【綠色金融對(duì)霧霾污染的影響實(shí)證探究19000字（論文）】

)5.1.2變量選取與說(shuō)明（1）被解釋變量霧霾濃度（PM2.5）。由于國(guó)內(nèi)PM2.5長(zhǎng)期數(shù)據(jù)缺失，本文采用加拿大達(dá)爾豪斯大學(xué)發(fā)布的中國(guó)省域數(shù)據(jù)來(lái)表示30個(gè)省、自治區(qū)和直轄市（不含港澳臺(tái)和西藏）的PM2.5濃度值，該數(shù)據(jù)在相關(guān)研究中得到廣泛認(rèn)可和應(yīng)用，可信度較高。（2）核心解釋變量綠色金融（GF）。根據(jù)前文構(gòu)建的綠色金融發(fā)展評(píng)價(jià)指標(biāo)體系，測(cè)算得2013-2018年我國(guó)30個(gè)?。ㄊ?、區(qū)）地方綠色金融發(fā)展指數(shù)。（3）控制變量產(chǎn)出水平（GDP）。為了控制價(jià)格水平變化對(duì)GDP的影響，本文以2013年為基年，使用經(jīng)過(guò)GDP平減指數(shù)處理后得到的地區(qū)人均實(shí)際GDP來(lái)反映產(chǎn)出水平。產(chǎn)業(yè)結(jié)構(gòu)（INDUS）。第二產(chǎn)業(yè)的化石燃料燃燒及建筑揚(yáng)塵是我國(guó)PM2.5的主要來(lái)源，考慮到產(chǎn)業(yè)增加值更能反應(yīng)生產(chǎn)活動(dòng)的凈效果，本文采用地區(qū)第二產(chǎn)業(yè)增加值占GDP的比重來(lái)衡量產(chǎn)業(yè)結(jié)構(gòu)，并預(yù)期其系數(shù)為正。技術(shù)進(jìn)步（TECH）。本文選取各省研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)內(nèi)部支出占GDP的比重衡量技術(shù)進(jìn)步，并預(yù)期其系數(shù)為負(fù)。外商直接投資（FDI）。目前國(guó)內(nèi)外學(xué)者對(duì)FDI與環(huán)境污染的關(guān)系的認(rèn)識(shí)主要有兩種：一是“污染避難所假說(shuō)”，認(rèn)為跨國(guó)企業(yè)為了規(guī)避嚴(yán)格的環(huán)境規(guī)制和較高的環(huán)境成本，將企業(yè)從發(fā)達(dá)國(guó)家轉(zhuǎn)移到環(huán)境規(guī)制較弱或者環(huán)境成本較低的發(fā)展中國(guó)家；二是“污染光環(huán)”假說(shuō)，認(rèn)為由于母國(guó)存在嚴(yán)格的環(huán)境管理，跨國(guó)企業(yè)往往具備較為清潔的生產(chǎn)技術(shù)和管理水平，在對(duì)外投資過(guò)程中能通過(guò)知識(shí)擴(kuò)散、技術(shù)外溢等效應(yīng)促進(jìn)東道國(guó)的環(huán)保技術(shù)發(fā)展。本文以地區(qū)外商投資企業(yè)總額占GDP比重作為衡量外商直接投資的指標(biāo)，其中外商投資企業(yè)總額按照當(dāng)年平均匯率折算成人民幣。能源結(jié)構(gòu)（ENE）。目前我國(guó)的能源消費(fèi)結(jié)構(gòu)仍以煤炭為主，而煤炭的消費(fèi)是我國(guó)PM2.5的主要來(lái)源之一，所以本文將煤炭消費(fèi)占能源消費(fèi)總量的比重來(lái)衡量能源結(jié)構(gòu)，并預(yù)期其系數(shù)為正。人口密度（POP）。一般而言，人口密度越高，地區(qū)的社會(huì)活動(dòng)越頻繁，越有可能對(duì)環(huán)境造成不良影響（黃壽峰，2017）。但邵帥等（2016）認(rèn)為人口密度增加可以通過(guò)集聚效應(yīng)提高公共交通分擔(dān)率和資源使用效率，從而緩解霧霾污染。本文用各地區(qū)每平方公里上的人口數(shù)表示人口密度。交通運(yùn)輸（TRAN）。交通運(yùn)輸會(huì)導(dǎo)致機(jī)動(dòng)車尾氣污染排放，其中的CO、SO2是PM2.5一次排放和二次形成的重要成分。故本文以各地區(qū)每平方公里上的公路里程數(shù)表示交通運(yùn)輸狀況，并預(yù)期其系數(shù)為正。綠化程度（GREEN）。一般認(rèn)為，綠色植被能夠吸收空氣中的微小顆粒物，對(duì)霧霾污染產(chǎn)生緩解作用。本文用綠地面積占建成區(qū)面積比例來(lái)反映綠化程度，并預(yù)期其系數(shù)為負(fù)。以上的控制變量數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》、各省的統(tǒng)計(jì)年鑒、WIND及CSMAR數(shù)據(jù)庫(kù)等。表5-1變量說(shuō)明與描述性統(tǒng)計(jì)Table5-1Variabledescriptionanddescriptivestatistics變量均值最小值最大值標(biāo)準(zhǔn)差單位霧霾濃度PM2.523.20198.010083.607614.9918μg/m3綠色金融GF38.848519.341158.96147.8919%產(chǎn)出水平GDP5.82922.315114.09952.5828萬(wàn)元/人產(chǎn)業(yè)結(jié)構(gòu)INDUS1.3030-26.186811.26904.0687%技術(shù)進(jìn)步TECH1.65570.45836.01371.1093%外商直接投資FDI0.30420.00581.27790.2328%能源結(jié)構(gòu)ENE38.65891.632366.642914.3928%人口密度POP467.45387.99933825.6920699.3341人/平方公里交通運(yùn)輸TRAN0.94480.09712.10110.5009公里/平方公里綠化程度GREEN39.434329.790049.13003.5225%5.2實(shí)證結(jié)果分析本文使用stata15軟件，首先對(duì)中國(guó)30個(gè)?。ㄊ?、區(qū)）進(jìn)行全樣本回歸；再按照東、中、西部進(jìn)行分區(qū)域回歸；最后進(jìn)行穩(wěn)健性檢驗(yàn)，一是使用S-GMM和動(dòng)態(tài)面板模型解決模型可能存在的內(nèi)生性問(wèn)題，二是將工業(yè)固體廢物產(chǎn)生量作為PM2.5的替代變量。此外，根據(jù)Hausman檢驗(yàn)結(jié)果，全樣本和分區(qū)域回歸均應(yīng)采用固定效應(yīng)。5.2.1全國(guó)范圍回歸結(jié)果分析表5-2展示了2013-2018年全國(guó)范圍內(nèi)的綠色金融對(duì)霧霾污染影響的全樣本模型回歸結(jié)果。（1）綠色金融對(duì)霧霾污染的影響研究模型1-2檢驗(yàn)綠色金融影響霧霾污染的總效應(yīng)，模型1控制了省份效應(yīng)，模型2控制了省份效應(yīng)和時(shí)間效應(yīng)。這兩個(gè)模型中，模型2調(diào)整后的R2為0.8217，結(jié)果更可靠，但由于在控制了所有控制變量的基礎(chǔ)上，還控制了所有的固定效應(yīng)，相較模型1系數(shù)的顯著性更弱。為了均衡模型的穩(wěn)健性與變異性識(shí)別，本文選取模型1，之后考慮交互項(xiàng)的模型也以此為基礎(chǔ)。模型1和2的回歸結(jié)果均顯示綠色金融對(duì)霧霾污染的綜合影響效應(yīng)為負(fù)，且在1%的水平上顯著，說(shuō)明綠色金融的發(fā)展能夠改善我國(guó)的環(huán)境空氣質(zhì)量，假說(shuō)4得到驗(yàn)證。關(guān)于經(jīng)濟(jì)增長(zhǎng)與霧霾污染之間的關(guān)系，模型1和2中GDP的一次和三次項(xiàng)系數(shù)為負(fù)，二次項(xiàng)系數(shù)為正，且均顯著，說(shuō)明在綠色金融影響下，經(jīng)濟(jì)增長(zhǎng)同霧霾污染之間呈倒“N”型。當(dāng)經(jīng)濟(jì)增長(zhǎng)位于倒“N”型的第一階段和第三階段，即下降階段時(shí)，經(jīng)濟(jì)增長(zhǎng)使PM2.5濃度降低；當(dāng)位于第二階段即上升階段時(shí)，經(jīng)濟(jì)增長(zhǎng)反使PM2.5濃度提高。控制變量中，技術(shù)進(jìn)步在5%的顯著性水平上對(duì)霧霾污染的影響為負(fù)，說(shuō)明技術(shù)進(jìn)步有助于減輕霧霾污染；能源結(jié)構(gòu)在1%的顯著性水平上對(duì)霧霾污染的影響為正，說(shuō)明煤炭消費(fèi)的增加會(huì)加劇霧霾污染，兩者均與預(yù)期結(jié)論一致。人口密度變量的系數(shù)為負(fù)，且在1%的水平上顯著，說(shuō)明人口密度的增加能緩解霧霾污染，與邵帥等（2016）的結(jié)論一致。此外，外商直接投資對(duì)霧霾污染的影響為負(fù)，符合“污染光環(huán)”假說(shuō)，說(shuō)明中國(guó)通過(guò)引入外商投資降低了國(guó)內(nèi)的霧霾污染水平，但此結(jié)果并不顯著。產(chǎn)業(yè)結(jié)構(gòu)、交通運(yùn)輸對(duì)霧霾污染呈正向影響，與預(yù)期結(jié)論一致，不過(guò)也并不顯著。（2）綠色金融影響霧霾污染的機(jī)制路徑研究模型3-5以模型1為基準(zhǔn)，考慮省份固定效應(yīng)。為了變量形式更為簡(jiǎn)便清晰，本文設(shè)定co_GDP=lnGF*lnGDP，co_INDUS=lnGF*lnINDUS，co_TECH=lnGF*lnTECH。此外，本節(jié)內(nèi)容主要考察綠色金融影響霧霾污染的機(jī)制路徑，即綠色金融與相應(yīng)控制變量交互項(xiàng)對(duì)霧霾污染的影響，為了避免控制過(guò)多的變量，本節(jié)剔除了GDP二次項(xiàng)和三次項(xiàng)的控制變量。模型3的結(jié)果顯示，綠色金融與產(chǎn)出水平的交互項(xiàng)系數(shù)為正，說(shuō)明綠色金融通過(guò)促進(jìn)經(jīng)濟(jì)增長(zhǎng)加劇了中國(guó)的霧霾污染，綠色金融對(duì)霧霾污染的規(guī)模效應(yīng)為正，但此結(jié)果并不顯著。結(jié)合上文對(duì)經(jīng)濟(jì)增長(zhǎng)同霧霾污染關(guān)系的研究，側(cè)面說(shuō)明了我國(guó)經(jīng)濟(jì)發(fā)展正處于倒“N”型的第二階段。模型4的結(jié)果顯示，綠色金融與產(chǎn)業(yè)結(jié)構(gòu)的交互項(xiàng)系數(shù)為正，綠色金融對(duì)霧霾污染的結(jié)構(gòu)效應(yīng)為負(fù)，與預(yù)期結(jié)論一致，不過(guò)此結(jié)果也不顯著。模型5的結(jié)果顯示，綠色金融與技術(shù)進(jìn)步的交互項(xiàng)系數(shù)顯著為負(fù)，說(shuō)明綠色金融通過(guò)促進(jìn)技術(shù)進(jìn)步會(huì)提高我國(guó)環(huán)境空氣質(zhì)量，綠色金融對(duì)霧霾污染的技術(shù)效應(yīng)為負(fù)，與預(yù)期理論一致，假說(shuō)3得到驗(yàn)證。綜上所述，全樣本模型回歸結(jié)果證實(shí)了假說(shuō)3和假說(shuō)4，假說(shuō)1和假說(shuō)2的實(shí)證結(jié)果并不顯著。結(jié)果表明，綠色金融發(fā)展有助于改善我國(guó)的霧霾污染，綠色金融對(duì)霧霾污染的綜合效應(yīng)為負(fù)。但目前綠色金融僅通過(guò)技術(shù)進(jìn)步對(duì)霧霾污染的影響顯著為負(fù)，通過(guò)影響產(chǎn)出水平和產(chǎn)業(yè)結(jié)構(gòu)對(duì)霧霾污染產(chǎn)生的影響并不顯著，說(shuō)明綠色金融主要是通過(guò)技術(shù)效應(yīng)影響霧霾污染，還可能是除了目前的三種影響機(jī)制，存在其他的影響機(jī)制路徑。

表5-2全樣本模型回歸結(jié)果Table5-2Fullsamplemodelregressionresults被解釋變量總效應(yīng)研究傳導(dǎo)機(jī)制研究lnPM2.5模型1模型2模型3模型4模型5lnGF-0.8982***-0.8876***-1.0253***0.6546-0.8958***(0.0429)(0.0982)(0.1450)(1.1487)(0.0419)lnGDP-3.2506*-3.5222*0.60920.9218***1.1053***(1.8935)(1.9844)(0.4730)(0.2860)(0.2841)lnGDP22.4802**2.6705**(1.1490)(1.2181)lnGDP3-0.4573**-0.4927**(0.2234)(0.2368)lnINDUS0.02970.03620.02011.66170.0192(0.0714)(0.0753)(0.0722)(1.2116)(0.0699)lnTECH-0.4677**-0.4373**-0.4665**-0.4504**0.2513(0.1835)(0.1886)(0.1859)(0.1857)(0.2980)co_GDP0.0878(0.1019)co_INDUS0.4481(0.3296)co_TECH-0.2074***(0.0674)lnFDI-0.0538-0.0594-0.0409-0.0470-0.0298(0.0424)(0.0458)(0.0423)(0.0423)(0.0412)lnENE0.1360***0.07110.07280.08330.1088(0.0431)(0.048)(0.0999)(0.0978)(0.0953)lnPOP-4.8666***-5.0145***-4.4561**-4.1757**-4.4822**(1.7872)(1.9136)(1.7941)(1.7870)(1.7370)lnTRAN0.55870.50900.78070.75860.4830(0.5134)(0.5232)(0.4963)(0.4944)(0.4905)lnGREEN0.77160.88530.70230.61880.5690(0.5419)(0.5675)(0.5457)(0.5485)(0.5313)_cons31.0979***31.6009***27.3472***20.0038*27.3148***(9.4795)(9.9373)(9.4303)(10.4044)(9.0805)省份效應(yīng)是是是是是時(shí)間效應(yīng)否是否否否觀測(cè)值180180180180180調(diào)整R20.81990.82170.81410.81560.8250注：***、**、*表示估計(jì)結(jié)果在0.01、0.05、0.1的水平上顯著；括號(hào)內(nèi)的數(shù)字為穩(wěn)健標(biāo)準(zhǔn)誤。5.2.2異質(zhì)性分析由于不同地區(qū)的經(jīng)濟(jì)發(fā)展差異較大，為進(jìn)一步探究我國(guó)不同區(qū)域綠色金融對(duì)霧霾污染的影響，本文將我國(guó)30個(gè)省（市、區(qū)）劃分為東中西三個(gè)地區(qū)進(jìn)行差異性分析，具體研究方法與全樣本研究一致。同樣，為了均衡模型的穩(wěn)健性與變異性識(shí)別，本節(jié)分別考察了是否考慮省份效應(yīng)的結(jié)果，考慮省份效應(yīng)的模型的結(jié)果更為可靠。表5-3展示了2013-2018年我國(guó)東中西部的綠色金融影響霧霾污染的分區(qū)域模型回歸結(jié)果。（1）東部地區(qū)從東部地區(qū)來(lái)看，與中西部相比，綠色金融對(duì)東部地區(qū)PM2.5的正向影響程度更大。這是因?yàn)闁|部地區(qū)經(jīng)濟(jì)發(fā)展水平較高，綠色金融發(fā)展得更為完善，對(duì)霧霾污染治理更加重視。與全國(guó)相比，東部能源結(jié)構(gòu)對(duì)PM2.5的正向影響更大，可能是因?yàn)闁|部地區(qū)傳統(tǒng)第二產(chǎn)業(yè)布局相較完善，環(huán)境破壞明顯；此外，技術(shù)進(jìn)步因素的作用也較大，可能是因?yàn)闁|部地區(qū)經(jīng)濟(jì)發(fā)展水平較高，科研投入相應(yīng)更多，綠色先進(jìn)技術(shù)應(yīng)用更為廣泛。未控制省份效應(yīng)時(shí)，產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸對(duì)我國(guó)東部地區(qū)霧霾污染有顯著正向影響，人口密度顯著負(fù)向影響霧霾污染，與全國(guó)基本一致。（2）中部地區(qū)從中部地區(qū)來(lái)看，無(wú)論是否考慮省份效應(yīng)，綠色金融對(duì)霧霾污染的影響均為負(fù)，且在1%的水平上顯著為負(fù)。控制變量中，中部地區(qū)的人口密度因素負(fù)向影響程度較大，可能是因?yàn)橹胁康貐^(qū)公共交通、共享治污減排設(shè)施發(fā)展更為完善，資源利用率高，人口密度產(chǎn)生的集聚效應(yīng)更為明顯，更能有效緩解霧霾污染。（3）西部地區(qū)從西部地區(qū)來(lái)看，綠色金融對(duì)霧霾污染的負(fù)向影響程度最小，但與東中部地區(qū)相差不大，主要與西部地區(qū)經(jīng)濟(jì)水平較低，綠色金融發(fā)展較慢相關(guān)?？刂谱兞恐校a(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步、外商直接投資和人口密度對(duì)霧霾污染影響的方向和程度與全樣本回歸基本一致。整體上看，無(wú)論是否考慮省份效應(yīng)，我國(guó)東中西部綠色金融對(duì)霧霾污染的影響均在1%的水平上顯著為負(fù)效應(yīng)，與全樣本回歸結(jié)果一致。但在影響程度上，地區(qū)之間存在差異，綠色金融對(duì)東部的PM2.5影響程度最為顯著。同時(shí)，綠色金融對(duì)我國(guó)霧霾污染的負(fù)向影響呈現(xiàn)東高西低的態(tài)勢(shì)，與綠色金融在我國(guó)的地域分布正好一致，說(shuō)明綠色金融發(fā)展得越好，對(duì)空氣質(zhì)量的改善作用越明顯。

表5-3分區(qū)域模型回歸結(jié)果Table5-3Regressionresultsoftheareamodel被解釋變量東部中部西部lnPM2.5模型6模型7模型8模型9模型10模型11lnGF-0.6648***-0.9427***-0.7228***-0.9385***-0.8226***-0.9044***(0.1423)(0.1674)(0.1256)(0.1978)(0.0854)(0.0753)lnGDP-9.0371-3.5079-6.08524.7532-18.7523***-10.0849**(12.0237)(12.5694)(14.8179)(15.1009)(6.4946)(4.0352)lnGDP23.91782.72423.1305-2.460314.3586***7.9931**(5.9202)(5.8654)(8.7069)(8.8909)(4.8344)(2.8960)lnGDP3-0.5503-0.5368-0.50380.6036-3.4749***-1.8603**(0.9553)(0.9101)(1.6659)(1.7423)(1.1695)(0.6636)lnINDUS0.3800**0.2539-0.01430.07460.07220.3365*(0.1598)(0.1566)(0.0573)(0.0706)(0.2833)(0.1600)lnTECH-0.7967***-0.2841*0.1212-0.5547-0.1480-0.6957***(0.1812)(0.1468)(0.2982)(0.5046)(0.1280)(0.1942)lnFDI0.0691-0.0018-0.01090.0248-0.0259-0.1432*(0.0868)(0.0956)(0.1337)(0.2612)(0.0370)(0.0653)lnENE0.3153***0.1712**0.30920.32300.9894***0.2318(0.0500)(0.0696)(0.4093)(0.4191)(0.2152)(0.2013)lnPOP-0.4800***0.8174-0.1489-10.3107**-0.4511***-8.3171**(0.1445)(5.0838)(0.3109)(3.5065)(0.1050)(2.8951)lnTRAN0.8910***0.63310.55180.11640.03620.8517(0.2739)(1.4651)(0.4186)(1.2148)(0.1291)(0.8442)lnGREEN-0.1405-0.9615-0.51611.9840-1.3573**0.5453(0.8741)(1.0351)(0.6838)(1.6753)(0.6614)(0.6630)_cons15.19105.328813.195548.2246**19.4333***47.2008***(10.2893)(28.3900)(8.3080)(19.8532)(3.7963)(11.3977)省份效應(yīng)否是否是否是時(shí)間效應(yīng)否否否否否否觀測(cè)值666654546060調(diào)整R20.72410.80080.82240.86770.77360.9201注：***、**、*表示估計(jì)結(jié)果在0.01、0.05、0.1的水平上顯著；括號(hào)內(nèi)的數(shù)字為穩(wěn)健標(biāo)準(zhǔn)誤。5.2.3穩(wěn)健性檢驗(yàn)（1）內(nèi)生性問(wèn)題由于霧霾污染可能與綠色金融存在反向因果的關(guān)系，即綠色金融會(huì)影響霧霾污染，反過(guò)來(lái)霧霾污染也會(huì)影響綠色金融的發(fā)展。為檢驗(yàn)全樣本回歸的穩(wěn)健性，本文進(jìn)一步使用系統(tǒng)GMM回歸來(lái)檢驗(yàn)前文的研究結(jié)果。由表5-4可知，模型12的工具變量均有效，滿足S-GMM的使用條件；綠色金融的系數(shù)為負(fù)且在10%的顯著性水平上顯著，說(shuō)明在控制模型的內(nèi)生性后，綠色金融對(duì)霧霾污染的負(fù)向影響效應(yīng)依舊存在，與前文基本保持一致，穩(wěn)健性檢驗(yàn)通過(guò)。（2）被解釋變量指標(biāo)更換為工業(yè)固體廢物產(chǎn)生量因?yàn)殪F霾污染具有明顯的外部性，所以存在一定的空間溢出效應(yīng)，即在很大程度上會(huì)通過(guò)大氣環(huán)流等自然因素及產(chǎn)業(yè)轉(zhuǎn)移、污染泄漏等經(jīng)濟(jì)因素?cái)U(kuò)散或轉(zhuǎn)移到鄰近地區(qū)（邵帥等，2016）。因此，為檢驗(yàn)全樣本回歸的穩(wěn)健性，本文進(jìn)一步使用工業(yè)固體廢物產(chǎn)生量（SOLID）替代PM2.5來(lái)衡量霧霾污染，其中SOLID數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。由表４-4中模型13回歸結(jié)果可知，變量替換后，綠色金融對(duì)霧霾污染的影響依舊顯著為負(fù)，與前文結(jié)果基本一致，穩(wěn)健性檢驗(yàn)通過(guò)。表5-4穩(wěn)健性檢驗(yàn)回歸結(jié)果Table5-4Robustnesstestregressionresults被解釋變量lnPM2.5lnSOLID模型12模型13L.lnPM2.50.1195**(0.0605)lnGF-0.3657*-0.0565*(0.1880)(0.0334)lnGDP-0.08510.3177(0.3746)(0.2226)lnINDUS0.06110.0273(0.0676)(0.0559)lnTECH-0.3988-0.2691*(0.2432)(0.1435)lnFDI0.03790.0289(0.0688)(0.0328)lnENE0.3750***0.1890**(0.1413)(0.0760)lnPOP0.1728-1.2164(0.5506)(1.3879)lnTRAN-0,30640.3434(0.7789)(0.3848)lnGREEN1.0694-0.7616*(1.0284)(0.4228)_cons0.130812.0589*(4.3419)(7.2533)省份效應(yīng)是是時(shí)間效應(yīng)否否觀測(cè)值150180調(diào)整R20.8770AR(1)0.0000AR(2)0.1780Hansen0.1340注：***、**、*表示估計(jì)結(jié)果在0.01、0.05、0.1的水平上顯著；括號(hào)內(nèi)的數(shù)字為穩(wěn)健標(biāo)準(zhǔn)誤。第六章研究結(jié)論與政策啟示本文基于2013-2018年中國(guó)30個(gè)省、自治區(qū)和直轄市（不含港澳臺(tái)和西藏）的面板數(shù)據(jù)，構(gòu)建我國(guó)省域綠色金融發(fā)展評(píng)價(jià)體系，測(cè)算各地綠色金融指數(shù)，并以霧霾污染的主要指標(biāo)PM2.5為研究對(duì)象，利用面板回歸進(jìn)行分析，得到如下結(jié)論：（1）全國(guó)范圍來(lái)看，綠色金融顯著降低了中國(guó)的霧霾污染程度，綠色金融發(fā)展對(duì)空氣質(zhì)量有改善作用。（2）我國(guó)經(jīng)濟(jì)發(fā)展水平與霧霾污染呈倒“N”型曲線關(guān)系，且我國(guó)目前處于曲線的第二階段即上升階段，長(zhǎng)期來(lái)看，在綠色金融影響下，我國(guó)經(jīng)濟(jì)增長(zhǎng)還是能緩解霧霾污染。（3）雖然金融發(fā)展的環(huán)境效應(yīng)有三種傳導(dǎo)機(jī)制，但我國(guó)綠色金融對(duì)霧霾污染只有技術(shù)效應(yīng)顯著為負(fù)，規(guī)模效應(yīng)和結(jié)構(gòu)效應(yīng)并不顯著，可能還存在其他傳導(dǎo)機(jī)制的影響。（4）分區(qū)域來(lái)看，東中西部對(duì)霧霾污染的影響均顯著為負(fù)，負(fù)向影響程度呈現(xiàn)東高西低的態(tài)勢(shì)，東部地區(qū)綠色金融對(duì)霧霾污染的緩解作用最大。政策啟示如下：第一，加大發(fā)展綠色金融政策支持力度，提高地方綠色金融發(fā)展水平。政府應(yīng)出臺(tái)配套的激勵(lì)政策，爭(zhēng)取在綠色信貸、綠色證券、綠色保險(xiǎn)、政府投資和國(guó)際合作等領(lǐng)域全方位推進(jìn)我國(guó)綠色金融有效發(fā)展，充分發(fā)揮綠色金融對(duì)我國(guó)環(huán)境質(zhì)量的改善作用。第二，加強(qiáng)西部地區(qū)環(huán)境政策力度，加快西部綠色金融發(fā)展。西部地區(qū)發(fā)展較晚，同時(shí)擁有豐富的資源和勞動(dòng)力，未來(lái)很可能成為東部產(chǎn)業(yè)轉(zhuǎn)移的流入地，因此應(yīng)加強(qiáng)西部環(huán)境政策的力度，提前完善西部綠色金融的發(fā)展，避免陷入“逐底競(jìng)爭(zhēng)”的惡性局面。第三，注重綠色信貸在發(fā)展綠色金融中的重要作用，推進(jìn)綠色信貸發(fā)展。目前，綠色信貸仍是推進(jìn)我國(guó)綠色金融的主力軍。因此我國(guó)的金融機(jī)構(gòu)應(yīng)出臺(tái)相應(yīng)方案有效引導(dǎo)引導(dǎo)資金流向綠色發(fā)展領(lǐng)域，尤其是促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和技術(shù)進(jìn)步，推動(dòng)我國(guó)經(jīng)濟(jì)高質(zhì)量、可持續(xù)性發(fā)展。第四，注重技術(shù)進(jìn)步在霧霾治理中的重要性，積極發(fā)展綠色技術(shù)。政府應(yīng)鼓勵(lì)環(huán)保技術(shù)的開發(fā)，幫助科技成果轉(zhuǎn)化，提高資源的有效利用率。參考文獻(xiàn)陳智蓮,高輝,張志勇.綠色金融發(fā)展與區(qū)域產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)——以西部地區(qū)為例[J].西南金融,2018(11):70-76.丁寧,任亦儂,左穎.綠色信貸政策得不償失還是得償所愿?——基于資源配置視角的PSM-DID~1成本效率分析[J].金融研究,2020(04):112-130.方灝,馬中.論環(huán)境金融的內(nèi)涵及外延[J].生態(tài)經(jīng)濟(jì),2010(09):50-53+72.郭曄,房芳.新型貨幣政策擔(dān)保品框架的綠色效應(yīng)[J].金融研究,2021(01):91-110.何建奎,江通,王穩(wěn)利.“綠色金融”與經(jīng)濟(jì)的可持續(xù)發(fā)展[J].生態(tài)經(jīng)濟(jì),2006(07):78-81.胡榮才,張文瓊.開展綠色信貸會(huì)影響商業(yè)銀行盈利水平嗎?[J].金融監(jiān)管研究,2016(07):92-110.胡冰,王曉芳.我國(guó)環(huán)境投入、經(jīng)濟(jì)增長(zhǎng)與碳排放的關(guān)系探究——基于省際門檻面板模型[J].財(cái)經(jīng)論叢,2018(05):3-11.韓立巖,蔡立新,尹力博.中國(guó)證券市場(chǎng)的綠色激勵(lì):一個(gè)四因素模型[J].金融研究,2017(01):145-161.黃壽峰.財(cái)政分權(quán)對(duì)中國(guó)霧霾影響的研究[J].世界經(jīng)濟(jì),2017,40(02):127-152.劉錫良,文書洋.中國(guó)的金融機(jī)構(gòu)應(yīng)當(dāng)承擔(dān)環(huán)境責(zé)任嗎?——基本事實(shí)、理論模型與實(shí)證檢驗(yàn)[J].經(jīng)濟(jì)研究,2019,54(03):38-54.劉莎,劉明.綠色金融、經(jīng)濟(jì)增長(zhǎng)與環(huán)境變化——西北地區(qū)環(huán)境指數(shù)實(shí)現(xiàn)“巴黎承諾”有無(wú)可能?[J].當(dāng)代經(jīng)濟(jì)科學(xué),2020,42(01):71-84.羅能生,李建明.產(chǎn)業(yè)集聚及交通聯(lián)系加劇了霧霾空間溢出效應(yīng)嗎?——基于產(chǎn)業(yè)空間布局視角的分析[J].產(chǎn)業(yè)經(jīng)濟(jì)研究,2018(04):52-64.李曉西,劉一萌,宋濤.人類綠色發(fā)展指數(shù)的測(cè)算[J].中國(guó)社會(huì)科學(xué),2014(06):69-95+207-208.林伯強(qiáng),劉希穎.中國(guó)城市化階段的碳排放:影響因素和減排策略[J].經(jīng)濟(jì)研究,2010,45(08):66-78.李麗,董必俊.區(qū)域碳金融發(fā)展水平與影響因素研究[J].經(jīng)濟(jì)與管理,2018,32(01):60-65.馬麗梅,張曉.中國(guó)霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J].中國(guó)工業(yè)經(jīng)濟(jì),2014(04):19-31.寧偉,佘金花.綠色金融與宏觀經(jīng)濟(jì)增長(zhǎng)動(dòng)態(tài)關(guān)系實(shí)證研究[J].求索,2014(08):62-66.喬海曙,譚燁,劉小麗.中國(guó)碳金融理論研究的最新進(jìn)展[J].金融論壇,2011,16(02):35-41.邵帥,李欣,曹建華,楊莉莉.中國(guó)霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角[J].經(jīng)濟(jì)研究,2016,51(09):73-88.蘇冬蔚,連莉莉.綠色信貸是否影響重污染企業(yè)的投融資行為?[J].金融研究,2018(12):123-137.孫洪慶,鄧瑛.對(duì)發(fā)展綠色金融的思考[J].經(jīng)濟(jì)與管理,2002(01):37-38.施震凱,邵軍,王美昌.外商直接投資對(duì)霧霾污染的時(shí)空傳導(dǎo)效應(yīng)——基于SpVAR模型的實(shí)證分析[J].國(guó)際貿(mào)易問(wèn)題,2017(09):107-117.上海銀監(jiān)局綠色信貸研究課題組,張光平,董紅蕾,沈澍.綠色信貸支持金融創(chuàng)新與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型研究[J].金融監(jiān)管研究,2016(05):98-108.王遙,潘冬陽(yáng),張笑.綠色金融對(duì)中國(guó)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)研究[J].經(jīng)濟(jì)社會(huì)體制比較,2016(06):33-42.王遙,潘冬陽(yáng),彭俞超,梁希.基于DSGE模型的綠色信貸激勵(lì)政策研究[J].金融研究,2019(11):1-18.魏麗莉,楊穎.中國(guó)綠色金融政策的演進(jìn)邏輯與環(huán)境效應(yīng)研究[J].西北師大學(xué)報(bào)(社會(huì)科學(xué)版),2020,57(04):101-111.文書洋,劉錫良.金融錯(cuò)配、環(huán)境污染與可持續(xù)增長(zhǎng)[J].經(jīng)濟(jì)與管理研究,2019,40(03):3-20.于永達(dá),郭沛源.金融業(yè)促進(jìn)可持續(xù)發(fā)展的研究與實(shí)踐[J].環(huán)境保護(hù),2003(12):50-53.易艷春,宋德勇.經(jīng)濟(jì)增長(zhǎng)與我國(guó)碳排放:基于環(huán)境庫(kù)茲涅茨曲線的分析[J].經(jīng)濟(jì)體制改革,2011(03):35-38.姚耀軍.金融中介發(fā)展與技術(shù)進(jìn)步——來(lái)自中國(guó)省級(jí)面板數(shù)據(jù)的證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì),2010(04):26-31.曾學(xué)文,劉永強(qiáng),滿明俊,沈啟浪.中國(guó)綠色金融發(fā)展程度的測(cè)度分析[J].中國(guó)延安干部學(xué)院學(xué)報(bào),2014,7(06):112-121+105.張莉莉,肖黎明,高軍峰.中國(guó)綠色金融發(fā)展水平與效率的測(cè)度及比較——基于1040家公眾公司的微觀數(shù)據(jù)[J].中國(guó)科技論壇,2018(09):100-112+120.張晨,董曉君.綠色信貸對(duì)銀行績(jī)效的動(dòng)態(tài)影響——兼論互聯(lián)網(wǎng)金融的調(diào)節(jié)效應(yīng)[J].金融經(jīng)濟(jì)學(xué)研究,2018,33(06):56-66.張麗.環(huán)境政策、環(huán)保支出對(duì)區(qū)域碳減排的影響效應(yīng)研究——兼論政府執(zhí)行力的作用[J].價(jià)格理論與實(shí)踐,2018(06):38-41.BertScholtens.FinanceasaDriverofCorporateSocialResponsibility.2006,68(1):19-33.ChamiR,CosimanoTF,FullenkampC.ManagingEthicalRisk:HowInvestinginEthicsAddsValue[J].JournalofBankingandFinance,2002,(26):1697-1781.ChristopherWright.GlobalBanks,theEnvironment,andHumanRights:TheImpactoftheEquatorPrinciplesonLendingPoliciesandPractices[J].GlobalEnvironmentalPolitics,2012,12(1):56-77.ClimentF,SorianoP.GreenandGood?TheInvestmentPerformanceofUSEnvironmentalMutualFunds[J].JournalofBusinessEthics,2011,(2):275-287.DietzS,AdgerWN.EconomicGrowth,BiodiversityLossandConservationEffort[J].JournalofEnvironmentalManagement,2003,68(1):23-35.DindaS,CoondooD,PalM