)5.1.2變量選取與說明（1）被解釋變量霧霾濃度（PM2.5）。由于國內(nèi)PM2.5長期數(shù)據(jù)缺失，本文采用加拿大達爾豪斯大學(xué)發(fā)布的中國省域數(shù)據(jù)來表示30個省、自治區(qū)和直轄市（不含港澳臺和西藏）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)展評價指標體系，測算得2013-2018年我國30個省（市、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）。為了控制價格水平變化對GDP的影響，本文以2013年為基年，使用經(jīng)過GDP平減指數(shù)處理后得到的地區(qū)人均實際GDP來反映產(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塵是我國PM2.5的主要來源，考慮到產(chǎn)業(yè)增加值更能反應(yīng)生產(chǎn)活動的凈效果，本文采用地區(qū)第二產(chǎn)業(yè)增加值占GDP的比重來衡量產(chǎn)業(yè)結(jié)構(gòu)，并預(yù)期其系數(shù)為正。技術(shù)進步（TECH）。本文選取各省研究與試驗發(fā)展（R&D）經(jīng)費內(nèi)部支出占GDP的比重衡量技術(shù)進步，并預(yù)期其系數(shù)為負。外商直接投資（FDI）。目前國內(nèi)外學(xué)者對FDI與環(huán)境污染的關(guān)系的認識主要有兩種：一是“污染避難所假說”，認為跨國企業(yè)為了規(guī)避嚴格的環(huán)境規(guī)制和較高的環(huán)境成本，將企業(yè)從發(fā)達國家轉(zhuǎn)移到環(huán)境規(guī)制較弱或者環(huán)境成本較低的發(fā)展中國家；二是“污染光環(huán)”假說，認為由于母國存在嚴格的環(huán)境管理，跨國企業(yè)往往具備較為清潔的生產(chǎn)技術(shù)和管理水平，在對外投資過程中能通過知識擴散、技術(shù)外溢等效應(yīng)促進東道國的環(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，其中外商投資企業(yè)總額按照當年平均匯率折算成人民幣。能源結(jié)構(gòu)（ENE）。目前我國的能源消費結(jié)構(gòu)仍以煤炭為主，而煤炭的消費是我國PM2.5的主要來源之一，所以本文將煤炭消費占能源消費總量的比重來衡量能源結(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)的社會活動越頻繁，越有可能對環(huán)境造成不良影響（黃壽峰，2017）。但邵帥等（2016）認為人口密度增加可以通過集聚效應(yīng)提高公共交通分擔率和資源使用效率，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。交通運輸（TRAN）。交通運輸會導(dǎo)致機動車尾氣污染排放，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)表示交通運輸狀況，并預(yù)期其系數(shù)為正。綠化程度（GREEN）。一般認為，綠色植被能夠吸收空氣中的微小顆粒物，對霧霾污染產(chǎn)生緩解作用。本文用綠地面積占建成區(qū)面積比例來反映綠化程度，并預(yù)期其系數(shù)為負。以上的控制變量數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、各省的統(tǒng)計年鑒、WIND及CSMAR數(shù)據(jù)庫等。表5-1變量說明與描述性統(tǒng)計Table5-1Variabledescriptionanddescriptivestatistics變量均值最小值最大值標準差單位霧霾濃度PM2.523.20198.010083.607614.9918μg/m3綠色金融GF38.848519.341158.96147.8919%產(chǎn)出水平GDP5.82922.315114.09952.5828萬元/人產(chǎn)業(yè)結(jié)構(gòu)INDUS1.3030-26.186811.26904.0687%技術(shù)進步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/平方公里交通運輸TRAN0.94480.09712.10110.5009公里/平方公里綠化程度GREEN39.434329.790049.13003.5225%5.2實證結(jié)果分析本文使用stata15軟件，首先對中國30個省（市、區(qū)）進行全樣本回歸；再按照東、中、西部進行分區(qū)域回歸；最后進行穩(wěn)健性檢驗，一是使用S-GMM和動態(tài)面板模型解決模型可能存在的內(nèi)生性問題，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全國范圍回歸結(jié)果分析表5-2展示了2013-2018年全國范圍內(nèi)的綠色金融對霧霾污染影響的全樣本模型回歸結(jié)果。（1）綠色金融對霧霾污染的影響研究模型1-2檢驗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)和時間效應(yīng)。這兩個模型中，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)健性與變異性識別，本文選取模型1，之后考慮交互項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霧霾污染的綜合影響效應(yīng)為負，且在1%的水平上顯著，說明綠色金融的發(fā)展能夠改善我國的環(huán)境空氣質(zhì)量，假說4得到驗證。關(guān)于經(jīng)濟增長與霧霾污染之間的關(guān)系，模型1和2中GDP的一次和三次項系數(shù)為負，二次項系數(shù)為正，且均顯著，說明在綠色金融影響下，經(jīng)濟增長同霧霾污染之間呈倒“N”型。當經(jīng)濟增長位于倒“N”型的第一階段和第三階段，即下降階段時，經(jīng)濟增長使PM2.5濃度降低；當位于第二階段即上升階段時，經(jīng)濟增長反使PM2.5濃度提高。控制變量中，技術(shù)進步在5%的顯著性水平上對霧霾污染的影響為負，說明技術(shù)進步有助于減輕霧霾污染；能源結(jié)構(gòu)在1%的顯著性水平上對霧霾污染的影響為正，說明煤炭消費的增加會加劇霧霾污染，兩者均與預(yù)期結(jié)論一致。人口密度變量的系數(shù)為負，且在1%的水平上顯著，說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，外商直接投資對霧霾污染的影響為負，符合“污染光環(huán)”假說，說明中國通過引入外商投資降低了國內(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)、交通運輸對霧霾污染呈正向影響，與預(yù)期結(jié)論一致，不過也并不顯著。（2）綠色金融影響霧霾污染的機制路徑研究模型3-5以模型1為基準，考慮省份固定效應(yīng)。為了變量形式更為簡便清晰，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制路徑，即綠色金融與相應(yīng)控制變量交互項對霧霾污染的影響，為了避免控制過多的變量，本節(jié)剔除了GDP二次項和三次項的控制變量。模型3的結(jié)果顯示，綠色金融與產(chǎn)出水平的交互項系數(shù)為正，說明綠色金融通過促進經(jīng)濟增長加劇了中國的霧霾污染，綠色金融對霧霾污染的規(guī)模效應(yīng)為正，但此結(jié)果并不顯著。結(jié)合上文對經(jīng)濟增長同霧霾污染關(guān)系的研究，側(cè)面說明了我國經(jīng)濟發(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)的交互項系數(shù)為正，綠色金融對霧霾污染的結(jié)構(gòu)效應(yīng)為負，與預(yù)期結(jié)論一致，不過此結(jié)果也不顯著。模型5的結(jié)果顯示，綠色金融與技術(shù)進步的交互項系數(shù)顯著為負，說明綠色金融通過促進技術(shù)進步會提高我國環(huán)境空氣質(zhì)量，綠色金融對霧霾污染的技術(shù)效應(yīng)為負，與預(yù)期理論一致，假說3得到驗證。綜上所述，全樣本模型回歸結(jié)果證實了假說3和假說4，假說1和假說2的實證結(jié)果并不顯著。結(jié)果表明，綠色金融發(fā)展有助于改善我國的霧霾污染，綠色金融對霧霾污染的綜合效應(yīng)為負。但目前綠色金融僅通過技術(shù)進步對霧霾污染的影響顯著為負，通過影響產(chǎn)出水平和產(chǎn)業(yè)結(jié)構(gòu)對霧霾污染產(chǎn)生的影響并不顯著，說明綠色金融主要是通過技術(shù)效應(yīng)影響霧霾污染，還可能是除了目前的三種影響機制，存在其他的影響機制路徑。

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)是是是是是時間效應(yīng)否是否否否觀測值180180180180180調(diào)整R20.81990.82170.81410.81560.8250注：***、**、*表示估計結(jié)果在0.01、0.05、0.1的水平上顯著；括號內(nèi)的數(shù)字為穩(wěn)健標準誤。5.2.2異質(zhì)性分析由于不同地區(qū)的經(jīng)濟發(fā)展差異較大，為進一步探究我國不同區(qū)域綠色金融對霧霾污染的影響，本文將我國30個省（市、區(qū)）劃分為東中西三個地區(qū)進行差異性分析，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)來看，與中西部相比，綠色金融對東部地區(qū)PM2.5的正向影響程度更大。這是因為東部地區(qū)經(jīng)濟發(fā)展水平較高，綠色金融發(fā)展得更為完善，對霧霾污染治理更加重視。與全國相比，東部能源結(jié)構(gòu)對PM2.5的正向影響更大，可能是因為東部地區(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)進步因素的作用也較大，可能是因為東部地區(qū)經(jīng)濟發(fā)展水平較高，科研投入相應(yīng)更多，綠色先進技術(shù)應(yīng)用更為廣泛。未控制省份效應(yīng)時，產(chǎn)業(yè)結(jié)構(gòu)和交通運輸對我國東部地區(qū)霧霾污染有顯著正向影響，人口密度顯著負向影響霧霾污染，與全國基本一致。（2）中部地區(qū)從中部地區(qū)來看，無論是否考慮省份效應(yīng)，綠色金融對霧霾污染的影響均為負，且在1%的水平上顯著為負。控制變量中，中部地區(qū)的人口密度因素負向影響程度較大，可能是因為中部地區(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)來看，綠色金融對霧霾污染的負向影響程度最小，但與東中部地區(qū)相差不大，主要與西部地區(qū)經(jīng)濟水平較低，綠色金融發(fā)展較慢相關(guān)。控制變量中，產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進步、外商直接投資和人口密度對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，無論是否考慮省份效應(yīng)，我國東中西部綠色金融對霧霾污染的影響均在1%的水平上顯著為負效應(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，綠色金融對東部的PM2.5影響程度最為顯著。同時，綠色金融對我國霧霾污染的負向影響呈現(xiàn)東高西低的態(tài)勢，與綠色金融在我國的地域分布正好一致，說明綠色金融發(fā)展得越好，對空氣質(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)否是否是否是時間效應(yīng)否否否否否否觀測值666654546060調(diào)整R20.72410.80080.82240.86770.77360.9201注：***、**、*表示估計結(jié)果在0.01、0.05、0.1的水平上顯著；括號內(nèi)的數(shù)字為穩(wěn)健標準誤。5.2.3穩(wěn)健性檢驗（1）內(nèi)生性問題由于霧霾污染可能與綠色金融存在反向因果的關(guān)系，即綠色金融會影響霧霾污染，反過來霧霾污染也會影響綠色金融的發(fā)展。為檢驗全樣本回歸的穩(wěn)健性，本文進一步使用系統(tǒng)GMM回歸來檢驗前文的研究結(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)為負且在10%的顯著性水平上顯著，說明在控制模型的內(nèi)生性后，綠色金融對霧霾污染的負向影響效應(yīng)依舊存在，與前文基本保持一致，穩(wěn)健性檢驗通過。（2）被解釋變量指標更換為工業(yè)固體廢物產(chǎn)生量因為霧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)，即在很大程度上會通過大氣環(huán)流等自然因素及產(chǎn)業(yè)轉(zhuǎn)移、污染泄漏等經(jīng)濟因素擴散或轉(zhuǎn)移到鄰近地區(qū)（邵帥等，2016）。因此，為檢驗全樣本回歸的穩(wěn)健性，本文進一步使用工業(yè)固體廢物產(chǎn)生量（SOLID）替代PM2.5來衡量霧霾污染，其中SOLID數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。由表４-4中模型13回歸結(jié)果可知，變量替換后，綠色金融對霧霾污染的影響依舊顯著為負，與前文結(jié)果基本一致，穩(wěn)健性檢驗通過。表5-4穩(wěn)健性檢驗回歸結(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)是是時間效應(yīng)否否觀測值150180調(diào)整R20.8770AR(1)0.0000AR(2)0.1780Hansen0.1340注：***、**、*表示估計結(jié)果在0.01、0.05、0.1的水平上顯著；括號內(nèi)的數(shù)字為穩(wěn)健標準誤。第六章研究結(jié)論與政策啟示本文基于2013-2018年中國30個省、自治區(qū)和直轄市（不含港澳臺和西藏）的面板數(shù)據(jù)，構(gòu)建我國省域綠色金融發(fā)展評價體系，測算各地綠色金融指數(shù)，并以霧霾污染的主要指標PM2.5為研究對象，利用面板回歸進行分析，得到如下結(jié)論：（1）全國范圍來看，綠色金融顯著降低了中國的霧霾污染程度，綠色金融發(fā)展對空氣質(zhì)量有改善作用。（2）我國經(jīng)濟發(fā)展水平與霧霾污染呈倒“N”型曲線關(guān)系，且我國目前處于曲線的第二階段即上升階段，長期來看，在綠色金融影響下，我國經(jīng)濟增長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)機制，但我國綠色金融對霧霾污染只有技術(shù)效應(yīng)顯著為負，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)機制的影響。（4）分區(qū)域來看，東中西部對霧霾污染的影響均顯著為負，負向影響程度呈現(xiàn)東高西低的態(tài)勢，東部地區(qū)綠色金融對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)出臺配套的激勵政策，爭取在綠色信貸、綠色證券、綠色保險、政府投資和國際合作等領(lǐng)域全方位推進我國綠色金融有效發(fā)展，充分發(fā)揮綠色金融對我國環(huán)境質(zhì)量的改善作用。第二，加強西部地區(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，同時擁有豐富的資源和勞動力，未來很可能成為東部產(chǎn)業(yè)轉(zhuǎn)移的流入地，因此應(yīng)加強西部環(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“逐底競爭”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，推進綠色信貸發(fā)展。目前，綠色信貸仍是推進我國綠色金融的主力軍。因此我國的金融機構(gòu)應(yīng)出臺相應(yīng)方案有效引導(dǎo)引導(dǎo)資金流向綠色發(fā)展領(lǐng)域，尤其是促進產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和技術(shù)進步，推動我國經(jīng)濟高質(zhì)量、可持續(xù)性發(fā)展。第四，注重技術(shù)進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——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,2010(09):50-53+72.郭曄,房芳.新型貨幣政策擔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)濟的可持續(xù)發(fā)展[J].生態(tài)經(jīng)濟,2006(07):78-81.胡榮才,張文瓊.開展綠色信貸會影響商業(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.我國環(huán)境投入、經(jīng)濟增長與碳排放的關(guān)系探究——基于省際門檻面板模型[J].財經(jīng)論叢,2018(05):3-11.韓立巖,蔡立新,尹力博.中國證券市場的綠色激勵:一個四因素模型[J].金融研究,2017(01):145-161.黃壽峰.財政分權(quán)對中國霧霾影響的研究[J].世界經(jīng)濟,2017,40(02):127-152.劉錫良,文書洋.中國的金融機構(gòu)應(yīng)當承擔環(huán)境責任嗎?——基本事實、理論模型與實證檢驗[J].經(jīng)濟研究,2019,54(03):38-54.劉莎,劉明.綠色金融、經(jīng)濟增長與環(huán)境變化——西北地區(qū)環(huán)境指數(shù)實現(xiàn)“巴黎承諾”有無可能?[J].當代經(jīng)濟科學(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)的測算[J].中國社會科學(xué),2014(06):69-95+207-208.林伯強,劉希穎.中國城市化階段的碳排放:影響因素和減排策略[J].經(jīng)濟研究,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)濟與管理,2018,32(01):60-65.馬麗梅,張曉.中國霧霾污染的空間效應(yīng)及經(jīng)濟、能源結(jié)構(gòu)影響[J].中國工業(yè)經(jīng)濟,2014(04):19-31.寧偉,佘金花.綠色金融與宏觀經(jīng)濟增長動態(tài)關(guān)系實證研究[J].求索,2014(08):62-66.喬海曙,譚燁,劉小麗.中國碳金融理論研究的最新進展[J].金融論壇,2011,16(02):35-41.邵帥,李欣,曹建華,楊莉莉.中國霧霾污染治理的經(jīng)濟政策選擇——基于空間溢出效應(yīng)的視角[J].經(jīng)濟研究,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.對發(fā)展綠色金融的思考[J].經(jīng)濟與管理,2002(01):37-38.施震凱,邵軍,王美昌.外商直接投資對霧霾污染的時空傳導(dǎo)效應(yīng)——基于SpVAR模型的實證分析[J].國際貿(mào)易問題,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,張笑.綠色金融對中國經(jīng)濟發(fā)展的貢獻研究[J].經(jīng)濟社會體制比較,2016(06):33-42.王遙,潘冬陽,彭俞超,梁希.基于DSGE模型的綠色信貸激勵政策研究[J].金融研究,2019(11):1-18.魏麗莉,楊穎.中國綠色金融政策的演進邏輯與環(huán)境效應(yīng)研究[J].西北師大學(xué)報(社會科學(xué)版),2020,57(04):101-111.文書洋,劉錫良.金融錯配、環(huán)境污染與可持續(xù)增長[J].經(jīng)濟與管理研究,2019,40(03):3-20.于永達,郭沛源.金融業(yè)促進可持續(xù)發(fā)展的研究與實踐[J].環(huán)境保護,2003(12):50-53.易艷春,宋德勇.經(jīng)濟增長與我國碳排放:基于環(huán)境庫茲涅茨曲線的分析[J].經(jīng)濟體制改革,2011(03):35-38.姚耀軍.金融中介發(fā)展與技術(shù)進步——來自中國省級面板數(shù)據(jù)的證據(jù)[J].財貿(mào)經(jīng)濟,2010(04):26-31.曾學(xué)文,劉永強,滿明俊,沈啟浪.中國綠色金融發(fā)展程度的測度分析[J].中國延安干部學(xué)院學(xué)報,2014,7(06):112-121+105.張莉莉,肖黎明,高軍峰.中國綠色金融發(fā)展水平與效率的測度及比較——基于1040家公眾公司的微觀數(shù)據(jù)[J].中國科技論壇,2018(09):100-112+120.張晨,董曉君.綠色信貸對銀行績效的動態(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)濟學(xué)研究,2018,33(06):56-66.張麗.環(huán)境政策、環(huán)保支出對區(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].價格理論與實踐,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