绿色信贷对传统能源行业就业规模的影响——基于企业行为视角的研究

江世银 王 越 姜 俞

（南京审计大学金融学院，南京 211800）

引 言

当前我国节能减排任务艰巨，气候和环境风险压力不断增大。习近平总书记强调：“‘十四五’时期，我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期”。在此阶段，绿色信贷政策是 《巴黎协定》行稳致远、早日实现碳达峰与碳中和的重要助力。

绿色信贷的本质是一种环境规制，通过改变贷款门槛，使企业的传统污染项目面临融资约束的压力，因而使得企业更加注重环境效益。但绿色信贷政策在改善环境治理、推动能源结构转型的同时也可能会引起就业问题。随着清洁能源行业的不断发展以及对企业环境效益的要求不断提高，传统能源行业的部分劳动力可能会面临结构性失业的问题。为了进一步完善绿色信贷政策、保驾护航我国经济可持续高质量发展，探究绿色信贷政策的就业效应显得尤为重要。具体而言，绿色信贷政策是否对传统能源行业的就业规模产生了影响、这种影响的作用机制如何、是否存在区域异质性等问题都需要实证数据给出答案。本文基于企业行为视角，结合我国省域面板数据，研究绿色信贷政策对传统能源行业的就业效应；并通过将清洁能源需求量作为中介变量，分析绿色信贷政策影响就业规模的路径；在区域异质性研究方面，通过以产业结构作为门槛变量以及将样本按照东、中、西部分组回归，探析绿色信贷政策效应在不同地区的差异。

1 文献综述

1.1 绿色信贷政策对企业行为的影响

关于绿色信贷对企业行为影响的研究主要基于 “制度阻碍论”和 “波特假说”。“制度阻碍论”认为，绿色信贷的授信机制和惩罚机制提高了企业的财务成本，从而导致其现金流和投资意愿下降，并且绿色创新活动将占用大量资金而不能直接带来经济效益，因此企业在环境规制下进行绿色创新的意愿并不强烈 （陆旸，2011；吴超鹏等，2012）［1，2］。 苏冬蔚和连莉莉 （2018）［3］通过构建DID模型进行实证分析，发现绿色信贷显著抑制了两高企业的投融资行为。连莉莉 （2015）［4］、Liu等 （2019）［5］的研究也得出了类似的结论。张媛媛等 （2021）［6］认为在绿色信贷政策下，有两方面的原因阻碍了企业创新活动的推进： （1）在研发创新以及技术转化过程中的不确定性会给企业带来较大风险； （2）由技术创新公共品特性导致的“搭便车”现象，使得企业的创新意愿并不强烈。

而 “波特假说”则认为，适当的环境保护政策能激励企业通过创新提高竞争力，以此在一定程度上抵消由环境规制带来的成本上升问题 （Porter和 Van， 1995）［7］。 绿色信贷政策的 “波特效应”本质上是通过提高贷款门槛，使得传统的高能耗企业面临融资约束的压力 （苏冬蔚和连莉莉，2018）［3］，但这种融资约束并不是为了抑制企业发展，而是为了将资金配置到低能耗、低污染的项目 （李小平等，2012）［8］，从而提高企业的环境保护意识，驱动其进行技术创新，以实现环境友好型发展 （丁杰，2019）［9］。孙焱林和施博书 （2019）［10］基于 PSM-DID模型的研究发现，绿色信贷通过给绿色企业提供资金支持促进其研发创新。张晨等 （2021）［11］的研究发现，绿色信贷显著提升了新能源车企的创新效率。

1.2 绿色金融、清洁能源与就业规模

关于绿色金融促进清洁能源发展的研究已经取得了一定成果。陈清 （2015）［12］基于碳金融视角研究能源消费结构，结果表明碳金融的发展可以提升清洁能源的消费比重。陈超然 （2016）［13］认为，相比于其他金融方式，绿色信贷是当前可以为国内能源结构转型提供资金支持的最主要的制度。Ren等 （2020）［14］通过向量误差修正模型研究绿色金融发展水平、碳强度和清洁能源消费之间的关系，结果显示我国清洁能源消费主要受绿色金融和碳强度的影响，且政策驱动效果明显。熊邦娟 （2021）［15］、 范秋芳和刘孜 （2021）［16］的研究也都表明绿色金融与清洁能源产业之间存在正向的相互作用。

现有的研究结论还表明清洁能源产业的发展会对就业规模产生影响。赵领娣等 （2013）［17］以海洋能为例探讨了 “技术进步型失业”现象，结果显示增加海洋能源产业的研发投入对其本身的就业有正向影响，并对相关行业具有溢出效应。Mu等 （2018）［18］的实证结果表明，发展清洁能源，尤其是风能和太阳能，对中国的就业水平有积极作用。何凌云等 （2019）［19］的研究结果显示，增加清洁能源行业投资提高了全国就业量与清洁能源行业就业量，但是对传统能源行业的就业有负向影响。魏丽莉和杨颖 （2021）［20］基于金融规模的视角进行研究，认为清洁能源发展对总体就业规模有促进作用，对传统能源行业的就业规模存在负向作用。

在绿色信贷的政策效果领域，国内外学者展开了广泛深入的研究，已有的研究成果给了本文极大的启发。但通过梳理文献，仍发现了以下问题：（1）现有的研究较少涉及绿色信贷政策的就业效应；（2）虽然关于绿色金融对清洁能源发展影响的研究取得了一定成果，但是细化到绿色信贷与清洁能源关系的文献却较为少见；（3）以往的研究多孤立地分析绿色金融与清洁能源、清洁能源与就业规模之间的关系，而未对三者间的相互作用关系进行讨论。

2 理论分析与假设

2.1 绿色信贷对传统能源行业就业规模的影响——基于企业行为视角

金融的资源配置功能以及绿色信贷的授信条件决定了环境效益较高的企业将更易获得融资。在这样的情况下，绿色信贷对传统能源行业的就业效应主要取决于以下两个方面：（1）根据 “波特假说”，传统能源行业的企业为获得绿色信贷的支持，可能会将原本用于获得劳动力要素的资金用于实现绿色转型以提高环境效益，从而使得就业规模降低； （2）根据 “制度阻碍论”，绿色信贷政策提高了贷款门槛，在短期内增加了企业的财务成本，而绿色创新活动将占用大量资金而无法获得直接收益，因此企业也有可能将原本用于提高环境效益的资金用来增加对劳动力要素的需求以增加产量，以此抵消财务成本上升带来的负面影响。

绿色信贷政策对传统能源行业到底有何种就业效应，关键在于企业在环境规制下进行绿色转型的意愿是否强烈，如果绿色信贷政策总体上增强了企业实现环境友好型发展的意愿，则其会产生正向的就业效应，反之则会使就业规模降低。据此提出以下假设：

H1a：绿色信贷对传统能源行业的就业规模有正向影响。

H1b：绿色信贷对传统能源行业的就业规模有负向影响。

2.2 绿色信贷影响就业规模的传导机制——以清洁能源为中介变量

随着绿色信贷政策的出台，各企业为获得绿色信贷将会在节能减排方面下功夫，以煤炭、石油为代表的 “黑色能源”将不再满足要求，而以核能、水电为代表的清洁能源的需求量则会提高。但同时，绿色信贷政策在短期内提高了企业的财务成本。在当前清洁能源产业化、规模化程度不高的情况下，清洁能源缺乏传统能源的价格优势（陈超然， 2016）［13］， 为了不进一步提高生产成本，企业也有可能会将清洁能源替换成传统能源。当企业的转型意愿较为强烈时，前者占主要方面，清洁能源的需求量会提高；反之，清洁能源的需求量会下降。

清洁能源行业的发展对传统能源行业就业规模的影响可以拆分为两部分：（1）随着清洁能源行业规模不断扩大而从传统能源行业吸引劳动力的 “替代效应” （魏丽莉和杨颖，2021）［20］，替代效应会使清洁能源需求量与传统能源行业就业规模呈反向变动关系；（2）随着对清洁能源需求量的不断增加，规模效益会降低厂商的生产成本，企业的能源成本也会随之降低，企业可以将多余的资金用于增加劳动力要素的投入。从这个角度来看，清洁能源行业的发展对传统能源行业的就业规模会有正向的影响。

基于上述分析提出以下假设：

H2：绿色信贷对就业规模的影响有基于清洁能源需求量的中介效应。

2.3 绿色信贷政策就业效应的地区异质性——以产业结构作为划分标准

绿色信贷的政策效应在产业结构不同的地区可能有所差异，对于第二产业比重较大的地区，当地的经济发展较为依赖传统工业企业。为了追求更快的经济发展，当地政府的政策导向会使企业更加注重短期的经济利益。因此在绿色信贷政策带来的环境规制下企业的转型意愿较低，其将更倾向于扩大对劳动力要素的需求。而相对应地，在第二产业比重较低的地区，企业可以将更多精力放在增加环境效益上，从而在一定程度上挤占用于获得劳动力要素的资金。因此提出以下假设：

H3：在第二产业占比较高的地区，绿色信贷政策对传统能源行业就业规模的正向作用较强。

图1 绿色信贷影响就业规模的逻辑框架

3 实证设计

3.1 变量选取

（1） 被解释变量

传统能源行业就业规模（lnlab）：本文对传统能源行业就业规模的度量，借鉴了何凌云等（2019）［19］的做法，用采矿业、制造业和电力燃气三大行业城镇就业总人数取对数来衡量。

（2）核心解释变量

绿色信贷规模（debt）：目前，学界衡量绿色信贷规模的方法主要有4种 （谢婷婷和刘锦华，2019）［21］：①国内主要商业银行的绿色信贷余额；②国内主要商业银行的节能环保贷款余额；③工业行业污染治理资金中的银行贷款；④六大高能耗产业利息费用占比。然而实际上，商业银行的绿色信贷余额以及节能环保贷款余额缺乏省域数据，工业污染治理资金中的银行贷款占比数据自2010年起未更新。因此，本文结合现有的研究方法，根据研究的需要，选择非六大高能耗产业利息支出占比作为衡量绿色信贷规模的指标。计算公式为：（规模以上工业产业利息支出总额-六大高能耗产业利息支出）／规模以上工业产业利息支出总额。

（3） 控制变量

经济发展水平（lngdp）：学界普遍认为一个地区的经济发展水平会对就业情况产生影响。本文用剔除了价格因素的人均GDP取对数来衡量经济发展水平。

人口规模（lnpop）：用城镇常住人口数取对数来衡量。

技术进步（lntec）：技术进步会通过替代效应与补偿效应对一个地区的就业情况产生影响。本文借鉴朱轶和熊思敏 （2009）［23］的做法，用大型工业企业的研究经费占生产总值的比重来衡量地区的技术进步。

工资水平（lnwag）：较高的工资有助于吸引劳动力的流入，但是人力成本的提高也有可能降低企业对劳动力的需求。本文用剔除了价格因素的城镇单位就业人员平均工资取对数来衡量工资水平。

人力资本水平（lnedu）：采用每十万人口高等教育在校生人数取对数来衡量。

（4） 中介变量

清洁能源需求量（lnene）：用清洁能源发电量取对数来衡量。其中，清洁能源发电量用地区总发电量与火力发电量的差额来表示。

（5） 门槛变量

产业结构（ind）：用地区第二产业增加值占生产总值的比重来表示。

3.2 数据来源

我国的绿色信贷政策于2007年出台，商业银行开展绿色信贷业务则始于2008年10月，为了研究绿色信贷政策的就业效应，本文数据的起始时间为2009年，由于清洁能源需求量的相关数据只更新到2019年，因此最终确定研究的时间范围为2009～2019年。本文的研究对象为我国的31个省（直辖市、自治区；考虑到数据的可获得性，港、澳、台地区不包括在内）。其中，主要数据来源为 《中国工业统计年鉴》、《中国能源统计年鉴》、 《中国统计年鉴》，部分缺失数据采用线性插值的方法补全。本文采用STATA15软件进行数据分析和实证检验。为避免极端值的影响，对所有连续变量进行1%的双向缩尾处理。

3.3 模型设定

（1）基准模型设定

为考察绿色信贷政策对传统能源行业就业规模的影响，本文利用时间跨度相对于截面数较小的短面板数据，构建如式 （1）的回归模型。

式中lnlabit表示地区i在t年的传统能源行业就业规模；debtit表示地区i在t年的绿色信贷规模，用非高能耗产业利息支出占比测度；Xit表示控制变量；φi表示个体固定效应；εit是残差项，包括以上模型无法体现的随机干扰因素等。

（2）中介效应模型

为了检验绿色信贷是否有通过影响清洁能源需求量对就业规模的中介效应，本文采取逐步回归的方法，构建如式 （2）和式 （3）的模型。

其中，lneneit表示清洁能源需求量，其余变量的解释同上。根据中介效应检验程序，β11衡量了绿色信贷规模对清洁能源需求量的影响，β21衡量了在控制清洁能源需求量的情况下绿色信贷对就业规模的直接效应，β22衡量了在控制绿色信贷规模的情况下清洁能源需求量对就业规模的影响。通过以上两个模型可以检验清洁能源需求量是否会在绿色信贷对就业规模的影响中起中介作用。

（3）门槛效应模型

为了进一步研究不同的产业结构对核心变量间关系的影响，本文利用面板门槛模型，通过测度一个门槛值γi形成分段区间，当门槛变量大于γi和小于γi时，核心变量的回归系数若发生显著变化，说明绿色信贷对传统能源行业就业规模的影响不是简单的线性关系，而是非线性关系。根据面板门槛模型的原理，门槛变量既可以是回归模型中的变量，也可以是其他变量。三重门槛回归模型如式 （4）所示。

在上述模型中，ind为门槛变量，代表产业结构，γ1、γ2和γ3为待估的门槛值，I（*）是表示性函数，当括号内的条件满足时取值为1，否则取值为0。如果门槛变量的选择合理，且门槛估计值通过显著性检验，θi会有不同的取值。其他变量的解释同上。

4 实证结果与分析

4.1 描述性统计

如表1所示，被解释变量传统能源行业就业规模（lnlab）的均值为4.9691，标准差为1.1604；核心解释变量绿色信贷规模（debt）的均值为0.4670，标准差为0.1512；中介变量清洁能源需求量（lnene）的均值为5.2794，标准差为1.5271。总体来看，几个主要变量都存在一定程度的地区差异。

表1 变量的描述性统计

4.2 基准模型回归

基准模型的回归结果如表2所示，列 （1）为式 （1）的回归结果，从回归系数可以初步判断绿色信贷规模对传统能源行业的就业效应，由于绿色信贷（debt）前的系数为正，说明绿色信贷政策对传统能源行业有正向的就业效应。假设H1a得到验证。

表2 就业规模对绿色信贷的基准回归

在控制变量方面，经济水平的的提高与人口规模的增加都显著扩大了就业规模，与经济理论相符；技术水平的进步也会对就业规模产生正向影响，说明 “补偿效应”超过了 “替代效应”；工资水平的提高降低了就业规模，说明人力成本的提高降低了企业对劳动力要素的需求；而人力资本的提高则显著降低了就业水平。

结合实证结果和理论分析推测，在由绿色信贷政策导致的环境规制下企业进行绿色转型的意愿并不强烈。因此将较多资金用于增加对劳动力要素的需求，而在降低污染、改善环境等方面的投入较少。但随着绿色信贷规模的增加，其对企业绿色转型的激励作用可能随之增强，从而导致绿色信贷对就业规模的正向作用减弱。

为了进一步探析绿色信贷与就业规模之间的关系，列 （2）为将绿色信贷的平方项（debt2）加入解释变量后的模型回归结果。从表2可以看出，绿色信贷平方项的系数为负（但并未通过显著性检验），因此绿色信贷对就业规模可能存在倒 “U型”的影响。即在绿色信贷规模较低时，其会有正向的就业效应，但随着其规模不断增加，绿色信贷政策的正向就业效应会不断减弱，甚至为负。根据绿色信贷的中位数进一步地将样本分为绿色信贷规模高组和低组，通过回归发现，绿色信贷在规模高组的正向就业效应要低于规模低组，这也证实了绿色信贷的正向就业效应会随其规模增加而减弱的结论。

4.3 中介效应

表3是传统能源行业就业规模基于清洁能源消费量中介效应对传绿色信贷的回归结果。根据上文的基准模型回归结果，debt的系数为0.4597，并且在5%的水平上显著，说明绿色信贷对传统能源行业的就业规模有正向影响，据此中介效应检验程序可以继续进行。列 （1）是式 （2）的回归结果，描述了绿色信贷对中介变量清洁能源需求量的影响，系数在1%的显著性水平上为负，说明绿色信贷降低了对清洁能源的需求量。列 （2）是模型 （3）的回归结果，lnene的系数为-0.0604且在10%的水平上显著，说明清洁能源需求量的增加会降低传统能源行业的就业规模，因此，清洁能源行业发展对传统能源行业就业规模的影响以 “替代效应”为主。此外，lndebt的系数也通过了显著性检验，说明清洁能源需求量在绿色信贷影响就业规模的过程中发挥了部分中介效应。至此，假设H2得到检验。

表3 清洁能源需求量中介效应回归结果

4.4 门槛效应

绿色信贷对传统能源行业就业规模的影响可能是非线性的，传统的回归计算无法体现出这样的异质性。因此，本文根据面板门槛理论，构建如式 （4）的回归模型。

本文采取自举300迭代进行抽样检验。结果显示，以产业结构（ind）为门槛变量，就业规模（lnlab）为被解释变量，绿色信贷（debt）为核心解释变量的抽样检验拒绝了存在3个门槛值的假设，而单一门槛和双重门槛检验的P值都小于0.01，通过了显著性检验。根据由复杂到简单的原则，主要对双重门槛效应的回归模型进行分析。

本文根据门槛值对样本进行相应的划分，估计不同产业结构区间内，绿色信贷对传统能源行业的就业效应。根据表5的面板门槛系数估计结果，当地区第二产业占比低于38.48%时，绿色信贷的系数为负（但并未通过显著性检验）。可能的原因是，如果一个地区的经济对传统工业产业的依赖性较低，绿色信贷政策会激励企业增加在提高环境效益方面的投入，从而挤占原本用于获得劳动力要素的资金，因此绿色信贷政策表现出负的就业效应。随着第二产业占比不断提高，当越过38.48%的门槛值时，核心解释变量绿色信贷的估计系数增加到0.4677，在10%的水平下显著。而当第二产业占比超过44.4%时，估计系数继续增加至0.9036，且在1%的水平下显著。从回归结果可以看出，当第二产业占比越过一定门槛值时，绿色信贷对传统能源行业的正向就业效应会增强。可能的原因是，当一个地区的经济对传统工业行业的依赖度较高时，政府的政策导向会使企业更加注重短期的经济效益而非环境效益以加快地区的经济发展，因此企业更倾向于增加对劳动力要素的需求以获得经济利益。由此可见，绿色信贷的政策效应存在地区异质性，在第二产业占比较高的地区，其对传统能源行业的正向就业效应较强，假设H3得到验证。

表4 面板门槛似然比检验结果

表5 绿色信贷影响就业规模的门槛效应

4.5 分组回归

我国地域辽阔，东、中、西部地区发展情况差异较大。根据表6的描述性统计结果，西部地区的绿色信贷规模要低于东、中部地区，并且我国的清洁能源产量也具有显著的地区差异，呈现出明显的 “西高东低”特征。为了进一步研究区域异质性对绿色信贷政策就业效应的影响，本文采用分组比较的方法，实证分析我国不同区域内绿色信贷对传统能源行业就业规模的影响。

表6 分组后主要变量的描述性统计

从表7的分组回归结果可以看出，绿色信贷政策对传统能源行业就业规模的影响在东、中、西部地区有所差异。具体来说，中部地区绿色信贷对就业规模的影响并不显著；东部地区的影响系数为0.4155，但仅在10%的水平下显著；而在西部地区，绿色信贷对就业规模的影响系数为0.7475，且在5%的水平下显著。由此可见，绿色信贷政策在我国的西部地区具有更为显著的正向就业效应。推测是由于西部地区金融市场发展程度较低，绿色信贷规模较小，因此对企业的激励作用不足，由于企业在环境规制下进行绿色转型的意愿较弱，所以绿色信贷政策的正向就业效应更强。

表7 分组样本的回归结果

5 结论与建议

本文基于企业行为视角，从理论层面分析了绿色信贷对传统能源行业就业规模的影响及其作用机制与区域异质性。通过构建固定效应模型、中介效应模型以及面板门槛模型进行实证研究，结果显示：从全国层面来看，绿色信贷对传统能源行业有正向的就业效应，但随着绿色信贷规模的增加，这种正向作用会随之减弱；清洁能源需求量在政策效应发挥的过程中起到部分中介作用——绿色信贷政策会抑制对清洁能源的需求量，且清洁能源行业的发展会降低传统能源行业的就业规模；此外，绿色信贷的政策效应存在区域异质性：在第二产业占比较高的地区，由于对传统能源行业的依赖度较高，绿色信贷有较强的正向就业效应；在我国的西部地区，由于绿色信贷规模较低，其正向就业效应更强。基于上述研究结论，本文提出以下几点建议：

（1）对在绿色转型过程中取得阶段性成果的企业给予授信支持。绿色信贷政策旨在提高企业的环境效益、助推其实现环境友好型发展，但是进行绿色转型的成本较高，短期内难以获得经济收益。如果绿色信贷只是针对已经转型成功的企业和完全的绿色友好型项目，必然会降低许多企业尤其是高污染企业的转型意愿。为了降低企业的转型成本，银行可以对在进行节能减排和污染治理等过程中取得了阶段性成果的企业给予绿色信贷支持，以强化绿色信贷政策的激励作用。

（2）金融机构对借贷企业的经营活动进行动态监督。实行绿色信贷政策的目的是发挥金融的资源配置功能，引导资金流向环境友好型项目并激励企业更加注重环境效益。为避免部分企业在获得成本较低的绿色信贷后将资金挪作他用，金融机构除了在授信时要进行考核外，发放贷款后还要对资金的用途和流向进行监督，在贷款收回后还应该考察企业是否达到了目标的环境效益，以此保障绿色信贷发挥其环境保护的作用。

（3）政企协同解决结构性失业问题。绿色信贷在改善环境治理、推动能源结构改革的同时，可能会降低传统能源行业的就业规模，目前部分地区该问题已经凸显出来。为了解决结构性失业的问题，政府可以为失业人群提供技能培训等社会福利，通过让失业人群掌握必要的劳动技能使其在新兴行业得到新的工作机会。此外，还可以由政府牵头，加强不同行业的企业间的协同合作，通过开展员工的交叉培训等方式使劳动力在各个行业间更好地流动。