绿色信贷政策是否促进了中国工业绿色转型——基于行业异质性的实证分析

张雪梅，曹亚婷，卢菲菲，廉梦露

（兰州理工大学 经济管理学院，甘肃 兰州 730050）

21 世纪以来，中国经济飞速发展带动工业化进程快速推进，资源环境治理与工业经济发展间的矛盾日益凸显，经济高质量发展面临重大挑战。工业作为环境污染的重要源头，推动工业绿色转型符合当前中国生态绿色发展和高质量发展的基本要求，而工业流程实现绿色化，需要强大的技术支持和创新能力，研发资金需求较大，需要绿色金融加以助力。绿色信贷政策作为绿色金融政策的重要部分，在推动实现绿色金融与工业绿色转型共赢过程中发挥着不可替代的作用。《绿色信贷指引》在2012年2 月推进实施以来，从现实政策方面给予工业绿色转型以信贷资本支持，并通过引导资金流向实现资金在绿色工业领域的积累集中，促进低能耗、低污染的绿色项目、清洁行业和相关绿色新兴企业落地生根，同时，在一定程度上倒逼传统高耗能、高污染企业退出市场或升级企业生产技术进行绿色转型，从而推动工业层面的绿色转型。据此，本文将从行业异质性视角出发，试图探究绿色信贷政策分别对污染密集型行业和清洁生产型行业绿色转型影响作用，以期为工业绿色转型明确方向和重点。

1 文献综述

近年来，关于绿色信贷的研究主要从三个方面出发：一是绿色信贷与经济发展的关系，认为绿色信贷通过优化资源配置不仅能够促进经济增长，还会在绿色信贷发展到一定水平后促进绿色低碳技术的进步[1-2]。二是通过双重差分和倾向匹配法等研究绿色信贷政策效果，发现绿色信贷政策通过产生遵循成本与信贷约束等效应对绿色企业和“两高”企业产生影响[3-4]。三是探究绿色信贷政策对企业绿色发展的作用，提出绿色信贷政策对企业技术创新和融资水平均有显著促进作用[5-6]。其中，绿色信贷政策与企业技术创新的关系研究颇多，谢乔昕和张宇[7]和刘强等[8]研究发现绿色信贷政策不仅促进企业创新转型，同时，也显著提高了重污染企业创新效率。而作为绿色发展的重要驱动力，绿色信贷政策在推动技术创新的同时，也影响工业绿色转型的推进。

最早对工业绿色转型研究中，主张用全要素生产率来衡量工业绿色转型效率，忽略了资源和环境问题。随着绿色发展理念的传播，学者将资源和环境要素纳入工业绿色转型的成效中，尝试构建包括劳动力、资本和能源资源投入以及环境要素在内的指标体系测算工业绿色转型效率[9]。在其影响因素研究中，发现地方经济发展水平、环境规制力度和资本要素深化等因素对工业绿色转型产生显著影响且作用不一，地方经济发展水平越高工业绿色转型效率越高，同时，政府加强环境规制力度也会促进工业绿色转型发展，而资本要素在工业领域的不断聚集，导致工业资本要素超过可承受范围，对工业绿色转型产生负向影响[10-11]。此外，技术创新作为工业绿色转型的重要推动力，在工业绿色转型过程中起着关键性作用[12]。

随着研究的深入，学者们以技术创新为中心点关注绿色金融与工业绿色转型的关系。早期学者通过理论分析认为绿色金融利用资金配置支持绿色新兴企业和传统企业的绿色项目，进而推动工业绿色转型[13]，而金融市场化水平的不断提高作用于城市创新能力，也能够促进工业绿色转型[14]。也有学者从企业层面出发，认为绿色信贷作为绿色金融资金配置的重要工具，通过控制“两高”企业的资金流向，从源头促进企业绿色转型[15]。

回顾文献，发现已有研究主要集中在理论层面的定性分析，相关量化实证研究较少，而且大多是从重污染企业和资源型城市角度研究绿色信贷对其绿色转型的影响，而从行业异质性角度出发研究绿色信贷政策对工业行业绿色转型影响的较少。另外，研究方法多以单独采用双重差分法或倾向性匹配等方法为主，很少将合成控制法与双重差分法相结合进行综合分析。因此，本文以工业为研究对象，从行业异质性的角度重点分析绿色信贷政策对污染密集型行业和清洁生产型行业绿色转型的影响作用，克服以往单独使用双重差分或倾向性匹配方法的不足，尝试将合成控制法作为主要的实证研究方法，双重差分法作为补充，深入评估绿色信贷政策对不同工业行业绿色转型的影响效果，从而提出相关对策建议。

2 中国工业绿色转型效率测度

2.1 测度方法

为测算中国工业绿色转型效率，构建包括期望产出和非期望产出的Super-SBM 模型，即投入产出模型。与传统测算全要素生产率的索罗余值法相比，Super-SBM 模型在分析框架中纳入了资源和环境要素，将资源消耗和环境污染的坏产出定义为非期望产出，更为全面及合理地考察各工业行业的绿色转型水平。Super-SBM模型公式为：

式中：Xij表示j个工业行业的第i种投入量，Yrj表示第j个工业行业的第r种产出量。其中，i=1, 2, …,m；j=1, 2,…,n；r=1, 2, …,s（Xij≥0，Yrj≥0）。m表示前期投入，s为期望和非期望产出，S-和S+分别为投入与产出的松弛变量，λj为权重系数。在测算结果中，当中国工业绿色转型的效率值大于1 时，表明工业绿色转型效率处于相对有效状态，当中国工业绿色转型的效率值小于1 时，表明工业绿色转型效率处于相对无效状态。

2.2 行业异质性分析

由于行业发展阶段、要素禀赋结构和政策执行力度的不同，绿色信贷政策对不同性质的行业所造成的影响也存在差异。目前，关于行业分类量化标准学术界并未达成统一，学者则根据其具体研究目的采用不同的分类方式对工业行业进行划分，主流划分方式为生产要素密集程度和环境污染排放程度两种。现阶段研究大多选取沈能[16]测算行业环境污染程度进行分类的方式，但衡量中主要选用工业废水和工业废气排放量作为测算基础，并未考虑工业固体废弃物对环境造成的污染，存在一定的缺陷，因此，借鉴王锋正和郭晓川[17]在研究中对行业的划分，将中国36 个工业行业划分为污染密集型行业和清洁生产型行业，其划分标准为环境污染程度的大小（表1）。

表1 中国36个工业行业的分类

2.3 数据来源与指标选择

对不同工业行业绿色转型实现有效测度的基础是选取全面、适当反映工业绿色转型评价指标。基于工业绿色转型的内涵与现实依据，在投入端从人力、资本、资源三个要素出发，在产出端主要从期望产出与非期望产出两方面进行考虑，分别选取相应的具体衡量指标。为达到工业绿色转型追求经济效益和环境效益协调统一的目的，本文通过借鉴有关学者对工业绿色转型指标体系的研究，并结合数据可获得性的现实问题，最终选取2006—2017 年36 个工业行业的投入产出数据（表2）。

表2 绿色全要素生产率Super-SBM模型测算指标体系

（1）要素投入。根据相关经济学理论，劳动力、资本、能源资源作为基础生产要素，在工业生产中为不可替代的投入要素，因此投入变量选取中主要考虑劳动力、资本、能源资源三类核心工业生产投入变量。其中，工业劳动力投入选取工业各行业从业人员年平均人数进行衡量；资本投入选取规模以上工业企业固定资产净值平均余额进行衡量；能源资源投入采用工业各行业的能源消费总量来衡量[18]。

（2）期望产出。根据历年统计年鉴对比可知，现有关于工业行业经济指标资料数据统计口径发生多次变动且数据并不连续，2012 年之后不再公布工业行业增加值以及总产值数据，为保持统计口径的一致，期望产出选择统计结构相近的主营业务收入计算[19]。

（3）非期望产出。选取工业废水、工业废气和工业固体废弃物三类工业污染物对非期望产出进行衡量。选取中国36 个工业行业为研究对象，由于行业数据选择涉及历年统计口径的一致性，相关统计数据可得性和连续性，本文以2012 年《绿色信贷指引》实施为界，前后选取6 年面板数据（研究分为长期、中期和短期，6 年为中期时间段）作为研究样本，即2006—2017 年。基础数据来源于相关年份的《中国统计年鉴》《中国工业经济统计年鉴》《中国环境统计年鉴》及Wind 数据库，缺失年份数据采用插值法补齐。

2.4 中国工业绿色转型效率测度分析

以2006—2017 年中国36 个工业行业为分析对象，选 取2006 年、2008 年、2010 年、2012 年、2014 年、2016 年和2017 年中国工业绿色转型效率值进行具体趋势分析。如表3 所示，2006—2017 年中国工业绿色转型的平均值为0.936 7（小于1），表明2006—2017 年中国工业绿色转型平均效率处于相对无效状态。这与李斌等[20]和常青山等[10]学者的研究结果较为一致，即当前中国工业绿色发展呈现粗放与集约并行特点。原因有两点：一是投入存在相对冗余，前期较长时间内中国工业经济发展主要以高投资、高消耗为特征，资源投入冗余导致中国工业各行业难以在短期内进行绿色转型。二是非期望产出冗余，即污染物排放量较大，使得非期望产出超出环境可承载范围，长时间的环境污染使得中国工业各行业绿色转型压力较大且短期内转型效果并不显著。

分行业来看，排名前十的主要集中在清洁生产型行业，其中居于首位的是水的生产和供应业（8.612 9），2008 年该行业绿色转型进入相对有效状态，之后迅速增长，通过过程控制和终端治理实现产出和供应的高效率与高环保，创造巨大经济效益，而其他清洁生产型行业的绿色转型水平也在2012 年后开始普遍提高。排名后五位主要集中在污染密集型行业，较为典型的是煤炭、石油及有色金属开采业，由于行业特点以及技术的原因，导致其依然处于绿色转型的困境期。但污染密集型行业中的石油加工、炼焦及核燃料加工业（1.078 4）和化学原料及化学制品制造业（1.486 3）的绿色转型较为成功。

3 绿色信贷政策对工业绿色转型影响研究

3.1 模型构建

采 用Abadie[21]提 出 的 合 成 控 制 法（synthetic control methods，SCM），通过构造合成控制对象即反事实对照组，模拟中国36 个工业行业在不实施绿色信贷政策下的绿色转型情况，以对比该项政策的实施效果。相较于清洁生产型行业，污染密集型行业受《绿色信贷政策》的直接影响较为明显，因此，将清洁生产型各行业作为控制组按一定权重进行合成，分别合成为污染密集型各行业进行以下实证。

假设有N+1 个工业行业，工业行业在T0期开始实施绿色信贷政策，其他N个工业行业没有实施绿色信贷政策。Y1it表示工业行业i在t期实施绿色信贷政策的潜在结果，Y0it表示工业行业i在t期没有实施绿色信贷的潜在结果，从而工业行业实施绿色信贷政策的因果效应为τit=Y1it-Y0it，工业行业i在t期观测到的绿色转型效果为：Yit=D1itY1it+(1-Dit)Y1it=Y0it+τitDit，Dit表示工业行业i在t期的绿色信贷政策干预状态。

假设第1 个工业行业在T0期后受到绿色信贷政策干预，而其他N个行业所有时期都没有受到绿色信贷政策干预，那么对于 ，绿色信贷的政策效应可以表示为τit=Y1it-Y0it=Y1t-Y0it。由于第1 个工业行业实施了绿色信贷政策，因而在 期，可以观测到潜在结果Y1it，但无法观测到其没有受到政策干预时的潜在结果Y0it。则工业行业1 的反事实结果，可以表示为：

为求出Y0it，可以考虑N×1 维的权重向量W=(w2,…,wN+1)，满足wj≥0，j=2, …,N+1，并且W2+WN+1=1。向量W 的每一个特定值代表对第1 个行业的合成控制，这是参照组内所有行业的一个加权平均。对每个参照组行业的变量值进行加权可以得到：

可以证明，对于T0＜t＜T，行业1 的反事实结果近似可以用合成控制组来进行表示，即从而得到政策效果的估计值：

通过加权后得到的合成工业行业绿色转型情况，实际上是模拟了假设绿色信贷政策实施行业不实施该项政策时的绿色转型情况，政策实施行业与合成行业之间的绿色转型水平差异即是绿色信贷政策对该行业绿色转型的影响[22]。

3.2 变量选择

3.2.1 被解释变量

被解释变量为工业绿色转型效率，参照岳鸿飞等[23]和彭薇等[24]等的研究，目前研究中关于工业绿色转型效率的指标选取与工业绿色全要素生产率相近，因此采用工业绿色全要素生产率表征工业绿色转型效率，具体计算及数据见表2。

3.2.2 控制变量

为了考虑污染密集型行业合成控制对象的拟合效果及结果的稳健性，在合成控制组过程中尽可能加入一些影响工业绿色转型的重要因素作为预测控制变量，包括行业规模、出口规模、外商投资、要素结构和负债规模。其中行业规模代表行业的相对经营规模的大小，用规模以上工业行业总资产占行业单位人数表示。鉴于出口所具有的正外部性能够对绿色转型产生影响，以产业出口产值占销售总产值衡量行业出口规模。由于外商投资对于中国产业转型的影响显著，因此选用各行业外商和国内港澳台商投资的工业资产额占本行业工业总资产的比重来控制外商投资的环境效应。行业要素主要包括资本要素与劳动力要素，在考量过程中用行业总资产与行业年平均从业人数的比率来表示要素结构。选取各行业资产负债率指标表征各行业负债规模。

3.3 实证结果及分析

运用Stata16.0，对污染密集型各行业合成结果如图1 所示。图1 显示了污染密集型各行业与对应的合成控制行业在2006—2017 年间的绿色转型水平。如图所示，在虚线的左侧，即在绿色政策实施前，（a）～（f）所代表的6 个工业行业与其合成控制对象的绿色转型水平都非常接近，说明合成控制组基本可以反映对照组的绿色转型情况。而在虚线右侧，二者逐渐偏离，其中（a）、（b）、（c）、（e）和（f）中工业行业的绿色转型水平均低于相应合成控制组对象的绿色转型水平。二者的差值正是绿色信贷政策对工业行业绿色转型影响的政策效果，意味着与假设没有实施绿色信贷政策的工业行业相比，绿色信贷政策反而抑制该工业行业的绿色转型，使得工业行业绿色转型水平大幅度降低。

图1 绿色信贷政策对高耗能行业的影响效果

3.4 稳健性检验

如果合成控制对象没能拟合好实施政策前的预测变量值，最后得到的预测变量差值很可能是拟合效果不好所导致的，与政策无关。因此，只对图2 中合成控制法拟合程度较好的行业进行以下稳健性检验，拟合程度不好的行业不再进行稳健性检验，而采用双重差分法展开进一步补充分析。对黑色金属矿采选业等6 个污染密集型行业的稳健性检验结果如图2 所示。

图2（a）～（f）为检验结果。以图2 中的黑色金属业为例，2012 年之前，黑色金属业与其他工业行业绿色转型效率变动的差距较小，但是在2012 年后，黑色金属业与其他工业行业绿色转型效率变动的差距开始拉大，并低于其他行业。这表明绿色信贷政策降低了黑色金属业的绿色转型效率。类似地，也可以证明其他工业行业绿色转型效率的降低。

图2 各行业绿色转型效率差值分布

3.5 双重差分法补充分析

通过运用合成控制法对污染密集型行业进行实证分析，发现合成控制法无法对煤炭开采和洗选业、石油加工、炼焦及核燃料加工业、有色金属冶炼和电力热力生产和供应业进行显著的拟合分析，因此使用双重差分法为补充对以上行业进行分析。计量模型设定如下：

式中：I是反映工业行业绿色转型的变量，GP是绿色信贷政策的变量，污染密集型行业取值为1，参照组取值为0。Year是年份虚拟变量，2012 年开始取值为1，2012 年前取值为0。βi即为绿色信贷政策对工业行业绿色转型影响的净效应，X为控制变量的集合，δi为个体固定效应，γt为时间固定效应，α0代表绿色信贷政策实施前处理组和控制组共同的初始均值；α1代表绿色信贷政策实施前处理组和控制组的初始差异；α2代表绿色信贷政策实施前后处理组和控制组共同发生的变化，η表示绿色信贷政策实施对控制变量的影响，ε表示为误差项。

表4、表5 为双重差分法的补充估计结果，表中交叉项的系数反映的是绿色信贷政策对该工业行业绿色转型的影响。表4 是在双重差分法在实证中选取参照组且控制工业绿色转型影响因素情况下的估计结果，表5 未控制工业绿色转型影响因素估计结果。这两种情况下的煤炭开采和洗选业和石油加工、炼焦及核燃料加工业的交叉项系数分别1%和5%的水平上显著为负，表明绿色信贷政策在一定程度上抑制了这两类污染密集型行业的绿色转型。而有色金属冶炼和电力热力生产和供应业的交叉项系数分别在10%和5%的水平上显著为正，表明绿色信贷政策对该行业的绿色转型水平具有显著促进作用。实证结果说明《绿色信贷指引》的出台对工业绿色转型影响具有明显的行业异质性，随着环境治理在政府目标体系中的权重加大，中国重污染行业也在积极寻找绿色转型路径，但前期部分重污染行业污染物产出比例较高，部分行业在短期内无法实现绿色转型较大的进步，因此绿色信贷政策对此类工业行业有效性并不显著。

表4 绿色信贷政策对工业绿色转型的影响（双重差分法，控制变量）

表5 绿色信贷政策对工业绿色转型的影响（双重差分法，无控制变量）

4 结论及政策启示

4.1 结论

第一，从工业行业绿色转型效率值来看，2012—2017 年中国36 个工业行业绿色转型效率平均值呈现波动上升趋势。其中，清洁生产型行业绿色转型效率值普遍较高且呈不断上升，但污染密集型行业绿色转型水平较低甚至多数行业绿色转型效率值出现下降趋势。

第二，绿色信贷政策对各工业行业绿色转型影响不一。其中，绿色信贷政策对清洁生产型行业具有促进作用，但对污染密集型行业的绿色转型作用效果存在异质性。

第三，在污染密集型行业中，绿色信贷政策对有色金属冶炼和电力热力生产和供应业行业绿色转型具有显著促进作用，而对黑色金属采选业、有色金属采选业和非金属矿物制品业等行业绿色转型发展具有抑制作用，这与政策实施周期、行业发展规模及发展阶段有关。总体而言，绿色信贷政策在不同工业行业的绿色转型中，发挥的作用不尽相同。

4.2 政策启示

第一，加快推进中国各工业行业绿色转型。政府应出台有关绿色信贷政策与工业绿色转型的专项规划，并将工业行业年度污染排放量指标作为该行业的下年度申请政府优惠政策条件中，引起工业企业工作者的重视。

第二，鼓励金融机构结合各工业行业的特点开发相应的绿色金融产品，并将污染密集型行业与清洁型生产型行业区分开来。对污染密集型行业可以根据环境污染程度，调整相应的绿色信贷额度，而对清洁生产行业应该引入社会资本激发绿色技术研发活力，进而促进工业绿色转型迅速发展。

第三，绿色信贷政策作为一种经济调节手段，需要与其他相关的环境规制政策相结合。因此，完善绿色信贷的相关配套政策形成集成性的政策体系，可以为工业绿色转型发展提供政策方面的坚实保障。