于志慧 何昌磊

摘要：剖析綠色信貸、綠色技術(shù)進(jìn)步對碳排放的影響機制，探討綠色技術(shù)進(jìn)步的中介效應(yīng)，對于實現(xiàn)我國經(jīng)濟綠色高質(zhì)量發(fā)展具有重要意義?；?9個省份2009—2019年的面板數(shù)據(jù)，以綠色全要素生產(chǎn)率為綠色技術(shù)進(jìn)步的代理變量，運用雙向固定效應(yīng)模型、Sobel中介因子模型、面板門檻模型實證檢驗了綠色信貸、綠色技術(shù)進(jìn)步對碳排放的影響效應(yīng)。研究發(fā)現(xiàn)：綠色信貸對碳排放具有顯著的抑制作用；綠色技術(shù)進(jìn)步在綠色信貸對碳排放的影響中存在顯著的中介效應(yīng)；綠色信貸對碳排放的抑制作用在西部地區(qū)強于東部地區(qū)，中部地區(qū)效果不顯著；綠色信貸的碳減排效應(yīng)存在邊際效應(yīng)遞減的非線性特征。

關(guān)鍵詞：綠色信貸；碳排放；綠色技術(shù)進(jìn)步；Sobel中介因子模型

中圖分類號：F124.3；F832.4?文獻(xiàn)標(biāo)識碼：A?文章編號：1673-5595（2023）06-0040-08

一、引言

傳統(tǒng)經(jīng)濟發(fā)展模式所造成的環(huán)境污染已經(jīng)超過很多地區(qū)的環(huán)境承載力閾值，生態(tài)環(huán)境保護(hù)與經(jīng)濟發(fā)展之間的矛盾日益突出，經(jīng)濟社會可持續(xù)發(fā)展受到嚴(yán)峻挑戰(zhàn)。2020年，習(xí)近平在第七十五屆聯(lián)合國大會一般性辯論上作出我國“碳達(dá)峰”“碳中和”承諾。2021年，我國中央經(jīng)濟工作會議強調(diào)，狠抓綠色低碳技術(shù)攻關(guān)，盡早實現(xiàn)碳排放總量與強度的“雙控”。黨的二十大報告進(jìn)一步指出要推進(jìn)生態(tài)優(yōu)先、綠色低碳發(fā)展。金融發(fā)展是實現(xiàn)經(jīng)濟綠色發(fā)展的重要手段。［1］隨著雙碳戰(zhàn)略的實施，綠色金融成為實現(xiàn)碳減排的新支柱。［2］《“十四五”節(jié)能減排綜合工作方案》中明確提出，要健全綠色金融體系，大力發(fā)展綠色信貸。鑒于此，探討綠色信貸的碳減排效應(yīng)，對于實現(xiàn)經(jīng)濟綠色高質(zhì)量發(fā)展具有重要意義。

既有研究中相關(guān)的文獻(xiàn)主要有兩類。一類是碳排放影響因素的相關(guān)研究。其中，數(shù)字經(jīng)濟、綠色投資和技術(shù)進(jìn)步等因素對碳排放產(chǎn)生顯著的抑制作用，城鎮(zhèn)化、數(shù)字金融、人口密度和產(chǎn)業(yè)集聚等因素對碳排放的影響是非線性的，貿(mào)易出口會帶來碳排放的增長。具體來講，數(shù)字經(jīng)濟能夠通過數(shù)字創(chuàng)新能力、數(shù)字產(chǎn)業(yè)發(fā)展和數(shù)字普惠金融改善城市碳排放［3］；技術(shù)進(jìn)步在降低碳排放方面發(fā)揮著重要作用［4］；綠色投資可以降低短期和長期的碳排放水平［5］；而城鎮(zhèn)化雖然會增加碳排放，但會通過清潔生產(chǎn)技術(shù)推廣、人力資本積累［6］和產(chǎn)業(yè)結(jié)構(gòu)升級［7］來抑制這一不利影響；數(shù)字金融對碳排放具有節(jié)能效應(yīng)和增產(chǎn)效應(yīng)，碳排放隨著數(shù)字金融發(fā)展呈現(xiàn)先增加后減少的倒“U”型變化趨勢［8］；人口密度和產(chǎn)業(yè)集聚對碳排放的影響呈“N”型［9］；一般貿(mào)易出口和加工貿(mào)易出口均會增加碳排放，但加工貿(mào)易出口增加的碳排放相對較小［10］。

另一類是綠色信貸對碳排放影響的相關(guān)研究。綠色信貸具有明顯的投資抑制作用與融資懲罰作用，支持環(huán)境友好型產(chǎn)業(yè)發(fā)展。［11］部分學(xué)者以《綠色信貸指引》構(gòu)造準(zhǔn)自然實驗，探究綠色信貸對碳排放的抑制作用［12-13］，或是從微觀層面評估政策對企業(yè)環(huán)境信息披露質(zhì)量［14］和企業(yè)綠色創(chuàng)新［15］的促進(jìn)作用；也有學(xué)者利用利息支出數(shù)據(jù)直接探討綠色信貸對碳排放的影響效應(yīng)，如綠色信貸通過配置信貸資源、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級以及地區(qū)示范效應(yīng)實現(xiàn)節(jié)能減排［16］，通過破壞性低碳創(chuàng)新減少碳排放［17］。

已有研究多側(cè)重于直接探討綠色信貸對碳排放的影響，鮮有文獻(xiàn)將綠色信貸、綠色技術(shù)進(jìn)步和碳排放納入統(tǒng)一框架進(jìn)行研究，而且綠色技術(shù)進(jìn)步往往作為被評價對象，較少探析其在綠色信貸影響碳排放中的中介作用。綠色信貸是實現(xiàn)綠色發(fā)展的關(guān)鍵一環(huán)，結(jié)合綠色技術(shù)進(jìn)步，探討其對碳排放的影響機制，有利于豐富綠色信貸和碳減排相關(guān)領(lǐng)域的經(jīng)驗證據(jù)。鑒于此，本文在研究綠色信貸對碳排放影響的基礎(chǔ)上，引入綠色技術(shù)進(jìn)步作為中介變量，使用Sobel中介因子模型探究綠色技術(shù)進(jìn)步的中介效應(yīng)，并進(jìn)一步考察綠色信貸對碳減排的區(qū)域異質(zhì)性及邊際效應(yīng)遞減的非線性特征。

二、理論機制及研究假設(shè)

（一）綠色信貸對碳排放的影響

綠色信貸對地區(qū)污染排放的影響，很大程度上取決于微觀企業(yè)的策略性反應(yīng)。［18］在資源優(yōu)化方面，綠色信貸的實施可以為綠色產(chǎn)業(yè)和低碳產(chǎn)業(yè)提供更便利的融資環(huán)境，促進(jìn)企業(yè)開展綠色創(chuàng)新活動、提升綠色技術(shù)水平以減少碳排放。同時，對于高污染企業(yè)而言，綠色信貸能夠提高其融資成本，對其產(chǎn)生融資約束，抑制其在高污染領(lǐng)域的擴張，倒逼高污染企業(yè)進(jìn)行產(chǎn)品升級、技術(shù)優(yōu)化，引導(dǎo)其實現(xiàn)碳減排。［19-20］在信號傳遞方面，綠色信貸的實施向市場傳遞了綠色發(fā)展的信號，激勵社會資本流向綠色企業(yè)，推動產(chǎn)業(yè)結(jié)構(gòu)向綠色化、生態(tài)化發(fā)展。在資金保障方面，綠色信貸能夠為企業(yè)提升技術(shù)水平和污染控制能力提供資金保障，且外源融資依賴度越高的企業(yè)，實現(xiàn)碳減排的效果越好。［21］

假設(shè)1：綠色信貸可以顯著降低碳排放。

（二）綠色技術(shù)進(jìn)步對碳排放的影響

綠色技術(shù)進(jìn)步水平的提升帶來更先進(jìn)的環(huán)保和節(jié)能技術(shù)，刺激能源利用效率提高和要素利用率提升，降低能源消耗，進(jìn)而減少碳排放［22-23］；節(jié)能減排的良好效果又能增加產(chǎn)出，最終使得生產(chǎn)部門實現(xiàn)良性循環(huán)［24］。綠色技術(shù)進(jìn)步對碳排放的影響方式有兩種：一種是從源頭上提高能源利用效率，通過促進(jìn)技術(shù)進(jìn)步，引導(dǎo)企業(yè)綠色轉(zhuǎn)型，在生產(chǎn)過程中減少碳排放；另一種是末端治理，提高碳捕集技術(shù)和存儲技術(shù)，對已產(chǎn)生的二氧化碳進(jìn)行處理，減少碳排放。［25］因此，綠色技術(shù)進(jìn)步是促進(jìn)碳減排績效提升的主要動力。［26］

假設(shè)2：綠色技術(shù)進(jìn)步水平的提升可以顯著抑制碳排放。

（三）綠色信貸、綠色技術(shù)進(jìn)步與碳排放

綠色技術(shù)進(jìn)步具有長周期、高投入和高風(fēng)險的特征，銀行信貸對其的偏好性較差，因此企業(yè)在進(jìn)行綠色創(chuàng)新時容易遭受信貸制約。綠色信貸對技術(shù)升級具有較高的邊際效應(yīng)［27］，能夠通過激勵技術(shù)創(chuàng)新、優(yōu)化資源配置促進(jìn)低碳技術(shù)的進(jìn)步。一方面，綠色信貸有利于企業(yè)增加研發(fā)投入［28］，使得研發(fā)活動的產(chǎn)出成果增加、企業(yè)的技術(shù)水平整體提高，進(jìn)而實現(xiàn)綠色技術(shù)進(jìn)步水平的提升［29］；另一方面，綠色信貸規(guī)模擴大使得技術(shù)市場的成交額增加，促進(jìn)技術(shù)市場的發(fā)展，最終促進(jìn)綠色技術(shù)進(jìn)步水平提升［30］。綠色技術(shù)進(jìn)步是實現(xiàn)節(jié)能減排、低碳轉(zhuǎn)型與生態(tài)可持續(xù)的關(guān)鍵所在。綠色信貸可以通過綠色技術(shù)進(jìn)步產(chǎn)生顯著的技術(shù)效應(yīng)，影響碳排放規(guī)模和碳排放強度。［31］因此，綠色信貸可以通過增加企業(yè)的研發(fā)投入、刺激技術(shù)市場發(fā)展，促進(jìn)綠色技術(shù)進(jìn)步，最終實現(xiàn)節(jié)能減排。

假設(shè)3：綠色技術(shù)進(jìn)步在綠色信貸的碳減排效應(yīng)中發(fā)揮著中介作用。

三、研究設(shè)計

（一）模型設(shè)定

1.基準(zhǔn)回歸模型

由于不同省份的發(fā)展情況不同，可能存在不隨時間變化的個體效應(yīng)；且政策的頒布與執(zhí)行隨著時間變化，也可能存在不隨個體變化的時間效應(yīng)。因此，本文選取雙向固定效應(yīng)模型分析綠色信貸對碳排放的影響，構(gòu)建基準(zhǔn)估計模型為

ceiit=α0+α1lvit+δxit+μi+ηt+uit（1）

式中：i為省份，t為年份，被解釋變量cei為省域碳排放水平，解釋變量lv為綠色信貸水平，α1為綠色信貸對碳排放的影響程度，xit為控制變量，μi為省份固定效應(yīng)，ηt為時間固定效應(yīng)，uit為隨機擾動項。

2.中介效應(yīng)模型

為驗證綠色信貸對碳排放的作用機制，本文引入綠色全要素生產(chǎn)率（gtfp）作為中介變量的衡量指標(biāo)，以檢驗綠色信貸是否可以通過綠色技術(shù)進(jìn)步影響碳排放。本文采用Baron等［32］提出的Sobel中介因子檢驗方法，來驗證綠色技術(shù)進(jìn)步的中介效應(yīng)。

ceiit=β0+β1lvit+δ1xit+μi+ηt+uit（2）

gtfpit=γ0+γ1lvit+δ2xit+μi+ηt+uit（3）

ceiit=π0+π1lvit+π2gtfpit+δ3xit+μi+ηt+uit（4）

當(dāng)式（2）回歸系數(shù)β1、式（3）回歸系數(shù)γ1和式（4）回歸系數(shù)π1均顯著，而式（4）回歸系數(shù)π2不顯著，且Sobel Z值統(tǒng)計上顯著時，綠色技術(shù)進(jìn)步具有完全中介效應(yīng)；當(dāng)式（2）回歸系數(shù)β1、式（3）回歸系數(shù)γ1、式（4）回歸系數(shù)π1和π2均顯著，但π1顯著小于β1，且Sobel Z值統(tǒng)計上顯著時，綠色技術(shù)進(jìn)步具有部分中介效應(yīng)。

（二）變量說明與測度

1.被解釋變量

本文參考文書洋等［2］、劉鋒等［33］的研究，以單位產(chǎn)出碳排放為被解釋變量，用碳排放總量與地區(qū)GDP的比值來表示。與碳排放總量相比，這一衡量方式能夠更好地消除經(jīng)濟規(guī)模對碳排放的影響。二氧化碳測算參考政府間氣候變化專門委員會（IPCC）提出的方法，采用標(biāo)準(zhǔn)煤法，選取原煤、原油、柴油、焦炭、燃料油、汽油、液化石油氣、煤油以及天然氣9種化石能源，對碳排放總量進(jìn)行測算。

式中：CO2it為第t年第i個省份的二氧化碳排放量，CO2itp為第t年第i個省份第p種化石能源的二氧化碳排放量，Eitp為第t年第i個省份第p種化石能源的實物消費量，Ap為第p種能源的碳元素折算系數(shù)，Bp為第p種能源的二氧化碳排放系數(shù)。

2.解釋變量

綠色信貸主要有4種衡量方式：綠色信貸余額、節(jié)能環(huán)保貸款余額、工業(yè)污染治理投資來源中的銀行貸款、非六大高能耗產(chǎn)業(yè)利息支出占比。［34］綠色信貸余額、節(jié)能環(huán)保貸款余額來源于《中國銀行業(yè)社會責(zé)任報告》的全國層面數(shù)據(jù)，而工業(yè)污染投資治理來源中的銀行貸款的數(shù)據(jù)在2010年后就不再統(tǒng)計，因此，考慮數(shù)據(jù)的完整性，本文選取第4種方式來衡量綠色信貸水平，即非六大高能耗產(chǎn)業(yè)利息支出占比（1-六大高能耗產(chǎn)業(yè)利息支出/工業(yè)產(chǎn)業(yè)利息總支出）①。

3.中介變量

參考弓媛媛等［30］的觀點，采用綠色全要素生產(chǎn)率衡量綠色技術(shù)進(jìn)步。同時，依據(jù)馮杰等［35］的方法構(gòu)建投入指標(biāo)與產(chǎn)出指標(biāo)，通過超效率SBM模型的GML指數(shù)測算綠色全要素生產(chǎn)率。其中，投入要素包括勞動投入、資本投入和能源投入，分別使用各省份年末就業(yè)人員數(shù)、固定資本存量、能源消費總量來衡量；產(chǎn)出要素包括期望產(chǎn)出和非期望產(chǎn)出，以2008年為基期將名義GDP轉(zhuǎn)換為實際GDP衡量期望產(chǎn)出，以工業(yè)廢水中化學(xué)需氧量與工業(yè)廢氣中二氧化硫排放總量作為污染物排放要素衡量非期望產(chǎn)出。

由于超效率SBM模型可以比較效率值同為1的有效單元之間的效率高低，且GML指數(shù)可以解決線性規(guī)劃無可行解的問題。因此，本文利用超效率SBM模型的GML指數(shù)測算綠色全要素生產(chǎn)率。具體分為如下3個步驟。

（1）全局生產(chǎn)技術(shù)集。參考Oh［36］提出的全局生產(chǎn)技術(shù)集，決策單元q（1，2，…，Q）在t（1，2，…，T）時期，投入C種要素Z=（z1，z2，…，zc）∈RC+，得到M種期望產(chǎn)出Y=（y1，y2，…，ym）∈RM+與N種非期望產(chǎn)出b=（b1，b2，…，bn）∈RN+，構(gòu)建全局生產(chǎn)技術(shù)集為

（2）全局方向性SBM。借鑒王兵等［37］的處理方法得到全局方向性SBM。第t期決策單元的投入、期望產(chǎn)出和非期望產(chǎn)出要素的向量 （zt0，yt0，bt0）、方向向量（gz0，gy0，gb0）、松弛向量（szc，sym，sbn），其實際意義分別是投入要素冗余、期望產(chǎn)出不足、非期望產(chǎn)出超標(biāo)。

（3）GML指數(shù)構(gòu)建。借鑒Oh［36］、楊翔等［38］的方法，在全局方向性SBM的基礎(chǔ)上，構(gòu)建GML指數(shù)，精確測算綠色全要素生產(chǎn)率。

其中，若GMLt+1t>1，表明t+1期的綠色全要素生產(chǎn)率比t期上升；若GMLt+1t<1，表明t+1期的綠色全要素生產(chǎn)率比t期下滑；若GMLt+1t=1，表明在t→t+1期內(nèi)，綠色全要素生產(chǎn)率保持不變。

4.控制變量

為降低遺漏變量的影響，借鑒吳姍姍［31］、陳向陽［39］的觀點，選取產(chǎn)業(yè)結(jié)構(gòu)、外商直接投資、信貸資金分配市場化指數(shù)、政府規(guī)模、人力資本水平、老齡化水平和城鎮(zhèn)化水平作為控制變量。其中，產(chǎn)業(yè)結(jié)構(gòu)（ind）采用第二產(chǎn)業(yè)增加值與GDP的比值來衡量；外商直接投資（fdi）采用外商直接投資額與GDP的比值衡量；信貸資金分配市場化指數(shù)（cfa）采用樊綱編制的《中國市場化指數(shù)》中的信貸市場分配的指數(shù)數(shù)據(jù)衡量；政府規(guī)模（gov）采用地方財政一般預(yù)算支出與GDP的比值衡量；人力資本水平（edu）采用普通高等學(xué)校在校學(xué)生數(shù)的對數(shù)衡量；老齡化水平（age）采用65歲及以上的老年人口數(shù)與總?cè)丝跀?shù)的比值衡量；城鎮(zhèn)化水平（urban）采用城鎮(zhèn)人口數(shù)與總?cè)丝跀?shù)的比值衡量。

（三）數(shù)據(jù)來源

囿于數(shù)據(jù)的可得性，本文選取全國29個省份（不含海南、西藏、香港、澳門和臺灣）2009—2019年的相關(guān)數(shù)據(jù)進(jìn)行分析，共獲得319組數(shù)據(jù)。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》、EPS數(shù)據(jù)庫、CEADs數(shù)據(jù)庫、中國市場化指數(shù)數(shù)據(jù)庫等。部分缺失數(shù)據(jù)采用插值法與移動平均法進(jìn)行補全。變量描述性統(tǒng)計結(jié)果如表1所示。

四、實證分析

（一）基準(zhǔn)回歸結(jié)果

本文使用Stata軟件，采用雙向固定效應(yīng)模型確定綠色信貸對碳排放的影響，基準(zhǔn)回歸結(jié)果如表2所示。

首先考慮綠色信貸與碳排放的基準(zhǔn)關(guān)系，表2列（1）未加入控制變量，綠色信貸的回歸結(jié)果在1%的水平下顯著為負(fù)，初步表明綠色信貸具有降低碳排放的效果。列（2）—列（4）為依次加入不同控制變量的回歸結(jié)果，綠色信貸的估計系數(shù)均在1%的水平下顯著為負(fù)，進(jìn)一步表明綠色信貸能夠有效抑制碳排放，驗證了假設(shè)1。這一結(jié)論與張可等［16］的結(jié)論一致，綠色信貸能夠發(fā)揮信貸資源配置作用，使資金流向節(jié)能環(huán)保企業(yè)，支持碳減排技術(shù)發(fā)展；同時也能發(fā)揮信號傳遞作用，引導(dǎo)資本流向綠色企業(yè)，促使市場主體綠色轉(zhuǎn)型，最終實現(xiàn)碳減排的目標(biāo)。

（二）中介效應(yīng)分析

前文分析表明，綠色信貸可以有效降低碳排放。為考察綠色技術(shù)進(jìn)步在其中的中介效應(yīng)，本文利用Sobel中介因子模型進(jìn)行中介效應(yīng)檢驗。表3列（1）回歸結(jié)果表明，解釋變量綠色信貸對被解釋變量碳排放存在顯著的負(fù)向影響。列（2）和列（3）中引入綠色全要素生產(chǎn)率考察綠色技術(shù)進(jìn)步的中介作用。列（2）結(jié)果表明，綠色信貸對綠色全要素生產(chǎn)率存在顯著的正向作用，說明綠色信貸會通過綠色技術(shù)進(jìn)步抑制碳排放，綠色信貸每增長1%，綠色技術(shù)進(jìn)步水平就會提升1.139%。列（3）結(jié)果顯示，加入中介變量后，綠色信貸的系數(shù)仍然顯著，Sobel檢驗Z值在統(tǒng)計意義上顯著，綠色技術(shù)進(jìn)步在綠色信貸對碳排放的影響中存在顯著的中介效應(yīng)。由此可知，綠色技術(shù)進(jìn)步水平的提升對碳排放起到抑制作用，假設(shè)2成立；且綠色技術(shù)進(jìn)步在綠色信貸降低碳排放的過程中起到重要中介作用，假設(shè)3成立。

（三）穩(wěn)健性檢驗

為檢驗綠色信貸對碳排放影響的基準(zhǔn)回歸結(jié)果是否可靠，需要對模型進(jìn)行穩(wěn)健性檢驗，本文采用以下5種方式進(jìn)行檢驗。

1.替換解釋變量

本文借鑒江紅莉等［19］的研究，使用非六大高能耗產(chǎn)業(yè)利息支出的對數(shù)來衡量綠色信貸水平，以替換解釋變量來進(jìn)行穩(wěn)健性檢驗，其中，非六大高能耗產(chǎn)業(yè)利息支出采用

工業(yè)利息總支出減六大高能耗企業(yè)利息支出的方式計算。從表4列（1）可知，綠色信貸的影響系數(shù)在1%的水平下顯著為負(fù)，證實基準(zhǔn)回歸具有穩(wěn)健性。

2.替換被解釋變量

由于不同省份的人口數(shù)量有較大差別，本文參考董梅等［40］的研究方法，以人均碳排放替換單位產(chǎn)出碳排放來進(jìn)行穩(wěn)健性檢驗。從表4列（2）可知，綠色信貸系數(shù)在1%的水平下顯著為負(fù)。綠色信貸對碳排放具有抑制作用，與基準(zhǔn)回歸結(jié)果基本相似。

3.剔除異常值

為排除異常值對基準(zhǔn)回歸結(jié)果的影響，本文對核心變量碳排放進(jìn)行1%的 Winsorize 處理。從表4列（3）可知，綠色信貸對碳排放的抑制作用仍在1%的水平下顯著，再次證明基本結(jié)論的穩(wěn)健性。

4.內(nèi)生性分析

綠色信貸與碳排放之間可能存在雙向因果關(guān)系與不可觀測的因素，這會導(dǎo)致內(nèi)生性問題產(chǎn)生。因此，本文采用工具變量法進(jìn)行內(nèi)生性檢驗，選取綠色信貸的一階滯后項作為工具變量，進(jìn)行2SLS回歸。從表4列（4）可知，綠色信貸對碳排放的影響與基準(zhǔn)回歸結(jié)果基本一致，表明考慮內(nèi)生性問題后，綠色信貸對碳排放具有抑制作用的結(jié)論依舊穩(wěn)健。

五、進(jìn)一步分析

（一）區(qū)域異質(zhì)性

基準(zhǔn)回歸結(jié)果表明，綠色信貸可以對碳排放產(chǎn)生抑制作用，為檢驗這一結(jié)論是否具有普適性，本文將全國29個省份劃分為東部、中部和西部地區(qū)進(jìn)行異質(zhì)性分析②，結(jié)果如表6所示。加入控制變量后，除中部地區(qū)外，東部、西部地區(qū)綠色信貸對碳排放的影響均顯著為負(fù)。西部地區(qū)綠色信貸對碳排放的抑制作用較大，東部地區(qū)較小，中部地區(qū)效果不顯著。這可能是因為，西部地區(qū)囿于地理位置的影響，經(jīng)濟發(fā)展水平、技術(shù)發(fā)展水平等較為落后，但能夠獲得更多的政策傾斜，綠色信貸的開展能夠更高效地提升企業(yè)綠色技術(shù)進(jìn)步水平，改善當(dāng)?shù)氐哪茉唇Y(jié)構(gòu)，因此綠色信貸在西部地區(qū)容易產(chǎn)生較強的碳減排效應(yīng)；東部地區(qū)基礎(chǔ)設(shè)施條件優(yōu)越，經(jīng)濟發(fā)展水平較高，高能耗高污染企業(yè)比例相對較低，更依賴于第三產(chǎn)業(yè)的發(fā)展，且環(huán)境保護(hù)意識較強，因而東部地區(qū)綠色信貸開展的效果弱于西部地區(qū)；中部地區(qū)在經(jīng)濟金融發(fā)展方面落后于東部地區(qū)，在獲取政府資源扶助方面又弱于西部地區(qū)，因此中部地區(qū)的綠色信貸碳減排效應(yīng)仍處于“凹陷”的狀態(tài)。

（二）門檻效應(yīng)

基準(zhǔn)回歸模型可以考察綠色信貸的碳減排效應(yīng)是否顯著，由于中國各省份經(jīng)濟發(fā)展水平、資源稟賦存在差異，綠色信貸發(fā)展水平不盡相同，可能導(dǎo)致其對碳排放產(chǎn)生非線性影響。借鑒Hansen［41］的研究，以綠色信貸為門檻變量，構(gòu)建面板門檻模型為

ceiit=φ0+φ1lvit×I（lvit≤θ）+φ2lvit×I（lvit>θ）+δxit+μi+ηt+uit（10）

首先利用自主法（Bootstrap）抽樣1 000次進(jìn)行面板門檻存在性檢驗，結(jié)果表明綠色信貸通過了三重門檻檢驗，因而設(shè)定門檻個數(shù)為3進(jìn)行回歸，結(jié)果如表7所示。當(dāng)綠色信貸發(fā)展水平小于或等于0.288時，綠色信貸對碳排放的抑制作用不顯著;但當(dāng)綠色信貸水平大于0.288時，隨著綠色信貸水平逐漸提高，綠色信貸對碳排放的抑制作用表現(xiàn)出邊際效應(yīng)遞減的非線性特征。這表明綠色信貸對碳排放的抑制作用不是一蹴而就的，而是存在一定的發(fā)展期，只有綠色信貸發(fā)展水平跨越第一門檻值時才會對碳排放產(chǎn)生顯著的抑制作用；而當(dāng)綠色信貸發(fā)展水平跨越第二門檻值時，對碳排放的抑制作用會趨于常態(tài)；隨著減排措施和生態(tài)保護(hù)機制更加完善，此時綠色信貸對碳排放雖然仍能起到抑制作用，但會呈現(xiàn)邊際效應(yīng)遞減的趨勢。

六、結(jié)論及建議

本文立足于綠色信貸發(fā)展極大地影響了碳排放這一典型事實，從綠色技術(shù)進(jìn)步的視角切入，基于2009—2019年中國29個省份的面板數(shù)據(jù)，利用雙向固定效應(yīng)模型、中介效應(yīng)模型和面板門檻模型，分析綠色信貸對碳排放的影響以及綠色技術(shù)進(jìn)步的中介作用。研究得出如下結(jié)論。第一，綠色信貸對碳排放具有顯著的抑制作用，并且經(jīng)過一系列穩(wěn)健性檢驗后，結(jié)論依然成立。由此可見，在雙碳背景下，綠色信貸是碳減排可依賴的有效手段；但隨著綠色信貸的開展，綠色信貸對碳排放的抑制作用呈現(xiàn)出邊際效應(yīng)遞減的非線性變化趨勢。第二，綠色技術(shù)進(jìn)步在綠色信貸對碳排放的影響中，存在顯著的中介效應(yīng)，綠色技術(shù)進(jìn)步是實現(xiàn)綠色信貸碳減排效應(yīng)的有效渠道。第三，在區(qū)域異質(zhì)性上，綠色信貸對碳排放的抑制作用在西部地區(qū)強于東部地區(qū)，而中部地區(qū)不顯著，綠色信貸的碳減排效應(yīng)仍處于區(qū)域不平衡狀態(tài)。

基于上述結(jié)論，本文提出以下幾點建議。第一，擴大綠色信貸投放規(guī)模。在保持發(fā)揮綠色信貸碳減排效應(yīng)的前提下，應(yīng)加大對金融機構(gòu)開展綠色信貸的支持力度。通過制定稅收優(yōu)惠政策、增加風(fēng)險補償措施、加強市場監(jiān)管、加大綠色信貸實驗區(qū)的投入力度等方式，鼓勵金融機構(gòu)擴大綠色信貸規(guī)模，進(jìn)一步釋放綠色信貸的碳減排紅利；同時，縮緊流向高污染、高能耗企業(yè)的資金，增加對綠色環(huán)保、節(jié)能低碳企業(yè)的資金支持，加快綠色產(chǎn)業(yè)發(fā)展，抑制碳排放。第二，提高地區(qū)綠色技術(shù)進(jìn)步水平。金融機構(gòu)通過推廣多樣化的綠色信貸產(chǎn)品、降低成本費用等手段，激發(fā)企業(yè)的綠色創(chuàng)新活力，提升綠色技術(shù)進(jìn)步水平；此外，依據(jù)項目綠色資金投入比例、環(huán)境效益結(jié)果等評估手段，將更多的綠色技術(shù)項目納入綠色信貸的支持范疇，進(jìn)而增加對綠色技術(shù)創(chuàng)新的金融支持力度。第三，依據(jù)地區(qū)發(fā)展?fàn)顩r制定差異化的綠色信貸政策。在西部地區(qū)應(yīng)繼續(xù)大力推行綠色信貸，并完善現(xiàn)有的綠色信貸制度，持續(xù)發(fā)揮綠色信貸的碳減排效應(yīng)；在中部地區(qū)，應(yīng)增加財政轉(zhuǎn)移支付、推進(jìn)市場與政府合作、擴大綠色信貸覆蓋面，使綠色信貸惠及更多企業(yè)，以緩解綠色信貸碳減排效應(yīng)中部“凹陷”的問題；在經(jīng)濟較發(fā)達(dá)的東部地區(qū)，應(yīng)合理調(diào)配綠色金融資源，增加環(huán)保技術(shù)創(chuàng)新投入、提高綠色技術(shù)進(jìn)步水平，最大限度地發(fā)揮碳減排效應(yīng)。此外，鼓勵省域間跨地區(qū)合作，促進(jìn)碳減排技術(shù)擴散，充分發(fā)揮地區(qū)間的輻射帶動作用。

注釋：

① 六大高能耗產(chǎn)業(yè)分別指：化學(xué)原料及化學(xué)制品制造業(yè)，有色金屬冶煉和壓延加工業(yè)，黑色金屬冶煉和壓延加工業(yè)，非金屬礦物制品業(yè)，石油、煤炭及其他燃料加工業(yè)，電力、熱力生產(chǎn)和供應(yīng)業(yè)。

② 依據(jù)北京市宏觀經(jīng)濟與社會發(fā)展基礎(chǔ)數(shù)據(jù)庫劃分東、中、西部地區(qū)。東部地區(qū)：上海、北京、天津、山東、廣東、廣西、江蘇、河北、浙江、福建、遼寧。中部地區(qū)：內(nèi)蒙古、吉林、安徽、山西、江西、河南、湖北、湖南、黑龍江。西部地區(qū)：云南、四川、寧夏、新疆、甘肅、貴州、重慶、陜西、青海。

參考文獻(xiàn)：

［1］ 嚴(yán)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.

［2］ 文書洋，史皓銘，郭健.一般均衡理論視角下綠色金融的減排效應(yīng)研究：從模型構(gòu)建到實證檢驗［J］.中國管理科學(xué)，2022，30（12）：173-184.

［3］ 徐維祥，周建平，劉程軍.數(shù)字經(jīng)濟發(fā)展對城市碳排放影響的空間效應(yīng)［J］.地理研究，2022，41（1）：111-129.

［4］ Zhang F， Deng X， Phillips F， et al. Impacts of Industrial Structure and Technical Progress on Carbon Emission Intensity： Evidence from 281 Cities in China［J］.Technological Forecasting and Social Change，2020，154：119949.

［5］ Li Z Z， Li R， Malik M Y， et al. Determinants of Carbon Emission in China： How Good is Green Investment？［J］.Sustainable Production and Consumption，2021，27：390-421.

［6］ 張騰飛，楊俊，盛鵬飛.城鎮(zhèn)化對中國碳排放的影響及作用渠道［J］.中國人口·資源與環(huán)境，2016，26（2）：47-57.

［7］ Sun W， Huang C C. How Does Urbanization Affect Carbon Emission Efficiency？ Evidence from China［J］.Journal of Cleaner Production，2020，272：122828.

［8］ 范慶倩，封思賢.數(shù)字金融影響碳排放的作用機理及效果［J］.中國人口·資源與環(huán)境，2022，32（11）：70-82.

［9］ 何文舉，張華峰，陳雄超，等.中國省域人口密度、產(chǎn)業(yè)集聚與碳排放的實證研究——基于集聚經(jīng)濟、擁擠效應(yīng)及空間效應(yīng)的視角［J］.南開經(jīng)濟研究，2019，206（2）：207-225.

［10］ 李永波，陰俊宇.不同出口貿(mào)易方式對碳排放增長影響的差異性研究［J］.中國石油大學(xué)學(xué)報（社會科學(xué)版），2022，38（4）：11-20.

［11］ 蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業(yè)的投融資行為？［J］.金融研究，2018，462（12）：123-137.

［12］ Chen Z G，Zhang Y Q，Wang H S，et al.Can Green Credit Policy Promote Low-carbon Technology? Innovation？［J］.Journal of Cleaner Production，2022，359：132061.

［13］ Zhang A X， Deng R R， Wu Y F. Does the Green Credit Policy Reduce the Carbon Emission Intensity of Heavily Polluting Industries？ Evidence from Chinas Industrial Sectors［J］.Journal of Environmental Management，2022，311：114815.

［14］ 劉亦文，陽超，周韶成，等.綠色信貸政策對企業(yè)環(huán)境信息披露的影響研究［J］.統(tǒng)計研究，2022，39（11）：73-87.

［15］ 王馨，王營.綠色信貸政策增進(jìn)綠色創(chuàng)新研究［J］.管理世界，2021，37（6）：173-188.

［16］ 張可，李語晨，趙錦楸.綠色信貸促進(jìn)了節(jié)能減排嗎［J］.財經(jīng)科學(xué)，2022，406（1）：15-30.

［17］ Lyu B，Da J Y，Ostic D，et al.How Does Green Credit Promote Carbon Reduction？ A Mediated Model［J］.Frontiers in Environmental Science，2022，10：878060.

［18］ 丁杰.綠色信貸政策、信貸資源配置與企業(yè)策略性反應(yīng)［J］.經(jīng)濟評論，2019，218（4）：62-75.

［19］ 陳琪.中國綠色信貸政策落實了嗎——基于“兩高一?！逼髽I(yè)貸款規(guī)模和成本的分析［J］.當(dāng)代財經(jīng)，2019（3）：118-129.

［20］ 江紅莉，王為東，王露，等.中國綠色金融發(fā)展的碳減排效果研究——以綠色信貸與綠色風(fēng)投為例［J］.金融論壇，2020，25（11）：39-48.

［21］ Sun J，Wang F，Yin H T，et al.Money Talks：The Environment Impact of Chinas Green Credit Policy［J］.Policy Analysis and Management，2019，38（3）：653-680.

［22］ 孫欣，張可蒙.中國碳排放強度影響因素實證分析［J］.統(tǒng)計研究，2014，31（2）：61-67.

［23］ 李小勝，胡正陶，張娜，等.“十二五”時期中國碳排放全要素生產(chǎn)率及其影響因素研究［J］.南開經(jīng)濟研究，2018，203（5）：76-94.

［24］ 關(guān)海玲，武禎妮.地方環(huán)境規(guī)制與綠色全要素生產(chǎn)率提升——是技術(shù)進(jìn)步還是技術(shù)效率變動？［J］.經(jīng)濟問題，2020，486（2）：118-129.

［25］ Li M Q，Wang Q.Will Technology Advances Alleviate Climate Change？ Dual Effects of Technology? Change on Aggregate Carbon Dioxide Emissions［J］.Energy for Sustainable Development，2017，41：61-68.

［26］ 邵帥，范美婷，楊莉莉.經(jīng)濟結(jié)構(gòu)調(diào)整、綠色技術(shù)進(jìn)步與中國低碳轉(zhuǎn)型發(fā)展——基于總體技術(shù)前沿和空間溢出效應(yīng)視角的經(jīng)驗考察［J］.管理世界，2022，38（2）：46-69.

［27］ 李江濤，黃海燕.綠色金融的生態(tài)環(huán)境效應(yīng)——雙碳目標(biāo)下粵港澳大灣區(qū)的實踐檢驗［J］.廣東財經(jīng)大學(xué)學(xué)報，2022，37（1）：87-95.

［28］ 何凌云，梁宵，楊曉蕾，等.綠色信貸能促進(jìn)環(huán)保企業(yè)技術(shù)創(chuàng)新嗎［J］.金融經(jīng)濟學(xué)研究，2019，34（5）：109-121.

［29］ 謝婷婷，劉錦華.綠色信貸如何影響中國綠色經(jīng)濟增長？［J］.中國人口·資源與環(huán)境，2019，29（9）：83-90.

［30］ 弓媛媛，劉章生.金融結(jié)構(gòu)與綠色技術(shù)進(jìn)步：理論模型、影響效應(yīng)及作用機制［J］.經(jīng)濟經(jīng)緯，2021，38（5）：151-160.

［31］ 吳姍姍.銀行信貸如何影響碳排放？——基于增長模型及中國經(jīng)驗的研究［J］.中南財經(jīng)政法大學(xué)學(xué)報，2018，231（6）：22-32.

［32］ Baron R M， Kenny D A.The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual，Strategic，and Statistical Considerations［J］.Chapman and Hall，1986，51（6）：1173-1182.

［33］ 劉鋒，黃蘋，唐丹.綠色金融的碳減排效應(yīng)及影響渠道研究［J］.金融經(jīng)濟學(xué)研究，2022，37（6）：144-158.

［34］ 郭威，曾新欣.綠色信貸提升工業(yè)綠色全要素生產(chǎn)率了嗎？——基于空間Durbin模型的實證研究［J］.經(jīng)濟問題，2021，504（8）：44-55.

［35］ 馮杰，張世秋.基于DEA方法的我國省際綠色全要素生產(chǎn)率評估——不同模型選擇的差異性探析［J］.北京大學(xué)學(xué)報（自然科學(xué)版），2017，53（1）：151-159.

［36］ Oh D.A Global Malmquist-Luenberger Productivity Index［J］.Journal of Productivity Analysis，2010，34：183-197

［37］ 王兵，吳延瑞，顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長［J］.經(jīng)濟研究，2010，45（5）：95-109.

［38］ 楊翔，李小平，周大川.中國制造業(yè)碳生產(chǎn)率的差異與收斂性研究［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2015，32（12）：3-20.

［39］ 陳向陽.金融結(jié)構(gòu)、技術(shù)創(chuàng)新與碳排放：兼論綠色金融體系發(fā)展［J］.廣東社會科學(xué)，2020，204（4）：41-50.

［40］ 董梅，李存芳.低碳省區(qū)試點政策的凈碳減排效應(yīng)［J］.中國人口·資源與環(huán)境，2020，30（11）：63-74.

［41］ Hansen B E. Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference［J］.Journal of Econometrics，1999，93（2）：345-368.

Green Credit， Green Technological Progress and Regional Carbon Emissions

YU Zhihui1， HE Changlei2

（1.School of Finance， Anhui University of Finance and Economics， Bengbu 233030， Anhui， China;

2.China Cooperative Research Institute， Anhui University of Finance and Economics， Bengbu 233030， Anhui， China）

Abstract： It is of great significance to analyze the influence mechanism of green credit and green technological progress on carbon emissions， and explore the mediating effect of green technological progress to realize the green and high-quality development of Chinas economy. Based on the panel data of 29 provinces from 2009 to 2019， the effects of green credit and green technological progress on carbon emissions are empirically examined using the two-way fixed effect model， the Sobel intermediary factor model， and the panel threshold model， with green total factor productivity as the proxy variable for green technological progress. It is found that： green credit has a significant inhibitory effect on carbon emissions; green technological progress has a significant mediating effect in the influence of green credit on carbon emissions; the inhibitory effect of green credit on carbon emissions is stronger in the western region than in the eastern region， while the effect is not significant in the central region; and there is a non-linear characteristic of diminishing marginal effect in the carbon emission reduction effect of green credit.

Key words： green credit; carbon emissions; green technological progress; Sobel intermediary factor model