绿色信贷政策、产权异质性与企业投资效率

梁毕明（教授），徐晓东

一、引言

随着“碳达峰”与“碳中和”双碳目标的持续推进，以绿色金融为主要推力，加大对环境友好型企业的金融支持，通过绿色金融推力构建可持续发展的经济体系，加强对绿色企业的投资支持，在改善生态环境的同时促进经济高质量发展俨然已经成为社会共识。绿色信贷作为绿色金融的重要组成部分，在提升资源配置效率方面具有关键作用，2012年我国原银监会发布《绿色信贷指引》（简称《指引》），标志着我国绿色信贷体系有了更进一步的规范。《指引》明确指出，要充分发挥金融资源市场配置功能，严格控制对重污染行业的信贷投放，通过引导企业资金流向的方式，促进企业节能减排、改善环境质量和防范信贷风险。绿色信贷政策作为资源配置的关键环节，在引导企业投资资金流向中发挥着至关重要的作用。

因此，探讨关于绿色信贷政策的实施是否会对企业投资活动产生影响，以及在我国特有的制度背景下政策实施是否会对我国微观主体的影响具有长期性、差异性，对于检验绿色信贷政策是否合理以及政府和金融机构科学决策具有重要意义。

二、文献回顾

现有研究认为，绿色信贷政策对经济发展存在“双刃剑”效应，学者们主要从积极与消极效应两个方面进行探讨。基于积极效应，一方面，对企业而言，当其披露更多绿色信息时，企业声誉会得到提高，在缓解融资约束的同时提高企业的融资可获得性（牛海鹏等，2020），此外，绿色信贷政策作为企业绿色转型的驱动力，也可以通过降低企业代理成本与提高企业投资效率的机制促进企业创新（王馨和王营，2021）。另一方面，对于绿色信贷的供给方而言，绿色信贷也能通过优化银行信贷结构、提高成本效率的方式降低银行等金融机构的信贷风险。基于消极效应，学者们则认为绿色信贷政策在评判重污染企业的贷款要求时会有严格的绿色审查标准，从而会加剧重污染企业的融资约束问题，并对企业投资产生抑制作用，也会因其对企业严格的绿色审查标准而减少重污染企业的融资渠道，“两高”企业的新增借款也会随之减少（蔡海静等，2019），使得重污染企业在信贷融资水平受到限制的情况下减少研发支出等长期投资项目（丁杰，2019）。此外，绿色信贷政策也会诱发重污染企业的策略性信息披露行为，成为对好坏消息择时披露的策略性选择（刘程，2022）。可见，现有研究并未就绿色信贷政策的实施对经济发展产生的影响得出一致结论。

造成企业非效率投资的根本原因在于企业的代理问题以及信息不对称。一方面，在现代企业两权制度分离的情况下，企业所有者和经营者由于“逆向选择”和“道德风险”会产生代理冲突，管理层从自身利益最大化的角度选择与企业长期发展目标并不相符的投资不足或过度投资决策导致非效率投资，特别是在我国上市公司“一股独大”较为普遍的情况下，更会加剧企业非效率投资（冉茂盛等，2010），而外部大股东的退出威胁可以有效地提高企业投资效率（康艳玲等，2022）。另一方面，在企业信息不对称的情况下，外部投资者出于信息劣势，当其难以对公司的投资决策做出正确判断时，便会引起外部投资者的逆向选择，在提高企业融资成本的同时使得公司的投资决策面临融资约束，进而会引起投资不足这一非效率投资行为。与此同时，管理层也会因需要满足外部投资者的利益需求而选择对企业短期发展受益的项目，进而导致过度投资行为。此外，高可比性的会计信息（袁知柱和张小曼，2020）、高质量的内部审计（赵保卿和徐豪萍，2017）等均能通过发挥对上市公司的监督效应抑制企业的投资不足和过度投资。

三、理论分析与研究假设

（一）绿色信贷政策与企业投资效率

绿色信贷政策与传统的环境规制手段相比存在较大差异，传统的环境规制工具大多以行政命令为主要特征，并且大多以政府为主导，会对重污染企业产生融资约束等负面影响，而绿色信贷政策侧重于以市场机制为导向，更大程度上要求银行等信贷投放的金融机构对企业的贷款项目产生的环境风险进行系统评估，通过引导企业投资项目的资金流向促进企业转型升级。因此，本文认为绿色信贷政策会通过市场机制的引导产生监督效应和激励效应两种影响并作用于企业的投资效率。

一方面，基于监督效应。在绿色信贷标准的要求下，银行等金融机构在发放贷款时通常会更加关注企业披露的环境信息，因此会形成一种有效的外部监督机制，监督企业绿色贷款的资金投向以及授信情况，在银行等金融机构的监督下，企业为了获取绿色信贷资金，也会调整自身的投资策略，进而会减少企业的盲目投资行为（王艳丽等，2021）；此外，随着外界对绿色治理的呼声高涨，重污染企业也会面临着严重的社会舆论压力，而随着绿色信贷政策的逐步实施，外界对于企业投资行为的监督会更加严格，管理层出于对公司声誉和业绩的考虑也会转变企业投资策略，削减高污染的项目支出，在建立良好绿色声誉的同时积极促进企业投资项目转型升级，提高企业的投资效率。

另一方面，基于激励效应。绿色信贷会激励企业提高信息披露质量，进而提高企业融资的可得性，从而对企业的投资效率产生正向影响。环境信息披露程度的提高也会降低银行发放绿色信贷的风险，进一步增多企业获得外部资金的渠道，缓解企业融资约束现状，通过影响企业的融资水平对企业投资方向以及投资行为产生影响（陈琪，2019）。此外，绿色信贷政策也可以激励企业加强公司治理，并通过资金杠杆机制约束企业发展方向，倒逼其积极寻求转型（吴晟等，2019）；同时，也可以激励股东积极参与公司决策，倒逼公司加强环境治理，从而增大投资支出，提高企业投资效率（丁杰，2019）。

基于上述分析，本文提出H1：绿色信贷政策对企业投资效率具有促进作用。

（二）绿色信贷政策、产权异质性与投资效率

由于国有企业在我国资本市场中占据特殊地位，与非国有企业相比，两种产权性质之间在融资方面会存在较大差异。相较于国有企业，民营企业会面临更大程度的融资约束，在产业转型升级方面往往更需要依靠外部资金进行战略投资，因国有企业具有更多的政策性保护（祝继高和陆正飞，2011），政府会对其存在“父爱效应”（谢德仁等，2009），导致银行等金融机构出于防范风险的角度更加偏向对国有企业进行放贷。因此，国有企业上市公司往往会获得更多低成本的信贷帮助，面临更少的融资约束，也正是因为国有企业融资约束较少，其在发展过程中出现的粗放式增长状况也会更为明显，这也是造成国有企业非效率投资行为的重要原因。《指引》实施后，银行在提供信贷方面会对重污染企业提出诸多限制条件，并在贷款业务的审批流程中更加强调企业承担的环境责任和社会责任，同时金融机构也会更加注重评估企业的环境规制风险。作为国有企业对于环境规制的承担责任就会进一步加强，因而其获得贷款时的限制就会增多，绿色信贷政策对国有企业的融资惩罚效应会更强（苏冬蔚等，2018；丁杰，2019），在融资存在限制的情况下，其粗放式增长的理念以及过度投资行为会相继得到抑制。与此同时，相比于民营企业，国有企业赋有更多的政策承担义务，对微观主体关于政策的执行情况具有表率作用，因此也会更多地承担起环保责任，响应绿色信贷政策的发展要求，开展更多效率投资行为。此外，国有企业管理者想要获得晋升机会，也会响应政策号召提升企业的资源配置效率，加强对企业绿色高质量发展的监督。

基于上述分析，本文提出H2：相较于非国有企业，在国有企业中绿色信贷政策对投资效率的促进作用更强。

四、研究设计

（一）样本选取与数据来源

本文以2012年原银监会发布的《指引》作为一项准自然实验，以2007 ～2021 年沪深A 股上市公司作为研究样本，构建双重差分模型，检验绿色信贷政策对上市公司投资效率的影响，使用的数据全部来源于CSMAR 数据库，对于缺失的财务数据采用人工搜集整理得到，并剔除样本中的ST、金融行业和数据异常企业。为了避免极端值影响回归结果的准确性，对连续数据进行1%和99%分位的缩尾处理，最终获得3401家上市公司的27955个可观测数据。

（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（Invest），采用Richardson（2006）的模型测量企业投资效率。该模型最大的特点是能综合企业各方需要，最大限度地将企业投资效率刻画出来，并能计算出企业的非效率投资程度，计算方式如下：

模型（1）中：Inv为企业的投资支出，其计算方式为“（资本支出+并购支出-出售长期资产收入-折旧）÷总资产”；Growth为营业收入增长率，代表公司的成长能力；Lev 为资产负债率；Cash 为企业现金流量；Age 为公司上市年限的自然对数；Size为公司规模，即总资产的自然对数；Ret为公司股票收益率。为减少其他遗漏变量对模型的影响，在模型中分别控制了行业与年份的固定效应。残差ε为投资效率（Invest）：当ε＞0时，说明企业存在过度投资；当ε＜0时，代表企业存在投资不足。本文将残差的绝对值作为企业投资效率的衡量方式，该残差的绝对值越大，说明企业非效率投资越严重。

2.解释变量。本文的解释变量为绿色信贷政策，因目前数据库尚未有关于企业绿色信贷政策的数据，故本文将《指引》作为我国绿色信贷政策实施的开始节点，并将《指引》作为一项外部政策冲击事件，引入政策实施虚拟变量和时间虚拟变量，从企业是否符合绿色信贷标准这一视角进行剖析。引入时间虚拟变量（time），即政策实施前（2007 ～2011 年）取值为0，政策实施后（2012 ～2021 年）取值为1。引入政策实施虚拟变量，根据样本中的企业是否为重污染企业，将样本分为实验组以及对照组，若为重污染企业，赋值为1；否则为0。同时，将时间虚拟变量与政策虚拟变量进行交乘（time×treat）构建双重差分模型。关于如何判断企业是否为重污染企业，借鉴沈洪涛和马正彪（2014）的研究，本文依据证监会制定的《上市公司行业分类指引》以及原环保部公布的《上市公司环保核查行业分类管理名录》，将二者重合部分的企业确定为重污染企业。

3. 控制变量。考虑到其他因素的影响，本文控制企业层面以及治理层面的变量，主要包括：公司规模（Size），为总资产的自然对数；资产负债率（Lev），为负债总额除以资产总额账面价值；公司成长性（Growth），为营业收入增长率；企业现金流量（Cashflow），为经营活动现金流量占总资产的比重；企业年龄（Listage），为公司上市年限的自然对数；总资产报酬率（Roa），为净利润除以总资产；独立董事比例（Indep），为独立董事人数除以董事会人数；第一大股东持股比例（Top1），为第一大股东持股数量除以总股数；管理层持股比例（Mshare），为管理层持股数量占公司总股数比例。

（三）模型构建

本文构建如下回归模型来检验绿色信贷政策的实施对沪深A股上市公司投资效率的影响，具体设置如下：

在模型（2）中，α1是本文关注的重点，即timei×treati，t的回归系数，为绿色信贷政策对企业投资效率的具体影响。为了避免误差项异方差以及时间序列对标准误的影响，本文在回归模型中引入年份、行业固定效应建立回归模型并将标准误在公司个体层面聚类。

五、实证结果与分析

（一）描述性统计

表1 显示了主要变量的描述性统计结果。企业投资效率（Invest）的均值为0.041，最大值为0.549，最小值为0，表明沪深A股上市公司之间投资效率的差异显著；进一步将投资效率识别为投资不足与过度投资后表明，过度投资（Overinvest）的均值为0.193，最小值为0，最大值为0.474，表明企业之间的过度投资存在较大差异；投资不足（Underinvest）的最大值为0.358，最小值为0，也能说明上市公司之间投资不足也存在较大差异，并且从投资不足与过度投资的企业数量上来看，样本中企业面临投资不足的现象较为严重。从treat的均值0.287来看，重污染企业在沪深A上市公司中的占比为28.7%，说明样本中重污染企业数量较多，绿色信贷政策的推广必然会对重污染企业产生影响，也从数据上证明了本文所具有的研究意义。

表1 描述性统计

（二）多元回归分析

1. 绿色信贷政策与企业投资效率。表2展示了绿色信贷政策实施对企业投资效率影响的回归结果。第（1）列中单独对time×treat 与企业投资效率进行回归，回归结果显示，time×treat 与企业投资效率的回归系数为-0.0028，并在5%的水平上显著为负；第（2）列加入控制变量后，time×treat 与企业投资效率的回归系数为-0.007，并在1%的水平上显著为负。回归结果表明，绿色信贷政策的实施能够显著地抑制重污染企业的非效率投资，本文H1 得到验证。从回归结果来看，绿色信贷政策的实施具有积极效应，也从实证分析的角度肯定了我国绿色信贷政策的实施效果。

2. 绿色信贷政策、产权异质性与企业投资效率。表2 展示了在产权异质性的情况下，绿色信贷政策对企业投资效率的影响。第（3）列为国有企业分组，第（4）列为非国有企业分组。结果显示，在国有企业中，time×treat 与企业投资效率的回归系数为-0.006，并在5%的水平上显著为负，而在非国有企业的分组中，time×treat 与企业投资效率的回归系数为-0.0053，并在10%的水平上显著为负，组间系数差异检验表明，二者之间的系数差异明显。结果表明，绿色信贷政策对国有企业投资效率的促进作用大于非国有企业，本文H2得以验证。

表2 多元回归结果

六、稳健性检验

（一）平行趋势检验

双重差分模型估计的前提是实验组和控制组在没有政策干预的情况下发展趋势保持一致，否则会对政策的评估效果产生偏差。如图1 所示，实验组与控制组在2012年之前发展趋势基本保持一致，在2012年之后，虽然2013 年实验组与控制组变化趋势不明显，但可能是由于宏观政策实施与微观主体的反应存在一定的滞后性导致的。从总体上来看，绿色信贷政策开始实施以后，实验组与控制组变化差异较大，因此，实验组与控制组基本满足平行趋势检验，为后文的回归结果奠定了较为合理的基础。

图1 平行趋势检验

（二）安慰剂检验

为了消除绿色信贷政策的实施与企业投资效率之间的关系可能受到绿色信贷政策自选择问题的影响，证明上市公司投资效率的提升是受到绿色信贷政策实施的影响，而不是其他事件造成的，本文参考丁杰等（2019）的做法，将绿色信贷政策的实施时间提前至2011 年，如果此时交乘项time×treat 的系数显著为负，则说明企业投资效率的提升是由其他因素导致的，绿色信贷政策激励提高企业投资效率的结论很可能不成立；如果此时time×treat 的系数不显著为负，则说明企业投资效率的提高是由于实施绿色信贷政策带来的。表3显示了改变政策实施时间节点的回归结果，time×treat的系数不显著，表明通过安慰剂检验，本文的结论依然显著。

表3 安慰剂检验和倾向得分匹配法回归结果

（三）倾向得分匹配法

为了克服重污染企业和非重污染企业之间的差异给回归结果带来的异质性偏差，本文采用倾向得分匹配法，利用1∶1 近邻匹配法，选取公司规模、资产负债率、公司成长性、企业现金流量、企业年龄、总资产报酬率、独立董事比例、第一大股东持股比例以及管理层持股比例进行匹配，匹配后ATT（平均处理效应）的T值为2.02，其对应的P 值远大于0.05，表明本文控制组与实验组之间的差异是显著的，匹配后变量的标准化偏差均小于10%，t 检验的结果均小于1.96，通过平衡性检验。通过PSM 匹配共获得10277 个观测数据，估计该政策对重污染企业投资效率的影响。具体结果详见表3。由表3可知，交乘项time×treat与企业投资效率的回归系数为-0.0091，在5%的水平上显著，证明了在进行倾向得分匹配后本文的回归结果依然成立。

（四）其他稳健性检验方法

1. 变更样本区间。考虑到2008年金融危机对企业投资活动的影响，本文采用更改样本区间的方式来提出影响回归结果的因素，将样本区间更换为2009 ～2019 年重新进行回归，回归结果如表4 第（1）列所示。结果显示，time×treat 与企业投资效率的回归系数为-0.0066，且均在1%的水平上显著，证明本文的主要结论在剔除经济不确定性因素后依然成立。

表4 其他稳健性检验回归结果

2. 被解释变量滞后。考虑到宏观政策实施对微观主体的影响存在滞后的问题，本文将被解释变量投资效率分别进行滞后一期、滞后两期，重新进行回归。回归结果如表4第（2）列与第（3）列所示。结果显示，time×treat与企业投资效率的回归系数为-0.0103和-0.0132，且均在1%的水平上显著。回归结果证明了本文的主要结论稳健。

七、进一步分析

（一）政策动态效应

为进一步考察绿色信贷政策对企业投资效率影响的政策动态效应，本文在回归模型中引入Year2012×treat、Year2013×treat、Year2014×treat、Year2015×treat、Year2016×treat 以及Year2017×treat 虚拟变量，分别代表政策实施的当年、第一年、第二年、第三年、第四年以及第五年，来验证政策执行的长期表现以及动态效应，回归结果如表5所示。第（1）列未加入控制变量，第（2）列加入多个控制变量。第（1）列显示，Year2012×treat并不显著，第（2）列中Year2012×treat和Year2013×treat 均不显著，原因在于宏观经济政策的推广以及微观主体对政策的反应会受到一定的时间限制，因此造成政策执行当年以及后一年绿色信贷政策的积极效应并未充分发挥。但在政策执行第二年后，Year2014×treat、Year2015×treat、Year2016×treat 以及Year2017×treat 的回归系数均在1%的水平上显著为负，并且系数的绝对值大体呈现出上升的趋势。这表明，绿色信贷政策对企业投资效率的积极影响较为显著，且具有长期的积极效应。

表5 政策动态效应

（二）基于过度投资与投资不足视角

在前文分析中，本文分别从监督效应角度与激励效应角度分析了绿色信贷政策的实施对企业投资效率的影响，但具体影响的是企业非效率投资的哪一方面，在政策中尚未有体现。因此，本文从过度投资与投资不足的角度进行验证，进一步分析绿色信贷政策的实施对上市公司投资效率的具体影响，回归结果如表6所示。第（1）列为绿色信贷政策的实施对企业过度投资行为的影响，第（2）列为绿色信贷政策的实施对企业投资不足行为的影响。结果显示：交乘项time×treat的系数在过度投资样本中为-0.0077，在5%的水平上显著；在投资不足样本中，交乘项time×treat 的系数为-0.0047，在1%的水平上显著。从两者的对比情况来看，绿色信贷政策对企业的过度投资行为更明显。

表6 基于过度投资与投资不足视角分析

进一步验证绿色信贷政策对企业新增投资（Addinvest）的影响，回归结果如表6 第（3）列所示。结果显示，time×treat 的回归系数为-1.0844 且在1%的水平上显著，这表明，绿色信贷政策实施之后，在过度投资方面，企业的新增投资明显减少。原因在于：在原有粗放式的增长理念下，重污染企业可以凭借自有资产进行抵押，从而获得银行的抵押贷款，在现金流充裕的情况下开展更多的过度投资行为；而在绿色信贷政策的指引下，银行等金融机构在提供贷款时会对企业投资项目做出绿色风险评估，而且相比于原有的贷款流程，在绿色信贷体系下也会变得更加严格，这无疑会加剧重污染企业融资约束，从而抑制企业的过度投资行为。此外，对于企业的投资不足，绿色信贷政策会作为企业转型的驱动力，在提升企业自身投资效率的同时又能够获得银行绿色贷款，为投资项目增加现金流入，缓解投资不足的情况。因此，无论是从过度投资抑或是投资不足的角度进行分析，绿色信贷政策均能提升企业投资效率，对企业发展具有积极作用。

（三）绿色信贷政策的溢出效应

为进一步探究绿色信贷政策实施的积极效果，本文将考察绿色信贷政策对企业创新活动的影响，并对创新活动做出进一步分析，将其分为创新投入与创新产出。本文将研发支出金额的自然对数（RD）作为创新投入的衡量变量，选取公司当年独立申请的专利数取对数（Patent）作为创新产出的衡量方式，加入回归模型考察绿色信贷政策抑制企业新增投资背后对企业创新绩效的影响。回归结果如表7所示。第（1）列为绿色信贷政策对企业创新投入的回归结果，time×treat 的系数为1.8613，且在1%的水平上显著为正，表明绿色信贷政策虽然会使得企业的新增投资减少，但能够激励企业达到效益最大化的目的，倒逼企业进行转型升级，加强企业绿色技术研发，将高耗能、高污染的产业进行转型升级。进一步地，表7第（2）列展示了绿色信贷政策对企业创新产出的影响，time×treat 的系数为0.2216，且在1%的水平上显著为正，这表明，绿色信贷政策实施后，企业加强研发投入所达到的效果较为明显，企业创新产出显著增加，也能证明绿色信贷政策能够优化企业的资金配置，将企业现有的资金发挥最大效用，提升企业长远价值。上述结果均能证明，绿色信贷政策对企业产生积极溢出效应。

表7 绿色信贷政策的溢出效应

八、研究结论

绿色信贷政策作为绿色金融的重要组成部分，在发挥提升资源配置效率、促进企业转型升级方面具有重要作用。本文将2012 年原银监会颁布的《绿色信贷指引》作为外生冲击事件，构建双重差分模型，探究绿色信贷政策的实施对企业投资效率的影响，以及在不同产权性质下，二者之间的结果有何差异化表现。实证研究结果表明：

一是从激励效应与监督效应的角度论证了绿色信贷政策的实施对上市公司投资效率的促进作用。绿色信贷政策能够通过引导企业资金流向、倒逼企业转型的方式提升企业投资效率。因此，政府有关部门与银行等金融机构应继续加大绿色信贷政策的实施力度，不仅要针对重污染企业进行绿色激励，更要推广至新兴产业与高科技产业中，从监督与激励的双重角度入手，充分发挥政府与市场的调节机制作用，推动企业产业转型升级，促进经济的高质量发展。

二是从产权性质角度探讨绿色信贷政策的实施在国有企业与非国有企业之间对企业投资效率的影响，研究发现绿色信贷政策对企业投资效率的促进作用在国有企业中更显著。因此，在进一步完善绿色信贷政策实施体系的同时，应从产权异质性角度制定针对不同主体的绿色信贷政策实施方案，完善绿色信贷政策在信贷授信方面的相关规则，将不同主体绿色信贷政策的实施情况纳入考核要求，尽量消除因产权等异质性给绿色信贷政策的实施带来的消极影响，积极推进绿色信贷政策在不同主体之间的促进作用。

三是通过进一步分析发现，绿色信贷政策对企业投资效率的积极影响具有长期效应，并对企业投资不足与过度投资均具有促进作用，在抑制新增投资的同时能够产生积极溢出效应，促进企业的创新投入与创新产出。但结果也显示，对过度投资的抑制作用要大于对投资不足的弥补作用。因此，银行等金融机构也应进一步完善相关机制，在对企业进行信贷供给时严格审查投资项目的可行性以及企业绿色信贷的授信标准，帮助企业最大限度地发挥信贷资金效用，促进企业绿色高质量发展。