绿色金融对碳排放的影响——基于消费结构升级的中介效应

赖红波 韩妮莉

（上海理工大学管理学院 上海 200093）

一、引言

改革开放40 多年来，中国经济持续发展，并稳步呈现快速增长的趋势，但中国的能源消耗和碳排放量却与日俱增，经济与生态如何平衡发展成为近些年来的热点话题。我国向国际社会承诺，中国在2030 年，将努力实现单位GDP 二氧化碳排放量仅为2005 年的35%~40%。为实现预期减排目标，同时保障经济高质量发展，国家提出了诸多绿色低碳发展规划与支持政策：“十三五”规划纲要首次引入“绿色发展”理念，要求走绿色低碳发展道路，主张建立绿色金融体系（包括发展绿色信贷、绿色债券，设立绿色发展基金）；2017 年6 月，国务院常务会议决定，以浙江、江西、广东、贵州、新疆等省（区）为首批试点，建设具有自身特色的绿色金融改革创新试验区，深入贯彻落实绿色金融政策；党的十九大报告强调“构建市场导向的绿色技术创新体系，发展绿色金融，壮大节能环保产业和清洁能源产业”；党的二十大报告提出要完善支持绿色发展的金融体系，发展绿色低碳产业，加快节能降碳先进技术的研发和推广应用，倡导绿色消费，推动形成绿色低碳的生产方式和生活方式。因而，关注绿色金融能否有效抑制碳排放具有重大现实意义。

绿色金融是一种旨在应对气候变化、改善生态环境和节约资源以高效利用的经济活动，或者说所提供的一种金融服务，其涵盖领域包括节能、环保、清洁能源、绿色交通、绿色建筑等。从绿色金融体系的界定中，可以简单将绿色金融的服务形式理解为绿色信贷、绿色债券、绿色保险和其他绿色金融服务等①。其中，绿色信 贷是中国绿色金融发展的主力军，截至2021 年末，我国本外币绿色信贷余额15.9 万亿元，同比增长33%，存量规模居全球第一，碳减排信贷带动年度碳减排4786 万吨二氧化碳当量②。

从理论逻辑上来看，一方面，绿色金融政策对绿色企业及绿色项目予以激励与扶持，同时对污染企业加大融资的阻碍并采取严格的环境规制监管与超标处罚措施，二者均对污染企业起到示范和警示的作用，逼迫污染企业进行绿色转型，减少污染项目投资和产品生产。另一方面，绿色金融政策倡导居民绿色生活方式，鼓励整个社会消耗低碳能源和产品，以致消费结构全面升级，同时新兴时代激发大众的享受型消费倾向、发展型消费倾向，伴随着低碳快捷的交流传递方式，最终碳排放量下降。那么，绿色金融究竟能否降低碳排放？绿色金融是否能通过消费结构升级的路径抑制碳排放？碳减排效果是否在不同产业结构、不同经济水平地域间存在差异？目前，鲜有研究关注绿色金融政策对碳排放的影响，因而缺乏这一问题的直接证据。基于此，本文以2017 年出台的绿色金融改革创新试验区政策作为准自然实验，利用省级面板数据，运用双重差分法检验绿色金融政策对碳排放的影响效果,并研究消费结构升级在此影响过程中的中介效应，试图寻找绿色金融政策影响碳排放新的作用机理。最后，从省域异质性视角出发，探究绿色金融政策的碳减排效果是否在地区经济发展水平、第三产业占比、碳排放强度上存在差异，渴望能帮助识别政策实施效果的差异性，促进绿色金融体系逐步完善。

二、文献综述

（一）绿色金融的经济效应

有关绿色金融的经济效应相关研究，可以从宏观和微观两个角度来概括。

宏观方面，部分学者研究了绿色金融对经济增长和产业结构升级的影响。关于绿色金融发展对经济增长的影响目前学术界尚未达成一致。有学者认为绿色金融发展能够显著促进经济增长[1-2]，宁伟、佘金花[3]认为绿色金融对经济增长产生抑制作用。因而，对比分析能发现，研究对象及其所处的经济发展阶段、研究时间窗口的差异都会带来不同程度上的结论差异。后续研究进一步深化全面，发现绿色金融和经济高质量发展之间呈非线性关系，存在门槛效应。当绿色金融发展水平足够高，且达到一定值时，绿色金融对经济高质量发展的促进作用显著增大[4]。针对产业结构升级方面，由于绿色金融制度本质上支持绿色产业的融资，逐步引导资本从高污染高能耗的重工业行业转向低碳环保的服务型行业；并且也会助力传统行业技术研发和新型设备采购，所以绿色信贷会促进产业结构升级[5]，持续推进产业结构由第一产业向第二、三产业过渡。

微观方面，近两年来相关研究集中在绿色信贷对企业投融资行为和企业技术创新的影响上。苏冬蔚和连莉莉[6]运用DID 模型发现绿色信贷使重污染企业的有息债务融资和长期负债均显著下降且成本增加，同时也会使“两高”企业的权益资本成本提升[7]。绿色金融政策的实施不利于重污染企业进行技术创新[8-9]，可能的原因是绿色信贷会导致重污染企业长期债务融资约束及股权融资上升。

（二）碳排放的影响因素

近年来，环境污染成为全球热点话题，国内外关于碳排放影响因素的研究较多，研究发现影响碳排放的因素包括经济增长、城镇化、技术创新、产业结构、金融发展等。

有关金融发展对碳排放影响的研究，一部分学者认为，金融发展有助于企业技术创新、增强环保意识从而减少碳排放[10]。之后一批学者补充，针对发展中国家，在前期金融发展会加快高能耗的粗放式经济增长，两者之间存在先促进后抑制的倒U 形关系[11-12]。

随着国内绿色金融体系的构建，有关绿色金融对碳排放影响的研究兴起，学术界普遍认为绿色金融对碳排放存在抑制作用，并且各相关研究的差异体现在研究方法和影响机制两个方面。关于研究方法，江红莉等[13]采用差分GMM 方法，以绿色信贷、绿色风投衡量绿色金融，研究绿色金融的碳减排效果。尤志婷等[14]以绿色信贷、绿色产业投资、绿色债券做绿色金融发展指标，运用动态面板模型考察单个绿色金融发展指标及其两两交互项对碳排放的影响，以探讨各项绿色金融业务间的潜在关联。王婷婷[15]运用DID 模型分析绿色金融改革创新试验区政策对地区碳减排的影响，并发现该政策主要通过产业结构优化升级来促进地区碳减排。关于影响机制，有学者从理论上论证了绿色金融主要通过金融配置效应、技术创新倾向提高效应、信号传递效应三条路径来降低碳排放强度[13]；也有学者通过实证验证了绿色信贷主要通过推动绿色技术创新和优化产业结构来促进碳减排[16]。

近两年较新研究表明，消费结构升级也会影响碳排放。罗栋燊等[17]指出在快速城镇化背景下，消费结构升级能促进碳减排，且在东中部地区影响作用更显著；并发现消费结构升级主要通过扩大非物质消费和扩大服务业占比两个路径抑制碳排放。另外，产业结构升级和消费结构升级的交互项即二者的协同作用，能更进一步促进碳减排[18]。

综上，现有研究大多从实证出发，以绿色信贷、绿色风投、绿色债券等作为绿色金融的衡量指标，或研究它们单独或者交互作用于碳排放而产生的效果。最终都验证了绿色金融发展对碳排放有显著的抑制作用，但相关影响机制主要集中在技术创新和产业结构升级这两条路径上。可见变量衡量指标、研究方法比较固定，因果关系的中介变量或调节变量也较为集中。因而本文将绿色金融创新试验区政策作为一项准自然实验，利用DID 模型研究绿色金融政策对省域碳排放是否存在抑制作用，并研究消费结构升级是否能够作为二者间新的影响机制。

三、理论分析与假设提出

（一）绿色金融对碳排放的影响

理论上，绿色金融政策一方面鼓励资金流入绿色清洁企业，有利于缓解其融资约束，流动资金盈余[19]，促使绿色环保企业加大研发投入，进行绿色技术创新，从而使得技术进步，能源消耗效率提高，有效抑制碳排放。另一方面，绿色金融政策对“两高企业”增设融资门槛，限制资金的流入。“两高企业”债务融资成本提升[20-21]、生产和研发资金短缺，造成产能降低[6]和技术落后，进而缺乏市场竞争力，倒逼高污染企业自主进行绿色技术创新和产品升级[19,22]，也致使碳排放量减少。综上所述，提出研究假设1：

H1：绿色金融发展对碳排放的影响呈现显著的抑制作用。

（二）绿色金融对消费结构升级的影响

消费结构升级的定义是：在消费结构中，人们在基本生存型（衣食住行）上的开支逐渐减少并趋于稳定，会将越来越多的开支投向发展享受型的非物质型消费（包含通信、文教娱乐、医疗健康等），且这部分开支会占总体消费的较高比例[17]。

刘传哲和任懿[23]认为绿色信贷通过扩张效应、技术效应和反馈效应影响消费结构，具体表现为:一方面生产端产能增加，从供给侧角度影响能源的消费需求，促使能源消费结构低碳化；另一方面环保型产业研发资金增多，促进技术创新，进而引导全社会更倾向于选择消费低碳能源。同时上述两种效应使得能源消费结构不断优化，低碳化所带来的经济效益和环境效益又会正反馈于绿色信贷，绿色信贷将继续促使绿色环保产业供给增加、绿色技术创新水平提升，从而构成一个正反馈循环。

绿色金融发展能够改善能源消费结构[24]。绿色金融的发展将推动相关部门对绿色清洁、节能减排等领域项目的投融资,促进企业对环保低碳能源的开发和使用，降低高污染能源（煤炭、石油等）的消费，从而改善我国能源消费结构，推动我国绿色经济发展。

首先，绿色金融政策通过扶持绿色产业，增加其绿色技术创新投入、提升产能，使得市场绿色产品供给增加；其次，绿色金融政策打压高污染高耗能企业，迫使其自主进行技术升级或产业转型，这会使得污染企业在市面上的产品供应减少，居民可选择产品减少；同时绿色企业信贷资金增多，产能增大，市场绿色产品供给增多，人们进而可能转向选择性多的绿色产品，进而转向并逐渐习惯于绿色生活方式，由消费绿色化倒逼生产绿色化，进一步促进部分传统产业绿色转型，加快产业结构生态化[25]。

更关键的，绿色金融倡导绿色生活方式和消费模式[26]，在不断传播绿色消费观念的作用下，能够有效促进消费结构升级。在人人崇尚绿色生活的观念下，消费者会更多地使用绿色企业的产品，对绿色产品的需求大幅上升，进而倒逼绿色企业生产更多的绿色产品或是污染企业进行绿色转型，降低能源消耗，进而减少碳排放。综上所述，提出研究假设2：

H2：绿色金融对消费结构升级的影响呈现显著的促进作用。

（三）消费结构升级在绿色金融和碳排放中的中介作用

消费结构升级可以抑制碳排放。一方面，消费结构升级的享受型消费倾向使得消费行为从大量的物质消费转向非物质消费，促进了非物质消费的扩张，催生了健康、文教娱乐、通信等一系列非物质消费的市场需求，提升了服务业的占比，推动了服务业的快速发展，减少了因为能源消耗所产生的碳排放[17]。另一方面，消费结构升级的发展型消费倾向促使消费者更多地进行教育投资，促进了人力资本积累，强化了从人力资本积累到健康医疗和文教娱乐等多样化消费的良性循环，降低了衣食住行等基本需求的物质消费上的占比，从而减少了碳排放。同时消费结构升级伴随着科技进步，人们之间交流传递的方式也越来越低碳快捷，人流、物流、信息流的效率得到了极大提升，能源使用效率也得到提升，节约了交流成本，降低了碳排放。

结合上述，绿色金融会影响碳排放和消费结构升级，而消费结构升级也会对碳排放产生影响。那么，合理猜想是在绿色金融对碳排放产生影响的过程中，消费结构升级是否是一个中介变量呢？影响机制过程见图1。由此，提出研究假设3：

H3：消费结构升级在绿色金融和碳排放中具有中介作用。

图 1 绿色金融影响碳排放机理图

四、研究设计

（一）模型构建

2017 年6 月，浙江、江西、广东、贵州和新疆五省（区）被设立为首批绿色金融改革创新试验区，本文以此次试点政策为一项准自然实验，利用双重差分模型（DID），旨在检验绿色金融改革创新试验区的建立是否能够促进碳减排。

考虑到数据的完整性和可获得性，本文选取我国除西藏、港澳台地区以外的其余30 个省份作为研究对象，研究时间为2013—2019 年。本文将首批试点省份浙江、江西、广东、贵州、新疆五省（区）作为处理组，其余省份作为对照组，从省域碳排放量的视角对建立绿色金融改革创新试验区的政策进行量化评估，为验证假说1，构建模型（1），具体模型设置如下：

其中，lncgdpi,t表示某省（市）i在t年的碳排放量的对数。treati表示首批试点省份的虚拟变量，i为五个试点省份时（即处理组），treati取值为1，否则为0（即表示对照组）。timet为政策执行时点的虚拟变量，2017 年以后的年份赋值为1，2017 年及以前各年赋值为0。Xi，t为控制变量矩阵，包括技术创新水平（innova）、产业结构（industry）、经济增长（pgdp）、开放水平（op）。

在基准回归分析中，令treati*timet作为核心解释变量，该模型关注核心是系数β1。该系数具体表示的是：在绿色金融改革创新试验区政策实施前后和试点省份及非试点省份之间进行双重差分后，这项绿色金融政策对该省（市）碳排放的影响，若β1显著为负，则表明建立绿色金融改革创新试验区有助于减少碳排放，利于绿色经济发展。同时，本文模型还控制了省份随时间变化的个体固定效应以及年份固定效应,分别表示为δi、γt，其中εi，t为随机扰动项。

（二）指标构建与变量定义

1. 被解释变量

研究所选择的被解释变量是碳排放量（cgdp），这个碳排放量综合考虑了研究区域的经济发展水平，实际意义是指每万元产出所对应的碳排放量，单位为（kg/万元）。本文参考联合国政府间气候变化专门委员会（IPCC）所提供的测算方法，我国各省（区、市）的碳排放量测算公式如下：

其中，Ei为各种能源年度消耗量，本文共纳入10 种主要碳排放能源的消耗量，包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力，数据来源于《中国能源统计年鉴》；αi为各种能源对应的折标准煤系数，βi为各种能源对应的二氧化碳排放系数，分别来源于《综合能源耗算通则》和《省级温室气体清单编制指南》；12/44 表示每一二氧化碳分子中碳的质量分数；GDP 为各省（市）的年度GDP，数据来源于国家统计局。

2. 核心解释变量

规定处理变量treati和时间变量timet二者的交互项treati*timet作为核心解释变量，并将其定义为treated，关注其系数β1的显著度与正负号，以此检验建立绿色金融改革创新试验区对碳排放的影响。

3. 中介变量

消费结构升级（consume）。根据中国统计年鉴中的居民消费分类，分为两大类，一是基本生存型消费,包括食品、衣着、居住、交通和通信；二是发展享受型消费，包括家庭设备及服务、文教娱乐、医疗保健、其他商品及服务[27]。本文参照周少甫、林享[18]的做法，以家庭设备及服务、文教娱乐、医疗保健、其他商品及服务，即发展型消费支出占居民总消费支出之比衡量消费结构，该比值越大，表明消费结构升级程度越高。

4. 控制变量

根据碳排放影响因素的文献研究，本文选取以下4 个变量作为控制变量，即技术创新水平、产业结构、经济增长、开放水平。具体数据来源于国家统计局、中国统计年鉴。变量的具体定义如表1 所示（以下数据均代表省际层面的数据）。

表1 主要变量定义与说明

（三）描述性统计

各主要变量的描述性统计如表2 所示。碳排放（lncgdp）的均值为6.310，最大值为9.552，最小值为4.927，标准差为0.834，不同省域之间的碳排放强度无较大差异。技术创新水平（innova）的均值为7.620，最大值为59.329，最小值为0.786，标准差达到了9.361，说明不同省域之间的技术创新水平存在着较大差距；人均GDP（pgdp）的标准差相对也较大，为2.642，各省份之间的经济发展水平也存在着参差不齐的状况。其他变量也基本符合现有文献数据的标准。

表2 描述性统计

五、实证结果及分析

（一）平行趋势假设检验

使用双重差分法的前提是要符合平行趋势，即保证实验组和控制组在事件发生前维持相同的变化趋势，以保证外生事件是造成两者差异的唯一动因。

本文绘制了处理组和对照组碳排放量均值的时间趋势图。如图2 所示，横轴为年份，纵轴表示碳排放量数量（取对数）的均值。由图2 可知，在2017 年该政策实施之前，实验组和对照组的平均碳排放量变化趋势大体上相同，二者形成的曲线大致平行。初步认定满足使用双重差分法模型的前提。而政策实施之后，二者的差距逐渐拉大，实验组碳排放量有一个急速的下降趋势。

图 2 碳排放量平均增长趋势

为了进一步检验实验组和对照组的碳排放量是否严谨符合平行趋势，本文采用了事件研究法，如图3 所示。由于政策实施前一年的数据因共线性在回归中自动被消掉，所以图中未显示pre1。根据图3，可见在政策未实施的前4 年里，试点省份和非试点省份碳排放量的差异很小，其政策净效应的估计系数值都在0 值附近上下波动。这充分验证了在政策实施前实验组和对照组碳排放量的变化具有相同趋势，因而符合使用双重差分法模型的前提。在政策实行后第一年，曲线有一个显著的下降趋势，说明绿色金融改革创新试点政策对碳排放有显著的抑制作用；且曲线在实施第二年持续下降，说明此政策有延续性。

图 3 平行趋势检验

（二）基准回归结果

通过计量工具Stata 对模型（1）检验绿色金融政策对碳排放的影响，实验中陆续尝试了固定效应模型、随机效应模型以及混合回归模型，最终检验结果表明固定效应模型（FE）最优，故本文后续均采用固定效应模型。表3 提供了绿色金融政策对碳排放影响的基准回归结果。在列(1)—(4)中，treated 的系数估计值均显著为负。其中列（1）和列（2）是未加入控制变量时的回归结果，且列（2）在列（1）的基础上引入了时间固定效应；由列（1）和列（2）分别引入控制变量得到列（3）和列（4）。列（4）中双重差分变量treated 的系数估计值-0.0633 为负，且在5%的水平下显著，即绿色金融改革创新试点政策实施后，相对非试点省份，试点省份的碳排放量减少6.33%，并且调整的R2也达到了81.7%；这表明与非试点地区相比，绿色金融改革创新试点政策的出台显著抑制了试点地区的碳排放。综上，研究假设H1 得证。

表3 绿色金融政策对碳排放影响的实证结果

（三）稳健性检验

1. 安慰剂检验

为进一步有效排除对碳排放产生潜在影响的其他不可观测因素，确保本研究中建立绿色金融改革创新试验区是唯一影响因素，接下来进行安慰剂检验。参考张小可和葛晶[28]的研究，在30 个省份中随机抽取5 个作为虚拟实验组，其余25 个省份则作为对照组，如此共进行500 次抽样实验，之后按照模型（1）进行回归。图4 是进行500 次随机抽样后得到的回归估计结果的系数分布及对应p值，实曲线表示核密度分布。由图可见，回归系数集中在0值附近，且大多数估计值所对应的p值大于0.1，说明在这500 次随机抽样中，绿色金融改革创新试验区的建立对随机形成的实验组和对照组之间碳排放量的差异没有显著影响，进一步说明试点地区与非试点地区之间碳排放量的差异与其他未知影响因素无关。本文所得结论通过了安慰剂检验，前文估计结果具有稳健性。

图 4 安慰剂检验

2. 反事实检验

为排除可能会对地区碳排放量产生影响的其他潜在因素，确定绿色金融政策是其行为改变的唯一要素。本文通过改变政策实施时点进行反事实检验，即假设政策干预发生在其他时点，比如将政策时点提前至2014 年，基于模型（1）进行回归；若回归系数不显著，则可证明碳排放量减少的结果是受到了绿色金融政策的影响，而不是其他因素，可说明研究结论的稳健性；否则，将无法说明。

具体而言，将事件时间前推3 年，假设政策实施时点为2014 年，使用2013—2016 年的数据，将2013—2014 年赋值为0，2015 年和2016 年赋值为1。进而对该样本进行回归，估计假想政策的效果。从表3 第(5)列的回归结果中可以看到，treated 的估计系数不显著。因此，绿色金融改革试验区政策在其他时点实施的政策效应均不显著，这在一定程度上表明促进碳排放的因素不是源于其他干扰因素，而是很大程度上来自于绿色金融改革创新试点的实施效应，本文结论可靠。

六、中介效应检验

绿色金融政策通过扶持绿色产业、打压高污染高耗能企业以及倡导居民绿色生活方式，鼓励整个社会消耗低碳能源和产品，以致消费结构全面升级，同时新兴时代激发大众的享受型消费倾向、发展型消费倾向，伴随着低碳快捷的交流传递方式，最终碳排放量下降。本文根据温忠麟和叶宝娟[29]提出的中介效应检验方法，在模型（1）的基础上构建模型（3）—（5），以对消费结构升级在建立绿色金融改革创新试验区和碳排放之间的中介作用进行检验。双重差分模型（3）—（5）如下：

其中，Xi,t仍代表前文提到的控制变量，δi、γt、εi,t分别表示个体固定效应、年份固定效应和扰动项。

最终得到的回归结果见表4。

表4 中介效应分析结果

由表4 列（1）和列（2）可知，模型（3）和模型（4）中双重差分变量treated 的系数分别为−0.0633 和0.00625，均在5%的水平上显著，这表明建立绿色金融改革创新试验区能有效抑制碳排放，并促使消费结构升级。假设H2 得到验证。表4 列（3）是对模型（5）进行回归以检验消费结构升级的中介作用的回归结果。消费结构升级的回归系数在5% 的水平上显著为负，这说明消费结构层级越高，其碳排放量越低；双重差分变量treated 回归系数在10%的水平上显著为负，系数为−0.0501，此系数的绝对值明显小于模型（3）的回归结果绝对值，即在模型（3）的基础上加入消费结构升级后，建立绿色金融改革创新试验区对碳排放量的抑制作用有所下降但仍显著。根据各回归系数的显著性可知，消费结构升级在绿色金融改革创新试点政策对碳排放量的影响中起着部分中介作用，消费结构升级分担了一部分绿色金融改革创新试点政策对碳减排的促进影响。假设H3 得到检验。综上，表4 的研究结果表明，绿色金融改革创新试点政策的实施，一方面会对促进碳减排有一个直接效应，同时也会通过提升消费结构升级，对碳减排的促进有着间接效应。

七、异质性分析

（一）基于经济发展水平分组的实证分析

已有文献发现，经济增长增加了二氧化碳排放[30-31]。那么对于经济发达的地区和经济较为落后的地区，这两组不同的研究对象在绿色金融改革创新实验区政策对碳排放产生影响的效果上是否有差异呢?对此我们考察经济发展水平在基准研究中的异质性。本文根据各省份人均GDP 数据，分别计算各省（区、市）2013—2019 年七年里的平均值，选取人均GDP 平均值排名前十的省份为经济发展水平高的组别，排名后十的省份为经济发展水平低的组别，分别对这两个样本按模型（1）回归。

检验结果如表5 第（1）、（2）列所示，treated 的回归系数均为负，且经济较落后地区样本的treated 系数绝对值明显较大，且在1%水平上显著；而在经济较发达地区的样本中不存在显著关系。这说明建立绿色金融改革创新试验区对碳排放的抑制作用在经济发展水平低的地区更为显著。可能的原因是，对于陕西、甘肃、贵州等经济发展水平较低的西部省份，且大多是能源大省，分布有众多“两高”能源产业；而绿色金融改革创新政策鼓励提倡对绿色环保产业的投入，以升级产业结构、推动技术进步，这一点正好迎合了这些“两高”产业的绿色转型需求，能有效改善当地能源结构，因而产生了较强的碳减排效果。另外，可能是大多经济发达地区的政府、银行和企业对绿色金融创新政策的重视程度不足、实施力度不强，没有把此政策作为促进产业升级的资金支持，进而对碳减排的促进作用就较不明显。因此，绿色金融改革创新试点政策对经济发展水平低的地区碳减排具有显著的促进作用。

表5 异质性分析

（二）基于产业结构特征分组的实证分析

已有研究发现，绿色金融政策对产业结构升级与优化具有显著的正向促进作用[5]，同时产业结构高级化对碳排放强度也存在一定影响[32]，产业结构的差异是否会导致绿色金融政策对碳排放的抑制作用的差异性呢？为此我们研究产业结构特征的异质性。由于产业结构升级是指产业结构逐渐向第三产业发展且产业在全球价值链中的地位不断提升。本文选取各省份第三产业占比，分别计算各省2013—2019 年七年中的平均值，分别选取第三产业占比排名前50%和后50%的省份为第三产业占比高、第三产业占比低的组别，对这两个样本按模型（1）回归。

具体的回归结果如表5 第（3）和（4）列所示，treated 的回归系数均为负，且第三产业占比相对较低样本的treated 系数绝对值明显较大，且在1%水平上显著；而在第三产业占比相对较高的样本中不存在显著关系。该结果显示，第三产业比重越低的地区，绿色金融改革创新政策对碳减排的促进效应就越大。可能的原因是，第三产业主要指服务性产业，相比第二产业会更加清洁、绿色和环保；那么绿色金融政策以绿色环保为要旨的资金帮扶可能对第三产业升级优化的作用不大，因而不能有效降低第三产业占比较高地区的碳排放。综上，绿色金融改革创新试点政策对第三产业占比较低地区的碳减排具有显著的促进作用。

（三）基于碳排放强度分组的实证分析

地区碳排放强度的差异也可能导致绿色金融政策的碳减排效应不同。为此，本文选取各省份碳排放数据，单独计算每个省（区、市）于2013—2019 年间的碳排放量平均值，并进行排序，碳排放排名前50%的为高碳组、后50%的省份为低碳组，对这两个样本按模型（1）回归。

实验结果如表5 第（5）、（6）列所示，高碳组treated 的回归系数在1%的水平上显著为负；而低碳组的treated 系数为正且不显著。这说明建立绿色金融改革创新试验区对碳排放的抑制作用在碳排放更高的地区更为显著。可能的原因是，碳排放更高的地区因省内“两高”产业聚集而急需进行绿色转型的观念迫切，因而积极响应绿色金融政策、积极倡导绿色资金流入绿色企业、强力管制打压高污染企业进行污染项目倒逼其转型，一方面绿色创新技术提升，另一方面高排放产品产量削减，故而碳排放减少。

八、结论与政策启示

本文基于2017 年绿色金融改革创新试点政策，采用双重差分模型，以2013—2019 年省级面板数据，实证研究了绿色金融对碳排放的影响。研究结果显示：（1）大力发展绿色金融能够显著抑制碳排放。政策实施之后，相比非试点地区，绿色金融改革创新试点地区的碳排放量增长有明显的下降趋势，且该结论在控制内生性问题以及考虑其他稳健性检验后仍然成立。（2）消费结构升级在绿色金融政策对碳排放的影响过程中具有部分中介作用。绿色金融政策一方面直接促进碳减排，另一方面通过提升消费结构层级进而减少能耗、提升能源使用效率间接促进碳减排。（3）此外，异质性分析发现，绿色金融对碳排放的抑制作用在经济发展水平较低、第三产业占比较低以及碳排放强度较高的省份更加显著，且作用效果更强。本文为揭示我国绿色金融改革创新试点政策抑制碳排放效应提供了经验证据，具有较强的现实意义。

本文基于以上研究结论，提出如下政策启示：

第一，发挥好试点地区先行先试的作用，并对试点成果及时总结反馈。根据研究结果，建立绿色金融改革创新试验区有助于促进碳减排，有利于绿色环保，政府可以考虑将绿色金融改革创新政策推广到其他省域，为推动建设绿色金融体系，鼓励商业银行加大绿色信贷规模和比例，增加对绿色清洁行业（环保、新能源、新材料）信贷资金的投入，同时缩减流向“两高”行业的资金并加强资金使用监管。为此，国家相关部门应积极完善法律制度，商业银行应进一步提升风险管理水平，各地政府应以风险担保、加强监管等方式鼓励支持商业银行开展绿色信贷业务，保障各地绿色金融改革创新政策的贯彻落实。

第二，推进消费结构升级，倡导全民“绿色低碳”的消费理念。新闻媒体、居民社区多宣传“绿色低碳”的生活方式；商业银行要明确宣称为绿色清洁企业提供优惠利率，“警示”高污染行业，“高调”传递发展绿色经济的信号，促进企业建立环保优先的社会责任意识，促进全社会树立环保文明、绿色清洁的环境意识和消费意识。

第三，因地制宜地搞好绿色金融发展，各省（区、市）应根据当地经济发展特征制定具有区域特色的有效制度和政策。根据研究发现，绿色金融政策对碳排放的影响在经济发展水平较低、碳排放强度较高、第三产业占比较低的省份更加显著。因此，国家应重点关注经济落后、污染程度严重的省域，比如西部地区能源大省（陕西、甘肃、贵州等），加大对这些地区的绿色信贷力度，采用“先易后难”的思路，使这些地区的碳排放迅速降低。同时，中央人民政府还应充分发挥宏观调配的作用，根据地区实际情况，合理布局、动态配置资源，保证在资金利用效率最大化的基础上稳步推进各区绿色经济蓬勃发展。

注释：

① 2016 年8 月，中国人民银行等七部委共同印发《关于构建绿色金融体系的指导意见》提出。

② 数据来源：中华人民共和国中央人民政府官网之新闻“我国绿色贷款存量规模居全球第一”。