绿色信贷对“两高一剩”企业绿色创新的影响效果及其机制研究
2022-04-20李德山苟晨阳
李德山 苟晨阳
一 引 言
改革开放40多年来，中国在取得巨大经济增长成就的同时也付出了高昂的环境代价。资源消耗、生态破坏等是目前中国经济高质量发展面临的难题(Kuznets，1955)。因此，如何解决生态环境问题、推动经济绿色发展是关系到人民福祉的重要内容。近年来，中国政府高度重视环境问题，践行绿色发展理念，中共十八大报告提出要大力推进生态文明建设，中共十九大报告进一步明确指出要把发展绿色金融作为推进生态文明建设的重要路径。而绿色信贷政策是绿色金融的重要手段之一。
绿色信贷政策作为传统环境规制政策的一种补充，既具有金融资源配置的功能，又具有环境规制的作用。2007年7月12日，国家环保局联合中国人民银行与中国银行业监督管理委员会颁布了《关于落实环保政策法规防范信贷风险的意见》，该意见首次将绿色信贷作为节能减排与环境保护的重要经济政策手段。2012年1月29日，中国银行业监督管理委员会制定了《绿色信贷指引》(以下简称指引)，指引是首次提出绿色信贷的规范性文件，该政策的主要内容包括：第一，明确要求银行业金融机构推进绿色信贷，防范环境和社会风险，提升自身的环境和社会表现，促进发展方式转变；第二，要求银行业金融机构明确绿色信贷的支持方向和重点领域，对限制类以及有重大环境和社会风险的行业制定专门的授信指引，实行有差别、动态的授信政策和风险管理制度；第三，要求银行业金融机构应当建立有效的绿色信贷考核评价体系和奖惩机制，充分披露绿色信贷发展情况，同时指引也明确了中国证监会和各级银行业监管机构的监督职责。绿色信贷政策明确要求银行业金融机构通过其融资政策引导社会资本流向清洁产业，从而抑制污染性行业投融资和淘汰落后产能，促使企业加快技术创新和节能减排，以达到促进经济发展方式转变的目的(Zhang et al.，2011)。我国主要商业银行2014-2018年年报显示，企业贷款中“两高一剩”行业的信贷供给呈下降趋势，其贷款占比从2014年的4.54%下降至2018年的2.26%。那么，绿色信贷政策的实施能否推动“两高一剩”行业的节能减排，促进企业的绿色技术转型升级？本文以2012年中国银监会颁布的《绿色信贷指引》政策来构造准自然实验，采用2007-2019年中国A股上市企业的财务数据与匹配的绿色专利数据，运用双重差分方法研究绿色信贷政策对“两高一剩”企业绿色创新活动的影响，评估绿色信贷政策的实施效果，这对于相关政府部门制定环境经济政策、深化绿色创新发展具有参考价值。
二 文献综述
目前关于绿色信贷的基本内涵主要有两种看法：一是将绿色信贷看作是银行或金融机构通过执行政策从而促进环境可持续发展的一种手段方式，认为金融机构利用自身的信息优势、信贷资源、融资政策等为绿色环保产业提供信贷资金，是环境约束下的信贷配给(Jeucken和Bouma，1999；王凤荣和王康仕，2018)；二是将绿色信贷纳入环境规制政策体系中，认为绿色信贷政策是一种市场主导的经济激励型规制政策，从而使污染外部性内部化，以此促进企业绿色发展(彭星和李斌，2016；丁杰，2019)。而在绿色信贷政策的作用机理研究上，国内外学者分别从宏观和微观层面探讨了实施绿色信贷政策的直接或间接影响。从宏观层面来看，绿色信贷政策实施效果体现在对产业结构升级与经济可持续发展的作用上，Hu et al.(2020)研究表明绿色信贷主要通过资本和融资渠道影响产业结构，且各地区实施效果存在一定差异性。从微观层面来看，绿色信贷政策直接影响了商业银行短期经营绩效，有利于商业银行控制信贷风险，从而提升其长期竞争优势(Scholtens和Dam，2007；孙光林等，2017)。同时，绿色信贷政策的实施还间接影响了企业的生产经营活动与投融资行为。苏冬蔚和连莉莉(2018)、蔡海静等(2019)认为绿色信贷政策的实施对重污染企业形成强有力的信贷约束，从而影响企业投融资决策和短期银行借款行为。
现有文献关于环境政策对企业绿色创新影响的研究主要集中于政府层面实施的非金融手段的环境规制政策上，如命令控制型环境规制、费用型环境规制等(李广培等，2018；吴力波等，2021)，而从银行业层面分析信贷政策影响企业绿色创新的文献还相对较少。国内外学者对绿色信贷政策对企业创新的影响主要持两种观点：一是“成本假说”，认为绿色信贷政策一方面通过设置环境准入门槛倒逼企业过多投入到减排活动中，另一方面增加高污染企业的信贷约束，从而抑制企业的研发创新(Khanna et al.，1998；陆菁等，2021)；二是“波特假说”，认为严格的绿色信贷政策引起创新补偿效应，且绿色信贷政策具有给予绿色项目或企业以信贷资源支持的特征，进一步为环保企业开展绿色创新活动提供资金支持(Liu et al.，2020；汪建成等，2021)。由于绿色信贷政策的内涵与目标决定了信贷配给对象，不同实施对象面对信贷政策的策略性行为会有所不同，而已有文献较少直接定位到“两高一剩”企业、深入分析绿色信贷政策对其实施效果。
相较于已有研究，本文的边际贡献主要有：(1)已有研究较为注重政府环境规制对创新活动的影响，本文从市场型环境规制政策出发，探讨绿色信贷政策对“两高一剩”企业绿色创新的影响，可以进一步拓展环境规制政策评价的研究边界。(2)本文借助“国际专利分类绿色清单”清晰界定企业的创新活动领域，并通过关键词检索和数据匹配从产出的角度界定企业绿色专利的申请和授权数量，这样可以更好地识别企业绿色创新活动与非绿色创新活动，从而缓解数据测量带来的误差和干扰。(3)本文从企业债务融资能力和融资约束两个维度，深入探讨绿色信贷政策影响企业绿色创新活动的传导渠道，实证检验了绿色信贷政策的实施对“两高一剩”企业绿色创新的作用机制。(4)本文着重评估绿色信贷政策在绿色信贷限制行业中的实施效果，可以丰富绿色信贷政策的内涵，为加快“两高一剩”企业的绿色转型升级提供有益启示。
三 理论机制分析
绿色信贷作为环境规制的一种经济激励手段，通过差异性信贷配给政策限制资金流向“两高一剩”等污染型企业，引导资金流向节能环保企业，进而淘汰落后产能和促进企业绿色转型发展(牛海鹏等，2020)。绿色信贷政策一方面可以拓宽环保企业的主要融资渠道，提升其直接融资规模，进而对环保企业产生融资激励效应；另一方面可以降低“两高一剩”企业的债务融资规模，提高其债务融资成本和外部融资需求，从而加重“两高一剩”企业面临的融资约束。
由于中国资本市场的发展还不完善，银行信贷是企业研发创新投入的主要资金来源(Brown et al.，2012；Liu et al.，2019；徐飞，2019)。绿色信贷政策通过影响企业的外部融资渠道，进而影响企业的绿色创新活动。具体来说，第一，绿色信贷政策可以降低“两高一剩”企业的信贷可得性。由于银行从源头上收紧对“两高一剩”企业的信贷资金供给，使得主要依靠银行这一外部融资渠道的污染型企业面临更加严格的环境准入门槛和融资约束，进而使企业缺乏资金投入到周期长、不确定性大的绿色创新活动中。第二，绿色信贷政策可以降低“两高一剩”企业的债务融资能力。由于“两高一剩”企业在债务融资过程中被列为高风险投资，银行或其他金融机构往往会调整其信贷策略，主动向“两高一剩”企业提出撤资或者要求其以更高的报酬率补偿环境风险，这都会对企业债务融资能力产生负面影响，从而不利于企业开展绿色创新活动。因此，绿色信贷政策的实施可以遏制外部资金流向“两高一剩”企业，在抑制污染产业盲目扩张上起到关键性作用，但在推进绿色转型升级上可能使得“两高一剩”企业因面临融资约束而无法进行技术改造升级。
另外，绿色信贷政策可能对不同产权性质企业的绿色创新活动产生非对称性影响。由于国有企业享有政府担保，且承担了较多的国家政策导向性任务，而非国有企业面临信息不对称和一定程度的信贷歧视。因此，国有企业在银行业金融市场上往往具有较大的融资便利性和可得性，绿色信贷政策对非国有企业的融资约束更为明显，一定程度上使非国有企业对高风险、不确定性强、回报周期长的绿色创新活动投入严重不足。因此，本文基于绿色信贷政策实施效果的非对称性特征，从融资和产权异质性的视角出发，将绿色信贷政策对企业绿色创新的影响机制整理如图1所示。
图1 绿色信贷政策影响企业绿色创新的理论机制分析
四 研究设计
(一)样本选取与数据来源
本文将2007-2019年中国A股上市企业作为研究样本。根据2014年中国银行业监督管理委员会办公厅印发的《绿色信贷实施情况关键评价指标》中对“两高一剩”行业的具体分类，同时结合《国民经济行业分类标准(GB/T4754-2017)》中对应的两位数行业代码。将纺织、皮毛制品、造纸、石油、煤炭、化学原料制品、橡胶、工业金属加工和冶炼、运输设备制造业等九大行业界定为“两高一剩”行业，根据上市企业的主营业务是否属于上述行业来判定相应的“两高一剩”企业和非“两高一剩”企业。同时剔除金融、房地产企业数据和股票代码含有ST、ST*、PT的企业样本数据。为了排除异常值的影响，本文对所有连续变量进行1%的缩尾处理。
绿色专利申请量参照世界知识产权组织的“国际专利分类绿色清单”(IPC Green Inventory)，确定约200个与环境友好技术主题直接相关的IPC检索条目(任晓玲，2010)。本文根据环境友好专利IPC分类号的关键词在国家知识产权局的官方网站中逐年检索上市企业绿色专利申请和授权状况，整理得到上市企业样本期内各年份绿色专利申请量和授权量。最后，通过匹配绿色专利数据和上市企业财务数据获得1127家上市企业共11462个观测值，其中419家为“两高一剩”企业。本文企业层面的财务数据来源于国泰安(CSMAR)数据库、色诺芬(CCER)数据库；宏观数据来源于万得(WIND)数据库、《中国统计年鉴》以及《中国城市统计年鉴》。
(二)识别策略和变量定义
根据双重差分方法的基本原理，本文将中国A股上市的“两高一剩”企业设定为实验组，非“两高一剩”企业设定为对照组，以2012年银监会颁布的《绿色信贷指引》为事件冲击点，探讨绿色信贷政策对“两高一剩”企业绿色创新活动的影响。构建如下双重差分模型：
(1)
其中，i
、p
、c
、t
分别表示不同的企业、行业、城市、年份。被解释变量hgp
是企业i
第t
年的人均绿色专利申请量。这里借鉴Aghion(2005)、Hashmi和Biesebroeck(2016)的思路，以创新活动产出测度企业创新活动水平，具体采用企业每年的绿色专利申请数量与企业当年员工人数的比值来衡量。同时，本文在稳健性检验部分利用人均绿色专利授权量作为绿色创新的代理变量。treat
表示企业i
是否为“两高一剩”企业的组别虚拟变量，若是“两高一剩”企业则取值为1，否则为0；time
为政策颁布前后的时间虚拟变量，即2012年及以后定义为1，否则取值为0；X
为一组控制变量；δ
为个体固定效应；λ
为时间固定效应；η
为行业固定效应；ξ
为城市固定效应；ε
为随机扰动项。根据已有文献(王旭和王非，2019；谢乔昕和张宇，2021)，考虑到企业内部因素的影响，模型中加入企业层面的基本特征和财务状况指标作为控制变量：企业年龄(Age
)，用样本期当期年份与企业上市年份之差加1来衡量；资产规模(lnSize
)，用资产总值的对数值表示；资产负债率(Lev
)，用负债占资产的比重来表示；净资产收益率(ROE
)，用净利润占股东权益平均余额的比重来衡量；机会成本(tobinsq
)，以市值占资产与无形资产净额、商誉净额的差值的比重来衡量；现金流量(CF
)，以经营活动现金流量净值与资产的比值来表示；股权集中度(shrcr
)，用企业1%股权集中度指标来衡量；应付职工薪酬(lnSalary
)，以员工工资的对数值表示；员工数目(lnEmployee
)，用对数化的企业员工人数来衡量；研发强度(RDI
)，用企业研发投入占主营业务收入的比重来表示；所有权性质(ownership
)，若企业所有权性质是国有独资或国有控股则赋值为1，其他赋值为0。同时，考虑到企业绿色创新活动还受到外部宏观经济状况的影响，模型中还加入地区层面的经济指标：地区经济发展水平(lnHGDP
)，用各企业所在地级市的当年实际人均GDP的对数来表示，这里以2007年为基期进行价格平减。为了考察“两高一剩”企业与非“两高一剩”企业在绿色创新、财务状况等方面的差异，本文以是否为“两高一剩”企业(treat
)作为分组依据进行t检验，结果如表1所示。从表中可以看出，人均绿色专利申请数量(hgp
)在两组间有显著差异，对照组中人均绿色专利申请量的均值比实验组大0.417，且在1%水平上显著，这说明非“两高一剩”企业的绿色专利申请数量明显高于“两高一剩”企业。此外，其他控制变量的均值也有明显差异，如“两高一剩”企业的年龄(Age
)、资产规模(lnSize
)、现金流量(CF
)、股权集中度(shrcr
)、员工数目(lnEmployee
)的均值明显高于非“两高一剩”企业，而“两高一剩”企业的资产负债率(Lev
)、净资产收益率(ROE
)、机会成本(tobinsq
)、研发强度(RDI
)的均值明显低于非“两高一剩”企业。
表1 主要变量的分组描述性统计
五 实证结果分析
(一)基准回归结果
表2为模型(1)的基准回归结果。列(1)仅加入绿色信贷政策的交互项、企业固定效应以及时间固定效应，结果显示交互项系数在1%水平上显著为负。为了控制企业内部因素的影响，参照王晓祺等(2020)的研究，在列(2)中加入企业层面的控制变量，核心解释变量的回归系数依然显著为负，这说明相对非“两高一剩”企业，绿色信贷政策实施后“两高一剩”企业绿色专利申请数量明显降低。考虑到外部宏观经济环境对企业的影响，参照苏冬蔚和连莉莉(2018)的研究，在列(3)中加入地区经济发展水平指标，同时控制两位数行业固定效应与时间固定效应的交互项，回归结果表明绿色信贷政策使得“两高一剩”企业的绿色创新水平显著下降。进一步通过控制城市层面随时间变化的不可观测因素的影响，在列(4)中，加入时间固定效应与城市固定效应的交互项，结果仍然呈现显著的负向作用。同时，由于实施绿色信贷政策对企业开展绿色创新活动的冲击可能存在一定滞后效应，因此在列(5)中加入企业人均绿色专利申请量的一阶滞后项，回归结果显示交互项系数为-0.2210，且在1%水平上显著，这表明绿色信贷政策的实施使得“两高一剩”企业的人均绿色专利申请量降低了0.2210件。可能的原因是绿色信贷政策限制“两高一剩”企业的银行信贷规模，使其面临外源融资约束，同时也可能由于高昂的治污成本挤占绿色创新投入，最终使得绿色专利申请量持续降低。
表2 基准回归结果
(续上表)
(二)平行趋势检验
运用双重差分法需要满足共同时间趋势假设，这里采用事件研究法来进行平行趋势检验，将政策颁布后的年份具体到每一年，即分别将组别虚拟变量与政策颁发后各年度虚拟变量的交叉项作为核心解释变量进行回归分析。如图2所示，可以看出绿色信贷政策实施前后四年企业绿色创新活动的动态变化情况。在绿色信贷政策实施前，交互项系数在0附近徘徊且不显著，意味着绿色信贷政策实施之前实验组和对照组企业的绿色创新没有显著差异，而在绿色信贷政策实施后，“两高一剩”企业的绿色创新与对照组企业存在明显差异，平行趋势假设得到满足。绿色信贷政策于2012年正式颁布，2013年起政策对“两高一剩”企业的绿色创新产生了显著的负向作用，且这种抑制效果持续了一段时间。说明随着政策颁布时间的推移，长期持续的信贷约束使得“两高一剩”企业一方面面临着技术升级改造和治污成本提高的压力，另一方面缺乏银行信贷的支持，导致企业没有更多的研发资金来进行绿色研发投入，最终使得绿色专利申请量不断减少。中国金融体系以银行业金融机构为主导，银行信贷是企业的主要融资手段，研发创新过程中的信息不对称和高风险提高了企业外部融资成本，以稳收益为主的银行信贷融资渠道很难将资金投向高风险的研发创新活动，从而在一定程度上阻碍了污染型企业的绿色创新(Hall和Lerner，2010)。
图2 平行趋势检验
(三)稳健性检验
为了检验基准回归结果的稳健性，避免可能存在的模型误设、测量偏差以及样本选择偏差等问题，分别使用PSM-DID、更换被解释变量衡量方式以及扩大样本的方法来解决以上问题。具体来说，表3列(1)是采用PSM-DID方法来评估政策处理效应的回归结果。首先，运用Logit模型估计实验组与对照组可观测变量的倾向得分值；其次，采用核匹配的方法来确定权重，从对照组中找到与实验组在可观测变量上尽可能相似(匹配)的企业；最后，在有效得到实验组及与其相匹配的对照组的平均处理效应的基础上计算双重差分的估计结果。表3列(2)运用企业绿色专利的人均授权数量来衡量绿色创新。表3列(3)则通过扩大样本量再次验证基准回归结果的稳健性。由于《绿色信贷实施情况关键评价指标》中明确指出了需要制定信贷政策的行业(包含了第一产业、第二产业以及少数第三产业)，本文进一步将第三产业企业样本数据加入到对照组中并进行回归分析。通过一系列稳健性检验，交互项系数依然显著为负，即绿色信贷政策对“两高一剩”企业开展绿色创新活动具有显著的负面影响，与上述基准回归结果一致。
表3 稳健性检验结果
为了排除城市金融发展水平、环境规制以及政府补贴等遗漏变量和其他环境政策冲击的影响，本文还进行了以下稳健性检验。
1.控制城市金融发展水平的影响。研发创新离不开金融的支持，城市金融体系的完善程度会影响到该地区企业的研发创新活动。由于中国渐进式金融改革导致各地区之间的金融发展水平存在显著差异，尤其是受地方保护主义和地区市场分割的影响，各地区的信贷资源配置明显不同(解维敏和方红星，2011)。考虑到城市金融发展水平对企业绿色创新活动的影响，借鉴钟腾和汪昌云(2017)的做法，使用各地级市金融机构存贷款余额之和与地区GDP的比值来衡量城市金融发展水平(FD
)，将城市金融发展水平指标加入到模型(1)中进行回归分析。由表4列(1)可以看出，交互项系数仍然显著为负，一定程度上说明排除城市金融发展水平对回归结果的影响后，绿色信贷政策对“两高一剩”企业的绿色创新活动仍然具有负面影响。2.控制环境规制的影响。目前关于环境规制对企业研发创新的影响存在不同观点，以传统古典经济学派为代表的“成本假说”认为环境规制会增加企业的治污成本，对企业研发投入产生挤出效应；而支持“波特假说”的学者们则认为适当的环境规制强度可以激发企业的研发创新动力(Rubashkina et al.，2015；张倩，2015)。考虑政府主导的行政型环境规制可能会对企业绿色创新产生一定的影响，因此，本文进一步控制环境规制的影响。参考李德山和张郑秋(2020)的研究，将污水处理厂集中处理率、固体废弃物综合利用率运用熵值法转换为综合指标来衡量城市环境规制强度(ER
)。根据表4列(2)的回归结果，在控制城市环境规制强度后，绿色信贷政策对“两高一剩”企业绿色创新活动依然具有显著的抑制作用。3.控制政府补贴的影响。由于政府的研发补贴可以降低企业创新投入成本，从而刺激企业研发创新(Bronzini和Piselli，2016)。尤其是针对企业研发创新的专项补贴会直接降低企业研发创新的成本和风险，从而激发企业开展创新活动。因此，本文进一步控制政府研发补贴(Gov
)，若企业获得政府研发补贴赋值为1，否则赋值为0。表4列(3)显示，加入政府研发补贴后，交互项系数依然显著为负，这进一步排除政府研发补贴对估计结果的干扰。4.排除其他环境政策冲击的影响。为了检验对企业绿色创新的抑制效应是由绿色信贷政策引起的，而非受其他政策的影响，通过控制样本期内其他重大环境政策来得到更干净的政策处理效应。首先，2015年实施的《中华人民共和国环境保护法》(以下简称新环保法)可能对“两高一剩”企业的监管造成冲击，将2015年及以后的时间虚拟变量赋值为1，把其与组别虚拟变量的交互项当作控制变量放入到模型(1)中，结果如表4列(4)所示，交互项系数依然显著为负。其次，2018年国务院颁布的《中华人民共和国大气污染防治法》对企业绿色创新产生一定影响。为了控制出台《大气污染防治法》这一法律法规对结果的干扰，在模型(1)中加入2018年及以后的时间虚拟变量与组别虚拟变量的交互项作为控制变量，根据表4列(5)的回归结果，核心解释变量的回归系数为-0.2810，且在1%水平上显著，即绿色信贷政策的实施使得“两高一剩”企业人均绿色专利申请量降低了0.2810件。因此，剔除其他环境政策的影响后，绿色信贷政策的实施显著抑制了“两高一剩”企业开展绿色创新活动。
表4 竞争性分析
(续上表)
(四)安慰剂检验
1.时间安慰剂检验
为了进一步验证本文估计结果的稳健性，参照Topalova(2010)的方法进行时间安慰剂检验。假定政策提前两年实施(2010年)，并将原政策颁布后的样本年份剔除，将样本期设定在2007-2012年来考察绿色信贷政策是否仍然对“两高一剩”企业绿色创新有影响。表5列(1)将人均绿色专利申请量作为企业绿色创新的代理变量，加入组别虚拟变量与新事件时间点虚拟变量的交互项，可以看出交互项系数不显著；表5列(2)将人均绿色专利授权量作为企业绿色创新的代理变量进行检验，交互项系数依旧不显著。这表明推前政策颁布时间点后企业绿色创新活动并未受到显著的影响，也进一步说明本文绿色信贷政策实施效果评价的有效性。
表5 时间安慰剂检验
(续上表)
2.随机抽取实验组的安慰剂检验
考虑到政策实施前后，实验组和对照组可能存在样本选择偏差和遗漏变量的问题。本文参考Li et al.(2016)、吕越等(2019)的思路，以随机抽取实验组的方式来进行安慰剂检验。本文样本数据共包含47个两位数行业，其中9个两位数行业为“两高一剩”行业；1127家上市企业，其中419家为“两高一剩”企业。据此，本文先从47个两位数行业中随机选取9个行业作为“两高一剩”行业，再从这些行业中抽取419家企业，将其设定为“伪”实验组，剩余企业则设定为“伪”对照组，从而构建一个安慰剂检验的虚拟变量。若没有显著的遗漏变量偏差，新构建的组别虚拟变量与时间虚拟变量的交互项将不会对企业绿色创新有显著影响，且安慰剂检验处理变量的回归系数不会显著偏离零点。将随机抽取的样本重复进行1000次回归检验，图2展示了安慰剂检验的估计系数-P值散点图，黑色实线表示安慰剂检验的估计系数分布，黑色小点是安慰剂检验估计系数对应的P值，水平虚线为10%显著性水平，垂直虚线为基准回归的真实估计系数。从图3可以清晰地看出，1000次回归结果的估计系数均值为-0.0003，集中分布在0附近，且绝大部分P值大于0.1。同时，1000次的随机模拟中共有995次大于真实值(99.5%)，这也证明绿色信贷政策对“两高一剩”企业绿色创新活动具有明显的抑制作用。
图3 估计系数-P值散点图
(五)异质性分析
1.企业所有权性质的异质性分析
国有企业和非国有企业在资金规模、经营绩效等方面有较大区别。国有企业资金雄厚，与商业银行建立长期的合作关系。因此，商业银行可能更愿意将资金投向风险低、收益稳的国有企业。非国有企业则大多因为信息不对称而面临融资约束问题(沈红波等，2010)。这说明不同所有权性质的企业受到绿色信贷政策的影响可能会有所不同。表6列(1)和列(2)分别是绿色信贷政策对国有企业和非国有企业绿色创新的影响，可以发现绿色信贷政策对非国有企业绿色创新有显著的负向作用，而国有企业受到的负面影响并不显著。可能的原因是相较于国有企业，非国有企业无法向银行提供充分的抵押或担保，从而面临银行信贷歧视，导致其缺乏资金投入到绿色创新活动中(林毅夫和孙希芳，2005)。然而国有企业自身资金雄厚，绿色信贷政策引起的外源融资约束短期内并未对其产生明显的冲击，因此，绿色信贷政策对国有企业的绿色研发创新影响并不显著。
2.绿色专利类型的异质性分析
不同类型的绿色专利在研发周期与技术水平需求上具有一定差异，这使得企业的经营方式、资金规模、研发投入也会有所不同，从而有可能导致企业受到政策影响的程度不同(张杰和郑文平，2018)。因此，本文进一步将绿色专利细分为发明专利和实用新型专利。根据表6列(3)、 列(4)的回归结果，可以发现绿色信贷政策同时降低了“两高一剩”企业绿色发明专利和绿色实用新型专利的申请量，且绿色信贷政策对绿色发明专利的影响更大。这可能是因为发明专利投资周期更长、资金需求更大、技术水平要求更高(叶祥松和刘敬，2018)。因此，对于申请绿色发明专利的企业而言，绿色信贷政策冲击引起的融资约束使其更难将资金投入到绿色发明专利的研发活动上来，最终使得绿色发明专利申请量显著降低。
表6 异质性分析
(六) 机制分析
由于绿色信贷政策主要通过信贷资源配给途径对“两高一剩”企业产生融资约束，进而影响企业的生产经营和创新活动。因此，本文分别从企业债务融资成本和外部融资需求两个角度衡量企业面临的融资约束，深入探讨绿色信贷政策对“两高一剩”企业绿色创新水平的影响机制。具体地，借鉴钟凯等(2016)的思路，选取企业应付利息与短期借款、长期借款以及一年内到期的非流动负债之和的比值作为企业债务融资成本(CDF
)的间接测度指标，该指标越高，说明企业面临的融资约束越大。同时，根据陆菁等(2021)的衡量方法，以企业应收账款净值与总资产的比值表示企业外部融资需求(BFRR
)，该指标值越低，表明企业对外部融资的依赖程度越高，企业面临的外部融资约束越大。为了考察绿色信贷政策通过企业债务融资成本和融资需求对绿色创新的间接影响，本文借助中介效应模型进行渠道机制检验。表7列(1)、 列(2)是债务融资成本的中介效应估计结果，从列(1)可以看出，绿色信贷政策显著提高了“两高一剩”企业的债务融资成本，列(2)交互项系数和企业债务融资成本的回归系数皆显著，即绿色信贷政策通过部分地影响企业债务融资成本而间接对企业绿色创新活动产生作用。经计算可得，企业债务融资成本的中介效应占总效应的比例为1.7881%。表7列(3)、 列(4)则是以企业外部融资需求作为中介变量的估计结果，交互项系数和外部融资需求的回归系数均显著，表示存在企业外部融资需求的部分中介效应，且计算得出企业外部融资需求的中介效应占总效应的比例为1.8052%。综上，企业债务融资成本和外部融资需求的中介效应虽然在统计学意义上显著，但在经济学意义上解释有限，这表明绿色信贷政策主要是通过直接作用来影响企业的绿色创新活动。
表7 机制分析
六 进一步讨论
绿色信贷政策通过严控“两高一剩”行业的放贷力度，进而支持绿色经济的发展。为了深入考察绿色信贷政策的实施效果，进一步挖掘绿色信贷政策是否促进环保企业的绿色创新则显得尤为重要。因此，本文将样本中的实验组企业更换为环保企业，考察绿色信贷政策对环保企业绿色研发创新的影响。根据《国民经济行业分类标准(GB/T4754-2017)》中的两位数行业代码，将生态保护和环境治理业、废弃资源综合利用业的上市企业认定为环保企业，删除数据严重缺失的样本，最终得到35家环保企业数据。从表8列(1)的回归结果可以看出交互项系数显著为正，这说明绿色信贷政策对环保企业开展绿色创新活动具有显著的正面影响。由于绿色信贷政策明确指出要支持节能环保项目及服务贷款，因此，对于环保企业来说，其外源融资相对“两高一剩”企业而言更有优势，从而可以获得更多的资金用于企业绿色研发创新活动。
为检验绿色信贷政策对环保企业绿色创新影响回归结果的稳健性，更换被解释变量为人均绿色专利授权量，结果如表8列(2)所示，交互项系数依然显著为正，表明绿色信贷政策的实施有利于环保企业开展绿色创新活动。本文进一步验证绿色信贷政策促进环保企业绿色创新的渠道机制，与上文衡量方式相同，将环保企业外部融资需求作为融资约束的测度指标，该指标值越低，企业面临的融资约束越大。表8列(3)、列(4)为环保企业外部融资需求中介效应的估计结果，绿色信贷政策显著提高环保企业的外部融资需求，降低其面临的融资约束，从而促进环保企业开展绿色创新活动。
表8 绿色信贷政策对环保企业绿色创新的影响
七 研究结论与政策启示
本文以2012年颁布的《绿色信贷指引》为准自然实验，运用双重差分法定量分析绿色信贷政策对2007-2019年中国A股上市企业绿色创新活动的影响，通过排他性分析、安慰剂检验等方法进行稳健性检验，并从企业融资约束视角出发探究绿色信贷政策对“两高一剩”企业绿色创新活动的作用机制。研究结果显示：(1)绿色信贷政策显著抑制了“两高一剩”企业开展绿色研发创新活动，这种负面影响在非国有企业中更为明显。(2)在逐步控制模型误设、测量偏差、样本选择偏差、遗漏变量以及其他环境政策等因素对基准回归结果的影响后，发现绿色信贷政策对“两高一剩”企业绿色创新活动仍然具有显著的抑制作用。(3)绿色信贷政策的差异性信贷资源配置使得“两高一剩”企业的融资约束加大，同时又面临治污成本提高和技术升级改造的压力，最终导致企业没有更多的资金来进行绿色研发创新。(4)绿色信贷政策对环保型企业的绿色创新具有显著正向影响，政策实施使得银行业金融机构加大对清洁产业的信贷支持，从而有助于环保企业开展绿色创新活动。
基于以上分析得到的政策启示为：第一，银行应根据实际情况实施绿色信贷政策，避免“一刀切”，阻碍污染型企业的绿色创新和技术改造升级。第二，完善绿色信贷政策对“两高一剩”企业的激励与约束调节机制，在控制污染型企业盲目扩张和推进减排的同时，应激发其绿色改造、创新转型升级的内在动力。政策实行过程中不应该忽视推动污染型企业绿色技术革新，从源头上解决企业生产过程中的污染行为。第三，根据绿色信贷的动态授信原则，相关部门应实时评估政策实施效果和调整贷款对象。若污染型企业的投资项目目标是通过绿色技术改造来减少污染排放，那么银行应适当调整授信项目并给予资金支持，确保污染型企业在绿色创新活动中有充足的资金和动力。
