李 蘭 徐超毅

（安徽理工大學(xué)經(jīng)濟與管理學(xué)院，安徽 淮南 232001）

據(jù)有關(guān)部門統(tǒng)計，2019年我國物流業(yè)消耗能源達到4.4億噸標準煤，已排放8.6億噸二氧化碳，在全國總占比中分別為9.0%和8.8%［1］。伴隨著我國物流需求的與日俱增，加快推進物流綠色轉(zhuǎn)型已經(jīng)成為政府倡導(dǎo)、企業(yè)踐行、各方主動作為，實現(xiàn)綠色低碳發(fā)展的主旋律。實施綠色信貸政策會降低重度污染企業(yè)的融資能力［2］，說明綠色金融服務(wù)可以引進更多的資本流向綠色環(huán)保領(lǐng)域，進而促進企業(yè)的綠色轉(zhuǎn)型升級。但有學(xué)者發(fā)現(xiàn)，我國綠色金融與綠色產(chǎn)業(yè)兩者的耦合協(xié)調(diào)度尚不高［3］，綠色金融與工業(yè)綠色轉(zhuǎn)型仍處于輕微失調(diào)狀態(tài)［4］。因此，有必要建立綠色金融與物流綠色轉(zhuǎn)型之間的綜合指標評價體系，分析其耦合協(xié)調(diào)度所處階段，進而加快實現(xiàn)物流行業(yè)的綠色低碳進程，有效落實碳達峰碳中和發(fā)展戰(zhàn)略。

越來越多的學(xué)者已經(jīng)關(guān)注到綠色金融與綠色發(fā)展之間的關(guān)系，其研究主要集中在以下兩個方面：一是綠色金融與綠色經(jīng)濟的協(xié)調(diào)程度，董（Dong）和永（Yong）運用耦合協(xié)調(diào)度模型進行實證分析，計算了綠色金融和綠色經(jīng)濟之間的耦合協(xié)調(diào)度，并進一步確定相關(guān)區(qū)域的空間差異，發(fā)現(xiàn)兩系統(tǒng)處于高度協(xié)調(diào)狀態(tài)［5］。劉（Liu）等應(yīng)用耦合協(xié)調(diào)度模型，引入空間自相關(guān)，評估協(xié)調(diào)的空間分布差異和動態(tài)演化趨勢，結(jié)果表明，各省的耦合協(xié)調(diào)度呈現(xiàn)出逐漸上升的趨勢，目前中國大部分地區(qū)處于勉強協(xié)調(diào)狀態(tài)［6］。李敏和王雷研究了京津冀綠色金融與循環(huán)經(jīng)濟的耦合協(xié)調(diào)發(fā)展問題，發(fā)現(xiàn)三地的循環(huán)經(jīng)濟和綠色金融發(fā)展水平呈現(xiàn)上升趨勢［7］；二是綠色金融與生態(tài)環(huán)境的相互作用，王（Wang）和蔡（Cai）認為綠色金融工具對二氧化碳排放強度具有顯著的負面影響，基于債務(wù)的綠色金融工具比基于股權(quán)的綠色金融手段具有更強的效果［8］。李京（Lijing）和鄭（Zheng）探索了綠色金融、非化石能源使用和碳強度之間的關(guān)系，認為非化石能源的使用增加時，會提高綠色投資，導(dǎo)致碳強度下降［9］。錢力、呂晴通過研究發(fā)現(xiàn)江蘇省在綠色金融和生態(tài)環(huán)境子系統(tǒng)方面發(fā)展最好，且地理位置與地域環(huán)境會影響地區(qū)的耦合協(xié)調(diào)發(fā)展［10］。姬新龍、王仕琦以甘肅省為例，發(fā)現(xiàn)該區(qū)域綠色金融對生態(tài)環(huán)境的貢獻程度有待提高［11］。

總體而言，綠色金融與綠色發(fā)展之間的相關(guān)研究還存在進一步充實的空間：第一，實施“雙碳”戰(zhàn)略和踐行新發(fā)展理念，迫切要求我國經(jīng)濟實現(xiàn)綠色低碳循環(huán)發(fā)展。當前，對于綠色金融與產(chǎn)業(yè)綠色發(fā)展之間的耦合研究較少。第二，已有研究關(guān)注到綠色金融與工業(yè)綠色轉(zhuǎn)型之間的耦合關(guān)系，鮮有研究物流行業(yè)的低碳轉(zhuǎn)型，但物流行業(yè)的綠色低碳發(fā)展一直以來都受到政府的高度關(guān)注。作為能源消費量和碳排放增長迅猛的重要領(lǐng)域，在實現(xiàn)“雙碳”目標中加快推進物流綠色轉(zhuǎn)型責無旁貸。第三，現(xiàn)有相關(guān)研究工作主要集中在國家、省域?qū)用妫聪到y(tǒng)考慮到經(jīng)濟空間和集聚性發(fā)展的相關(guān)影響。本文在以往研究基礎(chǔ)上，進一步進行空間集聚分析，探究各影響因素對耦合協(xié)調(diào)水平的空間溢出效應(yīng)。

一、指標體系構(gòu)建及影響因素選取

（一）綠色金融與物流綠色轉(zhuǎn)型指標體系構(gòu)建

本文主要借鑒邵學(xué)峰和方天舒［12］、劉孜和范秋芳［13］等的研究，從學(xué)者普遍采用的五個主要綠色指標出發(fā)，同時結(jié)合王翌秋和郭沖［14］的研究，考慮能源消費量作為碳金融的一個方面，基于數(shù)據(jù)的可得性，構(gòu)建綠色金融綜合指標體系。關(guān)于物流綠色轉(zhuǎn)型指標的選取，參考齊萌［15］、毛彥軍等［16］關(guān)于綠色轉(zhuǎn)型指標體系的構(gòu)建，嘗試從物流資源利用、物流生產(chǎn)減排、綠色物流水平三個維度構(gòu)建物流綠色轉(zhuǎn)型指標體系，如表1所示。

表1 綠色金融與物流綠色轉(zhuǎn)型協(xié)調(diào)關(guān)系指標體系

（二）耦合協(xié)調(diào)度的影響因素

已有研究關(guān)注了綠色金融和綠色物流自身的影響因素，本文結(jié)合兩者進行綜合分析［17-18］。第一，經(jīng)濟發(fā)展水平（EDL）：一般采用人均國內(nèi)生產(chǎn)總值（GDP）的對數(shù)來衡量，經(jīng)濟發(fā)展水平越高可能導(dǎo)致兩者之間的互動聯(lián)系更強。第二，金融發(fā)展程度(FD)：一般采用金融業(yè)增加值與GDP比重的對數(shù)來衡量，金融發(fā)展程度越高，越容易滿足物流企業(yè)綠色轉(zhuǎn)型的需求，進而驅(qū)動綠色金融的發(fā)展。第三，環(huán)境污染程度（EP）：一般采用廢氣中二氧化硫排放量的對數(shù)來衡量，環(huán)境污染的程度越重，企業(yè)的整體信用風險越高，融資能力越弱。第四，科技創(chuàng)新水平（STI）：一般采用規(guī)模以上工業(yè)企業(yè)專利申請數(shù)的對數(shù)來衡量，物流企業(yè)的綠色創(chuàng)新能力越強，對綠色金融的需求越高。第五，城鎮(zhèn)化水平（UL）：一般采用城市人口密度的對數(shù)來衡量，城鎮(zhèn)化會驅(qū)使物流業(yè)和綠色金融產(chǎn)業(yè)形成集聚，相關(guān)技術(shù)和人才的流動會提高兩者的資源配置效率。第六，產(chǎn)業(yè)結(jié)構(gòu)（IS）：一般采用第三產(chǎn)業(yè)增加值與GDP比重的對數(shù)來衡量，第三產(chǎn)業(yè)占比越高，相關(guān)的基礎(chǔ)設(shè)施更加完善，物流企業(yè)的綠色轉(zhuǎn)型越迅速。

二、數(shù)據(jù)來源與數(shù)據(jù)處理

（一）數(shù)據(jù)來源

各指標和影響因素數(shù)據(jù)均來源于中國統(tǒng)計年鑒、中國工業(yè)統(tǒng)計年鑒、中國保險年鑒和中國能源統(tǒng)計年鑒。綠色信貸數(shù)據(jù)中六大高耗能產(chǎn)業(yè)工業(yè)利息支出占比由于缺少2018年中國工業(yè)統(tǒng)計年鑒，所以2017年數(shù)據(jù)采用均值替代法進行補充。綠色保險數(shù)據(jù)中農(nóng)業(yè)保險支出缺少個別年份數(shù)據(jù)采用均值替代法補充。綠色投資中環(huán)境污染治理投資數(shù)據(jù)只更新到2017年，2018—2020年根據(jù)中國生態(tài)環(huán)境統(tǒng)計年報中公布的全國總計數(shù)據(jù)與分省數(shù)據(jù)柱狀圖，使用圖形數(shù)字化（GetData Graph Digitizer）軟件進行數(shù)據(jù)提取，各省總計與實際值差異較小可忽略不計。

（二）數(shù)據(jù)處理

1.標準化處理

綠色金融和物流綠色轉(zhuǎn)型評價指標體系共包含15個指標，假設(shè)有m個待評價對象，n個指標，得到一個原始矩陣為

具體處理過程如下。

正向指標的標準化處理：

負向指標的標準化處理：

式（1）和式（2）中：為消除對數(shù)影響，通常對該數(shù)列數(shù)據(jù)進行向右平移0.000 1處理。

2.修正的熵權(quán)法求權(quán)重［19］

第一步，計算各指標值的比重：

第二步，計算第j個指標的熵值：

第三步，計算第j個指標的權(quán)重系數(shù)：

式（5）為傳統(tǒng)的計算公式，學(xué)者林華銳［20］指出當Ej在接近1的情況下，即使Ej之間差距細微，也會使相應(yīng)的權(quán)重Wj出現(xiàn)成倍的變化，從而導(dǎo)致誤差，因此，采用式（6）對其進行修正。

第四步，計算綜合評價值Si：

按照修正的熵權(quán)法，計算得到10年長江經(jīng)濟帶11個地區(qū)的綠色金融與物流綠色轉(zhuǎn)型系統(tǒng)各指標的權(quán)重值，結(jié)果如表2所示。

表2 綠色金融與物流綠色轉(zhuǎn)型協(xié)調(diào)發(fā)展指標權(quán)重值

三、研究方法

（一）耦合度模型

耦合度模型可以反映出子系統(tǒng)之間耦合作用的強弱。借鑒劉孜等［13］的研究，本文構(gòu)建綠色金融與物流綠色轉(zhuǎn)型的耦合度模型，形式如下：

C表示兩系統(tǒng)的耦合度，U1表示綠色金融指數(shù)，U2表示物流綠色轉(zhuǎn)型指數(shù)。C越大，兩系統(tǒng)的耦合狀態(tài)越好。

（二）耦合協(xié)調(diào)度模型

分析耦合度模型我們只能初步了解兩系統(tǒng)整體的耦合情況，通過引入耦合協(xié)調(diào)度模型，可以更好地揭示其內(nèi)部協(xié)調(diào)程度，其計算公式如下：

D為兩系統(tǒng)的耦合協(xié)調(diào)度，C為兩系統(tǒng)的耦合度，U1表示綠色金融指數(shù)，U2表示物流綠色轉(zhuǎn)型指數(shù)，T為兩系統(tǒng)的綜合協(xié)調(diào)指數(shù)。α、β為待定參數(shù)，因為兩系統(tǒng)同等重要［4］，所以α=β=0.5。

參考學(xué)者王新民［21］、高敏［22］的研究，對耦合度和耦合協(xié)調(diào)度進行如下劃分，結(jié)果如表3所示。

表3 耦合度和耦合協(xié)調(diào)度等級劃分

（三）空間自相關(guān)模型

1.全局空間自相關(guān)分析

空間自相關(guān)可以揭示其耦合協(xié)調(diào)度在空間維度上是否存在聚類或離散現(xiàn)象，或者呈現(xiàn)隨機分布，便于發(fā)現(xiàn)其空間分布規(guī)律。

2.局部空間自相關(guān)分析

通過全局莫蘭指數(shù)可初步了解其整體空間分布情況，但其局部空間分布情況還需進一步探索，因為整體空間分布呈現(xiàn)隨機分布時，也不能代表局部均不存在聚類或離散現(xiàn)象，鑒于此，本文借助GeoDa軟件對其局部情況進行分析。

（四）空間計量回歸模型

空間計量面板模型通常包含以下三種形式：空 間 滯 后 模 型（Spatial Autoregressive Model，SAR）、空間誤差模型（Spatial Error Model，SEM）和空間杜賓模型（Spatial Durbin Model，SDM）［23］。公式如下：

其中，Y為耦合協(xié)調(diào)度D，X為各影響因素，W為空間權(quán)重矩陣。本文基于地理距離權(quán)重矩陣，λ、β、δ為相應(yīng)系數(shù)，ε、μ為隨機擾動項，服從正態(tài)分布。

四、實證結(jié)果分析

（一）長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型綜合發(fā)展水平分析

根據(jù)長江經(jīng)濟帶2011—2020年綠色金融系統(tǒng)和物流綠色轉(zhuǎn)型系統(tǒng)的相關(guān)數(shù)據(jù)，計算出各省10年的綜合發(fā)展水平指數(shù)，再求出其各年的平均綜合發(fā)展水平指數(shù)，結(jié)果如圖1所示。

圖1 長江經(jīng)濟帶綠色金融和物流綠色轉(zhuǎn)型的平均綜合發(fā)展水平指數(shù)

從圖1中可知，2011—2020年綠色金融綜合發(fā)展水平指數(shù)有些微小幅波動，2012年以后指數(shù)呈現(xiàn)快速上升趨勢，2017年達到歷史頂峰，近幾年有所降低。2017年綠色金融發(fā)展水平得到顯著提升主要得益于2015年實施的《長江中游城市群發(fā)展規(guī)劃》，該規(guī)劃為贛江試點新區(qū)的綠色金融發(fā)展提供了有力支持。物流綠色轉(zhuǎn)型綜合發(fā)展水平指數(shù)較為平穩(wěn)，在2017年達到最高值0.693 3。因為2016年政府在相關(guān)報告中提出重視綠色物流建設(shè)，鼓勵通過減稅降費推動物流產(chǎn)業(yè)轉(zhuǎn)型升級，政策上的大力支持為2017年物流綠色轉(zhuǎn)型成效奠定基礎(chǔ)。

（二）長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型耦合協(xié)調(diào)度分析

根據(jù)相關(guān)數(shù)據(jù)計算得出兩系統(tǒng)的耦合協(xié)調(diào)度，結(jié)果如表4所示。

表4 長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型耦合協(xié)調(diào)度

由表4可知，從整體來看，其平均耦合協(xié)調(diào)度位于初級協(xié)調(diào)和中級協(xié)調(diào)階段，其中在2017年平均耦合協(xié)調(diào)度達到最高值0.722，說明這一年兩系統(tǒng)之間的協(xié)調(diào)情況較好，近兩年平均耦合協(xié)調(diào)度趨于輕微下滑態(tài)勢。

從各省的角度來看，安徽省耦合協(xié)調(diào)程度最高，為0.897，處于良好協(xié)調(diào)階段。安徽省自2012年以來，將推進物流產(chǎn)業(yè)轉(zhuǎn)型升級的目標落到實處，主動引導(dǎo)綠色信貸資金流向物流環(huán)保企業(yè)，對物流企業(yè)的綠色技術(shù)創(chuàng)新提供大量資金支持，很大程度上促進了綠色金融與物流綠色轉(zhuǎn)型的協(xié)調(diào)發(fā)展。貴州省耦合協(xié)調(diào)度除2012年為0.464，位于瀕臨失調(diào)狀態(tài)，其余年份均徘徊在0.5～0.69之間，處于勉強協(xié)調(diào)和初級協(xié)調(diào)之間。云南省一直位于0.6～0.79之間，處于初級協(xié)調(diào)和中級協(xié)調(diào)階段。上海市位于0～0.39之間，大多數(shù)時候處于極度失調(diào)狀態(tài)，這說明上海市綠色金融與物流綠色轉(zhuǎn)型整體的協(xié)調(diào)程度較差，還有很大的提升空間。其余省份的耦合協(xié)調(diào)度大多數(shù)位于0.7～0.89，處于中級協(xié)調(diào)向良好協(xié)調(diào)銜接階段。其中江蘇省從2012年開始，每年都針對性的制定減排計劃，致力于實現(xiàn)企業(yè)的綠色轉(zhuǎn)型［24］。湖北省也大力發(fā)展綠色金融，為企業(yè)提供資金支持，促使物流企業(yè)積極進行綠色技術(shù)創(chuàng)新，物流綠色轉(zhuǎn)型指數(shù)不斷提升，加深二者耦合協(xié)調(diào)程度。

為直觀地了解其變化趨勢，選取2012年、2016年、2020年的耦合協(xié)調(diào)度水平對其近10年的走勢進行空間動態(tài)分析，結(jié)果如圖2所示。

圖2 2012年、2016年、2020年長江經(jīng)濟帶耦合協(xié)調(diào)度空間差異變化

從圖2中可以看出，在這段時間，各省份綠色金融和物流綠色轉(zhuǎn)型耦合協(xié)調(diào)程度呈現(xiàn)出下游和中游較高，上游地區(qū)較低的趨勢。此外，重慶、江西、安徽在這三年一直穩(wěn)定在良好協(xié)調(diào)狀態(tài)，綠色金融與物流綠色轉(zhuǎn)型的耦合協(xié)調(diào)程度較高，且2016年各地區(qū)的綠色金融與物流綠色轉(zhuǎn)型的耦合協(xié)調(diào)發(fā)展最好，有5個省份均達到良好協(xié)調(diào)程度。

2012年，大部分地區(qū)處于中級協(xié)調(diào)和良好協(xié)調(diào)狀態(tài)，中下游地區(qū)的耦合協(xié)調(diào)程度較好，上游地區(qū)比較落后，貴州省和云南省分別處于瀕臨失調(diào)和初級協(xié)調(diào)狀態(tài)，綠色金融和物流綠色轉(zhuǎn)型耦合處于磨合狀態(tài)，還未能很好地接收兩系統(tǒng)相互作用帶來的影響。

2016年，各省份的綠色金融和物流綠色轉(zhuǎn)型耦合協(xié)調(diào)度有明顯提升，中下游地區(qū)依舊處于領(lǐng)先地位，浙江省耦合協(xié)調(diào)水平已轉(zhuǎn)為良好協(xié)調(diào)狀態(tài)。與此同時，上游地區(qū)也出現(xiàn)了明顯改善，與中下游綠色金融和物流綠色轉(zhuǎn)型的耦合協(xié)調(diào)水平差距逐漸縮小。其中，貴州省耦合協(xié)調(diào)度上升幅度最大，由2012年的瀕臨失調(diào)轉(zhuǎn)為初級協(xié)調(diào)。其在2012年成立的貴州銀行積極推進綠色信貸政策，促進了綠色金融與物流綠色轉(zhuǎn)型的耦合協(xié)調(diào)。云南省也由2012年的初級協(xié)調(diào)轉(zhuǎn)為中級協(xié)調(diào)狀態(tài)。

2020年，大部分地區(qū)二者的協(xié)調(diào)度已超過0.7，說明很多省份綠色金融與物流綠色轉(zhuǎn)型已經(jīng)逐漸進入到中級協(xié)調(diào)階段，各地區(qū)兩系統(tǒng)的協(xié)調(diào)差距逐漸縮小，并傾向于良性耦合協(xié)調(diào)發(fā)展，綠色金融與物流綠色轉(zhuǎn)型之間的相互影響作用更大。這些省份的綠色金融與物流綠色轉(zhuǎn)型的協(xié)同作用更加明顯，貴州省現(xiàn)階段處于勉強協(xié)調(diào)狀態(tài)，還有提升的空間，未來的發(fā)展中，應(yīng)該著重關(guān)注處于勉強協(xié)調(diào)和初級協(xié)調(diào)階段的地區(qū)，盡量減少物流運作各環(huán)節(jié)的碳排放，提高綠色金融對綠色物流的支持力度，讓位于失調(diào)階段的地區(qū)也加快實現(xiàn)中級協(xié)調(diào)發(fā)展；上海市由2012年的嚴重失調(diào)滑為極度失調(diào)狀態(tài)，其物流綠色轉(zhuǎn)型綜合發(fā)展水平遠低于綠色金融發(fā)展水平，單位物流業(yè)增加值的能耗和二氧化碳排放量都遠高于其他省份，這可能是因為上海在港口作業(yè)過程中消耗了電、燃油等能源，造成了大量二氧化碳排放，綠色港口的建設(shè)還在實踐當中，港口的能源利用效率還有待進一步提升。

（三）長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型耦合協(xié)調(diào)度空間自相關(guān)分析

1.全局空間自相關(guān)分析

由于各省市的綠色金融和物流綠色轉(zhuǎn)型耦合協(xié)調(diào)水平在區(qū)域上存在明顯差異，本文利用空間數(shù)據(jù)分析（GeoDa）軟件計算得到各年的全局莫蘭指數(shù)（Moran’s I），結(jié)果如表5所示。

表5 長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型耦合協(xié)調(diào)度全局Moran’s I指數(shù)

由表5可知，2011—2020年，在經(jīng)濟地理距離權(quán)重矩陣下各年份的莫蘭指數(shù)顯著，但在鄰接權(quán)重矩陣下，除2016年以外，其全局Moran’s I均為負值，且徘徊在0附近，其耦合協(xié)調(diào)程度呈現(xiàn)空間隨機性，各年均未達到顯著水平，這是因為其計算僅僅是依據(jù)省份之間是否相鄰來判斷其受到的影響強度，而綠色金融和物流的發(fā)展要素在空間上具有很強的流動性，不能認為某個地區(qū)只與其相鄰的幾個地區(qū)之間相互影響，也不能將某個地區(qū)與其不相鄰但距離不等的地區(qū)之間的相互作用強度視為一致［25］。所以，全局莫蘭指數(shù)不顯著不能說明長江經(jīng)濟帶各地區(qū)耦合協(xié)調(diào)度在空間上都與其鄰省無關(guān)，因為其內(nèi)部可能出現(xiàn)正負相抵的情況，導(dǎo)致不能體現(xiàn)為顯著，所以需要對其進行局部分析，通過分析局部地區(qū)的空間相關(guān)性來進行進一步判斷。

2.局部空間自相關(guān)分析

本文利用空間數(shù)據(jù)分析（GeoDa）軟件，得出11省市各年的局部莫蘭指數(shù)，選取2012年、2016年和2020年長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型兩系統(tǒng)耦合協(xié)調(diào)度的莫蘭（Moran）散點圖進行分析，結(jié)果如圖3所示。

圖3 2012、2016、2020年長江經(jīng)濟帶耦合協(xié)調(diào)度Moran散點圖

由圖3可以看出，長江經(jīng)濟帶11個省市兩個系統(tǒng)的協(xié)調(diào)度大都集中在第I和第IV象限，即分布在“高-高（H-H）”和“高-低（H-L）”型聚集的省市較“低-高（L-H）”和“低-低（L-L）”的省市多，從差異角度來看，若“高-高”型省市數(shù)量越多，說明此時的空間差異越小。

為了解各省市的局部空間分異情況，采用GeoDa得到相應(yīng)空間關(guān)聯(lián)局部指標（Local indicators of Spatial association，LISA）聚類圖，選取2012年、2016年、2020年各省市的空間分異情況進行分析，結(jié)果如表6所示。

表6 長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型局部莫蘭指數(shù)空間分異情況

由表6可知，2012年通過顯著性檢驗的只有湖北省，其余省份均為不顯著。湖北省兩系統(tǒng)的耦合協(xié)調(diào)度局部空間自相關(guān)關(guān)系位于“高-高（H-H）”狀態(tài)，即自身的綠色金融與物流綠色轉(zhuǎn)型的耦合協(xié)調(diào)水平較高，且被周邊協(xié)調(diào)水平較高的地區(qū)包圍。

從2016年LISA聚類圖結(jié)果來看，湖北省和江西省通過了顯著性檢驗，且同時處于“高-高（H-H）”狀態(tài)，其余的省份均不存在顯著性，可能是每個省份都致力于本地區(qū)的綠色金融與物流綠色轉(zhuǎn)型的協(xié)調(diào)發(fā)展，而沒有與周圍省份產(chǎn)生較大的聯(lián)系，也難以接收到鄰省對本地區(qū)的影響。相較于2012年，“高-高（H-H）”分布區(qū)多了江西省，說明長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型協(xié)調(diào)程度的空間局部異質(zhì)性進一步增大。

2020年LISA聚類圖的結(jié)果顯示處于“高-高”狀態(tài)的省市數(shù)量減少，高耦合協(xié)調(diào)集聚程度低，從總體來看，在長江經(jīng)濟帶2011—2020年的LISA聚類圖中，局部空間特征趨于分散狀態(tài)，集聚效果較差，各省份之間的相互作用力較小。

（四）長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型耦合協(xié)調(diào)影響因素的空間溢出效應(yīng)分析

由于耦合協(xié)調(diào)度存在空間相關(guān)性，有必要對其進行空間計量回歸分析，采用統(tǒng)計學(xué)軟件（stata16）對面板數(shù)據(jù)模型進行檢驗，在拉格朗日乘數(shù)（Lagrange Multiplier，LM）檢驗中，針對空間誤差和空間滯后的檢驗均在1%水平下顯著，說明可以選擇兩者結(jié)合的空間杜賓模型（SDM），通過沃爾德（Wald）檢驗和似然比檢驗（Likelihood Ratio，LR）均說明空間杜賓模型（SDM）不會退化為空間滯后模型（SAR）或空間誤差模型（SEM），結(jié)合豪斯曼（Hausman）檢驗和R2值的比較，本文基于時間固定效應(yīng)進行分析，結(jié)果如表7所示。

表7 固定效應(yīng)的空間杜賓模型估計結(jié)果

注：括號內(nèi)數(shù)值為估計參數(shù)的t統(tǒng)計量，且*、**和***分別代表10%、5%和1%的顯著性水平。

由表7可以看出，時間固定效應(yīng)模型的擬合優(yōu)度為0.534，優(yōu)于個體固定效應(yīng)和雙向固定效應(yīng)，回歸系數(shù)rho在1%水平下顯著，說明存在空間自相關(guān)。結(jié)合時間固定效應(yīng)結(jié)果發(fā)現(xiàn)經(jīng)濟發(fā)展水平、金融發(fā)展程度、科技創(chuàng)新水平、城鎮(zhèn)化水平和產(chǎn)業(yè)結(jié)構(gòu)均通過5%的顯著性水平檢驗，說明這5個因素是影響長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型協(xié)調(diào)發(fā)展的主要影響因素，金融發(fā)展程度、科技創(chuàng)新水平和城鎮(zhèn)化水平對綠色金融和物流綠色轉(zhuǎn)型的協(xié)調(diào)程度存在正向作用，經(jīng)濟發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)對綠色金融和物流綠色轉(zhuǎn)型的協(xié)調(diào)水平存在負向影響。

為進一步分析其空間溢出效應(yīng)，對其進行效應(yīng)分解，結(jié)果如表8所示。

表8 時間固定效應(yīng)的空間杜賓模型溢出效應(yīng)分解結(jié)果

由表8可知，金融發(fā)展程度和科技創(chuàng)新水平的直接效應(yīng)系數(shù)在1%的水平下顯著，分別為0.133和0.144，即本地的金融發(fā)展程度和科技創(chuàng)新水平每提高1%，其綠色金融和物流綠色轉(zhuǎn)型的協(xié)調(diào)度分別提升0.13%和0.14%，說明金融發(fā)展水平的提升會加速綠色金融的發(fā)展，進而促進企業(yè)綠色轉(zhuǎn)型。經(jīng)濟發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)的直接效應(yīng)在1%的顯著水平下為負，說明本地的經(jīng)濟發(fā)展水平對本地綠色金融和物流綠色轉(zhuǎn)型的協(xié)調(diào)水平起到負向作用，這是由于經(jīng)濟發(fā)展觀念和扶持政策的差異導(dǎo)致經(jīng)濟發(fā)展對兩者的協(xié)調(diào)發(fā)展的促進作用不足［26］。與此同時，產(chǎn)業(yè)結(jié)構(gòu)對兩者的協(xié)調(diào)發(fā)展起到負面作用，原因在于綠色金融的發(fā)展尚未成熟，已有的金融資源尚未退出高耗能產(chǎn)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)的綠色轉(zhuǎn)型升級有待加強。

在空間溢出效應(yīng)中，環(huán)境污染程度和城鎮(zhèn)化水平對鄰近地區(qū)產(chǎn)生顯著正向影響。本地的環(huán)境污染程度較高時，其融資的信用風險加大，降低了鄰近地區(qū)企業(yè)的融資難度。城鎮(zhèn)化會產(chǎn)生資源的集聚效應(yīng)，形成產(chǎn)業(yè)鏈，本地的產(chǎn)業(yè)鏈條的擴大會創(chuàng)造更多的綠色金融需求，進而帶動周邊地區(qū)的綠色轉(zhuǎn)型進程?？萍紕?chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)的溢出效應(yīng)顯著為負，表明科技創(chuàng)新對周邊城市的兩者協(xié)調(diào)水平會起到抑制作用，這是因為往往科技創(chuàng)新水平較高的地區(qū)會吸引大量的人才、技術(shù)，具有明顯的集聚特征，使周邊城市的創(chuàng)新發(fā)展水平受限，因此會對鄰近地區(qū)的綠色金融與物流綠色轉(zhuǎn)型的協(xié)調(diào)程度產(chǎn)生負向影響。產(chǎn)業(yè)結(jié)構(gòu)上，當本地的第三產(chǎn)業(yè)效率越高，也會吸引周邊地區(qū)的優(yōu)質(zhì)產(chǎn)業(yè)，從而弱化了周邊地區(qū)的綠色金融和物流綠色轉(zhuǎn)型的協(xié)調(diào)水平。

五、研究結(jié)論與政策建議

（一）研究結(jié)論

在修正熵權(quán)法的基礎(chǔ)上，通過構(gòu)建長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型兩系統(tǒng)耦合協(xié)調(diào)模型，對長江經(jīng)濟帶2011—2020年11個省市的數(shù)據(jù)進行測算，并對其耦合協(xié)調(diào)度的空間分布狀況和空間溢出效應(yīng)進行分析，得出主要結(jié)論如下：

第一，整體上，2011—2020年長江經(jīng)濟帶綠色金融與物流綠色轉(zhuǎn)型兩系統(tǒng)的平均耦合協(xié)調(diào)度在0.677～0.722之間波動，2011—2012年處于下降趨勢，2013—2017年處于逐步上升趨勢，且在2017年達到最高值，2018—2020年又開始緩慢下降，但長江經(jīng)濟帶綠色金融促進了物流綠色轉(zhuǎn)型，物流綠色轉(zhuǎn)型也反哺綠色金融的發(fā)展，整體的耦合協(xié)調(diào)度水平已達到初級協(xié)調(diào)水平，逐漸向中級協(xié)調(diào)階段邁進。

第二，省域?qū)用嫔希?011—2020年安徽省、重慶市綠色金融與物流綠色轉(zhuǎn)型兩系統(tǒng)的耦合協(xié)調(diào)水平一直穩(wěn)定在良好協(xié)調(diào)階段，處于領(lǐng)先位置；其次是江蘇省、浙江省、江西省、湖南省、四川省，在中級協(xié)調(diào)和良好協(xié)調(diào)之間徘徊；湖北省發(fā)展比較平穩(wěn)，位于中級協(xié)調(diào)階段；貴州省和云南省耦合協(xié)調(diào)度發(fā)展水平較為落后，云南省處于初級協(xié)調(diào)水平較多，貴州省最初處于瀕臨失調(diào)狀態(tài)，近年來協(xié)調(diào)水平有所提升。但上海市協(xié)調(diào)水平一直不容樂觀，可能的原因是上海是港口城市，其二氧化碳排放量遠高于其他省市。耦合協(xié)調(diào)度在空間分布上呈現(xiàn)中下游領(lǐng)先上游趨勢。下游地區(qū)除上海以外，基本處于中級協(xié)調(diào)和良好協(xié)調(diào)之間，中游地區(qū)也位于中級和良好協(xié)調(diào)水平，上游地區(qū)重慶和四川協(xié)調(diào)發(fā)展水平較為領(lǐng)先，位于中級協(xié)調(diào)階段以上，貴州省和云南省較為遜之，還在初級協(xié)調(diào)周邊徘徊。

第三，在空間自相關(guān)方面，2011—2020年期間，在鄰接權(quán)重矩陣下除2016年全局莫蘭指數(shù)為正值，其余年份空間自相關(guān)莫蘭指數(shù)均為接近于0的負值，且不顯著，但經(jīng)濟地理距離權(quán)重矩陣下各年份莫蘭指數(shù)顯著。局部莫蘭散點圖顯示，隨著時間變化，各個地區(qū)分布在第II、III象限較少?？臻g關(guān)聯(lián)局部指標聚類圖表明湖北省和江西省出現(xiàn)在“高-高”集聚區(qū)，說明這些地區(qū)產(chǎn)生了正向拉動的產(chǎn)業(yè)城市群效應(yīng)，作為連接上下游的中心地區(qū)，起到了示范帶動作用，其余各省未形成明顯的空間集聚效應(yīng)。2020年呈現(xiàn)“高-高”聚集的省份較少，說明局部的空間差異性較大。

第四，在空間溢出效應(yīng)上，通過時間固定效應(yīng)空間杜賓模型實證表明，長江經(jīng)濟帶各地區(qū)金融發(fā)展程度和科技創(chuàng)新水平的提升對本地兩者的協(xié)調(diào)度有顯著的正向影響，本地環(huán)境污染程度和城鎮(zhèn)化水平對鄰近地區(qū)綠色金融與物流綠色轉(zhuǎn)型的協(xié)調(diào)度具有顯著正向的空間溢出效應(yīng)。

（二）政策建議

1.發(fā)揮綠色金融支持，促進物流節(jié)能減排

在綠色金融系統(tǒng)中，“環(huán)保產(chǎn)業(yè)市值”“節(jié)能環(huán)保支出”“治理環(huán)境污染投資”這三個指標對綠色金融系統(tǒng)的重要性較高。為了創(chuàng)建良好的綠色金融環(huán)境，首先，著力提高環(huán)保產(chǎn)業(yè)的市值占比，地方政府可以學(xué)習綠色金融創(chuàng)新試點區(qū)的實踐經(jīng)驗，在結(jié)合各個地區(qū)發(fā)展特色的基礎(chǔ)上，建立激勵機制，以促進綠色金融的發(fā)展，并吸引更多的社會資本積極參與到綠色物流項目中，發(fā)揮綠色金融對物流綠色轉(zhuǎn)型的資源配置作用，以便讓更多的物流企業(yè)向環(huán)保產(chǎn)業(yè)轉(zhuǎn)型。其次，綠色金融的發(fā)展離不開地方財政資金的支持，政府要帶頭響應(yīng)“雙碳”戰(zhàn)略，加大環(huán)境污染治理投資和節(jié)能環(huán)保財政支出，重點支持踐行新發(fā)展理念的綠色物流企業(yè)，各方共同推進綠色低碳產(chǎn)業(yè)鏈。最后，為了實現(xiàn)綠色金融對物流綠色轉(zhuǎn)型的精準支持，需盡快建立兩系統(tǒng)的信息對接平臺，以便金融機構(gòu)有效地識別物流綠色轉(zhuǎn)型項目，提高資金的利用效率。

在物流綠色轉(zhuǎn)型系統(tǒng)中，“物流業(yè)的能源消耗量”“物流業(yè)的二氧化碳排放量”等指標對整個系統(tǒng)產(chǎn)生的影響較大，所以要想真正地實現(xiàn)長江經(jīng)濟帶物流綠色升級，物流企業(yè)無論如何都要采取實際行動努力落實節(jié)能增效工作。從企業(yè)總體規(guī)劃出發(fā)，科學(xué)制定適合本物流企業(yè)節(jié)能目標的降碳方案，并要求逐步細化落實分解到各具體崗位，量化工作效果考核標準，將科學(xué)的節(jié)能理念與環(huán)保意識貫徹到底，同時積極參與有關(guān)環(huán)保領(lǐng)域的重大科學(xué)項目，汲取先進經(jīng)驗［1］。在企業(yè)實際運作中，充分利用清潔能源，提高新能源汽車在物流業(yè)的普及率，對于一些高污染高排放的物流車輛，應(yīng)該合理限制其準入標準，逐漸引導(dǎo)其退出物流市場，強化物流業(yè)綠色化運行效率，積極引進國外先進技術(shù)，提倡各企業(yè)共享和循環(huán)使用物流設(shè)施，提升物流綠色轉(zhuǎn)型效率［27］。國家也應(yīng)該出臺物流業(yè)綠色轉(zhuǎn)型的產(chǎn)業(yè)引導(dǎo)政策，強化行業(yè)綠色轉(zhuǎn)型能效、逐步完善物流行業(yè)的進入和退出市場準則，推動物流行業(yè)合理有序的競爭，規(guī)范化物流行業(yè)綠色轉(zhuǎn)型。

2.建立健全相關(guān)政策法規(guī)，鼓勵各地區(qū)合作共贏

2011—2020年，長江經(jīng)濟帶的物流綠色轉(zhuǎn)型系統(tǒng)的綜合發(fā)展水平指數(shù)雖然較為平穩(wěn)，但2017年來均處于下降趨勢，2020年也達到歷年最低值0.638 6，隨著物流業(yè)的快速發(fā)展，要想實現(xiàn)可持續(xù)發(fā)展，需要打造綠色物流產(chǎn)業(yè)鏈。綠色金融發(fā)展系統(tǒng)綜合發(fā)展水平指數(shù)在2016年以來也呈現(xiàn)逐漸下降趨勢，且低于物流綠色轉(zhuǎn)型指數(shù)。國家應(yīng)督促完善有關(guān)綠色發(fā)展轉(zhuǎn)型與綠色金融相互促進的相關(guān)政策法規(guī)，并通過加大財政資金支持、傾向環(huán)保領(lǐng)域投資，支持相關(guān)物流產(chǎn)業(yè)逐步向環(huán)境保護綠色發(fā)展轉(zhuǎn)型［28］。長江經(jīng)濟帶各地區(qū)由于自身資源、地理位置、金融政策、經(jīng)濟狀況各不相同，導(dǎo)致綠色金融和物流綠色轉(zhuǎn)型的發(fā)展階段差異明顯，各地區(qū)應(yīng)切實推進區(qū)域合作，建立長江經(jīng)濟帶高效的多層次合作機制，集各方之力實現(xiàn)資源的最優(yōu)配置，科學(xué)有效地加快各地區(qū)物流綠色轉(zhuǎn)型進程［29］。

3.加強輻射帶動作用，提高整體協(xié)調(diào)發(fā)展水平

通過分析2011—2020年長江經(jīng)濟帶11個省市的耦合協(xié)調(diào)度的空間分布情況以及空間集聚狀態(tài)，發(fā)現(xiàn)各省之間的集聚效應(yīng)不明顯，總體上處于離散狀態(tài)，位于長江經(jīng)濟帶上游的重慶和成都，是成渝地區(qū)雙城經(jīng)濟圈協(xié)調(diào)水平較高的城市，以二者為中心點，打造都市圈綠色發(fā)展的核心引擎，聯(lián)合推動綠色金融與物流綠色轉(zhuǎn)型深度融合，拉動貴州省和云南省的協(xié)調(diào)發(fā)展水平。中游地區(qū)作為上下游的銜接地區(qū)，應(yīng)該進一步引導(dǎo)湖北省、湖南省和江西省的集聚發(fā)展，建立綠色物流園區(qū)，統(tǒng)籌規(guī)劃，促進長江經(jīng)濟帶沿線上下游物流業(yè)共同發(fā)展。下游協(xié)調(diào)較優(yōu)的城市，要在自身協(xié)調(diào)穩(wěn)定發(fā)展的基礎(chǔ)上，支持帶動上海市，從而提高長江經(jīng)濟帶下游整體的協(xié)調(diào)發(fā)展水平，加快向良好協(xié)調(diào)靠攏。與此同時，加快推進城鎮(zhèn)化發(fā)展進程，充分利用城鎮(zhèn)化帶來的空間溢出效應(yīng)推動周邊地區(qū)的綠色金融和物流綠色轉(zhuǎn)型的協(xié)調(diào)水平。