綠色金融對(duì)碳減排的因果森林處理效應(yīng)及影響因素識(shí)別

杜明軍

（河南省社會(huì)科學(xué)院，河南 鄭州 450002）

一、引言

碳達(dá)峰和碳中和是經(jīng)濟(jì)社會(huì)綠色低碳轉(zhuǎn)型的必然選擇，也是中國(guó)履行全球氣候共同責(zé)任的必然要求，亟須綠色金融的引領(lǐng)支撐。綠色金融與綠色低碳可持續(xù)發(fā)展具有互動(dòng)共贏共進(jìn)退的內(nèi)在發(fā)展邏輯。同時(shí)，充分利用綠色金融的功能價(jià)值，依托經(jīng)濟(jì)社會(huì)發(fā)展的背景基礎(chǔ)，在市場(chǎng)需求為發(fā)展導(dǎo)向的情況下，綠色低碳轉(zhuǎn)型也離不開(kāi)綠色金融政策體系的調(diào)控推動(dòng)。擁有金融本質(zhì)的綠色金融提供了綠色低碳發(fā)展的資源配置基礎(chǔ)，能產(chǎn)生環(huán)境效益，支持可持續(xù)發(fā)展（G20綠色金融研究小組，2016）[1]。

作為促進(jìn)碳減排和實(shí)現(xiàn)“雙碳”目標(biāo)的重要基礎(chǔ)，綠色金融進(jìn)行了一系列完善政策體系的實(shí)踐探索，包括協(xié)助設(shè)計(jì)綠色低碳工程項(xiàng)目實(shí)施方案、為生態(tài)環(huán)保技術(shù)引進(jìn)和采用提供投融資支持、為綠色低碳市場(chǎng)需求提供消費(fèi)激勵(lì)等。作為政府引領(lǐng)綠色低碳發(fā)展的金融政策支持工具，綠色金融既是支持新發(fā)展格局構(gòu)建的金融創(chuàng)新重要準(zhǔn)則，也是落實(shí)“雙碳”目標(biāo)的基礎(chǔ)條件。早在2012年，原銀監(jiān)會(huì)正式頒布《綠色信貸指引》，以不斷發(fā)揮金融在促進(jìn)碳減排中的重要作用，要求金融機(jī)構(gòu)在提供投融資時(shí)要考慮生態(tài)環(huán)境效益。2021年，《中共中央 國(guó)務(wù)院關(guān)于完整準(zhǔn)確全面貫徹新發(fā)展理念做好碳達(dá)峰碳中和工作的意見(jiàn)》再次提出發(fā)展綠色金融，彰顯了綠色金融在促進(jìn)碳減排中的地位價(jià)值。

同時(shí)，在綠色金融促進(jìn)碳減排的實(shí)踐進(jìn)程中，也存在如下問(wèn)題：陸續(xù)推出的綠色證券、綠色保險(xiǎn)和碳金融等綠色創(chuàng)新產(chǎn)品與經(jīng)濟(jì)發(fā)展和碳減排內(nèi)在需求的深層次對(duì)接有待深化；業(yè)界對(duì)于綠色金融產(chǎn)品價(jià)值功能的深層理解有待加深；綠色金融產(chǎn)品的類型不夠豐富，主要集中于綠色信貸，且銀行是綠色金融的主要參與者，保險(xiǎn)、證券、債券和碳金融產(chǎn)品的謀劃設(shè)計(jì)和布局實(shí)施相對(duì)滯后；等等。因此，評(píng)估綠色金融政策頒布實(shí)施效果，契合現(xiàn)實(shí)發(fā)展挑戰(zhàn)探析綠色金融對(duì)實(shí)體經(jīng)濟(jì)的政策意蘊(yùn)，價(jià)值意義明顯。

評(píng)估綠色金融政策體系的實(shí)踐效果，將采用基于隨機(jī)森林與Rubin因果推斷相結(jié)合的、具有機(jī)器學(xué)習(xí)分析非參數(shù)模型巨大優(yōu)勢(shì)的因果森林思想方法。

一是考慮變量空間構(gòu)建的客觀隨機(jī)性。該方法最初見(jiàn)于Athey和Imbens（2016）[2]的研究，整個(gè)協(xié)變量空間被劃分為多個(gè)子空間，同時(shí)為避免分組的主觀性，利用回歸樹(shù)，在子空間中估計(jì)處理組和控制組之間的條件平均處理效應(yīng)（conditional average treatment effects，CATE），最后通過(guò)逐步構(gòu)建多棵隨機(jī)樹(shù)，生成因果森林，得到了更合理的政策實(shí)施效應(yīng)估計(jì)。

二是考慮估計(jì)值分布特征的漸進(jìn)性正態(tài)分布特征。利用Wager和Athey（2018）[3]對(duì)普通回歸樹(shù)算法的擴(kuò)展思路和模型方法，克服了回歸函數(shù)非光滑性而難以呈現(xiàn)漸進(jìn)性分布的問(wèn)題。因果森林基于協(xié)變量對(duì)處理效應(yīng)的作用價(jià)值進(jìn)行區(qū)別對(duì)待，越發(fā)重要的協(xié)變量，權(quán)重賦值越大；對(duì)處理效應(yīng)影響不太大的協(xié)變量，給予較小的權(quán)值；在一定精度條件下，對(duì)處理效應(yīng)不造成制約的協(xié)變量，不納入隨機(jī)森林的“分叉”算法。這樣可實(shí)現(xiàn)對(duì)CATE估計(jì)處理的平滑性，且緊緊圍繞著CATE真實(shí)值中心，以實(shí)現(xiàn)漸近正態(tài)性，實(shí)現(xiàn)了對(duì)Neyman-Rubin因果模型ATE系數(shù)β估計(jì)的重要改進(jìn)。

三是考慮置信區(qū)間構(gòu)建的可信性。因果森林方法依賴于“樣本分叉”技術(shù)，克服了協(xié)變量的數(shù)量規(guī)模制約，保證了估計(jì)結(jié)果的置信區(qū)間有合適的覆蓋范圍，可大幅提高政策評(píng)估的可信度（Athey和Imbens，2016；Wager和Athey，2018；Athey等，2019；Knittel和Stolper，2019）[2-5]。

因此，與傳統(tǒng)政策評(píng)估方法相比，因果森林適合于分析政策效應(yīng)。因果森林算法采用隨機(jī)分組的辦法，把原始數(shù)據(jù)隨機(jī)性劃分為控制組與干預(yù)組，在科學(xué)規(guī)避個(gè)體選擇偏差的基礎(chǔ)上，還融入了因果推斷的思想方法，具有非常強(qiáng)大的異質(zhì)性分析功能，特別適合進(jìn)行政策實(shí)施工具的差異性效果分析，提升政策工具實(shí)施效果評(píng)估的科學(xué)性。同時(shí)，作為機(jī)器學(xué)習(xí)（ML）演進(jìn)的重要研究成果領(lǐng)域，因果森林算法也為探析綠色金融實(shí)踐探索的政策工具實(shí)施效果評(píng)價(jià)開(kāi)拓了方法借鑒與研究視野。另外，區(qū)別于必須設(shè)定參數(shù)化分析模型的傳統(tǒng)政策工具實(shí)施效果評(píng)價(jià)辦法，因果森林將隨機(jī)森林算法與Rubin因果推斷模型相結(jié)合，凸顯了機(jī)器學(xué)習(xí)在解決非參數(shù)模型方面的巨大優(yōu)勢(shì)，為綠色金融實(shí)踐探索效果的差異性挖掘，科學(xué)發(fā)現(xiàn)政策工具在典型約束變量條件下的異質(zhì)性表現(xiàn)規(guī)律，提供了基于機(jī)器學(xué)習(xí)算法基礎(chǔ)上的非參數(shù)化的解決思路和處理方案。而且，近年來(lái)Davis和Heller（2020）[6]對(duì)暑假就業(yè)工程實(shí)施效果的評(píng)價(jià)分析，Knittel和Stolper（2019）[5]對(duì)能源節(jié)約輿論造勢(shì)影響家庭微觀層面節(jié)能行為效果的評(píng)價(jià)分析等，作為因果影響分析典型代表的評(píng)估結(jié)果均顯示，因果森林法優(yōu)于其他傳統(tǒng)政策評(píng)估模型。

本文旨在依托綠色金融政策體系的實(shí)踐探索和研究回顧，梳理考量綠色金融的本質(zhì)內(nèi)涵和價(jià)值作用，回顧總結(jié)政策體系的演進(jìn)效應(yīng)，發(fā)現(xiàn)需要繼續(xù)關(guān)注的努力方向。因此，本文借力因果森林方法，選取碳減排作為目標(biāo)表征指標(biāo)，評(píng)估綠色金融政策頒布實(shí)施的效果，識(shí)別綠色金融對(duì)碳減排的處理效應(yīng)，探析影響因素的異質(zhì)性特征，為發(fā)揮綠色金融在“雙碳”戰(zhàn)略中的價(jià)值作用提供策略性參考。

本文的主要貢獻(xiàn)在于以下幾個(gè)方面。

一是利用隨機(jī)森林和因果推斷理論，嘗試構(gòu)建了識(shí)別綠色金融碳減排處理效應(yīng)的因果森林算法的分析框架。

二是以全國(guó)30個(gè)省份為研究對(duì)象，估計(jì)評(píng)判了綠色金融對(duì)碳減排的平均處理效應(yīng)及其顯著性特征。

三是探析驗(yàn)證了綠色金融典型表征變量和經(jīng)濟(jì)發(fā)展背景變量等與綠色金融處理效應(yīng)之間的異質(zhì)性變動(dòng)規(guī)律。

四是綜合提煉了綠色金融處理效應(yīng)及其異質(zhì)性的研究結(jié)論與政策啟示。

二、相關(guān)文獻(xiàn)評(píng)述

國(guó)內(nèi)外對(duì)綠色金融價(jià)值內(nèi)涵、政策作用效應(yīng)和碳減排的相關(guān)研究，為本文奠定了堅(jiān)實(shí)的研究基礎(chǔ)，同時(shí)擴(kuò)展了研究視野，為研究方向選擇和研究框架的形成提供了借鑒。

（一）綠色金融的內(nèi)涵價(jià)值

國(guó)內(nèi)外對(duì)綠色金融價(jià)值內(nèi)涵的研究，主要認(rèn)為綠色金融是發(fā)展綠色產(chǎn)業(yè)的紐帶，可有效配置綠色低碳資源，為綠色低碳轉(zhuǎn)型提供投融資支持。

首先，國(guó)外學(xué)者最早提出可持續(xù)金融、環(huán)境金融、綠色金融等概念。Jose Salazar（1998）[7]認(rèn)為環(huán)境金融的宗旨在于促進(jìn)生態(tài)環(huán)保領(lǐng)域的投融資與創(chuàng)新支持。Sonia等（2002）[8]認(rèn)為環(huán)境金融規(guī)避環(huán)境風(fēng)險(xiǎn)、促 進(jìn) 環(huán) 保 融 資。Cowan（1999）[9]和Salazar（2017）[10]認(rèn)為綠色金融是連接金融資源與生態(tài)環(huán)保領(lǐng)域的紐帶，可以促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的迭代升級(jí)優(yōu)化。Labatt和White（2002）[11]認(rèn)為綠色金融的核心是多元化創(chuàng)新金融工具，支持綠色發(fā)展。

其次，對(duì)綠色金融價(jià)值功能的研究。Jose（1998）[12]基于金融和環(huán)境間的行業(yè)差異性，探討了綠色金融的功能。Cowan（1998）[13]基于環(huán)境經(jīng)濟(jì)和金融學(xué)的交叉視角，探討了綠色金融對(duì)接生態(tài)環(huán)保領(lǐng)域資金需求的多元化路徑。

再次，綠色金融的概念研究在我國(guó)得到了快速發(fā)展。國(guó)內(nèi)較早提出綠色金融的和秀星（1998）[14]認(rèn)為，綠色金融政策屬于營(yíng)運(yùn)戰(zhàn)略，旨在促進(jìn)環(huán)境與經(jīng)濟(jì)的協(xié)調(diào)發(fā)展。中國(guó)人民銀行等七部委2016年頒布《關(guān)于構(gòu)建綠色金融體系的指導(dǎo)意見(jiàn)》，正式界定綠色金融的內(nèi)涵實(shí)質(zhì)與發(fā)展宗旨，認(rèn)為綠色金融是指為支持環(huán)境改善、應(yīng)對(duì)氣候變化和資源節(jié)約高效利用的經(jīng)濟(jì)活動(dòng)，即對(duì)環(huán)保、節(jié)能、清潔能源、綠色交通、綠色建筑等領(lǐng)域的項(xiàng)目投融資、項(xiàng)目運(yùn)營(yíng)、風(fēng)險(xiǎn)管理等所提供的金融服務(wù)。杜莉和鄭立純（2019）[15]認(rèn)為綠色金融將環(huán)境保護(hù)、節(jié)能減排等思想融入業(yè)務(wù)，以實(shí)現(xiàn)資源合理配置和可持續(xù)發(fā)展。安偉（2008）[16]基于宏觀政策角度，認(rèn)為綠色金融具有能源節(jié)約和污染排放減低的價(jià)值作用，可引領(lǐng)資源開(kāi)發(fā)利用與生態(tài)環(huán)境協(xié)調(diào)共進(jìn)，是供給側(cè)結(jié)構(gòu)性改革的主要內(nèi)容。

（二）綠色金融的政策作用效應(yīng)

學(xué)者們關(guān)注探討了綠色金融政策工具的實(shí)施效應(yīng)與作用傳導(dǎo)問(wèn)題。

首先，關(guān)注綠色金融政策的影響。李周（2016）[17]認(rèn)為國(guó)內(nèi)外理論和各國(guó)實(shí)踐均表明，綠色金融的有效實(shí)施離不開(kāi)政府的作用和調(diào)控。斯麗娟（2019）[18]認(rèn)為綠色金融發(fā)展需要政策工具的支撐和引領(lǐng)，基于中文文獻(xiàn)的文本挖掘分析，發(fā)現(xiàn)關(guān)注的典型主題之一就是綠色發(fā)展的效率與生態(tài)環(huán)境規(guī)制的關(guān)系。王遙等（2019）[19]基于DSGE模型對(duì)綠色信貸激勵(lì)政策進(jìn)行了研究。王韌（2019）[20]基于DID模型對(duì)碳排放權(quán)交易試點(diǎn)政策效果進(jìn)行了分析。這些均表明，綠色金融政策在優(yōu)化資源配置中有重要作用。

其次，多視角分析了綠色金融政策效應(yīng)。一是微觀效應(yīng)。Chami等（2002）[21]認(rèn)為綠色金融的發(fā)展影響微觀經(jīng)濟(jì)組織的美譽(yù)度，可以制約企業(yè)利益攸關(guān)方的價(jià)值訴求滿足，控制經(jīng)營(yíng)風(fēng)險(xiǎn)。二是金融機(jī)構(gòu)效應(yīng)。劉錫良和文書(shū)洋（2019）[22]通過(guò)理論和模型分析證明，金融機(jī)構(gòu)通過(guò)綠色低碳資源支持新技術(shù)采用，能提高能源效率，減少CO2排放（Muhammad等，2013）[23]。三是宏觀經(jīng)濟(jì)效應(yīng)。王遙等（2016）[24]認(rèn)為綠色金融可以優(yōu)化宏觀經(jīng)濟(jì)結(jié)構(gòu)，提高經(jīng)濟(jì)發(fā)展質(zhì)量。四是社會(huì)效應(yīng)。馬駿和施娛（2014）[25]基于包含社會(huì)責(zé)任變量的綠色產(chǎn)出函數(shù)進(jìn)行研究，表明綠色金融政策能提高綠色產(chǎn)出。五是環(huán)境影響。Yaping等（2017）[26]認(rèn)為環(huán)境規(guī)制不嚴(yán)導(dǎo)致支持性金融加劇了環(huán)境污染；Dasgupta等（2001）[27]認(rèn)為金融市場(chǎng)的發(fā)展，盡管可破解污染型經(jīng)濟(jì)組織運(yùn)營(yíng)發(fā)展以及經(jīng)營(yíng)效能提升的資金阻礙，但也可能存在能源資源耗費(fèi)過(guò)量，以及增大生態(tài)環(huán)境污染的風(fēng)險(xiǎn)。Yao和Qiang（2016）[28]認(rèn)為綠色金融通過(guò)支持能源生產(chǎn)創(chuàng)新的清潔化改進(jìn)，彰顯生態(tài)環(huán)境效益。六是區(qū)域空間效應(yīng)。董曉紅和富勇（2018）[29]從區(qū)域視角研究了綠色金融與生態(tài)環(huán)境的耦合度。魏麗莉和楊穎（2019）[30]認(rèn)為西北地區(qū)的綠色金融與產(chǎn)業(yè)結(jié)構(gòu)的耦合關(guān)系轉(zhuǎn)向磨合階段。成學(xué)真和岳松毅（2016）[31]認(rèn)為可通過(guò)金融集聚優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、改善環(huán)境。

再次，綠色金融政策激勵(lì)作用傳導(dǎo)。關(guān)于政策激勵(lì)作用的傳導(dǎo)，大多研究關(guān)注通過(guò)影響生產(chǎn)要素的供給和配置、技術(shù)進(jìn)步、消費(fèi)投資需求等影響經(jīng)濟(jì)發(fā)展，較少研究關(guān)注綠色金融的低碳發(fā)展效應(yīng)。王遙等（2019）[19]認(rèn)為，綠色金融對(duì)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)，缺乏全面的理論研究；張宇和錢水土（2017）[32]認(rèn)為現(xiàn)有文獻(xiàn)缺乏對(duì)綠色金融與經(jīng)濟(jì)可持續(xù)發(fā)展之間作用機(jī)理的深入分析等。鄒錦吉（2017）[33]基于文本挖掘角度，從中央政策和地方政策兩個(gè)層面，定性地探析了綠色金融的政策工具實(shí)踐對(duì)工業(yè)污染強(qiáng)度降低的效應(yīng)。

（三）碳減排相關(guān)研究回顧

碳減排相關(guān)研究更多地遵循以問(wèn)題為導(dǎo)向的原則，以推動(dòng)綠色轉(zhuǎn)型為側(cè)重點(diǎn)，關(guān)注和解決發(fā)展過(guò)程中的碳減排等問(wèn)題。

首先，碳排放的量化估算及發(fā)展態(tài)勢(shì)預(yù)測(cè)研究。胡歡等（2016）[34]、吳佩君等（2016）[35]認(rèn)為，碳排放的源頭眾多且數(shù)據(jù)采集困難、排放條件不穩(wěn)定等，使得碳排放的測(cè)算煩瑣復(fù)雜。王憲恩等（2014）[36]預(yù)測(cè)了化石能源消費(fèi)導(dǎo)致的碳排放。程葉青等（2013）[37]研究了碳排放系數(shù)相關(guān)問(wèn)題。

其次，碳排放驅(qū)動(dòng)因素分析。徐國(guó)泉等（2006）[38]、Vaninsky（2014）[39]等采用因子分解法，Nicholas和Ilhan（2015）[40]采用環(huán)境庫(kù)茲涅茨曲線模擬法，Alshehry和Belloumi（2015）[41]、焦建玲等（2017）[42]、劉明達(dá)等（2018）[43]采用計(jì)量模型，袁鵬（2015）[44]采用投入產(chǎn)出法等思想原理各異的數(shù)學(xué)模型，探析碳減排的相關(guān)影響要素。一般認(rèn)為能源消費(fèi)的總量和結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)基礎(chǔ)、經(jīng)濟(jì)增長(zhǎng)態(tài)勢(shì)、技術(shù)進(jìn)步等方面的因素對(duì)碳排放量的影響較為顯著。

再次，碳排放約束對(duì)宏觀經(jīng)濟(jì)的影響分析。林伯強(qiáng)等（2010）[45]、江洪和趙寶福（2015）[46]的分析認(rèn)為，碳排放會(huì)對(duì)能源利用效率、能源消費(fèi)總量及結(jié)構(gòu)、全要素生產(chǎn)率等產(chǎn)生深刻影響。王明喜等（2015）[47]、王文賓等（2016）[48]認(rèn)為碳排放約束優(yōu)化發(fā)展方式，提高增長(zhǎng)效率和質(zhì)量。李曉西（2018）[49]認(rèn)為應(yīng)關(guān)注解決節(jié)能減排、降低石化能源使用量與單位能耗及綠色產(chǎn)業(yè)發(fā)展等問(wèn)題。

（四）回顧總結(jié)

縱觀綠色金融促進(jìn)碳減排的相關(guān)研究，發(fā)現(xiàn)已有研究主要圍繞綠色金融的內(nèi)涵本質(zhì)、綠色金融對(duì)增長(zhǎng)的作用價(jià)值展開(kāi)；一些研究關(guān)注了綠色金融政策實(shí)踐的經(jīng)濟(jì)、社會(huì)、環(huán)境效應(yīng)，但大部分忽略了綠色金融政策實(shí)踐效果的異質(zhì)性。特別是運(yùn)用因果森林思想推斷政策效果及異質(zhì)性識(shí)別的研究較少。胡尊國(guó)等（2022）[50]基于機(jī)器學(xué)習(xí)的因果推斷，研究了“傾斜性”政策、生產(chǎn)部門(mén)變遷與南北地區(qū)發(fā)展差異問(wèn)題；醫(yī)學(xué)領(lǐng)域的何文靜等（2019）[51]利用因果森林檢驗(yàn)了病人群體的個(gè)體異質(zhì)性處理效應(yīng)。同時(shí)，鑒于各省份的經(jīng)濟(jì)發(fā)展基礎(chǔ)和規(guī)模體量、產(chǎn)業(yè)積淀和行業(yè)結(jié)構(gòu)、要素積累和資本積累、勞動(dòng)培育和科技實(shí)力、管理水平等各方面條件參差不齊，所以，面對(duì)綠色金融帶來(lái)的發(fā)展機(jī)遇與政策導(dǎo)向，各省份會(huì)因自身的特殊稟賦條件和結(jié)構(gòu)優(yōu)勢(shì)，做出不同的行為決策；面對(duì)綠色金融導(dǎo)致的兼顧經(jīng)濟(jì)增長(zhǎng)與綠色低碳轉(zhuǎn)型的一系列挑戰(zhàn)時(shí)，各省份的應(yīng)對(duì)能力也不同。因此，綠色金融必須考量異質(zhì)性以及政策完善實(shí)施的契合對(duì)接問(wèn)題。利用因果森林檢驗(yàn)綠色金融實(shí)踐效果的處理效應(yīng)，識(shí)別其異質(zhì)性，既可以充分利用現(xiàn)有研究基礎(chǔ)作為指引，又可以契合綠色金融促進(jìn)碳減排的現(xiàn)實(shí)特征；既是豐富現(xiàn)有研究不足的需要，更是完善政策體系基礎(chǔ)的需求。

三、實(shí)證分析設(shè)計(jì)①本文根據(jù)實(shí)證設(shè)計(jì)進(jìn)行分析，結(jié)論供參考。

本文將綠色金融作用價(jià)值的發(fā)揮作為一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，旨在考察綠色金融政策體系能否對(duì)綠色低碳發(fā)展的表征變量碳排放量指標(biāo)產(chǎn)生處理效應(yīng)。在研究對(duì)象上，考慮數(shù)據(jù)有效性問(wèn)題，剔除數(shù)據(jù)缺失嚴(yán)重的西藏和港、澳、臺(tái)地區(qū)，保留全國(guó)30個(gè)省份作為研究對(duì)象。在時(shí)間跨度上，考慮到數(shù)據(jù)可得性，將研究綠色金融政策發(fā)揮作用的時(shí)間跨度選定為2003—2020年，構(gòu)成面板數(shù)據(jù)。

在時(shí)間節(jié)點(diǎn)上，把研究綠色金融政策對(duì)碳排放量產(chǎn)生處理效應(yīng)的時(shí)間界限選定在2012年。2012年原銀監(jiān)會(huì)正式頒布《綠色信貸指引》，綠色金融政策工具在我國(guó)開(kāi)始實(shí)踐探索，而2012年以前，綠色金融政策處于醞釀籌備和初步關(guān)注嘗試時(shí)期，因此把該階段各省份的綠色金融價(jià)值作用情況作為對(duì)照組。2012年以后，綠色金融政策正式實(shí)施和發(fā)揮作用，把該階段各省份的綠色金融價(jià)值作用情況作為處理組。

在研究方法上,利用因果森林思想方法，將因果推斷與隨機(jī)森林算法進(jìn)行對(duì)接，探析綠色金融政策對(duì)碳排放量產(chǎn)生處理效應(yīng)的存在性特征，同時(shí)基于綠色金融發(fā)展典型表征變量和經(jīng)濟(jì)發(fā)展背景支撐變量?jī)蓚€(gè)層面，探析綠色金融處理效應(yīng)的異質(zhì)性特征。

（一）研究假設(shè)

選取碳排放量作為綠色低碳轉(zhuǎn)型的目標(biāo)表征變量，開(kāi)展綠色金融處理效應(yīng)的研究，具有以下幾個(gè)特點(diǎn)。

首先，識(shí)別綠色金融處理效應(yīng)屬于因果推斷范疇。綠色金融通過(guò)投融資與綠色低碳發(fā)展相對(duì)接，促進(jìn)傳統(tǒng)金融資源銜接綠色低碳發(fā)展需求，為經(jīng)濟(jì)綠色低碳轉(zhuǎn)型提供了投融資政策工具支持。綠色金融與新發(fā)展格局構(gòu)建和地方經(jīng)濟(jì)高質(zhì)量發(fā)展存在助推協(xié)同關(guān)系，可兼顧平衡碳排放與經(jīng)濟(jì)增長(zhǎng)，引領(lǐng)經(jīng)濟(jì)高質(zhì)量發(fā)展，促進(jìn)新發(fā)展格局構(gòu)建。

其次，綠色金融的處理效應(yīng)具有差異性。由于不同地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)、資源要素稟賦以及經(jīng)濟(jì)發(fā)展水平存在一定的差異,綠色金融對(duì)我國(guó)東、中、西部各地區(qū)的影響是不同的。選取碳排放量為目標(biāo)表征變量，估計(jì)綠色金融處理效應(yīng)以及分析個(gè)體異質(zhì)性，對(duì)于后續(xù)優(yōu)化綠色金融相關(guān)政策方案布局，提升各省份綠色金融政策工具的異質(zhì)性作用價(jià)值及針對(duì)性實(shí)施效果，完善應(yīng)對(duì)策略，有重要意義。

因此，提出如下假設(shè)。

假設(shè)一：綠色金融政策體系的構(gòu)建實(shí)施，對(duì)以碳排放量作為綠色低碳轉(zhuǎn)型的目標(biāo)表征變量，產(chǎn)生明顯的處理效應(yīng)。

假設(shè)二：綠色金融政策體系的構(gòu)建實(shí)施，對(duì)于中國(guó)各省份的碳排放指標(biāo)，具有顯著的個(gè)體異質(zhì)性價(jià)值。這具體呈現(xiàn)在表征綠色金融的典型指標(biāo)上，也體現(xiàn)在表征經(jīng)濟(jì)發(fā)展基礎(chǔ)條件的背景變量上。

（二）基于因果森林算法的識(shí)別框架

首先，基于隨機(jī)森林算法基礎(chǔ)的因果森林。

因果森林以隨機(jī)森林算法為基礎(chǔ)，融入因果推斷的思想，是對(duì)傳統(tǒng)有監(jiān)督機(jī)器學(xué)習(xí)方法（回歸樹(shù)及隨機(jī)森林）的改進(jìn)。因果森林與隨機(jī)森林均采取訓(xùn)練隨機(jī)樹(shù)的原理方法，然后在生成多棵樹(shù)的基礎(chǔ)上，訓(xùn)練出一片森林。二者在構(gòu)建協(xié)變量特征空間，進(jìn)行特征劃分，發(fā)現(xiàn)各變量的重要性，識(shí)別異質(zhì)性作用時(shí)，采取的劃分準(zhǔn)則一致，均采用基于基尼系數(shù)的CART算法。對(duì)于單個(gè)特征變量而言，變量重要性及其異質(zhì)性作用價(jià)值，可歸結(jié)為各變量的基尼系數(shù)值的大小。

因果森林與隨機(jī)森林采用的“分裂”準(zhǔn)則目標(biāo)不同。隨機(jī)森林算法的基尼系數(shù)，追求基于特征變量劃分以后的隨機(jī)樹(shù)的“純度”越高越好，聚焦于改進(jìn)預(yù)測(cè)結(jié)果的均方誤差；而因果森林算法的基尼系數(shù)，關(guān)注基于特征變量劃分以后的隨機(jī)樹(shù)的“差異程度”越高越好。與此相對(duì)應(yīng)，因果森林算法采用不同的標(biāo)準(zhǔn)指標(biāo)來(lái)進(jìn)行隨機(jī)因果樹(shù)的模型構(gòu)建，不再把重點(diǎn)放在均方誤差指標(biāo)的關(guān)注上，把基于干預(yù)效應(yīng)（treatment effects）測(cè)算的均方誤差作為標(biāo)準(zhǔn)，以構(gòu)建隨機(jī)樹(shù)、隨機(jī)森林以及因果森林。

因果森林有效結(jié)合了機(jī)器學(xué)習(xí)基礎(chǔ)上的隨機(jī)樹(shù)、隨機(jī)森林與因果推斷思想，采用非參數(shù)模型的“分叉”算法，特別適合異質(zhì)性問(wèn)題分析，避免了傳統(tǒng)機(jī)器學(xué)習(xí)模型處理數(shù)據(jù)輸入輸出時(shí)未知函數(shù)形式“黑箱”的障礙，克服了對(duì)經(jīng)濟(jì)變量統(tǒng)計(jì)關(guān)系的可解釋性差等限制，與Rubin因果推斷模型結(jié)合，提高了用于因果關(guān)系識(shí)別的闡釋能力。而且，因果森林依托對(duì)隨機(jī)對(duì)照試驗(yàn)異質(zhì)性問(wèn)題處理的標(biāo)準(zhǔn)非參數(shù)化處理方法，克服或減弱了傳統(tǒng)機(jī)器學(xué)習(xí)算法（如隨機(jī)森林或支持向量機(jī)等）存在的“過(guò)度擬合”，以及袋外樣本（out of sample）預(yù)測(cè)準(zhǔn)確度不太高等局限；化解了基于數(shù)據(jù)驅(qū)動(dòng)導(dǎo)向的傳統(tǒng)機(jī)器學(xué)習(xí)（ML）基本采用x（變量向量）預(yù)測(cè)y（變量），并不能估計(jì)Neyman-Rubin因果模型平均處理效果（ATE）調(diào)節(jié)系數(shù)β的挑戰(zhàn)（Spiess和Mullainathan，2017）[52]。

其次，條件平均處理效應(yīng)（CATE）。

依據(jù)Athey等（2019）[4]的研究，運(yùn)用因果推斷方法，選取碳排放量作為綠色低碳轉(zhuǎn)型的目標(biāo)表征變量，可評(píng)估綠色金融政策體系的條件平均處理效應(yīng)（CATE），即：

其中，Yi(1)和Yi(0)分別表示選取碳排放量作為目標(biāo)表征變量，對(duì)各省份樣本i進(jìn)行處理和控制后，觀測(cè)到的綠色金融作用結(jié)果。

一是按照50%的比例，將各省份樣本i總體數(shù)據(jù)隨機(jī)分為兩個(gè)樣本子集，即訓(xùn)練樣本集和估計(jì)樣本集，訓(xùn)練樣本集用于生成回歸樹(shù)結(jié)構(gòu)，并根據(jù)數(shù)據(jù)條件構(gòu)建多棵因果樹(shù)，形成森林。

二是根據(jù)Athey和Imbens（2016）[2]的研究，為避免隨著因果樹(shù)生長(zhǎng)越來(lái)越“茂盛”時(shí)，出現(xiàn)高估擬合優(yōu)度現(xiàn)象，文中采用“誠(chéng)實(shí)估計(jì)”（honest estimation）的方法，并通過(guò)遞歸二叉分裂法將綠色金融表征變量、經(jīng)濟(jì)發(fā)展背景變量以及區(qū)域分類變量等構(gòu)成的特征空間，分成不同的子空間。

三是基于Tibshirani等（2016）[53]的研究，對(duì)廣義隨機(jī)森林過(guò)程進(jìn)行相應(yīng)的參數(shù)調(diào)試。

再次，幾個(gè)關(guān)鍵環(huán)節(jié)的處理。

一是樣本對(duì)象選擇偏差。鑒于各省份的發(fā)展階段、條件稟賦存在差異，發(fā)展?jié)撃艽蠛蜋C(jī)會(huì)多的省份，更有可能獲得金融資源支持，以改善碳排放和發(fā)展綠色低碳經(jīng)濟(jì)，這意味著潛在預(yù)測(cè)結(jié)果最初存在對(duì)象選擇偏差（selection bias）問(wèn)題。但是，根據(jù)Athey和Imbens（2016）[2]以及Athey等（2019）[4]的研究，運(yùn)用其所提出的異質(zhì)性處理效應(yīng)估計(jì)法——因果森林，能夠?qū)Ω魇》莸挠^測(cè)性數(shù)據(jù)，給出處理效應(yīng)（treatment effects）的預(yù)測(cè)，并建立有效的置信區(qū)間，克服偏差問(wèn)題。

二是“R-learner”函數(shù)。因果森林算法可采用多種形式，根據(jù)Nie和Wager（2017）[54]及Athey等（2019）[4]的研究，較為穩(wěn)妥可靠的辦法之一是，可使用“Rlearner”函數(shù)，種植因果樹(shù)，以生成一片廣義隨機(jī)森林，并獲得權(quán)重。具體采用如下異質(zhì)性處理效應(yīng)估計(jì)式：

其中，αi(x)是由機(jī)器學(xué)習(xí)驅(qū)動(dòng)形成的核（kernel）。

Zi為處理變量，在此采用二分類變量，Zi=1，表示所研究的省份在處理組；Zi=0，表示所研究省份在控制組。

e(x)=P[Zi|Xi=x]表示對(duì)所研究省份進(jìn)行處理組和控制組平衡隨機(jī)匹配時(shí)的傾向值得分。傾向值得分e(x)滿足0—1均勻分布。

m(x)=P[Yi|Xi=x]表示，對(duì)所研究省份進(jìn)行處理和控制時(shí)的政策處理效應(yīng)期望值。

符號(hào)-i表示“袋外”（out-of-bag）預(yù)測(cè)，即Yi不可用于計(jì)算m?(-i)(Xi)。

m?(·)和e?(x)表示廣義隨機(jī)森林的估計(jì)值，并在對(duì)應(yīng)的兩個(gè)森林中進(jìn)行“袋外”預(yù)測(cè)。

三是以省份為單元的聚類。在以各省份為研究對(duì)象，選取碳排放量作為目標(biāo)表征變量，估計(jì)綠色金融的條件平均處理效應(yīng)時(shí)，需要考量將省級(jí)層面的聚類特征融入因果森林算法模型中。鑒于各省份是國(guó)家治理結(jié)構(gòu)中非常重要的行政節(jié)點(diǎn)，同一省份內(nèi)部的各級(jí)各類地方政府，通常具有某種共性：表現(xiàn)在區(qū)位稟賦特征、文化價(jià)值導(dǎo)向以及投資環(huán)境和政策偏好上。因此，以省份為聚類單元，可以體現(xiàn)綠色金融發(fā)揮作用時(shí)各省份具有類似的公共政策體系特征。從而，在因果森林學(xué)習(xí)算法中賦予同一省份相同的權(quán)重更符合事實(shí)，可以在一定程度上克服因果森林學(xué)習(xí)算法過(guò)分依靠數(shù)據(jù)驅(qū)動(dòng)的弊端，尤其是“過(guò)擬合”問(wèn)題。在此考量下，考慮特征相似的各省份，若省份的數(shù)量是J，那么各省份聚類時(shí)，以碳排放量作為目標(biāo)表征變量，綠色金融的條件平均處理效應(yīng)τ?估計(jì)具體如下。

對(duì)第i個(gè)觀察值，可計(jì)算綠色金融的條件平均處理效應(yīng)（CATE）：

對(duì)第j個(gè)省份，依據(jù)其參與生成隨機(jī)森林分裂空間的變量數(shù)據(jù)，可得條件平均處理效應(yīng)（CATE），從而可得所有省份的CATE均值和方差。

（三）指標(biāo)選擇與數(shù)據(jù)支撐

納入綠色金融處理效應(yīng)識(shí)別的變量指標(biāo)包括被解釋變量、處理變量、綠色金融表征變量、經(jīng)濟(jì)發(fā)展背景變量等（見(jiàn)表1，以下同）。

表1 納入綠色金融處理效應(yīng)識(shí)別的影響因素指標(biāo)

第一，被解釋變量。

被解釋變量采用碳排放量（mt）指標(biāo)，指經(jīng)濟(jì)發(fā)展過(guò)程中排放的二氧化碳數(shù)量。碳排放總量測(cè)算可借鑒任曉松等（2020）[55]、張般若和李自杰（2021）[56]的核算方法,采用天然氣、液化石油氣、全社會(huì)用電量三類能源消費(fèi)測(cè)算。

第二，處理變量。

處理變量又稱為試驗(yàn)變量，指實(shí)驗(yàn)者通過(guò)改變一個(gè)或幾個(gè)變量的具體表現(xiàn)方式（稱為處理），測(cè)量它們對(duì)另一個(gè)或幾個(gè)目標(biāo)變量的影響和作用價(jià)值?？紤]到綠色金融政策體系的實(shí)施演進(jìn)歷程，以2012年為界限構(gòu)建二值分類變量。2012年以前=0，2012年以后=1，以表征綠色金融政策體系對(duì)經(jīng)濟(jì)綠色低碳發(fā)展形成的處理效應(yīng)。

第三，綠色金融表征變量。

該類變量體現(xiàn)綠色金融發(fā)揮作用所采用的產(chǎn)品工具特征。綠色金融政策體系的構(gòu)建實(shí)施需要依托多元化的產(chǎn)品工具創(chuàng)新，在此，參照一些學(xué)者對(duì)綠色金融的表征辦法，選用以下表征變量（Tao Shi，2022；蔡強(qiáng)和王旭旭，2022；張婷等，2022；賀正楚等，2022；謝東江和胡士華，2022）[57-61]。一是環(huán)保企業(yè)市值占A股市值比重（%）（x1），以表征綠色證券；二是水利、環(huán)境和公共設(shè)施管理業(yè)固定資產(chǎn)投資占比（%）（x2），以表征綠色產(chǎn)業(yè)；三是六大高耗能工業(yè)產(chǎn)出利息支出占比（%）（x3），且是反向類指標(biāo)，以表征綠色信貸；四是工業(yè)污染完成投資占GDP比重（%）（x4），以表征綠色投資。

第四，經(jīng)濟(jì)發(fā)展背景變量。

綠色金融政策體系價(jià)值作用的發(fā)揮，將在經(jīng)濟(jì)發(fā)展的大市場(chǎng)中構(gòu)建實(shí)施，將在經(jīng)濟(jì)發(fā)展大循環(huán)中得到體現(xiàn)，在此選用以下背景變量。一是人均GDP（元）（pcGDP）。碳排放與經(jīng)濟(jì)發(fā)展規(guī)模水平直接相關(guān)，規(guī)模越大，水平越高，則碳排放量越大。但達(dá)到一定水平時(shí)，通常又會(huì)出現(xiàn)環(huán)境質(zhì)量與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)倒U形關(guān)系的庫(kù)茲涅茲假說(shuō)，碳排放趨于平穩(wěn)和不斷下降。二是財(cái)政收支比（倍數(shù)）（rfical），這是表征經(jīng)濟(jì)發(fā)展財(cái)政能力的重要指標(biāo)。政府財(cái)政能力對(duì)當(dāng)?shù)丨h(huán)境保護(hù)工作的執(zhí)行產(chǎn)生重要影響，財(cái)政能力越高的地區(qū)，在產(chǎn)業(yè)布局、企業(yè)引入方面就越會(huì)游刃有余地考慮生態(tài)紅線，對(duì)環(huán)境就越友好，從而對(duì)區(qū)域碳排放和綠色低碳發(fā)展有重大影響。三是城鎮(zhèn)人口所占比率（%）（rurban）。用各省份城市常住人口數(shù)與總?cè)丝跀?shù)之比表示，代表城鎮(zhèn)化進(jìn)程水平。城市化程度高的省份，人口流動(dòng)集聚可能增加碳排放。四是第二產(chǎn)業(yè)所占比重（%）（rsecd），這是表征工業(yè)化水平的重要指標(biāo)。作為第二產(chǎn)業(yè)的重要組成成分，工業(yè)化進(jìn)程常伴隨著高污染和高能耗，嚴(yán)重影響地區(qū)的碳排放。五是技術(shù)進(jìn)步。一般情況下，碳排放指標(biāo)隨著技術(shù)進(jìn)步而下降，技術(shù)進(jìn)步可提高區(qū)域的自主創(chuàng)新能力，通過(guò)低碳技術(shù)水平的提高降低碳排放?？紤]到表征技術(shù)進(jìn)步的復(fù)雜性和簡(jiǎn)化適用，具體采取專利申請(qǐng)授權(quán)數(shù)（件）（rpatent）和高等學(xué)校平均在校生數(shù)（人）（nedu）兩個(gè)指標(biāo)來(lái)表示。六是固定資產(chǎn)投資占GDP的比重（倍數(shù)）（rfixed）。作為中國(guó)經(jīng)濟(jì)發(fā)展“三駕馬車”中最為重要的抓手，投資規(guī)模是經(jīng)濟(jì)短期增長(zhǎng)和長(zhǎng)期潛力培育的重要基礎(chǔ)，更是綠色低碳發(fā)展的基礎(chǔ)調(diào)控手段。投資規(guī)模能力對(duì)當(dāng)?shù)丨h(huán)保工作產(chǎn)生重要影響，投資強(qiáng)度越高的地區(qū)，越有條件考慮生態(tài)紅線，從而影響碳排放的改善。七是能源消費(fèi)量（萬(wàn)噸標(biāo)煤）（x21）。能源消費(fèi)需求與經(jīng)濟(jì)發(fā)展的規(guī)模和發(fā)展水平直接相關(guān)，且化石能源是產(chǎn)生碳排放的主要源頭，與綠色低碳轉(zhuǎn)型密切相關(guān)。

第五，其他協(xié)變量。

一是年份。鑒于綠色金融政策體系的構(gòu)建完善是一個(gè)持續(xù)發(fā)展的過(guò)程，自提出實(shí)施以來(lái)，各方面政策措施不斷變化，對(duì)各省區(qū)具有時(shí)序性影響，因此，將年份作為一個(gè)類別變量，以捕捉年度的影響。二是區(qū)域。鑒于我國(guó)東、中、西三大經(jīng)濟(jì)地區(qū)的劃分傳統(tǒng)，這三大區(qū)域的經(jīng)濟(jì)發(fā)展水平與地理位置相結(jié)合的長(zhǎng)期演變有著各自的發(fā)展特點(diǎn)。依據(jù)其自然條件與資源狀況的不同，綠色金融政策體系對(duì)其發(fā)揮作用時(shí)，會(huì)呈現(xiàn)差異性，因此，將區(qū)域作為一個(gè)類別變量，以捕捉空間異質(zhì)性的影響。

第六，數(shù)據(jù)來(lái)源。

能源消費(fèi)量數(shù)據(jù)來(lái)源于2003—2020年的《中國(guó)能源統(tǒng)計(jì)年鑒》；環(huán)保企業(yè)市值占A股市值比重（%）由滬深股市的相關(guān)數(shù)據(jù)估算而得；其余數(shù)據(jù)來(lái)源于2003—2020年《中國(guó)統(tǒng)計(jì)年鑒》、各省份2003—2020年的統(tǒng)計(jì)年鑒。

四、實(shí)證結(jié)果分析

結(jié)果表明，選取碳排放量作為綠色低碳轉(zhuǎn)型的目標(biāo)表征變量，綠色金融的平均處理效應(yīng)具有顯著可信性；同時(shí)，綠色金融的個(gè)體處理效應(yīng)具有異質(zhì)性的顯著可信性。而且，基于綠色金融的四個(gè)表征變量以及經(jīng)濟(jì)發(fā)展背景的八個(gè)表征變量，綠色金融對(duì)于各省份的碳排放處理效應(yīng)呈現(xiàn)不同的異質(zhì)性影響。

（一）模型校準(zhǔn)

首先，進(jìn)行因果推斷—隨機(jī)森林模型校準(zhǔn)。

依據(jù)因果推斷—隨機(jī)森林模型校準(zhǔn)檢驗(yàn)，發(fā)現(xiàn)檢驗(yàn)結(jié)果與先驗(yàn)信息及研究假設(shè)保持一致。一是均值估計(jì)校準(zhǔn)檢驗(yàn)p值為0.050013，在5%的可信度上顯著，拒絕綠色金融平均處理效應(yīng)沒(méi)有顯著產(chǎn)生的原假設(shè)。二是異質(zhì)性估計(jì)校準(zhǔn)檢驗(yàn)p值為0.003375，在1%的可信度上顯著，拒絕了沒(méi)有個(gè)體異質(zhì)性處理效應(yīng)的原假設(shè)。

其次，進(jìn)行因變量和處理變量的隨機(jī)森林模型校準(zhǔn)。

在運(yùn)用因果森林思想估計(jì)綠色金融處理效應(yīng)過(guò)程中，為更好地滿足隨機(jī)試驗(yàn)要求，盡量減輕混淆變量的干擾程度，提高估計(jì)的有效性和精度，采用機(jī)器學(xué)習(xí)的通用做法，對(duì)目標(biāo)變量碳排放、對(duì)綠色金融發(fā)揮作用的處理變量（虛擬變量）采用了隨機(jī)森林模型，并進(jìn)行了模型校準(zhǔn)。一是目標(biāo)變量估計(jì)隨機(jī)森林模型校準(zhǔn)結(jié)果顯示，估計(jì)均值的顯著性p值為2.2e-16，識(shí)別個(gè)體異質(zhì)性的顯著性p值為2.2e-16，二者均幾乎接近于0，意味著運(yùn)用隨機(jī)森林模型進(jìn)行因變量估算和識(shí)別異質(zhì)性是顯著可信的。二是處理變量估計(jì)隨機(jī)森林模型校準(zhǔn)結(jié)果顯示，估計(jì)均值的顯著性p值為2.2e-16，識(shí)別個(gè)體異質(zhì)性的顯著性p值為2.2e-16，二者均幾乎接近于0，意味著運(yùn)用隨機(jī)森林模型進(jìn)行處理變量估算和識(shí)別異質(zhì)性是顯著可信的。

（二）綠色金融平均處理效應(yīng)（ATE）的總體布局

平均處理效應(yīng)（ATE）代表著綠色金融政策作用的整體水平，對(duì)個(gè)體而言，各省份的基礎(chǔ)和條件參差不齊，綠色金融處理效應(yīng)存在明顯的異質(zhì)性分布問(wèn)題（見(jiàn)表2）。

表2 綠色金融平均處理效應(yīng)（ATE）的分布特征

第一，綠色金融對(duì)于碳排放具有顯著的正向影響。

綠色金融平均處理效應(yīng)的均值（mean）為7.227835，說(shuō)明綠色金融總體上對(duì)碳排放呈現(xiàn)正向作用價(jià)值；結(jié)合模型校準(zhǔn)部分關(guān)于均值估計(jì)校準(zhǔn)檢驗(yàn)p值的結(jié)果分析，說(shuō)明綠色金融處理效應(yīng)總體上具有顯著可信性。

第二，基于變異系數(shù)（variation_coef）的平均處理效應(yīng)（ATE）異質(zhì)性明顯。

綠色金融平均處理效應(yīng)（ATE）的變異系數(shù)為6.341962。依據(jù)變異系數(shù)的大小界限標(biāo)準(zhǔn)：小變異為0—15%，中等變異為16%—35%，高度變異大于36%（管孝艷等，2012）[62]；或弱變異小于0.1，中等變異0.1—1，強(qiáng)變異大于1（劉繼龍等，2018）[63]。由此可知，綠色金融平均處理效應(yīng)的分布離散水平較高。

第三，基于偏度（skewness）的平均處理效應(yīng)（ATE）分布右偏拖尾。

綠色金融平均處理效應(yīng)（ATE）的偏度（skewness）值為1.18402。依據(jù)偏度系數(shù)＞0則表明總體分布右偏，偏右邊拖尾巴，高峰往左偏的規(guī)律，可知綠色金融平均處理效應(yīng)（ATE）在高值端方向的數(shù)據(jù)分布更為分散拖尾。

第四，基于峰度（kurtosis）的平均處理效應(yīng)（ATE）分布更集中陡峭。

綠色金融平均處理效應(yīng)（ATE）的峰度（kurtosis）值為6.096991。峰度反映數(shù)據(jù)分布曲線頂端尖峭或扁平程度，依據(jù)峰度系數(shù)大于0（已減去3，以方便比較）則表明數(shù)據(jù)分布比正態(tài)分布要陡峭、數(shù)據(jù)分布更集中的規(guī)律，可知綠色金融平均處理效應(yīng)（ATE）的分布有比正態(tài)分布更短的尾部。

第五，基于中分位數(shù)與均值比較的平均處理效應(yīng)（ATE）非正態(tài)分布。

中分位數(shù)p_50為2.742410，遠(yuǎn)小于均值7.227835（見(jiàn)表2），表明綠色金融的平均處理效應(yīng)（ATE）的數(shù)據(jù)分布有些左偏。

第六，基于分位數(shù)間距與均值數(shù)據(jù)水平比較的平均處理效應(yīng)（ATE）分散化分布。

分位數(shù)p_05與p_95的間距為151.08105，相比均值7.227835的數(shù)值水平，該類分位數(shù)間距比較大。分位數(shù)p_25與p_75的間距為42.144820，相比均值數(shù)值水平，該類間距相對(duì)較大。

（三）綠色金融產(chǎn)生處理效應(yīng)過(guò)程中其各個(gè)表征變量的異質(zhì)性作用

盡管因果森林算法從統(tǒng)計(jì)上證明，綠色金融呈現(xiàn)顯著的個(gè)體異質(zhì)性處理效應(yīng)，但需要具體探析綠色金融的各個(gè)表征變量對(duì)處理效應(yīng)的異質(zhì)性作用特征，以發(fā)現(xiàn)政策發(fā)力基點(diǎn)。為此，將綠色金融的各個(gè)表征變量做如下處理。一是按照中位數(shù)分組，進(jìn)行t檢驗(yàn)；二是按照三分位數(shù)分組，進(jìn)行方差分析（ANOVA）的聯(lián)合F檢驗(yàn)。

通過(guò)以上處理是為了發(fā)現(xiàn)各變量與綠色金融處理效應(yīng)之間的變動(dòng)關(guān)系，以及各變量對(duì)綠色金融處理效應(yīng)的異質(zhì)性作用的顯著性特征（見(jiàn)表3）。

表3 綠色金融處理效應(yīng)產(chǎn)生過(guò)程中各變量的異質(zhì)性作用識(shí)別

首先，分析環(huán)保企業(yè)市值占A股市值比重（%）變量（x1）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在x1較高的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明x1與處理效應(yīng)之間總體呈現(xiàn)正向變動(dòng)關(guān)系，意味著增大x1的規(guī)模，處理效應(yīng)水平相應(yīng)提升。高低值組之間的顯著性t檢驗(yàn)不顯著，說(shuō)明x1對(duì)處理效應(yīng)的異質(zhì)性作用尚未凸顯。整體看，需要大力發(fā)展x1所代表的綠色證券市場(chǎng)。

二是基于三分位數(shù)（高、中、低）分組。在x1為高值組時(shí)，對(duì)應(yīng)的處理效應(yīng)最明顯；在x1為中低值組時(shí)，對(duì)應(yīng)的處理效應(yīng)總體為負(fù)值，說(shuō)明x1水平提高且規(guī)模達(dá)到高值組水平時(shí)，處理效應(yīng)凸顯。三分組的方差分析（ANOVA）聯(lián)合顯著性F檢驗(yàn)不顯著，說(shuō)明x1對(duì)處理效應(yīng)的異質(zhì)性作用尚未凸顯。這說(shuō)明發(fā)展綠色證券市場(chǎng)并達(dá)到規(guī)模經(jīng)濟(jì)應(yīng)該是整體導(dǎo)向。

其次，分析水利、環(huán)境和公共設(shè)施管理業(yè)固定資產(chǎn)投資占比（%）變量（x2）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在x2越高的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明x2與處理效應(yīng)之間總體呈現(xiàn)正向變動(dòng)關(guān)系，意味著增大x2的規(guī)模，處理效應(yīng)水平相應(yīng)提升。高低值組之間的顯著性t檢驗(yàn)在5%的可信度上顯著，說(shuō)明x2所代表的綠色產(chǎn)業(yè)領(lǐng)域?qū)μ幚硇?yīng)的異質(zhì)性作用明顯。

二是基于三分位數(shù)（高、中、低）分組。在x2越高的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明x2與處理效應(yīng)之間呈現(xiàn)正向變動(dòng)關(guān)系，意味著增大x2的規(guī)模，處理效應(yīng)水平相應(yīng)提升。三分組的方差分析（ANOVA）聯(lián)合顯著性F檢驗(yàn)不顯著，說(shuō)明在x2細(xì)分組條件下，處理效應(yīng)的異質(zhì)性作用尚不明顯，這意味著需要對(duì)不同地區(qū)的綠色產(chǎn)業(yè)分類施策，以提高綠色金融效能。

再次，分析六大高耗能工業(yè)產(chǎn)出利息支出占比（%）變量（x3）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在x3越大的省份，對(duì)應(yīng)的處理效應(yīng)越?。ㄉ踔琳w為負(fù)值，處理效應(yīng)不存在），說(shuō)明x3與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著代表高耗能產(chǎn)業(yè)領(lǐng)域的反向性指標(biāo)x3減小的情況下，處理效應(yīng)水平相應(yīng)提升。高低值組之間的顯著性t檢驗(yàn)不顯著，說(shuō)明x3對(duì)處理效應(yīng)的異質(zhì)性作用不明顯。整體看，需要減小x3的規(guī)模，以提升處理效應(yīng)水平。

二是基于三分位數(shù)（高、中、低）分組。在x3越低的組別，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明x3與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，這意味著反向指標(biāo)x3越大，導(dǎo)致處理效應(yīng)越小，應(yīng)該減少x3所代表的高耗能產(chǎn)業(yè)規(guī)模水平。三分組的方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)不顯著，說(shuō)明x3對(duì)處理效應(yīng)的異質(zhì)性作用不明顯。整體看，需要縮減x3所代表的信貸規(guī)模，抑制高耗能產(chǎn)業(yè)發(fā)展，以提升處理效應(yīng)。

最后，分析工業(yè)污染完成投資占GDP比重（%）變量（x4）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在x4越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明x4與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著隨著x4的規(guī)模增加，處理效應(yīng)并沒(méi)有提升?？赡艿脑蛟谟谠黾觴4過(guò)程中的邊際效應(yīng)遞減問(wèn)題，需要關(guān)注綠色投資效率，打造規(guī)模經(jīng)濟(jì)效應(yīng)，加強(qiáng)監(jiān)管提高效能，將綠色金融的價(jià)值作用落到實(shí)處。高低值組間的顯著性t檢驗(yàn)不顯著，說(shuō)明x4對(duì)處理效應(yīng)的異質(zhì)性作用尚不明顯。整體看，需要關(guān)注x4的綠色投資邊際效能。

二是基于三分位數(shù)（高、中、低）分組。在x4處于低值組時(shí)，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明x4處于較高水平時(shí)，處理效應(yīng)尚難以顯現(xiàn)，原因可能在于x4的邊際效應(yīng)遞減；在x4處于中值組時(shí)，對(duì)應(yīng)的處理效應(yīng)最小（甚至整體為負(fù)值，處理效應(yīng)不存在），說(shuō)明中值組所涵蓋省份的x4的處理效應(yīng)不明顯，需要細(xì)化契合現(xiàn)實(shí)的投資產(chǎn)品工具，提升處理效應(yīng)。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)不顯著，說(shuō)明x4對(duì)處理效應(yīng)的異質(zhì)性作用尚不明顯。整體看，特別需要關(guān)注x4在中值組的綠色投資策略。

（四）綠色金融對(duì)碳減排產(chǎn)生處理效應(yīng)過(guò)程中的經(jīng)濟(jì)發(fā)展背景各變量的異質(zhì)性作用

基于因果森林算法，可從統(tǒng)計(jì)上證明綠色金融個(gè)體處理效應(yīng)異質(zhì)性的總體存在性，也需要進(jìn)一步明確經(jīng)濟(jì)發(fā)展各背景變量的作用異質(zhì)性特征，以完善綠色金融發(fā)揮作用的對(duì)象環(huán)境。為此，需要將經(jīng)濟(jì)發(fā)展各背景變量分別按照中位數(shù)分組進(jìn)行t檢驗(yàn)，按照三分位數(shù)分組進(jìn)行方差分析（ANOVA）的聯(lián)合F檢驗(yàn)，以發(fā)現(xiàn)各背景變量與綠色金融處理效應(yīng)之間的變動(dòng)關(guān)系，以及各背景變量對(duì)處理效應(yīng)的異質(zhì)性作用的顯著性特征（見(jiàn)表4）。

表4 綠色金融處理效應(yīng)產(chǎn)生過(guò)程中經(jīng)濟(jì)發(fā)展各背景變量的異質(zhì)性作用識(shí)別

第一，分析人均GDP變量pcGDP對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在pcGDP越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明pcGDP與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著在經(jīng)濟(jì)發(fā)展水平越低的區(qū)域，綠色金融的作用越大。高低值組之間的顯著性t檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明pcGDP對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，綠色金融在經(jīng)濟(jì)相對(duì)落后地區(qū)的效果相對(duì)理想。

二是基于三分位數(shù)（高、中、低）分組。在pcGDP越處于低值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明pcGDP與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著在經(jīng)濟(jì)相對(duì)落后地區(qū)實(shí)施綠色金融戰(zhàn)略，效果更明顯。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在1%的可信度上顯著性明顯，說(shuō)明pcGDP對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，經(jīng)濟(jì)發(fā)展越落后，重視綠色金融越能產(chǎn)生處理效應(yīng)。

第二，分析財(cái)政收支比（倍數(shù)）變量rfical對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在rfical越高的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明rfical與處理效應(yīng)之間呈現(xiàn)正向變動(dòng)關(guān)系，意味著財(cái)政能力越強(qiáng)，處理效應(yīng)越明顯。高低值組之間的顯著性t檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明rfical對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，財(cái)政對(duì)綠色金融發(fā)展的支持配合效果明顯。

二是基于三分位數(shù)（高、中、低）分組。在rfical越處于較高值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯。三分組的方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明在rfical細(xì)分條件下，對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，財(cái)政能力越好，對(duì)綠色金融發(fā)展的支持配合效果越好。

第三，分析城鎮(zhèn)人口所占比率（%）變量（rurban）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在rurban越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明rurban與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系。高低值組之間的顯著性t檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明rurban對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，rurban越低，處理效應(yīng)越明顯，意味著在城鎮(zhèn)化進(jìn)程相對(duì)落后地區(qū)，綠色金融大有可為。

二是基于三分位數(shù)（高、中、低）分組。在rurban越處于低值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明rurban與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)不顯著，說(shuō)明在rurban細(xì)分條件下，處理效應(yīng)異質(zhì)性不明顯，需要綠色金融分類施策，提高處理效應(yīng)水平。整體看，在rurban越低的區(qū)域，發(fā)展綠色金融的價(jià)值作用越明顯。

第四，分析第二產(chǎn)業(yè)所占比重（%）變量（rsecd）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在rsecd越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明rsecd與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著rsecd較大時(shí)，發(fā)展綠色金融的處理效應(yīng)不明顯，可能的原因在于綠色金融的發(fā)展水平尚低，尚難以對(duì)rsecd較大的環(huán)境對(duì)象產(chǎn)生明顯的處理效應(yīng)。高低值組之間的顯著性t檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明rsecd對(duì)處理效應(yīng)的異質(zhì)性作用明顯。整體看，rsecd越高的省份，應(yīng)大力發(fā)展綠色金融，提升處理效應(yīng)水平。

二是基于三分位數(shù)（高、中、低）分組。在rsecd越處于低值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明rsecd與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著在rsecd較低時(shí)，更容易產(chǎn)生處理效應(yīng)。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在10%的可信度上顯著性明顯，說(shuō)明在rsecd細(xì)分條件下，對(duì)處理效應(yīng)的異質(zhì)性作用仍較明顯。整體看，rsecd越高的省份，越需要提升綠色金融發(fā)展水平，以放大處理效應(yīng)。

第五，分析專利申請(qǐng)授權(quán)數(shù)（件）變量（rpatent）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在rpatent越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明rpatent與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著在rpatent較高的條件下，處理效應(yīng)并不明顯，原因可能在于rpatent的綠色低碳內(nèi)涵偏低，或產(chǎn)業(yè)化比例不足，綠色發(fā)展進(jìn)程較緩慢等，使得較高的rpatent水平難以應(yīng)用于綠色低碳轉(zhuǎn)型領(lǐng)域，對(duì)處理效應(yīng)的作用尚不明顯。高低值組之間的顯著性t檢驗(yàn)在10%的可信度上顯著性明顯，說(shuō)明rpatent對(duì)處理效應(yīng)的異質(zhì)性作用明顯。整體看，在rpatent越低時(shí)，處理效應(yīng)更明顯。

二是基于三分位數(shù)（高、中、低）分組。在rpatent越處于低值組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明rpatent與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著rpatent處在較高值組別時(shí)，更需發(fā)揮對(duì)處理效應(yīng)的作用。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在10%的可信度上顯著性明顯，說(shuō)明在rpatent細(xì)分條件下，對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，當(dāng)rpatent在高位水平時(shí)，需要提升其對(duì)處理效應(yīng)的支持功能。

第六，分析高等學(xué)校平均在校生數(shù)（人）變量（nedu）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在nedu越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明nedu與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著在nedu指標(biāo)較高的省份，處理效應(yīng)不明顯，原因可能在于nedu的專業(yè)與就業(yè)結(jié)構(gòu)不匹配，或者人才供需市場(chǎng)機(jī)制不暢等，使得nedu的人力資本潛力沒(méi)能釋放應(yīng)用。高低值組之間的顯著性t檢驗(yàn)在10%的可信度上顯著性明顯，說(shuō)明nedu對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，需要挖掘nedu的潛能，釋放其在高位時(shí)對(duì)處理效應(yīng)的支持作用。

二是基于三分位數(shù)（高、中、低）分組。在nedu越處于低值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明nedu與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著nedu處于高位時(shí)，對(duì)處理效應(yīng)的作用沒(méi)能發(fā)揮。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明nedu對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，需要強(qiáng)化nedu對(duì)處理效應(yīng)的支持配合。

第七，分析固定資產(chǎn)投資占GDP比重（%）變量（rfixed）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在rfixed越高的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明rfixed與處理效應(yīng)之間呈現(xiàn)正向變動(dòng)關(guān)系，意味隨著rfixed的加大，處理效應(yīng)相應(yīng)提升。高低值組之間的顯著性t檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明rfixed對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，rfixed支持處理效應(yīng)的效果明顯。

二是基于三分位數(shù)（高、中、低）分組。在rfixed越處于較高值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，說(shuō)明rfixed與處理效應(yīng)之間呈現(xiàn)正向變動(dòng)關(guān)系，意味著增加rfixed，對(duì)處理效應(yīng)提升的支持作用良好。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在5%的可信度上顯著性明顯，說(shuō)明在rfixed細(xì)分條件下，對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，rfixed對(duì)處理效應(yīng)提升的配合作用效果明顯，二者協(xié)調(diào)性良好。

第八，分析能源消費(fèi)量（萬(wàn)噸標(biāo)煤）變量（x21）對(duì)處理效應(yīng)的異質(zhì)性作用。

一是基于中位數(shù)分組。在x21越低的省份，對(duì)應(yīng)的處理效應(yīng)越大，說(shuō)明x21與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著x21減少會(huì)使得處理效應(yīng)相應(yīng)提升。高低值組之間的顯著性t檢驗(yàn)在1%的可信度上顯著性明顯，說(shuō)明x21對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，x21減少是提升處理效應(yīng)的較好舉措。

二是基于三分位數(shù)（高、中、低）分組。在x21越處于較低值的組別，對(duì)應(yīng)的處理效應(yīng)越明顯，x21與處理效應(yīng)之間呈現(xiàn)反向變動(dòng)關(guān)系，意味著x21減少，碳排放源頭的控制減少，處理效應(yīng)得到提升。三分組方差分析（ANOVA）的聯(lián)合顯著性F檢驗(yàn)在1%的可信度上顯著性明顯，說(shuō)明在x21細(xì)分條件下，對(duì)處理效應(yīng)的異質(zhì)性作用凸顯。整體看，提升處理效應(yīng)，應(yīng)該在x21減少上采取措施。

五、結(jié)論與建議

深入研究綠色金融對(duì)不同地區(qū)碳排放產(chǎn)生的處理效應(yīng)及其異質(zhì)性特征，對(duì)有效制定差異化的經(jīng)濟(jì)綠色低碳發(fā)展路徑，最大限度地以低成本、高效率方式實(shí)現(xiàn)“雙碳”目標(biāo)，避免“運(yùn)動(dòng)式”碳減排，具有參考價(jià)值。

（一）研究結(jié)論

本文以碳排放量作為經(jīng)濟(jì)綠色低碳發(fā)展的目標(biāo)表征變量，探析了綠色金融政策體系對(duì)其產(chǎn)生處理效應(yīng)的格局特征，基于綠色金融典型表征變量和經(jīng)濟(jì)發(fā)展背景變量，系統(tǒng)分析了綠色金融處理效應(yīng)的異質(zhì)性變動(dòng)規(guī)律。

通過(guò)實(shí)證分析得到以下結(jié)論。

首先，綠色金融平均處理效應(yīng)具有顯著的可信性。

綠色金融政策體系對(duì)以碳排放量為目標(biāo)表征的變量產(chǎn)生了平均處理效應(yīng)。利用因果森林模型，經(jīng)過(guò)計(jì)量統(tǒng)計(jì)檢驗(yàn)，可驗(yàn)證該處理效應(yīng)具有顯著的可信性，意味著綠色金融政策體系的構(gòu)建實(shí)施，對(duì)經(jīng)濟(jì)綠色低碳發(fā)展具有處理效應(yīng)價(jià)值作用，也意味著綠色金融政策有較明顯的實(shí)踐效果。

其次，綠色金融的平均處理效應(yīng)呈現(xiàn)空間差異性格局。

中國(guó)各區(qū)域的發(fā)展?fàn)顩r不同，綠色金融政策體系對(duì)各地產(chǎn)生的處理效應(yīng)必然呈現(xiàn)不同的特征?；谝蚬帜Ｐ头治霭l(fā)現(xiàn)，各區(qū)域的綠色金融平均處理效應(yīng)水平在各個(gè)區(qū)域之間、各個(gè)區(qū)域內(nèi)部等，均存在明顯的空間差異性特征，意味著綠色金融政策需要基于區(qū)域特征分類施策，擴(kuò)大優(yōu)勢(shì)、補(bǔ)齊短板。

再次，綠色金融典型表征變量與綠色金融個(gè)體處理效應(yīng)之間呈現(xiàn)異質(zhì)性變動(dòng)規(guī)律。

基于綠色金融典型表征變量，利用現(xiàn)有經(jīng)濟(jì)發(fā)展運(yùn)行數(shù)據(jù)，選取碳排放量作為目標(biāo)表征變量，發(fā)現(xiàn)綠色金融對(duì)中國(guó)各省份的個(gè)體處理效應(yīng)呈現(xiàn)差異性變動(dòng)規(guī)律。特別是，體現(xiàn)金融發(fā)展傳統(tǒng)慣性特征的變量指標(biāo)水利、環(huán)境和公共設(shè)施管理業(yè)固定資產(chǎn)投資占比（%）變量（x2），與綠色金融處理效應(yīng)之間的變動(dòng)規(guī)律呈現(xiàn)異質(zhì)性，其顯著可信性凸顯。其他納入因果森林模型分析的綠色金融的產(chǎn)品工具變量，對(duì)綠色金融個(gè)體處理效應(yīng)的作用價(jià)值有待提升，意味著這些表征綠色金融的變量指標(biāo)是今后政策體系完善的方向。

最后，經(jīng)濟(jì)發(fā)展背景表征變量與綠色金融個(gè)體處理效應(yīng)之間呈現(xiàn)異質(zhì)性變動(dòng)規(guī)律。

基于經(jīng)濟(jì)發(fā)展背景變量，利用現(xiàn)有經(jīng)濟(jì)發(fā)展運(yùn)行數(shù)據(jù)，選取碳排放量作為目標(biāo)表征變量，發(fā)現(xiàn)綠色金融對(duì)中國(guó)各省份的個(gè)體處理效應(yīng)呈現(xiàn)差異性變動(dòng)規(guī)律。源于因果森林模型分析結(jié)果發(fā)現(xiàn)，絕大部分經(jīng)濟(jì)發(fā)展背景變量指標(biāo)對(duì)綠色金融個(gè)體處理效應(yīng)的價(jià)值作用凸顯。其中，人均GDP（pcGDP）、財(cái)政收支比（倍數(shù)）（rfical）、第二產(chǎn)業(yè)所占比重（rsecd）、高等學(xué)校平均在校生數(shù)（人）（nedu）、固定資產(chǎn)投資占GDP比重（rfixed）、能源消費(fèi)量（萬(wàn)噸標(biāo)煤）（x21）等變量，與綠色金融個(gè)體處理效應(yīng)之間的變動(dòng)關(guān)系呈現(xiàn)異質(zhì)性特征，其顯著可信性凸顯；專利申請(qǐng)授權(quán)數(shù)（件）（rpatent）、城鎮(zhèn)人口所占比率（rurban）等變量的可信性相對(duì)較弱。這意味著表征經(jīng)濟(jì)發(fā)展背景的變量指標(biāo)，為綠色金融個(gè)體處理效應(yīng)的產(chǎn)生提供了政策融合基點(diǎn)，啟發(fā)了政策發(fā)力方向。

（二）對(duì)策建議

基于本文實(shí)證結(jié)果發(fā)現(xiàn)，應(yīng)依托綠色金融在碳排放與經(jīng)濟(jì)發(fā)展中的協(xié)同作用，穩(wěn)步推進(jìn)“雙碳”目標(biāo)的實(shí)現(xiàn)。

首先，要強(qiáng)化綠色金融政策體系的區(qū)域協(xié)同。

基于本文的實(shí)證結(jié)果可知，綠色金融平均處理效應(yīng)呈現(xiàn)異質(zhì)性，事實(shí)上契合于全國(guó)經(jīng)濟(jì)發(fā)展的非均衡性。就全國(guó)而言，受制于區(qū)域之間的發(fā)展不均衡，碳排放存在區(qū)域差異。產(chǎn)業(yè)結(jié)構(gòu)偏重，經(jīng)濟(jì)發(fā)展過(guò)度依賴第二產(chǎn)業(yè)尤其是重化工業(yè)的區(qū)域，“減碳”任務(wù)艱巨。同時(shí)，就綠色金融對(duì)碳排放量產(chǎn)生處理效應(yīng)而言，也存在處理效應(yīng)的區(qū)域異質(zhì)性。因此，利用綠色金融的減碳效應(yīng)需要依據(jù)區(qū)域特點(diǎn)實(shí)行差異化措施，防止誘發(fā)區(qū)域金融風(fēng)險(xiǎn)，以及引發(fā)和疊加其他經(jīng)濟(jì)社會(huì)問(wèn)題。必須基于區(qū)域碳減排壓力的非均衡性，參考綠色金融政策體系產(chǎn)生處理效應(yīng)的空間異質(zhì)性規(guī)律，協(xié)同跨區(qū)域跨時(shí)空的資源配置，把有限的綠色金融資源重點(diǎn)用于碳排放高的區(qū)域，抓住重點(diǎn)和關(guān)鍵，提高既定資源的減排降碳效果，實(shí)現(xiàn)碳減排效益最大化。針對(duì)綠色金融資源與碳減排任務(wù)不匹配現(xiàn)象，要積極將綠色金融業(yè)務(wù)納入信貸考核體系，增加對(duì)減排降碳領(lǐng)域的信貸支持，嚴(yán)控對(duì)“兩高一?！毙袠I(yè)的信貸投放，借助綠色金融杠桿實(shí)現(xiàn)綠色低碳轉(zhuǎn)型。

其次，不斷優(yōu)化綠色金融政策體系的產(chǎn)品工具組合。

基于本文的實(shí)證結(jié)果可知，綠色金融典型表征變量與個(gè)體處理效應(yīng)之間呈現(xiàn)異質(zhì)性變動(dòng)規(guī)律，并且各變量的價(jià)值作用的顯著可信性存在差異。因此，要充分利用有效市場(chǎng)和有為政府共同激勵(lì)的協(xié)同模式，在注重財(cái)稅、政府采購(gòu)、轉(zhuǎn)移支付等政策引導(dǎo)支持作用的同時(shí)，更加注重發(fā)揮市場(chǎng)機(jī)制對(duì)綠色金融資源配置的決定性作用。要持續(xù)加強(qiáng)碳排放管控的綠色金融政策工具創(chuàng)新與結(jié)構(gòu)優(yōu)化，探索碳減排新型手段，提升綠色金融政策體系的產(chǎn)品完善性和工具手段結(jié)構(gòu)平衡性，發(fā)揮綠色金融產(chǎn)品工具的組合效應(yīng)。借力多層次資本市場(chǎng)融資功能，多渠道引導(dǎo)企業(yè)和社會(huì)資金投至減排降碳和產(chǎn)業(yè)結(jié)構(gòu)改造升級(jí)領(lǐng)域，為節(jié)能低碳和轉(zhuǎn)型升級(jí)提供綠色資金保障。嘗試“先借后貸”等形式，鼓勵(lì)增加碳減排貸款，積極發(fā)展風(fēng)險(xiǎn)投資、股權(quán)融資以及綠色債券等新型直接融資政策工具產(chǎn)品，加強(qiáng)對(duì)新能源領(lǐng)域和清潔生產(chǎn)項(xiàng)目的重點(diǎn)支持。開(kāi)發(fā)適合的綠色金融產(chǎn)品和服務(wù)，推動(dòng)綠色債券、綠色保險(xiǎn)及林業(yè)碳匯交易市場(chǎng)的構(gòu)建完善，加大綠色金融政策工具對(duì)生態(tài)保護(hù)修復(fù)的投資參與力度，促進(jìn)生態(tài)環(huán)境效應(yīng)與經(jīng)濟(jì)效益共贏。

再次，探索完善綠色金融相關(guān)政策體系的頂層設(shè)計(jì)。

基于本文的實(shí)證結(jié)果可知，經(jīng)濟(jì)發(fā)展背景表征變量與綠色金融個(gè)體處理效應(yīng)之間呈現(xiàn)異質(zhì)性變動(dòng)規(guī)律，且絕大部分變量指標(biāo)的價(jià)值作用顯著可信性凸顯。因此，要依托頂層設(shè)計(jì)，完善綠色金融政策體系，促進(jìn)綠色金融深度融合于經(jīng)濟(jì)發(fā)展的內(nèi)在需要，發(fā)揮綠色金融兼顧碳排放與高質(zhì)量發(fā)展的雙贏價(jià)值功能。要強(qiáng)化科技賦能，建立綠色投融資與綠色項(xiàng)目對(duì)接平臺(tái)，打通綠色投融資信息壁壘。借力大數(shù)據(jù)、人工智能與區(qū)塊鏈等數(shù)字化技術(shù)，打造完善地方政府、金融機(jī)構(gòu)及企業(yè)三方綠色投融資與綠色項(xiàng)目對(duì)接平臺(tái)，實(shí)現(xiàn)生態(tài)環(huán)境信息、碳排放信息以及綠色投融資數(shù)據(jù)的整合共享。簡(jiǎn)化綠色信貸業(yè)務(wù)流程，對(duì)接政府性融資擔(dān)保，培育利用核心信用，降低融資成本和融資門(mén)檻。依托區(qū)域內(nèi)政府有限資金的引導(dǎo)功能，吸引社會(huì)資本參與，共同設(shè)立綠色低碳區(qū)域共同基金，考慮減排貢獻(xiàn)，體現(xiàn)區(qū)域間差異，充分發(fā)揮共同基金在資金籌集和使用過(guò)程中的激勵(lì)作用。依托市場(chǎng)化運(yùn)作和政策性支持，有效放大綠色金融使用效益，并將綠色金融的資源籌集和使用分配功能，作為調(diào)節(jié)區(qū)域之間、區(qū)域內(nèi)部發(fā)展不平衡的杠桿，協(xié)調(diào)推進(jìn)碳減排和高質(zhì)量發(fā)展的區(qū)域間協(xié)同共進(jìn)共贏。