霧霾會促進公眾綠色投資意愿么？

陳波　顏靜雯　羅穎妮

摘要 當(dāng)下霧霾天氣愈發(fā)嚴重，全國各省市相繼推出一系列霧霾治理政策，綠色債券、綠色基金等一系列綠色金融產(chǎn)品涌現(xiàn)，一方面政策大力支持環(huán)保企業(yè)發(fā)展，另一方面投資者對于綠色金融市場的參與熱情并不高，因此研究霧霾相關(guān)政策如何引導(dǎo)公眾參與綠色投資具有重要的政策意義。本文根據(jù)霧霾污染程度及政策力度兩個指標(biāo)，將中國省級區(qū)域劃分為高、中、低霧霾敏感區(qū)，基于“風(fēng)險感知-態(tài)度-行為”理論框架，設(shè)計里克特5級量表，對高、中敏感區(qū)人群按照霧霾風(fēng)險感知、風(fēng)險偏好和綠色投資意愿三個潛變量構(gòu)建結(jié)構(gòu)方程模型，并以低敏感區(qū)投資者的綠色投資意愿進行對照分析，共收集有效問卷517份，利用SPSS和AMOS等軟件進行數(shù)據(jù)測算以及模型擬合，研究霧霾風(fēng)險對公眾綠色投資意愿的長期影響。結(jié)果表明：對于高、中敏感區(qū)投資者來說，綠色投資意愿與純粹的風(fēng)險偏好之間沒有直接關(guān)系，但在風(fēng)險偏好與霧霾風(fēng)險感知兩個因素的相互作用下，公眾綠色投資意愿與霧霾風(fēng)險感知呈現(xiàn)顯著的正相關(guān);對照分析表明，低霧霾敏感區(qū)與高、中敏感區(qū)的綠色投資意愿同樣強烈。公眾的綠色投資意愿的表現(xiàn)為：公眾投資者期望提高綠色金融產(chǎn)品的環(huán)境信息披露水平，愿意接受低于常規(guī)收益的霧霾治理類投資產(chǎn)品，并看好環(huán)保類股票的投資價值。這表明充分披露霧霾天氣情況，提高綠色金融產(chǎn)品標(biāo)的資產(chǎn)的環(huán)境信息披露水平以及加強監(jiān)管等，都有利于促進公眾的綠色投資意愿，且該意愿在全國范圍內(nèi)沒有顯著差異，因此引導(dǎo)各地區(qū)綠色投資的協(xié)調(diào)發(fā)展具有良好前景。同時投資者對綠色投資不存在先入為主的風(fēng)險水平判斷，在合理的引導(dǎo)下，綠色產(chǎn)業(yè)可能獲得平等或更多的融資機會。政府應(yīng)加大支持力度支持有資質(zhì)的企業(yè)發(fā)行綠色債券及綠色股票;金融機構(gòu)應(yīng)有針對性地推出環(huán)保類投資理財產(chǎn)品，豐富綠色投資市場的產(chǎn)品種類，為環(huán)保項目提供資金支持，讓公眾投資者擁有更多參與綠色投資的機會。

關(guān)鍵詞 霧霾;綠色投資;風(fēng)險偏好;結(jié)構(gòu)方程模型

中圖分類號 F831.5文獻標(biāo)識碼 A文章編號 1002-2104（2019）03-0040-10DOI：10.12062/cpre.20180923

自2013年霧霾問題被媒體大規(guī)模曝光之后，中國進入了大氣污染治理的攻堅戰(zhàn)。2015年通過了《中華人民共和國大氣污染防治法》，之后各省市也頒布了相關(guān)的政策措施。例如，污染最為嚴重的京津冀地區(qū)，連續(xù)數(shù)年大力聯(lián)防聯(lián)控大氣污染，并于2017年8月通過了《京津冀及周邊地區(qū)2017—2018年秋冬季大氣污染綜合治理攻堅行動方案》，方案中采取了極其嚴厲的防治措施，展現(xiàn)了政府治理霧霾的決心。

然而霧霾現(xiàn)象以及由霧霾治理引致的一系列爭議問題，對中國的社會心理產(chǎn)生了重大的影響。不僅是京津冀及其周邊地區(qū)大氣污染嚴重，一直以來空氣質(zhì)量良好的南方地區(qū)也為霧霾所困擾。一方面，霧霾天氣嚴重影響了人們的視覺和嗅覺體驗，同時給人們帶來身體健康方面的隱患，在新媒體的帶動下成為一個網(wǎng)絡(luò)熱點話題，另一方面政府采取的一系列強力措施，也引發(fā)了許多社會爭議。例如2017年冬天，北方地區(qū)為了治理冬季霧霾，多個省市環(huán)保部下發(fā)文件，要求冬季供暖全部實行煤改氣。這一政策實施導(dǎo)致居民生活成本提高，并影響了供求平衡，使得北方多地出現(xiàn)燃氣供應(yīng)不足的現(xiàn)象，大面積的“氣荒”嚴重影響了居民的正常生活。此外，根據(jù)北京晚報2018年2月5日的報道，北京市2013年至2017年的五年間，累計關(guān)停退出污染企業(yè)1 992家，導(dǎo)致了一部分人群的失業(yè)。

同時霧霾治理所產(chǎn)生的政治經(jīng)濟信號也在金融市場上得到了充分的反映。環(huán)保概念股票受到投資者關(guān)注，已經(jīng)成為股票市場的特色板塊之一，興業(yè)銀行、浦發(fā)銀行等先后推出了綠色概念的信用卡和理財產(chǎn)品。而2016年9月七部委發(fā)布了《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見》，標(biāo)志著中國進入了全面利用金融手段支持環(huán)境治理的新階段。綠色債券、綠色股票指數(shù)、綠色基金、綠色保險等一系列綠色金融產(chǎn)品涌現(xiàn)，為公眾投資者提供了越來越多的綠色投資機會。但一個現(xiàn)實問題是，許多具有良好社會環(huán)境效益的綠色投資項目卻可能存在相對較低的收益率和更高的投資風(fēng)險，公眾投資者愿意為此“買單”嗎？

在上述背景之下，本文試圖回答如下的問題：高頻率、大規(guī)模和持續(xù)性的霧霾事件是否改變了公眾投資者的決策偏好。傳統(tǒng)觀點一般認為天氣變化或污染事件會對投資者的情緒產(chǎn)生暫時的影響，從而改變其短期投資決策。但本文認為霧霾現(xiàn)象本質(zhì)上是天氣條件與污染因素相互耦合形成的大規(guī)模持續(xù)性環(huán)境風(fēng)險，既不同于短期的天氣變化，也不同于偶發(fā)的獨立環(huán)境污染事件，它對投資者的長期決策偏好可能會產(chǎn)生持久和穩(wěn)定的影響。為了驗證上述假設(shè)的合理性，本文的研究思路如下：基于“風(fēng)險感知-態(tài)度-行為”理論框架，根據(jù)霧霾污染程度及政策力度兩個指標(biāo)將省份劃分為霧霾高、中、低敏感區(qū)，對霧霾高、中敏感區(qū)人群按照霧霾風(fēng)險感知，風(fēng)險偏好和綠色投資愿意三個潛變量設(shè)計問卷，構(gòu)建結(jié)構(gòu)方程模型，檢驗上述假設(shè)，并以霧霾低敏感區(qū)作為對照組研究兩類人群之間的差異性。

1 文獻綜述

國內(nèi)外關(guān)于天氣風(fēng)險對投資者行為的影響主要集中在股票市場，主流觀點認為天氣通過影響投資者情緒而對股票收益率產(chǎn)生顯著影響[1-4]。如果偶發(fā)的天氣變化能夠?qū)ν顿Y行為產(chǎn)生影響，那么長期的霧霾風(fēng)險也有可能潛移默化地影響包括投資決策在內(nèi)的個人行為偏好。目前關(guān)于霧霾風(fēng)險對個人行為的影響研究集中在“吃穿住行”等基本生活行為上，如對霧霾的擔(dān)憂降低了北京國際旅客的滿意度，也抑制其再度前往或者定居的興趣[5]。蔡李暉等[6-7]認為霧霾天氣下出游的風(fēng)險應(yīng)對態(tài)度在人們的風(fēng)險感知和風(fēng)險應(yīng)對行為之間產(chǎn)生了中介作用。唐魁玉和唐玉杰[8]探討了霧霾風(fēng)險如何轉(zhuǎn)化為社會風(fēng)險的問題。Kim 等[9]運用亞洲東北部（Northeast Asia）10個城市的數(shù)據(jù)，研究發(fā)現(xiàn)人們的自殺行為可能與空氣污染有關(guān)。

既然霧霾風(fēng)險已經(jīng)是一種社會風(fēng)險，那么就有必要對公眾的霧霾風(fēng)險應(yīng)對行為進行深入研究。風(fēng)險應(yīng)對行為的差異，可能源于人們感知到的風(fēng)險水平不同[10]，因此將風(fēng)險感知水平和風(fēng)險態(tài)度從風(fēng)險應(yīng)對行為中拆分出來有利于預(yù)測風(fēng)險應(yīng)對行為[11-12]。李聰穎等[13]引入生理和心理兩個方面的感知變量，探究霧霾對出行行為的影響，蔡李暉[6]將霧霾感知定義為個體對霧霾天氣下環(huán)境質(zhì)量和客觀存在的各種風(fēng)險的心理感受和認識，從嗅覺、視覺、健康和交通四個方面構(gòu)建霧霾感知變量，張愛平、虞虎[7]則把出游風(fēng)險感知分解為身體、功能、心理和成本四個方面的風(fēng)險感知。除了將霧霾風(fēng)險感知歸類為多個維度的方式，徐戈等[14]將霧霾易感性和嚴重性融合為一個風(fēng)險感知變量，通過建立結(jié)構(gòu)方程探討公眾的環(huán)境信息和霧霾知識對其感知風(fēng)險、感知可控性的影響，進一步研究如何影響環(huán)境滿意度、防護應(yīng)對行為和產(chǎn)品購買意愿。關(guān)于風(fēng)險應(yīng)對行為的研究，有文獻更關(guān)注于行為規(guī)避危害的效果，有文獻則關(guān)注實施該行為所需的資源[15]。Clark， Kotchen 和Moore[16]將防護行為分為利己目的和利他目的分別進行探究。中國安徽合肥的調(diào)查數(shù)據(jù)則顯示，防護行為帶來的利好效果是影響公眾防護行為更重要的因素[17]。對于不同類型的人群，De等[18]以荷蘭老年人為研究對象，發(fā)現(xiàn)空氣污染影響老年人的活動能力，并且其自身感知到的影響低于真實表現(xiàn)。林玥希等[19]則考慮了大學(xué)生、脆弱性人群等特殊群體的認知與應(yīng)對。

上述研究證實了個人行為的確會受到霧霾風(fēng)險的影響，但鮮有涉及關(guān)于個人投資行為的研究，也較少將霧霾風(fēng)險感知與純粹的個人風(fēng)險偏好相結(jié)合的研究方法。根據(jù)行為金融學(xué)理論，投資者的投資意愿由潛在的收益與風(fēng)險共同決定，投資者通過權(quán)衡二者來做出自己的投資決策，這個過程體現(xiàn)了投資者的風(fēng)險偏好，也是綠色投資的基本邏輯。而目前關(guān)于綠色投資的研究大多聚焦于如何在國家層面推動綠色投資的發(fā)展，關(guān)于公眾綠色投資驅(qū)動因素的文獻較少。Eyraud等[20]利用2000—2010年間35個國家的數(shù)據(jù)，通過實證研究發(fā)現(xiàn)，高收入水平會提高綠色投資傾向，而高利率則對綠色投資有顯著的負面影響。Gumus和Dayioglu[21]在研究社會經(jīng)濟、人口變量對個人投資者風(fēng)險偏好的影響時，發(fā)現(xiàn)高收入人群比低收入人群具有更高的風(fēng)險偏好，因此更高的風(fēng)險偏好則可能意味著個人投資者更愿意參與綠色投資。Weber和Milliman[22]研究發(fā)現(xiàn)風(fēng)險偏好更可能作為一個常量，對環(huán)境影響風(fēng)險感知水平，從而對行為決策產(chǎn)生影響的過程起到調(diào)節(jié)作用。

相較于已有研究，本文的主要貢獻和創(chuàng)新之處是：基于“風(fēng)險感知-態(tài)度-行為”理論框架，引入風(fēng)險偏好因素研究霧霾風(fēng)險對投資意愿的長期影響，采用霧霾風(fēng)險感知、風(fēng)險偏好和綠色投資意愿三個潛變量建立結(jié)構(gòu)方程，構(gòu)建霧霾風(fēng)險與投資行為之間的影響路徑，從而驗證綠色投資意愿在投資者風(fēng)險偏好和霧霾風(fēng)險的相互作用下是否會得到加強。相關(guān)結(jié)論對于我國綠色金融政策如何激勵公眾投資者參與具有一定的參考價值。

2 理論模型

霧霾風(fēng)險是指霧霾天氣在公眾的身體健康、情緒體驗、交通出行的便利性與安全性、家庭及個人的霧霾防護效果等方面形成的諸多不確定性。公眾對霧霾風(fēng)險的感知在媒體的媒介效應(yīng)之下，連同其風(fēng)險偏好作用于公眾的行為決策。但是在認知心理學(xué)上，關(guān)于風(fēng)險偏好與風(fēng)險感知之間的關(guān)系有所爭議。部分學(xué)者認為風(fēng)險偏好通過影響風(fēng)險感知，進而影響人們做出決策，如Sitkin和Weingart[23]研究發(fā)現(xiàn)，高風(fēng)險偏好的人對于特定事件感受到的風(fēng)險低于低風(fēng)險偏好的人。蔡李暉[6]認為風(fēng)險感知是風(fēng)險偏好影響行為決策的中介變量，張愛平和虞虎[7]研究則發(fā)現(xiàn)風(fēng)險應(yīng)對態(tài)度是風(fēng)險感知和風(fēng)險規(guī)避行為間的中介變量，還有學(xué)者認為風(fēng)險偏好直接影響人們的決策，與風(fēng)險感知沒有關(guān)系。本文并不打算參與上述問題的討論，而是假設(shè)霧霾風(fēng)險感知與風(fēng)險偏好之間存在著相互關(guān)系，并綜合作用于最終的綠色投資意愿。

為了刻畫上述關(guān)系，本文借鑒Lusk和Coble[24]的研究思路，構(gòu)建理論模型。假設(shè)公眾效用函數(shù)為U（W），令其初始財富為W，以貨幣價值Z衡量霧霾天氣帶來的負面影響，存在：

式（1）表明，個體感知到的霧霾風(fēng)險σ2越大，霧霾危害的貨幣損失量（即CE的絕對值）越大，對個體造成更嚴重的損失，個體風(fēng)險規(guī)避程度與霧霾帶來的貨幣損失量也存在正向關(guān)系。因此，霧霾風(fēng)險感知水平以及個體對風(fēng)險的風(fēng)險厭惡度越高，霧霾天氣給個體帶來的負面影響越大，進而影響其改變決策行為以減輕這種負面效應(yīng)。

然而投資者對于風(fēng)險的感知是多面的，盡管霧霾風(fēng)險可能會促進其綠色投資意愿，產(chǎn)生“正效應(yīng)”，但是綠色投資項目往往存在一些不利的風(fēng)險特征，例如低收益高風(fēng)險，這些固有的“成見”可能會導(dǎo)致投資者猶豫不決，甚至放棄投資意愿，從而產(chǎn)生“負效應(yīng)”。此外，不同投資者的霧霾風(fēng)險感知水平以及其自身的風(fēng)險偏好不同，使得霧霾天氣所帶來的貨幣性支出各有差異，導(dǎo)致投資者進行綠色投資的意愿也不盡相同。投資者的風(fēng)險偏好不僅影響著霧霾風(fēng)險帶來的確定性貨幣支出大小，也影響了最終的綠色投資決策。在正效應(yīng)和負效應(yīng)的綜合作用下，霧霾風(fēng)險究竟是否真正的改變了中國投資者的綠色投資意愿？

為此本文將驗證以下問題：投資者的風(fēng)險偏好與其霧霾風(fēng)險感知的關(guān)系;投資者對霧霾風(fēng)險的感知水平對其綠色投資意愿的作用;投資者的風(fēng)險偏好對其綠色投資意愿的影響。

本文采用結(jié)構(gòu)方程模型（structural equation models， SEM）研究上述問題。結(jié)構(gòu)方程模型可以用于分析不可觀測變量（潛變量）之間以及可觀測變量和不可觀測變量之間的關(guān)系，從而對本文的假設(shè)進行驗證。該模型包括測量模型和結(jié)構(gòu)模型兩個部分，測量模型體現(xiàn)的是潛變量對每一個觀測變量的解釋，以如下方程表示：

X=ΛX ξ+δ

Y=ΛY η+∈

結(jié)構(gòu)模型則體現(xiàn)為潛變量之間的關(guān)系，以如下方程表示：

η=Bη+Γξ+ζ

其中，X為外生潛變量的觀測變量，Y為內(nèi)生潛變量的觀測變量，ξ為外生潛變量，η為內(nèi)生潛變量，δ、∈和ζ均用于表示潛變量無法解釋的部分，ΛX和ΛY分別是觀測變量在潛變量上的因子載荷矩陣，Bη是內(nèi)生潛變量η的系數(shù)矩陣，Γ是外生潛變量ξ的系數(shù)矩陣。本文的外生潛變量分別是霧霾風(fēng)險感知和風(fēng)險偏好，內(nèi)生潛變量則是綠色投資意愿。

3 研究設(shè)計

3.1 模型假設(shè)

基于現(xiàn)有的文獻研究以及上述理論框架，本文考慮了3個潛變量（霧霾風(fēng)險感知、風(fēng)險偏好和綠色投資意愿），建立結(jié)構(gòu)方程模型，針對測量變量設(shè)計了中國霧霾風(fēng)險調(diào)查問卷，以研究霧霾對個人綠色投資意愿之間的影響（見圖1）。人們的風(fēng)險感知水平可能隨人口統(tǒng)計學(xué)特征存在諸多差異[25]，如霧霾嚴重地區(qū)的人具有更低的風(fēng)險感知水平[26]。因此，考慮到霧霾天氣的客觀區(qū)域條件，本文按省份區(qū)分了霧霾高敏感區(qū)、霧霾中敏感區(qū)和霧霾低敏感區(qū)，僅針對高、中敏感區(qū)進行結(jié)構(gòu)方程驗證，而霧霾低敏感區(qū)則用于對照。本文提出如下的假設(shè)：

H10：投資者的風(fēng)險偏好與其對霧霾風(fēng)險的感知不存在相互影響。

H20：投資者對霧霾風(fēng)險的感知不會影響其綠色投資意愿。

H30：投資者的風(fēng)險偏好不會影響其綠色投資意愿。

3.2 霧霾區(qū)分組

設(shè)計霧霾污染程度及政策力度兩個指標(biāo)，將全國31個省、直轄市、自治區(qū)（港澳臺除外）分為高敏組、中敏組和低敏組。依據(jù)新浪網(wǎng)站中2014年已有相關(guān)公開信息的190個城市的年平均PM2.5值，通過計算每個省份所含城市年平均PM2.5值的算數(shù)平均值，得出該省份年平均PM2.5值。其中指標(biāo)值高于國家標(biāo)準兩倍（70）的省份記為高度污染區(qū)，指標(biāo)值低于70但高于50的省份記為中度污染區(qū)，指標(biāo)值低于50的省份記為輕度污染區(qū)。計算公式如下：

其中，X為某省霧霾污染程度指標(biāo)值，xi （i=1，2，3，…n）為該該省所含城市的年平均PM2.5值。

除此之外，本文統(tǒng)計了2014年1月1日—2017年9月14日之間關(guān)于大氣污染治理的政策文件，發(fā)布的通知等事件及相關(guān)的媒體報道數(shù)量等，剔除報道數(shù)量低于平均值的事件，得出各省份關(guān)于霧霾治理的政策及通知事件的媒體報道數(shù)量，以該值代表政策力度。其中指標(biāo)值高于10的省份記為高政策力度區(qū)，指標(biāo)值介于3與10之間的省份記為中政策力度區(qū)，指標(biāo)值低于3的省份則為輕政策力度區(qū)。

分組時以霧霾污染程度指標(biāo)為第一標(biāo)準，政策力度指標(biāo)作為輔助標(biāo)準。由于計算省份年平均PM2.5值時，部分省份只有1～5個污染相對嚴重市的數(shù)據(jù)，造成省份年平均PM2.5值偏高，因此借助政策力度指標(biāo)進行調(diào)整。分組原則為：當(dāng)且僅當(dāng)某省份同時為高度污染區(qū)和高政策力度區(qū)，歸為高敏組;若某省份同時為輕度污染區(qū)和輕政策力度區(qū)，則歸為低敏組，若某省份同時屬于中度污染區(qū)和輕政策力度區(qū)，且該省份霧霾污染程度指標(biāo)只采用了1～5個市的數(shù)據(jù)，仍歸為低敏組;其余情況均歸為中敏組。最終分類結(jié)果見圖2。

3.3 問卷設(shè)計與回收

Franken， Pennings和Garcia[27]建立概念模型以體現(xiàn)風(fēng)險感知水平以及對行為的解釋，文章強調(diào)量表（scale）在解釋行為時的重要性，低成本且有效，并可以進行比較分析。本文借鑒前人的研究思路，設(shè)計李克特5級量表進行問卷調(diào)查。調(diào)查期間為2018年1—2月，采用非隨機抽樣中的任意抽樣方法，共收集問卷527份，有效樣本517份。為廣泛探究公眾的綠色投資意愿，樣本來自全國各地，而且不僅局限于有過投資經(jīng)驗的人，也包括潛在的投資者，即還未曾進行過真實投資的人。由于本文探究的是綠色投資意愿，無論有無投資經(jīng)歷，都可能成為未來綠色投資市場的參與者。問卷中，3個潛變量共用10個題項測度，每個潛變量的觀測數(shù)為3～4個，題項參考李克特5級量表進行設(shè)計，多數(shù)選項由以下五個級別構(gòu)成：①完全不符合;②不符合;③不確定;④符合;⑤完全符合，同時個別題項根據(jù)具體情況進行調(diào)整，如第d10題，以風(fēng)險水平遞增的方式反映風(fēng)險偏好程度。量表內(nèi)容參考以往文獻經(jīng)驗，同時在投資者的風(fēng)險偏好維度上參考金融機構(gòu)風(fēng)險測評問卷設(shè)計問題。根據(jù)James Stevens[28]的社會科學(xué)的應(yīng)用多元變量統(tǒng)計，每個因子應(yīng)當(dāng)有15個個案，因此本文合理的總樣本數(shù)應(yīng)不低于150份（15×10），顯然本文的樣本數(shù)量符合要求，并且信效度分析結(jié)果也證明了問卷設(shè)計的合理性。

問卷的題目設(shè)計如表1所示。霧霾風(fēng)險感知問題僅由霧霾高敏感區(qū)和中敏感區(qū)人群回答，主要情緒感受、健康狀態(tài)，以及對霧霾的防護意識三個方面體現(xiàn)對霧霾風(fēng)險的感知。風(fēng)險偏好問題的設(shè)計參考了各大銀行及證券公司設(shè)計的投資者風(fēng)險偏好調(diào)查問卷，主要考察投資者對于收益和風(fēng)險的態(tài)度，以及投資方向等內(nèi)容。綠色投資意愿的四個題目考察投資者在進行投資決策時對綠色環(huán)保類產(chǎn)品或項目的態(tài)度，其中題項d14和d15是為了確認當(dāng)投資者持有的資金不同時是否會存在同樣的態(tài)度。

4 研究結(jié)果

4.1 描述性統(tǒng)計

參與調(diào)查的人群中，女性略多于男性，占比57.95%，年齡絕大多數(shù)為18～60歲，大學(xué)本科及以上學(xué)歷者達77.08%，年平均收入為5萬元以下者占比45.08%，總體而言樣本受教育程度與經(jīng)濟能力高于平均水平，具備一定的投資能力。同時，樣本覆蓋不同職業(yè)暴露類型，幾乎不處于戶外的人數(shù)最多，達57.75%（見表2）。

測量題項b7、b8和b9度量的是霧霾風(fēng)險感知，僅適用于霧霾高敏感區(qū)和霧霾中敏感區(qū)的投資者，因此對389份樣本進行描述統(tǒng)計，剩余7個題項度量的是風(fēng)險偏好和綠色投資意愿，適用于所有投資者，樣本數(shù)共517。所有測量題項的偏度和峰度的絕對值均為1以內(nèi)，可認為數(shù)據(jù)符合正態(tài)分布。霧霾風(fēng)險感知的均值介于3.16～3.54，綠色投資意愿均值介于3.57～3.75，可見投資于綠色環(huán)保項目的意愿高于人們感知到的霧霾風(fēng)險，這在一定程度上反映近年來投資者們對綠色投資的參與熱情提高，對環(huán)保的重視程度加大。投資者的風(fēng)險偏好均值則介于2.51～3.01，總體為風(fēng)險中性。

4.2 信效度檢驗

4.2.1 信度和收斂效度檢驗

模型的信度與收斂效度如表3示。其中，三個因子的組合信度（CR）值均大于0.7，檢驗結(jié)果表明模型具有較高的信度水平，且平均提取方差（AVE）也均高于門檻值0.5，說明模型具有比較好的收斂效度。

4.2.2 區(qū)別效度檢驗

運用因子分析進行KMO檢驗和巴特利特球形檢驗，對變量之間相互獨立的假設(shè)進行檢驗。KMO值為0.762，巴特利特球形檢驗卡方值為1 455.354，sig=0，說明問卷結(jié)構(gòu)效度良好。因此可以認為相關(guān)系數(shù)矩陣具有顯著的差異， 即變量之間相互獨立，可以進行主成分分析。對10個題項進行主成分分析，以提取共同因素。由表4可知，第一個因子方差百分比僅為28.821%，因此不存在共同方法變異，提取出的3個因子累計方差貢獻率為57.563%，可以使用3個因子來代替原始題項。對提取的共同因素采用凱撒正態(tài)化最大方差法進行因子旋轉(zhuǎn)，使不同的題項在其屬于的因子上具有最高載荷，得到旋轉(zhuǎn)后的因子矩陣。根據(jù)旋轉(zhuǎn)后得因子矩陣可知（見表5），題項d13，d14，d15，d16屬于因子1綠色投資意愿，題項b7，b8，b9屬于因子2霧霾風(fēng)險感知，題項c10，c11，c12屬于因子3風(fēng)險偏好。

在區(qū)別效度分析中，F(xiàn)ornell和 Larcker建議收斂效度（AVE）應(yīng)該要大于構(gòu)面之間的相關(guān)平方（Share Variance）。對提取的三個因子進行區(qū)別效度檢驗，AVE大于構(gòu)面之間的相關(guān)平方的最大值，可以認為模型具有較好的區(qū)別效度（見表6）。

4.3 模型擬合

結(jié)構(gòu)方程模型的擬合度沒有絕對評價標(biāo)準，一般通過觀察多個指標(biāo)進行綜合評估（見表7）。假設(shè)結(jié)構(gòu)方程模型與實際數(shù)據(jù)完全適配，卡方值為65.949，P值顯著，但該指標(biāo)容易受到樣本量大的影響，而本模型的卡方自由度比（CMIN/DF）介于合理區(qū)間，因此可以認為模型設(shè)定是良好的。同時，除近似誤差均方根（RMSEA）外，模型整體擬合度的各評估指標(biāo)均位于合理區(qū)間內(nèi)，RMSEA也非常接近推薦值，表明模型擬合結(jié)果良好。

模型參數(shù)估計結(jié)果在表8中列出。霧霾風(fēng)險感知對綠色投資意愿具正向影響，標(biāo)準化估計值為0.344，可見投資者感知到的霧霾風(fēng)險水平將鼓勵投資者進行綠色投資，假設(shè)H20不成立。風(fēng)險偏好對綠色投資意愿的影響為負向，該影響不顯著，即無法拒絕假設(shè)H30。關(guān)于霧霾風(fēng)險感知和風(fēng)險偏好的關(guān)系，其相關(guān)性估計值為0.288，偏好風(fēng)險的投資者在一定程度上也具有較強的霧霾風(fēng)險感知，假 設(shè)H10不成立。具體到綠色投資意愿上的題項中，分析結(jié)果表明：投資者期望加強綠色投資產(chǎn)品的信息披露水平，對于霧霾治理項目愿意降低1%左右的預(yù)期收益，同時認為環(huán)保類股票具有長期投資價值。

4.4 對照分析

上述分析表明在霧霾高、中敏感區(qū)，霧霾風(fēng)險對個人綠色投資意愿的影響是顯著的，那么非霧霾敏感區(qū)是否也存在同樣的結(jié)果呢？此外，性別、收入和職業(yè)暴露是否也會產(chǎn)生顯著的影響？本文進一步對d13～d16題分別根據(jù)其正態(tài)性水平采用方差分析或非參數(shù)檢驗進行了檢驗，比較上述不同組別之間是否存在顯著差異（見表9）。結(jié)果顯示霧霾高、中、低敏感地區(qū)的投資者在綠色投資意愿上沒有顯著差異，這可能是因為媒體的傳播效應(yīng)導(dǎo)致了人們在霧霾風(fēng)險感知的趨同，驗證了相關(guān)文獻的結(jié)論。

同樣地，是否長期處于戶外對綠色投資意愿也沒有顯著影響。對于環(huán)保類股票的投資價值，男女的看法存在顯著差異，女性更加看好綠色環(huán)保投資的發(fā)展價值，較低收入者也顯著地有較高水平的綠色投資意愿，這與之前文獻的觀點存在不同，可能是因為較低收入者屬于霧霾風(fēng)險脆弱人群，因此有更強的意愿改善環(huán)境。目前國內(nèi)還沒有形成完善的綠色投資市場，缺乏成熟的綠色投資產(chǎn)品、項目，大部分投資者沒有進行綠色投資的機會，因此本文僅探討投資者的意愿。投資意愿不同于實際的投資行為，僅代表投資傾向，故未對有過投資經(jīng)驗的人和潛在的投資者進行區(qū)分。

5 結(jié) 論

本文的研究表明風(fēng)險偏好對公眾的綠色投資意愿沒有顯著相關(guān)性，即純粹的投資風(fēng)險偏好程度不會顯著影響綠色投資行為。公眾沒有給綠色投資冠上風(fēng)險高或者低的帽子，沒有先入為主地認為其處于某個特定風(fēng)險水平，這使得綠色投資與其他投資在風(fēng)險分布上不存在顯著差異。投資者不會認為綠色投資充滿不確定性而規(guī)避投資，也不會認為綠色投資前景良好而偏好這項投資。

但投資者的風(fēng)險偏好程度與其霧霾風(fēng)險感知水平存在顯著正相關(guān)，表明投資者越喜好風(fēng)險，就會有越強的霧霾風(fēng)險感知。風(fēng)險感知水平是反映一個人對自己所處狀態(tài)存在的不確定性和嚴重性的主觀感知，當(dāng)投資者對風(fēng)險的偏好越強，其對不確定性的喜好程度越大，也越能夠關(guān)注并感知到風(fēng)險。因此，風(fēng)險偏好較強的人能夠感知到更高水平的霧霾風(fēng)險。

霧霾風(fēng)險感知與風(fēng)險偏好兩個因素相互作用，成為促進公眾綠色投資的驅(qū)動因素：霧霾風(fēng)險感知水平越高，投資者越愿意進行綠色投資。在選擇投資產(chǎn)品或項目的時候，投資者希望能有更多的信息披露，并且愿意對霧霾治理相關(guān)的投資產(chǎn)品降低約1%的預(yù)期收益率，并對股票市場的環(huán)保板塊具有樂觀的預(yù)期。對照研究表明，綠色投資意愿在霧霾敏感程度不同的省份之間沒有顯著差異，這說明即使是沒有生活在濃重霧霾之下的投資者，仍同樣看好綠色投資，并給予同樣的關(guān)注。這可能得益于媒體對霧霾問題的廣泛討論使得霧霾風(fēng)險已從單純的物理風(fēng)險放大為全社會的共同風(fēng)險，因此即使非霧霾區(qū)的投資者也能夠真實地感受到霧霾風(fēng)險的危害，并愿意為改善環(huán)境做出努力。

以上結(jié)果表明，準確披露霧霾天氣情況，努力提高綠色金融產(chǎn)品的環(huán)境信息披露水平，加強監(jiān)管，都將有利于促進公眾綠色投資的參與熱情。同時，由于霧霾風(fēng)險不局限于個別地區(qū)，全國范圍內(nèi)的綠色投資意愿沒有顯著差異，因此引導(dǎo)各地區(qū)協(xié)調(diào)發(fā)展綠色投資市場具有良好的前景。另外，研究結(jié)果否定了綠色項目固有的高風(fēng)險“成見”，投資者們對綠色投資不存在先入為主的風(fēng)險水平判斷，在合理的引導(dǎo)之下，綠色產(chǎn)業(yè)能夠獲得平等或者更多的融資機會，政府應(yīng)大力支持有資質(zhì)的企業(yè)發(fā)行綠色債券及綠色股票，金融機構(gòu)可以針對環(huán)保類債券股票等推出相關(guān)的投資理財產(chǎn)品，一方面能夠為環(huán)保項目提供資金支持，另一方面也可以豐富綠色投資市場的產(chǎn)品種類，讓大眾投資者有機會參與到綠色投資之中。

參考文獻

[1]DEHAAN E， MADSEN J， PIOTROSKI J. Do weather-induced moods affect the processing of earnings news？[J].Journal of accounting research， 2017， 55（3）： 509-550.

[2]LI Q， PENG C H. The stock market effect of air pollution： evidence from China[J]. Applied economics， 2016， 48（36）： 3442-3461.

[3]ZEREN F， GUMUS F. Testing weather effect anomalies： time varying evidence from selected stock markets[J]. International journal of economic perspectives， 2015， 9（1）：21-31.

[4]孟祥旭， 李增剛. 空氣質(zhì)量對股票投資行為影響的實證檢驗——以PM2.5為例[J].城市與環(huán)境研究， 2017（4）：79-92.

[5]LI J， PEARCE P L， MORRISON A M， et al. Up in smoke？ the impact of smog on risk perception and satisfaction of international tourists in Beijing[J]. International journal of tourism research， 2016， 18（4）： 373-386.

[6]蔡李暉. 城市居民霧霾感知對日常游憩行為意愿的影響研究——以杭州主城區(qū)為例[D]. 浙江：浙江工商大學(xué)， 2017.

[7]張愛平， 虞虎. 霧霾影響下旅京游客風(fēng)險感知與不完全規(guī)避行為分析[J]. 資源科學(xué)， 2017，39（6）：1148-1159.

[8]唐魁玉， 唐金杰. 霧霾生態(tài)污染的社會風(fēng)險研究[J]. 齊齊哈爾大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2015（7）：1-4.

[9]KIM Y， NG C， CHUNG Y， et al. Air pollution and suicide in 10 cities in northeast Asia： a time-stratified case-crossover analysis[J]. Environmental health perspectives， 2018， 126（3）： 037002.

[10]WEBER E， BLAIS A， BETZ N E. A domain-specific risk-attitude scale： measuring risk perceptions and risk behaviors[J]. Journal of behavioral decision making， 2002， 15： 263-290.

[11]PENNINGS J， WANSINK B， MEULENBERG M. A note on modeling consumer reactions to a crisis： the case of the mad cow disease[J]. International journal of research in marketing， 2002， 19： 91-100.

[12]YANG J， GODDARD E. Canadian consumer responses to BSE with heterogeneous risk perceptions and risk attitudes[J]. Canadian journal of agricultural economics， 2011， 59：493-518.

[13]李聰穎， 黃一哲， 李敢， 等. 霧霾天氣對出行行為的影響機理研究[J]. 西安建筑科技大學(xué)學(xué)報（自然科學(xué)版）， 2015， 47（5）：728-733.

[14]徐戈， 馮項楠， 李宜威， 等. 霧霾感知風(fēng)險與公眾應(yīng)對行為的實證分析[J]. 管理科學(xué)學(xué)報， 2017， 20（9）：1-14.

[15]LINDELL M K， PERRY R W. Behavioral foundations of community emergency planning[M]. Washington D C： Hemisphere Publishing Corp， 1992.

[16]CLARK C F， KOTCHEN M J MOORE M R. Internal and external influences on pro-environmental behavior： participation in a green electricity program[J]. Journal of environmental psychology， 2003， 23（3）： 237-246.

[17]CHENG P， WEI J， MARINOVA D， et al. Adoption of protective behaviours： residents response to city smog in Hefei， China[J]. Journal of contingencies and crisis management， 2017， 25（4）：244-255.

[18]DE Z F， BRUNEKREEF B， TIMMERMANS E， et al. Air pollution and performance-based physical functioning in Dutch older adults[J]. Environmental health perspectives， 2018， 126 （1）： 017009.

[19]林玥希， 陳彥翔， 張廷玉， 等. 脆弱性人群對霧霾的認知與應(yīng)對——基于福州市的調(diào)查分析[J]. 福建師范大學(xué)學(xué)報（自然科學(xué)版）， 2016， 32（5）：72-79.

[20]EYRAUD L， WANE A， ZHANG C， 等. 綠色投資的發(fā)展趨勢和決定因素[J]. 金融發(fā)展評論， 2012（5）：139-152.

[21]GUMUS F， DAYIOGLU Y. An analysis on the socio-economic and demographic factors that have an effect on the risk taking preferences of personal investors[J]. International journal of economics and financial issues， 2015， 5（1）： 136-147.

[22]WEBER E， MILLIMAN R. Perceived risk attitudes： relating risk perception to risky choice[J]. Management science， 1997， 43（2）： 123-144.

[23]SITKIN S， WEINGART L. Determinants of risky decision-making behavior： a test of the mediating role of risk perceptions and propensity[J]. The academy of management journal， 1995， 38（6）： 1573-1592.

[24]LUSK J， COBLE K. Risk perceptions， risk preference， and acceptance of risky food[J]. American journal of agricultural economics， 2005， 87（2）： 393-405.

[25]YAPICI G， GENLER O， KURT A， et al. Assessment of environmental attitudes and risk perceptions among university students in Mersin， Turkey[J]. Journal of environmental and public health， 2017（2）：1-8.

[26]WEI J， ZHU W， MARINOVA D， et al. Household adoption of smog protective behavior： a comparison of two Chinese cities[J]. Journal of risk research， 2015， 20：1-22.

[27]FRANKEN J， PENNINGS J， GARCIA P. Measuring the effect of risk attitude on marketing behavior[J]. Agricultural economics， 2014，45： 525-535.

[28]STEVENS J P. Applied multivariate statistics for the social sciences[M].5th ed. New York N Y： Routledge，2009.

[29]BERNAT T， GASIOR A， KORPYSA J， et al. Perception of the risk of starting up business and personal attitude to risk[J]. Transformations in business & economics， 2014， 13（2B （32B））： 780-800.

[30]LI W， CHAN S， LAM T H. Helping cancer patients to quit smoking by understanding their risk perception， behavior， and attitudes related to smoking[J]. Psycho-oncology， 2015， 23： 870-877.

[31]LIAO J， LIU X. Risk and consumer debt behaviors in China[J]. Social behavior and personality， 2012， 40（8）： 1263-1270.

[32]PENNINGS J， GARCIA P. Measuring producers risk preferences： a global risk-attitude construct[J]. American agricultural economics association， 2001， 83（4）： 993-1009.

[33]PENNINGS J， GROSSMAN D. Responding to crises and disasters： the role of risk attitudes and risk perceptions[J]. Disasters， 2008， 32（3）： 434-448.

[34]ROSENBLOOM T， BEIGEL A， ELDROR E. Attitudes， behavioral intentions， and risk perceptions of fatigued pedestrians[J]. Social behavior and personality， 2011， 39（9）： 1263-1270.

[35]TANG D， XU H， YANG Y. Mutual influence of energy consumption and foreign direct investment on haze pollution in China： a spatial econometric approach[J]. Polish journal of environmental studies， 2018， 27（4）： 1743-1752.

[36]WORTHINGTON A. An empirical note on weather effects in the Australian stock market[J]. Economic papers， 2009， 28（2）：148-154.

Does smog risk increase green investment willingness？： an empirical studybased on a structural equation model

CHEN Bo YAN Jing-wen LUO Ying-ni

（Institute for Finance and Economics， Central University of Finance and Economics， Beijing 100081， China）

Abstract Chinese air quality is currently inadequate， influencing our daily life. The government has launched countless smog governance policies， meanwhile， a series of green financial products like green bonds and green funds have emerged. As government together with enterprises is supporting and developing green programs， public investors are not so into it， and therefore the research of the impact on public green investment behavior exerted by smog risk has great policy significance. This paper considers both air quality and policy strength， and classifies provincial areas into three sensitivity levels， namely high， medium and low. Based on the ‘risk perception-preference-behavior conceptual framework， we designed Likert scale to measure smog risk perception， risk preference and green investment willingness. For high and medium sensitivity areas， the structural equation model is constructed according to the three latent variables， and low sensitivity areas are treated as a control group. In total， 517 valid questionnaires were collected and we used the software SPSS and AMOS to fit model. It is concluded that although there is no direct correlation between risk preference and green investment willingness， under the interacting effect of smog risk perception and risk preference， public green investment willingness is positively related to smog risk perception. In the comparative analysis， investors in different areas possess equal enthusiasm for green investment. For green finance policy making， investors are expecting a higher environmental information disclosure level， are willing to accept products for smog management despite lower benefits by 1%， and are attaching higher value to stocks of environmental character. The results give much inspiration to green finance development. For one thing， the government and relevant institutions that issue green financial products should improve the environmental information disclosure level of the underlying assets as well as the actual weather condition nationwide， strengthen supervision and encourage investors to participate in green investment. For another， given that green investment willingness has no significant differences across the whole nation， the government can support qualified enterprises to issue green bonds and green stocks in a coordinated way， and the financial institutions can launch financial products related to green bonds and stocks to not only provide financial support for environmental protection projects， but also to enrich green investment market， consequently public investors would have the opportunity to participate in the green investment.

Key words smog; green investment; risk preference; structural equation model