蔡棟梁+程樹磊+陳建東

摘要 本文將金融節(jié)能與金融發(fā)展同時引入傳統(tǒng)LMDI分解模型，并融合脫鉤彈性指數(shù)，分析了兩者對碳排放變化的影響機理。在此基礎(chǔ)上，本文還檢驗了1997—2015年中國29個省區(qū)金融節(jié)能與金融發(fā)展的碳排放效應。研究發(fā)現(xiàn)：首先，盡管1997—2015年中國碳排放規(guī)模的擴張趨勢較為明顯，短期來看，這一演變?nèi)匀淮篌w經(jīng)歷了三個階段，即碳排放增量持續(xù)擴張期、碳排放增量波動下降期以及碳排放增量平穩(wěn)期。其次，不僅金融節(jié)能、金融發(fā)展以及經(jīng)濟增長是在短期和長期誘發(fā)中國碳排放變化的三個最主要因素，而且前兩者對中國碳排放變化的影響還大于后者。再次，金融節(jié)能對中國碳排放變化的短期和長期作用方向始終與金融發(fā)展對中國碳排放變化的短期和長期作用方向相反。最后，金融節(jié)能和金融發(fā)展與中國碳排放變化之間在短期內(nèi)基本維持弱脫鉤或強負脫鉤兩種狀態(tài)，而在長期呈現(xiàn)強負脫鉤狀態(tài)，通過分解這些脫鉤彈性狀態(tài)的誘因，不僅直接影響和交互影響的作用方向始終相反，而且兩者還分別在金融節(jié)能與中國碳排放脫鉤彈性變動以及金融發(fā)展與中國碳排放脫鉤彈性變動中發(fā)揮截然相反的作用。

關(guān)鍵詞 碳排放；金融節(jié)能；金融發(fā)展；LMDI模型；脫鉤彈性指數(shù)

中圖分類號 X196；X24文獻標識碼 A文章編號 1002-2104（2017）10-0122-09DOI：10.12062/cpre.20170723

削減碳排放是中國實現(xiàn)低碳經(jīng)濟和綠色經(jīng)濟轉(zhuǎn)型的重要前提。在這一過程中，金融發(fā)展的作用不容忽視。一方面，金融發(fā)展有益于扶助企業(yè)采用新技術(shù)、減少能耗，推動碳減排進程，另一方面，金融部門的發(fā)展壯大還會刺激工業(yè)和制造業(yè)等傳統(tǒng)部門的擴張，帶來碳排放規(guī)模的增長[1]。因此，為實現(xiàn)中國政府2015年于巴黎氣候大會承諾的2030年單位GDP碳排放比2005年下降60%—65%的目標，不僅需要從“數(shù)量”維度來剖析金融發(fā)展規(guī)模對中國碳排放變化的影響，更需要在此基礎(chǔ)上探討“效果”維度的金融節(jié)能程度即金融信貸水平對能耗規(guī)模，對碳排放變化的作用。有鑒于金融發(fā)展規(guī)模和金融節(jié)能程度對碳排放變化的影響存在多條路徑，而這些影響又有著時間上的差別，所以，本文的研究還將區(qū)分金融發(fā)展和金融節(jié)能對中國碳排放變化的短期和長期影響，以便于更好地提供金融減排政策依據(jù)。

1 文獻回顧

在既有的相關(guān)文獻中，諸多學者對金融發(fā)展與碳排放變化兩者關(guān)系主要集中于三個方面：其一，金融發(fā)展是否能夠促進碳減排？支持這一論斷的學者認為，金融發(fā)展通過鼓勵企業(yè)進行節(jié)能減排技術(shù)的革新以及激勵企業(yè)擴大節(jié)能減排設備的投資和使用等方式推動了碳減排進程[2-3]。然而，質(zhì)疑這一論斷的學者卻發(fā)現(xiàn)，金融發(fā)展既可能與碳排放變化之間無顯著的相關(guān)關(guān)系[4-5]，還可能通過降低企業(yè)融資成本、促成企業(yè)擴大生產(chǎn)規(guī)模以及吸引外商直接投資等途徑來增加能耗和碳排放量[6-7]。之所以呈現(xiàn)截然相反的結(jié)論，Nasreen和Anwar[8]推測是因為各國或地區(qū)所處經(jīng)濟發(fā)展階段的不同。對于高收入國家和地區(qū)，金融發(fā)展將有助于抑制碳排放，對于中低收入國家和地區(qū)，金融發(fā)展則會帶來碳排放的增加。其二，金融發(fā)展對碳排放變化的影響在短期和長期有無差別？部分學者認為，金融發(fā)展對碳排放變化的影響較為緩慢，兩者雖然在長期呈現(xiàn)了穩(wěn)健的因果關(guān)系，但是短期內(nèi)的相互作用并不明顯[2-3，9-10]。與之相反，另有部分學者的研究卻表明，無論是在短期、還是長期，金融發(fā)展均是引起碳排放變化的重要因素[4，7]。其三，金融發(fā)展對碳排放變化的作用是否受到測度指標本身的影響？雖然學者們均試圖揭示金融發(fā)展與碳排放變化之間的數(shù)量關(guān)系，但是現(xiàn)有研究中用以衡量金融發(fā)展的指標卻并不相同，例如，選取金融發(fā)展規(guī)模[11-12]、金融發(fā)展深度（或金融深化程度）[9，13]、金融發(fā)展集中度[9]以及金融發(fā)展效率[11，13]等變量來代表金融發(fā)展。由此可以推斷，有關(guān)金融發(fā)展對碳排放變化影響的結(jié)論差異，可能源于研究中所用測度指標的不同。

雖然現(xiàn)有研究為我們大致呈現(xiàn)了金融發(fā)展與碳排放變化之間的關(guān)系，但是仍存在些許不足：首先，缺乏有關(guān)金融發(fā)展對碳排放變化影響機理的討論。大多數(shù)學者主要從環(huán)境庫茲涅茨（EKC）倒U理論和STIRPAT模型出發(fā)，通過構(gòu)建計量回歸方程，將金融發(fā)展引入其中并加以剖析。然而，上述這兩種理論均旨在說明經(jīng)濟增長對碳排放的影響，將其擴展應用于金融發(fā)展對碳排放的影響尚欠缺機理論證。其次，缺乏針對性的指標來測度金融發(fā)展對能源消耗以及碳排放的影響。大多數(shù)學者傾向于從金融發(fā)展本身來優(yōu)化測度指標，而忽略了指標層面金融發(fā)展與能源消耗以及碳排放的鏈接。例如，以非國有商業(yè)銀行貸款比重度量的金融發(fā)展效率并不能針對性的解釋金融信貸資金在碳減排中的作用，進而也不能很好地體現(xiàn)金融發(fā)展的節(jié)能減排功效。據(jù)此，一方面，本文革新了研究思路，借助對數(shù)平均Divisia指數(shù)（Logarithmic Mean Divisia Index，LMDI）分解技術(shù)和脫鉤彈性指數(shù)，首次闡明了金融發(fā)展對碳排放變化的影響機理；另一方面，本文還在延續(xù)既有以金融發(fā)展規(guī)模測度金融發(fā)展水平的基礎(chǔ)上，進一步提出金融節(jié)能指標，也即單位金融信貸資金的能源消耗，并用以針對性的探討金融節(jié)能功效對碳排放變化的影響。除此之外，本文還將通過1997—2015年中國29個省區(qū)的相關(guān)歷史數(shù)據(jù)來驗證這一作用。

2 研究方法與數(shù)據(jù)說明

2.1 碳排放的估算方法

當前，大多數(shù)研究主要基于政府間氣候變化專門委員會（IPCC）[14]提供的方法1來估算與能耗有關(guān)的碳排放。具體測算公式如下：

其中，CO2和CO2，ij分別表示CO2排放總量以及第i個省第j種能源消耗產(chǎn)生的CO2排放量；Eij表示第i個省第j種能耗量；LCVj表示第j種能源的低位發(fā)熱量，CCj表示第j種能源的碳含量，COFj表示第j種能源的碳氧化因子，44/12表示碳和二氧化碳的分子比率。

2.2 碳排放變化的驅(qū)動因素分解方法

涉及中國碳排放變化驅(qū)動因素的探討大多采用指數(shù)分解（Index Decomposition，ID）方法。Ang[15]和Chen等[16]先后對環(huán)境和能源經(jīng)濟領(lǐng)域中以諸多形式存在的ID方法進行了梳理和歸納，結(jié)果發(fā)現(xiàn)，LMDI分解方法的數(shù)值性質(zhì)和經(jīng)濟涵義最佳，例如，LMDI適于解決多種形式的分解問題，同時，它還能克服零值和消除分解殘差項的影響等，因而，基于KAYA恒等式理論，借鑒已有研究的模型設定思路，本文將碳排放分解為以下形式：

其中，F(xiàn)D表示金融發(fā)展規(guī)模，GDP表示經(jīng)濟發(fā)展水平。為便于書寫，我們以CEi=CO2，i/Ei代表能源碳強度，CEi越高，說明第i個省單位能耗的碳排放規(guī)模越大；FECi=Ei/FDi代表金融能耗程度，F(xiàn)ECi越高，說明第i個省既定金融發(fā)展規(guī)模下的能源消耗量越大，也即金融節(jié)能效率越低；FSi=FDi/GDPi代表金融發(fā)展水平，即Goldsmith[17]構(gòu)建的金融相關(guān)比率指數(shù)（Financial Interrelations Ratio，F(xiàn)IR），F(xiàn)Si越高，說明第i個省的金融部門在當?shù)亟?jīng)濟發(fā)展中的重要性越大；REDi=GDPi/GDP代表地域經(jīng)濟發(fā)展水平，REDi越高，說明第i個省的經(jīng)濟產(chǎn)出在全國經(jīng)濟產(chǎn)出中的份額越大。進一步，碳排放從基期（b期）到報告期（t期）的變化量可寫為：

2.3 金融節(jié)能、金融發(fā)展對碳排放變化的影響：彈性分解方法

究竟金融能耗程度（或金融節(jié)能效率）和金融發(fā)展規(guī)模的增加分別能帶來多大幅度的碳排放的變化？本文進一步融合了LMDI分解模型和Tapio脫鉤彈性指數(shù)。Tapio脫鉤彈性指數(shù)最早由Tapio[18]引入經(jīng)濟領(lǐng)域，隨后，該方法被廣泛應用于解決環(huán)境和能源經(jīng)濟問題。因此，我們可將金融節(jié)能、金融發(fā)展與碳排放的脫鉤彈性指數(shù)分別寫為：

其中，Directeffect和Interactiveeffect分別表示直接影響和交互影響。限于篇幅，此處我們僅以金融節(jié)能因素為例來闡述這兩種影響的內(nèi)在機理。金融節(jié)能與碳排放之間的脫鉤彈性值反映的是金融能耗程度變化帶來的碳排放變化。在這一過程中，金融節(jié)能對碳排放的作用主要通過兩條機制形成。首先是直接影響，各類金融機構(gòu)憑借調(diào)節(jié)金融信貸資金在高低能耗部門之間的分配等手段，將直接影響當?shù)氐哪芎囊?guī)模，進而左右碳排放量的變化；其次是交互影響，由于金融信貸資金投向的調(diào)整會在一定程度上改變各行業(yè)節(jié)能減排技術(shù)的革新速度，并左右當?shù)氐漠a(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟增長速度，而無論是各行業(yè)節(jié)能減排技術(shù)的革新，還是產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟增長速度的調(diào)整，都將作用于當?shù)亟?jīng)濟社會發(fā)展所需的能耗量，所以，金融節(jié)能因素還會通過與能源碳強度、產(chǎn)業(yè)結(jié)構(gòu)以及經(jīng)濟發(fā)展水平等因素相互作用來影響當?shù)靥寂欧帕康淖兓?/p>

2.4 數(shù)據(jù)說明

考慮到數(shù)據(jù)的可得性以及數(shù)據(jù)口徑的一致性，我們將研究范圍設定為1997—2015年中國大陸29個省區(qū)因17種能源消耗而產(chǎn)生的二氧化碳，其中，不包括寧夏、西藏和港澳臺地區(qū)，17種能源分別指原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、其他焦化產(chǎn)品、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、其他石油制品以及天然氣。能源消耗量E、低位發(fā)熱量LCV、碳含量CC和碳氧化因子COF等數(shù)據(jù)主要來自于《2006年IPCC國家溫室氣體清單指南》和歷年《中國能源統(tǒng)計年鑒》；金融發(fā)展規(guī)模，我們借鑒熊靈和齊紹洲[11]以及嚴成樑等[12]等研究的設定，選用金融機構(gòu)人民幣各項貸款增加額數(shù)據(jù)來衡量，該數(shù)據(jù)主要來自于《新中國60年統(tǒng)計資料匯編》、歷年《中國金融年鑒》以及各省區(qū)統(tǒng)計年鑒；GDP數(shù)據(jù)來自于歷年《中國統(tǒng)計年鑒》。我們對GDP和金融機構(gòu)人民幣各項貸款增加額數(shù)據(jù)進行了剔除物價因素處理，所有數(shù)據(jù)折算為1997年的不變價格。

3 實證分析

3.1 中國碳排放變化的演進趨勢

圖1匯報了1997—2015年中國碳排放變化的短期和長期演進趨勢。我們將1997年設定為基期，那么，碳排放變化的短期和長期變動曲線將分別依據(jù)環(huán)比法和定基法繪制得到，前者反映的是當年碳排放與上一年碳排放相比的變化情況，后者反映的是當年碳排放與1997年碳排放相比的變化情況。

從短期來看，中國碳排放的變化大致經(jīng)歷了三個階段，第一個階段（1997—2005年），碳排放的增加量在持續(xù)擴張。之所以呈現(xiàn)這一趨勢，主要是因為中國快速發(fā)展的工業(yè)化。第二個階段（2006—2013年），碳排放的增加量在波動中下降。這主要得益于中國政府在過去幾年里不斷出臺的減排舉措。第三個階段（2014—2015年），碳排放的增加量在逐步趨于平穩(wěn)。這說明，一方面中國總體碳排放規(guī)模得到了有效控制，另一方面未來中國要實現(xiàn)更大程度地碳減排目標可能也將格外困難。

從長期來看，中國碳排放規(guī)模的擴張趨勢較為明顯。以2012年為分界點，在此之前，中國的碳排放一直處于加速增長通道，在此之后，中國的碳排放規(guī)模逐漸趨于平穩(wěn)。事實上，碳排放變化的長期變動曲線走勢主要受到碳排放變化的短期變動曲線走勢的影響，前者是后者累積的結(jié)果。因此，要想實現(xiàn)中國未來一段時期的碳減排目標，各級政府必須著重控制每一年新增的碳排放量，并使之較上一年度有所下降。

3.2 中國碳排放變化的驅(qū)動因素

表1列示了能源碳強度、金融節(jié)能、金融發(fā)展、地域經(jīng)濟發(fā)展以及經(jīng)濟增長等五個驅(qū)動因素對中國碳排放變化的短期與長期影響。不難看出，首先，無論是短期還是長期，金融節(jié)能、金融發(fā)展以及經(jīng)濟增長都是誘發(fā)中國碳排放變化的主要因素，甚至在大多數(shù)年份里，金融節(jié)能和金融發(fā)展對中國碳排放變化的影響都超過了經(jīng)濟增長。數(shù)據(jù)顯示，從短期來看，1999—2000年，金融發(fā)展與金融節(jié)能對中國碳排放變化的短期影響均實現(xiàn)最大，這一作用幾乎分別是經(jīng)濟增長最大作用（出現(xiàn)在2009—2010年）的27.35倍和27倍。此外，一方面，金融發(fā)展與金融節(jié)能對中國碳排放變化的短期影響均存在縮小趨勢，另一方面，相比金融節(jié)能，金融發(fā)展對中國碳排放變化的短期影響波動更大，前者的短期影響最小值出現(xiàn)在2006—2007年，后者則出現(xiàn)在2012—2013年。從長期來看，金融節(jié)能對中國碳排放變化的影響超過了金融發(fā)展的作用，1997—2015年，兩者分別抑制和刺激了119.57億t和85.47億t的碳排 放變化量。同時，這兩個誘因又顯著大于經(jīng)濟增長對中國碳排放變化的作用。1997—2015年，經(jīng)濟增長僅帶來了61.92億t的碳排放變化量。這說明，金融能耗程度和金融發(fā)展規(guī)模對中國碳減排的作用已到了不容忽視的程度。相比關(guān)注經(jīng)濟增長與碳排放變化之間的關(guān)系，我們更應該了解金融節(jié)能和金融發(fā)展對中國未來碳減排的影響機理。相比之下，能源碳強度與地域經(jīng)濟發(fā)展對中國碳排放變化的影響非常微弱。數(shù)據(jù)顯示，兩者的短期影響最大值分別出現(xiàn)在2009—2010年和2014—2015年。即便是考慮到能源碳強度與地域經(jīng)濟發(fā)展的長期影響，兩者也僅分別帶來2.81億t和-0.29億t的碳排放變化量。這說明，能源碳排放強度以及各個省區(qū)的相對經(jīng)濟發(fā)展差距都不會顯著影響中國碳排放的總體演進趨勢。

其次，從作用方向來看，經(jīng)濟增長與能源碳強度對中國碳排放變化的作用方向最為穩(wěn)定。無論是短期還是長期，兩個誘因均會刺激中國碳排放規(guī)模的擴張（能源碳強度僅在2007—2008年產(chǎn)生微小的反向作用）。相比之下，金融節(jié)能、金融發(fā)展以及地域經(jīng)濟發(fā)展對中國碳排放變化只在長期才依次發(fā)揮穩(wěn)定的反向、正向和反向作用。這說明，短期作用方向的不穩(wěn)定并未顯著影響金融節(jié)能與地域經(jīng)濟發(fā)展的長期碳減排效果，同時，也未顯著改觀金融發(fā)展的長期碳排放推動局面。值得關(guān)注的是，無論是短期還是長期，在同一研究時段內(nèi)，金融節(jié)能對中國碳排放變化的作用方向總是與金融發(fā)展對中國碳排放變化的作用方向相反（除了2012—2013年，兩個因素均刺激了中國碳排放的增加）。我們推測，這可能是因為金融本身對碳排放變化存在兩種方向截然相反的作用。倘若金融節(jié)能發(fā)揮了抑制碳排放規(guī)模擴張的作用，即金融信貸資金投入的增加帶來了更小規(guī)模的能源消耗與碳排放，那么，金融機構(gòu)將更有動機把金融信貸資金投向其它領(lǐng)域，進而金融信貸規(guī)模在GDP中的比重越大，金融發(fā)展越會刺激碳排放的增加；反之，倘若金融節(jié)能未能有效地抑制碳排放規(guī)模的擴張，即金融信貸資金投入的增加沒有換得更小規(guī)模的能源消耗與碳排放，那么，金融機構(gòu)將會進一步加大對節(jié)能減排部門的信貸支持力度，從而金融信貸規(guī)模在GDP中的比重越大，金融發(fā)展越可能產(chǎn)生縮小碳排放規(guī)模的影響。

3.3 金融節(jié)能與中國碳排放變化的脫鉤彈性及其誘因

表2報告了金融節(jié)能與中國碳排放之間的脫鉤彈性以及能源碳強度、金融節(jié)能、金融發(fā)展、地域經(jīng)濟發(fā)展和經(jīng)濟增長五個因素對這一脫鉤彈性的影響。可以發(fā)現(xiàn)，首先，從短期來看，金融節(jié)能與中國碳排放之間基本維持弱 脫鉤或強負脫鉤兩種狀態(tài)（除了2006—2007年呈現(xiàn)擴張負脫鉤狀態(tài)），這表明，短期內(nèi)金融節(jié)能雖然可以發(fā)揮抑制碳排放增加的作用，但是該因素尚未帶來碳排放規(guī)模的縮小，而僅僅減緩了碳排放規(guī)模的擴張速度；從長期來看，金融節(jié)能與中國碳排放之間的強負脫鉤狀態(tài)愈發(fā)明顯（除了1998—1999年、1999—2000年和2000—2001年呈現(xiàn)弱脫鉤狀態(tài)以及2004—2005年呈現(xiàn)擴張負脫鉤狀態(tài)），這表明，伴隨金融能耗程度的持續(xù)下降和金融節(jié)能效率的不斷提高，中國碳排放規(guī)模的擴張速度將不斷放緩，最終會實現(xiàn)碳排放總體規(guī)模的縮小。

其次，無論是短期還是長期，金融節(jié)能自身基本都會顯著地反向影響金融節(jié)能與中國碳排放之間的脫鉤彈性狀態(tài)。這一結(jié)果雖然與我們的主觀認知一致，即金融能耗程度越低，金融節(jié)能效率越高，相應的脫鉤彈性值越小，越可能帶來金融節(jié)能與碳排放的強脫鉤，可是金融節(jié)能自身顯然不是影響金融節(jié)能與中國碳排放之間脫鉤彈性狀態(tài)變化的唯一因素。數(shù)據(jù)顯示，除了金融節(jié)能，能源碳強度、金融發(fā)展、地域經(jīng)濟發(fā)展和經(jīng)濟增長均會不同程度的左右金融節(jié)能與中國碳排放之間的脫鉤彈性值，其中，金融發(fā)展在短期和長期均發(fā)揮著最大的同向作用（除了2012—2013年略為呈現(xiàn)反向影響），相比之下，雖然經(jīng)濟增長也起到了同向作用，但是對金融節(jié)能與中國碳排放之間脫鉤彈性的影響程度顯然小于金融發(fā)展。除此之外，能源碳強度和地域經(jīng)濟發(fā)展的作用則更為微弱。平均而言，前者會產(chǎn)生對金融節(jié)能與中國碳排放之間脫鉤彈性的同向影響，而后者會產(chǎn)生對金融節(jié)能與中國碳排放之間脫鉤彈性的反向影響。這表明，金融節(jié)能可多大程度地影響中國碳排放的變化，不僅取決于其自身，還同時取決于其它因素，特別是金融發(fā)展和經(jīng)濟增長。

進一步，我們將金融節(jié)能自身對金融節(jié)能與中國碳排放之間脫鉤彈性的影響視作直接影響，而將能源碳強度、金融發(fā)展、地域經(jīng)濟發(fā)展以及經(jīng)濟增長對金融節(jié)能與中國碳排放之間脫鉤彈性的影響歸總視作交互影響，如圖2所示。可以看出，一方面，無論是短期還是長期，直接影響和交互影響的作用方向均恰好相反（除了2006—2007年，兩種影響保持同向），其中，前者為正向作用，后者為反向作用；另一方面，無論是直接影響還是交互影響，它們在短期內(nèi)對金融節(jié)能與中國碳排放之間脫鉤彈性的影響程度均趨于平緩，兩條影響曲線的波動幅度也在縮小。這表明，金融節(jié)能與中國碳排放之間脫鉤彈性狀態(tài)的變動主要取決于兩類作用方向完全相反的影響因素。雖然金融節(jié)能自身的直接影響有助于推動金融節(jié)能與中國碳排放之間盡早實現(xiàn)強脫鉤，但是由能源碳強度、金融發(fā)展、地域經(jīng)濟發(fā)展以及經(jīng)濟增長構(gòu)成的交互影響卻會阻礙這一進程，換言之，金融發(fā)展在對中國碳減排發(fā)揮積極作用的同時，還可能通過影響能源碳強度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟發(fā)展等因素間接地誘發(fā)中國碳排放規(guī)模的擴張。

3.4 金融發(fā)展與中國碳排放變化的脫鉤彈性及其誘因

表3匯報了金融發(fā)展與中國碳排放之間的脫鉤彈性以及能源碳強度、金融節(jié)能、金融發(fā)展、地域經(jīng)濟發(fā)展和經(jīng)濟增長五個因素對這一脫鉤彈性的影響。數(shù)據(jù)顯示，首先，無論是短期還是長期，金融發(fā)展與中國碳排放之間的脫鉤彈性狀態(tài)均與金融節(jié)能與中國碳排放之間的脫鉤彈性狀態(tài)保持一致，同時，長期而言，金融發(fā)展與中國碳排放之間的強負脫鉤狀態(tài)愈發(fā)穩(wěn)定。這表明，金融發(fā)展同樣有助于減緩中國碳排放規(guī)模的擴張速度，并在長期推動碳排放總體規(guī)模的縮小。

其次，與金融節(jié)能對金融節(jié)能和中國碳排放之間脫鉤彈性的作用方向相反，金融發(fā)展，無論是短期還是長期，大致都會顯著地正向影響金融發(fā)展與中國碳排放之間的脫鉤彈性狀態(tài)。顯然，金融發(fā)展自身同樣不是唯一誘發(fā)金融發(fā)展與中國碳排放之間脫鉤彈性狀態(tài)變化的原因。表3中的數(shù)據(jù)清晰地揭示了能源碳強度、金融節(jié)能、地域經(jīng)濟發(fā)展和經(jīng)濟增長對該脫鉤彈性值的影響。在除金融發(fā)展之外的其它誘因中，金融節(jié)能的影響最大，且其對金融發(fā)展與中國碳排放之間脫鉤彈性的作用方向為負（除了2012—2013年略為呈現(xiàn)正向影響）；經(jīng)濟增長的影響次之，但是，該因素卻對金融發(fā)展與中國碳排放之間的脫鉤彈性產(chǎn)生正向影響；相比之下，能源碳強度和地域經(jīng)濟發(fā)展的影響程度較為微弱，前者將帶來脫鉤彈性值的同向變動，而后者將帶來脫鉤彈性值的反向變動。這表明，金融發(fā)展可多大程度地影響中國碳排放的變化，不僅取決于其自身，還同時取決于其它因素，特別是金融節(jié)能和經(jīng)濟增長。

類似地，我們將金融發(fā)展自身視為直接引起金融發(fā)展與中國碳排放之間脫鉤彈性變動的因素，而將能源碳強度、金融節(jié)能、地域經(jīng)濟發(fā)展和經(jīng)濟增長對金融發(fā)展與中國碳排放之間脫鉤彈性的綜合作用視為交互影響，如圖3所示。大致來講，無論是短期還是長期，直接影響和交互影響的作用方向始終保持相反（除了2007—2008年、2011—2012年以及2012—2013年，兩種影響保持同向），其中，前者產(chǎn)生正向作用，后者產(chǎn)生反向作用。這表明，金融發(fā)展與中國碳排放之間脫鉤彈性狀態(tài)的變動同樣取決于兩類作用方向完全相反的影響因素。雖然金融發(fā)展規(guī)模越大，金融發(fā)展與中國碳排放之間的弱脫鉤狀態(tài)越顯著，進而也越可能早日實現(xiàn)兩者的強脫鉤，但是由能源碳強度、金融節(jié)能、地域經(jīng)濟發(fā)展和經(jīng)濟增長構(gòu)成的交互影響卻始終起著相反的作用。值得關(guān)注的是，直接影響和間接影響對金融節(jié)能的作用方向與對金融發(fā)展的作用方向恰好相反。這是由于金融節(jié)能與金融發(fā)展本身就發(fā)揮著對中國碳排放變動的互為相反作用，而對金融節(jié)能與中國碳排放之間脫鉤彈性產(chǎn)生間接影響的主要是金融發(fā)展，同時，對金融發(fā)展與中國碳排放之間脫鉤彈性產(chǎn)生間接影響的又是金融節(jié)能。

4 結(jié)論與對策建議

本文拓展了傳統(tǒng)的碳排放變動因素分解技術(shù)，并將脫鉤彈性指數(shù)與LMDI分解模型結(jié)合。采用中國1997—2015年的省級歷史數(shù)據(jù)，我們將中國碳排放的演變歸因于能源碳強度、金融節(jié)能、金融發(fā)展、地域經(jīng)濟發(fā)展和經(jīng)濟增長。研究結(jié)果表明：

首先，從短期來看，中國碳排放的演變大體經(jīng)歷了三個階段，即碳排放增量持續(xù)擴張期（1997—2005年）、碳排放增量波動下降期（2006—2013年）以及碳排放增量平穩(wěn)期（2014—2015年）；從長期來看，1997—2015年，中國碳排放規(guī)模的擴張趨勢較為明顯，2012年之前，中國碳排放一直處于加速增長通道，2012年之后，中國碳排放規(guī)模開始逐步趨于穩(wěn)定。

其次，無論是短期還是長期，金融節(jié)能、金融發(fā)展以及經(jīng)濟增長都是誘發(fā)中國碳排放演變的主要因素，甚至在大多數(shù)年份里，金融節(jié)能與金融發(fā)展對中國碳排放演變的影響均超過了經(jīng)濟增長，此外，金融節(jié)能對中國碳排放演變的長期影響還超過了金融發(fā)展。相比之下，能源碳強度與地域經(jīng)濟發(fā)展對中國碳排放演變的影響非常微弱。從作用方向來看，在同一研究時段內(nèi)，金融節(jié)能對中國碳排放演變的短期和長期作用方向總是與金融發(fā)展對中國碳排放演變的短期和長期作用方向相反。

再次，金融節(jié)能與中國碳排放之間在短期內(nèi)基本維持弱脫鉤或強負脫鉤兩種狀態(tài)，而在長期呈現(xiàn)強負脫鉤狀態(tài)。通過分解誘發(fā)兩者之間脫鉤彈性值變動的因素，金融節(jié)能自身會起到顯著地反向作用，金融發(fā)展與經(jīng)濟增長則起到顯著地同向作用，相比之下，能源碳強度和地域經(jīng)濟發(fā)展的作用非常微弱。進一步，倘若將能源碳強度、金融發(fā)展、地域經(jīng)濟發(fā)展和經(jīng)濟增長綜合視為誘發(fā)金融節(jié)能與中國碳排放之間脫鉤彈性變動的交互影響，并將金融節(jié)能本身視為直接影響，那么，不僅直接影響和交互影響的作用方向始終相反，而且兩者在短期內(nèi)對金融節(jié)能與中國碳排放之間脫鉤彈性的影響程度也逐步平穩(wěn)。

最后，金融發(fā)展與中國碳排放之間在短期內(nèi)也大體呈現(xiàn)弱脫鉤或強負脫鉤狀態(tài)，而在長期逐步穩(wěn)定于強負脫鉤狀態(tài)。通過分解誘發(fā)兩者之間脫鉤彈性值變動的因素，金融發(fā)展自身會發(fā)揮顯著地正向影響，同時，經(jīng)濟增長也會產(chǎn)生正向作用，而金融節(jié)能則會產(chǎn)生顯著地反向作用，且其對脫鉤彈性值的影響程度大于經(jīng)濟增長。相比之下，能源碳強度和地域經(jīng)濟發(fā)展的影響程度非常微弱。進一步，倘若將能源碳強度、金融節(jié)能、地域經(jīng)濟發(fā)展和經(jīng)濟增長綜合視為推動金融發(fā)展與中國碳排放之間脫鉤彈性變動的交互影響，并將金融發(fā)展本身視為直接影響，那么，不僅直接影響和交互影響的作用方向始終相反，而且兩者還分別在金融發(fā)展與中國碳排放之間脫鉤彈性變動以及金融節(jié)能與中國碳排放之間脫鉤彈性變動中發(fā)揮截然相反的作用。

依據(jù)上述結(jié)論，本文提出如下對策建議：

一方面，合理引導金融信貸資金的投向，促進節(jié)能產(chǎn)業(yè)的發(fā)展。本文研究表明，金融節(jié)能有助于中國的碳減排。而降低金融能耗程度和提高金融節(jié)能效率的關(guān)鍵在于利用金融信貸資金扶持那些低能耗、低排放企業(yè)的發(fā)展，削弱中國產(chǎn)業(yè)結(jié)構(gòu)的重型化，促進中國經(jīng)濟向低碳經(jīng)濟和綠色經(jīng)濟的轉(zhuǎn)型。未來金融機構(gòu)應逐步調(diào)整對不同類型企業(yè)的信貸和融資策略，嚴格遵循金融信貸資金的低能耗和低碳化偏向，在為綠色節(jié)能企業(yè)發(fā)展提供金融服務便利的同時，提高高能耗、高排放企業(yè)的信貸門檻，逐步淘汰過剩產(chǎn)能。

另一方面，構(gòu)建長效的碳金融機制，提供多樣化的碳減排金融工具。本文研究表明，雖然金融能耗程度的降低和金融節(jié)能效率的提高對于中國實現(xiàn)碳減排目標具有重要作用，但是在這一過程中，金融發(fā)展規(guī)模的擴大又會驅(qū)使金融機構(gòu)將信貸資金轉(zhuǎn)投其它領(lǐng)域，使得各類企業(yè)的融資門檻降低、生產(chǎn)規(guī)模擴大，進而延緩中國的碳減排進程。未來中國政府應積極推動碳金融機制的常態(tài)化，包括：制定和完善有助于節(jié)能減排的金融信貸制度和政策，拓寬低能耗、低排放企業(yè)的融資渠道；構(gòu)建規(guī)范的具有節(jié)能減排偏向的金融衍生產(chǎn)品和交易市場，設計合理的低碳節(jié)能期權(quán)、期貨、證券和基金等，適時于股票市場創(chuàng)建低碳節(jié)能板塊；建立和發(fā)展第三方碳金融評估機構(gòu)，對各主要金融機構(gòu)用于節(jié)能減排的信貸資金進行效率測度，對各類具有節(jié)能減排偏向的金融衍生產(chǎn)品進行評級，對相關(guān)低碳金融政策和市場進行評價。

參考文獻（References）

[1]CHARFEDDINE-L， KHEDIRI K B. Financial development and environmental quality in UAE： cointegration with structural breaks [J]. Renewable and sustainable energy reviews， 2015， 55（55）： 1322-1335.

[2]JALIL-A， FERIDUM M. The impact of growth， energy and financial development on the environment in China： a cointegration analysis [J]. Energy economics， 2011， 33（2）： 284-291.

[3]SHAHBAZ-M， TIWARI A K， NASIR M. The effects of financial development， economic growth， coal consumption and trade openness on CO2 emissions in South Africa [J]. Energy policy， 2013， 61（10）： 1452-1459.

[4]OZTURK-I， ACARAVCI A. The longrun and causal analysis of energy， growth， openness and financial development on carbon emissions in Turkey [J]. Energy economics， 2013， 36（s1-2）： 262-267.

[5]OMRI-A， DALY S， RAULT C， et al. Financial development， environmental quality， trade and economic growth： what causes what in MENA countries [J].Energy economics， 2015， 48（3）： 242-252.

[6]JAVID-M， SHARIF F. Environmental Kuznets curve and financial development in Pakistan [J]. Renewable and sustainable energy reviews， 2016， 54（54）： 406-414.

[7]SHAHBAZ-M， SHAHZAD S J H， AHMAD N， et al. Financial development and environmental quality： the way forward [J]. Energy policy， 2016， 98： 353-364.

[8]NASREEN-S， ANWAR S. The impact of economic and financial development on environmental degradation[J]. Studies in economics and finance， 2015， 5（4）： 666-682.

[9]顧洪梅， 何彬. 中國省域金融發(fā)展與碳排放研究[J]. 中國人口·資源與環(huán)境， 2012， 22（8）： 22-27. [GU Hongmei， HE Bin. Study on Chinese financial development and carbon emission： evidence from Chinas provincial data from 1979 to 2008 [J]. China population， resources and environment， 2012， 22（8）： 22-27.]

[10]張躍軍， 李維康. 北京市金融發(fā)展對碳排放的動態(tài)影響[J]. 北京理工大學學報（社會科學版）， 2016， 18（2）： 30-33. [ZHANG Yuejun， LI Weikang. Dynamic impact of financial development on carbon emissions in Beijing [J]. Journal of Beijing Institute of Technology （social sciences edition）， 2016， 18（2）： 30-33.]

[11]熊靈， 齊紹洲. 金融發(fā)展與中國省區(qū)碳排放： 基于STIRPAT模型和動態(tài)面板數(shù)據(jù)分析[J]. 中國地質(zhì)大學學報（社會科學版）， 2016（2）： 63-73. [XIONG Ling， QI Shaozhou. Financial development and regional carbon emissions in China： based on STIRPAT Method and dynamic panel data analysis [J]. Journal of China University of Geosciences （social sciences edition）， 2016（2）： 63-73.]

[12]嚴成樑， 李濤， 蘭偉. 金融發(fā)展、創(chuàng)新與二氧化碳排放[J]. 金融研究， 2016（1）： 14-30. [YAN Chengliang， LI Tao， LAN Wei. Financial development， innovation and carbon emission [J]. Journal of financial research， 2016（1）： 14-30.]

[13]陳碧瓊， 張梁梁. 動態(tài)空間視角下金融發(fā)展對碳排放的影響力分析[J]. 軟科學， 2014， 28（7）： 140-144. [CHEN Biqiong， ZHANG Liangliang. The impact of financial development to carbon emissions from the perspectives of dynamic spatial [J]. Soft science， 2014， 28（7）： 140-144.]

[14]Intergovernmental-Panel on Climate Change. 2006 Intergovernmental Panel on Climate Change guidelines for national greenhouse gas inventories [R]. IPCC， 2006.

[15]ANG-B W. The LMDI approach to decomposition analysis： a practical guide [J]. Energy policy， 2005， 33（7）： 867-871.

[16]CHEN-J， CHENG S L， SONG M L， et al. A carbon emissions reduction index： integrating the volume and allocation of regional emissions [J]. Applied energy， 2016， 184： 1154-1164.

[17]GOLDSMITH-R W. Financial structure and development [M]. New Haven： Yale University Press， 1969.

[18]TAPIO-P. Towards a theory of decoupling： degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001 [J]. Journal of transportation policy， 2005， 12（2）： 137-151.