綠色信貸政策提高了企業的投資效率嗎？

王艷麗 類曉東 龍如銀

摘要 基于企業金融資源配置視角，文章以2007—2018年中國A股上市公司為研究樣本，實證檢驗綠色信貸政策對重污染企業投資效率的影響，并構建有調節的中介效應模型分析其作用機制。理論和實證研究結果發現：首先，綠色信貸政策有助于提高重污染企業的投資效率。綠色信貸政策抑制了重污染企業的過度投資動機的同時，也改善了企業的投資不足傾向，該研究結論在經過替換變量、更換估計方法等一系列穩健性檢驗后依然成立。其次，綠色信貸政策對金融資源的配置效應可分為直接效應和派生效應。直接效應體現在重污染企業債務期限結構的變化即長期債務比重下降，派生效應表現為企業尋求替代性融資的動機激增了商業信用規模。進一步的機制研究發現，債務期限結構和商業信用在綠色信貸政策與企業投資效率之間起部分中介作用，長期債務比重的下降和商業信用額度的增加均提升了重污染企業的投資效率。此外，該傳導路徑受到金融錯配的影響，企業面臨的金融錯配程度越高，綠色信貸政策對企業投資效率的正向提升效果越弱，且債務期限結構和商業信用的微觀治理功能也被弱化，進而阻礙了綠色信貸發揮政策功效。文章的研究結果從微觀層面驗證了綠色信貸政策的有效性，綠色信貸政策克服了傳統環境規制可能會對實體經濟產生負面沖擊的弊端，通過優化金融資源配置，提高了微觀企業的投資效率，進而有助于協調經濟建設與環境污染之間的矛盾，為實現“治污”與“提效”的雙贏局面提供了契機，對于實現高質量發展具有重要意義。

關鍵詞 綠色信貸政策;投資效率;金融資源配置;金融錯配

近年來，經濟快速發展進程中顯現的環境問題，不僅對人類的健康和生存造成威脅，也使經濟的可持續增長面臨“瓶頸”。因此，如何找到平衡經濟發展與環境保護的有效方案成為世界各國迫切需要解決的現實問題。綠色金融作為一種兼具經濟效益與環境效益的新興工具得到了推廣[1-4]。相較于國外，中國的綠色金融起步較晚，仍處于探索階段[5]。2007年7月12日，中國人民銀行、原國家環保總局、原中國銀監會三個部門為了遏制“兩高”產業的盲目擴張，聯合出臺了《關于落實環境保護政策法規防范信貸風險的意見》，推動綠色信貸的發展;作為關鍵性的時間節點，2012年2月24日，原中國銀監會出臺《綠色信貸指引》，則首次對綠色信貸政策的各項工作做出了具體的要求和安排;2017年3月5日，李克強總理在政府工作報告中亦明確指出大力發展綠色金融是深化金融體制改革的重要工作之一;2018年7月27日，央行發布《關于開展銀行業存款類金融機構綠色信貸業績評價的通知》，將銀行業金融機構綠色信貸績效納入 MPA考核當中，使金融機構進一步推行綠色信貸并承擔相關的社會責任。截至2018年末，中國銀行業金融機構綠色信貸余額為8.23萬億元，同比增長16%[6]。綠色信貸將環境風險納入授信管理，嚴格防范信貸資金流入污染行業[7]，重點支持綠色低碳項目，是目前理論界的研究熱點之一。

值得關注的是，綠色信貸政策是否產生了如期的效果呢？目前主要存在兩種觀點：一種觀點認為，作為綠色信貸實施主體的銀行等金融機構缺乏經濟激勵，對政策執行不足[8]，且綠色信貸政策的融資約束效應明顯[9]，對企業生產經營產生負面沖擊[10-11];另一種觀點認為，銀行會主動踐行綠色信貸原則，將環境因素納入授信管理有助于提高銀行資金的安全性[7]，而且通過綠色產品創新可使銀行獲取差異化競爭優勢[12]，綠色信貸政策在降低重污染行業信貸占比[13]以及遏制高耗能產業擴張[1] 等方面發揮了一定的積極作用[14-15]，并在一定程度上改善了環境質量[16]。綜合來看，目前關于綠色信貸相關理論模型、政策效果的研究仍不夠豐富，尤其是缺乏基于事實數據的實證研究，因此，綠色信貸政策效果究竟如何仍需要進一步研究。此外，要正確評估綠色信貸政策的經濟后果不能忽略經濟發展的微觀基礎——企業的投資效率。投資效率體現了公司是否充分利用了相關資源進行價值創造，對企業發展和宏觀經濟的運行具有重要意義，是公司金融領域的重要研究問題之一[17-19]。考慮到重污染行業是環境污染的首要源頭，而綠色信貸政策旨在通過限制資金流入污染領域支持綠色經濟的發展，所以重污染企業更容易受到綠色信貸政策的影響。與此同時，重污染行業主要集中在工業領域，其為經濟發展創造的貢獻也不可忽視。因此，以重污染企業為研究對象，分析綠色信貸政策對企業投資效率的影響，更能客觀反映綠色信貸政策的效果。基于此，本文在已有研究的基礎上，以2007—2018年中國A股上市公司為研究樣本，嘗試回答以下問題：綠色信貸政策提高還是降低了重污染企業的投資效率？綠色信貸政策對企業金融資源的配置有何影響？綠色信貸通過何種機制影響企業的投資效率？

本文可能的研究貢獻如下：其一，豐富了關于研究綠色信貸政策效果的文獻。已有大部分文獻的主要結論集中在綠色信貸政策對企業的負面約束。而本文研究發現，綠色信貸政策可能通過發揮資源配置功能提高企業的投資效率，從而為綠色信貸政策的經濟效益提供了新的微觀證據。其二，補充了綠色信貸對企業金融資源配置效應的相關證據。以往研究多從信貸供給的角度研究綠色信貸政策對企業融資能力的直接影響，而本文進一步研究了企業因綠色信貸政策而派生的商業信用需求，從而更為綜合地反映了綠色信貸政策對企業金融資源的配置效應。其三，基于企業金融資源配置的視角，從債務期限結構和商業信用兩個維度研究了綠色信貸政策發揮作用的重要中介，并以此為基礎，在綠色信貸制度框架中，納入金融錯配程度的調節作用，不僅闡明了綠色信貸政策落實到微觀企業層面的傳導路徑，也為分析綠色信貸政策效果的異質性提供了思路。

1 理論分析與研究假設

1.1 綠色信貸政策與企業投資效率

綠色信貸是對傳統信貸產品的創新，將環境風險因素納入金融機構的日常管理中，是基于金融手段進行環境治理的重要實踐。綠色信貸與傳統的環境規制工具既存在相同點卻又有差異。首先，從工具的設計初衷來看，無論是以行政強制命令為特征的環境規制，還是以市場激勵為主導的綠色信貸，都是為了解決環境問題，實現綠色低碳發展。其次，相較于政府主導的環境規制政策，綠色信貸更側重市場機制與政府監督的結合。綠色信貸原則要求銀行等金融機構審慎評估貸款項目的環境風險，提高金融部門對綠色項目的偏好，通過借貸市場加強對社會資金的引導作用，促進生態協調與可持續發展。因此，有權發放信貸的金融機構在綠色信貸制度的踐行中扮演著至關重要的作用;而政府在其中主要發揮引導公眾預期和監督作用，激勵實體企業與金融機構提高綠色意識，并對違背綠色信貸原則的行為予以問責與糾正。

綠色信貸政策的重要功能不僅體現在治理環境，還應體現在提高服務實體經濟的能力。從理論上分析，綠色信貸政策結合了市場調節與行政規制的特點，以市場力量為主導，以政府監督為輔助，通過合理規劃金融資源的投向實現環境保護目標。同時，依賴市場的自我調節能力有助于減輕甚至消除環境政策對企業經營的負面影響。以往研究得出綠色信貸政策對企業發展產生負面沖擊結論的可能原因是，在政策實施初期，企業面臨較高的政策不確定性，出于管理層的恐慌情緒，未能充分利用投資機會實現企業成長[20]，故綠色信貸對企業的影響主要表現為融資約束性，而沒有激勵企業改善生產經營。本文則認為綠色信貸的發展可能會提高重污染企業的投資效率。首先，綠色信貸提高了對環境風險的重視，對重污染企業產生融資約束，但同時會強化監督效應，降低銀企雙方的信息不對稱，有助于減少企業盲目投資行為，從而提高企業的投資效率。其次，隨著社會各界環保意識增強，產業政策向環境友好型項目傾斜，重污染企業不僅面臨合規成本，而且面臨的輿論壓力上升，綠色信貸政策則放大了鼓勵綠色生產的信號效應，企業的管理層出于謹慎考慮，會轉變投資策略，削減高污染的投資支出，逐漸轉向綠色投資項目，以緩解融資約束并通過建立綠色聲譽而提高競爭力，有助于投資效率的提升。綜合來看，無論是外部政策高壓還是內部變革動力，都會使重污染企業投資效率得到提升。基于上述理論分析，本文提出以下假設。

假設1：綠色信貸政策提高了重污染企業的投資效率。

1.2 綠色信貸政策、金融資源配置與企業投資效率

本文關注的另一個重要問題是：綠色信貸通過何種機制影響企業的投資效率？一方面，環境風險的急劇上升對銀行信貸資金的安全性造成了威脅[5，7]。根據綠色信貸原則，銀行等金融機構將環境風險因素作為信貸的重要依據，對重污染企業進行嚴格的信貸評估，從而減少或者停止對重污染領域的信貸投入。此外，綠色信貸政策會進一步提高企業對環境信息披露的透明度，通過信號效應進而影響企業在資本市場的融資能力。因此，重污染企業的長期債務比例會有一定的下降。長期債務是投資主要的資金來源，綠色信貸對債務期限結構的影響勢必會使管理層的投資趨于謹慎，減弱了盲目投資擴張的動機。另一方面，企業以利潤最大化為目標，為了減緩債務融資受限的壓力，滿足盈利性的生產需求，企業會積極尋找替代性融資，即綠色信貸政策對資源配置的派生效應。與此同時，已有研究發現商業信用是一種普遍的非正式融資方式[21]，在企業面臨融資約束時可作為重要的替代性融資[22]。因此，盡管綠色信貸使債務融資受限，但能通過增加商業信用輸入資金，一定程度上避免了企業因融資約束產生投資不足。此外，商業信用還具有信號傳遞作用[23]，有助于降低銀企之間的信息不對稱，從而對企業形成有效監督，實現投資價值最大化。綜上所述，本文提出以下假設。

假設2：綠色信貸政策降低了重污染企業的長期債務占比，進而提高了企業的投資效率。

假設3：綠色信貸政策增加了重污染企業的商業信用規模，進而提高了企業的投資效率。

在分析綠色信貸政策影響企業投資效率的機制基礎上，考慮到中國金融市場摩擦以及資源分配不均等金融錯配現象的存在[24]，綠色信貸的政策效果是否會受到金融錯配的阻礙呢？從宏觀層面上講，金融錯配導致資源的低效利用，甚至擾亂市場秩序，不利于經濟的健康運行[25];從微觀企業的角度，金融錯配弱化了債權治理的有效性，加劇了股東與債權人之間的利益沖突，加劇了企業的非理性投資，不利于企業發展[26]。因此，金融錯配可能會對綠色信貸政策的實施效果產生不利影響。基于此，本文提出以下假設。

假設4： 金融錯配削弱了綠色信貸政策對重污染企業投資效率的提升作用。

2 研究設計

2.1 樣本選擇與數據來源

本文以2007—2018年中國A股上市公司為原始樣本。參照2008年原中國環境保護部印發的《上市公司環保核查行業分類管理名錄》對重污染企業進行界定。根據該文件，本文所研究的重污染企業集中在以下行業：火電、鋼鐵、水泥、電解鋁、煤炭、冶金、建材、采礦、化工、石化、制藥、輕工、紡織、制革。為了保證研究數據的質量，本文剔除以下樣本：①被交易所進行特別處理的上市公司;②上市時間不滿一年的公司;③部分變量數據缺失的樣本。經過以上篩選，最終得到8 743個觀測值，其中涉及重污染企業1 177家。本文涉及的上市公司的財務數據來源于CSMAR數據庫，綠色信貸數據來源于中國銀行業協會編寫的歷年《中國銀行業社會責任報告》。為避免異常值的影響，本文對所有連續型變量進行上下1%分位數的縮尾處理。

2.2 變量定義

2.2.1 被解釋變量：企業投資效率

企業的投資效率反映了企業能否充分利用投資機會進行價值創造，由于現實市場存在摩擦，企業面臨投資機會時可能做出非理性決策，導致非效率投資行為的產生。綠色信貸作為一種綠色金融工具，反映為宏觀政策層面的因素，通過金融資源配置效應影響企業的投資決策過程，進而作用于企業的投資效率。本文借鑒Richardson[27]提出的預期投資模型，將企業的新增投資支出分為預期支出和非預期支出，其中預期投資支出符合效率原則，非預期部分的投資支出為企業實際投資額相對于預期投資水平的偏差，反映了企業的非效率投資，并以此作為企業投資效率（IE）的代理變量，模型設定如下：

其中，Investit表示i企業第t年的實際新增投資支出。Growth表示成長機會，用企業的營業收入增長率來衡量。Lev表示資產負債率， Cash表示現金流量水平，Age表示企業上市年限，Size表示企業規模，Ret表示年度股票收益率，Investit-1表示第t-1年的實際新增投資水平，Year和Ind分別表示時間效應和行業效應，ε表示隨機擾動項。對模型（1）進行回歸，取回歸殘差衡量企業的投資效率。若回歸殘差大于0，表示過度投資（Overinv），數值越大則投資效率越低;若回歸殘差小于0，表示投資不足（Underinv），數值越大表明投資效率越高。為了便于分析，對回歸殘差取絕對值作為企業投資效率的代理變量，該值越大，投資效率越低。

2.2.2 核心解釋變量：綠色信貸

目前，綠色信貸的統計口徑有所不同，且數據較為有限，難以直接獲得準確的綠色信貸投入數據。以往文獻中對綠色信貸的衡量方法主要有以下三種：政策虛擬變量[9-10，13]、“兩高一剩”行業信貸占比[15，28]、節能環保貸款額度[14]。根據2018年原中國銀監會公布的關于綠色信貸統計資料，綠色信貸政策主要傾向于支持綠色環保項目，節能環保及服務貸款占綠色信貸總額的比例超過70%。因此，為便于量化評估綠色信貸政策效果，本文以銀行業每年節能環保貸款余額占貸款總額的比例作為綠色信貸政策強度（GC）的代理變量。

2.2.3 中介變量：金融資源配置

首先，用債務的期限結構（Debts）表示企業的債務融資情況，本文選用長期債務占總負債比例的數值表示，該指標可以反映綠色信貸對金融資源的直接配置效應;其次，用商業信用額度（TC）衡量企業的替代性融資來源，反映綠色信貸政策派生的間接配置效應。參照陳幸幸等[23]的做法，選取商業信用總額與資產總額的比值來表示。通過上述兩個指標可以較為全面地反映綠色信貸政策對企業金融資源的配置效應。

2.2.4 調節變量：金融錯配

金融錯配是指在資源稀缺性條件下，相對于最優要素配置的偏離。在現有文獻中，學者們分別從企業成本[29] 、信貸歧視[30-31]和環境污染[32]等角度對金融錯配的程度和后果展開討論與研究。其中，邵挺[29]從微觀角度以企業資本成本相對于行業平均資本成本的偏離程度來衡量金融錯配，這種測算方式便于從企業層面切入研究資源配置效率的相關問題。本文側重研究綠色信貸政策對重污染企業投資效率的影響，因而借鑒上述做法更為準確和有效。企業面臨的金融錯配程度的具體計算方法為：

其中，Finmipt表示i企業第t年面臨的金融錯配程度，Rpt表示p行業第t年的平均資本成本，I表示企業利息支出，L表示負債，A表示應付賬款。由于本文研究的重點不是金融錯配的具體程度，而是基于不同的金融錯配水平，檢驗綠色信貸與企業投資效率之間的關系是否呈現異質性。因此，本文設置虛擬變量以便于進行調節分析。按照行業年度分組，分別計算金融錯配程度的中位數作為分類標準，高于中位數則為金融錯配程度較高的企業，設置為1，否則設置為0。

2.2.5 控制變量

除綠色信貸以外的其他因素可能也會對企業投資效率產生影響，為了避免遺漏變量而產生偏差，參照類似文獻[11，18-20]，本文在模型中加入了以下控制變量：總資產報酬率（Roa），即息稅前利潤與總資產的比值;企業成長性（Growth），用營業收入增長率表示;企業規模（Size），采用資產總額的自然對數衡量;上市年齡（Age），采用對上市時間取自然對數來衡量;股權集中度（Hold），用第一大股東持股比例表示;資產負債率（Lev），用總負債與總資產之比來表示;現金流量（Cash），用經營現金流量凈額與總資產的比值衡量;董事會規模（Board），用董事會成員總數的自然對數表示;產權性質（Soe），如果公司實際控制人為國有性質設定為1，否則為0;有形資產（Tangible），用固定資產凈值與資產總額的比值表示。

2.3 實證研究模型構建

2.3.1 基準模型

為了研究綠色信貸政策對重污染企業投資效率的影響，構建如下的計量模型（3）：

其中，IE表示企業投資效率。GC表示綠色信貸政策的代理變量，Controls表示其他控制變量。預期系數β1的符號為負，表明綠色信貸政策可以提高重污染企業的投資效率。

2.3.2 中介效應模型

為了進一步厘清綠色信貸政策對企業投資效率的作用路徑，本文借鑒溫忠麟和葉寶娟[33]的檢驗方法，在基本回歸模型的基礎上，設置模型（4）～（7）：

其中，Debts表示債務期限結構，TC表示商業信用額度，其他變量的含義與模型（3）中一致。模型（4）檢驗綠色信貸政策對企業債務期限結構的影響，預期系數η1的符號為負，表明綠色信貸政策降低了企業的長期債務比例;模型（5）檢驗綠色信貸政策對企業商業信用的影響，預期系數γ1的符號為正，表明綠色信貸政策會激增企業的商業信用;模型（6）則在控制債務期限結構變量時檢驗綠色信貸政策對企業投資效率的影響，系數τ1代表綠色信貸對企業投資效率的直接效應，系數η1與系數τ2的乘積代表債務期限結構的中介效應。同理，根據模型（7），在控制商業信用變量時綠色信貸對企業投資效率的直接效應為系數θ1，商業信用的中介效應用系數γ1與θ2系數的乘積表示。

以債務期限結構（Debts）作為中介變量為例，中介效應檢驗程序如下：首先，檢驗模型（3）中系數β1的顯著性，若顯著則表明綠色信貸政策對企業投資效率的作用顯著，需要進行下一步檢驗，否則停止中介效應檢驗。其次，繼續檢驗模型（4）和模型（6），在系數η1和系數τ2均顯著的情況下，若系數τ1也顯著，表明存在部分中介作用;若系數τ1不顯著，表明存在完全中介效應。若在系數η1和系數τ2中至少有一個系數未通過顯著性檢驗，則采用Bootstrap方法進行分析。同理，重復以上步驟分析模型（5）、模型（7）中的回歸系數，可以檢驗商業信用的中介效應。

2.3.3 考慮調節變量的中介效應模型

考慮到企業自身面臨的金融環境會對公司治理產生影響，本文納入金融錯配程度作為調節變量，構建計量模型（8）～（12），在中介效應的基礎上進行拓展分析。其中，Finm表示金融錯配程度的代理變量，有調節的中介作用路徑如圖1所示。

參照溫忠麟和葉寶娟[34]的調節作用檢驗步驟如下：首先，模型（8）檢驗金融錯配對圖1路徑①的調節作用，若系數χ3顯著，則表明調節作用顯著;其次，分別檢驗模型（9）、模型（10）中系數π1，π3 以及ρ1，ρ3 的顯著性;最后，檢驗模型（11）、模型（12）中系數ζ4，ζ5 以及λ4，λ5 的顯著性。若π1（ρ1）顯著且ζ5（λ5）顯著，則金融錯配對路徑③的調節作用顯著存在;若π3（ρ3）顯著且ζ4（λ4）顯著，則金融錯配對路徑②存在調節作用。考慮金融錯配的調節效應后，中介效應的大小與調節變量的取值有關，二者之間的關系為：中介效應=（π1+π3Finm）×（ζ4+ζ5Finm）或（ρ1+ρ3Finm）×（λ4+λ5Finm）。

3 實證結果與分析

3.1 企業投資效率的估計結果

為了測算企業的投資效率，本文采用固定效應模型對模型（1）進行估計，表1顯示了回歸結果，大多數變量的回歸系數均在1%水平顯著，且符號與預期基本一致，表明該投資預測模型是合理的。根據該擬合結果，可以計算出企業每年正常的投資水平，實際投資相對于預期投資的偏差為企業非效率投資部分。

3.2 描述性統計和相關性分析

表2報告了變量的描述性統計分析結果。本文的樣本觀測值共有8 743，其中表示過度投資的有3 789個，投資不足有4 954個。企業投資效率（IE）均值為0.058，中位數為0.047，表明研究樣本間的投資效率存在一定的差異。綠色信貸代理變量（GC）均值為0.042，小于中位數0.054，表明各年份的綠色信貸投入存在一定程度的差距。此外，根據債務期限結構和商業信用的統計數據可知，在樣本期間內重污染企業的金融資源可得性呈現出波動變化。而金融錯配程度的均值遠大于中位數，表明企業普遍面臨著金融資源的非合理配置，這也與中國金融市場的現實情況相符。

此外，考慮到變量間的高度相關性可能會引起多重共線問題，從而影響估計結果的準確性。本文對各解釋變量間的相關系數進行了檢驗，結果顯示，核心解釋變量綠色信貸（GC）和債務期限結構（Debts）以及商業信用額度（TC）之間的相關系數分別為-0.027和0.088;調節變量金融錯配（Finm）與綠色信貸代理變量（GC）之間的相關系數為0.057，與債務期限結構（Debts）和商業信用額度（TC）之間的相關系數分別是-0.085和-0.061，其他解釋變量之間的相關系數絕對值也均遠小于0.8，故模型不存在嚴重的多重共線問題，保證了估計結果的相對可靠性。

3.3 綠色信貸政策對企業投資效率的影響

表3報告了綠色信貸政策對重污染企業投資效率的回歸結果。列（1）中綠色信貸（GC）對企業投資效率（IE）的回歸系數為-0.337，在1%水平上顯著，說明綠色信貸政策對企業投資效率有正向提升作用。為避免遺漏重要變量，加入控制變量重新回歸并固定時間、行業和省份效應，列（2）估計結果顯示，若綠色信貸投入的比例增加1%，則企業實際投資支出和最優投資水平之間的差額平均會減少29.6%。這表明，隨著綠色信貸政策力度的加強，重污染企業的投資效率有逐漸提高的趨勢，支持了本文的假設1。列（3）～（6）為分樣本檢驗的回歸結果，其中，列（4）和列（6）是控制相關變量和因素效應的回歸結果。列（4）中綠色信貸（GC）的系數為-0.876，在 1% 的水平上顯著，表明綠色信貸政策抑制了企業的過度投資;列（6）中綠色信貸（GC）的系數為0.243，也通過了顯著性檢驗，說明綠色信貸政策沒有導致重污染企業產生投資不足傾向。

3.4 穩健性檢驗

為了避免變量的偶然性造成的偏差，本文進行以下變量替換方式以增強實證結果的穩健性。首先，考慮到2012年原中國銀監會出臺的《綠色信貸指引》是中國第一部關于綠色信貸的專項政策，已成為眾多學者研究綠色信貸的關鍵視角[9-10， 13， 23]。因此，本文引入綠色信貸政策的虛擬變量作為穩健性檢驗指標：以2012年為時間節點，2012年以前設置為0，2012年及其以后設置為1。回歸結果見表4的列（1），綠色信貸（GC）的估計系數在1%水平上顯著為負，再次支持了本文提出的假設。其次，參考陳運森等 [35]、祝繼高等 [36] 的做法，更換企業投資效率測算模型如下：

其中，Invest和Growth的含義與模型（1）中相同。NEG為虛擬變量，當營業收入增長率小于零時取值為1，否則設為0。分別用以上模型的殘差絕對值作為衡量企業投資效率的代理變量。根據列（2）～（3）的結果，綠色信貸（GC）對企業投資效率（IE）的回歸系數仍顯著為負，驗證了綠色信貸政策對企業投資效率的提升作用。

此外，本文進一步通過更換估計方法進行穩健性檢驗。首先，考慮到投資效率的取值恒不小于0，屬于受限數據，因此采用面板數據的Tobit模型進行估計的結果可能會更有效。表4的第（4）列為回歸結果，結論與前文基本一致。其次，綠色信貸變量可能不具有嚴格的外生性。綠色信貸的政策力度可能會隨著企業的投資反應而調整。因此，為了解決潛在的內生性問題，本文以滯后一期的綠色信貸投入為工具變量，通過兩階段最小二乘法進行估計，表4的第（5）列顯示了第一階段的回歸結果，工具變量（IV）的估計系數為0.676，在1%水平上顯著，且F統計量的值遠大于10，表明不存在弱工具變量問題。第二階段回歸結果如列（6）所示，綠色信貸（GC）的估計系數為-0.289，仍支持綠色信貸能夠促進企業投資效率提高的結論。最后，為了簡化分析過程，前文并未考慮到模型的動態性，而個體的行為可能會因慣性而受到過去行為的影響。為了更貼切地反映實際，本文納入被解釋變量（IE）的滯后項，構成動態面板模型進行系統GMM估計，列（7）結果顯示，一階滯后項L_IE的估計系數為0.188，在1%水平上顯著為負，表明上期的投資效率的確會對本期造成影響;而綠色信貸（GC）的估計系數在1%水平上顯著為負，再次表明前文研究結果具有穩健性。

3.5 綠色信貸政策、企業金融資源配置與企業投資效率

表5的回歸結果反映了綠色信貸政策對企業金融資源的配置效應。根據列（2）結果，綠色信貸（GC）對債務期限結構（Debts）的回歸系數為-0.895，在1%水平上顯著，表明綠色信貸使得重污染企業的長期債務比重降低。

回歸系數0.266，表明綠色信貸使重污染企業的商業信用額度顯著增加。由此可知，綠色信貸政策對重污染企業的資源配置效應是雙重的。一方面，綠色信貸原則要求減少流向重污染行業的信貸投入，從而使重污染企業獲得的長期借款數額減少，進而改變企業的債務期限結構。另一方面，長期債務的減少使企業維持正常生產經營的資金來源受到限制，會激勵企業積極尋求商業信用作為替代性融資。

那么，以上兩種效應對重污染企業的投資效率綜合效應如何？結合前文提出的中介檢驗流程，根據表5列（1）～（3）的結果，綠色信貸對企業投資效率的綜合效應是-0.296，控制債務期限結構的影響后，直接效應是-0.267，債務期限結構所起的中介效應為-0.019，約占總效應的6.42%，支持了債務期限結構在綠色信貸對企業投資效率的影響中起部分中介作用的假設，與以往研究中關于債務具有公司治理效應的結論相符。同樣，表5列（4）～（6）是對商業信用的中介效應檢驗的回歸結果。控制商業信用的影響后，綠色信貸對企業投資效率直接效應是-0.279，商業信用所起的中介效應為-0.012，約占總效應的4.05%，驗證了商業信用在綠色信貸發揮“提效”功能中的部分中介作用。以上研究發現表明，綠色信貸通過引導資源在企業間的合理分配，有助于發揮金融資源的治理效應，進而促進了重污染企業投資效率的提升，驗證了本文假設2和假設3的合理性。

3.6 金融錯配的調節作用

由表6中列（1）和列（4）結果可知，金融錯配程度直接影響綠色信貸對企業投資效率的正向作用，交叉項Finm×GC的系數在1 %水平上顯著為正，表明面臨金融錯配程度較高的企業，綠色信貸的“提效”功能減弱。根據列（2）和列（5），綠色信貸（GC）的估計系數均顯著，但交叉項Finm×GC的系數不顯著，表明金融錯配對于綠色信貸政策的金融資源的配置不存在顯著的調節效應。其中一個可能的原因是：金融錯配程度是金融資源非效率配置的一個結果，而對于金融資源的分配過程沒有明顯影響。根據列（3）和列（6）列的回歸結果，作為中介變量的債務期限結構（Debts）和商業信用（TC）的估計系數均顯著，交叉項Finm×Debts和Finm×TC和的估計系數也均顯著，表明金融錯配對債務期限結構和商業信用發揮治理功能的過程存在調節作用，進而影響了綠色信貸政策對企業投資效率的“提效”作用。根據表6，可以計算出在考慮調節變量情況下的中介效應為以下系數的乘積：-0.892×（0.053-0.044×Finm），0.253×（-0.058+0.025×Finm）。由此可知，金融錯配（Finm）對中介效應的影響系數為正，表明隨著金融錯配程度的加深，綠色信貸通過合理配置金融資源從而實現企業效率提升的作用被削弱。

4 結論與政策啟示

基于企業金融資源配置視角，本文以2007—2018年中國A股上市公司為研究樣本，實證檢驗綠色信貸政策對重污染企業投資效率的影響，并構建有調節的中介效應模型分析其作用機制。研究結果發現：首先，綠色信貸政策有助于提高重污染企業的投資效率。綠色信貸政策抑制了企業的過度投資動機的同時，也改善了企業的投資不足傾向。該結論在通過替換變量、更換模型等一系列穩健性檢驗后依然成立。其次，綠色信貸政策對金融資源的配置效應可分為直接效應和派生效應。直接效應體現在重污染企業債務期限結構的變化——長期債務比重下降，派生效應表現為企業尋求替代性融資的動機激增了商業信用規模。進一步的機制研究發現，債務期限結構和商業信用在綠色信貸政策與企業投資效率之間起部分中介作用，長期債務比重的下降和商業信用額度的增加均提升了重污染企業的投資效率。此外，該傳導路徑受到金融錯配的影響，企業面臨的金融錯配程度越高，綠色信貸政策對企業投資效率的正向提升效果越弱。同時，隨著金融錯配程度的加深，債務期限結構和商業信用的微觀治理功能也被弱化，進而阻礙了綠色信貸發揮政策功效的中介渠道。本文的研究結果表明，綠色信貸政策克服了傳統環境規制對實體經濟產生負面沖擊的弊端，通過優化資源配置和差異化信貸管理，不僅能從源頭降低污染能耗，而且有助于提高微觀治理效率，為實現“治污”與“提效”的雙贏局面提供了契機。

基于上述研究結論，本文可得到以下三方面的啟示：①綠色信貸政策提高了微觀企業的投資效率，有助于協調經濟建設與環境污染之間的矛盾。因此，應該重視綠色金融產品在經濟發展和環境保護中的雙重作用，強化市場柔性調節與政府剛性約束在環境治理中的協同作用。政府部門要加大綠色金融基礎設施投入，擴大綠色金融改革創新試驗區試點范圍，設計貼息、定向降準、再貸款等有效的綠色激勵措施，引導和督促金融機構和實體企業踐行綠色原則。銀行等金融機構要倡導“赤道原則”，在金融活動中充分考慮環境風險，培育良好的綠色金融文化，支持綠色低碳發展。企業要轉變經營理念，提高環境風險意識，積極履行社會責任，通過建立綠色聲譽爭取多渠道的融資支持。②綠色信貸政策不僅直接通過信貸配給影響企業，還可能通過金融市場的聯動產生派生效應，影響商業信用等其他金融資源在企業間的分配，進而作用于企業的生產經營過程。因此，綠色信貸的實施需要增強各金融子市場之間的互動、聯動與協同，為支持低碳發展創造更為靈活的綠色金融分配調節空間，以更加準確地厘清綠色信貸對微觀主體的影響機制，及時獲得企業的反饋并適時調整政策，合理把握政策強度，持續優化綠色信貸政策對金融資源的配置效應，在實現綠色發展的同時增強金融對實體經濟的服務能力。③金融錯配阻礙了綠色信貸釋放經濟效益的潛能，不利于實現環境與經濟的雙重紅利。因此，要深入推進金融供給側結構性改革，充分利用大數據實現政銀企三方數據共享、信息互通，降低金融錯配程度，改善企業的投融資環境，為綠色信貸的后續發展創造有利的金融市場環境。

參考文獻

[1] LIU J， XIA Y， FAN Y， et al. Assessment of a green credit policy aimed at energy-intensive industries in China based on a financial CGE Model[J]. Journal of cleaner production， 2017，163： 293-302.

[2]謝婷婷， 劉錦華. 綠色信貸如何影響中國綠色經濟增長？[J]. 中國人口·資源與環境， 2019，29（9）： 83-90.

[3]王遙， 潘冬陽， 彭俞超，等. 基于DSGE模型的綠色信貸激勵政策研究[J]. 金融研究， 2019（11）： 1-18.

[4]翁智雄， 葛察忠， 段顯明， 等. 國內外綠色金融產品對比研究[J]. 中國人口·資源與環境， 2015， 25（6）：17-22.

[5]巴曙松， 楊春波， 姚舜達. 中國綠色金融研究進展述評[J]. 金融發展研究， 2018（6）： 3-11.

[6]中國人民銀行. 中國綠色金融發展報告（2018）摘要[R]. 2005： 2.

[7]ZHANG B， YANG Y， BI J. Tracking the implementation of green credit policy in China： top-down perspective and bottom-up reform[J]. Journal of environmental management， 2011， 92（4）： 1321-1327.

[8]張秀生， 李子明.“綠色信貸”執行效率與地方政府行為[J]. 經濟問題， 2009（3）： 87-90.

[9]蘇冬蔚， 連莉莉. 綠色信貸是否影響重污染企業的投融資行為？[J]. 金融研究， 2018（12）： 123-137.

[10]丁杰. 綠色信貸政策、信貸資源配置與企業策略性反應[J]. 經濟評論， 2019（4）： 62-75.

[11]HE L， LIU R， ZHONG Z， et al. Can green financial development promote renewable energy investment efficiency： a consideration of bank credit[J]. Renewable energy， 2019， 143： 974-984.

[12]高曉燕， 高歌. 綠色信貸規模與商業銀行競爭力的關系探究[J]. 經濟問題， 2018（7）： 15-21.

[13]陳琪. 中國綠色信貸政策落實了嗎：基于“兩高一剩”企業貸款規模和成本的分析[J].當代財經，2019（3）： 118-129.

[14]徐勝， 趙欣欣， 姚雙. 綠色信貸對產業結構升級的影響效應分析[J]. 上海財經大學學報， 2018 ，20（2）： 59-72.

[15]王康仕， 孫旭然， 王鳳榮. 綠色金融、融資約束與污染企業投資[J]. 當代經濟管理， 2019，41（12）： 83-96.

[16]蔡海靜， 汪祥耀， 譚超. 綠色信貸政策、企業新增銀行借款與環保效應[J]. 會計研究， 2019（3）： 88-95.

[17]喻坤， 李治國， 張曉蓉， 等. 企業投資效率之謎：融資約束假說與貨幣政策沖擊[J]. 經濟研究， 2014， 49（5）： 106-120.

[18]王滿， 徐晨陽. 金融錯配下融資約束能抑制企業過度投資嗎？[J]. 經濟問題探索， 2016（9）： 135-145.

[19]張慶君， 李萌. 金融錯配、企業資本結構與非效率投資[J]. 金融論壇， 2018， 23（12）： 21-36.

[20]陳德球， 陳運森， 董志勇. 政策不確定性、市場競爭與資本配置[J]. 金融研究， 2017， 449（11）： 65-80.

[21]SHENOY J， WILLIAMS R. Trade credit and the joint effects of supplier and customer financial characteristics[J]. Journal of financial intermediation， 2017， 29： 68-80.

[22]TSURUTA D， UCHIDA H. The real driver of trade credit[J]. Pacific-basin finance journal， 2019， 57： 1-27.

[23]陳幸幸， 史亞雅， 宋獻中. 綠色信貸約束、商業信用與企業環境治理[J]. 國際金融研究， 2019（12）： 13-22.

[24]林濱， 王弟海， 陳詩一. 企業效率異質性、金融摩擦的資源再分配機制與經濟波動[J]. 金融研究， 2018（8）： 17-32.

[25]劉斌斌， 嚴武， 黃小勇. 信貸錯配對我國綠色技術創新的影響分析：基于地區環境規制差異的視角[J]. 當代財經， 2019（9）： 60-71.

[26]TOMBE T， WINTER J. Environmental policy and misallocation： the productivity effect of intensity standards[J]. Journal of environmental economics and management， 2015， 72： 137-163.

[27]RICHARDSON S. Over-investment of free cash flow[J]. Review of accounting studies， 2006， 11（3）： 159-189.

[28]王康仕， 孫旭然， 王鳳榮. 綠色金融發展、債務期限結構與綠色企業投資[J]. 金融論壇，2019，24（7）：9-19.

[29]邵挺.金融錯配、所有制結構與資本回報率：來自1999—2007年我國工業企業的研究[J].金融研究，2010，363（9）： 51-68 .

[30]劉瑞明. 金融壓抑、所有制歧視與增長拖累：國有企業效率損失再考察[J]. 經濟學（季刊）， 2011， 10（2）： 603-618.

[31]靳來群. 所有制歧視所致金融資源錯配程度分析[J]. 經濟學動態， 2015（6）： 36-44.

[32]文書洋， 劉錫良. 金融錯配、環境污染與可持續增長[J]. 經濟與管理研究， 2019， 40（3）： 3-20.

[33]溫忠麟， 葉寶娟. 中介效應分析： 方法和模型發展[J]. 心理科學進展， 2014， 22（5）： 731-745.

[34]溫忠麟， 葉寶娟. 有調節的中介模型檢驗方法：競爭還是替補？[J]. 心理學報， 2014， 46（5）： 714-726.

[35]陳運森， 黃健嶠. 股票市場開放與企業投資效率：基于“滬港通”的準自然實驗[J]. 金融研究， 2019（8）： 151-170.

[36]祝繼高， 李天時， 趙浩彤. 銀行結構性競爭與企業投資效率：基于中國工業企業數據的實證研究[J]. 財經研究， 2020， 46（3）： 4-18.