邓金堂 鲁俐

摘 要：绿色金融逐渐成为绿色发展的新引擎，在碳达峰、碳中和背景下，绿色金融发展在城市减污降碳方面发挥着重要作用。本文基于2011—2020年我国城市面板数据，以经国务院同意中国人民银行等六部委印发《建设绿色金融改革创新试验区总体方案》为事件时间点，运用倾向性匹配—双重差分法（PSM-DID）实证分析绿色金融改革创新试验区政策的减污降碳效应。结果发现，与非试点城市相比，绿色金融改革试验区政策产生了显著的减污降碳效应，城市绿色技术创新能力中介效应明显；异质性分析表明，绿色金融改革试验区政策的减污降碳效应在东部、中部、西部城市之间存在一定的差异。

关键词：绿色金融政策；PSM-DID；试点城市；减污降碳效应；中介效应

本文索引：邓金堂，鲁俐.<变量 2>[J].中国商论，2023（07）：-028.

中图分类号：F832.0 文献标识码：A 文章编号：2096-0298（2023）04（a）--05

2016年，绿色金融改革创新试验区政策已经在6省9地展开，近年来，绿色金融改革创新试验区政策在强化金融支持绿色低碳发展、构建我国绿色金融体系五大支柱方面取得了显著进展，比如绿色金融标准体系、绿色金融激励、绿色金融市场等。因此，绿色金融改革创新试验区政策在实质上是构建绿色金融体系的政策。生态环境部发布的《2021中国生态环境状况公告》表明，2021年全国主要污染物排放量和碳排放强度同2020年比有显著下降，339个地级及以上城市PM2.5等六项指标年均浓度同比首次全部下降，实现了“十四五”的良好开局。考虑到各类绿色金融改革创新试验区的政策目标包括减污和降低二氧化碳排放，这就为检验绿色金融改革创新试验区的减污降碳效应提供了可能。在绿色金融改革创新试验区扩容背景下，从实证角度研究绿色金融改革创新试验区政策的减污降碳效应问题有两方面的意义：一方面，促进现有试验区进一步完善改革方案；另一方面，为新的试验区政策制定提供借鉴。

已有文献从理论和实证层面研究此项政策的效果。从理论层面来看，绿色金融改革创新试验区政策试验推出了一系列可复制、可推广的经验，这些成功经验的推广促进了绿色金融体系的构建和绿色低碳发展。从实证层面来看，绿色金融改革创新试验区政策效果评估、绿色金融改革创新试验区政策对绿色发展和绿色创新的作用机制与政策效应做了初步研究。但是，减污降碳效应的测度设计是单项的，比如有的文献用省级面板数据研究了绿色金融改革创新试验区政策的环境污染改善效应，还有文献研究了绿色金融改革创新试验区政策的碳减排效应，因而当下的政策减污降碳效应研究还是零散的、不系统的，难以全方位、多层次测度绿色金融改革创新试验区政策的减污降碳效应。具体来讲，綠色金融改革创新试验区政策的减污降碳效应研究存在以下问题：第一，如何全面测度绿色金融改革创新试验区政策的减污降碳效应？从碳减排角度、环境污染角度研究绿色金融改革创新试验区政策的减污降碳效应测度仍局限于某个指标，缺乏对绿色金融改革创新试验区政策减污降碳效应全方位、多角度的测度；第二，绿色金融改革创新试验区政策减污降碳效应的传导机理研究还有很大空间，比如政策扩散；第三，绿色金融改革创新试验区政策的异质减污降碳效应研究关注不足。绿色金融改革创新试验区政策在全国六个省九个试验区实施，各试验区经济发展水平差异较大、技术创新能力强弱明显、产业结构升级特点突出、环境资源禀赋显著不同，这些试验区事实特征对绿色金融改革创新试验区政策的减污降碳效应影响大小有别、深度有异，现有的个别文献对此缺乏关注。因此，本文基于2011—2020年地级市面板数据，以2017年国务院颁布的《建设绿色金融改革创新试验区总体方案》为事件时间点，运用倾向性匹配—双重差分法（PSM-DID）实证分析绿色金融改革创新试验区政策的减污降碳效应。

1 研究设计与数据来源

1.1 样本选择与数据说明

2017年，中国人民银行、国家发展改革委等六部委印发五省（区）《建设绿色金融改革创新试验区总体方案》，决定浙江的湖州市、衢州市，江西的赣江新区，广东的广州市，贵州的贵安新区，新疆的哈密市、昌吉州和克拉玛依市作为首批试验区。兰州新区绿色金融改革创新试验区于2019年11月28日正式获批，获批时间较晚，还因为新疆哈密市、昌吉州数据不够完整，本文予以剔除，将五省中湖州市、衢州市、南昌市、九江市、广州市、贵阳市、安顺市及克拉玛依市8个城市作为本次研究的实验组。由于省外城市干扰因素过多，本文以试验区所在五省中其余的41个非试点城市作为对照组。本文以共计49个城市为初始样本，选择2011—2020年为样本区间。2016年绿色金融改革创新试验区试点起动，2017年1月前后试点地区相继公布试点方案并获批准，政策的减污降碳效应开始显现，以2017年数据代表试点政策实施数据是合理的。样本城市数据来源分别是碳排放量测度相关数据来自《中国城市统计年鉴》，绿色专利数据来源于国家知识产权局，其余数据来源于《中国城市统计年鉴》。

目前，减污降碳效应数据有单项指标和多项指标处理方法。比如，张世晓（2012）用“二氧化氮含量”升降测度环境质量，袁详飞设计的减污降碳效应测度指标体系包含排污量、能耗量、资源循环利用、气候变化、生物多样性和供应链管理变化。从绿色金融改革试验区试点政策目标和工具多样性视角来看，多维的指标体系更能测度此次试点政策的减污降碳效应。借鉴袁详飞的设计思路，本文从数据的代表性、综合性出发，选取排污量、碳排放量等主要指标测度试点政策的减污降碳效应。综合上述，本文基于2011—2020年49个城市的面板数据进行研究。

1.2 变量定义

各变量说明如表1所示。

1.3 模型构建

本文根据城市是否试点，定义实验组为实施绿色金融改革创新试验区的城市，即湖州市、衢州市、南昌市、九江市、广州市、贵阳市、安顺市及克拉玛依市，对照组为非试点城市。本文先通过PSM法找出匹配组，再运用匹配后的处理组与对照组进行 DID估计，从而测度绿色金融改革试验区政策对减污降碳的影响，具体方程如下：

Poco2ct=β0+β1financect+β2postct+β3financect*postct+ρXct+λi +ft+εct （1）

其中，Poco2ct为减污降碳效应；Xct为控制变量；financect为绿色金融改革创新试验区试点城市虚拟变量，八个试点城市取1，否则取0；postct为时间虚拟变量，八个试点城市2017年及之后取1，否则取0。交互项financect*postct为八个试点城市之后的虚拟变量，其系数β3能够测度绿色金融改革试验区政策对减污降碳的凈影响效应，若β3显著为正，表示试点政策的减污降碳效应显著；反之，若β3显著为负，则表示试点政策的减污降碳效应不显著；λc和ft分别为实验组和对照组的城市固定效应和年份固定效应；εct为残差项。

为了验证中介效应，本文在模型（1）的基础上构建模型（2）和模型（3）：

tecct=β4+β5financect*postct+β6xct+λc+ft+εct （2）

Poco2ct=β7+β8financect*postct+β9tecct+ρXct+λi+ft+εct （3）

其中，tec为中介变量，即城市绿色技术创新能力，是城市绿色低碳循环发展的第一推动力，绿色技术专利测度城市绿色技术创新能力，采用城市每年度绿色专利申请量占其当年人口总数的占比（tec）来表示，其余变量含义同上文。

2 基础回归

2.1 变量的描述性统计

由表2可以看出，政策实施前试点城市的减污降碳指数与环境污染指数都高于非试点省份，政策实施后试点城市的环境污染水平均有一定程度的降低，与非试点省份下降的程度相比，试点城市减污降碳指数的下降程度更大，说明该政策显著发挥了减污降碳效应。此外，由表2可以看出，试点省份与非试点省份的人均城市生产总值（lnavgdp）、城市科技投入占比（pi）、城市金融发展水平（fin）与城市绿色技术创新能力（tec）均有明显的提升，而城市教育水平（edu）与对外依存度（fdi）明显降低，但各变量的具体影响和各试点城市的实际政策效应还需进行深入检验分析。

2.2 双重差分检验

本文采用固定效应模型进行回归，结果如表3所示。在没有加入控制变量时，本文的核心解释变量finance*post的系数在1％的水平上显著为负；在逐一加入控制变量后，核心解释变量 finance*post的系数依然显著为负，进一步说明绿色金融改革创新试验区试点政策显著发挥了减污降碳效应。

从控制变量来看，对外依存度（fdi）的回归系数显著为负，说明引入外资会带来较为先进的生产技术和污染排放系统，有利于改善城市环境；城市科技投入占比（pi）的系数在1％的水平上显著为负，说明政府对科技投入的增加能够显著减少环境污染与碳排放；城市教育水平（edu）的回归系数显著为负，表明地区教育水平的提升有利于绿色金融政策的实施，提高社会的环保意识可间接提高区域环境质量。

2.3 稳健性检验

2.3.1 替换政策实施年份

本文将政策试点时间更改为2016年，即《关于构建绿色金融体系的指导意见》的颁布时间，并进行PSM-DID回归，结果如表4（1）所示。由表4可以看出，2016年finance*post的回归系数不显著，说明减污降碳效应是由绿色金融试点政策带来的，证明原模型的回归结果具有稳健性。

2.3.2 更换匹配方法

为了避免匹配方法选择造成的结果差异等问题，本文将之前的核匹配方法更换为半径匹配法进行检验，其结果如表4（2）所示。同样地，finance*post的回归系数在加入控制变量后仍显著为负，其余控制变量回归结果与表3基本保持一致，再次说明本文的检验结果具有稳健性。

3 进一步分析

3.1 机制分析

中介效应模型回归结果如表5所示，表5（1）显示，β3=-0.025，在1%的显著性水平下显著，表明绿色金融改革创新试验区具有显著的减污降碳效应。表5（2）显示，β5=1.053，在1%的显著性水平下显著，表明绿色金融改革创新试验区显著提高了城市绿色创新能力。表5（3）显示，系数β9与β8均显著，说明存在部分中介效应，即绿色金融改革创新试验区试点政策通过绿色技术创新路径达成减污降碳效应。

3.2 异质性分析

本文将研究样本划分为东部、中部与西部地区三大类，其中东部包括湖州、衢州、广州，中部包括南昌、九江，西部包括贵阳、安顺、克拉玛依，借助模型（1）探究试点政策对不同区域城市减污降碳效应的影响。由表6可知，试点政策的实施对东部、中部地区产生的减污降碳效应在1%的显著性水平上显著，对西部地区的减污降碳效应不显著，其原因可能是东中部城市的金融体系建设相对完善，企业获取融资的范围更广，绿色金融基础设施相对完备，金融机构间具有更强的竞争，再加上绿色金融改革创新试验区相关配套政策的实施，同时东中部地区具有更高的教育水平及更高的科技投入，使绿色金融发展得更快，从而显著减少了东中部地区的环境污染与碳排放。与东中部城市相比，西部城市在金融体系建设、绿色金融基础设施、城市教育水平及科技投入方面相对欠缺，绿色金融试点仍处于初期，地方政策的落实情况可能存在不足，政策体系可能存在一定的漏洞，区域内存在“洗绿”风险的概率更大，即企业声称将资金用于绿色技术创新，但实际上相关技术并不能产生新的环境效益，只是假借绿色技术的名义进行融资（马骏等，2020），这也可能导致东中部与西城市的绿色金融政策减污降碳效应产生差异。

4 结语

4.1 结论

绿色金融改革创新试验区政策的减污降碳效应研究不仅吸纳了现有绿色信贷政策的环境效应研究成果，还拓展了绿色金融体系政策的环境效应研究成果。具体来讲，首先，绿色金融政策体系的环境效应内涵和测度更加完整和全面。其次，实证结果表明：第一，绿色金融改革创新试验区试点政策显著发挥了减污降碳效应，其中对外依存度（fdi）、城市科技投入占比（pi）、城市教育水平（edu）均能对减污降碳效应产生显著的正向作用；第二，通过机制分析可以得出，绿色金融改革创新试验区政策能够显著提高城市绿色技术创新能力，从而实现城市的减污降碳，且此效应为部分中介效应；第三，绿色金融改革创新政策对东部、中部与西部城市产生了不同的减污降碳效应，给东中部城市带来的减污降碳效应更加显著。

4.2 政策建议

4.2.1 扩大试点城市，加快构建绿色金融体系

目前，在中国人民银行的指导下，各试点地区应及时总结实践经验，根据新的实践问题，完善绿色金融改革创新试验区的试点方案。制定绿色项目标准、界定绿色项目范围、突出绿色项目重点领域、发布绿色项目清单，建立健全绿色信贷融资、绿色债券融资和绿色保险的基础设施。绿色金融市场体系是绿色金融体系的基础设施。从试点地区实践来看，绿色金融市场体系建设滞缓，今后应着力推进试点地区的绿色金融市场体系建设和发展，完善试点城市选择标准，扩容试点城市，使其获得更多构建绿色金融体系的经验，多层次、全领域、全覆盖地构建绿色金融体系。观察第一批试点城市发现，试点城市选择考虑了城市行政等级、地理区位、产业特征，扩大试点城市除了考虑上述因素外，还应考虑绿色资源禀赋，突出八大“双高”产业。根据这些因素，更多面向非省会城市扩容试点城市。基于绿色金融体系设计绿色金融政策的环境效果评估体系。首先，进一步完善绿色信贷政策的环境效果评估。其次，重点发布绿色债券和绿色保险政策的环境效果评估。最后，立足绿色低碳循环目标，制定绿色金融政策的环境效果评估，引入第三方评估，推进绿色金融政策的环境评估市场发展。

4.2.2 大力支持綠色技术创新

绿色技术创新在提升绿色金融政策的减污降碳效应方面起着中介作用，城市的绿色技术创新能力越强、绿色技术创新水平越高，绿色金融政策的减污降碳效应越显著。健全、高效的绿色技术体系能够充分发挥绿色金融政策体系的综合减污降碳效应。当前，我国绝大多数城市还没有多层次的、健全的、有活力的绿色技术创新体系。一方面，构建城市多层次的、健全的、有活力的绿色技术创新体系对发挥绿色金融政策体系的减污降碳效应起着关键作用。另一方面，多层次的、健全的、高效率的绿色金融政策体系是支持绿色技术创新的基本保障。从金融角度来讲，绿色金融改革创新试验区政策应抓住绿色技术创新关键节点优化政策实施方案。具体来说，构建并完善商业银行绿色信贷体系，支持建立和健全城市绿色技术体系；加快绿色债券市场体系和绿色上市公司再融资发展，构建功能完备的绿色证券市场体系，支持城市绿色技术体系发展；以支持八大“双高”产业的绿色技术链、创新链为支点，设计优化绿色金融改革创新试验区实施方案。

4.2.3 建立健全绿色金融标准体系和监管体系

目前，绿色技术的界定、信息披露标准体系等标准尚未统一，很容易出现“洗绿”风险，绿色金融的环境效益很难显现，因此我国应完善绿色技术评估标准，健全信息披露标准体系，减少政府、金融机构与企业之间的信息不对称。同时，应加大地方政策的推广力度，提高对绿色金融政策实施状况、市场效果的关注度，加强部门之间的协同度，注重与地方实际充分结合，比如在区域合作、产品创新方面做出更多地探索，以促进经济绿色发展。绿色金融风险本质上是金融创新风险，监管部门需要总结党的十八大以来的绿色金融风险预警监管实践经验，借鉴欧盟、美国等发达国家的绿色金融风险预防控制经验，从绿色银行与保险监管到包括绿色债券、绿色基金等产品在内的绿色资本市场监管，有序、有效地推进绿色金融监管体系不断完善。以人工智能、区块链、云计算、大数据为基础的绿色金融信息披露是绿色金融监管的关键环节和核心环节。

参考文献

吴建新，郭智勇.基于连续性动态分布方法的中国碳排放收敛分析[J].统计研究，2016，33（1）：54-60.

颜文聪，吴伟军.关于纵深推进我国绿色金融改革创新的思考：基于首批国家级绿色金融改革创新试验区的分析[J].企业经济，2020（4）：147-154.

王修华，刘锦华，赵亚雄.绿色金融改革创新试验区的成效测度[J].数量经济技术经济研究，2021，38（10）：107-127.

邓向荣，冯学良，李宝伟.金融改革与地区产业结构升级：来自金融改革试验区设立的准自然实验[J].经济学家，2021（2）：71-80.

李戎，刘璐茜.绿色金融与企业绿色创新[J].武汉大学学报（哲学社会科学版），2021，74（6）：126-140.

Huang Haifeng，Zhang Jing. Research on the Environmental Effect of Green Finance Policy Based on the Analysis of Pilot Zones for Green Finance Reform and Innovations[J]. Sustainability，2021，13（7）.

王婷婷.绿色金融试验田政策对地区零碳目标影响研究[J].金融与经济，2021（12）：52-62.

张世晓.区域金融的环境效应实证研究[J].湖北经济学院学报，2012，10（3）：73-79.

马骏，安国俊，刘嘉龙.构建支持绿色技术创新的金融服务体系[J].金融理论与实践，2020（5）：1-8.