綠色信貸政策微觀影響效應(yīng)研究：懲罰還是激勵?
——對綠色信貸政策波特效應(yīng)的再檢驗

塵永魁 關(guān) 健 田冬冬

（中國人民銀行菏澤市中心支行，山東 菏澤 274000）

一、引言

當(dāng)前，高能耗、高污染企業(yè)占據(jù)較大比重是我國經(jīng)濟(jì)發(fā)展和供給側(cè)結(jié)構(gòu)性改革不得不面對和亟須破解的關(guān)鍵問題。一方面，這類企業(yè)作為當(dāng)前我國制造業(yè)體系中的重要組成部分，在整個國民經(jīng)濟(jì)生產(chǎn)分工中扮演著重要角色，其經(jīng)營狀況關(guān)系著我國經(jīng)濟(jì)發(fā)展能否保持長期健康穩(wěn)定的大局。一旦高能耗企業(yè)普遍形成風(fēng)險，必將沿著既有產(chǎn)業(yè)鏈、供應(yīng)鏈快速傳染，導(dǎo)致經(jīng)濟(jì)增長“硬著陸”。另一方面，隨著環(huán)境治理水平的不斷升級，環(huán)境污染容忍度持續(xù)下降，綠色發(fā)展已經(jīng)深入人心。以上兩個方面說明，在經(jīng)濟(jì)發(fā)展過程中，要科學(xué)處理好“穩(wěn)增長”與“優(yōu)環(huán)境”的雙重發(fā)展目標(biāo)，既要“金山銀山”，又要“綠水青山”；既要持續(xù)推進(jìn)經(jīng)濟(jì)的綠色轉(zhuǎn)型，也要考慮現(xiàn)有經(jīng)濟(jì)體系的承受度，不能偏離經(jīng)濟(jì)規(guī)律，盲目“一刀切式”“運(yùn)動式”地對傳統(tǒng)經(jīng)濟(jì)體系推倒重建。因此，在制定環(huán)境政策時，要充分考慮政策的合理性和有效性，這是實現(xiàn)經(jīng)濟(jì)綠色轉(zhuǎn)型和高質(zhì)量發(fā)展的關(guān)鍵性前提之一（涂正革和諶仁俊，2015；丁杰，2019）。

縱觀我國現(xiàn)有的環(huán)境規(guī)制手段，既包括以激勵調(diào)節(jié)為特征的市場化手段，如碳排放權(quán)市場交易等；也包括以行政命令為特征的非市場化手段，如減排計劃、企業(yè)限產(chǎn)等（王馨和王營，2021）。金融作為現(xiàn)代經(jīng)濟(jì)的核心，其所具有的資金、市場、信用等稟賦優(yōu)勢可以通過引導(dǎo)社會資金流向、創(chuàng)建流轉(zhuǎn)交易市場、改變微觀主體資信等級等手段解決微觀主體缺乏行為激勵、政策環(huán)境不利、工具自身運(yùn)行要素缺失等問題，助推節(jié)能機(jī)制實現(xiàn)社會福利目標(biāo)（彭江波和郭琪，2010）。因此，從理論上來看，可以發(fā)揮金融在資源配置中的作用，引導(dǎo)資金流向綠色環(huán)保領(lǐng)域，不斷完善綠色發(fā)展的激勵機(jī)制。與此同時，在以銀行間接融資為主體的融資機(jī)制下，作為資本密集型行業(yè)，重污染企業(yè)對銀行貸款存在較大的依賴性（呂明晗等，2019），憑借重抵押資產(chǎn)成為信貸資源的主要獲得者（寧金輝等，2021）。因此，經(jīng)濟(jì)發(fā)展綠色轉(zhuǎn)型的前提條件之一是金融的綠色轉(zhuǎn)型。

為此，我國政府開始探索通過金融手段推進(jìn)重污染企業(yè)綠色轉(zhuǎn)型。2012年原銀監(jiān)會出臺了《綠色信貸指引》（以下簡稱《指引》），要求充分發(fā)揮金融在資源配置中的功能，嚴(yán)格控制對重污染企業(yè)的信貸投放，推動綠色低碳發(fā)展（蔡海靜等，2019）。需要特別指出的是，《指引》并不單純以約束重污染企業(yè)融資為目的，而是通過提高政策門檻，倒逼企業(yè)放棄可能對環(huán)境產(chǎn)生較大影響的建設(shè)項目，加大轉(zhuǎn)型升級投入，創(chuàng)新綠色生產(chǎn)技術(shù)，進(jìn)而減少對環(huán)境的影響。然而，在具體實踐中，綠色信貸政策效應(yīng)的發(fā)揮取決于政策本身是否合理、銀行能否有效執(zhí)行以及微觀企業(yè)的應(yīng)對策略等多重因素（陸菁等，2021）。因此，深入探討綠色信貸政策能否對企業(yè)投融資產(chǎn)生影響、產(chǎn)生怎樣的影響，評估政策對于企業(yè)全要素生產(chǎn)率的影響效果，進(jìn)而對綠色信貸政策波特效應(yīng)進(jìn)行檢驗，分析其中深層次影響機(jī)制，具有重要的理論和現(xiàn)實意義。

鑒于2012年出臺的《指引》是國內(nèi)首份針對綠色信貸政策的規(guī)范性文件，標(biāo)志著我國綠色信貸政策邁向規(guī)范化階段，本文嘗試以《指引》的出臺為事件，構(gòu)造準(zhǔn)自然實驗，利用雙重差分法模型，實證檢驗綠色信貸政策對于企業(yè)投融資和全要素生產(chǎn)率的影響效果，進(jìn)而驗證綠色信貸政策是否具有波特效應(yīng)。

二、文獻(xiàn)綜述

在我國，綠色信貸政策的提出和完善是一個漸進(jìn)的過程。1995年2月，中國人民銀行出臺了《關(guān)于貫徹信貸政策與加強(qiáng)環(huán)境保護(hù)工作有關(guān)問題的通知》，規(guī)定對于國家明令禁止、不符合環(huán)境保護(hù)規(guī)定的項目和企業(yè)，各級金融機(jī)構(gòu)不得發(fā)放貸款，并收回已發(fā)放的貸款。這被認(rèn)為是我國關(guān)于綠色信貸最早的政策文件。但是，在當(dāng)時背景下，經(jīng)濟(jì)增長仍是社會發(fā)展的首要目標(biāo)，因此，該政策沒能得到足夠重視、積極響應(yīng)和貫徹落實（丁杰，2019）。隨著經(jīng)濟(jì)總量的持續(xù)擴(kuò)大，生態(tài)環(huán)境已難以承受傳統(tǒng)粗放型發(fā)展模式的污染重負(fù)，綠色發(fā)展成為我國經(jīng)濟(jì)社會發(fā)展必須走的路，綠色信貸政策作為介于行政化手段與市場性調(diào)控之間的政策方式，引起了國家層面的高度關(guān)注。2012年2月，原銀監(jiān)會發(fā)布了《指引》，在金融機(jī)構(gòu)如何有效開展綠色信貸、推動傳統(tǒng)行業(yè)綠色改造等方面提出了具有可操作性的指導(dǎo)意見（蘇冬蔚和連莉莉，2018）。隨后，《綠色信貸統(tǒng)計制度》等一系列文件相繼出臺，我國的綠色金融政策體系初步形成。

隨著我國綠色信貸政策體系的日臻完善，部分學(xué)者開始關(guān)注政策效果。楊劬（2011）基于委托代理理論分析了綠色信貸政策對企業(yè)節(jié)能減排的影響機(jī)理，結(jié)果表明，對于關(guān)注長遠(yuǎn)利益的企業(yè)，綠色信貸政策有很強(qiáng)的節(jié)能減排激勵，但對于追求短期利益的企業(yè)，綠色信貸政策激勵作用不足。劉婧宇等（2015）利用CGE模型，定量測算綠色信貸政策影響效果的時期差異性，研究發(fā)現(xiàn)綠色信貸政策能夠在短期、中期有效抑制造紙業(yè)、化工業(yè)的投資行為，但長期產(chǎn)出抑制效果受到抵消。王艷麗等（2021）研究發(fā)現(xiàn)，通過優(yōu)化金融資源配置，有助于協(xié)調(diào)經(jīng)濟(jì)建設(shè)與環(huán)境污染之間的矛盾。

近年來，隨著雙重差分模型在政策效應(yīng)評估領(lǐng)域的廣泛應(yīng)用，部分學(xué)者將該方法用于綠色信貸政策效果的研究。蘇冬蔚和連莉莉（2018）以《指引》的出臺為準(zhǔn)自然實驗，首次運(yùn)用雙重差分模型實證檢驗了該政策的實施對于重污染企業(yè)投融資規(guī)模的影響效果。陳琪（2019）同樣以《指引》的出臺為準(zhǔn)自然實驗，研究發(fā)現(xiàn)，該政策顯著抑制了重污染企業(yè)貸款規(guī)模，提高了貸款成本。寧金輝等（2021）利用該模型進(jìn)行實證分析，結(jié)果表明，綠色信貸通過緩解代理問題抑制企業(yè)過度投資，且抑制作用呈隨時間遞增的趨勢。曹廷求等（2021）、王馨和王營（2021）、楊柳勇和張澤野（2021）均以2012年《指引》出臺為準(zhǔn)自然實驗，實證檢驗了該政策對企業(yè)綠色創(chuàng)新的影響效果和機(jī)理。其中，曹廷求等（2021）、楊柳勇和張澤野（2021）認(rèn)為綠色信貸政策的實施顯著抑制了重污染企業(yè)綠色創(chuàng)新；王馨和王營（2021）則認(rèn)為綠色信貸政策對于綠色創(chuàng)新質(zhì)量的提升作用不顯著。

梳理現(xiàn)有文獻(xiàn)可知，國內(nèi)學(xué)者對于綠色信貸政策影響效果的研究起步較晚，相關(guān)文獻(xiàn)還較少，對于內(nèi)在機(jī)制的討論也缺乏系統(tǒng)性，這為本文的研究提供了空間。本文以2012年原銀監(jiān)會出臺《指引》為外生政策事件，采用雙重差分模型（DID），實證分析綠色信貸政策對于企業(yè)投融資規(guī)模及全要素生產(chǎn)率的影響，驗證綠色信貸政策在我國是否產(chǎn)生波特效應(yīng)。與以往文獻(xiàn)相比，本文的邊際貢獻(xiàn)在于：第一，本文不僅從量的角度檢驗了綠色信貸政策對微觀企業(yè)投融資規(guī)模的影響，同時從質(zhì)的層面分析了綠色信貸政策對全要素生產(chǎn)率的作用效果，全面論證了政策的懲罰和激勵效應(yīng)，進(jìn)而強(qiáng)化了對于綠色信貸政策影響范圍和程度的研究。第二，本文相繼分析了融資約束、技術(shù)創(chuàng)新、代理成本、投資效率在綠色信貸政策向企業(yè)全要素生產(chǎn)率傳導(dǎo)過程中的渠道作用，豐富了“宏觀金融政策—微觀市場主體”傳導(dǎo)機(jī)制的政策研究視角。第三，本文從市場化程度、產(chǎn)權(quán)性質(zhì)、企業(yè)規(guī)模三個方面分析綠色信貸政策的異質(zhì)性影響，對于政府相關(guān)部門完善綠色信貸政策、整合金融力量促進(jìn)企業(yè)高質(zhì)量發(fā)展具有借鑒意義。

三、理論分析與研究假說

（一）綠色信貸政策的懲罰效應(yīng)

1.綠色信貸政策與企業(yè)融資行為?！吨敢穼︺y行的授信提出了更明確和具體的要求，主要體現(xiàn)在以下兩個方面：一是加大金融支持綠色發(fā)展的力度。《指引》規(guī)定，銀行應(yīng)當(dāng)將綠色信貸發(fā)展提升到戰(zhàn)略高度，不斷加大對綠色低碳發(fā)展的信貸支持，并不斷優(yōu)化信貸流程，強(qiáng)化綠色產(chǎn)品和服務(wù)的創(chuàng)新。二是提高重污染企業(yè)融資門檻。《指引》要求銀行對存在重大環(huán)境風(fēng)險的行業(yè)實行差異化、動態(tài)化授信政策，對不滿足《指引》要求的，不予授信；對已授信項目，設(shè)置風(fēng)險評估門檻，動態(tài)監(jiān)測企業(yè)風(fēng)險表現(xiàn)；對出現(xiàn)重大風(fēng)險隱患的，可以中止甚至終止信貸投放。

綠色信貸政策的本質(zhì)是基于環(huán)境約束的信貸配給，限制污染行業(yè)信貸投放，加大綠色項目信貸支持力度。從銀行角度來看，《指引》的實施將會從四個方面影響其信貸決策：一是合規(guī)風(fēng)險?！吨敢穼τ谀男┬袠I(yè)應(yīng)該積極支持，哪些行業(yè)不應(yīng)授信或終止信貸資金撥付等，均作出了明確規(guī)定，強(qiáng)化了頂層設(shè)計。如果銀行在政策落實中偏離了《指引》的規(guī)定，將會面臨監(jiān)管部門和銀行內(nèi)部的合規(guī)檢查，存在付出高昂違規(guī)成本的可能。二是違約風(fēng)險?！吨敢纷鳛橐豁椫匾沫h(huán)境治理政策，其實施將會提高企業(yè)獲取銀行貸款的難度。在此情況下，重污染企業(yè)要想獲得銀行貸款，就需要增加污染防治的投入，滿足銀行信貸最低門檻要求，同時也將增加企業(yè)生產(chǎn)成本，一旦企業(yè)獲得的收益無法彌補(bǔ)成本，將會給企業(yè)帶來生存危機(jī)。因此，如果銀行為其發(fā)放貸款，將會面臨企業(yè)無力償還貸款的可能性，即存在較高的違約風(fēng)險。三是聲譽(yù)風(fēng)險?！吨敢返某雠_進(jìn)一步強(qiáng)化了環(huán)境規(guī)制，使社會公眾更加關(guān)注生態(tài)環(huán)境保護(hù)。如果銀行向發(fā)生環(huán)境事故的企業(yè)發(fā)放貸款，將會損害自身聲譽(yù)。四是貸款偏好?！吨敢纷鳛橐豁楉攲釉O(shè)計，反映了國家對于生態(tài)環(huán)境的重視程度，《指引》的出臺在一定程度上改變了銀行對于重污染企業(yè)與綠色環(huán)保企業(yè)未來市場前景的預(yù)期，即前者未來發(fā)展空間和市場機(jī)會將明顯不如后者。銀行是逐利的，同時也是天然的風(fēng)險厭惡者，因此，將會降低對重污染企業(yè)的貸款偏好程度，更加偏好于綠色環(huán)保企業(yè)。

基于以上分析，本文提出假說1：《指引》頒布后，重污染企業(yè)負(fù)債規(guī)模將顯著下降。

2.綠色信貸政策與企業(yè)投資行為。傳統(tǒng)的MM理論認(rèn)為，企業(yè)投資決策取決于投資機(jī)會的預(yù)期盈利水平。當(dāng)未來投資收益的折現(xiàn)值高于投資成本，理性的企業(yè)會選擇投資。然而，投資資金來源于企業(yè)自有資金和外源融資。當(dāng)企業(yè)用于投資的自由現(xiàn)金流不足時，其可能通過以銀行為主體的負(fù)債融資方式補(bǔ)充自由現(xiàn)金流。《指引》的出臺提高了銀行信貸門檻，增加了重污染企業(yè)獲得銀行貸款的難度，導(dǎo)致投資資金不足，抑制了企業(yè)投資行為。與此同時，隨著國家持續(xù)加大環(huán)境治理力度，重污染企業(yè)生產(chǎn)經(jīng)營和項目投資面臨較大的政策沖擊風(fēng)險，投資存在明顯的不確定性，需要重估市場前景和投資回報，謹(jǐn)慎開展投資。因此，企業(yè)在自由現(xiàn)金流補(bǔ)充渠道受限、投資前景不明朗的情況下，總投資支出將顯著減少。

基于以上分析，本文提出假說2：《指引》頒布后，重污染企業(yè)投資規(guī)模顯著下降。

（二）綠色信貸政策的波特效應(yīng)

1.綠色信貸政策與企業(yè)全要素生產(chǎn)率。環(huán)境政策與全要素生產(chǎn)率之間的關(guān)系在學(xué)術(shù)界一直存在爭議。新古典經(jīng)濟(jì)學(xué)認(rèn)為，環(huán)境政策的實施將會導(dǎo)致企業(yè)不得不從正常的生產(chǎn)經(jīng)營中配置出更多的資源用于降低污染排放（任勝鋼等，2019），受此影響，企業(yè)全要素生產(chǎn)率可能出現(xiàn)倒退現(xiàn)象（Jorgenson 和Wilcoxen，1990）。對此，Porter 和Linde（1995）則持相反的觀點，提出了著名的波特假說，其認(rèn)為嚴(yán)格而適當(dāng)?shù)沫h(huán)境規(guī)制可通過創(chuàng)新激勵、效率改進(jìn)和企業(yè)內(nèi)部重新分配等傳導(dǎo)途徑產(chǎn)生更高的生產(chǎn)率。從理論上來看，根據(jù)波特假說，《指引》作為環(huán)境規(guī)制政策在金融領(lǐng)域的體現(xiàn)，可以通過提高重污染企業(yè)授信門檻，引導(dǎo)銀行將更多的信貸資源投入綠色項目，進(jìn)而倒逼企業(yè)開展技術(shù)創(chuàng)新活動，開發(fā)綠色技術(shù)、工藝或產(chǎn)品，改善組織管理方式，提高投資效率，進(jìn)而提升投入產(chǎn)出水平，能夠部分或完全抵消《指引》出臺所導(dǎo)致的融資成本的上升，甚至可能帶來凈收益，產(chǎn)生“創(chuàng)新補(bǔ)償效應(yīng)”，提高全要素生產(chǎn)率。

然而，綠色信貸政策波特效應(yīng)的發(fā)揮，不僅取決于銀行對于《指引》堅定的貫徹執(zhí)行，也取決于企業(yè)對《指引》的反應(yīng)。隨著國家對環(huán)境問題日益重視，各種環(huán)境規(guī)制的加強(qiáng)對重污染企業(yè)的生產(chǎn)經(jīng)營可能帶來負(fù)面效應(yīng)，進(jìn)而危及銀行信貸資金的安全，這會使銀行避險目標(biāo)與政府環(huán)境治理目標(biāo)趨于一致（丁杰，2019），因此，銀行貫徹落實《指引》的動機(jī)較強(qiáng)。但是，重污染企業(yè)是選擇增加技術(shù)創(chuàng)新的投入，還是只是應(yīng)激性地縮減投資支出，這存在較大不確定性。與此同時，技術(shù)創(chuàng)新需要持續(xù)大量的資金投入。《指引》的實施增加了重污染企業(yè)獲取銀行貸款的難度，在此情況下，企業(yè)會將有限資金優(yōu)先用于滿足正常生產(chǎn)經(jīng)營，進(jìn)而導(dǎo)致創(chuàng)新投入或者實現(xiàn)轉(zhuǎn)型升級的能力不足。更進(jìn)一步地，即使企業(yè)選擇擴(kuò)大技術(shù)創(chuàng)新的投入規(guī)模，但由于技術(shù)創(chuàng)新是一個復(fù)雜且漫長的過程，存在較高風(fēng)險，能否提升全要素生產(chǎn)率同樣需要實證檢驗。

基于以上分析，本文提出兩個相對應(yīng)的假說3a和假說3b。

假說3a：《指引》頒布后，重污染企業(yè)全要素生產(chǎn)率顯著提高。

假說3b：《指引》頒布后，重污染企業(yè)全要素生產(chǎn)率顯著下降。

2.綠色信貸政策對全要素生產(chǎn)率的影響機(jī)理。

（1）融資約束。資金是稀缺的，單純依靠內(nèi)源融資很難滿足企業(yè)生存和發(fā)展的資金需求，外源融資成為必需（塵永魁等，2021）。融資約束就是衡量企業(yè)獲取外源融資難易程度的一項重要指標(biāo)。如果企業(yè)面臨的融資約束較強(qiáng)，表明其獲取外部資金的能力較弱。由于企業(yè)創(chuàng)新活動需要大量資金支持，融資約束可能會導(dǎo)致企業(yè)優(yōu)先將資金用于維持正常生產(chǎn)經(jīng)營活動，進(jìn)而無法提供創(chuàng)新所需資金，制約全要素生產(chǎn)率的提高。《指引》的出臺增加了重污染企業(yè)的授信門檻，提高了融資約束水平，從而對全要素生產(chǎn)率提升產(chǎn)生負(fù)向沖擊。

基于以上分析，本文提出假說4：《指引》的頒布提高了企業(yè)融資約束水平，進(jìn)而抑制了全要素生產(chǎn)率的提升。

（2）技術(shù)創(chuàng)新。技術(shù)創(chuàng)新是提高企業(yè)全要素生產(chǎn)率的重要途徑之一。一方面，《指引》的出臺增加了企業(yè)獲取信貸資金的難度，可能導(dǎo)致企業(yè)技術(shù)創(chuàng)新存在資金缺口，進(jìn)而抑制全要素生產(chǎn)率的提升。另一方面，根據(jù)波特假說，《指引》作為一項環(huán)境規(guī)制促進(jìn)全要素生產(chǎn)率的提高。《指引》的出臺使企業(yè)更加意識到，要想走出困境、繼續(xù)在市場競爭中生存，就應(yīng)該加強(qiáng)技術(shù)創(chuàng)新和轉(zhuǎn)型升級，因此，企業(yè)存在較強(qiáng)的創(chuàng)新動機(jī)。與此同時，《指引》出臺的目的不是迫使企業(yè)退出市場，而是倒逼企業(yè)轉(zhuǎn)型升級，從這一角度來看，企業(yè)管理者的動機(jī)與《指引》出臺的目的是一致的。因此，在《指引》約束下，銀行“一刀切”式地執(zhí)行信貸政策并不符合《指引》出臺的初衷。對于重污染企業(yè)合法合規(guī)的創(chuàng)新活動，尤其是綠色技術(shù)創(chuàng)新，在合理評估風(fēng)險的情況下，銀行應(yīng)該給予支持。

基于以上分析，本文提出兩個相對應(yīng)的假說5a和假說5b。

假說5a：《指引》的頒布抑制了企業(yè)技術(shù)創(chuàng)新活動，進(jìn)而對全要素生產(chǎn)率的提高形成負(fù)向沖擊。

假說5b：《指引》的頒布推動了企業(yè)技術(shù)創(chuàng)新活動，進(jìn)而對全要素生產(chǎn)率的提高產(chǎn)生了正向激勵效應(yīng)。

（3）代理成本。陳茹等（2020）、于瑤和祁懷錦（2021）均認(rèn)為代理成本是影響企業(yè)全要素生產(chǎn)率的重要途徑?！吨敢返某雠_意味著重污染企業(yè)基于原有生產(chǎn)模式獲取信貸資金的難度顯著提高，現(xiàn)金流變得更加稀缺，企業(yè)管理層可自由支配的資金有所減少，從而收斂機(jī)會主義行為，緩解企業(yè)代理問題，降低代理成本。同時，銀行作為企業(yè)債權(quán)人，可通過差異化貸款利率、金額、審批條件等，產(chǎn)生對企業(yè)管理者的約束效應(yīng)，降低代理成本。《指引》的出臺強(qiáng)化了銀行的信貸監(jiān)督職能，在信貸資源配置上突破了傳統(tǒng)的安全性和效益性原則，將環(huán)境因素提高到授信審批通過的前提條件集合中（王馨和王營，2021）。因此，與一般信貸政策相比，《指引》降低企業(yè)代理成本的效果更加明顯。

基于以上分析，本文提出假說6：《指引》的頒布有助于降低企業(yè)代理成本，進(jìn)而促進(jìn)全要素生產(chǎn)率的提升。

（4）投資效率。高效的投資行為是提高企業(yè)全要素生產(chǎn)率的主要途徑和必然要求。覃家琦等（2009）認(rèn)為企業(yè)投資效率與企業(yè)全要素生產(chǎn)率聯(lián)系密切。蔣長流等（2020）認(rèn)為，投資效率將直接影響企業(yè)全要素生產(chǎn)率的高低?！吨敢返某雠_有利于加大銀行對環(huán)境風(fēng)險的重視程度，進(jìn)而提高重污染企業(yè)授信門檻，增強(qiáng)資金的稀缺性，促使企業(yè)合理規(guī)劃資金用途，提高投資效率。同時，《指引》的出臺放大了鼓勵綠色低碳發(fā)展的信號效應(yīng)，在政策引導(dǎo)和預(yù)期下，企業(yè)管理者會順勢而為，加大綠色低碳項目投資，優(yōu)化投資結(jié)構(gòu)，提升投資效率。

基于以上分析，本文提出假說7：《指引》的頒布有助于提高企業(yè)投資效率，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率的提升。

（三）綠色信貸政策影響的異質(zhì)性分析

1.基于市場化水平的異質(zhì)性分析。由于重污染企業(yè)往往是地方財政重要的稅收來源，其能否正常經(jīng)營關(guān)系到地方財政資金是否充足。為此，某些政府官員為了自身和地方利益可能會干預(yù)銀行的信貸投放行為。同時，在市場化程度較低的地區(qū)，地方官員的權(quán)力往往較大，使得企業(yè)存在較強(qiáng)的尋租動機(jī)，進(jìn)一步增強(qiáng)了地方官員干預(yù)程度。因此，企業(yè)所在地區(qū)的市場化程度越低，政府對企業(yè)經(jīng)營和銀行借貸的干預(yù)程度越高，非市場化機(jī)制的扭曲效應(yīng)越強(qiáng)（寧金輝和史方，2021）。相反，在市場化程度較高的地區(qū)，市場在資源配置中的作用較突出，政府對市場的干預(yù)較少，因而有利于綠色信貸政策效應(yīng)的發(fā)揮。與此同時，對于市場化程度較高的地區(qū)，由于技術(shù)創(chuàng)新的激勵機(jī)制比較健全，配套機(jī)制較完善，一定程度上可以抵消綠色信貸政策對于全要素生產(chǎn)率的負(fù)向沖擊，有利于波特效應(yīng)的發(fā)揮。

基于以上分析，本文提出假說8：相對于市場化程度低的地區(qū)，《指引》對于市場化程度高的地區(qū)重污染企業(yè)投融資的懲罰效應(yīng)更加明顯，但對于企業(yè)全要素生產(chǎn)率的負(fù)向沖擊得到更大程度的抵消或者正向影響效應(yīng)更明顯。

2.基于所有制的異質(zhì)性分析。國有企業(yè)享有政府擔(dān)保和融資便利（李廣子和劉力，2009），同時承擔(dān)了更多的國家政策導(dǎo)向性任務(wù)，不可避免地成為環(huán)境政策的重點管控對象（王勇等，2019）。而非國有企業(yè)由于面臨信貸歧視，本身獲得信貸資金的難度較大，因此，其投融資規(guī)模受政策抑制效果要弱于國有重污染企業(yè)。然而，綠色信貸政策對于國有重污染企業(yè)全要素生產(chǎn)率的負(fù)向影響要弱于非國有企業(yè)。國有企業(yè)因有政府的隱性擔(dān)保，與國有銀行間存在穩(wěn)定的銀企關(guān)系，信息不對稱性相對較弱，因而面臨的融資約束和償債風(fēng)險低于非國有企業(yè)（曹廷求等，2021）；而融資約束是抑制民營企業(yè)創(chuàng)新的重要因素（余明桂等，2019）。與此同時，由于國有企業(yè)在我國經(jīng)濟(jì)發(fā)展中具有特殊地位，承擔(dān)著積極開展技術(shù)創(chuàng)新、加快綠色轉(zhuǎn)型的政治職責(zé)，這使其更容易獲得用于技術(shù)創(chuàng)新和綠色轉(zhuǎn)型的信貸資金支持；而銀行也希望通過支持國有企業(yè)轉(zhuǎn)型升級來抵消綠色信貸政策對其優(yōu)質(zhì)客戶和信貸資源的沖擊。因此，綠色信貸政策對于國有企業(yè)全要素生產(chǎn)率負(fù)向沖擊被抵消的程度高于民營企業(yè)，更有利于波特效應(yīng)的發(fā)揮。

基于以上分析，本文提出假說9：相對于民營企業(yè)，《指引》對于國有企業(yè)投融資的懲罰效應(yīng)更加明顯，但對于企業(yè)全要素生產(chǎn)率的負(fù)向沖擊得到更大程度的抵消或者正向影響效應(yīng)更明顯。

3.基于企業(yè)資產(chǎn)規(guī)模的異質(zhì)性分析。長期以來，對抵押資產(chǎn)的過度崇拜使得銀行將大量信貸資金投向重污染企業(yè)為主體的重資產(chǎn)行業(yè)。因此，綠色信貸政策頒布之前，大型重污染企業(yè)是銀行信貸資金的主要支持對象；綠色信貸政策實施后，其所產(chǎn)生的懲罰效應(yīng)也將主要作用于大型重污染企業(yè)。然而，與小企業(yè)相比較，大企業(yè)具有完善的創(chuàng)新激勵機(jī)制和雄厚的資金、人才實力，創(chuàng)新能力較強(qiáng)。同時，作為行業(yè)內(nèi)影響力較大的企業(yè)，無論基于轉(zhuǎn)型升級的戰(zhàn)略意圖還是從履行社會責(zé)任的聲譽(yù)機(jī)制角度，其技術(shù)創(chuàng)新的動力都相對更強(qiáng)。因此，綠色信貸政策對于大企業(yè)全要素生產(chǎn)率的沖擊效應(yīng)得到更大程度的抵消，更有助于發(fā)揮波特效應(yīng)。

基于以上分析，本文提出假說10：相對于小規(guī)模企業(yè)，《指引》對于規(guī)模較大企業(yè)投融資的懲罰效應(yīng)更加明顯，但對于企業(yè)全要素生產(chǎn)率的負(fù)向沖擊同樣得到更大程度的抵消或者正向影響效應(yīng)更明顯。

四、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取2008—2020年我國A股上市工業(yè)企業(yè)為初始樣本，根據(jù)原國家環(huán)保部2008年出臺的《關(guān)于印發(fā)〈上市公司環(huán)保核查行業(yè)分類管理名錄〉的通知》，并結(jié)合證監(jiān)會2012年行業(yè)分類標(biāo)準(zhǔn)設(shè)定重污染企業(yè)，其余為對照組。本文對數(shù)據(jù)做如下處理：一是剔除數(shù)據(jù)缺失值較多的樣本；二是剔除連續(xù)三年出現(xiàn)ST 的上市公司；三是剔除出現(xiàn)PT 或退市的上市公司。此外，本文對連續(xù)變量1%以下和99%以上的分位數(shù)進(jìn)行了縮尾處理。數(shù)據(jù)來源于萬得數(shù)據(jù)庫。

（二）變量定義與測度結(jié)果

1.被解釋變量。（1）企業(yè)融資（Lev）。考慮到企業(yè)外部融資主要表現(xiàn)為負(fù)債，本文利用企業(yè)負(fù)債總額與總資產(chǎn)的比值來反映企業(yè)融資情況。（2）企業(yè)投資（Inv）。本文采用當(dāng)年購建固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)支付的現(xiàn)金除以期初總資產(chǎn)來反映企業(yè)投資情況。（3）全要素生產(chǎn)率（TFP）?？紤]數(shù)據(jù)可得性，本文參考Olley 和Pakes（1996）提出的基于一致半?yún)?shù)估計值方法，即OP 法來估計企業(yè)全要素生產(chǎn)率。估計模型如式（1）所示。

圖1：理論分析框架

其中，Y表示企業(yè)i 在t年的工業(yè)總產(chǎn)值，鑒于該指標(biāo)不能直接獲取，本文利用“企業(yè)期末主營業(yè)務(wù)收入+庫存商品期末余額-庫存商品期初余額”來近似計算該指標(biāo)。FA和L分別表示企業(yè)固定資產(chǎn)和從業(yè)人員規(guī)模； Age表示企業(yè)上市年齡；State表示企業(yè)是否為國有企業(yè)，是為1，否為0；Year 和Industry分別表示年份和行業(yè)固定效應(yīng)； ε為殘差項。估計結(jié)果如表1列（1）和列（2）所示。

2.解釋變量。雙重差分變量（Post×Treat）。《指引》于2012年2月正式公布，并要求銀行業(yè)金融機(jī)構(gòu)在公布之日起遵照執(zhí)行?；诖?，本文將2012—2020年作為實驗期，若樣本年份在2012年之后，則Post=1，否則Post=0。與此同時，根據(jù)原國家環(huán)保部2008年出臺的《關(guān)于印發(fā)〈上市公司環(huán)保核查行業(yè)分類管理名錄〉的通知》，并結(jié)合證監(jiān)會2012年行業(yè)分類標(biāo)準(zhǔn)設(shè)定重污染企業(yè)，若樣本是重污染企業(yè)，則Treat=1，否則Treat=0。

3.中介變量。（1）融資約束（KZ）。借鑒塵永魁等（2021）的做法，采用改進(jìn)的KZ 指數(shù)來衡量企業(yè)融資約束水平，并通過建立回歸模型（2），計算KZ指數(shù)。估計結(jié)果如表1列（3）和列（4）所示。

（2）技術(shù)創(chuàng)新（Innov）。由于無形資產(chǎn)主要包括專利權(quán)、非專利技術(shù)、商標(biāo)權(quán)和著作權(quán)等，其與企業(yè)創(chuàng)新活動密切相關(guān)。無形資產(chǎn)增加是企業(yè)創(chuàng)新投入的結(jié)果，可視為企業(yè)創(chuàng)新活動的綜合反映。因此，本文參考鞠曉生等（2013）做法，使用無形資產(chǎn)增量反映企業(yè)創(chuàng)新活動投入。

（3）代理成本（Ac）。本文參考王馨和王營（2021）做法，采用管理費(fèi)用率衡量總代理成本，該值越大，表示企業(yè)代理成本越高。

（4）投資效率（NEI）。本文借鑒Richardson（2016）的方法利用回歸模型估算企業(yè)合理投資額，并利用實際投資額與估計投資額之差測度非效率投資。如果實際投資額大于估計投資額，則界定為過度投資；反之為投資不足?？紤]數(shù)據(jù)的可得性，在投資指標(biāo)選擇上，本文參考了塵永魁等（2021）的做法，利用購建固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)支付現(xiàn)金總額的自然對數(shù)，衡量企業(yè)實際投資額。模型具體形式如式（3）所示。

其中，Grow表示企業(yè)營業(yè)收入增長率，Tq表示企業(yè)托賓Q 值，Cash表示企業(yè)現(xiàn)金持有量， Age表示企業(yè)上市年齡， Size表示企業(yè)資產(chǎn)規(guī)模。估計結(jié)果如表1列（5）和列（6）所示。

4.控制變量。本文對企業(yè)資產(chǎn)規(guī)模（Size）、市場績效（Tq）、現(xiàn)金持有規(guī)模（Cash）、凈資產(chǎn)收益率（Reo）、企業(yè)上市年齡（Age）、股權(quán)集中度（Owner）、員工數(shù)量（stuff）等企業(yè)特征變量進(jìn)行了控制。在此基礎(chǔ)上，控制了年份虛擬變量（Year），以反映時變差異；根據(jù)證監(jiān)會2012年修訂的制造業(yè)行業(yè)分類標(biāo)準(zhǔn)控制了行業(yè)虛擬變量（Industry），以反映行業(yè)差異。

表1：全要素生產(chǎn)率、融資約束與投資效率估計結(jié)果

表2：主要變量定義表

（三）計量模型

1.基準(zhǔn)回歸模型。為考察綠色信貸政策對企業(yè)投融資和全要素生產(chǎn)率的影響，本文構(gòu)建雙重差分模型作為基準(zhǔn)回歸模型，具體形式如式（4）所示。

其中， Post表示事件虛擬變量，若樣本年份在《指引》出臺之后，則取值為1，否則取值為0；Treat表示組別虛擬變量，若樣本為重污染企業(yè)，則取值為1，否則取值為0； Post×Treat表示雙重差分變量；Control表示個體層面控制變量； δ表示行業(yè)固定效應(yīng)；λ表示時間固定效應(yīng)；ε表示隨機(jī)擾動項。

2.中介效應(yīng)檢驗?zāi)Ｐ?。為考察綠色信貸政策對于重污染企業(yè)影響的渠道機(jī)制，本文參考溫忠麟和葉寶娟（2014）的研究方法，采用中介效應(yīng)模型對綠色信貸政策影響企業(yè)全要素生產(chǎn)率的中介路徑進(jìn)行檢驗。即在式（4）基礎(chǔ)上，依次建立式（5）和式（6）。

（四）變量描述性統(tǒng)計

表3為主要變量的描述性統(tǒng)計結(jié)果。從表4可以看出，企業(yè)資產(chǎn)負(fù)債率（lev）、投資率（Inv）、全要素生產(chǎn)率（TFP）的最小值與最大值之間的差值較大，說明不同企業(yè)之間存在明顯差異。時間變量（Post）的均值為0.6923，說明《指引》出臺之后的樣本占69.23%；處理變量（Treat）的均值為0.4336，說明樣本中有43.36%的企業(yè)屬于重污染企業(yè)（即處理組）；雙重差分變量（Post×Treat）的均值0.3002，說明《指引》出臺后重污染企業(yè)的比例30.02%。

表3：主要變量描述性統(tǒng)計

五、實證分析

（一）綠色信貸政策對企業(yè)融資的影響

1.平行趨勢檢驗。將樣本分為處理組（重污染企業(yè)）和控制組（非重污染企業(yè)），對政策前后處理組和控制組的企業(yè)融資（Lev）的變化趨勢進(jìn)行對比分析。如圖2 所示，《指引》出臺前（即2012年之前）兩組曲線變化趨勢相似，說明樣本數(shù)據(jù)滿足平行趨勢假設(shè)，采用DID 方法具有合理性。同時，根據(jù)圖1 可知，《指引》出臺后，處理組與控制組的企業(yè)融資差距有明顯縮小趨勢，表明重污染企業(yè)在信貸融資上受到了顯著抑制。

圖2：企業(yè)融資走勢

2.基準(zhǔn)回歸結(jié)果。本文采用DID方法檢驗綠色信貸政策對企業(yè)融資的影響，重點關(guān)注模型（4）中交互項Post×Treat 的系數(shù)。表4 列（1）匯報了回歸結(jié)果，交互項Post×Treat的系數(shù)為-0.0804，在1%的水平上顯著，表明相對于非重污染企業(yè)，重污染企業(yè)融資在《指引》出臺后受到顯著抑制，證明假說1成立。

3.穩(wěn)健性檢驗。（1）調(diào)整樣本時間節(jié)點和時間窗口。考慮到2008—2020年除《指引》外，還出臺了一些其他的綠色信貸政策，為避免企業(yè)融資的變化受到其他政策影響，本文將樣本的時間窗口期縮短，保留《指引》出臺前一年和出臺后五年的數(shù)據(jù)，重新估計模型，結(jié)果如表4 列（2）所示。交互項的系數(shù)在10%水平上顯著為負(fù)，表明即使去除《指引》出臺前后其他政策的影響，重污染企業(yè)融資依然發(fā)生了顯著變化。同時，為了檢驗影響效果是否在《指引》出臺前就存在，本文假設(shè)《指引》提前一年出臺，并對模型進(jìn)行重新估計?；貧w結(jié)果如表4 列（3）所示，交互項的系數(shù)不顯著，表明重污染企業(yè)融資的抑制作用并不是《指引》出臺之前就存在。

表4：企業(yè)融資雙重差分回歸及穩(wěn)健性檢驗

（2）動態(tài)效應(yīng)檢驗。由于政策從頒布到落實需要一定時間，因此，《指引》從出臺到對重污染企業(yè)融資產(chǎn)生影響也可能存在滯后效應(yīng)。為了更好地反映政策動態(tài)效果，本文進(jìn)行動態(tài)效應(yīng)檢驗。表4 列（4）展示的回歸結(jié)果表明，《指引》實施前及實施后兩年動態(tài)效應(yīng)系數(shù)均不顯著，直至第三年動態(tài)效應(yīng)系數(shù)才顯著為負(fù)，驗證了抑制效應(yīng)的存在以及政策效果的滯后性，具體見圖3。

（二）綠色信貸政策對企業(yè)投資的影響

1.平行趨勢檢驗。圖4 反映了企業(yè)投資趨勢圖?！吨敢烦雠_前兩組企業(yè)走勢相近，意味著平行趨勢假設(shè)是成立的，采用DID方法具有合理性。政策出臺后走勢有顯著差異，說明《指引》對兩組企業(yè)投資的影響存在差異。

圖3：企業(yè)融資動態(tài)效應(yīng)變化圖

2.基準(zhǔn)回歸結(jié)果。表5 列（1）匯報了《指引》對企業(yè)投資影響的基準(zhǔn)回歸結(jié)果，交互項Post×Treat的系數(shù)為-0.1365，在1%的水平上顯著，表明相對于非重污染企業(yè)，重污染企業(yè)投資在《指引》出臺后受到了顯著抑制，假說2成立。

3.穩(wěn)健性檢驗。（1）調(diào)整樣本時間節(jié)點和時間窗口。運(yùn)用2011—2017年樣本數(shù)據(jù)，對模型重新進(jìn)行估計，結(jié)果如表5 列（2）所示，交互項的系數(shù)在5%的水平上顯著為負(fù)，表明即使不考慮《指引》出臺前后的其他政策，重污染企業(yè)投資依然發(fā)生了變化。在此基礎(chǔ)上，將政策事件的時間節(jié)點提前一年，對回歸方程進(jìn)行估計，檢驗結(jié)果如表5 列（3）所示，交互項的系數(shù)不顯著，表明重污染企業(yè)投資的抑制作用不是《指引》出臺前就存在的。

（2）動態(tài)效應(yīng)檢驗。表5 中列（4）為《指引》對企業(yè)投資影響的動態(tài)效應(yīng)回歸結(jié)果。《指引》實施前，動態(tài)效應(yīng)系數(shù)均不顯著，《指引》實施后第2年動態(tài)效應(yīng)系數(shù)在10%水平上顯著為負(fù)，表明《指引》對重點污染企業(yè)投資有顯著的抑制作用，且政策效果有時間滯后性，動態(tài)效應(yīng)變動情況如圖4、圖5所示。

表5：企業(yè)投資雙重差分回歸及穩(wěn)健性檢驗

表6：企業(yè)全要素生產(chǎn)率雙重差分回歸及穩(wěn)健性檢驗

圖4：企業(yè)投資走勢

圖5：企業(yè)投資動態(tài)效應(yīng)變化圖

（三）綠色信貸政策對企業(yè)全要素生產(chǎn)率的影響

1.平行趨勢檢驗。圖6 反映了企業(yè)全要素生產(chǎn)率的變化趨勢，《指引》出臺前兩組企業(yè)數(shù)據(jù)趨勢基本保持一致，表明滿足平行趨勢假設(shè)，可以采用DID方法。政策出臺之后至2015年，兩組企業(yè)全要素生產(chǎn)率保持平穩(wěn)態(tài)勢，但差距有所擴(kuò)大；2015年之后全要素生產(chǎn)率均快速提升，且重污染企業(yè)增幅大于非重污染企業(yè)，初步驗證了波特假說。

圖6：全要素生產(chǎn)率走勢

2.基準(zhǔn)回歸結(jié)果。表6列（1）匯報了企業(yè)全要素生產(chǎn)率的基準(zhǔn)回歸結(jié)果，交互項的系數(shù)為0.0626，在1%的水平上顯著，表明相對于非重污染企業(yè)，《指引》對重污染企業(yè)全要素生產(chǎn)率具有顯著促進(jìn)作用，即綠色信貸政策發(fā)揮了波特效應(yīng)，證明了假說3a。

3.穩(wěn)健性檢驗。（1）調(diào)整樣本時間節(jié)點和時間窗口。為避免企業(yè)全要素生產(chǎn)率的變化可能受到其他政策影響，同時考慮《指引》出臺前可能產(chǎn)生預(yù)期引導(dǎo)效應(yīng)，本文進(jìn)行以下檢驗：一是保留《指引》出臺前三年和政策出臺當(dāng)年的數(shù)據(jù)，對模型重新進(jìn)行估計。結(jié)果如表6 列（2）所示，交互項的系數(shù)在10%的水平上顯著為正，表明即使不考慮《指引》出臺前后其他政策的影響，重污染企業(yè)全要素生產(chǎn)率依然發(fā)生了變化。二是將政策事件的時間節(jié)點提前一年，對模型重新進(jìn)行估計，結(jié)果如表6 列（3）所示，交互項的系數(shù)不顯著，表明影響作用不是政策出臺前就存在的，政策預(yù)期引導(dǎo)效果不明顯，研究結(jié)論具有穩(wěn)健性。（2）動態(tài)效應(yīng)檢驗。表6 列（4）展示了《指引》對企業(yè)全要素生產(chǎn)率影響的動態(tài)效應(yīng)檢驗結(jié)果?！吨敢穼嵤┣?，動態(tài)效應(yīng)系數(shù)均不顯著，政策實施后，當(dāng)年動態(tài)效應(yīng)系數(shù)顯著為正，但4 期之后系數(shù)有明顯的下降趨勢。這說明綠色信貸政策實施對重污染企業(yè)全要素生產(chǎn)率有明顯的促進(jìn)作用，但從長期看，效果呈現(xiàn)減弱趨勢。動態(tài)效應(yīng)變動情況如圖7所示。

表7：中介效應(yīng)檢驗結(jié)果

圖7：全要素生產(chǎn)率動態(tài)效應(yīng)變動圖

4.中介效應(yīng)檢驗。本文采用中介效應(yīng)模型對《指引》影響企業(yè)全要素生產(chǎn)率的路徑進(jìn)行驗證。表7 中列（1）是模型（5）的回歸結(jié)果，列（2）是模型（6）的回歸結(jié)果，Intermed 代表中介變量，包括融資約束（KZ）、技術(shù)創(chuàng)新（Innov）、代理成本（Ac）和投資效率（NEI）。（1）融資約束。列（1）交互項系數(shù)為0.19，在1%水平上顯著，說明《指引》出臺提升了重污染企業(yè)融資約束水平。列（2）交互項系數(shù)顯著為正，KZ 系數(shù)顯著為負(fù)，表明融資約束在綠色信貸政策對重污染企業(yè)全要素生產(chǎn)率的影響中發(fā)揮了部分中介效應(yīng)，且為負(fù)向沖擊效應(yīng)，驗證了假說4。（2）技術(shù)創(chuàng)新。列（1）交互項系數(shù)為0.001，在5%水平上顯著，說明《指引》倒逼企業(yè)提高技術(shù)創(chuàng)新水平。列（2）交互項系數(shù)、技術(shù)創(chuàng)新系數(shù)顯著為正，表明技術(shù)創(chuàng)新在綠色信貸政策對重污染企業(yè)全要素生產(chǎn)率的影響過程中發(fā)揮了部分中介效應(yīng)，且為正向沖擊效應(yīng)，驗證了假說5b。（3）代理成本。列（1）交互項系數(shù)為-0.01，在10%水平上顯著，說明《指引》緩解了重污染企業(yè)代理成本。列（2）交互項、代理成本系數(shù)均顯著為負(fù)，表明代理成本在綠色信貸政策對重污染企業(yè)全要素生產(chǎn)率的影響中發(fā)揮了部分中介效應(yīng)，且為正向沖擊效應(yīng)。驗證了假說6。（4）投資效率。列（1）交互項系數(shù)為-0.34，在1%水平上顯著，說明《指引》出臺后，重污染企業(yè)投資效率明顯改善。列（2）交互項系數(shù)顯著為正，非效率投資系數(shù)顯著為負(fù)，說明非效率投資在綠色信貸政策對重污染企業(yè)全要素生產(chǎn)率的影響中發(fā)揮了部分中介效應(yīng)，且為正向沖擊效應(yīng)。驗證了假說7。

（四）異質(zhì)性分析

1.基于市場化程度的異質(zhì)性分析?；谄髽I(yè)所在地市場化程度的差異，根據(jù)市場化指數(shù)中位數(shù)，將樣本分成市場化程度高和市場化程度低兩類，以考察不同市場化水平下《指引》影響效應(yīng)的異質(zhì)性。其中，市場化指數(shù)來源于《中國分省份市場化指數(shù)報告（2018）》。表8 匯報了不同市場化程度子樣本投融資及全要素生產(chǎn)率回歸結(jié)果，第（1）、（3）、（5）列展示市場化程度高的樣本回歸結(jié)果，第（2）、（4）、（6）列展示市場化程度低的樣本回歸結(jié)果。可以發(fā)現(xiàn)，前者交互項系數(shù)絕對值及顯著性都高于后者，說明相對于市場化程度低的地區(qū)，《指引》對于市場化程度高的地區(qū)重污染企業(yè)的影響效應(yīng)更明顯，假設(shè)8成立。

表8：基于市場化程度的回歸結(jié)果

2.基于所有制的異質(zhì)性分析。根據(jù)產(chǎn)權(quán)性質(zhì)將樣本企業(yè)劃分為國有企業(yè)和非國有企業(yè)兩組，分別進(jìn)行回歸。表9 報告了回歸結(jié)果，其中（1）、（3）、（5）列的子樣本為國有企業(yè)，（2）、（4）、（6）列的子樣本為非國有企業(yè)。結(jié)果表明，相對于非國有企業(yè)，綠色信貸政策對國有企業(yè)影響更明顯，假說9成立。

3.基于規(guī)模的異質(zhì)性分析。根據(jù)市場規(guī)模中位數(shù)將樣本企業(yè)分為大型企業(yè)和中小型企業(yè)兩組，分別進(jìn)行回歸。表11 匯報了回歸結(jié)果，其中，（1）、（3）、（5）列子樣本為大型企業(yè)，（2）、（4）、（6）列為中小型企業(yè)。結(jié)果表明，相對于中小型企業(yè)，綠色信貸政策對大型企業(yè)影響更明顯，假說10成立。

六、結(jié)論和政策建議

（一）研究結(jié)論

本文以2012年原銀監(jiān)會《指引》正式實施為事件，構(gòu)造準(zhǔn)自然實驗，運(yùn)用雙重差分模型考察綠色信貸政策對重污染企業(yè)投融資及全要素生產(chǎn)率的影響。研究發(fā)現(xiàn)，《指引》出臺后，重污染企業(yè)投資和負(fù)債規(guī)模均明顯下降，而全要素生產(chǎn)率水平則顯著提高。進(jìn)一步研究發(fā)現(xiàn)，綠色信貸政策通過倒逼企業(yè)技術(shù)創(chuàng)新、降低代理成本、提高投資效率，進(jìn)而提升全要素生產(chǎn)率，但該項政策同樣提高了重污染企業(yè)融資約束水平，抑制了其全要素生產(chǎn)率的提升。異質(zhì)性研究發(fā)現(xiàn)，市場化程度、所有制和企業(yè)規(guī)模不同，綠色信貸政策的影響效果也存在差異。對于處于市場化程度較高地區(qū)的大規(guī)模國有重污染企業(yè)而言，《指引》的出臺對其投融資的懲罰效應(yīng)更加明顯，但對企業(yè)全要素生產(chǎn)率的正向影響效應(yīng)更顯著。

表9：基于所有制的回歸結(jié)果

表10：基于企業(yè)規(guī)模的回歸結(jié)果

（二）政策建議

基于以上研究結(jié)論，本文提出以下政策建議：

1.政府部門應(yīng)不斷完善綠色信貸激勵與約束雙重機(jī)制，激發(fā)企業(yè)創(chuàng)新轉(zhuǎn)型內(nèi)在動力。通過本文的研究可知，綠色信貸政策兼具懲罰效應(yīng)和激勵效應(yīng)，而其懲罰效應(yīng)只是手段，目的在于倒逼企業(yè)轉(zhuǎn)型升級、實現(xiàn)綠色發(fā)展。因此，當(dāng)前金融管理部門應(yīng)進(jìn)一步完善政策措施，綜合利用多種貨幣政策手段，強(qiáng)化政策效果，積極引導(dǎo)信貸資金投向綠色低碳領(lǐng)域；考慮到重污染企業(yè)轉(zhuǎn)型升級需要銀行信貸支持，中國人民銀行等金融管理部門應(yīng)借鑒國際經(jīng)驗，構(gòu)建轉(zhuǎn)型金融政策框架，合理滿足重污染企業(yè)轉(zhuǎn)型升級的資金需求。同時，為了突出政策效果，政府相關(guān)部門應(yīng)繼續(xù)完善市場機(jī)制，發(fā)揮市場在信貸資源配置中的決定性作用；積極運(yùn)用財政政策，持續(xù)加大對企業(yè)節(jié)能減排、技術(shù)升級等方面的支持力度，構(gòu)建風(fēng)險分擔(dān)機(jī)制，完善政策配套措施，更好地發(fā)揮綠色信貸政策的波特效應(yīng)。

2.商業(yè)銀行應(yīng)積極貫徹落實綠色信貸政策，制定差異化策略，避免“一刀切”。一是鑒于商業(yè)銀行是綠色信貸政策的實施主體，應(yīng)結(jié)合綠色信貸政策要求，建立符合綠色產(chǎn)業(yè)發(fā)展特點的信貸管理制度，強(qiáng)化政策落實；二是考慮到政策實施效果存在異質(zhì)性，商業(yè)銀行應(yīng)加大綠色信貸創(chuàng)新，針對不同產(chǎn)權(quán)、不同市場化水平、不同規(guī)模的企業(yè)制定差異化信貸策略，提高信貸支持效果；三是研究表明融資約束對于政策實施效果發(fā)揮反向中介效應(yīng)，商業(yè)銀行應(yīng)積極探索實踐轉(zhuǎn)型金融產(chǎn)品，支持高碳行業(yè)低碳轉(zhuǎn)型，避免“一刀切”式拒絕重污染企業(yè)的合理信貸需求，降低這部分企業(yè)融資約束，以更好地加快技術(shù)創(chuàng)新，實現(xiàn)轉(zhuǎn)型升級。

3.重污染企業(yè)應(yīng)加強(qiáng)技術(shù)創(chuàng)新，加快轉(zhuǎn)型升級，同時持續(xù)完善內(nèi)控制度，提高投資效率。一是企業(yè)是政策的作用對象，為了實現(xiàn)政策效果，重污染企業(yè)應(yīng)堅定綠色發(fā)展的轉(zhuǎn)型路線，盡快實現(xiàn)轉(zhuǎn)型目標(biāo)。二是研究發(fā)現(xiàn)，代理成本、投資效率、技術(shù)創(chuàng)新是綠色信貸政策發(fā)揮作用的重要中介因素，因此，重污染企業(yè)應(yīng)完善內(nèi)控制度，改進(jìn)公司治理環(huán)境和水平，進(jìn)而降低代理成本，提高投資效率，增強(qiáng)技術(shù)創(chuàng)新能力，從而實現(xiàn)綠色轉(zhuǎn)型的目標(biāo)。