绿色信贷发展对碳排放绩效的影响机制研究

2024-01-24 01:44王笑音孙少岩
经济发展研究 2023年1期
关键词:信贷效应绿色

王笑音 孙少岩

一、引 言

实现“双碳”目标是“十四五”时期生态文明建设的重点战略方向。中国将应对气候变化全面融入经济社会发展战略,绿色低碳发展取得了积极成效。但中国的工业发展较发达国家起步晚,目前仍然处于工业化进程快速推进的阶段(林伯强和徐斌,2020),以煤炭为主的能源结构在短期内难以改变。因此,如何在实现经济增长的同时降低碳排放量,是政策制定和学术研究关注的重点内容。在国内以间接融资为主的融资体系中,银行借款是企业融资的主要渠道(Qiu 和Shen,2017),绿色信贷发展为绿色低碳领域的资金需求和资源优化配置提供了重要支撑。2012 年,《绿色信贷指引》明确了绿色信贷的审批标准,建立了绿色信贷统计制度。随着绿色金融领域政策体系的不断完善,以及碳减排支持工具和煤炭清洁工具的落地实施,绿色信贷规模快速增长。绿色信贷余额由2018 年8.23 万亿元增长至2022 年的22.03 万亿元。①中国人民银行.2018 年金融机构贷款投向统计报告[EB/OL].http://www.pbc.gov.cn,2019-01-25;中国人民银行.2022 年四季度金融机构贷款投向统计报告[EB/OL].http://www.pbc.gov.cn,2023-02-03.

虽然有研究肯定了绿色信贷在环境治理中的积极作用(谢婷婷和刘锦华,2019),但是关于绿色信贷的环境效应,现有研究的结论并不一致。这主要是由于绿色信贷同时具有激励和惩罚的双重效应,绿色信贷既可能激励绿色创新(王馨和王营,2021)和绿色产业发展(丁杰等,2022),也可能对重污染企业融资产生惩罚效应(苏冬蔚和连莉莉,2018),增加重污染企业的外部融资成本(Liu 等,2019),不利于污染企业低碳转型和产业结构优化调整(Wen 等,2021)。那么,聚焦到碳排放领域,绿色信贷的影响效应和作用机制如何?本文以2004~2019 年中国30 个省级面板数据作为研究样本,在测度各区域碳排放效率的基础上,基于固定效应模型和中介效应模型探讨绿色信贷发展对碳排放绩效的影响机制。本文试图回答以下问题,绿色信贷发展是否有助于提高碳排放绩效?绿色信贷发展影响碳排放绩效的作用机制是什么?上述问题的回答,不仅可以为现阶段中国绿色信贷发展的环境绩效提供经验证据,也可以为更有效地推动绿色信贷发展和提高碳排放效率,进而助力生态文明建设和经济高质量发展提供决策参考。

二、文献综述

(一)绿色信贷与碳排放

现阶段关于绿色信贷环境治理效应的研究多集中在工业污染和空气污染领域。Zhang 等(2021)发现绿色信贷政策能够有效减少二氧化硫和废水排放。蔡海静等(2019)指出绿色信贷政策能够减少大气污染和水污染,显著改善环境质量。另有部分研究发现,绿色信贷显著降低了PM2.5 的排放量,有助于改善空气质量(Zhang 等,2021;Su 等,2022)。聚焦在碳排放领域,大多数研究集中于探讨绿色金融发展对碳排放的影响,尤其是随着绿色金融政策的不断完善,其在应对气候变化领域所发挥的作用愈加受到重视。Meo 和Karim(2022)利用分位数回归模型,检验了全球绿色金融发展前十大经济体的绿色金融与碳排放关系,证实了绿色金融发展能够促进碳减排。Ren 等(2020)利用中国省级面板数据,构建中国绿色金融发展综合指数,基于向量误差修正模型实证发现绿色金融发展有助于降低碳强度。同样地,通过构建城市层面的绿色金融综合指数,刘锋等(2022)也发现绿色金融发展能够显著降低碳排放强度。也有部分研究考察了绿色信贷发展对碳排放强度的影响。汪红莉等(2020)利用中国省级面板数据发现绿色信贷发展对碳排放强度具有抑制作用。同样地,张可等(2022)基于动态空间面板杜宾模型,也证实了绿色信贷发展能够有效降低碳排放强度。

(二)绿色信贷对环境的影响机制

由于能源的使用是造成环境污染的主要来源,较多研究从产业结构及能源结构的角度考察绿色信贷对生态环境的宏观影响机制。谢婷婷和刘锦华(2019)认为绿色信贷通过优化产业结构和能源结构促进经济实现绿色发展。Tan 等(2022)发现绿色信贷政策实施能够显著提高全要素能源效率。但是也有研究指出,当低碳企业消耗的清洁能源在整体能源结构中的占比较低时,绿色信贷并不能带来明显的边际效应(马理等,2023)。关于绿色信贷对生态环境的微观影响机制主要从两方面展开。一方面,绿色信贷是通过金融手段推进绿色发展的重要实践(Zhang 等,2022),较多文献围绕金融资源配置效应,检验绿色信贷对企业投融资的影响。Zhao 等(2023)研究发现绿色信贷政策提高了重污染企业投资现金流的敏感性。绿色信贷减少了银行对重污染企业的信贷分配(蔡海静等,2019),抑制了高能耗产业的扩张(Liu 等,2019)。另一方面,绿色信贷政策的本质是一种环境规制(陆菁等,2021),也有很多文献基于环境规制能够激发创新补偿效应的理论,检验绿色信贷对绿色创新的影响。何凌云等(2019)发现绿色信贷政策有助于激励节能环保企业的技术创新。王馨和王营(2021)实证研究发现绿色信贷政策能够促进政策限制行业的绿色创新。但也有研究认为,绿色信贷对重污染企业的创新作用相对有限(丁杰等,2022)。陆菁等(2021)指出绿色信贷政策引致的遵循成本效应与信贷约束效应不利于高污染企业的技术创新。

综上所述,现有文献对绿色信贷的环境效应开展了丰富的研究,但结论并不一致,且聚焦在碳排放领域多是检验绿色信贷对碳排放总量和强度的影响,对碳排放绩效关注度不足。相较于已有文献,本文可能的边际贡献有:第一,将研究视角聚焦到碳排放领域,检验绿色信贷发展对碳排放绩效的影响效应与作用机制,系统地回答绿色信贷发展是否以及如何影响碳排放绩效,不仅拓展了绿色信贷的环境效应,也对绿色金融支持碳减排的相关文献进行了补充;第二,从效率的视角衡量碳排放绩效,以期更加客观和全面地反映各地区的碳排放水平,并从信息不对称和资源禀赋的角度探讨了绿色信贷对碳排放绩效影响的异质性,力图为更好地推动绿色信贷发展助力“双碳”目标提供参考。

三、理论假设

高耗能行业是工业领域能源消费和碳排放的主体,而由于高耗能行业通常为国有企业且为地方经济发展的支柱产业,在抵押品和信用记录上具有优势,更容易获得传统信贷支持。而绿色企业及绿色项目由于具有正外部性,在传统的信贷业务中面临融资供给不足的问题。绿色信贷有别于传统信贷,在信贷资源配置中更加强调绿色低碳,要求商业银行在分配信贷资源时考虑企业的环境绩效,鼓励银行增加对绿色低碳项目的信贷支持,减少对环境绩效较差的污染项目和企业的信贷投放。已有较多研究肯定了绿色信贷政策的实施制约了重污染企业的信贷融资(蔡海静等,2019;Zhao 等,2023),扩大了节能环保行业的信贷融资规模(丁杰等,2022)。同时,市场型政策工具有助于实现“去产能”和工业生产方式的绿色升级(王班班和齐绍洲,2016)。相较于行政命令型环境规制,市场型环境规制更强调企业的自主性,企业自愿和灵活地选择减排工具,有助于降低因环境规制产生的合规成本,提升企业降低碳排放的内在动力。绿色信贷作为一种市场型的环境规制,能够克服传统环境规制对实体经济产生负面冲击的弊端,提高企业的投资效率,实现污染治理与经济绩效双赢(王艳丽等,2021)。综上,绿色信贷发展一方面有助于缓解因传统信贷资源错配而造成的碳排放量扩张,另一方面提升市场主体的减排动力,对碳排放绩效产生正向影响。因此提出如下假设:

H1:绿色信贷发展有助于提高碳排放绩效。

绿色低碳项目大多存在投入资金多、投资回报期长、短期收益率低、期限错配和风险高等特征,在传统信贷业务模式中面临信贷资金供给不足的问题。绿色信贷政策从融资成本和规模上对绿色环保、清洁能源等绿色项目提供资金支持,抑制重污染项目信贷融资。绿色信贷的发展过程实际上也是信贷市场结构性优化的过程,通过信贷结构优化引导资源向绿色低碳产业配置,为节能降碳的经济活动提供资金支持。随着绿色信贷规模的扩大,这种资本配置导向能够将更多的信贷资金配置到节能减排、清洁能源发展等领域,倒逼碳密集行业提高碳排放效率,进而带动能源结构和产业结构转型升级。

技术创新是提升碳减排效率的重要驱动因素,绿色技术创新更是同时具有知识溢出和环境溢出效应,有助于减少负面的环境影响,提高碳排放绩效(邵帅等,2022;潘雄峰和袁赛,2023)。外部融资约束是开展技术创新的主要障碍(Zahler 等,2022;李波和朱太辉,2020),尤其是具有环境正外部性的绿色技术创新,更是面临较高的融资门槛和融资成本。波特假说认为,适当的环境规制能够激发创新补偿效应。市场型环境规制将企业的环境成本内部化,驱动企业开展绿色技术创新,以缓解经济绩效和环境绩效的冲突。绿色信贷发展不仅通过创新信贷产品,满足绿色创新项目融资需要,有效缓解企业开展绿色技术创新的外部融资约束,也有助于推动企业主动进行技术升级和绿色创新,提升产出效率和环境绩效,降低碳排放(张可等,2022)。因此,提出以下假设:

H2:结构效应和技术效应是绿色信贷发展影响碳排放绩效的主要渠道。

四、研究设计

(一)模型设定

为检验绿色信贷对碳排放绩效的影响效应,本文构建如下计量模型:

其中,i和t分别对应地区和年度,cp为各地区的碳排放绩效,gc为各地区的绿色信贷发展水平,control为一系列控制变量,θ为个体固定效应,μ为时间固定效应,ε为随机扰动项。

(二)变量选取及数据来源

1.碳排放绩效。目前关于碳排放绩效的衡量主要分为以下两类:第一类是使用单位GDP 碳排放量表征的碳排放强度衡量碳排放绩效;第二类是以碳排放为非期望产出,使用效率指标测度碳排放绩效。鉴于第一种测算方法忽略了生产要素总体优化配置情况(邵帅等,2022),且容易因片面追求GDP 的增长而高估碳排放绩效,本文主要以效率指标衡量碳排放绩效。考虑到投入及产出变量并不一定以同比例扩张或缩减,借鉴Zhou 等(2012)的做法,本文基于非径向方向距离函数测度碳排放绩效,即将每个地区作为基本决策单元,投入资本、劳动和能源,得到期望产出的同时也产生了非期望产出,生产技术集P满足弱可处置性和零交集条件,投入产出要素及计算指标见表1。借鉴Zhou 等(2012),构造如下非径向的方向距离函数:

表1 碳排放绩效计算指标

其中,β=(βK,βL,βE,βY,βC)T为松弛向量,代表各投入产出变量可扩张或缩减的比例,g=(gK,gL,gE,gY,gC)为方向向量,ω=(ωK,ωL,ωE,ωY,ωC)T为权重向量,diag(β) 为β的对角化处理。式(2)的非径向方向距离函数可以转化为以下的线性规划模型求解:

借鉴Zhang 等(2014)的研究,为了避免资本和劳动的稀释效应,将权重向量设定为(0,0,1/3,1/3,1/3)T,与权重向量相对应的方向向量定义为(0,0,-E,Y,-C),求解获得最优松弛向量后,根据式(4)计算碳排放绩效。由碳排放绩效(cp)的计算公式可知,碳排放绩效的取值区间介于0 与1 之间,越接近1 代表碳排放绩效越高。

2.绿色信贷发展。中国的绿色信贷统计制度起步较晚,中国人民银行和银保监会公布的绿色信贷数据没有具体到省级层面,现有研究中较少使用。本文借鉴现有绿色信贷研究中较为常用的指标衡量省级绿色信贷发展水平(谢婷婷等,2019;Song 等,2021),具体计算公式为:

其中,i和t分别对应地区和年度,gc表示绿色信贷发展水平,interest_h表示六大能源密集型行业①六大能源密集型行业是:化学原料和化学制品制造业,非金属矿产品,黑色金属冶炼,有色金属冶炼和压延加工业,石油加工、炼焦和核燃料加工工业,以及电力、热力生产和供应业。的利息支出,interest表示规模以上工业企业的利息支出。数据来源于《中国工业统计年鉴》和国研网数据库。因此,六大能源密集型行业的利息支出占比越低,gc的值越大,表示绿色信贷发展水平越高。

3.控制变量。借鉴张可等(2022)、文书洋等(2022)、张翼和卢现祥(2015),控制可能影响碳排放绩效的其他变量,主要包含:(1)经济发展水平,采用各地区2004 年不变价格的GDP衡量,并取自然对数;(2)工业化水平,采用第二产业的增加值占GDP 的比重衡量;(3)对外开放度,以各地区的FDI 占GDP 的比重衡量;(4)人口密度,以每平方公里万人数衡量,并取自然对数。(5)技术市场发展水平,以各地区的技术市场成交额占GDP 的比重衡量。技术市场成交额数据来源于EPS 数据库,其余数据均来源于国泰安数据库(CSMAR)。

各变量的描述性统计见表2,碳排放绩效与绿色信贷的最大值与最小值之间存在较大的差异,这说明中国各地区的碳排放绩效和绿色信贷发展并不均衡。碳排放绩效的均值仅为0.2502,反映出各地区的平均碳排放绩效仍有待提升。为了避免出现多重共线性问题,利用方差膨胀因子检验方法对解释变量间的相关性进行检验,表2 中的结果显示,变量间的方差膨胀因子(VIF)最大值为1.72,远小于10,说明变量选择具有合理性。

表2 变量的描述性统计

五、实证结果分析

(一)基准回归

基准模型回归结果如表3 所示。第(1)列为OLS 回归结果,绿色信贷的估计系数为0.4484,且在1%的水平上显著,第(2)列进一步加入了控制变量,第(3)列使用了时间和个体维度的双固定效应模型,第(4)列进一步加入了控制变量,以上的估计中均使用稳健标准误以减少异方差对结论的影响。第(4)列结果显示,在同时控制时间、省份固定效应和加入控制变量后,绿色信贷发展对碳排放绩效影响的估计系数为0.3053,且仍然在1%的水平上显著,说明绿色信贷发展可能会提升碳排放绩效,验证了研究假说1。这与以往的研究发现绿色信贷有助于改善环境质量和促进绿色发展的结论相似(谢婷婷等,2019),本文的实证结果进一步验证了绿色信贷发展具有显著的减排效应。

表3 基准模型回归结果

(二)稳健性检验结果

1.更换被解释变量。首先,将权重向量设定更改为(1/9,1/9,1/9,1/3,1/3)T,平均分配投入要素、期望产出与非期望产出的权重,并重新计算综合碳排放效率(ucp),作为碳排放绩效的替换变量,具体的计算公式为:

回归结果见表4 第(1)列,绿色信贷的影响系数依然在1%的显著性水平上为正。

表4 稳健性检验回归结果

2.将解释变量滞后一期。考虑到绿色信贷对碳减排的影响可能具有滞后性,同时为了在一定程度上避免反向因果带来的内生性问题,将绿色信贷滞后一期,估计结果见表4 第(2)列,绿色信贷发展仍然能够显著推动碳排放绩效上升。

3.采用自助法获得标准误。由于本文使用省级层面的年度数据,样本量较小,为了提高估计的准确性,采用Bootstrap 方法进行1000 次抽样重新估计,表4 第(3)列结果显示,绿色信贷的影响系数在1%的水平上显著为正。

4.增加控制变量。为了在一定程度上缓解因遗漏变量而带来的内生性问题,参考已有研究(夏勇,2017),本文还进一步控制了可能会影响区域碳排放的环境规制强度(er)、政府财政科技水平(ste),具体以工业污染治理完成投资额占GDP 的比重表示环境规制强度,数据来源于《中国环境统计年鉴》;以财政科技支出额占一般预算支出额比重表示政府科技支出水平①由于2007 年中国实行了政府收支科目改革,改革后的财政支出结构与先前的数据不具有可比性。因此,政府科技支出水平仅使用2007 年以后数据。,数据来源于EPS 数据库。表4 第(4)列结果显示,增加控制变量后绿色信贷发展依然能够显著提高碳排放绩效。

5.变更样本区间。由于2017 年在五省八地开展了国家级绿色金融改革创新试验区,且同年开展了第三批低碳城市试点。为了排除这些因素的影响,删除2017 年以后的样本,表4 第(5)列回归结果显示,绿色信贷的估计系数仍然在1%的水平上显著为正。

六、异质性与影响机制分析

(一)异质性分析

1.市场化程度的异质性

信息不对称问题是商业银行信贷发展中面临的重要问题,在市场化程度较高的地区,金融市场具有较低的交易成本和较高的信息透明度。已有研究发现市场型环境规制是否有效,在很大程度上依赖于市场体系是否健全(陶锋等,2021),市场化程度是影响绿色信贷政策效果的重要因素之一(张可等,2022)。以市场化总指数衡量市场化程度,根据市场化程度的年度均值分为市场化程度较高的地区和市场化程度较低的地区,数据来源于中国分省份市场化指数数据库。表5 的结果显示,在市场化程度较高的地区,绿色信贷发展能够显著提高碳排放绩效,但是在市场化程度较低的地区,绿色信贷发展对碳排放的影响却并不显著。这可能是由于市场化程度较高的地区,信息的不对称程度较低,资源的配置效率较高,有助于发挥绿色信贷对碳排放绩效的促进效应。而市场化程度较低的地区,市场中的信息透明度较低,政府对市场的干预程度和制度成本较高,可能会增加信贷资金的错配效应,不利于充分发挥绿色信贷对碳排放绩效提升作用。

表5 异质性回归结果

2.资源禀赋的异质性

在绿色转型过程中,资源丰裕的地区由于经济增长对资源的依赖度较高,具有较强的路径依赖效应和碳锁定效应(李江龙和徐斌,2018)。为了考察不同资源禀赋条件下绿色信贷对碳减排绩效影响的差异,借鉴邵帅和杨莉莉(2010)以采掘业从业人员占全部从业人员比重衡量资源禀赋,数据来源于历年《中国统计年鉴》,并根据资源禀赋的年度均值,将样本分为资源禀赋较高和较低两类,回归结果见表5。资源禀赋较低的地区,绿色信贷的估计系数显著为正,但是在资源禀赋较高的地区,绿色信贷的估计系数却并不显著。这可能是由于资源丰裕地区经济发展对资源密集型产业依赖度较高,从需求看,企业提高资源利用效率、谋求绿色发展的动机较弱,绿色信贷的资金需求不足;从供给看,资源禀赋较高的地区信贷资金更易配置到地方高碳支柱产业,金融资源错配可能会加剧绿色低碳项目面临的信贷融资约束。可见,在绿色信贷的碳减排绩效提升效应中可能会存在“资源诅咒”。

(二)机制检验

研究假说中提出,绿色信贷发展影响碳排放绩效的机制主要为结构效应和技术效应,在结构效应中,绿色信贷发展能够减少金融错配,促进能源结构和产业结构优化;在技术效应中,绿色信贷发展能够缓解创新活动的融资约束,激励绿色创新。为了检验这两种作用机制,在基准回归模型的基础上进一步构建如下模型:

其中,M为中介变量,其余变量均与基准模型式(1)一致。由于传统的逐步回归法中可能会因存在同时影响中介变量和核心解释变量的混淆因素而产生内生性问题,导致估计偏误(江艇,2022),本文还通过在式(8)中去掉核心解释变量绿色信贷,以及使用Bootstrap 自助抽样1000次重新估计各渠道的中介效应,结果均验证了文中中介渠道检验结论的稳健性。因篇幅限制,未在文中列示。

1.结构效应

从产业结构优化和能源结构优化两个方面检验结构效应。产业结构优化是产业结构由低水平向高水平演进的过程。借鉴袁航和朱承亮(2018)从质的层面计算产业结构高度化指数表示产业结构优化(ind),具体计算方法为利用产业增加值与就业人员的比例计算各产业的劳动生产率,再以各产业产值占地区生产总值的比重作为权重,计算各产业劳动生产率加权汇总值。借鉴谢婷婷等(2019)以煤炭消费量占能源消费总量的比重代表能源结构(ene),该指标下降表示能源结构的优化。此外,借鉴魏丽莉和杨颖(2023)以信贷余额增长率与工业增加值增长率之差衡量金融资源错配程度(fin),进一步检验结构效应的作用机制。以上数据来源于国泰安数据库(CSMAR)和《中国统计年鉴》。

表6 报告了结构效应的回归结果。其中,列(1)至列(3)为式(7)的估计结果,列(4)至列(6)为式(8)的估计结果。列(1)和列(4)显示了以能源结构为中介变量的回归结果,绿色信贷发展对能源结构的估计系数和能源结构对碳排放绩效的估计系数分别在5%和1%的统计水平上显著为负,表明绿色信贷发展有助于降低煤炭消费量占比,促进能源结构优化,进而提升碳排放绩效。但是列(2)和列(5)的结果表明,虽然产业结构优化升级对碳排放绩效具有显著的正效应,但是绿色信贷发展对产业结构的影响系数在统计上却并不显著。可见,绿色信贷发展的结构效应仅体现为促进能源结构优化,却未能有效发挥产业结构的优化效应。绿色信贷发展应通过更多信贷资源配置到绿色低碳领域,缓解金融资源错配,从而带动产业结构优化。因此,为了进一步探究产业结构效应尚不显著的成因,进一步在中介变量中引入金融资源错配度,第(3)列与第(6)列的回归结果显示,金融资源错配程度的降低能够显著地提升区域碳排放效率,而绿色信贷发展对金融资源错配程度的影响系数虽然为负,但在统计上却并不显著。这在一定程度上说明了绿色信贷发展未能有效发挥产业结构优化效应的原因,可能是绿色信贷发展没有显著地缓解区域金融资源错配。结合现实情况看,即使绿色信贷发展的增速较快,但在全部信贷总量中的占比仍然较低。截至2022 年末,绿色信贷在全部信贷余额中的占比仅为10.29%。绿色低碳项目因抵押品类有限、项目收益回收周期长等因素仍面临融资不足的问题,金融资源要素的分配过程中仍存在信贷歧视问题。

表6 结构效应检验结果

2.技术效应

波特假说认为适当的环境规制能够激发创新补偿效应,从而对环境产生正向影响。绿色信贷发展能否通过激励绿色技术创新提高碳排放绩效?为了检验技术效应渠道是否成立,借鉴王馨和王营(2021)使用绿色专利申请数据衡量绿色创新水平(lngin),并进一步使用绿色发明申请数据表示绿色创新质量(lngip)、绿色实用新型专利申请数量表示绿色创新数量(lngup)。以上专利数据均加1 后取对数处理,以消除专利数据的右偏分布问题。数据来源于中国研究数据服务平台(CNRDS)。

表7 报告了技术效应检验结果。其中,第(1)列至(3)列为式(7)回归结果,第(4)列至(6)列为式(8)回归结果。第(1)列至第(3)列结果显示,绿色信贷发展对绿色创新整体水平、绿色创新质量、绿色创新数量均具有显著的正向影响。相较于对绿色创新数量的影响,绿色信贷对绿色创新质量的影响效应更强。由第(4)列至第(6)列回归结果可知,各个维度的绿色创新水平对碳排放绩效的影响系数均在1%的显著性水平上为正,表明绿色创新能够提升碳排放绩效。上述结果表明,绿色信贷发展能够通过激励绿色创新提质增量,提升碳排放绩效。

表7 技术效应检验结果

七、结论与建议

在中国以间接融资为主的金融体系中,实现碳达峰碳中和目标离不开信贷资金的支持。本文利用2004~2019 年中国省级面板数据,基于固定效应模型,检验绿色信贷发展对碳减排绩效的影响效应,并进一步分析异质性及作用渠道。研究发现:首先,绿色信贷发展能够显著提升碳排放绩效,在经过变更被解释变量和解释变量滞后一期等一系列稳健性检验后,该结论依然成立;其次,绿色信贷发展对碳排放绩效的影响具有异质性,在市场化程度较高和资源禀赋较低的地区,绿色信贷发展对碳排放绩效具有显著的正向影响,但是在市场化程度较低和资源禀赋较高的地区,绿色信贷发展对碳排放绩效的影响却并不显著;最后,中介渠道分析发现,技术效应是绿色信贷发展促进碳排放绩效提升的重要渠道,绿色信贷发展能够激励绿色创新提质增量。但基于结构效应渠道的考察发现,绿色信贷发展对金融错配程度的影响在统计上并不显著。

基于上述研究结论,政策启示如下:

第一,完善绿色信贷发展的激励与约束机制,促进绿色信贷可持续、高质量发展,为实现“双碳”目标提供信贷资金支持。既要丰富支持碳减排的结构性货币政策工具,制定绿色项目分类和认定标准,降低绿色信贷的资金成本和操作成本,也要鼓励各地方政府建立健全财政贴息、税收优惠、风险补偿等绿色信贷发展的相关配套政策措施,加大政策激励力度,增强金融机构发展绿色信贷业务的内生动力。

第二,缓解信息不对称问题和破除资源诅咒。一方面,信息不对称问题制约绿色信贷发挥碳减排效应。要通过完善企业环境信息披露机制、搭建政银企三方合作平台、数字技术赋能等方式降低金融市场中的信息不对称程度,促进绿色信贷发展。另一方面,中国各区域实现双碳目标的发展不能实现“齐步走”,要探索差异化发展路径。在市场化程度较高和资源禀赋较低的区域,发挥先行示范效应,充分释放绿色信贷发展对碳减排绩效的激励效应。而资源禀赋较高的区域,“资源诅咒”在一定程度上制约了绿色信贷的碳减排效应,要破除传统的经济发展方式对能源密集型行业的路径依赖,倒逼高碳行业绿色低碳转型。

第三,降低金融错配,丰富绿色金融产品。根据本文的研究结论,绿色信贷发展促进了绿色创新,却未能有效发挥结构效应。这意味着,绿色信贷的发展仍无法满足绿色项目的发展需要。绿色信贷的发展既要发挥对绿色创新的激励效应,也要发挥对高碳行业的约束效应,提高金融资源绿色化配置效率。要探索将银行的信贷产品与高碳行业转型目标以及绿色项目正外部性收益挂钩,鼓励金融机构创新信贷产品和服务,突出重点领域的信贷支持,加大信贷资金向新能源领域和高碳转型项目的倾斜力度。此外,还应完善多层次绿色金融市场,发展股权类绿色融资工具,弥补绿色信贷供给与实体经济日益增长的绿色低碳融资需求间的缺口。

猜你喜欢
信贷效应绿色
绿色低碳
铀对大型溞的急性毒性效应
懒马效应
聚焦Z世代信贷成瘾
绿色大地上的巾帼红
应变效应及其应用
绿色信贷对雾霾治理的作用分析
再造绿色