绿色金融改革创新对碳减排的影响及作用机制.pdf

河北金融2023.06本期聚焦：金融创新绿色金融改革创新对碳减排的影响及作用机制朱琳1朱火弟段中强1（1.重庆理工大学经济金融学院2.重庆理工大学管理学院完重庆40 410 0;完重庆40 410 0）摘要：绿色金融作为推进低碳经济转型的重要抓手，是实现“双碳”目标的重要手段。基于“双碳”目标，探究绿色金融改革创新政策的碳减排效应具有积极的现实意义。本文利用2 0 11一2 0 2 0 年2 8 3 个地级市样本数据，以2 0 17 年绿色金融试验点作为外生冲击，构建双重差分模型探究该政策的碳减排效应，并进一步分析其作用机制。研究结果表明：该政策能显著抑制二氧化碳的排放强度，并且碳减排效应随着时间的推移越发显著；作用渠道研究显示，该政策可通过促进实质型技术创新水平实现碳减排，而偏向型技术进步、FDI技术溢出效应只对政策的碳减排效应起调节效应；在异质性检验中，政策在中部地区的实施效应最显著，但在西部地区并没起到显著的抑制作用。基于此，本文提出积极推广试验点经验、建立健全绿色金融政策体系、加强技术研发资金投入、制定并完善区域间金融发展的信息共享机制等建议。关键词：绿色金融政策；碳减排；技术进步；双重差分中图分类号：F832.0文献标识码：A文章编号：10 0 6-6 3 7 3(2 0 2 3)0 6-0 0 10-0 7一、引言近年来，随着人类活动的加剧，大气污染问题日趋严重。全球温室气体公报显示，2 0 2 1年，全球主要温室气体排放浓度持续突破历史纪录，其中大气二氧化碳浓度增幅尤为显著。过度的碳排放会造成自然环境恶化，导致气温敏感的经济部门受害，甚至严重危害人类身体健康。绿色金融作为推进绿色经济转型的重要抓手，是实现“双碳”目标的重要手段，可有效转移环境风险。基于此,近年来我国制定了多套绿色标准，涵盖绿色贷款、绿色债券和绿色产业。但我国绿色金融市场起步较晚，规范信息制度缺乏，可复制推广的经验有限，导致仅依靠市场调节实现绿色金融体系的自发完善是不现实的。因此，为弥补绿色金融体系发展的不足，国家选取部分地区作为试验点，用于探索可复制推广的经验。作者简介：朱琳（1999一）,女，重庆人，重庆理工大学经济金融学院硕士研究生。朱火弟（196 5一）,男，重庆人，博士，高级工程师，教授，供职于重庆理工大学管理学院。段中强（1999一）,男，河南南阳人，重庆理工大学经济金融学院硕士研究生。2017年，中国正式启动绿色金融改革创新实验点建设，分别在广东省广州市等5省8 地建设改革创新试验区，相比全国一盘棋的发展模式更加专注，相关措施也会更高效落地。2 0 14一2 0 17 年间中国二氧化碳排放增量整体呈上升趋势，但2 0 17 年后二氧化碳排放增量持续下滑且无反弹趋势，彰显中国碳减排事业取得了极大进展。此背景下，评估绿色金融改革创新政策能否有效抑制碳排放成为绿色金融政策能否在全国范围内进一步推广的关键。因此本文以地级市为研究样本进行政策评估，深入探讨：（1)绿色金融改革创新政策是否影响碳排放？(2)如果有影响，其作用效果如何？作用机制有哪些？（3）在现阶段，该如何同其他助推绿色低碳的举措配套实施？二、文献综述就碳排放影响因素的测度方法而言，主要有SDA10河北金融2023.06本期聚焦：金融创新结构分解法、IDA指数分解法和STIRPAT、SD M 模型等。SDA结构分解法和结构路径分解法可对碳排放增长进行递阶分解，帮助识别碳排放增长的主要动因和路径（张炎治等，2 0 2 1）,但SDA分解法对初始数据要求高，约束条件较多，实践性较差。因此，部分学者又引人LMDI指数分解法,研究发现产业结构、能源结构、人口密度、经济增长等会显著影响碳排放(（Y a n g e t a l.,2 0 2 0;Ji a n g e t a l.,2 0 2 0)。而后,众多学者利用STIRPAT、SD M 模型研究发现城镇化率、技术创新、金融资源配置效率等也是影响碳排放的重要因素（郭筱祎，2 0 2 1；张晨露等，2 0 2 2；周亚军等，2 0 19）。在绿色金融与碳排放关系的研究中，大部分学者以各类绿色金融工具和绿色金融政策作为研究对象，分析对碳排放的影响。在绿色金融工具方面，部分学者认为绿色信贷可通过促进技术创新降低污染物的排放（Kant,2021）但也有研究发现绿色债券对碳排放并没有起到抑制作用。在绿色金融政策方面，部分学者认为绿色金融政策可通过提升行业间资源配置效率、改善能源消费结构、促进绿色技术创新、增加绿色投资渠道等显著抑制碳排放（张小可等，2021；高原等，2 0 2 2；刘峰，2 0 2 2；任亚运，2 0 2 3）。通过文献梳理，学术界分别从绿色金融工具和绿色金融政策出发，对绿色金融与碳排放的关系进行了相关研究,但仍存在一定不足。一是鲜有学者将绿色金融改革创新政策与碳排放置于地级市层面去探究两者的关系；二是鲜有作者深入探讨不同技术进步路径对该政策的碳减排效应的影响，缺乏从实证角度探究碳减排效应的作用机理。为此,本文使用地级市样本数据,在把握绿色金融改革创新政策以及碳排放内涵的基础上，以该政策作为外生冲击构建DID模型，进一步从实质型技术创新、偏向型技术进步、FDI技术溢出三方面探究技术进步对政策碳减排效应的影响，丰富了研究层次，创新了该政策对碳减排影响的路径研究，为“双碳”目标下促进绿色金融体系的深度发展、实现中国低碳经济转型提供实践借鉴。三、理论分析与研究假设绿色金融体系的建设主要服务于两个目的，一是为绿色产业筹集资金，二是用于防范环境气候因素导致的金融风险。首先，在集资过程中，通过绿色金融政策引导，使资金流向绿色产业，形成发展产业所必需的绿色金融资本，有效地降低绿色产业在发展过程中的筹资成本，实现碳减排效应（王康仕等，2019）；同时，实施绿色政策可向市场传递“绿色信号”（任亚运，2 0 2 3），例如对试点区的绿色产业和污染产业实施差异化的奖罚信贷成本，通过此信号的传递约束高污染项目的融资规模，提高高能耗产业的融资成本，增加绿色产品的核心竞争力，进而倒逼要素生产率低下、环境成本高的产业缩减生产规模或积极寻求生产转型，及时遏制环境气候因素恶化导致的金融风险，实现地区低碳经济转型。据此，本文提出研究假说H1。H1：绿色金融改革创新政策的实施显著抑制了碳排放水平。在碳减排效应的机制研究中,绿色投资、产业结构、技术创新被认为是关键的路径变量（孙传旺等，2010；黎文靖等，2 0 16），但鲜有学者探究不同技术进步路径的影响。因此，本文通过梳理已有的研究和理论，选择从实质性技术进步、偏向型技术进步、FDI技术溢出三个路径探讨技术进步对政策碳减排效应的影响。首先,在“绿色信号”的刺激下，金融消费市场会增加对绿色产品的需求，各企业为实现利润最大化必将对绿色生产技术进行改良创新，从而降低二氧化碳排放强度。而技术创新可分为实质型与策略型技术创新,其中策略型技术创新一般以获取政府补贴为创新目的，本质上并不能带来技术进步（黎文靖等，2 0 16）。同时，企业内部通过利用各要素之间的可替代性，改变劳动与资本的投人比，从而形成偏向型技术进步，更好地配合绿色金融改革创新政策实现碳减排；并且，高水平对外开放持续深化吸引了更多外资，企业通过学习和引进国外先进技术，可以减少我国技术研发成本，加快技术创新速度,形成FDI技术溢出效应,调节政策碳减排效应。据此,本文提出研究假说H2和H3。H2：绿色金融改革创新政策通过提升实质型技术创新水平抑制了碳排放。H3：FD I 技术溢出效应、偏向型技术进步对绿色金融改革创新政策的碳减排效应具有调节作用。四、研究设计（一）数据来源与样本选择本文根据数据的可得性，选择中国2 8 3 个地级市2 0 11一2 0 2 0 年的数据作为研究样本，深人探究绿色金融改革创新政策的实施效果,数据主要来自国民经济和社会发展统计公报中国能源统计年鉴中国统计年鉴中国城市统计年鉴等。112023.06限制加大高污绿色染项产业目融直接作用融资资规支持模(二)变量测度1.被解释变量：二氧化碳排放量（lnCO2）本文采用二氧化碳排放量的对数作为被解释变量。在计算二氧化碳排放量时，通过借鉴张华明（2 0 2 1）等学者的做法，使用天然气、液化石油气、火电这3类能源消耗产生的二氧化碳排放量来测度地级市碳排放强度。其中，天然气、液化石油气碳排放量的计算借鉴王锋（2 0 10)等学者的做法，选取IPCC公布的碳排放因子进行测算；火电能源消耗产生的碳排放量则借鉴吴建新（2 0 16)的方法，根据样本归属的省份分别划分到华北、东北、华东、华中、西北和南方6大区域，采用各区域电网历年基准线排放因子进行测算。具体计算公式如下：CO2i=Cni+Cpi+Cei=NCVniCEFnEri+NCVpiCEFpiEpi+OiEei式中：CO2:表示统计期内3 种能源消耗所产生的CO2排放量,C表示消耗能源所产生的排放量（n i p i、e i 分别代表天然气、液化石油气及火电）,E表示能源的消耗量，NCV表示能源的平均低位发热量，CEF表示能源的二氧化碳排放因子，Q表示第T年某一区域电网的基准线排放因子。2.核心解释变量：政策虚拟变量与时间虚拟变量的交乘项（treat*time）本文以样本是否被入选试验区构建政策虚拟变量，以绿色金融改革创新政策实施时间为节点构造时间虚拟变量。变量具体形式如下：【1（2 0 17 年或以后且为试验区）treat*time=lo(其他)3.其他变量文章基于相关研究结论，挑选对“碳达峰、碳中和”有重大影响的以下5个主要变量作为控制变量：政府发展性支出（Gover)选用政府科技支出占总河北金融绿色金融改革创新政策+中介效应实质型技术创新FDI技术溢出效应调节效应：偏向型技术进步碳减排图1影响机制本期聚焦：金融创新财政支出的比例来衡量政府发展性支出的大小。经济发展水平（lnGDP)：根据环境库茨涅兹曲线可知环境质量与国家经济发展水平相关，因此本文以各地级市生产总值的对数来衡量经济发展水平。技术进步(1)产业结构（lndus）以第三产业产值与第二产业产值比来衡量我国的产业结构。人口因素（Natural）选取人口自然增长率来衡量人口的密集性对碳排放造成的影响。FDI技术溢出效应（lnFDI)是促进我国技术进步的重要途径，本文选取统计期实际外资利用金额的对数来衡量FDI技术溢出效应以及对外开放水平。关于机制变量，本文选取投资总额同就业人员比衡量偏向型技术进步，用发明型专利申请数占总专利申请数的比值来衡量实质型技术创新水平，用实用型专利申请数占总专利申请数的比值来表示策略型技术创新水平（Cpatenti）。各变量的描述性统计结果见表1。表1变量描述性统计分析符号变量名1nCO2二氧化碳排放强度二氧化碳排放量的对数InGDP经济发展水平Gover政府发展性支出科技支持占总财政支28301.571.63出的比重InFDI实际外资利用水平实际外资利用金额的28309.742.25对数lndus产业结构Natural人口因素CL偏向型技术进步投资总额与就业人员比Cpatenta策略型技术创新水平实用型专利申请数占比Apalentl实质型技术创新水平发明型专利申请数占比(三)模型构建政策效应评估目前有四种主流方法,即工具变量法、断点回归、双重差分法（DID）倾向匹配法。其中DID模型不仅允许不确定性因素的存在,而且允许不可观测因素对个体是否接受干预的决策产生影响,放宽了对政策评价的限制，使评价结果更加贴近经济现实，具有更广泛的适用性。因此本文以绿色金融改革创新政策作为外生冲击，建立双重差分模型探究绿色金融改革创新政策对碳排放的影响，具体模型如下：lnCO2zi=o+1DID+Z;Controli+:+u;+8i(2)上式中：lnCO2i表示第i个省份第t年二氧化碳的排放强度;DID表示treat*time交互项,其系数i的显著性是分析该政策能否抑制碳排放的关键；Controli表示各控制变量，j为各控制变量的回归系变量含义国内生产总值的对数28307.390.97第三产业与第二产业28301.020.58的产值比自然增长率样本数均值标准差28301.44 0.2928305.695.5328301.766.4428300.740.1828300.270.1812河北金融2023.06本期聚焦：金融创新数；u;分别表示时间固定效应与地区固定效应，8 i为扰动项。五、实证分析(一)基准回归结果分析本文使用双重差分模型考察绿色金融改革创新政策对碳排放的影响，为排除不因时间和地区而变的因素对回归结果的影响，本文控制了时间效应和地区效应，回归结果见表2。表2 DID回归结果1nCO2变量(1)DID-0.176*(0.054)InGDPGouerNaturalIndusnFDI常数项样本量时间固定效应地区固定效应注：括号中为稳健标准误，*P0.1,*P0.05,*P0.01。下同。根据表2(1)列的回归结果可知,核心解释变量DID的回归系数为在1%的水平下显著为负,说明建立绿色金融创新试点的城市二氧化碳排放强度显著降低，即绿色金融改革创新政策的实施对碳排放强度起到了抑制作用。在加人政府发展性支出、经济发展水平、产业结构、人口因素等影响因素后，表2(4)列显示回归结果依然显著,进一步验证了政策的碳减排效应，研究假说H1得到验证。(二)稳健性检验基于回归结果得出绿色金融改革创新政策会显著抑制二氧化碳的排放,为排除其他因素的影响,确保模型回归结果的稳健性，本文利用平稳趋势检验、安慰剂检验、排除其他政策影响的方法进行稳健性检验。1.平稳趋势检验在确保实验组和对照组具有相同事前趋势的前提下，使用DID模型才具有研究意义。根据图2 所示，在2 0 17 年之前（政策实施前），实验组（黑色线）和对照组（灰色线）的变化趋势相近；2 0 17 年后，实验组碳排放强度开始逐渐下降，而对照组仍呈上升趋势，但其上升速度开始减缓,这可能是政策的溢出效应所导致，后续将会对该问题进一步深入分析。3(2)(3)-0.174*-0.079*(0.055)(0.040)0.034*(0.020)-0.003(0.003)0.001(0.001)0.010(0.033)-0.008(0.006)1.326*1.155*(0.009)(0.149)28302830YesYesYesYes(4)-0.076*(0.042)0.043*(0.026)-0.002(0.004)0.003*(0.001)-0.054(0.038)-0.000(0.007)1.664*1.312*(0.033)(0.196)24712471YesYesYesYes2015进一步对模型的动态效应进行检验，结果显示，在政策实施之前，前置冲击项（Pre_3、Pr e _ 2、Pr e _ 1）的系数并未显著异于0。而在政策实施之后,后置冲击项(Las_1、L a s _ 2、L a s _ 3)的系数显著异于0。并且，根据表3 回归结果,随着政策实施时间的推移,其政策红利逐渐释放,形成的碳减排效应持续增强，模型稳健性得到验证。表3 动态效应回归结果政策实施时点变量2015年Pre_30.006(0.028)Pre_20.028(0.031)Pre_10.022(0.488)Current-0.110*(0.049)las_1-0.140*(0.063)las_2-0.172*(0.062)Las_3-0.240*(0.083)常数项1.158*(0.149)控制变量是样本量2830时间固定效应Yes地区固定效应Yes2.安慰剂检验政策时点随机化：将政策实施的时间点改为2015年,基于此再次对模型（2)进行回归，如果DID的回归系数显著，则说明二氧化碳排放强度的降低2016图2时间趋势图2017时间20182019132023.06不一定是由该政策的实施造成的；若相反,则说明了模型回归结果的稳健性。根据表4,政策实施时点改为2 0 15年时，绿色金融改革创新政策的实施并没有对二氧化碳的排放起到显著的抑制作用，这表明原回归结果具有稳健性。表4政策时点随机化检验政策实施时点变量2015年DID-0.210(0.391)3.216*常数项(0.568)控制变量是样本量2830时间固定效应Yes地区固定效应Yes随机构造实验组：对样本进行50 0 次随机抽样选取8 个地区作为实验组，对模型(2)重新进行回归，根据图3 所示，回归系数均值集中于0 附近，说明绿色金融改革创新政策的实施对二氧化碳排放量的影响与其他随机因素的关系不大,进一步验证了模型回归结果的稳健性。0.40.330.20.10-33.排除其他政策影响为实现我国低碳经济转型，国家陆续颁布了碳排放权交易试点、低碳城市试点等政策，为排除这些低碳政策对绿色金融改革创新政策实施效果的干扰影响，本文剔除了原样本中在2 0 17 年被确定为低碳试点的城市，回归结果见表2（3)列、（4)列,在剔除实施低碳试点的样本后，绿色金融改革创新政策对碳排放的抑制效果依然显著，进一步验证了基准回归结果的稳健性。（三）溢出效应检验基于前文研究可知,改革创新政策具有显著的河北金融-2-1政策效果图3 实验组随机化检验本期聚焦：金融创新碳减排效应，但无法判断该政策是否对周边地区产生了溢出效应。因此，本文借鉴张建国等（2 0 19)的做法,剔除原创新试验点,将其所在省份内的非试点区域视为周边地区构建虚拟变量Place。当样本位于原试验点所在的省份时,则Place为1作为实验组,否则Place为0 选为对照组,构建如下回归模型(3)：InCO2i=o+rPlacetime+Za,Controli+i+u;+Si(3)根据表5可知，回归系数i在1%的水平下显著为负，且其绝对数值显著大于基准回归时的系数值，说明了该政策对周边地区具有显著的溢出效应以及时间趋势检验中对照组碳排放强度上升速度减缓的原因。表5溢出效应检验变量IncO2iDID-0.052*(0.025)控制变量香常数项1.634*(0.018)样本量2822时间固定效应Yes地区固定效应Yes（四）机制效应检验为验证绿色金融改革创新政策能否通过提高技术创新水平以及投资水平实现碳减排效应，本文借鉴温忠麟等（2 0 14)学者的做法，构造如下中介效应模型：InCO2a=o+rDID+Z,Controla+y:+u,+8i(4)Mediau=o+rDID+Z,-Controla+u;+Su(5)InCO2i=o+1DID+2Mediai+Z,Controli+u;+8u01lnCO2i-0.186*(0.041)是0.693*(0.201)2822YesYes2上式中：Mediai代表实质型技术创新水平、策略型技术创新水平、偏向型技术进步、FDI技术溢出效应四个机制变量。根据表6 中模型（4)的回归结果可知，在1%的水平下该政策可显著抑制碳排放；在技术创新水平中介效应分析中，表6 列3、4、5中模型（5）（6)的回归结果显示，在5%的水平下，实质型技术创新（TA)显著抑制了碳排放水平，但策略型技术创新在5%的水平下，并未对碳排放起到抑制作用，即研究假说H2得以验证；在偏向型技术进步（C L）、FD I 技术溢出效应（lnFDI)中介效应检验中，两者的中介机制并未得到验证。可能的解释是，在研究期内,政策并未直接作用于CL和lnFDI,很有(6)14河北金融2023.06本期聚焦：金融创新可能这两个机制变量只是起到了一个调节作用。基于此，将对这两个变量进行调节效应检验。表6 机制分析InCO2InCO2变量TC(4)(5)DID-0.174*(0.055)TCTACLInFDI常数项控制变量样本量时间固定效应地区固定效应（五）调节效应检验为探究偏向型技术进步（CL）、FD I 技术溢出效应(lnFDI)能否对绿色金融改革创新政策的碳减排效果产生调节效应，分别构造CL*DID与InFDI*DID两个交互项，建立如下模型：lnCO2u=iDID+2Zu+2ZiDID+EjControli+8it(7)上式中：Z.表示FDI技术溢出效应和偏向型技术进步变量。表7 回归结果显示，CL*DID与lnFDI*DID这两个交互项的回归系数，分别在10%和1%的水平线显著,说明偏向型技术进步（CL）、FD I 技术溢出效应(lnFDI)在绿色金融改革创新政策的碳减排效应中存在负向增强的调节效应,为研究假说H3的成立提供了可靠的证据。表7 调节效应检验变量ncO 2CLDID0.225*(0.063)CL0.001(0.001)DID*CL-0.822*(0.031)DID*FDI常数项控制变量样本量(六)异质性检验我国绿色金融改革创新政策于2 0 17 年正式启动，在东、中、西部三个IncO arInCO2iTAInFDI(6)(5)0.071*-0.166*(0.034)(0.049)0.104*(0.049)0.976*-0.194(0.164)(0.134)YESYES28302830YesYesYesYes0.007(0.032)YES2830地区共设立了8 个金CL融试点。虽然试点地区(6)(5)0.069*-0.182*(0.037)(0.055)-0.111*(0.033)1.036*1.078*(0.161)(0.161)YESYES28302830YesYesYesYesInFDI0.578*(0.193)0.005*(0.002)-0.046*(0.018)-0.018(0.032)YES2830(6)-0.156-0.005(0.243)(0.007)(0.417)-0.174*(0.055)1.156*7.930*0.976*-15.7020.935*(0.161)(0.709)YESYES28302830YesYesYesYes的回归水平下对碳排放的影响系数分为-0.17 9%、-0.446%，对二氧化碳排放量起到了显著的抑制作用,并且对中部地区的影响大于对东部地区的影响，这同刘峰等学者的研究结果相同；在西部地区,该政策的实施并没对碳排放起到显著的抑制作用。可能的解释是，西部地区同中东地区的环境库兹尼茨曲线位于不同发展阶段。西部区域所处阶段，其经济发展会对环境造成进一步的破坏，这点根据西部地区经济发展水平的回归系数可知，此时经济发展水平(lngdp)的回归系数在5%的水平下显著为正。表8 区域异质性分析lncO2变量东部WDID-0.179*(0.047)MDIDEDID控制变量样本量时间固定效应地区固定效应六、结论及建议(一)结论本文基于2 0 112 0 2 0 年2 8 3 个地级市数据，以2017年绿色金融试验点作为外生冲击，构建双重差分模型探究绿色金融改革创新政策的碳减排效应，15(5)-0.419-0.003*(0.001)(0.164)(15.804)YESYES28302830YesYesYesYesYES850YesYes(6)-0.174*(0.055)(0.156)YES2830YesYes覆盖面较为广泛，但在东、中、西部三个地区的分配比例却有所失调，从整体上无法判断政策在各区域的实施效果及差异。因此，本文将总体样本按所属区域分为三组分别进行回归。如表8 所示，在中、东部地区，绿色金融改革创新政策在1%中部西部-0.446*(0.013)YES1140YesYes-0.068(0.060)YES840YesYes河北金融本期聚焦：金融创新2023.06并进一步分析了政策的中介效应及调节效应。首先，基准模型回归结果显示绿色金融改革创新政策能显著抑制二氧化碳的排放强度,并且政策的碳减排效应随着时间的推移越发显著；其次，绿色金融能通过引导资金流向提高对技术研发的投入，倒逼高污染产业转型或退出市场，达到抑制二氧化碳排放的目的；再者，偏向型技术进步、FDI技术溢出效应可通过影响绿色金融改革创新政策的实施效果，调节碳减排效应；最后,在东、中、西部三个地区,绿色金融改革创新政策的实施效应存在差异，尤其是在西部地区，该政策的实施并没对碳排放起到显著的抑制作用。(二)建议基于以上研究，本文提出如下建议：（1)积极推广试验点经验，建立健全绿色金融政策体系。研究结果显示，实施绿色金融改革创新政策的地区，其碳减排效应显著，但目前试点地区只有8 个地级市，范围不够广泛，抑制效应无法在全国形成整体覆盖。同时,基于我国现阶段绿色金融体系的发展情况,政府仍需加快顶层建设，完善相应的政策体系，充分发挥绿色金融改革创新政策的碳减排效应。（2)加大技术研发资金的投人，引导资金流向绿色产业。技术进步是绿色金融政策实现碳减排的重要途径之一,但在本文的研究中该政策并未对偏向型技术进步、FDI技术溢出效应产生直接影响。因此,政府应当健全金融市场的激励约束机制，引导资金流向能源利用效率高效的绿色产业，为绿色产业技术创新提供持续的资金支持，实现技术进步红利的全面释放。同时，倒逼高污染企业进行转型与技术创新，推进我国“双碳”目标的落实。（3)制定并完善区域间金融发展的信息共享机制，实现各试验区的均衡发展。基于原始经济发展水平以及资源赋情况，政策在各区域间的实施效果具有显著差异性。为此，应制定并完善区域间金融发展的信息共享机制，在各省市之间加强政策实施和执行方面的沟通与协调，实现各区域碳减排效应的均衡发展。参考文献：1高原，申珍珍.绿色金融改革政策的碳减排效应 J.中国环境科学，2 0 2 2,42(10)：48 49-48 59.2郭筱祎.双碳目标背景下陕西省碳排放预测及减排路径研究 J.煤炭经济研究，2 0 2 1,41(9)：15-2 1.3江红莉，王为东，王露，等.中国绿色金融发展的碳减排效果研究一一以绿色信贷与绿色风投为例 J.金融论坛，2020,25(11):39-48+80.4黎文靖，郑曼妮.实质性创新还是策略性创新?宏观产业政策对微观企业创新的影响 J.经济研究，2 0 16，51(4):60-73.5刘锋，黄苹,唐丹.绿色金融的碳减排效应及影响渠道研究 J.经济金融学研究，2 0 2 2,3 7（6)：144-158.6任亚运，余坚,刘俊霞.“双碳”目标下绿色金融的碳减排效应及作用机制检验 J.财会月刊.2 0 2 3,44(1)：147-153.7孙传旺，刘希颖，林静.碳强度约束下中国全要素生产率测算与收敛性研究 J.金融研究，2 0 10(6)：17-3 3.统计与决策.2 0 2 2(3)。8王锋，吴丽华，杨超.中国经济发展中碳排放增长的驱动因素研究 J.经济研究，2 0 10(2)：12 3-13 6.9王凤荣,王康任.“绿色”政策与绿色金融配置效率一基于中国制造业上市公司的实证研究 J.财经科学，2 0 18(5):1-14.10王康仕，孙旭然，王凤荣.绿色金融、融资约束与污染企业投资 J.当代经济管理，2 0 19（12).11温忠麟，叶宝娟.中介效应分析：方法和模型发展 J.心理科学进展，2 0 14,2 2(5)：7 3 1-7 45.12吴建新，郭智勇.基于连续性动态分布方法的中国碳排放收敛分析？J.统计研究，2 0 16,3 3(1)：54-6 0.13张晨露，张凡.生态保护、产业结构升级对碳排放的影响一一基于长江经济带数据的实证 J.14张国建，佟孟华，李慧，等.扶贫改革试验区的经济增长效应及政策有效性评估 J.中国工业经济，2 0 19（8)：136-154.15张华明，元鹏飞，朱治双.中国城市人口规模、产业集聚与碳排放 J.中国环境科学，2 0 2 1,41（5)：2 459-2 47 0.16张小可，葛晶.绿色金融政策的双重资源配置优化效应研究 J.产业经济研究.2 0 2 1(6)：15-2 8.17张炎治，冯颖，张磊.中国碳排放增长的多层递进动因基于SDA和SPD的实证研究 J.资源科学,2 0 2 1,43(6):1153-1165.18周亚军，吉萍.产业升级、金融资源配置效率对碳排放的影响研究一一基于省级空间面板数据分析 J.华东经济管理,2 0 19 (12).19邹锦吉.绿色金融政策、政策协同与工业污染强度基于政策文本分析的视角 J.金融理论与实践，2 0 17(12)：71-74.（下转第3 0 页）162023.06积极推动农村产业的自然资源优势转化为经济发展动力。（三）完善基础建设，扩大网络宣传作为社会发展的基础物质条件，配置健全的公共基础设施如道路和物流链建设等有利于经济更好发展。而金融服务所需的基础建设如信用体系的完善、金融准人制度的实施、农村金融的风险监督管理等助推金融支持农村产业发展。值得注意的是，在新时代条件下，互联网的广泛应用也能够扩大和提升金融的覆盖面和便利度。随着互联网覆盖面不断下沉到基层，金融机构应注重金融服务在网络上的应用和管理，积极通过互联网进行金融知识宣传和推广，有助于为农户普及金融知识，提高他们的风险意识。参考文献：1Yagura K.Rapid diffusion of combine harvesters inCambodian Rice Farming:a business analysis.Asian Journal of Agriculture and Development,2020,17:71-88.2IFPRI.Linked economic and animal systems(LEAS)model:technical documentation EB/OL.https:/e-brary.ifpri.org/.utils/getfile/collection/p15738co112/id/134330/filename/134541.pdf.3Sebola M.Financing emerging black farmers for a-gricultural development in south africa:a waste-ful and unworkable model for creating blackfarmersJ.The Journal for Transdisciplinary Re-search in Southern Africa,2018,14(1):1-7.河北金融理论探讨4Baker V,Jeirey w.The equity share En new tssuesand aggregate stock returns J.Jownal of Fi-nance,2000(55):2219-2257.5孟维福，李莎,刘婧涵，等.数字普惠金融促进乡村振兴的影响机制研究 J.经济问题，2 0 2 3 3)：10 2-111.6张林，李海央，梁义娟.农村金融高质量发展：水平测度与时空演变 J.中国农村经济，2 0 2 3(1)：115-13 9.7温涛，何茜.全面推进乡村振兴与深化农村金融改革创新：逻辑转换、难点突破与路径选择 J.中国农村经济，2023(1):93-114.8姚升.科技创新赋能农村产业融合发展研究一基于空间计量及面板向量自回归模型的实证检验 J.技术经济与管理研究,2 0 2 3(1)：2 7-3 1.9张哲，李季刚.乡村振兴背景下数字普惠金融驱动农村产业融合发展一一基于中部地区的实证研究 J.长春金融高等专科学校学报，2 0 2 3（1)：58-6 5+57.10王益君，娄晨雨，张於琛.农村金融助推乡村振兴的区域性研究 J.产业经济评论，2 0 2 3(1)：17 1-18 8.11张华志，黄全祥.乡村产业振兴的信贷资金缺口分析 J.财经科学,2 0 2 2(11)：58-7 2.12刘赛红,胡丽辉，孙媛.乡村产业振兴的金融溢出效应：形成机理与现实表征 J.农业经济问题,2 0 2 2(11)：117-130.13胡剑波，郑维丹.乡村振兴战略下农村金融对农村产业兴旺的影响研究 J.贵州社会科学，2 0 2 2（7)：16 0-16 8.14慕慧娟，崔巍平.金融服务助力乡村振兴：实践、挑战及展望 J.西南金融，2 0 2 1（4)：2 9-40.15张莎莎，万富元.乡村振兴战略下广西农业保险支农惠农效率研究 J.区域金融研究，2 0 2 1(9)：15-2 4.(上接第16 页）20Jiang B Y,Huang B L,Zhang H.Study on influenc-ing factors of construction industry carbon e-missions in Jiangsu province based on LMDI mod-elJ.Environmental Science&Technology,2021,44(10):202-212.21Kant A.Practical vitality of green bonds and e-conomic benefits J.Review of Business and Eco-nomics Studies,2021,9(1):62-83.22Mahony T.Decomposition of Irelands carbon e-missions from 1990 to 2010:an extended kaya i-dentityJ.Energy Policy,2013,59:573-581.23Yang J,Cai w.Driving forces of Chinas CO,emis-sions from energy consumption based on Kaya-LM-DI methods J.Science of the Total Environment,2020,711:134569.30