綠色金融推進物流業綠色轉型研究

為更好地應對全球氣候問題， 2015年11月，全球氣候變化協定《巴黎協定》在聯合國氣候大會上通過，我國也于2020年9月提出了 “雙碳”建設目標，并將“雙碳”生態文明理念融入國家整體發展規劃。據國家統計局官方數據顯示，目前我國交通運輸、倉儲及郵政三大核心領域的能源消耗量已從2003年的1.28億噸標準煤增長至2019年的4.39億噸，占我國能源消耗總量的9.01%，然而隨著行業規模的不斷擴張，其污染程度也呈逐年增長態勢，已逐漸成為碳減排的重要領域之一，以《“十四五”現代物流發展規劃》的發布為標志，該規劃著重強調要將綠色環保理念滲透進現代物流發展的全鏈條，以實現物流的可持續發展，如今的現代物流業已正式進入體系化建構的新階段。

綠色金融作為促進產業綠色轉型的一大重要動力源，其在物流業綠色轉型中也扮演著至關重要的角色，綠色金融的發展能夠為物流業綠色轉型提供資金支持，同時物流業的綠色轉型也有利于優化綠色金融工具，促進綠色金融體系的完善創新。據市場研究機構及中國物流與采購聯合會發布的數據顯示，全球綠色物流市場規模已從2019年的約1200億美元增長到2025年的約1800億美元，年復合增長率6.5%，其中亞太地區占比最高，2018年中國綠色物流市場規模已達到1.7萬億人民幣，同比增長17.9%，行業綠色轉型市場廣闊，發展步伐逐步加快。然而，由于在環保理念、政策制定、行業轉型、基礎設施技術及專業人才等方面存在不足，我國物流業綠色轉型道路依然面臨著嚴峻的挑戰，尤其是在政策法規及技術創新、資金支持等方面，我國與發達國家有著一定程度上的差距，這在很大程度上限制了行業綠色轉型的效率。

因此，如何完善相關政策，提高物流業綠色技術創新水平，從而最大化促進行業綠色轉型將是本文研究的核心目的。文章致力于驗證綠色信貸水平對物流業綠色轉型的促進作用，同時探索環境規制對加深這一作用的效果，為行業綠色轉型提供政策性參考意見。研究綠色金融與物流業綠色轉型之間的關系，在理論層面上，將有利于后續政策在物流業的落實中，提供更具針對性的政策安排；在實踐層面上，也將有利于引導綠色信貸根據不同行業屬性進行有側重點的規劃布局，以使資金配置更加合理，更具針對性的助力物流業綠色轉型，從而實現物流業的長遠健康可持續發展。

本文的邊際貢獻在于：第一，研究視角不同。已有文獻多從微觀企業角度討論重污染企業，缺少從宏觀整體產業角度對某一重點行業根據其屬性特點進行的深入研究，物流業作為我國高污染物排放占比行業之一，理應對其進行深入探究。第二，綠色轉型指標的測量更加精準。已有文獻多采用單一指標對綠色轉型情況進行度量，本文根據物流業的行業特性有針對性的分別從人力、能源、資金以及污染物排放角度多維度、全方位的對物流業的綠色轉型情況進行了衡量；第三，從研究結論看，本文進一步論證了環境規制對物流業綠色轉型的影響情況。現有文獻在研究環境規制的影響作用是，較少提及到針對物流行業的行業影響情況。

本文余下部分的結構安排如下：第一部分為文獻綜述及研究假說；第二部分為研究設計，對文章的模型、指標數據進行了說明；第三部分為實證結果分析，主要是對第二部分提出的研究假設進行論證；第四部分為文章結論及啟示。

1  文獻綜述及研究假設

綠色金融的相關概念最早是在1962年《寂靜的春天》一書中提出，書中批判了美國20世紀50年代通過犧牲環境為代價追求經濟增長的粗放發展方式，并提出推進環境保護和可持續發展組織建立。1995年，中國人民銀行也頒布了《關于貫徹信貸政策與加強環境保護工作有關問題的通知》，并首次提出將金融機構信貸工作與環境保護結合起來，把環境保護和污染防治納入到銀行授信決策因素中[1]。《關于構建綠色金融體系的指導意見》中明確指出綠色金融包括綠色信貸、綠色債券、綠色股票指數和相關產品、綠色發展基金、綠色保險以及碳金融等[2]，但受限于數據的可得性，難以通過上述指標綜合分析綠色金融，現有文獻多以綠色信貸為代表對我國綠色金融發展情況進行研究。

已有研究多集中于對綠色金融與污染企業綠色轉型、創新發展之間關系的探索。周肖肖、王馨[3]等人在綠色金融與綠色創新關系方面進行了研究，指出綠色金融有利于引導金融體系內部資金流向綠色領域，優化資源配置，從而更好的促進綠色發展，推動“雙碳”目標的達成。李青原研究了環境規制與企業綠色創新激勵之間的關系，發現不同的環境規制工具對企業產生的效果截然相反。斯麗娟等人研究了綠色信貸政策與企業環境責任之間的關系，她認為綠色金融是支持環境改善、應對氣候變化和資源節約高效利用的重要經濟活動，能夠更加有效的解決環境項目外部性、信息不對稱等問題，從而激勵金融機構和企業承擔更多社會責任。而與本文研究最為密切的一支文獻，主要研究了綠色信貸政策對高污染企業綠色轉型的經濟效應。展開來說，喻旭蘭（2023）[4]指出，綠色信貸實施后的高污染企業減排成效提升而全要素生產率下降，且主要是通過前端污染減少產生，因此在前端治理方面促進了高污染企業的綠色轉型。

上述研究更側重于政策頒布前后重污染企業角度綠色轉型情況，采用了雙重差分DID研究方法，在研究對象上也更側重企業端的籠統闡述，沒有具體根據某一行業的特性展開分析，對綠色信貸這一金融工具在某一行業實際產生的效果上并未進行深入研究，且在對企業綠色轉型指標的度量方面也多從單一角度出發，難以從多維度全面衡量轉型的實際情況。基于上述分析，文章依據外部經濟和信息不對稱兩大理論，對綠色金融與物流業綠色轉型進行深入研究，并提出相關假設如下：

H1：綠色信貸的運用可以顯著促進物流業的綠色轉型。

H2：環境規制約束力的提高顯著增強了綠色信貸對物流業綠色轉型的正向促進效應。

2  研究設計

2.1  計量模型

本文的基本回歸方程如下所示：

GTLIi,t =β0+β1GCi,t+β2Xi,t +εi,t                                     （1）             

其中GTLIi,t表示所處省份物流產業綠色轉型發展水平；GCi,t表示所處省份綠色信貸發展水平；Xi,t 表示省份層面的控制變量；εi,t表示干擾項；下標i表示省份；下標t表示年份。

2.2  指標與數據

2.2.1  數據來源

鑒于本文數據的可得性，文章搜集了2011~2020年中國30個省級行政區（不含西藏自治區和港澳臺）數據研究綠色信貸與物流業綠色轉型之間的關系，物流業主要包括交通運輸業、倉儲業以及郵政業三大部門。為消除量綱、價格及地區差異影響，相關指標均進行比率化或對數化處理。原始數據來源于中國統計局、國泰安數據庫及各省份統計年鑒，采用線性插值法對缺失值進行補充。

2.2.2  變量選取

2.2.2.1  被解釋變量

物流產業綠色轉型水平GTLI[5]。參考已有研究，針對物流產業綠色轉型情況的評定多選取行業相關投入-產出指標，運用DEA方法進行測算所得。基于此，綜合張珺（2022）[6]和呂世宇（2023）對物流產業綠色轉型的測量，本文分別從人力、資本、能源三方面考慮投入要素，從運輸量、污染物排放量兩個主要方面考慮產出要素對該指標進行綜合測算。具體衡量表格如下表1所示：

表1：物流業綠色轉型指標

　 一級指標 二級指標

投入 人力 物流行業從業人數

資本 物流行業增加值

能源 物流行業能源消耗總量

產出 污染物排放 CO2排放量

貨物運輸 貨運量

貨運周轉量

2.2.2.2  解釋變量

綠色信貸GC[7]。考慮到數據的可得性，以及綠色信貸在我國綠色金融體系中的占比情況，故本文以綠色信貸進行衡量。參考郭威（2021）、毛彥軍（2022）等人對綠色信貸指標的測量方法，目前主要有以下四種衡量指標：綠色信貸占比、節能環保項目貸款占比、工業污染治理投資中的“銀行貸款”、反向指標六大耗能產業利息支出占比。考慮到數據的可得性以及本文針對全國30個省份（自治區、直轄市）物流產業綠色轉型情況研究的特性，采用各省份環保項目信貸占比即各省環保項目信貸總額占全省信貸總額比例對綠色信貸進行衡量。

2.2.2.3  調節變量

環境規制ER。現有研究針對環境規制的衡量主要有兩大衡量方法：一種是投資型環境規制，即采用工業污染治理投資與工業總產值占比進行衡量；另一種是命令型環境規制，即對各省份各類污染物排放進行加權求值計算綜合指數來表征城市的環境規制強度。本文參考王永貴（2023）的做法，利用工業污染物治理投資占工業總產值比重對環境規制進行衡量。

2.2.2.4  控制變量

市場化指數MK參考樊綱的《中國市場化指數》；對外開放水平OPEN利用進出口總額取對數進行反映；產業結構PTL即采用第三產業占比進行衡量；政府干預水平GIL利用財政支出占GDP比重進行衡量；國內生產總值GDP取對數處理；交通基礎設施建設水平IFC采用各地區貨運量取對數進行測量。 

2.3  描述性統計

表2報告了主要變量的描述性統計結果。根據結果可以發現：從物流業綠色轉型角度來看，物流業綠色轉型水平最大值為1.124，最小值為0.112，標準差為0.207，均值為0.397，反映出各省份物流行業綠色轉型水平差距不大，但其發展水平較低，還有較大的發展空間；從綠色信貸角度出發，其最大值為0.097，最小值為0.112，均值為0.047，各地區綠色信貸發展水平相對較低，還有一定的發展空間。

表2：主要變量的描述性統計

變量類型 變量名稱 樣本符號 樣本量 均值 標準差 最小值 最大值

因變量 物流業綠色轉型 GTLI 300 0.397 0.207 0.112 1.124

自變量 綠色信貸水平 GC 300 0.047 0.018 0.012 0.097

調節變量 環境規制強度 ER 300 0.003 0.003 0 0.028

控制變量 市場化指數 MK 300 7.941 1.892 3.359 11.934

產業結構 PTL 300 47.147 9.762 29.7 83.9

對外開放水平 OPEN 300 15.38 1.567 10.413 18.508

政府干預水平 GIL 300 0.25 0.103 0.11 0.643

國內生產總值 GDP 300 9.833 0.856 7.421 11.615

交通基礎設施建設水平 IFC 300 11.604 0.83 9.44 12.981

3  實證分析

3.1  基準回歸

本文選取三階段DEA模型對物流業綠色轉型指標進行測算，因其能夠從多投入、多產出角度更加全面的反應物流業的轉型情況。同時，文章采用Deap2.1軟件對各省綠色轉型指數進行測算，最終測算結果顯示，我國物流產業綠色轉型指數在2011~2020年間總體呈增長態勢，但年平均值相對較低僅為0.397還存在較大的提升空間，后續還應進一步優化投入產出比重，進一步提高物流產業綠色轉型效率。

基于三階段DEA測算的物流產業綠色轉型指數，本文通過引入綠色信貸建立面板Tobit模型進一步檢驗綠色信貸與物流產業綠色轉型二者之間的關系。由于物流產業綠色轉型數值集中在固定范圍屬于截斷數據，普通多元線性回歸模型不能很好地處理這種類型的數據，而tobit模型是一種很好的處理截斷數據的回歸方法，同時Hausman檢驗結果顯示固定效應模型更適合本文研究的問題，故本文最終選擇固定效應Tobit模型,采用stata17.0利用式（1）模型對2011~2020年這10年的數據進行基準回歸分析。回歸結果見表3：

表3：基準回歸結果

　 （1） （2） （3） (4)

被解釋變量 GC GC GC GC

GC 4.9620*** 3.0980** 2.0554*** 2.9123*

（-13.1900） （-2.1800） （-6.1000） （-1.8800）

MK 0.0029 -0.0330***

（-0.3300） (-3.3400)

OPEN 0.0351** (0.0260)

（-2.3400） (-1.6400)

IFC -0.0710*** -0.1681***

(-3.4700) (-8.4300)

PTL 0.0029 -0.0060**

（-1.6100） (-2.5700)

GIL -0.4434*** 0.6156 

(-3.4200) （-1.4700）

GDP 0.0002 0.3543***

（-0.0100） （-3.9000）

個體固定 否 是 否 是

時間固定 否 是 否 是

N 300.0000 300.0000 300.0000 300.0000 

log likelihood 51.3660 243.1008 81.9155 260.9382 

 Prob > F 0.0000 0.0000 0.0000 0.0000 

注：* 表示p < 0.1, ** 表示p < 0.05, *** 表示p < 0.01，括號上方為系數，括號內為標準差（下同）

表3中第（1）、（2）列是在不加入控制變量的前提下，分別對時間、個體進行固定，第（3）、（4）列是加入控制變量的前提下再分別對時間及個體進行固定，第（1）、（3）列不對個體及時間進行固定，第（2）、（4）列對個體及時間進行固定。結果顯示綠色信貸對物流產業綠色轉型的回歸系數分別為4.962、3.098、2.055和2.912，在統計上是顯著的，表明綠色信貸與物流產業綠色轉型呈正相關關系。因此，假設1得證。

以上結果表明，隨著全國綠色信貸放貸強度的增加，物流產業的綠色轉型效率也將得到進一步的提升。產生上述積極影響的原因可能在于：一方面，在“雙碳”目標的指引下，綠色信貸作為傳統金融行業在金融投資領域內的一種革新，通過優惠貸款利率、增加貸款額度等方式產生激勵約束，引導政府及社會各界資金流向環境友好型產業，增加資金供給，降低綠色行業項目融資門檻，更好地促進物流業綠色技術創新研發，從而提高行業綠色轉型效率。另一方面，綠色信貸一般是限制高污染、高耗能行業的資金供給，而物流產業過去在倉儲及運輸等環節均會產生大量污染物排放，綠色信貸也能夠將不愿意進行綠色轉型的高污染、高耗能企業淘汰出局形成一種反向強制性約束，從而倒逼行業進行綠色轉型升級。

3.2  穩健性檢驗

為驗證研究結果的可靠性，本文進行了如下穩健檢驗：

3.2.1  更換樣本模型檢驗方法

前文已使用固定效應Tobit方法對模型進行回歸，為驗證文章結果并非依賴特定統計方法，本部分將分別使用后隨機效應和混合Tobit方法對模型進行回歸檢驗，回歸結果見表4。表4第（1）、（2）兩列是運用了混合Tobit方法對綠色信貸與物流業綠色轉型的基本方程進行回歸的結果，（3）、（4）列是運用隨機效應Tobit方法對綠色信貸與物流業綠色轉型的基本方程進行回歸的結果，綠色信貸的系數均顯著為正，表明本文的結論具有穩健性。

表4：更換檢驗方法

（1） （2） （3） （4）

被解釋變量 GTLI GTLI GTLI GTLI

GC 4.9620*** 2.0554*** 3.0980* 2.9123*

(13.1900) (6.1000) (1.7500) (1.7400)

Control 是 是 是 是

個體固定 否 否 是 是

時間固定 否 否 是 是

N 300.0000 300.0000 300.0000 300.0000 

Log pseudolikelihood 51.7474 82.3628 243.6895 261.5430 

 Prob > F 0.0000 0.0000 0.0 0.0

3.2.2  調整樣本量及樣本期

考慮到北京、上海、廣東分別是我國北部、東部、南部區域最發達地區，且國內證券交易所也分別位于上述地區，區域金融實力排名前三，金融市場發展也最為充分。因此，為避免可能存在的反向因果關系，分別采用以下兩種方法對文章結果進行進一步的檢驗。第一，調整文章樣本量，刪除北京、上海、廣東三個地區的樣本進行穩健性檢驗，檢驗結果通過。第二，為控制綠色信貸與物流產業綠色轉型存在的反向因果關系，將核心解釋變量進行滯后處理，在一定程度上緩解反向因果問題的存在。上述檢測最終均通過，H1成立。

3.3  進一步分析

綠色信貸作為引導資金流入的內部治理因素，能夠對物流業的綠色轉型產生直接的影響，而環境規制作為外部約束性治理因素，也可以對綠色信貸與物流業綠色轉型之間的關系發揮調節作用（圖1）。

借助溫忠麟（2014）和董直慶（2019）的研究方法，在前文模型基礎之上以綠色信貸指標作為因變量，以物流產業綠色轉型指標、環境規制及其交互項作為解釋變量，構建面板數據模型式（2）見下，進一步檢驗綠色信貸和環境規制對物流業綠色轉型的影響，回歸結果見表5。

GTLIi,t =γ0+γ1GCi,t+γ2ERi,t+γ3 GCi,t* ERi,t+γ4Xi,t +εi,t                     （2）    

表5：調節效應回歸結果

被解釋變量 GTLI

GC 0.5370 

(1.0437)

ER -10.2771**

(4.2653)

GC*ER 426.7332**

(185.8377)

Control 是

N 300.0000 

prob＞b 0.0000 

log likelihood 85.0354 

具體來看，對于環境規制的調節作用，表5回歸結果顯示環境規制與綠色信貸的交乘項在5%的水平上顯著為正，表明環境規制在一定程度上對綠色信貸與物流業綠色轉型之間的關系起到了正向促進作用，從而H2得證。

4  結論及建議

本文探索綠色信貸在中國物流行業綠色轉型實踐中的運用情況，實證檢驗了其二者之間的關系，最終得出結論如下：第一，綠色信貸水平的提高有利于促進物流業整體的綠色化轉型；第二，環境規制強度的提高也將對綠色信貸與物流業綠色轉型之間的起到正向調節作用。

基于本文的研究結果，從激勵機制和約束機制幾個層面提出如下啟示：

從激勵機制方面來看，以綠色信貸為主的綠色金融相關政策的落實對于物流業的綠色轉型項目能夠起到激勵帶動效應，綠色信貸能夠在降低成本、減緩風險、提高行業企業競爭力以及可持續發展等方面對行業起到正向的引導作用。因此，應持續引導綠色信貸對物流行業的幫扶，降低行業綠色轉型技術研發的融資門檻。

從約束機制角度來看，提高環境規制強度，能夠通過政策行為對其進行諸如排碳約束、征收“排污費”等的限制，對各行業主體污染行為起到強制力約束作用，從而“倒逼”其進行綠色轉型。因此，要繼續加強對行業能源消耗情況的監管力度，推動建立健全行業排污標準體系，走物流業綠色可持續發展道路。

本文來源：《物流科技》http://www.007hgw.com/w/jg/30901.html