低碳經(jīng)濟(jì)發(fā)展能力與融資保障、金融政策
——基于中國省級區(qū)域的實(shí)證研究

陳福生

（中國人民銀行福州中心支行，福建 福州 350003）

低碳經(jīng)濟(jì)發(fā)展能力與融資保障、金融政策
——基于中國省級區(qū)域的實(shí)證研究

陳福生

（中國人民銀行福州中心支行，福建 福州 350003）

研究結(jié)果表明，信貸支持對低碳經(jīng)濟(jì)發(fā)展具有較為明顯的正向作用，相比證（債）券市場融資、保險(xiǎn)覆蓋等政策更具有低碳經(jīng)濟(jì)發(fā)展的結(jié)構(gòu)性調(diào)控作用；保險(xiǎn)覆蓋的擴(kuò)大對低碳經(jīng)濟(jì)發(fā)展具有兩面性，其效應(yīng)表現(xiàn)方向取決于保險(xiǎn)業(yè)的“收費(fèi)汲取”和“賠付保障”之間的力量均衡；省市出臺金融支持低碳經(jīng)濟(jì)發(fā)展的政策意見或相關(guān)措施，對低碳經(jīng)濟(jì)發(fā)展有一定的正面作用。進(jìn)一步總結(jié)可得，在碳排放約束條件下政策出臺對低碳經(jīng)濟(jì)發(fā)展能力的促進(jìn)作用更加大。上述結(jié)論是國內(nèi)其他研究并沒有得到的，對我國各地發(fā)展碳金融、實(shí)施低碳金融支持政策具有啟示作用。

低碳經(jīng)濟(jì)；金融政策；融資保障

一、引言

在20世紀(jì)70年代發(fā)達(dá)國家遇到的“石油危機(jī)”，讓世界各國意識到高能耗、高排放的經(jīng)濟(jì)增長模式不可持續(xù)。進(jìn)入21世紀(jì)以來，世界主要經(jīng)濟(jì)體普遍接受可持續(xù)發(fā)展模式，即為低碳經(jīng)濟(jì)模式。實(shí)體經(jīng)濟(jì)離不開碳金融的支撐，理論界將這種關(guān)系稱為碳金融與綠色經(jīng)濟(jì)的“聯(lián)動(dòng)效應(yīng)”，可將金融資本與綠色產(chǎn)業(yè)連接起來。這種理論來源于金融服務(wù)環(huán)保產(chǎn)業(yè)的內(nèi)生動(dòng)力，即金融機(jī)構(gòu)在政策、產(chǎn)業(yè)等方面上的風(fēng)險(xiǎn)最小化動(dòng)機(jī)，比如興業(yè)銀行較早接受環(huán)境經(jīng)濟(jì)的“赤道原則”，以信貸手段支持低碳經(jīng)濟(jì)的發(fā)展。

為了準(zhǔn)確測評低碳經(jīng)濟(jì)發(fā)展能力，付允等人（2010）[1]提出了低碳經(jīng)濟(jì)的五大支撐體系，也有部分研究認(rèn)為低碳經(jīng)濟(jì)評價(jià)應(yīng)該偏重經(jīng)濟(jì)增長（馬軍、周琳等，2010）[2]。本研究則認(rèn)為，低碳經(jīng)濟(jì)的評價(jià)與碳金融支持需要擴(kuò)大“低碳”的外延，改變低碳經(jīng)濟(jì)發(fā)展評價(jià)指標(biāo)的局限性，現(xiàn)有研究以省域碳排放量的高低來衡量省域經(jīng)濟(jì)是否低碳，這是比較片面的結(jié)論。同時(shí)，國內(nèi)外幾乎沒有從金融支持的角度來研究低碳經(jīng)濟(jì)發(fā)展命題，更多則是低碳經(jīng)濟(jì)和貿(mào)易、就業(yè)和經(jīng)濟(jì)增長等方面。

金融會(huì)對低碳經(jīng)濟(jì)發(fā)展產(chǎn)生什么樣的作用力？本論文通過總結(jié)發(fā)現(xiàn)，金融支持會(huì)對低碳經(jīng)濟(jì)發(fā)展能力形成直接或間接的關(guān)系，一方面是提供低碳產(chǎn)業(yè)和項(xiàng)目的資金支持，以綜合性金融解決方案促進(jìn)低碳經(jīng)濟(jì)項(xiàng)目、低碳企業(yè)的甄別篩選；另一方面為低碳經(jīng)濟(jì)發(fā)展的人才和技術(shù)帶來良性循環(huán)效應(yīng)，形成支持低碳經(jīng)濟(jì)發(fā)展的“告示效應(yīng)”。不同省域經(jīng)濟(jì)體金融發(fā)展對低碳經(jīng)濟(jì)呈現(xiàn)不同的支持效應(yīng)，這與當(dāng)?shù)亟?jīng)濟(jì)結(jié)構(gòu)、技術(shù)水平和地方重視程度直接相關(guān)。

對于中國各省市區(qū)的低碳經(jīng)濟(jì)發(fā)展現(xiàn)狀，金融支持低碳經(jīng)濟(jì)發(fā)展的實(shí)際效力等，國內(nèi)并沒有一個(gè)系統(tǒng)性的論斷和研究，這也是本論文旨在突破的地方。本文在省域碳排放量的基準(zhǔn)指標(biāo)基礎(chǔ)上，以改進(jìn)后的TOPSIS模型來測度低碳經(jīng)濟(jì)發(fā)展指標(biāo)體系，在金融支持模型中特別引入“省區(qū)市是否出臺低碳經(jīng)濟(jì)的金融支持意見”作為虛擬變量，同時(shí)考察綠色產(chǎn)業(yè)發(fā)展和碳排放等兩個(gè)不同約束條件下低碳經(jīng)濟(jì)發(fā)展金融支持效應(yīng)，這些做法突破了傳統(tǒng)研究對變量和模型選擇的桎梏，在視角上和方法上均具有一定的新穎性。

二、低碳經(jīng)濟(jì)發(fā)展指數(shù)的測度

（一）建立碳排放估算方程

根據(jù)聯(lián)合國環(huán)境規(guī)劃署安排，降低二氧化碳排放量仍是低碳經(jīng)濟(jì)追求的核心目標(biāo)。本研究遵循日本能源經(jīng)濟(jì)研究所（1989）[3]和IPCC（2007）[4]的研究思路，建立中國各省區(qū)市碳排放量估計(jì)方程：

在式（1）中，E(co2)指碳排放量的估計(jì)值，Ec、Ep、Eg和Ee分別為煤炭、石油、天然氣、火電及核電其他能源的消耗量（以噸標(biāo)準(zhǔn)煤為單位）。另外δc、δp、δg和δe則分別為對應(yīng)碳排放系數(shù)，系數(shù)值參照王桂榮、朱旭梅、韓明一（2013）的研究成果（δc=0.733，δp=0.5575，δg=0.42275，δe=0）[5]。此方程根據(jù)我國30個(gè)樣本省區(qū)市①西藏自治區(qū)由于能源與環(huán)境數(shù)據(jù)大量缺失，被排除在研究樣本之外。數(shù)據(jù)來自于《中國統(tǒng)計(jì)年鑒（2012）》和《中國金融年鑒（2012）》《中國能源統(tǒng)計(jì)年鑒2012》以及WIND數(shù)據(jù)庫，部分變量數(shù)據(jù)采用手工整理而得（下同）。數(shù)據(jù)進(jìn)行估算，所得結(jié)果即為各省區(qū)市的碳排放量。從各省區(qū)市碳排放估算結(jié)果來看，不同省區(qū)市之間碳排放絕對量差異較大，難以真正體現(xiàn)低碳經(jīng)濟(jì)發(fā)展能力。更多的研究表明，低碳經(jīng)濟(jì)發(fā)展評價(jià)不能僅僅使用碳排放量的總量數(shù)據(jù)，更需要考慮到經(jīng)濟(jì)總量、地域面積、人口體量以及環(huán)境承載能力、科學(xué)技術(shù)投入、治理污染能力等，比如遲國泰等（2012）[6]、袁曉玲等（2013）[7]的研究。因此，本論文采用一個(gè)綜合指標(biāo)體系下的理想解法模型進(jìn)行低碳經(jīng)濟(jì)發(fā)展能力測度。

（二）低碳經(jīng)濟(jì)發(fā)展測度指標(biāo)體系

綜合現(xiàn)有研究成果，本研究選擇20個(gè)比例性指標(biāo)（負(fù)向指標(biāo)以“倒數(shù)法”進(jìn)行處理），以衡量不同省區(qū)市之間低碳經(jīng)濟(jì)發(fā)展水平與能力的差異，消除絕對量差距引致的不可比性，如表1所示。

（三）TOPSIS模型分析

為了準(zhǔn)確測度我國省際的低碳經(jīng)濟(jì)發(fā)展指數(shù)，本研究選擇理想解法（TOPSIS）評價(jià)模型進(jìn)行求解。HWang.C.L&Yoon.K.S（1981）[8]提出非參數(shù)決策的TOPSIS方法（Technique for order preference by similarity to ideal solution），為有限個(gè)體多目標(biāo)決策分析常用理論。TOPSIS方法則具有上述方法不具有的優(yōu)點(diǎn)：一是改變主觀打分評價(jià)做法，根據(jù)實(shí)測數(shù)據(jù)進(jìn)行客觀評價(jià)；二是模型應(yīng)用要求更低，對樣本數(shù)據(jù)的分布、樣本量、指標(biāo)數(shù)量無嚴(yán)格限制；三是此方法不需要確定具體的生產(chǎn)函數(shù)形式，對低碳經(jīng)濟(jì)發(fā)展評價(jià)應(yīng)用范圍廣；四是數(shù)據(jù)信息能得到充分反映，信息失真的概率較小，測度結(jié)果可信度更高。

必須指出的是，部分研究使用TOPSIS模型時(shí)，將低碳經(jīng)濟(jì)測度指標(biāo)權(quán)重均等化，這個(gè)思路存在一個(gè)主要缺陷：不同指標(biāo)對低碳經(jīng)濟(jì)發(fā)展評價(jià)的貢獻(xiàn)度是一樣的，顯然這與現(xiàn)實(shí)狀況并不相符。因此，本研究使用熵權(quán)法來確定指標(biāo)客觀權(quán)重，熵權(quán)模型計(jì)算過程可參見鄭鳴、陳福生（2012）[9]的文獻(xiàn)成果。不同于傳統(tǒng)TOPSIS方法的是，本論文選擇指標(biāo)熵權(quán)進(jìn)行進(jìn)入決策矩陣，更有利于提高研究的客觀性。

表1 我國低碳經(jīng)濟(jì)發(fā)展測度指標(biāo)體系

現(xiàn)假設(shè)m個(gè)低碳經(jīng)濟(jì)發(fā)展測度省份（0≤m≤30）、n個(gè)低碳經(jīng)濟(jì)發(fā)展測度指標(biāo)（0≤n≤20），現(xiàn)將理想解法的具體步驟分析如下：設(shè)定rij為第i個(gè)?。▍^(qū)市）第j個(gè)低碳指標(biāo)的無量綱化值（1≤i≤m，1≤j≤n），將熵權(quán)矩陣定義為W=(w1,w2,Λ,wn)，則矩陣W與矩陣R共同構(gòu)造為低碳經(jīng)濟(jì)加權(quán)決策矩陣如下：

在（2）矩陣中，uij代表加權(quán)后的第i個(gè)?。▍^(qū)市）第j個(gè)指標(biāo)的數(shù)值。由TOPSIS原理可得低碳經(jīng)濟(jì)正向指標(biāo)集J+的理想解和負(fù)理想解：

因此，根據(jù)第i個(gè)省區(qū)市指標(biāo)值測算到低碳經(jīng)濟(jì)理想解和負(fù)理想解的距離分別為：

最后，根據(jù)（5）式和（6）式可測算各樣本省區(qū)市與最優(yōu)低碳經(jīng)濟(jì)發(fā)展水平的相對接近度：

（7）式即為各省區(qū)市的低碳經(jīng)濟(jì)發(fā)展能力測度值，在[0,1]區(qū)間內(nèi)變動(dòng)。相對接近度衡量的是省區(qū)市樣本到負(fù)理想解的距離占總距離①總距離即指樣本到理想解和負(fù)理想解的距離之和。之比，比值越大，則相對接近度越大，說明此?。▍^(qū)市）的低碳經(jīng)濟(jì)發(fā)展越強(qiáng)，反之相對接近度越小，則說明此?。▍^(qū)市）的低碳經(jīng)濟(jì)發(fā)展能力越弱。

表2 各?。▍^(qū)市）低碳經(jīng)濟(jì)發(fā)展能力結(jié)果表

根據(jù)熵權(quán)法下的TOPSIS測算結(jié)果，可得到中國30個(gè)省區(qū)市的低碳經(jīng)濟(jì)發(fā)展能力水平，如表2所示②因篇幅所限，其中理想解和負(fù)理想解、歐氏距離等測算過程在此省略。需要者可向作者索取。。全國低碳經(jīng)濟(jì)發(fā)展能力平均值為0.2149，上海最高（0.6393），最低則為寧夏（0.1138）。我國各?。▍^(qū)市）低碳經(jīng)濟(jì)發(fā)展能力的階梯化特征（四個(gè)梯隊(duì)的分界線為0.6，0.3，0.20）。不同區(qū)域板塊的低碳經(jīng)濟(jì)能力不同，東部低碳經(jīng)濟(jì)發(fā)展能力最強(qiáng)。低碳經(jīng)濟(jì)發(fā)展客觀能力與省域生活環(huán)境主觀感受呈現(xiàn)較大的偏離，這是因?yàn)樯瞽h(huán)境感受與低碳經(jīng)濟(jì)發(fā)展能力是不同的概念導(dǎo)向，后者考慮到污染治理的投資能力和治理水平，同時(shí)也考慮到單位GDP和人均的能耗、碳排放等因素，也納入了城市綠化面積和濕地面積等“吸碳”能力較強(qiáng)的指標(biāo)。

三、金融支持低碳經(jīng)濟(jì)發(fā)展的模型構(gòu)建

（一）模型設(shè)定依據(jù)和變量選取

我國低碳經(jīng)濟(jì)發(fā)展的金融支持效應(yīng)不僅要從綠色產(chǎn)業(yè)產(chǎn)值（正向維度）上實(shí)證檢驗(yàn)，而且要從溫室氣體排放量（負(fù)向維度）上實(shí)證檢驗(yàn)。為了更加全面測度金融政策工具對低碳經(jīng)濟(jì)的支持效應(yīng)，本研究從“綠色產(chǎn)業(yè)產(chǎn)值的金融支持”和“溫室氣體排放治理③含二氧化碳、二氧化硫、氮氧化物、工業(yè)煙粉塵等四者的排放。單位：噸標(biāo)準(zhǔn)煤。的金融支持”兩個(gè)維度分別建立截面數(shù)據(jù)模型。針對第一個(gè)維度，本研究采用第三產(chǎn)業(yè)代表綠色產(chǎn)業(yè)，使用其產(chǎn)值對應(yīng)的金融支持?jǐn)?shù)據(jù)來設(shè)置解釋變量（李占雷等，2012）[10]。針對第二維度，本研究采用單位溫室氣體排放所對應(yīng)的金融支持力度來衡量，從單位碳排放對應(yīng)的金融支持角度去設(shè)置解釋變量。

表3 模型變量選取說明表

現(xiàn)選取信貸余額（Loan）、證債券市場①證債券市場融資包括含債券市場的發(fā)債融資量。數(shù)據(jù)來源于WIND數(shù)據(jù)庫。融資（Capital）、保費(fèi)收入（Insurance Income）作為解釋變量，并對不同維度下的解釋變量分別建模實(shí)證，即對應(yīng)“綠色產(chǎn)業(yè)產(chǎn)值”和“溫室氣體排放治理”的研究維度。將因變量設(shè)定為低碳經(jīng)濟(jì)發(fā)展能力指標(biāo)，即用TOPSIS模型測度30個(gè)省區(qū)市低碳發(fā)展能力指數(shù)值來衡量，設(shè)定解釋變量4個(gè)和控制變量4個(gè)，詳見表3。

從理論上看，信貸余額和證債市場融資對低碳經(jīng)濟(jì)發(fā)展能力的影響應(yīng)該是正向的，保費(fèi)收入影響則具有不一定性，這是因?yàn)閷τ谝粋€(gè)經(jīng)濟(jì)體來說，保險(xiǎn)收費(fèi)多并不是好事，產(chǎn)生的作用需要正反影響的反復(fù)均衡。同時(shí)，研究引入一個(gè)虛擬變量，即此?。▍^(qū)市）在最近三年內(nèi)有無出臺金融支持低碳經(jīng)濟(jì)發(fā)展的具體意見，若有則賦值“1”，若無則賦值“0”，以檢驗(yàn)政策出臺對低碳經(jīng)濟(jì)的發(fā)展是否具有有效作用。

另外，本研究選取四個(gè)控制變量進(jìn)入模型，以控制前一期指標(biāo)增長速度對當(dāng)期低碳經(jīng)濟(jì)支持的影響。從中國金融發(fā)展數(shù)據(jù)特征來看，前一期指標(biāo)增長速度過大時(shí)，后一期指標(biāo)數(shù)值必然會(huì)受到影響，這種影響在低碳經(jīng)濟(jì)發(fā)展模型中必須予以控制，否則將會(huì)對金融支持效應(yīng)測度產(chǎn)生不真實(shí)的“噪聲”。

（二）構(gòu)建截面數(shù)據(jù)模型

基于前面模型思路和變量的分析，現(xiàn)將兩個(gè)維度的截面數(shù)據(jù)模型構(gòu)建如下：

模型1：

模型2：

在上述兩個(gè)多元回歸模型中，被解釋變量Topi是第i省的低碳經(jīng)濟(jì)發(fā)展能力；αi和βi分別是對應(yīng)變量的系數(shù)，i∈[1,30]。gdpi,-1、gli,-1、gci,-1和gii,-1為兩個(gè)模型共用的4個(gè)控制變量，分別代表樣本時(shí)期前一年的GDP增速、信貸增速、證債券市場融資增速、保費(fèi)收入增速。在模型1中，SLi、SCi和SIi是第一個(gè)綠色產(chǎn)業(yè)發(fā)展（正向維度）方程解釋變量；在模型2中，CLi、CCi和CIi是第二個(gè)溫室氣體排放（負(fù)向維度）方程解釋變量。Poli則是政策虛擬變量，代表著省區(qū)市有無出臺低碳經(jīng)濟(jì)的金融支持政策或?qū)嵤┮庖姟?/p>

四、模型實(shí)證分析

（一）模型1實(shí)證結(jié)果分析

本研究選擇廣義矩（GMM）估計(jì)方法，而非OLS、TSLS、WLS、MLE等估計(jì)，這是因?yàn)楸緲颖緮?shù)據(jù)難以符合正態(tài)分布的假設(shè)、存在可能的異方差情況。模型一的估計(jì)結(jié)果如表4所示，從結(jié)果來看，樣本數(shù)據(jù)對模型1調(diào)整后的擬合優(yōu)度為0.537，較好地反映了模型的擬合性；各參數(shù)Wald檢驗(yàn)為7.4583，高于聯(lián)合顯著性檢驗(yàn)臨界值，說明方程符合參數(shù)約束條件。除gc(t-1)和gi(t-1)兩個(gè)變量之外，其他變量均在10%以上的顯著性水平區(qū)間內(nèi)通過檢驗(yàn)。

表4 模型1的GMM估計(jì)結(jié)果整理表

其中信貸（SL）、證債券市場（SC）對綠色產(chǎn)業(yè)（服務(wù)業(yè)）的融資覆蓋倍數(shù)與低碳經(jīng)濟(jì)發(fā)展能力之間系數(shù)分別為0.257和0.235，呈現(xiàn)正向的推動(dòng)促進(jìn)關(guān)系。當(dāng)信貸對綠色產(chǎn)業(yè)的融資覆蓋倍數(shù)提高1個(gè)點(diǎn)時(shí)，低碳經(jīng)濟(jì)發(fā)展能力則提高0.157個(gè)點(diǎn)，反之則降低0.157個(gè)點(diǎn)；若中國證券債券對綠色產(chǎn)業(yè)的融資覆蓋倍數(shù)提高1個(gè)點(diǎn)，則低碳經(jīng)濟(jì)能力提高0.135個(gè)點(diǎn)。但是，實(shí)證數(shù)據(jù)表明，保費(fèi)收入（SI）對綠色產(chǎn)業(yè)的覆蓋倍數(shù)與低碳經(jīng)濟(jì)發(fā)展能力之間卻呈現(xiàn)負(fù)相關(guān)關(guān)系，即保費(fèi)收入與綠色產(chǎn)業(yè)之比越大，低碳經(jīng)濟(jì)發(fā)展能力越小，這間接表明保費(fèi)收入的增加對低碳經(jīng)濟(jì)發(fā)展能力負(fù)面影響呈主導(dǎo)作用②從保險(xiǎn)發(fā)展結(jié)構(gòu)來看，保險(xiǎn)業(yè)發(fā)展主要側(cè)重于壽險(xiǎn)和財(cái)險(xiǎn)，對于低碳經(jīng)濟(jì)和環(huán)保領(lǐng)域的保險(xiǎn)服務(wù)力度卻不盡如人意。故而此結(jié)論并不讓人覺得奇怪。。對于金融發(fā)展三方面結(jié)論的差異，本研究認(rèn)為信貸投放和證券債券融資對綠色產(chǎn)業(yè)表現(xiàn)更多的是服務(wù)功能，保費(fèi)收入雖然一定程度上代表著綠色產(chǎn)業(yè)的保障力度，但是更多表現(xiàn)為“汲取”作用。

模型1中的虛擬變量（Pol）在5%顯著性水平下通過檢驗(yàn)，系數(shù)為0.012，呈現(xiàn)微弱的正向激勵(lì)關(guān)系，這說明各省區(qū)市出臺的支持意見或政策并沒有顯現(xiàn)出預(yù)期的重要作用。對此，本研究則認(rèn)為低碳經(jīng)濟(jì)的金融支持意見還有待進(jìn)一步落地生根，提高政策的實(shí)施力。不過，由于此模型已將信貸變量納入，現(xiàn)有金融支持政策本身就是通過信貸資源配置來實(shí)施，傳導(dǎo)效應(yīng)更多從信貸投放變量進(jìn)行影響。

此模型控制變量與低碳經(jīng)濟(jì)發(fā)展能力主要表現(xiàn)為負(fù)向關(guān)系，與原有理論預(yù)期基本一致，上一期融資力度的增長速度會(huì)影響到當(dāng)期融資力度，從而影響到綠色產(chǎn)業(yè)的融資服務(wù)力度。

（二）模型2實(shí)證結(jié)果分析

相比較模型1，模型2方程的擬合優(yōu)度更加高，調(diào)整后R2為0.684，調(diào)整前R2為0.613，J-statistic為22.4379，說明金融發(fā)展指標(biāo)對碳排放的覆蓋率能影響到低碳經(jīng)濟(jì)發(fā)展能力，如表5所示。同樣，模型2的各參數(shù)Wald檢驗(yàn)值為9.0281，各參數(shù)的聯(lián)合顯著性較強(qiáng)，通過參數(shù)約束條件檢驗(yàn)。

同理，單位碳排放對應(yīng)的證券債券融資量（CC）也與低碳經(jīng)濟(jì)發(fā)展能力正相關(guān)，相應(yīng)變動(dòng)系數(shù)為1：0.085，影響效應(yīng)低于信貸政策。本研究認(rèn)為此結(jié)論與信貸政策更具有結(jié)構(gòu)性有關(guān)，而證券債券融資政策的經(jīng)濟(jì)結(jié)構(gòu)調(diào)控作用要弱于信貸政策。

表5 模型2的GMM估計(jì)結(jié)果整理表

值得注意的是，單位碳排放對應(yīng)的保費(fèi)收入（CI）與低碳經(jīng)濟(jì)發(fā)展能力指標(biāo)呈現(xiàn)微弱正相關(guān)趨勢，這與模型1的結(jié)論是不一樣的。在碳排放此負(fù)向維度下，保險(xiǎn)業(yè)對其收費(fèi)比例應(yīng)該越高越好，更好提高碳排放的污染保險(xiǎn)強(qiáng)度。這表明，反映保險(xiǎn)收入指標(biāo)對低碳經(jīng)濟(jì)發(fā)展的影響具有兩面性。

相對于模型1，在考慮碳排放量的模型方程中政策虛擬變量對低碳經(jīng)濟(jì)發(fā)展能力影響更加大，達(dá)到0.173，高出模型1系數(shù)約0.061個(gè)點(diǎn)。表明在碳排放約束下省級機(jī)構(gòu)出臺低碳經(jīng)濟(jì)的金融支持政策呈現(xiàn)正向效應(yīng)，更有利于優(yōu)化低碳經(jīng)濟(jì)項(xiàng)目投融資結(jié)構(gòu)。從這個(gè)角度來看，考慮碳排放約束的金融支持政策比考慮第三產(chǎn)業(yè)產(chǎn)值約束的金融支持政策更加有效。對此結(jié)論，本研究認(rèn)為是由于碳排放約束指標(biāo)相對硬性量化、對發(fā)展低碳經(jīng)濟(jì)更具有約束力等因素使然。

五、結(jié)論與建議

（一）主要結(jié)論

（1）對于金融支持低碳經(jīng)濟(jì)發(fā)展來說，信貸支持比證（債）券市場融資、保險(xiǎn)覆蓋等支持政策更具有影響力，具有較為明顯的促進(jìn)作用。實(shí)證結(jié)果顯示，信貸投放對綠色產(chǎn)業(yè)（服務(wù)業(yè)）和碳排放的融資覆蓋倍數(shù)與低碳經(jīng)濟(jì)發(fā)展能力之間系數(shù)分別為0.257和0.121，均高于證（債）券融資變量和保險(xiǎn)覆蓋變量系數(shù)，呈現(xiàn)較強(qiáng)的正向促進(jìn)關(guān)系。若信貸對綠色產(chǎn)業(yè)的融資覆蓋倍數(shù)提高1個(gè)點(diǎn)，低碳經(jīng)濟(jì)發(fā)展能力則提高0.157個(gè)點(diǎn)；若單位碳對應(yīng)信貸融資額提高1個(gè)點(diǎn)，則低碳經(jīng)濟(jì)發(fā)展能力相應(yīng)提高0.121個(gè)點(diǎn)。因此，信貸投放在推進(jìn)結(jié)構(gòu)調(diào)整、經(jīng)濟(jì)低碳化方面發(fā)揮著主導(dǎo)性作用，信貸政策更具結(jié)構(gòu)性支撐作用。

（2）保險(xiǎn)覆蓋的擴(kuò)大對低碳經(jīng)濟(jì)發(fā)展具有兩面性，其支持效應(yīng)表現(xiàn)方向取決于保險(xiǎn)業(yè)的“收費(fèi)汲取”和“賠付保障”之間的力量均衡。實(shí)證數(shù)據(jù)表明，保險(xiǎn)發(fā)展對綠色產(chǎn)業(yè)的覆蓋倍數(shù)與低碳經(jīng)濟(jì)發(fā)展能力之間呈現(xiàn)負(fù)相關(guān)關(guān)系（-0.207），即保費(fèi)收入與綠色產(chǎn)業(yè)之比越大，低碳經(jīng)濟(jì)發(fā)展能力越小。但是保險(xiǎn)發(fā)展對碳排放的覆蓋倍數(shù)與低碳經(jīng)濟(jì)發(fā)展能力指標(biāo)卻呈現(xiàn)微弱正相關(guān)趨勢（0.014），這與前面的結(jié)論是不一樣的。此結(jié)論表現(xiàn)了兩個(gè)差異，一是保險(xiǎn)發(fā)展與低碳經(jīng)濟(jì)可能呈現(xiàn)負(fù)效應(yīng)，與信貸、資本市場融資明顯不同；二是保險(xiǎn)發(fā)展在正向、負(fù)向維度的不同約束環(huán)境下呈現(xiàn)不同的傳導(dǎo)效應(yīng)。

對于此差異，本研究認(rèn)為這可能與保費(fèi)增長指標(biāo)的兩面性直接相關(guān)。在綠色產(chǎn)業(yè)正向維度下，保險(xiǎn)發(fā)展覆蓋的擴(kuò)大雖然一定程度上代表著綠色產(chǎn)業(yè)的保障力度加大，但是更多表現(xiàn)為“能量汲取”作用，即總效應(yīng)反而為負(fù)。但在碳排放負(fù)向維度下，保險(xiǎn)業(yè)對其收費(fèi)比例應(yīng)該越高越好，更有利于提高碳排放的污染保險(xiǎn)強(qiáng)度，加大風(fēng)險(xiǎn)賠付概率。因此，保險(xiǎn)覆蓋支持效應(yīng)表現(xiàn)方向取決于保險(xiǎn)業(yè)的“收費(fèi)汲取”和“賠付保障”之間的力量均衡，其增長對于低碳經(jīng)濟(jì)發(fā)展并非好事。

（3）省（區(qū)市）出臺金融支持低碳經(jīng)濟(jì)發(fā)展的政策意見或相關(guān)措施，對低碳經(jīng)濟(jì)發(fā)展有正面作用，在考慮碳排放約束情況下此政策對低碳經(jīng)濟(jì)發(fā)展能力的促進(jìn)作用更加大。本研究引入了“省級機(jī)構(gòu)有無出臺金融支持低碳經(jīng)濟(jì)發(fā)展的意見措施”虛擬變量（1，0），在兩個(gè)模型中均通過顯著性檢驗(yàn)。在綠色產(chǎn)業(yè)約束下的低碳經(jīng)濟(jì)金融支持效應(yīng)方程中，變量系數(shù)為0.014，說明出臺此類政策對低碳經(jīng)濟(jì)表現(xiàn)微弱的正向促進(jìn)作用，但并沒顯現(xiàn)出預(yù)期的重要作用。但在考慮碳排放量的模型方程中，此政策虛擬變量對低碳經(jīng)濟(jì)發(fā)展能力正向影響相對更大，達(dá)到0.173，高出模型1系數(shù)0.059個(gè)點(diǎn)。從這個(gè)角度來看，考慮碳排放約束的金融支持政策比考慮第三產(chǎn)業(yè)產(chǎn)值約束的金融支持政策更加有效。對此結(jié)論，本研究認(rèn)為在于“碳排放約束指標(biāo)相對硬性量化、對發(fā)展低碳經(jīng)濟(jì)更具有約束力”等因素使然。

（二）政策建議

（1）我國低碳經(jīng)濟(jì)發(fā)展的金融政策應(yīng)予以差異化，而非統(tǒng)一標(biāo)準(zhǔn)執(zhí)行，不宜“照抄照搬”，不同省區(qū)市應(yīng)以同梯隊(duì)省區(qū)市為參照標(biāo)準(zhǔn)制定金融政策。我國低碳經(jīng)濟(jì)發(fā)展政策和考評不宜統(tǒng)一化、標(biāo)準(zhǔn)化，而應(yīng)根據(jù)不同地區(qū)的低碳經(jīng)濟(jì)發(fā)展能力不同而制定差異化的支持方案。由于四個(gè)梯隊(duì)的低碳經(jīng)濟(jì)發(fā)展能力差距較大，其金融支持和監(jiān)管政策在橫向上無比較性可言。因此金融支持政策需要根據(jù)地方低碳經(jīng)濟(jì)發(fā)展實(shí)況而制定，切忌“照抄照搬”。對于同一個(gè)梯隊(duì)內(nèi)省區(qū)市，低碳經(jīng)濟(jì)的金融支持政策可以參照。故而福建省的參照對象應(yīng)該是天津、海南、江蘇、浙江、云南、黑龍江等省市，以它們?yōu)閰⒄瘴?，制定支持低碳?jīng)濟(jì)發(fā)展的若干金融政策或產(chǎn)業(yè)政策。

（2）更加主動(dòng)發(fā)揮信貸政策對低碳經(jīng)濟(jì)發(fā)展的結(jié)構(gòu)性調(diào)控作用，金融監(jiān)管部門應(yīng)加強(qiáng)信貸投放的數(shù)量調(diào)控和窗口指導(dǎo)，政府部門應(yīng)為信貸政策支持低碳經(jīng)濟(jì)創(chuàng)造條件。研究結(jié)論顯示，信貸政策與其他金融政策相比，更具有主導(dǎo)性的正向促進(jìn)作用，在推進(jìn)結(jié)構(gòu)調(diào)整、經(jīng)濟(jì)低碳化方面更具有結(jié)構(gòu)性支撐作用。因此我國各地應(yīng)更加主動(dòng)發(fā)揮信貸政策對低碳經(jīng)濟(jì)的結(jié)構(gòu)性調(diào)控作用，為信貸政策實(shí)施提供良好的金融生態(tài)環(huán)境和配套扶持措施，這樣更可以加快低碳經(jīng)濟(jì)發(fā)展能力的提升。本研究已證明，信貸政策支持低碳經(jīng)濟(jì)發(fā)展更具效率，帶動(dòng)效應(yīng)更高。故而地方政府在低碳經(jīng)濟(jì)硬性約束環(huán)境下，應(yīng)高度重視信貸工具的低碳經(jīng)濟(jì)發(fā)展杠桿效應(yīng)。

（3）積極關(guān)注保險(xiǎn)發(fā)展對低碳經(jīng)濟(jì)發(fā)展能力的可能性負(fù)面效應(yīng)，建議正確把握保險(xiǎn)業(yè)對低碳經(jīng)濟(jì)“收費(fèi)汲取”和“賠付保障”之間的力量均衡，揚(yáng)正抑負(fù)。研究結(jié)果表明保險(xiǎn)發(fā)展與低碳經(jīng)濟(jì)存在負(fù)向效應(yīng)，因此建議保險(xiǎn)政策在綠色產(chǎn)業(yè)發(fā)展方面加大優(yōu)惠扶持力度，考慮適當(dāng)調(diào)低保險(xiǎn)費(fèi)率，換取低碳經(jīng)濟(jì)的長續(xù)發(fā)展。綜合考慮低碳經(jīng)濟(jì)行業(yè)的風(fēng)險(xiǎn)，保險(xiǎn)業(yè)應(yīng)該有針對性提高低碳負(fù)向指標(biāo)（越小越好）的污染保險(xiǎn)強(qiáng)度，加大風(fēng)險(xiǎn)賠付概率。綜上，保險(xiǎn)業(yè)應(yīng)正確把握其對低碳經(jīng)濟(jì)“收費(fèi)汲取”和“賠付保障”之間的力量均衡，揚(yáng)起“正能量”，抑制“負(fù)能量”。

（4）省區(qū)市出臺低碳經(jīng)濟(jì)的金融支持意見時(shí)，建議將金融支持政策和碳排放約束指標(biāo)進(jìn)行掛鉤，以更能提高低碳經(jīng)濟(jì)發(fā)展。不管是哪一種情況，省市出臺低碳經(jīng)濟(jì)的金融支持政策或意見均具有正面促進(jìn)作用，因此建議省區(qū)市可加強(qiáng)此類支持政策的出臺，進(jìn)一步加強(qiáng)政策意見落地生根，提高實(shí)施力。另外，由于在碳排放約束下省級機(jī)構(gòu)出臺低碳經(jīng)濟(jì)的金融支持政策更具有正向效應(yīng)，故而建議省區(qū)市將金融支持力度和碳排放約束指標(biāo)進(jìn)行掛鉤，提高碳排放在金融支持低碳經(jīng)濟(jì)發(fā)展時(shí)的約束力，比如金融機(jī)構(gòu)信貸審核時(shí)加強(qiáng)企業(yè)碳排放的量化審核等。

[1]付允，劉怡君，汪云林.低碳城市的評價(jià)方法與支撐體系研究[J].中國人口?資源與環(huán)境，2010，（8）：44-47.

[2]馬軍，周琳，李薇.城市低碳經(jīng)濟(jì)評價(jià)指標(biāo)體系構(gòu)建——以東部沿海6省市低碳發(fā)展現(xiàn)狀為例[J].科技進(jìn)步與對策，2010，（22）：165-167.

[3]Y Kaya.Impact of Carbon Dioxide Emission on GNPGrowth:Interpretation of Proposed Scenarios[R]. Paper Presented to the Energy and Industry Subgroup，Response StrategiesWorkingGroup，Paris，1989.

[4]IPCC.Climate Change 2007：The Science of Climate Change[R].Cambridge University Press，Cambridge，UK：2007，pp1-5.

[5]王桂榮，朱旭梅，韓明一.基于Co-Integration和Granger因果的我國碳排放與經(jīng)濟(jì)增長關(guān)系研究[J].河南科學(xué)，2013，（7）：1085-1088.

[6]遲國泰，閆達(dá)文.基于改進(jìn)群組G1賦權(quán)的生態(tài)評價(jià)模型及省份實(shí)證[J].系統(tǒng)工程理論與實(shí)踐，2012，（7）：1464-1475.

[7]袁曉玲，雷厲，仲云云.低碳經(jīng)濟(jì)評價(jià)指標(biāo)體系構(gòu)建及實(shí)證分析[J].城市問題，2013，（1）：56-61.

[8]HWang C L&Yoon.K.S.Multiple Attribute Decision Making[M].Berlin:Springer-Verlag.1981, pp151-189.

[9]鄭鳴，陳福生.我國商業(yè)銀行的系統(tǒng)重要性指數(shù)：一種新的評估方法[J].金融監(jiān)管研究，2012，（10）：14-30.

[10]李占雷，蘇巧，趙秀臣.河北低碳城市發(fā)展與金融體系關(guān)系的實(shí)證研究[J].江蘇商論，2012，（1）：150-154.

（責(zé)任編輯：賈偉）

1003-4625（2014）11-0028-06

F832.0

A

2014-09-15

陳福生（1982-），男，江西贛州人，經(jīng)濟(jì)學(xué)博士，研究方向：貨幣政策與金融市場。

注：不代表所在單位意見。