Kernel密度估计是一种在探讨空间非均衡现象和动态演进规律时广泛应用的非参数统计技术，本文选用高斯核密度函数进行估计。

标准差椭圆模型包括对重心坐标、椭圆面积、长短轴和方位角的计算，用以揭示研究对象时空变化趋势和整体分布特征。

空间自相关性分析是一种用于探究某一特定属性值在整体研究区域内空间分布状况及其相互关联程度的方法，一般采用莫兰指数。

空间计量中通常使用的模型包括空间误差模型（SEM）、空间自回归模型（SAR）和空间杜宾模型（SDM），用于描述空间中不同位置之间的相互作用关系。为筛选适用的空间计量模型，要进行事前检验和事后检验。根据LM检验、Hausman检验、Wald检验及LR检验结果，本文选择固定效应的SDM模型进行后续空间计量分析。

因此，设定SDM模型如下：

式中：Y表示绿色金融向量； \rho表示空间自相关系数； W代表空间权重矩阵； W Y表示因变量的空间滞后项； W X表示自变量的空间滞后项； \alpha表示常数项； l_n表示一个 n \times 1阶单位矩阵； \beta和 \theta表示回归系数； \zeta表示误差项。

图2展示了2007、2015和2022年浙江省县域绿色金融发展水平的空间格局演变趋势。2007年，江山市、龙游县、缙云县、莲都区、青田县和舟山群岛3县为高值区，2007年以低值区（包含较低值区，下同）为主。2015年绿色金融得到进一步发展，高值区由2007年的8个增加到15个。值得注意的是，岱山县和缙云县绿色金融发展水平呈现退化趋势，从2007年的高值退化为2015年的中值。2015年之后，县域绿色金融得到了飞速发展，到2022年高值区数量占据主导地位，低值区仅剩下淳安县、桐庐县、建德市、金东区、江北区、奉化区、宁海县及镇海区。整体来看，研究期间浙江省县域绿色金融发展水平呈现不断增强的趋势，经历了以低值区为主到以高值区为主的发展阶段，最后形成了以“工”字形分布形态的高值区为主的分布格局。

表2展示了2007、2011、2015、2019和2022年一级标准差椭圆和重心移动轨迹的相关参数，以探讨浙江省县域绿色金融发展水平的空间分布趋向特征。整体来看，标准差椭圆呈现“东北—西南”走向，有明显的方向性特征。从分布重心来看，绿色金融椭圆的重心经历了依次向东北移动18.52km、向西南移动24.44km、向东北移动14.98km、向西南移动7.35km的轨迹，重心的持续偏移表明绿色金融集聚区在不断变化。从面积来看，标准差椭圆的面积经历了“变大—缩小—变大—缩小”的变化，但与2007年相比，2022年椭圆面积减少了0.35万km²，表明县域绿色金融分布范围整体上呈现收缩趋势。从扁率来看，标准差椭圆的扁率经历了“减小—增加—减小—增加”的变化，表明县域绿色金融的方向性呈现“减弱—增强—减弱—增强”的变化趋势。从方位来看，绿色金融椭圆方位角整体上降低（从27.79到8.74），表明绿色金融在“东北—西南”方向的集聚效应不断加强。

2007—2022年浙江省县域绿色金融发展水平的莫兰指数及其Z值和P值的结果表明，研究期内的莫兰指数在绝大多数年份都通过了1%水平下的显著性检验，说明县域之间绿色金融的发展存在空间相关性；I值都大于0，表明县域间绿色金融发展表现为正向聚集效应。

图3展示了2007、2015和2022年浙江省县域绿色金融发展水平的LISA集聚特征。2007年，高—高集聚区分布在柯城区、衢江区、常山县、遂昌县、定海区和普陀区；低—低集聚区集中分布在杭州市境内11个县域以及宁海县和临海市。2015年，高—高集聚区分布在龙泉市、景宁畲族自治县、越城区以及定海区和普陀区；低—低集聚区变化不大。2022年，高—高集聚区分布在吴兴区、南浔区、德清县、桐乡市、景宁畲族自治县、青田县、瓯海区和龙湾区；低—低集聚区分布在桐庐县、建德市、慈溪市、余姚市、宁海县、临海市和天台县。其中，宁海县长期处于低—低集聚区，表明宁海县对周围区县绿色金融的发展存在负向的溢出效应；景宁畲族自治县和龙湾区分别于2007和2015年处于低—高集聚区，表明这两县曾受周围地区的“虹吸效应”影响，处于虹吸潮的“低洼地带”，而在2022年都处于高—高集聚区，表明这两县经过发展，已摆脱周围区县的“虹吸效应”，而且对于周围地区绿色金融的发展存在正向溢出效应；义乌市和鄞州区长期处于高—低集聚区，表明义乌市和鄞州区对周围地区产生的“虹吸效应”显著且持久。总的来说，研究期间浙江省县域绿色金融发展集聚效应显著，经过不断发展，最终形成了以高—高集聚和低—低集聚为主导的格局。

表4列（1）展示了SDM模型回归的结果。空间自相关系数rho为0.52，并且通过了1%水平的显著性检验，表明绿色金融具有空间溢出效应，即本地的绿色金融发展会影响邻地的绿色金融发展。表5展示了SDM模型回归结果所分解的直接效应、间接效应和总效应值。结合表4列（1）和表5，本文得出以下结果：①科技创新水平的提升会促进绿色金融的发展。科技创新通过赋能金融科技推动绿色金融的发展。金融机构为满足多样化的融资需求进行绿色信贷产品创新，离不开金融科技的支持。同时，中国金融监管部门的决策也需要大数据、区块链等技术提供支持。金融部门的绿色识别成本显著降低，有利于构建真实环境信息及数据共享平台，推进绿色金融合理化高质量发展。其中，科技创新水平的直接效应显著为正，表明科技的发展能够显著促进本地绿色金融的发展；间接效应也为正，表明科技创新水平对绿色金融的发展存在正向的空间溢出效应。随着科技创新要素在邻域间流动，本地的绿色技术创新等也会流向邻域，促进邻域的绿色金融发展。②存款水平提升会促进绿色金融的发展。较高的存款水平意味着银行拥有更多的可贷资金，这为绿色金融的发展提供了坚实的资金基础。银行可以利用这些资金加大对绿色项目的投资力度，支持绿色产业的发展。其中存款水平的直接效应系数为正，表明本地存款水平提升会促进本地绿色金融的发展，可能原因在于存款水平的提升有助于公众积累更多的财富，进而促进绿色消费和投资；间接效应系数为负，表明本地存款水平提升会抑制外地绿色金融的发展。原因在于绿色金融项目的投资周期长、风险高，如果本地金融机构或投资者对绿色金融项目的风险评估和收益预期较高，可能会更倾向于投资本地项目，导致领域绿色金融项目资金匮乏，一定程度上阻碍了领域绿色金融的发展。③经济发展会抑制绿色金融的发展。可能的原因是，浙江省作为开展绿色金融较早的省份之一，其经济比较发达的地区早已完成了企业的绿色转型，对绿色金融产品的需求降低，导致绿色金融的发展陷入了停滞。其中，经济发展的直接效应为负，表明本地经济发展水平提升会抑制本地绿色金融的发展；间接效应系数为正，表明本地经济发展水平提升会促进邻域绿色金融的发展。可能原因在于本地经济的发展促进了金融市场的繁荣和创新。这种创新氛围有助于推动绿色金融产品的不断推出和完善，为邻域绿色金融的发展提供更多的选择和创新空间。④环境污染会促进绿色金融的发展。可能原因是环境污染的加重会逼迫企业进行绿色转型，从而促进绿色金融的发展。其中环境污染直接效应系数为正，表明本地环境污染会促进本地绿色金融的发展；间接效应系数为负，表明本地环境污染会抑制邻域绿色金融的发展。可能原因在于环境污染问题会损害绿色金融的声誉。绿色金融的核心理念是支持环保和可持续发展，但当本地环境污染严重时，绿色金融产品的环保属性可能会受到质疑。这种质疑会损害绿色金融的声誉和形象，进而影响其在邻域的推广和发展。⑤产业结构升级会促进绿色金融的发展。产业结构升级能够推动其企业绿色转型，把更多金融资源配置到绿色发展领域，加速淘汰落后产能，调整能源消费结构和消耗量，减少碳排放，促进绿色金融的发展。其中产业结构升级直接效应为正，表明产业结构升级能显著促进本地绿色金融的发展；间接效应系数也为正，表明本地产业结构升级能促进邻域绿色金融的发展。可能原因在于本地产业结构升级的成功实践往往会对周边地区产生示范效应。当本地绿色产业取得显著成效时，周边地区可能会纷纷效仿，推动自身产业结构的优化和升级从而促进绿色金融的发展。⑥能耗水平抑制绿色金融的发展。这表明能耗水平的降低会推动其绿色金融的发展。能耗水平的降低意味着经济对高能耗、高污染产能的需求降低，排污企业才可能逐渐退出市场，促进金融机构将贷款发放给低能耗企业从而达到保护环境目的。其中能耗水平直接效应显著为负，表明能耗水平的降低能显著促进本地绿色金融的发展。此外，能耗水平还存在负向的空间溢出效应，这意味着本地能耗水平的降低也能促进邻域绿色金融的发展。

为保证回归结果的稳健性，采用更换空间矩阵和更换空间计量模型的方法，更换空间矩阵和更换空间计量模型的回归结果与前文回归结果基本一致，从而证明了前文回归结果的稳健性。