綠色信貸政策會誘發重污染企業策略性信息披露行為嗎？
——基于《綠色信貸指引》的準自然實驗

■劉程

一、引言

2021年中央經濟工作會議強調，實現碳達峰碳中和是推動高質量發展的內在要求，要堅定不移推進，但不可能畢其功于一役。要實現碳達峰、碳中和目標，必然伴隨著大規模的綠色投融資需求，因而離不開綠色金融體系的構建。2012年2月，為了充分發揮金融市場優化綠色資源配置、服務實體經濟的作用，銀監會發布了《綠色信貸指引》。這是我國首份綠色信貸規范性文件，提出了綠色金融產品（綠色信貸）的概念，并對金融機構開展該類業務作出了較為具體的制度安排。隨后，綠色債券等綠色金融產品蓬勃發展。清華大學國家金融研究院公布的綠色金融研究報告顯示，目前我國已成為全球最大的綠色金融市場之一，其中綠色信貸是主力。截至2021年末，我國本外幣綠色貸款余額15.9萬億元，同比增長33%，比上年末高12.7個百分點。

在此背景下，全面科學評估綠色信貸政策的有效性，能夠為我國構建和完善綠色金融體系，加快實現“雙碳”目標提供一些思路和借鑒。《綠色信貸指引》要求金融機構在配置信貸資源時，從環境保護、污染治理和能源節約等方面提高貸款門檻，從而引導污染企業降能減排，以促進經濟可持續健康發展[1]。綠色信貸政策是環境規制政策的市場化手段，因此其效果不僅取決于政策執行，還取決于企業對政策的反應。具體而言，綠色信貸政策可能導致重污染企業采取兩種可能的行為：第一，重污染企業迫于綠色信貸政策的約束主動改善自身的環境污染，向綠色生產轉變以獲取信貸資金；第二，由于投資生產活動短期內難以快速進行調整，重污染企業或管理者可能會出于私利動機，通過采取掩飾真實環境信息或者隱藏壞消息等策略性信息披露方式，以達到獲取貸款資金或降低融資難度的目的。現有文獻較少從信息披露質量視角研究我國綠色信貸政策的經濟效應問題。而綠色信貸政策的經濟效應很大程度上依賴于企業信息披露的真實情況，如果忽視綠色信貸政策對企業信息披露質量的影響，可能會誤導金融機構的信貸決策，從而造成綠色信貸配置效率低下，影響金融市場的穩定。

在市場信息披露制度和公司治理機制尚不完善的背景下，推行綠色信貸政策直接增加了重污染企業的融資難度、融資成本和生產經營的不確定性。那么，重污染企業是否存在試圖隱瞞不利消息等改變信息披露質量的行為？哪些治理機制能夠有效抑制重污染企業的策略性信息披露行為？回答上述問題有助于更好地理解和管理綠色信貸政策實施下重污染企業信息披露策略選擇。

鑒于此，本文以2012年頒布的《綠色信貸指引》作為準自然實驗，構建雙重差分模型實證分析綠色信貸政策實施對重污染企業信息披露質量的影響。本文的研究貢獻主要包括：第一，實證分析我國綠色信貸政策實施對企業信息披露質量的影響，有助于拓展和延伸關于綠色信貸政策實施效果的研究。首先，本文采用KV指數來衡量企業信息披露質量，更側重于企業的股價信息含量。KV 指數不僅包括環境披露信息，還包括其他非環境信息披露。其次，本文采用全體上市公司樣本，包括重污染企業和非重污染企業，更多考慮重污染企業和非重污染企業在綠色貸款政策實施之后的差異。如果僅僅考慮重污染企業的環境信息披露水平，可能會忽略重污染企業環境信息披露水平的時間趨勢和政府環境規制強度的影響因素。最后，本文發現，當地方政府環境治理力度較小時，綠色貸款與信息披露質量之間存在負向關系，而當地方政府環境治理力度較大時，這一負向關系不再顯著。第二，補充了信息披露行為的影響因素文獻。本文研究綠色信貸政策對重污染企業信息披露質量的影響，有助于增進理解我國重污染企業信息披露的策略選擇。

二、理論分析與研究假設

在公司金融與財務領域，企業信息披露質量是維系金融市場穩定和高效運行的基礎，高質量的企業信息披露能夠有效緩解信息不對稱[2]。本文認為綠色信貸政策對重污染企業信息披露質量可能存在正面和反面兩種作用。

（一）綠色信貸對重污染企業的信息披露質量的正面作用

從理論層面上來說，綠色信貸能夠從以下幾個方面對重污染企業的信息披露質量產生正面作用：

首先，信號效應和聲譽效應假說認為，企業提高包括環境信息在內的信息披露水平，有助于樹立其“綠色形象”。而“綠色形象”不僅可以抓住消費者眼球從而帶來經濟利益，還有助于維護企業聲譽，良好的聲譽也為企業帶來競爭優勢[3]。因此，為了消除綠色信貸政策對重污染企業經營活動產生的不利影響，重污染企業具有較強動機通過提高信息披露水平來維持良好聲譽，以獲取信貸資源和融資便利。

其次，從環境政策壓力角度來看，來自政府環境規制政策的外部壓力能夠促使企業改善環境信息披露水平，從而有助于提高信息披露質量[4]。同理，綠色信貸政策能通過對重污染行業企業施加融資壓力來提高企業信息披露質量。具體而言，當這些企業面臨綠色信貸的外部融資壓力時，為了盡可能避免其中的環境風險和違法違規成本，重污染企業有較強的動機去改變反映環境表現的信息披露質量，從而獲取綠色信貸支持。《綠色信貸指引》要求銀行充分發揮杠桿作用促進節能減排和環境保護，這會對企業信息披露行為產生顯著影響。重污染企業面臨的環境風險和外部融資壓力更大，具有更強的動機去改善信息披露質量。

最后，基于波特假說的推論，環境管制能夠促進重污染企業創新或轉型，從而降低污染排放。重污染企業環境表現越好，則越會通過披露更多環境信息來幫助企業樹立良好的“綠色形象”，進而獲取綠色信貸的支持。同時，重污染企業會通過提高信息披露質量來降低市值不確定性，從而穩定市場投資者對重污染行業前景的預期，提高公司估值。因此，綠色信貸在促進重污染企業節能減排的同時，企業也傾向于公布更多的環境保護信息，從而其整體信息披露質量得以改善。

基于上述理論分析，本文提出以下研究假說：

假說1a：綠色信貸政策實施后，相對于非重污染企業而言，重污染企業的信息披露質量顯著提升。

（二）綠色信貸對重污染企業的信息披露質量的負面作用

綠色信貸政策也可能會促使重污染企業降低信息披露質量。具體而言，綠色信貸政策實施后，重污染企業可能會出于獲取信貸資源、避免競爭劣勢成本以及市值管理等目的，降低其信息披露質量。

1.融資動機

綠色信貸增加了重污染企業的融資成本和貸款限制。為了獲取貸款資金，重污染企業存在掩飾污染排放信息的動機，從而降低了信息披露質量。特別是在綠色信貸政策出臺之后，重污染企業獲取信貸資源的難度顯著增加，其融資成本上升。出于對信貸資源的迫切需求，重污染企業可能會掩蓋企業負面信息，力圖獲取信貸支持。有研究發現，綠色信貸政策導致重污染企業提高盈余管理水平[5]，而這種盈余管理行為降低了企業會計信息質量。

環境保護政策法規能夠通過直接加大對企業私利行為的監管力度，有效抑制企業管理者委托代理問題的發生，從而避免降低信息披露質量[6]。但與一般的環境規制政策不同的是，作為市場化調控手段，綠色信貸是通過對重污染企業產生融資約束效應，從而產生環保效應。綠色信貸政策的出臺，限制了商業銀行對重污染企業的貸款[7]，增加了重污染企業的融資成本，降低了貸款期限[8]。《綠色信貸指引》要求銀行充分發揮杠桿作用促進節能減排和環境保護，但在實踐中，來自債權人銀行的壓力其實難以對企業環境信息披露質量產生實質性影響[9，10]，這除了銀行執行意愿方面的因素，還可能是因為部分企業利用環境信息披露制度建設的不完善，故意惡化其環境信息披露水平[4]。此外，即使信息披露是強制性的，但由于企業披露虛假信息的違法違規處罰金額往往較低，而披露真實信息會導致重污染企業融資成本加劇，這意味著虛假信息披露的利益遠遠大于處罰成本，那么這些企業會傾向于隱瞞真實信息[11]。

2.競爭壓力

綠色信貸政策將會增加重污染企業的行業競爭壓力。綠色信貸是政府施加給重污染企業的額外成本，會使企業的行業競爭力下降[12]。綠色信貸實質上是把環境外部成本內部化，將由社會承擔的環境成本改由產生污染的企業來承擔，即綠色信貸將導致這些重污染企業的經營成本上升、生產管理和銷售環節的難度加大、整體產品競爭力下降[5]，最終加劇企業面臨的行業競爭壓力。

而行業競爭壓力可能會降低企業信息披露質量。已有實證研究發現，市場競爭程度是影響企業信息披露行為的重要因素[13—15]。競爭劣勢成本理論認為，市場競爭程度越激烈，公司進行信息披露的競爭劣勢成本將會越高，其信息披露水平就越低。這是因為企業披露的信息會被企業競爭者觀察到，這會使企業競爭者作出不利于本企業的經營決策，從而減少企業的競爭優勢，對公司價值產生負面效應[13，15]。特別是在國內上市公司內部治理機制不完善的情況下，市場競爭會對治理機制產生約束效應，加劇競爭劣勢成本，迫使企業進一步降低信息披露質量[16]。此外，企業基于收益最大化和鞏固競爭地位的目的，也會通過隱藏信息或降低信息披露水平，來應對激烈的市場競爭以實現增加收益的目的[14]。因此，從行業競爭的角度來看，綠色信貸政策的實施會進一步增加重污染行業的市場競爭壓力，從而促使重污染企業降低其信息披露質量。

3.市值管理

綠色信貸政策增加了重污染企業未來經營前景的不確定性，這會增加重污染企業管理者的市值管理壓力。經濟政策不確定性加大會對公司股價造成負面沖擊[17]，而經濟政策中就包括綠色信貸政策等。綠色信貸政策的實施給重污染行業企業帶來較大的經營不確定性和風險。Liu等[18]進一步指出，綠色信貸政策實施下，市場對重污染行業公司市場價值的可預期性有所降低，這意味著公司層面的信息不確定性上升，從而導致這些公司股價波動率加大。所以綠色信貸政策會降低市場投資者對重污染企業未來市值增長前景的樂觀預期，造成公司股價面臨較大的下行壓力，從而會增強這些公司高管對股價市值管理的動機。

具體而言，綠色信貸政策實施后，公司管理者出于保護職位薪酬[19]、提高短期內期權價值[20]等私人利益目的，傾向于隱藏負面消息或采取“策略式”信息披露等方式。尤其是重污染企業高管更傾向于披露正面的環境信息，減少披露污染排放、訴訟風險、棄置費用等不利信息，通過披露內容相對主觀、模糊和難以驗證的信息實現“自我包裝”。這些具有人為操縱色彩的信息與其實際環境行為不符，進而制約了市場交易者和監管者的判斷，降低了信息傳遞效率和資產定價效率[2，4]。朱煒等[11]研究發現，環境表現越差的企業會更多披露環境定性信息而非定量信息，從而降低了環境信息披露質量。此外，綠色信貸政策的實施加劇了重污染企業所面臨的未來經營不確定性，這增加了對管理層行為預測和監督的難度，惡化了潛在的代理問題，增加了市值管理動機。

綜上所述，本文提出以下研究假說：

假說1b：綠色信貸政策實施后，相對于非重污染企業而言，重污染企業的信息披露質量顯著下降。

三、研究設計

（一）實證模型設定

本文借鑒蘇冬蔚等[1]、Liu 等[7]的實證方法，以2012年頒布的《綠色信貸指引》作為準自然實驗，構建以下雙重差分模型進行檢驗：

其中，i 表示企業，t 表示年度，ε為隨機擾動項。Treat 是樣本企業是否屬于重污染企業組的虛擬變量。由于綠色信貸政策對重污染企業的影響更大，所以將重污染企業作為處理組，取值為1；將非重污染企業作為控制組，取值為0。Post為綠色信貸政策實施前后的時間虛擬變量。將綠色信貸政策推出之前的年份定義為0，之后的年份定義為1。IDQ 為企業信息披露質量的代理變量。Controls 為控制變量。本文主要關注交互項Treat×Post的系數α1，它衡量了綠色信貸政策的實施對重污染企業信息披露質量產生的影響。

（二）變量設定

1.被解釋變量

本文采用Kim 等[21]的方法，計算KV1 指數來度量信息披露質量。KV1具體是指某股票市場交易量對其股票收益率的影響系數，通過反映市場投資者對股票交易量信息的依賴繼而反映公司信息披露程度。這一指標能夠客觀全面地度量上市公司信息披露質量，KV1 指數越高表明上市公司信息披露質量越低。該方法可以避免采用會計變量因隨意應計利潤和盈余管理等產生的一系列問題[22]。構造KV1指數的模型如下：

其中，Pt和Volt分別是第t日的股票收盤價和交易量（股數），Vol0是研究期間所有交易日的平均日交易量。具體采用當年每家上市公司的數據，使用普通最小二乘法進行回歸估計，得到當年的λ值構建KV1指數（不考慮λ為負的情況）。這是一個信息披露質量的反向指標，KV1 指數數值越小則表明該上市公司信息披露越充分，而數值越大則代表該上市公司信息披露質量越低。

為避免統計指標衡量的誤設問題，本文借鑒徐壽福等[22]的做法，采用以下改進模型計算KV2指數：

2.解釋變量

Treat 為反映企業是否為重污染企業的虛擬變量。如果該企業為重污染企業，取值為1；否則，取值為0。本文借鑒蘇冬蔚等[1]的做法，參照環境保護部2008年印發的《上市公司環保核查行業分類管理名錄》和2010年印發的《上市公司環境信息披露指南》中涉及重污染行業的共同范圍，將上市公司樣本區分為重污染企業和非重污染企業。

Post為綠色信貸政策實施前后的時間虛擬變量。將《綠色信貸指引》實施之前的年份（2012年之前）定義為0，將之后的年份（2012年及之后）定義為1。

3.控制變量

為控制其他因素對信息披露質量的影響，本文在模型中引入企業產權屬性（SOE）、企業年齡（Age）、企業規模（Size）、資產負債率（LEV）、資產回報率（ROA）、市值賬面比（MB）、審計師治理（Big4）、分析師關注度（Analyst）、機構投資者持股比例（Insti）、第一大股東持股比例（Largest）作為控制變量。變量的具體定義見表1。

表1 主要變量定義

此外，模型中還控制了年度虛擬變量Year FE以及企業個體固定效應Firm FE。

（三）樣本選取與數據來源

本文的研究樣本為2000—2020年我國A 股上市公司。對這些研究樣本進行了必要的篩選：（1）剔除屬于金融行業類的上市公司；（2）剔除樣本期間內被證券交易所進行特別處理的ST 和PT 類上市公司；（3）剔除部分變量數據存在缺失的樣本。此外，由于《綠色信貸指引》自2012年2月24日起開始施行，本文進一步剔除2012年及之后上市的公司樣本。本文使用的上市公司財務數據均來源于國泰安數據庫。為了避免樣本中的極端異常值給實證估計結果帶來的影響，對本文中所有連續型變量進行上下1%分位數的縮尾處理。

表2列示了本文主要變量的描述性統計。KV1均值為0.419，中位數為0.395，標準差為0.185。KV2均值為0.147，中位數為0.071，標準差為0.202。同時，其他變量的取值范圍均處在合理區間內。

表2 主要變量的描述性統計

四、實證結果與分析

（一）企業信息披露質量的時間趨勢

在進行回歸估計之前，本文將樣本分為處理組（重污染企業）和控制組（非重污染企業），對政策前后兩組企業的信息披露質量代理變量KV1 和KV2的變化趨勢進行對比分析。從圖1和圖2觀察可知：

第一，2012年《綠色信貸指引》頒布前，兩組企業的KV1 和KV2 指標變化趨勢基本相近。這意味著構建DID 模型所需的平行趨勢假設成立，本文采用DID方法具有合理性。

第二，2012年《綠色信貸指引》頒布后，兩組企業在KV1 和KV2 指標之間的差距發生顯著變化。圖1的趨勢線顯示，2012年之前，非重污染企業KV1指標高于重污染企業，而2012年之后，重污染企業KV1指標開始快速上升并高于非重污染企業。這說明相對于非重污染企業而言，重污染企業KV1指標上升比較明顯。

圖1 綠色信貸與企業信息披露質量KV1的關系

雖然由于計算方法不同，KV1 和KV2 指標的變化趨勢可能不相一致，但是值得注意的是，從圖2來看，相對于非重污染企業而言，重污染企業KV2 指標上升也比較明顯。

圖2 綠色信貸與企業信息披露質量KV2的關系

結合兩個圖來看，說明相對于非重污染企業而言，政策實施后，重污染企業信息披露質量下降。

（二）綠色信貸與重污染企業信息披露質量

1.基準回歸結果

表3列示了綠色信貸與重污染企業信息披露質量的實證模型回歸結果。其中（1）和（3）列為沒有加入控制變量的回歸結果，（2）和（4）列為加入相關控制變量的回歸結果，（2）和（4）列還控制了年度和企業固定效應。交互項Treat×Post 的回歸系數分別為0.0110、0.0105、0.0160 和0.0112，且均通過了至少5%的顯著性檢驗。假說1b 得到驗證，即綠色信貸政策實施后，重污染企業的信息披露質量顯著下降。這是因為期間國內綠色信貸標準執行還缺乏剛性約束，商業銀行在執行中呈現自愿性特征，政府部門對銀行機構的監督檢查力度不夠，也缺乏明確的追責標準和要求，對銀行機構的約束力度有限[9，10]。

表3 綠色信貸與重污染企業信息披露質量

張琦等[23]研究發現，《環境空氣質量標準（2012）》實施之后，74 個試點城市加大了環境治理力度。本文進一步選擇74 個試點城市中的重污染行業上市公司作為研究樣本，研究在不同環境治理力度的樣本之下，綠色貸款與信息披露質量之間的關系。從表4 可知，綠色貸款與信息披露質量之間的負向關系僅存在于政府環境治理力度小的樣本中。這意味著在較強的政府環境治理地區，企業受綠色貸款政策驅使下的策略性信息披露行為得到了抑制。

表4 綠色信貸、政府環境治理與重污染企業信息披露質量

2.信息披露質量降低的具體表現

本文進一步對綠色信貸政策實施導致重污染企業信息披露質量降低的具體表現進行實證檢驗，回歸結果如表5 所示。在（1）和（2）列中，本文采用上市公司環境治理信息披露質量IDQ1_env①和環境污染信息披露質量IDQ2_env②作為被解釋變量，具體數據來自國泰安環境研究專題數據庫。這兩個指標越高，說明環境信息披露質量越好。同時，鑒于被解釋變量含有大量0 值卻為非負整數，所以使用零膨脹泊松回歸。回歸結果顯示，交互項Treat×Post 的回歸系數顯著為負，表明綠色信貸政策實施后，重污染企業的環境信息披露質量發生了顯著的下降。這反映了綠色信貸政策通過降低重污染企業的環境信息披露質量，進而導致整體信息披露質量的下降。

表5 綠色信貸對重污染企業環境信息披露質量、壞消息隱藏、好壞消息靈敏度的影響

在（3）和（4）列中，本文借鑒許言等[24]和郭曉冬等[25]的做法，利用股價崩盤風險來衡量企業對壞消息的隱藏行為，（3）和（4）列的被解釋變量分別為NCSKEW 和DUVOL。回歸結果顯示，交互項Treat×Post的系數顯著為正，表明綠色信貸政策實施后，重污染企業的股價崩盤風險顯著上升。這反映了綠色信貸政策增加了重污染企業隱藏壞消息的動機。

在（5）和（6）列中，本文借鑒彭俞超等[26]的做法，按照Khan 等[19]的方法計算Cscore 和Gscore 指標。這兩個指標分別反映了企業會計盈余對壞消息和好消息的靈敏度，其中Cscore越高，說明企業會計盈余對壞消息的靈敏度越高，而Gscore越高，說明企業會計盈余對好消息的靈敏度越高。回歸結果顯示，在綠色信貸政策實施之后，重污染企業相應的Cscore指標顯著下降以及Gscore 指標顯著上升，說明綠色信貸政策實施促使這些重污染企業在會計處理上對壞消息披露的及時性下降，卻更加及時地披露好消息。這一發現更加直接地反映了綠色信貸政策增加了重污染企業隱藏壞消息的動機。

（三）穩健性檢驗

本文還進行了以下幾個方面的穩健性檢驗，篇幅有限未列示回歸結果，備索。

1.安慰劑檢驗

本文分別假定2009年和2007年為綠色信貸政策實施年份，比較2009年和2007年前后是否存在顯著差異。結果顯示，重污染企業和非重污染企業信息披露質量在2009年和2007 前后并未存在顯著差異。這為前文的研究發現提供了穩健的經驗證據。

2.平行趨勢檢驗

為檢驗雙重差分模型的適用性，即重污染企業和非重污染企業在政策實施之前是否滿足平行趨勢假說，本文在基準模型基礎上，加入是否為重污染企業的虛擬變量（Treat）分別與2008年、2009年、2010年以及2011年的年份虛擬變量的交乘項進行回歸。回歸結果顯示，Treat×Year2008、Treat×Year2009、Treat×Year2010 以及Treat×Year2011 的估計系數都不具備顯著性，而且數值相對較小，說明政策實施前重污染企業與非重污染企業在信息披露質量方面滿足平行趨勢，證明本文雙重差分模型具有適用性。此外，交互項Treat×Post 的回歸系數顯著為正，這說明綠色信貸政策確實降低了重污染企業的信息披露質量。

3.PSM+DID

考慮到政策可能存在的樣本選擇性內生性問題，本文采用逐年PSM方法對控制組樣本分別采用一對一無放回最近鄰匹配的傾向得分匹配方法進行樣本篩選，本文具體匹配估計的控制變量與基準模型保持一致，并基于匹配后的樣本進行回歸。實證模型回歸結果顯示交互項Treat×Post 的回歸系數都是顯著為正，與上文實證研究發現保持一致，這充分說明基準回歸結果具備穩健性。

4.樣本時間窗口選擇

為避免樣本選擇時間較長的問題，本文僅考慮綠色信貸政策實施前后三年的企業樣本，即將樣本數據控制在2009—2015年時間窗口區間。回歸結果中交互項的系數均顯著為正，這與前文的回歸結果保持一致。

5.更換被解釋變量指標

本文采用深圳證券交易所信息披露質量評級作為信息披露質量的測量指標，將“優秀”“良好”“及格”“不及格”分別取值4、3、2、1。以深交所信息披露評級作為被解釋變量。回歸結果中，交互項Treat×Post的回歸估計系數依然顯著為負，這與基準實證模型回歸結果保持一致。

6.更換處理組和工業企業樣本

本文借鑒蘇冬蔚等[1]對重污染行業的界定方法，根據工業二氧化硫排放量、工業煙（粉）塵排放量、工業廢水排放量和工業固體廢物量這四類污染排放量進行標準化加總，并將其中高于中位數的行業定義為重污染行業。然后對照上市公司按中國證監會細分的行業分類進行整理，將歸屬于重污染行業的企業定義為重污染企業（Treat1），并重新進行回歸估計。其中，各類污染物排放數據等來自歷年《中國環境統計年鑒》。更換處理組和工業企業樣本的回歸結果中交互項Treat1×Post 的回歸系數均顯著為正，回歸結果保持一致。

7.高污染城市企業與低污染城市企業的差異

蘇冬蔚等[1]實證研究發現，綠色信貸對高污染地區企業的融資抑制效應更大。參照該結論，本文推斷綠色信貸對重污染企業信息披露質量的影響在高污染地區影響更大。回歸結果發現，高污染城市企業樣本的交互項系數要明顯大于低污染城市。這說明綠色信貸政策實施后，位于高污染城市的企業信息披露質量下降程度更大。這一回歸結果與蘇冬蔚等[1]的實證結果相吻合。

（四）作用機制檢驗

1.融資動機

表6 列示了融資動機影響的實證模型回歸結果。本文采用SA指數來衡量企業融資約束程度，試圖反映企業融資動機的差異，根據SA指數的中位數將樣本劃分為融資約束高低兩組。

表6 融資動機的影響

在融資約束程度較高的企業中，（1）和（3）列中的交互項Treat×Post的系數分別為0.0127和0.0142，且至少在5%的水平上顯著，表明綠色信貸政策出臺后，融資約束程度較高的重污染企業的信息披露質量顯著更低。而在融資約束程度較低的企業中，（2）和（4）列中的交互項Treat×Post 的系數均不顯著，表明綠色信貸政策出臺對融資約束程度較低的重污染企業的信息披露質量并沒有顯著的影響。上述結果說明，綠色信貸政策所導致的重污染企業信息披露質量下降會受到企業融資約束程度差異的影響，從而間接驗證了前文所論述的融資動機機制。

2.競爭壓力

表7列示了競爭壓力影響的回歸結果。本文采用HHI 指數衡量行業競爭程度，并根據HHI 指數的中位數將樣本劃分為競爭壓力高低兩組，進而反映企業競爭壓力的差異。

表7 競爭壓力的影響

在行業競爭較高的企業中，（1）和（3）列中的交互項Treat×Post的系數分別為0.0301和0.0135，且至少在10%的水平上顯著，表明綠色信貸政策實施之后，行業競爭較高的重污染企業的信息披露質量顯著更低。而在行業競爭較低的企業中，（2）和（4）列中的交互項Treat×Post 的系數則均不顯著，這表明綠色信貸政策實施對行業競爭較低的重污染企業的信息披露質量并沒有顯著影響。上述實證結果說明，綠色信貸政策所導致的重污染企業信息披露質量下降會受到行業競爭壓力程度的影響，從而間接驗證了前文所論述的競爭壓力機制。

3.市值管理動機

在股權質押期間，控股股東面臨著因股價暴跌所持股份被強行平倉的風險[27]，為了規避可能的控制權轉移風險，上市公司管理者或控股股東在股權質押期間具有強烈的動機采取策略性信息披露的方式，通過隱藏壞消息而釋放好消息，即通過降低信息披露質量進行市值管理。因此，本文采用控股股東是否存在股權質押行為作為衡量市值管理動機的變量，存在股權質押行為則市值管理動機更強，否則動機較弱。

表8列示了市值管理動機影響的回歸結果。在控股股東存在股權質押的企業樣本中，（1）和（3）列中的交互項Treat×Post 的系數分別為0.0128 和0.0147，且至少在10%的水平上顯著，表明綠色信貸政策實施之后，控股股東存在股權質押的重污染企業的信息披露質量顯著更低。而在控股股東不存在股權質押的企業中，（2）和（4）列中的交互項Treat×Post 的系數則均不顯著，表明綠色信貸政策實施對控股股東存在股權質押的重污染企業的信息披露質量并沒有顯著影響。上述結果說明，綠色信貸政策所導致的重污染企業信息披露質量下降會受到市值管理動機的影響，從而間接驗證了前文所論述的市值管理動機機制。

表8 市值管理動機的影響

五、進一步討論

前文的回歸結果表明，綠色信貸政策誘發了重污染企業的策略性信息披露行為，本文進一步討論哪些因素能夠顯著抑制這一負面效應。已有研究發現，賣空機制和機構投資者持股具有顯著的公司治理優化作用[27，28]，所以本文試圖檢驗賣空機制和機構投資者持股這兩個方面是否能夠有效抑制重污染企業的這種策略性信息披露行為，從而為公司治理提供政策參考。

（一）賣空機制的作用

盡管重污染企業具有動機通過隱藏或延遲披露壞消息等方式來降低信息披露質量，但賣空機制可能使公司隱藏壞消息的這一動機被弱化。通常具有信息優勢的市場賣空者能夠有效甄別上市公司是否具有負面消息，如果管理者隱瞞壞消息，這樣的行為更容易被觀察到，導致公司面臨更高的訴訟和聲譽成本[27]。因此，資本市場賣空機制有助于抑制重污染企業隱藏壞消息的動機，從而提高信息披露質量。為了實證檢驗賣空機制對綠色信貸與重污染企業信息披露質量之間關系的影響，本文利用公司股票在樣本期內是否可以進行融券交易構建賣空樣本與非賣空樣本，并分別對這兩個樣本進行回歸估計。表9 列示了這一回歸結果。可以發現，交互項Treat×Post的回歸系數在賣空樣本中不具備顯著性，但在非賣空樣本中顯著為正，這說明賣空機制能夠有效抑制重污染企業的策略性信息披露行為。

表9 賣空機制的作用

（二）機構投資者的作用

機構投資者作為擁有監管優勢的股東，能夠通過參與公司的治理，有效改善公司信息披露質量。同時對比個人投資者而言，機構投資者更關注企業環境績效[28]，從而對重污染企業的環保信息披露質量提出更高要求。為了檢驗機構投資者的作用，本文基于機構投資者持股比例的中位數，將樣本分成機構投資者持股高樣本和機構投資者持股低樣本，并分別進行回歸估計。表10 列示了這一回歸結果。可以發現，交互項Treat×Post 的回歸系數在機構投資者持股高樣本中不具備顯著性，但在機構投資者持股低樣本中顯著為正，這說明機構投資者能夠有效抑制重污染企業的策略性信息披露行為。

表10 機構投資者的作用

六、研究結論與啟示

本文以2012年頒布的《綠色信貸指引》作為準自然實驗，構建雙重差分模型實證分析了綠色信貸政策實施對重污染企業信息披露質量的影響。首先，從基準實證回歸結果發現，相對于非重污染企業而言，綠色信貸政策實施之后，重污染企業信息披露質量顯著下降，即綠色信貸政策誘發了重污染企業策略性信息披露行為，并且這一影響僅存在于政府環境治理力度較小的地區。另外，重污染企業的策略性信息披露行為具體表現為環境披露信息質量的下降、壞消息的隱藏以及對好壞消息披露時機的策略性選擇。其次，分樣本檢驗發現，融資動機、競爭壓力和市值管理動機是重污染企業進行策略性信息披露行為的主要動機。最后，賣空機制以及機構投資者持股能夠有效抑制綠色信貸政策實施背景下重污染企業的這種策略性信息披露行為。本文研究有助于系統全面地認識綠色信貸對企業信息披露質量的影響，對全面科學評估我國綠色信貸政策的經濟效應、幫助了解我國綠色金融政策如何影響微觀企業行為具有重要意義。

本文研究的政策啟示如下：第一，綠色貸款政策必須結合更大力度的政府環境治理，才能更好發揮綠色貸款政策的積極效應；第二，證券部門應嚴格監管重污染上市公司的環境信息披露質量，避免上市公司通過降低環境信息披露質量來隱藏其負面信息，要充分發揮重污染上市公司治理機制的作用；第三，為了有效促進綠色信貸對實現碳達峰、碳中和目標的積極作用，綠色信貸部門應加強對貸款企業環保信息披露質量方面的審查，防止重污染企業掩飾和隱瞞環保信息的行為，方能提高綠色信貸配置效率。■

注 釋

①IDQ1_env 指標計算方法為環境業績與治理披露情況六個維度指標的加總。該數據展示了上市公司廢氣減排治理情況，廢水減排治理情況，粉塵、煙塵治理情況，固廢利用與處置情況，噪聲、光污染、輻射等治理，清潔生產實施情況的六個維度數據，其中指標0、1、2 分別表示無描述、定性描述和定量描述。

②IDQ2_env 指標計算方法為環境負債情況披露情況六個維度指標的加總。該數據展示了上市公司廢水排放量，COD 排放量，SO2 排放量，CO2 排放量，煙塵和粉塵排放量，工業固廢物產生量的六個維度數據，其中指標0、1、2 分別表示無描述、定性描述和定量描述。