黄娟

摘要：随着社会的发展与进步，全球进入经济一体化发展状态，进入新时期，人们也开始提倡绿色金融。绿色金融可以推动生态环境和经济的双重发展，并成为21世纪的主题，在这样的背景之下，各大企业也开始采用绿色金融模式促进经济增长。其在一个企业或行业当中都有着很好的促进作用，能够促进产业结构的改革和优化，本文就对绿色金融的经济增长效应进行分析，供参考。

关键词：绿色金融;经济增长;效应

在绿色金融理念提出来之后，2016年的时候，我国杭州市就将绿色金融列入了会议议程，在经济学领域当中已经成为了研究焦点。绿色金融是新时代的产物，也是为了顺应我国生态理念所提出来的，绿色金融结合了经济发展和环保生态理念，因而促进了经济增长效应显现。

一、绿色金融概述

绿色金融就是指的金融相关部门将和环境条件有关的潜在回报或风险等列入日常工作范畴之内，并在后期对社会中的经济资源进行引入，让经济发展更为乐观[1]。和前些年传统的金融相比较起来，绿色金融有一个非常明显的特征就是关注生存环境的利益问题，其促进了经济和环境的共同持续发展，而这是传统金融无法达到的。在传统金融中，经济要想得到发展，就会牺牲生态环境，人类在实现自我利益获取的前提，是破坏、毁灭生态，这势必无法协同发展。但绿色金融完全解决了这一现状，绿色金融强调的是生存环境利益，寻求金融和环保事业的共同发展。在20世纪70年代，德国就已经建立了生态银行，这也是全球第一家政策性的生态银行，该银行的主要业务就是给环境项目提供优惠政策。进入21世纪，世界银行下属的国际金融公司和荷兰当地的银行一同合作，提出了赤道原则。该原则就是指的金融部门在投资项目的过程当中，对其环境影响力加以预测评估，并使用金融杠杆的帮助降低影响力[2]。在2007年之后，我国环保总局就和证监会等部门一同出台了绿色金融政策，如绿色证券、绿色保险等等，这给金融行业向环保市场发展提供了有利條件。然而，从目前的现状来看，我国在绿色金融的发展上还处于初步阶段，无论是规模还是作用都比较有限，大部分人的注意力都在银行业务上，如信贷业务等，这是将来需要改善的点。

二、绿色金融的经济增长效应研究

本文主要阐述了绿色金融的经济增长效应，将经济增长看成是因变量，将绿色金融的投资、政府规模、国有化程度、城镇化水平看成是自变量，在进行研究的过程当中，以区域内的人均生产总值看成是经济增长，使用地区内的生产总值比重代表绿色金融的投资固定资产。除去绿色金融之外，其余的数据资料在网络上都可以找到[3]。在文献库中已经有了相关的研究，通过检索发现，在已经有的相关理论当中，对中国的区域内人均生产总值分析都集中在全局空间自相关性方面，本文则使用空间计量模型展开研究浅析。绿色金融在绿色发展的提倡和推动过程中，需要借助多种途径，如政府、金融机构等，因此，绿色金融的经济增长效应又可以分成广义和狭义两种。站在广义角度上来看，绿色金融资源的投资者可以是以政府部门为核心的公共部门，也可以是以金融机构为核心的非公共部门，在绿色金融的广义内涵中，又可以分成公共和非公开绿色金融。公共性的绿色金融主要是指的政府部门绿色金融投资，而非公共性的绿色金融则是指的市场或机构绿色金融投资。站在狭义上来看绿色金融的话，绿色就是指的非公共部门的绿色金融资源投资，主要是指市场。当市场在对绿色金融资源进行投资时，涵盖的内容基本上就是绿色证券等[4]。在对绿色金融进行详细的衡量上发现，区域公共绿色金融规模是通过环境保护公共财政支出实现的，区域内的市场其绿色金融规模则是通过金融机构的这支持来实现的，金融机构的支持力度如何直接决定了最终绿色金融规模大小。对于区域内的市场绿色金融规模而言，本文对我国上海市证券交易所和深圳市的证券交易所数据进行了分析发现，广义上的绿色金融总数额是公共部门规模和信贷市场规模加上证券市场规模的总和。本文使用后的自变量数据都在近五年内，我国的绿色金融经济增长效应可以分成广义和狭义两种不一样的视角，在具体的探索中，将广义角度上所获得的绿色金融规模使用ggf表示，而狭义角度上所获得的绿色金融规则使用ngf表示，人均GDP使用rgdp表示，投资使用inv 表示，国有化程度使用own表示，城镇化水平使用urban表示，我国政府的规模则使用gov表示。在研究的时候，为了可以让量纲得到统一化，本文分别研究了人均GDP、广义、狭义上的绿色金融规模，同时，使用地理距离权重矩阵和经济距离权重矩阵对结果加以描述[5]。

三、实证分析

（一）广义视角上的绿色金融经济增长效应分析

在对两种不一样的统计量纲进行分析比较之后发现，不管是LMLag统计量，还是LMError统计量，都可以融入进地理距离权重矩阵和经济距离权重矩阵，但最终的结果均显示，LMError的统计量要比LMLag的统计量大，所以，本文可以使用空间误差模型。并且，在 Hausman统计量当中十分明显的表示是使用的固定效应模型，本实证分析所使用的模型则使用的是极大似然估计法。在实证中发现，在地理距离权重矩阵中，Inggf的系数假设是0.061 9**，z统计量就是2.21;inv的系数假设是0.311 8***，z统计量就是2.79;own的系数是-0.339 3***，z统计量为-3.92;urban的系数是2.930 1***，z统计量为21.28;gov的系数是-0.233 1***，z统计量为-1.10。在经济距离权重矩阵中，Inggf的系数假设是0.066 3**，z统计量就是2.42;inv的系数假设是0.351 6***，z统计量就是3.26;own的系数是-0.347 7***，z统计量为-3.92;urban的系数是2.815 6***，z统计量为20.79;gov的系数是-0.236 08***，z统计量为-1.12[6]。在使用经济距离权重矩阵对绿色金融规模的经济增长效应进行分析时，结果显示，其对经济的作用参数是0.066 3，同样是使用是5%置信水平，其结果较为显著，足以看出广义角度上的绿色金融能够增强经济效应。如果说区域内的规模上升了1%，那么绿色金融就会向市场传递信息，达到上调经济增长效应的目的，上涨率约为0.06%。而在使用地理距离权重矩阵展开研究的时候，当投资对于增长效应的影响参数是0.311 8时，通过了1%的置信水平，结果依旧比较显著。

（二）狭义视角上的绿色金融经济增长效应分析

在对两种不一样的统计量纲进行分析比较之后发现，LMError的统计量要比LMLag的统计量大，所以，本文可以使用空间误差模型。在实证中发现，在地理距离权重矩阵中，Inggf的系数假设是0.052 1*，z统计量就是1.89;inv的系数假设是0.294 7***，z统计量就是2.63;own的系数是-0.340 3***，z统计量为-3.92;urban的系数是2.822 8***，z统计量为21.16;gov的系数是0.262 5***，z统计量为-1.22。在经济距离权重矩阵中，Inggf的系数假设是0.056 4**，z统计量就是2.09;inv的系数假设是0.335 6***，z统计量就是3.10;own的系数是-0.348 6***，z统计量为-3.92;urban的系数是2.808 6***，z统计量为20.61;gov的系数是-0.264 8***，z统计量为-1.24[7]。在使用地理距离权重矩阵对绿色金融规模的经济增长效应进行分析时，结果显示，其对经济的作用参数是0.052 1，同样是使用是10%的置信水平，其结果较为显著。在使用经济距离权重矩阵对绿色金融规模的经济增长效应进行分析时，结果显示，其对经济的作用参数是0.056 4，通过了5%置信水平下的显著性较为明显。从最终的实证结果上来看，狭义视野上的绿色金融有着很强的经济增长效应，当绿色金融的规模上升1%之后，金融就会向市场传递信息，达到上调经济增长效应的目的，上涨率约为0.05%。但是，不管是哪种视角上的绿色金融，当规模有所上升之后，经济也会有所增长，且比例是正向关系。对两种视角下的绿色金融加以比较发现，广义视角下的绿色金融更能促进经济效应显现，这也意味着市场所投资和提供的绿色金融资源还可以得到进一步提升[8]。

四、结语

本文对绿色金融的经济增长效应进行分析，采用实证研究的方式展开分析，通过分析得知，广义视角下的绿色金融比狭义视角下的绿色金融更能促进经济效应显现，并且，当绿色金融的作用参数不一样时，所带来的经济增长效应程度也是不一样的，并且，从整体上来说，市场所投资和提供的绿色金融资源还有待进一步提升。

参考文献：

[1]严静.绿色金融对经济增长的影响——基于21家主要银行绿色信贷余额的实证研究[J].科技經济市场，2019（9）.

[2]陈思扬.绿色金融对广东省宏观经济发展的影响研究[J].现代经济信息，2019（18）.

[3]蔡永辉.绿色金融影响宏观经济增长的机制与路径分析[J].财经界：学术版，2019（17）.

[4]刘莎，刘明.绿色金融、经济增长与环境变化——西北地区环境指数实现“巴黎承诺”有无可能？[J].当代经济科学，2020（1）.

[5]陈青青.绿色金融发展对技术进步、经济增长的影响[D].武汉：华中科技大学硕士论文，2019.

[6]张丽.我国绿色金融发展的经济与环境效应研究[D].徐州：中国矿业大学硕士论文，2019.

[7]方建国，林凡力.绿色金融与经济可持续发展的关系研究——基于中国30个省际面板数据的实证分析[J].中国石油大学学报：社会科学版，2019（1）.

[8]邱海洋.绿色金融的经济增长效应研究[J].经济研究参考，2017（38）.

作者简介：黄 娟（1985—），女，湖南湘潭人，讲师，研究生，主要从事经济、金融研究。