绿色信贷与制造业出口产品质量

田露露 韩超 刘自敏

摘 要

绿色信贷作为推进发展方式绿色转型的重要金融政策工具，对制造业实现高质量发展具有重要的引导作用。本文以2007年中国绿色信贷政策实施这一准自然实验为契机，利用2004—2013年中国工业企业数据库与海关数据库的匹配样本，结合地方城市统计年鉴数据，采用倾向得分匹配—双重差分（PSMDID）方法考察绿色信贷对制造业出口产品质量的影响效应。研究结果表明，绿色信贷实施显著提升了制造业出口产品质量，且这一结论在一系列稳健性检验之后仍然成立。机制分析结果表明，绿色信贷主要通过激励企业研发投入和缓解企业融资约束两个途径促进制造业出口产品质量的提升。异质性检验结果显示，绿色信贷对出口产品质量的提升在企业、行业和地区间存有差异，对国有企业、成长期企业、大型企业，以及归属于资本密集中间型行业、东部地区的制造业企业提升作用更大。本文的研究为绿色信贷助力制造业对外贸易高质量发展提供了微观层面的经验证据和政策启示。

关键词 绿色信贷 出口产品质量 研发投入 融资约束

一、引言

当前，中国面临着全球经济增长前景转弱、世界货物贸易增长速度逐步下降、贸易结构发生明显变化、贸易摩擦加剧等日益复杂的国际经济与政治形势（裴长洪和刘洪愧，2020）。鉴于此，商务部印发了《“十四五”对外贸易高质量发展规划》，指出要通过“积极扩大进口、优化出口，推动对外贸易高质量发展，服务构建新发展格局”，并力争在2035年使贸易高质量发展迈上新台阶。党的二十大报告也重申要“坚持高水平对外开放”“加快建设贸易强国”。政策目标的实现很大程度上依赖于制造业出口贸易的转型升级。然而，中国制造业的出口仍呈现出低品质“粗放型”增长的特点，处于全球价值链的中低端（刘斌等，2018；徐保昌等，2022）。为此，中共中央、国务院在《扩大内需战略规划纲要（2022—2035年）》中进一步指出要“推动制造业高质量发展、建设制造强国”。在此背景下，提高制造业出口产品质量成为克服现实贸易困境与响应国家重大方针政策的关键举措（徐保昌和李秀娟，2021）。解决好这一问题，不仅能够弥补出口贸易传统比较优势丧失的不足，还能够成为促进对外贸易高质量发展以及制造业强国建设的基础路径与重要抓手。

制造业出口产品质量的提升不仅依赖于企业自身的技术创新与技术进步，更离不开外部配套资金的支持与投入。绿色信贷作为推动经济变革过程中不可或缺的金融制度安排，通过重新配置金融资源，引导投资资金流向，激励更多的社会资本投资于绿色、环保、生态的行业和产品品种，在为制造业绿色创新与绿色转变提供资金保障、改善制造业出口产品质量等方面发挥着重要作用。然而，鲜有文献就绿色信贷对制造业出口产品质量的影响进行理论分析与实际验证。现有对绿色信贷政策效果的研究更多基于宏观层面的经济增长（谢婷婷和刘锦华，2019），地区层面的产业结构升级（徐胜等，2018），企业层面的绿色全要素生产率（刘传江等，2022）、环保投资（舒利敏和廖菁华，2022）、技术创新（何凌云等，2019；Tan et al.， 2022）等视角。虽然俞毛毛和马妍妍（2022）从地区出口产品质量角度针对绿色信贷的效果进行了研究，但并未于微觀层面进行深入、细致的探讨，无论是研究深度还是质量指标选取都存在进一步深化与完善的必要。那么，现有绿色信贷政策对制造业出口产品质量是否有提升作用？影响效果究竟如何？具体影响机制和路径又是什么？目前，尚缺少系统、严谨的经验证据给予有效回答。

基于此，本文以原国家环境保护总局、中国人民银行和中国银行业监督管理委员会于2007年联合颁布《关于落实环保政策法规防范信贷风险的意见》（环发〔2007〕108号）这一标志着绿色信贷政策被正式运用于中国环境治理工作的事件作为准自然实验，基于2004—2013年中国工业企业数据库中的制造业企业样本，使用倾向得分匹配—双重差分（PSMDID）方法研究绿色信贷对制造业出口产品质量的影响效应。结果显示：绿色信贷显著提升了制造业的出口产品质量，且这一结论在经过多轮稳健性检验之后仍然成立；机制检验结果显示，绿色信贷主要通过激励企业研发投入和缓解企业融资约束这两种途径提升制造业出口产品质量；进一步分析发现，绿色信贷对出口产品质量的提升作用在企业、行业和地区间存有差异，且对国有企业、成长期企业、大型企业以及归属于资本密集中间型行业、东部地区的企业作用更大。

本文的边际贡献主要在于以下三个方面：（1）拓展了绿色信贷在微观层面的效应研究。虽然既有研究从多方面、多领域分析了绿色信贷的影响，但唯独缺少从出口产品质量视角考察其微观效应的前沿分析。本文基于制造业企业样本对此问题一系列因果关系的探讨及机制检验，有效补充了相关领域的文献资料与学术观点。（2）丰富了对外贸易高质量发展的探讨。对外贸易的高质量发展归根结底离不开出口产品的高质量，相较于以往从全要素生产率、国内或地区生产总值（GDP）增长、产业结构升级等角度对出口质量发展的诠释，本文从微观层面的制造业出口产品质量入手，通过更为精准和细致的研究，为推动贸易高质量发展提供了可靠的经验证据和政策建议。（3）厘清了绿色信贷影响制造业出口产品质量发展的作用机理。本文从研发投入和融资约束视角出发，经过系统的实证检验，揭示了绿色信贷影响制造业出口产品质量提升的主要机制和途径，为进一步理解绿色信贷政策如何作用于制造业出口产品质量提供了经验支持和参考依据。

余文结构安排如下：第二部分为制度背景与理论假设；第三部分为研究设计，包含模型设计、变量解释与数据说明；第四部分为研究结果分析，包含基准研究、稳健性检验及机制验证；第五部分为异质性分析，探析不同特征企业的政策效果差异；第六部分为研究结论与政策建议。

二、制度背景与理论假设

（一）制度背景

绿色信贷作为绿色产业的主要融资工具之一，近年来在绿色金融中占据着较高的比重和份额。2007年，为加强环保和信贷管理工作的协调配合、强化环境监督管理，原国家环境保护总局、中国人民银行和中国银行业监督管理委员会联合发布了《关于落实环保政策法规防范信贷风险的意见》（环发〔2007〕108号），指出“各商业银行要将支持环保工作、控制对污染企业的信贷作为履行社会责任的重要内容”。2012年2月24日，中国银行业监督管理委员会进一步制定并发布了《绿色信贷指引》，从组织管理、制度建设、流程管理、内部管理、监督检查等方面对银行业金融机构发展绿色信贷以支持绿色经济、低碳经济、循环经济等提出了更为具体的要求。2015年9月11日，中共中央政治局审议通过了《生态文明体制改革总体方案》，提出“建立绿色金融体系”“推广绿色信贷”。2016年8月31日，中国人民银行、财政部、国家发展和改革委员会等联合印发《关于构建绿色金融体系的指导意见》，指出构建绿色金融体系的重要意义并要求“大力发展绿色信贷”。2020年10月29日，中国共产党第十九届中央委员会第五次全体会议通过《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》，指出未来五年要“推动金融、房地产同实体经济均衡发展”“发展绿色金融”。在中央政策密集出台的背景下，31个省份制定了相应的鼓励政策，地级市也出台了绿色金融配套政策。中国绿色信贷规模稳步增长，信贷质量整体良好。

据中国银行保险监督管理委员会统计，全国21家主要商业银行绿色信贷规模从2013年年末的520万亿元增长至2017年6月末的822万亿元，信贷质量整体良好，不良率处于较低水平。到2021年，中国绿色信贷规模已超11万亿，位居世界第一。根据中国目前的绿色信贷统计制度，绿色信贷包括两部分：一是支持节能环保、新能源、新能源汽车等三大战略性新兴产业生产制造端的贷款，二是支持节能环保项目和服务的贷款。截至2020年年底，交通运输、仓储和邮政业绿色贷款余额362万亿元，占比为3029%；电力、热力、燃气及水生产和供应业绿色贷款余额351万亿元，占比达到2937%数据来源于《2020年中国绿色金融行业发展前景预测与投资战略规划分析报告》。 。

（二）理论假设

1绿色信贷对制造业出口产品质量的影响

绿色信贷对经济的众多方面都会产生显著的积极作用。已有研究表明，绿色信贷不仅可以优化资源配置，还能够显著促进经济增长（Markandya et al.，2015），对宏观经济有着明显长期向好的推动趋势（周新苗等，2021）。微观层面上，绿色信贷可以通过融资途径、惩罚效应等显著提升企业的绿色创新（陈国进等，2021；王遥等，2019），并通过缓解企业融资约束促进研发投入，在提升企业高质量发展的过程中起着关键作用（王修华等，2021）。虽然少数研究认为绿色信贷会引致负面影响（宁伟和佘金花，2014），或兼具抑制效应与激励效应（胡天杨和涂正革，2022），但多数仍然认同其与经济增长的正相关关系及对企业各方面指标的改善作用。具体到制造业出口，本文认为其可以通过准确的资金流向与严格的资金用途，促进制造业出口发展方式转变与产品结构调整，从而在改善制造业出口产品质量中发挥重要的作用。由此，本文提出如下研究假设：

假设1：绿色信贷能够显著提升制造业出口产品质量。

2绿色信贷提升制造业出口产品质量的机制分析

绿色信贷对制造业出口产品质量提升的机制主要有两个：一是激励制造业企业的研发投入。绿色信贷的推出本意是为了提高企业贷款的门槛，即在信贷活动中，把符合环境检测标准、污染治理效果和生态保护作为信贷审批的重要前提。因此，获得绿色信贷审批的企业能够有更加充足的资金用于日常生产和产品研发，而且基于绿色信贷的要求和标准，企业更倾向于对绿色产品投入更多的研发力量。研究表明，绿色信贷政策通过改变金融资源的行业流向，支持企业进行清洁技术改造，鼓励企业开发多样化的绿色金融产品，从而影响了企业生产效率（王修华等，2021），而企业生产效率是影响产品质量的重要中介指标（王孝松和周钰丁，2022）。由此，有理由认为绿色信贷通过激励企业研发投入使得制造业出口产品质量得以提升。

二是缓解制造业企业的融资约束。对于中国而言，相较于资本市场融资，银行信贷仍然是企业外部融资的重要来源之一。然而，由于银企之间存在的信息不对称以及金融抑制问题，金融资源在企业产权和规模上的配置并不均衡，其长期向国有部门、大型企业集中，这在很大程度上推动了金融资源向重污染行业投放，加剧了环境污染（刘锡良和文书洋，2019）。但当绿色金融逐渐成为金融机构重要的考核指标时，金融资源的流向将发生调整和改变。金融机构开发的多样化绿色金融产品通过支持企业进行清洁技术改造和绿色产品创新，迫使污染企业转型升级。研究表明，绿色信贷政策和绿色信贷发展增加了高污染高耗能企业的债务融资成本与债务融资期限，降低了绿色企业的债务融资成本（Xu & Li，2020）。因此，绿色信贷对制造业出口产品质量的提升可以通过融资状况这一渠道发生作用，其定向融资的功能可以缓解制造业企业的融资约束。由此，本文提出如下研究假设：

假设2：绿色信贷通过激励企业的研发投入和缓解企业融资约束两个主要途径提升了制造业出口产品质量。

三、研究设计

（一）模型设计

本文以2007年颁布的《关于落实环保政策法规防范信贷风险的意见》（环发〔2007〕108号）这一政策实施为准自然实验，采用PSMDID方法考察绿色信贷政策对制造业出口产品质量的影响效应。进行倾向得分匹配的主要原因在于企业异质性以及行业差异，而保证处理组和对照组的可比性是研究准确性的前提。特别是绿色信贷政策对执行对象并未有明确确定，主要倾向于对节能环保以及战略性新兴产业的支持，而本文基于企业层面对此政策效果的研究更应该注意样本选择偏差问题，因此在使用DID方法前进行倾向得分匹配显得尤为重要。本文将归属于清洁型或低污染型的制造业企业界定为处理组，将高污染型的制造业企业界定为控制组。对于企业污染属性的划分，采用与陆菁等（2021）一致的办法，以企业所在行业的污染排放强度作為重要的识别依据。具体而言，选取制造业中两位数代码行业生产过程中产生的废水、二氧化硫、烟尘、粉尘、固体废弃物、二氧化碳共六个指标，通过线性标准化方法计算综合污染排放强度指标，并将指标进行二等分，高于平均值即为高污染型行业，低于平均值即为清洁型和环保型行业高污染行业对应的制造业为农副食品加工业，食品制造业，饮料制造业，纺织业，木材加工及木、竹、藤、棕、草制品业，造纸及纸制品业，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，医药制造业，非金属矿物制品业，黑色金属冶炼及压延加工业，以及有色金属冶炼及压延加工业。清洁型和环保型对应的制造业为烟草制品业，纺织服装、鞋、帽制造业，皮革、毛皮、羽毛（绒）及其制品业，家具制造业，印刷业和记录媒介的复制，文教体育用品制造业，橡胶制品业，塑料制品业，金属制品业，通用设备制造业，专用设备制造业，交通运输设备制造业，电气机械及器材制造业，通信设备、计算机及其他电子设备制造业，仪器仪表及文化、办公用机械制造业，以及工艺品及其他制造业。 。具体DID模型设定如下：

Qualityijtc=α+βDIDijtc+φXijtc+μi+λj+ωt+θc+εijtc（1）

其中，下标i代表企业，t代表年份，j代表行业，c代表城市。Qualityijtc表示c城市中归属于j行业的制造业企业i在第t年的出口产品质量。DIDijtc代表绿色信贷政策实施，其中DIDijtc=treat×post；如果制造业企业属于处理组，则将treat赋值为1，否则赋值为0；若时间为2007年，则对post赋值05，2007年之后赋值为1，2007年之前赋值为0。Xijtc代表企业、行业与地区层面的一系列控制变量。μi表示控制了个体固定效应，λj表示控制了两位数代码层面的行业固定效应，ωt表示控制了年份固定效应，θc表示控制了城市固定效应，εijtc代表误差项。回归中采用聚类到地级市层面的标准误。

（二）变量解释

1出口产品质量

基于施炳展和邵文波（2014）的研究思路，借鉴Hallak & Sivadasan（2013）的基本设定框架对制造业出口产品质量进行计算。首先，给出产品n的需求函数：

zn=p－σnλσ－1nEP（2）

其中，z、p和λ分别代表n的需求量、价格和质量，σ为产品间的替代弹性且大于1，E为消费者支出，P为价格指数。据此，建立如下模型：

lnzitcn=Un+Utc－σlnPitcn+εitcn（3）

其中，zitcn代表制造业企业i在t年对目的国c出口的产品n的数量，Un为产品固定效应，Utc为时间目的国固定效应，Pitcn为出口产品价格，残差项εitcn可以用来测度企业i在t年对c国出口产品n的质量，则产品（企业产品国家时间）层面的出口质量为：

quaitcn=itcn（4）

由于产品层面的出口质量需要加总到企业层面，但不同产品质量的简单加总在经济意义上并不明显，本文对模型（4）进行标准化处理以获得每个制造业企业i在t年出口产品的标准化质量指标squaitcn：

squaitcn=quaitcn－minquaitcnmaxquaitcn－quaitcn（5）

其中，minquaitcn和maxquaitcn分别代表在所有年度、所有企业、所有进口国层面上求出的出口产品n的质量最小值和质量最大值。因此，squaitcn的取值范围为（0，1）。将标准化后的产品质量以企业第t年的出口额在企业此年总出口额中的占比为权重进行加权处理，并对各种产品进行加总后，得到企业—时间层面的出口产品质量：

Qualityitcn=υitcn∑itcn∈Ωυitcnsquaitcn（6）

其中，Quality代表制造业企业出口产品整体质量，Ω为企业层面的样本集合，υitcn代表制造业企业i的产品n在t年对c国的出口价值量。由于出口产品质量的计算需要用到海关数据，本文按照 HS6分位数将所有样本分为5010类产品分别整理与回归。

2控制变量

为控制不同影响因素，本文选取了企业、行业、城市三个层面的控制变量。

企业层面：（1）企业年龄（age），企业年龄的大小对企业的资本积累、生产技术有着重要的影响，进而影响制造业出口产品质量，采用当年年份与企业成立年份之差加1并取对数衡量；（2）企业规模（size），企业规模决定了其生产能力以及成本优势，也会对制造业出口产品质量产生影响，采用总资产的对数加以衡量；（3）企业负债率（lev），负债率决定了企业的融资能力以及偿付能力，会影响企业生产所需资金，进而关系到制造业出口产品质量，采用负债总额与资产总额的比值加1并取对数衡量；（4）企业利润率（prf），企业利润率决定了企业的盈利能力以及再生产能力，也会对制造业出口产品质量产生影响，采用利润总额与资产总额的比值加1并取对数衡量；（5）企业员工数（employee），企业员工数越多代表企业的生产能力越强，进而从各个渠道影响出口产品质量，采用年末从业人员数量并取对数加以表示。

行业和地区层面变量包括：（1）行业竞争程度（HHI），采用四分位码行业的赫芬达尔指数表示，即HHIj=∑mi=1（saleij/∑mi=1saleij）2，其中n为4位码行业内企业数量，saleij表示j行业中第i家企业的规模，∑mi=1saleij表示j行业中所有企业的市场总规模；（2）人均地区生产总值（pgdp），由于地区发展水平会影响企业的外部生产经营环境，进而影响制造业出口产品质量，以企业所在城市的人均地区生产总值对数表示；（3）地区人均实际外商投资（foreign），外商投资往往通过影响本土企业的生产效率和生产技术作用于制造业出口产品质量，以地级市人均实际外商投资的对数值表示。

（三）數据说明

本文数据来源主要有三个：一是2004—2013年的中国工业企业数据库，包含了企业的生产信息和财务信息，用以构建制造业企业层面变量。为保证行业界定范围的一致性，增强研究结果的科学性，本文按照标准处理方法对所有四位数行业代码进行了统一，并进一步剔除了劳动力人数小于8，出口产值、资产等变量为负值的样本以提高数据质量；二是2004—2013年的中国海关数据库，其涵盖了企业产品国家层面的商品进出口记录，本文在剔除了关键信息缺失样本并保留了13—43位制造业行业样本后构造了制造业出口产品质量指标；三是2004—2013年中国城市统计年鉴，用其构建地级市控制变量。为方便研究，通过以下步骤整合以上三个数据库的样本：首先，根据企业名称、年份、企业邮政编码和后7位电话号码来详细匹配中国工业企业数据库与中国海关数据库，然后再依据企业所在城市变量与《中国城市统计年鉴》的数据相匹配，在删除了非制造业后，最终得到融合了企业特征、行业特征、进出口数据、地区特征的制造业企业综合数据库。同时，为避免极端值情况的出现，对其中的连续变量进行前后1%的缩尾处理。变量描述性统计特征如表1所示。

四、研究结果及分析

（一）样本匹配结果分析

在进行基准结果回归之前，先使用PSM方法进行样本匹配以奠定更好的研究基础。选取企业规模（size）、年龄（age）、负债率（lev）、利润率（prf）、员工数（employee）表示企业基本特征的协变量，并使用1∶1近邻匹配。之后，对处理组与控制组的匹配结果进行平衡性检验，根据检验结果中的标准化偏差以及t值可以评估匹配的准确性与有效性，结果如表2所示。可以看出，在经过倾向得分匹配之后，五个协变量的标准化偏差明显缩小，且缩小幅度都小于10%；除了employee匹配后的P值为0049，其余变量t检验结果对应的P值都大于01，无法拒绝实验组与控制组有系统差异的原假设；另外，大多数的观察值均在共同取值范围内，在进行倾向得分匹配时仅会损失少量样本共同取值范围图形此处省略，如有需要請向作者索取。 。由此可知，匹配基本满足了平衡性假设，匹配效果良好，选择的匹配方法和匹配原则是合理的。

（二）基准研究结果分析

依据模型（1）对上述匹配后的样本进行回归，结果如表3所示。其中，列（1）仅考虑加入核心解释变量DID，并控制了个体、年份、行业和地区的固定效应。结果显示，DID估计系数在1%的统计水平上显著为正，说明绿色信贷政策对制造业出口产品质量产生了明显的提升效应。由于企业自身特征、行业因素和地区因素也会对企业出口产品质量产生影响，本文在列（2）—列（4）逐步加入企业特征变量、行业层面变量、城市特征变量，并在列（5）—列（7）变换不同的固定效应。可以看出，核心解释变量DID的系数仍显著为正，且数值一直稳定在0030左右。由此可知，绿色信贷政策对制造业出口产品质量的提升作用较为稳定。此结果体现了绿色信贷的金融功能和政策目标，即绿色信贷通过信贷投放敦促并监督资金流向，使企业专注于清洁生产、技术创新、绿色转型升级等领域，从而提升了出口产品质量。这一发现为本文研究假设1的成立提供了现实证据。

其他控制变量对企业出口产品质量的影响大致与预期一致。以列（4）结果为基准对控制变量进行分析。企业特征方面，企业规模系数（size）显著为正，说明规模越大，企业出口产品质量越高。这是因为规模越大，企业积累的资本越多，生产经营较为稳定的同时融资约束也较少受到限制，从而可以提高生产效率与生产水平，并促进制造业出口产品质量提升。企业年龄（age）系数显著为正，表明存续越久、各方面优势越明显，企业越有实力生产更高质量的产品。企业负债率（lev）与利润率系数（prf）均显著为正，说明负债率与利润率越高，企业出口产品质量越好，主要原因在于高负债率和高利润率为企业带来了更多的生产和研发资金，有助于提升制造业企业的技术创新，进而提高出口产品质量。企业员工数（employee）的系数显著为正，说明员工越多，企业出口产品质量越好，这与员工越多越能激发团体创造性进而促进制造业出口产品质量提升有较大关系。行业层面，HHI系数显著为负，表明行业竞争程度越低，出口产品质量越差，主要原因在于处于竞争程度较低环境中的企业，难以有较大动力去追逐产品质量的革新与升级。地区层面，人均地区生产总值（pgdp）与出口产品质量呈负相关关系，这可能与发达程度越高的地区更多出口高附加值产品有关，此类产品在国际上并不占优势，质量相对较差；而外商投资（foreign）越高，出口产品质量越好，主要在于外商投资带来了新的管理水平与生产技术，有利于出口产品质量的提升。

（三）稳健性检验

本文将通过平行趋势检验、预期效应检验、三重差分法、缩减样本区间、排除其他相关政策、删除样本区间内不连续企业等办法来排除各种可能对结论有影响的因素，以进一步检验基准研究的稳定性。

1平行趋势检验

DID方法的使用前提是需要处理组和控制组满足共同趋势假设，即如果不存在绿色信贷政策，处理组与控制组的样本在出口产品质量上的变动趋势并不存在系统性差异。虽然在使用DID 方法前已经进行了倾向得分匹配，但为进一步保证适用性，本文以2007年为基期，采用事件研究法对政策年度动态效应进行观察以检验平行趋势。具体而言，通过构建时期虚拟变量与政策变量的交互项替换模型（1）中的DID，并再次估计：

Qualityijtc=α+β1Pret+β2Current+β3Postt+φXijtc+μi+λj+ωt+θc+εijtc（7）

其中，模型（1）中的DID由三个变量Pret、Current、Postt来代替。其中，Pret（t=1，2，3）代表政策实施前的时期：Pre1代表政策实施前一期，Pre2代表政策实施前两期，Pre3代表政策实施前三期；Current代表政策实施当期；Postt（t=1，2，3）代表政策实施后的时期：Post1代表政策实施第一期，Post2代表政策实施第二期，Post3代表政策实施第三期及之后。其余变量及字母的含义与模型（1）相同。如若满足平行趋势假设，则Pret各期系数不显著的同时，Current、Postt的系数应当显著。表4列示了Pre3、Pre2、Current、Post1、Post2、Post3期的系数（为避免共线性，回归过程自动删除了Pre1）。可以看出，Pre3、Pre2的系数并不显著，满足平行趋势要求，而Current当期也并不显著，这可能与2007年年中才开始实施信贷政策，企业生产决策的调整需要一定反应期有关；实施之后的Post1、Post2、Post3期系数均显著为正，表明政策起到了积极作用。由此可知，绿色信贷实施之前处理组与控制组各期走势较为一致，满足平行趋势假设；在绿色信贷政策实施之后效果渐显，两组呈现出显著差异。

2预期效应检验

若企业在绿色信贷政策正式实施之前已经对此产生预期并采取了一定干预行为，诸如通过各种可能的快速途径加快产品质量的提升，以期在未来获得绿色贷款资格或争取更大绿色贷款规模，也会对本文政策效果产生影响。为消除此类可能，进行两种预期效应检验：（1）保留政策实施之前年份的数据。删除2007年及其之后数据后，将模型中的DID（treat×post）替换为treat并重新回归，通过观察treat系数判断政策实施前的处理组与对照组是否存在显著不同。由表5列（1）可看出，treat系数为0014且并不显著。（2）将政策时间提前。将绿色信贷实施时间向前调至2005年，且仅使用2004—2007年的数据回归，表5列（3）结果表明，DID系数为0008且并不显著。由此可知，两种检验方法均说明研究样本并不存在预期效应，进一步证明了基准研究结论的可靠性。

3三重差分法

绿色信贷政策主要通过信贷供给途径对企业产生影响，相對于较少向外融资的企业，对外部融资依赖性较高的企业受到的影响应该更大。因此，构建三重差分可以更为准确地区分不同负债类型可能引致的影响，以此检验结论的稳健性。具体做法为：首先，通过前文的控制变量负债率（lev）来衡量负债情况，该指标越高，表明企业越有可能成为商业信贷的需求方，对外部融资的依赖程度较高，受绿色信贷政策影响较大。其次，将此变量在两位数行业代码内进行三等分，并据此构建虚拟变量credit，当企业负债率位于上 1/3 分位数位置时，credit 取值为1（表示对绿色信贷依赖程度较大），低于上1/3分位数位置时赋值为0（表明对绿色信贷依赖程度较小）。最后，构建三重差分模型：

Qualityijtc= α + γ1 credit×DIDijtc+ γ2 credit×treatijtc+ γ3 credit×postijtc + βDIDijtc+ φXijtc+ μi+ λj+ ωt+ θc+ εijtc （8）

其中，credit×DIDijtc为三重交互项，在将负债率这一原有控制变量删除后，其余变量定义同模型（1）。重新回归后的结果如表5列（3）所示，三重交互项credit×DIDijtc的估计系数为0003且在1%的水平上显著，双重交互项DIDijtc的系数为0009且也在1%的水平上显著，这不仅验证了基准结果的稳健性，也说明对信贷依赖越严重的企业，出口产品质量将会得到更大程度的提升，信贷政策有效性更强。

4减少部分样本

由于2010年的数据缺失值较多，且准确性也有所降低，一些文献在使用中国工业企业数据库时会将其删除。为得到更为准确与稳健的结论，本文同样将此年份数据删除并重新回归，结果如表5列（4）所示。DID的回归系数为0006且在1%的水平上显著，说明减少部分样本对本文的基准研究结论影响不大，进一步验证了基准结果的稳健性。

5排除其他相关政策

同时期其他相关外部政策也会对本文因果关系的识别产生影响。例如，为了控制污染排放，在2007年计划实施的排污权交易试点政策，财政部和原环境保护部批复了天津、河北、山西、内蒙古、江苏、浙江、河南、湖北、湖南、重庆、陕西11个排污权交易试点省份。较其他地区而言，这些试点地区更看中环境治理与清洁生产，即使不存在绿色信贷政策，其也会对不同类型企业的信贷申请和批准有着严格的要求，这可能会对本文研究结果产生影响。为避免此类情形发生，本文将只对处于非试点地区的样本进行回归。表5列（5）显示，回归后DID的系数为0001且在1%的水平上显著，说明在排除相关政策影响后，绿色信贷仍对企业的出口产品质量产生提升作用，进一步验证了基准结果的稳健性。

6删除样本区间内不连续的企业

中国工业企业数据库中的企业样本为销售额在500万元以上（2011年起为2000万元以上）的工业企业。低于此规模的企业可能生产经营状况会发生较大波动，导致各项指标并不稳定，从而影响研究结果。因此，本文删除了样本期内未连续在中国工业企业数据库中存在的制造业企业样本，并将剩余样本重新回归，结果如表5列（6）所示。可以看出，DID的系数为0029且在1%的水平上显著为正，表明企业在样本区间内是否连续对本文的基准研究结论并无太大影响，进一步验证了基准结果的稳健性。

（四）影响机制检验

前文的基准回归以及稳健性检验均已证明绿色信贷能够提升企业的出口产品质量，由此引出的问题是：绿色信贷具体通过何种途径影响？假设2提出的主要影响机制是否成立？本文拟建立中介效应模型来进一步考察。具体分为三步：第一步为依据前文基准模型（1），考察绿色信贷对制造业出口产品质量的影响，此工作已经完成；第二步为模型（9），考察绿色信贷对中介变量的影响；第三步为模型（10），即在基准模型（1）中加入模型（9）的中介变量，考察其对制造业出口产品质量的影响。

Mediijtc=α+βDIDijtc+φXijtc+μi+λj+ωt+θc+εijtc（9）

Qualityijtc=α+βDIDijtc+ωMediijtc+φXijtc+μi+λj+ωt+θc+εijtc（10）

其中，Mediijtc代表要检验的中介变量——研发投入（yftr）和融资约束（fincons）。研发投入采用企业研究开发费在总资产中的占比加1并取对数。对于融资约束的衡量，采用Hadlock & Pierce（2010）基于外生的企业规模和年龄构建的SA指数。此指数不仅能够避免使用现金流等诸多内生性财务变量计算而带来的估计偏误问题，也得到了中国学者的认可与广泛运用（姜付秀等，2016；吴秋生和黄贤环，2017；孙雪娇等，2019）。具体计算办法为，首先根据SA=－0737size+0042size2－004age计算出SA指数，并按照卢盛峰和陈思霞（2017）的做法，对指数计算值取绝对值得到最终的融资约束指标fincons，数值越大，表示融资约束程度越严重。其余变量的含义同模型（1）一致。需要说明的是，由于研究开发费的数据在某些年份有缺失值，回归样本数量少于基准研究中的数量。重点关注的系数为模型（9）中DID的系数β以及模型（10）中介变量（Medi）的系数ω。当中介变量为yftr时，β与ω均需要为正，才能验证研发投入这一传导机制的存在；当中介变量为fincons时，β与ω均需为负，才能验证融资约束这一传导机制的存在。当两个机制均得到验证时，假设2的正确性才能得以证实。

根据上述步骤进行回归后，结果如表6所示。列（1）显示，DID对企业研发投入的影响系数为0001且在1%的水平上显著为正，表明绿色信贷激励企业投入了更多的研发资金；列（2）显示研发投入对出口产品质量的影响系数为0044且在5%的水平上显著，表明研发投入越多，企业出口产品质量越好。因此，激励企业研发投入是绿色信贷提升制造业出口产品质量的主要机制之一。原因在于，绿色信贷的信贷供给途径增加了出口企业在研发方面的投入资金，为企业的技术创新提供了物质支持，从而使出口产品质量有了更大的进步和提升。列（3）显示，DID对企业融资约束的影响系数为-0001且在1%的水平上显著，表明绿色信贷缓解了企业的融资约束;列（4）进一步给出融资约束对出口产品质量的影响，fincons的系数为-0020且在1%的水平上显著，表明企业融资约束越低，出口产品质量越好。由此可知，缓解融资约束也是绿色信贷提升制造业出口产品质量的主要机制之一。主要原因在于，有绿色发展目标和需求的企业由于发展过程中存有较高风险，传统信贷渠道难以筹集到足额资金，而绿色信贷的针对性贷款可以缓解企业融资约束，促进企业正常的生产经营，最终提升出口产品质量。至此，假设2得到了验证。

五、异质性分析

前文虽然详细检验了绿色信贷对制造业出口产品质量的提升作用以及影响机制，但为进一步探究提升效果在不同层面的差异，本部分基于企业、行业、地区等方面的异质性对样本进行划分，以考察绿色信贷对出口产品质量的分组作用效果。

（一）企业层面

1企业所有制属性

一般而言，国有企业作为一种“准政府组织”，在融资约束、优惠性政策、市场地位等方面较其他非国有企业有着不可比拟的优势。因此，为了区别所有制差异在绿色信贷对出口产品质量提升中产生的影响，本文将国有资本、外商资本与个人资本金在实收资本中占比超过50%的企业划为国有企业、外资企业与民营企业三个子样本，并分别进行回归。由表7的所有制属性分组结果可以看出，绿色信贷对国有企业出口产品质量的提升幅度最高，其次为外资企业，而民营企业最低。此情形出现的主要原因在于，中国的国有企业长期享受着税收、信贷、融资、补贴等各方面的便利，从而有着更强的经营背景和经验实力来生产高质量的出口产品。另外，国有企业相较于其他类型企业更易受到政府意志的影响，有更多的责任和义务响应国家高质量发展的倡议，从而激励了其出口产品质量的提升。外资企业倚靠国外充足的资金投入以及高水平的管理经验和先进技术，在出口产品质量上也占有较高的地位。而私人企业囿于技术限制与融资困难等问题，更多集中于低附加值产品的开发和生产，更易于陷入低价竞争的局面并进一步压缩产品质量，因此绿色信贷对其出口产品质量的提升幅度最小。

2企业不同生命周期

不同生命周期阶段的现金流、生产技术与生产成本等指标的变化也会使出口产品质量产生波动。考虑到不同行业生命周期并不一致（比如互联网行业较传统制造业的生命周期要短），本文选择在两位数代码行业内部将样本依据年龄变量三等分为初创期、成长期和成熟期三个子样本，并依据模型（1）（删除原有控制变量age）分别回归。由表7的生命周期分组结果可以看出，绿色信贷对成长期企业的出口产品质量提升幅度最大，其次为成熟期企业，而初创期企业最低。此情形出现的原因主要在于初创期企业面临较大的生产经营风险和不稳定的现金流，并无太大实力进行产品创新与开发，因此绿色信贷对其出口产品质量的提升作用最小；而成熟期企业已经占据着较大市场份额，甚至兼具一定市场势力，在产品质量提升方面也无太大动力；只有处于成长期的企业，既有较为稳定的现金流，度过了初创期的风险阶段，才有更大动力和实力通过提升出口产品质量来进一步开拓市场以稳定地位。

3企业规模

前文研究结果显示，企业规模会对出口产品质量产生正向显著影响。本文在两位数代码行业内部依据企业规模变量将样本三等分为小型企业、中型企业和大型企业，并依据模型（1）（删除原有控制变量size）分别进行回归。由表7的企业规模分组结果可以看出，绿色信贷对大型企业出口产品质量的提升幅度最高，中型企业次之，小型企业最低。本文认为，这与企业规模越大、综合实力越强、越有能力生产出高质量的出口产品有很大关系。因此，绿色信贷对制造业出口产品质量的提升作用会随着企业规模的增大而加强。

（二）行业与地区层面

1行业层面

一般而言，纺织、服装业等资本密集较低型行业与高新技术等资本密集较高型行业在生产技术、资金需求、产品周期等方面并不相同，绿色信贷在其中的作用效果也并不一致。选取两位数行业代码内所有企业资本劳动比的中位数作为该行业的资本劳动比，然后取所有行业资本劳动比的1/3、2/3分位点作为分界，将样本分为资本密集较低型、资本密集中间型以及资本密集较高型三个行业，并分别依次回归。由表8的行业分组结果可以看出，绿色信贷对出口产品质量提升的影响在资本密集中间型行业中最大，其次为资本密集较低型，最后为资本密集较高型。此现象出现的主要原因在于，归属于资本密集较低型行业的企业更多出口低附加值产品，质量普遍不高，绿色信贷对其促进作用有限；而资本密集较高型企业更多属于高端行业，如芯片、高端制造、新能源等，中国企业在这些领域普遍仍处于被技术“卡脖子”的阶段，出口产品质量难以达到世界领先水平，短期内绿色信贷对其提升作用也有限；相对而言，归属于资本密集中间型行业的企业既有一定领先技术，产品附加值也较高，绿色信贷对其出口产品质量的提升能够发挥较大作用。

2地区层面

由于发展政策、区域位置、资源禀赋的不同，地区差异也会在绿色信贷提升出口产品质量的作用中产生影响。本文按照地区分布把所有企业划分为东部地区、中部地区和西部地区三个子样本，并分别依次回归。由表8的地区分组结果可以看出，绿色信贷对出口产品质量的提升在东部地区效果最为显著，其次是中部地区，西部地区的提升幅度最小。本文认为，此现象的出现与地域发达程度有着较为紧密的关系，最为发达的东部地区为企业在营商环境、信贷融资、开放程度上创造了最为优越的外部条件，使得出口产品质量的提升也更为显著，而中部地区和西部地区发达程度相对较弱，企业面临的外部条件依次递减，绿色信贷對出口产品质量的提升作用也随之逐渐变小。

六、研究结论与政策建议

本文以绿色信贷试点政策作为准自然实验，基于中国制造业企业的样本，运用PSMDID方法考察了绿色信贷在微观层面对制造业出口产品质量的影响效应。主要结论有：绿色信贷对制造业出口产品质量的影响显著为正，有效提升了制造业出口产品质量，且这一结论在经过多次稳健性检验后仍然成立；机制分析结果表明，绿色信贷通过激励企业研发投入和缓解企业融资约束两个主要途径促进制造业出口产品质量的提升；进一步分析发现，绿色信贷对制造业出口产品质量的提升作用存在企业、行业和地区间差异，对国有企业、成长期企业、大型企业以及归属于资本密集中间型行业、东部地区的企业提升作用最大。本文的研究结论对进一步促进绿色信贷积极效应的发挥有着重要的启示。在此，提出对应的政策建议：

第一，鼓励、支持和引导金融机构加大对绿色信贷的发展。本文研究表明绿色信贷对制造业出口产品质量提升具有显著的促进作用。因此，应继续引导金融机构进一步扩大绿色信贷规模，与此同时，还应严格控制绿色信贷门槛，并完善绿色信贷管理，在稳增长与防风险间寻求平衡，促进经济金融稳健发展。另外，还要积极发展绿色基金、绿色保险、绿色信托、绿色政府和社会资本合作（PPP）、绿色租赁等新产品、新服务和新业态，鼓励资金投向绿色企业和项目，以合理降低企业融资综合成本，保障产业与金融共享绿色发展成果，促进产业与金融良性循环、协调发展。

第二，确保绿色信贷的精准化投放。本文研究结果表明，绿色信贷通过作用于企业的研发投入与融资约束进而提升企业的出口产品质量。因此，要积极确保绿色信贷的精准定位与准确发力，了解企业融资的困难与需求，将政策与企业的需求特点和行为反应相结合。通过引导绿色信贷在企业研发投入和融资约束中的资源配置作用，贯通绿色信贷的作用机制，解决制造业企业现实困难的同时保证绿色信贷的投资效率，保障绿色信贷长期目标的实现。

第三，绿色信贷政策的制定应综合考量不同企业、行业的承载能力及差异化效果。本文研究表明，绿色信贷对国有企业、成长期企业、大型企业的出口产品质量提升作用显著大于其他类型行业，且对位于不同行业和地区的企业也存在差异。因此，政府或主管部门制定信贷政策时，应充分考虑政策差异性，深入研究内外资企业、国有与非国有企业、规模不同企业、处于不同生命周期和地区的企业，以及不同资本密集度的企业在内外部特征与需求上的变化，动态调整政策措施与细化信贷要求。

参考文献：

［1］陈国进，丁赛杰，赵向琴，等.中国绿色金融政策、融资成本与企业绿色转型——基于央行担保品政策视角［J］.金融研究，2021（12）.

［2］何凌云，梁宵，杨晓蕾，等.绿色信贷能促进环保企业技术创新吗［J］.金融经济学研究，2019（5）.

［3］韩民春，袁瀚坤.“一带一路”能否提升中国出口产品质量——基于制度环境视角的微观研究［J］.现代经济探讨，2021，479（11）.

［4］胡天杨，涂正革.绿色金融与企业高质量发展：激励效应与抑制效应［J］.财经科学，2022（4）.

［5］姜付秀，石贝贝，马云飙.信息发布者的财务经历与企业融资约束［J］.经济研究，2016（6）.

［6］刘斌，王乃嘉，屠新泉. 贸易便利化是否提高了出口中的返回增加值［J］. 世界经济， 2018（8）.

［7］刘传江，张劭辉，李雪.绿色信贷政策提升了中国重污染行业的绿色全要素生产率吗？［J］.国际金融研究，2022（4）.

［8］刘锡良，文书洋.中国的金融机构应当承担环境责任吗？——基本事实、理论模型与实证检验［J］.经济研究，2019（3）.

［9］卢盛峰，陈思霞.政府偏袒缓解了企业融资约束吗？——来自中国的准自然实验［J］.管理世界，2017（5）.

［10］陆菁，鄢云，王韬璇.绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角［J］.中国工业经济，2021（1）.

［11］宁伟，佘金花.绿色金融与宏观经济增长动态关系实证研究［J］.求索，2014（8）.

［12］裴长洪，刘洪愧.中国外贸高质量发展：基于习近平百年大变局重要论断的思考［J］.经济研究，2020（5）.

［13］施炳展， 邵文波.中国企业出口产品质量测算及其决定因素——培育出口竞争新优势的微观视角［J］.管理世界， 2014（9）.

［14］舒利敏，廖菁华.末端治理还是绿色转型？——绿色信贷对重污染行业企业环保投资的影响研究［J］.国际金融研究，2022（4）.

［15］孙少勤，胡凤萍.贸易政策不确定性与中国制造业企业全球价值链分工地位——基于DID模型的经验证据［J］.东南大学学报（哲学社会科学版），2022，24（2）.

［16］孙雪娇，翟淑萍，于苏.柔性税收征管能否缓解企业融资约束——来自纳税信用评级披露自然实验的证据［J］.中国工业经济，2019（3）.

［17］王孝松，周钰丁.经济政策不确定性、企业生产率与贸易高质量发展［J］.中国人民大学学报，2022（2）.

［18］王修华，刘锦华，赵亚雄.绿色金融改革创新试验区的成效测度［J］.数量经济技术经济研究，2021（10）.

［19］王遥，潘冬阳，彭俞超，等.基于DSGE模型的绿色信贷激励政策研究［J］.金融研究，2019（11）.

［20］吴秋生，黄贤环.财务公司的职能配置与集团成员上市公司融资约束缓解［J］.中国工业经济，2017（9）.

［21］谢婷婷，刘锦华.绿色信贷如何影响中国绿色经济增长？［J］.中国人口·资源与环境，2019（9）.

［22］徐保昌，闫文影，李秀婷.环境合规推动贸易高质量发展了吗？［J］.世界經济与政治论坛，2022（3）.

［23］徐胜，赵欣欣，姚双.绿色信贷对产业结构升级的影响效应分析［J］.上海财经大学学报，2018（2）.

［24］俞毛毛，马妍妍.绿色金融政策与地区出口质量提升——基于绿色金融试验区的合成控制分析［J］.中国地质大学学报（社会科学版），2022（2）.

［25］赵娜. 绿色信贷是否促进了区域绿色技术创新？——基于地区绿色专利数据［J］. 经济问题， 2021（6）.

［26］周新苗，刘慧宏，唐绍祥，等.不同驱动机制下绿色金融发展的宏观经济效应研究［J］.中国软科学， 2021（12）.

［27］Markandya A，Antimiani A，Costantini V，et al.Analyzing TradeOffs in International Climate Policy Options： The Case of the Green Climate Fund［J］. World Development， 2015， 74.

［28］Hallak J C， Sivadasan J. Product and Process Productivity： Implications for Quality Choice and Conditional Exporter Premia［J］. Journal of International Economics， 2013，91（1）.

［29］Hadlock C J， Pierce J R. New Evidence on Measuring Financial Constraints： Moving beyond the KZ Index［J］. The Review of Financial Studies， 2010， 23（5）.

［30］Tan X J， Yan Y X， Dong Y Y. Peer Effect in Green Credit Induced Green Innovation： An Empirical Study from Chinas Green Credit Guidelines［J］. Resources Policy， 2022， 76.

［31］Xu X K， Li J S. Asymmetric Impacts of the Policy and Development of Green Credit on the Debt Financing Cost and Maturity of Different Types of Enterprises in China［J］. Journal of Cleaner Production， 2020， 264.

（責任编辑：蒋妍）