论文部分内容阅读
摘 要：根据1995～2012年的面板数据，利用灰色关联分析法和STIRPAT模型对金融产业集聚与产业结构优化升级的关系和产业结构升级对碳排放影响的研究结果显示，我国东部地区金融产业集聚与产业结构优化升级存在显著的正相关关系，产业结构升级与碳排放强度存在显著的负向关系，工业占比、能源强度对碳排放强度有显著的正向影响关系。
关 键 词：金融产业集聚；碳排放强度；产业结构升级；低碳经济
中图分类号：F830 文献标识码：A 文章编号：1006-3544（2015）06-0014-08
目前世界主要发达国家纷纷加大科技创新投入，推动低碳产业发展，将开发新技术培育新产业作为新的经济增长点及新一轮经济增长的重要动力。2009年底， 哥本哈根联合国气候大会以《哥本哈根协议》达成了全球共同应对气候变化的政治共识，我国承诺将在2020年实现单位GDP二氧化碳排放比2005年降低40%～45%。 要兑现这一承诺，我们必须大力发展低碳经济，并对高能耗、高碳排放、高污染的传统产业进行低碳化升级，以实现低碳经济发展目标。
由于产业的低碳化升级对金融支持有高度的依赖性，因此，一个地区金融产业的集聚程度会在一定程度上影响该地区经济的低碳水平。为验证二者的相关性，探索我国经济低碳化发展的有效路径，本文根据东部10个省市1995～2012年的相关面板数据，利用灰色关联分析法和STIRPAT模型，研究金融产业集聚（下简称“金融集聚”）对产业升级和碳排放的影响程度。
一、文献综述
对于金融集聚与产业结构升级的关系， 国内有不少学者进行了相关研究。黎平海、王雪（2009）考察金融集聚对产业结构升级的作用， 结果表明金融集聚通过其特有的经济效应，拓宽了投融资渠道，提高了资金供给水平和配置效率， 推动了地区产业结构优化和升级 [1] ；石沛、蒲勇健（2011）利用Moran指数和地理加权回归模型， 从空间依赖性和空间异质性两方面阐释我国金融集聚程度、 产业结构空间分布特征及两者在地理空间上的关联性，结果发现产业结构的调整在空间上带动金融集聚的发展， 同时金融集聚对产业结构发挥促进的反作用力 [2] ；施卫东、高雅（2013）实证检验了2004～2010年间长三角地区16个城市金融服务业集聚对该地区产业结构升级的影响及其作用大小， 研究结果表明长三角金融服务业集聚对该区域产业结构升级具有显著的正向推动作用， 其产业结构正沿着产业结构高级化路线发展， 但这一推动作用的程度还不是很大，还有待进一步增强 [3] ；刘沛、黎齐（2014）运用空间计量方法对广东省的产业发展和金融聚集的空间效应进行实证分析， 发现金融集聚对于第三产业的推动作用大于对第二产业的推动作用， 且第三产业的空间外溢效应要大于第二产业的空间外溢效应， 同时金融集聚和信息化的结合更有利于第三产业的发展 [4] 。
在碳排放与产业结构升级的关系方面，冯之浚、牛文元（2009）指出，我国低碳经济发展需要在观念、结构、科技、消费和管理五个方面推进创新，而产业结构调整是推进我国结构创新的重要举措之一，对低碳经济发展具有很大作用 [5] ；杨万东（2010）指出，低碳经济要求人们生产从理念到行为的低碳化调整，通过产业结构调整，中国就可能在未来找到一种产业低碳发展的方向，进而对原有的经济结构进行全面的重新布局， 实现碳排放的控制目标 [6] ；陈诗一、吴若沉（2011）的实证研究表明，能源结构、产业结构演化和能源强度降低有利于减排二氧化碳 [7] 。
从金融集聚角度考虑对碳排放影响的研究在国内外都较少见，但从金融学角度出发对环境及碳排放的研究积累了一定成果。Tamazian等（2009）指出，经济与金融发展是“金砖四国”环境质量的决定因素，金融发展可以改善环境恶化状况，金融自由化是CO2减少的重要原因 [8] 。Sadorsky（2011）探究了9个中欧和东欧新兴经济体金融发展与能源消费在不同情景下的关系，认为金融发展大体上促进了能源消费的增加，而忽视金融发展对能源需求的影响必将很难实现针对温室气体排放制订的标准[9] 。陈碧琼、张梁梁（2012）用我国29个省级单位的多个指标，建立基于STIRPAT模型的动态面板模型，证明发展金融业是促进我国经济低碳发展的最优手段[10]；郭福春等（2011）利用1995～2010年能源与经济数据，定量分析金融支持对浙江省低碳经济发展的影响机制，研究表明金融信贷服务支持能有效降低经济发达地区的CO2排放量，对当地低碳经济的发展具有强劲的推动效应 [11] ；马亚明等（2014）对我国1995～2011年28个省级单位的面板数据分析发现，金融相关率对于碳排放的作用无论在全国还是东、中、西部地区均显著为正，金融系统效率对于各地区碳排放的影响均为负，金融系统效率提高有助于减少碳排放量 [12] 。
总之， 国内外学者从不同角度研究了金融集聚对产业结构升级的促进作用， 论证了产业结构对碳排放的影响，但是鲜有学者将“金融集聚”纳入对碳排放强度的影响研究框架之内。 目前研究多集中于定性分析， 仅有少部分学者定量研究了金融集聚和环境质量的关系。 本文利用我国东部地区1995～2012年间的面板数据， 首先对金融集聚与产业结构升级之间的关系进行探讨， 然后对产业结构对碳排放强度的影响进行定量分析， 进而讨论金融集聚对碳排放强度的间接影响，并对节能减排、环境优化提出发展思路。
二、金融集聚与产业结构升级关联分析
金融对产业结构升级主要是通过支持技术创新，来实现产业结构由低生产率或低效应的资源驱动模式向高生产率或高效应的技术创新驱动模式演变，从而实现产业结构升级的目标。现代产业发展越来越依赖于技术创新， 金融为技术创新提供了重要的支撑与保障条件 [13] 。因此，金融发展是产业结构升级的重要外部条件之一。 本文选用的产业结构升级指标以第二、 三产业增加值占地区生产总值的比重来度量各省份的产业结构水平，将其记作IS。
产业集聚测度的方法很多， 目前测算产业集聚的主要方法有：市场集中度、区位熵、赫芬达尔-赫希曼指数、空间基尼系数、空间集聚EG指数等。熵指数法分解了行业间和行业内的多元化水平， 避免了其他多元化测度方法无法避免的多重共线性问题。 故本文采用区位熵指数的方法对东部地区的金融集聚程度进行定量分析。区位熵（β）指数用公式表示为：
？茁=■/■
其中，mi代表某地区i产业的产值或就业人数，m代表某地区工业的全部产值或就业人数；Mi代表全国i产业所对应的经济数据，M则代表全国工业所对应经济量。秉持数据可得性原则，本文选取了东部地区10个省份及直辖市的金融业增加值及地区生产总值作为原始数据测度金融产业区位熵，记为FC，样本数据均来自于历年《中国统计年鉴》和各省市的统计年鉴以及金融统计年鉴。
各省市的金融产业区位熵测度数据如表1所示。
若区位熵大于1， 说明该地区该产业相对于全国具有比较优势，若区位熵小于1，说明该地区该产业与全国相比较不具有专业化发展优势。
表1列出了东部地区10个省市1995～2012年计算出的金融业区位熵及各地区的平均值。 由均值一行可以明显看出东部地区金融业发展不均衡现状。北京金融集聚均值达到11.09，远远高于全国平均水平；而辽宁、山东等地区位熵指数均值在1之下，说明低于全国平均水平，这与当地对于金融业的重视与支持有很大关系，同时与当地经济发展水平也有很大关联。从集聚趋势来看，天津、江苏、山东等地近几年的集聚程度呈上涨趋势。北京、天津、上海等地区位熵变化趋势不明显，但是指数仍然处于1之上，集聚现象显著。
产业集聚虽然是一种有效的发展模式，然而其对产业结构的升级影响是正还是负还不明确。灰色关联分析法是一种多因素统计分析方法， 优点在于思路明晰， 可以在很大程度上减少由于信息不对称带来的损失，并且对数据要求较低。故本文通过构建灰色关联模型， 以产业结构及金融产业集聚水平的数据来分析二者的相关关系。 各地区金融集聚与产业结构升级之间的关联度测度数据如表2所示。
从表2中的数据来看，10个地区的灰色关联度均在0.5以上，最高达0.815，均值也达到了0.668。从具体区域来看，不同地区的金融集聚对产业结构的影响存在显著差异。本文根据关联度大小将其分为三个区域：第一区域为北京、辽宁和上海，该区金融集聚对产业结构的正向影响较高，金融业集聚对产业结构升级有明显影响；第二区域为河北、天津、江苏、浙江和山东，该区域的关联度处于0.6～0.7之间，对比第一区域相对较低；第三区域为广东和福建，该区域关联度处于0.5～0.6之间，表明二者关联度比较低，但仍存在正向影响关系。以上结果表明，金融集聚对产业结构升级具有显著的正向促进作用，带动了产业结构优化发展。
三、产业结构升级对碳排放强度影响分析
目前， 我国因能源消费而产生的CO2排放量中，工业部门的排放占到80%以上 [14] 。因此，产业结构，尤其是工业结构的变动对碳排放具有重要影响。这意味着提高工业中低碳的高技术产业的比重有助于降低碳排放，实现经济增长方式的转变和经济的可持续增长。下面定量分析产业结构优化升级对碳排放强度的影响程度。
（一）模型选取、数据来源与变量解释
1. 模型选取
对影响碳排放量的各关键因素进行分析的方法有很多，如二氧化碳库兹涅茨曲线（CKC）、IPAT模型等。Ehrlich和Holden在1971年提出的IPAT模型首次将环境影响（I）、人口规模（P）、经济水平（A）和环境毁坏技术水平（T）联系起来。具体公式为：I=P×A×T。 考虑到本文研究对象为产业结构对环境的影响，IPAT模型对于人口、 经济水平等纳入研究框架，更具有全面性。 但IPAT模型也有自身的局限性，即模型要求在其他因素不变的条件下，通过对单一变量进行调整而使得结果发生单调、等比例的影响。为了克服该模型的不足，学者进一步提出STIRPAT可拓展的随机性的环境影响评估模型， 公式为：I=？琢PbAcTde。其中，α为模型的系数，b、c、d为各自变量指数，e为误差。指数的引入使得该模型可用于分析人文因素对环境的非比例影响， 故本文采用STIRPAT模型。对公式两边取自然对数，得到方程：
LNIit=LNα+bLNPit+cLNAit+LNeit （1）
其中，i、t分别代表地区与年份，P、A、T分别代表人口、经济、技术对碳排放的影响。由弹性系数的概念可知，方程的回归系数反映的即是解释变量与被解释变量之间的弹性关系。STIRPAT模型允许增加其他控制变量来分析其对环境的影响，但是增加的变量须与式（1）指定的乘法形式具有概念上的一致性 [15] 。
2. 变量解释与数据来源
（1）碳排放强度（GOT）：环境压力I用碳排放强度来衡量
CO2排放分为自然排放和人工排放。 人工排放是由于人类活动引起的CO2排放，主要包括化石燃料消耗、生物质燃料燃烧等，其中化石燃料消耗所排放的CO2占比在95%以上。对于碳排放量的测度一般采用物料衡算法、实测法、排放系数法3种方法，这3种方法互为补充，对不同的碳源采用的方法不尽相同。 本文采用碳排放系数法对东部地区碳排放量进行测度，公式为：
T=■Mipiqi
其中，T代表碳排放量，Mi为第i种能源消费量，pi为第i种能源折算标准煤系数，qi为第i种能源碳排放系数。本文选取煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气等7类化石能源消耗量进行测算，见表3。
本文所采用的碳排放强度（GOT）是碳排放量除以各地区生产总值，即GOTit=Tit /GDPit（i、t表示不同省份直辖市及年份）。为消除价格影响，GDP数据统一换算为各地区1995年价格的1995～2012年的实际GDP，如表4所示。 除河北、辽宁和山东三个地区之外，其他地区的碳排放强度近几年都下降到1吨/万元以下，而且浙江、福建和广东的碳排放强度自1995年起就处于较低的水平。 大部分地区的碳排放强度都存在逐年下降的趋势，但各地区有明显不同，如北京由2000年的1.13吨/万元下降到2012年的0.409吨/万元， 下降近2/3；山东2012年与2000年相比，不降反升， 这与山东近年来高耗能产业的发展有很大关系。
（2）经济指标
我们知道， 第二产业的发展对碳排放存在明显的相关关系， 故本文以工业增加值占GDP比重（IND） 来衡量各省产业结构特征对碳排放的影响。产业结构升级指标仍然是IS。
（3）技术指标
能源强度（EP）是用于对比不同国家和地区能源综合利用效率的常用指标之一， 体现了能源利用的经济效益，因此能源强度又被称作能源经济效率，是指产出单位生产总值所需消耗的能源量， 在实际研究中能源强度通常用单位GDP比能源消耗来表示。能源强度越低，技术水平越高，相同情况下二氧化碳排放量低。 本文中计算能源强度的GDP是以1995年物价水平衡量的实际GDP。
（二）面板数据的统计性描述
为了更加清楚地观察各省份直辖市数据，本文分别列出各地区以及总体的变量从1995～2012年的最大值、最小值及平均值。见表5。
年均碳排放强度最小的地区为福建，其次是广东， 二者的碳排放强度均值分别为0.526吨/万元、0.527吨/万元，均低于所有地区的平均水平。平均碳排放强度最大的两个地区是河北和辽宁，数值分别为1.834吨/万元、1.775吨/万元。此外，值得注意的是，地区间最大最小值之差的数额相差较大，如天津最大值是最小值的2.81倍，这说明各地区碳排放量变化十分明显。
各地区产业结构存在明显差异，从表5可见，北京、天津和上海三地产业结构指数高于其他地区，均值分别达到了0.98，0.965和0.987，而河北和福建分别为0.844和0.856，差异明显，这与地区间产业结构合理性有很大关系，与经济发展水平也分不开。另外工业占比除北京外其他地区差距不大， 而北京相对而言工业占比较低， 这与北京第二产业结构规划合理，重工业企业数量较少，高新产业兴起有很大关联。
10个地区的能源强度存在较大的差异。从被研究地区的原始数据来看， 能源强度基本呈现递减趋势。从能源强度均值来看，辽宁的能源强度最大，河北随后，相应的数据为2.568吨/万元、2.438吨/万元。能源强度最低的地区为福建。这说明省（市）间的能源利用效率存在明显差异， 这与个别地区传统粗放式的经济发展模式以及高能耗、 高污染产业快速发展有关。
（三）单位根检验
为了保证检验的准确性， 本文使用IPS、LLC、Fisher-ADF和Fisher-PP面板数据的单位根检验，结果如表6所示。
从表6中可以看出， 所有变量的原值均为非平稳序列，经一阶差分后所有变量变为平稳，表明变量为一阶单整，此结果符合面板协整的前提条件。
（四）协整检验
由单位根检验的结果发现，面板数据的LNGOT、LNIS、LNIND、LNEP四个变量是一阶单整的，为考察变量间的长期均衡关系， 本文采用面板协整的Johansen协整检验和Kao检验。检验结果如表7所示。
Trace test和Max-eigen test统计量的P值均远远小于0.01，即在1%显著性水平下拒绝原假设，表明碳排放强度和金融集聚度、工业占比、能源强度之间存在协整关系。从Kao检验结果中我们可以显著拒绝“面板不存在协整关系”的原假设，认为面板数据存在稳定的线性组合，在长期发展中有均衡关系。
（五）面板协整模型的估计
为研究IS、IND、EP对GOT的影响，构建如下模型：
LN（GOTit）=LN？琢+bLN（ISit）+cLN（INDit）+
dLN（EPit）+LNeit
其中，i表示截面数据， 即东部10个地区，t代表1995～2012年间的样本值。
在进行估计之前， 我们需要判断回归模型的具体形式。首先，我们使用了极大似然比的检验方法判断采用混合模型还是固定效应模型，STATA 12.0 软件的操作结果显示，F统计值为48.91， 其伴随概率为0。由此可以拒绝混合OLS模型，固定效应模型相对更优。其次，需要通过Breusch-Pagan检验比较随机效应模型和混合OLS模型的优劣。BP检验结果显示chibar2（01）=646.41，p值为0，表明随机效应模型的确优于混合效应模型。最后，我们使用了Hausman检验方法判断是采用固定效应模型还是随机效应模型，结果显示chi2（3）=3.97，p值为0.2648，原假设为随机效应模型优于固定效应模型，由p值可以确定为接受原假设， 即采用随机效应模型的结论。
根据随机效应模型估计的结果见表8。
从面板模型的估计结果来看：
1. 产业结构（LS）在5%的统计水平上显著为正，系数为 -0.415， 说明产业结构升级对碳排放强度有显著的负向影响，且金融集聚每增加1%，碳排放强度降低0.415%。因此，可以通过产业结构优化升级来达到低碳发展理念、降低碳排放量。
2. 能源强度（EP）对碳排放的影响为正， 而且在1%的置信水平上维持在较高水平，说明能源强度是一个引起碳排放增加的因素，能源强度每增加1%，将会造成碳排放增加0.874%。能源强度是指产出单位生产总值所需消耗的能源，能源消耗越多，对应所产生的碳排放量越多。东部地区的能源消费以煤炭为主，且大多为原煤直接燃烧，虽然技术进步提高了能源的利用效率，但仍未有效降低能源消费量。因此，要降低东部地区的碳排放强度，必须控制能源强度。 3. 工业占比（IND）对一个地区的碳排放也有着重要作用。回归结果表明，东部地区工业比重每增加1%，碳排放强度增加0.481%，可以看出东部地区工业占比的减少对降低能源消费和碳排放的作用较大。从统计数据来看，北京、上海、江苏及浙江四个地区近几年的工业占比有明显下降趋势，这对于降低碳排放强度，实现经济低碳发展来说是一个有效的措施。
四、结论及政策建议
本文旨在研究金融集聚对碳排放强度的影响路径， 从金融角度为节能减排寻求对策。 所得结论如下：
1. 金融集聚与产业结构升级之间存在显著的正向相关关系，灰色关联度达到0.668，随着金融产业的集聚，产业结构正沿着高级化路线发展。金融对产业结构升级主要是通过支持技术创新， 来实现产业结构由低生产率或低效应的资源驱动模式向高生产率或高效应的技术创新驱动模式演变， 从而实现产业结构升级的目标。因此，金融发展是产业结构升级的重要外部条件之一。
2. 在控制其他变量的情况下， 产业结构优化升级是降低碳排放强度的一个重要手段。第二、三产业比重每提高1%，碳排放强度降低0.415%。优化产业结构是减少碳排放的重要途径。
3. 金融集聚促进了产业结构优化升级， 而产业结构升级降低了碳排放强度， 因此金融集聚对于碳排放强度降低起促进作用， 在解决碳排放问题上可以从金融角度寻求新的途径。
4. 我国工业发展的高能耗、 高碳排特征依然明显，工业占比与碳排放强度显著正相关。长期来看，二氧化碳的排放主要由工业占比和能源消耗决定。其中， 能源消耗与二氧化碳排放量正向相关。 近年来，中国的原油需求在不断增加，体现出中国经济对原油的依赖性。此外，东部地区能源消费结构以高碳能源为主，意味着改善能源结构，降低能源强度可有效实现节能减排的目标。据此，适当控制工业发展规模、 有效降低工业行业的碳排放强度成为一项重要任务。
金融发展是实现经济低碳发展的一个重要手段 [16] ，根据上述结论从金融角度对碳减排提出如下建议：
1. 依托金融集聚对高碳排放工业进行低碳化升级。我国众多工业都具有高污染、高耗能的特点，应利用金融手段对这些产业进行低碳化升级。 以石油化工产业为例：石化产业本身是耗能和碳排放大户，产业结构性矛盾比较突出， 急需尽快调整结构和产业布局。转变发展方式需要技术进步的强力支撑，技术进步因素对低碳经济的影响至关重要， 同时以减排技术、 能源技术为代表的低碳相关技术是低碳经济的发展核心。而技术进步离不开金融领域的支持，合理配置金融资源， 重点支持石油化工企业采用高新技术进行碳减排升级，提高石化产业效率。金融机构要研究信贷政策与石化产业政策的有效对接，合理配置金融资源，提高信贷资金使用效率，加快金融创新，促进产融结合，促进石油化工产业向纵深发展 [17] 。
2. 通过实施绿色金融助力新型低碳产业。 金融是助推新型产业崛起的重要手段，银行业金融机构应积极推进绿色融资，加快金融产品和业务创新，加大对节能减排降碳项目的支持力度，拓宽融资渠道 [18] 。为实现节能减排目标，政府应鼓励银行业金融机构支持绿色经济发展，建立绿色信贷指引，对绿色银行采取激励措施。
3. 针对不同地区的金融特色， 实行差异化优势策略。就东部地区来说，地区经济发展水平与发展重点不尽相同，如北京、上海等地金融产业发达，新兴产业异军突起，而辽宁、山东、河北等地依然依靠重工业发展经济，工业占比仍然较高。各地区应根据本地的产业特点和实际情况选择自己的产业升级和碳减排战略，因地制宜，发挥金融集聚的最大效果。根据地区差异将东部地区大致划分为三类： 北京、上海、广东和福建为Ⅰ区，这些地区的明显特征是金融集聚明显，新兴产业发展势头良好，重工业占比相对较少。这些地区可以充分利用金融优势大力发展新型低碳产业，积极推进绿色融资，银行业金融机构要加快金融产品和业务创新，加大对节能减排降碳项目的支持力度，以这些产业作为新的经济增长点，对于高污染高耗能的产业予以淘汰。辽宁、河北和山东为Ⅱ区，这些区域的典型特征就是工业占比较高，重工业多，而且工业比重的下降将是一个缓慢而曲折的过程。如，河北省制药业，辽宁省钢铁业，山东省石化产业，都是这些地区发展比较成熟的产业，同时也是高碳排产业。对这些地区的减排政策应着重于促进工业内部结构及生产方式的“低碳化调整”，加快产品升级换代步伐。金融机构应积极配合，大力支持。其余的天津、浙江和江苏为Ⅲ区，这些地区碳排放强度变化幅度不大，而且三个地区依靠海洋优势发展了一些新型低碳产业， 金融业发展势头良好，对于这种地区就要采取Ⅰ、Ⅱ区结合的策略进行减排， 利用金融集聚优势整合第二产业资源，加快产品升级换代步伐，以达到预期效果。
参考文献：
[1]黎平海，王雪. 基于金融集聚视角的产业结构升级研究[J]. 金融经济学研究，2009（4）：51-62.
[2]石沛，蒲勇健. 金融集聚与产业结构的空间关联机制研究[J]. 工业经济，2011（1）：39-45.
[3]施卫东，高雅. 金融服务业集聚发展对产业结构升级的影响[J]. 经济与管理研究，2013（3）：73-82.
[4]刘沛，黎齐. 金融集聚对产业结构提升的空间外溢效应研究[J]. 科技管理研究，2014（10）：187-195.
[5]冯之浚，牛文元. 低碳经济与科学发展[J]. 中国软科学，2009（8）：13-19.
[6]杨万东. 低碳经济与经济结构的再调整[J]. 理论视野，2010（2）：35-36.
[7]陈诗一，吴若沉. 经济转型中的结构调整、能源强度降低与二氧化碳减排：全国及上海的比较分析[J]. 上海经济研究，2011（4）：10-15.
[8]Tamazian，A.&Chousa，J.P.，&Vadlamananatj，K.C. Does higher economic and financial development lead to environmental degradation：evidence from Bric countries[J]. Energy Policy，2009，37（1）：246-253.
[9]Sadorsky，P. Financial development and energy consumption In Central and Eastern European frontier economies[J]. Energy Policy，2011，39（2）：999-1006.
[10]陈碧琼，张梁梁. 金融规模对碳排放的影响力分析——基于省际动态面板数据的实证分析[J]. 中国人口·资源与环境，2012（22）：
408-415.
[11]郭福春，潘锡泉. 金融支持低碳经济发展的影响机制研究：基于浙江省数据的经验分析[J]. 浙江社会科学，2011（10）：12-19.
[12]马亚明，高嵩，邱识. 外商直接投资、金融深化与碳排放——基于我国1995-2011年省级面板数据的分析[J]. 科技管理研究，2014（13）：214-219.
[13]苏建军，徐璋勇. 金融发展、产业结构升级与经济增长理论与经验研究[J]. 工业技术经济，2014（2）：139-150.
[14]王锋，吴丽华，杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究，2010（2）：123-136.
[15]徐安. 基于STIRPAT模型的沿黄省份城市化对碳排放的影响分析[Z].黄河流域资源环境与生态文明建设学术研讨会交流材料，2011.
[16]陈碧琼，张梁梁. 动态空间视角下金融发展对碳排放的影响力分析[J]. 软科学，2014（7）：140-145.
[17]周培基. 金融支持石油化工产业可持续发展问题探讨[J]. 南方论刊，2012（5）：21-26.
[18]张莉. 绿色金融助力新型低碳产业，鼓励开发节能减排融资项目 [N]. 中国证券报，2014-07-15.
（责任编辑、校对：卢艳如）
关 键 词：金融产业集聚；碳排放强度；产业结构升级；低碳经济
中图分类号：F830 文献标识码：A 文章编号：1006-3544（2015）06-0014-08
目前世界主要发达国家纷纷加大科技创新投入，推动低碳产业发展，将开发新技术培育新产业作为新的经济增长点及新一轮经济增长的重要动力。2009年底， 哥本哈根联合国气候大会以《哥本哈根协议》达成了全球共同应对气候变化的政治共识，我国承诺将在2020年实现单位GDP二氧化碳排放比2005年降低40%～45%。 要兑现这一承诺，我们必须大力发展低碳经济，并对高能耗、高碳排放、高污染的传统产业进行低碳化升级，以实现低碳经济发展目标。
由于产业的低碳化升级对金融支持有高度的依赖性，因此，一个地区金融产业的集聚程度会在一定程度上影响该地区经济的低碳水平。为验证二者的相关性，探索我国经济低碳化发展的有效路径，本文根据东部10个省市1995～2012年的相关面板数据，利用灰色关联分析法和STIRPAT模型，研究金融产业集聚（下简称“金融集聚”）对产业升级和碳排放的影响程度。
一、文献综述
对于金融集聚与产业结构升级的关系， 国内有不少学者进行了相关研究。黎平海、王雪（2009）考察金融集聚对产业结构升级的作用， 结果表明金融集聚通过其特有的经济效应，拓宽了投融资渠道，提高了资金供给水平和配置效率， 推动了地区产业结构优化和升级 [1] ；石沛、蒲勇健（2011）利用Moran指数和地理加权回归模型， 从空间依赖性和空间异质性两方面阐释我国金融集聚程度、 产业结构空间分布特征及两者在地理空间上的关联性，结果发现产业结构的调整在空间上带动金融集聚的发展， 同时金融集聚对产业结构发挥促进的反作用力 [2] ；施卫东、高雅（2013）实证检验了2004～2010年间长三角地区16个城市金融服务业集聚对该地区产业结构升级的影响及其作用大小， 研究结果表明长三角金融服务业集聚对该区域产业结构升级具有显著的正向推动作用， 其产业结构正沿着产业结构高级化路线发展， 但这一推动作用的程度还不是很大，还有待进一步增强 [3] ；刘沛、黎齐（2014）运用空间计量方法对广东省的产业发展和金融聚集的空间效应进行实证分析， 发现金融集聚对于第三产业的推动作用大于对第二产业的推动作用， 且第三产业的空间外溢效应要大于第二产业的空间外溢效应， 同时金融集聚和信息化的结合更有利于第三产业的发展 [4] 。
在碳排放与产业结构升级的关系方面，冯之浚、牛文元（2009）指出，我国低碳经济发展需要在观念、结构、科技、消费和管理五个方面推进创新，而产业结构调整是推进我国结构创新的重要举措之一，对低碳经济发展具有很大作用 [5] ；杨万东（2010）指出，低碳经济要求人们生产从理念到行为的低碳化调整，通过产业结构调整，中国就可能在未来找到一种产业低碳发展的方向，进而对原有的经济结构进行全面的重新布局， 实现碳排放的控制目标 [6] ；陈诗一、吴若沉（2011）的实证研究表明，能源结构、产业结构演化和能源强度降低有利于减排二氧化碳 [7] 。
从金融集聚角度考虑对碳排放影响的研究在国内外都较少见，但从金融学角度出发对环境及碳排放的研究积累了一定成果。Tamazian等（2009）指出，经济与金融发展是“金砖四国”环境质量的决定因素，金融发展可以改善环境恶化状况，金融自由化是CO2减少的重要原因 [8] 。Sadorsky（2011）探究了9个中欧和东欧新兴经济体金融发展与能源消费在不同情景下的关系，认为金融发展大体上促进了能源消费的增加，而忽视金融发展对能源需求的影响必将很难实现针对温室气体排放制订的标准[9] 。陈碧琼、张梁梁（2012）用我国29个省级单位的多个指标，建立基于STIRPAT模型的动态面板模型，证明发展金融业是促进我国经济低碳发展的最优手段[10]；郭福春等（2011）利用1995～2010年能源与经济数据，定量分析金融支持对浙江省低碳经济发展的影响机制，研究表明金融信贷服务支持能有效降低经济发达地区的CO2排放量，对当地低碳经济的发展具有强劲的推动效应 [11] ；马亚明等（2014）对我国1995～2011年28个省级单位的面板数据分析发现，金融相关率对于碳排放的作用无论在全国还是东、中、西部地区均显著为正，金融系统效率对于各地区碳排放的影响均为负，金融系统效率提高有助于减少碳排放量 [12] 。
总之， 国内外学者从不同角度研究了金融集聚对产业结构升级的促进作用， 论证了产业结构对碳排放的影响，但是鲜有学者将“金融集聚”纳入对碳排放强度的影响研究框架之内。 目前研究多集中于定性分析， 仅有少部分学者定量研究了金融集聚和环境质量的关系。 本文利用我国东部地区1995～2012年间的面板数据， 首先对金融集聚与产业结构升级之间的关系进行探讨， 然后对产业结构对碳排放强度的影响进行定量分析， 进而讨论金融集聚对碳排放强度的间接影响，并对节能减排、环境优化提出发展思路。
二、金融集聚与产业结构升级关联分析
金融对产业结构升级主要是通过支持技术创新，来实现产业结构由低生产率或低效应的资源驱动模式向高生产率或高效应的技术创新驱动模式演变，从而实现产业结构升级的目标。现代产业发展越来越依赖于技术创新， 金融为技术创新提供了重要的支撑与保障条件 [13] 。因此，金融发展是产业结构升级的重要外部条件之一。 本文选用的产业结构升级指标以第二、 三产业增加值占地区生产总值的比重来度量各省份的产业结构水平，将其记作IS。
产业集聚测度的方法很多， 目前测算产业集聚的主要方法有：市场集中度、区位熵、赫芬达尔-赫希曼指数、空间基尼系数、空间集聚EG指数等。熵指数法分解了行业间和行业内的多元化水平， 避免了其他多元化测度方法无法避免的多重共线性问题。 故本文采用区位熵指数的方法对东部地区的金融集聚程度进行定量分析。区位熵（β）指数用公式表示为：
？茁=■/■
其中，mi代表某地区i产业的产值或就业人数，m代表某地区工业的全部产值或就业人数；Mi代表全国i产业所对应的经济数据，M则代表全国工业所对应经济量。秉持数据可得性原则，本文选取了东部地区10个省份及直辖市的金融业增加值及地区生产总值作为原始数据测度金融产业区位熵，记为FC，样本数据均来自于历年《中国统计年鉴》和各省市的统计年鉴以及金融统计年鉴。
各省市的金融产业区位熵测度数据如表1所示。
若区位熵大于1， 说明该地区该产业相对于全国具有比较优势，若区位熵小于1，说明该地区该产业与全国相比较不具有专业化发展优势。
表1列出了东部地区10个省市1995～2012年计算出的金融业区位熵及各地区的平均值。 由均值一行可以明显看出东部地区金融业发展不均衡现状。北京金融集聚均值达到11.09，远远高于全国平均水平；而辽宁、山东等地区位熵指数均值在1之下，说明低于全国平均水平，这与当地对于金融业的重视与支持有很大关系，同时与当地经济发展水平也有很大关联。从集聚趋势来看，天津、江苏、山东等地近几年的集聚程度呈上涨趋势。北京、天津、上海等地区位熵变化趋势不明显，但是指数仍然处于1之上，集聚现象显著。
产业集聚虽然是一种有效的发展模式，然而其对产业结构的升级影响是正还是负还不明确。灰色关联分析法是一种多因素统计分析方法， 优点在于思路明晰， 可以在很大程度上减少由于信息不对称带来的损失，并且对数据要求较低。故本文通过构建灰色关联模型， 以产业结构及金融产业集聚水平的数据来分析二者的相关关系。 各地区金融集聚与产业结构升级之间的关联度测度数据如表2所示。
从表2中的数据来看，10个地区的灰色关联度均在0.5以上，最高达0.815，均值也达到了0.668。从具体区域来看，不同地区的金融集聚对产业结构的影响存在显著差异。本文根据关联度大小将其分为三个区域：第一区域为北京、辽宁和上海，该区金融集聚对产业结构的正向影响较高，金融业集聚对产业结构升级有明显影响；第二区域为河北、天津、江苏、浙江和山东，该区域的关联度处于0.6～0.7之间，对比第一区域相对较低；第三区域为广东和福建，该区域关联度处于0.5～0.6之间，表明二者关联度比较低，但仍存在正向影响关系。以上结果表明，金融集聚对产业结构升级具有显著的正向促进作用，带动了产业结构优化发展。
三、产业结构升级对碳排放强度影响分析
目前， 我国因能源消费而产生的CO2排放量中，工业部门的排放占到80%以上 [14] 。因此，产业结构，尤其是工业结构的变动对碳排放具有重要影响。这意味着提高工业中低碳的高技术产业的比重有助于降低碳排放，实现经济增长方式的转变和经济的可持续增长。下面定量分析产业结构优化升级对碳排放强度的影响程度。
（一）模型选取、数据来源与变量解释
1. 模型选取
对影响碳排放量的各关键因素进行分析的方法有很多，如二氧化碳库兹涅茨曲线（CKC）、IPAT模型等。Ehrlich和Holden在1971年提出的IPAT模型首次将环境影响（I）、人口规模（P）、经济水平（A）和环境毁坏技术水平（T）联系起来。具体公式为：I=P×A×T。 考虑到本文研究对象为产业结构对环境的影响，IPAT模型对于人口、 经济水平等纳入研究框架，更具有全面性。 但IPAT模型也有自身的局限性，即模型要求在其他因素不变的条件下，通过对单一变量进行调整而使得结果发生单调、等比例的影响。为了克服该模型的不足，学者进一步提出STIRPAT可拓展的随机性的环境影响评估模型， 公式为：I=？琢PbAcTde。其中，α为模型的系数，b、c、d为各自变量指数，e为误差。指数的引入使得该模型可用于分析人文因素对环境的非比例影响， 故本文采用STIRPAT模型。对公式两边取自然对数，得到方程：
LNIit=LNα+bLNPit+cLNAit+LNeit （1）
其中，i、t分别代表地区与年份，P、A、T分别代表人口、经济、技术对碳排放的影响。由弹性系数的概念可知，方程的回归系数反映的即是解释变量与被解释变量之间的弹性关系。STIRPAT模型允许增加其他控制变量来分析其对环境的影响，但是增加的变量须与式（1）指定的乘法形式具有概念上的一致性 [15] 。
2. 变量解释与数据来源
（1）碳排放强度（GOT）：环境压力I用碳排放强度来衡量
CO2排放分为自然排放和人工排放。 人工排放是由于人类活动引起的CO2排放，主要包括化石燃料消耗、生物质燃料燃烧等，其中化石燃料消耗所排放的CO2占比在95%以上。对于碳排放量的测度一般采用物料衡算法、实测法、排放系数法3种方法，这3种方法互为补充，对不同的碳源采用的方法不尽相同。 本文采用碳排放系数法对东部地区碳排放量进行测度，公式为：
T=■Mipiqi
其中，T代表碳排放量，Mi为第i种能源消费量，pi为第i种能源折算标准煤系数，qi为第i种能源碳排放系数。本文选取煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气等7类化石能源消耗量进行测算，见表3。
本文所采用的碳排放强度（GOT）是碳排放量除以各地区生产总值，即GOTit=Tit /GDPit（i、t表示不同省份直辖市及年份）。为消除价格影响，GDP数据统一换算为各地区1995年价格的1995～2012年的实际GDP，如表4所示。 除河北、辽宁和山东三个地区之外，其他地区的碳排放强度近几年都下降到1吨/万元以下，而且浙江、福建和广东的碳排放强度自1995年起就处于较低的水平。 大部分地区的碳排放强度都存在逐年下降的趋势，但各地区有明显不同，如北京由2000年的1.13吨/万元下降到2012年的0.409吨/万元， 下降近2/3；山东2012年与2000年相比，不降反升， 这与山东近年来高耗能产业的发展有很大关系。
（2）经济指标
我们知道， 第二产业的发展对碳排放存在明显的相关关系， 故本文以工业增加值占GDP比重（IND） 来衡量各省产业结构特征对碳排放的影响。产业结构升级指标仍然是IS。
（3）技术指标
能源强度（EP）是用于对比不同国家和地区能源综合利用效率的常用指标之一， 体现了能源利用的经济效益，因此能源强度又被称作能源经济效率，是指产出单位生产总值所需消耗的能源量， 在实际研究中能源强度通常用单位GDP比能源消耗来表示。能源强度越低，技术水平越高，相同情况下二氧化碳排放量低。 本文中计算能源强度的GDP是以1995年物价水平衡量的实际GDP。
（二）面板数据的统计性描述
为了更加清楚地观察各省份直辖市数据，本文分别列出各地区以及总体的变量从1995～2012年的最大值、最小值及平均值。见表5。
年均碳排放强度最小的地区为福建，其次是广东， 二者的碳排放强度均值分别为0.526吨/万元、0.527吨/万元，均低于所有地区的平均水平。平均碳排放强度最大的两个地区是河北和辽宁，数值分别为1.834吨/万元、1.775吨/万元。此外，值得注意的是，地区间最大最小值之差的数额相差较大，如天津最大值是最小值的2.81倍，这说明各地区碳排放量变化十分明显。
各地区产业结构存在明显差异，从表5可见，北京、天津和上海三地产业结构指数高于其他地区，均值分别达到了0.98，0.965和0.987，而河北和福建分别为0.844和0.856，差异明显，这与地区间产业结构合理性有很大关系，与经济发展水平也分不开。另外工业占比除北京外其他地区差距不大， 而北京相对而言工业占比较低， 这与北京第二产业结构规划合理，重工业企业数量较少，高新产业兴起有很大关联。
10个地区的能源强度存在较大的差异。从被研究地区的原始数据来看， 能源强度基本呈现递减趋势。从能源强度均值来看，辽宁的能源强度最大，河北随后，相应的数据为2.568吨/万元、2.438吨/万元。能源强度最低的地区为福建。这说明省（市）间的能源利用效率存在明显差异， 这与个别地区传统粗放式的经济发展模式以及高能耗、 高污染产业快速发展有关。
（三）单位根检验
为了保证检验的准确性， 本文使用IPS、LLC、Fisher-ADF和Fisher-PP面板数据的单位根检验，结果如表6所示。
从表6中可以看出， 所有变量的原值均为非平稳序列，经一阶差分后所有变量变为平稳，表明变量为一阶单整，此结果符合面板协整的前提条件。
（四）协整检验
由单位根检验的结果发现，面板数据的LNGOT、LNIS、LNIND、LNEP四个变量是一阶单整的，为考察变量间的长期均衡关系， 本文采用面板协整的Johansen协整检验和Kao检验。检验结果如表7所示。
Trace test和Max-eigen test统计量的P值均远远小于0.01，即在1%显著性水平下拒绝原假设，表明碳排放强度和金融集聚度、工业占比、能源强度之间存在协整关系。从Kao检验结果中我们可以显著拒绝“面板不存在协整关系”的原假设，认为面板数据存在稳定的线性组合，在长期发展中有均衡关系。
（五）面板协整模型的估计
为研究IS、IND、EP对GOT的影响，构建如下模型：
LN（GOTit）=LN？琢+bLN（ISit）+cLN（INDit）+
dLN（EPit）+LNeit
其中，i表示截面数据， 即东部10个地区，t代表1995～2012年间的样本值。
在进行估计之前， 我们需要判断回归模型的具体形式。首先，我们使用了极大似然比的检验方法判断采用混合模型还是固定效应模型，STATA 12.0 软件的操作结果显示，F统计值为48.91， 其伴随概率为0。由此可以拒绝混合OLS模型，固定效应模型相对更优。其次，需要通过Breusch-Pagan检验比较随机效应模型和混合OLS模型的优劣。BP检验结果显示chibar2（01）=646.41，p值为0，表明随机效应模型的确优于混合效应模型。最后，我们使用了Hausman检验方法判断是采用固定效应模型还是随机效应模型，结果显示chi2（3）=3.97，p值为0.2648，原假设为随机效应模型优于固定效应模型，由p值可以确定为接受原假设， 即采用随机效应模型的结论。
根据随机效应模型估计的结果见表8。
从面板模型的估计结果来看：
1. 产业结构（LS）在5%的统计水平上显著为正，系数为 -0.415， 说明产业结构升级对碳排放强度有显著的负向影响，且金融集聚每增加1%，碳排放强度降低0.415%。因此，可以通过产业结构优化升级来达到低碳发展理念、降低碳排放量。
2. 能源强度（EP）对碳排放的影响为正， 而且在1%的置信水平上维持在较高水平，说明能源强度是一个引起碳排放增加的因素，能源强度每增加1%，将会造成碳排放增加0.874%。能源强度是指产出单位生产总值所需消耗的能源，能源消耗越多，对应所产生的碳排放量越多。东部地区的能源消费以煤炭为主，且大多为原煤直接燃烧，虽然技术进步提高了能源的利用效率，但仍未有效降低能源消费量。因此，要降低东部地区的碳排放强度，必须控制能源强度。 3. 工业占比（IND）对一个地区的碳排放也有着重要作用。回归结果表明，东部地区工业比重每增加1%，碳排放强度增加0.481%，可以看出东部地区工业占比的减少对降低能源消费和碳排放的作用较大。从统计数据来看，北京、上海、江苏及浙江四个地区近几年的工业占比有明显下降趋势，这对于降低碳排放强度，实现经济低碳发展来说是一个有效的措施。
四、结论及政策建议
本文旨在研究金融集聚对碳排放强度的影响路径， 从金融角度为节能减排寻求对策。 所得结论如下：
1. 金融集聚与产业结构升级之间存在显著的正向相关关系，灰色关联度达到0.668，随着金融产业的集聚，产业结构正沿着高级化路线发展。金融对产业结构升级主要是通过支持技术创新， 来实现产业结构由低生产率或低效应的资源驱动模式向高生产率或高效应的技术创新驱动模式演变， 从而实现产业结构升级的目标。因此，金融发展是产业结构升级的重要外部条件之一。
2. 在控制其他变量的情况下， 产业结构优化升级是降低碳排放强度的一个重要手段。第二、三产业比重每提高1%，碳排放强度降低0.415%。优化产业结构是减少碳排放的重要途径。
3. 金融集聚促进了产业结构优化升级， 而产业结构升级降低了碳排放强度， 因此金融集聚对于碳排放强度降低起促进作用， 在解决碳排放问题上可以从金融角度寻求新的途径。
4. 我国工业发展的高能耗、 高碳排特征依然明显，工业占比与碳排放强度显著正相关。长期来看，二氧化碳的排放主要由工业占比和能源消耗决定。其中， 能源消耗与二氧化碳排放量正向相关。 近年来，中国的原油需求在不断增加，体现出中国经济对原油的依赖性。此外，东部地区能源消费结构以高碳能源为主，意味着改善能源结构，降低能源强度可有效实现节能减排的目标。据此，适当控制工业发展规模、 有效降低工业行业的碳排放强度成为一项重要任务。
金融发展是实现经济低碳发展的一个重要手段 [16] ，根据上述结论从金融角度对碳减排提出如下建议：
1. 依托金融集聚对高碳排放工业进行低碳化升级。我国众多工业都具有高污染、高耗能的特点，应利用金融手段对这些产业进行低碳化升级。 以石油化工产业为例：石化产业本身是耗能和碳排放大户，产业结构性矛盾比较突出， 急需尽快调整结构和产业布局。转变发展方式需要技术进步的强力支撑，技术进步因素对低碳经济的影响至关重要， 同时以减排技术、 能源技术为代表的低碳相关技术是低碳经济的发展核心。而技术进步离不开金融领域的支持，合理配置金融资源， 重点支持石油化工企业采用高新技术进行碳减排升级，提高石化产业效率。金融机构要研究信贷政策与石化产业政策的有效对接，合理配置金融资源，提高信贷资金使用效率，加快金融创新，促进产融结合，促进石油化工产业向纵深发展 [17] 。
2. 通过实施绿色金融助力新型低碳产业。 金融是助推新型产业崛起的重要手段，银行业金融机构应积极推进绿色融资，加快金融产品和业务创新，加大对节能减排降碳项目的支持力度，拓宽融资渠道 [18] 。为实现节能减排目标，政府应鼓励银行业金融机构支持绿色经济发展，建立绿色信贷指引，对绿色银行采取激励措施。
3. 针对不同地区的金融特色， 实行差异化优势策略。就东部地区来说，地区经济发展水平与发展重点不尽相同，如北京、上海等地金融产业发达，新兴产业异军突起，而辽宁、山东、河北等地依然依靠重工业发展经济，工业占比仍然较高。各地区应根据本地的产业特点和实际情况选择自己的产业升级和碳减排战略，因地制宜，发挥金融集聚的最大效果。根据地区差异将东部地区大致划分为三类： 北京、上海、广东和福建为Ⅰ区，这些地区的明显特征是金融集聚明显，新兴产业发展势头良好，重工业占比相对较少。这些地区可以充分利用金融优势大力发展新型低碳产业，积极推进绿色融资，银行业金融机构要加快金融产品和业务创新，加大对节能减排降碳项目的支持力度，以这些产业作为新的经济增长点，对于高污染高耗能的产业予以淘汰。辽宁、河北和山东为Ⅱ区，这些区域的典型特征就是工业占比较高，重工业多，而且工业比重的下降将是一个缓慢而曲折的过程。如，河北省制药业，辽宁省钢铁业，山东省石化产业，都是这些地区发展比较成熟的产业，同时也是高碳排产业。对这些地区的减排政策应着重于促进工业内部结构及生产方式的“低碳化调整”，加快产品升级换代步伐。金融机构应积极配合，大力支持。其余的天津、浙江和江苏为Ⅲ区，这些地区碳排放强度变化幅度不大，而且三个地区依靠海洋优势发展了一些新型低碳产业， 金融业发展势头良好，对于这种地区就要采取Ⅰ、Ⅱ区结合的策略进行减排， 利用金融集聚优势整合第二产业资源，加快产品升级换代步伐，以达到预期效果。
参考文献：
[1]黎平海，王雪. 基于金融集聚视角的产业结构升级研究[J]. 金融经济学研究，2009（4）：51-62.
[2]石沛，蒲勇健. 金融集聚与产业结构的空间关联机制研究[J]. 工业经济，2011（1）：39-45.
[3]施卫东，高雅. 金融服务业集聚发展对产业结构升级的影响[J]. 经济与管理研究，2013（3）：73-82.
[4]刘沛，黎齐. 金融集聚对产业结构提升的空间外溢效应研究[J]. 科技管理研究，2014（10）：187-195.
[5]冯之浚，牛文元. 低碳经济与科学发展[J]. 中国软科学，2009（8）：13-19.
[6]杨万东. 低碳经济与经济结构的再调整[J]. 理论视野，2010（2）：35-36.
[7]陈诗一，吴若沉. 经济转型中的结构调整、能源强度降低与二氧化碳减排：全国及上海的比较分析[J]. 上海经济研究，2011（4）：10-15.
[8]Tamazian，A.&Chousa，J.P.，&Vadlamananatj，K.C. Does higher economic and financial development lead to environmental degradation：evidence from Bric countries[J]. Energy Policy，2009，37（1）：246-253.
[9]Sadorsky，P. Financial development and energy consumption In Central and Eastern European frontier economies[J]. Energy Policy，2011，39（2）：999-1006.
[10]陈碧琼，张梁梁. 金融规模对碳排放的影响力分析——基于省际动态面板数据的实证分析[J]. 中国人口·资源与环境，2012（22）：
408-415.
[11]郭福春，潘锡泉. 金融支持低碳经济发展的影响机制研究：基于浙江省数据的经验分析[J]. 浙江社会科学，2011（10）：12-19.
[12]马亚明，高嵩，邱识. 外商直接投资、金融深化与碳排放——基于我国1995-2011年省级面板数据的分析[J]. 科技管理研究，2014（13）：214-219.
[13]苏建军，徐璋勇. 金融发展、产业结构升级与经济增长理论与经验研究[J]. 工业技术经济，2014（2）：139-150.
[14]王锋，吴丽华，杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究，2010（2）：123-136.
[15]徐安. 基于STIRPAT模型的沿黄省份城市化对碳排放的影响分析[Z].黄河流域资源环境与生态文明建设学术研讨会交流材料，2011.
[16]陈碧琼，张梁梁. 动态空间视角下金融发展对碳排放的影响力分析[J]. 软科学，2014（7）：140-145.
[17]周培基. 金融支持石油化工产业可持续发展问题探讨[J]. 南方论刊，2012（5）：21-26.
[18]张莉. 绿色金融助力新型低碳产业，鼓励开发节能减排融资项目 [N]. 中国证券报，2014-07-15.
（责任编辑、校对：卢艳如）