绿色金融试点降低了能源消耗强度吗？

来源:用户上传      作者:

　　摘   要：基于2013—2017年中国30个省级行政区面板数据，采用双重差分模型分析绿色金融政策对能源强度的影响，评估绿色金融试点的政策效应，并进一步考察绿色金融发挥作用的中介效应。研究结果表明：绿色金融试点政策有效地降低了单位GDP的能源消耗，政策效应显著，多种方法的稳健性检验显示估计结果具有稳定性;现阶段，绿色金融试点政策主要通过工业产业绿色转型中介效应影响能源强度，创新能力和产业结构优化中介效应短期内尚不明显。因此，应扩大试点范围，进一步提升地方绿色金融实践能力，积极引导绿色资金支持能源技术创新，加快工业绿色转型，聚合社会力量共同推动经济绿色发展。
　　关键词：绿色金融;能源强度;双重差分模型;中介效应;工业绿色转型
　　中图分类号：F830   文献标识码：A  文章编号：1674-2265（2020）02-0003-08
　　DOI：10.19647/j.cnki.37-1462/f.2020.02.001
　　一、引言
　　新中国成立70周年来，我国能源领域发展成就引人瞩目，能源消费逐渐从“一煤独大”、粗放低效向清洁多元、集约高效转变。但我国经济社会处于工业化阶段中后期，未来能源消耗仍然会继续增加，绿色发展任务艰巨。提高能源利用效率，降低能源消耗强度（单位GDP能源消耗，简称“能源强度”）是统筹 “经济发展” 与 “绿色生态” 的核心对策，“十一五”以来能源强度指标连续被纳入国民经济和社会发展五年规划纲要。目前，我国能源强度整体呈下降态势，但降幅持续收窄，2018年仅下降2.2%，低于近10年4.0%的平均降幅。如何有效提高能源系统效率，已成为亟待解决的重大理论与现实问题。
　　绿色金融试点作为金融供给侧改革精准支持绿色发展体系的重要举措，是节能降耗的重要途径和关键策略之一。绿色金融可通过推动试点省区企业技术创新、产业绿色转型和产业结构优化等途径，降低能源强度，提高能源效率，实现节能减排目标（苏任刚等，2019）。2017年6月14日国务院正式审议通过浙江省、广东省、新疆维吾尔自治区、贵州省、江西省五省（区）绿色金融改革创新试验区总体方案，决定在五省（区）开展绿色金融试点。由此，中国绿色金融发展迈向“自上而下”的顶层设计和“自下而上”的地方实践探索相结合的新阶段（陈雨露，2019）。
　　我国是全球第一个构建了系统性绿色金融政策框架的经济体，但当前对绿色金融政策的研究集中于定性分析，实证研究匮乏，落后于不断完善的绿色金融政策体系（杜莉和郑立纯，2019）。因此，对绿色金融试点政策效应进行实证研究十分必要。绿色金融试点政策提供了一个“准自然实验”，可通过双重差分模型分析绿色金融政策对能源强度的影响，评估绿色金融试点的政策效应。同时，运用改变控制组、反事实检验等多种方法展开稳健性检验以确保结果的可靠性，并进一步检验绿色金融发挥作用的中介效应。最后，基于实证研究结果，为完善我国绿色金融体系、提高地方绿色金融实践能力提出相关政策建议。
　　二、文献综述
　　（一）关于绿色金融发展
　　对绿色金融政策的研究总体可分为两类：一是从绿色金融发展的国际经验、监管措施等角度，为完善我国绿色金融体系提出政策建议，此类文献以定性研究为主;二是实证研究绿色金融对经济发展的影响。
　　有关绿色金融的定性文献主要聚焦于理论机制探索方面。第一，金融机构绿色资金配置通过资本成本影响企业的生产经营是绿色金融发挥作用的主渠道（Wang等，2019;党晨鹭，2019）。一方面，对于节能环保等产业，绿色信贷、绿色债券等绿色金融产品可通过拓宽其融资渠道，支持绿色产业发展（陈经伟等，2019;苏任刚等，2019）;另一方面，对于“三高”产业，其面临的环境风险将提高融资成本，加剧融资约束，抑制高耗能企业投资，绿色金融通过融资惩罚效应与投资抑制效应加快绿色转型，降低能源强度， 提高单位资源的产出水平（苏冬蔚和连莉莉，2018;王康仕，2019;安伟，2008）。第二，绿色消费金融带动绿色消费、促进居民生活方式绿色化，通过末端绿色消费需求、市场化激励影响企业行为，倒逼前端产业转型升级，增强绿色产品的有效供给，提高能源效率（杨慧慧，2019;王修华，2016）。第三，绿色金融资金投向影响社会预期，引导社会資金流向成长型和创新型产业，市场主体自发推动绿色产业发展，继而推动产业结构优化升级（陈经伟等，2019）。
　　对于绿色金融政策的实证研究较少，总体上落后于日趋完善的绿色金融政策体系（杜莉和郑立纯，2019）。受数据可得性限制，实证研究多使用节能减排贷款、污染企业相关反向指标表征绿色金融发展水平（俞岚，2016;王康仕，2019;余冯坚和徐枫，2019）。部分研究与本文较为相似，运用双重差分模型研究绿色金融对产业结构、投资水平、经济发展等的影响。如，杜莉和郑立纯（2019）基于碳排放权交易试点运行数据对我国绿色金融政策体系的效应进行评价，研究发现试点地区碳排放量增长趋势明显低于非试点地区，经济发展更为绿色。李程等（2016）以2007年绿色信贷政策的出台为自然实验，使用2005—2012年16家上市银行数据评价绿色信贷政策对银行绩效的影响，研究发现绿色信贷政策对商业银行绩效存在负向的影响，但随着绿色金融政策的完善，负面影响正在减弱。Wang等（2019）构建准自然实验研究发现，绿色金融政策促使金融机构调整对高污染企业的信贷策略，进而影响其投资结构和效率。
　　（二）关于能源强度影响因素
　　现有对能源强度影响因素的研究主要集中于经济发展水平、产业结构、城镇化、金融发展等方面，着重分析绿色金融对能源强度影响的文献较为鲜见。张志辉（2015）应用Bootstrap纠正的共同前沿DEA方法，测算中国区域能源效率并分析其影响因素，发现经济发展水平、政府干预、城镇化、产业结构、经济开放等对能源效率均有显著影响。郭文和孙涛（2017）引入城镇化等因素拓展LMD模型，实证分析人口结构变动对区域能源消费碳排放量变动的影响，发现中国人口结构变动主要通过居民消费率和消费水平影响地区能源消费碳排放量。唐晓华和刘相锋（2016）利用Geweke因果检验的方法发现中国制造业产业结构优化与能源消耗之间存在两条反馈循环，减少能源压力应制定差异化的能源政策和产业结构调整政策。岳书敬（2019）以全球56个国家和地区为研究对象，重点分析多种金融发展指标对能源强度的影响，发现股票市场和银行层面的金融发展有效提升了发达国家的能源效率，但对发展中国家存在异质性。 　　综上所述，基于绿色金融试点政策 “准自然实验”，运用双重差分模型分析绿色金融政策对能源强度的影响，评估綠色金融政策的政策效应，并检验其产生作用的中介路径意义重大。
　　三、模型与数据
　　（一）双重差分模型
　　绿色金融试点政策实施后，能源强度变动的总效应由两部分构成：一是“时间效应”部分，即随自身发展特色或经济形势等原有“惯性”引起的能源强度变动部分;二是“政策处理效应”部分，即绿色金融试点政策导致的能源强度变动部分。因此，绿色金融试点政策评估的关键在于如何合理区分时间引起的能源强度变化与绿色金融试点“政策处理效应”。双重差分法（DID）作为一种因果效应参数识别策略，将绿色金融试点政策视为“准自然实验”，通过对比分析两类主体政策实施前后呈现出的差异，能够有效分离“时间效应”和“政策处理效应”（见图2），剥离未观测的混杂因素的影响。由此，本文选择双重差分模型考察绿色金融试点政策对能源强度的影响。
　　注：图中虚线为辅助线，表示不进行政策干预时处理组的趋势。
　　图2：双重差分法示意图
　　假设政策实施前试点省区与非试点省区的能源强度具有相同的时间效应趋势，以绿色金融试点省区作为处理组、非试点省区作为控制组，构建DID模型如下：
　　[lnEIit=α0Treati+α1Postt+ωTreati×Postt+β×Controlit+εit]  （1）
　　其中EI（Energy Intensity）为能源强度，表示单位GDP的能源使用量。[Treati]表示绿色试点政策，试点省份取1，其余为0。[Postt]表示政策实施时间，试点前为0，政策实施为1。[Treati×Postt]为双重差分变量，其系数[ω]表示政策效应。[Controlit]表示一系列控制变量，包括经济发展、金融基础、城镇化率、FDI等。此外，考虑到宏观经济波动、气候、区位、地理特征等因素会对地区能源强度产生影响，采用普遍做法，控制时间固定效应（[γt]）和地区固定效应（[μi]），模型转化为：
　　[lnEIit=ωTreati×Postt+β×Controlit+μi+γt+uit] （2）
　　（二）数据说明
　　数据选取综合考虑以下三方面：
　　1. 控制其他政策因素干扰。由图3所示，2012年起受PM2.5监测等环境政策影响，平均能源消耗呈现出较大波动，由此选择2013作为研究区间开端。
　　2. 试点政策与实际运行状况。2016年4月，中国人民银行副行长陈雨露表示绿色金融第一批试点即将启动，包括浙江、广东、新疆、贵州、江西等省区。这些地区积极开展准备工作，为绿色金融试点工作顺利开展奠定基础，如2016年末广东省和贵州省分别出台《关于加强环保与金融融合促进绿色发展的实施意见》《贵州省人民政府办公厅关于加快绿色金融发展的实施意见》等。因此，在2017年绿色金融试点方案正式通过时，政策效应得以迅速释放，使用2017年数据代表政策实施数据具备合理性。
　　3. 数据可得性与统计口径一致性。《中国能源统计年鉴》仅更新至2018年版，即省级能源消耗数据仅能获至2017年，且港澳台地区和西藏数据缺失较为严重。另外，2018年虽未扩大试点范围，但各省（市）均开始颁布涉及绿色金融的相关实施意见或发展规划，将加大对政策效果测度的干扰。
　　鉴于此，本文基于2013—2017年中国30个省级行政区面板数据（港澳台和西藏未包括在内）开展研究。
　　（三）变量设置
　　1. 被解释变量。能源强度又称综合能耗强度，是单位国内生产总值的能源消耗，即地方能源消耗总量与该地GDP之比，是经济社会发展的重要约束性指标。各省的能源消耗总量由该地区实际消费的煤炭、石油、天然气等化石燃料转换为具有可比性的标准煤后加总得到，数据来源于历年《中国能源统计年鉴》。
　　2. 核心解释变量。本文的核心解释变量为双重差分变量[Treati×Postt]。其中[Treati]表示绿色试点政策，试点省份取值1，其余为0;[Postt]表示政策实施时间，2016年及以前为0，2017年为1。[Treati×Postt]的系数[ω]表示政策效应。
　　3. 控制变量。以绿色金融试点为“准自然实验”的DID模型中的控制变量，要综合考虑影响政策选择与被解释变量能源强度的因素。中国人民银行副行长陈雨露介绍试点政策时表示试点工作应具备充分的代表性，综合考虑经济发展阶段与空间布局等因素。从各自的发展情况来看，五大试验省区差异化特征明显，在经济发展水平、金融基础、人口规模、对外开放程度等方面均具备一定的典型性、代表性，有利于进一步提升创新试点经验，对于中国乃至全球绿色金融发展具有借鉴意义。考虑到上述因素可能影响试点省份的确定，且会对能源强度产生影响，在模型中对其进行控制，以便更准确地估计试点政策效果（岳书敬，2019;严成樑等，2016;郭文等，2017）。其中，经济发展水平（PGDP）使用人均GDP表示;金融基础采用金融相关比率指标，为地方金融机构存贷之和占GDP的比重;人口规模（POP）为地方常住人口数量;对外开放水平（FDI）使用实际利用外商直接投资额衡量，并按照当年汇率折算为人民币价值。人均GDP、人口规模和FDI进行取对数处理。
　　此外，诸多研究证实人口城乡结构（城镇化）、创新能力、产业结构、政府经济影响力是能源消费强度的重要影响因素，对此予以控制（岳书敬，2019;张志辉，2015;张瑞和丁日佳，2015）。人口城乡结构（UR）使用城镇化率表示，为各省非农人口占总人口比重;政府经济影响力（ECO）采用地方节能环保公共财政支出表示，取对数处理;产业结构由产业结构优化（STRUC）与工业产业占比（INDUSTRY）两个指标表示，前者为第二产业产值与第三产业产值之比，后者为第二产业产值占地方GDP的比重。根据图1，绿色金融政策可能通过创新能力、产业结构优化与工业产业占比作用于能源强度，因此这三个变量为中介效应变量，是本文的重要解释变量。创新能力（PAT）使用专利申请数量表示，取对数处理。汇率数据来源于国际货币基金组织IFS数据库，专利申请数量、城镇化率和地方节能环保财政支出数据来自万得数据库。 　　四、实证分析
　　首先，在平行趋势检验的基础上，控制经济发展水平、金融基础等影响因素，使用双重差分模型估计绿色金融试点对能源强度的影响。其次，使用改变控制组、反事实检验、单差法等多种方法对模型进行稳健性检验，确保实证分析结果的可靠性。再次，根据绿色金融影响能源强度的路径（见图1），进一步考察绿色金融政策发挥作用的中介效应。
　　（一）平行趋势检验
　　平行趋势假设是双重差分模型有效分离“时间效应”和“政策处理效应”，进而分析绿色金融政策效应的前提假设。其含义为假设不存在绿色金融试点政策时，处理组和控制组的能源强度变动趋势将保持一致。如果能源强度不满足平行趋势假设，则处理组与控制组的差异可能来自处理组以外的其他因素，双重差分的政策评估结果不可信，因此，有必要在政策效应评估前进行平行趋势检验。
　　由图5所示，试点政策实施前（2013—2016年），控制组与处理组平均能源强度持续保持高度平行趋势，满足假设条件，控制组的能源强度可作为处理组的潜在结果。2017年政策实施后，处理组平均能源强度大幅下降，处理组a点与控制组辅助线b'间的差距ab'表示绿色金融试点的政策效应。
　　（二）实证结果
　　由表2的政策效应评估结果，绿色金融试点政策变量系数均显著为负，表明绿色金融试点政策有效地降低了单位GDP的能源消耗，政策效应十分显著。由模型1所示，不考虑其他因素影响，绿色金融试点政策系数在1%的水平上显著为-0.0902。在对经济发展、人口等因素进行控制后（模型2），绿色金融试点政策系数为-0.0343，表示绿色金融试点省份政策实施后较实施前比非试点省份政策实施后较政策实施前单位GDP能耗平均显著降低约343吨标准煤。绿色金融试点省份通过绿色金融工具支持当地经济绿色发展，显著提高能源使用效率，降低能源强度。
　　控制变量中，经济发展速度会显著降低能源强度，表明经济发展方式转变、提质增效成效显著;人口规模增加单位产出的能源消耗，城镇化水平会显著降低能源强度，表明生活能源使用效率不佳，但城镇化的集聚效应和规模经济作用明显;外商直接投资增加单位产出的能源消耗，表明地方在对外招商引资中对其能源消耗强度缺乏重视;金融发展水平一次项显著为正（约为0.2503），二次项显著为负（-0.0211），表明传统金融发展与能源消耗强度存在倒U形关系，与岳书敬（2019）、严成樑等（2016）的研究结果一致。模型3继续控制地方节能环保财政支出后，政策效应仍然显著，系数变动幅度微小，表明政府节能环保支出有效地提高了能源效率。
　　进一步，考虑图1中绿色金融政策可能影响能源强度路径的变量，即创新能力、产业结构优化和产业绿色转型。如模型4—6所示，创新能力（PAT）和产业结构优化（STRUC）作用不显著，可能是由于中介效应的存在，下文将对此展开检验。工业产业占比（INDUSTRY）显著为负，工业产值占比增加显著降低能源强度，与近年现实情况相符①。此外，工业生产过程中降低能源资源消耗实质上就是工业绿色转型的过程（李平，2011），工业产业占比系数表明2013—2015年连续开展的工业节能与绿色发展专项行动②作用释放，淘汰落后煤电机组成果显著，能源利用更加清洁高效，工业产业绿色转型升级成效初显。
　　（三）稳健性检验
　　1. 不同控制组。双重差分模型要求处理组和控制组具有稳定性，同一省份不能在处理组和控制组间游动。根据商道融绿中国绿色金融政策数据库统计，2017年上半年除试点的5省外，另有福建、江苏、 内蒙古、青海、陕西等五省区颁布了绿色金融相关政策，为减少估计误差、提高结果的准确性，将福建等五省区从控制组中剔除，形成控制组（2），并用[Treat2]表示，新的控制组和处理组仍满足平行趋势假设。如表2所示，使用不同控制组时双重差分系数为-0.0346，仍然在5%的水平上显著，说明绿色金融试点政策有效降低能源强度、提高能源效率，且这一结论具有稳健性。
　　由表2所示，采用不同控制组进行估计时，经济发展水平（PGDP）、金融基础（FD）、FDI等控制变量的符号、大小、显著性均基本与表1中保持一致。在反事实检验与单差检验中也未发生较大变化，系数估计总体基本稳定，后文不再赘述。
　　2. 反事实检验。为排除上述基本结果来源于安慰剂效应和随机性因素影响，借鉴白俊红等（2016）改变政策实施时间的做法，进行反事实检验（Counterfactual Test）。按照普遍做法，将政策实施时间提前至2015年（以[Post2]表示）进行估计。若反事实检验估计系数显著为负，说明能源强度的下降可能来自其他政策或随机性因素，反之，若估计系数不显著，则表明能源强度的下降源于试点政策的实施。由表3估计结果可知，政策实施时间提前两年后系数仅为-0.0183，大幅下降，且统计上不显著，表明能源强度的下降主要源于绿色金融试点政策，而非是安慰剂效应或随机性因素，研究结果可靠。
　　3. 单差法。若仅采用传统的单差法估计绿色金融试点的政策效应，其结果易出现较大偏误。借鉴刘瑞明和赵仁杰（2015）的做法，对模型进行单差检验。检验结果如表3所示，Treat的估计系数为-0.8150，在1%的水平上顯著。而使用双重差分法估计出来的Treat[×]Post系数均小于0.1，表明传统的单差法大大高估绿色金融试点对能源效率的作用，估计结果存在较大偏差，双重差分法估计结果更为可信。
　　（四）进一步检验
　　由图1，绿色金融影响可能通过提高创新水平、产业绿色转型、产业结构优化等路径影响能源强度。为进一步探究绿色金融政策发挥作用的方式，借鉴温忠麟（2014）中介效应检验流程进行检验。
　　[lnEIit=c×Treati×Postt+∑β1×Controlsit+μi+γt+uitMit=a×Treati×Postt+∑β2×Controlsit+μi+γt+uitlnEIit=c′×Treati×Postt+bM+∑β3×Controlsit+μi+γt+uit] 　　如表3所示，在对工业产业绿色转型的中介效应检验中：（1）模型7系数c显著，按中介效应立论;（2）模型8系数a显著且模型9统一前后表述方式系数b显著，表明间接效应显著;（3）模型9中[c']显著，存在直接效应，可能存在其他中介;（4）a[×]b与[c']符号一致为正，表明工业绿色转型为部分中介效应，即绿色金融政策会通过工业产业绿色转型的中介效应间接影响能源强度。
　　同理，对创新能力和产业结构优化的中介效应进行检验（模型10—11），各自的系数a均不显著，继续进行Bootstrap检验，结果均不存在间接效应，可能的原因在于政策实施后数据较短，创新能力和产业结构优化路径作用未能充分释放。综上，绿色金融试点政策主要通过工业产业绿色转型的中介效应影响能源强度，创新能力和产业结构优化效应短期内尚不明显。
　　五、结论与政策建议
　　以绿色金融试点政策为准自然实验构造双重差分模型，使用多种稳健性检验及中介效应机制检验得出如下主要结论：（1）绿色金融试点政策实施能显著降低能源消耗强度，提高能源效率。多种稳健性检验表明研究结果具有可靠性。（2）工业产业占比显著降低能源强度，工业产业绿色转型成效明显。现阶段，绿色金融试点政策主要通过工业产业绿色转型中介效应影响能源强度，创新能力和产业结构优化中介效应短期尚不明显。（3）城镇化的集聚效应和规模经济对能源强度改善作用明显，但生活消费能效不佳。（4）政府节能环保支出有效地提高了能源效率，但对外招商引资中对节能降耗缺乏重视。基于此，本文提出以下政策建议：
　　第一，扩大绿色金融试点范围，充分发挥绿色金融政策效应。绿色金融试点政策实施能显著地降低能源强度，应积极扩大试点范围，进一步提升绿色金融实践能力，试点经验逐步向全国推广。同时，强化绿色金融国际合作，不断提升我国在绿色金融领域的引领作用。发挥我国政策体系成熟、地方实践经验丰富的先行优势，积极宣传推广我国绿色金融政策， 以身作则地将国内的绿色发展要求扩展到 “一带一路”投资建设中，并通过G20、绿色金融体系网络（NGFS）倡议各国接入并遵循《“一带一路”绿色投资原则》，促进绿色金融在世界范围内的推广和落地，以更好地应对全球环境变化。
　　第二，引导绿色资金支持能源技术创新，促进能源利用智能化、高效化。应加快推进新能源技术与互联网技术融合创新，加强微能源网、能源互联网的建设，通过降低能源长距离传输导致的损耗，实施能源梯级利用，提高我国能源综合利用效率。
　　第三，供给侧精准对接消费需求，深度开发普遍适用的绿色消费金融产品，形成绿色金融发展的长期需求。我国能源需求重心正逐步转向生活消费侧，但消费者的决策很大程度上受其所面临的金融选择的影响。因此，借助现有电商平台对消费者绿色消费意愿和能力的大数据分析和评估，加强绿色金融在消费金融领域的创新，深度开发普遍适用的绿色消费金融产品，有助于增强绿色金融的渗透力和影响力。同时，促进形成绿色金融发展的长期需求，推动社会资源更多地向绿色产业链上流动，在源动力上拉动社会的绿色生产引擎，促进产业绿色转型，推动绿色经济发展。
　　第四，继续推动城镇化的绿色转型，促进城乡居民生活方式绿色化。城镇化建设中应进一步融入绿色环保理念，打造绿色、低碳宜居城市。如对于北方地区冬季取暖这一高能耗民生问题，要对城镇新建建筑全面执行国家建筑节能强制性标准，对既有建筑实施节能改造，提高建筑用能效率。同时，利用工业余热余能回收供暖，提升余热利用效率和范围，保证供暖的同时全面推进清洁高效发展。在践行绿色生活方面，应以节能环保家电、绿色物流等为切入点，着力培育和推广绿色生活理念和生活方式，聚合全社会力量实现经济绿色发展。
　　第五，构建地方政府绿色政绩考核体系。政绩考核方式直接影响施政行为，建立“绿色GDP”等绿色政绩考核体系，加强节能绩效管理，激发地方政府绿色发展驱动力，有效提高地方节能环保公共财政支出使用效率。同时，促使其在引进外资项目时，设置“绿色门槛”、严格节能准入，从源头上防止高能耗、高污染项目落地建设。
　　注：
　　12017年规模以上工业能源强度比2012年累计降低27.6%，高于单位GDP能耗累计降幅6.7个百分点，年均下降6.3%，高于单位GDP能耗年均降幅1.7个百分点。
　　2中国工业和信息化部2013—2015年连续颁布《工业节能与绿色发展专项行动实施方案》，并陆续出台《中国制造2025》《工业绿色发展规划（2016—2020年）》《绿色制造工程实施指南（2016—2020年）》《关于开展绿色制造体系建设的通知》等文件。
　　参考文献：
　　[1]Wang，E.，Liu，X，Wu，J.，et al. 2019. Green Credit， Debt Maturity，and Corporate Investment-evidence from China [J].Sustainability，11（3）.
　　[2]苏任刚，赵湘莲，程慧. 绿色金融支持绿色产业发展的作用机理、路径分析 [J]. 財会月刊，2019，（11）.
　　[3]陈雨露.央行副行长陈雨露 发展绿色金融有效服务实体经济 [J].财经界， 2019，（6）.
　　[4]杜莉，郑立纯. 我国绿色金融政策体系的效应评价——基于试点运行数据的分析 [J].清华大学学报（哲学社会科学版），2019，34（1）.
　　[5]党晨鹭.区域绿色金融发展与产业结构的关系——基于我国省级面板的实证分析 [J].商业经济研究，  2019，（15）.
　　[6]陈经伟，姜能鹏，李欣.“绿色金融”的基本逻辑、最优边界与取向选择 [J].改革，2019，（7）.
　　[7]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，2018，462（12）. 　　[8]王康仕，孙旭然，王凤荣.绿色金融、融资约束与污染企业投资 [J/OL].当代经济管理[2019-10-23].http：//kns.cnki.net/kcms/detail/13.1356.F.20190827.1016.002.html.
　　[9]安伟.绿色金融的内涵、机理和实践初探 [J].经济经纬，2008，（5）.
　　[10]巴曙松，杨春波，姚舜达.中国绿色金融研究进展述评 [J].金融发展研究，2018，（6）.
　　[11]马骏.绿色金融体系建设与發展机遇 [J].金融发展研究，2018，（1）.
　　[12]杨慧慧. 环境管制方式对能源效率影响的差异性——基于内生视角下的PVAR方法的分析 [J].商业研究， 2019，（7）.
　　[13]王修华，刘娜.我国绿色金融可持续发展的长效机制探索 [J].理论探索，2016，（4）.
　　[14]俞岚.绿色金融发展与创新研究 [J].经济问题， 2016，（1）.
　　[15]余冯坚，徐枫.空间视角下广东省绿色金融发展及其影响因素——基于固定效应空间杜宾模型的实证研究 [J].科技管理研究，2019，39（15）.
　　[16]张志辉.中国区域能源效率演变及其影响因素 [J].数量经济技术经济研究，2015，32（8）.
　　[17]郭文，孙涛.人口结构变动对中国能源消费碳排放的影响——基于城镇化和居民消费视角 [J].数理统计与管理，2017，36（2）.
　　[18]唐晓华，刘相锋.能源强度与中国制造业产业结构优化实证 [J].中国人口·资源与环境，2016，26（10）.
　　[19]岳书敬.金融发展与能源消耗——基于总量与效率双重视角的跨国分析 [J].学术论坛，2019，42（2）.
　　[20]严成樑，李涛，兰伟.金融发展、创新与二氧化碳排放 [J].金融研究，2016，（1）.
　　[21]张瑞，丁日佳.工业化、城市化对能源强度的影响——基于我国省际动态面板数据的实证研究 [J].经济问题探索，2015，（1）.
　　[22]中国社会科学院工业经济研究所课题组，李平. 中国工业绿色转型研究 [J].中国工业经济，2011，（4）.
　　[23]白俊红，卞元超.要素市场扭曲与中国创新生产的效率损失 [J].中国工业经济，2016，（11）.
　　[24]刘瑞明，赵仁杰.国家高新区推动了地区经济发展吗？——基于双重差分方法的验证 [J].管理世界，2015，（8）.
　　[25]温忠麟，叶宝娟.中介效应分析：方法和模型发展 [J].心理科学进展，2014，22（5）.
转载注明来源:https://www.xzbu.com/3/view-15132997.htm