中国绿色信贷政策对劳动力需求的冲击效应研究

宋红雨　侯贵生

摘 要：绿色低碳转型不可避免对劳动力需求造成影响。为了评估绿色信贷政策对劳动力需求的冲击效应，文章将2012年的绿色信贷政策视为一项准自然实验，从理论上探究了该政策对企业劳动力需求的影响机制。进一步，利用双重差分模型实证分析了绿色信贷政策对企业劳动力需求的影响。同时，从内部企业特征、外部环境特征和城市特征角度讨论了绿色信贷政策对企业劳动力需求的异质性影响。结果表明，第一，绿色信贷政策显著降低了重污染企业的就业。第二，资本更新效应在绿色信贷政策和就业之间表现为遮掩效应。产出效应和融资约束效应在绿色信贷政策和就业之间存在中介效应。第三，异质性分析结果表明在金融发展水平低、市场化水平低的企业中，绿色信贷政策对企业劳动力需求产生了更深的负面影响。此外，在城市产业结构水平低、数字经济发展水平低的地区以及大型企业和国有企业中，绿色信贷政策对劳动力需求的负面影响更强。文章进行了一系列稳健性检验，包括平行趋势检验、安慰剂检验、预期效应检验、控制重要政策及宏观经济环境的影响以及PSM-DID检验，稳健性检验结果均支持研究结论。文章具有启示意义，随着环境规制的继续加强，政府部门在考虑企业的减排目标时，也应考虑到其对就业的不利影响。

关键词：绿色信贷政策 劳动力需求 产出效应 资本更新效应 融资约束效应

DOI：10.19592/j.cnki.scje.410860

JEL分类号：Q5， J23， G28   中图分类号：F832

文献标识码：A   文章编号：1000 - 6249（2024）06 - 077 - 21

一、引 言

在绿色低碳转型的背景下，绿色信贷政策作为政府重要的环境规制手段，对中国环境治理具有重要意义。作为关键性的节点，2012年中国银监会发布了《关于印发绿色信贷指引的通知》（简称《绿色信贷指引》）1，该指引对金融机构的绿色信贷工作提出了具体要求，被认为是国内首份针对绿色信贷的规范性文件。

绿色信贷政策是对传统经济增长方式和环境保护方式的重大变革。在这场变革中，重污染企业的生产和经营受到了冲击，同样地，相关就业人员也不得不面临岗位竞争、调整和淘汰。持续性的绿色信贷政策对企业就业的影响是一个亟待解答的问题，这一影响的评估对中国经济的高质量和可持续发展具有重要意义。环境规制对企业劳动力需求的影响存在悖论性争议。基于波特假说，有学者认为环境规制带来的创新补偿效应可以部分或完全抵消遵循成本效应，最终促进劳动力需求的提升。Berman and Bui（2001）的理论框架表明，环境规制政策通过企业产出效应和要素替代效应影响劳动力需求，但影响方向并不确定。基于以上理论，学者们从多个角度评估了环境规制政策对企业劳动力需求的影响，但并未得出一致结论。从排污费（Li et al.， 2022a）、温室气体排放交易系统（Hanoteau and Talbot，2019）、清洁空气行动政策（Li and Lin，2022）等角度研究表明，环境规制政策降低了企业劳动力需求。然而，有学者考察了环境规制政策对就业的积极影响，并从二氧化硫排放交易计划（Ren et al.， 2020）、碳排放权交易政策（Yu and Li，2021）等角度证实了这一结论。此外，也有学者讨论了环境规制政策和就业之间存在的非线性影响（马赛等，2023）。有关环境规制影响就业的文献为本研究奠定了基础，但由于差异性的研究视角和研究内容，尚未对环境规制的就业影响得出一致结论。此外，目前有关绿色信贷政策的研究多集中在环境效应和投资效应方面，少有文献考察绿色信贷政策的经济社会影响。

本文利用2007—2021年上市公司数据，考察了绿色信贷政策对企业劳动力需求的影响。研究表明，绿色信贷政策显著降低了重污染企业的就业。影响机制表明，资本更新效应在绿色信贷政策和就业之间表现为遮掩效应。产出效应和融资约束效应在绿色信贷政策和就业之间存在中介效应。进一步异质性分析发现，在金融发展水平低、市场化水平低的企业中，绿色信贷政策对重污染企业劳动力需求产生了更深的负面影响。此外，在城市产业结构水平低、城市数字经济发展水平低的地区以及大型企业和国有企业中，绿色信贷政策对劳动力需求的负面影响更强。

本文与当前文献的区别包括以下几点。首先，本文从理论上对绿色信贷政策的影响进行了研究。通过梳理文献，本文是首次在微观层面上讨论绿色信贷对企业就业影响的研究之一。进一步，从产出效应、融资约束效应和资本更新效应角度分析了绿色信贷对企业就业的影响途径。其次，在实证上，本文将2012年的《绿色信贷指引》作为一项准自然实验，证明了绿色信贷对企业就业的影响方向和影响机制。特别地，研究揭示了资本更新在绿色信贷政策和就业之间存在遮掩效应。最后，从多个角度讨论了绿色信贷对就业的异质性影响。

本文可能的边际贡献包括以下几点：

第一，本文从微观层面讨论了绿色信贷政策对劳动力需求的冲击效应，从理论和实证两个角度阐述了绿色信贷政策影响就业的理论机制和政策效果。对绿色信贷政策的评估将揭示严格的环境规制的经济社会影响。此外，对就业影响的评估将丰富和扩展环境规制的相关研究。

第二，波特假说强调技术创新机制，而本文揭示了重污染企业面临绿色信贷政策所选择的另一种减排路径的就业影响，即企业通过末端治理，或者引进高效环保的生产设备来替代低效污染的生产设备（本文将这一过程界定为“资本更新”），对企业劳动力需求产生影响。这对于揭示环境规制对经济社会的影响有重要政策启示。

第三，环境保护和经济增长是经济转型中面临的重要挑战，本文从劳动力需求的角度提供了理论支持。进一步，从企业内部特征、外部环境特征和城市特征角度对绿色信贷政策和就业的关系进行了异质性分析。具体而言，从企业规模和企业性质、金融发展水平和市场化程度，以及城市产业结构和数字经济发展水平角度，研究了绿色信贷政策对就业的异质性影响。这些探索和检验可以在理论上拓展环境规制下的经济社会影响。

二、文献综述

为了推动绿色低碳转型应对气候变化和环境问题，世界各国采取了一系列环境规制政策和行动，这些措施对经济体系的影响涵盖了各个领域。近年来，环境规制产生的经济、社会影响被学者广泛关注（Ren et al.， 2018；余泳泽、尹立平，2022；游霭琼、王明珂，2023；傅芳宁、李胜兰，2023）。其中，部分文献关注了环境规制对就业的影响。从理论的角度来看，学者就环境规制对就业的不同影响机制展开了讨论，但多集中在发达国家，且尚未得出统一的结论。

对于环境规制是否会影响企业的劳动力需求，主要有两种观点。第一种观点是基于波特假说，认为适当设计的环境规制可以触发创新，从而部分或完全抵消遵循成本，即环境规制促进了就业规模的增加。第二种观点以Berman and Bui（2001）为代表，该观点认为环境规制通过企业产出和要素替代影响劳动力需求，其影响方向并不确定。根据以上理论，学者对环境规制的就业效应展开研究。具体而言，一些学者支持环境规制政策对就业的积极影响。有学者（Ren et al.， 2020）讨论了二氧化硫排放交易计划对企业劳动力需求的影响。结果表明，由于企业生产规模扩张，该计划增加了受监管企业的就业。Yamazaki（2017）发现，澳大利亚的中性碳税政策使得清洁服务行业的就业率上升。此外，根据资本-技能互补假说，Yao et al.（2023）发现新的环境保护法促使企业增加资本要素投入和招聘高技能劳动力。Barrett and Hoerner（2002）通过分析美国对高碳能源规制的一揽子政策的就业影响，发现从资本和能源密集型产业转向劳动和技能密集型产业导致劳动力略有增加。王锋、葛星（2022）利用低碳城市试点政策作为一项准自然实验，结果发现该政策的推行使得试点城市的企业就业增加。

然而，有学者证实了环境规制政策对就业的负面影响。Liu et al.（2017b）评估了废水排放标准对江苏省太湖地区所有纺织印染企业劳动力需求的影响。结果表明更严格的环境标准减少了劳动力需求。Sheriff et al.（2019）研究了1990年清洁空气法新氮氧化物条款对化石燃料发电厂的影响，结果表明安装氮氧化物排放控制设施降低了电厂的就业。Yip（2018）支持环境税提高了失业率。Liu et al.（2021）讨论了国家空气污染控制政策对中国就业的影响，结果表明新的环境法规降低了制造业劳动力需求。Zheng et al.（2022）研究了中国二氧化硫排放总量控制对制造业企业就业的影响。他们认为环境规制降低了污染密集型企业的就业，但受影响的主要是低技能工人。Li and Lin（2022）讨论了清洁空气行动对劳动需求的影响，结果表明工业就业因清洁空气行动而下降，但冲击集中在政策的后期。

绿色信贷作为一项推动企业绿色低碳转型的引导型环境规制政策，受到众多学者的关注。该政策对重污染企业具有显著的融资惩罚效应和投资抑制效应。例如，有学者（Liu et al.， 2017a）发现绿色信贷在抑制能源密集型产业投资方面是有效的。一些学者（He et al.， 2019；Liu et al.， 2019）发现绿色信贷通过引导信贷资源配置，从而指导消费和投资行为。此外，连莉莉（2015）发现绿色企业与“两高”企业相比，承担较低的债券融资成本。Li et al.（2022b）发现绿色信贷的实施使得重污染企业的债务融资规模显著下降。Wen et al. （2021）认为绿色信贷明显减少了银行信贷，且降低了银行信贷在能源密集型产业的配置效率。融资惩罚效应和投资抑制效应可能会带来企业盈利能力和经营业绩的下降（肖建忠、董宇萱，2023；苏冬蔚、连莉莉，2018）。这些研究表明，绿色信贷可能不利于企业劳动力需求的增加。

现有文献主要从碳排放强度、绿色创新质量和全要素生态率方面讨论绿色信贷的影响。具体而言，在企业层面，Lee et al.（2022）表明绿色信贷显著降低了重污染企业的碳排放强度。在行业层面，Zhang et al.（2022）发现绿色信贷降低了工业碳排放强度。Hu et al.（2021）研究发现绿色信贷对绿色专利产量产生了积极的影响。Wang et al.（2022）表明绿色信贷提高了企业的绿色创新质量，但王馨、王营（2021）认为受限行业绿色创新质量提升不明显。Su et al.（2022）认为绿色信贷与企业绿色技术创新存在非线性影响，也有研究（李强、陈山漫，2023）表明绿色信贷从整体上促进了企业的绿色技术创新。在绿色信贷对全要素生产率的影响方面，学者们意见不一。有学者支持绿色信贷提高了绿色全要素生产率和全要素生产率（Wang and Wang，2023）。但胡浩、刘笑笑（2022）认为绿色信贷降低了企业的绿色全要素生产率。

通过梳理文献，有关环境规制影响就业的文献为本研究奠定了基础，但由于差异性的研究视角和研究内容，目前尚未对环境规制的就业影响得出一致结论。有关绿色信贷政策影响评估的文献大多集中在对企业的融资、投资、绩效、创新和减排方面，少有研究讨论绿色信贷的经济社会影响，鲜有有关绿色信贷的就业效应的研究，但这一影响的分析对中国经济的高质量和可持续发展有着重要的贡献。因此，在企业级微观数据的基础上，本文评估了2012年绿色信贷政策是否会显著影响重污染企业的就业。其次，讨论了2012年绿色信贷政策影响重污染企业就业的可能途径。最后，本文从内部企业特征、外部环境特征和城市特征角度更全面地分析了2012年的绿色信贷政策和重污染企业的就业之间的关系。

三、理论分析与研究假设

受Berman and Bui（2001）研究框架的启示，分析绿色信贷政策对重污染企业就业的冲击效应。Berman and Bui（2001）通过引入局部静态均衡的假设将环境规制引致的污染减排投资看作是“准固定”要素，其投入量受到外源性约束（如政府制定的相关环境规制政策），而不只是由成本最小化决定。假设企业以成本最小化为要素投入决策原则，在绿色信贷政策实施下，本研究将企业为治理环境问题所产生的成本看作“准固定”要素，例如环境治理投资以及减排成本，将劳动力和原材料看作可变要素。企业的生产经营需要支付一定的前期成本，其内部现金流一般无法承担，这就造成企业依赖外部融资的现象。外部融资依赖程度较高的企业有更高的融资需求，需要支付更多的融资成本，本文在成本函数中引入包含银行贷款利率[FR]的融资成本投入。

假设企业以成本最小化为要素投入决策原则，企业的成本函数可以用下式表示：

[Y]表示产出，[FR]表示银行贷款利率，[Pm][m=1，2，…，M]代表第[m]个可变投入要素的价格，[Zn][n=1，2，…，N]代表第[n]个“准固定”要素投入量。

根据谢泼德引理，成本函数对要素价格的偏导数恰是企业对要素的条件要素需求。因此，可变要素劳动力[L]的需求可以表示为银行贷款利率[FR]、企业产出[Y]、可变要素价格[Pm]和“准固定”要素投入量[Zn]的函数。利用线性方程可以近似的将劳动需求表示为：

下面关注绿色信贷政策对融资成本、企业产出和资本更新的影响。[b]的符号反映了绿色信贷政策对企业融资成本的影响。绿色信贷政策通过对重污染企业设置惩罚性高贷款利率来控制信贷门槛，提高重污染企业的融资成本，降低重污染企业的外部融资依赖，因此[b>0]。ɑ的符号反映了绿色信贷政策对产出的影响。绿色信贷政策加大了重污染企业现金缺口，抑制了企业的扩大生产，导致重污染企业产出下降，在短、中期内其通过创新补偿对企业产出的正向影响有限，因此，[ɑ<0]。[c]的符号反映了绿色信贷政策对“准固定”要素投资的影响。为了获取贷款，企业将被动增加环保投资以满足银行绿色信贷要求，因此，[c>0]。

综合而言，[βFb<0]反映了绿色信贷政策通过融资约束效应对企业就业产生的负向影响，[δYɑ<0]反映了绿色信贷政策通过产出效应对企业就业产生的负向影响，[∑ⁿ_n=1λnc>0]表明资本更新效应增加了企业就业。对于重污染企业而言，绿色信贷政策的融资约束效应和产出效应更明显，从短、中期来看，绿色信贷政策对就业的正向影响难以抵消产出效应和融资约束效应的负向影响，总体上不利于就业的增加。结合上述分析，资本更新抑制了绿色信贷政策和企业就业的负向影响，表现为遮掩效应。以式（4）为基础，本文通过绘制图1进一步阐释了绿色信贷政策对就业的影响机制。

产出效应是指绿色信贷政策通过影响企业产出从而影响就业。2012年中国银监会发布《绿色信贷指引》，绿色信贷指引的发布至少增加重污染企业的三种监管成本，分别是融资成本、沉没成本和不合规成本（Hu et al.， 2021）。根据信号传递理论，商业银行给企业发放绿色信贷本身就给外部投资者起到了重要的信号传递作用（于波，2021）。因此，绿色产业不仅能够通过获取低成本的融资资金缓解资金约束，而且更容易获得其他投资者的资金支持。对于重污染企业来说，贷款的减少和环境触发成本将会通过财务报表反应给投资者，这会给企业带来负面效应。相比于获得绿色信贷的企业，重污染企业获得的资金减少。为了获取贷款，企业不得不进行内部转型，增加环境治理投资，这可能会导致有关耗能和污染的初始投资的成本成为沉没成本。当这些成本过高时，可能会降低企业产出，从而减少企业就业需求，最终降低就业。

遵循成本说认为，当有外部环境规制时，企业不得不进行环境治理投资来减少污染。这部分环境治理投资成本被认为是企业为遵循环境规制政策而产生的“遵循成本”。遵循成本使得企业偏离最优生产决策，造成产出的下降，从而降低就业。但是，创新补偿说认为环境规制通过产生外部创新压力、增加遵从成本从而使得企业通过内部转型以降低成本，进而引起创新（Porter and Van der Linde，1995）。本研究认为遵循成本效应强于创新补偿效应。

假说1：绿色信贷对企业的就业有负向影响。

假说2：绿色信贷通过产出效应降低了就业。

资本更新效应是指绿色信贷政策通过影响企业环境治理投资进而影响就业。环境治理投资反应了企业对环境的重视程度。Berman and Bui（2001）认为环境治理方法可以分为两种，第一种是末端治理，这种治理发生在生产之后和排放之前，目的是将污染物在排放到环境中之前从排放中去除。第二种是生产过程的改变，这种治理发生在生产过程中，一般通过更新生产设备来提高生产效率并降低排放水平。类似地，黄新焕等（2023）认为前瞻性环境治理和策略性环境治理可以阐述企业对于环境规制政策所形成的两种治理行为。前瞻性环境治理是指企业在利润最大化目标下，将环境污染治理投资视为一种可持续竞争优势。而策略性环境治理是在监管的规定下，企业将环境治理看作是一种成本负担。这种环境治理投资是企业为了满足最低减排要求和减少惩罚，所付出的最低环境治理投资。

策略性环境治理通常会增加配套工人的需求，而前瞻性环境治理通常会减少劳动力需求。例如，发生了劳动节约型的技术进步，那么企业会通过减少劳动力来扩大企业规模。本研究认为企业通过环境治理投资可能增加了劳动力需求，但这种促进作用可能小于由于产出效应等导致的抑制作用，因此，本研究认为资本更新效应在绿色信贷政策和就业之间起到了遮掩作用。

假说3：资本更新抑制了绿色信贷政策和就业之间的负向影响，即资本更新效应在绿色信贷政策和就业之间存在遮掩效应。

绿色信贷政策通过提升企业融资成本增强企业融资约束，导致企业减少外部融资依赖。外部融资依赖是指企业对外部融资来源的依赖程度。其中，银行借款是中国企业最常用的外部融资手段。绿色信贷作为一项推动企业绿色低碳转型的引导型环境规制政策，对重污染企业具有显著的融资惩罚效应。连莉莉（2015）发现绿色企业与两高企业相比，承担较低的债券融资成本。Li et al.（2022b）认为绿色信贷的实施使得重污染企业的债务融资规模显著下降。Wen et al.（2021）认为绿色信贷明显减少了银行信贷。融资惩罚效应可能会带来企业盈利能力和经营业绩的下降（肖建忠、董宇萱，2023；苏冬蔚、连莉莉，2018），进而影响企业劳动力需求。外部融资依赖的企业内部现金流不足，难以满足企业投资要求，需要通过外部筹资弥补资金缺口（胡永平，2022）。绿色信贷的实施可能导致此类企业产生资金缺口，造成企业融资不足。这会对企业的投资，甚至是正常的经营活动造成冲击。因此，绿色信贷可能通过增强企业的融资约束，减少企业外部融资依赖，影响企业就业需求。

假说4：绿色信贷通过融资约束效应降低了就业。

四、研究设计与数据来源

（一）数据来源

本文选取中国沪深两市A股上市公司作为研究样本，以2007—2021年为研究期间，选择非ST企业以避免异常值的影响。最终得到4618家上市公司、共计40887组观测值的非平衡面板数据。数据来源于国泰安数据库、中国能源统计年鉴、中国金融年鉴、wind数据库。

被解释变量是劳动力需求[lnemp]，由企业就业人数的对数来衡量。关键解释变量是绿色信贷政策变量[pilot]。利用企业类型和政策时间交互项刻画绿色信贷政策。对于企业类型，本文将重污染行业企业取为1，其他企业取为0。同时构造了政策时间虚拟变量，将2012年及其以后的各年份取为1，2012年之前各年份取为0。重污染行业名单的认定根据《上市公司行业分类指引》《上市公司环保核查行业分类管理名单》和《上市公司环境信息披露指南》，主要包括火电、钢铁、水泥等16类行业。将这16类行业进行手工匹配，最终得到关键解释变量。

在控制变量方面，借鉴现有文献（王跃堂等，2012，Sheng et al.， 2019），本文考虑了一系列影响企业劳动力需求的变量。其中包括平均工资[lnwage]（定义为工资支出与就业人数之间的比值）、托宾Q值[q]（定义为公司的市场价值与公司资产的重置价值之比值）、公司年龄[lnage]（定义为当前年份与成立年份的差值加1）、资产负债率[lev]（定义为负债总额与资产总额的比值）、所得税[lntax]（定义为应纳税所得额）、资产回报率[roa]（税后净资产和总资产的比值）、销售费用率[ser]（定义为营销费用和与营业收入的比值）。

最后，本文考虑了绿色信贷影响就业的中介变量。首先根据假设2，利用企业营业收入[lnoe]和盈利水平（净利润）[lnnp]来衡量企业的产出。其次，根据假设3，企业可能通过购买末端治理设备、购买新的生产设备、采用新的技术来进行环境治理投资。因此，采用两个变量来反应环境治理中的资本更新水平。第一是固定资产比值[ir]（定义为固定资产、无形资产和其他资产的总和与总资产的比值），第二是折旧水平[de]。最后，根据假设4，使用银行借款比例[bl]和长期借款与总资产比[ltl]来衡量企业融资约束水平。表1展示了主要变量的描述性统计结果1。

（二）模型构建

在政策效应评估方法中，双重差分法被学者广泛使用。该方法的核心思想是将政策视为外生于经济系统的准自然实验。本文利用双重差分法检验了这样一个事实：重污染行业的企业受到绿色信贷的影响更大，而非重污染行业的企业受到绿色信贷的影响相对更小。因此，在2012年绿色信贷政策实施后，绿色信贷政策对不同行业企业的影响差异可以进行双重差分估计。基于双重差分模型进行的回归，可以有效控制处理组和对照组之间的事前差异，根据事前差异和事后差异，从而识别出绿色信贷政策给企业就业带来的净效应。一般的双重差分模型被设置为：

[lnempjit=α1+β1pilotjit+θ1controljit+kj+ki+kt+εjit] （5）

其中，[i，j]和[t]分别代表企业、城市和年份。[lnemp]是指就业；[pilot]是绿色信贷政策；[control]是企业层面的控制变量；[kj，ki]和[kt]分别是城市、企业和年份固定效应；[εjit]是误差项。本文主要关注[β1]的值，因为它衡量了政策实施前后平均差异，反映了绿色信贷政策对企业就业的影响。如果[β1]为正，2012年绿色信贷政策增加了企业就业，否则，它减少了企业就业。根据本研究的假设，预期[β1]为负。

进一步，基于本文对中介效应的理论分析，利用中介效应讨论了绿色信贷政策对企业就业可能存在的影响路径。参考Baron and Kenny（1986）提出的方法，本文建立了以下中介效应模型。

[lnempjit=a0+a1pilotjit+akcontroljit+kj+ki+kt+εjit] （6）

[Mjit=b0+b1pilotjit+bkcontroljit+kj+ki+kt+εjit] （7）

[lnempjit=c0+c1pilotjit+c2mjit+ckcontroljit+kj+ki+kt+εjit] （8）

其中，[Mjit]代表中介变量，包括产出效应、融资约束效应和资本更新效应。根据学者提出的中介效应模型检验流程（温忠麟、叶宝娟，2014），当系数[ɑ1]显著时，如果b1和c2都显著，说明中介效应显著。此时，如果[c1]的系数不显著，那么说明存在完全中介效应。当[c1]显著时，如果b1c2和c1同号，说明存在部分中介效应，如果b1c2和c1符号相反，说明存在遮掩效应。

五、绿色信贷政策对劳动力需求影响的实证分析

基于上述理论分析和研究假设，本部分首先实证估计绿色信贷政策对企业的就业的影响。然后，讨论潜在影响机制。最后，分析绿色信贷政策和就业之间的异质性关系。

（一）绿色信贷政策对就业的影响

绿色信贷政策的目标是促进企业的绿色低碳发展，但其也会对经济社会不可避免地产生影响，尤其是对就业。表2展示了式（1）的估计结果。在表2的列（1）中，结果只包含了绿色信贷政策和三种固定效应。绿色信贷政策的系数为-0.1509，在1%的水平上显著。在列（2）中，本文添加了所有的控制变量。结果表明，绿色信贷政策的系数为-0.1269，在1%的水平上显著。系数结果表明，在2012年的绿色信贷政策实施后，重污染企业的就业比非重污染企业的就业下降得更多。这意味着绿色信贷政策显著降低了就业。研究结果表明，假设1成立。

尽管2012年的绿色信贷政策目标是促进企业的绿色低碳发展，但它对企业的劳动力需求产生了影响。表2结果表明，绿色信贷政策降低了重污染企业的就业。这可以解释为在2012年绿色信贷政策实施之后，相比于环保企业，重污染企业从银行获得贷款的难度有所增加。由于商业银行贷款是企业债务融资的主要来源，资金不足导致企业规模扩张和生产受限，从而影响产出和劳动力需求。

（二）影响机制

在确定绿色信贷政策对企业就业的影响之后，本文基于假设2—4来讨论潜在的影响机制。首先，讨论绿色信贷是否通过产出效应影响企业就业。其次，研究绿色信贷政策是否通过资本更新效应影响企业就业，然后考虑融资约束效应机制，最后，分析绿色信贷政策和就业之间的异质性关系。

1.产出效应检验

表3的列（1）—（3）报告了产出中介效应的模型检验结果。在表3的列（2）中绿色信贷政策对中介变量的系数b1显著为负，说明绿色信贷降低了重污染企业的产出。列（3）中绿色信贷政策和中介变量系数c1和c2均显著，且b1c2与c1同号，说明产出效应在绿色信贷和就业之间存在中介效应。列（4）和列（5）也证明了产出中介效应的存在。绿色信贷通过将环境成本内部化，这会导致重污染企业经营成本的上升，加剧企业面临的行业竞争压力，降低企业产出。此外，由于信号传递理论，银行给企业发放绿色信贷起到了信号传递作用。因此，重污染企业不仅难以获得商业银行的金融支持，也难以获得其他投资者的支持。资金缺口可能会影响企业规模扩张甚至是正常生产从而降低企业产出。因此，绿色信贷政策减少了重污染行业企业产出，从而降低了企业的就业。这些结论证实了假设2。

2.资本更新效应检验

表4报告了资本更新中介效应模型的检验结果。结果表明，表4第（2）列中的绿色信贷政策对中介变量的系数b1显著为正，说明绿色信贷政策促进了企业资本更新水平的提升。第（3）列中的绿色信贷政策与中介变量的系数c1和c2也均显著。此时，b1c2与c1异号，说明企业资本更新水平在绿色信贷政策与就业之间存在遮掩效应。表4的第（4）列和第（5）列也证明了资本更新的遮掩效应的存在。相比于非重污染企业，重污染企业面临更强的环境规制，需要承担更高的环境治理成本。企业的牟利性导向导致大多重污染企业只愿付出最低投入对环保要求做出应答，从而避免惩罚。这种导向行为导致企业偏好策略性环境治理，即进行末端治理。在末端治理过程中，设备安装、运行和维护会延伸企业产业链，这增加了配套的劳动力需求。但是，即便企业进行环境治理投资增加了部分劳动力需求，但这种促进作用远小于由于产出效应等导致的抑制作用。总体上，绿色信贷政策不利于劳动力需求的增加。因此，绿色信贷政策通过资本更新降低了企业劳动力需求。在相关部门对环境治理投资的重污染企业进一步的支持下，资本更新将会持续发挥遮掩效应，有效缓解由产出效应等所带来的就业破坏效应。这些结果证实了假设3。

3.融资约束效应检验

表5的列（2）和列（3）报告了融资约束效应的模型检验结果。在表5的列（2）中，绿色信贷政策对中介变量的系数bl显著为负，说明绿色信贷降低了重污染企业的外部融资依赖。列（3）中绿色信贷政策和中介变量系数c1和c2均显著，且b1c2与c1同号，说明融资约束效应在绿色信贷和就业之间存在中介效应。列（4）和列（5）也证明了融资约束效应的存在。绿色信贷对重污染企业具有显著的融资惩罚效应，融资成本上升，融资规模受限，驱动重污染企业减少以银行信贷为主的融资依赖。这可能会导致企业挤压生产经营资金，造成企业经营绩效的下滑，从而降低企业就业需求。因此，绿色信贷政策使得重污染行业的企业面临较为严重的融资约束，导致企业降低外部融资依赖，从而降低了企业就业。这些结论证实了假设4。

六、异质性分析

在证实了绿色信贷政策对企业就业的影响和影响路径后，接下来分析两者之间的异质性关系。本文从三个角度分析了可能存在的异质性，分别是外部制度环境（金融发展和市场化）、企业内部特征（企业规模和所有权）和城市特征（产业结构和数字经济发展）。

（一）金融发展和市场化

绿色信贷政策是否降低了企业的就业，可能和各地区的金融发展水平有关。金融发展水平较高的地区更有能力在股权融资和债务融资上支持企业的发展，降低企业的融资约束（O'Toole and Newman，2017）。在金融发展水平较高的地区，企业有更多可以选择的融资途径，当以银行信贷为主的间接融资渠道受到限制后，可以转向直接融资渠道获得资金。此外，金融发展水平高的地区具有相对丰富的金融资源和较高的资金配置效率（Levine， 1997）。而金融发展水平较低的地区，企业融资困难程度相对较高。本文根据金融发展水平（利用存贷款余额和GDP的比值衡量）将全样本划分为两个子样本。然后，重新估计了绿色信贷和就业的关系。表6的列（1）和列（2）结果表明，在金融发展水平较高的地区，绿色信贷和就业没有显著的负向关系，导致该结果可能的原因是在金融发展水平较高的地区，企业融资便利性较高，降低了绿色信贷政策导致的融资约束，进一步缓解了绿色信贷政策对就业的负面影响。

绿色信贷与就业的关系可能与市场化水平有关。一方面，市场化水平较高的地区受到社会关注较高，其融资需求传递信号较强，能够提升企业的融资便利性。另一方面，高市场化水平地区拥有更低的信贷风险（李慧云、刘镝，2016）。此外，市场化改革可以充分发挥金融资源合理配置的作用（张佩瑶、崔建军，2021；王俊韡等，2023；李思慧、徐保昌，2018）。为了研究市场化水平的异质性影响，参考相关学者（樊纲等，2011）的研究，采用市场化指数衡量地区的市场化水平，将全样本划分为两个子样本，重新估计绿色信贷与就业的关系。表6的列（3）和列（4）结果表明，在高市场化水平地区，绿色信贷和就业的关系不显著。而在低市场化水平地区，绿色信贷政策和就业呈现显著负相关。导致该结果可能的原因是在高市场化水平地区，金融资源配置更加合理，更低的信贷风险导致银行为重污染企业提供贷款的可能性更高，因此，在市场化水平较高地区，绿色信贷政策的影响较弱。

（二）企业规模和性质

在中国，商业银行比较注重抵押贷款（李增泉等，2008）。在绿色信贷政策颁布之前，大型重污染企业凭借其规模优势和资本优势更容易获得商业银行的信贷资金（李广子、刘力，2009）。在绿色信贷政策实施之后，其所产生的惩罚效应也主要作用于大型重污染企业。根据国家统计局《统计上大中小微型企业划分办法（2017）》，将企业分为大型企业和其他企业，重新估计绿色信贷和就业的关系。表7第（1）列和第（2）列结果表明，在大型企业中，绿色信贷政策与就业呈现显著的负向关系。而在小型企业中，绿色信贷政策对就业没有显著影响。导致该结果可能的原因是在绿色信贷政策颁布之前，大型重污染企业因为经营透明度和抵押条件优势获取大量的金融机构信贷资金。因此，绿色信贷政策实施之后，金融机构对重污染企业的惩罚效应主要作用于大型企业。

在不同的产权性质下，绿色信贷对就业可能存在不同影响。由于国有企业享有政府担保和违约风险的优势，银行更愿意为国有企业提供信贷资金（陆正飞等，2015）。在绿色信贷政策实施之前，商业银行主要为国有企业提供资金支持。因此，研究推断，在绿色信贷政策实施之后，其所产生的惩罚效应也主要作用于国有企业。根据此推断，本文基于两个子样本（国有企业和民营企业）重新估计了绿色信贷政策和就业的关系。表7的列（3）和列（4）结果表明，绿色信贷对国有企业的就业有显著负面影响，而在民营企业中不存在显著关系。导致该结果可能的原因是由于国有企业享有政府担保和违约风险的优势，这导致银行的信贷资金更多地流入国有企业。因此，绿色信贷政策对国有企业的影响更强。

（三）城市产业结构及数字经济水平

绿色信贷政策对就业的影响可能与城市的产业结构有关。产业结构升级的本质是生产率的提升，产业结构变迁往往带来平均劳动生产率的提高，产品市场需求增加，劳动力市场需求随之增加。本文根据城市层面的产业结构合理化水平（干春晖等，2011；曲越等，2022），将全样本分为两个子样本，重新估计绿色信贷和就业的关系。表8的列（1）和列（2）结果表明，在产业结构合理化水平较高的地区，绿色信贷和就业没有显著的负向关系。这说明，绿色信贷政策对产业结构合理化水平较高、较低组的影响存在差异。导致该结果可能的原因是，产业结构合理化水平较高则城市的企业劳动生产率、企业利润和劳动力市场需求较高。面对严格的绿色信贷政策，其调整能力更强，缓解了绿色信贷政策对就业的负面影响。

绿色信贷政策是否降低了企业的就业，可能和城市的数字经济发展水平有关。数字经济的发展对企业高质量发展有促进作用（刘国武等，2023）。例如，数字惠普金融的发展能够推动金融产业发展，缓解企业融资约束，互联网服务的发展促进制造业企业生产率和效率的提升（黄群慧等，2019；薛飞等，2022）。本文根据城市数字经济发展水平（赵涛等，2020），将全样本分为两个子样本，重新估计绿色信贷和就业的关系。表8的列（3）和列（4）结果表明，绿色信贷政策对数字经济发展水平较高、较低组的影响存在差异，即在数字经济发展水平较高的地区，绿色信贷和就业没有显著的负向关系。导致该结果可能的原因是，数字经济的发展为企业的融资提供了更多的机会，缓解其融资约束。此外，数字经济的发展提升了企业生产率和业绩，这有利于企业就业需求的增加，缓解绿色信贷对企业就业的负面效应。

七、稳健性分析

本部分进行了稳健性分析，第一，进行了平行趋势检验。第二，为了避免基准DID回归结果受到其他不可观测到的遗漏变量的影响，进行了一项安慰剂检验。第三，讨论了绿色信贷政策实施之前是否产生预期效应。第四，控制了重要政策及宏观经济环境的影响。最后，采用PSM-DID进行稳健性检验。

（一）平行趋势检验

本文通过描述性统计对重污染行业和其他行业的就业需求进行了展示，表1中就业需求的标准差为1.386，表示就业需求在样本企业间存在较大差异。图2展示了2007—2021年不同行业企业就业规模的平行趋势。其中，虚线代表重污染行业的就业需求，实线代表其他行业的就业需求。可以发现在绿色信贷政策实施前，重污染行业和其他行业就业需求的时间变化趋势基本一致，而在绿色信贷政策实施后二者差距显著扩大。

无偏双重差分模型的前提条件是平行趋势假设。该假设要求在2012年绿色信贷政策实施之前，实验组和对照组之间不存在显著差异。为了验证这一假设，本文构建了一系列虚拟变量，然后替换到式（6）中的pilot中。在图3中，-5至-2表示政策实施前的第5年至第2年，0表示政策实施的年份，1至9表示政策实施后的第1年至第9年。文章设置以政策实施前一年为基期。结果表明，在2012年绿色信贷政策实施前，绿色信贷政策的系数并不显著。相比之下，可以发现绿色信贷政策对2012年以后的就业产生显著的负面影响。因此，研究结果表明，本文的双重差分模型满足平行趋势假设。

（二）安慰剂检验

为了避免基准DID回归结果受到其他不可观测到的遗漏变量的影响，借鉴王锋、葛星（2022）的研究，本文进行了一项安慰剂检验。具体而言，在样本城市中随机抽取了1309个企业作为虚假的处理组，其余城市作为虚假对照组。进一步，文章重新进行了DID估计。将上述过程重复500次，得到了500个随机系数以及相应的P值，图4展示了这500个随机系数估计值的核密度分布图和P值图。结果表明，随机系数集中在0值附近呈现正态分布。可以看出随机系数明显偏离真实值，并且大多数不显著。因此，这意味着本文的基准回归结果是稳健的。

（三）预期效应检验

为了检验在实际政策发生之前是否产生预期效应，在式（6）的基础上，引入了时间（如果year等于2011，则时间虚拟变量为1，否则为0）和重污染企业的交互项虚拟变量（[pilot2011]）。表9的列（1）结果表明，绿色信贷政策的系数在1%的水平上显著为负，而[pilot2011]的系数不显著。因此，绿色信贷政策实施之前并没有产生预期效应。

（四）控制重要政策的影响

样本期间涵盖了第十一个五年规划纲要、第十二个五年规划纲要、第十三个五年规划纲要以及第十四个五年规划纲要的规划时期。部分规划纲要对单位GDP能耗和非化石能源占一次能源消费比重提出了计划目标1。有研究表明，这些政策对企业的环保投资以及产出造成了影响（Lee et al.， 2022；郭文，2016；韩超等，2017）。这些重要政策可能会影响本文的估计结果，因此，本文利用两个省级变量来控制相关能源政策，分别是能源强度[ei]和能源结构[es]。结果如表9列（2）所示，绿色信贷政策降低了重污染企业的就业。

为应对宏观经济环境的变化，企业管理者的行为可能发生改变。为了控制宏观经济环境的变化可能对企业就业需求的影响，本文引入城市通货膨胀率[cpi]，将其作为衡量宏观经济环境变化的一个指标。此外，进一步考虑经济结构变动带来的影响，利用产业结构、工业结构和城镇化指标综合反映地区经济结构[ecostr]（盛来运等，2018）。表9的列（3）和列（4）结果表明，绿色信贷政策的系数在1%的水平上显著为负，即绿色信贷政策降低了重污染企业的就业。

考虑到绿色金融政策在企业层面的叠加效应，本文对城市绿色金融发展水平进行了控制。2016年的《关于构建绿色金融体系的指导意见》1和2022年的《银行业保险业绿色金融指引》2明确提出构建绿色金融体系、促进发展绿色金融。目前，绿色金融主要由绿色信贷、绿色保险、绿色债券和绿色基金等内容组成，本研究利用城市变量来控制相关绿色金融政策。具体而言，根据绿色保险、绿色债券和绿色基金指标，利用熵权法对绿色金融[gf]进行测算。结果如表9列（5）所示，绿色信贷政策降低了重污染企业的就业。

（五）PSM-DID检验

为保证基准回归结果的可靠性，更好地揭示绿色信贷政策和就业之间的因果关系，本文还采用PSM-DID进行稳健性检验。具体而言，采用卡尺匹配（1∶4和1∶7）、半径匹配和核匹配四种匹配方式来筛选与实验组企业相似度较高的企业。经过上述稳健性操作，变量的t检验结果均不显著，说明PSM结果有效。在此基础上，构建了由筛选企业和实验组企业组成的样本来估计式（6）。表10的列（1）—（4）结果表明，核心解释变量绿色信贷政策的系数在1%的水平上显著为负。这些结果表明本文的基准回归结果是稳健的。

八、结论和政策启示

绿色信贷政策是推动企业绿色低碳转型的重要措施，不可避免地对社会产生诸多影响。本文将绿色信贷政策的实施看作是一项准自然实验，首先在理论上讨论绿色信贷政策对就业的影响机制。其次，采用2007—2021年中国沪深两市A股上市公司的数据，利用双重差分模型估计绿色信贷政策对企业员工就业的影响，并进行了一系列稳健性检验和异质性检验。

经过上述分析，得出如下结论：绿色信贷政策降低了重污染企业的就业，研究结果经过了一系列稳健性检验。第二个主要发现是产出效应和融资约束效应在绿色信贷政策和就业之间存在中介效应，资本更新效应在绿色信贷政策和就业之间表现为遮掩效应。此外，异质性分析结果表明在城市产业结构水平低、数字经济发展水平低的企业，绿色信贷政策对重污染企业就业产生了更深的负面影响。最后，在金融发展水平低、市场化水平低、大型企业和国有企业中，绿色信贷政策对就业的负面影响更强。

基于上述研究结论，得到以下政策启示。第一，作为世界上最大的发展中国家，中国正在实施一系列环境规制措施参与全球气候治理。作为引导型环境规制政策的一种，绿色信贷对重污染企业的产出和外部融资起到了一定的抑制作用，这表明绿色信贷政策取得了阶段性的进展。因此，银行业金融机构应该根据相关法律法规继续严格控制信贷门槛，从而约束重污染企业行为，督促企业淘汰落后产能及落后设备、工艺。虽然绿色信贷政策的目标是为了促进企业绿色低碳转型，但是这一政策对重污染企业的就业产生了影响。随着环境规制的继续加强，相关部门在考虑企业的减排目标时，也应考虑到其对就业的不利影响。为了减弱这种不利影响，政府可以加大对高碳转型企业的政策扶持力度，帮助企业顺利转型，降低失业风险。此外，面对进一步环境规制政策的调适，政府还可以考虑一系列的就业帮扶、就业援助等措施，加大就业稳岗力度。

第二，从资本更新的遮掩效应来看，为了获得贷款，重污染企业不得不通过环境治理投资以达到环保要求，环境治理投资缓解了绿色信贷政策对就业的负向影响。政府本着促进企业绿色低碳转型的初衷，应对于想通过环保治理投资进而实现绿色低碳转型的企业给予资金支持。在政策框架下，金融机构可以为高碳转型企业制定具体的金融支持方案。例如，在绿色信贷政策框架下适当降低高碳转型企业的信贷门槛。目前资本更新效应对就业的正向影响难以抵消产出效应和融资约束效应的负向影响，但在对高碳转型企业的政策支持下，资本更新效应不断增强，这将有利于重污染企业绿色转型和吸纳就业。

第三，异质性结果发现绿色信贷政策对国有企业和大型重污染企业的就业存在显著的负面影响，而这种影响对非国有企业和中小型企业并不存在。由于国有企业和大型企业往往对一个地区的经济发展和社会的稳定有重要影响，因此，政府有必要介入，对国有企业和大型企业进行指导，支持环境治理投资，妥善处理下岗工人的再就业等问题。例如，政府需要招募专业技术人才，提升再就业定向性和专业性培训力度，提高失业人员在当地市场的匹配度。相关部门应对因环保问题导致失业的人员进行政策支持，以鼓励企业接纳员工。

文章存在一些局限，在未来，学者可以继续研究哪些类型（男性和女性，高技能和低技能，教育水平高和教育水平低）的工人更容易受到绿色信贷政策的影响。除绿色信贷外，学者还应继续探究绿色保险、绿色基金、绿色信托等多层次绿色金融对就业的影响。

参考文献

樊纲、王小鲁、马光荣，2011，“中国市场化进程对经济增长的贡献”，《经济研究》，第9期，第4-16页。

傅芳宁、李胜兰，2023，“是绿色虹吸还是绿色涓滴：低碳试点政策对绿色技术创新的邻里效应研究”，《南方经济》，第8期，第115-133页。

干春晖、郑若谷、余典范，2011，“中国产业结构变迁对经济增长和波动的影响”，《经济研究》，第5期，第4-16+31页。

郭文，2016，“环境规制影响区域能源效率的阀值效应”，《软科学》，第11期，第61-65页.

韩超、张伟广、冯展斌，2017，“环境规制如何‘去资源错配——基于中国首次约束性污染控制的分析”，《中国工业经济》，第4期，第115-134页。

胡浩、刘笑笑，2022，“绿色信贷与企业全要素生产率——基于‘两高一剩企业的准自然实验分析”，《工业技术经济》，第11期，第75-84页。

胡永平，2022，“融资依赖、IPO与创业板上市公司创新投资”，《科研管理》，第3期，第117-124页。

黄群慧、余泳泽、张松林，2019，“互联网发展与制造业生产率提升：内在机制与中国经验”，《中国工业经济》，第8期，第5-23页。

黄新焕、鲍艳珍、陈勇智等，2023，“奖惩组合政策下企业策略性环境治理演化博弈研究”，《中国环境科学》，第7期，第3808-3820页。

李广子、刘力，2009，“债务融资成本与民营信贷歧视”，《金融研究》，第12期，第137-150页。

李慧云、刘镝，2016，“市场化进程、自愿性信息披露和权益资本成本”，《会计研究》，第1期，第71-78+96页。

李梦洁，2016，“环境规制、行业异质性与就业效应——基于工业行业面板数据的经验分析”，《人口与经济》，第1期，第66-77页。

李强、陈山漫，2023，“绿色信贷政策、融资成本与企业绿色技术创新”，《经济问题》，第8期，第67-73+120页.

李思慧、徐保昌，2018，“金融市场化、融资约束与企业成本加成：来自中国制造业企业的证据”，《国际贸易问题》，第2期，第164-174页。

李增泉、辛显刚、于旭辉，2008，“金融发展、债务融资约束与金字塔结构——来自民营企业集团的证据”，《管理世界》，第1期，第123-135+188页。

连莉莉，2015，“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》，第5期，第83-93页。

刘国武、李君华、汤长安，2023，“数字经济、服务业效率提升与中国经济高质量发展”，《南方经济》，第1期，第80-98页。

马赛、薛勇、黄钊坤，2023，“京津冀城市群环境规制对就业规模影响”，《中国软科学》，第9期，第171-181页。

陆正飞、何捷、窦欢，2015，“谁更过度负债：国有还是非国有企业”，《经济研究》，第12期，第54-67页。

曲越、秦晓钰、汪惠青、夏友富，2022，“中国‘碳中和的城市协同路径研究——基于‘碳达峰异质性的门限模型”，《中国地质大学学报（社会科学版）》，第4期，第50-63页。

盛来运、郑鑫、周平等，2018，“我国经济发展南北差距扩大的原因分析”，《管理世界》，第9期，第16-24页。

苏冬蔚、连莉莉，2018，“绿色信贷是否影响重污染企业的投融资行为？”，《金融研究》，第12期，第123-137页。

王锋、葛星，2022，“低碳转型冲击就业吗——来自低碳城市试点的经验证据”，《中国工业经济》，第5期，第81-99页。

王俊韡、罗海东、张苹苹，2023，“利率市场化对实体企业金融化的影响研究”，《经济问题》，第2期，第69-76页。

王馨、王营，2021，“绿色信贷政策增进绿色创新研究”，《管理世界》，第6期，第173-188+11页。

王跃堂、王国俊、彭洋，2012，“控制权性质影响税收敏感性吗？——基于企业劳动力需求的检验”，《经济研究》，第4期，第52-63页。

温忠麟、叶宝娟，2014，“中介效应分析：方法和模型发展”，《心理科学进展》，第5期，第731-745页。

肖建忠、董宇萱，2023，“绿色信贷政策对企业环境绩效的影响——以重污染行业上市企业为例”，《江苏大学学报（社会科学版）》，第2期，第89-100+112页。

薛飞、周民良、刘家旗，2022，“数字基础设施降低碳排放的效应研究——基于‘宽带中国战略的准自然实验”，《南方经济》，第10期，第19-36页。

游霭琼、王明珂，2023，“环境规制、科技创新投入与经济发展质量——来自中国地级市层面的证据”，《南方经济》，第6期，第142-162页。

于波，2021，“绿色信贷政策如何影响重污染企业技术创新？”，《经济管理》，第11期，第35-51页。

余泳泽、尹立平，2022，“中国式环境规制政策演进及其经济效应：综述与展望”，《改革》，第3期，第114-130页。

张佩瑶、崔建军，2021，“市场化改革有助于经济去杠杆吗？——来自中国省级层面的经验证据”，《经济问题探索》，第10期，第1-12页。

赵涛、张智、梁上坤，2020，“数字经济、创业活跃度与高质量发展——来自中国城市的经验证据”，《管理世界》，第10期，第65-76页。

Baron， R.M. and Kenny， D.A.， 1986， “The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual，Strategic， and Statistical Considerations”， Journal of Personality and Social Psychology， 51（6）： 1173-1182.

Barrett， J.P. and Hoerner， J.A.， 2002， Clean Energy and Jobs：A Comprehensive Approach to Climate Change and Energy Policy， Washington，DC， Economic Policy Institute.

Berman， E. and Bui， L.T.M.， 2001， “Environmental Regulation and Labor Demand：Evidence from the South Coast Air Basin”， Journal of Public Economics，  79（2）： 265-295.

Hanoteau， J. and Talbot， D.， 2019， “Impacts of the Quebec Carbon Emissions Trading Scheme on Plant-level Performance and Employment”， Carbon Management， 10（3）： 287-298.

He， L.， Zhang， L.， Zhong， Z.， Wang， D. and Wang， F.， 2019， “Green Credit， Renewable Energy Investment and Green Economy Development：Empirical Analysis Based on 150 Listed Companies of China”， Journal of Cleaner Production， 208： 363-372.

Hu， G.， Wang， X. and Wang， Y.， 2021， “Can the Green Credit Policy Stimulate Green Innovation in Heavily Polluting Enterprises？ Evidence from a Quasi-natural Experiment in China”， Energy Economics， 98： 105134.

Lee， C.C.， Chang， Y.F. and Wang， E.Z.， 2022， “Crossing the Rivers by Feeling the Stones： The Effect of Chinas Green Credit Policy on Manufacturing Firms Carbon Emission Intensity”， Energy Economics， 116： 106413.

Levine， R.， 1997， “Financial Development and Economic Growth：Views and Agenda”， Journal of Economic Literature， 35（2）： 688-726.

Li， J.， Dong， X. and Dong， K.， 2022a， “Do Pollutant Discharge Fees Affect Labor Demand？ Evidence from China's Industrial Enterprises”， Applied Economics， 54（2）： 170-188.

Li， W.， Cui， G. and Zheng， M.， 2022b， “Does Green Credit Policy Affect Corporate Debt Financing？ Evidence from China”， Environmental Science and Pollution Research， 29（4）： 1-10.

Li， Z. and Lin， B.， 2022， “Analyzing the Impact of Environmental Regulation on Labor Demand： A Quasi-experiment from Clean Air Action in China”， Environmental Impact Assessment Review， 93： 106721.

Liu， J.Y.， Xia， Y.， Fan，Y.， Lin， S.M. and Wu， J.， 2017a， “Assessment of a Green Credit Policy Aimed at Energy-intensive Industries in China Based on a Financial CGE Model”， Journal of Cleaner Production， 163，293-302.

Liu， M.， Shadbegian， R. and Zhang， B.， 2017b， “Does Environmental Regulation Affect Labor Demand in China？ Evidence from the Textile Printing and Dyeing Industry”， Journal of Environmental Economics and Management， 86： 277-294.

Liu， M.， Tan， R. and Zhang， B.， 2021， “The Costs of ‘Blue Sky： Environmental Regulation， Technology Upgrading，and Labor Demand in China”， Journal of Development Economics， 150： 102610.

Liu， X.， Wang， E. and Cai， D.， 2019， “Green Credit Policy， Property Rights and Debt Financing： Quasi-natural Experimental Evidence from China”， Finance Research Letters， 29： 129-135.

O'Toole， C. and Newman， C.， 2017， “Investment Financing and Financial Development： Evidence from Viet Nam”， Review of Finance， 21（4）： 1693-1674.

Porter， M.E. and Van Der Linde， C.， 1995， “Toward a New Conception of the Environment Competitiveness Relationship”， Journal of Economic Perspectives， 9（4）： 97-118.

Ren， S.， Li， X.， Yuan， B.， Li， D and Chen， X.， 2018， “The Effects of Three Types of Environmental Regulation on Eco-efficiency： A Cross-Region Analysis in China”， Journal of Cleaner Production， 173： 245-255.

Ren， S.， Liu，D.， Li，B.， Wang， Y. and Chen， X.， 2020， “Does Emissions Trading Affect Labor Demand？ Evidence from the Mining and Manufacturing Industries in China”， Journal of Environmental Management， 254： 109789.

Sheng， J.， Zhou， W. and Zhang， S.， 2019， “The Role of the Intensity of Environmental Regulation and Corruption in the Employment of Manufacturing Enterprises： Evidence from China”， Journal of Cleaner Production， 219： 244-257.

Sheriff， G.， Ferris， A.E. and Shadbegian， R.J.， 2019，  “How Did Air Quality Standards Affect Employment at US Power Plants？ The Importance of Timing，Geography，and Stringency”， Journal of the Association of Environmental and Resource Economists， 6（1）： 111-149.

Su， X.， Pan， C.， Zhou， S. and Zhong， X.， 2022， “Threshold Effect of Green Credit on Firms Green Technology Innovation： is Environmental Information Disclosure Important？”， Journal of Cleaner Production， 380： 134945.

Wang， C. and Wang， L.， 2023， “Green Credit and Industrial Green Total Factor Productivity： The Impact Mechanism and Threshold Effect Tests”， Journal of Environmental Management， 331： 117266.

Wen， H.， Lee， C. C and Zhou， F.， 2021， “Green Credit Policy， Credit Allocation Efficiency and Upgrade of Energy-intensive Enterprises”， Energy Economics， 94： 105099.

Yamazaki， A.， 2017，  “Jobs and Climate Policy： Evidence from British Columbias Revenue-Neutral Carbon Tax”， Journal of Environmental Economics and Management， 83： 197-216.

Yao， W.， Zhang， Y.， Ma， J and Cui， G.， 2023， “Does Environmental Regulation Affect Capital-Labor Ratio of Manufacturing Enterprises： Evidence from China”， International Review of Financial Analysis， 86： 102485.

Yip， C.M.， 2018， “On the Labor Market Consequences of Environmental Taxes”， Journal of Environmental Economics and Management， 89： 136-152.

Yu， D.J. and Li，J.， 2021， “Evaluating the Employment Effect of Chinas Carbon Emission Trading Policy： Based on the Perspective of Spatial Spillover”， Journal of Cleaner Production， 292： 126052.

Zhang， A.， Deng， R. and Wu， Y.， 2022， “Does the Green Credit Policy Reduce the Carbon Emission Intensity of Heavily Polluting Industries？ - Evidence from Chinas Industrial Sectors”， Journal of Environmental Management， 311： 114815.