綠色信貸與企業全要素生產率
——基于 “兩高一剩”企業的準自然實驗分析

胡 浩 劉笑笑

（上海大學經濟學院，上海 200444）

引 言

改革開放以來，我國經濟實現了30多年的高速增長，但從2012年開始，隨著人口紅利消失、資本積累速度降低及成本優勢減弱，經濟下行壓力不斷增大，經濟發展與資源環境的矛盾日趨尖銳，重工業化趨勢明顯和落后產能過剩的問題日益突出。在此背景下，如何改善環境質量，推動經濟高質量發展，成為眾多學者關心的問題。根據索洛（Solow）經濟增長模型，全要素生產率是經濟增長的內在動力，也是推動經濟高質量發展的關鍵。我國是銀行主導型的金融體系，企業外部融資需求主要依賴于銀行貸款，這意味著推動企業全要素生產率提升的過程中，不可忽略綠色信貸帶來的影響。“兩高一剩”行業屬于關系國計民生的傳統支柱型產業，在國民經濟體系中扮演著重要角色，推動 “兩高一剩”企業綠色轉型升級是經濟高質量發展的必然要求。

與傳統環境規制不同，綠色信貸兼具信貸資源配置與環境規制的雙重特性，積極引導銀行體系內部資金從污染領域流向綠色領域，遏制 “兩高一剩”企業盲目投資擴張，推動其向綠色、低碳、循環方向發展。但在具體實踐中，綠色信貸的作用效果取決于政策本身是否合理、銀行能否有效執行及微觀企業的應對策略等多重因素［1］。基于上述背景，本文探討以下問題：綠色信貸能否提升 “兩高一剩”企業全要素生產率？影響企業全要素生產率的作用機制是什么？對異質性企業是否存在顯著的非對稱影響？對上述問題的回答，有利于挖掘 “兩高一剩”企業的轉型動力，實現經濟與環境績效的雙贏。

與本文密切相關的文獻主要有兩類。（1）有關環境規制與企業全要素生產率的研究。綠色信貸的本質是環境政策，學術界關于環境規制對全要素生產率的影響效果尚未達成一致，主要存在3種觀點：抑制、促進、不確定。新古典經濟學家認為環境政策會引發企業污染治理投資，增加生產成本，進而削弱全要素生產率［2］。以波特為代表的經濟學家則認為合理的環境政策誘發企業實施積極的創新策略、調整資源配置，進而提升全要素生產率［3］，也稱之為 “波特假說”。此外，不少學者認為環境政策對企業全要素生產率的作用效果因區域、行業、環境規制方式不同而存在顯著差異［4，5］。總體上，上述研究更多考察行政化手段和市場化手段對企業全要素生產率的影響，從信貸資源配置的視角探討企業全要素生產率的文獻相對較少； （2）有關綠色信貸的實施效果。諸多學者從宏觀和中觀層面研究綠色信貸對經濟和環境效益［6］、產業結構升級［7］、行業資源配置［8］、綠色全要素生產率［9］等的影響。關于綠色信貸的微觀效應諸多學者從企業投融資行為［10］、資源配置［1］、污染排放［11］、技術創新［12］等方面進行探討。

綜上，上述研究對綠色信貸的實施效果進行了富有啟發性的探索，但尚未達成一致結論。原因在于以下3點：（1）行業界定存在差異。現有研究主要依據環保部、國務院、銀監會頒布的相關文件確定綠色信貸限制行業，不同部門對行業界定存在差異，因此在確定受綠色信貸影響的行業時，不能達成一致；（2）樣本選擇偏差。部分學者使用雙重差分模型評估綠色信貸的政策效應時，將 “兩高一剩”企業設為實驗組，其余設為對照組，并未剔除受綠色信貸正向影響的低碳環保企業，導致實驗結果可能存在偏誤；（3）作用機制尚未明確。綠色信貸發揮作用需要通過市場微觀主體傳導，現有關于綠色信貸與全要素生產率的研究大都基于省級或行業面板數據，多從融資約束視角探討其作用機制，較少涉及資本、勞動等微觀生產要素。

基于此，本文以2012年銀監會印發的 《綠色信貸指引》為準自然實驗，基于2007～2020年滬深A股上市公司年度數據，構建雙重差分和三重差分模型評估綠色信貸對 “兩高一剩”企業全要素生產率的影響效果，使用 “投資-投資機會”敏感性模型和中介效應模型，從資本配置效率和人力資本結構視角探究綠色信貸影響企業全要素生產率的微觀機理。本文的研究對于完善綠色信貸政策，推動 “兩高一剩”企業綠色轉型提供了證據支持。

1 理論分析與研究假說

1.1 綠色信貸與企業全要素生產率

綠色信貸通過設立環境準入門檻及信貸配額管制雙重約束機制，影響企業內部研發創新和資源配置，進而影響全要素生產率。研發創新是提升企業全要素生產率的直接途徑，但其具有周期長、投資金額大、不確定性高的特點，企業進行創新時需要穩定的資金支持，從正規銀行機構獲取債務融資是企業重要的外部融資渠道。綠色信貸加大了 “兩高一剩”企業技術創新成本，削弱了企業技術創新的積極性，從而降低企業全要素生產率。此外，“兩高一剩”企業內部資金可能無法滿足投資需求，對于追求利潤最大化的企業來說不得不放棄一些具有高回報、高收益的投資項目，進而無法達到最優生產決策，導致全要素生產率下降。據此，本文提出：

假說1：綠色信貸抑制了 “兩高一剩”企業全要素生產率的提升。

1.2 綠色信貸對企業全要素生產率的作用機制

綠色信貸要求銀行業金融機構對綠色、低碳、環保企業提供貸款支持和優惠利率，限制 “兩高一剩”企業的貸款額度和實行懲罰性高利率。外部融資環境在影響企業資本配置效率中發揮重要作用，融資約束越高，企業的資本成本越高，對投資機會的敏感性越低，進而削減資本和勞動投入［13］，使企業偏離利潤最大化的投資決策，扭曲了企業的資本配置效率，最終導致全要素生產率下降。據此，本文提出：

假說2：綠色信貸通過惡化 “兩高一剩”企業資本配置效率進而降低全要素生產率。

高質量的人力資本有利于提高生產效率、增強創新能力、優化勞動力與物質資本的匹配性，激發企業內生發展動力。綠色信貸給 “兩高一剩”企業帶來經營壓力，向市場傳遞出行業發展前景不廣闊的信號，對高質量的人力資本來說可能更愿意進入國家重點鼓勵發展的朝陽行業。此外，綠色信貸增強了 “兩高一剩”企業面臨的融資約束，當資金流動不足時，企業可能會選擇減少雇傭高質量的人力資本或降薪來籌集資金，進一步抑制了企業人力資本結構優化，導致全要素生產率下降。據此，本文提出：

假說3：綠色信貸通過抑制 “兩高一剩”企業人力資本結構優化進而降低全要素生產率。

2 研究設計

2.1 行業劃分與樣本選擇

本文依據銀監會發布的 《綠色信貸實施情況關鍵評價指標》，將環境和社會風險類型為A類、《指標》中 “兩高一剩”行業參考目錄在 《國民經濟行業分類標準》中的二分位行業認定為 “兩高一剩”行業。同時，為了避免樣本選擇偏誤，本文剔除受綠色信貸正向影響較大的交通運輸、倉儲和郵政業，電力、熱力、燃氣及水生產和供應業，以及環保企業的樣本數據。

本文以2007～2020年滬深A股上市公司為原始樣本，為保證數據的有效性，剔除以下樣本：同時發行B股或H股的企業；資產負債率大于1的企業；ST和*ST企業；金融類企業；缺失值較嚴重的企業。最終，得到了公司年度樣本20004個，其中，“兩高一剩”企業5084個，非 “兩高一剩”企業14920個。本文數據來自國泰安數據庫、中國研究數據服務平臺及 《中國統計年鑒》。由于2020年數據可能受到新冠肺炎疫情的影響，為避免異常值，本文對所有連續變量進行1%的雙邊縮尾處理。

續 表

續 表

2.2 變量定義

被解釋變量：企業全要素生產率。本文使用LP法測算企業全要素生產率。在指標選取上，參考錢雪松等 （2018）［14］的計算方法，產出使用主營業務收入衡量，資本投入使用固定資產凈額衡量，勞動力投入使用企業員工總人數衡量，中間投入使用企業購買商品、接受勞務支付現金衡量，對上述指標取自然對數。

核心解釋變量：綠色信貸政策。本文構建兩個虛擬變量：政策虛擬變量，實驗組為 “兩高一剩”企業賦值為1，控制組為非 “兩高一剩”企業賦值為0；時間虛擬變量，觀測值位于2012年及之后賦值為1，2012年之前賦值為0。

控制變量。借鑒已有文獻，本文選取企業、行業、省（區、市）和國家層面特征變量，作為本文的控制變量，具體指標和衡量方式見表1。

表1 控制變量及其定義

2.3 模型設定

本文以2012年銀監會印發的 《綠色信貸指引》為準自然實驗，運用雙重差分模型考察綠色信貸對企業全要素生產率的影響效果，構建如下回歸模型：

其中，TFPit是企業i在t時期的全要素生產率，Treati為政策虛擬變量，如果企業屬于 “兩高一剩”行業取值為1，否則為0；Timet為時間虛擬變量，如果觀測值位于2012年及之后取值為1，否則為0。Treati×Timet的系數β1是本文關注的核心變量，表示綠色信貸對 “兩高一剩”企業全要素生產率的影響效果。Controlit是一組控制變量，μi為個體固定效應，λt為時間固定效應，εit為隨機誤差項。

3 實證結果及分析

3.1 描述性統計

描述性統計結果如表2所示，企業全要素生產率（TFP）的均值為 12.631，標準差為 1.083，最小值為10，最大值為16.745，表明全要素生產率在樣本期內存在較大差異。控制變量也都在較大范圍內波動，這為考察綠色信貸對企業全要素生產率的影響效果提供了研究素材。

表2 主要變量的描述性統計

3.2 平行趨勢檢驗

本文繪制了綠色信貸實施前后 “兩高一剩”企業和非 “兩高一剩”企業平均全要素生產率變化的時間趨勢圖，如圖1所示。《綠色信貸指引》實施（2012年）之前，兩組企業全要素生產率變化趨勢基本平行，實施之后，與非 “兩高一剩”企業相比，“兩高一剩”企業全要素生產率增速相對平緩，兩者之間的差距先縮小后擴大。因此，基本滿足平行趨勢假設。

圖1 綠色信貸實施前后不同行業平均全要素生產率變化的時間趨勢

3.3 雙重差分回歸結果

本文引入企業、行業、省（區、市）和國家層面特征變量，以檢驗政策有效性，雙重差分回歸結果如表3中列 （1）～（2）所示。在控制時間、個體固定效應和時間、地區、行業固定效應后，Treati×Timet的系數均顯著為負，表明綠色信貸顯著抑制了 “兩高一剩”企業全要素生產率的提升。上述結果初步驗證了假說1成立。

表3 綠色信貸對企業全要素生產率的影響

3.4 三重差分回歸結果

除綠色信貸外，可能存在其他相關政策影響企業全要素生產率，從而導致估計結果偏誤。相較于其他環境規制手段，綠色信貸主要通過影響企業外部融資渠道，進而影響全要素生產率。理論上，外部融資依賴度更高的 “兩高一剩”企業對政策的反應更加敏感，因此，本文借鑒陸菁等（2021）［1］的研究使用 “應收賬款凈值／總資產”衡量企業外部融資依賴度，將該指標大于或等于50分位數值的企業定義為外部融資依賴度較低的企業，否則為外部融資依賴度較高的企業。構建三重差分模型如下：

其中，Financeit為融資約束虛擬變量，當樣本屬于外部融資依賴度較高的企業時取值為1，否則為0，其他變量的定義同方程 （1）。三重差分估計結果如表3中列 （3）～（4） 所示，Treati×Timet×Financeit的系數β1在5%的水平上顯著為負，說明綠色信貸顯著降低了 “兩高一剩”企業全要素生產率水平，與前文的估計結果一致。

3.5 穩健性檢驗

本文后續進行一系列穩健性檢驗，以保證實證結果的準確性。

續 表

（1）更換全要素生產率測算方法。本文使用OP法測算企業全要素生產率TFPOP，投資采用資本性支出（構建固定資產、無形資產和其他長期資產支付的現金-處置固定資產、無形資產和其他長期資產收回的現金）的自然對數衡量，其余指標不變。回歸結果見表4，Treati×Timet的系數β1都顯著為負，該結果與表3基本一致，說明更換全要素生產率測算指標和測算方法不會影響本文的估計結果。

（2）排除其他事件的干擾。為了排除綠色信貸出臺前后其他事件對估計結果的影響，本文調整時間窗口進行穩健性檢驗。具體包括：①縮小時間窗口。選取綠色信貸出臺前后3年（2009～2015年）的數據作為研究期間，進行穩健性檢驗。回歸結果如表4中列 （3）～（4） 所示，Treati×Timet的系數顯著為負，與前文的實證結果一致；②時間反事實檢驗。選取綠色信貸出臺之前的時期作為研究期間（2007～2011年），設置時間虛擬變量Year2011，該變量在2011年取1，否則為0。回歸結果如表4中列 （5）～（6） 所示，Treati×Year2011的系數均不顯著，表明在綠色信貸出臺之前，與非 “兩高一剩”企業相比，“兩高一剩”企業全要素生產率沒有發生顯著變化。

表4 穩健性檢驗

（3）安慰劑檢驗。為了考察本文的估計結果是否由行業-時間層面不可觀測的因素驅動，借鑒Cai等 （2016）［15］的研究，通過隨機分配 “兩高一剩”行業對本文的估計結果進行安慰劑檢驗。本文的樣本共包含64個行業，其中14個為“兩高一剩”行業。因此，從64個行業中隨機選取14個行業，將其設定為 “偽”處理組 “兩高一剩”行業，其余為非 “兩高一剩”行業。本文進行500次回歸分析，隨機生成處理組的估計系數核密度及相應P值分布如圖2所示，分布都集中在零點附近，大多數估計值的p值大于0.1，豎線表示的真實估計系數在安慰劑檢驗中明顯屬于異常值。因此，本文的研究結果不太可能由行業-時間層面不可觀測的因素驅動。

圖2 安慰劑檢驗

4 異質性分析

前文的研究發現，綠色信貸對 “兩高一剩”企業全要素生產率具有顯著的抑制作用，但不同類型的企業對該政策的反應是否存在差異？本文從企業所有制和地區金融發展水平的視角切入，運用分組回歸方法考察綠色信貸影響企業全要素生產率的橫截面差異。

4.1 基于企業所有制視角

表5的列 （1）、（2）報告了基于企業所有制分組檢驗的結果，Treati×Timet的估計系數在兩組樣本中都顯著為負，但在非國有企業樣本中系數絕對值相對更大，說明與國有 “兩高一剩”企業相比，綠色信貸對非國有企業全要素生產率的抑制作用更強。原因可能在于，由于市場存在信貸所有制歧視，在放貸給國有和非國有企業都面臨違約風險的背景下，規避風險的商業銀行更愿意向國有企業提供信貸支持。因此，與國有企業相比，非國有企業對綠色信貸政策的反應更加敏感。

4.2 基于地區金融發展水平視角

理論上，金融發展水平更高的地區企業擁有更多的融資渠道，受綠色信貸的影響相對更小。為了檢驗不同金融發展水平下綠色信貸影響企業全要素生產率的異質性，本文使用 “金融市場化程度指數”衡量地區金融發展水平，將該指標大于或等于50分位數值的地區定義為金融發展水平較高的地區，否則為金融發展水平較低的地區。表5的列 （3）、（4） 報告了基于地區金融發展水平分組檢驗的結果，兩組樣本的估計系數都顯著為負，但金融發展水平更低地區的系數絕對值更大。因此，綠色信貸對金融發展水平更低地區的 “兩高一剩”企業全要素生產率的抑制作用相對更強。

表5 異質性檢驗

5 影響機制分析

上述研究結果表明，綠色信貸導致 “兩高一剩”企業全要素生產率下降。那么，該政策通過何種機制發揮作用？基于前文的分析，本文從資本配置效率和人力資本結構兩個角度探討綠色信貸的作用機制。

為了驗證假說 2，借鑒方軍雄 （2007）［16］的研究方法，使用 “投資-投資機會”敏感性模型考察綠色信貸是否通過資本配置效率影響企業全要素生產率，模型如下：

其中，Investit為企業當期投資水平，使用 “資本性支出／總資產”衡量。Roait為資產收益率，用來測度企業的投資機會，其他變量的定義同模型 （1）。結果如表6的列 （1）、（2） 所示，θ1顯著為負，表明綠色信貸出臺之后，與非 “兩高一剩”企業相比，“兩高一剩”企業投資效率顯著下降，揭示出綠色信貸通過惡化企業資本配置效率渠道降低全要素生產率。

為了驗證假說3，本文借鑒溫忠麟和葉寶娟（2014）［17］提出的中介效應模型，考察綠色信貸是否通過抑制企業人力資本結構優化，進而降低全要素生產率。模型如下：

其中，Rlzbit為企業i在t時期的人力資本結構，參考馬新嘯等 （2020）［18］的做法，使用企業當年碩士研究生及以上學歷員工占全部員工的比例衡量，這一指標越大，表示企業人力資本結構越優，其他變量的定義與模型 （1）一致。表6的列 （3）、（5）報告了相應的回歸結果，中介效應模型的回歸系數β1、γ1、η2均顯著，Sobel Z值為-5.004，所以中介效應存在，占比約為9.6%。因此，綠色信貸通過抑制企業人力資本結構優化，進而降低全要素生產率得到有效驗證。

表6 綠色信貸影響企業全要素生產率的機制檢驗

6 研究結論與政策建議

綠色信貸作為連接金融資源和生態環境的重要紐帶，在目前經濟下行、產能過剩及環境污染的背景下，該政策能否提升 “兩高一剩”企業全要素生產率，實現經濟與環境績效的雙贏？答案是否定的。本文基于2007～2020年滬深A股上市公司年度數據，以2012年銀監會印發的 《綠色信貸指引》為準自然實驗，通過構建雙重差分和三重差分模型評估綠色信貸對 “兩高一剩”企業全要素生產率的影響效果、異質性和作用機制。結果表明，綠色信貸顯著抑制了 “兩高一剩”企業全要素生產率的提升。異質性分析發現，綠色信貸對非國有、地區金融發展水平低的 “兩高一剩”企業的抑制作用更強。機制分析表明，綠色信貸主要通過惡化資本配置效率和抑制人力資本結構優化兩條途徑抑制 “兩高一剩”企業全要素生產率。基于上述研究，本文的政策啟示如下：

完善綠色信貸政策體系，激發企業轉型動力。綠色信貸的根本目的是希望通過信貸約束倒逼企業綠色轉型升級，減少給環境帶來的負外部性。“兩高一剩”企業擺脫高污染、高能耗的發展模式需要高質量人力資本投入和穩定的資金支持。但目前綠色信貸對 “兩高一剩”企業實行一票否決制，可能會抑制企業的資本投資和創新投入，使其陷入 “信貸約束-全要素生產率下降”的惡性循環，阻礙了 “兩高一剩”企業綠色轉型。因此，應構建扶持 “兩高一剩”企業綠色轉型升級的激勵機制，依據行業特點提出針對性的綠色信貸標準與環境風險要求，給予積極實施綠色轉型升級的企業提供資金支持，激發 “兩高一剩”企業內在轉型動力。

發揮有效市場和有為政府的作用，優化綠色信貸的資源配置。充分發揮市場資源配置的決定性作用，引導各類資源和要素向綠色、低碳、環保行業集聚；另外，政府積極彌補市場失靈，引導 “兩高一剩”企業綠色轉型升級。研究結果顯示綠色信貸對非國有企業全要素生產率負向沖擊更強，可能由于非國有企業無法向銀行提供充分的抵押或擔保，從而面臨信貸歧視，一定程度上阻礙了綠色信貸政策市場選擇效應的發揮，因此，政府需要著力解決非國有 “兩高一剩”企業綠色發展激勵不足的問題，緩解目前存在的信貸所有制偏好，加強銀行信貸供給的競爭性與公平性，提高信貸資源配置效率。

健全政策評估體系，推進綠色信貸標準化。建立標準化的綠色信貸實施效果評估制度，全面評估政策實施成效及面臨的關鍵性障礙，真正發揮綠色信貸的導向、激勵和監督作用。此外，完善信息披露制度，建立全方位、多角度的 “兩高一剩”企業環境和社會風險評估結果及綠色信貸實施效果的信息發布系統，實現不同部門之間的信息共享，促進銀行業金融機構履行生態環境保護的社會責任，推動 “兩高一剩”企業綠色轉型。