綠色信貸政策能否緩解企業投融資期限錯配?※

內容提要:以2012年《綠色信貸指引》的實施為準自然實驗,選取2007-2021年滬深A股上市企業為研究對象,通過構建雙重差分模型,考察了綠色信貸政策對企業投融資期限錯配的影響效應及其作用機理。研究發現,綠色信貸政策的實施能夠顯著緩解企業投融資期限錯配。機制分析發現,綠色信貸政策的實施一方面提高了企業的融資約束程度,另一方面增加了企業的外部監督壓力,進而有效緩解企業投融資期限錯配。異質性分析結果顯示,綠色信貸政策對于企業投融資期限錯配的緩解作用在非國有企業、小型企業、資產負債率較高的企業和公司治理水平較高的企業中表現得更加明顯。研究從理論上補充了企業投融資視角下綠色信貸政策效果評估領域的文獻,實踐上為強化政府、銀行和企業三部門協同落實綠色信貸政策,促進產業轉型升級和實現經濟高質量發展提供了現實指導和啟示。

一、引 言

中共二十大報告強調,以中國式現代化全面推進中華民族偉大復興。中國式現代化是一條生態優先、綠色低碳的發展道路。中共十八大以來,“綠水青山就是金山銀山”的生態文明建設理念深入人心,隨著人民生活水平的不斷提升,優美的生態環境成為最普惠、最直接的民生福祉。然而,中國長期以來的粗放型發展模式在實現經濟快速增長的同時,也導致資源環境約束日趨緊張。2012年1月29日,原銀監會印發《綠色信貸指引》,其頒布實施的初衷是推動銀行業金融機構以綠色信貸為抓手,積極調整信貸結構,有效防范環境與社會風險,更好地服務實體經濟(1)中國政府網:《銀監會關于印發綠色信貸指引的通知》,http:∥www.gov.cn/govweb/gongbao/content/2012/content_2163593.htm,訪問日期:2023-5-30。。許多學者從不同方面論證了綠色信貸政策的實施效果,例如:政策的實施能夠顯著提高重污染企業的債務成本(蘇冬蔚和連莉莉,2018)和創新效率(劉強等,2020),并通過提高企業績效、激勵企業創新和促進產業結構升級等機制降低污染排放水平(Zhang等,2021)。但是,由于政策的實施主體是銀行業金融機構而非一般企業或政府,出于收益最大化的經營目標,商業銀行在綠色信貸政策的執行過程中很難不考慮自身的經濟效益,加之“錦標賽競爭”壓力下地方政府行政干預造成商業銀行的大量非金融行為(紀志宏等,2014),從而可能對政策的實施效果產生削弱作用。

投資作為拉動中國經濟增長的“三駕馬車”之一,對于穩定經濟運行、激發內生動力和促進轉型升級等方面發揮著重要作用。特別地,企業投融資期限的合理匹配是緩解經營流動性風險的重要措施(Morris,1976)。近年來,中國企業卻普遍存在投融資期限錯配現象(白云霞等,2016),即使用短期信貸資金來支持長期投資活動,簡稱“短貸長投”。究其原因,學界主要存在兩種觀點,一種觀點認為伴隨著持續加大的經濟下行壓力,商業銀行等金融機構出于風險規避的經營理念,貸款期限結構傾向于短期化,企業為實現長期投資目標不得不持續進行短期借貸。另一種觀點則認為短期貸款的成本相對較低,企業出于成本最小化動機,更加愿意主動續借短期貸款以支持長期投資行為。“短貸長投”作為企業的一種激進型投融資策略,通過不斷借新貸還舊債的方式獲得充足流動性來維持日常生產經營活動,在一定程度上能夠緩解企業所面臨的潛在融資約束(Campello等,2010),然而此舉也將產生巨大的債務償付壓力,一旦發生資金鏈斷裂,不僅會導致個體企業陷入破產困局,更易引發區域性、系統性金融風險。因此,在中國經濟由粗放式高速增長轉向集約式高質量發展的背景下,綠色信貸政策能否緩解企業的投融資期限錯配對于生態環境保護和防范化解系統性金融風險具有重要意義。

基于此,本文在已有研究的基礎上,選取2007-2021年滬深A股上市企業作為研究樣本并以《綠色信貸指引》的出臺實施作為準自然實驗,探究綠色信貸政策對企業投融資期限錯配的影響效應及其機理。實證結果顯示,綠色信貸政策的實施能夠顯著緩解企業投融資期限錯配。機制檢驗證明,綠色信貸政策的實施一方面提高了企業的融資約束程度,另一方面增加了企業的外部監督壓力,進而有效緩解企業投融資期限錯配。異質性分析結果表明,綠色信貸政策的實施對于企業投融資期限錯配的緩解作用在非國有企業、小型企業、資產負債率較高的企業和公司治理水平較高的企業中表現得更加明顯。

本文可能的邊際貢獻主要體現在:第一,研究方法和視角上,現有探究綠色信貸政策對微觀企業影響的文獻更多側重于創新和效率方面(陸菁等,2021;王馨和王營,2021;丁寧等,2020),鮮有學者基于投融資期限錯配視角進行研究。本文在已有關于綠色信貸政策研究的基礎上,運用準自然實驗的方法考察《綠色信貸指引》的出臺實施對企業投融資期限錯配的影響,較好地克服了內生性問題的干擾,在豐富和拓展綠色信貸政策效果評估相關研究的同時,補充了企業投融資視角的增量研究。第二,研究內容上,本文首先系統分析了綠色信貸政策的實施對企業投融資期限錯配的總體影響,并使用事件研究法分析了政策效果及其持續性。其次,使用改進的“三步法”檢驗程序識別了綠色信貸政策對企業投融資期限錯配的影響機制,為金融政策通過市場機制有效作用于微觀企業的經濟行為提供了經驗證據,具有現實意義。第三,研究對象上,本文不僅探討了綠色信貸政策的實施對全樣本企業投融資期限錯配的影響,并且深入考察了政策實施對不同產權性質、規模、資產負債率以及公司治理水平等企業稟賦特征的樣本企業的非對稱影響,研究結論更具代表性,同時也為政府制定差異化政策提供了參考。

本文剩余部分結構安排如下:第二部分為制度背景、文獻綜述與理論分析,第三部分為研究設計,第四部分為實證結果與分析,第五部分為進一步分析,第六部分為研究結論與政策建議。

二、制度背景、文獻綜述與理論分析

1. 綠色信貸政策實施的制度背景

作為綠色金融的重要組成部分,綠色信貸政策在中國一直處于不斷發展過程中,最早源于中國人民銀行在1995年頒布實施的《關于貫徹信貸政策與加強環境保護工作有關問題的通知》,通知中明確要求各級金融部門在向企業提供流動資金貸款時,要認真按照國家環境保護法規和國家產業政策的要求,根據實際情況,實行區別對待的信貸政策。2004年4月,國家發改委、中國人民銀行和銀監會三部門聯合下發了《關于進一步加強產業政策和信貸政策協調配合控制信貸風險有關問題的通知》,旨在通過改進信貸投向(限制資金投向不利于節約資源和保護生態環境的項目)來推進產業結構優化升級。2007年7月,原國家環保總局、中國人民銀行和銀監會三部門聯合下發了《關于落實環保政策法規防范信貸風險的意見》,強調通過信貸手段來促進污染減排,實現環境保護目標。2009年3月,中國人民銀行和銀監會聯合下發《關于進一步加強信貸結構調整促進國民經濟平穩較快發展的指導意見》,嚴格限制對達不到國家環評和排放要求項目的一切形式的新增授信支持。

梳理綠色信貸政策的發展歷程不難看出,生態環境保護治理邏輯已經由傳統單純地依靠行政監管的方式轉向基于市場機制的金融措施與行政手段相結合的方式,并且進一步細化了一段時期內銀行業金融機構的信貸投向,為綠色信貸政策的完善發展奠定了基礎。然而,由于綠色信貸政策在中國仍處于初探階段,市場主體對于環保信息的披露不充分,加之各部門之間在統籌協調過程中存在的局限性造成政策執行力度不足等多種原因導致綠色信貸政策未能取得顯著成效。在此背景下,銀監會于2012年印發實施《綠色信貸指引》,圍繞組織管理、政策制度及能力建設、流程管理、內控管理與信息披露、監督檢查等多個方面對銀行業金融機構提出三十條具體工作要求,從戰略高度上推進綠色信貸政策的實施,促進節能減排及環境保護、風險防范能力提升和經濟結構調整。根據中國人民銀行發布的數據(2)中國人民銀行:《2022年四季度金融機構貸款投向統計報告》,http:∥www.pbc.gov.cn/goutongjiaoliu/113456/113469/4784452/index.html,訪問日期:2023-5-30。,2022年末中國本外幣綠色貸款余額達到22.03萬億元,同比增長38.5%,高于各項貸款增速28.1個百分點,其中,投向具有碳減排效益項目的貸款合計14.7萬億元,占綠色貸款的66.7%。由此可見,《綠色信貸指引》的實施推動了綠色貸款規模的快速增長,并且主要投向“雙碳”領域,實現了金融支持生態環境改善的微觀作用機制。

2. 文獻綜述

現有關于綠色信貸政策的相關研究大致聚焦于宏觀和微觀層面的兩支文獻。宏觀層面上開展的研究主要圍繞綠色信貸政策對于行業經濟行為和產業結構調整進行論述。例如:劉婧宇等(2015)建立含金融部門的單國靜態CGE模型發現,綠色信貸政策能夠有效抑制目標行業的投資行為。吳晟等(2021)使用雙重差分方法研究發現,綠色信貸政策會顯著抑制紡織業等十個制造業細分行業的外部融資增速。Cheng等(2022)基于省級行政區面板數據研究發現,綠色信貸政策顯著促進了中國產業結構升級。微觀層面上進行的研究主要通過企業和商業銀行視角切入。例如:陸菁等(2021)基于異質性企業模型研究發現,綠色信貸政策抑制了工業企業創新并加劇了高污染企業的退出風險。王馨和王營(2021)運用雙重差分模型進一步研究發現,綠色信貸政策對企業綠色創新的促進作用會隨著環保執法力度的提高而增強。丁寧等(2020)運用SFA模型和PSM-DID方法發現,綠色信貸政策在長期有利于商業銀行成本效率的提升。汪煒等(2021)借助準自然實驗方法研究發現,綠色信貸政策能夠通過降低風險水平進而提升區域性商業銀行的綜合競爭力。

根據前文分析,投融資期限錯配極易導致企業財務困難,進而引發系統性金融風險,近年來受到學者們的廣泛關注。例如:李逸飛等(2022)利用中國商業銀行部門的金融科技專利數據并結合企業貸款數據研究發現,銀行金融科技水平的提高能夠控制信用風險、優化信貸結構進而緩解企業投融資期限錯配。劉貫春等(2022)基于“固定資產投資-流動負債”的敏感性框架,驗證了地方政府債務治理能夠改善企業投融資期限錯配,并且有助于防范化解系統性金融風險。汪偉和張少輝(2022)從勞動保護視角切入,發現《中華人民共和國社會保險法》的實施通過提高企業現金持有水平和降低委托代理成本,顯著緩解了企業投融資期限錯配。熊家財和楊來峰(2022)以城市商業銀行的設立作為準自然實驗研究發現,地方金融的發展不僅能夠緩解企業投融資期限錯配,而且有助于降低經營風險,提升企業業績。當前,世界正面臨百年未有之大變局,與此同時,新冠肺炎疫情的沖擊帶來經濟政策不確定性的上升,以及各國政府為應對這種不確定性而出臺的一系列經濟刺激政策導致預期通貨膨脹的提高,均加劇了企業投融資期限錯配(李增福等,2022;李四海和江新峰,2021)。

金融作為實體經濟的血液,直接作用于市場中的微觀主體。因此對于企業的環境治理問題,探究綠色信貸政策能否實現生態環境外部成本內部化的微觀作用機制具有十分重要的意義。梳理現有相關文獻可以發現,對于綠色信貸政策作用于宏觀和微觀兩個層面的研究相當豐富,但是,探究綠色信貸政策對于企業投融資期限錯配影響的文獻寥寥。因此,本文將基于《綠色信貸指引》的實施這一準自然實驗,深入探討綠色信貸政策對于企業投融資期限錯配的影響效應及其微觀作用機制,并重點考察這種效應在產權性質、規模、資產負債率以及公司治理水平等不同企業稟賦特征下的異質性影響。

3. 理論分析

(1) 綠色信貸政策、融資約束與企業投融資期限錯配。中國以間接融資為主的金融市場結構長期以來存在著市場交易主體之間信息不對稱的問題,并且近些年來金融科技的迅猛發展倒逼商業銀行業務轉型,也在一定程度上壓縮了商業銀行的盈利空間,這些因素共同作用導致金融體系存在脆弱性,因此商業銀行更傾向于發放短期貸款以規避經營風險,導致企業不得不頻繁尋求短期貸款來滿足自身長期投資需求;另外,企業出于成本最小化經營原則,可能會主動申請短期貸款并進行長期投資,采取激進型過度投資策略來擴大利潤空間。這兩種原因都會致使企業進行“短貸長投”,產生投融資期限錯配問題。

綠色信貸政策作為一種基于市場激勵機制而實行的環境規制政策,克服了傳統環境規制政策對實體經濟帶來的或有沖擊,通過提高銀行類金融機構對于目標客戶群體信貸需求的甄別能力來控制信貸總量。與此同時,提升金融部門對綠色投資項目的偏好,減少對高污染、高排放、高能耗項目的投資,充分發揮金融手段遏制重污染企業信貸擴張的利劍作用,顯著提升重污染企業的融資成本(蘇冬蔚和連莉莉,2018),引導社會資金流向綠色環保領域。因此,重污染企業作為綠色信貸政策的限制對象,在政策實施后將面臨更為嚴峻的融資約束。具體來講,《綠色信貸指引》中明確指出:銀行業金融機構應當制定針對客戶的環境和社會風險評估標準,對客戶的環境和社會風險進行動態評估與分類,相關結果應當作為其評級、信貸準入、管理和退出的重要依據,對環境和社會表現不合規的客戶,應當不予授信。重污染企業由于自身具有的高污染屬性,其面臨的社會和環境責任遠高于一般企業,因此,綠色信貸政策的實施將提高重污染企業面臨的融資約束程度,意味著重污染企業資金的獲取成本提高,以此約束企業激進型的過度投資策略(王彥超,2009),轉而采取與其融資期限相匹配的投資方案,進而緩解企業投融資期限錯配。

(2) 綠色信貸政策、外部監督壓力與企業投融資期限錯配。近年來,中央政府持續加大生態環境保護治理力度,中國人民銀行等宏觀調控部門積極探索推進金融支持環境保護工作。綠色信貸政策作為現階段綠色金融體系的主力軍(3)財政部北京監管局:《綠色金融發展階段性成效顯著》,http:∥bj.mof.gov.cn/caizhengjiancha/202204/t20220406_3800938.htm,訪問日期:2023-5-30。,對于提升企業和項目的環境社會表現,推動經濟實現綠色高質量發展發揮著重要作用,越來越多的媒體也將關注點聚焦于綠色信貸政策對于企業轉型升級和社會經濟結構調整的效果上。

媒體對于環保問題的強烈關注能夠強化企業對于外部監督的感知,倒逼企業進行綠色轉型,更重要的是,媒體報道能夠借助輿論手段影響投資者行為并作用于股價,進而干預企業管理者的行為(Fang和Peress,2009),由此帶來的外部監督壓力將倒逼管理者加強企業合規經營,實行穩健的投融資策略,進而緩解企業投融資期限錯配。

此外,投資者對于企業綠色發展和社會責任履行情況的日益關注使得企業環境信息披露受到廣泛監督。一方面,環境信息披露會增加企業的環境支出。同時,中國自改革開放以來不斷完善環保信息披露法律制度,規定重點排污單位應當如實將其污染物所有信息以及防治污染設施情況向社會公開,并接受社會監督。為此,出于經營成本考慮,企業選擇“敷衍了事”,更傾向于選擇性披露,減少重要信息披露(4)新華網:《環境信息披露缺“干貨”得分低 存報喜不報憂現象》,http:∥www.xinhuanet.com/politics/2017-02/11/c_1120447125.htm,訪問日期:2023-5-30。。另一方面,來自銀行債權人的監督只能在一定程度上影響企業是否選擇披露的概率,并不能提高企業環境信息披露水平(王霞等,2013)。因此,當市場主體之間存在信息壁壘時,商業銀行將難以準確甄別企業的環境和社會風險,從而過度謹慎授信,導致重點行業企業的融資門檻大幅提升。特別是,媒體的曝光和監督能夠將企業的違規行為公之于眾,對此,基于《綠色信貸指引》要求,商業銀行必然下調對重污染企業的環境和社會責任評級,重污染企業將面臨更為嚴峻的融資約束,從而不得不改變現有的激進型過度投資策略,轉而采取與其融資期限相匹配的穩健型投資方案,進而緩解企業投融資期限錯配。

據此,本文提出如下研究假設:

假設:《綠色信貸指引》的實施能夠緩解企業投融資期限錯配。

三、研究設計

1. 樣本選擇與數據來源

考慮到《綠色信貸指引》于2012年印發實施,為更加系統完整地研究這項政策對于上市企業的沖擊影響并基于樣本數據可得性,本文選擇2007-2021年滬深A股上市企業作為研究樣本,并對原始微觀企業數據進行了如下處理:第一,剔除金融類及房地產類相關企業;第二,剔除ST、*ST 類等財務狀況存在異常以及數據缺失較大的企業;第三,對所有連續型變量進行上下1%的縮尾處理,以消除異常值的影響。經過上述處理,本文得到26324個“企業-年度”樣本。本文的研究數據整理自CSMAR和CNRDS數據庫。

2. 變量定義

(1) 被解釋變量。本文的被解釋變量為企業投融資期限錯配(SFLI)。投融資期限錯配主要表現為企業通過使用短期資金進行長期投資經營等經濟活動,即“短貸長投”。借鑒鐘凱等(2016)的研究,具體計算方法如下:

SFLIi,t=

(1)

其中,INVi,t表示構建固定資產等投資活動現金支出;LDEBTi,t表示長期借款本期增加額,利用本期長期借款+一年內到期非流動負債-前期長期借款計算得到;EQUi,t表示本期權益增加額;NCFOi,t表示經營活動現金凈流量;CSFAi,t表示出售固定資產現金流入;TAi,t-1表示上一年度總資產,用于指標的標準化處理。

(2) 解釋變量。綠色信貸政策(Treated×Post)。使用行業組別虛擬變量Treated和政策實施時間虛擬變量Post的交乘項表示。《綠色信貸指引》作為中國首次以“綠色信貸”為主題的政策文件,它的實施將對所有企業產生政策影響,不存在實際上的處理組和控制組。但該政策旨在通過調整商業銀行信貸投向防范環境與社會風險,促進經濟綠色高質量發展,因此重度污染企業受到政策影響的可能性更大。

本文借鑒李玲和陶鋒(2012)的研究,對不同類別污染物的排放數據進行線性標準化和等權加和平均處理,計算各個行業的污染排放強度,將排放強度大于0.2042的行業(5)共包含造紙制品、石油加工、非金制造、化學工業、化學纖維、黑金加工、飲料制造、紡織業、有金加工等9個類別。中的企業定義為重度污染企業(Treated=1),否則為非重度污染企業(Treated=0);此外,《指引》印發實施之后(2012年及之后)Post取值為1,否則Post取值為0。

(3) 控制變量。參考汪偉和張少輝(2022)及熊家財和楊來峰(2022)的研究,本文選取以下控制變量:企業規模(SIZE),以企業總資產取自然對數來表示;資產報酬率(ROA),采用企業凈利潤與總資產的比值來衡量;權益盈利能力(ROE),采用企業凈利潤與股東權益的比值來衡量;現金流量比率(CFLOW),采用企業經營活動產生的現金流與總資產的比值來衡量;固定資產占比(ROFA),采用固定資產與總資產的比值來衡量;營業收入增長率(GROWTH),采用本年度營業收入與上一年度營業收入的比值減1來衡量;企業成長性(TQ),以托賓Q值來表示,使用年末流通股市值、非流通股市值以及負債賬面價值的總和與總資產的比值來計算;企業成熟度(LAGE),以企業上市時間的自然對數來表示;管理費用率(MER),采用企業管理費用與營業收入的比值來衡量。此外,本文進一步控制了企業和時間層面的固定效應,即雙向固定效應,以減弱不可觀測因素對回歸結果的干擾。

3. 模型設計

銀監會通過制定《綠色信貸指引》政策,依托各地區銀行業金融機構作為執行主體,直接導致了轄內重度污染企業獲取資金的成本提高。因此,這項政策為我們提供了一個很好的識別綠色信貸政策效果的“自然實驗”,并可以被用于檢驗綠色信貸政策對企業投融資期限錯配的影響效應。更重要的是,對于各轄內重度污染企業而言,這項由銀監會制定印發并監督落實的政策可視為一種“外生沖擊”,但該政策卻直接提高了其資金獲取的成本。因此,該政策設計可以更為干凈地識別綠色信貸政策對于企業投融資期限錯配的影響。

本文以銀監會2012年印發的《綠色信貸指引》作為一項準自然實驗,通過構建雙重差分模型,探討綠色信貸政策的實施能否緩解企業投融資期限錯配。雙重差分方法可有效避免回歸模型存在的內生性問題。模型設定如下:

SFLIi,t=β0+β1Treated×Posti,t+β2Ci,t+μi+γt+εi,t

(2)

其中,i表示企業,t表示年份。SFLIi,t代表樣本企業的投融資期限錯配程度;Treated是區分處理組和控制組的行業組別虛擬變量,Post表示政策實施時間虛擬變量,Treated×Posti,t是本文重點關注的綠色信貸政策實施變量,β1是政策實施的影響系數,預期方向為負,即綠色信貸政策的實施能夠緩解企業的投融資期限錯配;Ci,t代表本文企業財務特征控制變量;μi和γt分別表示企業固定效應和時間固定效應;εi,t為隨機擾動項。此外,為避免統計量高估,本文在所有回歸模型中均采用聚類標準誤進行處理。

四、實證結果與分析

1. 描述性統計

主要變量的描述性統計結果如表1所示。企業投融資期限錯配程度(SFLI)的均值為-0.113,中位數為-0.069,75%分位數為0.002,說明超過25%的樣本企業存在較為嚴重的投融資期限錯配問題,并且觀察最值可以發現,樣本中不同上市企業的投融資期限錯配程度差異較大。Treated的均值為0.197,說明處理組觀測值約占全樣本的1/5。其余各控制變量取值范圍和分布與已有文獻相近(劉貫春等,2022;熊家財和楊來峰,2022),均在正常范圍內,不再一一贅述。

2. 基準回歸

表2的回歸結果是基于“綠色信貸政策-企業投融資期限錯配”的核心基本關系進行的檢驗。列(1)中未添加任何控制變量,僅控制了企業和時間層面的固定效應。實證結果發現,綠色信貸政策(Treated×Post)的回歸系數為-0.029,并且在5%的水平上顯著;列(2)中加入了一系列控制變量,同時控制企業和時間層面的固定效應,盡可能減少遺漏變量因素帶來的估計偏誤,以增強核心解釋變量回歸結果的穩健性。觀察回歸結果可知,綠色信貸政策(Treated×Post)的回歸系數為-0.038,并且在1%的水平上顯著。上述實證結果表明,綠色信貸政策的實施能夠顯著緩解企業投融資期限錯配。由此,為本文的研究假設提供了實證經驗證據支持。

表2 綠色信貸政策對企業投融資期限錯配影響的估計結果

3. 穩健性檢驗

(3)

圖1為基于模型(3)得到的估計系數與對應的90%置信區間。可以發現,綠色信貸政策出臺實施前交互項估計系數均未通過10%的顯著性檢驗,說明處理組與控制組企業的投融資期限錯配程度并無顯著差異,滿足平行趨勢假設,因此本文的估計結果是有效的。在政策出臺實施之后,回歸系數φ1均顯著為負,表明綠色信貸政策的實施對企業投融資期限錯配的緩解作用具有一定的持續性。

圖1 平行趨勢檢驗

(2) 安慰劑檢驗。為減弱因遺漏變量而導致的估計結果有偏,本文通過隨機構建“偽實驗組”,進而生成偽政策虛擬變量交互項,然后按照模型(2)進行回歸,最終根據回歸模型中交互項估計系數的概率分布來判斷基于本文所選樣本進行分析的可靠性。為了增強安慰劑檢驗的效力,在重復進行500次實驗后繪制出偽政策虛擬變量交互項的估計系數分布,如圖2所示。可以看出,交互項估計系數分布大部分集中在0值附近,表明模型的設定并未遺漏重要變量,基準回歸結果并非由隨機因素所致,即綠色信貸政策的實施對企業投融資期限錯配的緩解作用并非由未觀測到的因素驅動,核心結論仍然穩健。

圖2 安慰劑檢驗

(3) 改變處理組。為避免重度污染行業單一的界定方式所導致樣本局限性和樣本企業選擇性誤差造成的內生性問題,本文采取兩種方式重新劃分處理組。其一,擴大污染企業范圍進行檢驗,將變量定義部分得到的污染排放強度大于0.0367的行業(6)共包含食品制造、醫藥工業、農副加工、文體教育、皮革羽毛、橡膠及塑料制品、金屬制品、紡織服裝及界定方式一中的行業等17個類別。中的企業作為研究樣本。其二,將2008年環境保護部印發的《上市公司環保核查行業分類管理名錄》中所包含的火電、鋼鐵、水泥、電解鋁、煤炭、冶金、建材、采礦、化工、石化、制藥、輕工、紡織和制革等14類行業中的企業作為研究樣本。改變處理組后再次進行回歸,結果分別見表3中列(1)列(2),核心解釋變量的估計系數均在5%的水平上顯著為負,表明本文的基準回歸結果是穩健的。

表3 綠色信貸政策對企業投融資期限錯配影響的穩健性檢驗結果(一)

(4) 傾向得分匹配——雙重差分(PSM-DID)估計。本文使用PSM-DID方法進一步分析綠色信貸政策對企業投融資期限錯配的影響。為緩解樣本選擇性偏差問題,首先選取企業規模(SIZE)、資產報酬率(ROA)、權益盈利能力(ROE)、現金流量比率(CFLOW)、固定資產占比(ROFA)、營業收入增長率(GROWTH)、企業成長性(TQ)、企業成熟度(LAGE)、管理費用率(MER)作為協變量,構建Logit模型計算傾向匹配后的分值。其次,分別采用最近鄰匹配方法、半徑匹配方法和核匹配方法,并使用共同支撐范圍內的樣本進行雙重差分估計,回歸結果分別見表3中列(3)至列(5),核心解釋變量的估計系數均在1%的水平上顯著為負,核心結論依然穩健。

(5) 遺漏變量問題。企業投融資期限錯配程度可能與企業所在地的經濟發展水平及政府財政實力有關。而在本文的基準回歸模型中,并未加入本地宏觀經濟變量。為避免遺漏宏觀經濟因素可能導致的估計偏誤,本文將企業所在城市的人均GDP(PGDP)、第二產業結構和地方財政壓力等因素加入到基準回歸模型(2)中再次回歸,結果見表4列(1),得到的結果與基準回歸結果基本一致。

表4 綠色信貸政策對企業投融資期限錯配影響的穩健性檢驗結果(二)

(6) 排除重大事件沖擊和城市行政級別的影響。2008年爆發的全球金融危機對中國企業的投融資行為產生巨大影響,有可能影響本文的研究結論。為保證本文研究結論的穩健性,剔除受全球金融危機嚴重影響的2008年和2009年的樣本,重新進行估計,回歸結果見表4列(2);為消除城市行政級別對企業經濟行為的潛在影響造成政策評估的誤差,本文剔除企業注冊地為四大直轄市的樣本后,再次進行回歸,結果見表4列(3)。可以發現,以上兩種檢驗得到的核心解釋變量的估計系數均在1%的水平上顯著為負,增強了本文基準回歸結果的穩健性。

(7) 排除重度污染行業內龍頭企業行為對行業內其他企業投融資行為的影響。《綠色信貸指引》的實施可能會通過影響重度污染行業中龍頭企業的投融資行為,進而間接影響行業內其他企業的投融資行為。由于《綠色信貸指引》的實施時間即政策沖擊是2012年,考慮到樣本企業對于該政策的響應程度在滯后1期即2013年較高,因此,參考葉振宇和莊宗武(2022)的做法,本文將中國制造業二位數行業中當年資產總額列居全國前50名的企業界定為龍頭企業。首先,以2013年中國制造業各行業龍頭企業的平均規模作為識別標準,對本文處理組重度污染行業中的龍頭企業進行識別,共識別出65家龍頭企業,合計789個企業樣本。其次,剔除這789個企業樣本,使用雙重差分模型重新進行回歸,結果見表4列(4)。核心解釋變量的估計系數在1%的水平上顯著為負,說明《綠色信貸指引》的實施對于企業投融資期限錯配的緩解作用不受行業內龍頭企業行為的影響。

五、進一步分析

1. 影響機制分析

基于前文研究結果,本文繼續考察綠色信貸政策緩解企業投融資期限錯配的影響機制。由理論分析部分可知,綠色信貸政策通過提高融資約束和增加外部監督壓力兩條渠道影響企業投融資期限錯配,本文進一步驗證綠色信貸政策的實施能否通過上述渠道對企業投融資期限錯配造成影響。對此,本文構建模型(4)和(5),并采取“三步法”檢驗程序,進一步明晰綠色信貸政策如何影響企業投融資期限錯配。

MVi,t=θ0+θ1Treated×Posti,t+θ2Ci,t+μi+γt+εi,t

(4)

SFLIi,t=φ0+φ1Treated×Posti,t-1+φ2MVi,t-1+φ3Ci,t+μi+γt+εi,t

(5)

(1) 融資約束。綠色信貸政策作為一種基于市場激勵機制而實行的環境規制政策,必然會提高處理組企業面臨的融資約束,增加資金的獲取成本,約束企業的過度投資行為(王彥超,2009),從而緩解投融資期限錯配程度。為驗證該機制,本文以WW指數(WW)衡量企業融資約束程度,計算方式如下:

WW=-0.091×CF-0.062×DivPos+0.021×Lev-0.044×Size+0.102×ISG-0.035×SG

(6)

其中,CF表示現金流與總資產的比率;DivPos為現金股利支付啞變量,根據當期是否派發股利賦值為1或0;Lev表示長期負債比率;Size表示總資產取對數;ISG表示行業平均銷售增長率;SG表示銷售收入增長率,以上數據均來自CSMAR數據庫。WW指數為正向指標,數值越大,融資約束程度越高。機制檢驗結果見表5。

本文在基準回歸模型(2)的基礎上,構建模型(4)和(5),并使用“三步法”檢驗綠色信貸政策的實施是否通過融資約束渠道對企業投融資期限錯配造成影響。近年來,一些研究發現常規的“三步法”檢驗程序可能會導致中介變量存在內生性問題(江艇,2022)。因此,本文參考李健等(2023)的研究方法,對中介變量和解釋變量進行滯后1期處理,以此緩解機制分析存在的潛在內生性問題。觀察表5,列(1)為基準回歸結果,即綠色信貸政策的實施能夠顯著緩解企業投融資期限錯配。列(2)中核心解釋變量的估計系數為0.003,并且在5%的水平上顯著,說明綠色信貸政策的實施顯著提高了企業面臨的融資約束,初步支持了本文的推斷。列(3)中核心解釋變量的估計系數為-0.016,并且在10%的水平上顯著,中介變量的估計系數為-1.744,并且在1%的水平上顯著,說明綠色信貸政策的實施能夠通過提高企業面臨的融資約束來顯著緩解企業投融資期限錯配,且融資約束在其中發揮部分中介效應。此外,本文同樣按照江艇(2022)的方法(7)為了探討自變量對因變量影響關系的形成機制,僅需分析自變量對機制變量的影響關系,同時利用現有的理論或文獻觀點來闡述機制變量對因變量的影響關系,實現上述兩步回歸分析即可。進行了機制分析,第一步分析結果見表5列(2),即綠色信貸政策的實施顯著提高了企業面臨的融資約束,第二步融資約束對企業投融資期限錯配的影響已經在本文理論分析部分進行了闡述。另外,本文使用Bootstrap抽樣法再次驗證了融資約束機制的穩健性,結果見表5。

綜上,綠色信貸政策的實施能夠通過提高融資約束程度緩解企業投融資期限錯配。

(2) 外部監督壓力。綠色信貸政策對于提升企業和項目的環境社會表現,推動經濟實現綠色高質量發展的重要作用受到媒體的廣泛關注,由此帶來的外部監督壓力將倒逼管理者加強企業合規經營,實行穩健的投融資策略,從而緩解投融資期限錯配程度。為驗證該機制,本文使用媒體關注度來反映企業面臨的外部監督壓力。媒體關注度通過對網絡報道標題中出現該公司的新聞總數加1取自然對數來衡量,數據來自CNRDS(中國研究數據服務平臺)。媒體關注度為正向指標,數值越大,媒體關注度越高,即外部監督壓力(External)越大。機制檢驗結果見表6。

表6 綠色信貸政策對企業投融資期限錯配的作用機制:外部監督壓力

觀察表6,列(1)為基準回歸結果,即綠色信貸政策的實施能夠顯著緩解企業投融資期限錯配。列(2)中核心解釋變量的估計系數為0.106,并且在5%的水平上顯著,說明綠色信貸政策的實施顯著提高了企業面臨的外部監督壓力,初步支持了本文的推斷。列(3)中核心解釋變量的估計系數為-0.017,并且在10%的水平上顯著,中介變量的估計系數為-0.004,并且在5%的水平上顯著,說明綠色信貸政策的實施能夠通過提高企業面臨的外部監督壓力來顯著緩解企業投融資期限錯配,且外部監督壓力在其中發揮部分中介效應。此外,本文同樣按照江艇(2022)的方法進行了機制分析,第一步分析結果見表6列(2),即綠色信貸政策的實施顯著提高了企業面臨的外部監督壓力,第二步外部監督壓力對企業投融資期限錯配的影響已經在本文理論分析部分進行了闡述。另外,本文使用Bootstrap抽樣法再次驗證了外部監督壓力機制的穩健性,結果見表6。

綜上,綠色信貸政策的實施能夠通過提高外部監督壓力緩解企業投融資期限錯配。

2. 異質性分析

不同稟賦特征的企業對綠色信貸政策的敏感度可能存在差異。因此,本文考察了在不同企業產權性質、企業規模、企業資產負債率和企業公司治理水平的樣本中,綠色信貸政策的實施對企業投融資期限錯配的異質性影響。

(1) 基于企業產權性質的異質性分析。國有企業與政府、商業銀行之間存在的天然“血緣關系”,使得其在信貸資源獲取和項目審批過程中具有很強的便利性和競爭優勢。然而,非國有企業卻面臨較為嚴重的信貸歧視,市場勢力較弱。綠色信貸政策實施之后,相比國有企業,非國有企業由于缺少“資源優勢”,因此受到的影響更大,即非國有企業過去面臨的信貸約束將大幅提高,進而投融資期限錯配緩解程度更加明顯。

本文依據企業產權歸屬將樣本劃分為國有企業和非國有企業兩個樣本組分別進行檢驗,結果見表7列(1)列(2)。綠色信貸政策實施后,國有企業和非國有企業的投融資期限錯配程度分別下降2.9%和4.3%,并且分別在1%和10%的水平上顯著。為增強兩個組別估計系數的可比性,本文進行了組間系數檢驗,兩個樣本組的組間回歸系數的p值為0,且在1%的水平上顯著,因此,兩組的估計系數能夠直接進行比較。結果說明,相較于國有企業,綠色信貸政策的實施對非國有企業的投融資期限錯配緩解作用更強。

表7 基于企業產權性質和規模異質性的回歸結果

(2) 基于企業規模的異質性分析。小型企業作為金融市場中典型的“長尾群體”,因其自身資產規模較低,經營風險較大,從而面臨嚴重的信貸配給約束,融資難度遠超大型企業。綠色信貸政策實施之后,商業銀行為響應政策,必然加大對環保轉型企業的信貸支持力度。大型企業依托資金規模和政企合作方面的優勢,綠色景氣指數顯著高于小型企業(8)中國環境報官網:《環保產業結構重組持續深化》,http:∥epaper.cenews.com.cn/html/2018-04/18/content_71853.htm,訪問日期:2023-5-30。。因此,相對于大型企業,小型企業信貸獲取難度更大,融資約束程度相對更高,綠色信貸政策對其投融資期限錯配的緩解程度更為明顯。

本文根據企業規模的中位數將樣本劃分為大型企業和小型企業兩個樣本組分別進行檢驗,結果如表7列(3)列(4)所示。綠色信貸政策實施后,小型企業的投融資期限錯配程度下降了5%,并且在1%的水平上顯著,而大型企業的投融資期限錯配未通過檢驗。另外,大型企業和小型企業的組間回歸系數在1%的水平上顯著。結果說明,綠色信貸政策對小型企業的投融資期限錯配緩解作用更顯著。

(3) 基于企業資產負債率的異質性分析。資產負債率反映了企業舉債經營能力,當資產負債率處于高位時,企業面臨嚴重的融資約束,同時較高的負債水平也會加劇企業的經營風險,引發股價下跌,進而導致資本銳減甚至出現資金鏈斷裂,最終破產;而當資產負債率較低時,企業能夠在金融市場中獲得更多的資金支持,融資約束較低。因此,綠色信貸政策實施后,相較于資產負債率較低的企業,資產負債率較高的企業由于面臨的融資約束比較嚴重,從而投融資期限錯配緩解程度更為明顯。

本文根據企業資產負債率的中位數將樣本劃分為高資產負債率和低資產負債率兩個樣本組分別進行回歸,結果如表8列(1)列(2)所示。綠色信貸政策實施后,資產負債率較高的企業的投融資期限錯配程度下降4.5%,并且在1%的水平上顯著,而資產負債率較低的企業的投融資期限錯配未通過檢驗。另外,兩組樣本的組間回歸系數在1%的水平上顯著。結果說明,綠色信貸政策對資產負債率較高的企業的投融資期限錯配緩解作用更顯著。

表8 基于企業資產負債率和公司治理水平異質性的回歸結果

(4) 基于企業公司治理水平的異質性分析。公司治理水平的提高意味著企業管理層的利益和股東的利益更加趨向一致,委托代理成本不斷降低,企業的投資效率得到提升,從而投融資期限更加匹配。

借鑒周茜等(2020)的做法,本文選用高管薪酬、高管持股比例、獨立董事比例、董事會規模、機構持股比例、股權制衡度(二至五大股東持股比例之和/控股股東持股比例)、董事長與總經理是否兩職合一等七個指標,使用主成分分析法構建公司治理指數,用獲得的第一主成分作為公司治理水平的衡量指標,該指標為正向指標,得分越高,治理水平越好,然后,根據其中位數將樣本劃分為高公司治理水平和低公司治理水平兩個樣本組分別進行檢驗,結果見表8列(3)列(4)所示。綠色信貸政策實施后,公司治理水平較高和較低的企業的投融資期限錯配程度分別下降5.8%和2.4%,并且分別在1%和10%的水平上顯著。另外,兩組樣本的組間回歸系數在1%的水平上顯著。結果說明,相比于公司治理水平較低的企業,綠色信貸政策對公司治理水平較高的企業的投融資期限錯配緩解作用更強。

六、研究結論與政策建議

為明晰綠色信貸政策的實施能否緩解以及如何緩解企業的投融資期限錯配,本文以2012年實施的《綠色信貸指引》作為準自然實驗,選取2007-2021年滬深A股上市企業為研究對象,通過構建雙重差分模型,考察了綠色信貸政策對企業投融資期限錯配的影響效應及其作用機理。研究發現:綠色信貸政策的實施能夠顯著緩解企業投融資期限錯配,并且在進行一系列穩健性檢驗后,研究結論仍然穩健;機制檢驗證明,綠色信貸政策的實施一方面提高了企業的融資約束程度,另一方面增加了企業的外部監督壓力,進而能夠有效緩解企業投融資期限錯配;異質性分析結果表明,綠色信貸政策的實施對于企業投融資期限錯配的緩解作用在非國有企業、小型企業、資產負債率較高的企業和公司治理水平較高的企業中表現得更加明顯。

根據以上研究結論,本文提出如下政策建議:第一,對于重污染企業而言,應積極踐行綠色發展理念,提高企業自主創新能力,通過技術升級實現環保轉型,暢享綠色金融政策紅利。第二,對于商業銀行而言,一方面,應加大《綠色信貸指引》的實施力度,進一步細化政策實施標準和客戶群體分類,根據企業行為動態調整授信額度,充分發揮綠色信貸防范環境與社會風險以及調整經濟結構的作用。另一方面,可以通過校企合作,培養一大批熟悉業務流程的綠色金融專門人才,能夠在完成既有業務的同時,不斷創新綠色信貸產品和服務,推動綠色金融高質量發展。第三,對于政府部門而言,首先,應對綠色信貸政策的實施效果進行定期驗收考核,確保綠色信貸政策落實到位;其次,實施考核激勵機制,對綠色信貸政策執行較好的銀行進行物質獎勵或在對公業務和政府性投資項目合作方面優先支持;最后,在推動銀行業金融機構實施綠色信貸政策的同時,也應鼓勵綠色保險、綠色債券以及碳金融等綠色金融產品協同發展,構建全方位多層級的綠色金融服務體系。