王君萍 ，劉亞倩 ，李善燊

（1. 西安石油大學(xué) 經(jīng)濟管理學(xué)院，陜西 西安 710065；2. 西安石油大學(xué) 陜西（高校）油氣資源經(jīng)濟管理研究中心，陜西 西安 710065）

在2020年9月的聯(lián)合國大會上，中國政府提出“30·60”雙碳目標(biāo)，即碳達峰與碳中和。雙碳目標(biāo)的實現(xiàn)，離不開國家財政、金融、產(chǎn)業(yè)、區(qū)域等各類政策的支持，其中，綠色金融作為實施綠色發(fā)展的重要方面，可以引導(dǎo)綠色資源配置，促進低碳經(jīng)濟高質(zhì)量發(fā)展。當(dāng)前，在頂層設(shè)計層面，為促進低碳轉(zhuǎn)型實現(xiàn)“雙碳”目標(biāo)，我國初步形成了有利于綠色金融發(fā)展的政策體系和宏觀市場環(huán)境，綠色金融在推動整體經(jīng)濟轉(zhuǎn)型與可持續(xù)發(fā)展方面已初見成效。然而，在基層實踐層面，區(qū)域綠色金融發(fā)展水平參差不齊，缺乏統(tǒng)一評測，各地綠色金融發(fā)展的障礙因素不同，缺乏有效抓手；綠色金融改革創(chuàng)新試驗成效也有待檢驗。鑒于此，本文在“雙碳”目標(biāo)新環(huán)境下，構(gòu)建符合我國綠色發(fā)展要求的區(qū)域綠色金融發(fā)展評價體系，綜合測度我國30個省份的綠色金融發(fā)展水平，并進一步分析其時空演化特征及影響我國綠色金融發(fā)展的主要障礙因子，為綠色金融發(fā)展的評估考核與地方政府因地制宜發(fā)展綠色金融提供參考，這不僅有利于推動中國綠色發(fā)展，也有利于實現(xiàn)經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級和經(jīng)濟健康發(fā)展，為“雙碳”目標(biāo)的實現(xiàn)貢獻金融力量。

國外學(xué)者主要從金融機構(gòu)視角來評價綠色金融的發(fā)展水平。由于銀行最早實施綠色金融政策，因此以銀行為主體進行的研究很多。例如，Jeucken[1]通過建立五維指標(biāo)評價體系，對不同地區(qū)多家大型銀行的綠色金融發(fā)展階段進行了調(diào)查；Street & Monaghan[2]以銀行的三條不同綠色通道為基礎(chǔ)建立指標(biāo)，對銀行在運營過程中的節(jié)能環(huán)?？冃нM行了評價。國內(nèi)早期對綠色金融的研究主要是定性研究。如李若愚[3]從國家層面對我國綠色金融的現(xiàn)狀進行了分析并提出了政策建議；劉金石[4]從省級層面對綠色金融進行了調(diào)查；樊明太[5]認(rèn)為，對我國來說建立綠色金融評價機制是十分必要的。之后，學(xué)者們的研究方向轉(zhuǎn)向了對綠色金融發(fā)展水平的定量研究。如曾學(xué)文等[6]通過構(gòu)建綠色金融指標(biāo)體系，定量評價了我國綠色金融的發(fā)展水平；張莉莉等[7]從企業(yè)視角用DEA和熵值法測算了國家、省、地區(qū)的綠色金融發(fā)展水平和效率；方建國和林凡力[8]測度分析了區(qū)域綠色金融的發(fā)展差異及其影響因素。雖然現(xiàn)有文獻關(guān)于評價綠色金融發(fā)展水平的研究已經(jīng)比較豐富，然而，傳統(tǒng)碳金融指標(biāo)一般用溫室氣體年減排量和CDM交易量表示，僅關(guān)注碳減排量而忽視了碳吸收量，且CDM是1997年《京都議定書》中的一部分，自2016年美國退出后，已被《巴黎協(xié)定》取代，因此，傳統(tǒng)的碳金融指標(biāo)可能已經(jīng)不適用于新時代碳達峰和碳中和背景下的綠色金融發(fā)展水平的測度和評價。

此外，在“雙碳”目標(biāo)與綠色金融的關(guān)系研究中，馮愛青等[9]提出了碳達峰和碳中和目標(biāo)下的綠色保險應(yīng)對方法；中國人民銀行黨校第38期學(xué)員綠色金融課題組和吳顯亭[10]研究了碳中和目標(biāo)進程中綠色金融發(fā)展的主要機遇和制約因素；安國俊[11]探討了碳中和目標(biāo)下的綠色金融創(chuàng)新路徑；錢立華等[12]在碳達峰和碳中和的指導(dǎo)下分析了中國綠色金融的發(fā)展趨勢?？梢钥闯?，學(xué)者們對兩者的關(guān)系僅從定性的角度進行了討論，而目前已有學(xué)者將碳中和目標(biāo)納入某些指標(biāo)的測算中。如何宇[13]構(gòu)建碳中和背景下長三角城市綠色全要素生產(chǎn)率核算框架；陳軍華等[14]將森林碳匯納入評估指標(biāo)體系，測算碳中和角度下四川省的低碳效率?？梢姡贾泻褪强啥攘康?，將碳中和水平納入綠色金融指標(biāo)體系中是切實可行的。

綜上所述，關(guān)于區(qū)域綠色金融綜合評價的文獻已經(jīng)比較豐富，學(xué)者們對此問題進行了比較深入的探索，但本文認(rèn)為仍然可以從以下方面展開進一步研究，第一，在“雙碳”目標(biāo)下，將碳中和水平進行量化度量納入指標(biāo)體系的構(gòu)建中，更符合新時代雙碳目標(biāo)的發(fā)展要求，因此本文加入碳中和金融支持率這一指標(biāo)，以碳中和的直接融資支持效率與碳中和的間接融資效率來合成；第二，以往文獻在建立指標(biāo)體系時主要使用總量數(shù)據(jù)，這種評測方式只反映了存量數(shù)據(jù)的優(yōu)劣，使得區(qū)域越大或者經(jīng)濟體量越大最終指標(biāo)越優(yōu)，忽視了指標(biāo)可比性問題，評測結(jié)果的科學(xué)性不強，為此，需要建立區(qū)域可比性指標(biāo)體系，并從評測得分排名的變化趨勢得出評價結(jié)果；第三，量化研究影響各區(qū)域綠色金融發(fā)展的主導(dǎo)障礙因素，解釋影響綠色金融發(fā)展的共性與個性原因，并給予相應(yīng)的建議，為今后政府綠色金融相關(guān)決策與實踐提供科學(xué)依據(jù)。

1 綠色金融測度指標(biāo)體系的構(gòu)建與研究方法

1.1 綠色金融指標(biāo)的選取

根據(jù)前人的研究和《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》對綠色金融概念的界定以及政策的支持，結(jié)合獨特的“雙碳”發(fā)展視角，本文從綠色信貸、綠色證券、綠色保險、綠色社會投資及碳中和金融支持率五個方面分別構(gòu)建了含10個指標(biāo)的綠色金融發(fā)展水平指標(biāo)體系，具體見表1。

指標(biāo)體系的選擇中，綠色信貸反映了金融機構(gòu)對綠色項目的支持程度，以及對高耗能行業(yè)的限制程度，因此，本文的綠色信貸指標(biāo)選取了兩個指標(biāo)：綠色信貸規(guī)模占比和高耗能產(chǎn)業(yè)利息支出占比。綠色證券指標(biāo)選取了環(huán)保企業(yè)和六大高耗能產(chǎn)業(yè)的市值占比，反映了節(jié)能環(huán)保行業(yè)和高耗能行業(yè)在證券市場上的融資情況。綠色保險有利于加強環(huán)境監(jiān)督，減少和快速應(yīng)對污染事故，但鑒于環(huán)境污染責(zé)任險數(shù)據(jù)的可得性，本文選取曾學(xué)文等[8]的做法，用農(nóng)業(yè)保險規(guī)模和農(nóng)業(yè)保險賠付率代表綠色保險的發(fā)展水平。綠色投資可以有效拓寬融資渠道，它是一項基于可持續(xù)發(fā)展的投資，旨在促進節(jié)能減排項目的有效實施，實現(xiàn)污染控制，本文選取環(huán)境污染治理投資比例和節(jié)能環(huán)保公共支出這兩個指標(biāo)。以上指標(biāo)均參考曾學(xué)文等[6]的做法，由于曾學(xué)文等[6]測度的是我國整體綠色金融發(fā)展水平，本文的測度需要細(xì)分到各個省份，鑒于數(shù)據(jù)的可得性，以上指標(biāo)在此基礎(chǔ)上做了適當(dāng)調(diào)整。

碳中和金融支持率，用兩個指標(biāo)衡量，一是碳中和直接融資支持效率，用碳中和率占環(huán)保企業(yè)市值的比重表示；二是碳中和間接融資支持效率，用碳中和率占綠色信貸規(guī)模的比重表示。這兩個指標(biāo)反映了金融業(yè)對碳中和項目的直接和間接的支持力度。其中，碳中和率也被稱為碳補償率，某地區(qū)碳吸收與碳排放的比值稱為碳中和率，公式表示為：

式中：ci為碳中和率，cs為碳吸收量，cp為碳排放量。ci越低，說明該省份的碳吸收能力越弱；反之，則說明碳吸收能力越強；ci越接近1，說明越接近碳中和目標(biāo)。

本文中碳吸收量用人工森林、耕地、綠地以及濕地的生態(tài)固碳總值代替，具體計算方法參考余光輝等[15]的研究；碳排放量用各省份能源消費碳排放代替，包括柴油、焦炭、煤炭、煤油、汽油、燃料油、天然氣、原油，計算方法采用IPCC法。本文設(shè)置的碳中和金融支持率這一指標(biāo)更具時代價值，原因在于，這里的金融支持不僅包括傳統(tǒng)的碳排放企業(yè)，還包含碳吸收相關(guān)企業(yè)和項目，適合“雙碳”目標(biāo)下綠色金融的發(fā)展要求。

1.2 研究方法

1.2.1 熵權(quán)-灰色關(guān)聯(lián)法

熵權(quán)法是根據(jù)各指標(biāo)傳遞給決策者的信息量來確定熵權(quán)的一種客觀賦權(quán)方法?；疑P(guān)聯(lián)分析方法是基于各因素之間發(fā)展趨勢的相似或不同程度來衡量事物與因素之間關(guān)聯(lián)度的方法，在動態(tài)分析上具有優(yōu)勢[16]。本文基于指標(biāo)數(shù)據(jù)量有限、指標(biāo)數(shù)據(jù)變異程度存在不確定性等特點，為增強評價指標(biāo)體系賦權(quán)的客觀性，運用基于熵權(quán)的灰色關(guān)聯(lián)分析法，對我國區(qū)域綠色金融發(fā)展水平進行動態(tài)評價。熵權(quán)-灰色關(guān)聯(lián)法的具體計算步驟如下。

（1）標(biāo)準(zhǔn)化處理和計算指標(biāo)值比重。首先，對指標(biāo)進行無量綱化處理。

其次，計算指標(biāo)值比重。

式中：xij為第i個年份第j個指標(biāo)的數(shù)值，為標(biāo)準(zhǔn)化值，min(xij)為第j項指標(biāo)的最小值，max(mij)為第j項指標(biāo)的最大值，yij為指標(biāo)值比重。

（2）熵權(quán)法求權(quán)重。

首先，信息熵值ej和信息效用值dj的計算。

式中：ej為第j項指標(biāo)的信息熵值；m為觀測值數(shù)；K=1/lnm，為常數(shù)；dj為信息效用值。

其次，計算各指標(biāo)權(quán)重。

式中：Wj為第j項指標(biāo)的權(quán)重，n為指標(biāo)個數(shù)。

（3）灰色關(guān)聯(lián)法求關(guān)聯(lián)度。

首先，確定參考序列和比較序列。參考序列即：xi=(xi1,xi2, …,xin)(i=1, 2, … ,m)。

比較序列由各指標(biāo)的最優(yōu)值組成，由于無量綱化處理后的指標(biāo)隸屬于區(qū)間[0, 1]。因此，選取各指標(biāo)的最大值作為比較序列x0=(1, 1, …, 1)。

其次，計算關(guān)聯(lián)系數(shù)。

式中：ρ為分辨系數(shù)，0≤ρ≤1，一般取ρ=0.5時有較高的分辨率。

最后，計算參考序列與比較序列的加權(quán)關(guān)聯(lián)度。

式中：wj為熵權(quán)。關(guān)聯(lián)度ri反映評價對象與最優(yōu)狀態(tài)的親密程度，ri值越大，表示第i個評價對象與最優(yōu)狀態(tài)的貼近度越高。因此，可以根據(jù)各評價對象的關(guān)聯(lián)程度對其進行排序與分類。

1.2.2 空間自相關(guān)分析

為有效揭示我國綠色金融發(fā)展水平空間格局，本文對我國綠色金融發(fā)展水平進行全局空間自相關(guān)和局部空間自相關(guān)分析。

（1）全局空間自相關(guān)。即從整體上研究區(qū)域內(nèi)綠色金融發(fā)展的空間分布特征，一般用Moran’s I來衡量[17]，莫蘭指數(shù)的取值范圍一般為-1≤I≤1，當(dāng)指數(shù)為正時表示各省份具有正的空間相關(guān)性；當(dāng)指數(shù)為負(fù)時表示各省份具有負(fù)的空間相關(guān)性。指數(shù)越大，集聚程度越高。計算方法如下：

式中：xi和xj為省份i和j的綠色金融發(fā)展水平，為所有省份綠色金融發(fā)展水平的均值，n為研究省份的數(shù)量，Wij為鄰接空間權(quán)重矩陣。

（2）局部空間自相關(guān)。通常用Moran散點圖來表示局部的空間關(guān)聯(lián)性，分為四種集聚類型：高—高（H-H）集聚類型，表示觀測值高的區(qū)域周圍也是高值區(qū)域；低—高（L-H）集聚類型，即低觀測值區(qū)域周圍為高值區(qū)域；低—低（L-L）集聚類型；高—低（H-L）集聚類型。

在上述局域空間自相關(guān)的識別基礎(chǔ)上，采取Getis-Ord 熱點分析更加準(zhǔn)確地測度判斷綠色金融發(fā)展的局域空間關(guān)聯(lián)以及集聚分布狀況，識別不同區(qū)域綠色金融發(fā)展水平的熱點區(qū)與冷點區(qū)，如果省份i及周邊城市

值大于均值，則說明屬于熱點區(qū)，即高—高集聚區(qū)，如果省份i及周邊省份 值小于均值，則說明屬于冷點區(qū)，即低—低集聚區(qū)。計算方法如下：

1.2.3 障礙度模型

本文運用障礙度模型，分析阻礙綠色金融發(fā)展的因素，綜合評價綠色金融發(fā)展情況。引入了因子貢獻度、指標(biāo)偏離度和障礙度三個指標(biāo)來診斷中國區(qū)域綠色金融的障礙因子，計算方法如下。

（1）因子貢獻度Wj為第j項指標(biāo)的權(quán)重。

（2）計算指標(biāo)偏離度。

式中：Oij為指標(biāo)偏離度，xij為各指標(biāo)的標(biāo)準(zhǔn)化值。

（3）計算障礙度。

1.3 數(shù)據(jù)來源

本文選擇的是2015—2019年中國30個省份（不包括港澳臺及西藏地區(qū)）的數(shù)據(jù)。綠色信貸的數(shù)據(jù)來源于《中國金融年鑒》《中國工業(yè)年鑒》、中農(nóng)工建交五大行的社會責(zé)任報告，由于官方公布的綠色信貸數(shù)據(jù)并未細(xì)分到各省份，因此，省級綠色信貸規(guī)模借鑒管毓?jié)峓18]的研究，以中國銀行保險監(jiān)督管理委員會發(fā)布的不同省份的各銀行的網(wǎng)點數(shù)量作為權(quán)數(shù)，計算出該銀行各省份的綠色信貸余額。綠色證券的數(shù)據(jù)來源于萬德數(shù)據(jù)庫，其中環(huán)保企業(yè)總市值參考張莉莉等[9]的研究，用綠色環(huán)保相關(guān)概念板塊中的各省份公司總市值代替，共選取了環(huán)保產(chǎn)業(yè)、大氣治理、CDM項目、尾氣治理、碳中和等17個概念板塊；綠色保險的數(shù)據(jù)來源于《中國保險年鑒》；綠色社會投資的數(shù)據(jù)來自于《中國環(huán)境統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》；碳中和率的相關(guān)數(shù)據(jù)來自各省份統(tǒng)計年鑒和《中國統(tǒng)計年鑒》，其中，耕地碳吸收系數(shù)參考肖紅艷等[19]、彭文甫等[20]的研究，把其定為0.007噸碳/公頃；林地碳吸收系數(shù)參考謝鴻宇等[21]的研究，定為3.81噸碳/公頃；綠地以公園綠地、公共綠地、道路綠化帶等為主，固碳水平采用國家綠地平均固定二氧化碳水平，為3.46噸碳/公頃；濕地碳吸收系數(shù)參考段曉男等[22]的研究，定為0.57噸碳/公頃；各能源的碳排放系數(shù)折算如表2所示。

表2 能源的碳排放系數(shù)折算表

2 中國區(qū)域綠色金融發(fā)展時空分析

2.1 綠色金融發(fā)展水平時間特征分析

依據(jù)本文構(gòu)建的指標(biāo)體系和基于熵權(quán)的灰色關(guān)聯(lián)模型，對我國2015—2019年30個省份的綠色金融發(fā)展水平進行測算，結(jié)果如表3所示。

由表3可知，2015—2019年各省份綠色金融發(fā)展水平有升有降，但全國均值處于上升趨勢，本文按東、中、西、東北計算區(qū)域內(nèi)各省份總得分的平均值，得到區(qū)域綠色金融發(fā)展水平的變動趨勢，如圖1所示。2015—2019年中國綠色金融整體發(fā)展水平呈上升趨勢。除2016年中部地區(qū)和2019年東部地區(qū)有所下降外，四個地區(qū)各年份的綠色金融發(fā)展水平均呈上升態(tài)勢，說明中國綠色金融發(fā)展態(tài)勢良好。

圖1 2015—2019年四大區(qū)域綠色金融發(fā)展水平

表3 2015—2019中國區(qū)域綠色金融發(fā)展水平灰色關(guān)聯(lián)度分析結(jié)果

綠色金融政策支持對區(qū)域綠色金融發(fā)展水平存在顯著影響。2016年印發(fā)的《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》，其有利于構(gòu)建綠色金融體系，落實“五大發(fā)展理念”，發(fā)揮金融服務(wù)供給側(cè)結(jié)構(gòu)性改革作用，且在2017年6月設(shè)立浙江、廣東、貴州、江西、新疆五省區(qū)部分

地區(qū)為第一批綠色金融改革創(chuàng)新試驗區(qū)（下文簡稱“金改區(qū)”）。為驗證綠色金融改革創(chuàng)新效果，本文將2017年與2019年各省份綠色金融發(fā)展水平排名做差值運算，得到結(jié)果如表4所示，從排名變化中得出，東部地區(qū)中天津、廣東、浙江排名有小幅上升，這證明了廣東與浙江作為第一批“金改區(qū)”，兩年的發(fā)展略見成效，除此之外，其他地區(qū)均有所下降，其中河北、海南下降幅度較大。中部地區(qū)只有湖南與河南兩省排名下降，而安徽、山西上升幅度較大，均上升6位，作為第一批“金改區(qū)”的江西也上升4位。西部地區(qū)排名變化較大，貴州上升26位，可見，經(jīng)過兩年的探索與實踐，貴州綠色金融改革試驗區(qū)建設(shè)取得了較大成效，且對全省產(chǎn)生了較大的輻射帶動作用，推動了全省的綠色轉(zhuǎn)型；而同樣作為“金改區(qū)”的新疆排名卻有較大幅度下降，這主要是因為新疆疆域遼闊，各市之間距離較遠(yuǎn)，空間上較難形成正向聯(lián)動影響，使新疆試驗區(qū)的綠色金融改革未能惠及全省。東北三省中遼寧排名未發(fā)生變化，吉林、黑龍江二省均有小幅下降，變動不大。

表4 2017—2019年第一批綠色金融改革創(chuàng)新試驗區(qū)綠色金融發(fā)展水平排名變化

2.2 中國綠色金融發(fā)展空間特征分析

2.2.1 空間分布特征分析

從表3各省份2019年綠色金融發(fā)展水平的排名來看，綠色金融發(fā)展水平居于前五名的省份依次為貴州、甘肅、寧夏、遼寧、青海，這些省份中有4個位于西部地區(qū)，1個位于東北地區(qū)。貴州省居于第一位，這與貴州作為我國第一批綠色金融改革試驗區(qū)有著密不可分的關(guān)系。后五名的省份依次為江蘇、廣東、天津、北京、上海。四個區(qū)域及全國的排列順序為西部地區(qū)＞東北地區(qū)＞全國＞中部地區(qū)＞東部地區(qū)，西部和東北地區(qū)高于全國平均水平，東部和中部低于全國平均水平。為進一步探究中國區(qū)域綠色金融發(fā)展空間演變特征，本文基于ArcGIS10.2軟件，選取2015年和2019年兩個時間截面，采用自然斷點法將中國30個省份劃分為低水平區(qū)、較低水平區(qū)、一般水平區(qū)、較高水平區(qū)和高水平區(qū)五種類型，如圖2所示。2015—2019年，中國區(qū)域綠色金融發(fā)展水平空間分布發(fā)生了顯著變化。具體來說：（1）高水平區(qū)數(shù)量增加了4個，包括西部地區(qū)的內(nèi)蒙古、甘肅、貴州以及東北地區(qū)的遼寧。（2）較高水平區(qū)增加了山西、江西、安徽3省，而新疆、四川、海南跌出較高水平區(qū)。（3）一般水平區(qū)由2015年集中分布于中部、東部和東北地區(qū)，到2019年離散分布于中、東、西、東北四大區(qū)域中。（4）較低水平區(qū)由南向北轉(zhuǎn)移。（5）天津、上海、廣東處于低水平區(qū)未變，陜西、貴州跳出低水平區(qū)，北京、江蘇、湖南跌入低水平區(qū)?？傮w而言，中國區(qū)域間綠色金融發(fā)展水平呈現(xiàn)出明顯差異，發(fā)展水平較高的地區(qū)，主要集中在西部地區(qū)，發(fā)展水平較低的地區(qū)主要分布在東部地區(qū)。

圖2 中國區(qū)域綠色金融發(fā)展空間分布

根據(jù)上述分析結(jié)果可知，我國各地區(qū)經(jīng)濟發(fā)展水平與綠色金融發(fā)展水平并不完全一致，經(jīng)濟發(fā)展水平低的地區(qū)，綠色金融發(fā)展水平高。原因可能由于：第一，不同地區(qū)綠色生態(tài)基礎(chǔ)以及經(jīng)濟發(fā)展理念的差異。經(jīng)濟發(fā)達地區(qū)一般處于主體功能區(qū)的重點開發(fā)區(qū)，往往過度追求經(jīng)濟增長導(dǎo)致綠色金融發(fā)展相對緩慢；良好的生態(tài)優(yōu)勢是綠色金融發(fā)展的基礎(chǔ)[23]，欠發(fā)達地區(qū)一般處于限制開發(fā)區(qū)，相應(yīng)的生態(tài)環(huán)境政策對產(chǎn)業(yè)發(fā)展已有初步甄選，綠色金融對產(chǎn)業(yè)支持見效就較快。這方面，西部地區(qū)尤為突出，國家在西部地區(qū)實施三北防護林、三江源生態(tài)工程等多項生態(tài)建設(shè)工程修復(fù)生態(tài)環(huán)境，制定了《西部地區(qū)重點生態(tài)區(qū)綜合治理規(guī)劃綱要（2012—2020年）》等規(guī)劃支撐生態(tài)環(huán)境保護與建設(shè)，通過生態(tài)移民、人口外遷給生態(tài)環(huán)境脆弱地區(qū)減壓，并給予西部地區(qū)財政轉(zhuǎn)移支付、專項金融支持項目、金融扶貧和生態(tài)補償?shù)龋诤艽蟪潭壬蠟槲鞑康貐^(qū)綠色金融的發(fā)展創(chuàng)造了良好條件。第二，欠發(fā)達地區(qū)存在綠色金融發(fā)展的后發(fā)優(yōu)勢。與東部發(fā)達地區(qū)相比，欠發(fā)達地區(qū)地域開發(fā)潛力巨大，“十三五”以來新發(fā)展理念的貫徹實施，欠發(fā)達地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級步驟加快，為綠色金融的發(fā)展鋪平了道路。以東北地區(qū)為例，自深入推進東北振興以來，從“三高一?！钡健熬G色低碳”的產(chǎn)業(yè)轉(zhuǎn)型發(fā)展步伐加快，作為重工業(yè)基地，能源產(chǎn)業(yè)的轉(zhuǎn)型升級，也極大地釋放了巨大綠色金融需求，綠色金融政策效果容易體現(xiàn)。除此之外，由于本文綠色金融發(fā)展水平用的是相對指標(biāo)，通過觀察原始數(shù)據(jù)與結(jié)合實際情況來看，發(fā)達地區(qū)指標(biāo)分子項雖然高于欠發(fā)達省份，但其分母項經(jīng)濟發(fā)展與金融發(fā)展總量也較大。各省份地域范圍、經(jīng)濟總量、資源狀況等情況不同，只有采用相對指標(biāo)才能使不同區(qū)域間具備可比性，否則會出現(xiàn)綠色金融排名向發(fā)達地區(qū)一邊倒的結(jié)果，本文的指標(biāo)體系設(shè)計剛好克服了這一不足。

2.2.2 空間關(guān)聯(lián)特征分析

首先借助2015—2019年的綠色金融發(fā)展水平全局莫蘭指數(shù)來研究我國綠色金融的總體空間關(guān)聯(lián)特征，結(jié)果如表5所示。樣本期內(nèi)各年份的莫蘭指數(shù)均在1%的水平下顯著為正，這表明中國綠色金融發(fā)展水平存在顯著的空間正相關(guān)。莫蘭指數(shù)在2015—2018年呈逐年上升態(tài)勢，但在2019年有些許下降，整體來看，集聚程度在不斷提高，并且區(qū)域間可能存在近鄰效應(yīng)，即某地區(qū)的綠色金融發(fā)展水平可能會對鄰近地區(qū)的綠色金融發(fā)展產(chǎn)生影響。

表5 綠色金融發(fā)展水平全局Moran’s I

其次基于Moran散點圖進行局部空間相關(guān)性分析，結(jié)果如圖3所示。我國綠色金融發(fā)展水平呈現(xiàn)出高—高集聚、低—高集聚、低—低集聚、高—低集聚的空間集聚特征。四種類型集聚區(qū)占比不同，以高—高集聚和低—低集聚為主，其中，低—低集聚區(qū)和高—高集聚區(qū)各占比達30%；低—高集聚區(qū)和高—低集聚區(qū)各占比為15%。各類型集聚區(qū)的區(qū)域分布各異，高—高集聚區(qū)主要位于西部地區(qū)，包括廣西、貴州、云南、四川、甘肅、青海、寧夏和內(nèi)蒙古；低—低集聚區(qū)集中在則基本位于東部地區(qū)，東西差異明顯；高—低集聚區(qū)分布在遼寧、安徽、福建等地區(qū)；低—高集聚區(qū)分布在吉林、廣東、重慶等地區(qū)。

圖3 2015年、2019年的Moran散點圖

為進一步佐證Moran散點圖對區(qū)域綠色金融發(fā)展水平局部空間關(guān)聯(lián)特征的刻畫，并揭示具體省份間的空間關(guān)聯(lián)格局的演化趨勢，利用Getis-Ord 指數(shù)繪制中國區(qū)域綠色金融發(fā)展水平冷熱點空間演變圖。如圖4所示，2015—2019年，冷熱點區(qū)空間分布變化總體較大，中國區(qū)域綠色金融發(fā)展水平2015年熱點區(qū)、次熱點區(qū)、次冷點區(qū)、冷點區(qū)數(shù)量分別為3個、15個、7個和5個，2019年熱點區(qū)、次熱點區(qū)、次冷點區(qū)、冷點區(qū)數(shù)量分別為7個、7個、9個和7個，熱點區(qū)數(shù)量增加，熱點區(qū)主要集中在西部地區(qū)，并存在一定的外向擴張趨勢；次熱點區(qū)呈大幅收縮趨勢，主要集中在中部、西部地區(qū)，表現(xiàn)為原來為次熱點區(qū)的新疆、云南、重慶、黑龍江升為熱點區(qū)，吉林、遼寧、京津冀、湖南降為次冷點區(qū)，僅有廣西、海南由次冷點區(qū)升為次熱點區(qū)，內(nèi)蒙古、寧夏、陜西、山西、貴州為穩(wěn)定次熱點區(qū)；次冷點區(qū)和冷點區(qū)均呈擴張趨勢，次冷點區(qū)主要集中于東部地區(qū)，且呈向北擴張的趨勢，河南、浙江、廣東為穩(wěn)定次冷點區(qū)，冷點區(qū)主要集中在東南沿海地區(qū)，并向北、向西擴張，2019年山東、湖北跌入冷點區(qū)，江蘇、安徽、上海、浙江、廣西為穩(wěn)定冷點區(qū)。總體上，相比于2015年，2019年熱點區(qū)、冷點區(qū)、次冷點區(qū)均增加，次熱點區(qū)大幅減少。大部分西部省份呈次冷點→次熱點→熱點的變化趨勢，而大部分東部省份呈次熱點→次冷點→冷點的變化趨勢，表明中國區(qū)域綠色金融東西部冷熱點兩極分化嚴(yán)重，區(qū)域差距較大且呈加深趨勢。雖然西部地區(qū)綠色金融發(fā)展水平較高，存在正向輻射帶動作用，但由于“極化—涓滴”效應(yīng)受距離和時間的限制，所以整體改變不大，綠色金融發(fā)展水平西高東低的局部空間格局未發(fā)生明顯變化。

圖4 中國區(qū)域綠色金融發(fā)展指數(shù)冷熱點空間演變

3 中國綠色金融障礙因子診斷

3.1 準(zhǔn)則層障礙因子診斷

由表6可知，從省域?qū)用鎭砜?，綠色信貸、綠色證券、綠色保險、綠色社會投資和碳中和金融支持率五大準(zhǔn)則層在不同省份的障礙度有較大的差異。以2019年為例，綠色保險對30個省份都存在較大的阻礙作用，綠色社會投資和碳中和金融支持率對大多數(shù)省份也有較大的阻礙作用，綠色證券和綠色信貸的阻礙作用較小，這說明綠色金融的三個層面即綠色保險、綠色社會投資和碳中和金融支持率都還有待提高。綠色保險、碳中和金融支持率和綠色社會投資幾乎是所有省份最大的障礙因素，三者普遍在0.25以上，這說明在提升我國綠色金融發(fā)展水平的過程中，加強綠色保險的發(fā)展、碳中和金融支持率和綠色社會投資是極其重要的。從各準(zhǔn)則層橫向?qū)Ρ葋砜矗?019年綠色信貸和綠色證券障礙度最高的均為青海省，綠色保險障礙度最高的為內(nèi)蒙古，綠色社會投資障礙度最高的為黑龍江，碳中和金融支持率障礙度最高的為新疆。

表6 2019年綠色金融省際五個維度障礙度診斷結(jié)果及排名

從區(qū)域及全國層面來看，綠色保險是東部、中部、西部地區(qū)及全國最大的障礙因子，綠色社會投資是東北地區(qū)最大的障礙因子。從表7可以看出，從各準(zhǔn)則層障礙度大小來看，綠色保險是我國綠色金融發(fā)展的最大障礙因素，其次為碳中和金融支持率、綠色社會投資，因此，提升綠色金融發(fā)展水平要以這三方面為主要抓手。綠色證券和綠色信貸的障礙度較低，其中綠色信貸的障礙度最低。從各準(zhǔn)則層障礙度變化趨勢來看，在三大障礙因子中，綠色保險和碳中和金融支持率障礙度總體呈下降趨勢，綠色社會投資障礙度呈上升趨勢，抑制作用逐漸增強，為此未來推動綠色金融發(fā)展的重點應(yīng)為綠色社會投資。與此同時，綠色證券的阻礙程度也逐年上升，其雖不是影響我國綠色金融發(fā)展的主要阻礙因素，但也應(yīng)在今后的發(fā)展中引起重視。

3.2 指標(biāo)層障礙因子分析

在五個維度分析的基礎(chǔ)上，為確定我國綠色金融發(fā)展的主要障礙因素，根據(jù)各指標(biāo)的障礙度大小，篩選出障礙度超過3%的障礙因子，在此基礎(chǔ)上，對指標(biāo)層所含的10個指標(biāo)分別繪制了2015年和2019年中國各省頻次分布直方圖，如圖5所示。

由圖5可知，2015年各指標(biāo)層中具有廣泛影響的主要障礙因子有綠色保險子系統(tǒng)的綠色保險規(guī)模占比（X5）、綠色社會投資子系統(tǒng)的治理環(huán)境污染投資占比（X7）、碳中和金融支持率子系統(tǒng)的碳中和間接融資支持效率（X10），頻數(shù)分別為21、20、25。充分說明綠色保險規(guī)模小、治理環(huán)境污染投資不夠、碳中和間接融資支持效率低是制約我國高質(zhì)量發(fā)展的主要因素，這也與上述綠色保險、綠色社會投資、碳中和金融支持率子系統(tǒng)整體障礙度偏高的分析結(jié)果一致。2019年影響普遍的障礙因素與2015年基本相同，綠色保險規(guī)模占比和治理環(huán)境污染投資占比的障礙度均有所上升，說明二者對提高我國綠色金融發(fā)展水平的阻礙增強。碳中和間接融資支持效率（X10）的頻數(shù)有所降低，主要是由于互聯(lián)網(wǎng)的發(fā)展與普及以及人民教育水平的不斷提高，但其仍是提高我國綠色金融發(fā)展水平需要克服的最重要的障礙因素，綠色證券準(zhǔn)則層的環(huán)保企業(yè)市值占比（X3）和高耗能產(chǎn)業(yè)市值占比（X4）的頻數(shù)也有所上升，表明綠色證券對未來綠色金融發(fā)展的影響作用不容忽視。

4 結(jié)論與啟示

4.1 結(jié)論

第一，從綠色金融發(fā)展時間特征來看，2015—2019年各省份綠色金融發(fā)展水平有升有降，總體來看處于上升趨勢但水平不高；試點后的綠色金融改革創(chuàng)新試驗區(qū)綠色金融發(fā)展水平總體提升，證實了綠色金融支持政策對促進區(qū)域綠色金融發(fā)展存在顯著成效。

第二，對綠色金融發(fā)展空間格局進行分析，區(qū)域綠色金融發(fā)展水平差異顯著，空間分異明顯，總體呈現(xiàn)東部→中部→東北→西部地區(qū)遞增的空間格局；且中國綠色金融發(fā)展存在明顯的正空間自相關(guān)，集聚程度不斷增強，以高—高集聚和低—低集聚類型為主；熱點區(qū)主要分布于西部地區(qū)，冷點區(qū)集中于東南沿海地區(qū)，東西部區(qū)域差距較大且呈加深趨勢。

第三，障礙因子診斷法研究結(jié)果表明，綠色保險、綠色社會投資和碳中和金融支持率是阻礙我國綠色金融發(fā)展的主要因素，且各區(qū)域阻礙因素各異；指標(biāo)層障礙因子分析結(jié)果得知，碳中和間接融資支持效率對綠色金融發(fā)展阻礙作用最大。

4.2 啟示

第一，我國綠色金融發(fā)展態(tài)勢良好且有較大發(fā)展空間，綠色金融改革創(chuàng)新試驗區(qū)成效顯著，其他地區(qū)應(yīng)該學(xué)習(xí)五省八地實驗區(qū)各自的創(chuàng)新路徑與舉措，借鑒綠色金融改革創(chuàng)新試驗區(qū)的先進經(jīng)驗，大力推進綠色金融改革創(chuàng)新。

第二，根據(jù)我國綠色金融發(fā)展的空間特征分析結(jié)果，地區(qū)經(jīng)濟發(fā)展水平與綠色金融發(fā)展水平并不完全一致，東部發(fā)達地區(qū)應(yīng)轉(zhuǎn)變經(jīng)濟發(fā)展理念，不能盲目追求經(jīng)濟增長，應(yīng)堅持綠色發(fā)展，踐行“綠水青山就是金山銀山”的發(fā)展理念?？臻g相關(guān)性結(jié)果表明，各地應(yīng)加強同周邊地區(qū)綠色金融的合作，制定統(tǒng)一的綠色金融發(fā)展政策，發(fā)揮高綠色金融水平地區(qū)的正向輻射帶動作用，促進綠色金融的協(xié)同發(fā)展。

第三，障礙因子診斷結(jié)果揭示了各地區(qū)綠色金融發(fā)展的主要阻礙因素，因此，在探索提升綠色金融發(fā)展路徑時，應(yīng)該堅持“因地制宜”，以本地區(qū)主要障礙因子為抓手。指標(biāo)層障礙因子分析結(jié)果得知，碳中和間接融資支持效率對綠色金融發(fā)展阻礙作用最大，因此，加大碳中和的金融支持力度應(yīng)成為未來發(fā)展綠色金融的重點。碳中和的金融支持既包含對碳排放企業(yè)的轉(zhuǎn)型支持，也包含對碳吸收相關(guān)主體的金融支持，是促進全面綠色發(fā)展的重要路徑，也是實現(xiàn)碳中和目標(biāo)的關(guān)鍵抓手，提高區(qū)域綠色金融發(fā)展水平需要重點關(guān)注有利于實現(xiàn)“雙碳”目標(biāo)的項目，明確綠色金融發(fā)展的主要阻礙因素，精準(zhǔn)施策。