绿色信贷对工业碳生产率的影响——基于空间杜宾模型的实证分析

■ 徐立航

（安徽工业大学商学院 安徽马鞍山 243032）

“十四五”时期，我国生态文明建设进入了以降碳为重点战略方向，推动减污降碳协同增效和促进经济社会发展全面绿色转型，实现生态环境质量改善由量变到质变的关键时期。经济低碳发展是实现碳达峰、碳中和的必由之路。降低工业二氧化碳排放量，同时增加低碳工业产出，即提升工业碳生产率，是实现低碳经济发展的重要推动力。

要提升工业碳生产率，离不开资金支持。2007年，国家环保总局、中国人民银行、中国银行业监督管理委员会联合发布了《关于落实环境保护政策法规防范信贷风险的意见》，这标志着我国首次提出了绿色信贷这一概念。根据这一文件的指示精神，我国金融机构应当严格审批工业企业的贷款申请，加强绿色贷款的发放和监督管理，对于未能通过环境审批、环保设备验收的项目，金融机构不得提供任何形式的绿色信贷支持。而对于环境友好型项目，应当给予其鼓励和优惠政策，在绿色信贷政策方面进行全方位支持。2012年，中国银监会制定了《绿色信贷指引》，这标志着我国绿色信贷政策的正式推出，其目的在于将绿色资金引向环境友好型项目，推动工业企业进行技术创新，实现绿色转型，进而提升工业碳生产率。

绿色信贷从本质上来说是环境规制政策的一种特殊表现形式。根据“波特假说”，在发展经济的同时，应当兼顾环境保护，最终达到“双赢”的效果。《绿色信贷指引》颁布以来，绿色信贷对工业碳生产率是否有影响，地区之间是否存在绿色信贷对工业碳生产率影响的空间溢出效应，都需要进行实证分析给出答案。本研究在空间杜宾模型框架下，使用工业总产值与工业二氧化碳排放的比值（衡量工业碳生产率）作为被解释变量，六大高耗能产业贷款利息支出占工业企业总利息的比重（衡量绿色信贷）作为核心解释变量，基于我国2007~2019年29个省、市、自治区的面板数据，实证分析了绿色信贷对工业碳生产率的影响效果、影响机制和空间溢出效应以及异质性影响。

目前，围绕绿色信贷的相关研究主要从微观层面和宏观层面两方面展开，而关于工业碳生产率的研究主要从其空间格局、政策实施以及影响因素等角度进行了探索。

对于绿色信贷的研究，可分为微观和宏观二个层面。在微观层面，部分学者侧重研究绿色信贷对商业银行绩效的影响。例如，何凌云等的研究结果表明，开展绿色信贷业务有助于提升银行的资产收益率；
张琳等发现绿色信贷与银行绩效存在正向相关性。当然，也有部分学者侧重研究绿色信贷对企业的影响。例如，曹延求等的研究结果发现绿色信贷有助于提升企业的绿色创新水平。在宏观层面，大量研究侧重于分析绿色信贷对产业结构的影响。钱水上等的研究发现绿色信贷会通过资本形成、资本导向、信息传递、产业整合、风险分配机制对产业结构产生影响；
李毓等的研究结果表明，绿色信贷能够有效促进第二产业的转型升级，但是对第三产业的发展存在显著的抑制作用。

对于工业碳生产率的研究，目前学术界主要从影响因素、区域空间格局以及测算方法对其进行探讨。首先，在影响因素方面，任晓松等的研究发现，碳交易政策的实施有助于提升工业碳生产率，且不同区域存在异质性影响；
白雪洁等的研究发现，互联网发展能从成本、创新和需求三个维度提升工业碳生产率；
Long等的研究发现，能源效率、开放程度、技术进步等因素有助于提升工业碳生产率。其次，在区域空间格局的研究方面，Pan等的研究发现，对外直接投资能够通过逆向技术溢出效应提升本地区和周边地区的工业碳生产率；
刘传江等的研究发现，中国各省、市、自治区的碳生产率存在空间自相关，且外商直接投资会提升本地区工业碳生产率，但也会降低周边地区的碳生产率；
姚晔等的研究发现,部门碳强度是影响区域碳生产率差异性以及各地区碳生产率提高的关键因素,最终需求和产业结构也对碳生产率差异性起到了重要的作用。在测算方法的研究方面，左明灏等通过超效率SBM模型估算了湖南省各市的碳生产率超效率值、潜在碳生产率以及碳生产率潜在改进率。赵国浩等利用前沿分析方法，测算广义碳生产率；
进一步将其分解为规模效率和技术效率；
李珊珊等采用LMDI-PDA分解法，将中国碳生产率分解为7种驱动因素，并且进一步从行业和地区两个方面进行了深入分解。

由上述可以看出，现阶段对绿色信贷经济效应的研究以及工业碳生产率的空间格局、政策实施以及影响因素的研究正不断完善丰富。但是将二者有机结合的文章较少。为此，本文基于2007~2019年我国29个省、市、自治区的数据，研究绿色信贷对工业碳生产率的影响、传导机制及其空间效应。

绿色信贷有助于促进宏观经济结构的优化，提高微观经济主体的运行效率。就宏观角度而言，首先，绿色信贷有利于引导资金流向，对工业经济绿色发展产生正向影响。通过对信贷资金方向的控制，在淘汰、重组或改进高耗能、高污染工业企业的同时，对资金投入不足的低碳环保工业项目或低碳环保工业企业进行信贷资金支持。其次，就资金规模及成本而言，绿色信贷有助于将信贷资金集中到环保产业，同时降低低碳环保工业企业的贷款利率，提高低碳环保工业企业的绩效。就微观角度而言，首先，绿色信贷政策为低碳环保工业企业提供了更多的融资渠道，缓解了低碳环保工业企业的融资压力，有助于工业企业的绿色发展。其次，绿色信贷政策要求定期或者不定期地对工业企业的环保项目进行审查，以避免工业企业可能存在的道德风险所导致的效率损失。

基于此，提出假设1：绿色信贷对本地区工业碳生产率的提升具有推动作用，且对于周边地区的工业碳生产率存在正向空间溢出效应。

绿色信贷有助于为低碳环保工业企业提供资金支持，解决其绿色技术研发过程中资金短缺的问题，同时能够引导工业企业改善自身的能源消费结构。首先，在研发创新方面，谢维敏等认为外部融资对企业绿色技术研发有着举足轻重的作用，绿色信贷有助于激励企业增加绿色技术研发投入，为低碳环保工业企业解决融资渠道单一、银行企业间信息不对称等问题，从而克服由于绿色技术研发周期长、资金不足所产生的困难。其次，在能源消费结构方面，绿色信贷政策要求加大对高耗能、高污染企业融资门槛，鼓励其采用清洁能源，推动绿色转型升级。同时，商业银行会针对贷款工业企业的资格以及资金运用情况审查，淘汰不符合信贷条件的工业企业。而绿色信贷政策的推行也会引起社会公众的关注，消费者由于环境保护意识的增强，会更倾向于对绿色工业产品的消费，这间接推动了工业企业改善自身的能源消费结构。

基于此，提出假设2：绿色信贷会通过研发创新和能源消费结构优化提升工业碳生产率。

（一）空间相关性分析

首先测算被解释变量工业碳生产率的莫兰指数，以检验其空间相关性。莫兰指数的测算公式为：

在上式中，S2表示样本方差， xi、 xj分别表示省份i和省份j的指标值，W表示空间权重矩阵。表1所示为历年工业碳生产率的莫兰指数。从表1可以看出，2007~2019年我国工业碳生产率的莫兰指数均为正，且在1%的水平上显著，表明我国的工业碳生产率存在正向空间相关性。

表1 2007~2019年工业碳生产率莫兰指数

（二）模型设定

1.基准回归模型。本文主要探讨绿色信贷对工业碳生产率的影响，首先构建OLS回归模型和面板固定效应回归模型：

2.空间杜宾模型。参考Elhorst提出的空间计量模型设置方式，由于空间杜宾模型能够同时解释空间自回归效应和空间溢出效应。因此，相比于空间滞后模型和空间误差模型，空间杜宾模型所得出的结果有更强的解释力。基于这一观点，构建模型如下：

其中，β表示各解释变量的回归系数，λi和μi分别表示时间固定效应和个体固定效应，εit表示随机干扰项，各变量的含义将在后文详细说明。

（三）指标选取和数据来源

1.被解释变量。对于工业碳生产率的测算，不同的学者持不同的观点。Long等人提出采用工业总产值与二氧化碳排放量的比重来衡量单一要素框架下的工业碳生产率。同时，也有其他学者采用全要素生产率来测算工业碳生产率，例如杨德云等人采用非径向、非导向的基于松弛的数据包络分析方法对碳生产率进行测算，采用 Global Malmquist-Luenberger生产率指数（GML）作为碳生产率的代理变量。但是采用全要素生产率会存在数据统计口径不一致的问题，由此可能会造成工业碳生产率的测算不准确。因此，本文借鉴Long等人的方法测算工业碳生产率。具体公式如下：

其中，CPit表示i省份第t年的工业碳生产率，Pit表示i 省份第t年的工业总产值（考虑到我国自2004年之后未公布省级工业总产值，本文使用的工业总产值数据由地级市工业总产值数据汇总而成），CO2it表示省份i第t年的工业二氧化碳排放量，n表示能源消耗种类，Enit表示第n种能源的实际消耗量，NCVnit表示第n种能源的平均低热值，EFnit表示第n种能源的碳饱和程度，OFnit表示第n种能源的碳氧化率。

表2 各种能源的NCV、EF和OF水平

2.解释变量。目前学术界对于绿色信贷的测算方法主要有四种类型，包括绿色信贷占比、工业污染治理投资额中银行贷款的所占比重、银行贷款中节能环保项目贷款所占比重以及六大高耗能产业银行贷款利息支出比重。由于绿色信贷占比和节能环保项目贷款占比所用数据来自于我国五大商业银行以及其他股份制银行的《社会责任报告》，此类数据并不适用于省级层面的绿色信贷指标测算，且工业污染治理投资额中银行贷款占比的数据自2010年之后停止更新。因此，本文采用六大高耗能产业与工业企业利息总支出所占比重作为绿色信贷的替代变量。

表3 描述性统计

3.中介变量。本文借鉴李斌等的做法，采用省级行政区研究与试验发展内部支出占地区生产总值的比重来表示研发创新水平（rd）。同时考虑到煤炭在我国能源消费格局中占有主导地位，且煤炭的使用会产生大量温室气体，因此本文采用原煤和焦炭的耗用量与总能源耗用量的比值表示能源消费结构（ener）。

4.其他控制变量。考虑到其他因素也可能对工业碳生产率产生影响，因此在模型中加入如下控制变量，以提高模型的精确性和可靠性。（1）外商投资水平（fdi），采用各地区外商投资实际使用额（按照当年实际汇率进行调整）在当年GDP中的占比表示，占比越大，表明该地区的经济发展越依赖于外商投资；
（2）经济发展水平（eco），采用各省份GDP与全国GDP的比值表示；
（3）环境规制（er），采用工业污染治理投资额占当年GDP的比重表示。

5.空间权重矩阵的设定。对于空间权重矩阵的选取，不同的学者有不同的看法。郭威等学者认为污染扩散存在空间有限性，因此邻接权重矩阵适用范围更广。但是Gray等学者认为，经济距离矩阵和地理距离矩阵在进行空间计量分析中相比于邻接权重矩阵更加精确和可靠。因此本文借鉴Gray等学者的做法，采用地理距离矩阵衡量绿色信贷对工业碳生产率影响的空间效应，同时采用经济距离矩阵进行稳健性检验，地理距离矩阵的表达式如下：

其中， dij表示省份i和省份j之间的距离。

本文选取了2007~2019年全国29个省、市、自治区的统计数据进行实证分析，数据主要来自于《中国统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》，对于个别年份存在的异常值和缺失值，已经采用插值法进行剔除和替换。

（一）模型检验

本文采用Stata 16进行空间计量分析。在此之前首先对空间杜宾模型的适用性进行检验。如表4所示，除空间滞后模型的稳健LM检验结果不显著外，空间滞后模型和空间误差模型的LM检验结果均在1%的水平上显著，即可以引入空间杜宾模型。而Wald检验和LR检验的结果均在1%的水平上显著，表明空间杜宾模型无法退化为空间滞后模型和空间误差模型。综上所述，本文采用空间杜宾模型研究绿色信贷对工业碳生产率的影响是适当的。

表4 LM检验、稳健LM检验、Wald检验以及似然比LR检验

（二）回归结果

如表5所示。第（1）列表示OLS基准回归结果，绿色信贷的回归系数为-1.289，且在1%的水平上显著。第（2）列表示面板数据回归结果，绿色信贷的回归系数为-0.661，且在10%的水平上显著。考虑到绿色信贷为逆向指标，说明绿色信贷对工业碳生产率的提升具有促进作用。

表5 空间杜宾模型回归结果

第（3）列所示为空间杜宾模型的回归结果。绿色信贷的回归系数为-0.994，在1%的水平上显著，其空间自回归系数为-1.184，在1%的水平上显著，表明绿色信贷能够显著提升本地区的工业碳生产率，同时会对周边地区的工业碳生产率产生正向空间溢出效应。工业碳生产率的空间自回归系数为0.439，且在1%的水平上显著，说明本地区工业碳生产率的提升有助于周边地区工业碳生产率的提升。以上结论证明假设1成立。

控制变量中，外商投资水平的回归系数不显著，其空间自回归系数为-14.53，且在1%的水平上显著，表明外商投资水平对本地区工业碳生产率不存在显著的影响，但是对周边地区的工业碳生产率存在显著的抑制作用。经济发展水平的回归系数为30.11，空间自回归系数为-30.61，二者均在1%的水平上显著，表明随着一个地区的经济发展，其经济结构会不断得到优化，进而使本地区的工业碳生产率不断提升，但同时高耗能、高污染工业会逐渐向周边地区转移，导致周边地区的工业碳生产率下降。环境规制水平的回归系数为-8.39，其空间自回归系数为12.1，二者均在1%的水平上显著，表明环境规制的加强会降低本地区的工业碳生产率，但同时会提升周边地区的工业碳生产率。

为了更好地研究绿色信贷对工业碳生产率的影响作用，本文借鉴Pace等学者的做法，将绿色信贷对工业碳生产率的空间溢出效应分为直接效应和间接效应。直接效应是指解释变量对本地区被解释变量的影响；
间接效应是指解释变量对周边地区被解释变量的影响。如表6所示，绿色信贷的直接效应系数为-1.138，间接效应系数为2.755，总效应系数为3.893，且均在1%的水平上显著，表明绿色信贷能够显著地提升本地区工业碳生产率，同时会对周边地区的工业碳生产率的提升产生促进作用。

表6 地理距离矩阵下空间杜宾模型的空间溢出效应

（三）稳健性检验

为了检验上述实证结果的稳健性，首先，采用经济距离矩阵代替地理距离矩阵，进行空间杜宾模型回归。其次，选取不包含我国直辖市的数据进行空间杜宾模型回归。经济距离矩阵的表达式如下：

其中，GDPi、GDPj分别表示省份i和省份j的地区生产总值。两个地区的经济发展水平越相近，则权重系数越大。反之，权重系数越小。

在表5中，如第（4）和第（5）列所示为稳健性检验的回归结果。结果显示，绿色信贷的回归系数分别为-1.087和-1.091，空间自回归项的系数分别为-1.441和-1.865，且系数值均在1%的水平上显著。这表明绿色信贷能够显著提升本地区工业碳生产率，同时能够促进周边地区工业碳生产率的提升，即回归结果是稳健的。这也进一步验证了假设1所提出的观点。

如表7和表8所示，分别为采用经济距离矩阵和剔除直辖市的稳健性检验的空间溢出效应，所列结果表明绿色信贷对工业碳生产率的影响与表5得出的结论一致。

表7 经济距离矩阵下空间杜宾模型的空间溢出效应

续表 8 不包含直辖市空间杜宾模型的空间溢出效应

表8 不包含直辖市空间杜宾模型的空间溢出效应

综上所述，稳健性检验的结果表明空间杜宾模型的回归结果是稳健的。

（四）机制作用检验

如表9所示，为绿色信贷对工业碳生产率的作用机制检验结果。第（1）列展示了绿色信贷对研发创新的回归结果，回归系数为-0.00718，空间自回归系数为-0.00876，且均在1%的水平上显著。第（2）列展示了绿色信贷和研发创新对工业碳生产率的回归结果，绿色信贷和研发创新的回归系数分别为-0.959和15.91，空间自回归项系数分别为-1.006和35.37，且均在1%的水平上显著。第（3）列展示了绿色信贷对能源结构的回归结果，回归系数为0.363，空间自回归系数为0.275，且均在1%的水平上显著。第（4）列展示了绿色信贷、能源结构对工业碳生产率的回归结果，回归系数分别为-0.437和-1.804，空间自回归系数分别为-1.186和0.347，除能源结构的空间自回归系数不显著外，其他系数均在1%的水平上显著。

表9 机制检验结果

综上所述，绿色信贷能够通过研发创新对本地区和周边地区的工业碳生产率产生促进作用，但是绿色创新通过能源结构优化仅对本地区的工业碳生产率产生促进作用，而对周边地区的工业碳生产率不存在显著影响。即机制检验的结果支持假设2。

续表 9 机制检验结果

（五）异质性分析

考虑到不同地区经济水平、资源禀赋、政策实施以及其他因素存在差异，本文根据国家统计局的划分标准，将我国划分为东、中、西部地区，进行异质性分析，以研究不同地区绿色信贷对于工业碳生产率的差异化影响。

表10所示为异质性分析结果。可以发现，绿色信贷在我国东、中、西部地区对工业碳生产率存在不同的影响效果。就东部地区而言，绿色信贷的回归系数为-0.934，且在1%的水平上显著，空间自回归项的系数为-0.578，且在5%的水平上显著，表明东部地区绿色信贷对本地区和周边地区的工业碳生产率均存在显著的促进作用。就中部地区而言，绿色信贷的回归系数为-0.241，但并不显著，空间自回归系数为-2.711，且在1%的水平上显著，表明中部地区绿色信贷能够显著提升周边地区的工业碳生产率，但是对本地区的工业碳生产率不存在显著影响。就西部地区而言，绿色信贷的回归系数为-1.295，且在1%的水平上显著，但是空间自回归项的回归系数并不显著，表明在西部地区绿色信贷能够显著提升本地区工业碳生产率，但是对周边地区不存在显著影响。值得注意的是，西部地区的绿色信贷回归系数高于东部地区绿色信贷的回归系数，表明与东部地区相比，西部地区绿色信贷对工业碳生产率的提升作用更加明显。形成上述差异的原因可能在于：东部地区由于商业银行对绿色信贷业务更加成熟，本地工业企业不仅能够从本地区也能从周边地区获得信贷资金，这导致了东部地区绿色信贷对本地区和周边地区均产生显著的促进作用。西部地区由于金融体系相对发达的城市较少，且相对发达的城市，例如成都、重庆等，存在明显的虹吸效应，从而导致商业银行跨地区开展绿色信贷业务的动力不足，以至于绿色信贷对周边地区不存在显著的影响。中部地区可能由于商业银行绿色信贷进展相对缓慢，资本、技术、人才等要素在本地区尚未完全整合，导致资源外溢，因此绿色信贷对本地区影响并不显著。

表10 异质性分析结果

续表 10 异质性分析结果

本文利用空间杜宾模型研究了绿色信贷对工业碳生产率的影响及其空间效应。研究发现，绿色信贷能够有效地促进本地区工业碳生产率的提升，同时也会显著提升周边地区的工业碳生产率。机制检验结果表明，绿色信贷能够通过研发创新显著提升本地区和周边地区的工业碳生产率，但是绿色信贷通过优化能源消费结构仅对本地区工业碳生产率产生推动作用，对周边地区工业碳生产率不存在显著影响。异质性分析发现，绿色信贷在东部地区对本地区和周边地区存在显著的促进作用。在西部地区能够显著提升本地区的工业碳生产率，但是对周边地区不存在显著的促进或者抑制作用；
在中部地区能够显著提升周边地区的工业碳生产率，但是对本地区工业碳生产率不存在显著的促进或抑制作用。

根据实证结论，本文提出如下建议：

第一，各地区应继续发挥绿色信贷在控制工业二氧化碳排放、增加低碳产出方面的作用。绿色信贷业务在我国目前正处于快速发展阶段，但是仍然存在风险大、盈利周期长的问题，这也是商业银行发展绿色信贷业务动力不足的原因之一。为了使绿色信贷业务能够长期且稳定地对提升工业碳生产率产生促进作用，各省、市、自治区政府应当着力完善金融市场监督、鼓励商业银行开展绿色信贷业务，促进绿色金融发展，进而不断提高工业碳生产率。

第二，应当充分利用绿色信贷的正向空间溢出效应作用，加强各地区商业银行之间的业务合作。可以考虑通过共同建设绿色金融平台、人才技术交流平台以及上下游产业一体化等方式，形成互通有无、相互学习、优势互补的基本格局，让绿色信贷成为促进工业碳生产率提升的有力润滑剂。

第三，商业银行应当加强对工业企业用资情况的审查，从政策上引导工业企业将绿色信贷资金应用到绿色技术的研发创新方面，同时鼓励工业企业利用绿色信贷资金更新、改造高耗能、高污染生产设备，逐步减少对传统能源的依赖，增加清洁能源的使用率。

第四，由于绿色信贷在不同区域对工业碳生产率的提升存在异质性影响，应综合考虑不同地区的差异化特征，制定不同的促进政策。同时打破不同区域之间的空间限制，调动绿色信贷资金在东、中、西部地区充分流动，形成商业银行、工业企业以及生态环境的多赢格局。

猜你喜欢 周边地区回归系数生产率 关于《北京及其周边地区儿童手足口病病原学监测及流行病学分析(2017—2018年)》一文的更正国际流行病学传染病学杂志(2022年4期)2022-09-05中国城市土地生产率TOP30决策(2022年7期)2022-08-04“新”生产率悖论？工业机器人采用对制造业生产率的影响国际商业技术(2022年4期)2022-04-21近45年青藏高原及周边地区冬半年积雪时空演变特征成都信息工程大学学报(2021年4期)2021-11-22春秋时期中原与周边地区的联姻探究内蒙古民族大学学报（社会科学版）(2020年2期)2020-11-062019京津冀及周边地区工业固废综合利用高层论坛在京举办表面工程与再制造(2019年3期)2019-09-18跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26基于生产函数模型的地区经济发展影响因素分析现代商贸工业(2017年30期)2018-01-22