經(jīng)濟(jì)增長壓力下金融集聚對碳排放效率的影響

王 星，張乾翔

（1.蘭州大學(xué)經(jīng)濟(jì)學(xué)院，甘肅蘭州 730000；2.蘭州大學(xué)“一帶一路”研究中心，甘肅蘭州 730000）

金融業(yè)作為現(xiàn)代經(jīng)濟(jì)的核心要素，由于其具有“清潔型”和“動力型”等優(yōu)勢，在管理氣候變化和向低碳經(jīng)濟(jì)轉(zhuǎn)型的相關(guān)風(fēng)險方面起到重要作用。隨著“互聯(lián)網(wǎng)+”的發(fā)展，金融資源向哪里集中成為金融業(yè)發(fā)展的焦點［1］。那么，金融業(yè)在空間上集聚是否有助于推動能源的高效利用，提升碳排放效率？不同強(qiáng)度的經(jīng)濟(jì)增長壓力下，金融資源集中對推進(jìn)“雙碳”目標(biāo)的影響是否會產(chǎn)生變化？研究以上問題，對充分發(fā)揮金融集聚的輻射效應(yīng)，制定合理的經(jīng)濟(jì)增長目標(biāo)，實現(xiàn)綠色低碳發(fā)展和“30·60”目標(biāo)具有重要意義。

1 文獻(xiàn)回顧

有關(guān)碳排放效率的測度，學(xué)界主要有單要素和全要素兩種視角。單要素視角測度碳排放效率未考慮生產(chǎn)要素的替代效應(yīng)，易受其他經(jīng)濟(jì)因素的影響［2-3］。全要素視角測度碳排放效率解決了單要素碳排放效率的部分缺陷，但該方法求解過程復(fù)雜，傳統(tǒng)的數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）不包含有非期望產(chǎn)出，或者說默認(rèn)所有產(chǎn)出是同向變動的，與現(xiàn)實預(yù)期不符。包含非期望產(chǎn)出的基于松弛變量的DEA模型（Slack Based Model，SBM）能夠較好地處理非期望產(chǎn)出和松弛變量，因此被廣泛使用。學(xué)者們利用SBM-DEA分別對工業(yè)碳排放效率、農(nóng)業(yè)碳排放效率、交通運(yùn)輸業(yè)碳排放效率進(jìn)行了測度［4-6］。

金融發(fā)展能夠提高社會資源的配置效率，是實體經(jīng)濟(jì)健康發(fā)展與經(jīng)濟(jì)發(fā)展動能優(yōu)化的重要支撐，毫無疑問會影響低碳經(jīng)濟(jì)發(fā)展［7］。圍繞金融發(fā)展對溫室氣體排放的影響學(xué)界展開不少討論，Shahbaz等［8］研究認(rèn)為金融發(fā)展通過吸引外商投資、激勵企業(yè)技術(shù)創(chuàng)新、促進(jìn)碳交易等途徑減少碳排放。但熊靈等［9］、Khan等［10］認(rèn)為金融發(fā)展顯著增加了二氧化碳排放量。也有學(xué)者研究認(rèn)為金融發(fā)展對碳排放的影響呈現(xiàn)非線性特征。嚴(yán)成樑等［11］構(gòu)建了包含金融發(fā)展、創(chuàng)新與二氧化碳排放的內(nèi)生增長模型，研究發(fā)現(xiàn)金融發(fā)展對碳排放強(qiáng)度的影響呈倒U型關(guān)系。Acheampong等［12］認(rèn)為在不同的金融發(fā)展階段，其對碳排放強(qiáng)度的影響不同，在發(fā)達(dá)金融經(jīng)濟(jì)體的碳減排效應(yīng)最強(qiáng)。李德山等［13］構(gòu)建了金融發(fā)展、技術(shù)創(chuàng)新和二氧化碳排放的內(nèi)生增長模型，研究發(fā)現(xiàn)金融深化和碳排放效率呈U型關(guān)系。就該研究重點關(guān)注的金融集聚對溫室氣體的影響來看，目前的研究還相對較少。Zhang［14］以中國股票市場規(guī)模作為金融集聚的代理變量，研究發(fā)現(xiàn)金融集聚明顯加劇了碳排放，降低了碳排放效率。Qu等［15］以銀行地理集中度來衡量金融集聚，研究發(fā)現(xiàn)金融集聚可以顯著提高中國的能源效率，進(jìn)而提升了碳排放效率。李治國等［16］研究發(fā)現(xiàn)金融集聚對碳排放存在顯著的倒N型曲線關(guān)系。

通過梳理文獻(xiàn)可以發(fā)現(xiàn)，學(xué)界目前側(cè)重于考察金融發(fā)展對溫室氣體排放的影響，但關(guān)于金融集聚和低碳發(fā)展的研究還相對較少。已有研究多采用SBM測度全要素碳排放效率，但其假設(shè)期望產(chǎn)出的增加和非期望產(chǎn)出減少的速率相同，約束力過強(qiáng)。另外，金融集聚輻射作用的發(fā)揮效果可能受外部政策、制度環(huán)境的約束［17］，但目前鮮有文獻(xiàn)從經(jīng)濟(jì)增長壓力視角入手，研究金融集聚對碳排放效率的影響。最后，已有研究集中考察金融集聚和碳排放之間的線性關(guān)系，較少研究兩者的非線性關(guān)系。即使有少量研究關(guān)注到兩者的非線性關(guān)系，回歸技術(shù)基本采用靜態(tài)的門檻模型。因此，該研究試圖拓展：構(gòu)建包含金融部門和非金融部門的兩部門產(chǎn)出密度模型，將金融集聚與碳排放效率納入一個研究框架，分析金融集聚影響碳排放效率的理論機(jī)理；同時考慮資源投入最小化、經(jīng)濟(jì)產(chǎn)出最大化及碳排放最小化，采用非徑向方向距離函數(shù)，分別測算全要素碳排放效率及能源碳排放效率；利用面板平滑轉(zhuǎn)移模型（Panel Smooth Transfer Model，PSTR）實證研究金融集聚對碳排放效率的非線性影響，刻畫回歸系數(shù)在截面上的異質(zhì)性，捕捉變量之間的非線性特征［18］；從經(jīng)濟(jì)增長壓力的視角出發(fā)，分析其對兩者關(guān)系的調(diào)節(jié)作用，利用調(diào)節(jié)效應(yīng)模型進(jìn)行實證檢驗。

2 理論分析與研究假說

Ciccone等［19］在研究經(jīng)濟(jì)活動密度和勞動生產(chǎn)率時提出產(chǎn)出密度模型。與傳統(tǒng)模型不同，產(chǎn)出密度模型假設(shè)投入要素在空間上是均勻分布的，且引入相應(yīng)系數(shù)表示規(guī)模報酬遞增和邊際產(chǎn)出遞減的特征。之后陸續(xù)有學(xué)者對產(chǎn)出密度模型進(jìn)行補(bǔ)充和完善。其中，以Ushifusa等［20］簡化的模型最具代表性：

其中：q為單位面積產(chǎn)出；l為單位面積勞動投入；k為單位面積資本投入；β(0≤β≤1)為勞動投入相對于資本投入的產(chǎn)出貢獻(xiàn)率；Ω為考慮勞動投入和資本投入的經(jīng)濟(jì)效率；α(0＜α＜1)代表因投入要素?fù)頂D而造成的邊際產(chǎn)出遞減，指擁擠效應(yīng)；(λ-1)/λ代表產(chǎn)出密度彈性，λ(λ＞0)代表產(chǎn)出密度系數(shù)，指集聚效應(yīng)。集聚對金融部門產(chǎn)出與非金融部門產(chǎn)出均會產(chǎn)生影響。集聚效應(yīng)與擁擠效應(yīng)是金融集聚“硬幣的兩面”，一方面金融資源集中產(chǎn)生的集聚效應(yīng)提高了金融服務(wù)的專業(yè)化程度，地區(qū)金融業(yè)競爭力隨之提高，有利于金融部門產(chǎn)出的增加；另一方面金融集聚帶來的擁擠效應(yīng)導(dǎo)致金融業(yè)競爭加劇，出現(xiàn)外部不經(jīng)濟(jì)，影響產(chǎn)出水平。從金融集聚對非金融部門產(chǎn)出的影響看，金融資源集中能降低融資約束，有利于企業(yè)擴(kuò)大生產(chǎn)規(guī)模，提高企業(yè)勞動生產(chǎn)率。但擁擠效應(yīng)可能會部分抵消甚至扭轉(zhuǎn)金融集聚所發(fā)揮的積極影響。鑒于此，將經(jīng)濟(jì)體系分為金融部門和非金融部門。金融部門的產(chǎn)出密度模型為：

其中：f為單位面積上金融部門的產(chǎn)出；l1為單位面積上金融部門的勞動投入；k1為單位面積上金融部門的資本投入；β1(0≤β1≤1)為金融部門勞動投入相對于資本投入的產(chǎn)出貢獻(xiàn)率；Ω1為考慮勞動投入和資本投入的金融產(chǎn)出效率；α1(0＜α1＜1)代表因投入要素?fù)頂D而造成的邊際產(chǎn)出遞減，指擁擠效應(yīng)；λ1(λ1＞0)代表產(chǎn)出密度系數(shù)，指集聚效應(yīng)。與金融部門不同，非金融部門還需考慮能源要素的投入，同時金融部門的集聚效應(yīng)還會對非金融部門產(chǎn)生影響。非金融部門產(chǎn)出密度模型為：

其中：y為單位面積上非金融部門的產(chǎn)出；l2為單位面積上非金融部門的勞動投入；k2為單位面積上非金融部門的資本投入；(λ3-1)/λ3為金融部門集聚效應(yīng)影響非金融部門產(chǎn)出的產(chǎn)出密度彈性；Ω2是考慮到資本、勞動和能源全要素投入的包含非期望產(chǎn)出即碳排放量的經(jīng)濟(jì)效率——全要素碳排放效率，其余變量同上。在相同的要素投入下，期望產(chǎn)出越多，碳排放量越少，表示全要素碳排放效率越高。

在上述模型中，金融部門集聚效應(yīng)對本部門、非金融部門產(chǎn)出的影響以及金融部門集聚效應(yīng)對自身的影響均為經(jīng)濟(jì)產(chǎn)出密度的函數(shù)，即λ=λ(f，q)。另外，金融部門、非金融部門的擁擠效應(yīng)同樣為經(jīng)濟(jì)產(chǎn)出密度的函數(shù)，即α=α(f，q)。為了簡化起見，不妨假設(shè)金融部門集聚效應(yīng)對金融部門產(chǎn)出和非金融部門產(chǎn)出的影響相同。金融部門和非金融部門的勞動具有異質(zhì)性，無法自由流動，但是資本可以跨部門流動，因此均衡狀態(tài)下資本在金融部門和非金融部門的邊際產(chǎn)出等于資本價格r，能源在非金融部門的邊際產(chǎn)出等于能源的價格p。

將（4）式和（5）式帶入（3）式可以推出：

f/y為核心變量金融集聚，用金融部門產(chǎn)值與非金融部門產(chǎn)值之比衡量。從式（6）可以看出金融集聚對碳排放效率的影響方向和大小由金融部門和非金融部門的集聚效應(yīng)和擁擠效應(yīng)共同決定，并且隨著集聚水平的變化而變化。式（6）兩端取對數(shù)可得金融集聚對碳排放效率的影響：

由式（7）得到的比較靜態(tài)分析結(jié)果為：當(dāng)1＜λ＜(1+α)/2α?xí)r，金融集聚抑制碳排放效率；當(dāng)λ＞(1+α)/2α?xí)r，金融集聚轉(zhuǎn)而促進(jìn)碳排放效率。值得注意的是，金融集聚對碳排放效率的促進(jìn)作用不是無限的。當(dāng)金融集聚跨過閾值后，其對碳排放效率的促進(jìn)作用呈邊際遞減?；诖耍岢黾僭O(shè)1。

H1：金融集聚和碳排放效率之間存在平滑轉(zhuǎn)移效應(yīng)，即隨著金融集聚水平的提升，碳排放效率會呈現(xiàn)下降—上升的趨勢。

雖然金融集聚對碳排放效率的影響呈現(xiàn)非線性特征，但產(chǎn)生這一作用的重要前提需要良好的制度環(huán)境、經(jīng)濟(jì)政策等方面的支持。適度的經(jīng)濟(jì)增長壓力下，地方政府的政策力度和方向往往變動幅度較小，為地區(qū)經(jīng)濟(jì)發(fā)展提供了良好的政策環(huán)境［21］。投融資活動活躍緩解了企業(yè)的融資壓力，為企業(yè)進(jìn)行綠色技術(shù)創(chuàng)新提供了資金保障，綠色技術(shù)創(chuàng)新進(jìn)而提升了碳排放效率。同時，適度的經(jīng)濟(jì)增長壓力下，地方政府在完成經(jīng)濟(jì)增長目標(biāo)的前提下更能兼顧節(jié)能減排，清潔生產(chǎn)型項目更易受到資金青睞，從而降低了碳排放的規(guī)模。

過大的經(jīng)濟(jì)增長壓力下，地方政府為了完成經(jīng)濟(jì)增長目標(biāo)，不得不將金融資源配置至高耗能和高排放項目，溫室氣體排放自然增加。同時，過大的經(jīng)濟(jì)增長壓力下，外部政策環(huán)境不確定性更突出，金融機(jī)構(gòu)的投資將更為謹(jǐn)慎，當(dāng)期投資回報率較低的技術(shù)創(chuàng)新型企業(yè)獲取資金支持的難度較大?？紤]到研發(fā)周期長和不確定性高等特征，企業(yè)傾向于投資金融資產(chǎn)以規(guī)避風(fēng)險，擠占了企業(yè)創(chuàng)新投資，阻礙低碳技術(shù)創(chuàng)新［22］，進(jìn)而抑制了碳排放效率?；诖?，提出假設(shè)2。

H2：經(jīng)濟(jì)增長壓力在金融集聚對碳排放效率的影響中存在顯著的調(diào)節(jié)效應(yīng)。

3 計量模型、變量與數(shù)據(jù)

3.1 計量模型

面板門檻模型假設(shè)變量在門檻值兩邊是突變的，面板平滑轉(zhuǎn)移模型允許在兩個狀態(tài)之間平滑轉(zhuǎn)移，轉(zhuǎn)移函數(shù)的設(shè)定比指示性函數(shù)更加符合實際情況。構(gòu)建面板平滑轉(zhuǎn)移模型：

其中：下標(biāo)i、t分別表示地區(qū)和年份；FA為核心解釋變量金融集聚，α1為金融集聚線性部分的回歸系數(shù)，α2為金融集聚非線性部分的回歸系數(shù)；Zit表示控制變量；εit為隨機(jī)誤差項；轉(zhuǎn)移函數(shù)G(r，c，w)中的符號依次代表轉(zhuǎn)移速度、轉(zhuǎn)移位置和平滑轉(zhuǎn)移變量，選定的平滑轉(zhuǎn)移變量為金融集聚。轉(zhuǎn)移函數(shù)在PSTR模型中一般表達(dá)式為：

其中：γ越大表示轉(zhuǎn)移速度越快，當(dāng)γ=+∞時，模型退化為門檻模型；c為轉(zhuǎn)移位置，對應(yīng)G=0.5的轉(zhuǎn)移變量值。

借鑒溫忠麟等［23］關(guān)于調(diào)節(jié)效應(yīng)的說明，同時為了避免多重共線性，對變量進(jìn)行去中心化處理，構(gòu)建調(diào)節(jié)效應(yīng)模型：

其中：M為調(diào)節(jié)變量。上述調(diào)節(jié)效應(yīng)模型重點考察金融集聚和經(jīng)濟(jì)增長壓力乘積項的回歸系數(shù)，如果β3顯著，表示調(diào)節(jié)效應(yīng)顯著。

3.2 變量選擇與數(shù)據(jù)說明

3.2.1 被解釋變量：碳排放效率

Chung等［24］在傳統(tǒng)DEA中引入方向距離函數(shù)（Directional Distance Function，DDF），然而DDF的局限在于以相同的速率增加期望產(chǎn)出和減少非期望產(chǎn)出，會引起估計的生產(chǎn)決策單元（Decision Making Units，DMU）缺乏效率的程度下偏。Zhou等［25］提出了非徑向方向距離函數(shù)（Non-radical Directional Distance Function，NDDF），允許投入、期望產(chǎn)出和非期望產(chǎn)出在比例上調(diào)整，因此更具有識別力。采用NDDF測算碳排放效率。假設(shè)有N個DMU，均使用資本（K）、勞動（L）、能源（E）生產(chǎn)期望產(chǎn)出（Y），同時伴隨非期望產(chǎn)出CO2（C）。生產(chǎn)技術(shù)可表示為：

在生產(chǎn)理論中，T通常需要滿足一定的條件，使其具有現(xiàn)實的經(jīng)濟(jì)含義，即有限的投入只可以生產(chǎn)有限的產(chǎn)出。參考Zhou等［25］的研究，定義NDDF為：

其中：WT=(wK，wL，wE，wY，wC)T是一個權(quán)重向量，根據(jù)投入和產(chǎn)出的數(shù)量賦予權(quán)重；g=(-gK，-gL，-gE，gY，-gC)T是方向向量，表明投入和產(chǎn)出；β=(βK，βL，βE，βY，βC)T是比例因子，衡量投入和產(chǎn)出缺乏效率的程度，即實際的生產(chǎn)活動與最優(yōu)狀態(tài)的距離；diag(β)是一個β的對角矩陣。

由于g和W可根據(jù)不同問題賦權(quán)，考慮到資本、勞動和能源的替代效應(yīng)，綜合所有要素的無效率程度，測算全要素碳排放效率，設(shè)置方向向量g=(-K，-L，-E，Y，-C)，賦權(quán)W=(1/9，1/9，1/9，1/3，1/3)。上述賦權(quán)原因如下：第一，在沒有偏向信息的前提下，較為合理的做法是假設(shè)投入、期望產(chǎn)出和非期望產(chǎn)出的重要性無差別，因此各賦權(quán)1/3；第二，資本、勞動和能源三種投入要素同等重要，因此各賦權(quán)1/9［26］。全要素碳排放效率UCI表示為：

另外，能源消耗是產(chǎn)生CO2的直接因素。因此聚焦能源和碳排放，剔除資本和勞動對效率的稀釋效應(yīng)，考察能源投入、期望產(chǎn)出和非期望產(chǎn)出的無效率程度。在測算能源碳排放效率時設(shè)置方向向量g=(0，0，-E，Y，-C)，賦權(quán)W=(0，0，1/3，1/3，1/3)，林伯強(qiáng)等［27］也采取了同樣做法。能源碳排放效率（ECI）表示為：

3.2.2 解釋變量：金融集聚

學(xué)界關(guān)于金融集聚的度量有單指標(biāo)法和多指標(biāo)法。相對單指標(biāo)法，多指標(biāo)法在精確度上沒有明顯提升且在處理過程中易出現(xiàn)誤差，因此單指標(biāo)法中的區(qū)位熵法更受學(xué)者青睞［28］。利用區(qū)位熵法測度金融集聚，具體公式為：

其中：Fit為i省份t年份金融增加值，F(xiàn)t為t年份全國金融增加值；Git為i省份t年份地區(qū)生產(chǎn)總值，Gt為t年份國內(nèi)生產(chǎn)總值。

3.2.3 調(diào)節(jié)變量：經(jīng)濟(jì)增長壓力

經(jīng)濟(jì)增長壓力采用政府工作報告中對于經(jīng)濟(jì)增長目標(biāo)的措辭衡量。地區(qū)經(jīng)濟(jì)增長壓力來源于設(shè)定的經(jīng)濟(jì)增長目標(biāo)。經(jīng)濟(jì)增長目標(biāo)是下級政府對上級政府的政績承諾，當(dāng)目標(biāo)制定過高時，下級官員壓力隨之增加。該研究認(rèn)為年度政府工作報告中對于經(jīng)濟(jì)增長目標(biāo)的措辭可以體現(xiàn)地方官員所承受的經(jīng)濟(jì)增長壓力。當(dāng)采用“確?！薄傲帯薄耙陨稀钡仍~時，是對經(jīng)濟(jì)增長目標(biāo)的硬約束（HC），此時經(jīng)濟(jì)增長壓力相對較大；當(dāng)采用“左右”“上下”或者區(qū)間提法時，是對經(jīng)濟(jì)增長目標(biāo)的軟約束（SC），經(jīng)濟(jì)增長壓力相對較小。采用虛擬變量的形式來衡量經(jīng)濟(jì)增長壓力：第一，對硬約束賦值為1，代表其經(jīng)濟(jì)增長壓力較大，其余賦值為0；第二，對軟約束賦值為1，代表經(jīng)濟(jì)增長壓力適度，其余賦值為0［29］。

3.2.4 控制變量

為了控制碳排放效率的其他因素對模型的影響，參考以往相關(guān)文獻(xiàn)，引入控制變量：經(jīng)濟(jì)發(fā)展水平（PGDP），采用人均地區(qū)生產(chǎn)總值衡量；產(chǎn)業(yè)結(jié)構(gòu)（STR），采用第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的比重衡量；環(huán)境規(guī)制（ER），采用污染治理投資額衡量；技術(shù)創(chuàng)新（RD），采用申請專利授權(quán)數(shù)衡量；對外開放程度（OPEN），采用進(jìn)出口總額占地區(qū)生產(chǎn)總值的比重衡量；城鎮(zhèn)化水平（URB），采用城鎮(zhèn)人口占總?cè)丝诘谋戎睾饬俊?/p>

3.2.5 數(shù)據(jù)來源

選取2005—2018年中國30個省份（因數(shù)據(jù)可得性等原因，研究未包括西藏及港澳臺地區(qū)）的面板數(shù)據(jù)作為研究樣本。碳排放效率相關(guān)數(shù)據(jù)來源及測算見表1。調(diào)節(jié)變量經(jīng)濟(jì)增長壓力來自手動搜集的共計420份政府工作報告，其余變量均來自《中國統(tǒng)計年鑒》、國家統(tǒng)計局和各省市統(tǒng)計局。所有價格變量均以2005年為基期進(jìn)行折減。

表1 測量碳排放效率的投入產(chǎn)出變量選擇與數(shù)據(jù)說明

4 結(jié)果分析與討論

4.1 模型檢驗結(jié)果

運(yùn)用面板平滑轉(zhuǎn)移模型需要進(jìn)行非線性檢驗和剩余非線性檢驗。非線性檢驗證實使用面板平滑轉(zhuǎn)移模型的必要性，對殘差進(jìn)行剩余非線性檢驗證實所選面板平滑轉(zhuǎn)移模型的充分性。采用常規(guī)的序貫檢驗法，檢驗結(jié)果表明：非線性檢驗均拒絕原假設(shè)，說明存在非線性特征，采用面板平滑轉(zhuǎn)移模型是必要的。剩余非線性檢驗均接受原假設(shè)，說明模型并無遺漏非線性特征，所設(shè)定面板平滑轉(zhuǎn)移模型是充分的。

4.2 基準(zhǔn)回歸分析

表2列示了金融集聚對碳排放效率的回歸結(jié)果。模型1的被解釋變量為全要素碳排放效率，模型2的被解釋變量為能源碳排放效率。兩模型核心解釋變量在低區(qū)間的估計系數(shù)分別為-0.197 0和-0.436 2，在高區(qū)間的估計系數(shù)分別為0.366 3（-0.197 0+0.563 3）和0.644 5（-0.436 2+1.080 7），以上估計系數(shù)均在1%的水平上顯著。兩模型各控制變量的估計系數(shù)和影響方向基本相同，表明模型較為穩(wěn)健。

由表2模型1的估計結(jié)果可知，金融集聚對碳排放效率具有顯著的平滑轉(zhuǎn)移效應(yīng)。轉(zhuǎn)換速度為2.427 6，相對較慢。鑒于轉(zhuǎn)移速度較慢，將金融集聚水平從低到高依次劃分低區(qū)間、轉(zhuǎn)移區(qū)間和高區(qū)間。通過估計系數(shù)可知，轉(zhuǎn)移函數(shù)取值0.349 7（0.197 0/0.563 3）時對應(yīng)的金融集聚水平為閾值，閾值為0.105 5。金融集聚對碳排放效率的轉(zhuǎn)移函數(shù)和估計系數(shù)見圖1。

表2 金融集聚對碳排放效率的影響

圖1 金融集聚的轉(zhuǎn)移函數(shù)（左）和估計系數(shù)（右）

當(dāng)金融集聚處于低區(qū)間和轉(zhuǎn)移區(qū)間前半段時（未跨過閾值0.105 5），金融集聚會抑制碳排放效率。金融集聚處于低區(qū)間時，金融集聚每提升1%，碳排放效率降低0.197 0%。當(dāng)金融集聚進(jìn)入轉(zhuǎn)移區(qū)間，金融集聚對碳排放效率的抑制作用逐漸減弱。以上估計結(jié)果驗證了假設(shè)1。金融集聚水平較低時，金融發(fā)展相對滯后，無法滿足實體部門經(jīng)濟(jì)活動所需的各種金融服務(wù)［31］。初步形成的金融結(jié)構(gòu)與實體經(jīng)濟(jì)對金融的需求不相適應(yīng)，阻礙了實體經(jīng)濟(jì)的發(fā)展，以銀行信貸為主的間接融資在社會總?cè)谫Y中占主導(dǎo)地位，金融資源配置效率較低［32］。同時，金融企業(yè)為追求利潤最大化，高耗能、高排放項目更容易得到資金支持，此類項目對碳排放具有明顯的負(fù)向影響。當(dāng)金融集聚處于轉(zhuǎn)移區(qū)間后半段和高區(qū)間時（跨過閾值0.105 5），金融集聚對碳排放效率的影響由抑制作用轉(zhuǎn)為驅(qū)動作用，且驅(qū)動力逐步增強(qiáng)。當(dāng)金融集聚處于高區(qū)間時，金融集聚每提升1%，碳排放效率提升0.366 3%。以上結(jié)果可能的原因是：第一，成熟的金融市場降低了企業(yè)融資難度，加速了新興產(chǎn)業(yè)的成長和落后產(chǎn)業(yè)的淘汰［33］；新興產(chǎn)業(yè)減少了對化石能源的依賴，碳排放效率上升。第二，金融資源的集中降低了企業(yè)的融資約束，企業(yè)有充裕的資金用于低能耗、污染排放少的綠色生產(chǎn)技術(shù)引進(jìn)和技術(shù)改造，推動了碳排放效率的提升［34］。

從控制變量來看，經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)均顯著為負(fù)，與以往學(xué)者的研究結(jié)論一致［35］。環(huán)境規(guī)制的系數(shù)為正，但未通過顯著性檢驗。一方面環(huán)境規(guī)制會給企業(yè)帶來負(fù)擔(dān)，擠占企業(yè)生產(chǎn)性資金投入；另一方面環(huán)境規(guī)制可能促進(jìn)了企業(yè)綠色技術(shù)創(chuàng)新，產(chǎn)生“創(chuàng)新補(bǔ)償效應(yīng)”。環(huán)境規(guī)制對碳排放效率的影響系數(shù)不顯著的原因可能是環(huán)境規(guī)制對碳排放效率的正向和負(fù)向作用相抵消的緣故。技術(shù)進(jìn)步的系數(shù)顯著為負(fù)，表明在研究期內(nèi)，技術(shù)進(jìn)步并未對碳排放效率發(fā)揮積極效果。目前技術(shù)創(chuàng)新可能更多關(guān)注生產(chǎn)型技術(shù)創(chuàng)新，生產(chǎn)規(guī)模的擴(kuò)大需要投入更多的能源，碳排放必然增加。對外開放的系數(shù)為正，雖并未通過統(tǒng)計學(xué)檢驗，但在一定程度上表明引入外資的綠色化程度在逐步提高［36］。城鎮(zhèn)化水平的系數(shù)在10%的水平上顯著為正，可見推進(jìn)城鎮(zhèn)化能提高碳排放效率。可能的原因是城鎮(zhèn)勞動力市場對技術(shù)型及職業(yè)型等相對具有較高素質(zhì)水平的勞動力需要更加旺盛，刺激了人力資本的快速累積，進(jìn)而抑制碳排放。

4.3 調(diào)節(jié)效應(yīng)分析

經(jīng)濟(jì)增長壓力作為調(diào)節(jié)變量，金融集聚對全要素碳排放效率的回歸結(jié)果見表3中模型3和模型4。其中模型3表示在較大的經(jīng)濟(jì)增長壓力下，經(jīng)濟(jì)增長目標(biāo)硬約束作為調(diào)節(jié)變量的估計結(jié)果。模型4表示在適度的經(jīng)濟(jì)增長壓力下，經(jīng)濟(jì)增長目標(biāo)軟約束作為調(diào)節(jié)變量的估計結(jié)果。同樣在模型5和模型6中用能源碳排放效率替換全要素碳排放效率以驗證結(jié)果的穩(wěn)健性。重點分析模型3和模型4的估計結(jié)果。

由表3模型3可知，金融集聚和經(jīng)濟(jì)增長目標(biāo)硬約束的交互項系數(shù)為負(fù)，雖然沒有通過顯著性檢驗，但在一定程度上表明經(jīng)濟(jì)增長目標(biāo)硬約束負(fù)向調(diào)節(jié)金融集聚對碳排放效率的影響。在考慮到經(jīng)濟(jì)增長目標(biāo)硬約束的調(diào)節(jié)作用后，金融集聚對碳排放效率的轉(zhuǎn)移位置從0.160 2提高到0.203 4，閾值從0.105 5提高到0.174 6，表明經(jīng)濟(jì)增長目標(biāo)硬約束將金融集聚對碳排放效率的影響方向由抑制轉(zhuǎn)為促進(jìn)的拐點延后。

表3 經(jīng)濟(jì)增長壓力的調(diào)節(jié)效應(yīng)估計結(jié)果

由模型4的估計結(jié)果可知，金融集聚和經(jīng)濟(jì)增長目標(biāo)軟約束的乘積項系數(shù)顯著為負(fù)，表明經(jīng)濟(jì)增長目標(biāo)軟約束正向調(diào)節(jié)金融集聚對碳排放效率的影響。同時在考慮到經(jīng)濟(jì)增長目標(biāo)軟約束的調(diào)節(jié)作用后，金融集聚對碳排放效率的轉(zhuǎn)移位置從0.160 2降低到0.132 7，閾值從0.105 5降低到0.087 2，表明經(jīng)濟(jì)增長目標(biāo)軟約束可以將金融集聚對碳排放效率的影響方向由抑制轉(zhuǎn)為促進(jìn)的拐點提前。上述結(jié)果表明經(jīng)濟(jì)增長目標(biāo)約束在金融集聚對碳排放效率的影響中存在顯著的調(diào)節(jié)效應(yīng)。假設(shè)2得到驗證。

圖2反映了在不同經(jīng)濟(jì)增長壓力下各省份金融集聚所處區(qū)間的詳細(xì)信息。由圖2可知，較大的經(jīng)濟(jì)增長壓力下，24省份的金融集聚水平處于低區(qū)間，3省份處于轉(zhuǎn)移區(qū)間前半段（未跨過閾值），1省份處于轉(zhuǎn)移區(qū)間后半段（跨過閾值），2省份處于高區(qū)間。但適度的經(jīng)濟(jì)增長壓力下，僅有9省份處于低區(qū)間，16省份處于轉(zhuǎn)移區(qū)間前半段，3個省份處于轉(zhuǎn)移區(qū)間后半段，2個省份處于高區(qū)間。金融集聚閾值下降0.067 4，浙江和重慶的金融集聚跨過閾值，其對碳排放效率的影響由抑制轉(zhuǎn)為促進(jìn)。廣東等15省份從低區(qū)間進(jìn)入轉(zhuǎn)移區(qū)間。

圖2 經(jīng)濟(jì)增長目標(biāo)硬約束（上）和軟約束（下）下金融集聚的區(qū)間劃分

4.4 穩(wěn)健性檢驗

除了替換被解釋變量的穩(wěn)健性檢驗外，還進(jìn)行了以下穩(wěn)健性檢驗：第一，更換估計方法，采用面板門檻模型對基準(zhǔn)模型進(jìn)行回歸；第二，剔除特殊樣本，剔除北京、天津、上海和重慶四個直轄市數(shù)據(jù)之后驗證上述結(jié)果；第三，考慮受限因變量，采用面板Tobit模型對上述結(jié)果進(jìn)行再估計。通過加入金融集聚二次項的形式擬合上文的非線性關(guān)系。在以上各種穩(wěn)健性檢驗下，關(guān)鍵變量的顯著性及其影響方向均與前文一致，驗證了結(jié)論的穩(wěn)健性（篇幅所限，穩(wěn)健性檢驗結(jié)果未列出，備索）。

4.5 內(nèi)生性分析

碳排放效率是否會影響金融集聚呢？碳排放效率隱含了投入更低、期望產(chǎn)出更高和非期望產(chǎn)出更低三重含義，本質(zhì)還是生產(chǎn)率的一種。一方面，資本具有逐利性，生產(chǎn)率高的地區(qū)往往投資回報率也高，這種比較優(yōu)勢容易形成金融集聚；另一方面，碳排放效率高意味著地區(qū)綠色化程度高，這些地區(qū)更容易得到資本的青睞，有利于吸引金融資源。金融集聚和碳排放效率存在的這種雙向因果關(guān)系或許對結(jié)論的科學(xué)性帶來一定質(zhì)疑。

借鑒李戎等［37］采用工具變量法解決金融集聚和碳排放效率間的內(nèi)生性問題。其中，金融集聚的工具變量采用鄰近地區(qū)金融集聚水平的加權(quán)平均，權(quán)重選擇平均賦權(quán)和反距離賦權(quán)兩種。從相關(guān)性來看，鄰近地區(qū)金融集聚水平會影響當(dāng)?shù)亟鹑诩鬯?。一方面，地區(qū)金融政策的出臺不僅會對當(dāng)?shù)亟鹑诩鬯疆a(chǎn)生影響，還會通過示范效應(yīng)對鄰近地區(qū)金融集聚水平產(chǎn)生影響；另一方面，當(dāng)金融集聚達(dá)到一定規(guī)模，形成區(qū)域性金融中心，則會通過溢出效應(yīng)對鄰近地區(qū)金融集聚水平產(chǎn)生影響。從外生性來看，鄰近地區(qū)碳排放效率并不會直接影響當(dāng)?shù)亟鹑诩鬯?。因此從理論上講，鄰近地區(qū)金融集聚水平的加權(quán)平均值滿足工具變量的條件。

分別在隨機(jī)效應(yīng)、省份固定效應(yīng)和雙向固定效應(yīng)三種情況下，采用考慮受限被解釋變量的工具變量法控制可能的內(nèi)生性問題。表4僅列出省份固定效應(yīng)下內(nèi)生性分析的結(jié)果。由第一階段估計結(jié)果可知，無論何種工具變量，其與核心變量金融集聚均有顯著的相關(guān)性，且第一階段F統(tǒng)計量均大于10，符合經(jīng)驗法則?？梢跃芙^工具變量回歸系數(shù)為0的原假設(shè)，從而排除弱工具變量問題。另外，由于內(nèi)生變量和工具變量數(shù)量相等，故不存在過度識別問題。由第二階段估計結(jié)果可知，金融集聚和碳排放效率之間存在U型關(guān)系，經(jīng)驗拐點為-0.277 1（-0.816 0/（2×1.472 3）），比較基準(zhǔn)模型得到的拐點0.105 5，說明在不考慮內(nèi)生性問題時，金融集聚對碳排放效率的拐點被高估。

表4 內(nèi)生性分析

5 結(jié)論與政策建議

該研究分析了金融集聚對碳排放效率的影響機(jī)理，利用非徑向方向距離函數(shù)和SBM-DEA模型測度2005—2018年省級碳排放效率，構(gòu)建面板平滑轉(zhuǎn)移模型研究了金融集聚對碳排放效率的非線性影響和平滑轉(zhuǎn)移效應(yīng)，利用調(diào)節(jié)效應(yīng)模型考察經(jīng)濟(jì)增長壓力對兩者關(guān)系的調(diào)節(jié)效應(yīng)。主要結(jié)論如下。

金融集聚對碳排放效率具有顯著的平滑轉(zhuǎn)移效應(yīng)。當(dāng)金融集聚水平低于0.105 5時，金融集聚對碳排放效率有抑制作用，且隨著金融集聚水平的提高，其對碳排放效率的抑制作用逐漸減弱；當(dāng)金融集聚水平跨過閾值0.105 5，其對碳排放效率的影響由抑制轉(zhuǎn)為促進(jìn)，且促進(jìn)作用隨著金融集聚水平的提高而逐漸增強(qiáng)。以上結(jié)論在一系列穩(wěn)健性檢驗后依然成立。

經(jīng)濟(jì)增長壓力在金融集聚與碳排放效率關(guān)系中發(fā)揮了顯著的調(diào)節(jié)效應(yīng)。適度的經(jīng)濟(jì)增長壓力正向調(diào)節(jié)金融集聚對碳排放效率的影響，且使得金融集聚的閾值從0.105 5提前到0.087 2，金融集聚水平更容易達(dá)到促進(jìn)碳排放效率提高的閾值，強(qiáng)化了金融集聚對碳排放效率的正向影響；過大的經(jīng)濟(jì)增長壓力負(fù)向調(diào)節(jié)金融集聚對碳排放效率的影響，且使得金融集聚的閾值從0.105 5延后至0.174 6，一定程度上弱化了金融集聚對碳排放效率的推動作用。

根據(jù)以上研究結(jié)論，提出以下政策建議：①合理配置金融資源，充分發(fā)揮金融資源對實現(xiàn)“雙碳”目標(biāo)的積極作用。充分利用區(qū)域比較優(yōu)勢，提供差異化金融服務(wù)，積極發(fā)揮金融集聚的輻射作用，助力地方低碳經(jīng)濟(jì)發(fā)展。規(guī)劃建設(shè)金融大都市區(qū)和金融小集群圈，選擇重點大城市發(fā)展金融中心，由點及面建設(shè)金融大都市圈。加強(qiáng)小城市與大城市之間的信息交流，建設(shè)多元化、多層次的金融小集群。②革新官員考核標(biāo)準(zhǔn)，引導(dǎo)形成契合地方發(fā)展現(xiàn)狀的經(jīng)濟(jì)預(yù)期。第一，做好經(jīng)濟(jì)增長目標(biāo)的預(yù)期管理，增加綠色全要素生產(chǎn)率指標(biāo)等作為官員績效考核內(nèi)容。第二，引導(dǎo)經(jīng)濟(jì)增長預(yù)期形成差異化目標(biāo)。各地區(qū)社會經(jīng)濟(jì)發(fā)展基礎(chǔ)條件及資源稟賦存在差異，應(yīng)綜合考慮各地區(qū)經(jīng)濟(jì)轉(zhuǎn)型的難度和壓力，引導(dǎo)經(jīng)濟(jì)增長預(yù)期與經(jīng)濟(jì)基礎(chǔ)相符，把推動高質(zhì)量發(fā)展，保持發(fā)展的可持續(xù)性放在首位。