契约监管与重污染企业投资效率——基于《绿色信贷指引》的准自然实验

朱朝晖，谭雅妃

（浙江工商大学 财务与会计学院，浙江 杭州310018）

一、引 言

近年来，环境污染已经成为中国经济快速发展过程中不容忽视的重要问题。在环境战略方面，国家将生态文明建设纳入“五位一体”的总体布局，强调以改善环境质量为核心的绿色发展，将“生态文明”写入宪法，改革环境经济政策等一系列措施。党的十九大报告明确指出要构建市场导向的绿色技术创新，发展绿色金融体系，壮大节能环保产业，大力推进绿色发展。自“PM2.5爆表”事件以后，社会公众对环境的防污治污更加重视，尤其是重污染企业承受了更严峻的环境保护压力，他们的一举一动都受到社会各界的监督与关注，绿色发展的要求深入人心［1］。舆论的关注推动了制度的改革，也倒逼各地政府将污染防治工作摆在更加重要的位置，使行政立法机关对现有的法律进行修改完善。银行业作为推动企业发展的重要支持力量，2012年2月，为积极响应节能环保产业的发展，配合产业转型升级，原中国银监会颁布了《绿色信贷指引》政策，利用信贷监管手段，启用差别动态的授信政策，对绿色企业项目大力金融扶持，对高耗能高污染企业严格控制信贷审批流程，通过发挥信贷杠杆作用对企业投融资干预，使重污染企业由被动变主动来减少污染排放行为。在严格的绿色信贷政策下，提高重污染企业的贷款门槛，引导重污染企业投资方向值得进一步研究。

从源头来看，重污染企业是造成生态环境污染的责任主体，他们未对环境持续恶化承担相应责任，反而依据充足外源融资不断扩大投资范围，扩散当前环境污染状况。传统的命令控制型政府监管在现实中对企业的监管存在一定局限性，环境监管信息传导低效，需要在治理理念指导下政府以市场调节为基础，采用市场领域中常用的指导、契约和激励等监管方式，来提高监管实效［2］。将契约作为一种监管工具，实现监管中的抑制机制与激励机制并存，既可以对被规制者的规范，还可以运用经济手段引导企业进行治理［3］。绿色信贷政策从信贷资金上严把闸门，对重污染项目“釜底抽薪”，以此改变我国环境违法成本低而制约经济结构优化的不利局面，同时激励重污染企业在生产经营过程中自愿实现经济效益和环境效益。通过《绿色信贷指引》政策的颁布，政府和市场干预重污染企业的金融资产配置，提高非绿色项目融资成本，在实践中重污染企业的投资状况必然会受到极大影响。Lemmon和Roberts（2010）、Allet和Hudon（2015）、刘婧宇等（2015）的研究表明，通过绿色金融措施来促进污染企业环境信息披露，从声誉风险遏制金融机构对污染型项目的放贷空间，影响企业资金配置，提高融资成本及投资风险［4-6］。已有的研究主要从宏观层面关注绿色信贷解决环境保护与经济效益的矛盾［7］，从经验分析的规范性层面进行研究，或是从微观层面分析绿色金融强化公司治理对环境治理的作用［8］。现有文献中还是较少从债务契约治理角度运用实证方法探讨绿色信贷政策对污染企业的具体投资效率的影响，以及政策推动的市场导向监管能否抑制重污染企业的过度投资行为。本文将研究领域拓展为根据《绿色信贷指引》政策对重污染企业实施契约监管以改进其投资效率，并探析其影响机制以便有效提高绿色信贷服务实体经济的功能效率。

本文采用我国A 股上市公司2008-2018 年的数据，运用双重差分（DID）实证模型，来考察《绿色信贷指引》政策推行影响银行与企业投资效率的问题。实证结果显示，首先，相比绿色信贷政策实施之前，重污染企业的非效率投资，尤其是过度投资在绿色信贷政策实施之后都有显著下降，这说明绿色信贷政策对重污染企业投资效率有显著的促进作用。其次，中介效应检验发现，《绿色信贷指引》政策显著增加了重污染企业的银行贷款契约严苛程度，从而遏制了重污染企业的非效率投资行为。最后，发现运用绿色信贷的契约监管方式抑制企业过度投资的影响，在媒体关注度越高以及政企关系紧密的重污染企业中更显著。

综合来看，研究结果显示，本文可能存在以下边际贡献：第一，从理论角度，单独研究绿色信贷政策及企业治理的文献已有，但是从银行债务契约治理视角来研究绿色信贷政策与企业投资效率关系的实证论文较少。本文从微观财务角度进行实证研究，银行业约束企业共同转型，对绿色信贷政策实施效果进行定量研究，为淘汰落后产能、化解目前重污染企业产能过剩和非效率投资的情形提供经验证据。第二，从政策角度，金融发展与污染企业绿色转型的互动关系已成为目前政策制定者最关注领域之一。本文对绿色信贷政策实施的经济后果进行研究，以契约监管的柔性偏好辅助公权力监管的刚性偏好，力求依靠金融机构绿色信贷的有效扶持和激励措施，为企业发展绿色项目提供充裕的资金支持，同时强化对棕色、灰色甚至部分黑色经济融资契约约束，从体制上寻求绿色发展与经济增长齐头并进的有效方式。第三，从技术角度，本文克服了现有研究可能存在的内生性问题。本文利用《绿色信贷指引》政策这一外生事件，构建了双重差分（DID）模型，克服了互为因果的内生性问题，为重污染企业的投资效率是否真正受到绿色信贷政策的影响提供了经验证据。

二、制度背景、理论分析与研究假设

（一）制度背景

早在1972 年，发达国家就对当时的经济发展方式产生了担忧，生态资源环境恶化，灾害频频发生，各国意识到“先污染、后治理”发展模式阻碍了经济可持续发展的道路。2003 年，发达国家的银行机构协商提出了具有代表性的“赤道原则”以及“社会投资责任原则”，这些原则共同点在于开始通过商业银行在项目筹资决策时权衡经济、社会和环境的平衡，将投资行为从传统的经济效益转变为符合社会环境效益模式，但这些原则并不具备法律的强制约束效应［9］。国际社会也是在社会组织与商业机构的推动下对发展绿色金融达成共识［10］，也为中国提供了推行绿色信贷政策的经验。

中国近20年的经济发展也同样经历了污染到治理的过程，片面追求经济增长速度的唯GDP政绩观，致使高能耗高污染行业能源利用率低，产能过剩，环境污染严重，忽视了经济社会和自然环境的和谐发展。严重的生态环境问题不仅带来了巨大的健康威胁，也严重阻碍了经济的可持续发展。在此背景下，党中央、国务院提出转变发展方式，将生态文明建设和环境治理上升为国家战略部署的高度，提出绿色发展，建设“美丽中国”的理念。发展绿色金融则是我国经济绿色转型的重要推手，中国政府践行着“自上而下”的推动模式，全面发展绿色金融。Labatt 和White（2002）在《可持续金融和银行业：金融部门与金融业的未来》一书中就提出，绿色信贷政策是治理环境污染的有效绿色金融创新［11］。人民银行及原银监会于2007年就先后发布了《关于落实环境保护政策法规防范信贷风险的意见》和《节能减排授信工作指导意见》，但是政策尚未达到预期效果，银行仍有对建设落后产能进行贷款。正式规范绿色信贷是在2012年针对能效行业出台的《绿色信贷指引》政策，从多方面对银行业发展绿色信贷提出要求，加大支持绿色、低碳和循环经济的发展力度。银行监管部门将节能减排、资源节约、采用绿色新技术的项目贷款归为绿色信贷，提供低贷款利率、增加授信额度、提供长期贷款等多种金融优惠扶持措施，而对“两高一剩”等污染型企业的非绿色新建投资项目严格限制贷款额度。绿色信贷改革不仅是依靠政府的政策推动，更是充分发挥市场配置的契约监管手段，通过体制创新这一正向激励机制，利用金融资源配置降低绿色项目融资成本，引导污染型企业自觉向可循环利用、节能减排的绿色领域转型。

（二）理论分析与研究假设

1.《绿色信贷指引》政策与投资效率

企业进行投资活动是企业存在与发展的基础，为实现资本增值，企业会增加对市场新出现机会的投资。而在实际经营过程中，实际投资与投资需求并不契合，非效率投资在我国上市公司中普遍存在，主要包括过度投资与投资不足［12-14］。Myers（1977）基于代理理论认为，股东和债权人的利益冲突会引发非效率投资［15］。根据已有文献，债务结构影响了企业治理效率，企业融资主要渠道还是依靠银行来补充自由现金流［16］，管理者的自利行为会将多余的资金用于对自己有利而损害企业价值的项目上，引发非效率投资［17］。若融资空间越大口径越宽松，自由现金流过多就容易产生过度投资问题［18］，反之融资渠道越紧缩，自由现金流减少则会引起投资不足的问题。黄乾富等（2009）验证了我国制造业上市公司债务对过度投资的治理作用［19］。因此，当外部制度环境改变，要求银行业对重污染企业的信贷制度实行约束措施，则会对企业投资效率有所改善。

《绿色信贷指引》政策的推行是企业进行绿色转型而提供的一种有效激励手段［20］，银行业将企业环保行为纳入贷款的考量范围，这对重污染企业信贷资金的重新配置和投资相关的生产决策会产生较大影响。一方面，《绿色信贷指引》政策能够对管理者的经营决策实施有效的监管。早些年信贷限制条件宽松，许多产能过剩的重污染企业盲目扩大企业规模，管理者出于追求自身利益的目的，可能造成过度投资损害了公司价值［21］。随着现在环保“风暴”骤然刮起，部分重污染型企业污染排放量大的项目逐步被责令关闭，也导致不少企业出现订单违约，现金流不足的状况。虽然绿色信贷政策执行较为灵活，不具有强制性，但是对重污染企业而言，政策调整加市场调节下的环保压力加剧，使得企业贷款难度增大，随时面临资金链断裂的风险冲击。破产的潜在压力使得管理者不得不出于对个人名声及利益的考虑［22］，减少对自由现金流的滥用，企业当期可支配资金的减少会使得管理者更为合理把握资金投资去向，抑制过度投资。另一方面，《绿色信贷指引》政策能够缓解银行与企业之间的信息不对称，帮助企业更好把握投资机会，及时调整投资策略。从市场来看，银行作为债权人与企业之间的信息不对称会产生较高贷款风险［23］。政策颁布后，银行不仅承担着对违规向环境违法项目贷款行为的责任追究和处罚，还承担着一旦污染企业被环保部门查处，银行向污染企业的贷款会面临血本无归的风险。因此银行对企业贷款前的审核愈发严格，在环境和社会风险突出的地区还需要组织开展专项现场检查，根据企业环境行为履行情况，来监督、评估、控制绿色信贷业务的执行。《绿色信贷指引》政策有效降低了企业与银行之间的环境信息不对称，强化了信贷监督，限制了部分不符合国家绿色产业政策指引的重污染企业的项目审批以及融资空间。资本的逐利性使得企业在绿色信贷优惠政策下，激励企业重估未来市场的发展前景，在企业绿色转型过程中调整产能，审慎选择投资，将更多的资金设备投入到生产研发的有效投资中去［24］。避免重污染企业错失发展机会，从而提高投资效率。总体来看，污染企业在《绿色信贷指引》政策颁布后扩大投资的能力受到了极大限制，过度投资的现象会进一步减少，并且由于绿色信贷政策的约束降低了企业对投资机会的敏感性，故而对重污染企业的投资不足行为影响不明显。

基于此，本文提出假设1。

H1：推行绿色信贷政策后，相对于非重污染企业，重污染企业的非效率投资行为得到抑制，具体表现为过度投资行为。

2.《绿色信贷指引》政策、银行贷款契约与投资效率

《绿色信贷指引》政策的推行能否发挥对重污染企业的治理作用，抑制投资过度，关键是在于能否通过银行债务契约的治理将软约束实现为硬约束。新制度经济学认为企业在本质上就是契约的集合，信贷契约的执行是实现公司高效治理的必要条件［25］。从债权人监管视角来看，银行业作为利益相关者的外部监督力量，参与公司治理能够发挥监管效应和自由现金流效应［16，26］。一方面基于控制权理论，Aghion 和Bolton（1992）最早提出债务契约能有效配置企业剩余控制权的观点［27］。在不完全契约下，任何债务融资契约都是依附于企业收益状况的控制权相机配置机制。银行通过与企业订立契约，转移企业部分债务融资的控制权至银行，以补偿其相应的现金流风险，并且随着企业风险的增加，控制权转移程度越深，企业管理者为避免控制权丧失而谨慎投资［28］。重污染企业在面对颁布的《绿色信贷指引》新政策时，投资风险增加，既可能促使银行向其提供信贷更为谨慎，订立更严格的契约，使企业风险的控制权转移增加，同时能够促使企业做出更为稳健的投资决策，并降低过度投资。另一方面，基于债务契约理论，在银行债权治理机制中，正式的契约治理处于主导地位［29］，银行贷款契约兼具了信贷契约和公司治理功能，设置详尽的契约条款来明确银企双方的责任与义务，有助于约束企业的机会主义行为，减少企业的代理成本，也在一定程度上约束企业管理者的私利行为［30］。《绿色信贷指引》是基于环境约束的信贷配给政策［31］，遵循企业环保行为的优劣来分配信贷。银行为保证其债权人自身利益而规避信贷风险，尤其在绿色信贷政策推行后，银行通过设置诸多限制性条款来遏制重污染企业的融资。在债务契约治理效应发挥作用下，银行贷款契约所立的各项条款都是决定企业投资的重要决策因素［32］。银行贷款契约越严苛，为了获取更低的融资成本更多的信贷资金，银行贷款契约的法律约束会使得管理者遵守未来偿还现金流的承诺，对企业进行有效投资而非盲目扩张，限制将现金运用至收益率低的项目，提高代理治理效率，避免重污染企业面临到期无法还债的风险，从而控制重污染企业过度投资行为。

基于此，本文提出假设2。

H2：相对于非重污染企业而言，绿色信贷政策所带来的更严苛的银行贷款契约能够更有效地抑制重污染企业的非效率投资，具体表现为过度投资。

三、研究设计

（一）样本选取

样本选取期间为2008-2018 年，以中国沪深A股工业上市公司为初始样本。按照原环保部发布的《上市公司环保核查行业分类名录》划分重点管控的重污染企业作为本研究的实验组，其中涵盖火电、钢铁、水泥、化工、有色、石化等行业。按照《上市公司行业分类指引》，将同一类别但不属于重污染行业的企业（非重污染企业）作为对照组。同时本文对样本按照以下标准进行了筛选：剔除ST 和*ST 情形、银行保险等金融行业样本；删除模型中数据缺失的样本。为避免异常值的影响，所有相关连续变量对小于1%分位数和大于99%分位数的变量进行了Winsorize 缩尾处理。经上述筛选，最终得到11 469家样本企业的年度观测值。

（二）变量定义

1.被解释变量

本文的被解释变量为企业投资效率。关于度量投资效率指标，广泛参考Richardson（2006）的做法［14］，根据模型中残差项来计算A股上市公司投资效率，具体回归模型如下：

其中，Invi,t为公司投资支出；Growthi,t-1为上一期公司成长性水平，本文取托宾Q值；Sizei,t-1表示上一期公司规模，为公司年末总资产的自然对数；Levi,t-1为公司上一期资产负债率；Cashi,t-1为上一期公司现金持有水平；Agei,t-1为上一期上市年龄；Returni,t-1为公司上一期年度超额回报率，定义为考虑现金红利再投资年度回报率减去综合A 股市场年度回报率；Invi,t-1为上一期的投资支出，Industryi,t为行业虚拟变量；Yeari,t为年份虚拟变量。对模型进行OLS 回归，残差εi,t的绝对值代表企业的非效率投资程度，即为本文的被解释变量，非效率投资（Invest）指标。若残差值大于0说明企业存在过度投资行为，值越大则过度投资程度越强，即为过度投资（Overinvest）指标。

2.解释变量

本文的解释变量为《绿色信贷指引》政策颁布。如上述制度背景中所阐述的，绿色信贷指引颁布时间为2012 年。为度量政策实施的影响，设置虚拟变量Post，当企业在政策颁布之后的时间取值为1，反之则取0。同时，设置实验组和对照组的虚拟变量Treat，该变量按上述行业划分将重污染企业取值为1，非重污染企业取值为0。

3.中介变量

银行贷款契约严苛程度（Loan）。银行贷款契约组成条款众多，本文借鉴刘常建等（2019）、Graham et al.（2008）、肖作平等（2018）的研究，以银行贷款金额（短期借款、长期借款以及一年之内到期的长期借款之和）占企业总资产的变动比率来衡量，若较上一年该比率下降则表示银行贷款契约严苛，上升则宽松［1，33-34］。为研究结果便于分析，变量Loan 取较上一年比率的减少值，代表变量Loan 下降越多则银行契约越严苛。

4.控制变量

参考陈幸幸等（2019）和蔡海静等（2019）的相关研究，加入其他对投资效率可能产生影响的因素［8，35］，包括产权性质（Gov）、公司规模（Size）、上市年数（Age）、现金持有率（Cash）、成长性（Growth）、总资产周转率（Turnover）、资产负债率（Lev）、二职兼任（Dual）、盈利能力（Roa）、股权集中度（Shareholder）、董事会规模（Board）、监事会规模（Superviser）和市场化指数（Market）等。为防止极端值对回归结果的影响，已对连续变量进行了缩尾处理，结果见表1所列。

表1 变量选择及度量方式

（三）实证模型

参考苏冬蔚（2018）的研究［18］，构建以下DID模型：

本文重点关注Post×Treat的系数β3，若交互项为负数，说明重污染企业在《绿色信贷指引》颁布之后，能够显著抑制非效率投资以及企业的过度投资行为。

四、实证结果与分析

（一）描述性统计

表2为主要变量的描述性统计，因变量方面，非效率投资（Invest）的均值和标准差分别为0.045 9和0.05，最小值和最大值分别为0.000 8 和0.304 6，说明不同上市公司非效率投资相差较大。过度投资（Overinvest）的均值和标准差为0.022 1和0.051，说明上市公司存在一定的过度投资情况。控制变量方面，规模（Size）、公司年龄（Age）、成长性（Growth）、资产负债率（Lev）等特征值较为符合上市公司现实。

表2 变量描述性统计

表3 为《绿色信贷指引》政策颁布前后重污染企业和非重污染企业主要指标的差异描述性统计。就非效率投资（Invest）而言，在《绿色信贷指引》政策颁布前，实验组与对照组的非效率投资差为0.008，差异在1%水平上显著，重污染企业在非效率投资上显著高于非重污染企业。而政策颁布后，实验组与对照组之间的非效率差异增加到-0.003，在1%的水平上显著，重污染企业显著低于非重污染企业。从组内差异上看，《绿色信贷指引》政策实施后，重污染企业的非效率投资下降更明显。总体来看，政策前后实验组与对照组的差异为-0.011，T值为4.82，在1%水平上显著，说明绿色信贷政策实施抑制了重污染企业的非效率投资。

就过度投资（Overinvest）而言，《绿色信贷指引》政策实施之前，信贷政策较为宽松，实验组与控制组的过度投资差为0.009，在1%水平上显著，重污染企业显著高于非重污染企业。在《绿色信贷指引》政策实施后，实验组与控制组的过度投资差异显著。从组内差异来看，重污染企业的过度投资从0.031降低到0.020，差距较非重污染企业明显。总体来看，政策前后实验组与对照组的差异为-0.009，T值为3.7，在1%的水平上显著，说明绿色信贷政策的实施抑制了重污染企业的过度投资，初步支持H1。

表3 均值差异检验

（二）回归结果及分析

1.《绿色信贷指引》政策和投资效率

本文主要是研究《绿色信贷指引》政策实施前后重污染企业投资效率的变化，即关注的是Treat×Post 的系数。结合前文分析，若H1 结果成立，则Treat×Post 交互项应显著为负，表明《绿色信贷指引》实施后，重污染企业的非效率投资得到了有效抑制。由表4运用双重差分方法（DID）回归分析的结果可知，Treat×Post对非效率投资（Invest）和过度投资（Overinvest）的回归系数分别在模型（1）和模型（2）只控制年度固定效应、模型（3）和模型（4）控制年度和行业固定效应以及模型（5）和模型（6）控制年度和公司固定效应情况下，回归系数均为负值，且都在1%的水平上显著。该结果说明，重污染企业在《绿色信贷指引》政策实施后，非效率投资得到有效缓解，同样过度投资得到相应抑制，从而支持了本文H1。

表4 回归分析结果

续表4

2.《绿色信贷指引》政策对投资效率的作用机制

为了验证《绿色信贷指引》政策通过银行贷款契约严苛程度（Loan）来进一步约束重污染企业非效率投资及过度投资是否成立，本文借鉴Baron 和Kenny（1986）的中介效应模型［36］，参考于连超（2019）等的研究方法［37］，结合公式（2），构建公式（3）和（4）进行分析。

其中，银行贷款契约严苛程度（Loan）为中介变量，其余变量均与上述政策效应检验模型中的变量相一致，得到的回归结果见表5所列。结果显示，模型（1）（2）（3）是银行贷款契约影响非效率投资的中介效应回归结果，其中模型（1）（2）（3）的交互项系数均显著负相关，模型（3）银行贷款契约（Loan）的系数显著正相关，说明绿色信贷政策的颁布对企业投资效率的影响确实是有部分通过银行贷款契约的严苛程度实现的。模型（4）（5）（6）是银行贷款契约影响过度投资的中介效应回归结果，可以看到模型（4）（5）（6）的交互项系数均显著负相关，模型（6）银行贷款契约（Loan）的系数显著正相关，说明绿色信贷政策通过提高银行贷款契约严苛程度来约束企业的过度投资。且经过Sobel进一步检验，其中非投资效率的Z值为2.9，P＜0.05，过度投资的Z值为3.323，P＜0.01。结果表明，银行贷款契约严苛程度部分中介效应显著存在，H2得到了验证。

表5 银行贷款契约作用机制

（三）稳健性检验

1.对投资不足和过度投资进行检验

参考Richardson（2006）模型计算得到投资不足（Underinvest）以及过度投资（Overinvest）的情况［14］，若模型的回归残差小于0，则取残差的绝对值为投资不足，剩余样本的缺失值取0。过度投资如同前文所述，为回归残差大于0 的残差数，缺失值取0。对全样本进行回归，可以看出表6 中模型（1）（3）（5）所示不同固定效应情况下，投资不足的Treat×Post 系数均不显著，而投资过度的交叉项系数在1%水平上显著为负，意味着《绿色信贷指引》政策确实对重污染企业的投资效率有影响，但对投资不足没有产生显著影响，主要表现为抑制投资过度，前述结论保持不变。

表6 投资效率回归分析检验

2.倾向得分匹配法加双重差分法检验（PSMDID）

为了进一步保证实证结果的稳健性，对模型进行倾向得分配（PSM）后再进行DID 检验，若回归结果与前文相同，则说明前文的实证结果具有较高的稳健性。本文对重污染企业与非重污染企业采用最近邻匹配方法，对保留下匹配后的样本进行双重差分模型回归，回归结果见表7 所列。在模型（1）和模型（2）中控制时间固定效应，非效 率 投 资（Invest）和 过 度 投 资（Overinvest）的Treat×Post 系数分别为-0.007 4 和-0.006 9，在5%的水平上显著为负，说明绿色信贷政策的实施削弱了企业非效率投资中投资过度的行为。模型（3）和模型（4）在控制时间基础上加上控制行业固定效应，使得结果更具有可信性，非效率投资（Invest）和过度投资（Overinvest）的Treat×Post 系数同样在5%水平上显著为负，结果进一步证实了绿色信贷政策实施可以引导重污染企业做出更有效率的投资行为，也说明了前文DID 结果的合理性。

表7 PSM-DID检验

3.平行趋势检验

本文参照Li（2016）的研究方法，进一步对非效率投资（Invest）和过度投资（Overinvest）进行平行趋势检验［38］。Before和After代表了样本在《绿色信贷指引》颁布前后的时间差，Current 表示政策实施当年。从表8 来看，DID 的检验结果在政策实施之前，非效率投资和过度投资的趋势是一致的，系数是从正数逐步下降为负数，且并不显著，说明在政策实施之前实验组与对照组之间没有明显的抑制非效率投资趋势差异。而在政策实施后，确实抑制了重污染企业的非效率投资和过度投资，系数为负数且均在1%或5%的水平上显著，符合上述文中的结论。

表8 平行趋势检验结果

从图1 的平时趋势检验中可以明显看出，在2012 年《绿色信贷指引》政策颁布后，样本的非效率投资以及过度投资的走势逐年向下，说明政策效力显著。虽然政策颁布当年，非效率投资和过度投资并未完全得到抑制，但从次年开始结果一直呈现明显抑制作用。这一结果说明，《绿色信贷指引》政策的实施对于投资过度的抑制也不是立竿见影的，可能正是由于该政策实施属于激励性的契约监管政策，并没有实施强硬的处罚措施，使得重污染企业过度投资需要在后一期才能够完全显现效果。从平行趋势检验来看，《绿色信贷指引》政策在实施之后对企业缓解非效率投资效果有效，尤其是抑制了重污染企业的过度投资行为。

4.安慰剂检验

为了排除其他政策的影响，本文进行时间安慰剂检验。假定《绿色信贷指引》政策出台时间不在2012 年，而是将2009 年和2010 年作为政策实施发生的时间点，获取前两年和后三年的相关数据，构建新的时间虚拟变量。在表9 中，模型（1）和模型（2）是虚构《绿色信贷指引》政策实施时间为2009年的结果，变量处理与上文相同，结果显示，Treat×Post的交互项系数为负，但未通过显著性检验。模型（3）和模型（4）是假设《绿色信贷指引》政策在2010年颁布时的结果，交互项估计系数为负，但未通过显著性检验。其稳健性检验结果支持上文结论。

图1 平行趋势检验

表9 安慰剂测试

5.替换因变量

本文进行两种方式来替换因变量。①参考潘越（2020）运用虚拟变量替换因变量过度投资（Overinvest_Dum）［39］，将回归残值大于0的取值为1，否则为0。回归时使用Logit 方法进行估计。表10显示，模型（1）中Treat×Post的系数为-0.229 2，在5%的置信水平上显著，与基准回归结论相同。②本文参考Richardson（2006）的模型估计投资效率时［14］，其中成长性指标的计算采用的是托宾Q值，为了增加稳健性，将该指标替换为企业的营业收入增长率，重新估计投资效率（Invest1）和过度投资（Overinvest1）。表10模型（2）和（3）显示，重新估计的结果交叉项系数仍在1%水平上显著为负，与前文基准回归结论相同。

表10 替换因变量回归分析

五、进一步分析

为了进一步探究《绿色信贷指引》政策的外部治理效应，本文从媒体关注度和政企关联两方面对基础回归公式进行样本分组测试，检验在不同的情况下，《绿色信贷指引》政策实施对于企业投资效率的影响。

（一）按媒体关注度进一步分组

媒体作为资本市场的间接参与者，发挥着外部监督的力量。媒体关注通过监督机制和声誉机制来影响企业的投资行为。通过监督机制，在绿色信贷政策推行中，提高重污染企业环境信息披露水平，引起监管机构干预，鉴别重污染企业财务状况及信用水平，降低债权人的风险并促进企业进行有效投资［40］；通过社会声誉机制激励重污染企业转型进行绿色投资，在严格的绿色信贷标准下，达到银行环境评价体系，以便获得足够贷款支持的同时也能够获得良好社会声誉。社会声誉对企业可持续发展和社会认同会产生较大的积极作用［41］。

本文参考Fang et al.（2009）的研究，采用媒体和网络报道公司的频数之和取自然对数作为媒体关注度［42］。将媒体关注度进一步区分为媒体关注度低（Media_L）和媒体关注度高（Media_H）两个子样本，分别进行双重差分（DID）的分组检验。表11为按照媒体关注度高低进行分组的假设检验结果。本文借鉴Liu et al.（2013）的分组方式，将新闻媒体报道该公司频数的自然对数大于50%分位数的企业定义为关注度高的分组，反之则为关注度低的分组［43］。从分析结果可以看出，在模型（1）和模型（2）中，报道频次高的组回归系数为-0.014 2，在1%的置信水平上显著，而报道频次低的组系数为-0.007 6，但未通过显著性检验，说明在较高媒体关注度的情况下，重污染企业在绿色信贷政策实施后对非效率投资行为有了更强烈的抑制效果。同样的，在模型（3）和模型（4）中，报道频次低的组回归系数为-0.008，未通过显著性检验，而报道频次高的组回归系数为-0.014 8，在1%置信水平上显著，意味着媒体关注度越高的重污染企业，在政策实施后较媒体关注度低者的过度投资效应抑制更明显。

表11 按媒体关注度调节分组的回归结果

（二）按政企关系进一步分组

中国上市公司经营活动与西方国家有很大的区别，政府对企业经营决策有着或多或少的干预。地方政府通常控制着商业银行的信贷投放，与政府关系越紧密的公司，往往受到政府干预越强烈［44-45］，更容易从银行获得贷款进行过度投资［46］。特别在新政策颁布后，政府发挥着“干预之手”的作用，推动着企业的执行。与政府关系密切的重污染企业的管理者具有更高的政治敏锐性，会在制定企业战略时迎合政府决策，依照国家下发的绿色信贷政策对投资方向和规模做出相应的调整。

本文借鉴Chen et al.（2011）的做法，把企业高管的政治背景作为衡量政企关系的维度［47］。高管政治背景越强，为满足政府需要，更愿意按政府设定的目标进行投资。因此将政企关系进一步区分为无政治关联（Politic_L）和有政治关联（Politic_H）两个子样本，分别进行双重差分（DID）的分组检验。表12为按照有无政企关联进行分组的假设检验结果。本文借鉴张敏等（2013）的研究，设置政治关联虚拟变量［48］，如果企业董事长或总经理曾任职于政府或担任各级人大代表、政协委员等，则定义为有政治关联的组，取值为1；否则为无政治关联的组，取值为0。从分析结果可以看出，在模型（1）和模型（2）中，有政治关联的组回归系数为-0.010 7，在1%的置信水平上显著，而无政治关联的组系数为-0.010 1，但未通过显著性检验，说明相比无政治关联的重污染企业，有政治关联者在绿色信贷政策实施后对非效率投资行为有了更强烈的抑制效果。同样的，在模型（3）和模型（4）中，有政治关联的组回归系数为-0.010 8，在1%水平上通过显著性检验，而无政治关联的组回归系数为-0.010 8，未通过显著性检验，意味着相较无政企关联的重污染企业，在政策实施后有政治关联的重污染企业过度投资效应抑制更明显。

六、结论与启示

我国经济发展以生态环境保护为基础，实行可持续发展的道路。基于大力治理环境的社会背景，政府颁布的《绿色信贷指引》政策，是一项有效的市场化正向激励制度。以灵活的契约监管方式，遏制了重污染行业在发展经济过程中急功近利、盲目投资发展的势头。对于企业而言，绿色信贷政策并非只是为了单方面地限制企业融资，而是正确引导企业的发展方向，防范企业投资风险。这一举措既是银行业和企业共同实现绿色转型发展，也是破解资源环境约束、落实国家节能减排的有效途径。

本文采用中国A 股上市公司的数据，借助《绿色信贷指引》政策的颁布，划分了重污染企业和非污染型企业，从投资效率的视角，对绿色信贷指引政策的经济后果进行评价。实证结果显示，相较于绿色信贷政策颁布前，重污染企业在非效率投资尤其是过度投资上均有显著抑制。经过一系列稳健性检测之后，结论仍然成立。同时本文发现绿色信贷对重污染企业投资效率的影响，是金融机构随着政策的颁布，通过严格限制银行贷款契约，有效制约污染性投资，实现企业环境效益。在进一步研究分析中，绿色信贷政策实施也受到外部社会各界监督者的关注，从利益相关者的角度，发现在不同监督程度下的差异，媒体关注度高以及具有紧密政企关联的重污染企业在绿色信贷政策颁布后对企业投资效率影响更大。因此，本文为绿色信贷政策执行的应用价值提供了证据，丰富了绿色信贷与重污染企业投资的相关文献。

本文的结论为政策制定者如何利用信贷政策的契约监管刺激企业进行经济转型提供了重要启示。一方面，政府部门要加强对类似绿色信贷指引规范的研究和制定，不断扩展绿色金融客户。绿色信贷政策在影响企业融资方面存在着“契约”传导渠道，正式的契约约束是有效的环境规制方式。可见银行严格控制对重污染企业的信贷支持，提高信贷门槛，引导企业有效投资取得了阶段性政策效果。另一方面，为督促重污染企业作为责任主体自觉防污治污，应当引导媒体机构及政府外部治理助力企业投资转型，建立一套适用于地方政府对绿色信贷政策实施效果的评价体系，在社会各界的关注下推动企业自觉主动地履行信贷政策。