雾霾会促进公众绿色投资意愿么?

　　摘要 当下雾霸天气愈发严重，全国各省市相继推出一系列雾霾治理政策，绿色债券、绿色基金等一系列绿色金融产品涌现，一方面 政策大力支持环保企业发展，另一方面投资者对于绿色金融市场的参与热情并不高，因此研究雾霾相关政策如何引导公众参与绿色 投资具有重要的政策意义。本文根据雾霾污染程度及政策力度两个指标，将中国省级区域划分为高、中、低雾霾敏感区，基于“风险感 知一态度一行为”理论框架。设计里克特5级量表，对高、中敏感区人群按照雾霾风险感知、风险偏好和绿色投资意愿三个潜变量构建 结构方程模型，并以低敏感区投资者的绿色投资意愿进行对照分析，共收集有效问卷5j 7份，利用sI)ss和AM()s等软件进行数据测 算以及模型拟合，研究雾霾风险对公众绿色投资意愿的长期影响。结果表明：对于高、中敏感区投资者来说，绿色投资意愿与纯粹的 风险偏好之间没有直接关系，但在风险偏好与雾霾风险感知两个因素的相互作用下，公众绿色投资意愿与雾霾风险感知呈现显著的 正相关：对照分析表明。低雾疆敏感区与高、中敏感区的绿色投资意愿同样强烈。公众的绿色投资意愿的表现为：公众投资者期望提 高绿色金融产品的环境信息披露水平，愿意接受低于常规收益的雾霾治理类投资产品，并看好环保类股票的投资价值。这表明充分 披露雾霾天气情况，提高绿色金融产品标的资产的环境信息披露水平以及加强监管等，都有利于促进公众的绿色投资意愿，且该意愿 在全国范围内没有显著差异，因此引导各地区绿色投资的协调发展具有良好前景。同时投资者对绿色投资不存在先入为主的风险水 平判断，在合理的引导下．绿色产业可能获得平等或更多的融资机会。，政府应加大支持力度支持有资质的企业发行绿色债券及绿色 股票：金融机构应有针对性地推出环保类投资理财产品。丰富绿色投资市场的产品种类，为环保项目提供资金支持，让公众投资者拥 有更多参与绿色投资的机会。

　　关键词雾霾；绿色投资；风险偏好；结构方程模型

　　自2013年雾霾问题被媒体大规模曝光之后，中国进 入了大气污染治理的攻坚战。2015年通过了《中华人民 共和国大气污染防治法》，之后各省市也颁布了相关的政 策措施。例如，污染最为严重的京津冀地区，连续数年大 力联防联控大气污染，并于2017年8月通过了《京津冀及 周边地区2017—2018年秋冬季大气污染综合治理攻坚行 动方案》，方案中采取了极其严厉的防治措施，展现了政府 治理雾霾的决心。

　　1文献综述

　　国内外关于天气风险对投资者行为的影响主要集中 在股票市场，主流观点认为天气通过影响投资者情绪而对 股票收益率产生显著影响¨“J。如果偶发的天气变化能 够对投资行为产生影响，那么长期的雾霾风险也有可能潜 移默化地影响包括投资决策在内的个人行为偏好。目前 关于雾霾风险对个人行为的影响研究集中在“吃穿住行” 等基本生活行为上，如对雾霾的担忧降低了北京国际旅客 的满意度，也抑制其再度前往或者定居的兴趣"-。蔡李晖 等m‘71认为雾霾天气下出游的风险应对态度在人们的风 险感知和风险应对行为之间产生了中介作用。唐魁玉和 唐玉杰哺1探讨了雾霾风险如何转化为社会风险的问题。 Kim等一1运用亚洲东北部(Northeast Asia)10个城市的数 据，研究发现人们的自杀行为可能与空气污染有关。

　　2理论模型

　　雾霾风险是指雾霾天气在公众的身体健康、情绪体验、交通出行的便利性与安全性、家庭及个人的雾霾防护 效果等方面形成的诸多不确定性。公众对雾霾风险的感 知在媒体的媒介效应之下，连同其风险偏好作用于公众的 行为决策。但是在认知心理学上，关于风险偏好与风险感 知之间的关系有所争议。部分学者认为风险偏好通过影 响风险感知，进而影响人们做出决策，如sitkin和 weingart∞1研究发现，高风险偏好的人对于特定事件感受 到的风险低于低风险偏好的人。蔡李晖∞o认为风险感知 是风险偏好影响行为决策的中介变量，张爱平和虞虎"3研 究则发现风险应对态度是风险感知和风险规避行为间的 中介变量，还有学者认为风险偏好直接影响人们的决策， 与风险感知没有关系。本文并不打算参与上述问题的讨 论，而是假设雾霾风险感知与风险偏好之间存在着相互关 系，并综合作用于最终的绿色投资意愿。

　　3研究设计

　　其中，盯2为雾霾风险感知水平，r(形)=一u1(矽)／u’ (形)为Armw．Pmtt测度，即风险厌恶度量，其值越高表示 风险规避程度越高。 式(1)表明，个体感知到的雾霾风险盯2越大，雾霾危 害的货币损失量(即cE的绝对值)越大，对个体造成更严 重的损失，个体风险规避程度与雾霾带来的货币损失量也 存在正向关系。因此，雾霾风险感知水平以及个体对风险 的风险厌恶度越高，雾霾天气给个体带来的负面影响越 大，进而影响其改变决策行为以减轻这种负面效应。 然而投资者对于风险的感知是多面的，尽管雾霾风险 可能会促进其绿色投资意愿，产生“正效应”，但是绿色投 资项目往往存在一些不利的风险特征，例如低收益高风 险，这些固有的“成见”可能会导致投资者犹豫不决，甚至 放弃投资意愿，从而产生“负效应”。此外，不同投资者的 雾霾风险感知水平以及其自身的风险偏好不同，使得雾霾 天气所带来的货币性支出各有差异，导致投资者进行绿色 ．42．

　　3．1模型假设

　　基于现有的文献研究以及上述理论框架，本文考虑了 3个潜变量(雾霾风险感知、风险偏好和绿色投资意愿)， 建立结构方程模型，针对测量变量设计了中国雾霾风险调 查问卷，以研究雾霾对个人绿色投资意愿之间的影响(见 图1)。人们的风险感知水平可能随人口统计学特征存在 诸多差异Ⅲ1，如雾霾严重地区的人具有更低的风险感知 水平m1。因此，考虑到雾霾天气的客观区域条件，本文按 省份区分了雾霾高敏感区、雾霾中敏感区和雾霾低敏感 区，仅针对高、中敏感区进行结构方程验证，而雾霾低敏感 区则用于对照。本文提出如下的假设： H10：投资者的风险偏好与其对雾霾风险的感知不存 在相互影响。 H20：投资者对雾霾风险的感知不会影响其绿色投资 意愿。

　　3．2雾霾区分组

　　设计雾霾污染程度及政策力度两个指标，将全国31 个省、直辖市、自治区(港澳台除外)分为高敏组、中敏组 和低敏组。依据新浪网站中2014年已有相关公开信息的 190个城市的年平均PM：．，值，通过计算每个省份所含城 市年平均PM：．，值的算数平均值，得出该省份年平均PM：．， 值。其中指标值高于国家标准两倍(70)的省份记为高度 污染区，指标值低于70但高于50的省份记为中度污染 区，指标值低于50的省份记为轻度污染区。

　　4研究结果

　　4．1描述性统计

　　参与调查的人群中，女性略多于男性，占比57．95％， 年龄绝大多数为18～60岁，大学本科及以上学历者达 77．08％，年平均收入为5万元以下者占比45．08％，总体 而言样本受教育程度与经济能力高于平均水平，具备一定 的投资能力。同时，样本覆盖不同职业暴露类型，几乎不 处于户外的人数最多，达57．75％(见表2)。 测量题项b7、b8和b9度量的是雾霾风险感知，仅适 用于雾霾高敏感区和雾霾中敏感区的投资者，因此对389 份样本进行描述统计，剩余7个题项度量的是风险偏好和绿色投资意愿，适用于所有投资者，样本数共517。所有 测量题项的偏度和峰度的绝对值均为l以内，可认为数据 符合正态分布。雾霾风险感知的均值介于3．16～3．54，绿 色投资意愿均值介于3．57～3．75，可见投资于绿色环保项 目的意愿高于人们感知到的雾霾风险，这在一定程度上反 映近年来投资者们对绿色投资的参与热情提高，对环保的 重视程度加大。投资者的风险偏好均值则介于2．51～ 3．01，总体为风险中性。

　　4．2信效度检验

　　4．2．1信度和收敛效度检验 模型的信度与收敛效度如表3示。其中，三个因子的 组合信度(cR)值均大于o．7，检验结果表明模型具有较高 的信度水平，且平均提取方差(AVE)也均高于门槛值O．5， 说明模型具有比较好的收敛效度。

　　4．2．2区别效度检验 运用因子分析进行KM0检验和巴特利特球形检验， 对变量之间相互独立的假设进行检验。KMO值为0．762， 巴特利特球形检验卡方值为1 455．354，sig=0，说明问卷 结构效度良好。因此可以认为相关系数矩阵具有显著的 差异，即变量之间相互独立，可以进行主成分分析。对10 个题项进行主成分分析，以提取共同因素。由表4可知， 第一个因子方差百分比仅为28．821％，因此不存在共同方 法变异，提取出的3个因子累计方差贡献率为57．563％， 可以使用3个因子来代替原始题项。对提取的共同因素 采用凯撒正态化最大方差法进行因子旋转，使不同的题项 在其属于的因子上具有最高载荷，得到旋转后的因子矩 阵。根据旋转后得因子矩阵可知(见表5)，题项d13，d14， d15，d16属于因子1绿色投资意愿，题项b7，b8，b9属于因 子2雾霾风险感知，题项c10，c11，c12属于因子3风险 偏好。

　　5结论

　　本文的研究表明风险偏好对公众的绿色投资意愿没 有显著相关性，即纯粹的投资风险偏好程度不会显著影响 绿色投资行为。公众没有给绿色投资冠上风险高或者低 的帽子，没有先人为主地认为其处于某个特定风险水平， 这使得绿色投资与其他投资在风险分布上不存在显著差 异。投资者不会认为绿色投资充满不确定性而规避投资， 也不会认为绿色投资前景良好而偏好这项投资。

　　参考文献

　　[1]DEHAAN E， MADsEN J，P10TR0sⅪJ． Do wea出er—induced moods affect山e processing 0f earIlings new87[J]．Joumal 0f accounting resea曲，2017，55(3)：509—550．

　　[2]u Q，PENG c H．711Ie s10ck market effect of air pollution：evidence fmm china[J]．Applied economics，2016，48(36)：3442—3461．

　　[3]zEREN F， GuMus F．7I’egting weather e珏bct anomalies： time varying evidence f南m∞lected stock marl【ets[J]． IIltemational joumal of economic pefspectiVes，2015，9(1)：2l一31．

　　[4]孟样旭，李增刚．空气质量对股票投资行为影响的实证检 验——以PM2．5为例[J]．城市与环境研究，2017(4)：79—92．

　　作者：陈 波颜静雯 罗颖妮