邓淇中,陈青青,刘 婕

(1.湖南科技大学商学院,中国 湘潭 411201;2.暨南大学经济学院,中国 广州 510632)

2021年3月15日,习近平总书记主持召开中央财经委员会第九次会议,提出“要把碳达峰、碳中和纳入生态文明建设整体布局”,这不仅彰显了我国政府对减污降碳工作的高度重视,还对我国环境治理成效提出了更高要求。湖南省作为东部沿海地区和中西部地区过渡带、长江开放经济带和沿海开放经济带接合部,自改革开放以来,经济增长势头强劲,但随之而来的环境问题却日益凸显,省内环境治理面临着较大的困难与挑战。2022年6月1日,中国银保监会印发《银行业保险业绿色金融指引》,要求银行保险机构应从战略高度推进绿色金融,须将环境、社会、治理要求纳入管理流程和全面风险管理体系。在“双碳”目标和新发展理念的引领下,绿色金融将成为逆周期调节的重要着力点,有助于支撑产业创新、推进结构调整和拉动经济增长。在此背景下,深入探讨绿色金融如何成为环境治理效率提升的新动能这一问题,对于转变湖南省经济发展方式,助力长江经济带绿色发展倡议的实施,赋能“双碳”目标的实现具有重要现实意义。

当前,对绿色金融的研究主要聚焦于经济效应与环境效应两个方面。在经济效应方面,学者们主要从宏观视角研究绿色金融对经济增长和产业结构升级的影响[1],也有部分学者从微观视角探索绿色金融对企业投融资行为和企业技术创新的影响[2]。在环境效应方面,诸多学者从理论和实证层面研究绿色金融对生态环境的作用机制,刘锡良等[3]通过基本事实、理论模型和实证检验提出未来中国金融机构应大力发展绿色金融,合理承担环境责任;朱敏等[4]基于空间杜宾模型实证研究绿色金融对生态效率的非线性影响及空间溢出效应,认为绿色金融发展在一定限度内可优化资源配置,促进生态和资源保护。而有关环境治理效率的现有文献大多围绕其测度评价与影响因素展开分析。目前,环境治理效率的主流测算方法有两种:第一,使用Data Envelopment Analysis(DEA)模型和方向性距离函数测度静态环境治理效率[5,6]。考虑到传统DEA方法存在投入冗余和产出不足的问题,Tone[7]在目标函数中引入松弛变量,将DEA模型拓展为非径向、非角度的超效率Slacks-Based Measure(SBM)模型。第二,采用Malmquist指数或Malmquist-Luenberger(ML)指数方法测度动态环境治理效率,并探析效率值变化的原因[8,9]。此外,学者们普遍认为人口规模、财政分权、工业化水平及经济发展水平等是影响环境治理效率的重要因素[10,11]。

综上所述,多数研究通过构建单一评价指标体系考察环境治理过程中的经济或环境效益,却鲜有文献在建立指标体系时纳入高质量发展水平作为期望产出指标、减污降碳协同治理水平作为非期望产出指标。此外,学者们分别对绿色金融与环境治理效率做了较为充分的研究,但缺乏绿色金融发展对环境治理效率内在作用机制的深入分析。鉴于此,本文综合环境治理效率的内涵与特征,重构一套较为科学且完整的环境治理效率评价指标体系,通过超效率Epsilon-Based Measure(EBM)模型与Global Malmquist-Luenberger(GML)生产率指数测度2009—2019年湖南省13个城市的环境治理效率,期望能精准揭示其演变规律;进一步采用中介效应模型和调节效应模型识别绿色金融对环境治理效率的影响机制,以期为提升湖南省环境治理效率,促进其经济社会发展全面绿色转型提供实证支持与策略参考。

1 理论分析与研究假设

绿色金融是治理生态环境的有效手段,在环境治理与修复过程中发挥引擎作用。从运行逻辑来看,绿色金融通过合理配置金融资源、改善竞争性均衡下的市场失灵,促使经济增长的路径向理论最优路径靠拢[12,13];同时,绿色金融还通过倡导绿色消费理念、建立环保责任披露制度,倒逼高耗能、高污染企业升级改造,继而实现绿色产业整合;此外,绿色金融改革创新试验区是纵深推进我国绿色金融改革的重要举措,其在政策创新上先行先试,有助于破除与经济发展不兼容的政策壁垒,促进资源要素的自由流动,缩小区域发展差距[14]。因此,本文拟从经济规模、城乡区域差距和产业结构3个方面探究绿色金融对环境治理效率的作用机制。

第一,绿色金融通过扩大经济规模来提升环境治理效率。一方面,绿色金融是绿色经济发展的先行抓手,处于经济社会高质量发展的核心地位。适量的绿色投资不仅有利于环境质量的改善,还能助力形成绿色生产力,增加市场主体活力。并且绿色金融体系能通过杠杆效应撬动更多的社会闲置资金涌入绿色低碳产业领域,经济规模随着绿色资本的增加而持续扩大。另一方面,经济规模的扩大能提升环境治理效率。资本规模是广义经济规模的主要组成部分[15],生态环境治理资金需求巨大,资本的增加可以为节能减排等项目的开展提供资金支持。在环境治理模式方面,社会资本通过规范、信任以及关系网络机制的相互作用实现资源整合,形成市场、政府、社会等多元主体治理模式,以促进社会参与和社会合作,进而提高地区环境治理效率[16]。

第二,绿色金融通过缩小城乡区域差距来提升环境治理效率。一方面,绿色金融助力地方经济建设,支持战略性新兴产业发展,有利于加快城镇地区知识溢出、消除城乡技术扩散障碍、激发乡村地区创新热情,从而缩小城乡区域差距[17]。另一方面,城乡区域差距的缩小能推进区域协调发展,而区域协调发展“要素有序自由流动”和“主体功能约束有效”特性均能显著提升环境治理效率[18]。首先,人才、资金等要素的自由流动是发挥城镇地区创新辐射带动作用的力量源泉,亦是助推绿色产业发展与繁荣的核心驱动力。其次,按照主体功能定位划分政策单元,针对不同地区资源环境承载能力、开发强度和发展潜力,差别化管理国土空间和分类精准管控生态环境分区,有助于加快构建绿色生态体系和绿色生产体系,提升环境治理效率。

第三,绿色金融通过促进产业结构绿色升级来提升环境治理效率。一方面,在绿色金融政策的作用下,绿色环保产业相较于“两高一剩”产业资金获取途径更多、审批流程更快、持有成本更低。传统高耗能产业为了缓解融资约束必须不断从产业链整体进行技术创新,从以劳动和资源为主的粗放型、掠夺式生产经营方式向以技术和数据等为主的集约型、持续式生产经营方式转变。另一方面,实现产业结构绿色升级的企业具有较强的生存力和竞争力,能够依托当地自然资源禀赋优势与产业发展比较优势,培育出可持续发展的特色产业以实现经济效益与生态效益的统一[19]。因此,可以认为产业结构绿色化能有效提升环境治理效率。

基于上述分析,本文提出以下假设:

假设1:在引导资金流动、发挥融资支持作用的过程中,绿色金融可以产生较好的经济、社会与环境效益,能够显著提升湖南省环境治理效率。

假设2:绿色金融通过促进经济规模扩张、缩小城乡区域差距和推进产业结构绿色升级3种途径提升湖南省环境治理效率。

2 研究设计

2.1 研究区域与数据来源

湖南省位于长江经济带中游城市群,是承接东西、连通江海的桥梁地带。湖南省共下辖13个地级市、1个自治州,可划分为长株潭城市群、洞庭湖生态经济区、大湘西武陵山片区和大湘南示范区四大区域经济板块。其中,长株潭城市群包含长沙、株洲、湘潭等3个城市,洞庭湖生态经济区包含岳阳、益阳、常德等3个城市,大湘西武陵山片区包含邵阳、张家界、娄底、怀化等4个城市和湘西土家族苗族自治州,大湘南示范区包含衡阳、郴州、永州等3个城市。考虑数据的可获取性,由于湘西土家族苗族自治州的数据缺失严重,故本文未将其纳入研究样本,最终选取湖南省13个城市作为研究对象。本研究的时间跨度为2009—2019年,数据主要来源于《中国城市统计年鉴》《中国保险年鉴》、各地级市《国民经济和社会发展统计公报》及各地级市政府工作汇报。其他个别缺失数据采用算术平均法或几何平均增长率方法补齐。

2.2 研究方法

2.2.1 超效率EBM模型 本文借鉴超效率EBM模型测度湖南省环境治理效率,此模型是一种包含径向与非径向SBM两类距离函数的基于实体的模型。该模型不仅能反映目标值和实际值之间的比例关系,而且可以处理投入与产出要素之间的径向与非径向的松弛变动,增强了决策单元的相对可比性[20]。同时,使得效率值不再局限于[0,1],解决了传统DEA模型前沿面上城市效率均为1而不可深入分析的问题[21]。模型公式如下:

2.2.2 GML生产率指数模型 GML生产率指数可将含非期望产出的方向距离函数与全局生产可能集相结合,既能有效避免ML生产率指数线性规划的无解性及传递性不足等问题,还可将其分解为技术效率指数与技术进步指数,用于厘清影响湖南省环境治理效率的内在驱动因素。GML指数公式及分解形式如下:

2.3 计量模型构建

基于前文提出的假说,本文采用湖南省13个城市2009—2019年的面板数据构建以下模型探究绿色金融对于湖南省环境治理效率的影响。

式中:下标i和t分别表示城市、年份;变量EEC表示湖南省环境治理效率;变量GF表示绿色金融发展水平;变量ES代表经济规模;变量RD代表城乡区域差距;变量IS代表产业结构;X′为控制变量组,β0为截距项;Φ为控制变量组的系数向量;μi是个体固定效应;εi,t是随机扰动项。

2.4 变量说明

2.4.1 被解释变量 本文的被解释变量为环境治理效率(EEC),运用超效率EBM模型计算出的GML指数来表示。结合已有相关研究[22,23],本文以资本(1)① 利用“永续盘存法”对物质资本存量进行衡量,其公式为:Ki,t=Ii,t/Pi,t+(1-δi,t)Ki,t-1。其中,Ki,t为i地区第t年的资本存量,Ii,t为i地区第t年固定资本存量,Pi,t为i地区第t年的固定资产价格指数,δi,t为i地区第t年的固定资产折旧率(采用全社会固定资产折旧率9.6%)。①、劳动力、资源和科技作为投入要素,将高质量发展指数和减污降碳协同治理水平作为湖南省环境治理效率的期望产出指标与非期望产出指标,借此准确、全面地测度环境治理效率指数。湖南省环境治理效率具体评价指标见表1:

表1 湖南省环境治理效率评价指标体系

2.4.2 核心解释变量 本文的核心解释变量为绿色金融(GF),运用定基极差熵权法计算得到各指标权重,进而得到综合指数,采用综合指数来衡量湖南省绿色金融发展水平。参考朱敏等[4]的研究成果,本文从绿色投资、绿色信贷、绿色保险、绿色证券和碳金融5个层面构建湖南省绿色金融发展水平指标体系,各指标构成见表2:

表2 湖南省绿色金融发展水平评价指标体系

2.4.3 中介变量 根据理论分析,本文选取经济规模(ES)、产业结构(IS)和城乡区域差距(RD)作为中介变量。本文借鉴潘婉彬等[24]的研究成果,经济规模使用人均GDP水平进行表征;产业结构即产业结构化转型程度,使用第三产业产值比重进行表征;借鉴张超等[25]的研究成果,城乡区域差距使用泰尔指数进行表征,其值越大,则意味着相对差异越大。

2.4.4 控制变量 借鉴相关文献[26,27]及数据的可获取性,选取对外开放水平(FDI)、科技研发水平(TEC)、政府参与程度(GP)、人口密度(PD)、城市碳汇水平(CER)作为控制变量。本文采用外商直接投资额与实际地区生产总值之比来衡量对外开放水平;采用财政科技支出来衡量科技研发水平;采用农林水务财政支出占比来衡量政府参与程度;采用各地区单位面积人口数来衡量人口密度;采用人均绿地面积来衡量城市碳汇水平。

3 实证结果分析

3.1 湖南省环境治理效率的测算结果

3.1.1 湖南省环境治理效率时序演进特征 本文使用MaxDea pro 6.9软件对湖南省13个城市样本数据进行GML指数及其分解测算,结果如表3所示。从整体来看,湖南省2009—2019年间环境治理效率呈波动上升态势,在2016年前湖南省环境治理效率指数波动较大,而后逐步趋向平稳,且在2016—2017年及2017—2018年两个时间段大于1,表明这两个时期全省资本、资源、科技、劳动力等投入因素在区域环境治理方面得到较为高效的利用。从四大区域经济板块划分来看,其环境治理效率指数围绕1上下波动,且各板块之间的环境治理效率指数的变动趋势存在一定时序差异。其中,长株潭城市群环境治理效率指数均值为四大区域经济板块中的最低值0.933,这主要归结于工业是拉动该区域经济发展的主引擎,工业生产过程中所形成的废气、废水和固体排放物未能得到及时的处理,造成环境污染水平大于环境治理力度。在研究期间,大湘南示范区和大湘西武陵山片区环境治理效率指数值大于1的年份较多,主要得益于这两个区域位于生态资源丰富的地段,通过合理配置生态资源,环境治理效率更易于得到提升。洞庭湖生态经济区环境治理效率指数在“十三五”期间波动较大,2018—2019年出现最低效率值0.691,究其原因主要为近年来受区域开发建设的影响,洞庭湖生态经济区湖泊面积不断减小,流域内生态环境不断恶化导致环境治理效率急剧下降。

表3 湖南省及四大区域经济板块环境治理效率指数

3.1.2 湖南省环境治理效率空间分布特征 进一步将湖南省13个城市环境治理效率指数进行分解得到技术效率指数与技术进步指数,以对其环境治理效率的内在驱动因素进行分析。参照孙才志等[28]的研究成果,运用Arcgis10.5中的自然断点法,将研究时期内环境治理效率指数、技术效率指数和技术进步指数的均值划分为4类,即低级、中低级、中高级和高级(图1)。由图1可知,湖南省仅有4个城市的环境治理效率处于高水平阶段,分别为怀化市、邵阳市、永州市和郴州市。其中,怀化市、邵阳市和永州市环境治理效率的提升有赖于技术效率与技术进步的共同正向促进作用,郴州市主要依靠技术进步提升环境治理效率。值得关注的是,张家界市虽然技术效率处于高级阶段,但是由于技术创新力度不够,导致其环境治理效率未达到最优化程度。而益阳市与之相反,表现为技术进步对环境治理效率的正向响应无法负担技术效率的不足,导致后者阻碍了环境治理效率的提升。此外,长沙市等其他城市环境治理效率水平不高,主要归因于这些城市交通运输及工矿业发达,在经济发展过程中污染不断累积,表现为技术效率与技术进步不足以抵消环境污染的副作用。从整体来看,环境治理效率较低的城市主要集中于长株潭城市群和洞庭湖生态经济区,大气、水质等生态破坏、污染排放和高耗能产业已成为湖南省环境治理效率提升的重要掣肘。

图1 2009—2019年湖南省环境治理效率指数、技术效率指数和技术进步指数的均值空间分布图

3.2 绿色金融对湖南省环境治理效率的影响效应分析

湖南省环境治理效率的影响因素模型计量结果如表4所示。结果表明,绿色金融与湖南省环境治理效率存在直接显著正相关关系。在不引入中介变量时,绿色金融系数为0.120,在5%的水平下统计检验显著。而引入中介变量后,绿色金融的系数没有明显变化且统计检验显著水平提升至1%,充分说明绿色金融能提升湖南省环境治理效率,即假说1成立。在中介变量方面,经济规模扩张和产业结构升级可以显著提升环境治理效率,而城乡区域差距的扩大将会降低湖南省环境治理效率。在控制变量方面,政府参与程度、城市碳汇水平对环境治理存在正向溢出效应,人口密度的增加会阻碍环境治理效率提升,对外开放水平和科技研发水平系数为正,但均不显著,表明其对环境产生的正向溢出效应尚不明显。

表4 湖南省环境治理效率的影响因素模型计量结果

3.3 绿色金融对湖南省环境治理效率的影响机制检验

3.3.1 中介效应验证 影响因素模型回归结果已经证实绿色金融发展对湖南省环境治理效率的提升有积极作用,那么绿色金融又是通过何种途径影响湖南省环境治理效率?正如前文理论分析所述,绿色金融通过经济规模扩张、产业结构绿色升级和缩小城乡区域差距三种途径提升湖南省环境治理效率。因此,本文构建以下模型对上述三种影响机制进行验证。

基于逐步回归法的原理,绿色金融对环境治理效率的总效应为β1+β2γ1+β3σ1+β4λ1。具体来说,当β2γ1≠0时,绿色金融可通过经济规模影响环境治理效率;当β3σ1≠0时,绿色金融可通过城乡区域差距影响环境治理效率;当β4λ1≠0时,绿色金融可通过产业结构影响环境治理效率。

表5为绿色金融对湖南省环境治理效率的中介效应回归结果。结果表明:(1)绿色金融对经济规模有显著的积极影响。绿色金融能够降低环境友好型企业的生产成本,通过扩大融资渠道等方式增加企业资本累积,促进企业生产规模增大,从而实现全社会经济规模的增加。同时,绿色发展政策及国家财政补贴助力绿色金融产品的深度推广,通过产品和服务创新满足消费者多元化需求、扩大居民消费,以实现经济效应的持续提升。(2)绿色金融对城乡区域差距的缩小有显著的积极影响。在发展绿色金融的道路上,低碳经济与资源可再生循环利用是推动绿色发展的重要因素,能够缩小城乡区域发展差距,对湖南省经济社会高质量发展产生循环正向刺激效应。(3)绿色金融对产业结构有显著的积极影响。产业结构绿色升级表现为传统高耗能及高污染产业向节能环保行业转变。绿色金融能够引导第三产业发展,传导市场完成绿色化转型的目标。由此可见,绿色金融通过经济规模扩张、产业结构绿色升级和城乡区域差距缩小3种途径提升湖南省环境治理效率,即假说2得以验证。

表5 中介效应回归结果

3.3.2 调节效应检验 绿色金融对湖南省环境治理效率的影响已在前文得到了实证支持,但经济规模、城乡区域差距和产业结构可能在绿色金融对环境治理效率的影响中起到一定的调节作用,从而使得调节效应对中介效应结果产生影响。因此,本文在数据中心化处理的基础上,引入绿色金融与经济规模、城乡区域差距、产业结构的交互项进行调节效应检验,具体公式如下:

其中,如果φ1>0,表示绿色金融对环境治理效率的边际影响随着经济规模作用的增强而上升;如果φ1=0,则表示绿色金融对环境治理效率的边际影响不会随着经济规模作用而产生变化;如果φ1<0,则表示绿色金融对环境治理效率的边际影响随着经济规模作用的增强而下降。式中φ2及φ3同理。

表6为绿色金融对湖南省环境治理效率的调节效应回归结果。如表6所示,绿色金融与经济规模、城乡区域差距及产业结构交互项的估计变量系数分别为0.034,0.199及-0.084,但在统计上都不显著,说明经济规模、城乡区域差距、产业结构均无法正向或负向调节绿色金融对湖南省环境治理效率的促进作用,即绿色金融对湖南省环境治理效率产生正向影响时,经济规模、城乡区域差距和产业结构位于不同的水平,影响幅度保持一致。

表6 调节效应回归结果

4 结论

本文根据2009—2019年湖南省13个城市面板数据,运用超效率EBM-GML模型测算环境治理效率,探究“双碳”目标下绿色金融对湖南省环境治理效率的作用机制,得出如下主要结论:

(1)从时序演变来看,湖南省整体环境治理效率呈上升态势,达到较为高效的状态。四大区域经济板块的环境治理效率与湖南省整体效率发展趋势基本趋同,但其内部存在一定差异。从空间分布来看,怀化市、邵阳市和永州市的环境治理效率表现为技术效率与技术进步的共同作用积极推动环境治理效率的上升,其余各城市由于技术效率较低或者技术进步不足,导致其环境治理效率均未实现最优化。

(2)绿色金融能够催生资金融通中的环境效益、经济效益与社会效益,对湖南省环境治理效率具有显著的正向作用。中介效应模型计量结果显示,绿色金融通过经济规模扩张、城乡区域差距缩小和产业结构绿色升级3种途径提升湖南省环境治理效率。调节效应模型回归结果进一步表明,经济规模、城乡区域差距及产业结构在绿色金融对环境治理效率的影响中起到中介作用,而不是调节作用。

5 建议

为促进湖南省环境治理效率提升,本文提出以下建议:

(1)以生态目标为约束,大力发展绿色金融

湖南省应加快完善绿色金融顶层设计,丰富绿色金融产品与服务的供给,如:鼓励本地银行建立绿色服务专营机构、支持绿色企业将绿色债券作为常态化融资方式等。在此基础上,构建绿色金融风险防范机制,统一环境信息披露标准以推动湖南省绿色金融健康发展。

(2)以“双碳”目标为导向,促进经济规模扩张

对于经济较发达的长株潭城市群、洞庭湖生态经济区,应充分发挥绿色金融的普惠金融功能,以有限的财政资金引导更多的民间资本涌入低碳产业。而对于经济欠发达的大湘南示范区、大湘西武陵山片区,则应扩展资本投融资渠道,提高金融机构创新绿色金融工具的积极性。

(3)以环境友好为核心,弥合城乡区域差距

湖南省应打破各城市间的行政壁垒,不断完善跨城市合作框架,充分发挥长株潭城市群创新辐射带动作用,实现省内绿色人才、绿色发展要素的自由流动。同时,协同推进大湘南示范区、大湘西武陵山片区的生态保护与修复,鼓励创建污染防治地区联动机制。

(4)以科技创新为动力,推进产业结构升级

对于环境治理效率较低的长株潭城市群、洞庭湖生态经济区须转变高投入、高产出的发展方式,推动绿色科技成果向现实生产力转化。而大湘南示范区、大湘西武陵山片区则应依托其自然资源禀赋优势,大力发展绿色生态产业,将生态优势转化为发展优势,构建城市资源循环利用产业链。

探究绿色金融对湖南省环境治理效率的影响效应及作用机制,能够为湖南省产业、空间等相关规划和绿色发展政策的制定提供依据与参考,但受制于选取指标和数据的可获得性,本文并未深入探究经济规模、产业结构和城乡区域差距影响湖南省环境治理效率的具体路径,这将是今后进一步的研究方向。