绿色金融是否影响重污染企业社会责任的履行

姬新龙 李婉婷

摘 要 在当前绿色发展理念下，企业社会责任的履行情况已成为金融服务企业进行绿色融资决策的重要参考信息，绿色金融对企业社会责任履行的影响则需深入探讨。以2013—2020年在A股上市的418家重污染行业企业为样本，运用倾向性得分匹配-双重差分法与中介效应分析法，研究绿色金融对企业社会责任履行的影响，结果表明：绿色金融能够显著促进重污染企业社会责任的履行，而且主要通过融资约束的中介效应实现促进作用。异质性分析显示，绿色金融对非国有和处于低市场化程度地区的重污染企业社会责任的履行具有更为明显的促进效果。

关键词 绿色金融 重污染企业 企业社会责任 PSM-DID 融资约束

作者简介：姬新龙，管理学博士，兰州财经大学金融学院教授、硕士研究生导师；李婉婷，湖北大学商学院博士研究生。

基金项目：甘肃省教育揭榜挂帅项目“甘肃碳排放权交易市场建设及减排路径研究”（2021-jyjbgs-08）；甘肃省软科学项目“区块链技术发展现状及其在供应链金融领域的应用”（20CX9ZA049）；兰州财经大学绿色金融创新研究团队项目（2020CXTD09）

一、研究背景

“雙碳”目标彰显了我国积极应对气候变化、走绿色低碳发展道路、实现经济可持续发展的坚定决心，也预示着作为引导性融资调节工具的绿色金融，将在减排降污、经济绿色转型过程中发挥愈发重要的作用。2015年，中共中央、国务院印发《生态文明体制改革总体方案》，首次提出构建绿色金融体系。2017年，国务院决定在部分地区建立绿色金融改革创新试验区，首批绿色金融改革创新试点地区横跨东中西部，绿色金融在实践层面开始发挥其引导资金流向、治理环境污染等作用。根据绿色金融的政策内涵，可以在信贷资金方面对企业形成“奖惩机制”，实现优胜劣汰。比如，对于社会责任履行表现良好、达到绿色环保标准的企业，一般优先对其进行绿色金融授信，甚至提供利率优惠，促进其进一步发展；对于社会责任履行表现较差、不符合绿色环保导向的企业，很可能会提高其贷款利率，甚至拒绝发放贷款。这是绿色金融服务实体经济高质量发展的重要表现。

在当前倡导绿色发展的新理念下，社会责任作为企业治理的核心评价标准，是企业寻求绿色转型发展的重要外在表现，也是影响金融企业开展绿色融资决策的重要参考信息。反过来，随着绿色金融的全面推广，各类企业的绿色技术创新会更加积极，公司治理架构也将更加完善，绿色金融是否会对企业社会责任的履行产生实质性影响呢？从理论和实践等多个维度探究绿色金融试点政策对企业治理产生的影响，全面评价绿色金融试验区政策的效果，对于未来我国绿色金融政策的完善以及全面推广，具有良好的理论指导和实践借鉴意义。

本文以2017年绿色金融试点为切入点，搜集整理2013—2020年A股上市重污染行业企业的面板数据，通过PSM-DID模型研究绿色金融对企业社会责任履行的影响，并利用中介效应分析方法探讨具体的作用机制。

二、文献回顾与理论分析

（一）文献回顾

Jose Salazar最早提出绿色金融的概念，认为绿色金融是沟通金融与生态环境的桥梁。【张宇、钱水土：《绿色金融理论：一个文献综述》，《金融理论与实践》，2017年第9期。】绿色金融以促进经济、社会和环境和谐发展为目的，利用金融产品和服务引导资金投向节能环保的新领域，兼具金融资源配置和环境规制双重特性。正是这些特征使得绿色金融成为当前我国实现“双碳”目标的重要抓手。但是，绿色金融是否能够达到预期的政策效果？

现有文献主要从企业行为层面研究了绿色金融政策的影响。比如，连莉莉从成本视角对绿色企业和“两高”企业进行了对比分析，发现绿色金融提高了污染企业的债务融资成本。【连莉莉：《绿色信贷影响企业债务融资成本吗？——基于绿色企业与“两高”企业的对比研究》，《金融经济学研究》，2015年第5期。】苏冬蔚等认为绿色金融抑制了污染企业的投资行为。【苏冬蔚、连莉莉：《绿色信贷是否影响重污染企业的投融资行为？》，《金融研究》，2018年第12期。】刘强等、谢乔昕等都认为绿色金融显著促进了企业的绿色创新转型，增加了企业的创新投入，提高了企业的创新效率。【刘强、王伟楠、陈恒宇：《〈绿色信贷指引〉实施对重污染企业创新绩效的影响研究》，《科研管理》，2020年第11期。谢乔昕、张宇：《绿色信贷政策、扶持之手与企业创新转型》，《科研管理》，2021年第1期。】占华研究发现绿色信贷能够借助融资约束和环境绩效两个途径显著促进企业的环境信息披露。【占华：《绿色信贷如何影响企业环境信息披露——基于重污染行业上市企业的实证检验》，《南开经济研究》，2021年第3期。】倪娟等认为，绿色信贷政策的推行将企业融资需求与环境责任有效挂钩，促使企业主动进行环境信息披露。【倪娟、孔令文：《环境信息披露、银行信贷决策与债务融资成本——来自我国沪深两市A股重污染行业上市公司的经验证据》，《经济评论》，2016年第1期。】这些研究表明绿色金融在影响企业投融资行为、促进企业技术创新、完成企业绿色减碳使命、完善现代企业治理等方面具有良好的引导作用。

社会责任是现代企业治理的重要组成部分。从实践来看，企业积极履行社会责任不仅能降低融资风险，而且能增加企业价值，有助于塑造良好的企业形象，提高公众认可度和竞争力。绿色金融是否影响企业社会责任的履行呢？韦院英等认为，环境政策对企业社会责任履行有显著的正向影响，因此在环境规制下，企业有必要采取相应的措施，履行其社会环境责任。【韦院英、胡川：《环境政策、企业社会责任和企业绩效的关系研究——基于重污染行业环境违规企业的实证分析》，《华东理工大学学报（社会科学版）》，2021年第3期。】曹廷求等研究指出，绿色信贷政策能够抑制污染企业的信贷融资，促进污染企业绿色转型。【曹廷求、张翠燕、杨雪：《绿色信贷政策的绿色效果及影响机制——基于中国上市公司绿色专利数据的证据》，《金融论坛》，2021年第5期。】总之，绿色金融能够形成融资约束，增加融资成本，进一步促进企业绿色转型升级。仅个别文献以2015—2018年A股上市重污染行业企业为样本，研究了绿色金融对企业社会责任履行的影响。【沈璐、廖显春：《绿色金融改革创新与企业履行社会责任——来自绿色金融改革创新试验区的证据》，《金融论坛》，2020年第10期。】但是，我国2017年才建立绿色金融试验区，而且政策效应存在滞后期，仅用2017—2018年的样本作为实验组进行政策效应检验，并不能充分反映政策的实际效应。

鉴于此，本文选择2013—2020年在A股上市的418家重污染行业企业作为样本，以2013—2016年的样本作为对照组，以2017—2020年的样本作为实验组，检验绿色金融对企业社会责任履行的影响，并对作用机制进行了分析，进一步丰富了绿色金融的政策效应研究。

（二）绿色金融影响企业社会责任履行的机制

1.绿色金融对企业社会责任履行的促进作用

在信贷市场，银行和企业之间存在信息不对称现象。作为外部信贷资金供给者，商业银行在信息获取方面一般处于弱势地位，只能凭借企业主动提交和披露的信息评估其经营状况，判断是否应该发放贷款以及贷款收回的可能性，无法真正掌握企业内部真实的经营状况、盈利模式和发展战略等具体信息。而企业作为资金需求主体，为了顺利获得信贷资金，可能会对商业银行隐瞒部分负面信息，仅提交和披露正面信息，从而使商业银行和企业之间形成信息不对称。

绿色金融的大力发展丰富了商业银行的业务范围，也增加了商业银行的信贷压力。商业银行在积极响应绿色金融的同时，出于自身长期经营发展的考虑，在贷前调查中会纳入企业环境和社会风险等考察内容，对潜在受贷方进行全面了解，降低因信息不对称产生的逆向选择风险。在这种情况下，企业社会责任履行情况已经成为商业银行绿色信贷资金发放的重要参考因素，【高婷、王怀明：《企业社会责任信息披露对债务融资的影响——基于产权性质、企业成长性视角》，《财会月刊》，2018年第12月。】它可以在一定程度上缓解银企之间的信息不对称问题，有利于商业银行多方面、多角度了解企业运行状况，降低因信息不对称产生的授信风险。

此外，绿色金融使商业银行对重污染企业的信息披露提出了更加严格的要求。为了降低银企之间的信息不对称，缓解绿色金融造成的融资限制，增强信贷融资的可得性，与一般企业相比，重污染企业更有动力履行社会责任，通过实际行动向外界传递自身积极履行社会责任的信息。

2.绿色金融对企业社会责任履行的抑制作用

企业社会责任应该被理解为企业的一种投资行为而非慈善行为，并且这种投资行为主要依赖于企业资金的充裕程度。一般而言，企业资金越充裕，在社会责任方面的投资就越多。当企业资金充裕时，管理者更有可能将闲散资金投向高风险项目，而当企业资金匮乏时，管理者会优先放弃收益不确定性较高的项目。拥有充裕资金的企业比资金相对匮乏的企业更倾向于履行社会责任。

现阶段，银行信贷仍是重污染企业重要的外部资金来源，而在绿色金融政策下，商业银行会严格控制重污染企业的信贷资金投放量，重污染企业在面临资金流匮乏风险时，会优先投资核心业务，减少在社会责任方面的投资。同时，绿色金融倒逼重污染企业持续加大绿色转型投资，这很可能会压缩重污染企业对社会责任投资的空间，进而限制重污染企業社会责任的履行。

总之，从上述基于信息不对称理论和资源松弛理论的分析可以发现，绿色金融可能会促进或抑制企业社会责任的履行，最终影响是两种相反力量共同作用的结果。

三、实证方法、变量选择与数据说明

（一）实证方法设计

1.倾向性得分匹配-双重差分法（PSM-DID）

双重差分法（DID）常用于评估政策效应，该方法以政策实施时点为界将样本分为对照组和实验组，然后对实验组与对照组的相关特征进行统计分析，从而实现政策效应评估。2017年，绿色金融试验区政策实施，为研究绿色金融对企业社会责任履行的影响提供了天然的准自然实验。建立如下双重差分模型：

CSRi，t=β0+β1Treat×Post+β′Controlsi，t+λ+γ+εi，t（1）

其中，CSR代表被解释变量企业社会责任，交叉项Treat×Post代表核心解释变量，Treat为组别虚拟变量，Post为时间虚拟变量，Controlsi，t代表控制变量，β0、β1、β′为模型参数，λ、γ分别代表行业固定效应和时间固定效应，εi，t为随机项。

通常，双重差分模型要求实验数据满足共同趋势条件，但是，各地区在企业规模、债务水平、治理情况等方面存在差异，政策制定者在选择绿色金融试点地区时无法做到完全随机，非试点地区可能并不一定是试点地区的最好对照样本，因而实验数据很难完全满足共同趋势的要求。为了排除企业所属试点地区特征的影响，解决样本选择偏差产生的内生性问题，尽可能满足双重差分法对数据共同趋势的要求，进一步增强研究的可信度，在进行双重差分分析之前，先利用倾向得分匹配法（PSM）对试点地区企业和非试点地区企业进行重新匹配处理，从非试点企业中找出与试点企业最合适的对照样本。通过计量模型对每个观测值进行综合倾向打分，再按照倾向得分是否接近进行重新匹配。

2.中介效应检验

由于PSM-DID只能估计绿色金融对重污染企业社会责任履行的整体效应，无法检验具体的作用途径，因而需要运用中介效应模型进行进一步分析。考虑自变量X对因变量Y的影响，如果变量X首先作用于变量M，而变量M作用于变量Y，从而实现变量X对变量Y的作用，则称M为中介变量。【温忠麟、叶宝娟：《中介效应分析：方法和模型发展》，《心理科学进展》，2014年第5期。】上述中介作用过程可用下列回归方程来描述：

Y=cX+e1（2）

M=aX+e2（3）

Y=c′X+bM+e3（4）

逐步回归法是检验中介效应最常用的方法。首对模型（2）进行回归，若通过显著性检验，则说明变量X对变量 Y有显著影响。然后对模型（3）进行回归，若通过显著性检验，则说明变量X对变量M有显著影响。在此基础上，对模型（4）进行回归，若变量X的回归系数c′未通过显著性检验，而变量M的系数b通过显著性检验，则表明中介变量M产生了完全的中介作用；若变量X的系数c′和中介变量M的系数b都通过显著性检验，则表明变量X对变量Y存在直接作用，同时变量X还通过中介变量M对变量Y产生间接影响。

（二）变量选择与定义

1.被解释变量与核心解释变量

被解释变量为企业社会责任（CSR），采取和讯网发布的企业社会责任评级总得分的自然对数来衡量。核心解释变量交叉项Treat×Post用于衡量绿色金融对重污染企业社会责任履行的影响。组别虚拟变量（Treat）取值为0或1。考虑到首批绿色金融试点地区呈现对外开放格局，城市的改革创新对其所在省级行政区的改革创新具有带动作用，以及样本数据的可得性等因素，将首批试点城市所在的五个省级行政区（浙江、江西、广东、贵州和新疆）的重污染企业作为实验组，其余省级行政区的重污染企业作为控制组。若企业所在省级行政区属于实验组，则Treat取值为1，否则Treat取值为0。时间虚拟变量（Post）取值为0或1。由于绿色金融试验区相关政策于2017年开始实施，对于实施之前的年份（2013—2016年），Post取值为0，而对于实施当年及之后的年份（2017—2020年），Post取值为1。

2.控制变量

由于影响企业社会责任履行的因素较多，本文从企业财务状况和企业治理状况两个维度选取如下8个控制变量：企业财务状况层面包括企业规模（Size）、资产负债率（Lev）、净资产收益率（Roe）和账面市值比（Bm），企业治理状况层面包括董事会规模（Board）、独立董事比例（Indep）、两职合一性（Dual）和第一大股东持股比例（Top1）。上述各个变量的定义见表1。

（三）数据来源与说明

将2017年我国建立首批绿色金融试验区作为准自然实验，选取2013—2020年A股上市公司中的重污染企业为初始样本。重污染行业的认定参照中国证监会2012年发布的《上市公司行业分类指引》，最终确定火电、钢铁、水泥、电解铝、煤炭、冶金、化工、石化、建材、造纸、酿造、制药、发酵、纺织、制革和采矿业16个行业为重污染行业。

为了降低数据因素对检验结果产生的不利影响，在检验之前对样本数据进行如下处理：第一，将2013年以后上市的企业从样本中剔除；第二，将研究期内为ST和ST*的上市企业从样本中剔除；第三，对所有连续变量进行缩尾处理，减小极端值的干扰。最终样本包含418家上市企业，3344个观测值，其中国有控股企业179家，非国有控股企业239家。企业社会责任评级总得分来自和讯网，上市公司的财务数据来自国泰安数据库（CSMAR）。实证过程采用Stata15.0进行数据分析和处理。

四、实证结果分析

（一）描述性统计

表2显示了主要变量的描述性统计结果。被解释变量企业社会责任（CSR）的均值为3.055，中位数3.072，标准差为0.539，分布比较均匀。组别虚拟变量Treat的均值为0.254，说明25.4%的样本企业位于绿色金融试点地区，这为开展相关研究奠定了数据基础。时间虚拟变量Post的均值为0.500，说明绿色金融试点前后的样本规模相当。

表3进一步展示了绿色金融试验区实施前后试点地区和非试点地区重污染企业的企业社会责任（CSR）和部分控制变量的平均值。可以看到，在绿色金融试点前，试点地区企业的规模（Size）、资产负债率（Lev）、董事会规模（Board）、第一大股东持股比例（Top1）都低于非试点地区企业。因此，可以判定对试点地区的选择不满足随机性原则，为了避免双重差分模型估计过程中可能出现的内生性问题，需要使用倾向性得分匹配方法（PSM）选取与试点地区企业特征最接近的非试点地区企业进行估计。

（二）倾向性得分匹配结果

为了找出与试点地区的企业特征最接近的非试点地区企业，利用倾向性得分匹配法（PSM）进行匹配处理。具体地，选择Size、Lev、Roe、Bm、Board、Indep、Dual和Top1作为协变量进行最邻近匹配。在计算倾向性得分时，采用logit模型进行回归，根据倾向性得分，对实验组和控制组进行1∶1的样本匹配。表4显示了匹配前后实验组与控制组的协变量平均值。可以发现，所有匹配变量在匹配后偏误的绝对值均在10%以内，除Board和Indep两个协变量外，匹配前其他协变量在实验组与控制组之间均有显著差异（p<0.1），而在匹配后实验组与控制组之间的这种差异不再显著（p>0.1），匹配后实验组与控制组的特征更加接近。匹配后实验组与控制组的核密度分布差异减小，匹配质量较好。

（三）基准回归分析

以下采用双重差分法检验绿色金融对重污染企业社会责任履行的影响，基准回归结果见表5。其中，第（1）列为未加入控制变量和固定效应的检验结果，交叉项Treat×Post的系数为0.0353，在5%的显著水平下通过检验；第（2）列为同时加入控制变量和固定效应的检验结果，交叉项Treat×Post的系数为0.0550，在5%的显著水平下通过检验。以上结果均表明绿色金融对重污染企业社会责任履行具有显著的正向影响。即在绿色金融政策的约束下，重污染企业为了获取更多的信贷资金，会从降低银企之间信息不对称着手，积极履行企业社会责任，而非抑制社会责任投资。重污染企业的发展往往需要庞大的资金，面对绿色金融带来的融资限制，重污染企业有可能在短期内采取减少社会责任投资等短视行为。但是从长期来看，只有不断适应社会环境变化，积极履行社會责任，重污染企业才能获得支撑其长远发展目标的资金支持。因此，绿色金融对重污染企业社会责任履行的促进作用远大于抑制作用，绿色金融最终会促进重污染企业积极履行社会责任。

（四）稳健性检验

1.更换被解释变量

润灵环球（RKS）是中国企业社会责任的权威第三方评级机构，致力于为责任投资者、责任消费者及社会公众提供科学的企业责任评级信息。这里采用润灵环球发布的社会责任评分替换被解释变量，重新进行回归，回归结果见表6第（1）列。可以看到，交叉项Treat×Post的回归系数为0.0432，并且通过显著水平为5%的检验，与基准回归结果一致。

2.安慰剂检验

考虑到绿色金融试点前其他事件也可能影响重污染企业社会责任的履行，这里将绿色金融试点时间提前两年重新进行回归。检验结果见表6第（2）列。可以发现，交叉项Treat×Post的回归系数不显著，表明企业社会责任履行的变化是绿色金融试点政策引起的。

（五）影响机制检验

绿色金融使重污染企业受到的融资约束增强，相关企业通过银行获得的信贷资金减少，而融资约束能够促进企业社会责任的履行。【占华：《绿色信贷如何影响企业环境信息披露——基于重污染行业上市企业的实证检验》，《南开经济研究》，2021年第3期。倪娟、孔令文：《环境信息披露、银行信贷决策与债务融资成本——来自我国沪深两市A股重污染行业上市公司的经验证据》，《经济评论》，2016年第1期。】绿色金融有可能通过融资约束影响重污染企业社会责任履行，因而这里选择融资约束作为中介变量。

现有文献提出了多种用于衡量融资约束的方法，其中KZ指数被广泛采用。一般利用现金及现金等价物、经营性净现金流量、现金股利、资产负债率和托宾Q值五个变量来构建KZ指数。【Owen A. Lamont， Christopher Polk， Jesus Saa-Requejo， “Financial constraints and stock returns”， Review of Financial Studies， vol.14， no.2（2001）.】 KZ指数的取值越大，表明企业面临的融资约束越强。为分析绿色金融对重污染企业社会责任履行的作用机制，借鉴温忠麟、叶宝娟的做法，【温忠麟、叶宝娟：《中介效应分析：方法和模型发展》，《心理科学进展》，2014年第5期。】构建如下的中介效应模型：

CSR=η0+η1Treat×Post+η2Controlsi，t+δ+θ+εi，t（5）

KZ=μ0+μ1Treat×Post+μ2Controlsi，t+δ+θ+εi，t（6）

CSR=λ0+λ1Treat×Post+λ2KZi，t+λ3Controlsi，t+δ+θ+εi，t（7）

其中，KZ代表KZ指数，其余变量含义不变。基于模型（5）至（7），采用逐步回归进行检验，结果见表7。第（1）列为模型（5）的回归结果，交叉项Treat×Post的回归系数为0.0613，并通过显著水平为1%的检验，表明绿色金融对重污染企业社会责任履行有显著的正向作用。第（2）列为模型（6）的回归结果，交叉项Treat×Post的回归系数为0.1229，并通过显著水平为5%的检验，说明绿色金融对重污染企业融资约束（中介变量KZ）有显著的正向作用。第（3）列为模型（7）的回归结果，融资约束（中介变量KZ）的回归系数为0.0227，并通过显著水平为5%的检验，显示融资约束对重污染企业社会责任履行有显著的促进作用。同时，模型（7）回归结果中交叉项Treat×Post的回归系数（取值为0.0611，且通过显著水平为1%的检验），小于模型（5）（不含中介变量的模型）中交叉项Treat×Post的回归系数（0.0613），表明绿色金融能够通过融资约束的中介效应对重污染企业社会责任的履行产生积极影响，即绿色金融试点以后，重污染企业的融资约束增强，从而促进了重污染企业社会责任的履行。

（六）异质性分析

以下将从产权性质和市场化程度两个方面进行异质性分析。

1.企业产权性质的影响

按照企业产权性质将样本划分为国有企业组和非国有企业组。在控制其他变量不变的情况下，分別对两组样本进行回归，结果见表8第（1）列和第（2）列。在对国有企业组的回归结果中交叉项Treat×Post的系数未通过显著性检验，但是在对非国有企业组的回归中交叉项Treat×Post的系数为0.0567且通过显著水平5%的检验，表明绿色金融对重污染企业社会责任履行的影响主要体现在非国有企业上。这可能是因为非国有企业没有政府信用背书且自身资产规模相对较小，资产运作的空间较小，融资方面受到的限制相对较大，所以它们更需要凭借高质量的社会责任表现来缓解绿色金融带来的融资压力。

2.地区市场化程度的影响

将王小鲁等编制的市场化指数【王小鲁、樊纲、胡李鹏：《中国分省份市场化指数报告（2018）》，社会科学文献出版社，2019年。】作为各地区市场化程度的度量指标，以市场化指数评分的中位数为界将样本划分为市场化程度高组和市场化程度低组。在控制其他变量不变的情况下，分别对两组样本进行回归，结果见表8第（3）列和第（4）列。在市场化程度高组的回归结果中交叉项Treat×Post的系数不显著，但是在市场化程度低组的回归结果中交叉项Treat×Post的系数为0.0614且通过显著水平为1%的检验，表明绿色金融对重污染企业社会责任履行的影响主要体现在市场化程度较低的地区。这可能是因为市场化程度较低的地区资本市场欠发达，企业融资渠道相对欠缺，对信贷融资的依赖程度较高，所以绿色金融产生的信贷融资压力更大，更需要企业通过积极履行社会责任来缓解融资约束。

五、结论与启示

本文以2017年绿色金融改革创新试点为准自然实验，选择2013—2020 年在A股上市的418家重污染行业企业作为样本，探究绿色金融对重污染企业社会责任履行的影响及作用机制。研究表明：绿色金融对重污染企业社会责任的履行具有正向影响，融资约束在绿色金融影响重污染企业社会责任履行的过程中具有中介作用，绿色金融对重污染企业社会责任的影响主要体现在非国有企业和市场化程度较低地区。

鉴于此，为进一步完善我国绿色金融体系，推动经济与环境协调发展，从政府、金融机构和企业三个方面提出以下政策建议：第一，政府应该强化绿色金融监管职能，建立健全全方位、多层次的监督管理体系，同时辅以必要的社会监督。完善金融机构和环保部门的环境信息共享机制，定期对企业社会责任履行情况进行评估，将环境社会责任监督管理贯彻到项目运行的每一个环节，从项目前期的准备阶段到中期的运行阶段，再到最后的收尾反馈阶段，形成全过程一体化的监管模式。第二，金融机构应该积极响应绿色金融号召，发挥绿色金融主体作用，加大对绿色环保产业的资金投入，制定多元化、全面化的企业环境风险评估方案，充分考虑企业社会责任信息，严格把控绿色信贷资金流向，确保绿色资金合理配置。探究多元化的绿色信贷产品，制定个性化的绿色信贷定价策略，努力创造有利于企业绿色发展的信贷政策条件，吸引企业融入绿色金融发展，激发企业绿色生产积极性。第三，企业应该主动强化环保意识，紧抓国家绿色金融发展的大好机遇，利用外部政策促进自身绿色转型，减少污染排放。重污染企业应该积极履行社会责任，确立完善的信息披露机制，主动降低银企信息不对称，确保企业融资来源稳定，努力实现经济效益与环境效益相统一。

〔责任编辑：来向红〕