李昕昱 郭光庭 楊韶艷

摘 要：本文以生態(tài)文明為出發(fā)點，建立基于經(jīng)濟(jì)、能源、環(huán)境、社會體系的能源生態(tài)效率評估框架，實證考察黃河流域城市綠色金融與能源生態(tài)效率的演變特征及耦合關(guān)系。研究表明：黃河流域城市綠色金融與能源生態(tài)效率耦合發(fā)展在時序上呈現(xiàn)“W”型的演變態(tài)勢，整體呈現(xiàn)初級協(xié)調(diào)水平，空間分異性顯著，表現(xiàn)為下游最高、中游次之、上游最低的“坡度”發(fā)展格局。

關(guān)鍵詞：黃河流域；綠色金融；能源生態(tài)效率；耦合發(fā)展；時空演變

本文索引：李昕昱，郭光庭，楊韶艷.<變量 2>[J].中國商論，2024（08）：-123.

中圖分類號：F127；F205 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2024）04（b）--05

1 引言

隨著黃河流域生態(tài)保護(hù)與高質(zhì)量發(fā)展的不斷推進(jìn)，社會對經(jīng)濟(jì)發(fā)展、能源利用、生態(tài)環(huán)境和社會福利等議題的關(guān)注日益增加。在協(xié)調(diào)經(jīng)濟(jì)、能源、環(huán)境和社會之間的關(guān)系方面，評價能源生態(tài)效率并實現(xiàn)社會建設(shè)與生態(tài)文明建設(shè)的平衡發(fā)展，成為當(dāng)前研究的重要課題。在此背景下，綠色金融的發(fā)展與提高能源生態(tài)效率密不可分，通過推動綠色信貸、綠色債券和綠色基金等方式，資金可以更加有針對性地流向環(huán)保產(chǎn)業(yè)，從而有效促進(jìn)其發(fā)展[1]。綠色金融不僅為生態(tài)保護(hù)提高了可持續(xù)的資金支持，還為企業(yè)和機(jī)構(gòu)提供了更多的投資和融資機(jī)會，助力推動綠色技術(shù)和清潔能源的應(yīng)用。通過引入綠色金融工具，可以有效整合資源和資本，優(yōu)化能源利用結(jié)構(gòu)，提高能源效率，從而減少對傳統(tǒng)高耗能行業(yè)的依賴。2021年9月習(xí)近平總書記強調(diào)“把節(jié)約能源資源放在首位”以來，對各行業(yè)能源效率提出更高要求的約束下，綠色金融成為推動能源效率提升的重要發(fā)展方向，其通過將資源主要分配給環(huán)保型高效率企業(yè)，幫助企業(yè)實現(xiàn)可持續(xù)發(fā)展。相反地，那些高污染，低效率的企業(yè)面臨破產(chǎn)風(fēng)險，并難以獲得資金支持。因此，它們不得不積極謀求轉(zhuǎn)型，以重新獲得資金并受益于綠色金融政策的支持。為了實現(xiàn)這一目標(biāo)，這些企業(yè)需要調(diào)整其產(chǎn)業(yè)結(jié)構(gòu)，削減或廢棄高污染行業(yè)，并引入環(huán)保產(chǎn)業(yè)。通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促使企業(yè)向環(huán)保高效產(chǎn)業(yè)轉(zhuǎn)型，由此產(chǎn)生淘汰機(jī)制。這種機(jī)制催生了更多的環(huán)保型企業(yè)，并在經(jīng)濟(jì)社會體系中推動了能源效率提高，促進(jìn)了經(jīng)濟(jì)的可持續(xù)發(fā)展和綠色增長。

目前，黃河流域生態(tài)環(huán)境脆弱，水資源短缺，沿黃各省區(qū)經(jīng)濟(jì)發(fā)展以依托資源驅(qū)動模式為主，產(chǎn)業(yè)發(fā)展資源配置效率不高，經(jīng)濟(jì)發(fā)展與生態(tài)保護(hù)矛盾突出，在綠色轉(zhuǎn)型過程中，作為現(xiàn)代經(jīng)濟(jì)的核心，節(jié)能減排和金融發(fā)展無疑成為重要推動力。如何在資源節(jié)約和生態(tài)環(huán)境改善的前提下實現(xiàn)經(jīng)濟(jì)增長成為高質(zhì)量發(fā)展亟須解決的問題，即在資源和環(huán)境要素投入盡可能小的同時實現(xiàn)盡可能大的經(jīng)濟(jì)發(fā)展成果。綠色金融與能源生態(tài)效率的融合發(fā)展是解決黃河流域經(jīng)濟(jì)和生態(tài)問題的關(guān)鍵舉措，研究黃河流域城市綠色金融與能源生態(tài)效率協(xié)調(diào)發(fā)展水平、耦合特征及變化趨勢尤為重要，對針對性解決黃河流域發(fā)展過程中出現(xiàn)的生態(tài)環(huán)境問題具有重要的現(xiàn)實意義。

2 研究設(shè)計

2.1 綠色金融的測度

2.1.1 指標(biāo)構(gòu)建

根據(jù)2016年8月發(fā)布的《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》，綠色金融被定義為一種金融服務(wù)，旨在吸引投融資流入綠色產(chǎn)業(yè)。基于整體性、科學(xué)性和數(shù)據(jù)可獲得性原則，借鑒劉華珂等（2021）的研究，從綠色信貸、綠色投資、綠色債券、綠色基金和綠色權(quán)益五個方面設(shè)計指標(biāo)體系[2]。為避免數(shù)據(jù)缺失導(dǎo)致測算偏差，并考慮到數(shù)據(jù)可得性，本文選取黃河流域2006—2020年的地級以上城市相關(guān)數(shù)據(jù)作為研究對象。最終確定研究樣本為66個城市，并將黃河流域分為上、中、下游3個地區(qū)。所使用的數(shù)據(jù)主要來源于《中國能源統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》以及《中國金融年鑒》，見表1。

2.1.2 測度方法

本文結(jié)合我國綠色金融的主要構(gòu)成，借鑒史代敏等（2022）的研究，采用全局主成分分析（GPCA）計算黃河流域地級市綠色金融發(fā)展水平[3]。GPCA適用于面板數(shù)據(jù)的分析，相比傳統(tǒng)的PCA，GPCA能夠?qū)⒉煌瑫r間點上的數(shù)據(jù)統(tǒng)一整合為時序數(shù)據(jù)表，以此反映對象的動態(tài)變化，因而對具有強相關(guān)性指標(biāo)進(jìn)行綜合分析評價時更加可取。GPCA計算公式如下：

該公式為指標(biāo)權(quán)重公式，表示指標(biāo)權(quán)重；u表示選取的主成分個數(shù)；ani表示第i個主成分中第n個基礎(chǔ)指標(biāo)的系數(shù)；ai表示第i個主成分的特征根；e表示各主成分的特征根之和。

該公式為綜合評價函數(shù)公式，其中，F(xiàn)代表綠色金融指數(shù)；fi表示未標(biāo)準(zhǔn)化的第i個主成分得分。

2.2 能源生態(tài)效率的測度

2.2.1 指標(biāo)構(gòu)建

能源生態(tài)效率需包含三個重要特性：一是在環(huán)境約束下的條件下，能源消耗對經(jīng)濟(jì)增長和生態(tài)改善的影響；二是可以反映能源投入、經(jīng)濟(jì)產(chǎn)出以及生態(tài)環(huán)境三者之間協(xié)調(diào)性；三是需要描述生態(tài)環(huán)境對經(jīng)濟(jì)發(fā)展和社會福利提升中能源消耗的承載能力。因此，在確保指標(biāo)選取具備合理性、系統(tǒng)性和客觀性原則的基礎(chǔ)上，本文參照周敏等（2019）與Peng等（2020）相關(guān)研究成果[4-5]，構(gòu)建黃河流域能源生態(tài)效率的評價指標(biāo)體系。本文數(shù)據(jù)主要來源于《中國城市統(tǒng)計年鑒》，缺失數(shù)據(jù)采用插值法補充，如表2所示。

2.2.2 測度方法

（1）考慮非期望的超效率EBM模型

已有研究在測度能源生態(tài)效率時，通常將每個時間段相互獨立，導(dǎo)致能源生態(tài)效率不具有跨期的可比性，無法完全準(zhǔn)確地衡量各個單元的效率水平，因此，為更好地評估效率，Anderson等（1993）提出了超效率EBM模型[6]。公式如下：

式中：假定被計算的決策單元為DMU，在可變規(guī)模報酬下，表示能源生態(tài)效率的最佳效率；其中，表示投入要素的松弛變量；n為DMU決策單元總數(shù)；為投入指標(biāo)的權(quán)重，滿足；Xik和yrk分別為k的第i類投入和k的第r類產(chǎn)出；m和s分別為投入和產(chǎn)出的數(shù)量；θ為徑向部分的規(guī)劃參數(shù)；λj為線性組合系數(shù)；s+r為期望產(chǎn)出的松弛變量；sb-p為非期望產(chǎn)出的松弛變量；w+r和wb-p分別為期望產(chǎn)出和非期望產(chǎn)出的權(quán)重系數(shù)；εy與εb為決定性參數(shù)； φ為產(chǎn)出擴(kuò)大比；bpj為期望產(chǎn)出；bpk為非期望產(chǎn)出；q為非期望產(chǎn)出數(shù)量。本文在式（1）和式（2）的基礎(chǔ)上，采用非期望產(chǎn)出超效率EBM模型來測量黃河流域能源生態(tài)效率。

（2）DEA窗口分析法

DEA窗口分析法類似于移動平均的概念，因此能夠擴(kuò)大被評估的決策單元數(shù)量，即：不同時期同一決策單元；不同決策單元在同一時期。因此，DEA窗口分析法可以更全面地揭示各決策單元的效率變化，以及彼此之間的差異[7]。

通常認(rèn)為，在應(yīng)用DEA窗口分析法時，選擇窗口寬度d=3可以在穩(wěn)定因素和可信度之間取得平衡。通過DEA窗口分析法，能夠全面了解決策單元在不同時間段內(nèi)的變化趨勢，并進(jìn)行準(zhǔn)確的評估與比較。

2.3 耦合協(xié)調(diào)度模型

耦合度模型可以反映多個系統(tǒng)之間的協(xié)調(diào)水平、相互影響和作用程度的大小，應(yīng)用耦合協(xié)調(diào)度測算數(shù)值可以代表綠色金融與能源生態(tài)效率的協(xié)調(diào)強度。具體計算公式如下。

為確保指標(biāo)在口徑上的一致性，本文采用無量綱化的方法對各項指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

其中，U1、U2分別代表綠色金融和能源生態(tài)效率的綜合水平。耦合度C值的取值范圍介于0到1，當(dāng)耦合度接近1時，表示該城市綠色金融與能源生態(tài)效率之間的發(fā)展越有序，也就越有可能達(dá)到共振耦合。一般來說，C值越大，耦合度越高。

為更好地衡量綠色金融與能源生態(tài)效率的綜合發(fā)展水平，本文對兩者耦合協(xié)調(diào)度進(jìn)行測算，具體測算公式如下：

其中，T表示綠色金融和能源生態(tài)效率的綜合發(fā)展水平，其計算公式為，α和β為U1和U2的系數(shù)，本文認(rèn)為兩個系統(tǒng)的重要程度相近，因此取0.5。耦合協(xié)調(diào)類型的劃分沒有統(tǒng)一標(biāo)準(zhǔn)，本文參考趙金輝等（2022）[8]的研究，并結(jié)合實際情況劃分類型，如表3所示。

2.4 空間自相關(guān)

為進(jìn)一步研究黃河流域城市的綠色金融與能源生態(tài)效率耦合發(fā)展關(guān)系，本文采用莫蘭指數(shù)（MoranI）來衡量其分布狀態(tài)和聚集程度。莫蘭指數(shù)是一種用于研究空間數(shù)據(jù)相互依賴程度的方法，可以準(zhǔn)確測量某一特征在空間上的自相關(guān)性[9]，即

其中：n為黃河流域城市數(shù)量；xi為城市i的綠色金融與能源生態(tài)效率耦合發(fā)展水平，xj為城市j的綠色金融與能源生態(tài)效率耦合發(fā)展水平；為城市耦合發(fā)展的平均水平；wij為空間權(quán)重矩陣。I為全局莫蘭指數(shù)，取值范圍為［-1，1］之間，該值越大，表示黃河流域城市綠色金融與能源生態(tài)效率耦合度在空間上的聚集態(tài)勢更明顯，反之則表明耦合度在空間上有差異。此外，為確定黃河流域城市之間是否具有空間自相關(guān)關(guān)系，本文引入標(biāo)準(zhǔn)統(tǒng)計量Z進(jìn)行分析，計算公式如下：

根據(jù)結(jié)果顯示，城市綠色金融與能源生態(tài)效率耦合發(fā)展的空間自相關(guān)關(guān)系與Z值的正負(fù)相關(guān)。若Z值顯著為正，則表明存在正相關(guān)；若Z值顯著為負(fù)，則表明存在負(fù)相關(guān)；若Z值為0，則表明不存在自相關(guān)關(guān)系。

3 黃河流域綠色金融與能源生態(tài)效率耦合時空演變特征分析

3.1 時序特征

本文采用全局主成分分析（GPCA）測算黃河流域綠色金融，采用MaxDEA軟件測算黃河流域能源生態(tài)效率，然后計算兩者的耦合協(xié)調(diào)度，同時繪制折線圖對黃河流域整體和上、中、下游地區(qū)耦合協(xié)調(diào)度進(jìn)行分析，結(jié)果如圖1所示。

整體來看，黃河流域綠色金融與能源生態(tài)效率耦合發(fā)展態(tài)勢向好，處于初級協(xié)調(diào)類型，2006—2020年黃河流域綠色金融與能源生態(tài)效率呈現(xiàn)出“下降—上升—下降—上升”的“W”形演變路徑，如圖1所示。2006年，黃河流域綠色金融與能源生態(tài)效率的耦合協(xié)調(diào)度為0.6822，2007年短暫下降之后逐年上升，于2010年達(dá)到觀測期內(nèi)的高峰0.6870，自2010年以后綠色金融與能源生態(tài)效率耦合發(fā)展水平呈現(xiàn)下降趨勢，2015年達(dá)到低值0.6741后逐年緩慢上升，自2020年達(dá)到觀測期內(nèi)新的低值0.6745。結(jié)合發(fā)展實際來看，資源環(huán)境約束的日益趨緊以及階段性特征明顯，使得綠色金融與能源生態(tài)效率耦合發(fā)展出現(xiàn)波動，但總體仍保持上升態(tài)勢。

分地區(qū)來看，雖然黃河流域三大區(qū)域均處于初級協(xié)調(diào)類型，但存在明顯的“坡度發(fā)展”特征。黃河下游地區(qū)耦合協(xié)調(diào)發(fā)展水平最高，觀測期內(nèi)發(fā)展水平始終高于黃河流域總水平，保持著穩(wěn)定但相對緩慢的增長態(tài)勢，平均為0.6811；黃河中游地區(qū)前期與下游地區(qū)發(fā)展水平相當(dāng)，但自2014年以后逐漸落后于下游地區(qū)，這主要是因為該地區(qū)過度依靠能源供給推動經(jīng)濟(jì)發(fā)展，導(dǎo)致部分城市過多依賴重化工企業(yè)，與此同時作為下游地區(qū)的“污染避難所”，中游地區(qū)承接了大量的落后產(chǎn)業(yè)轉(zhuǎn)移，導(dǎo)致該流域工業(yè)結(jié)構(gòu)不合理，經(jīng)濟(jì)發(fā)展過度依靠資源要素驅(qū)動，對生態(tài)環(huán)境造成巨大壓力，從而導(dǎo)致綠色金融與能源生態(tài)效率耦合發(fā)展下降；研究期內(nèi)黃河上游地區(qū)耦合協(xié)調(diào)水平波動較大，并于2007年達(dá)到觀測期內(nèi)的最低值0.6101，其原因是上游地區(qū)在我國資源戰(zhàn)略儲備和環(huán)境安全屏障建設(shè)中擔(dān)負(fù)了重大使命，因此在該流域建設(shè)投產(chǎn)了一批耗能較高的產(chǎn)業(yè)，同時，部分耗能較高的產(chǎn)業(yè)承擔(dān)外輸火電項目工程也實施于上游地區(qū)，而這些重大項目的開展導(dǎo)致上游地區(qū)綠色金融與能源生態(tài)效率耦合發(fā)展出現(xiàn)不升反降的情況。然而，從整體來看呈上升趨勢，并且與黃河流域總體平均水平的差距逐漸縮小。

3.2 空間特征

文章考慮到黃河流域城市綠色金融與能源生態(tài)效率耦合發(fā)展的區(qū)域差異性，為更加直觀地刻畫各城市耦合發(fā)展的分布特征，基于地市級層面借助ArcGIS10.8繪制黃河流域2006年、2010年、2015年和2020年綠色金融與能源生態(tài)效率耦合發(fā)展空間可視化分布圖（見圖2）。

整體來看，2006年、2010年、2015年和2020年的耦合發(fā)展水平呈現(xiàn)出明顯的空間異質(zhì)性特征，總體而言，中下游地區(qū)的發(fā)展水平較高，而上游地區(qū)則較低的空間格局。就各城市而言，綠色金融與能源生態(tài)效率耦合發(fā)展中達(dá)到中級協(xié)調(diào)水平的城市主要有兩種類型：一種是經(jīng)濟(jì)發(fā)展水平較高的城市，如青島、西安、開封等；另一種是污染排放水平較低的城市，如張掖、漢中、臨沂等。這種情況在一定程度上表明城市的綠色金融與能源生態(tài)效率耦合發(fā)展受經(jīng)濟(jì)和環(huán)境的雙重制約。耦合發(fā)展初級協(xié)調(diào)的城市主要圍繞在中級協(xié)調(diào)發(fā)展的城市周圍，如下游地區(qū)的棗莊、周口、濮陽等城市，以及中游地區(qū)的咸陽、三門峽等城市都屬于這一類型，從某種程度上說明耦合發(fā)展的城市具有較為明顯的正向溢出效應(yīng)，可以帶動周邊城市提升協(xié)調(diào)發(fā)展水平。相比之下，耦合發(fā)展勉強協(xié)調(diào)的城市與中級協(xié)調(diào)發(fā)展的城市通常地理位置相距較遠(yuǎn)，由于地理位置的限制，中級發(fā)展的城市往往對其輻射影響力相對有限，如上游地區(qū)的巴彥淖爾、烏海等城市，中游地區(qū)的榆林、延安等城市，以及下游地區(qū)的濱州市，這些城市在經(jīng)濟(jì)結(jié)構(gòu)的發(fā)展策略選擇上追求煤炭效益，忽視了積累性的后果，從而抑制了綠色金融與能源生態(tài)效率耦合發(fā)展的提升。

4 黃河流域能源生態(tài)效率空間相關(guān)性分析

考慮到黃河流域綠色金融與能源生態(tài)效率耦合發(fā)展呈現(xiàn)出明顯的“區(qū)塊狀”特征，本文推測綠色金融與能源生態(tài)效率耦合發(fā)展在空間上存在一定的關(guān)聯(lián)性。為探究這一問題，本文選取空間地理距離矩陣，并利用Morans I指數(shù)測算2006—2020年流域內(nèi)綠色金融與能源生態(tài)效率耦合發(fā)展的空間效應(yīng)。表4顯示，2006—2020年綠色發(fā)展與能源生態(tài)效率的耦合發(fā)展均滿足10%水平以內(nèi)的顯著性水平，且Z值顯著為正，表明黃河流域各城市間綠色金融與能源生態(tài)效率耦合發(fā)展存在明顯的空間正向聚集效應(yīng)，即相鄰城市綠色金融與能源生態(tài)效率耦合發(fā)展具有相關(guān)性。

5 結(jié)語

本文以2006—2020年黃河流域66個地級市為研究對象，基于標(biāo)準(zhǔn)差橢圓、全局莫蘭指數(shù)、LISA統(tǒng)計量為主要工具，探索黃河流域城市綠色金融與能源生態(tài)效率耦合發(fā)展的空間動態(tài)演變，得出如下主要結(jié)論：

（1）從時序演變來看，2006—2020年黃河流域城市綠色金融與能源生態(tài)效率耦合發(fā)展水平整體變化呈現(xiàn)出“下降—上升—下降—上升”的“W”形演變路徑，即由2006年的0.6822至2020年的0.6749，同時，研究期內(nèi)黃河流域城市綠色金融與能源生態(tài)效率的耦合發(fā)展呈現(xiàn)自下游到中游再到上游依次遞減的特征。故對于不同地區(qū)的特點，各地需要采取因地制宜、分級分類的策略來推動綠色金融與能源生態(tài)的發(fā)展。

（2）從空間分布來看，2006—2020年黃河流域城市綠色金融與能源生態(tài)效率耦合發(fā)展呈現(xiàn)明顯的空間非均衡特征，存在明顯的高低分區(qū)。地理距離相近的城市之間，綠色金融與能源生態(tài)效率耦合發(fā)展相互影響較為顯著，相近城市呈現(xiàn)出“片狀”集聚態(tài)勢。與此同時，隨著城市群內(nèi)部協(xié)作的加強，出現(xiàn)了明顯的“極化”現(xiàn)象。因此，高耦合發(fā)展地區(qū)應(yīng)該充分利用自身優(yōu)勢，形成具有輻射帶動作用的中心區(qū)，與中、低發(fā)展地區(qū)進(jìn)行全方位與深層次的合作交流，逐步減少地區(qū)間的差異，實現(xiàn)美美與共。

參考文獻(xiàn)

李成剛. 綠色金融對經(jīng)濟(jì)高質(zhì)量發(fā)展的影響[J]. 中南財經(jīng)政法大學(xué)學(xué)報， 2023（2）： 65-77.

劉華珂，何春.基于中介效應(yīng)模型的綠色金融支持經(jīng)濟(jì)高質(zhì)量發(fā)展實證研究[J]. 新金融，2021，393（10）：21-27.

史代敏， 施曉燕. 綠色金融與經(jīng)濟(jì)高質(zhì)量發(fā)展：機(jī)理、特征與實證研究[J]. 統(tǒng)計研究， 2022， 39（1）： 31-48.

周敏， 王騰， 嚴(yán)良， 等. 財政分權(quán)、經(jīng)濟(jì)競爭對中國能源生態(tài)效率影響異質(zhì)性研究[J]. 資源科學(xué)， 2019， 41（3）： 532-545.

Peng B， Wang Y， Wei G. Energy eco-efficiency： Is there any spatial correlation between different regions？[J]. Energy Policy， 2020， 140： 111404.

Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993， 39（10）： 1261-1264.

江濤， 范流通， 景鵬. 兩階段視角下中國壽險公司經(jīng)營效率評價與改進(jìn)： 基于網(wǎng)絡(luò)SBM模型與DEA窗口分析法[J].保險研究， 2015（10）： 33-43.

趙金輝， 田林， 李思源， 等. 黃河流域能源與環(huán)境—經(jīng)濟(jì)—生態(tài)耦合協(xié)調(diào)發(fā)展研究[J]. 人民黃河， 2022， 44（11）： 13-19.

李云燕， 張碩. 中國城市碳排放強度時空演變與影響因素的時空異質(zhì)性[J].中國環(huán)境科學(xué)， 2023，43（6）： 3244-3254.