打开文本图片集

摘要：近年来中国的经济快速增长，但同时带来严重的环境污染，其中工业是碳排放的重要领域，政府利用金融工具做出相应的措施来控制由企业生产所带来的环境污染问题。本文从绿色信贷的角度去探究其对工业碳排放的影响，基于2008-2020年30个省份（直辖市、自治区）的面板数据实证分析得出：绿色信贷的增长能够显著抑制工业碳排放。同时，要发挥金融基金与金融保险等工具作用来抑制碳排放，逐步改变工业能源结构，大力发展新能源。

关键词：绿色信贷;工业碳排放;面板数据

基金项目：武汉工程大学十三届研究生教育创新基金资助项目（项目编号：CX2021299）

一、引言

改革开放四十年来，中国的经济腾飞取得世界瞩目的成就，但是随着经济总量的快速增长，工业迅速崛起，随之而来的生态污染问题日渐明显，中国正处于国家经济由高速度增长转为高质量增长阶段，必须要从源头控制高污染，高排放等行为，近百年来，化石燃料的持续消耗，燃料燃烧所形成的二氧化碳排放量巨大，温室效应所带来的危害日渐明显。2012年，中国银行业监督管理委员会制定《绿色信贷指引》（以下简称《指引》），正式推出绿色信贷政策。该《指引》是以绿色生产的相关指标为参照，控制银行向企业贷款，从而抑制高污染企业的投资经营活动。

赛迪研究院节能与环保研究所所长赵卫东在论坛上发布的《对“十四五”工业绿色发展的思考和建议》：“工业是碳排放的重要领域，约占70%，当前产业结构偏重、能源结构偏煤”。鉴于目前已有众多学者从不同角度研究全国碳排放，且全国碳排放中工业碳排放占据重要地位，由此本文将从绿色信贷视角探究工业碳排放的影响因素。

二、文献综述

目前国内外对于绿色金融对碳排放影响的研究较多，但对工业碳排放方面的研究较少，蒋先玲等（2017）从绿色金融的信贷、保险、证券、投资四个维度探讨绿色金融对碳排放的影响效用，绿色金融发展对碳排放强度有抑制作用。江红莉（2020）基于动态面板数据模型，探究绿色信贷、绿色风投对碳排放的影响，结果显示两者都能对碳排放产生抑制作用，且将两者纳入同一模型中分析，绿色信贷的碳减排效果更加显著。李增幅（2022）从绿色技术创新和优化产业结构两条路径分析得出绿色信贷对二氧化碳排放的影响，结论显示绿色信贷能够显著抑制二氧化碳的排放，且具有长期的可持续性。

三、理论分析与研究假设

本文认为，绿色信贷水平上升将对工业二氧化碳排放强度的影响可能有约束抑制作用。笔者将从宏观层面与微观层面进行分析绿色信贷对二氧化碳排放的影响。

微观层面，绿色信贷是依据企业的环保水平来进行发放贷款，重污染企业贷款难度将会增加，导致其贷款受阻或者贷款成本上升，所以倒逼企业不得不进行更加绿色环保的生产，以满足贷款要求。其次，除了资金成本上升之外，随着碳排放交易的逐步实施，将会加大重污染企业的生产成本。

宏观层面，宏观政策要求企业进行更加绿色环保的生产，适应外部变化能力强的企业将会更好遵循政策与市场的变化，进行绿色生产改革，适应外部能力差的企业会逐渐被市场所淘汰。绿色信贷将促进我国风电、水电、太阳能等新能源产业，替代部分传统火力发电，煤炭资源的使用减少导致碳排放量降低。同时绿色信贷政策将引导初创型企业以及科技型企业往绿色环保的方向发展，绿色技术的研究开发以及逐步成熟应用更有利于其他企业效仿与应用。

猜想：绿色信贷能够显著抑制工业二氧化碳排放。

四、数据说明与模型构建

（一）核心变量

1.被解释变量

工业二氧化碳排放强度（CO2gdp）。工业二氧化碳排放强度是指单位工业GDP下所产生的工业二氧化碳排放量，即工业二氧化碳排放量与实际工业GDP的比值。本文采取各省份工业消耗的煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气八种化石能源作为样本来计算工业二氧化碳的排放量。计算流程是将各种化石能源转换为标准煤，通过碳排放系数来计算标准煤充分燃烧产生的二氧化碳量。计算如公式（1）所示：

其中在各种化石能源转换成标准煤的系数中，天然气的计量单位是千克标准煤/立方米，其余能源的计量单位是千克标准煤/千克;K表示碳排放转化系数，计量单位是千克标准煤/千克，相应的数据如下表1，数据来源于《2006年国家温室气体清单指南》，i表示样本中30个省份，j表示能源种类。

2.核心解释变量

绿色信贷（green）。绿色信贷指标一般可以用节能减排贷款占总贷款比例、绿色信贷占比、六大高耗能产业利息支出占比的反向指标、高新技术行业贷款占总贷款比例四种方式进行识别和构建。银行绿色信贷数据存在可获得性和完整性较差的问题，不同银行公布的数据统计口径不统一，同一家银行不同时期采用不同的统计标准。因此，本文借鉴谢婷婷和刘锦华（2019）的做法，选取了各地区六大高耗能产业利息支出占工业产业利息总支出比率的反向指标，测度各地区绿色信贷投放规模的大小，计算公式为：green=1-六大高耗能产业利息支出占工业产业利息总支出的比率。若green值越大，则代表绿色信贷水平更高。

3.控制变量

本文加入了以下控制变量：绿色专利（lnapply），绿色专利的获取与使用能够在一定程度上减少碳排放;城镇化水平（urban），农村的能源使用很大部分来源于树木、秸秆等生物质能源，城镇化水平的上升影响化石燃料使用量;人口水平（lnpeople）、省域生产总值（GDP），人口水平与GDP的上升在一定程度上影响化石燃料的使用量等。此外，还控制了年份固定效应和省份固定效应。

（二）数据说明

数据选取 2008-2020年30个省份（直辖市、自治区）的面板数据，2007年，我国正式提出“绿色信贷”概念并开始试点，本文采用概念提出一年之后的2008年作为数据采集时间起始点，数据来源：《中国能源统计年鉴》、《中国统计年鉴》、《中国工业统计年鉴》、《中国经济普查年鉴》、《2006年国家温室气体清单指南》，2017年的绿色信贷数据缺失，采用插值法进行补充。同时，为降低数据的异方差性，对所有变量均取自然对数。

（三）模型设定

为了验证绿色信贷水平的上升抑制工业二氧化碳的排放强度这一猜想，本文借鉴已有文献（江红莉等，2020）所使用的回归模型（2）

CO2gdpij=β0+β1greenij+β2Controlsij+δi+γj+εij    （2）

模型（2）中，i和j分别指省份和年份。其中，被解释变量CO2gdpij为某一省份i第j年单位工业GDP所对应的工业二氧化碳排放量;核心解释变量greenij为某一省份i第j年绿色信贷水平;Controlsij为上述的四种控制变量，包括绿色专利（lnapply）、城镇化水平（urban）、人口水平（lnpeople）、省域生产总值（GDP）;此外，δi为省份固定效应，γj为时间固定效应，εij为误差项。本次回归模型的核心数据为β1，如果β1小于0，且相应的t检验显著，则表明绿色信贷水平的上升抑制工业二氧化碳的排放强度。

五、实证结果分析

（一）基准回归结果

下表2显示回归模型计算的结果，其中（1）所对应的列，是只含有工业碳排放与绿色信贷的回归分析后得到的绿色信贷系数，在第（2）-（5）列中，依次加入省域生产总值（GDP）、人口水平（lnpeople）、城镇化水平（urban）、绿色专利（lnapply）等控制变量，从第（1）-（5）列结果来看，解释变量的系数β1都是小于0，且都显示影响效果在1%水平上显著。即无论是否加入控制变量，绿色信贷的回归系数都在1%的水平上显著为负。则回归分析结果支持本文猜想，即绿色信贷水平上升会显著抑制工业二氧化碳排放。

从第（3）、（4）、（5）列的结果中，可以看出人口水平（lnpeople）这一因素同样显著影响工业碳排放强度，且人口水平的增长抑制工业碳排放强度。

六、结论与政策启示

本文基于2008-2020年30个省份（直辖市、自治区）的面板数据，采用回归模型考察绿色信贷对工业二氧化碳排放量的影响，同时逐渐加入省域生产总值（GDP）、人口水平（lnpeople）、城镇化水平（urban）、绿色专利（lnapply）等控制变量，进行回归分析，结果显示，将绿色信贷与其他因素纳入同一模型中，green的回归系数都为负，且在1%水平上显著，绿色信贷的增长能够显著抑制工业碳排放。

本文基于研究结论，提出以下建议：

（1）增加银行绿色信贷投放规模，绿色信贷水平的上升抑制工业二氧化碳排放，体现了政府有关碳排放的绿色信贷政策能够在一定程度上有益于国家“双碳”目标的实现，基于我国的绿色信贷政策目前还处于初级阶段，政府应当逐步完善相关政策体系，其次，除了绿色信贷之外，国家相关部门应该加大对绿色基金、绿色保险等绿色金融产品的推广;在保持金融安全稳定的前提下，促进绿色金融创新发展;政府应当采取市场监管，风险担保等措施保证商业银行的绿色信贷资金能够流入实体企业。

（2）由于我国目前煤炭在能源结构中占比接近70%，工业煤炭消耗占全国能耗的50%左右，“以煤为主”的能源结构基本特征短期内难以改变，政府应该再加大力度改变能源结构。目前新能源类别包括风能，光能，核能，潮汐能等，在实际应用中会存在诸多问题，例如运输、储存等。政府相关部门应当促进企业与高校的科技研发合作，实现科研的成果转化与实际应用。

参考文献

[1]蒋先玲，张庆波.发达国家绿色金融理论与实践综述[J].中国人口·资源与环境，2017，27（S1）：323-326.

[2]江红莉，王为东，王露，吴佳慧.中国绿色金融发 展的碳减排效果研究———以绿色信贷与绿色风投为例[J].金融论坛，2020，25（11）：39-48+80.

[3]李增幅，冯柳华，麦诗琪，李岸瑶.绿色信贷抑制了碳排放吗？———基于中国省级面板数据的研究[J].上海金融，2022，1：2-12.

[4]谢婷婷，刘锦华.绿色信贷如何影响中国绿色经济增长？[J].中国人口·资源与环境，2019，29（9）：83-90.

作者简介

董天文（1997.5—）男，汉族，湖北省黄冈市，硕士研究生在读，研究方向：绿色金融。

施佳奕（1999.9—）女，汉族，河南省郑州市，硕士研究生在读，研究方向：绿色金融。

牛瑞甜（1998.2—）女，汉族，河南省巩义市，硕士研究生在读，研究方向：绿色金融。（通讯作者）