张莉莉,肖黎明,高军峰

(山西师范大学经济与管理学院，山西 临汾 041000)

中国长期以来粗放式增长所诱发的资源匮乏及生态恶化等问题，使绿色发展成为当前中国经济转型的必然选择，也成为满足人民日益增长的优美生态环境需要的必由之路。然而，要实现绿色发展，除了需要政府层面积极引导之外，更需要市场机制发挥作用，其中绿色金融扮演着重要角色。2016年8月，中国人民银行等七部委发布的《关于构建绿色金融体系的指导意见》中明确提出通过构建绿色金融体系来支持经济绿色转型。实践当中，各类绿色金融投入也在不断增加。公开数据显示，2016年以环境污染责任险为代表的绿色保险收入约为2.8亿元，提供了风险保障约260亿元；截至2017年6月底，国内21家主要银行绿色信贷余额达8.22万亿元；截至2017年10月末，绿色债券托管余额为4423.36亿元；截至2017年12月底，在沪深上市以及在新三板挂牌融资的环保概念类企业达1000余家；此外，各省市政府联合社会资本纷纷设立了绿色产业发展基金。可以预见，未来绿色金融方面的投入仍会持续增加。然而，目前绿色金融投入水平是否可以满足绿色发展的需求，未来还有多大增长空间，以及目前所投入资金是否得以高效利用，都是亟需厘清的重要问题。因此，本文试图从全国、省际和区域层面对现阶段中国绿色金融发展水平与效率进行评价，以期为相关部门后续出台更为有效且合理的政策措施提供参考。

1 文献综述

国外学者在绿色金融研究中也注重对绿色金融运行状况的评价，且主要运用定量方法从金融机构角度进行评判，如Penny等[1]对银行本身在运营过程中的环境保护和节约能源绩效状况进行了评价。Marcel[2]以全球34家知名银行为样本，考察了欧洲、北美及亚太地区银行的绿色金融发展阶段。较之于这些学者，一些国际组织，如国际金融公司[3]、世界自然基金会[4]、经济合作与发展组织[5]等则更为关注绿色金融评价，旨在通过评判金融机构落实绿色责任的效果，以引导金融机构提供更好的绿色金融服务，它们在评价时采用的方法主要有问卷调查法[4]和定性分析法[3,5]。

虽然，目前中国绿色金融研究主要涉及绿色金融的概念和特点[6-7]、绿色金融体系构建的重要性及相关对策[8-9]、对国外绿色金融模式及产品的借鉴[10-11]，以及绿色金融与经济增长的相关性等领域[12-13]。但也有学者分别尝试从定性和定量角度对全国层面和省际层面绿色金融运行状况进行评价。如曾学文等[14]构建了绿色金融指标体系，利用相关指标对2010—2012年我国绿色金融的发展水平进行了评价。杨阳等[15]测度了2011年以来上海市绿色金融的发展状况。李若愚[16]和刘金石[17]则从定性的角度分别考察了全国和省际层面绿色金融的运行状况及存在的问题。还有学者和机构关注绿色信贷、碳金融和绿色股票等绿色金融细分领域的评价。如评价中国绿色信贷的实施状况[18]、利用专家打分法评判中资银行绿色信贷的实施效果[19]，考察省际层面的碳金融发展水平[20]以及评判证券市场是否存在绿色激励等[21]。

从上述文献可以看出，已有研究在评价绿色金融运行状况时有以下不足：一是环境污染的地区差异性决定了绿色金融投入的差异性。因此，实践中除了需要了解全国层面绿色金融的运行状况外，更应关注区域和省际层面的情况，但已有研究多从金融机构(投入主体)角度入手，导致分析样本较少且数据可得性受限，使得学者难以深入考察区域和省际层面的状况。二是在评判方法上多采用问卷调查、专家打分和定性分析等较为主观的方法，使得研究结论缺乏可靠性，无法为参与各方出台针对性的政策提供较为准确的建议；三是无论国外还是国内学者，都更关注绿色金融发展水平，对于其运行效率则涉及较少。事实上，发展绿色金融的最终目标是要在促进经济发展的同时带来环境效益的提升，如果只是一味加大绿色金融投入，相对忽视其产出的改善，最终结果可能会造成资源浪费，因此在评价绿色金融运行状况时，除了考虑绿色金融发展水平外，更应关注其运行效率。基于此，本文试图采用相对客观的定量分析方法，从微观企业(被投入主体)的角度，间接测度全国、区域和省际层面的绿色金融投入和产出状况，进而考察绿色金融的发展水平和运行效率，并对其水平和效率之差异进行比较，以期更准确地评价中国绿色金融运行状况，一定程度上解决上述评价方法的不足。

2 研究方法与数据选择

2.1 熵值法

已有研究在对绿色金融发展水平进行测度时多以指数反映[14-15]，而指数确定的关键则在于权重的选择。目前的主流方法主要有熵值法、主成分分析法、层次分析法、专家咨询法等。其中熵值法和主成分分析法不需要主观赋权，但主成分分析法在降维后可能会导致主成分的含义不如原始变量解释得清楚，而层次分析法、专家咨询法则需要主观确定权重，一定程度上会影响结果的客观性。因此，本文采用熵值法来确定绿色金融发展水平的权重。具体而言，熵值法是根据各项指标观测值提供信息的大小来确定其权重的，某项指标值的变异程度越大，则该指标提供的信息量就越大，因而就赋予其较大权重，反之，该指标的权重就较小，具体计算过程如下：

首先，将各指标的数据进行标准化处理，即对于给定的k个指标X1,X2Xk，其中Xi={x1,x2xn}，假设对其标准化后的值为Y1,Y2Yk，则有：

(1)

其次，计算各指标的信息熵:

(2)

最后确定各指标的权重，按照式(2)分别计算出k个指标的信息熵E1,E2Ek，则其权重为：

(3)

用所计算的权重乘以各指标的分数，就可以得到绿色金融发展水平得分：

S=a1×ω1+a2×ω2++ak×ωk

(4)

式中，S表示绿色金融水平得分，a1,a2ak表示各指标得分，ω1,ω2ωk表示各指标权重。

2.2 数据包络分析(DEA)及Malmquist指数

对绿色金融效率的测度，本文借鉴已有研究测算金融效率时通常采用的方法[22]，即针对多投入和多产出的DEA方法。DEA的基础模型包括CCR模型和BCC模型。两者之间的关系表现为：综合技术效率(CCR)=纯技术效率(BCC)×规模效率。其中综合技术效率主要是指绿色金融资源的配置、利用和规模集聚等效率，纯技术效率则表示为现有技术条件下行业创新所带来的绿色金融资源的配置和利用效率。纯技术效率越高，表明决策单元(DMU)因行业创新带来的资源配置和利用效率越高。规模效率则是指绿色金融资源规模集聚的效率，规模效率越高，表明决策单元(DMU)因规模集聚产生的效率越高。CCR模型具体表述如下：

(5)

(6)

其中，θb表示基于BCC模型得到的纯技术效率，有(0<θb≤1)，θb≥θ。因此，规模效率(SE)=θ/θb，0

由于DEA模型主要是利用横截面数据对静态效率进行测算，因此在考察动态变化时，本文在DEA模型基础上考虑使用Malmquist指数。Malmquist生产率指数(TFPCH)评估了DMU在两个时期的总要素生产率变化，定义为反映DMU效率改善或恶化程度的效率变化(也被称为追赶效应，用EFFCH表示)与反映两个时期效率前沿变动的技术变化(也被称为增长效应，用TECH表示)的乘积。而效率变化(EFFCH)又可进一步分解为纯技术效率(PECH)和规模效率(TECH)，其含义和DEA基础模型中的内涵相同。Malmquist生产率指数根据参比对象不同，具体又可区分为相邻参比指数、固定参比指数和全局参比指数三种，实践中多使用相邻参比指数，具体计算方法如公式(7)和公式(8)所示：

(7)

M(xt,yt,xt+1,yt+1)=TFPCH=EFFCH×TECH=PECH×SECH×TECH

(8)

其中，Dt(xt,yt)表示第t期的当期效率值；Dt+1(xt+1,yt+1)表示第t+1期的当期效率值，Dt+1(xt,yt)表示以t+1期作参比计算的第t期的效率值，Dt(xt+1,yt+1)表示以第t期作参比计算的第t+1期的效率值。当M>1时，表示从t期到t+1期TFPCH呈上升趋势；当M≤1时，则表示TFPCH呈停滞或下降态势。同理EFFCH>1 和TECH>1分别表示技术效率提升和出现技术进步，反之则停滞不前或下降。

2.3 指标选择与数据来源

(1)指标选择。根据2016年8月31日中国人民银行等七部委发布的《关于构建绿色金融体系的指导意见》，绿色金融是指为支持环境改善、应对气候变化和资源节约高效利用，而对环保、节能、清洁能源、绿色交通、绿色建筑等领域提供的金融服务。按此定义，绿色金融应涵盖绿色信贷、绿色证券、绿色保险、绿色投资、碳金融等多种金融业态。然而对于绿色信贷，公开数据中只包括主要银行在国家层面的总量数据，无法获得其在省级的相关数据。对于绿色保险，我国从2013年末才开始强制推行企业环境污染责任险，同时企业参保率也较低，缺乏系统的统计资料，只给出了国家层面的总量规模，因此，从投入主体角度出发，目前尚无对省际绿色金融运行情况进行评价。但无论是何种绿色金融资源，最终都要通过企业的生产经营来实现经济和环境效益的提升，因而各省那些从事绿色环保相关产业的企业，其从金融机构和金融市场融入的各项资金就可看作是该省的绿色金融投入，而这些企业的经营成果即为绿色金融产出。据此，本文尝试从被投入主体(企业)的角度去测度省际绿色金融的运行情况。考虑到数据的可得性，以及实践中金融机构为降低风险，通常会将更多的金融资源投向信用资质较高的上市企业及新三板挂牌企业的情况，本文将各省相关的绿色上市企业和新三板挂牌企业(统称为公众企业)作为研究样本，然后将相关企业区分为两类：一类是本身属于绿色环保型企业，从而其各项投入产出指标可全部作为绿色金融投入和产出指标；另一类虽然属于传统企业，但最近涉足了绿色环保等相关业务，它们的各项投入和产出指标会按照其绿色环保业务占比情况进行相应的调整(见表1)。

(2)数据来源。在中国，虽然兴业银行于2005年最早开始绿色金融实践，而2007年环保总局、人民银行、银监会联合发布的《关于落实环保政策法规防范信贷风险的意见》可看成是其全面绿色金融实践的开始，且现实中政策效果一般存在时滞，因此本文的研究时期确定为2008—2016年。其中所使用的数据主要来自wind数据库，从中选取绿色环保相关概念板块中的公司作为研究样本。经过筛选，共选取了美丽中国、风力发电、绿色节能照明、污水处理、尾气治理等35个概念板块，包含了除西藏、海南以及港澳台之外的29个省、自治区和直辖市的相关上市公司和新三板挂牌企业共计1040家，其中上市公司521家，新三板挂牌企业519家。

(3)相关指标的描述性统计分析。从表2的描述性统计结果中可以看出，北京无论在绿色金融投入方面还是产出方面都位居第一，且各指标值均远高于其平均值和中位数。贵州在绿色信贷和纳税金额方面都是最低，且远低于这两项指标的平均值(348.45亿元)和中位数(168.64亿元)，说明其绿色信贷投入少且产出也较少。黑龙江在绿色证券方面投入最少。而青海在绿色投资排在末位，且远低于平均水平(57.11亿元)。上述各指标最大值、最小值及其与均值和中位数间的差异以及均值和中数本身的较大差异，说明我国各省市在绿色金融资源投入和产出方面分布极不均衡。由平均值和标准差可计算出各项指标的变异系数，分别为2.15、1.96、1.72、1.88、1.91，可知各省市在绿色信贷方面差距最大，在绿色投资方面差异最小。最后从各指标平均值可以发现，在绿色金融投入方面，绿色信贷占主导地位，其次是绿色证券，绿色投资最少。

表1 绿色金融发展水平和绿色金融效率相关指标

注：①评价绿色金融水平时只考虑投入指标，评价绿色金融效率时投入和产出指标都考虑。②绿色债券是指募集资金用于绿色产业的债权债务凭证，绿色产业项目范围主要参考中国金融学会绿色金融专业委员会编制的《绿色债券支持项目目录(2015年版)》，且一般均以“XX绿色债券”命名。既包括金融机构发行的绿色金融债券，也包括企业依照《公司债券管理办法》及相关规则发行的相关公司债券。本文所使用的绿色债券定义比一般绿色债券的内涵要广，除包括上述内容外，相关绿色环保企业和一般企业发行的非以“XX绿色债券”命名，但用于支持绿色项目的债券，本文也认定为绿色债券。

表2 绿色金融发展水平和绿色金融效率相关指标的描述性统计

3 结果分析

3.1 绿色金融发展水平和绿色金融效率的总体评价

相较于主板和二板市场，新三板对挂牌企业的资质要求较低，更有利于绿色环保型中小企业及时获得生产经营所需资金。因此，为考察新三板市场对绿色金融发展水平和效率的影响，本文对未包含新三板公司和全部公司的绿色金融发展水平和效率进行了比较。由于绿色金融发展水平只考虑投入面，引入新三板企业后通常会带来水平提升，所以本文未列示相关结果，绿色金融效率的比较如下(见表3)。

表3 绿色金融发展水平和绿色金融效率的比较

注：本表及以下表中的效率值均使用软件deap2.1计算得出，其中↑表示排名上升，↓表示排名下降。

由表3可以发现，引入新三板企业后，各省的排名情况变化不大，除广西、宁夏和山西外，各省的效率值均有所提高，表明新三板市场的发展对大多数省份的绿色金融效率有积极的促进作用。

由于引入新三板公司后的效率值能够更全面地反映省际绿色金融效率，因此以下分析均以全部公司作为样本。从全部公司的综合技术效率看，位于前三甲的分别是青海、贵州和上海，且青海达到了DEA有效，而处于后三名的则为河南、吉林和湖南。此外，全国均值为0.34，其中仅有31%(9个)的省份高于全国平均水平，说明就整体而言，我国的绿色金融效率仍较低。另一方面，绿色金融发展水平位列前三的分别是北京、广东和上海，处于后三的则为宁夏、吉林和贵州。全国均值为7.11，其中只有北京等7个省份处于全国平均水平以上，说明我国多数省份的绿色金融发展水平仍较低。另外，按照各省市绿色金融发展水平和效率的协调程度，可以将全部省份区分为高水平-高效率，高水平-低效率、低水平-高效率及低水平-低效率四种类型(见表4)。

表4 基于绿色金融发展水平和绿色金融效率协调程度的省域分类

注：高水平和高效率是指排名前15的省份，低水平和低效率是指排名后14的省份。

为了更好地把握各省绿色金融发展水平和效率排名出现较大波动的内在原因，本文对绿色金融发展水平和效率做进一步分解(见表5)。

根据表4的计算结果，并结合表5 可知：

对于高水平-高效率省市而言，重庆和新疆绿色金融水平较高的绿色信贷，而其余省份则主要源于其较高的绿色投资；同时绿色证券对于这些省市也发挥了较为重要的作用。在绿色金融效率方面，上海、安徽和重庆源于其较高的纯技术效率，而其余省份则基于它们较高的规模效率。

对于高水平-低效率组而言，除山西外，其余省市较高的经济发展水平决定了其较高的绿色金融发展水平。其中，广东、河南的绿色证券对其绿色金融水平贡献最大，其余省份则主要源于绿色投资。此外，广东和北京主要是由于其规模效率较低导致绿色金融效率较低，其余省份则主要是因为其纯技术效率较低，即可能由于行业缺乏创新而导致绿色金融资源配置和利用效率较低，中部的河南和湖南表现更为突出。山西的金融发展水平则位列第13，处于临界值附近，勉强归于高水平组，这可能是因为，山西由于产业结构不合理所诱发的环境问题，在强大的政策和舆论压力下，迫使其投入较多的绿色金融资源，因此具有较高的绿色金融发展水平；但其效率却位于26名，主要是因为山西的创新和技术均比较匮乏，从而导致其纯技术效率低下。

对于低水平-高效率省市来说，贵州、青海属于西部省份，经济发展水平较低，一定程度上导致了其绿色金融发展水平也较低。此外，由于面临的环境治理压力较小，使得以政府为主导的绿色投资也相对较少；而它们的综合技术效率较高则源于其较高的纯技术效率和规模效率，但这只是建立在低水平基础上的高效率。福建和内蒙古因其地理优势，面临的环境治理压力较小，故其投入的绿色金融资源较少，但产出效率却较高。陕西的绿色金融发展水平较低可能主要因为其绿色信贷和绿色投资水平较低，和福建、内蒙古一样，其绿色金融高效率主要源于规模效率。

对于低水平-低效率省市来说，辽宁和天津属于经济较为发达的沿海省市，其面临的环境治理压力也较大，因而其政府主导的绿色投资较多，但其绿色信贷和绿色证券给予的支持却相对较小。它们绿色金融效率较低则主要是因为其纯技术效率较低。黑龙江和吉林是传统的重工业基地，目前正面临经济的转型升级，从而对绿色产业关注较少，绿色金融水平较低，但它们的绿色金融效率低下则主要源于规模效率低。其余五个省份，经济发展水平较低，环境质量高，因此其绿色金融投入较少；在绿色金融效率方面，也主要是因为纯技术效率低下。

3.2 绿色金融发展水平和绿色金融效率的区域比较

金融发展和经济增长密切相关，根据法国经济学家佩鲁的增长极理论，金融因素不仅会对本地经济增长产生影响，还会对周边区域产生溢出效应。因此，在前面考察省际绿色金融发展水平和效率基础之上，还应考虑各区域的运行状况。在进行区域比较时，本文借鉴国务院发展研究中心发展战略和区域经济研究部李善同和侯永志的报告中八大经济区域的划分方法，并对各区域的绿色金融发展水平和效率进行了比较(见表6)。

按照绿色金融发展水平和效率的协调程度，可将上述区域划分为以下四类。高水平-高效率区域：东部和南部沿海，其中东部沿海绿色金融效率差异较大，而南部沿海则是绿色金融发展水平差距较大；高水平-低效率区域：北部沿海和长江中游地区，且两区域内的绿色金融发展水平和效率差异皆较大；低水平-高效率区域：西南和大西北地区，西南地区省际间的绿色金融发展水平和效率较为平衡，而大西北地区省际间的相关差异均较大；低水平-低效率区域：东北和黄河中游地区，东北地区省际间的绿色金融水平差异较大，而黄河中游则表现为效率差异较大。

为了进一步分析八大经济区域绿色金融发展水平和效率差异的内在原因，也对各区域的绿色金融发展水平和效率进行了分解，结果显示：对于多数区域而言，绿色投资对绿色金融发展水平的影响较大(除南部沿海外)，而纯技术效率对绿色金融效率的影响较大(除东北地区外)。

3.3 绿色金融发展水平和绿色金融效率的动态比较

(1)绿色金融发展水平和绿色金融效率动态变化的整体比较。由于通过DEA计算的效率只能进行静态分析，为了考察绿色金融效率的动态变化，本文使用Malmquist指数的计算结果，将其与绿色金融发展水平的动态变化一并绘制成图1。

图1 2008—2016年绿色金融发展水平和绿色金融效率的整体变动

从图1可以看出，就全国层面而言，2008—2016年绿色金融水平(对应右坐标轴)整体呈上升趋势，说明近年来我国绿色金融发展水平在不断提升。绿色金融发展效率(对应左坐标轴)除了2011年、2012年和2015年的Malmquist指数小于1以外，其他年份均大于1，说明绿色金融效率在2008—2016年呈波动上升趋势。此外，2012年之后的绿色金融发展水平和效率都呈现出上升趋势，说明政府有关绿色金融的支持政策发挥了相应的积极作用。

为了进一步分析绿色金融发展水平和效率提升的具体驱动因素，此处对全国层面的绿色金融发展水平和效率进行分解(见表7和表8)。

由表7可以发现，在所考察的时间范围内，以政府为主导的绿色投资对绿色金融发展水平贡献最大。然而，对于绿色金融发展水平的变动情况来说，其在2009、2010、2014、2015和2016年的增长，都主要源于绿色证券的高速增长，由此可见，绿色证券对绿色金融发展水平变动的影响最大。

基于表8可以发现，绿色金融效率(即全要素生产率TFPCH)整体上呈现出波动上升趋势，其中在上升期间，2008—2009年以及2013—2014年主要来自技术进步(TECH)的推动，而2009—2010年、2012—2013年以及2015—2016则是因为技术效率(EFFCH)提高的结果。波动期的下滑阶段主要都是由于技术进步下降所导致。因此，就全国层面而言，技术进步是影响绿色金融效率变动的主导因素。

(2)省际和八大区域绿色金融发展水平和绿色金融效率的动态变化。

表7 2008—2016年绿色金融发展水平的整体情况分解

表8 2008—2016年绿色金融效率的整体情况分解

表9 2008—2016年省际绿色金融水平增长率、绿色金融效率及其分解情况

注：本文未列示八大区域绿色金融发展水平增长率、绿色金融效率及其分解情况，如有需要，可向作者索取。

从表9可以看出，2008—2016年，所考察的29个省市的绿色金融水平的增长率均为正值，说明绿色金融发展水平在全国各省市都有不同程度的提升。然而在绿色金融效率方面，贵州等17个省份的绿色金融效率有所提高，而河北等12个省份，其数值却呈不断下降的态势。基于此，可将全部省份划分为两类：一类为水平上升-效率上升的省份；另一类则是水平上升-效率下降的省份。

从对绿色金融效率的分解结果看，所有效率下降的省份，基本上均源于其技术进步的放慢。对于湖北和山东而言，其综合效率中的纯技术效率下降也起到了一定作用，而对于辽宁和甘肃，其综合效率的下降还源于规模效率的下降。因此，可以认为技术进步在省际绿色金融效率的变动中发挥了主导作用。另外，利用上述方法对八大经济区域进行考察发现：八大经济区域的绿色金融发展水平在2008—2016年都有不同程度的提升，而在绿色金融效率方面，东北地区、长江中游和大西北地区的效率在2008—2016年却是下降的，表现出水平上升-效率下降的特征，其余区域则表现为水平上升-效率上升的特点。 此外，根据分解后的绿色金融效率值可以看出，所有地区的技术效率值均大于1，表明我国区域技术效率都在不断改进，这也成为推动区域绿色金融效率改进的主要因素。而各地区的技术进步值均小于1，表明区域技术进步相对处于停滞状态。

4 结论及启示

本文从绿色金融的被投入主体(微观企业)出发，利用熵值法测算了省际绿色金融发展水平，运用DEA分析法和Malmquist指数计算了各省的绿色金融效率，并对二者做了全国层面、省际层面、区域层面的静态比较和动态分析，结果发现：

第一，总体而言，绿色金融发展水平与效率均较低，但却处在不断改进和完善之中。目前仅有7个和9个省份分别高于全国绿色金融发展水平均值(7.11)和绿色金融效率均值(0.34)，说明绿色金融发展水平和效率均较低，且省际间差异较大。其中绿色投资对绿色金融发展水平的贡献最大，而绿色金融效率较低主要源于纯技术效率低下。但从变动趋势看，绿色金融发展水平与效率在考察期内均在提升和改进，其中绿色证券对绿色金融发展水平变动的影响最为明显，而技术进步则是影响绿色金融效率变动的主导因素。

第二，就省际和区域而言，部分省市和区域的绿色金融发展水平和效率，无论是在静态水平还是在动态演进上，都表现出不相匹配的特征。从静态水平比较看,8个省份为高水平-低效率组、5个省份为低水平-高效率组；北部沿海和长江中游属于高水平-低效率区域；西南和大西北地区属于低水平-高效率区域，除西南地区外，剩余区域省际间的绿色金融发展水平或效率差异较大。从动态演进来看，12个省份呈现出水平上升-效率下降的特征；东北、长江中游和大西北地区也表现出同样的特征，对于这些省份和区域而言，效率改进的关键在于不断提升其技术进步。

基于此，可得到如下启示：

首先，在目前以政府和风险投资机构为主导的融资模式下，应采取相关措施积极引导诸如绿色信贷、绿色证券等资金入场。由于绿色证券对绿色金融发展水平的提升影响更为明显，且新三板市场的发展也可带来这一水平的提升，因此应积极发展以绿色股票和绿色债券为代表的直接融资市场，尤其是新三板市场。

其次，就绿色金融效率而言，部分省份因规模效率低导致综合效率不高，而更多地区(主要是那些经济发展水平较低的省份)则是由于纯技术效率低下而导致其综合效率较低。因此，对于规模效率低的省份，应在扩大规模的同时努力提升自身的管理水平和技术水平，准确把握市场需求，做精做专自己的主打产品以解决规模效率低下的问题。对纯技术效率较低的省份，则应采取相关措施以吸引资本和人才，以提升其技术水平和创新能力。

最后，根据动态比较结果可以发现，政府通过出台促进绿色金融发展的有关政策，可能会带来绿色金融发展水平和效率的提升，因此在国家总体政策框架下，各省可以根据自身情况出台相应的扶持政策，以此促进其绿色金融发展水平和效率。考虑到省域及区域绿色金融发展水平与绿色金融效率的不协调特征，可以在不断加大绿色金融投入的同时，采取相应的配套措施提高绿色金融效率，避免造成资源浪费。而对于区域内绿色金融发展水平和效率差异较大的事实，区域内的相关省市应采取促进区际绿色金融协同发展的相关政策，缩小区域内差异，最终实现区域绿色协调发展。