碳排放强度对企业债务融资成本的影响研究——基于我国A股上市企业的实证检验

曾之明 张建华 李梦凡

（湖南工商大学财政金融学院，湖南 长沙 410205）

一、引言

随着全球温室气体浓度的不断增加、极端天气事件日益增多，气候变化问题越来越受到社会各界的广泛关注。气候变化的影响不再局限于对生态系统的破坏，而开始对社会经济领域产生影响（Bebbington&Carlos，2008）。全球对可持续发展的迫切需求加强了人们对环境问题的关注，使碳排放及其深远影响备受关注。低碳经济转型成为可持续发展范式的重要内容，各国政府、企业和社会都在努力减缓气候变化的不利影响。在这一背景下，企业碳排放与其财务状况之间的关系备受关注，尤其在债务融资成本领域。在债务融资成本领域的讨论中，相关研究认为企业碳排放强度与企业债务融资成本之间存在联系。碳排放主要源于工业过程和能源消耗，不仅导致环境退化，还可能对企业造成潜在的财务影响。随着政府实施严格的环境法规和国际协议，高碳强度企业可能面临不断增加的运营和合规成本，这也引发了关于碳排放对企业进入金融市场的影响以及企业债务融资成本的讨论。

本文选择从碳排放的角度来研究企业碳排放与企业融资成本之间的关系。文章通过分析2013年至2022年期间中国A股上市公司的数据，深入探讨碳排放强度与企业债务融资成本之间的关系，旨在揭示中国作为世界第二大经济体和全球可持续发展努力的重要参与者，其碳排放对企业财务决策的影响程度。之所以选择债务融资成本是因为在我国该成本能更加直接地反映企业从外部获取资金的难易程度。本文预期碳排放会增加企业债务融资成本。

本文可能提供的边际贡献以及创新性如下。首先，从研究视角来看，当前针对企业债务融资成本的研究文献较多，但鲜有文章从企业碳排放的角度来分析债务融资成本。本文在该领域进行尝试，可能加深相关研究对环境风险定价的认识，拓宽企业财务领域研究的广度。其次，从研究结果来看，本文结论对决策者、投资者、金融机构和企业都具有一定的借鉴意义。通过全面评估碳排放对融资成本的影响，本文研究有助于更深入了解环境问题与企业财务绩效之间的关系，并促进可持续的金融实践。最后，从研究内容来看，本文拓展了以下相关学者的研究文献：碳风险能够影响企业价值以及经营绩效（Matsumura et al.，2014；Nguyen，2018）、生产力（Garvey et al.，2018）、投资决策（Balachandran &Nguyen，2018）、尾部风险（Ilhan et al.，2021）、系统风险（Monasterolo &Angelis，2020）、股票回报（Choi et al.，2020）等。

二、理论分析与研究设计

（一）研究假设

由于相关领域的研究文献有限，因此并未形成一致的理论共识。结合前人研究以及本文的思考，本文提出以下碳排放可能增加企业债务融资成本的作用渠道。第一，增加经营杠杆，降低企业声誉与业绩，加大企业现金流的不确定性。对全球变暖的担忧促使世界各地的监管机构实施以减少碳排放为目的的控制政策。为了应对更严格的碳排放相关法规和政策，企业需要加大投入成本，如披露成本、合规和管理成本，以及转向低碳技术的额外资本支出（Clarkson et al.，2004；Acemoglu et al.，2012；Acemoglu et al.，2016）。由碳排放所引发的不确定性变化将增加企业的经营杠杆，进一步转化为企业未来现金流的更高不确性。此外，由于公众对可持续发展和环保问题的关注度逐渐提高，这在一定程度上加大了企业层面的环保压力（Subramaniam et al.，2015）。过度碳排放增加了企业面临潜在法律惩罚和声誉损失的脆弱性，从而损害企业业绩。例如，碳密集型企业更有可能违反环境法规，因为它们在污染物减排方面的投资不足，从而面临客户抵制和诉讼的风险（Habib &Bhuiyan，2017；Brekke &Pekovic，2018）。第二，从投资者的角度来看，具有高碳排放的企业可能将面临投资者较低的认可度。近年来，环境、社会和公司治理（ESG）投资已经成为世界各地重要的投资工具，而碳排放作为ESG投资重要的参考指标，意味着社会责任感较强的投资者很可能会避免将自己的资金投入碳密集型企业，高碳密集型企业在未来可能拥有较少的投资者。进一步，从莫顿（Merton）的投资者认知理论中可以得出，投资者认可度较低的企业往往会面临较高的资本成本。因此，企业碳排放的上升可能会降低投资者认可度，从而导致较高的债务融资成本。第三，碳排放强度的上升会加大企业违约风险，进而推升债务融资成本。已有研究表明，由于管理者比外部人员（如个人投资者、金融机构）更了解公司过去以及未来的实际情况，而碳减排计划作为公司规划的一部分，可能表明现有管理者与投资者在碳减排方面的信息存在不对称。尽管我国要求部分企业向政府报告其排放信息，但大多数公司提供其排放信息仍然属于自愿行为。因此管理者可能隐瞒信息，在评估与减排计划相关的风险时，他们相比外部人员拥有更多信息优势，从而使得个人投资者与金融机构在向与排放相关的公司贷款时可能面临额外的成本和风险。因此，当个人投资者以及金融机构根据所有可用信息评估贷款公司的违约风险时，可能会考虑另外一个因素，即如果一家公司有排放责任并且属于排放密集型，那么贷款人很可能会向公司收取更高的风险溢价。换句话说，高碳排放强度可能会增加排放责任主体的债务违约风险。根据相关研究结果：如果一个企业拥有大量的碳密集型资产，该企业的借款能力将会明显下降（吴强和兰佳佳，2022）。因为贷款人会更加担心高碳排放资产的风险，并在此情景下可能会对这些资产实施更为严格的债务契约（比如提高债务融资成本），以确保贷款的安全性。第四，碳排放强度的增加可能会引起与其相关的其他成本的增加（如诉讼成本和补救成本），这些成本的上升将会减少可用于偿还债务的经济资源。另外，如果一些公司对更为环保的技术以及工艺进行高风险的研发投入，财富可以通过研究开发费用的形式从债券持有人手中转移到公司股东手中。因此，贷款人可能会要求更多的额外补偿，并要求碳排放强度较高的公司提供更高的回报率。综上所述，本文提出以下假设：

H：企业的债务融资成本与碳排放强度呈正相关，即碳排放强度越高的企业将面临更高的债务融资成本。

关于企业碳排放的实证具有一定的难度，原因在于企业层面碳排放与债务融资成本之间的关系容易受到其他特征的影响。此外，我国上市企业的碳排放数据十分有限，数据的稀缺性导致实证无法直接利用企业碳排放数据进行研究。因此，本文后续使用行业层面的各类能源消费总量作为初始数据，通过结合碳排放系数得到行业碳排放总量，随后采用各个企业主营业务成本与行业总营业成本的占比来近似估算出企业层面的碳排放水平。由于不同行业的排放水平具有较大差异，样本碳排放数据具有较大的波动性，为了避免直接使用行业碳排放数据对实证结果造成的偏差以及实证过程中可能存在的内生性问题，本文进一步生成碳排放强度的虚拟变量作为比较基准，使用倾向匹配法（PSM）来进一步证实本文的核心结论。

（二）样本选择与数据来源

本文选用2013—2022 年中国A 股上市的企业作为最初样本，选择2013年作为初始时间，主要是基于以下几点考虑。第一，从数据可得性来看，2013年后越来越多的国家与地区开始关注碳排放问题，并加强碳排放数据的收集与公开披露。因此，2013 年以后的数据可能更为全面并准确，数据的真实性有助于评估企业的实际碳排放强度。第二，我国在2013 年以后开始陆续实施了一系列的环境政策与措施，这些政策在该时点前后可能会对企业的碳排放和债务融资成本产生不一致的影响。因此，从2013 年开始研究可以有效避免政策在实施前后其对企业碳排放强度与债务融资成本的影响差异。通过以下标准进行数据筛选：剔除银行业、证券业、保险业等金融类上市公司；剔除在计算公司债务资本成本时财务数据缺失的样本。经过以上筛选获得1702 家上市公司的11267个年度观测值。本文用于衡量公司债务成本的财务指标数据来源于万得（Wind）数据库，企业控制变量的相关数据均来自国泰安（CSMAR）官方数据库，用于计算企业碳排放量的各行业能源消费量数据均来自《中国能源统计年鉴》。

（三）相关变量计算

1.各上市企业的债务成本（DebtCost）。在我国，上市企业财务报表并没有报告债务利息的具体来源，难以精确地衡量上市企业真实的债务融资成本。在综合前人研究的基础上，本文最终沿用Pittman &Fortin（2004）对公司债务成本的计算方法。该方法同时考虑了债务利息的长期、短期成本，能够在一定程度上近似地反映企业债务融资成本的实际情况。同时考虑到这种计算方法会产生较大的误差影响，为防止连续变量极端值对实验结果的影响，本文对计算得到的债务成本进行了1%和99%的缩尾处理，本文用于计算债务成本的财务数据均来自Wind数据库。

2.企业碳排放指标（Intensity）。本文选取各上市企业所在具体行业的各种能源消费总量的年度数据作为初始数据（单位为万吨），主要包括煤炭、焦煤、原油、电力、汽油、煤油、柴油、燃油、天然气等能源。考虑到目前我国部分上市企业碳排放信息披露不全面且缺乏一定的可靠性。因此本文在借鉴前人研究后（闫华红等，2019；沈洪涛和黄楠，2019），采用企业营业总成本在行业营业成本中的占比、营业成本、行业碳排放量估算企业的碳排放量。根据政府间气候变化专门委员会（IPCC）发布的《2006 年IPCC 国家温室气体清单指南》中关于行业碳排放量的计算方法，将行业各种能源消费量与其对应的碳排放系数相乘得到对应的行业碳排放量。同时考虑到数据的可获得性以及企业层面实际碳排放量的获取难度。本文利用具体公司营业成本在其所属行业中营业总成本的占比来近似计算企业碳排放量。具体计算公式为：行业碳排放量＝∑βi Ei，其中βi表示能源i的碳排放系数，Ei代表第i种能源的消费量。由此计算得到上市企业的年度碳排放量，然后使用企业二氧化碳排放量除以企业主营收入来衡量企业碳排放强度，公式中企业层面的财务数据来源于Wind 数据库，行业碳排放量相关的数据整理自《中国能源统计年鉴》。具体计算公式如下：

3.控制变量。为了更好地控制其他变量对企业债务融资成本的影响，本文参考现有的研究（Anderson et al.，2004；周楷唐，2017；Pittman &Fortin，2004）等，引入以下公司层面的控制变量：盈利能力（ROA）、财务杠杆（Leverage）、成长性（Growth）、亏损虚拟变量（Loss）、最大股东持股比例（Top1）、产权性质（State）、现金流量（FCF）、有形资产占比（PPE）、审计师虚拟变量（Big_N）、企业年龄（EST）、利息保障倍数（IEV）、独立董事占比（Indp）、企业信息披露评价（DIC）、企业规模（Size）。同时本文采用了行业、年份固定效应，并使用聚类文稳健标准误。本文控制变量相关的数据均来自CSMAR官方数据库。相关变量定义及测算方式如表1所示。

表1 变量定义及描述

（四）变量描述性统计

表2 列示了各变量的描述性统计，从中可以看出，债务成本（DebtCost）的均值为0.0546，中位数为0.0509，表明该均值在很大程度上可以反映样本中企业的平均债务成本水平，即5.46%，从碳排放总量的数据来看，企业间碳排放总量存在差异。在其他控制变量的描述性统计中，样本企业平均财务杠杆水平达到0.5012，平均资产净利率为0.0242，最大股东持股比例平均水平为0.3374，变量IEV的标准差相对其他变量较高，本文后续采用聚类稳健标准误进行处理。

表2 变量描述性统计

三、实证结果

（一）OLS回归结果

本文首先采用最小二乘法来估计碳排放能否增加企业债务融资成本，模型设定如下：

式（3）中的因变量DebtCosti,t是被解释变量债务成本，代表企业i在第t年的债务融资成本，核心解释变量Intensityi,t代表公司i在第t年的碳排放强度，其中系数β1是本文重点关注的对象，若该系数显著为正则表明企业债务融资成本与其碳排放强度存在一定的正相关关系，即碳排放强度的上升会增加企业债务融资成本。此外本文引入一系列可能影响到企业债务成本的控制变量（Controls），即表1中所列示出来的控制变量。另外，为缓解模型初步存在的内生性问题，本文控制了时间、行业固定效应，同时考虑到回归结果中标准误可能受到数据波动性的影响，本文采用稳健标准误处理，对模型进行企业层面与行业层面的二维聚类（Cluster）处理，回归结果如表3所示。

表3 回归结果

表3列（1）、（2）、（3）的因变量是企业i第t年的债务融资成本，其中列（1）加入一系列控制变量，但没有控制年份以及行业固定效应。列（2）在列（1）的基础上控制年份固定效应，列（3）进一步加入行业固定效应来估计最终结果。在列（1）、（2）、（3）中，核心解释变量Intensity的回归系数分别为0.087、0.079、0.112，且分别通过了1%的显著性检验。其中，列（3）结果所表明的经济学意义是，当上市企业的碳排放强度每增加1 单位时，其债务融资成本会增加0.112 个单位。从表3的结果来看，碳排放强度对上市公司的债务成本有显著的正向影响。总体而言，回归结果支持了本文提出的假设H。此外，列（3）中Size、ROA、PPE的回归系数分别在1%、10%、1%的显著性水平下为负，表明企业规模越大、盈利能力越强以及有形资产占比越高时，企业债务融资成本越低；财务杠杆的回归系数显著为正，表明企业财务风险会增加债务融资成本。以上结果都符合本文的预期，也与大部分文献所发现的结果一致。

（二）内生性处理

考虑到本文的样本可能存在样本选择性偏差的问题，为缓解样本选择性偏差带来的内生性问题，本文采用了倾向得分匹配法（PSM）对样本进行重新匹配，以缓解实验组与控制组之间的初始条件差异。本文以生成碳排放强度的虚拟变量（Emisson）作为划分标准，选择所有实验样本碳排放强度的中位数（原因是平均值易受到极端值影响）。当企业碳排放强度大于该中位数时Emisson取1，否则取0。此外，需要为实验组找到相应的对照组样本，本文将可能影响企业债务融资成本的一系列控制变量作为匹配变量。PSM 模型采用了Logit 回归，对解释变量（Emisson）进行回归，并将各个匹配变量的回归系数作为权重，拟合出每一个样本的倾向得分值，进一步根据拟合的倾向得分值对实验组与对照组进行有放回的、一对多的最近核匹配。

如图1 所示，该分布图是对共同支撑假设的检验，从中可以看出在进行匹配之前实验组与对照组分布存在一定的差异，两条曲线的距离较大。匹配后可以发现，两条曲线出现了靠近并且更加趋同的趋势，存在的共同取值的区间较大。该结果表明其匹配效果较好，并且通过了共同支撑假设检验。另外表4报告了PSM 匹配后的回归结果，本文的PSM 匹配满足平衡性检验。从表4中可以看出，匹配后的样本回归结果仍然显示核心解释变量的影响系数显著为正，且通过了1%的显著性检验。实证结果仍然支持本文的核心假设。

图1 匹配前后倾向得分密度分布

表4 PSM后的回归结果

四、稳健性检验

（一）改变样本时间区间

为了得到更加稳健的实证结果，本文首先采用变更时间限度的方法，选择不同的时间区间重新进行回归分析，具体时间段划分为2013—2018 年、2018—2022年、2014—2021年、2015—2021年，分别对应表5中的列（1）、（2）、（3）、（4）的回归结果。从表5的回归结果中可以看出，核心解释变量（Intensity）的回归系数均为正，且均通过了相应的显著性检验，其显著性相比起之前的全样本回归有所差异，可能的原因是划分时间区间造成样本数量下降，回归结果的显著性受到影响，但回归系数并没有与之前全样本的回归系数有很大差异，且其他控制变量的回归结果与全样本下回归结果近似。总体而言，在划分时间区间后，回归结果仍然表明本文的实证结果是稳健的。

表5 不同时间区间的回归结果

（二）样本分组回归

2015 年全球195 个缔约方（包括国家与政治联盟）于法国巴黎签订了应对气候变化的重要国际条约，即《巴黎协定》。各方承诺将为全球平均气温较工业化前水平升幅控制在2℃以内做出努力。该协定的签署对全球经济产生了一定的影响，在此之后各个国家（地区）出台了一系列的气候政策，对金融市场中的各参与主体都造成了一定的影响。考虑到2015 年《巴黎协定》的签署可能会对企业层面的特征变量产生影响。因此，本文以2015年为时间分割点，将样本分为协定签署前与签署后两个组别，分别进行分组回归。回归结果如表6所示，本文发现在《巴黎协定》签署以前，企业债务融资成本对碳排放水平的敏感性并不高，回归系数为0.05，且未通过10%的显著性检验，而在协定签署以后的几年间，债务融资成本表现出对碳排放水平显著的敏感性，相比于碳排放水平较低的企业，碳排放水平较高的企业的债务融资成本更高。表6列（2）核心解释变量（Intensity）回归系数的经济含义是：在《巴黎协定》签署以后，企业的碳排放强度每增加1 单位时，其债务融资成本平均上升了0.089 个单位，这在一定程度上反映出对高碳排放企业而言，该气候协定的签署推升了其债务融资成本，加大了企业从外部获取资金的难度。可能的原因是该类气候政策导致银行在发放贷款时将气候相关的风险因素纳入考虑，要求高碳密集型企业付出更高的借款成本，从而推升该类企业从银行获取信贷的融资成本。

表6 样本分组回归

（三）替换核心解释变量

为进一步稳健本文的核心观点，本文对核心解释变量进行相应的调整，将之前中位数的划分标准进一步细化。具体来说，按照各行业的碳排放总量的1/4、2/4、3/4、4/4分位数作为划分标准，采用赋值法对不同区间依次进行赋值，当行业碳排放小于全行业1/4 分位数时，赋值为1；当行业碳排放介于全行业1/4至1/2分位数时，赋值为2；类似地依次赋值3 和4。将赋值后的离散变量（_Emitter）作为新的核心解释变量重新进行回归分析，回归结果如表7列（1）所示，从中可以看出替换后的核心解释变量_Emitter的回归系数显著为正，并通过了1%的显著性检验。实验结果证明替换相关解释变量并没有对本文的结论产生明显影响。

表7 替换解释变量以及该变样本容量后的回归结果

（四）改变样本容量

本文还通过改变样本容量来进行稳健性检验。考虑到不同行业碳排放总量的差异较大，可能会对最终的回归结果产生影响。因此本文将样本中小于全部行业5%以及大于95%的碳排放数据剔除，回归结果如表7列（2）所示，仍证明本文结论稳健。

五、结论与建议

（一）研究结论

当前低碳政策是各国稳步推进的一大重点方向，与此同时考虑由低碳政策所带来的一系列风险因素应受到学术界的广泛关注。基于此，本文选择从企业融资成本的角度来探讨碳排放相关的环境风险对企业债务融资的影响。进一步采用多维固定效应模型实证检验了碳排放水平与企业债务融资成本之间的关系，为解决传统回归模型可能存在的内生性问题，本文后续又采用了倾向得分匹配法（PSM）来缓解由于样本选择性偏差所导致的内生性问题。最终研究结果发现：碳排放水平较高的企业，其相关企业的债务融资成本更高，与碳排放相联系的有关风险已经反映到企业债务融资成本的定价中。在稳健性检验中，本文发现企业债务融资成本对碳排放水平的敏感程度具有时间维度的差异，在《巴黎协定》签署之前，碳排放较高的企业相比碳排放较低的企业而言，其债务融资成本并没有表现出明显的差异，但在该国际条约签订以后，这种差异性逐渐凸显，高碳排放企业的债务融资成本开始显著高于低碳排放企业。

本文的研究结论在理论层面与实践层面可能具有一些边际贡献。由于低碳相关的气候政策正在逐步推进，企业面临着将气候相关的外部成本内部化的严峻问题，如何筛选出可能影响企业经营发展的外部成本是亟待解决的关键问题。本文的研究结论能够为企业筛选外部成本时提供一些决策参考。

（二）政策建议

1.加强企业碳排放信息披露管理。企业减少债务资本成本的直线路径之一就是降低自身碳排放，并主动披露碳排放信息。当投资者看到企业的减碳绩效，减轻双方不对称性，投资者才更愿意向企业提供更低的贷款成本。同时，企业应该着眼于长期利益，积极主动进行碳排放管理，加强与碳排放相关的风险意识，塑造企业内部低碳文化。最后，碳密集型企业还可以通过绿色技术创新、低碳生产等模式降低碳排放，以此来提振债权人的信心，进而减少债务融资约束。

2.建立健全碳排放法律规制。从政府层面来看。切实精确地了解企业碳减排的信息是至关重要的。然而，当前我国并没有强制要求所有企业披露相关减排信息，很多企业遵循自愿披露的原则。这将导致碳减排成绩较好的企业更加愿意披露减排信息，而减排成绩较差的企业可能会规避该类信息的公开。因此，政府应通过建立与企业碳减排相关的法律机制来约束企业不披露的行为。同时，政府应通过互联网技术及时精准地掌握企业碳减排的相关信息，以便于对企业进行定量减排，真正实现减排效果（潘晓滨和朱旭，2022）。

3.完善差异化政策指引。本文研究发现不同企业的碳排放强度的差异将导致其对碳排放强度的敏感程度不同，碳密集型企业的碳排放强度对债务融资成本的影响更加显著。因此需要根据企业的实际碳排放强度情况制定差异化政策，让更多的企业能够较好地适应政策，比如设立专门环保贷款，为低碳排放企业提供更有利的融资条件，鼓励企业投资环保技术和设施。政府可以提供利率补贴或贷款担保，发展绿色债券市场和绿色金融产品，支持低碳排放和可持续发展项目。金融机构可以为低碳企业提供更有竞争力的融资渠道，降低其融资成本（刘宏海，2022）。