空气污染与企业杠杆率：融资约束挤压下的结构倒挂倾向

曹斯蔚，许敬轩

（1. 中国人民大学 财政金融学院，北京 100872；2. 北京工商大学 经济学院，北京 100048）

2021 年3 月开始，我国北方多地多次遭遇大风沙尘天气。4 月中旬，“泥雨”骤下，出行不便，空气污染引发了严重的经济社会问题。与此同时，2020 年的我国宏观杠杆率从2019 年年末的246.5%攀升至270.1%，前两个季度增幅高达13.9%、7.2%[1]。企业作为我国宏观经济的微观主体，其杠杆率又是我国经济高杠杆的根源与基础细胞，从我国微观的工业企业数据来看，其杠杆率高企，资本结构中又以短期的流动负债占比更高。从企业自身的需求来看，更能分散风险的长期债务、股权融资反而占比不高[2]，存在着深层次的结构倒挂现象。关于这一现象的成因众说纷纭，或认为是源自增发货币的刺激政策[3]，或看作来自抵押物的较广界定范围[4]，或是不确定性风险的一种企业层面传导[5-6]。在“去杠杆”的供给侧结构性改革大背景下，理清我国企业高杠杆率、结构倒挂现象的规律与成因至关重要。本文提供了一个新的视角，即考察空气质量这一地方政府供给的公共物品[7]，以检验空气污染中的PM2.5浓度对企业杠杆率与融资行为的影响。本文又将融资行为分为债务融资与股权融资，再将债务融资拆分为短期债务融资、长期债务融资，以实证PM2.5对其的不同影响，从环境领域找到结构倒挂现象出现的源头与动态规律。

不断攀升的企业杠杆率意味着粗放的增长模式，不利于我国经济的高质量发展。2016 年，党中央、国务院发布的《国务院关于积极稳妥降低企业杠杆率的意见》（国发〔2016〕54 号），提出了“三去一降一补”工作中，积极稳妥降低企业杠杆率的具体意见。同年，财政部、国家税务总局为落实有关精神，发布《关于落实降低企业杠杆率税收支持政策的通知》（财税〔2016〕125 号），提出了利用财税工具降低企业成本负担的目标。2018 年8 月，国家发展改革委、人民银行、财政部、银保监会、国资委印发的《2018 年降低企业杠杆率工作要点》（发改财金〔2018〕1135 号），提出了“去杠杆”的各项工作重点。2019 年7 月，国家发展改革委、人民银行、财政部、银保监会印发的《2019 年降低企业杠杆率工作要点》（发改财金〔2019〕1276 号）要求，降低企业杠杆率工作持续推进、不断落实与实施。可见，“去杠杆”是党和国家现阶段风险攻坚的重大命题，并不断根据需要来配合、调整、完善具体的实施方案和工作细则。与此同时，国务院于2013 年发布《大气污染防治行动计划》（国发〔2013〕37号）十条措施，旨在推动我国经济可持续发展，使得发展方式向环境友好型、资源节约型转变。而2020 年9 月，国家主席习近平在联合国大会上宣布：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和。”本文为我国经济“去杠杆”、供给侧结构性改革、环保治理与政府治理改革的协同作用、“碳达峰”和“碳中和”战略的实现，提供了一个可供经验借鉴的思考。另外，学界对我国企业高杠杆化与结构倒挂倾向的成因与解决路径的研究，大都还是从传统的政府与市场的维度上进行分析。学术共识在于企业拥有的政治资源、政治背景是企业高杠杆化的促成因素，而宽松的货币刺激政策涌入了大量的“热钱”，支配着企业负债水平的陡然上升，再加上不畅的企业融资环境，衍生出了中国特色的结构倒挂倾向。环境因素、污染水平对企业杠杆率高企与结构倒挂倾向的影响一直较少谈及，企业驻地的空气污染程度作为一种风险资本，对企业行为的影响还需深入剖析。本文做出了一个尝试，找到了PM2.5浓度对企业杠杆率与融资行为影响的实证证据。

企业杠杆是一种拆借资金的工具，也是分散风险的手段。理论上，企业所在地区的空气污染可被看作是一种风险资本，也是一种要素禀赋，其增加了企业经营的风险。因此，需要借助融资工具以引入外部资本，实现风险转移、风险共担。但需要注意的是，企业的融资不是一方主体的单方面行为，其内含了融资需求方与供给方的双方博弈，体现于融资约束概念上的限制。即企业因空气污染而暴露在了风险更大的环境中，经营情况也就更有可能变差，融资供给方会对这个因素进行识别与评估，而调整资金供给类型、期限与规模。企业可能无法获得分散风险效果最好的融资工具，因而出现结构倒挂倾向。本文研究了空气污染中的PM2.5浓度对企业杠杆率与融资行为的影响，还纳入了PM2.5对融资约束影响的机制分析，从环境的视角阐释我国企业的高杠杆率与结构倒挂倾向。

本文使用了中国工业企业、美国国家航空航天局（NASA）气象卫星遥感AOD（气溶胶光学厚度）反演数据等数据库，以及中国气象科学数据共享服务网（CNEMC）天气数据，共同构建了一个非平衡的面板数据集。本研究计算出了精确到县的PM2.5浓度水平，并用应收账款占比作为代理变量，将以往混同在杠杆率这一融资规模指标内部的融资约束进行分离，即企业获得融资是以融资供给方对其经营风险的识别为条件。又以相关指标为判定标准，剖析了“空气污染—融资约束—杠杆率”的逻辑链条，还将存量杠杆率的形成过程分解为不同类型的流量融资行为。实证结果表明，县域的年度平均PM2.5浓度每上升1 μg/m3，辖区内企业的杠杆率显著提高0.572 7%；又因为融资约束同时上升的挤压作用，出现了以短期债务融资增加为主的结构倒挂倾向。空气污染同时推动企业高杠杆化与融资结构倒挂，从而找到了企业高杠杆化和结构倒挂倾向在环境污染层面上的一个新解释。

本文的创新点及边际贡献有三个方面：（1）使用逆温差的工具变量以解决识别的内生性问题，实证分析了空气污染的外在经营环境变化是否会改变企业效能、影响融资约束，是否会传导到企业层次的经营风险，是否是企业高杠杆、结构倒挂成因的一个解释；（2）还将环保治理标准改革与省直管县改革导致的县级治理能力差异纳入论证范围，并进行异质性分析的对比研究，以判别其政策协同效应；（3）实证分析使用了气象卫星遥感AOD 反演数据，克服了以往地面观测数据的数据操纵问题，并将污染数据精确计算到县而提供了相关研究数据使用上的参考与借鉴。

1 制度背景与研究假设

1.1 制度背景与文献综述

我国企业存在杠杆率高企与融资结构倒挂的双重倾向，而我国地区间空气污染水平的时空分布，对企业经营风险、企业行为的作用机制值得更进一步探讨。一般而言，空气污染严重使得辖内企业风险上升。为实现风险共担、分散与转移，企业融资需求旺盛，但由于融资约束的强挤压，只能以结构倒挂的短债资金拆借方式维持现金流通畅。“去杠杆”与生态文明的协同政策效应需要实证上的证据，而空气污染对人类生产经营活动存在较强干扰的内生性问题，其也需要在计量方法上找到解决方案。

关于剖析企业高杠杆的定义、结构、成因与危害，为了找到“去杠杆”的实现路径，许多学者做出了非常卓越的努力与理论研究工作。按照公司金融理论，企业只要没有遭遇融资约束的阻挠往往会根据宏观经济景气指数去调整杠杆率[8]。目前，现行的杠杆率界定方式与计算方法存在很多不合理之处，没有合理区分流量与存量指标，有很多混淆。高杠杆可能来自货币超发的刺激计划，也受到借款抵押物认定范围过于宽松的影响，还是各种不确定因素共同作用的结果，更与政府行为[9-11]与体制问题[12]息息相关。高杠杆率使企业极易濒临破产边缘，容易引致其战略激进、表现不佳[13]，可能危害到国家金融稳定[14]，抑制技术创新[15-16]。因此，“去杠杆”能改善企业绩效[17]，还可以激励企业创新。但是，结构性减税[18]、技术创新[19]都是行之有效的“去杠杆”实现路径与手段。

学界对空气污染的研究日益受到关注。首先，PM2.5是造成雾霾污染的主要污染物。“同呼吸、共命运”下空气污染对人类活动的影响不可忽视。严重的空气污染降低了人均预期寿命[20]，改变了地理空间内的人口流动[21]， 使企业存货流转受阻[22]、劳动力成本上升[23]、劳动生产率明显下降[24-26]、创新激励变化[27]。最后，作为一种隐性的、无形的、通常人们主观上未必能意识到的地方公共物品，理论上，空气质量还与政府治理能力、环保治理与县级改革异质性密切相关，并有了一些实证上的证据。环保治理与县级改革也理应影响到地方政府财力与支出责任匹配[28]，改变着县级政府支出偏好[29]，影响其包括空气在内的地方公共物品供给。然而，空气污染是否会在企业融资行为的层面上造成影响，本文试图厘清其作用机制与规律。其对于推进我国供给侧结构性改革大背景下的微观企业“去杠杆”，发挥其与多维绩效考核、省直管县、环保治理改革的政策协同作用，并通过各项改革提高政府能力[30-31]，以实现我国经济高质量发展，完成“碳达峰”与“碳中和”战略目标，可谓意义重大。

1.2 研究假设

结合现有理论、客观事实与实践经验，本文做出以下假设：

假设一：空气污染提高了企业杠杆率，同时恶化了企业基本经营状况与现金流，强化了企业的融资约束。

假设二：空气污染导致企业融资约束的加强，又阻塞了企业通过股权融资、长期债务融资分散风险的可能。风险转移、风险分散的需求被挤压到了短期的流动负债融资之中，进一步造成了企业杠杆的结构倒挂倾向。

假设三：2012 年的环保治理新标准实施、财政省直管县改革、贫困县划定与“去杠杆”政策具有协同效应，抑制了空气污染导致的企业高杠杆化与结构倒挂倾向。

本文采用中国工业企业数据、美国国家航空航天局气象卫星遥感AOD 反演数据、中国气象科学数据共享服务网天气数据等数据库对以上假设进行检验。

2 实证设计与数据描述

2.1 实证设计

本文采用标准的OLS 模型，使用双线加权得到县域年度平均PM2.5浓度作为地区空气污染程度的衡量指标，再进行估计分析；为了解决识别的内生性问题，使用逆温差作为工具变量，采用2SLS 方法再次进行估计以进行对比。随后，本文将企业杠杆率分解为债务融资、股权融资、短期债务融资、长期债务融资，以同时厘清杠杆总量与结构变化的问题。

2.1.1 计量模型

（1）OLS 估计模型。本文首先使用OLS 模型实证检验空气污染与企业杠杆率、融资行为之间的关系，回归模型（1）如下：

式中：i 表示企业个体，j 表示企业所在地区，t 表示年份；Levi,j,t是 本文的被解释变 量，分别为i 企业个体在j 地区第t 年的杠杆率、债务融资、股权融资、短期债务融资、长期债务融资；PM2.5j,t是本文的核心解释变量，代表县域地区j 使用t 年度平均的PM2.5浓度；Xi,j,t表示一系列控制变量，包括企业层级的企业年龄、企业规模、营业利润率、国企、外资占比，天气方面的控制变量包括降水量、日照时数、气温、相对湿度。本文模型均使用双向固定效应模型，αi为企业固定效应，µt为年份固定效应。εi,j,t为误差项，包括随企业、时间和地区变化且不可观测特征。标准误聚类到县级，以识别位于同一个县内企业的空间和时间相关性。β1是本文最关心的系数，反映了空气污染对企业杠杆率与融资行为的影响。

（2）工具变量估计模型。要想得到OLS 方法的一致估计量，需要外生性假设，但明显模型（1）很可能因存在遗漏变量或者逆向因果而产生内生性问题[32]，即杠杆率和融资行为会受到不可观测的时空变量影响、杠杆率和融资行为也可能反过来影响地区空气污染，使得OLS估计产生偏误。相对比可供使用的识别策略，风速等地面的空气流动性指标工具变量识别容易被个体所观测，可能导致影响企业选址行为的选择性偏误。秦岭—淮河南北方沿线的地理断点回归（RD）[32-33]，识别相对“干净”，但样本量受到了严重限制，解释变量的变动性容易不足，并不适合于本文的研究选题。而逆温差这一工具变量（IV）在功能性上则可同时克服上述的两个缺点，理论上合格的工具变量选择必须满足相关性（与核心解释变量相关）、外生性（与误差项不相关）两个假设条件[34]。 首先，空气污染的PM2.5浓度必须与逆温差程度相关，正常情况下因为空气中的悬浮颗粒会随气流纵向不断上升而在半空消散，大气温度应该随着海拔的升高而稳定地逐渐降低。但地球大气存在一种“逆温”现象，即大气层温度会随着离地高度增加而上升。而此类逆温现象会阻碍空气的垂直对流，加重区域PM2.5浓度的上升。世界各地气象观测的高清分辨率解析图都支持了这一结论。然后，逆温差不会通过PM2.5浓度的其他途径直接影响企业的杠杆率与融资行为。一个有力的经验证据是，在2001 年之后，虽然我国PM2.5浓度急剧上升与经济快速发展同时发生，但相关地区的逆温差强度却没有多大的变化。另外，通过控制其他天气变量的办法，逆温差程度已经与人类生产经济活动高度不相关，而且季节因素的影响也已经极度微弱。所以，基本能够判定本文的估计结果可以得到无偏估计量。

因此，本文将逆温差强度作为空气污染PM2.5浓度的工具变量，使用两阶段最小二乘法（2SLS）对模型进行估计，并且第二阶段回归模型与模型（1）相同。而第一阶段的回归模型为：

式中：IVj,t表示工具变量，是县域地区j 在t 年度的逆温差强度，ηi,j,t是一阶段回归的误差项，其余变量定义与设定均与模型（1）相同。且除了核心解释变量之外，一阶段回归的控制变量与二阶段相同，以保证第一阶段回归的残差ηi,j,t与控制变量Xi,j,t正交。不再赘述。

2.1.2 数据来源

为了分析空气污染对企业杠杆率和融资行为的影响，本文使用中国工业企业数据库、美国国家航空航天局气象卫星遥感AOD（气溶胶光学厚度）反演数据、中国气象科学数据共享服务网天气数据，构造了一个庞大而变量信息丰富的面板数据集。其中，中国工业企业数据库是针对我国规模以上（年主营业务收入500 万元以上）企业的百万级别数据库，统计区域具体到了县级，作为企业数据来源，其样本巨大、变量充足、信息丰富。而核心解释变量，即空气污染物中的PM2.5浓度——环境空气中直径小于等于2.5 微米的颗粒物浓度和逆温差程度，数据质量要求的重要性无可比拟。本文数据来源于全球模拟与同化办公室发布的MERRA-2 数据集，这一数据集通过测量尘埃和雾霾等空气悬浮颗粒物所吸收、反射日光照射的数量和强度，估计特定污染物，尤其是缺乏地面监测时估算的地区空气污染物浓度，以月为单位，按0.5 度×0.625 度的经纬度栅格，记录了1980 年至今各项空气污染指标。数据的时间跨度从1980 年开始高达40 年，覆盖全国几乎所有县级单位范围，而且还避免了地面监测站污染数据可能发生的人为操 纵[35]。天气的控制变量来自中国气象科学数据共享服务网天气数据。分组回归的数据则来自县级政府改革数据和地市级统计数据，其提供了基于2012 年环保治理新标准实施与县级改革进行异质性分析的材料。

2.2 数据描述

2.2.1 回归变量的计算与设定

本文采取双线插值法[36]，使用ArcGIS10.0 软件计算出卫星反演的栅格点PM2.5浓度数据县域平均值，再按年度进行平均得到全国各县级单位的年度平均PM2.5浓度数据，设为变量PM2.5。

逆温差强度数据也源自NASA 全球模拟与同化办公室的MERRA-2 数据集，其按0.5 度×0.625 度的经纬度栅格，以6 小时一次的频率，分42 个垂直层分别记录了距地面110 ～36 000 米的空气温度。本文参考Chen 等的计算方法，逆温差强度变量用第二层空气（320米）温度减去第一层（110 米）温度的差值，将数据样本识别到县级区域，每6 小时数据加总平均到年以进行构造。

按照理论，企业杠杆率以负债合计除以资产总计进行构造，债务融资、股权融资、短期债务融资、长期债务融资分别以负债合计、所有者权益合计、流动负债合计、长期负债合计除以滞后一期资产总计的存量指标以进行变量构造。

在企业层级的控制变量方面，企业年龄计算方式为ln(年份-开业时间年+1)；营业利润率等于营业利润除以主营业务收入；国企虚拟变量根据定义，若控股情况为1，国企变量为1，否则为0；外资占比变量参考邵敏和黄玖立[37]的做法，以外商资本除以实收资本进行计算。降水量、气温、相对湿度的天气控制变量数据则以中国气象科学数据共享服务网天气数据为基础，平均到县、加总到年。日照时数变量为一年内太阳在一地实际照射的时数。

2.2.2 数据的处理与清洗

中国工业企业数据则先以Brandt 等[38]的经典方法进行识别，再参照聂辉华等[39]的方法进行数据清理。具体为：一是按企业代码id 和时间将不同年份的数据进行纵向匹配，获得一个非平衡面板；二是删除工业总产值、工业销售产值、员工人数、中间投入、固定资产、销售额、实收资本小于零、单期折旧小于累计折旧、固定资产与流动资产小于总资产等明显异常、不合逻辑、数据错误的观测值；三是删除总资产等关键变量缺失的样本；四是对职工人数小于8 人、没有完整的会计系统的企业样本、销售额小于500 万元、不符合规模以上企业定义的样本进行删除；五是为了消除极端值的影响，对关键变量进行上下1%的缩尾处理。本文最终得到了1999—2015 年的2 207 472 个企业×年观测值。

2.2.3 变量的描述性统计

表1 给出了各变量的名称、定义及统计描述。

3 实证回归结果

3.1 基本回归结果

3.1.1 OLS回归结果

表2 中的第（1）～（5）列分别汇报了县域PM2.5浓度对企业杠杆率、债务融资、股权融资、短期债务融资、长期债务融资的OLS 回归结果。第（1）～（5）列均控制了年份与企业的固定效应，考虑到县域企业、企业不同年份随机扰动项之间相关性产生的统计检验标准误偏差，本文的所有回归均将标准误聚类到县级层面。

由表2 可以看出，在OLS 模型下，第（1）列中县域PM2.5浓度对企业杠杆率的影响系数为-0.000 989，在1%的水平下显著；第（2）～（4）列中PM2.5浓度对债务融资的影响系数为-0.001 044、对股权融资的影响系数为0.001 510、对短期债务融资的影响系数为-0.000 959，均在1%的水平下显著；而第（5）列中，PM2.5浓度对长期债务融资无显著影响。在不考虑内生性的情况下，似乎企业能在一定程度上自主识别空气污染造成的经营风险，选择期限较长的融资工具以拆借资金、分散风险，但逻辑上存在不连贯的地方。

3.1.2 IV回归结果

表3 汇报了逆温差强度对企业杠杆率和融资行为影响的IV 估计的一阶段回归结果。结果表明：在控制了企业层面控制变量、天气控制变量的情况下，逆温差强度对县域年均PM2.5浓度有正向的显著影响，系数为4.874 575，并在1%的水平下显著。

表1 变量的描述性统计

表4 汇报了逆温差强度对企业杠杆率和融资行为影响的IV 估计的二阶段回归结果，第（1）～（5）列回归的被解释变量分别为企业杠杆率、债务融资、股权融资、短期债务融资、长期债务融资。并且，在本文下设的IV 各表中，各列回归的Kleibergen-Paap F 值均大于Stock-Yogo 10%的临界值水平（约为7.0 左右），回归不存在弱工具变量问题。而且，表4 的第（1）～（5）列回归都控制了年份与企业的固定效应。

从表4 的二阶段回归结果中可以看出，在使用工具变量解决了OLS 模型识别内生性问题的情况下，估计的结果出现了明显的不同。县域PM2.5浓度对企业杠杆率的影响系数为0.005 727，在1%的水平下显著。PM2.5浓度使企业在1%的显著水平下增加了债务融资，系数为0.009 613，对股权融资则无显著影响。在结构上，PM2.5浓度使得短期债务融资在1%的显著水平下增加，系数为0.007 871，长期债务融资则无显著变化。估计结果可以表明，空气污染在一定程度上推动了企业的高杠杆与结构倒挂倾向。总而言之，县域的年度平均PM2.5浓度每上升1 μg/m3，辖区内企业的杠杆率提高0.572 7%，债务融资增加0.961 3%。其中，短期债务融资又增加了0.787 1%，空气污染同时推动了企业高杠杆化与融资结构倒挂。

表2 OLS估计的回归结果

表3 IV估计的一阶段回归结果

3.2 机制检验回归结果

从企业的主观意愿来看，为化解空气污染造成的企业经营风险，企业应该更愿意选择期限更长的融资工具，以达到与融资供给方风险分散、盈亏共担的目的。因此，这样的回归估计结果应该大概率是被动选择的无奈之举。融资需求方借不到期限更长、分散风险效果更好的现金流，存在融资约束的挤压。一般情况下，企业融资必须提供能反映其自身经营效益、现金流水平、资产抵押等企业基本面的财务报表与证明材料，以供银行等融资供给方参考和评估。其构成相对复杂，难以准确、完整的构造变量进行测算。又因中国工业企业数据库中现金流指标的大量缺失，本文参考石晓军和张顺明[40]对商业信用与融资约束强相关性的阐释，使用应收账款除以滞后一期资产总计作为融资约束的代理变量。并用应收账款除以资产总计构造“融资约束（一）”，以供稳健性检验。企业应收账款占比越高，应收还未收回来的资金越多，现金流转越慢。而反映在财务报表上，企业的经营指标不佳，其赖账的经营风险越高，企业遭遇的融资约束也就越强。

表5 汇报了县域PM2.5浓度对企业融资约束影响的IV 估计二阶段回归结果。PM2.5浓度上升，企业的融资约束增加，系数为0.002 624，且在1%的水平下显著。并且，稳健性检验的结果与之相一致。PM2.5浓度上升，融资约束增加且显著，IV的二阶段回归估计结果稳定。县域PM2.5浓度每上升1 μg/m3，企业遭遇的融资约束同时增加0.262 4%。可在一定程度上判定，企业杠杆率的结构倒挂倾向是融资约束挤压下被动选择的无奈之举，是融不到更长期限资金下的权宜之计，造成了融资渠道以短债为主的“堰塞湖”。

4 稳健性与异质性检验

4.1 稳健性检验

为了检验工具变量2SLS 回归结果的稳健性，本文进行了5 组变量替换：第（1）列是将小于0 的逆温值替换为0；第（2）列是变更逆温变量，变更为统计地区一年内逆温现象出现的天数；第（3）列是替换双线加权县年度平均的PM2.5浓度，变更为最邻近点县年度平均的PM2.5浓度（mpm25b）。稳健性检验的一阶段回归结果如表6 所示。

表6 显示，工具变量的一阶段回归结果稳健。第（1）列为将小于0 的逆温值替换为0 的一阶段回归结果；第（2）列为统计一年内逆温现象出现的天数构造逆温变量的一阶段回归结果；第（3）列为空气污染变量变更为最邻近点县年度平均的PM2.5浓度（mpm25b）的一阶段回归结果。可见，其系数均为正，分别为4.623 42、0.014 006、4.802 177，且在1%的水平下显著，一阶段回归结果稳健。

表4 IV估计的二阶段回归结果

表7 为工具变量稳健性检验的二阶段回归结果。为了节省篇幅，表7 中仅汇报了核心解释变量的系数，且均控制了年份与企业固定效应，这里不再赘述。表7 中二阶段回归的Panel A、Panel B、Panel C 为稳健性检验，变量替换方式分别对应表6 的第（1）～（3）列，即：Panel A 将小于0 的逆温值替换为0；Panel B 统计一年内逆温现象出现的天数；Panel C 将空气污染变量变更为最邻近点县年度平均的PM2.5浓度（mpm25b）。可见，稳健性检验的结果基本与原工具变量基准模型回归估计结果相一致。县域空气污染的PM2.5浓度对股权融资的影响不显著，对企业杠杆率产生显著的正向影响，推动了企业的高杠杆化与债务融资行为。结构上，这一推动作用又反映在推动短期债务融资正向增长上，存在着融资约束挤压下的结构倒挂倾向。

4.2 异质性检验

基本回归、机制和稳健性检验结果证实了：空气污染使得企业融资需求、融资约束同时上升而出现了融资结构倒挂倾向。从环境与生态文明的视角，为我国企业的高杠杆化、融资结构倒挂现象提供了一个新颖的解释。但是，在现阶段政府环保治理全面推行、力度不断加强的情况下，是否有效地协同“去杠杆”经济政策，遏制了这一从自然环境风险传导到企业风险、经济风险的传播途径？这值得探讨与研究。另外，我国省直管县的县级政府收支、权责、治理结构改革已经证明了对空气质量这一地方公共物品的供给有改善作用，但是否对切断自然风险转换为企业经营风险、金融风险、经济风险的传播途径有积极作用？这尚未有研究。而贫困县划定、精准扶贫作为党的十八大实现全面建设小康目标的关键政策，其赋予了对应的县级行政单位一定的特殊性。本文分组进行空气污染对企业杠杆率、融资行为的异质性分析，这对于提高认识以评估政策的协同效应很有必要。研究分别基于2012 年大气环保治理实施新标准前后、财政省直管县改革、全面省直管县改革、贫困县划定，使用分组回归以进行异质性检验。

表5 机制检验的回归结果

4.2.1 基于新标准实施前后的分组回归结果

2012 年，环保部发布了《关于实施〈环境空气质量标准〉（GB3095—2012）的通知》（环发〔2012〕11 号）（以下简称《通知》）。《通知》提出了以增加污染物监测项目、加严部分污染物限值为主要手段的大气污染防治、环境质量改善策略。与此同时，与《环境空气质量标准》相对应的《环境空气质量指数（AQI）技术规定（试行）》也同步推出。对PM2.5浓度实时监测的“蓝天保卫战”在地方政府的治理层面上更是不断展开。据此，本文基于新标准实施前后的时间区间划分对样本进行分组回归，以进行PM2.5浓度对企业杠杆率与融资行为影响的异质性分析，旨在剖析其与“去杠杆”供给侧结构性改革经济政策的协同作用。

表6 稳健性检验的一阶段回归结果

表7 稳健性检验的二阶段回归结果

表8 为使用逆温差强度作为工具变量，检验PM2.5浓度对企业杠杆率与融资行为影响的分组回归结果。为节省篇幅，表8 中仅汇报了核心解释变量的系数，且均控制了年份与企业的固定效应，这里不再赘述。Panel A 为2012 年新标准实施前样本，Panel B 为2012 年新标准实施后样本。在新标准实施前，PM2.5浓度显著提高了企业杠杆率、推动了债务融资；结构上，短期债务融资显著增加，融资约束增强。实施后，PM2.5浓度只对债务融资有显著正向影响；结构上，融资需求涌入了长期债务融资。PM2.5浓度对企业高杠杆、融资结构倒挂的推动作用，在新标准实施后得到了有效遏制。机制上，融资约束的挤压作用得到缓解，切断了风险传导途径，环保治理与“去杠杆”经济政策产生了一定的协同效应。在融资约束释缓的情况下，因为股权融资约束的极高门槛，融资需求被疏通到了长期债务融资之上，债务融资内部的结构倒挂倾向得以消除。

4.2.2 基于财政省直管县改革的分组回归结果

2002 年开始，浙江、湖北、河南、山东、福建、广东等先后根据本省份的具体情况，实施了财政省直管县改革，将一部分归属于地级市的经济管理权和社会管理权直接赋予经济强县，在财政体制等方面实行了“省直管县”。客观上，赋予了县域政府财权，调动了地方积极性，促进了地方经济发展。财政省直管县改革通过拉动地方经济增长，间接改善了地方融资环境。然而，地方政府在晋升激励的作用下，往往具有“唯GDP 论”的生产性支出偏向。在这种背景下，地方政府是否会优化空气质量这一地方公共物品供给，坚持高质量发展原则，秉承“去杠杆”政策指导，改善县级经济环境特征，释缓融资约束，遏制企业高杠杆与结构倒挂倾向？这值得探讨。本文基于财政省直管县改革进行分组回归，以实证分析这一县域财权改革与“去杠杆”供给侧结构性改革的协同作用。

表9 为基于财政省直管县改革分组的IV 估计的二阶段回归结果。为节省篇幅，表9 中仅汇报了核心解释变量的系数，且均控制了年份与企业的固定效应，这里不再赘述。Panel A 为未实施财政省直管县改革样本，PM2.5浓度增加会显著地拉升融资约束，从而驱动企业显著地借助短期债务，增加债务融资，导致企业高杠杆化与结构倒挂倾向。Panel B中的样本实施了财政省直管县改革，PM2.5浓度对企业杠杆率与融资行为、融资约束均无显著影响。这说明此项改革有效地遏制了企业的高杠杆化与融资结构、债务结构倒挂倾向，并与“去杠杆”供给侧结构性改革产生了协同效应。

4.2.3 基于贫困县划定的分组回归结果

从2012 年开始，在精准扶贫的大背景下我国开展了国家级贫困县划定政策。这些县又被称为划定国家扶贫工作重点县或国定贫困县，是国家为帮助贫困地区设立的一种标准，在全国一共设立了832 个国家级贫困县。2020 年11 月23 日，我国832 个国家级贫困县全部脱贫摘帽，党和国家这一波澜壮阔的脱贫攻坚工作是全面建设小康社会下惠民生的伟大成就与壮举。同时，贫困县划定通过各类政策倾斜，改变了县域特征与政治资源，深刻地影响着地区内的经济条件与融资环境。同样地，基于贫困县划定，进行PM2.5浓度对企业杠杆率、融资行为、融资约束影响的分组回归与异质性分析，有利于厘清精准扶贫与“去杠杆”供给侧结构性改革两项重大政策之间的相互关系，并以环保治理为纽带提供一个政策分析的新视角。

表8 基于新标准实施前后的异质性检验

表9 基于财政省直管县改革的分组回归结果

表10 给出了基于贫困县划定分组的二阶段回归估计结果。为节省篇幅，表10 中仅汇报了核心解释变量的系数，且均控制了年份与企业的固定效应，这里不再赘述。由Panel A 可以看出，在未被划定为贫困县的分组样本中，县域空气污染的PM2.5浓度指标对企业杠杆率、融资约束、融资行为均具有正向影响，且在1%的水平下显著。而在Panel B 被划定为贫困县的分组样本中，县域空气污染的PM2.5浓度指标对各项变量均无显著影响。简而言之，贫困县划定改革、精准扶贫增加了本地区企业的政治资源与政策倾斜度，遏制了由空气污染所引致的企业杠杆化与结构倒挂倾向。

5 结论与政策建议

本文通过使用卫星反演的空气污染PM2.5数据、中国工业企业数据等数据库共同构建了数据集，使用大气层中的逆温差强度作为工具变量，实证分析了县域PM2.5浓度对企业杠杆率与融资行为的影响，提供了一个从空气质量这一环境因素来解释企业高杠杆化与融资结构倒挂的新视角，得到了如下几个结论：一是空气污染提高了企业风险，赋予了企业融资冲动，分散风险的动机导致企业的杠杆率提高。二是空气污染中的PM2.5浓度增加减慢了企业的现金流转，造成应收账款囤积，强化了企业融资约束，阻碍企业获得股权融资、长期债务融资以分散风险的可能。因此，增量的融资需求被融资约束挤压到了短期债务之中，形成了倒挂的存量资本结构，共同造成了企业的高杠杆化与结构倒挂倾向。三是通过兼论环保治理与县级改革的异质性分析，判定2012 年的环保治理新标准实施、财政省直管县改革、全面省直管县、贫困县划定与“去杠杆”政策具有抑制空气污染导致企业高杠杆化与结构倒挂倾向的协同效应。从宏观层面来看，“去杠杆”、环保治理、省直管县改革、精准扶贫、“碳达峰”和“碳中和”等国家重大政策的实施具有互相促进的协同效应。

结合以上结论，本文提出如下政策建议。首先，对于遏制企业高杠杆化与结构倒挂倾向、对融资约束的释缓至关重要。所以，应该广开长期债务与股权融资渠道，践行债转股试点改革，优化企业融资结构，提高企业通过合理融资分散风险的自主性。其次，对空气污染的治理与对企业“去杠杆”目标的实现并不矛盾，完全可以兼顾，一起协同推行，以促进我国经济高质量发展。再次，推动财政省直管县等扩大县级政府社会经济管理自主权的改革，有利于改善地区融资环境，实现企业“去杠杆”。简政放权、权力下放势在必行，更是大势所趋。最后，政府要重视空气污染等自然风险扩散到金融风险、经济风险的传导与累积。引导企业与其他微观主体有效地切断传导途径，消除风险囤积，打好防范重大金融风险攻坚战。顶层设计上还要对地方官员实行多维绩效考核，提供晋升激励以兼顾防范隐性风险，以促进生态文明与经济高质量发展相互协同。

表10 基于贫困县划定的分组回归结果