EN中文

自然资源学报 >

2021 , Vol. 36 >Issue 12: 3247 - 3260

DOI: https://doi.org/10.31497/zrzyxb.20211217

其他研究论文

中国城市绿色金融及其影响因素——以绿色债券为例

  • 朱向东 , 1 ,
  • 周心怡 1 ,
  • 朱晟君 , 2 ,
  • 黄海峰 1
展开
  • 1. 北京大学汇丰商学院,深圳 518055
  • 2. 北京大学城市与环境学院,北京 100871
朱晟君（1984- ）,男,安徽淮北人,博士,研究员,研究方向为经济地理、全球化与区域发展。E-mail:

朱向东（1990- ）,男,安徽阜南人,博士,研究方向为经济地理、环境经济与政策。E-mail:

收稿日期: 2020-07-06

  修回日期: 2021-01-12

  网络出版日期: 2022-02-28

基金资助

国家自然科学基金项目(42001116)

国家自然科学基金项目(41971154)

中国博士后科学基金项目(2020M680202)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

The development of Chinese urban green finance and its influencing factors: An empirical analysis based on green bond

  • ZHU Xiang-dong , 1 ,
  • ZHOU Xin-yi 1 ,
  • ZHU Sheng-jun , 2 ,
  • HUANG Hai-feng 1
Expand
  • 1. HSBC Business School, Peking University, Shenzhen 518055, Guangdong, China
  • 2. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China

Received date: 2020-07-06

  Revised date: 2021-01-12

  Online published: 2022-02-28

Copyright

Copyright reserved © 2021.
Fold

摘要

绿色金融是金融创新的重点,旨在调控资本供给,实现环境向好发展。以绿色债券为例,基于2016—2019年中国142个地级以上城市,使用面板数据模型和空间杜宾模型探讨政策激励、金融基础、环境污染对绿色金融的影响。结果显示：（1）中西部地区引入绿色金融的城市数目较多,东部地区是绿色金融规模增长的承载区域。（2）政策激励和金融基础显著提升绿色金融规模,而环境污染起到抑制作用。（3）不同区域的政策措施都能与金融基础协同,促成绿色金融发展。仅在东部地区,政策激励能够缓和环境污染的负面影响。研究表明,绿色金融的发展模式存在区域差异,东部地区是在政策激励和金融基础推动下的顺势转型,中西部地区则需应对环境污染造成的阻力。

关键词： 绿色金融; 绿色债券; 环境污染; 空间格局

本文引用格式

朱向东 , 周心怡 , 朱晟君 , 黄海峰 . 中国城市绿色金融及其影响因素——以绿色债券为例[J]. 自然资源学报, 2021 , 36(12) : 3247 -3260 . DOI: 10.31497/zrzyxb.20211217

Abstract

Green finance, which aims to regulate social capital flows, optimize the industrial structure, and realize green growth, has been a promising area of financial innovation. Since 2015, both the Chinese central and local governments have issued various policy incentives to benefit green finance. As a result, many cities in China have introduced and practiced green finance, which led to a boom. Previous research focuses on the concept and development of green finance, enterprises' and financial institutions' performance, but largely neglecting its regional disparity and influencing factors. This paper takes green bonds issued from 2016 to 2019 in 142 Chinese prefecture-level cities as a case. Based on the panel data model and spatial Durbin model, we explore the influence of policy incentives, financial development, and environmental pollution on the green bond issuance scale in different regions. Meanwhile, the interaction between variables has been explored to reveal the regional heterogeneity of green finance development. The results reveal that green bonds are mainly distributed in cities with a robust financial basement and a high administrative level. Although quite a few cities in the central and western regions started to issue green bonds after 2015, the growth of green bonds mainly took place in the eastern region. Policy incentives and financial development have significantly promoted the growth of green bonds, while environmental pollution has impeded the issuance. Policy incentives provide a low-risk context and stimulate the local financial sectors to innovate in green finance across China. However, the obstacle brought by environmental pollution can only be alleviated by the policy in the eastern region. Environmental pollution, generally caused by polluting industries, is a challenge for the central and western regions to develop green finance. With applicable policy incentives and robust financial industries, the eastern region can easily follow the green economic transformation trend and realize green finance innovation. For the central and western regions, the conflict between economic and environmental goals impeded the development of green finance. This paper suggests that more attention should be paid to regions with weak financial foundations and severe pollution. A regional cooperation platform should be established to improve the inclusion of green finance.

Key words： green finance; green bond; environmental pollution; spatial pattern

在第75届联合国大会期间,中国提出力争2060年前实现碳中和,深入推进绿色转型。然而中国绿色产业年均投资缺口在3万~4万亿元,政府财政仅能支撑其中的10%~15%[1]。通过绿色金融引入社会资本是中国实现环境目标的重要途径。在政策引导下,中国绿色金融迅速兴起,引起学术界广泛关注。从区域视角来看,已有研究聚焦于三方面。首先,绿色金融是环境治理在金融业的表现,具有显著的政策属性,激励、监管等政策受到关注[2];其次,新产业往往从已有产业衍生而来,区域金融基础、经济水平、产业结构等是研究重点[3];第三,绿色金融旨在应对环境问题,不少研究侧重对环境污染、能源消耗等的探讨[4]。前人成果是本文开展的基础,然而已有研究仍有欠缺。其一,多为规范分析,系统性的实证较少;其二,对区域异质性的考量不足。究竟哪些区域因素能够支撑绿色金融的兴起?不同地区绿色金融发展模式是否相同?
本文以绿色债券为例,对中国绿色金融空间格局的影响因素进行剖析。绿色债券是指募集资金用于环境友好型项目的债券,2015年12月,中国人民银行发布《在银行间债券市场发行绿色金融债券的公告》,标志着中国绿色债券市场的起步;同年,发改委印发《绿色债券发行指引》,规范了绿色企业债的支持范围。2016年沪深两市开始多种形式的试点,中国绿色债券蓬勃发展。Wind数据库显示2017年、2018年和2019年,中国大陆发行贴标绿色债券分别为2477亿元、2676亿元和2954亿元,三年平均占世界比例高达25%左右。当前绿色债券研究聚焦于企业绩效[5]、收益率[6]等,对发行主体包括企业、金融机构和地方政府等的空间特征研究有待展开。

1 研究方法与数据来源

1.1 理论分析

绿色金融的发展受到企业、金融机构、产业、区域等多维因素的影响,本文从区域视角出发,以政策激励、金融基础、环境污染三者和绿色金融的关系进行理论分析。
1.1.1 政策激励与绿色金融
由于环境产品的准公共物品属性,绿色金融由市场和政府两种力量共同推动[7]。中国绿色金融基础薄弱,投资者自发动力不足,政策激励起到关键作用[8]。首先,中国的发展阶段滞后于欧美发达国家,企业和公众自主的环保意识相对落后,需要政府建立完善的政策体系纠正市场失灵[9]。其次,在中国的行政体制下,地方官员有意愿推行中央政府的发展指令[10]。2015年以来中央政府陆续颁布的绿色金融政策文件激励了地方政府竞相探索发展模式,实施针对性政策推动地方绿色金融发展[11]。第三,绿色金融与区域产业结构能够互相促进、良性互动,地方政府具有引入绿色金融的内在动力[12]。
政策激励对中国绿色金融的影响有直接和间接之分。诸如推动商业银行建立绿色金融事业部、通过贷款贴息引导绿色信贷发展、鼓励银行和企业发行绿色债券等政策导向,能够刺激金融产品和服务创新,直接影响金融机构和投资者决策。而诸如建立排放权交易机制、开展绿色项目评级、设定绿色产业项目库、加强环保理念宣传等举措,能够降低绿色产业的投资成本,间接影响投资者和金融机构决策。在不同层级政府的激励下,一些区域的绿色金融发展初见成效。特别是广东、浙江、江西、贵州、新疆等绿色金融试验区,尽管在经济发展水平、金融行业本底、环境治理能力等方面存在显著差异,五个试验区绿色金融发展均呈现良好态势[13]。这表明即便区域要素条件各不相同,政策激励依然发挥作用。
1.1.2 金融基础与绿色金融
由于产业发展的路径依赖特征[14],既定金融产业格局必然影响新兴金融业态。绿色金融对投资项目有着严格的准入约束,仅有政府部门、金融机构和上市公司能够有效参与其中。绿色金融相对复杂的评审、监管流程需要专业化人才和平台的支持,这些资源无疑在金融业发达的区域更容易获取。从理论和各国实践来看,发达的金融基础能够培育具有环保意识的投资者和有责任的金融机构,为绿色金融产品和服务的创新营造条件。
然而金融业发达并不意味着其绿色化转型意愿强,环境治理的负外部性导致微观主体缺乏践行环保理念的动力[15]。生产者减少污染排放、投资者投资绿色产业、金融机构开发绿色产品会直接提升成本,但由此带来的收益并不直接惠及微观主体,因而微观主体绿色金融创新的积极性有限[16,17]。市场机制无法反应绿色项目的外部性,因而多数金融机构并未认真考虑环保问题,而践行赤道原则、社会责任投资原则的金融机构短期内出现运营成本上升、财务绩效下降的现象[18,19]。由于微观主体绿色化转向的动力不足,绿色金融的实际开展仍然需要政府的激励和引导。特别是在以中国为代表的后发国家,自上而下的政策推动格外重要。
1.1.3 环境污染与绿色金融
相较于国际绿色金融对碳排放和气候变化的关注,中国绿色金融更加侧重环境污染治理和资源高效利用[20]。随着公众对环境问题的关切,污染区域有激励引入新型治理方式,进行绿色创新。绿色金融是绿色创新的重要一环。首先,绿色信贷和绿色债券等规定了资金投向领域,包括可再生能源、设施减排改造、低碳运输、节能建筑等,能够直接改善环境质量[21]。其次,绿色金融鼓励发展绿色产业,有助于转变区域产业结构,提升经济发展品质[22]。产业结构落后、环境污染严重的区域环境治理缺口大,绿色金融需求显现。
污染地区虽有绿色金融发展的市场潜力,但从空间视角来看,“污染避难所”现象广泛存在[23,24]。换言之,欠发达地区政府常以降低环境标准为代价,吸引污染产业进驻,谋求经济发展。同时,基于企业生产率的研究表明,东部地区实施严苛的环境规制能够逼迫企业采用新技术,提升生产率,而中西部地区这种现象较为少见[25]。后发地区经济发展意愿强烈而环境治理意愿有限,而从发达地区视角来看,实施严苛的环境规制能够驱逐落后产能,为环境友好、技术领先的产业腾出空间[26,27]。绿色金融的引进对落后地区是一种负担,对发达地区则是新型环境治理方式和名片式宣传工具。结合中国环境污染和治理的实际情形,认为环境污染严重的区域往往处于工业化阶段,虽然具有较大的绿色金融市场潜力,但其发展动力不足。
由于要素禀赋和发展阶段的差异,中国不同区域在绿色金融支持力度[28]、金融行业基础[3,29]、环境污染治理[30]等方面并不相同,将导致绿色金融发展动力和模式的不同,最终塑造中国绿色金融空间格局。

1.2 数据来源

城市绿色金融水平的测度主要有两种方式。首先,综合绿色信贷、绿色债券、绿色保险等产品,以某种方式进行加权综合,得到城市绿色金融指数[28]。然而绿色金融指数受到指标权重和加权方式的影响,同时绿色保险、绿色基金等统计数据匮乏,给相关指数的构建带来较大的不确定性。其次,以城市绿色或污染产业的投融资规模代理绿色金融[31]。这种方法将绿色金融等同于相关产业投融资,与当前绿色金融的定义不符。本文选取2016—2019年中国地级以上城市绿色债券发行量代理绿色金融水平,理由如下：其一,绿色债券规模体量大,增长迅速,发行方主要为商业银行和企业,信息披露充分,对其进行研究具有可行性和现实意义。其二,绿色债券虽不能反映城市绿色金融全貌,但能够体现不同城市绿色金融发展的相对程度,可以满足分析需要。绿色债券数据源自Wind经济数据库,依照以下标准进行筛选：（1）债券的绿色属性。包括通过发改委或证监会审批的贴标债券和未经审批但投资行业为绿色产业的非贴标债券。（2）债券期限。剔除期限在一年以内的债券。（3）债券用于建设项目。剔除不直接用于中长期建设项目的债券类型。经筛选共得到2016—2019年绿色债券1894支,其中贴标债券735支,以新能源、绿色、清洁、环境、气候等关键词确定的非贴标绿色债券1159支。
绿色金融政策数据源自《北大法宝法律数据库》,截至2019年12月该数据库收录绿色金融相关的地方政策性文件共1562篇,为了保持统计口径的一致性和可比性,以地方规范性文件（525篇）和地方工作文件（965篇）作为统计对象。已有研究基于城市是否颁布绿色金融政策作为政策变量[1],本文获取政策数量较多,有条件在城市层面汇总绿色金融政策个数,作为表征城市绿色金融支持力度的解释变量。以城市年均PM2.5数值表征环境污染程度,数据源自生态环境部官方网站。城市社会经济指标包括人口、GDP、银行存款余额、银行贷款余额等,数据源自《中国城市统计年鉴》。城市银行机构网点数据源自银保监会官方网站。

1.3 城市金融行业基础

城市金融行业基础是影响其绿色金融发展的关键。本文参考Sarma等[32]的方法,从金融服务可得性、地理渗透性和产品使用效用三个维度构建指标进行测度,如表1所示。
表1 金融行业基础测度指标体系

Table 1 The index system of financial development level

维度 指标 含义 单位
服务可得性（Access） 每万人银行网点数 城市银行网点数/城市人口 个/万人
单位面积银行网点数 城市银行网点数/城市面积 个/km2
地理渗透性（Penetration） 人均存款余额 存款余额/城市人口 亿元/万人
人均贷款余额 贷款余额/城市人口 亿元/万人
使用效用（Usage） 存款余额占GDP比例 存款余额/城市GDP %
贷款余额占GDP比例 贷款余额/城市GDP %
表1中金融服务可得性以每万人银行网点数和单位面积银行网点数表征;地理渗透性以人均存款余额和人均贷款余额表征;使用效应以存款余额占GDP比例和贷款余额占GDP比例表征。对上述六个指标进行处理,计算城市金融基础水平。
F I i = ∑ ω i × D i
式中：FIi为城市金融行业基础;ωi为指标i的权重;Di为指标i的归一化数值。ω和D的计算过程如下：
D i = X i - X m X M - X m
式中：Xi为指标i的原始数值;Xm为指标i的最小值;XM为指标i的最大值。式（2）对原始变量进行归一化处理,消除量纲的影响。对于权重ω的确定,参照李春霄等[33]的做法,以变异系数为依据。其内涵在于金融基础指数体系中某项指标的变异系数越大,则表明其在测度金融基础时影响越大,应该赋予更高权重。
ω i = C V i ∑ C V i
C V i = S i X i ¯
式中：CVi为指标i的变异系数;Si为指标i的标准差; X i ¯ 为指标i的均值。由上述公式可得到每个城市的金融行业基础FIi,FIi数值越大则城市金融行业越发达。

2 结果分析

2.1 中国城市绿色债券空间格局

按发行时间汇总,得到时限为4年的城市绿色债券面板数据,以每年新增实际发行金额呈现中国绿色债券的地理格局（图1）。
图1 中国绿色金融空间格局

注：本图基于自然资源部标准地图服务系统下载的标准地图制作,底图无修改。

Fig. 1 The spatial pattern of China's green finance

图1中2016—2019年中国发行绿色债券的城市个数从57个增加到91个,呈现快速扩展态势。发行规模从4941亿元增加到11491亿元（包含贴标与非贴标绿色债券）,年均增长32.5%。绿色债券空间分布呈现依托行政级别,分散布局特征。2016—2019年北京绿色债券发行规模始终位列第一,规模靠前的城市包括广州、深圳、上海、武汉、福州、南京、重庆、成都、济南等,无一例外是直辖市、省会或计划单列市。与已有研究一致,较高的行政级别和发达的金融行业基础有助于金融创新,而偏远和落后地区可能存在金融排斥现象[34,35,36]。然而上述结果并不意味着偏远和落后地区不存在绿色金融服务。产业结构不足以支撑绿色金融发展的小城市可能从邻近的大城市获益,一定程度上缓解绿色金融的地理排斥现象。
2016—2019年累计有145个城市发行绿色债券,其中东部地区64个,中西部地区81个,中西部地区引入绿色债券的城市更多（图1）。然而从发行规模来看,东部地区绿色债券发行量从2016年的4043亿元增加到2019年的9463亿元;中西部地区则发行规模相对较低,从898亿元增加到2028亿元,在研究时段仅占全国总量18.2%左右（图2）。发行规模与发行城市个数在区域层面的错配隐含着发展模式的差异。
图2 中国不同区域绿色债券发行规模

Fig. 2 The scale of green bond issuance in different regions of China

2.2 中国城市绿色债券的影响因素

以相关系数探究变量间的关系,城市绿色债券发行规模与政策激励、金融基础和环境污染的相关系数分别为0.527、0.487和-0.415,呈现显著的相关性。进一步以政策激励、金融基础和环境污染对城市绿色债券发行规模进行拟合,结果如图3所示。
图3 城市绿色债券规模与解释变量的散点图①

①图3对政策个数以外的数据进行对数处理,故未标注单位。

Fig. 3 Scatters between prefectural green bond scale and explanatory variables

图3表明,政策激励、金融基础和环境污染能够在一定程度上拟合城市绿色债券规模。政策激励和金融基础与城市绿色债券发行规模呈现正向关系,而环境污染与城市绿色债券发行规模呈现负向关系。为了进一步探明解释变量对城市绿色金融的影响,下文使用计量模型进行深入探讨。

2.3 计量模型与结果

2.3.1 计量模型
使用计量模型检验政策激励、金融基础、环境污染等变量及其交互作用对城市绿色债券规模的影响。考虑到环境污染的空间溢出效应,选取空间杜宾模型进行分析。需要说明的是,空间杜宾模型包含两种形式,其一仅考虑解释变量的空间效应;其二同时考虑解释变量和被解释变量的空间效应[37,38]。本文使用空间杜宾模型旨在控制环境污染的空间效应,并不深入分析空间效应,故采取第一种形式。
G B it 1 = α + β 1 × F I it 0 + β 2 × Polic y it 0 + β 3 × P M it 0 + W × ( β 4 × F I it 0 + β 5 × Polic y it 0 + β 6 × P M it 0 ) + β 7 × GDPP C it 0 + β 8 × POP U it 0 + ε it
式中：i代表城市;t代表时期;GBit1为t1时期被解释变量,以城市i在第t1年绿色债券发行规模表征;FIit0为t0年城市金融行业基础;Policyit0为政策激励变量,以城市绿色金融政策个数表征;PMit0为环境污染变量,以城市年均PM2.5数值表征;W为空间权重矩阵,将距离城市i最近的4个城市设置为0.25;以人均GDP控制经济发展水平（GDPPC）,经济发达的城市环境诉求和法律规范更加完善,有利于绿色金融兴起;以人口规模控制规模经济（POPU）,规模大的城市产业基础和市场条件优越,能够支撑金融业创新;ε为误差项; α 为常数项; β 1 ~ β 8 为回归系数。表2是变量的描述性统计结果。
表2 变量描述性统计

Table 2 Descriptive statistics

变量 观测数/个 均值 标准差 最小值 最大值 单位
GB 568 34.96 292.44 0.00 5804.97 亿元
FI 568 0.00 1.78 -0.76 6.49 —
Policy 568 2.66 8.05 0.00 47.00 个
PM 568 47.60 15.88 13.36 105.46 —
GDPPC 568 6.31 3.43 1.39 25.60 万元
Popu 568 489.12 332.80 31.00 3391.00 万人
2.3.2 中国城市绿色债券的影响因素分析
以2016—2019年发行过绿色债券的地级以上城市为基础构建非平衡面板,综合各变量的缺失情况,计量分析数据集含有城市数142个,观测数568个。对变量进行对数处理,同时将解释变量进行滞后。以混合回归进行初步分析,变量的平均方差膨胀因子为1.27<10,认为变量间不存在明显的多重共线性。
表3中模型（1）是完整的空间杜宾模型结果。主回归中Policy显著为正,表明引导银行发行绿债,提升企业减排收益等政策措施起到良好效果。FI显著为正,说明金融行业发达的地区能够给予绿色金融更多支持,符合产业演化规律。PM显著为负,环境污染严重的城市绿色债券发行受阻。Policy、FI、PM的实证结果与现有研究相一致[1,2]。从空间溢出效应来看,W×Policy显著为负,周边地区的政策措施不利于本地绿色金融发展,绿色金融的兴起可能存在地方政府竞争现象;W×PM显著为正,周边地区的环境污染有助于本地绿色金融的兴起,认为环境污染严重区域金融业绿色化转型受阻,可能依赖相邻城市的绿色金融服务。FI的空间效应并不显著。控制变量POPU和GDPPC的回归结果显著为正,呼应描述性分析结果,经济发达的大城市具有绿色金融的发展优势。由于本文重点探讨变量的影响及其交互作用,因而后续模型不再具体分析空间效应,仅将其视为控制变量。
表3 中国城市绿色金融发展的影响因素

Table 3 The influencing factors of green finance development in Chinese cities

变量 空间杜宾模型 交叉项
（1） （2） （3）
主回归 直接效应 间接效应 总效应 全样本 全样本
Policy 0.943*** 0.930*** -0.452 0.478 0.909*** 1.837***
FI 0.734*** 0.737*** 0.163 0.900*** 0.282* 0.744***
PM -2.356*** -2.303*** 2.122*** -0.181 -2.368*** -2.225***
Policy×FI 0.560***
Policy×PM 0.215**
POPU 0.953*** 0.951*** 0.116* 1.067*** 0.880*** 0.919***
GDPPC 0.521** 0.532** 0.0628 0.595** 0.500** 0.458**
W×Policy -0.524* -0.383 -0.480*
W×FI 0.0783 0.0786 0.0548
W×PM 2.194*** 2.178*** 2.219***
常数项 -5.115*** -4.642*** -5.509***
Rho 0.106* 0.101* 0.0983*
观测数 568 568 568 568 568 568
可决系数 0.368 0.368 0.368 0.368 0.379 0.366
城市数 142 142 142 142 142 142

注：*** 、** 和*分别表示回归系数在1%、5%和10%的水平下显著,下同。

模型（2）和模型（3）分别引入了Policy和FI以及Policy和PM的交叉项,探讨政策激励与金融基础以及环境污染的交互作用。若交叉项显著为正（负）,则认为一个变量存在时,另一个变量对因变量有额外的正（负）向影响。Policy与FI的交叉项显著为正,说明当存在政策激励时,传统金融更容易实现绿色化转型。已有研究指出,绿色金融对于投资者、金融机构等微观主体的利好存在不确定性高和周期长等特点[17,39],政策激励为传统金融转向绿色金融提供保障,一定程度上降低了绿色金融的成本和风险,缓解了市场失灵现象。Policy与PM的交叉项显著为正,政策激励有助于污染严重区域发展绿色金融。结合PM单独作用时显著为负的系数,认为当地方政府运用政策手段激励绿色金融发展时,环境污染对绿色金融的负面影响有所降低。
相较于西方国家,政策激励是中国绿色金融兴起的关键驱动力量,这与中国自上而下的绿色金融发展模式相符。不同层级政府的激励措施提升了绿色项目的收益,降低投融资风险,进而吸引投资者和金融机构进行绿色金融创新[40,41]。同时,绿色化的政策导向给予金融机构压力,即便不能盈利,金融机构也有必要储备相关资料和经验,为后续发展做好准备[42,43]。此外,绿色金融政策是新型环境治理手段,对于污染投资具有显著的融资惩罚效应和投资抑制效应,通过在投融资端抑制污染产业和鼓励清洁产业实现节能减排,帮助一些地区打破旧有发展模式,促成产业转型[44,45]。
为了探究不同类型解释变量在区域层面的影响差异,将中国划分为东部地区和中西部地区,以面板数据模型和空间杜宾模型进行探讨（表4）。需要说明的是空间杜宾模型直接划分样本可能导致边界城市空间权重矩阵的变化,进而造成误差。为此引入区域变量（R）,分别表征东部地区（Re）和中西部地区（Rw）。若城市位于东部地区则Re为1,反之为0。在进行东部地区交叉项分析时以Re代理R,以此类推。当使用面板数据模型时R始终取1。
表4 中国绿色金融发展的区域差异

Table 4 The spatial disparity of China's green finance development

变量 面板数据模型 空间杜宾模型
东部地区 中西部地区 东部地区 中西部地区
（1） （2） （3） （4） （5） （6） （7） （8） （9） （10）
Policy 0.573* 0.611** 1.944*** 0.942*** 0.909*** -0.0182 0.939*** 1.118*** 0.929*** 0.779***
FI 0.742*** -0.0828 0.742*** 0.647*** 0.298* 0.637*** 0.635*** 0.750*** 0.631*** 0.740***
PM -1.445*** -1.462*** -1.247*** -0.855** -0.962*** -1.038 -2.315*** -2.371*** -2.474*** -2.400***
R×Policy×FI 0.850* 0.579*** 0.179 0.401***
R×Policy×PM 0.306*** -0.242 0.115** -0.0625
POPU 1.280*** 1.190*** 1.246*** 0.687*** 0.609*** 0.693*** 0.933*** 0.993*** 0.946*** 0.984***
GDPPC 0.943** 1.012** 0.898** 0.525** 0.442* 0.527** 0.512** 0.591*** 0.524** 0.578**
W×Policy -0.500* -0.477* -0.479* -0.511*
W×FI 0.0684 0.114 0.102 0.105
W×PM 2.158*** 2.226*** 2.283*** 2.202***
常数项 -3.009 -2.585 -3.806* -0.905 0.115 -0.214 -5.020*** -5.628*** -5.006*** -5.279***
Rho 0.102* 0.109* 0.113* 0.110*
观测数 240 240 240 328 328 328 568 568 568 568
可决系数 0.421 0.424 0.424 0.282 0.304 0.282 0.369 0.372 0.372 0.371
城市数 60 60 60 82 82 82 142 142 142 142

注：R为区域划分变量,分别表征东部地区（Re）和中西部地区（Rw）。若城市位于东部地区则Re为1,反之为0。在使用空间杜宾模型对东部地区交叉项进行分析时以Re代理R,以此类推。在使用面板数据模型时R始终取1。

从表4中模型（1）和模型（4）可以看出,政策激励、金融基础、环境污染在不同区域对绿色债券的发行呈现相似的影响。模型（2）和模型（5）中Policy与FI的交叉项均显著为正,政策激励能够助力不同区域传统金融的绿色化转型,然而东部地区交叉项的显著性较弱,认为东部地区金融业转向绿色金融的过程更加不依赖政策帮扶。模型（7）和模型（9）使用空间杜宾方法进一步验证了这一论断。模型（3）和模型（8）中Policy和PM的交叉项显著为正,表明东部地区政策激励能够有效缓解环境污染对绿色金融的抑制作用。相较而言,模型（6）和模型（10）中Policy和PM的交叉项均不显著,认为中西部地区的政策措施尚不足以降低环境污染对绿色金融的阻碍。表4中面板数据模型与空间杜宾模型结果基本一致,认为回归结果稳健。
上述结果表明,中国不同区域绿色金融发展模式存在差异。其一,相较于中西部地区,东部地区金融业绿色化转型更加不依赖政策支持。中国绿色金融发生于自上而下的顶层设计,地方政府有义务响应中央战略,引导绿色金融发展[11]。东部地区经济发达,金融基础雄厚,能够培育具有环保意识的投资者和金融机构,微观主体自下而上的创新是绿色金融兴起的重要动力。而中西部地区金融行业和产业结构滞后,传统发展模式难以转变,绿色金融的发展更多依靠政策扶持[4]。其二,东部地区政策激励能够缓和环境污染对绿色金融的负面影响,中西部地区则不然。东部地区产业绿色化转型趋势明显,地方政府有能力推行绿色金融政策,清退污染产业,鼓励绿色产业。中西部地区大部分城市仍处于工业化阶段,现实中的环境目标与经济目标矛盾依然尖锐,绿色金融所需的绿色产业、金融机构、环境信息披露以及负责任的投资者等尚不完备。因而即便中西部地方政府响应中央战略引入绿色金融,后续发展动力仍显不足。这一论断能够呼应描述性分析结果,即中西部地区绿色债券发行城市个数较多,而绿色债券的规模增长主要在东部地区。
由于东部地区绿色金融的发展潜力优于中西部地区,区域间绿色金融服务能力的不均衡可能增加,进而出现地理排斥现象。金融地理学对传统金融区位进行分析,认为落后地区难以享受充足的金融服务,地理排斥现象较为普遍[46]。绿色金融作为金融业的创新方向,其普惠性关系到环境治理的公平性,理应受到重视。其一,绿色金融的地理排斥可能增加区域间环境治理能力的差距,放大中部地区的自然环境劣势,影响经济社会发展和人民健康生活。其二,绿色金融服务的缺失可能导致中西部地区污染产业绿色化转型的资金供给不足,成为引入绿色产业和高新技术产业的阻碍,影响区域高质量发展进程。同时应该注意到,金融业与传统制造业的空间特征并不相同,中西部地区所需的绿色金融服务也许可以由发达地区来提供,绿色金融的地理排斥和普惠性研究有待进一步展开。

3 结论与讨论

绿色金融是金融业的创新方向,也是应对生态环境问题,促进可持续发展的重要方式。本文从区域视角出发,以绿色债券为例,使用面板数据模型和空间杜宾模型探讨2016—2019年中国142个地级以上城市绿色金融的发展特征,剖析政策激励、金融基础、环境污染等因素的影响。得到以下结论：（1）从空间格局来看,中国绿色债券依托城市行政级别分布,直辖市、省会和计划单列市是主要的承载区域。中西部地区引入绿色债券的城市数量较多,而东部地区承载绿色债券规模增长。（2）从影响因素来看,政策措施能够激励绿色金融发展。不同层级政府的政策降低了投资风险,缓解了绿色金融的市场失灵现象。金融行业发达有助于绿色金融兴起。金融基础雄厚的地区能够培育具有环保意识的投资人和金融机构,为绿色金融创新提供平台。环境污染不利于绿色金融创新。污染严重的区域产业绿色化转型阻力大,将抑制绿色金融发展。（3）从区域差异来看,东部地区的政策措施能够减缓环境污染对绿色金融的负面影响,而中西部地区政策强度尚不能达成上述效果。不同区域绿色金融的驱动模式存在差异,东部地区是政策激励和金融行业基础上的顺势转型,而中西部地区仍要应对经济目标和环境目标之间矛盾。
本文将绿色金融的探讨细化到地级市层面,以实证方法剖析了不同区域绿色金融发展模式的差别。在研究结果的基础上,提出以下政策建议：
（1）制定差异化政策,促成不同区域绿色金融发展。研究发现金融行业基础和政策激励是促成绿色金融创新的关键,由于区域间金融业基础不同,绿色金融政策力度也应有所不同。对于东部地区,应发挥金融行业本底优势,积极依托市场力量开展绿色金融产品和服务创新。对于中西部地区,需在东部地区发展经验的基础上,推出更为利好的支持政策,建立更具吸引力的绿色金融体系。
（2）对接现行环境规制,发挥绿色金融环境效应。污染严重的地区绿色金融实施动力不足,可能造成环境治理的公平性问题。为此,绿色金融政策应对接现行环境规制,发挥环境治理效果。一方面污染严重区域可以适度增加绿色金融利率减免、贷款贴息比例,增强利好程度;另一方面对于违反环境标准的行为,从投融资层面进行限制和惩罚。通过压缩污染性产业投资回报率和提升绿色产业收益,实现绿色金融的环境效应。
（3）建立区域合作机制,增强绿色金融的普惠性。中国不同区域绿色金融的发展潜力存在显著差异,可能造成地理排斥现象。应协调城市间利益诉求,在更高的层面构建绿色金融合作机制。建立北京、上海、香港、广州、深圳等优势城市绿色金融资源为全国绿色项目服务的渠道,由此填补中西部地区绿色产业市场缺口,缓解环境治理的资金压力,提高绿色金融的普惠性。
此外,本文尚有以下不足。首先,不同门类绿色金融产品的空间格局和驱动因素可能存在差异,仅以绿色债券为观测,未能呈现绿色金融全貌。其次,以绿色金融相关政策个数衡量政策强度,未能考虑政策类型和作用效果差异。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
任丹妮, 李良元, 邵骏, 等. 政策推动还是市场驱动: 基于文本挖掘技术的绿色金融发展指数计算及影响因素分析. 西南金融, 2020, (4):78-89.

[ REN D N, LI L Y, SHAO J, et al. Policy-driven or market-driven? Calculation of green finance development index and analysis of influencing factors based on text mining technology. Southwest Finance, 2020, (4):78-89.]

[2]
麦均洪, 徐枫. 基于联合分析的我国绿色金融影响因素研究. 宏观经济研究, 2015, (5):23-37.

[ MAI J H, XU F. A study of the influencing factors of China's green finance based on conjoint analysis. Macroeconomics, 2015, (5):23-37.]

[3]
邵学峰, 方天舒. 区域绿色金融与产业结构的耦合协调度分析: 基于新制度经济学的视角. 工业技术经济, 2021,40(1):120-127.

[ SHAO X F, FANG T S. Analysis on the coupling effect between regional green finance and industrial structure: Based on new institutional economics. Journal of Industrial Technological Economics, 2021,40(1):120-127.]

[4]
刘霞, 何鹏. 绿色金融在中部地区经济发展中的影响效应研究. 工业技术经济, 2019, (3):76-84.

[ LIU X, HE P. Research on the impact of green finance on economic development in Central China. Journal of Industrial Technological Economics, 2019, (3):76-84.]

[5]
马亚明, 胡春阳, 刘鑫龙. 发行绿色债券与提升企业价值: 基于DID模型的中介效应检验. 金融论坛, 2020,25(9):29-39.

[ MA Y M, HU C Y, LIU X L. Green bond issuance and corporate value promotion: Based on the mediation effect test of DID model. Finance Forum, 2020,25(9):29-39.]

[6]
蒋非凡, 范龙振. 绿色溢价还是绿色折价: 基于中国绿色债券信用利差的研究. 管理现代化, 2020,40(4):11-5.

[ JIANG F F, FAN L Z. Green spillover or green discount: A study based on Chinese green bond's quality spread. Modernization of Management, 2020,40(4):11-5.]

[7]
CAMPIGLIO E, DAFERMOS Y, MONNIN P, et al. Climate change challenges for central banks and financial regulators. Nature Climate Change, 2018,8(6):462-468.

[8]
马骏. 中国绿色金融展望. 中国金融, 2016, (16):20-22.

[ MA J. The expectation of China's green finance. China Finance, 2016, (16):20-22.]

[9]
沈月琴, 曾程, 王成军, 等. 碳汇补贴和碳税政策对林业经济的影响研究: 基于CGE的分析. 自然资源学报, 2015,30(4):560-568.

[ SHEN Y Q, ZENG C, WANG C J, et al. Impact of carbon sequestration subsidy and carbon tax policy on forestry economy: Based on CGE model. Journal of Natural Resources, 2015,30(4):560-568.]

[10]
LI H, ZHOU L A. Political turnover and economic performance: The incentive role of personnel control in China. Journal of Public Economics, 2005,89(9-10):1743-1762.

[11]
马骏. 中国绿色金融的发展与前景. 经济社会体制比较, 2016, (6):25-32.

[ MA J. The evolution of and prospect for green finance in China. Comparative Economic & Social Systems, 2016, (6):25-32.]

[12]
方建国, 林凡力. 我国区域绿色金融发展的收敛性研究. 电子科技大学学报: 社科版, 2019,21(4):1-12.

[ FANG J G, LIN F L. Study on convergence of China's regional green finance development. Journal of University of Electronic Science and Technology of China: Social Sciences Edition, 2019,21(4):1-12.]

[13]
沈璐, 廖显春. 绿色金融改革创新与企业履行社会责任: 来自绿色金融改革创新试验区的证据. 金融论坛, 2020,25(10):69-80.

[ SHEN L, LIAO X C. Reform and innovation of green finance and fulfillment of corporate social responsibility: Evidence from the green finance pilot zones. Finance Forum, 2020,25(10):69-80.]

[14]
尹贻梅, 刘志高, 刘卫东. 路径依赖理论及其地方经济发展隐喻. 地理研究, 2012,31(5):782-791.

[ YIN Y M, LIU Z G, LIU W D. Path-dependence and its implication for regional development. Geographical Research, 2012,31(5):782-791.]

[15]
PASTOR L, STAMBAUGH R F, TAYLOR L A. Sustainable investing in equilibrium. Journal of Financial Economics, 2021,142(2):550-571.

[16]
SCHOLTENS B, DAM L. Banking on the Equator. Are banks that adopted the equator principles different from non-adopters?. World Development, 2007,35(8):1307-1328.

[17]
HARTZMARK S M, SUSSMAN A B. Do investors value sustainability? A natural experiment examining ranking and fund flows. Journal of Finance, 2019,74(6):2789-2837.

[18]
胡荣才, 张文琼. 开展绿色信贷会影响商业银行盈利水平吗?. 金融监管研究, 2016, (7):92-110.

[ HU R C, ZHANG W Q. Will the development of green credit affect the profitability of commercial banks?. Financial Regulation Research, 2016, (7):92-110.]

[19]
丁宁, 任亦侬, 左颖. 绿色信贷政策得不偿失还是得偿所愿: 基于资源配置视角的PSM-DID成本效率分析. 金融研究, 2020, (4):112-130.

[ DING N, REN Y N, ZUO Y. Do the losses of the green-credit policy outweigh the gains? A PSM-DID cost-efficiency analysis based on resource allocation. Journal of Financial Research, 2020, (4):112-130.]

[20]
巴曙松, 杨春波, 姚舜达. 中国绿色金融研究进展述评. 金融发展研究, 2018, (6):3-11.

[ BA S S, YANG C B, YAO S D. Review on the research progress of China's green finance. Journal of Financial Development Research, 2018, (6):3-11.]

[21]
马俊. 中国绿色金融发展与案例研究. 北京: 中国金融出版社, 2016.

[ MA J. The Development of China's Green Finance and Case Studies. Beijing: China Financial Publishing House, 2016.]

[22]
马留赟, 白钦先, 李文. 中国金融发展如何影响绿色产业: 促进还是抑制: 基于空间面板Durbin模型的分析. 金融理论与实践, 2017, (5):1-10.

[ MA L Y, BAI Q X, LI W. The influence of China's green finance on the development of green industry: A study based on Spatial Durbin Model. Financial Theory & Practice, 2017, (5):1-10.]

[23]
HE J. Pollution haven hypothesis and environmental impacts of foreign direct investment: The case of industrial emission of sulfur dioxide (SO2) in Chinese provinces. Ecological Economics, 2006,60(1):228-45.

[24]
贺灿飞, 张腾, 杨晟朗. 环境规制效果与中国城市空气污染. 自然资源学报, 2013,28(10):1651-1663.

[ HE C F, ZHANG T, YANG S L. Air pollution in chinese cities: Does enforcement of environmental regulations matter. Journal of Natural Resources, 2013,28(10):1651-1663.]

[25]
黄志基, 贺灿飞, 杨帆, 等. 中国环境规制、地理区位与企业生产率增长. 地理学报, 2015,70(10):1581-1591.

[ HUANG Z J, HE C F, YANG F, et al. Environmental regulation, geographic location and growth of firms' productivity in China. Acta Geographica Sinica, 2015,70(10):1581-1591.]

[26]
邢有为, 姜旭朝, 黎晓峰. 环境治理投入对经济增长的异质性影响研究: 基于城市化的视角. 自然资源学报, 2018,33(4):576-587.

[ XING Y W, JIANG X C, LI X F. Heterogeneous impacts of investments in environmental governance on economic growth: A perspective from urbanization. Journal of Natural Resources, 2018,33(4):576-587.]

[27]
朱向东, 贺灿飞, 刘海猛, 等. 环境规制与中国城市工业SO2减排. 地域研究与开发, 2018,37(4):131-137.

[ ZHU X D, HE C F, LIU H M, et al. Environmental regulation and urban industrial SO2 emission reduction in China. Areal Research and Development, 2018,37(4):131-137.]

[28]
方建国, 林凡力. 我国绿色金融发展的区域差异及其影响因素研究. 武汉金融, 2019, (7):69-74.

[ FANG J G, LIN F L. The spatial disparity of the development of China's green finance and its influencing factors. Wuhan Finance, 2019, (7):69-74.]

[29]
李振发, 林文盛, 叶雅玲, 等. 中国金融包容区域差异: 地理包容能否带动业务包容. 热带地理, 2020,40(4):709-720.

[ LI Z F, LIN W S, YE Y L, et al. Regional disparity of financial inclusion in China: Can geographical inclusion lead to business inclusion. Tropical Geography, 2020,40(4):709-720.]

[30]
王康, 李志学, 周嘉. 环境规制对碳排放时空格局演变的作用路径研究: 基于东北三省地级市实证分析. 自然资源学报, 2020,35(2):343-357.

[ WANG K, LI Z X, ZHOU J. The effects of environmental regulation on spatio-temporal carbon emissions patterns: Empirical analysis of prefecture-level cities in Northeast China. Journal of Natural Resources, 2020,35(2):343-357.]

[31]
余冯坚, 徐枫. 空间视角下广东省绿色金融发展及其影响因素: 基于固定效应空间杜宾模型的实证研究. 科技管理研究, 2019,39(15):63-70.

[ YU F J, XU F. Development and influencing factors of green finance in guangdong province from the perspective of space: An empirical study based on fixed effect spatial dubin model. Science and Technology Management Research, 2019,39(15):63-70.]

[32]
SARMA M, JESIM P. Financial inclusion and development. Journal of International Development, 2011,23(5):613-628.

[33]
李春霄, 贾金荣. 我国金融排斥程度研究: 基于金融排斥指数的构建与测算. 当代经济科学, 2012,34(2):9-15, 124.

[ LI C X, JIA J R. Research on the extent of financial exclusion in China-construction and measurement based on financial exclusion index. Modern Economic Science, 2012,34(2):9-15, 124.]

[34]
黄红光, 白彩全, 易行. 金融排斥、农业科技投入与农业经济发展. 管理世界, 2018,34(9):67-78.

[ HUANG H G, BAI C Q, YI X. Financial exclusion, agricultural technology investment and agricultural economic development. Management World, 2018,34(9):67-78.]

[35]
田霖. 我国金融排斥的城乡二元性研究. 中国工业经济, 2011, (2):36-45, 141.

[ TIAN L. The dualism of financial exclusion in China. China Industrial Economics, 2011, (2):36-45, 141.]

[36]
张国俊, 姚洋洋, 周春山. 中国金融排斥的空间特征与空间效应. 热带地理, 2018,38(2):176-183.

[ ZHANG G J, YAO Y Y, ZHOU C S. Spatial characteristics and spatial effect of Chinese provincial financial exclusion. Tropical Geography, 2018,38(2):176-183.]

[37]
陈强. 高级计量经济学及Stata应用(第二版). 北京: 高等教育出版社, 2014.

[ CHEN Q. Advanced Econometrics and Stata Application (Second Edition). Beijing: Higher Education Press, 2014.]

[38]
ELHORST J P. Spatial Econometrics: From Cross-Sectional Data to Spatial Panels. Heidelberg: Springer, 2014.

[39]
HEINKEL R, KRAUS A, ZECHNER J. The effect of green investment on corporate behavior. Journal of Financial and Quantitative Analysis, 2009,36(4):431-449.

[40]
陈昱燃, 熊德平. 基于政府和金融机构视角下的资源转型地区绿色金融发展研究: 以山西省为例. 金融理论与实践, 2019, (11):54-61.

[ CHEN Y R, XIONG D P. A study of the development of green finance from the perspective of government and financial institutions. Financial Theory & Practice, 2019, (11):54-61.]

[41]
国务院发展研究中心“绿化中国金融体系”课题组, 张承惠, 谢孟哲, 等. 发展中国绿色金融的逻辑与框架. 金融论坛, 2016,21(2):17-28.

[ Green China's Financial System Study Group of DRC, ZHANG C H, XIE M Z, et al. The developmental logic and framework of China's green finance. Finance Forum, 2016,21(2):17-28.]

[42]
CLIMENT F, SORIANO P. Green and good? The investment performance of US environmental mutual funds. Journal of Business Ethics, 2011,103(2):275-287.

[43]
熊思琴, 高红. 绿色金融发展研究: 以深圳为例. 北京: 北京大学出版社, 2018.

[ XIONG S Q, GAO H. Research on the Development of Green Finance: A Case Study Based on Shenzhen. Beijing: Peking University Press, 2018.]

[44]
ZHI Q. The role of green finance in environmental protection: Two aspects of market mechanism and policies. Energy Procedia, 2016,104:311-316.

[45]
苏冬蔚, 连莉莉. 绿色信贷是否影响重污染企业的投融资行为?. 金融研究, 2018, (12):123-137.

[ SU D W, LIAN L L. Does green credit policy affect corporate financing and investment? Evidence from publicly listed firms in pollution-intensive industries. Journal of Financial Research, 2018, (12):123-137.]

[46]
李振发, 徐梦冉, 贺灿飞, 等. 金融地理学研究综述与展望. 经济地理, 2018,38(7):7-15.

[ LI Z F, XU M R, HE C F, et al. Review and prospects on financial geography. Economic Geography, 2018,38(7):7-15.]

Options
文章导航

/

〈 〉