绿色信贷、债务期限结构与重污染企业投资

曾利珍，毛 莹，屈梦杰，曾晓涵

(武汉纺织大学 经济学院，湖北 武汉 430200)

1 引言

随着近年来经济的持续增长，随之而来的环境问题也日益凸显。企业作为拉动经济增长的重要力量，同时也是环境污染的主要制造者，而环境治理存在负外部性，企业是以追求利润为最高目标，因此企业不会主动去保护环境以及选择绿色发展，这就需要政府制定政策对企业的行为进行约束，从而引导企业走绿色发展道路[1～6]。

绿色信贷政策正是政府赋予银行解决这类问题的一项政策，是绿色金融政策的一种，实质上是在信贷项目上加以环境、社会影响评估，起到金融杠杆的作用，进而推动经济往环境友好型和资源节约型发展。绿色信贷实施主体是银行，银行通过调整资本结构，对环境友好型企业的项目款项加以支持，对环境污染企业的项目款项加以限制，限制“两高一剩”企业贷款，进而推动“两高一剩”企业往绿色产业方向发展，最终实现环境和金融协调发展[7]。

绿色信贷登上舞台开始于2007年发布的《关于落实环保政策法规防范信贷风险的意见》，这是第一次把绿色信贷政策视为保护环境的重要市场手段。我国首个专门针对绿色信贷政策规范性的文件诞生于2012年发布的《绿色信用指引》，而发布这一文件的年份也被视为绿色信贷政策发展的一个关键时间点。2016年发布的《关于构建绿色金融体系的指导意见》，更加增强了绿色信用在建设现代金融体系中的重要地位。2017年,李克强总理也明确提出“大力发展绿色金融”,以充分发挥绿色金融在推进中国金融体系变革过程中的重要作用。2018年,绿色信贷的实质性激励政策在我国落地,同时通过监管推动金融体系绿色化正向全球铺开[8～11]。

2 文献综述

有关绿色信贷政策与重污染企业的文献多集中在投融资及其他方面，投融资即包含投资和融资两个方面，首先，有关绿色信贷政策与重污染企业投融资的研究，研究发现绿色信贷政策对重污染企业存在融资惩罚效应和投资抑制效应[8]。其次，有关绿色信贷政策与重污染企业投资的研究，研究发现绿色信贷政策对重污染企业投资效率有直接抑制作用，并且绿色信贷政策对企业投资效率也有通过对企业形成融资约束带来的间接抑制作用[12]。再次，有关绿色信贷政策与重污染企业融资的研究[1，4，7，10]，其中又包括信贷融资和债务融资两方面，信贷融资方面——研究发现绿色信贷对“两高”企业的信贷融资成本影响有限[7]，绿色信贷政策对重污染企业信贷融资存在抑制作用[4]。债务融资方面——研究发现绿色信贷政策抑制了重污染企业债务融资和替代性融资，提高了重污染企业债务融资成本[1，11]。最后，有关绿色信贷政策与重污染企业其他方面的研究，有绿色信贷政策与企业贷款规模和贷款成本的研究，发现绿色信贷政策对“两高一剩”企业贷款规模有限制，以及提高了“两高一剩”企业贷款成本[6]。

本文将在现有研究的基础上选择其中一个方面：投资方面，进一步研究，并且在现有研究在基础上加入债务期限结构中介变量，讨论绿色信贷政策会对重污染企业的投资产生什么样的影响。另外，学者研究融资方向的较多，或研究投融资，而单独研究投资方向的较少，本文主要是从重污染企业的投资角度出发，对绿色信贷政策的实施效果进行了定量研究，并丰富了绿色信贷政策投资方面的相关研究。

3 理论分析与研究假设

3.1 绿色信贷与重污染企业投资

绿色信贷作为执行以银行为主体，政府为辅的一项政策，通过金融市场对信贷资源进行配置，对绿色项目加以支持，对污染项目加以限制，对企业项目投融资进行管控和严格审核，从源头上控制“两高一剩”企业信贷融资，考虑到企业的主要资金来源银行贷款，将引导企业转型升级走向绿色发展的道路。首先，绿色信贷政策对不符合环保要求和条件的项目不发放贷款，重污染企业的信贷项目是绿色信贷重点考核的，若不能满足要求，则企业信贷减少，随之而来的企业投资也会受到影响，并进一步缩减。其次，企业作为盈利性的主体，更多关注的是企业经营的利润，一般会较少往环境治理投资，而重污染企业用于环境治理的投资则少之更少。再次，绿色信贷政策的管制，对于重污染企业而言，在投融资方面意味着有了更多的约束，将减少一部分投资机会，从而也会导致投资减少。因此，提出假设：

假设1：绿色信贷政策对重污染企业投资存在抑制效应。

3.2 绿色信贷、国有与非国有重污染企业投资

绿色信贷政策对产权性质不同的重污染企业投资会产生不一样的影响，根据产权性质，重污染企业可分成国有重污染企业和非国有重污染企业。相比于非国有重污染企业，国有重污染企业承担了更多的国家政策导向性任务[8]，更强的环保治理水平和环保创新能力[12]。在绿色信贷政策的管制下，对重污染企业少数的投资指标更多时候会分配给国有重污染企业，因此绿色信贷政策发挥作用时，国有重污染企业的投资受到的影响更大。因此，提出假设：

假设2：绿色信贷政策对国有重污染企业的投资抑制作用大于非国有重污染企业。

3.3 绿色信贷、债务期限结构与重污染企业投资

绿色信贷的提出使得重污染企业的政策环境发生了很大变化，而银行作为政策执行的主体，主要任务便是规避风险[2]。重污染企业面临的风险有忽视环境问题的大于贷款成本的整改费用、环境问题带来的损失导致无法还债的违约风险，同时无视环境问题对重污染企业贷款还会造成债权人的声誉风险。另外，绿色信贷政策的颁布，使得对重污染企业发放贷款的风险进一步加大。银行如何降低这些风险呢？银行会采取缩短贷款期限的措施进行降低风险。因此，绿色信贷政策导致企业的中长期贷款比重下降，即债务期限结构受到约束。因此，提出假设：

假设3：绿色信贷政策对债务期限结构存在约束作用，进而抑制重污染企业投资。

4 研究设计

4.1 样本与数据来源

本文选取2008～2021年沪深A股上市公司作为研究样本，根据《证监会2012年行业分类》，将属于电力、热力、燃气生产、采矿、石油加工、化学废料、纺织、皮革、家具、造纸、医药制造、化学原料、橡胶、非金属矿物、黑色金属冶炼、有色金属冶炼和废弃资源业等的企业划分为重污染企业，其他行业则为非重污染行业。

在此基础上，本文剔除ST企业、PT企业、金融企业以及财务数据严重缺失的样本，最终得到8285个有效样本观测值，其中重污染企业4443个观测值，非重污染企业3842个观测值。本文对所有连续变量进行了1%和99%分位的缩尾处理。公司财务数据来自CSMAR数据库，数据分析通过Stata15.1完成。

4.2 模型构建

本文将上市公司样本分为重污染企业和非重污染企业，分别为处理组和对照组，同时以2012年为分界点，分成政策实施前后两个阶段，利用双重差分法可以解决以往简单的差分方法带来的政策评价偏差，也解决了存在的内生性问题，能够更加科学地评价政策效果。

构建如下双重差分(Difference-in-Difference,DID)模型:

Investi,t=α0+α1Treati+α2Postt+α3Treati×

Postt+α4Controli,t+τi+φt+εi,t

(1)

模型(1)中，i，t分别代表企业和年份，εi,t为随机扰动项。Investi,t为企业投资，Treati为样本是否属于重污染企业的虚拟变量，重污染企业取值为1，非重污染企业取值为0。Postt为绿色信贷政策实施前后时间虚拟变量，2012年前取值为0,2012年后取值为1。其中α3代表了绿色信贷政策效果，τi，φt分别为个体固定效应，时间固定效应。

4.3 变量定义

4.3.1 被解释变量

为企业的资本投资变量，以购买固定资产、无形资产和其他长期资产所支付的现金与总资产的比值作为代理变量。

4.3.2 解释变量

Post为绿色信贷政策实施虚拟变量，本文以2012年《指引》发布时间作为分界点，政策实施之前的年份(2008～2011年)定义为0，政策实施后的年份(2012～2021年)定义为1。

Treat为是否为重污染企业的虚拟变量，本文根据《证监会2012年行业分类》将上市公司样本分为重污染企业定义为1，非重污染企业定义为0。

TreatPost反应绿色信贷政策效果的交互项变量。

Debts为债务期限结构，定义为长期负债与总负债的比值。

4.3.3 其他控制变量

本文选取了以下控制变量:企业规模(Size)以企业总资产的对数进行衡量、现金水平(Cash)以期末现金及其等价物与总资产的比值进行衡量、盈利能力(Roa)以净利润与总资产余额比值进行衡量、投资机会(Tq)为托宾Q值、企业上市年龄(Age)以企业上市年龄的对数进行衡量、发展能力(Growth)用营收增长率进行衡量、企业负债率(Lev)以总负债与总资产的比值进行衡量。

此外，回归方程中还控制了年度虚拟变量Year、行业虚拟变量Industry以及地区虚拟变量Province，地区虚拟变量按照上市公司注册地所在省份进行定义(表1)。

表1 变量定义

5 实证分析

5.1 描述性统计

利用Stata15.1对数据进行分析，得到表2描述性统计的结果。根据Invest的最大值为0.240与最小值为0.000276，可以得到我国企业间投资差异较大。根据Debts的平均值为0.215和标准差为0.188，可以得到以短期债务为主，中长期债务占比较少。

5.2 基准回归分析

表2提供了绿色信贷政策对重污染企业投资的影响的固定效应回归结果，分别控制个体效应和时间效应，列(1)没有加入个体和时间固定效应，交互项(TreatPost)的系数在1%的水平上显著为负，列(2)加入了时间固定效应，交互项的系数在1%的水平上显著为负，列(3)同时加入个体和时间固定效应，交互项系数在1%的水平上显著为负，因此，假设2成立，表明绿色信贷政策对重污染企业投资产生了负向作用，存在投资抑制。

对于假设2产权异质性，采用了产权性质变量State，进行回归得到表3中(4)、(5)列分别代表绿色信贷政策对国有、非国有重污染企业的影响，通过交互项(Treat×Post)的系数，可以发现国有重污染企业交互项系数显著为负，而非国有重污染企业系数不显著，可见绿色信贷政策对国有重污染企业的投资抑制作用大于非国有重污染企业，假设2得证。

表2 描述性统计

表3 基准回归分析

5.3 稳健性检验

5.3.1 替换解释变量

为验证上述结论的稳健性，采取替换解释变量的方法，将是否重污染企业的虚拟变量Treat和政策实施时间点的虚拟变量Post的交互项TreatPost代表的绿色信贷政策效果解释变量替换成绿色信贷余额(Green)，进行固定效应回归，得到回归结果如表3所示，通过回归结果可以发现Green的系数在1%的水平下显著为负，因此结论与上面一致，验证了结论的稳健性(表4)。

5.3.2 影响机制检验

为验证债务期限结构的中介作用，借鉴滕云和高辉的方法，采取中介效应模型进行检验(表5)，构建以下模型：

Debti,t=β0+β1Treatedi+β2Periodt+β3Treati×

β4Controli,t-1+μi+φt+εi,t

(2)

Invi,t=γ0+γ1Treatedi+γ2Periodt+γ3Treati×

γ4Debti,t+μi+φt+εi,t

(3)

模型(2)、模型(3)中，Debti,t表示债务期限结构，用长期负债与总负债的比值衡量，其他变量定义与模型(1)中一致。

模型(1)中的系数显著为负，表明绿色信贷政策对重污染企业投资存在抑制作用，在系数显著的情况下，进行下一步检验，模型(2)中的系数显著为负时，才能表明绿色信贷政策对债务期限结构存在约束作用，在系数为负时，进行下一步检验，在模型(3)中，系数都显著时，才能说明绿色信贷政策通过约束债务期限结构，进而抑制重污染企业投资，即债务期限结构起到中介作用。

前文对模型(1)进行回归得到表2知道，模型(1)中TreatPost前的的系数显著为负，绿色信贷政策对重污染企业投资存在抑制作用，接下来对模型(2)、模型(3)进行回归得到表4，表中TreatPost前的的系数显著为负时，表明绿色信贷政策对债务期限结构存在约束作用，且在系数为负时，可以发现回归后的模型(3)中，TreatPost前的，Debts前的系数都显著，说明通过中介效应检验，证明了假设2：绿色信贷政策通过约束债务期限结构，进而抑制重污染企业投资。

表4 稳健性检验

6 结论

本文选取了2008～2021年沪深A股上市公司的数据，以2012《绿色信贷指引》正式实施为事件构造准自然实验，通过双重差分模型定量分析了绿色信贷政策对重污染企业投资的影响，并进行稳健性检验：替换解释变量，中介效应检验，异质性检验。研究发现，第一，绿色信贷政策对重污染企业投资存在抑制效应。第二，绿色信贷政策对债务期限结构存在约束作用，且通过约束债务期限结构进而抑制重污染企业投资。第三，绿色信贷政策对重污染企业投资存在产权异质性，对国有重污染企业的投资抑制作用大于非国有企业。

表5 中介效应检验

本文的实证结果具有3点政策意义：第一，控制绿色信贷政策执行的度。绿色信贷政策只是手段而非目的，最终目的是促进重污染企业转型升级。过度严格的绿色信贷政策会导致重污染企业投资减少，进而使其经营绩效恶化，违背绿色信贷的目标。第二，引导重污染企业转型升级。绿色信贷政策对重污染企业投资存在抑制作用，可见绿色信贷政策能够在一定程度上抑制重污染企业的盲目投资和扩张，而绿色信贷政策的最终目的是促进重污染企业转型升级，所以下一步将聚焦于绿色信贷政策如何引导重污染企业转型升级。第三，加大对企业转型升级支持。绿色信贷政策在实施过程中不应只有信贷约束，而应该对企业转型升级加以支持。在绿色信贷政策的大背景下，重污染企业困难重重，投资受到抑制，债务期限结构受到约束，而绿色信贷本着淘汰落后企业，促进和引导企业转型升级的初衷，因此对于想实现转型升级的重污染企业应当予以资金支持、环保投入。