我国绿色金融发展与产业结构变化——基于灰色、耦合与空间联系网络的多维视角

■胡怀敏，连思涵

一、引言与文献综述

2012年，原中国银监会印发了《绿色信贷指引》，开始正式构建起以绿色信贷统计制度和考评机制为基石的绿色信贷政策体系，为推行绿色金融和低碳发展战略提供了良好的政策环境。2015年出台的《关于构建绿色金融体系的指导意见》则标志着我国绿色发展开始了以政府为主导“从上到下”的生态与金融并行的发展格局。绿色金融现已成为中国推进经济可持续发展、生态环境建设和产业优化升级的重要改革力量。于各省份特别是经济生态建设情况严峻的省份而言，绿色金融在引导地区产业资金流向、传导政府绿色政策效应、增强居民低碳环保意识方面的作用巨大，是能引导生产要素和模式的绿色化转型的关键路径。因此，以绿色金融和产业结构变化为主题，探究我国各省具体发展情况，明确其绿色金融对产业结构变化的关联程度和影响作用。

Salazar（1998）首次提出“绿色金融”这一强调其金融支持环境保护的金融概念，正式拉开了绿色金融领域的研究大门；随后的Cowan &Labatt（1998）进一步将绿色金融产品分为绿色债券、绿色发展基金和环境责任保险几大类，并探讨其对环境保护和产业结构的影响机制。国内研究大多从国家宏观层面出发，研究其对产业结构和经济可持续发展的影响。顾海峰（2010）认为，金融可同时利用政策和市场两种手段来从产业选择、结构合理化和高级化实施三个层面的实现优化调整，然而在省域层面的研究多受制于数据可获得性，导致学者大量使用绿色信贷构建表征指标来进行区域分析，如徐胜等（2018）通过对31个省份的面板数据进行灰色关联和面板回归来分析各省绿色金融对产业结构的影响途径。钱水土等（2019）则对省际面板数据进行区域和分阶段面板回归，认为绿色信贷能有限地促进产业结构优化。除此之外，部分学者还考虑从金融机构的角度，结合环境效益和风险程度评价机构绿色业务运营水平，董浩允（2020）选用宏观统计数据来进行指标构建。彭珊（2019）利用因子分析法从资金融通、资源配置、储蓄投资转化和风险管理四大功能板块来构建绿色金融发展的指标体系。孙焱林和陈青青（2019）则使用绿色相关上市企业的绿色金融投入汇总来表征全国各省份的绿色金融发展水平。还有学者引入了耦合模型来研究区域绿色金融与其他发展系统的耦合协调程度。董晓红和富勇（2018）通过研究发现各区域绿色金融和当地的绿色经济系统的耦合协调程度呈现逐年上升趋势。姬新龙和王仕琦（2020）、钱力和吕晴（2020）、邵学峰和方天舒（2021）等人则对绿色金融、产业结构、经济或生态经济系统之间做两两或三个系统的耦合协调测算，认为绿色金融与其他系统的耦合协调还在初级发展阶段，但有很大的发展潜力。

综上，大部分学者的相关研究在方法上集中于计量模型、灰色分析或耦合测度，在内容上着重分析绿色金融对产业的影响效应大小，鲜有基于整体结构对各省份绿色金融与产业结构发展关系进行讨论。因此，本文的创新之处，一方面从各省整体层面出发，分析本地区绿色金融影响产业结构对其他省的溢出效应，并找出起关键作用的省份；另一方面引入空间关系网络法，结合传统的灰色关联和耦合协调法，多维度地探讨和评价各省份两系统的发展情况和空间有向联系，据此提出建议。

二、研究方法与模型建立

（一）灰色关联分析

灰色关联分析法被广泛用于衡量绿色金融发展系统和产业结构变化系统及元素之间的发展趋势趋同程度。其步骤如下：

第一，明确灰色关联模型中的参照序列Yi和比较序列Xi。各比较序列与参考序列一一对应，互不干扰。第二，对选定的参照序列和比较序列的原始数据做无量纲化处理，以提高结果精确度。本文将数列均值作为分母对各序列进行标准化处理。第三，计算处理后的几个比较序列与其所对应的参照序列的绝对差值，形成差值序列，并求出其中的最大差值和最小差值。第四。将求得的差值参数代入到下列的公式中，计算不同时间点的各比较序列与参照序列之间的关联系数：

其中，Θi（m）表示第i列比较序列在第m个节点上与参照序列的关联系数；Yi（m）与Xi（m）分别为在不同的时间节点下的参照序列数据和比较数列数据；ε为模型的分辨系数，通常为0.5。

对关联系数序列求算数平均值，得出各比较序列与参照序列之间的整体关联度，即为两者之间的灰色关联度：

其中，m为年份。

（二）耦合模型测度

采取丛晓男（2019）的方法，从数学经典不等式的角度出发来构建关于绿色金融发展和产业结构变化这两系统的综合耦合模型，主要过程如下：

第一，确定模型涉及的两个系统的表征指标，选择以熵值法得到的综合发展指数表示这两个系统；

第二，构建耦合度函数。耦合度反映系统之间相互影响和制约的程度以及协调发展的动态关联程度：

其中，C表示两个系统之间的耦合度大小，U1表示为绿色金融系统的综合发展指数，U2表示为产业结构变化的综合衡量指数，k为常数性指数，取为1/2。

第三，引入评价系数T进行调整，得到最终的耦合协调度D，计算函数为：

其中，D表示耦合协调度，T为综合发展评价系数（为保证客观性，分别对两系统的权重系数a，b取值为1/2来进行计算）反映的是绿色金融和产业结构的综合发展情况。

最后，根据一定标准，将耦合协调评分结果进行评级并评价。

（三）空间联系网络

参照董晓红和年维（2020）的研究，通过构建引力模型来计算我国30个省份的绿色金融对地区产业结构变化的影响程度的空间关联强度，建立省域网络矩阵，从空间关联角度进行探究。本文设定的引力模型如下所示：

其中，Gij就是省份i与省份j之间的绿色金融影响当地产业结构变化的关联强度；Rij是引力修正系数，用来表示省份i对Gij的贡献程度，因为研究内容是绿色金融对产业结构变化的影响，所以选择用省份的绿色金融指数进行测算，反映该省份在绿色金融方面的贡献力度；LSi和CYi分别表示省份i在绿色金融方面的发展程度和产业结构的变化情况；pi表示省份i的从业总人数，相较于地区常住人口，各省的就业或从业人口在绿色金融和产业结构的动态发展过程中的针对性更强，因此选择各省份的历年从业人数作为模型的参数进行计算；Dij表示省份i与省份j之间的地理距离，选用各直辖市、省会城市间的距离来进行表征。

根据网络矩阵得出对应空间联系网后，通过度数中心性和中介中心性来分别探究各省份绿色金融影响产业结构程度的大小和对外溢出情况，其中度数中心性通常用与该节点直接相连的点的数量来衡量，与其他节点的联系越多，就意味着该节点在网络中就处于比较中心的位置，拥有比较大的度数中心性；而中介中心性是衡量节点控制其他两点之间的交往，以及充当媒介和桥梁的能力大小。计算公式如下：

其中，j

三、指标选取与数据来源

（一）绿色金融指标

考虑到绿色金融与产业结构方面的数据客观充分性、可获得性与详细程度，综合选取了中国除西藏、香港、澳门和台湾外的30个省份来进行数据搜集，并以绿色金融与产业结构作为研究的两个核心一级指标。其中，绿色金融指标体系由绿色融资规模、绿色财政支出、绿色治理投资、绿色保险程度这4个指标来进行衡量；产业结构指标体系则由产业产值结构、产业单位结构两个指标进行衡量。

绿色融资（X1）以各省份的年度绿色信贷余额与可查询到的绿色债券发行额之和与地区生产总值GDP的比值来对绿色融资规模进行计算和表征。绿色财政支出（X2）由各省政府支出中的环境保护、农林水事务、相关科学技术以及国土资源气象等事务方面的支出总和与地方财政的一般预算支出之比来表示。绿色保险程度（X3），选用地区农业保险对农业生产总值的贡献程度来近似反映绿色保险的发展程度。绿色治理投资（X4），因环境统计年鉴的环境治理投资数据只统计到2017年，无法满足对之后年份的研究需求，因此最终以30个省份的年度工业治理投资与林业投资的总额之和与各地区的生产总值的比率来表征各省份的绿色治理投资情况。

（二）产业结构指标

在产业结构的指标体系中，很多研究学者通常会划分为产业升级指标和产业高级化指标来描述产业结构的演变。绿色金融可以在一定程度范围内对产业资金的来源和流向进行有效的调节，促使社会公众资金更多地投向污染低、能耗低、科技程度高的产业中，进而引导产业生产的优化升级。

本文鉴于数据和方法的限制，将各省份的第三产业与第二产业的产值年增加值的比率（Y1），以及各省第三产业的从业人员数与第二产业的从业人员数的年度比值（Y2）来分别作为产业结构的二级指标，以此来表现各省的产业结构变化。

（三）数据来源

文中绿色信贷额的有关数据来源于国泰安CSMAR经济数据库和中国银行业官网等，绿色债券和农业保险的相关数据来源于Wind数据库，绿色财政支出和治理投资，第二、第三产业年产值数据来源于国家统计局官网、《中国统计年鉴》及各省统计年鉴；第二、第三产业的年度就业人口数来源于Wind数据库。这些数据中，有部分省份存在少数年份的数据缺失问题，本文综合了其他学者的处理方法，以线性插值和趋势线填补法来进行补充完善。

四、实证数据分析结果的研究和讨论

（一）各省份绿色金融与产业结构指标的灰色关联度结果分析

先对用熵值法测算的各省2013—2019年绿色金融系统综合评分与其第二、第三产业产值占比做一次灰色关联运算分析，结果如表1。通过对比各省级行政区的绿色金融发展指数和各省份的第二、第三产业的产值比重序列，结合表3展示的内容可知，大部分省份的绿色金融综合发展与其第二、第三次产业产值占比的灰色关联结果处于0.5—0.8之间，属于较高水平的关联，一定程度上说明各省的绿色金融发展情况与地区的产业产值变化情况存在不错的协同一致性。绿色金融发展势头迅猛，得分较高的北京市、上海市和海南省等地区，其绿色金融与第三产业的产值占比增加的灰色关联度O1要高于与第二产业产值占比的灰色关联度O2；但在绿色金融发展势头弱于产业结构比值变化的省级行政区内，绿色金融与第二产业的产值变化的灰色关联度O1要普遍高于与第三产业的产值变化的灰色关联度O2。

表1 30省份的绿色金融与第二、第三产业比重的灰色关联度结果

表3 30省份的绿色金融和产业结构变化耦合协调

表3 说明，对于绿色金融发展程度更快更成熟的地区，绿色金融对产业结构优化升级的影响更多地展现在对第三产业的产值占比增长上，即与第三产业的产值增加的协同性更高，而在绿色金融发展程度较低，或发展速度较慢甚至停滞的省区，绿色金融的发展与第二产业的年产值占比的逐年下降存在更高的协同性。

将绿色金融的各个二级指标分别与产业结构的二级指标做灰色关联度分析，限于篇幅，表2只展示了部分省份的测算结果。从中可以得知，绿色金融的4个部分对产业结构——第二、第三次产业比值在产值占比和从业人员数两方面的关联度总体大于0.7，其中绿色融资和绿色财政支出与产值和从业人数比值的关联度明显高于绿色保险和绿色治理投资。在产值结构方面，除了上海市和云南省，表中其他地区的绿色信贷和绿色债券对产业产值结构的灰色关联度最高，这与我国绿色信贷规模大、在绿色金融调节手段中仍位于最主要地位的现状相符合。在行业从业人员结构方面，绿色财政支出的灰色关联值最大，绿色融资或绿色保险的灰色关联度次之，说明绿色政策对产业人才流动的影响最为显著。

表2 部分省份的两系统各指标的灰色关联度结果

（二）各省份的绿色金融与产业结构指标的耦合度及耦合协调结果分析

根据两系统的耦合模型式（4），把通过熵值法测算得到的30个省份的两系统综合评价总得分代入进行计算，结合各省份的耦合协调结果与部分学者们关于耦合协调级别的探讨，本文将耦合协调程度分为了5个等级，分别为濒临失调、低度耦合、中度耦合、高度耦合和理想耦合，如表4所示。

表4 耦合协调度的分级区间

表3 的结果显示，2015年各省份的耦合协调程度在稳步提升，比2013年平均上涨了0.04，上海市和海南省的协调程度达到了0.49，已经逼近了高级协调等级的门槛；2015—2017年，各省份的耦合协调发展增速稍有放缓，比2015年的耦合协调均值下降了0.01个增长单位。在这几年中，只有北京市的两系统发展位于高级耦合协调阶段，内蒙古、云南和广西步入了中级耦合协调阶段，而上海、陕西、海南、青海、宁夏和新疆自2015年进入中级协调阶段，西北地区的绿色金融与产业结构之间的发展协调程度整体优于东部甚至南部地区。到2019年，“十三五”规划出台，加快了各省绿色金融和产业的优化发展，进一步促进了两者发展的协调性，北京正式进入了理想耦合协调阶段，发展情况仍然领先于全国其他地区，上海和海南的两系统发展也达到了高级耦合协调水平，西北地区和东北地区的协调发展速度次之，而中部、东部和南部等地区的绿色金融发展较快，但仍逊于地区的产业结构变化，导致协调指数增长较为缓慢。

（三）各省份的绿色金融发展对产业结构变化影响的空间关联分析

选用2013—2019年的相关指标数据使用式（5）、（6）构建的修正引力模型计算，得出历年的区域空间关联系数矩阵，并以元素总均值作为阈值进行二值化处理，使用Ucinet软件进行辅助分析。因篇幅限制，只选取了2013年、2016年和2019年的网络矩阵来进行演变展示，见图1、图2和图3。

图1 、图2与图3是进行可视化后的30个省份之间的关于绿色金融影响产业结构变化的空间联系网络示意图，从图中可以看出，2013年各省份之间存在明显的联系割裂，形成了西北部小、边界南部和中东部等小网络群体，而新疆由于地理位置原因，与其他省份的距离太远，导致其空间关联系数值过低，在二值化关系网络中成为了“孤立点”，但其近几年发展迅速，与其他地区的关联度在不断增加。到2016年，除新疆外的29个省级行政区之间的联系强度明显加强，其空间关系网络密度相较2013年提高了58.99%，西北小网络中的陕西与北京、山西、河南、四川等省份出现了较强关联，而宁夏和甘肃也分别与内蒙古、山西以及四川形成了空间联系，各省份之间初步形成了整体关联大网络，从以北京等为中心的中倍开始向外呈现圈层放射型网络状态，越靠近国家区域边缘的省份，与其他地区间的联系越松散，其空间辐射影响越弱。在2019年，各省份之间的整体空间关系相比2016年进一步增强，呈现中—东部为核心的内紧外松的蛛网放射型状态，无论是内陆省份，还是边界和沿海地区，地区内部、地区与地区之间的联系也越来越紧密，网络密度增加了47.51%，三年间的空间关联增长速度有所放缓，呈现波动增长特征。2018年，我国出台了《资管新规》，在监管上提高了商业银行对产业投资门槛，一定程度上限制了各省份产业发展的资金来源和融资渠道，进而影响到各省份的绿色金融对产业结构的调节力度和省际间的空间溢出效应。

图1 2013年各省份绿色金融对产业结构影响的空间联系网络图

图3 2019年各省份绿色金融对产业结构影响的空间联系网络图

结合式（7）、（8）来对2019年的各省份在绿色金融影响地区产业结构变化程度的中心性指标的ucinet测算结果来进行综合分析，其结果如表5。

表5 30省份的空间联系中心性指标结果

续表5

由表5可知，北京和上海在出度中心性和入度中心性上都位列全国前两名，且大大领先于其他省份，属于整个空间关联网络的最核心位置，拥有最强的中心影响力，其绿色金融的发展不仅可以促进本地区的产业结构优化升级，还有较强的空间溢出效应，可以带动和调节其他关联省份的两系统发展和相互影响作用。山西、天津、浙江、贵州和广西等地区的出度中心度大于入度中心度，表明这些地区的绿色金融发展水平较高，在网络中承担着发出关系的角色，可以发挥自身的能动优势引导周边地区的协调发展。其他省份中绝大部分都是入度中心性较高，意味着自身绿色金融发展不强，对产业结构的调节作用更依赖于协调等级高的地区的效应溢出引导，具有较弱的内生动力。

在中介中心性方面，北京仍旧位列首位，具有最好的中介控制能力，不但可以作为我国绿色金融促进产业发展的核心领袖，也能很好地充当中间者，发挥经纪人作用，做其他省份在绿色金融影响产业结构的空间溢出效应的传导桥梁。河南、湖北、陕西、广东和四川的中介中心度紧随其后，位于前列，其地理位置优越，是交通发达，毗邻多省的要塞地区，也是中部、西部和南部省份的重要政治经济文化发展的领头角色，其绿色金融的发展也对周边省份起到良好的指导和控制作用，同时可以利用自身的媒介能力进行效应传递，从而带动关联省份的优化发展。黑龙江的绿色金融衡量值较高，但中介中心性确为0，说明其自身发展虽好，但由于地理和历史等因素，导致自身角色边缘化，较难带动临近省份在绿色金融方面对产业结构的引导调节。

五、结论与建议

采用熵值法来衡量我国30个省份的绿色金融发展和产业变化两系统的综合水平，之后先通过灰色关联和耦合协调法评价各省份间两系统的联动发展情况，再结合空间联系网络做进一步研究，得出各省份之间在该领域的有向溢出关系，并以此判断其中起到核心作用的省份。综合上文的实证测算和分析结果，可得出以下结论：

第一，我国的绿色金融发展水平和产业结构在三次产业与二次产业的比值方面均呈现逐年增长趋势，北京、上海、海南和贵州等地的绿色金融发展速度处于全国前列，其绿色金融与产业结构两系统之间的耦合协调程度也进入了高级协调阶段，这说明对各省而言，大力发展绿色金融，推行绿色低碳战略不仅能够减少产业能耗和环境污染，还能有效提高各省份的绿色金融与产业结构的优化协调发展。第二，灰色关联度结果从另一角度论证了绿色金融对产业结构存在明显的正向影响，绿色金融越发达越成熟的地区，其在产业结构的影响作用就更多地体现在与第三产业占比增加的协同性上，促使生产的资金、人力和技术从第二产业向第三产业集聚，带来产业生产的高阶段升级；在绿色金融不发达的省份，其绿色金融主要通过抑制高污染高能耗工业的产值和生产要素，致使第二工业产值和员工占比下降，进而带来产业结构的变化。第三，我国的绝大多数地区在绿色金融进行产业升级调节过程中都以政府和大型银行为主导的绿色信贷、绿色债券和财政支出为主要调节手段，绿色保险和治理投资虽发展较快，但尚未形成规模，也是绿色金融体系与产业结构变化的协调程度较低的一个重要原因。第四，绿色金融发展较快的地区，其对产业结构变化的引导调节可以产生明显的空间溢出效应，带动周边地区或其他关联地区的两系统发展，起到正向促进作用。

基于以上结论，提出以下几点建议：第一，政府应继续做好发展绿色金融的领头者，因地制宜地推行地区绿色金融的特色政策，提供良好的外部环境。第二，金融机构要加快绿色金融产品服务的推广与创新，充分发挥它们对产业结构的调节作用，形成一定的数量规模。第三，绿色金融发展较快的省份要当好核心和中介者角色，利用自身的发展优势和正向传导效应，有效引导和促进其他省份绿色金融的发展和对产业结构的优化调节。第四，各地区应进一步完善信息披露制度，细化环境责任报告的要求标准，为广大企业提供监督示范作用的同时，进一步为绿色金融评估体系提供更充分的研究依据。