綠色信貸對重污染企業債務融資的影響分析

欒蕙心

（廣東財經大學經濟學院 廣東廣州 510320）

一、引言

改革開放以來，我國經濟發展水平突飛猛進，各行各業蓬勃發展，實現了前所未有的偉大成就，經濟總量在世界排名中名列前茅。但在經濟迅速崛起的背后，也付出了巨大的環境代價。目前，資源耗竭、河流污染、氣候變暖等環境問題越來越成為制約人類社會可持續發展、經濟綠色轉型的因素。我國要實現“碳達峰，碳中和”目標，需要發展綠色經濟，創新經濟發展方式，在保持經濟發展的同時完成保護環境的任務。

因此，我國迫切需要調整經濟結構并轉變經濟發展方式，以實現我國工業從高污染、高耗能、粗放型向綠色、環保、生態化過渡。但整個社會實現綠色發展是個漫長的過程，在這一過程中綠色信貸政策是經濟手段調節減少企業污染排放的有效方式。相較于發達國家，我國企業的融資渠道較為單一，銀行貸款是其獲得信貸的主要途徑。因此政府可以通過政策調節銀行貸款從而影響社會資金配置，間接影響企業生產經營規模，從而起到調整產業結構的作用。2012年中國銀監會正式發布《綠色信貸指引》（以下簡稱《指引》），明確規定商業銀行實施綠色信貸政策，要求在銀行貸款審核流程中加入對企業潛在環境風險評估環節。《指引》發布的目的在于嚴控對重污染企業信用額度，而增加對環保行業企業融資的資金支持，通過經濟手段實現保護環境（沈洪濤和馬正彪，2014）。截至目前，《指引》已頒布實施近十年，迫切需要研究該項政策的實施情況和效果。

當前，學術界分別從宏觀和微觀兩個角度對綠色信貸展開研究。宏觀角度主要考慮綠色信貸的原理、傳導機制、發展不足及完善方案等。微觀角度，一方面圍繞綠色信貸對商業銀行績效的具體影響機制展開研究，另一方面從企業融資的角度建立回歸模型，評估綠色信貸政策效果，如連莉莉（2015）、陳琪等（2019）、Xu 等（2020）的研究均發現高污染高能耗企業的借款成本已逐步加大，即融資難度提升；蘇冬蔚等（2018）發現綠色信貸政策能夠顯著降低重污染企業的新增投資。為保證政策結果不受其他因素 干 擾，Liu 等（2019）、蔡海靜 等（2019）和丁 杰（2019）改進了研究方法，采用雙重差分法均得出了相似的結論。本文在參考已有文獻的基礎上，以2012年原銀監會發布的《綠色信貸指引》為外生沖擊變量，構建雙重差分模型，考察《指引》對上市公司的貸款成本和貸款規模的影響，并對企業所處空間進行異質性檢驗，充分評價《綠色信貸指引》的實施效果。

二、理論分析與研究假設

綠色信貸，也稱為可持續融資或環境融資，是一種信貸控制方法，即商業銀行利用經濟杠桿來鼓勵公司內部化污染成本，從而實現事前治理的目標（Labatt和 White，2002）。具體而言，綠色信貸就是商業銀行為環境友好型企業提供貸款項目利率優惠的同時，對高污染企業的貸款項目增設融資門檻，從而優化信貸資金配置，引導資金流向環保、節能行業，限制重污染行業發展，加速企業轉型升級，從而實現可持續發展。2012年正式發布的《綠色信貸指引》明確規定在信貸活動中，商業銀行在向企業融資時必須嚴格遵守環境測試標準，認真考察企業的污染排放情況并將其視為向企業發放信貸資金的重要條件。

（一）綠色信貸與企業融資行為

《指引》要求商業銀行建立更完善成熟的約束激勵機制，杜絕對高污染企業或項目進行授信，以保證信貸業務面臨較小的社會風險，也保證企業的融資渠道更加嚴格和規范，促使資金流向環保行業，達到通過經濟手段規范重污染企業行為，實現環保的目的。結合相關研究，本文認為《指引》可通過以下三種途徑抑制重污染企業的融資行為：第一，通過金融市場供給面因素影響企業融資決策（Faulk?ender and Petersen，2006；Lemmon and Roberts，2010）。當商業銀行提高對企業信貸融資門檻時，嚴控對高污染企業的信貸資金供給水平，而企業在面臨不變的資金需求情況下，由供求關系可知，重污染企業要承受更大的貸款成本，因而其貸款需求會隨之下降，貸款規模下降進而引發收縮生產規模等一系列行為的發生。第二，《指引》要求商業銀行加大對貸款企業的環保信息審核，意味著企業加大環保信息的披露，提高企業環保數據的透明度，而環保數據與信貸資金支持的緊密掛鉤起到正向激勵作用，促使企業實施環保行為，以便為企業自身成長獲得更多資金支持，而高污染企業也會加速轉型升級。同時，高度透明化的信息會向資本市場傳遞信號，使得外部投資人加大對融資企業的環境審視，降低外部債權人向重污染企業提供債務資本的意愿，從而逼迫企業轉型升級（吳超鵬等，2012）。第三，基于環境風險管理理論，商業銀行在向企業提供信貸融資時主要面臨環境責任帶來的直接風險，企業因環境事故不能如期償還債務形成的違約風險，以及因與環境事故企業存在信貸關系而形成的聲譽風險。《指引》的出臺會引導整個社會更加重視環保工作，尤其是對融資企業的企業環境和社會風險的重視，這樣勢必導致重污染企業獲取信貸融資時面臨更大的社會輿論壓力以及更嚴苛的監管，甚至要面對外部債權人拒絕信用展期或直接撤資的行為，從而導致重污染企業負債融資困難增大，倒逼其進行技術改良或轉型升級，減少環境污染，實現可持續發展。

基于以上分析，本文提出基本假設1：

H1：《指引》出臺后，重污染企業的銀行貸款規模會顯著減小，貸款成本會顯著增加。

（二）綠色信貸政策效果的空間異質性

由于我國區域間經濟發展水平存在較大差距，與地區間發展水平相適應的環境治理水平勢必會產生差異，因而綠色信貸政策效果會存在地區不對稱性的特點。由于我國東部地區地處沿海，氣候適宜，投資環境良好，經濟條件便利，加之國家相關政策扶持，發展水平較高，因而地區市場化程度也越高。高市場化水平的地區經濟發展水平高，相關制度體系更加健全完善，全社會環保意識較強，環保水平較高，《指引》對其約束力較小。而中西部地區由于區位原因長期處于閉塞狀態因而經濟發展遲緩，改革開放以來大力發展重工業，在經濟增長的同時也面臨著生態環境惡劣的挑戰，因此對于環保減排的需求強烈，政府實施綠色信貸政策的力度較大。同理，由于區域間自然條件、行業布局、政策文化等諸多因素帶來的差異，各省份環境污染程度也具有差別。相比之下，污染較為嚴重的省份，地方政府環保減排的任務重，因而政府較為重視，因此對環境治理要求比較嚴格，將我國按省份劃分為污染和綠色地區，污染地區的政策效應顯著。

基于以上分析，本文提出假設2：

H2：《指引》實施后，中西部地區的政策效應強于東部地區，污染地區的政策效應強于綠色地區。

三、研究設計

（一）數據來源與樣本選擇

數據來自Wind數據庫，由于2006年及以前的數據存在大量缺失，且僅可獲得更新至2019年的數據，因此整理了2007年至2019年A股上市公司的數據，不包括金融業、ST和*ST公司，最終得到37 903個觀察值。根據陳琪（2019），原環境保護部于2010年發布的《上市公司環境信息披露指南》（征求意見稿），化工、鋼鐵、水泥、火電、建材、發酵等16個行業企業被歸類為重污染企業（處理組），其他行業企業為非重污染企業（即對照組）。另外，本文使用Stata 15.1軟件完成數據的回歸分析，為了減少異常值的影響，在多元分析中使用Winsorze處理數據，分別在1%和99%的水平上對連續變量進行縮尾處理。

（二）變量定義

1.被解釋變量：使用貸款規模（loan）和貸款成本（cod）兩個指標來衡量企業融資水平。貸款規模（loan）為當年年末企業獲得的銀行貸款總額。借鑒葉康濤等（2010）、倪娟和孔令文（2016）的做法，使用現金流量表中的“取得借款收到的現金”除以平均總資產進行標準化，以衡量該公司當年的銀行貸款總數；貸款成本（cod）用利息支出/（短期借款+長期借款+一年內到期的長期借款）來衡量，“利息支出”項來自上市公司財務報表附注。

2.解釋變量：本文設置了兩個虛擬變量post和treat，用來構建雙重差分的兩個虛擬變量。post為時間變量，2012年政策出臺之前post取值為0，2012年之后取值為1。實驗變量treat用以區別處理組和對照組，重污染企業為處理組，即treat值為1，其余行業企業為對照組，treat值為0。

3.控制變量。依據已有研究，本文還選取了產權性質（state）、年末企業資產規模（size）、總資產利潤率（roa）、杠桿率（lev）、成長性（growth）、經營活動現金流量（cfo）為控制變量，同時控制了企業的年度效應和行業效應。

（三）模型設定

雙重差分法原理的關鍵在于時間和分組的兩個層面的差分，通過構造反事實檢驗，排除個體因素和環境干擾的影響，因而正確評價綠色信貸政策的實施效果。

由前文分析可知，構建DID模型的前提是，處理組和控制組在未受到政策沖擊時具有相同的發展趨勢，受到沖擊后，二者變化趨勢的差異僅由政策干預引起，即為滿足“平行趨勢”假定。因此我們需要驗證處理組和對照組的被解釋變量是否滿足“平行趨勢”假定，即比較發布《指引》前后的重污染行業企業（即處理組）和非重污染行業企業（即對照組）的貸款規模和貸款成本的變動趨勢是否滿足假設條件。如圖1所示，在圖1a中，貸款成本在政策實施前變動趨勢一致，2012年后走勢開始出現較大差異。圖1b中，處理組和控制組的貸款成本在2012年之前基本保持一致，2012年后差別明顯，處理組的貸款規模波動較大，尤其是在2014、2015年急速下降。由此可得被解釋變量滿足平行趨勢的要求。

圖1a 基于貸款成本的檢驗

圖1b 基于貸款規模的檢驗

DID基準回歸模型設置如下：

其中，treat×post的系數β反映了在排除其他因素后政策實施的凈效果；control代表一系列控制變量，各變量的具體含義如上頁表1所示；用ind和year分別表示行業效應和年度效應；ε為該模型的隨機擾動項。

表1 變量名稱及定義

四、實證結果分析

根據雙重差分模型，對樣本數據進行回歸分析以及穩健性檢驗，來驗證假設1、2。

（一）描述性統計

表2為主要變量描述性統計結果。如表2所示，銀行貸款規模（loan）的均值為0.204，最大值和最小值分別為0.211和0，說明樣本企業的貸款規模之間存在較大差異；貸款成本（cod）的平均值為0.059，最值分別為0.707和0，表明樣本企業之間的貸款成本差異也較大；時間變量（post）的平均值為0.693，表明受政策影響的樣本占總數的69.3%；實驗變量（處理組）的平均值為0.277，這意味著樣本中27.7%的企業屬于污染嚴重的行業（即處理組）。

表2 主要變量描述性統計

（二）基本回歸結果

下頁表3報告了綠色信用政策對企業負債融資作用的基本回歸結果。如列（1）和（2）所示，貸款規模（loan）為解釋變量時，回歸系數treat_post的均值在1%的水平上顯著為負。列（3）和（4）顯示，貸款成本（cod）為被解釋變量時，回歸系數在5%的水平上顯著為正。這表明《指引》出臺后，處理組融資規模顯著減小且融資成本顯著提高，說明《指引》對重污染企業的影響顯著，即驗證了假設1。

表3 雙重差分模型的基本回歸結果

（三）穩健性檢驗

1.傾向得分匹配。單一的DID研究方法通過構造組內和組間兩次差分解決內生性問題，但無法解決由樣本企業特征差異造成的樣本選擇偏差問題。而傾向得分匹配法（PSM）通過將處理組與控制組樣本依據相關變量按條件進行匹配，而使得匹配后的樣本之間不存在選擇性偏誤問題。在進行傾向得分匹配后，本文進一步采用PSM-DID方法，這樣既保證回歸模型不存在內生性問題也解決了樣本選擇性偏差問題（石大千等，2018），從而準確判斷綠色信貸政策是否能夠從貸款規模和貸款成本上顯著影響企業的債務融資水平。

參考陳琪等（2019），本文選擇1∶4 近鄰匹配，然后將匹配后的樣本重新進行檢驗。以年度企業資產規模、產權性質、償債能力、成長性、現金流量水平等指標為協變量進行匹配，并將匹配完成后的樣本進行回歸。由表4可見，回歸系數依然顯著，從而使得綠色信貸限制企業負債融資水平的結論更具說服力。

表4 PSM-DID回歸結果

2.安慰劑檢驗。為排除其他可能因素的影響，參考孟慶璽等（2018）的研究，對樣本進行安慰劑檢驗。隨機選擇10 504個樣本（與重污染企業樣本數量相同）作為虛擬處理組（安慰劑），將剩余樣本劃為對照組，隨后進行雙重差分回歸分析。對于虛擬處理組來說，若回歸結果顯著，說明其他不可測因素干擾了實證結果，即前文結論不可靠；若虛擬處理組回歸結果不顯著，即說明前文結論是可信的。表5中treat_post的回歸系數不顯著，表明基本回歸結果的正確性。

表5 安慰劑檢驗

3.更換處理組范圍。根據國家環保部2008年發行的《上市公司環境調查行業分類管理名錄》和2001年證監會發布的《上市公司行業分類指南》重新劃分重污染行業，將前文16類重污染行業合并為8大類，分別是：采掘、食品飲料、服裝皮毛紡織、造紙印刷業、水電煤氣、石化塑料、金屬非金屬類、醫藥生物類。更換處理組范圍后的回歸結果如下頁表6中的列（1）至列（4）所示，無論貸款成本還是貸款規模的回歸系數都顯著，更有力地證明綠色信貸政策能夠降低重污染企業融資水平。

表6 更換處理組范圍的穩健性檢驗

五、異質性檢驗

由于企業所處不同地區受綠色信貸影響具有空間異質性，因此本文對異質性回歸結果進行分析，驗證假設2。

我們猜想，東部地區的經濟發展水平較高，制度相對比較健全，因此對環境污染問題的關注度應該更高；中西部地區經濟發展水平相對較低，重工業占比較大，面臨的環境問題更加突出，政府對地區環保治理較為重視，因而政策更加嚴格。因此政策效果對東部和中西部地區存在差異。此外，受自然條件及人文因素影響，部分省份環境狀況良好，政策對其作用顯著性較低；相較于環境良好省份，環境污染嚴重省份面臨的環保壓力較大，因而政策效果應更加明顯。進一步，我們認為中西部地區相較于東部地區的政策作用更顯著，污染嚴重地區較環境良好地區受政策的影響更大。

由初步分析，將上市公司注冊所在地按省份進行劃分，并將各省份按地理分布、發展水平劃分為東部地區和中西部地區，其中東部地區和中西部地區分別包含975和2 804家上市公司；將各省份按環境污染程度劃分為綠色與污染地區，綠色地區和污染地區分別包含1 355和2 425家上市公司。具體劃分如表7所示。

表7 企業注冊地分省份劃分

如表8所示，東部地區無論貸款成本還是貸款規模回歸系數都不如中西部地區顯著，這可能由于東部地區的制度體系健全，在經濟發展較早期就注重到環保問題，較早對重污染企業信貸融資業務進行限制，因此《指引》對東部地區處理組企業的約束作用較小。而中西部地區政府制度健全度低，企業的借款來源單一，綠色信貸政策對該地區重污染企業信貸資金的約束力較大，政策作用的效應更強。表9顯示，綠色地區的貸款規模和貸款成本均不顯著，而污染地區貸款規模和貸款成本分別在5%和1%上顯著，《指引》政策作用更強，即回歸結果驗證了假設2。

表8 空間異質性檢驗

表9 空間異質性檢驗（續）

六、研究結論與政策建議

研究表明，《指引》出臺后，與其他企業相比，重污染企業貸款規模顯著縮小而貸款成本顯著增大，說明綠色信貸政策有效降低了重污染企業的信貸融資水平。空間異質性檢驗結果顯示，中西部地區較東部地區受政策影響更為深遠，污染地區較綠色地區政策作用更為顯著。該結論對重污染企業轉型升級及綠色信貸體系的完善具有一定的啟示作用，本文分別從政府、銀行和企業層面提出相關建議如下：

首先，對于政府而言，要繼續完善并深化綠色信貸政策實施細則，提高綠色信貸政策的適用性，同時制定既符合國情又科學的法律政策，強化對環境污染型企業的懲罰力度，完善綠色信貸監管體系。在綠色創新過程中的中小企業難免會遇到“融資難，融資貴”的問題，政府應適當進行優惠補貼，對中小企業創新給予資金支持；對于第二產業發達的中西部地區給予適當補貼和獎勵，激勵技術轉型，使綠色信貸政策發揮有效作用；應用先進科技技術，如構建企業環保大數據平臺等，加強對企業環保水平的監督。

其次，對于商業銀行而言，應繼續完善綠色信貸業務的審核程序，加強對重污染企業的合規審查，加大企業環保信息披露要求，提高企業環保數據的透明度，提高商業銀行的監督力度。此外，合理設計金融產品促進工業綠色轉型發展，比如通過貸款定價、貸款額度和貸款期限及風險管理等調節信貸供給，控制重污染企業的供給水平，引導資金流向綠色行業，吸引更多生產及科技人才對綠色創新領域的投入。除此之外，商業銀行在落實綠色信貸過程中應進行金融服務的創新探索，從而匹配工業企業綠色轉型的多樣化金融服務需求。

最后，對于企業而言，在國家大力倡導保護環境、綠色經濟、可持續發展的背景下，為實現“雙碳”目標，要與時代同步，全面認識環保與發展的關系，轉變理念，增強環保意識。此外，做好信息披露工作，自覺向相關管理部門共享真實環保信息。對于企業而言，最重要的一點是要合理配置運營資金，增加研發投入，改進傳統生產工藝，加速自身轉型升級，實現綠色發展。

七、結語

從實證結果可以看出，綠色信貸政策無疑加大了重污染企業融資難度，從而激發企業技術創新和轉型升級以便獲得資金支持從而獲得高質量發展。綠色信貸政策使我國環境保護工作取得了長足進步，我國在污染防治方面的成就令世界矚目，得到了聯合國的肯定，但是與西方國家的環保標準和治理措施還有一定差距，要繼續加強環保工作，通過關注政策和微觀技術和措施加強治理，實現經濟的可持續發展。