綠色信貸政策提升重污染企業(yè)綠色全要素生產(chǎn)率了嗎？

楊琴 楊世峰

摘?要：本文以銀監(jiān)會(huì)2012年發(fā)布的《綠色信貸指引》為基礎(chǔ)，運(yùn)用SBM方向距離函數(shù)和GML指數(shù)評(píng)估了2010—2019年我國(guó)上市公司的綠色全要素生產(chǎn)率，并通過(guò)雙重差分法（DID）探究了綠色信貸政策對(duì)我國(guó)上市公司重度污染企業(yè)綠色全要素生產(chǎn)率的影響。結(jié)果表明，綠色信貸政策對(duì)提高重污染企業(yè)的綠色效率有積極作用，但同時(shí)對(duì)重污染企業(yè)的綠色技術(shù)進(jìn)步率產(chǎn)生顯著負(fù)面影響，最終導(dǎo)致了重污染企業(yè)的綠色全要素生產(chǎn)率顯著下降。進(jìn)一步對(duì)企業(yè)股權(quán)性質(zhì)和地區(qū)經(jīng)濟(jì)發(fā)展水平進(jìn)行分組研究后發(fā)現(xiàn)，非國(guó)有企業(yè)和位于東部地區(qū)的企業(yè)受到綠色信貸政策影響的程度更大。

關(guān)鍵詞：綠色信貸政策；綠色全要素生產(chǎn)率；雙重差分法；綠色金融

一、?引言

近年來(lái)，全球范圍內(nèi)的環(huán)境污染日益嚴(yán)重，成為制約可持續(xù)發(fā)展的重要因素。尤其在我國(guó)，長(zhǎng)期大規(guī)模工業(yè)化和城市化進(jìn)程中未能有效控制污染物排放，導(dǎo)致許多地區(qū)空氣、水、土壤等環(huán)境污染嚴(yán)重，不僅影響人民生活，也給經(jīng)濟(jì)發(fā)展帶來(lái)負(fù)面影響。為了應(yīng)對(duì)環(huán)境問(wèn)題，政府采取了一系列政策措施，其中綠色信貸政策作為一種環(huán)境金融工具被廣泛關(guān)注和采用。綠色信貸政策是指通過(guò)鼓勵(lì)和引導(dǎo)金融機(jī)構(gòu)向符合環(huán)保標(biāo)準(zhǔn)的企業(yè)提供低利率、優(yōu)惠抵押等金融服務(wù)，以促進(jìn)綠色經(jīng)濟(jì)發(fā)展和環(huán)境治理。因此，深入研究綠色信貸政策對(duì)于企業(yè)的綠色全要素生產(chǎn)率的影響，對(duì)于加強(qiáng)環(huán)境治理、促進(jìn)綠色經(jīng)濟(jì)發(fā)展、實(shí)現(xiàn)可持續(xù)發(fā)展具有重要的理論和實(shí)踐意義。此外，研究結(jié)果可以為政府部門提供決策參考，優(yōu)化綠色金融政策，加強(qiáng)金融機(jī)構(gòu)對(duì)環(huán)保企業(yè)的支持，推動(dòng)可持續(xù)發(fā)展。

目前大部分研究集中在探討綠色信貸政策的實(shí)施途徑、綠色信貸政策實(shí)施效應(yīng)以及綠色信貸政策的實(shí)施對(duì)企業(yè)投融資行為、企業(yè)綠色創(chuàng)新以及企業(yè)資源配置等的影響。綠色全要素生產(chǎn)率的提升是促進(jìn)經(jīng)濟(jì)綠色發(fā)展的重要途徑，卻鮮有文獻(xiàn)研究綠色信貸政策對(duì)企業(yè)綠色全要素生產(chǎn)率的影響。鑒于此，本文以《綠色信貸指引》政策的頒布作為一個(gè)準(zhǔn)自然實(shí)驗(yàn)，以2010—2019年我國(guó)上市公司的數(shù)據(jù)為樣本，運(yùn)用雙重差分方法，旨在探究綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響，并為進(jìn)一步優(yōu)化綠色金融改革路徑提供理論依據(jù)和實(shí)證數(shù)據(jù)支持。

二、文獻(xiàn)綜述

（一）綠色全要素生產(chǎn)率的測(cè)算和影響因素

第一，綠色全要素生產(chǎn)率的測(cè)算。測(cè)算綠色全要素生產(chǎn)率可以采用多種方法，包括代數(shù)指數(shù)法、索羅余值法、隨機(jī)前沿生產(chǎn)函數(shù)法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）。目前，眾多學(xué)者運(yùn)用數(shù)據(jù)包絡(luò)分析法測(cè)算綠色全要素生產(chǎn)率，Banker等（1984）最先提出了數(shù)據(jù)包絡(luò)分析法，結(jié)合DEA和Malmquist指數(shù)，可以將綠色全要素生產(chǎn)率分解為綠色效率和綠色技術(shù)進(jìn)步率。因此，可以從綠色效率和綠色技術(shù)進(jìn)步率這兩個(gè)方面來(lái)解釋企業(yè)綠色全要素生產(chǎn)率的提高途徑。陳超凡（2016）利用方向性距離函數(shù)和ML生產(chǎn)率指數(shù)的方法測(cè)算工業(yè)綠色全要素生產(chǎn)率，方法是基于假設(shè)基期的綠色全要素生產(chǎn)率為1，然后通過(guò)計(jì)算每一年的Malmquist指數(shù)，將其乘以基期的綠色全要素生產(chǎn)率的值，以此推導(dǎo)出每一期的綠色全要素生產(chǎn)率。蔡烏趕和周小亮（2017）、劉和旺和左文婷（2016）分別運(yùn)用EBM-DDF模型、SBM（Slacked-Based?Measure）方向距離函數(shù)結(jié)合ML指數(shù)，計(jì)算并分析了中國(guó)省級(jí)綠色全要素生產(chǎn)率。馮嚴(yán)超等（2021）采用SBM模型結(jié)合ML指數(shù)的方法，對(duì)中國(guó)各省（自治區(qū)、直轄市）的綠色全要素生產(chǎn)率進(jìn)行了測(cè)量和分析。孫冬營(yíng)等（2021）則利用非期望產(chǎn)出的SBM模型，測(cè)量了長(zhǎng)三角城市群中26個(gè)工業(yè)企業(yè)在2009—2018年的綠色全要素生產(chǎn)率。劉傳江等（2022）使用SBM-GML指數(shù)模型，對(duì)中國(guó)39個(gè)工業(yè)行業(yè)在2003—2018年的綠色全要素生產(chǎn)率進(jìn)行了測(cè)算，并將其分解為綠色技術(shù)進(jìn)步率和綠色效率兩個(gè)指標(biāo)。第二，綠色全要素生產(chǎn)率的影響因素。佘碩等（2020）通過(guò)對(duì)中國(guó)地級(jí)市的綠色全要素生產(chǎn)率進(jìn)行探究，發(fā)現(xiàn)該指標(biāo)受到技術(shù)創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)的影響。萬(wàn)倫來(lái)和朱琴（2013）基于我國(guó)工業(yè)1999—2010年的數(shù)據(jù)研究發(fā)現(xiàn)，研發(fā)投入顯著提升了企業(yè)的綠色全要素生產(chǎn)率。陳超凡（2016）研究發(fā)現(xiàn)技術(shù)水平、產(chǎn)權(quán)結(jié)構(gòu)、環(huán)境規(guī)制和外商投資會(huì)顯著影響工業(yè)綠色全要素生產(chǎn)率。尹子擘等（2021）的研究表明，綠色金融的發(fā)展水平對(duì)綠色全要素生產(chǎn)率有顯著影響。周曉輝等（2021）、程文先和錢學(xué)鋒（2021）的研究表明，數(shù)字經(jīng)濟(jì)的發(fā)展可以提高綠色全要素生產(chǎn)率。蘇科和周超（2021）的研究則使用長(zhǎng)江經(jīng)濟(jì)帶103個(gè)城市的面板數(shù)據(jù)，發(fā)現(xiàn)人力資本和科技創(chuàng)新對(duì)綠色全要素生產(chǎn)率有顯著的正向影響。

中國(guó)證券期貨2023年8月

第4期綠色信貸政策提升重污染企業(yè)綠色全要素生產(chǎn)率了嗎？

（二）綠色信貸政策實(shí)施效應(yīng)

研究綠色信貸政策實(shí)施效果的角度有兩個(gè)。第一個(gè)方面是從銀行角度出發(fā)，King和Levine（1993）以及Cilliers等（2012）的研究表明，實(shí)施綠色信貸政策不僅能夠促進(jìn)商業(yè)銀行的競(jìng)爭(zhēng)力和綠色可持續(xù)發(fā)展，而且還能提高商業(yè)銀行的經(jīng)營(yíng)績(jī)效。通過(guò)設(shè)置綠色信貸門檻，有效降低了商業(yè)銀行的貸款風(fēng)險(xiǎn)。也有學(xué)者表示綠色信貸政策的實(shí)施會(huì)抑制商業(yè)銀行的發(fā)展，增加商業(yè)銀行的業(yè)務(wù)成本和管理費(fèi)用，進(jìn)而降低商業(yè)銀行的經(jīng)營(yíng)績(jī)效，從而抑制銀行發(fā)展（胡榮才等，2016）。第二個(gè)方面是從企業(yè)角度出發(fā)，有一些學(xué)者認(rèn)為綠色信貸政策的實(shí)施可以促進(jìn)重污染企業(yè)的發(fā)展。例如，Cowan（1998）認(rèn)為，通過(guò)完善金融資源，綠色信貸政策能夠降低環(huán)保型企業(yè)的融資成本，從而促進(jìn)企業(yè)技術(shù)創(chuàng)新，改善生態(tài)環(huán)境。然而，大多數(shù)學(xué)者認(rèn)為綠色信貸政策的實(shí)施會(huì)抑制重污染企業(yè)的發(fā)展，如劉海英（2017）、王康仕等（2019）和王保輝（2019）研究表明，綠色信貸政策加大了污染性企業(yè)借款的難度，綠色信貸政策的實(shí)施會(huì)對(duì)高污染、高耗能企業(yè)的融資造成限制，使得這些企業(yè)籌集資金更加困難和昂貴。丁杰（2019）的研究表明，這種限制會(huì)降低重污染企業(yè)的資金分配效率，從而阻礙其技術(shù)創(chuàng)新的提升。蘇冬蔚和連莉莉（2018）、陳幸幸等（2019）以及陳琪（2019）使用DID模型進(jìn)行實(shí)證檢驗(yàn)，發(fā)現(xiàn)綠色信貸政策的實(shí)施對(duì)重污染企業(yè)造成了一定程度的信貸約束，并影響企業(yè)投資決策和商業(yè)信用，進(jìn)一步惡化了高耗能、高污染企業(yè)的經(jīng)營(yíng)狀況。

目前，大多數(shù)研究集中在探討綠色信貸政策的實(shí)施方法、效果以及對(duì)企業(yè)投融資行為、綠色創(chuàng)新和資源配置的影響等方面。但是，提高綠色全要素生產(chǎn)率是促進(jìn)經(jīng)濟(jì)綠色發(fā)展的重要途徑，卻鮮有文獻(xiàn)研究綠色信貸政策對(duì)企業(yè)綠色全要素生產(chǎn)率的影響。因此，本文旨在探究綠色信貸政策對(duì)重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生的影響。為了實(shí)現(xiàn)這一目標(biāo)，我們將以《綠色信貸指引》政策的頒布為準(zhǔn)自然實(shí)驗(yàn)，采用2010—2019年我國(guó)上市公司數(shù)據(jù)進(jìn)行雙重差分分析。研究的目的是為綠色金融改革路徑的優(yōu)化提供理論依據(jù)和數(shù)據(jù)支持。

三、理論分析與研究假設(shè)

（一）綠色信貸政策與重污染企業(yè)綠色全要素生產(chǎn)率

綠色全要素生產(chǎn)率（GTFP）可以分解為綠色技術(shù)進(jìn)步率（GTC）和綠色效率（GEC）。綠色信貸政策通過(guò)影響綠色技術(shù)進(jìn)步率和綠色效率進(jìn)而影響綠色全要素生產(chǎn)率。

1綠色信貸政策對(duì)重污染企業(yè)綠色技術(shù)進(jìn)步率的影響

第一，綠色信貸政策通過(guò)信貸約束效應(yīng)降低重污染企業(yè)的綠色技術(shù)進(jìn)步率，根據(jù)蘇冬蔚和連莉莉（2018）、丁杰（2019）以及張小可和葛晶（2021）的研究，綠色信貸政策的實(shí)施對(duì)重污染企業(yè)獲得信貸融資的難度造成了影響，主要是由于該政策改變了信貸來(lái)源。丁杰和胡蓉（2020）的研究進(jìn)一步發(fā)現(xiàn)，該政策限制了重污染企業(yè)的信貸融資能力，尤其對(duì)長(zhǎng)期信貸融資的抑制效果更為明顯。第二，綠色信貸政策通過(guò)成本效應(yīng)降低了重污染企業(yè)的綠色技術(shù)進(jìn)步率，綠色信貸政策要求銀行在給重污染企業(yè)進(jìn)行綠色信貸時(shí)將企業(yè)的環(huán)境保護(hù)情況作為準(zhǔn)入門檻，因此，為了能夠獲得綠色信貸，企業(yè)將會(huì)投入更多的資源用于減少污染物的排放，減少企業(yè)用于創(chuàng)新研發(fā)的資金（陸菁等，2021）；同樣，蔡海靜和周施（2022）也發(fā)現(xiàn)在綠色信貸政策下，商業(yè)銀行將企業(yè)環(huán)保狀況作為審批貸款的必備條件之一，通過(guò)高貸款成本和高貸款門檻等條件抑制信貸資源向“兩高”企業(yè)流動(dòng)，從而形成融資約束，阻礙其發(fā)展。第三，綠色信貸政策通過(guò)信息傳遞效應(yīng)降低重污染企業(yè)的綠色技術(shù)進(jìn)步率，根據(jù)于波（2021）的研究，綠色信貸政策具有信息傳遞效應(yīng)，銀行在做出決策時(shí)會(huì)綜合考慮企業(yè)的環(huán)境風(fēng)險(xiǎn)和持續(xù)經(jīng)營(yíng)風(fēng)險(xiǎn)，從而減少了對(duì)重污染企業(yè)的商業(yè)信用供應(yīng)。這導(dǎo)致了這些企業(yè)在綠色技術(shù)創(chuàng)新方面的進(jìn)步率降低。基于上述分析，本文提出研究假設(shè)1。

假設(shè)1：綠色信貸政策的實(shí)施會(huì)降低重污染企業(yè)的綠色技術(shù)進(jìn)步率。

2綠色信貸政策對(duì)重污染企業(yè)綠色效率的影響

綠色信貸政策通過(guò)市場(chǎng)選擇效應(yīng)、市場(chǎng)份額效應(yīng)和企業(yè)金融資源配置效應(yīng)的作用，對(duì)企業(yè)資源配置效率產(chǎn)生影響，從而影響綠色效率。第一，綠色信貸政策通過(guò)市場(chǎng)選擇效應(yīng)提高重污染企業(yè)的綠色效率，宋馬林和金培振（2016）認(rèn)為由環(huán)境污染的負(fù)外部性造成的排污、治污的成本由整個(gè)社會(huì)承擔(dān)，這樣企業(yè)變相降低了生產(chǎn)成本。生產(chǎn)率越低的企業(yè)承擔(dān)的社會(huì)責(zé)任越少，越可能以較低成本獲得更多的市場(chǎng)生存機(jī)會(huì)。第二，綠色信貸政策通過(guò)市場(chǎng)份額效應(yīng)提高了重污染企業(yè)的綠色效率，張小可和葛晶（2021）提出，綠色信貸政策是一種重要的實(shí)施主體，其作用主要有兩種方式：首先，該政策緩解了那些盡管盈利高但受信貸歧視的企業(yè)的信貸約束，讓它們獲得更多信貸支持；其次，銀行在履行債權(quán)人監(jiān)督職責(zé)的同時(shí)，對(duì)企業(yè)的資源使用和運(yùn)營(yíng)情況進(jìn)行更嚴(yán)格的監(jiān)督，從而促進(jìn)高生產(chǎn)率企業(yè)擴(kuò)大市場(chǎng)份額，提高資源配置效率。總體而言，綠色信貸政策發(fā)揮著至關(guān)重要的作用。第三，綠色信貸政策通過(guò)企業(yè)金融資源的配置效應(yīng)提高重污染企業(yè)的綠色效率，王艷麗等（2021）基于企業(yè)金融資源配置視角，發(fā)現(xiàn)綠色信貸政策有助于提高重污染企業(yè)的投資效率，進(jìn)而提高重污染企業(yè)的綠色效率。基于上述分析，本文提出研究假設(shè)2。

假設(shè)2：綠色信貸政策會(huì)提高重污染企業(yè)的綠色效率。

3綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響

綠色信貸政策對(duì)重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生了相反的影響：一方面，該政策通過(guò)信貸約束效應(yīng)、成本效應(yīng)和信息傳遞效應(yīng)降低了這些企業(yè)的綠色技術(shù)進(jìn)步率；另一方面，綠色信貸政策通過(guò)市場(chǎng)選擇效應(yīng)、市場(chǎng)份額效應(yīng)和企業(yè)金融資源配置效應(yīng)提高了重污染企業(yè)的綠色效率。基于上述分析，本文提出以下兩個(gè)不同的研究假設(shè)3。

假設(shè)3a：假設(shè)綠色信貸政策對(duì)綠色技術(shù)進(jìn)步率的負(fù)面影響超過(guò)對(duì)綠色效率的正面影響，則該政策將對(duì)重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生正面影響。

假設(shè)3b：假設(shè)綠色信貸政策對(duì)綠色技術(shù)進(jìn)步率的負(fù)面影響低于對(duì)綠色效率的正面影響，則該政策將對(duì)重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生正面影響。

（二）不同所有權(quán)性質(zhì)下的理論分析和研究假設(shè)

我國(guó)國(guó)有企業(yè)與非國(guó)有企業(yè)在多個(gè)方面存在明顯的差異。因此在分析我國(guó)企業(yè)問(wèn)題時(shí)必須考慮企業(yè)所有權(quán)性質(zhì)，具體到信貸市場(chǎng)上，國(guó)有企業(yè)往往比非國(guó)有企業(yè)更具“貸款優(yōu)勢(shì)”。一方面，國(guó)有企業(yè)通常享有政府補(bǔ)貼、政策性融資等政策的支持（李廣子等，2009），因此國(guó)有企業(yè)在向商業(yè)銀行等金融機(jī)構(gòu)獲取信貸資金時(shí)，往往享有更低的貸款利率，而與之相比，非國(guó)有企業(yè)往往自身企業(yè)規(guī)模較小，還款能力較弱，同時(shí)缺乏政策的支持，所以在向金融機(jī)構(gòu)貸款時(shí)會(huì)受到一定程度的限制。另一方面，我國(guó)當(dāng)前大多數(shù)商業(yè)銀行都屬于國(guó)有企業(yè)，在對(duì)企業(yè)進(jìn)行貸款審核時(shí)，往往會(huì)存在所謂的“所有制歧視”，即當(dāng)兩家企業(yè)其他情況都相同，而其中一家為國(guó)有企業(yè)，另一家為非國(guó)有企業(yè)時(shí)，商業(yè)銀行往往更偏好于將貸款發(fā)放給國(guó)有企業(yè)（張杰等，2013），這進(jìn)一步提高了非國(guó)有企業(yè)的貸款和成本。綠色信貸政策實(shí)施后，將進(jìn)一步惡化重污染企業(yè)的信貸環(huán)境。基于上述分析，本文提出研究假設(shè)4。

假設(shè)?4：與國(guó)有重污染企業(yè)相比，綠色信貸政策對(duì)非國(guó)有重污染企業(yè)的影響更明顯。

（三）不同地區(qū)發(fā)展水平下的理論分析和研究假設(shè)

自改革開(kāi)放以來(lái)，我國(guó)經(jīng)濟(jì)實(shí)現(xiàn)了高速增長(zhǎng)，并取得了眾多引人注目的成就。但與此同時(shí)，東部、中部和西部地區(qū)間的經(jīng)濟(jì)差距快速擴(kuò)大，區(qū)域經(jīng)濟(jì)發(fā)展模式的極度不平衡越來(lái)越成為束縛我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要癥結(jié)。由于區(qū)域經(jīng)濟(jì)發(fā)展的不平衡，東部、中部和西部地區(qū)在市場(chǎng)環(huán)境、法治環(huán)境以及資源配置等方面存在著顯著差異。通常情況下，經(jīng)濟(jì)發(fā)展水平較高的地區(qū)在資源配置效率方面表現(xiàn)更出色，因此綠色信貸政策的實(shí)施也更加容易推廣。一方面，東部地區(qū)作為我國(guó)經(jīng)濟(jì)發(fā)展的重要支撐，整體的發(fā)展水平和資本優(yōu)勢(shì)明顯優(yōu)于中西部地區(qū)，金融政策體系較為完善，因此綠色信貸政策的實(shí)施工作在東部地區(qū)將更容易開(kāi)展；另一方面，由于中西部地區(qū)開(kāi)發(fā)時(shí)間較晚，以及其地理位置和環(huán)境資源等原因，我國(guó)更多的化工企業(yè)選擇在東部地區(qū)落戶發(fā)展，這就造成了東部地區(qū)重污染企業(yè)數(shù)目多、污染物排放量大的問(wèn)題。基于以上分析，本文提出研究假設(shè)5。

假設(shè)5：2012?年《綠色信貸指引》頒布后，相較于中西部地區(qū)，東部地區(qū)重污染企業(yè)受到的影響更明顯。

四、實(shí)證研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源與樣本選擇

本文以我國(guó)2010年至2019年上市公司為研究對(duì)象，探究基于《綠色信貸指引》的綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響。在數(shù)據(jù)篩選方面，根據(jù)國(guó)家環(huán)境保護(hù)部于2010年發(fā)布的《上市公司環(huán)境信息披露指南》和中國(guó)證券監(jiān)督管理委員會(huì)于2012年修訂的《上市公司行業(yè)分類指引》，將16個(gè)行業(yè)中的煤炭開(kāi)采和洗選業(yè)、石油和天然氣開(kāi)采業(yè)等定義為重污染企業(yè)，其余為非重污染企業(yè)。同時(shí)，剔除了2010—2019年的ST、*ST公司和在2010年后上市的公司，并移除固定資產(chǎn)凈額、員工數(shù)目、購(gòu)買商品及接受勞務(wù)支付的現(xiàn)金、碳排放量和營(yíng)業(yè)收入數(shù)據(jù)缺失的公司，以確保數(shù)據(jù)的有效性。最終，共有1380個(gè)觀測(cè)值，其中710個(gè)為重污染企業(yè)觀測(cè)值，670個(gè)為非重污染企業(yè)觀測(cè)值。本文所采用的企業(yè)數(shù)據(jù)主要來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）和萬(wàn)得數(shù)據(jù)庫(kù)（WIND）。

（二）計(jì)量模型構(gòu)建

為探究綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響，本文借鑒蘇冬蔚和連莉莉（2018）的研究，采用雙重差分DID模型進(jìn)行估計(jì)。通過(guò)雙重差分模型，本文旨在分析綠色信貸政策的實(shí)施對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響效果。該模型可有效地避免內(nèi)生性問(wèn)題，并通過(guò)將樣本分為實(shí)驗(yàn)組和對(duì)照組，研究實(shí)施和不實(shí)施政策情況下變量的變化，來(lái)評(píng)估政策實(shí)施的效果。雙重差分模型最重要的適用條件是如果沒(méi)有外生政策的沖擊，實(shí)驗(yàn)組和對(duì)照組的研究變量變化應(yīng)該是相同的，即滿足共同趨勢(shì)假設(shè)。在沒(méi)有實(shí)施綠色信貸時(shí)，所有企業(yè)都只能通過(guò)傳統(tǒng)信貸模式獲取貸款，而實(shí)施綠色信貸政策后，金融機(jī)構(gòu)會(huì)將企業(yè)生產(chǎn)的環(huán)境狀況納入貸款審核的重要標(biāo)準(zhǔn)。與非重污染企業(yè)相比，重污染企業(yè)由于其高消耗、高污染、高排放的生產(chǎn)模式，勢(shì)必會(huì)受到更加嚴(yán)厲的貸款限制。故本文將重污染企業(yè)定義為實(shí)驗(yàn)組，非重污染企業(yè)定義為對(duì)照組，以2012年《綠色信貸指引》政策為準(zhǔn)自然實(shí)驗(yàn)，構(gòu)建雙重差分模型，分析綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響。具體模型設(shè)定如下：

這個(gè)方程式包含了多個(gè)變量，其中，i代表企業(yè)，t代表年份，Yit代表i企業(yè)第t年的GTFP、GTC、GEC；Treatedi為組別虛擬變量，用于區(qū)分實(shí)驗(yàn)組企業(yè)和對(duì)照組企業(yè)，如果是實(shí)驗(yàn)組企業(yè)，則取值為1，否則為0；Timet為政策虛擬變量，用于區(qū)分2012年以前和2012年及以后的數(shù)據(jù)。如果是2012年及以后的數(shù)據(jù)，則取值為1，否則為0；Treatedi*Timet為雙重差分變量；Xit包括多個(gè)企業(yè)層面的控制變量；δi為個(gè)體固定效應(yīng)；λt為時(shí)間固定效應(yīng)；εit為隨機(jī)擾動(dòng)項(xiàng)。

（三）變量選取

1被解釋變量

本文的被解釋變量是綠色全要素生產(chǎn)率、綠色技術(shù)進(jìn)步率和綠色效率。本文參考劉傳江等（2022）的做法，利用SBM方向距離函數(shù)和GML指數(shù)模型測(cè)算企業(yè)的綠色全要素生產(chǎn)率。以2010年為基期，利用后一年的GML指數(shù)乘以前一年的GML，以此類推得到2010—2019年企業(yè)的綠色全要素生產(chǎn)率，并將GML指數(shù)進(jìn)一步分解為GTC和GEC。這里所提到的指標(biāo)包括投入指標(biāo)、期望產(chǎn)出和非期望產(chǎn)出三個(gè)方面。其中，投入指標(biāo)由勞動(dòng)力投入、資本投入和中間投入三個(gè)二級(jí)指標(biāo)組成，分別測(cè)量企業(yè)年末在職職工人數(shù)、固定資產(chǎn)凈額和購(gòu)買商品、接受勞務(wù)支付的現(xiàn)金。期望產(chǎn)出是指企業(yè)的營(yíng)業(yè)收入，非期望產(chǎn)出則是用排污費(fèi)來(lái)測(cè)量。

2解釋變量

政策虛擬變量（Time）：本文選擇2012年銀監(jiān)會(huì)頒布的《綠色信貸指引》作為切入點(diǎn)，構(gòu)建雙重差分模型。政策虛擬變量在2010—2011年取值為0，2012—2019年取值為1。

組別虛擬變量（Treated）：由于綠色信貸政策的實(shí)施，金融機(jī)構(gòu)將更加關(guān)注貸款企業(yè)及其關(guān)聯(lián)方對(duì)環(huán)境和社會(huì)造成的潛在影響，這可能會(huì)對(duì)重污染企業(yè)的融資和經(jīng)營(yíng)發(fā)展產(chǎn)生顯著影響，而對(duì)其他非重污染企業(yè)的影響相對(duì)較小。鑒于此，本文采用蘇冬蔚和連莉莉（2018）、丁杰（2019）的研究方法，將重污染企業(yè)定義為實(shí)驗(yàn)組（Treated=1），非重污染企業(yè)定義為對(duì)照組（Treated=0）。

雙重差分變量DID（Treated*Time）：該變量為本文的核心解釋變量，是政策虛擬變量與實(shí)驗(yàn)組虛擬變量的交互項(xiàng)，用來(lái)衡量綠色信貸政策對(duì)企業(yè)綠色全要素生產(chǎn)率的影響。

3控制變量

借鑒以往文獻(xiàn)，本文控制變量包括資產(chǎn)總利潤(rùn)率、托賓Q值、營(yíng)運(yùn)資金比率、資本密集度、投入資本回報(bào)率、企業(yè)規(guī)模、股權(quán)集中度、企業(yè)成長(zhǎng)能力。各變量的定義如表1所示。

五、實(shí)證結(jié)果分析

（一）變量的描述性統(tǒng)計(jì)

表2為本文主要變量的描述性統(tǒng)計(jì)結(jié)果。如表2所示，企業(yè)綠色全要素生產(chǎn)率的標(biāo)準(zhǔn)差為0601，最小值和最大值分別為?0108和1418，均值為?1122；企業(yè)綠色技術(shù)進(jìn)步率的標(biāo)準(zhǔn)差為0506，最小值和最大值分別為0119和6985，均值為1083；企業(yè)綠色效率的標(biāo)準(zhǔn)差為0506，最小值和最大值分別為0222和4497，均值為1142。上述分析說(shuō)明了在樣本期內(nèi)，企業(yè)間綠色效率差異較大，這可能與不同的行業(yè)特征有關(guān)。

除資產(chǎn)總利潤(rùn)率、營(yíng)運(yùn)資金比率、投入資本回報(bào)率等幾個(gè)變量，大多變量的標(biāo)準(zhǔn)差均小于均值，表明離散系數(shù)相對(duì)較小，數(shù)據(jù)穩(wěn)定性較好。

（二）平行趨勢(shì)的經(jīng)驗(yàn)觀察

本文的研究對(duì)象包括處理組和對(duì)照組兩部分，旨在比較政策前后處理組和對(duì)照組的綠色全要素生產(chǎn)率的整體變化趨勢(shì)。如圖1所示，可以發(fā)現(xiàn)在綠色信貸政策出臺(tái)之前（2012年前），重污染企業(yè)的GTFP顯著高于非重污染企業(yè)的GTFP。因此可以說(shuō)，在政策出臺(tái)之前重污染企業(yè)具有更高的GTFP。而在2012年《綠色信貸指引》頒布后，實(shí)驗(yàn)組的綠色全要素生產(chǎn)率逐漸下降，對(duì)照組綠色全要素生產(chǎn)率卻保持增長(zhǎng)趨勢(shì)，并在2013年超過(guò)實(shí)驗(yàn)組。二者之間的對(duì)比差異在一定程度上反映出?2012年《綠色信貸指引》政策在短期內(nèi)對(duì)實(shí)驗(yàn)組企業(yè)綠色全要素生產(chǎn)率造成了負(fù)向影響。

圖1?平行趨勢(shì)檢驗(yàn)

（三）基準(zhǔn)回歸結(jié)果

表3為基準(zhǔn)回歸結(jié)果，列（1）以綠色技術(shù)進(jìn)步率GTC為被解釋變量，DID系數(shù)為-0352且在1%水平上顯著，說(shuō)明了綠色信貸政策的實(shí)施會(huì)降低重污染企業(yè)的綠色技術(shù)進(jìn)步率，即假設(shè)1得到驗(yàn)證。列（2）以綠色效率GEC為被解釋變量，DID系數(shù)為?0177，且在1%水平上顯著，說(shuō)明綠色信貸政策的實(shí)施提升了重污染企業(yè)的GEC，即假設(shè)2得到驗(yàn)證。列（3）以綠色全要素生產(chǎn)率GTFP為被解釋變量，DID系數(shù)為-0155且在1%水平上顯著。此檢驗(yàn)結(jié)果支持假設(shè)3a，表明在綠色信貸政策實(shí)施以后，重污染企業(yè)GTFP?明顯下降，這說(shuō)明綠色信貸政策抑制了重污染企業(yè)的綠色發(fā)展。

（四）穩(wěn)健性檢驗(yàn)

1更換測(cè)算模型

為準(zhǔn)確刻畫重污染企業(yè)的綠色全要素生產(chǎn)率，本文參考陳琦（2021）的研究更換測(cè)算模型，將SBM-GML指數(shù)模型更換為CCR模型，重新測(cè)算重污染企業(yè)的綠色全要素生產(chǎn)率。表4為更換測(cè)算模型后綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響結(jié)果。

根據(jù)表4結(jié)果可知，在更換測(cè)算模型后GTC的DID系數(shù)為-0257且在1%水平上顯著，說(shuō)明綠色信貸政策的實(shí)施會(huì)降低重污染企業(yè)的綠色技術(shù)進(jìn)步率?；GEC的DID系數(shù)為?0075，且在5%水平上顯著，說(shuō)明綠色信貸政策的實(shí)施會(huì)提高重污染企業(yè)的綠色效率；GTFP的DID系數(shù)為-0088且在10%水平上顯著，說(shuō)明綠色信貸政策的實(shí)施會(huì)降低重污染企業(yè)的綠色全要素生產(chǎn)率。以上結(jié)果與基準(zhǔn)回歸結(jié)果一致，故認(rèn)為基準(zhǔn)回歸結(jié)果基本可靠。

2更換計(jì)量模型

鑒于政策實(shí)施的對(duì)象是非隨機(jī)的，同時(shí)也為降低雙重差分模型存在的偏差和樣本選擇偏差，故本文進(jìn)一步選擇PSM-DID模型進(jìn)行穩(wěn)健性檢驗(yàn)。借鑒劉曄等（2016）的研究，本文根據(jù)托賓Q值、營(yíng)運(yùn)資金比率、投入資本回報(bào)率、股權(quán)集中度、固定資產(chǎn)比率、資產(chǎn)負(fù)債率等識(shí)別企業(yè)特征匹配估計(jì)量，使用?Logit模型回歸估計(jì)傾向得分，進(jìn)行?DID?回歸。相關(guān)回歸結(jié)果如表5所示。

表5展示了進(jìn)行傾向性匹配后的數(shù)據(jù)平衡性檢驗(yàn)結(jié)果。通過(guò)進(jìn)行傾向性匹配得分，我們成功地達(dá)到了樣本平衡，因此所有變量的t統(tǒng)計(jì)量顯著降低。這表明傾向性匹配是一種有效的方法，可以用來(lái)提高研究的可信度和可靠性。因此，我們可以得出結(jié)論，傾向性匹配是合理和可靠的方法。

根據(jù)表6雙重差分回歸結(jié)果，經(jīng)過(guò)傾向匹配得分的樣本，綠色信貸政策的實(shí)施對(duì)重污染企業(yè)的綠色技術(shù)進(jìn)步率產(chǎn)生了顯著的負(fù)面影響。具體來(lái)說(shuō)，綠色信貸政策的DID系數(shù)為-0361，顯著水平為1%。這表明，該政策的實(shí)施降低了重污染企業(yè)的綠色技術(shù)進(jìn)步率；GEC的DID系數(shù)為0190且在1%水平上顯著，說(shuō)明綠色信貸政策的實(shí)施會(huì)提高重污染企業(yè)的綠色效率；GTFP的DID系數(shù)為-0118且在10%水平上顯著，說(shuō)明綠色信貸政策的實(shí)施會(huì)降低重污染企業(yè)的綠色全要素生產(chǎn)率。以上結(jié)果與基準(zhǔn)回歸結(jié)果一致，故認(rèn)為基準(zhǔn)回歸結(jié)果基本可靠。

3安慰劑檢驗(yàn)

為了降低遺漏變量的影響，本文在基準(zhǔn)回歸中考慮了企業(yè)規(guī)模、成長(zhǎng)能力、股權(quán)集中度等多個(gè)可能影響企業(yè)綠色全要素生產(chǎn)率的因素。然而，即使這些因素被考慮在內(nèi)，仍然可能存在一些不可觀測(cè)的因素對(duì)估計(jì)結(jié)果產(chǎn)生影響。為了解決這個(gè)問(wèn)題，本文借鑒了Chetty等（2009）和La?Ferrara?E等（2012）的研究，進(jìn)行了安慰劑檢驗(yàn)。這種方法可以進(jìn)一步驗(yàn)證研究結(jié)果的可靠性，確保研究結(jié)論的準(zhǔn)確性。安慰劑檢驗(yàn)的基本思路是使用一個(gè)不可能對(duì)結(jié)果產(chǎn)生影響的虛假變量替代交互項(xiàng)，并隨機(jī)分配處理組和控制組。為此，我們會(huì)隨機(jī)指定一個(gè)綠色信貸政策發(fā)生的時(shí)間，并在樣本企業(yè)中隨機(jī)選取一組作為處理組。然后重新估計(jì)模型，并計(jì)算錯(cuò)誤的估計(jì)系數(shù)。如果這個(gè)估計(jì)系數(shù)不顯著，就說(shuō)明即使存在不可觀測(cè)的因素，基準(zhǔn)估計(jì)結(jié)果仍然是可靠的。具體來(lái)說(shuō)，我們會(huì)在2010—2019年的所有年份中隨機(jī)產(chǎn)生一個(gè)綠色信貸政策發(fā)生的時(shí)間，以此產(chǎn)生一個(gè)錯(cuò)誤的估計(jì)系數(shù)β＾r(nóng)andom，再將這個(gè)過(guò)程重復(fù)500次，產(chǎn)生?500個(gè)?β＾r(nóng)andom，這種方法可以有效地減輕遺漏變量的影響，同時(shí)進(jìn)一步驗(yàn)證研究結(jié)果的準(zhǔn)確性。結(jié)果如圖2所示，經(jīng)過(guò)安慰劑檢驗(yàn)后，我們發(fā)現(xiàn)估計(jì)系數(shù)β＾r(nóng)andom都集中在0附近并服從正態(tài)分布。這表明非觀測(cè)因素幾乎不會(huì)對(duì)估計(jì)結(jié)果產(chǎn)生重要影響，從而進(jìn)一步驗(yàn)證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。因此，我們可以得出結(jié)論，研究結(jié)果是可靠和有效的。

圖2?安慰劑檢驗(yàn)

（五）異質(zhì)性檢驗(yàn)

根據(jù)前文分析，企業(yè)之間所有權(quán)性質(zhì)不同、所在地區(qū)不同等可能對(duì)綠色信貸影響重污染企業(yè)全要素生產(chǎn)率產(chǎn)生不同效果。所以本文在全樣本進(jìn)行基準(zhǔn)回歸之后，再次分別就企業(yè)所有權(quán)性質(zhì)、所處地區(qū)進(jìn)行了異質(zhì)性分析，以此來(lái)探究綠色信貸政策對(duì)不同性質(zhì)的重污染企業(yè)綠色全要素生產(chǎn)率產(chǎn)生的影響。

1按所有權(quán)性質(zhì)分組回歸

在我國(guó)，國(guó)有企業(yè)與非國(guó)有企業(yè)在經(jīng)營(yíng)環(huán)境上存在較大差異。具體到信貸市場(chǎng)上，國(guó)有企業(yè)比非國(guó)有企業(yè)更具融資優(yōu)勢(shì)，綠色信貸政策的實(shí)施可能進(jìn)一步擴(kuò)大國(guó)有企業(yè)和非國(guó)有企業(yè)在融資方面的差異，因此本文將樣本分為國(guó)有企業(yè)與非國(guó)有企業(yè)分別帶入基準(zhǔn)模型進(jìn)行回歸。結(jié)果如表7所示。

根據(jù)表7所示，我們可以看到國(guó)有企業(yè)雙重差分交互項(xiàng)DID的系數(shù)為-0132，且在10%的置信水平下顯著；而非國(guó)有企業(yè)雙重差分交互項(xiàng)DID的系數(shù)為-0239，且在5%的置信水平下顯著。這意味著綠色信貸政策的實(shí)施會(huì)抑制國(guó)有企業(yè)和非國(guó)有企業(yè)的綠色全要素生產(chǎn)率，但對(duì)于非國(guó)有企業(yè)來(lái)說(shuō)，綠色信貸政策的抑制效果更加明顯。因此，我們可以得出結(jié)論，綠色信貸政策對(duì)企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生了負(fù)面影響，并且非國(guó)有企業(yè)受到的影響更大，即假設(shè)4得到驗(yàn)證。本文推測(cè)，造成此現(xiàn)象的原因可能有兩點(diǎn)：第一，國(guó)有企業(yè)相較于非國(guó)有企業(yè)，除了綠色信貸外，還享有更多的貸款政策和資源優(yōu)惠，綠色信貸政策的實(shí)施對(duì)其融資并不會(huì)造成太大影響，而非國(guó)有企業(yè)貸款條件嚴(yán)苛，并且常常自力更生，自負(fù)盈虧；第二，國(guó)有企業(yè)與非國(guó)有企業(yè)外部制度環(huán)境不同，具體來(lái)說(shuō)，國(guó)有企業(yè)外部制度環(huán)境優(yōu)于非國(guó)有企業(yè)，在綠色信貸政策實(shí)施的過(guò)程中，國(guó)有企業(yè)更容易受到當(dāng)?shù)卣块T的關(guān)注（舒利敏?等，2022）。因此綠色信貸政策對(duì)非國(guó)有企業(yè)造成的負(fù)向影響更為明顯。

2按地區(qū)分組回歸

考慮到各地區(qū)經(jīng)濟(jì)狀況與稟賦優(yōu)勢(shì)的差別，因此檢驗(yàn)綠色信貸政策對(duì)不同地區(qū)重污染企業(yè)綠色全要素生產(chǎn)率的差異性影響。考慮到樣本量的均衡，本部分的檢驗(yàn)依照國(guó)家統(tǒng)計(jì)局制定的區(qū)域劃分方式，將我國(guó)的31個(gè)省（自治區(qū)、直轄市）劃分為東、中、西三大區(qū)域。根據(jù)樣本企業(yè)的注冊(cè)地址，將它們歸為東部、中部和西部三個(gè)區(qū)域，并將它們分別用于基準(zhǔn)模型的回歸分析。結(jié)果如表8所示。

由表8可知，東部地區(qū)雙重差分交互項(xiàng)DID的系數(shù)為-0174，且在10%水平上顯著，表明綠色信貸政策對(duì)東部地區(qū)重污染企業(yè)綠色全要素生產(chǎn)率有顯著的負(fù)向影響；中部地區(qū)雙重差分交互項(xiàng)DID的系數(shù)為-0073，西部地區(qū)雙重差分交互項(xiàng)DID的系數(shù)為-0144，雖然中部地區(qū)和西部地區(qū)的雙重差分交互項(xiàng)系數(shù)為負(fù)，但未通過(guò)顯著性檢驗(yàn)，由此判斷，地區(qū)經(jīng)濟(jì)發(fā)達(dá)程度不同，綠色信貸政策對(duì)重污染企業(yè)綠色全要素生產(chǎn)率的影響也存在差異，符合前文提出的假設(shè)?5。本文推測(cè)這可能是因?yàn)榻?jīng)濟(jì)發(fā)展較快的東部地區(qū)，重污染企業(yè)數(shù)目較多（本文樣本企業(yè)中東部地區(qū)共計(jì)69家企業(yè)，其中重污染企業(yè)35家；中部地區(qū)共計(jì)44家企業(yè)，其中重污染企業(yè)25家；西部地區(qū)共計(jì)25家企業(yè)，其中重污染企業(yè)11家），從而導(dǎo)致綠色信貸政策對(duì)東部地區(qū)企業(yè)綠色全要素生產(chǎn)率影響的實(shí)證效果更為明顯；同時(shí)東部地區(qū)由于經(jīng)濟(jì)快速發(fā)展造成的污染物排放也多，當(dāng)?shù)卣畢f(xié)調(diào)經(jīng)濟(jì)增長(zhǎng)和環(huán)境治理的任務(wù)更重。因此當(dāng)綠色信貸政策實(shí)施后，東部地區(qū)迫于經(jīng)濟(jì)發(fā)展轉(zhuǎn)型的壓力，可能會(huì)加大綠色信貸的實(shí)施力度，以加快推動(dòng)當(dāng)?shù)刂匚廴酒髽I(yè)治污減排，保護(hù)環(huán)境，致使綠色信貸政策對(duì)東部地區(qū)企業(yè)綠色全要素生產(chǎn)率的負(fù)向影響強(qiáng)于中西部地區(qū)（惠獻(xiàn)波，2022）。

六、結(jié)論與政策建議

（一）結(jié)論

本研究使用2012年原銀監(jiān)會(huì)頒布的《綠色信貸指引》政策作為準(zhǔn)自然實(shí)驗(yàn)，以138家上市公司2010—2019年的面板數(shù)據(jù)為基礎(chǔ)，運(yùn)用雙重差分法對(duì)中國(guó)重污染企業(yè)的綠色全要素生產(chǎn)率與綠色信貸政策之間的關(guān)系進(jìn)行研究。這一方法旨在消除其他可能干擾研究結(jié)論的因素，以更加準(zhǔn)確地評(píng)估該政策對(duì)企業(yè)綠色全要素生產(chǎn)率的影響。基于上述分析得出以下結(jié)論。

第一，本文的研究結(jié)論表明，綠色信貸政策提高了重污染企業(yè)的綠色效率，但顯著降低了重污染企業(yè)的綠色技術(shù)進(jìn)步率，綠色信貸政策對(duì)綠色技術(shù)進(jìn)步率的負(fù)效應(yīng)大于對(duì)綠色效率的正效應(yīng)，因此綠色信貸政策在一定程度上會(huì)抑制重污染企業(yè)綠色全要素生產(chǎn)率的發(fā)展。但就政策實(shí)施長(zhǎng)期來(lái)看，本文認(rèn)為隨著綠色信貸政策的不斷完善，綠色信貸服務(wù)范圍的不斷擴(kuò)大，企業(yè)在進(jìn)行技術(shù)水平改造、提升綠色發(fā)展水平后可以獲得更多的信貸支持，讓企業(yè)越來(lái)越重視綠色發(fā)展，進(jìn)而會(huì)提升企業(yè)綠色全要素生產(chǎn)率。

第二，綠色信貸政策實(shí)施效果因企業(yè)所有權(quán)性質(zhì)差異而不同。具體來(lái)看，綠色信貸對(duì)非國(guó)有重污染企業(yè)綠色全要素生產(chǎn)率的抑制作用強(qiáng)于國(guó)有重污染企業(yè)。本文推測(cè)，造成此現(xiàn)象的原因可能是國(guó)有企業(yè)相較于非國(guó)有企業(yè)，除了綠色信貸外，還享有更多的貸款政策和資源優(yōu)惠，綠色信貸政策的實(shí)施對(duì)其融資并不會(huì)造成太大影響，而非國(guó)有企業(yè)貸款條件嚴(yán)苛，并且常常自力更生，自負(fù)盈虧等。

第三，綠色信貸政策實(shí)施效果因地區(qū)經(jīng)濟(jì)發(fā)展水平差異而不同。具體來(lái)看，綠色信貸政策對(duì)東部地區(qū)重污染企業(yè)的綠色全要素生產(chǎn)率抑制作用最為顯著。雖然對(duì)中西部地區(qū)也有一定的負(fù)面影響，但并不顯著。據(jù)此，我們猜測(cè)這可能是因?yàn)闁|部地區(qū)的經(jīng)濟(jì)增長(zhǎng)速度較快，重污染企業(yè)數(shù)量相對(duì)較多，同時(shí)由于快速發(fā)展導(dǎo)致的污染物排放也更多，因此當(dāng)?shù)卣趨f(xié)調(diào)經(jīng)濟(jì)增長(zhǎng)和環(huán)境治理方面承擔(dān)了更重的任務(wù)。綜上，本研究認(rèn)為在綠色信貸政策實(shí)施后，東部地區(qū)的重污染企業(yè)可能面臨更大的環(huán)保壓力和治理要求，因此可能會(huì)更積極地申請(qǐng)綠色信貸以加快治污減排，保護(hù)環(huán)境。這或許是造成東部地區(qū)企業(yè)綠色全要素生產(chǎn)率受到更強(qiáng)負(fù)面影響的原因。相比之下，中西部地區(qū)的重污染企業(yè)數(shù)量較少，環(huán)保治理壓力相對(duì)較小，因此綠色信貸政策對(duì)企業(yè)綠色全要素生產(chǎn)率的影響不明顯。

（二）政策建議

基于本文研究結(jié)論，現(xiàn)提出以下兩點(diǎn)建議。

第一，強(qiáng)化綠色信貸政策的約束力。前文結(jié)論表明，綠色信貸政策會(huì)抑制重污染企業(yè)綠色全要素生產(chǎn)率的提升，考慮到當(dāng)前的綠色信貸政策下，重污染企業(yè)可能只是通過(guò)“綠色”貸款獲得更低的利率，但并沒(méi)有真正采取行動(dòng)來(lái)改善其環(huán)保生產(chǎn)方式。因此，政府可以加強(qiáng)監(jiān)管力度，要求重污染企業(yè)在獲得綠色貸款的同時(shí)，必須遵守一系列環(huán)境標(biāo)準(zhǔn)和限制條件。

第二，制定更具針對(duì)性的綠色信貸政策。當(dāng)前的綠色信貸政策過(guò)于籠統(tǒng)，考慮到我國(guó)地區(qū)經(jīng)濟(jì)發(fā)展水平的不平衡以及企業(yè)個(gè)體的差異性，本文得出我國(guó)東部地區(qū)的重污染企業(yè)以及非國(guó)有重污染企業(yè)的綠色全要素生產(chǎn)率更易受到綠色信貸政策的抑制。因此，政府可以制定更具針對(duì)性的綠色信貸政策，為不同地區(qū)、不同性質(zhì)的企業(yè)提供更精準(zhǔn)的環(huán)保支持和激勵(lì)措施，以此推動(dòng)企業(yè)實(shí)施綠色生產(chǎn)，提高企業(yè)的綠色全要素生產(chǎn)率。

參考文獻(xiàn)

［1］陳超凡中國(guó)工業(yè)綠色全要素生產(chǎn)率及其影響因素——基于ML生產(chǎn)率指數(shù)及動(dòng)態(tài)面板模型的實(shí)證研究［J］統(tǒng)計(jì)研究，2016，33（3）：53-62

［2］蔡烏趕，周小亮中國(guó)環(huán)境規(guī)制對(duì)綠色全要素生產(chǎn)率的雙重效應(yīng)［J］經(jīng)濟(jì)學(xué)家，2017（9）：27-35

［3］馮嚴(yán)超，王曉紅，胡士磊FDI、OFDI與中國(guó)綠色全要素生產(chǎn)率——基于空間計(jì)量模型的分析［J］中國(guó)管理科學(xué)，2021，29（12）：81-91

［4］孫冬營(yíng)，吳星妍，顧嘉榕，等長(zhǎng)三角城市群工業(yè)企業(yè)綠色全要素生產(chǎn)率測(cè)算及其影響因素［J］中國(guó)科技論壇，2021（12）：91-100

［5］劉傳江，張劭輝，李雪綠色信貸政策提升了中國(guó)重污染行業(yè)的綠色全要素生產(chǎn)率嗎？［J］國(guó)際金融研究，2022（4）：3-11

［6］佘碩，王巧，張阿城技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)與城市綠色全要素生產(chǎn)率——基于國(guó)家低碳城市試點(diǎn)的影響渠道檢驗(yàn)［J］經(jīng)濟(jì)與管理研究，2020，41（8）：44-61

［7］萬(wàn)倫來(lái)，朱琴R&D投入對(duì)工業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的影響——來(lái)自中國(guó)工業(yè)1999～2010年的經(jīng)驗(yàn)數(shù)據(jù)［J］經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2013（9）：20-26

［8］尹子擘，孫習(xí)卿，邢茂源綠色金融發(fā)展對(duì)綠色全要素生產(chǎn)率的影響研究［J］統(tǒng)計(jì)與決策，2021，37（3）：139-144

［9］周曉輝，劉瑩瑩，彭留英數(shù)字經(jīng)濟(jì)發(fā)展與綠色全要素生產(chǎn)率提高［J］上海經(jīng)濟(jì)研究，2021（12）：51-63

［10］程文先，錢學(xué)鋒數(shù)字經(jīng)濟(jì)與中國(guó)工業(yè)綠色全要素生產(chǎn)率增長(zhǎng)［J］經(jīng)濟(jì)問(wèn)題探索，2021（8）：124-140

［11］蘇科，周超人力資本、科技創(chuàng)新與綠色全要素生產(chǎn)率——基于長(zhǎng)江經(jīng)濟(jì)帶城市數(shù)據(jù)分析［J］經(jīng)濟(jì)問(wèn)題，2021（5）：71-79

［12］胡榮才，張文瓊開(kāi)展綠色信貸會(huì)影響商業(yè)銀行盈利水平嗎？［J］金融監(jiān)管研究，2016（7）：92-110

［13］劉海英企業(yè)環(huán)境績(jī)效與綠色信貸的關(guān)聯(lián)性——基于采掘服務(wù)、造紙和電力行業(yè)的數(shù)據(jù)樣本分析［J］中國(guó)特色社會(huì)主義研究，2017（3）：85-92

［14］王康仕，孫旭然，王鳳榮綠色金融、融資約束與污染企業(yè)投資［J］當(dāng)代經(jīng)濟(jì)管理，2019，41（12）：83-96

［15］丁杰綠色信貸政策、信貸資源配置與企業(yè)策略性反應(yīng)［J］經(jīng)濟(jì)評(píng)論，2019（4）：62-75

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

［17］陳幸幸，史亞雅，宋獻(xiàn)中綠色信貸約束、商業(yè)信用與企業(yè)環(huán)境治理［J］國(guó)際金融研究，2019（12）：13-22

［18］陳琪中國(guó)綠色信貸政策落實(shí)了嗎——基于“兩高一剩”企業(yè)貸款規(guī)模和成本的分析［J］當(dāng)代財(cái)經(jīng)，2019（3）：118-129

［19］張小可，葛晶綠色金融政策的雙重資源配置優(yōu)化效應(yīng)研究［J］產(chǎn)業(yè)經(jīng)濟(jì)研究，2021（6）：15-28

［20］丁杰，胡蓉區(qū)域性環(huán)境規(guī)制與綠色信貸政策的有效性——基于重污染企業(yè)信貸融資視角［J］軟科學(xué)，2020，34（12）：61-67

［21］陸菁，鄢云，王韜璇綠色信貸政策的微觀效應(yīng)研究——基于技術(shù)創(chuàng)新與資源再配置的視角［J］中國(guó)工業(yè)經(jīng)濟(jì)，2021（1）：174-192

［22］蔡海靜，周施綠色信貸政策與“兩高”企業(yè)權(quán)益資本成本［J］財(cái)會(huì)月刊，2022（3）：51-60

［23］于波綠色信貸政策如何影響重污染企業(yè)技術(shù)創(chuàng)新？［J］經(jīng)濟(jì)管理，2021，43（11）：35-51

［24］宋馬林，金培振地方保護(hù)、資源錯(cuò)配與環(huán)境福利績(jī)效［J］經(jīng)濟(jì)研究，2016，51（12）：47-61

［25］王艷麗，類曉東，龍如銀綠色信貸政策提高了企業(yè)的投資效率嗎？——基于重污染企業(yè)金融資源配置的視角［J］中國(guó)人口·資源與環(huán)境，2021，31（1）：123-133

［26］李廣子，劉力債務(wù)融資成本與民營(yíng)信貸歧視［J］金融研究，2009（12）：137-150

［27］張杰，劉元春，翟福昕，等銀行歧視、商業(yè)信用與企業(yè)發(fā)展［J］世界經(jīng)濟(jì)，2013，36（9）：94-126

［28］孔東民，王亞男，代昀昊為何企業(yè)上市降低了生產(chǎn)效率？——基于制度激勵(lì)視角的研究［J］金融研究，2015（7）：76-97

［29］陳琦金融科技對(duì)綠色全要素生產(chǎn)率的影響分析［D］濟(jì)南：山東大學(xué)，2021

［30］劉曄，張訓(xùn)常，藍(lán)曉燕國(guó)有企業(yè)混合所有制改革對(duì)全要素生產(chǎn)率的影響——基于PSM-DID方法的實(shí)證研究［J］財(cái)政研究，2016（10）：63-75

［31］舒利敏，廖菁華末端治理還是綠色轉(zhuǎn)型？——綠色信貸對(duì)重污染行業(yè)企業(yè)環(huán)保投資的影響研究［J］國(guó)際金融研究，2022（4）：12-22

［32］惠獻(xiàn)波綠色信貸政策、金融資源配置與企業(yè)綠色全要素生產(chǎn)率——基于我國(guó)重污染企業(yè)的證據(jù)［J］西南金融，2022（10）：65-77

［33］BANKER?R?D，CHARNES?A，COOPER?W?WSome?models?for?estimating?technical?and?scale?inefficiencies?in?data?envelopment?analysis［J］Management?Science，1984，30（9）：1078-1092

［34］COWAN?ETopical?issuesin?environmental?finance［J］EEPSEA?Special?and?Technical?Paper，1998，43（3）：1-20

［35］CHETTY?Ｒ，LOONEY?A，KROFT?KSalience?and?taxation：Theory?and?evidence［J］American?Economic?Ｒeview，2009，99（4）：1145-1177

［36］KING?R?G，LEVINE?RFinance?and?growth：Schumpeter?might?be?right［J］Quarterly?Journal?of?economics，1993，108（3）：717-737

［37］LA?FERRARA?E，CHONG?A，DURYEA?SSoap?operas?and?fertility：Evidence?from?Brazil［J］American?Economic?Journal：Applied?Economics，2012，4（4）：1-31

Does?Green?Credit?Policy?Improve?the?Green?Total?Factor?Productivity?of?Heavy-polluting?Enterprises？?An?Empirical?Study?Based?on?a?Difference-in-Differences?Model

YANG?Qin?YANG?Shifeng

（School?of?Finance，Lanzhou?University?of?Finance?and?Economics，Lanzhou??730101，China）

Abstract：This?article?uses?the“Green?Credit?Guidelines”issued?by?the?former?China?Banking?Regulatory?Commission?in?2012?as?a?quasi-natural?experimentBased?on?the?SBM?directional?distance?function?and?GML?index，the?green?total?factor?productivity?of?listed?companies?in?China?from?2010?to?2019?is?calculated，and?then?the?double?difference?method（DID）is?used?to?explore?the?impact?of?green?credit?policy?on?the?green?total?factor?productivity?of?listed?companies?heavy-polluting?enterprisesThe?results?show?that?the?green?credit?policy?has?a?positive?effect?on?improving?the?green?efficiency?of?heavy-polluting?enterprises，but?at?the?same?time?has?a?significant?negative?impact?on?the?green?technology?progress?rate?of?heavy-polluting?enterprises，ultimately?leading?to?a?significant?decrease?in?the?green?total?factor?productivity?of?heavy-polluting?enterprisesFurther?grouping?based?on?enterprise?equity?nature?and?regional?economic?development?level?reveals?that?non-state-owned?enterprises?and?enterprises?located?in?the?eastern?region?are?more?affected?by?the?green?credit?policy

Key?words：Green?Credit?Policy；Green?Total?Factor?Productivity；Difference-in-Differences?Method；Green?Finance