绿色信贷政策对企业绿色治理绩效的影响研究--基于政策传导视角

张 娆，郭晓旭

（南京农业大学金融学院，江苏 南京 210095）

一、引言

在“碳达峰碳中和”战略目标及新时代的绿色发展背景下，要实质性地改善生态环境，从根本上实现减排治污目标，促进经济和环境的协调可持续发展，绿色金融手段不可或缺［1］。绿色信贷作为引导信贷资源参与绿色配置的关键举措，是发展绿色低碳经济，同时获取经济效益和环境效益的新兴工具，是构建绿色金融体系的关键动力之一［2］。根据中国人民银行发布的《2021年三季度金融机构贷款投向统计报告》，绿色贷款余额为14.78 万亿元，同比增长27.9%。随着绿色信贷规模的日益扩大，如何利用绿色信贷政策手段推动企业在生产经营中追逐绿色本源发展，实现经济效益与环境治理的“双赢”，是社会各界普遍关注的重要现实问题。

针对绿色信贷政策的效应问题，既有研究关注绿色信贷政策的短期直接影响和企业对政策的应激反应，比如随着绿色信贷政策的推进，重污染企业的债务融资成本增加，债务融资期限降低［3-4］，可得贷款减少［5］，导致企业经营绩效下滑［6］。绿色信贷政策加大了重污染企业的退出风险，且尚未体现波特效应［7-8］，企业的全要素生产率也随之降低［9］。从微观企业的政策反应角度来看，绿色信贷政策给企业施加环境污染压力，对重污染企业攫取自然资源的行为“敲响了警钟”，其目标是通过引导资源配置将环境外部性问题内部化，以改善生态环境。从政策实施的目标角度来看，只有改变企业应对环境问题时的行为选择，使其愿意直面环境问题，在追求经济可得的过程中更多考虑环境保护提高绿色治理绩效，从本质上追求绿色，才能最终实现生产的绿色化［10］。因此，针对在绿色信贷政策的影响下，重污染企业能否摆脱发展困境，将政策压力转换为绿色治理动力提高绿色治理绩效，亟需进行深入探讨。

企业绿色治理作为一种新兴的企业管理模式，更加强调“人与自然和谐共生”的治理观念，强调充分考虑生态环境的可承载性，更多关注企业生产和发展对环境的影响，弥补生产经营造成的社会福利损失，促进社会经济的可持续发展［11］。已有学者从不同角度对企业绿色治理绩效的影响因素进行了探究，他们主要针对内部和外部影响因素展开探讨。内部影响因素包括企业管理层环保意识［12］，绿色管理创新［13］，管理层自上而下将绿色治理理念整合应用到企业的生产、应用和销售等业务环节。外部影响因素包括绿色投资者［14］、关系资本［15］、公众认可度［16］、碳排放权交易［17］等。这些研究认为企业能够通过调整自身的生产经营方式以满足利益相关者的环保要求，因而激发企业主观治理能动性是提高绿色治理绩效的有效路径。通过文献梳理发现，关于企业绿色治理绩效的影响因素研究多在微观层面进行探讨，而立足宏观环境政策视角开展的研究较为匮乏。事实上，在环境政策指引下企业进行绿色治理的发展方式更符合中国国情，因此有必要将宏观政策因素纳入对企业绿色治理绩效的影响因素研究，进而深入挖掘绿色治理背后的深层次动机和机制。

那么，在绿色信贷政策的引导下，企业能否将绿色信贷的压力转换成动力，认识到减排治污的重要性，从而以可持续发展为目标，付诸绿色治理行动以应对社会、经济和环境的变化，提高自身的绿色治理绩效？ 基于此，本文使用2008-2021年沪深A 股上市公司数据，以2012年出台的《绿色信贷指引》政策作为外生事件，在微观企业层面构建双重差分(DID)模型，以考察绿色信贷政策能否提高重污染企业绿色治理绩效。本文可能的贡献主要体现在以下方面：

其一，本文将绿色信贷政策的经济后果研究拓展至绿色治理领域，为理解绿色信贷政策提供了又一个重要的微观机制。现有研究着重关注绿色信贷政策对重污染企业发展的短期影响，并集中在这些企业的被动反应上，如增加企业融资成本［4］、减少重污染企业的可得贷款［5］，无法提高企业绿色创新质量［1］，可见这些研究多延续对企业造成负面影响的逻辑链条。本文尝试解释企业在受到政策的环保压力后，完成“环境压力感知-适应政策规则-提升绿色治理绩效”这一转换过程，探讨绿色信贷政策如何培养企业环境治理的主观能动性，使绿色信贷政策与微观企业环境治理的研究链条更加完整。

其二，本文研究绿色信贷政策对企业绿色治理绩效的影响及机制，拓展了关于企业绿色治理影响因素的研究。现有文献多从绿色投资者［14］、关系资本［15］等企业内部利益相关者层面考虑企业绿色治理绩效的影响因素，鲜有研究详细探讨环境政策的绿色治理绩效提升效果。事实上，绿色治理理念是让企业将逐利行为与环境及社会福利目标结合，形成绿色发展的长效机制，而这在环境政策引导下更可能实现。因此，本文将绿色信贷政策与企业绿色治理绩效纳入同一理论框架，从绿色信贷视角评估企业绿色治理效果。

其三，基于企业风险承担、绿色创新、产权性质和成本转嫁视角，深入探讨企业将绿色信贷政策压力转换为动力的效果差异，不但能更加准确地评估绿色信贷政策的绿色治理作用，还为更深入广泛地探索我国环境治理变革之路提供了有益的经验证据，有助于政府优化完善绿色信贷政策，对国家推进绿色低碳发展具有重要的现实意义。

二、制度背景和理论分析

（一）制度背景

为应对严重的环境污染问题和频发的环境突发事件，中国政府于2007年出台《关于落实环保政策法规防范信贷风险的意见》，督促银行业金融机构关注企业的环境治理工作，将环境监管与信用监管相结合，环境合规性成为银行审批绿色贷款的重要前提条件。2012年2月，中国银监会制定的《绿色信贷指引》是首个针对金融机构开展绿色信贷的具体指引，是贯彻落实国家生态文明建设重要战略部署的具体行动，由此成为中国绿色信贷政策的里程碑［3］。一方面，《绿色信贷指引》的作用对象包括重污染企业，旨在通过对企业施加的高污染高能耗项目采取暂停贷款、延期贷款甚至收回贷款等处罚措施，从资金来源上遏制重污染企业的盲目扩张。另一方面，《绿色信贷指引》要求银行调整其信贷结构，支持绿色产业、低碳经济和可持续发展，加大对企业节能减排的重点投资，将更多的资本投资于环保项目，从而促进绿色低碳经济发展。可见，虽然绿色信贷政策对企业施加环境污染压力，但企业若能积极进行绿色转型发展，规划环保治理项目，也会受到绿色信贷的青睐获得信贷支持，从而得到发展契机。

（二）绿色信贷政策与企业绿色治理绩效

1.基于信贷约束效应和信号传递效应的分析

绿色信贷政策发挥信贷约束效应的作用加大企业环境污染压力，促使重污染企业承担环境责任。根据风险管理理论，受绿色信贷政策的指引，银行向企业提供贷款时应考虑环境风险因素，并将其纳入企业授信和项目管理的框架中，贷前风险评估意味着银行对重污染企业施加了更严格的信贷约束。这无疑使重污染企业浪费资源或污染环境的成本扩大化［18］，违规成本显著增加，污染负担率显著升高，企业面临着较大的环境污染压力。如果企业保持较低的污染排放标准和环境治理标准，则银行会宣布不发放绿色信贷，企业在生产经营以及行业竞争中就会处于不利地位。由于绿色信贷政策压力的存在，企业需要主动向银行递交“绿色证明”，才能确保减轻直至免受融资惩罚，获得低利率的信贷支持。但是，由于银行和企业之间存在普遍的信息不对称现象，企业实际的绿色发展难以评测，受绿色信贷政策影响，银行愈发重视企业实质性的绿色行为，更加关注企业的生态友好性［19］，因而企业会偏向于采用显现环境责任的方式向银行传递“绿色证明”［20］。

绿色信贷政策发挥信号传递效应的作用加大企业环境污染压力，促使重污染企业承担环境责任。根据信号传递理论，绿色信贷政策作为一种市场导向的政策工具，可以释放市场信号向投资者传递有价值的绿色信息［21］，增加了投资者的绿色投资偏好［22］，投资者更可能全面评估企业的环境风险，并且准确评估企业环境治理项目的预期投资收益率。如果企业环境责任承担较低，经营的不确定性和债务风险增加，现金流量降低，那么企业在难以获取绿色信贷的同时也在绿色投资者的外部环境中失去发展契机，此时企业面临融资活动的双重困境，可视为绿色信贷政策发挥双重压力限制企业的生产经营活动。反之，保持较高环境责任的企业可赢得投资者更多关注［23］，提高自身额外的收益，具备更好的发展前景。因此，企业会将参与环境保护视为一种增值活动，会更可能对环境负责。

绿色信贷政策的环境污染压力可以通过企业承担环境责任转换为企业绿色治理绩效的提高。企业环境责任是基于对环境资源的社会用途、福利效应的综合权衡，是将逐利行为与环境及社会福利最大化目标相契合的表现［24］。可以说，承担环境责任是企业绿色治理的题中之义，是提高企业绿色治理绩效良好的先决条件。具体地，承担环境责任的企业本身具有较强的环境认同感［25］，能够更积极地参与到与环境问题相关的决策过程和行动中去，可以将环境战略和方向转化为企业的日常流程和活动。一方面，通过提出与环保相关的口号，举办环保慈善、募捐等环保活动，树立良好的企业形象，不断提高企业的声誉［26］，从而获得独特的绿色竞争优势；另一方面，积极参与绿色采购、加快绿色产品的研发与生产、开拓绿色供应链、优化完善绿色服务，在获取经济利益的同时考虑环境的可承载性，使企业的绿色治理绩效得以提升。

2.基于监管效应的分析

绿色信贷政策发挥监管效应的作用给企业施加减排治污压力，增加重污染企业环保支出。环境治理意味着企业要将原本用于生产经营的资源转移到减排治污中，会损害企业当期可得利益。因此，在缺乏外力推动或压力约束的情况下，企业缺乏动机释放环保支出进而参与环境治理。根据合法性理论，企业作为国家宏观政策的微观表现主体，只有遵从能够降低污染负外部性的绿色信贷准则，在规制中适应绿色信贷政策的治理和监管环境，才能更好地进行生产经营活动。具体而言就是，绿色信贷政策具有长效性和严格性的监督功能，能够强化贷后监管。一方面，银行业金融机构通过取消和收回已放贷款的方式纠正重污染企业获取信贷后仍然开展污染性投资活动的行为，这给予企业潜在的资源配置压力，因为在先前的生产经营中绿色信贷会促使企业产生一定的资源可依赖性［17］，缺乏信贷支持则会导致企业在生产经营以及行业竞争中处于不利地位。因此，为持续稳定获得绿色信贷，企业可能会协调追求利润最大化的生产经营与增加环保支出之间的矛盾，准确地将绿色信贷资金落实到体现节能、减排治污和绿色发展的环保项目上。另一方面，绿色信贷政策也加强了金融机构与政府相关部门的协调配合，信息共享机制的建立健全极大地拓宽了对重污染企业污染生产的监管面，包括对企业反馈的环境信息进行有效甄别等，企业采用粗放式发展会受到来自银行和政府的双重环境处罚。更重要的是，这种监管压力提高了企业“逃避排放”“不作为”“隐瞒”等环境不友好行为的风险和成本，迫于绿色信贷政策的监管力度和处罚压力［27］，企业更倾向于增加追求监管合法性的动机，加大环境治理相关费用的支出，自觉采取污染减排措施。

绿色信贷政策的减排治污压力可以通过企业环保支出转换为企业绿色治理绩效的提高。企业环保支出是企业环保项目顺利实施，减少环境违规行为［28］，提高绿色治理绩效的关键基础。首先，企业增加环保支出，如投资于先进的污染治理技术和清洁生产技术等源头治理，是获得长效绿色收益的举措，是追求环境经济协调统一的必要抓手，它能够显著促进企业的绿色治理绩效的提高。而末端治理虽然相对源头治理而言长效利益较低，但也是企业在考虑现阶段环境承担力之下所付诸的必要举措，所谓“远水不解近渴”，一定的末端支出能够直接提升企业绿色治理绩效。其次，从长期来看，企业环保支出的增加会通过财务报告的形式传递给投资者、政府、供应商和其他利益相关者［29］，可以被视为企业保持良好环保经营的“标签”，能够为企业赢得外界的关注和认可，从而使企业声誉逐步优化，企业通常会为了维持这种良好的外部环境，而保持环境治理积极性，并自觉加大治理监督力度，避免因环境污染造成的处罚，提高企业绿色治理绩效。据此，提出以下假设：

H1：绿色信贷政策能够提高企业绿色治理绩效。

H2：绿色信贷政策能够促进企业环境责任承担，进而提高企业绿色治理绩效。

H3：绿色信贷政策能够通过增加企业环保支出，进而提高企业绿色治理绩效。

（三）绿色信贷政策对企业绿色治理绩效影响的异质性分析

绿色信贷政策给企业施加环境污染压力，这种压力转换效果会根据企业对政策压力的感知程度和接受意愿不同而存在差异。一方面，绿色信贷政策增加了企业污染环境的成本，企业如果具有较强的成本转嫁能力，则更容易卸掉政策压力给企业带来的成本负担［30］，体现为对政策压力的感知程度较低，压力转换效果较差。另一方面，面对政策压力，风险承担能力较高的企业更倾向于实施减排治污项目，直面政策要求，对压力的接受度较高［31］，更能显现压力转换成效。此外，绿色信贷政策的压力转换效果也会因为企业绿色治理特征差异具有异质性。若企业绿色创新水平较高，说明企业具有一定的绿色治理基础［11］，则更可能积极应对绿色信贷政策；而国有企业与政府关系紧密，需要承担更多国家政策导向的任务［17］，同时具有较高的信贷融资便利性，它们更可能响应绿色信贷政策的要求实施绿色治理活动。因此，本文从企业风险承担、成本转嫁、绿色创新和产权性质四个方面探究绿色信贷政策对绿色治理绩效的异质性影响（如图1）。

图1 理论框架图

首先，绿色信贷政策支持企业绿色治理绩效的效果会受到企业风险承担能力的影响。绿色治理绩效的提高虽能助力于企业提高经济绩效［32］，获得可持续竞争优势，但在企业绿色治理中所开展的节能环保项目等也会增加企业额外的成本，导致企业在短期内获取收益减少，甚至无法获取收益，给企业带来不确定的经营压力，使企业的经营风险增加。具有较高风险承担能力的企业更可能选择风险性的投资项目［33］，以增加企业的绿色治理可接受性，这体现为企业会选择包容因环境支出和绿色治理规划而导致的短暂利益受损，即表现出愿意承担风险因素的特征。因此从企业风险承担角度考虑，对于风险承担水平较高的企业，绿色信贷政策的绿色治理绩效促进作用更明显。

其次，在市场中保持优势竞争地位的企业可能会采用成本转嫁的方式应对绿色信贷政策所施加的环境成本压力［34］。如果企业在市场中的“话语权”较高，则意味着企业成本转嫁能力较高，它们能通过提高产品定价等方式由供应链和销售链分别向供应商和客户转嫁成本［30］，企业因此能够实现以较小代价来缓解绿色信贷政策所施加的压力，这可视为企业以“走捷径”的方式应对绿色信贷政策，因而企业主动采取绿色治理的动机可能相对较低，绿色治理绩效也会相对降低。反之，如果企业本身的成本转嫁能力偏弱，企业则更可能直面减排治污，在这种情况下，绿色信贷政策能够很好地发挥其作用，提高企业绿色治理绩效。

再次，企业绿色治理绩效的提升在很大程度上与绿色创新发展程度密切相关。绿色创新是企业处理环境问题的关键能力［11］，具有较高绿色创新能力不仅能够帮助企业降低环境治理成本，促进企业经营管理以及维持市场份额［35］，而且能够帮助企业提升绿色竞争力和获取更高的社会声誉［36］。因而如果企业自身具有较强的绿色创新能力，那么企业在面对环境问题时更可能将环境治理问题纳入经营决策，而不是对其保持“应付了事”的被动态度，企业会在追求经济效益的同时更加关注环境效益，从而激发起开展绿色治理行动的积极性。同时，绿色创新也是银行考虑企业生态友好性和偿付能力的合适衡量标准，它能够为企业带来更好的贷款渠道［19］，因而企业也具备更多经济实力和技术手段推动绿色治理项目的持续运行。

最后，由于国企需要承担更多国家政策导向的任务，并享有政府担保和庇护［37］，具有一定的信贷融资便利，绿色信贷约束可能较低，它们更可能具有资源优势和经济实力去实施环保改造、绿色产品升级达标等治理举措，提高绿色治理绩效。对于非国有企业而言，一方面，银行对其更可能存在信贷歧视［38］，非国有企业可能面临着更为严重的信贷约束，获得信贷的成本也较高；另一方面，从非国有企业的特性来看，其与银行之间存在较强的信息不对称，这也是导致绿色信贷融资困难的重要因素。因而在相同条件下，在绿色信贷政策的影响下，非国有企业绿色治理行动受限，企业绿色治理绩效可能较低。据此，提出以下假设：

H4：在高风险承担企业、低成本转嫁能力企业、高绿色创新水平企业和国有企业中，绿色信贷政策对企业绿色治理绩效的促进作用更明显。

三、研究设计

（一）样本选择与数据来源

本文以2008-2021年沪深A 股上市企业作为初始的研究样本，将原环境保护部2008年制定的《上市公司环保核查行业分类管理名录》匹配2010年《上市公司环境信息披露指南》，区分出重污染行业和非重污染行业，重污染行业主要包括水泥、钢铁、火电等16 类行业。对样本期内上市企业做出如下处理：首先剔除金融保险类企业数据，其次剔除财务数据存在缺失以及当年ST/ST*/PT 的企业数据。有效样本数量为24880 个。从国泰安数据库（CSMAR）获取企业财务和治理层面数据，绿色治理绩效数据来自企业年报、国泰安数据库（CSMAR）和中国研究数据服务平台（CNRDS），环保支出的具体数据来源于国泰安（CSMAR）环境研究数据库中的上市公司环境投资明细表。为消除极端值影响，对所有连续变量在1%和99%分位上进行Winsorize 处理。

（二）实证模型设定

由于重污染企业较非重污染企业更易受绿色信贷政策的直接影响［7］，将重污染企业设置为处理组，其他行业企业设置为对照组，以考察绿色信贷政策对不同企业的差异性影响。构建双重差分模型如下：

在基准回归的基础之上，使用DID 模型进行中介效应检验［39］，以考察绿色信贷政策是否可以通过促进企业环境责任承担，加大环保支出来提升绿色治理绩效，具体通过逐步检验回归系数来识别影响机制［40］，设定如下回归模型：

其中，Interit代表中介变量，分为企业环境责任（CER）和环保支出（SEP），分别纳入回归模型进行检验，其余变量说明与模型（1）一致。在检验过程中，需要着重关注β1和γ4，若两个系数都显著则中介效应成立，若至少1 个不显著则需要做Sobel 检验，若通过检验则中介效应显著。

（三）变量定义

1.被解释变量

绿色治理绩效（GGP），为计算得到的J-F 系数值［14］。在公式（5）中，正面得分p 包括企业是否通过ISO14000系列标准认证（是为1，否为0），是否获得环保荣誉或奖励（是为1，否为0），是否通过绿色审查，即污染物排放达标（是为1，否为0）；负面得分q 包括企业是否存在环境行政处罚等事件、是否存在突发环境事故（是为-1，否为0）、是否存在环境违法事件（是为-1，否为0）、是否存在环境信访案件（是为-1，否为0）。

其中，p 代表正面得分，q 代表负面得分，r=p+|q|，最终计算所得的绿色治理绩效（GGP）取值越接近于1，说明企业绿色治理绩效越高。

2.解释变量

3.中介变量

企业环境责任（CER），使用营业收入排污费率，即排污费占当期营业收入比重来衡量企业环境责任［41］，具体计算方式为排污费/营业收入×100，该指标数值越低，说明企业环境责任履行得越好。环保支出（SEP），用企业环保支出额加1 后取自然对数衡量，主要是环境治理方面的支出，如废气减排、废水减排、粉尘与烟尘治理、固废利用与处置、清洁生产实施以及对噪声、光污染、辐射、等治理支出，还包括如ISO14000 系列标准认证、实施绿色生产技术改造等企业绿色支出。如中国长城（证券代码000066）2017年的废水、废气、噪声等环境监测费用为7.8 万元，处置固体废物支出为22.7 万元；深南电路（证券代码002916）2020年的环保设备设施技术改造支出为800 万元。

4.调节变量

关于企业风险承担（Risk）的衡量，学界常用企业盈利的波动性作为其衡量指标［33］，计算波动性时先考虑行业周期影响，将企业当期ROA 减去行业平均ROA 得到的结果以t-2年至t年作为观测时段进行滚动计算得到风险承担程度。

关于企业成本转嫁（Pass）的衡量，学界一般认为产品市场竞争强度可以作为其代理变量［42-43］，这样做的原因是，相比于产品需求弹性较小的垄断企业，垄断性较弱企业因其市场产品的可替代品较多，竞争产品的供给弹性较大，企业往往不会盲目进行成本转嫁。借鉴已有研究［43］，使用以赫芬达尔指数表示的产品市场竞争强度来衡量企业成本转嫁程度，该指标是反向指标，指标数值越小，产品市场竞争就越高，企业成本转嫁能力也越低。

关于企业绿色创新（Patent）的衡量，使用绿色专利申请数/专利申请数［44］，这样更能体现企业的实际绿色创新能力。

关于企业产权性质（State）的衡量，从CSMAR 数据库中获得关于企业国有性质和非国有性质的数据［8］，具体构建虚拟变量衡量企业产权，非国有企业为0，国有企业为1。

5.控制变量

借鉴已有文献的做法［14］，控制股权集中度、盈利能力、财务杠杆、企业成长性、现金持有水平、公司规模、成立年龄、股权激励、董事会规模等因素对被解释变量绿色治理绩效的影响。变量定义如表1所示。

表1 变量的定义

四、实证检验

（一）描述性统计

表2 列示了各变量的描述性统计结果，其中，企业绿色治理绩效的均值为0.364，最大值为1，最小值为-0.111，表明不同企业的绿色治理绩效存在较大差距，控制变量的描述性结果均在正常范围之内，超过一半变量的均值大于标准差，离散系数相对较小，数据具有较高的稳定性。

表2 主要变量描述性统计

（二）绿色信贷政策与企业绿色治理绩效的检验结果

表3 报告了基准回归结果，（1）（2）列分别是加入固定效应前后绿色信贷政策（Treat×Post）对重污染企业绿色治理绩效（GGP）的影响，Treat×Post 的回归系数均显著为正，表明绿色信贷政策有助于企业绿色治理绩效的提高，从加入固定效应后的结果来看，绿色信贷政策会使企业绿色治理绩效提升0.068。各控制变量的估计值也大都符合理论预期。从绿色信贷政策影响企业绿色治理绩效的检验结果来看，与非重污染企业相比，受绿色信贷政策影响的重污染企业具有更高的绿色治理绩效，符合H1 预测结果。以上结果说明在绿色信贷政策引导下，重污染企业环境治理的主观能动性得以增强，政策实施有助于培养企业的可持续发展理念，企业能够规划绿色治理从本质上追求绿色，提高绿色治理绩效。

表3 绿色信贷政策影响企业绿色治理的检验结果

（三）绿色信贷政策提高企业绿色治理绩效的作用机制分析

为了检验绿色信贷政策的作用机制，表4 中列（1）报告了绿色信贷政策（Treat×Post）对重污染企业环境责任（CER）的影响，交互项对企业环境责任的回归系数为-0.039，在1%水平上通过显著性测试，说明绿色信贷政策显著促进了重污染企业环境责任提升。列（2）报告了当被解释变量为绿色治理绩效（GGP）时，绿色信贷政策的回归系数在1%的水平上显著为正，但是企业环境责任的回归系数为-0.003，未通过显著性测试，Sobel 检验z 值为2.336，显著大于临界值1.960，说明企业环境责任机制发挥作用。综上，就整体而言，绿色信贷政策对企业绿色治理绩效的影响通过企业环境责任机制发挥作用，即企业环境责任履行得越好，企业绿色治理绩效就越高，H2 得证。列（3）报告了绿色信贷政策（Treat×Post）对企业环保支出（SEP）的影响，交互项回归系数为0.525，在1%水平上显著，说明绿色信贷政策显著促进了企业环保支出。列（4）报告了当被解释变量为绿色治理绩效（GGP）时，SEP 和Treat*Post 的回归系数均显著为正，说明企业环保支出促进了企业绿色治理绩效。综上，说明绿色信贷政策的实施能够促使企业加大自身环保支出，从而提高企业绿色治理绩效，H3 得证。

表4 作用机制检验结果

（四）稳健性检验

1.平行趋势检验

基准回归结果显示绿色信贷政策显著提高了重污染企业绿色治理绩效，结合本文的研究模型来看，只有政策出台前的处理组和对照组的变化趋势相同，才能确保外生事件是造成两者差异的唯一动因。因此，本文进行平行趋势检验，以政策出台时间t 作为基准年份，t-1、t-2 和t-3 分别为绿色信贷政策颁布前一年、前两年和前三年，t+1 至t+7 为绿色信贷政策颁布后第一年到第七年。由图2 所示，政策颁布之前估计系数在0 附近且不显著，可以判断绿色信贷政策出台前处理组和对照组企业绿色治理绩效的变化趋势相同，不存在显著差异，即平行趋势假设成立。在政策颁布之后，随着时间的推移绿色信贷政策的政策效应逐渐释放，值得注意的是，在绿色信贷政策的动态效应中显示t 期和t+1 期的回归系数并不显著，t+2 期及其以后的回归系数均显著为正，表明绿色信贷政策效应作用的发挥可能具有一定的滞后性。

图2 平行趋势检验

2.倾向得分匹配检验（PSM）

倾向得分匹配法能够有效处理变量检验中的逆向因果关系、选择性偏差等内生性问题［14］。本文使用PSM-DID 方法对基础回归加以检验，主要操作步骤有如下三步：其一，将全部控制变量包括股权集中度、盈利能力、财务杠杆、企业成长性、现金持有水平、公司规模、成立年龄、股权激励、董事会规模作为企业特征变量；其二，基于1∶1K-近邻匹配算法为处理组匹配合理的对照组；其三，通过平衡性检验后重新估计基础模型。表5 中列（1）展示了PSM-DID 的估计结果，发现绿色信贷政策（Treat×Post）回归系数为0.061 且通过5%显著性测试，说明保留与处理组特征相似的对照组后，在形成的新样本中得到了与原结论相符的结果。

表5 稳健性检验结果（一）

3.安慰剂检验

为确保绿色信贷政策时点的唯一性需进行安慰剂检验。具体使用反事实分析法［45］，假设政策发生时点为2011年，使用政策出台之前样本进行检验，即2008-2010年赋值为0，2011 和2012年赋值为1。表5 列（2）展示了安慰剂检验的回归结果，发现绿色信贷政策（Treat×Post）回归系数为0.025 且并不显著，即假设的其他年份的绿色信贷政策并不会显著影响重污染企业绿色治理绩效，证明所构造的外生事件未发生，验证了研究结论的有效性。

4.更换对照组样本检验

除了重污染企业之外，绿色信贷政策也对绿色、低碳、循环经济加以支持，因此节能环保企业也很有可能受绿色信贷政策影响，导致估计结果出现偏差。具体选择剔除属于节能环保行业的上市公司［46］，以检验在调整对照组样本的情况下，绿色信贷政策对重污染企业绿色治理绩效的影响是否发生变化。表5 列（3）展示了更换对照组样本后的检验结果，发现绿色信贷政策（Treat×Post）回归系数为0.069 且通过1%显著性测试，说明在更换对照组样本后，得到了与原结论相符的结果。

5.排除其他政策的影响

考虑到绿色治理绩效估计值可能受其他环保政策因素的干扰，从以下两个方面排除其他政策因素［20］。其一，2015年出台的新《环境保护法》规定了企业需要实施相关减排治污的举措，可能会对企业绿色治理绩效产生影响，通过加入2015年及其之后年份的年度虚拟变量排除该政策可能造成的影响。其二，自2016年以来，浙江、江西、广东、贵州、新疆均建立了绿色金融改革创新试验区，试验地区的企业环境治理活动可能会产生变化，与其他地区存在显著差异，因而选择剔除这5 个省和自治区的样本数据，以排除该政策的影响。表5 列（4）回归结果显示，在排除其他政策的干扰之后，绿色信贷政策（Treat×Post）回归系数为0.077 且通过1%显著性测试，说明研究结论稳健。

6.考虑时序选择问题

本文的研究样本时序区间是2008-2021年，样本时序较长，容易产生序列相关问题，降低回归模型估计的标准差，对回归结果造成偏误［47］。因此，将样本时间序列确定为绿色信贷政策颁布的前后三年，使用2009-2015年数据重新估计绿色信贷政策回归系数，表5 列（5）的回归结果发现，绿色信贷政策（Treat×Post）回归系数为0.044 且通过5%显著性测试，证明了研究结论较为稳健。

7.重新衡量绿色信贷政策指标

从行业层面测算污染排放强度，并以此将企业区分为高污染企业和低污染企业的做法也可被视为另一种衡量绿色信贷政策的方法［6］。因此，本文使用工业二氧化硫排放量、工业烟（粉）尘排放量、工业废水排放量和工业固体废物量数据，计算绿色信贷政策实施前一年即2011年各行业污染排放强度ER，计算所得的ER 数值越大说明此行业的污染程度越高，受绿色信贷政策的影响也就越大。因此使用两种方式重新估计绿色信贷政策：一是定义DID 模型中的交互项为ER×Post，构建强度DID 模型；二是通过ER 的行业均值大小判断行业是否为重污染行业，大于均值为1，反之为0，以此重新界定重污染行业，构建新的交互项Treat2×Post 对模型进行重新估计。如表6所示，无论采用强度DID 模型还是采用重新界定重污染行业后的估计，绿色信贷政策的回归系数均显著为正，说明研究结论稳健。

表6 稳健性检验结果（二）

（五）异质性影响

基于企业特征异质性检验绿色信贷政策的压力转换对企业绿色治理绩效的效果差异。表7 列（1）回归结果显示，Treat×Post×Risk 回归系数为0.698，并通过显著性测试，表明绿色信贷政策对于较高风险承担的企业而言，更可以提高绿色治理绩效。列（2）回归结果显示，Treat×Post×Pass 回归系数为-0.400，在5%水平上显著，说明企业的成本转嫁能力越高，越不利于政策发挥压力转换作用提高企业绿色治理绩效。列（3）回归结果显示，绿色信贷政策与企业绿色创新的乘积项（Treat×Post×Patent）为正，且通过显著性测试，说明企业绿色创新水平越高，绿色信贷政策对企业绿色治理绩效的促进作用就越明显。列（4）回归结果显示，绿色信贷政策与产权性质的乘积项（Treat×Post×State）的回归系数为0.075，且通过5%显著性检验，验证了绿色信贷政策更能提高国有重污染企业的绿色治理绩效。综上，绿色信贷政策与企业绿色治理绩效的关系因风险承担、成本转嫁、绿色创新和产权性质调节变量的影响而存在异质性，H4 得以验证。

表7 异质性分析

（六）绿色信贷政策提高企业绿色治理绩效的经济效应分析

从企业的信贷支持视角考察绿色信贷政策下企业绿色治理绩效的经济后果。在指标衡量方面，信贷支持的衡量方法是使用企业当年所获得的银行借款（FIN），并进行对数化处理。此外，本文还使用重污染企业样本进行估计，以考察重污染企业绿色治理的绿色信贷获得情况。借鉴已有研究的做法［48］，如果重污染企业从银行获得信贷，可视为符合了银行的绿色信贷要求，因此重污染企业所获借贷资金额可作为衡量企业获得绿色信贷的指标。表8 中列（1）报告了企业绿色治理绩效对企业信贷获取的影响，可以看出，GGP 系数显著为正，说明随着企业绿色治理绩效的提升，企业所获得的信贷也得以提高。列（2）报告了重污染企业绿色治理绩效对企业绿色信贷获取的影响，GGP 系数为0.447且在1%水平上显著，说明重污染企业绿色治理绩效的提升有助于企业获得绿色信贷。以上结果表明，企业遵循绿色信贷政策开展绿色治理能够获得更多的银行借款，尤其是重污染企业能够获得相应的绿色贷款，说明在绿色信贷政策压力下企业进行绿色治理回应能够得到实质性的信贷补偿，帮助企业坚定绿色可持续发展道路，更好地完成政策压力到绿色治理动力的深入转换。

表8 绿色信贷政策提高企业绿色治理绩效的经济效应检验

五、研究结论与政策建议

本文基于绿色信贷政策的压力转换视角，使用2008-2021年中国沪深A 股上市公司数据，采用准自然实验方法，利用双重差分模型探讨了绿色信贷政策是否提高了重污染企业绿色治理绩效。研究发现，绿色信贷政策实施后，相对于非重污染企业，重污染企业的绿色治理绩效提升明显，在经过平行趋势检验、PSM-DID 检验、安慰剂检验、排除其他政策干扰和时序问题考虑等一系列稳健性检验后该结论依然成立。机制检验发现，绿色信贷政策的环境污染压力能够促进企业环境责任承担，进而提高企业绿色治理绩效。同时，绿色信贷政策还能加大减排治污压力增加企业环保支出，进而提高企业绿色治理绩效。进一步研究发现，对于不同特征的企业，绿色信贷政策发挥压力转换作用促进企业绿色治理绩效提升的效果存在差异，在风险承担较强的企业、成本转嫁能力较低的企业、绿色创新水平较高的企业以及国有企业中，绿色信贷政策更能实现压力的转换，提高重污染企业绿色治理绩效。研究结论表明，要深入完善绿色信贷政策体系，充分释放绿色信贷政策红利，关注企业对政策压力的转换效果，落脚点要放在提高企业绿色治理绩效上，而非单纯对重污染企业经营生产加以约束，要助力于经济增长与环境保护的“双赢”。结合目前政府部门相关工作实际，提出如下建议。

第一，相关政府部门要深入完善绿色信贷政策体系，关注企业对政策压力的转换效果，将落脚点放在提高企业绿色治理绩效上。绿色信贷政策通过金融市场配置资金，不断引导企业注重绿色环保责任，加强绿色治理观念，开展绿色治理行动，政府部门在关于绿色信贷政策的顶层设计上，需要平衡各方切实利益，明确奖惩措施，严格政策实施的审批程序和加强事后监督机制，合理调整政策的压力效应。金融机构作为政策实施主体，不但要加强内部组织建设，强化风险管理，完善信息披露，而且要加强绿色信贷与诸多绿色金融产品的创新与融合，助力于提高企业绿色治理绩效。

第二，政府部门应充分释放绿色信贷政策的政策红利，关注绿色信贷政策对企业环境责任提升和环保支出增加的引导，致力于通过提高企业自身的环境治理积极性解决环保问题。一方面，相关部门需要注意重污染企业的绿色行为，及时调整信贷结构和优惠力度，更多地将贷款落实到真正有资金需求，具有绿色治理意愿的重污染企业，否则会打击该类企业的主观治理能动性，造成融资困境增加-减排动机下降的恶性循环。另一方面，根据赤道原则，银行也需综合评估企业在环境责任承担、环境支出等方面的贡献，并且加强与政府和环保部门的协调与合作，加强信息共享，对虚假瞒报环境信息，在环境治理上“多说少做”的企业早发现早严惩，而对绿色治理企业早发现早支持，利于提高绿色治理绩效。

第三，政府部门应优化绿色信贷政策发挥作用的外部环境，落实针对企业异质特征的绿色信贷方案，最大限度地确保政策的压力转换能够实现，提高企业绿色治理绩效。如需要重点关注风险承担能力和绿色创新能力较强的企业，并甄别企业成本转嫁能力而有区别地发放信贷，充分调动企业节能减排的积极性。此外，针对易受信贷歧视的非国有重污染企业，政府部门应出台相关补充措施，督促金融机构对信贷达标企业给予及时准确的信贷释放。