绿色信贷政策对企业可持续发展绩效的促进机制

姜 燕，秦淑悦

（1.浙江大学公共管理学院，浙江 杭州 310058； 2.上海财经大学财经研究所，上海 200433）

2021年2月22日，国务院印发《关于加快建立健全绿色低碳循环发展经济体系的指导意见》，指出要“大力发展绿色金融，促进经济社会发展全面绿色转型”。“十四五”规划也指出，要大力发展绿色金融，完善绿色发展的政策保障与机制体系。作为重要的绿色金融政策之一，绿色信贷政策在企业生产行为的环境治理中发挥着越来越重要的作用［1］。因此，探究如何发挥绿色信贷政策对中国企业的影响作用，不仅是遵循可持续发展战略的内在要求，还是应对环境挑战的必然选择。

1 文献综述

有关环境与企业绩效的文献汗牛充栋，且主要以“环境压力-绿色行为-企业绩效”的理论逻辑展开研究。基于绿色发展观来探讨各项法规如何影响绿色创新［2］，以及基于资源观来分析绿色创新活动对企业环境绩效［3］或财务绩效［4］的影响作用。随着经济增长与生态环境的矛盾愈发尖锐，为了应对可持续性挑战，如何从企业层面对可持续性绩效进行有效评估成为社会各界关注的重点问题。如Van Marrewijk［5］认为企业可持续性是在满足利益相关者需求的同时关注企业运营的社会和环境影响。学者们尝试从经济、环境和社会责任三个方面来综合评估企业可持续性［6-7］。Alexopoulos等［8］、解学梅等［9］利用企业财务绩效与环境社会责任绩效来度量企业的可持续发展绩效。它一方面能够反映企业的利润创造能力，以确保自身在市场上的长期生存；另一方面能够体现企业的生产技术水平，以降低其对生态环境的负担，更全面地评估了企业生产是否顺应可持续发展战略要求。但已有文献多基于地方政府颁布的各项环境法规等视角进行分析［10-11］，鲜有研究从市场机制和政府监管相结合的绿色信贷政策视角来讨论其对企业可持续发展绩效的影响。因此，该研究尝试利用财务绩效和环境社会责任绩效来全面衡量企业的可持续发展绩效，深入探究绿色信贷政策将如何影响企业可持续发展绩效。

该研究关注的另一个问题是绿色信贷政策影响企业可持续发展绩效的作用机制。Porter等［12］指出，环境制度约束在抬高企业生产成本的同时，能够倒逼企业技术创新行为，不仅能由此弥补成本负担，而且有助于经济增长与生态保护的双赢。已有文献基于创新视角对企业可持续发展的影响进行了充分的论证［13-14］，也有学者基于资源观理论诠释了企业如何利用自身资源与能力来获取竞争优势［15］，但在动态与竞争环境中，针对企业如何获得以及为什么获得竞争优势这一问题，却未能作出合理解释［16］。另外，也有学者指出企业获取竞争优势的关键在于绿色创新战略［10］。纵观已有研究可以发现，有关绿色信贷政策-绿色创新-绩效关系的研究有限，并且，有关绿色创新中介作用的实证研究较少。该研究拟从绿色创新的理论角度，探讨绿色创新在绿色信贷政策与企业可持续发展绩效关系中的作用机制。

然而，绿色创新对企业绩效的影响机制也可能受到其他因素影响。若企业能够利用更少资源来实现预期结果，那么便有可能获得更高绩效［16］。这种“不可模仿”的能力通常面临更为宽松的信贷约束，而这对于实施绿色创新活动是必不可少的。因此，绿色信贷政策对企业可持续发展绩效的作用机制也可能取决于货币政策等宏观环境，并且这一影响作用可能存在一定的边界条件。已有研究围绕资源基础理论［17］和动态能力理论［10］丰富了绿色创新机制的应用背景，但鲜有文献基于宏观货币政策的视角对其进行拓展。然而创新活动通常周期较长、不确定性较高，更易受到宏观经济政策的影响。货币政策通过利率、汇率、信贷和资产价格等渠道对经济体系施加影响［18］，而企业所面临的外部融资环境会制约微观主体行为。因此，该研究关注的第三个问题是绿色信贷政策作用于企业可持续发展绩效过程中是否受到货币政策边界条件的影响。

综上所述，基于当前的制度安排和经济发展理念，该研究拟采用PSM-DID估计方法对2008—2019年中国沪深A股制造业上市公司数据进行分析，考察绿色信贷政策对企业可持续发展绩效的影响，并进一步检验绿色创新的中介效应、货币政策对中介效应前端调节作用以及边界条件。该研究可能的边际贡献主要有：第一，可持续发展绩效涵盖了企业在财务、环境和社会责任等方面的综合表现，探究绿色信贷政策与企业可持续发展绩效之间的因果关系不仅能丰富绿色信贷政策效应评估研究，而且能够有效利用金融手段来解决当下各界所关注的可持续发展问题。第二，通过引入绿色创新理论，检验绿色创新在绿色信贷政策与企业可持续发展绩效之间的中介效应，拓展绿色信贷政策发挥其价值的渠道。第三，基于货币政策的角度进行条件过程分析，强调绿色创新发挥中介效应所需的宏观条件和外部支持，实现宏观货币政策影响微观企业行为的理论外延，并为有效推动企业可持续发展提供经验证据。

2 制度背景与研究假说

2.1 制度背景

伴随着中国经济的高速增长，生态环境与能源消耗问题也随之而来。严峻的生态环境形势，阻碍了经济社会的持续发展，而污染企业关停会加剧银行业的信贷风险。对此，政府部门试图动员银行业金融机构利用信贷业务进行污染治理与环保调控。绿色信贷政策将环境与社会风险纳入金融风险中，针对环境与社会风险等级向企业提供差异化的信贷产品，是借助金融工具实现环境治理的创新性手段［1］。中国绿色信贷政策最早于2007年，由原国家环保总局、中国人民银行和原中国银监会发布的《关于落实环境保护政策法规防范信贷风险的意见》正式提出。2012年初，原中国银监会发布《绿色信贷指引》，进一步对金融机构开展绿色信贷业务的流程管理、信息披露与监督检查等细则作出明确规定。政府部门呼吁银行业金融机构积极支持符合国家产业政策的项目，严格管控对限制和淘汰类项目的信贷支持，重点约束对象直指“两高一剩”行业。截至2021年3月底，中国绿色信贷规模居世界首位。其中，全国21家主要银行绿色信贷余额超过12万亿元，平均每年至少可节约标准煤3亿t，减少二氧化碳排放当量不少于7亿t。与传统的命令型环境规制工具相比，绿色信贷政策是结合了政府监管与市场机制的重要金融实践［19］。银行业金融机构通过限制高污染、高耗能行业的融资活动，并以优惠利率向绿色项目提供信贷支持，以此来积极应对生态环境挑战，实现经济可持续发展。

2.2 研究假说

2.2.1 绿色信贷政策与企业可持续发展绩效

资金是企业生产与运转必不可少的生产要素。既有文献指出，绿色信贷政策遏制了企业发展。这可能是由于政策实施初始阶段，较高的政策不确定性会影响企业的投资与生产决策［20］，并通过设定信贷门槛，提高了企业所面临的融资约束和债务成本，限制其可获得的融资规模，进而影响企业的生产活动［19］。

然而，该研究认为，绿色信贷政策极大地改善了高污染企业可持续发展绩效。绿色信贷政策有效减少了信贷双方的信息不对称问题。银行等金融机构通过设定“环境门槛”，释放出鼓励绿色生产与绿色行为的信号导向，进而影响企业管理层生产决策。这一方面避免了盲目投资问题，提高企业的投资效率与财务绩效；另一方面引导企业顺应人们对更好生态环境的诉求，激励企业的“绿色”生产表现，改善自身环境社会责任绩效。绿色信贷政策是从资金供给端对企业经营活动进行市场化管制［21］，从而达到源头治理的效果。绿色信贷政策能够发挥市场机制的自动调节功能，适当减轻信贷规制对企业的不利影响。受环境准入门槛影响更强的企业，往往更有动机约束自身生产行为，并逐步转向绿色生产项目。这不仅能够避免企业陷入融资困境，改善自身财务绩效；而且能够从源头上治理污染，树立“绿色生产”形象与声誉，有助于企业环境社会责任绩效的提升。企业作为营利性组织，良好的财务绩效是企业长期生存与持续性发展的关键。财务绩效反映了企业的盈利能力与成长潜力，因而，财务绩效越高，越有利于企业的长期增长，从而推动企业持续性发展。此外，企业生产活动的投入与产出即资源利用与污染排放会对生态环境产生影响，而企业对待员工、利益相关者和客户的态度，反映了企业所带来的社会影响。良好的社会影响与环境绩效为企业积累更多社会资本，进一步为企业创造价值，从而实现企业的长期经营和可持续发展［6］。与低污染企业相比，高污染企业通常面临更多的行政干预，因而其受绿色信贷政策的创新激励效应更为明显，并具有更强动机来改进生产技术和资源配置效率，迎合环保主义生产需求，缓解各项金融管制手段对企业所形成的层层枷锁。据此，该研究提出假设。

H1：在其他影响因素不变的情况下，绿色信贷政策对高污染企业的可持续发展绩效有正向影响。

2.2.2 绿色创新及其中介效应

已有文献就环境规制如何影响企业绩效进行了充分探讨。Triebswetter等［22］的研究表明，环境规制难以提升企业自身经济优势；Zhu等［23］的结论则指出，环境规制有效改善了中国制造业企业绩效。对于这些不确定性甚至矛盾的结果，可能是由于多数研究忽视了绿色创新对环境规制与企业绩效之间关系的影响［10］。与传统创新相较而言，绿色创新主要指绿色技术的创新，它能够产生知识溢出与环境溢出［24］，进而更好地推动能源利用效率的提升与生态环境的改善。然而，创新活动以投资成本高、回报周期长、风险系数大为主要特征，引致企业通常有着较低的创新意愿［25］。因此，由政府颁布与实施的各项政策被视为驱动企业开展绿色技术创新的强大内在动力［26］。同时，绿色信贷政策促进了重污染企业绿色创新［27］。Porter等［12］指出，严格且设计合理的环境监管有效倒逼企业依靠创新活动来提升技术水平，从而降低或抵消因遵循法规而引致的成本负担。对此，有学者进一步指出，合理的环境规制政策有效刺激了企业创新行为，这不仅增强了自身竞争力，而且能够提高企业绩效［10，12，14］。也有学者利用污染成本和污染物排放密度等指标来衡量政府监管的环境效应，为波特假说提供经验证据［28］。然而，目前鲜有文献考察绿色创新对绿色信贷政策与企业绩效之间关系的影响。因此，该研究基于绿色创新视角，探讨绿色信贷政策这一创新性环境规制工具将如何影响企业绩效。

绿色信贷政策通过融资渠道将企业环境成本内生化，倒逼企业开展绿色创新活动，以抵消融资约束对企业形成的桎梏［29］。绿色信贷政策出台后，为避免融资成本攀升以及受利润最大化原则驱动污染型企业倾向于淘汰落后的生产技术；同时，信贷政策硬性约束为企业推进绿色创新提供了强大的内在动力和确定性预期［29］，有效引导企业转向清洁生产。对于企业财务绩效而言，绿色创新一方面能够改进生产工艺，形成差异化竞争优势，促进生产成本最小化［9］；另一方面，绿色创新确保企业的生产活动合法合规，降低因环境污染而引致的经济损失［4，10］。就环境社会责任绩效来讲，绿色创新不仅给企业带来技术优势［30］，而且能够产生环境溢价［4］。绿色创新一方面能够优化资源配置效率，从生产源头降低能耗和污染排放，减轻产品在生命周期内对环境的负向效应［17］；另一方面，绿色创新行为为企业带来了良好的声誉，能够产生环境溢价，进一步赢得持续性的竞争优势。据此，提出假设。

H2：绿色创新是绿色信贷政策影响企业可持续发展绩效的作用机制。

2.2.3 货币政策的调节作用

绿色信贷政策的发展需要强化宏观货币政策的支持，通过调整货币供应量、引入差别化存款准备金等货币政策工具，能够有效激励银行业金融机构将信贷资源分配至绿色项目，从而进一步推动企业绿色技术创新。目前，中国人民银行已将符合条件的绿色信贷项目纳入了货币政策工具的合格抵押品范围，使得绿色信贷进一步具备货币政策扩张效应。同时，中国人民银行先后发布了一系列报告与文件，不断完善绿色金融体系，以服务于绿色发展需要。2018年7月27日，中国人民银行将绿色信贷绩效纳入金融机构宏观审慎评估（MPA）考核中，这一举措极大地激励了银行业金融机构开展绿色信贷业务。

当货币政策较为宽松时，社会整体可融资规模扩张，通过货币政策信号传导机制，推动银行业金融机构进一步扩大信贷业务。在MPA评估压力下，面对同等信贷风险，金融机构更倾向于核准符合国家产业政策与环保政策的绿色项目。资金融通是高污染企业实现绿色转型的关键内在动力，信贷资源对绿色产业的倾斜能够有效激励企业绿色创新行为。即货币政策相对宽松时，货币供应量相对较大，绿色信贷政策对绿色创新的正向影响会有所提升。在宏观货币政策的支持与激励下，银行业金融机构能够适度降低提供给环境与社会风险相对较小企业和项目的贷款利率，降低其融资成本，进而鼓励企业增加有关绿色技术改进的研发投资。绿色信贷等被纳入抵押品范围，通过货币政策扩张效应，对企业外部融资环境产生正向冲击，为企业开展绿色创新提供强有力的资金支持。因而，该研究认为，宏观货币政策在绿色信贷政策与绿色创新之间有着正向调节作用。据此，提出假设。

H3：货币政策能够正向调节绿色信贷政策与绿色创新之间的关系。

绿色信贷政策有效刺激了企业绿色创新，从而改善了企业的可持续发展绩效；而绿色信贷政策的实施过程同时受到宏观货币政策的影响。因此，该研究提出，在绿色信贷政策和可持续发展绩效之间，货币政策会正向调节绿色创新的中介效应（图1）。具体来说，宽松的货币政策对银行业金融机构的信贷业务产生正向激励作用，而绿色信贷绩效纳入宏观审慎评估中提升了绿色债券和绿色信贷的可用性，进一步激励银行将信贷资源转向绿色部门［31］。银行通常避免投资于政策不确定性较大的项目。在宏观货币政策的支持下，金融机构更有动机扩大绿色信贷业务，为符合环保准入门槛的绿色项目提供信贷支持，从而能够激励高污染企业的绿色创新活动。企业通过绿色技术创新来增强自身竞争力并降低生产活动对环境的负外部性，从而提升自身财务绩效与环境社会责任绩效。因此，在H3的基础之上，该研究进一步提出假设。

图1 理论框架

H4：货币政策正向调节绿色创新在绿色信贷政策和企业可持续发展绩效之间的中介关系。

3 研究设计

3.1 计量模型

根据以上理论分析，绿色信贷政策对金融机构的信贷投放施加环境导向约束，同时作为一种创新型金融工具与环境规制工具对企业可持续发展绩效产生影响。因此，该研究尝试利用2012年《绿色信贷指引》这一外部政策冲击，以高污染企业作为处理组，低污染企业作为控制组，借助双重差分法（Difference in Difference，简称DID）来考察绿色信贷政策如何作用于企业可持续发展绩效。考虑到不同企业的变动趋势随时间的推移可能存在差异，处理组与控制组很可能无法满足共同趋势假设。对此，Heckman等［32］提出的倾向得分匹配法（Propensity Score Matching，简称PSM）解决了这一关键问题，并且能够消除样本选择偏差。因此，该研究采用PSM-DID估计方法来分析绿色信贷政策对企业可持续发展绩效的影响。基准回归模型为：

进一步通过PSM方法来匹配与处理组最接近的控制组。因此，PSM-DID模型可以表示为：

其中：Yi，t指企业i在t年的企业可持续发展绩效；du×dt为双重差分变量，其系数β1用来评估绿色信贷政策的影响效应；Xi，t包含一组控制变量；δi、λt为个体、时间固定效应；εi，t是随机扰动项。

3.2 变量选取

（1）被解释变量。企业可持续发展绩效（Fina、Envi）。根据前文理论分析，可持续发展包含了经济绩效、环境社会责任绩效［6］。借鉴解学梅等［9］的做法，从两个方面来度量企业可持续发展绩效，即财务绩效与环境社会责任绩效。①财务绩效（Fina）。考虑到总资产报酬率反映了企业有效使用资产的能力，因此，采用总资产报酬率来衡量企业财务绩效。②环境社会责任绩效（Envi）。和讯网依据上市公司社会责任报告及年报，从环境责任和社会责任对上市公司社会责任报告进行专业评分。该指标将企业承担的环境和社会责任进行合理量化，在一定程度上有效评估了企业在环境与社会方面的可持续性。因此，借鉴解学梅等［9］的做法，利用由和讯网发布的企业环境社会责任评分来表征企业环境社会责任绩效。

（2）核心解释变量。双重差分变量（du×dt）。构造处理组和控制组的虚拟变量（du），如果企业被判定为高污染企业，则等于1，否则等于0。借鉴陆菁等［33］的做法，依据行业污染强度来判定高低污染行业。然后，设定政策时间虚拟变量（dt）。根据《绿色信贷指引》的颁布和实施时间，令2012年及以后的数值为1，否则为0。这两个虚拟变量的交互项（du×dt）即为该研究关注的核心解释变量。

（3）控制变量。鉴于企业可持续发展绩效会受到诸多因素的影响，选取如下控制变量：①财务杠杆（Debt），由企业负债总额占总资产的比重来衡量［9］。②企业规模（Size），采用企业总资产（取对数）来度量［9］。③企业上市年限（Age），采用当年年份减去企业上市年份再加上1取对数衡量［34］。④现金资产持有比率（Cash），由企业的现金资产占总资产比重来表征。⑤独立董事比率（Dire），利用独立董事在董事会中所占比例来表征［9］。⑥成长性（Tobq），由企业资产市值与总资产的比例来表征［34］。⑦速动比率（Quick），用企业的速动资产与流动负债的比值来衡量［35］。⑧环境规制强度（ER），采用地区单位产值的工业三废排放量计算环境规制强度综合指数来表征［36］。⑨地区金融发展水平（FD），采用各省金融机构贷款余额与各省地区生产总值之比来表征［37］。⑩地区经济发展水平（GDP），采用各省地区生产总值增长率进行衡量［37］。

3.3 数据来源

该研究基于2008—2019年中国沪深A股制造业上市公司面板数据，考察绿色信贷政策对企业可持续发展绩效的影响效应。之所以选择制造业企业，是因为它们在工业污染和环境保护方面均有着重要影响，因此，在中国绿色信贷政策的背景下，这一研究样本具有重要意义［38］。其中，企业环境社会责任绩效指标源自和讯网数据库所统计的“企业环境社会责任指标评级得分”。为保持数量级一致，将其值缩小了100倍。宏观经济层面数据主要源自《中国统计年鉴》《中国环境统计年鉴》。其余企业层面数据均源自Wind数据库，并借鉴已有文献做法对相关数据作出如下处理：剔除ST和*ST的企业；删除关键指标出现异常的样本，如，实收资本为负、流动资产超过总资产以及所有者权益大于总资产的企业；删除观测值少于9年的企业；对少量的缺失值通过插值法进行补充；为排除极端值对实证结果的影响，对连续变量进行了双侧1%的缩尾处理。进行上述处理之后，最终得到1 024家企业，其中，处理组有536家，对照组488家，共计11 373条观测值。具体变量特征见表1。

表1 主要变量描述性统计

4 实证结果

4.1 基准回归结果

为探究绿色信贷政策对企业可持续发展绩效是否存在影响，该研究使用DID对式（1）进行估计，具体结果见表2。根据表2列（1）、列（2）可知，无论是否添加控制变量，绿色信贷政策都显著促进了高污染企业财务绩效的提升（β1=0.017，P＜0.01；β1=0.011，P＜0.01）。此外，由表2列（3）、列（4）可以看出，在未放入控制变量时，du×dt的估计系数为0.055，且在P＜0.01的水平上显著；在进一步加入控制变量后，β1的符号与显著性均保持不变。因此，绿色信贷政策改善了高污染企业的环境社会责任绩效。根据表2列（2）和列（4）的结果可知，绿色信贷政策使高污染企业的财务绩效与环境社会责任绩效分别提高了1.10%和3.80%。可见，绿色信贷政策对高污染企业可持续发展绩效的促进作用不仅在统计上有意义，而且其经济意义也非常显著，即H1成立。

表2 绿色信贷政策对企业可持续发展绩效的影响作用

4.2 平行趋势检验

借鉴邓玉萍等［39］的做法，以2008年为基准年，将式（1）中的dt替换为样本期间各年份虚拟变量进行回归，来检验绿色信贷政策对企业可持续发展绩效的事前平行趋势。各年份的估计系数如图2所示，其中虚线代表了95%的置信区间。从图2可以看出，在绿色信贷政策实施前，政策效应均未通过显著性检验。同时，图2中的（a）显示，绿色信贷政策实施当期，企业财务绩效比2008年提升了0.01%；从图2中的（b）可以看出，绿色信贷政策实施当年，企业环境社会责任绩效比2008年提高了0.09%。在之后的几年里，企业可持续发展绩效的提升均高于绿色信贷政策实施之前。这意味着绿色信贷政策对企业可持续发展绩效的促进作用不存在时滞效应。因此，该研究的识别策略满足平行趋势假设，且绿色信贷政策的影响效果具有一定的持续性。

图2 绿色信贷政策对企业可持续发展绩效的逐年政策效应

4.3 PSM-DID回归结果检验

利用DID进行政策评估时，处理组与控制组要确保有共同的趋势，且要保证两者的差异不会随着时间的变化而变化。为了解决处理组与控制组的选择性偏误问题，使用PSM-DID探讨绿色信贷政策对高污染企业可持续发展绩效的影响效应，以减少DID方法引致的估计误差。

在使用PSM-DID估计方法时，需要用相应的匹配方法匹配出可以比较的处理组和控制组。一般常被选用的匹配方法主要包括：K-邻域匹配、一对一匹配、半径匹配和核密度函数等匹配方法。但不论选择哪种匹配方法所得到的样本结果都没有显著差异［40］。因此，该研究借鉴杨仁发等［41］的做法，使用K-邻域匹配方法（k=4，radius=0.05）进行匹配，具体采用财务杠杆（Debt）、企业规模（Size）、企业上市年限（Age）、现金资产持有比率（Cash）、独立董事比率（Dire）、成长性（Tobq）、固定资产占比（Fixedb）以及速动比率（Speed）为协变量进行匹配。在判断该研究是否能够使用PSM-DID方法前，需要先检验处理组和控制组是否平衡。由平衡检验结果可知，匹配后的处理组与控制组协变量均值不再具有显著性的差异，并且P＞Chi2的值由匹配前的0.00变为匹配后的0.58，进而说明采用PSM-DID进行估计的合理性。图3为匹配前后的对比图。可以发现，匹配前各变量的点距离垂直线（标准误差为0）较远，这意味着协变量之间的差异较大，而匹配后的点更接近垂直线，说明协变量之间没有明显差异。进一步利用ROC曲线来判断是否通过共同支持假设。其判断原则为：匹配后的AUC值越接近0.5，则表明匹配的结果越好［37］。由图4可知，ROC曲线下方的面积，即AUC=0.56，说明通过了共同支持假设的检验，适用于通过PSM-DID估计方法来进行下文的分析。PSM-DID估计方法的回归结果见表3。由表3可知，估计系数与前文的双重差分估计结果基本一致，表明绿色信贷政策有利于提升企业可持续发展绩效，进一步表明该研究的结果是稳健的。

表3 PSM-DID回归结果

图3 处理组与控制组匹配前后标准偏误

图4 ROC曲线

4.4 稳健性检验

为确保实证结果的可靠性，通过稳健性检验来证实。

4.4.1 替换可持续发展绩效指标

借鉴解学梅等［9］的做法，采用双元绩效来衡量企业可持续发展绩效。双元绩效（Ambi）是用来衡量企业在有限资源条件的约束下，同时实现财务绩效与环境社会责任绩效的联合价值。计算过程为：分别对企业财务绩效（Fina）与企业环境社会责任绩效（Envi）标准化；在此基础上，借鉴Zang等［42］的做法，将标准化后的企业财务绩效和环境社会责任绩效转化为双元绩效用来表征企业可持续发展绩效，具体公式为：Ambi=[(1-|Fina-Envi|)×由表4列（1）可知，绿色信贷政策对高污染企业可持续发展绩效的估计系数β1=0.013，且P＜0.01，回归结果依旧为正向促进作用。因此，替换可持续发展绩效的测算方法没有影响回归的结果。

4.4.2 经行业均值调整后的因变量

为消除不同行业的企业财务绩效或者环境社会责任绩效的较大差异可能会对实证结果造成影响，借鉴崔广慧等［36］的做法，使用经行业均值调整后的企业财务绩效（Adjfina）和环境社会责任绩效（Adjenvi）作为被解释变量。按照行业和年份求出企业财务绩效（Fina）与环境社会责任绩效（Envi）的均值；用Fina和Envi的值减去对应的行业/年份的均值，最终求得经行业均值调整后的企业财务绩效（Adjfina）和环境社会责任绩效（Adjenvi），再重新对式（2）进行估计。根据表4列（2）、列（3）结果可知，du×dt的估计系数和显著性均未发生较大变化，即该研究结论具有稳健性。

4.4.3 年限平衡性检验

为保证绿色信贷政策实施前后所涉及年限的平衡性，将样本观测周期设定为2008—2016年，再利用式（2）进行回归分析。表4列（4）、列（5）的du×dt估计系数和显著性都没有实质性改变，该研究结论依然成立。

表4 替换因变量与因变量行业调整及年限平衡性检验

4.4.4 政策干预时间的随机性检验

在政策效果评估中，若政策干预时间是随机的，那么人为设定政策冲击时间并不能产生显著的政策效应。该研究将绿色信贷政策实施年份分别提前1年、2年和3年，即生成新的时间虚拟变量分别为（time1）、（time2）和（time3），将其与前面的虚拟变量（du）的交互项引入式（2），同样利用PSM-DID方法进行估计。表5列（1）—列（6）汇报了时间受政策干预的随机性检验回归结果。显而易见，人为将绿色信贷政策实施年份提前后，其交互项的系数基本不显著。因而，绿色信贷政策干预时间具有随机性，并佐证了前文回归结果的准确性。

4.4.5 重新定义高污染行业

借鉴苏冬蔚等［19］的做法，以《上市公司环保检查行业分类管理》定义的14个重污染行业重新构建了新的处理组（du1=1），其他行业为对照组（du1=0）进行稳健性检验。表5的列（7）和列（8）报告了回归结果。du1×dt的估计系数显著为正，与基准回归的结果一致。此外，该研究还进行了排除其他政策效应和安慰剂稳健性检验，囿于篇幅限制不再展示。

表5 政策干预时间随机性干预

5 进一步讨论

5.1 异质性检验

上述理论分析与实证分析结果表明，绿色信贷政策显著提升了高污染企业可持续发展绩效。从企业规模、企业所有制、企业固定资产占比以及市场化程度这四个方面来展开异质性分析。在式（2）的基础之上，引入企业异质性这一变量，并采用式（3）的三重差分模型（DDD）进行估计：

其中：Mi，t为异质性变量，代指企业规模大小（Scale）、企业所有制（Soe）、企业固定资产占比多少（Fixed）和企业所在地区市场化程度（Market）；其余变量含义与式（2）相同。借鉴陆菁等［33］的做法，企业规模大小按照政策出台前样本企业规模（即企业总资产的对数）均值进行划分，若企业规模大于均值，则为规模较大的企业，Scale=1，反之为规模较小的企业，Scale=0；企业固定资产占比多少按照政策出台前样本企业固定占总资产比重的均值进行划分，若比重大于均值，则为固定资产占比较多的企业，Fixed=1，反之，Fixed=0。有关企业所有制的分析，若该企业为国有企业，则赋值为1；反之为0。对于市场化程度，参考王小鲁等［43］编制的指数，将排在前五的地区归为高市场化水平组，其余地区视为低市场化水平组。依然采用PSM-DID方法对式（3）进行估计，回归估计结果见表6。

由表6可知，首先，绿色信贷政策对可持续发展绩效的政策效应在大规模的高污染企业中更加显著。这一方面可能是由于污染治理的紧迫性和重要性，使得环境规制政策在实际执行中倾向于采取“抓大放小”的原则［44］；另一方面，由于存在信息不对称，小企业的融资约束更为严重。其次，绿色信贷政策对国有高污染企业财务绩效比私营企业的财务绩效有更大的正向影响。原因可能是由于国有企业通常负担一定的政治功能和政策性任务，从而受到环境规制政策影响较大［44］。再次，固定资产占比相对较高的高污染企业，绿色信贷政策对其可持续发展绩效的正向影响更大。这是因为相较于固定资产占比较低的企业，较高的企业通常会面临更小的融资约束，因而能够向银行提供更有价值的抵押品（如固定资产）来获取资金支持［45］，从而推动企业可持续发展绩效的提升。最后，与市场化程度较低的地区相比，市场化程度较高地区的高污染企业可持续发展绩效受到绿色信贷政策的影响作用更大。这主要是由于市场化有利于发挥市场机制的自我调节功能，从而缓解了企业所面临的融资约束。

表6 异质性检验结果

5.2 机制检验

5.2.1 绿色创新的中介效应

根据前文理论分析，进一步检验绿色信贷政策是否会通过绿色创新对企业可持续发展绩效产生影响。借鉴吴超鹏等［46］的做法，利用企业的绿色发明专利存量来衡量 绿 色 创 新（Innovt），具 体 计 算 公 式 为：ki，t=(1-δ)ki，t-1+ri，t，其中ki，t表示t年末的绿色发明专利申请数，δ为折旧率（令δ=15%，该研究也尝试设定为其他数值，未对实证结果产生影响），ri，t为t年新增的绿色创新专利数。根据以下步骤展开中介效应检验：①考察双重差分项（du×dt）对绿色创新（Innovt）的影响；②分析双重差分项（du×dt）对企业可持续发展绩效（Fina，Envi）的影响；③探究双重差分项（du×dt）和绿色创新（Innovt）对企业可持续发展绩效（Fina，Envi）的影响。相应的模型如下：

其中，模型中的变量与式（2）相同，具体机制检验结果见表7。由表7列（1）可知，绿色信贷政策在P＜0.01的水平上显著正向影响绿色创新，并且由估计结果可得，这种影响使得绿色创新水平提高了3.20%，表明具有较好的经济显著性。根据表7列（2）、列（3）可知，在控制绿色信贷政策影响后，绿色创新对企业财务绩效和环境绩效都有显著的正向影响；同时双重差分项（du×dt）的估计系数与表2回归结果相比均有所下降。结合H1，可以证明绿色创新在绿色信贷政策与企业可持续发展绩效的关系中起到了中介作用，即H2得证。

为确定绿色创新是绿色信贷政策影响企业可持续发展绩效的中介变量，进一步检验中介效应是否显著。根据表7的Panel B检验结果可以看出，绿色创新的Z统计量分别通过了10%和1%的水平检验，表明绿色信贷政策主要通过绿色创新渠道影响企业财务绩效与环境社会责任绩效，即企业可持续发展绩效。同时，通过计算绿色创新的中介效应占比，可以发现绿色创新对企业财务绩效的中介效应占2.713%，对企业环境社会责任绩效的中介效应占6.756%，这进一步确认了绿色创新效应在绿色信贷政策影响企业可持续发展绩效提升中的机制作用。

表7 绿色信贷政策对可持续发展绩效的作用机制检验

5.2.2 货币政策的调节效应

为验证假设H3与H4，即货币政策能够正向调节绿色信贷政策与绿色创新之间的关系、货币政策正向调节绿色创新在绿色信贷政策和企业可持续发展绩效之间的中介作用，参考Muller等［47］构建模型进行检验，估计结果见表8。

根据表8可知，在第一步检验中，财务绩效和环境社会责任绩效的du×dt×MPt的估计系数分别为0.008和0.053，且都在10%的水平上不显著，验证了该研究存在调节中介效应。在第二步检验中，绿色信贷政策与货币政策的交互项（du×dt×MP）对绿色创新具有显著的正向影响（估计系数为0.038，P＜0.01），表明绿色信贷政策对绿色创新的增量效应取决于货币政策的宽松程度，即货币政策越宽松，绿色信贷政策对绿色创新的增量效应越大。这意味着货币政策强化了绿色信贷政策与绿色创新之间的正向关系，即H3成立。此外，第三步检验中财务绩效和环境社会责任绩效的du×dt×MP估计系数都在5%的水平下显著为正，且Innovt×MP的估计系数不显著，表明货币政策正向调节绿色创新在绿色信贷政策和企业可持续发展绩效之间的中介关系，即支持研究假设H4。

表8 货币政策的调节中介效应检验

为进一步分析条件间接效应的大小，借鉴Preacher等［48］的模型2对调节中介效应作进一步分析，并结合Hayes［49］的方法计算调节变量取低值（货币政策均值减去一个标准差，即13.547）、高值（货币政策均值加上一个标准差，即14.371）时，分别对应的条件间接效应。具体结果如图5、见表9。图5示意了不同水平的货币政策调节下绿色创新的中介效应。其中，（a）表示企业财务绩效，（b）表示企业环境社会责任绩效。从图5可以看出，不论是财务绩效还是企业环境社会责任绩效，绿色创新的中介效应都随着调节变量货币政策的扩张而增大，再次表明了货币政策正向调节绿色创新在绿色信贷政策和企业可持续发展绩效之间的中介作用。

图5 调节中介效应图

表9为基于货币政策的条件过程分析结果。具体步骤包含两个阶段，第一阶段的模型设定为：Innovti，t=β0+β1du×dt+β2MPt+β3du×dt×MPt+γXi，t+δi+λt+εi，t；第 二 阶 段 的 模 型 设 定 为：YPSMi，t=β0+β1du×dt+β2MPt+β3du×dt×MPt+β4Innovti，t+γXi，t+δi+λt+εi，t。由表9可知，对于财务绩效，货币政策处于低水平13.547时，条件间接效应为0.004，在高水平14.371时，条件间接效应为0.022；对于环境社会责任绩效，在货币政策处于低水平13.547时，条件间接效应为0.003，在高水平14.371时，条件间接效应为0.025。表明条件间接效应随着调节变量取值的增加而缓慢增长，也即货币政策正向调节绿色创新在绿色信贷政策与企业可持续发展绩效之间的中介效应。这可能是因为，宽松的货币政策对银行业金融机构的信贷业务产生正向激励作用，而绿色信贷绩效纳入宏观审慎评估中提升了绿色债券和绿色信贷的可用性，进一步激励银行将信贷资源转向绿色部门［31］。在宽松的货币政策环境下，增加了市场上的货币流通量，促使商业银行扩大信用规模。但商业银行通常较少投资于政策不确定性较大的项目［50］，进而更愿意扩大绿色信贷业务，为符合环保准入门槛的绿色项目提供信贷支持，这一举措能够激励高污染企业的绿色创新活动。因此，企业可能增加对环境技术领域的投资，推动自身的绿色产品与技术创新，从而促进环境社会责任绩效和经济效益的提升。

表9 基于货币政策的条件过程分析结果

6 结论与政策建议

该研究基于2008—2019年中国沪深A股制造业上市企业面板数据，探究绿色信贷政策对高污染企业可持续发展绩效的政策效应及作用机制。研究发现：绿色信贷政策显著提高了高污染企业财务绩效与环境社会责任绩效，即绿色信贷政策提升了企业可持续发展绩效，且这一影响作用具有稳健性。在针对不同企业规模、企业所有制、企业固定资产占比以及市场化水平高低的异质性分析中发现，绿色信贷政策对规模较大企业、国有企业、固定资产占比较高企业以及市场化水平较高地区企业的政策效应更强。从进一步的机制分析看，绿色信贷政策会通过绿色创新作用于企业可持续发展绩效。货币政策在绿色信贷政策经由绿色创新影响可持续发展绩效过程中的边界机制表明，宽松的货币政策能够正向调节绿色信贷政策与绿色创新之间的关系，进而推动企业可持续发展绩效的提升。基于以上结论，该研究提出针对性的政策建议。

（1）完善绿色信贷政策体系，激励污染企业“绿色”转型［51］。绿色信贷政策通过将环境风险嵌入到金融风险管理中，对高污染企业融资获得形成桎梏，以此引导企业开展清洁生产与绿色项目。在利用绿色信贷这一创新型金融工具进行环境规制时，要提高金融机构的业务规范性，加强自我评估与外部监管，完善绿色信贷考核评价体系，确保绿色信贷政策的持续有效性。同时，要完善相关激励约束机制，激发市场主体参与的积极性，将针对企业绿色项目的信贷补贴和减免税等优惠政策落到实处，引导企业“绿色”转型，实现可持续发展。

（2）拓宽绿色信贷业务覆盖面，协调政策效应差异性。根据企业规模、所有制属性、固定资产占比多寡以及市场化发展程度的不同，绿色信贷政策对企业可持续发展绩效的影响作用存在显著差异性。“融资难、融资贵”的问题长期束缚了中小企业和民营企业的持续健康发展，金融机构应充分利用数字化手段来合理投放信贷资源。数字技术的应用大大降低了双方的信息不对称程度，便于金融机构准确评估企业投资项目的环境和社会风险；也能够扩大绿色信贷业务覆盖面、丰富绿色信贷服务产品，有利于信贷资源的精准投放。同时，利用金融科技等手段来提高金融市场化程度，矫正传统金融市场中的资本错配等问题，立足企业需求，让更多符合“绿色”准入限制的中小微企业获得信贷支持［52］。

（3）充分认识到绿色创新的重要性，依靠创新推动企业可持续发展。技术创新存在典型的路径依赖特征，相比于进行绿色技术创新，多数企业更倾向于在原有研究领域内开展创新活动。因此，应强化绿色信贷政策对企业创新的方向指引与经济激励，鼓励企业从专注于原有生产工艺的改造转向绿色产品设计、材料投入和回收处理等方面的创新。同时，政府部门应健全知识产权保障体系，为市场主体开展自主创新活动以及创新成果的转化与应用创造良好的外部环境，充分保障企业创新人员的合法权益与利益。此外，中国整体绿色信贷规模仍相对较小，宽松的货币政策有利于金融服务更好地支持实体经济发展，激励商业银行扩大绿色信贷规模，“贷”动企业可持续发展。