双碳目标下绿色金融的能源结构优化效应研究_庞加兰.pdf

双碳目标下绿色金融的能源结构优化效应研究庞加兰王薇袁翠翠摘要:基于双碳目标的提出与国家金融学的理论背景，选取20132019 年中国30 个省级区域数据，运用熵值法估算绿色金融发展指数与能源结构优化指数，实证分析绿色金融对于能源结构的影响。研究结果显示，中国绿色金融发展指标呈现波动式增长，能源结构逐年优化;绿色金融发展通过融资规模的中介效应和技术进步的调节效应对能源结构优化产生正向影响，其中融资规模的中介效应具有显著的区域异质性。基于此，应完善绿色金融市场化体系建设、提升清洁能源高效利用、加快技术进步以促进各地区能源结构优化，助推双碳目标的实现。关键词:绿色金融;能源结构优化;双碳目标;熵值法;国家金融学中图分类号:F832 5文献标识码:A文章编号:20971346(2023)01012917一、引言2020 年，中央经济工作会议强调做好碳达峰、碳中和工作，并确定了“双碳 3060”目标。习近平总书记在中国共产党第二十次全国代表大会上提出推动绿色发展，促进人与自然和谐共生的发展方针，强调立足中国能源资源禀赋，加强煤炭清洁高效利用，加快规划建设新型能源体系，有计划、分步骤、积极稳妥地推进实施碳达峰行动。坚持绿色发展理念、寻找平衡经济高质量发展与环境保护的均衡方案成为中国当下的迫切需要，绿色金融高质量发展理应是实现“3060”目标的重要途径。绿色金融作为能够产生环境效益以支持可持续发展的投融资活动(G20 绿色金融研究小组，2016)，既是破解推动绿色产业发展、生态环境改善与经济可持续发展问题的金融制度安排，也是引导社会资金投资环保、节能、清洁能源等推动能源结构优化和绿色经济高质量发展的国家金融顶层布局和政策根基(雍和明，2020)。有关绿色金融的理论探讨可以追溯到 20 世纪 70 年代，而中国绿色金融体系建设收稿日期:20220726基金项目:国家社会科学基金重点项目(18AJY028);陕西省社会科学基金项目(2020D007);陕西省榆林市社会科学专项资金项目(YLSKGH202126)。作者简介:庞加兰，西安外国语大学经济金融学院教授，硕士生导师，研究方向为公司金融与科技金融;王薇，西安外国语大学经济金融学院硕士研究生，研究方向为绿色金融;袁翠翠，通讯作者，广州城市理工学院讲师，研究方向为公司财务与金融，584984871 qq com。921起步于国务院 2005 年发布的 关于落实科学发展观和加强环境保护的决定(国发200539 号)，2016 年8 月中国人民银行等七部委共同印发 关于构建绿色金融体系的指导意见(银发 2016 228 号文)，明确建立健全绿色金融体系，支持和促进生态文明建设的相关政策安排，标志着中国绿色金融制度体系建设步入快车道。2022 年 6 月 1 日，中国银保监会印发 银行业保险业绿色金融指引(银保监发 2022 15 号文)，要求银行保险机构调整完善信贷政策和投资政策，积极支持清洁低碳能源体系建设，支持重点行业和领域节能、减污、降碳、增绿、防灾，实施清洁生产，促进绿色低碳技术推广应用。因为绿色产业发展和经济高质量发展的归结点在于动能转换，直接体现在与能源结构转换密切相关。由此推论，一系列绿色金融制度与政策安排及实践推动，理应引致中国能源结构优化效应，但有待予以实证验证，并提炼相关弹性系数，以反馈绿色金融制度与政策体系的结构性调整，为相关研究提供政策蕴含。二、文献述评(一)绿色金融与能源结构优化的基准效应研究与能源结构优化有关的研究大多以产业体系升级和能源结构低碳化发展为目标，结合中国能源结构特征，进一步分析中国能源结构现存的问题并提出解决方向。陈淮(2000)认为能源结构不平衡源于供需不平衡，应通过调整供给结构的方式减少煤炭使用比重。邓志茹和范德成(2009)认为中国能源结构不合理源于各地不同的能源禀赋、社会发展需求以及对环境和社会成本的忽视。张伟等(2016)认为碳排放强度是产业体系低碳化发展和能源结构优化发展趋势的决定性因素。此外，能源价格、能源消耗量、人口和碳排放约束等要素对能源结构体系的构建均具有重要意义(杨英明等，2019)。林伯强和牟敦国(2008)构建了一般均衡模型，研究发现化石能源价格上涨对以煤炭为主的能源使用结构有紧缩作用。于立宏和贺媛(2013)认为在能源结构优化模型构建层面，生产要素与能源要素间的可替代性是决定能源结构优化转型的决定性要素。杭雷鸣(2007)以能源结构为中心，针对中国能源、资本和劳动三种生产要素的替代性构建超越对数成本函数，研究结果发现以上三种生产要素中任何两种要素皆为替代品。根据 2016 年中国人民银行发布的 关于构建绿色金融体系的指导意见，绿色金融指对环保、节能、清洁能源、绿色交通、绿色建筑等领域的项目融资、项目运营、风险管理等所提供的金融服务。有关绿色金融的早期文献集中于定性研究，从理论层面分析金融中介对环境可持续发展的效用(Jeucken and Bouma，2017)。2000 年后对绿色金融的定量研究逐年丰富，可分为微观与宏观两个视角。从微观视角来看，现有研究大多认为开展绿色金融业务有利于企业的发展(Caner and Hansen，2004)。同时，由于金融机构追求利润的中介属性，产生的金融资源错配现象会加剧环境污染(文书洋和刘锡良，2019)，因此，刘锡良和文书洋(2019)提出金融机构可以通过合理配置金融资源的方式来承担环境责任，这意味着绿色金融作为金融机构的一种业务模式能够促进金融资源向环境友好企业流动。从宏观视角来看，现有研究聚焦于绿色金融产生的经济与环境效益，认为绿色金融的发展能够促进产业结构升级(马骏，2015)，提高绿色全要素生产率(史代敏和施晓燕，2022)，实现中国工031业可持续发展(西南财经大学发展研究院和环保部环境与经济政策研究中心课题组，2015)。以绿色金融和能源结构同时为关键词进行相关研究文献检索发现，现有文献认为绿色金融的发展能够促进能源结构优化的进程。杨林京和廖志高(2021)认为绿色金融拥有着强烈的目标导向，可以通过能源结构调整的中介作用来影响碳排放，其观点意味着绿色金融具有能源结构改善效应。(二)绿色金融发展优化能源结构机制研究绿色金融作为金融发展的最新领域，能够影响能源消费与需求，促进替代能源与可再生能源的研发使用，推动产业结构调整，改善能源结构(孙浦阳等，2011)。纵观现有关于金融发展影响能源结构的研究文献，大多认同金融发展能够通过规模效应促进能源结构优化。在双碳目标下，绿色金融能够通过资本集聚提升企业融资规模，缓释绿色企业融资约束，增加高污染企业融资成本，优化能源结构(康雯和吴云霞，2022)。王康仕等(2019)研究发现绿色金融通过加剧民营企业的融资约束来抑制高污染企业的投资水平，但对于国有性质的企业该作用并未显现。王博峰等(2014)以存贷款余额(金融机构的规模扩张程度)表征金融相关率，研究发现金融相关率对于能源结构具有正向效应，能够产生更多的融资渠道与创新性金融服务，为结构性优化升级创造有利条件。此外，目前关于绿色金融发展和能源结构优化影响要素的研究大都加入了技术进步这一要素。绿色金融能够影响技术创新间接缓释融资约束影响能源发展(马丽梅和黄崇乐，2022)，且只有当研发融资规模或享受利率补贴超过一定临界值时，绿色金融诱导的清洁型技术进步才能产生(张宇和钱水土，2022)。胡宗义和李毅(2019)针对中国开展绿色金融、防止环境污染的现状构建局部均衡模型，研究发现金融发展水平较高时，规模效应会小于技术效应，推动产业结构的升级、减少排放，调整能源结构。在能源结构优化层面，李廉水和周勇(2016)在分解工业技术进步理论的基础上，引入 DEAMalmquist 生产率方法，对工业技术进步理论作用于能源效率的影响机理展开剖析，结果证明，短期技术效率的正面冲击会使技术进步对能源利用效率产生促进作用，而中长期技术进步的影响逐步扩大。邵帅等(2013)着重于中国宏观层面长短期回弹效应的测算研究，采用能源回弹效应模型，实证表明中国可以通过提高能效来降低能源消费，然而由经济发展驱动的新一轮能源消耗会抵消部分节能效果，导致长期的高反弹效应。庞敏等(2017)分析了技术进步影响能源消费的作用机制，认为技术进步在抑制能源强度的同时也降低了单位产出能源使用成本，以增加利润的方式推动能源密集型产业的扩张，从而对能源消费产生显著的回弹效应。(三)绿色金融发展与能源结构优化的研究扩展梳理现有文献发现，对绿色金融与能源结构优化的研究，主要关注绿色金融与能源结构的影响要素。该研究仍有进一步的探讨空间。第一，现有基于绿色金融熵值法评估测度和能源结构优化模型的研究较多，但较少将两者置于同一框架下，对绿色金融通过融资规模影响能源结构优化的中介效应进行实证分析。第二，部分研究虽对两者做出指数测算评定，对不同要素影响绿色金融和能源结构的效应进行分析，但较少聚焦于区域异质性差异分析。本文主要贡献有四点:一是分别对绿色金融、能源结构优化指数进行熵值法测算;二是将融资规模嵌入绿色金融对能源结构优化研究，作为中介效应，建构中介效应模型;三是引131双碳目标下绿色金融的能源结构优化效应研究入技术进步在绿色金融对能源结构优化影响过程中的调节效应，同时检验绿色金融对能源结构优化的长期性影响;四是从异质性的角度考察不同地区间绿色金融促进能源结构优化的实践性差异。三、理论分析与研究假说(一)绿色金融对能源结构优化的影响效应1 绿色信贷提供能源结构优化的资金支持。绿色信贷一方面能够为商业银行绩效做出贡献，激励商业银行发放绿色贷款并使“两剩一高”行业的融资成本增加;另一方面能够有效遏制高能耗行业的规模扩张，为绿色产业提供资金支持、引导社会资本进入绿色产业、拉动低碳节能行业发展，降低高环保效益企业的准入门槛、降低因市场行为产生的环境风险。与此同时，低碳化带来的经济效益又反作用于能源生产企业，促进商业银行不断创新绿色金融产品，将正向的影响扩大化，从低碳节能角度形成一个良性的正向反馈系统。2 绿色证券提高能源结构优化的资本投资水平。以节能环保、清洁能源生产和绿色服务等行业为代表的绿色产业，具有现金流稳定、可预测期长、独立性强、权属明确的特点。发行绿色股票、绿色债券是更加高效的获取融资的方式，能够使企业获得更多的转型资金支持。结合 Tobin Q 理论，企业发行绿色股票后，股票价格的上涨意味着该企业将会有更多的资本在市场上进行融资，使环保型能源企业的重置成本相较于市场价格更低，为生产经营中弃旧置新提供条件，扩大投资规模。由此看来，绿色证券有助于能源产业在结构优化过程中扩大企业融资规模、优化融资结构，促进高能耗行业的能源区域合理化、低碳化。3 绿色保险提供能源结构优化的风险保障。绿色保险是提高能源行业转型中风险韧性的金融工具。由于能源行业的重资产属性，转型意味着能源行业面临着长周期、高投入和低回报的现状。而能源结构优化意味着生产与产品结构的转变，是行业价值体系的转变，需要能源行业拥有规模更大、风险更低的市场环境。这种市场环境仅靠公共资金引导带动资本流入不够充分，仍需要市场化的风险对冲补偿机制。绿色保险作为一种创新型的产品和服务，能够将气候和环境视为更突出的风险因素而去设计能源行业相应的保险保障机制，能够为环境保护和能源优化领域提供适配性的风险保障，弥补传统保险在能源结构优化转型中抗风险机制不足的缺陷。基于以上分析，提出研究假说 1。假说 1:绿色金融发展对能源结构优化呈现显著的促进作用。(二)融资规模在绿色金融影响能源结构优化过程中发挥中介效应1 绿色金融通过资本形成、技术创新和风险保障推动融资规模扩张。其一，资本形成机制。绿色金融发展也意味着绿色金融产品种类更加丰富，企业能够利用更多的方式直接撬动资本聚集、扩大资本与产出要素规模，促进企业采用绿色方式进一步实现绿色产业规模增长。其二，技术创新激励机制。技术创新激励机制能够调节绿色金融发展水平、降低企业的融资约束，以政府支持创新驱动绩效并实施相应税收政策的形式展现。技术创新是企业发展进步的内在力量，投资约束过高时，企业会把资源投入到利润高、见效快的项目231上，技术创新由于存在较大的不确定性常常被忽视。绿色金融通过完备的制度体系，为具有风险较大的新技术研发提供资金来源，提供更高效率、更低成本、更大规模的资金支持，有助于增强个体技术创新的意愿和能力。此外，在绿色金融驱动下，政策对相关企业的补贴与税费返还具有明显的倾向性，相关企业更易于得到政府部门的支持。其三，风险保障机制。现代能源行业的技术进步呈现高投入长周期的特点，种类丰富的绿色金融产品能够为能源行业的技术创新项目提供多层次、多种类、全周期的风险管理方案，为清洁能源领域的技术进步与创新提供经济保障。2 融资规模扩张影响企业外部性成本、深化清洁能源的使用深度与广度。其一，融资规模的扩张宽松了融资约束，使绿色发展的企业不会因融资中断而流失人才、知识储备与研究成果，在正常经营的同时兼顾研发投资，弥补由于资本市场不完全和正外部性缺乏法律补偿导致清洁能源外部性成本提升的问题，有利于绿色产业发展扩张，更好地发挥规模效应。其二，清洁能源的应用是能源结构优化中最重要的组成部分，融资规模扩张有益于各企业积极探索适合自身情况的清洁能源产业发展路径，包括探索生产供能新方法，提高清洁能源利用率，开拓替代性能源生产新途径，依托规模扩张优势，打造清洁性能源商业利用新模式，提升收益率，推广能源使用范围，深化清洁能源的使用深度和广度，体现绿色金融发展对能源消费结构的优化作用。基于以上分析，提出研究假说 2。假说 2:绿色金融通过融资规模的中介效应影响能源结构优化进程。(三)技术进步在绿色金融影响能源结构优化过程中发挥调节作用1 科技进步通过调节绿色金融来影响能源结构，改善了中国金融服务效率低、经营效率不高、资源配置水平滞后等瓶颈。具体而言，高度数字化、创新性的绿色金融产品，能够显著地提升能源生产实体经营效率，金融业务的精准匹配与服务效果更加显著。2 在绿色金融导向下，具有绿色偏向性的技术进步无疑会加强资本利得的转化率、提升企业生产率与资源使用效率，引领资本有序流向绿色产业，催化能源结构性优化的转化效率。根据偏向型技术进步对能源强度的影响，能源偏向型技术进步可助推“两剩一高”行业实现节能效果。3 在以绿色信贷为代表的绿色金融发展过程中，资本逐渐离开传统的线下经济，转而流向以互联网为载体的线上经济，这也加强了技术向经济的渗透。技术投入和基础设施在企业发展战略中占据主要位置。技术进步推进下的绿色资本以互联网为平台，将企业、消费者和金融中介相互连接在一起，有效地整合了线上与线下资源。4 以技术进步为发展前提的新兴数字技术对推进居民绿色消费和企业低碳型生产等行为的监管产生了变革性影响。以大数据和人工智能等为代表，从技术监管效能和监管工具设计创新的途径来实现能源结构低碳化绿色转型。具体而言，高度数字化、创新性的监管工具提升了监管效率;在大数据支撑下，中小企业绿色金融业务与居民的绿色低碳化生活更加常态化。基于以上分析，提出研究假说 3。假说 3:技术进步在绿色金融对能源结构优化过程中存在显著的调节效应。331双碳目标下绿色金融的能源结构优化效应研究四、计量方法选择与指标构建(一)研究对象选取与数据来源中国地域广阔，各地区绿色金融发展水平、能源结构优化程度间有所差距。中国自2005 年“十五规划”起就开始了绿色金融制度体系的建设，综合考虑指数覆盖的全面性与数据可得性，本文以中国 2013 年银监会下发 关于绿色信贷工作的意见 为时间节点、以省级数据为测算目标，选取 20132019 年中国 30 个省、自治区、直辖市的样本数据作为指数测算的研究对象(西藏自治区、台湾省及港澳地区除外)，区域异质性根据东、中、西部的地理区划进行分析。1 能源结构优化指标(EPS)。能源结构优化指标作为被解释变量，从国家能源规划、环境和谐程度、城市产出结构这三项二级评估指标出发，建立该评估体系。能源规划是指国家根据宏观经济发展趋势进行科学分析后对能源需求变化的预测。Shahiduzzaman et al(2015)基于 LMDI 法的分析框架，对 1978 年至 2010 年澳大利亚能源结构中以煤炭为代表的非清洁能源使用份额下降和能源结构得到优化的原因展开了数据分析，结果表明，能源效率是能源结构优化的最主要影响因素。原煤消费占比存在区域差异性，该差异是影响区域能源结构优化评价的重要因素。因此，以能耗增加率、原煤消费占能源消费总量权重和清洁能源消费占一次能源消费总量权重来衡量能源效率和原煤消费水平与清洁能源消费水平。其中，单位地区生产总值能耗等于能源消费总量除以生产总值，并由单位地区生产总值能耗进一步求得地区能耗增加率。该指标反映的是能耗的增加情况，在评估过程中作为负向指标处理。清洁能源消费选取电力与天然气消费的数据，将两者的单位同时折合为万吨标准煤后加总求和，最后除以能源消费总量进行权重计算。在该指标体系中，清洁能源消费是正向指标，该指标越大越有利于能源结构的优化。同时，原煤消费指标作为负向指标参与评估。环境和谐度指人们活动时对所处活动边界区域内造成环境影响的程度。随着环境问题越来越受到重视，该指数在能源结构优化水平评估调查中的份量亦相应增加。碳排放水平、二氧化硫和烟尘排放量是评价污染水平的主要因素，因此选用碳排放、二氧化硫排放量与烟尘排放量三个三级指标来衡量环境和谐度，此三项指标作为衡量污染排放水平的对象，均为负向指标。城市产出结构升级对能源结构优化具有重要作用，能源产业体系的低碳化升级不仅着重于排放水平与能源效率的直接表现，还关注各省市具有异质性的产业体系的发展。地区城市化的发展情况能带来生产效率的提高，城市化进程的推进将会带来能源结构的改善(邴华琳等，2014)。也有研究表明，城市化水平提升带来的城市人口增长和工业化发展会加剧能源消耗，但中国现已进入经济发展的转型阶段，以绿色、低碳为目标、告别高耗能粗放式发展的城市化建设将有利于降低能耗强度。工业结构调整升级将导致能源结构发生变化，第三产业比例的提高有助于改变中国能源结构的高碳型局面。在市场体系中，生产要素升级能够带来产业产出体系的升级，劳动力作为最基本的生产要素理应被加入评估模型。不同省区教育水平的差异会带来劳动力流向的差异，间接影响产出结构。因此本文以城市总人口占总人口比例表示城市化进程，以第三产业产值占国民生产总值的比重表示产431业结构，选取高中以上学历人口占总人口比重反映劳动力升级水平。以上三个三级指标组成了城市产出结构的评价体系，均为正向指标。表 1能源结构优化评价指标一级指标二级指标三级指标指标说明能源结构优化指标国家能源规划能源效率煤炭消费占比清洁能源消费占比能耗增加率原煤消费量/一次能源消费总量清洁能源消费量/一次能源消费总量环境和谐程度碳排放强度二氧化硫排放烟尘排放(各一次能源消费量 碳排放系数)/GDP中国能源统计年鉴中国能源统计年鉴城市产出结构城市化进程产业结构劳动力升级城市人口/总人口第三产业产值/GDP 总值高中及以上学历人/总人口数据来源:国家统计局、中国统计年鉴2 绿色金融发展指标(GF)。本文将绿色金融综合发展指数的测算划分为绿色信贷、绿色证券、绿色投资、绿色保险四个二级指标。由于各省份的绿色信贷缺乏对应的统计数据，而银行是绿色信贷发放的金融中介主体，本文以各省份银行营业网点机构个数占全国比重作为权重，乘以绿色信贷总额来表示中国各省份绿色信贷水平。该指标反映银行信贷对绿色投融资的支持力度，属于正向指标。绿色证券反映资本市场融资对绿色金融的支持力度，属于正向指标，该指标越大说明资本市场的支持力度越强。选用 A 股绿色行业上市公司市值占总市值比重来表征绿色证券指标，由于部分省份的环保行业市值数据缺失会导致熵值法在评估过程中证券占比上升，产生估计误差。因此，本文选取 A 股六大高能耗行业上市市值占总市值比重来弥补部分省份数值缺失的情况。该指标反映资本市场对高耗能行业的支持力度，因此作为负向指标参与评估。绿色投资反映政府对环保的投资，选择区域财政环保支出来表示，由于该项数据是治污投资，数值越大说明当地环境污染强度越高，导致所需的治污资金越高，作为负向指标参与评估。中国绿色保险系统中的主要产品是环境污染责任险，但由于起步较晚，目前缺乏相关的系统数据统计。农业作为受自然环境影响最大的产业，且农业保险的公共属性和内容特征使其在一定程度上可以反映中国绿色保险的发展水平，该数据越高则说明中国绿色保险发展程度越好，因此选择区域农业保险支出代表绿色保险。数据来自于中国统计年鉴、CSMA、ESSET 数据库和 WIND 数据库。表 2绿色金融发展评价指标指标变量选取数据来源绿色信贷第 i 个省份第 t 年银行营业网点机构个数占全国比重*全国绿色信贷贷款余额(亿元)CSMA 数据库绿色证券第 i 个省份第 t 年环保企业市值/A 股总市值第 i 个省份第 t 年高耗能行业市值/A 股总市值WIND 数据库ESSET 数据库绿色投资第 i 个省份第 t 年区域财政环保支出、预算支出中国统计年鉴绿色保险第 i 个省份第 t 年农业保险支出(百万)CSMA 数据库数据来源:国家统计局、中国统计年鉴531双碳目标下绿色金融的能源结构优化效应研究3 中介变量。融资规模(FS)扩大会影响绿色产业的融资费用，将带来费用配置结构的改变。在能源产业生产活动中，能源结构费用配置的改变能够使能源结构产生变化。银行信贷、债券融资和股票融资等各个融资来源均会对产业实体产生影响。选取各省份社会融资规模来衡量该指标，数据代表省份性的各类融资增量合计额，来源于 EPS 数据库整理的国家统计局、中国金融年鉴数据库。4 调节变量。技术进步(D)是推动生产力发展的重要因素。在新经济增长理论和内生增长理论的架构下，技术进步可以被看作是对经济增长的内生驱动力，是提高效率的决定性力量，技术进步可以发挥加速器作用，催化绿色金融的能源结构优化效应。现有文献主要选取投入法、产出法与总和要素生产率这三个角度来衡量技术进步这一指标。总和要素生产率就是总产出增长速度高于总要素投资增长速度的部分，但其中涉及的资本存量变量在中国省份范围内缺乏数据支撑。产出法使用的主要衡量指标专利数量无法准确反映技术进步水平，一是因为专利的价值无法用数量来衡量，一个高效且价值高的专利胜过多个低价值的专利总和;二是因为生产活动中存在较大比例的专利未应用于实际生产。因此本文采用投入法，选取技术进步 D 经费投入占 GDP 的权重作为衡量技术进步的指标。数据来源于国家统计局 20132019 年的数据。5 控制变量。选取能源禀赋(EN)、能源价格(P)、开放性水平(OP)和环境规制(ENE)作为控制变量。能源禀赋采用一次能源生产总量占全国能源生产总产量表示。资料表明，随着各地区资源禀赋的差异，中国资源分配出现明显的非均衡性，资源呈现空间聚集的趋势，且资源禀赋不同所导致的空间集聚对资源利用效率产生明显的正向影响。能源价格采用工业生产者购进价格指数。在中国，能源价格管制政策的存在使价格长时间处于偏离均衡的低水平状态，能源价格无法反映经济活动效果，也无法反映市场供求情况，价格扭曲由此产生，低水平的能源价格则会激励企业增加能源使用。有研究认为开放性水平对资源利用效率产生影响，贸易开放可以有效降低能源禀赋对资源利用效率的负面影响。因此，本文选择开放性水平作为控制变量，采用地区进出口贸易总额和地区生产总值之间的比率来表示。环境规制会倒逼产业结构升级，促进产业结构合理化和低碳化。产业结构是能源结构优化评价的重要指标之一，因此把环境规制纳入控制变量就具有一定的必要性。考虑到环境规制强度具有较大的省域决定权，省内不同城市之间的差异较小，因此，本文选取各上市公司对应的省份地区工业污染治理投资额占地区生产总值的权重作为衡量指标，变量数值越大代表环境规制越强。(二)识别策略与基准模型设定本文采用逐步因果法，同时控制其他变量产生的影响，研究绿色金融对能源结构优化的影响机制;将融资规模作为绿色金融推动能源结构优化的中介变量，构建中介效应的面板模型。为检验假说 1 和假说 2，借鉴温忠麟和叶宝娟(2014)逐步回归的思想构建中介效应模型。该中介模型由模型(1)至模型(3)构成。当系数 a、b 与 c三者均显著时说明绿色金融通过中介变量对能源结构优化具有部分中介效应;当和系数 a、b 都显著，但 c不显著时则说明该过程只存在完全中介效应。EPSit=c0+cGFit+year+province+it(1)631FSit=a0+aGFit+icontrolit+year+province+it(2)EPSit=c0+cGFit+bFSit+icontrolit+year+province+it(3)其中，下标 i 为省份个体单位、t 为时间单位。绿色金融发展水平(GF)作为每个模型内含的解释变量。Year 和Province 与 control 代表采用双边固定效应模型，在控制始建于个体效应的基础上同时控制一系列的控制变量，EN 代表能源结构优化水平，FS 代表融资规模，D 代表技术进步。a 代表绿色金融发展对融资规模的影响效应，b 代表融资规模对能源结构优化的影响效应，c 代表绿色金融发展对能源结构优化影响的总效应，c代表在中介效应下绿色金融发展对能源结构优化影响的直接效应，系数 a b 代表中介效应，表示随机扰动项。为检验假说 3，本文建立模型(4)和(5)，在模型(1)的基础上加入技术进步这一调节变量与绿色金融、融资规模的交乘项，进一步检验融资规模变化在上述影响过程中的调节效应，该模型也同样控制年度与个体效应，采用双边固定效应模型。交互项的系数显著时，则说明调节作用显著。同时，为深入检验绿色金融对中国能源结构优化的长期性影响，在模型(1)的基础上增加绿色金融这一指标的二次项，从而构造出模型(6)。EPSit=0+1GFit+2Dit+3GFit Dit+icontrolit+year+province+it(4)EPSit=0+1GFit+2Dit+3fsit Dit+icontrolit+year+province+it(5)EPSit=a0+a1GFit+a2GF2+icontrolit+year+province+it(6)五、实证结果分析(一)能源结构优化水平指数测算结果图 1 反映 2013 年至 2019 年中国各区域能源结构优化程度指数的测算结果，数值越高说明绿色金融发展程度越理想。2013 年至 2019 年中国东、中、西部的能源结构优化趋势基本趋同，三者均呈现上升走势。在熵值法测算下，中国东部地区 EPS 评价值为05350 680，中部地区 EPS 数值为 0 3350 487、西部地区 EPS 数值为 0 3240 480。测算结果表明东部能源结构优化程度最高，中西部地区次之。这是由于东部地区凭借其优越的地理区位和国家政策导向，较中西部地区具有更快的经济发展速度、更优的能源规划布局与更积极的绿色发展策略。即使中部地区较西部地区拥有更高的社会经济发展水平，但中国的能源生产企业多布局于中部，规模大、转型难度高。与之相反，西部地区较中部地区转型难度小、响应政策速度快。这使得两者的测算结果没有非常明显的差异。(二)绿色金融发展指数测算结果图 2 展示了 2013 年至 2019 年中国各区域的绿色金融发展水平的熵值法测算结果。研究结果发现中国各地区绿色金融发展水平均呈现波动上升的趋势。其中，东部地区的GF 评价值为 0 3810 593、中部地区为 0 3810 510，西部地区数值相对最低，为 0 384731双碳目标下绿色金融的能源结构优化效应研究0 508。东部地区绿色金融发展水平较高，得力于其对外开放时间较早、吸引资金能力强、高级生产要素积累充分，较高的资本回报率使绿色金融发展指数增长迅速。对于中、西部地区，绿色环保产业对金融机构、企业经营实体和个人的融资吸引力产生影响，但绿色金融发展指数增长速度较东部地区缓慢。相较而言，在西部大开发战略与“一带一路”经济区的带动下，区域绿色金融发展不平衡的状况得到了改善，发展速度的区域间差异有所减小。(三)中介效应检验表 3融资规模的中介效应结果(1)(2)(3)(4)EPSFSEPSEPSGF0 224 (0 022)3 970 (0451)0099 (0 019)FS0038 (0002)0031 (0 003)control控制控制控制控制year控制控制控制控制province控制控制控制控制N210210210210注:括号内为标准误，*、分别表示 5%、1%、01%的显著性水平。表 5 表 11 同针对融资规模的中介作用，按照逐步因果法的步骤展开检验。结果如表 3 所示。列(1)中能源结构优化指标(EPS)与绿色金融指标(GF)的系数在 0 1%水平上具有显著性，说明绿色金融发展对能源结构优化的总效应是存在的，绿色金融发展水平每提高一单位，中国能源结构优化水平将提升 0 224，所以继续进行接下来的检验。列(2)中绿色金融发展指标(GF)对融资规模(FS)影响的系数在 0 1%水平上具有显著性，进一步观察列(3)发现融资规模指标(FS)对能源结构优化(EPS)影响同样显著。通过观察列(4)发现 GF 和 FS的系数在 0 1%的水平上具备显著性，证明融资费用的改变在绿色金融对能源结构优化进程中拥有部分中介效应。以上分析表明，在绿色金融发展促进能源结构优化的作用过程中，绿色产业融资水平的升级是重要的影响路径。因此，一方面，绿色金融发展本身具备的资源配置作用，能够对能源结构优化产生良好的影响;另一方面，绿色金融发展间接通过能源费用配置结构的升级促进能源利用与实体经营效率的提升，对能源结构优化有着突出的作用。综上所述，假说 1 和假说 2 得到验证。在此基础上，进一步测算了绿色金融发展影响能源结构优化中介效应中的直接效应大小和中介效应占比。如表 4 所示，融资规模在绿色金融发展推动能源结构优化中的中介效应占比为 67 3%，说明绿色金融发展对能源结构优化的正向影响中大约有 67 3%是通过改变能源费用配置结构来间接实现的。831表 4融资规模中介效应结果原系数cab融资规模02243 9700038检验结果直接效应c0099中介效应a b0151中介效应/总效应ab/c0673(四)调节效应检验技术进步的调节效应在表 5 中(1)至(4)列呈现，结合表 5 中调节作用的回归结果做进一步分析。列(1)与列(3)分别是在绿色金融发展(GF)与融资规模(FS)变量中纳入技术进步调节变量(D)后回归的结果，结果显示技术进步对绿色金融的调节系数在 0 1%的显著性水平上显著，对融资规模的调节系数并不显著，说明技术进步是通过调整金融结构的方式加速能源结构调整的。列(2)与列(4)将数据去中心化处理后再次回归，结果显示，在中心化处理后技术进步的调节效应加强了绿色金融对能源结构优化的影响，也进一步说明技术进步尚不能以调节融资规模的方式加速能源结构调整。这项结果验证了中国经济发展现阶段贯彻双碳目标、建立更加市场化的绿色创新金融体系、建立激励创新体系、以及推进建设地方政府绿色金融制度试验区等方面的有效性。提升能源利用效率、降低能源强度以及弱化经济增长对非清洁能源的依赖，可促使能源结构的优化。在该调节过程中，首先，绿色金融定向调控的影响使金融资本得到吸引，企业可以通过更多方式撬动资金聚集、增加资本生产要素，金融资本更多地向新能源和节能环保等绿色产业转移。其次，技术的创新进步，通过缓释融资约束和增强政府支持的创新驱动策略，对社会经济发展产生长远性影响、提升环境和谐度及推动能源结构优化。综上，绿色金融的优化调整将有利于技术的进步进而为能源结构优化提供保障，假说 3 得到检验。为了进一步考察绿色金融对能源结构优化的长期性影响，在列(5)中加入绿色金融发展指数的二次项以考察绿色金融对能源结构优化是否具有长期性的影响。结果显示，绿色金融发展指数的二次项系数在01%的显著性水平下显著为正，表明绿色金融对能源结构优化作用呈正向，即在长期中绿色金融的发展对能源结构优化具有长久的促进作用。表 5调节效应的检验结果(1)(2)(3)(4)(5)EPSEPSEPSEPSEPSGF0045(0035)0091(0028)0130 (0027)0 135*(0027)D0437(0274)0010(0235)0024(0276)0087(0253)GF D0 925 (0243)center GF D0 916 (0243)931双碳目标下绿色金融的能源结构优化效应研究续表 5FS D0014(0015)center FS D0004(0020)LGF0155 (0043)control控制控制控制控制控制year控制控制控制控制控制province控制控制控制控制控制N210210210210210(五)异质性分析如前所述，中国绿色金融发展通过扩大融资规模对能源结构优化的中介效应影响显著。本文通过对东、中、西部的比较，并结合中国各个地理区位地区条件分析绿色金融对能源结构优化的影响差异(表 6 表 8)，结果显示，东、西部地区和中部地区绿色金融发展综合指数对能源结构优化的影响分别在 0 1%和 5%的水平下显著，系数分别是 0 417、0 200和 0 076，说明中国各地区的绿色金融发展对能源结构优化均具有正向促进作用。回归结果显示中国东部地区绿色金融的推动力最强，对能源结构的直接影响与间接影响并存。中部地区总效应显著性最弱、回归系数最小，融资规模的中介效应并未显现。西部地区融资规模的中介效应同样显著，且绿色金融对于能源结构优化的直接效应显著性高于东中部地区。进一步分析表明，东部地区存在融资规模扩张的部分中介效应，绿色金融发展对融资规模扩张的影响系数为 9 920，融资规模对能源结构优化的影响系数为 0 034，二者均在0 1%的显著性水平上显著。绿色金融发展程度较高，在1%的显著性水平上对能源结构优化产生正向影响。中部区域的绿色金融发展未能对融资规模形成显著性的影响，中介效应不成立。西部地区同样存在融资规模扩张的部分中介效应，在 0 1%的显著性水平上绿色金融发展对融资规模扩张的影响系数为 1 516，融资规模对能源结构优化的影响系数为0 029。如上分析，绿色金融发展对中国能源结构优化的影响具有鲜明的地域异质性，实证结果进一步显示东部区域绿色金融发展对中国能源结构优化进程的带动效应，显著超过了中部和西部地区。尽管中部区域的绿色金融发展水准较西部地区更高，但基于经济社会和产业结构的现状，高污染高能耗的能源生产实体多分布在中部地区，这种“高污染，低产出”的模式在带来经济效益的同时阻碍了当地能源结构优化进程。西部地区的绿色金融发展水平虽然最低，但环境和谐度优于中部和东部地区，能源结构转型优化难度低于中部和东部地区，所以绿色金融发展带来的直接影响效应更显著。表 6东部地区中介效应检验(1)(2)(3)(4)EPSFSEPSEPSGF0 417 (0 044)9 920 (1062)0163(0 051)041续表 6FS0034 (0003)0026 (0 004)control控制控制控制控制year控制控制控制控制province控制控制控制控制N77777777表 7中部地区中介效应检验(1)(2)(3)(4)EPSFSEPSEPSGF0 076*(0 032)1173(0712)0 044(0 026)FS0029 (0005)0027 (0 005)control控制控制控制控制year控制控制控制控制province控制控制控制控制N56565656表 8西部地区中介效应检验(1)(2)(3)(4)EPSFSEPSEPSGF0 200 (0 024)1 516 (0409)0156 (0 022)FS0045 (0007)0029 (0 006)control控制控制控制控制year控制控制控制控制province控制控制控制控制N77777777六、稳健性检验(一)更换计量方法为保证中介回归的稳健性，进一步使用系数差异法以避免线性回归模型潜