中國綠色金融發展的時空格局變遷與關聯網絡演化

李云燕，張 碩

(北京工業大學 經濟與管理學院，北京 100124)

一、引言

綠色金融作為金融供給側結構性改革的重要組成，同時也是實現金融系統與生態系統良性互動、經濟效益和環境效益相互促進的重要手段，不僅肩負著增強現代金融體系適應性、競爭力和普惠性的重要職責，還能為探索綠色復蘇道路、培育新的經濟增長點、增強經濟可持續性匯聚強勁動力，在服務綠色轉型、助力實現“雙碳”目標過程中扮演著關鍵角色。長期以來，中國各地區在經濟基礎、金融市場、地緣交通、資源稟賦等方面存在著較大差異，發展綠色金融的條件也不盡相同，導致區域間綠色金融發展水平參差不齊，部分省(市)亦缺乏發展綠色金融的意識和積極性[1]。然而，在全國“一盤棋”的大背景下，綠色金融發展水平區域差異過大不利于綠色金融頂層設計、標準體系、配套政策，以及相關法律法規在全國范圍內的推廣與實施，區域之間難以形成系統性合力，滯緩了整個經濟社會的綠色低碳轉型。因此，客觀分析中國綠色金融發展的空間關聯結構與演進規律，明確各地區在空間關聯網絡中所處的地位與作用，不僅是科學布局綠色金融發展戰略空間，促進區域綠色金融資源有效整合與合理配置，實現綠色金融空間協同發展的關鍵所在，同時也是推進生態文明建設，確保“碳達峰”與“碳中和”目標順利達成的重要前提。

二、文獻回顧

與本文研究內容直接相關的文獻大致可分為以下幾類：①綠色金融的表征方式。部分學者以綠色信貸、綠色投資、綠色債券等單一指標作為研究對象，對其展開績效評估或探討其對經濟高質量發展、生態環境保護、企業創新與投資等方面的影響[2-5]。也有學者基于綠色金融政策視角，通過構造準自然實驗來考察其對商業銀行運行、企業發展、經濟綠色轉型等方面的作用效果[6-8]。隨著近年來綠色金融標準體系趨于完善，更多學者嘗試從綠色信貸、綠色證券、綠色投資、綠色保險、碳金融等多維度構建綜合指標對綠色金融進行表征[9-11]。②綠色金融水平測度及其時空分布特征。有研究表明，中國的綠色金融發展水平一直處于上升態勢，但由于體制機制不完善、金融資源稟賦差異等諸多因素的存在，導致綠色金融表現出區域發展的不協調，與經濟發展水平有著較高的相關性[12-13]。然而有新的研究指出，得益于相關政策的實施落地，中國綠色金融發展水平的區域差異呈現縮小趨勢[1]。此外，也有學者從效率的角度對綠色金融展開測算與評價，所得的結論大致相同[14]。對于綠色金融的時空特征，為數不多的研究人員側重考察綠色金融水平的時空演化結果，如LV等(2021)在測算中國綠色金融水平的基礎上，從四大區域視角分析了綠色金融的演進趨勢，發現綠色金融呈現俱樂部融合現象[1]，ZHOU和TANG(2022)也得出了相似的結論[15]。然而，以上研究普遍缺乏對于綠色金融空間格局分布形態以及重心遷移路徑的探索。③綠色金融的影響因素可分為內源性因素與外源性因素兩個方面。內源性因素方面，有觀點認為綠色信貸作為綠色金融的主要融資方式，對綠色金融的發展成效起著決定性作用[16]。此外，碳金融的興起與碳市場的建立也給予綠色金融以新的內涵，但中國碳金融發展尚處起步階段，面臨碳市場不活躍、覆蓋行業與交易主體較為單一、法律定位缺失等問題[17]。關于外源性因素方面的討論較少，為數不多的研究也只是考察了綠色金融與政策激勵、金融基礎、環境污染之間的作用關系[18]，在此過程中，亦有學者通過構建空間矩陣，運用空間相關性分析工具與空間計量模型來剖析綠色金融的空間關聯與溢出效應。如HUANG等(2022)利用莫蘭指數證實了綠色金融存在空間尺度上的正相關，并建立空間計量模型測度了自相關系數，發現本地綠色金融發展會受到周邊地區的正向溢出[13]。LEE等(2023)在探究綠色金融與可再生能源之間的關系時，也得出了類似結論[19]。然而，他們均側重于全局或局部區域內部關系的刻畫，對于不同區域或省份之間綠色金融發展互動關系的討論不夠充分。

梳理文獻發現，學界關于綠色金融的研究成果漸趨豐富，但對以下幾個方面的探討尚有不足。第一，對于綠色金融時空格局變遷的分析范式較為單一。在對綠色金融時空演變特征進行分析時，諸多學者側重于綠色金融時空分布格局的考察，較少關注位于不同水平區間省份的動態演化過程，同時也缺乏對于綠色金融熱點遷移路徑以及離散趨勢的動態刻畫。第二，鮮有研究基于“關系數據”對綠色金融的空間關聯發展進行探討。多數學者運用莫蘭指數與空間計量模型對綠色金融發展的空間關聯關系展開研究，只能粗略驗證全局或局部區域的空間相關性，無法識別多省份之間、各區域之間關聯發展關系的強弱與方向，各省份、區域在綠色金融發展空間關聯網絡中所處的位置、承擔的作用，以及扮演的角色亦無法得到充分的反映。

鑒于此，本文嘗試構建綜合指標體系來測度中國省域綠色金融指數，對綠色金融發展的時空分布格局、熱點區域遷移與離散趨勢進行系統探討，隨后構建修正的引力模型測度了省域綠色金融發展的關聯強度，并利用社會網絡分析方法探索綠色金融發展的空間關聯網絡及其演化特征。邊際貢獻在于：①區別于既有文獻，本文運用傳統核密度與動態核密度估計綜合考察了中國綠色金融發展的時空格局變遷，并在此基礎上，探討了綠色金融熱點區域的遷移路徑與離散趨勢，拓展了綠色金融發展格局時空演變的分析范式與研究思路。②本文基于“全局網絡”與“關系數據”視角，構建中國綠色金融發展的空間關聯網絡，系統刻畫了各省域、各區域之間綠色金融空間關聯發展的動態關系，彌補了現有文獻多基于“屬性數據”運用空間計量模型探究綠色金融空間關聯效應時，普遍無法識別各地域單元之間綠色金融關聯發展方向與溢出強度的研究空白。并據此理清了各省份、各區域在綠色金融發展空間關聯網絡中所處的位置、承擔的作用，以及扮演的角色，為進一步縮小區域綠色金融水平差距，促進實現綠色金融的空間協同發展提供了理論依據。

三、研究方法與數據來源

(一)研究方法

1.定基極差熵權法

運用傳統熵權法進行指標評價時，通常以每一年的截面數據作為參考系，最終測算結果不具備時間維度的縱向可比性。定基極差熵權法作為極差標準化熵權法與定基極差法的組合方法，運用極差熵權法確定指標權重，定基極差法則以某一固定年份為參考基準對數據進行標準化處理，最終將權重與標準化處理后的數據進行匯總求和，所得結果具有橫向與縱向可比性。因此，本文運用定基極差熵權法對中國省域綠色金融指數進行測算，公式可參考文獻[20]，此處不再贅述。

2.核密度估計

核密度估計(KDE)能夠利用平滑連續的密度曲線對隨機變量概率密度進行估計，由于其不過多依賴模型和參數設定且估計結果具備較好的穩健性，被廣泛應用于空間非平穩性估計的研究中。本文中，核密度曲線沿縱軸的分布位置、波峰高度與寬度、波峰數目與分布延展性分別代表各省份綠色金融指數水平、集聚特征、極化趨勢與差異程度。f(a)為隨機變量A的密度函數在點a的概率密度，n為省份個數，h為帶寬，K(·)為高斯核函數。

(1)

(2)

條件核密度估計是在傳統核密度估計的基礎上加入時間和空間因素，對隨機變量的概率密度進行估計，能夠測算某一地區狀態變換的概率密度，可用于探究各地區一段時期后概率分布的變化趨勢。本文主要利用非空間條下的動態核密度估計來考察各省區綠色金融指數在不同數值區間的動態演進過程，暫不考慮空間條件下的靜態與動態演化趨勢。f(a，b)為a和b的聯合概率密度，g(b|a)為a條件下b的分布狀態。

(3)

(4)

3.標準差橢圓

標準差橢圓(SDE)是揭示經濟地理要素空間分布方向性特征的經典統計方法[21]。在本文中，旨在運用此方法，對樣本期內中國綠色金融發展的重心遷移軌跡與離散趨勢進行刻畫與探討。所涉參數計算公式如下。

(5)

tanθ=

(6)

(7)

4.修正的引力模型

構建中國綠色金融發展關聯網絡的前提是要確定各省份間的空間關聯關系。學界一般將VAR因果檢驗與修正的引力模型用于空間節點之間關聯關系的測算，VAR檢驗方法的時滯敏感性會損失較多的自由度，適合用于長時間序列的因果分析，相比VAR模型，引力模型綜合考慮了經理地理因素，能夠有效刻畫空間關聯關系的演進趨勢。參考劉小瑜和余海華(2020)的研究[22]，運用引力模型對中國省域綠色金融空間關聯關系進行考察，同時采用各省份綠色金融指數對空間關聯的貢獻度進行修正，以此區分空間關聯關系的方向。

(8)

其中，Rij表示省份綠色金融關聯關系，kij為修正系數，Gi、Gj分別為省份i、j的綠色金融指數，Dij為利用Arcgis軟件計算的兩省質心點間的球面距離，參考相關研究，將距離衰減指數設置為2[23]。由上式測算出中國省域綠色金融發展之間的關聯強度并據此建立無權有向的網絡關聯矩陣，以當年矩陣均值作為門檻對矩陣進行二值化處理[24]。

5.社會網絡分析

社會網絡分析是針對“關系數據”的跨學科分析方法，在多個領域得到廣泛應用。在確定綠色金融省際關聯關系的基礎之上，運用社會網絡分析方法繼續考察綠色金融空間關聯網絡的整體結構與局部特征，以此了解關聯網絡的連通性與穩定性，明確各省份及板塊在整個空間關聯網絡中的地位、作用與角色[25-26]。重點選取網絡整體性指標(網絡密度，網絡關聯度、網絡效率、網絡等級)與個體中心性指標(度中心度、中介中心度、接近中心度)以及凝聚子群分析(塊模型)深入剖析樣本期間中國綠色金融發展空間關聯網絡的演化趨勢(見圖1)[27]。

圖1 中國綠色金融發展空間關聯網絡結構分析框架

(二)指標體系構建與數據說明

1.綠色金融指標體系構建

以《關于構建綠色金融體系的指導意見》中對綠色金融體系構建的相關闡述為基礎，參考既有文獻，本文從綠色信貸、綠色證券、綠色投資、綠色保險、碳金融5個維度選擇11項指標構建綠色金融發展評價指標體系[10，13](見表1)。

表1 中國綠色金融發展指標體系構建

參考既有研究[1，10]，按股票概念標簽對環保上市公司進行分類，通過Wind數據庫選取風電產業股份、風力發電、CDM、充電樁、地熱能、固廢處理、環保長江成份、節能環保、節能照明、垃圾分類、美麗中國、內地低碳成份、氫能、生物質能、水電、碳中和等19個綠色概念板塊的534個A股上市公司(剔除ST、*ST類公司)作為研究對象。高耗能行業上市公司來自Wind數據庫中證券行業類六大高耗能行業模塊[28]。借款是由上市公司一年之內的長期借款與短期借款加總所得，市值是指上市公司的年末市值[29]。二氧化碳排放量是由煤炭、石油、天然氣3種能源消耗量與各自碳排放系數乘積的累加求和所得。

2.樣本選擇與數據來源

2007年，《關于落實環保政策法規防范信貸風險的意見》的頒布被普遍視為中國開展綠色金融實踐的開端，充分考慮政策發布后的時滯性，將研究起點定為2008年。限于指標數據可獲取性及統計口徑一致性[30]，沒有將香港與澳門特別行政區、臺灣地區納入研究。綠色金融相關數據主要來自Wind數據庫、《中國工業統計年鑒》、《中國能源統計年鑒》、《中國經濟普查年鑒》、《中國林業和草原年鑒》、《中國水利投資年鑒》、《中國保險統計年鑒》、《中國環境統計年鑒》。

四、綠色金融發展的時空格局變遷

(一)綠色金融發展的時間演化特征

1.綠色金融發展指數的時序變化

運用定基極差熵權法測算了中國2008—2020年省域綠色金融指數，從全國與四大區域視角對綠色金融指數的時間變化趨勢進行探討以明晰中國綠色金融的整體發展水平與地區差異(見圖2)。

圖2 分區域綠色金融指數時序變化趨勢

整體來看，樣本期內中國綠色金融指數呈波動增長態勢，但在2016—2018年間出現短暫下降。2016年，七部委聯合頒布《關于構建綠色金融體系的指導意見》(以下簡稱《意見》)，明確了綠色金融的發展方向和目標任務，在意見指引下，各地區、各行業積極構建綠色金融體系，探索有效的綠色金融發展模式，但《意見》頒布后的初期尚未形成統一規范的綠色金融發展范式，在此過程中不可避免地出現金融資源的錯配與效率損失，導致綠色金融水平小幅下降，在經歷了幾年的探索與實踐之后，中國綠色金融發展逐漸步入正軌。2018年，綠色金融標準工作組成立，聚焦氣候變化、污染治理和節能減排領域，并致力于構建完善的跨領域、市場化、內嵌于金融機構全業務流程的綠色金融標準體系，這些措施均促進了綠色金融水平的迅速提升。

分地區來看，四大區域綠色金融指數呈波動上升態勢，東部綠色金融水平較高，始終高于全國平均水平。東部地區具有雄厚的經濟基礎與穩定的金融體系，相比與中西部與東北地區，綠色金融發展的條件優勢明顯；此外，東部地區對于環保政策的重視程度較高、執行力較強，綠色發展理念得到廣泛的推行與傳播，區域內污染性產業綠色轉型產生了巨大的綠色資金需求，繼而帶動了東部地區的綠色金融發展。中部地區綠色金融水平穩步提升并于2016年超過全國平均水平。調查發現，在2014—2016年期間，中部地區高耗能企業信貸規模大幅縮減且伴隨著環保投資的大幅增加，這可能是導致中部地區綠色金融水平攀升的原因之一。西部與東北地區綠色金融指數差距較小，呈交錯上升態勢，且均低于全國平均水平。西部與東北地區工業體量過大且產業結構較為單一，資源依賴型發展模式一定程度上造成了金融資源的錯配，此外，金融市場的不活躍、綠色金融發展激勵政策的缺失也制約了綠色金融的發展。

2.綠色金融發展的分布動態演化

為明確省域綠色金融指數的分布形態以及一段時期內的動態演化趨勢，分別運用傳統靜態核密度估計與非空間動態核密度估計兩種方法進行考察。圖3為基于傳統的靜態核密度估計結果，顯示了2008年、2014年、2020年3個年份綠色金融指數核密度分布。樣本期內，密度曲線主體持續右移，峰值升高且曲線寬度變窄，表明中國綠色金融的整體發展水平持續提升，省域間綠色金融水平的平均差異有所減小。2020年密度曲線出現明顯右拖尾，說明個別省份的綠色金融水平較高。

圖3 綠色金融指數分布動態演化

基于非空間動態核密度估計繼續考察我國省域綠色金融發展水平從t年到t+3年的變動趨勢，圖4報告了我國綠色金融指數的動態核密度及密度等高線，X軸表示t年本省份綠色金融發展水平，Y軸表示t+3年本省份綠色金融發展水平，Z軸代表X-Y軸平面內每一點的概率。在密度等高線圖中，越是外部的等高線，代表的概率越小，向內依次遞增，等高線的密集程度代表綠色金融指數的收斂速度，等高線越密集說明收斂速度越快。若等高線主體分布于正45度線附近，表明本省份在t+3年的指數水平同t時期相差不大，若等高線主體與Y軸平行且位于45度線上方，說明在t+3年本省份的綠色金融水平存在較大幅度的提升，若平行于X軸且位于正45度線右側，則說明t+3年本省份的綠色金融水平收斂于某一指數水平。

圖4 綠色金融的動態核密度與密度等高線

圖4中，密度等高線主體主要分布于正45度線上方，并且在x=0.35處形成一個主波峰，這說我國綠色金融水平在t到t+3年期間總體是上升的。此外，密度等高線在x=0.25處存在一個次波峰，圖形走勢大致與Y軸平行且y值大致分布在0.25至0.3區間內，這說明綠色金融指數在0.25上下的省份3年后傾向于向0.25～0.3集中。可以看出，當本地區綠色金融指數小于0.3時，3年后綠色金融指數的上升幅度較大，而當本地區綠色金融指數超過0.3時，3年后綠色金融指數雖整體呈升高態勢，但提升幅度相對較小。樣本期內，未發現概率主體有平行于X軸的趨勢，這說明我國省域綠色金融的發展態勢持續向好，提升空間較大，尚未出現向某一水平收斂的跡象。

(二)綠色金融發展的空間演化特征

1.綠色金融發展的空間格局演變

采用自然間斷點分類法將綠色金融指數劃分為低水平，中等水平、較高水平、高水平四類(見圖5)。2008年，北京、江浙、廣東等地為綠色金融中等水平地區，其余省份均為低水平地區。這是因為彼時的中國正處于綠色金融發展初探階段，政策體系與產品構成尚不完備，只在少數經濟發達省份略有發展，整體水平較低。隨著綠色金融內涵趨于豐富，政策體系不斷完善，2014年，中等以上水平省份增至19個，整體發展水平普遍提高。分區域來看，在中國北部、東部、南部分別形成了以環渤海、長三角、珠三角為核心的綠色金融中高水平聚集區。中部省份綠色金融水平明顯提升，西部多數省份綠色金融水平保持穩定。2020年，中等以上水平省份增至22個，主要分布在東部沿海與中部地區，中等以下水平地區主要分布在東北與西南部地區。具體來看，東部的北京、江蘇、浙江、廣東等地躍升成為高水平區，中部的湖南、湖北、江西3省所組成的綠色金融中高水平區初步形成。西部的云南、西藏，以及東北的吉林與遼寧保持穩定，為低水平的主要分布地區。總體來看，研究期內的中國綠色金融水平逐步提升，區域差異逐漸縮小，空間集聚分布趨勢越發清晰，且大致呈“自東向西、由南至北”梯度降低的格局分布。

圖5 省域綠色金融指數空間分布格局演變

2.綠色金融發展的重心遷移與空間離散趨勢

如圖6，2008—2014年綠色金融重心變化范圍為(113.8°E，34.0°N)～(112.0°E，35.6°N)，說明這一階段，我國綠色金融發展的熱點區域有向西北轉移的趨勢。表面上看，這是因為相比2008年，2014年中國西北地區部分省份(青海、陜西、新疆)的綠色金融水平有所提高，導致綠色金融重心向西北方向遷移。從源頭上講，綠色金融重心的遷移可能得益于這一時期相關政策的頒布與國家戰略的實施，在西部大開發戰略與“一帶一路”偉大倡議的雙重加持之下，西部地區綠色金融得到了有效發展。例如早在2014年之前，新疆環境治理投資額占GDP比重的均值約為2.2%，遠超同時期全國平均水平；

圖6 綠色金融發展的標準差橢圓與重心遷移軌跡

同時期青海的綠色信貸占比與綠色保險規模增長也較為迅速。從橢圓參數來看，橢圓面積逐漸增大，2014年橢圓面積比2008年擴大約10%，說明中國省域綠色金融存在空間分散趨勢。旋轉角度變化范圍為67°～92°，逐漸呈現以東西方向為主導的空間分布格局。橢圓長、短半軸變化范圍為1 063 km～1 187 km、1 009 km～991 km，長軸更長，短軸更短、扁率更大，說明中國綠色金融發展格局在南北方向上更加收斂，東西方向上更為擴散，呈現南北向心集聚、東西空間發散的趨勢。

2014—2020年，中國綠色金融重心變化范圍為(112.0°E，35.6°N)～(111.9°E，33.3°N)，重心在東西向的遷移范圍較小，綠色金融熱點區域主要向南遷移。結合綠色金融指數空間分布格局發現，相比2014年，2020年中部與南部沿海省份的綠色金融水平明顯提升，一定程度上造成了綠色金融重心的南移。從橢圓參數來看。2014—2020年，橢圓面積縮小了約8%，說明綠色金融整體空間分布進一步收斂。橢圓長、短半軸變化范圍為1 187 km～1 194 km、990 km～902 km，旋轉角由92°增大至122°，橢圓扁率繼續增大，說明綠色金融自“東南-西北”方向呈擴散式分布發展，而在“東北-西南”方向上更為收斂，呈現“東北-西南”向心集聚、“東南-西北”空間發散的趨勢。

五、綠色金融發展的空間關聯網絡演化

基于修正的引力模型得到綠色金融發展的空間關系矩陣，并運用社會網絡分析方法考察中國省域綠色金融發展的網絡關聯特征與結構演化，重點探索各省份、各區域在綠色金融發展空間關聯網絡中的地位與作用。

(一)空間關聯網絡構建

中國綠色金融發展的空間關聯網絡是各省份綠色金融發展水平的關聯集合，網絡中的灰色方塊代表各個省份，各省份間有向“邊線”代表網絡關聯強度和溢出關系方向。本文基于修正的引力模型構建省域綠色金融發展的有向關系矩陣，并以相應年份的矩陣均值作為閾值對矩陣做二值化處理，構建綠色金融發展的空間關聯網絡。為了更清晰地揭示省際綠色金融發展關聯關系的動態變化，利用Netdraw繪制2008年與2020年各省份綠色金融發展空間關聯的有向網絡(見圖7)，圖中方塊的大小代表關聯網絡中各省份的度數中心度。

圖7 2008年(左)與2020年(右)綠色金融發展空間關聯網絡

由節點大小可知，2008年與2020年度數中心度排名前10的省份基本保持一致，主要包括北京、江蘇、浙江等東部沿海省份，以及大部分的中部省份，這些省份之間的關聯關系較多。度數中心度排在后10位的省份大多位于西部與東北地區，這些省份之間以及其與東中部省份之間的關聯關系均較弱，處在整個關聯網絡的邊緣地帶。新疆與西藏的度數中心度為零，因此未被納入到空間關聯網絡，這可能是因為二者均為延邊地區，地理位置較為偏遠且綠色金融發展水平不高，與其他省份建立關聯的難度較大。

(二)關聯網絡整體結構特征分析

網絡密度是指網絡節點間實際連線數與理論連線數最大值的比值，密度越高，表明網絡圖中各省份之間的聯系就越緊密。網絡密度由2008年的0.185上升到2020年的0.226，綠色金融的省際關聯發展效應愈發增強，但在所有可能被觀察到的關聯關系中，僅有不超過22.6%的聯系被觀測到，說明各省份綠色金融發展聯動性較弱，省際協同發展具備較大的提升空間。2008年與2020年網絡關聯度均小于1，這是因為新疆與西藏獨立于關聯網絡之外，網絡之間的連通性仍有待加強。2020年網絡效率為0.756，較2008年下降0.069，表明各省份在網絡中存在多重疊加效應，且2020年各網絡主體之間擁有更多的路徑與循環，綠色金融關聯網絡更具穩定性。網絡等級度由0上升為 0.197 5，雖然綠色金融關聯發展網絡等級的森嚴程度逐漸增強，但整體水平仍偏低，省份間關聯渠道較為通暢，不同綠色金融水平的省份間會產生溢出效應。

(三)關聯網絡個體結構特征分析

在明確了綠色金融整體空間關聯網絡結構特征的基礎上，進一步測算出關聯網絡的個體中心性指標(相對中心度、點入度、點出度、接近中心度與中介中心度)，據此對各省份在綠色金融發展空間關聯網絡中的角色、地位，以及作用展開探討。同時為了更加直觀地考察研究期內空間關聯網絡中心性特征的動態演變趨勢，運用Arcgis軟件對2008年、2020年各省份的中心性指標進行地圖可視化(見圖8)，并基于自然間斷點法將中心性水平由低到高分為1～5個層級。

度數中心度衡量的是關聯網絡中某個節點與其他節點進行聯系的能力，度數中心度越高，其在網絡中的地位就越重要，影響力越大(為便于不同年份之間進行對比，測算結果是標準化后的度數中心度，即相對中心度)。度數中心度又包含點出度與點入度，二者分別衡量節點的溢出(輻射)作用與虹吸(獲益)作用。中介中心度衡量某個節點多大程度處于其他節點進行關聯的最短路徑上，屬于控制能力指標。接近中心度衡量的是節點與其他節點進行關聯的難易程度，值越大，節點間越容易產生關聯。

觀察圖8中a、b，從時間維度來看，2008—2020年相對中心度整體呈增長趨勢，具體表現為“數量增加”與“質量提升”。在數量方面，處于第二及以上層級的省份由22個增加為25個；在質量方面，約有1/3的省份實現了中心度水平的躍遷。這說明中國綠色金融省際協同發展的范圍進一步擴大，省份間的關聯發展愈發密切。具體來看，多數東部與中部省份的相對中心度始終處于較高層級，點入與點出度都較高。這是由于東部地區綠色金融水平較高，在綠色金融發展過程中長期處于核心支配地位，更容易與其他地區進行交流與合作，綠色金融發展的溢出與虹吸效應較強。從地理位置來看，中部省份較多處于中國的幾何中心附近，距離其他區域省份的平均距離較短，彼此更容易產生關聯，這也表明水平差異與空間距離都可能是綠色金融省際關聯發展的重要影響因素。

觀察圖8中c和d，從時間維度來看，2020年中介中心度分布的兩極化趨勢得到緩解，說明個別省份(山東、河南、湖北)對整個網絡的控制能力有所減弱，省際綠色金融關聯發展的實現不再單純依賴某幾個省份節點，各省份作為關聯網絡中“溝通橋梁”的功能更加均衡。由上文可知，相較于2008年，2020年省域綠色金融發展的空間關聯網絡更為復雜，各省份之間綠色金融發展的直接聯系更多，繼而導致各省份節點在整個關聯網絡的中介屬性有所弱化。從空間維度來看，山西、河南、湖北、湖南等省份的中介中心度始終較高，可能的原因在于這些省份處于中部地區，距離其余省份的平均距離最短，且與其接壤的省份數量較多，在關聯網絡中更易扮演“橋梁”的角色。

觀察圖8中e和f發現，2008—2020年，中部、東部多數省份的接近中心度均有不同幅度的提升，這些省份或是綠色金融水平較高，或是處于空間關聯網絡的地理中心，是與其他省份進行關聯溢出的關鍵節點，具有強大的輻射與吸收能力，不易受其他省份的控制與影響。值得注意的是，在接近中心度提升的同時，點入度與點出度略有下降。這是因為2020年關聯網絡中的關聯關系更豐富，經過各省份的出度與入度最短路徑的重合程度較低，導致省份節點之間產生關聯的路徑更具多樣化，接近中心度更高。在空間分布方面，中部6省份與東南沿海省份依然是高值聚集區，說明這些省份更容易與其他區域省份形成綠色金融的協同與關聯發展。

綜合來看，四大區域中，東、中部地區3種中心度數值均較高，尤其中部地區有著較高的點出度與點入度，說明其有著較高的吸收與輻射能力，相當于關聯網絡中的“中轉站”，致力于區域間資源、技術、政策等要素的優勢互補與相互流動，能夠更好地連接東、西部省份之間的綠色金融發展，有利于實現綠色金融的區域協同發展。

(四)塊模型分析

基于Ucinet軟件的Concor算法，對中國綠色金融發展的空間關聯網絡進行塊模型分析。根據已有文獻設置慣例，將最大分割度設為2，收斂指標設為0.2，省份劃分為4個板塊[25]。為了理清樣本期內4個模塊內部省份的變化情況以及模塊功能角色的轉變，本文報告了期初(2008)與期末(2020)2個年度的分析結果(見表2、表3)。

表2 綠色金融發展空間關聯網絡板塊劃分

表3 綠色金融發展空間關聯網絡的溢出效應與板塊角色

2008年板塊1省份主要來自中國西南部地區，板塊內部關系、溢出關系、受益關系三者的數量相差不大，板塊1內部成員之間及其與外部板塊成員之間均具有較多的聯系，屬于雙向溢出板塊。板塊2省份主要來自中部與東部地區，接收關系與溢出關系在所有板塊中最多且大致相等，信息接收與傳遞的功能較強，實際內部比例在所有板塊中最小，符合經紀人板塊的屬性特征。板塊3省份主要來自西北部地區，接收關系多于溢出關系，且實際內部比例大于期望內部比例關系，因此可歸為凈收益板塊。板塊4省份主要來自北部與東部地區，溢出關系明顯多于接收關系，同其他3個板塊相比，實際內部關系比例與期望內部關系比例的比值相對較小，因此被歸納為凈溢出板塊。

基于相同的分析邏輯對2020年的關聯網絡進行板塊角色劃分，發現除板塊3外，其余板塊的角色互有轉化。具體來看，板塊1內部省份變化不大且由雙向溢出板塊轉變為經紀人板塊，內部關系減少，外部關系增多，“經紀人”屬性得以印證。板塊2由經紀人板塊轉化為凈溢出板塊，意味著其實現了從“中轉站”到“發動機”的角色轉變。這是因為在研究初期，板塊2內部省份綠色金融發展程度較低，溢出效應較弱，研究末期，板塊2省份數量增加，囊括了多數中部省份與部分東部省份，這些省份綠色金融水平較高且與之接壤的省份較多，對其他省份的溢出關系也更多。板塊4內部省份主要來自華北與東北區域，由凈溢出板塊轉變為雙向溢出板塊，內部關系與外部關系相差不大，雙向溢出屬性逐漸增強。

為了深入剖析四個板塊之間的空間關聯與溢出效應，根據表3中的結果計算出各板塊之間的密度矩陣(見表4)。密度矩陣主對角線上的元素代表各板塊內部省份之間密度關系，其余元素代表不同板塊之間的密度關系。觀察2008年與2020年密度矩陣發現，板塊2和4自身密度較高并大于各自年份網絡密度，而板塊1和3自身密度相對較小，表明中部、東部內部省份綠色金融發展聯系較為緊密，西部、東北內部省份綠色金融發展的聯動性較弱。

表4 綠色金融發展空間關聯網絡密度矩陣

從板塊間關聯來看，2008年密度矩陣中，板塊4指向板塊2的密度系數最大，說明綠色金融的區域關聯發展主要存在于東部與中部的省份之間，東部地區扮演“溢出者”的角色，將綠色金融的發展的動能傳遞給具有“中介”作用的中部地區。然而彼時板塊1和3的接收與溢出關系均較少，說明西部地區綠色金融發展處于相對閉塞的狀態，與其他板塊的聯動較弱。

在2020年的密度矩陣中，板塊2指向板塊1的密度系數最大，意味著綠色金融關聯發展的核心區域過渡到中東部與部分西南部省份之間，存在向西南方向移動的趨勢。與2008年相比，2020年板塊1和3之間的聯系越發緊密，表明西部各省份之間綠色金融發展的聯動性有所增強。

六、結論與啟示

本文從綠色信貸、綠色證券、綠色投資、綠色保險、碳金融5個方面構建了中國綠色金融綜合指標體系，采用定基極差熵權法測算了2008—2020年省域綠色金融指數，隨后運用靜態與動態核密度估計、標準差橢圓與地圖可視化方法對綠色金融發展的時空格局、熱點遷移與離散趨勢展開詳細探討。并在此基礎上，將修正的引力模型與社會網絡分析方法相結合，實證考察了中國省域綠色金融發展的關聯關系以及空間關聯網絡的演化特征。

(一)研究結論

樣本期間，中國綠色金融指數整體呈波動上升態勢，四大區域中，東部綠色金融水平最高，中部其次且與全國平均水平相近，西部與東北地區綠色金融水平交錯上升且均低于全國平均水平，在樣本后期，中部、西部、東北三大地區間水平差異有所收斂，但與東部之間的差異依舊明顯。核密度分析表明，省域間綠色金融水平的平均差異有所減小，但研究后期存在部分水平較高省份，呈現輕微兩極分化趨勢；綠色金融發展態勢持續向好，尚未出現向某一水平值收斂的跡象，進一步提升的潛力較大。綠色金融發展的空間集聚分布趨勢越發清晰，綠色金融水平呈現“自東向西、由南至北”梯度降低的格局分布；綠色金融重心總體向西南轉移且呈收斂式分布，樣本后期呈現“東北-西南”向心集聚、“東南-西北”空間發散的趨勢。

樣本期間，綠色金融發展空間關聯網絡的密度、連通度與穩定性均有所增強，但總體上中國各省綠色金融發展聯動性仍較弱，新疆與西藏被孤立與網絡之外，省際協同發展具備較大提升空間；東部與中部省份之間關聯發展水平更高，西部省份之間及其與東部、中部之間的關聯發展水平則較低。中心性方面，東、中部省份度數中心度、接近中心度、中介中心度均較高，尤其中部地區點入度、點出度較高，吸收與輻射能力較強，在關聯網絡扮演“發動機”與“中轉站”的角色，推動區域間資源、技術、政策等要素的流通轉化，溝通了東、西部省份間的綠色金融發展。樣本期內，綠色金融省際協同發展范圍進一步擴大，網絡中直接關聯關系的增多導致多省份“中介”屬性的減弱，綠色金融關聯發展的實現不再單純依靠某幾個省份，各省份作為網絡中“溝通橋梁”的角色定位更加清晰；接近中心度的提升表明更多省份傾向產生直接關聯，省份間距離阻抗有所減弱。將中國綠色金融發展空間關聯網絡分為4個板塊，樣本期內，各板塊“角色定位”及內部成員發生變化；從板塊內部密度看，中部、東部內部省份間的綠色金融發展聯系較為緊密，西部、東北內部省份間的聯動性較弱；從板塊間密度看，綠色金融關聯發展核心區域由“東部-中東部”向“中東部-西南部”轉移，中東部省份對整體綠色金融關聯網絡的支配與主導作用逐漸增強。

(二)政策啟示

上述研究結論可為促進我國綠色金融區域協同發展的政策設計提供如下啟示：

統籌制定區域綠色金融發展規劃，化解各區域綠色金融發展不平衡不充分問題。對于綠色金融發展水平較高的地區，應繼續發揮市場、資金、人才等方面的優勢，推動綠色金融供給與經濟轉型的現實需求相匹配，促進綠色金融與經濟高質量協同發展。對于綠色金融發展水平較低的區域，政府可適當增強對綠色金融發展的扶持力度，引導更多社會資本流入綠色產業，還可建立區域幫扶機制，發揮綠色金融高水平地區的輻射效應，加速綠色金融資源的跨區域流動，縮小綠色金融發展的區域差異。

充分發揮綠色金融發展的區域空間關聯與溢出效應。本研究表明，中部地區占據綠色金融發展空間關聯網絡的核心位置，中心性水平較高，因此可通過政策激勵、金融扶持等方式重點支持中部地區綠色金融發展，繼而依托山西、河南、湖北、湖南、江西等中部省份的中心性優勢，積極開展與東部、西部省份的綠色金融合作，發揮“橋梁”與“支配”作用，溝通東西部省份之間關聯渠道的同時，充分發揮自身“溢出”效應，提升空間關聯網絡的關聯效率。

根據各區域在空間關聯網絡中的角色定位，統籌制定差異化綠色金融發展方案。現階段，以東南沿海與中部省份為主的“凈溢出”板塊和以華北、東北省份為主的“雙向溢出”板塊，應繼續發揮在綠色金融實踐過程中的示范引領作用，通過規模溢出、對口支援等方式輻射帶動中西部省份綠色金融發展。西南各省份作為“經紀人”板塊，可加強金融科技與信息網絡建設，提升綠色金融要素在空間關聯網絡中的傳導效率，成為聯通“凈溢出”與“凈受益”板塊，實現綠色金融空間協同發展的重要支點。西北各省份處于關聯網路的邊緣，雖為“凈受益”板塊，但在空間關聯中獲益較小，因此可從板塊內部入手，加強板塊內部省份之間的交流與互動，例如，蘭州綠色金融改革創新試驗區對于“絲路碳票交易+碳資產抵質押+綠色保險”綠色融資模式的探索，便可為條件相似的省份開展相關綠色金融業務提供借鑒和參考。