绿色信贷降低碳排放机制及效果分析——基于中国省级面板数据

余万林，于佳豪

21世纪以来，中国实现了举世瞩目的经济增长，人民物质生活水平得到极大提升。然而经济的高速增长带来了严峻的环境压力，我国2006年成为世界上最大的碳排放国，并且于2011年成为最大能源消费国。这种低效率的经济模式极不利于我国经济可持续发展和高质量增长，长此以往不仅会降低人民生活幸福指数，还可能加剧环境恶化、全球变暖、能源枯竭等全球性问题。中国作为负责任大国，一直高度重视并致力于节能减排、环境保护。习近平主席在75届联合国大会郑重承诺:“中国将力争在2030年前达到二氧化碳排放峰值，在2060年前实现碳中和。”2017年中国对于可再生能源的投资高达1270亿美元，是当时美国在该领域投资额的三倍。

2012年，随着主要目的在于促使银行调整其信贷结构，将资金尽可能投向环境友好项目，推动绿色发展，同时减少对高耗能、高污染项目投资，倒逼该类型企业转型升级、改进技术的《绿色信贷指引》的推出，绿色信贷政策正式落地，我国各银行绿色信贷业务迅速发展，规模不断扩大。绿色信贷成为推动节能减排，降碳增效的重要手段，其未来的发展空间广阔，但也需要了解其作用机制及效果，以便制定更精准的支持政策。

作为绿色金融的主要组成部分，绿色信贷对经济绿色转型影响显著[1](钱玮，2022)。绿色信贷通过调整资源配置，为绿色企业提供信贷优惠，促进企业绿色创新和环保技术的扩散[2-3](王梦媛和方厚政，2021；
宋英杰，2022)。推动环境友好型企业发展，遏制污染型企业扩张[1](钱玮，2022)，同时推动能源消费结构向低碳升级(Sun和Chen，2022)，从而促进经济绿色转型发展[4]。

关于绿色金融的减排效果，张婷和李泽辉(2022)、文书洋(2022)认为绿色金融的发展能够降低碳排放水平[5-6]，而且该影响具有溢出效应和长期性(李增福，2022)[7]。但对绿色金融重要组成部分的绿色信贷的减排效果及影响路径的研究相对较少，尤其是研究绿色信贷能否通过促使能源结构转型来降低碳排放，以及我国不同经济发展水平的东、中、西部的差异性研究不足。基于以上梳理，本文通过固定效应面板模型、中介效应分析和区域异质性分析对我国总体及东、中、西及东北地区绿色信贷对碳排放的影响和影响路径进行了分析，这一研究结论对于政策的制定和实施具有实际指导性，对绿色信贷投放的侧重点也具有引导作用。

绿色金融在我国发展迅速，其相关政策和产品的推出旨在通过将环境保护因素纳入投融资评估环节之中，推动环境保护以及能源高效利用。绿色信贷能够从以下四个维度减少碳排放。

第一，绿色信贷可以在环境保护层面引导资源配置。银行绿色信贷将企业环保情况作为标准之一，使得资金更容易流向环境友好型企业和绿色高新技术企业，这些类型的企业规模扩大有助于节能减排，同时对于积极进行节能减排的企业也具有正向激励作用[8]。此外，绿色信贷政策会减少对高能耗、高污染企业的资金支持，倒逼该类型企业进行节能减排、改进技术，最终达到降低碳排放的作用。

第二，绿色信贷通过促进企业绿色创新来减少碳排放。企业的绿色创新在前期是高投入、低回报的状态，对于保证企业自身的盈利来说是有风险的。绿色信贷为企业提供了一种低成本的融资渠道供企业进行绿色创新，降低了企业技术创新、转型升级的成本和风险。企业利用绿色信贷的支持，通过绿色创新改进其技术工艺，降低了碳排放。

第三，绿色信贷通过使企业披露其与环保有关信息来促使企业规范行为，注意降低碳排放。为确保企业将绿色信贷的低成本资金投入到规定的领域中，企业需要披露其环保信息和资金流向。企业发布的社会责任报告已经成为银行等其他金融机构以及投资者进行投资时的重要参考。此机制能够使企业增强其生产过程的环保力度，以获得金融机构和投资者的青睐。

第四，绿色信贷促进了新能源发展，促使能源结构转型，降低碳排放。以煤炭为代表的传统能源的使用对环境造成了巨大威胁，依赖煤炭作为能源供给的企业往往产生大量碳排放，此类企业在绿色信贷政策下很难得到充分的资金支持；
同时绿色信贷加大了对新能源的投资，推动了它们的技术发展，降低了新能源的使用成本，使得企业能够以合理成本使用新能源，保证盈利的同时实现了低碳发展，良性循环。

综上所述，绿色信贷通过引导资源配置，促进企业绿色创新，要求企业信息披露，促使能源结构转型，从而实现降低碳排放效果。

基于以上理论分析，本文提出以下研究假说。

假说1:绿色信贷能够显著降低二氧化碳排放。

假说2:绿色信贷通过促进企业绿色创新降低碳排放。

假说3:绿色信贷通过促使能源结构转型降低碳排放。

(一)数据选取

依据数据可得性和绿色金融出现的时间合理性，本文所选用数据来源于中国30个省、自治区、直辖市(西藏自治区、港澳台除外)在2010—2019年的面板数据。数据来源为CSMAR、CNRDS、中国国家统计局以及各银行年报和《社会责任报告》《可持续发展报告》。

(二)变量选取

1.被解释变量

碳强度(CI，Carbon Intensity)。即单位GDP的二氧化碳排放量，也就是二氧化碳排放量与GDP之比。本文采用的二氧化碳核算标准为:

其中，Eijk表示k地区第j年第i种能源的消费量，fi表示第i种能源的碳排放折算系数。

综合能耗折算系数采用国家统计局省级温室气体清单编制指南以及CSMAR数据库能耗折算系数计算办法，具体公式为:

所以，k地区第j年的碳强度的计算标准为:

2.解释变量

绿色信贷(GC，Green Credit)。由于存在银行绿色信贷余额数据可得性较差，难以获得省级面板数据以及不同银行统计标准不一等问题，本文将借鉴李增福等的做法，选取各地区六大高耗能产业利息支出占工业产业利息总支出的反向指标来测度该地区绿色信贷的规模[7]。基于各行业利率差距不大，某行业利息支出的多少能够反映该行业获得的贷款规模大小，六大高耗能产业基本囊括了“两高一剩”行业。在绿色金融政策的执行中，该类型行业获得的贷款规模占比将被缩减。GC的具体计算公式为:

3.中介变量

(1)绿色创新(GI，Green Innovation)。本文采用各地区绿色发明专利与绿色实用新型专利获得数总和来衡量绿色创新发展水平。

(2)能源结构(ES，Energy Structure)。我国目前最依赖的传统能源是煤炭，对煤炭低效率的使用给我国环境造成了巨大压力，能源结构转型最主要的目标之一就是降低对煤炭的依赖，发展新型能源。本文采用张婷和李泽辉(2022)的方法，使用煤炭消费量占总能源消费量的比重来衡量能源结构转型程度[5]，该指标越低，对煤炭的依赖越低，能源结构转型程度越高。

4.控制变量

本文使用的控制变量有:地区生产总值(GDP)、地区生产总值增长率(GDPG，GDP Growth Rate)、第二产业规模(industry)、人口总数(population)、城镇化水平(urban)、科研支出(RD)。以上变量描述见表1。

表1 变量描述

(三)模型设定

由于在F检验和Hausman检验中均在95%的置信度下拒绝原假设，本文选择使用个体时间

固定效应模型来验证假说1，即验证绿色信贷是否显著降低了碳排放，模型如下:

公式(5)中j和k的含义与公式(1)相同，即被解释变量CIj，k表示k地区第j年的碳排放强度，解释变量和控制变量以此类推。ρj为时间固定效应，φk为个体固定效应，εj，k为误差项。

(一)基准回归

本文采用在模型中逐步加入控制变量的方法，以提高实证分析的全面性和严谨性。表2展示了所有的回归结果。

表2 基准回归

第(1)—(7)列展示了逐步加入控制变量产生的7个模型。第(1)列为不含有任何控制变量的回归结果，第(2)—(6)列为加入部分控制变量的回归结果，第(7)列为加入完整的控制变量的回归结果。所有模型中GC的系数均在99%的置信度下显著为负，表示绿色信贷规模与碳排放呈现显著的负相关关系。它充分证明了假设1的成立，即绿色信贷会显著降低碳排放。此外，各个控制变量在公式(5)所示模型中的系数的回归结果大致符合实际经济意义，且随着控制变量的加入，模型的拟合优度逐步提高，模型中各个变量的显著程度提高，控制变量的加入是有效的。

(二)中介效应

为了验证假设2和假设3，即绿色信贷降低碳排放的两个作用机制，促进绿色创新和促使能源结构转型，本文通过建立递归模型的方法分析中介效应，作用机制如图1所示。

图1中c为在公式(5)对应模型下GC对CI的总效应；
a和d分别为GC对GP和ES的效应；
b和e为在两个中介效应检验模型中控制了GC的影响后，GP和ES分别对CI的效应；
c1和c2为在两个中介效应检验模型中分别控制了GP和ES的影响后，GC对CI的效应。

图1 中介效应作用机制

根据作用机制的分析，本文采用以下递归模型来检验中介效应。

上面各式Controlsj，k表示公式(5)中所有控制变量。由于公式(7)和(9)所示模型在Hausman检验中99%置信度下拒绝了原假设，所以采用个体随机效应面板模型，τk表示个体随机效应。表3所示回归结果序号与上面所示五个模型一一对应。

表3 中介效应回归结果

1.绿色创新

地区绿色创新水平使用地区绿色专利获得数GP衡量。根据模型(7)的回归结果，GC对GP在99%置信度下呈现显著的正向影响，即绿色信贷能够促进绿色创新。然而，根据模型(8)的回归结果，GP的回归拟合系数在95%置信度下不显著，认为绿色创新总体上对碳排放的抑制作用不显著。因此，绿色信贷通过绿色创新来抑制碳排放的中介效应不完整，绿色信贷只能促进绿色创新，然而绿色创新并不能有效作用于碳排放的降低，否定假设2。可能的原因在于:目前已经构建了相对有效的绿色创新激励机制，能够确保绿色资金用于创新项目，激励绿色创新发展，但却不能保证这些绿色创新成果具有实际可行性，可能由于成本高、效率低等原因，这些成果未必全部适合应用于减排工作，也有可能是这些成果未能得到落实推广。

2.能源结构

地区能源结构采用地区煤炭消费量占总能源消费量的比例ES衡量。模型(9)回归得GC在99%置信度下对ES呈现负向影响，即绿色信贷能够降低煤炭的使用比例，改善能源结构。由于ES为反向指标，在模型(10)中ES系数显著为正，表明能源结构转型有助于降低碳排放。而且，GC的系数绝对值相比总效应模型(6)有了明显减小，置信度也有所下降，对CI的负向影响减弱，能够说明ES替代了GC的一部分对CI的负向影响，能源结构在绿色信贷对碳排放的影响中存在部分中介效应，假设3成立。

(三)稳健性检验

1.遗漏控制变量

碳排放的影响因素极多，且基于各个地区实际情况复杂，可能存在遗漏控制变量的问题。本文将添加森林覆盖率(forest)、环境基础设施建设投资(EI，Environmental Infrastructure Investment)、工业污染治理完成投资额(PI，Industrial Pollution Control Investment)3个各地区之间具有较大差异且对碳排放存在实际影响的变量作为遗漏控制变量。根据表4第(1)列所示，添加遗漏变量后GC的拟合系数仍然在99%的置信度下显著为负。

2.主要指标替换

考虑到碳排放强度CI不仅表示二氧化碳排放量，还涉及GDP，该指标也隐含经济发展的效率，即经济发展要造成多少二氧化碳排放，CI的这种附加属性可能影响结论的准确性，因此在稳健性检验中将CI替换为二氧化碳排放量CO2，核算标准如公式(2)所示。结果如表4第(2)列显示，GC在99%置信度水平下显著为负，被解释变量可靠。

3.滞后回归

考虑到绿色信贷规模扩张后需要经过一系列传导机制才能对碳排放起到抑制作用，参考李增福等(2022)的做法，将第t期的GC分别与第t＋1、t＋2、t＋3期CI进行回归。表4第(3)(4)(5)列显示绿色信贷对碳排放的抑制作用能够从当前时刻持续至未来两年，到第3年作用不显著。

表4 稳健性检验结果

(四)区域异质性

我国国土面积广阔，各省、自治区、直辖市之间的地理位置、经济发展水平、人口数量和结构、科技创新能力等因素差异较大，绿色信贷政策的实施效果会随着这些因素变化而产生差异，因此研究区域异质性对于政策的因地制宜非常关键。从社会经济发展水平差异出发，国家统计局2011年公布的划分标准将我国划分为东部、西部、中部和东北地区。本文按照该划分标准对不同区域进行回归分析。

分析结果如表5所示，东部地区作为我国经济、文化发展最前列的地区，同时也是人口密度、环境压力最大的地区，经济转型发展最为迫切，金融机构、企业的环保意识和减排投入相对较高，这一系列条件使得东部地区在四个地区中唯一显著表现出绿色信贷对碳排放有抑制作用。与30个省市区回归结果相同，绿色创新的中介效应依旧不显著，但能源结构几乎表现出完全中介效应，表明绿色信贷在东部地区很好地改善了能源结构，刺激了其他清洁能源的发展，最终达到降低碳排放效果。西部、中部和东北地区回归系数均不显著，表明绿色信贷对碳排放的抑制作用不明显，可能原因在于，中部地区第三产业占比最低，第二产业占比相对较大，西部、东北地区第一产业占比相对较大，这些地区产业结构相对落后，绿色信贷发挥减碳的作用受产业结构约束，绿色信贷并未显著降低该地区的二氧化碳排放。

表5 区域异质性分析

(一)结论

基于中国30个省、自治区、直辖市的面板数据，利用个体时间固定效应模型分析了绿色信贷降低碳排放的效果以及作用机制。通过基础回归、中介效应分析、稳健性检验和区域异质性分析，得出以下结论:(1)绿色信贷规模的扩大可以显著地降低二氧化碳排放，且该作用具有一定的持续性，对未来两年的碳排放产生显著的抑制作用；
(2)绿色创新在绿色信贷减排机制中的中介效应不完整，绿色信贷可以促进绿色创新，但绿色创新对碳排放带来的抑制作用不显著；
能源结构转型在绿色信贷减排机制中存在部分中介效应，绿色信贷可以通过促使能源结构转型来降低碳排放；
(3)绿色信贷在我国东部地区的减排作用最为明显，且主要通过促使能源结构转型来达到减排效果，在中部、西部和东北地区绿色信贷的作用不明显。

基于以上研究结论，本文提出以下建议。

(二)建议

1.完善绿色金融体系，增加绿色信贷投放

本文研究发现绿色信贷规模的增加对降低碳排放具有显著作用，有助于“碳达峰、碳中和”目标的实现。然而目前政策层面支持不足，绿色金融市场体系不完善，通过政府有关部门合理的政策和激励手段，可以使得银行等金融机构将更多资金用于绿色信贷并释放给环境友好产业。同时要加强绿色金融市场的企业环境信息披露机制，不仅确保绿色信贷资金有效用于减排相关工作，而且通过信息披露增强企业和民众的环境责任意识，形成良性循环。此外，由于我国各个地区经济发展水平、受教育程度、工业化水平等因素差异很大，绿色信贷政策要因地制宜。

2.加强绿色创新激励机制

注重绿色创新成果的落实和应用，同时要加大清洁能源投资力度，进一步减少对传统能源的依赖。由于成本高、效率低等原因，绿色创新成果未能得到落实利用。因此，有关部门应该加强绿色创新激励机制，形成“融资—创新—应用—减排”的完整政策系统，加强对绿色技术创新成果应用环节的监督和激励，确保绿色创新成果落实应用，促进绿色转型升级，达到预期节能减排效果。同时发展清洁能源需要在前期投入相当大的资金，因此从政府到银行和企业都需要摒弃短视行为，将更多资金投入新型能源开发和能源转型中，对传统能源依赖型的高污染产业坚定决切断其资金支持，倒逼其进行能源转型。

3.优化产业结构

绿色信贷在我国东部地区的减排作用明显，在中部、西部和东北地区绿色信贷的作用不明显，这主要是产业结构相对落后导致。因此，中部、西部和东北地区政府应该加强绿色金融的激励效果，引导企业绿色转型升级，促进产业结构绿色升级，降低重污染企业比重，着重发展高新技术产业，从而为绿色技术应用提供更为适合的环境。

猜你喜欢信贷效应能源国际能源署：今年清洁能源投资将再创新高节能与环保(2022年7期)2022-11-09铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-12懒马效应今日农业(2020年19期)2020-12-14第六章意外的收获小学科学(2020年5期)2020-05-25聚焦Z世代信贷成瘾疯狂英语·新悦读(2020年1期)2020-02-20————不可再生能源">用完就没有的能源
————不可再生能源家教世界(2019年4期)2019-02-26应变效应及其应用中学物理·高中(2016年12期)2017-04-22