绿色信贷政策如何促进企业绿色创新？※

内容提要：基于外部商业信用与内部环境关注的视角，利用2007-2020年沪深A股上市企业面板数据和双重差分法(DID)，考察了2012年颁布的《绿色信贷指引》对企业绿色创新的影响。研究发现：《绿色信贷指引》实施后，受限制企业的绿色专利申请量显著上升，且外部商业信用增加与内部环境关注提升是影响企业绿色创新的两条重要渠道。进一步研究发现，较之于非国有企业，国有企业绿色创新效果提升更明显；较之于数字化程度较低的企业，数字化程度较高的企业绿色创新效果更显著；与供应商集中度较高的企业相比，供应商集中度较低的企业绿色创新的积极性更高。总体而言，绿色信贷政策发挥了较强的“波特效应”，促进了受限制企业绿色创新的“增量提质”，是实现“双碳”目标的重要保障。

一、 引 言

近年来，随着环境问题日益突出，积极应对气候变化已成为全球共识。为了缓解经济发展和环境保护双重压力，中国提出了“将力争于2030年前实现二氧化碳排放达到峰值、2060年前实现碳中和”的目标(以下简称“双碳”目标)。环境保护需要金融支持，绿色金融旨在依据金融创新来实现环境保护的目的(Salazar，1998)。一方面，绿色金融能为节能环保、清洁能源、可替代能源等提供资金支持，促进资源供给“开源”；另一方面，绿色金融能加大对高污染、高能耗产业的资源配置力度，引导社会资本从该类产业流出，提高资源利用率，能保障现有资源“节流”。采用绿色金融手段改善生态环境，既是实现“双碳”目标的必由之路，也是经济转型的重要推动力。作为均衡经济发展与环境保护的驱动力，企业绿色创新能够推进转变生产方式、构建新发展格局。中共十九大报告明确提出，要大力发展绿色金融；而二十大报告也强调指出，要推动绿色发展。因此，绿色金融政策如何引导企业绿色创新、助力“双碳”目标实现，成为各界高度关注的话题。

当前，中国绿色金融发展存在时间短、制度不健全和创新性不足等问题，其产品以绿色信贷为主。2012年原银监会颁布了《绿色信贷指引》，要求银行业金融机构对客户环境和社会风险(1)《绿色信贷指引》所称的环境和社会风险，是指银行业金融机构的客户及其重要关联方在建设、生产、经营活动中可能给环境和社会带来的危害及相关风险，包括与能耗、污染、土地、健康、安全、移民安置、生态保护、气候变化等有关的环境与社会问题。进行评估，将相关结果作为信贷评级、信贷准入、管理和退出的重要依据，这标志着绿色信贷推进节能减排进入新阶段。作为传统环境规制的有益补充，绿色信贷政策兼具金融资源配置与环境规制双重特性。一方面，受政策性贷款约束，企业可能寻求商业信用融资等以缓解融资困境(Cull等，2008；Du等，2012)。另一方面，基于“波特假说”(Porter和Van der Linde，1995)，合理设计的环境规制可以刺激企业进行技术创新。研究表明，绿色信贷政策会通过信贷约束、代理成本、投资效率等渠道，对重污染企业技术革新与绿色转型产生重大影响(陆菁等，2021；王馨和王营，2021)。然而，绿色信贷与企业绿色创新之间的理论黑箱尚未被完全打开，深入探讨绿色信贷影响企业绿色创新的具体路径，是评估绿色金融微观影响效应的重要前提。在探讨绿色信贷政策对企业绿色创新的影响机制时，鲜有文献考察商业信用融资、企业内部环境关注等的作用。基于此，本文以《绿色信贷指引》的颁布作为准自然实验，基于外部商业信用融资和企业内部环境关注的视角，主要采取双重差分法，探究绿色信贷政策对绿色创新的影响机制。

相较于以往研究，本文的边际贡献主要体现在：第一，基于外部商业信用融资与企业内部环境关注两方面，本文进一步探讨了绿色信贷政策对企业绿色创新的影响机制，丰富了绿色信贷政策微观效应的研究视角。第二，基于微观企业绿色专利数据，本文发现在环境规制与信贷约束的双重刺激下，受限制企业会开辟商业信用融资、增强环保关注度，进而开展绿色创新活动。这既丰富了非正规金融影响效应的相关文献，也证明了企业创新与绿色金融政策间存在良性互动关系。第三，本文采用三重差分模型，充分考察了企业所有制、企业数字化转型程度、企业供应商集中度等异质性影响，这可为政府部门进一步完善绿色信贷政策体系提供政策参考。

二、 理论分析与研究假设

1. 绿色信贷政策与企业绿色创新

绿色信贷政策是传统环境规制政策的新型补充。已有文献基于“波特假说”，考察了其产生的绿色创新效应。绿色信贷政策对环保企业研发投入和技术创新，均有显著的促进作用(何凌云等，2019)，显著增加了重污染企业的绿色创新产出(刘强等，2020；王馨和王营，2021)。通过合理配置信贷资源、发挥金融机构在环境保护中的重要作用，《绿色信贷指引》间接引导企业开展绿色创新活动，实现绿色环保效益最大化。为实现高质量发展和促进经济与环境相协调，受限制企业往往会加强绿色技术创新，推进自身转型升级。

然而，新古典经济学认为，以环保为目的的环境规制政策会使排污企业增加生产成本，将对企业技术创新资金产生“挤出效应”，从而导致生产效率降低。Chintrakan(2008)发现，环境规制会导致重污染企业技术效率低下。《绿色信贷指引》颁布后，金融机构增强了对绿色环保企业的贷款支持，促使绿色企业产生规模效应，从而推动企业技术创新。但受限企业获得银行贷款的限制性增强(苏冬蔚和连莉莉，2018；吴虹仪和殷德生，2021)，其污染治理成本提高，导致可用于研发创新的资金减少。陆菁等(2021)认为，重污染企业技术创新下降主要是由于绿色信贷政策引致的遵循成本效应和信贷约束效应。曹廷求等(2021)则发现，绿色信贷政策主要通过抑制企业的长期借款对上市公司绿色创新行为产生负向影响。另外，相较于一般创新，企业绿色创新具有独特的外部性问题，通常需要更多的研发资金，产品商业化时间及投资回收期也更长。因此，面临融资困境的重污染企业追求效益最大化，一定程度上可能缺乏开展绿色技术创新的主动性与积极性。基于此，提出以下竞争性假设：

假设H1a：《绿色信贷指引》的实施对受限制企业绿色创新具有正向促进作用。

假设H1b：《绿色信贷指引》的实施对受限制企业绿色创新具有负向抑制作用。

2. 绿色信贷政策、外部商业信用与企业绿色创新

一般而言，企业内部现金流是研发创新的重要资金来源(张杰等，2012；唐清泉和巫岑，2015)，但企业常常受经营周期波动与外部经济环境影响，不能维持内部资金的稳定运转，因此会借用外源融资为企业的研发创新活动提供保障(Hall，2002；张杰等，2012)。商业信用融资被普遍认为是银行信贷的替代性方式(Cull等，2008)，也是中国企业重要的外源融资渠道之一(孙浦阳等，2014)。企业在受到银行信贷限制后，可以通过商业信用缓解短期的融资约束(饶品贵和姜国华，2013)，进而保障创新活动的顺利开展。

一方面，相较于银行信贷，商业信用在掌握企业的市场信息上存在着优势。商业信用借贷双方之间往往存在着较为密切的贸易往来，信息不对称程度较低。供应链上游企业常常会将“过度融资”的资金，采用商业信用的方式二次分配给下游企业，以获取额外收益(王彦超，2014)。这令原本遭受银行信贷融资约束的下游企业更加依赖商业信用融资，以保证研发创新的规模和水平。另一方面，商业信用作为企业间货款的延迟支付，不需要负担额外的利息成本，进而增加了企业收入和扩大了资金池(姚星等，2019)。同时，供应商对于赊销企业货款的用途监管较弱，远不如银行对于企业借款用途的监管力度大，因此企业通过商业信用融资获得了更大的资金配置空间，能投入更多的资金激励创新。

部分文献也发现，商业信用与企业创新存在着正向关系。在融资约束较大的转型经济环境中，商业信用对技术创新存在着积极的促进作用(刘慧芬，2017)，会缓解中小企业融资约束(陈志红和李健，2020)，支持其绿色创新。进一步研究发现，商业信用与企业创新投入存在倒“U”形关系(于波和霍永强，2020)，即在达到拐点之前，商业信用能够正向促进企业创新，如超过临界值则会抑制企业创新。绿色信贷政策实施后，当受限制企业银行信贷面临约束，该企业将转而寻求商业信用。此时，商业信用成为受限制企业缓解信贷约束的主要途径(薛俭和朱迪，2021)。进一步地，受限制企业极有可能通过商业信用融资开展绿色创新，以实现绿色转型升级。基于此，本文提出如下研究假设：

假设H2：《绿色信贷指引》颁布后，受限制企业的商业信用融资增加，从而促进企业开展绿色创新活动。

3. 绿色信贷政策、内部环境关注与企业绿色创新

“遵循成本假说”认为，一般性的环境规制会增加企业污染治理成本，挤占生产资源，并不有利于提升企业对于环境保护的关注度。同时，由于存在信息不对称，金融机构与受限企业之间容易出现委托代理问题，即受限企业倾向于以较高成本获取信贷资源，并继续投资于高污染、高回报的生产活动。因此，在金融机构监管不足、环境规制影响较小的情况下，受限企业并不会主动披露环境信息，走绿色转型发展道路。而作为新型环境规制工具，绿色信贷政策兼顾金融资源配置与环境保护双重职能，能够较好地缓解金融机构与受限企业之间的委托代理问题，进一步提升受限企业内部环境关注度，促进企业绿色创新。

绿色信贷政策出台后，金融机构与受限企业的环境保护动机大大增强。一方面，银行考虑到自身利益和社会责任，会更加关注和控制对受限企业的贷款投放量，避免承担受限企业转嫁而来的污染风险。比如，《绿色信贷指引》明确要求，银行要对涉及重大环境和社会风险的客户开展风险评估，强化企业贷款的贷后管理。即使企业已经获取贷款，银行也有权以其风险管理状况为依据，重新决定贷款的拨放。此时，受限企业为争取信贷支持，也会主动披露环境信息，提升对环境保护的关注度，满足环境风险评估的相关要求。另一方面，根据社会影响假说与信号理论，企业可以通过承担环境社会责任以改善自身声誉，进一步提升经营绩效。因此，绿色信贷政策颁布后，受限企业管理层受政策倒逼激励影响，内部环境关注度不断提升。

研究发现，企业环境关注度会影响企业的绿色创新行为。一般而言，企业环境关注度越高，越可能履行环境社会责任(斯丽娟和曹昊煜，2022)，进而开展绿色创新活动的可能性越大(肖小虹等，2021)。同时，较高的环境关注度使企业更好地感知目标市场的规范压力，构建市场知识，选择绿色产品类型和市场分割，促进企业绿色创新(Yang等，2015)。此外，企业提升自身环境关注度能有效解决利益相关者间的矛盾，营造良好的环境保护氛围，缓解绿色创新过程中的双重外部性问题。绿色信贷政策的实施，确保环境规制成本完全向企业转化，提升企业环境关注度，进而促进企业绿色创新。基于此，本文提出如下研究假设：

假设H3：《绿色信贷指引》颁布后，受限制企业的环境关注度提高，从而促进企业开展绿色创新活动。

三、 研究设计

1. 模型设定

近年来，国内许多学者采用双重差分法(DID)研究绿色信贷政策的影响效果(陆菁等，2021)。因此，为考察绿色信贷政策对企业绿色创新所产生的影响，本文借鉴已有做法构建如下双重差分模型：

Yit=β0+β1DIDit+β2CONTROLSit+μi+λt+εit

(1)

模型(1)中，Yit为被解释变量，下标i、t分别代表企业和年份；DID为双重差分项，等于TREAT×PERIOD，虚拟变量TREAT反映该企业是否为受政策限制行业企业。本文参考王馨和王营(2021)的做法，依据《绿色信贷实施情况关键评价指标》中所规定的环境和社会风险为A类企业所属行业，来认定上市公司是否为受政策限制行业(2)具体地，A类企业所属行业包括核力发电、水力发电、水利和内河港口工程建筑、煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业、其他采矿业等9个行业。。如果上市公司属于受政策限制行业，取值为1，反之取值0；虚拟变量PERIOD反映企业是否受绿色信贷政策影响，2012年及之后取值1，2012年之前的年份取值0。CONTROLS为其他控制变量，μi表示企业固定效应，λt表示时间固定效应，εit表示随机误差项。

2. 变量设定与数据来源

(1) 变量设定。被解释变量。本文采用企业绿色专利申请数作为企业绿色创新的代理变量。借鉴李青原与肖泽华(2020)的做法，首先从中国国家知识产权局(SIPO)检索样本上市企业申请的专利IPC分类号，然后使用世界知识产权组织(WIPO)推出的“国际专利绿色分类清单”中绿色专利IPC分类号进行匹配，得到每个样本的绿色专利匹配数。采取绿色专利申请数加1后取自然对数，作为企业绿色创新活动的度量指标(GPAT)。同时，也将绿色专利按类型分为绿色发明专利(GIPAT)与绿色实用新型专利GDPAT)，作为企业绿色创新质量指标，从而与企业绿色创新数量对比。

解释变量。绿色信贷政策双重差分项(DID)，即受限制行业企业DID在政策实施当年及以后年份取值为1、在政策实施之前取值为0，非限制行业企业所有取值为0。

中介变量。为了检验绿色信贷政策是否会通过外部商业信用渠道对企业绿色创新产生影响，本文选取企业净商业信用融资(NCRDT)作为中介变量。参考已有做法(饶品贵和姜国华，2013；王化成等，2016)，选取企业的净商业信用融资比率作为代理变量，具体衡量方式为：(应付票据+应付账款+预收账款-应收票据-应收账款-预付账款)/总资产。为了检验绿色信贷政策是否会通过内部环境关注渠道对企业绿色创新产生影响，本文选用管理层讨论中环保词频数的自然对数(LNFRE)作为中介变量。具体参考Chen等(2018)构造的环境词库，从上市公司发布的年报中提取“管理层讨论与分析”相关内容，手工统计词库中的关键词出现频率，并加1取对数进行衡量。

控制变量。为了尽可能全面衡量绿色信贷政策的影响，借鉴以往研究结果，选取了如下控制变量：企业规模(SIZE)，使用企业总资产的自然对数衡量；企业盈利能力(ROA)，使用企业资产收益率衡量；企业资产结构(LEV)，使用企业资产负债率度量；企业年龄(AGE)，使用企业上市时间的自然对数衡量；企业经营现金流(CFO)，采用经营性活动产生的现金流量净额除以总资产进行度量；第一大股东持股比例(TOP1)，使用第一大股东持股数占比衡量；董事会规模(BOARD)，使用企业董事会人数的自然对数衡量；企业是否两职合一(DUAL)，董事长与总经理两职合一为1，否则为0。同时，考虑到地区发展差异，控制城市经济发展水平(GDP)以及城市产业结构(THIRD)，分别用城市人均生产总值自然对数、第三产业增加值与地区生产总值的占比来衡量。具体的变量含义见表1。

(2) 数据来源。本文以沪深A股上市企业作为研究样本，时间跨度为2007至2020年，并按以下要求筛选：剔除金融业上市公司，剔除ST、ST*以及PT公司，剔除财务数据异常以及相关数据严重缺失的公司。本文财务数据来自国泰安(CSMAR)数据库，专利数据来自中国研究数据服务平台(CNRDS)以及国家知识产权局(SIPO)，环保词频数通过上市公司年报收集，城市数据来自各年份城市统计年鉴，并将上述数据进行匹配。除企业环保词频数存在部分缺失值外，本文最终获得23012个年度观测值。

3. 描述性统计结果

为了避免极端值影响实证结果，本文对所有连续变量数据进行1%缩尾处理，表2为主要变量的描述性统计结果。由表2可以看出，企业绿色创新总量GPAT均值为0.998，标准差为1.376，最小值为0，最大值为5.094，说明中国上市企业间绿色创新呈现出不均衡的状况；双重差分项DID均值为0.047，表明样本企业中约有4.7%的企业受到绿色信贷政策的影响。其余控制变量描述性统计与现有研究结果基本保持一致。

表1 变量说明表

表2 主要变量描述性统计

四、 实证分析

1. 绿色信贷政策对企业绿色创新的影响

为了考察绿色信贷政策实施后企业绿色创新的变化情况，将绿色专利GPAT、GIPAT、GDPAT作为被解释变量，代入模型(1)进行回归，回归结果如表3所示。表3列(1)、(2)、(3)是未纳入控制变量，但控制企业固定效应和年份固定效应的回归结果，列(4)、(5)、(6)是进一步纳入控制变量的结果。由列(4)、(5)、(6)结果可以发现，DID系数均在1%的水平上显著为正，表明绿色信贷政策实施后，相较于非受限制企业，受限制企业的绿色创新产出显著上升，平均整体增幅为29.47%，其中，绿色发明专利申请量平均增加24.41%，绿色实用新型专利申请量平均增加22%。实证结果表明，绿色信贷政策既显著提升了企业绿色创新的规模，也明显提高了企业绿色创新的质量，实现了绿色创新的“增量提质”。可能的原因在于，《绿色信贷指引》颁布后，受限制企业积极谋求转型升级，采取绿色创新手段，响应政策号召以保持市场地位，试图维持原有的银行信贷规模。因此，研究假设H1a得以证明，即绿色信贷政策发挥了较强的“波特效应”，对企业绿色创新产生了正向促进作用。

表3 绿色信贷政策对企业绿色创新的影响

2. 稳健性检验

图1 绿色创新平行趋势检验

(1) 平行趋势检验。双重差分法的前提假设是要符合平行趋势，在本文中即要保证受限制企业和非限制企业在政策颁布前，绿色专利申请量具有相同的变化趋势。为了检验这一假设，本文采用事件分析法，研究绿色信贷政策对企业绿色创新活动的年度动态影响。具体方法是：以2012年作为基准年份，构建时期虚拟变量，将每个时期虚拟变量与政策虚拟变量TREAT交互项作为解释变量；以绿色创新总量作为被解释变量，纳入模型(1)中进行估计，估计结果见图1。由图1可知，在绿色信贷政策实施之前，交互项系数均不显著，表明受限制企业和非限制企业在政策实施前绿色创新情况无显著差异，满足DID平行趋势的假设。同时也可以发现，绿色信贷政策实施后，受限制企业因政策激励，其绿色创新规模明显扩大，且该影响具有持续性。

(2) 安慰剂检验。为了进一步保证基准结果的稳健性，本文对回归结果进行安慰剂检验。首先，利用反事实分析法，提前时间节点，对事件发生前样本进行检验。将政策实施时间往前位移两年，选取2010年作为虚拟政策发生的时间，构造虚假的双重差分交互项NDID，并以此代入模型(1)进行回归，估计结果如表4所示。可以发现：受限制企业绿色创新GPAT、GIPAT、GDPAT系数估计值均不显著，这说明本文所构造的虚假事件未发生，基准回归结果稳健。

表4 提前两期安慰剂检验

另外，为了检验回归结果在多大程度上受到遗漏变量及其他扰动因素的影响，本文采用Bootstrap技术随机“筛选”样本企业，并随机产生政策时间，据此产生政策时间-企业两个层面的随机实验，纳入模型(1)中进行回归。通过500次的重复实验，得到的绿色创新总量DID虚假回归系数分布图(如图2所示)。可以发现：500次随机抽样得到的虚假估计系数近似服从正态分布，且虚假估计系数集中在零点附近，远小于基准估计得到的系数0.2947，说明虚构的政策冲击对企业绿色创新的回归系数显著为正和显著为负的可能性较小，由此排除绿色信贷效应源于其他不可观测因素的可能性。

图2 绿色创新安慰剂检验

(3) PSM-DID检验。为了缓解因模型设定而导致的外推偏误，本文进一步使用倾向匹配得分法(PSM)进行稳健性检验。具体而言，首先以企业规模、盈利能力、资产结构、企业年龄、经营现金流、第一大股东持股比例、董事会规模等企业特征变量，对处理组和对照组进行Probit回归，将预测值作为得分；然后使用最近邻匹配方法进行1∶1匹配；最后参照模型(1)进行回归，PSM-DID的估计结果如表5所示。由表5可以看出，受限制企业绿色创新GPAT、GIPAT、GDPAT等系数仍在1%水平上显著且符号为正，这一结果表明本文核心结论是稳健的。

(4) 考虑绿色创新的长周期性结果。考虑到企业绿色创新风险较高，产品升级较大，需要更长的商业化路径及资金回收期。参考王馨和王营(2021)的做法，本文选用第t+1年、第t+2年绿色专利申请数来衡量企业绿色创新，开展进一步检验，具体回归结果如表6所示。可以发现，第t+1年、第t+2年绿色专利申请数的回归系数仍均在1%水平上显著为正，这与基准回归结果保持一致，说明结果是稳健的。

表5 PSM-DID估计结果

表6 考虑绿色创新的长周期性结果

五、 进一步分析

1. 机制分析

为考察绿色信贷政策是否通过外部商业信用融资、内部环境关注渠道对企业绿色创新产生影响，本文使用温忠麟等(2004)构建的逐步法中介效应模型进行检验，设定回归模型如下：

Mit=θ0+θ1DIDit+θ2CONTROLSit+μi+λt+εit

(2)

Yit=α0+α1DIDit+α2Mit+α3CONTROLSit+μi+λt+εit

(3)

其中，M为中介变量，即企业外部商业信用与内部环境关注，其他变量定义与模型(1)保持一致。机制检验具体操作步骤如下：首先，将核心被解释变量纳入模型(1)中估计，如果β1不显著，则停止中介效应检验；而如果β1显著，则进行下一步检验。其次，将中介变量、核心被解释变量代入模型(2)、(3)进行估计，若系数θ1、α2同时显著，则表明存在中介效应。若α1显著则表明存在部分中介效应，不显著则表明存在完全中介效应。如果系数θ1、α2中有一个不显著，则应当进行Sobel检验。

将绿色创新作为被解释变量、商业信用融资作为中介变量代入中介效应模型进行回归，回归结果如表7所示。表7列(1)表明绿色信贷对企业商业信用融资的影响显著，这可能是因为，《绿色信贷指引》颁布后，受限制企业为了缓解融资困境，借助商业信用融资谋求资金周转。表7列(2)汇报了绿色信贷政策与中介变量对企业绿色创新总量的影响，由结果可知，DID的系数与NCRDT系数均显著。这表明绿色信贷政策实施后，企业谋求更多的商业信用融资，其绿色创新整体水平也更高，存在部分中介效应。表7列(3)、(4)汇报了绿色信贷政策与商业信用融资对两类绿色专利申请数量的影响。可以看出，DID的系数均在1%的水平上显著为正，同时NCRDT系数也在5%水平上显著。这表明，在绿色信贷政策促进企业绿色创新过程中，企业商业信用融资的部分中介效应显著存在。

表7 机制检验：外部商业信用融资效应检验

将绿色创新作为被解释变量、企业环境关注度作为中介变量，代入中介效应模型进行回归。由于上市公司环境词频数存在部分缺失，回归剔除了这部分样本，最终结果如表8所示。表(8)列(1)、(2)、(3)汇报了剔除缺失值后绿色信贷政策对企业绿色创新的影响，可以发现：系数仍均在1%水平上显著为正。表8列(4)则表明，绿色信贷对企业内部环境关注度的提升效应显著。这可能是因为，《绿色信贷指引》颁布后，受限制企业为重新获取信贷支持，满足环境风险评估的相关要求，环境保护内在动机增强，环境关注度提升。进一步地，表8列(5)、(6)、(7)汇报了绿色信贷政策与中介变量对企业各类绿色创新的影响，由结果可知，DID系数与LNFRE系数均显著为正。这表明，绿色信贷政策实施后，企业环境关注的部分中介效应显著，即绿色信贷政策提升企业内部环境关注度，进而提高企业绿色创新水平。

此外，为进一步检验中介效应的稳健性，本文也对中介效应模型进行Sobel检验。Sobel检验的P值均都接近零，说明商业信用与环境关注的中介效应显著。综上，绿色信贷政策颁布后，政策“倒逼激励”效应显著，受限制企业通过增加外部商业信用、提升内部环境关注度两条渠道，积极开展绿色创新活动。同时，两类绿色专利申请量均显著上升，实现了绿色创新的“增量提质”。

2. 异质性分析

考察了绿色信贷政策对企业绿色创新的作用机制后，在模型(1)的基础上加入企业异质性的三重差分项，构建三重差分模型进一步研究2012年《绿色信贷指引》对于异质性企业的不同影响。以企业所有制差异为例，构建三重差分项TREATi×PERIODt×SOEi，具体模型为：

Yit=φ0+φ1TREATi×PERIODt×SOEi+φ2TREATi×PERIODt+φ3CONTROLSit+μi+λt+εit

(4)

其中，TREAT和PERIOD分别为政策虚拟变量和时间虚拟变量；SOE为企业所有制虚拟变量，企业若为国有企业取值为1，反之取值为0；其余变量定义保持不变。

表8 机制检验：内部环境关注效应检验

(1) 产权性质差异。相比于非国有企业，中国国有企业拥有资金、土地、人力等资源要素优势，也是各类政策落实的先行者，因此有必要检验不同产权性质的异质性影响。基于企业所有制差异的回归结果如表9列(1)所示，企业绿色创新总量三重差分项系数为0.1973，在10%显著性水平上显著。这意味着相比于非国有企业，绿色信贷政策实施后，国有企业的绿色创新意愿更强，绿色创新产出更高。这是因为国有企业一般是环境规制政策的重点监察对象(王勇等，2019)，通常会率先响应国家政策号召，积极承担政策任务以起到带头作用。同时，绿色发明专利三重差分项系数在1%水平上显著为正，而绿色实用新型专利三重差分项系数不显著。这表明国有企业为了积极履行社会责任、缓解环境污染困境，会更重视实质性的绿色创新以实现产业绿色升级，从而其绿色创新质量更高。

(2) 数字化程度差异。随着互联网、大数据、人工智能等技术的不断发展，数字化转型成为企业研发创新的重要推动力。为了探究绿色信贷政策对于不同数字化程度企业的差异性影响，本文借鉴袁淳等(2021)做法，使用上市企业年报中数字化相关词汇频数总和加1取对数，以衡量企业数字化转型程度(DIG)。DIG数值越大，代表企业数字化程度越高。将企业数字化程度代理变量DIG替换模型(4)中SOE，得到企业数字化程度异质性三重差分项。基于企业数字化程度差异的估计结果，如表9列(2)所示。可以发现，企业绿色创新的三重差分项系数均显著为正，这表明相比于数字化程度较低的企业，数字化程度越高的企业开展绿色创新活动的积极性更高。一方面，企业数字化程度越高，专业化分工水平也越高(袁淳等，2021)，有利于创新资源的集中，减少绿色创新过程中的沟通成本。另一方面，较高的数字化水平一定程度上也反映企业的经营状况良好，传递给上游企业正面信号，在遭受信贷缩减时企业获取外部债务融资的可能性更大，这缓解了绿色创新的资金压力。同时，数字化程度越高的企业也更倾向于响应政策号召，赋能绿色化转型，提升环境关注度，从而积极开展绿色创新活动。

(3) 供应商集中度差异。在中国，社会关系网络是影响上下游企业开展合作业务的重要因素，企业商业信用融资很大程度上会受供应商集中度影响。为了探究绿色信贷政策对于不同供应商集中度企业的差异影响，本文使用前五大供应商采购额占总采购额的比例，来衡量企业供应商集中度(SUPPLY)。SUPPLY数值越大，代表企业供应商集中度越高。将企业供应商集中度代理变量替换模型(4)中SOE，得到企业供应商集中度异质性三重差分项。基于供应商集中度差异的估计结果，如表9列(3)所示。企业绿色创新总量、绿色发明专利三重差分项系数均显著为负，绿色实用新型专利三重差分项系数不显著。这表明：供应商集中度越高，越不利于企业进行绿色创新活动，特别是实质性绿色创新。可能的原因在于，受绿色信贷政策的约束，企业通过商业信用融资获取绿色创新资源，而企业供应商集中度越高，所能获得的商业信用融资越少(马黎珺等，2016)。因此，供应商集中度较高的企业缺乏创新资金，绿色创新意愿和效果大大降低。

表9 异质性分析

六、 研究结论与政策建议

1. 研究结论

基于2007-2020年中国A股上市公司面板数据，以2012年《绿色信贷指引》的颁布作为准自然实验，本文主要采用双重差分法检验了绿色信贷政策对企业绿色创新的影响及机制。研究结果发现：绿色信贷政策的实施，显著提升了受限制企业的绿色创新水平。相比于其他企业，受限制企业绿色发明专利与绿色实用新型专利均明显增加，实现了绿色创新的“增量提质”。机制分析发现，绿色信贷政策通过增加企业外部商业信用融资、提升企业内部环境关注两个渠道激励企业绿色创新。异质性分析发现，相比于非国有企业，国有企业绿色专利申请量增加更多。相比于数字化程度较低的企业，数字化程度较高的企业开展绿色创新活动更为积极。基于商业信用融资视角发现，与供应商集中度较低的企业相比，供应商集中度较高的企业因难以获取商业信用，绿色创新意愿较低。

2. 政策建议

中国绿色信贷政策的实施取得了一定效果，产生了较强的“波特效应”，一定程度上激励企业开展绿色创新、推进转型升级。结合实证结果与绿色信贷发展现状，本文得到如下政策启示。

第一，政府需要继续优化绿色信贷制度设计，完善监管评价体系与绿色创新激励机制。一方面，政府部门要制定更加完善的绿色信贷评估标准，加强对污染企业与绿色企业的细致审查，实行动态性的定价、风险监管。另一方面，相关部门要进一步完善绿色专利的分类标准，为银行开展绿色信贷评估提供依据，同时激发企业绿色转型升级的积极性。此外，污染企业借助商业信用手段缓解了银行信贷约束，进而开展绿色创新活动。政府部门也要重视这类替代性融资方式的合法性，加强对企业商业信用融资的激励与约束，防止商业信用滥用与误用。

第二，银行等金融机构要强化授信风险管理，“因企制宜”提供绿色信贷，充分发挥绿色信贷政策的正向引导作用。一方面，商业银行要构建符合贷款企业特点的绿色信贷管理机制，既要提高受限企业获取银行信贷资源的门槛与成本，又要解决信息不对称问题，降低绿色型企业获取绿色信贷的难度，进一步提升信贷配置效率。另一方面，商业银行可以根据企业绿色创新程度差异，合理调整企业信贷资源，进一步强化受限企业绿色转型发展的意愿和行动。

第三，企业自身要加强绿色治理，提升环境关注度，全面落实绿色发展战略。一方面，企业应该强化环保意识，主动充分披露自身环境污染状况，积极履行企业社会责任，争取绿色信贷支持。同时，企业也应当积极开展高质量的绿色创新活动，推动经济绿色高质量发展，助力实现“双碳”目标。另一方面，企业在遭遇信贷约束时，要考虑借助商业信用开展绿色创新活动。因此，在上下游商业信用融资合作中，商业信用供给方应当更加重视需求方的绿色发展状况，充分发挥利益相关者的环保监督作用，深化生态文明建设。