間。PM2.5標準差為16.180，綠色投資標準差為201.138，說明不同省市污染程度以及綠色投資數(shù)額的差異性較大。

表2 描述性統(tǒng)計

（二）基準回歸

1.相關性檢驗

對回歸模型中變量進行相關性檢驗，發(fā)現(xiàn)各變量之間的相關系數(shù)較小，可以進行后續(xù)操作。相關系數(shù)矩陣見表3。

表3 相關系數(shù)矩陣

2.回歸結果分析

為驗證假設1，本文使用模型（1）至模型（4）進行實證分析，回歸結果如表4 和表5 所示。通過Hausman檢驗，本文選擇隨機效應模型，且為降低誤差選擇控制地區(qū)和年份。其中，表4（1）和（2）列為模型（1）的回歸結果，表示綠色投資對PM2.5 的影響；（3）和（4）列將被解釋變量中的PM2.5 替換為工業(yè)二氧化硫排放量的對數(shù)，為模型（2）的回歸結果，表示綠色投資對工業(yè)二氧化硫的影響。綠色信貸也屬于綠色金融工具之一，綠色信貸與空氣質量的回歸結果見表5。其中，表5（1）和（2）列使用模型（3）進行回歸分析，（3）和（4）列使用模型（4）進行回歸分析，（1）和（3）列是僅加入了綠色信貸的回歸結果，（2）和（4）列是加入了控制變量的回歸結果。

表4 綠色投資對空氣質量的影響

表5 綠色信貸對空氣質量的影響

表4 中，綠色投資的系數(shù)始終為負，且在5%的水平上顯著，說明綠色投資對空氣污染具有較為顯著的負向影響，增加綠色投資可以有效降低空氣污染程度，提高空氣質量。原因可能在于：第一，國家對空氣污染的重視程度不斷提高，城市環(huán)境基礎設施建設不斷升級，對環(huán)境治理方面建立了更加完善且嚴格的方案，例如在污水處理及資源化利用、生活垃圾處理、廢物處置等方面均提高了效率，從而降低了PM2.5的濃度，改善了空氣質量。從（4）列可以看出，綠化覆蓋率的系數(shù)為負，且在10%的水平上顯著，說明綠化水平的提高有利于空氣質量的改善。第二，綠色投資為老工業(yè)污染源提供了更高效的治理，降低了污染排放。從（3）和（4）列可以看出，在綠色投資與工業(yè)二氧化硫的回歸中，綠色投資的系數(shù)也在5%的水平上顯著，說明綠色投資的增加能有效處理二氧化硫等污染排放，有利于空氣污染的防治。（4）列中，產(chǎn)業(yè)結構的系數(shù)顯著為負，說明第三產(chǎn)業(yè)占比的增加會減少如二氧化硫的污染物排放，在一定程度上提升了空氣質量。第三，綠色理念深入人心，民眾的環(huán)保意識不斷增強，污染排放減少。從（2）列可以看出，交通運輸?shù)南禂?shù)為負，且在1%的水平上顯著，說明公共汽車和電車數(shù)量的增加，降低了私家車的使用頻率，進一步減少了汽車尾氣排放量，利于空氣污染的治理。

表5中，綠色信貸的系數(shù)均在1%的水平上顯著為正。由于本文綠色信貸利用反向指標來衡量，綠色信貸系數(shù)為正即表明增加綠色信貸可以降低污染，改善空氣質量。綠色信貸一般投向基礎設施綠色升級、清潔能源產(chǎn)業(yè)和節(jié)能環(huán)保產(chǎn)業(yè)等。綠色投資主要與政府投資相關，而綠色信貸是銀行貸款，其流向主要與企業(yè)相關。綠色信貸投向污染型企業(yè)，有利于促進污染企業(yè)轉型、采用更為環(huán)保的新能源和污染物排放量少的先進技術，不僅能提高資源利用率，還能減少污染物的產(chǎn)生與排放，提升空氣質量。因此，假設1得到了驗證。

（三）進一步分析

在進行異質性分析時，本文假設2和假設3使用地級市數(shù)據(jù)進行回歸，由于直轄市的特殊性，故剔除了四個直轄市的數(shù)據(jù)。表6表示直轄市和其他省份的回歸結果，（1）列是全國地級市數(shù)據(jù)的回歸結果，（2）列只將四個直轄市進行回歸，（3）列從（1）列的數(shù)據(jù)中去掉了直轄市數(shù)據(jù)。

由表6 可以看出，（1）和（3）列中綠色投資的系數(shù)為負，且在1%的水平上顯著。而直轄市的數(shù)據(jù)顯著為正，說明直轄市的數(shù)據(jù)影響回歸結果。剔除直轄市數(shù)據(jù)之后，（3）列中綠色投資系數(shù)的絕對值明顯增大。因此，本文在進行異質性分析時選擇去除直轄市數(shù)據(jù)。

表6 綠色投資對空氣質量的影響

1.經(jīng)濟發(fā)展差異下綠色金融對空氣質量的影響

為了驗證假設2，本文使用模型（5）進行實證分析，回歸結果見表7。本文將30 個省市（西藏除外）分別按照2011—2018年GDP 總量大小和人均GDP大小分為前十名與后十名，作為經(jīng)濟發(fā)達與欠發(fā)達地區(qū)。表7 中（1）和（2）列分別表示GDP 低和人均GDP低的地區(qū)，（3）和（4）列分別表示GDP高和人均GDP高的地區(qū)。表8按照綠色金融發(fā)展程度高低劃分，其中綠色金融政策發(fā)展程度用綠色投資占GDP的比重衡量。表9 按照省份的污染程度高低劃分，并進行如模型（5）相同的回歸。

從表7 的回歸結果可以看出，綠色投資的系數(shù)為負，且在1%的水平上顯著。其中，在GDP低和人均GDP 低的地區(qū)，綠色投資系數(shù)的絕對值要大于（3）和（4）列的數(shù)值。如表7 中，在GDP 總量低的地區(qū)，綠色投資系數(shù)為-0.142，而在GDP 總量高的地區(qū)，綠色投資系數(shù)為-0.0567。說明在經(jīng)濟欠發(fā)達的地區(qū)中，綠色投資對空氣質量的改善作用更加顯著。原因可能在于：第一，經(jīng)濟欠發(fā)達的地區(qū)，污染排放低，空氣質量相對較高。表9中，污染程度低的地區(qū)，綠色金融對空氣污染的治理效果更好，很多經(jīng)濟欠發(fā)達地區(qū)的污染程度要低于發(fā)達地區(qū)。經(jīng)濟不發(fā)達的地區(qū)，各種基礎設施的建設水平也較低，企業(yè)設備或許不夠先進環(huán)保，但由于污染排放總量也不高，對于污染排放的治理較為容易，進而空氣質量更好。第二，經(jīng)濟總量高的地區(qū)污染源復雜，污染排放水平高，治理相對困難。表6中，直轄市中綠色投資并未顯著降低PM2.5 濃度，而去掉了四個直轄市之后，綠色投資系數(shù)絕對值要大于直轄市去掉之前的系數(shù)。這可能是因為四個直轄市都是經(jīng)濟發(fā)達的城市，面積相對較小并且人口密度大，空氣污染也較高，盡管執(zhí)行了綠色金融政策，但不足以提升空氣質量。第三，經(jīng)濟欠發(fā)達地區(qū)平均綠色金融政策執(zhí)行效率更高，經(jīng)濟發(fā)達的地區(qū)更加重視經(jīng)濟的發(fā)展，反而綠色金融政策發(fā)展得一般。表8 中，綠色投資占GDP 比重高的省域，綠色金融對空氣污染治理效果要優(yōu)于占比低的省域。經(jīng)濟欠發(fā)達地區(qū)雖然經(jīng)濟總量或人均GDP 較低，但是該地區(qū)的綠色投資并不少，綠色金融政策執(zhí)行效率更高；反之，經(jīng)濟發(fā)達的地區(qū)過于追求經(jīng)濟繁榮，在綠色企業(yè)或者綠色相關設施方面的投資不足，對于空氣污染的治理效果反而不如經(jīng)濟欠發(fā)達地區(qū)。由此，假設2得到了驗證。

表7 經(jīng)濟發(fā)展差異下綠色金融對空氣質量的影響

表8 綠色金融發(fā)展程度不同的影響

表9 空氣質量不同省域綠色投資對空氣質量的影響

2.地理位置差異下綠色金融對空氣質量的影響

為了驗證假設3，本文使用模型（5）進行實證分析，將各省市按照省域地理位置進行劃分。表10包含華中、華南、西北和東北四個不含直轄市的地區(qū)。表11 包含華東、西南和華北三個地區(qū)，分別表示了含有直轄市和去除直轄市之后的回歸結果。

如表10和表11所示，采用全國地級市回歸數(shù)據(jù)中，華中地區(qū)綠色投資對空氣污染的治理效果最好，其綠色投資系數(shù)為負，且在1%的水平上顯著。其次是西南地區(qū)，其綠色投資系數(shù)為負，在5%的水平上顯著。其他地區(qū)在統(tǒng)計意義上不顯著。去掉四個直轄市之后，華東地區(qū)由不顯著變?yōu)樵?0%的水平上顯著，西南地區(qū)由在5%的水平上顯著變?yōu)樵?%的水平上顯著，華北地區(qū)由不顯著變?yōu)樵?%的水平上顯著。

表10 綠色投資對省域空氣質量的影響

表11 綠色投資對省域空氣質量的影響

原因可能在于：第一，華北地區(qū)屬于我國污染最嚴重的地區(qū)之一[44]，雖然華東和華中的污染程度同樣較高，但由于華北地區(qū)基本是火力發(fā)電，尤其是在氣溫高的時候，降溫設備加大電力負擔，會增加污染。在去掉北京和天津之后，占地面積小并且人口密度大、污染集中的區(qū)域減少，對于如清潔能源的綠色相關設施綠色資金使用效率增加，也就導致在華北地區(qū)去掉直轄市之后環(huán)境污染治理投資的效果最好。西南地區(qū)由于地理位置空氣質量比其他地區(qū)更好，且經(jīng)濟規(guī)模整體較小，綠色投資帶來的改善效果更加顯著。第二，東北地區(qū)的污染原因主要是當?shù)剞r(nóng)民大面積、高強度露天焚燒秸稈所致[45]。當?shù)剞r(nóng)民生活排污（如燒煤等）也會導致空氣污染加劇。相關綠色投資的增加并沒能有效制止當?shù)鼐用竦男袨?，清潔資源并未完全取代原有的生活方式，導致空氣污染治理效果不佳。第三，西北地區(qū)空氣污染的原因主要歸因于沙塵暴等自然因素，而綠色金融對于自然因素所造成的空氣污染影響有限。華南地區(qū)中，廣東和廣西屬于沿海地區(qū)，其第三產(chǎn)業(yè)發(fā)達，污染企業(yè)相對較少，且經(jīng)濟規(guī)模龐大，綠色投資占GDP 比重較小，因此執(zhí)行綠色金融政策帶來的效果不佳。由此，假設3得到了驗證。

（四）穩(wěn)健性檢驗

1.克服內(nèi)生性問題：工具變量法

工具變量需要滿足與內(nèi)生變量相關而與擾動項不相關兩個條件，本文選擇地級市層面解釋變量的一階滯后項作為工具變量?；貧w結果如表12所示。

表12 工具變量估計

通過兩階段回歸，被解釋變量仍然負向顯著，表明本文模型的回歸結果不是由樣本選擇偏差所導致的。

2.穩(wěn)健性檢驗

為了檢驗模型的穩(wěn)健性，利用模型（6）至模型（8）進行回歸檢驗，回歸結果如表13所示。（1）和（2）列為模型（6）的回歸結果，在解釋變量中加入滯后一期的PM2.5，其中（1）列是省級數(shù)據(jù)的回歸結果，（2）列是地級市的回歸結果。（3）列是模型（7）的回歸結果，將二氧化硫滯后一期加入解釋變量。（4）列是模型（8）的回歸結果，將模型（1）中的被解釋變量PM2.5替換成二氧化氮。

2016年廣東佛山關停環(huán)保問題企業(yè)1741 家，2017年南通39家重污染企業(yè)關閉，2018年西安關停取締148家等?？紤]到“關停并轉”等政策可能會對回歸結果造成影響，為剔除相關政策的影響，本文剔除2016—2018年的數(shù)據(jù)進行回歸，結果如表13（5）列所示。

政府環(huán)境補助可能會對回歸結果造成影響，2015年京津冀及周邊地區(qū)已經(jīng)獲得國家專項資金撥款59億元人民幣，用于治理大氣污染，因此，剔除2015年京津冀、內(nèi)蒙古和山西的數(shù)據(jù)，回歸結果如表13（6）列所示。

表13 穩(wěn)健性檢驗

通過表13可以看出，（1）到（3）列在模型中加入滯后項之后的回歸結果與不加入滯后項的模型回歸結果類似；（4）列中將綠色投資與二氧化氮進行回歸，系數(shù)雖然不顯著但是仍為負數(shù)；（5）和（6）列解釋變量系數(shù)仍然顯著為負。說明本文研究結論具有穩(wěn)健性。

六、結論與政策建議

本文采用2011—2018年我國30個省市（西藏除外）綠色金融和空氣質量相關的面板數(shù)據(jù)，使用隨機效應模型，實證考察了綠色金融對我國省域空氣質量的影響效果。研究結果表明：綠色金融對空氣污染具有顯著的負向影響。進一步分析發(fā)現(xiàn)：經(jīng)濟欠發(fā)達并且空氣污染較低的區(qū)域，綠色金融對空氣污染的治理效果優(yōu)于其他地區(qū)；中部地區(qū)綠色金融對空氣質量的改善效果最為顯著。

根據(jù)上述研究結論，本文提出以下建議：

第一，應進一步健全綠色金融相關法律法規(guī)，鼓勵綠色行業(yè)發(fā)展，并加大對污染行業(yè)的監(jiān)管。加強綠色投資，尤其是環(huán)境污染治理投資，扶持綠色企業(yè)，提高資金配置效率。提升綠色信貸針對性，將貸款發(fā)放給真正對污染治理有成效的企業(yè)。有的地區(qū)盡管信貸總額很大，但是使用效率不高，對空氣質量的改善效果不強。企業(yè)應合理使用綠色投資，促進技術進步，使用綠色能源。

第二，在大力發(fā)展經(jīng)濟的同時，不能忽略環(huán)境污染問題，要在經(jīng)濟發(fā)展與環(huán)境保護之間找到平衡點。各地區(qū)應加強綠色金融的發(fā)展，協(xié)調(diào)好經(jīng)濟與環(huán)境問題。

第三，應加強對西北和東北地區(qū)空氣污染的治理。對西北地區(qū)，應當以植樹造林、加強綠化等措施治理空氣污染。由于大量的排污企業(yè)向西部轉移，加之西北地區(qū)自然環(huán)境惡劣，如沙塵暴等造成了嚴重的空氣污染，對于大顆粒的污染物來說，加強綠化更加有效。對東北地區(qū)，主要減少農(nóng)民的秸稈焚燒以及給農(nóng)村提供更加清潔的能源。加強對污染企業(yè)的治理，督促相關企業(yè)增加綠色投入，使污染排放指標達到國家標準?！?/p>

注 釋

①來自加拿大達爾豪斯大學大氣成分分析組（Atmospheric Composition Analysis Group）對全球地表PM2.5 濃度的測算數(shù)據(jù)。