低碳經濟發展能力與融資保障、金融政策
——基于中國省級區域的實證研究

陳福生

（中國人民銀行福州中心支行，福建 福州 350003）

低碳經濟發展能力與融資保障、金融政策
——基于中國省級區域的實證研究

陳福生

（中國人民銀行福州中心支行，福建 福州 350003）

研究結果表明，信貸支持對低碳經濟發展具有較為明顯的正向作用，相比證（債）券市場融資、保險覆蓋等政策更具有低碳經濟發展的結構性調控作用；保險覆蓋的擴大對低碳經濟發展具有兩面性，其效應表現方向取決于保險業的“收費汲取”和“賠付保障”之間的力量均衡；省市出臺金融支持低碳經濟發展的政策意見或相關措施，對低碳經濟發展有一定的正面作用。進一步總結可得，在碳排放約束條件下政策出臺對低碳經濟發展能力的促進作用更加大。上述結論是國內其他研究并沒有得到的，對我國各地發展碳金融、實施低碳金融支持政策具有啟示作用。

低碳經濟；金融政策；融資保障

一、引言

在20世紀70年代發達國家遇到的“石油危機”，讓世界各國意識到高能耗、高排放的經濟增長模式不可持續。進入21世紀以來，世界主要經濟體普遍接受可持續發展模式，即為低碳經濟模式。實體經濟離不開碳金融的支撐，理論界將這種關系稱為碳金融與綠色經濟的“聯動效應”，可將金融資本與綠色產業連接起來。這種理論來源于金融服務環保產業的內生動力，即金融機構在政策、產業等方面上的風險最小化動機，比如興業銀行較早接受環境經濟的“赤道原則”，以信貸手段支持低碳經濟的發展。

為了準確測評低碳經濟發展能力，付允等人（2010）[1]提出了低碳經濟的五大支撐體系，也有部分研究認為低碳經濟評價應該偏重經濟增長（馬軍、周琳等，2010）[2]。本研究則認為，低碳經濟的評價與碳金融支持需要擴大“低碳”的外延，改變低碳經濟發展評價指標的局限性，現有研究以省域碳排放量的高低來衡量省域經濟是否低碳，這是比較片面的結論。同時，國內外幾乎沒有從金融支持的角度來研究低碳經濟發展命題，更多則是低碳經濟和貿易、就業和經濟增長等方面。

金融會對低碳經濟發展產生什么樣的作用力？本論文通過總結發現，金融支持會對低碳經濟發展能力形成直接或間接的關系，一方面是提供低碳產業和項目的資金支持，以綜合性金融解決方案促進低碳經濟項目、低碳企業的甄別篩選；另一方面為低碳經濟發展的人才和技術帶來良性循環效應，形成支持低碳經濟發展的“告示效應”。不同省域經濟體金融發展對低碳經濟呈現不同的支持效應，這與當地經濟結構、技術水平和地方重視程度直接相關。

對于中國各省市區的低碳經濟發展現狀，金融支持低碳經濟發展的實際效力等，國內并沒有一個系統性的論斷和研究，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指標基礎上，以改進后的TOPSIS模型來測度低碳經濟發展指標體系，在金融支持模型中特別引入“省區市是否出臺低碳經濟的金融支持意見”作為虛擬變量，同時考察綠色產業發展和碳排放等兩個不同約束條件下低碳經濟發展金融支持效應，這些做法突破了傳統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、低碳經濟發展指數的測度

（一）建立碳排放估算方程

根據聯合國環境規劃署安排，降低二氧化碳排放量仍是低碳經濟追求的核心目標。本研究遵循日本能源經濟研究所（1989）[3]和IPCC（2007）[4]的研究思路，建立中國各省區市碳排放量估計方程：

在式（1）中，E(co2)指碳排放量的估計值，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（以噸標準煤為單位）。另外δc、δp、δg和δe則分別為對應碳排放系數，系數值參照王桂榮、朱旭梅、韓明一（2013）的研究成果（δc=0.733，δp=0.5575，δg=0.42275，δe=0）[5]。此方程根據我國30個樣本省區市①西藏自治區由于能源與環境數據大量缺失，被排除在研究樣本之外。數據來自于《中國統計年鑒（2012）》和《中國金融年鑒（2012）》《中國能源統計年鑒2012》以及WIND數據庫，部分變量數據采用手工整理而得（下同）。數據進行估算，所得結果即為各省區市的碳排放量。從各省區市碳排放估算結果來看，不同省區市之間碳排放絕對量差異較大，難以真正體現低碳經濟發展能力。更多的研究表明，低碳經濟發展評價不能僅僅使用碳排放量的總量數據，更需要考慮到經濟總量、地域面積、人口體量以及環境承載能力、科學技術投入、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，本論文采用一個綜合指標體系下的理想解法模型進行低碳經濟發展能力測度。

（二）低碳經濟發展測度指標體系

綜合現有研究成果，本研究選擇20個比例性指標（負向指標以“倒數法”進行處理），以衡量不同省區市之間低碳經濟發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

為了準確測度我國省際的低碳經濟發展指數，本研究選擇理想解法（TOPSIS）評價模型進行求解。HWang.C.L&Yoon.K.S（1981）[8]提出非參數決策的TOPSIS方法（Technique for order preference by similarity to ideal solution），為有限個體多目標決策分析常用理論。TOPSIS方法則具有上述方法不具有的優點：一是改變主觀打分評價做法，根據實測數據進行客觀評價；二是模型應用要求更低，對樣本數據的分布、樣本量、指標數量無嚴格限制；三是此方法不需要確定具體的生產函數形式，對低碳經濟發展評價應用范圍廣；四是數據信息能得到充分反映，信息失真的概率較小，測度結果可信度更高。

必須指出的是，部分研究使用TOPSIS模型時，將低碳經濟測度指標權重均等化，這個思路存在一個主要缺陷：不同指標對低碳經濟發展評價的貢獻度是一樣的，顯然這與現實狀況并不相符。因此，本研究使用熵權法來確定指標客觀權重，熵權模型計算過程可參見鄭鳴、陳福生（2012）[9]的文獻成果。不同于傳統TOPSIS方法的是，本論文選擇指標熵權進行進入決策矩陣，更有利于提高研究的客觀性。

表1 我國低碳經濟發展測度指標體系

現假設m個低碳經濟發展測度省份（0≤m≤30）、n個低碳經濟發展測度指標（0≤n≤20），現將理想解法的具體步驟分析如下：設定rij為第i個省（區市）第j個低碳指標的無量綱化值（1≤i≤m，1≤j≤n），將熵權矩陣定義為W=(w1,w2,Λ,wn)，則矩陣W與矩陣R共同構造為低碳經濟加權決策矩陣如下：

在（2）矩陣中，uij代表加權后的第i個省（區市）第j個指標的數值。由TOPSIS原理可得低碳經濟正向指標集J+的理想解和負理想解：

因此，根據第i個省區市指標值測算到低碳經濟理想解和負理想解的距離分別為：

最后，根據（5）式和（6）式可測算各樣本省區市與最優低碳經濟發展水平的相對接近度：

（7）式即為各省區市的低碳經濟發展能力測度值，在[0,1]區間內變動。相對接近度衡量的是省區市樣本到負理想解的距離占總距離①總距離即指樣本到理想解和負理想解的距離之和。之比，比值越大，則相對接近度越大，說明此省（區市）的低碳經濟發展越強，反之相對接近度越小，則說明此省（區市）的低碳經濟發展能力越弱。

表2 各省（區市）低碳經濟發展能力結果表

根據熵權法下的TOPSIS測算結果，可得到中國30個省區市的低碳經濟發展能力水平，如表2所示②因篇幅所限，其中理想解和負理想解、歐氏距離等測算過程在此省略。需要者可向作者索取。。全國低碳經濟發展能力平均值為0.2149，上海最高（0.6393），最低則為寧夏（0.1138）。我國各省（區市）低碳經濟發展能力的階梯化特征（四個梯隊的分界線為0.6，0.3，0.20）。不同區域板塊的低碳經濟能力不同，東部低碳經濟發展能力最強。低碳經濟發展客觀能力與省域生活環境主觀感受呈現較大的偏離，這是因為生活環境感受與低碳經濟發展能力是不同的概念導向，后者考慮到污染治理的投資能力和治理水平，同時也考慮到單位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”能力較強的指標。

三、金融支持低碳經濟發展的模型構建

（一）模型設定依據和變量選取

我國低碳經濟發展的金融支持效應不僅要從綠色產業產值（正向維度）上實證檢驗，而且要從溫室氣體排放量（負向維度）上實證檢驗。為了更加全面測度金融政策工具對低碳經濟的支持效應，本研究從“綠色產業產值的金融支持”和“溫室氣體排放治理③含二氧化碳、二氧化硫、氮氧化物、工業煙粉塵等四者的排放。單位：噸標準煤。的金融支持”兩個維度分別建立截面數據模型。針對第一個維度，本研究采用第三產業代表綠色產業，使用其產值對應的金融支持數據來設置解釋變量（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的金融支持力度來衡量，從單位碳排放對應的金融支持角度去設置解釋變量。

表3 模型變量選取說明表

現選取信貸余額（Loan）、證債券市場①證債券市場融資包括含債券市場的發債融資量。數據來源于WIND數據庫。融資（Capital）、保費收入（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證，即對應“綠色產業產值”和“溫室氣體排放治理”的研究維度。將因變量設定為低碳經濟發展能力指標，即用TOPSIS模型測度30個省區市低碳發展能力指數值來衡量，設定解釋變量4個和控制變量4個，詳見表3。

從理論上看，信貸余額和證債市場融資對低碳經濟發展能力的影響應該是正向的，保費收入影響則具有不一定性，這是因為對于一個經濟體來說，保險收費多并不是好事，產生的作用需要正反影響的反復均衡。同時，研究引入一個虛擬變量，即此省（區市）在最近三年內有無出臺金融支持低碳經濟發展的具體意見，若有則賦值“1”，若無則賦值“0”，以檢驗政策出臺對低碳經濟的發展是否具有有效作用。

另外，本研究選取四個控制變量進入模型，以控制前一期指標增長速度對當期低碳經濟支持的影響。從中國金融發展數據特征來看，前一期指標增長速度過大時，后一期指標數值必然會受到影響，這種影響在低碳經濟發展模型中必須予以控制，否則將會對金融支持效應測度產生不真實的“噪聲”。

（二）構建截面數據模型

基于前面模型思路和變量的分析，現將兩個維度的截面數據模型構建如下：

模型1：

模型2：

在上述兩個多元回歸模型中，被解釋變量Topi是第i省的低碳經濟發展能力；αi和βi分別是對應變量的系數，i∈[1,30]。gdpi,-1、gli,-1、gci,-1和gii,-1為兩個模型共用的4個控制變量，分別代表樣本時期前一年的GDP增速、信貸增速、證債券市場融資增速、保費收入增速。在模型1中，SLi、SCi和SIi是第一個綠色產業發展（正向維度）方程解釋變量；在模型2中，CLi、CCi和CIi是第二個溫室氣體排放（負向維度）方程解釋變量。Poli則是政策虛擬變量，代表著省區市有無出臺低碳經濟的金融支持政策或實施意見。

四、模型實證分析

（一）模型1實證結果分析

本研究選擇廣義矩（GMM）估計方法，而非OLS、TSLS、WLS、MLE等估計，這是因為本樣本數據難以符合正態分布的假設、存在可能的異方差情況。模型一的估計結果如表4所示，從結果來看，樣本數據對模型1調整后的擬合優度為0.537，較好地反映了模型的擬合性；各參數Wald檢驗為7.4583，高于聯合顯著性檢驗臨界值，說明方程符合參數約束條件。除gc(t-1)和gi(t-1)兩個變量之外，其他變量均在10%以上的顯著性水平區間內通過檢驗。

表4 模型1的GMM估計結果整理表

其中信貸（SL）、證債券市場（SC）對綠色產業（服務業）的融資覆蓋倍數與低碳經濟發展能力之間系數分別為0.257和0.235，呈現正向的推動促進關系。當信貸對綠色產業的融資覆蓋倍數提高1個點時，低碳經濟發展能力則提高0.157個點，反之則降低0.157個點；若中國證券債券對綠色產業的融資覆蓋倍數提高1個點，則低碳經濟能力提高0.135個點。但是，實證數據表明，保費收入（SI）對綠色產業的覆蓋倍數與低碳經濟發展能力之間卻呈現負相關關系，即保費收入與綠色產業之比越大，低碳經濟發展能力越小，這間接表明保費收入的增加對低碳經濟發展能力負面影響呈主導作用②從保險發展結構來看，保險業發展主要側重于壽險和財險，對于低碳經濟和環保領域的保險服務力度卻不盡如人意。故而此結論并不讓人覺得奇怪。。對于金融發展三方面結論的差異，本研究認為信貸投放和證券債券融資對綠色產業表現更多的是服務功能，保費收入雖然一定程度上代表著綠色產業的保障力度，但是更多表現為“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，系數為0.012，呈現微弱的正向激勵關系，這說明各省區市出臺的支持意見或政策并沒有顯現出預期的重要作用。對此，本研究則認為低碳經濟的金融支持意見還有待進一步落地生根，提高政策的實施力。不過，由于此模型已將信貸變量納入，現有金融支持政策本身就是通過信貸資源配置來實施，傳導效應更多從信貸投放變量進行影響。

此模型控制變量與低碳經濟發展能力主要表現為負向關系，與原有理論預期基本一致，上一期融資力度的增長速度會影響到當期融資力度，從而影響到綠色產業的融資服務力度。

（二）模型2實證結果分析

相比較模型1，模型2方程的擬合優度更加高，調整后R2為0.684，調整前R2為0.613，J-statistic為22.4379，說明金融發展指標對碳排放的覆蓋率能影響到低碳經濟發展能力，如表5所示。同樣，模型2的各參數Wald檢驗值為9.0281，各參數的聯合顯著性較強，通過參數約束條件檢驗。

同理，單位碳排放對應的證券債券融資量（CC）也與低碳經濟發展能力正相關，相應變動系數為1：0.085，影響效應低于信貸政策。本研究認為此結論與信貸政策更具有結構性有關，而證券債券融資政策的經濟結構調控作用要弱于信貸政策。

表5 模型2的GMM估計結果整理表

值得注意的是，單位碳排放對應的保費收入（CI）與低碳經濟發展能力指標呈現微弱正相關趨勢，這與模型1的結論是不一樣的。在碳排放此負向維度下，保險業對其收費比例應該越高越好，更好提高碳排放的污染保險強度。這表明，反映保險收入指標對低碳經濟發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濟發展能力影響更加大，達到0.173，高出模型1系數約0.061個點。表明在碳排放約束下省級機構出臺低碳經濟的金融支持政策呈現正向效應，更有利于優化低碳經濟項目投融資結構。從這個角度來看，考慮碳排放約束的金融支持政策比考慮第三產業產值約束的金融支持政策更加有效。對此結論，本研究認為是由于碳排放約束指標相對硬性量化、對發展低碳經濟更具有約束力等因素使然。

五、結論與建議

（一）主要結論

（1）對于金融支持低碳經濟發展來說，信貸支持比證（債）券市場融資、保險覆蓋等支持政策更具有影響力，具有較為明顯的促進作用。實證結果顯示，信貸投放對綠色產業（服務業）和碳排放的融資覆蓋倍數與低碳經濟發展能力之間系數分別為0.257和0.121，均高于證（債）券融資變量和保險覆蓋變量系數，呈現較強的正向促進關系。若信貸對綠色產業的融資覆蓋倍數提高1個點，低碳經濟發展能力則提高0.157個點；若單位碳對應信貸融資額提高1個點，則低碳經濟發展能力相應提高0.121個點。因此，信貸投放在推進結構調整、經濟低碳化方面發揮著主導性作用，信貸政策更具結構性支撐作用。

（2）保險覆蓋的擴大對低碳經濟發展具有兩面性，其支持效應表現方向取決于保險業的“收費汲取”和“賠付保障”之間的力量均衡。實證數據表明，保險發展對綠色產業的覆蓋倍數與低碳經濟發展能力之間呈現負相關關系（-0.207），即保費收入與綠色產業之比越大，低碳經濟發展能力越小。但是保險發展對碳排放的覆蓋倍數與低碳經濟發展能力指標卻呈現微弱正相關趨勢（0.014），這與前面的結論是不一樣的。此結論表現了兩個差異，一是保險發展與低碳經濟可能呈現負效應，與信貸、資本市場融資明顯不同；二是保險發展在正向、負向維度的不同約束環境下呈現不同的傳導效應。

對于此差異，本研究認為這可能與保費增長指標的兩面性直接相關。在綠色產業正向維度下，保險發展覆蓋的擴大雖然一定程度上代表著綠色產業的保障力度加大，但是更多表現為“能量汲取”作用，即總效應反而為負。但在碳排放負向維度下，保險業對其收費比例應該越高越好，更有利于提高碳排放的污染保險強度，加大風險賠付概率。因此，保險覆蓋支持效應表現方向取決于保險業的“收費汲取”和“賠付保障”之間的力量均衡，其增長對于低碳經濟發展并非好事。

（3）省（區市）出臺金融支持低碳經濟發展的政策意見或相關措施，對低碳經濟發展有正面作用，在考慮碳排放約束情況下此政策對低碳經濟發展能力的促進作用更加大。本研究引入了“省級機構有無出臺金融支持低碳經濟發展的意見措施”虛擬變量（1，0），在兩個模型中均通過顯著性檢驗。在綠色產業約束下的低碳經濟金融支持效應方程中，變量系數為0.014，說明出臺此類政策對低碳經濟表現微弱的正向促進作用，但并沒顯現出預期的重要作用。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濟發展能力正向影響相對更大，達到0.173，高出模型1系數0.059個點。從這個角度來看，考慮碳排放約束的金融支持政策比考慮第三產業產值約束的金融支持政策更加有效。對此結論，本研究認為在于“碳排放約束指標相對硬性量化、對發展低碳經濟更具有約束力”等因素使然。

（二）政策建議

（1）我國低碳經濟發展的金融政策應予以差異化，而非統一標準執行，不宜“照抄照搬”，不同省區市應以同梯隊省區市為參照標準制定金融政策。我國低碳經濟發展政策和考評不宜統一化、標準化，而應根據不同地區的低碳經濟發展能力不同而制定差異化的支持方案。由于四個梯隊的低碳經濟發展能力差距較大，其金融支持和監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地方低碳經濟發展實況而制定，切忌“照抄照搬”。對于同一個梯隊內省區市，低碳經濟的金融支持政策可以參照。故而福建省的參照對象應該是天津、海南、江蘇、浙江、云南、黑龍江等省市，以它們為參照物，制定支持低碳經濟發展的若干金融政策或產業政策。

（2）更加主動發揮信貸政策對低碳經濟發展的結構性調控作用，金融監管部門應加強信貸投放的數量調控和窗口指導，政府部門應為信貸政策支持低碳經濟創造條件。研究結論顯示，信貸政策與其他金融政策相比，更具有主導性的正向促進作用，在推進結構調整、經濟低碳化方面更具有結構性支撐作用。因此我國各地應更加主動發揮信貸政策對低碳經濟的結構性調控作用，為信貸政策實施提供良好的金融生態環境和配套扶持措施，這樣更可以加快低碳經濟發展能力的提升。本研究已證明，信貸政策支持低碳經濟發展更具效率，帶動效應更高。故而地方政府在低碳經濟硬性約束環境下，應高度重視信貸工具的低碳經濟發展杠桿效應。

（3）積極關注保險發展對低碳經濟發展能力的可能性負面效應，建議正確把握保險業對低碳經濟“收費汲取”和“賠付保障”之間的力量均衡，揚正抑負。研究結果表明保險發展與低碳經濟存在負向效應，因此建議保險政策在綠色產業發展方面加大優惠扶持力度，考慮適當調低保險費率，換取低碳經濟的長續發展。綜合考慮低碳經濟行業的風險，保險業應該有針對性提高低碳負向指標（越小越好）的污染保險強度，加大風險賠付概率。綜上，保險業應正確把握其對低碳經濟“收費汲取”和“賠付保障”之間的力量均衡，揚起“正能量”，抑制“負能量”。

（4）省區市出臺低碳經濟的金融支持意見時，建議將金融支持政策和碳排放約束指標進行掛鉤，以更能提高低碳經濟發展。不管是哪一種情況，省市出臺低碳經濟的金融支持政策或意見均具有正面促進作用，因此建議省區市可加強此類支持政策的出臺，進一步加強政策意見落地生根，提高實施力。另外，由于在碳排放約束下省級機構出臺低碳經濟的金融支持政策更具有正向效應，故而建議省區市將金融支持力度和碳排放約束指標進行掛鉤，提高碳排放在金融支持低碳經濟發展時的約束力，比如金融機構信貸審核時加強企業碳排放的量化審核等。

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

[2]馬軍，周琳，李薇.城市低碳經濟評價指標體系構建——以東部沿海6省市低碳發展現狀為例[J].科技進步與對策，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濟增長關系研究[J].河南科學，2013，（7）：1085-1088.

[6]遲國泰，閆達文.基于改進群組G1賦權的生態評價模型及省份實證[J].系統工程理論與實踐，2012，（7）：1464-1475.

[7]袁曉玲，雷厲，仲云云.低碳經濟評價指標體系構建及實證分析[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.我國商業銀行的系統重要性指數：一種新的評估方法[J].金融監管研究，2012，（10）：14-30.

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

（責任編輯：賈偉）

1003-4625（2014）11-0028-06

F832.0

A

2014-09-15

陳福生（1982-），男，江西贛州人，經濟學博士，研究方向：貨幣政策與金融市場。

注：不代表所在單位意見。