绿色信贷政策对重污染企业“脱实向虚”的影响

孙莹 吴烁 王竹泉

关键词 绿色信贷政策；脱实向虚；企业金融化；重污染企业

近年来，随着实体部门产能过剩、盈利下降等疲软态势的显现以及金融部门的持续膨胀，中国经济“脱实向虚”倾向日益明显。越来越多的实体企业脱离经营主业，涉足金融领域，日益依赖金融渠道获益，并大幅增持金融资产投资［1-4］。然而，实体为本，金融为器。企业的过度金融化不仅会直接助长金融市场泡沫，加大系统性金融风险［2］；还会挤出企业实体投资，抑制企业创新，削弱企业的核心竞争力［3-4］。特别是在绿色发展成为大势所趋的背景下［5］，重污染企业的过度金融资产投资还会产生很大的环境负外部性［6］，在阻礙自身绿色转型升级的同时，严重威胁经济高质量发展及碳达峰、碳中和目标的达成。因此，如何抑制重污染企业的“脱实向虚”，助力实体经济绿色发展成为高质量发展进程中亟须解答的重要命题。

作为环境外部性较强的企业，重污染企业的行为决策，尤其是投资决策，深受环境规制政策的影响［5-6］。而企业金融资产配置本质是一种投资行为。因此，有必要将环境规制政策纳入对企业金融化的研究当中。绿色信贷政策作为中国环境规制政策的重要组成部分，是利用经济手段进行环境治理，兼具环境规制与金融调控特点的政策工具。其以2012年原中国银监会发布的《绿色信贷指引》为纲领性文件，在实践中对众多重污染企业形成了有力约束［5］。理论上，绿色信贷政策在重塑重污染企业信贷融资环境、倒逼重污染企业转型升级、激发重污染企业绿色发展热情［7-9］的过程中，能对企业回归实体主业形成强大吸引力，并进而抑制其“脱实向虚”倾向。但实践中，绿色信贷政策对重污染企业金融化的作用效果取决于政策规范程度、政策落实程度以及企业应对策略等多重因素，亟待经验证据的检验。因此，文章聚焦绿色信贷政策与重污染企业金融化间的关系，并尝试通过理论推导与实证研究回答三个相互联系的问题：绿色信贷政策是否影响重污染企业的金融化水平以及具体影响方向？该影响的微观传导机制是什么？该影响是否存在产权性质、区域环境执法强度等方面的异质性？

与已有文献相比，文章可能的边际贡献在于：①从企业金融化视角拓展绿色信贷政策实施效果研究，为评价政策效果、发挥绿色信贷的治理作用及进一步优化绿色信贷政策提供参考。②从绿色信贷政策角度考察企业金融化的原因，有助于厘清绿色信贷政策下中国企业的金融化逻辑，为合理引导企业“脱虚返实”提供经验证据。③从企业技术创新和代理成本两个视角分析与验证绿色信贷政策促进重污染企业“脱虚返实”的影响机制，探明绿色信贷政策发挥作用的路径；进一步区分产权性质和地区差异，识别出绿色信贷政策与重污染企业金融化水平关系的异质性，为差异化制定绿色信贷政策提供借鉴。

1 文献综述

国内外绿色信贷政策与企业金融化的相关研究中，与该研究密切相关的文献主要集中于以下两方面：一是绿色信贷政策的概念、内涵及实施效果研究；二是企业金融化的影响因素研究。

1. 1 绿色信贷政策的内涵及实施效果研究

绿色信贷政策作为绿色金融政策的重要组成部分，是利用信贷手段促进企业节能减排，实现环境与社会可持续发展的系列准则与规定［10-11］。其最早可追溯到20世纪70年代联邦德国的生态银行，并于2002年“赤道原则”颁布后得到了学界的广泛关注。Baron［12］和Labatt等［13］认为，绿色信贷是在生态环境形势日益严峻的背景下，由社会和环境责任衍生的信贷活动。沈洪涛等［10］和王凤荣等［11］则指出，绿色信贷实质是一种基于环境约束的信贷配给手段，是实现资源绿色配置的必由之路。随着绿色信贷政策内涵研究的日益丰富，学者们开始定量分析绿色信贷政策对宏观经济环境、金融机构及重污染企业三方利益相关者的影响。现阶段研究基本肯定了绿色信贷政策对宏观经济、环境的改善作用［7，14-16］，但对金融机构与重污染企业的影响，则因政策实施期限以及国别、数据等原因而存在差异［17-24］。在对金融机构的影响上，学者们认为银行实施绿色信贷政策既可能带来“绿色溢价”，助推其在控制风险的同时兼顾经济效益［17］；也可能无益于经营状况的改善，并导致系列风险［18］。在对重污染企业创新行为的影响上，已有文献主要围绕“波特效应”展开。王馨等［19］、张劲松等［20］、Zhang等［21］认为，绿色信贷政策在给重污染企业施加合理环境规制压力的同时，能提高投资效率、降低代理成本、增加媒体关注度，进而促进企业的技术创新活动，即“波特效应”成立。而陆菁等［8］基于Melitz 异质性模型的研究却得到了相反结论。此外，绿色信贷政策对重污染企业实体投融资行为的影响也得到了广泛探讨。苏冬蔚等［22］认为，绿色信贷政策的出台给重污染企业带来了融资约束与投资惩罚效应，即绿色信贷政策实施后，重污染企业的有息债务、长期债务显著减少，新增投资也明显下降。蔡海静等［23］则指出，与实体投资不同，面对环境规制强度的不断增加，重污染企业会加大绿色投资水平，加强环境治理投入以补偿原先造成的环境损害，主动寻求绿色转型。

1. 2 企业金融化的影响因素研究

企业金融化作为经济金融化在微观企业的典型表现，一直受到广泛关注，有关其影响因素的研究也围绕微观、中观、宏观三个层面取得了丰硕成果。已有文献证实，微观企业的经营收益率［24］、内部控制［25］，中观层面的供应链关系［26］、市场竞争关系［27］以及宏观上的经济政策不确定性［28］皆能作用于企业的投资偏向，扰动企业金融化水平。尤其是近年来，国内学者对深化改革背景下的具体政策与企业金融化关系的探讨，为进一步识别中国情境下企业金融化的影响因素，引导企业“脱虚返实”提供了经验证据。刘畅等［29］认为，现行的行政审批制度改革能通过降低企业进入门槛、激励企业研发创新，促进企业形成专注主业的内生动力，进而抑制金融化倾向，并针对性提出了优化制度营商环境、激励企业研发创新的政策建议。狄灵瑜等［30］则证实，在国企混改背景下，非国有股东参股能缓解两类委托代理问题，提升企业业绩，促进研发创新，进而减少以资本逐利为目的的金融资产投资。

综上，绿色信贷政策与企业金融化的相关文献已然较为丰富，为该研究奠定了良好基础，但仍存在以下不足：①绿色信贷政策对重污染企业投资行为作用效果的研究仅聚焦实体投资，较少涉及金融资产投资；②忽视绿色信贷政策对重污染企业金融化水平的影响；③缺乏从绿色信贷政策到企业金融化水平的传导机制探讨及对异质性影响因素的深入研究。

因此，该研究聚焦绿色信贷政策与重污染企业金融化间的关系，不仅有助于丰富相关文献，而且能为改善评价政策效果、进一步优化拓展绿色信贷政策，引导企业“脱虚返实”提供经验证据。

2 理论分析与研究假设

制度理论認为，公众预期与政策法规时刻约束着企业的行为决策，组织要想获得持续稳定发展，必须时刻调整自身行为决策以与公众及政府引导方向保持一致。绿色信贷政策作为中国现行绿色金融政策体系的核心，是金融调控手段在环境治理领域的创新应用。其不仅能发挥“命令-控制”型环境规制的强监督性及趋严的刚性，还能借助借贷市场发挥资金配置功能，引导资金流向绿色领域，从而实现环境、经济可持续发展的初衷［5，22-23］。而在这一过程中，重污染企业的金融化水平能得到有效抑制。

2. 1 绿色信贷政策、技术创新与重污染企业金融化水平

绿色信贷政策能通过促进企业的技术创新抑制重污染企业的金融化水平。首先，作为金融调控手段在环境治理领域的创新应用，绿色信贷政策能有效调控重污染企业的信贷资源配置［22-23］，激发其技术创新动机。银行在进行环境与社会风险审查的前提下，通过设置信贷环境准入门槛、实施配额约束与差异化贷款利率政策，能加大对绿色、低碳、节能项目的倾斜与支持力度，限制重污染企业的信贷请求，使重污染企业面临更为严苛的审批流程、更小的信贷额度、更短的融资期限及更高的融资成本［22-23］。此时，出于信贷资金可得性及长期发展的考量，重污染企业亟须一种长效治理机制，既能改善自身的环境表现，又能抵消环境规制引致的成本上升对企业生存发展的负面影响。而根据“波特理论”，技术创新作为组织在合理环境规制压力下的选择，可以发挥“创新补偿”效应，助力企业实现经济与环境的双赢［19-21］，并被普遍认为是减少污染排放、提升企业绩效、转型升级发展的必要手段［31-32］。其次，得益于绿色信贷的政策内涵，企业进行的技术创新活动、项目有望获得系列政策倾斜及动态激励。一方面，符合相关标准的技术创新项目会获得绿色信贷资金及相关优惠政策支持；另一方面，随着企业技术创新推进而优化的“环境形象”会改善其与投资者、消费者等利益相关者的关系，助其获得关键性资源及“声誉溢价”。再次，绿色信贷政策具有的明显偏好性与确定性，也能大大减少技术创新的不确定性［32］，为重污染企业及时提供技术改进的市场信息，促使其积极进行技术创新活动。

当企业技术创新活动较为活跃时，企业的“脱实向虚”倾向会得到明显抑制。从资源配置角度来看，企业的实体投资与金融投资存在明显的替代关系［26］。在企业总体资源有限及融资约束的现实背景下，技术创新对资源的占用及提前锁定，势必会挤占企业的金融资产投资份额。特别地，不同于一般实体投资活动，技术创新是一个不断尝试、试错的过程，需要持续性的人力、物力资源作保障［32］，而这就进一步决定了长期内可用于金融资产投资的资源减少。从价值创造角度来说，技术创新带来的新产品或新技术既能减少企业污染排放，又能提升生产效率，改善企业绩效，并奠定长期竞争优势［22］。如此，既“有绿可图”，也“有利可图”的技术创新活动削弱了管理者为维持股价、应对绩效考核及个人私利等而进行金融资产逐利的动机，从而显著抑制企业的金融化倾向。

2. 2 绿色信贷政策、代理成本与重污染企业金融化水平

绿色信贷政策能通过降低企业的代理成本抑制重污染企业的金融化水平。已有研究认为，现代企业中，委托人与代理人间的信息不对称与利益冲突是导致管理者大量配置金融资产以资本逐利的重要原因［33］。相比实体领域，金融领域更高的投资回报率、更短的投资回收期强化了委托人与代理人间的利益冲突，助长了管理者的逐利动机；加之信息不对称的存在，赋予了管理者在金融资产配置方面更多的自由裁量权，进而造成了企业的过度金融化［1-3，33］。而绿色信贷政策的出台，能有效强化监督力度，弥合债权人与企业、股东与经理人间的信息不对称与利益冲突问题，降低代理成本，减弱金融资产的逐利性动机。

首先，绿色信贷政策在对不同污染属性企业实施有差别、动态授信政策的基础上，对企业的环境与社会风险监查提出了明确要求：①要求涉及重大风险的客户主动提交环境社会风险报告，并自觉接受监督；②要求银行在信贷审批全流程中设置环境与社会风险评估关卡，并通过监督企业的环境表现与资金流向决定资金拨付与收回；③要求银行与环保部门积极合作，实施信息公开，共享环保信息。全流程的环境与社会风险监查有效强化了银行的监督功能，并在很大程度上弥合了银行与企业间的信息不对称，尤其是金融机构的信息劣势。银行可以一如既往地扮演好“大贷款人”的角色，发挥“硬约束”作用［34］，促使管理者为如约偿还债务积极履职，作出利于企业价值提升的决策，并遏制谋取私利行为的发生。其次，在银行对企业环境与社会风险、资金流向的全过程、严标准、长时间持续监督下，股东与管理者之间的信息不对称与利益冲突问题也大大缓解，并进而减少了金融资产逐利行为。一方面，在银行对环境与社会风险的监督审查下，重污染企业的环境表现及相关投资决策会直接关系到信贷资金的拨付，并进而影响企业的生存发展。而这势必会引起股东的关注，促使股东加大对管理层履职的监督，并督促其作出符合企业长远利益的决策。于是，经理人增持金融资产以资本逐利的投机行为会得到显著抑制。另一方面，绿色信贷政策下，绿色发展成为了企业的唯一出路，管理者的任何不以绿色发展为目的的决策不仅容易被识别，而且很可能对企业生存发展产生不利影响并进而断送自身的职业生涯。换言之，股东与管理者间的目标趋于一致，利益冲突问题大大减弱，而这能进一步削弱管理者配置金融资产逐利的动机，减少金融资产配置行为，显著抑制企业的金融化倾向。

综上，提出以下假说。

H1：相对于非重污染企业，绿色信贷政策显著抑制了重污染企业的金融化水平。

H1a：绿色信贷政策通过促进重污染企业技术创新抑制企业金融化水平。

H1b：绿色信贷政策通过降低重污染企业代理成本抑制企业金融化水平。

3 研究设计

3. 1 样本选择与数据来源

2012年的《指引》作为首部针对绿色信贷的规范性文件，标志着绿色信贷真正步入有法可循、有法可依的规范化发展阶段。鉴于时间跨度及数据可得性，文章选取2008—2019年沪深A股上市公司为研究样本，并进行以下处理：①剔除金融保险业、房地产业公司；②剔除非正常交易公司（包括ST、* ST以及PT）；③剔除资产负债率小于0和大于1，营业收入、营业成本为0等经营状况明显异常的公司；④剔除数据严重缺失的公司。最终获得23 500个公司-年度样本。为减少极端值影响，在1%和99%水平上对连续型变量进行缩尾处理。企业金融化数据、主要财务数据源自国泰安数据库，企业技术创新数据源自中国研究数据服务平台，省份层面数据皆来源自历年《中国统计年鉴》和《中国环境统计年鉴》。

同时，依据原环境保护部印发的《上市公司环保核查行业分类管理名录》对重污染企业进行界定。在与2012年证监会行业分类代码匹配后，最终选取代码为B06、B07、B08、B09、B10、C15、C17、C18、C19、C22、C25、C26、C27、C28、C29、C30、C31、C32、C33、D44的行业企业作为重污染企业。

3. 2 模型设定

3. 2. 1 基准模型

为定量考察绿色信贷政策对重污染企业金融化的影响，采用固定效应双重差分模型进行实证检验。同时参照多数文献［9，22-23］的做法，将重污染企业划分为实验组，非重污染企业划分为对照组。最终建立的具体模型如下。

Finrationit = β0 + β1 PostList + γXit + δi + λt + εit （1）其中：下标i 表示企业，t 表示年份，Finrationit为企业i在t 年的金融化水平；PostList 为绿色信贷政策发布时间虚拟变量Post 与实验组虚拟变量List 的交乘项；Xit为控制变量矩阵，δi为个体固定效应，λt为时间固定效应，зit为随机扰动项。双重差分项PostList 的系数β1 是文章关注的重点。

3. 2. 2 平行趋势检验模型

为确保双重差分法的应用科学性与结果有效性，参考任胜钢等［35］的研究，以政策实施前的2011年为基期，采用事件研究法（Event Study Approach）进行平行趋势检验，并构建以下模型。

其中，βt 表示2008—2019年的一系列估计值。当t<2012时，用以考察文章是否符合平行趋势检验；当t>2012时，用以考察政策的动态效应。其他变量含义与模型（1）一致。

3. 2. 3 机制检验模型

依据理论分析，绿色信贷政策能通过促进企业技术创新、降低企业代理成本抑制重污染企业的金融化水平。为有效识别上述作用渠道，在温忠麟等［36］中介效应“三步法”的基础上，借鉴江艇［37］对因果推断经验研究所涉及的中介效应反思设计如下模型。

其中：Patentit与Agencyit为中介变量，分别表示企业的技术创新与代理成本。借鉴任胜钢等［35］、王馨等［19］的研究，采用企业专利申请数量表征企业的技术创新水平，管理费用率表征企业的代理成本。管理费用率越大，企业的代理成本越高。式（3）与模型（1）一致，用于检验绿色信贷政策与重污染企业金融化间的关系。式（4）为机制检验，用于识别潜在的作用渠道。江艇［37］认为，现有经验研究多采用的中介效应逐步法存在较大的估计偏误，尤其难以找到“干净”的外生随机中介变量。因此，在进行中介效应检验时，只需执行第一步与第三步检验，即验证处理对结果变量与中介变量的影响，而中介变量对结果变量的影响可通过理论分析直接、显然地推出。

3. 3 变量定义

3. 3. 1 被解释变量

被解释变量Finrationit为企业金融化水平。鉴于该研究主要关注绿色信贷政策对企业生产经营过程中金融资产配置行为的影响，所以参考宋军等［24］和陈春华等［38］的研究，将企业金融化水平界定为企业金融资产占总资产的比重。企业金融资产=交易性金融資产+衍生金融资产+可供出售金融资产+持有至到期投资+发放的贷款及垫款+投资性房地产+影子银行类金融资产+对金融机构的长期股权投资。其中，影子银行类金融资产指上市公司充当影子银行的放贷机构所进行的委托贷款、理财产品和信托产品投资；对金融机构的长期股权投资指上市公司持有的与自身生产经营无关的证券、保险、信托、基金等金融公司的长期股权投资，具体数据可从“其他流动资产”“长期股权投资”明细中获得。同时，蓬勃发展的房地产行业能为所有者提供可观的现金流入，也被纳入了金融资产范畴。

3. 3. 2 核心解释变量

核心解释变量PostList 为绿色信贷政策，是绿色信贷政策发布时间虚拟变量Post 与实验组虚拟变量List 的交乘项。Post 在2012年当年及以后年份取1，反之取0；重污染企业的List 取1，反之取0。

3. 3. 3 控制变量

参考现有企业金融化领域研究［24-30］，选取的系列控制变量及具体定义见表1。

3. 4 描述性统计

全样本描述性统计结果见表2。被解释变量PostList的均值为0. 059 1，最小值为0，最大值为0. 508 0，说明不同企业间的金融资产配置水平存在较大差异。PostList 的均值为0. 270 0，说明2012年《指引》出台后的重污染企业占全样本的27%。控制变量的均值、标准差等分布与已有研究一致，未出现异常。

4 实证结果与分析

4. 1 基准分析

基准回归检验结果见表3。其中，列（1）—列（3）分别是在依次加入控制变量与个体、时间固定效应后对模型（1）进行检验的结果。列（1）是在控制双向固定效应下，对绿色信贷政策与重污染企业金融化水平的单独考察。

结果显示，绿色信贷政策的系数为-0. 009 5，且在1%的水平下显著，初步表明了绿色信贷政策对企业金融化水平的抑制作用。之后，在依次加入控制变量，并分别控制个体固定效应与双向固定效应后，绿色信贷政策系数仍显著为负，进一步证实了绿色信贷政策的抑制效应，假说1得证。绿色信贷政策在放大重污染企业环境违规成本与污染治理压力、强化监督力度、激发绿色发展热情的同时，能有效减少企业的金融资产投资。

4. 2 稳健性检验

4. 2. 1 平行趋势检验

平行趋势检验结果如图1所示。由图1可知，《指引》实施前即2012年之前的β 值均不显著，且很接近于0，说明《指引》实施前实验组与对照组的金融化水平未存在明显差异，满足平行趋势假设。同时，β 在《指引》实施后的年份显著为负，且绝对值逐渐增大；尽管2014年政策影响效应有短暂减弱，但得到迅速恢复，从而证实了绿色信贷政策对重污染企业金融资产配置行为逐渐增强的显著抑制作用。

4. 2. 2 内生性问题的处理

基准回归中，双重差分模型的应用能一定程度上控制内生性问题，得到对政策效果的无偏估计。为进一步解决内生性问题，进行如下检验。

（1）PSM?DID检验。为解决实验组与对照组间潜在差异对结果的影响，即样本选择问题，在以控制变量为样本点识别特征，进行实验组与对照组1对1近邻匹配的基础上，重新执行了基准回归。匹配后样本的ATT符合预期，在此基础上的回归检验结果也与基准回归大致相同。

（2）剔除其他政策影响。对绿色信贷政策与重污染企业金融化的估计，很可能受其他环保政策性事件影响，为此特选取相关代表性因素进行如下检验。一方面，2012年“ 雾霾”的频现及党的十八大对生态建设战略地位的强调，可能在对重污染企业施加环保压力的同时，影响其金融资产配置决策。为此，文章同时纳入企业注册地的SO2排放及自然资源保护协会披露的PITI指数进行基准检验。其中，PITI指数综合了排放数据、监管情况等信息，能综合反映环境信息公开情况，并常用来衡量区域环境规制强度［39］。另一方面，2015年新环保法的出台在明确污染排放企业环境治理责任的同时，也很可能改变其金融资产配置方式。为此，进一步在模型（1）中纳入2015年及以后年份政策虚拟变量以消除相关影响。

表4列（2）—列（3）列示了相关回归结果。在列（2）同时纳入企业注册地SO2排放及PITI指数的检验中，绿色信贷政策的系数显著为负；在列（3）纳入年份政策虚拟变量的检验中，绿色信贷政策系数仍显著为负。

4. 2. 3 安慰剂检验

为排除随机因素干扰政策效果，进一步基于反事实假设逻辑，在保证政策实施时间不变的前提下，通过随机构造实验组与对照组检验政策是否有效。在全体样本行业中，随机抽取与重污染行业数量等同的行业作为实验组，其余为对照组后，进行基准回归，并重复上述操作1 000 次。被解释变量的核密度分布图显示，绝大多数抽样估计系数的t 值绝对值都在2以内，且P 值在0. 1以上，说明绿色信贷政策在这1 000 次的随机抽样中均没有显著效果，通过了安慰剂检验。

4. 2. 4 替换被解释变量

为排除变量衡量方式造成的结果偶然性，进一步替换被解释变量。借鉴杜勇等［33］、蔡海静等［39］的方法，构建Finration2指标，并将其界定为（交易性金融资产+衍生金融资产+可供出售金融资产+持有至到期投资+发放的贷款及垫款+投资性房地产）/总资产。其次，借鉴王红建等［3］的研究，构建Finration3 指标。当企业配置金融资产时，Finration3取1，否则取0。随后，在控制年份、行业、省份效应的基础上，进行Logit回归。替换被解释变量后的回归结果见表4列（4）—列（5）。在列（4）以Finration2为被解释变量的检验与列（5）以Finration3为被解释变量的检验中，绿色信贷政策的系数皆显著为负，进一步佐证了结论的较高稳健性。

5 拓展性分析

5. 1 机制检验

在前述理论分析及模型构建的基礎上，从技术创新与代理成本两维度对政策机理进行检验。

5. 1. 1 技术创新的机制检验

依据理论分析及中介检验程序，对技术创新这一作用渠道的实证检验结果见表5列（1）—列（2）。列（1）与前述基准回归检验结果一致，绿色信贷政策能显著抑制重污染企业的金融化水平。列（2）对绿色信贷政策与技术创新关系的检验显示，PostList 的系数在5%的水平上显著为正，也就是说绿色信贷政策能显著促进重污染企业的技术创新。而技术创新作为企业在绿色信贷政策压力下采取的助力自身环境表现改善、生产效率提升的必要手段，需要大量且持续的资源投入，而这会造成企业投资重点的转移，促使企业重新配置在金融领域与实业领域的投入，减少金融资产投资，甚至出售部分或全部已持有的金融资产，从而抑制企业的金融化水平。

5. 1. 2 代理成本的机制检验

表5列（3）是对代理成本这一作用渠道的检验结果。列（3）对绿色信贷政策与代理成本关系的检验显示，PostList 的系数为-0. 008 2，且在1%的水平上显著。这表明，绿色信贷政策能有效降低重污染企业的代理成本。代理成本的降低意味着管理者会在银行“债权人治理效应”、股东的严密监督下专注于主业的长期发展，并减少金融资产逐利行为，从而抑制企业的金融化水平。

综上，绿色信贷政策能有效促进重污染企业的技术创新、降低重污染企业的代理成本进而抑制企业的金融化倾向。

5. 2 异质性检验

绿色信贷政策作为环境规制政策的重要组成部分，其对重污染企业金融化的作用效果既取决于企业的行为反应，也取决于政策的落实状况［8-9］。首先，绿色信贷本质是基于环境约束的信贷手段，其作用发挥依赖于企业对信贷资源的敏感程度［9］。政府“隐性担保”及预算软约束的存在，赋予了国有企业更大的融资空间与选择权，很可能导致国有重污染企业对政策的敏感度降低，从而继续维持原有粗放发展模式，而非重新配置实体领域与金融领域资源投入，进行技术创新以响应绿色信贷政策。因此，与国有重污染企业相比，绿色信贷政策对企业金融化水平的抑制作用在非国有企业表现得更为明显。其次，环保执法力度影响着环保规制政策效果的发挥［40］。区域环境执法力度越大，政策贯彻落实越到位、越有效。在更规范的信贷审批流程、更严密的监督下，重污染企业的技术创新活动会更为活跃、金融资产逐利性动机会大大减少。因此，与弱环境执法区相比，绿色信贷政策对企业金融化水平的抑制作用在强环境执法区表现得更为明显。

为此，分别按照实际控制人性质将企业划分为国有企业与非国有企业，按照各省份排污费中位数将地区划分为强环境执法区与弱环境执法区，以识别上述关系的异质性。其中，各省份排污费数据源自《中国环境统计年鉴》，排污费越高，区域环境执法强度越大。

5. 2. 1 基于企业产权性质的异质性检验

产权性质分组的回归结果见表6列（1）—列（2）。在非国有企业组，PostList 的系数为-0. 013 6，在5%的显著性水平上显著，而在国有企业组不显著。同时，组间系数差异检验P 值显著为正。这表明，分组回归系数具有一定可比性，绿色信贷政策对重污染企业金融化的抑制作用在非国有企业表现得更为明显。与前述分析一致。

5. 2. 2 基于地区环境执法强度的异质性检验

环境执法强度分组的回归结果见表6列（3）—列（4）。在强环境执法区，PostList 的系数显著为负，而在弱环境执法區不显著。同时，组间系数差异检验P 值也显著为正。这表明，绿色信贷政策对重污染企业金融化的抑制作用在强环境执法区表现得更为明显。与前述分析一致。

6 结论与政策建议

绿色信贷政策作为绿色金融政策的核心组成部分，在利用信贷工具促进环境、社会协调可持续发展的过程中，能否有效抑制重污染企业的“脱实向虚”倾向，是绿色发展背景下亟待解答的重要命题。基于此，该研究选取2008—2019沪深A股上市公司数据，采用双重差分法检验了《指引》实施前后，重污染企业相对于非重污染企业的金融化水平波动情况。研究发现：①整体上看，《指引》实施后，相对于非重污染企业，重污染企业的金融化水平得到了明显抑制。换言之，绿色信贷政策能显著抑制重污染企业的“脱实向虚”倾向。②绿色信贷政策主要通过促进重污染企业技术创新、降低重污染企业代理成本抑制企业金融化水平。③与国有产权性质、弱环境执法区的重污染企业相比，绿色信贷政策的抑制效应在非国有企业、强环境执法区表现得更为明显。

该研究不仅在理论上丰富了绿色信贷政策实践效果及企业金融化影响因素的相关文献，而且为政策制定者评价政策效果、完善优化绿色信贷政策和推动重污染企业绿色发展提供了有益启示。

第一，细化绿色信贷政策条款条例、完善绿色信贷实施监评体系，深化绿色信贷政策的积极影响。文章对绿色信贷政策与重污染企业金融化水平关系的检验，从微观上证实了绿色信贷政策的有用性。但不可否认的是，当前绿色信贷实施过程中仍存在着信贷审批“一刀切”、监管主体权责不清等问题，亟待细则条例的进一步规范及全程监评。

第二，加大技术创新支持力度，切实推进重污染企业的“脱虚返实”进程。绿色信贷政策下重污染企业进行的技术创新活动，在改善重污染企业环境表现、抵消环境遵循成本的同时，能促使企业形成长效机制、专注于实体主业、培育绿色发展竞争力，从而抑制“脱实向虚”倾向。因此，政策制定者及银行在进行相关决策时，除了充分发挥信贷约束效应，还应充分考虑企业的技术创新现状与潜力，有针对地开展技术创新激励工作，建立绿色信贷激励与约束双重机制，增加政策弹性，提升环境保护工作的科学性和精准性。

第三，加大政策实施监查力度，创设良好执法环境。绿色信贷政策对重污染企业金融化水平的抑制作用会因企业产权性质、地区环境执法强度的差异而有所不同。弱环境执法区、国有产权性质重污染企业的金融化水平受政策影响较小。因此，政府应加大对国有企业绿色信贷实施情况的监督，警惕不良银企关系、预算软约束等使绿色信贷效果产生偏差行为的发生；同时着力加强区域的环境执法力度，为环保政策实施创设良好的执法环境。

第四，引导企业树立创新绿色转型价值取向，营造绿色发展氛围。面对日新月异的绿色发展潮流及日臻完善的绿色信贷政策，重污染企业应认识到，唯有谋求绿色转型，加大技术创新，专注实体主业才能从根本上解决自身环保困境，增强核心竞争力，获得长期稳定发展。因此，政府应发挥好引导者的作用，通过出台政策规定、倡议等方式引导企业树立绿色转型价值取向，营造绿色发展氛围，促使企业深耕自身主业经营，谋求绿色发展竞争力。