內容提要:基于外部商業信用與內部環境關注的視角,利用2007-2020年滬深A股上市企業面板數據和雙重差分法(DID),考察了2012年頒布的《綠色信貸指引》對企業綠色創新的影響。研究發現:《綠色信貸指引》實施后,受限制企業的綠色專利申請量顯著上升,且外部商業信用增加與內部環境關注提升是影響企業綠色創新的兩條重要渠道。進一步研究發現,較之于非國有企業,國有企業綠色創新效果提升更明顯;較之于數字化程度較低的企業,數字化程度較高的企業綠色創新效果更顯著;與供應商集中度較高的企業相比,供應商集中度較低的企業綠色創新的積極性更高。總體而言,綠色信貸政策發揮了較強的“波特效應”,促進了受限制企業綠色創新的“增量提質”,是實現“雙碳”目標的重要保障。
近年來,隨著環境問題日益突出,積極應對氣候變化已成為全球共識。為了緩解經濟發展和環境保護雙重壓力,中國提出了“將力爭于2030年前實現二氧化碳排放達到峰值、2060年前實現碳中和”的目標(以下簡稱“雙碳”目標)。環境保護需要金融支持,綠色金融旨在依據金融創新來實現環境保護的目的(Salazar,1998)。一方面,綠色金融能為節能環保、清潔能源、可替代能源等提供資金支持,促進資源供給“開源”;另一方面,綠色金融能加大對高污染、高能耗產業的資源配置力度,引導社會資本從該類產業流出,提高資源利用率,能保障現有資源“節流”。采用綠色金融手段改善生態環境,既是實現“雙碳”目標的必由之路,也是經濟轉型的重要推動力。作為均衡經濟發展與環境保護的驅動力,企業綠色創新能夠推進轉變生產方式、構建新發展格局。中共十九大報告明確提出,要大力發展綠色金融;而二十大報告也強調指出,要推動綠色發展。因此,綠色金融政策如何引導企業綠色創新、助力“雙碳”目標實現,成為各界高度關注的話題。
當前,中國綠色金融發展存在時間短、制度不健全和創新性不足等問題,其產品以綠色信貸為主。2012年原銀監會頒布了《綠色信貸指引》,要求銀行業金融機構對客戶環境和社會風險(1)《綠色信貸指引》所稱的環境和社會風險,是指銀行業金融機構的客戶及其重要關聯方在建設、生產、經營活動中可能給環境和社會帶來的危害及相關風險,包括與能耗、污染、土地、健康、安全、移民安置、生態保護、氣候變化等有關的環境與社會問題。進行評估,將相關結果作為信貸評級、信貸準入、管理和退出的重要依據,這標志著綠色信貸推進節能減排進入新階段。作為傳統環境規制的有益補充,綠色信貸政策兼具金融資源配置與環境規制雙重特性。一方面,受政策性貸款約束,企業可能尋求商業信用融資等以緩解融資困境(Cull等,2008;Du等,2012)。另一方面,基于“波特假說”(Porter和Van der Linde,1995),合理設計的環境規制可以刺激企業進行技術創新。研究表明,綠色信貸政策會通過信貸約束、代理成本、投資效率等渠道,對重污染企業技術革新與綠色轉型產生重大影響(陸菁等,2021;王馨和王營,2021)。然而,綠色信貸與企業綠色創新之間的理論黑箱尚未被完全打開,深入探討綠色信貸影響企業綠色創新的具體路徑,是評估綠色金融微觀影響效應的重要前提。在探討綠色信貸政策對企業綠色創新的影響機制時,鮮有文獻考察商業信用融資、企業內部環境關注等的作用。基于此,本文以《綠色信貸指引》的頒布作為準自然實驗,基于外部商業信用融資和企業內部環境關注的視角,主要采取雙重差分法,探究綠色信貸政策對綠色創新的影響機制。
相較于以往研究,本文的邊際貢獻主要體現在:第一,基于外部商業信用融資與企業內部環境關注兩方面,本文進一步探討了綠色信貸政策對企業綠色創新的影響機制,豐富了綠色信貸政策微觀效應的研究視角。第二,基于微觀企業綠色專利數據,本文發現在環境規制與信貸約束的雙重刺激下,受限制企業會開辟商業信用融資、增強環保關注度,進而開展綠色創新活動。這既豐富了非正規金融影響效應的相關文獻,也證明了企業創新與綠色金融政策間存在良性互動關系。第三,本文采用三重差分模型,充分考察了企業所有制、企業數字化轉型程度、企業供應商集中度等異質性影響,這可為政府部門進一步完善綠色信貸政策體系提供政策參考。
綠色信貸政策是傳統環境規制政策的新型補充。已有文獻基于“波特假說”,考察了其產生的綠色創新效應。綠色信貸政策對環保企業研發投入和技術創新,均有顯著的促進作用(何凌云等,2019),顯著增加了重污染企業的綠色創新產出(劉強等,2020;王馨和王營,2021)。通過合理配置信貸資源、發揮金融機構在環境保護中的重要作用,《綠色信貸指引》間接引導企業開展綠色創新活動,實現綠色環保效益最大化。為實現高質量發展和促進經濟與環境相協調,受限制企業往往會加強綠色技術創新,推進自身轉型升級。
然而,新古典經濟學認為,以環保為目的的環境規制政策會使排污企業增加生產成本,將對企業技術創新資金產生“擠出效應”,從而導致生產效率降低。Chintrakan(2008)發現,環境規制會導致重污染企業技術效率低下。《綠色信貸指引》頒布后,金融機構增強了對綠色環保企業的貸款支持,促使綠色企業產生規模效應,從而推動企業技術創新。但受限企業獲得銀行貸款的限制性增強(蘇冬蔚和連莉莉,2018;吳虹儀和殷德生,2021),其污染治理成本提高,導致可用于研發創新的資金減少。陸菁等(2021)認為,重污染企業技術創新下降主要是由于綠色信貸政策引致的遵循成本效應和信貸約束效應。曹廷求等(2021)則發現,綠色信貸政策主要通過抑制企業的長期借款對上市公司綠色創新行為產生負向影響。另外,相較于一般創新,企業綠色創新具有獨特的外部性問題,通常需要更多的研發資金,產品商業化時間及投資回收期也更長。因此,面臨融資困境的重污染企業追求效益最大化,一定程度上可能缺乏開展綠色技術創新的主動性與積極性。基于此,提出以下競爭性假設:
假設H1a:《綠色信貸指引》的實施對受限制企業綠色創新具有正向促進作用。
假設H1b:《綠色信貸指引》的實施對受限制企業綠色創新具有負向抑制作用。
一般而言,企業內部現金流是研發創新的重要資金來源(張杰等,2012;唐清泉和巫岑,2015),但企業常常受經營周期波動與外部經濟環境影響,不能維持內部資金的穩定運轉,因此會借用外源融資為企業的研發創新活動提供保障(Hall,2002;張杰等,2012)。商業信用融資被普遍認為是銀行信貸的替代性方式(Cull等,2008),也是中國企業重要的外源融資渠道之一(孫浦陽等,2014)。企業在受到銀行信貸限制后,可以通過商業信用緩解短期的融資約束(饒品貴和姜國華,2013),進而保障創新活動的順利開展。
一方面,相較于銀行信貸,商業信用在掌握企業的市場信息上存在著優勢。商業信用借貸雙方之間往往存在著較為密切的貿易往來,信息不對稱程度較低。供應鏈上游企業常常會將“過度融資”的資金,采用商業信用的方式二次分配給下游企業,以獲取額外收益(王彥超,2014)。這令原本遭受銀行信貸融資約束的下游企業更加依賴商業信用融資,以保證研發創新的規模和水平。另一方面,商業信用作為企業間貨款的延遲支付,不需要負擔額外的利息成本,進而增加了企業收入和擴大了資金池(姚星等,2019)。同時,供應商對于賒銷企業貨款的用途監管較弱,遠不如銀行對于企業借款用途的監管力度大,因此企業通過商業信用融資獲得了更大的資金配置空間,能投入更多的資金激勵創新。
部分文獻也發現,商業信用與企業創新存在著正向關系。在融資約束較大的轉型經濟環境中,商業信用對技術創新存在著積極的促進作用(劉慧芬,2017),會緩解中小企業融資約束(陳志紅和李健,2020),支持其綠色創新。進一步研究發現,商業信用與企業創新投入存在倒“U”形關系(于波和霍永強,2020),即在達到拐點之前,商業信用能夠正向促進企業創新,如超過臨界值則會抑制企業創新。綠色信貸政策實施后,當受限制企業銀行信貸面臨約束,該企業將轉而尋求商業信用。此時,商業信用成為受限制企業緩解信貸約束的主要途徑(薛儉和朱迪,2021)。進一步地,受限制企業極有可能通過商業信用融資開展綠色創新,以實現綠色轉型升級。基于此,本文提出如下研究假設:
假設H2:《綠色信貸指引》頒布后,受限制企業的商業信用融資增加,從而促進企業開展綠色創新活動。
“遵循成本假說”認為,一般性的環境規制會增加企業污染治理成本,擠占生產資源,并不有利于提升企業對于環境保護的關注度。同時,由于存在信息不對稱,金融機構與受限企業之間容易出現委托代理問題,即受限企業傾向于以較高成本獲取信貸資源,并繼續投資于高污染、高回報的生產活動。因此,在金融機構監管不足、環境規制影響較小的情況下,受限企業并不會主動披露環境信息,走綠色轉型發展道路。而作為新型環境規制工具,綠色信貸政策兼顧金融資源配置與環境保護雙重職能,能夠較好地緩解金融機構與受限企業之間的委托代理問題,進一步提升受限企業內部環境關注度,促進企業綠色創新。
綠色信貸政策出臺后,金融機構與受限企業的環境保護動機大大增強。一方面,銀行考慮到自身利益和社會責任,會更加關注和控制對受限企業的貸款投放量,避免承擔受限企業轉嫁而來的污染風險。比如,《綠色信貸指引》明確要求,銀行要對涉及重大環境和社會風險的客戶開展風險評估,強化企業貸款的貸后管理。即使企業已經獲取貸款,銀行也有權以其風險管理狀況為依據,重新決定貸款的撥放。此時,受限企業為爭取信貸支持,也會主動披露環境信息,提升對環境保護的關注度,滿足環境風險評估的相關要求。另一方面,根據社會影響假說與信號理論,企業可以通過承擔環境社會責任以改善自身聲譽,進一步提升經營績效。因此,綠色信貸政策頒布后,受限企業管理層受政策倒逼激勵影響,內部環境關注度不斷提升。
研究發現,企業環境關注度會影響企業的綠色創新行為。一般而言,企業環境關注度越高,越可能履行環境社會責任(斯麗娟和曹昊煜,2022),進而開展綠色創新活動的可能性越大(肖小虹等,2021)。同時,較高的環境關注度使企業更好地感知目標市場的規范壓力,構建市場知識,選擇綠色產品類型和市場分割,促進企業綠色創新(Yang等,2015)。此外,企業提升自身環境關注度能有效解決利益相關者間的矛盾,營造良好的環境保護氛圍,緩解綠色創新過程中的雙重外部性問題。綠色信貸政策的實施,確保環境規制成本完全向企業轉化,提升企業環境關注度,進而促進企業綠色創新。基于此,本文提出如下研究假設:
假設H3:《綠色信貸指引》頒布后,受限制企業的環境關注度提高,從而促進企業開展綠色創新活動。
近年來,國內許多學者采用雙重差分法(DID)研究綠色信貸政策的影響效果(陸菁等,2021)。因此,為考察綠色信貸政策對企業綠色創新所產生的影響,本文借鑒已有做法構建如下雙重差分模型:
Yit=β0+β1DIDit+β2CONTROLSit+μi+λt+εit
(1)
模型(1)中,Yit為被解釋變量,下標i、t分別代表企業和年份;DID為雙重差分項,等于TREAT×PERIOD,虛擬變量TREAT反映該企業是否為受政策限制行業企業。本文參考王馨和王營(2021)的做法,依據《綠色信貸實施情況關鍵評價指標》中所規定的環境和社會風險為A類企業所屬行業,來認定上市公司是否為受政策限制行業(2)具體地,A類企業所屬行業包括核力發電、水力發電、水利和內河港口工程建筑、煤炭開采和洗選業、石油和天然氣開采業、黑色金屬礦采選業、有色金屬礦采選業、非金屬礦采選業、其他采礦業等9個行業。。如果上市公司屬于受政策限制行業,取值為1,反之取值0;虛擬變量PERIOD反映企業是否受綠色信貸政策影響,2012年及之后取值1,2012年之前的年份取值0。CONTROLS為其他控制變量,μi表示企業固定效應,λt表示時間固定效應,εit表示隨機誤差項。
(1) 變量設定。被解釋變量。本文采用企業綠色專利申請數作為企業綠色創新的代理變量。借鑒李青原與肖澤華(2020)的做法,首先從中國國家知識產權局(SIPO)檢索樣本上市企業申請的專利IPC分類號,然后使用世界知識產權組織(WIPO)推出的“國際專利綠色分類清單”中綠色專利IPC分類號進行匹配,得到每個樣本的綠色專利匹配數。采取綠色專利申請數加1后取自然對數,作為企業綠色創新活動的度量指標(GPAT)。同時,也將綠色專利按類型分為綠色發明專利(GIPAT)與綠色實用新型專利GDPAT),作為企業綠色創新質量指標,從而與企業綠色創新數量對比。
解釋變量。綠色信貸政策雙重差分項(DID),即受限制行業企業DID在政策實施當年及以后年份取值為1、在政策實施之前取值為0,非限制行業企業所有取值為0。
中介變量。為了檢驗綠色信貸政策是否會通過外部商業信用渠道對企業綠色創新產生影響,本文選取企業凈商業信用融資(NCRDT)作為中介變量。參考已有做法(饒品貴和姜國華,2013;王化成等,2016),選取企業的凈商業信用融資比率作為代理變量,具體衡量方式為:(應付票據+應付賬款+預收賬款-應收票據-應收賬款-預付賬款)/總資產。為了檢驗綠色信貸政策是否會通過內部環境關注渠道對企業綠色創新產生影響,本文選用管理層討論中環保詞頻數的自然對數(LNFRE)作為中介變量。具體參考Chen等(2018)構造的環境詞庫,從上市公司發布的年報中提取“管理層討論與分析”相關內容,手工統計詞庫中的關鍵詞出現頻率,并加1取對數進行衡量。
控制變量。為了盡可能全面衡量綠色信貸政策的影響,借鑒以往研究結果,選取了如下控制變量:企業規模(SIZE),使用企業總資產的自然對數衡量;企業盈利能力(ROA),使用企業資產收益率衡量;企業資產結構(LEV),使用企業資產負債率度量;企業年齡(AGE),使用企業上市時間的自然對數衡量;企業經營現金流(CFO),采用經營性活動產生的現金流量凈額除以總資產進行度量;第一大股東持股比例(TOP1),使用第一大股東持股數占比衡量;董事會規模(BOARD),使用企業董事會人數的自然對數衡量;企業是否兩職合一(DUAL),董事長與總經理兩職合一為1,否則為0。同時,考慮到地區發展差異,控制城市經濟發展水平(GDP)以及城市產業結構(THIRD),分別用城市人均生產總值自然對數、第三產業增加值與地區生產總值的占比來衡量。具體的變量含義見表1。
(2) 數據來源。本文以滬深A股上市企業作為研究樣本,時間跨度為2007至2020年,并按以下要求篩選:剔除金融業上市公司,剔除ST、ST*以及PT公司,剔除財務數據異常以及相關數據嚴重缺失的公司。本文財務數據來自國泰安(CSMAR)數據庫,專利數據來自中國研究數據服務平臺(CNRDS)以及國家知識產權局(SIPO),環保詞頻數通過上市公司年報收集,城市數據來自各年份城市統計年鑒,并將上述數據進行匹配。除企業環保詞頻數存在部分缺失值外,本文最終獲得23012個年度觀測值。
為了避免極端值影響實證結果,本文對所有連續變量數據進行1%縮尾處理,表2為主要變量的描述性統計結果。由表2可以看出,企業綠色創新總量GPAT均值為0.998,標準差為1.376,最小值為0,最大值為5.094,說明中國上市企業間綠色創新呈現出不均衡的狀況;雙重差分項DID均值為0.047,表明樣本企業中約有4.7%的企業受到綠色信貸政策的影響。其余控制變量描述性統計與現有研究結果基本保持一致。

表1 變量說明表

表2 主要變量描述性統計
為了考察綠色信貸政策實施后企業綠色創新的變化情況,將綠色專利GPAT、GIPAT、GDPAT作為被解釋變量,代入模型(1)進行回歸,回歸結果如表3所示。表3列(1)、(2)、(3)是未納入控制變量,但控制企業固定效應和年份固定效應的回歸結果,列(4)、(5)、(6)是進一步納入控制變量的結果。由列(4)、(5)、(6)結果可以發現,DID系數均在1%的水平上顯著為正,表明綠色信貸政策實施后,相較于非受限制企業,受限制企業的綠色創新產出顯著上升,平均整體增幅為29.47%,其中,綠色發明專利申請量平均增加24.41%,綠色實用新型專利申請量平均增加22%。實證結果表明,綠色信貸政策既顯著提升了企業綠色創新的規模,也明顯提高了企業綠色創新的質量,實現了綠色創新的“增量提質”。可能的原因在于,《綠色信貸指引》頒布后,受限制企業積極謀求轉型升級,采取綠色創新手段,響應政策號召以保持市場地位,試圖維持原有的銀行信貸規模。因此,研究假設H1a得以證明,即綠色信貸政策發揮了較強的“波特效應”,對企業綠色創新產生了正向促進作用。

表3 綠色信貸政策對企業綠色創新的影響

圖1 綠色創新平行趨勢檢驗
(1) 平行趨勢檢驗。雙重差分法的前提假設是要符合平行趨勢,在本文中即要保證受限制企業和非限制企業在政策頒布前,綠色專利申請量具有相同的變化趨勢。為了檢驗這一假設,本文采用事件分析法,研究綠色信貸政策對企業綠色創新活動的年度動態影響。具體方法是:以2012年作為基準年份,構建時期虛擬變量,將每個時期虛擬變量與政策虛擬變量TREAT交互項作為解釋變量;以綠色創新總量作為被解釋變量,納入模型(1)中進行估計,估計結果見圖1。由圖1可知,在綠色信貸政策實施之前,交互項系數均不顯著,表明受限制企業和非限制企業在政策實施前綠色創新情況無顯著差異,滿足DID平行趨勢的假設。同時也可以發現,綠色信貸政策實施后,受限制企業因政策激勵,其綠色創新規模明顯擴大,且該影響具有持續性。
(2) 安慰劑檢驗。為了進一步保證基準結果的穩健性,本文對回歸結果進行安慰劑檢驗。首先,利用反事實分析法,提前時間節點,對事件發生前樣本進行檢驗。將政策實施時間往前位移兩年,選取2010年作為虛擬政策發生的時間,構造虛假的雙重差分交互項NDID,并以此代入模型(1)進行回歸,估計結果如表4所示。可以發現:受限制企業綠色創新GPAT、GIPAT、GDPAT系數估計值均不顯著,這說明本文所構造的虛假事件未發生,基準回歸結果穩健。

表4 提前兩期安慰劑檢驗
另外,為了檢驗回歸結果在多大程度上受到遺漏變量及其他擾動因素的影響,本文采用Bootstrap技術隨機“篩選”樣本企業,并隨機產生政策時間,據此產生政策時間-企業兩個層面的隨機實驗,納入模型(1)中進行回歸。通過500次的重復實驗,得到的綠色創新總量DID虛假回歸系數分布圖(如圖2所示)。可以發現:500次隨機抽樣得到的虛假估計系數近似服從正態分布,且虛假估計系數集中在零點附近,遠小于基準估計得到的系數0.2947,說明虛構的政策沖擊對企業綠色創新的回歸系數顯著為正和顯著為負的可能性較小,由此排除綠色信貸效應源于其他不可觀測因素的可能性。

圖2 綠色創新安慰劑檢驗
(3) PSM-DID檢驗。為了緩解因模型設定而導致的外推偏誤,本文進一步使用傾向匹配得分法(PSM)進行穩健性檢驗。具體而言,首先以企業規模、盈利能力、資產結構、企業年齡、經營現金流、第一大股東持股比例、董事會規模等企業特征變量,對處理組和對照組進行Probit回歸,將預測值作為得分;然后使用最近鄰匹配方法進行1∶1匹配;最后參照模型(1)進行回歸,PSM-DID的估計結果如表5所示。由表5可以看出,受限制企業綠色創新GPAT、GIPAT、GDPAT等系數仍在1%水平上顯著且符號為正,這一結果表明本文核心結論是穩健的。
(4) 考慮綠色創新的長周期性結果。考慮到企業綠色創新風險較高,產品升級較大,需要更長的商業化路徑及資金回收期。參考王馨和王營(2021)的做法,本文選用第t+1年、第t+2年綠色專利申請數來衡量企業綠色創新,開展進一步檢驗,具體回歸結果如表6所示。可以發現,第t+1年、第t+2年綠色專利申請數的回歸系數仍均在1%水平上顯著為正,這與基準回歸結果保持一致,說明結果是穩健的。

表5 PSM-DID估計結果

表6 考慮綠色創新的長周期性結果
為考察綠色信貸政策是否通過外部商業信用融資、內部環境關注渠道對企業綠色創新產生影響,本文使用溫忠麟等(2004)構建的逐步法中介效應模型進行檢驗,設定回歸模型如下:
Mit=θ0+θ1DIDit+θ2CONTROLSit+μi+λt+εit
(2)
Yit=α0+α1DIDit+α2Mit+α3CONTROLSit+μi+λt+εit
(3)
其中,M為中介變量,即企業外部商業信用與內部環境關注,其他變量定義與模型(1)保持一致。機制檢驗具體操作步驟如下:首先,將核心被解釋變量納入模型(1)中估計,如果β1不顯著,則停止中介效應檢驗;而如果β1顯著,則進行下一步檢驗。其次,將中介變量、核心被解釋變量代入模型(2)、(3)進行估計,若系數θ1、α2同時顯著,則表明存在中介效應。若α1顯著則表明存在部分中介效應,不顯著則表明存在完全中介效應。如果系數θ1、α2中有一個不顯著,則應當進行Sobel檢驗。
將綠色創新作為被解釋變量、商業信用融資作為中介變量代入中介效應模型進行回歸,回歸結果如表7所示。表7列(1)表明綠色信貸對企業商業信用融資的影響顯著,這可能是因為,《綠色信貸指引》頒布后,受限制企業為了緩解融資困境,借助商業信用融資謀求資金周轉。表7列(2)匯報了綠色信貸政策與中介變量對企業綠色創新總量的影響,由結果可知,DID的系數與NCRDT系數均顯著。這表明綠色信貸政策實施后,企業謀求更多的商業信用融資,其綠色創新整體水平也更高,存在部分中介效應。表7列(3)、(4)匯報了綠色信貸政策與商業信用融資對兩類綠色專利申請數量的影響。可以看出,DID的系數均在1%的水平上顯著為正,同時NCRDT系數也在5%水平上顯著。這表明,在綠色信貸政策促進企業綠色創新過程中,企業商業信用融資的部分中介效應顯著存在。

表7 機制檢驗:外部商業信用融資效應檢驗
將綠色創新作為被解釋變量、企業環境關注度作為中介變量,代入中介效應模型進行回歸。由于上市公司環境詞頻數存在部分缺失,回歸剔除了這部分樣本,最終結果如表8所示。表(8)列(1)、(2)、(3)匯報了剔除缺失值后綠色信貸政策對企業綠色創新的影響,可以發現:系數仍均在1%水平上顯著為正。表8列(4)則表明,綠色信貸對企業內部環境關注度的提升效應顯著。這可能是因為,《綠色信貸指引》頒布后,受限制企業為重新獲取信貸支持,滿足環境風險評估的相關要求,環境保護內在動機增強,環境關注度提升。進一步地,表8列(5)、(6)、(7)匯報了綠色信貸政策與中介變量對企業各類綠色創新的影響,由結果可知,DID系數與LNFRE系數均顯著為正。這表明,綠色信貸政策實施后,企業環境關注的部分中介效應顯著,即綠色信貸政策提升企業內部環境關注度,進而提高企業綠色創新水平。
此外,為進一步檢驗中介效應的穩健性,本文也對中介效應模型進行Sobel檢驗。Sobel檢驗的P值均都接近零,說明商業信用與環境關注的中介效應顯著。綜上,綠色信貸政策頒布后,政策“倒逼激勵”效應顯著,受限制企業通過增加外部商業信用、提升內部環境關注度兩條渠道,積極開展綠色創新活動。同時,兩類綠色專利申請量均顯著上升,實現了綠色創新的“增量提質”。
考察了綠色信貸政策對企業綠色創新的作用機制后,在模型(1)的基礎上加入企業異質性的三重差分項,構建三重差分模型進一步研究2012年《綠色信貸指引》對于異質性企業的不同影響。以企業所有制差異為例,構建三重差分項TREATi×PERIODt×SOEi,具體模型為:
Yit=φ0+φ1TREATi×PERIODt×SOEi+φ2TREATi×PERIODt+φ3CONTROLSit+μi+λt+εit
(4)
其中,TREAT和PERIOD分別為政策虛擬變量和時間虛擬變量;SOE為企業所有制虛擬變量,企業若為國有企業取值為1,反之取值為0;其余變量定義保持不變。

表8 機制檢驗:內部環境關注效應檢驗
(1) 產權性質差異。相比于非國有企業,中國國有企業擁有資金、土地、人力等資源要素優勢,也是各類政策落實的先行者,因此有必要檢驗不同產權性質的異質性影響。基于企業所有制差異的回歸結果如表9列(1)所示,企業綠色創新總量三重差分項系數為0.1973,在10%顯著性水平上顯著。這意味著相比于非國有企業,綠色信貸政策實施后,國有企業的綠色創新意愿更強,綠色創新產出更高。這是因為國有企業一般是環境規制政策的重點監察對象(王勇等,2019),通常會率先響應國家政策號召,積極承擔政策任務以起到帶頭作用。同時,綠色發明專利三重差分項系數在1%水平上顯著為正,而綠色實用新型專利三重差分項系數不顯著。這表明國有企業為了積極履行社會責任、緩解環境污染困境,會更重視實質性的綠色創新以實現產業綠色升級,從而其綠色創新質量更高。
(2) 數字化程度差異。隨著互聯網、大數據、人工智能等技術的不斷發展,數字化轉型成為企業研發創新的重要推動力。為了探究綠色信貸政策對于不同數字化程度企業的差異性影響,本文借鑒袁淳等(2021)做法,使用上市企業年報中數字化相關詞匯頻數總和加1取對數,以衡量企業數字化轉型程度(DIG)。DIG數值越大,代表企業數字化程度越高。將企業數字化程度代理變量DIG替換模型(4)中SOE,得到企業數字化程度異質性三重差分項。基于企業數字化程度差異的估計結果,如表9列(2)所示。可以發現,企業綠色創新的三重差分項系數均顯著為正,這表明相比于數字化程度較低的企業,數字化程度越高的企業開展綠色創新活動的積極性更高。一方面,企業數字化程度越高,專業化分工水平也越高(袁淳等,2021),有利于創新資源的集中,減少綠色創新過程中的溝通成本。另一方面,較高的數字化水平一定程度上也反映企業的經營狀況良好,傳遞給上游企業正面信號,在遭受信貸縮減時企業獲取外部債務融資的可能性更大,這緩解了綠色創新的資金壓力。同時,數字化程度越高的企業也更傾向于響應政策號召,賦能綠色化轉型,提升環境關注度,從而積極開展綠色創新活動。
(3) 供應商集中度差異。在中國,社會關系網絡是影響上下游企業開展合作業務的重要因素,企業商業信用融資很大程度上會受供應商集中度影響。為了探究綠色信貸政策對于不同供應商集中度企業的差異影響,本文使用前五大供應商采購額占總采購額的比例,來衡量企業供應商集中度(SUPPLY)。SUPPLY數值越大,代表企業供應商集中度越高。將企業供應商集中度代理變量替換模型(4)中SOE,得到企業供應商集中度異質性三重差分項。基于供應商集中度差異的估計結果,如表9列(3)所示。企業綠色創新總量、綠色發明專利三重差分項系數均顯著為負,綠色實用新型專利三重差分項系數不顯著。這表明:供應商集中度越高,越不利于企業進行綠色創新活動,特別是實質性綠色創新。可能的原因在于,受綠色信貸政策的約束,企業通過商業信用融資獲取綠色創新資源,而企業供應商集中度越高,所能獲得的商業信用融資越少(馬黎珺等,2016)。因此,供應商集中度較高的企業缺乏創新資金,綠色創新意愿和效果大大降低。

表9 異質性分析
基于2007-2020年中國A股上市公司面板數據,以2012年《綠色信貸指引》的頒布作為準自然實驗,本文主要采用雙重差分法檢驗了綠色信貸政策對企業綠色創新的影響及機制。研究結果發現:綠色信貸政策的實施,顯著提升了受限制企業的綠色創新水平。相比于其他企業,受限制企業綠色發明專利與綠色實用新型專利均明顯增加,實現了綠色創新的“增量提質”。機制分析發現,綠色信貸政策通過增加企業外部商業信用融資、提升企業內部環境關注兩個渠道激勵企業綠色創新。異質性分析發現,相比于非國有企業,國有企業綠色專利申請量增加更多。相比于數字化程度較低的企業,數字化程度較高的企業開展綠色創新活動更為積極。基于商業信用融資視角發現,與供應商集中度較低的企業相比,供應商集中度較高的企業因難以獲取商業信用,綠色創新意愿較低。
中國綠色信貸政策的實施取得了一定效果,產生了較強的“波特效應”,一定程度上激勵企業開展綠色創新、推進轉型升級。結合實證結果與綠色信貸發展現狀,本文得到如下政策啟示。
第一,政府需要繼續優化綠色信貸制度設計,完善監管評價體系與綠色創新激勵機制。一方面,政府部門要制定更加完善的綠色信貸評估標準,加強對污染企業與綠色企業的細致審查,實行動態性的定價、風險監管。另一方面,相關部門要進一步完善綠色專利的分類標準,為銀行開展綠色信貸評估提供依據,同時激發企業綠色轉型升級的積極性。此外,污染企業借助商業信用手段緩解了銀行信貸約束,進而開展綠色創新活動。政府部門也要重視這類替代性融資方式的合法性,加強對企業商業信用融資的激勵與約束,防止商業信用濫用與誤用。
第二,銀行等金融機構要強化授信風險管理,“因企制宜”提供綠色信貸,充分發揮綠色信貸政策的正向引導作用。一方面,商業銀行要構建符合貸款企業特點的綠色信貸管理機制,既要提高受限企業獲取銀行信貸資源的門檻與成本,又要解決信息不對稱問題,降低綠色型企業獲取綠色信貸的難度,進一步提升信貸配置效率。另一方面,商業銀行可以根據企業綠色創新程度差異,合理調整企業信貸資源,進一步強化受限企業綠色轉型發展的意愿和行動。
第三,企業自身要加強綠色治理,提升環境關注度,全面落實綠色發展戰略。一方面,企業應該強化環保意識,主動充分披露自身環境污染狀況,積極履行企業社會責任,爭取綠色信貸支持。同時,企業也應當積極開展高質量的綠色創新活動,推動經濟綠色高質量發展,助力實現“雙碳”目標。另一方面,企業在遭遇信貸約束時,要考慮借助商業信用開展綠色創新活動。因此,在上下游商業信用融資合作中,商業信用供給方應當更加重視需求方的綠色發展狀況,充分發揮利益相關者的環保監督作用,深化生態文明建設。