EN中文

经济地理 >

2024 , Vol. 44 >Issue 8: 148 - 157

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.08.017

产业经济与创新发展

绿色金融发展对省域能源消费结构转型影响的空间效应

  • 李晨潇 , 1 ,
  • 刘凯莉 , 2, ※ ,
  • 马思睿 3
展开
  • 1.宾夕法尼亚大学 工程与应用科学学院，美国宾夕法尼亚州 费城 19104
  • 2.约翰斯·霍普金斯大学 凯瑞商学院，美国马里兰州 巴尔的摩 21202
  • 3.墨尔本大学 经济与商业学院，澳大利亚维多利亚州 墨尔本 3010
※ 刘凯莉（1999—），女，硕士研究生，研究方向为绿色金融与能源经济。E-mail：

李晨潇（1999—），男，硕士研究生，研究方向为数据科学与能源管理。E-mail：

收稿日期: 2024-01-08

  修回日期: 2024-06-30

  网络出版日期: 2024-09-23

基金资助

国家社会科学基金项目(23BJL115)

湖南省自然科学基金项目(23JJ30604)

收起

Spatial Effects of Green Finance Development on the Transformation of Energy Consumption Structure at the Provincial Level

  • LI Chenxiao , 1 ,
  • LIU Kaili , 2, ※ ,
  • MA Sirui 3
Expand
  • 1. School of Engineering and Applied Science，University of Pennsylvania，Philadelphia 19104，Pennsylvania，United States
  • 2. Carey Business School，Johns Hopkins University，Baltimore 21202，Maryland，United States
  • 3. Faculty of Business and Economics，The University of Melbourne，Melbourne 3010，Victoria，Australia

Received date: 2024-01-08

  Revised date: 2024-06-30

  Online published: 2024-09-23

Fold

摘要

能源消费结构的清洁绿色转型事关经济社会绿色低碳发展，绿色金融是推动能源消费结构清洁绿色转型的重要手段。文章基于2011—2020年中国30个省域的面板数据，利用熵值法测度绿色金融发展与能源消费结构转型，通过核密度估计、空间分析法研究了绿色金融发展与能源消费结构转型的时空演变特征，运用双向固定效应模型与空间杜宾模型实证检验了绿色金融发展对能源消费结构转型的影响及空间溢出效应。研究发现：①绿色金融发展与能源消费结构转型总体呈增长态势，区域差距有所收敛，部分区域绿色金融发展与能源消费结构转型远高于平均值。②绿色金融发展与能源消费结构转型具有显著的空间集聚特征，均表现为正向空间自相关。③绿色金融发展与能源消费结构转型的正向空间关联性呈先增强后减弱趋势。④绿色金融发展能显著促进能源消费结构转型且具有空间溢出效应。

关键词： 绿色金融发展; 能源消费结构转型; 空间溢出效应; 清洁能源; 绿色低碳; 全面绿色转型

本文引用格式

李晨潇 , 刘凯莉 , 马思睿 . 绿色金融发展对省域能源消费结构转型影响的空间效应[J]. 经济地理, 2024 , 44(8) : 148 -157 . DOI: 10.15957/j.cnki.jjdl.2024.08.017

Abstract

The green transformation of energy consumption structure is related to the green and low-carbon development of the economy and society. Green finance is an important means to promote the green transformation of energy consumption structure. Based on the panel data from 30 provincial-level regions in China from 2011 to 2020, this paper uses the entropy method to measure the development of green finance and the transformation of energy consumption structure. It analyzes the evolution characteristics of green finance development and energy consumption structure transformation by the means of kernel density estimation and spatial analysis, and empirically evaluates the impact and spatial spillover effects of green finance development on the transformation of energy consumption structure using the methods of the bidirectional fixed effect model and spatial Durbin model. It's found that: 1) Both the development of green finance and the transformation of energy consumption structure generally show a growth trend, with regional disparities converging, it demonstrate significantly higher levels of both than the average in certain regions. 2) The development of green finance and the transformation of energy consumption structure have significant spatial agglomeration characteristics, both showing positive spatial autocorrelation. 3) The positive spatial correlation between the development of green finance and the transformation of energy consumption structure shows an increasing trend followed by a weakening trend. 4) The development of green finance can significantly promote the transformation of energy consumption structure and has spatial spillover effects.

Key words： green finance development; transformation of energy consumption structure; spatial spillover effects; clean energy; green and low carbon; comprehensive green transformation

2014年6月习近平总书记在中央财经领导小组会议上提出“四个革命，一个合作”（即能源消费革命、供给革命、技术革命、体制革命，加强国际合作）能源安全新战略，将“推动能源消费革命、抑制不合理能源消费”放在首要位置。能源消费结构转型 ① 是能源消费革命的重要内容，关系到能源安全、环境保护以及经济发展。紧随其后的2014年国务院颁布的《能源发展战略行动计划（2014—2020年）》指出“我国优化能源结构的路径是降低煤炭消费比重，提高天然气消费比重，大力发展风电、太阳能、地热能等可再生能源，安全发展核电”，为我国能源消费结构转型指明了方向。伴随着碳达峰行动有计划分步骤地实施，促进能源消费结构转型的政策力度不断加强。党的二十大报告中也强调“完善能源消耗总量和强度调控，重点控制化石能源消费”。2024年7月《中共中央 国务院关于加快经济社会发展全面绿色转型的意见》再次明确了能源消费结构转型的目标“稳妥推进能源绿色低碳转型，加强化石能源清洁高效利用，坚决控制化石能源消费；大力发展非化石能源，到2030年，非化石能源消费比重提高到25%左右”。中国作为全球最大的能源生产国、消费国和CO2的排放国，加快能源消费结构清洁绿色转型是实现中国式现代化的重要途径。自2016年8月《关于构建绿色金融体系的指导意见》提出以来，绿色金融 ② 在经济发展中的重要作用受到社会各界的广泛关注。近年来，随着我国绿色金融体系的不断完善，推动能源转型与绿色金融相结合，促进绿色金融赋能“双碳”目标实践已成为共识。2024年3月，国家发展改革委、中国人民银行等七部门联合出台《关于进一步强化金融支持绿色低碳发展的指导意见》，其中提出要加大金融对绿色低碳发展的支持力度，引导金融资源支持可再生能源项目建设，以市场化配置高质量发展和高水平安全。因此具有政策和市场双重功能的绿色金融为能源消费结构转型赋予了新的支撑和动力。鉴于中国各省、自治区和直辖市（以下简称省域）的生态环境、资源禀赋、产业结构、要素流动和金融业水平等方面原因，区域能源消费在消费类型、消费结构等方面体现出一定的空间关联性，在绿色金融发展的初级阶段鲜有研究触及其对能源消费结构的影响。在步入绿色金融纵深发展阶段后，积极探究绿色金融发展对能源消费结构转型的影响及空间效应，不仅对于提高绿色金融服务质量，提升市场化配置金融资源的效率，优化能源消费结构具有重要意义，而且有助于绿色金融创新发展赋能能源绿色低碳转型，推动绿色发展和实现双碳战略目标。
目前，涉及绿色金融与能源消费结构转型的相关研究主要沿以下脉络展开：①聚焦绿色金融的影响相关研究。部分研究以绿色金融改革创新试验区政策实施或《绿色信贷指引》颁布为研究对象，通过双重差分模型分析绿色金融对碳减排[1]、污染减排[2]、企业低碳转型[3]和绿色创新[4]等的影响；亦有采用建立指标体系等方法测度绿色金融发展水平，综合运用固定效应模型、空间计量模型等研究绿色金融对治污减排[5]、绿色创新[6]和经济高质量发展[7]等的影响。②聚焦能源转型和能源消费结构转型的相关研究。部分研究采用实证方法研究产业结构、经济水平、资源禀赋[8]和能源转型政策[9]等对能源转型和能源消费结构转型的影响；还有部分研究通过实证检验环境目标约束[10]、用能权政策[11]、碳排放权交易试点[12]等对能源消费结构转型的政策效应。此外，关于能源消费结构转型路径的理论研究大多从能源消费强度、能源结构、能源效率[13]和能源政策[14]等角度进行。③聚焦绿色金融影响能源消费结构转型的相关研究。部分研究构建省域绿色金融发展指数，探讨绿色金融对能源结构的作用效果及机制[15]；有些以绿色金融改革创新试验区建设为研究对象，分析其对能源强度[16]的政策效应；亦有研究运用双重差分模型、E-DSGE模型等探究绿色信贷政策对能源消费[17]、能源结构调整[18]、能源消费空间异质性[19]、能源消费结构[20]的影响。
已有研究为本文提供了重要启发和借鉴，但还存在进一步拓展的空间：①在绿色金融建设进入新阶段后有必要在现有对碳减排、企业绿色创新等影响研究的基础上，更深入地研究绿色金融的配置效率，提高绿色金融的服务水平。②我国在绿色金融领域已取得了一定突破和成效，但现有模式在助力能源消费结构清洁低碳转型的新形势下存在着绿色主体识别困难、投融资结构不匹配、配置效率较低等亟须解决的问题。既有文献大多是从绿色金融相关政策角度去研究其对能源转型、能源消费和能源消费结构等政策效应，而建立指标体系测度绿色金融发展水平研究其对能源消费结构转型的较少。③2023年中央金融工作会议明确将“绿色金融”作为建设金融强国的五篇大文章之一，强调在绿色金融纵深发展阶段，提高绿色金融支持能源消费结构绿色低碳转型发展的效率和效果尤为重要。目前鲜有从空间视角探索绿色金融对包括能源消费结构转型在内的能源转型方面的研究。因此，为了进一步推动绿色金融和能源转型的结合，提升金融配置效率，本文基于2011—2020年中国30个省域的面板数据，利用熵值法综合评价区域绿色金融发展与能源消费结构转型，通过双向固定效应模型与空间杜宾模型检验绿色金融发展对能源消费结构转型的影响及其空间溢出效应。

1 理论分析

1.1 绿色金融发展对能源消费结构转型的直接影响

面对双碳目标的挑战，在“金融强国”战略的指引下，建设绿色金融体系是助推“能源强国”建设的重要保障和必由之路。绿色金融发展可以通过以下途径促进能源消费结构转型：①绿色金融可为清洁能源的发展提供资金支持，缓解融资约束，在规模效应的加持下，清洁能源供给增加，相对价格下降，能源消耗部门更倾向于清洁能源消费[21]。②绿色金融通过绿色创新金融产品使得金融资源由高污染行业向绿色低碳产业流动，推动产业结构升级，高耗能产业比重降低有利于减少污染性化石能源消费，改善能源消费结构[22]。③绿色金融为清洁能源技术的研发及商业化提供投融资服务，增加创新活动资金需求供给，缓解技术创新融资约束[23]。产业结构的升级和技术创新能力的提升，能够有效促进能源消费结构的优化[22]。④随着绿色金融政策、产品体系逐渐完善，绿色消费理念深入人心，公众出于环境保护、可持续发展等方面的考虑，倾向于支持清洁能源消费而抵制污染性能源消费。基于以上分析，本文提出如下假设：
假设1：绿色金融发展能有效促进能源消费结构转型。

1.2 绿色金融发展影响能源消费结构转型的空间溢出效应

鉴于中国各省域的生态环境、资源禀赋、产业结构、要素流动和金融业水平等方面原因，区域能源消费在消费类型、消费结构等方面体现出一定的空间关联性。绿色金融对于能源消费结构的影响不仅局限于本地，还可能外溢至其他地区。从空间视角绿色金融创新发展赋能能源消费结构绿色低碳转型，主要体现在以下几个方面：①跨区域产业链整合。绿色金融依托区域优势支持当地特色清洁能源产业发展（如风电设备制造等），同时吸引相关上下游企业在邻近地区布局，形成跨区域清洁能源产业集群，推动整个区域能源消费结构转型。②区域性市场与基础设施建设。一方面，绿色金融支持跨区域能源基础设施建设（如电网、天然气管道等），保障清洁能源实现地区间互联互通；另一方面，绿色金融支持区域性清洁能源市场建立与发展（如绿色电力市场等），通过市场化机制促进清洁能源优化配置。由此，当地富余的清洁能源能够高效率地补给到邻近地区，减少邻地对污染性化石能源的依赖。③技术扩散效应。绿色金融支持绿色技术创新提高清洁能源开发及利用效率，进一步通过技术合作与共享将先进的清洁能源技术扩散传播到周边地区，加速周边地区能源消费结构转型。同时，绿色金融通过制定及推广统一的绿色标准，减少相邻地区技术兼容性问题，保障先进清洁能源技术在地区间引进及应用畅通。④政策示范与借鉴。本地绿色金融发展促进能源消费结构转型的成功案例可为邻地提供示范与借鉴，激励邻地开展类似绿色金融政策。同时，相邻地区通过绿色金融政策交流与合作，能够实现区域能源消费结构转型协同共进。基于以上分析，本文提出如下假设：
假设2：绿色金融发展促进能源消费结构转型存在空间溢出效应。

2 研究设计

2.1 模型构建

2.1.1 基准模型构建

基于以上分析，构建双向固定效应模型作为基准模型检验绿色金融发展对能源消费结构转型的影响。具体模型如下：
E S O i t = α 1 + β 1 G F i t + θ 1 C O N i t + γ i + σ t + ε i t
式中： E S O i t表示能源消费结构转型； G F i t表示绿色金融发展； C O N i t表示控制变量，下标i和t分别表示省域和年份； γ i为个体固定效应； σ t为时间固定效应； ε i t为随机扰动项。

2.1.2 空间计量模型的选择与构建

为检验绿色金融发展影响能源消费结构转型的空间溢出效应，需进一步构建空间计量模型，通常包括空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）3种形式。通过LM检验、稳健的LM检验、LR检验等方法确定合适的模型形式，结果见表1。SEM和SAR均通过了LM检验和稳健的LM检验，说明空间效应显著存在，构建空间计量模型可行。LR检验和Wald检验结果显示：SDM在1%的显著性水平上拒绝退化为SAR或SEM，因此选择SDM。Hausman检验的统计值为负，优先选择固定效应模型。LR检验结果表明选择时间和个体双固定效应更优。基于以上检验结果，构建空间杜宾模型如下：
E S O i t = β 2 G F i t + θ 2 C O N i t + ρ ∑ i = 1 n W i t E S O i t + λ ∑ i = 1 n W i t G F i t + μ ∑ i = 1 n W i t C O N i t + γ i + σ t + ε i t
式中： E S O i t表示能源消费结构转型； G F i t表示绿色金融发展； C O N i t表示控制变量； W i t表示空间权重矩阵；下标i和t分别表示省域和年份； γ i为个体固定效应； σ t为时间固定效应； ε i t为随机扰动项。
表1 区域能源消费结构转型指数测度指标体系

Tab.1 Indicator system for the transformation of energy consumption structure at the provincial level

变量 指标 衡量方式 属性 权重
能源
消费
结构
转型
指数
（ESO）		 煤炭及其
加工品		 煤炭消费量（万t） - 0.0926
焦炭消费量（万t） - 0.0382
石油制品 汽油消费量（万t） - 0.0647
煤油消费量（万t） - 0.0598
柴油消费量（万t） - 0.0637
燃料油消费量（万t） - 0.0314
天然气 天然气消费量（万m3） + 0.2859
清洁电力 1 - ( 火 力 发 电 量 / 总 发 电 量 ) + 0.3637

2.2 变量说明

①被解释变量：能源消费结构转型（ESO）。中国的能源消费结构长期以煤炭占主导地位。然而，煤炭、石油等污染性化石能源在环境保护、能源效率和能源安全等方面均不具备优势。相较而言，天然气作为清洁型化石能源，具有较好的环境效益，水电、风电等非化石能源更是能达到零污染的环境标准。国务院颁布的《能源发展战略行动计划（2014—2020年）》指出，中国能源结构转型应从减少煤炭消费、增加天然气消费和发展清洁电力等方面着手。已有研究利用煤炭消费占比[10]等单一负向指标衡量能源消费结构转型。本文依据国家战略部署，进一步考虑数据可得性，对现有能源消费结构转型的衡量指标及方式进行扩展：以煤炭及其加工品消费量、石油制品消费量为负向指标，以天然气消费量、清洁电力为正向指标 ① ，构建能源消费结构转型指数测度指标体系，通过熵值法 ② 测度区域能源消费结构转型。其中，清洁电力包括除火电之外的水电、风电、太阳能发电和核电[24]，清洁电力替代火电可以优化能源结构，增进环境效益[25]，使用“ 1 - （ 火 力 发 电 量 / 总 发 电 量 ）”代表清洁电力作为正向指标。
②解释变量：绿色金融发展（GF）。参考Huang Y、许文立等学者的研究[6,12]，采用绿色金融发展水平来衡量绿色金融发展。构建绿色金融发展水平测度指标体系，通过熵值法②确定指标权重，从绿色信贷、绿色证券、绿色投资和绿色保险4个方面测度各区域绿色金融发展水平。考虑数据可得性，绿色信贷选取六大高耗能工业产业利息支出占比作为负向指标[5]；绿色证券利用环保企业市值占比衡量[15]；绿色投资从环境污染治理投资占比和节能环保财政支出占比两个方面考虑[26]；绿色保险使用农业保险支出与保险总支出的比值替代[27]（表2）。
表2 区域绿色金融发展水平测度指标体系

Tab.2 Indicator system for the development of green finance at the provincial level

变量 指标 衡量方式 属性 权重（%）
绿色
金融
发展
（GF）		 绿色信贷 六 大 高 耗 能 产 业 利 息 支 出 工 业 产 业 利 息 总 支 出 - 8.75
绿色证券 环保企业市值/A股总市值 + 22.30
绿色投资 环境污染治理投资额/GDP + 18.56
节能环保财政支出/财政支出总额 + 13.44
绿色保险 农业保险支出/保险总支出 + 36.95
③控制变量：经济发展水平（lnGDP），用GDP取对数衡量。经济发展促进煤炭、石油消费的持续期较长[28]，不利于能源消费结构转型。收入水平（lnWG），用城镇单位就业人员平均工资取对数衡量。能源消费和收入水平正相关[29]，以煤炭为主的能源消费增加可能阻碍能源消费结构转型。进出口规模（lnIE），用进出口总额取对数衡量。对外贸易对节能降耗具有显著影响[30]。人口素质（PQ），用就业人员中大专及以上学历占比衡量。较高的人口素质为清洁能源推广及普及创造了有利条件，有利于能源消费结构转型。

2.3 数据来源及描述性统计

本文基于2011—2020年中国30个省域（因数据缺失，未包括港澳台地区和西藏自治区）的面板数据进行研究。数据来源于历年的《中国能源统计年鉴》《中国统计年鉴》《中国保险年鉴》、CSMAR数据库和WIND数据库等，个别缺失数据利用线性插值法填补。

3 绿色金融发展与能源消费结构转型的时空演变特征

3.1 时序演变特征

为分析绿色金融发展与能源消费结构转型的时序演变特征，选取2011、2014、2017和2020年绘制绿色金融发展与能源消费结构转型的核密度曲线图（图1）。由图1可知，绿色金融发展与能源消费结构转型的时序演变存在以下特征：①分布位置方面，绿色金融发展与能源消费结构转型的密度函数中心均呈右移趋势，表明多数省域的绿色金融发展与能源消费结构转型呈增长态势。②分布形态方面，绿色金融发展与能源消费结构转型的核密度曲线主峰峰高上升、宽度缩小，表明各省域绿色金融发展与能源消费结构转型的差异程度下降。③分布延展性方面，绿色金融发展与能源消费结构转型的核密度曲线呈右拖尾现象，表明部分省域的绿色金融发展与能源消费结构转型远高于平均水平。
图1 绿色金融发展与能源消费结构转型的核密度曲线

Fig.1 Kernel density curve of the green finance development and the transformation of energy consumption structure

3.2 空间演变特征

为观察绿色金融发展水平与能源消费结构转型的空间演变，利用ArcGIS软件对2011和2020年绿色金融发展水平与能源消费结构转型的空间分布进行可视化（图2、图3）。①由图2看出，绿色金融发展水平整体呈北高南低的空间格局，西北地区（如新疆）、华北地区（如内蒙古）等地绿色金融发展较为领先。其中，新疆受制于传统“三高一低”产业与基础设施建设短板，绿色金融已成为其推动产业结构优化升级、促进经济高质量发展的关键手段。同时，新疆发达的农业与丰富的风力、光伏资源为绿色金融发展创造了有利条件。内蒙古能源资源优势明显，煤炭储量及产量位居前列，但水资源相对匮乏。基于此，内蒙古积极利用绿色金融产品创新，如针对智能化煤矿和节煤降耗等领域的专项贷款、“节水贷”融资服务等，已积累一系列绿色金融发展先行经验。除部分北方省域，2011年多数省域的绿色金融发展水平位于0.3以下，处于萌芽阶段；2020年绿色金融发展整体上升，平均值超过0.3。部分南方、东部沿海省域绿色金融发展后来居上。江西通过绿色金融改革创新试验区建设，充分发挥本地绿色资源和产业特色优势，推动绿色金融迅速发展。山东依托近海优势，积极推动气候投融资试点建设，绿色金融发展跻身第一梯队。②就能源消费结构转型而言（图3），青海、四川和云南等西部地区基于丰富的风能、太阳能等自然资源优势，大力发展清洁能源产业，能源消费结构转型在2011和2020年均处于领先地位。江苏、浙江和广东等东部沿海省域在清洁能源政策与公众环保需求的共同推动下，加大清洁能源技术研发及推广投入，清洁能源竞争力逐渐增强，能源消费结构转型在2011—2020年有较大幅度上升。
图2 省域绿色金融发展水平的空间演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图无修改。图3、图6同。

Fig.2 Spatial evolution of the level of green finance development at the provincial level

图3 省域能源消费结构转型指数的空间演变

Fig.3 Spatial evolution of the index of the energy consumption structure transformation at the provincial level

3.3 空间集聚特征

通过全局莫兰指数观察绿色金融发展水平与能源消费结构转型的空间集聚特征（表3），发现2011—2020年绿色金融发展水平与能源消费结构转型的莫兰指数均为正且显著，表明绿色金融发展水平与能源消费结构转型均存在显著的正向空间自相关。
表3 绿色金融发展与能源消费结构转型的莫兰指数检验结果

Tab.3 Results of Moran index test of the green finance development and the transformation of energy consumption structure

年份 绿色金融发展水平 能源消费结构转型指数
Moran's I p值 Moran's I p值
2011 0.163** 0.049 0.559*** 0.000
2012 0.260*** 0.007 0.542*** 0.000
2013 0.247*** 0.008 0.574*** 0.000
2014 0.307*** 0.002 0.610*** 0.000
2015 0.404*** 0.000 0.553*** 0.000
2016 0.328*** 0.002 0.481*** 0.000
2017 0.343*** 0.001 0.428*** 0.000
2018 0.251** 0.011 0.355*** 0.000
2019 0.220** 0.013 0.315*** 0.001
2020 0.137* 0.078 0.255*** 0.005

注：*、**、***分别表示10%、5%、1%的显著性水平。表4~表7同。

为具体观察各省域的空间相关性，测算绿色金融发展水平和能源消费结构转型的局部莫兰指数并绘制2011和2020年的莫兰散点图（图4、图5）。如图所示，大多数省域坐落在Ⅰ、Ⅲ象限，表明高值与高值集聚、低值与低值集聚，绿色金融发展水平与能源消费结构转型均具有正向的空间相关性。
图4 2011和2020年绿色金融发展水平的莫兰散点图

Fig.4 Moran scatter plot of green finance development in 2011 and 2020

图5 2011和2020年能源消费结构转型指数的莫兰散点图

Fig.5 Moran scatter plot of the transformation of energy consumption structure in 2011 and 2020

3.4 空间关联特征

为进一步观察绿色金融发展水平与能源消费结构转型的空间关联特征，利用GeoDa软件绘制2011、2014、2017和2020年绿色金融发展水平与能源消费结构转型双变量LISA聚类图（图6）。由图6可知，绿色金融发展水平与能源消费结构转型存在“高—高”“低—低”“低—高”和“高—低”4类空间关联模式。①2011年以“低—低”和“低—高”型模式为主，此时绿色金融发展整体处于萌芽阶段，部分华东、华中地区（如山西等）传统化石能源资源丰厚，能源消费以煤炭为主，导致能源消费结构转型与绿色金融发展均处于较低水平，呈“低—低”型空间关联。西部地区基于自身能源禀赋优势，新能源产业发展初见成效，能源消费结构转型领先绿色金融发展，表现出“低—高”型空间关联。②随着绿色金融体系逐渐完善，部分省域绿色金融发展跟上步伐，2014年“高—高”型模式增加并占据主要地位，绿色金融发展水平与能源消费结构转型的正向空间关联性增强。以青海为例，其能源消费结构转型位居前列，同时重视绿色金融发展，相继出台了《关于支持绿色金融发展的实施意见》等一系列政策方案。截至2015年末，青海绿色信贷余额占比超过30%，绿色金融发展势态整体向好。③2017和2020年各类空间关联模式整体减少，“高—高”“低—低”型模式占比下降，绿色金融发展水平与能源消费结构转型的正向空间关联性有所减弱。华北地区如内蒙古表现出“高—低”型模式，其自身绿色金融发展迅速，而邻地如山西、黑龙江等能源消费仍以煤炭为主，能源消费结构转型缓慢。与之相反，西南地区呈“低—高”型模式，丰厚的清洁能源资源推动当地能源消费结构加速转型，但受制于金融基础设施建设不足、绿色金融市场发育不成熟等，绿色金融发展相对能源消费结构转型稍显落后。
图6 绿色金融发展水平与能源消费结构转型的双变量LISA聚类演变

注：限于篇幅，仅展示2011和2020年两个年份数据。

Fig.6 Bivariate LISA clustering of the green finance development and the transformation of energy consumption structure

4 实证研究

4.1 基准模型回归结果分析

基准模型回归结果见表4。表4列（1）中绿色金融发展水平的回归系数为0.124，在1%的水平上显著。逐个加入经济发展水平、收入水平、进出口规模和人口素质等控制变量后，绿色金融发展水平的回归系数仍为正且显著，说明绿色金融发展水平与能源消费结构转型呈显著的正相关关系，绿色金融发展可以有效促进能源消费结构转型，假设1成立。
表4 基准模型回归结果

Tab.4 Regression results of benchmark model

变量 ESO
（1） （2） （3） （4） （5）
GF 0.124***（0.035） 0.130***（0.035） 0.126***（0.035） 0.127***（0.035） 0.132***（0.035）
lnGDP -0.058***（0.020） -0.042*（0.022） -0.046*（0.024） -0.048**（0.024）
lnWG -0.132*（0.071） -0.126*（0.073） -0.104（0.074）
lnIE 0.005（0.013） 0.007（0.013）
PQ 0.170（0.125）
_cons 0.420***（0.011） 0.990***（0.200） 2.290***（0.729） 2.174***（0.783） 1.867**（0.813）
时间固定 YES YES YES YES YES
个体固定 YES YES YES YES YES
N 300 300 300 300 300
R2 0.931 0.933 0.934 0.934 0.934

注：括号内数值为标准误。表5~表7同。

4.2 空间计量模型回归结果分析

空间杜宾模型在邻接矩阵下的回归结果见表5。能源消费结构转型的空间自回归系数在加入控制变量前后分别为0.535和0.486，均在1%的水平上显著为正，说明能源消费结构转型存在正向空间相关性。一方面，能源消费结构易受地理位置及资源禀赋影响，邻近地区可能面临相似的能源资源条件和能源供应及运输网络，导致相邻地区能源消费结构转型方向及进程趋于一致。另一方面，相邻地区交通便利、经济联系紧密，为清洁能源技术交流与共享、能源消费结构转型相关政策协调与合作等创造了有利条件。
表5 空间杜宾模型回归结果

Tab.5 Regression results of spatial Durbin model

变量 （1） ESO （2） ESO
Main Wx Main Wx
GF 0.077***
（0.028）		 0.098*
（0.050）		 0.083***
（0.028）		 0.133**
（0.056）
lnGDP -0.059**
（0.023）		 0.041
（0.038）
lnWG 0.047
（0.062）		 -0.345***
（0.127）
lnIE 0.020*
（0.011）		 -0.012
（0.021）
PQ 0.027
（0.098）		 0.114
（0.218）
Spatial rho 0.535***（0.054） 0.486***（0.060）
Variance sigma2_e 0.001***（0.000） 0.001***（0.000）
时间固定 YES YES
个体固定 YES YES
N 300 300
R2 0.018 0.008
为明晰绿色金融发展影响能源消费结构转型的空间溢出效应，基于空间杜宾模型回归结果，将绿色金融发展对能源消费结构转型的影响效应分解为直接效应、间接效应和总效应（表6）。由表6可知，绿色金融发展对能源消费结构转型的直接效应在1%的水平上显著为正，表明绿色金融发展对本地能源消费结构转型的促进作用显著。绿色金融发展对能源消费结构转型的间接效应为0.319，在1%的水平上显著，表明绿色金融发展通过跨区域整合清洁能源产业链、支持区域性清洁能源市场及基础设施建设等途径，在促进本地能源消费结构转型的同时，对邻地能源消费结构转型具有显著的正向影响，即绿色金融发展促进能源消费结构转型存在空间溢出效应，假设2成立。
表6 绿色金融发展影响能源消费结构转型的直接效应、间接效应和总效应

Tab.6 The direct, indirect, and overall effects of the green finance development on the transformation of energy

变量 直接效应 间接效应 总效应
GF 0.111***（0.032） 0.319***（0.103） 0.429***（0.122）
lnGDP -0.058**（0.023） 0.021（0.065） -0.037（0.074）
lnWG 0.005（0.061） -0.584***（0.220） -0.578**（0.243）
lnIE 0.020*（0.011） -0.002（0.035） 0.019（0.038）
PQ 0.049（0.107） 0.235（0.397） 0.284（0.456）
就控制变量而言，经济发展水平的直接效应显著为负，表明经济发展伴随煤炭、石油等污染性化石能源大量消耗，阻碍了当地能源消费结构转型；收入水平的间接效应为负且显著，说明收入水平上升导致以煤炭、石油为主的能源需求扩散到邻近地区，加大了其对污染性化石能源的依赖；进出口规模的直接效应显著为正，表明进出口活动通过引进先进清洁能源技术及设备等方式，对本地能源消费结构转型产生积极影响。

4.3 稳健性检验

4.3.1 替换空间权重矩阵

将原有邻接矩阵替换为地理反距离矩阵和经济地理嵌套矩阵，再次利用空间杜宾模型检验绿色金融发展对能源消费结构转型的影响。由回归结果可知，绿色金融发展对能源消费结构转型的主系数与空间系数在加入控制变量前后均为正且显著，原模型回归结果具有稳健性。

4.3.2 新增控制变量

在已有控制变量的基础上新增控制变量进行稳健性检验。新增控制变量包括：外商投资（FI），用“外商投资额/GDP”衡量；人口密度（PD）单位为“人/km2”；城镇化（UR），用城镇人口占比衡量。新增控制变量的空间杜宾模型回归结果看，绿色金融发展对能源消费结构转型的主系数与空间系数在逐个加入新增控制变量后仍显著为正，原模型回归结果可靠。

4.3.3 替换核心变量

分别替换解释变量与被解释变量进行稳健性检验：①替换解释变量。在现有绿色金融发展水平指标体系的基础上，进一步丰富其指标构成及衡量方式：“绿色信贷”中新增“环保企业贷款额”指标；“绿色证券”中新增“高能耗企业市值/A股总市值”指标（指标属性为负）；“绿色保险”用“农业保险支出/农业保险收入”和“农业保险收入/财产保险收入”衡量；新增“碳金融”指标，用“碳排放量/GDP”衡量；绿色金融发展的替代变量用GF2表示。②替换被解释变量。由于中国污染性化石能源消费以煤炭占主导地位，因此剔除能源消费结构转型中焦炭、石油制品的相关指标，仅保留煤炭、天然气、清洁电力的相关指标，构成能源消费结构转型的替代变量ESO2。分别替换解释变量与被解释变量的空间杜宾模型回归结果可知，绿色金融发展水平对能源消费结构转型的主系数与空间系数均显著为正，原结论具有稳健性。

4.4 内生性问题讨论

参考现有研究[5,7]，将滞后一期的绿色金融发展（LGF）作为工具变量进行IV-2SLS回归。一方面，滞后一期的绿色金融发展与当期绿色金融发展具有相关性。上一期绿色金融发展的相关成果、政策和监管环境等会影响本期绿色金融发展。另一方面，当期能源消费结构转型无法对已成为历史的上一期绿色金融发展产生影响，有效规避了内生性。
表7为IV-2SLS的回归结果。从表中列（1）（2）一阶段回归结果看，滞后一期的绿色金融发展的回归系数在加入控制变量前后均为正且显著，说明绿色金融发展受其滞后一期项的显著影响。第一阶段的考虑异方差的弱工具变量检验F统计量在加入控制变量前后分别为64.710和62.177，均大于10，表明LGF满足相关性特征。从表中列（3）（4）二阶段回归结果看，绿色金融发展对能源消费结构转型的回归系数在加入控制变量前后均为正且显著，说明在考虑内生性问题后，绿色金融发展对能源消费结构转型仍具有显著的促进作用。
表7 IV-2SLS回归结果

Tab.7 Regression results of IV-2SLS

变量 一阶段回归 二阶段回归
（1） GF （2） GF （3） ESO （4） ESO
LGF 0.467***
（0.058）		 0.464***
（0.059）
GF 0.208***
（0.076）		 0.231***
（0.077）
_cons 0.084***
（0.021）		 0.875
（1.449）		 0.297***
（0.016）		 1.366
（0.886）
控制变量 NO YES NO YES
时间固定 YES YES YES YES
个体固定 YES YES YES YES
N 270 270 270 270
R2 0.860 0.864 0.928 0.931

5 结论与建议

本文基于2011—2020年中国30个省域的面板数据，利用熵值法测度绿色金融发展水平与能源消费结构转型，通过核密度估计、空间分析法研究了绿色金融发展与能源消费结构转型的时空演变特征，运用双向固定效应模型与空间杜宾模型实证检验了绿色金融发展对能源消费结构转型的影响及空间溢出效应。主要结论如下：①绿色金融发展与能源消费结构转型总体呈增长态势，区域差距有所收敛，部分区域绿色金融发展与能源消费结构转型远高于平均值。②绿色金融发展与能源消费结构转型具有显著的空间集聚特征，均表现为正向空间自相关。③绿色金融发展与能源消费结构转型的正向空间关联性呈先增强后减弱趋势。④绿色金融发展能显著促进能源消费结构转型且具有空间溢出效应。
基于以上结论，本文提出建议如下：①加快绿色金融服务能源消费结构转型的产品创新。要积极探索大数据分析、人工智能和区块链等科技手段在绿色金融领域的应用场景，优化绿色金融产品设计、销售和运营，提高绿色金融对能源消费结构转型的服务效率和普惠性。②加强绿色金融促进能源消费结构转型的政策支持，包括但不限于：通过政策文件指导绿色金融发展方向，明确绿色金融促进能源消费结构转型的目标与措施；提供财政补贴、税收减免等优惠政策，降低绿色金融机构及项目成本，鼓励资金投入清洁能源项目；建立健全的绿色金融监管体系，提高绿色金融市场透明度，减少信息不对称，增强投资者信心，促进资金流入清洁能源领域。③基于区域特性因地制宜发展绿色金融。要综合考虑产业结构、经济发展、金融基础和能源禀赋等因素，深入调研不同地区绿色金融需求与潜在机会，制定符合实际情况的区域性绿色金融政策，设计适合当地需求的绿色金融产品。例如，高能源禀赋地区可利用绿色金融支持节能技术研发及推广，提高煤炭等传统能源的利用效率。④充分发挥绿色金融促进能源消费结构转型的空间溢出效应。一方面，应积极推进绿色金融改革创新试验区建设，支持能源消费结构转型，形成区域性示范及借鉴效应；另一方面，要加强区域间绿色金融政策协调，统一绿色金融相关标准，促进资金跨境流动。此外，相邻地区还可建立绿色金融合作机制，如成立绿色金融论坛或协会，促进信息、经验和技术共享，推动能源消费结构转型协同共进。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张振华, 陈曦, 汪京, 等. 绿色金融改革创新试验区政策对碳排放的影响效应——基于282个城市面板数据的准实验研究[J]. 中国人口·资源与环境, 2024, 34(2):32-45.

[2]
崔惠玉, 王宝珠, 徐颖. 绿色金融创新、金融资源配置与企业污染减排[J]. 中国工业经济, 2023(10):118-136.

[3]
刘金科, 刘霁萱, 晁颖. 绿色信贷与低碳转型:资本整合还是技术创新?——来自准自然实验的证据[J]. 数量经济技术经济研究, 2024, 41(6):151-171.

[4]
Irfan M, Razzaq A, Sharif A, et al. Influence mechanism between green finance and green innovation:Exploring regional policy intervention effects in China[J]. Technological Forecasting and Social Change, 2022, 182:121882.

[5]
吴朝霞, 曾家豪, 刘泓轩, 等. 绿色金融促进治污减排机制与空间效应[J]. 经济地理, 2023, 43(10):128-138.

DOI

[6]
Huang Y, Chen C, Lei L, et al. Impacts of green finance on green innovation:A spatial and nonlinear perspective[J]. Journal of Cleaner Production, 2022, 365:132548.

[7]
孟维福, 刘婧涵. 绿色金融促进经济高质量发展的效应与异质性分析——基于技术创新与产业结构升级视角[J]. 经济纵横, 2023(7):100-110.

[8]
刘平阔, 卢存禹. 中国能源转型路径选择的影响因素:理论检验与实证分析[J]. 中国软科学, 2022(6):51-61.

[9]
何则, 周彦楠, 刘毅. 2050年中国能源消费结构的系统动力学模拟——基于重点行业的转型情景[J]. 自然资源学报, 2020, 35(11):2696-2707.

DOI

[10]
方文君, 邓峰, 张战仁, 等. 环境目标约束对能源结构低碳转型的影响[J]. 中国人口·资源与环境, 2024, 34(1):84-96.

[11]
鲁贺玉, 吴宗法. 用能权政策与能源消费结构低碳化转型的关系[J]. 资源科学, 2023, 45(6):1181-1195.

DOI

[12]
许文立, 孙磊. 市场激励型环境规制与能源消费结构转型——来自中国碳排放权交易试点的经验证据[J]. 数量经济技术经济研究, 2023, 40(7):133-155.

[13]
刘华军, 石印, 郭立祥, 等. 新时代的中国能源革命:历程、成就与展望[J]. 管理世界, 2022, 38(7):6-24.

[14]
范英, 衣博文. 能源转型的规律、驱动机制与中国路径[J]. 管理世界, 2021, 37(8):95-105.

[15]
庞加兰, 王薇, 袁翠翠. 双碳目标下绿色金融的能源结构优化效应研究[J]. 金融经济学研究, 2023, 38(1):129-145.

[16]
黄秀路, 武宵旭, 袁圆, 等. 绿色金融改革的节能效应与机制[J]. 中国人口·资源与环境, 2023, 33(8):27-36.

[17]
吴晟, 武良鹏, 赵湘莲. 绿色信贷政策对制造业外部融资、经济增长和能源消费的影响[J]. 中国人口·资源与环境, 2021, 31(3):96-107.

[18]
马理, 张人中, 马威, 等. 能源结构有序调整与绿色信贷政策调控[J]. 金融研究, 2023(1):94-112.

[19]
陈志宇, 杨继先, 李玲燕, 等. 绿色信贷政策对制造业能源消费的空间异质性影响研究[J]. 煤炭经济研究, 2024, 44(3):116-129.

[20]
刘传哲, 任懿. 绿色信贷对能源消费结构低碳化的影响研究[J]. 武汉金融, 2019(11):66-70.

[21]
孙浦阳, 王雅楠, 岑燕. 金融发展影响能源消费结构吗?——跨国经验分析[J]. 南开经济研究, 2011(2):28-41.

[22]
邹璇, 王盼. 产业结构调整与能源消费结构优化[J]. 软科学, 2019, 33(5):11-16.

[23]
金环, 于立宏, 徐远彬. 绿色产业政策与制造业绿色技术创新[J]. 中国人口·资源与环境, 2022, 32(6):136-146.

[24]
王永培, 马丁, 单葆国, 等. 电网发展、清洁电源接入与地区能源效率[J]. 中国人口·资源与环境, 2017, 27(3):39-48.

[25]
魏巍贤, 赵玉荣. 可再生能源电价补贴的大气环境效益分析[J]. 中国人口·资源与环境, 2017, 27(10):209-216.

[26]
朱建华, 王虹吉, 郑鹏. 贵州省循环经济与绿色金融耦合协调发展研究[J]. 经济地理, 2019, 39(12):119-128.

DOI

[27]
Ren X, Shao Q, Zhong R. Nexus between green finance,non-fossil energy use,and carbon intensity:Empirical evidence from China based on a vector error correction model[J]. Journal of Cleaner Production, 2020, 277:122844.

[28]
隋建利, 米秋吉, 刘金全. 异质性能源消费与经济增长的非线性动态驱动机制[J]. 数量经济技术经济研究, 2017, 34(11):24-43.

[29]
吴巧生, 成金华, 王华. 中国工业化进程中的能源消费变动——基于计量模型的实证分析[J]. 中国工业经济, 2005(4):30-37.

[30]
尹显萍, 王生. 能源消费、节能潜力与中国对外贸易[J]. 经济管理, 2011, 33(2):14-22.

Options
文章导航

/

〈 〉