绿色金融改革对绿色金融综合水平影响的实证研究
中图分类号：F830
文献标识码：A
文章编号：1004-4914（2024）11-047-05
二、绿色金融改革对绿色金融发展的理论分析与研究假说
（一）绿色投资、绿色保险和碳金融对绿色金融整体水平的影响
H1：绿色投资、绿色保险和碳金融对绿色金融整体水平具有显著的正向影响。
（二）绿色金融改革创新试验区对绿色金融影响的持续性
H2：启动绿色金融改革创新试验区对绿色金融影响有一定连续性。
三、绿色投资、绿色保险和碳金融对绿色金融综合指数的影响分析
（一）变量选择、模型构建与数据来源
1.变量选择。基于上述理论分析，本文选择绿色金融综合指数作为被解释变量，绿色投资、绿色保险以及碳金融指数作为解释变量，相关变量界定如下：
绿色金融综合指数（Com）：指包含绿色信贷、绿色金融债券、其他金融绿色产品在内，反映各地区的绿色金融综合发展水平。
绿色投资（Invest）：与环境保护、清洁能源、绿色交通、绿色建筑等相关项目的投融资活动中的资本化投资支出，是以促进企业环境绩效、发展绿色产业和减少环境风险为目标的投资行为。
绿色保险（Insurance）：在绿色金融体系中向绿色产业项目提供一定风险保障及风险投资管理等的业务。
碳金融（Carbon）：指可在一定程度上减少温室气体排放，实现节能减排与环保安全作用的金融制度和交易活动提供的各种服务。
为了便于弹性分析以及避免可能的异方差，本文对上述变量作取自然对数处理。
2.模型构建。基于研究假设H1，构建以下线性回归模型：
InCom=β+βInInvest+βInInsurance+β3InCarbon+ε（1）
其中，i表示省份，t表示时间。
（二）变量描述性统计
（三）变量相关性分析
对绿色金融综合指数、绿色投资、绿色保险以及碳金融指数进行相关性分析，结果如表2所示。
由表2可知，在5%的显著性水平下，绿色金融综合指数与绿色投资、绿色保险以及碳金融指数之间存在显著的线性相关。
（四）绿色投资、绿色保险和碳金融对绿色金融综合指数影响的实证分析
1.回归分析。表3为模型的拟合结果，可以看到绿色投资、绿色保险以及碳金融的指数数据对于绿色金融综合指数是非常显著的，模型解释变量显著性较高，具有良好的解释变量，R2及其调整后相对较大，说明拟合优度较高，且F统计量和p值说明了模型整体解释效果较好，总体来看模型建立是成功的。
2.共线性检验。对上述模型使用OLS最小二乘法进行拟合，根据VIF方差膨胀因子进行共线性检验，并得到相关系数矩阵与图形进行辅助判断，结果如表4所示。
由表4可知，Invest_log、Insurance_
log和Carbon_log的VIF都小于10，多重共线性不严重。
（五）研究结论
模型诊断表明，基于（1）式所示的模型，对绿色投资、绿色保险和碳金融对绿色金融综合指数的影响进行线性回归分析具有科学合理性，绿色投资、绿色保险和碳金融对绿色金融综合指数分别在1%和5%的显著性水平下具有显著的正向影响。研究假说1得到支持。
四、绿色金融改革创新试验区建设对浙江省绿色金融影响的持续性检验
（一）样本选择说明
（二）平稳性检验
此处选择启动绿色金融改革创新试验区的时间序列数据建立模型，选择ACF自相关系数、PACF偏自相关系数检验以及单位根检验对时间序列的平稳性进行检验，利用R语言作为工具，使用代码实现上述功能，对数据进行初步分析。
1.数据预分析。如图1所示，浙江省绿色信贷指数数据随时间变化有一定趋势和规律，并不是随机变化，同时结合经济学现实意义，数据选择较为正确，可以进行下一步分析。但同时也发现浙江省绿色信贷的时间序列变化不平稳，再通过自相关系数及偏自相关系数检验分析后，应当对时间序列进行平稳性处理。
2.ACF自相关系数、PACF偏自相关系数检验。如图2所示，原始数据ACF图以及PACF图的波动较大，有一定的拖尾现象，同时存在上升趋势。FAC图超越上限置信区间以及下限置信区间即两倍σ区间的数据较多，因此，可以认为二者的时间序列不平稳。因而对时间序列数据进行差分处理，并再次进行ACF自相关系数、PACF偏自相关系数检验，希望得到平稳序列。
如图3所示，一阶差分后浙江省绿色信贷数据随时间变化仍有一定趋势及规律，保留了原始数据特性。如图4所示，经过一阶差分后，ACF图以及PACF图的波动较小，不存在明显的变化趋势，出现一定拖尾现象，可以认为时间序列稳定，通过ACF、PACF检验。
（三）白噪声检验
如表5所示，对一阶差分后所得的时间序列数据运用Ljung-Box方法进行白噪声检验。可以发现12阶滞后项的LB检验p值均小于0.05，拒绝原假设，可认为所检验时间序列不是白噪声序列，通过白噪声检验，具有研究价值，可进一步分析。
（四）模型识别
如图5所