董晓红 年 维
（哈尔滨商业大学金融学院，哈尔滨 150028）
引 言在 “三期叠加”的背景下和新发展理念的引导下，中国经济发展模式也逐步转变为以生态农业和循环经济为主的绿色经济。绿色金融也由此进入了快速发展时期。
绿色金融在国际上并没有一个标准的定义。在中国，绿色金融通常是指能够降低能源的使用量与单位能耗以及对环境污染进行治理的金融活动与金融产品。政府为推动绿色金融的高效发展出台许多相关政策。如2018年发布的 《绿色投资指引 （试行）》，对绿色机构投资者做出普遍适用的规范性要求，加速产业重组与整合，以此来推动产业结构升级，使我国三次产业结构比例更加合理，进而加快供给侧改革，推动绿色 “一带一路”建设。
通过梳理绿色金融对经济增长影响的文献发现，现有研究主要集中在两个方面，（1）绿色金融是否可以推动经济增长。通过研究发现从宏观角度上来看，绿色金融可通过促进投资和消费结构的优化来促进经济增长 （柴晶霞，2018）［1］，从微观角度上看，绿色金融可有效帮助企业资金融通和储蓄投资转化，规避企业环境风险，提高企业运行效率 （Wang 等， 2017； 彭珊， 2019）［2－3］；（2）绿色金融如何推动经济高质量发展。通过研究发现绿色金融可以推动产业结构升级，且绿色金融发展程度越高，作用效果越显着 （魏丽莉和杨颖， 2019； 党晨鹭， 2019； 李毓等， 2020）［4－6］；绿色金融可以与循环经济耦合协调发展，推动经济可持续发展 （朱建华等，2019）［7］；绿色金融可通过推动金融供给侧改革，进一步完善中国金融体系建设，推动经济高质量发展 （毛彦军和徐文成， 2019； 郑志来， 2020）［8，9］。 在研究方法上主要分为两类，（1）使用双机制模型、因子分析法 （杜军等，2020）［10］等研究方法探讨绿色金融如何对经济增长产生作用； （2）考虑空间因素，使用固定效应模型 （刘霞和何鹏，2019）［11］、耦合评价模型 （李虹等，2019）［12］、空间杜宾模型（余冯坚和徐枫，2019）［13］等传统空间计量学方法对不同地区绿色金融对经济增长的影响进行测度，并针对差异化的绿色金融发展情况提出了不同的对策。
从当前相关文献上看，绿色金融对经济作用的空间关联研究文献多采取传统空间计量学方法，存在以下几个方面的问题：（1）绿色金融相较于普通金融业表现为更复杂的网络结构性质，传统空间计量学方法则将空间关联关系局限于相邻相近地区，仅能揭示部分关联关系；（2）研究文献多将重点放于省域间的空间溢出效应，不能很好的兼顾整体绿色金融空间关联演变。针对以上不足，本文采用社会网络分析法对中国绿色金融发展对区域经济支持水平的空间关联进行研究。社会网络分析法具备以下优势：（1）社会网络分析法具备全局性分析的特点，既可描述任一省域与其他省域之间的空间关联联系，避免了传统空间计量方法中省际间距离的限制，同时可以对整体空间溢出效应进行研究；（2）社会网络分析更加注重网络结构关系的研究，可更好揭示绿色金融的空间溢出效应的传递机制，对绿色金融进行更为深入的研究。
1 绿色金融对经济的支持水平的省群网络的构建1.1 研究地区选择考虑数据获取性、研究结果的精准性和全面性，本文选择31个省级行政区 （除港、澳、台地区）作为研究对象，构建绿色金融对经济支持水平整体网络。
1.2 绿色金融对经济支持水平空间关联网络的构建与特征刻画1.2.1 构建绿色金融对经济支持水平空间关联网络
（1）构建引力模型
为测度我国31个省级行政区的绿色金融对经济支持水平的空间关联联系，需要构建省域间的社会网络，借鉴刘军 （2009）［14］构建网络矩阵的方法，考虑两个区域间存在与距离呈反向关系的经济联系，且经济联系强度的贡献存在差异性，本文采用修正后的引力模型来构建网络矩阵。
修正后的引力模型如下：
本文使用Ucinet对31个省级行政区进行社会网络分析，需通过引力模型构建绿色金融对经济支持水平的网络矩阵，并对绿色金融经济网络矩阵中的元素进行二值化处理。本文使用矩阵中行元素均值作为阙值，当矩阵元素值大于或等于阙值时，则该元素被赋值为1，当该元素值小于临界值时，则该元素被赋值为0（赵纯凤等，2015）［15］。
（2）引力模型指标说明
Rij表示省份i与省份j之间的绿色金融对经济支持联系强度。
Kij表示省份i对Rij的贡献程度。
GCi表示第i个省份的绿色信贷比。由于在绿色金融中绿色信贷相较于其他的绿色金融产品发展更为完善，其他的绿色金融产品发展多处于起步阶段，对经济的支持水平影响相对较小。因此，本文选择各省绿色信贷比作为衡量绿色金融对各省经济支持水平的指标。本文中的绿色信贷比指标借鉴学者瞿佳慧等 （2019）通过工业产业利息总支出与六大高耗能产业利息支出之差占工业产业利息总支出的方法来衡量［16］。
Pi表示第i个省份的常住人口总数。一个地区的人口数量会影响一个地区的经济发展与生态环境，从而会对两个地区间的经济引力产生影响。因此选择将两地区的人口数量也作为一个指标，进行测算。
GDPi表示第i个省份的实际地区生产总值。本文选择用各省份的GDP表示绿色金融对经济的支持水平。
Kij表示省份i在省份i和省份j之间的绿色金融对经济支持水平的贡献程度。由于两个省份之间经济引力不同，需要引入引力参数Kij。
Dij表示i省与j省之间的距离，本文使用i省与j省省会城市的距离来表示二省之间的距离。
1.2.2 网络特征刻画
本文使用Ucinet软件，从整体网络特征、个体网络特征、凝聚子群分析3个方面对绿色金融对经济支持水平空间关联网络进行社会网络分析。
（1）整体网络特征刻画
本文选择网络密度来描述绿色金融对经济支持水平的整体网络特征，网络密度是反映整体网络中各省域空间关联联系强度的指标，网络密度D如下：
其中N为网络中节点个数，L为整体网络中省域间空间关联关系总数。
（2）个体网络特征分析
本文通过中心性分析来描述各省份绿色金融对经济支持水平的个体网络特征，从度数中心度、接近中心度、中间中心度3个方面进行中心度的测度。
度数中心度可反映各省份在社会网络中的中心位置情况，度数中心度De如下：
接近中心度可反映各省份在社会网络中的独立性，接近中心度Cl如下：
其中dij表示的是i省与j省之间的最短路径。
中间中心度可反映各省份在社会网络中对其他省份的可控性大小，中间中心度Be如下：
其中j≠i≠k，j＜k。
其中bjk（i）是指在整体网络中省份j和省份k之间经过省份i的最短路径数目。
1.3 数据的说明本文选择全国31个省级行政区作为研究的网络节点。选取了31个省级行政区2009～2018年的各省绿色信贷比、各省地区生产总值、各省人口数量、省域间的距离作为指标构建网络矩阵，其中省域间的距离以各省的省会城市之间的距离替代 （王营和曹廷求，2017）［17］。其中各省工业产业利息总支出、六大高耗能产业利息支出的数据来自 《中国工业统计年鉴》。根据 《2010年国民经济和社会发展统计报告》选择六大高耗能产业。各省的GDP与人口数量的数据来自 《中国统计年鉴》。
2 绿色金融对经济支持水平的社会网络分析2.1 中国绿色金融对经济支持水平的空间演变特征分析本文使用2009～2018年的数据通过引力模型构建网络矩阵，由Ucinet软件计算得出了2009～2018年的绿色金融对经济支持水平整体网络密度，见图1。
图1 绿色金融对经济支持水平整体网络密度
由图1可知：2009～2018年整体网络密度变化趋势大体上是 “V”字型，其中2007～2012年整体网络密度大致上呈缓慢下降趋势，2012年整体网络密度值降至最低点，为0.2258，2012～2018年间整体网络密度呈上升趋势，且上升速度明显加快，2018年升至最大，为0.3172，绿色金融对经济支持水平的整体网络密度维持在0.22～0.32之间，绿色金融对经济支持水平整体网络密度不高，省域之间空间溢出效应较小，各区域间绿色金融对经济支持联系强度仍存在较大提升空间。2009～2012年间，绿色金融尚处于起步阶段，无法兼顾经济增长与生态保护，中国仍以高污染，高能耗为代价发展经济，因此2009～2012年的整体网络密度的总体趋势是下降的。2013年以来，中国绿色金融发展步伐加快，绿色金融发行数量增加，2013年全国的绿色信贷规模为4.85万亿元，到2018年末绿色信贷数量为9.66万亿元；另外，2015年以后，随着 《关于构建绿色金融体系的指导意见》、《绿色信贷实施情况关键评价指标》等文件的出台，绿色金融的发展不再只侧重于发行规模的增长，同时还注重绿色金融体系的完善，绿色金融进入全面发展阶段。区域间绿色金融支持经济发展作用的相互影响增强，空间溢出效应也逐渐增大。
由于篇幅限制，本文选择2009年、2012年、2015年、2018年4年的数据分析绿色金融对经济支持水平空间关联的演变，并通过Net Draw软件进行可视化，如图2所示。
图2 绿色金融对经济支持水平空间关联演变图
由图2可以看出，各省域间绿色金融对经济影响联系一直处于不断变化中，2018年相较于2009年、2012年、2015年，虽然存在个别省份联系中断的现象，但是整体联系强度明显加强，主要体现在中心省份如北京与偏远省份吉林、西藏的经济联系增加，偏远省份之间的联系程度更为紧密，同时在社会网络内部逐步形成多个 “集聚”。这说明省域间的经济合作阻隔正在逐步减弱，偏远省份在绿色金融发达省份的带动下，发展速度加快，各省之间的经济协作能力加强，经济、绿色金融一体化发展趋势更为明显。
2.2 中国绿色金融发展对经济支持水平中心性分析本文使用2018年的数据，通过Ucinet测算中国绿色金融对经济支持水平的网络节点的中心性指标，以此对中国各省进行个体网络特征分析。如表1所示，并通过Netdraw进行可视化，得到图3。
表1 各省绿色金融对经济支持水平空间关联中心度
续 表
图3 2018年绿色金融对经济支持水平网络群各节点省份中心度图
由图3可知，从整体上看，2018年绿色金融对经济支持水平社会网络内部绿色金融经济联系交错复杂，省际间空间溢出效应传输由相邻传输渠道与跳跃传导渠道两种方式共同作用，并无一省孤立；从结构上看，网络层次分明，具有 “内紧外松”的特点，其中位于中心的省份为经济发达、绿色金融基础良好的东部、南部省份，边缘省份多为经济落后、绿色金融基础较差的西部、北部省份，其发展方式仍以粗放型经济发展方式为主，中心省份的绿色金融经济联系总量占总体经济联系比重加大，辐射范围更广，而边缘省份的空间溢出效应较小，绿色金融经济联系通常存在于邻近省份之间，或者是被动地接收中心省份绿色金融对经济影响的空间作用。
由表1可知，度数中心度、接近中心度度数最高的4个省份分别为北京市 （86.667）、河北省（73.333）、 江苏省 （73.333）、 湖北省 （73.333），而排在末尾的4个省份，分别为辽宁省 （26.667）、黑龙江省 （23.333）、吉林省 （16.667）、青海省（6.667）。这说明北京等绿色金融发展较快区域，其绿色金融对经济增长的空间溢出效应，不仅可以有效控制整体网络，也会对其他省份产生空间影响，其绿色金融对经济支持空间溢出效应可带动其他省份的绿色金融发展，同时这些区域拥有较高的独立性，绿色金融对经济的支持作用具有较强的内生动力，其绿色金融发展对经济的支持作用主要源于自身绿色金融发展。如北京市绿色信贷规模超过9800亿元人民币，在碳市场上，交易量达到5100万吨，成交总额为14亿元，均位居全国首位。
接近中心度度数最高的4个省份分别为北京市 （9.509）、 河北省 （7.913）、 四川省 （6.627）、山东省 （4.866），排在末尾的4个省份分别为贵州省 （0.133）、 江西省 （0.072）、 吉林省 （0.029）、青海省 （0.000）。中间中心度是衡量网络中各节点的 “中介”能力的指标，北京市的中间中心度远高于其他省份，北京绿色金融的快速发展，及其政治、文化中心地位，使北京发挥 “桥梁”作用，传导其他省份的空间溢出效应，间接加强其他省份绿色金融支持经济联系，提高网络稳定性。而青海由于自身绿色金融发展落后，经济规模小、人口稀疏、位置偏远，其中间中心度为0，反映青海省位于整体网络的边缘或从属位置，难以对其他省份起到支配作用，甚至会降低邻近省份间的绿色金融支持经济发展效率。
2.3 中国绿色金融对经济支持水平的凝聚子群分析限于篇幅，本文选择2009年、2013年、2018年的数据来进行绿色金融对经济支持水平凝聚子群分析。通过Ucinet软件计算出绿色金融对经济支持水平经济网络中凝聚子群个数与每个凝聚子群所包含的省份。
由表2可知，凝聚子群并不稳定，所包含的成员省份及其数量在不断变化。凝聚子群依据省份间是否存在密切的绿色金融经济联系进行划分，由于中国尚未成熟的绿色金融对经济支持作用较小，省际间尚未形成稳定的绿色金融经济带。凝聚子群内部，绿色金融发展落后省份在凝聚子群的从属地位，如黑龙江省、吉林省、辽宁省一直与北京共处于凝聚子群1中。随着绿色金融发展，省际间经济协作能力加强，凝聚子群稳定性加强，由凝聚子群分析结果可知，凝聚子群成员省份与经济带趋于重合。
表2 中国绿色金融对经济支持水平的凝聚子群演变
从表3可知，随着绿色金融发展，各凝聚子群的密度大体上是不断增加的，这说明凝聚子群内部成员的绿色金融对经济支持的空间溢出效应增大，成员省份之间联系更为密切。以当年的平均密度作为阙值，衡量是否凝聚子群之间的空间效应传导机制，发现这3年空间效应传导机制并未出现太大波动，说明绿色金融对经济的空间溢出效应传导受地理、经济、政治、文化因素的影响，出现小幅度波动，随着绿色金融发展，凝聚子群已趋于稳定，凝聚子群间的空间溢出效应会加强。
3 结论与建议3.1 结 论本文基于2009～2018年数据，通过引力模型建立了绿色金融对经济支持水平的社会网络，并对其进行整体网络特征分析、个体网络特征分析以及凝聚子群分析。最终得出以下结论。
表3 中国绿色金融对经济支持水平的凝聚子群密度表
3.1.1 绿色金融对经济支持水平社会网络紧密程度不断提高
由整体网络特征分析可知，省域间通过直接连接与间接连接形成绿色金融对经济支持水平整体网络，无一省孤立，2009～2018年网络密度值维持在0.22～0.32之间，整体网络密度值不高，绿色金融支持经济协作能力不强，整体网络仍不稳定，但是2015年后网络密度上升速度明显提高，这与边缘省份之间绿色金融经济联系加强有关，表明边缘省份的绿色金融发展速度加快，中国绿色金融处于全面发展阶段，经济一体化趋势加强。
3.1.2 各省域在整体网络中发挥功能不同
绿色金融对经济支持水平网络以北京为核心呈放射状，各省之间绿色金融对经济支持水平的关联程度明显不同，各省域在整体网络中发挥的作用也不同，在整体网络中，既有自身绿色金融支持经济增长的同时可以带动其他省份绿色金融促进经济增长的 “动力源”，传导绿色金融支持经济增长空间溢出效应的 “桥梁”，以及接受绿色金融支持经济空间溢出效应的 “受益者”。各省在整体网络中相互作用，加大绿色金融经济一体化趋势。
3.1.3 绿色金融对经济支持水平网络内部呈多聚集发展方式
绿色金融对经济支持水平的网络中，政策、经济因素影响4个凝聚子群所包含的省份以及包含的省份数量在小幅度变化，但总体已趋于稳定，凝聚子群已与经济带日趋重合，凝聚子群的群密度逐渐增加。说明在各省之间的空间联系逐渐稳定，凝聚子群内部的联系加强，绿色金融支持经济发展凝聚子群的稳定与内部加强，有助于绿色金融经济带的形成，有助于加强中国绿色金融协作能力。
3.2 建 议3.2.1 加强区域间绿色金融经济协作能力
增加省份之间绿色金融经济活动的合作，加强区域绿色金融经济协作能力，有利于中国绿色金融与经济全面发展。（1）搭建统一的绿色金融平台。目前中国各省绿色金融发展差异较大，统一的绿色金融平台可以协调绿色金融经济活动，实现信息共享，帮助落后省份发展绿色金融，促进绿色金融工具创新，帮助资本跨境互动，实现双赢；（2）增加绿色金融中介机构。绿色金融中介机构可以参与绿色金融产品的评级、绿色项目的开发咨询，引导资金在绿色投资领域的合理配置，提高绿色金融效率。同时绿色金融中介机构可以有效促成跨地区的绿色金融合作项目，加强绿色金融在各省之间的空间联系。
3.2.2 各省根据绿色金融发展特征明确功能
由各省绿色金融对经济支持水平的中心性分析可知，各省份在整体网络中发挥功能不同。各省份应根据自身绿色金融发展特点与经济环境，制定符合自身发展规律的绿色金融战略，进一步促进经济高质量增长。（1）明确各省份功能定位。“动力源”省份利用其空间溢出辐射其他省份，“桥梁”省份则发挥其 “中介”功能传导空间影响，带动落后省份的绿色金融发展与经济影响，推动全国绿色金融与经济共同进步；（2）依据自身特点制定绿色金融发展战略。根据各省的经济水平、基础设施、地理位置等因素因地制宜，制定适合自身的绿色金融经济政策，整合各省优势，利用地区间的互补性，同时为避免出现区域间绿色金融经济差距过大，可适当的对落后地区进行政策倾斜。
3.2.3 建立有效的绿色金融经济群发展机制
从实证分析结果可知，绿色金融省域群已与经济带日趋重合，有效的绿色金融经济群发展机制可加快区域经济、生态环境共同发展进程。（1）建立有效的绿色金融经济群管理制度。政府应当在政府架构、管理体制上进行创新，设立专门的管理部门，统一管理区域内各省的分工与合作，组织协调跨行政区的绿色金融经济活动；（2）建立有效的跨省绿色金融市场。同一凝聚子群省份应当加强市场开放，突破行政线障碍，鼓励开展跨省绿色金融合作项目，打通生态项目融资渠道，实现优势互补，共同进步，避免凝聚子群内部省份之间的恶性竞争。
