綠色金融的碳減排效應研究

陳美麗 周賽怡 胡麗艷

實現“雙碳”目標是我國新發展階段的一場重大變革，發展以綠色信貸為主體的綠色金融體系是推動“雙碳”變革的必然要求。鑒于此，本文基于2006—2019年中國30個省級地區的面板數據，對碳減排效應和影響機制進行實證研究，結果表明：綠色信貸顯著抑制了區域碳排放強度，并且可以通過產業優化效應間接實現其碳排放強度抑制作用;異質性分析結果可知，中部地區的綠色信貸碳減排效果相比東、西部地區更為顯著，綠色信貸僅對市場化欠發達地區擁有顯著的碳減排效應;各省份綠色信貸和碳排放強度存在顯著的正向空間依賴性，且碳排放強度的空間相關性隨著空間距離閾值的增大而逐漸縮小;綠色信貸發展對于區域碳排放強度存在正向的區域間溢出效應。

一、引言

我國政府在“十三五”規劃綱要中首次引入“綠色發展”理念，要求走綠色低碳發展道路。2020年9月，在第75屆聯合國大會上，我國向國際社會作出“2030年前實現碳達峰、2060年前實現碳中和”的莊嚴承諾。在“雙碳”目標框架下，大力發展綠色金融，以金融的思維、工具和辦法引導更多資源要素加速流向綠色低碳產業和領域，實現對產業轉型升級、構建綠色循環經濟體系的撬動和促進作用，這是金融供給側結構性改革的應有之義，也將成為未來金融建設發展的重要方向。

2012年，《綠色信貸指引》的發布，標志著綠色信貸政策的正式實施，該項政策優化了信貸結構，加大了對綠色經濟、低碳經濟以及循環經濟的支持。據央行數據顯示，截至2021年底，我國本外幣綠色貸款余額高達15.9萬億元，存量規模占據全球領先地位。綠色信貸作為我國目前規模最大的綠色金融產品，是否具有顯著的碳減排效應？如果有，是通過何種影響機制實現其節能減排效果？這種碳減排效果是否存在區域性差異？綠色信貸對碳排放強度是否存在空間溢出效應？本文基于2006—2019年中國30個省級地區的面板數據開展實證研究，可能的邊際貢獻為：一是系統研究綠色信貸對區域碳排放強度的影響并探討其作用機制;二是基于空間視角考察綠色信貸對區域碳排放強度的空間溢出效應。

二、文獻綜述

（一）關于綠色金融的經濟效果

綠色金融是指支持環境質量改善以及資金節約與有效運用的金融服務行為，其利用基金、碳金融、信貸等工具，把資本引入到環境保護、綠色低碳產業等項目中（王遙等，2016）。其中，綠色信貸是目前規模最大的綠色金融產品。

從宏觀層面看，效果主要聚焦于與宏觀經濟增長、產業結構的關系，主要有兩種觀點：一種觀點認為在長期均衡關系中，綠色金融抑制了宏觀經濟的發展（寧偉和佘金花，2014）;另一種觀點則認為綠色金融將社會責任和環境保護利益作為發展的核心，是推動綠色經濟發展的新增長點和新引擎（Liu et al.，2020）。從產業結構看，綠色信貸通過提高創新效率、優化能源結構（Lei et al.，2021），對地區經濟產生積極作用（李毓，2020）。從微觀主體看，從銀行視角出發，考察綠色信貸對于銀行金融績效、經營成本等方面的影響（Lian et al.，2022）;從企業視角出發，研究發現綠色信貸對于企業技術進步產生積極效應 （Chu et al.，2014），且該效應在民營企業中更加凸顯（孫焱林和施博書，2019）。

（二）關于碳排放的影響因素

碳排放的影響因素一直是近年來學者們關注的熱點問題。許多研究基于對數平均迪式指數分解法（魯萬波等，2013）、向量誤差修正模型（李凱杰和曲如曉，2012）、面板計量回歸方法（張克中等，2011）、空間計量方法（Cheng Yeqing et al.，2014）和門檻模型（李小帆和張洪潮，2019）等探討碳排放強度的影響因素。其中，魯萬波等（2013）研究發現能源強度和能源結構會對中國二氧化碳排放產生顯著影響;張克中（2011）從財政分權的視角出發研究得出分權度的提高會增加碳排放;李凱杰和曲如曉（2012）以全要素生產率表征技術進步探究技術進步與碳排放的關系，結果表明長期技術進步可以抑制碳排放;Cheng Yeqing（2014）等、李小帆和張洪潮（2019）研究表明城鎮化水平對我國碳排放強度具有重要影響;現有研究多從能源結構、科技創新、城鎮化水平、對外開放、經濟增長等視角考察碳排放強度的影響因素，但從綠色金融視角出發探究其碳減排效應的實證研究相對較少，仍存在一定缺口。

（三）關于綠色金融與碳排放

關于綠色金融與碳排放的相關研究，一部分研究注重于對當前中國綠色金融整體減排成效的評價（杜莉和鄭立純，2019），涉及綠色金融法制建設（Duan & Niu，2011）、跨國綠色金融合作（張偉偉等，2019）、碳金融市場發展（盧治達，2020）等研究領域。另一部分研究則側重綠色金融具體業務的碳減排效應，主要關注綠色信貸。綠色信貸政策能激發“雙高”行業內的退出重構與再配置，從而影響綠色信貸的資源再配置效應（Liu et al.，2019;陸菁等，2021）。蘇冬蔚和連莉莉（2018）研究指出，綠色信貸特有的融資約束和激勵作用能使信貸資金更多投入到節能環保型產業，而減少對環境有害型產業的投入。

通過上述對前人文獻的梳理可以發現，從綠色金融視角出發探究其碳減排效應的實證研究仍存在一定缺口，而且關注綠色金融碳減排效應的研究多限于理論層面的闡述，缺乏翔實的實證支撐。本文基于2006-2019年我國30個省份的面板數據，考察綠色信貸對區域碳排放強度的影響效應和作用機制，并分析其異質性影響和空間溢出效應，以期為中國未來制定更具針對性的綠色金融發展政策提供參考和建議，研究結果對于綠色信貸如何實現區域碳減排目標具有一定的理論和實踐意義。

三、理論機制和假說提出

綠色信貸政策可以通過借貸約束嚴格控制“兩高一剩”產業，倒逼此類企業提高節能技術水平，實現綠色轉型，以此推動產業結構優化升級。也就是說，綠色信貸政策能通過產業優化效應實現區域碳減排作用。

產業優化升級是降低區域碳排放強度、實現節能減排并改善生態環境的重要途徑。綠色信貸政策引導銀行信貸配置于不同類型企業，引導資本在不同產業之間流動，從而控制“兩高一剩”產業發展。比如，對“兩高一剩”產業征收帶有懲罰性質的利率，使其融資成本上升、融資規模受限，將有助于引導清潔能源代替傳統能源、節能環保項目代替能源浪費項目，淘汰高污染、高能耗產業，使得金融資源從污染型企業流向清潔型企業，推動地區產業結構實現優化升級。

綜上所述，本文提出如下研究假設：

假設1：綠色信貸投放規模的增加能顯著抑制區域碳排放強度;

假設2：綠色信貸可以通過產業優化效應抑制區域碳排放強度。

四、研究設計

（一）模型設定

為檢驗綠色信貸對區域碳排放的影響，構建如下基準回歸模型：

其中，i代表地區，t代表年份，被解釋變量CIit為各省市的碳排放強度，核心解釋變量GCit表征各省市的綠色信貸發展規模，回歸系數a1即反映了綠色信貸對于區域碳排放的影響，Xit為一組控制變量，為個體（地區）固定效應，為時間固定效應，則為隨機擾動項。

為進一步檢驗產業結構優化效應在綠色信貸抑制區域碳排放強度的過程中是否承擔中介變量作用，參考溫忠麟（2014）的中介效應分析方法，構建如下中介效應回歸模型：

其中，式（2）為綠色信貸關于中介變量的回歸模型;式（3）則為綠色信貸和中介變量對區域碳排放強度的線性回歸模型。表示中介效應，即表示綠色信貸通過影響中介變量間接影響區域碳排放強度。

（二）變量定義及測度

1.被解釋變量，碳排放強度（CI）。碳排放強度是指單位經濟產出所需的碳排放量，能夠有效地反映出一個國家或地區經濟發展、能源利用效率以及技術進步的水平，并且該指標在符合減少碳排放要求的同時還能兼顧保證經濟增長的前提，是適用于發展中國家衡量碳減排效應的最佳指標之一（Jotze F et al.，2007;孫傳旺等，2010）。本文各地區的碳排放量依據IPCC提供的碳排放系數法進行測算，公式如下所示：

其中，i、j分別表示不同能源種類和不同地區;Eji表示地區j第i種能源的消費量，能源種類包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣和天然氣共9種能源;fi表示該能源的標準煤折算系數;Ci表示該能源的二氧化碳排放系數;Tj則表示各地區測算所得的碳排放量。然后，本文以各地區碳排放量與GDP的比值表示各個地區的碳排放強度，以符號CI進行表示，即

2.核心解釋變量，綠色信貸（GC）。由于當前缺乏直接反映省級地區綠色信貸規模的相關數據，大多采用間接方法衡量綠色信貸指標，但銀行綠色信貸數據存在不完整性、不同銀行或同一銀行不同時期的數據統計口徑不統一的問題。因此，本文借鑒謝婷婷和劉錦華（2019）、趙娜（2021）的做法，在其基礎上進行反向處理，以（1-各地區六大高能耗產業利息支出占工業產業利息總支出比重）作為綠色信貸的表征變量，以符號GC表示。該指標值越大，表示流入高能耗重污染產業的信貸資源越少，即綠色信貸規模越大。

3.中介變量。本文選取產業優化效應（ISO）作為中介變量，并參考干春暉等（2011）的做法，選取各地區第三產業產值占第二產業產值的比重來衡量產業結構高級化，簡記為符號ISO。

4.控制變量。為減少因遺漏變量而導致的內生性問題，參考有關碳排放強度影響因素的文獻研究，本文所選取的可能對碳排放強度產生影響的控制變量分別為：（1）人口規模（PS），選取各地區年末人口總數并對其取對數進行表征;（2）經濟發展水平（ED），選取地區GDP的自然對數進行表征;（3）能源結構（EI），選取煤炭消費量占能源消費總量的比值進行表征;（4）對外開放程度（DO），選取各地區進出口總額占GDP的比值進行表征;（5）城鎮化水平（UR），選取各個地區的城鎮人口與總人口的比值進行表征。

（三）數據來源

本文以中國30個省（自治區、直轄市）作為研究地域，考慮到數據的可獲取性和時間一致性，選取2006-2019年的面板數據作為研究樣本。其中，西藏、臺灣、香港和澳門由于數據缺失較為嚴重的問題，予以剔除。2007年，我國正式提出“綠色信貸”概念并開始試點，2012年正式實施綠色信貸政策。本文所選取的樣本時期涵蓋了綠色信貸政策實施前、開始試點和全面推廣的完整階段。數據主要來源于《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》等公開權威年鑒。各變量的描述性統計分析結果如下表1所示。

五、實證檢驗

（一）基準回歸結果

在對基準回歸模型進行檢驗之前，需要進行豪斯曼檢驗以判斷選擇固定效應模型還是隨機效應模型，結果顯示豪斯曼檢驗的卡方值為19.21，p值為0.0075，表明強烈拒絕隨機效應模型而選擇固定效應模型進行分析。下表2報告的基準回歸結果顯示，綠色信貸（GC）的回歸系數顯著為負，這表明綠色信貸會對區域碳排放強度產生顯著的抑制效應，即基準回歸結果初步驗證了本文的研究假設H1。

（二）穩健性檢驗

1.滯后回歸檢驗。考慮到綠色信貸政策對區域碳排放強度的影響可能存在滯后性，本文使用綠色信貸（GC）的一階滯后項（GCt-1）替代原核心解釋變量進行回歸，以探究滯后一期的綠色信貸是否會影響當期的碳減排效應，在一定程度上弱化了反向因果問題。檢驗結果如下表3第（1）列所示，滯后一期的綠色信貸與二氧化碳排放強度存在負向相關，且在5%水平上顯著，該結果證實了基準回歸結論具有穩健性。

2.政策沖擊檢驗。2007年7月12日，國家環境監管部門、中國人民銀行、銀行業監管部門首次聯合出手，出臺了《關于落實環境保護政策法規防范信貸風險的意見》，就進一步貫徹我國環境保護法規，促進企業節能減排所制定的重要政策。本文選取此政策作為外生沖擊事件，檢驗綠色信貸對區域碳排放強度的影響，以模型（3）為依據進行檢驗：

本文在模型中引入政策虛擬變量（PO）以檢驗綠色信貸政策實施對于區域碳排放強度的影響效應。將政策實施前的年份取值為0，政策實施后的年份取值為1，模型檢驗結果如下表3第（2）列所示。由表中結果可知，政策虛擬變量（PO）的回歸系數顯著為負，這表明選用綠色信貸政策來檢驗綠色信貸與區域碳排放強度之間的因果關系，同樣證實了基準回歸結論的穩健性，即綠色信貸對碳排放強度具有顯著的抑制效應。

（三）異質性分析

1.城市區位異質性。不同地區在經濟發展水平、政策實施規劃等方面差異性較大，這些差異性特征可能使得綠色信貸發展的節能減排效應產生異質性影響。因此，為了檢驗這種異質性影響以便在不同地區實施更具針對性的綠色信貸政策，本文將我國共30個省份劃分為中部、西部和東部地區，進行不同區域的分樣本回歸分析。檢驗結果如下表4所示，可以發現，綠色信貸僅在中部地區對碳排放強度有顯著的抑制效應。可能的原因是，中部地區對于傳統資源的依賴度高于東部、西部地區，經濟發展相對緩慢，且碳排放強度明顯高于東部地區。而綠色信貸有助于銀行信貸更多地投入到具有較高生產效率和創新績效的綠色產業中，使得那些造成環境污染和能源浪費的高污染、高能耗企業不再長期占用有限的金融資源，取而代之的是采用清潔生產技術、少投入、低污染的節能環保型企業，有利于降低區域碳排放強度。同時，實證結果也表明，綠色信貸的碳排放強度抑制效應在中部地區能發揮更大的邊際效用。

2.市場化程度異質性。處于不同市場化程度的區域，其產業優化水平不同，綠色信貸的碳排放強度抑制效應也可能存在一定的差異性。為了更有針對性地考察處于不同市場化程度的區域綠色信貸碳減排作用的差異性，本文對市場化程度異質性進行檢驗，結果如下表4所示，在市場化程度低的區域，綠色信貸的系數顯著為負;而在市場化程度高的區域，綠色信貸的系數則不顯著，這表明綠色信貸對二氧化碳排放強度的抑制效應僅在市場化程度低的區域中表現顯著。造成這一現象可能的原因是，由于綠色信貸規模的增加，市場化程度處于較低水平的地區獲取了大量低碳節能項目發展所需要的資金支持，這些資金支持為企業開展綠色技術創新活動提供了動力，從而有效控制了二氧化碳排放。

六、機制分析

前文論證了綠色信貸對區域碳排放強度的直接影響，接下來本文將進一步探討綠色信貸碳減排效應的作用機制。依據前文所構建的中介效應模型，本文采用逐步檢驗法驗證中介效應（產業優化效應）是否存在。回歸結果如下表5所示，綠色信貸對產業優化效應的回歸系數顯著為正，表明綠色信貸的增加會促進產業結構優化升級;在同時加入綠色信貸和產業優化效應的變量后，綠色信貸對碳排放強度的回歸系數有所降低，且系數的顯著性水平也發生變化，這說明產業優化效應在綠色信貸抑制區域碳排放強度作用中發揮部分中介效應，且中介效應值為-0.082。在綠色信貸投放規模增加的背景下，各地區通過借貸約束和融資激勵倒逼高污染、高能耗產業綠色轉型，實現地區產業優化升級，進而達到抑制碳排放強度的作用，驗證了假說2。

七、空間溢出效應

考慮到不同省份綠色信貸和碳排放強度可能存在空間相關性，本文進一步構建空間計量模型考察綠色信貸對區域碳排放強度的空間溢出效應。構建二元鄰接矩陣作為空間權重矩陣，采用Morans I指數對綠色信貸和碳排放強度進行全局空間自相關分析，并計算不同空間閾值下的碳排放強度以深入分析其空間關聯特征，結果如下表6所示。由表中結果可知，各省份綠色信貸和碳排放強度存在較強的正向空間依賴性，且隨著空間距離增大，Morans I指數逐漸減小，即不同省份的碳排放強度呈現小范圍集聚特征。

基于空間相關性分析結果，本文接下來構建空間計量模型考察綠色信貸對碳排放強度的空間溢出效應。依次進行Hausman檢驗、雙固定效應檢驗以及空間計量模型簡化檢驗，最終選擇控制時空雙固定效應的SDM，回歸結果如表7所示。由表中結果可知，綠色信貸的空間滯后項顯著為正，且綠色信貸對碳排放強度的區域間溢出效應顯著為正，即某地區碳排放強度不僅受到本地區綠色信貸發展的影響，還會受到鄰近地區綠色信貸空間交互作用的影響，且該地區綠色信貸投放規模的增加會使得鄰近地區碳排放強度增強。可能的原因是綠色信貸的借貸約束和融資激勵使得本地區節能環保企業得到政策扶持實現進一步發展，而污染型企業的發展則受到限制，可能會向鄰近省份進行轉移，從而導致鄰近地區碳排放強度升高。

八、結論和建議

本文基于2006-2019年30個省份的面板數據探討綠色信貸對區域碳排放強度的影響效應和作用機制，研究結果表明：第一，綠色信貸能夠顯著降低區域碳排放強度，且經過穩健性檢驗，基準回歸結果仍然成立;第二，綠色信貸通過產業優化效應間接實現其碳排放抑制作用;第三，在城市區位異質性分析中，中部地區的綠色信貸碳減排效果相比東、西部地區更為顯著;在市場化程度異質性分析中，綠色信貸的碳減排效應存在明顯差別，僅對市場化欠發達地區擁有顯著的碳減排效應;第四，各省份綠色信貸和碳排放強度存在較強的正向空間依賴性，且不同省份的碳排放強度呈現小范圍的集聚特征，即空間相關性隨著空間距離增大而逐漸縮小;第五，綠色信貸發展對于區域碳排放強度存在正向的區域間溢出效應。基于上述觀點，提出建議：

一是積極推廣綠色信貸政策，擴大綠色信貸投放規模。國家相關部門應加快完善相關法律制度以及政策激勵與協調措施，保障各區域綠色信貸政策的順利實施，推動綠色信貸的碳減排效應達成持續性作用。此外，還可以建立健全綠色信用考評體系，加強企業層面的宣傳和培訓，大幅增強企業環境責任意識和守法意識，加強社會監督和公眾參與，架起企業和公眾溝通環境信息的橋梁。

二是充分考慮綠色信貸異質性特征，因地制宜出臺精準化金融信貸政策。各地政府應根據本地經濟發展特征和市場化水平制定符合區域實際的政策實施細則，對區域資源進行合理布局和動態調配。此外，還可以建立綠色信貸政策和環境協同治理的跨區域聯動機制，依托數字技術建立跨區域聯合污染減排信息共享平臺，樹立區域整體意識，加強區域間環保合作。

三是建立健全綠色金融激勵體系，著力提升綠色金融專業能力。各地區、各部門應用好央行支持低碳項目大規模再貸款機制，積極爭取更低成本、更長期限的信貸資金。此外，還可以建立健全綠色融資渠道體系，推動政府投資基金布局綠色低碳領域，擴大綠色融資覆蓋面。

參考文獻：

[1]杜莉，鄭立純.我國綠色金融政策體系的效應評價——基于試點運行數據的分析[J].清華大學學報（哲學社會科學版），2019，34（1）：173-182+199.

[2]干春暉，鄭若谷，余典范.中國產業結構變遷對經濟增長和波動的影響[J].經濟研究，2011（5）：4-16.

[3]李凱杰， 曲如曉. 技術進步對中國碳排放的影響——基于向量誤差修正模型的實證研究[J].中國軟科學， 2012（6）： 51-58.

[4]李毓，胡海亞，李浩.綠色信貸對中國產業結構升級影響的實證分析——基于中國省級面板數據[J].經濟問題，2020（01）：37-43.

[5]李小帆，張洪潮.產業集聚對碳排放的影響研究——以城鎮化水平為門檻的非線性分析[J].生態經濟，2019，35（10）：31-36.

[6]陸菁，鄢云，王韜璇.綠色信貸政策的微觀效應研究——基于技術創新與資源再配置的視角[J].中國工業經濟，2021（1）：174-192.

[7]魯萬波， 仇婷婷， 杜磊. 中國不同經濟增長階段碳排放影響因素研究[J]. 經濟研究， 2013， 48（4）： 106-118.

[8]盧治達.碳金融對資源型產業低碳化的影響研究——基于CDM的實證研究[J].金融理論與實踐，2020（11）：57-62.

[9]蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業的投融資行為？[J].金融研究，2018（12）：123-137.

[10]孫傳旺，劉希穎，林靜.碳強度約束下中國全要素生產率測算與收斂性研究[J].金融研究，2010（6）：17-33.

[11]孫焱林，施博書.綠色信貸政策對企業創新的影響——基于PSM-DID模型的實證研究[J].生態經濟，2019，35（7）：87-91+160.

[12]寧偉，佘金花.綠色金融與宏觀經濟增長動態關系實證研究[J].求索，2014（8）：62-66.

[13]王遙，潘冬陽，張笑.綠色金融對中國經濟發展的貢獻研究[J].經濟社會體制比較，2016（6）：33-42.

[14]溫忠麟，葉寶娟. 中介效應分析：方法和模型發展[J]. 心理科學進展， 2014， 22（05）： 731-745.

[15]謝品杰，黃晨晨.基于經濟周期視角及灰色理論的我國碳排放強度影響因素分析[J].工業技術經濟，2015（10）：137-143.

[16]謝婷婷，劉錦華.綠色信貸如何影響了中國的經濟增長率[J].中國人口·資源與環境，2019（9）：83-90.

[17]嚴成樑，濤，蘭偉.金融發展、創新與二氧化碳排放[J].金融研究，2016（1）：14-30.

[18]殷賀，王露，劉楠楠.綠色信貸與碳排放：減排效果與傳導路徑[J].環境科學與管理，2019，44（11）：9-14.

[19]張克中， 王娟， 崔小勇. 財政分權與環境污染：碳排放的視角[J]. 中國工業經濟， 2011（10）： 65-75.

[20]張偉偉，李天琦，高錦杰.“一帶一路”沿線國家綠色金融合作機制構建研究[J].經濟縱橫，2019（3）：63-71.

[21]趙娜.綠色信貸是否促進了區域綠色技術創新？——基于地區綠色專利數據[J].經濟問題，2021（6）：33-39.

[22]Acheampong A O， Amponsah M， Boateng E. Does Financial Development Mitigate Carbon Emissions？ Evidence from Heterogeneous Financial Economies [J]. Energy Economics， 2020： 88.

[23]Cheng Yeqing， Wang Zheye， Ye Xinyue， Wei Yehua Dennis. Spatiotemporal dynamics of carbon intensity from energy consumption in China[J]. Journal of Geographical Sciences， 2014， 24（4）：631-650.

[24]Duan Jin，Niu Mengqi. The paradox of green credit in China[J]. Energy Procedia，2011，5（C）：? 1979-1986.

[25]Hyunjin Kang，Se-Youn Jung，Heeseok Lee. The impact of Green Credit Policy on manufacturers efforts to reduce suppliers pollution[J]. Journal of Cleaner Production，2020，248（C）：119271.

[26]Jotze F.，Pezzey J. C. V.Optimal intensity targets for greenhouse gas emissions trading under uncertainty[J].Environmental Resource Economy，2007，38（2）：259-284.

[27]Lei Xiaodong，Wang Yanli，Zhao Dongxiao，Chen Qi. The local-neighborhood effect of green credit on green economy： a spatial econometric investigation.[J]. Environmental science and pollution research international，2021，28（46）： 65776-65790.

[28]Lian Yonghui and Gao Jieying and Ye Tao. How does green credit affect the financial performance of commercial banks？——Evidence from China[J]]. Journal of Cleaner Production， 2022， 344.

[29]Nana Liu， Chuanzhe Liu， Yufei Xia，Yi Ren，Jinzhi Liang. Examining the Coordination Between Green Finance and Green Economy Aiming for Sustainable Development： A Case Study of China[J]. Sustainability，2020，12（9）：3717.

[30]Paul Thompson. Bank lending and the environment： policies and opportunities[J]. International Journal of Bank Marketing，1998，16（6）：243-252.

[31]Won-Shik Chu，Doo-Man Chun，Sung-Hoon Ahn. Research Advancement of Green Technologies[J]. International Journal of Precision Engineering and Manufacturing，2014，15（6）：973-977.

[32]Xinghe Liu，Enxian Wang，Danting Cai. Green credit policy， property rights and debt financing： Quasi-natural experimental evidence from China[J]. Finance Research Letters，2019，29：532-545.

作者單位：陳美麗，浙江金融職業學院講師，碩士;周賽怡，上海大學經濟學院研究生;胡麗艷，上海大學經濟學院研究生。