基于改進PAC-DEA模型與灰色關聯度分析的中國生態福利績效研究

陸浩洋 侯茂章

摘要：自第26屆聯合國氣候變化大會召開以來，全球持續關注如何促進經濟綠色轉型和高質量發展，而這與生態福利績效的發展軌跡不謀而合。本文基于2008—2019年相關數據，通過構建生態福利績效評價體系，計算中國生態福利績效；從綠色信貸視角分析其存在的問題，通過構建相關計量模型與灰色關聯度分析探究了綠色信貸如何影響生態福利績效。結果表明，中國生態福利績效僅于2015—2016年達到相對最有效，生態福利績效與綠色信貸之間呈倒“U”型關系。因此，本文建議對綠色信貸體制進行適當調整，控制綠色信貸發放量，并將重心適當轉移至綠色保險與綠色債券等其他綠色金融產品上。

關鍵詞：生態福利績效；改進PAC-DEA模型；可持續發展；綠色經濟

中圖分類號：F832? ? ? ? ?文獻標識碼：A? ? ? ? 文章編號：1007-0753（2023）05-0065-10

一、引言

近年來，我國高度重視環境保護，將生態文明建設納入中國特色社會主義事業“五位一體”總體布局，大力推動綠色、低碳和可持續發展。在2021年11月舉辦的亞太經合組織工商領導人峰會上，習近平總書記強調，“綠色低碳轉型是系統性工程，必須統籌兼顧、整體推進”，他提出“要準確理解可持續發展理念，堅持以人民為中心，協調好經濟增長、民生保障、節能減排，在經濟發展中促進綠色轉型、在綠色轉型中實現更大發展”。在經濟發展中促進綠色轉型與生態福利績效的發展軌跡不謀而合。

什么是生態福利績效？臧漫丹等（2013）提出，依照綠色經濟理論，生態福利績效是福利的價值量和生態資源消耗實物量的比值，反映單位資源投入所帶來的福利提高程度。Dietz等（2012）將生態福利績效定義為出生時預期壽命與人均生態足跡的比值。諸大建和張帥（2014）采用人類發展指數與生態足跡之比量化生態福利績效。生態福利績效能夠展示社會福利、生態因素和經濟發展的變化，其所涉及的幾項指標均具備可得性、可比性和動態性。目前，生態福利績效的概念并未被廣泛普及，相關研究仍屬于起步階段，大部分文獻主要針對區域生態福利績效的評估與生態福利績效的影響因素，關于綠色信貸與生態福利績效之間的關系尚無定論，相關研究也不多。恰逢國內近幾年大力提倡發展以綠色信貸為主體的綠色金融（李若愚，2016），本文將創新性地探究我國生態福利績效發展水平，并研究綠色信貸與生態福利績效的關系，從理論與實證兩方面剖析其影響機理，以期為相關領域研究提供一個全新的視角。

二、文獻綜述與理論分析

（一）文獻綜述

1.生態福利績效的測算

目前關于生態福利績效的測算方式大致分為兩類：一類是基于社會福利與生態足跡的比值，包括諸大建和張帥（2014）提出的人類發展指數與生態足跡的比值以及Dietz（2012）提出的出生時預期壽命與生態足跡的比值；另一類是從投入與產出兩個角度構建生態福利績效評價體系。國內學者們大多關注評價模型的創新，如馮吉芳和袁健紅（2016）基于LMDI分解模型評價我國生態福利績效；龍亮軍等于2017與2019年先后提出了通過改進DEA模型以及兩階段Super-NSBM模型評價生態福利績效的方法；郭炳南和卜亞（2018）使用SBM超效率模型測算長江經濟帶城市生態福利績效；方時姣和肖權（2019）通過超效率DEA模型進行了我國生態福利績效的評價研究。在現有研究的基礎上，本文將采取改進PAC-DEA模型評價我國生態福利績效。

2.綠色信貸對生態福利績效的影響

臧漫丹等（2013）提出了生態福利績效的研究框架，如圖1所示，本文將依據此框架分析綠色信貸分別對社會福利與生態資源消耗的影響。

從社會福利的視角出發，生態福利績效反映了單位資源投入所帶來的福利提高程度，由于綠色信貸可以顯著促進地區綠色全要素生產率增長，推動經濟高質量發展，在消耗相同資源的情況下，社會福利顯著提高，生態福利績效迅速上升（劉傳江等，2023）。近期研究表明，在差異化能源結構的背景下，不同調控力度的綠色信貸會對社會福利產生差異性影響，當綠色信貸在政策最優度以內，其對社會福利有正向影響，但短期內如果超過政策的最優度，可能導致總產出下降，降低居民消費和就業率（馬理等，2023）。

從生態資源的角度出發，綠色信貸對其的影響可分為對資源、污染、綠色技術創新的影響。在資源方面，Cheng等（2022）提出，綠色信貸可以通過改善資源配置促進產業結構升級。有研究表明發展綠色金融可以改善生態環境質量，對資源使用、環境質量均有正向作用（Tang等，2022）。也有學者指出綠色信貸、環境監管、技術進步和產業結構對區域能源高效利用有一定影響，但信貸規模的影響不明顯（Song等，2021）。在污染方面，學者們大多認為綠色信貸能夠促進節能減排。修靜等（2015）指出，目前的綠色信貸規制措施有利于工業節能減排；馬妍妍和俞毛毛（2020）研究得出綠色信貸政策明顯減少了污染物的排放；張可等（2022）也發現綠色信貸對降低區域能源強度具有促進作用。類似發現在其他國家也同樣適用，例如在韓國，在綠色信貸政策下，制造商可以通過將其供應商的污染降低到理想的水平來創造額外的價值（Kang，2020）。在綠色技術創新方面，現有研究大多表明綠色信貸對綠色技術創新的影響具有異質性。例如，綠色信貸對環保企業技術創新具有顯著的促進作用（何凌云等，2019），但其對于重污染企業的技術創新具有顯著的抑制作用（田超和肖黎明，2021）；綠色信貸準則對國有企業和大型企業的綠色技術創新有明顯影響，但對非國有企業和小型企業的綠色技術創新沒有顯著影響（劉強等，2020）。還有學者認為，綠色信貸促進了綠色技術創新量的提升，而非質的提升（王馨和王營，2021）。

（二）理論分析與研究假設

國內外僅有少數學者對生態福利績效與綠色信貸之間的直接關系進行研究。Lu等（2022）運用傳統公式評價了國內生態福利績效，并發現綠色信貸與生態福利績效之間存在倒“U”型關系。

作為目前最主要的綠色金融產品，綠色信貸通過同時影響投入端和產出端對生態福利績效產生影響。在投入端方面，蘇冬蔚和連莉莉（2018）指出，綠色信貸會使重污染企業的債務成本顯著上升，且經營績效大幅下滑，對重污染企業具有顯著的融資懲罰效應和投資抑制效應。這種懲罰效應能夠有效控制重污染企業的規模，并促使其轉型升級，從而顯著抑制資源消耗。在產出端方面，謝婷婷和劉錦華（2019）的研究表明，綠色信貸投入直接促進了綠色產業發展，對于經濟增長具有顯著的正向作用，而經濟增長能夠顯著提高社會福利。綠色信貸在控制資源消耗的同時帶來了社會福利的提升，因此可以認為其能夠增加生態福利績效。

然而，這種影響可能并不是線性的。生產工作存在資源消耗的下限與技術突破的上限，以化石能源的使用為例，在綠色信貸發放的初級階段，由于其帶來的一系列正面效應，例如鼓勵綠色技術創新、促進經濟發展、懲罰重污染企業投資等；相關技術的不斷改進使得每一單位化石能源產生的經濟產出不斷提高；當經濟增長到一定階段，優質能源的存量越來越少，盡管技術還在不斷進步，但是每一單位越來越劣質的化石能源所帶來的經濟產出卻很難持續提高（Ayres，2008）。在這種情況下，社會福利不再隨著綠色信貸的發放而提升，但資源消耗卻存在一定下限，由此導致生態福利績效降低。

據此，本文提出假設：生態福利績效與綠色信貸之間存在倒“U”型關系。

三、指標構建、變量描述與數據來源

（一）被解釋變量

生態福利績效的本質是以最少的自然生態投入轉換獲得最大的福利水平產出，因此可以從投入和產出兩個角度進行評估。本文借鑒成金華等（2014）、潘興俠等（2013）、付麗娜等（2013）、陳傲（2008）等關于生態效率評價指標體系的研究成果，選取資源消耗和環境污染作為自然生態投入指標。由于主觀福利難以定量描述，產出指標僅通過客觀福利水平進行衡量。具體指標體系如表 1所示。

（二）核心解釋變量

本文的核心解釋變量為綠色信貸。目前，學術界對綠色信貸的衡量方式主要有四種，分別是綠色信貸余額、節能環保貸款項目余額、六大高耗能產業利息支出占比以及工業污染治理投資中的“銀行貸款”（謝婷婷和劉錦華，2019）。通過借鑒大部分學者的做法，以及考慮到數據的連續性和可獲得性，本文選取節能環保貸款項目余額來衡量綠色信貸，時間為2008—2019年①。

（三）控制變量

為了減輕遺漏變量帶來的研究估計誤差，本文借鑒相關研究，選取以下控制變量：城市發展水平（fdi），用城鎮人口占總人口比重衡量；政府規模（gov），用政府財政支出占GDP比重衡量；外商直接投資（ur），用實際利用外商直接投資總額衡量。

四、基于改進PAC-DEA模型評價中國生態福利績效

（一）數據的無量綱處理

由于各變量之間的差距過于懸殊，本文對上述變量進行無量綱處理。由于總體的最大值與最小值未知，采用z-score標準化處理方法，其公式如下。

其中，mean為樣本均值，sd為樣本標準差。

（二）改進PAC-DEA模型

1. 福利水平降維處理

本文將對兩類投入指標以及產出指標通過主成分分析進行降維處理。在進行主成分分析之前，需要對上述三類指標進行適用性檢驗，檢驗結果如表2所示。

從表2可以看出，資源消耗和環境污染的三個指標間相關度均不高（KMO值分別為0.472和0.281），意味著其均不符合要求，不適合進行主成分分析，可直接代入DEA模型。而福利水平的KMO值為0.703，大于0.6，且數據通過Bartlett 球形度檢驗（p＜0.05），滿足主成分分析的前提要求。

由表 3可知，主成分分析一共提取出1個主成分，特征根值均大于1，該主成分的方差解釋率和累積方差解釋率都是97.46%，說明這一個主成分可以表示3個指標97.46%的信息量。最后根據旋轉后的得分系數矩陣（見表4）通過加權求和得到一個綜合指標以替代原有的3個福利水平指標。

2. 基于改進PAC-DEA模型的實證分析

DEA為數據包絡分析的簡稱，是一種多指標投入和產出評價的研究方法。傳統DEA模型如 CCR和 BCC模型，是從徑向（投入和產出以等比例縮小或放大）和角度（投入或產出角度）兩個方面來測算效率的。表5、表6分別為CCR模型和BCC模型分析結果。

由表 5和表 6可知，無論是用CCR還是BCC模型，2009—2014年的生態福利績效均為“非DEA有效”，且兩個模型中每一年的綜合效益θ、松弛變量S-與松弛變量S+均一致，說明該模型十分穩健。其中松馳變量S-為“減少多少投入時達目標效率”；松馳變量S+為“增加多少產出時達目標效率”。2012年之前，松弛變量S-均為0，說明規模過小，產出并沒有達到合意的規模。根據國家統計局發布的數據，按當時美元匯率換算，2008年中國的GDP為45 320億美元，排名世界第三，與當時的世界第二經濟大國日本仍有一定的差距，這也直接說明我國在2012年之前并沒有達到最優產出。2008—2012是我國經濟快速發展時期，國家通過擴大規模增加效益，在2013年達到產出最優。但是我國前期經濟社會的快速發展在一定程度上是通過犧牲生態發展實現的，監測數據表明，對比2003年，2013年洞庭湖的劣五類水質占比增加到5%，達到相對峰值，這對應了2013—2014年存在的顯著過度投入（松弛變量S-分別為0.424與0.095）。根據CCR和BCC結果，生態福利績效在2015與2016年達到了相對最有效，說明我國在可持續發展方面取得了一定的進展。但2017年及以后的生態福利績效未達到DEA有效，可能是由于資源的過多投入以及較大規模的環境污染，說明節約資源與環境治理依舊任重而道遠。為了具體分析超投入與超產出指標，本文將進行冗余分析與產出不足分析。

表 7和表 8呈現了每個變量對應的松弛變量。由表 7可知，對于投入端，2013年開始出現投入冗余，總計冗余為0.424，其中人均工業廢水與廢氣的排放占比較大，分別為0.278和0.119。生態環境部統計數據表明，我國工業廢水排放量從2010年起出現下降，但是整體基數依舊較為龐大，僅有11.85%的地下水達到優良級水質。同時，我國霧霾現象嚴重，早在2012年，我國相關部門就開始采取相應措施，如將PM2.5納入空氣質量標準、實施《大氣污染防治行動計劃》等，然而2014年我國工業廢氣問題依然嚴峻，全國出現13場大范圍持續性霧霾過程，涉及11省份。2015年，霧霾問題得到改善，我國大范圍持續性霾過程次數直線下降，達到了0投入冗余。

2017年之后投入冗余處于波動狀態，存在“一年好、一年差”的情況，說明相關節能減排政策執行可能存在一定問題，實施過程中存在“一年松、一年緊”的現象。《2017全球碳預算報告》指出，2017年全球碳排放強勁回升，與此對應的是2017年的工業廢氣排放又開始存在冗余。并且隨著水資源的存量下降，人均用水量也逐漸成為導致生態福利績效較低的原因之一，與之對應的是2018與2019年的投入冗余，分別為0.667與0.789。

對于產出端，2012年之前，福利水平的綜合指標分別需要擴大2.950、2.511、1.756、0.961、0.475個單位的規模才能達到相對最高產出，其后松弛變量顯著降低，說明社會經濟、醫療與文化發展日趨穩定，我國經濟開始由高增長時期轉入平穩增長時期。根據國家統計局發布的數據，2013年，中國產業結構發生歷史性變化：第三產業增加值占國內生產總值比重達到46.1％，首次超過第二產業。國家信息中心經濟預測部專家評價指出，第三產業即服務業的發展壯大，不僅有利于吸納大量就業人口，而且對資源能源消耗較少，有利于節能減排，這對于提高經濟發展的質量和效益至關重要。

生態福利績效未達到有效的根本原因在于生產工作存在生態資源消耗下限，導致生態資源日益減少。同時，由于污染治理技術仍有進步空間，且部分技術費用較高難以普及，污染治理不到位，導致部分生態資源再生緩慢。過去經濟是“高投入、高污染、高產出”的粗放式發展，經濟轉型升級需要一定時間。

五、綠色信貸與生態福利績效的關系研究

（一）基準回歸分析

由上文可知，我國的生態福利績效尚存在一些問題，為此，本文從綠色信貸視角對生態福利績效進行進一步探索。借鑒Lu等（2022）、謝婷婷和劉錦華（2019）、劉大煒等（2021）等的研究，構建以下模型：

其中，EWP為生態福利績效，gc代表綠色信貸，control為控制變量，t為時間項，取平方是為了控制因變量的時間趨勢及非線性變化，ε為隨機誤差項。

考慮到生態福利績效值具備歸并數據特點，若采用 OLS 則會產生偏誤，本文采取Tobit模型進行回歸分析，結果如表9所示。

由表9可知，在1%的顯著性水平下，綠色信貸與生態福利績效之間存在顯著的倒“U”型關系，當綠色信貸超過一定規模后，生態福利績效呈下降趨勢。這與之前DEA分析所得出的結論也是相對應的，即生態福利績效存在“非DEA有效—DEA強有效—非DEA有效”的變化規律。“洗綠”行為可能是導致這一現狀的原因之一。綠色信貸在我國起步較晚，商業銀行之間綠色信貸發展水平差異嚴重，部分銀行對綠色信貸的認識還停留在表面。但為滿足“雙碳”要求，銀行可能會盲目發放綠色貸款，但在貸款發放過程中對綠色信貸客戶的環境風險評估不夠到位，同時統一的碳排放測算標準尚未建立，缺少衡量環境效益與風險的統一工具。企業可能利用此類漏洞申請綠色貸款，并在成功申請后繼續在生產經營中對生態進行破壞，導致生態福利績效反而有所下降。有研究也表明，綠色信貸政策的實施導致重污染企業的會計信息質量下降（秦海林和張歡，2023）。

（二）穩健性檢驗

本文將通過灰色關聯度分析進行穩健性檢驗。灰色關聯分析的第一步是確定原始數據參考序列和比較序列。

本文選取全國生態福利績效作為參考序列，2008—2019年各大商業銀行的綠色信貸數據作為比較序列，得出計算結果（見表10）。

由圖2可知，綠色信貸的發放量逐年遞增。而表10灰色關聯分析結果顯示，2014年之前，灰色關聯度與時間呈正相關，即生態福利績效隨著綠色信貸發放量的增加而提高；而2015—2019年間，生態福利績效逐漸降低，這說明生態福利績效與綠色信貸確實存在倒“U”型關系。同時，該結果與上述DEA模型結果也十分吻合，生態福利績效均在2014年達到最有效，說明本文的模型設計是合理且穩健的。

六、結論與建議

本文研究表明，在2008—2019年期間，僅2015—2016年生態福利績效達到相對DEA有效，我國生態福利績效呈倒“U”型發展，同時通過實證分析證明了綠色信貸與生態福利績效之間同樣存在倒“U”型關系。除此之外，2017年之后投入冗余處于波動狀態，存在“一年好、一年差”的情況，說明相關部門在政策執行上仍有不足，實施過程中存在“一年松、一年緊”的現象。基于上述研究結論，本文提出以下建議：

一是應持之以恒堅持綠色發展戰略，落實環境保護政策。政府需要加強生態文明建設頂層設計，將生態福利與官員業績掛鉤，建立健全生態環境保護責任追究制度和監督長效機制，以確保“綠色”政策的可持續實施。

二是金融機構需要合理制定綠色信貸原則，加強綠色審查，完善綠色金融網絡建設。由于目前信息溝通機制不夠健全，綠色信貸發展水平差異嚴重，銀行不宜為達到政策要求過度發放綠色信貸，而應當首先加強自身綠色信貸能力建設，完善綠色信貸管理系統，并適時培養和引進相關專業人才，避免“洗綠”行為的發生。此外還可以將重心逐漸轉移至其他綠色金融產品，比如綠色保險與綠色債券等。同時，由于環保類金融產品具有投資回報周期長、收益率低的特點，監管機構應為發放綠色信貸、進行綠色金融產品創新的金融機構提供政策支持。

三是利用綠色信貸促進企業轉型。為實現經濟高質量發展，在發放綠色信貸時應鼓勵重污染企業逐漸轉型為新能源企業。除此之外，對于重污染企業，還可以通過調整碳稅高效控制污染排放，實現良性管控。

注釋：

① 數據來源于平安銀行、寧波銀行、江陰銀行、張家港行、鄭州銀行、青島銀行、青農商行、蘇州銀行、浦發銀行、華夏銀行、民生銀行、招商銀行、無錫銀行、江蘇銀行、杭州銀行、西安銀行、南京銀行、渝農商行、常熟銀行、興業銀行、北京銀行、上海銀行、農業銀行、交通銀行、工商銀行、長沙銀行、郵儲銀行、光大銀行、成都銀行、紫金銀行、浙商銀行、建設銀行、中國銀行、貴陽銀行、中信銀行和蘇農銀行2008—2019年的社會責任報告、可持續發展報告和年報。

參考文獻：

[1] 臧漫丹，諸大建，劉國平.生態福利績效：概念、內涵及G20實證[J].中國人口·資源與環境，2013，23（05）：118-124.

[2] DIETZ T，ROSA E A，YORK R.Environmentally efficient? well-being：Is there a Kuznets curve？[J].Applied Geogra-? ?phy，2012，32（01）：21-28.

[3] 諸大建，張帥.生態福利績效及其與經濟增長的關系研究[J].中國人口·資源與環境，2014，24（09）：59-67.

[4]李若愚.我國綠色金融發展現狀及政策建議[J].宏觀經濟管理，2016（01）：58-60.

[5] 馮吉芳，袁健紅.中國區域生態福利績效及其影響因素[J].中國科技論壇，2016（03）：100-105.

[6]龍亮軍，王霞，郭兵.基于改進DEA模型的城市生態福利績效評價研究——以我國35個大中城市為例[J].自然資源學報，2017，32（04）：595-605.

[7] 龍亮軍，王霞.上海市生態福利績效評價研究[J].中國人口·資源與環境，2017，27（02）：84-92.

[8]龍亮軍.基于兩階段Super-NSBM模型的城市生態福利績效評價研究[J].中國人口·資源與環境，2019，29（07）：1-10.

[9] 郭炳南，卜亞.長江經濟帶城市生態福利績效評價及影響因素研究——以長江經濟帶110個城市為例[J].企業經濟，2018，37（08）：30-37.

[10]方時姣，肖權.中國區域生態福利績效水平及其空間效應研究[J].中國人口·資源與環境，2019，29（03）：1-10.

[11]劉傳江，張劭輝，李雪.綠色信貸對地區綠色全要素生產率的影響研究——基于中國省級面板數據的實證檢驗[J].南京社會科學，2023（03）：28-39.

[12]馬理，張人中，馬威，等.能源結構有序調整與綠色信貸政策調控[J].金融研究，2023，511（01）：94-112.

[13]CHENG Q Q，LAI X D，LIU Y Q，et al.The influence of green credit on China's industrial structure upgrade：Evidence from industrial sector panel data exploration[J].Environmental Science and Pollution Research，2022，29（15）：22 439-22 453.

[14] TANG M L， DING J N， KONG H J， et al. Influence of green finance on ecological environment quality in Yangtze River Delta[J]. International Journal of Environmental Research and Public Health，2022，19（17）：10 692．

[15] SONG M L，XIE Q J，SHEN Z Y.Impact of green credit on high-efficiency utilization of energy in China considering environmental constraints[J].Energy Policy，2021，153：112 267.

[16] 修靜，劉海英，臧曉強.綠色信貸、節能減排下的工業增長及預測研究[J].當代經濟科學，2015，37（03）：55-62+126.

[17] 馬妍妍，俞毛毛.綠色信貸能夠降低企業污染排放么？——基于雙重差分模型的實證檢驗[J].西南民族大學學報（人文社科版），2020，41（08）：116-127.

[18]張可，李語晨，趙錦楸.綠色信貸促進了節能減排嗎[J].財經科學，2022（01）：15-30.

[19] KANG H，JUNG S Y，LEE H.The impact of Green Credit? ?Policy on manufacturers' efforts to reduce suppliers'? ?pollution[J]. Journal of Cleaner Production，2020，248：? ?119 271.

[20]何凌云，梁宵，楊曉蕾，等.綠色信貸能促進環保企業技術創新嗎[J].金融經濟學研究，2019，34（05）：109-121.

[21]田超，肖黎明.綠色信貸會促進重污染企業技術創新嗎？——基于《綠色信貸指引》的準自然實驗[J].中國環境管理，2021，13（06）：90-97.

[22]劉強，王偉楠，陳恒宇.《綠色信貸指引》實施對重污染企業創新績效的影響研究[J].科研管理，2020，41（11）：100-112.

[23]王馨，王營.綠色信貸政策增進綠色創新研究[J].管理世界，2021，37（06）：173-188.

[24] LU H Y，TONG J，TANG Y J.Analysis of green credit and the ecological welfare performance based on empirical models and ARIMA（2，3，2）：Taking China as an example[J].Sustainability，2022，14（19）：11 919.

[25]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，2018，462（12）：123-137.

[26]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（09）：83-90.

[27] AYRES R U.Sustainability economics：Where do we stand [J].Ecological Economics，2008，67（02）：281—310.

[28]成金華，孫瓊，郭明晶，等.中國生態效率的區域差異及動態演化研究[J].中國人口·資源與環境，2014，? 24（01）：47-54.

[29]潘興俠，何宜慶，胡曉峰.區域生態效率評價及其空間計量分析[J].長江流域資源與環境，2013，22（05）：640-647.

[30] 付麗娜，陳曉紅，冷智花.基于超效率DEA模型的城市群生態效率研究——以長株潭“3+5”城市群為例[J].中國人口·資源與環境，2013，23（04）：169-175.

[31]陳傲.中國區域生態效率評價及影響因素實證分析——以2000—2006年省際數據為例[J].中國管理科學，2008，16（S1）：566-570.

[32]劉大煒，李先東，夏詠.綠色金融對生態福利績效的影響效應研究[J].金融與經濟，2021（09）：42-50.

[33]秦海林，張歡.綠色信貸政策會惡化會計信息質量嗎？——來自A股上市公司的證據[J].金融經濟，? 2023，560（02）：15-26.

（責任編輯：張艷妮/校對：曾向宇）