張芙嘉 張雯瑋

摘要：“碳達(dá)峰、碳中和”目標(biāo)約束下，中國綠色信貸發(fā)展進(jìn)入新階段。為探究綠色信貸對于中國綠色經(jīng)濟(jì)發(fā)展的作用，本文基于2007-2016年全國30個(gè)省市面板數(shù)據(jù)，構(gòu)建綠色GDP指標(biāo)并采用動(dòng)態(tài)面板模型進(jìn)行實(shí)證分析，研究綠色信貸對于綠色經(jīng)濟(jì)增長的影響。研究表明：綠色信貸對于綠色GDP的增長有顯著正向影響作用，且影響作用與綠色信貸水平高低有關(guān)，高信貸水平地區(qū)的影響作用顯著大于低信貸水平地區(qū)。

關(guān)鍵詞：綠色信貸;綠色GDP;動(dòng)態(tài)面板模型

中圖分類號：F23文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2022.01.043

1模型設(shè)計(jì)與變量選取

1.1模型設(shè)計(jì)

為了探討綠色信貸對綠色經(jīng)濟(jì)發(fā)展的影響，本文設(shè)計(jì)動(dòng)態(tài)面板計(jì)量模型進(jìn)行定量分析。由于綠色經(jīng)濟(jì)發(fā)展具有路徑依賴性，當(dāng)期綠色經(jīng)濟(jì)發(fā)展?fàn)顩r會受到上期影響，同時(shí)考慮到內(nèi)生性問題，本文構(gòu)建動(dòng)態(tài)面板系統(tǒng)GMM模型，模型形式如下：

GGDPjt=β1GGDPjt-1+β2GCDjt+βn∑Xnjt+μj+εjt

其中j和t表示地區(qū)和時(shí)間，βn為各變量參數(shù)，GGDPjt代指某時(shí)某地的綠色GDP（單位：億元），表示綠色經(jīng)濟(jì)發(fā)展綜合指標(biāo);GCDjt是核心解釋變量，表示某時(shí)某地綠色信貸發(fā)展程度;X為其他影響綠色經(jīng)濟(jì)發(fā)展的控制變量，包括政府干預(yù)、投資水平、科技創(chuàng)新和人才資源;μj是個(gè)體固定效應(yīng);εjt是隨機(jī)誤差項(xiàng)。

1.2變量選取

1.2.1被解釋變量

本文采用綠色GDP作為衡量綠色經(jīng)濟(jì)發(fā)展水平的指標(biāo)。參考已有文獻(xiàn)（溫懷德，2010;沈曉艷等，2017），綠色GDP的核算包括傳統(tǒng)GDP、自然資源和環(huán)境污染三部分?；诖耍疚臉?gòu)建如下計(jì)算公式：

GGDP=實(shí)際GDP+自然資源增減價(jià)值-環(huán)境污染損耗價(jià)值

本文以2006年為基期計(jì)算2007-2016實(shí)際GDP，以2006年各資源價(jià)格和環(huán)境治理價(jià)格為基準(zhǔn)，計(jì)算2007-2016年自然資源增減價(jià)值和環(huán)境污染損耗價(jià)值，具體核算方法如表1。

1.2.2核心解釋變量

參考已有文獻(xiàn)本文采用各省工業(yè)利息支出總值與六大高耗能產(chǎn)業(yè)利息支出之差衡量綠色信貸（GCD），計(jì)算公式如下：

GCD=各省工業(yè)利息支出總值-六大高耗能產(chǎn)業(yè)利息支出

1.2.3控制變量

影響綠色GDP的因素有很多，參考已有文獻(xiàn)（韓紅蕾，2021;姜琪等，2020;韓毅，2019;愛列娜·彼德列卡等，2001），本文將政府干預(yù)、投資水平、科技創(chuàng)新和人才資源作為控制變量，以減少研究估計(jì)偏誤。本文采用公共預(yù)算支出衡量政府干預(yù)，采用全社會固定資產(chǎn)投資衡量投資水平，采用專利申請授權(quán)數(shù)衡量科技創(chuàng)新，采用普通高等學(xué)校數(shù)衡量人才資源。

1.2.4數(shù)據(jù)來源

鑒于綠色信貸于2007年起開始提出，并考慮到數(shù)據(jù)的連續(xù)性和可得性，本文選取中國30個(gè)省市2007-2016年的面板數(shù)據(jù)進(jìn)行實(shí)證分析。樣本數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國工業(yè)統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》、中國經(jīng)濟(jì)信息網(wǎng)、國家統(tǒng)計(jì)局等。

2實(shí)證分析

2.1基準(zhǔn)模型回歸

為克服動(dòng)態(tài)面板偏差和內(nèi)生性問題，本文采用系統(tǒng)廣義矩陣估計(jì)（SYS-GMM）方法進(jìn)行實(shí)證分析，并對GMM方程采用兩步估計(jì)法進(jìn)行迭代，選取GGDP的最大滯后二階作為工具變量，進(jìn)行分步回歸并計(jì)算穩(wěn)健標(biāo)準(zhǔn)誤條件下的估計(jì)結(jié)果，結(jié)果如表2所示。

根據(jù)表2可知，模型通過自相關(guān)檢驗(yàn)和Sargan檢驗(yàn)，5%的顯著性水平下無法拒絕“不存在自相關(guān)”和“所有工具變量均有效”的原假設(shè)，即模型的干擾項(xiàng)無序列相關(guān)且所選的工具變量均有效，動(dòng)態(tài)面板模型設(shè)定合理。

根據(jù)表2可知，在Model 1-3中，核心解釋變量GCD的參數(shù)均為正，且分別在1%、10%和5%的水平下通過顯著性檢驗(yàn)，證明綠色信貸對于綠色GDP增長具有正向影響作用;被解釋變量一階滯后項(xiàng)LGGDP均在1%的水平下顯著，且參數(shù)為正，證明上一期綠色GDP水平會對本期綠色GDP產(chǎn)生正向影響作用?？刂谱兞控?cái)政支出、專利申請授權(quán)數(shù)參數(shù)分別為20.15和0.302，且均在1%的水平下顯著，證明政府干預(yù)和科技創(chuàng)新對綠色GDP的增長具有促進(jìn)作用。財(cái)政支出能夠支持高污染產(chǎn)業(yè)綠色轉(zhuǎn)型，科技創(chuàng)新水平的提升能夠增強(qiáng)產(chǎn)業(yè)的生態(tài)化和高級化，因此對綠色GDP具有正向的促進(jìn)作用。全社會固定資產(chǎn)投資的參數(shù)為-0.603，表明社會固定資產(chǎn)投入方向與綠色產(chǎn)業(yè)不相匹配，未能有效推動(dòng)綠色經(jīng)濟(jì)發(fā)展。

2.2分組回歸

上文通過動(dòng)態(tài)面板模型實(shí)證回歸，得出綠色信貸對綠色經(jīng)濟(jì)發(fā)展具有正向促進(jìn)作用的結(jié)論，為進(jìn)一步探討綠色信貸水平的高低對于綠色經(jīng)濟(jì)發(fā)展的影響差異，本文基于高、低綠色信貸水平組進(jìn)行實(shí)證分析。參考已有文獻(xiàn)（江紅莉，2020），本文將綠色產(chǎn)業(yè)信貸利息支出占工業(yè)信貸利息總支出的比重作為衡量信貸水平高低的指標(biāo)，分別計(jì)算全國30個(gè)省市2007-2016年綠色信貸平均水平，并以所有省份信貸平均水平的均值作為衡量標(biāo)準(zhǔn)，高于均值的省市為高綠色信貸水平組，低于均值的省市為低綠色信貸水平組。

本文分別對高、低綠色信貸水平組進(jìn)行SYS-GMM估計(jì)。根據(jù)表3可得，高綠色信貸水平組中，綠色信貸GCD參數(shù)為27.79且在1%的水平下顯著，證明綠色信貸對于綠色GDP的增長具有顯著促進(jìn)作用;而在低綠色信貸水平組中，綠色信貸對于綠色GDP的影響作用并不顯著。這說明不同水平綠色信貸水平對綠色經(jīng)濟(jì)發(fā)展存在明顯差異。只有綠色信貸水平發(fā)展到一定程度，才能對綠色經(jīng)濟(jì)發(fā)展起到推動(dòng)作用。高綠色信貸水平意味著該地區(qū)政府對綠色信貸支持力度大，綠色信貸發(fā)展資金充足，且綠色信貸推廣受到的限制較小，綠色信貸對促進(jìn)綠色經(jīng)濟(jì)發(fā)展的效果更好;低綠色信貸水平地區(qū)，綠色信貸發(fā)展不成熟、體制不完善，對于綠色經(jīng)濟(jì)發(fā)展影響作用并不顯著。

3穩(wěn)健性檢驗(yàn)

上文基準(zhǔn)實(shí)證結(jié)果證明綠色信貸水平對綠色經(jīng)濟(jì)發(fā)展產(chǎn)生正向影響。下文將進(jìn)行穩(wěn)健性檢驗(yàn)來驗(yàn)證上述模型結(jié)果的穩(wěn)健性。本文采用替換核心解釋變量的方法進(jìn)行穩(wěn)健性檢驗(yàn)。為保證核心解釋變量的代表意義一致性以及考慮到數(shù)據(jù)的完整性和可得性，本文用綠色產(chǎn)業(yè)信貸利息支出占工業(yè)信貸總支出的比率代替綠色產(chǎn)業(yè)信貸利息支出值作為綠色信貸水平的衡量指標(biāo)，并進(jìn)行動(dòng)態(tài)面板模型分步回歸，回歸結(jié)果如表4所示。

由表4可以看出，在Model 1-3中，核心解釋變量GCL（比值）的參數(shù)分別為1750.27、1837.39和1485.84，且在分別在1%、1%和5%的水平下顯著，表明替換核心解釋變量后動(dòng)態(tài)回歸結(jié)果依然是穩(wěn)健的。綜合結(jié)果證明綠色信貸對綠色經(jīng)濟(jì)發(fā)展具有正向促進(jìn)作用。

4結(jié)論與建議

本文引用2007-2017年中國30個(gè)省市的相關(guān)數(shù)據(jù)，并運(yùn)用系統(tǒng)廣義矩陣估計(jì)（SYS-GMM）方法分析綠色信貸對于綠色經(jīng)濟(jì)發(fā)展的影響。根據(jù)上文第三部分的實(shí)證結(jié)果，本文得出綠色信貸對推動(dòng)綠色經(jīng)濟(jì)發(fā)展具有正向促進(jìn)作用，并且該正向促進(jìn)作用與綠色信貸水平高低有關(guān);高綠色信貸水平地區(qū)，綠色信貸對于促進(jìn)綠色經(jīng)濟(jì)發(fā)展的作用更強(qiáng)，低綠色信貸水平地區(qū)，綠色信貸對促進(jìn)綠色經(jīng)濟(jì)發(fā)展的作用并不顯著。基于上述結(jié)論，本文提出如下政策建議：

（1）加大綠色信貸的供給，形成資金規(guī)模效應(yīng)。充分發(fā)揮政府作用，加強(qiáng)地方財(cái)政對污染減排、節(jié)能環(huán)保等綠色產(chǎn)業(yè)的資金支持。本文研究認(rèn)為綠色信貸對于推動(dòng)綠色經(jīng)濟(jì)發(fā)展具有正向促進(jìn)作用。綠色信貸將資金投入綠色發(fā)展領(lǐng)域，為綠色產(chǎn)業(yè)提供充足的資金儲備，促進(jìn)綠色產(chǎn)業(yè)規(guī)模擴(kuò)大，推動(dòng)綠色經(jīng)濟(jì)發(fā)展。

（2）提高我國綠色信貸水平，商業(yè)銀行加大綠色信貸比例，構(gòu)建綠色信貸激勵(lì)機(jī)制。根據(jù)本文結(jié)論可知綠色信貸在水平較低的地區(qū)對于推動(dòng)綠色經(jīng)濟(jì)發(fā)展的作用并不顯著，因此需要增加綠色信貸比例，推動(dòng)資金向綠色產(chǎn)業(yè)流入，減少資金流向高污染、高排放產(chǎn)業(yè)，提高地區(qū)綠色信貸水平，助力綠色經(jīng)濟(jì)發(fā)展。提高商業(yè)銀行開展綠色信貸或創(chuàng)新型綠色產(chǎn)品的自主能動(dòng)性，應(yīng)當(dāng)從提高利潤和規(guī)避風(fēng)險(xiǎn)的角度制定相應(yīng)的激勵(lì)機(jī)制，如貸款貼息、環(huán)保項(xiàng)目融資風(fēng)險(xiǎn)補(bǔ)償基金等。

（3）推動(dòng)企業(yè)科技創(chuàng)新和增加研發(fā)投入。根據(jù)本文實(shí)證結(jié)論可知，科技創(chuàng)新正向推動(dòng)綠色信貸對綠色發(fā)展的作用。綠色信貸為高新技術(shù)產(chǎn)業(yè)提供資金支持，應(yīng)積極引導(dǎo)企業(yè)增加科技投入，推動(dòng)企業(yè)科技創(chuàng)新能力的提升，激發(fā)創(chuàng)新活力和經(jīng)濟(jì)發(fā)展動(dòng)力。

（4）推動(dòng)固定資產(chǎn)投資與綠色產(chǎn)業(yè)發(fā)展相匹配。根據(jù)結(jié)論可知目前我國固定資產(chǎn)投資發(fā)展與綠色經(jīng)濟(jì)發(fā)展方向不相匹配。因此要將更多的固定資產(chǎn)投資應(yīng)用于低污染、低耗能的綠色產(chǎn)業(yè)中，推動(dòng)經(jīng)濟(jì)的綠色循環(huán)可持續(xù)發(fā)展。

（5）健全完善綠色信貸相關(guān)政策和法律法規(guī)。既要確保綠色信貸流動(dòng)的無障礙性，也要確保企業(yè)對綠色信貸的充分利用以及是否真正用于綠色產(chǎn)業(yè)。

參考文獻(xiàn)

[1]沈曉艷，王廣洪，黃賢金.1997—2013年中國綠色GDP核算及時(shí)空格局研究[J].自然資源學(xué)報(bào)，2017，32（10）：1639-1650.

[2]朱海玲.綠色經(jīng)濟(jì)評價(jià)指標(biāo)體系的構(gòu)建[J].統(tǒng)計(jì)與決策，2017，（05）：27-30.

[3]董曉紅，富勇.綠色金融和綠色經(jīng)濟(jì)耦合發(fā)展空間動(dòng)態(tài)演變分析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2018，37（12）：94-101.

[4]謝婷婷，劉錦華.綠色信貸如何影響中國綠色經(jīng)濟(jì)增長？[J].中國人口·資源與環(huán)境，2019，29（09）：83-90.