胡麒家1   袁怀宇1  谢宇翔2

（中南林业科技大学经济学院，湖南 长沙410004；2.重庆工商大学会计学院，重庆 400067）

摘要：近年来，中国绿色金融发展速度显著，体系日益完善，并且持续推出创新绿色金融产品，有效推动了经济的绿色化进程及生态文明的建设。本文基于湖南省十四个地州市2011-2020年的面板数据，基于绿色金融视角下，运用门槛模型对产业结构影响湖南污染排放进行研究。研究结果发现：湖南绿色金融发展在一定程度上对产业结构调整对污染排放强度的影响差异很大，存在非线性的关系，从产业结构高度化和产业结构合理化两个方面展开分别存在双门槛和三重门槛效应。为此根据此情况，提出要持续促进绿色金融发展、推动产业结构高度化和合理化发展等建议。

关键词：绿色金融；污染排放强度；门槛效应模型

一、引言

随着全球气候变化的加剧和生态环境压力的持续上升，绿色金融作为支持可持续发展的重要工具受到了国际社会的广泛关注。中国政府在推动经济绿色转型和环境治理方面展示出前所未有的决心，尤其是通过一系列绿色金融政策来促进环保和产业结构优化。例如，2016年发布了《关于构建绿色金融体系的指导意见》，文件提出运用绿色信贷和绿色债券等金融工具来促进绿色产业的发展，并呼吁金融机构增强对节能环保、清洁能源、绿色交通以及绿色建筑领域的信贷支持。随着“双碳”目标纳入“十四五”规划，绿色金融将得到进一步发展。发展绿色金融不仅是解决生态问题的要求，也是推进供给侧改革和产业升级，促进经济可持续发展的内在需求。

湖南省作为中国中部的重要省份，近年来在产业发展和环境保护之间面临着严峻的挑战。该省工业增长迅速，同时也伴随着环境污染问题的加剧，尤其是在重化工业和能源密集型产业中更为明显。绿色金融通过资金的优先配置给予环境友好型和资源节约型企业更多的发展机会，可以有效引导产业结构优化升级，促进清洁生产和绿色技术的应用。产业结构的优化调整不仅能够降低整体的能源消耗和污染物排放，而且还能够增强经济的可持续发展能力。湖南省在这一过程中的实际表现如何，在绿色金融的作用下产业结构调整对污染排放又会产生什么影响，以及这种影响的程度又是什么，是本文研究的核心问题。

目前学术界对于绿色金融影响产业结构方面展开了较为深度的研究，早期学者主要是从金融与产业结构的关系来展开研究，McKinnon和Shaw（1973）指出，无节制的金融规模增长可能会对产业结构造成负面影响^[1][2]。钱水土与周永涛（2011）的研究结果表明，金融发展对产业结构的高级化有着正面的推动作用^[3]。随着绿色金融的快速发展，早期学者如Salazar（1998）和Cowan（1999）首次系统分析了绿色金融与产业结构转型之间的联系。研究强调，绿色金融通过优化资本分配至环保型行业，有效推动了产业结构的优化与调整^[4][5]。更近期的研究如Anderson（2016）等进一步扩展了这一理论框架，提出通过创新和多样化的绿色金融工具，不仅支持了产业结构的转型，也加速了其向高技术和低碳方向的升级^[6]。陈国庆（2019）指出资金流向的改变被认为是绿色金融对产业结构优化产生重要影响的因素。绿色金融的壮大有助于引导资金更多地流向节能环保和高新技术等绿色产业领域^[7]。进一步的研究，如高锦杰和张伟伟（2021）所展示，证实了绿色金融对环保产业的增长具有促进作用，同时有效抑制了污染产业的扩张，并在提高产业结构的环保水平方面发挥了积极作用^[8]。冯兰刚等（2022）认为绿色金融是促进产业结构升级实现工业污染减排的有力“武器”，在细分维度后，其中合理化的中介作用大于高级化^[9]。

在探讨产业结构调整如何影响污染排放方面，国内外学者主要从存在性及影响机制两个角度进行研究。部分研究者，例如Zhang等人（2020）通过应用偏最小二乘法（PLS）和Tapio解耦模型，发现工业等行业的发展与温室气体排放量呈正向线性关联^[10]。然而，其他研究如李召白（2022）和Wang（2021）则指出，产业结构调整对污染排放的影响可能呈现非线性特征，表现为一个倒“U”型的关系，即初期随着产业结构的调整，污染排放会增加，到达某一阶段后随着更进一步的优化开始减少^[11][12]。这表明产业结构调整在不同阶段对环境影响的动态变化需要更深入的分析与理解。

综上所述，绿色金融通过多种机制来对产业结构进行调整并具有显著的正向作用。产业结构对于污染排放的影响存在多种观点，既有线性，也有非线性。介于此，本文运用门槛效应模型采用2011-2020年湖南省十四个地级市数据对产业绿色转型中绿色金融的促进效应进行实证研究，并具体分为产业结构合理化和产业结构高度化两个方面，检验产业结构减排效应的非线性关系是否存在，将产业结构优化具体到产业结构绿色转型。

二、模型构建与数据选取

1.模型构建

为了评估绿色金融在促进产业结构优化方面的效应，本研究依照“绿色金融发展——产业结构调整——污染排放强度”这一逻辑进行研究。研究假设在绿色金融的推动下，产业结构的调整有助于实现向绿色低碳方向的转型，并对降低污染排放具有积极效果。为了探讨绿色金融与产业结构之间的潜在非线性联系，本研究应用了Hansen（1999）提出的面板门槛回归模型进行分析。该模型通过确定一个或多个门槛变量来探究变量间的非线性关系，并通过估计门槛值来区分数据中的不同行为模式，从而揭示在不同的绿色金融水平下产业结构调整对环境影响的差异。具体的模型设置如下：

2.指标设计与数据选取

（1）被解释变量。污染排放强度（Pllu）：涉及工业废水排放量、工业二氧化硫排放量和工业烟（粉）尘排放量。鉴于这些污染物在性质和单位上的差异，本研究借鉴了王均等（2017）的研究，采用熵值法对这些指标进行了无量纲化处理，并计算了每年的权重系数，最后通过加权求和方法得到了一个综合污染排放指数。理论上，随着产业结构优化程度的提高，总体的污染排放强度会相应降低。

（2）解释变量。产业结构转型（stru）:本研究基于干春晖等人（2011）的理论，通过分析产业结构合理化与产业高级化两个关键方面，评估产业结构的转型与升级。这种分析框架认为，产业结构优化不仅关乎产业间的相互协调，也涉及部门之间比例关系的优化，促进经济体在持续发展中的结构调整。

产业结构合理化（ia）。借鉴韩永辉等的做法，将泰尔指数的倒数作为度量产业结构合理化的指标，如式：

（3）门槛变量。绿色金融（Gfin）：本文参考李晓西等（2014）构建的指标体系，同时借鉴张莉莉等（2018）、刘华珂等（2021）学者的研究，鉴于数据可得性和科学性，从绿色信贷、绿色保险、绿色投资、绿色支持、绿色基金、绿色债券和绿色权益七个子维度构建了绿色金融发展水平指标体系，具体如表1所示。

表1   绿色金融发展水平评价指标体系

（4）其他控制变量。技术创新（Tech）：在现有研究中，技术创新常通过授权专利总数（如何凌云等，2019）来评估技术的广泛水平。然而，这种方法可能过度评估由绿色金融促进的绿色技术发展。因此，本研究选择采用每个城市当年获授权的绿色专利数量作为衡量指标。投资规模(Il)。采用各地区全社会固定资产投资进行衡量。人口密度（Pepl）：用单位国土面积常住人口数量来表示。城镇化水平（Urban）。城镇化过程通常伴随着人口、资源和资本向城市集中，这不仅改变了产业布局和结构，还可能加剧或减轻环境污染，本文选用年末城镇人口比重衡量各省份城镇化水平。对外开放水平（open）：采用进出口贸易总额占GDP的比重来衡量贸易依存度，依据要素禀赋理论的指导，计算进出口贸易总额时进行了汇率的换算。

通过以上分析，本文选取2011—2020年间湖南省14个地级市的面板数据作为样本区间。为避免异方差的影响，对个别变量采取了对数处理。所有相关数据分别来自于《湖南统计年鉴》、《湖南农村统计年鉴》、各地级市统计年鉴、EPS数据库等。对于个别地级市的变量缺失数据，采用插值法进行补充。描述性统计如表2所示。

表2  变量描述性统计

三、实证检验与结果分析

1.产业结构合理化面板门槛回归结果

在门槛效应模型的分析框架中，初始步骤涉及确认门槛效应的存在及其个数。具体地，单门槛模型的检验通常开始于假设测试H0：A1=A2，旨在评估是否存在门槛效应。若此假设成立，意味着门槛效应不存在；反之，假设的拒绝表明存在单一门槛效应。在确定了单门槛效应后，研究将进一步考察是否存在双重门槛效应，并对其置信区间的显著性进行评估。如果对双重门槛的假设持续成立，则继续支持单门槛模型；如果被拒绝，则表明有双重门槛效应存在。对三重门槛的检验也遵循类似的逻辑和方法。

利用Stata 17.0软件，本研究对样本数据进行了单门槛、双重门槛以及多重门槛效应的检验。采用300次bootstrap自抽样技术来估计F统计量和P值。检验结果表明，单一门槛和三重门槛的效应在统计上不显著，而双重门槛模型则在1%的显著性水平下表现出显著性，据此进行了进一步的分析，详细结果如表3所示。

表3  门槛效应检验结果（产业结构合理化）

表4  门槛估计值及其置信区间（产业结构合理化）

图1   门槛估计值及其置信区间（产业结构合理化）

进一步分析，双重门槛模型的两个门槛值经过精确识别并在表4中报告。门槛值及其95%置信区间的详细估计借助图1中的似然比函数图进行了阐述，其中1%显著水平的临界值通过图中的虚线标示。在这些虚线标示的95%置信区间内，LR统计量值接近零，表明对于门槛值作为真实值的一致估计量的假设不能被拒绝。具体而言，两个门槛值分别被确定为0.3617和0.3620，可以看出临界值明显大于2个门槛值，这些估计值在统计上显示出高度的可靠性和有效性，支持了模型存在显著的双重门槛效应。

表5  门限模型回归结果（产业结构合理化）

由表5可知，当绿色金融发展水平低于门槛值0.3617时，产业结构合理化每提升一单位，对污染排放强度的抑制作用增加0.02728个单位.在较低的绿色金融发展水平下，产业结构合理化虽然对减少污染排放有一定帮助，但没有表现出显著性，可能的原因是一开始绿色金融发展水平低，机制不够完善，绿色金融的投资对象选择不当，如果金融机构在投资绿色项目时没有严格的环保标准，或者忽略了对环境的影响评估，会导致对污染排放强度的作用不明显；同时绿色金融的资金流向不明确也有可能导致此现象。当绿色金融发展水平处于0.3617-0.3620之间时，产业结构合理化对污染排放强度的影响系数为1.29819，由负转为正，且在1%水平上显著，即表示加剧了污染排放的强度。可能的原因是当绿色金融发展到一定水平，产业结构合理化会导致对污染密集型产业的需求增加，推动某些产业如依赖化石燃料或高污染技术的产业以满足能源和材料需求；同时产业结构合理化可能导致资源使用效率降低，企业转向使用更昂贵但更清洁的能源和材料，从而增加成本并减少利润，间接影响企业增加污染排放以降低成本。当绿色金融发展水平超过0.3620时，逐步转变为较强的抑制效应，说明门槛变量gfin存在一个最优区间，此时能够最大程度提高产业结构合理化对污染排放强度的抑制效应，但如果过小或者过大，反而减少了抑制效应的效果。

分析其他控制变量显示，技术创新的回归系数为-0.00004，并在10%的显著性水平上表现出对污染排放强度的降低效应。这表明技术创新的提升有助于减轻环境污染。同时，人口密度的回归系数为0.00054，在1%的显著性水平上正相关，说明随着人口密集度的增加，相关的消费和生产活动扩大，进而可能导致更高的污染排放。强调了在人口密集区域加强环境管理和技术革新的重要性。城镇化水平对污染排放强度的影响系数为-0.90691，在1%水平上显著，因为城镇化进程中可能带来规模经济效应，比如集中处理废弃物和污染物，提高处理效率，降低单位处理成本，从而减少总体污染排放，同时也会导致居民生活方式的变化，例如减少使用高污染的交通工具，增加对可再生能源的利用等，这些都有助于降低污染排放。投资规模则显现出对污染排放强度的促进作用，即人均GDP每增加1单位，污染排放强度平均增加0.07847单位，原因可能是固定资产投资中可能包含了较多的高污染、高能耗的产业，如重化工、建材等行业。这些行业在生产过程中会产生大量的污染物，从而导致污染排放强度增加。将门限值对照样本数据发现，大部分地级市前几年低于第一门槛值，近几年已经逐渐高于第二门槛值，所以根据前文分析，各市应该合理调整绿色金融发展水平，发挥最大程度对污染排放强度的抑制作用。

2.产业结构高度化面板门槛回归结果

表6  门槛效应检验结果（产业结构高度化）

根据表6可以看出双重门槛和三重门槛分别在1%和10%水平下显著，故以三重门槛为基础进行接下来的分析。

表7  门槛估计值及其置信区间（产业结构高度化）

图2   门槛估计值及其置信区间（产业结构高度化）

表7报告了三个门槛估计值分别为0.3617、0.3620和0.3701，根据面板门槛回归结果，得出三个门槛估计值在95%置信区间下的似然比函数图如图2所示，由检验结果可知:三个门槛值均是真实有效的。

表8  门限模型回归结果（产业结构高度化）

表8显示，绿色金融发展水平不同，产业结构高度化在污染排放强度上的影响显著不同。当绿色金融水平低于第一个门槛值时，会对污染排放强度产生抑制作用，但不显著，当处在第一个和第二个门槛值之间时，在1%水平上显著，产生了显著的促进作用，可能绿色金融的推广和应用还不够成熟或有效，导致其对减少污染的效果不佳。当越过第二个门槛值时，随着绿色金融水平的增加会逐渐减少污染的排放，分别在1%和10%水平上显著，且这种抑制效应会呈现非线性趋势，即先上升后下降的趋势。跟产业结构合理化的分析有相似之处，绿色金融发展水平存在一个最优区间，此时产业结构高度化对污染排放强度有最大的抑制效果。究其原因，可能存在原因为前期为了达到政府制定的排污标准，企业用于治污投入的资金越来越多，会选择产业转型升级的方式来追求自身利益最大化，产业结构高度化快速发展，而到了一定程度时，企业通过转型升级已逐渐提升效率和技术进步，利润最大化已实现，此时治污的成本和继续进行转型升级的成本相差不大，企业积极性也有所降低，对治污的重视程度也有所降低，进而产业结构高度化对污染排放程度的抑制效应有所降低。将门槛值与样本值对比，绝大部分城市在2015年至2017年间绿色金融发展水平超过第三门槛值，对于此一方面应根据现有优势，加强前沿绿色技术的开发与应用，以发挥其在环保领域的领导作用。同时适当调整产业结构，保证实现对排污程度的最大抑制化。

3.稳健性检验

本研究在确认门槛效应及其具体值后，借鉴了刘炀（2022）的方法进行了稳健性分析。通过设定自抽样次数为1000次、1500次、2000次以检验结果的稳定性。分析结果显示，无论是门槛的存在、具体的门槛值，还是门槛面板模型的回归系数及其统计显著性，均保持稳定，没有发生变化。这一发现验证了模型回归的稳健性，表明除自抽样临界值外，本文的分析结果与先前的研究一致，进一步增强了研究结论的可靠性。

四、结论与政策建议

本文采用湖南省十四个地级市2011-2020年的面板数据，运用门槛效应模型，从绿色金融的视角出发，对产业结构如何影响湖南地区的污染排放强度进行了理论分析和实证验证。研究发现：1、绿色金融发展水平制约着产业结构合理化对污染排放强度的抑制效应，存在双门槛效应。当未达到第一门槛值时，产业结构对污染排放强度方面表现出一定的抑制效果，处在两个门槛值之间时则转变为促进效应，而大于第二门槛值时，抑制效应有所增强，但两段的抑制作用均未显著。2、产业结构高度化对污染排放强度的抑制效应同样受绿色金融发展水平的制约，存在三门槛效应整体呈现波动型的趋势，先存在较小的抑制效应，进而转变为显著的促进作用，当越过第二个门槛值时，存在先增大后减小的抑制效应。所以两者都存在一个最优区间，使得抑制效应达到最大。

基于以上结论，提出以下建议：

1.持续促进绿色金融发展。首先，创新是关键，需要开发新型的绿色金融工具，这将为绿色项目提供更加多样化和灵活的资金来源。其次，构建配套的政策框架至关重要。国家应迅速制定和实施支持绿色金融的法律、法规及政策，设定清晰的绿色金融指标，为地方政府和金融机构在执行绿色金融项目时提供稳固的法律和制度支撑。此外，优化绿色金融的营运环境是推动金融机构积极参与的关键。通过这些措施，可以确保金融资源的有效流向，并支持对环境有益的产业。

2.积极发展产业结构高度化和合理化。高度化可以从这几个方面入手：加快发展新兴产业，新兴产业具有高科技含量、高附加值等特点，是推动产业结构高度化的重要支撑；加大传统产业结构调整力度，如对传统产业进行转型升级的扶持政策，对过剩产能的淘汰政策等；推动企业技术升级，加强技术研发、建立技术创新基地等。合理化可以从这几个方面入手：优化产业结构，政府应该鼓励发展新兴产业，促进产业转型升级，提高现代服务业的比重；推动区域协调发展，如通过加强区域协作，推动产业链、产业集群的发展，实现区域产业的协调发展，提高区域产业的整体竞争力；引导企业实现绿色生产，政府应该鼓励企业实现绿色生产、减少污染排放，降低生产对环境的影响，在发展绿色金融时应以推动产业结构绿色转型为导向，通过有效控制污染排放强度，促进产业可持续发展。

3.牢固产业绿色转型的基础。要结合本地创新能力和引入国际先进的节能环保技术，此外，应当进行有效的人口分布规划，避免因人口密集而导致的污染问题加剧。实现更可持续的环境管理和产业发展。

参考文献：

[1]Mckinnon,R I.Money and Capital in Economic Developemnt[M].Washington,D.C.:Brooling Institution Press,1973.

[2]Shaw,E.S.Financial Deepening in Economic Development[M].New York:Oxford University Press,1973.

[3]钱水土，周永涛．金融发展、技术进步与产业升级[J]．统计研究，2011(1): 68－74．

[4]Salazar J.Environmental Finance:Linking Two World[Z].Presented at a Workshop on Financial Innovations for Biodiversity Bratislava,1998,(1):2-18

[5]Cowan E .Topical Issues in Environmental Finance[J].Economy and Environment Program for Southeast Asia (EEPSEA), 1999.

[6]Anderson J .Environmental Finance[J].Handbook of Environmental and Sustainable Finance, 2016:307-333.

[7]陈国庆.可持续发展视角下绿色金融对产业结构升级作用研究[D].成都：西华大学,2019.

[8]高锦杰，张伟伟．绿色金融对我国产业结构生态化的影响研究———基于系统GMM模型的实证检验[J]．经济纵横,2021(02)：105-115.

[9]冯兰刚,阳文丽,赵庆,尚姝.绿色金融对工业污染影响效应的统计检验[J].统计与决策,2022,38(06):144-149.

[10]Zhang Z, Ma X, Lian X,et al.Research on the relationship between China's greenhouse gas emissions and industrial structure and economic growth from the perspective of energy consumption[J].Environmental Science and Pollution Research, 2020, 27(9).

[11]李召白. 产业结构升级对环境污染排放的门槛效应研究 [J]. 产业创新研究, 2022, (12): 65-67+147.

[12]Wang Q,Wang L.The nonlinear effects of population aging,industrial structure,and urbanization on carbon emissions:A panel threshold regression analysis of 137 countries[J].Journal of Cleaner Production,2021(287).

基金项目：2023年度湖南省社会科学成果评审委员会课题《绿色金融推动湖南“双碳”目标实现的机理与政策研究》（XSP2023ZDI017）