中国绿色金融、可再生能源发展与气候变化

气候变化会造成农业生产紊乱（粮食安全风险）、全球变暖、干旱以及与水有关的地缘政治紧张局势。一些学者认为，由于气候变化的全球性，气候变化威胁在短期内无法解决；因此，需要全球团结和政策来解决。尽管规模很小，我们已经为应对气候变化做出了努力，包括实施综合和协调政策以减少气候变化威胁的国际协议。Huang和Zhai （2021）提到，全球性的条约往往效能不足，因而各国需要提升对这些协议的投入与承诺。Zhang等人（2017）进一步突显了国家间协同合作的关键性。

各国实施了各种应对气候变化的政策。最重要的政策列于表1。

表一

实施表1所列政策的关键点是相关项目的发展和足够的资本来投资这些项目。绿色金融可以看作是各国可再生能源部署的桥梁，特别是在政府没有足够资本投资绿色项目的国家。

本研究主要考察中国绿色金融、可再生能源部署和气候变化之间的关系。中国在制定各种计划以发展各行业的绿色能源消费方面处于亚洲领先地位。如表 1 所示，中国是实施政策（绿色税收、绿色贷款、绿色融资、绿色创新、绿色就业和绿色交通）以多样化实现可持续发展目标的国家之一。

鉴于研究中国绿色金融和可再生能源部署如何影响气候变化的案例的重要性，本研究对现有文献做出了以下贡献：

i.对中国进行了一项区域研究，不考虑中国的国家级数据。中国有 14 亿多人口，地理面积相对较广。因此，应该进行区域调查。因此，本研究以面板数据框架的形式对中国不同地区进行了数据分析。

ii.使用人口、富裕程度和技术回归的随机影响 (STIRPAT) 理论框架来解释研究问题和计量经济学建模。

iii.使用人均二氧化碳排放量作为气候变化的代理，并使用发行的绿色债券作为绿色融资变量的代理。

此前已有多项研究关注绿色金融和可再生能源部署对中国气候变化的影响。先前的研究主要集中在绿色能源部署对中国气候变化的影响上。总结最近的研究，可以说，对中国绿色金融的研究已经很多；然而，这些研究的结果似乎对政策制定者没有用处。侯等人（2022）的研究表明，绿色融资对中国气候威胁的影响在各省之间是不同的。此外，作为计量经济模型的支持理论，STIRPAT 方法很少被使用（参见董等人，2022）。计量经济模型的变量选择应该有明确的理论基础。本研究使用模型考虑了可再生能源消费和绿色融资对中国气候威胁的影响。此外，还根据 STIRPAT 理论的结构解释了建模变量的选择。分析是在中国区域层面进行的。上述每个案例都代表了本研究将填补的文献空白。

在本研究中，计量经济学建模的支持理论是 Dietz 和 Rosa (1997) 提出的 STIRPAT 理论。该理论解决了人类活动 (I) 对环境质量的影响。人类活动 (I) 由以下三个因素组成：人口 (P)、富裕程度 (A) 和技术 (T)。采用该理论构建实证模型的优势如下：(i) 该理论可以解释发行绿色债券和可再生能源部署对气候变化的影响渠道；(ii) 该理论有助于假设分解，这对于获得各国的实际政策是必要的；(iii) 可以通过 STIRPAT 理论评估城市化、人类发展和健康等人为因素。这直接影响人类活动与环境的关系。

STIRPAT 框架中环境与人类活动之间的关系可以用公式 (1) 表示如下：

(1)在公式中（1）中，人均二氧化碳排放量作为气候变化影响的代理，而P，A和T分别表示人口（劳动力作为代理）、富裕程度（人均收入作为代理）和技术代理（绿色金融）。

数据和模型规范

根据理论框架，方程（1）可以转化为计量经济学方程（2），如下所示：

（3）方程（2）的扩展包括协变量（X），可以写成方程（4），如下所示：

（4）在方程（4）中，s和μ表示误差项的未观测因子，具有正态分布。

本研究中的协变量是影响气候变化的可再生能源部署和通货膨胀率。

收集了2010年至2021年中国25个省份的变量数据（人均碳排放量、劳动力、人均收入、绿色金融、通货膨胀和可再生能源部署）。

为了估计方程（4）中的系数，我们采用了Arellano和Bover（1995）提出的系统GMM方法。系统GMM方法形式的实证模型如方程（5）所示：

（5）其中y为因变量，yt-1表示滞后项，X表示自变量。需要指出的是，进行了前后估计测试，以探索适当的估计技术并确保实证结果的有效性。

在第一阶段，需要进行检验以确定最合适的估计技术。因此，进行了第一代面板单位根检验（ADF 检验）。表 2 报告了该序列的平稳性检验结果。

表2 第一代面板数据单位根检验

有人认为，在面板数据研究中，样本之间可能存在横截面依赖性，因此有必要进行第二代面板单位根检验（CIPS和C.Z.检验）。两种检验的结果如表3所示。

表3 第二代面板单位根检验

根据第一代和第二代面板单位根检验的结果，可以得出结论，所有变量都是平稳过程。

接下来，使用系统GMM技术估计系数。估计结果如表4所示。

表4 中国所有受试省份的系统GMM估计

表4表明，当前人均二氧化碳排放量对该变量产生正向影响，并且这种影响在统计上是显著的。劳动力的系数为正，这意味着中国劳动力每增加1%，人均二氧化碳排放量就会增加。一个国家劳动力的增加意味着工业生产能力的提高，进而促进该国经济增长。在中国工业生产增长带来的经济增长将导致更多的二氧化碳排放。中国人均收入也对二氧化碳排放产生积极影响。绿色融资的影响系数很小，为负值。通过增加中国的绿色融资量，二氧化碳排放量可以减 0.015%。

消费者价格指数 (CPI) 对二氧化碳排放有显著的正向影响。一般来说，随着 CPI 的上升，资本租赁率和银行设施的收购率也会上升；因此，绿色项目的价格也会上升。结果，投资者将不愿意参与此类项目；因此，中国将继续过度消耗化石燃料，导致更多的二氧化碳排放。可再生能源消费的系数为 0.103。因此，可再生能源消费每增加 1%，预计二氧化碳排放量将减少0.103%。

各省绿色融资和可再生能源消费的有效性各不相同。为了获得更实用的结论，我们根据地理位置将 25 个选定省份分为以下三个区域：西部、东部和中部。使用系统 GMM 分析了这三个地区的三面板框架，如表 5 所示。

表5 中国三个地区的系统GMM估计

滞后的CO₂排放仅对中国中部和西部地区的省份产生影响，对东部地区的省份不具有统计显著性。中国三个地区的劳动力对二氧化碳排放均具有显著的正向影响。中部地区的这种影响幅度大于其他两个地区，主要原因是中国中部省份存在许多重工业。估计结果显示人均收入对二氧化碳排放的影响在中西部地区为正，只有中国东部地区的州具有负向影响系数。这可能是因为中国东部省份较为发达，这些省份的收入水平越高，人们越愿意以绿色的方式改变生活方式以保护环境。绿色融资仅在东部和西部省份具有统计显著的系数。此外，该变量对减少二氧化碳排放的影响在中国东部地区更为显著,其中一个重要原因是中国东部地区较为发达,因此这些地区的人们参与绿色融资市场和绿色项目的潜力更大。中国所有地区的可再生能源使用对减少二氧化碳排放都有积极影响。然而，其在东部地区的影响大于其他两个地区。CPI在这三个地区也有一个显著的系数和正号。因此，在中国所有省份，CPI的上涨都是制定可持续发展政策的障碍。

为了确定实证研究结果的有效性，采用了稳健性检验。因此，用温室气体排放量代替因变量（人均二氧化碳排放量）。使用系统GMM方法对中国各地区的经验模型进行了重新估计。结果如表6所示，证实了系数的符号与之前的估计一致（表5）。

表6 稳健性检验

研究结果表明，绿色融资对国家层面的环境污染具有轻微的负面影响系数。通过增加中国的绿色融资量，二氧化碳排放量可减少0.015％。此外，可再生能源消费的系数为0.103。这表明，可再生能源消费每增加1%，二氧化碳排放量预计会减少0.103%。然而，在区域分析层面，绿色融资仅对东部和西部省份具有统计显著系数。此外，该变量对减少二氧化碳排放的影响在中国东部地区更为显著。关键原因是中国东部地区（例如上海）较为发达；因此，这些地区的人们更有机会参与绿色融资市场和绿色项目。中国所有地区使用可再生能源都对减少二氧化碳排放产生了积极影响。然而，东部地区的影响大于其他两个地区。

根据所得结果，中国省级和国家级清洁能源政策问题值得一提。中国政府应更加重视鼓励可再生能源领域的领先省份，并支持落后省份防治环境污染。为了实现碳达峰和碳中和的重要目标，宏观经济层面，中国政策制定者应创造增加劳动力减少二氧化碳排放的积极效应，增加人均收入将改善环境条件，更好地发展绿色融资市场，为绿色项目提供更广泛的资金支持（以抵消通货膨胀对绿色项目发展的负面影响），并加大力度增加可再生能源的消费。然而，在区域和省级层面，中国政策制定者应该为东部省份制定更多的激励政策，中部地区应该受到支持性政策（提供绿色贷款和绿色补贴）和压力政策（碳税）的推动。

本研究为中国及全球的专家和政策制定者提供了实用的研究结果和创新的管理政策。然而，在进行这项研究时存在局限性（例如无法获取本地数据）。建议在未来的研究中，使用实地研究和调查方法来获得互补的结果。鉴于 COVID-19 自 2019 年底以来的蔓延及其演变为全球大流行，未来的研究应调查这种大流行对绿色融资与气候变化之间关系的影响。可以使用更先进的计量经济学方法（例如人工神经网络）来预测未来变量之间的关系。

原文链接： 

https://www.nature.com/articles/s41599-023-01595-0

作者：Yunpeng Sun, Qun Bao & Farhad Taghizadeh-Hesary

往期精选

我们建立了微信群：

气候变化经济学。

感兴趣的伙伴请加微信号：

climate_economics

备注“姓名-单位-职称/职位/学生”。