绿色信贷对上市公司信贷融资成本的影响——基于双重差分模型的估计

■张 颖，吴 桐

我国自2007年开始推行绿色信贷政策，发展至今已有十余载，其是否充分发挥金融杠杆的作用，值得探讨。从信贷层面限制“两高”产业发展，提高信贷融资成本率，有助于推进我国产业结构转型和优化升级。本文通过分析2003～2016年中国上市公司数据，运用双重差分模型分析绿色信贷政策的实施效果，研究表明目前的绿色信贷政策效果不明显，“两高”企业依然可获得较便宜的信贷资金。为了大力发展绿色金融，政府应建立合理的激励和约束机制，商业银行应树立“绿色银行”的长远发展目标，加强国际交流合作。

一、引言与文献综述

随着我国近四十年的经济持续增长，环境污染问题日趋严重，碳排放量持续上升，极大阻碍了我国经济绿色可持续发展。全面改善我国环境，不仅需要依靠强有力的法律措施，还必须运用一系列的金融、财税等政策进行资源配置。2002年10月，部分国际知名商业银行提出一项企业贷款准则——赤道原则，要求综合评估贷款项目的环境影响和社会影响，利用金融手段促进项目在环保方面发挥积极作用。绿色信贷是在赤道原则下产生的金融产品，其实质是对信贷项目增加环境和社会影响的评估，利用金融杠杆促进项目符合资源节约型和环境友好型的标准。绿色信贷作为绿色金融的一部分，通过银行贷款方式调整资本存量，增加更多绿色贷款，限制对“两高”产业信贷发放，推动“两高”产业资本向绿色产业转移，缓解我国现阶段碳排放量持续走高的现状。2007年7月，国家环保总局等部委联合发布《关于落实环保政策法规防范信贷风险的意见》，标志着绿色信贷的理念在中国银行业正式确立。2016年8月31日，中国人民银行等部委联合印发《关于构建绿色金融体系的指导意见》，提出以绿色信贷为主，推动绿色证券发行，构建绿色金融体系，进一步控制污染性投资。

目前，国外关于绿色信贷的研究主要集中在绿色金融（国外称为环境金融）对金融机构的影响及绿色金融工具和环境绩效等方面。例如：Jeucken（2003）提出了商业银行对绿色金融发展的态度呈现“抵制→规避→主动→可持续”特征的四阶段理论；Labatt&White（2002）研究绿色金融工具和管理体系，提出了金融机构面临的环境风险以及如何去应对；Scholtens&Dam（2007）研究发现实施“赤道原则”的商业银行，具有更高的社会责任感，有助于其他业务的开展；Lee&Zhong（2015）提出发行混合债券来控制可再生能源产业的融资风险和信用风险，使用新型衍生工具推动商业银行开展绿色信贷；Clarkson et al.（2008）从微观角度分析企业的获利与环境披露的相关性，研究表明企业环境绩效和环境披露之间存在正相关关系；Dwakins&Fraas（2011）研究表明企业环境绩效和环境披露之间存在非线性关系。

国内关于绿色信贷的研究可分为宏观和微观两个层次。宏观上，杨劬（2011）运用委托代理理论研究绿色信贷推动企业节能减排的作用机理，并对如何发挥绿色信贷的激励作用提出建议；修静等（2015）通过构建绿色信贷的工业增长非线性面板门限模型，研究得出绿色信贷政策对工业的节能减排具有积极效果，但目前绿色信贷政策效果的增加弹性却在降低，不利于绿色金融进一步支持工业的节能减排；王遥等（2016）从宏观发展和微观效率两个角度，分析绿色金融对经济发展的贡献及其作用机制，强调通过绿色投资（绿色信贷、基金、证券）促进绿色产业创新和发展。微观上，连莉莉（2015）分析绿色信贷对绿色企业和“两高”企业的信贷融资成本的影响，指出绿色信贷政策能够较好遏制“两高”企业的发展，促进企业转型；蒋先玲和徐鹤龙（2016）通过借鉴国外商业银行绿色信贷的发展经验，提出我国商业银行应加强绿色信贷管理，通过绿色信贷创新控制绿色信贷风险，确保绿色金融的健康发展；葛林等（2016）运用KMV模型对比“两高”产业和新能源产业的绿色信贷信用风险，发现“两高”产业信用风险较高，商业银行应提高信贷融资成本匹配其承担的风险。

综上所述，国内外专家学者对绿色金融的发展都寄予了较高的期望，为我国商业银行及企业推进绿色发展奠定了坚实的基础。但是，对绿色信贷的研究大多停留在定性层面，定量研究较少，与企业融资成本相关的分析更少。同时，绿色信贷自2007年开始已十余载，绿色信贷政策的发展情况如何，是否有效地对“两高”企业进行贷款利息上的“惩罚”？基于此，本文采用我国上市公司面板数据和双重差分模型研究现阶段的绿色信贷政策对“两高”企业的信贷融资成本的影响，以及绿色信贷是否提高了“两高”企业的信贷融资成本等问题。

二、研究设计

（一）研究假设

绿色信贷政策通过金融市场机制，引导银行信贷资金投入到绿色、低碳行业中，控制“两高”产业信贷资金存量、减少增量，限制“两高”企业的资金获得，实现污染控制，促进经济的可持续发展。政策的实施效果主要体现在企业的信贷融资成本率，当银行对“两高”企业的融资项目进行停贷，企业会通过其他渠道获取资金，如P2P、“影子银行”等。或者，银行提高“两高”企业的融资项目的利率，二者都会显著提高企业融资成本，直接影响企业发展，从而发挥政策的积极作用。

基于上述分析，本文提出假设：

绿色信贷政策显著提高了“两高”行业的信贷融资成本率。

（二）研究方法

研究绿色信贷政策是否提高了“两高”行业的信贷融资成本率，通常是比较“两高”行业在政策实施前后的两个阶段的信贷融资成本率及其增长率的差异，并以此判断该项政策的效果。但是，这种方法得出的结论是不准确的，因为在政策实施前后，还有其他因素会影响信贷融资成本率及其增长率。此外，同一时间段内的宏微观政策可能影响非“两高”行业的信贷融资成本率，影响政策评价结果。双重差分法（DID）可以较好解决简单差分法所造成的政策效果评价偏差，同时解决政策作为解释变量所存在的内生性问题，更为科学合理地评价政策的实施效果。近些年，国内很多专家学者使用双重差分法评价政策的实施效果。例如：周黎安和陈烨（2005）最早引用了DID模型，研究了我国农村税费改革的政策效果；郑新业等（2011）基于双重差分模型研究了“省直管县”对当地经济增长的影响；刘瑞明和赵仁杰（2015）运用双重差分法验证国家高新区推动地区经济的发展。

本文借鉴DID模型的估计方法，研究绿色信贷政策的实施效果。基于数据可获得性，样本均为上市公司，本文将样本分为控制组和对照组，控制组为“两高”企业，对照组为非“两高”企业；同时以2008年为分界点区分政策实施前后两个阶段，构建双重差分模型：

以公司信贷融资成本率Rateit及其增长率YoYRateit作为被解释变量（Yit），下标i和t分别代表证券代码和年份；虚拟变量Treati反映该企业是否为“两高”行业，取值1代表“两高”行业，取值0代表非“两高”行业；虚拟变量Periodt反映企业是否受绿色信贷政策影响，2008年及之后取值1，2008年之前的年份取值0；交互项为didit=Treati*Periodt，其中“两高”组在政策实施之后取值为1，之前取值为0；Xit为其他控制变量，包括公司年龄、总资产规模（取对数）、流动比率、现金流量比率、资产负债率、现金流利息保障倍数、净资产收益率。对于上述模型，本文关注的重点是β1的估计值，该值度量了绿色信贷政策对上市公司信贷融资成本的影响。如果绿色信贷政策提高了“两高”公司的信贷成本，那么β1的系数显著为正，反之亦然。

（三）数据来源和变量选择

本文从国泰安数据库（CSMAR）整理数据，以2003～2016年A股上市公司面板数据为研究样本，并剔除了金融类上市公司、ST类上市公司以及部分财务数据缺失严重的样本。

1.被解释变量。本文的被解释变量为信贷融资成本率及其增长率，信贷融资成本率为财务报表附注中的利息支出及资本化利息支出之和占公司平均借款总额的比率。

2.核心解释变量。受绿色信贷影响的上市“两高”公司（didit），即交互项。关于高污染、高能耗公司的选取，按照《上市公司环保核查行业分类管理名录》（环办函[2008]373号）、《国务院批转发展改革委等部门关于抑制部分行业产能过剩和重复建设引导产业健康发展若干意见的通知》（国发[2009]38号）、《关于当前经济形势下做好环境影响评价审批工作的通知》（环办[2008]95号）等相关文件，包括：石油加工、炼焦及核燃料加工业；化学原料及化学制品制造业；非金属矿物制品业；黑色金属冶炼及压延加工业；有色金属冶炼及压延加工业；电力热力的生产和供应业等。

3.其他控制变量。为了尽可能衡量绿色信贷政策的影响，本文选取了一系列经证明能够影响信贷融资成本的控制变量。如公司年龄、公司规模、盈利能力（李光子和刘力，2009）、偿债能力（王义中和宋敏，2014）、还本付息能力（程六兵和王竹泉，2015）等。

表2 主要变量描述性统计

三、实证分析

（一）回归结果

面板数据模型包括混合回归模型、固定效应模型和随机效应模型三种。固定效应模型不适合本文的实证分析，原因为：式（1）存在不随时间改变的虚拟变量Treati，若采用固定效应模型，模型将对每个虚拟变量做组内离差变换估计，导致虚拟变量Treati完全的多重共线性。同时，随机效应模型也不适合本文的实证分析，原因为：本文所选研究对象为A股2977家（剔除后）上市公司的全样本，并非随机抽样的样本，不需要推断随机样本的总体，式（1）的Hausman检验结果显示也拒绝随机效应模型形式。因此，本文采用混合OLS对式（1）进行估计。

表3 DID模型回归结果

对式（1）进行混合OLS回归结果如表3所示，其中第（1）、（3）列未加入其他控制变量，第（2）、（4）列加入其他控制变量。可以发现，在控制公司年龄、公司规模、盈利能力、偿债能力和还本付息能力等变量时，绿色信贷政策的实施效果在1%的置信水平下显著为负，表明绿色信贷政策尚未充分发挥其利用金融杠杆提高“两高”企业融资成本，优化产业结构的作用。

（二）稳健性检验

运用双重差分法评估绿色信贷政策的影响，需要满足平行趋势假定，即处理组和对照组在绿色信贷政策实施前，信贷融资成本率有相同的趋势。除了可以画趋势图观察因变量的变化情况（图1），还可以通过改变政策执行时间进行安慰剂检验（表4），即假想实施绿色信贷政策提前几年，如果此时did不显著，即绿色信贷政策没有影响信贷融资成本率的增长率，则说明信贷融资成本的变化来自其他因素。

从图1可以看出，在2008年之前“两高”组和对照组的信贷融资成本率的趋势是基本一致的，可以认为对照组是“两高”组的合适的“实验”对照组。同时，可以发现“两高”组信贷融资成本率在2009年出现了大幅下降，这是因为2008年金融危机及年底中央政府开始实施“四万亿”政策的影响，大量资金投入铁路、公路、机场、水利等重大基础设施建设、城市电网改造、廉租住房、棚户区改造等保障性住房以及农村水电路气房等民生工程领域，不仅在当年降低了“两高”组的信贷融资成本率，还影响之后几年的信贷融资成本率。同时，在2008年后，“两高”组的信贷融资成本率仅在2014年高于对照组，说明观测期内我国绿色信贷政策的效果不明显。

图1 2003～2016年“两高”组和对照组信贷融资成本率

表4中第（1）、（2）列表示绿色信贷政策提前两年实施，即政策在2016年开始实施，第（3）、（4）列表示绿色信贷政策提前一年实施，即政策在2017年开始实施。检验结果表明，提前绿色信贷政策实施年份的交互项均不显著，说明双重差分模型满足平行趋势假定。

表4 安慰剂检验

四、主要结论

本文根据2003～2016年A股上市公司财报面板数据，运用双重差分模型分析绿色信贷政策对上市公司信贷融资成本的影响，并对模型进行稳健性检验。从实证结果看，绿色信贷政策效果显著为负，说明目前的绿色信贷政策对“两高”企业的信贷融资成本影响有限，原因主要是“两高”行业中大多是重资产、短期盈利稳定的企业或地方支柱企业。如果商业银行大面积限制或收回这部分企业的贷款，将削弱自身盈利能力，商业银行为维持自身利益，依然会对这部分企业投入大量的信贷资金，从而忽视信贷项目的环境风险。从银行数据看，2014年末，21家主要商业银行业绿色信贷余额达6.01万亿元，占其各项贷款的9.33%；2016年末，四大国有银行的绿色信贷比例均未达到8%，呈现低速发展甚至倒退的现象。同时由于缺少与绿色金融相关的基本法律制度、监管制度及激励制度，使得商业银行绿色信贷制度建设滞后，缺少专业技术的支撑，导致我国绿色信贷发展现状不容乐观。

为推动绿色信贷稳定健康发展，充分发挥政策效果，相关部门应当建立资金约束机制和激励机制。在约束机制上，加大监管力度，增加环境绩效考核标准，对未达标的商业银行追究责任和加重处罚，约束银行信贷资金投向“两高”行业。在激励机制上，对绿色信贷达到一定比例的商业银行给予相应财政补贴，同时对企业的绿色发展项目给予贷款贴息。建立环境信息共享平台，实现监管部门、商业银行和企业三方信息共享，定期发布绿色信贷发展报告，提高优秀银行和企业的市场竞争力。商业银行作为绿色信贷的主体和关键环节，应积极承担社会责任，推进“绿色银行”建设，设立绿色信贷部门，评估项目的环境风险，对绿色信贷的制定、授信与审批进行全方位的把控。同时，加强国际交流，与花旗、渣打、汇丰等积累较多绿色信贷经验的国际银行合作，不仅可以分担风险，还可以学习其在环境风险评估与管理方面的成功经验。