绿色信贷政策、金融资源配置与企业绿色全要素生产率※——基于我国重污染企业的证据

○惠献波

河南财政金融学院 河南郑州 451464

改革开放以来，中国经济持续高速增长，创造了“中国奇迹”。然而，以“高能耗、高污染、高排放”为代价的经济增长给生态环境造成了巨大压力（史代敏、施晓燕，2022），迫切需要推动经济发展质量变革、效率变革、动力变革（顾宁等，2021）。因此，如何让更多金融资源流向环保、绿色产业，实现企业低碳、绿色发展是当前我国经济转型和可持续发展的必由之路。2012年，原中国银监会印发了《绿色信贷指引》（银监发〔2012〕4号），要求银行业金融机构以绿色信贷为抓手，积极调整信贷结构，倒逼企业节能减排，实现企业绿色发展。由此产生了本文关注的核心问题：作为一项环境规制工具，《绿色信贷指引》的颁布能否鼓励并引导重污染企业走上绿色生产之路？

一、文献综述

作为中国绿色金融体系的重要组成部分，绿色信贷政策的实施已取得了一定的进展。从已有研究成果来看，与绿色信贷相关的文献主要基于“波特假说”框架展开研究。

首先，国内外学者从不同角度对绿色金融政策的实施效果展开了研究。连莉莉（2015）在对比绿色企业与“两高”企业的融资费用（成本）后发现，作为经济调节手段的绿色信贷政策能够显著降低绿色企业的融资成本。王康仕等（2019）考察了绿色金融政策对绿色企业投资行为的逻辑机理之后，认为绿色信贷政策有助于缓解期限错配，提升绿色企业投资效率（王馨和王营，2021）。王遥等（2019）运用DSGE模型，对绿色信贷激励政策进行了分析，发现绿色信贷激励政策能够显著降低绿色项目融资成本，促进经济发展方式转变，从而达到经济发展与环境保护双赢的效果。丁宁等（2020）认为绿色信贷政策有利于降低金融机构信用风险，为技术创新创造有利条件，有效促进企业研发创新，最终实现金融机构与企业双元共赢。另外，部分学者研究发现，绿色信贷政策的实施会给重污染企业带来严重的信贷融资约束，他们认为，绿色信贷政策使得重污染企业获得长期信贷的难度增加（于波，2021），形成绿色信贷约束（曹廷求等，2021）和投资抑制效应（苏冬蔚和连莉莉，2018）。进一步研究发现，绿色信贷政策的实施不仅显著降低了能源密集型行业的投资规模，而且显著抑制了重污染企业的有息债务融资和长期负债（Wang et al.，2020）。总之，现有文献多从单一信贷金融工具对“波特假说”进行验证，并没有考虑金融发展的其他组成要素，从而无法挖掘绿色信贷政策效果的深层次原因。

其次，现有文献主要从环境规制（李鹏升和陈艳莹，2019）、FDI（崔兴华和林明裕，2019）、技术进步（武力超等，2021）、制造业服务化（李颖和许月朦，2019），以及碳排放（王留鑫，2021）等视角对影响企业全要素生产率的因素进行了探析。然而，传统的企业全要素生产率（TFP）没有将污染排放、生态环境等因素纳入分析框架（周晓辉等，2021），无法精准、全面地对企业高质量发展进行综合评价（王修华等，2021）。目前，中国污染问题已经非常严重，如果忽略环境污染问题，就无法客观地衡量金融发展与企业发展质量的关系（程文先和钱学锋，2021）。

目前，关于绿色信贷政策和企业全要素生产率方面的研究均积累了不少有价值的文献，但鲜有文献将污染排放、生态环境等因素纳入到分析框架中，研究绿色信贷政策与企业绿色全要素生产率（GFTP）之间的关系。基于此，本文将2012年《绿色信贷指引》的颁布视为一项准自然实验，利用双重差分模型（Difference-In-Differences model，DID），实证检验《绿色信贷指引》微观效应及作用机理，以期为绿色金融改革路径优化提供理论依据与数据支撑。本文可能的研究贡献在于：

第一，在研究视角上，基于资源配置视角，实证分析绿色信贷政策的微观效应，为精准评价《绿色信贷指引》政策效应提供了新思路，丰富了绿色信贷政策微观效应方面的解读。

第二，在研究内容上，本文尝试从债务期限结构、商业信用两个维度，对绿色信贷政策的作用机理进行分析，并将金融错配的调节效应纳入分析框架，尝试解析绿色金融与绿色创新的内在逻辑，丰富了绿色信贷与企业全要素生产率方面的经验证据。

第三，在研究方法上，本文将《绿色信贷指引》的颁布视作一项“准自然实验”，尝试运用双重差分模型尽可能干净地识别绿色信贷政策效应，有效克服了内生性问题，为构建中国绿色金融体系提供了理论参考。

二、制度背景及政策内涵

（一）制度背景

长期以来，由于信息不完全和市场失灵等问题的存在，企业绿色生产活动面临着严重的融资壁垒。在此背景下，如何拓宽融资渠道已成为各个国家金融支持企业绿色生产和经济绿色转型发展的重要任务。

1.国际背景。1972年，世界上权威的非官方智囊团——罗马俱乐部发表了著名研究报告《增长的极限》（The Limits to Growth），报告指出，地球已经不堪重负，生态失衡、环境污染和资源短缺等问题正严重威胁着人类生存，人类正面临着增长极限的巨大挑战。

早期，发达国家主要依靠国际组织和商业机构来推动绿色信贷发展。2003年，发达国家的银行机构协商提出了“赤道原则”，2006年，联合国环境署金融倡议（UNEP FI）和联合国全球契约（UN Global Compact）联合发起了“负责任投资原则”，要求企业任何投资活动都必须满足经济、环境和社会三重底线标准。

2015年12月，联合国气候变化大会在巴黎举行，《联合国气候变化框架公约》近200个缔约方一致同意通过全球气候协议——《巴黎协定》，“绿色”也成为全球经济高质量发展的底色。

2016年9月，在中国的倡导下，G20绿色金融研究小组正式成立，G20杭州峰会发布的《二十国集团领导人杭州峰会公报》首次将“绿色金融”写入其中；形成的《G20绿色金融综合报告》明确了绿色金融产品与服务的内涵、目的及范畴。在G20绿色金融研究小组的极力推动下，全球范围内开始形成发展绿色金融的热潮，各种绿色信贷产品不断涌现，为中国推行绿色信贷政策提供了经验示范。

2.国内背景。国内最早与绿色信贷相关的政策性文件可以可追溯至1995年由中国人民银行发布的《关于贯彻信贷政策与加强环保工作有关问题的通知》。该文件明确要求，在发放贷款时，各级金融机构应注意审查借款人的环境评估报告。

2007年7月，原国家环境保护总局、中国人民银行和原中国银监会共同发布了《关于落实环保政策法规防范信贷风险的意见》与《节能减排授信工作指导意见》，要求各级商业银行进一步加大对企业绿色生产活动的信贷支持力度。自此，中国绿色信贷政策正式启动。

2012年2月，原中国银监会发布了《绿色信贷指引》，要求金融机构深入贯彻落实绿色发展理念，在控制风险的前提条件下，加大对中国绿色经济多元化信贷需求的支持力度。《绿色信贷指引》的出台对中国绿色信贷政策的落地意义深远。

2016年8月，中国人民银行、财政部等七部委共同发布了《关于构建绿色金融体系的指导意见》，提出了支持、鼓励绿色投（融）资的一揽子激励措施（如：再贷款、专业化担保机制、绿色信贷支持项目财政贴息、设立国家绿色发展基金等），标志着中国已成为全球首个建立相对完整绿色金融政策体系的经济体。

此后，沿着“自上而下”的顶层推动和“自下而上”的基层探索两条路径，中国绿色信贷余额快速增长，绿色金融产品和服务日益丰富，绿色金融市场的规模持续扩大。综上所述，绿色信贷政策的发展历程见表1。

表1 绿色信贷政策相关文件梳理

（二）绿色信贷政策内涵

绿色信贷是可持续金融的一个重要组成部分，其本质在于正确处理金融业与可持续发展的关系，是在授信过程中通过制定差异化的利率和针对性的信贷服务，推动经济社会可持续发展，从而实现经济、社会、环境共赢的一种政策手段。

1.绿色信贷政策对企业的影响效应。绿色信贷政策虽然是一种经济手段，但执行过程中并不完全由市场机制自由发挥作用。绿色信贷政策主要通过以下两个渠道实现对污染企业的“始端治理”和“全周期治理”：

一是资金要素的再分配。如果企业在环境风险管理水平、环境信息披露及时性，以及环境绩效评价等方面成绩较好时，企业将更加容易获得规模更大、期限更长、融资费用更低的外部信贷资金支持；如果企业污染物排放较多时，尤其发生严重雾霾污染事件时，企业（特别是重污染企业）将会面临更高信贷门槛和更高融资费用。

二是污染企业的绿色转型。面对高昂的环境污染费用及严格的信贷约束，企业尤其重污染企业只有依托绿色技术才能有效缓释环境风险、降低环境污染成本，缓解融资压力。

2.企业对绿色信贷政策的反馈效应。企业通过绿色生产经营活动获得生态效益和经济效益，也是绿色信贷政策所追求的最终目标。一方面，绿色生产经营活动使企业本身获得双元收益的同时，降低了商业银行绿色信贷发放的风险，还正向刺激了商业银行提高绿色信贷力度；另一方面，企业在绿色信贷资金支持下开展绿色生产经营活动，生态效益和经济效益越明显，就越能够说明绿色信贷政策的有效性，企业的良性发展又反向影响绿色信贷的授信幅度和回报，最终实现可持续发展。

3.绿色信贷与企业的耦合关系。绿色信贷和企业绿色生产都属于风险投资，都具有不确定的回报收益。尽量减少风险损失，维持金融资产稳定的基础上实现绿色低碳发展，是绿色信贷和企业绿色生产经营活动的一致性目标，绿色信贷和企业绿色生产两者间存在着相互促进、相互影响的耦合关系（如图1所示）。从宏观层面来看，绿色信贷政策的初衷是通过政策引导和市场倒逼，加快产业结构调整，淘汰高污染的落后产能，从而推动经济社会发展全面绿色转型。从微观层面来看，抑制污染企业的融资只是手段,而非最终目标，并非为了让污染企业无法生存，而是希望通过绿色信贷引导资源配置远离重污染落后产能，从而减少经济活动给外部环境带来的负外部性。

三、影响机理及研究假说

绿色信贷政策是将项目环境因素融入信贷决策的制度安排，旨在通过信贷资源的合理配置，推动经济绿色转型。随着绿色信贷政策的实施，重污染企业外部信贷环境会发生相应变化，而这种变化可能对重污染企业绿色全要素生产率产生影响，具体分析如下：

（一）绿色信贷政策直接效应

首先，绿色信贷政策实施后，出于环境保护、管控风险的工作思路，金融机构会缩减对重污染企业的信贷投放，从而限制重污染企业的盲目扩张。此外，虽然企业绿色生产经营活动属于绿色信贷政策支持的项目，但金融机构识别企业经营活动项目性质难度较大，存在严重的信息不对称。其次，现代契约理论认为，如果项目风险系数提升，金融机构与企业之间的委托代理成本（费用）会随之增加，为了防控未来可能发生的违约风险，金融机构会严格控制授信（不予授信）或要求重污染企业支付更高的贷款利率。因此，《绿色信贷指引》的颁布会加剧重污染企业融资约束，对重污染企业绿色生产产生“挤出效应”。基于此，本文提出假说1。

假说1:绿色信贷政策对重污染企业绿色全要素生产率具有显著抑制作用。

（二）绿色信贷政策影响渠道

1.绿色信贷政策、信贷资源配置与企业绿色全要素生产率。期限匹配理论（也称为免疫假设）认为，企业债务期限必须与企业资产期限相匹配，以确保用企业资产收益的现金流来偿还未来债务。重污染企业绿色生产具有初期资金投入大、不确定性系数高等特征，长期借款是企业生产资金的重要来源，能够为企业提供长期、稳定的资金保障。然而，近些年随着环境风险日益上升，政府对环境、资源问题日益重视，这对信贷资金的安全性造成了较大威胁。为了确保信贷资金安全，金融机构会把环境因素纳入到风险评估流程，对重污染企业进行严格的信贷评估，减少或者停止对重污染企业的长期贷款。与此同时，绿色信贷政策实施后，重污染企业面临环境类诉讼风险的几率增加，可能会对重污染企业债务融资能力带来负面作用，极易引发外部债权人撤资或者拒绝贷款展期。由于资金不足，重污染企业很难开展持续性的绿色技术创新与产品研发。基于此，本文提出假说2。

假说2：绿色信贷政策通过改变信贷资源配置（债务期限结构），进而对重污染企业绿色全要素生产率产生影响。

2.绿色信贷政策、商业信用与企业绿色全要素生产率。在绿色信贷政策压力下，为缓解融资困境，重污染企业会积极寻找替代性融资（滕云和高辉，2020）。商业信用融资作为企业一项重要的替代性融资，具有限制条件少、筹资便利等特点（王艳丽等，2021），得到了很多企业的肯定和欢迎。《绿色信贷指引》颁布后，重污染企业的环境信息披露越来越受到重视，利益相关者会重新调整信贷分配，将符合环境保护、污染治理、节能减排和生态保护要求作为信贷决策重要依据，必然会大幅度减少对重污染企业的商业信用供给。基于此，本文提出假说3。

假说3:绿色信贷政策通过改变重污染企业的商业信用进而影响企业绿色全要素生产率。

3.绿色信贷、金融错配与企业绿色全要素生产率。金融错配是指金融资源并未按照效率原则进行分配，是资源稀缺性条件下，相对于最优要素配置的一种偏离状态。资源配置理论认为，金融资源只有流向生产效率最高的经济主体或部门，才能达到帕累托最优状态。从微观层面上讲，金融错配加剧了企业股东与债权人之间的利益冲突，造成公司债权治理功能（效应）弱化，从而扭曲企业资本结构。另外，金融错配降低了金融市场对企业产品研发、技术创新项目识别的敏感度（康志勇，2014），阻碍了金融资源的自由流动，增加了金融交易成本，大大降低了金融资源利用效率，不利于确定最优生产要素组合。基于此，本文提出假说4。

假说4:金融错配加剧了绿色信贷政策对重污染企业绿色全要素生产率的抑制效应。

四、实证结果分析

（一）模型设定与变量定义

为检验《绿色信贷指引》对重污染企业绿色全要素生产率的影响效应，本文构建如下双重差分（Difference-In-Difference，DID）模型：

其中，GTFPit为重污染企业绿色全要素生产率，本文基于SBM（Slacked-Based Measure）方向性距离函数，构造Malmquist生产率指数，对2009—2020年重污染上市企业绿色全要素生产率（GTFP）进行测度。具体测算指标如下①为消除价格因素的影响，以2009年为基期，对上述变量进行平减。：（1）投入指标，由劳动力投入、能源资源投入与资本投入三个二级指标构成，其中，劳动力投入用企业职工总数来测度，能源资源投入用企业用电量总量测度，资本投入用固定资产净额测度；（2）期望产出，用企业主营业务收入表示；（3）非期望产出，以“三废”（SO2、工业废水及工业烟尘）排放量测度。

treatit×postit交互项为核心解释变量，β1是本文关注的核心，用于衡量绿色信贷政策对重污染企业绿色全要素生产率的净效应。treatit为分组虚拟变量，若上市企业属于重污染行业，treatit=1，否则，treatit=0；postit表示时间虚拟变量，2012年及以后，postit=1，否则，postit=0。controlit代表控制变量，本文选用如下控制变量，如企业规模(Size)、资产负债率（Lev）、企业盈利能力（ROA）、固定资产占比（Fix）、成长机会（Tobin）、企业年龄(Age)、企业产权性质（State）、自由现金流（Fcf）等，为避免对实证结果的影响，回归分析过程中，本文还控制了地区的经济发展（Ggdp）和金融发展（Finl）。ui代表企业固定效应，vt代表年份固定效应，εit为随机扰动项。主要变量定义见表2。

表2 主要变量的符号与定义

（二）样本选择与描述性统计

本文参照2008年原环保部公布的《关于印发＜上市公司环境保护核查行业分类管理名录＞的通知》及2010年制订的《上市公司环境信息披露指南》中披露的重污染行业分类，判断是否属于重污染企业。上市公司基本特征等数据均来自国泰安（CSMAR）数据库与万德（WIND）数据库。为了提高数据质量，本文进行了如下处理:（1）剔除金融类上市公司（如银行业、证券业、保险业等）；（2）剔除ST及资不抵债的上市公司；（3）剔除异常值和主要指标严重缺失的上市公司。另外，为了避免离群值对实证结果的影响，对所有连续变量进行了1%和99%双侧缩尾处理，最终得到20189个企业年度观测值，其中，重污染行业的观测值有5978个。主要变量的描述性统计结果见表3，企业绿色全要素生产率均值为1.1499，标准差为0.2195，最小值为0.6836，最大值为2.2572，这表明在样本期内，企业绿色全要素生产率差异较大，这可能与不同的行业特征有关。此外，其他控制变量的取值与现有文献基本一致，均处于合理范围内。

表3 主要变量描述性分析

（三）基准实证结果与分析

1.基准回归结果。实证检验结果见表4，由表4第（1）列可知，在未添加任何控制变量的情形下，交互项（DID）系数为-0.0363，且在1%统计水平上通过了显著性检验，这表明《绿色信贷指引》的颁布对重污染企业绿色全要素生产率具有明显的负向影响。由表4第（2）列可知，在加入企业规模等控制变量之后，交互项（DID）系数依然显著为负，说明本文模型设定是合理的。

表4 基准回归结果

2.平行趋势检验。平行趋势假定是双重差分（DID）估计结果无偏的前提，即在《绿色信贷指引》颁布之前，实验组和控制组绿色全要素生产率具有相同的变化趋势。本文运用事件分析法（Event Study），实证检验《绿色信贷指引》政策影响效应的动态趋势，并捕捉政策实施前后企业绿色全要素生率是否有显差异。具体而言，本文将式（1）中的DID换成表示《绿色信贷指引》政策实施前（后）若干年的哑变量，其他变量的含义与前文相同，构建估计方程如下:

其中，D0表示《绿色信贷指引》政策实施当年（2012年）的哑变量，s为负数时，表示《绿色信贷指引》颁布之前s年，s取正数时，表示《绿色信贷指引》颁布后s年。本文将《绿色信贷指引》颁布前4年设为基准组，回归结果如图2所示。由图2可知，《绿色信贷指引》颁布前，企业绿色全要素生产率不存在随年份变动的差异，满足双重差分平行趋势假定；在《绿色信贷指引》颁布之后，重污染企业与非重污染企业绿色全要素生产率差异明显，再次表明《绿色信贷指引》政策实施对重污染企业具有显著抑制作应。

3.安慰剂检验。为了排除非观测遗漏变量干扰，本文借鉴张国建等（2019）的研究，对其他非观测遗漏变量是否会影响回归结果进行间接性检验。根据估计式（1），DIDit系数估计值表达式如下：

上式中，control表示控制变量，如果λ=0,则表示β1估计结果是无偏的。然而，并不能对λ是否为0进行直接检验，假如可以用某一个变量替代DIDit，且其对被解释变量不产生实质性影响（即β1=0），在此情形下，如果还能够测算出，就可以反推出λ=0。

为了提升安慰剂检验的识别精度，本文运用bootstrap方法，将随机过程重复1000次，结果如图3所示。由图3可知，估计值集中分布在零附近。于是，可以反推出λ=0，即绿色信贷政策效应并未受到未观测到的遗漏变量干扰。

（四）异质性分析

绿色信贷政策对上市企业的影响效应可能会因为企业产权性质、企业规模、地区金融水平及区位差异而有所不同。基于此，本文分别从内部环境（企业产权性质、企业规模）和外部环境（区位差异、市场环境）视角，分析绿色信贷政策对企业绿色全要素生产率的差异性影响。

1.产权性质异质性。在信贷市场中，国有企业享有得天独厚的融资优势，非国有企业面临着不同程度的“所有制歧视”，绿色信贷政策的实施可能进一步加剧非国有企业的融资约束，因此，对不同所有制企业来说，绿色信贷政策的微观效应可能存在差异。基于此，本文在模型（1）中引入《绿色信贷指引》政策（DID）与企业产权性质（State）交互项，以考察不同产权归属下绿色信贷政策的微观抑制效应，实证结果见表5。

由表5第（1）列可知，交互项（DID×State）系数为-0.0540，且在1%水平上显著为负。这表明与国有企业相比，《绿色信贷指引》的实施对非国有企业绿色全要素生产率的抑制效应更加显著。可能的解释：首先，在政府接洽、信息获取、业务对接等方面，国有企业享有得天独厚的优势，国有企业与金融机构之间形成长期稳定的合作关系，可以有效缓解信息不对称问题，即使面对硬污染的软约束，以政府信用为基础的隐性担保也会使得国有企业融资渠道十分畅通，而非国有企业面临的贷款条件较严苛，获得贷款的难度较大。其次，国有企业具有良好的外部制度环境，在绿色信贷政策执行过程中，容易受到地方政府部门的重视，更容易获得垄断性资源而形成竞争优势，实现商业信用与自身财务状况的良好匹配。

2.企业规模异质性。根据企业总资产中位数（李旭超等，2017），本文将总样本分为大规模企业和中小规模企业，以分析《绿色信贷指引》政策微观效应在不同规模企业的差异性。具体来说，若企业总资产大于所在行业总资产的中位数，Size=1，否则，Size=0，并在模型（1）中分别引入《绿色信贷指引》政策（DID）与企业规模（Size）交互项，回归结果见表5。

从表5第（2）列可以看出，交互项（DID×Size）系数为-0.0218，且在1%统计水平上通过了显著性检验。这说明，与大规模重污染企业相比，《绿色信贷指引》政策对中、小型重污染企业抑制效应更加明显。不同规模企业在信贷资金的可得性和敏感性上存在一定差异。大规模重污染企业在资金保障、人才建设、信用资质等方面往往具有明显的优势。在绿色信贷政策的压力下，资源有限，融资难已成为制约小规模重污染企业发展的瓶颈，从而使其陷入“融资难—绿色生产缩减”的恶性循环。

3.金融水平异质性。依据上市公司注册城市的贷款余额占GDP比重的中位数，本文将企业注册地所在城市划分金融欠发达地区与金融发达地区，若样本企业注册地在金融欠发达地区，Finl=1，否则，Finl=0。

回归结果见表5，由表5第（3）列可知，交互项（DID×Finl）系数为-0.0433，且在1%统计水平上通过了显著性检验。这表明，相对于金融发达地区来说，《绿色信贷指引》的实施对处于金融欠发达地区的重污染企业的抑制效应更明显。完善的金融体系能够为企业营造良好、有序的金融生态，企业融资渠道（途径）更加便捷。在金融发展水平较高的地区，资信评级机制比较完善，金融机构能够全面获取企业信息，大大缓解了信息不对称困境，从而降低了融资成本，绿色信贷政策的管制作用被削弱。然而，在金融发展水平比较低的区域，信息不对称问题比较突出，提高了金融机构的审核、监督费用，提升了企业外部融资成本，因此，《绿色信贷指引》颁布后，在金融发展水平低的地区，重污染企业面临的融资环境将会更加严峻（郭涛和孙玉阳，2021）。

4.区位条件异质性。为探究绿色信贷政策效应的区位异质性，本文在模型（1）中引入《绿色信贷指引》政策与企业注册地交互项（DID×Position）,如果企业注册地位于东部地区，Position=0，否则，Position=1，回归结果见表5。

表5 异质性检验

由表5第（4）列可知，交互项（DID×Position）系数为-0.0296，且在1%统计水平上通过了显著性检验。这表明，相对于东部地区企业来说，《绿色信贷指引》的实施对中西部地区重污染企业的抑制效应更明显。中国国土面积广阔，不同地区的资源禀赋差异较大，《绿色信贷指引》颁布后，严格硬化的绩效考核约束增加了企业环境成本。与中西部地区相比，东部地区的制度环境相对完善，绿色金融理念已深入人心，当地政府和企业一直对环境污染治理高度重视，为打好污染防治攻坚战，企业积极探转变生产方式，开发新技术；而西部地区出于发展的需要更加注重经济效益而相对较少关注污染治理，因此，《绿色信贷指引》颁布之后，西部地区重污染企业的信贷融资、新增投资受到的冲击更加严峻。

（五）作用机制分析

1.债务期限结构。借鉴连立帅等（2015）的研究思路，本文选用债务期限结构（Debts）来反映样本企业的债务情况，并选用企业长期债务占企业总负债比率测度，以反映绿色信贷政策的直接配置效应，结果见表6。

表6第（1）列、第（2）列报告了债务期限结构的中介效应分析结果，由表6第（1）列可知，DID系数为-0.1940，且在1%统计水平上通过了显著检验，表明绿色信贷政策的实施能够显著降低重污染企业的长期债务比重。由表6第（2）列可知，Debts系数在1%统计水平上显著为正，表明长期借款可以明显促进重污染企业绿色全要素生产率提升；DID系数为-0.0254，且在1%统计水平上通过了显著检验，说明绿色信贷政策的实施减少了重污染企业的长期借款，进而抑制了企业绿色全要素生产率水平，且系数绝对值有所下降（与基准回归相比），这表明长期借款是绿色信贷政策与企业绿色全要素生产率之间的部分中介因子。

2.商业信用。参照王艳丽等（2021）做法，选取应付账款、应付票据与预收账款与资产总额的比值来衡量商业信用，以测度绿色信贷政策派生的间接配置效应，结果见表6。

表6 中介效应检验

表6第（3）列和第（4）列报告了绿色信贷政策对企业商业信用额度（Cred）的影响。由表6第（3）列可知，DID回归系数为-0.1344，且在1%统计水平上显著，这表明《绿色信贷指引》发布后，重污染企业的商业信用规模（额度）受到了显著抑制。由表6第（4）列可知，商业信用（Cred）可以明显促进重污染企业绿色全要素生产率提升，另外，DID系数为-0.0246，且在1%统计水平上通过了显著性检验，系数绝对值有所下降（与基准回归相比），表明商业信用是绿色信贷政策与重污染企业绿色全要素生产率之间的部分中介因子。

3.金融错配的调节作用。本文借鉴邵挺（2010）研究思路，选用企业资本成本相对于所属行业平均资本成本的偏离程度来测度金融错配水平，计算公式如下:

其中，Finipt表示某企业面临金融错配程度，Rpt表示某行业平均资本成本，Iipt表示某企业利息总支出，Lipt表示企业总负债，Aipt表示企业总应付账款。

由于本文关注的重点不是金融错配高与低，而是以金融错配为基础，实证检验绿色信贷政策微观效应是否具有异质性。基于此，本文以金融错配程度的中位数为分组依据，若某企业面临的金融错配程度高于中位数，Finipt=1，否则，Finipt=0，实证结果见表7。

表7 金融错配的调节作用

由表7第（1）列和第（4）列结果可知，金融错配程度直接加剧了绿色信贷政策对企业全要素生产率的抑制效应，另外，交叉项（DID×Fin）的系数为-0.0050，且在1%统计水平上通过了显著性检验。这表明，绿色信贷政策对于面临金融错配程度较高的重污染企业抑制作用更明显。

由表7第（2）列和第（5）列可知，绿色信贷政策（DID）估计系数均显著为负，交叉项（DID×Fin）的系数未能通过显著性检验，表明金融错配对《绿色信贷指引》金融资源配置的调节效应不显著。可能的解释：虽说金融错配程度是企业金融资源非效率配置的一个结果，而其对于金融资源的具体分配过程没有显著性影响。

由表7第（3）列和第（6）列可知，债务期限结构（Debts）和商业信用（Cred）系数均显著为正，交叉项（Fin×Debts和Fin×Cred）系数分别为-0.0842和-0.0817，且均在10%统计水平上通过了显著性检验。这表明，金融错配对债务期限结构（Debts）、商业信用（Cred）发挥治理效应具有明显抑制效应，进而加剧了《绿色信贷指引》政策对企业绿色全要素生产率的抑制作用。

五、研究结论与政策建议

（一）研究结论

将2012年原中国银监会颁布《绿色信贷指引》作为一次准自然实验，基于2009—2020年中国沪深A股上市公司面板数据，运用双重差分法（DID）评估了《绿色信贷指引》对重污染企业绿色全要素生产率的影响效应。实证结果发现：

1.《绿色信贷指引》的颁布会加剧重污染企业融资约束，对重污染企业绿色生产经营活动产生“挤出效应”，从而对重污染企业绿色全要素生产率具有显著抑制效应，在缓解内生性问题后，该结论依然稳健。

2.绿色信贷政策通过改变债务期限结构，减少企业商业信用等渠道对重污染企业绿色全要素生产率产生抑制效应，即债务期限结构和商业信用在绿色信贷政策与企业绿色全要素生产率之间起部分中介作用。此外，该传导途径受到金融错配的影响，重污染企业面临的金融错配水平越高，绿色信贷政策对企业绿色全要素生产率的正向作用越弱，最终，绿色信贷政策的微观治理功能被弱化。

3.绿色信贷政策对上市企业的影响效应，因企业产权性质、企业规模、地区金融水平，以及区位差异而有所不同，即在中西部地区、金融发展程度低的地区，以及非国有企业、小规模企业层面，绿色信贷政策的抑制效应更加显著。

（二）政策建议

1.完善绿色信贷激励机制。首先，加强绿色信贷政策探索和设计，建立环境信息强制披露制度，强化对低碳投融资的正向激励，合理配置绿色资源；健全财政对绿色贷款贴息机制，充分发挥贴息资金的引导作用，以降低企业绿色项目融资成本，激发企业绿色创新内生动力。其次，创新绿色信贷产品和服务。充分考虑被监管企业的异质性，实施“分类监管、差异化管理”，引导金融机构增加中长期贷款规模，在风险可控的前提下，鼓励商业银行优化绿色信贷产品与服务的授信审批流程，根据贷款风险度在贷款利率定价上给予一定优惠，以充分调动污染企业节能减排、污染治理的内在积极性。第三，加大环保补贴倾斜力度。各级政府部门加大财政支持生态环保的投入力度，包括孵化、担保、贴息等，以缓解企业面临的融资困境。此外，还要引导污染企业加大科技创新投入，鼓励污染企业通过技术更新、生产工艺改善，不断提高产品的附加值，以全面提升公司产品市场竞争力，从而实现可持续发展。

2.建立支持绿色企业发展的长效机制。首先，深化金融供给侧结构性改革。完善绿色投资激励机制，降低绿色贷款经济资本占用，以充分调动金融机构主观能动性，支持经济绿色转型；充分利用大数据等科技信息手段实现政府、金融机构与企业三方数据共享，打破“数据壁垒”“信息孤岛”，破解银企信息不对称难题。其次，构建绿色信贷的信用担保授信机制。以正向激励企业开展绿色生产经营活动为宗旨，构建由金融机构、企业、第三方担保（环评）组成的面向企业的绿色信贷授信机制（如图4所示）。其中，第三方担保机构（组织）负责为企业提供信用担保，担保企业履行约定的责任和义务；由第三方环评机构（组织）负责对企业在信贷前（后）的生产经营活动开展环境检测，以期实现经济效益和绿色发展的双赢目标。

3.完善现有绿色信贷金融政策。首先，在制定绿色信贷政策时，政府部门要充分考虑到企业的异质性背景，推出多元化、针对性强且可操作的措施。如在构建重污染企业绩效评价指标体系时，要充分考虑重污染企业的产权归属、规模大小，以充分调动非国有企业和小规模企业减排、降碳的内在主动性及积极性。其次，要引导金融机构优化信贷机构，加大对非国有企业和小规模企业进行科技创新、绿色发展的信贷支持力度，支持符合条件的金融机构、企业和上市公司等市场主体发行绿色债券募集资金。