Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

Hindawi
Dinamika Diskrit dalam Alam dan
Masyarakat Volume 2020, ID Artikel
8851684, 13 halaman
https://doi.org/10.1155/2020/8851684

Artikel Penelitian
Pengukuran Indeks Pembangunan Keuangan Hijau dan
Dampaknya Terhadap Pengurangan Kemiskinan: Analisis Panel
Dinamis Berdasarkan Metode Entropi yang Disempurnakan

Lili Jiang , 1 Hui Wang , 2 Aihua Tong , 1

Zhifei Hu , 1
Hongjun Duan , 3

Xiaolei Zhang , 2 dan Yifeng Wang 4

1Sekolah Bisnis, Suqian College, Suqian 223800, Jiangsu, Cina
2Pan-Asia Business School, Yunnan Normal University, Kunming 650000, China3
Jiangsu Vocational College of Finance and Economics, Huaian 223001, Jiangsu, China4
Essence Securities CO, LTD, Shanghai 200030, China

Korespondensi dapat ditujukan kepada Hui Wang; wanghui_0401@163.com dan Yifeng Wang; wyf870403@163.com

Diterima 7 September 2020; Direvisi 25 November 2020; Diterima 29 November 2020; Diterbitkan 16 Desember 2020 Editor

Akademik: Maria Alessandra Ragusa

Hak Cipta © 2020 Lili Jiang dkk. Ini adalah artikel akses terbuka yang didistribusikan di bawah Lisensi Atribusi Creative
Commons, yang mengizinkan penggunaan, distribusi, dan reproduksi tanpa batas dalam media apa pun, asalkan karya aslinya
dikutip dengan benar.
Keuangan berkontribusi pada pengentasan kemiskinan melalui pertumbuhan ekonomi, dan pengembangan keuangan hijau
terkait dengan pembangunan ekonomi dan lingkungan hidup dunia yang berkelanjutan. Keuangan hijau tidak hanya
membantu mendorong pembangunan ekonomi yang berkelanjutan, tetapi juga membantu mengurangi kemiskinan. Berdasarkan
analisis teori-teori terkait tentang keuangan hijau dan pengentasan kemiskinan, makalah ini memilih 18 indikator dari tiga
dimensi yaitu pembangunan ekonomi, pembangunan keuangan, dan pembangunan lingkungan sosial dan menggunakan
metode entropi yang lebih baik untuk mengukur indeks pengembangan keuangan hijau dari 25 provinsi dan kotamadya di Cina
dari tahun 2004 hingga 2017. Hasil penelitian menunjukkan bahwa tingkat perkembangan keuangan hijau di 25 provinsi dan
kotamadya di China sangat berbeda. Atas dasar analisis di atas, dilakukan analisis empiris mengenai dampak indeks
pengembangan keuangan hijau terhadap pengentasan kemiskinan dengan menggunakan analisis regresi berganda dan metode
estimasi panel statis dan panel dinamis. Hasil penelitian menunjukkan bahwa terdapat hubungan positif yang signifikan antara
keuangan hijau dan pengentasan kemiskinan; semakin tinggi tingkat pengembangan keuangan hijau, semakin kondusif
pengentasan kemiskinan. Oleh karena itu, penelitian ini menunjukkan bahwa kemiskinan dapat dientaskan dengan lebih baik
dengan meningkatkan tingkat pengembangan keuangan hijau, tingkat aset keuangan, dan tingkat pembangunan ekonomi.

menghadapi tantangan pembangunan yang sangat besar

1. Pendahuluan yang disebabkan oleh kemiskinan. Laporan Indeks
Sepanjang sejarah manusia, perdamaian dan kemakmuran Kemiskinan Multidimensi Global 2019 yang dirilis oleh
telah menjadi tujuan yang dikejar oleh manusia, tetapi Program Pembangunan Perserikatan Bangsa-Bangsa
kemiskinan selalu menjadi penyakit kronis yang tidak dapat (UNDP) menunjukkan bahwa 1,3 miliar orang di seluruh
dihilangkan oleh masyarakat. Dalam "Mengubah Dunia dunia berada dalam kondisi
Kita: Agenda 2030 untuk Pembangunan Berkelanjutan"
yang diadopsi oleh Perserikatan Bangsa-Bangsa pada bulan
September 2015, "menghapuskan segala bentuk kemiskinan
di dunia" menjadi tujuan pertama di antara 17 tujuan
pembangunan berkelanjutan. Di seluruh dunia, kita masih
"kondisi kemiskinan multidimensi," dan terdapat
perbedaan besar dalam tingkat kemiskinan antar negara
dan wilayah di dalam negara. Laporan ini mencakup 101
negara, termasuk 31 negara berpenghasilan rendah, 68
negara berpenghasilan menengah, dan 2 negara
berpenghasilan tinggi.
Sejak tahun 2015, Tiongkok telah memberikan
perhatian lebih pada pengentasan kemiskinan dan telah
mengadopsi langkah-langkah pengentasan kemiskinan
yang beragam. Tahun 2020 adalah tahun ketika tujuan
besar Tiongkok untuk membangun masyarakat yang
cukup makmur secara menyeluruh terwujud, dan ini juga
merupakan tahun terakhir perjuangan Tiongkok melawan
kemiskinan. Pekerjaan pengentasan kemiskinan Tiongkok
telah mencapai prestasi yang terkenal di dunia, tidak
hanya bermanfaat bagi rakyat Tiongkok tetapi juga
bermanfaat bagi seluruh dunia. Hal ini telah memberikan
kontribusi penting bagi terwujudnya
2 Dinamika Diskrit dalam Alam dan
Masyarakat
pergeseran prioritas strategis nasional. Banyak ahli yang
tujuan yang ditetapkan oleh Perserikatan Bangsa-Bangsa
melakukan banyak studi penelitian tentang pembangunan
"Agenda 2030 untuk Pembangunan Berkelanjutan." "Jalan
hijau dan keuangan hijau [6-9], seperti Csete dan Horva
menuju kemiskinan" ala Tiongkok telah menjadi fokus
(2012), Edward (2013), Wang dan Zhi (2016), dan Xiong dan
perhatian dunia.
Qi (2018). Oleh karena itu, mempromosikan pengembangan
Untuk mempelajari kemiskinan, kita harus
mendefinisikannya terlebih dahulu. Karena kemiskinan keuangan hijau telah menjadi prioritas. Selain itu, lembaga
merupakan konsep yang kompleks dan terus berkembang keuangan di seluruh dunia telah secara aktif
seiring dengan perkembangan ekonomi dan masyarakat, mengembangkan keuangan hijau. Sejarah perkembangan
maka kemiskinan merupakan "konsep yang sulit dipahami." keuangan hijau dapat ditelusuri kembali ke
Pemahaman manusia tentang kemiskinan sebagai sebuah
konsep telah berkembang, dan para ahli telah
menggunakan berbagai definisi kemiskinan. Studi tentang
kemiskinan yang dilakukan oleh Rowntree dan Booth
dianggap sebagai awal mula studi tentang kemiskinan
dalam ilmu-ilmu sosial. Dalam studi mereka, kemiskinan
adalah kekurangan materi dalam pengertian ekonomi.
Booth mendefinisikan "miskin" sebagai orang paruh baya
yang berpenghasilan £1 atau kurang per minggu, dan
Rowntree mendeskripsikan kemiskinan sebagai kondisi
rumah tangga yang pendapatan totalnya tidak dapat
memenuhi kebutuhan hidup yang paling mendasar.
Rowntree dan Booth menekankan pada pendapatan
keluarga karena kebutuhannya untuk bertahan hidup. Dari
perspektif pendapatan, definisi lain dari "kemiskinan yang
bertahan hidup" disebut sebagai "kemiskinan absolut". Pada
tahun 1948, sebuah laporan Bank Dunia memperkenalkan
konsep "kemiskinan pendapatan" dan mengaitkan orang
kaya dan miskin di dunia dengan produk nasional bruto
untuk pertama kalinya, dengan rata-rata pendapatan
tahunan kurang dari US$100 yang menunjukkan status
miskin atau terbelakang.
Grameen Bank berhasil menggunakan pinjaman mikro
untuk membantu masyarakat keluar dari kemiskinan.
Kasus ini telah menarik perhatian besar dari komunitas
akademis. Banyak akademisi yang menunjukkan
kepeduliannya terhadap hubungan antara pengembangan
keuangan dan kemiskinan [1-5], seperti Jalilian (2002),
Philip dan Asena (2004), Jordan (2005), Sehrawat dan Giri
(2016), dan Yılmaz (2017). Kendala keuangan terbukti
menjadi kesulitan terbesar dalam pengentasan kemiskinan
berdasarkan pengalaman antikemiskinan di banyak negara
berkembang. Dalam proses pengentasan kemiskinan
melalui keuangan, kita juga harus memperhatikan
pembangunan ekonomi yang berkelanjutan. Secara khusus,
pengembangan keuangan hijau untuk mengentaskan
kemiskinan lebih kondusif untuk mencapai tujuan
pembangunan berkelanjutan 2030 yang diadopsi oleh
Perserikatan Bangsa-Bangsa (PBB).
Kita harus mempertimbangkan untuk mengentaskan
kemiskinan secara efektif tidak hanya melalui
pembangunan keuangan, tetapi juga melalui pembangunan
ekonomi hijau. Meskipun banyak negara berkembang yang
belum secara jelas merumuskan sistem indikator hijau
sejauh ini, beberapa dari negara-negara tersebut telah
mengadopsi "pertumbuhan hijau" sebagai strategi inti
pembangunan nasional. thRencana Lima Tahun (2011-
2015) Tiongkok mengusulkan "pembangunan hijau dan
konservasi sumber daya alam". thIndia menyoroti
pembangunan berkelanjutan dalam Rencana Lima Tahun
Nasionalnya, dengan menekankan tujuan "masyarakat yang
ramah lingkungan" dan "pertumbuhan yang cepat,
berkelanjutan, dan lebih inklusif," yang menunjukkan
Dinamika Diskrit dalam Alam dan 3
berdasarkan AHP dan teori sistem abu-abu. Liu (2019) [17]
pada tahun 1970-an di abad yang lalu. Pada awal tahun
Masyarakat menggunakan proses hierarki analitik untuk mengevaluasi
1974, Republik Federal Jerman mendirikan bank
secara komprehensif status pembangunan dan kekurangan
perlindungan lingkungan hidup pertama di dunia yang
berbasis kebijakan, bernama "Eco Bank", yang
bertanggung jawab untuk memberikan pinjaman istimewa
untuk proyek-proyek lingkungan hidup yang tidak dapat
diberikan oleh bank-bank umum. Sejak tahun 2002,
banyak lembaga keuangan di seluruh dunia telah
mengadopsi "Prinsip-prinsip Ekuator" untuk memberikan
perhatian lebih besar pada pengembangan keuangan hijau.
Keuangan hijau adalah subjek yang layak untuk
dipelajari lebih lanjut. Bagaimana mengukur
perkembangan keuangan hijau adalah langkah pertama
dalam bidang ini. Saat ini, hanya ada sedikit artikel yang
mengukur indeks keuangan hijau (GFI). Literatur yang
ada sebagian besar menggunakan indikator alternatif
untuk menjadi proksi dari indeks perkembangan
keuangan hijau, seperti Sarah dkk. (2020) [10] yang
mengganti keuangan hijau dengan keuangan karbon.
Beberapa peneliti membuat perhitungan khusus untuk
indeks ketahanan energi. Song, Zhang, dan Sun (2019)
[11] memperkenalkan indikator agregat baru, yaitu indeks
ketahanan energi Cina (CESI), untuk mengevaluasi
bagaimana ketahanan energi Cina telah berubah selama
bertahun-tahun. CESI mencakup dimensi pasokan energi,
dimensi ekonomi-teknis, dan dimensi lingkungan dari
ketahanan energi. Sejumlah kecil literatur menggunakan
metode jaringan yang kompleks untuk mempelajari isu-
isu pasar keuangan energi saat ini. Li dkk. (2016) [12]
menggunakan metode jaringan kompleks untuk
mempelajari struktur investasi energi global dan
menemukan bahwa sebagian besar investasi asing dan
hubungan investasi asing masih dikendalikan oleh
beberapa Negara. Xi & An (2018) [13] menggunakan
indikator keuangan saham energi untuk membangun
jaringan yang kompleks. Studi tersebut menemukan
bahwa ambang batas 0,7 merupakan titik mutasi jaringan,
dan ketika ambang batas meningkat, kemandirian
masyarakat meningkat. Beberapa peneliti telah melakukan
penelitian terkait keuangan hijau. Sebagai contoh, Li,
Yuan, dan Wang (2019) [14] membangun sistem
komposit keuangan hijau-lingkungan ekologis yang
menggabungkan sistem evaluasi perkembangan
terkoordinasi dan mengukur tingkat perkembangan
keuangan hijau dan tingkat lingkungan ekologis yang
komprehensif di tiga lingkaran ekonomi utama. Lei dan
Wang (2020) [15] menggunakan metode regresi panel
untuk menganalisis hubungan antara pencemaran
lingkungan, keuangan hijau, dan pembangunan ekonomi
berkualitas tinggi serta menggunakan metode pengukuran
spasial untuk melakukan uji ketahanan. Hasil penelitian
menunjukkan bahwa pencemaran lingkungan memiliki
efek penghambatan yang signifikan terhadap
pertumbuhan ekonomi berkualitas tinggi, tetapi keuangan
hijau memiliki efek mendorong pertumbuhan ekonomi
berkualitas tinggi melalui efek perbaikan lingkungan.
Terdapat perbedaan regional dalam efek ini, yaitu lebih
kuat di wilayah tengah dan lebih lemah di wilayah timur.
Zhu (2020) [16] memilih 8 indikator dari aspek skala dan
keuntungan serta operasi bisnis untuk mewakili keuangan
hijau dan memilih 14 indikator dari sumber daya laut,
lingkungan laut, dan aktivitas kelautan untuk mewakili
lingkungan hidup kelautan untuk mengevaluasi tingkat
koordinasi keuangan hijau dan lingkungan hidup kelautan
4 Dinamika Diskrit dalam Alam dan
Masyarakat
pertama adalah pendahuluan; bagian kedua adalah
keuangan hijau di 17 kota di Provinsi Shandong, tetapi ia
pengantar teoretis mengenai keuangan hijau dan
tidak menghitung indeks pengembangan keuangan hijau
pengentasan kemiskinan; bagian ketiga adalah analisis
Provinsi Shandong.
empiris; dan bagian keempat adalah kesimpulan dan
Meskipun indikator-indikator perkiraan tersebut dapat
rekomendasi kebijakan.
mencerminkan perkembangan keuangan hijau sampai
batas tertentu, akurasi indikator-indikator tersebut masih
dipertanyakan. Makalah ini mencoba mengukur GFI
dengan metode bobot entropi. Metode entropi telah banyak
digunakan dalam penelitian keuangan [18-25], misalnya
Wang dkk. (2008), Wang dkk. (2015), Jin dan Liu (2017),
Gong d k k . (2019), Dai dan Niu (2019), Long dkk.
(2019), Zhang dan Wang (2019), dan Jiang dkk. (2019).
Dibandingkan dengan penelitian yang sudah ada, kami
menemukan bahwa hanya ada sedikit literatur yang
menganalisis hubungan antara pengembangan keuangan
hijau dan pengentasan kemiskinan, tetapi lebih banyak
penelitian yang meneliti bahwa pengembangan keuangan
berpengaruh terhadap pengentasan kemiskinan. Sebagian
besar peneliti menyelaraskan diri mereka dengan satu atau
beberapa pandangan representatif berikut ini. Pandangan
representatif pertama adalah bahwa pembangunan
keuangan dan pengentasan kemiskinan berkorelasi positif
[26-28], seperti yang dikemukakan oleh Beck dkk. (2007),
Park (2016), dan Rashid dkk. (2017). Pandangan kedua
adalah adanya korelasi nonpositif antara pembangunan
keuangan dan pengentasan kemiskinan [29-31], seperti
Kappel (2010), Perez-Moreno (2011), dan Sehrawat dan
Giri (2016). Pandangan representatif ketiga adalah
hubungan nonlinier antara pembangunan keuangan dan
pengentasan kemiskinan [32-34], seperti Greenwood dan
Jovanovic (1990), Townsend dan Ueda (2006), dan
Zahonogo (2017). Pandangan keempat adalah bahwa
pembangunan keuangan dapat merugikan pengentasan
kemiskinan [35], seperti Claessens dan Perotti (2007).
Perbedaan jenis sampel dan metode statistik yang
digunakan dalam penelitian pengembangan keuangan dan
pengentasan kemiskinan menghasilkan kesimpulan yang
bervariasi. Makalah ini menganalisis dampak keuangan
hijau terhadap pengentasan kemiskinan dari perspektif
empiris dan memverifikasi nilai pembangunan
berkelanjutan untuk keuangan hijau, yang
mengindikasikan bahwa pembangunan hijau dan
pertumbuhan ekonomi tidak bertentangan.
Mengembangkan keuangan hijau kondusif untuk
menghapus kemiskinan dan menghasilkan kekayaan.
Hasilnya menunjukkan korelasi positif antara GFI dan
pengentasan kemiskinan. GFI yang lebih tinggi lebih
kondusif untuk pengentasan kemiskinan.
Makalah ini memiliki kontribusi sebagai berikut.
Pertama, makalah ini menggunakan metode bobot entropi
yang lebih baik untuk menyusun GFI provinsi dan kota di
Cina. Metode ini secara tepat dapat menunjukkan tingkat
perkembangan keuangan hijau di berbagai wilayah di Cina.
Kedua, makalah ini memilih beberapa indikator dasar dari
tiga dimensi ekonomi, keuangan, dan lingkungan untuk
membangun GFI. Sistem indikator GFI relatif
komprehensif. Ketiga, makalah ini secara sistematis
mempelajari hubungan antara pengembangan keuangan
hijau dan pengentasan kemiskinan. Hasil empiris
menunjukkan bahwa pengembangan keuangan hijau dapat
secara efektif mengurangi kemiskinan.
Susunan makalah ini adalah sebagai berikut: bagian
Dinamika Diskrit dalam Alam dan semua entitas ekonomi untuk 5
memperhatikan
2. Analisis Teoritis Dampak Pengembangan
Masyarakat keseimbangan ekologi alam. Hal ini menekankan
Keuangan Hijau terhadap Pengentasan pengembangan terkoordinasi dari kegiatan keuangan,
Kemiskinan perlindungan lingkungan, dan keseimbangan ekologi dan
pada akhirnya mencapai
Penelitian ini dibagi menjadi dua bagian: (1)
menggunakan metode bobot entropi untuk menghitung
GFI dan (2) mempelajari dampak indeks pembangunan
keuangan hijau terhadap pengentasan kemiskinan. Kami
akan melakukan analisis teoritis dari indikator-indikator
dasar yang telah dipilih melalui metode bobot entropi dan
analisis regresi.

2.1. Indikator untuk Mengukur GFI. Makalah ini akan

menggunakan metode entropi untuk mengukur tingkat
pengembangan keuangan hijau di 25 provinsi dan kota di
Cina. Ketika menggunakan metode entropi untuk
mengukur indeks pengembangan keuangan hijau,
beberapa indikator dasar diperlukan. Tujuan yang
ditetapkan oleh "Agenda 2030 untuk Pembangunan
Berkelanjutan" Perserikatan Bangsa-Bangsa adalah untuk
menyelesaikan masalah pembangunan secara menyeluruh
dari tiga dimensi yaitu masyarakat, ekonomi, dan
lingkungan melalui pendekatan terpadu dan untuk
mempromosikan manusia ke jalur pembangunan
berkelanjutan. Keuangan hijau mencapai tujuan
pembangunan berkelanjutan dari kualitas pertumbuhan
ekonomi dengan mempromosikan tata kelola lingkungan.
Secara teori, "keuangan hijau" berarti bahwa sektor
keuangan menganggap perlindungan lingkungan hidup
sebagai kebijakan dasar. Potensi dampak lingkungan
hidup harus dipertimbangkan dalam keputusan investasi
dan pembiayaan, dan potensi keuntungan, risiko, serta
biaya yang terkait dengan kondisi lingkungan hidup harus
diintegrasikan. Dalam bisnis sehari-hari, kami
memperhatikan perlindungan lingkungan ekologi dan
penanganan pencemaran lingkungan dalam kegiatan
bisnis keuangan dan mendorong pembangunan
masyarakat yang berkelanjutan melalui panduan sumber
daya ekonomi sosial. Potensi dampak lingkungan harus
dipertimbangkan dalam keputusan investasi dan
pembiayaan, dan potensi keuntungan, risiko, dan biaya
yang terkait dengan kondisi lingkungan harus
diintegrasikan ke dalam bisnis sehari-hari. Lebih
memperhatikan perlindungan lingkungan ekologi dalam
kegiatan bisnis keuangan, dan mempromosikan
pembangunan masyarakat yang berkelanjutan melalui
panduan sumber daya ekonomi sosial. Makalah ini
percaya bahwa keuangan hijau berarti bahwa lembaga
keuangan memasukkan penilaian lingkungan ke dalam
proses dan memperhatikan perlindungan lingkungan
ekologi dan pengembangan industri hijau dalam kegiatan
investasi dan pembiayaan mereka. Dibandingkan dengan
keuangan tradisional, fitur yang paling menonjol dari
keuangan hijau adalah bahwa keuangan hijau
menekankan pada manfaat lingkungan bagi masyarakat.
Banyak ahli yang menyarankan untuk melindungi
lingkungan ekologi dan mempromosikan pengembangan
keuangan hijau [36-38], seperti Pulvir; Costa; Pavone
(2015), Ferrauto; Costa; Pavone; Can- tarella (2013), dan
Cuspilici; Monforte; Ragusa (2017). Pendekatan ini
menjadikan perlindungan lingkungan dan penggunaan
sumber daya secara efektif sebagai salah satu kriteria
untuk mengukur efektivitas kegiatannya dan memandu
6 Dinamika Diskrit dalam Alam dan
pembangunan ekonomi dan sosial yang berkelanjutan.
Oleh karena itu, makalah ini memilih indikator-indikator
dari tiga dimensi ekonomi, keuangan, dan lingkungan
hidup ketika menyusun indeks pembangunan keuangan
hijau. Ketika memilih indikator tertentu, penelitian ini
menggabungkan ketersediaan data dan pencarian ulang
dari para peneliti sebelumnya. Semua indikator
ditunjukkan pada Tabel 1.
2.1.1. Dimensi Ekonomi. Makalah ini berargumen bahwa
pembangunan ekonomi mendorong keuangan hijau. Ketika
ekonomi berkembang sampai batas tertentu, orang lebih
fokus pada pembangunan ekonomi yang berkelanjutan.
Untuk dimensi pembangunan ekonomi, makalah ini
mempertimbangkan tiga indikator: PDB per kapita,
pendapatan per kapita, dan tingkat pengangguran. Semakin
tinggi PDB per kapita, semakin besar pembangunan eko-
nomi lokal, dan semakin kuat keuangan hijau
dipromosikan. Oleh karena itu, PDB per kapita merupakan
indikator positif dari indeks pengembangan keuangan
hijau. Semakin tinggi pendapatan per kapita, semakin
tinggi pula pendapatan secara keseluruhan, dan semakin
besar pula perlindungan lingkungan hidup yang
ditekankan. Oleh karena itu, pendapatan per kapita
merupakan indikator positif keuangan hijau. Semakin tinggi
tingkat pengangguran, semakin rendah perkembangan
keuangan hijau. Oleh karena itu, tingkat pengangguran
merupakan indikator negatif keuangan hijau.
2.1.2. Dimensi Keuangan. Kami percaya bahwa ada korelasi
positif antara tingkat perkembangan keuangan dan tingkat
keuangan hijau. Untuk dimensi keuangan, makalah ini
mempertimbangkan delapan indikator: jumlah bank per
area, jumlah staf bank per area, dan sebagainya. Terdapat
hubungan positif antara semua indikator dan keuangan
hijau.
2.1.3. Dimensi Lingkungan. Dalam dimensi ini, enam
indikator dipilih untuk mengukur tiga aspek pembangunan
lingkungan hidup: pembuangan limbah, konsumsi energi,
dan perlindungan lingkungan hidup. Laju sulfur dioksida,
laju limbah padat, dan laju konsumsi energi merupakan
indikator negatif dari keuangan hijau.
velopment. Laju cagar alam dan laju hutan merupakan
indikator positif bagi pengembangan keuangan hijau.
2.2. Metode Bobot Entropi. Bobot entropi
Metode ini digunakan untuk menghitung GFI dari berbagai
provinsi dan kota di Cina. Keuntungan dan model yang
lebih baik dari metode bobot entropi akan diperkenalkan di
bawah ini.
2.2.1. Keuntungan dari Model Evaluasi Bobot Entropi.
Penelitian menunjukkan bahwa model evaluasi bobot
entropi memiliki manfaat akurasi perhitungan yang tinggi,
jangkauan yang luas
jangkauan aplikasi, dan kerentanan yang terbatas terhadap
faktor subjektif. Alasan utama penggunaan model evaluasi
bobot entropi untuk mengukur pengembangan keuangan
Masyarakat
menjadi indikator positif dan indikator negatif. Hal ini
menunjukkan ide dasar dualitas citra positif-negatif,
sehingga memastikan konsistensi perspektif penelitian
antara penelitian teoritis dan empiris. Kedua, nilai bobot
yang diperoleh dengan algoritma model evaluasi bobot
entropi dan nilai evaluasi akhir yang sesuai tidak hanya
memberikan hasil yang obyektif tetapi juga mencerminkan
informasi yang terkandung dalam berbagai indikator untuk
mengevaluasi pengembangan keuangan hijau. Ketiga,
perhitungan indeks pengembangan keuangan hijau
mencakup berbagai indikator evaluasi seperti PDB,
pembuangan limbah, dan perlindungan lingkungan. Model
ini mengintegrasikan indikator-indikator tersebut secara
komprehensif. Selain itu, algoritma model evaluasi bobot
entropi dan data yang terstandardisasi lebih
memungkinkan untuk memastikan hasil evaluasi ilmiah
yang konsisten dan rasional. Terakhir, GFI yang didasarkan
pada metode bobot entropi memastikan komparabilitas
indeks pengembangan keuangan hijau antar provinsi.
2.2.2. Metode Bobot Entropi yang Disempurnakan. Metode
bobot entropi umum memiliki setidaknya dua kekurangan
untuk studi pengembangan keuangan hijau. Pertama,
metode bobot entropi umum akan menyebabkan
perubahan besar pada bobot entropi indikator, yang akan
menyebabkan kesalahan yang besar pada koefisien bobot
entropi. GFI yang dihasilkan kurang rasional. Kedua, GFI
yang dihitung dengan metode bobot entropi tradisional
hanya dapat memberikan perbandingan horizontal antar
provinsi yang berbeda, dan tidak dapat digunakan untuk
data runtun waktu pengembangan keuangan hijau. Oleh
karena itu, makalah ini menggunakan metode bobot
entropi yang telah disempurnakan untuk menghitung GFI.
Metode bobot entropi yang telah diperbaiki didefinisikan
sebagai berikut:
(1) Jika m provinsi dipilih untuk mengukur GFI
mereka, untuk menghitung GFI, kita memilih n
indikator. Misalkan xij adalah indikator ke-jth dari
provinsi ke-ith . Matriks berikut ini berfungsi sebagai
indikator dasar tingkat pengembangan keuangan
hijau:
z11 - --z
⎞
⎟
n1
⎛
Z � zij m-n� ⎜ ⋮ ⋱ ⋮ ⎟ . (1)
⎝ zm1 - - - zmn ⎠
m-n
⎜
(2) Karena satuan dari setiap indikator tidak konsisten,
kita perlu menstandarkan persamaan (1) dengan
(2):
zij - min zij , jika merupakan indikator yang
⎧⎪ z positif,
ij
⎨ max zij - min zij
ri,j � ⎪
⎪
⎩
hijau adalah m urut hubungan
⎪
sebagai berikut. e antara indi- dasar.
Pertama, n
Dinamika Diskrit dalam Alam dan 7
max zij - zij
Masyarakat , jika zij adalah
max zij - min zij indikat
or
negatif.

(2)
kator dan keuangan hijau, indikator dasar dibagi (3) Menormalkan matriks sebagai berikut:
8 Dinamika Diskrit dalam Alam dan
Masyarakat
TABEL 1: Indikator-indikator yang relevan untuk pengembangan keuangan hijau.
Indikator DimensiDasar Metode perhitungan Kode Atribut
PDB per kapita PDB/populasi Z1 +
EkonomiPendapatan per Pendapatan/populasi yang dapat dibuang Z2 +
kapita
Tingkat pengangguran - Z3 -
Jumlah bank per area Jumlah bank/area Z4 +
Jumlah staf bank per area Jumlah staf bank/area Z5 +
Jumlah bank per kapita Jumlah bank/populasi Z6 +
Jumlah bank per kapita Jumlah staf/populasi bank Z7 +
Keuangan
Deposito Simpanan/PDB Z8 +
Pinjaman Pinjaman/PDB Z9 +
Kepadatan asuransi Premi/populasi Z10 +
Kedalaman asuransi Premi/Produk Domestik Bruto Z11 +
Laju air limbah Air limbah/(simpanan + pinjaman) Z12 -
Tingkat sulfur dioksida Jumlah sulfur dioksida/(simpanan + pinjaman) Z13 -
Tingkat limbah padat Jumlah limbah padat/(simpanan + pinjaman) Z14 -
Lingkungan
Tingkat konsumsi energi Jumlah konsumsi energi/(simpanan + pinjaman) Z15 -
Tingkat cagar alam Jumlah cagar alam/(simpanan + pinjaman) Z16 +
Laju hutan Jumlah hutan/(simpanan + pinjaman) Z17 +

(6) Koefisien bobot entropi yang ditingkatkan dihitung

zij z2_ ,
positif, jika zij adalah indikator sebagai berikut:
⎧
i�1 ij
cij � Gj + 0.1 - n 1 Gj
j�
⎨⎪ ⎪ 1/zij ωj � j� j�

, ⎪jika zij adalah indikator negatif. n (8)

⎩ 2 1 Gj + 0.1 - n 1 Gj
m
1/z ij 1 - Hj + 0,1 - 1 1 - Hj
i�1
(3) n j�
� n
1j�1 - Hj + 0.1 - n 1 1 j�
- Hj .
(4) Ubah matriks normalisasi sebagai berikut:
(7) Matriks keputusan standar diperoleh:
bij � rij + 0.0001, (4)

bij ω1 c11 - - - ωn c1n

ij p �m . (5) ⎛⎜ ⎞
⎟
i�1
bij V � vij m-n �⎜
⎝ ⋮ ⋱ ⋮ ⎠ ⎟. (9)
ω1 cm1 - - - ωn cmn
(5) Entropi H j
dan koefisien perbedaan G j dari
jth indikator diperoleh seperti yang ditunjukkan Solusi ideal positif v+ dan ideal negatif jadi-
pada persamaan (6)
j
dan (7): lution v−j dari jth indeks dapat dinyatakan sebagai
berikut:

m
1
Hj �- · pij ln pij, j � 1, 2, . . . , n, (6) v+j � max v ij|i � 1, 2, . . . , m , (10)
ln(m) i�1

Gj � 1 - Hj , j � 1, 2, . . . , n. (7) v−j � min v ij|i � 1, 2, . . . , m . (11)

Dinamika Diskrit dalam Alam dan 9
Masyarakat
(8) Jarak Euclidean dari solusi ideal positif dan negatif LPKit � α LPK0it−1 + α GFI0it + βZit + ut + λit , (17)
dihitung sebagai s+ dan s− , masing-masing,
i i
sebagai di mana LPK merepresentasikan tingkat kemiskinan dan
berikut: variabel penjelasnya. Dalam rumus tersebut, variabel
penjelas berisi item lag orde pertama dari variabel yang
dijelaskan.
n variabel; oleh karena itu, metode estimasi panel dinamis
+
si � v ij
- v+ 2, i � 1, 2, . . . , m, (12) dapat digunakan untuk analisis. Untuk mengestimasi
j
j�1 model panel dinamis, GMM diferensial dan GMM sistem
yang paling banyak digunakan. Dibandingkan dengan
n GMM diferensial, GMM sistem dapat secara efektif
2 menangani heteroskedastisitas
masalah genitas. yang tidak
Ini banyak digunakan teramati.
dalam estimasi
- - parameter
si � vij - v j , i � 1, 2, . . . , m. (13) model panel dinamis. Oleh karena itu, dalam makalah ini,
j�1 kami menggunakan sistem GMM untuk melakukan
estimasi.
(9) GFIi dihitung berdasarkan perbedaan Euclidean Di Cina, pengeluaran medis dan pendidikan memiliki
dari solusi ideal positif dan negatif suatu provinsi proporsi yang lebih tinggi dari keseluruhan pengeluaran
dan kota: rumah tangga. Jadi, koefisien Engel bukannya tidak cocok
untuk kasus Cina. Karena keterbatasan ketersediaan data
statistik untuk semua wilayah, makalah ini menggunakan
s- pengeluaran konsumsi per kapita untuk melihat kembali
tingkat kemiskinan dan menganalisis kemampuan
keuangan hijau.
pembangunan untuk menjelaskan kemiskinan. Tingkat
inflasi, infrastruktur, dan
GFIi � +i − , i � 1, 2, . . . , m. (14) pembangunan infrastruktur, intervensi pemerintah pada
tingkat ekonomi,
si + si kemiskinan merupakan proses yang dinamis karena adanya
kesinambungan dan inersia kemiskinan. Oleh karena itu,
Nilai GFI yang lebih tinggi (lebih rendah) model panel dinamis harus digunakan untuk mempelajari
mengindikasikan tingkat pengembangan keuangan hijau hubungan dinamis antara GFI dan pengentasan kemiskinan.
yang lebih tinggi (lebih rendah). Makalah ini memperkenalkan istilah lag orde pertama dari
indeks pengembangan keuangan hijau ke dalam model.
Model panel dinamis dibangun sebagai berikut:
2.3. Pengaruh GFI terhadap Pengentasan Kemiskinan
2.3.1. Pengaruh GFI terhadap Pengentasan Kemiskinan
menurut Regresi Linier. Pertama-tama, kami menggunakan
metode regresi linier multivariat sederhana untuk
mempelajari pengaruh GFI Cina terhadap pengentasan
kemiskinan. Model yang dibangun adalah sebagai berikut:

Yi � α + β GFI1i + β IHK2i + β LROAD3i

+ β4 LGVi + β LOPEN5i + β6 LEDUi (15)
+ β LASSET7i + β LPGDP8i + εi .

Di sini, Yi adalah variabel yang dijelaskan, pengentasan

kemiskinan, GFIi adalah indeks pengembangan keuangan
hijau, CPIi adalah tingkat inflasi, LROADi adalah
pembangunan infrastruktur, LGVi adalah tingkat intervensi
ekonomi pemerintah, LOPENi adalah keterbukaan
ekonomi, LEDUi adalah tingkat pendidikan, LASSETi
adalah aset keuangan, dan LPGDPi adalah tingkat
pertumbuhan ekonomi.

2.3.2. Pengaruh GFI terhadap Pengentasan Kemiskinan

menurut Regresi Panel. Model regresi panel statis dan
dinamis digunakan.
Yit � αYit-1 + βZit + ut + δit , (16)

di mana Yit-1 adalah lag orde pertama dari variabel yang

dijelaskan dan Zit adalah variabel penjelas. Pengentasan
10 Dinamika Diskrit dalam Alam dan
Keterbukaan ekonomi, tingkat pendidikan, tingkat Masyarakat
pengembangan aset keuangan, dan tingkat pembangunan
ekonomi dipilih sebagai variabel kontrol. Rinciannya
dapat dilihat pada Tabel 2.

3. Analisis Empiris
3.1. Data. Dalam pemilihan dan pengolahan data untuk
membangun GFI Tiongkok, data indikator yang relevan
dari tahun 2004 hingga 2017 digunakan. Pengolahan data
dilakukan sebagai berikut:
(1) setelah menghilangkan nilai yang hilang, kami
memilih data sampel dari 25 provinsi dan kota di
Tiongkok untuk analisis empiris;
(2) menggunakan pengeluaran konsumsi per kapita
sebagai variabel proksi untuk pengentasan kemiskinan di
Cina; dan (3) data berasal dari buku tahunan statistik
berbagai provinsi, serta laporan keuangan tahunan mereka.

3.2. Hasil dari GFI. Sebelum kita menggunakan metode

bobot entropi untuk menghitung GFI, kita perlu
menjelaskan sifat-sifat statistik dari data sampel. Tabel 3
menunjukkan karakteristik statistik dari 17 indikator
dalam makalah ini.
Tabel 2 dan Model (3) digunakan untuk mendapatkan
matriks yang dinormalisasi seperti yang terlihat pada
Tabel 4.
GFI untuk setiap wilayah ditunjukkan pada Tabel 5
dan Gambar 1-7.
Dari Tabel 5 dan Gambar 1-7, perkembangan
keuangan hijau tidak seimbang tidak hanya di berbagai
wilayah, tetapi juga di berbagai provinsi di wilayah
tertentu. Karakteristik pengembangan keuangan hijau di
berbagai wilayah dan provinsi di Cina dapat diringkas
sebagai berikut.
Gambar 1 menunjukkan pengembangan keuangan
hijau yang tidak seimbang di Cina utara. Dari tahun 2004
hingga 2008, indeks pengembangan keuangan hijau di
Beijing menunjukkan tren peningkatan dan kemudian
secara bertahap menurun dengan sedikit penurunan,
tetapi masih merupakan yang tertinggi di Cina utara dan
bahkan di seluruh negeri. GFI Tianjin juga relatif tinggi.
GFI Hebei
Dinamika Diskrit dalam Alam dan 11
Masyarakat
TABEL 2: Ukuran variabel-variabel utama.
Nama
Makna variabelMetode konstruksi
variabel
LPK Tingkat Logaritmapengeluaran konsumsi per
kapitaGFI Tingkat pembangunan keuangan hijau Indeks pembangunan keuangan hijau
CPIIngkat inflasiTingkat harga konsumen
LROADKonstruksi infrastrukturLogaritma jumlah jarak tempuh jalan
Intervensi pemerintah
LGV Logaritma pengeluaran pemerintah
dalam tingkat
ekonomi
LOPRNEketerbukaan ekonomi Logaritma dari total volume impor dan ekspor
Logaritma dari rata-rata jumlah mahasiswa yang terdaftar di institusi
Tingkat pendidikan LEDUE
pendidikan tinggi per 100.000 orang
LASSET Tingkat perkembangan aset keuangan Logaritma total asetlembaga
keuanganLPGDP Tingkat perkembangan ekonomi
Logaritma PDB per kapita
Catatan: karena keterbatasan ruang, karakteristik statistik hanya beberapa indikator dari tahun 2017 yang disediakan.

TABEL 3: Karakteristik data statistik.

Berarti Median Maksimum Minimun Std. dev Kemiring
an
X1 59746.68 49558.00 128994.00 18756.00 27933.63 1.06
X2 27005.92 22219.94 58988.00 16011.00 11372.21 1.73
X3 3.27 3.34 4.21 1.43 0.62 -0.83
... ... ... ... ... ... ...
X15 0.25 0.26 0.59 0.03 0.14 0.58
X16 1.39 0.18 24.26 0.01 4.83 4.51
X17 0.06 0.05 0.14 0.01 0.04 0.62
Catatan: karena keterbatasan ruang, karakteristik statistik hanya beberapa indikator dari tahun 2017 yang disediakan.

TABEL 4: Matriks yang dinormalisasi untuk indeks pengembangan keuangan hijau pada tahun 2004.
c1 c2 c3 ... c15 c16 c17
Beijing 0.53 0.44 0.52 ... 0.53 0.00 0.03
Tianjin 0.39 0.24 0.18 ... 0.18 0.00 0.04
Hebei 0.16 0.16 0.17 ... 0.05 0.00 0.06
... ... ... ... ... ... ... ...
Shanxi 0.11 0.13 0.18 ... 0.10 0.01 0.22
Gansu 0.08 0.13 0.20 ... 0.08 0.07 0.07
Qinghai 0.11 0.13 0.17 ... 0.04 1.00 0.27

TABEL 5: Tingkat perkembangan keuangan hijau di setiap provinsi dan kota dari tahun 2004-2017.
Wilayah Provinsi 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Beijing 0.88 0.87 0.91 0.92 0.92 0.90 0.89 0.88 0.89 0.84 0.87 0.89 0.88 0.73
Tianjin
Cina Utara 0.88 0.81 0.79 0.73 0.76 0.74 0.75 0.79 0.79 0.63 0.58 0.65 0.60 0.58
Hebei 0.10 0.10 0.09 0.09 0.08 0.07 0.09 0.06 0.08 0.04 0.03 0.04 0.04 0.05
Shanxi 0.18 0.22 0.34 0.14 0.23 0.22 0.19 0.35 0.35 0.30 0.18 0.26 0.29 0.27
Liaoning 0.70 0.52 0.42 0.49 0.68 0.42 0.56 0.63 0.60 0.56 0.56 0.64 0.62 0.57
Cina Timur Laut Jilin 0.38 0.60 0.54 0.38 0.38 0.30 0.44 0.46 0.47 0.29 0.31 0.40 0.48 0.58
Heilongjiang 0.25 0.22 0.21 0.09 0.30 0.25 0.24 0.32 0.36 0.26 0.25 0.29 0.27 0.24
Shanghai 0.86 0.91 0.92 0.94 0.91 0.79 0.85 0.89 0.90 0.93 0.93 0.86 0.83 0.82
Jiangsu 0.08 0.13 0.09 0.08 0.15 0.09 0.10 0.15 0.20 0.17 0.14 0.23 0.19 0.24
Zhejiang 0.44 0.53 0.53 0.48 0.54 0.64 0.68 0.68 0.72 0.61 0.69 0.71 0.66 0.63
Cina Timur Anhui 0.00 0.01 0.01 0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.02 0.01 0.00
Fujian 0.18 0.22 0.20 0.16 0.24 0.22 0.19 0.24 0.30 0.20 0.19 0.24 0.23 0.20
Jiangxi 0.03 0.02 0.03 0.02 0.03 0.02 0.02 0.03 0.04 0.02 0.02 0.03 0.04 0.03
Shandong 0.07 0.13 0.12 0.05 0.05 0.04 0.04 0.07 0.09 0.05 0.06 0.03 0.07 0.06
Henan 0.02 0.03 0.02 0.01 0.02 0.01 0.00 0.01 0.01 0.01 0.00 0.01 0.01 0.04
Hubei
Cina Selatan 0.01 0.07 0.05 0.04 0.04 0.03 0.02 0.03 0.05 0.02 0.02 0.03 0.02 0.02
Hunan 0.01 0.04 0.03 0.02 0.01 0.01 0.00 0.01 0.01 0.00 0.01 0.01 0.01 0.00
12 Guangdong 0.40 0.26 0.27 0.23 0.30 0.25 0.23 0.24Dinamika Diskrit0.25
0.38 0.19 dalam0.30
Alam0.23
dan 0.22
Masyarakat
Dinamika Diskrit dalam Alam dan 13
Masyarakat
TABEL 5: Lanjutan.
Wilayah Provinsi 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Chongqing 0.06 0.05 0.04 0.01 0.02 0.02 0.01 0.02 0.02 0.02 0.01 0.02 0.04 0.05
Sichuan
Cina Barat Daya 0.11 0.12 0.11 0.12 0.12 0.11 0.12 0.15 0.19 0.12 0.11 0.13 0.12 0.11
Guizhou 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.01 0.02
Yunnan 0.01 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Shaanxi 0.08 0.10 0.09 0.06 0.09 0.05 0.06 0.11 0.11 0.08 0.07 0.09 0.09 0.09
Cina Barat Laut Gansu 0.04 0.04 0.03 0.02 0.04 0.03 0.05 0.06 0.09 0.05 0.04 0.07 0.06 0.08
Qinghai 0.36 0.31 0.28 0.21 0.27 0.23 0.22 0.29 0.40 0.26 0.25 0.35 0.40 0.35

0.8

0.6

0.4

0.2

0
Beijing

Jilin
Tianjin
Hebei
Shanxi
Liaoning

Heilongjiang
Shanghai
Jiangsu
Zhejiang
Anhui Fujian
Jiangxi
Shandong
Henan
Hubei
Hunan
Guangdong
Chongqing
Sichuan
Guizhou
Yunnan
Shaanxi
Gansu
Qinghai
2004 2011
2005 2012
2006 2013
2007 2014
2008 2015
2009 2016
2010 2017
GAMBAR 1: GFI provinsi dan kota dari tahun 2004 hingga 2017.

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Beijing Hebei
Tianjin Shanxi

GAMBAR 2: GFI di Cina utara dari tahun 2004-2017.

14 Dinamika Diskrit dalam Alam dan
Masyarakat
0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Liaoning
Jilin
Heilongjiang

GAMBAR 3: GFI di timur laut Cina dari tahun 2004-2017.

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Shanghai Zhejiang
Fujian Shandong
Jiangsu Anhui
Jiangxi

GAMBAR 4: GFI di Cina timur dari tahun 2004-2017.

relatif rendah. Indeks pengembangan keuangan hijau
Shanxi tidak tinggi di Cina utara.
Karena tingkat tutupan hutan yang tinggi di tiga
provinsi di timur laut, maka GFI secara keseluruhan di
timur laut Cina lebih tinggi. Di wilayah timur dan selatan
Cina, GFI Shanghai, Zhejiang, dan Guangdong yang
memiliki perkembangan ekonomi yang lebih baik memiliki
GFI yang lebih tinggi, sementara GFI provinsi lainnya lebih
rendah. Selain Provinsi Qinghai dan Sichuan, GFI di Cina
Barat Laut dan Barat Daya relatif rendah.
Dari analisis di atas, kita dapat menemukan bahwa ada
hubungan positif antara tingkat keuangan hijau dan
pembangunan ekonomi regional. GFI Beijing, Shanghai,
Tianjin, Zhejiang, dan Jiangsu relatif tinggi, sedangkan GFI
Anhui, Yunnan, dan wilayah lain dengan tingkat
pembangunan ekonomi yang rendah relatif rendah. GFI
Beijing, Shanghai, Shanxi, Qinghai, dan wilayah lainnya
menunjukkan tren yang stabil, sedangkan GFI Jiangsu,
Sichuan, Zhejiang, dan wilayah lainnya menunjukkan tren
yang meningkat.
Dinamika Diskrit dalam Alam dan 15
Masyarakat
0.45

0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Henan Hunan
Hubei Guangdong
GAMBAR 5: GFI di Cina selatan dari tahun 2004-2017.

0.2

0.18

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Chongqing Guizhou
Sichuan Yunnan

GAMBAR 6: GFI di barat daya Tiongkok dari tahun 2004-2017.

3.3. Pengaruh GFI terhadap Pengentasan Kemiskinan.
Metode regresi berganda dan metode regresi panel statis
dan dinamis digunakan untuk menganalisis hubungan
antara GFI dan pengentasan kemiskinan. Untuk regresi
panel, regresi panel dengan efek acak ditetapkan. Statistik
uji Hausman adalah 123,9259, dan nilai P yang sesuai
adalah 0. Kami menolak hipotesis nol yang menyatakan
bahwa tidak ada perbedaan sistematis antara model efek
tetap dan model efek acak. Model efek tetap telah dibangun.
Hasil estimasi parameter tampak pada Tabel 6.
Tabel 7 menunjukkan hasil estimasi model regresi
berganda dan model panel statis (efek tetap) dan dinamis
(system GMM).
Hasil analisis regresi berganda menunjukkan bahwa
GFI, inflasi, tingkat aset keuangan, dan tingkat
pembangunan ekonomi secara signifikan berpengaruh
positif terhadap pengentasan kemiskinan. Pembangunan
infrastruktur dan keterbukaan berpengaruh negatif
signifikan terhadap pengentasan kemiskinan.
Hasil analisis efek tetap menunjukkan bahwa GFI,
ukuran aset keuangan, dan tingkat pertumbuhan ekonomi
memiliki pengaruh positif yang signifikan terhadap
pengentasan kemiskinan. Pengeluaran pemerintah dan
keterbukaan berpengaruh negatif signifikan terhadap
pengentasan kemiskinan.
Analisis GMM sistem menunjukkan bahwa GFI,
pembangunan infrastruktur, dan tingkat aset keuangan
memiliki pengaruh yang signifikan
16 Dinamika Diskrit dalam Alam dan
Masyarakat
0.45

0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Shanxi
Gansu
Qinghai

GAMBAR 7: GFI di barat laut Cina dari tahun 2004-2017.

TABEL 6: Hasil uji Hausman.

Ringkasan tes Statistik Chi-sq. Chi-sq. df Mungkin.
Penampang melintang acak 123.9259 8 0.0000

TABEL 7: Analisis regresi dampak pembangunan keuangan hijau terhadap pengentasan kemiskinan.
Variabel Analisis regresi berganda Efek tetap Sistem GMM
LPK (-1) -0.4143∗∗∗ (-4.7012)
GFI0 .1274∗∗ (3.0157) 0.2127∗ (2.4668) 0.6370∗ (1.6604)
CPI0 .0135∗∗∗∗ (8.4430) 0.0023 (0.9541) 0.0081 (1.3223)
LROAD -0.2127∗∗∗ (-6.6589) 0.0027 (0.0450) 0.2304∗ (1.8444)
LGV0 .0230 (0.6828) -0.1373∗∗∗ (-4.5649) -0.1381 (-1.0336)
TERBUKA -0.1682∗∗∗ (-9.0565) -0.1603∗∗∗ (-3.6618) -0.4001∗∗∗ (-2.9249)
LEDU -0.0459 (-0.9926) -0.1130 (-1.3100) 0.2371 (0.7523)
LASSET0 .6461∗∗∗∗ (13.6912) 0.4365∗∗∗∗ (5.4059) 0.9961∗∗∗ (2.4700)
LPGDP0 .3081∗∗∗∗ (10.6054) 0.7648∗∗∗∗ (5.2025) 0.4174 (0.7346)
JANGKA WAKTU KONSTAN -0.3215 (-0.8474) -1.9514∗ (-1.8837)
N 350 350 325
R2 0.8815 0.9429
F 163.7293
AR (1) 0.4741
AR (2) 0.1292
Uji Hansen 0.1333
t: statistik dalam tanda kurung. ∗p < 0,1,∗∗ p < 0,05, dan∗∗∗ p < 0,01.

positif terhadap pengentasan kemiskinan, dan keterbukaan
berpengaruh negatif signifikan terhadap pengentasan
kemiskinan.
4. Kesimpulan dan Rekomendasi Kebijakan
Makalah ini memilih 17 indikator dasar dan menggunakan
metode bobot entropi yang telah diperbaiki untuk
mengukur GFI di berbagai provinsi dan kota di Cina.
Hubungan antara GFI dan pengentasan kemiskinan dikaji
dengan menggunakan metode regresi panel dinamis. Hasil
penelitian menunjukkan bahwa terdapat hubungan yang
jelas antara GFI dan pengentasan kemiskinan.
perbedaan dalam GFI di antara provinsi dan kota di Cina. GFI
Beijing dan Shanghai relatif tinggi. Berbagai metode
estimasi regresi berganda dan panel statis serta panel
dinamis menunjukkan adanya hubungan positif yang
signifikan antara GFI dan pengentasan kemiskinan, yang
mengindikasikan bahwa pengembangan keuangan hijau
dapat secara efektif mengurangi kemiskinan. Pengembangan
keuangan hijau yang berkelanjutan dapat mendukung
pelestarian lingkungan, menunjukkan optimalisasi manfaat
ekonomi dan lingkungan, dan mewujudkan pengembangan
ekonomi hijau, yang pada akhirnya membantu mengentaskan
kemiskinan.
Dinamika Diskrit dalam Alam dan 17
Masyarakat
harus dihilangkan. Pengentasan kemiskinan
Aset keuangan dan pembangunan ekonomi menunjukkan
membutuhkan penyesuaian aktif terhadap struktur
korelasi positif dengan pengentasan kemiskinan. Dengan
kredit lembaga keuangan, produk dan layanan
demikian, aset keuangan yang lebih besar dan pembangunan
keuangan yang sesuai, pengurangan biaya
ekonomi yang unggul lebih kondusif bagi pengentasan
pembiayaan perusahaan secara rasional, peningkatan
kemiskinan. Keterbukaan berpengaruh negatif terhadap
lingkungan bisnis regional, dukungan terhadap
pengentasan kemiskinan. Hal ini mungkin disebabkan karena
ekonomi riil, dan dukungan terhadap industri
Cina telah meningkatkan tingkat keterbukaannya dan
keuangan.
mendorong pertumbuhan ekonomi secara berkelanjutan,
tetapi juga mempercepat arus modal keluar, yang tidak
bermanfaat untuk mengentaskan kemiskinan. Koefisien
pengeluaran pemerintah adalah -0,1373, yang
mengindikasikan bahwa peningkatan pengeluaran
pemerintah menyebabkan kemiskinan. Alasan untuk
hubungan ini mungkin karena peningkatan pengeluaran
pemerintah memberikan efek crowding-out yang
menghambat kegiatan investasi sektor swasta sampai batas
tertentu, menyebabkan penurunan konsumsi dan investasi
swasta. Selain itu, penurunan tersebut tidak kondusif untuk
pengentasan kemiskinan. Berdasarkan kesimpulan
penelitian, makalah ini mengajukan beberapa rekomendasi
kebijakan sebagai berikut:
(1) Analisis empiris menunjukkan bahwa terdapat
korelasi positif yang signifikan antara tingkat
perkembangan keuangan hijau dan pengentasan
kemiskinan. Oleh karena itu, kita harus
meningkatkan indeks pengembangan keuangan
hijau di setiap daerah dan meningkatkan tingkat
pengembangan keuangan hijau. Setiap provinsi
harus memperhatikan inovasi pengembangan
keuangan hijau. Lembaga keuangan harus lebih
mengembangkan kredit hijau, obligasi keuangan
hijau, dan bisnis inovasi keuangan lainnya. Semua
provinsi dan kota harus mengembangkan energi
hijau, industri perlindungan lingkungan hijau, dan
industri konservasi energi dan perlindungan
lingkungan. Industri keuangan hijau memiliki
karakteristik rantai industri yang panjang, tingkat
relevansi yang tinggi, dan daya serap yang kuat, yang
memiliki efek tarikan yang komprehensif terhadap
pembangunan ekonomi dan secara efektif dapat
mengentaskan kemiskinan.
(2) Aset keuangan harus ditingkatkan. Analisis empiris
menunjukkan adanya korelasi positif antara aset
keuangan dan pengentasan kemiskinan. Semakin
besar aset keuangan, semakin besar pula
pengentasan kemiskinan. Oleh karena itu, berbagai
langkah harus diadopsi untuk meningkatkan aset
keuangan lembaga keuangan, terus memperdalam
reformasi sistem keuangan, memperbaiki situasi
pembiayaan industri, dan meningkatkan
pendapatan penduduk. Selain meningkatkan dan
memperkuat pengawasan mereka, lembaga
keuangan harus menghilangkan represi keuangan
pedesaan, persyaratan akses yang lebih longgar,
fokus pada peningkatan profesionalisme lembaga
keuangan, memperluas skala dana kredit, dan
meningkatkan penerbitan obligasi dan pembiayaan
pinjaman untuk industri ekonomi riil.
Kesimpulannya, kualitas layanan perusahaan
keuangan kepada ekonomi riil harus ditingkatkan,
dan masalah-masalah seperti kesulitan keuangan
18 Economics, vol. Dinamika
7, no. 2, hal.Diskrit
97-108,dalam
2002. Alam dan
pengembangan, dan integrasi keuangan dan Masyarakat
[2] P. Arestis dan A. Caner, "Liberalisasi keuangan dan
industri yang efisien. kemiskinan: saluran-saluran pengaruh," dalam Prosiding
(3) Tingkat pembangunan ekonomi harus dibuktikan Kertas Kerja Ekonomi, Nairobi, Kenya, Desember 2004.
di semua wilayah. Analisis empiris menunjukkan
adanya korelasi positif antara pembangunan
ekonomi dan pengentasan kemiskinan. Oleh
karena itu, pembangunan ekonomi di berbagai
daerah harus didorong dengan berbagai cara.
Untuk mengurangi kemiskinan, semua daerah
harus menggabungkan karakter masing-masing,
mengidentifikasi sumber daya yang paling
menguntungkan, mengeksploitasi keunggulan
komparatif mereka sepenuhnya, mengembangkan
industri yang menguntungkan, dan meningkatkan
pembangunan ekonomi mereka. Hal ini akan
membantu memfasilitasi pengentasan kemiskinan
secara lebih efektif.
(4) Meningkatkan investasi di bidang infrastruktur.
Dari analisis empiris di atas, kita dapat melihat
bahwa pembangunan infrastruktur memiliki peran
positif dalam mendorong pengentasan
kemiskinan. Pembangunan infrastruktur
memainkan peran yang sangat penting dalam
pembangunan ekonomi suatu negara.
Pembangunan infrastruktur adalah kekuatan
pendorong pembangunan ekonomi, yang
memainkan peran besar dalam mendorong
pertumbuhan ekonomi nasional. Peningkatan
investasi infrastruktur secara efektif dapat
meningkatkan lingkungan kerja dalam kegiatan
ekonomi dan mengurangi biaya transaksi,
sehingga dapat meningkatkan standar hidup
masyarakat dan mengentaskan kemiskinan.

Ketersediaan Data
Semua data yang digunakan untuk mendukung temuan
penelitian ini tersedia dari penulis yang bersangkutan
berdasarkan permintaan.

Konflik Kepentingan
Para penulis menyatakan bahwa mereka tidak memiliki
konflik kepentingan.

Ucapan terima kasih

Makalah ini didukung oleh Proyek Perencanaan Sains dan
Teknologi Suqian 2020 (Pembangunan Sosial), "Pencarian
Ulang Keuangan Sains dan Teknologi yang Meningkatkan
Pengembangan UKM Sains dan Teknologi di Suqian di
Bawah Latar Belakang Epidemi." Makalah ini didukung
oleh Kantor Perencanaan Filsafat dan Ilmu Sosial Jiangsu
pada tahun 2017 (no. 2017ZDIXM168) dan Kantor
Perencanaan Filsafat dan Ilmu Sosial Yunnan pada tahun
2019 (no. HX2019082760). Makalah ini didukung oleh
Jiangsu Blue Project.

Referensi
[1] H. Jalilian dan C. Kirkpatrick, "Pembangunan keuangan
dan pengentasan kemiskinan di negara-negara
berkembang," International Journal of Finance &
Dinamika Diskrit dalam Alam dan 19
Masyarakat
pembangunan perkotaan yang berkelanjutan berdasarkan
[3] J. Shan, "Apakah pembangunan keuangan "memimpin"
teori struktur disipatif, metode entropi abu-abu dan kopling
pertumbuhan ekonomi? sebuah penilaian regresi otomatis
vektor," Applied Eco- nomics, vol. 37, no. 12, hal. 1353-1367,
2005.
[4] M. Sehrawat dan A. K. Giri, "Dampak perkembangan
keuangan terhadap pertumbuhan ekonomi," Jurnal
Internasional Emerging Markets, vol. 11, no. 4, pp. 569-583,
2016.
[5] Y. Bayar, "Pembangunan keuangan dan pengurangan
kemiskinan di negara berkembang," Panoeconomicus, vol. 64,
hal. 14, 2017.
[6] M. Csete dan L. Horva, "Keberlanjutan dan pembangunan
hijau dalam kebijakan dan strategi perkotaan," Ekologi
Terapan dan Penelitian Lingkungan, vol. 10, no. 2, hal. 185-
194, 2012.
[7] B. Edward, "Tantangan kebijakan untuk ekonomi hijau dan
pembangunan ekonomi berkelanjutan," Comparative
Economic & Social Systems, vol. 35, no. 3, hal. 233-245, 2013.
[8] Y. Wang dan Q. Zhi, "Peran keuangan hijau dalam
perlindungan lingkungan: dua aspek mekanisme pasar dan
kebijakan," Energy Procedia, vol. 104, hal. 311-316, 2016.
[9] L. Xiong dan S. Qi, "Pembangunan keuangan dan emisi
karbon di provinsi-provinsi di Tiongkok: analisis data panel
spasial," The Singapore Economic Review, vol. 63, no. 2, hal.
447-464, 2018.
[10] H. Sarah, J. Aled, A. Annela, dan P. Jan, "Menutup
kesenjangan keuangan hijau-Sebuah perspektif sistem,"
Environmental Innova- tion and Societal Transitions, vol. 34,
no. 3, hal. 26-60, 2020.
[11] Y. Song, M. Zhang, dan R. Sun, "Menggunakan indikator
agregat baru untuk mengevaluasi ketahanan energi Cina,"
Energy Policy, vol. 132, hlm. 167-174, 2019.
[12] H. Li, H. An, F. Wei dkk., "Struktur investasi energi global
dari perspektif pasar saham energi berdasarkan model
jaringan kompleks yang heterogen," Applied Energy, vol. 194,
hal. 648-657, 2016.
[13] X. Xi dan H. An, "Penelitian tentang struktur jaringan terkait
pasar saham energi berdasarkan indikator keuangan,"
Physica A Statistical Mechanics & its Applications, vol. 490,
hal. 1309- 1323, 2018.
[14] H. Li, Y. Yuan, dan N. Wang, "Evaluasi pengembangan
terkoordinasi keuangan hijau regional dan kopling
lingkungan ekologis," Statistik dan Keputusan, vol. 8, hlm.
161-164, 2019.
[15] H. Lei dan X. Wang, "Pencemaran lingkungan, keuangan
hijau dan pembangunan ekonomi berkualitas tinggi,"
Statistics and Development, vol. 15, pp. 18-22, 2020.
[16] F. Zhu, "Mengevaluasi tingkat koordinasi kopling antara
keuangan hijau dan lingkungan laut berdasarkan AHP dan
teori sistem abu-abu," Journal of Coastal Research, vol. 110,
no. sp1,
Hal. 277-281, 2020.
[17] Y. Liu, "Evaluasi komprehensif pengembangan keuangan
hijau di Provinsi Shandong," Financial Development
Research, vol. 7, hlm. 32-39, 2019.
[18] Y. N. Wang dan Y. R. Su, "Sistem evaluasi untuk
pengembangan sumber daya manusia yang berkelanjutan
berdasarkan metode entropi," dalam Prosiding Konferensi
Internasional IEEE tentang Otomasi & Logistik Qingdao,
IEEE, Qingdao, Cina, September 2008.
[19] Q. Wang, X. Yuan, J. Zhang dkk., "Penilaian kapasitas
pembangunan berkelanjutan dengan metode entropy weight
co-efficient," Sustainability, vol. 7 , no. 10,
pp. 13542-13563, 2015.
[20] L. Jin, "Evaluasi teknologi hemat energi bangunan hijau
berdasarkan metode bobot entropi," Applied Mechanics and
Materials, vol. 865, pp. 301-305, 2017.
[21] Q. Gong, M. Chen, X. Zhao, dan Z. Ji, "Pengukuran sistem
20 297-303, 2017. Dinamika Diskrit dalam Alam dan
teori: studi kasus di Chengdu, Tiongkok," Sustainability, Masyarakat
vol. 11, 2019.
[22] S. Dai dan D. Niu, "Evaluasi komprehensif pengembangan
perusahaan jaringan listrik yang berkelanjutan berdasarkan
model metode titik ideal grup fuzzy dan metode
pembobotan kombinasi dengan metode relasi orde grup
yang ditingkatkan dan metode bobot entropi,"
Keberlanjutan, vol. 9, no. 10, pp. 1900-1910, 2019.
[23] Y. Long, Y. Yang, X. Lei, Y. Tian, dan Y. Li, "Metode
penilaian terpadu untuk rencana darurat untuk kecelakaan
pencemaran air yang terjadi secara tiba-tiba berdasarkan
TOPSIS yang lebih baik, entropi shannon, dan model
tingkat perkembangan terkoordinasi," Sustainability, vol.
11, no. 2, hal. 510, 2019.
[24] B. Zhang dan Y. Wang, "Pengaruh keuangan hijau terhadap
pembangunan berkelanjutan energi: studi kasus di
Tiongkok," Emerging Markets Finance and Trade, 2019.
[25] L. Jiang, A. Tong, Z. Hu, dan Y. Wang, "Dampak indeks
pembangunan keuangan inklusif terhadap kewirausahaan
petani," PLoS One, vol. 14, no. 5, Artikel ID e0216466, 2019.
[26] T. Beck, A. Demirgu¨ç-Kunt, dan R. Levine, "Keuangan,
ketidaksetaraan, dan masyarakat miskin," Journal of
Economic Growth, vol. 12, no. 1, hal. 27-49, 2007.
[27] C. Y. Park dan R. V. Mercado, "Apakah inklusi keuangan
dapat mengurangi kemiskinan dan ketidaksetaraan
pendapatan di negara berkembang di Asia?", dalam
Financial Inclusion in Asia, Palgrave Macmillan UK,
London, UK, 2016.
[28] A. Rashid dan M. Intartaglia, "Pembangunan keuangan-
apakah dapat mengurangi kemiskinan?", Journal of
Economic Studies, vol. 44, no. 1,
pp. 69-86, 2017.
[29] V. Kappel, "Dampak pembangunan keuangan terhadap
ketimpangan pendapatan dan kemiskinan," dalam
Prosiding Konferensi Ekonomi Pembangunan Jerman,
Hannover, Jerman, Juli 2010.
[30] S. Perez-Moreno, "Pembangunan keuangan dan
kemiskinan di negara-negara berkembang: sebuah analisis
kausalitas," Empirical Economics, vol. 41, no. 1, hal. 57-80,
2011.
[31] M. Sehrawat dan A. K. Giri, "Pembangunan keuangan dan
pengentasan kemiskinan: analisis data panel Negara-negara
Asia Selatan," International Journal of Social Economics, vol.
43, no. 4, hal. 400-416, 2016.
[32] J. Greenwood dan B. Jovanovic, "Pembangunan keuangan,
pertumbuhan, dan distribusi pendapatan," Journal of
Political Economy, vol. 98, no. 5, Bagian 1, hal. 1076-1107,
1990.
[33] T. K. Ueda, "Pendalaman keuangan, ketidaksetaraan, dan
pertumbuhan: evaluasi kuantitatif berbasis model," The
Review of Eco- nomic Studies, vol. 73, no. 1, hal. 251-280,
2006.
[34] P. Zahonogo, "Pembangunan keuangan dan kemiskinan di
negara-negara berkembang: bukti dari Afrika Sub-Sahara,"
Jurnal Ekonomi dan Keuangan Antar Bangsa, vol. 9, no. 1,
hal. 211, 2017.
[35] S. Claessens dan E. Perotti, "Keuangan dan ketidaksetaraan:
jalur dan bukti," Journal of Comparative Economics, vol. 35,
no. 4, hal. 748-773, 2007.
[36] S. Pulvirenti, R. M. S. Costa, dan P. Pavone, "Francesco
Cupani: "jaringan ilmiah" pada masanya dan pembuatan
"sistem" Linnaean," Acta Botanica Gallica, vol. 162, no. 3,
pp. 215-223, 2015.
[37] G. Ferrauto, R. M. S. Costa, P. Pavone, dan G. L. Cantarella,
"Penilaian dampak manusia terhadap agroekosistem Sisilia
melalui evaluasi area melliferous," Annals of Bot- any, vol. 3,
hal. 237-244, 2013.
[38] A. Cuspilici, P. Monforte, dan MA Ragusa, "Studi pengaruh
debu Sahara terhadap pengukuran PM 10 di Sisilia dari
tahun 2013 hingga 2015," Ecological Indicators, vol. 76, hal.