论文部分内容阅读
[摘 要]改革开放以来，中国在经济高速增长的同时，环境不断恶化。对此，国家提出通过发挥金融机构在资源配置中的作用，调整信贷供给政策，帮助治理环境污染。本文以我国2004-2012年的30个省级面板数据为样本，以工业废水排放量、工业废气排放量、工业固体废弃物排放量为环境污染的具体量化指标，以地区贷款余额为信贷供给的量化指标，使用STATA12.0软件进行数据处理和回归分析，实证研究信贷供给对我国环境污染的影响。
[关键词]环境污染；信贷供给；计量模型
doi：10.3969/j.issn.1673 - 0194.2016.02.102
[中图分类号]F124；F832 [文献标识码]A [文章编号]1673-0194（2016）02-0-02
0 引 言
改革开放以来，中国经济的高速增长令世人瞩目，中国GDP的年均增长率平均可达到发达国家的2～3倍。然而，经济增长过程中巨大的能源消耗与污染排放给中国带来了巨大的环境压力。目前，中国的单位GDP能耗是发达国家的8～10倍，而污染更是达到发达国家的30倍。资源的过度开采和低效利用导致生态环境呈现恶化趋势，经济发展与环境污染之间的矛盾日益突出。国家为了推进经济发展方式转型和经济结构调整，在金融层面提出了提高企业贷款门槛，控制信贷供给量的方针政策。原国家环境保护总局、中国人民银行和中国银行业监督管理委员会于2007年联合发布了《关于落实环保政策法规防范信贷风险的意见》，提出了约束信贷供给量，改善环境污染的必要性。同时，“十二五”规划中也明确要求通过信贷供给限制，控制生产、流通、消费各环节的环境污染。2012年2月，银监会颁布《绿色信贷指引》，旨在推动银行业金融机构进一步优化信贷结构，合理控制信贷供给量，实现环境和经济的可持续发展。
在目前的学术领域内，环境研究方面的文章虽然很多，但焦点大多集中在环境与经济发展的主题上，很少涉及信贷供给与环境污染之间的直接研究，实证研究更是少之又少。本文使用计量模型，将环境问题纳入经济金融学的分析框架，为国家经济金融政策的制定提供参考。
1 信贷供给对环境污染的影响的文献综述
信贷供给对环境污染的影响，是经济发展对环境污染影响研究的延续。经济发展与环境污染研究的最经典成果是“环境库兹列茨曲线（EKC）”，它认为污染与人均收入之间存在先升后降的倒“U”型关系，包括Grossman和Krueger在内的后续学者运用多个国家的数据和方法证实了这一关系的存在。与此同时，信贷供给与经济增长关系的研究也一直备受关注，Bemanke和Blinder认为在信息不对称的条件下，金融机构通过信贷供给来调节企业与个人的需求和支出水平，从而影响经济发展。Kashyap， Stein和Wilcox通过银行贷款和商业票据的相对变动证明信贷供给的变化能影响投资和经济产出。基于这些研究，部分学者发现，信贷供给会通过影响经济发展，间接影响环境污染。国外代表性的著作有《金融可持续发展与银行业：金融部门与地球的未来》《环境金融》《产业生态学》及《将环境因素纳入银行借贷环境会计的应用》。这些研究指出信贷供给会间接作用于环境问题，得出合理控制信贷供给量能起到环境保护的作用。
国内学者对信贷供给，经济发展和环境污染三者的关系做了大量研究。韩玉军和陆旸针对经济增长与环境污染的关系做了研究，指出中国目前处于EKC曲线的第一阶段，即经济增长会加剧环境污染。针对信贷供给和经济增长的关系，陈飞，赵听东和高铁梅基于向量子回归模型的脉冲响应函数，得出信贷增加对GDP增长有着显著的促进作用；孙明华利用1994-2003年季度数据对GDP和信贷余额进行了Granger因果关系检验，结果认GDP和信贷余额之间存在长期稳定的关系；蔡越洲和郭梅军以1998年为界对GDP和信贷余额的季度数据进行检验，认为GDP和信贷余额在两个子区间都存在协整关系；李成等通过对东、中、西部三个地区银行信贷对经济增长作用的协整分析，发现信贷对经济增长的贡献度从东向西依次递减；张蕾蕾和薛洪言通过对产业产值结构变动系数和产业信贷结构变动系数计量分析，提出前期信贷供给对当期产值具有正影响，且具有一定的滞后性。国内关于信贷供给与环境污染两者关系的研究较少，多为定性研究。任辉对我国环境金融的制度构建作了探讨，认为要在中国成功开展环境金融，必须建立有效的信贷机制。陈雁分析了环境金融在我國的发展现状，阐述了约束信贷供给量对我国经济社会可持续发展是有深远意义的。
综上所述，国内外均有大量研究证实了经济发展对环境污染的影响，以及信贷供给对经济发展，但对信贷供给与环境污染两者关系的研究成果较少，且多以定性分析为主。本文建立计量基金模型，选用我国2004-2012年的30个省级面板数据为样本，实证研究信贷供给对环境污染的影响。
2 信贷供给对环境污染影响的理论假设、计量模型
2.1 理论分析与研究假设
根据“环境库兹涅茨曲线假说”（Grossman and Krueger，1991），经济增长将影响环境质量。当一国经济发展水平较低时，环境污染会随经济增长而加剧；当该国经济发展达到一定水平后，其环境污染会随着经济增长得到改善。本文假设，中国仍处于环境库兹涅茨曲线假说的第一阶段，即经济增长将导致环境污染的加剧。
根据新凯恩斯主义，信贷投放将影响投资支出的比例，进而影响消费，最后对经济发展产生影响。当货币当局采取扩张性货币政策使银行体系的储备增加时，银行贷款增加，CC曲线向右移动，经济产出增加，于此同时，利率下降，促进经济进一步发展。
基于以上分析，本文认为，信贷供给的增加将促进经济发展，进而导致环境污染的加剧。本文根据此假设，展开实证检验。
2.2 计量模型的设定
本文建立一个计量方程来研究污染物排放水平和信贷供给之间的关系： ln Pollutioni，t = β0 β1 ln CreSupi，t β2 ln GDPi，t β3 ln Pop-densityi，t β4 ln FDIi，t β5 ln Industryi，t β6 ln POLi，t εi，t
其中，i=1，2，…，n 为不同省级行政区的截面单元，t=1，2，…，n 为时间期数，β0、β1、β2、β3、β4 、β5、β6 为变量的系数，εi，t为随机扰动项。
此计量方程的因变量为环境污染物排放水平（ln Pollution），其具体量化指标为工业废水排放量（ln Water）、工业废气排放量（ln Gas）、工业固体废弃物排放量（ln Solid）。
此计量方程的自变量为信贷供给（ln CreSup）。对于度量信贷配给，不同学者有不同观点。部分学者认为需要获得银行的信贷工作记录，统计受到信贷配给的客户占所有申请贷款客户总数（包括成功的和被拒绝的）的比率来衡量信贷配给大小。本文不使用该微观数据，而选取中国30个省公布的贷款余额测量化信贷配给的程度。
此计量方程的5个控制变量分别为以2000年为基年的地区国民生产总值（ln GDP），地区人口密度（ln Pop-density），外商直接投资的存量规模（ln FDI），第二产业生产总值占地区生产总值的比重（ln Industry），和污染治理的投资额（ln POL）。
本文选用的样本为我国2004-2012年的30个省级面板数据，样本不包括西藏自治区、中国台湾、中国香港特别行政区区和中国澳门特别行政区的数据。所有的样本数据主要来源于国泰安中国区域经济研究数据库、国家统计局官网和各省市自治区的地方统计年鉴，具体包括《中国环境统计年鉴》《中国环境年鉴》《中国统计年鉴》《中国国民生产总值核算历史资料》等。本文使用STATA 12.0软件进行数据处理和回归分析。
为消除数据中可能存在的异方差问题，本文模型中的各变量数据均进行了自然对数运算。各变量数据自然对数值的描述性统计见表1。
表1 变量描述性统计
变量名 样本数 平均值 标准误差 最小值 最大值
lnWater 270 10.852 2 1.011 6 8.173 0 12.599 2
lnGas 270 8.421 4 1.027 0 4.718 5 10.727 1
lnSolid 270 9.256 2 0.846 2 6.452 0 11.254 0
lnCreSup 270 11.374 6 0.959 4 8.873 9 13.444 3
lnGDP 270 8.696 4 0.948 6 6.028 0 10.666 0
lnPop-density 270 5.414 6 1.264 0 2.009 9 8.236 9
lnFDI 270 15.762 8 1.573 6 12.381 1 18.705 4
lnIndustry 270 3.861 3 0.187 3 3.122 4 4.119 0
lnPOL 270 4.475 2 0.988 0 1.667 7 7.255 7
3 信貸供给对我国环境污染影响的实证分析结果
3.1 变量平稳性检验
为了避免伪回归，确保估计结果的有效性，本文首先对各变量进行单位根检验，结果见表2。ln Water，ln Gas，ln Solid，ln GDP，ln Pop-density，ln FDI和ln Industry的P值均小于0.005，即在1%的置信水平下显著，ln CreSup和ln POL的P值小于0.05，即在10%的置信水平下显著。表明各变量不存在单位根，皆为平稳序列。
表2 单位根检验
变 量 未调整 t 调整后t* P-value 结 果
lnWater -16.045 6 -12.779 3 0.000 0 平 稳
lnGas -4.658 8 -3.344 0 0.000 4 平 稳
lnSolid -4.396 7 -2.659 2 0.003 9 平 稳
lnCreSup -3.925 8 -2.776 4 0.018 7 平 稳
lnGDP -7.653 0 -7.896 9 0.000 0 平 稳
lnPop-density -4.942 9 -4.889 7 0.000 0 平 稳
lnFDI -9.709 4 -9.060 0 0.000 0 平 稳
lnIndustry -7.253 5 -4.279 5 0.000 0 平 稳
lnPOL -4.460 8 2.802 7 0.048 8 平 稳
3.2 实证检验及分析
表3显示了以工业废水、工业废气及固体废弃物为环境污染因变量的具体量化指标，对信贷供给的面板数据回归结果。
表3 以工业废水、废气和固体废弃物为因变量，信贷供给为自变量的回归结果
解释变量 工业废水排放量（LnWater） 工业废气排放量（LnGas） 固体废弃物排放量（LnSolid）
lnCreSup -0.569
（0.140） 0.367***
（0.134） 0.239**
（0.097）
lnGDP 0.879***
（0.213） 0.580***
（0.207） 0.747*** （0.146）
lnPopdensity 0.200**
（0.090） -0.257***
（0.100） -0.149***
（0.057）
lnFDI -0.030
（0.079） -0.204***
（0.077） -0.180***
（0.054）
lnIndustry 0.196
（0.229） 1.031***
（0.212） 0.860***
（0.163）
lnPOL 0.024
（0.053） 0.074
（0.048） 0.089**
（0.039）
cons 8.208***
（1.103） -0.504
（1.058） -0.046
（0.777）
R2 0.001 0.731 0.816
注：括号内为标准误差；*表示10%的显著性水平，**为5%的显著性水平；***为1%的显著性水平
在以工业废水为因变量的模型中，拟合优度明显偏低，解释变量信贷供（lnCreSup）的系数为负数，但并不显著。本文认为，是由于工业废水相比废气和固体废弃物更容易监测，且国家针对废水排放有严格要求，惩罚也更为严格，因此企业的废水排放相对固定，受外界因素影响较小。下文对以工业废水为因变量的方程，也不做讨论。
从表3的R2可以看出，以工业废气、固体废弃物排放量为因变量的模型的拟合优度分别为0.731和0.816，且解释变量信贷供给（lnCreSup）的系数为正，表明当信贷供给增加，工业废气和固体废弃物污染加剧，其结果分别在1%和5%的水平上显著。
变量lnGDP在以工业废气、固体废弃物排放量为因变量的模型中的系数均为正，且均在1%的水平上显著，表明GDP每增加1%，工业废气和固体废弃物的排放量将分别增加58%和74.7%。变量lnPopdensity和变量lnFDI，在两个模型中，系数均为负数，且均在1%的水平上显著，表明人口密度每增加1%，工业废气、固体废弃物排放量将分别降低25.7%和14.9%，外来投资每增加1%，工业废气、固体废弃物排放量将分别降低20.4%和18%。变量lnIndustry在两个模型中的系数均为正，并在1%的水平上显著，表明和GDP一样，二产业比重的增大，会导致废气和固体废弃物污染加剧。
4 结 语
本文以我国2004-2012年的30个省级面板数据为样本，以工业废水排放量、工业废气排放量、工业固体废弃物排放量为环境污染的具体量化指标，以地区贷款余额为信贷供给的量化指标，使用STATA 12.0软件进行数据处理和回归分析，实证研究了信贷供给对我国环境污染的影响。得出的结论为：信贷供给规模与我国工业废气的排放量、工业固体废弃物的排放量存在正相关关系，即随着信贷供给量的增加，工业废气的排放量和工业固体废弃物的排放量都将上升。
笔者认为，银行在选择贷款对象时，通常依据企业财务指标，如资产负债率等。大型国有企业是银行的首选。当信贷供给量增加，银行仍愿意将贷款提供财务状况、信用状况良好的大型国企，这样势必导致对一些高污染项目审核的放松，最终加剧环境污染。
主要参考文献
[1]BS Bernanke，M Gertler.Inside the Black Box： The Credit Channel of Monetary Transmission[J].Journal of Economic Perspectives Fall，1995（4）.
[2]BS Bernanke，AS Blinder.Credit，Money，and Aggregate Demand[J].American Economic Review，1988（2）.
[3] SG Gilchrist，B Bernanke，M Gertler. The Financial Accelerator and the Flight to Quality[J].Review of Economies
[关键词]环境污染；信贷供给；计量模型
doi：10.3969/j.issn.1673 - 0194.2016.02.102
[中图分类号]F124；F832 [文献标识码]A [文章编号]1673-0194（2016）02-0-02
0 引 言
改革开放以来，中国经济的高速增长令世人瞩目，中国GDP的年均增长率平均可达到发达国家的2～3倍。然而，经济增长过程中巨大的能源消耗与污染排放给中国带来了巨大的环境压力。目前，中国的单位GDP能耗是发达国家的8～10倍，而污染更是达到发达国家的30倍。资源的过度开采和低效利用导致生态环境呈现恶化趋势，经济发展与环境污染之间的矛盾日益突出。国家为了推进经济发展方式转型和经济结构调整，在金融层面提出了提高企业贷款门槛，控制信贷供给量的方针政策。原国家环境保护总局、中国人民银行和中国银行业监督管理委员会于2007年联合发布了《关于落实环保政策法规防范信贷风险的意见》，提出了约束信贷供给量，改善环境污染的必要性。同时，“十二五”规划中也明确要求通过信贷供给限制，控制生产、流通、消费各环节的环境污染。2012年2月，银监会颁布《绿色信贷指引》，旨在推动银行业金融机构进一步优化信贷结构，合理控制信贷供给量，实现环境和经济的可持续发展。
在目前的学术领域内，环境研究方面的文章虽然很多，但焦点大多集中在环境与经济发展的主题上，很少涉及信贷供给与环境污染之间的直接研究，实证研究更是少之又少。本文使用计量模型，将环境问题纳入经济金融学的分析框架，为国家经济金融政策的制定提供参考。
1 信贷供给对环境污染的影响的文献综述
信贷供给对环境污染的影响，是经济发展对环境污染影响研究的延续。经济发展与环境污染研究的最经典成果是“环境库兹列茨曲线（EKC）”，它认为污染与人均收入之间存在先升后降的倒“U”型关系，包括Grossman和Krueger在内的后续学者运用多个国家的数据和方法证实了这一关系的存在。与此同时，信贷供给与经济增长关系的研究也一直备受关注，Bemanke和Blinder认为在信息不对称的条件下，金融机构通过信贷供给来调节企业与个人的需求和支出水平，从而影响经济发展。Kashyap， Stein和Wilcox通过银行贷款和商业票据的相对变动证明信贷供给的变化能影响投资和经济产出。基于这些研究，部分学者发现，信贷供给会通过影响经济发展，间接影响环境污染。国外代表性的著作有《金融可持续发展与银行业：金融部门与地球的未来》《环境金融》《产业生态学》及《将环境因素纳入银行借贷环境会计的应用》。这些研究指出信贷供给会间接作用于环境问题，得出合理控制信贷供给量能起到环境保护的作用。
国内学者对信贷供给，经济发展和环境污染三者的关系做了大量研究。韩玉军和陆旸针对经济增长与环境污染的关系做了研究，指出中国目前处于EKC曲线的第一阶段，即经济增长会加剧环境污染。针对信贷供给和经济增长的关系，陈飞，赵听东和高铁梅基于向量子回归模型的脉冲响应函数，得出信贷增加对GDP增长有着显著的促进作用；孙明华利用1994-2003年季度数据对GDP和信贷余额进行了Granger因果关系检验，结果认GDP和信贷余额之间存在长期稳定的关系；蔡越洲和郭梅军以1998年为界对GDP和信贷余额的季度数据进行检验，认为GDP和信贷余额在两个子区间都存在协整关系；李成等通过对东、中、西部三个地区银行信贷对经济增长作用的协整分析，发现信贷对经济增长的贡献度从东向西依次递减；张蕾蕾和薛洪言通过对产业产值结构变动系数和产业信贷结构变动系数计量分析，提出前期信贷供给对当期产值具有正影响，且具有一定的滞后性。国内关于信贷供给与环境污染两者关系的研究较少，多为定性研究。任辉对我国环境金融的制度构建作了探讨，认为要在中国成功开展环境金融，必须建立有效的信贷机制。陈雁分析了环境金融在我國的发展现状，阐述了约束信贷供给量对我国经济社会可持续发展是有深远意义的。
综上所述，国内外均有大量研究证实了经济发展对环境污染的影响，以及信贷供给对经济发展，但对信贷供给与环境污染两者关系的研究成果较少，且多以定性分析为主。本文建立计量基金模型，选用我国2004-2012年的30个省级面板数据为样本，实证研究信贷供给对环境污染的影响。
2 信贷供给对环境污染影响的理论假设、计量模型
2.1 理论分析与研究假设
根据“环境库兹涅茨曲线假说”（Grossman and Krueger，1991），经济增长将影响环境质量。当一国经济发展水平较低时，环境污染会随经济增长而加剧；当该国经济发展达到一定水平后，其环境污染会随着经济增长得到改善。本文假设，中国仍处于环境库兹涅茨曲线假说的第一阶段，即经济增长将导致环境污染的加剧。
根据新凯恩斯主义，信贷投放将影响投资支出的比例，进而影响消费，最后对经济发展产生影响。当货币当局采取扩张性货币政策使银行体系的储备增加时，银行贷款增加，CC曲线向右移动，经济产出增加，于此同时，利率下降，促进经济进一步发展。
基于以上分析，本文认为，信贷供给的增加将促进经济发展，进而导致环境污染的加剧。本文根据此假设，展开实证检验。
2.2 计量模型的设定
本文建立一个计量方程来研究污染物排放水平和信贷供给之间的关系： ln Pollutioni，t = β0 β1 ln CreSupi，t β2 ln GDPi，t β3 ln Pop-densityi，t β4 ln FDIi，t β5 ln Industryi，t β6 ln POLi，t εi，t
其中，i=1，2，…，n 为不同省级行政区的截面单元，t=1，2，…，n 为时间期数，β0、β1、β2、β3、β4 、β5、β6 为变量的系数，εi，t为随机扰动项。
此计量方程的因变量为环境污染物排放水平（ln Pollution），其具体量化指标为工业废水排放量（ln Water）、工业废气排放量（ln Gas）、工业固体废弃物排放量（ln Solid）。
此计量方程的自变量为信贷供给（ln CreSup）。对于度量信贷配给，不同学者有不同观点。部分学者认为需要获得银行的信贷工作记录，统计受到信贷配给的客户占所有申请贷款客户总数（包括成功的和被拒绝的）的比率来衡量信贷配给大小。本文不使用该微观数据，而选取中国30个省公布的贷款余额测量化信贷配给的程度。
此计量方程的5个控制变量分别为以2000年为基年的地区国民生产总值（ln GDP），地区人口密度（ln Pop-density），外商直接投资的存量规模（ln FDI），第二产业生产总值占地区生产总值的比重（ln Industry），和污染治理的投资额（ln POL）。
本文选用的样本为我国2004-2012年的30个省级面板数据，样本不包括西藏自治区、中国台湾、中国香港特别行政区区和中国澳门特别行政区的数据。所有的样本数据主要来源于国泰安中国区域经济研究数据库、国家统计局官网和各省市自治区的地方统计年鉴，具体包括《中国环境统计年鉴》《中国环境年鉴》《中国统计年鉴》《中国国民生产总值核算历史资料》等。本文使用STATA 12.0软件进行数据处理和回归分析。
为消除数据中可能存在的异方差问题，本文模型中的各变量数据均进行了自然对数运算。各变量数据自然对数值的描述性统计见表1。
表1 变量描述性统计
变量名 样本数 平均值 标准误差 最小值 最大值
lnWater 270 10.852 2 1.011 6 8.173 0 12.599 2
lnGas 270 8.421 4 1.027 0 4.718 5 10.727 1
lnSolid 270 9.256 2 0.846 2 6.452 0 11.254 0
lnCreSup 270 11.374 6 0.959 4 8.873 9 13.444 3
lnGDP 270 8.696 4 0.948 6 6.028 0 10.666 0
lnPop-density 270 5.414 6 1.264 0 2.009 9 8.236 9
lnFDI 270 15.762 8 1.573 6 12.381 1 18.705 4
lnIndustry 270 3.861 3 0.187 3 3.122 4 4.119 0
lnPOL 270 4.475 2 0.988 0 1.667 7 7.255 7
3 信貸供给对我国环境污染影响的实证分析结果
3.1 变量平稳性检验
为了避免伪回归，确保估计结果的有效性，本文首先对各变量进行单位根检验，结果见表2。ln Water，ln Gas，ln Solid，ln GDP，ln Pop-density，ln FDI和ln Industry的P值均小于0.005，即在1%的置信水平下显著，ln CreSup和ln POL的P值小于0.05，即在10%的置信水平下显著。表明各变量不存在单位根，皆为平稳序列。
表2 单位根检验
变 量 未调整 t 调整后t* P-value 结 果
lnWater -16.045 6 -12.779 3 0.000 0 平 稳
lnGas -4.658 8 -3.344 0 0.000 4 平 稳
lnSolid -4.396 7 -2.659 2 0.003 9 平 稳
lnCreSup -3.925 8 -2.776 4 0.018 7 平 稳
lnGDP -7.653 0 -7.896 9 0.000 0 平 稳
lnPop-density -4.942 9 -4.889 7 0.000 0 平 稳
lnFDI -9.709 4 -9.060 0 0.000 0 平 稳
lnIndustry -7.253 5 -4.279 5 0.000 0 平 稳
lnPOL -4.460 8 2.802 7 0.048 8 平 稳
3.2 实证检验及分析
表3显示了以工业废水、工业废气及固体废弃物为环境污染因变量的具体量化指标，对信贷供给的面板数据回归结果。
表3 以工业废水、废气和固体废弃物为因变量，信贷供给为自变量的回归结果
解释变量 工业废水排放量（LnWater） 工业废气排放量（LnGas） 固体废弃物排放量（LnSolid）
lnCreSup -0.569
（0.140） 0.367***
（0.134） 0.239**
（0.097）
lnGDP 0.879***
（0.213） 0.580***
（0.207） 0.747*** （0.146）
lnPopdensity 0.200**
（0.090） -0.257***
（0.100） -0.149***
（0.057）
lnFDI -0.030
（0.079） -0.204***
（0.077） -0.180***
（0.054）
lnIndustry 0.196
（0.229） 1.031***
（0.212） 0.860***
（0.163）
lnPOL 0.024
（0.053） 0.074
（0.048） 0.089**
（0.039）
cons 8.208***
（1.103） -0.504
（1.058） -0.046
（0.777）
R2 0.001 0.731 0.816
注：括号内为标准误差；*表示10%的显著性水平，**为5%的显著性水平；***为1%的显著性水平
在以工业废水为因变量的模型中，拟合优度明显偏低，解释变量信贷供（lnCreSup）的系数为负数，但并不显著。本文认为，是由于工业废水相比废气和固体废弃物更容易监测，且国家针对废水排放有严格要求，惩罚也更为严格，因此企业的废水排放相对固定，受外界因素影响较小。下文对以工业废水为因变量的方程，也不做讨论。
从表3的R2可以看出，以工业废气、固体废弃物排放量为因变量的模型的拟合优度分别为0.731和0.816，且解释变量信贷供给（lnCreSup）的系数为正，表明当信贷供给增加，工业废气和固体废弃物污染加剧，其结果分别在1%和5%的水平上显著。
变量lnGDP在以工业废气、固体废弃物排放量为因变量的模型中的系数均为正，且均在1%的水平上显著，表明GDP每增加1%，工业废气和固体废弃物的排放量将分别增加58%和74.7%。变量lnPopdensity和变量lnFDI，在两个模型中，系数均为负数，且均在1%的水平上显著，表明人口密度每增加1%，工业废气、固体废弃物排放量将分别降低25.7%和14.9%，外来投资每增加1%，工业废气、固体废弃物排放量将分别降低20.4%和18%。变量lnIndustry在两个模型中的系数均为正，并在1%的水平上显著，表明和GDP一样，二产业比重的增大，会导致废气和固体废弃物污染加剧。
4 结 语
本文以我国2004-2012年的30个省级面板数据为样本，以工业废水排放量、工业废气排放量、工业固体废弃物排放量为环境污染的具体量化指标，以地区贷款余额为信贷供给的量化指标，使用STATA 12.0软件进行数据处理和回归分析，实证研究了信贷供给对我国环境污染的影响。得出的结论为：信贷供给规模与我国工业废气的排放量、工业固体废弃物的排放量存在正相关关系，即随着信贷供给量的增加，工业废气的排放量和工业固体废弃物的排放量都将上升。
笔者认为，银行在选择贷款对象时，通常依据企业财务指标，如资产负债率等。大型国有企业是银行的首选。当信贷供给量增加，银行仍愿意将贷款提供财务状况、信用状况良好的大型国企，这样势必导致对一些高污染项目审核的放松，最终加剧环境污染。
主要参考文献
[1]BS Bernanke，M Gertler.Inside the Black Box： The Credit Channel of Monetary Transmission[J].Journal of Economic Perspectives Fall，1995（4）.
[2]BS Bernanke，AS Blinder.Credit，Money，and Aggregate Demand[J].American Economic Review，1988（2）.
[3] SG Gilchrist，B Bernanke，M Gertler. The Financial Accelerator and the Flight to Quality[J].Review of Economies