綠色信貸政策能助力城市碳減排嗎?
——基于《綠色信貸指引》實施的準自然實驗

方國斌, 鄧耀洵, 張 俊

(安徽財經大學 a.統計與應用數學學院;b.經濟學院,安徽 蚌埠 233041)

科學研究證實,碳排放的增多導致全球氣候變暖以及極端天氣頻發,逐漸威脅人類的食物供應和居住環境,因此減少碳排放和擁抱美麗清潔的綠色世界已經成為人們的共同心聲。從黨的十八屆五中全會提出的綠色發展理念到2020年明確提出“雙碳”目標,即力爭在2030年前實現碳達峰與2060年前實現碳中和,都表現出國家對碳減排的決心。為此,除了政府采取一些行政手段去抑制碳排放以外,銀行等金融部門也參與制定與實施了相關綠色金融政策。2012年由銀監會制定的《綠色信貸指引》便是其中的重要政策之一,該政策主要對微觀企業進行信貸調控,引導資金在市場中重新配置,使得信貸支持更傾向于綠色清潔產業,但實際效果如何尚未可知。因此對該政策實施的效果進行研究具有一定的意義和價值,可以為進一步制定和實施金融政策提供參考。

綠色信貸政策最直接的影響對象是微觀企業,因此該政策是否能夠實現減少碳排放的關鍵在于能否給微觀企業帶來積極影響[1-2]。在企業的創新方面,有研究指出《綠色信貸指引》的實施使得重污染企業股權融資成本上升[3],縮減了重污染企業的信貸規模[4],降低了重污染企業的研發投入,進而抑制了企業的綠色技術創新,未能表現出“波特效應”[5]。但也有文獻表明,《綠色信貸指引》的實施顯著提高了重污染企業的創新產出[6-7],同時這種創新產出降低了其貸款融資成本[8]。具體而言,該政策主要通過抑制重污染企業的財務空間以及增加債務融資成本來倒逼企業進行綠色轉型和升級[9-10],最終降低區域碳排放水平。在區域產業結構優化方面,綠色信貸政策主要通過改變微觀企業的投資戰略進而影響區域產業結構的比例?，F有研究關于綠色信貸政策是否能夠優化產業結構存在分歧:有學者認為當前環境污染的成本不足以限制資本密集的產業繼續進行大規模生產[11],無法帶來產業結構的升級;與之相對應,另一些學者認為綠色信貸能夠促進企業向清潔行業邁進,從而優化產業結構[12]。綜上,政策的實施是否能產生城市碳減排效應值得討論。

一、綠色信貸政策對碳排放影響機制的理論假說

綠色信貸政策的實施直接影響的主體是微觀企業,因此綠色信貸政策能否產生預期效果關鍵在于企業是否會做出實質性的綠色轉變。首先,綠色信貸政策優化了信貸資源的配置,引導銀行等金融機構通過執行差異化利率來控制綠色信貸限制行業的貸款規模,同時將更低利率的貸款發放給綠色企業,提高綠色產業在市場中的占比。對于綠色信貸限制行業的企業來說,綠色信貸額度的大量削減使得它們無法繼續按照以往的規模進行產品的加工制造,從而不得不縮小自己的生產規模去確保自己的企業正常運轉,企業規?？s減的同時也降低企業的碳排放量[13]。其次,綠色信貸政策的實施向市場傳遞了未來執行綠色發展的風向標,使得民間資金傾向于從重污染行業撤出轉而流向低碳產業,這進一步限制了重污染企業獲得資金支持的能力,導致生產的環境外部性問題內部化,此時轉型升級或者縮小規模成為了重污染企業未來的主要走勢[14]。最后,綠色信貸的實施大大增強了綠色企業獲得融資貸款的能力,使得綠色企業能夠將更多的資金用于綠色技術的研發創新[15],提高了企業的綠色創新能力[16],推動了技術進步[17],這同樣也激勵了重污染企業提高創新投入從而抵消行業監管所帶來的約束限制[18]。重污染企業的轉型升級和綠色創新技術的進步都會帶來企業碳排放量的降低,從而降低了企業所在城市的碳排放水平[19]?；诖?提出假說1:

H1:綠色信貸政策通過促進企業綠色創新來降低城市的碳排放。

產業結構是指一個經濟體中各個產業之間在產出、就業、價值鏈等方面的相對比重和構成,它反映了不同產業的發展狀況和相互關系。為了更準確地研究綠色信貸政策對產業結構的影響,本文主要從產業結構合理化和產業結構高級化兩個角度來進行具體分析。產業結構合理化是指在產業發展中,不同產業之間的比例和結構能夠適應經濟社會發展的需要,達到資源配置的合理化和效率提升的目標。而產業結構高級化則是指產業向技術含量更大、附加值更大、創新能力更強的方向發展。綠色信貸對產業結構影響主要分為以下四個方面:首先,綠色信貸政策可以提供針對環保、低碳產業的優惠融資政策,包括貸款利率優惠、貼息政策等,降低這些產業的融資成本[20],將激勵企業加大對環保技術研發和綠色產業投資的力度,推動產業結構向環保產業調整[21]。其次,綠色信貸政策可以鼓勵企業進行綠色技術創新和研發,提供風險投資和技術轉讓等金融支持,將促進企業提升技術水平,推動產業升級和創新,實現產業結構向高技術含量的方向發展[22]。然后,綠色信貸政策通常與環境規范和標準相結合,對企業進行綠色審計和環境評估。這將迫使傳統產業企業進行產業結構調整,減少高污染、高能耗產業的比重,推動產業向低碳、清潔的方向轉變。最后,綠色信貸政策可以設立激勵措施,如對環?？冃炐闫髽I給予貸款利率優惠、獎勵等,以鼓勵企業積極參與綠色產業發展和環境保護。這將提高企業對綠色產業的投資意愿,推動產業結構合理化和高級化[23]。但是,現有的研究未能夠在政策的影響方向上達成一致共識,主要是由于當前企業違規成本較低以及信息不對稱使得綠色信貸政策對產業結構升級的促進效應并不顯著,當信貸資金持續地流向資本密集型企業時,綠色信貸政策甚至有可能阻礙城市產業結構的升級[24]?；谝陨戏治?提出假說2:

H2:綠色信貸政策通過優化城市產業結構來降低城市的碳排放。

綜合上述理論分析以及兩個假說,提出假說3:

H3:綠色信貸政策的實施能夠顯著降低城市的碳排放。

二、模型設定、指標構建與數據說明

1.模型設定

政策的實施降低了城市碳排放嗎?這種影響效應顯著嗎?還有哪些因素對城市碳排放有影響?為了解決這些疑問,本文使用雙重差分法對政策效應進行分析,具體模型建立如下:

ln CO2it=β0+β1Cityi×Policyt+βnControl1+γi+μt+εit

(1)

其中: CO2it表示城市i第t年的碳排放水平;β0表示常數項;Cityi表示城市i是否是高污染城市的虛擬變量;Policyt代表2012年前后虛擬變量;Control1代表所有宏觀層面控制變量;γi代表城市固定效應;μt代表年份固定效應;εit表示隨機誤差項。該模型中我們重點關注的是交互項Cityi×Policyt的系數β1,該系數若顯著為負,則表明《綠色信貸指引》的實施有效抑制了城市的碳排放。

2.控制變量指標構建

(1)核心解釋變量 為了探究綠色信貸政策的實施是否會對城市的碳排放量產生顯著影響,本文將分別設置政策實施年份(Policy)、城市(Treat)和兩者的交互項did這三個虛擬變量,其中交互項(did)是本文的核心解釋變量。由于政策實施的時間是2012年,所以將年份大于等于2012年設置為實驗組。此外,因為綠色信貸政策主要限制的是高污染企業的貸款,所以將城市中高污染企業數量大于5的設置為實驗組。兩者交互項反映了政策實施后高污染城市相對于一般城市來說碳排放量變化情況。

(2)被解釋變量 為了探究綠色信貸政策對城市碳排放的影響及其作用機制,選取二氧化碳排放量的對數(ln CO2)來衡量城市碳排放水平。由于高污染企業通過綠色創新來實現企業轉型或者縮減企業自身的信貸資金來減少生產規模從而降低城市的碳排放水平,這一期間需要一定的時間間隔。為了反映城市碳排放量的變化,本文選取年度數據作為指標頻率,同時考慮到政策實施對企業綠色創新產生影響存在一定的滯后期,從綠色技術創新投入生產到對碳排放產生影響也存在一定的滯后效應,本文引入城市碳排放水平的滯后一期數據作為實際被解釋變量。

(3)控制變量 參考已有文獻我們在微觀層面和宏觀層面分別選取了一系列控制變量[25-28]。微觀層面包括:員工規模(ln Person1)、企業凈資產(ln Assert)、企業年齡(ln Age)、資產負債率(Debt)、企業績效(Roa)、機構投資者持股比率(St)、第一股東持股比例(Top1)、固定資產比率(Fix)和現金比率(Cash)。宏觀層面包括:城市人口規模(ln Person2)、城市人均生產總值(ln Gdp)、城鎮就業人數(ln CityJob)、第二產業職工比重(SecdPerson)和對外開放程度(ln Open)。

(4)中介變量 微觀層面選取企業綠色專利水平、產業結構作為模型的中介變量?，F有文獻主要用上市公司綠色專利申請數量來衡量其綠色創新水平[5-6]。企業的綠色專利不僅能衡量一個國家或者企業的創新程度,同時也能夠體現創新活動產出水平。企業一旦進行綠色相關的創新并投入到生產活動當中以替代原有的高污染生產方式,這就會間接地減少其碳排放,本文選取企業綠色專利水平(ln Total)作為其中一個中介變量,指標計算方式為企業綠色專利申請數量加1取對數。

綠色信貸政策通過引導資金流動以及釋放綠色經濟信號來促進產業結構升級,達到減少污染的目的。本文從產業結構合理化和產業結構高級化兩個角度來探究政策先影響產業結構進而影響城市碳排放水平的中介效應。選用產業結構層次系數度量產業結構高級化程度(ADV)[29],計算公式如下:

(2)

其中:i表示城市;t表示年份;m表示產業;yi,t,m表示產業增加值占該城市生產總值的比例。

選擇使用泰爾指數度量產業結構合理化程度[30],計算公式如下:

(3)

其中:li,t,m表示產業就業人口比例;由于泰爾指數為負向指標,取其倒數REA=1/TL作為度量因子,REA越大,表示產業結構合理化水平就越高。

(5)選取的宏微觀層面數據說明 宏觀層面上,研究目的是探究《綠色信貸指引》的實施對城市碳排放是否有顯著影響以及這種影響的方向和大小?？紤]到重污染企業幾乎遍布所有城市,同時單個企業的作用是不足以說明影響效果,所以本文將擁有重污染企業數量大于5(90%分位數)的城市設定為重污染城市。城市的碳排放數據以及相關其他數據來源于《中國城市統計年鑒》《中國統計年鑒》《中國城市建設統計年鑒》和《中國區域統計年鑒》等。借鑒吳建新和郭智勇的計算方法[31],最終獲得了包含147個地級市在內的2 058條樣本數據,其中重污染城市數據182條。我們同樣對主要的連續型變量進行了1%的縮尾處理。具體變量名稱及說明見表1所列。

表1 變量解釋說明

微觀層面上,選取2006-2019年間我國所有A股上市公司為研究樣本,并且對樣本進行了以下處理:剔除了異常交易的上市公司,剔除了金融以及保險類的上市公司,剔除了資產負債率大于1和小于0的公司,剔除了缺失相關數據的公司。然后,根據上市公司是否是重污染企業將樣本一分為二,其中重污染企業為實驗組,非重污染企業則為控制組。這樣分類的原因在于《綠色信貸指引》明確規定了銀行等金融服務機構要合理地調控信貸業務中的環境風險,因此重污染企業將直接成為金融機構的主要目標。上市公司的綠色專利數據來源于中國研究數據服務平臺(CNRDS),我們將上市公司的綠色專利數據分為公司當年申請的綠色發明數量和公司當年申請的綠色實用新型專利數量,其他特征數據均來源于國泰安數據庫(CSMAR)。進行數據處理后,本文共獲得了包含732家上市公司在內的年度上市公司樣本觀測數據10 248條,其中重污染企業4 998條。為了避免異常值對實驗結果造成的影響,對連續型變量進行了1%的縮尾處理。具體變量名稱及說明見表1所列。

3.變量的描述性統計分析

變量的描述性統計結果見表2所列。從表中可以看出城市碳排放量指標ln CO2的均值為6.642,標準差為1.085,表明地級市之間二氧化碳排放量存在著明顯的差異。綠色專利申請數ln Total的均值為0.345,標準差為0.815,表明綠色專利的申請數量在上市公司之間存在著很大的差異,同時中位數為0,表明一半以上的企業是沒有申請綠色專利的,綠色創新水平總體偏低。產業結構合理化指標REA和產業結構高級化指標ADV數據表明城市產業結構之間存在的較大的差異。

表2 變量的描述性統計分析

三、實證結果

1.基準回歸結果

對模型進行逐步回歸分析[32],基準回歸結果見表3所列。表3列(1)顯示,在未加入控制變量時,did的系數顯著為負數,這說明綠色信貸政策的實施顯著降低了城市碳排放強度。表3列(2)～(6)顯示,在逐步加入控制變量的過程中,did的估計系數始終顯著為負,說明政策的效果不會受到其他控制變量的影響而發生較大的變動,其實施效果較為穩定,能夠顯著降低城市碳排放水平,實現綠色發展。H3得到驗證。

表3 基準回歸

2.平行趨勢檢驗

通過基準回歸結果我們可以看出交互項did系數在1%的水平下顯著為負,說明《綠色信貸指引》的實施能夠顯著地降低城市的碳排放水平。但是這種情況只有在處理組和對照組滿足平行趨勢假定的時候才成立,即在沒有政策外部沖擊的情況下,處理組和對照組之間沒有顯著差異[4]。因此本文采用事件研究法進行平行趨勢檢驗,同時分析綠色信貸政策的動態效應[33],并構建如下模型。

(4)

本文對平行趨勢檢驗結果進行了可視化展示,并且將政策實施前一期作為基準組進行分析。從圖1可以直觀地看到,政策實施之后,城市的碳排放量呈現出下降的趨勢,并且在滯后兩期時在5%的顯著性水平下為負,說明政策的實施降低了城市二氧化碳的排放,但存在一定的滯后效應。原因可能在于政策的直接作用對象不是城市本身而是微觀企業,從而導致政策的實施到對城市碳排放產生影響需要經過多種中介傳播作為緩沖,拖長了作用開始時間。

圖1 平行趨勢檢驗

3.安慰劑檢驗

為了排除研究結果受到遺漏關鍵變量的影響,進一步采用隨機抽樣的方法來構造新的實驗組和對照組[34],從而生成新的虛擬政策變量來替換原本的政策變量重新進行回歸,最終通過所得的估計系數分布圖來判斷模型是否通過了安慰劑檢驗。具體而言,本文重復該隨機過程1 000次,具體的系數估計結果如圖2所示。從圖中可以看出,隨機模擬的估計系數分布在0值附近,大部分處于真實值右側,且90%以上的p 值大于0.1,說明隨機生成偽政策變量得到真實結果的可能性較小,表明通過了安慰劑檢驗,即綠色信貸政策對城市碳排放的政策效果受到其他政策或不可觀測隨機因素干擾的可能性較小。

圖2 安慰劑檢驗

4.穩健性檢驗

(1)PSM-DID檢驗 在《綠色信貸指引》政策實施之前若處理組城市和對照組城市的基本特征存在明顯差異,即樣本選擇偏誤所帶來的誤差,可能會造成不同城市之間的碳排放量原本就有高低之分,從而會使得雙重差分估計結果的準確性降低。本文采用傾向得分匹配和雙重差分相結合的方式進行穩健性檢驗。具體而言,選取城市層面綠色專利數量總和(ln PaTotal)、城市人口規模(ln Person)、城市生產總值(ln Gdp)、城市中城鎮就業人數(ln CityJob)、第二產業職工比重(SecdPerson)和對外開放程度(ln Open)作為特征變量,采用Logit回歸模型估計出每個樣本被選作處理組的概率,在采用卡尺匹配(卡尺為0.05)從對照組中匹配出合理的處理組樣本。表4為傾向得分匹配的平衡性檢驗的結果,通過觀察每個特征變量匹配后的t值可以發現處理組和對照組之間均不存在顯著差異,說明匹配效果較好。運用匹配后的樣本再次進行雙重差分,回歸結果見表5列(1)所列,可以發現,經過傾向得分匹配后,結果依然穩健。

表4 傾向匹配得分

表5 穩健性檢驗

(2)指標滯后檢驗 為了進一步證實研究結論的穩健性,本文對基準回歸式(1)中城市的二氧化碳排放量滯后兩年進行實證檢驗,分析綠色信貸政策的實施對城市碳排放的影響。表5列(2)列出了滯后檢驗結果。從表中可以看出,將被解釋變量滯后兩期后,交互項did的系數仍然顯著為負,和基準回歸結果一致,說明模型具有很強的穩健性。

(3)更換代理變量 采用人均二氧化碳排放量作為城市碳排放強度的另一個代理變量進行穩健性檢驗,從而緩解城市規模對于碳排放強度的干擾。表5列(3)列出了相應的結果,從中觀察到交互項did的系數在1%的顯著性水平下顯著為負,和基準回歸結果保持一致,模型穩健。

(4)遺漏變量檢驗 考慮到可能存在遺漏變量的問題,在基準回歸式(1)中引入城市公路貨運量ln Road的對數這一指標再次進行回歸,回歸結果見表5列(4)所列。從表中可以看出公路貨運量的系數在5%的水平上顯著,且交互項did的系數顯著為負,和基準回歸結果符號保持一致,模型具有穩健性。

5.政策對城市碳排放的影響機制分析

(1)企業綠色創新的中介效應 本文采用企業的綠色專業申請數量作為企業綠色創新水平的代理指標,構建如下模型:

ln Totaljt=β0+β1did+βnControl2+γj+μt+εit

(5)

其中:ln Totaljt代表企業j第t年企業的綠色創新水平;此處的did代表在微觀層面下政策的實施對于企業創新水平的影響效應,Control2代表所有微觀層面的控制變量;γj代表企業固定效應。

ln CO2it=β0+β1did+β2ln PaTotalit+βnControl2+γi+μt+εit

(6)

其中:ln PaTotalit表示第i個城市第t年所有企業綠色專利數量之和加1取對數,此處的did代表在宏觀層面下政策的實施對于城市碳排放水平的影響效應;Control1代表所有宏觀層面的控制變量;γi代表城市固定效應。

表6顯示了上市公司綠色專利申請量這一中介變量的回歸結果。因為《綠色信貸指引》政策主要通過限制重污染企業的信貸資源從而倒逼該類企業進行綠色創新或者縮減企業規模,所以本文分兩個階段回歸來分析政策通過影響企業創新進而影響城市碳排放的路徑。在第一階段中,由表6列(1)結果可知,交互項did系數在1%的顯著性水平下為正,這表明政策的實施能夠顯著地增加重污染企業的綠色專利產出水平。從表6的列(2)回歸結果可以看出,綠色專利申請數量和政策的實施對于城市碳排放的影響系數均顯著為負,說明兩者都對城市的碳排放具有抑制作用,進一步說明了綠色專利申請數在政策和城市碳排放之間發揮了部分中介效應,H1得到驗證。

表6 綠色創新中介效應檢驗

(2)城市產業結構的中介效應 綠色信貸政策的實施目的是為了實現綠色發展,從城市層面上來看,產業結構優化能夠很好地體現出綠色發展的變化程度。

這里選用產業結構合理化和產業結構高級化作為衡量城市產業結構優化程度的指標對政策進行中介效應分析并構造以下回歸方程[29-30]。

REAjt=β0+β1did+βnControl2+γj+μt+εit

(7)

ln CO2it=β0+β1did+β2REAit+βnControl1+γj+μt+εit

(8)

ADVjt=β0+β1did+βnControl2+γj+μt+εit

(9)

ln CO2it=β0+β1did+β2ADVit+βnControl1+γj+μt+εit

(10)

其中:REAjt表示第j個市第t年產業結構合理化水平;ADVjt表示第j個市第t年產業結構高級化水平。

產業結構中介變量的回歸結果見表7所列。本文使用滯后一階的回歸結果,原因在于從政策的頒布實施到優化產業結構和實現城市碳減排都需要一定的響應時間。表7列(1)和列(2)分別顯示了政策的實施對于產業結構合理化和產業結構高級化的影響,可以看出政策的實施顯著促進了產業結構升級。表7列(3)顯示了政策的實施和產業結構優化對城市碳排放的影響,did、REA和ADV三者的系數都為負,并且政策效應和產業結構合理化都顯著,表明政策的確能夠抑制城市碳排放水平,并且產業結構優化在這條路徑中發揮了部分中介效應。H2得到驗證。

表7 產業結構中介效應檢驗

6.異質性分析

(1)地區異質性檢驗 由于各個區域的經濟發展水平、城市化水平和能源結構的差異形成了區域間二氧化碳排放強度的顯著差異,在三大地區,東部的二氧化碳排放量最小,中部和西部則不相上下。除此之外,國家能源局也提出考慮東部的經濟實力和技術能力,其低碳經濟發展標準可以適當提高,對于碳減排的任務來說,地區責任也應有別。因此,本文將城市分為東中西部三個區域分別進行回歸分析,探究《綠色信貸指引》的實施對不同區域的影響是否有顯著差別。從表8列(1)～(3)中可以看出,政策的實施對于不同地區的影響具有顯著差異,具體表現為其顯著降低了東部地區的城市碳排放量,但對中部和西部地區的影響不顯著。原因可能在于,東部地區的地理位置優越、自然資源豐富,能夠更迅速地做出響應從而實現城市碳減排。同時相對于中西部地區來說東部地區的金融市場化水平較高,能夠更及時有效地響應綠色金融相關政策。

表8 異質性分析

(2)碳交易試點區異質性檢驗 為了更有效地落實碳減排相關工作,2011年10月29日,國家發展改革委發布《關于開展碳排放交易試點工作的通知》,確定在北京、天津、上海、重慶、湖北、廣東及深圳市開展碳排放交易試點。為了探究《綠色信貸指引》政策的實施對碳排放交易試點區和一般城市的效果是否有顯著差異,進一步將城市按照是否屬于碳排放交易試點區進行劃分并進行回歸[35]。從表8的列(4)～(5)可以看出,在《綠色信貸指引》政策實施后,不會顯著降低碳排放交易試點城市的碳排放量,但在5%的顯著性水平下顯著減少了城市的碳排放量,原因可能在于在國家設定碳排放交易試點區之前到2012綠色信貸政策實施后產生效果這段時間內,試點區的碳排放量已經實現了一定的控制,所以《綠色信貸指引》政策實施的效果并不明顯。

四、結論與對策建議

1.結論

本文從理論機制和實證分析兩個角度探討了《綠色信貸指引》政策對城市碳排放的影響。選取了2006-2019年中國147個地級市的732家A股上市公司的面板數據,運用雙重差分法和面板固定效應模型,探究了《綠色信貸指引》政策對中國地級市層面碳排放的影響。

回歸結果表明,政策的實施在1%的顯著性水平下降低了城市的碳排放水平,但其效果存在一定的滯后期。研究發現:在宏觀層面上,綠色信貸政策通過優化產業結構降低城市碳排放水平;在微觀層面上,政策主要通過促進企業進行綠色創新升級或綠色轉型來減少企業生產過程中產生的碳污染,從而降低城市的碳排放。另外,在模型的穩健性方面,本文進行了平行趨勢檢驗、傾向得分匹配、安慰劑檢驗、指標滯后檢驗、更換代理變量和遺漏變量檢驗等,結果同樣表明政策的實施顯著地抑制了城市的碳排放。本文進一步分析了《綠色信貸指引》對城市碳排放的影響是否存在異質性。研究顯示,政策實施的效果在東部較好,但對中部和西部沒有顯著影響。原因在于東部具有地理條件優越、自然環境豐富,且金融市場化水平較高,更利于相關政策的有效落實。相對于碳排放交易試點區,其他地區的政策效果更顯著,這主要緣于碳排放交易試點區的設立在《綠色信貸指引》政策頒布之前,且政策的實施存在一定滯后期,因此,在政策產生效果之前,碳排放交易試點區已對碳排放進行了合理控制,故政策效果不顯著。

2. 對策建議

綠色信貸政策的實施對象主要是微觀企業。在企業的生產過程中,污染成本的負外部性嚴重,綠色信貸政策將這種負外部性轉化為企業的內部成本,從而實現了污染的事前治理?；诖?為了更高效地實現“雙碳”目標,提出以下對策建議:

首先,國家應維持并擴大在微觀企業層面的綠色金融政策供給,從源頭控制企業的碳排放量。綠色信貸政策通過引導資金從高污染行業流向清潔環保行業來實現碳減排,已逐漸成為中國實現綠色發展的重要工具。銀行等金融機構應將更多注意力放在綠色信貸相關政策的制定上,同時相關單位應配合銀行等金融機構有效落實政策。其次,為了最大程度地控制城市的碳排放水平,綠色信貸政策的制定和實施需要在不同區域進行合理調整。在東部,應盡可能探索多樣化的綠色信貸政策,以最大化綠色信貸政策的碳減排效果。對于中西部,應擴大綠色信貸政策的實施范圍,讓更多微觀企業享受綠色信貸政策帶來的利益;同時,制定適合中西部城市的政策類型。此外,應加強綠色信貸政策對綠色信貸限制企業的“倒逼”效應,可通過低利率、綠色創新補貼(對綠色創新成果進行獎勵)等措施,鼓勵重污染企業進行綠色研發創新,尤其是對那些能夠帶來長期碳減排效果的綠色技術創新。最后,通過綠色信貸政策對不同行業給予不同的貸款利率水平,引導資金進行合理配置,實現產業結構的升級,并最終達到減碳的目標,共同構建美麗綠色家園。