朱广印 王思敏 张胜全 刘宝庆

【摘要】当前我国积极推进经济转型， 绿色信贷能为各大产业的绿色改造和转型升级提供必要的资金支持。 利用2011 ～ 2017年我国31个省份的数据， 构建空间杜宾模型研究绿色信贷与金融发展影响地区产业结构升级的路径， 并以中介效应模型具体检验绿色信贷以中介渠道促进产业结构优化的空间机制。 结果表明： 绿色信贷对当地产业结构升级有显著的正向促进作用， 而金融发展效率的损失不利于当地产业结构优化转型; 绿色信贷在金融发展效率对当地产业结构升级的影响中起到了部分中介作用， 但金融发展效率的损失弱化了绿色信贷对本地产业结构升级的空间调整作用; 对外贸易、绿色投资、物质资本及外商投资对产业结构升级存在不同的作用路径。

【关键词】绿色信贷;产业结构升级;空间杜宾模型;中介效应

【中图分类号】 F061.3     【文献标识码】A      【文章編号】1004-0994（2021）16-0152-9

一、引言

目前， 我国经济增长在资源环境约束下面临清洁生产和结构转型的压力， 迫切寻求兼顾生态功能和经济质量的绿色增长方式， 以减少对资源环境的过度消耗。 为此， “十八大”要求重视经济增长的“质量”和“效益”， 强调“持续健康”发展新目标， “十九大”进一步深化对生态文明建设的认识和要求， 将“绿水青山就是金山银山”纳入现代化建设实践。 而作为优化资金配置的金融手段， 绿色信贷能够为各大产业的绿色改造和可持续发展提供必要的资金支持， 得到了广泛的推行和应用， 是节能减排型产业出现和发展的基础， 也是产业结构升级转型的必经之路。 因此， 深入探究绿色信贷调整产业结构的内在作用路径， 对于实现产业升级和可持续发展具有重大现实意义。

绿色信贷在国内最早出现在2012年原银监会发布的《关于印发绿色信贷指引的通知》中， 其在学术界暂未有明确的定义， 作为服务绿色经济发展的一种金融手段， 旨在为低碳节能、环境保护型绿色产业的可持续发展提供优惠利率和信贷资金支持。 在国际上， 绿色信贷最早是以“赤道原则”为依据进行定义的， 相关银行通过设定严格的评估门槛， 将环境和社会风险纳入银行的授信融资活动中， 有效抑制高能耗、高污染产业对环境的影响， 迫使其进行传统技术革新和结构转型升级。 具体来看， 绿色信贷在实际的生产活动中主要包括两个方面的内涵： 一是限制污染行业的贷款额度并实施惩罚性利率， 切断其生产规模扩张的资金来源， 实现信贷资源的合理配置; 二是为节能环保型绿色产业的技术研发、循环经济生产提供充足的资金支持和优惠性利率政策， 引导更多资金流向绿色产业。 总体来讲， 绿色信贷是政府要求金融机构承担社会责任， 利用金融的资本配置和信号传递功能， 在地方政府政策引导下将更多资金配置到节能环保型绿色产业， 进而促进地区产业结构升级， 实现经济转型的一种金融手段。

国外关于绿色信贷及其与产业结构关系的研究主要集中在环境金融和可持续金融上， 具体来源包括两个方面： 一是不同行业对规避环境风险的需求， 要求深化金融结构调整。 White[1] 从环境金融对金融机构决策影响的角度出发， 认为交换金融资源可以推动企业自身对环境责任的承担， 要求更多企业通过减少浪费和预防污染来应对环境风险。 Cowan[2] 通过环境金融的实际运用， 提出一些解决污染者与受益人为环境保护付费的现实困境的融资方法， 试图利用市场工具拓展环境融资来源。 Hoti等[3] 量化分析了环境金融中现有的可持续性指数来评估环境风险， 进而为管理环境投资和开发绿色金融工具提供基准， 也是产业绿色发展潜力的体现。 二是银行实施环境金融的社会评价， 要求将金融部门纳入向低碳和资源节约型经济转型进程。 Aintab-

lian等[4] 将银行贷款公告视为借款人环境风险信息传递的重要途径， 有力地支持了市场认为银行是环境风险的有效检测者这一观点。

国内学者较多关注金融发展与产业结构优化间的关系， 并围绕两者作了不同方面的深入研究。 从研究角度上看， 孟维福和任碧云[5] 从产业结构的不同维度出发， 认为包容性金融发展通过产业结构高级化的中介传导机制减缓农村贫困。 林炳华和赵鸿程[6] 研究发现： 由于证券市场的不稳定和外资流入的逐利性抑制了产业结构的升级调整; 金融规模扩张能够支持创新活动、促进产业结构升级， 而金融效率则会弱化创新活力对产业结构的优化调整。 从研究内容上看， 部分学者探讨了两者间的非线性关系。 王兰平等[7] 论证了金融规模与产业结构升级存在倒“U”型关系， 并发现金融效率的提高能够突破东部地区因金融规模扩张而挤占实体经济融资空间出现的瓶颈， 促进实体产业转型发展。 考虑到空间因素， 龙海明等[8] 研究发现， 金融发展对产业资本的积累和有效配置能够促进本地技术创新活动， 但由于地区间要素的“虹吸效应”和昂贵的研发费用不利于技术扩散和要素流动， 金融发展反而阻碍了周边地区产业结构升级。

然而， 国内文献针对绿色信贷促进产业结构优化的内在机制研究较少， 且多表现为在区域层面对第二、三产业的促进作用。 龙云安和陈国庆[9] 认为， 绿色信贷主要以金融为杠杆， 通过资金融通和导向机制促进高风险、高技术含量的绿色产业的融合发展与风险分散， 但绿色信贷本身的发放对第二产业作用较大， 对第三产业的作用较小。 李毓等[10] 论证了经济滞后、环境较差的中西部较东部地区更重视绿色信贷对本地产业结构升级的资金支持; 而作为核心支撑的第二产业为赢得国际竞争优势， 对技术创新要求较高， 较信息沟通机制尚不完善的第三产业更易获得绿色信贷支持。

综上所述， 目前国内外学者主要围绕金融发展、产业结构与绿色信贷间两两关系的研究， 鲜有文献将这三者放在同一框架下进行实证分析。 而国内绿色信贷起步比较晚， 信息披露不全， 基于全国和区域层面的分析较多， 省域的分析较少。 同时， 考虑到各地区经济发展、资源要素禀赋及环境制度等方面存在差异， 地区金融发展水平不同， 对绿色信贷促进产业结构升级的作用效果也会产生影响。 鉴于此， 本文在上述研究的基础上， 试图从以下几个方面进行补充和拓展： ①基于绿色信贷对产业结构的作用机理， 将省际金融发展差异因素纳入绿色信贷促进产业结构升级的内在机制， 弥补已有相关研究的不足; ②引入空间特征因素， 通过空间计量模型探究和拓展绿色信贷以中介渠道促进产业结构升级的空间机制， 并考察其对本地区产业结构优化调整的空间效应， 从而丰富相关领域研究并提供有价值的建议。

二、绿色信贷调整产业结构升级的作用机理

综合前人的研究成果， 区域金融发展影响绿色信贷促进产业结构升级的作用效果主要来源于以下四种机制：

1.资本形成机制。 绿色信贷作为金融绿色化的信贷手段， 促使银行采取差异化的信贷策略， 进行更具偏向性的产业资本配置。 一方面， 对高新技术、低碳型的绿色环保产业给予有力的信贷支持或优惠性利率， 通过降低筹资成本、拓宽融资渠道有效促进其升级发展和规模效应的形成; 另一方面， 限制污染环境、高碳排放量产业的贷款渠道， 实施高利率惩罚， 迫使企业进行技术创新和结构转型， 从而成为影响绿色资本形成、进而促进整体产业结构升级转型的重要工具。

2. 信号传递机制。 绿色信贷政策传递出政府要全力发展绿色经济的信号和绿色转型的政策安排。 因而银行等金融机构在选择投资项目时， 会倾向于环境信息披露质量较好的节能环保行业并予以优惠政策， 从而带动和吸引更多企业主动调整其内部投资结构将资金投向低碳节能的绿色项目。 而环境信息披露较少的“两高”企业则面临惩罚性利率的压力， 同时对其他同类企业产生警示作用。 在这种信息披露和传导机制的作用下， 金融机构能够有效降低与资金需求方间的信息不对称， 以低成本获得有价值的投资信息， 并据此调整投资计划， 进而有效配置各类资本， 推动产业结构调整。

3. 反馈与信用催生机制。 信用催生机制的实质是信用创造， 银行通过货币乘数效应， 创造出成倍的虚拟资金并将其投入实际的生产活动中， 推动产业资本的形成、流动， 进而挖掘潜在生产资源并提升其利用效率， 最终使得社会闲置资源充分利用并得以增值。 在这种机制下， 银行会将资金增值视为投向标准而非仅当下产生显著收益红利的行业， 从而选择具有广阔发展前景和強大扩散效益的新兴产业或节能环保型项目进行投资。 此时， 实行绿色信贷业务能推动金融资本从传统“两高”企业转移到低碳节能型项目企业， 为绿色产业提供贷款服务和融资渠道， 加快绿色产业的财富增值效应的同时， 正向促进产业财富收益对银行信贷的这种正反馈影响， 使得产业朝向获得更好正反馈机制的方向变动， 进而主动参与信用作用于产业结构升级转型过程。

4. 产业整合机制。 在绿色信贷政策的引导下， 银行将更多的资金投向绿色产业， 有力地支持其为获取长期竞争优势而进行跨越行业、地域的产业整合， 使得绿色产业能在更广阔的要素市场范围内实现生产要素的重新配置并形成规模经济效应。 在这种要素整合机制驱动下， 各种产业资本与生产资源打破了空间、行业因素的壁垒， 流向绿色产业本身， 推动绿色产业的资源配置效率提升和经济规模扩大， 促进各类要素资源产生空间集聚效应和协同效应， 共同加快绿色环保产业转型重组， 进而促进产业结构调整。

基于上述绿色信贷对产业结构的机理分析， 本文将区域金融发展差异因素纳入绿色信贷促进产业结构升级的内在机制， 通过空间计量模型探究和拓展绿色信贷以中介渠道促进产业结构升级的空间机制。

三、研究设计

（一）空间计量模型

绿色信贷发展在劳动力、资本及技术等市场的相互作用下会带来绿色资金跨产业、跨区域的流动和规模转移， 促进地区各类要素资源产生空间集聚和结构优化效应[9] ， 同时由于地理位置和经济发展的差异， 各地区绿色信贷的投放比例、发展重点及其对产业结构的升级转型具有空间异质性， 因此有必要通过空间计量分析区域间的空间依赖性， 进而考察绿色信贷与产业结构高级化的空间关联效应。

1. 空间权重矩阵的构建。 以往文献设置的空间权重矩阵多为简易的邻接权重， 仅考虑单一的地理区位因素， 与现实有一定出入， 实际上经济变量的空间关联性常受到经济发展和地理因素的双重影响， 本文参考有关学者的做法， 构建以下三种空间权重矩阵：

（1）为了客观、充分、全面地估计绿色信贷对产业结构优化调整的空间效应， 兼顾地理单元的互动邻接与经济联系， 参考有关文献[11] ， 基于绿色信贷政策互动的0-1邻接矩阵基本形式， 本文构建经济地理嵌套权重矩阵， 设定如下：

[Wegij=Wnij·Weij，i≠j      0 ，     i=j] （1）

其中：     为0-1邻接权重矩阵，    为用地区i与地区j间人均实际GDP历年均值差值的倒数计算的经济距离权重矩阵。

（2）为了考察基于空间权重矩阵替换对模型估计结果的稳健性影响， 以及考虑到绿色信贷对产业结构空间优化调整的经济属性， 参考有关文献[12] ， 本文构建经济距离权重矩阵如下：

其中： GRPi、GRPj分别为i地区和j地区2011 ～ 2017年实际人均GDP的均值， 同时以2011年为基期进行指数平减化处理。

（3）考虑到地理空间异质性特征， 距离越近， 各地区绿色信贷政策互动效应越显著， 作为中间机制变量， 对产业结构优化调整的关联效应影响也越大， 参考有关文献[12] ， 本文构建地理距离空间权重矩阵作比较分析， 公式如下：

其中：Dij是利用全国铁路里程表计算的两个省会城市间的距离。

2. 空间自相关性检验。 在运用空间计量模型前， 需检验因变量是否存在空间依赖性， 本文采用Moran's I指数及其散点图进行全局和区域的探索性空间分析。 其中， 全局Moran's I反映了研究区域内所有空间单元的集聚与关联程度， 而局部Moran's I则精确地分解了区域附近空间高值与低值聚集的位置， 公式如下：

全局Moran's I=[i=1nj=1nWijYi-YYj-YS2i=1nj=1nWij] （4）

式中：[S2=1ni=1nYi-Y]为样本方差， [Y=1ni=1nYi]， Yi为因变量， Wij为省份i与省份j间的空间权重矩阵。 [i=1nj=1nWij]为所有空间权重之和。 其中I>0表示空间集聚性与正相关性， I<0表示空间负相关， I=0则表明不相关。

局部Moran's I=[Yi-Yj=1nWijYj-YS2] （5）

式中：（Yi-Y）和（Yj-Y）经过了标准化处理， 其中I>0表示高—高集聚或低—低集聚， 位于第一、第三象限， I<0表示低—高集聚或高—低集聚， 位于第二、第四象限。

3. 空间计量模型构建。 本文采取兼顾变量间可能同时存在空间自相关性和溢出效应情况的更广义的空间面板SDM模型， 以检验金融发展影响绿色信贷促进产业结构升级这一传导机制， 参考有关文献[13] 的检验方法， 构建如下中介效应模型：

式中：AISit、GLit、FDit分别为i地区第t年的产业结构升级、绿色信贷和金融发展， Zit为地区控制变量， εit∈N（0，σ2I）为随机扰动项，    （i=1，2，3）为空间效应系数， Wij为不同类型的空间权重矩阵， μit表示空间固定效应， θit表示时间固定效应。

（二）变量选取与数据来源

1. 变量选取。

（1）产业结构升级（AIS）。 该指标反映了信息技术工业革命下的经济结构向服务化推进的演变趋势， 这种倾向性特征揭示了第二、三产业结构变化的一种层次性规律， 因此本文根据有关学者[8，14] 的做法， 选取第三与第二产业产值之比作为产业结构升级的代理变量。

（2）绿色信贷（GL）。 作为绿色金融发展最具代表性的业务组成， 其测度包括了两个正反指标， 由于金融机构绿色信贷余额数据记录的起步较晚且覆盖不全， 缺乏一致性和连续性， 不能客观、准确地反映对省域产业结构升级的作用关系， 因而参考有关文献[9] ， 用1减去六大高耗能工业产业与规模以上工业企业利息支出之比来表征对高耗能产业贷款的限制， 一定程度上反映地区绿色信贷的逆向控制水平。 部分缺失数据运用SPSS软件进行期望值最大化（EM）法和均值插补法处理。

（3）金融发展（FD）。 以往文献研究的金融发展指标包括金融结构、规模、效率及开放水平四个不同维度[6，8] ， 考虑到金融发展效率对其资金转换和配置能力的反映， 本文参考有关文献[7] 选取年末金融机构各项贷款与存款余额之比表征金融发展的融资效率， 为逆向指标。

（4）控制变量。 本文基于上述文献研究并结合地区发展实际状况， 从市场、政府及社会三个角度选取以下四个控制因素： ①对外贸易（FT）。 参考有关学者的研究[6，15] ， 选取外商投资企业进出口总额与地区GDP的比值来表示对外开放水平。 部分地区由于数据缺失采用均值法处理。 ②绿色投资（GI）。 用环境保护财政支出与财政预算支出总额之比[7，8] 表示政府的绿色投资水平。 ③物质资本（K）。 参考相关文献[16] ， 本文采用公式Kt=Kt-1（1-δ）+It计算。 其中， δ取9.6%， K为各省历年固定资产投资存量， I为其新增固定资产形成总额。 ④外商投资（FI）。 选取外商投资企业的投资总额与GDP的比值[10] 来反映外商投资对产业要素资源的优化配置程度。

2. 数据来源。 为验证政府对银行实施绿色信贷的政策干预的影响， 及绿色信贷对推动我国产业结构升级的作用机制， 本文选取自要求银行升级信贷结构并正式提供绿色信贷服务以来的起步阶段数据进行实证分析。 数据主要来源于2012 ～ 2018年的《中国统计年鉴》《中国工业统计年鉴》和各省份的《城市统计年鉴》。

四、实证过程与结果分析

1. 空间相关性检验。 在探究绿色信贷对产业结构升级的空间效应之前， 为避免外生偏误须进行空间关联性检验， 本文基于经济地理权重矩阵以全局Moran's I指数检验产业结构优化与绿色信贷的空间关联性， 如表1所示。

由表1可知， 我国31个省市2011 ～ 2017年的GL与AIS的MI指数均为正， 说明各省间的绿色信贷与产业结构优化存在长期稳健的空间依赖性， 且两者均在全局范围内具有显著的正向空间集聚效应。 由于全局Moran's I指数无法描述区域格局分布异质性及其具体特征， 为进一步分析AIS和GL的空间关联性差异， 需绘制其局部Moran's I指数散点图， 由于篇幅限制， 同样以经济地理嵌套权重矩阵为例并选取2011年和2017年为代表年份分别作图， 具体如图1和图2所示。

由图1可知， 各省市2011年和2017年中的绿色信贷位于第一、第三象限的占比为67.74%和61.29%， 说明大多数省份均位于呈全局空间正相关性的典型观测区， 且绿色信贷的空间均质性有所下降。 由图2可知， 2011年与2017年分布在第一、第三象限的省份数量和分布特征变化不大， 且具有明显的区域性集中趋势， 说明产业结构升级存在空间集聚效应和向低水平产业结构的中西部省份转移集聚的趋势， 为下文结合地理空间因素探究绿色信贷差异对产业结构升级的作用路径提供了支持。

2. 空间计量模型的选择。 基于上述绿色信贷与产业结构升级均存在空间自相关性的判断， 为进一步分析具体模型的适用性并作出选择， 需通过各种检验进行判断， 如表2所示。

由表2可知， 以经济地理嵌套权重矩阵为例， 模型（1）、（3）的LM error、R-LM error、LM lag及LR均通过显著性检验， 说明存在空间误差效应和被解释变量的空间滞后项， 模型（2）中LM error、LM lag、R-LM lag的检验结果均拒绝了简化为SEM和SLM的原假设， 因此本文选择更广义的SDM模型分析绿色信贷与金融发展对全国各省产业结构升级的时空格局影响。 通过Hausman检验， 模型（1） ～ （3）均无法拒绝随机效应的原假设， 其中模型（1）和模型（3）的时间和空间LR统计量均顯著， 故选择双向固定效应的SDM模型， 而模型（2）选择用时间固定效应下的SDM模型。 为了进一步识别和比较不同空间异质性特征下估计结果的差异， 本文参考有关文献[11] ， 用经济距离和地理距离两种不同的空间权重矩阵作对比研究， 检验结果均支持SDM模型， 检验过程不再赘述。

3. SDM模型估计结果分析。 从回归结果看， 模型（1） ～ （3）在不同权重矩阵下的拟合优度均较高， 具有较好的解释力度， 且估计结果表现出良好的一致性和稳定性， 说明模型的实证结果是稳健的。 其中拟合优度最高的是Weg， 说明绿色信贷对产业结构升级的空间调整受到经济发展和地理位置的双重影响， 具体结果如表3所示。

由表3可知， 绿色信贷的估计系数为正， 说明绿色信贷有利于产业结构升级， 这与有关文献[10] 的研究结论一致。 这是由于绿色信贷资金在政策指引下流向具有广阔发展前景和强大扩散效益的新兴产业或节能环保型产业，能够降低企业融资成本， 有力支持跨行业、地域的产业整合， 实现绿色产业的高效集聚和规模经济效应。 而传统产业迫于生存压力会提高技术、降低能耗、发展新型产业， 进而优化区域要素资源的结构和配置， 推动产业结构改造升级。 且相比传统金融发展， 绿色信贷有着更高效透明的信息传导和披露机制及政策性支持， 能够有效整合绿色项目的资本配置和分散其流动性风险， 为产业结构升级提供可持续动力。

在三种空间权重矩阵下， 为进一步验证绿色信贷对产业结构升级的空间影响机制， 根据有关文献[13，17] 检验流程， 模型（1） ～ （3）的检验结果发现绿色信贷对产业结构高级化存在部分中介效应， 在三种不同空间权重矩阵下的中介效应占总效应的比例分别为15.77%、10.3%及10.98%， 说明金融发展通过绿色信贷的中介机制对产业结构升级具有空间调整作用， 这证实了党晨鹭[18] 的研究结论， 且这种中介效应更易受到地区间经济关联度、经济发展水平、资本要素流动及融合效率的影响， 对产业结构优化调整的作用更明显。 金融发展的回归系数在三种权重矩阵下均为负， 这与有关学者[14] 的研究结论相似， 作用于产业结构调整的溢出效应为正， 反映了地方政府对金融机构信贷资源配给效率的干预。 在中央对绿色信贷政策的干预及邻近地区间地方政府的政策互动下， 传统“两高”产业迫于资金转移的流动性风险和惩罚性利率的警示压力不得不进行技术改造和转型升级， 进而促进周边地区产业结构的绿色转型。

从控制变量来看， 对外贸易对绿色信贷的估计系数在1%的水平上均为正， 表明其有利于国内绿色信贷发展。 对外贸易对邻近地区产业结构升级的作用为负， 这与有关学者[6，15] 的结论相同， 说明现有的本地加工贸易型企业多为劳动密集型， 不利于周边区域产业结构升级。 节能环保公共支出对绿色信贷的作用为负， 说明经济发达地区的地方政府在节能环保项目上的投资对本地产业结构调整的作用有限。 作用于产业结构升级的间接系数为正， 说明地方政府对节能环保项目投入的增加给周边地区产业结构的绿色转型形成示范效应， 随着节能环保项目产生的生态环境效益进而带动了周边地区的产业结构升级。 物质资本在三种空间权重矩阵下对产业结构升级的作用系数在1%的水平上均为负， 这与有关学者[6] 的研究结论一致， 于绿色信贷也有正向促进作用， 说明社会物质资本更多地参与了传统工业行业， 阻碍了对当地绿色科技的研发投入， 不利于本地产业结构升级。 对周边区域的影响为正， 说明作为经济增长动能， 物质资本提升能加强发达地区间的经济联系， 促进绿色信贷资源集聚及有效配置， 带动周边地区的产业结构升级。 外商投资对产业结构升级和绿色信贷的空间溢出效应均为正， 说明外商投资对周边地区产业结构优化和绿色信贷的促进作用较稳定。

4. 绿色信贷与产业结构升级的空间效应分解。 由于点估计回归结果存在一定偏误， 采用偏微分法分解空间效应， 并参考有关文献[13] 进一步验证绿色信贷对产业结构的中介作用机制， 结果如表4所示。

表4报告了模型（1） ～ （3）在经济地理嵌套权重矩阵下的中介效应检验步骤， 重点探究本地区绿色信贷对当地产业结构升级的影响， 因而以各变量直接影响系数为基准进行中介效应检验。 由表4可知， 各变量直接和间接效应的分解结果与前文点回归估计的相同， 金融发展的直接作用系数均显著且符合中介效应检验的判断标准， 同时绿色信贷作为中介机制的直接影响显著为正且符合预期， 进而说明绿色信贷在金融发展效率对当地产业结构优化的影响中起到了部分中介作用。

五、主要结论与政策建议

本文基于我国2011 ～ 2017年31个省份的面板数据构建SDM模型探究了绿色信贷对地区产业结构升级的影响路径和空间效应， 并以中介效应模型具体检验了绿色信贷以中介渠道促进产业结构升级的空间机制。 结果表明： 第一， 我国地区绿色信贷水平和产业结构优化水平均存在显著的空间自相关， 其中产业结构升级存在向低水平产业结构的中西部省份转移集聚的趋势。 第二， 绿色信贷可以通过各种机制对当地产业结构调整有显著的正向促进作用; 而金融发展通过绿色信贷的中介机制对产业结构优化具有空间调整作用， 且这种中介效应更易受到地区经济发达程度的影响。 第三， 其他控制变量对产业结构调整具有不同的作用机制。 其中： 对外贸易水平的提升促进本地绿色信贷发展的路径机制稳定; 节能环保公共支出对本地绿色信贷发展的抑制效应具有持续性， 但促进了周边地区的产业结构升级; 物质资本增加不利于本地产业结构转型， 但对邻近区域产业结构优化的正向促进作用明显; 外商投资水平对周边地区的产业结构优化调整和绿色信贷发展的促进作用机制稳健。 第四， 基于空间模型的中介效应检验结果发现， 绿色信贷在金融发展对当地产业结构优化的影响中存在部分中介作用。 但金融发展效率损失的抑制效应在一定程度上弱化了绿色信贷对本地产业结构升级的空间调整作用。

基于上述分析， 本文提出以下政策建议： 第一， 结合地区经济发展实际， 构建具有地域特色的绿色信贷推进模式， 深化地区间的经济金融合作。 第二， 降低信息技术扩散的地域性壁垒， 通过发挥绿色信贷的中介引导作用， 加大对当地绿色创新产业规模扩大的金融支持并根据地区间产业发展程度和资源要素禀赋的空间差异制定适宜的金融发展战略， 推动金融发展与地域产业结构升级的良性互动。 第三， 提高贸易开放水平， 合理配置节能环保公共支出并鼓勵社会物质资本参与绿色产业， 持续加大外资投入力度。 第四， 要注重长远利益。 既要大力支持和引导传统产业绿色转型， 又要积极推动金融体制改革， 使得金融回归自身功能， 完善金融机构与环保部门间的信息沟通机制并及时公开披露， 进而更好地为产业更高层次发展给予信贷支持。

【 主 要 参 考 文 献 】

[1] White M. A.. Environmental Finance：Value and Risk in an Age of Ecology[ J].Business Strategy and the Environment，1996（5）：198 ～ 206.

[2] Cowan E.. Topical Issues in Environmental Finance[R].EEPSEA Special and Technical Paper，1998：1 ～ 44.

[3] Hoti S.，McAleer M.，Pauwels L.. Measuring Risk in Environmental Finance[ J].Journal of Economic Surveys，2007（5）：970 ～ 998.

[4] Aintablian S.，Mcgraw P. A.，Roberts S.. Bank Monitoring and Environmental Risk[ J].Journal of Business Finance & Accounting，2007（1）：389 ～ 401.

[5] 孟维福，任碧云.包容性金融发展、产业结构优化升级与贫困减缓[ J].西南民族大学学报（人文社会科学版），2020（6）：98 ～ 106.

[6] 林炳华，赵鸿程.金融发展、创新活力与产业结构升级——基于系统 GMM 及门限效应的分析[ J].福建论坛·人文社会科学版，2019（10）：23 ～ 31.

[7] 王兰平，王昱，刘思钰，逯宇铎，杜小民.金融发展促进产业结构升级的非线性影响[ J].科学学研究，2020（2）：239 ～ 246.

[8] 龙海明，姜辉，蒋鑫.金融发展影响产业结构优化的空间效应研究[ J].湖南大学学报（社会科学版），2020（3）：43 ～ 47.

[9] 龙云安，陈国庆.“美丽中国”背景下我国绿色金融发展与产业结构优化[ J].企业经济，2018（4）：12 ～ 17.

[10] 李毓，胡海亚，李浩.绿色信贷对中国产业结构升级影响的实证分析——基于中国省级面板数据[ J].经济问题，2020（1）：38 ～ 42.

[11] 关海玲，武祯妮.地方环境规制与绿色全要素生产率提升——是技术进步还是技术效率变动？[ J].经济问题，2020（2）：119 ～ 127.

[12] 孙叶飞，周敏.中国城镇化、产业结构高级化对CO2排放的影响——基于独立效应和联动效应双重视角[ J].资源科学，2016（10）：1847 ～ 1857.

[13] 沙依甫加玛丽·肉孜，邓峰.资本市场扭曲与绿色经济效率——基于空間杜宾模型的实证分析[ J].南京审计大学学报，2020（1）：94 ～ 101.

[14] 王仁祥，吴光俊.金融深化、劳力资本扭曲与产业结构升级优化[ J].金融理论与实践，2019（9）：2 ～ 7.

[15] 张林.中国双向 FDI、金融发展与产业结构优化[ J].世界经济研究，2016（10）：114 ～ 118.

[16] 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）：71 ～ 84.

[17] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[ J].心理科学进展，2014（5）：732 ～ 739.

[18] 党晨鹭.区域绿色金融发展与产业结构的关系——基于我国省级面板的实证分析[ J].商业经济研究，2019（15）：143 ～ 145.