Sci论文 - 至繁归于至简,Sci论文网。 设为首页|加入收藏
当前位置:首页 > 经济论文 > 正文

区域异质性视角下绿色信贷对碳排放强度的影响研究论文

发布时间:2024-02-06 12:08:56 文章来源:SCI论文网 我要评论














SCI论文(www.scipaper.net):

       【摘 要】 作为应对环境恶化,促进经济社会绿色转型,实现碳达峰、碳中和目标的措施之一, 绿色信贷近年来发展迅速 。理论方面,研究提出绿色信贷主要通过金融资源优化配置、产业结构  优化 、绿色技术创新和信号传递四种效应降低地区碳排放强度 。 实证方面,基于国内 29 个省域  层面的面板数据,运用固定效应模型,系统考察了绿色信贷对碳排放强度的作用效果,并分东 、 中、西部三个地区研究了区域异质性 。研究发现:绿色信贷整体上有助于减少碳排放,且经过稳健  性检验后,该结论依然成立 。相比中西部地区,绿色信贷在东部地区的节能减排效应更加明显 。

       【关键词】 绿色信贷 ;“双碳 ”目标; 碳排放强度 ; 固定效应模型 ;环境治理

        一、引言

       2022 年 1 月 24 日 ,习近平在 讲 话 中 指 出:我 国 已进入新发展 阶段 ,推进“双碳 ”工作是破解 资 源 环 境 约束 突 出 问题 、实现可持续发展 的迫 切 需要 ,是顺应技术进步趋 势 、推 动 经 济 结 构转 型升级 的 迫切需要 。在此背景下,以碳达峰 、碳中和为导向的绿色金融将成为未来经济发展的重要动力 。绿 色信贷作为目前发行规模最大的绿色金融产品,构成了绿色金融体系的主要内容 。2021 年末,我国 本外币绿色贷款余额 15.9 万亿元,同比增长 33%,高于各项贷款增速 21.7% 。其中,投向具有直接和 间接碳减排效益项目的贷款分别为 7.3 万亿元和 3.36 万亿元 ,合计占绿色贷款的 67% 。绿色信贷从 现实政策方面倒逼企业退出高污染项目,发展清洁项目或对现有生产流程进行绿色化改造,在发展 我国绿色经济 、支持节能减排项目建设和运营并推进实现“双碳 ”目标中发挥了重要作用 。

       从现实出发 ,如何衡量绿色信贷与节能减排之间的客观规律 ,进而推动地区低碳经济转型已成 为健全绿色金融体系所面临的重要问题 。绿色信贷政策对碳减排的作用效果如何? 不同地区的资 源禀赋与产业结构存在明显差异 ,碳排放强度是否也存在异质性 ? 这些问题有待进一步研究 。我 们在固定效应模型的框架下,基于中国省级面板数据,分析中国绿色信贷对碳减排的作用效果 。与 此 同 时 ,我 们 将 区 域 异质 性 因 素 纳入研 究 ,将全 国 29 个 省 、直 辖 市 及 自 治 区 分 为 东 、中 、西 三个 地 区,来分析三大地区绿色信贷对碳减排的影响差异 。

       二、理论分析与研究假设

       (一)理论分析


       关于绿色信贷对碳排放强度的影响 ,源自绿色金融发展所带来的低碳效应 。Salazar( 1998 )[1] 认 为商业银行可以利用绿色金融工具引导资金流向环保产业 ,进而实现产业结构的优化升级 。绿色 信贷具有明显的融资惩罚与投资抑制效应(苏冬蔚和连莉莉 ,2018 )[2] ,通过对“两高一剩 ”行业实施惩罚利率与控制信用额度等措施 ,使此类行业融资成本上升 ,融资规模受限 ,产生融资约束(He 等 , 2018 )[3] 。此种约束旨在于促进企业转型 ,促使金融资本向低碳经济领域倾斜 。Anderson( 2016 )[4] 指  出 ,绿色金融工具能引导锂电池 、新能源汽车等绿色产品的研发和生产 ,从而实现产业结构优化升  级 ,对降低该地区碳排放强度起到积极作用 。 陈伟光( 2011 )[5] 认为绿色信贷对产业结构调整的推  动具有反作用,即转型升级后的产业会得到更多的银行贷款,促进绿色信贷的进一步发展 。经济发  展依赖于技术创新 ,低碳技术的创新离不开绿色信贷的大力支持 。根据“波特假说”,当企业遇到  绿色信贷带来的信贷约束时 ,可能主动通过提高本企业的技术创新和推动企业转型升级来应对冲  击 。景维民( 2014 )[6] 认为合理的环境规制有利于中国工业走上绿色技术创新轨迹 。政府采用环境  规制政策能一定程度激励企业加大研发投入,进行绿色技术创新,即绿色信贷具有增强波特效应的  作用 ,绿色企业的技术升级将会进一步降低碳排放 。部分研究在绿色信贷与低碳技术进步之间进  行模型构建 ,以 Global  Malmquist-Luenberger 生产率指数衡量低碳技术进步 ,实证结果显示 ,绿色  信贷有利于提高绿色低碳技术进步(刘海英等 ,2020 )[7] 。作为一种自上而下的环境规制政策 ,绿色  信贷在我国具有显著的顶层设计特征 ,因此绿色信贷政策对市场有信号传递效应 。绿色信贷对高  污染行业起到警示作用,通过控制绿色信贷的总投放量来影响企业的发展和规划(尤志婷,2022)[8] 。 商业银行落实绿色信贷政策并开发绿色信贷产品也传递了大力发展绿色经济的信号 ,能引导社会  资本为发展绿色产业提供有力的支持,发挥低碳效应 。

\
 
       (二)研究假设

       绿色信贷可能通过金融资源优化配置 、产业结构优化 、技术创新和信号传递四种效应影响碳排 放强度,从而很可能降低地区碳排放强度,据此提出研究假设如下:

       假设 1:绿色信贷具有正向的环境效益,在全国层面上,绿色信贷能够降低碳排放强度 。

       假设 2:考虑到我国不同地区的金融发展水平存在差异,可能会影响绿色信贷的发展水平,故假 定绿色信贷降低碳排放强度的效应具有地区异质性 。

       三、研究设计

       (一)变量选取


       研究时间区间为 2009 — 2019 年 ,由于西藏自治区 、青海省两地数据缺失过多 ,故将两地予以剔 除,除这两地之外的其他 29 个省(自治区 、直辖市)是我们的研究对象,数据及指标的选取如下 。

       1.被解释变量 。选取的被解释变量为:二氧化碳排放强度( CO2I )。 二氧化碳排放强度 =二氧化 碳排放量/地区生产总值 ,我们使用的地区生产总值以 2000 年为基期 ,利用地区生产总值平减指数 排除了价格因素对地区生产总值的影响 。二氧化碳排放量的计算则借鉴齐绍洲和林屾等人(2015)[9] 以及田建国和王玉海( 2018 )[10] 使用的方法 ,通过 IPCC提供的碳排放系数计算碳排放量 ,具体公式 如下:

\
 
       ( 1 )式中 ,C 表示二氧化碳排放量 ,Ei  表示某地区第 i 种化石能源的总消费量 ,我们选取 8 种化  石能源的消费量来估算碳排放量 ,分别是:煤炭 、焦炭 、原油 、汽油 、煤油 、柴油 、燃料油 、天然气 。

       CEFi  为某种能源的碳排放系数 ,由( 2 )式计算所得。( 2 )式中 ,Hi  表示平均低位发热量 ,CHi  表示单 位热值含碳量,CORi  表示碳氧化率 。 由此计算出各省(市 、区)各年的碳排放量,再除以各地区标准 化后的地区生产总值即得到该地当年的碳排放强度 。

       2.核心解释变量 。 即绿色信贷( GCL )。 为了保证省级层面数据的连续性和完整性 ,借鉴谢婷 婷和刘锦华( 2019 )[11] 的做法 ,用六大高耗能产业利息支出占比表示 ,即六大高耗能产业利息支出/ 规模以上工业企业利息总支出,作为反向指标来衡量绿色信贷 。

       3.控制变量。( 1 )产业结构( IND )。 选取两个指标来表示产业结构,分别是第二产业增加值占地 区生产总值的比重(IND2)和第三产业增加值占地区生产总值的比重(IND3)。 原嫄和周洁(2021)[12] 认为,不同产业对碳排放的影响不同,第二产业增加值占地区生产总值的比重同碳排放存在正相关关系 ,同时第二产业内部的优化调整同碳排放存在负相关关系 。我们选择第二产业增加值占比作 为第三产业增加值占比的替换变量 。

       ( 2 )研发支出( RND ),选取各省(市 、区)规模以上工业企业研发支出衡量该变量 。Feng 和 Yuan ( 2016 )[13] 基于中国 30个省份面板数据 ,使用空间计量模型进行研究 ,发现扩大研发投入有利于降 低碳排放强度 。一国增加研发投入,有利于提升其科技实力和核心竞争力,新技术的应用在一定程 度上能缓解由于经济发展对环境造成污染的问题,对碳减排起到了积极作用 。

       ( 3 )外商直接投资( FDI )。 选取外商直接投资的对数来衡量该变量 。路正南和罗雨森( 2021 )[14]    认为,外商直接投资在促进东道国经济增长的同时会加大东道国对化石能源的消耗,从而促进东道  国碳排放进一步增加,同时外商直接投资具备的绿色技术溢出效应和资源优化配置效应会促进东道  国产业、能源结构的优化升级,而这又会减少碳排放,因此外商直接投资对碳排放的影响是不确定的 。

       ( 4 )能源消费( ENGC )。 选取各省市能源消费量来衡量这一指标 ,包含煤炭 、焦炭 、石油 、原油 、 汽油 、煤油 、柴油 、燃料油 、液化石油气 、天然气 、电力消费量 ,共十一种 。杨恺钧和杨甜甜( 2018 )[15]    认为能源消费对碳排放具有显著影响 。变量描述如表 1 所示 。

\
 
        (二)数据来源

       六 大 高 耗 能 产 业 利 息 支 出 和 规 模 以 上 工 业 企 业 总 利 息 支 出 的 数 据 均 来 自《中 国 工 业 统 计 年 鉴》,部分年份 、部分地区缺失的数据通过《中国经济普查年鉴》补齐 。二氧化碳排放强度由八种能 源消费数据计算所得 ,八种能源消费量的数据来源于《中国能源统计年鉴》,地区生产总值数据来 自各地区的统计年鉴 ,并以 2000 年为基期 ,利用地区生产总值平减指数将名义地区生产总值调整 为实际地区生产总值 。第二 、三产业占比来源于《中国统计年鉴》,研发支出来源于《中国科技统计 年鉴》,外商直接投资来源于中国宏观经济数据库 。

       (三)模型构建

       我们使用的数据是除西藏自治区 、青海省外全国 29 个省 、直辖市及自治区 2009 — 2019 年的面 板数据 ,即 N=29,T=11 的短面板数据 。此外 ,根据国家统计局 2011 年对我国三大地带的划分 ,将我 国划分为东 、中 、西三大地区进行碳排放强度的异质性研究 。东部包括北京 、天津 、河北 、辽宁 、上 海 、江苏 、浙江 、福建 、山东 、广东 、海南共 11 个省(市 、区),中部包括山西 、吉林 、黑龙江 、安徽 、江 西 、河南 、湖北 、湖南 8 省 ,西部包括内蒙古 、广西 、重庆 、四川 、贵州 、云南 、陕西 、甘肃 、宁夏 、新疆 10 地 。基于此 ,使用 Stata16 软件对面板数据进行回归 ,由于所建立的模型不可能包含影响碳排放强 度的所有影响因素,因此不排除遗漏变量的可能性 。

       通过阅读大量文献 ,总结学者们的研究成果 ,我们构建的计量模型如式( 3 )所示 ,LnCO2Iit  为被  解释变量,表示第 t 年 i 省的碳排放强度对数值,β0 为常数项,GCLit  为核心解释变量,即用六大高耗  能产业利息支出占比作为反向指标表示的第 t 年 i 省的绿色信贷;IND3it  表示产业结构;Ln(RND)it  表  示研发投入;Ln(FDI)it  表示外商直接投资,Ln(ENGC)it  表示能源消费;我们对碳排放强度 、研发投入 、 外商直接投资 、能源消费的数据进行了取对数处理;αit  为地区固定效应;μit  表示随机误差项 。

       在全国层面 ,首先使用各地区第三产业增加值占地区生产总值的比重 IND3 表示产业结构进行回归 ,由此建立模型 1,如式( 3 )所示 。 其次用第三产业增加值占地区生产总值的比重 IND2 替换 IND3 进行回归,建立模型 2,如式( 4 )所示 。

 \

 
        由于我们的研究对象是短面板数据 ,因此考虑固定效应模型或随机效应模型 ,对面板数据进行Hausman 检验,检验结果显示 P 值为 0.0000,采用固定效应模型是合理的,检验结果如表 2 所示 。

 \

       (四)描述性统计分析

       我们对绝对量二氧化碳排放强度 、研发支出 、外商直接投资 、能源消费量进行了取对数处理,相 对量六大高耗能产业利息支出 、产业结构占比不做取对数处理 。选取的各变量的描述性统计结果 如表 3 所示 。从表 3 可以看出 ,29 个省市的碳排放强度对数均值为 1.409,标准差为 0.631 。绿色信 贷均值为 0.535,标准差为 0.137 。 比较计算各变量的变异系数可知 ,相对于其他变量 ,碳排放强度 的对数值离散程度最大,绿色信贷次之,可见不同省市 、不同年份的碳排放强度差异较大 。

\
 
        四、实证结果分析

       我们首先对全国层面的数据进行了回归 ,接着替换了产业结构的指标再进行回归 ,其次将全国 29 个省 、直辖市及自治区分为东 、中 、西三个地区进行分地区回归 。需要说明的是 ,对于固定效应 模型,若存在序列自相关和异方差等问题时,不采用聚类稳健标准误进行回归会得出错误的估计结 果,为了避免这一问题,我们所有的回归均使用了聚类稳健标准误 。

       (一)全国层面实证结果分析

       我们首先对全国 29 个省 、市及自治区的数据进行了回归 ,回归结果如表 4 中 Y1 列所示 ,接着将IND3 替换为 IND2 再次回归,回归结果如表 4 中 Y2 列所示 。

\
 
       首先 ,从整体上看 ,Y1 和 Y2 的回归结果在整体层面上的拟合优度分别为 65.2%和 65.1% ,拟合 程度较好 ,符合预期 ,且模型 Y1 和 Y2 各系数的回归结果均在 1%的水平上显著 ,在模型 Y1 的基础 上替换产业结构变量得到 Y2 并不影响其他变量估计结果的显著性 ,除产业结构的系数和常数项 外,两模型其他变量的估计结果大致相等 。

       其次 ,分开来看 ,对于模型 Y1 来说 ,绿色信贷( GCL )指标的系数显著为正 ,由于我们选用的六  大高耗能利息支出是反向指标,回归结果估算的系数显著为正,说明随着六大高耗能利息支出的减  少 ,碳排放强度也随之减少 ,即绿色信贷水平越高 ,碳排放强度会随之减少 ,也即在全国 29 个省 、直  辖市及自治区的层面上,绿色信贷会降低碳排放强度 。模型 Y1 中以第三产业增加值占地区生产总  值表示的第三产业结构指标( IND3)的系数显著为负 ,说明在全国层面上 ,随着第三产业增加值占  比的升高碳排放强度会降低 。可能是第三产业对化石能源的消耗量相对较低 ,当第三产业成为某  地区的主导产业时 ,该地区的经济增长方式也会随之产生变化 ,对能源的需求结构也会进行调整 , 最终会引起碳排放量和经济增长的变化,即碳排放强度的变化 。模型 Y2 中以第二产业增加值占地  区生产总值表示的第二产业结构指标( IND2)的系数显著为正 ,这有力地证明了在全国层面上 ,第  二产业增加值的占比与碳排放强度成正比,可能是因为第二产业内部有大量的高耗能产业,这些产  业对于化石能源的消耗量很大,较其他产业来说会产生更多的碳排放 。

       研发支出( RND )的系数显著为负 ,说明随着全国层面研发支出的增加 ,碳排放强度会随之降 低 ,这是符合经济常识的 ,不论是“绿色企业 ”还是“两高 ”企业 ,研发支出的增加都会促进其绿色技 术创新 、升级和得到进一步发展,进而减少碳排放 。

       最后 ,对于模型选取的控制变量外商直接投资( FDI )和能源消费( ENGC )来说 ,外商直接投资 的系数显著为负,即外商直接投资的增加会降低我国的碳排放强度,可能是因为外商直接投资的增 加会带来更多的外企落地我国 ,这意味着外企可能为东道国带来先进的生产技术和更完善的公司 治理模式 ,从而对东道国内的企业起到一种示范作用 ,促进东道国绿色技术水平的提升 ,进而降低 国内的碳排放强度 ;对于能源消费( ENGC )来说 ,其系数显著为正 ,即某地区的能源消费量越多 ,碳 排放强度水平越高,实证结果符合经济学常理 。

       综上 ,研究假设 1:“绿色信贷具有正向的环境效益 ,在全国层面上 ,绿色信贷能够降低碳排放 强度 ”成立 。

       (二)分地区实证结果分析

       从表 5 可以看出 ,总体上 ,绿色信贷对于降低碳排放在我国东部地区取得了一定的成效 ,但在 中部地区和西部地区效果不太明显 。

\
 
       1.对于东部地区而言 ,绿色信贷( GCL )和第三产业结构( IND3)的系数在 1%的水平上显著 ,外 商直接投资的回归结果在 10%的水平上显著 ,其他系数的估计结果不显著 。改革开放以来 ,我国经 济发展存在明显的区域异质性,东部地区具备天然的地理区位优势,在对外开放中积累了雄厚的金 融资本 ,第三产业蓬勃发展 ,走在了节能减排的前沿 ,因而形成了绿色金融与环保产业的和谐共 生 。东部地区外商直接投资( FDI )的系数在 10%的水平上显著,说明外商直接投资对于降低该地区 碳排放强度的作用比较有限 。研发支出( RND )和能源消费( ENGC )的系数不显著 ,说明东部地区 的研发投入目前对于碳减排的贡献程度较弱,可能是由于技术的升级和更新需要较长时间,效果目 前仍未显现 。

       2.对于中部地区而言 ,仅有能源消费( ENGC )显著 ,其他系数的估计结果均不显著 。相较于东 部地区来说 ,中部地区的经济发展水平相对较弱 ,绿色信贷在中部地区的发展较为落后 ,绿色信贷 的政策深度和执行力度还需进一步加强 。 同时中部地区集聚着我国多个煤炭大省如山西 、河南 、安 徽等省份 ,也分布着多个工业大省 ,如吉林 、黑龙江 、湖北等地 。作为传统的工业和煤炭基地 ,这些 地区的产业结构中占据主导地位的仍是高碳排放产业,中部地区距达成“双碳 ”目标仍有较远距离,节 能减排任务仍然十分艰巨 。 目前对于中部地区来说 ,不仅要推进高新技术产业和高附加值产业的 发展,更为重要的是要促进清洁煤炭技术的创新,由此更加高效地引导传统煤炭工业变革 。

       3.对于西部地区而言 ,研发支出( RND )和能源消费( ENGC )的系数在 1%的水平上显著 ,第三产 业结构( IND3)在 5%的水平上显著 ,其他估计结果均不显著 。西部地区的绿色信贷( GCL )系数不 显著 ,且估计结果为负值 ,可能是由于西部地区整体经济 、金融实力相对较弱 ,导致绿色信贷对降 低碳排放强度的贡献较小 。 第三产业结构( IND3)的系数在 5%的水平上显著 ,说明随着西部地区 第三产业占比的上升 ,碳排放强度会随之降低 ,事实上自实施西部大开发战略以来 ,该地区的产业 结构不断向现代化迈进 ,也不断由之前的第一产业为主 、第二 、三产业为辅的产业结构向第一产业 为辅 、第二 、三产业为主的更加高级的结构迈进 ,另外由于西部地区具有如充足的阳光 、充沛的风能和地广人稀等特殊的区位优势,非常适合发展新能源产业,这也可以解释研发支出系数的显著性。

       综上 ,研究假设 2:“绿色信贷降低碳排放强度的效应具有地区异质性 ,在不同地区呈现出不同 的显著性 ”成立 。

       (三)稳健性检验

       由于我们的回归结果可能存在估计方面的各种问题 ,故从指标选取和内生性两个方面对回归 结果进行稳健性检验 。

       1. 替换变量 。对核心解释变量绿色信贷( GCL )指标做替换进行稳健性检验 ,需要说明的是 ,上 文选取的绿色信贷指标是六大高耗能产业利息支出占比,是一个相对量并且是负向指标,即若该指 标的回归结果显著为正则说明绿色信贷与该地区的碳排放强度存在负相关关系 ;我们参照江红莉 和王为东( 2020 )[16] 的做法,选用“规模以上工业企业利息总支出 -六大高耗能产业利息支出 ”作为替 换指标来衡量绿色信贷并进行稳健性检验 ,该指标是一个绝对量 ,且是一个正向指标 ,即若该指标 的系数为负则表明绿色信贷能够降低该地区的碳排放强度,由于该指标是绝对量,故在回归前对数 据进行取对数处理,回归结果如表 6 所示 。

\
 
       从稳健性检验的结果来看,在全国 29 个省(市 、区)的层面上,核心解释变量( GCLs )的回归结果  在 1%的水平上显著,且为负值,说明在替换核心解释变量绿色信贷的衡量指标后,绿色信贷仍能够  降低碳排放强度,替换指标后除研发支出外的其他指标的系数显著性不变,研发支出的显著性虽有  下降,但仍在 5%的水平上显著,显著性水平可以接受 。在分地区层面上,除中部地区绿色信贷的系  数变化外 ,其他所有回归结果的显著性水平均无变化 ,且系数值大致相等 ,研究的结论基本一致 , 综上有理由认为模型的设置较为合理,具有较强的稳健性 。

       2. 内生性问题 。 我们的基准回归模型控制了地区固定效应 ,固定效应模型在一定程度上可以 缓解由于遗漏变量造成的内生性问题 。但绿色信贷和地区碳排放强度之间可能会存在双向因果问 题,为克服这一问题,更加准确地估计绿色信贷对地区碳排放强度的影响,我们参照张晓音(2020)[17] 的做法 ,利用系统 GMM方法对基准模型重新进行估计 ,选用绿色信贷的一阶滞后项作为工具变 量,估计结果如表 7 所示 。

\
 
       表 7 中 CO2I( 1 )表 示 被 解 释 变 量 碳 排 放 强 度 的 一 阶 滞 后 项 ,由 此 构 建 动 态 面 板 模 型 进 行 系 统 GMM 估计 。估计结果显示 ,在全国和东部地区的层面上 ,六大高耗能产业利息支出表示的绿色信 贷的系数显著为正 ,其他变量的显著性和固定效应模型的差别不大 ,残差序列检验 AR( 2 )值也达到合理水平,接受不存在二阶序列相关的原假设,因此可以认为工具变量的选择是合理的 。这表明 在考虑了模型的潜在内生性问题后,我们的主要结论仍然成立 。

       我们通过构建固定效应模型考察了绿色信贷对相应地区碳排放强度的影响 ,首先在全国除青 海 、西藏外 29 个省(市 、区)的层面上 ,绿色信贷能够降低碳排放强度 ,其次分地区的回归结果显示 绿色信贷在不同地区的减排效果存在差异 ,不同系数的回归结果在不同地区的显著性也存在较大 差异,稳健性检验的结果显示模型的设置较为合理,具有较强的稳健性 。

       五、结论与政策建议

       我们基于国内 29 个省域层面的面板数据 ,系统分析了绿色信贷对碳排放强度的作用效果 ,并 考虑了区域异质性的影响,得出的主要结论如下 。

       从全国层面来看 ,一是绿色信贷( GCL )指标的系数显著为正 ,即绿色信贷水平越高 ,碳减排效  果越明显 ,实施绿色信贷政策有助于实现我国提出的“双碳 ”目标 。二是第三产业结构指标( IND3) 的系数显著为负,表明第三产业结构的增加会降低碳排放强度,第二产业结构的增加会促进地区碳  排放强度上升 。三是研发支出( RND )的系数显著为负 ,说明随着全国层面研发支出的增加 ,碳排  放强度会降低 。 四是外商直接投资的增加通过促进东道国的绿色技术创新和进步能够降低碳排放  强度 。从东 、中 、西三大区域层面来看 ,绿色信贷对碳排放强度的影响效果存在明显的地区异质  性,其中东部地区的政策效果最好,在经济相对较弱的中部地区和经济欠发达的西部地区绿色信贷  对减少碳排放强度的效果较差 。西部地区第三产业占比的上升有助于降低碳排放强度,与此同时, 研发支出的系数显著为负 ,可能是因为在西部蓬勃发展的新能源产业降低了该地区碳排放强度 。 随着能源消费的增加 ,中西部地区碳排放强度也逐渐升高 ,目前其产业结构还是以高碳产业为主 , 实现“双碳 ”目标的压力较大 。
基于以上结论 ,提出如下对策建议:第一 ,健全绿色信贷的政策体系和法律规范 。 明晰绿色信 贷各参与方的权利 、义务和责任,营造支持绿色低碳产业发展的政策环境 。 明确商业银行等金融机 构在开展绿色信贷业务过程中承担的环境风险责任,并对相关权责利进行量化,推动绿色信贷和低 碳产业协同发展 。第二,完善绿色信贷信息披露制度 。制定统一的绿色信贷统计和披露制度,明确口径 ,增加省级层面绿色信贷数据的要求 ,在此基础上建立绿色信贷数据库 ,并构建贷前预测 、贷 中管理 、贷后评估的实时监测体系 。第三,拓宽绿色信贷产品创新的广度和深度 。在信贷产品体系 中,增强绿色信贷与碳减排的关联 。在资本市场产品体系中,进一步发挥环保因素在产品定价中的 作用 。在碳金融领域,有序挖掘碳资产的金融属性,进一步扩充全国碳交易市场交易广度与深度 。第 四,发挥绿色信贷业务区域性特色优势 。结合各地的经济发展 、生态环境 、产业结构特点来制定绿色 信贷政策,充分利用区位优势促使绿色信贷赋能环保产业,促进当地生态环境和经济环境协同发展 。

       【参考文献】

       [1]  Salazar  J.Environmental  finance:Linking  two  world[R].Slovakia,1998.
       [2]  苏冬蔚,连莉莉 .绿色信贷是否影响重污染企业的投融资行为[J].金融研究,2018(12):123-137.
       [3]  He  L,Wu  C,Yang  X,et  al.Corporate  Social   Responsibility,Green   Credit,and  Corporate  Performance:An  Empirical  Analysis  Based  on  the Mining,Power,and  Steel   Industries  of China[J].Natural  Hazards,2018(95): 1-17.
       [4]  Anderson  J.Environmental  finance[A].Ramiah  V,Gregoriou  G  N.Handbook  of  environmental  and  sustain- able  finance[C].Amsterdam:Elsevier  Inc,2016.
       [5]  陈伟光,胡当 .绿色信贷对产业升级的作用机理与效应分析[J].江西财经大学学报,2011(4):12-20.
       [6]  景维民,张璐 .环境规制、对外开放与中国工业的绿色技术进步[J].经济研究,2014(9):34-47.
       [7]  刘海英,王殿武,尚晶 .绿色信贷是否有助于促进经济可持续增长——基于绿色低碳技术进步视角[J].吉林大 学社会科学学报,2020(3):96-105.
       [8]  尤志婷,彭志浩,黎鹏 . 绿色金融发展对区域碳排放影响研究——以绿色信贷、绿色产业投资、绿色债券为例 [J].金融理论与实践,2022(2):69-77.
       [9]  齐绍洲,林屾,王班班 . 中部六省经济增长方式对区域碳排放的影响——基于 Tapio 脱钩模型、面板数据的滞 后期工具变量法的研究[J].中国人口 ·资源与环境,2015(5):59-66.
       [10]  田建国,王玉海 .财政分权、地方政府竞争和碳排放空间溢出效应分析[J].中国人口 ·资源与环境,2018(10): 36-44.
       [11] 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):83-90.
       [12]  原嫄,周洁 . 中国省域尺度下产业结构多维度特征及演化对碳排放的影响[J]. 自然资源学报,2021(12): 3186-3202.
       [13]  Feng  J.,and  J.Yuan,Effect  of  technology   innovation  and  spillovers  on  the  carbon   intensity  of  hu- man  well-being[J].Springer  Plus,2016(1).
       [14]  路正南,罗雨森 . 空间溢出、双向 FDI 与二氧化碳排放强度[J].技术经济,2021(6):102-111.
       [15]  杨恺钧,杨甜甜 .老龄化、产业结构与碳排放——基于独立作用与联动作用的双重视角[J].工业技术经济, 2018,37(12):115-123.
       [16]  江红莉,王为东,王露,等 . 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.
       [17]  张晓音 .绿色信贷是否改善了环境污染[D].山东大学,2020.

关注SCI论文创作发表,寻求SCI论文修改润色、SCI论文代发表等服务支撑,请锁定SCI论文网!

文章出自SCI论文网转载请注明出处:https://www.scipaper.net/jingjilunwen/72870.html

相关内容

发表评论

Sci论文网 - Sci论文发表 - Sci论文修改润色 - Sci论文期刊 - Sci论文代发
Copyright © Sci论文网 版权所有 | SCI论文网手机版 | 豫ICP备2022008342号-1 | 网站地图xml | 百度地图xml