綠色信貸、綠色技術進步與區域碳排放

于志慧 何昌磊

摘要：剖析綠色信貸、綠色技術進步對碳排放的影響機制，探討綠色技術進步的中介效應，對于實現我國經濟綠色高質量發展具有重要意義?；?9個省份2009—2019年的面板數據，以綠色全要素生產率為綠色技術進步的代理變量，運用雙向固定效應模型、Sobel中介因子模型、面板門檻模型實證檢驗了綠色信貸、綠色技術進步對碳排放的影響效應。研究發現：綠色信貸對碳排放具有顯著的抑制作用；綠色技術進步在綠色信貸對碳排放的影響中存在顯著的中介效應；綠色信貸對碳排放的抑制作用在西部地區強于東部地區，中部地區效果不顯著；綠色信貸的碳減排效應存在邊際效應遞減的非線性特征。

關鍵詞：綠色信貸；碳排放；綠色技術進步；Sobel中介因子模型

中圖分類號：F124.3；F832.4?文獻標識碼：A?文章編號：1673-5595（2023）06-0040-08

一、引言

傳統經濟發展模式所造成的環境污染已經超過很多地區的環境承載力閾值，生態環境保護與經濟發展之間的矛盾日益突出，經濟社會可持續發展受到嚴峻挑戰。2020年，習近平在第七十五屆聯合國大會一般性辯論上作出我國“碳達峰”“碳中和”承諾。2021年，我國中央經濟工作會議強調，狠抓綠色低碳技術攻關，盡早實現碳排放總量與強度的“雙控”。黨的二十大報告進一步指出要推進生態優先、綠色低碳發展。金融發展是實現經濟綠色發展的重要手段。［1］隨著雙碳戰略的實施，綠色金融成為實現碳減排的新支柱。［2］《“十四五”節能減排綜合工作方案》中明確提出，要健全綠色金融體系，大力發展綠色信貸。鑒于此，探討綠色信貸的碳減排效應，對于實現經濟綠色高質量發展具有重要意義。

既有研究中相關的文獻主要有兩類。一類是碳排放影響因素的相關研究。其中，數字經濟、綠色投資和技術進步等因素對碳排放產生顯著的抑制作用，城鎮化、數字金融、人口密度和產業集聚等因素對碳排放的影響是非線性的，貿易出口會帶來碳排放的增長。具體來講，數字經濟能夠通過數字創新能力、數字產業發展和數字普惠金融改善城市碳排放［3］；技術進步在降低碳排放方面發揮著重要作用［4］；綠色投資可以降低短期和長期的碳排放水平［5］；而城鎮化雖然會增加碳排放，但會通過清潔生產技術推廣、人力資本積累［6］和產業結構升級［7］來抑制這一不利影響；數字金融對碳排放具有節能效應和增產效應，碳排放隨著數字金融發展呈現先增加后減少的倒“U”型變化趨勢［8］；人口密度和產業集聚對碳排放的影響呈“N”型［9］；一般貿易出口和加工貿易出口均會增加碳排放，但加工貿易出口增加的碳排放相對較?。?0］。

另一類是綠色信貸對碳排放影響的相關研究。綠色信貸具有明顯的投資抑制作用與融資懲罰作用，支持環境友好型產業發展。［11］部分學者以《綠色信貸指引》構造準自然實驗，探究綠色信貸對碳排放的抑制作用［12-13］，或是從微觀層面評估政策對企業環境信息披露質量［14］和企業綠色創新［15］的促進作用；也有學者利用利息支出數據直接探討綠色信貸對碳排放的影響效應，如綠色信貸通過配置信貸資源、促進產業結構升級以及地區示范效應實現節能減排［16］，通過破壞性低碳創新減少碳排放［17］。

已有研究多側重于直接探討綠色信貸對碳排放的影響，鮮有文獻將綠色信貸、綠色技術進步和碳排放納入統一框架進行研究，而且綠色技術進步往往作為被評價對象，較少探析其在綠色信貸影響碳排放中的中介作用。綠色信貸是實現綠色發展的關鍵一環，結合綠色技術進步，探討其對碳排放的影響機制，有利于豐富綠色信貸和碳減排相關領域的經驗證據。鑒于此，本文在研究綠色信貸對碳排放影響的基礎上，引入綠色技術進步作為中介變量，使用Sobel中介因子模型探究綠色技術進步的中介效應，并進一步考察綠色信貸對碳減排的區域異質性及邊際效應遞減的非線性特征。

二、理論機制及研究假設

（一）綠色信貸對碳排放的影響

綠色信貸對地區污染排放的影響，很大程度上取決于微觀企業的策略性反應。［18］在資源優化方面，綠色信貸的實施可以為綠色產業和低碳產業提供更便利的融資環境，促進企業開展綠色創新活動、提升綠色技術水平以減少碳排放。同時，對于高污染企業而言，綠色信貸能夠提高其融資成本，對其產生融資約束，抑制其在高污染領域的擴張，倒逼高污染企業進行產品升級、技術優化，引導其實現碳減排。［19-20］在信號傳遞方面，綠色信貸的實施向市場傳遞了綠色發展的信號，激勵社會資本流向綠色企業，推動產業結構向綠色化、生態化發展。在資金保障方面，綠色信貸能夠為企業提升技術水平和污染控制能力提供資金保障，且外源融資依賴度越高的企業，實現碳減排的效果越好。［21］

假設1：綠色信貸可以顯著降低碳排放。

（二）綠色技術進步對碳排放的影響

綠色技術進步水平的提升帶來更先進的環保和節能技術，刺激能源利用效率提高和要素利用率提升，降低能源消耗，進而減少碳排放［22-23］；節能減排的良好效果又能增加產出，最終使得生產部門實現良性循環［24］。綠色技術進步對碳排放的影響方式有兩種：一種是從源頭上提高能源利用效率，通過促進技術進步，引導企業綠色轉型，在生產過程中減少碳排放；另一種是末端治理，提高碳捕集技術和存儲技術，對已產生的二氧化碳進行處理，減少碳排放。［25］因此，綠色技術進步是促進碳減排績效提升的主要動力。［26］

假設2：綠色技術進步水平的提升可以顯著抑制碳排放。

（三）綠色信貸、綠色技術進步與碳排放

綠色技術進步具有長周期、高投入和高風險的特征，銀行信貸對其的偏好性較差，因此企業在進行綠色創新時容易遭受信貸制約。綠色信貸對技術升級具有較高的邊際效應［27］，能夠通過激勵技術創新、優化資源配置促進低碳技術的進步。一方面，綠色信貸有利于企業增加研發投入［28］，使得研發活動的產出成果增加、企業的技術水平整體提高，進而實現綠色技術進步水平的提升［29］；另一方面，綠色信貸規模擴大使得技術市場的成交額增加，促進技術市場的發展，最終促進綠色技術進步水平提升［30］。綠色技術進步是實現節能減排、低碳轉型與生態可持續的關鍵所在。綠色信貸可以通過綠色技術進步產生顯著的技術效應，影響碳排放規模和碳排放強度。［31］因此，綠色信貸可以通過增加企業的研發投入、刺激技術市場發展，促進綠色技術進步，最終實現節能減排。

假設3：綠色技術進步在綠色信貸的碳減排效應中發揮著中介作用。

三、研究設計

（一）模型設定

1.基準回歸模型

由于不同省份的發展情況不同，可能存在不隨時間變化的個體效應；且政策的頒布與執行隨著時間變化，也可能存在不隨個體變化的時間效應。因此，本文選取雙向固定效應模型分析綠色信貸對碳排放的影響，構建基準估計模型為

ceiit=α0+α1lvit+δxit+μi+ηt+uit（1）

式中：i為省份，t為年份，被解釋變量cei為省域碳排放水平，解釋變量lv為綠色信貸水平，α1為綠色信貸對碳排放的影響程度，xit為控制變量，μi為省份固定效應，ηt為時間固定效應，uit為隨機擾動項。

2.中介效應模型

為驗證綠色信貸對碳排放的作用機制，本文引入綠色全要素生產率（gtfp）作為中介變量的衡量指標，以檢驗綠色信貸是否可以通過綠色技術進步影響碳排放。本文采用Baron等［32］提出的Sobel中介因子檢驗方法，來驗證綠色技術進步的中介效應。

ceiit=β0+β1lvit+δ1xit+μi+ηt+uit（2）

gtfpit=γ0+γ1lvit+δ2xit+μi+ηt+uit（3）

ceiit=π0+π1lvit+π2gtfpit+δ3xit+μi+ηt+uit（4）

當式（2）回歸系數β1、式（3）回歸系數γ1和式（4）回歸系數π1均顯著，而式（4）回歸系數π2不顯著，且Sobel Z值統計上顯著時，綠色技術進步具有完全中介效應；當式（2）回歸系數β1、式（3）回歸系數γ1、式（4）回歸系數π1和π2均顯著，但π1顯著小于β1，且Sobel Z值統計上顯著時，綠色技術進步具有部分中介效應。

（二）變量說明與測度

1.被解釋變量

本文參考文書洋等［2］、劉鋒等［33］的研究，以單位產出碳排放為被解釋變量，用碳排放總量與地區GDP的比值來表示。與碳排放總量相比，這一衡量方式能夠更好地消除經濟規模對碳排放的影響。二氧化碳測算參考政府間氣候變化專門委員會（IPCC）提出的方法，采用標準煤法，選取原煤、原油、柴油、焦炭、燃料油、汽油、液化石油氣、煤油以及天然氣9種化石能源，對碳排放總量進行測算。

式中：CO2it為第t年第i個省份的二氧化碳排放量，CO2itp為第t年第i個省份第p種化石能源的二氧化碳排放量，Eitp為第t年第i個省份第p種化石能源的實物消費量，Ap為第p種能源的碳元素折算系數，Bp為第p種能源的二氧化碳排放系數。

2.解釋變量

綠色信貸主要有4種衡量方式：綠色信貸余額、節能環保貸款余額、工業污染治理投資來源中的銀行貸款、非六大高能耗產業利息支出占比。［34］綠色信貸余額、節能環保貸款余額來源于《中國銀行業社會責任報告》的全國層面數據，而工業污染投資治理來源中的銀行貸款的數據在2010年后就不再統計，因此，考慮數據的完整性，本文選取第4種方式來衡量綠色信貸水平，即非六大高能耗產業利息支出占比（1-六大高能耗產業利息支出/工業產業利息總支出）①。

3.中介變量

參考弓媛媛等［30］的觀點，采用綠色全要素生產率衡量綠色技術進步。同時，依據馮杰等［35］的方法構建投入指標與產出指標，通過超效率SBM模型的GML指數測算綠色全要素生產率。其中，投入要素包括勞動投入、資本投入和能源投入，分別使用各省份年末就業人員數、固定資本存量、能源消費總量來衡量；產出要素包括期望產出和非期望產出，以2008年為基期將名義GDP轉換為實際GDP衡量期望產出，以工業廢水中化學需氧量與工業廢氣中二氧化硫排放總量作為污染物排放要素衡量非期望產出。

由于超效率SBM模型可以比較效率值同為1的有效單元之間的效率高低，且GML指數可以解決線性規劃無可行解的問題。因此，本文利用超效率SBM模型的GML指數測算綠色全要素生產率。具體分為如下3個步驟。

（1）全局生產技術集。參考Oh［36］提出的全局生產技術集，決策單元q（1，2，…，Q）在t（1，2，…，T）時期，投入C種要素Z=（z1，z2，…，zc）∈RC+，得到M種期望產出Y=（y1，y2，…，ym）∈RM+與N種非期望產出b=（b1，b2，…，bn）∈RN+，構建全局生產技術集為

（2）全局方向性SBM。借鑒王兵等［37］的處理方法得到全局方向性SBM。第t期決策單元的投入、期望產出和非期望產出要素的向量 （zt0，yt0，bt0）、方向向量（gz0，gy0，gb0）、松弛向量（szc，sym，sbn），其實際意義分別是投入要素冗余、期望產出不足、非期望產出超標。

（3）GML指數構建。借鑒Oh［36］、楊翔等［38］的方法，在全局方向性SBM的基礎上，構建GML指數，精確測算綠色全要素生產率。

其中，若GMLt+1t>1，表明t+1期的綠色全要素生產率比t期上升；若GMLt+1t<1，表明t+1期的綠色全要素生產率比t期下滑；若GMLt+1t=1，表明在t→t+1期內，綠色全要素生產率保持不變。

4.控制變量

為降低遺漏變量的影響，借鑒吳姍姍［31］、陳向陽［39］的觀點，選取產業結構、外商直接投資、信貸資金分配市場化指數、政府規模、人力資本水平、老齡化水平和城鎮化水平作為控制變量。其中，產業結構（ind）采用第二產業增加值與GDP的比值來衡量；外商直接投資（fdi）采用外商直接投資額與GDP的比值衡量；信貸資金分配市場化指數（cfa）采用樊綱編制的《中國市場化指數》中的信貸市場分配的指數數據衡量；政府規模（gov）采用地方財政一般預算支出與GDP的比值衡量；人力資本水平（edu）采用普通高等學校在校學生數的對數衡量；老齡化水平（age）采用65歲及以上的老年人口數與總人口數的比值衡量；城鎮化水平（urban）采用城鎮人口數與總人口數的比值衡量。

（三）數據來源

囿于數據的可得性，本文選取全國29個省份（不含海南、西藏、香港、澳門和臺灣）2009—2019年的相關數據進行分析，共獲得319組數據。數據來源于《中國統計年鑒》《中國工業統計年鑒》《中國能源統計年鑒》、EPS數據庫、CEADs數據庫、中國市場化指數數據庫等。部分缺失數據采用插值法與移動平均法進行補全。變量描述性統計結果如表1所示。

四、實證分析

（一）基準回歸結果

本文使用Stata軟件，采用雙向固定效應模型確定綠色信貸對碳排放的影響，基準回歸結果如表2所示。

首先考慮綠色信貸與碳排放的基準關系，表2列（1）未加入控制變量，綠色信貸的回歸結果在1%的水平下顯著為負，初步表明綠色信貸具有降低碳排放的效果。列（2）—列（4）為依次加入不同控制變量的回歸結果，綠色信貸的估計系數均在1%的水平下顯著為負，進一步表明綠色信貸能夠有效抑制碳排放，驗證了假設1。這一結論與張可等［16］的結論一致，綠色信貸能夠發揮信貸資源配置作用，使資金流向節能環保企業，支持碳減排技術發展；同時也能發揮信號傳遞作用，引導資本流向綠色企業，促使市場主體綠色轉型，最終實現碳減排的目標。

（二）中介效應分析

前文分析表明，綠色信貸可以有效降低碳排放。為考察綠色技術進步在其中的中介效應，本文利用Sobel中介因子模型進行中介效應檢驗。表3列（1）回歸結果表明，解釋變量綠色信貸對被解釋變量碳排放存在顯著的負向影響。列（2）和列（3）中引入綠色全要素生產率考察綠色技術進步的中介作用。列（2）結果表明，綠色信貸對綠色全要素生產率存在顯著的正向作用，說明綠色信貸會通過綠色技術進步抑制碳排放，綠色信貸每增長1%，綠色技術進步水平就會提升1.139%。列（3）結果顯示，加入中介變量后，綠色信貸的系數仍然顯著，Sobel檢驗Z值在統計意義上顯著，綠色技術進步在綠色信貸對碳排放的影響中存在顯著的中介效應。由此可知，綠色技術進步水平的提升對碳排放起到抑制作用，假設2成立；且綠色技術進步在綠色信貸降低碳排放的過程中起到重要中介作用，假設3成立。

（三）穩健性檢驗

為檢驗綠色信貸對碳排放影響的基準回歸結果是否可靠，需要對模型進行穩健性檢驗，本文采用以下5種方式進行檢驗。

1.替換解釋變量

本文借鑒江紅莉等［19］的研究，使用非六大高能耗產業利息支出的對數來衡量綠色信貸水平，以替換解釋變量來進行穩健性檢驗，其中，非六大高能耗產業利息支出采用

工業利息總支出減六大高能耗企業利息支出的方式計算。從表4列（1）可知，綠色信貸的影響系數在1%的水平下顯著為負，證實基準回歸具有穩健性。

2.替換被解釋變量

由于不同省份的人口數量有較大差別，本文參考董梅等［40］的研究方法，以人均碳排放替換單位產出碳排放來進行穩健性檢驗。從表4列（2）可知，綠色信貸系數在1%的水平下顯著為負。綠色信貸對碳排放具有抑制作用，與基準回歸結果基本相似。

3.剔除異常值

為排除異常值對基準回歸結果的影響，本文對核心變量碳排放進行1%的 Winsorize 處理。從表4列（3）可知，綠色信貸對碳排放的抑制作用仍在1%的水平下顯著，再次證明基本結論的穩健性。

4.內生性分析

綠色信貸與碳排放之間可能存在雙向因果關系與不可觀測的因素，這會導致內生性問題產生。因此，本文采用工具變量法進行內生性檢驗，選取綠色信貸的一階滯后項作為工具變量，進行2SLS回歸。從表4列（4）可知，綠色信貸對碳排放的影響與基準回歸結果基本一致，表明考慮內生性問題后，綠色信貸對碳排放具有抑制作用的結論依舊穩健。

五、進一步分析

（一）區域異質性

基準回歸結果表明，綠色信貸可以對碳排放產生抑制作用，為檢驗這一結論是否具有普適性，本文將全國29個省份劃分為東部、中部和西部地區進行異質性分析②，結果如表6所示。加入控制變量后，除中部地區外，東部、西部地區綠色信貸對碳排放的影響均顯著為負。西部地區綠色信貸對碳排放的抑制作用較大，東部地區較小，中部地區效果不顯著。這可能是因為，西部地區囿于地理位置的影響，經濟發展水平、技術發展水平等較為落后，但能夠獲得更多的政策傾斜，綠色信貸的開展能夠更高效地提升企業綠色技術進步水平，改善當地的能源結構，因此綠色信貸在西部地區容易產生較強的碳減排效應；東部地區基礎設施條件優越，經濟發展水平較高，高能耗高污染企業比例相對較低，更依賴于第三產業的發展，且環境保護意識較強，因而東部地區綠色信貸開展的效果弱于西部地區；中部地區在經濟金融發展方面落后于東部地區，在獲取政府資源扶助方面又弱于西部地區，因此中部地區的綠色信貸碳減排效應仍處于“凹陷”的狀態。

（二）門檻效應

基準回歸模型可以考察綠色信貸的碳減排效應是否顯著，由于中國各省份經濟發展水平、資源稟賦存在差異，綠色信貸發展水平不盡相同，可能導致其對碳排放產生非線性影響。借鑒Hansen［41］的研究，以綠色信貸為門檻變量，構建面板門檻模型為

ceiit=φ0+φ1lvit×I（lvit≤θ）+φ2lvit×I（lvit>θ）+δxit+μi+ηt+uit（10）

首先利用自主法（Bootstrap）抽樣1 000次進行面板門檻存在性檢驗，結果表明綠色信貸通過了三重門檻檢驗，因而設定門檻個數為3進行回歸，結果如表7所示。當綠色信貸發展水平小于或等于0.288時，綠色信貸對碳排放的抑制作用不顯著;但當綠色信貸水平大于0.288時，隨著綠色信貸水平逐漸提高，綠色信貸對碳排放的抑制作用表現出邊際效應遞減的非線性特征。這表明綠色信貸對碳排放的抑制作用不是一蹴而就的，而是存在一定的發展期，只有綠色信貸發展水平跨越第一門檻值時才會對碳排放產生顯著的抑制作用；而當綠色信貸發展水平跨越第二門檻值時，對碳排放的抑制作用會趨于常態；隨著減排措施和生態保護機制更加完善，此時綠色信貸對碳排放雖然仍能起到抑制作用，但會呈現邊際效應遞減的趨勢。

六、結論及建議

本文立足于綠色信貸發展極大地影響了碳排放這一典型事實，從綠色技術進步的視角切入，基于2009—2019年中國29個省份的面板數據，利用雙向固定效應模型、中介效應模型和面板門檻模型，分析綠色信貸對碳排放的影響以及綠色技術進步的中介作用。研究得出如下結論。第一，綠色信貸對碳排放具有顯著的抑制作用，并且經過一系列穩健性檢驗后，結論依然成立。由此可見，在雙碳背景下，綠色信貸是碳減排可依賴的有效手段；但隨著綠色信貸的開展，綠色信貸對碳排放的抑制作用呈現出邊際效應遞減的非線性變化趨勢。第二，綠色技術進步在綠色信貸對碳排放的影響中，存在顯著的中介效應，綠色技術進步是實現綠色信貸碳減排效應的有效渠道。第三，在區域異質性上，綠色信貸對碳排放的抑制作用在西部地區強于東部地區，而中部地區不顯著，綠色信貸的碳減排效應仍處于區域不平衡狀態。

基于上述結論，本文提出以下幾點建議。第一，擴大綠色信貸投放規模。在保持發揮綠色信貸碳減排效應的前提下，應加大對金融機構開展綠色信貸的支持力度。通過制定稅收優惠政策、增加風險補償措施、加強市場監管、加大綠色信貸實驗區的投入力度等方式，鼓勵金融機構擴大綠色信貸規模，進一步釋放綠色信貸的碳減排紅利；同時，縮緊流向高污染、高能耗企業的資金，增加對綠色環保、節能低碳企業的資金支持，加快綠色產業發展，抑制碳排放。第二，提高地區綠色技術進步水平。金融機構通過推廣多樣化的綠色信貸產品、降低成本費用等手段，激發企業的綠色創新活力，提升綠色技術進步水平；此外，依據項目綠色資金投入比例、環境效益結果等評估手段，將更多的綠色技術項目納入綠色信貸的支持范疇，進而增加對綠色技術創新的金融支持力度。第三，依據地區發展狀況制定差異化的綠色信貸政策。在西部地區應繼續大力推行綠色信貸，并完善現有的綠色信貸制度，持續發揮綠色信貸的碳減排效應；在中部地區，應增加財政轉移支付、推進市場與政府合作、擴大綠色信貸覆蓋面，使綠色信貸惠及更多企業，以緩解綠色信貸碳減排效應中部“凹陷”的問題；在經濟較發達的東部地區，應合理調配綠色金融資源，增加環保技術創新投入、提高綠色技術進步水平，最大限度地發揮碳減排效應。此外，鼓勵省域間跨地區合作，促進碳減排技術擴散，充分發揮地區間的輻射帶動作用。

注釋：

① 六大高能耗產業分別指：化學原料及化學制品制造業，有色金屬冶煉和壓延加工業，黑色金屬冶煉和壓延加工業，非金屬礦物制品業，石油、煤炭及其他燃料加工業，電力、熱力生產和供應業。

② 依據北京市宏觀經濟與社會發展基礎數據庫劃分東、中、西部地區。東部地區：上海、北京、天津、山東、廣東、廣西、江蘇、河北、浙江、福建、遼寧。中部地區：內蒙古、吉林、安徽、山西、江西、河南、湖北、湖南、黑龍江。西部地區：云南、四川、寧夏、新疆、甘肅、貴州、重慶、陜西、青海。

參考文獻：

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

［2］ 文書洋，史皓銘，郭健.一般均衡理論視角下綠色金融的減排效應研究：從模型構建到實證檢驗［J］.中國管理科學，2022，30（12）：173-184.

［3］ 徐維祥，周建平，劉程軍.數字經濟發展對城市碳排放影響的空間效應［J］.地理研究，2022，41（1）：111-129.

［4］ Zhang F， Deng X， Phillips F， et al. Impacts of Industrial Structure and Technical Progress on Carbon Emission Intensity： Evidence from 281 Cities in China［J］.Technological Forecasting and Social Change，2020，154：119949.

［5］ Li Z Z， Li R， Malik M Y， et al. Determinants of Carbon Emission in China： How Good is Green Investment？［J］.Sustainable Production and Consumption，2021，27：390-421.

［6］ 張騰飛，楊俊，盛鵬飛.城鎮化對中國碳排放的影響及作用渠道［J］.中國人口·資源與環境，2016，26（2）：47-57.

［7］ Sun W， Huang C C. How Does Urbanization Affect Carbon Emission Efficiency？ Evidence from China［J］.Journal of Cleaner Production，2020，272：122828.

［8］ 范慶倩，封思賢.數字金融影響碳排放的作用機理及效果［J］.中國人口·資源與環境，2022，32（11）：70-82.

［9］ 何文舉，張華峰，陳雄超，等.中國省域人口密度、產業集聚與碳排放的實證研究——基于集聚經濟、擁擠效應及空間效應的視角［J］.南開經濟研究，2019，206（2）：207-225.

［10］ 李永波，陰俊宇.不同出口貿易方式對碳排放增長影響的差異性研究［J］.中國石油大學學報（社會科學版），2022，38（4）：11-20.

［11］ 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，2018，462（12）：123-137.

［12］ Chen Z G，Zhang Y Q，Wang H S，et al.Can Green Credit Policy Promote Low-carbon Technology? Innovation？［J］.Journal of Cleaner Production，2022，359：132061.

［13］ Zhang A X， Deng R R， Wu Y F. Does the Green Credit Policy Reduce the Carbon Emission Intensity of Heavily Polluting Industries？ Evidence from Chinas Industrial Sectors［J］.Journal of Environmental Management，2022，311：114815.

［14］ 劉亦文，陽超，周韶成，等.綠色信貸政策對企業環境信息披露的影響研究［J］.統計研究，2022，39（11）：73-87.

［15］ 王馨，王營.綠色信貸政策增進綠色創新研究［J］.管理世界，2021，37（6）：173-188.

［16］ 張可，李語晨，趙錦楸.綠色信貸促進了節能減排嗎［J］.財經科學，2022，406（1）：15-30.

［17］ Lyu B，Da J Y，Ostic D，et al.How Does Green Credit Promote Carbon Reduction？ A Mediated Model［J］.Frontiers in Environmental Science，2022，10：878060.

［18］ 丁杰.綠色信貸政策、信貸資源配置與企業策略性反應［J］.經濟評論，2019，218（4）：62-75.

［19］ 陳琪.中國綠色信貸政策落實了嗎——基于“兩高一?！逼髽I貸款規模和成本的分析［J］.當代財經，2019（3）：118-129.

［20］ 江紅莉，王為東，王露，等.中國綠色金融發展的碳減排效果研究——以綠色信貸與綠色風投為例［J］.金融論壇，2020，25（11）：39-48.

［21］ Sun J，Wang F，Yin H T，et al.Money Talks：The Environment Impact of Chinas Green Credit Policy［J］.Policy Analysis and Management，2019，38（3）：653-680.

［22］ 孫欣，張可蒙.中國碳排放強度影響因素實證分析［J］.統計研究，2014，31（2）：61-67.

［23］ 李小勝，胡正陶，張娜，等.“十二五”時期中國碳排放全要素生產率及其影響因素研究［J］.南開經濟研究，2018，203（5）：76-94.

［24］ 關海玲，武禎妮.地方環境規制與綠色全要素生產率提升——是技術進步還是技術效率變動？［J］.經濟問題，2020，486（2）：118-129.

［25］ Li M Q，Wang Q.Will Technology Advances Alleviate Climate Change？ Dual Effects of Technology? Change on Aggregate Carbon Dioxide Emissions［J］.Energy for Sustainable Development，2017，41：61-68.

［26］ 邵帥，范美婷，楊莉莉.經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察［J］.管理世界，2022，38（2）：46-69.

［27］ 李江濤，黃海燕.綠色金融的生態環境效應——雙碳目標下粵港澳大灣區的實踐檢驗［J］.廣東財經大學學報，2022，37（1）：87-95.

［28］ 何凌云，梁宵，楊曉蕾，等.綠色信貸能促進環保企業技術創新嗎［J］.金融經濟學研究，2019，34（5）：109-121.

［29］ 謝婷婷，劉錦華.綠色信貸如何影響中國綠色經濟增長？［J］.中國人口·資源與環境，2019，29（9）：83-90.

［30］ 弓媛媛，劉章生.金融結構與綠色技術進步：理論模型、影響效應及作用機制［J］.經濟經緯，2021，38（5）：151-160.

［31］ 吳姍姍.銀行信貸如何影響碳排放？——基于增長模型及中國經驗的研究［J］.中南財經政法大學學報，2018，231（6）：22-32.

［32］ Baron R M， Kenny D A.The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual，Strategic，and Statistical Considerations［J］.Chapman and Hall，1986，51（6）：1173-1182.

［33］ 劉鋒，黃蘋，唐丹.綠色金融的碳減排效應及影響渠道研究［J］.金融經濟學研究，2022，37（6）：144-158.

［34］ 郭威，曾新欣.綠色信貸提升工業綠色全要素生產率了嗎？——基于空間Durbin模型的實證研究［J］.經濟問題，2021，504（8）：44-55.

［35］ 馮杰，張世秋.基于DEA方法的我國省際綠色全要素生產率評估——不同模型選擇的差異性探析［J］.北京大學學報（自然科學版），2017，53（1）：151-159.

［36］ Oh D.A Global Malmquist-Luenberger Productivity Index［J］.Journal of Productivity Analysis，2010，34：183-197

［37］ 王兵，吳延瑞，顏鵬飛.中國區域環境效率與環境全要素生產率增長［J］.經濟研究，2010，45（5）：95-109.

［38］ 楊翔，李小平，周大川.中國制造業碳生產率的差異與收斂性研究［J］.數量經濟技術經濟研究，2015，32（12）：3-20.

［39］ 陳向陽.金融結構、技術創新與碳排放：兼論綠色金融體系發展［J］.廣東社會科學，2020，204（4）：41-50.

［40］ 董梅，李存芳.低碳省區試點政策的凈碳減排效應［J］.中國人口·資源與環境，2020，30（11）：63-74.

［41］ Hansen B E. Threshold Effects in Non-dynamic Panels： Estimation， Testing， and Inference［J］.Journal of Econometrics，1999，93（2）：345-368.

Green Credit， Green Technological Progress and Regional Carbon Emissions

YU Zhihui1， HE Changlei2

（1.School of Finance， Anhui University of Finance and Economics， Bengbu 233030， Anhui， China;

2.China Cooperative Research Institute， Anhui University of Finance and Economics， Bengbu 233030， Anhui， China）

Abstract： It is of great significance to analyze the influence mechanism of green credit and green technological progress on carbon emissions， and explore the mediating effect of green technological progress to realize the green and high-quality development of Chinas economy. Based on the panel data of 29 provinces from 2009 to 2019， the effects of green credit and green technological progress on carbon emissions are empirically examined using the two-way fixed effect model， the Sobel intermediary factor model， and the panel threshold model， with green total factor productivity as the proxy variable for green technological progress. It is found that： green credit has a significant inhibitory effect on carbon emissions; green technological progress has a significant mediating effect in the influence of green credit on carbon emissions; the inhibitory effect of green credit on carbon emissions is stronger in the western region than in the eastern region， while the effect is not significant in the central region; and there is a non-linear characteristic of diminishing marginal effect in the carbon emission reduction effect of green credit.

Key words： green credit; carbon emissions; green technological progress; Sobel intermediary factor model