魏霄 邹玉君 孟科学

【摘要】根据2007～2017年我国各省环境投资和能源强度的空间短面板数据，分析区域发展背景下各省域环境投资和能源强度的变化，检验环境投资推动能源强度降低过程中是否存在门槛。研究发现：其一，沿着黑河—腾冲一线，全国环境投资和能源强度分布存在空间分异特征;该线东侧省域环境投资规模较大、能源强度较低，西侧省域能源强度较高、环境投资规模较小。 其二，各省域环境投资政策的制定与投资规模的决策在不同程度上受到相邻省域的影响。其三，总体上，环境投资与能源强度具有负向关系且具有门限，并呈现空间分异特征。这意味着，单纯依靠环境投资规模扩大无法自动实现产出降耗，各省域环境政策的制定必须结合当地的资源禀赋和经济结构以及经济发展水平进行综合权衡。

【关键词】环境投资;能源强度;黑河—腾冲线;区域发展

【中图分类号】F205      【文献标识码】A      【文章编号】1004-0994（2020）10-0151-10

一、 问题的提出

“十三五”规划提出，2020年我国年能源消费总量要控制在50亿吨标准煤以内，总体上看压力不小。通过区域经济社会发展，加大环境投资、降低经济社会发展的能源强度是绿色发展的重要内容之一。在这个过程中，绿色金融作为重要的推动力量取得了广泛共识，其实质是有助于环境保护的金融创新[1-3] 。现在，绿色金融已经成为通过导向资源配置来降低单位产出能耗、优化环境风险转移机制和路径的重要工具[4-6] 。《生态文明体制改革总体方案》中明确指出，要建立完善绿色金融体系，发挥金融对经济发展生态化转型的积极作用。欧美发达国家也普遍经过了根据经济发展实施差异化节能降耗政策的发展过程。在这个过程中，可持续融资通过将环境要素纳入金融核算和决策机制，注重平衡社会发展的短期和长期利益关系，以此促进企业降低能耗，推动环境治理改善，进而促成经济发展与环境优化的良性循环[7，8] 。

从已有关于环境投资和能源强度关系的文献来看，很多研究都隐含着一个重要的假定，即环境投资和能源强度之间存在明显的负向关系。学者们从不同的角度对上述假定进行了证实，如：多位学者认为环境投资在GDP中的占比低是环境问题恶化的重要因素[9-11] ;有学者实证发现，区域污染排放具有明显的异质性，经济发展阶段和经济结构转型是产出能耗降低的内在动力[12，13] ;还有学者发现，我国农业和工业减排效果不佳、污染治理设施运营效率不高是我国环境投资效率不高的重要原因[14，15] 。尽管其中一些观点存在商榷的空间，但相关研究从多角度探讨环境投资和产出能耗的关系拓宽了经济发展与生态环境保护研究的视野。综合以往文献进行分析不难发现，如果只考虑环境投资和经济能耗的总量关系而忽视结构关系极容易遗漏重要信息，这里所述的结构关系既包括环境投资结构和产业结构，也包含区域地理关系结构和区域金融结构，影响结构关系的因素来自很多方面，比如经济运行阶段、人口素质、污染治理结构等，这些因素的影响作用有待进一步证实。

当区域经济发展到一定阶段，环境投资规模的扩大可能并不必然带来能源强度的降低;我国不同区域的地理空间特性、产业结构关联、人文环境、人才与技术交流的便捷性等方面因素都可能导致环境投资和能源强度水平存在一定的空间分布特征。考虑众多因素的空间动态互联关系，有助于更深刻地认识我国环境投资和能源强度之间的关系。本文以2007～2017年我国省域经济发展、环境投资和能源强度的数据为基础，基于区域发展差异，根据黑河—腾冲线对全国各个省域进行东西部分组，分析我国环境投资和能源强度的关系及其变化过程，计算并验证了环境投资推动能源强度降低过程中存在门槛临界值，使用空间滞后随机效应模型进行了进一步回归分析。

二、 文献回顾与机制分析

（一）能源强度的度量方法

早在20世纪后半叶学者们就开始了有关单位能源投入的产出效率研究。从一般意义上来看，能源强度属于能源生产效率的构成部分，需要从多维角度对能源强度的影响因素进行考察。Rasche和Tatom[16] 首次将能源作为一种要素引入C-D函数，以此探讨能源使用和经济增长之间的关系。在这个框架下，众多学者发现能源使用对国民收入增长产生了巨大的影响[17，18] ;随后，日益严峻的环境问题使人们意识到，经济运行系统仅仅是整个巨大生態系统的构成部分之一，人们开始关注经济发展对生态环境的破坏问题。学者们从资源的可持续利用和环境保护角度，对资源问题的关注点逐步从强调劳动生产率转向了资源生产率，能源效率的提高不仅促进了劳动生产率的提高，还减少了其他生产要素投入量[19，20] 。Patterson[19] 从热力学、物理—热力学、经济—热力学和纯经济学角度探讨了单位产出能源消耗的内涵、边界及其计量方法。学者们围绕不同要素投入、生产和产出过程进行了各自的投入—产出效率研究，综观以往研究，可以将能源生产效率划分为单要素能源产出效率和多要素能源产出效率。前者仅仅涉及能源投入和有效产出，后者则在衡量能源产出效率时考虑了其他要素的投入。

在能源产出效率的单要素框架中，热力学方法的明显缺陷不只在于未充分考虑所投入能源的异质性，还在于物理—热力学方法未能有效处理同一能源在不同产业部门所产出产品的异质性，导致难以加总计算总能源效率的问题。经济—热量指标中具有代表性的是能源消耗强度，属于混合指标，它以市值计算产出价值，以传统热量单位计算能源投入，其存在的一个重要缺陷在于，能源消耗强度对潜在能源技术效率的测量通常是无用的[20] ，如能源投入的其他替代要素进入市场、投入结构和使用部门结构变化都会影响能源消耗强度而不会影响能源技术效率。能源强度测量的另一类指标是纯经济指标，它将能源投入及其产出均基于市值进行测量，比如用某区域的能源投入的价值总量与该区域国民产出之比来衡量能源强度，这个方法不仅提供了较为丰富的能源市场价格信息，也反映了能源供求结构的时空变化，解决了能源及其产出的异质性问题，为加总计算区域总能耗水平奠定了良好的技术基础，构成了以区域能源投入总量与GDP的比值测量区域能源强度的基本理论依据。

（二）区域发展对能源强度的作用机制

能源强度的降低、经济可持续增长质量的提升与生态环境改善具有密切关系，这意味着探讨影响能源强度降低的因素及其在地区间的差异成因是十分有必要的。据此，可以将相关研究文献分为三大类：一是沿着时间轴，对特定地区或产业部门，在一定时期内能源强度水平的时间序列数据进行分析，针对我国能源强度动态变化来解释其调整的原因[21-23] ;二是着眼于能耗的地区差异，对不同地区之间能耗水平差异影响因素等进行归纳分析，对能源强度差异及其敛散性进行讨论[24，25] ;三是有关绿色金融发展、结构调整等因素驱动单位产出能源结构优化和降耗的研究[26，27] 。

大量文献将经济结构或产业结构变化、技术进步等视为影响单位产出强度变化的重要因素。学者们通过实证验证了“结构性红利假说”在产出能耗领域的存在;产业结构优化，经济重心向第三产业的倾斜或者第二产业内部重工业向轻工业的转换，都相应降低了单位产出的能耗，结构性因素可以解释我国20世纪90年代出现的40%左右能耗强度下降的状况，我国产业结构升级与能源强度优化目标具有战略一致性，产业结构调整甚至可以作为降耗政策的中间目标进行操作[28] 。

徐丽娜等[29] 在以往研究结论的基础上进一步指出，我国能源结构对能源强度的冲击较小，产业结构变化对能源强度的冲击比较大。但是这个推论存在一定的逻辑问题，把两个概念混为一谈，承认产业结构优化可以提升资源配置效率和产业结构优化必然提升资源配置效率是两个不同的问题。大量的实证研究也证实了这个问题的存在。唐晓华等[30] 研究发现，我国制造业的能源强度在长期内主要受技术变化的影响，结构效应主要在短期内存在。在较长时期内，产业结构优化对能耗目标的影响过程中很可能存在门槛临界值。

冯泰文等[31] 指出，产业结构优化的降耗效果较好，且在技术进步推动能源强度降低过程中表现出调节作用。大多数的研究也表明，技术进步对能源效率具有正向作用。另外，研发投资（R&D）是能源利用效率提高的重要因素，内部研发较之技术引进对能耗降低的作用更显著。技术进步不仅通过实施更先进的生产工艺、方法和流程等提高了要素的边际产出能力，进而提高了能源使用效率和降低了能源强度，而且，技术进步也是产业结构升级的关键影响因素，技术推动产业结构升级实现了资源在不同部门、不同产业之间的优化配置，进而提升了资源的使用效率，降低了單位产出的能耗水平。

经济发展水平、市场制度条件、能源结构和价格、城市化水平等也被视为产出能耗降低的重要影响因素，尤其是在发展中经济体和转型经济体中表现更为显著。高振宇等[32] 指出，区域经济发展水平和能源价格是影响地区能源产出效率的主要因素。在长期范围内，能源强度和区域收入水平、城市化水平等存在均衡关系，其中，收入水平对能源强度有负向影响，而城市化对能源强度有较为显著的正向影响[33] 。一旦区分能耗水平，很容易发现人均收入水平、第三产业比重和投资水平能在很大程度上解释能源消耗强度的异质性，高能耗区的主要影响因素是第三产业的比重，而在中低能耗区人均收入的作用凸显。

除此之外，一些学者也发现了市场制度方面的创新有助于改善资源配置、提升企业内部的能源效率，说明市场制度的优化可以促进能源效率的提高。在这个方面，实证过程中尽管采取的代理变量存在差异，存在市场化程度、产权制度、对外开放程度等多种指标选择空间，但学者们得出的结论总体而言还是比较一致的[34] 。市场化改革一方面改变了原有的产业结构，客观上提升了能源产出效率，另一方面也通过人们收入水平的提高，促进要素价格产生的相对调整，产品需求结构和模式的变化也间接地改变了轻重工业的比较关系和三次产业之间的比例，进而奠定了能源产出效率提升的基础。

（三）金融因素对能源强度、区域发展的影响机理

事实上，金融因素是有助于能源强度降低的各个方面驱动因素的关键要素。早在20世纪70年代，投资与环境保护之间的关系就引起了学者们的关注，学者们提出以财税手段和许可证交易等为代表的经济干预措施来推动经济主体的行为转变，进而实现环境改善。环境投资（Green Investment）一词的出现，可以追溯至20世纪80年代环境责任经济联盟（CERES）针对抗议埃克森公司原油污染事件，提出保护环境、反对污染的倡议，拒绝有损人类社会发展的投资。此后，随着绿色发展理念和原则的形成，环境保护逐渐成为环境投资的核心，但国内外学者对环境投资的界定并未形成一致意见，研究的侧重也有所不同。

国内的相关研究主要集中在与环境投资相近的诸如环保投资、生态投资等一些概念和范畴的辨析、环境投资的驱动机制及其影响因素和发展策略的探讨方面。我国学者中较早提出“环境投资”概念的是田江海[35] ，其认为环境投资就是能增加绿色GDP的货币和（或）其他经济资源投入，其核心是与环境保护有关的技术研发、生产和服务方面的投资。国外相关研究的重点主要集中在环境投资对环境保护和宏观经济运行所产生的影响，研究视角逐步从微观向宏观转移，在这个过程中，学者们对环境投资的范畴及其影响因素也进行了探讨。

很多学者将环境视为一种资源，认为对环境资源的利用不足或者过度使用都会导致资源配置低效，只有当污染治理的边际成本与环境污染带来的损害的边际成本相等时，环境投资才会达到最优状态。考虑到环境恶化可能带来严重的后果并对宏观经济产生重要影响，将环境质量与宏观经济发展的人均状态相联系的环境库兹涅茨曲线（EKC），可以解释产出与环境质量变化之间的内在逻辑，并揭示影响环境投资的各种因素及其作用机理。Johnson和Lybecker[36] 认为环境投资是能降低能耗与环境污染程度的清洁技术，以及改善气候与环境的金融行动，他们将环境投资区分为实际绿色资产投资和虚拟性的绿色资产投资，而前者正是通常意义上所说的“环境投资”的内容。Eyraud等[37] 进一步将环境投资界定为减少温室气体和污染物排放所必须的投资，环境投资的增加不仅是一个中期的气候目标，也是强化能源安全、减少污染和探寻新能源的需要[8] ，基于这一内涵学者们可以在一个更加开阔的视野上探讨环境投资及其影响后果。与低排放能源的供应、降耗技术的开发和碳固技术有关的投资都成为环境投资的内容，尤其是在生态化转型发展的早期阶段[36] 。目前，能源使用模式的不可持续性催生了大量的向低能耗生产转型的投资需求，这正是环境投资产生的最基本动力。尽管宏观经济增长对增加环境投资具有积极意义，但并非所有的干预措施都能成功地提升环境投资水平。虽然人们对环境投资的兴致很高，但机构投资者深化环境投资的动力似乎不足[38] 。目前，产业结构和能源结构的配置效率不高是我国能源强度较高的重要原因，以环境投资推动具有污染偏向的经济结构和产业结构升级，是我国降低能源强度的重要措施。

值得强调的是，环境投资只是有助于产出降耗的重要因素之一。由于能源强度水平的变化受到众多因素的影响，环境投资对产出降耗具有积极作用并不意味着能源强度的必然下降。环境投资对产出降耗的积极作用发挥的前提是：产业结构调整、技术进步、生产工艺流程再造等方面的资金投入取得实际效果。这意味着考察环境投资促进区域能源强度降低问题时，区域内的产业结构、居民收入、金融发展、市场化程度以及区域的空间地理位置等都需要纳入实际考量范围。在这些因素的影响下，环境投资对区域能源强度降低的影响，极有可能不是简单的线性关系，而是具有门槛的非线性关系。进一步地，考虑到产业在地理空间的集聚与互动影响，以及人文交流、人力资本流动等因素，这种非线性特征很可能成为产出能耗区域划分的重要依据。

三、 研究设计与数据描述

（一）样本选择与数据来源

本文以我国31个省、自治区和直辖市（不包括港澳台）为研究对象，因数据不完整等剔除西藏地区数据，最终选择30个省域2007 ～ 2018年的数据作为样本。相关数据主要来源于《中国金融统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》以及各省市历年的统计年鉴和统计公报，缺失的数据通过互联网搜索补充。

（二）变量设计及其测量

1. 被解释变量。本文选择能源强度（EG）作为被解释变量，用来表示一国或一个地区一定时期的能源消耗总量与当期国内生产总值的比值，描述了一个国家（或地区）经济社会发展对能源消耗的依赖程度和能源使用的产出效率。

2. 解释变量。本文选择环境投资（EI）作为解释变量，它是由具有生态环境理念和社会责任的经济主体所进行的、能反映经济社会和生态环境和谐发展的可持续投资。田江海[35] 将环境投资定义为能增加绿色GDP的货币资金和其他经济资源投入。孟耀[39] 认为环境投资中包含着投资者重视环境保护、投资者的社会责任和投资的经济效益三层内容，从而推知环境投资具有广义和狭义两层涵义。广义的环境投资涵盖一切对社会进步和经济可持续发展有益的投资活动;狭义的环境投資主要是污染治理和环境保护方面的投资，狭义的环境投资和国家环保总局关于环境投资的定义具有内在一致性，即环境投资是投资主体针对环境污染防治、保护和改善生态环境的行为。考虑到统计数据的可得性等具体原因，本文采用较狭义的环境投资定义，用污染防治和环境保护投资总额与GDP的比值来测量环境投资水平。

3. 控制变量。除上述两个主要研究变量，本文还引入了三个控制变量来控制区域经济社会发展的特征对区域能源强度的影响。三个变量分别为：

（1）区域金融市场发展水平（FIR）。由于环境投资资金来源和使用与区域金融市场发展程度密切相关，有关产出降耗的设备研发、技改等均受到资金可得性的影响，从而区域金融市场发展水平成为第一个控制变量，其代理测量指标为区域金融相关比率，用以反映金融结构与经济影响的规模关系[40] ，金融相关比率越高，金融市场越发达。在金融相关比率的测量中，借鉴周立、王子明[41] 的做法，以区域存贷款额与GDP的比率来测量区域金融相关比率。

（2）区域产业结构（IS）。考虑到产出能耗领域的“结构性红利假说”，以及经济重心向第三次产业的倾斜确实降低了能源强度，经济结构变化解释了很大一部分中国能耗强度的变化[34] ，而且绿色金融也属于第三产业，因此，以第三产业的产值比重来代理测量区域产业结构具有现实的合理性。

（3）区域经济发展水平（perGDP）。王传荣等[42] 研究指出，无论是在高能耗还是中等能耗地区，区域国民收入和产业结构都是影响区域产出能耗水平的重要因素。考虑到不同地区因人口数量的不同在衡量产出能耗时，区域国民收入总量的可比性下降，本文以人均GDP来衡量区域经济发展水平。

本文所用主要变量及定义方法见表1。

（三）基本模型

考虑到不同省域之间经济社会发展的差异，以及在客观上存在的相互影响，本文采用空间短面板数据模型展开实证分析，先对所有的数据进行对数化处理以消除异方差，并经过中心化处理，作为建立基本模型的数据基础。

由于不同省域存在不同程度的空间交互影响，模型的选择与设计需要考虑不同地区的空间关系。本文运用全局Moran's I指数来检验各省域之间的环境投资是否具有全局空间相关性。全域Moran's I指数计算公式如下：

其中，Yi和Yj为观测值，Wij为权重矩阵中的元素。Moran's I指数的取值范围为[-1，1]，Moran's I指数>0，即各区域间存在正相关性，并且指数越大相关性越强;反之，则存在负相关性。

我国30个省域环境投资空间相关性的局部特性则可以通过局部Moran's I指数进行测量。局部Moran's I指数计算公式如下：

局部Moran's I指数一共反映了四种类型的空间关系：第一象限的高—高（H-H）集聚;第二象限的低—高（L-H）集聚;第三象限的低—低（L-L）集聚;第四象限的高—低（H-L）集聚。处于一、三象限表示相邻区域的环境投资存在正向的相关关系;处在二、四象限表示相邻区域的环境投资存在负向的相关关系。

在省域能源强度空间关系分析的基础上，本文采用Rook邻近法设立地理权重矩阵处理地理相邻关系及其影响的思路，借鉴王立平等[43] 的方法设立空间环境投资权重矩阵：W'=W×E。其中W为一阶Rook邻近矩阵，E为量化区域间环境投资差异的权重矩阵。具体形式为：

其中：[EIi=1Tt=1TEIit]，[EI=1n×Ti=1nt=1TEIit];n代表省份的个数;T为考察的时间期数。接着对W'进行标准化处理，使其行元素和为1，继而生成了标准的空间环境投资权重矩阵。

下面建立反映我国能源强度变化的空间滞后面板模型（1）：

其中：i=1，2，...，30分别代表不同的省域，n为省域个数;t=1，2，...，10分别代表不同的年份;ρ为空间自回归系数，wij为空间环境投资权重矩阵W'中的一个元素;Characteristics代指区域金融发展、经济发展和产业结构三个方面的控制变量，用来表征区域发展水平;μi表示个体固定效应，λi表示时间固定效应，εit是服从标准正态分布的随机扰动项。

（四）数据描述

1. 环境投资和能源强度地理分布的区域特征。图1显示了2008 ～ 2018年我国环境投资的变化。近十年，全国环境投资规模不断扩大，从2008年的4937亿元扩大至2017年的9539亿元，投资总量有了显著提升。图2显示，环境投资占GDP的比重2011年出现了较大降幅，2012年起该比值持续下降，到2017年比值仅为1.15%，说明环境投资还有较大的发展空间。图3反映了2007 ～ 2017年省域平均能源强度水平的总体下降趋势。现在需要研究的问题在于，各省平均能源强度的降低，是否是环境投资效率提高和（或）区域发展所导致的结果。图1 ～ 图3中的数据根据《中国环境统计年鉴》（2007 ～ 2017年）加工整理得到。

（1）省域环境投资地理空间分布特征。为了进一步说明2007 ～ 2017年我国环境投资的地理分布特征，根据《中国环境统计年鉴》（2007 ～ 2017年）中提取的数据进行加工整理，笔者对比研究了2007年和2017年环境投资的地理分布状况。2007年，以黑河—腾冲线为界，该线以东的区域的环境投资额约占全国总环境投资额的94.68%，而该线以西的区域环境投资额约占全国总环境投资额的5.32%，存在十分明显空间结构特征。而2017年的地理分布显示，这种现象得到了较为明显的改善，内蒙古和新疆两省域明显加大了环境投资的力度。在2007年，重庆、北京、江苏、山东、上海这5个省域的环境投资额明显高于全国其他省域，这些省域属于第一批开展绿色GDP试点的省域，较早重视并大力开展环境投資。到2017年，除湖南和内蒙古两个非东部省域投资水平较高，我国的环境投资大省依旧多集中于东部沿海地区。相比之下，四川、青海、陕西等西部省域和黑龙江、吉林东北两省在环境投资方面显得更加疲软。

（2）省域能源强度地理空间分布特征。2007 ～ 2017年，我国各省域能源强度总体呈现下降趋势。青海、甘肃、内蒙古、宁夏、山西和贵州六省的能源强度较高，结合上述省域环境投资地理空间分布特征来看，环境投资额也相应较低，经济社会发展的总体水平相对落后;北京、江苏、上海、浙江、海南和广东的能源强度较低，环境投资水平较高，经济社会发展水平相对较高。新疆的情况相对特殊，环境投资水平和能源强度都比较高，这既与其资源结构和产业结构有关，也与区域发展政策关系密切。总体来说，能源强度较低的省域主要集中在东南沿海地区，能耗较高的省域几乎都位于黑河—腾冲线以西，能源强度的变化呈现出与环境投资和区域发展较为紧密的关联。

2. 环境投资规模的空间相关性。

（1）全局空间自相关性。2007 ～ 2016年各年全局Moran's I指数如图4所示，2012年之前，除2008年为正值外，其余各年均为负值，说明2012年之前各省域之间的环境投资相对独立，2012年后的Moran's I指数都为正，表明随着环境投资力度的不断加大，各省域环境投资行为受相邻区域的影响越来越大。

进一步地，根据黑河—腾冲线将相关省份进行地理空间区分，其中该线以东省域包括吉林、辽宁、北京、河南、重庆、湖北、贵州，以西的省域包括青海、宁夏、西藏;黑河—腾冲线穿过的省域中，根据其省会的地理位置，省会在黑河—腾冲线以东的黑龙江、山西、陕西、四川、云南归入东部地区，省会在黑河—腾冲线以西的内蒙古、甘肃归入西部地区。图5是2007 ～ 2017年黑河—腾冲线两侧各省域环境投资的全局莫兰指数图，总体上，黑河—腾冲线以西各省域之间的环境投资相互影响较弱，而东部各省域的环境投资在2013年之前独立性较强，之后明显受临近地区影响，且在2010年之后，这种影响呈现逐年增加的态势。

进一步考察全国各省域环境投资的空间相关性特征，分别对2007年和2017年的黑河-腾冲线两侧省域分组进行环境投资的局部莫兰检验，研究发现：2007年除了北京、河北、辽宁、上海、江苏、浙江、山东、广东和重庆这9个省域位于二、四象限，其余的21个省域均处于一、三象限内。到2017年，除了之前的9个省域，内蒙古、湖南、安徽、河南和新疆这5个省域也处于二、四象限的区域内，虽然位于一、三象限内的省域仍然稍多，但是位于二、四象限的省域均是环境投资额度较大的省域。这说明我国30个省域的环境投资并未出现明显的空间集聚现象。

四、 实证过程与结果

（一）模型的选择

本文利用Stata 15软件，运用基本式yit=α1xit+γi+uit，其中t=1，…，T，判断相关变量间的关系模型的适用性。Hausman检验结果如表2所示，模型整体拟合效果较好，在95%的稳健水平上接受随机效应模型。

同时，利用LMlag、LMerr和Robust-LMlag、Robust-LMerr进行空间相关性检验，结果见表3。LMlag通过了显著性水平为1%和5%的显著性检验，而LMerr未通过显著性水平为10%的检验，结合表2检验结果综合分析，本文最终选择空间滞后随机效应模型进行实证检验。

（二）回归分析

主回归模型仅考虑解释变量（EI）对被解释变量（EG）的影响，在主模型中加入表征区域发展的控制变量后得到模型（2）：

表4中，列（2）的检验结果仅仅考虑环境投资对能源强度的影响;列（3）的检验结果是加入了表征区域发展的控制变量后环境投资对能源强度的影响;列（4）和列（5）两列，分别为沿着黑河—腾冲线区分的东西省域组回归的结果。

根据表4，从整体来看，如果不考虑区域发展情况，环境投资确实有助于能源强度的降低，作用力度为-0.147，尽管该结果符合人们的一般认知，但统计的可靠性并不高;加入区域发展相关控制变量以后，R2由0.3985提升至0.9141，模型拟合优度大幅提升，但环境投资对能源强度表现为正向影响，有悖于通常认知。进一步地，对黑河—腾冲线两侧分组检验发现，黑河—腾冲线以东各省域，环境投资与能源强度之间为负相关关系，且人均收入和产业结构都对能源强度降低做出了贡献，但金融发展与产出降耗的相关关系为正，间接反映该区域环境投资规模占GDP比重较低的事实;黑河—腾冲线以西各省域，环境投资与能源强度之间为正向关系，人均收入对金融发展的影响为负向，考虑到产业结构对能源强度的不利影响，间接说明该区域尽管环境投资的区域金融占比较高，但囿于当前的产业结构，环境投资的规模尚待进一步扩大，符合产出的生态化转型压力较大的基本事实。

（三）门槛检验

根据前述理论分析，环境投资对单位产出降耗的影响可能会受到区域经济发展异质性的影响而呈现非线性关系。为避免主观判断偏误，根据面板门槛回归模型，进一步考察环境投资与单位产出降耗的关系。考虑区域发展的环境投资影响能源强度的单门槛模型设定为：

模型中各变量的定义与前述一致。

本文使用Stata软件进行自抽样门槛检验，检验前预设门槛个数，然后通过Bootstrap方法反复抽样300次，获得似然比统计量LR的F统计量的渐进分布，最后得到相关假设的P值。表5反映了全局环境投资的门槛检验结果，F 值均大于显著性水平，并且P值小于1%，中心化后的环境投资对能源强度的影响存在双门槛，门槛估计值分别为-0.735和1.305。

为进一步探讨环境投资与能源强度的实际关系，运用上述方法分别对黑河—腾冲线两侧省域分组求解环境投资的门槛，如表6所示。黑河—腾冲线东部省域的中心化后环境投资数据存在双门槛

-0.735和0.614，而黑河—腾冲线西部省域的环境投资仅存在单门槛1.185。

运用上述模型求得的各项变量的门槛值进行回归，回归结果如表7所示。列（6）为全国总体的回归结果，根据黑河—腾冲线东西两侧分组回归得到列（7）和列（8）的门槛回归结果。

从表7可以看出，无论是整体样本还是分组样本，环境投资系数均为负数且通过了显著性检验，从省域层面数据检验结果来看，环境投资的增长有利于单位产出降耗。从全国情况看，中心化后的环境投资系数为负，反映了环境投资增加有助于降低能源强度;具体地，某区域环境投资规模超过总体均值的26.5%时，环境投资增加单位规模将带来产出能耗降低0.1578个单位;当环境投资数值大于门槛值1.305，即某区域环境投资规模超过总体均值的2.3倍时，环境投资增加将产生提高能源强度的作用;超出门槛区间，环境投资规模的增加将带来能源强度的增加。从基于黑河—腾冲线的东西省域分组门槛回归情况看，黑河—腾冲线以东省域的中心化后的环境投资系数为负，反映了该区域环境投资增加会降低产出能耗的基本事实，环境投资数值在-0.735到0.614之间时，环境投资规模的扩大将推动能源强度的降低，超出这个区间，环境投资规模的增加将提高能源强度;黑河—腾冲线以西省域的中心化后的环境投资数据大于1.285时才会出现能源强度的降低。虽然总体上环境投资的增加有助于产出能耗降低，但黑河—腾冲线两侧存在降耗的分异特征，区域发展是能源强度变化的重要影响因素。产业结构调整在总体上有助于能耗降低，但黑河—腾冲线西部省域的产业结构调整却增加了产出能耗，这种情况可能与西部省域承接产业转移时出现的污染一并转移现象有关。人均收入的增加总体上有助于产出降耗，这主要与收入增加时人们对更高品质生活的需求和绿色发展理念的提升有关。金融发展在全局和黑河—腾冲线东部省域呈现推动产出降耗的趋势，但在黑河—腾冲线西部省域，却出现不利于产出降耗的现象，这间接揭示了我国金融发展在总体上提升了绿色项目的融资能力，但黑河—腾冲线以西省域，金融发展向绿色项目倾斜不力的实际情况。

五、 结论与启示

本文基于我国各省域环境投资和能源强度的短期面板数据，考虑省域产业结构、人均收入和金融发展等表征的区域发展水平，分析了我国不同地域环境投资和能源强度的变化情况，检验了环境投资推动能源强度降低过程中的门槛情况，利用空间滞后随机效应模型进行了回归分析。研究发现：

1. 省域环境投资和能源强度的地理空间分布以黑河—腾冲分割线为界呈现异质性特征。也就是说，沿着黑河—腾冲一线，全国东西部省域环境投资和能源强度区别明显。其中，该线东侧是较高环境投资水平和较低能源强度省域，西侧是较低环境投资水平和较高能源强度省域。尽管在总体上，环境投资规模增加有助于产出降耗，但考虑人均收入、金融发展和产业结构等区域经济因素后，可以发现环境投资降低产出能耗在黑河—腾冲线两侧存在空间分异特征。

2. 在生态化转型发展观念不断深入人心的背景下，各省域环境投资活动会受相邻省域的影响，但程度存在差别。总体上看，2012年以前各省域环境投资活动相对独立，2012年以后出现相互影响的情况;黑河—腾冲线东侧各省域环境投资相互影响增强的临界时点是2013年，但其实自2010年起各省域环境投资活动的独立性就开始下降，相互影响开始增强，这与中东部较发达省域在绿色发展指标上相互攀比有关，这一变化过程反映了我国东部各省域的绿色发展观念正在日渐增强;黑河—腾冲线西侧各省域的相互影响较弱。我国各省域并未出现明显的空间集聚现象，表现出因地制宜的绿色经济政策特征。

3. 从总体上看，环境投资规模的增加确实在一定程度上降低了能源强度，但在不同省域呈现异质特征。考虑产业结构、人均收入和金融发展等区域经济发展状况后发现，环境投资对能源强度表现为弱正向影响，这与黑河—腾冲线东西两侧的资源禀赋、产业结构、发展水平等有关。黑河—腾冲线以东省域，环境投资与能源强度之间为负向关系，且人均收入和产业结构都对能源强度降低做出了贡献，环境投资贡献相对较小;黑河—腾冲线以西省域，环境投资与能源强度之间为正向关系，人均收入对金融发展的影响为负向，产业结构对能源强度有不利影响，尽管该区域环境投资的区域金融贡献较大，但囿于当前的产业结构，经济生态化转型壓力很大。

4. 環境投资降低能源强度的过程存在门槛效应。黑河—腾冲线两侧的门槛存在比较明显的不同，其中黑河—腾冲线东侧省域存在双门槛，环境投资与能源强度之间存在双倒U型结构;黑河—腾冲线西侧省域存在单门槛，环境投资与能源强度之间存在弱倒U型结构。黑河—腾冲线西侧省域环境投资门槛值较东侧省域的第一门槛值要高很多，反映了西侧各省域以环境投资推动产出降耗压力很大;但东侧各省域因产业结构、社会观念、人均收入等影响，环境投资推动产出降耗的效果相对较好。这意味着环境政策的制定，各省域必须根据自身发展的规模、结构状况和经济资源禀赋综合权衡。

上述结论具有很重要的环境政策启示。从实证结果看，总体上，环境投资的产出降耗效果并不是很理想，增加单位环境投资带来的产出能耗降低较少，且在黑河—腾冲线两侧呈现比较明显的空间分异特征，东侧省域略强于西部省域。环境投资推动产出降耗存在门槛，意味着环境投资只有在一定的规模区间内，才具备较良好的降耗效果。单纯依靠环境投资规模扩大无法自动实现产出降耗，各省域环境政策的制定必须考虑当地的资源禀赋和经济结构及发展水平。

【 主 要 参 考 文 献 】

[ 1 ]   Cowan E.. Topical issues in environmental finance[ J].Eepsea Special & Technical Paper，1998（3）：N/A.

[ 2 ]   Schwartz E. S.， Cortazar G.， et al.. Evaluating environmental investments： A real options approach[ J].Management Science，1998（8）：1059

～ 1070.

[ 3 ]   Salazar J.. Environmental finance： Linking two world[Z].Presented at a Workshop on Financial Innovations for Biodiversity Bratislava，1998.

[ 4 ]   Labatt S.， White R.. Environmental finance： A guide to environmental risk assessment and financial products[M].Canada： John Wiley & Sons. Inc，2002：1 ～ 100.

[ 5 ]   Criscuolo C.， Menon C.. Environmental policies and risk finance in the green sector： Cross-country evidence[ J].Energy Policy，2015（83）：38 ～ 56.

[ 6 ]   孟科学，严清华.绿色金融与企业生态创新投入结构优化[ J].科学学研究，2017（12）：1886 ～ 1895.

[ 7 ]   Thompson P.， Cowton C. J.. Bringing the environment into bank lending： Implications for environmental reporting[ J].British Accounting Review， 2004（2）：97 ～ 218.

[ 8 ]   OECD. Sustainable manufacturing and eco-innovation[R].Paris： DECD，2009.

[ 9 ]   董秀海，胡颖廉，李万新.中国环境治理效率的国际比较和历史分析——基于DEA模型的研究[ J].科学学研究，2008（6）：1221 ～ 1230.

[10]   王金南，逯元堂，吴舜泽等.环保投资与宏观经济关联分析[ J].中国人口·资源与环境，2009（4）：1 ～ 6.

[11]   蔡昉，都阳，王美艳.经济发展方式转变与节能减排内在动力[ J].经济研究，2008（6）：4 ～ 11.

[12]   唐晓华，刘相锋.能源强度与中国制造业产业结构优化实证[ J].中国人口·资源与环境，2016（10）：78 ～ 85.

[13]   Howarth R. B.， Schipper L.， Duerr P. A.， et al.. Manufacturing energy use in eight OECD countries： Decomposing the impacts of changesin output， industry structure and energy intensity[ J].Energy Economics，1991（2）：135 ～ 142.

[14]   逯元堂，徐顺青，陈鹏等.我国环保投资分析及对策建议[ J].环境保护，2017（17）：7 ～ 10.

[15]   颉茂华，刘向伟，白牡丹.环保投资效率实证与政策建议[ J].中国人口·资源与环境，2010（4）：100 ～ 105.

[16]   Rasche R. H.， Tatom J. A.. Energy resources and potential GNP[ J].Federal Reserve Bank of St-Louis Review，1977（6）：10 ～ 24.

[17]   Renshaw E. F.. Energy efficiency and the slump in labour productivity in the USA[ J].Energy Economics，1981（1）：36 ～ 42.

[18]   Daly H. E.. Beyond growth： The economics of sustainable development[ J].Economia E Sociedade，1996（4）：6.

[19]   Patterson M. G.. What is energy efficiency？ Concepts， indicators and methodological issues[ J].Energy Policy，1996（5）：377 ～ 390.

[20]   Wilson B.， Luan H. T.， Bowen B.. Energy efficiency trends in Australia[ J].Energy Policy，1994（4）：287 ～ 295.

[21]   史丹，吳利学，傅晓霞等.中国能源效率地区差异及其成因研究——基于随机前沿生产函数的方差分解[ J].管理世界，2008（2）：35 ～ 43.

[22]   刘培林，齐志新.若干产业部门能耗强度变化检验：1993～2003[ J].改革，2007（1）：15 ～ 19.

[23]   吴建新，贺佳瑶，钱晶晶.中国省际能源强度的分布动态演进及其成因[ J].中国人口·资源与环境，2018（2）.

[24]   李国璋，王双.中国能源强度变动的区域因素分解分析——基于LMDI分解方法[ J].财经研究，2008（8）：52 ～ 62.

[25]   李建军，袁明敏.德国绿色能源城镇建设：思路、策略与经验[ J].山东科技大学学报（社会科学版），2015（6）：8 ～ 12.

[26]   马骏.发展绿色金融需要大力培育环境投资者[ J].当代金融家，2017（1）：17.

[27]   王旭，徐向艺，褚旭等.绿色金融：均衡发展还是择善而从？——权利博弈视角下基于电力企业的实证研究[ J].经济与管理研究，2018（1）：93 ～ 104.

[28]   张勇，蒲勇健.产业结构变迁及其对能源强度的影响[ J].产业经济研究，2015（2）：15 ～ 22.

[29]   徐丽娜，赵涛，刘广为等.中国能源强度变动与能源结构、产业结构的动态效应分析[ J].经济问题探索，2013（7）：40 ～ 44.

[30]   唐晓华，周婷婷.基于时间序列的中国制造业能源利用效率研究[ J].当代经济科学，2017（2）：109 ～ 115.

[31]   冯泰文，孙林岩，何哲.技术进步对中国能源强度调节效应的实证研究[ J].科学学研究，2008（5）：987 ～ 993.

[32]   高振宇，王益.我国能源生产率的地区划分及影响因素分析[ J].数量经济技术经济研究，2006（9）：46 ～ 57.

[33]   张瑞，丁日佳.工业化、城市化对能源强度的影响——基于我国省际动态面板数据的实证研究[ J].经济问题探索， 2015（1）：11 ～ 15.

[34]   张成，陈宁，周波.东部率先发展战略和全要素生产率提升——基于倾向得分匹配—双重差分法的经验分析[ J].当代财经， 2017（11）：3～ 15.

[35]   田江海.吹响环境投资的号角[ J].中国投资，2005（4）：28 ～ 30.

[36]   Johnson D. K. N.， Lybecker K. M.. Financing environmental improvements： A literature review of the constraints on financing environmental innovation[Z].Social Science Electronic Publishing，2009.

[37]   Eyraud L.， Clements B.， Wane A.. Green investment： Trends and determinants[ J].Energy Policy，2013（6）：852 ～ 865.

[38]   Croce R. D.. Pension funds investment in infrastructure[ J].Oecd Working Papers on Finance Insurance & Private Pensions， 2011（2）：89 ～ 99.

[39]   孟耀.基于资源环境保护的环境投资及其发展思路[ J].财经问题研究，2007（5）：64 ～ 69.

[40]   张蕾.基于金融相关比率检验我国金融发展进程[ J].中国投资，2013（S2）：149 ～ 149.

[41]   周立，王子明.中国各地区金融发展与经济增长实证分析：1978 ～ 2000[ J].金融研究，2002（10）：1 ～ 13.

[42]   王传荣，范文潮，李俣.我国能源消耗强度影响因素区域差异比较[ J].合作经济与科技，2011（22）：4 ～ 6.

[43]   王立平，管杰，张纪东.中国环境污染与经济增长：基于空间动态面板数据模型的实证分析[ J].地理科学，2010（30）：275 ～ 280.