APP下载

绿色信贷政策对重污染企业绿色创新的影响效应研究

2024-01-11周衍平陈会英

关键词:信贷政策信贷污染

周衍平,王 倩,陈会英

(山东科技大学 经济管理学院,山东青岛 266590)

一、引言

改革开放以来,我国经济发展虽保持高速增长,但以高投入高消耗为特征的粗放式发展模式尚未得到彻底改变,与“绿水青山就是金山银山”的社会主义生态文明理念背道而驰,环境污染、资源过度消耗等问题日益突出,影响经济高质量和可持续发展。要从根本上改善生态环境,不仅要对高耗能行业的产业结构、能源结构采取强有力的治理措施,还须采用金融手段实现资源的合理调配。20世纪90年代以来,我国开始探索使用金融信贷工具促进环境保护,先后出台一系列环保金融政策,通过信贷约束遏制高耗能高污染产业的盲目扩张,实现转型升级。2012年原银监会颁布的《绿色信贷指引》是我国绿色金融发展的重要指导性文件,明确要求银行等金融机构依据企业的绿色属性实行差别化的信贷政策,限制对高污染高耗能企业的信贷资金供给,倒逼其落实环保要求。此后,《关于构建绿色金融体系的指导意见》《建设绿色金融改革创新试验区总体方案》《绿色债券支持项目目录(2021年版)》等政策性文件陆续出台,绿色金融在促进生态文明建设、推动经济可持续发展等方面的积极作用不断凸显。

绿色创新是在减耗、环保等领域的技术和产品创新,[1]2021年2月,国务院发布《关于建立健全绿色循环低碳发展经济体系的意见》,要求加快构建市场导向的绿色技术创新体系,以绿色技术创新成果带动产业结构转型升级。企业绿色创新具有资金需求量大、研发周期长、风险大等特点,传统金融市场关注投资项目盈利性,难以满足绿色创新庞大的资金缺口,而绿色信贷政策关注信贷主体的环保责任,以差异化利率引导资金从高污染行业退出并流向绿色产业,强化绿色项目和绿色企业的信贷支持,同时加大污染行业的信贷约束。基于波特假说,严格环境规制带来的成本增加会“倒逼”企业进行绿色技术创新,[2]在绿色信贷政策以及各项环保政策执行日趋严格的背景下,重污染企业是否会选择加大绿色创新研发投入,从根本上提升绿色发展能力,改变原有高耗能高污染的发展方式?这背后的机制又如何?为回答以上问题,本文从微观企业层面出发,考察绿色信贷政策实施下重污染企业的绿色创新行为,从融资约束的中介效应、政府补贴调节效应的双重视角,揭示绿色信贷与绿色创新的内在逻辑,并进一步检验企业所有权属性、企业所在地重污染行业依存度对绿色信贷政策实施效果的异质性影响。为完善全国性的绿色金融制度体系,更好地促进企业绿色创新提供参考与借鉴。

二、文献综述

近年来,绿色金融发展迅速,并逐渐衍生出与环境金融、气候金融、碳金融等多元交叉的金融工具和金融政策,越来越多的国家已经开始在实践中运用绿色金融工具应对全球气候变化带来的挑战。绿色信贷作为绿色金融体系的重要组成部分,本质上是基于绿色导向的信贷配给政策。围绕绿色信贷政策实施效果,学者们进行了不同层面的研究。从银行等政策实施主体视角来看,商业银行充分考虑企业“绿色”特性并针对性地投放绿色信贷,有利于银行成本效率和经营绩效的提升,抑制流动性风险,提升银行综合竞争力[3];基于微观企业层面,绿色信贷政策对重污染企业的长期债务融资规模和债务期限具有显著的负向影响,可以限制重污染企业规模的过度扩张,抑制非效率投资[4,5];绿色信贷政策实施引致的策略性政策套利行为也会显著抑制重污染企业生产率的提升[6]。从宏观层面来看,绿色信贷规制有利于工业节能减排增长,对绿色经济增长具有显著的正向促进作用,与经济高质量发展之间的协调程度呈上升趋势[7]。

在创新促进高质量发展与供给侧结构性改革这一宏观背景下,国内外专家学者们逐渐认识到绿色金融与绿色技术创新是两个相互联系、紧密结合的系统,应协调发展共同促进经济环境调整。多数学者认可绿色金融对企业绿色创新具有积极影响。一方面,发展绿色金融可以缓解企业的绿色资金短缺,提高企业绿色创新意识和环境风险管控意识,进而增强企业的绿色创新能力[8];另一方面,绿色信贷政策通过缩减重污染企业的信贷规模,调整重污染行业结构,“倒逼”高耗能高污染企业进行绿色创新[9]。而在国家层面,应加强与金融机构之间的战略合作,释放绿色金融在经济转型过程中的巨大潜力,保障绿色创新融资,[10]提高企业绿色创新的数量和质量。持反对意见的学者认为,企业绿色创新行为表现出对环保政策和社会监督的迎合, 绿色信贷政策在一定程度上发挥了正向的资源配置作用,但受到研发成本等约束未能有效发挥对企业绿色技术创新的激励作用[11];绿色信贷政策引致的信贷约束效应与信息传递效应更是减少了重污染企业可获得的信贷资源与商业信用,导致技术创新水平下降[12]。也有学者认为,绿色信贷等环境规制政策对绿色创新的影响并非是简单的线性特征,而是呈现出先抑制、后促进、再抑制的特点[13]。

通过梳理已有文献可以发现,尽管目前关于绿色信贷政策的研究逐渐增多,但是现有研究在探讨绿色信贷政策对微观企业影响时,多集中于企业的投融资等领域,对于绿色信贷政策与绿色创新关系的研究还处于探索阶段,特别是缺少针对“双碳”目标下亟需调整的重污染领域企业绿色创新行为的研究。鉴于此,本文基于企业微观视角,运用双重差分方法研究绿色信贷政策对重污染企业绿色创新的影响及作用机制。本文的边际贡献在于:第一,不同于以往关注绿色信贷对企业投融资层面的影响,从重污染企业绿色技术创新的角度研究绿色信贷政策的微观效应,拓宽了环境经济政策领域的研究视角;第二,从融资约束的中介效应及政府补贴调节效应的双重视角,探究绿色信贷政策对重污染企业绿色创新的影响机制,为研究二者关系提供新的支撑;第三,从微观因素(企业性质)及中观因素(所属区域的重污染产业依存度),来分析绿色信贷政策对于重污染企业绿色创新作用的异质性,为“双碳”目标下绿色信贷政策的精准化落实、完善我国绿色金融体系提供借鉴与参考。

三、研究假设

(一)绿色信贷政策与重污染企业绿色创新

绿色信贷政策依据贷款企业、贷款项目的绿色属性来配置信贷资源,通过“融资—投资”链条对重污染企业的研发活动产生正反两方面的影响,[14]具体表现为“成本效应”和“创新补偿机制”。基于“成本效应”,大多数重污染企业产品销售收入的回款周期长,银行贷款是其维持生产经营的重要资金来源,绿色信贷政策短期内会缩减对重污染企业的信贷投放,提高重污染企业的生产成本和污染治理成本,对研发投资活动等产生挤出效应[15];根据波特效应假说,重污染企业通常可以采取末端治理和绿色创新两种手段来满足环保要求,长期来看末端治理需要承担高昂、持续的环境规制成本,并不能从根本上改变重污染企业的生存困境[16]。绿色信贷等环境规制政策的趋严化执行带来的高融资成本和生存压力,会“倒逼”重污染企业转变发展策略由被动治理转向主动环保防治,加大绿色创新投入,产生“创新补偿效应”[17]。作为一项环境经济政策,绿色信贷政策的实施具有显著的政策导向性,能提高社会公众、机构投资者对绿色项目和绿色投资的关注度,强化企业绿色信息披露,大大削减重污染企业隐藏污染信息、规避环境监管的机会主义行为。重污染企业唯有意识到自身高污染高耗能的业务模式与绿色发展目标相违背带来的巨大弊端,转变发展理念,优化创新战略,加大绿色创新研发投入,才能从根本上走出当下的发展困境,获得未来发展机会。

进一步来说,金融监管有助于企业谨慎投资,提高财务经营的稳定性[18]。从银行角度来看,绿色信贷政策资金往往流向资金需求量大、回报周期长的高风险绿色项目,受到企业绿色信息披露制度不健全的限制,绿色信贷政策会增加银行对信贷风险的管控难度,提高银行的业务经营成本。绿色信贷作为一项金融管制政策,商业银行在执行时会对企业的排污状况、生产经营、环境风险等方面进行综合评估,降低商业银行面临的风险。这就对企业环境信息公开提出了更高的要求,促使企业管理者将外部环境风险因素充分纳入企业决策中,有效抑制重污染企业的非效率投资尤其是减少过度投资行为,以提升财务稳定性,有利于其绿色创新活动的开展。因此,本文提出如下假设。

H1:实施绿色信贷政策能“倒逼”重污染企业进行绿色创新。

H2:绿色信贷政策加大重污染企业的融资约束,“倒逼”重污染企业进行绿色创新。

(二)政府补贴的调节作用分析

政府补贴对企业绿色技术创新的支持作用主要体现在两个方面:一是,政府补贴可以直接弥补企业研发投入的不足[19];二是,企业获得政府补贴可以释放积极信号,为企业创新争取到更多的外部融资[20]。绿色创新具有投入高、风险大的特点,重污染企业受到自身创新基础差且难以获得绿色信贷资金支持的制约,其绿色创新活动面临较大的技术难度和资金缺口,预期绿色创新效率低。因此,重污染企业为缓解绿色信贷政策带来的环保、资金压力,倾向于将获得的政府补助资金用于维持原有的生产经营模式,真正投入研发实现转型发展的意愿较低。此时,过多的政府补贴反而会对企业绿色创新产生挤出效应。[21]政府补贴的导向作用会影响市场的筛选能力,弱化重污染企业的生存压力,降低企业通过绿色技术创新来实现绿色转型发展的紧迫感。基于上述分析,本文提出如下假设。

H3:政府补贴的增加会抑制绿色信贷政策对重污染企业绿色创新的“倒逼”作用。

(三)异质性分析

相对于非国有企业,国有企业对国家相关政策的执行更加积极,绿色信贷政策释放出的绿色发展信号对国有重污染企业的绿色创新激励效果更为明显。国有企业更容易获得银行的贷款支持,但受到自身政治背景的限制,融资途径相对受限,资金来源更依赖银行贷款,[22]因此,绿色信贷对国有重污染企业的惩罚效应更强。不仅如此,国有企业享有更多政策补贴和资源优惠保障其创新活动的开展,国有重污染企业有责任也更有能力通过绿色技术创新实现转型发展,以配合国家环保目标的实现[23]。据此本文提出如下假设。

H4:相对于非国有企业,绿色信贷政策对国有重污染企业绿色创新的“倒逼”效应更加显著。

地方政府行为对当地企业绿色技术创新活动具有重要影响,[24]在重污染产业依赖度高的地区,出于民生考虑,当地政府会在一定程度上放宽绿色信贷标准,为当地重污染产业发展争取一定的发展空间。此外,重污染企业依存度高的区域多为我国中西部省份和东北地区,受地理区位以及经济因素的影响,人才吸引力较弱、技术聚集度较低、区域的总体创新能力不高,通过绿色技术创新满足绿色信贷环保要求的主动性低[25]。而重污染产业依赖度低的地区,产业结构相对合理,当地政府与商业银行执行绿色信贷政策时的阻力小,政策执行效果好。据此,本文提出如下假设。

H5:相较于重污染产业依赖度较高的地区,在重污染产业依赖度较低的地区,绿色信贷政策对重污染企业绿色创新的促进作用更加显著。

四、研究设计

(一)样本选择与样本来源

以我国A股部分上市企业2008—2018年的数据作为样本,以2012年发布的《绿色信贷指引》为政策变量,根据2008年环保部颁布的《上市公司环保核查行业分类管理名录》,结合证监会2012版行业分类标准对重污染企业进行识别、分类,实证研究绿色信贷政策影响下的重污染企业绿色创新行为,数据处理采用Stata15.0软件完成。上市公司绿色创新数据来源于中国研究数据服务平台(CNRDS),上市公司其他特征数据来自国泰安数据库。为保证数据的一致性,剔除金融业、ST及*ST企业和相关数据缺失的样本。最终选取在考察期内符合条件并一直存续的处理组样本4 444个,对照组样本6 050个。

(二)模型设定

选取2012年《绿色信贷指引》的颁布作为绿色信贷政策实施的时间节点,参考陈林和伍海军对于传统双重差分模型的解读,[26]构建模型(1)来检验绿色信贷政策对重污染企业绿色创新的影响:

TGreenit=β0+β1Treati+β2Postt+β3Treati×Postt+∑Controlit+Industry+Year+εit。

(1)

其中:TGreenit表示表示企业i在t年的绿色创新指标;Postt表示绿色信贷政策是否实施,2012年以前取值为0,2012年及以后取值为1;Treati表示处理组和对照组,属于重污染的企业为1,否则为0;Controlit是一系列控制变量;Industry和Year分别为行业和年度的固定效应;εit为随机扰动项。

(三)变量说明

绿色创新(TGreen)为被解释变量,专利授予情况往往更能体现企业的实际创新能力,因此,绿色创新变量借鉴齐绍洲的研究选取绿色发明专利授权数量来表示,[27]控制变量上借鉴钟昌标等对影响企业创新能力的内部因素的研究进行选取,[28]具体见表1。

表1 变量定义表

五、实证检验结果

(一)变量描述性统计

表2是主要变量描述性统计结果。从绿色专利的数据来看,被解释变量TGreen的最小值、中位数均为零,表明总体样本企业的绿色创新水平不突出;标准差为12.13,说明企业之间的绿色创新水平存在比较大的差异,这与选取的样本数量多、涵盖的企业类型比较复杂有关。从Treat的均值可以看出,样本中非重污染企业和重污染企业数量相当。Post的均值为0.639,说明《绿色信贷指引》出台后的样本占63.9%。从研发支出数据离散程度来看,各企业之间的研发支出存在比较大的差异。

表2 主要变量的描述性统计

(二)企业绿色创新情况的时间趋势和组别差异

从图1可以看出,2012年之前,重污染企业的绿色专利平均数据与非重污染企业的绿色专利平均数据保持相同的发展趋势,基本符合平行趋势。为提高证明的严谨性,后文中会采取PSM法处理样本数据,进一步减小数据的内生性,使得数据更加符合平行趋势的检验。

图1 企业绿色专利水平平均趋势图

(三)倾向匹配得分法(PSM)

通过Stata 15.0中的psmatch2命令进行逐年一对一的近邻匹配。变量匹配前后差异对比结果见表3,所有变量的标准差在匹配后都缩小了,且标准化偏差的绝对值均小于10%,匹配效果较好。t检验结果表明,除了企业规模(Size)、债务杠杆(Lev)存在显著性差异外,其余各变量的t值都不拒绝处理组和控制组无系统性偏差的原假设,满足平衡性假设。

表3 变量匹配前后差异对比

(四)基准回归结果

表4是绿色信贷政策对企业绿色创新影响的回归结果。第(1)列为未加入控制变量时的回归结果,结果显示Treat×Post的系数均为正,表明绿色信贷政策对重污染企业绿色创新有正向影响。加入一系列控制变量后,第(2)列交乘项Treat×Post的系数在5%的水平下显著为正,表明绿色信贷政策有效发挥了对重污染企业绿色创新的“倒逼”作用,与假设H1一致。控制变量的加入对方程拟合度有增量贡献,充裕的资金和激烈的市场竞争性都能刺激重污染企业提高绿色创新能力。

表4 绿色信贷对重污染企业绿色创新的影响

(五)稳健性检验

1.替换变量

选取绿色发明专利授权量和绿色实用新型专利授权量之和(Patent_total)作为绿色创新的替代变量,回归结果如表4中(3)(4)列所示,可以看出交乘项系数均在5%的显著性水平上为正,证明了结论的稳健性。

2.平行趋势检验

设置绿色信贷政策实施前4年(2008—2011年)和绿色信贷政策实施后6年(2013—2018年)的年度虚拟变量,并将其与Treati的交乘项纳入模型,定义为Before4、Before3、Before2、Before1、Current、After1、After2、After3、After4、After5、After6,绿色信贷政策实施当年(2012年)虚拟变量Current取值为1,否则取0。表5结果显示,在绿色信贷政策实施之前Before4、Before3、Before2、Before1系数均不显著,而绿色信贷政策实施后重污染企业的绿色创新出现了趋势上的改变,说明政策实施前重污染企业与非重污染企业在绿色创新方面满足“平行趋势”假定。

表5 平行趋势检验结果

3.更换匹配方法

考虑政策可能存在的内生性问题,对照组样本采用核匹配的方法对样本重新进行倾向得分匹配。表6中(1)(2)列显示核匹配后的样本回归结果,未加入控制变量时交乘项系数在5%的显著性水平上为正,加入控制变量后交乘项系数在1%的显著性水平上为正,与前文结论一致,表明结论稳健。

表6 更换匹配方法及安慰剂检验结果

4.安慰剂检验

参考孟庆玺等的研究,使用安慰剂检验来识别绿色信贷政策的实施对处理组重污染企业绿色创新的影响。[29]随机选择同对照组(重污染企业)样本数量相同的一组样本作为虚拟处理组,其他样本作为对照组,再进行回归。表6显示了安慰剂检验的回归结果,从(3)(4)列可以看出交乘项系数的回归系数均不显著,表明通过了安慰剂检验,前文基本回归结果是可靠的。

六、进一步研究

(一) 传导机制研究

1.基于融资约束的中介效应分析

由理论分析可知,绿色信贷政策表现出对信贷资金的绿色调控作用。因此,选取企业短期借款与长期借款之和的对数(Debt)作为衡量企业融资约束的中介解释变量,借鉴温忠麟等采用的中介效应检验方法,[30]在上文双重差分模型的基础上,进一步检验债务融资的中介效应是否存在,构建如下检验模型:

Debtit=α0+α1Treati+α2Postt+α3Treati×Postt+∑Controlit+Industry+Year+εit,

(2)

TGreenit=γ0+γ1Treati+γ2Postt+γ3Treati×Postt+γ4Debtit+∑Controlit+Industry+Year+δit。

(3)

其中,Debtit表示表示企业i在t年的融资约束。实证结果见表7,第(1)列的交乘项Treat×Post系数显著为负,表明绿色信贷政策限制资金流向重污染企业,加大了重污染企业的融资约束。从第(2)列中可以看出,交乘项Treat×Post的系数显著为正,Debt的系数显著为负,这表明与非重污染企业相比,重污染企业的绿色创新与其融资约束情况呈现出负相关的关系,融资约束不断加大的困境刺激重污染企业加大绿色创新,以改变生存现状。综上,绿色信贷政策可以通过加大重污染企业融资约束这一途径来“倒逼”重污染企业进行绿色创新,假设H2成立。

表7 绿色信贷影响企业绿色创新的传导机制回归结果

2.基于政府补助的调节效应分析

政府补助对企业绿色创新活动具有重要影响,为进一步探究政府补助对绿色信贷与重污染企业绿色创新关系的影响,在模型(1)中引入政府补助(Sub)这一调节变量,构建政府补贴的调节效用检验模型:

TGreenit=κ0+κ1Treati×Postt×Subit+κ2Treati×Postt+κ3Subit×Postt+κ4Subit×Treati+κ5Postt+

κ6Treati+κ7Subit+∑Controlit+Industry+Year+δit。

(4)

其中,Subit表示表示企业i在t年得到的政府补助额与营业收入的比值。表7中(3)(4)列显示了政府补助对绿色信贷政策与重污染企业绿色创新关系调节效应的估计结果。无论是否加入控制变量,Treat×Post×Sub的系数均在1%的水平上显著为负,表明与非重污染企业相比,政府补助在绿色信贷政策与重污染企业绿色创新水平之间呈现出负向的调节作用,政府补贴的增加,反而会抑制重污染企业的绿色创新行为,验证了假设H3。

(二)异质性分析

1.企业所有权性质差异下绿色信贷政策对企业绿色创新的影响

基于倾向匹配得分后的数据,继续通过模型(1)研究不同所有权性质下绿色信贷政策对重污染企业创新的影响,结果见表8。第(1)(2)列为国有企业的分组回归结果,可知,无论是否加入控制变量,国有企业交乘项Treat×Post系数均在5%水平下显著。而(3)(4)列的非国有企业回归结果显示,无论是否加入控制变量,交乘项系数均不显著。这表明,绿色信贷政策对重污染企业绿色创新的促进作用在国有重污染企业中更显著,假设H4成立。

表8 绿色信贷对企业绿色创新的异质性

2.不同区域产业依赖度差异下绿色信贷政策对企业创新的影响

我国不同地区之间行业分布、产业布局差异度较大,执行绿色信贷政策的力度必然受到产业布局的影响。借鉴张媛媛等的做法,[31]将样本企业按照所在地区重污染产业依赖度进行分类,当区域污染水平高于全国中位数时,为重污染产业依赖度高的地区,据此进行分组检验。表8显示,重污染产业依赖度低地区的分组回归结果(5)和(6)列的Treat×Post交乘项系数均显著为正,重污染产业依赖度高的地区中(7)和(8)列交乘项系数为正但是不显著,表明区域重污染产业依赖度低的地区能更好地执行绿色信贷政策,绿色信贷政策对重污染企业绿色创新的“倒逼”效应更加显著。

七、结论与建议

推动绿色信贷等绿色金融政策规范化落实,对“双碳”目标下实现经济社会绿色转型具有重要意义。本文以绿色信贷政策为切入点,利用2008—2018年中国A股上市公司数据,采取双重差分法考察绿色信贷政策对重污染企业绿色创新的影响效果及作用机制,研究表明:第一,实施绿色信贷政策能够倒逼重污染企业进行绿色创新;第二,机制检验表明绿色信贷可以通过加大重污染企业融资约束这一途径,倒逼重污染企业进行绿色创新;第三,政府补助会负向调节绿色信贷政策对重污染企业绿色创新的驱动机制,过多的政府补助会抑制重污染企业的绿色创新意愿;第四,异质性分析表明在国有企业、重污染行业依存度低的地区样本中,绿色信贷政策对重污染企业绿色创新的倒逼作用更为显著。研究进一步证实了绿色信贷政策实施对重污染企业绿色创新的积极影响,为绿色金融体系的完善与推广提供了依据。基于此,为进一步推行绿色信贷政策,实现金融资源配置与企业绿色创新的有效结合提出如下对策建议。

第一,完善绿色金融体系,增强政策实施力度。尽管当前我国绿色金融发展还处于初级阶段,但发展绿色金融取得的阶段性成果已经逐渐显现,国家层面应坚定执行绿色金融政策的决心和力度,动员更多金融机构将金融资源投入到绿色可持续领域,助力我国“双碳”目标实现;发挥绿色金融对企业绿色创新的正向激励与引导,给予真正想实现绿色发展的企业更多资金支持,避免企业为迎合绿色信贷政策而进行策略性绿色创新行为,促进绿色创新数量和质量同步增长。

第二,加强风险管控,建立绿色信息共享机制。结合绿色技术和绿色项目特点,构建量化、可比的环境绩效指标和信息披露机制,从而加强公众监督的可行性,降低政府和金融机构的环境监管成本,为绿色金融政策的深入执行提供保障;促进金融绿色化与数字化协同发展,构建环境信息数字化监管平台,降低银行执行绿色信贷的风险,切实提升银行对绿色创新提供信贷支持的意愿;强化对贷后资金的监管落实,确保绿色信贷资金利用到位。

第三,规范政府行为,精准发力,提升绿色信贷政策实施效果。为了提高绿色信贷政策的实施效果,应允许各地区根据自身实际情况执行差异性的绿色信贷投放标准,将地方生态文明建设与政府官员政绩相挂钩,防范地方政府出于政绩产出考虑,为重污染企业提供不合理的政府补助以及放宽绿色环保标准,提高重污染企业依存度高的区域的绿色信贷政策贯彻执行力度。此外,针对银行投放绿色信贷时存在的所有制偏好等问题,政府层面应积极引导,做出更为具体的制度安排,为中小企业参与绿色创新给予有效支持与保障。

猜你喜欢

信贷政策信贷污染
绿色信贷政策与企业债务融资关系的实证研究
聚焦Z世代信贷成瘾
坚决打好污染防治攻坚战
坚决打好污染防治攻坚战
供给侧改革背景下商业银行信贷政策调整及风险防控
对抗尘污染,远离“霾”伏
绿色信贷对雾霾治理的作用分析
秦皇岛银行股份有限公司2013年信贷政策指引
国际货币体系和俄罗斯的货币信贷政策