綠色信貸政策能夠提升重污染企業會計穩健性嗎?
——基于《綠色信貸指引》的準自然實驗

□ 劉巖 趙祖強

一、引言

作為評價會計信息質量的一項重要指標，會計穩健性反映了企業對“壞消息”和“好消息”反應的非對稱性。在市場經濟條件下，企業既會遇到“好消息”，也會面臨“壞消息”，穩健性原則要求企業在處理不確定的經濟業務時應持謹慎的態度，提高會計穩健性可以有效預防公司財務風險。黨的十八大以來，綠色金融在我國取得了長足進展，多元化的綠色金融產品和服務明顯推動了我國經濟社會發展的綠色化、低碳化。其中，綠色信貸政策兼具金融資源配置與企業環境規制的雙重特性，它可以通過市場化的經濟手段來促使企業將污染成本內部化，有效發揮了資金配置對環境的正外部性作用（成瓊文和李趙研，2021；祝賀繽和邵慧敏，2021）。在黨的十九大報告將“防治污染”和“防范化解重大風險”同時上升到國家戰略地位的背景下，評估綠色信貸政策的風險防范作用具有重要的研究價值。鑒于會計穩健性具有明顯的風險預警和風險緩沖功能，厘清綠色信貸政策影響重污染企業穩健性的作用機制，不僅可以考察銀行業金融機構對綠色信貸政策的落實情況，而且能夠為防治污染和防范公司財務風險提供新的經驗證據。

在“雙碳”目標的指引下，綠色信貸政策評估成為時下研究的熱點。已有研究發現，綠色信貸政策實施之后，高污染企業的新增銀行借款大幅度萎縮，受此影響，高污染企業不僅顯著提高了其環保信息披露質量（劉亦文等，2022）和環保社會責任意識（斯麗娟和曹昊煜，2022），而且還加快了綠色創新轉型的步伐（謝喬昕和張宇，2021；王馨和王營，2021）和提升了綠色全要素生產率（劉傳江等，2022）。顯然，關于綠色信貸政策的研究成果主要聚焦于企業行為選擇和經營績效，但是，鮮有文獻專門討論綠色信貸政策是否會影響高污染企業的會計穩健性。提高會計穩健性可以給企業帶來一系列的積極影響，它不僅能夠降低債務成本（鄭登津和閆天一，2016）、抑制關聯交易（張洪輝等，2018）和真實盈余管理行為（蔣勇和王曉亮，2019），而且還在一定程度上提高了企業的投資效率（劉曉紅和周晨，2021）。那么，如何才能提高企業的會計穩健性呢？從利益相關者的角度來看，公司債特殊條款（甄紅線等，2019）、企業內控評價（劉斌和吳錫皓，2019）和大客戶地理鄰近性（程小可等，2019）均可以提升企業的會計穩健性；從信息披露的角度來看，關鍵審計事項披露（王宏濤等，2022）和年報問詢函（姜永宏等，2023）顯著提高了被問詢企業的會計穩健性。那么，綠色信貸政策能夠提升重污染企業會計穩健性嗎?

為此，本文從損失厭惡心理視角出發，分析綠色信貸政策影響重污染企業會計穩健性的作用機制，并以2012年印發的《綠色信貸指引》為外生政策事件構造準自然實驗，運用雙重差分模型（DID）實證檢驗了綠色信貸政策對重污染企業會計穩健性的影響。與已有文獻相比，本文的邊際貢獻如下：（1）首次以損失厭惡心理為切入點，闡釋了綠色信貸政策影響重污染企業會計穩健性的作用機制，不僅為評估綠色信貸政策提供了新的思路，而且豐富了會計穩健性研究的相關文獻；（2）從企業產權性質和投資效率的角度分析綠色信貸政策對重污染企業會計穩健性的異質性影響，異質性分析的結果進一步表明，損失厭惡心理在綠色信貸政策提升重污染企業會計穩健性過程中起到了關鍵作用。

二、理論分析與研究假說

綠色信貸政策本質上是基于環境保護的信貸配給，它顯著改變了重污染企業的融資環境（秦海林和劉巖，2022；徐于藍，2021），加劇企業的信貸資源損失厭惡心理，從而激勵企業提高會計穩健性。

綠色信貸政策的出臺意味著企業所面臨的的融資環境發生了較大的變化，已有研究發現，綠色信貸政策顯著降低了重污染企業的長期債務比例（蘇冬蔚和連莉莉，2018）。受此影響，重污染企業可能會有兩種截然相反的選擇。一方面，為了緩解融資約束，管理層可能會增加盈余管理和降低會計穩健性。當企業擁有投資機會但面臨融資約束困境時，管理層往往會進行向上的盈余管理,通過傳遞“好消息”和減少“壞消息”的方式進行盈余平滑,從而幫助公司取得更多外部融資機會，這顯然會降低企業的會計穩健性（李勝楠等，2016；李賓和楊濟華，2017）。另一方面，面對融資約束，管理層也具有提高會計穩健性的動機。已有研究發現，會計穩健性在銀行信貸契約中占據重要的地位，由于較高的會計穩健性可以降低銀行的信貸風險,銀行愿意提供優惠貸款回報企業，因此，為了緩解融資約束，管理層有動機提高會計穩健性（趙剛等，2014）。此外，采取穩健的會計政策也有助于企業獲得商業信用融資和降低股權融資成本（陳幸幸等，2019；王生年和徐亞飛，2016）。因此，從理論上來講，在不考慮其他因素影響的條件下，綠色信貸政策可能會降低重污染企業的會計穩健性，也可能會提升其會計穩健性。

然而，在綠色信貸政策的影響下，無論是加強貸前授信審批管理，還是對有潛在重大環境和社會風險的客戶制定并實行有針對性的貸后管理措施，信貸契約的完善和加強顯著提升了銀行在重污染企業中的債權人地位。在《綠色信貸指引》的作用下，銀行可以在債務契約中更加明確債權人的權利、控制權相機轉移制度等等，尤其是當銀行以投放短期債務為主時，重污染企業面臨環境風險或者出現任何違約行為，債權人隨時可以停貸斷貸，甚至實施控制權轉移（袁衛秋，2005）。在銀行充分發揮債權監督治理機制效應下，企業隱瞞負面消息的成本與風險將會增加，這會加劇企業的信貸資源損失厭惡心理，為了獲得綠色信貸支持，公司管理層勢必會減少機會主義行為，提高對“壞消息”的反應敏感度，進而促使重污染企業的會計穩健性有效提升（徐昕和沈紅波，2010）。綜合上述分析，本文提出以下假說：

H1:綠色信貸政策可以提高重污染企業的會計穩健性。

三、研究設計

（一）樣本選擇與數據來源

本文以我國2009-2021年A股上市公司數據為初始樣本，進行如下處理：（1）剔除金融類上市公司樣本；（2）剔除所有ST、ST*類股票的交易數據；（3）為保證主要變量的完整性，剔除主要變量缺失嚴重的樣本；（4）借鑒前人的研究方法，對會計穩健性等主要連續變量在1%和99%的水平上進行Winsorize縮尾處理。經過處理后，本文共得到包含1504家上市公司的14129個樣本數據，以上所用到的企業微觀數據均來自CSMAR數據庫。本文使用STATA16.0進行數據處理和實證檢驗。

（二）變量定義和度量

1.被解釋變量

（1）會計穩健性（Cscor e）。Khan和Wa tts（2009）認為會計穩健性主要取決于公司的規模、市值和財務杠桿，可以通過這三個主要變量的線性組合計算得出企業的會計穩健性。本文參照他的做法，在Basu（1997）模型的基礎上進行了修正，計算出每家公司的CScore。本文首先參考葉永衛等人的做法，構建Basu模型：

在模型（1）中，EPSi,t表示企業i在t年的每股收益；Pi,t-1表示企業i上一年年末股票價格；DR是一個虛擬變量，若R＜0，則DR賦值為1，否則賦值為0，其中R表示t年5月到t+1年4月的考慮現金紅利再投資的個股回報率；Sizei,t表示企業i在t年的規模；Levi,t表示企業i在t年的資產負債率；MBi,t表示企業i在t年的市值賬面比，用企業市值與股東權益面值之比進行衡量。需要對模型（1）進行分年度回歸，估計出系數γ1～γ4，再將其代入模型（2）計算得到會計穩健性（Cscore）。

（2）會計穩健性（Basu）和會計穩健性（ACF）。本文以Basu和ACF代替Cscore做被解釋變量進行穩健性檢驗，其中，Basu反映了會計盈余對“壞消息”敏感度；ACF反映了應計項目對負的經營性現金流敏感度比對正的經營性現金流敏感度的增量，該值大于0則說明會計穩健性存在。

2.解釋變量

（1）雙重差分變量（DID）。首先，設置政策識別虛擬變量（Time）。本文以2012年印發的《綠色信貸指引》為準自然實驗，選擇《綠色信貸指引》的出臺時間做政策節點，即2012年及其以后的年份記為1，2012之前的年份記為0。其次，設置處理組虛擬變量（Treated）。本文以是否屬于污染行業為標準確定處理組和對照組。對于重污染企業的界定以2008年環保部頒布的《上市公司環保核查行業分類管理名錄》為依據，包括鋼鐵、冶金、電解鋁、水泥、火電、建材、采礦、煤炭、紡織、化工、石化、制藥、輕工、制革等相關企業。借鑒于波（2021）的研究，如果上市企業屬于上述行業則做處理組，記為1；反之則為對照組，記為0。最后，生成雙重差分變量（DID），即處理組虛擬變量（Treated）與政策識別虛擬變量（Time）的交互項。

（2）三重差分變量（DDD）。考慮到《綠色信貸指引》鼓勵銀行業金融機構實行有差別、動態的授信政策，以行業標準劃分確定的重污染企業過于籠統，并且其他政策也可能對以上行業產生影響，所以本文以該上市公司是否為重點污染監控單位為標準確定第二對處理組和對照組，即設置第二對處理組虛擬變量（Group），如果企業為重點污染監控單位，則記為1，反之則記為0。

3.中介變量

債務期限結構（MS）。參考李棟棟（2016）對債務期限結構的測度方法，本文以長期債務與總負債的比值來代表企業的債務期限結構（MS）。根據上述測度標準，長期債務占比越多，企業的MS值就越大，其債務期限也就越長。反之，MS越小，則表明企業只能獲得短期融資，這在一定程度上表明企業面臨一定的融資約束。縮短債務期限能夠讓債權人更好地掌握債務人的經營動態，加強債權人對債務人的監督和約束。

4.控制變量

為了盡最大可能避免有偏估計，本文參考已有文獻依次加入如下控制變量：托賓Q值（Q）、資產規模（SIZE）、產權性質（NOPR）、融資約束（FC）、公司年齡（CAGE）、管理層年齡（MAGE）、會計準則變更的影響（CAS）和會計事務所（BIG）。

本文所用到的主要變量如表1所示。

表1 主要變量及其定義

（三）模型設計

1.雙重差分模型

本文主要通過構造雙重差分模型來檢驗綠色信貸政策對重污染企業會計穩健性的影響。雙重差分模型的設計如下：

式中，i代表樣本企業，t代表年份。被解釋變量Cscorei,t代表t時期i企業的會計穩健性；DIDi,t為處理組虛擬變量（Treated）與政策識別虛擬變量（Time）的交互項，若為政策頒布后涉及企業則記為1，反之則記為0；Controli,t為相關控制變量；σi和δi分別為時間固定效應和個體固定效應，εi,t為隨機誤差項。雙重差分項DIDi,t的回歸系數β1是重要考察對象，若系數符號為正，則表示綠色信貸政策可以提升重污染企業會計穩健性。

2.三重差分模型

雙重差分法模型雖能有效克服政策的內生性問題，但是需要滿足共同趨勢假設，此外經常面臨無法排除其他政策干擾的困難，從而影響估計結果的準確性。考慮到雙重差分估計策略可能存在的問題，本文參考任勝鋼（2019）等的做法，構造三重差分模型以提煉出更為純凈的政策效應。三重差分模型的形式如下：

式中，DDDi,t為解釋變量，是第一對處理組虛擬變量（Treated）與政策識別虛擬變量（Time）和第二對處理組虛擬變量（Group）的交互項，若為政策頒布后涉及企業則記為1，反之則記為0。式中的其余變量同式（3）。

3.中介效應模型

為了驗證債務期限結構在綠色信貸政策影響重污染企業會計穩健性的中介作用，本文構造中介效應模型，即在式（3）基礎上，依次建立式（5）和式（6）。

四、實證結果及其分析

（一）描述性統計

表2報告了主要變量的描述性統計。可以看到，無論是Cscore測度的會計穩健性，還是Basu和ACF測度的會計穩健性，其最小值和最大值之間均具有比較明顯的差異，這說明不同企業間的會計穩健性差異明顯。雙重差分變量（DID）的均值為0.31，這說明受綠色信貸政策影響的樣本約占總體樣本的31%；不同企業間的債務期限結構（MS）也存在明顯的差異；其余控制變量的分布與已有研究趨同。

表2 主要變量的描述性統計

（二）基準回歸

表3匯報了雙重差分模型的回歸結果，重點關注模型（3）中DID的系數。為提高研究結論的可靠性，本文采用逐步添加控制變量的方法。列（1）為不加入控制變量時的回歸結果，DID的系數為0.1839，在1%的水平上顯著；列（2）和列（3）為依次加入控制變量后的回歸結果，DID的系數分別為0.1701和0.1697，均在1%的水平上顯著。這意味著，綠色信貸政策對高污染企業會計穩健性的影響在統計上具有顯著的穩定性。以上結果表明，相對于非重污染企業，重污染企業的會計穩健性在綠色信貸政策出臺后顯著提高。這可能是因為，損失厭惡心理可以有效抑制重污染企業的機會主義行為。研究假說H1得到了證實。

表3 雙重差分模型回歸結果

（三）穩健性檢驗

1.平行趨勢檢驗

雙重差分模型的基本假設前提是處理組與對照組在政策實施之前滿足平行趨勢假設。參考相關文獻（劉巖和秦海林，2022），本文分別通過繪制處理組與控制組的時間趨勢圖和事件研究法對雙重差分模型的基本假設前提進行了檢驗（見圖1和圖2）。

圖1 會計穩健性的時間趨勢圖

圖2 會計穩健性的多期動態效應圖

方法一是繪制處理組與控制組企業會計穩健性的時間趨勢圖。將樣本分為處理組 （重污染企業）和控制組 （非重污染企業），對政策前后處理組和控制組的會計穩健性的變化趨勢進行對比分析。如圖1所示，在政策實施年份（2012）之前，處理組和控制組的會計穩健性變動趨勢大體一致，而在政策實施之后卻呈現出較大差異。據此，不難斷定，雙重差分模型的時間趨勢假定基本滿足。

方法二是采用事件研究法。首先，生成事件虛擬變量，即年份虛擬變量（若為當期年份則賦值為1，反之則賦值為0）與處理組虛擬變量的交互項。其次，將事件虛擬變量作為解釋變量進行回歸。最后，觀察事件虛擬變量的系數，若政策時點之前的事件虛擬變量的系數不顯著，則表明雙重差分模型滿足平行趨勢假設。在圖2中，橫軸2009-2011分別為綠色信貸政策實施前3年、前2年和前1年，并依次表示當期的事件虛擬變量；2012為綠色信貸政策實施年份，并表示當期的事件虛擬變量；2013-2019分別為政策實施后第1至7年，并依次表示當期的事件虛擬變量。進一步來看，在2012年之前，事件虛擬變量的系數不顯著，這表明綠色信貸政策實施前，處理組與對照組企業的會計穩健性不存在顯著差異，滿足平行趨勢假設；而在2013年和2014年，事件虛擬變量的系數變顯著。這意味著，重污染企業的會計穩健性顯著提升，證明綠色信貸政策可以提升重污染企業的會計穩健性。這與基準回歸結果一致。

2.三重差分模型

表4匯報了三重差分模型的回歸結果，重點關注模型（4）中DDD的系數。為提高研究結論的可靠性，本文采用嵌套回歸的方法。列（1）為不加入控制變量時的回歸結果，DDD的系數為0.1170，在1%的水平上顯著；列（2）和列（3）為依次加入控制變量后的回歸結果，DID的系數分別為0.1052和0.1038，均在1%的水平上顯著。雖然三重差分模型回歸結果中DDD的系數相對于雙重差分模型回歸結果中DID的系數有所降低，但兩者均在1%的水平上顯著。這與雙重差分模型的回歸結果一致，進一步證明了研究假說H1。

表4 三重差分模型回歸結果

3.更換被解釋變量

表5匯報了更換被解釋變量后的回歸結果。列（1）和列（3）為Basu做被解釋變量的回歸結果，DID和DDD的系數分別為0.1757和0.0598，均在1%的水平上顯著；列（2）和列（4）為ACF做被解釋變量的回歸結果，DID和DDD的系數分別為0.0828和0.0776，均在5%的水平上顯著。以上回歸結果表明基準回歸結果是可靠的，進一步驗證了研究假說H1。

表5 更換被解釋變量后的回歸結果

（四）影響機制分析

本文利用中介效應模型驗證債務期限結構在綠色信貸政策影響重污染企業會計穩健性中的中介作用。表6匯報了中介效應模型的回歸結果。列（1）是模型（3）的回歸結果；列（2）是模型（5）的回歸結果，MS的回歸系數為-0.0097，在5%的水平上顯著，這表明重污染企業的長期債務比例在綠色信貸政策實施后顯著降低；列（3）為模型（6）的回歸結果，其中，DID的系數為0.1676，在1%的水平上顯著，MS的回歸系數為-0.0526，在5%的水平上顯著，這表明，債務期限結構在綠色信貸政策對重污染企業會計穩健性的影響中發揮了部分中介效應。

表6 中介效應模型回歸結果

（五）異質性分析

為了檢驗基準回歸結果的適用范圍，本文基于企業產權性質和投資效率進行異質性分析。異質性檢驗分別按照以下標準分組：一是將全體樣本企業按照產權性質分為國有企業樣本組和民營企業樣本組；二是根據非效率投資的中位數將樣本分成投資效率較高的樣本組和投資效率較低的樣本組。

表7匯報了異質性檢驗的估計結果。列（1）為國有企業樣本組的回歸結果，DID系數為0.2725，在1%的水平上顯著，這表明綠色信貸政策可以顯著提高國有重污染企業的會計穩健性；列（2）為民營企業樣本組的回歸結果，DID系數為-0.0113，但不具有顯著性，這表明綠色信貸政策不能顯著影響民營重污染企業的會計穩健性。以上結果可能的原因是：相比國有企業，民營企業往往在綠色信貸政策出臺之前便面臨信貸配給，因此，綠色信貸政策帶來的信貸損失厭惡心理較小。同時，國有企業的政策負擔沉重和政治關聯復雜，綠色信貸政策帶來的融資環境變化會放大其損失厭惡心理。

列（3）為投資效率較高樣本組的回歸結果，DID系數為0.0946，但不具有顯著性，這表明綠色信貸政策并不能顯著影響投資效率較高重污染企業的會計穩健性；列（4）為投資效率較低樣本組的回歸結果，DID系數為0.1988，在1%的水平上顯著，這表明綠色信貸政策可以顯著提升投資效率較低的重污染企業的會計穩健性。以上結果可能的原因是：相比投資效率較高的企業，投資效率較低的企業往往具有較高的財務風險，其損失厭惡心理自然更嚴重，其更愿意為了獲得綠色信貸資金而提升公司的會計穩健性；然而，對于那些投資效率較高的重污染企業而言，它們擁有充沛的現金流，綠色信貸政策帶來的信貸損失厭惡心理較小。

五、研究結論與啟示

為了檢驗源自損失厭惡心理的理論推斷，本文利用2009-2021年中國A股上市公司數據，以2012年印發的《綠色信貸指引》為準自然實驗，通過構造雙重差分模型檢驗了綠色信貸政策對重污染企業會計穩健性的影響。本文研究發現如下：（1）基準回歸結果顯示，綠色信貸政策的實施可以顯著地提升重污染企業的會計穩健性。（2）中介效應檢驗表明，綠色信貸政策可以改變重污染企業的債務期限結構，長期債務比例降低會增加重污染企業的融資約束，加劇其信貸損失厭惡心理，從而激勵企業提高會計穩健性。（3）異質性分析發現，綠色信貸政策可以顯著提高國有重污染企業的會計穩健性，但并不能夠顯著影響民營重污染企業的會計穩健性；同時，綠色信貸政策可以顯著提高投資效率較低的重污染企業的會計穩健性，但并不能顯著影響投資效率較高的重污染企業的會計穩健性。

基于以上結論，本文的政策啟示如下：第一，重污染企業應該正視損失厭惡心理的存在，減少投資決策和財務管理中的激進行為，提高公司的投資效率和控制財務風險。第二，在《綠色信貸指引》的影響下，銀行業金融機構在重污染企業中的債權人地位陡然提升，這一改我國公司以往存在的債權人治理不足的現狀，為我國公司會計信息質量的治理戰略由監管走向制衡提供了經驗證據。第三，銀行業金融機構應該關注重污染企業合理的信貸需求。綠色信貸政策無疑提高了重污染企業的信貸門檻，加強對重污染企業的監督治理和滿足重污染企業合理的融資需求不應該成為“二選一”的問題，由于融資約束可能會引致管理層的機會主義行為，銀行業金融機構應該努力探索市場化手段，在加強對重污染企業監督的同時滿足其合理的信貸需求。第四，政府部門應不斷完善綠色信貸政策，充分挖掘綠色信貸潛力，切實減輕企業的融資約束，發揮其防治污染和防范風險的雙重作用，助力經濟高質量發展。