环境管制如何影响绿色信贷发展？

林伯强，潘 婷

（厦门大学管理学院中国能源政策研究院，福建 厦门 361005）

改革开放以来，经济飞速增长引起的环境污染问题，使发展以绿色信贷为主的绿色金融模式成为推动绿色低碳转型、促进社会资源的优化配置以及实现可持续发展的重要举措［1-2］。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，发展绿色信贷和绿色直接融资，促进经济社会发展全面绿色转型”。近年来，尽管中国绿色信贷总量实现了持续增长，但它在信贷总额中的占比仍然较低，实施效果远未达到预期水平［3］。相关研究表明，地方政府在绿色信贷政策实施中发挥重要作用，但由于地方政府在决策制定中需要同时兼顾经济发展水平与环境治理能力，从而实现地方福利最大化目标［4-5］。在绿色信贷政策下，商业银行减少了对高污染企业的融资额度，而高污染产业作为一些地区的主导经济产业，会对地方经济发展和环境污染水平产生重要影响，进一步影响地方政府在经济发展和污染治理之间的博弈均衡。因此，尽管研究表明地方政府环境管制对绿色信贷发展水平产生重要影响，但在这种博弈均衡下的环境管制强度会如何影响绿色信贷的发展尚未可知。因此，博弈均衡下的政府管制强度是否会影响绿色信贷政策的发展水平？影响程度有多大？影响机制有哪些？以及对不同地区是否存在异质性影响？研究以上问题，对于促进绿色信贷发展，改善环境管制治理效果，缓解环境污染问题以及尽快实现碳中和目标具有重要意义。

1 文献综述

中国的绿色信贷政策于2007 年开始实施，主要是通过贷款利率和贷款额度等手段支持节能环保企业，同时对污染企业采取处罚措施，刺激企业开展环境创新活动，促进高污染企业绿色转型升级，从而减少环境污染，提高能源利用效率，实现环境保护与经济发展的双赢［6-8］。随着碳中和目标的提出，企业承担着碳达峰碳中和的绝大部分任务，面临着巨大的机遇与挑战。“双碳”目标赋予了绿色信贷新的使命，要求充分发挥绿色金融的资源配置、风险管理和市场定价功能。绿色信贷能够为节能减排产业与负减排技术项目提供稳定的资金支撑，向节能企业提供直接且便利的融资手段，在环境管制和实现碳中和目标中发挥着越来越关键的作用［5］。

尽管中国近年来绿色信贷总量持续增长，绿色信贷余额处于世界领先水平，但它在信贷总额中的占比仍然较低，实施效果远未达到预期水平［3］。学者们对此众说纷纭，认为社会公众责任缺失、配套法律法规不完善、监管部门制度不健全等因素是阻碍绿色信贷发展的重要原因。一些研究认为绿色信贷政策在实施过程中需要社会居民具有较强的、有责任感的高效监督，公众环境责任缺失往往会造成绿色信贷交易失效［9-10］。此外，配套政策法律不完善，激励约束机制不健全和企业环境信息披露不足等因素造成了商业银行发展绿色信贷存在很多欠缺之处［3，11］。更多的学者将绿色信贷政策实施效率低下的原因归于地方政府，认为地方政府的地方保护主义、环境信息披露不充分、监管不到位和处罚不力等因素造成绿色信贷政策难以实施。绿色信贷政策对中国经济重点产业特别是欠发达地区的经济重点企业产生广泛影响，在地方保护主义下，银行很难减少或停止对这些企业或项目的信贷发放，阻碍了绿色信贷得到有效实施［12］。一些研究进一步分析认为，由于地方政府向银行提供的环境信息披露不充分，银行缺乏相应的环境信息，使得绿色信贷政策难以实施［4-5］。曹洪军等［8］同样认为地方政府存在环境监管不到位或处罚不力等问题，宽松的环境管制造成企业、银行和政府等理性行为主体在目标上存在一定冲突。

由于政府环境管制是解决环境外部性的重要手段，也是推动绿色金融发展的重要力量，相关研究认为可以通过加强地方政府环境管制来促进绿色信贷发展，但就文章重点关注的地方政府环境管制如何影响绿色信贷发展来看，目前的研究还相对较少。孙鳌［7］认为当地方政府环境管制程度较低时，“两高”企业面临较低的违法成本，造成企业宁愿接受环境处罚，也不会考虑进行绿色转型。韩丰霞等［6］认为地方政府应提高环境管制强度，促进绿色信贷发展。一方面，绿色信贷政策有助于污染企业基于自身利益减少污染排放，从而避免环境破坏造成的地方社会福利损失。另一方面，污染企业在融资约束压力下进行绿色转型升级，有助于降低政府部门的监管成本。叶莉等［13］认为，地方政府环境监管不到位造成绿色信贷制度推行不力，企业绿色项目投资受限制，地方政府应加强环境管制促进绿色信贷规模扩大。但以上研究大多停留在理论层面，而缺乏从实证上分析环境管制对绿色信贷发展水平的研究。

由于绿色信贷政策下污染企业和地方政府存在不同的目标函数，在决策中存在相互制约和影响，因此运用博弈论分析绿色信贷交易行为更加合理［8］。罗四维［9］和王朝弟等［14］同样认为需要将绿色信贷行为的相关利益主体引入博弈分析中，才能较好地找到绿色信贷失效的关键因素。然而，现有的基于博弈论视角的研究基本集中于分析环境管制或绿色信贷对企业盈利或绿色发展的影响。在环境管制方面，Feng 等［15］将政府与制造商之间的利益冲突问题形式化为博弈论模型，评估了低碳技术市场中与政策法规相关的制造商的经济效益。Chong 等［16］和Wang 等［17］采用演化博弈分析了污染企业和地方政府之间的关系，认为仅增加地方政府的环境处罚并不能激励地方政府履行其管制职责。在绿色信贷政策方面，Deng 等［18］建立了由制造商、供应商和银行三方组成的博弈模型，分析认为绿色信贷政策促进了绿色项目的发展，为制造商和供应商带来了更高的利润。张秀生等［5］分析了静态博弈下绿色信贷相关主体的行为选择，王朝弟等［14］采用演化博弈模型分析了绿色信贷政策下监管者与银行之间的博弈均衡。但在上述研究中，很多研究只是从静态博弈的角度，而没有从动态博弈的角度进行分析，或者仅从监管者的角度分析绿色信贷的影响，而忽略了地方政府与企业之间的博弈。

通过梳理相关研究发现：①地方政府因素是目前绿色信贷政策实施效率低下的重要原因。虽然以往学者对地方政府影响绿色信贷的相关研究已取得一定成果，但之前的相关研究还相对缺乏。②在绿色信贷政策下，相关利益主体的行为是动态演变的过程，但现有研究大多基于静态模型的角度展开分析。③已有研究主要集中于定性分析地方政府与绿色信贷发展水平之间的关系，而缺少从定量层面对环境管制影响绿色信贷发展内在机制的探讨。因此，该研究的边际贡献在于以下几个方面：第一，拓展了绿色信贷发展的研究框架，探讨了地方政府环境管制对绿色信贷发展的影响。第二，基于演化博弈理论模型的视角，从理论上厘清了环境管制对绿色信贷发展的影响机制。第三，研究了环境管制对不同地区的异质性影响及其机制效应，为绿色信贷发展提供了有针对性的政策建议。

2 理论模型与研究假设

2.1 理论模型构建

文章通过构建博弈模型分析环境管制对绿色信贷发展的影响。由于环境管制强度涉及地方政府有限的财政资源在多个目标间的重新配置，是地方政府、社会公众、商业银行及企业多方动态博弈过程［7］，且地方政府环境管制直接作用于微观高污染企业并促进企业绿色转型升级，因此该研究首先采用演化博弈模型来分析微观机制下地方政府环境管制与高污染企业绿色转型升级之间的关系［19］，然后通过博弈均衡点加总分析宏观层面环境管制对绿色信贷发展的影响。考虑企业环境信息披露、商业银行融资约束以及公众监督对二者关系的影响，模型基本假设如下所示。

（1）考虑地方政府环境管制的三种主要手段：处罚、征税、补贴。假定地方政府有加强管制和放松管制两种不同程度的监管形式，地方政府通过调节环境管制强度实现地方社会福利最大化。①征税：假定环保税率为α，政府对高污染企业绿色转型升级减免后的税率占实际环保税率的比为ξ，本期税费由税率和上一期企业污染排放当量Q决定。②罚款：政府加强管制时对高污染企业的罚款为F，放松管制时罚款为ηF，0 <η< 1，η表示地方政府监管不力引致的罚款比率下降。③补贴：政府加强管制时对高污染企业绿色转型升级的补贴为S，放松管制时补贴为βS，0 <β< 1。④监管成本：政府加强监管时成本为C，放松监管时成本为γC，0 <γ< 1。

（2）企业考虑高污染企业和绿色企业两种，由于地方政府环境管制主要作用于高污染企业并促进企业绿色转型升级，因此该研究讨论高污染企业绿色转型升级或者不升级两种情况来应对地方政府环境管制手段，从而实现利润最大化。①收益：高污染企业绿色转型升级时的收益为R，不升级时收益为R'。②投入：高污染企业绿色转型升级所需的额外投入为I。③融资水平：受绿色信贷政策影响，商业银行在收到地方政府环境信息披露后给绿色企业的融资额为D，给高污染企业的融资额为εD，0 <ε< 1，环境信息未被披露时企业融资额统一为D，融资给企业带来的收益率为θ，0 <θ< 1。④外部性：高污染企业绿色转型升级会使社会福利提高W，不进行转型升级造成环境损害会使社会福利降低E。⑤企业环境信息披露程度ρ，中国的环境信息披露是由自愿性披露和强制性披露构成的混合模式，由于地方政府环境管制强度会影响企业的强制性环境信息披露程度，因此假定政府加强管制时企业的强制性环境信息披露程度为ρ1，放松管制时为ρ2，ρ1>ρ2> 0［20-21］。另外，绿色企业自愿性环境信息披露程度为ρ3，高污染企业为ρ4，ρ3>ρ4，自愿性环境信息披露可以提高企业形象，使企业利润水平提高ρM。

（3）商业银行：企业环境信息披露程度会影响商业银行对企业污染程度的判断并根据绿色信贷政策实行融资约束，进而影响企业的融资成本。环境信息披露后，商业银行向高污染企业贷款利率为r1，向绿色产业贷款利率为r2，r1>r2，环境信息未被披露时的贷款利率统一为r2。

（4）公众监督：社会公众有权通过举报违法排污企业对环境保护工作进行监督，公众监督的热情受政府环境管制强度的影响，较高的环境管制强度意味着更高的环保宣传力度和对违法排污企业更严格的惩治力度。公众举报违法排污企业的概率为τ，政府加强监管时为τ1，放松监管时为τ2，τ1>τ2，公众举报可以为政府节省τC的监管成本。当地方政府放松管制时，公众举报违法排污企业会给政府带来一定的声誉损失，使政府收益降低τ2P。

假定高污染企业进行绿色转型升级的概率为x，不升级的概率为1 -x，地方政府加强管制的概率为y，放松管制的概率为1 -y。地方政府与高污染企业的收益支付矩阵如表1所示。

表1 地方政府与高污染企业的收益支付矩阵

2.2 演化博弈分析

（1）高污染企业绿色升级的收益为：

高污染企业维持现状的收益为：

高污染企业的平均收益为：

企业动态复制方程：

令L(x) = 0解得

（2）地方政府加强管制的效用为：

地方政府放松管制的效用为：

地方政府的平均效用为：

政府动态复制方程：

（3）求绿色信贷水平（GC）。设原来绿色产业占比为a，绿色信贷水平表示为绿色产业贷款余额占总产业贷款余额之比。则：

将五个演化均衡点：(x*，y*)（x*∈(0，1)且y*∈(0，1)），(0，0)，(0，1)，(1，0)和(1，1)代入绿色信贷发展水平中：

④(1，0)，GC= 1，高污染企业全部实现绿色升级，地方政府放松管制。

⑤(1，1)，GC= 1，高污染企业全部实现绿色升级，地方政府加强管制。

2.3 提出假设

基于以上分析，文章提出以下研究假设。

H1：根据结论①，绿色信贷（GC）随环境管制强度（y*）先上升后下降，说明地方政府环境管制与绿色信贷水平之间存在非线性关系。

H2：由于公众监督（τ）在结论①中同时进入截距项与斜率项，因此公众监督会影响环境管制与绿色信贷之间的关系，所以公众监督对环境管制影响绿色信贷具有调节作用。

H3：根据结论②和③，环境管制会影响环境信息披露程度和商业银行融资额度约束程度，进而影响绿色信贷水平，因此企业环境信息披露程度和商业银行融资约束对环境管制影响绿色信贷可以发挥机制作用。

3 模型构建与变量说明

3.1 模型构建

根据前文的理论分析，文章采用2007—2019 年中国30个省份的面板数据进一步分析环境管制对绿色信贷的影响（由于部分数据缺失，西藏、香港、澳门和台湾地区予以剔除）。构建如下的固定效应模型：

其中：i和t分别表示地区和时间，ER表示环境管制强度，credit表示绿色信贷，control为一系列控制变量，δi表示个体固定效应，μt表示时间趋势效应，εit为随机误差项。为了分析环境管制与绿色信贷发展的非线性关系，该研究在回归模型中加入了环境管制的二次项。

3.2 变量说明

（1）被解释变量。被解释变量为绿色信贷（credit）。目前绿色信贷的主要量化方法包括绿色信贷占比、节能环保项目及服务贷款占比和六大高耗能行业利息支出占比。由于前两种绿色信贷衡量指标只有全国层面的数据而无法精确到地区层面，而文章主要分析地方政府环境管制强度是否会影响该地区绿色信贷发展水平，故而采用地区层面的数据更合适。但目前已有文献对于绿色信贷的省级量化指标可能还没有更好的替代变量，采用高耗能产业利息支出占比衡量地区绿色信贷水平可以在一定程度上间接反映地区绿色信贷发展水平［22］，故文章选用（1-各省六大高耗能产业利息支出占工业产出利息总支出的比率）来衡量绿色信贷水平。六大高耗能产业包括石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业，非金属矿物制品业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，以及电力热力的生产和供应业。数据来自《中国工业统计年鉴》，由于2019 和2018 年的年鉴尚未出版，因此2018 年的数据来自《中国经济普查年鉴》，2017年数据缺失予以剔除。

（2）核心解释变量。核心解释变量为环境管制（ER）。参照张成等［23］的方法，采用各省工业污染治理投资额与工业增加值的比值作为度量环境管制强度的指标，并采用环境处罚案件数作稳健性分析。近年来国内外衡量环境管制强度的代理变量有很多，如环境污染治理投资、环境管制政策、环境处罚案件数、工业污染物治理水平等。该研究基于数据完善性和可获得性的角度，工业污染治理投资占比在一定程度上反映了地方政府的环境治理上的投入水平，可以在一定程度上表示地方政府环境管制强度。环境污染治理投资额包括工业污染源治理投资、城市环境基础设施建设投资额、建设项目“三同时”环保投资三个部分，数据来自《中国环境统计年鉴》。

（3）控制变量。为了控制除环境管制之外的其他因素对绿色信贷的影响，基于以往相关研究［24-30］，文章采用以下控制变量作为影响绿色信贷的主要因素展开分析：金融化程度（deposit），即金融机构存款占GDP的比重。受教育水平（edu），即人均受教育年限作对数处理。行业特征变量（fix），即六大高耗能行业固定资产投资额占比。产业结构（str），采用产业结构高度化（第三产业与第二产业产值之比）来表示。技术创新水平（patent），采用专利授权数量并作对数处理。数据主要来自《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》和国家统计局。文章对连续性变量采用1%和99%的缩尾处理，表2给出各变量的描述性统计。

表2 描述性统计

4 实证分析

4.1 基准回归结果分析

表3 显示了环境管制对绿色信贷影响的检验结果。列（1）仅包含环境管制的一次项，列（2）—列（4）加入环境管制二次项并逐步添加控制变量，采用聚类调整标准误差进行回归。列（4）结果显示，在控制省份固定效应和时间趋势效应的检验下，环境管制与绿色信贷存在倒“U”型关系，假设1 成立。当环境管制强度较低时，环境管制提高了绿色信贷水平；当环境管制过度时，环境管制会抑制绿色信贷发展。具体来看，当环境管制程度较低时，加强环境管制会使污染企业面临更严格的环境监管与处罚，促使企业绿色转型升级，进而提升绿色信贷水平。当环境管制过度时，一方面环境管制程度继续提高会增大企业的环境成本，企业此时通过绿色转型升级也难以达到管制标准，因此只能通过缩减产量和降低研发支出支付环境成本，从而造成绿色信贷水平降低；另一方面，企业绿色转型程度基本成熟时，技术创新水平已经达到一定高度，此时进一步的技术研发会产生过高的边际成本，因此企业对信贷融资的需求下降，从而绿色信贷水平逐渐降低。绿色信贷达到最高点时对应的环境管制强度为5.377%，而目前全国平均环境管制强度为3.682%，说明当前环境管制对绿色信贷的影响存在一定的促进作用，可以通过加强环境管制强度提升绿色信贷水平。

表3 基准回归

控制变量的检验结果表明，技术创新和受教育程度可以显著提高绿色信贷水平；产业结构与绿色信贷正相关，但系数不显著；行业特征与绿色信贷负相关，系数不显著；与前人研究结果不同的是，金融化程度对绿色信贷存在负向影响，系数不显著，这可能是因为金融程度高的地区存在更高的经济产出效应，因而对环境效应存在一定的挤出效果，从而抑制了绿色信贷的发展。

4.2 调节效应

公众监督是一种有效的环境管理机制，有助于作为环境管制的补充，提升政府环境管理决策的规范性和有效性［31-32］。文章检验公众监督对环境管制影响绿色信贷的调节作用，公众监督采用“环境污染来信数量”表示。数据来自《中国环境年鉴》，其中2007—2010 年的数据是“环境污染来信数量”，2011年之后的数据是“环境污染来信数量+电话/网络投诉数”。交互项中的公众监督与环境管制变量均做中心化处理。根据Haans 等［33］对“U”型和倒“U”型模型调节效应的分析，在形如Y=β0+β1X+β2X2+β3XZ+β4X2Z+β5Z地加入调节变量之后的倒“U”型方程中，若β1β4-β2β3> 0，则倒“U”型拐点随着Z增加右移，若β1β4-β2β3< 0，则拐点随着Z增加左移。在倒“U”型曲线中，若β4> 0，则曲线变得更加平坦，若β4< 0，则曲线变得更加陡峭。

表4 的检验结果显示，列（2）中环境管制一次项与公众监督交互项的系数为正，且β1β4-β2β3> 0，则曲线拐点随着公众监管强度增加右移，说明环境管制与绿色信贷倒“U”型拐点延迟。环境管制二次项与公众监督交互项系数为负，说明公众监督的出现使环境管制与绿色信贷的关系曲线更为陡峭。检验结果证明了公众监督对环境管制影响绿色信贷存在调节效应，假设2成立。由于在列（2）的模型中加入了中心化之后的调节变量，曲线可能由此发生翻转，Haans等［23］对产生该现象的原因进行了解释，调节变量Z大于或小于时曲线会发生翻转，由于文章中，因此Public>9.285 时，曲线为倒“U”型，Public<9.285时曲线翻转为“U”型，如图1所示。

表4 调节效应检验

从图1可以看出，当公众监督程度较高时，公众作为一种外部监督力量对企业施加一定的环境压力，为满足公众的绿色诉求，企业会减少对环境污染项目的投入，因此公众监督可以促进高污染企业绿色转型升级，进而对环境管制与绿色信贷的关系起到正向调节作用，强化了二者的倒“U”型关系，使得环境管制促进绿色信贷发展的上升速度更快。当公众监督程度较低时，企业响应公众绿色诉求增加的环保投资成本会高于环保投资收益，从企业逐利性方向考虑，公众监督不再具有环境效力，但由于公众监督影响了地方政府的声誉，降低了政府环境管制的收益，从而对环境管制与绿色信贷的关系起到反向调节作用，此时需要政府实施严格的环境管制才能有助于绿色信贷发展。

图1 公众监督与绿色信贷

4.3 影响机制

（1）环境信息披露（information）。根据理论假设，环境管制强度提高会增加企业环境信息披露程度，使得高污染企业面临更高的排污成本从而进行绿色转型升级，提高绿色信贷水平［34］。借鉴李强等［35］方法计算上市重污染企业环境信息披露质量指数并求出地区平均值，数据来自上市企业年报、社会责任报告及可持续发展报告。

（2）融资约束程度（finance）。根据理论假设，环境管制强度提高会增加商业银行对高污染企业的融资约束程度，使得高污染企业面临更高的融资成本从而进行绿色转型升级，提高绿色信贷水平。采用金融市场发展程度来作为衡量融资约束程度的反向指标，金融业市场化程度指数可以反映地区市场化发展水平和程度指标，数据根据王小鲁等［36］的《中国分省份市场化指数报告（2018）》整理。

（3）政府补贴（subsidy）与政府税收（tax）。根据理论模型的分析，地方政府在执行环境管制时存在处罚、征税、补贴三种主要的环境管制手段，不同环境管制手段的执行存在不同的环境管制效果，进而会对绿色信贷水平产生差异性影响。数据来自CSMAR数据库和国家统计局。

如表5中介检验结果显示，列（1）表示基准回归结果，列（2）环境信息披露的中介效果显著但是结果与假设3相反。这可能是因为：在理论分析中环境信息披露强度由地方政府要求的强制性环境信息披露和企业自愿性环境信息披露构成，二者共同提高则有助于促进绿色信贷发展。而在实际中，中国企业的环境信息长期停留在自愿性披露阶段，当地方政府环境管制强度较低时，强制性环境信息披露不充分，披露效果不佳，无法提升环境信息透明度，存在“洗绿”风险，造成对绿色信贷发展的不利影响。因此需要提高环境信息披露的强制性，明确披露内容，采用模式化披露体系，才能更好地发挥绿色信贷政策。列（3）融资约束的中介效应显著，假设3成立。表明随着环境管制强度的提高，高污染企业面临的融资约束程度也会不断增加，企业面临更高的融资成本从而进行绿色转型升级，提高绿色信贷水平。列（4）政府补贴和列（5）政府税收中介效应检验结果显著，其中政府补贴对环境管制影响绿色信贷发挥反向传导作用，政府税收对环境管制影响绿色信贷发挥正向传导作用，说明地方政府可以通过缩减补贴或提高税收的方式加大地区环境管制强度，促进绿色信贷发展。

表5 中介效应检验

4.4 异质性分析

考虑到以高污染企业作为支柱产业的地方政府为保护地区产业经济发展而降低对高污染企业的环境管制强度，从而影响绿色信贷政策的发展水平；以及不同地区绿色金融市场发达程度和环境管制体系完善程度造成的异质性影响。本小节探讨了支柱产业和地区资源配置差异对环境管制影响绿色信贷的异质性影响，检验结果见表6。

表6 异质性检验

（1）支柱产业的异质性：列（1）表示高污染企业为该地区支柱行业，列（2）表示高污染企业非该地区支柱行业，支柱行业由六大高耗能行业的工业消费产值占工业总产值比重的中位数决定。检验结果表明以高耗能产业作为支柱产业的地区，地方政府环境管制对绿色信贷并不存在显著影响，相同的环境管制强度对绿色信贷的提升作用较弱，说明地方政府环境管制无法有效提升绿色信贷，这可能是因为地方政府为保障产业经济发展与社会稳定，通过提供政府补助，税收返还，或者财政贴息的方式放松对高污染企业的环境管制，造成绿色信贷的理念难以贯彻实施。

（2）地区异质性：列（3）、列（4）、列（5）分别为中部地区、东部地区及西部地区，检验结果表明，东部地区环境管制对绿色信贷的促进效果最明显，这可能是因为东部地区环境管制更严格，绿色金融市场更发达，体制更健全，因此环境管制对绿色信贷的促进效果更显著。西部和中部地区的环境管制形式相对而言不甚合理［37］，因此对绿色信贷的促进效果不显著。

4.5 稳健性检验

考虑一阶差分模型、赤道银行的建立、核心变量的选取、绿色信贷政策的颁布、地区能源密集程度、内生性等问题对基准回归结果的影响进行下列稳健性检验，检验结果见表7。①采用一阶差分模型排除不随时间变化的不可观测因素所引起的遗漏变量问题，采用当期数据减去上一期的数据作为新的变量进行回归，检验结果表明倒“U”型依然存在。②排除设立赤道银行的地区，赤道银行由于受赤道原则的影响，绿色信贷发展水平更高［38］。因此排除设立赤道银行的地区进行回归，检验结果说明了排除了赤道银行设立省份之后，环境管制对绿色信贷的影响依然显著。③替换自变量为地方政府环境处罚案件数，数据来自《中国环境年鉴》，将地方政府环境处罚案件数作为污染治理投资水平的替代变量衡量地方政府环境管制水平，研究结果证明，环境管制与绿色信贷依然存在显著的倒“U”型关系，且系数差异不大。④缩短样本时间，采用2012 年《绿色信贷指引》政策颁布之后的样本进行回归。《绿色信贷指引》政策的颁布表明绿色信贷在全国层面的正式开展，选取2012 年之后的样本进行回归排除在此之前绿色信贷发展不均衡的问题，效果依然显著。⑤分样本回归，由于能源密集程度高的地区受能源依赖的约束不易实现绿色转型升级，因此选取能源密集程度较低的地区样本进行回归，检验结果显著，说明回归结果的稳健性。⑥排除2012年《绿色信贷指引》政策冲击的影响，将2012 年绿色信贷政策冲击哑变量加入控制变量，2012GCG变量在2012 年前取0，在2012 年及以后取1，采用地区固定效应进行回归。根据回归结果来看，加入哑变量之后环境管制的一次项系数与二次项系数依然显著，且与基准回归结果差异不大，说明2012 年《绿色信贷指引》政策的颁布对环境管制与绿色信贷水平之间的关系未产生显著影响。⑦工具变量法。文章采用双向固定效应进行回归，因遗漏变量造成的内生性问题可以得到一定程度上的缓解，且环境管制与绿色信贷水平之间不存在显著的双向因果关系。因此，为解决潜在的外生政策冲击对环境管制造成的内生性影响，文章采用前一期环境管制及前一期的二次项作为工具变量加入模型。考虑到误差项存在异方差，因此进行GMM 检验，结果显示在列（7）。第一阶段的F检验值分别为61.21和53.75，大于临界值10，且Cragg‑Donald Wald 检验统计量22.901，大于临界值7.03，可以拒绝存在弱工具变量的原假设，文章选取的工具变量是有效的［39］。加入工具变量后系数的显著性和方向并没有发生改变，说明了文章基准回归结果的可靠性。

表7 稳健性检验

5 研究结论及政策建议

文章利用演化博弈理论模型分析了环境管制对绿色信贷发展水平的影响及其传导机制，并通过面板数据对理论模型提出的假设进行实证检验。研究结果表明：①地方政府环境管制对绿色信贷的影响呈倒“U”型曲线。②公众监督对环境管制影响绿色信贷存在一定的调节作用。③企业环境信息披露和商业银行融资约束是其主要的影响机制。④地区间资源配置变动也会对绿色信贷产生异质性影响。

根据以上研究结论，文章以下从四个角度提出政策建议。

（1）从地方政府的角度而言。政府政策支持是推动绿色信贷发展的重要力量，目前中国的地方政府环境管制正处于倒“U”型曲线的左端，环境管制有利于绿色信贷发展，因此可以进一步健全环境管制机制，加强政府驱动政策，促进绿色信贷发展。以高能耗产业为支柱产业的地区无法充分发挥环境管制对绿色信贷的促进效应，因此可以通过强调地方政府环境责任，将环境意识纳入行政考核，促进高能耗企业绿色转型升级。目前中部地区和西部地区环境管制对绿色信贷的促进作用并不显著，这可能是由于地区环境管制体系不完善，或绿色金融市场不发达造成的，因此可以制定相关政策促进中部和西部地区产业绿色升级，发展绿色金融市场。

（2）从社会公众的角度而言。公众监督可以发挥协调环境管制的作用，在一定程度上降低了地方政府环境治理的监督成本，是环境管制的有益补充，因此公众应加强自身的环保责任感，强调公众参与环境治理的必要性和推动产业转型升级的重要性。公众需要意识到自己是环境污染最直接的受害方，有权利也有义务去维护自己的环境效益，政府等相关部门也要积极配合公众的环境诉求，加强环保宣传工作，激励社会公众积极参与到环境保护工作中。

（3）从商业银行的角度来看。商业银行融资约束有助于开展绿色信贷，因此可以进一步加强对高污染企业的融资约束程度，促进高污染企业绿色转型升级。近年来，中国人民银行、银监会制定和发布了一系列绿色信贷政策，促进商业银行等金融机构大力发展绿色信贷业务，目前已取得显著成效。由于缺乏相关立法保障和激励约束机制，提高对高污染企业的融资约束可能会造成商业银行盈利受损。但对商业银行而言，随着碳中和目标推进带来的整体经济社会低碳转型，“两高”行业的融资会给银行带来转型风险，不利于商业银行的发展。因此商业银行应尽量减少对高碳项目的融资额度，缓解气候风险带来的影响，促进绿色信贷发展。

（4）从高污染企业的角度来看。近年来，节能减排受到中国高度重视，地方政府环境管制强度不断提高，陆续出台了一系列环保法规约束企业污染行为，企业环境成本逐步内部化，违法污染成本不断提高。为适应竞争环境的需求，污染企业必须考虑进行绿色转型升级，而绿色信贷的发展提供了企业升级改造所需的资金支持，因此污染企业基于自身利益最大化具有主动参与绿色信贷行为的动力。此外，企业在追求自身利益的同时需要为社会和资源环境做出努力和贡献，企业履行社会责任有助于提高企业竞争力和声誉，为企业带来新的发展机遇。因此，企业应不断增强企业股东和管理者的环保意识，树立企业形象意识，增强政府与企业之间的信任感，提高企业社会责任意识，使企业、政府、社会之间形成良好互动，为企业可持续发展赢得良好的外部环境。

文章的局限性：①受数据可获得性的限制，研究样本仅限于省级层面，未进一步对微观层面数据展开深入分析。②未进一步分析环境管制对绿色信贷的空间溢出效应等问题。