基于跨國數據的金融發展對綠色能源消費的影響研究

[摘 要]運用62個國家2000-2015年的面板數據，構建面板向量自回歸模型和動態面板模型，分析金融發展對綠色能源消費的影響。研究結果表明：金融發展與綠色能源消費之間存在單向格蘭杰因果關系，金融發展通過消費、產業和財富效應，促進綠色能源消費。但不同層面的金融發展指標對綠色能源消費的影響程度不同，金融發展對綠色能源消費的影響在經濟發展水平與資源稟賦等方面呈現出較強的異質性特征。

[關鍵詞]金融發展;綠色能源消費;國際比較;異質性分析

Abstract：Using the panel data of 62 countries from 2000 to 2015， the panel VAR model and dynamic panel model are constructed to empirically analyze the impact of financial development on green energy consumption. The results show that there is a one-way granger causality between financial development and green energy consumption. Financial development has a promoting effect on green energy consumption through consumption effect， industry effect and wealth effect. But the financial development indicators at different levels have different effects on green energy consumption. Additionally， the influence of financial development on green energy consumption presents strong heterogeneity in terms of economic development level and resource endowment.

Key words： financial development;green energy consumption;international comparison;heterogeneity analysis

一 引 言

近年來，隨著傳統石化能源加速枯竭及環境污染日益嚴重，綠色能源備受各界重視，它代表未來能源的發展方向，是能源消費革命的主要議題。由于金融發展是促進投資效率提升、資本累積及產業結構升級的重要途徑，能對一國能源消費總量和結構產生重要影響，因此，金融發展與能源消費之間的關系是能源經濟領域研究的重點問題。國內外文獻對金融發展與能源消費之間的關系展開了詳盡的研究，所得結論莫衷一是。大多數研究認為金融發展能夠促進能源消費。[1][2]其中，王振紅等認為金融發展對能源消費具有長期的正向影響效應;[3]王文波和劉洋認為通過促進金融發展與能源消費水平的提高，可以實現兩者間的協調發展，形成良性循環;[4]Baris et al.基于協整理論，確定了金融發展與可再生能源消費的長期均衡關系，發現金融發展是可再生能源消費的長期驅動力;[5]孫浦陽等認為金融發展能增加替代能源消費，減少可再生能源消費，改善能源消費結構;[6]穆獻中等發現北京市的金融信貸對清潔能源具有顯著的促進作用，因此政府部門在制定能源政策時，應充分考慮金融發展的影響。[7]

與之相反，鄭瑤等認為金融發展對能源消費具有顯著的長期負效應，中國應充分發揮金融在經濟增長中的作用，減少高污染能源消費，實現社會經濟的可持續發展;[8]劉曉瑞和孫濤認為金融發展能顯著抑制人均能源消費，在以經濟增長作為門檻變量時，發現當經濟增長水平高于門檻值時，金融發展對人均能源消費的抑制作用有所減弱;[9]陳志剛和郭夏月從信貸規模與金融業競爭的視角發現，金融發展與能源消費之間也存在顯著的門檻效應，并且二者之間存在著倒“U”型關系;[10]王思宇從宏、微觀方面闡述金融發展對能源消費的影響機制，提出這兩種機制的相對大小決定了綜合效應的觀點，并從實證分析中驗證了二者的倒“U”型關系。[11]

現有研究存在三個方面不足：一是大部分學者僅從實證角度研究金融發展與能源消費之間的關系，并沒有采用嚴格的數理模型推導二者之間的影響機制;二是基本上僅考察金融發展與某一能源消費之間的關系，鮮有研究金融發展對多種能源消費的影響;三是從國家或者地區層面考察金融發展與能源消費之間的影響因素居多，鮮有運用跨國數據進行實證考量。

二 理論模型與機理分析

（一）金融發展對綠色能源影響的數理模型構建

假設經濟體中存在非綠色產品部門1和綠色產品部門2，參照Acemoglu et al.[12]的思路，非綠色品（Y1t）由傳統技術生產，中間產品部門中的傳統品（Yct）由傳統技術生產，現代品（Ymt）由現代技術生產，綠色品（Y2t）由二者加總生產獲得，并滿足CES函數形式，三部門生產函數為[13]：

（二）金融發展對綠色能源消費的影響機理分析

金融發展在提高資金流動性的同時降低了借貸成本，從而整個社會將資金的供給者與需求者更緊密地聯系起來，使得投資人獲取資金的能力與資金的聚斂效率同時得到提高。隨著金融市場的投資以及社會經濟增長，金融發展可通過權益市場分散投資風險的方式來降低權益資產成本而增加投資，促使經濟增長。[15]金融發展還能提供信息服務，促使供給者和需求者間的信息透明化，提高選擇投資項目的效率[16]，并通過金融發展的資金再分配功能，將資金投入到生產效率更高的部門，提高金融和經濟的效率。

綠色能源前期發展需要大量的融資支持，通過金融市場的穩定資金支持，企業研發與推廣綠色能源技術得到保障，并通過信貸資金刺激方式，引導企業增加綠色能源消費，提高企業綠色能源使用效率。另外，金融市場的信貸發展水平能對綠色能源企業的投資規模和借貸成本產生直接影響，從而影響企業的利潤與生產規模。

三 實證模型設計和變量描述

（一）實證模型設計

本文建立一個從2000-2015年包含24個發達國家和38個發展中國家

發達國家包括：澳大利亞、奧地利、瑞士、捷克共和國、德國、丹麥、西班牙、芬蘭、法國、英國、希臘、愛爾蘭、以色列、意大利、日本、韓國、荷蘭、挪威、葡萄牙、沙特阿拉伯、新加坡、瑞典、美國。

發展中國家包括：阿根廷、玻利維亞、智利、中國、科特迪瓦、哥斯達黎加、厄瓜多瓦、加納、印度、冰島、牙買加、肯尼亞、斯里蘭卡、墨西哥、馬來西亞、尼日利亞、尼泊爾、巴基斯坦、巴拿馬、菲律賓、巴拉圭、泰國、特立尼達和多巴哥、土耳其、烏拉圭、巴西、哥倫比亞、阿拉伯埃及共和國、匈牙利、印度尼西亞、伊朗伊斯蘭共和國、約旦、盧森堡、摩洛哥、馬耳他、毛里求斯、阿曼、南非。在內的共62個經濟體的面板數據庫，橫截面估計使本文能夠利用較大的國家樣本和更多的變量。面板估計使本文能夠控制遺漏的或不可測的特定國家影響，以下模型是面板估計的簡化方程式：

（二）實證變量選擇

本文所使用的各類變量詳見表1。所選取的金融數據主要來自于世界銀行世界發展指標，能源數據來源于《BP世界能源統計年鑒》。為較全面反映綠色能源與金融發展的關系，選取的數據時限為16年;在保持數據較強完整性的前提下，融合一定比例的發達國家與發展中國家。

在實證研究中，本文選擇天然氣能源發電量、清潔能源（主要是水力和核能）發電量、可再生能源發電量分別占總發電量的比例來描述綠色能源（GE）的消費情況。由于綠色能源消費會受到各種金融發展指標的影響，本文用股票市場發達程度及信貸市場擴張程度來描述金融發展水平（FD）。21世紀以來，各國股票市場迅速發展，既可增加各國居民資產性收入，也可提高社會資產優化配置和資產流動性。另外，信貸市場擴張在優化資源配置的同時，增強了政府在金融發展中的能動作用。本文借鑒Beck et al.[18]的思路，選取四個指標表示金融發展水平。其中股票換手率反映出股票市場的投機活躍度與流動性，通過改善資本配置的方式，可推動經濟長期增長;股票市值占GDP比重反映出股票市場的規模與資本轉移和風險分散的能力之間呈正比關系[19]，因此股票市場的發達程度通過效率與規模這兩個方面展現。而信貸市場結構指標選取銀行部門私人信貸占GDP比重，以及政府和國有企業信貸占GDP比重，這兩個指標衡量了信貸市場中各類信貸機構的相對規模，隨著規模的擴大保障了信貸市場的高質量發展[20]，因此很好地描述其擴張程度。方程中引入一些宏觀控制變量，主要包括：消費者價格指數，城鎮人口占總人口比，被撫養人口占勞動年齡人口比，人均國內生產總值、投資自由度及自然資源租金總額占GDP比重。

（三）變量的描述性統計分析

表2為各變量的描述性統計分析結果。三類綠色能源發電比的最大值和最小值之間差距比較大，表明樣本國家之間存在綠色能源消費異質性;代表金融發展水平的四個指標差異也較大，說明樣本國家在金融發展上具有異質性。

借鑒潘偉和熊建武[21]的數據處理方法，將被解釋變量轉化為對數形式，結果如圖2所示。從圖2中看出，除了可再生能源發電比以外，其他兩類變量較為穩定。說明在樣本國家的觀察期內利用可再生能源（如液體生物質能、固體生物質能和生物沼氣）進行發電的占比在不斷增加。

四 計量結果分析

（一）面板單位根檢驗

為避免因數據非平穩性導致的“虛假回歸問題”，本文先對面板數據進行平穩性檢驗。出于穩健性考慮，分別采用5種面板單位根檢驗方法來判斷數據的平穩性，具體結果如表3所示。序列一階差分通過了顯著性檢驗，表明這12個變量序列都是I（1）過程，可進行協整檢驗。

（二）協整檢驗

在面板單位根檢驗的基礎上，根據Pedroni[22]協整方法進行檢驗，結果如表4所示。檢驗統計量均通過了顯著性檢驗，即強烈拒絕“不存在協整關系”的原假設。因此，一階差分后的被解釋變量分別和解釋變量之間存在長期協整關系。

（三）格蘭杰因果關系檢驗

由于協整關系僅反映被解釋變量與解釋變量之間存在長期穩定關系，需要進一步檢驗三類綠色能源消費與金融發展指標之間的格蘭杰因果關系，結果見表5。根據AIC、BIC和HQIC統計量最小準則來選擇合適的滯后期。從AIC、BIC和HQIC統計量結果顯示，選擇滯后三期為最佳滯后期數。

由表5可知，金融發展（FD）的四個指標分別與天然氣能源發電比、清潔能源發電比及可再生能源發電比存在單向因果關系，表明金融發展通過股票市場發達程度和信貸市場擴張程度分別對三類綠色能源產生促進作用。因此，樣本國家可通過金融市場對綠色能源發展的影響，有針對性地提出金融發展促進綠色能源產業發展的措施，為樣本國家綠色能源發展及其結構優化與轉型路徑提供參考依據。并且需要通過脈沖響應分析研究金融發展分別對三類綠色能源消費所產生的長期影響關系進行檢驗。

（四）脈沖響應函數

通過蒙特卡洛模擬方法進行1000次模擬，得到95%置信區間，滯后5期的脈沖響應圖。據此觀察金融發展與綠色能源消費變量間的長期動態關系，如圖3所示。

由圖3可知：1）天然氣能源方面，股票換手率、股票市值和銀行部門私人信貸對天然氣能源消費的沖擊響應為正向。但隨著響應期數的增加，股票市場對天然氣能源消費的沖擊響應一直維持在相對平穩水平，銀行部門私人信貸對天然氣能源消費的沖擊響應具有一定滯后性。政府和國有企業信貸對天然氣能源消費的沖擊響應具有一個由負向轉正向的過程，表明金融發展水平對天然氣能源消費具有顯著的正向影響作用。2）清潔能源方面，股票換手率以及股票市值對清潔能源消費的沖擊響應主要在滯后一期開始體現，沖擊程度隨著響應期數的增加呈現出小幅增長及穩定態勢，說明股票市場對清潔能源消費的影響具有一定的長期影響效應。銀行部門私人信貸、政府和國有企業信貸對清潔能源消費的沖擊響應都出現了在滯后一期達到峰值后持續降低的情況，說明信貸市場對清潔能源消費存在短暫的影響效應;同樣也表明股票市場和信貸市場可促進以清潔能源為主要燃料的相關產業發展。3）可再生能源方面，股票換手率對可再生能源消費的沖擊響應顯著為負，其原因是金融發展在促進綠色能源消費的同時，導致綠色能源供給彈性不足，所增加的綠色能源消費有一部分向可再生能源進行轉移。但是獲取的資金并未全部用于擴大可再生能源廠商的生產規模，而是通過增加股票的換手率流入股票市場，對可再生能源消費的滯后期產生的抑制作用較小。而股票市值以及銀行部門私人信貸、政府和國有企業信貸對可再生能源的沖擊響應也出現了在滯后期先增加達到最高值后降低的情況，說明股票市值及信貸市場對可再生能源消費存在短暫的影響效應。

（五）系統GMM估計結果

本文采用GMM估計進一步驗證金融發展與三類綠色能源消費之間的關系，表6的回歸結果顯示，關于模型的檢驗方面，AR（1）檢驗P值均小于0.05，說明差分后的殘差項存在一階序列相關;AR（2）檢驗P值均大于0.1，說明差分后的殘差項不存在二階自相關，可以接受 “殘差項無自相關”的原假設，符合模型條件。Sargan檢驗P值均大于0.1，無法拒絕“所有工具變量均有效”的原假設，說明殘差項與解釋變量不相關，工具變量的選取具有一定的合理性。

（六）區域異質性分析

經濟發展水平不同的國家存在著空間及資源要素的異質性，因此可進一步探討62個國家中，不同類型國家金融發展水平對綠色能源消費影響的異質性，其具體結果如表7、表8所示。

根據發展程度的回歸結果來看，第一，發達國家政府和國有企業信貸在天然氣能源、清潔能源與可再生能源上的回歸系數分別是0.026、0.006和-0.010，且都顯著;銀行部門私人信貸在三類綠色能源方面的估計系數分別在5%與1%的顯著性水平上為0.090、-0.085和0.166;從股票市值方面來看，僅清潔能源、可再生能源的回歸系數至少在10%的顯著性水平上分別是0.036和-0.004;股票換手率對三類綠色能源的回歸系數分別是-0.025、0.028、0.008，且都顯著。第二，發展中國家政府和國有企業信貸在天然氣能源、清潔能源與可再生能源上的回歸系數分別是0.082、0.024和0.028，而銀行部門私人信貸在三類能源方面的回歸系數分別是-0.047、0.124和0.237，且分別在1%的統計水平上顯著;從股票市值上來看，三類綠色能源方面的回歸系數分別是-0.102、0.016和0.044，且分別在1%與5%的統計水平上顯著;股票換手率僅對清潔能源、可再生能源的回歸系數是至少分別在5%的統計水平上顯著為0.029和0.014。

根據上述分析，發達國家的大部分信貸資金投入了與天然氣能源及可再生能源相關的行業，但與信貸市場相比，發達國家的股票市場中較大的一部分并不是流入與天然氣能源相關的行業，而是流入并不是投資者首選的利潤增長緩慢的長期項目，例如清潔能源的相關產業。這主要是源于產業效應的影響，說明發達國家希望通過股票融資的方式，獲取大量的資金支持，不斷加強對清潔能源的重視程度，實現對本國綠色能源消費結構改善的目標。而從發展中國家來看，資金首要集中在可再生能源行業，清潔能源行業次之，體現了發展中國家希望通過資金支持提高與發展可再生能源和清潔能源相關行業的生產技術，加快綠色能源的轉型升級，實現綠色能源的合理利用。

本文用自然資源租金總額占GDP比作為資源豐裕度進行分類，選取比重超過1的國家為資源豐富國家，其余為資源貧瘠國家。根據表8的回歸結果，發現資源豐富國家的政府和國有企業信貸在天然氣能源、清潔能源與可再生能源上的回歸系數分別是-0.006、0.112和0.032，且都顯著;銀行部門私人信貸對三類綠色能源的估計系數在至少5%的顯著性水平上為-0.014、0.170和0.146;從股票市值方面看，對天然氣能源、清潔能源、可再生能源的回歸系數在1%的顯著性水平上分別是0.031、0.037和-0.011;股票換手率對三類綠色能源的回歸系數分別是0.012、0.021和-0.003，且都顯著。其次，資源貧瘠國家的政府和國有企業信貸對僅天然氣能源和可再生能源的回歸系數顯著，在1%的顯著性水平上分別是0.095和0.007;而銀行部門私人信貸在天然氣能源、清潔能源與可再生能源方面的回歸系數分別是0.046、-0.046和0.152，且至少在5%的統計水平上顯著;從股票市值對三類綠色能源的回歸系數分別是0.008、0.029和0.039，且都顯著;股票換手率對三類綠色能源的回歸系數是至少在10%的統計水平上顯著為0.026、0.070和0.002。

資源豐富的國家其信貸市場較為活躍，對綠色能源產生了較強的正向影響效應;資源貧瘠的國家不論是股票市場還是信貸市場，對天然氣能源與可再生能源影響都是正向的。但是股票市場與信貸市場卻對清潔能源的影響方向完全相反，主要是由于消費效應的存在：通過股權融資方式，擴大清潔能源的生產規模，產生促進作用;而信貸市場中的大部分資金并未進入與清潔能源相關的實體經濟部門，因此產生了一定的抑制作用。

五 結論和政策建議

本文運用2000-2015年62個國家的面板數據，利用三類能源來表示綠色能源消費;以衡量股票市場發達程度和信貸市場擴張程度的金融指標作為解釋變量，通過面板向量自回歸模型和動態面板模型驗證金融發展對綠色能源消費的影響。研究結果表明：首先，金融發展分別與天然氣能源消費、清潔能源消費及可再生能源消費之間存在單向因果關系，金融發展對三類綠色能源消費具有顯著的促進作用;其次，通過系統GMM估計發現，金融發展對三類綠色能源消費產生顯著正向影響作用，且不同層面的金融發展指標對三類綠色能源消費的影響大小不同;最后，通過經濟發展程度及資源豐富程度的分類，利用系統GMM估計分析發現，發展程度不同的國家由于經濟發展水平及資源要素差異，信貸市場與股票市場對三類綠色能源消費的資金流向存在顯著的差異，從而導致金融發展對三類綠色能源消費的影響存在顯著的異質性。

在綠色能源備受重視的當下，無論是經濟發展水平處于任何階段的國家都應以自主創新方式驅動本國經濟的綠色發展。技術創新是促進綠色能源產業升級的關鍵。因此，本國政府能通過增加綠色能源的研發投入等政策，鼓勵企業實現技術瓶頸的有效突破，加快推進生產方式綠色化，促進綠色能源創新發展。對于發達國家，更應充分發揮金融在綠色能源發展中的積極作用，通過推動金融供給側結構性改革加快能源產業的綠色轉型升級。金融機構可通過推進金融產品的綠色創新，例如發行綠色股票等方式，加大對發展綠色能源技術的資金支持，解決發展綠色能源技術的融資約束問題，不斷推進技術研發、應用與推廣。對于發展中國家，可通過推進綠色能源結構調整與產業結構優化的方式，加快推廣天然氣能源，大力發展清潔能源及可再生能源。依托發展綠色能源產業的先進技術和理念，帶動傳統產業轉型升級，加速綠色能源產業結構優化升級。

[參 考 文 獻]

[1]Bataille C， Melton N. Energy Efficiency and Economic Growth： A Retrospective CGE Analysis for Canada from 2002 to 2012[J]. Energy Economics， 2017（64）：118-130.

[2]Ahmad A， Zhao Y H， Shahbaz M， Bano S， Zhang Z H， Wang S， Liu Y. Carbon Emissions，Energy Consumption and Economic Growth： An Aggregate and Disaggregate Analysis of the Indian Economy[J]. Energy Policy， 2016（96）：131-143.

[3]王振紅，王黎明，盛科榮. 金融發展和城鎮化對能源消費的影響機理研究[J].統計與決策，2014（17）：135-138.

[4]王文波，劉洋.金融發展、能源消費與經濟增長——基于系統耦合模型的實證分析[J].金融理論探索，2018（6）：3-14.

[5]Baris M E， Nigar T， Korhan K G. The Impact of Financial Development and Economic Growth on Renewable Energy Consumption： Empirical Analysis of India[J]. Science of the Total Environment， 2019（663）：189-197.

[6]孫浦陽，王雅楠，岑燕. 金融發展影響能源消費結構嗎？——跨國經驗分析[J]. 南開經濟研究，2011（2）：28-41.

[7]穆獻中，孔麗，余漱石.城市清潔能源消費、能源強度與金融信貸關系研究——基于北京市的經驗數據[J].生態經濟，2019（8）：146-152.

[8]胡宗義，鄭瑤.金融發展、對外貿易與能源消費——基于ARDL模型的實證研究[J].湖南大學學報（社會科學版），2016（4）：107-113.

[9]劉曉瑞，孫濤.金融發展對中國能源消費的動態經濟增長門檻效應[J].當代財經，2019（8）：48-57.

[10]陳志剛，郭夏月.金融發展影響中國能源消費的門檻效應分析[J].中國人口·資源與環境，2018（6）：11-19.

[11]王思宇.能源消費中金融發展的影響機制研究[J].重慶社會科學，2018（7）：15-26.

[12]Acemoglu D， Akcigit U， Hanley D， Kerr W R. Transition to Clean Technology[J]. Journal of Political Economy， 2016（1）：52-103.

[13]范慶泉.環境規制、收入分配失衡與政府補償機制[J].經濟研究，2018（5）：14-27.

[14]易信，劉鳳良.金融發展與產業結構轉型——理論及基于跨國面板數據的實證研究[J].數量經濟技術經濟研究，2018（6）：21-39.

[15]Bekaert G， Harvey C R， Lundblad C. Does Financial Liberalization Spur Growth？[J]. Journal of Financial Economics， 2005（1）： 3-55.

[16]Baier S L， Dwyer Jr， G" P Tamura R. Does Opening a Stock Exchange Increase Economic Growth？[J]. Journal of International Money and Finance， 2004（3）： 311-331.

[17]Arellano M， Bover O. Another Look at the Instrumental Variable Estimation of Error——Components Models[J]. Journal of Econometrics， 1995（1）：29-51.

[18]Beck T ， Demirgü-Kunt， Asli， Levine R . Financial Institutions and Markets Across Countries and Over Time： The Updated Financial Development and Structure Database[J]. The World Bank Economic Review， 2010（1）：77-92.

[19]李廣智，周沫，周宗安.金融發展的指標體系及其與經濟發展的關系[J].金融發展研究，2012（8）：11-18.

[20]于成永.金融發展與經濟增長關系：方向與結構差異——源自全球銀行與股市的元分析證據[J].南開經濟研究，2016（1）：33-57.

[21]潘偉，熊建武.電力消耗、經濟增長與CO2排放量的實證分析——基于中國面板數據[J].中國管理科學，2018（3）：152-159.

[22]Pedroni P. Panel Cointegration： Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis[J]. Department of Economics Working Papers， 2004（3）：597-625.