绿色金融、资金配置与城市绿色创新

■黄纪强 郑铿城

一、引言

自工业革命以来，大量化石燃料消耗所产生的碳排放加剧了全球气候变暖，这严重影响了环境质量[1]。2011—2020 年，全球地表温度比1850—1900年升高了1.09℃，气候变化引起的海平面持续上升、空气质量下降、淡水匮乏、极端天气和生态退化等一系列问题严重威胁到人类健康、社会的稳定和可持续发展[2，3]。因此，构建绿色经济发展体系，不仅能改善居民生态福祉，还有利于推动经济可持续发展。同时，绿色发展需要技术作为支撑，绿色技术发展对生产绿色产品，提高生产效率及降低污染物排放具有重要影响。绿色创新不仅是生态文明建设和经济发展的桥梁[4]，也是推动能源行业变革、实现双碳标准的关键，是绿色发展和社会转型的基石[5—7]。现阶段，中国不仅需要依靠技术创新来推动经济发展，还要依靠绿色创新来实现生态环境保护，助力实现经济可持续发展[8]。然而，绿色创新具有技术研发周期长、投入成本大和复杂度高等特点，绿色创新资金短缺严重阻碍了企业与城市的绿色发展，满足绿色创新资金需求是推动企业绿色创新的关键因素和重要保障[9]。

为了推动绿色发展，绿色金融应运而生。绿色金融不仅是一种市场机制设计，更是一种基于中长期可持续发展的制度安排。绿色金融通过优化信贷资金配置，引导资金从高污染、高耗能产业流向技术先进的部门。这不仅可以推动清洁行业绿色发展，还能倒逼重污染企业积极进行绿色创新，激励技术部门进行绿色研发，对绿色发展具有重要的指引作用[10]。为助力绿色发展，实现环境保护并提高绿色创新能力，2017年6月，国务院决定在浙江、江西、广东、贵州、新疆五省八地设立绿色金融改革创新试验区。本文以此为契机，采用2012—2019 年287 个地级市面板数据，构建双重差分实证研究框架，评估绿色金融对城市绿色创新的影响，并从区域与环保监管角度探讨异质性影响差异，检验绿色金融对行业间的金融配置效应以及创新激励效应，并进一步分析绿色金融的经济效益与环境效益。

与现有研究相比，本文可能的边际贡献如下：第一，研究对象新颖。以往的绿色金融研究对象基本是采用2017年之前的政策进行分析，如2007年颁布的绿色信贷政策、2012 年的《绿色信贷指引》以及2015 年的《能效信贷指引》。而本文采用2017 年实施的“绿色金融改革创新试验区”作为外生冲击，从宏观层面识别了绿色金融对城市的绿色创新效应。第二，研究方法准确。本文采用准自然实验的方法对绿色金融进行评估，有效缓解了采用绿色信贷指标所引发的反向因果问题，使实证结果更加准确。第三，研究内容丰富。本文从微观企业层面佐证了绿色金融对行业间的金融配置效应和创新激励效应，分析了绿色金融的区域差异，并进一步拓展检验了绿色金融的经济效益和环境效益。本研究可为持续推动绿色金融政策改革实施，助力绿色发展，实现经济和生态双赢提供一定的政策指导。

二、政策背景与研究假设

（一）政策背景

我国绿色信贷于2007年被首次提出，要求金融机构加强环保和信贷管理工作的协调配合，严格执行环保信贷并切实防范相关风险。2012 年2 月24日，原中国银监会发布《绿色信贷指引》，进一步明确了银行业绿色信贷的标准和原则。2015 年，《生态文明综合改革方案》提出鼓励绿色信贷发展的激励措施，即研究采用财政贴息作为促进环境保护的金融政策工具。但由于缺乏明确的标准和政策细节、实质性激励和刚性约束，该政策并未得到彻底推进。2017 年6 月，国务院决定在五省八地开展绿色金融改革试验，优先建设一批各有侧重①、各具特色的绿色金融改革创新试验区，探索可复制和可推广的体制机制经验，并将《关于构建绿色金融体系的指导意见》作为指导绿色金融发展的顶层设计和规划性政策。因此，绿色金融改革试验区的设立对优化信贷资金配置，引导企业绿色创新发展具有重要影响。

（二）研究假设

中国绿色金融发展具有鲜明的“顶层设计”特征，通过引导、干预资金投向，从而实现信贷资金配置。面对日益严峻的环境挑战，推动高污染、高耗能产业转型升级，构建绿色发展体系至关重要。绿色金融限制了高污染企业的信贷资金，使高污染企业面临更为严格的环境规制。Kudratova等[11]认为绿色项目比传统创新项目能为投资者带来更多利润，因此，绿色金融很可能会增加企业的清洁能源创新投入。Tang 等[12]指出，绿色债券有利于股东推动其公司进入绿色相关领域，进而刺激绿色创新。Liu等[13]认为绿色金融是支持环境友好型企业开展绿色项目和流程的关键。从内部治理角度而言，绿色金融具有一定监管能力，可以有效降低管理者的信息租金抽取规模，抑制管理者利用信息优势从事自利行为，经理人将会更加努力地开展绿色创新投资，寻求绿色发展机会，从而推动绿色生产。如果企业积极开展绿色创新，履行社会责任[14]，向公众和银行传递绿色转型信号，公司的积极治理可为其获得更多现金流。绿色金融可通过降低企业的融资约束[15]，获得更多的短期或长期贷款[16]，从而助力企业绿色发展，有效提升城市的绿色创新能力。基于上述理论，本文提出假设1。

H1：绿色金融能有效提高城市绿色创新水平。

绿色金融通过优化信贷资金配置，引导资源从高污染、高耗能产业流向技术先进的部门，从而推动清洁与非重污染行业的绿色发展。由于绿色创新需要大量的资金投入，而清洁行业一般都是治污企业，是绿色创新的供给方，因此，在政策实施初期，这些企业大多会遵循成本优先战略去利用资金抢占市场，采用差异化竞争战略进行产品创新。在信贷资金支持下，清洁行业可以将更多资金用于绿色研发。清洁行业可以不断进行绿色创新探索，在原有的基础上加大绿色创新力度，绿色金融可以为清洁行业发展提供充足的资金来源和制度保障，通过优化信贷资金配置有效推动企业进行绿色创新，不断提升城市的绿色创新水平。然而，绿色金融减少了重污染行业的信贷资金，这可能会降低企业的绿色治理动机并减少其绿色投入，对重污染行业产生一定的惩罚效应。此外，从“波特假说”理论可知，适当的环境规制也可以促进企业进行技术革新[17]。绿色金融可以倒逼企业积极进行绿色技术研发，通过使用更清洁的技术向银行获得绿色贷款，加速企业绿色创新。Owen等[18]认为，政府应采取政策促进绿色创新，进而为企业提供外部融资。绿色金融能够通过解决融资约束来促进企业的绿色创新进程[19，20]。因此，绿色金融可能会通过优化信贷资金配置极大地推动清洁行业绿色创新发展，但对重污染行业的创新效应尚不确定。基于此，本文提出假设2。

H2：绿色金融可能会增加清洁行业信贷资金助力绿色创新，减少重污染行业的信贷资金，但对重污染的绿色创新效应不确定。

三、研究设计

（一）数据来源

本文选取2012—2019年287个地级市面板数据来评估绿色金融对城市的绿色创新效应影响，绿色创新数据来源于中国研究数据服务平台（CNRDS），其他城市层面的数据均来源于EPS数据库和中国城市年鉴，企业层面数据来源于国泰安数据库。本文对数据分年份进行了1%和99%的缩尾处理，输出结果为stata15.1。

（二）变量选取

1.被解释变量

绿色创新（Ginnova）。专利数据可分为申请和授权。由于专利在申请过程中可能会引发经济效果或专利价值[21]，因此本文采用绿色专利申请数量来衡量城市的绿色创新水平，对绿色专利申请数量加一进行对数化处理。

2.解释变量

绿色金融（DID）。2017 年6 月，国务院决定在全国浙江、江西、广东、贵州、新疆五省设立绿色金融改革创新试验区。本文借鉴现有研究做法[14，22，23]，设定时间虚拟变量time，将2017年及之后设定为1，反之设定为0；设定政策虚拟变量treat，将浙江、江西、广东、贵州、新疆五省地区设定为1，反之设定为0。时间虚拟变量和政策虚拟变量交互time×treat得到绿色金融变量DID。

3.控制变量

为保证实证结果的准确性，本文控制了可能影响城市绿色创新水平的相关变量。（1）经济发展（LnGDP）。地方经济发展水平越高，越有能力开展创新，选取地区生产总值对数化来反映。（2）工业发展（Ecy）。工业发展对经济贡献巨大，选取二产业增加值与地区生产总值比值来反映。（3）服务业发展（Scy）。服务业推动产业转型升级具有重要影响，选取三产业增加值与地区生产总值比值来反映。（4）开放度（Open）。地区开放度越高表明贸易规模越大，越容易加速创新，选取进出口总值与地区生产总值比值来反映。（5）外商直接投资（Lnfdi）。外商直接投资是中国经济发展的重要因素之一，可通过学习模仿外国先进技术进行创新，选取当年实际利用外资额对数化来反映。（6）人口规模（Lnpop）。地区人口反映城市集聚，规模越大表明地区的经济活动越频繁，较容易推动创新，选取地区常住人口对数化来反映。（7）政府创新干预（Gov）。政府干预表明政府对地方创新活动的政策支撑，选取财政支出中科技创新投入占地区生产总值比值来反映。（8）财政支出（Fiscalexp）。财政支出会影响企业生产行为，选取一般预算内财政支出占地区生产总值比值来反映。具体变量含义、符号及处理方式见表1。

表1 变量定义

表2为各个变量的描述性统计。城市的绿色创新水平的均值为7.761，标准差为1.534，最小值为3.989，最大值为12.022，较大的标准差也反映出城市之间的绿色创新水平存在较大差异。

（三）模型设定

本文以2017 年绿色金融改革创新试验区为外生冲击，构建双重差分模型来评估绿色金融对城市绿色创新水平的影响。具体模型设定如式（1）：

其中，i为城市，t为年份，Ginnovait为被解释变量，衡量城市绿色创新水平。DIDit为解释变量，衡量绿色金融。α1为本文关注的核心系数，反映绿色金融对城市绿色创新的净效应。Xit为一系列控制变量，cityi×T为控制了城市层面时间趋势效应，timet为时间固定效应，cityi为城市固定效应，εit为误差项。

四、实证分析

（一）基准回归

表3为绿色金融对城市绿色创新政策影响的基准回归结果。（1）列为不加控制变量的双向固定效应，（2）到（4）列分别为加入控制变量的时间固定效应、城市固定效应和双向固定效应。从表3 的实证结果可知，绿色金融显著推动了城市的绿色创新水平，均通过了1%的显著性水平检验，表明继续落实强化绿色金融政策有利于推动城市创新发展[24，25]。因此，本文的假设1得到验证。

（二）平行趋势检验

进行平行趋势检验以避免绿色金融对城市绿色创新水平的效应是源于其他政策效应引起的。具体而言，如果在政策实施之前，实验组和对照组之间的绿色创新水平便存在显著差异，则表3中（4）列基准回归估计的结果可能会存在偏误。为证实这一政策效果确实是由于绿色金融引发的，需要保证在政策实施之前实验组和对照组不存在显著差异，当政策实施之后实验组绿色创新水平显著高于对照组。图1A和图1B分别为无控制变量和有控制变量的平行趋势检验图。从图中可以看出，在政策实施之前，实验组和对照组之间的绿色创新水平围绕0值上下波动，未通过5%的显著性水平检验。在政策实施之后，实验组的绿色创新水平显著高于对照组，通过5%的显著性水平检验，平行趋势检验通过。

图1 平行趋势检验

（三）稳健性检验

为保证实证结果的可信性，本文进行了一系列稳健性检验。表4（1）列排除了其他可能的政策影响。自2008 年起，国家明确提出创新型城市目标。该政策的提出对推动城市创新发展，依靠科技、知识和人力等要素激发城市创新具有重要意义[26]。因此，表4（1）列构建创新型城市（Innovacity）虚拟变量纳入模型进行控制。由于创新专利的研发产出存在一定的周期，虽然本文采用的是专利申请数据，在一定程度上有效缓解了专利授权数据长周期的影响，但专利的研发与申请往往存在一定的滞后，因此表4（2）列引入绿色专利的滞后项，将滞后一阶的绿色专利数据（L.1Ginnova）纳入模型进行控制。由于直辖市、省会城市和副部级城市的行政级别、经济禀赋与市场环境等因素对创新均具有较大影响，因此表4（3）列剔除了直辖市、省会城市和副部级城市进行分析。本文采用地级市层级进行聚类标准估计，由于同一个省份下的地级市往往会受到省份的政策影响，因此同一省份下的地级市会存在较大的相关，但是省份之间较为独立，因此表4（4）列采用省级层面进行聚类估计，这样不会由于样本相关性而影响估计结果的误差，可以提高估计的有效性[27]。值得注意的是，改变聚类形式不会改变系数大小，表3（4）列与表4（4）列的系数大小一致。绿色金融实施省市很可能会受到样本本身特征的影响，如地区的经济发展水平、创新初始禀赋等，于是表4（5）列采用PSM-DID 克服这一因素的影响。本文采用Logit 模型进行回归，协变量与控制一致，采用1∶1临近匹配方法，剔除未匹配的样本进行回归。从表4的（1）到（5）列结果可知，经过一系列稳健性检验后发现绿色金融依旧能显著推动城市的绿色创新水平。

表4 稳健性检验

（四）异质性检验

1.区域异质性

我国东部和中部地区的资源禀赋和市场环境优于西部地区，绿色金融所引发的政策效果也难免会存在差异。因此，本文检验了绿色金融对区域创新的异质性模型，表5 的（1）到（3）列分别检验了绿色金融对东部、中部和西部地区的城市绿色创新水平。从实证结果可知，绿色金融显著推动了东部地区和中部地区的绿色创新水平提高，分别通过了5%和1%的显著性水平检验，而对西部地区的绿色创新的政策效果还未体现。

表5 异质性检验

2.环保监管异质性

绿色金融旨在合理配置信贷资源，引导资源从高污染、高耗能产业流向技术先进部门，实际上加强了重污染行业的环境规制。为此，本文检验了绿色金融对环保监管程度不同地区的绿色创新水平影响，本文采用地区的环保处罚案件进行衡量，将高于环保处罚中位数的地区定义为环保监管强地区，反之设定为环保监管弱地区。从表5的（4）和（5）列可知，绿色金融显著提高了环保监管强地区的绿色创新水平，通过了5%显著性水平检验，对环保监管弱地区的绿色创新影响不显著。绿色金融通过强化环保监管，倒逼企业进行绿色转型，显著推动了城市绿色创新。

（五）安慰剂检验

城市绿色创新水平除了受到相关变量、政策影响外，还需要排除随机性结果。为此，本文通过随机设定政策时点和随机设定政策地区进行安慰剂检验，图2A 和图2B 分别为随机设定政策时点和随机设定政策地区，重复500次安慰剂检验，得到的估计系数和p 值的概率密度分布图。从结果可知，表3（4）列的真实估计值显著异于安慰剂检验得到的系数，且系数基本服从均值为0 的正态分布。由此可以认为，实证结果不是随机性结论，结果是可信的。

图2 安慰剂检验

五、机制检验与拓展分析

（一）机制检验

绿色金融对优化银行信贷资金以及资本市场资金配置具有重要影响。绿色金融为节能环保、清洁生产和绿色交通等行业提供了项目投融资，并通过绿色债券和绿色股票指数助力清洁行业发展。绿色金融鼓励更多的银行及社会资金流入绿色产业，同时由于绿色金融加大了重污染行业的授信门槛与监管，其融资水平会相应降低，因此可能会有效抑制资金配置到重污染行业。为检验绿色金融政策能否实现资金重新配置，表6 检验了绿色金融对企业的信贷资金及行业之间的专利产出的影响。本文控制了企业规模（Lnsize）、年龄（Lnage）、负债率（Debt）、资产回报率（ROA）和企业所有制（SOE）因素。企业规模采用企业年末总资产对数化表示，年龄采用企业成立年龄加一的对数化表示，负债率采用企业总负债与总资产比值表示，资产回报率采用税后净利润与总资产比值表示，所有制分为国有和非国有企业。

表6 机制分析

借鉴现有做法[28]，采用有息债务与期初总资产比值来反映企业的有息债务水平，其中有息债务包括短期和长期借款以及一年内到期的非流动负债和应付债券。从表6（1）和（2）列可以发现，绿色金融显著降低了重污染行业有息债务融资水平，有效促进了清洁和非重污染行业的有息债务融资水平，且结论均通过了1%的显著性水平检验。因此，绿色金融能重新配置银行信贷资金，通过引导资金流向清洁生产行业助推城市绿色创新发展。由于绿色金融对高污染企业资金进行了限制，相当于施加了更为严格的环境规制效果，重污染企业生产压力将会变大。换言之，绿色金融的环境规制性质极有可能通过信贷资金的配置降低企业的绿色创新水平，也有可能倒逼企业进行绿色生产以避免被市场淘汰，通过绿色研发创新转型升级降低污染物排放，进而提高企业的绿色创新水平。

表6的（3）和（4）列检验了绿色金融对行业间专利产出的差异影响，结果发现绿色金融对重污染行业的绿色创新并无显著的促进作用，但也没有显著降低其绿色创新，绿色金融显著促进了清洁与非重污染行业的绿色创新产出。因此，绿色金融可以通过优化信贷资金配置，将更多的资金用于清洁和非重污染行业进而激励企业进行绿色生产，通过清洁和非重污染行业的绿色创新战略促进城市绿色发展。因此，本文假设2得到验证。

（二）拓展分析

一方面，创新是引领科技发展和经济发展的第一动力，绿色金融推动城市绿色发展可能会产生经济效率；另一方面，绿色金融兼顾绿色导向，将对环境产生不容忽视的影响。因此，本文进一步探讨绿色金融所引发的经济效益和环境效益。表7 的（1）列分析了绿色金融的经济效益，采用地区生产总值来反映。从结果可知，绿色金融显著推动了地区的经济增长，且通过了10%的显著性水平检验。（2）列分析了绿色金融的环境效益，采用工业废水、工业废气和工业粉尘占地区生产总值比重来反映，该值越小则表明污染物排放越小。从结果可知，绿色金融显著降低了地区的污染物排放，且通过了10%的显著性水平检验。绿色金融能有效推动城市的绿色创新水平，并能对城市产生经济效益和环境效率，即推动经济增长并有效降低污染排放[29，30]。

表7 拓展分析

六、结论与建议

（一）研究结论

绿色金融对优化信贷资金配置、构建市场导向的绿色技术创新体系具有重要的引导作用。本文以2017年绿色金融改革创新试验区为外生冲击，采用2012—2019 年287 个地级市面板数据，构建了双重差分实证研究框架，分析绿色金融能否助力推动城市绿色创新水平。研究发现，绿色金融可以通过优化信贷资金配置助力清洁和非重污染行业创新发展，从而有效提升城市绿色创新水平，且该结论通过一系列稳健性检验后依旧成立。绿色金融政策效果在区域间存在显著差异，主要推动了东部、中部和环保监管程度大地区的绿色创新水平。进一步拓展发现，绿色金融能同时实现经济效益和环境效益，促进了经济增长并降低了污染排放。

（二）政策建议

基于上述研究结论，本文得到如下政策启示：第一，应持续强化落实绿色金融政策实施，扩大政策试点范围。绿色金融改革试验区的设立显著推动了城市绿色创新水平，可将现有经验复制推广，持续推动城市绿色创新水平。第二，构建支持绿色信贷的政策体系，不断完善信贷制度。引导资金流向绿色企业和绿色项目，通过再贷款和建立专业化担保机制等措施支持绿色信贷发展，并建立绿色指标评价体系，将环境违法信息纳入金融信用数据库，推动企业环境治理。第三，加强区域创新联动，推动区域创新协调发展。由于区域间经济发展和资源禀赋的差异导致政策效果存在区域差异，应注重西部的绿色创新支持。此外，西部地区也需要向东、中部地区借鉴经验，助推区域创新协同发展。第四，加强环境监管并建立绿色创新扶持政策，助推行业协同高效发展。需建立健全相关分析预警机制，强化对绿色金融资金运用的监督和评估。绿色金融能有效提升信贷资金配置，引导资金向清洁行业流动从而推动绿色发展，同时给重污染行业一定的环境规制压力。应避免政策实施的“一刀切”，对积极进行绿色研发创新与环境治理的重污染企业给予一定的创新补贴和税收优惠，助力重污染企业绿色转型，实现行业之间的协同高效发展，提高城市绿色创新水平。

注 释

①2019 年，甘肃兰州宣布增设试验区，本文主要关注第一批试点效果，故本文所称试点地区均指五省八区。