1、2023年第1期（总第169期）Journal of North Minzu University空间视角下绿色金融对低碳经济发展的影响李苏1，刘浩南2（1.北方民族大学 经济学院，宁夏 银川 750021；2.山西大学 经济与管理学院，山西 太原 030006）摘要：绿色金融驱动低碳经济发展是推动生态文明建设和实现高质量发展的持续动力。通过对我国30个省（市、区）绿色金融对低碳经济发展的影响分析表明：我国绿色金融不仅能够提高当地低碳经济发展水平，对周边省（市、区）的低碳经济发展也具有积极影响，甚至对周边省（市、区）低碳经济发展的间接效应强于对本省（市、区）低碳经济发展的直接效应，具有较强的空
2、间溢出效应。从空间分布看，中东部地区绿色金融的直接和间接效应较基准地区（中部地区）均有所降低，但其对低碳经济发展依然表现出积极作用；中西部地区绿色金融对低碳经济发展的影响与中东部地区相反，绿色金融对低碳经济发展的溢出效应更强。关键词：绿色金融；低碳经济；空间溢出效应；空间计量模型中图分类号：X196文献标识码：A文章编号：1674-6627（2023）01-0140-08DOI：10.20076/ki.64-1065/G4.2023.01.017收稿日期：2022-09-28基金项目：宁夏自然科学基金项目“基于深度神经网络模型和协调度的黄河宁夏段健康评价研究”（2021AAC03175）；国家
3、民委人文社会科学重点研究基地民族地区相对贫困治理研究中心资助成果作者简介：李苏（1978），女，宁夏海原人，北方民族大学经济学院教授，硕士生导师，主要从事区域经济学研究；通讯作者：刘浩南（1995），男，宁夏银川人，山西大学经济与管理学院博士生，主要从事绿色发展研究。引用格式：李苏，刘浩南.空间视角下绿色金融对低碳经济发展的影响J.北方民族大学学报（哲学社会科学版），2023（1）.2021年2月，国务院颁布了 关于加快建立健全绿色低碳循环发展体系的指导意见，明确肯定了绿色金融在构建绿色低碳循环发展经济体系中的重要作用。其中，绿色金融除了为绿色经济提供金融支撑外，在引导社会资本流向绿色领域，推
4、动产业结构绿色转型和绿色技术创新等方面也扮演着重要角色。因此，在经济增长和自然保护协调发展的新需求下，绿色金融能否克服传统金融模式的诸多弊端，营造经济增长与环境保护双赢局面，是当前实现绿色低碳转型发展的核心问题。由于我国各省（市、区）在城镇化水平、产业结构等方面存在较大差异，导致不同区域绿色金融发展和低碳化转型进程差异较大，加之区域经济一体化发展极大促进了各省（市、区）的经济联系，使得绿色金融与低碳经济发展之间的关系错综复杂。在此背景下，研究绿色金融对低碳经济发展的空间溢出效应，可以为绿色金融支持低碳化转型发展提供政策建议。一、文献综述围绕低碳经济发展，我国学者进行了一些有益的研究。金涌等认为
5、，低碳经济是一种“能耗小、污染小、排放小”的绿色经济模式1。陈兵等认为，低碳经济模式属于工业文明与生态文明相结合的140一种新型经济发展模式，致力于在社会福利最大化目标下实现经济增长与生态环境保护协调发展2。刘湘认为，民族地区应加快低碳经济发展，逐渐降低对高碳能源的依赖，加快将资源优势转化为经济优势3。刘天森和朱越则认为，低碳经济是一种在自然问题、社会发展需要、产业优化升级合力驱动下产生的特定绿色发展形态，其目的在于建设人与自然和谐发展的环境友好型生态文明4。可见，学者们将低碳经济发展的核心定义为“抑制二氧化碳排放量，提高经济效益”。通过梳理现有文献，可以看到，学者大多聚焦绿色金融和低碳经济中
6、某一具体方面，如经济高质量发展5678、碳排放910111213等方面的研究。随着绿色金融的出现，诸多学者将金融发展的概念具体到绿色金融上，并着眼于研究绿色金融所引发的低碳经济转型效应。冯文芳等指出，绿色金融强调通过低耗能、低排放、低污染来实现环境、社会、经济的可持续发展，加快产业结构的绿色转型和提升经济的技术含量14。谢婷婷等认为，绿色信贷可以通过引导金融资源向绿色低碳产业倾斜和限制污染企业的信贷支持，推动企业发展低碳经济，优化能源消费结构，进而实现绿色经济增长15。郭希宇研究发现，绿色金融可以有效促进地区低碳经济发展，而且有显著的空间溢出效应16。吴朝霞等认为，绿色金融发展实践是抑制我国二
7、氧化碳过量排放的有效举措，但我国目前仍存在绿色金融有关政策落实不到位、市场环境信息披露标准不统一，以及政府和市场权责不清晰等制约绿色金融支持低碳经济发展的现实问题17。综上所述，当前学者更多关注绿色金融与低碳经济中具体元素间的关系，研究对象大多聚焦在经济高质量发展和二氧化碳排放等主题上，而低碳经济的发展需要兼顾经济发展与抑制二氧化碳排放两个方面的属性，现有研究大多将二者割裂开进行研究。加之在区域一体化背景下，传统意义上的地理界限已经越来越模糊，这也造成了区域内各单位间绿色金融影响低碳经济发展的机制愈加复杂，忽略个体差异的传统面板数据研究很难适用于解释绿色金融发展水平与低碳经济发展之间的关系。鉴
8、于此，本研究将借助空间计量模型分析绿色金融对低碳经济发展的影响，为推动我国绿色金融与低碳经济的协同发展提供更多理论依据。二、研究方法（一）研究区域与数据来源本文以20072019年为样本区间，选取我国30个省（市、区）作为研究对象（因数据缺失，不包括我国西藏、香港、澳门和台湾地区），旨在检验绿色金融对低碳经济发展的影响是否存在空间溢出效应。绿色金融指数测算所用数据主要来源于Wind数据库、CSMAR数据库、中国工业年鉴 中国保险年鉴 中国环境统计年鉴 及 中国统计年鉴。由于我国尚未披露2018年和2019年各省环境污染治理投资的相关数据，因此在研究中以城镇环境基础设施建设投资、工业污染治理投资
9、和林业投资完成情况之和来代替环境污染治理投资相关数据。低碳经济指数测算所用数据主要来源于EPS数据库、中国科技统计年鉴 中国统计年鉴 和 中国能源统计年鉴。其余变量的相关统计数据均来自 中国统计年鉴 及各省份统计年鉴，部分缺失数据采用线性插值法进行处理。（二）空间计量模型构建1.空间自相关检验。低碳经济发展是否存在空间依赖性是研究其空间溢出效应的前提，在构建空间计量模型之前，借助莫兰指数（Moran I）对低碳经济发展的空间自相关性进行检验。全局莫兰指数的计算公式为：1412023年第1期（总第169期）Journal of North Minzu UniversityI=i=1nj=1nWi
10、j(Xi-X)(Xj-X)S2i=1nj=1nWij（1）式中，S2=i=1n(Xi-X)2n表示样本方差，Wij为空间权重矩阵，本文引入邻接权重矩阵、地理距离权重矩阵和经济地理距离权重矩阵，Wi、Wj为i地与j地的观测值，全局莫兰指数的取值范围为-1，1，该指数绝对值越大，表明观测值之间的空间相关性越强，反之亦然。当I0时，表示存在空间正相关性。2.空间计量模型构建。为了研究绿色金融对低碳经济发展的空间溢出效应，本文构建如下空间面板模型，其一般表达形式为：lnyit=Wlnyit+lnxit+Wlnxit+i+t+it（2）it=Wit+it（3）式中，yit表示被解释变量，xit表示解释变
11、量，W表示相应类型的空间权重矩阵，、和表示各项的空间自回归系数，Wyit表示被解释变量的空间滞后项，Wxit表示解释变量的空间滞后项，i和t分别表示个体效应和时间效应，it表示误差项。（三）变量选取1.被解释变量：低碳经济指数（LC）。在衡量低碳经济发展水平时，需要同时兼顾经济增长与环境保护两个方面的属性。因此，本文构建了包含低碳产出、低碳消费、低碳资源、低碳环保和经济发展五个维度的指标来反映我国低碳经济发展能力18（见表1）。表1：变量选取与说明汇总被解释变量（低碳经济指数）解释变量（绿色金融指数）一级指标低碳产出低碳消费低碳资源低碳环保经济发展绿色信贷绿色保险绿色投资绿色证券二级指标碳生产
12、力能源产出率人均碳排放森林覆盖率单位能源碳排放强度工业固体废弃物综合利用率单位GDP的二氧化硫排放强度固定资产投资水平人均GDP城镇化率城镇居民人均可支配收入六大高耗能工业产业利息支出占比绿色保险规模占比环境污染治理投资占比节能环保财政支出占比环保企业A股市值占比指标含义年GDP/年碳排放（万元/吨碳）年GDP/能源消耗量（万元/吨标准煤）年碳排放/人口总量（吨碳/人）森林面积/土地总面积（%）年碳排放量/年能源消耗量（吨碳/吨标准煤）工业固体废物综合利用量/工业固体废物产生量（%）年二氧化硫排放量/GDP（吨/万元）固定资产投资额/GDP（%）GDP总量/总人口（元/人）城镇人口/常住人口（
13、%）（城镇居民家庭收入-个人所得税）/家庭人口数（元/人）六大高耗能工业产业利息支出/规模以上工业产业利息支出农业保险支出/保险总支出环境污染治理投资/GDP节能环保财政支出总额/财政支出总额区域环保企业市值/A股总市值指标类型+-+-+-+-+142续表2.核心解释变量：绿色金融指数（GF）。绿色投资、绿色信贷和碳金融是影响我国绿色金融发展的主要因素，表明在当前我国绿色金融整体水平不高、市场主体参与率较低和投资意识不强的困境下，政府主导与市场融合是当前我国绿色金融发展的主要模式19。鉴于当前我国企业和金融机构尚未完全涉足绿色金融领域，并且考虑到碳排放权交易在我国规模较小，对我国绿色金融发展的
14、贡献程度相对较小，因此未将碳金融涵盖在内。同时，上述绿色项目大都存在省级层面数据披露不全面的问题，综合数据的可得性，最终选取绿色信贷、绿色保险、绿色投资、绿色证券四个维度的指标对区域绿色金融发展水平进行综合测度1920（见表1）。3.控制变量。本文控制变量包括：对外开放水平（OPEN）、产业结构（IND）、政府支持（GOV）、社会消费水平（CON）（见表1）。通常情况下，利用熵值法可减少因过多主观因素带来的不利影响，使计算结果更加客观合理。因此，上述各指标权重根据熵值法进行赋权，并且采用线性加权法分别对绿色金融指数和低碳经济指数进行综合测算。考虑到熵值法较为经典，具体计算方法在此不做赘述。三、
15、实证分析（一）绿色金融驱动低碳经济发展的空间溢出效应分析首先，对低碳经济指数的空间关联性进行检验。全局莫兰指数计算结果显示，20072019年我国低碳经济莫兰指数均为正值，即我国低碳经济发展存在显著的空间相关性，符合构建空间计量模型的前提。其次，综合参考LM检验、LR检验、Wald检验和Hausman检验中各统计量结果，空间杜宾模型可以退化为空间滞后模型或空间误差模型，最后确定个体固定效应下的空间杜宾模型作为本文最终估计模型。鉴于空间杜宾模型中解释变量系数及其显著性无法直接代表对低碳经济发展的作用效果，故无法按照传统计量模型回归结果的解释方法进行解读，应采用偏微分分解方法分别求出解释变量的直接
16、效应和间接效应，从两个方面反应绿色金融对低碳经济发展的影响（见表2）。其中，直接效应表示本地绿色金融发展对自身低碳经济发展的影响程度，间接效应表示本地绿色金融发展对周边地区低碳经济发展的影响程度。表2：空间杜宾模型的空间效应分解及异质性分析结果控制变量一级指标二级指标对外开放水平产业结构政府支持社会消费水平指标含义进出口总额/GDP（%）第三产业产值/第二产业产值（%）科技教育支出/财政总支出（%）社会消费品零售总额/GDP（%）指标类型+lnGFlnOPEN（1）邻接矩阵直接效应0.097*（-4.79）0.003（-0.45）间接效应0.274*（-3.71）0.066*（-2.72）（2）地理距离矩阵直接效应0.069*（-3.82）-0.003（-0.60）间接效应0.560*（-3.95）0.105*（-2.34）（3）经济地理距离矩阵直接效应0.074*（-4.10）-0.004（-0.69）间接效应0.585*（-3.85）0.075*（-1.89）（4）中东部直接效应0.043*（2.33）-0.002（-0.31）间接效应0.300*（2.87）0.018（0.56）
