金融发展对碳排放强度的影响...面板数据的联立方程模型分析_张佩琴.pdf

GANSU FINANCE甘肃金融/2023年第3期 张佩琴【内容简介】文章在文献梳理的基础上，基于西部地区九省份20112021年的省际面板数据构建相应的联立方程模型，研究金融发展对碳排放强度的具体影响路径。研究显示，金融发展对于经济增长、地区创新水平的正向作用大于负向作用，具有促进作用。金融发展与二氧化碳排放强度的关系呈现倒“U”型。最后，文章从企业提高技术创新水平、出台支持绿色低碳发展的政策体系、搭建信息共享平台、提高金融支持低碳发展效率等方面对促进西部地区经济绿色低碳发展提出相应政策建议。作者单位：中国人民银行白银市中心支行金融发展对碳排放强度的影响研究引言习近平总书记指出，要努力建设人与自然和谐共生的现代化。降低二氧化碳排放、应对气候变化不是别人要我们做，而是我们自己要做。2022年的政府工作报告同时指出，要持续改善生态环境，推动绿色低碳发展。加强污染治理和生态保护修复，处理好发展和减排关系。关于污染治理方面，最主要的就是解决二氧化碳的排放问题。截至2021年末，我国的东部、中部、西部地区二氧化碳的排放强度依次为0.1385kg/元、0.1874kg/元和0.1928kg/元，因此，西部地区眼下的重点任务就是努力降低二氧化碳的排放量。在促进绿色低碳经济发展中，金融的作用非常重要。一方面，金融发展能够促使企业进行技术创新与升级，以此减少企业的碳排放量，因此金融发展可以解决经济增长中产生的一系列环境污染问题，使得单位GDP的碳排放量下降；另一方面，随着金融发展支持企业扩大生产规模、提升生产能力，企业又会增加对能源的消耗，导致二氧化碳的排放量上升。因此，在助推绿色低碳经济的发展中，如何发挥好金融的正向作用是本文关注的重点。本文基于理论和实践两个层面，分析探讨金融发展对碳排放强度的影响机理，更好地促进西部地区经济绿色低碳发展，具有很强的现实指导意义。文献综述（一）国内外研究现状关于金融发展对绿色低碳经济的影响，国内外的专家学者已经做了大量的研究，本文通过梳理，相关研究主要存在三个方面：一是关于经济增长与碳排放关系研究。1993年，经济学家Panayotou首次提出了环境库兹涅茨曲线（Environmental KuznetsCurve，简称EKC），揭示出了一个地区的环境污染随着该地区人均收入的增加而恶化，而当该地区人均收入水平上升到一定程度【关 键 词】二氧化碳排放强度；绿色低碳；金融支持基于西部面板数据的联立方程模型分析22Gansu Finance甘肃金融/后环境污染又随着人均收入的增加而改善，即环境污染物排放量与经济增长之间长期呈现“倒U型”关系。二是关于金融促使企业进行技术创新与升级减少二氧化碳排放量的研究。Fuente 和 Marin（1995）认为金融发展会提高投放在风险项目上的资金运用效率，支持技术升级与创新，促使能源的利用效率得到提升，从而减少碳排放。严成栋等（2020）研究建立了一个内生增长模型，在模型中设计了三个变量，即金融发展、创新与二氧化碳排放，基于理论角度探讨了金融发展支持技术创新与升级、促使碳排放降低的内在机理，同时又采用大量实践层面的具体数据进行了验证，使上面的结论获得成立。霍远、孙鹏（2022）采用20012021年的中国省际面板数据进行研究，认为金融发展对于技术创新与进步具有一定的引致性作用，能够显著降低碳排放。三是关于金融发展与环境经济的研究。Shahbaz et al.（2013）基于马来西亚19722012年的数据构建了协整分析模型，得出金融发展与碳排放具有一定的长期均衡关系。陈碧琼等（2021）基于空间系统GMM方法进行相关研究，认为随着金融规模的不断扩张、金融效率的不断提升，一定程度上会引起地区碳排放量的增加，但是碳排放强度会随之降低。（二）文献述评本文对金融发展对碳排放影响相关的研究文献进行了详细的梳理，目前现存的研究文献大部分是基于国家整体层面开展的，而基于区域层面研究金融发展对碳排放影响机理的文献很少。为了弥补前人研究的不足，本文首先构建了联立方程模型，然后通过使用区域性的面板数据研究金融发展对碳排放强度影响的具体机理，为促进地区绿色低碳经济发展资政建言。因此，本文的研究具有一定的现实意义。模型构建与指标设定（一）方法与模型根据前文的分析，金融发展对碳排放强度的影响是间接性的，本文接着探讨金融发展对碳排放强度的具体机理。根据图1，金融发展对碳排放强度的影响包括两个方面，分别是直接影响和间接影响。直接影响主要是金融发展通过自身的发展规模、发展效率及发展结构等的变动直接影响碳排放强度。间接影响主要基于两个角度：一方面，金融发展促使企业扩大自身的生产规模，银行信贷资金的利用效率得到提高，经济增长进一步加快。随着经济发展水平不断提升，这种大环境又促使企业继续扩张生产规模，由此导致企业消耗更多的能源、排放更多的二氧化碳。另一方面，随着国家日益重视企业的研发与创新能力，引导银行信贷资金流向有利于实现创新的工业科研部门，提高企业的自主创新能力，从而引导企业降低碳排放，进一步改善环境污染问题。本文用于测度金融市场发展程度的指标设定三个方面，具体包括金融发展结构、金融发展规模以及金融发展效率。考虑到金融发展本身影响碳排放具有可变性，因此本文继续设定出金融市场发展的二次方项指标，用于衡量金融发展自身对于碳排放强度的直接影响。经过相关机理分析，本文构建出如下的联立方程模型：（1）（2）（3）在以上建立的联立模型中，公式（3）中，Lnf表示的指标包图1金融发展与碳排放强度的关系GREEN FINANCE绿色金融23GANSU FINANCE甘肃金融/2023年第3期括保险深度（Lnsd）、保险赔付率（Lnpfl）、城乡储蓄结构（Lnfss）；而（Lnf）2则表示保险深度（Lnsd）、保险赔付率（Lnpfl）、城乡储蓄结构（Lnfss）各自的二次方项，分别为（Lnsd）2、（Lnpfl）2、（Lnfss）2。公式（1）和公式（2）用于研究金融发展对于企业创新以及经济发展的影响，公式（3）用于研究金融发展、自主创新和经济增长等变量及它们相应的平方项指标对碳排放强度产生的具体影响。（二）指标选取和数据来源1.数据来源本文主要基于西部地区九省份（包括甘肃、宁夏、云南、贵州、四川、新疆、青海、陕西、重庆）20112021年的省际面板数据进行相关研究，数据来源于各省份 统计年鉴中国能源统计年鉴、各地区经济发展公报以及国家统计局网站等。2.内生变量的设定（1）二氧化碳排放强度（CO2/GDP）。第一步，推算出西部各省份20112021年的关于CO2总的排放量；第二步，计算关于单位GDP的CO2排放量，即使用西部各省份20112021年CO2总的排放量与GDP相除，便计算出西部各省份单位GDP的CO2排放量。第三步，对计算出的各省份20112021年的单位GDP的CO2排放量取自然对数值。本文借鉴林伯强等人（2010）的研究，对西部各省20112021年一共消耗的化石燃料排放的CO2进行加总，就可以得出西部各省20112021年的CO2排放总量，推导方程如下：（4）其中，i代表能源的种类，本文设定有8种能源；i表示西部各省份对于第i种能源的消耗情况，i表示西部各省对于第i种能源设定的折标准煤系数，i表示西部地区第 i 种能源设定的CO2排放系数。关于如何计算西部地区的CO2排放系数，采用以下方法：i=单位热值含量碳量平均低位发热量碳氧化率4412（5）本文为了方便计算，对于i和i的值，如表1、表2所示。表1西部地区能源折标准煤系数设定（i）千克标准煤表2西部地区能源CO2排放系数设定（i）kg-CO2/kg（2）人均GDP（pgdp）。本文用人均GDP来衡量西部省份的经济发展水平。（3）创新能力（innovation）。本文用西部各省份20112021年受理的专利申请数量与西部各个省份人口总量的比值，即人均专利申请量，指代西部地区各省份20112021年期间的创新水平。3.外生变量的设定本文继续研究西部地区金融发展自身对于经济增长以及创新能力的影响机理，考虑到金融发展对于CO2排放强度的影响存在可变性，因此本文从金融发展规模、结构以及效率三个方面设定7个变量作为外生变量。同时，引入变量保险深度（Lnsd）、保险赔付率（Lnpfl）、城乡储蓄结构（Lnfss）各自的二次方项，分别为（Lnsd）2、（Lnpfl）2、（Lnfss）2，使得联立方程模型的建立更具可靠性，变量设定情况见表3。表3西部地区金融发展相关指标选取情况西部地区金融发展对CO2排放强度的实证分析本文采用的分析软件为stata15.0，通常情况下，对于联立方程组的估计，可以使用两种方法，分别是系统估计法、单一方程估计法。为了探讨金融发展对于碳排放强度的作用机制，本文首先通过三阶段最小二乘法估计，此属于系统估计法；然后，通过单一方程估计法检验指标的有效性，最后，在检验变量有效性的基础上再检验模型的稳健性。（一）模型估计结果分析本文采用迭代3SLS估计构成模型的三个方程，模型中的各能源种类原煤焦炭原油燃料油折标准煤系数0.71520.97031.42751.4275能源种类汽油煤油柴油液化石油气折标准煤系数1.47031.47031.46601.7132能源种类原煤焦炭原油燃料油CO2排放系数1.90022.86123.02113.1706能源种类汽油煤油柴油液化石油气CO2排放系数2.92403.01683.09483.1012金融规模金融效率金融结构变量金融相关率保险深度保险密度保险赔付率金融中介效率信贷强度城乡储蓄结构相关符号firsdmdpflfaefcsfss推算方法（贷款余额+存款余额）/GDP原保费收入/GDP原保费收入/人口数保险赔付/原保费收入贷款余额+存款余额贷款余额/GDP城乡居民储蓄+存款余额24Gansu Finance甘肃金融/个指标均通过了相应的显著性检验，均有效，具体得出的模型分析结果见表4所示。表4模型估计结果注：括号内的值表示Z值；*、*、*各代表10%、5%、1%的显著性水平。根据表4中关于方程（1）的推算情况，Modelsd（1）、Model（2）、Model（3）中的相关自变量对相应的因变量的反应结果大致呈现一致性。而估算出的保险密度（Lnmd）、保险赔付率（Lnpfl）、城乡储蓄结构（Lnfss）等变量的系数显著为正，意味着这几个变量对于经济增长（Lnpgdp）的作用呈现正向性；估算出的金融相关率（Lnfir）、中介效率（Lnfae）、保险深度（Lnsd）以及信贷支持强度（Lnfcs）等变量对于经济增长（Lnpgdp）的作用呈现负向性。经过正向、负向数值的比对，得出金融发展对于经济增长的正向作用大于负向作用，因此总体来说金融发展对于经济增长的作用呈现正向特征，即具有促进作用。根据表 4 关于方程（2）的推算结果，Modelsd（1）、Model（2）、Model（3）中的相关自变量对相应的因变量的反应结果大致呈现一致性。保险密度（Lnmd）、保险赔付率（Lnpfl）、城乡储蓄结构（Lnfss）以及中介效率（Lnfae）等变量的估计系数对于地区创新水平的影响显著为正，而保险深度（Lnsd）、金融相关率（Lnfir）以及信贷支持强度（Lnfcs）等变量对于经济增长的作用呈现负向性。经过正向、负向数值的比对，得出金融发展对于地区创新水平的正向作用大于负向作用，因此金融发展对于地区创新水平的提升具有促进作用。根据表 4 关于方程（3）的推算结果，Modelsd（1）、Model（2）、Model（3）中的相关自变量对相应的因变量的反应结果大致呈现一致性。经济增长能够引起（Lnpgdp）CO2排放强度的提升，意味着随着经济不断发展，能源的消耗也逐渐增多，进一步增加了 CO2的排放量，同时使得 CO2排放的增长速度大于地区GDP自身的增长速度；企业进行创新的能力（Lninno）的估计系数显著为负，说明技术创新能够有效抑制 CO2排放，使得单位GDP 的 CO2排放量得到降低。而且，经过研究得出金融发展与CO2排放强度的关系呈现倒“U”型，这就表示在金融发展的刚开始时期，金融发展带动地区经济增长的力度更强，导致CO2排放强度更大；但是随着进一步的金融发展，带动经济增长产生的环境污染加剧，此阶段金融资金向技术创新领域的流动愈加明显，此阶段金融发展能够促使降低CO2的排放强度。（二）指标的有效性检验本文建立了基于西部地区的联立方程模型，内生变量设定为Lnpgdp、Lninno、Ln（CO2/GDP），设定 7 个相同的工具变量为Lnfir、Lnsd、Lnmd、Lnfcs、Lnfss、Lnfae、Lnpfl，设定不同的工具变量分别为（Lnsd）2、（Lnpfl）2、（Lnfss）2。关于选取的指标变量是否有效，本文采用F统计量进行检验，具体结果见表5所示，在1%的显著性水平下，相关变量均通过了检验，意味着本文的模型构建是合理的。表5有效性检验注：括号内的值表示F值；*、*、*各代表10%、5%、1%的显著性水平。（三）联立方程模型稳健性检验本文进一步检验所构建的联立方程模型是否稳健，通过采用2SLS法推算其中的单一方程，根据表6的估计结果，可以看出本文采用单一方程法和系统方程法两种方法的估计结果大致相同，尽管用于表示金融发展的二次方项对CO2排放强度的估计系数不完全一致，但是它们的倒“U”型关系均显著存在，所以，本文构建的联立方程模型具有稳健性。指标方程（1）LnfirLnsdLnmdLnfcsLnfssLnfaeLnpflcons方程（2）LnfirLnsdLnmdLnfcsLnfssLnfaeLnpflcons方程（3）LnpgdpLninnoLnf（Lnf）2consModelsd（1）-0.077（-0.17）-0.998（-123.50）*1.007（325.21）*0.054（0.19）0.001（0.03）-0.021（-0.11）0.008（1.46）3.715（3.53）*-59.782（-5.16）*-1.018（-3.54）*1.730（15.37）*62.407（5.27）*2.536（4.76）*-36.221（-5.48）*0.073（0.42）195.725（5.11）*0.648（2.69）*-0.624（-4.68）*2.555（3.11）*-1.005（-2.55）*9.617（7.19）*Model（2）-0.083（-0.29）-0.986（-124.31）*1.006（325.73）*0.069（0.22）-0.003（-0.18）-0.025（-0.15）0.009（1.51）4.732（4.56）*-57.322（-4.73）*-1.002（-3.84）*1.662（15.64）*57.968（4.83）*2.937（5.32）*-33.486（-5.12）*0.075（0.32）179.111（4.46）*0.378（1.67）*-0.513（-4.25）*16.655（2.24）*-2.401（-2.39）*-16.228（-1.35）Model（3）-0.173（-0.48）-0.984（-124.66）*1.005（326.67）*0.151（0.48）-0.009（-0.68）-0.069（-0.39）0.008（1.38）5.057（4.88）*-60.366（-5.39）*-1.394（-5.31）*1.839（16.85）*61.003（5.49）*3.127（6.04）*-35.573（-5.53）*0.036（0.19）189.618（5.09）*1.450（4.39）*-1.067（-6.06）*16.673（0.74）-1.684（-0.58）-32.155（-0.78）相关变量LnpgdpLninnoLn（CO2/GDP）Modelsd（1）23805.24*55.09*8.35*Model（2）23933.15*56.23*8.82*Model（3）23819.62*56.43*8.05*GREEN FINANCE绿色金融25GANSU FINANCE甘肃金融/2023年第3期表6单一方程估计结果注：括号内的值表示t值；*、*、*各代表10%、5%、1%的显著性水平。结论分析及建议（一）相关结论本文基于西部地区九省份20112021年的省际面板数据构建出相应的联立方程模型，研究金融发展对碳排放强度的具体影响路径。分析结论显示，第一：金融发展对于经济增长的正向作用大于负向作用，总体来说金融发展对于经济增长的作用呈现正向特征，即具有促进作用。第二：金融发展对于地区创新水平的正向作用大于负向作用，因此金融发展对于地区创新水平的提升具有促进作用。第三，金融发展支持经济增长，间接增加了碳的排放强度。但是金融发展通过支持技术创新又能够有效抑制碳排放，间接使得碳排放强度下降。第四，金融发展与排放强度的关系呈现倒“U”型。在金融发展的刚开始时期，金融发展带动地区经济增长的力度更强，需要消耗的能源逐渐增多，导致碳排放强度增大；但是随着进一步的金融发展，金融资金向技术创新领域的流动愈加明显，此阶段金融发展能够有效降低碳的排放强度。（二）对策建议一是建议企业提高自主创新水平，通过技术升级降低碳排放强度。首先，要加强与科研院所的学习与沟通，学习其先进的做法与经验，在吸收的基础上进行自主创新，形成企业自有的品牌优势。其次，建议加大对科技研发领域的资金投入。除了企业自身的研发投入外，政府也要加大财政投入力度，提高科技投入的效率，使得企业的创新能力成为低碳发展的最大动力。二是聚焦绿色金融发展，为低碳经济发展提供保障。第一，建议监管部门出台支持绿色低碳发展的政策体系，强化政策统筹协同。比如人民银行要加大碳减排支持工具、煤炭清洁高效利用专项再贷款的投放力度，保障绿色低碳发展良好运行。第二，金融机构要不断创新推出绿色金融产品，丰富服务产品种类，特别是要关注碳金融产品的研发与使用，使得绿色金融真正能够在助力低碳经济发展方面贡献力量。三是搭建信息共享平台，提高金融发展支持低碳发展的效率。稳妥有序推进金融机构环境信息披露，对企业、环保部门、保险公司等方面的相关环境信息进行整合，便于政银企以及保险四方面共享，为绿色金融发展提供现实依据，进一步提高金融发展助力低碳经济的效率。F参考文献：1严成栋,李涛,兰伟.金融发展、创新与二氧化碳排放J.金融研究,2016（01）:14302霍远,孙鹏.金融发展、技术进步对碳减排的效应研究基于省级动态面板数据GMM方法J.生态经济.2017（07）:25303陈碧琼,张梁梁.动态空间视角下金融发展对碳排放的影响力分析J.软科学,2014（07）:140144.4林伯强,刘希颖.中国城市化阶段的碳排放：影响因素和减排策略J.经济研究,2010（08）:66785蔡栋梁,程树磊,陈建东.金融节能、金融发展对碳排放变化的影响研究J.中国人口 资源与环境,2017（10）:122130.6张庆昉.“双碳”目标下甘肃省绿色金融改革创新的理性思考J.甘肃金融,2022（1）:0407.（编审：黄楠编辑：薛媛校对：王永锋）指标方程（1）LnfirLnsdLnmdLnfcsLnfssLnfaeLnpflcons方程（2）LnfirLnsdLnmdLnfcsLnfssLnfaeLnpflcons方程（3）LnpgdpLninnoLnf（Lnf）2consModelsd（1）-0.225（-0.69）-0.988（-127.38）*1.006（318.71）*0.205（0.55）-0.008（-0.46）-0.124（-0.72）0.007（1.17）5.241（4.89）*-54.878（-5.16）*-1.081（-3.63）*1.663（14.12）*55.402（3.50）*2.882（4.17）*-31.504（-4.69）*0.082（0.27）163.014（4.14）*0.652（2.55）*-0.623（-3.57）*2.767（2.95）*-1.113（-2.58）*8.056（6.76）*Model（2）-0.225（-0.69）-0.988（-127.38）*1.006（318.71）*0.205（0.55）-0.008（-0.46）-0.124（-0.72）0.007（1.17）5.241（4.89）*-54.878（-4.41）*-1.081（-3.63）*1.663（14.12）*55.402（3.50）*2.882（4.17）*-31.504（-4.69）*0.082（0.27）163.014（4.14）*0.378（1.62）*-0.417（-3.10）*16.513（2.26）*-2.517（-2.39）*-16.673（-1.40）Model（3）-0.225（-0.69）-0.988（-127.38）*1.006（318.71）*0.205（0.55）-0.008（-0.46）-0.124（-0.72）0.007（1.17）5.241（4.89）*-54.878（-4.41）*-1.081（-3.63）*1.663（14.12）*55.402（3.50）*2.882（4.17）*-31.504（-4.69）*0.082（0.27）163.014（4.14）*1.442（4.18）*-1.061（-5.77）*10.111（0.36）-1.058（-0.23）-21.528（-0.37）26