綠色信貸政策對企業環境績效的影響效果與機制檢驗

宋躍剛，靳頌琳

（河南師范大學商學院，河南 新鄉 453007）

改革開放40多年來，中國經濟實現了年均近10%的高速增長，被譽為“中國增長奇跡”，但中國經濟飛速發展的同時也帶來了嚴重的環境污染。以往粗放型經濟增長模式帶來的環境污染問題，并沒有隨著中國經濟邁入高質量發展階段得到徹底解決。中國生態環境保護結構性、根源性、趨勢性壓力總體上尚未根本緩解，重點行業、重點企業污染問題仍然突出，實現碳達峰、碳中和任務艱巨，環境保護任重道遠［1］。據美國耶魯大學等機構發布的2020年全球環境績效指數（Environmental Performance Index）顯示，在空氣質量方面，中國PM2.5排放依然超標嚴重，在參評的180個國家中排名第120位。為進一步改善生態環境，黨的二十大報告指出，中國生態文明建設進入了以降碳為重點戰略方向、推動減污降碳協同增效、促進經濟社會發展全面綠色轉型、實現生態環境質量改善由量變到質變的關鍵時期。為積極踐行習近平總書記提出的“綠水青山就是金山銀山”的發展理念，一方面，中國各級政府要不斷加大環境治理力度；另一方面，企業要加快綠色轉型升級。企業作為環境污染治理的主體，應當積極踐行綠色發展理念，切實承擔起綠色發展的主體責任，堅持污染防治末端治理和源頭治理兩手抓，在創造社會財富的同時有效控制環境污染，這對實現經濟可持續性發展與生態環境持續改善至關重要。因此，改善企業環境績效，促進企業綠色轉型，推動綠色低碳發展成為中國亟待解決的重大現實問題。

綠色信貸政策兼具金融資源配置與環境規制雙重特性，是對傳統環境規制政策的有益補充，也是中國在環境治理領域的重要實踐探索［2］。2007年多部門聯合頒布的《關于落實環保政策法規防范信貸風險的意見》（以下簡稱《意見》）文件首次將綠色信貸作為保護環境與節能減排的重要市場手段，2012年原銀監會發布《綠色信貸指引》，進一步推動了中國綠色信貸政策的實施。在此背景下，中國綠色信貸余額從2013年的5.2萬億元增長至2021年的15.9萬億元，居世界首位。如此大規模的綠色信貸能否在改善環境中發揮橋梁作用，主要取決于綠色信貸政策是否科學合理、銀行執行意愿與效率以及企業的策略反應等諸多因素。因此，在國家對生態文明建設高度重視的大背景下，綠色信貸政策能否改善企業環境績效？綠色信貸政策又是通過哪些渠道影響企業環境績效？作用效果如何？以及異質性企業是否存在顯著的非對稱性影響？綠色信貸政策是否通過資源再配置效應與市場選擇機制影響環境績效？系統性地回答上述問題是評估綠色信貸政策微觀效應的主要內容，也是考察宏觀政策影響企業環境績效的主要依據，更是新發展格局下尋求環境治理與經濟協調發展的重要理論與現實問題，不僅可以完善綠色信貸政策與企業環境績效相關理論，而且有助于促進企業綠色轉型，進而實現碳達峰、碳中和的戰略目標［3］。

1 文獻綜述與研究創新

在推動綠色發展，促進人與自然和諧共生的戰略部署下，如何改善企業環境績效成為各級政府、企事業單位以及學術界關注的重點問題。國內外學者從外部宏觀環境與企業內部治理視角就如何改善企業環境績效展開了深入研究。外部宏觀環境視角，學者研究發現服務業開放［4］、制造業服務化［5］、行業競爭程度［6］可以顯著改善企業環境績效，而過度的政府監管對企業環境績效產生負向顯著影響［7］。企業內部治理視角，張可等［8］認為技術創新是減少能源消費、降低污染排放、改善企業環境績效的核心因素；另外，吳建祖等［9］認為公司股東、董事會以及經理層的行為影響了企業的環保行為，完善的公司治理結構可以有效改善企業環境績效。然而，有關企業環境績效影響因素的文獻較少分析綠色信貸政策這一重要外部宏觀因素。

綠色信貸是指銀行等金融機構將企業環境信息作為發放貸款的重要指標。綠色信貸政策于2007年首次在中國提出，并根據國家產業政策，將遏制“兩高一剩”行業的擴張作為首要目標。隨之，王艷麗等［10］與蘇冬蔚等［11］通過構建DID模型考察了綠色信貸政策對“兩高一剩”企業投融資行為的影響，研究結果表明綠色信貸政策顯著抑制了該類企業的投融資行為。上述研究結論得到了He等［12］、Liu等［13］以及連莉莉［14］的證據支持。盡管國內外學者普遍認為綠色信貸政策可以顯著抑制“兩高一剩”企業的投融資行為，但為數不多有關綠色信貸政策對環境績效影響的研究尚未形成一致結論。部分研究認為綠色信貸政策有助于改善環境績效。斯麗娟等［15］基于上市公司數據得出，綠色信貸政策可以增強企業環境社會責任意識。劉傳江等［16］認為綠色信貸政策可以提高重污染行業的綠色全要素生產率。但蔡海靜［17］基于造紙、采掘和電力等三個行業的數據分析得出綠色信貸政策對環境績效具有抑制作用。Zhang等［18］也發現綠色信貸政策在實施過程中未能充分發揮作用，對企業環境績效改善效果并不明顯。

另外，有關環境政策資源配置效應的研究中，諸多文獻基于創新補償效應分析環境政策對企業內靜態資源配置的影響［19］，忽視了環境政策對企業間資源再配置的影響。一方面，為數不多國外有關環境政策資源再配置效應的研究主要包括兩個方向：首先，Qiu等［20］以及Egger等［21］基于Melitz［22］的模型，將企業進入與退出行為內生化，考察環境政策引致的企業間資源再配置效應對行業生產率增長的影響；其次，Tombe等［23］基于Hsieh等［24］的研究思路，考察了環境政策對資源再配置影響的理論基礎與分析框架。另一方面，國內關于環境政策資源再配置效應的研究主要是采用微觀數據考察命令控制型環境政策的資源再配置效應［25］。與該研究密切相關的是陸菁等［26］基于綠色信貸政策從企業內與企業間雙重維度論證綠色信貸政策的波特效應及資源再配置效應，但并未同時從“企業內效應”“企業間效應”“進入效應”與“退出效應”四個維度深入探討對企業環境績效的影響，且鮮有文獻進一步從企業動態演進視角分析綠色信貸政策是否會通過資源再配置效應引發行業內結構變動進而影響環境績效。

綜上，已有研究存在以下不足：①理論機制方面，宏觀層面缺乏綠色信貸政策金融資源配置功能對環境績效的作用機制研究，微觀層面缺乏在數理框架下宏觀政策對企業減排傳導機制的分析。②研究方法方面，缺乏從動態演進視角探討企業間資源再配置引發的行業內結構效應在綠色信貸政策影響企業環境績效中的作用。③異質性檢驗方面，綠色信貸政策引起行業資源再配置變動的前提是對不同企業的差異性影響，現有研究主要關注綠色信貸政策的平均處理效應，并未深入探討異質性視角下綠色信貸政策的減排效果。

該研究可能的邊際貢獻在于：①理論機制方面，該研究嘗試構建綠色信貸政策影響企業環境績效的數理模型，并提出綠色信貸政策通過創新補償效應、遵循成本效應和融資約束效應影響企業環境績效的作用機制，且進一步深入分析資源再配置與市場選擇機制引致的環境效應，拓展綠色信貸政策的研究框架。②研究方法方面，在雙重差分的基礎上以企業外部融資需求差異作為虛擬變量構建三重差分模型，結合已有研究選用OECD發布的2000—2014年印度環境政策嚴格指數作為工具變量來緩解內生性偏誤，并運用Griliches等［27］生產率分解思路探討資源再配置引發的行業內結構效應。③研究內容方面，拓展環境政策效應的應用領域。資源再配置效應研究在經濟增長、國際貿易領域應用比較廣泛，但在環境政策效應領域仍然較少。該研究基于中國工業企業與企業污染排放數據庫的匹配數據，在測算企業環境績效以及污染強度指標的基礎上，通過多維度異質性分析檢驗綠色信貸政策的實施效果，且從企業進入退出與動態演進視角分析綠色信貸政策的資源再配置效應。

2 理論模型與研究假設

為闡明綠色信貸政策影響企業環境績效的微觀機制，該研究試圖在Najmi等［28］企業污染排放模型與王向進等［29］生產函數模型的基礎上作以下拓展：①引入綠色信貸政策約束程度τ∈（0，1），即企業面臨的綠色信貸約束越緊，企業投入到減排活動的生產要素越多，通過生產函數對企業實際產出影響越大。②引入污染稅t。盡管綠色信貸政策并不直接影響要素價格，但在資源再配置理論中往往將其作為一種“隱形稅”，該研究設為t=λτ（λ＞0），通過成本函數進一步影響企業環境績效。

假設企業潛在產出函數為：

在綠色信貸政策的約束下，企業實際產出為：

其中：1-τ表示企業減排之后的實際產出比例。

則企業的非期望產出為：

其中：Pe表示企業產生的污染總量；A表示技術水平，表示每生產1單位的產品所產生的污染量。隨著綠色信貸政策約束程度增加，企業污染治理的規模效應會加速減排，故定義q是一個常數（0＜q＜1），在此條件下，以保證單位產出污染量對環境規制強度的一階導數為負，二階導數為正。

由式（3）得：

將式（4）帶入式（2）得企業實際產出：

假設企業成本函數為：

即：

其中：Cf為生產單位產品所需要的成本，Cff(Ki，Li，Ei)為生產成本，λτAPe表示考慮了污染稅與其他影響實際產出因素得出的污染成本。

結合式（5），設企業實際產出X等于1，根據單位產出的成本最小化條件，企業選擇最優的產品產出與污染排放來實現中間產品生產的利潤最大化。因此，最優化的成本函數為：

用拉格朗日乘數法求解式（8）一階最小化問題：

假設為完全競爭市場，企業均衡利潤為0，則：

根據式（9）、（10）得：

進而得出企業生產單位產品所產生的污染量：

將（12）式帶入非期望產出函數式（3）：

假設市場均衡，將式（13）化簡得：

其中：Y*=f(Ki，Li，Ei)pi表示企業銷售額。

對式（14）兩邊取對數得：

其中：lnPe是企業污染排放量的對數值，表示企業環境績效；ln為常數；lnτ表示綠色信貸約束程度的對數值。式（15）表明隨著綠色信貸政策約束程度的增加，污染排放量減少，企業環境績效得到改善。

基于上述分析，該研究提出如下假說。

假說：綠色信貸政策實施減少了污染排放，改善了企業環境績效。

3 數據來源與模型設計

3.1 數據來源與處理

該研究企業層面數據主要源自國家統計局中國工業企業數據庫與生態環境部（原環保部）中國企業污染排放數據庫（2000—2014年）的匹配數據。其中，中國工業企業數據庫以全部國有及規模以上非國有企業為統計對象，記錄了工業企業法人代碼、名稱、地址等基本信息，利潤等財務信息以及總產值、銷售額、固定資產等生產和銷售信息。中國企業污染排放數據庫（2000—2014年）報告了企業名稱、地址等基本信息，以及二氧化硫、化學需氧量、廢氣、廢水等污染物產生量、排放量等排放與治理數據，也包括能源消耗等能源使用數據。首先，該研究參考宋躍剛等［5］的處理方法對工業企業數據庫跨年匹配，并剔除總資產、工業總產值、固定資產等關鍵變量缺失、異常、不符合一般會計準則的企業以及刪除從業人數少于8人的企業；其次，在中國企業污染排放數據庫中剔除二氧化硫、化學需氧量、工業廢氣、工業廢水、煙塵和粉塵排放量為負數的企業；最后，按照企業名稱、企業標識碼以及年份匹配工業企業數據庫與中國企業污染排放數據庫，進而得到該研究實證分析的基礎數據。

3.2 模型構建

（1）雙重差分法。該研究以2007年出臺的《意見》為準自然試驗，采用雙重差分法分析綠色信貸政策對企業環境績效的影響效果，模型如式（16）所示：

其中：下標j、t和i分別表示行業、年份和企業。intensityijt表示二氧化硫排放強度，pollutioni用以識別企業污染屬性，pollutioni=1為高污染企業，pollutioni=0為低污染企業；timet用來識別政策實施時間，2007年及以后取值為1，否則取值為0。λi和λt分別表示企業和年份的固定效應，λj表示行業固定效應，εijt表示隨機擾動項。Xit為相關控制變量，具體定義詳見表1。β1是該研究關心的估計系數，它捕捉了綠色信貸政策對企業環境績效的影響。

表1 主要變量的描述性分析

（2）三重差分法。前文采用雙重差分法進行估計可能存在的問題是，除了綠色信貸政策外可能存在其他同期相關政策對估計結果產生影響。因此，選擇企業外部融資需求差異（credit）作為第三重差分變量［26］，生成不受綠色信貸政策影響的“實驗組”與“控制組”。原因是外部融資需求低的企業不受綠色信貸政策的影響或影響程度較小，該對“實驗組”與“控制組”的差異只會源于其他政策，此時，再用原來“實驗組”與“控制組”的差異減去新生成“實驗組”與“控制組”的差異就得到了綠色信貸政策的凈效應。其中，企業外部融資需求差異用“應收賬款凈值/總資產”表示，對該變量數值進行三分位劃分，低于1/3分位數的企業取1，高于1/3分位數的企業取0，其他企業不包含在樣本內。構建三重差分模型如式（17）所示：

其中：此處主要關注三重交互項pollution×time×credit的系數γ1。

3.3 變量說明

（1）被解釋變量：企業環境績效。該研究借鑒蘇丹妮等［4］的做法，選用二氧化硫排放量，除以工業總產值計算企業排污強度指標作為企業環境績效的代理變量。具體計算公式如式（18）所示：

其中：SO2_Emissionit為i企業在t年的二氧化硫排放量；Outputit為i企業在t年的工業總產值。

（2）核心解釋變量：綠色信貸政策。該研究采用pollution×time的交互項來表示綠色信貸政策。具體地，對于企業污染屬性的識別，參照王杰等［30］行業污染排放強度劃分標準，采用綜合指數法構建行業污染排放強度指標，具體計算過程略，備索。

（3）控制變量。該研究借鑒吳晟等［31］的研究方法，引入相關控制變量，具體的定義及描述性分析見表1。

4 實證結果與分析

4.1 基準回歸結果

表2報告了綠色信貸政策對企業污染排放強度影響的基準回歸結果。表2列（1）報告了不加控制變量的回歸結果，pollution×time的估計系數在1%的水平上顯著為負，表明綠色信貸政策能夠有效改善企業環境績效。表2列（2）加入了相關控制變量，回歸結果依然在1%的水平上顯著為負。表2列（3）進一步控制了企業、行業與年份固定效應，核心結論與前文一致。可能的原因是：首先，綠色信貸政策實施通過優化資源配置為企業提供豐富的融資渠道，在降低企業融資成本的同時為企業提供創新資金，推動企業創新轉型，改善了企業環境績效。其次，綠色信貸政策抬高了企業信貸門檻，督促企業為滿足信貸要求加大環保投入或革新技術，進而減少污染排放。表2列（4）三重交互項pollution×time×credit的估計系數顯著為負，進一步驗證了雙重差分的估計結果的穩健性。

表2 基準回歸結果

4.2 平行趨勢檢驗

該研究參考Jacobson等［32］的研究方法對平行趨勢進行檢驗，模型如式（19）所示：

其中：以綠色信貸政策實施前一年為基期，βt表示2000—2014年的估計值，φt表示年份虛擬變量，其他變量定義同模型（16）。

平行趨勢檢驗結果如圖1所示。圖中虛線部分表示95%置信區間下βt的估計結果，可知2007年之前的估計系數在0附近，表明在綠色信貸政策實施之前，實驗組與控制組不存在顯著差異，滿足平行趨勢。在2007年以后，隨著綠色信貸政策的實施，企業環境績效改善效果逐漸增強。

圖1 平行趨勢檢驗

4.3 穩健性檢驗

4.3.1 安慰劑檢驗

為了檢驗政策效應是否源于其他不可觀測因素，該研究分別從政策干預時間隨機性和政策效果唯一性兩個角度進行安慰劑檢驗。

首先，從政策干預時間隨機性角度進行安慰劑檢驗。假設綠色信貸政策實施時間是2005年，生成新的政策時間變量，按照雙重差分模型再次回歸，實證分析結果見表3列（1）。回歸結果并不顯著，意味著其他時點的政策效應不能影響企業環境績效。其次，從政策效果唯一性進行安慰劑檢驗，實驗隨機保留一年的數據，并從中隨機抽取一定量的樣本作為實驗組，仍按照雙重差分模型進行OLS回歸與FE回歸。該研究進行了500次隨機抽樣，結果如圖2（a）與（b）所示，OLS回歸與FE回歸所得的安慰劑檢驗結果一致，即500次循環得到的解釋變量的估計系數均值幾乎為0，且大部分P值都大于0.1，意味著隨機檢驗結果并不顯著。由此表明，綠色信貸政策對企業環境績效的作用效果是唯一的，且不受時間-企業-行業不可觀察因素的驅動。

圖2 安慰劑檢驗

表3 穩健性檢驗結果（一）

4.3.2 替換被解釋變量

考慮到企業排放的污染物選擇差異可能對實證結果造成偏差，該研究參考周侃等［33］處理方法，選取化學需氧量（lncod）作為被解釋變量的替換指標。實證分析結果見表3列（2）。替換后pollution×time估計系數的符號及其顯著性與前文一致，進一步支持了該研究核心結論的可靠性。

4.3.3 排除同期政策干擾

為了排除企業環境績效受其他環境政策的影響，該研究在式（16）中同時引入排污權交易試點政策（pai_postft）與清潔環境規制（cleanft）兩個虛擬變量。若企業f所在省份位于排污權交易試點政策的試點地區且年份在2007年及以后，則pai_postft取值1，否則取值0；cleanft取值1表示企業f所在行業第t年受到清潔生產標準管制，否則取值0。結果見表3列（3），pollution×time的估計系數及其顯著性和上文回歸結果一致。

4.3.4 控制時間趨勢

企業環境績效可能隨著其他環境政策實施或全民環保意識加強而得到改善，那么即使綠色信貸政策與企業環境績效不存在因果關系，也可能會獲得前文的估計結果。因此，為控制實驗組與控制組可能受到不同時間趨勢的影響，該研究在年份固定效應基礎上加入政策虛擬變量與時間趨勢項的交互項（pollution×trend），估計結果見表3列（4），綠色信貸政策實施依然顯著改善了企業環境績效。

4.3.5 縮小樣本

綠色信貸政策的實施效果可能會受到企業進入退出的影響。為排除干擾，該研究僅保留持續在位企業對基準回歸再次進行檢驗。估計結果見表3列（5），驗證了基準回歸結果的穩健性。

4.3.6 工具變量法

綠色信貸政策作為國家政策難以受到單個企業環境績效的影響，故該研究受反向因果導致的內生性問題的影響會較小，但仍不能完全排除因綠色信貸政策與企業環境績效同時受到非觀測因素影響而出現內生性，因此進一步使用工具變量來處理內生性。參考蘇丹妮等［4］的研究方法，一方面，該研究選用OECD發布的2000—2014年印度的環境政策嚴格指數作為工具變量。中國與印度同屬于非經合組織經濟體，經濟發展進程相似，且中國企業排污行為并不會影響印度的環境政策，故滿足工具變量相關性與外生性的要求。另一方面，選用解釋變量的滯后一期作為工具變量。由表4列（1）可知，解釋變量的系數在1%的水平上顯著為負，與上文基準回歸一致。在過度識別檢驗與弱工具變量檢驗中，Hansen J檢驗值大于0.1，表明通過了過度識別檢驗，且Cragg-Donald Wald F大于10%水平上弱識別檢驗值，由此說明了工具變量選取的有效性。

表4 穩健性檢驗結果（二）

4.3.7 上市公司數據

該研究準自然實驗樣本范圍是2000—2014年，為保證實證結果的時效性與穩健性，選取2000—2020年上市公司相關數據進行穩健性檢驗。另外，在2008年之前中國上市公司未披露污染排放數據，無法使用污染排放數據直接進行檢驗。而環保投資意味著企業為了提高資源使用效率和降低環境污染進行的投資，反映了企業潛在的環境績效水平。因此，該研究采用環保投資與總資產的比值（hb_totass）表示企業環境績效。實證分析結果見表4列（2），表明綠色信貸政策顯著正向影響了中國上市公司環保投資與總資產的比值，進一步驗證了基準回歸的結果。

4.4 機制檢驗

為進一步探究綠色信貸政策通過何種機制作用于企業環境績效，該研究參考溫忠麟等［34］的研究方法，采用中介效應模型檢驗綠色信貸政策對企業環境績效的影響渠道。

其中：Mijt表示創新補償效應、融資約束效應與遵循成本效應等中介變量，其余變量定義同式（16）。

4.4.1 創新補償效應

正如“波特假說”所述，適度的環境管制可以激勵企業創新。一方面，綠色信貸政策提高了企業信貸門檻，增強了高污染企業的融資約束程度；另一方面，基于綠色信貸政策對企業污染排放的嚴格要求，導致污染排放強度越高的企業排污成本越高。因此，高污染企業更有動力通過革新技術，將更多資源投入減排活動，達到污染排放標準。綜上所述，綠色信貸政策激勵企業更加注重通過創新改善環境績效，以補償信貸約束對企業經營活動帶來的不利影響。因此，為探究綠色信貸政策通過創新能力這一中介渠道對企業環境績效的影響，該研究選用企業創新產出總量（lnapply）作為中介效應的代理變量，回歸結果見表5列（1）和列（2）：綠色信貸政策對企業創新能力具有顯著的提升效果；綠色信貸政策有助于改善企業環境績效，但在加入企業創新能力后，這種效果減弱，證明了部分影響被企業創新能力所取代，綠色信貸政策可以通過創新補償效應實現企業污染減排。

表5 創新補償效應與融資約束效應

4.4.2 融資約束效應

綠色信貸政策實施后，高污染企業信貸約束程度趨緊，融資成本上升；外部債權人把企業環境績效納入還債能力進行考量，導致高污染企業融資渠道相應減少。由此，在融資約束程度逐漸增大的過程中，高污染企業短期內可能為了維持生產經營縮減污染治理成本，但在長期內會選擇改善環境績效獲取融資。該研究采用SA指數（SA）表示企業融資約束程度，size為企業規模，age為企業年齡，SA指數越大，企業面臨的融資約束越嚴重，詳見式（22）。結合表5列（3）與列（4）的回歸結果可知：綠色信貸政策對企業融資約束具有顯著的增強效果；綠色信貸政策有助于改善企業環境績效，但在加入融資約束后，這種效果減小。表明在控制了融資約束后，綠色信貸政策對企業環境績效的改善作用減弱，證明了部分影響被融資約束取代，因此，驗證了融資約束是綠色信貸政策影響企業環境績效的重要渠道。

4.4.3 遵循成本效應

綠色信貸政策要求銀行等金融機構根據“企業環保守法情況”進行信貸審批，督促企業將更多生產要素投入到減排中，導致可變生產成本上升，產出下降，要素邊際生產率下降，表現為遵循成本效應。因工業企業數據庫中缺乏環保投入數據，不能直接測度企業的環保成本，參考He等［35］的研究思路，選用勞動邊際生產率對數值（lnMPL）、資本邊際生產率對數值（lnMPK）作為遵循成本效應的間接測度指標。根據表6列（1）與列（3）的回歸結果得出，實施綠色信貸政策導致企業環保投入增加，表現為綠色信貸政策的估計系數顯著為負；表6列（2）與列（4）的回歸結果顯示，在控制勞動邊際生產率與資本邊際生產率后，解釋變量的估計系數仍然顯著為負，表明綠色信貸政策通過遵循成本效應進一步改善企業環境績效。

表6 遵循成本效應

4.5 異質性檢驗

4.5.1 企業層面：企業所有制和企業規模

企業所有制的不同意味著生產經營目標存在差異，對要素的配置方式有所不同，進而會影響企業環境績效。該研究根據注冊類型把企業分為國有企業（treat_state）與非國有企業（treat_others），分析綠色信貸政策對企業環境績效的影響因企業所有制不同而有何差異。回歸結果見表7列（1）。實證結果表明國有企業與非國有企業的回歸系數在1%的水平上均顯著為負，且非國有企業的回歸系數絕對值大于國有企業，意味著綠色信貸政策對非國有企業的環境績效改善效果更明顯。其中可能的原因是：首先，非國有企業在政策實施前環保意識較弱，面對綠色信貸約束時減排效果更明顯；其次，為獲取更多信貸資源，緩解融資約束，非國有企業綠色轉型的意愿更強。

表7 異質性檢驗結果

不同規模企業的污染產生量與資金實力存在差異，這將直接影響經營者減排決策。根據企業樣本期間所測算的各企業總資產的中位數，將企業分為規模以上企業（treat_big）和其他企業（treat_small）。回歸結果見表7列（2）。規模以上企業和其他企業的系數均顯著為負，且綠色信貸政策對規模以上企業環境績效的改善作用低于其他企業。分析原因可能是：一方面，規模以上企業業務量大，污染基數大，即使迫于綠色信貸政策的壓力增加減排力度，環境績效改善效果可能仍不明顯；另一方面，在綠色信貸政策的約束下，相對于其他企業采取末端治理甚至減產等減排手段，規模以上企業傾向于通過采取技術創新的策略進行污染減排，表現出明顯的時滯性。

4.5.2 行業層面：技術復雜度和行業競爭度

考慮到不同技術復雜度行業的企業對綠色信貸政策反應程度存在差異，進而可能影響環境改善效果。該研究借鑒呂越等［36］的處理方法，依據GBT4574-2002國民經濟行業分類標準，將行業劃分為高技術水平行業（treat_higtech）與中低技術水平行業（treat_lowtech）。回歸結果見表7列（3）。綠色信貸政策對中低技術水平企業環境績效的改善作用高于其他企業。分析原因可能是：一方面，中低技術水平行業聚集了大量重污染企業，政府對該類企業實行的監管更嚴格，倒逼企業綠色轉型，進而實現更多污染減排；另一方面，高技術水平行業普遍重視技術創新，能源和原材料消耗少，而中低技術水平行業以資源消耗維持生產，二者差異造成了綠色信貸政策對中低技術水平行業的企業環境績效影響更大。

不同競爭程度行業的市場發育程度與資源配置效率存在差異，從而可能影響企業環境績效。該研究以企業樣本期所測算的赫芬達爾指數（HHI）中位數為標準分為高競爭度行業（treat_hhhi）與低競爭度行業（treat_lhhi）。回歸結果見表7列（4）。高競爭程度行業內企業與低競爭程度行業內企業的系數均顯著為負，且處于高競爭度行業內企業的回歸系數絕對值大于低競爭程度行業內企業，表明綠色信貸政策作用效果對所處行業競爭程度高的企業強于低競爭程度行業內企業。分析原因可能是：行業競爭度通過信號傳遞與資源配置影響企業環境績效。一方面，綠色信貸政策實施導致高競爭度行業資源分配嚴重失衡，企業為獲得信貸資源主動改善環境績效；另一方面，競爭程度越大的行業，市場發育程度越完善，綠色信貸政策通過資源再配置效應改善該行業企業環境績效的效果越明顯。

4.5.3 地區層面：金融發展程度

各地區經濟發展與產業分布不同，進而綠色信貸政策的實施效果可能存在較大差異。該研究使用中國分省份市場化指數數據庫中要素市場的發育程度評分度量地區金融發展程度，根據評分的中位數分為金融發達地區企業（treat_hfinmark）與金融欠發達地區企業（treat_lfinmark）。回歸結果見表7列（5）。結果顯示綠色信貸政策對金融欠發達地區企業的環境績效改善效果更顯著。對此可能的解釋有：一方面，在金融發達地區，可供企業選擇的融資渠道較多，受綠色信貸約束的影響較小；另一方面，金融發達地區往往是高新科技產業聚集地，該地區企業的污染排放水平本身較低。因此，綠色信貸政策對該地區的企業環境績效改善效果有限。

5 進一步討論

5.1 行業資源再配置效應

借鑒Griliches等［27］和毛其淋等［37］的研究思路，將行業排污強度變動分解為：“企業內效應”“企業間效應”“進入效應”以及“退出效應”4部分。其中“企業間效應”“進入效應”和“退出效應”之和被定義為資源再配置效應。值得關注的是，行業總體的環境績效是由“企業內效應”還是資源再配置效應引致的？

為深入分析上述問題，首先測度行業層面的排污強度：

其中：i、k、t分別表示企業、行業與年份，Θk為行業k的企業集合；ωit表示企業工業總產值占行業工業總產值的比重，行業k從t-1期到t期的排污強度變化可表示為：

其中：H表示在位企業的集合，En表示進入企業的集合，Ex表示退出企業的集合。進一步分解行業層面的排污強度可得：

表8報告了2000—2014年行業層面排污強度的分解結果。從表中可知，行業排污強度的年平均下降幅度為0.050 3。企業間效應為-0.024 4，對行業排污強度的影響占比48.51%；企業內效應為-0.009 9，占比為19.68%。綜上，企業內與企業間效應構成的集約邊際效應達到了68.19%，表明在位企業自身環境績效的改善與市場份額的變化對行業整體排污強度具有關鍵作用。退出效應為-0.019 5，對行業環境效應的影響占比38.77%，表明退出市場的企業排污強度高于行業總體均值；而企業進入效應為正，占比6.96%，表明新進入市場企業的排污強度高于行業均值。因此，企業的退出效應大于進入效應，即擴展邊際效應為負。可能的原因是新進入企業資金、規模或數量較少，對行業排污強度影響程度小于退出企業對環境績效的改善作用，故整體環境效應得到顯著改善。具體而言，集約邊際對行業環境績效改善的貢獻度接近70%，而擴展邊際（狹義資源再配置效應）的貢獻度只有31.81%。但如果加上企業間效應，得到廣義的資源再配置效應為-0.040 4，它對行業環境績效的貢獻度達到80.32%。綜上所述，資源再配置效應在行業總體的環境績效增長中具有不容忽視的作用。

表8 行業排污強度變動的分解結果

5.2 企業市場選擇機制

綠色信貸政策作為環境與金融政策，提高了市場進入門檻，阻礙了新企業進入，導致低生產率企業進入市場更加困難。同時，綠色信貸政策增加了在位企業的經營成本，提高了低生產率企業的退出風險，綠色信貸政策通過強化市場選擇機制影響企業進入、退出行為。該研究進一步從實證上檢驗綠色信貸政策的市場選擇機制。

首先，根據企業狀態把樣本企業劃分為進入企業、退出企業和在位企業［38］。該研究采用松弛測度的方向性距離函數結合全域Malmquist-Luenberger指數對企業綠色全要素生產率進行測算，根據企業樣本期間所測算的各企業綠色全要素生產率的中位數，分為高生產率企業與低生產率企業。該研究采用Logit面板固定效應模型探究高生產率企業與低生產率企業的進入退出行為。

其中：pijt表示企業i第t年在j行業中處于進入市場或退出市場狀態的虛擬變量，其他指標與式（16）相同。

表9報告了綠色信貸政策對高生產率企業與低生產率企業進入退出行為的回歸結果。列（1）表示高生產率企業進入市場的情況，回歸系數為負，但不顯著，意味著綠色信貸政策對高生產率企業的進入影響不顯著；列（2）回歸結果顯著為負，表明綠色信貸政策的實施阻礙了低生產率企業進入市場；列（3）和列（4）反映了企業的退出情況，其中高生產率企業的系數在1%水平上顯著為負，低生產率企業不顯著。表明綠色信貸政策實施后僅減少了高生產率企業的退出概率。綜上，實證分析結果與前文理論一致，低生產率企業進入市場難度加大，高生產率企業留在市場，綠色信貸政策通過市場選擇機制改善企業環境績效。

表9 企業進入退出結果

6 結 論

該研究以2007年《意見》正式實施為事件構造準自然實驗，基于2000—2014年工業企業與企業專利數據庫以及中國企業污染排放數據庫，從綠色信貸政策視角構建雙重差分模型與三重差分模型，系統分析了綠色信貸政策對企業環境績效的影響效果與作用機制。實證結果表明：綠色信貸政策顯著改善了企業環境績效，且經過平行趨勢檢驗、安慰劑檢驗、工具變量法等一系列穩健性檢驗后上述結論依然成立；綠色信貸政策對非國有企業與小規模企業的環境績效改善效果更佳，在中低技術水平行業與高競爭度行業中，綠色信貸政策的減排效果更為突出，且隨著地區金融化程度的減弱，綠色信貸政策改善企業環境績效的效果增強。機制檢驗表明，綠色信貸政策不僅通過“創新補償效應”“融資約束效應”以及“遵循成本效應”影響企業環境績效，而且進一步通過宏觀角度的“資源再配置效應”與微觀角度的“市場選擇機制”發揮作用。

基于前文實證分析結果，提出如下建議：①企業應提高創新水平，改善要素投入結構，加強公司治理。綠色信貸政策的“創新補償效應”與“遵循成本效應”啟示企業革新生產技術與設備有助于提高生產率，改善環境績效。②金融機構應明確信貸審批標準，強化監督機制，充分發揮銀行等金融機構對資源的配置作用。一方面，綠色信貸政策的“融資約束效應”啟示金融機構“區別對待”，增加信貸資源向環保企業的傾斜，限制“兩高一剩”企業的污染排放；另一方面，“市場選擇機制”與“資源再配置效應”啟示金融機構應代替政府引導市場，充分發揮資源配置的功能，有序推動“兩高”產業的退出與轉型，改善企業環境績效。③政府應實施差異化的激勵措施，逐步完善環境治理政策與相關法律法規。政府在實施綠色信貸政策的過程中要兼顧各地區與行業之間的差異性，尤其要加強對國有企業、規模以上企業以及高技術水平、競爭度低的行業企業的引導，保障各企業之間的綠色發展與協調發展，改善企業環境績效。