来源：市场资讯
（来源：江苏省绿色金融高端智库）
摘要
绿色金融是推动共同富裕的重要力量。基于2011—2023年中国30个省份（直辖市、自治区）的面板数据，本文测度了共同富裕与绿色金融的指数，并运用中介效应模型和空间效应模型，考察了绿色金融对共同富裕的直接效应、空间溢出效应及作用机制。研究结果表明：绿色金融显著提升了共同富裕水平，且该结论在经过一系列稳健性与内生性检验后依然成立。空间效应分析显示，在不同空间权重矩阵下，绿色金融对共同富裕的影响均显著为正；它不仅能够提升本地区的共同富裕水平，还对邻近地区产生正向溢出效应。机制分析表明，绿色技术创新和环境规制程度是绿色金融促进共同富裕的重要渠道。异质性分析表明，绿色金融对共同富裕的驱动效应在东部地区及环境治理能力较强的地区更为明显。因此，应持续优化绿色金融支持共同富裕发展的作用，加强绿色金融资源的跨区域交流与合作，为实现共同富裕目标提供金融保障。
研究背景
改革开放以来，中国传统的要素驱动型增长动力逐渐减弱，面临内生增长动力不足、创新能力薄弱、发展质量低等结构性问题。为解决发展不平衡不充分、缩小贫富差距，党中央提出“扎实推动共同富裕”。党的二十大报告强调“中国式现代化是全体人民共同富裕的现代化”，“十五五”规划也明确提出相关要求。
2016年，中国人民银行等七部委联合发布《关于构建绿色金融体系的指导意见》，将绿色金融定义为支持环境改善、应对气候变化和促进资源高效利用的经济活动。作为环境外部性内部化的市场化工具，绿色金融兼具资源配置与风险管理功能，是推动共同富裕的新兴力量。
研究表明，绿色金融能够显著促进绿色经济发展。绿色信贷政策可降低工业碳排放强度，绿色金融通过资本支持功能优化经济结构、稳定经济增长，绿色保险政策则发挥示范效应，传递绿色转型方向。此外，绿色金融通过促进乡村产业发展、优化生态环境来服务乡村振兴战略，还可通过农业贷款推动绿色农业发展。数字普惠金融也能提升城乡绿色发展水平，进而促进共同富裕。
研究贡献
第一，研究视角的创新。区别于现有文献多聚焦于绿色金融的经济或生态效益，本文将分析置于“共同富裕”的宏观背景下，探讨生态改善能否转化为共享发展的动力，回应了绿色金融能否实现“惠民利民”的理论关切。
第二，空间效应的验证。现有研究对绿色金融与共同富裕之间的区域空间关联关注不足。本文通过构建空间计量模型，实证检验了绿色金融对共同富裕的直接效应与空间溢出效应，为理解该影响的区域异质性提供了经验证据。
第三，传导路径的细化。本文进一步识别了绿色技术创新与环境规制的中介机制，揭示了绿色金融影响共同富裕的“间接路径”，补充了现有研究多集中于“直接路径”结论的不足。
研究结果
1. 基准回归结果
表4报告了绿色金融对共同富裕影响的估计结果。第1列为未加入控制变量的结果，第2至6列为依次加入控制变量后基准模型的回归结果。结果表明，无论是否加入控制变量，核心解释变量的估计系数均显著为正。因此，本文以第6列作为基准回归结果进行分析。
其原因在于：在新发展理念的指引下，越来越多的金融机构将绿色金融作为战略性业务方向，积极拓展绿色金融服务边界，深化绿色金融产品与服务创新。通过创新抵质押方式、建立多层次担保体系等融资机制，引导社会闲置资本有效流向绿色领域。这不仅提高了绿色领域的资金可得性，还在融资准入和风险评估环节引入了环境外部性内部化的考量。由此，在信贷约束与绿色激励的双重作用下，绿色金融能够有效促进绿色技术的推广应用以及生产结构的调整优化。通过扩大绿色部门的生产规模来增强绿色经济的规模效应，进一步推动绿色、可持续的经济发展，最终实现共同富裕。
2.内生性分析
（1）工具变量法
本文选取了两种类型的绿色金融工具变量。首先，借鉴相关研究做法，构建了Bartik工具变量（IV1）：即省级层面绿色金融的滞后一期值与全国层面绿色金融水平一阶差分的乘积。
表5第1至4列报告了工具变量回归结果。其中，第一阶段工具变量系数均显著；Kleibergen-Paap rk LM统计量的p值为0；Cragg-Donald Wald F统计量与Kleibergen-Paap rk Wald F统计量均大于10%水平下的弱识别检验临界值，表明工具变量通过了不可识别检验、弱工具变量检验与过度识别检验。第二阶段中，核心解释变量绿色金融的系数仍显著为正，满足相关性假设。
（2）双重差分法
本文进一步采用双重差分法缓解内生性问题。2017年6月，国务院决定在浙江、广东、贵州、江西、新疆五省设立绿色金融改革创新试验区，以增强金融体系韧性、提升绿色金融服务质效。该政策对绿色金融构成外生冲击，且各地区绿色金融发展水平的差异导致政策冲击效应存在区域差异，为构建DID模型识别因果关系提供了契机。因此，本文以绿色金融改革创新试验区作为外生政策冲击构建DID模型。
图1报告了平行趋势检验结果。在绿色金融试点政策实施前，各虚拟系数均不显著，表明实验区与非实验区在共同富裕变化上无明显差异，通过了平行趋势检验。而从政策实施后第一年开始，实验区的共同富裕发展显著高于非实验区，且该趋势持续显著，反映了绿色金融具有长期、持续的积极赋能效应。
表5第5列报告了DID估计结果。结果显示，DID系数显著为正，表明受政策影响越大的地区对共同富裕的促进作用越强，即绿色金融能够提升地区的共同富裕水平，与预期结果一致。此外，政策冲击后第2-5期的虚拟变量系数相比政策冲击前呈现明显上升趋势，表明绿色金融改革创新试验区的设立具有促进共同富裕的效应。
3.稳健性分析
（1）替换指标回归
对解释变量与被解释变量进行了替换。考虑到使用单一指标进行实证分析存在一定片面性，且本文所使用被解释变量与核心解释变量均为测算值，本部分通过改变指标的测算方法，以避免指标体系测算方式可能导致的结论偏差。一方面，考虑到绿色金融发展的测度可能存在偏误，且绿色信贷是绿色金融的核心组成部分，本文选取绿色金融的主导产品——绿色信贷来替换核心解释变量进行稳健性检验。另一方面，采用主成分分析法重新测算共同富裕水平，进而单独考察数据因素对共同富裕的影响。回归结果见表6第1和2列，与基准回归结果一致。
（2）改变样本容量
考虑到直辖市经济发展水平较高，在资源配置方面具有先天优势，其发展绿色金融的经济社会基础可能与其他地区存在偏差。因此，本文剔除直辖市进行稳健性检验。检验结果见表6第3列，与基准结果基本一致。
（3）改变估计方法
绿色金融对共同富裕的影响可能存在滞后效应。为此，本文将共同富裕的一阶滞后项作为解释变量引入基准回归，并采用系统GMM方法进行估计，结果见表6第4列。在系统GMM模型中，绿色金融指数仍然显著为正，但系数大小因滞后项的“稀释”作用而有所降低。随后，对扰动项的一阶和二阶自相关系数进行了检验，发现一阶系数显著拒绝为零，而二阶自相关系数不能拒绝为零，表明系统GMM估计结果通过了检验。动态模型的回归结果与基准回归基本一致。
4.异质性分析
（1）区域异质性
考虑到各地区在经济发展水平、基础设施建设及资源禀赋等方面存在差异，绿色金融与共同富裕的水平也受到这些因素的影响，从而导致绿色金融对共同富裕的影响呈现异质性特征。本文将样本划分为东部、中部和西部三个子样本，分别考察绿色金融在不同子样本中的影响差异。表7结果表明，东部地区的绿色金融影响系数及其显著性水平均高于中部和西部地区。这很可能与东部地区绿色金融运行机制更为成熟、应用环境相对宽松密切相关。相比之下，中部和西部地区面临绿色金融相关制度不完善、经营主体分散等问题。此外，金融工具的逐利性特征进一步加剧了这些地区金融资源禀赋的差距，使得中西部地区难以获得有效的绿色金融支持以实现发展。
（2）金融监管强度异质性
有效的金融监管能够激励金融机构退出高污染投资领域，促进能源转型，从而为绿色金融的实现提供政策保障。为分析绿色金融对共同富裕的影响是否因金融市场监管强度的不同而存在差异，本文采用区域金融监管支出与金融业增加值的比值来衡量监管强度。根据该比值的中位数，将样本划分为高监管强度地区（高于中位数）和低监管强度地区（低于中位数），并分别进行回归分析。回归结果表明，与金融监管强度较低的省份相比，监管强度较高的地区拥有更为完善的金融体系和更高素质的金融人才，因而能够更好地开发绿色金融产品，绿色金融对共同富裕的促进作用在这些地区表现得更为明显。
（3）环境治理强度异质性
与环境治理水平较低的地区相比，环境治理水平较高的地区更加重视绿色发展。这些地区的高污染产业面临更大的环境压力和更严格的环境规制，促使其从短期应对策略转向长期发展战略调整，从而增强发展的可持续性。借鉴已有研究，本文利用百度雾霾搜索指数来表征公众环境关注度。其依据有二：一方面，雾霾的严重程度公众可通过空气能见度直接感知，使得“雾霾”成为备受公众关注的话题；另一方面，PM2.5浓度与空气质量密切相关，是评价空气质量的关键指标。
本文根据雾霾搜索指数的中位数将样本划分为高环境治理组和低环境治理组，以考察不同环境治理能力下绿色金融对共同富裕影响的异质性。如表7所示，高环境治理组中绿色金融的回归系数及显著性均显著高于低环境治理组。一个可能的解释是：环境治理投入的增加有助于改善生态环境，降低绿色金融进入生产部门的门槛。同时，生态环境的改善能够吸引绿色企业和劳动力流入，从而提升区域人力资本水平，促进共同富裕。
5.空间溢出效应检验
（1）共同富裕的空间自相关检验
在选择合适的空间计量模型之前，首先采用全局莫兰指数对共同富裕的空间自相关性进行检验，估计结果见表8。在样本期间内，无论是在地理邻接空间矩阵还是经济地理空间矩阵下，共同富裕的全局莫兰指数均大于0且在1%水平上显著。这表明，无论是仅基于地理关联特征还是基于经济与地理综合关联特征，共同富裕均表现出显著的正向空间相关性和较强的空间依赖性。
（2）空间面板模型选择
常见的空间计量模型包括空间误差模型、空间滞后模型和空间杜宾模型。为选择合适模型，需要进行一系列检验，主要包括LM检验、LR检验、Wald检验，以及基于空间杜宾模型的Hausman检验和时空固定效应检验等。检验结果见表9。
首先，在两种空间权重矩阵设定下，LM检验结果显示空间滞后项与空间误差项均在1%水平上显著，表明拒绝空间滞后模型或空间误差模型更优的原假设，选择空间杜宾模型更为合适。其次，LR检验结果也显著拒绝了空间杜宾模型可退化为空间误差模型或空间滞后模型的原假设。最后，Hausman检验结果拒绝了使用随机效应模型，表明固定效应的空间杜宾模型更为合适。
（3）空间杜宾模型结果分析
常见的空间计量模型包括空间误差模型、空间自回归模型和空间杜宾模型。为选择最合适的模型，需要开展一系列检验。首先，进行了LM检验、LR检验、Wald检验、基于空间杜宾模型的Hausman检验以及时空固定效应检验。基于检验结果，本文采用双向固定效应的空间杜宾模型进行实证分析。其次，空间计量模型的系数仅反映了省份间的空间相关性，参数估计结果可能存在偏误，无法直接反映直接效应与空间溢出效应的真实影响。借鉴相关研究的偏微分方法，将各自变量对共同富裕的影响系数分解为直接效应、间接效应和总效应，结果见表10。
从表中可以看出，共同富裕的空间自回归系数显著为正，表明共同富裕具有显著的空间自相关性。第1和4列显示，绿色金融对共同富裕的直接效应显著为正，表明绿色金融促进了本地区共同富裕水平的提升，这与前文未考虑空间因素的回归结果一致。第2和5列结果显示，绿色金融对共同富裕的间接效应显著为正。并且，在经济地理空间权重矩阵下，绿色金融对共同富裕的间接效应系数大于地理邻接空间权重矩阵下的系数。这表明，绿色金融不仅有助于促进本地区的共同富裕，还能带动邻近地区的共同富裕，呈现出明显的空间溢出效应。
第3和6列显示，绿色金融对共同富裕的总效应仍然显著为正，进一步明确了绿色金融对共同富裕的影响具有显著的正向空间效应。其可能的原因在于：绿色金融市场的形成不仅能够增加本地区环保企业和绿色投资者的数量，还能通过示范效应和扩散效应，引导企业和投资者向周边地区拓展类似的绿色金融业务，从而促进绿色资本的跨区域流动与配置。同时，由于技术溢出效应和涓滴效应，绿色金融通过金融服务网络的空间延伸，能够有效促进周边地区的投资增加、知识与信息外溢以及专业化分工，进而推动区域经济发展。由此可见，绿色金融能够通过空间溢出效应促进周边地区的共同富裕。
6.进一步分析
基于上述理论机制分析，绿色技术创新和环境规制程度在绿色金融影响共同富裕发展的过程中发挥着一定的中介作用。本部分考察它们在绿色金融影响共同富裕的过程中如何发挥作用，结果见表11。
第1至4列为绿色技术创新的检验结果。结果表明，绿色金融与绿色发明专利申请数、绿色发明专利授权数、绿色实用新型专利申请数以及绿色实用新型专利授权数均呈显著正相关。绿色金融的回归系数在1%水平上显著为正，表明绿色金融能够显著促进绿色技术创新。
从第5和6列可以看出，绿色金融与命令型环境规制、市场型环境规制均呈正相关。绿色金融的回归系数显著为正，表明绿色金融能够显著提升环境规制水平。
研究结论
本文利用2011—2023年中国30个省份的面板数据，探讨绿色金融对共同富裕的影响，得出以下主要结论：
绿色金融促进了共同富裕水平的提升。该结论在采用工具变量法、双重差分法处理内生性问题以及进行其他稳健性检验后依然成立。绿色金融对共同富裕的促进作用存在异质性。东部地区的促进作用最强，中部次之，西部最弱。高金融监管强度和高环境治理能力地区的促进作用明显强于其他地区。绿色金融不仅提升了本地区的共同富裕水平，还对周边地区产生正向空间溢出效应。多维空间权重矩阵下的系数大于单维矩阵下的系数，说明经济邻近性会进一步强化绿色金融对共同富裕的促进作用。机制检验表明，绿色技术创新和环境规制是绿色金融促进共同富裕的主要路径，其中绿色技术创新的中介作用显著高于环境规制。
基于上述结论，本文提出以下政策建议：
第一，完善绿色金融政策体系，深化区域协调机制。针对中西部等金融监管强度和环境治理能力较弱的地区，制定差异化的绿色金融支持政策。建立跨省域绿色金融协调机制，加强东中西部在绿色金融体系建设、技术转移和资金中介等方面的合作。
第二，实施差异化支持策略，促进区域均衡发展。东部地区可聚焦深化绿色金融创新与市场化运作；中西部地区应优先加强绿色金融基础设施建设和政策支持，同时提升金融监管强度和环境治理能力。
第三，强化多维邻近因素融合，发挥空间溢出效应优势。建立“经济-生态-地理”联动发展机制，通过政策引导与市场机制相结合，促进绿色资本、技术和人才等要素跨区域高效流动。
第四，突出绿色技术创新的核心作用，完善绿色创新与治理的协同机制。加大对企业绿色技术研发、成果转化和应用的支持力度，设立绿色技术创新专项资金，完善知识产权保护机制。在强化绿色金融支持的同时，提升环境规制标准与执法力度，形成“金融支持—技术创新—环境治理”的良性循环。
参考文献：Xiudong Zhang , Yanli Tian , Yuanchao Zhang , Xiaomeng Wang , The Impact of Green Finance on Common Prosperity and Its Spatial Spillover Effects, Economic Analysis and Policy (2026)
热门跟贴