货币政策不确定性对企业绿色创新的影响研究

任曙明，李莲青，卢佳蔓，陈 强

1.大连理工大学 经济管理学院，辽宁 大连 116024 2.广东省烟草专卖局(公司) 综合计划处(经济运行处)，广东 广州 510610

一、问题提出

支持绿色技术创新是“十四五”期间加快绿色转型的重要举措。中国企业作为绿色创新的关键实践者，既要寻求“创新”的经济价值，又要担当“绿色”的社会责任。由此，实现经济价值“里子”和社会责任“面子”的统一，已成为企业推进绿色创新所面临的重大挑战。然而，要使企业主动推进绿色创新并非易事。首先，绿色创新具有双重外部性，准公共品属性决定了企业没有动机推动绿色创新；其次，绿色创新在研发、开发和商业化等阶段存在高度的不确定性，成功的概率较小。因此，企业绿色创新行为更依赖于经济政策的引导。现有研究表明，以财税补贴、排污费等为主要手段的政策引导效果十分有限；在信贷资源有限的条件下，这些政策对生产性投资存在明显的挤出效应，加剧了企业推进绿色创新的信贷约束。

本质上，企业能否推行绿色创新，取决于其对成本与收益的权衡。绿色创新的双重外部性又决定了成本与收益的非对称性。其一，在中国信贷市场上，投资者对环境信息的关注不足。企业环境违法成本较低，一旦违法，违法成本是由所有当事人共同承担的。其二，收益由所有当事人共享，但成本由企业承担。因此，货币政策不确定性增大时，就会造成利率未来走势的不确定性升高，绿色创新溢酬的波动加大，企业难以判断能否获取绿色创新的溢酬，可能会延缓绿色创新。同时，货币政策不确定性会加剧资产价格的波动，使得银行降低对绿色创新的关注，加大企业面临的信贷约束，不利于企业绿色创新。事实上，中央也注意到货币政策不确定性给绿色创新带来的不利影响，中国银行业监督管理委员会于2012年印发《绿色信贷指引》，旨在通过实施差异化信贷政策，增强银行对绿色创新的资金支持力度。

目前，关于货币政策不确定对绿色创新的综合影响还未见讨论，现有研究主要聚焦于两个方向。一是关于货币政策不确定性的度量。现有文献选用的测度指标和方法具有较大差异，主要包括以下几个方面：Jorda｀o 等利用GARCH模型度量货币政策不确定性；杨鸣京等借助银行间同业拆借7日利率的年度标准差度量货币政策不确定性；丁剑平等利用波动率回归拟合的方法估算金融危机后中国货币政策不确定性。二是关于货币政策不确定性对绿色创新的作用机制。实际上，现有研究仅关注货币政策不确定性对创新的影响，尽管有学者注意到这种影响主要通过信贷约束发挥作用，但是尚未直接讨论货币政策不确定性对绿色创新的影响，而是单独讨论信贷约束对绿色创新的影响。也有学者指出绿色信贷政策借助差异化的贷款利率，影响企业面临的信贷约束，进一步作用于企业绿色创新。遗憾的是，现有研究割裂了货币政策不确定性与绿色创新的上述内在关联，也就无法揭示企业推进绿色创新的内在行动逻辑。

本文边际贡献有以下三个方面。第一，从成本和收益两个维度，探讨货币政策不确定性对绿色创新的影响作用，揭示信贷约束在其中的传导机制，将影响绿色创新的政策因素落实到货币政策不确定性上。第二，考虑到现阶段中国货币政策调控框架以数量规则为主，本文引入包括通货膨胀率和GDP增长率的货币政策数量规则模型，采用随机波动模型和马尔科夫链蒙特卡洛算法(MCMC)有效地分离了货币政策不确定性的可观测部分和不可观测部分，有助于提高监管机构制定货币政策的针对性。第三，以中国A股制造业上市公司数据为研究样本实证检验了货币政策不确定性对绿色创新的消极影响，同时揭示了绿色信贷政策对上述机制的冲抵作用。该机制很好地弥补了国内绿色金融理论研究的不足，为研究绿色金融与企业绿色创新的文献提供了新的证据。

二、理论分析与研究假说

(一)货币政策不确定性与绿色创新

绿色创新主要是指绿色技术创新。绿色技术指减少原材料、能源使用以及环境污染的工艺、技术或产品的总称。能否主动推行绿色创新，取决于企业对收益和成本的权衡，具体体现在两个方面。

一方面，从收益来看，货币政策不确定性的冲击，会导致企业延缓绿色创新，难以获取绿色创新溢酬。准公共产品的特征决定了企业的绿色创新天然不足。除了具备创新成果的外部性，绿色创新还具有资源节约和环境改善等环境效应外部性。从事绿色创新的企业需要负担较高的工艺设备投入，决定了企业从事绿色创新会出现“为他人作嫁衣”的行为，从而缺乏开展绿色创新的主动性。但是，绿色创新也能通过市场关注机制和价值增长机制来提高经济效益、产生溢酬。这主要体现在，绿色创新有助于提高企业环境声誉，提升环保评价，协助企业获取更多利益相关者支持，间接提升经济绩效，获取绿色创新溢酬。然而，货币政策不确定性加大了利率波动，提高了绿色创新溢酬的预测难度，企业就会延迟绿色创新。

具体来说，货币政策不确定性上升提高等待期权价值，当潜在创新溢酬无法预测时，企业决策的等待价值及不作为行为增加。此时企业具有较强的观望心理，往往采取谨慎的态度，倾向于等待更好的投资机会，会暂缓对绿色创新的投资，不利于进一步提高绿色创新溢酬。同时，当货币政策不确定性上升时，风险厌恶心理会夸大企业对风险的负面感受，缩小对绿色创新溢酬的正面感受。因此，当货币政策不确定性上升时，企业的资本支出活动变得谨慎，更倾向于保守的项目，不利于进一步开展绿色创新。

另一方面，从成本来看，货币政策不确定性会加剧企业面临的信贷约束，不利于绿色创新。货币政策的频繁变动会加大企业绿色创新决策失误的概率。此时，企业向银行贷款的违约概率也会提高。对银行来说，这会加剧其自身资产负债结构的不匹配。银行为了平衡收益和风险，出现“慎贷”和“惜贷”，加大企业获取信贷资金的难度，提高企业的贷款利息。因此，就银行贷款成本来说，货币政策的频繁调整导致企业面临更大的信贷约束。事实上，上述作用机制也是金融摩擦理论所强调的，即宏观政策的不确定性越大，外部融资成本越高，意味着企业会遭遇更强的信贷约束。总之，当货币政策不确定性加大时，企业会面临较强的信贷约束。

在上述情况下，企业倾向于减少绿色创新。原因在于，“双重外部性”的特征决定了绿色创新需要长期的信贷资金支持，一旦资金链断裂，前期的研发资金投入将变成沉没成本。这种投入是不可逆的，企业一旦投入，在后期还需要持续投入。若信贷约束加强，企业预测到无法获得低成本的信贷资金，就会减少绿色创新的投入。方颖等研究发现，中国在环境立法上所规定的企业环境违法责任偏低；在环境执法上，对环境违法的处罚也相对较轻。这意味着企业放弃绿色创新、投资污染项目的成本较低。权衡绿色创新与环境违法的成本，企业倾向于减少绿色创新。

综上，本文提出以下假说：

H1：货币政策不确定性升高不利于企业绿色创新。

H2：货币政策不确定性加剧企业面临的信贷约束，抑制企业绿色创新。

(二)绿色信贷政策的冲抵作用

如前文所述，货币政策不确定性加大了企业的信贷约束，出于对收益和成本的权衡，企业倾向于减少绿色创新。为了冲抵货币政策不确定性对绿色创新的负面影响，国家出台了一系列绿色信贷政策，其中，2012年出台的《绿色信贷指引》就是典型。这种冲抵机制体现在两方面：

一方面，若企业从事绿色创新，绿色信贷政策会引导银行优先提供信贷资金支持，进而冲抵货币政策不确定性对绿色创新的负面影响。在绿色信贷政策的指引下，银行会对绿色创新企业优先配置信贷资金，并提供优惠利率，从而缓解其信贷约束。同时，绿色信贷政策要求银行审批贷款时充分考虑企业所涉及的环境风险，对其节能减排指标进行前端审核。若企业披露环境责任，更容易获得银行信贷资金。因此，绿色信贷政策通过引导手段，冲抵货币政策不确定性对绿色创新的消极作用。

另一方面，若企业未从事绿色创新，绿色信贷政策会强制银行加大对污染型项目的信贷约束，推动企业开展绿色创新。在绿色信贷政策的指引下，银行会对破坏环境、能源效率低的企业项目采取惩罚性高

图1 货币政策不确定性影响企业绿色创新的机制与渠道

利率，严格限制污染型项目的信贷投放，在源头遏制其发展。这种惩罚效应加大了从事污染型项目的成本，企业更有动机引进绿色技术，进行创新活动，有利于减少对绿色创新的负面影响。由此，本文提出以下假说：

H3：绿色信贷冲抵了货币政策不确定性对绿色创新的消极影响。

基于上述理论分析与假说H1～H3，本文认为货币政策不确定性对绿色创新的影响机制如图1所示，接下来依据该思路进行实证分析。

三、研究设计

(一)数据来源和处理

(二)主要变量的测度

1.货币政策不确定性()

关于货币政策不确定性测量，国外学者主要采用两种方式：一是市场利率预期值与基准利率的差值，由于中国市场利率预期值的不可得性，这种方法并不适用；二是利率期货收益率的变化，由于利率期货发展时间短、交易量较低，这种方法也不适用于中国。考虑到中国货币政策的主要目标是抑制通货膨胀和维持经济的平稳运行，参照Chen等的做法，本文引入了包括通货膨胀率和GDP增长率的货币政策数量规则模型：

=+-1+(-1-)+(-1-)+

(1)

其中，为第期的M2增长率，-1、-1分别为第-1期的通货膨胀率以及GDP增长率，和分别为目标通货膨胀率以及目标GDP增长率，为随机误差项。

随机波动(SV)模型具有更高的灵活性、预测性和拟合度，有助于基于中国的经济状况预测货币政策的变化，并能有效地分离货币政策的可观测部分和不可观测部分，进一步刻画中国货币政策的不确定性。因此，本文采用SV模型来模拟货币政策的波动过程，对中国货币政策不确定性进行测算：

(2)

(3)

SV模型的估计方法主要有两种：一是极大似然估计法，二是贝叶斯框架下的马尔科夫链蒙特卡洛(MCMC)方法。与极大似然估计法相比，MCMC方法在有限样本下仍然有效，能将研究者的主观判断以先验分布的形式融入估计中，测算出来的参数精准度较高。因此，本文参考刘玉荣等的做法，采用MCMC方法估计SV模型，其基本原理分为以下三步：

(4)

式(4)中，(|)是给定时的条件密度，可由式(2)获得，而(|,)是给定(,)时的条件密度，可由式(3)获得，分母∬(|,)(,)()dd不依赖于(,)。

第二步，采用MCMC方法进行求解，该算法原理为：以任意初值(,)为基础，从后验分布中抽取次(,)的样本，记(,),…,(,)。为了使样本分布收敛到(,),…,(,)并消除初值(,)对抽样的影响，可将初期抽到的个样本删除，而对剩下的=-个样本做描述性统计分析。当足够大时，就可以推断未知分布(,|)的统计性质。

第三步，用这个观测值的样本中位数来逼近后验分布的总体中位数，具体为

(5)

(6)

根据中国货币政策数量规则模型，本文参考Kastner的做法，运用R软件计算了中国货币政策不确定性水平，式(2)(3)中各个参数的平均值和标准差如表1所示。

表1 参数估计结果

2003—2019年中国货币政策的不确定性水平如图2所示。2008年之前货币政策的主要目标是防止经济过热和调节通货膨胀，实施从紧的货币政策；2008年金融危机之后，货币政策不确定性呈现显著增加的趋势；紧接着，2010年中国货币政策从适度宽松转向稳健，货币政策不确定性逐渐下降并趋于平稳；2014年前后受银行“钱荒”以及“股市崩盘”事件的影响，货币政策不确定性水平稍有上升。

图2 2003—2019年中国货币政策不确定性水平

2.企业绿色创新()

本文首先从国家知识产权局专利检索数据库(SIPO)检索制造业上市公司专利数据，然后依据世界知识产权组织(WIPO)于2010年推出的“国际专利绿色分类清单”，识别并核算了企业每年交通运输类、废弃物管理类、能源节约类、行政监管与设计类、替代能源生产类、农林类和核电类这七大类专利数量，并进一步区分绿色发明专利和绿色实用新型专利。参考齐绍洲等的做法，采用企业绿色专利授权总量占当年专利申请总量的比例来衡量企业绿色创新()，同时采用企业绿色发明专利授权总量占当年企业发明专利申请总量的比例()，以及企业绿色实用新型专利授权总量占当年企业实用新型专利申请总量的比例()作为分析对象，以进一步考察货币政策不确定性对不同类型绿色创新的作用。

3.信贷约束()

参考应展宇等的做法，本文用SA指数的绝对值测算信贷约束：

=-0737×+0043×-004×

(7)

其中，为企业规模，用总资产的对数值表示，为上市年限。为负数，其绝对值越大，说明企业受到的信贷约束程度越严重。

(三)控制变量及其测度

“波特假说”指出环境规制有助于促使企业创新，在控制变量的选取上，本文也考虑了环境规制()可能存在的影响作用，参考Chen等的研究，通过手工搜集各地级市政府工作报告，借助Python软件爬取各地市环保相关文字，借助各地市环保相关文字占政府工作报告总字数的比例来衡量环境规制。除了考虑环境规制的影响，本文参考现有文献做法，引入了一系列可能影响企业绿色创新的控制变量，具体包括企业规模()、盈利能力()、杠杆率()、企业年龄()、管理费用率()、研发支出()和研发人员数量()。变量定义及测量方式见表2，描述性统计结果见表3。可以看出，的均值为0.015，标准差为0.004，这表明近年来中国货币政策存在一定程度的波动。

表2 变量定义与测量方式

表3 变量的描述性统计结果

(四)计量模型构建

为了检验假说H1，本文构建如下基准计量模型。考虑到货币政策的调控往往具有滞后性，企业很难对其做出及时准确的调整，因此本文将货币政策不确定性滞后一期加入模型，同时为了减轻内生性问题，解释变量和控制变量(企业年龄除外)均采用滞后一期数据。

,=+-1+,-1++++,,

(8)

其中，表示上市公司，表示行业，表示公司所在的城市，表示时间，,为企业当期的绿色创新水平，并进一步区分绿色发明专利和绿色实用新型专利；-1为滞后一期的货币政策不确定性，,-1为控制变量。表示常数项，表示系数，为控制变量的系数，、、分别表示上市公司个体固定效应、行业固定效应和城市固定效应，,,为误差项。

为了检验假说H2，参考温忠麟等的做法，使用中介效应的方法构建了递归方程，以检验货币政策不确定性通过影响信贷约束作用于绿色创新的机制，计量模型设定如下:

,-1=+-1+,-1++++,,

(9)

,=+-1+,-1+,-1++++,,

(10)

其中，,-1表示上市公司在-1年的信贷约束。中介效应的检验分为三个步骤：第一步，对式(8)进行回归，判断不包括中介变量时，货币政策不确定性对于绿色创新的总效应，如果显著，则表明货币政策不确定性对于绿色创新的总体效应存在；第二步，对式(9)进行回归，判断货币政策不确定性对于中介变量的影响效应；第三步，在式(8)中引入中介变量,-1，构成式(10)并回归，检验货币政策不确定性对于绿色创新的直接效应、信贷约束作用于企业创新的效应。如果和都显著，则表明中介效应存在；在此前提下，如果不显著，表明存在完全中介效应；如果显著，表明存在部分中介效应，式(9)(10)中×衡量货币政策不确定性通过信贷约束影响绿色创新的程度，中介效应的比重为×；如果和中至少有一个不显著，则要对模型采用Sobel法检验中介效应×的显著性，若检验结果显著，则表示中介效应存在，反之，则表示中介效应不存在。

为了检验假说H3，本文参考Yu等的研究，以2012年《绿色信贷指引》印发为标志性事件，将样本分为2006—2011年和2012—2019年两个时间段，以考察绿色信贷政策的冲抵作用，构建如下计量模型：

,=+-1+,-1×1,-1+,-1×2,-1+,-1++

+++,,,

(11)

其中，、为虚拟变量，分别表示2006—2011年和2012—2019年。在式(11)中，重点关注系数、，若、为负，且的绝对值大于，那么绿色信贷政策有效冲抵了货币政策不确定性对企业绿色创新的消极作用；反之，绿色信贷政策进一步加大信贷约束对企业绿色创新的消极作用。

四、实证结果与分析

由于固定效应模型优于随机效应模型，因此本文选择面板固定效应模型进行分析。同时采用控制上市公司个体固定效应、行业固定效应和城市固定效应的回归方法，验证前文假说H1～H3，以控制计量结果的稳健性。

(一)基准检验

基准检验回归结果见表4。第(1)(2)列是基于企业绿色专利的回归结果，第(3)(4)列是基于企业绿色发明专利的回归结果，第(5)(6)列是基于企业绿色实用新型专利的回归结果。在第(1)(3)(5)列，仅对货币政策不确定性进行回归，其系数均显著为负。在第(2)(4)(6)列，加入控制变量，同时控制上市公司个体固定效应、行业固定效应和城市固定效应，此时货币政策不确定性估计系数依旧显著为负。由第(2)(4)(6)列可以看到，当货币政策不确定性提高1个单位时，企业绿色专利、绿色发明专利及绿色实用新型专利分别下降1.151、1.044和1.535个单位。

表4 基准检验回归结果

基准检验结果表明，货币政策不确定性加大时，绿色创新水平显著下降，对于绿色发明专利的负面影响最小。出现这种现象的原因可能在于，绿色创新存在高度不确定性，其准公共品属性决定了企业缺乏推动绿色创新的动机。货币政策不确定性的冲击导致利率波动变大，加大了企业决策失误概率以及违约破产概率，不利于企业绿色创新。然而，从长期来看，企业出于对收益和成本的权衡，为了提高核心竞争力，会将资源倾向具有更高含金量和创造性的绿色发明专利，这与唐松等的观点相符合。

(二)信贷约束的传导机制检验

接下来采用逐步回归法，对假说H2进行检验。表5第(1)列是以企业信贷约束为因变量的回归结果，第(2)～(4)列分别是以企业绿色专利、绿色发明专利及绿色实用新型专利为因变量的回归结果。

表5 信贷约束的传导机制检验结果

结果显示，货币政策不确定性越大，企业面临的信贷约束越高，对绿色专利、绿色发明专利及绿色实用新型专利均存在抑制作用，假说H2得到验证。具体来说，表5第(1)列货币政策不确定性显著为正，意味着货币政策不确定性越大，企业面临的信贷约束越高；第(2)～(4)列中，货币政策不确定性和信贷约束均为负，然而在第(3)列中，信贷约束不显著。因此，本文采用Bootstrap法进一步验证信贷约束传导机制的有效性，结果显示间接效应的值为-4.390(<0.01)，95%置信区间为[-0.102,-0.039]，通过了中介效应检验。

对于绿色专利、绿色发明专利及绿色实用新型专利来说，货币政策不确定性通过信贷约束影响绿色创新的间接效应为×，总效应为，那么信贷约束的中介效应的比例×分别为3.090%、0.255%、5.285%。与此同时，货币政策不确定性的直接效应分别为-1.147、-0.427和-1.608。可以看到，在货币政策不确定性影响绿色创新的作用机制中，直接效应要远远大于间接效应×。原因可能在于，货币政策不确定性的冲击，加大企业绿色创新溢酬的波动，降低了企业进行绿色创新活动的收益，导致企业延缓绿色创新；货币政策不确定性加大企业决策失误概率以及违约破产概率，此时银行出现“慎贷”和“惜贷”，提高了企业开展绿色创新的信贷成本，不利于绿色创新。

(三)绿色信贷政策冲抵作用检验

为了检验假说H3，本文以2012年《绿色信贷指引》的印发来衡量绿色信贷政策的冲抵作用。表6第(1)～(3)列分别是基于企业绿色专利、绿色发明专利及绿色实用新型专利的回归结果，研究信贷约束对企业绿色创新的影响是否在2006—2011年和2012—2019年两个时期存在差异。可以看到，信贷约束每增加1个单位，2006—2011年和2012—2019年的绿色专利分别减少0.011和0.010，绿色实用新型专利分别减少0.023和0.022。也就是说，2012年绿色信贷政策有效缓解信贷约束对绿色创新的抑制作用。原因可能在于，一方面，绿色信贷政策通过鼓励银行增加从事绿色创新企业的信贷资金，推动企业转向清洁型技术，发展绿色创新；另一方面，对未从事绿色创新的企业来说，绿色信贷政策通过要求银行加大污染型项目的信贷约束，引导企业开展绿色创新。因此，企业迎合绿色信贷政策，有助于缓解信贷约束，进一步推动企业开展绿色创新。具体表现为，在表6中加入了信贷约束与绿色信贷政策的交互项之后，货币政策不确定性对企业绿色专利、绿色发明专利及绿色实用新型专利均不再呈现显著的抑制作用。由此，本文的假说H3得到了验证。

表6 绿色信贷政策的冲抵作用检验结果

五、稳健性检验及异质性分析

(一)稳健性检验

1.Heckman两阶段回归

货币政策属于宏观政策，而企业微观行为很少影响宏观政策，也就是说货币政策不确定性和企业绿色创新几乎不存在反向因果关系。此外，本文实证中将所有解释变量和控制变量(企业年龄除外)均滞后一期，有效地避免了反向因果带来的内生性问题。但为了进一步检验实证结果的稳健性，本文参考石晓军等的做法，采用Heckman两阶段法，缓解内生性可能带来的影响。第一阶段建立企业是否进行绿色创新的选择方程，分别记为、和，分别得到其逆米尔斯比率()，接着将该系数代入第二阶段回归模型。表7报告了Heckman两阶段回归结果，结果显示，货币政策不确定性对企业绿色创新的抑制作用依然显著。

2.指标重新测量

考虑到指标的度量方式可能影响回归结果，因此分别更换了绿色创新和货币政策不确定性的度量方式。一是更换绿色创新的衡量指标。参考李青原等的做法，将废弃物管理类、能源节约类以及替代能源生产类三项专利授权总量加1再取自然对数(ln)做稳健性检验。表8第(1)列货币政策不确定性的系数显著为负，进一步验证了前文研究结果的稳健性。二是更换货币政策不确定性的度量方式。本文借鉴Jorda｀o｀等的做法，用GARCH模型计算货币政策不确定性指数()，表8第(2)～(4)列为更换货币政策不确定性的度量方式后的结果，可见对假说H1的回归结果与前文没有明显差异。

表7 基于Heckman两阶段模型的回归结果

表8 稳健性检验结果(1)

3.遗漏关键控制变量问题

考虑到企业金融资产持有、成长性等也会对企业绿色创新产生影响，本文在控制变量中加入企业金融资产持有、成长性进行实证分析，进一步降低关键遗漏变量可能产生的内生性问题。如表9第(1)～(3)列所示，回归结果与前文一致。参考彭俞超等的研究，企业金融资产持有()使用交易性金融资产、衍生金融资产、投资性房地产、可供出售金融资产以及持有至到期投资等五类资产相加后除以总资产来衡量。参考解学梅等的研究，企业成长性()用营业总收入同比增长率来表示。

表9 稳健性检验结果(2)

4.剔除金融危机的影响

本文样本区间为2006—2019年，如前文所述，由于2008年金融危机之后，货币政策不确定性呈现显著增加的趋势，为了消除2008年金融危机可能带来的干扰，因而剔除2008年的样本观测值后重新进行了检验。如表9第(4)～(6)列所示，回归结果与上文一致。

(二)异质性分析

1.区分企业是否披露环境责任

如前所述，考虑到绿色信贷政策要求银行在发放贷款时严格审查企业的环境责任信息，本文在基准模型的基础上，分别加入企业是否披露环境责任及其与货币政策不确定性的交叉项(×)进一步开展研究。用表示企业是否披露环境责任，若企业披露环境责任，则=1，否则=0，表10第(1)～(3)列报告了区分企业是否披露环境责任的回归结果。可以看到，在第(1)～(3)列中，货币政策不确定性的系数显著为正，在第(1)(2)列中，交叉项×的系数显著为正，说明货币政策不确定性对未披露环境责任企业的抑制作用更强。可能的原因在于，绿色信贷政策印发后，金融机构在发放贷款前，会积极考虑贷款项目的环境问题。而企业通过披露环境责任有效降低了银企之间的信息不对称，因而更容易获得信贷资金，为企业开展绿色创新提供了信贷来源。

2.区分企业所有制性质

考虑到国有企业和非国有企业从政府获得的政策性资源存在较大的差异，本文在基准模型的基础上，分别加入企业所有权性质及其与货币政策不确定性的交叉项(×)进一步开展研究。具体来说，用表示企业所有权性质，若企业是国有企业，则=1，否则=0，表10第(4)～(6)列报告了区分企业所有制性质的回归结果。可以看到，交叉项×的系数显著为负。这说明相比于非国有企业，货币政策不确定性对国有企业绿色创新的抑制作用更强。这可能是因为国有企业受到国家优惠政策的支持，面临的市场竞争压力较小，企业进行绿色创新的动力不足。

表10 异质性检验回归估计结果

六、结论及建议

绿色创新是绿色发展的基础支撑和关键动力。近年来，货币政策总是在短期稳增长和长期防风险之间寻求平衡，加剧了货币政策不确定性，可能对绿色创新产生不利影响。绿色信贷政策通过实施差异化信贷政策，增强银行对绿色创新的资金支持力度，推动企业绿色创新。本文以此为切入点，选取中国A股上市公司为样本，研究货币政策不确定性对企业绿色创新的影响作用，并进一步探究信贷约束在其中的传导机制以及绿色信贷政策的冲抵作用，同时也进行了稳健性检验和异质性分析。研究结果表明：第一，货币政策不确定性对企业绿色创新产生了显著的抑制作用，对未披露环境责任企业、国有企业的抑制作用更强；第二，从传导机制的检验结果看，货币政策不确定性加大以后，企业面临更强的信贷约束，倾向于减少绿色创新；第三，从冲抵作用的检验结果看，绿色信贷政策有效冲抵了货币政策不确定性对绿色创新的消极影响。

基于上述结论，本文提出以下政策建议。第一，引导货币市场利率的平稳运行。考虑货币政策的频繁调整可能会违背政策的初衷反而对企业绿色创新产生不利影响，央行在货币政策出台前，应根据经济基本面，进一步疏通货币政策传导机制，加强货币政策相关信息的公开透明度，维护市场预期稳定，增强调控的前瞻性、主动性。推动货币政策更加灵活适度，提升货币政策的传导效率，有效发挥货币政策的预期引导作用，降低政策本身不确定性带来的负面影响。同时，央行在对货币政策进行调整时，应加强与企业的沟通交流，重点解决企业融资难、融资贵等问题，协助企业获取更多的绿色创新机会。政府在遵照市场规则的先决条件下，有针对性地为企业绿色创新提供靶向措施，鼓励企业走绿色创新之路。第二，发挥货币政策精准导向的作用，完善绿色金融政策体系，加大对绿色创新的支持力度。本文研究发现，绿色信贷政策能够有效冲抵货币政策不确定性对绿色创新的消极影响。为此，央行要加强对绿色信贷政策实施情况的监测评价，完善其正向激励机制，用增量资金支持清洁能源，落实好碳减排支持工具，助力绿色低碳发展。央行可以通过完善绿色金融标准体系，助力金融机构识别绿色经济活动，引导资金精准投向绿色项目；通过召开座谈会，指导金融机构充分承担环境社会责任，按照市场化、法制化原则，合理配置绿色信贷资源，加大金融机构对绿色发展的支持，为绿色低碳产业提供优惠贷款利率，实现企业绩效和绿色发展“双赢”，推动市场经济有序健康发展。