DOI: https://doi.org/10.3389/frsus.2026.1774650
تاريخ النشر: 2026-03-13
المؤلف: Zhao Chen وآخرون
الموضوع الرئيسي: الطاقة والبيئة والنمو الاقتصادي
نظرة عامة
تبحث هذه الورقة البحثية في تأثير الائتمان الأخضر على انبعاثات الكربون في الصين، باستخدام بيانات بانل إقليمية متوازنة من 2012 إلى 2024. باستخدام نموذج التأثيرات الثابتة ذات الاتجاهين كإطار تحليلي رئيسي، تتضمن الدراسة تحليلات الوساطة والعتبة لاستكشاف الآليات واللامركزية المعنية، بينما تقوم أيضًا بإجراء اختبارات موثوقية من خلال تقديرات نظام GMM الديناميكي. تكشف النتائج أن الائتمان الأخضر يقلل بشكل كبير من انبعاثات الكربون الإقليمية من خلال ثلاثة مسارات رئيسية: الابتكار التكنولوجي الأخضر، تحسين هيكل الطاقة، وترقية هيكل الصناعة، مع احتساب التحولات الطاقية حوالي 21% من إجمالي تأثير تقليل الانبعاثات.
تحدد الدراسة أيضًا علاقة غير أحادية بين كثافة الائتمان الأخضر وفعاليته، مما يشير إلى أن المناطق ذات الناتج المحلي الإجمالي للفرد الأعلى (أكثر من 31,380 يوان أو 4,500 دولار أمريكي) تشهد تقليلًا في الانبعاثات يقارب الضعف مقارنة بالمناطق الأقل تطورًا. تشير النتائج إلى أنه لتعظيم تأثير الائتمان الأخضر، يجب تخصيص السياسات وفقًا للسياقات الإقليمية، مع التركيز على بنية الطاقة وتحقيق مقاييس نشر حاسمة. تؤكد الورقة على أهمية معالجة التحديات العملية في التنفيذ، مثل مخاطر “الغسل الأخضر” وقيود القدرة الإقليمية، لتعزيز فعالية الائتمان الأخضر كأداة سياسية لتحقيق أهداف الكربون المزدوجة في الصين. بشكل عام، توفر هذه الدراسة أدلة تجريبية قيمة وتوصيات سياسية للاستفادة من التمويل الأخضر في جهود التخفيف من آثار المناخ، سواء في الصين أو في اقتصادات أخرى نامية.
مقدمة
تسلط مقدمة الورقة البحثية الضوء على التحدي العاجل لتغير المناخ، الذي تفاقم بسبب ارتفاع مستويات CO₂ في الغلاف الجوي نتيجة لاستهلاك الوقود الأحفوري منذ الثورة الصناعية. مع توقع ارتفاع درجات الحرارة العالمية بمقدار 1.5-4.8 °م بحلول عام 2100، تشمل العواقب آثارًا بيئية خطيرة مثل ارتفاع مستوى سطح البحر وفقدان التنوع البيولوجي. قامت الصين، بصفتها أكبر مصدر للكربون، بتحديد أهداف “الكربون المزدوج” الطموحة للوصول إلى ذروة الانبعاثات بحلول عام 2030 وتحقيق الحياد الكربوني بحلول عام 2060. يتطلب ذلك تحولًا كبيرًا في أنظمة الطاقة والأنشطة الاقتصادية، مما يتطلب تمويلًا مناخيًا سنويًا يقدر بحوالي 3.4 تريليون يوان.
تركز الورقة على دور الائتمان الأخضر في تسهيل هذا الانتقال، حيث شهدت الصين ظهورها كأكبر مزود للقروض الخضراء، متجاوزة 15 تريليون يوان بحلول عام 2020. على الرغم من هذا النمو، هناك مخاوف بشأن فعالية الائتمان الأخضر في تقليل انبعاثات الكربون، مع نتائج تجريبية مختلطة. تهدف الدراسة إلى تحليل تأثير الائتمان الأخضر على انبعاثات الكربون في الصين بشكل منهجي، مستكشفة آليات مثل الابتكار التكنولوجي وتحسين هيكل الطاقة، مع مراعاة الفوارق الإقليمية. باستخدام بيانات بانل متوازنة من 30 مقاطعة، تستخدم البحث نماذج التأثيرات الثابتة ذات الاتجاهين وتحليل الوساطة لتقييم العلاقة وتحديد تأثيرات العتبة، مما يوفر في النهاية رؤى لتداعيات السياسات والاستراتيجيات لتعزيز فعالية التمويل الأخضر في تحقيق أهداف المناخ.
الطرق
في هذه الدراسة، تم بناء مجموعة بيانات بانل متوازنة تشمل 30 منطقة على مستوى المقاطعات في البر الرئيسي للصين من 2012 إلى 2024 لتحليل تأثير الائتمان الأخضر على انبعاثات الكربون. تبدأ مجموعة البيانات في عام 2012، بالتزامن مع تقديم إرشادات الائتمان الأخضر في الصين، وتمتد حتى عام 2024 لتعكس السياسات المتزايدة بعد إعلان أهداف الكربون المزدوجة في عام 2020. تم استبعاد التبت بسبب البيانات غير المكتملة، وهونغ كونغ وماكاو وتايوان بسبب اختلاف اللوائح المالية. تشمل مصادر البيانات مجموعة متنوعة من الكتب الإحصائية الرسمية وسجلات وحسابات انبعاثات الكربون (CEADS)، حيث تم معالجة الملاحظات المفقودة من خلال الاستيفاء الخطي أو تقدير المتوسط الإقليمي.
تستخدم التحليل نهجًا تجريبيًا كميًا باستخدام نماذج التأثيرات الثابتة ذات الاتجاهين لتقدير التأثير الأساسي للائتمان الأخضر على انبعاثات الكربون، مع التحكم في التباين الإقليمي غير المرصود والتأثيرات الزمنية. يتم تقييم موثوقية هذه النتائج بشكل أكبر من خلال المواصفات الديناميكية باستخدام طريقة اللحظات العامة النظامية (System GMM). بالإضافة إلى ذلك، يتم إجراء تحليل الوساطة لاستكشاف الآليات الأساسية، وتستخدم نماذج الانحدار العتبي للبانل لتحديد التأثيرات غير الخطية بناءً على مستويات مختلفة من التنمية الاقتصادية وكثافة الائتمان الأخضر. يتم تجميع الأخطاء القياسية على مستوى المقاطعة لضمان استنتاج دقيق.
النتائج
يقدم قسم النتائج نتائج من انحدارات التأثيرات الثابتة ذات الاتجاهين وتقديرات نظام GMM بشأن العلاقة بين الائتمان الأخضر وانبعاثات الكربون. تشير التقديرات الأساسية، الموضحة في الجدول 3، إلى معامل سلبي ثابت وذو دلالة إحصائية للائتمان الأخضر، بدءًا من -16.027 بدون ضوابط واستقرار حول -28 مع تضمين ضوابط هيكلية مثل كثافة السكان وتطور المالية. يشير هذا إلى تقليل ملحوظ في كثافة الانبعاثات المرتبطة بزيادة الائتمان الأخضر، مع ملاحظة انخفاض ملحوظ في الانبعاثات عند الانتقال من الربع الأدنى إلى الربع الأعلى من الائتمان الأخضر خلال فترة العينة من 2012 إلى 2024.
في المواصفة الديناميكية باستخدام نظام GMM، المعروضة في الجدول 2، يكون معامل المتغير التابع المتأخر (L. CE) إيجابيًا بشكل كبير (0.890، p < 0.01)، مما يشير إلى أن الانبعاثات التاريخية تؤثر بشكل كبير على المستويات الحالية. على الرغم من أن معامل الائتمان الأخضر في هذا النموذج سلبي (-11.622) وليس ذا دلالة إحصائية، إلا أنه يتماشى مع النتائج الأساسية، مما يشير إلى أن تأثيرات الائتمان الأخضر على الانبعاثات قد تظهر تدريجيًا. تؤكد اختبارات التشخيص صحة النموذج، مما يشير إلى عدم وجود مشاكل مع الارتباط التسلسلي أو خارجية الأدوات، مما يعزز موثوقية النتائج.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على دور الائتمان الأخضر كأداة سياسة بيئية قائمة على السوق تؤثر على تخصيص الموارد المالية بناءً على معايير بيئية. منذ تنفيذ إرشادات الائتمان الأخضر في الصين في عام 2012، أظهرت الدراسات أن الائتمان الأخضر يمكن أن يعزز استقرار البنوك وربحيتها بينما يعزز ممارسات الاستثمار المستدام. بشكل ملحوظ، تم ربط الائتمان الأخضر بتقليل كبير في انبعاثات الكربون، خاصة في الشركات ذات الكربون العالي، من خلال آليات مثل تحسين التنظيم البيئي وقيود التمويل. ومع ذلك، فإن العلاقة بين الائتمان الأخضر والانبعاثات معقدة، حيث تشير بعض الدراسات إلى نمط على شكل U مقلوب حيث قد تحدث زيادات أولية في الانبعاثات قبل أن تحدث التخفيضات، مما يشير إلى تكاليف التكيف الانتقالية.
كما تؤكد هذه القسم على الحاجة إلى مزيد من الاستكشاف لآليات النقل التي يؤثر من خلالها الائتمان الأخضر على انبعاثات الكربون. بينما تحدد الأدبيات الحالية مسارات مثل تقليل قيود التمويل للابتكار الأخضر والتحولات في هيكلي الطاقة والصناعة، لا تزال الأهمية النسبية لهذه القنوات غير مستكشفة بشكل كاف. بالإضافة إلى ذلك، تختلف فعالية الائتمان الأخضر عبر المناطق بسبب اختلافات في التنمية الاقتصادية وجودة المؤسسات والقدرة التكنولوجية، مما يشير إلى أن تأثيره ليس موحدًا. يحدد المؤلفون فجوات بحثية حاسمة، بما في ذلك نقص التحليل الشامل لقنوات النقل، واستكشاف غير كافٍ للتأثيرات غير الخطية وخصائص العتبة، والحاجة إلى توصيات سياسية متميزة بناءً على التباين الإقليمي. تهدف الدراسة إلى معالجة هذه الفجوات من خلال التحقيق بشكل منهجي في تأثيرات وآليات الائتمان الأخضر، باستخدام تقنيات اقتصادية متقدمة لتوفير أدلة تجريبية موثوقة.
القيود
تسلط القيود في الدراسة الضوء على عدة مجالات للتحسين والبحث المستقبلي. أولاً، قد يؤدي تجميع البيانات على مستوى المقاطعات إلى إخفاء ديناميكيات دقيقة هامة، خاصة التأثيرات المختلفة للتمويل الأخضر على الشركات الكبيرة المملوكة للدولة مقابل الشركات الخاصة الصغيرة والمتوسطة. يجب أن تركز الأبحاث المستقبلية على تحليلات على مستوى الشركات لاستكشاف هذه الاختلافات وتحديد أي الهياكل الملكية أو أنواع الأعمال تستجيب بشكل أكثر إيجابية لحوافز الائتمان الأخضر.
ثانيًا، قد لا تلتقط تعريف الدراسة للائتمان الأخضر، المستند فقط إلى نسبة قروض حماية البيئة إلى إجمالي القروض، الطيف الكامل للأدوات المالية الخضراء، مثل السندات الخضراء والتأمين. قد يوفر “مؤشر التمويل الأخضر” الأكثر شمولاً الذي يتضمن أبعادًا مختلفة من التمويل الأخضر فهمًا أفضل لتأثيره العام على انبعاثات الكربون. بالإضافة إلى ذلك، بينما تفحص الدراسة ثلاث قنوات نقل، فإن استكشاف آليات أخرى، مثل الحوكمة المؤسسية وسلاسل الإمداد الخضراء، يستحق المزيد من البحث. كما تفترض التحليل قيم عتبة ثابتة، والتي قد لا تعكس الطبيعة الديناميكية للتطور المؤسسي والتقدم التكنولوجي؛ وبالتالي، قد تستفيد الدراسات المستقبلية من استخدام نماذج العتبة الديناميكية. أخيرًا، لا تأخذ التحليل الحالي في الاعتبار تأثيرات التسرب بين المقاطعات، وقد يؤدي تمديد الأفق الزمني للبيانات إلى تعزيز فهم كل من التأثيرات قصيرة الأجل وطويلة الأجل للتمويل الأخضر على تقليل الانبعاثات.
DOI: https://doi.org/10.3389/frsus.2026.1774650
Publication Date: 2026-03-13
Author(s): Zhao Chen et al.
Primary Topic: Energy, Environment, Economic Growth
Overview
This research paper investigates the impact of green credit on carbon emissions in China, utilizing balanced provincial panel data from 2012 to 2024. Employing a two-way fixed effects model as the primary analytical framework, the study incorporates mediation and threshold analyses to explore the mechanisms and nonlinearities involved, while also conducting robustness checks through dynamic system GMM estimates. The findings reveal that green credit significantly reduces regional carbon emissions through three main pathways: green technological innovation, energy structure optimization, and industrial structure upgrading, with energy transitions accounting for approximately 21% of the total emission reduction effect.
The study further identifies a nonmonotonic relationship between green credit intensity and its effectiveness, indicating that regions with higher per capita GDP (over 31,380 yuan or US$4,500) experience nearly double the emission reductions compared to less developed areas. The results suggest that to maximize the impact of green credit, policies must be tailored to regional contexts, focusing on energy infrastructure and achieving critical deployment scales. The paper emphasizes the importance of addressing practical implementation challenges, such as greenwashing risks and regional capacity constraints, to enhance the effectiveness of green credit as a policy instrument for achieving China’s dual carbon goals. Overall, this study provides valuable empirical evidence and policy recommendations for leveraging green finance in climate mitigation efforts, both in China and other developing economies.
Introduction
The introduction of the research paper highlights the urgent challenge of climate change, exacerbated by rising atmospheric CO₂ levels due to fossil fuel consumption since the Industrial Revolution. With global temperatures projected to increase by 1.5-4.8 °C by 2100, the consequences include severe environmental impacts such as sea-level rise and biodiversity loss. China, as the largest carbon emitter, has set ambitious “dual carbon” goals to peak emissions by 2030 and achieve carbon neutrality by 2060. This necessitates a significant transformation of its energy systems and economic activities, requiring an estimated annual climate finance of approximately 3.4 trillion yuan.
The paper focuses on the role of green credit in facilitating this transition, which has seen China emerge as the largest provider of green loans, exceeding 15 trillion yuan by 2020. Despite this growth, there are concerns regarding the effectiveness of green credit in reducing carbon emissions, with mixed empirical findings. The study aims to systematically analyze the impact of green credit on carbon emissions in China, exploring mechanisms such as technological innovation and energy structure optimization, while also considering regional disparities. Utilizing balanced panel data from 30 provinces, the research employs two-way fixed effects models and mediation analysis to assess the relationship and identify threshold effects, ultimately providing insights for policy implications and strategies to enhance green finance efficacy in achieving climate goals.
Methods
In this study, a balanced panel dataset encompassing 30 provincial-level regions in mainland China from 2012 to 2024 is constructed to analyze the impact of green credit on carbon emissions. The dataset begins in 2012, coinciding with the introduction of China’s Green Credit Guidelines, and extends to 2024 to reflect the intensified policies following the 2020 dual carbon goals announcement. Exclusions are made for Tibet due to incomplete data and for Hong Kong, Macau, and Taiwan due to differing financial regulations. Data sources include various official statistical yearbooks and the Carbon Emission Accounts and Datasets (CEADS), with missing observations addressed through linear interpolation or provincial mean imputation.
The analysis employs a quantitative empirical approach using two-way fixed effects models to estimate the baseline impact of green credit on carbon emissions, while controlling for unobserved regional heterogeneity and temporal effects. The robustness of these findings is further evaluated through dynamic specifications using the System Generalized Method of Moments (System GMM). Additionally, mediation analysis is performed to explore the underlying mechanisms, and panel threshold regression models are utilized to identify nonlinear effects based on varying levels of economic development and green credit intensity. Standard errors are clustered at the provincial level to ensure accurate inference.
Results
The results section presents findings from two-way fixed effects regressions and system GMM estimations regarding the relationship between green credit and carbon emissions. The baseline estimates, shown in Table 3, indicate a consistently negative and statistically significant coefficient for green credit, starting at -16.027 without controls and stabilizing around -28 with the inclusion of structural controls such as population density and financial development. This suggests a meaningful reduction in emission intensity associated with increased green credit, with a notable decline in emissions observed when moving from the lower to upper quartile of green credit during the sample period from 2012 to 2024.
In the dynamic specification using system GMM, presented in Table 2, the coefficient on the lagged dependent variable (L. CE) is significantly positive (0.890, p < 0.01), indicating that historical emissions significantly influence current levels. Although the coefficient for green credit in this model is negative (-11.622) and not statistically significant, it aligns with the baseline findings, suggesting that the effects of green credit on emissions may manifest gradually. The diagnostic tests confirm the model's validity, indicating no issues with serial correlation or instrument exogeneity, thereby reinforcing the robustness of the results.
Discussion
The discussion section of the research paper highlights the role of green credit as a market-based environmental policy tool that influences financial resource allocation based on ecological criteria. Since the implementation of China’s Green Credit Guidelines in 2012, studies have shown that green credit can enhance banking stability and profitability while promoting sustainable investment practices. Notably, green credit has been linked to significant reductions in carbon emissions, particularly in high-carbon enterprises, through mechanisms such as improved environmental regulation and financing constraints. However, the relationship between green credit and emissions is complex, with some studies indicating an inverted U-shaped pattern where initial increases in emissions may occur before reductions take place, suggesting transitional adjustment costs.
The section also emphasizes the need for further exploration of the transmission mechanisms through which green credit affects carbon emissions. While existing literature identifies pathways such as reduced financing constraints for green innovation and shifts in energy and industrial structures, the relative significance of these channels remains under-examined. Additionally, the effectiveness of green credit varies across regions due to differences in economic development, institutional quality, and technological capacity, indicating that its impact is not uniform. The authors identify critical research gaps, including the lack of comprehensive analysis of transmission channels, insufficient exploration of nonlinear effects and threshold characteristics, and the need for differentiated policy recommendations based on regional heterogeneity. The study aims to address these gaps by systematically investigating the effects and mechanisms of green credit, employing advanced econometric techniques to provide robust empirical evidence.
Limitations
The limitations of the study highlight several areas for improvement and future research. Firstly, the aggregation of data at the provincial level may obscure significant micro-level dynamics, particularly the differing impacts of green finance on large state-owned enterprises versus small and medium-sized private businesses. Future research should focus on firm-level analyses to explore these variations and identify which ownership structures or business types respond more favorably to green credit incentives.
Secondly, the study’s definition of green credit, based solely on the ratio of environmental protection loans to total loans, may not capture the full spectrum of green financial instruments, such as green bonds and insurance. A more comprehensive “Green Finance Index” that includes various dimensions of green finance could provide a better understanding of its overall impact on carbon emissions. Additionally, while the study examines three transmission channels, further exploration of other mechanisms, such as corporate governance and green supply chains, is warranted. The analysis also assumes fixed threshold values, which may not reflect the dynamic nature of institutional development and technological advancement; thus, future studies could benefit from employing dynamic threshold models. Lastly, the current analysis does not account for interprovincial spillover effects, and extending the time horizon of the data could enhance the understanding of both short-term and long-term impacts of green financing on emissions reduction.