绿色金融推进物流业绿色转型研究

为更好地应对全球气候问题， 2015年11月，全球气候变化协定《巴黎协定》在联合国气候大会上通过，我国也于2020年9月提出了 “双碳”建设目标，并将“双碳”生态文明理念融入国家整体发展规划。据国家统计局官方数据显示，目前我国交通运输、仓储及邮政三大核心领域的能源消耗量已从2003年的1.28亿吨标准煤增长至2019年的4.39亿吨，占我国能源消耗总量的9.01%，然而随着行业规模的不断扩张，其污染程度也呈逐年增长态势，已逐渐成为碳减排的重要领域之一，以《“十四五”现代物流发展规划》的发布为标志，该规划着重强调要将绿色环保理念渗透进现代物流发展的全链条，以实现物流的可持续发展，如今的现代物流业已正式进入体系化建构的新阶段。

绿色金融作为促进产业绿色转型的一大重要动力源，其在物流业绿色转型中也扮演着至关重要的角色，绿色金融的发展能够为物流业绿色转型提供资金支持，同时物流业的绿色转型也有利于优化绿色金融工具，促进绿色金融体系的完善创新。据市场研究机构及中国物流与采购联合会发布的数据显示，全球绿色物流市场规模已从2019年的约1200亿美元增长到2025年的约1800亿美元，年复合增长率6.5%，其中亚太地区占比最高，2018年中国绿色物流市场规模已达到1.7万亿人民币，同比增长17.9%，行业绿色转型市场广阔，发展步伐逐步加快。然而，由于在环保理念、政策制定、行业转型、基础设施技术及专业人才等方面存在不足，我国物流业绿色转型道路依然面临着严峻的挑战，尤其是在政策法规及技术创新、资金支持等方面，我国与发达国家有着一定程度上的差距，这在很大程度上限制了行业绿色转型的效率。

因此，如何完善相关政策，提高物流业绿色技术创新水平，从而最大化促进行业绿色转型将是本文研究的核心目的。文章致力于验证绿色信贷水平对物流业绿色转型的促进作用，同时探索环境规制对加深这一作用的效果，为行业绿色转型提供政策性参考意见。研究绿色金融与物流业绿色转型之间的关系，在理论层面上，将有利于后续政策在物流业的落实中，提供更具针对性的政策安排；在实践层面上，也将有利于引导绿色信贷根据不同行业属性进行有侧重点的规划布局，以使资金配置更加合理，更具针对性的助力物流业绿色转型，从而实现物流业的长远健康可持续发展。

本文的边际贡献在于：第一，研究视角不同。已有文献多从微观企业角度讨论重污染企业，缺少从宏观整体产业角度对某一重点行业根据其属性特点进行的深入研究，物流业作为我国高污染物排放占比行业之一，理应对其进行深入探究。第二，绿色转型指标的测量更加精准。已有文献多采用单一指标对绿色转型情况进行度量，本文根据物流业的行业特性有针对性的分别从人力、能源、资金以及污染物排放角度多维度、全方位的对物流业的绿色转型情况进行了衡量；第三，从研究结论看，本文进一步论证了环境规制对物流业绿色转型的影响情况。现有文献在研究环境规制的影响作用是，较少提及到针对物流行业的行业影响情况。

本文余下部分的结构安排如下：第一部分为文献综述及研究假说；第二部分为研究设计，对文章的模型、指标数据进行了说明；第三部分为实证结果分析，主要是对第二部分提出的研究假设进行论证；第四部分为文章结论及启示。

1  文献综述及研究假设

绿色金融的相关概念最早是在1962年《寂静的春天》一书中提出，书中批判了美国20世纪50年代通过牺牲环境为代价追求经济增长的粗放发展方式，并提出推进环境保护和可持续发展组织建立。1995年，中国人民银行也颁布了《关于贯彻信贷政策与加强环境保护工作有关问题的通知》，并首次提出将金融机构信贷工作与环境保护结合起来，把环境保护和污染防治纳入到银行授信决策因素中[1]。《关于构建绿色金融体系的指导意见》中明确指出绿色金融包括绿色信贷、绿色债券、绿色股票指数和相关产品、绿色发展基金、绿色保险以及碳金融等[2]，但受限于数据的可得性，难以通过上述指标综合分析绿色金融，现有文献多以绿色信贷为代表对我国绿色金融发展情况进行研究。

已有研究多集中于对绿色金融与污染企业绿色转型、创新发展之间关系的探索。周肖肖、王馨[3]等人在绿色金融与绿色创新关系方面进行了研究，指出绿色金融有利于引导金融体系内部资金流向绿色领域，优化资源配置，从而更好的促进绿色发展，推动“双碳”目标的达成。李青原研究了环境规制与企业绿色创新激励之间的关系，发现不同的环境规制工具对企业产生的效果截然相反。斯丽娟等人研究了绿色信贷政策与企业环境责任之间的关系，她认为绿色金融是支持环境改善、应对气候变化和资源节约高效利用的重要经济活动，能够更加有效的解决环境项目外部性、信息不对称等问题，从而激励金融机构和企业承担更多社会责任。而与本文研究最为密切的一支文献，主要研究了绿色信贷政策对高污染企业绿色转型的经济效应。展开来说，喻旭兰（2023）[4]指出，绿色信贷实施后的高污染企业减排成效提升而全要素生产率下降，且主要是通过前端污染减少产生，因此在前端治理方面促进了高污染企业的绿色转型。

上述研究更侧重于政策颁布前后重污染企业角度绿色转型情况，采用了双重差分DID研究方法，在研究对象上也更侧重企业端的笼统阐述，没有具体根据某一行业的特性展开分析，对绿色信贷这一金融工具在某一行业实际产生的效果上并未进行深入研究，且在对企业绿色转型指标的度量方面也多从单一角度出发，难以从多维度全面衡量转型的实际情况。基于上述分析，文章依据外部经济和信息不对称两大理论，对绿色金融与物流业绿色转型进行深入研究，并提出相关假设如下：

H1：绿色信贷的运用可以显著促进物流业的绿色转型。

H2：环境规制约束力的提高显著增强了绿色信贷对物流业绿色转型的正向促进效应。

2  研究设计

2.1  计量模型

本文的基本回归方程如下所示：

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

其中GTLIi,t表示所处省份物流产业绿色转型发展水平；GCi,t表示所处省份绿色信贷发展水平；Xi,t 表示省份层面的控制变量；εi,t表示干扰项；下标i表示省份；下标t表示年份。

2.2  指标与数据

2.2.1  数据来源

鉴于本文数据的可得性，文章搜集了2011~2020年中国30个省级行政区（不含西藏自治区和港澳台）数据研究绿色信贷与物流业绿色转型之间的关系，物流业主要包括交通运输业、仓储业以及邮政业三大部门。为消除量纲、价格及地区差异影响，相关指标均进行比率化或对数化处理。原始数据来源于中国统计局、国泰安数据库及各省份统计年鉴，采用线性插值法对缺失值进行补充。

2.2.2  变量选取

2.2.2.1  被解释变量

物流产业绿色转型水平GTLI[5]。参考已有研究，针对物流产业绿色转型情况的评定多选取行业相关投入-产出指标，运用DEA方法进行测算所得。基于此，综合张珺（2022）[6]和吕世宇（2023）对物流产业绿色转型的测量，本文分别从人力、资本、能源三方面考虑投入要素，从运输量、污染物排放量两个主要方面考虑产出要素对该指标进行综合测算。具体衡量表格如下表1所示：

表1：物流业绿色转型指标

　 一级指标 二级指标

投入 人力 物流行业从业人数

资本 物流行业增加值

能源 物流行业能源消耗总量

产出 污染物排放 CO2排放量

货物运输 货运量

货运周转量

2.2.2.2  解释变量

绿色信贷GC[7]。考虑到数据的可得性，以及绿色信贷在我国绿色金融体系中的占比情况，故本文以绿色信贷进行衡量。参考郭威（2021）、毛彦军（2022）等人对绿色信贷指标的测量方法，目前主要有以下四种衡量指标：绿色信贷占比、节能环保项目贷款占比、工业污染治理投资中的“银行贷款”、反向指标六大耗能产业利息支出占比。考虑到数据的可得性以及本文针对全国30个省份（自治区、直辖市）物流产业绿色转型情况研究的特性，采用各省份环保项目信贷占比即各省环保项目信贷总额占全省信贷总额比例对绿色信贷进行衡量。

2.2.2.3  调节变量

环境规制ER。现有研究针对环境规制的衡量主要有两大衡量方法：一种是投资型环境规制，即采用工业污染治理投资与工业总产值占比进行衡量；另一种是命令型环境规制，即对各省份各类污染物排放进行加权求值计算综合指数来表征城市的环境规制强度。本文参考王永贵（2023）的做法，利用工业污染物治理投资占工业总产值比重对环境规制进行衡量。

2.2.2.4  控制变量

市场化指数MK参考樊纲的《中国市场化指数》；对外开放水平OPEN利用进出口总额取对数进行反映；产业结构PTL即采用第三产业占比进行衡量；政府干预水平GIL利用财政支出占GDP比重进行衡量；国内生产总值GDP取对数处理；交通基础设施建设水平IFC采用各地区货运量取对数进行测量。 

2.3  描述性统计

表2报告了主要变量的描述性统计结果。根据结果可以发现：从物流业绿色转型角度来看，物流业绿色转型水平最大值为1.124，最小值为0.112，标准差为0.207，均值为0.397，反映出各省份物流行业绿色转型水平差距不大，但其发展水平较低，还有较大的发展空间；从绿色信贷角度出发，其最大值为0.097，最小值为0.112，均值为0.047，各地区绿色信贷发展水平相对较低，还有一定的发展空间。

表2：主要变量的描述性统计

变量类型 变量名称 样本符号 样本量 均值 标准差 最小值 最大值

因变量 物流业绿色转型 GTLI 300 0.397 0.207 0.112 1.124

自变量 绿色信贷水平 GC 300 0.047 0.018 0.012 0.097

调节变量 环境规制强度 ER 300 0.003 0.003 0 0.028

控制变量 市场化指数 MK 300 7.941 1.892 3.359 11.934

产业结构 PTL 300 47.147 9.762 29.7 83.9

对外开放水平 OPEN 300 15.38 1.567 10.413 18.508

政府干预水平 GIL 300 0.25 0.103 0.11 0.643

国内生产总值 GDP 300 9.833 0.856 7.421 11.615

交通基础设施建设水平 IFC 300 11.604 0.83 9.44 12.981

3  实证分析

3.1  基准回归

本文选取三阶段DEA模型对物流业绿色转型指标进行测算，因其能够从多投入、多产出角度更加全面的反应物流业的转型情况。同时，文章采用Deap2.1软件对各省绿色转型指数进行测算，最终测算结果显示，我国物流产业绿色转型指数在2011~2020年间总体呈增长态势，但年平均值相对较低仅为0.397还存在较大的提升空间，后续还应进一步优化投入产出比重，进一步提高物流产业绿色转型效率。

基于三阶段DEA测算的物流产业绿色转型指数，本文通过引入绿色信贷建立面板Tobit模型进一步检验绿色信贷与物流产业绿色转型二者之间的关系。由于物流产业绿色转型数值集中在固定范围属于截断数据，普通多元线性回归模型不能很好地处理这种类型的数据，而tobit模型是一种很好的处理截断数据的回归方法，同时Hausman检验结果显示固定效应模型更适合本文研究的问题，故本文最终选择固定效应Tobit模型,采用stata17.0利用式（1）模型对2011~2020年这10年的数据进行基准回归分析。回归结果见表3：

表3：基准回归结果

　 （1） （2） （3） (4)

被解释变量 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）

个体固定 否 是 否 是

时间固定 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，括号上方为系数，括号内为标准差（下同）

表3中第（1）、（2）列是在不加入控制变量的前提下，分别对时间、个体进行固定，第（3）、（4）列是加入控制变量的前提下再分别对时间及个体进行固定，第（1）、（3）列不对个体及时间进行固定，第（2）、（4）列对个体及时间进行固定。结果显示绿色信贷对物流产业绿色转型的回归系数分别为4.962、3.098、2.055和2.912，在统计上是显著的，表明绿色信贷与物流产业绿色转型呈正相关关系。因此，假设1得证。

以上结果表明，随着全国绿色信贷放贷强度的增加，物流产业的绿色转型效率也将得到进一步的提升。产生上述积极影响的原因可能在于：一方面，在“双碳”目标的指引下，绿色信贷作为传统金融行业在金融投资领域内的一种革新，通过优惠贷款利率、增加贷款额度等方式产生激励约束，引导政府及社会各界资金流向环境友好型产业，增加资金供给，降低绿色行业项目融资门槛，更好地促进物流业绿色技术创新研发，从而提高行业绿色转型效率。另一方面，绿色信贷一般是限制高污染、高耗能行业的资金供给，而物流产业过去在仓储及运输等环节均会产生大量污染物排放，绿色信贷也能够将不愿意进行绿色转型的高污染、高耗能企业淘汰出局形成一种反向强制性约束，从而倒逼行业进行绿色转型升级。

3.2  稳健性检验

为验证研究结果的可靠性，本文进行了如下稳健检验：

3.2.1  更换样本模型检验方法

前文已使用固定效应Tobit方法对模型进行回归，为验证文章结果并非依赖特定统计方法，本部分将分别使用后随机效应和混合Tobit方法对模型进行回归检验，回归结果见表4。表4第（1）、（2）两列是运用了混合Tobit方法对绿色信贷与物流业绿色转型的基本方程进行回归的结果，（3）、（4）列是运用随机效应Tobit方法对绿色信贷与物流业绿色转型的基本方程进行回归的结果，绿色信贷的系数均显著为正，表明本文的结论具有稳健性。

表4：更换检验方法

（1） （2） （3） （4）

被解释变量 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

个体固定 否 否 是 是

时间固定 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  调整样本量及样本期

考虑到北京、上海、广东分别是我国北部、东部、南部区域最发达地区，且国内证券交易所也分别位于上述地区，区域金融实力排名前三，金融市场发展也最为充分。因此，为避免可能存在的反向因果关系，分别采用以下两种方法对文章结果进行进一步的检验。第一，调整文章样本量，删除北京、上海、广东三个地区的样本进行稳健性检验，检验结果通过。第二，为控制绿色信贷与物流产业绿色转型存在的反向因果关系，将核心解释变量进行滞后处理，在一定程度上缓解反向因果问题的存在。上述检测最终均通过，H1成立。

3.3  进一步分析

绿色信贷作为引导资金流入的内部治理因素，能够对物流业的绿色转型产生直接的影响，而环境规制作为外部约束性治理因素，也可以对绿色信贷与物流业绿色转型之间的关系发挥调节作用（图1）。

借助温忠麟（2014）和董直庆（2019）的研究方法，在前文模型基础之上以绿色信贷指标作为因变量，以物流产业绿色转型指标、环境规制及其交互项作为解释变量，构建面板数据模型式（2）见下，进一步检验绿色信贷和环境规制对物流业绿色转型的影响，回归结果见表5。

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

表5：调节效应回归结果

被解释变量 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 

具体来看，对于环境规制的调节作用，表5回归结果显示环境规制与绿色信贷的交乘项在5%的水平上显著为正，表明环境规制在一定程度上对绿色信贷与物流业绿色转型之间的关系起到了正向促进作用，从而H2得证。

4  结论及建议

本文探索绿色信贷在中国物流行业绿色转型实践中的运用情况，实证检验了其二者之间的关系，最终得出结论如下：第一，绿色信贷水平的提高有利于促进物流业整体的绿色化转型；第二，环境规制强度的提高也将对绿色信贷与物流业绿色转型之间的起到正向调节作用。

基于本文的研究结果，从激励机制和约束机制几个层面提出如下启示：

从激励机制方面来看，以绿色信贷为主的绿色金融相关政策的落实对于物流业的绿色转型项目能够起到激励带动效应，绿色信贷能够在降低成本、减缓风险、提高行业企业竞争力以及可持续发展等方面对行业起到正向的引导作用。因此，应持续引导绿色信贷对物流行业的帮扶，降低行业绿色转型技术研发的融资门槛。

从约束机制角度来看，提高环境规制强度，能够通过政策行为对其进行诸如排碳约束、征收“排污费”等的限制，对各行业主体污染行为起到强制力约束作用，从而“倒逼”其进行绿色转型。因此，要继续加强对行业能源消耗情况的监管力度，推动建立健全行业排污标准体系，走物流业绿色可持续发展道路。

本文来源：《物流科技》https://www.zzqklm.com/w/jg/30901.html