绿色信贷对企业绿色全要素生产率的影响研究

周君宇 张波

［摘 要］绿色全要素生产率能够综合衡量企业经济效益和环保状况，文章使用超效率EBM模型测算重污染企业绿色全要素生产率，探究绿色信贷对重污染企业绿色发展的影响。研究表明：绿色信贷能够显著提高重污染企业绿色全要素生产率，激励企业进行创新和资源配置效率改进、迫使企业增加环境信息披露，引导公众加强对污染问题的关注，从而促使企业绿色转型。绿色信贷对国有企业、小型企业和融资约束高的企业影响更显著。建议加强绿色信贷政策实施力度、完善环境信息披露制度，充分调动公众的积极性，推动我国经济全面高质量发展。

［关键词］绿色信贷；重污染企业；绿色全要素生产率

［中图分类号］F830.5   ［文献标志码］A    ［文章编号］2095-0292（2024）02-0081-08

［收稿日期］2023-12-20

［基金项目］安徽省社科规划重点项目“习近平总书记关于宏观调控重要论述研究”（AHSKZ2019D026）

［作者简介］周君宇，安徽大学经济学院硕士研究生，研究方向：绿色金融；张波，合肥学院经济与管理学院讲师，经济学博士，研究方向：货币金融理论与政策。

一、引言

如何推动企业绿色转型、提高企业绿色全要素生产率，已经成为我国经济高质量发展需要迫切关注的重点问题。根据《中国重金属污染治理行业现状与预测报告（2023-2030年）》显示，近年来，我国废水排放总量总体下降，但仍处于较高水平，2021年工业废水排放总量758.5亿吨。其中重污染企业作为传统经济粗放式的增长点，其高能耗、高污染、低质量的增长模式成为中国实现“双碳”目标的严峻挑战。因此，而着力提升绿色全要素生产率是重污染企业当下面临的重要议题。

绿色全要素生产率在传统全要素生产率的基础上加入对环境因素考量，能够综合考虑企业经济效益和环境保护两方面的问题，因此全面提高绿色全要素生产率是企业绿色转型和绿色发展的关键［1］（P20-26）［2］（P102-109）。企业要提高绿色全要素生产效率，改善生态环境，不仅需要采取强有力的末端治理措施，还必须使用金融政策优化资源配置［3］（P18-27），通过绿色信贷推动转型。2012年原银监会发布《绿色信贷指引》，明确政策范围，完善了激励和问责制度，提出更明确实施指导方向，绿色信贷开始受到重视，众多学者开始研究政策效果。相較于政府主导的环境规制政策，绿色信贷侧重市场机制，利用金融手段加强资金引导，将环境因素纳入信贷决策，严格审批有环境风险的信贷业务，从而促进信贷资源合理配置，有利于社会与环境协调、可持续发展，推动传统产业的绿色改造和新兴绿色产业发展［4］（P123-137）［5］（P123-133）。在宏观层面，绿色信贷能够影响我国产业结构，促进我国绿色经济发展［6］（P59-72）［7］（P83-90）。在微观层面，绿色信贷政策能够降低重污染企业投融资水平，具有显著的信贷约束和投资抑制作用［8］（P62-75）［9］（P15-28），但同时也有利于完善绿色技术创新体系，能够显著增加绿色创新总量［10］（P11，173-188）。目前国内外学者对于绿色信贷政策的研究日益丰富，但少有学者考虑政策对企业经济和环境效益的综合影响。同时现有微观研究大多是针对信贷活动某一单方参与者，一定程度上会忽视公众等政策第三方监督者的作用。绿色信贷能否提高重污染企业绿色全要素生产率、促进企业绿色发展，这是本文所研究的问题。

本文使用超效率DEA-EBM模型来测算绿色全要素生产率，探求绿色信贷政策能否提高重污染企业绿色全要素生产率。边际贡献为：第一，聚焦微观企业，以绿色全要素生产率考量企业经济和环境效益，探究企业综合性绿色发展，有利于完善微观传导理论体系，为企业产业升级提供建议；第二，针对绿色信贷所面临的信息不对称性，从企业微观视角出发分析了绿色信贷的激励和监督作用，关注了政策实施的多方参与者，为绿色信贷发展提供针对性建议。

二、理论分析与研究假设

（一）绿色信贷与重污染企业绿色全要素生产率

绿色信贷将环境因素纳入金融机构信贷决策，严格审批污染企业信贷，采取针对性贷后管理，这使得重污染企业债务成本显著提高，具有融资惩罚效应［4］（P123-137）。但是，绿色信贷的目标并非是为了让重污染企业无法生存，而是鼓励其减少重污染项目，发展清洁项目，促使企业绿色转型升级［8］（P62-75）。对企业而言，通常以利润最大化为目标来确定最优产量，一定程度上会忽略环境污染的影响，使得企业在生产过程中所决定的产量与绿色发展和社会福利最大化目标不一致。绿色信贷将企业污染的环境外部性成本内化为债务融资成本，使得重污染企业不得不将环境污染因素纳入决策中。同时，绿色信贷严格加强信贷审批，增加了污染产品的融资成本，降低重污染项目投资回报率。对于绿色环保项目，绿色信贷政策通过优惠利率等方式降低了生产清洁产品的成本，提高其投资回报率［3］（P18-27）。在绿色信贷政策的影响下，减少重污染项目转而选择绿色环保项目成为一些企业的最优选择，企业会努力清洁生产以获得有利贷款决定的财务回报。基于以上提出假说1：

假说1：绿色信贷能够显著提高重污染企业绿色全要素生产率。

（二）绿色信贷的影响机制

新古典经济理论认为环境规制会内化环境成本，企业被迫将原有用于生产的资源投入治污活动，促使合规成本增加，导致生产效率和竞争力损失［11］（P97-114）。然而波特假说认为，适当设计的环境规制能够激励企业创新，由此产生的正面影响能够抵消合规成本，提高企业竞争力［12］（P97-118）。根据波特假说，绿色信贷政策会对重污染企业产生以下影响：首先绿色信贷政策要求金融机构关注耗能、污染、气候变化、生态保护等多方面综合环保问题，向污染企业释放了信号，引导企业对社会环保领域重点问题的关注，使企业意识到潜在的技术进步方向。其次，绿色信贷降低了创新支出的不确定性，鼓励了企业进行环保创新。同时，绿色信贷政策使得企业转型期市场竞争环境更为公平。在企业为解决污染问题而进行技术创新、新产品研发、生产转型的过程中，由于存在环保信贷政策，其他公司也难以通过规避环保支出进行获利从而抢占市场，这为企业创新提供了缓冲的空间。最后，绿色信贷政策也给予了企业一种外部性的压力，迫使企业想办法解决环境污染问题，这种压力提供了创新的动力。

此外，资源配置效率低一直是重污染行业面临的问题［9］（P15-28）。重污染企业内部存在可大幅提高资源配置效率的空间，在面临绿色信贷政策的影响时，为避免受到融资约束，企业会主动对自身生产经营状况进行改进。而优化内部资源配置通常是企业可自主实施的低成本对策，短期而言是企业为达到环保要求所采取的应急措施［13］（P1-12）。在短期企业难以改变已有项目的资本投入，但可以通过完善员工管理制度、合理规划人员职责、提高职工环保意识等方式提高企业管理水平从而影响劳动配置效率，并通过加强生产监督来减少物料浪费，提高资源使用效率。长期而言，由于存在环保压力企业会重新配置资源要素，减少污染性强和低效项目的投入，增加环保和高效项目的投入［14］（P5-23），同时研发更易于生产的环保产品、研究更加高效的生产工艺，从而提高资源配置效率。基于以上提出假说2a和假说2b：

假说2a：绿色信贷能够推动重污染企业进行技术创新，从而提高绿色全要素生产率。

假说2b：绿色信贷能够提高重污染企业资源配置效率，从而提高绿色全要素生产率。

绿色信贷本质上是基于环境约束的信贷配给，而信贷配给主要由信息不对称引致。信号理论认为优质企业会通过较多的自愿信息披露来展示自己的良好形象。由于存在信息不对称问题，通常企业绿色发展状况难以准确观测，重污染企业为缓解信贷约束或获取信贷市场有利条件，必须通过自身行为向金融机构传递信号，增加环境信息披露是其中最便捷方式之一［15］（P137-155）。优质企业会主动增加环境信息披露以维护良好绿色声誉，而另一部分企业为避免受到信贷约束的影响，也会被迫增加对环境信息的披露。因此，金融机构在实施绿色信贷政策的过程中对重污染企业起到信息监督作用，能够促使企业增加环境信息披露，降低金融机构与企业间的信息不对称，迫使企业减少污染，提高绿色全要素生产率。

绿色信贷政策的实施不仅需要相关企业、金融机构和政府部门的参与，也需要公众作为政策监督者。中国人民银行要求在设计和实施绿色货币政策的过程中，做到信息公开透明、监管严格，并会同第三方机构核实披露信息，使得公众充分了解披露环保信息。公众作为环境污染的直接受害者，对重污染企业环保问题具有高度敏感性，能够及时察觉企业在生产过程中的污染问题。绿色信贷政策完善了公众意愿反馈机制［16］（P44-55），对绿色信贷项目信息的公开能够提高公众对绿色环保问题的重视，加强公众对企业污染问题的关注，从而起到对企业和金融机构的监督作用。公众作为外部监督力量给予企业环保压力，迫使企业重视污染问题，推动促使企业绿色转型升级［17］（P50-61）。基于以上提出假说3a和假说3b：

假说3a：绿色信贷能够增加重污染企业环境信息披露，降低信息不对称，从而提高绿色全要素生产率。

假说3b：绿色信贷能够提高公众对环保问题的关注力度，从而提高重污染企业绿色全要素生产率。

三、研究设计

（一）样本选择与数据来源

本文以2012-2020年沪深两市重污染上市企业作为研究样本。参考环保部2017年发布的《重点排污单位名录管理规定》（环办监测〔2017〕86号），将采矿业、制造业和电力热力供应业三个门类行业中的26个大类行业划分为重污染行业，行业分类标准依据中国证监会2012发布的《上市公司行业分类指引》。其中，采礦业行业包括B06、B07、B08和B09。制造业行业包括C13、C14、C15、C17、C19、C22、C25、C26、C27、C28、C30、C31、C32、C33、C34、C35、C36、C37、C38和C39。电力热力供应业行业包括D44和D45。为确保数据完整性与有效性，剔除如下企业：在2012年之后上市的企业；排污数据存在缺失的企业；重要财务数据存在缺失的企业。数据来源于国泰安数据库、上市公司年报、《中国工业统计年鉴》和《中国环境年鉴》。

（二）模型设定

借鉴范丹和付嘉为［18］（P3463-3472）等人的研究，构建如下固定效应模型分析绿色信贷对企业绿色全要素生产率的影响：

GTFPit=α0+α1GCREit+βXit+λi+μt+εit                            （1）

其中GTFPit表示第t个时期第i个企业的绿色全要素生产率，GCREit表示第t个时期第i个企业所在地区绿色信贷政策的影响强度，Xit表示控制变量，λi表示个体固定效应，μt表示时间固定效应，εit表示误差项。

（三）变量选取与测度

1.被解释变量。被解释变量为绿色全要素生产率（GTFP）。借鉴胡玉凤和丁友强［19］（P56-64）等人的研究，使用DEA方法衡量绿色全要素生产率。传统DEA径向模型会忽略非径向松弛变量的影响，而DEA-SBM模型存在比例信息损失的缺点，因此Tone在SBM模型的基础上提出了包含径向模型的DEA-EBM混合模型［20］（P1554-1563）。规模报酬可变条件下考虑非期望产出的全局超效率EBM模型如模型（2）：

γ*=minθ，η，λ-+

θ+εx∑mi=1ω-is-ixtioη-εy∑qr=1ω+rs+rytro-εb∑pk=1ωb-ksb-kbtko

∑Tt=1∑nj=1，j≠0xtijλtj-s-i≤θxtio，i=1，2…，m

∑Tt=1∑nj=1，j≠0ytrjλtj+s+r≥ηytro，r=1，2…，q

∑Tt=1∑nj=1，j≠0btkjλtj-sb-k≤ηbtko，k=1，2…，p

∑Tt=1∑nj=1，j≠0λtj=1λtj≥0，s-t≥0，s+r≥0，sbk≥0    （2）

其中γ*表示最佳效率值，Xio表示第o个决策单元的第i种投入，yro表示第o个决策单元的第r种期望产出，bko表示第o个决策单元的第k种非期望产出，s-i、s+r和s-k分别表示投入、期望产出和非期望产出的松弛变量。其中θ和η分别为投入和产出角度径向部分的规划参数，ω-i、ω+r和ω-k分别表示投入、产出和非期望产出指标的权重。ε表示非径向部分的比重，当ε为1时，模型等同于加权SBM模型。

本文使用EBM模型测算得到的效率值进一步计算Maquist指数衡量企业绿色全要素生产率。借鉴孙亚男和费锦华［2］（P102-109）的研究，选择资本投入、劳动投入和能源原料投入三个变量作为企业投入变量，使用企业固定资产净额衡量资本投入、支付给职工的现金衡量劳动投入、购买商品接受劳务支付的现金衡量生产能源和原料投入。期望产出为企业营业收入，非期望产出使用企业排污费用衡量。表1为各变量定义。

2.解释变量。核心解释变量为绿色信贷（GCRE）。借鉴谢婷婷和刘锦华［7］（P83-90）、郭威和曾新欣［16］（P44-55）等人的研究，本文使用企业所在省份非六大高耗能产业利息支出占工业产业利息总支出来衡量企业所受到的绿色信贷政策的影响，计算方式为：1-（六大高耗能产业利息支出/工业产业利息总支出），该值越高说明绿色信贷政策的影响越大。

3.控制变量。借鉴何凌云和祁晓凤［11］（P97-114）等人的研究，加入企业层面和宏观层面的控制变量。企业层面的控制变量有：企业规模水平、流动比率、资产负债率、固定资产周转率和营业利润率。宏观层面控制变量有地区生产总值、地区人口总数和地区公共预算支出。

四、实证结果与分析

（一）基准回归

本文使用双重固定效应模型进行实证检验，基准模型回归结果见表2。

第（1）列未加入控制变量，仅加入核心解释变量绿色信贷指标，第（2）列和第（3）列依次加入企业层面和宏观层面的控制变量。回归结果显示绿色信贷指标的系数仍旧在1%水平上显著为正，说明绿色信贷能够显著提高重污染企业绿色全要素生产率，即假说1得到验证。结合现实发展情况，实际上绿色信贷政策能够促使企业将环境因素纳入生产经营决策中，降低污染项目投资回报率。一方面，通过优惠利率等方式增加绿色项目投资回报率，促使企业减少污染项目转而选择绿色环保项目，并给予有利的财务回报推动企业进行绿色生产；另一方面，绿色信贷加强了对污染企业的信贷审批，内化了环境成本，同时也能够激励企业绿色创新，提高资源配置效率，由此产生的正面影响能够抵消增加的合规成本，增加企业竞争力。绿色信贷为在给予企业压力的同时也为企业指明潜在绿色创新方向，降低了绿色创新的不确定性，提供更加公平的创新环境，激励企业开展研发更易于生产的环保产品、研究更加高效环保的生产工艺等绿色创新活动，从而提高企业绿色全要素生产率。

（二）稳健性检验

本文对回归结果进行如下稳健性检验。

1.指标替换。为避免指标测度方法导致结果偏误，采用超效率DEA-SBM模型重新测算指数作为核心解释变量的替换指标，重新进行回归检验。结果如表3第（1）列，变更指标测度方法后，绿色信贷指标的回归系数依然显著为正。

2.调整样本期。2014年，银监会发布绿色信贷考评的关键性文件《绿色信贷实施情况关键评价指标》，政策实施力度有所提高，因此将样本期调整为2015-2020年作为稳健性检验。结果如表3第（2）列，调整样本期后回归系数依然显著为正，且系数增大，说明随着相关政策的不断推出，绿色信贷对重污染企业的影响是不断增强的。

3.多维固定效应。为避免可能遗漏行业和省份层面的重要变量，改为使用年份、行业和省份层面的固定效应进行回归，以控制不同层面中不随时间变化的变量所造成的影响。结果如表3第（3）列，回归系数依然显著为正。

（三）内生性问题

重污染企业的生产经营和环保状况可能对绿色信贷相关政策的制定产生影响，因此存在双向因果关系，采用工具变量法来缓解双向因果关系带来的内生性问题。

绿色信贷是为遏制高能耗高污染产业盲目扩张而提出的环境保护政策。借鉴何凌云和祁晓凤［11］（P97-114）等人的研究，采用空气流通系数作为绿色信贷的一个工具变量。空气流通系数越低的地区，污染物越难扩散，环保政策会趋于严格。而空气流通系数仅由自然因素决定，是严格外生变量。同时，绿色信贷作为金融手段与金融业的发达程度密切相关。因此，选择银行业金融机构期初数量作为另一个工具变量。这是因为银行业金融机构数量越多表示金融业越发达，借贷活动参与度越高，信贷政策影响越大。本期企业活动无法改变期初的机构数量，所以变量具有充足的外生性。

因此，同时选择企业所在地区的空气流通系数和期初银行业金融机构数量作为绿色信贷政策的工具变量。为避免异方差问题的影响，采用异方差稳健的广义矩（GMM）方法估计，将所有工具变量滞后一期，回归结果如表3，绿色信贷的系数依然显著为正。回归结果通过Kleibergen-Paap rk LM统计量、Cragg-Donald F统计量和Hansen J统计量的检验，拒绝“不可识别”的假设，不存在弱工具变量问题，工具变量满足外生要求。

五、進一步研究

（一）绿色信贷的激励作用

1.创新激励。绿色信贷能够提高企业的研发积极性，对企业创新意愿产生激励，从而推动技术创新活动。借鉴曹越［13］（P1-12）等人的研究，选用企业研发投入（INN）衡量企业创新意愿。构建模型（3）进行实证检验：

INNit=γ0+γ1GCREit+βXit+λi+μt+εit                             （3）

其中INNit表示第t个时期第i个企业的研发投入。

实证结果如表4第（1）列，绿色信贷指标的系数显著为正，绿色信贷能够显著提高重污染企业研发投入，起到创新激励作用。企业在面对绿色信贷影响时，会增加对社会环保问题和自身污染问题的关注，从而提高创新意识。一方面，政策的影响降低了创新的不确定性，鼓励企业环保创新，另一方面政策也给予企业压力，迫使企业想办法解决环境污染问题，增加企业创新，从而提高企业绿色全要素生产率，假说2a得到验证。

2.资源配置激励。绿色信贷能够激励企业改进资源配置效率。借鉴任胜钢［14］（P5-23）等人的研究，采用选择资本、劳动和能源原料三个变量作为企业投入变量，企业营业收入作为产出变量，使用超效率EBM模型测算得到企业全要素生产率（TFP）衡量企业资源配置效率，并加入技术创新作为控制变量以剔除技术进步因素的影响。构建模型（4）进行实证检验：

TFPit=δ0+δ1GCREit+βXit+λi+μt+εit（4）

其中TFPit表示第t个时期第i个企业的全要素生产率。

实证结果如表4第（2）列，在控制研发投入情况下，绿色信贷能够显著提高企业TFP，即提高企业资源配置效率。重污染企业通常存在大幅提高资源配置效率的空間。在面临绿色信贷政策时，企业会主动对自身生产经营状况进行改进以避免受到融资约束，这也会提高资源配置效率。绿色信贷对企业创新的促进也会间接提高企业资源利用效率，从而提高企业绿色全要素生产率［14］（P5-23）。假说2b得到验证。

（二）绿色信贷的监督作用

1.信息监督。绿色信贷政策进一步完善了金融机构环保信息披露制度，促使重污染企业增加对环境污染信息的披露。借鉴范丹和付嘉为［18］（P3463-3472）等人的研究，从企业环境管理情况、环保监管认证情况和信息披露载体情况三个方面进行环境信息披露状况指标（EDI）衡量，对企业环保目标、企业环保管理制度、企业开展环保专项行动情况、企业污染物排放达标情况、企业环境污染事故情况、通过环境管理体系认证情况、年报对环境信息披露情况、社会责任报告对环境信息披露情况和单独环境报告披露情况这9个方面进行综合打分，该项信息进行披露的记1分，否则为0分。构建模型（5）进行实证检验：

EDIit=σ0+σ1GCREit+βXit+λi+μt+εit（5）

其中EDIit表示第t个时期第i个企业的环境信息披露情况，为企业各项分值的加总。

实证结果如表4第（3）列，回归的系数显著为正，表明绿色信贷能够提高企业环境信息披露状况，降低信息不对称性，金融机构具有外部信息监督作用。绿色信贷政策明确要求金融机构关注企业在生产经营活动中的环境问题，促使金融机构加强了对污染信息披露管理。一方面，由于存在信息不对称性，企业为了积极向金融机构传递信号，会积极增加环境信息披露；另一方面，绿色信贷增加了污染企业容易约束，迫使企业增加环境信息披露。环境信息披露的增加降低了重污染企业与金融机构和公众之间的信息不对称性，督促企业进行绿色转型，提高重污染企业绿色全要素生产率［18］（P3463-3472），假说3a得到验证。

2.公众监督。绿色信贷政策要求金融机构在实施过程中做到信息透明，公开披露发放贷款和支持项目情况，这增强了公众的环保意识和对企业污染问题的关注，公众对企业的监督力度会因此增强。本文采用企业所在地区承办的人大和政协关于环境问题的建议和提案数量来衡量地区公众对环境问题的监督力度（PSV），数据来源为《中国环境年鉴》，同时考虑到绿色信贷政策对公众的影响具有一定滞后性，因此将解释变量和所有控制变量滞后一期。构建模型（6）进行实证检验：

PSVit=ω0+ω1GCREit-1+βXit-1+λi+μt+εit（6）

其中PSVit表示第t个时期第i个企业所在地区公共监督力度，GCREit-1表示滞后一期的绿色信贷政策的影响强度，Xit-1表示滞后一期的控制变量。

实证结果如表4第（4）列，公众监督指标系数显著为正，表明绿色信贷能够提高企业所在地区公众对环保问题的监督力度。绿色信贷政策在实施过程中要求金融机构做到信息公开透明，降低了重污染企业与公众之间的信息不对称性。由于公众是环境污染的直接承受者，因此对环境状况最了解、最敏感，绿色信贷能够提高公众对环境污染的关注，从而加强对重污染企业的监督力度。适当的公众监督能够给予重污染企业环境压力，促使企业减少污染项目的投入，促使企业绿色转型［17］（P50-61），假说3b得到验证。

（三）异质性分析

绿色信贷有利于企业绿色转型，不同特征的企业受政策影响的程度也是不同的，借鉴陆菁［21］（P174-192）等人的研究，探讨具有不同企业所有权、企业规模和企业融资约束特征的企业所受政策影响的差异，结果如表5。

结果表明，绿色信贷能够显著提高国有企业绿色全要素生产率，但对非国有企业的影响不显著。这是因为国企承担着更多的社会责任，受到的公众关注和监督力度更大，会更积极推动自身绿色转型发展。对于企业规模特征，按照总资产中位数将样本分组，结果表明小型企业受影响更大这是因为小型企业通常受到信贷约束的影响更大。对于融资约束特征，采用KZ指数来衡量企业融资约束程度，按照中位数将样本分组回归，结果表明绿色信贷对融资约束高的企业影响是显著为正的，对约束低的企业的影响不显著。绿色信贷作为一种信贷政策，将企业污染成本内化为企业债务融资成本，因此融资约束较高的企业对于绿色信贷政策会更加敏感，从而更加积极地通过绿色创新等方式来缓解受到的融资约束。

六、结论与建议

（一）研究结论

在“双碳”愿景下，绿色信贷对助力重污染企业绿色转型发展具有重要意义。本文在绿色信贷影响的微观理论基础上，基于2012-2020年沪深两市重污染上市企业数据，使用超效率EBM模型来测算重污染企业绿色全要素生产率，综合考量企业生产效率和环保问题，从内部激励和外部监督的视角探讨绿色信贷政策对重污染企业绿色全要素生产率的影响，得出以下结论：

第一，绿色信贷政策能够显著提高重污染企业绿色全要素生产率，有利于企业绿色发展。

第二，绿色信贷能够对重污染企业内部产生激励作用，推动企业进行技术创新活动，提高企业资源配置效率。同时对重污染企业环境信息披露提出了更高的要求，并将相关信息完全向公众公开，加强了金融机构和公众对重污染企业的监督，增加了企业环境信息的披露，提高了公众对重污染企业环保问题的关注，给予企业压力从而促使企业进行绿色转型升级。

第三，异质性分析表明，绿色信贷对国有企业、小型企业和融资约束高的企业影响更为显著。

（二）政策建议

根据以上研究结论，本文提出以下政策建议：

1.加强绿色信贷实施力度，关注重污染行业。本文研究认为政策对企业的创新和资源配置效率的激励作用能对企业成本的增加进行补偿，从而促进企业进行绿色转型升级，有利于重污染企业绿色发展。当前，我国绿色信贷占各项贷款比例还不高，一些地方性银行绿色信贷制度还不完善，应当进一步加强绿色信贷政策实施力度，推动我国经济绿色高质量发展。

2.完善环境信息披露制度，减少信息不对称。信息不对称一直是绿色信贷政策实施所面临的重要问题，绿色信贷政策的实施应当做到信息全程公开透明。金融机构应当加强对环保信息披露的管理，完善信息监督制度，结合金融科技创新推动环保信息高效化、动态化披露，降低与污染企业之间的信息不对称性。

3.充分调动公众的积极性，发挥公众对重污染企业的监督作用。绿色信贷政策的实施提高了公众对重污染企业的监督力度，迫使企业绿色转型，减少污染，因此应当充分调动公众参与环保的积极性。当前公众的环保意识还较为薄弱，解决环保问题倾向于依赖政府，公众自身的环保知识水平也有待提高。因此，应当正确引导公众参与环境治理，加强公民环保教育，普及法律知识，树立公众依法维权观念，有效监督政府决策和企业行为。绿色信贷政策在实施过程中，应不断完善公众参与的制度，拓宽公众参与途径，充分发挥公众的监督作用。

［参 考 文 献］

［1］万伦来，朱琴.R&D投入对工业绿色全要素生产率增长的影响——来自中国工业1999～2010年的经验数据［J］.经济学动态，2013（9）.

［2］孙亚男，费锦华.重污染企业绿色生产效率的测算、差异来源及其成因［J］.中国人口·资源与环境，2021，31（11）.

［3］马骏.论构建中国绿色金融体系［J］.金融論坛，2015，20（5）.

［4］苏冬蔚，连莉莉.绿色信贷是否影响重污染企业的投融资行为？［J］.金融研究，2018（12）.

［5］王艳丽，类晓东，龙如银.绿色信贷政策提高了企业的投资效率吗？——基于重污染企业金融资源配置的视角［J］.中国人口·资源与环境，2021，31（1）.

［6］徐胜，赵欣欣，姚双.绿色信贷对产业结构升级的影响效应分析［J］.上海财经大学学报，2018，20（2）.

［7］谢婷婷，刘锦华.绿色信贷如何影响中国绿色经济增长？［J］.中国人口·资源与环境，2019，29（9）.

［8］丁杰.绿色信贷政策、信贷资源配置与企业策略性反应［J］.经济评论，2019（4）.

［9］张小可，葛晶.绿色金融政策的双重资源配置优化效应研究［J］.产业经济研究，2021（6）.

［10］王馨，王营.绿色信贷政策增进绿色创新研究［J］.管理世界，2021，37（6）.

［11］何凌云，祁晓凤.环境规制与绿色全要素生产率——来自中国工业企业的证据［J］.经济学动态，2022（6）.

［12］Porter， M. E.， C. Van der Linde. Toward a New Conception of the Environment-competitiveness Relationship ［J］. Journal of Economic Perspectives， 1995， 9（1）.

［13］曹越，唐奕可，辛红霞. “环保费改税”提高了重污染企业全要素生产率吗？［J］. 审计与经济研究，2022，37（5）.

［14］任胜钢，郑晶晶，刘东华，等. 排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据［J］. 中国工业经济，2019（5）.

［15］斯丽娟，曹昊煜.绿色信贷政策能够改善企业环境社会责任吗——基于外部约束和内部关注的视角［J］.中国工业经济，2022（4）.

［16］郭威，曾新欣.绿色信贷提升工业绿色全要素生产率了吗？——基于空间Durbin模型的实证研究［J］.经济问题，2021（8）.

［17］林伯强，潘婷.环境管制如何影响绿色信贷发展？［J］.中国人口·资源与环境，2022，32（8）.

［18］范丹，付嘉为.环境信息披露对企业全要素生产率的影响［J］.中国环境科学，2021，41（7）.

［19］胡玉凤，丁友强.碳排放权交易机制能否兼顾企业效益与绿色效率？［J］.中国人口·资源与环境，2020，30（3）.

［20］Tone K， Tsutsui M. An epsilon-based measure of efficiency in DEA – A third pole of technical efficiency ［J］. European Journal of Operational Research， 2010， 207（3）.

［21］陆菁，鄢云，王韬璇.绿色信贷政策的微观效应研究——基于技术创新与资源再配置的视角［J］.中国工业经济，2021（1）.

Research on the Impact of Green Credit on the Green Total Factor Productivity of Enterprises ——Empirical analysis based on heavily polluting industries

ZHOU Jun-yu1，ZHANG Bo2

（1. School of Economics， Anhui University;

2. School of Economics and Management， Hefei University， Hefei 230601，China）

Abstract：Green total factor productivity can comprehensively measure the economic benefits and environmental status of enterprises. Using the super efficient EBM model to calculate the green total factor productivity of heavily polluting enterprises and exploring the impact of green credit on the green development of heavily polluting enterprises. Research has shown that green credit can significantly improve the green total factor productivity of heavily polluting enterprises， motivate them to innovate and improve resource allocation efficiency， force them to increase environmental information disclosure， guide the public to pay more attention to pollution issues， and thus promote the green transformation of enterprises. Green credit has a more significant impact on state-owned enterprises， small enterprises， and enterprises with high financing constraints. It is recommended to strengthen the implementation of green credit policies， improve the environmental information disclosure system， fully mobilize the enthusiasm of the public， and promote the comprehensive and high-quality development of China's economy.

Key words：green credit; heavy pollution enterprises; green total factor productivity

［責任编辑 孙兰瑛］