绿色信贷、技术创新对制造业碳排放效率的影响研究

目录TOC\o"1-3"\h\u摘要 IAbstract II目录 III1绪论 11.1研究背景及研究意义 11.1.1研究背景 11.1.2研究意义 21.2研究方法及内容 31.2.1研究方法 31.2.2研究内容及思路 31.3创新点 42文献综述 52.1关于绿色信贷对碳排放效率的影响的研究现状 52.2关于技术创新对碳排放效率的影响的研究现状 62.3关于绿色信贷对技术创新的影响的研究现状 72.4文献评述 73理论分析与假设 83.1绿色信贷对制造业碳排放效率的直接影响分析 83.2绿色信贷对制造业碳排放效率提升的技术创新路径分析 93.3绿色信贷对制造业碳排放效率的异质性与门槛效应分析 104研究模型与数据处理 114.1数据来源与变量选取 124.1.1数据来源 124.1.2研究变量 124.1.3变量的描述性统计 144.2模型构建 154.2.1非期望产出超效率SBM模型 154.2.2莫兰指数 164.2.3空间杜宾模型 164.2.4中介效应检验 164.2.5门槛效应检验 175实证结果分析 175.1制造业碳排放效率的测度结果分析 175.2绿色信贷对制造业碳排放效率的影响分析 215.2.1空间自相关检验 215.2.2回归结果分析 235.3绿色信贷对制造业碳排放效率的中介效应分析 265.4绿色信贷对制造业碳排放效率的门槛效应分析 285.5绿色信贷对制造业碳排放效率的异质性分析 306结论及政策建议 316.1研究结论 316.2政策建议 326.3不足之处与展望 33参考文献 35绪论研究背景及研究意义研究背景自工业革命以来，伴随着化石能源大规模开采利用，大气中温室气体的排放强度呈现出指数级增长态势，随之而来的是日益严重的气候变化问题。气候变化对于自然环境和人类社会都具有负面影响，极端天气频发、环境污染等问题层出不穷，因此，如何降低碳排放量、提升碳排放效率成为全球性议题，低碳发展成为传统宏观经济目标外的第五大目标，并逐渐成为全球共识。众多国家将低碳发展纳入提升全球竞争力的发展战略中，绿色低碳技术创新、低碳企业、低碳经济等成为新时代国家和社会发展新的制高点。中国作为世界第二大经济体，碳排放在世界碳排放量中占据重要地位，数据显示2024年中国碳排放约占全球总量的三分之一。对中国而言，低碳发展不仅仅是世界低碳发展进程中中国的国家责任感的体现，更是中国提升经济发展质量、促进产业转型升级的重要方向和必经之路。长期以来，我国的各行业发展呈现出“粗放式增长”的特点，引起了资源配置效率低下、生态环境恶化等问题。厉以宁等（2017）指出，低碳发展除阻止全球气候恶化外，还具有优化能源结构、培育可持续竞争力的作用[1]。为此，中国促进各产业低碳发展、实现经济转型升级刻不容缓。中国金融市场具有银行主导型和间接融资为主的特征，银行信贷是我国制造业主要的外部融资渠道。绿色信贷政策要求银行在发放贷款时关注企业与项目是否符合环境检测标准、是否有利于生态保护等，对于绿色经济的增长有积极的促进作用。绿色信贷能够显著地抑制碳排放[2]：一方面绿色信贷通过信贷手段引导资金流向、提升融资门槛，从而人为调控资金在环保企业和高污染企业间的分配，控制企业的外部融资，以促进产业层面的绿色转型[3]；另一方面绿色信贷能够激励企业进行技术创新、提升综合效率，从而实现企业层面的低碳发展。技术创新在中国实现低碳发展、生态文明建设中具有重要意义。现有技术水平的提高、新技术的出现能够通过多渠道降低企业的碳排放、提升碳排放效率。通过提升能源利用效率，技术创新表现出“技术红利”效应，能够有效促进企业碳排放绩效的改善[4]；不仅如此，绿色技术创新能够有效提升企业在碳减排中的意愿与担当，从而实现企业的低碳转型[5]。自2020年提出“双碳”目标以来，产业结构的绿色低碳转型已经成为我国国民经济发展中的重要议题，力求实现全社会的绿色转型。我国建立了世界上规模最大、门类最齐全的制造业体系，制造业对于我国而言，不仅是国家技术创新、经济发展中的重要力量，更具有创造就业机会、增加税收等作用，在维持社会稳定、促进国家发展中占据不可或缺的地位。作为我国国民经济的主导产业，也作为中国碳排放的主体，中国的制造业发展必须完成从要素扩张型到效率增进型的转型[6]，因而提升制造业碳排放效率、促进制造业产业的绿色转型升级对于取得经济增长和低碳发展的双赢具有重要意义。研究意义作为我国碳排放中的重要产业，从制造业行业层面研究提升碳排放效率符合国家低碳发展战略需求，对于推动全面低碳转型有重要意义。本文选取省级制造业碳排放效率为研究样本，运用空间计量经济学方法探究绿色信贷对制造业碳排放效率的影响并揭示绿色信贷通过技术创新路径促进碳排放效率提升的内在机理，具有以下的现实意义与理论意义。（1）现实意义第一，本文通过分析绿色信贷对于制造业碳排放效率的影响及作用机制，为提升制造业碳排放效率和促进产业转型升级提供了依据，并为政策制定者提供了切实可行的政策建议。本文对各省制造业碳排放效率进行了测算，从绿色信贷这一方面探究了影响效应，并探究绿色信贷影响碳排放效率的作用机制，明确了绿色信贷与碳排放效率之间的关系以及不同省份之间存在的影响差异性。研究结果帮助各省制定切实可行的政策以提升制造业碳排放效率，将绿色信贷与技术创新相结合，共同推动制造业向高附加值、低环境污染的方向发展。第二，本文的研究结果为各省份提供了绿色信贷和技术创新的优化路径，有助于各省份实现制造业的低碳转型。绿色信贷通过缓解资金约束、优化资源配置等途径能够从融资层面提升制造业碳排放效率、促进制造业低碳转型。本文通过研究绿色信贷不同发展阶段下的制造业碳排放效率情况，为各省份明确未来绿色信贷发展路径、开展绿色信贷后续业务提供了参考。（2）理论意义第一，本文为制造业部门碳排放效率提供了较为详细的核算方法。制造业部门作为低碳发展过程中的重点部门，现有研究大多聚焦于制造业的碳排放强度的核算及研究，强调总量控制而忽略了相对效率，且相关碳排放效率核算方法尚未形成共识。本文从投入和产出两方面出发综合衡量制造业企业的碳减排能力，对制造业碳排放效率的核算问题进行具体解答，有助于后续关于制造业部门碳排放效率的研究的开展。第二，现有研究大多分析绿色信贷或者技术创新对于碳减排的单纬度影响，而忽略了两者之间可能存在的交互作用。本文通过研究绿色信贷与技术创新间的中介效应实证检验了绿色信贷提升碳排放效率的技术创新路径，不仅揭示了两者如何协同作用于制造业碳排放效率的提升，而且为“波特假说”中的适当的环境制约促进技术创新的结论提供了有力的新证据，拓展了碳减排相关理论。研究方法及内容研究方法本文基于全国30个省份的面板数据集构建空间计量模型以探究绿色信贷对于制造业碳排放效率的影响及作用机制，本文重点解决的问题包括：我国制造业碳排放效率的时空演化特征；绿色信贷是否能够提升制造业碳排放效率；绿色信贷影响制造业碳排放效率的传导机制等，本文使用的研究方法如下：（1）空间计量模型。在测算各省份制造业碳排放效率并分析效率变化趋势的基础上，本文采用全局和局部莫兰指数检验数据的空间自相关性，通过LM检验与Wald检验选用空间杜宾模型，根据回归结果分析绿色信贷政策对于制造业碳排放效率的影响。（2）中介效应分析。中介效应是指自变量通过影响中介变量最终影响因变量的内在作用机理，进行中介效应分子旨在深入探究因变量与自变量之间的关系。本文引入技术创新这一中介变量，分析技术创新在绿色信贷与制造业碳排放效率中的作用，并从实证角度验证了“波特假说”的合理性。（3）门槛回归模型。门槛效应指的是当门槛变量的值超过某一个临界值之后，会引起另一个变量的显著变化，这个临界值被称为门槛值。绿色信贷发展的不同阶段对于制造业碳排放效率的影响存在差异，本文通过构建门槛回归模型为处于绿色信贷发展不同阶段的省份因地制宜制定个性化的发展策略提供依据。研究内容及思路本次研究主要围绕如下问题展开：其一，绿色信贷对制造业碳排放效率的影响及传导路径；其二，绿色信贷与制造业碳排放效率之间的非线性门槛特征；其三，绿色信贷对制造业碳排放效率的空间异质性效应。本文的技术路线图如图1.1所示。第一章为绪论部分，系统阐释了研究的背景、理论和现实意义，明确研究方法与内容体系，并总结了本次研究的创新点。第二章为文献综述部分，系统梳理绿色信贷、技术创新与制造业碳排放效率的交互作用机制。探究绿色信贷政策对制造业碳减排的直接影响，分析技术创新在制造业低碳转型中的中介传导路径，并探讨绿色金融与技术创新的交互作用，接着在此基础上对现有文献进行综合评述。第三章为理论分析与假设部分，对绿色信贷对制造业碳排放效率的影响以及绿色信贷影响碳排放效率的机制作了总结并提出初步假设。第四章为研究模型与数据处理部分，包括数据来源、变量选取、描述性统计与相关模型构建。第五章为实证结果分析部分，在对制造业碳排放效率测度结果进行分析的基础上，运用Stata软件完成空间自相关性检验、稳健性检验、中介效应分析、门槛效应检验和异质性分析五项核心检验。第六章为结论及政策建议部分，基于实证分析结果，分别从宏观、中观以及微观三个角度提出可行性建议，并对未来的研究提出展望。图STYLEREF1\s1.SEQ图\*ARABIC\s11技术路线图创新点（1）从制造业视角出发，精准探究绿色信贷对制造业碳排放效率的影响及作用机制。本文从制造业这一在碳排放中至关重要的行业出发，探究绿色信贷、技术创新对于制造业行业的碳减排效果并分析不同区域绿色信贷的影响的差异性，较之现有研究更具有针对性和精确性，为制造业行业提升碳排放效率、进一步实现总的低碳发展目标提供了理论和实证上的参考。（2）聚焦碳排放效率，兼顾多种投入、产出要素对碳排放和企业效益的影响。现有研究大多关注单维度的碳排放强度指标，本文则聚焦于碳排放效率这一多维度综合指标，从多要素投入和产出角度衡量制造业的碳减排发展状况，避免了单一维度可能带来的减排误区，更符合当下“双碳”目标对于相对效率的强调。（3）避免单一因素分析，揭示绿色信贷与技术创新在制造业低碳转型中的协同效应。目前有关绿色信贷与技术创新之间的交互作用、绿色信贷与技术创新在制造业碳排放效率提升中的协同效应等方面的研究较少，多数研究选择分别分析绿色信贷与技术创新在碳减排中的作用。本文则通过中介效应分析的方法揭示绿色信贷政策与技术创新如何协同作用于制造业碳排放效率，并充分考虑数据的空间自相关性与异质性，丰富了现有的碳减排理论框架。文献综述关于绿色信贷对碳排放效率的影响的研究现状现有研究对绿色信贷的定义主要分为以下几类：Jeucken（2001）开创性地将绿色信贷定义为可持续融资，强调银行机构在可持续发展中的作用[7]；而ThompsonandCowton（2004）认为绿色信贷是由于贷款业务会影响自然环境状况，出于对于环保的考虑，银行在发放贷款时将环境因素纳入审核机制，并据此作出相关贷款决定[8]。邓聿文（2007）则将其定义为银行等金融机构依据国家的环境经济政策和产业政策实施的差别化信贷政策，具体表现为对符合国家可持续发展导向的企业提供低成本的贷款支持；反之，对于重污染企业实施信贷规模约束。综合各个学者研究来看，目前对于绿色信贷的定义主要聚焦于两个方面，即商业银行发放贷款时的标准以及实施绿色信贷政策的目的。就绿色信贷的评判标准和制度而言，目前缺乏统一的评判标准，但是张明和陈骁（2024）指出目前全球认可度最高的有关绿色信贷的标准主要有三个，即“赤道原则”、《绿色贷款原则》和《可持续发展关联贷款原则》[10]。“赤道原则”从环境和社会风险管理的角度对绿色信贷做出要求，更适用于项目融资，而《绿色贷款原则》更强调资金用途是否具有“绿色性”，因此相比于“赤道原则”而言，覆盖了更为广泛的贷款类型，《可持续发展关联贷款原则》则将ESG考虑其中，相较于前两个原则更关注企业和项目的节能减排。与国际标准不同，我国的绿色信贷规则主要包含绿色信贷指引、绿色信贷统计制度和绿色信贷的业绩评价指标三方面内容。大多数学者认为绿色信贷对于碳减排具有促进作用。一方面，绿色信贷为环保企业提供了更为优惠、成本更低的资金，环保企业的融资约束得到缓解，另一方面，绿色信贷减少高污染企业可获取的资金数量；通过影响资源配置，绿色信贷能够促进碳减排和低碳发展。以我国制造业为研究对象，学者发现绿色信贷政策显著降低了重污染企业的碳排放强度，且该政策以降低能源消耗强度和资本更新为主要影响途径[11]；不仅如此，绿色信贷政策还能够通过提升企业全要素生产率的方式引导高污染企业减少碳排放[12]。绿色信贷的碳减排效果对于不同地区以及不同规模的企业存在异质性，其中，对于东部地区的公司、中型公司而言绿色信贷的碳减排效果更好[13]。但同时，也有学者认为绿色信贷会通过信贷融资约束和挤出效应等阻碍重污染企业的绿色转型，并且绿色信贷对于私营和中小型企业的碳减排抑制作用更为明显[12]。关于技术创新对碳排放效率的影响的研究现状绿色技术创新主要是指对于环境具有正的外部性的技术创新。Acemogluetal.（2012）将绿色技术定义为能够减少环境污染、对环境具有正面影响的技术[14]。与一般技术创新不同，绿色技术创新有其相应的特点。企业在进行绿色技术创新时，不仅期望降低对环境的污染，更希望能够获得经济效益[15]，并且这两者间是存在一定矛盾的[16]。目前有关绿色技术创新的研究主要可以分为两类。一类是有关绿色技术创新水平的影响因素的研究。综合来看，制度因素及市场因素对技术创新具有影响。张天悦（2014）指出环境规制不仅能为企业营造创新环境以提高其技术创新能力和成果转化水平，还能减少绿色创新在制度环境方面的不确定性[17]。而李怡娜和叶飞（2011）以广东省珠三角地区的制造型企业为研究对象，研究发现强制性的环境法律法规和竞争压力对于企业绿色技术创新有显著的正向影响，而激励性的环境法律法规和压力对企业绿色技术创新的影响并不显著[18]。张倩和曲世友（2013）通过理论模型分析环境规制和绿色技术创新之间的关系，研究发现企业采纳绿色技术的程度与环境规制政策的强度间呈现“倒U型”关系[19]。Cleff与Rennings（1999）则认为市场也是推动绿色技术创新的重要因素[20]，企业会出于降低成本和迎合客户需求的动机降低成本和迎合客户需求的动机进行技术创新以提升效益[21]。另一类研究则是关于绿色技术创新的影响层面。从微观层面来看，绿色技术创新对于企业绩效有影响。基于中国电子制造企业的数据，Wong（2013）认为绿色创新对企业绩效有促进作用[22]；而李怡娜和叶飞（2013）则认为企业的环保创新实践对于企业的环境绩效有正向作用，且会通过环境绩效间接地作用于企业的绩效[23]。从宏观层面来看，绿色技术创新对于碳排放及环境具有积极影响[24]，Wangetal.（2021）通过构建杜宾模型发现绿色技术创新是提高绿色全要素生产率和实现可持续发展目标的重要途径[25]；不仅如此，Apak和Atay（2015）还指出绿色技术创新能够有效提升企业和国家的全球竞争力[26]。绿色技术创新对于碳减排具有促进作用。古惠冬等（2022）基于我国城市数据构建空间杜宾模型发现绿色技术创新能够促进城市碳减排，并且通过结构优化效应和节能效应对碳排放产生间接驱动作用[27]。进一步以高耗能制造业企业为研究对象，学者研究发现绿色技术创新的数量和质量都能够显著促进高耗能制造企业的碳排放效率提升，并且这种促进作用对中部地区及衰退企业尤为显著[28]。深入考量绿色创新对制造业企业内部碳绩效的影响可知，绿色创新对企业碳绩效有重大贡献，能够有效提升碳排放效率、促进企业节能减排[29]。关于绿色信贷对技术创新的的影响的研究现状绿色信贷对技术创新存在影响。在我国，银行贷款是企业最重要的外部资金来源。绿色信贷对于发展新质生产力及促进绿色创新有促进作用[30]。作为一种融资方式，绿色信贷能够通过拓宽资金获取渠道、降低融资约束的方式提升企业研发投入[31]，从而进一步促进企业创新产出。通过减少银行与企业之间的信息不对称，银行可以通过提供绿色信贷支持企业绿色转型，促进企业绿色技术创新[32]。绿色信贷的技术创新促进作用存在显著的差异性：融资约束程度越高的环保企业，绿色信贷对企业技术创新的促进作用越强[33]；相对于非绿色信贷限制行业，绿色信贷政策对于绿色信贷限制行业的技术创新有显著的促进作用，但绿色创新质量的提升并不明显[34]。在绿色信贷的不同发展时期，其对于绿色技术创新的影响也不同，实证表明绿色信贷对绿色技术创新产生U型影响，效果从前期不太突出逐渐转变为突出[35]。文献评述总结现有文献可以看出，关于绿色信贷的研究较为全面，国内外学者分别从理论层面与实践层面探讨绿色信贷的内涵、评价标准等，研究结果表明了发展信贷对于低碳、可持续发展有积极的促进作用，目前我国的绿色信贷蓬勃发展，未来仍需继续发展绿色信贷。现有研究主要聚焦于绿色信贷对于整体或某一特定区域的碳排放的影响。关于制造业碳减排的研究目前则主要聚焦于制造业碳排放量及强度上，大多数研究关注制造业碳减排的影响因素，对于制造业碳排放效率的研究则较少，这主要是因为一方面碳排放效率还没有统一的综合性衡量指标，另一方面现存测算方法较多，缺乏统一的测算方式。目前，关于绿色信贷、技术创新与制造业碳排放之间的关系研究主要集中于绿色信贷和技术创新对制造业碳排放的单一影响，而对两者之间的交互作用以及两者在碳减排中的协同效应方面的探讨相对较少。除此之外，现有研究主要侧重于全国各省份绿色信贷、技术创新与碳减排间的关系，关于特定行业的研究则相对较少。接下来的研究要更加关注碳排放效率指标的构建、特定行业绿色信贷和技术创新与碳减排间的关系、绿色信贷与技术创新间的交互关系等方面。理论分析与假设绿色信贷对制造业碳排放效率的直接影响分析绿色信贷作为环境经济相关的核心政策工具在可持续发展战略框架中占据重要地位：自"双碳"目标提出以来，我国着力构建相关政策体系，尤其注重信贷资源配置的绿色化转型。具体而言，2012年中国银监会颁布的《绿色信贷指引》明确提出银行等金融机构需充分发挥其在推动经济与社会低碳转型中的重要作用。与传统信贷一样，绿色信贷作为金融机构为了促进环境保护而开发的一种金融工具同样反映了金融机构与资金需求方的债权债务关系，同样强调经济上的盈利能力，因此绿色信贷的政策决策中必然要考虑风险承受与回报、关注企业的财务指标。然而与传统信贷无特定环境约束相比，绿色信贷更强调项目、企业的环境友好与否，在核心目标中加入了低碳、环保、可持续发展等概念，重视项目与企业对环境的影响，资金用途限于绿色领域，具有环境导向性的特点，对于促进企业绿色转型、推进低碳经济发展有重要意义。绿色信贷是外部性理论在环保领域的经济学尝试。绿色信贷作为政府的一种环境规制手段，要求金融机构在发放贷款时考虑项目、企业的环境友好程度，通过将融资成本与企业的环境成本高度绑定的方式经由融资渠道引导资金流向，在支持绿色企业发展的同时引导高污染企业制定更具有可持续性的发展策略，减少负外部性行为，增加正外部性行为。一方面，绿色信贷能够为制造业行业中的绿色低碳企业提供成本较低的融资支持，提升环境友好型企业的可支配资金总量的同时降低融资成本，降低风险并增强企业长期的经营稳定性。在获取低成本资金之后，企业能够投入更多资金到绿色项目的建设中，推动企业低碳技术研发与应用，低碳企业、项目在市场上的竞争力得到提升。同时，绿色信贷政策提升了高污染企业的融资门槛，减少企业可获取资金数量，绿色信贷通过资源配置的方式促进制造业的碳排放效率提升。另一方面，绿色信贷政策的制定为制造业企业提供了绿色、低碳的发展方向，提升企业的环保意识与可持续发展理念，引导企业主动将环境保护纳入未来经营、发展的策略中，全面进行技术、经营、管理等层面的低碳转型。通过激励与示范机制，绿色信贷促使企业在项目经营过程中更倾向于采用节能减排技术，从而提升制造业碳排放效率的提升。不仅如此，通过支持制造业各子行业头部企业的绿色转型能够形成正向的示范作用，带动供应链上下游其他企业的低碳发展。基于以上理论分析，本文提出假设：假设1：绿色信贷能够提升制造业碳排放效率。绿色信贷对制造业碳排放效率提升的技术创新路径分析传统经济学观点认为环境制约必将增加企业的成本，在一定程度上可能会阻碍企业进行技术创新的意愿和能力，从而削弱企业的竞争力，继而引起一系列不良后果。然而随着相关研究的深入，越来越多学者指出设计合理的环境制约能够通过激发企业的技术创新活力，提升企业的生产效率和市场竞争力，甚至有可能由于“创新补偿效应”的存在，抵消企业的合规成本，继而实现企业盈利性和环境保护的双重目标。波特假说强调政策对技术创新的促进作用，为政府制定环境制约政策提供了依据。强波特假说认为环境规制必将为企业带来正的净收益，政策约束通过促进企业技术创新带来的收益将高于合规成本，因此环境规制能够提升企业的竞争力；弱波特假说则认为环境规制虽然能够提升企业的技术创新动能，但是是否能够为企业带来正的净收益还取决于政策的设定是否合理、企业所处行业特性等其他条件，政府在制定环境规制政策时需要全面考虑可能的影响因素。大量研究结果显示，环境规制对于技术创新的影响以及对企业绩效的影响具有“波特假说”的正相关效应，早在上个世纪，Lanjouw和Mody（1996）就以美国、日本和德国20世纪七八十年代的环境专利数量和污染治理支出为研究对象，探究环境规制与企业技术创新之间的关系，研究结果表明环境专利数量会随着污染治理支出的增加而增加，同时环境规制对于技术创新的促进作用存在一定滞后期[36]。波特假说的理论核心在于揭示了环境约束与企业竞争力间的传导机制：环境规制激励企业进行技术创新，从而提升企业的竞争力。有效促进企业技术创新的政策工具需满足以下条件：一是政策对于企业的技术创新行为要具有激励作用；二是环境规制的强度要逐渐提升；三是在制定政策的过程中要保留应对可能存在的不确定性的政策调整空间。波特假说强调政府在产业、经济、社会低碳转型中的引导作用，不同的环境规制政策对于企业的技术创新的作用机制呈现出显著的异质性特征。当前主流的环境规制可以划分为费用型环境规制和投资型环境规制两类。前者主要通过增收污染相关费用的方式增加企业的运营成本，虽然短期内能够对企业形成环境治理压力，但是由于挤占了研发投入资源，因此实际上会降低企业的创新动能。而投资型环境规制作用路径主要聚焦于风险分担和收益保障，通过政府补贴等形式降低企业的技术改革风险、增强企业进行技术创新的信心与意愿，投资型环境规制能够提升企业的竞争力[37]。绿色信贷作为一种环境规制政策增加了企业的运营成本，高污染企业在融资约束压力下为了降低运营成本并实现企业绩效的增长有动机进行绿色技术创新。从企业层面看，绿色技术的运用不仅能够提升企业的全要素生产率，还能够抵消合规成本，从而产生正向效应；从制造业层面看，通过提升制造业的整体绿色技术水平、加速环境友好型产品的生产升级，绿色技术创新有助于实现制造业产业的绿色转型。总之，绿色信贷通过提升企业技术创新水平，能够提高能源利用效率，在碳排放量不变的情况下降低相关投入、提升期望产出，或者在投入不变的情况下降低企业非期望产出（碳排放量），从而提升制造业的碳排放效率。基于以上理论分析，本文提出假设：假设2：绿色信贷可以通过技术创新路径促进制造业碳排放效率提升。绿色信贷对制造业碳排放效率的异质性与门槛效应分析基于金融发展理论可知，学者们将其分为金融深化理论和金融抑制理论。金融抑制理论认为金融抑制是由于政府对于金融活动的管制、限制而产生的。利率管制等政策性做法会显著影响市场上信贷资金的配置效率，可能造成资金分配不合理不公正等问题，市场的公平性和有效性受到影响。同时，资金持有者可能出于规避风险的考虑，将资金转化为实物资产；亦或者出于追求高收益的考虑，将资金从政策制定者期望资金流入的领域转投向风险更高的其他领域。这些行为最终都将导致投资活动的减少以及技术进步的停滞不前，对于行业绿色转型产生负面效应。金融深化理论认为，金融体制和经济发展之间存在促进和制约的双重关系，合理、有效的政策才能够更好地促进产业结构升级与经济的高质量发展。综上，金融市场的成熟度对于绿色信贷对制造业碳排放效率的影响十分重要。从资源配置效率来看，发达地区的金融机构的评估能力更强，能够精准识别低碳企业和项目，避免资金流入“漂绿”项目；而欠发达地区的金融市场发展相对滞后，金融机构的评估能力有限，绿色信贷资源可能被伪绿色项目挤占，绿色信贷政策起不到筛选和支持绿色制造业企业的作用，碳排放效率难以得到提升。正如弱波特假说所阐述的，绿色信贷政策并不一定能够提升制造业企业的技术创新水平，还取决于行业、市场等其他因素。绿色信贷政策通常需要一定的经济和制度基础支撑，这些因素被称为“门槛”因素。所谓“门槛效应”，是指绿色信贷的提升制造业碳排放效率的效应中存在着一个或者几个关键点，只有跨过这些“门槛”，才能够实现正面效应。例如，当地区金融发展水平较为低下时，绿色信贷难以实现规模效应，因此提升制造业碳排放效率的效果有限；而当该地区跨越一定的金融发展水平门槛之后，绿色信贷的提升制造业碳排放效率的有效性得到提升。除此之外，企业自身也存在一定的吸收能力门槛，制造业企业只有具备充足的技术研发投入资金和人才储备等基础条件，才能够有效地吸收绿色信贷资金从而进行低碳转型。例如，制造业较为强势的地区的制造业企业能够快速有效地将资金转为技术的提升，而低研发强度的地区的制造业企业更多将资金用于设备的简单置换上，碳排放效率提升效果有限。不仅如此，当未跨越门槛值时，区域内的单一绿色信贷政策容易被其他因素抵消，预期碳排放效率提升难以实现。综合来看，发达地区往往通常具备较高的金融发展水平、较强的技术创新能力和有效的其他环境规制等，在多重条件叠加下，绿色信贷对制造业碳排放效率的提升作用更为显著；而欠发达地区由于较低的金融发展水平、较弱的技术创新能力和较为宽松的环境规制等，即使采取绿色信贷政策，对于制造业碳排放效率的提升作用也相对有限[38]。因此，基于以上理论分析，本文提出假设：假设3：绿色信贷对制造业碳排放效率的影响存在区域异质性。假设4：绿色信贷对制造业碳排放效率的影响存在门槛效应。综合以上分析，总结绿色信贷、技术创新以及制造业碳排放效率间的关系可知：首先，绿色信贷通过资金配置能够直接起到提升制造业碳排放效率的作用。绿色信贷在企业融资中发挥了重要作用。一方面，它为绿色低碳企业提供了低息贷款，为低碳企业构建成本优化通道；另一方面，绿色信贷提高了高污染企业的融资门槛，使得一部分高污染企业退出市场。此外，绿色信贷还通过促进技术创新来影响碳排放效率。一方面，随着高污染企业经营成本的上升，这些企业在降低成本和提升绩效的动机的驱动下进行技术创新；另一方面，绿色信贷为企业低碳技术项目提供定向资金，驱使企业扩大技术研发投资规模。最终，企业通过绿色技术创新能够有效提升资源利用效率并减少单位产出的碳排放强度，从而实现制造业整体的碳排放效率提升与绿色转型。图STYLEREF1\s3.SEQ图\*ARABIC\s11绿色信贷、技术创新与制造业碳排放效率的关系图研究模型与数据处理数据来源与变量选取数据来源本文基于2004-2020年我国30个省、市、自治区（不含港澳台及西藏）的空间面板数据开展实证分析，样本涵盖510个有效观测单元。其中，核心解释变量选取自《中国工业统计年鉴》，被解释变量数据整合自《中国统计年鉴》、《中国工业统计年鉴》以及《中国能源统计年鉴》等。控制变量来源于《中国统计年鉴》，中介变量数据则来自于中国研究数据服务平台（CNRDS）。研究变量（1）被解释变量碳排放效率（cee）是衡量制造业绿色低碳发展水平的核心指标，参考多数学者的做法，本文选取数据包络分析法（DEA）构建基于非期望产出的超效率SBM模型以测算制造业碳排放效率，从资本、劳动力和能源三个角度选取投入指标，并选取期望产出和非期望产出作为产出指标。资本投入：本文选取各省制造业资本存量作为资本投入，参考Lin和Guan（2023）的做法，采用永续盘存法估算数据[39]。具体公式如下所示：Ki,t=1−δi,t在资本存量核算框架中，Ki,t表示省份i在第t年的制造业资本存量，Ki,t-1表示其滞后一期的制造业资本存量水平，鉴于基年数据可得性，本文采取2004年的制造业固定资产净值作为初始资本存量的替代变量。Ii,t代表省份i在第t年的制造业固定资产投资，选用省份i在第t年的城镇制造业新增固定资产表示；δi,t代表各省份的制造业资本折旧率，本文参考Wu（2016）的数据，采用各省份的制造业资本折旧率来计算各省份资本存量数据[40]，有别于大多数学者普遍使用的单一折旧率，能够反映各省份的区域异质性，提升数据准确性。本文中的固定资产投资通过平减转化为2004年不变价前提下的固定资产投资额，平减指数选取各省份固定资产投资价格指数。劳动力投入：人力资本是计算制造业碳排放效率的过程中的重要投入变量，在考虑数据可得性的情况下，本文选取各省份制造业就业人数作为衡量劳动力投入的指标。能源投入：本文选取了各省份的能源消耗总量作为能源投入指标，选取一次能源、二次能源和同时产生的其他产品等作为能源消耗总量的核算范围，其中包括多种常见能源，并分别用各能源的标准煤折算系数将其折算为标准煤相加获得。期望产出：期望产出是指企业通过投入资源所希望获得的有益成果或者目标产品，用以衡量企业自身的成功性。在相同投入要素水平下，期望产出越多效率越高，因此本文选取各省份制造业增加值作为期望产出，制造业增加值采用工业品出产价格指数（ppi）进行平减。非期望产出：作为企业的隐性成本，非期望产出具有负外部性的特征，会降低企业的绩效，因此企业在发展过程中期望减少非期望产出。“双碳”目标在制造业上的体现是碳排放量的减少，因此本文将制造业碳排放量作为非期望产出，运用31个制造业部门的化石能源与热、电碳排放的总计表示。（2）解释变量现有绿色信贷水平的衡量主要包括正负两种方式，正向指标通过各省份环保项目信贷总额占全省份信贷总额的比例正向测量绿色信贷水平，而负向指标通过各省份高耗能产业利息支出占工业产业总利息支出的比例反向测量绿色信贷水平。出于对数据可得性以及模型构建简便性的考虑，本文选择各省份环保项目信贷总额占全省份信贷总额的比例这一正向指标作为实证研究的核心解释变量。（3）中介变量为了探究绿色信贷影响制造业碳排放效率的路径，本文选择从技术创新这一角度进行理论分析。参考王馨和王营（2021）的研究，本文将绿色技术创新水平细化为绿色创新质量，并用绿色发明专利申请量的对数表示绿色技术创新质量（gip），避免由于单纯追求专利数量带来的低效创新[34]。（4）控制变量本文以现有的有关制造业碳排放效率影响因素的文献为研究基础，主要参考Zhang等（2022）和Tan等（2022）的研究，从人口、经济、对外开放等方面选取控制变量[41][42]。基础设施水平（inf）：与基础设施水平相对较低的地区相比，基础设施水平相对较高的地区更容易吸引具有高技术水平的制造业企业入驻，从而减少区域内单位产出的能耗和碳排放量，推动该地区制造业碳排放效率的提升。因此，本文选取公路里程数*10000占行政区划面积的比值以衡量各省份的基础设施水平。工业污染治理当年完成额（pc）：工业污染治理当年完成额能够直接反映各省份对于环保的重视程度，更高额度的污染治理投资能够直接降低单位产出的碳排放；除此之外，污染治理投资可能促使产业进行技术创新，从而提升制造业碳排放效率。因此，本文采取各省份工业污染治理完成当年的投资额取自然对数的值来衡量各省份工业污染治理当年完成额。税负水平（tax）：税收政策能够从成本端影响企业的运营策略，一方面，高税负可能会挤占企业的利润，削弱其在低碳技术研发上的投资能力，从而抑制碳排放效率的提升；另一方面，高税负可能激励企业通过提升碳排放效率的方式降低企业运营成本，以提升自身利润空间。由此，本文采用税收收入占地区生产总值的比值来衡量各地区的税负水平。交通基础设施水平（tra）：交通基础设施水平将直接影响制造业企业的物流成本及运输效率，交通基础设施水平的提升能够通过降低企业运输成本降低企业的能耗以及碳排放，本文选取各省份公路里程数的对数作为交通基础设施水平的衡量方式。对外开放程度（open）：对外开放程度与制造业碳排放效率间存在着紧密的联系，高对外开放程度的地区能够通过吸引外商直接投资的方式引进国外先进的技术和管理方式，从而提升碳排放效率。本文采用（货物进出口总额*美元对人民币的汇率）占地区生产总值的比例衡量各省份的对外开放程度。劳动力水平（labor）：劳动力市场与制造业碳排放效率之间存在联系，劳动力是制造业碳排放效率核算中的重要投入指标之一，因此本文选取各省份就业人员数取自然对数作为衡量劳动力水平的指标。各变量的表示符号和具体衡量方法如表4.1所示。表STYLEREF1\s4.SEQ表\*ARABIC\s11变量及变量定义变量名称变量符号变量定义变量单位基础设施水平inf公路里程数*10000/行政区划面积平方公里工业污染治理当年完成额pcln（各省工业污染治理完成当年的投资额）万元税负水平tax税收收入/地区生产总值亿元交通基础设施水平traln（各省公路里程数）公里对外开放程度open（货物进出口总额*美元对人民币的汇率）/地区生产总值万元劳动力水平laborln（各省就业人员数）万人变量的描述性统计本文以2004-2020年各省份数据构成面板数据集，共510个观测值。由表4.2可知，制造业碳排放效率的均值为0.395，核心解释变量绿色信贷的标准差较小，说明2004-2020年期间各省份绿色信贷水平波动相对较为平稳。中介变量绿色技术创新质量的标准差的值最大，说明各省份绿色技术创新的波动较大。基础设施水平、工业污染治理当年完成额、税负水平、交通基础设施水平、对外开放程度和劳动力水平的方差较大，同时最大值和最小值之间的差距相对较大，反映了各省份的发展状况存在差异。表STYLEREF1\s4.SEQ表\*ARABIC\s12描述性统计变量样本量均值标准差最小值最大值cee5100.3950.1800.1931.055gip5106.1681.8000.00010.020表4.2（续）变量样本量均值标准差最小值最大值pc51011.7301.0746.16514.160tax5100.0780.0280.0410.200tra51011.5200.8788.96312.890open5100.3040.3670.0081.721labor5107.5750.7905.6318.859模型构建非期望产出超效率SBM模型本文在测算制造业碳排放效率时，使用数据包络分析法（DEA），从资本、劳动力和能源三个投入角度和制造业增加值这一期望产出角度，将制造业碳排放量作为非期望产出测算制造业碳排放效率。传统DEA模型仅关注于投入和期望产出之间的关系，忽略了非期望产出的影响，无法准确地衡量制造业碳排放效率；不仅如此，传统SBM模型可能会出现多个决策同时有效即效率值均为1的情况，导致制造业碳排放效率评估出现高估偏差。因此，本文引入基于非期望产出的超效率SBM模型。相较于传统DEA模型，非期望产出超效率SBM模型通过整合超效率DEA模型和SBM模型各自的优点，突破了传统模型中投入产出同比例缩放的刚性约束，从而有效识别投入和产出要素的松弛和冗余问题，便于在研究中进行排序和比较。具体模型如下所示：θs.t.yrotbλ其中，假设共有n个决策单元，j代表各个省份。i表示投入变量，本文中为制造业资本存量、制造业就业人数及能源消耗总量。r为期望产出，即制造业增加值。k为非期望产出，即制造业碳排放量。si−为投入的松弛变量，即投入的过度，sr+为期望产出的松弛变量，即期望产出的不足，sk−为非期望产出的松弛变量，即非期望产出的过度。xio表示第o个决策单元的投入，yrot莫兰指数莫兰指数作为空间计量分析的核心工具，用于量化变量之间是否存在空间自相关性，主要用于分析空间上相邻区域的观测值之间的相似性和关联性以及不同地区之间的差异性。莫兰指数的取值范围在-1到1之间，当莫兰指数为正值时，表明地理单元间存在正向空间关联，即高值省份与高值省份、低值省份与低值省份呈现集聚分布的特征，且指数大小与集聚强度呈正相关；反之，当莫兰指数为负值时，表明地理单元间存在负向的空间关联，且指数绝对值大小与离散程度呈正相关；而当莫兰指数的值为0时，则代表不存在明显的空间相关性特征。本文参考胡宗义等（2023）的研究对制造业碳排放效率的莫兰指数进行检验[43]，莫兰指数的公式如下所示：Moran's其中，xi和xj表示省份i和省份j的耦合协调度，x则用于表示各省份的耦合协调度均值，n表示省份个数。wij表示本文使用的各省份之间的经济距离空间权重，本文根据省份i空间杜宾模型参考相关文献，空间计量模型可归结为空间杜宾模型（SDM）、空间滞后模型（SEM）与空间误差模型（SAR）三类。在经过LM检验和稳健性LM检验之后，本文选择使用空间杜宾模型，进一步地，通过Wald检验对SDM模型退化为空间滞后模型或者空间误差模型的可能性进行排除，最终本文采用空间杜宾模型刻画变量间的关系。基于被解释变量、核心解释变量以及控制变量之间的关系，本文构建出的空间杜宾模型表达式如下所示：Ceei,t=ρj≠jWi,jCee其中，Ceei,t表示第i个省份第t年的碳排放效率，Gcei,t表示第i个省份第t年的绿色信贷水平。Wi,j是空间权重矩阵，表示省份i与省份j之间的空间关系，本文采用经济距离矩阵；ρ为空间自回归参数；θ为空间杜宾效应参数，μi和ηi分别表示个体和时间效应，ε中介效应检验本文使用中介效应检验分析绿色信贷对于制造业碳排放效率的影响机制。本文提出一个可能成为中介变量的指标：绿色技术创新，并在研究过程中将其细化为绿色技术创新质量（gip）。参考温忠麟等（2014）的中介效应检验方法进行研究[44]。方法如下所示：Y=cX+eM=aX+eY=c在因果中介时，分别对系数c，a和b进行检验，若总效应系数c通过显著性检验，且a与b的回归系数均达到显著性水平，则检验c’的显著性以检验中介变量是否为完全中介效应，若c’不显著，存在完全中介效应，若显著，则为部分中介效应。当ab与c’同号时，为正向中介效应，异号时为遮掩效应。如果a、b两个参数中有任何一个参数不显著，那么对模型进行进一步的bootstrap检验以判断假定的中介变量是否具有中介效应。两参数均不显著时则判断该假定中介变量不存在中介效应，该变量并非中介变量。门槛效应检验为了进一步探究在不同数量级的绿色信贷水平的变化对于制造业碳排放效率是否会产生不同的影响效果，本文选取绿色信贷水平自身作为门槛变量建立单一门槛模型进行进一步的验证。在不同的绿色信贷水平下，绿色信贷对制造业碳排放效率的影响是否存在不同以及其具体形式，本文通过建立门槛模型来验证差异性。基于门槛效应检验的结果，本文对数据建立单一门槛效应模型，模型构建如下：Ceei,t=ρj≠iWi,jCeej,t+β0+β1Gce其中，Ceei,t为第i个省份第t年的制造业碳排放效率，βn（n=1,2）代表在不同绿色信贷发展过程核心解释变量的系数，βn（n=3-8）指不同控制变量的系数，θ为空间杜宾效应参数，μi和λi分别表示个体和时间效应，实证结果分析制造业碳排放效率的测度结果分析本文采取基于非期望产出的超效率SBM模型，得到我国30个省市自治区的制造业碳排放效率测度结果（如表5.1和表5.2所示）。从全国制造业碳排放效率的变化趋势上来看，2004年-2020年，全国各省份制造业碳排放效率的平均值由0.373波动上升为0.467，共上升了9.4%。具体来看，2004年到2016年我国采取了一系列措施以促进制造业的低碳、绿色转型，自2006年“十一五”规划首次提出单位GDP能耗要降低20%左右的约束性指标以来，我国持续将高耗能产业的低碳发展纳入国家发展战略，在此期间我国的制造业碳排放效率呈现出显著的波动上升的趋势。2016年我国提出《工业绿色发展规划（2016-2020）》等专项政策文件以引导制造业绿色转型，大量高耗能、重污染企业被治理，企业初期投入有所增加，因此2016年到2017年我国的制造业碳排放效率平均值有所下降。此后为实现制造业企业的转型，我国强化相关法律约束并淘汰落后技术、产能，绿色环保制造业企业不断发展，因此2017年以后我国制造业碳排放效率呈现不断上升趋势。表STYLEREF1\s5.SEQ表\*ARABIC\s11制造业碳排放效率2004-2011年测算值省份20042005200620072008200920102011北京0.3090.3140.3260.3640.3610.4120.5240.646天津0.3590.4190.4250.4440.5030.4950.4810.514河北0.3950.3600.3470.3260.2890.2780.2660.272山西0.2920.2990.2890.3080.2960.2730.2970.332内蒙古0.3690.3470.3550.3850.4110.4190.4140.506辽宁0.2360.2480.2450.2480.2500.2490.2580.276吉林0.2650.2710.2730.2920.2820.2840.3120.340黑龙江1.0550.7530.5310.4120.3590.3360.3120.308上海0.3490.3520.3700.3880.3800.3910.4380.465江苏0.3980.3950.3950.3950.3870.3930.3770.368浙江0.4040.4060.4190.4430.4520.4580.4750.472安徽0.3160.3290.3260.3160.3070.3150.3220.342福建0.4850.4990.5570.5950.5960.5490.5540.492江西0.4040.3390.3230.3090.2730.2680.2630.271山东0.4070.3790.3750.3640.3590.3630.3390.327河南0.5830.5280.3860.3560.3290.3140.3050.290湖北0.2920.2960.2990.3030.2980.3020.3100.325湖南0.3520.3360.3380.3350.3250.3210.3220.324广东0.5060.6050.6140.7700.8540.8521.0251.004广西0.3400.3300.3250.3420.3390.3240.3060.310海南0.2830.3100.3910.4100.4210.4880.5740.570表5.1（续）省份20042005200620072008200920102011四川0.2970.3130.3250.3330.3280.3090.3150.314贵州0.2650.2730.2790.2720.2640.2660.2890.289云南0.3400.3240.3410.3540.3580.3590.3650.360陕西0.4100.3730.3750.3860.3970.3710.3760.397甘肃0.2040.2090.2220.2450.2510.2560.2680.270青海0.2510.2540.2510.2760.3150.3080.3310.343宁夏0.2130.1930.2120.2300.2530.2180.2250.219新疆0.3630.3630.3710.3430.3220.2640.2680.261表STYLEREF1\s5.SEQ表\*ARABIC\s12制造业碳排放效率2012-2020年测算值省份201220132014201520162017201820192020北京1.0060.7880.6420.6340.7580.8200.8351.0041.039天津0.5470.6220.6640.8861.0330.3600.4010.4060.384河北0.2820.2890.2890.2920.3050.2250.2210.2310.239山西0.3240.3240.3210.2900.2860.3340.3270.3410.355内蒙古1.0030.8780.6311.0051.0080.2550.3980.3780.377辽宁0.2770.2910.2980.3090.2190.2160.2340.2430.242吉林0.3620.3990.4150.4650.4980.2530.2730.2920.340黑龙江0.2750.2600.2520.2560.2520.2250.2430.2510.258上海0.4590.4690.4970.5100.5680.7641.0010.8291.032江苏0.3760.3880.3970.4260.4880.5540.6220.6670.723浙江0.4820.4710.4950.5080.6050.6020.6250.6520.559安徽0.3490.3590.3630.3600.3850.3370.3540.3670.362福建0.4950.5320.5280.5880.7080.7221.0000.9421.018江西0.2750.2810.2800.2830.2870.2910.2880.3020.309山东0.3230.3450.3420.3410.3600.2850.2890.3100.313河南0.2880.2840.2790.2820.3030.2810.2790.3150.315湖北0.3230.3290.3300.3630.3900.3900.4080.4090.411湖南0.3180.3380.3420.3530.3540.3080.2940.3180.322广东0.8140.7460.7970.8891.0090.9911.0021.0031.007广西0.3000.2960.3010.3060.3160.2040.2250.2290.221海南0.4590.3660.3940.4020.4240.4240.4320.4450.415表5.2（续）省份201220132014201520162017201820192020四川0.3220.3480.3430.3380.3350.3210.3330.3470.350贵州0.3020.3420.3460.3490.3590.3310.3450.3810.460云南0.3670.3770.3680.3690.3730.3820.4090.8761.022陕西0.4070.4250.4100.4030.4110.3880.3950.4020.391甘肃0.2650.2610.2590.2320.2440.2500.2610.2830.309青海0.3350.3130.3180.3100.3120.2040.2290.2530.273宁夏0.2160.2170.2130.2100.2260.2120.2080.2130.225新疆0.2410.2210.2200.2220.2210.2340.2430.2390.243图STYLEREF1\s5.SEQ图\*ARABIC\s112004年各省份制造业碳排放效率图STYLEREF1\s5.SEQ图\*ARABIC\s122020年各省份制造业碳排放效率从省份角度来看，各省制造业碳排放效率均值排名前十的省份分别是广东、江西、北京、上海、内蒙古、天津、浙江、江苏、云南和海南；制造业碳排放效率均值最低的省份为宁夏，其次为甘肃、辽宁、新疆和青海。根据中国区域规划的标准，本文将全国30个省市自治区划分为四大区域北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南为东部地区；辽宁、吉林和黑龙江为东北地区；山西、安徽、江西、河南、湖北和湖南为中部地区；内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆为西部地区。。综合来看，四大区域中东部地区2004年至2020年的制造业碳排放效率平均值最高，其次是西部地区，东北部地区的碳排放平均值最小。而通过观察四大区域的各自的年碳排放效率平均值变化趋势可知，东部地区2004年到2020年碳排放效率不断提升，由0.389提升至0.北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南为东部地区；辽宁、吉林和黑龙江为东北地区；山西、安徽、江西、河南、湖北和湖南为中部地区；内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆为西部地区。观察图5.1和图5.2中2004年与2020年的各省份制造业碳排放效率的分布可知，2004年到2020年制造业碳排放效率高值省份呈现出逐渐由北转南、由内转外的趋势，而在效率排名前十省份中，除了内蒙古和云南属于西部地区、江西属于中部地区外，其他省份都属于东部地区。其主要原因在于东部地区的经济发展水平高、劳动力充足、税负压力相对较小，企业技术相对于其他地区更为发达，在产业转型升级的过程中基础设施建设较为完善，又因为东部地区优越的地理位置，对外开放程度高，吸引外资直接投资，因此高新技术企业发达、制造业碳排放效率较高。内蒙古具有丰富的风、光资源，可再生资源在制造业能源消耗中占据较为重要的地位，为制造业提供丰富的低碳资源，加之内蒙古重视产业的转型升级，因此制造业碳排放效率较高。江西积极淘汰落后产能、发展非传统制造业，并推行可循环资源的高效利用，制造业得以低碳发展。而云南为保护生物多样性严格约束高能耗制造业项目的进入，倒逼制造业企业采取更清洁高效的技术，资源利用效率有效提升。绿色信贷对制造业碳排放效率的影响分析空间自相关检验在开展空间计量模型构建工作之前，首要任务是对变量开展空间自相关性检验。借助莫兰指数这一空间统计工具评估相邻区域间的空间集聚程度以及不同区域间的空间离散程度，能够科学验证变量是否存在显著的空间自相关效应。若检验结果证实变量间存在空间关联性，则表明传统计量方法可能存在不足，选择采用空间计量模型对样本数据进行深入分析。全局莫兰指数测算2004年到2020年期间被解释变量制造业碳排放效率（CEE）的全局莫兰指数，结果如表5.3所示，可以看出在2004-2020年之间，除了2004年和2005年以外，各年的制造业碳排放效率的莫兰指数都显著为正，且z值均大于1.96，表明各省份的制造业碳排放效率都表现出显著的空间正相关性，且存在着显著的聚集分布特征，即制造业碳排放效率高的省份周边省份的碳排放效率也很高，而制造业碳排放效率低的省份周边省份的碳排放效率也较低。除此之外，随着年份的增长，全局莫兰指数的显著性呈现出波动增长的趋势，z值也波动增加，表明各省份在2004年到2020年期间制造业碳排放效率的空间正相关性波动增大。表STYLEREF1\s5.SEQ表\*ARABIC\s13被解释变量的Moran'sI年份莫兰指数E(I)sd(I)z值P值2004-0.106-0.0340.077-0.9240.17820050.013-0.0340.0940.5100.305表5.3（续）年份莫兰指数E(I)sd(I)z值P值20070.369-0.0340.0884.5820.00020080.366-0.0340.0854.7240.00020090.323-0.0340.0874.1240.00020100.262-0.0340.0813.6580.00020110.213-0.0340.0872.8600.00220120.177-0.0340.0942.2610.01220130.274-0.0340.0973.1810.00120140.349-0.0340.0993.8880.00020150.266-0.0340.0973.1120.00120160.315-0.0340.0993.5480.00020170.451-0.0340.0984.9730.00020180.518-0.0340.0985.6150.00020190.418-0.0340.1004.5110.00020200.409-0.0340.1004.4210.000（2）莫兰散点图通过对于全局莫兰指数的检验，确认了制造业碳排放效率具有显著的正向空间自相关性，在此基础上，本文通过莫兰散点图可视化呈现局部莫兰指数以分析制造业碳排放效率的空间集聚特征。分析结果表明，样本省份的局部莫兰指数观测值显著集中于散点图的第一、三象限，表明制造业碳排放效率呈现显著的正向空间集聚特征。图STYLEREF1\s5.SEQ图\*ARABIC\s132004-2020年均值局部莫兰散点图综合考虑全局和局部莫兰指数的检验结果可知，各省份的制造业碳排放效率测量值具有显著的正向空间自相关性，在后续的深入研究中考虑使用空间计量模型进行分析。回归结果分析（1）LM检验与Wald检验在确认了变量之间存在显著的空间自相关性之后，为确定三种模型中最为合适的空间计量模型，本文进行了LM检验和Wald检验。从表5.4的检验结果可知，空间误差和空间滞后效应均显示出在1%水平下显著。基于这一结果，本文考虑使用空间杜宾模型进行后续的分析。表STYLEREF1\s5.SEQ表\*ARABIC\s14LM检验结果检验统计值p值Spatialerror:Moran'sI4.2520.000Lagrangemultiplier16.0740.000RobustLagrangemultiplier21.6390.000Spatiallag:Lagrangemultiplier47.1600.000RobustLagrangemultiplier52.7250.000在LM检验通过的基础上，为验证空间杜宾模型是否会退化，本文采用Wald检验加以判断。检验结果表明，在1%的显著性水平下，Wald统计量对应的P值小于0.01，从而拒绝空间杜宾模型退化为空间误差模型或空间滞后模型的原假设，最终选定空间杜宾模型作为实证分析模型。（2）效应检验在完成LM检验以及Wald检验并选取采用空间杜宾模型之后，进一步进行了效应检验，检验结果如表5.5所示。综合考虑，应该选择个体时间双向固定效应。表STYLEREF1\s5.SEQ表\*ARABIC\s15效应检验结果原假设备择假设chi2（10）P值个体固定效应双向固定效应56.610.0000双向固定效应时间固定效应-303.951.0000（3）模型回归经过一系列的检验，最终本文确定模型为个体时间双向固定的空间杜宾模型，结合对比空间误差模型、空间滞后模型、OLS模型以及个体时间双向固定效应模型的结果建立表5.6，结果如下表5.6所示：表STYLEREF1\s5.SEQ表\*ARABIC\s16回归结果模型SDMSEMSAROLSTWFEgce0.511***0.877***0.794***1.002***0.797***(2.77)(5.14)(4.64)(11.14)(3.80)inf0.0050.078*0.051-0.058***0.051(0.12)(1.70)(1.10)(-3.37)(0.49)pc0.0130.0100.0130.0070.013(1.59)(1.20)(1.52)(0.92)(0.88)tax-2.404***-2.349***-1.985***-0.464-1.988(-4.65)(-4.27)(-3.66)(-1.27)(-1.58)tra-0.102*-0.152***-0.139***-0.009-0.139(-1.91)(-2.85)(-2.61)(-0.58)(-1.64)open-0.072-0.173***-0.166***0.119***-0.166(-1.21)(-3.12)(-2.87)(3.52)(-1.40)labor0.166**0.253***0.250***0.028**0.250(2.53)(3.78)(3.73)(2.02)(1.48)rho-0.198**-0.223**0.005(-2.48)(-2.51)(0.07)sigma2_e0.008***0.009***0.009***(15.88)(15.86)(15.97)注：变量下方带有括号的数值表示该变量对应的t值，同时***、**、*分别表示在1%、5%、10%水平上显著。对核心解释变量绿色信贷进行分析。基于空间杜宾模型（SDM）的回归结果可知，绿色信贷的系数估计值为0.511，在1%的显著性水平下呈现正值，表明绿色信贷对于制造业碳排放效率具有显著的正向影响，随着绿色信贷水平的提高，制造业碳排放效率也将提高。同时空间误差模型、空间滞后模型、OLS回归模型以及双向固定模型对于核心解释变量的系数的估计也均为正值，更佐证了本文结果的正确性。（4）效应分解分析将绿色信贷发展对于制造业碳排放效率的影响进行效应分解（如表5.7所示）。直接效应指本地绿色信贷发展对于当地的制造业碳排放效率产生的直接性影响，间接效应则指相邻区域绿色信贷对于本地制造业碳排放效率的间接影响，总效应则指的是本地和相邻区域的绿色信贷水平对于当地制造业碳排放效率的总体影响程度。表STYLEREF1\s5.SEQ表\*ARABIC\s17空间杜宾模型效应分解结果直接效应间接效应总效应gce0.492***0.584*1.076***(2.63)(1.94)(3.03)inf-0.0200.534***0.515***(-0.44)(4.94)(4.93)pc0.015*-0.024-0.010(1.87)(-1.40)(-0.57)tax-2.224***-4.578***-6.802***(-4.41)(-3.62)(-5.52)tra-0.084*-0.374***-0.458***(-1.65)(-2.72)(-3.16)open-0.057-0.261**-0.319***(-0.95)(-2.33)(-2.74)labor0.167**0.0070.174(2.49)(0.04)(0.85)注：变量下方带有括号的数值表示该变量对应的t值，同时***、**、*分别表示在1%、5%、10%水平上显著。通过回归分析，本文观察发现绿色信贷的直接效应系数为正数且在1%显著性水平下显著，表明绿色信贷对于本地区制造业碳排放效率具有积极的提升作用，而间接效应在10%显著性水平下显著为正值，这表明相邻区域绿色信贷的发展对于本区域制造业碳排放效率具有促进作用，总效应显著且系数也为正，以上结果表明不仅本地的绿色信贷政策能够直接提升本地的制造业碳排放效率，周边地区的绿色信贷政策也能够间接提升当地的制造业碳排放效率。（5）稳健性检验为了确保模型的稳健性与可靠性，本文参考陆玉梅等（2011）的研究对模型进行稳健性检验[45]，在检验模型的稳健性时，选择使用变量替代法和回归方法替代法来进行稳健性检验。绿色信贷在中国绿色金融发展中占据市场主导地位，是推动我国经济、社会绿色发展的关键工具，因此本文选择使用绿色金融指数作为替换的核心解释变量对模型的稳健性进行检验，绿色金融指数从绿色信贷、绿色债券、绿色投资和绿色保险四个维度依据熵值法测算。通过建立空间杜宾模型、空间误差模型、空间滞后模型和固定效应模型对数据进行研究分析，得到了如表5.8所示的结果：表STYLEREF1\s5.SEQ表\*ARABIC\s18稳健性检验结果模型SDMSEMSARFEgf0.459*1.029***0.945***0.958***(1.86)(4.36)(3.95)(3.86)inf0.0110.0720.0450.047(0.23)(1.53)(0.96)(0.95)pc0.014*0.0100.0120.012(1.70)(1.19)(1.46)(1.38)tax-2.375***-2.205***-1.884***-1.894***(-4.57)(-3.99)(-3.46)(-3.30)tra-0.117**-0.160***-0.144***-0.145**(-2.21)(-2.97)(-2.68)(-2.56)open-0.090-0.200***-0.186***-0.189***(-1.52)(-3.59)(-3.21)(-3.15)labor0.165**0.256***0.251***0.252***(2.48)(3.78)(3.72)(3.54)rho-0.177**-0.196**0.021(-2.23)(-2.23)(0.27)sigma2_e0.008***0.009***0.009***(15.89)(15.89)(15.97)注：变量下方带有括号的数值表示该变量对应的t值，同时***、**、*分别表示在1%、5%、10%水平上显著。回归结果显示，和基准回归分析一致，核心解释变量的系数值显著为正，表示随着核心解释变量的发展，制造业碳排放效率不断提升。从空间杜宾模型（SDM）的回归结果中可以看出：即使使用绿色金融指数代替绿色信贷水平作为核心解释变量，核心解释变量和被解释变量之间的正相关关系仍然显著。此外，SEM、SAR和FE三个模型均支持以上结论。绿色信贷对制造业碳排放效率的中介效应分析通过梳理绿色信贷水平对于制造业碳排放效率的影响路径，本文确定了绿色技术创新为主要影响路径，得到如表5.9所示的结果。由表5.9第3、4两列结果所示，绿色信贷对技术创新质量的影响系数为1.204（p<0.05），表明绿色信贷对于技术创新质量具有正向驱动作用。技术创新质量对制造业碳排放效率的影响系数为0.041（p<0.01），证实了技术进步对于制造业碳排放效率的促进作用。综合来看，绿色信贷不仅能够直接提升制造业碳排放效率，还通过提升技术创新质量的途径间接提升制造业碳排放效率。表STYLEREF1\s5.SEQ表\*ARABIC\s19技术创新的中介效应检验ceegipceegce0.511***1.204**0.454**(2.77)(2.16)(2.44)inf0.0050.398***-0.011(0.12)(2.90)(-0.25)pc0.0130.080***0.009(1.59)(3.28)(1.16)tax-2.404***-0.357-2.377***(-4.65)(-0.23)(-4.62)tra-0.102*0.375**-0.117**(-1.91)(2.31)(-2.20)open-0.0720.074-0.075(-1.21)(0.41)(-1.27)labor0.166**-0.2660.177***(2.53)(-1.33)(2.69)gip0.041***(2.81)Spatialrho0.789**-0.067-0.186**(2.07)(-0.84)(-2.33)Variance0.603***sigma2_e(4.88)0.070***0.007***-0.026(15.96)(15.89)注：变量下方带有括号的数值表示该变量对应的t值，同时***、**、*分别表示在1%、5%、10%水平上显著。综上所示，绿色创新是促进高能耗企业环境友好