基于双重差分模型的绿色信贷政策对企业碳绩效的影响研究——以重污染企业为例

齐可盈

(东南大学经济管理学院 江苏南京 211189)

改革开放以来，我国工业化进程加快，碳排放量大幅增加。作为负责任的大国，中国坚持绿色发展，积极参与全球生态环境治理，高度重视碳减排工作。2020年9月，习近平总书记在第七十五届联合国大会上提出了“双碳”目标，低碳发展成为我国经济高质量发展的重大战略安排。党的二十大指出，要完善支持绿色发展的财税、金融、投资、价格政策和标准体系，发展绿色低碳产业，积极稳妥地推进碳达峰、碳中和。绿色信贷作为绿色金融的重要一环，通过向生态保护与环境友好项目提供贷款扶持并给予优惠利率，对“双高”企业与项目采取贷款限制与惩罚性利率等措施，实现资金的“绿色”配置。截至2022年9月末，绿色信贷余额高达5.2万亿元，较2022年初增长18.22%，已成为实现绿色低碳发展的重要助推力。

本文以2012年中国银监会印发的《绿色信贷指引》(以下简称《指引》)的正式实施为事件构造准自然实验，运用双重差分法定量评估绿色信贷政策对重污染企业碳绩效的影响。以期丰富绿色信贷政策微观效果的相关研究，为以信贷手段促进经济绿色低碳发展提供一定的政策启示。

1 文献综述

1.1 绿色信贷政策对重污染企业的影响

自《指引》实施以来，众多学者针对绿色信贷政策对重污染企业的影响进行了大量实证研究，已有许多文献论证了绿色信贷政策的有效性。例如，苏冬蔚和连莉莉(2018)[1]经研究发现，绿色信贷政策对重污染企业的有息债务融资、长期负债及新增投资具有抑制作用；丁杰和胡蓉(2020)[2]则进一步探究了环境规制对绿色信贷政策抑制重污染企业投融资的增强作用。以上研究表明，绿色信贷政策对重污染企业投融资行为具有显著的抑制作用。关于绿色信贷政策对重污染企业创新活动的影响，学者们存在分歧。王馨和王营(2021)[3]对A股上市公司进行了实证研究，结果表明，《指引》实施后，重污染企业绿色创新数量显著增加，但创新质量无明显变化；也有部分研究显示，绿色信贷政策未能产生波特效应，抑制了重污染企业的技术创新(陆菁等，2021)[4]。此外，学者们普遍认为，绿色信贷政策能够显著抑制重污染企业的污染排放。马妍妍和俞毛毛(2020)[5]运用双重差分模型验证了《指引》对重污染企业污染排放的抑制作用；潘烨(2022)[6]经实证得出了与之相似的结论。

1.2 企业碳绩效研究

企业碳绩效是企业环境绩效的重要组成部分，用以衡量企业碳排放效率。国内外学者尝试采用多种方法衡量企业碳绩效：第一类从碳排放强度、碳依赖程度、碳暴露度和碳风险四个维度对碳绩效进行衡量(Hoffmann et al,2008)[7]；第二类利用综合因子得分法，通过构建量表为各影响因子赋分以测算碳绩效(周志方等，2019)[8]；第三类综合考虑企业营业收入和碳排放量，以企业每百万销售额碳排放总量的倒数作为碳绩效的代替变量(Baran Doda et al ,2016)[9]。关于企业碳绩效的实证研究较少，部分学者对企业碳绩效和财务绩效的关系进行了实证研究。例如，何玉等(2017)[10]和闫华红等(2019)[11]分别选取美国标准普尔500公司和沪深两市的A股制造业上市公司为样本，发现企业碳绩效与财务绩效存在正相关关系；周志方等(2017)[12]则以英国富时350企业为样本，得出了与之相反的结论。

综上所述，现有文献多关注绿色信贷政策对重污染企业投融资行为、绿色创新及污染排放情况的作用效果，往往只考虑《指引》对重污染企业经济效益或环境效益的影响，少有文献综合考虑重污染企业的经济与环境效益，进一步考察《指引》对重污染企业碳排放效率的影响。鉴于此，本文以2012年《指引》的出台为切入点，运用双重差分法探究《指引》对重污染企业碳绩效的影响，并为政府采取适当激励措施和差异化政策促进重污染企业平衡自身经济效益和环境效益提供借鉴。

2 理论分析与研究假设

2.1 绿色信贷政策与企业碳绩效

根据本文对碳绩效评价标准的选取，绿色信贷政策对企业碳绩效的影响可从企业碳排放及企业营业收入两个角度进行考察。

2.1.1 绿色信贷政策与企业碳排放

制度因素是企业承担环境责任的主要驱动力。绿色信贷政策向重污染企业发出碳减排的政策信号，重污染企业基于自身融资需求与长远发展需要主动承担环保责任，积极进行碳减排；此外，《指引》通过限制重污染企业融资获取等“惩罚”措施，促使重污染企业碳减排。多数研究表明，绿色信贷能够显著地抑制重污染企业碳排放量(江红莉等，2020[13]；尤志婷等，2022[14])。

2.1.2 绿色信贷政策与企业营业收入

企业营业收入是企业获得利润的基础，也是反映公司生产、销售规模及经济效益的重要指标。制度理论认为，环境规制会导致企业生产效率的降低，对企业营业收入产生负面影响。《指引》要求金融机构充分考虑重污染企业信贷业务的环境风险，拒绝向不合规企业授信。在我国间接融资为主的金融体系下，重污染企业面临更强的融资约束，将对重污染企业整体经营产生负面影响，不利于企业提升营业收入。此外，重污染企业为取得金融机构信贷资金，将通过缩减重污染项目规模、技术创新等方式减少污染排放。缩减项目规模将直接影响企业营业收入，增加绿色技术研发投入也将占用企业规模扩张资金，短期内会对企业营业收入产生负面影响。

信号传递理论认为，企业向公众传递高质量的信号，有利于企业增强竞争优势。《指引》的实施促进重污染企业积极减少污染排放，向公众释放“绿色”信号，或能帮助企业提高声誉，吸引更多投资者，有利于企业营业收入的提升。而且《指引》旨在帮助重污染企业绿色转型升级，有利于重污染企业适应经济高质量发展，长期来说，有利于重污染企业提升营业收入。为检验《指引》对重污染企业碳绩效的影响，本文提出以下对抗假设：

H1a：《指引》出台后，相比非重污染企业，重污染企业碳绩效降低。

H1b：《指引》出台后，相比非重污染企业，重污染企业碳绩效提升。

2.2 绿色信贷政策对重污染企业碳绩效影响的机制分析

《指引》限制金融机构向重污染企业贷款，企业获得贷款资金减少、融资成本增加，将对企业财务绩效产生负面影响。部分实证研究表明，企业环境绩效与财务绩效之间具有显著的正向关系(朱清香等，2020)[15]，企业积极进行减排有利于提高企业财务绩效(赵玉珍等，2021)[16]。财务绩效更好的企业更有能力和动力进行碳减排，有利于其树立良好的企业形象以实现长期的财务效益，进一步提升企业碳绩效。《指引》能够通过对重污染企业融资限制，降低重污染企业财务绩效，间接影响重污染企业碳绩效。 综上，本文提出如下假设：

H2：企业财务绩效在《指引》影响重污染企业碳绩效过程中起部分中介作用。

3 研究设计

3.1 样本选择与数据来源

本文选取2007—2020年我国A股工业上市公司为研究样本, 参考环保部2010年发布的《上市公司环境信息披露指南》对重污染行业进行界定, 将火电、钢铁、水泥等16类行业作为重污染行业。借鉴前人研究成果，本文对样本进行了如下处理：(1)剔除了ST、ST*等样本公司；(2)剔除存在变量缺失的样本。经过以上筛选，最终得到475家企业，其中重污染企业279家，非重污染企业196家，共获得6650个年度观测值。由于无法直接获得我国企业的碳排放量，本文借助企业营业成本和行业碳排放量估算企业的碳排放量。上市公司相关财务数据来源于CSMAR数据库。为控制极端异常值的影响，本文对所有连续变量进行了上下1%分位数的缩尾处理。

3.2 变量定义

3.2.1 被解释变量

综合考虑数据可获得性和变量实际经济意义，本文参考闫华红等(2019)的研究，用企业每百万营业收入除以企业碳排放量，并取其对数作为企业碳绩效指标。碳绩效指标数值越高，则代表企业排放一定量的二氧化碳所获得的营业收入更多，即企业碳绩效更好。

3.2.2 主要解释变量

本文以2012年出台的《指引》作为外生影响点，研究绿色信贷政策对重污染企业碳绩效的影响，若样本年度在2012年及之后则时间虚拟变量Timet=1，反之则为0。借鉴陈琪和张广宇(2019)[17]的研究方法，本文将重污染行业企业作为处理组，非重污染行业企业作为控制组。若企业属于16个重度污染行业则Treati=1，反之则为0。用TimetxTreati衡量绿色信贷政策的净效应。

3.2.3 中介变量

本文根据对绿色信贷政策对重污染企业碳绩效影响机制的分析，选取企业总资产利润率及净资产利润率作为企业财务绩效指标。

3.2.4 控制变量

参考何玉等(2017)及Chen Zhi 等(2020)[18]对企业碳绩效的研究，选取企业规模、资产负债率、资产集约程度、董事会独立性、企业成长能力及股权集中度作为控制变量，具体变量说明如表1所示。

表1 变量名称及其定义

3.3 模型构建

参考刘强等(2020)[19]的方法，本文设定双重差分基准模型如下：

式(1)中：CPit为企业碳绩效指标，为被解释变量；Treati为重污染行业企业的虚拟变量，重污染组企业取1,反之取0；Timet为政策实施的虚拟变量，2012年及以后取值为1，反之取值为0；TimetxTreati为核心解释变量,其系数β1衡量政策实施后对重污染企业碳绩效的影响；Controlit为一系列企业层面控制变量；τi为行业固定效应，Υt为年份固定效应，εit为随机扰动项。

由于双重差分模型无法直接检验绿色信贷政策影响企业碳绩效的作用机制，根据前文假设，参考温忠麟和叶宝娟(2014)[20]关于中介效应的研究，本文构建以下模型检验企业财务绩效是否为绿色信贷政策影响企业碳绩效的途径之一。

模型(2)和模型(3)中ROAti为企业i在t年的总资产收益率，模型(4)和模型(5)中ROEti为企业i在t年的净资产收益率，其他变量含义不变。

4 实证结果与分析

4.1 描述性统计

主要变量描述性统计如表2所示。从标准差来看，不同企业的碳绩效(CP)和规模(Size)具有较大的差异。企业总资产利润率(ROE)和净资产利润率(ROA)的最小值分别为-0.0822和-0.219，最大值分别为0.234和0.391，说明不同企业的盈利能力有一定差距。

表2 主要变量描述性统计

4.2 基准回归分析

表3所示为依据模型(1)估计的《指引》对重污染企业碳绩效影响的检验结果。表3中第(1)列显示控制相关变量及行业和年份固定效应后，绿色信贷政策净效应的回归系数均显著为负，表明《指引》的实施对重污染企业碳绩效具有显著的负面作用，假设H1a得证。

表3 基准回归及稳健性检验结果

4.3 稳健性检验

4.3.1 平行趋势检验

双重差分模型要求在《指引》实施之前，重污染企业和非重污染企业的碳绩效拥有相同发展趋势。本文将政策实施前四年及后八年的年度虚拟变量与Treati的交乘项加入模型(1)进行回归。政策实施前及实施后各年份的交乘项系数分别用p_1至p_4及t_1至t_8表示，2012年当年的交乘项系数为current，结果如图1所示；交乘项系数在2012年之前均不显著异于0，总体上通过了平行趋势检验；2012年政策实施当年重污染企业碳绩效无明显变化，此后政策效应逐年增强，说明政策存在一定的滞后性。

图1 处理变量与年份虚拟变量交乘项系数置信区间

4.3.2 PSM-DID

为降低样本选择问题对回归分析造成的影响，本文利用倾向性得分匹配法(PSM)，以企业资产负债率、企业规模、股权集中度和董事会独立程度作为PSM匹配协变量进行逐年1:1近邻匹配。在共同支撑域内，匹配成功样本共3449个，约为样本总数的一半。回归结果如表3所示，TimetxTreati的估计系数为负，且在1%的水平下显著，说明匹配后绿色信贷政策对重污染企业碳绩效的抑制作用依然显著，一定程度上验证了本文回归结果的稳健性。

4.3.3 安慰剂检验

为增强回归结果的稳健性，本文将绿色信贷政策实施年份提前到2010年，重新定义交乘项并进行回归分析，发现交乘项TimetxTreati的系数不再显著，具体结果如表3所示。

4.4 机制检验

企业财务绩效的中介效应体现在两个方面：模型(2)和模型(4)中TimetxTreati的系数显著，并且模型(3)和模型(5)中交乘项的系数相比于模型(1)中交乘项系数发生了变化。表4第(1)列和第(3)列分别报告了模型(2)和模型(4)的回归结果，TimetxTreati的系数为负且均在1%的水平下显著，说明绿色信贷政策对企业总资产利润率及净资产利润率有显著的负向影响。第(2)列和第(4)列分别报告了模型(3)和模型(5)的回归结果，其交乘项系数分别为-0.735和-0.743，均在1%水平下显著，与表3第(2)列中基准回归的交乘项系数-0.752相比有所增加，说明绿色信贷政策能过通对企业财务绩效的部分中介作用对企业碳绩效产生负面影响。

表4 机制检验结果

4.5 异质性分析

4.5.1 企业产权异质性

为检验企业产权性质对企业碳绩效的影响，本文将样本分为国有企业组和非国有企业组，分别进行回归。表5第(1)列和第(2)列分别报告了国有企业和非国有企业的回归结果。绿色信贷政策对国有企业和非国有重污染企业碳绩效均具有显著的抑制作用，而且国有重污染企业碳绩效受到的抑制作用更强。这可能是因为：国有企业规模相对较大，存在更多火电、石化等大型重污染企业，短时间内难以大幅降低碳排放量；且《指引》实施前，国有企业更容易从金融机构获得贷款，因而《指引》对国有重污染企业具有更严重的“惩罚”效应。

表5 异质性分析

4.5.2 地区金融业市场化异质性

本文根据王小鲁等编制的《中国分省份市场指数化指数报告2019》，将金融业市场化指数高于全国平均金融业市场化指数的省份作为金融业市场化程度较高地区，并将在此地区的企业样本作为金融市场化程度较高组，其他样本作为金融业市场化程度较低组。表5第(3)和第(4)列交乘项系数表明，相比金融市场化程度较高组，金融业市场化程度较低组受到绿色信贷政策的抑制作用更强，这可能是因为金融业市场化程度较低地区的重污染企业融资渠道较为单一，在受到银行信贷限制后面临更严重的融资约束，对企业经营产生的负面影响更大，因而《指引》对金融业市场化程度较低组的重污染企业碳绩效抑制作用更强。

5 结语

本文以2012年出台的《指引》构造准自然实验，并选取2007—2020年我国A股工业上市公司为研究样本，运用双重差分法探究绿色信贷政策对重污染企业碳绩效的影响及其作用机制，并采用PSM-DID、提前政策时间等方式对回归结果进行稳健性检验。研究结果表明，绿色信贷政策并未提升重污染企业碳绩效。机制分析结果表明，绿色信贷政策能够通过降低重污染企业的财务绩效，间接降低重污染企业碳绩效。此外，国有重污染企业和金融市场化程度较低的重污染企业碳绩效受绿色信贷政策的抑制作用更强。

基于以上实证研究结论，本文提出以下政策建议：

第一，绿色信贷政策对重污染企业经营绩效产生了较大的负面影响。政府应采取相应的补助措施激励重污染企业的碳减排行为，如对积极进行绿色创新的重污染企业进行税收优惠，以提升政策响应度。

第二，鉴于绿色信贷政策对重污染企业的影响具有差异性，政府应为不同性质及地域的重污染企业制定差异化信贷政策，兼顾融资相对困难的重污染企业，以保证政策的有效性。

第三，金融机构应采用更加多元化、合理化的方式对企业环境风险进行评估，严格执行绿色信贷发放标准以实现信贷资金绿色配置，协助落实好绿色信贷政策。

第四，重污染企业应加强环保意识，主动进行环境信息披露，积极承担社会责任。重污染企业应通过加强引进和培养创新型人才、加大研发投入等方式促进绿色技术创新，逐步改进高污染排放的生产方式，积极进行企业转型，从长远利益出发，兼顾企业经济效益与环境效益。