绿色信贷政策与企业环境治理

■陈琪 任笑颖

一、引言

我国高度重视生态文明建设，继党的十九大报告将“绿色”列入五大发展理念之后，二十大报告中又将“人与自然和谐共生”作为中国式现代化的五大内涵之一。企业作为创造社会财富的重要载体，同时也是自然资源的主要索取者和生态环境的主要破坏者[1]。为了从源头上解决日益严峻的能源与环境问题，我国制定了环境规制政策对企业排污行为加以约束，但是由于强制性规制手段的执行效率无法保证，可能导致治污效果反弹等问题[2]，因此近年来我国主要倡导实行市场激励型的环境规制，并在十九大报告中明确提出“发展绿色金融”的要求，以有效发挥金融市场的资源配置功能推动节能减排。当前，我国政府大力推行绿色信贷政策，引导资源流向绿色、低碳、环保领域。据央行发布的《2022年四季度金融机构贷款投向统计报告》显示，截至2022 年末，我国本外币绿色贷款余额增长至22.03万亿元，其中，投向具有直接和间接碳减排效益项目的贷款分别为8.62 万亿元和6.08 万亿元，合计占绿色贷款总额比重为66.7%。这足以说明我国绿色信贷业务取得了较大发展。

绿色信贷作为重要的绿色金融工具，逐渐受到政府部门的关注。2007 年，原国家环保总局、中国人民银行、中国银监会联合发布《关于落实环保政策法规防范信贷风险的意见》（环发〔2007〕108号），绿色信贷政策被正式运用于环境治理工作中。但由于此阶段绿色金融工具实施标准和配套方案并不完善，客观条件尚不成熟，绿色信贷政策并未得到有效落实[3]。2012 年，中国银监会印发《绿色信贷指引》（下文简称《指引》），进一步明确了金融机构在整体授信流程中对环境与社会风险的管理要求，从绿色信贷组织管理、能力建设、流程管理、内部控制与信息披露、监督检查等方面对银行业提出了三十条规定。要求银行将企业的环境绩效信息纳入人民银行征信管理系统，严格控制重污染行业的信贷投放，同时进一步加大对低碳节能、环境保护和节能减排技术改造等绿色项目的信贷支持力度，以此防范信贷风险并促进节能减排。中国银行业协会报告显示，在《指引》实施后，污染行业的贷款余额显著降低，可见绿色信贷政策得到了有效执行。近年来，绿色信贷更是成为中国绿色金融实践的重要组成部分。根据兴业研究的估算，绿色信贷余额占全体绿色融资余额的比例超过90%①。

绿色信贷政策转变了企业传统的发展理念。银行业践行绿色信贷原则，根据企业环境和社会风险的性质和严重程度确定授信权限和审批流程，拒绝对环境和社会表现不合规的企业授信，环境风险高的重污染企业难以获得金融资源。这种差异化的授信政策提高了重污染企业的债务融资成本[4]，由此造成自由现金流的不足，也导致企业做出减少资本性投资的应激反应[5]。但是，施加绿色信贷约束并不是为了将重污染企业逼至破产倒闭，而是希望通过资源配置手段引导重污染企业绿色转型。那么在绿色信贷政策指引下，重污染企业的环境行为是否有所改变也是学者们关注的问题。对于重污染企业而言，环境规制的高成本使其不得不关注环境问题并承担相应的社会责任[6，7]，从而增加环保投入并提高绿色投资效率[8，9]，促进绿色创新[10，11]。但也有学者认为，由于重污染企业应对绿色信贷政策时的资本配置效率不足，企业的技术创新水平遭到了抑制，绿色信贷政策并没有表现出波特效应[12，13]。从已有研究来看，针对绿色信贷政策对微观主体的影响，多数文献聚焦于绿色信贷政策可能引发的经济效应与创新效应，而忽视了绿色信贷政策的环境效应，且现有研究大多关注融资约束等外部因素发挥的机制效果，忽视了企业内部行为对政策效果的传导作用。鉴于此，本文以2012年《指引》的出台为外生冲击构造准自然实验，基于2008—2020年A股上市公司的数据，设定双重差分模型，研究《指引》的实施对企业环境治理效果的影响及其作用机制。

本文的边际贡献可能体现在：第一，丰富了绿色信贷政策评价的研究内容。现有文献主要从经济效应与创新效应两方面评价了绿色信贷的政策效果，本文则在已有文献的基础上实证研究了绿色信贷政策对企业环境治理效果的影响，对现有绿色信贷政策后果的相关研究进行了补充。第二，丰富了环境绩效影响因素的研究视角。已有文献多从环境政策视角切入，分析其对环境绩效的影响，对绿色信贷这种经济政策的研究还有待补充。本文以《指引》的出台为准自然实验，探究绿色信贷政策对企业绩效的影响，进一步挖掘了企业环境绩效的影响因素。第三，剖析了绿色信贷政策改善企业环境绩效的内在机制，有利于深入理解企业进行环境治理的行为逻辑，为政府完善绿色金融政策和企业做出环境治理决策提供有益参考。

二、理论分析与研究假设

（一）绿色信贷政策与企业环境绩效

根据受托环境责任理论，企业作为环境资源的使用者理应承担起相应的环境与社会责任，并及时向委托人说明环境绩效情况[14]。事实上，企业在生产过程中对外部环境造成了负面影响却并未给予补偿，特别是资源密集型的重污染企业，其对资源的过度攫取及污染物的排放加剧了环境的持续恶化。对于企业来说，首要目标是使用有限的资源产生最大化的利润，如果分配部分资金用于环境治理，会带来无法内部化的正外部性。因此，当缺乏外部约束时，企业不会产生治理污染的内生动力。绿色信贷政策要求金融部门将环境因素纳入企业授信和项目管理的框架中，通过控制信贷流向改变企业主体的行为选择。作为绿色信贷政策的纲领性文件，《指引》强调银行业金融机构应当从战略高度推进绿色信贷，支持绿色经济发展。具体而言，金融机构应将客户环境和社会风险的评估结果作为信贷准入、管理和退出的重要依据，针对不同的环境和社会风险实行有差别、动态的授信政策，对绿色环保项目提供优惠的信贷利率及信贷政策，对环境和社会表现不合规的客户拒绝授信。这些举措主要从三个维度推动重污染企业开展治污行为：第一，调整信贷资源配置，严格控制污染项目的信贷投入，加大对环保项目的贷款支持，通过控制信贷流向引导重污染企业退出高污染项目并进行绿色转型；第二，对企业环境信息披露提出了更高要求，全周期追踪信贷资金的流向以避免企业利用信息不对称隐瞒污染行为；第三，从宏观层面传递了国家强化环境监管及发展绿色经济的信号，提高企业对环境问题的重视。

基于资源配置理论分析，绿色信贷政策发挥了调节重污染企业信贷资源配置的功能。银行信贷是企业最重要的外部融资来源，尤其对于重污染企业来说，其作为中国信贷资源配置的重点行业，一直以来拥有着较多的信贷支持[15]。但是，在绿色信贷政策实施后，重污染企业由于环境与社会风险过高遭到信贷约束，面临更高的银行贷款成本和更低的贷款规模[16，17]，由此造成现金缺口的增大对其投资行为也产生了抑制[18]。但抑制融资只是手段，绿色信贷政策的初衷是希望通过信贷约束倒逼重污染企业退出可能带来重大环境问题的项目，将资源投入清洁生产活动，最终实现绿色转型[19]。在重污染企业绿色转型的过程中，绿色信贷政策也会给予其信贷激励，政策明确要求，对于污染产业的绿色项目，银行业金融机构应当给予定向的贷款支持，这对重污染企业进行绿色转型产生了激励。为破解信贷约束困境，变约束为激励，重污染企业会产生绿色转型的内在动机，缩减高污染业务资源转而投向绿色项目，满足获得绿色信贷支持的条件。

基于信息披露理论分析，信息不对称问题是影响重污染企业有效履行环境责任的重要因素。企业为减少合法性威胁，会选择披露更多的环境信息，但这并不意味着利益相关者得到了高质量的企业环境报告。相反，环境表现较差的企业往往更倾向于披露更多无法轻易验证的信息，以模糊利益相关者对企业实际环境表现的印象[20]。为防止企业利用信息不对称问题逃避社会责任导致出现信贷错配的情况，《指引》指出，银行业金融机构要对客户提供的环境和社会风险信息与从行业协会、监管部门、媒体等渠道获得的信息进行有效比对，准确评估客户的风险等级后做出信贷资金拨付与否的决策。同时也要加强贷后管理，在已授信项目施工运营的各个环节设置风险评估关卡，以此监督企业的环境治理行为。由于绿色信贷政策对环境信息披露提出了更高要求，企业无法再实施选择性的披露策略，唯有切实改进环境绩效才能向金融机构呈现良好且有效的环境信息，从而保证信贷的持续获得。

首先，基于信号传递理论分析，绿色信贷政策通过金融市场传递了国家愈加重视环境保护工作的信号。若不重视环境问题，环境风险较高的重污染企业在未来将会面临更严峻的干预手段和发展形势。面对日益增加的环境规制压力，为保持长期稳定的竞争力，重污染企业有动机改善环境绩效以规避更大的污染惩罚风险。其次，重污染企业面对着来自利益相关者的舆论压力和道德谴责[21]。随着绿色环保观念的日趋深入，各利益相关者将环境与社会效益也纳入对公司价值的评价范畴中。基于环境问题，利益相关者会重新审视与重污染企业的关系，这无疑增大了企业面临的外部威胁。基于此，企业有动机改善环境绩效，因为这不仅有利于满足利益相关者在环境方面的利益诉求，挽回投资者信心，还有利于建设企业的绿色声誉，降低社会舆论的谴责。最后，绿色信贷政策向资本市场传递了鼓励绿色经济发展的信号，给予绿色环保项目利率优惠预示了企业发展绿色产业的利好前景，这从激励视角增强了重污染企业绿色转型的信心。基于以上分析，本文提出如下假设。

假设1：绿色信贷政策能够改善重污染企业的环境绩效。

（二）绿色信贷政策、环境治理行为与企业环境绩效

根据合法性理论，制度压力和社会认同的价值体系制约着企业的决策行为，一旦企业行为偏离法律的要求或违背社会认同的价值观，其合法性就会受到威胁。环境规制对企业而言是一种硬性的合法性要求，随着环境合法压力的增大，企业无法继续逃避自身的治污责任，不得不参与环境治理以得到制度与社会的认同[22]。基于环境违规成本和主业经营收益的双重考虑，企业会产生差异化的环境治理行为。一方面，出于合规动机，部分企业会做出缩减生产规模的决策，选择被动策略以实现暂时合规；另一方面，出于保持长期竞争力的动机，企业会通过增加环保投资、引入新的环保技术与设备等方式，主动进行环境治理[23]。

绿色信贷政策的本质是基于环境约束的信贷配给，《指引》以信贷项目的资源与环境影响作为授信的关键条件，通过建立企业环境绩效与信贷获取间的紧密联系，将企业污染排放产生的负外部性问题内部化。由于环境与资源风险过高，重污染企业的信贷成本和信贷规模都受到了绿色信贷政策的限制，造成资金供应不足对企业发展造成负面影响。而环保投资由于周期长、成本高，无法在短期内弥补企业环境违规的损失，此时出于成本最小化考虑，企业会选择降低高污染设备使用率、暂停高污染生产活动等方式来降低污染排放。

此外，通过履行代理人职能，作为职业经理人的企业高管能够代表企业各利益相关者做出决策，但基于企业存在信息不对称及两权分离问题的事实，高管并不总是遵循委托人追求的企业价值最大化目标，特别是在环境规制压力下，高管会因为环保投资具有的风险性而做出消极的治理活动[24]。绿色信贷政策加剧了重污染企业的融资困境，理论上能够倒逼企业积极治理污染，但受到短期绩效考核压力的影响，企业高管更容易产生自利行为，即注重企业短期利润目标的实现，从而做出缩减生产规模的应对策略以尽快摆脱信贷惩罚，同时其也存在一定的套利动机，以期通过改善短期环境绩效来获得长期的信贷支持。

除了采取应对式的减排策略外，企业出于长期竞争优势的动机也会选择增加环保投资的方式积极参与环境治理。波特假说认为，环境规制压力会刺激企业分配部分资金投入治污活动，引入清洁高效的技术与设备，在实现减排的同时获得“创新补偿”，使得企业更具竞争优势[25]。在绿色信贷政策下，污染项目的贷款受到限制，绿色项目的发展得到激励，此时企业继续投资污染项目的成本远远高于其收益，因此企业不仅会在生产过程中注重减排，还会增大对清洁生产流程、清洁设备和研发清洁技术等项目的投资力度[26]，尽可能地缓释环境风险，重新取得获取银行贷款的机会。

虽然绿色信贷政策增加了重污染企业的融资约束，导致企业总体投资降低，但对绿色项目的信贷倾斜为企业增加环保投资提供了经济激励[9]。根据《指引》要求，对于绿色项目，银行业金融机构在贷款手续、贷款成本、贷款额度等方面应当给予定向支持；对于有环境违法行为的企业，只要其通过技术改造或生产转型达到环保要求，金融机构可以合理控制信贷投放。因此，企业有动机增加环保项目的投资，因为这不仅有助于破解资金约束的困境[27]，还有助于依托环保项目的信贷优惠获取更为充裕的项目资金支持，补偿信贷约束成本。

基于以上分析，在绿色信贷政策背景下，企业为改善环境绩效，可能通过缩减生产规模的方式消极应对，也可能通过增加环保投资的方式积极进行环境治理。因此，本文提出竞争性假设。

假设2a：绿色信贷政策迫使重污染企业缩减生产规模，被动改善环境绩效。

假设2b：绿色信贷政策促进重污染企业增加环保投资，主动进行环境治理。

三、研究设计

（一）样本选取和数据来源

本文以2008—2020 年A 股上市公司为研究对象，为确保数据的有效性，剔除了ST、ST*、PT 公司、金融保险行业上市公司以及数据严重缺失的上市公司，最终得到了18950 个有效样本。样本公司环境绩效数据主要来自CSMAR数据库，经过手工整理得到。环保投资数据主要来源于上市公司年报、社会责任报告，并结合企业环境报告以及可持续发展报告进行手工整理。主要财务数据来自CSMAR 数据库。本文对所有连续变量进行了1%水平上的Winsorize处理，以消除极端值的影响。

（二）变量定义

1.被解释变量

本文的被解释变量是环境绩效水平（EP）。参考沈洪涛等[20]和朱炜等[28]的研究，结合2006 年原国家环保总局发布的《企业环境行为评价技术指南》以及2013年原环境保护部发布的《企业环境信用评价办法（试行）》中企业环境信用评价细则的内容，基于环境管理、污染防治、社会影响3 个部分，选取环境管理制度体系、环境应急事件机制、ISO14001认证、披露环境信息、污染物达标排放、通过清洁生产审核、受到环保奖励或荣誉、无环境违法事件、无环境信访案件、无重大环境事故这10个指标来评价企业环境绩效（各指标均记1 分）。为了便于横向对比，将样本公司的各项得分汇总并除以总分10分，得到标准化的环境绩效水平。评价指标的分类、定义及赋值标准见表1。

表1 企业环境绩效评价指标分类、定义及赋值标准

2.解释变量

本文的解释变量为行业属性与年份两个虚拟变量的交乘项（Pollute×Policy）。其中，Pollute 是区分行业属性的虚拟变量。本文以原环境保护部2008年公布的《上市公司环保核查行业分类管理名录》及其2010 年公布的《上市公司环境信息披露指南》为依据，结合证监会2012年行业分类标准，将煤炭、采矿、纺织、制革、造纸、石化、制药、化工、冶金、火电等16 个行业划分为重污染行业。若上市公司属于重污染行业，则Pollute取1，否则取0。Policy是《指引》实施前后的年份虚拟变量。2012 年及以后年份取值为1，2012年以前取值为0。该变量考察了《指引》实施对重污染企业与非重污染企业环境绩效产生的影响。

3.控制变量

参考胡曲应[29]、张兆国等[30]、赵莉等[7]的做法，选取了一系列控制变量，具体包括股权结构（Top）、公司规模（Size）、公司年龄（Age）、财务杠杆率（Level）、现金流状况（Cashflow）、融资约束（FC）、营业收入增长率（Growth）、资产收益率（Roa）、投资机会（Tobinq）、有形资产比率（Tan）、两职兼任（Both）。考虑到不同地区的环境规制差异也是影响企业环境绩效的重要因素，本文将环境规制（PITI）也纳入控制变量。各变量的具体定义如表2所示。

表2 变量定义

（三）模型构建

本文构建双重差分模型（DID），根据《指引》颁布前后的双重差异来考察绿色信贷政策对企业环境绩效的影响。为避免可能存在的反向因果等内生性问题，减少企业个体效应和年份效应对识别效果的影响，本文借鉴Bertrand等[31]和曹廷求等[32]的建模方法，在模型中同时控制了企业个体和年份双向固定效应。模型构建如下：

其中，i 和t 分别表示个体和年份，被解释变量EP为企业环境绩效指标；Pollute×Policy 为衡量企业绿色信贷的双重差分变量；Controlsi,t为控制变量；ωi和μt分别指代个体固定效应和年份固定效应；εi,t为随机干扰项。由于在该模型中，同时控制了个体和年份固定效应，Pollutei和Policyi的系数将会被其吸收，此时二者在模型中不再单独出现。因此，在式（1）中，本文主要观察系数α1的估计值符号及大小。若α1显著为正，则表明绿色信贷政策有效改善了重污染企业的环境绩效。

四、实证结果与分析

（一）描述性统计

表3 报告了描述性统计的结果。EP 的最小值为0，最大值为1，均值为0.542，可见大部分企业环境绩效得分较低且企业间存在较大差异。Pollute×Policy的均值为0.17，说明约17%的重污染企业受到了绿色信贷政策的影响。所有控制变量的均值与中位数差距较小，说明控制变量的数值分布较为均匀。

表3 各变量描述性统计

（二）平行趋势检验

利用双重差分法进行政策评估前需要进行平行趋势假设，即在《指引》实施前，重污染企业与非重污染企业环境绩效的变化趋势满足一致性。本文参考Jacobson等[33]提出的事件研究法，检验《指引》实施前的平行趋势，构建模型如下：

以《指引》颁布的前一年作为基准年，γt表示2008—2020年的一系列估计值，其他变量定义与模型（1）相同。平行趋势检验结果如图1所示：在虚线左侧，估计系数γt均不显著，说明政策实施之前重污染企业与非重污染企业的环境绩效并不存在显著差别，平行趋势假设前提成立；在虚线右侧，除第6期和第8期外，其余估计系数γt均显著为正，表明实施《指引》对企业环境绩效具有持续的正向影响。

图1 平行趋势检验的结果

（三）基本回归分析

如前文所述，绿色信贷政策提高了企业治理污染的动力，从而倒逼重污染企业改善环境绩效。本文利用模型（1）检验绿色信贷政策对企业环境绩效的影响，考虑到样本区间过长包含较大噪音的问题，为保持双重差分检验政策年份前后时间跨度的均衡，本文选取2008—2016年样本进行基准回归。结果如表4（1）列所示，Pollute×Policy 的系数为0.310，且在1%的水平上显著，表明在绿色信贷政策实施后，重污染企业的环境评分有所提高，环境绩效得到一定改善。同时，为了保持数据的时效性，本文依次扩展样本区间进行了补充回归。表4（2）至（5）列分别列示了基于2008—2017 年、2008—2018 年、2008—2019 年、2008—2020 年样本区间的回归结果，在加入控制变量和固定效应的情况下，即使样本区间有所不同，绿色信贷政策（Pollute×Policy）的估计系数也均在1%的水平上呈正向显著，可见绿色信贷政策对重污染企业环境绩效的改善存在持续的正向影响。上述结果初步证明本文假设1 的成立，即绿色信贷政策能够改善企业的环境绩效。

表4 绿色信贷政策与企业环境绩效

（四）稳健性检验

1.PSM-DID回归

为降低双重差分法样本选择偏差引起的内生性问题，本文进一步采用PSM-DID方法进行稳健性检验，分别在1∶1 最邻近匹配和半径匹配两种方法下重新对样本进行PSM-DID 估计，回归结果如表5所示。核心解释变量Pollute×Policy 的系数均在1%的水平上显著为正。这与前文双重差分的估计结果相一致，进一步证明了本文假设1的成立。

表5 稳健性检验：PSM-DID回归

2.排除其他因素的干扰

第一，排除雾霾治理效果的影响。在《指引》颁布的当年发生了雾霾爆表事件，这引起了政府对雾霾污染的高度重视并颁布了一系列治理措施。其影响对本文探究绿色信贷政策的环保效果存在干扰，因此本文参考王馨等[11]的做法，在式（1）中引入雾霾污染程度并重新进行回归。雾霾污染程度采用美国华盛顿大学公布的全球地表PM2.5栅格数据中我国各省市PM2.5 的浓度来衡量。结果如表6（1）列所示，Pollute×Policy 的系数仍在1%的水平上显著为正，表明该回归结果没有受到雾霾治理效果的干扰，研究结论具有较强的稳健性。

表6 稳健性检验：排除其他因素的干扰

第二，排除新《环保法》实施的影响。2015年新《环保法》出台，明确规定了企业污染减排的责任，加大了对违法排污企业的惩治力度，并在正式施行后对企业的环境绩效有所改善[23]。为排除新《环保法》的施行对估计结果的影响，本文将新《环保法》出台事件的虚拟变量（HBF）引入模型（1）进行重新估计。结果如表6（2）列所示，Pollute×Policy 的系数在1%的水平上显著为正，与基准回归结果保持一致，说明本文研究结论具有稳健性。

第三，排除政府环保补助的影响。为了提高企业污染治理的积极性，政府可能会给予辖区内污染企业环保补助，激励企业积极参与环境治理。已有研究表明，政府环保补贴力度的加大能够促进企业进行污染减排[34]，因此环保补助对企业环境绩效的改善作用也可能会对本文的研究结论带来干扰。为排除此干扰，本文将环保补助（Subsidy）这一变量引入模型（1）并重新回归，参考李青原等[35]对环保补助的度量方法，本文手工搜集整理了年报“营业外收入”补助明细表中关于治理污染的本期发生额，并使用环保补助占企业总资产百分比加以度量。结果如表6（3）列所示，Pollute×Policy的系数依旧在1%的水平上显著为正，表明排除政府环保补助的影响后绿色信贷的政策效果依然有效，说明本文的研究结论是稳健的。

3.安慰剂检验

前文检验了企业间可能存在的系统性差异，且排除了部分政策的干扰。但值得思考的是，此效应是否还受到其他不可观测因素的影响。为此，本文构建反事实框架进行安慰剂测试。图2报告了构造虚假的《指引》政策对企业环境绩效影响的核密度分布图。结果显示，800 次随机分配后回归估计的系数密集分布在零点附近，且呈正态分布，同时，本文的真实估计数0.310 在安慰剂测试中明显为异常值。这些结果表明绿色信贷政策对企业环境绩效的正向显著影响并非源于其他不可观测因素，研究假设1进一步得到验证。

图2 安慰剂检验

五、机制检验

前文理论分析中指出，面对绿色信贷政策压力，企业基于环境违规成本和主业经营收益的双重考虑，会产生差异化的环境治理行为。一方面，出于套利动机，企业会缩减生产规模以尽快摆脱绿色信贷惩罚；另一方面，企业会通过增加环保投资，主动进行环境治理以获得市场竞争的先动优势。为了进一步识别绿色信贷政策改善企业环境绩效的机制，本文参考江艇[36]的研究思路，通过观测核心自变量绿色信贷政策对机制变量生产规模（Output）和环保投资（EI）的影响进行机制检验，构建模型（3）和模型（4）如下：

其中，被解释变量Output表示企业的生产规模，借鉴刘斌等[37]的做法，使用本年营业收入与上一年营业收入的自然对数之差来衡量。控制变量与式（1）一致，同时控制个体固定效应与年份固定效应。

其中，被解释变量EI 表示企业的环保投资，借鉴张琦等[38]的做法，采用企业环保投资规模与企业资产规模的比值来衡量。为保持回归系数的可读性，将该比值作乘以100的处理。控制变量与式（1）一致，同时控制了个体固定效应与年份固定效应。

表7（1）和（2）列分别报告了模型（3）和模型（4）的回归结果。Pollute×Policy 的系数在（1）列中为-0.080，但不显著，在（2）列中为0.047，且在1%的水平上显著，说明绿色信贷政策能够促进重污染企业扩大环保投资，且未对企业生产规模产生显著的负向影响，假设H2b 得到验证。这可能是由于在环境规制压力下，企业为降低环境风险存在缩减生产规模的被动反应，但是区别于传统的环境规制方式，绿色信贷政策既与行政惩罚相结合，能够“一票否决”重污染企业的融资需求，又具备激励功能，能够降低环境表现良好企业的金融市场交易成本，在提高企业违法成本的同时降低了企业的守法成本，有利于提高企业环境治理的积极性，避免企业做出消极应对的治理行为。此外，《指引》要求金融机构全流程评估已授信项目环境风险的举措也降低了信息不对称，在较强的外部监督下，企业通过缩减生产规模实现的短期减排效果无法满足长期获取信贷支持的要求，套利动机受到抑制，使得企业做出减产决策的动力不足。

表7 绿色信贷政策改善企业环境绩效的机制检验

六、进一步分析

（一）企业规模的异质性分析

为探究企业规模对绿色信贷政策效果的影响，本文将资产规模大于上四分位数的上市企业划分为大规模企业，小于下四分位数的上市企业划分为小规模企业。企业规模异质性回归结果如表8 所示，绿色信贷政策对大规模企业的环境绩效存在促进作用，而对小规模企业的影响效果并不显著。这可能是由于长期以来大规模企业对金融机构信贷的依赖性较大，因此在绿色信贷政策实施以后大规模企业受到的信贷约束也强于小规模企业，为缓解这种惩罚效应，大规模企业的环境治理动机更强。同时，面对外部市场变化带来的风险，大规模企业往往能够基于长远发展的目的来考虑对策，通过投入环保资金绿化生产流程，以持续满足合法性要求。

表8 绿色信贷政策与企业环境绩效：企业规模异质性

（二）产权性质的异质性分析

为考察产权性质对绿色信贷政策效果的影响，本文将实际控制人性质为国有企业、行政机构、事业单位、中央机构、地方机构的企业划分为国有企业，其余企业划分为非国有企业。产权异质性回归结果如表9 所示。通过组间差异检验发现，绿色信贷政策在国有企业中发挥的效果更明显。一方面，由于非国有企业通常面临信贷歧视，银行借款成本更高，从金融机构获取的信贷资金明显低于国有企业，因此受到绿色信贷政策的影响会更小；另一方面，国有企业受到的政府关注度更高，承担的政策导向任务更多，为响应绿色信贷政策，国有企业要充分发挥改善环境的模范带头作用。因此，绿色信贷政策效果在国有企业中发挥着更大的作用。

表9 绿色信贷政策与企业环境绩效：产权异质性

（三）地区发展水平的异质性分析

现阶段我国各地经济和社会发展不均衡的现象仍然明显，区域特征的差异也影响了环境规制的政策效果。为探究地区发展水平差异是否对绿色信贷政策的效果发挥存在影响，本文参考现有研究，利用王小鲁等[39]在《中国分省份市场化指数报告（2021）》中构造的地区市场化指数衡量地区发展水平，该指标数值越大，代表地区发展水平越高。本文以市场化指数的中位数为界，将样本分为发展水平较高的地区和发展水平较低的地区两组。按市场化程度高低分组后的回归结果如表10所示，通过组间差异比较发现，绿色信贷政策在发展水平较高地区发挥的环境效果更强。一般而言，发展水平较低的地区制度执行效率相对较差，金融机构在选取放贷对象时可能存在偏离，造成绿色信贷政策的效果存在不确定性，而发展水平较高地区的制度体系较为完善，绿色信贷政策的执行更加有效，从而显示出更好的政策效果。

表10 绿色信贷政策与企业环境绩效：地区发展水平异质性

（四）《指引》改善环境绩效的经济后果分析

绿色信贷政策的战略目标在于引导企业生产模式向绿色、低碳、循环方向转变，推动绿色经济发展。根据前文分析，绿色信贷政策对重污染企业环境绩效的改善作用已得到较为充分的证据支持，那么，绿色信贷政策促进重污染企业环境绩效提高会对企业的经济绩效产生何种影响？《指引》的颁布能否达到“增效”与“减排”的双赢目标？这些问题还有待进一步检验。为分析《指引》改善环境绩效的经济后果，本文构建如下模型：

在模型（5）中，被解释变量TQ 表示企业经济绩效，采用托宾Q值（Tobinq）衡量。关键解释变量为企业环境绩效与绿色信贷政策的交乘项（EP×Pollute×Policy），若交乘项系数显著为正，则说明绿色信贷政策导致企业环境绩效的改善有利于企业经济绩效的提升。控制变量剔除Tobinq，其余与模型（1）一致。

表11 报告了模型（5）的回归结果。（1）列所示，EP×Pollute×Policy 的系数为-0.015，在5%的水平上显著，说明《指引》促进企业环境绩效的提升使当期的经济绩效有所下降。企业为应对《指引》带来的外部约束，需要支付更多资金来解决环境污染问题，造成企业经营成本的增加，在短期内降低了公司的财务绩效。（2）列EP×Pollute×Policy 的估计系数并不显著，表明《指引》引致环境绩效的改善对未来一期的企业财务绩效没有显著影响。（3）列EP×Pollute×Policy 的估计系数为0.02，在5%的水平上显著，表明《指引》对环境绩效的改善显著提高了企业未来两期的财务绩效。这与胡曲应[29]关于企业环境绩效与经济绩效存在正相关关系的结论一致。这可能是由于环境规制促使污染型企业进行环境治理，该投入产生的影响具有一定的滞后性，短期内不利于企业经营绩效的提高，但从中长期考虑，良好的环境绩效使企业满足合法性要求的同时也获得利益相关者的认同，由此带来的协同效应利于企业经济绩效的提高。

表11 经济后果检验

七、研究结论与政策建议

本文基于2008—2020 年A 股上市公司相关数据，以2012 年《绿色信贷指引》的颁布作为外生冲击，运用DID 模型对绿色信贷政策在微观企业层面发挥的环境治理效应进行了评估。研究发现，在《指引》实施以后，重污染企业的环境绩效得到了有效提高，这一提升作用得益于促进企业增加环保投资来实现，而非缩减生产规模的结果。进一步研究发现，企业及区域的差异特征对政策效果也存在影响。具体而言，绿色信贷政策对环境绩效的改善作用在大规模企业、国有企业、发展水平较高地区的企业中更加显著。经济后果检验证明，企业环境绩效的改善有利于经济绩效的提升，且该作用具有迟滞性。

本文的研究结论可以为政府完善绿色信贷政策、企业合理选择环境战略提供有益参考。

首先，绿色信贷政策的实施使重污染企业的环境绩效有所改善，实施的总体效果理想，符合当下我国的生态需求和经济发展需求。因此，在推动绿色发展的过程中，应持续完善绿色金融政策体系，充分挖掘绿色信贷等金融政策对企业绿色转型的潜在作用。为减弱政策效果的不对称性，应重视对绿色信贷政策效果评估机制的完善，通过设定统一的环境绩效考核指标体系等方法识别政策的实施效果，这不仅有利于深入了解政策的成效，也有利于及时纠正实行过程中出现的偏差问题。通过不断丰富绿色金融体系，引导企业绿色转型。

其次，基于本文得出的绿色信贷政策对企业环境绩效的异质性影响结论，不仅要对大规模企业和国有企业密切监控，也要重视对小规模企业和非国有企业的鼓励和引导，逐步缩小政策效果在企业间的差异。在坚持绿色信贷总体布局下，完善更加适合市场化发展程度较低地区的金融配套政策，推动市场化进程，同时严格树立环境执法的权威性，以确保资源得到精准投放。

最后，本文在经济后果分析中证实了环境绩效对企业经济绩效的正向促进作用。因此，作为承受绿色信贷等环境政策的微观主体，企业应不断提高环保意识，积极顺应政策趋势并主动进行绿色治理，以谋求企业长效发展。在进行转型的过程中，加强企业内部监督，保障环保专项资金的使用效率，避免低效环保投资造成的资金浪费。同时，企业要不断完善环境信息披露制度，降低自身与信贷机构之间的信息不对称，及时传递绿色转型的信号，以得到绿色信贷政策的持续性激励。

注 释

①数据来源：鲁政委，汤维祺.2017 年中国绿色金融市场综览[J/OL].中国 金融信息网，https：//www.cnfin.com/greenfinance-xh08/a/20180108/1744086.shtml。