綠色信貸會促進重污染企業技術創新嗎？
——基于《綠色信貸指引》的準自然實驗

田超，肖黎明

（山西師范大學經濟與管理學院，山西臨汾 041000）

引言

改革開放以來，我國經濟在高速發展的同時，也催生了高耗能、高污染行業，由此導致產能過剩、能源利用率低、生態環境惡化等問題日趨嚴重[1]。與一般企業相比，重污染企業的生產活動更易引發環境問題，因此轉變發展模式迫在眉睫。而已有經驗表明，通過技術創新活動可提高資源利用率、減少污染物排放。黨的十九大報告也明確提出要“構建綠色技術創新體系，發展綠色金融，壯大節能環保和清潔能源產業”，而實施創新驅動戰略則是關鍵。作為綠色金融資金規模占比最高的綠色信貸，契合我國信貸主導型的金融模式[2]，且綠色信貸政策在環境治理中的作用也日益凸顯，通過引導資源跨行業流動來影響重污染企業的經營決策，有利于推動我國經濟邁向高質量發展[3]。因此，在綠色信貸政策不斷具體化與規范化的現實背景下，考察其對重污染企業技術創新的影響，不僅有助于理解政策的微觀經濟效應，也有助于把握經濟高質量發展背景下重污染企業的綠色轉型路徑。

伴隨著綠色信貸政策的推進，對有關綠色信貸的研究也日益活躍，這主要集中在兩方面：一是綠色信貸政策在實施中表現出一定的環境規制特征，而環境規制與企業技術創新之關系卻尚無定論，主要有抑制、促進與不確定三種聲音。因此，綠色信貸對重污染企業技術創新的作用如何，還有待進一步驗證。二是有關綠色信貸對企業的影響，這又主要從兩個層面展開，首先是綠色信貸對環保企業的影響。從融資層面看，Salazar[4]與Huang 等[5]均認為綠色信貸能使資金更多地從重污染企業流入環保企業，而信貸資金的增加則意味著環保企業外部融資增多，相關研究也證實了外部融資對上市企業技術創新的積極作用[6]，因此綠色信貸水平提高會顯著促進環保企業的技術創新[7]。其次是綠色信貸對重污染企業的影響，如連莉莉[8]發現綠色信貸會對重污染企業造成融資約束。然而，綠色信貸政策的目的并非只是給重污染企業帶來融資約束并增加其債務融資成本，從而并非要抑制其發展。事實上，綠色信貸的階段性目標在于鼓勵重污染企業淘汰其能源利用率低的設備，退出給環境帶來高污染的項目，且已有學者發現綠色信貸對重污染企業的污染排放確實會起到抑制作用[9]。在此基礎上，綠色信貸的最終目標是通過信貸融資約束倒逼重污染企業技術創新，使其盈利模式從“速度型”向“質量型”的轉變[10]，以此減少對環境的負外在性，實現企業的綠色轉型發展，最終促進我國產業結構升級和經濟發展模式轉變[11]。然而，當面臨綠色信貸政策的融資約束時，重污染企業是應激性地被動減少其研發投入，還是策略性地通過技術創新來提升其全要素生產率[12]？需給出明確回答。

綜上，本文的邊際貢獻主要在于：①從綠色信貸政策的根本目的出發，基于重污染企業技術創新視角檢驗政策效果，豐富了有關政策評估的研究，同時也驗證了波特假說在我國的有效性；②探究綠色信貸政策對重污染企業技術創新的影響機制，有助于理解政策的微觀傳導機制，對于推進綠色信貸發展和重污染企業綠色轉型均具有重要意義；③通過考察企業異質性條件下的政策效果，能夠為政府制定及動態調整綠色信貸政策提供參考。

1 理論框架與研究假設

綠色信貸政策本質在于將原先由社會承擔的環境成本轉移給企業，使企業負擔部分或全部環境成本[13]。而企業技術創新需要資本投入，當面對這種成本增加時，未必會有動力甚至是能力增加投入進行轉型升級。再者，研發與創新活動需要投入大量的人力、設備與資金，且這種投入不一定會帶來相應的收益[14]。這樣一來，基于技術創新的投入產出考慮，企業可能不愿意進行技術創新。此外，基于路徑依賴，重污染企業可能會首先選擇與政府及銀行博弈，而不是直接開展風險與不確定性較大的技術創新活動。且從宏觀層面看，重污染企業在綠色信貸政策下可能會面臨法律、環境、社會和金融等宏觀風險。從微觀層面看，其在綠色信貸政策下還可能會面臨項目運營、管理及財務等微觀風險[15]。這些風險與不確定性可能會使綠色信貸政策對重污染企業的技術創新存在一定的抑制作用，鑒于此，可提出假設1：綠色信貸政策會顯著抑制重污染企業的技術創新。

綠色信貸具有明顯的“綠色”屬性，即對污染項目會提高貸款利率或限制其貸款，如此一來，通過提高重污染企業的信貸成本，就會對其形成融資約束。一般認為，企業在面臨融資約束時，對其創新存在正、負兩種效應。如受到融資約束的企業可能更具創造力，因為在這種約束下，企業會優化其創新戰略，由此提高創新資源利用率[16]。而更多研究則認為融資約束總效應為負，因為企業研發活動具有風險大、周期長、資金耗用多、信息不對稱等內生缺點，這就使得企業的技術創新較之于其他活動，更易陷入融資困境。因此，出于風險規避的考慮，綠色信貸對于重污染企業的融資約束可能會使其減少具有高風險的技術創新，由此導致企業技術創新水平降低。鑒于此，可提出假設2：融資約束在綠色信貸政策對重污染企業技術創新的負向影響中會起顯著的中介作用。

事實上，企業在實際融資中存在明顯的股權融資偏好，而不是遵循傳統的優序融資理論[17]。因此，重污染企業在面臨銀行業等金融機構的信貸融資約束時，為改善其融資環境，更傾向基于股權融資偏好進行融資，以緩解《綠色信貸指引》（以下簡稱《指引》）帶來的融資約束。這樣一來，股權融資的提高將有助于緩解重污染企業面臨的融資約束，從而，《指引》的發布給重污染企業帶來的信貸融資約束政策效應可能并不完全成立。因此，重污染企業通過股權融資滿足其資金需求時，可能不會有動力進行風險較大的技術創新活動。鑒于此，可提出假設3：《指引》通過提高重污染企業的股權融資而抑制其技術創新。

綠色信貸政策作為我國產業結構調整的重要抓手，要求那些達不到環保標準的重污染企業在綠色改造和去產能過程中進行關停，這就使得留存的重污染企業市場份額增大，從而利潤提升。因此，綠色信貸政策的實施可能會對重污染企業的經營績效產生積極影響，即《指引》的實施可能會提升重污染企業的盈利能力，從而使其有更多的資金從事研發，進行技術創新。鑒于此，可提出假設4：《指引》通過提升重污染企業的利潤而促進其技術創新。

就不同所有制企業而言，國有企業擁有的創新資源更豐富，受到的融資約束較小，因而研發投入較多，加之國有企業肩負著國家任務、社會責任及政績考核的壓力，可能比民營企業會有更多的創新產出[18]。而民營企業為規避技術創新可能導致的失敗、收益不確定等風險，在綠色信貸的融資約束下，其研發支出可能會較少[19]，由此可能會影響其技術創新產出，鑒于此，可提出假設5：《指引》頒布后，綠色信貸對民營企業技術創新的抑制作用較之于國有企業更顯著。

隨著企業規模的增大，其研發實力和抗風險能力更強，從而越有利于技術創新[20]。而那些規模小的企業，出于風險規避的考慮，可能會采取更加嚴苛、審慎的現金流監督和相機治理機制，以此避免研發投入過高可能導致的財務風險，從而會對技術創新持消極反應[21]。因此，在綠色信貸政策發布前，規模越大的企業，其抗風險的能力就越強，從而研發投入力度可能會更大。但在《指引》發布后，受綠色信貸政策的影響，綠色信貸對規模較大企業技術創新的抑制作用會比小企業更明顯，鑒于此，可提出假設6：《指引》頒布后，綠色信貸對大企業技術創新的抑制作用會比小企業更顯著。

2 研究設計

2.1 樣本與數據

本文以2009—2017 年我國A 股上市公司作為原始樣本①經Heckman 兩階段法檢驗，樣本不存在自選擇偏差。。對重污染企業的界定，借鑒李玲和陶鋒的方法[22]，重新計算各行業的污染排放強度，根據強度的中位數，將39 個工業部門劃分為重污染行業與非重污染行業，在此基礎上構建處理組與控制組樣本。另外，刪除所有ST（Special Treatment）、*ST（警示退市風險）和PT（Particular Transfer）類公司、相關數據嚴重缺失的公司以及資產負債率大于1 的公司。經處理后，最終樣本包含447 家上市公司，其中實驗組203 家、對照組244 家，總觀測值為4023。樣本企業數據均來自國泰安（CSMAR）數據庫。

2.2 模型構建與變量定義

根據雙重差分法的檢驗程序，可做如下設置：構建年份虛擬變量，2012 年及以后取值為1，否則為0；構建分組虛擬變量，重污染企業取值為1，非重污染企業為0。使用雙向固定效應模型考察綠色信貸政策對重污染企業技術創新的影響，基準回歸方程為：

其中，i和t分別代表企業和時間；ln Innovationit為被解釋變量，代表企業技術創新指標；Treati和Timet分別為組別虛擬變量和時間虛擬變量；Xit為系列控制變量；δi代表個體固定效應；λt為時間固定效應；εit代表隨機誤差項；關鍵解釋變量為DIDit，為Treati×Timet；α1為雙重差分系數，衡量《指引》發布對實驗組的影響。本文所研究的綠色信貸政策對于重污染企業技術創新的影響，即交互項的系統α1。其他系數不是本文研究所涉及的范圍。

此外，為進一步評估《指引》本身對重污染企業的動態政策效應，以及《指引》發布后重污染企業是否進行了動態調整，本文構建衡量綠色信貸政策動態效應的雙重差分模型：

其中，postTimet為《指引》正式發布后各年度的虛擬變量；DIDyearit為新的雙重差分變量；β1為雙重差分系數，用以衡量《指引》發布的動態效應。

對于被解釋變量，本文使用上市公司及其子公司的專利申請量數據來表征，進一步選擇研發投入占比作為企業技術創新的代理變量，進行穩健性檢驗。

對于解釋變量，本文運用《指引》發布作為政策沖擊，將時間和分組虛擬變量的交叉項作為關鍵解釋變量，用以衡量綠色信貸政策對重污染企業技術創新的政策效應。

對于控制變量，參考周偉賢[23]和張杰等[24]的研究，選取企業成熟度（age）、社會財富創造力（swc）、盈利能力（pro）、負債水平（debt）作為控制變量，分別用上市企業的企業年齡、企業市場價值與資產重置成本之比（托賓Q值）、企業的凈利潤、企業負債合計來衡量。同時，還控制了年度固定效應和企業的個體固定效應。

對于中介變量，本文參考蘇冬蔚[25]的研究，分三類情形構建企業的融資水平指標。一是有息債務融資（dr），為有息債務占期初總資產的比重，其中有息債務包括短期借款和長期借款以及一年內到期的非流動負債和應付債券；二是流動性負債融資（fr），為流動性負債占期初總資產的比重，其中流動性負債為一年內需要償還的債務總和，包括短期借款、商業信用（應付賬款、應付票據和預收賬款）、一年內到期的非流動性負債、應付職工薪酬以及應交稅費等；三是長期負債融資（ldr），為長期負債占期初總資產的比重，其中長期負債主要包括長期借款、應付債券、長期應付款以及專項應付款；對于股權融資的衡量，本文借鑒王炳成[26]的研究，將股權融資（ef）定義為本年度的實收資本/總資產，用企業凈利潤/總資產來定義企業利潤（npr）。

為避免極端值對實證結果的影響，本文對連續變量進行1%縮尾處理（Winsorize）。同時為緩解潛在異方差及序列自相關對估計結果的干擾，在以下分析中，均采用穩健標準誤估計，并在企業層面進行聚類。

3 實證結果與分析

3.1 描述性統計

由表1 可知，企業技術創新代理變量lnInnovation的均值為3.71，標準差為1.44，最小值為0.69，最大值為8.00，說明樣本中不同企業的技術創新水平相差較大。此外，除托賓Q值的標準差大于1.00 外，其他控制變量的標準差均小于1.00，說明控制變量總體波動幅度較小。

表1 描述性統計

3.2 平行趨勢檢驗及PSM-DID

在運用雙重差分估計《指引》的政策效應之前，為驗證模型選擇是否適當，需對實驗組與對照組的申請數量進行平行趨勢檢驗[27]。圖1 為企業技術創新的衡量指標專利數量均值在2009—2017 年的時間趨勢，其中橫軸代表時間，縱軸代表專利申請數量，虛線為實驗組，實線為對照組，2012 年為政策介入點。可以看出，《指引》發布前，實驗組與對照組的專利申請數量大致保持相同增長趨勢。因此，可初步判斷選擇雙重差分模型符合平行趨勢假定的前提條件。為增強平行趨勢假定的前提條件，需采用更嚴謹的方法加以證明。因此參考Jacobson 等[28]提出的事件研究法對平行趨勢做進一步檢驗（圖2），可以發現處理組和對照組在政策實施前不存在明顯差異，滿足平行趨勢假設。而政策實施后的估計結果顯著為負，說明處理組和對照組在政策實施后的差異開始顯現。

圖1 企業技術創新的時間趨勢圖

圖2 平行趨勢檢驗

由表2 可以發現，在模型（1）的回歸結果中，交互項系數在1%的水平上顯著為負，表明《指引》發布后，較之于非重污染企業，重污染企業技術創新水平顯著下降大約e0.18，即1.20。從模型（2）看，對于PSMDID 而言，其回歸結果與模型（1）并無明顯差異，說明《指引》的發布抑制了重污染企業的技術創新。

表2 雙重差分檢驗結果

3.3 綠色信貸政策對重污染企業技術創新的影響機制

本文借鑒溫忠麟[29]有關中介效應的檢驗方法，在方程（1）的基礎上，構建如下檢驗模型：

式中，Mit為中介變量，用dr、fr、ldr、ef 和npr表示，分別代表有息債務融資、流動性債務融資、長期債務融資、股權融資和企業利潤，其他各項與方程（1）相同，本文使用Sobel進行檢驗。基于中介效應的檢驗程序，依次對方程（3）、方程（4）進行回歸，且在所有回歸中，均同時控制了時間和企業個體固定效應。

如表3 所示，在模型（3）中，DID 的系數γ1顯著為負，而在模型（4）中，dr 的系數值θ4不顯著，因此需進行Sobel檢驗，結果未通過Sobel檢驗，表明有息債務融資不存在中介效應。模型（5）、（6）中γ1與θ4的系數均不顯著，表明流動性債務融資的中介效應不顯著。在模型（7）中，DID 的系數γ1顯著為負，而在模型（8）中，ldr 的系數θ4顯著為正，系數γ1與θ4均顯著，表明長期債務融資中介效應顯著。模型（9）的DID 系數γ1為正但不顯著，而模型（10）的ef 系數θ4顯著為負，且通過了Sobel檢驗，表明股權融資存在中介效應。模型（11）中的DID 系數為正卻不顯著，而模型（12）中的npr 系數θ4顯著為正，且通過了Sobel檢驗，表明企業利潤存在中介效應。

表3 作用機制檢驗

綜上，綠色信貸主要是通過股權融資上升以及對重污染企業的長期融資進行約束而抑制其技術創新的，有息債務融資與流動性債務融資并不是綠色信貸影響重污染企業技術創新的路徑。且企業利潤提升促進了重污染企業技術創新。產生此差異的原因可能在于，長期債務融資具有獲取難度高、財務風險大等特點，這樣一來，從銀行業風險管理的角度看，《指引》發布后，銀行業等金融機構出于環境風險、違約風險與聲譽風險規避的考慮，以及綠色信貸本身對環境因素的關注，使其對長期債務融資產生顯著影響，而有息債務融資與流動性債務融資包含短期融資，能使債權人風險降低，因此對其影響尚不明顯。

此外，考慮到債券市場與信貸市場的差異，以及由此可能導致的回歸結果不同，可將債務融資進一步區分為信貸融資與債券融資，考察二者的中介效應是否存在不同。結果顯示①限于篇幅，信貸融資與債券融資差異的檢驗結果未做匯報，如需可向作者索取。，面對《指引》發布帶來的信貸融資約束，重污染企業可通過債券融資渠道予以緩解，且通過這一渠道籌集的資金有利于其技術創新，但目前此路徑效果較小。

3.4 分樣本回歸

表4 為《指引》發布對不同類型重污染企業技術創新水平的影響。其中模型（13）與模型（14）分別給出了國有和民營企業兩個子樣本的回歸結果，交互項DID 的系數估計值分別為-0.1312 和-0.1848，且后者在10%的水平上顯著，表明綠色信貸對重污染企業技術創新的抑制作用僅限于民營企業，而對國有企業卻不明顯。模型（15）與模型（16）分別給出了大型及小型重污染企業兩個子樣本的回歸結果，交互項DID 的系數估計值分別為-0.2124 和-0.1361，且前者在5%的水平上顯著，表明綠色信貸對重污染企業技術創新的抑制作用僅限于大型企業，對小型企業卻沒有明顯作用。

表4 分樣本回歸

3.5 綠色信貸對重污染企業技術創新水平的動態影響

在表5 中，模型（17）中各年的交互項系數估計值（DIDyear）均為負，說明《指引》發布對重污染企業技術創新的抑制作用具有長期效應，同時也說明重污染企業在綠色信貸政策作用下，未能通過自身的動態調整來調適政策對其技術創新水平的不利影響。DID2012 系數的估計值不顯著，而DID2013、DID2014、DID2015、DID2016 和DID2017 系數的估計值卻都具有顯著性，這可能是因為技術創新活動本身需要一定的時間才能見效，2012 年2 月發布的《指引》在2013 年便對重污染企業技術創新水平產生顯著抑制作用，說明重污染企業的技術創新對綠色信貸政策的敏感度較大。最后，由模型（18）的PSM-DID估計結果表明其與模型（17）并無明顯差異，表明模型（17）回歸結果是穩健的。

表5 綠色信貸對重污染企業技術創新水平的動態影響

3.6 穩健性檢驗

此前，本文已使用平行趨勢檢驗和傾向得分匹配法對相關回歸結果做了初步穩健性檢驗。但為保證結果的可靠性，本文又增加了反事實檢驗（將政策發布時點提前至2011 年）、排除政府其他政策的干擾①對相關政策進行梳理發現，在綠色信貸政策實施后的同時期，類似的政策和法規可能會影響重污染企業的技術創新水平，其中最具代表性的是“十三五”規劃“綠色發展篇”和“創新發展篇”以及《中共中央 國務院關于深化體制改革加快實施創新驅動發展戰略的若干意見》。（D）以及改變企業技術創新代理變量（研發支出占比）等穩健性檢驗。均驗證了本文的回歸結果可靠②限于篇幅，穩健性檢驗涉及的所有模型的檢驗結果均未匯報，如需可向作者索取。。

4 結論與啟示

4.1 主要結論

本文以2012 年《指引》的正式發布為事件，構造準自然實驗，運用雙重差分法評估了綠色信貸對重污染企業技術創新影響的政策效果，結論如下：

（1）綠色信貸顯著抑制了重污染企業的技術創新，其主要路徑是通過長期債務融資約束及股權融資上升來抑制重污染企業技術創新，重污染企業面對長期融資約束，僅表現為尋找股權融資渠道、被動減少研發投入等應激性行為，未能采取以技術創新來提升其全要素生產率等策略性行為。即便可通過提升企業利潤與債券融資渠道來促進重污染企業技術創新，但其效果目前仍較小，被抑制效應所掩蓋。

（2）綠色信貸對大型及民營重污染企業技術創新的抑制效應顯著，對小型企業及國有重污染企業的影響卻不明顯。因為國有企業享有更多的資金支持以及更優惠的政府考核標準，而小型企業因不愿承擔技術創新活動可能帶來的高風險，導致綠色信貸對其技術創新的影響不顯著。

（3）綠色信貸對重污染企業技術創新的抑制效應長期存在。

4.2 政策啟示

本文提供了《指引》執行效應的管理啟示，且對于相關政府部門、銀行業等金融機構以及重污染企業的管理者均具有較為重要的啟發作用。

（1）就政府層面而言，應制定并出臺與綠色信貸政策相配套的扶持政策，對于積極進行技術創新的企業，政府應加大研發投資的相關支持力度，同時動態調整其對重污染企業激勵約束力度，支持與引導企業提高環保意識，強化技術創新，同時加大對環境友好型企業的金融支持。此外，還應建立多維度、多業務、多領域的綠色金融體系，減輕或消除政策效應的不對稱性，鼓勵國有及小型企業的技術創新活動，提高其研發投入，以此發揮綠色金融對重污染企業綠色轉型的助力作用，這也是我國綠色金融未來發展及其政策選擇的重要方向。

（2）對于銀行業等金融機構，則應合理開通其對重污染企業的專項貸款渠道，向這些企業的技術創新提供專項資金支持并給予利率優惠，鼓勵與支持重污染企業的技術創新與綠色轉型。此外，銀行業等金融機構還應繼續保持其對信貸門檻的控制，拓寬綠色金融的覆蓋面，創新和優化綠色金融產品。同時還需對綠色信貸的資金流向進行監管，確保專款專用，以此保證綠色信貸政策的持續性和穩定性。

（3）至于企業層面，則需提升其綠色經營理念，增強其環保意識，完善重污染企業的環境信息披露制度，減輕銀行與企業間的信息不對稱，提升企業自身的融資能力，避免綠色信貸的長期懲罰機制導致其陷入融資困境，由此引發資金投入不足及經營狀況惡化。同時讓環境信息披露與項目的環境風險水平掛鉤，進而與差異性貸款利率及其他融資成本掛鉤，使其風險與成本相匹配。

4.3 展望

綠色信貸政策的實施，為考察企業的轉型發展提供了一個較好的準自然實驗。然而，現實中的企業綠色轉型涉及許多方面，本文只是從企業技術創新的視角對綠色信貸政策相關目標進行了初步探索，未來隨著企業環境信息披露及社會責任披露相關數據的不斷完善和豐富，基于企業層面對綠色轉型進行直接測度，或許能夠更加精準地把握綠色信貸的政策效應，從而提供更具針對性的管理與政策啟示。