货币政策担保品扩容促进了重污染企业技术创新吗*——基于绿色信贷资产纳入MLF担保品的准自然实验

孟 昊 肖 雄

一、引言

近年来，我国正处于转变经济发展方式的攻坚阶段，金融政策的支持必不可缺。党的十九届五中全会提出要推动绿色发展，创新结构性货币政策工具，引导金融机构优化信贷结构，发展绿色信贷。2018年6月，中国人民银行将绿色信贷资产纳入中期借贷便利担保品的范围。这一举措兼具金融资源配置与环境规制双重功能，既扩充了担保品范围，引导资金流向绿色经济领域，又强化了金融政策对环境治理的支持作用(陆菁等，2021)。

受此政策影响最大的当属重污染企业。重污染企业历史上一直是中国信贷资源配置的重点行业之一，且借款量排名前十位的行业平均排放约是其他行业的2 倍(刘锡良和文书洋，2019)。担保品扩容新政的实施会导致金融机构更多地向绿色信贷调整投向，重污染企业的传统融资类型会面临更高的融资约束。诚然，担保品扩容的目的绝非是限制重污染企业的发展，而是借此推动此类企业加快技术升级与创新，向绿色低碳、清洁环保转型(李均锋，2014)。理论上，在面对环境规制和金融约束不断强化的情况下，企业会考虑提高其研发创新能力和强度，以适应新的规制和约束条件。因此，重污染企业在新政的激励下，与非重污染企业相比，通过创新来提升“绿色”水平的动机应该更强(Porter & Der Linde，1995)。或者说，绿色信贷资产纳入担保品框架会对重污染企业的技术创新产生更明显的促进作用。同时，我们也看到，在实践中，担保品扩容政策的有效性又会受到商业银行执行效率、企业特质和应对策略以及其他外部条件的影响和制约。因此，深入探讨绿色信贷资产纳入货币政策担保品范围能否对我国重污染企业的技术创新产生影响，了解其作用机理，进而分析在不同产权性质、不同金融发展程度、不同融资约束程度以及不同社会责任等条件下，政策实施是否具有异质性等问题，对于评估政策效用具有重要作用，同时也是新时代实现经济结构优化与环境和谐共生的一个重要理论和现实问题。

与上述问题相关的研究主要包括三个部分。一是货币政策传导的信贷渠道问题，最早由Bernanke和Blinder(1988)提出。后续国内外学者分别对不同样本的银行贷款渠道和企业资产负债表渠道做了实证研究，大多证明信贷渠道确实存在(姚余栋和李宏瑾，2013；Sørensen，2015)。研究者还分别从微观和宏观视角证明了货币政策信贷传导会影响上市企业的投资行为(Becker & Ivashina，2014)，改变就业和产出水平(Fiorentini & Tamborini，2002；Cornille et al.，2017)。此外，包括企业债券、商业信用、银行同业业务扩张、影子银行、数字金融和非正规金融发展等因素都会影响信贷渠道的传导效果(张梦云等，2016；卢盛荣等，2019；战明华等，2020)。二是关于新型货币政策对经济金融的作用问题，研究结论不尽相同。一些学者以美国和欧洲常规经济为样本，证明了新型货币政策和常规型货币政策是互补的，在经济中共同发挥作用(Fiorelli & Meliciani，2019)，能够有效地缓解金融状况(Bernanke，2020)。另一些学者却发现，在金融危机期间，非常规货币政策效果变弱。在此基础上，有学者进而对央行担保品进行了研究，在抵押品框架能否增强金融市场稳定性，是否影响企业经营等方面得出了有差异的结论(Rule，2012；Nyborg，2017；Fecht et al.，2016；郭晔和房芳，2021)。三是绿色信贷政策影响企业创新问题。绿色信贷政策本质上是传统环境规制的延伸和创新(刘强等，2020)，但绿色信贷政策对企业创新的影响研究结论是不一致的。一些学者认为绿色信贷能够通过研发投入激励企业创新，但存在一定的时滞效应，融资约束程度越高的企业创新动机越强(何凌云等，2019)。绿色信贷政策对国有企业和经济欠发达地区企业的创新效率提升更为明显(刘强等，2020)，且能够显著提升企业环境和社会绩效(王馨和王营，2021)。另外一些学者如曹廷求等(2021)则认为，绿色信贷政策通过抑制重污染企业的长期贷款，减少企业的资金来源从而抑制企业创新，但长期来看这种抑制效果是渐弱的。陆菁等(2021)同样发现，该政策不能产生波特效应，并且区域金融发展越落后、固定资产占比越低的企业，尤其是国有重污染企业受到的负面冲击越显著。

综上所述，现有文献的不足之处在于：一是对绿色信贷资产纳入担保品的政策效应实证评估还不充分；二是担保品扩容政策对重污染企业创新影响的机理分析尚需进一步深化并作出验证。

有鉴于此，本文选择重污染企业作为研究对象，分析绿色信贷资产纳入中期借贷便利(medium term lending facility,MLF)担保品影响重污染企业技术创新的作用机理，以2013～2020年间沪、深两市A股上市公司为样本，将2018年担保品扩容作为准自然实验，采用PSM-DID方法实证检验扩容政策产生的绿色效应，并在产权性质、企业所在地金融发展程度、企业融资约束程度和社会责任评级程度不同的条件下，验证政策实施带来的异质化影响，最后通过安慰剂和增加控制变量的方法对实证结果进行稳健检验。

本文的边际贡献在于：首先，对担保品扩容政策影响重污染企业技术创新的机理和传导路径做了补充完善，拓展了该政策效应的研究框架；其次，通过对我国重污染上市企业数据的经验分析，验证了扩容政策在重污染企业领域的执行效应，为政策推进提供了新的经验证据。

二、理论机理与研究假说

(一)货币政策担保品扩容促进重污染企业技术创新的理论机制

央行传统的货币政策通常是通过调整商业银行的负债端，即货币数量来影响信贷规模，进而调控宏观经济。但传统政策对信贷投向的影响力较弱，且政策效果还会受到商业银行行业偏好、风险承受力、市场预期等多因素的影响，因此，传统货币政策对产业结构升级的作用是有限的。将绿色信贷资产纳入担保品框架是弥补传统货币政策定向效应不强、提升新型货币政策绿色效应的一种新手段。这意味着央行在为商业银行提供中期借贷便利的同时要求商业银行提供绿色信贷资产质押，这样央行就能够直接影响商业银行的信贷投向和规模，从而提升货币政策促进产业绿色升级的能力。

具体而言，这一目标是通过银行信贷渠道和企业资产负债表渠道来实现的。从银行视角看，由于持有合格绿色资产的商业银行可以从央行获得较低成本的担保融资，这不仅会提升商业银行对此类信贷的配置意愿和放贷规模，还可能因为资产流动性的提升促使商业银行考虑适当降低绿色信贷融资成本，从而提高特征企业或绿色领域的融资可得性，降低外部融资溢价，客观上为产业绿色升级提供支持。

从重污染企业视角看，在商业银行信贷总规模维持稳定的情况下，针对绿色信贷担保品扩容的政策实施反而限制了传统重污染企业的融资能力和规模，出于生存的需要和长久利益的综合考量，理性的相关企业通常会采取积极措施，加大技术创新力度，提升绿色水平以应对政策规制并努力争取政策红利。

此外，根据“金融加速器机制”假说(Bernanke et al.，1998)，货币政策会通过影响企业资产负债表状况进而影响企业经济行为。将绿色信贷纳入担保品框架的行为客观上起到了央行为特征企业信用“背书”的作用，使得技术创新等绿色行动具有了更强的质权、流动性和价值性，从而在一定程度上有利于重污染企业资产负债表状况的改善，降低信贷抵押物要求，最终有助于重污染企业降低融资成本，提升融资便利程度和规模。

由此可见，无论是基于银行信贷渠道还是企业资产负债表渠道，央行担保品扩容政策的实施在理论上都有利于促进重污染企业加速技术创新，推进绿色转型。因此，本文提出以下假设：

H1：政策实施通过信贷渠道和资产负债表渠道对重污染企业技术创新有正向促进作用。

(二)货币政策担保品扩容促进重污染企业技术创新的异质性影响

现有研究成果表明，货币政策的市场效应会受到区域经济金融发展程度、企业产权性质、企业融资约束度以及企业社会责任感等因素的影响产生异质性结论。

首先，区域金融发展程度会影响货币政策担保品扩容的政策效果。因为金融发展水平高的地区可以为企业提供信息更对称的市场环境和更加完善、便利的融资方式和条件(曹廷求等，2021)，所以在这样的环境中，从理论上讲，当重污染企业的银行融资条件受到约束时，企业可以转向其他融资途径，如采用债券、股权等资本市场方式。多样化的融资渠道在有效缓解企业压力的同时，也导致了重污染企业推进技术创新绿色转型行动的迟滞。相反，对于处在金融欠发达地区的重污染企业而言，企业可以选择的融资方式有限，主要依赖银行贷款，因此环境规制及经济政策约束带来的技术创新激励效果会更明显。基于以上分析，本文提出以下假设：

H2：政策实施对金融欠发达地区的重污染企业技术创新的正向促进效果更强。

其次，企业的产权性质不同也会对政策效果产生影响。其原因在于，不同产权性质的企业面临着不同的融资成本和信贷可得性，对宏微观政策也有着不同的敏感程度。国有控股企业一般被认为拥有较高程度的国家信用担保并承担着一定的政策导向职责，其债务违约风险和融资成本相对较低，政策敏感度更高，融资可得性也更强。而其他产权性质的企业，在目前条件下，银企关系仍不稳定，贷款成本依然相对更高，融资规模受限，即使积极推进技术创新和绿色升级，也会面临更大的资金约束，其外部融资环境也不会很快好转。因此，其政策的敏感度相较国有企业低。基于以上分析，本文提出以下假设：

H3：政策实施对国有控股重污染企业技术创新的正向促进效果更明显。

再次，从理论上讲，企业面临的融资约束情况也会直接影响企业的技术创新动力和能力，进而对政策效应产生干扰。一般而言，企业的高融资约束会显著抑制企业的创新决策，降低企业创新成果的数量(程远等，2021)。具体而言，在资金有限的情况下，相较于企业的常规投资项目，技术创新项目往往研发周期相对较长，能否带来显著的正效应具有一定的不确定性，且需要持续投入，这会给企业资产负债表和股东权益带来一定的短期风险。所以，企业在迎合政策导向的前提下，不得不在创新驱动和融资约束之间寻求适当的平衡，技术创新可能受到一定阻碍。相反，如果资金充裕，企业的风险承受力将会大幅提升，技术创新带来的长远收益将会占据上风，企业将会加大技术创新力度。尤其是针对重污染企业，其绿色改造所需的技术创新往往需要更高的资金投入和更长的效应周期。因此，融资约束条件对于此类企业的政策效果更为重要。基于以上分析，本文提出以下假设：

H4：政策实施对融资约束程度低的重污染企业技术创新的正向促进效果更显著。

最后，考虑到绿色信贷及相关政策具有高度的社会公益属性，本文认为企业的社会责任感对于担保品扩容政策实施的效果也会产生一定的影响。商业银行高度重视企业社会责任的履行情况，并将企业社会责任报告作为信贷审批的重要参考内容。报告中显示出的企业社会责任评级反映了企业的社会责任水平，在一定程度上可以用于判断企业对绿色环保的重视程度，预判企业实施技术创新提升绿色水平的主动性和积极性。社会责任等级高的重污染企业，通常会更积极地践行绿色理念，这有利于其获得绿色信贷，更符合担保品扩容的政策目标，对企业、商业银行和央行而言都是正效应，实现了正反馈的多方共赢结果。因此，有理由作出如下假设：

H5：政策实施对社会责任评级高的重污染企业技术创新有更明显的促进作用。

三、样本确定与模型设定

(一)初始样本筛选

本文选取2013～2020年沪、深两市A股上市公司为样本库，为保证数据有效性，首先作如下筛选：(1)剔除2013年以后上市的企业；(2)剔除特别处理(ST)、特别转让(PT)类企业；(3)剔除金融类企业；(4)剔除数据严重缺失的企业。最终得到2156家企业、17248个观测值的面板数据。进而，按照证监会2012年修订的《上市公司行业分类指引》的划分标准，将环保部2008年印发的《上市公司环保核查行业分类管理名录》中涉及的14个重污染行业进行归类，初步区分重污染企业和非重污染企业。其中，重污染企业观测值4844个。

(二)最终样本识别

重污染企业和非重污染企业的技术创新水平参差不齐，为了避免这种差异带来的内生性问题，本文采用倾向匹配得分法在非重污染企业中选择最可能成为重污染企业的样本，并与原有重污染企业样本组成最终样本集。

参考刘强等(2020)、曹廷求等(2021)的研究，本文引入企业年龄、企业规模、员工数量、企业财务杠杆率、总资产收益率、托宾Q值、市账比、经营性净现金流、固定资产比率、盈利能力和机构投资者持有A股比例作为初始协变量，采用psmatch2进行筛选，最终筛选出机构投资者持有A股比例、托宾Q值、市账比、总资产收益率、固定资产比率和盈利能力6个指标作为最终协变量。据此采用Logit模型计算企业的倾向得分，按照最接近1∶1匹配的方法确定了与重污染企业具有相同特征的样本。鉴于担保品扩容政策对重污染企业的影响要明显大于其他类型企业，因此模型中将重污染企业作为实验组，非重污染企业作为对照组。

为了保证匹配的准确性，本文对匹配后的结果进行了共同支撑假设、平衡性假设验证。结果如图1、图2所示，匹配效果较好。表1报告了平衡性假设检验结果，匹配后标准偏差的绝对值在10%以内，大部分指标的偏差均出现了不同程度的下降，达到了很好的匹配效果。因此，选取的6个协变量是合理的，匹配的平衡性可以接受。

图1 实验组和对照组匹配前后倾向得分的概率密度图

图2 倾向得分共同趋势检验结果

表1 平衡性假设检验结果

(三)模型设定

本文采用双重差分法对匹配后的样本进行检验，用Policyt×Treati作为双重差分变量，设定固定效应模型如下：

Innovait=β0+β1Policyt×Treati+γControlit+μi+λt+εit

(1)

其中，Innovait代表企业i在t年末的技术创新指标，以专利申请数体现，包括企业专利申请总数(total)、发明专利申请数(inv)以及非发明专利申请数(noinv)，数据均来自中国研究数据服务平台(CNRDS)。Policyt代表政策实施前后的年份虚拟变量，以2018年政策实施作为分界，2018年以前取值0，以后取值1。Treati代表企业分类虚拟变量，重污染企业取值1，非重污染企业取值0。重污染企业(Treati=1)在政策前后的技术创新水平分别是β0和β0+β1，变化幅度为β1；非重污染企业(Treati=0)在政策前后的创新水平分别是β0和β0，变化幅度为0。因此，扩容政策实施对重污染企业技术创新的净影响为β1，若政策实施提高了重污染企业的技术创新水平，则β1应该显著为正。Controlit表示所有控制变量。考虑到企业特征因素对技术创新的影响，本文选取了部分企业财务和经营指标作为控制变量(与初始协变量相同)，数据均来源于国泰安数据库。同时，为了避免部分极端值的干扰，本文采用winsor2对连续变量在1%和99%分位上做了缩尾处理。μi为个体固定效应，λt是时间固定效应，εit是随机扰动项。

所有变量含义及计算方法如表2所示。

表2 变量设定及说明

续表

四、实证结果分析

(一)描述性统计

由表3可知：实验组、对照组和总样本的专利申请总数均值分别为1.628、1.568和1.585，表明重污染企业的总体技术创新水平高于非重污染企业和总样本；实验组、对照组和总样本的发明专利申请数分别为1.159、1.133和1.141，非发明专利申请数分别为1.108、1.142和1.133，表明重污染企业更加注重发明创新。

表3 描述性统计结果

续表

(二)DID结果分析

模型(1)双重差分的结果如表4所示，不加入控制变量时交乘项的估计系数为0.106，且在1%的水平上显著。加入控制变量后，政策实施对专利申请总数、发明专利申请数和非发明专利申请数的净影响分别为0.109、0.0744和0.0929，且在1%的水平上显著。可见，政策实施不仅对重污染企业的总体技术创新有正向作用，而且对非发明性技术创新的促进效果更明显，这可以解释为发明专利的申请周期长、难度高，重污染企业急需转型，会加大对非发明专利的创新力度。以上结果证实了H1。

表4 DID回归结果

续表

(三)异质性分析(1) 篇幅所限，异质性检验的结果未予以列示，感兴趣的读者可向作者索取。

1.地区金融发展程度异质性分析

本文以上市公司注册地所在城市的贷款余额占GDP比重来刻画地区金融发展程度，并按该比重的四分位数来划分金融发展程度高低地区。实证结果显示，在金融发展程度低的地区，交乘项系数显著为正，而在金融发展程度高的地区，交乘项系数基本不显著。由此证明了H2，即扩容政策实施对金融发展欠发达地区的重污染企业技术创新的促进作用更强，对金融发达地区企业的影响不显著。

2.产权异质性分析

区分企业产权性质后，本文以企业专利申请总数作为解释变量再次检验。结果表明，扩容政策实施后，国有控股和非国有控股重污染企业的技术创新水平分别为0.112和0.0933，均在1%的水平上显著。这验证了H3，即政策对国有控股重污染企业技术创新的正向促进作用更明显。此外，由其他交乘项估计系数可知，国有控股重污染企业更倾向于发明创新；而其他性质重污染企业更注重非发明专利的申请。

3.企业融资约束程度异质性分析

参考Kaplan 和 Zingales(1997)方法，以得分匹配后的样本构建KZ指数，用以衡量企业的融资约束程度，并参考KZ指数均值将样本分为融资约束程度低和融资约束程度高的企业。检验结果表明，总体上政策实施对融资约束低的企业技术创新有明显促进作用，净影响系数为0.123。由其他交乘项系数可知，低融资约束的企业更加注重发明创新；高融资约束的企业更注重非发明创新。以上结果验证了H4。

4.社会责任差异的异质性分析

本文将社会责任评分视为代表企业技术创新绿色转型态度的指标。和讯网从股东责任，员工责任，供应商、客户和消费者权益责任，环境责任和社会责任五方面考察了不同上市企业的社会责任，并按照一定的比例计算出了企业社会责任总得分。本文基于上述数据，参考总得分均值将匹配后的样本分为社会责任评级高、低两组。检验结果显示，高评级企业的交乘项系数显著为正，低评级企业基本不显著。由此验证了H5。

五、稳健性检验(2) 篇幅所限，稳健性检验的结果未予以列示，感兴趣的读者可向作者索取。

(一)随机安慰剂检验

随机实验检验的结果表明，基准模型是稳健的，研究结论不是由其他随机性因素引起的。

(二)其他政策干扰

2018年,四川、海南、广西、江苏、贵州、甘肃、福建7个省(区)实施了绿色信贷贴息政策。为了避免该政策对分析结果的干扰，本文剔除了样本中属于这7个省(区)的企业，再次采用PSM-DID模型进行回归，政策实施对专利申请总数、发明专利申请数和非发明专利申请数均有正向显著促进作用，不影响本文的实证结果。

(三)增加控制变量

从理论上讲，除本文已经涉及的企业特征因素会影响技术创新外，研发投入通常也是影响企业技术创新水平的重要因素。因此，本文增加研发投入作为控制变量，再次验证结论的准确性。笔者采用研发投入占营业收入的比重来刻画研发投入水平，这一指标相较研发资金和人员投入等更能反映与企业规模和经营状况相匹配的研发水平，在企业间具有更好的可比性。经验证，加入该变量后实证结果依然显著。

六、主要结论和建议

(一)研究结论

本文以2013～2020年沪、深两市A股上市公司为研究样本，实证分析了绿色信贷资产纳入新型货币政策担保品对重污染企业技术创新的影响。研究发现：第一，政策实施后，重污染企业技术创新总体水平显著提高，其中非发明创新水平要高于发明创新水平；第二，总体上，政策实施对国有控股、金融欠发达地区、融资约束低和社会责任强的重污染企业技术创新的促进效果更明显；第三，细化分析政策实施效果，国有控股和融资约束程度低的重污染企业更加注重发明创新，其他产权性质和融资约束强的企业在非发明创新方面更有优势。同时，金融欠发达地区和社会责任评级高的重污染企业不论在发明创新还是非发明创新上，都有着更强的意愿。

(二)政策建议

中期借贷便利担保品扩容虽然在总体上提高了重污染企业技术创新水平，但对非国有控股、地区金融发展程度高、融资约束程度高、社会责任评级低的重污染企业的促进作用不显著。为进一步强化政策效果，本文提出以下建议。

首先，央行应重视新型货币政策担保品框架对微观企业的结构调整效应，可进一步提高定向中期借贷便利的使用频率，积极引导商业银行对有转型意愿企业的支持，充分发挥最后贷款人功能。对于地区金融发展程度高的重污染企业，央行可以采取适当的规制措施，倒逼其技术创新；对于社会责任评级高的重污染企业，可以采取奖励措施，促进其进一步创新。

其次，商业银行应继续加大对绿色领域的支持，保持扩容政策的响应力度。同时，加强关注重污染企业的转型意愿和进程，对于那些社会责任度高、有强烈绿色转型意愿的非国有控股重污染企业，可以适当降低该类型企业的担保要求，并对贷款的用途加以限定，缓解此类企业融资难问题，进而为其技术创新提供资金；对于处于金融发展程度较高地区的重污染企业，可以加大宣传力度并适度调整利率体系和担保体系，鼓励该类型企业通过银行绿色信贷体系支持相关技术创新，向绿色领域转型。

最后，针对重污染企业，要进一步强化环境政策规制，倒逼企业推动绿色技术革新。同时，企业自身要积极了解相关政策，顺应政策导向，进一步完善内部治理体系和运营体系，改善资产负债表状况，提升银企关系，拓宽融资渠道，强化社会责任意识，从而提升持续发展的潜力。