绿色金融政策会提高企业债务融资成本吗？

代昀昊 赵煜航 雷怡雯

(1.华中科技大学经济学院/现代经济学研究中心，湖北 武汉 430000；2.华中科技大学经济学院，湖北 武汉 430000)

一、引言

2015年，我国政府首次明确提出“绿水青山就是金山银山”的绿色发展理念。这意味着中国在“新改革”中既要保持经济发展，更要加强环境保护，达到经济与环境的双赢(涂正革和谌仁俊，2015)[40]。2020年，习近平总书记指出中国将采取更加有力的政策和措施，力争于2030年前实现“碳达峰”，2060年前实现“碳中和”。为实施绿色发展理念和未来实现双碳目标，我国经济发展必须要“转方式、调结构”。发展绿色金融、构建绿色金融体系不仅是解决这一问题的重要抓手，更是实现经济可持续发展的必要前提(陈诗一等，2021)[25]。

和国外相比，虽然我国绿色金融起步较晚，但经过不断探索与实践，在架构绿色金融体系方面已经推出了一系列政策措施。2017年6月，国务院常务会议决定，在浙江、江西、广东、贵州、新疆5省(区)选择部分地方，建设各有侧重、各具特色的绿色金融改革创新试验区，探索“自下而上”的地方绿色金融发展路径。当月，中国人民银行等七部委联合印发五省区建设绿色金融改革创新试验区总体方案(以下简称总体方案)，首批绿色金融改革创新试验区为广东省广州市、江西省赣江新区、贵州省贵安新区、浙江省湖州市和衢州市，以及新疆维吾尔自治区哈密市、昌吉州和克拉玛依市。方案提出，通过5年左右时间，在这些地区探索绿色金融促进经济结构调整、助推生态经济发展的有效途径和方式，推动经济绿色转型升级。

目前已有不少学者考察了我国绿色金融政策对微观企业的影响，尤其是在评估绿色信贷政策效果方面产出了较为丰富的研究成果。一方面，部分学者从“两高”行业公司的视角出发，发现绿色信贷政策的实施存在显著的惩罚效应，绿色信贷政策减少了高能耗企业的债务融资总额，从而抑制企业的投资规模和效率(Liu et al.，2017；Wang et al.，2020；Wen et al.，2021)[9][20][21]。该政策对重污染企业的影响主要表现在债务融资规模下降(Li et al.，2022；Liu et al.，2019)[8][11]，债务融资期限缩短(Xu and Li，2020)[23]，债务融资成本上升(连莉莉，2015；Li et al.，2022)[32][8]。面临融资约束的高污染企业会选择减少投资，因而影响自身的经营效率(丁杰，2019；苏冬蔚和连莉莉，2018)[26][39]，造成退出风险的上升(陆菁等，2021)[34]。但也有学者发现，绿色信贷政策虽然减少了高污染企业的长期债务占比，但提高了企业的投资效率，没有对企业的经营造成冲击(王艳丽等，2021)[45]。另一方面，有学者从绿色企业视角考察了绿色信贷政策的效果，发现该政策对绿色企业存在显著的补偿效应，主要体现在绿色企业债务融资成本显著降低(连莉莉，2015)[32]，长期债务规模增加，投资水平得到提升(王康仕等，2019)[42]。在绿色金融改革创新试验区建立后，试验区内绿色企业的商业信用和研发投入明显增加，全要素生产率得以提升(王修华等，2021)[44]。

绿色债券和绿色信贷是目前我国发展水平较高的绿色金融工具，“绿色金融改革创新试验区”试点政策(以下简称绿色金融试点政策)理论上可以依托二者作为媒介，在供给端调配金融资源，从而影响企业债务融资能力，促使其进行绿色转型。目前鲜有学者从微观企业视角探究绿色金融试点政策对制造业企业债务融资成本的影响及其机制。我国第一批绿色金融试点已经启动了5年有余，在具体实践中，该政策的实施效果究竟是增加企业环境信息披露成本，对企业进行融资惩罚；还是推动企业技术创新，对企业进行融资补偿？更为重要的是，如果企业的债务融资成本确实受到了影响，那么该政策对企业债务融资成本的影响机制是怎样的？同时，政策对企业债务融资成本的影响是否存在异质性？这些问题的答案依赖于严谨的实证检验。

基于此，本文采用我国A股制造业上市公司的数据，以绿色金融试点政策作为切入点，利用双重差分模型(DID)实证检验绿色金融试点政策对企业债务融资成本的影响。实证结果表明，在控制了时间和个体层面的固定效应后，绿色金融试点政策显著提高了试验区企业的债务融资成本。在采用安慰剂检验和倾向得分匹配(PSM)缓解内生性问题后，结论仍然保持一致。本文基于三重差分模型(DDD)进一步发现，具有较高绿色创新和环境信息披露质量的企业能够缓解绿色金融试点政策对债务融资成本的影响。此外，融资约束程度较高的企业在绿色金融试点政策实施后，债务融资成本上升更为显著。最后，进行更换被解释变量指标、控制其他层面固定效应等一系列稳健性检验后，结论仍然保持一致。

本文可能的边际贡献在于以下两方面：第一，从梳理的文献看，本文可能是国内少有的探讨绿色金融试点政策影响企业债务融资成本的文献。大多数学者评估国内绿色金融政策对企业债务融资成本的影响时，都是基于绿色信贷政策的颁布(连莉莉，2015；苏冬蔚和连莉莉，2018；Li et al.，2022；Xu and Li，2020)[32][39][8][23]，而本文以总体方案出台作为准自然实验，从制造业公司的视角切入，发现绿色金融试点政策显著提高了企业债务融资成本，为揭示我国绿色金融政策的微观效应提供经验证据。第二，本文清晰地识别出了绿色金融试点政策这一宏观改革提高企业债务融资成本的作用机制。本文基于三重差分模型检验，发现企业较高的绿色创新水平和环境信息披露质量可以使债券人定价的要求降低，这表明更多环境治理的实际投入以及更优的环境信息披露行为能够有效帮助金融信贷机构识别企业的真实状况。这不仅反映出债权人在进行授信行为时，会更综合地考虑企业真实的绿色行为，也表现出绿色金融政策可能会发挥“倒逼”作用，通过给有绿色投入的企业更低的融资成本来达到倡导企业进行绿色科技、绿色发展等活动。

二、制度背景与研究假设

(一)绿色金融试点政策的制度背景

自党的十九大报告强调“发展绿色金融”以来，我国已颁布了一系列的绿色金融举措。绿色金融试点政策的实施，在绿色金融推动绿色发展、助力实现碳达峰碳中和目标中扮演了一个具有积极导向的角色，为探索中国特色绿色金融发展之路奠定了基础。2017年以来，国务院将浙江等五省区设立为首批绿色金融改革创新试验区，各试点地区可根据自身条件、意愿来制定绿色金融措施。该政策的实施旨在通过对供给端调配金融资源，加大金融对绿色环保项目的支持，实现资源的绿色配置，支持地方绿色产业发展和经济社会绿色低碳转型。2022年6月末，试验区绿色贷款余额1.1万亿元，在全部贷款中的占比高于全国平均水平2.2个百分点。1在“以降碳为重点的战略导向”与“积极探索金融服务‘双碳目标’的有效路径”的号召下，追求企业可持续发展与环境保护的“双赢”模式已成为当前我国经济发展的首要目标。

绿色金融改革创新试验区以绿色信贷作为实践基础，纳入了其他绿色金融产品的改革和创新，是多种绿色金融产品创新的融合。企业的绿色产业被视为重点扶持项目，能够从信贷投向、期限、利率这些途径获得优先的倾斜政策，形成一种金融优先支持绿色产业的局面。在绿色金融改革创新试验区试点的过程中，各试验区根据自身地区经济金融发展情况，不断出台地方性绿色金融政策。例如，在绿色金融服务创新方面，湖州市注资1.7亿元成立政府政策性融资担保公司，优先支持绿色小微企业，同时地方政府每年按照金融机构对绿色企业贷款余额的5%对授信金融机构进行风险补偿2；衢州市则是通过建立绿色金融专项资金、调动金融机构的积极性和能动性等若干政策意见来奖励、补偿地区经济。

由此看来，市场主体在绿色金融改革创新试验区建立后，时刻关注企业环保产业的发展，在投资行为中引入环保理念，旨在利用对社会资源的引导来平衡企业经济可持续发展与生态环境的协调。

(二)绿色金融政策对企业债务融资成本的影响与作用机制

基于企业环境信息披露理论，一般来说，企业的环境信息披露不仅会受到公司治理等企业内部因素的影响，还会受到各类绿色金融政策的影响。现有文献考察了绿色金融政策和企业环境信息披露之间的关系。例如，占华(2021)[48]基于重污染行业研究发现，绿色信贷政策能够促进企业环境信息披露。因此，本文预期绿色金融政策的实施会促使企业加强环境信息披露，进而对其债务融资成本产生潜在影响。

我国过去长期存在环境信息披露制度不完善的问题(方颖和郭俊杰，2018)[27]，因而企业受到绿色金融政策影响、加强环境信息披露后，不仅容易暴露自身的真实排污水平(Tian et al.，2016)[19]，也提高了地方环保部门的执法效率(Powers et al.，2011)[17]，会使自身面临更高的监管、舆论和诉讼风险(Liu et al.，2018)[10]，为环境信息披露付出额外成本(祝树金等，2022)[49]。甚至有文献指出，大量的企业环境信息披露会增加企业披露负面信息的概率，使企业面临更大的环保支出压力，容易受到外部利益相关者的负面解读，制约企业发展(吕备和李亚男，2020；何文剑等，2022)[35][28]。

在绿色金融政策下，公司管理层将环境信息披露视为债权人感知风险的渠道(王霞等，2013)[43]，债权人会对存在潜在负面环境信息的公司发放利率更高的贷款，以补偿他们因提供贷款而面临的潜在责任和风险(Chava，2014)[3]，从而导致企业具有更高的债务融资成本。基于上述理论分析，本文提出如下研究假设：

H1a：绿色金融改革创新试验区的建立对区域内制造业企业的债务融资存在惩罚效应，即在政策实施后企业债务融资成本提高。

与此同时，绿色金融政策的颁布进一步强化了企业环保表现对其债务融资成本的影响。具体而言，企业环保绩效已经成为决定债权人贷款定价的重要因素之一。由于环境信息存在较强的专业性和隐蔽性，处于信息劣势地位的债权人往往难以准确掌握企业的环境表现(占华，2021)[48]，从而让企业的“漂绿”行为有机可趁(Flammer，2021)[6]。企业迫于政策压力加强环境信息披露的力度，有助于降低企业和债权人之间的信息不对称程度，从而增强企业的资信度，付出更低的债务融资成本。基于上述理论分析，本文提出如下竞争性假设：

H1b：绿色金融改革创新试验区的建立对区域内制造业企业的债务融资存在补偿效应，即在政策实施后企业债务融资成本降低。

基于上述分析，可初步得出，绿色金融政策会通过促进企业环境信息披露作用于企业的债务融资成本。考虑到企业进行绿色治理的实际投入或提升环境信息披露质量都是缓解信息披露成本的重要手段，一个自然的问题是，企业可否通过这两个途径降低债权人的要求？

波特假说指出，企业面对合理而且严格的绿色金融政策时，可以通过技术创新的手段，在改善环境绩效的同时部分或者全部抵消额外的环境成本(Ambec and Barla，2002；Porter and Van der Linde，1995)[2][16]。企业通过技术创新进行绿色转型，在提升自身未来盈利能力和偿债能力的同时，也降低了自身面临的环保成本和风险，此时债权人愿意为企业提供更加优惠的贷款条件。

基于信号传递理论，受到绿色金融政策的影响，企业可以主动揭露更多关于其履行环境责任的信息(Menguc et al.，2010)[12]，并且致力于提升信息披露质量，通过高质量的信息披露向外界传递公司正在良性发展的信号(Dhaliwal et al.，2011)[4]，更好地缓解和债权人之间的信息不对称。信息不对称是影响债权人决策的基础性要素，在其他条件相同的情况下，债权人可能会为信息披露质量高的公司提供更低利率的贷款(李志军和王善平，2011)[31]。

基于以上认识，本文进一步提出如下研究假设：

H2a：绿色金融改革创新试验区内的制造业企业可以通过进行绿色技术创新从而降低自身债务融资成本。

H2b：绿色金融改革创新试验区内的制造业企业可以通过提高环境信息披露质量从而降低自身债务融资成本。

尽管本文已经剖析了绿色金融政策通过何种机制影响企业债务融资成本，以及在此基础上，企业可以如何降低债务融资成本，但进一步看，还应考察其影响效应在企业层面上的异质性特征。一般而言，融资约束是影响企业环保表现的重要因素。具体地，当面临较紧的融资约束时，企业进行绿色治理的外源融资需求无法得到满足，这会导致较高的经营风险和环保成本(陈诗一等，2021)[25]。绿色金融试点政策实施后，企业加大环境信息披露力度，会使上述问题更充分地暴露给债权人，致使融资约束更强的企业付出更多的债务融资成本。鉴于此，本文提出如下研究假设：

H3：绿色金融试点政策实施后，与融资约束较弱的企业相比，融资约束较强的企业会付出更多的债务融资成本。

三、研究设计

(一)样本数据

为尽量避免其他事件的干扰，本文选取2013—2020年A股制造业上市公司为样本进行研究。本文采用的利息支出数据源于RESSET数据库，绿色专利数据源于CNRDS数据库，其余数据(除特别说明外)均源于CSMAR数据库。

在数据处理方面，剔除部分样本或观测值如下：(1)剔除2013年之后上市的企业；(2)剔除资产负债率大于1或者小于0的异常值；(3)剔除缺失值；(4)剔除位于广西壮族自治区和兰州市的样本。3经过上述处理后，本文得到上市公司观测值6745个，其中试验区观测值350个。为控制极端值的影响，本文对模型中涉及的连续变量在1%和99%分位数进行缩尾处理。

(二)模型构建

本文以2013—2020年A股制造业上市公司面板数据为研究样本4，采用DID实证方法，以绿色金融试点政策为准自然实验，将处于试验区的企业作为政策干预的“实验组”，试验区外的企业视作无政策干预的“对照组”，通过使用固定效应双重差分模型识别绿色金融试点政策对试验区企业债务融资成本的净效应。构建的双重差分模型如下：

其中，下标i和t分别表示企业和年份；Debtcostit为被解释变量，表示企业融资成本；Treati为组别虚拟变量，实验组企业取1，对照组企业取0；Timet为时间虚拟变量，2017年及以后取1，否则取值为0；Xit为一系列企业层面控制变量；μi、τt分别为企业、年份固定效应；εit为随机扰动项。β1为双重差分系数，衡量绿色金融试点政策对实验组企业债务融资成本的影响。

(三)变量定义

本文的被解释变量是制造业企业的债务融资成本。借鉴钱雪松等(2019)[38]的测度方法，采取“企业利息支出除以总负债”作为指标来度量债务融资成本(Debtcost)，该指标越大，表明债务融资成本越高。

正如前文所言，绿色金融试点政策理论上会促使企业加大环境信息披露力度，从而对企业的融资成本产生影响，因此本文采用绿色专利授予(GPG)、绿色专利申请(GPA)、环境信息披露质量(EDI)、资产规模虚拟变量(Big)和融资约束指数(WW)作为组别变量，具体分析绿色金融试点政策对企业债务融资成本效应在企业层面的差异。其中，

式中CF表示经营活动产生的现金流量净额与总资产的比值；DivPos表示现金股利支付虚拟变量，当期如果派发现金股利则为1，否则为0；Ltdt表示长期负债与总资产之比；Size表示总资产的自然对数；ISG表示行业平均销售增长率，按照2012证监会行业分类标准，制造业取两位编码，其他行业取一位编码；SG表示销售收入增长率。

为了控制企业层面的特征，本文选取企业杠杆率(Lev)、资产收益率(Roa)、有形资产比例(Tar)、资产规模(Size)和年龄(Age)这5个控制变量。

具体变量定义如表1所示。

表1 变量定义

(四)变量描述性统计

表2给出了主要变量的描述性统计结果。被解释变量债务融资成本Debtcost的均值为0.0225，标准差为0.0144，表明债务成本水平浮动区间较大，有利于研究绿色金融试点政策如何影响债务成本。

四、实证结果与分析

(一)DID结果分析

表3展示了绿色金融试点政策影响企业债务融资成本的固定效应回归结果(控制个体固定效应和时间固定效应)。第(1)列显示，当不加入控制变量、仅控制固定效应时，交互项Treat×Time的系数估计值为0.0023且在5%水平下显著；第(2)列显示，在进一步控制企业层面特征变量以后，交互项Treat×Time的系数估计值仍为0.0023且在5%水平下显著。由表2可知，样本企业债务融资成本Debtcost的均值为0.0225。上述实证结果表明，绿色金融试点政策使得实验组企业的债务融资成本平均提高了10%以上，因此假设H1a无法被拒绝，H1b被拒绝。

表2 主要变量的描述性统计结果

表3 绿色金融试点政策对企业债务融资成本的影响

(二)动态效应分析

双重差分估计结果满足一致性的前提是处理组和对照组满足平行趋势假设，即在没有政策干预的情况下，结果变量在处理组和对照组的发展趋势一致。基准回归结果反映的是试点政策实施对A股制造业上市公司的平均影响，并没有反映试点政策在不同时段内这一影响的差异。为此，本文参考Jacobson et al.(1993)[7]提出的事件研究法(event study approach)对试点政策的动态效应进行实证检验，并构建以下模型：策对企业债务融资成本的影响不存在滞后性，且具有一定持续效应。

图1 绿色金融试点政策对企业债务融资成本影响的动态效应

(三) 缓解内生问题

1.安慰剂检验

为了缓解DID回归结果可能存在的内生性问题，本文进行安慰剂检验。如果“伪政策虚拟变量”的系数估计值仍显著为正，则表明企业债务融资成本上升并不是由于绿色金融试点政策造成的，而是由于其他未观测到的因素引起的；反之则能佐证基准回归结果的稳健性。本文采用的数据中，试验组公司有60家。故本文采用的抽样方案如下：首先随机抽取60家公司作为“伪处理组”，然后在保持政策实施时间为2017年的条件下，对伪样本按照式(1)进行DID估计。为了增强估计结果的说服力，本文按照上述方法重复抽样500次，系数估计值的分布如图2所示，并在表4中报告了这500个“伪政策虚拟变量”系数估计值及t值的统计分布。

图2 500次随机抽样回归系数分布

表4 安慰剂检验结果

图2展示了500个“伪政策虚拟变量”系数估计值的分布及相应的p值，其中横轴表示“伪政策虚拟变量”系数估计值的大小，纵轴表示核密度大小，曲线是系数估计值的核密度分布，圆点是系数估计值及其p值的散点。垂直实线是DID模型系数真实估计值0.0023，垂直虚线是“伪政策虚拟变量”系数估计值的均值0.0002。

根据图2和表4的结果可以发现，“伪政策虚拟变量”系数估计值分布的中心接近于0，且系数估计值大多集中分布在-0.0019～0.0021，而真实系数估计值0.0023明显位于对应分布的5%分位数右侧。这表明基准回归结果不太可能受到了其他政策或者随机性因素的影响，证实企业债务融资成本的增加确实是由绿色金融试点政策所引起的。

2.双重差分倾向得分匹配(PSM-DID)

为保证回归结果的有效性，本文进一步使用PSM-DID方法检验绿色金融试点政策对企业融资成本的影响。为了便于比较，采用前文的企业层面控制变量来预测每个企业为试验区企业的概率，再采用近邻匹配、核匹配和半径匹配的方法给试验区企业样本(实验组)匹配对照组，使得实验组和对照组在受到绿色金融试点政策冲击前的差异尽可能小，以减少绿色金融试验区在设立时的自选择偏误所带来的内生性问题。在此基础上，利用前文所述式(1)识别出绿色金融试点政策对企业债务融资成本的净影响。

表5第(1)列显示了全样本采用双向固定效应DID的估计结果，虚拟政策变量的系数估计值为正，在5%水平下显著。第(2)～(5)列进一步给出了PSM-DID的估计结果，其中第(2)列是使用1:4近邻匹配得到的估计结果，第(3)列是使用1:6近邻匹配得到的估计结果，第(4)列是使用核匹配得到的估计结果，第(5)列是使用半径匹配得到的估计结果。第(2)～(5)列的结果表明，采用PSM-DID方法得到的估计结果的符号与全样本的基准估计结果相一致。

表5 倾向得分匹配(PSM-DID)检验结果

图3检验了匹配后的特征变量是否满足平衡性假设。从检验结果看，匹配后，处理组和对照组标准偏差大幅降低，且标准偏差的绝对值都在10%以内，满足了平衡性假设。

图3 平衡性检验结果

(四)绿色金融试点政策对企业债务融资成本的影响：扩展性检验

前文的实证结果表明，绿色金融试点政策的实施会显著提高企业债务融资成本。为打开绿色金融试点政策提高企业债务融资成本的“黑箱”，进一步了解其中的作用机理，本文参考钱雪松等(2019)[38]的研究方法，使用三重差分法检验绿色金融试点政策对企业债务融资成本的影响是否表现出差异性。构建的三重差分模型如下：

其中，Groupit为组别变量，用以区分企业在绿色治理实际投入、环境信息披露质量、规模、融资约束等方面的差异性，其余变量含义与式(1)相同。β1为三重差分系数，衡量机制变量在实验组企业债务融资成本上升过程中的调节作用。

1.基于企业绿色技术创新

由于数据自身的限制，绝大部分R&D数据和绿色生产率指标无法细分至具体技术领域，相较之下，用绿色专利衡量企业绿色技术创新更为恰当(王班班和赵程，2019)[41]。在绿色专利的指标选择上，目前有两种主流观点：一种观点指出应该选择专利申请数，因为专利技术很可能在申请过程中就对企业绩效产生影响，并且受到的外界因素影响相比授予数更少(黎文靖和郑曼妮，2016)[29]；另一种观点指出应该选择授予数，因为专利授予情况更能反映企业的实际创新程度(齐绍洲等，2018)[37]。此外，专利申请和授权之间存在滞后性问题，一项专利从申请到授权往往需要1年左右的时间。综合以上观点，本文采用企业当期绿色专利授予数量和滞后一期的绿色专利申请数量来衡量企业绿色技术创新，分别加1取对数之后，得到本文所采用的指标GPG(绿色专利授予)和GPA(绿色专利申请)。将GPG和GPA分别代入式(4)进行实证检验。

表6第(1)列显示，在交互项Treat×Time的系数估计值显著为正的基础上，三重差分项Treat×Time×GPG的系数估计值在1%水平下显著为负；表6第(2)列显示，将机制变量换为GPA后，回归结果中交互项Treat×Time的系数估计值依然显著为正，三重差分项Treat×Time×GPA的系数估计值在10%水平下显著为负。这表明在绿色金融试点政策出台后，绿色技术创新较高的企业在债务融资时将付出较低的成本。这一结论与Ouyang et al.(2020)[15]的研究相吻合，即面对环境规制，企业可以通过提高技术创新能力来降低污染控制的成本，同时也验证了本文提出的研究假设H2a。

表6 基于企业绿色技术创新和环境信息披露质量视角的检验结果

2.基于企业环境信息披露质量

为检验前文提出的研究假设H2b，本文参考Al-Tuwaijri et al.(2004)[1]和叶陈刚等(2015)[47]的研究方法，结合数据的可获得性，构建环境信息披露质量指数。本文将环境信息分为总体环境信息披露和具体环境信息披露两个方面。总体环境信息披露包含年报披露环境相关信息、社会责任报告披露环境相关信息、单独披露环境报告和社会责任报告参照GRI《可持续发展报告指南》，总计4个小项；具体环境信息披露包含公司的环保理念等情况、过去环保目标完成情况及未来环保目标、环保管理制度体系、参与的环保教育与培训、参与的环保专项活动等社会公益活动、建立环境相关重大突发事件应急机制、在环境保护方面获得的荣誉或奖励、污染物排放达标、通过ISO14001认证、通过ISO9001认证和清洁生产实施情况，总计11个小项。公司每满足上述一个小项，则在该项信息披露上得分为1，否则为0。将每家公司各小项的得分加总，再除以总项数(15)，得到了该家公司的环境信息披露质量指数(EDI)。环境信息披露质量指数的计算方法如下：

将EDI代入式(4)进行实证检验。表6第(3)列结果显示，在交互项Treat×Time的系数估计值显著为正的基础上，三重差分项Treat×Time×EDI的系数估计值在1%水平下显著为负。这表明企业环境信息披露质量越高，环境信息披露成本的上升越不显著，债权人索要的风险补偿就越少(Nandy and Lodh，2012；Raimo et al.，2021)[13][18]，因此环境信息披露质量较高的公司，其债务成本能够得到一定缓解。5这些结果验证了本文的研究假设H2b。

3.基于企业融资约束

为验证前文提出的假设H3，本文从企业融资约束程度差异切入构造三重差分检验，以考察绿色金融试点政策对企业债务融资成本的影响对于不同融资约束程度企业是否表现出差异性。

首先，本文选取企业规模作为企业融资约束的衡量指标。这是因为小规模企业在债务融资方面天生具有缺陷，它们相比大规模企业融资能力更差(吕劲松，2015)[36]，信息更为不透明(林毅夫和孙希芳，2005)[33]，承担更多的资金周转压力。基于此，本文根据控制变量中的资产规模(Size)构造企业资产规模虚拟变量Big，如果企业总资产大于当年样本企业总资产(Size)的中位数，则Big取1，否则取0。将Big代入式(4)进行实证检验。表7第(1)列显示，在交互项Treat×Time的系数估计值显著为正的基础上，三重差分项Treat×Time×Big的系数估计值在5%水平下显著为负。这表明，与大规模企业相比，小规模企业受到绿色金融试点政策的影响相对更大。

其次，本文借鉴Whited and Wu(2006)[22]的研究方法，采用融资约束指数WW来衡量企业融资约束，WW越大，表示企业融资约束程度越高。将来自CSMAR数据库的融资约束指数WW代入式(4)进行实证检验。表7第(2)列显示，在交互项Treat×Time的系数估计值显著为正的基础上，三重差分项Treat×Time×WW的系数估计值在5%水平下显著为正。这些结果表明，绿色金融试点政策实施后，与融资约束程度较低的企业相比，融资约束程度较高的企业债务成本上升幅度更大。

表7 基于企业融资约束视角的检验结果

上述结果表明，在绿色金融试点政策实施后，融资约束更强的企业债务融资成本上升更为显著，从而验证了本文的研究假设H3。

(五)绿色金融试点政策对企业权益资本成本的影响

前文发现绿色金融试点政策的实施会提高企业债务融资成本，那么对于企业权益资本成本是否会产生影响呢？故本文进一步将企业的权益资本成本作为模型(1)的被解释变量进行回归。为了确保回归结果的稳健性，本文通过PEG、MPEG和OJ三种方法计算得出企业的权益资本成本。

Easton(2004)[5]提出基于市盈率(PE ratio)和市营增长比率(PEG ratio)的PEG模型和MPEG模型，计算权益资本成本的方法如下：

其中，EPSt+2为分析师预测的第t+2期每股收益均值，EPSt+1为分析师预测的第t+1期每股收益均值，Pt为第t期末的每股价格，DPSt+1为预测的t+1期每股股利的均值，DPSt+1=EPSt+1×δ，δ为过去三年的平均股利支付率。

采用Ohlson and Juettner-Nauroth(2005)[14]的OJ模型，可以基于未来盈利的预测，计算出企业的权益资本成本，具体计算方法如下：长期增长率gp反映相当长时期内整个经济的平均增长水平，本文参照先前研究的做法(肖作平，2016)[46]，令gp=5%，其余变量含义与(7)式相同。由于OJ模型只有在EPSt+1＞0和EPSt+2＞0时才有意义，故舍弃了t+1期和t+2期每股收益的分析师预测值为负的样本。

表8的检验结果表明，绿色金融试点政策的实施对试验区内企业的股权融资成本没有显著影响。绿色金融试点政策对试验区企业债务融资成本和股权融资成本的影响有显著差异，一方面是因为我国绿色金融政策现阶段的重点是绿色信贷和绿色债券(陈国进等，2021)[24]，试验区的设立会加大当地绿色金融政策的执行力度，形成政策叠加效果与协同效应，对于试验区企业债务融资成本的影响更为直接；另一方面可能是因为A股市场中股权投资者的环保意识不足，企业披露环境信息往往难以引起投资者在金融市场上做出反应(方颖和郭俊杰，2018)[27]。

表8 扩展性分析结果

(六)稳健性检验

1.改变债务融资成本指标

考虑到企业债务融资成本有多种测度指标，为了避免指标选取对实证结果的影响，本文借鉴李广子和刘力(2009)[30]等研究的处理方法，以“利息支出除以平均负债”作为企业债务融资成本的替代性指标测度。表9显示，采用“利息支出除以平均负债”作为替代性指标时，交互项Treat×Time的系数估计值显著为正，这说明改变被解释变量的测度指标不会影响本文结论。

表9 改变债务融资成本指标

2.控制其他层面固定效应

我国经济的一大特点就是地区之间、行业之间资源禀赋、管理水平的差距巨大(涂正革和谌仁俊，2015)[40]。考虑到这些差异可能会对企业债务融资成本造成一些不可观测的影响，本文进行了如下稳健性检验，用以排除这些因素对实证结果可能造成的干扰。

首先，为排除地区差异对企业债务融资成本造成影响的可能性，本文进一步控制地区层面的固定效应，从而有效缓解地区层面可能存在的遗漏变量问题。表10第(1)(2)列显示，控制地区层面的固定效应之后，交互项Treat×Time的系数估计值在5%水平下显著为正。

其次，时间维度上不可观测的冲击可能对不同行业债务融资成本产生异质的影响。为缓解行业层面可能存在的遗漏变量问题，本文引入行业-年份交互固定效应，以控制影响企业债务融资成本的时变行业特征，在此基础上进行实证检验。表10第(3)(4)列显示，引入行业-年份交互固定效应之后，交互项Treat×Time的系数估计值在5%水平下显著为正。

表10 控制其他层面固定效应

以上结果进一步说明本文结论具有稳健性。

五、结论与启示

本文利用我国A股制造业上市公司2013—2020年数据，以“绿色金融改革创新试验区”试点政策作为准自然实验，先采用DID的方法实证检验绿色金融试点政策对企业债务融资成本的影响，再用三重差分模型(DDD)进行扩展性检验。主要结论如下：第一，绿色金融试点政策增加实验组企业债务融资成本，并且该结论经过一系列检验措施后仍具有稳健性。第二，绿色金融试点政策会增加企业环境信息披露成本，从而导致企业的债务融资成本上升；企业较高的绿色创新水平和环境信息披露质量可以使债券人定价的要求降低，这表明更多环境治理的实际投入以及更优的环境信息披露行为能够有效帮助金融信贷机构识别企业的真实状况。第三，绿色金融试点政策对融资约束较高的企业有更强的影响效应。

本文结论为继续推进深化绿色金融改革提供了有益的政策启示：首先，地方政府和金融机构要建立支持企业绿色转型的长效机制，鼓励企业积极进行绿色投资，并加大对主动寻求转型企业的资金支持力度。其次，要继续完善绿色金融改革试验区的环境信息披露制度，引导企业通过提高环境信息披露质量来降低自身融资成本。最后，金融部门需要充分考虑企业的异质性，做到“雪中送炭”而非“锦上添花”，比如在风险可控的前提下，为融资约束程度较高的企业提供针对性的优惠政策，缓解这些企业长期存在的融资难题，帮助其实现转型升级。■

注释

1.数据来自2022年《中美绿色金融工作组白皮书》。

2.为建设国家绿色金融改革创新试验区，湖州市制定了相应政策，具体细则见官网：http://www.huzhou.gov.cn/hzgov/front/s70/xxgk/zcwj/bmwj/20180927/i1166071.html。

3.2019年11月21日，经广西壮族自治区人民政府同意，由人民银行南宁中心支行牵头制订的《广西壮族自治区绿色金融改革创新实施方案》正式印发实施，标志着广西绿色金融改革创新示范区创建工作正式启动。2019年12月13日，兰州新区对外发布，国务院日前正式批复兰州新区设立绿色金融改革创新试验区。为排除以上政策干扰，在样本中删去上述地区的企业。

4.RESSET数据库提供的利息支出数据目前截至2020年。

5.企业可能存在隐瞒或者美化自身环境信息披露的行为，以获得廉价融资成本。而机制检验的结果表明，具有较高绿色创新和环境信息披露质量的企业会降低债权人定价的要求，这表明更多环境治理的实际投入(绿色创新行为)以及更高的环境信息披露质量能够有效帮助金融信贷机构识别企业的真实状况。