【文献分享】绿色金融是否促进了中国能源高质量发展？基于空间溢出视角

能源发展是经济增长和现代生活的主要贡献者。中国是世界上最大的能源生产国和消费国，也是能源使用效率提高最快的国家，这显著促进了其城市化和工业化。然而，煤炭、石油和天然气等传统能源的大量使用对空气质量和公共健康产生了不利影响。面对气候变化、环境风险挑战、能源资源约束等日益严峻的全球性问题，中国提出了能源高质量发展战略（HED）。中国国务院发布的《新时代中国能源发展白皮书》将HED定义为体现创新、协调、绿色、开放、共享等新发展理念的能源发展战略。中国声称要与其他国家一道寻求加快全球能源可持续发展的新路径，同时促进本国能源的清洁低碳发展。因此，探索改善HED的途径成为现阶段中国能源战略的重点。与此同时，中国致力于发展绿色金融，以降低与气候变化相关的环境和社会风险。绿色金融是一种支持可持续经济增长、社会包容和环境保护的金融服务形式。它侧重于对可再生能源和清洁技术的投资，以及资源的可持续管理和提供应对气候变化的金融服务。目前，中国在绿色金融发展方面取得了重大进展。截至2021年底，中国绿色贷款余额15.90万亿元，同比增长33%，存量规模居世界首位。这些绿色信贷基金主要投资于碳排放削减项目，为中国的碳峰值和碳中和目标做出了显著贡献。研究表明，绿色金融影响能源发展的许多方面。绿色金融的主要目标之一是创造有吸引力的投资机会，让企业和组织增加可持续能源投资，减少对化石燃料的依赖。绿色金融通过使用金融工具来降低风险和促进绿色部门的增长，如可再生能源和能源效率。这为投资这些部门提供了一种低风险和低成本的方式，并鼓励公司在这些领域加大投资力度。它还可以为能源项目提供财政支持，以促进能源技术和提高能源效率。此外，绿色金融可以帮助确保那些缺乏能源的人获得能源。例如，可再生能源融资可以增强发展中国家人民使用清洁能源技术的能力。

尽管文献对绿色金融对能源发展的多方面影响进行了考察，但HED是一种包含创新、协调、绿色、开放、共享等多维度目标的新能源发展战略，绿色金融对HED的影响及其机制尚不明确。此外，以往文献主要关注绿色金融对能源发展的直接影响，缺乏对其空间溢出效应的考察。但能源部门具有跨区域特征，生产、中转、能源消费涉及多个区域的互联互通。而且，绿色金融政策提供的资金、技术和经验也可以跨越地理边界，影响邻近区域的发展。因此，仅关注绿色金融对一个地区能源发展的影响是不够的；了解绿色金融对邻近地区能源发展的空间溢出效应，可以提供更全面的绿色金融效应评估。通过研究不同地区绿色金融对HED影响的程度和方式，可以识别区域间HED的差异和互补性，有助于政府和相关机构制定更有针对性的政策和措施，促进绿色金融对HED的最大贡献。

1.理论机制

理论机制绿色金融不仅对当地HED产生影响而且对邻近地区的HED产生空间溢出效应。下面，分别从直接效应和空间溢出效应两个方面分析绿色金融对HED的影响机制，如图1所示。

1.1 绿色金融对HED的直接效应

绿色金融包括绿色信贷、绿色证券、绿色保险、绿色投资、碳金融等具体政策。绿色金融的政策组合通过提供金融支持、降低融资成本、促进技术创新、加强风险管理、规范市场行为，引导资金流向绿色和可持续能源部门。这促进了能源产业的转型升级，减少了污染排放，提高了能源效率，提高了能源供应的公平性和可靠性，从而促进了HED。具体而言，绿色金融对HED的直接影响可以分为五个方面。（1）促进能源技术创新：通过提供投融资支持，绿色金融将资本引导至能源创新项目，如新能源技术研发、储能、智能电网。同时，通过为能源创新项目提供绿色保险产品，绿色金融为投资者和项目开发商降低了不确定性风险。这鼓励投资者和开发商积极参与高风险的能源创新项目并加大研发投资力度，推动采用绿色技术和实践。（2）改善能源结构协调：通过为清洁能源项目和能效提升项目提供资金支持，绿色金融降低了传统能源消费比重，提高了清洁能源比重，促进了能源结构的优化和能源强度的降低。这有助于促进协同能源开发，提高能源系统的整体效率和可靠性。（3）促进绿色能源发展：绿色金融鼓励投资者向符合环境友好标准的能源项目投资，并为能源行业的污染控制投入和环境支出提供资金支持和贷款优惠。这有助于改善能源发展过程的环境质量，减少废物和排放量，促进能源的绿色发展。（4）提高能源开放度：绿色金融支持提高清洁能源出口份额，减少对传统能源的依赖。这将有助于提高能源部门的国际竞争力，促进国内外资本的流动和共享、新能源技术的引进和出口以及绿色能源发展经验的跨国交流，从而促进能源开放程度的提高。（5）促进能源共享：绿色金融通过对可再生能源项目、能源基础设施和能源包容性项目的投资，提高能源供应和覆盖的可靠性。这有助于提高农村用电比例，提高居民的能源服务水平，从而提高能源获取和能源使用的公平性。此外，碳金融通过碳市场和碳交易促进清洁能源应用和市场发展，并在更大范围内促进能源共享。综上所述，绿色金融通过绿色信贷、绿色证券、绿色保险、绿色投资和碳金融等具体政策措施，在能源创新、能源协调、能源绿化、能源开放和能源共享五个维度促进地方HED。

1.2 绿色金融对HED的空间溢出效应

绿色金融对HED的影响不仅局限于区域还可以扩散到邻近地区并具有跨区域效应。首先，绿色金融支持的能源创新和技术开发可以产生技术溢出效应，意味着先进的绿色能源技术和最佳实践可以跨地理边界被其他地区复制和采用。例如，一个地区成功的清洁能源项目可以作为其他地区的学习范例，吸引投资和技术转让并推动邻近地区的HED。第二，绿色金融支持对一个地区能源项目的投资可以吸引更多的资金流向该地区并带动周边地区能源项目的发展资金和投资的扩散可以带动周边地区能源产业的升级转型促进HED。然后，绿色金融促进不同区域之间的合作和经验共享。区域之间可以通过合作机制分享绿色金融方面的最佳实践、技术经验和政策经验，相互学习。这种跨区域的合作和经验共享可以加速邻近区域的HED，形成良性的区域发展格局。最后，绿色金融支持的区域能源供应链的建设和发展可以导致相关产业的联动效应。当区域清洁能源供应链形成时，需要与其他区域供应链进行链接和协调，以实现全面的HED。这种供应链和产业联动效应可以传播到邻近区域，并在整个区域推广HED。综上所述，绿色金融对HED具有空间溢出效应，通过技术创新与转移、资本流动与投资扩散、跨区域合作与共享经验、供应链与产业联动效应等机制实现，这些机制促进了能源领域的互联与合作，促进了周边区域的HED，形成了跨区域的能源可持续发展格局。

2.变量选取

2.1因变量

现有文献采用了不同的指标体系来评价HED水平。在现有文献的基础上，参照《新时代中国能源发展》白皮书，构建了一个指标体系来综合衡量中国30个省份的HED水平。该体系纳入了HED的五个维度：能源创新、能源协调、能源绿色、能源开放和能源共享。具体而言，能源创新代表了能源发展的创新能力，包括能源部门投资、R&D投资强度、R&D人员投入和政府科技支出。能源协调旨在表明程度能源发展的协调性，包括四个指标：煤炭消费比、能源强度、清洁能源比、三产份额。绿色能源反映能源发展过程中的环境保护程度，包括四个指标：治污投入、污水处理率、废气排放、环保支出。能源开放度包括出口比和外贸依存度。能源共享度代表居民能源使用中的公平性，包括天然气普及率、人均能耗、农村用电比三个指标。指标体系的评价一般有主观加权和客观加权两种方法。在主观加权中，评价者根据主观观点对各指标赋予权重；在客观加权中，根据数据本身的分布结构和统计性质确定权重。为避免权重确定中的主观因素，采用熵加权法根据各指标值的变异程度客观赋予权重。综合评价指标体系和权重如表1所示。

2.2解释变量

本文基于中国国务院发布的《新时代中国能源发展白皮书》的定义，将评价指标按照金融服务类型的不同分为绿色信贷、绿色证券、绿色保险、绿色投资和碳金融五个维度，采用熵值法测度了2007-2020年中国30个省份的绿色金融发展水平，各层次指标及测度情况见表2。

2.3控制变量

为避免模型的错误规范，本文在现有文献的基础上，对可能影响HED的城镇化率（URB）、产业结构（IS）、经济发展水平（PGDP）和政府干预水平（GI）进行了控制。城镇化率由城市人口与总人口的比率表示。产业结构以第二产业增加值与GDP的比率来衡量。经济发展水平以实际人均GDP来衡量。政府干预水平以政府财政支出与GDP的比率来计算。

本文研究的样本为中国30个省市，自2007年绿色金融政策在中国开始出现以来，本文选取的样本年份为2007-2020年，主要数据来源为国家统计局、各省市统计局、统计年鉴，从CSMAR和WIND数据库中获取企业层面和行业相关数据。为减少异方差，本文所有控制变量均取为对数，所有变量的描述性统计结果如表3所示。

3.研究结果

3.1 HED的空间分布

图2显示了中国省级层面HED的空间分布，可以发现中国HED呈现显著的空间差异，北京、上海、广东HED水平最高，其次是天津、江苏、浙江，HED值较低的省份主要集中在中国中部和西南部地区，贵州、广西、云南省HED水平全国最低。这是因为中国各地区的经济发展水平存在显著差异，而这种差异在HED中得到了体现。北京、上海、广东等沿海经济发达地区的HED水平较高，可归因于其先进的经济结构、技术创新、投资环境等。相比之下，中西部地区相对较穷的自然资源和较低的工业基础可能是其HED水平相对较低的主要原因。关于变化，大部分省份在2007年至2020年期间改善了HED，表明中国近年来的能源发展政策是有效的。这可能归因于政府对HED的重视以及在促进能源结构调整、节能减排和技术创新方面所采取的政策和措施的有效性。此外，中西南地区省份显著改善了HED，表明中国地区之间HED的差异正在逐渐减小。这可能受到中央政府政策支持、中西部地区投资以及地方政府积极努力和措施的影响。这缩小区域差异有助于促进中国区域协调发展，减少区域间经济不平等和发展不平衡。为检验HED的空间聚类特征，采用Moran's I指数（Moran's I）检验HED是否具有空间自相关性。Moran's I值显著大于零意味着UPE在观测期内的空间相关性显著为正。

表4显示了全球Moran's I每年的结果。可以看出，HED的Moran's I值每年都显著，这意味着HED高（低）水平的省份更容易被HED高（低）水平包围。换句话说，中国的UPE具有空间聚类的特征。这可能是多种因素共同作用的结果。首先，邻近地区在地理位置和经济联系方面更为紧密，存在相似的产业结构和能源使用模式，导致HED水平具有相似性。其次，政策传导和技术溢出效应也可能促成空间集聚现象，其中高水平区域的成功经验和政策创新可以通过对邻近区域的学习和模仿产生积极影响。此外，样本期内Moran's I逐渐增加并变得更加显著，表明HED的自相关性逐年增加。这可能是由于区域一体化进程的推进和政府政策措施覆盖范围的扩大。

3.2空间模型选择检验

为了选择合适的全球空间计量经济模型，进行了一系列标准空间模型选择检验。首先，基于双向固定效应模型的（稳健）LM检验表明，SAR和SEM模型的（稳健）LM值都很显著，这意味着应该选择空间计量经济模型。其次，为了进一步检验SDM是否可以退化为SEM或SAR，分别进行了Wald和LR检验。结果表明SDM更合适。第三，进行空间Hausman测试，最终确定模型为双向固定SDM，模型的测试结果如表5所示。

3.3空间模型的结果

基于SDM的回归结果如表6所示。结果表明，绿色金融对HED的回归系数显著为正，表明绿色金融对HED的贡献显著。根据理论分析，这是因为绿色金融通过绿色信贷、绿色证券、绿色保险、绿色投资和碳金融方面的政策组合，促进了能源创新、能源协调、能源绿化、能源开放和能源共享，从而对HED做出了贡献。此外，ρ系数均为正，并通过了1%显著性水平检验，证明HED存在显著的空间溢出效应。这表明当地HED水平的提高对邻近省份的HED产生了积极影响。这种空间溢出效应可能源于多种因素，如经济联系、技术转让和政策借贷。当一个地区实施绿色金融政策并达到良好的HED水平时，其经验、并且结果可能通过区域间因子流动传递到邻近区域，从而促进邻近区域的HED。由于模型中包含了空间滞后项，估计结果不能直接反映变量的边际效应。为了解决解释空间计量经济模型系数的困难，提出了直接、间接和总效应的分解，遵循他们的方法来分解绿色金融对HED的空间效应。

表7显示了SDM的分解结果。研究发现绿色金融的直接效应显著为正，表明绿色金融的发展促进了地方HED水平的显著提高。间接效应也显著正向，预示着显著的空间溢出效应，因此绿色金融发展的优势也将向邻近省份扩散，结果揭示了绿色金融对HED的直接和空间溢出效应，一方面绿色金融发展对地方HED有显著的正向影响。因为绿色金融政策的实施可以通过提供金融支持、降低融资成本、促进技术创新、加强风险管理措施等方式促进当地绿色和可持续能源部门的发展。这些政策措施有助于减少污染排放、提高能源效率、提高能源供应的公平性和可靠性，从而促进当地HED。另一方面，绿色金融的发展也对邻近地区的HED产生显著的积极影响。这意味着绿色金融的优势和经验不仅限于当地，还会传播到邻近省份。这是因为能源产业具有区域关联性和依赖性，一个区域内的HED可以通过技术转移、投资扩散、经验共享、供应链联动等效应对周边省份的能源发展产生正向影响，这种空间溢出效应有助于实现区域间协调发展，缩小能源发展水平差距，形成区域可持续能源发展格局的良性循环。

3.4内生性处理

事实上，HED水平高的省份往往更发达，环保投入更大，金融机构更发达。因此，也有可能是HED的增加促进了绿色金融的发展。也就是说，绿色金融与HED之间可能存在反向因果关系。此外，省略变量和测量误差也会导致内生性问题，导致回归结果不收敛到真实的整体参数。为了解决内生性问题，本文采用了两种策略。首先，滞后绿色金融变量以减轻反向因果关系。从表8可以看出，绿色金融的直接、间接、总效应在滞后1、2、3期后均保持显著正。此外，系数也依然显著正。这表明本文的主要发现在排除反向因果关系后依然有效。有趣的是，系数、直接效应、空间溢出效应和总效应均随着滞后期的增加而逐渐减小。这表明绿色金融对HED的影响是持续性的，但其有效性随着时间的推移而减弱。这可能是绿色金融政策的初始推动和回归效应以及能源行业惯性效应共同作用的结果。在最初的政策期内，绿色金融的引入和推广可以激励能源行业向更加环保和可持续的能源发展方法转型升级，从而增加HED。随着时间的推移，市场对绿色金融产品和服务的供应变得相对饱和，能源公司的自主绿色转型可能会放缓。此外，能源行业通常是一个庞大而复杂的系统，转型升级需要时间、资源以及企业和机构的适应能力。因此，绿色金融的影响最初可能是显著的，但随着时间的推移，能源行业的惯性效应可能导致相对较慢的转变，从而削弱绿色金融对HED的影响。这表明，单一的绿色金融政策可能不足以实现长期持续的能源转型和高质量发展，需要综合考虑技术创新、产业政策和环境治理等其他因素，以提高HED的长期效力。

第二，本文将2017年的绿色金融改革和创新试验区（GFPZ）政策作为一个准自然实验。GFPZ的设立鼓励金融机构增加绿色业务的份额，旨在促进绿色金融的发展。因此，本文将GFPZ作为绿色金融的代理变量，并使用双重差分法来缓解内生性。具体而言，设置一个虚拟变量，对2017年后的试点地区浙江、江西、广东、贵州和新疆赋值为1，对剩余地区和年份赋值为0。将虚拟变量替换为绿色金融变量进行回归，结果如表9所示。可以发现，ρ、直接效应、间接效应和总效应仍然为显著正。这表明本文的结论没有被内生性偏差歪曲。

3.5稳健性检验

为进一步保证经验模型估计结果的鲁棒性，从以下三个方面检验了基线回归模型的鲁棒性：第一个是因变量替代，分别采用主成分分析（Pca）和熵加权TOPSIS（Topsis）作为代理重新度量HED；第二个是空间权重矩阵的替代，分别构造经济距离权重矩阵（We）、相邻权重矩阵（Wa）和复合权重矩阵（Wc）。经济距离权重矩阵的元素是2007年至2020年两省实际人均国内生产总值平均值的倒数（以2007年为基期）；邻接权重矩阵是0-1矩阵，其中如果两省相邻，矩阵元素的值为1，否则为0。复合矩阵是经济距离权重矩阵和地理距离权重矩阵的加权平均值，为每个矩阵分配0.5的权重。北京、天津、上海、重庆四个直辖市的数据和其他省份的数据，这里排除了这四个直辖市的样本进行再回归。此外，2020年中国新冠肺炎爆发导致宏观数据波动，这可能会潜在地影响估计结果。为了解决这个问题，排除了2020年的数据并重新运行回归。具体的稳健性测试如表10所示所有回归结果表明绿色金融在当地和周边省份促进了HED，从而进一步验证了基准回归模型的稳健性。

4.进一步分析

4.1空间门槛检验

虽然绿色金融对环境和能源的绿化效应在文献中已有广泛记载，但文献也提示绿色金融的作用可能与其自身的发展水平有关。因此，以绿色金融为阈值变量探讨绿色金融对HED的非线性效应。绿色金融具有低回报、长期限、高风险的特点，因此绿色金融的作用往往需要达到足够的水平才能有效。在使用空间面板阈值模型之前，需要验证面板阈值效应的存在以及阈值。面板阈值效应的检验结果见表11，结果表明面板阈值模型具有单一阈值，并通过10%显著性水平检验，表明面板阈值模型为单一阈值模型，表明绿色金融对绿色发展效率的影响呈现单一阈值特征，此外，阈值估计检验表明绿色金融的单一阈值为0.317，因此本文根据阈值将绿色金融分为低水平（GF<0.317）和高水平（GF≥0.317）。

表12显示了空间阈值模型的回归结果。在局部效应方面，绿色金融在高水平和低水平上都促进了HED。然而，绿色金融在高水平时期的效应是低水平时期的近两倍。可能的原因有以下几点。首先，当绿色金融发展水平不足时，监管往往效率较低。这将导致一些企业从事绿色清洗以获得融资，从而导致HED得不到实质性促进。当绿色金融的发展水平提高，监管体系逐渐成熟，绿色金融将充分发挥HED的推动作用。其次，HED依赖于能源技术的发展，这也是绿色金融的目的之一。但是，技术发展往往需要一定水平的财务投资才能实现。因此，高水平的绿色金融对能源技术更有利，从而在HED中得到体现。此外，高水平的绿色金融也具有更强的空间溢出效应。这并不奇怪，因为高水平的绿色金融更有可能促进能源技术的进步，进而影响周边省份的HED。此外，高水平的绿色金融也有更强的空间溢出效应。这并不奇怪，因为高水平的绿色金融更有可能促进能源技术的进步，进而影响周边省份的HED。本文结果与参考文献不同，绿色金融将促使当地污染企业搬迁到其他地方，损害周边地区的环境质量。研究结果为绿色金融在HED方面的积极溢出效应提供了新的证据。

4.2 空间衰减边界

一般情况下，变量的空间相关性随着省间距离的增加而逐渐减小。因此，绿色金融对HED的空间溢出效应可能只存在于一定的空间范围内。不同省份的地理距离、经济差异和政策体制差异可能是绿色金融对HED的空间溢出效应存在一定范围限制的原因。从图3可以看出，绿色金融对周边1750 km范围内所有省份的HED贡献显著，这表明推进绿色金融具有强大的正外部性，其中绿色金融的发展对周边750 km省份的促进效果尤为显著，当距离阈值在1000-1750 km之间时，绿色金融的空间溢出效应随距离缩小。发现绿色金融对环境污染的空间溢出效应仅存在于1500-1750 km之间，而绿色金融对HED的空间溢出效应存在于1750 km范围内，这意味着绿色金融对HED的促进作用可能更为广泛，其影响相对遥远。

本研究也存在一些局限性，需要在今后的研究中加以探讨。第一，进一步优化和扩大绿色金融指标的选取范围，以衡量绿色金融的发展情况。第二，进一步采用企业微观数据和城市级微观数据，深入揭示绿色金融与 HED 之间的关系。第三，先进空间测量技术的运用，可以更准确地探讨绿色金融对 HED 的空间效应。