區域產業依存度能改變綠色信貸政策對企業創新效率的影響嗎？

王叢 董芳麟

摘要：綠色信貸政策作為提升創新效率、實現綠色發展的重要手段已由中央及各地政府落地實施，但其效果因受地區經濟發展水平、產業結構、產業依賴程度等因素的影響而差強人意。從區域產業依存度是否影響綠色信貸政策對企業創新效率的影響機理出發，以2015年的《能效信貸指引》為外生沖擊變量構造準自然實驗，選取2009—2020年A股上市企業為樣本，利用PSM方法進行分組，運用DDD方法檢驗綠色信貸政策對企業創新效率的影響，研究發現，綠色信貸政策會顯著提升重污染企業的創新效率，且對東部和中部地區企業影響更為明顯；進一步，利用區域產業依存度分組分析發現，較高的區域產業依存度會削弱綠色信貸政策的實施效果，且通過DEA分析發現該類企業存在一定程度的創新效率損失。因此，在推行綠色信貸政策時，需考慮區域產業依存度對貨幣政策傳導機制的影響，以保障提升發展效率，推進綠色發展速度，實現地區經濟高質量發展。

關鍵詞：綠色信貸政策；創新效率；區域產業依存度；PSM-DDD；DEA

中圖分類號：F832.4;F279.2

文獻標識碼：A

文章編號：1673-5595（2023）01-0044-10

一、引言

創新是一個民族進步的靈魂，黨的十九屆六中全會指出，堅持把創新作為引領發展的第一動力。企業是創新的重要力量，建設創新型國家離不開企業創新能力的提高，作為參與市場經濟的微觀個體，在面對競爭時除了提高創新能力，更應關注創新效率的提高。^［1］創新型企業的成長與發展、企業創新能力和創新效率的提高成為經濟轉型發展領域研究的關鍵問題。作為貨幣政策，綠色信貸政策通過提高重污染企業的融資成本或拒絕給重污染企業貸款的方式，促使重污染企業提高創新效率以實現轉型及綠色發展。從研究對象來看，區域產業依存度高的企業對地方經濟發展和稅收貢獻較大，是地方經濟發展的重要動力，理應成為地方創新發展、綠色發展的中堅力量，然而，從現階段研究成果來看，盡管區域產業依存度高的企業集中了地方優質研發資源，并具有較強的創新能力，但受經濟發展水平、產業政策、企業經營水平、創新激勵等因素的影響^［2］，其創新意愿及創新效率較其他類型企業仍存在較大差距。綠色信貸政策是否能切實提升區域產業依存度較高的企業的創新效率？政策實施過程中該類企業是否存在創新效率的損失？這些問題事關國家宏觀政策的部署、地區經濟發展模式的選擇和企業經營戰略的制定。區域產業依存度高的企業能否提高創新動力與創新效率，不僅關系到綠色信貸政策存在的合理性，還關系到國家經濟高質量發展的根本目標的實現。

二、文獻回顧與研究假設

（一）文獻回顧

對綠色信貸政策的研究經歷了從綠色信貸政策與經濟發展關系研究^［3］，到綠色信貸政策實施效果分析研究^［4］，再到綠色信貸政策對企業綠色發展作用的研究^［5］。首先，綠色信貸通過一定的金融資源配置手段能夠促進經濟的增長^［6］，并且在綠色信貸實施后期會促進企業綠色低碳技術的迭代升級^［7］；其次，對綠色信貸政策實施效果的研究發現，綠色信貸政策能夠顯著影響“兩高”企業的生產經營^［8］，進而促進企業轉型綠色發展^［9］；最后，綠色信貸政策對于綠色企業技術升級和融資水平提升均具有促進作用^［10］，且綠色信貸政策能夠加速重污染企業的轉型升級，為企業綠色發展增加新的助推力^［11］。綜上，綠色信貸政策效果研究大多是在宏觀上對綠色信貸政策與經濟發展關系的考察、在微觀上對企業創新以及融資影響的研究，缺少從宏觀過渡到微觀的解釋。

產業依存度的相關研究主要集中在兩個方面：第一，基于價值鏈的角度，經濟發展對外部市場和技術的依存度^［12］；第二，地區經濟發展對內部企業發展的依存度^［13］。關于價值鏈的角度主要是從宏觀上基于全球價值鏈重構的視角進行闡述，發展中國家處于價值鏈的底端環節，容易被“邊緣化”“替代化”。^［14］在區域產業依存度中，地區經濟的發展離不開企業的發展^［15］，對于地方政府來說，企業所得稅是稅收的重要來源，地區龍頭企業是招商的重要招牌，扶持好當地企業發展在一定程度上對提高區域競爭力有正向促進作用^［16］。綜上，關于產業依存度的研究主要是從國家間價值鏈競爭視角和地區經濟發展依賴某一項產業的視角，而關于單個企業對地區經濟發展影響的研究則較少。

（二）理論分析與假設的提出

作為宏觀經濟政策，貨幣政策具有一定的指示作用，會影響商業銀行的資產負債業務，進而影響企業的發展戰略。^［17］綠色信貸政策作為貨幣政策之一，通過增加污染企業的融資成本、提高融資企業準入門檻來促使企業轉型升級^［18］；同時綠色信貸政策還能增加企業在可再生能源方面的投資^［19］。根據“波特假說”，以經濟手段為主的環境規制會有效促進企業的創新能力。綠色信貸政策作為一種規制手段會顯著提升重污染企業的創新效率。^［20］綠色信貸限制了重污染企業的負債總額，企業為了健康發展，必定會提升創新效率，在資源有限的情況下加速綠色轉型發展。^［21］基于此，提出假設H1。

H1：綠色信貸會顯著提升重污染企業的創新效率。

中國經濟走向高質量發展階段，但是依然存在經濟發展不平衡、不充分的問題。^［22］在中觀層面上，不同地區的經濟發展水平、自然條件、產業政策甚至歷史因素都會對國家政策的實施效果產生不同的影響。^［23］宏觀經濟政策的變遷同樣影響著政策實施效果。國家政策的實行需要地方政府的助力^［24］，即使相同的國家政策，面對不同的地方政府也會產生不同的效果^［25］。所以貨幣政策不可大水漫灌^［26］，應該適當考察不同地區對于同一政策的反應。東部地區和中部地區經濟發展較為成熟，市場較為完善，對于政策的反應更加靈敏有效，而西部發展多依賴自然資源開發，產業單一且比重大，對政策反應不夠靈敏。^［27］相對于其他貨幣政策，綠色信貸政策中地方政府更易干預銀行對企業貸款，從而使綠色信貸政策效果大打折扣。基于此，提出假設H2。

H2：相較于西部重污染企業，東部和中部重污染企業對于綠色信貸政策更為敏感。

企業作為微觀個體，更加注重創新效率而非創新投入。不同的企業創新效率不同，創新投入高的企業創新產出并不一定高。^［28］企業行為既受到國家宏觀政策的影響，也受到地區產業政策的影響。綠色信貸政策的執行日漸深入，勢必會影響對重污染企業依存度高的地區的GDP。^［29］地方政府為了完成經濟發展的任務，會對該地區重污染企業實施懷柔政策，干預商業銀行存貸款行為，這必然會影響貨幣政策的實施效果。區域產業依存度高的產業多為地方大型支柱型產業，貢獻了地方高比例的稅收。對于大型重污染企業來說，受“大而不能倒”的影響，企業缺少提高創新效率的激勵。^［30］區域產業依存度高的企業更容易出現粗放式發展的情況。綠色政策能夠推進技術創新^［31］，同時區域產業依存度也能通過影響綠色信貸政策傳導路徑來影響企業的技術創新^［32］?；诖?，提出假設H3。

H3：區域產業依存度高的重污染企業相較于依存度低的重污染企業對綠色信貸政策更不敏感。

由于產業具有集聚效應和地區特色，所以國家在“十四五”規劃中劃定了產業集群。富有地方特色的產業集群是由許多相類似企業組成的，這些企業對地區經濟發展有較大貢獻。企業的綠色創新是我國綠色創新的重要組成部分，企業作為綠色創新的實踐者，通過增加綠色創新投入來促進綠色創新產出，而創新產出受創新效率的影響。企業創新效率的影響因素是多方面的，企業的自主研發意愿即為其中之一。^［23］與區域產業依存度低的企業相比，依存高的企業自主研發意愿不強，且存在資源詛咒效應，對外界政策反應不敏感，對內部改革意愿不強^［16］，因此存在一定的創新效率損失。基于此，提出假設H4。

H4：區域產業依存度高的重污染企業存在一定的創新效率損失。

三、研究設計

（一）樣本選擇和數據來源

綠色信貸政策最早出臺于2007年，但直至2013年出臺的《中國銀行業監督管理委員會關于報送綠色信貸統計表的通知》才表明綠色信貸政策落地。大多數學者認為2015年中國銀監會和國家發展改革委共同發布的《能效信貸指引》才表明綠色信貸政策得到銀行以及企業的正面反饋。有鑒于此，本文以2015年的《能效信貸指引》作為外生沖擊變量，檢驗綠色信貸政策下重污染企業和輕污染企業創新效率的差異。對于重污染企業和輕污染企業的界定，本文根據2012年證監會修訂的《上市公司行業分類指引》、環保部2008年公布的《上市企業環保核查行業分類管理名錄》認定的重污染行業標準，最終確定火電、鋼鐵、水泥、電解鋁、煤炭、冶金、建材、采礦、化工、石化、制藥、紡織、制革以及輕工中的釀造、造紙、發酵為重污染行業，其他行業為輕污染行業。

根據上述重污染行業和輕污染行業標準，本文選取了2010—2021年的A股上市公司為研究樣本，剔除研究樣本中解釋變量和被解釋變量缺失的數據，最終樣本量為8 089個；由于部分變量呈現右偏性質，將其取對數處理。為了降低選擇性偏誤，通過PSM對樣本進行匹配，以重污染企業為實驗組，以輕污染企業為觀察組，利用三重差分模型（DOD）進行分析。考慮到地區經濟差異等對綠色信貸政策作用機制會產生影響，本文將GDP高低作為處理變量引入模型，同時引入控制變量。此外，由于不同地區差異較為明顯，產業結構依存度也大為不同，為此本文樣本將分為東部、中部和西部地區進行異質性分析，再以區域產業依存度高低分組檢驗綠色信貸政策的實施效果，最后對企業的創新效率情況進行分析。樣本企業的財務數據均來源于萬德數據庫，區域產業依存度數據信息來源于各年的統計年鑒。

（二）變量定義

1.被解釋變量

現有文獻對創新效率衡量的指標分為兩類：無形資產增量（扣除土地使用權）與當年總資產的比值^［25］、專利申請總量與當年總資產的比值。對于企業來說，創新成果不一定都會轉化為專利權，考慮到創新活動存在周期長、成功率低、不確定性強等特征，無形資產（扣除土地使用權）的增長往往不連續且容易出現極端值，為了更直觀地體現企業創新效率水平，本文對無形資產的增量（扣除土地使用權）與總資產的比值取自然對數處理來表示創新效率，用Inno表示。

2.解釋變量

本文以《能效信貸指引》作為外生沖擊變量，分析綠色信貸政策對不同類型企業創新效率的影響。若樣本年度在2015年之前Time=0，反之Time=1。參照前文標準，若企業屬于重污染行業則 Treated=1，反之Treated=0。此外，地區經濟發展水平等差異會對政策作用機理產生調節性影響，為了便于計算，將GDP變量進行定性處理，將 GDP 大于等于中位數的地區定義為 1，GDP小于中位數的地區定義為0。為了考察在不同區域產業依存度下政策對企業創新效率的影響，本文以區域產業依存度高低將企業劃分為兩組，當區域污染水平大于等于全國中位數時，表明該地區對重污染產業具有較高依存度，此時WR=1，否則WR=0。

3.控制變量

Controls表示控制變量。參考已有關于企業創新的文獻，本文將財務杠桿（LEV）^［26］、企業規模（SIZE）、公司年齡（AGE） 、資產利潤率（ROA）^［27］、管理層持股比例（MH）^［28］、經營能力（SALE）、償債能力（Liquidity）^［29］、營業收入增長率（OGR） 及企業成長性（MB）^［30］、年份固定效應（YEAR）等作為控制變量。

所有變量的具體計算標準和方法如表1所示。

4.DEA模型變量的選取

（1）創新投入變量X1為研發中心數量。企業創新主要依靠其創新人才，鑒于研發人員數據可得性差且界定并不清晰，本文選擇研發中心代替創新人才變量，研發中心包含企業內部研發中心和與外界合作的研發中心。一般來講，研發中心數量多的企業，研發人員、研發設備多，研發投入強度大，但是考慮到研發中心有極值影響，本文用研發中心的數量加一的對數來表示創新投入變量X1。

（2）創新投入變量X2為研發資金投入?？紤]到不同規模、不同行業的企業對于研發的動機和需求不同，并且規模較小的企業在研發資金投入的數額上存在劣勢，本文采用研發費用與營業收入的比值來表示研發資金投入強度。

（3）創新產出變量Y1為專利申請數量。專利申請數量往往被當作衡量企業創新產出的重要指標，企業的專利申請價值往往會被轉化為無形資產或者創新產品給企業帶來的效益。規模較大的企業存在一定優勢，可以申請更多的專利進而帶來極值的影響，故本文采用專利申請數量的對數作為衡量創新產出的指標，即用專利申請數量加一的對數表示。

（4）創新產出變量Y2為創新產品指數。僅用專利表示創新產出有失偏頗，因為企業經營的很多無形資產并不一定需要通過專利的形式展現，而且專利轉化為經濟價值的能力也各不相同。創新產品帶來的營業收入的增加額可以從另一個方面展現企業創新產出能力。同樣考慮到規模帶來的極值問題，本文采用創新產品占比即新產品的營業額占總營業額的比值表示創新產品指數。

針對DEA分析，本文選取了六個典型行業：醫藥制造業、電子及通信設備制造業、電子計算機及辦公設備制造業、醫療設備及儀器儀表制造業、金屬非金屬業和航空航天器制造業。^［31］其中，醫藥制造業、醫療設備及儀器儀表制造業、金屬非金屬業為重污染行業，其余為輕污染行業；并根據區域產業依存度高低劃分為區域產業依存度高和區域產業依存度低兩組。為了簡化描述，本文將所選行業進行分類編號：航空航天器制造業編號為1，醫療設備及儀器制造業編號為2，金屬與非金屬業編號為3，醫藥制造業編號為，4，電子計算機及辦公設備制造業編號為5，電子及通信設備制造業編號為6。

（三）模型設定

僅通過普通差分方法分組會導致樣本選擇偏誤問題，為了避免此類問題，借鑒周楷唐等^［24］的PSM方法，以企業的行業分類為前提條件，將重污染企業與輕污染企業分組，再通過傾向得分值將實驗組與對照組匹配，引入GDP消除地區經濟差異對實驗結果的影響，最后通過DDD檢驗綠色信貸政策對于企業創新效率的影響。具體模型如下：

四、實證分析

（一）描述性統計

從表2的描述性統計結果來看，企業創新效率水平均值為0.003，標準差為0.033，說明企業創新效率較低，而且差異不大。區域產業依存度均值為29. 561，最大值為 122.587，最小值為 1.353，標準差為 20.530，說明區域產業依存度具有明顯地區差異。不同性質企業的融資能力不同，不同企業的管理層持股比例也有較大差異，故財務杠桿 、管理層持股比例的標準差較大，其他控制變量的分布基本處于合理范圍之內。

（二）相關性檢驗

表3分別運用Spearman和Pearson相關性分析方法，對本文模型中主要變量的相關系數進行了分析。從分析結果來看，除了財務杠桿和盈利能力、企業年齡和營業收入增長率、財務杠桿和營業收入增長率的相關性系數超過0.5外，其余變量兩兩之間的相關系數均未超過0.5。因此，本文以上述變量為基礎構建的模型基本滿足非多重共線性要求。

（三）PSM-DDD分析

表4報告了實驗組和對照組在綠色信貸政策沖擊下企業創新效率差異表現。從表 4檢驗結果來看，無論是全樣本還是PSM樣本，Treated×GDP×Post的系數在1%的水平下顯著為正。該結果表明，相較于輕污染企業，重污染企業的創新效率對綠色信貸政策的沖擊反應更為敏感。換而言之，隨著綠色信貸政策的普遍推行，相較于輕污染企業，重污染企業的危機意識更強，創新求變的執行力和效率更強。假設H1得以驗證。

表5報告了不同地區對于綠色信貸政策的反應。從表5中可以看出，東部和中部地區的重污染企業對綠色信貸政策更為敏感，西部地區重污染企業創新效率并未因綠色信貸政策發生明顯的改變。這意味著，綠色信貸政策的實施效果不均衡，在不同地區會產生不同的效果，這可能是由于東部和中部地區市場發展更完善，企業對于政策反應才更加敏感。假設H2得以驗證。

產業依存度是指地區經濟發展對企業的依賴程度，以區域產業依存度來分組更能體現綠色信貸政策對企業創新效率的異質性影響。從表6 回歸結果來看，不管是區域產業依存度高還是低，重污染企業的創新效率對綠色信貸政策均表現出更高的敏感度，但是區域產業依存度高的企業Treated×GDP×Post系數遠高于區域產業依存度低的企業。雖然區域產業依存度高和區域產業依存度低的重污染企業都會因為綠色信貸政策而提高創新效率，但是區域產業依存度低的企業的創新效率提高更為明顯，這表明區域產業依存度能夠改變綠色信貸政策的實施效果，假設H3得以驗證。

（四）DEA分析

為了分析區域產業依存度高的企業是否有創新效率的損失，本文將樣本分為區域產業依存度高地區的企業和區域產業依存度低地區的企業。運用DEA研究區域產業依存度高的重污染企業的創新效率的損失。根據M指數^［26］得出創新效率TPF=TC×EF=TC×PE×SC。

本文運用DEAP2.1軟件，采用以投入為導向規模報酬可變的指數模型來計算區域產業依存度高的企業和區域產業依存度低的企業的創新效率。由于高新技術行業與傳統行業相比創新效率更高，因此先采用分行業創新效率對六大行業中區域產業依存度高的企業與區域產業依存度低的企業的創新效率進行比較，再對全部行業平均創新效率進行總體比較，力求全面地分析企業創新效率。

區域產業依存度高與區域產業依存度低的六大行業2012—2021年的創新效率如表7所示，從中可以看出兩類企業的創新效率變化及其分解情況。計算可得：行業1中區域產業依存度高的企業平均創新效率為1.01，區域產業依存度低的企業創新效率為0.79；行業2中區域產業依存度高的企業平均創新效率為0.87，區域產業依存度低的企業創新效率為1.45；行業3中區域產業依存度高的企業平均創新效率為0.58，區域產業依存度低的企業創新效率為1.40；行業4中區域產業依存度高的企業平均創新效率為0.70，區域產業依存度低的企業創新效率為1.44；行業5中區域產業依存度高的企業平均創新效率為0.62，區域產業依存度低的企業創新效率為1.21；行業6中區域產業依存度高的企業平均創新效率為0.83，區域產業依存度低的企業創新效率為0.96。從分行業創新效率的比較結果來看，區域產業依存度高的企業的創新效率低于區域產業依存度低的企業的創新效率。

全行業2012—2021年的創新效率如表8所示。在全行業中，區域產業依存度高的企業平均創新效率為0.65，區域產業依存度低的企業的創新效率為1.49。對比發現，區域產業依存度高的企業創新效率較低，存在一定創新效率損失。

綜上所述，不論是分行業還是全部行業，除了航空航天器制造業外，區域產業依存度低的企業創新效率普遍高于區域產業依存度高的企業。航空航天器制造業由于其行業的特殊性，區域產業依存度低的企業往往形不成規模效應且在人力資源、資金以及市場占有率等方面具有一定的短板，導致區域產業依存度高的企業并無明顯的創新效率的損失，但是多數行業區域產業依存度高的企業存在創新效率的損失，假設H4得以證明。

（五）穩健性檢驗

考慮到變量選擇可能會影響結果的準確性，本文采用公司新增專利數量^［32］來代替Inno ，重新構建模型來檢驗綠色信貸政策對重污染企業創新效率的影響，具體模型如下：

其中，Patent用公司本年新增專利數量加一的對數表示。表9列出了更換變量后綠色信貸政策對重污染企業和輕污染企業創新效率的差異性影響。從回歸結果來看，Treated×GDP×Post的系數為正，并在 1%的水平下顯著，說明相較于輕污染企業，綠色信貸政策的確能夠更為顯著地促進重污染企業提升創新效率。該結果與前文得出的結論一致，表明本文假設的回歸檢驗結果是相對穩健的。

五、結語

本文研究發現，綠色信貸政策實施后，與輕污染企業相比，重污染企業的創新效率提升更為顯著；相較于西部地區，中部地區和東部地區企業的創新效率提升更為顯著；對于重污染行業依賴度低的省份，綠色信貸更能激發重污染企業的創新效率；區域產業依存度會影響綠色信貸的實施效果，不論是重污染行業還是輕污染行業，區域產業依存度高的企業存在一定程度的創新效率的損失。此外，從綠色信貸政策對企業創新效率的影響路徑來看，綠色信貸落地實施會惡化重污染企業的外部融資環境，加大其融資難度，提高其融資門檻。區域產業依存度作為衡量地區發展對于重污染企業的依賴程度的指標，可以更好地解釋為何地方政府對地方龍頭企業特殊支持以緩解綠色發展給其帶來的壓力。當政府依賴重污染企業來帶動經濟發展時，重污染企業就缺少了綠色創新的激勵，影響其創新效率，進而影響綠色信貸的實施效果。

在碳達峰、碳中和的關鍵時期，綠色信貸政策在激勵污染企業轉型、提升創新效率方面發揮著不可磨滅的作用。綠色信貸政策作為一種貨幣政策，其傳導受到多種因素的影響，區域產業依存度可以衡量地方政府對貨幣政策的影響，具體表現在地方政府對于拉動地方GDP增長的企業的扶持影響了綠色信貸政策的實施效果。因此國家在制定貨幣政策時，應該考慮區域產業依存度對貨幣政策傳導機制的影響，積極引導區域產業依存度高的污染企業創新轉型。

參考文獻：

［1］ 張媛媛，袁奮強，陳利馥.區域產業依存度能改變綠色信貸政策對企業創新投資的影響嗎——來自準自然實驗的證據［J］.宏觀經濟研究，2021（3）：120-135.

［2］ Zhang Kexian，Wang Yan，Huang Zimei. Do the Green Credit Guidelines Affect Renewable Energy Investment？ Empirical Research from China［J］. Sustainability，2021，13（16）：1-18.

［3］ Zhang Shengling，Wu Zihao，He Yinan，et al. How Does the Green Credit Policy Affect the Technological Innovation of Enterprises？ Evidence from China［J］. Energy Economics，2022，113：106236.

［4］ 楊柳勇，張澤野.綠色信貸政策對企業綠色創新的影響［J］.科學學研究，2022，40（2）：345-356.

［5］ 孫焱林，施博書.綠色信貸政策對企業創新的影響——基于PSM-DID模型的實證研究［J］.生態經濟，2019，35（7）：87-91.

［6］ 岑聰.經濟制度變遷與區域創新效率差距——來自中國省級層面的經驗證據［J］.調研世界，2021（9）：48-57.

［7］ 姬新龍，楊釗.基于PSM-DID和SCM的碳交易減排效應及地區差異分析［J］.統計與決策，2021，37（17）：154-158.

［8］ 冉征，鄭江淮.創新能力與地區經濟高質量發展——基于技術差異視角的分析［J］.上海經濟研究，2021（4）：84-99.

［9］ Xu Yaodong，Zhang Yao，Lu Ying，et al. The Evolution Rule of Green Innovation Efficiency and its Convergence of Industrial Enterprises in China［J］. Environmental Science and Pollution Research International，2022，29（2）： 2894-2910.

［10］ 段軍山，莊旭東.銀行承擔社會責任對其競爭力的影響研究——基于銀行服務的“質”與“量”中介視角［J］.金融論壇，2021，26（4）：22-32.

［11］ Zhang Shengling，Wu Zihao，Wang Yao，et al. Fostering Green Development with Green Finance： An Empirical Study on the Environmental Effect of Green Credit Policy in China［J］. Journal of Environmental Management，2021，296： 113159.

［12］ 胡元木.技術獨立董事可以提高R&D產出效率嗎？——來自中國證券市場的研究［J］.南開管理評論，2012，15（2）：136-142.

［13］ 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.

［14］ 李政，陸寅宏.國有企業真的缺乏創新能力嗎——基于上市公司所有權性質與創新績效的實證分析與比較［J］.經濟理論與經濟管理，2014（2）：27-38.

［15］ 韓科振.綠色金融發展與綠色技術創新效率關系研究——基于空間溢出視角的實證分析［J］.價格理論與實踐，2020（4）：144-147.

［16］ Ke Haiqian， Dai Shangze， Yu Haichao. Effect of Green Innovation Efficiency on Ecological Footprint in 283 Chinese Cities from 2008 to 2018［J］. Environment， Development and Sustainability，2022（2）：24.

［17］ 李新功，朱艷平.綠色信貸政策對重污染企業債務成本的影響——基于PSM-DID模型的實證研究［J］.會計之友，2021（3）：41-47.

［18］ 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.

［19］ 安同良，周紹東，皮建才.R&D補貼對中國企業自主創新的激勵效應［J］.經濟研究，2009，44（10）：87-98.

［20］ 連莉莉.綠色信貸影響企業債務融資成本嗎？——基于綠色企業與“兩高”企業的對比研究［J］.金融經濟學研究，2015，30（5）：83-93.

［21］ 董曉慶，趙堅，袁朋偉.國有企業創新效率損失研究［J］.中國工業經濟，2014（2）：97-108.

［22］ 尹美群，盛磊，李文博.高管激勵、創新投入與公司績效——基于內生性視角的分行業實證研究［J］.南開管理評論，2018，21（1）：109-117.

［23］ 黎文靖，鄭曼妮.通貨膨脹預期、企業成長性與企業投資［J］.統計研究，2016，33（5）：34-42.

［24］ 周楷唐，麻志明，吳聯生.高管學術經歷與公司債務融資成本［J］.經濟研究，2017，52（7）：169-183.

［25］ Bresciani Stefano，Puertas Rosa，Ferraris Alberto，et al. Innovation， Environmental Sustainability and Economic Development： DEA-Bootstrap and Multilevel Analysis to Compare two Regions［J］. Technological Forecasting & Social Change，2021，172：121040.

［26］ Yao Shouyu，Pan Yuying，Sensoy Ahmet，et al. Green Credit Policy and Firm Performance： What We Learn from China［J］. Energy Economics，2021，101：105415.

［27］ Wang Song，Wang Jiexin，Wei Chenqi，et al. Collaborative Innovation Efficiency： From within Cities to between Cities—Empirical Analysis based on Innovative Cities in China［J］. Growth and Change，2021，52（3）：1330-1360.

［28］ 趙娜.綠色信貸是否促進了區域綠色技術創新？——基于地區綠色專利數據［J］.經濟問題，2021（6）：33-39.

［29］ Wang Yanli，Lei Xiaodong，Zhao Dongxiao，et al. The Dual Impacts of Green Credit on Economy and Environment： Evidence from China［J］. Sustainability，2021，13（8）：4574.

［30］ 顧露露，蔡良，雷悅.家族治理、所有權變更與企業創新——基于中國家族企業的實證研究［J］.管理科學，2017，30（2）：39-53.

［31］ 丁寧，任亦儂，左穎.綠色信貸政策得不償失還是得償所愿？——基于資源配置視角的PSM-DID～1成本效率分析［J］.金融研究，2020（4）：112-130.

［32］ 王鳳榮，王康仕.“綠色”政策與綠色金融配置效率——基于中國制造業上市公司的實證研究［J］.財經科學，2018（5）：1-14.

責任編輯：曲 紅

Can Regional Industrial Dependence Bring About the Change Impact of

Green Credit Policy on Corporate Innovation Efficiency？

WANG Cong， DONG Fanglin

（School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China）

Abstract： The green credit policy has been implemented by the central and local governments as an important means to increase efficiency through innovation and promote green development， resulting in less-than desirable expectations due to regional economic development level， industrial structure， industrial dependence and other factors. The study has been conducted by considering the mechanism of whether the regional industrial dependence affects the change impact of green credit policy， constructing a quasi-natural experiment with the 2015 Energy Efficiency Credit Guidelines as exogenous impact variables， selecting the A-share listed enterprises from 2009—2020 as samples， using the PSM method for grouping， and the DDD method to test the change impact. Here are results.

The green credit policy will significantly improve the innovation efficiency of heavily polluting enterprises with more appreciable impacts on enterprises in the eastern and central regions. The grouping analysis of regional industrial dependence suggest that higher regional industrial dependence will weaken the effect of green credit policy with certain degree of innovation efficiency loss through DEA analysis. It follows that the green credit policy entails taking into account the change impact of regional industrial dependence on the transmission mechanism of monetary policy to enhance development efficiency， promote green development and boost regional high-quality economic development.

Key words： green credit policy； innovation efficiency； regional industry dependence； PSM-DDD； DEA