绿色信贷政策微观影响效应研究：惩罚还是激励?——对绿色信贷政策波特效应的再检验

尘永魁 关 健 田冬冬

（中国人民银行菏泽市中心支行，山东 菏泽 274000）

一、引言

当前，高能耗、高污染企业占据较大比重是我国经济发展和供给侧结构性改革不得不面对和亟须破解的关键问题。一方面，这类企业作为当前我国制造业体系中的重要组成部分，在整个国民经济生产分工中扮演着重要角色，其经营状况关系着我国经济发展能否保持长期健康稳定的大局。一旦高能耗企业普遍形成风险，必将沿着既有产业链、供应链快速传染，导致经济增长“硬着陆”。另一方面，随着环境治理水平的不断升级，环境污染容忍度持续下降，绿色发展已经深入人心。以上两个方面说明，在经济发展过程中，要科学处理好“稳增长”与“优环境”的双重发展目标，既要“金山银山”，又要“绿水青山”；既要持续推进经济的绿色转型，也要考虑现有经济体系的承受度，不能偏离经济规律，盲目“一刀切式”“运动式”地对传统经济体系推倒重建。因此，在制定环境政策时，要充分考虑政策的合理性和有效性，这是实现经济绿色转型和高质量发展的关键性前提之一（涂正革和谌仁俊，2015；丁杰，2019）。

纵观我国现有的环境规制手段，既包括以激励调节为特征的市场化手段，如碳排放权市场交易等；也包括以行政命令为特征的非市场化手段，如减排计划、企业限产等（王馨和王营，2021）。金融作为现代经济的核心，其所具有的资金、市场、信用等禀赋优势可以通过引导社会资金流向、创建流转交易市场、改变微观主体资信等级等手段解决微观主体缺乏行为激励、政策环境不利、工具自身运行要素缺失等问题，助推节能机制实现社会福利目标（彭江波和郭琪，2010）。因此，从理论上来看，可以发挥金融在资源配置中的作用，引导资金流向绿色环保领域，不断完善绿色发展的激励机制。与此同时，在以银行间接融资为主体的融资机制下，作为资本密集型行业，重污染企业对银行贷款存在较大的依赖性（吕明晗等，2019），凭借重抵押资产成为信贷资源的主要获得者（宁金辉等，2021）。因此，经济发展绿色转型的前提条件之一是金融的绿色转型。

为此，我国政府开始探索通过金融手段推进重污染企业绿色转型。2012年原银监会出台了《绿色信贷指引》（以下简称《指引》），要求充分发挥金融在资源配置中的功能，严格控制对重污染企业的信贷投放，推动绿色低碳发展（蔡海静等，2019）。需要特别指出的是，《指引》并不单纯以约束重污染企业融资为目的，而是通过提高政策门槛，倒逼企业放弃可能对环境产生较大影响的建设项目，加大转型升级投入，创新绿色生产技术，进而减少对环境的影响。然而，在具体实践中，绿色信贷政策效应的发挥取决于政策本身是否合理、银行能否有效执行以及微观企业的应对策略等多重因素（陆菁等，2021）。因此，深入探讨绿色信贷政策能否对企业投融资产生影响、产生怎样的影响，评估政策对于企业全要素生产率的影响效果，进而对绿色信贷政策波特效应进行检验，分析其中深层次影响机制，具有重要的理论和现实意义。

鉴于2012年出台的《指引》是国内首份针对绿色信贷政策的规范性文件，标志着我国绿色信贷政策迈向规范化阶段，本文尝试以《指引》的出台为事件，构造准自然实验，利用双重差分法模型，实证检验绿色信贷政策对于企业投融资和全要素生产率的影响效果，进而验证绿色信贷政策是否具有波特效应。

二、文献综述

在我国，绿色信贷政策的提出和完善是一个渐进的过程。1995年2月，中国人民银行出台了《关于贯彻信贷政策与加强环境保护工作有关问题的通知》，规定对于国家明令禁止、不符合环境保护规定的项目和企业，各级金融机构不得发放贷款，并收回已发放的贷款。这被认为是我国关于绿色信贷最早的政策文件。但是，在当时背景下，经济增长仍是社会发展的首要目标，因此，该政策没能得到足够重视、积极响应和贯彻落实（丁杰，2019）。随着经济总量的持续扩大，生态环境已难以承受传统粗放型发展模式的污染重负，绿色发展成为我国经济社会发展必须走的路，绿色信贷政策作为介于行政化手段与市场性调控之间的政策方式，引起了国家层面的高度关注。2012年2月，原银监会发布了《指引》，在金融机构如何有效开展绿色信贷、推动传统行业绿色改造等方面提出了具有可操作性的指导意见（苏冬蔚和连莉莉，2018）。随后，《绿色信贷统计制度》等一系列文件相继出台，我国的绿色金融政策体系初步形成。

随着我国绿色信贷政策体系的日臻完善，部分学者开始关注政策效果。杨劬（2011）基于委托代理理论分析了绿色信贷政策对企业节能减排的影响机理，结果表明，对于关注长远利益的企业，绿色信贷政策有很强的节能减排激励，但对于追求短期利益的企业，绿色信贷政策激励作用不足。刘婧宇等（2015）利用CGE模型，定量测算绿色信贷政策影响效果的时期差异性，研究发现绿色信贷政策能够在短期、中期有效抑制造纸业、化工业的投资行为，但长期产出抑制效果受到抵消。王艳丽等（2021）研究发现，通过优化金融资源配置，有助于协调经济建设与环境污染之间的矛盾。

近年来，随着双重差分模型在政策效应评估领域的广泛应用，部分学者将该方法用于绿色信贷政策效果的研究。苏冬蔚和连莉莉（2018）以《指引》的出台为准自然实验，首次运用双重差分模型实证检验了该政策的实施对于重污染企业投融资规模的影响效果。陈琪（2019）同样以《指引》的出台为准自然实验，研究发现，该政策显著抑制了重污染企业贷款规模，提高了贷款成本。宁金辉等（2021）利用该模型进行实证分析，结果表明，绿色信贷通过缓解代理问题抑制企业过度投资，且抑制作用呈随时间递增的趋势。曹廷求等（2021）、王馨和王营（2021）、杨柳勇和张泽野（2021）均以2012年《指引》出台为准自然实验，实证检验了该政策对企业绿色创新的影响效果和机理。其中，曹廷求等（2021）、杨柳勇和张泽野（2021）认为绿色信贷政策的实施显著抑制了重污染企业绿色创新；王馨和王营（2021）则认为绿色信贷政策对于绿色创新质量的提升作用不显著。

梳理现有文献可知，国内学者对于绿色信贷政策影响效果的研究起步较晚，相关文献还较少，对于内在机制的讨论也缺乏系统性，这为本文的研究提供了空间。本文以2012年原银监会出台《指引》为外生政策事件，采用双重差分模型（DID），实证分析绿色信贷政策对于企业投融资规模及全要素生产率的影响，验证绿色信贷政策在我国是否产生波特效应。与以往文献相比，本文的边际贡献在于：第一，本文不仅从量的角度检验了绿色信贷政策对微观企业投融资规模的影响，同时从质的层面分析了绿色信贷政策对全要素生产率的作用效果，全面论证了政策的惩罚和激励效应，进而强化了对于绿色信贷政策影响范围和程度的研究。第二，本文相继分析了融资约束、技术创新、代理成本、投资效率在绿色信贷政策向企业全要素生产率传导过程中的渠道作用，丰富了“宏观金融政策—微观市场主体”传导机制的政策研究视角。第三，本文从市场化程度、产权性质、企业规模三个方面分析绿色信贷政策的异质性影响，对于政府相关部门完善绿色信贷政策、整合金融力量促进企业高质量发展具有借鉴意义。

三、理论分析与研究假说

（一）绿色信贷政策的惩罚效应

1.绿色信贷政策与企业融资行为。《指引》对银行的授信提出了更明确和具体的要求，主要体现在以下两个方面：一是加大金融支持绿色发展的力度。《指引》规定，银行应当将绿色信贷发展提升到战略高度，不断加大对绿色低碳发展的信贷支持，并不断优化信贷流程，强化绿色产品和服务的创新。二是提高重污染企业融资门槛。《指引》要求银行对存在重大环境风险的行业实行差异化、动态化授信政策，对不满足《指引》要求的，不予授信；对已授信项目，设置风险评估门槛，动态监测企业风险表现；对出现重大风险隐患的，可以中止甚至终止信贷投放。

绿色信贷政策的本质是基于环境约束的信贷配给，限制污染行业信贷投放，加大绿色项目信贷支持力度。从银行角度来看，《指引》的实施将会从四个方面影响其信贷决策：一是合规风险。《指引》对于哪些行业应该积极支持，哪些行业不应授信或终止信贷资金拨付等，均作出了明确规定，强化了顶层设计。如果银行在政策落实中偏离了《指引》的规定，将会面临监管部门和银行内部的合规检查，存在付出高昂违规成本的可能。二是违约风险。《指引》作为一项重要的环境治理政策，其实施将会提高企业获取银行贷款的难度。在此情况下，重污染企业要想获得银行贷款，就需要增加污染防治的投入，满足银行信贷最低门槛要求，同时也将增加企业生产成本，一旦企业获得的收益无法弥补成本，将会给企业带来生存危机。因此，如果银行为其发放贷款，将会面临企业无力偿还贷款的可能性，即存在较高的违约风险。三是声誉风险。《指引》的出台进一步强化了环境规制，使社会公众更加关注生态环境保护。如果银行向发生环境事故的企业发放贷款，将会损害自身声誉。四是贷款偏好。《指引》作为一项顶层设计，反映了国家对于生态环境的重视程度，《指引》的出台在一定程度上改变了银行对于重污染企业与绿色环保企业未来市场前景的预期，即前者未来发展空间和市场机会将明显不如后者。银行是逐利的，同时也是天然的风险厌恶者，因此，将会降低对重污染企业的贷款偏好程度，更加偏好于绿色环保企业。

基于以上分析，本文提出假说1：《指引》颁布后，重污染企业负债规模将显著下降。

2.绿色信贷政策与企业投资行为。传统的MM理论认为，企业投资决策取决于投资机会的预期盈利水平。当未来投资收益的折现值高于投资成本，理性的企业会选择投资。然而，投资资金来源于企业自有资金和外源融资。当企业用于投资的自由现金流不足时，其可能通过以银行为主体的负债融资方式补充自由现金流。《指引》的出台提高了银行信贷门槛，增加了重污染企业获得银行贷款的难度，导致投资资金不足，抑制了企业投资行为。与此同时，随着国家持续加大环境治理力度，重污染企业生产经营和项目投资面临较大的政策冲击风险，投资存在明显的不确定性，需要重估市场前景和投资回报，谨慎开展投资。因此，企业在自由现金流补充渠道受限、投资前景不明朗的情况下，总投资支出将显著减少。

基于以上分析，本文提出假说2：《指引》颁布后，重污染企业投资规模显著下降。

（二）绿色信贷政策的波特效应

1.绿色信贷政策与企业全要素生产率。环境政策与全要素生产率之间的关系在学术界一直存在争议。新古典经济学认为，环境政策的实施将会导致企业不得不从正常的生产经营中配置出更多的资源用于降低污染排放（任胜钢等，2019），受此影响，企业全要素生产率可能出现倒退现象（Jorgenson 和Wilcoxen，1990）。对此，Porter 和Linde（1995）则持相反的观点，提出了著名的波特假说，其认为严格而适当的环境规制可通过创新激励、效率改进和企业内部重新分配等传导途径产生更高的生产率。从理论上来看，根据波特假说，《指引》作为环境规制政策在金融领域的体现，可以通过提高重污染企业授信门槛，引导银行将更多的信贷资源投入绿色项目，进而倒逼企业开展技术创新活动，开发绿色技术、工艺或产品，改善组织管理方式，提高投资效率，进而提升投入产出水平，能够部分或完全抵消《指引》出台所导致的融资成本的上升，甚至可能带来净收益，产生“创新补偿效应”，提高全要素生产率。

然而，绿色信贷政策波特效应的发挥，不仅取决于银行对于《指引》坚定的贯彻执行，也取决于企业对《指引》的反应。随着国家对环境问题日益重视，各种环境规制的加强对重污染企业的生产经营可能带来负面效应，进而危及银行信贷资金的安全，这会使银行避险目标与政府环境治理目标趋于一致（丁杰，2019），因此，银行贯彻落实《指引》的动机较强。但是，重污染企业是选择增加技术创新的投入，还是只是应激性地缩减投资支出，这存在较大不确定性。与此同时，技术创新需要持续大量的资金投入。《指引》的实施增加了重污染企业获取银行贷款的难度，在此情况下，企业会将有限资金优先用于满足正常生产经营，进而导致创新投入或者实现转型升级的能力不足。更进一步地，即使企业选择扩大技术创新的投入规模，但由于技术创新是一个复杂且漫长的过程，存在较高风险，能否提升全要素生产率同样需要实证检验。

基于以上分析，本文提出两个相对应的假说3a和假说3b。

假说3a：《指引》颁布后，重污染企业全要素生产率显著提高。

假说3b：《指引》颁布后，重污染企业全要素生产率显著下降。

2.绿色信贷政策对全要素生产率的影响机理。

（1）融资约束。资金是稀缺的，单纯依靠内源融资很难满足企业生存和发展的资金需求，外源融资成为必需（尘永魁等，2021）。融资约束就是衡量企业获取外源融资难易程度的一项重要指标。如果企业面临的融资约束较强，表明其获取外部资金的能力较弱。由于企业创新活动需要大量资金支持，融资约束可能会导致企业优先将资金用于维持正常生产经营活动，进而无法提供创新所需资金，制约全要素生产率的提高。《指引》的出台增加了重污染企业的授信门槛，提高了融资约束水平，从而对全要素生产率提升产生负向冲击。

基于以上分析，本文提出假说4：《指引》的颁布提高了企业融资约束水平，进而抑制了全要素生产率的提升。

（2）技术创新。技术创新是提高企业全要素生产率的重要途径之一。一方面，《指引》的出台增加了企业获取信贷资金的难度，可能导致企业技术创新存在资金缺口，进而抑制全要素生产率的提升。另一方面，根据波特假说，《指引》作为一项环境规制促进全要素生产率的提高。《指引》的出台使企业更加意识到，要想走出困境、继续在市场竞争中生存，就应该加强技术创新和转型升级，因此，企业存在较强的创新动机。与此同时，《指引》出台的目的不是迫使企业退出市场，而是倒逼企业转型升级，从这一角度来看，企业管理者的动机与《指引》出台的目的是一致的。因此，在《指引》约束下，银行“一刀切”式地执行信贷政策并不符合《指引》出台的初衷。对于重污染企业合法合规的创新活动，尤其是绿色技术创新，在合理评估风险的情况下，银行应该给予支持。

基于以上分析，本文提出两个相对应的假说5a和假说5b。

假说5a：《指引》的颁布抑制了企业技术创新活动，进而对全要素生产率的提高形成负向冲击。

假说5b：《指引》的颁布推动了企业技术创新活动，进而对全要素生产率的提高产生了正向激励效应。

（3）代理成本。陈茹等（2020）、于瑶和祁怀锦（2021）均认为代理成本是影响企业全要素生产率的重要途径。《指引》的出台意味着重污染企业基于原有生产模式获取信贷资金的难度显著提高，现金流变得更加稀缺，企业管理层可自由支配的资金有所减少，从而收敛机会主义行为，缓解企业代理问题，降低代理成本。同时，银行作为企业债权人，可通过差异化贷款利率、金额、审批条件等，产生对企业管理者的约束效应，降低代理成本。《指引》的出台强化了银行的信贷监督职能，在信贷资源配置上突破了传统的安全性和效益性原则，将环境因素提高到授信审批通过的前提条件集合中（王馨和王营，2021）。因此，与一般信贷政策相比，《指引》降低企业代理成本的效果更加明显。

基于以上分析，本文提出假说6：《指引》的颁布有助于降低企业代理成本，进而促进全要素生产率的提升。

（4）投资效率。高效的投资行为是提高企业全要素生产率的主要途径和必然要求。覃家琦等（2009）认为企业投资效率与企业全要素生产率联系密切。蒋长流等（2020）认为，投资效率将直接影响企业全要素生产率的高低。《指引》的出台有利于加大银行对环境风险的重视程度，进而提高重污染企业授信门槛，增强资金的稀缺性，促使企业合理规划资金用途，提高投资效率。同时，《指引》的出台放大了鼓励绿色低碳发展的信号效应，在政策引导和预期下，企业管理者会顺势而为，加大绿色低碳项目投资，优化投资结构，提升投资效率。

基于以上分析，本文提出假说7：《指引》的颁布有助于提高企业投资效率，进而促进企业全要素生产率的提升。

（三）绿色信贷政策影响的异质性分析

1.基于市场化水平的异质性分析。由于重污染企业往往是地方财政重要的税收来源，其能否正常经营关系到地方财政资金是否充足。为此，某些政府官员为了自身和地方利益可能会干预银行的信贷投放行为。同时，在市场化程度较低的地区，地方官员的权力往往较大，使得企业存在较强的寻租动机，进一步增强了地方官员干预程度。因此，企业所在地区的市场化程度越低，政府对企业经营和银行借贷的干预程度越高，非市场化机制的扭曲效应越强（宁金辉和史方，2021）。相反，在市场化程度较高的地区，市场在资源配置中的作用较突出，政府对市场的干预较少，因而有利于绿色信贷政策效应的发挥。与此同时，对于市场化程度较高的地区，由于技术创新的激励机制比较健全，配套机制较完善，一定程度上可以抵消绿色信贷政策对于全要素生产率的负向冲击，有利于波特效应的发挥。

基于以上分析，本文提出假说8：相对于市场化程度低的地区，《指引》对于市场化程度高的地区重污染企业投融资的惩罚效应更加明显，但对于企业全要素生产率的负向冲击得到更大程度的抵消或者正向影响效应更明显。

2.基于所有制的异质性分析。国有企业享有政府担保和融资便利（李广子和刘力，2009），同时承担了更多的国家政策导向性任务，不可避免地成为环境政策的重点管控对象（王勇等，2019）。而非国有企业由于面临信贷歧视，本身获得信贷资金的难度较大，因此，其投融资规模受政策抑制效果要弱于国有重污染企业。然而，绿色信贷政策对于国有重污染企业全要素生产率的负向影响要弱于非国有企业。国有企业因有政府的隐性担保，与国有银行间存在稳定的银企关系，信息不对称性相对较弱，因而面临的融资约束和偿债风险低于非国有企业（曹廷求等，2021）；而融资约束是抑制民营企业创新的重要因素（余明桂等，2019）。与此同时，由于国有企业在我国经济发展中具有特殊地位，承担着积极开展技术创新、加快绿色转型的政治职责，这使其更容易获得用于技术创新和绿色转型的信贷资金支持；而银行也希望通过支持国有企业转型升级来抵消绿色信贷政策对其优质客户和信贷资源的冲击。因此，绿色信贷政策对于国有企业全要素生产率负向冲击被抵消的程度高于民营企业，更有利于波特效应的发挥。

基于以上分析，本文提出假说9：相对于民营企业，《指引》对于国有企业投融资的惩罚效应更加明显，但对于企业全要素生产率的负向冲击得到更大程度的抵消或者正向影响效应更明显。

3.基于企业资产规模的异质性分析。长期以来，对抵押资产的过度崇拜使得银行将大量信贷资金投向重污染企业为主体的重资产行业。因此，绿色信贷政策颁布之前，大型重污染企业是银行信贷资金的主要支持对象；绿色信贷政策实施后，其所产生的惩罚效应也将主要作用于大型重污染企业。然而，与小企业相比较，大企业具有完善的创新激励机制和雄厚的资金、人才实力，创新能力较强。同时，作为行业内影响力较大的企业，无论基于转型升级的战略意图还是从履行社会责任的声誉机制角度，其技术创新的动力都相对更强。因此，绿色信贷政策对于大企业全要素生产率的冲击效应得到更大程度的抵消，更有助于发挥波特效应。

基于以上分析，本文提出假说10：相对于小规模企业，《指引》对于规模较大企业投融资的惩罚效应更加明显，但对于企业全要素生产率的负向冲击同样得到更大程度的抵消或者正向影响效应更明显。

四、研究设计

（一）样本选择与数据来源

本文选取2008—2020年我国A股上市工业企业为初始样本，根据原国家环保部2008年出台的《关于印发〈上市公司环保核查行业分类管理名录〉的通知》，并结合证监会2012年行业分类标准设定重污染企业，其余为对照组。本文对数据做如下处理：一是剔除数据缺失值较多的样本；二是剔除连续三年出现ST 的上市公司；三是剔除出现PT 或退市的上市公司。此外，本文对连续变量1%以下和99%以上的分位数进行了缩尾处理。数据来源于万得数据库。

（二）变量定义与测度结果

1.被解释变量。（1）企业融资（Lev）。考虑到企业外部融资主要表现为负债，本文利用企业负债总额与总资产的比值来反映企业融资情况。（2）企业投资（Inv）。本文采用当年购建固定资产、无形资产和其他长期资产支付的现金除以期初总资产来反映企业投资情况。（3）全要素生产率（TFP）。考虑数据可得性，本文参考Olley 和Pakes（1996）提出的基于一致半参数估计值方法，即OP 法来估计企业全要素生产率。估计模型如式（1）所示。

图1：理论分析框架

其中，Y表示企业i 在t年的工业总产值，鉴于该指标不能直接获取，本文利用“企业期末主营业务收入+库存商品期末余额-库存商品期初余额”来近似计算该指标。FA和L分别表示企业固定资产和从业人员规模； Age表示企业上市年龄；State表示企业是否为国有企业，是为1，否为0；Year 和Industry分别表示年份和行业固定效应； ε为残差项。估计结果如表1列（1）和列（2）所示。

2.解释变量。双重差分变量（Post×Treat）。《指引》于2012年2月正式公布，并要求银行业金融机构在公布之日起遵照执行。基于此，本文将2012—2020年作为实验期，若样本年份在2012年之后，则Post=1，否则Post=0。与此同时，根据原国家环保部2008年出台的《关于印发〈上市公司环保核查行业分类管理名录〉的通知》，并结合证监会2012年行业分类标准设定重污染企业，若样本是重污染企业，则Treat=1，否则Treat=0。

3.中介变量。（1）融资约束（KZ）。借鉴尘永魁等（2021）的做法，采用改进的KZ 指数来衡量企业融资约束水平，并通过建立回归模型（2），计算KZ指数。估计结果如表1列（3）和列（4）所示。

（2）技术创新（Innov）。由于无形资产主要包括专利权、非专利技术、商标权和著作权等，其与企业创新活动密切相关。无形资产增加是企业创新投入的结果，可视为企业创新活动的综合反映。因此，本文参考鞠晓生等（2013）做法，使用无形资产增量反映企业创新活动投入。

（3）代理成本（Ac）。本文参考王馨和王营（2021）做法，采用管理费用率衡量总代理成本，该值越大，表示企业代理成本越高。

（4）投资效率（NEI）。本文借鉴Richardson（2016）的方法利用回归模型估算企业合理投资额，并利用实际投资额与估计投资额之差测度非效率投资。如果实际投资额大于估计投资额，则界定为过度投资；反之为投资不足。考虑数据的可得性，在投资指标选择上，本文参考了尘永魁等（2021）的做法，利用购建固定资产、无形资产和其他长期资产支付现金总额的自然对数，衡量企业实际投资额。模型具体形式如式（3）所示。

其中，Grow表示企业营业收入增长率，Tq表示企业托宾Q 值，Cash表示企业现金持有量， Age表示企业上市年龄， Size表示企业资产规模。估计结果如表1列（5）和列（6）所示。

4.控制变量。本文对企业资产规模（Size）、市场绩效（Tq）、现金持有规模（Cash）、净资产收益率（Reo）、企业上市年龄（Age）、股权集中度（Owner）、员工数量（stuff）等企业特征变量进行了控制。在此基础上，控制了年份虚拟变量（Year），以反映时变差异；根据证监会2012年修订的制造业行业分类标准控制了行业虚拟变量（Industry），以反映行业差异。

表1：全要素生产率、融资约束与投资效率估计结果

表2：主要变量定义表

（三）计量模型

1.基准回归模型。为考察绿色信贷政策对企业投融资和全要素生产率的影响，本文构建双重差分模型作为基准回归模型，具体形式如式（4）所示。

其中， Post表示事件虚拟变量，若样本年份在《指引》出台之后，则取值为1，否则取值为0；Treat表示组别虚拟变量，若样本为重污染企业，则取值为1，否则取值为0； Post×Treat表示双重差分变量；Control表示个体层面控制变量； δ表示行业固定效应；λ表示时间固定效应；ε表示随机扰动项。

2.中介效应检验模型。为考察绿色信贷政策对于重污染企业影响的渠道机制，本文参考温忠麟和叶宝娟（2014）的研究方法，采用中介效应模型对绿色信贷政策影响企业全要素生产率的中介路径进行检验。即在式（4）基础上，依次建立式（5）和式（6）。

（四）变量描述性统计

表3为主要变量的描述性统计结果。从表4可以看出，企业资产负债率（lev）、投资率（Inv）、全要素生产率（TFP）的最小值与最大值之间的差值较大，说明不同企业之间存在明显差异。时间变量（Post）的均值为0.6923，说明《指引》出台之后的样本占69.23%；处理变量（Treat）的均值为0.4336，说明样本中有43.36%的企业属于重污染企业（即处理组）；双重差分变量（Post×Treat）的均值0.3002，说明《指引》出台后重污染企业的比例30.02%。

表3：主要变量描述性统计

五、实证分析

（一）绿色信贷政策对企业融资的影响

1.平行趋势检验。将样本分为处理组（重污染企业）和控制组（非重污染企业），对政策前后处理组和控制组的企业融资（Lev）的变化趋势进行对比分析。如图2 所示，《指引》出台前（即2012年之前）两组曲线变化趋势相似，说明样本数据满足平行趋势假设，采用DID 方法具有合理性。同时，根据图1 可知，《指引》出台后，处理组与控制组的企业融资差距有明显缩小趋势，表明重污染企业在信贷融资上受到了显著抑制。

图2：企业融资走势

2.基准回归结果。本文采用DID方法检验绿色信贷政策对企业融资的影响，重点关注模型（4）中交互项Post×Treat 的系数。表4 列（1）汇报了回归结果，交互项Post×Treat的系数为-0.0804，在1%的水平上显著，表明相对于非重污染企业，重污染企业融资在《指引》出台后受到显著抑制，证明假说1成立。

3.稳健性检验。（1）调整样本时间节点和时间窗口。考虑到2008—2020年除《指引》外，还出台了一些其他的绿色信贷政策，为避免企业融资的变化受到其他政策影响，本文将样本的时间窗口期缩短，保留《指引》出台前一年和出台后五年的数据，重新估计模型，结果如表4 列（2）所示。交互项的系数在10%水平上显著为负，表明即使去除《指引》出台前后其他政策的影响，重污染企业融资依然发生了显著变化。同时，为了检验影响效果是否在《指引》出台前就存在，本文假设《指引》提前一年出台，并对模型进行重新估计。回归结果如表4 列（3）所示，交互项的系数不显著，表明重污染企业融资的抑制作用并不是《指引》出台之前就存在。

表4：企业融资双重差分回归及稳健性检验

（2）动态效应检验。由于政策从颁布到落实需要一定时间，因此，《指引》从出台到对重污染企业融资产生影响也可能存在滞后效应。为了更好地反映政策动态效果，本文进行动态效应检验。表4 列（4）展示的回归结果表明，《指引》实施前及实施后两年动态效应系数均不显著，直至第三年动态效应系数才显著为负，验证了抑制效应的存在以及政策效果的滞后性，具体见图3。

（二）绿色信贷政策对企业投资的影响

1.平行趋势检验。图4 反映了企业投资趋势图。《指引》出台前两组企业走势相近，意味着平行趋势假设是成立的，采用DID方法具有合理性。政策出台后走势有显著差异，说明《指引》对两组企业投资的影响存在差异。

图3：企业融资动态效应变化图

2.基准回归结果。表5 列（1）汇报了《指引》对企业投资影响的基准回归结果，交互项Post×Treat的系数为-0.1365，在1%的水平上显著，表明相对于非重污染企业，重污染企业投资在《指引》出台后受到了显著抑制，假说2成立。

3.稳健性检验。（1）调整样本时间节点和时间窗口。运用2011—2017年样本数据，对模型重新进行估计，结果如表5 列（2）所示，交互项的系数在5%的水平上显著为负，表明即使不考虑《指引》出台前后的其他政策，重污染企业投资依然发生了变化。在此基础上，将政策事件的时间节点提前一年，对回归方程进行估计，检验结果如表5 列（3）所示，交互项的系数不显著，表明重污染企业投资的抑制作用不是《指引》出台前就存在的。

（2）动态效应检验。表5 中列（4）为《指引》对企业投资影响的动态效应回归结果。《指引》实施前，动态效应系数均不显著，《指引》实施后第2年动态效应系数在10%水平上显著为负，表明《指引》对重点污染企业投资有显著的抑制作用，且政策效果有时间滞后性，动态效应变动情况如图4、图5所示。

表5：企业投资双重差分回归及稳健性检验

表6：企业全要素生产率双重差分回归及稳健性检验

图4：企业投资走势

图5：企业投资动态效应变化图

（三）绿色信贷政策对企业全要素生产率的影响

1.平行趋势检验。图6 反映了企业全要素生产率的变化趋势，《指引》出台前两组企业数据趋势基本保持一致，表明满足平行趋势假设，可以采用DID方法。政策出台之后至2015年，两组企业全要素生产率保持平稳态势，但差距有所扩大；2015年之后全要素生产率均快速提升，且重污染企业增幅大于非重污染企业，初步验证了波特假说。

图6：全要素生产率走势

2.基准回归结果。表6列（1）汇报了企业全要素生产率的基准回归结果，交互项的系数为0.0626，在1%的水平上显著，表明相对于非重污染企业，《指引》对重污染企业全要素生产率具有显著促进作用，即绿色信贷政策发挥了波特效应，证明了假说3a。

3.稳健性检验。（1）调整样本时间节点和时间窗口。为避免企业全要素生产率的变化可能受到其他政策影响，同时考虑《指引》出台前可能产生预期引导效应，本文进行以下检验：一是保留《指引》出台前三年和政策出台当年的数据，对模型重新进行估计。结果如表6 列（2）所示，交互项的系数在10%的水平上显著为正，表明即使不考虑《指引》出台前后其他政策的影响，重污染企业全要素生产率依然发生了变化。二是将政策事件的时间节点提前一年，对模型重新进行估计，结果如表6 列（3）所示，交互项的系数不显著，表明影响作用不是政策出台前就存在的，政策预期引导效果不明显，研究结论具有稳健性。（2）动态效应检验。表6 列（4）展示了《指引》对企业全要素生产率影响的动态效应检验结果。《指引》实施前，动态效应系数均不显著，政策实施后，当年动态效应系数显著为正，但4 期之后系数有明显的下降趋势。这说明绿色信贷政策实施对重污染企业全要素生产率有明显的促进作用，但从长期看，效果呈现减弱趋势。动态效应变动情况如图7所示。

表7：中介效应检验结果

图7：全要素生产率动态效应变动图

4.中介效应检验。本文采用中介效应模型对《指引》影响企业全要素生产率的路径进行验证。表7 中列（1）是模型（5）的回归结果，列（2）是模型（6）的回归结果，Intermed 代表中介变量，包括融资约束（KZ）、技术创新（Innov）、代理成本（Ac）和投资效率（NEI）。（1）融资约束。列（1）交互项系数为0.19，在1%水平上显著，说明《指引》出台提升了重污染企业融资约束水平。列（2）交互项系数显著为正，KZ 系数显著为负，表明融资约束在绿色信贷政策对重污染企业全要素生产率的影响中发挥了部分中介效应，且为负向冲击效应，验证了假说4。（2）技术创新。列（1）交互项系数为0.001，在5%水平上显著，说明《指引》倒逼企业提高技术创新水平。列（2）交互项系数、技术创新系数显著为正，表明技术创新在绿色信贷政策对重污染企业全要素生产率的影响过程中发挥了部分中介效应，且为正向冲击效应，验证了假说5b。（3）代理成本。列（1）交互项系数为-0.01，在10%水平上显著，说明《指引》缓解了重污染企业代理成本。列（2）交互项、代理成本系数均显著为负，表明代理成本在绿色信贷政策对重污染企业全要素生产率的影响中发挥了部分中介效应，且为正向冲击效应。验证了假说6。（4）投资效率。列（1）交互项系数为-0.34，在1%水平上显著，说明《指引》出台后，重污染企业投资效率明显改善。列（2）交互项系数显著为正，非效率投资系数显著为负，说明非效率投资在绿色信贷政策对重污染企业全要素生产率的影响中发挥了部分中介效应，且为正向冲击效应。验证了假说7。

（四）异质性分析

1.基于市场化程度的异质性分析。基于企业所在地市场化程度的差异，根据市场化指数中位数，将样本分成市场化程度高和市场化程度低两类，以考察不同市场化水平下《指引》影响效应的异质性。其中，市场化指数来源于《中国分省份市场化指数报告（2018）》。表8 汇报了不同市场化程度子样本投融资及全要素生产率回归结果，第（1）、（3）、（5）列展示市场化程度高的样本回归结果，第（2）、（4）、（6）列展示市场化程度低的样本回归结果。可以发现，前者交互项系数绝对值及显著性都高于后者，说明相对于市场化程度低的地区，《指引》对于市场化程度高的地区重污染企业的影响效应更明显，假设8成立。

表8：基于市场化程度的回归结果

2.基于所有制的异质性分析。根据产权性质将样本企业划分为国有企业和非国有企业两组，分别进行回归。表9 报告了回归结果，其中（1）、（3）、（5）列的子样本为国有企业，（2）、（4）、（6）列的子样本为非国有企业。结果表明，相对于非国有企业，绿色信贷政策对国有企业影响更明显，假说9成立。

3.基于规模的异质性分析。根据市场规模中位数将样本企业分为大型企业和中小型企业两组，分别进行回归。表11 汇报了回归结果，其中，（1）、（3）、（5）列子样本为大型企业，（2）、（4）、（6）列为中小型企业。结果表明，相对于中小型企业，绿色信贷政策对大型企业影响更明显，假说10成立。

六、结论和政策建议

（一）研究结论

本文以2012年原银监会《指引》正式实施为事件，构造准自然实验，运用双重差分模型考察绿色信贷政策对重污染企业投融资及全要素生产率的影响。研究发现，《指引》出台后，重污染企业投资和负债规模均明显下降，而全要素生产率水平则显著提高。进一步研究发现，绿色信贷政策通过倒逼企业技术创新、降低代理成本、提高投资效率，进而提升全要素生产率，但该项政策同样提高了重污染企业融资约束水平，抑制了其全要素生产率的提升。异质性研究发现，市场化程度、所有制和企业规模不同，绿色信贷政策的影响效果也存在差异。对于处于市场化程度较高地区的大规模国有重污染企业而言，《指引》的出台对其投融资的惩罚效应更加明显，但对企业全要素生产率的正向影响效应更显著。

表9：基于所有制的回归结果

表10：基于企业规模的回归结果

（二）政策建议

基于以上研究结论，本文提出以下政策建议：

1.政府部门应不断完善绿色信贷激励与约束双重机制，激发企业创新转型内在动力。通过本文的研究可知，绿色信贷政策兼具惩罚效应和激励效应，而其惩罚效应只是手段，目的在于倒逼企业转型升级、实现绿色发展。因此，当前金融管理部门应进一步完善政策措施，综合利用多种货币政策手段，强化政策效果，积极引导信贷资金投向绿色低碳领域；考虑到重污染企业转型升级需要银行信贷支持，中国人民银行等金融管理部门应借鉴国际经验，构建转型金融政策框架，合理满足重污染企业转型升级的资金需求。同时，为了突出政策效果，政府相关部门应继续完善市场机制，发挥市场在信贷资源配置中的决定性作用；积极运用财政政策，持续加大对企业节能减排、技术升级等方面的支持力度，构建风险分担机制，完善政策配套措施，更好地发挥绿色信贷政策的波特效应。

2.商业银行应积极贯彻落实绿色信贷政策，制定差异化策略，避免“一刀切”。一是鉴于商业银行是绿色信贷政策的实施主体，应结合绿色信贷政策要求，建立符合绿色产业发展特点的信贷管理制度，强化政策落实；二是考虑到政策实施效果存在异质性，商业银行应加大绿色信贷创新，针对不同产权、不同市场化水平、不同规模的企业制定差异化信贷策略，提高信贷支持效果；三是研究表明融资约束对于政策实施效果发挥反向中介效应，商业银行应积极探索实践转型金融产品，支持高碳行业低碳转型，避免“一刀切”式拒绝重污染企业的合理信贷需求，降低这部分企业融资约束，以更好地加快技术创新，实现转型升级。

3.重污染企业应加强技术创新，加快转型升级，同时持续完善内控制度，提高投资效率。一是企业是政策的作用对象，为了实现政策效果，重污染企业应坚定绿色发展的转型路线，尽快实现转型目标。二是研究发现，代理成本、投资效率、技术创新是绿色信贷政策发挥作用的重要中介因素，因此，重污染企业应完善内控制度，改进公司治理环境和水平，进而降低代理成本，提高投资效率，增强技术创新能力，从而实现绿色转型的目标。