绿色信贷政策对企业环境绩效的影响效果与机制检验

宋跃刚，靳颂琳

（河南师范大学商学院，河南 新乡 453007）

改革开放40多年来，中国经济实现了年均近10%的高速增长，被誉为“中国增长奇迹”，但中国经济飞速发展的同时也带来了严重的环境污染。以往粗放型经济增长模式带来的环境污染问题，并没有随着中国经济迈入高质量发展阶段得到彻底解决。中国生态环境保护结构性、根源性、趋势性压力总体上尚未根本缓解，重点行业、重点企业污染问题仍然突出，实现碳达峰、碳中和任务艰巨，环境保护任重道远［1］。据美国耶鲁大学等机构发布的2020年全球环境绩效指数（Environmental Performance Index）显示，在空气质量方面，中国PM2.5排放依然超标严重，在参评的180个国家中排名第120位。为进一步改善生态环境，党的二十大报告指出，中国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期。为积极践行习近平总书记提出的“绿水青山就是金山银山”的发展理念，一方面，中国各级政府要不断加大环境治理力度；另一方面，企业要加快绿色转型升级。企业作为环境污染治理的主体，应当积极践行绿色发展理念，切实承担起绿色发展的主体责任，坚持污染防治末端治理和源头治理两手抓，在创造社会财富的同时有效控制环境污染，这对实现经济可持续性发展与生态环境持续改善至关重要。因此，改善企业环境绩效，促进企业绿色转型，推动绿色低碳发展成为中国亟待解决的重大现实问题。

绿色信贷政策兼具金融资源配置与环境规制双重特性，是对传统环境规制政策的有益补充，也是中国在环境治理领域的重要实践探索［2］。2007年多部门联合颁布的《关于落实环保政策法规防范信贷风险的意见》（以下简称《意见》）文件首次将绿色信贷作为保护环境与节能减排的重要市场手段，2012年原银监会发布《绿色信贷指引》，进一步推动了中国绿色信贷政策的实施。在此背景下，中国绿色信贷余额从2013年的5.2万亿元增长至2021年的15.9万亿元，居世界首位。如此大规模的绿色信贷能否在改善环境中发挥桥梁作用，主要取决于绿色信贷政策是否科学合理、银行执行意愿与效率以及企业的策略反应等诸多因素。因此，在国家对生态文明建设高度重视的大背景下，绿色信贷政策能否改善企业环境绩效？绿色信贷政策又是通过哪些渠道影响企业环境绩效？作用效果如何？以及异质性企业是否存在显著的非对称性影响？绿色信贷政策是否通过资源再配置效应与市场选择机制影响环境绩效？系统性地回答上述问题是评估绿色信贷政策微观效应的主要内容，也是考察宏观政策影响企业环境绩效的主要依据，更是新发展格局下寻求环境治理与经济协调发展的重要理论与现实问题，不仅可以完善绿色信贷政策与企业环境绩效相关理论，而且有助于促进企业绿色转型，进而实现碳达峰、碳中和的战略目标［3］。

1 文献综述与研究创新

在推动绿色发展，促进人与自然和谐共生的战略部署下，如何改善企业环境绩效成为各级政府、企事业单位以及学术界关注的重点问题。国内外学者从外部宏观环境与企业内部治理视角就如何改善企业环境绩效展开了深入研究。外部宏观环境视角，学者研究发现服务业开放［4］、制造业服务化［5］、行业竞争程度［6］可以显著改善企业环境绩效，而过度的政府监管对企业环境绩效产生负向显著影响［7］。企业内部治理视角，张可等［8］认为技术创新是减少能源消费、降低污染排放、改善企业环境绩效的核心因素；另外，吴建祖等［9］认为公司股东、董事会以及经理层的行为影响了企业的环保行为，完善的公司治理结构可以有效改善企业环境绩效。然而，有关企业环境绩效影响因素的文献较少分析绿色信贷政策这一重要外部宏观因素。

绿色信贷是指银行等金融机构将企业环境信息作为发放贷款的重要指标。绿色信贷政策于2007年首次在中国提出，并根据国家产业政策，将遏制“两高一剩”行业的扩张作为首要目标。随之，王艳丽等［10］与苏冬蔚等［11］通过构建DID模型考察了绿色信贷政策对“两高一剩”企业投融资行为的影响，研究结果表明绿色信贷政策显著抑制了该类企业的投融资行为。上述研究结论得到了He等［12］、Liu等［13］以及连莉莉［14］的证据支持。尽管国内外学者普遍认为绿色信贷政策可以显著抑制“两高一剩”企业的投融资行为，但为数不多有关绿色信贷政策对环境绩效影响的研究尚未形成一致结论。部分研究认为绿色信贷政策有助于改善环境绩效。斯丽娟等［15］基于上市公司数据得出，绿色信贷政策可以增强企业环境社会责任意识。刘传江等［16］认为绿色信贷政策可以提高重污染行业的绿色全要素生产率。但蔡海静［17］基于造纸、采掘和电力等三个行业的数据分析得出绿色信贷政策对环境绩效具有抑制作用。Zhang等［18］也发现绿色信贷政策在实施过程中未能充分发挥作用，对企业环境绩效改善效果并不明显。

另外，有关环境政策资源配置效应的研究中，诸多文献基于创新补偿效应分析环境政策对企业内静态资源配置的影响［19］，忽视了环境政策对企业间资源再配置的影响。一方面，为数不多国外有关环境政策资源再配置效应的研究主要包括两个方向：首先，Qiu等［20］以及Egger等［21］基于Melitz［22］的模型，将企业进入与退出行为内生化，考察环境政策引致的企业间资源再配置效应对行业生产率增长的影响；其次，Tombe等［23］基于Hsieh等［24］的研究思路，考察了环境政策对资源再配置影响的理论基础与分析框架。另一方面，国内关于环境政策资源再配置效应的研究主要是采用微观数据考察命令控制型环境政策的资源再配置效应［25］。与该研究密切相关的是陆菁等［26］基于绿色信贷政策从企业内与企业间双重维度论证绿色信贷政策的波特效应及资源再配置效应，但并未同时从“企业内效应”“企业间效应”“进入效应”与“退出效应”四个维度深入探讨对企业环境绩效的影响，且鲜有文献进一步从企业动态演进视角分析绿色信贷政策是否会通过资源再配置效应引发行业内结构变动进而影响环境绩效。

综上，已有研究存在以下不足：①理论机制方面，宏观层面缺乏绿色信贷政策金融资源配置功能对环境绩效的作用机制研究，微观层面缺乏在数理框架下宏观政策对企业减排传导机制的分析。②研究方法方面，缺乏从动态演进视角探讨企业间资源再配置引发的行业内结构效应在绿色信贷政策影响企业环境绩效中的作用。③异质性检验方面，绿色信贷政策引起行业资源再配置变动的前提是对不同企业的差异性影响，现有研究主要关注绿色信贷政策的平均处理效应，并未深入探讨异质性视角下绿色信贷政策的减排效果。

该研究可能的边际贡献在于：①理论机制方面，该研究尝试构建绿色信贷政策影响企业环境绩效的数理模型，并提出绿色信贷政策通过创新补偿效应、遵循成本效应和融资约束效应影响企业环境绩效的作用机制，且进一步深入分析资源再配置与市场选择机制引致的环境效应，拓展绿色信贷政策的研究框架。②研究方法方面，在双重差分的基础上以企业外部融资需求差异作为虚拟变量构建三重差分模型，结合已有研究选用OECD发布的2000—2014年印度环境政策严格指数作为工具变量来缓解内生性偏误，并运用Griliches等［27］生产率分解思路探讨资源再配置引发的行业内结构效应。③研究内容方面，拓展环境政策效应的应用领域。资源再配置效应研究在经济增长、国际贸易领域应用比较广泛，但在环境政策效应领域仍然较少。该研究基于中国工业企业与企业污染排放数据库的匹配数据，在测算企业环境绩效以及污染强度指标的基础上，通过多维度异质性分析检验绿色信贷政策的实施效果，且从企业进入退出与动态演进视角分析绿色信贷政策的资源再配置效应。

2 理论模型与研究假设

为阐明绿色信贷政策影响企业环境绩效的微观机制，该研究试图在Najmi等［28］企业污染排放模型与王向进等［29］生产函数模型的基础上作以下拓展：①引入绿色信贷政策约束程度τ∈（0，1），即企业面临的绿色信贷约束越紧，企业投入到减排活动的生产要素越多，通过生产函数对企业实际产出影响越大。②引入污染税t。尽管绿色信贷政策并不直接影响要素价格，但在资源再配置理论中往往将其作为一种“隐形税”，该研究设为t=λτ（λ＞0），通过成本函数进一步影响企业环境绩效。

假设企业潜在产出函数为：

在绿色信贷政策的约束下，企业实际产出为：

其中：1-τ表示企业减排之后的实际产出比例。

则企业的非期望产出为：

其中：Pe表示企业产生的污染总量；A表示技术水平，表示每生产1单位的产品所产生的污染量。随着绿色信贷政策约束程度增加，企业污染治理的规模效应会加速减排，故定义q是一个常数（0＜q＜1），在此条件下，以保证单位产出污染量对环境规制强度的一阶导数为负，二阶导数为正。

由式（3）得：

将式（4）带入式（2）得企业实际产出：

假设企业成本函数为：

即：

其中：Cf为生产单位产品所需要的成本，Cff(Ki，Li，Ei)为生产成本，λτAPe表示考虑了污染税与其他影响实际产出因素得出的污染成本。

结合式（5），设企业实际产出X等于1，根据单位产出的成本最小化条件，企业选择最优的产品产出与污染排放来实现中间产品生产的利润最大化。因此，最优化的成本函数为：

用拉格朗日乘数法求解式（8）一阶最小化问题：

假设为完全竞争市场，企业均衡利润为0，则：

根据式（9）、（10）得：

进而得出企业生产单位产品所产生的污染量：

将（12）式带入非期望产出函数式（3）：

假设市场均衡，将式（13）化简得：

其中：Y*=f(Ki，Li，Ei)pi表示企业销售额。

对式（14）两边取对数得：

其中：lnPe是企业污染排放量的对数值，表示企业环境绩效；ln为常数；lnτ表示绿色信贷约束程度的对数值。式（15）表明随着绿色信贷政策约束程度的增加，污染排放量减少，企业环境绩效得到改善。

基于上述分析，该研究提出如下假说。

假说：绿色信贷政策实施减少了污染排放，改善了企业环境绩效。

3 数据来源与模型设计

3.1 数据来源与处理

该研究企业层面数据主要源自国家统计局中国工业企业数据库与生态环境部（原环保部）中国企业污染排放数据库（2000—2014年）的匹配数据。其中，中国工业企业数据库以全部国有及规模以上非国有企业为统计对象，记录了工业企业法人代码、名称、地址等基本信息，利润等财务信息以及总产值、销售额、固定资产等生产和销售信息。中国企业污染排放数据库（2000—2014年）报告了企业名称、地址等基本信息，以及二氧化硫、化学需氧量、废气、废水等污染物产生量、排放量等排放与治理数据，也包括能源消耗等能源使用数据。首先，该研究参考宋跃刚等［5］的处理方法对工业企业数据库跨年匹配，并剔除总资产、工业总产值、固定资产等关键变量缺失、异常、不符合一般会计准则的企业以及删除从业人数少于8人的企业；其次，在中国企业污染排放数据库中剔除二氧化硫、化学需氧量、工业废气、工业废水、烟尘和粉尘排放量为负数的企业；最后，按照企业名称、企业标识码以及年份匹配工业企业数据库与中国企业污染排放数据库，进而得到该研究实证分析的基础数据。

3.2 模型构建

（1）双重差分法。该研究以2007年出台的《意见》为准自然试验，采用双重差分法分析绿色信贷政策对企业环境绩效的影响效果，模型如式（16）所示：

其中：下标j、t和i分别表示行业、年份和企业。intensityijt表示二氧化硫排放强度，pollutioni用以识别企业污染属性，pollutioni=1为高污染企业，pollutioni=0为低污染企业；timet用来识别政策实施时间，2007年及以后取值为1，否则取值为0。λi和λt分别表示企业和年份的固定效应，λj表示行业固定效应，εijt表示随机扰动项。Xit为相关控制变量，具体定义详见表1。β1是该研究关心的估计系数，它捕捉了绿色信贷政策对企业环境绩效的影响。

表1 主要变量的描述性分析

（2）三重差分法。前文采用双重差分法进行估计可能存在的问题是，除了绿色信贷政策外可能存在其他同期相关政策对估计结果产生影响。因此，选择企业外部融资需求差异（credit）作为第三重差分变量［26］，生成不受绿色信贷政策影响的“实验组”与“控制组”。原因是外部融资需求低的企业不受绿色信贷政策的影响或影响程度较小，该对“实验组”与“控制组”的差异只会源于其他政策，此时，再用原来“实验组”与“控制组”的差异减去新生成“实验组”与“控制组”的差异就得到了绿色信贷政策的净效应。其中，企业外部融资需求差异用“应收账款净值/总资产”表示，对该变量数值进行三分位划分，低于1/3分位数的企业取1，高于1/3分位数的企业取0，其他企业不包含在样本内。构建三重差分模型如式（17）所示：

其中：此处主要关注三重交互项pollution×time×credit的系数γ1。

3.3 变量说明

（1）被解释变量：企业环境绩效。该研究借鉴苏丹妮等［4］的做法，选用二氧化硫排放量，除以工业总产值计算企业排污强度指标作为企业环境绩效的代理变量。具体计算公式如式（18）所示：

其中：SO2_Emissionit为i企业在t年的二氧化硫排放量；Outputit为i企业在t年的工业总产值。

（2）核心解释变量：绿色信贷政策。该研究采用pollution×time的交互项来表示绿色信贷政策。具体地，对于企业污染属性的识别，参照王杰等［30］行业污染排放强度划分标准，采用综合指数法构建行业污染排放强度指标，具体计算过程略，备索。

（3）控制变量。该研究借鉴吴晟等［31］的研究方法，引入相关控制变量，具体的定义及描述性分析见表1。

4 实证结果与分析

4.1 基准回归结果

表2报告了绿色信贷政策对企业污染排放强度影响的基准回归结果。表2列（1）报告了不加控制变量的回归结果，pollution×time的估计系数在1%的水平上显著为负，表明绿色信贷政策能够有效改善企业环境绩效。表2列（2）加入了相关控制变量，回归结果依然在1%的水平上显著为负。表2列（3）进一步控制了企业、行业与年份固定效应，核心结论与前文一致。可能的原因是：首先，绿色信贷政策实施通过优化资源配置为企业提供丰富的融资渠道，在降低企业融资成本的同时为企业提供创新资金，推动企业创新转型，改善了企业环境绩效。其次，绿色信贷政策抬高了企业信贷门槛，督促企业为满足信贷要求加大环保投入或革新技术，进而减少污染排放。表2列（4）三重交互项pollution×time×credit的估计系数显著为负，进一步验证了双重差分的估计结果的稳健性。

表2 基准回归结果

4.2 平行趋势检验

该研究参考Jacobson等［32］的研究方法对平行趋势进行检验，模型如式（19）所示：

其中：以绿色信贷政策实施前一年为基期，βt表示2000—2014年的估计值，φt表示年份虚拟变量，其他变量定义同模型（16）。

平行趋势检验结果如图1所示。图中虚线部分表示95%置信区间下βt的估计结果，可知2007年之前的估计系数在0附近，表明在绿色信贷政策实施之前，实验组与控制组不存在显著差异，满足平行趋势。在2007年以后，随着绿色信贷政策的实施，企业环境绩效改善效果逐渐增强。

图1 平行趋势检验

4.3 稳健性检验

4.3.1 安慰剂检验

为了检验政策效应是否源于其他不可观测因素，该研究分别从政策干预时间随机性和政策效果唯一性两个角度进行安慰剂检验。

首先，从政策干预时间随机性角度进行安慰剂检验。假设绿色信贷政策实施时间是2005年，生成新的政策时间变量，按照双重差分模型再次回归，实证分析结果见表3列（1）。回归结果并不显著，意味着其他时点的政策效应不能影响企业环境绩效。其次，从政策效果唯一性进行安慰剂检验，实验随机保留一年的数据，并从中随机抽取一定量的样本作为实验组，仍按照双重差分模型进行OLS回归与FE回归。该研究进行了500次随机抽样，结果如图2（a）与（b）所示，OLS回归与FE回归所得的安慰剂检验结果一致，即500次循环得到的解释变量的估计系数均值几乎为0，且大部分P值都大于0.1，意味着随机检验结果并不显著。由此表明，绿色信贷政策对企业环境绩效的作用效果是唯一的，且不受时间-企业-行业不可观察因素的驱动。

图2 安慰剂检验

表3 稳健性检验结果（一）

4.3.2 替换被解释变量

考虑到企业排放的污染物选择差异可能对实证结果造成偏差，该研究参考周侃等［33］处理方法，选取化学需氧量（lncod）作为被解释变量的替换指标。实证分析结果见表3列（2）。替换后pollution×time估计系数的符号及其显著性与前文一致，进一步支持了该研究核心结论的可靠性。

4.3.3 排除同期政策干扰

为了排除企业环境绩效受其他环境政策的影响，该研究在式（16）中同时引入排污权交易试点政策（pai_postft）与清洁环境规制（cleanft）两个虚拟变量。若企业f所在省份位于排污权交易试点政策的试点地区且年份在2007年及以后，则pai_postft取值1，否则取值0；cleanft取值1表示企业f所在行业第t年受到清洁生产标准管制，否则取值0。结果见表3列（3），pollution×time的估计系数及其显著性和上文回归结果一致。

4.3.4 控制时间趋势

企业环境绩效可能随着其他环境政策实施或全民环保意识加强而得到改善，那么即使绿色信贷政策与企业环境绩效不存在因果关系，也可能会获得前文的估计结果。因此，为控制实验组与控制组可能受到不同时间趋势的影响，该研究在年份固定效应基础上加入政策虚拟变量与时间趋势项的交互项（pollution×trend），估计结果见表3列（4），绿色信贷政策实施依然显著改善了企业环境绩效。

4.3.5 缩小样本

绿色信贷政策的实施效果可能会受到企业进入退出的影响。为排除干扰，该研究仅保留持续在位企业对基准回归再次进行检验。估计结果见表3列（5），验证了基准回归结果的稳健性。

4.3.6 工具变量法

绿色信贷政策作为国家政策难以受到单个企业环境绩效的影响，故该研究受反向因果导致的内生性问题的影响会较小，但仍不能完全排除因绿色信贷政策与企业环境绩效同时受到非观测因素影响而出现内生性，因此进一步使用工具变量来处理内生性。参考苏丹妮等［4］的研究方法，一方面，该研究选用OECD发布的2000—2014年印度的环境政策严格指数作为工具变量。中国与印度同属于非经合组织经济体，经济发展进程相似，且中国企业排污行为并不会影响印度的环境政策，故满足工具变量相关性与外生性的要求。另一方面，选用解释变量的滞后一期作为工具变量。由表4列（1）可知，解释变量的系数在1%的水平上显著为负，与上文基准回归一致。在过度识别检验与弱工具变量检验中，Hansen J检验值大于0.1，表明通过了过度识别检验，且Cragg-Donald Wald F大于10%水平上弱识别检验值，由此说明了工具变量选取的有效性。

表4 稳健性检验结果（二）

4.3.7 上市公司数据

该研究准自然实验样本范围是2000—2014年，为保证实证结果的时效性与稳健性，选取2000—2020年上市公司相关数据进行稳健性检验。另外，在2008年之前中国上市公司未披露污染排放数据，无法使用污染排放数据直接进行检验。而环保投资意味着企业为了提高资源使用效率和降低环境污染进行的投资，反映了企业潜在的环境绩效水平。因此，该研究采用环保投资与总资产的比值（hb_totass）表示企业环境绩效。实证分析结果见表4列（2），表明绿色信贷政策显著正向影响了中国上市公司环保投资与总资产的比值，进一步验证了基准回归的结果。

4.4 机制检验

为进一步探究绿色信贷政策通过何种机制作用于企业环境绩效，该研究参考温忠麟等［34］的研究方法，采用中介效应模型检验绿色信贷政策对企业环境绩效的影响渠道。

其中：Mijt表示创新补偿效应、融资约束效应与遵循成本效应等中介变量，其余变量定义同式（16）。

4.4.1 创新补偿效应

正如“波特假说”所述，适度的环境管制可以激励企业创新。一方面，绿色信贷政策提高了企业信贷门槛，增强了高污染企业的融资约束程度；另一方面，基于绿色信贷政策对企业污染排放的严格要求，导致污染排放强度越高的企业排污成本越高。因此，高污染企业更有动力通过革新技术，将更多资源投入减排活动，达到污染排放标准。综上所述，绿色信贷政策激励企业更加注重通过创新改善环境绩效，以补偿信贷约束对企业经营活动带来的不利影响。因此，为探究绿色信贷政策通过创新能力这一中介渠道对企业环境绩效的影响，该研究选用企业创新产出总量（lnapply）作为中介效应的代理变量，回归结果见表5列（1）和列（2）：绿色信贷政策对企业创新能力具有显著的提升效果；绿色信贷政策有助于改善企业环境绩效，但在加入企业创新能力后，这种效果减弱，证明了部分影响被企业创新能力所取代，绿色信贷政策可以通过创新补偿效应实现企业污染减排。

表5 创新补偿效应与融资约束效应

4.4.2 融资约束效应

绿色信贷政策实施后，高污染企业信贷约束程度趋紧，融资成本上升；外部债权人把企业环境绩效纳入还债能力进行考量，导致高污染企业融资渠道相应减少。由此，在融资约束程度逐渐增大的过程中，高污染企业短期内可能为了维持生产经营缩减污染治理成本，但在长期内会选择改善环境绩效获取融资。该研究采用SA指数（SA）表示企业融资约束程度，size为企业规模，age为企业年龄，SA指数越大，企业面临的融资约束越严重，详见式（22）。结合表5列（3）与列（4）的回归结果可知：绿色信贷政策对企业融资约束具有显著的增强效果；绿色信贷政策有助于改善企业环境绩效，但在加入融资约束后，这种效果减小。表明在控制了融资约束后，绿色信贷政策对企业环境绩效的改善作用减弱，证明了部分影响被融资约束取代，因此，验证了融资约束是绿色信贷政策影响企业环境绩效的重要渠道。

4.4.3 遵循成本效应

绿色信贷政策要求银行等金融机构根据“企业环保守法情况”进行信贷审批，督促企业将更多生产要素投入到减排中，导致可变生产成本上升，产出下降，要素边际生产率下降，表现为遵循成本效应。因工业企业数据库中缺乏环保投入数据，不能直接测度企业的环保成本，参考He等［35］的研究思路，选用劳动边际生产率对数值（lnMPL）、资本边际生产率对数值（lnMPK）作为遵循成本效应的间接测度指标。根据表6列（1）与列（3）的回归结果得出，实施绿色信贷政策导致企业环保投入增加，表现为绿色信贷政策的估计系数显著为负；表6列（2）与列（4）的回归结果显示，在控制劳动边际生产率与资本边际生产率后，解释变量的估计系数仍然显著为负，表明绿色信贷政策通过遵循成本效应进一步改善企业环境绩效。

表6 遵循成本效应

4.5 异质性检验

4.5.1 企业层面：企业所有制和企业规模

企业所有制的不同意味着生产经营目标存在差异，对要素的配置方式有所不同，进而会影响企业环境绩效。该研究根据注册类型把企业分为国有企业（treat_state）与非国有企业（treat_others），分析绿色信贷政策对企业环境绩效的影响因企业所有制不同而有何差异。回归结果见表7列（1）。实证结果表明国有企业与非国有企业的回归系数在1%的水平上均显著为负，且非国有企业的回归系数绝对值大于国有企业，意味着绿色信贷政策对非国有企业的环境绩效改善效果更明显。其中可能的原因是：首先，非国有企业在政策实施前环保意识较弱，面对绿色信贷约束时减排效果更明显；其次，为获取更多信贷资源，缓解融资约束，非国有企业绿色转型的意愿更强。

表7 异质性检验结果

不同规模企业的污染产生量与资金实力存在差异，这将直接影响经营者减排决策。根据企业样本期间所测算的各企业总资产的中位数，将企业分为规模以上企业（treat_big）和其他企业（treat_small）。回归结果见表7列（2）。规模以上企业和其他企业的系数均显著为负，且绿色信贷政策对规模以上企业环境绩效的改善作用低于其他企业。分析原因可能是：一方面，规模以上企业业务量大，污染基数大，即使迫于绿色信贷政策的压力增加减排力度，环境绩效改善效果可能仍不明显；另一方面，在绿色信贷政策的约束下，相对于其他企业采取末端治理甚至减产等减排手段，规模以上企业倾向于通过采取技术创新的策略进行污染减排，表现出明显的时滞性。

4.5.2 行业层面：技术复杂度和行业竞争度

考虑到不同技术复杂度行业的企业对绿色信贷政策反应程度存在差异，进而可能影响环境改善效果。该研究借鉴吕越等［36］的处理方法，依据GBT4574-2002国民经济行业分类标准，将行业划分为高技术水平行业（treat_higtech）与中低技术水平行业（treat_lowtech）。回归结果见表7列（3）。绿色信贷政策对中低技术水平企业环境绩效的改善作用高于其他企业。分析原因可能是：一方面，中低技术水平行业聚集了大量重污染企业，政府对该类企业实行的监管更严格，倒逼企业绿色转型，进而实现更多污染减排；另一方面，高技术水平行业普遍重视技术创新，能源和原材料消耗少，而中低技术水平行业以资源消耗维持生产，二者差异造成了绿色信贷政策对中低技术水平行业的企业环境绩效影响更大。

不同竞争程度行业的市场发育程度与资源配置效率存在差异，从而可能影响企业环境绩效。该研究以企业样本期所测算的赫芬达尔指数（HHI）中位数为标准分为高竞争度行业（treat_hhhi）与低竞争度行业（treat_lhhi）。回归结果见表7列（4）。高竞争程度行业内企业与低竞争程度行业内企业的系数均显著为负，且处于高竞争度行业内企业的回归系数绝对值大于低竞争程度行业内企业，表明绿色信贷政策作用效果对所处行业竞争程度高的企业强于低竞争程度行业内企业。分析原因可能是：行业竞争度通过信号传递与资源配置影响企业环境绩效。一方面，绿色信贷政策实施导致高竞争度行业资源分配严重失衡，企业为获得信贷资源主动改善环境绩效；另一方面，竞争程度越大的行业，市场发育程度越完善，绿色信贷政策通过资源再配置效应改善该行业企业环境绩效的效果越明显。

4.5.3 地区层面：金融发展程度

各地区经济发展与产业分布不同，进而绿色信贷政策的实施效果可能存在较大差异。该研究使用中国分省份市场化指数数据库中要素市场的发育程度评分度量地区金融发展程度，根据评分的中位数分为金融发达地区企业（treat_hfinmark）与金融欠发达地区企业（treat_lfinmark）。回归结果见表7列（5）。结果显示绿色信贷政策对金融欠发达地区企业的环境绩效改善效果更显著。对此可能的解释有：一方面，在金融发达地区，可供企业选择的融资渠道较多，受绿色信贷约束的影响较小；另一方面，金融发达地区往往是高新科技产业聚集地，该地区企业的污染排放水平本身较低。因此，绿色信贷政策对该地区的企业环境绩效改善效果有限。

5 进一步讨论

5.1 行业资源再配置效应

借鉴Griliches等［27］和毛其淋等［37］的研究思路，将行业排污强度变动分解为：“企业内效应”“企业间效应”“进入效应”以及“退出效应”4部分。其中“企业间效应”“进入效应”和“退出效应”之和被定义为资源再配置效应。值得关注的是，行业总体的环境绩效是由“企业内效应”还是资源再配置效应引致的？

为深入分析上述问题，首先测度行业层面的排污强度：

其中：i、k、t分别表示企业、行业与年份，Θk为行业k的企业集合；ωit表示企业工业总产值占行业工业总产值的比重，行业k从t-1期到t期的排污强度变化可表示为：

其中：H表示在位企业的集合，En表示进入企业的集合，Ex表示退出企业的集合。进一步分解行业层面的排污强度可得：

表8报告了2000—2014年行业层面排污强度的分解结果。从表中可知，行业排污强度的年平均下降幅度为0.050 3。企业间效应为-0.024 4，对行业排污强度的影响占比48.51%；企业内效应为-0.009 9，占比为19.68%。综上，企业内与企业间效应构成的集约边际效应达到了68.19%，表明在位企业自身环境绩效的改善与市场份额的变化对行业整体排污强度具有关键作用。退出效应为-0.019 5，对行业环境效应的影响占比38.77%，表明退出市场的企业排污强度高于行业总体均值；而企业进入效应为正，占比6.96%，表明新进入市场企业的排污强度高于行业均值。因此，企业的退出效应大于进入效应，即扩展边际效应为负。可能的原因是新进入企业资金、规模或数量较少，对行业排污强度影响程度小于退出企业对环境绩效的改善作用，故整体环境效应得到显著改善。具体而言，集约边际对行业环境绩效改善的贡献度接近70%，而扩展边际（狭义资源再配置效应）的贡献度只有31.81%。但如果加上企业间效应，得到广义的资源再配置效应为-0.040 4，它对行业环境绩效的贡献度达到80.32%。综上所述，资源再配置效应在行业总体的环境绩效增长中具有不容忽视的作用。

表8 行业排污强度变动的分解结果

5.2 企业市场选择机制

绿色信贷政策作为环境与金融政策，提高了市场进入门槛，阻碍了新企业进入，导致低生产率企业进入市场更加困难。同时，绿色信贷政策增加了在位企业的经营成本，提高了低生产率企业的退出风险，绿色信贷政策通过强化市场选择机制影响企业进入、退出行为。该研究进一步从实证上检验绿色信贷政策的市场选择机制。

首先，根据企业状态把样本企业划分为进入企业、退出企业和在位企业［38］。该研究采用松弛测度的方向性距离函数结合全域Malmquist-Luenberger指数对企业绿色全要素生产率进行测算，根据企业样本期间所测算的各企业绿色全要素生产率的中位数，分为高生产率企业与低生产率企业。该研究采用Logit面板固定效应模型探究高生产率企业与低生产率企业的进入退出行为。

其中：pijt表示企业i第t年在j行业中处于进入市场或退出市场状态的虚拟变量，其他指标与式（16）相同。

表9报告了绿色信贷政策对高生产率企业与低生产率企业进入退出行为的回归结果。列（1）表示高生产率企业进入市场的情况，回归系数为负，但不显著，意味着绿色信贷政策对高生产率企业的进入影响不显著；列（2）回归结果显著为负，表明绿色信贷政策的实施阻碍了低生产率企业进入市场；列（3）和列（4）反映了企业的退出情况，其中高生产率企业的系数在1%水平上显著为负，低生产率企业不显著。表明绿色信贷政策实施后仅减少了高生产率企业的退出概率。综上，实证分析结果与前文理论一致，低生产率企业进入市场难度加大，高生产率企业留在市场，绿色信贷政策通过市场选择机制改善企业环境绩效。

表9 企业进入退出结果

6 结 论

该研究以2007年《意见》正式实施为事件构造准自然实验，基于2000—2014年工业企业与企业专利数据库以及中国企业污染排放数据库，从绿色信贷政策视角构建双重差分模型与三重差分模型，系统分析了绿色信贷政策对企业环境绩效的影响效果与作用机制。实证结果表明：绿色信贷政策显著改善了企业环境绩效，且经过平行趋势检验、安慰剂检验、工具变量法等一系列稳健性检验后上述结论依然成立；绿色信贷政策对非国有企业与小规模企业的环境绩效改善效果更佳，在中低技术水平行业与高竞争度行业中，绿色信贷政策的减排效果更为突出，且随着地区金融化程度的减弱，绿色信贷政策改善企业环境绩效的效果增强。机制检验表明，绿色信贷政策不仅通过“创新补偿效应”“融资约束效应”以及“遵循成本效应”影响企业环境绩效，而且进一步通过宏观角度的“资源再配置效应”与微观角度的“市场选择机制”发挥作用。

基于前文实证分析结果，提出如下建议：①企业应提高创新水平，改善要素投入结构，加强公司治理。绿色信贷政策的“创新补偿效应”与“遵循成本效应”启示企业革新生产技术与设备有助于提高生产率，改善环境绩效。②金融机构应明确信贷审批标准，强化监督机制，充分发挥银行等金融机构对资源的配置作用。一方面，绿色信贷政策的“融资约束效应”启示金融机构“区别对待”，增加信贷资源向环保企业的倾斜，限制“两高一剩”企业的污染排放；另一方面，“市场选择机制”与“资源再配置效应”启示金融机构应代替政府引导市场，充分发挥资源配置的功能，有序推动“两高”产业的退出与转型，改善企业环境绩效。③政府应实施差异化的激励措施，逐步完善环境治理政策与相关法律法规。政府在实施绿色信贷政策的过程中要兼顾各地区与行业之间的差异性，尤其要加强对国有企业、规模以上企业以及高技术水平、竞争度低的行业企业的引导，保障各企业之间的绿色发展与协调发展，改善企业环境绩效。