“雙碳”背景下環境規制對企業綠色投資效率的影響

摘要：為解決日益嚴峻的環境污染和資源匱乏問題，以2017—2019年滬深兩市A股重污染行業上市公司的數據為數據源，運用SBM-DEA模型測量企業綠色投資效率。研究發現：重污染企業污染排放量大、綠色投資效率偏低及資源配置不合理等問題。環境規制與企業綠色投資效率呈正相關，在國有企業和大規模企業中尤為明顯；融資約束在環境規制與企業綠色投資效率之間存在反向調節作用，尤其在國有企業中較為顯著。

關鍵詞：環境規制；企業綠色投資效率；融資約束

中圖分類號：F279

一、引言

據《世界能源統計年鑒（第70版）》數據顯示，2020年，亞太地區碳排放量占全球總排放量的比例達52%，其中中國占比高達30.7%。2020年9月，習近平總書記在第七十五屆聯合國大會一般性辯論上作出我國將力爭于2030年前實現碳達峰、努力爭取2060年前實現碳中和的重大宣示（簡稱“雙碳”目標）。企業既是資源的主要消耗者，又是生態環境的重要影響者，企業不僅要追求經濟效益，還需要考慮生態影響并承擔環境保護的社會責任，實現經濟效益和環境保護雙贏[1]。然而，大多數企業進行綠色投資，旨在樹立形象、減少成本 [2]。企業通過粉飾利潤和管理等手段對綠色投資項目進行調節，進而增加了提高綠色投資效率的難度。在追求利潤最大化盈余管理目標下，企業傾向于減少環保投入，以降低經營成本，企業的經濟利益和社會責任難以實現平衡。已有研究表明，強化環境規制能夠促進企業加強環保投入，從而引發企業融資需求的提高。然而，大多數企業面臨融資難、成本高等融資約束問題 [3]。企業是否有效實施綠色投資、環境規制是否提高了綠色投資的效率、融資約束在環境規制與綠色投資之間扮演的角色，這些都是當下亟需解決的關鍵問題。鑒于此，本研究以“效率”為切入點，選取2017—2019年我國重污染行業A股上市公司為研究對象。第一階段，采用數據包絡分析中SBM-DEA方法度量，評價企業綠色投資效率；第二階段，通過Tobit回歸檢驗環境規制對企業綠色投資效率的影響，以及融資約束在兩者之間的調節效應。

二、文獻回顧與研究假設

（一）文獻回顧

1．關于綠色投資的研究

國內外學者圍繞綠色投資進行了研究，主要包括兩個方面。①綠色投資的定義。國內外有關綠色投資的界定尚無統一共識，國內學者對綠色投資從宏觀和微觀兩方面進行了定義。宏觀角度定義認為，綠色投資是以國家為主體，以提升綠色GDP為目的的投資。微觀角度認為，綠色投資是以企業為主體的行為，旨在減少溫室氣體和其他污染物排放。而國外學者持有不同觀點，將綠色投資視為企業社會責任的特殊實踐，認為這些投資是企業為了樹立環境友好形象而產生的成本。②綠色投資的影響因素。現有文獻對企業綠色投資影響因素的研究結果較一致。將企業綠色投資驅動因素概括為市場、制度和社會責任三方面。在市場驅動力下，企業進行綠色投資是迫于利益相關的壓力，為了獲得持續競爭優勢，追求利益最大化；在政府驅動力下，政府通過環境規制改變企業綠色投資決策，企業為達到環境監管的要求進行綠色投資；在社會責任驅動力下，企業基于倫理和道德考量，會主動承擔社會責任而自主進行綠色投資。大多數學者認為，政府監管和企業環境行為是影響企業綠色投資的決定因素。此外，還有學者從產權的角度解釋企業綠色投資行為，認為私營企業受到政治關聯、外資企業受到經濟效應以及國有企業受到代理問題的影響較大。

2．關于環境規制的研究

環境規制是指以保護整個社會的生態環境為目標，對各種污染公共環境的行為作出的政策與法律規制。由于我國環境規制遵循權限分配制度，地方政府在執行方面有著較大的自主裁決權，可以最大限度地實施環境規制，因此，如何度量環境規制執行力度也成為重點研究方向。關于環境規制的度量并沒有統一的標準，現有對環境規制的衡量方式大致概括為命令型環境規制、投資型環境規制和費用型環境規制三種類型[4]。上述環境規制的評價指標都存在以偏概全的問題，因此，也有學者選用由公共環境研究中心和自然資源保護協會編制的污染源監管信息公開指數（PITI）作為衡量環境規制程度的指標。隨著環境規制測量方法的不斷改進，不少學者進一步探究環境規制的經濟效應，以期環境規制對綠色發展發揮最大效用。王馨認為，基于新《環境保護法》實施、環境管理體系認證（2021）等環境規制建立，會顯著促進綠色投資并提高重污染企業的綠色投資效率。

3．關于DEA模型的研究

Golany和Roll認為，DEA模型使用時，被評估的決策單元需要滿足同構性和相關性的要求。傳統DEA方法對同構性的要求過于嚴苛，Cooper等提出以分類變量的數據包絡分析法對傳統DEA進行改進。傳統DEA框架為不同類別的決策單元建立獨立的生產前沿，以更準確地評估效率。然而，傳統DEA方法僅從產出出發，忽略了生產過程中的副產品，即“非期望產出”。為解決以上問題，Chung等提出使用SBM方向性距離函數，用于“非期望產出”的研究。與此同時，李谷成、田偉等學者們使用SBM-DEA模型計算效率值，并結合Tobit模型分析影響效率的因素。

綜上所述，國內外學者對環境規制和綠色投資的研究均取得了一定進展，但現有的研究成果還存在幾方面的不足。①有關環境規制的研究，只關注環境規制的宏觀經濟效應，而忽略了對微觀企業行為的分析，難以打開環境規制推動宏觀經濟發展的“黑箱”，也無法對進一步完善環境規制政策提出有效建議。②有關綠色投資的研究，一般從綠色投資行為展開，很少結合環境規制和綠色投資效率對企業綠色投資開展全面研究，使得研究缺乏系統性。且現有文獻關于綠色投資的研究，也多集中于宏觀、中觀層面，缺乏微觀層面的研究。③已有文獻較少深入挖掘環境規制與企業綠色投資兩者之間的整體關系，剖析其中的推動路徑。研究兩者之間的微觀傳導機制，對我國經濟的可持續性和綠色發展具有重要理論與實踐意義。

（二）研究假設

1.環境規制與企業綠色投資效率的關系

有關環境規制對綠色投資影響的研究，可以概括為以下幾類：①由于發展中國家的環保標準較低、監管松散，企業為降低運營成本，而削減環保投入；一部分學者認為，環境規制會促進企業綠色投資，政府政策的實施不僅可以激勵企業加大對環保領域的投資，同時也加大了政府的環境監管力度，有助于企業加大對環境友好型技術的投資。②部分研究認為，目前的綠色投資會抑制企業，二者之間呈現負相關。③有研究發現，環境規制與企業綠色投資之間存在一種非線性的“Ｕ”型或倒“Ｕ”型關系[5]。④環境規制在促進綠色投資的路徑，如激勵綠色創新中發揮了積極作用。

為深入研究環境規制對綠色投資的影響，本研究從效率的角度，探討環境規制對企業綠色投資效率的影響機理。

提出假設H1：環境規制能促進企業綠色投資效率的提高。

2.融資約束在環境規制與企業綠色投資效率之間的調節作用

融資約束是影響企業綠色投資活動的關鍵因素。企業受到環境規制和輿論壓力等多重因素的影響，會出現綠色投資不足、投資結構不合理、投資缺乏資金支持[6]、投資效果不理想[7]等問題。同時，環境規制的加強會刺激企業加大環保投入，企業研發投入對綠色技術創新具有顯著的正向影響，且融資約束在企業研發與綠色技術創新中具有調節作用。大多數企業面臨融資難度大、成本高等融資約束問題，從而弱化了環境規制的作用，使企業的環保投入減少。

為了深入挖掘環境規制與企業綠色投資兩者之間的關系，剖析其中的推動因素，揭示融資約束、環境規制和企業綠色投資效率三者之間的關系。

提出假設H2：融資約束會抑制環境規制對企業綠色投資效率的促進作用。

三、研究設計

（一）樣本選取與數據來源

本研究選取2017—2019年重污染行業A股上市公司作為研究對象，剔除樣本中ST和ST*的上市公司、剔除金融行業的公司樣本、剔除在樣本期間退市的公司、剔除環保投入等指標缺失的公司，最終得到572個樣本值。從上市公司的年度報告、社會責任報告、可持續發展報告和環境報告中，收集各公司主要污染物的年度排放總量數據；從上市公司年報中在建工程、研發支出、固定資產、管理費用等項目的附注中，搜集符合環保投入定義的數據；其他變量均來自于CSMAR數據庫（見表1）。

（二）變量設計

1.被解釋變量

企業綠色投資效率。采用模型測量出的效率值作為被解釋變量。

2.解釋變量

環境規制。現有文獻關于環境規制的衡量方式不統一，選用公共環境研究中心（IPE）和自然資源保護協會（NRDC）編制的污染源監管信息公開指數（PITI）作為衡量環境規制程度的指標

3.調節變量

融資約束。度量方法參考Kaplan和Zingales的研究，構建綜合的融資約束指標，即KZ指數，以反映融資約束的程度。該指標主要包括經營凈現金流、派息水平、股利持有水平、負債比例以及成長性指標，且都除以期初總資產進行標準化處理。

4.控制變量

采用企業規模、企業績效、應收賬款占比、產權、公司成立年限、大股東資金占比、總資產周轉率、現金流比率、托賓Q值作為控制變量。表2對變量的界定進行了具體說明。

（三）模型構建

研究分為兩個階段：①采用數據包絡分析（SBM-DEA）方法，評價企業綠色投資效率；②使用Tobit回歸法，檢驗環境規制對企業綠色投資效率的影響，以及融資約束在兩者之間的調節作用。

1.基于SBM-DEA方法度量企業綠色投資效率

采用模型計算企業綠色投資效率，效率值高表明企業綠色投資能高效地降低污染物排放，從而在環境保護方面實現高績效。同時運用無導向的SBM-DEA模型，衡量企業綠色投資的投入無效率和產出無效率程度，以探究重污染企業綠色投資效率低下的原因。

minρ=1－1m－mi=1s－ixia1+1q1+q2（q1r=1s+ryra+q2t=1sb－tbra）

s.t. Xδ+s－=xa

Yδ－s+=ya

Bδ+sb－=ba

δ，s－，s+，sb－≥0

i=1，2，…，m;r=1，2，…，q1;t=1，2，…，q2;j=1，2，…，n（j≠k）

式中：ρ為被評價單元（DMUa）的效率值；xa、ya和ba則分別為DMUa實際投入、期望產出和非期望產出的最佳目標值；s-為投入的松弛值，即投入冗余，表示實際投入與最佳目標投入之間的差值；s+為期望產出的松弛值，即期望產出不足，期望產出目標值與實際值之差；sb-為非期望產出的松弛值，即非期望產出過量，實際的非期望產出與目標值之差。基于以上松弛值，可以度量出DMUa投入無效率和產出無效率的程度。投入無效率等于投入松弛值的絕對值與實際投入的比值，即s-/xa；而產出無效率等于產出的松弛值的絕對值與實際產出的比值，即s-/ya或sb-/ba。這些比值越大，說明投入或產出的無效率程度越高，模型允許效率值大于 1。

2.環境規制與企業綠色投資效率的關系

為了驗證假設H1，構建模型（1）分析環境規制對企業綠色投資效率的影響：

GIE=α+β1PITI+Controls+Area+Industry+Year+ε（1）

式中：GIE為由SBM－DEA模型度量的企業綠色投資效率；PITI為環境規制強度；

Controls、Area、Industry和Year為控制變量，且Area、Industry和Year分別為控制的地區效應、行業效應和時間效應；ε為隨機誤差項。

3.融資約束的調節作用

為了驗證假設H2，構建模型（2）分析環境規制對綠色投資效率影響的內部路徑，將融資約束（KZ）作為調節變量：

GIE=γ+δ1PITI+δ2PITI*KZ+δ3KZ+Controls+Area+Industry+ε（2）

四、實證結果分析

（一）變量相關系數分析

如表3所示，環境規制與企業綠色投資效率呈正相關，初步驗證假設H1。融資約束與環境規制和企業綠色投資效率呈負相關，說明融資約束在環境規制與企業綠色投資效率之間存在反向調節作用，初步驗證H2假設。

（二）模型變量描述性統計

表4為數據包絡分析，企業綠色投資和主要污染物排放投入和非期望產出的描述性統計結果。綠色投資的總額平均值顯著高于各自的中位數，表明樣本企業的綠色投資額差異大，有些公司在綠色投資方面投入巨大；相反，有些公司幾乎沒有任何形式的綠色投資[8]。此外，這些變量的標準差較大，表明企業管理層在綠色投資決策上存在顯著差異。除了SO2排放量均值略低，與氮氧化物排放量均值基本持平外，其他污染物排放量的均值都高于各自的中位數，表明企業之間的污染物排放量差異較大。

（三）SBM-DEA結果分析

1.企業綠色投資效率值分析

基于產出導向與規模報酬可變的SBM-DEA模型，對企業綠色投資效率進行計算。從表5可知，綠色投資效率數值為1.000的較少，說明只有少數企業的綠色投資效率值達到最優，大多數企業的投資效率依然相對較低，數值通常在0.5以下。2017年，僅有2.86%的企業綠色投資效率位于有效邊界上，即效率值為1.000。2017年，綠色投資效率均值為0.492，最優樣本數量為6。最優樣本占比在2018年降低至2.56%，但仍然在正常范圍內浮動。2019年，綠色投資效率均值提高至0.581，呈上升趨勢，最優數量占比也實現增長，達到6.25%。從表5數據可知，重度污染企業的綠色投資效率相對較低，表明企業在污染治理方面的資源配置有待提高。

2.企業綠色投資的投入與產出效率分析

為了評估企業綠色投資的投入效率和產出效率不足的程度，通過運用無導向、有規模報酬可變特性的SBM-DEA模型進行測算，具體結果如表6所示。從表6可以看出，產出無效率的均值高于投入無效率的均值。產出無效率指重污染企業在綠色投資項目中分配了大量資源，但產出效果并不如預期。這可能是由于資源分配不合理或高層管理不當所導致。

（四）Tobit回歸結果分析

從表7可知，環境規制標準差較大，為13.239，最大值和最小值分別為82.40和24.60，這說明各地方政府的環境規制執行力度相差較大。

1.環境規制對企業綠色投資效率的影響分析

從表8可知，環境規制對企業綠色投資效率的影響在5%的水平上顯著正相關，假設1成立。在表8的列（2）和列（3）中，將樣本分為國有和非國有企業再進行回歸分析。對于國有企業，環境規制對企業綠色投資效率的影響在5%水平上顯著為正；對于非國有企業，環境規制對企業綠色投資效率無顯著影響。這說明由政府所有或控制的國有企業，其行為受到政府的指導和影響。政府在環境保護方面有明確的目標和政策，通過環境規制對國有企業加強約束，以確保其履行環保責任和積極地進行綠色投資，提高綠色投資效率[9]。根據企業規模樣本中位數，將樣本企業分為大、小兩組規模，表8的列（4）和列（5）的結果顯示，在小規模企業中，環境規制系數均不顯著，在大規模企業中，環境規制系數在1%水平上顯著為正。這表明地方政府對環境規制執行力度的加強，使大規模企業增加投入成本，也能夠獲得更多的經濟效益。因此，大規模企業更有動力進行綠色投資，以提高自身的綠色投資效率，滿足環境規制的要求。

2.融資約束在環境規制與企業綠色投資效率之間的調節作用

從表9可以發現，融資約束的調節作用在1%的水平上負相關，表明融資約束在環境規制與企業綠色投資效率之間具有明顯的反向調節作用，從而驗證了假設2成立。在融資約束較為嚴格的重污染行業中，企業通常會采取減少綠色投資的策略以應對融資壓力[10]，這些企業更加關注投資回報率和風險，會將其綠色投資限制在符合法規要求的范圍內。然而，環境規制通常需要企業增加環境保護投資，這樣會降低投資回報率、提高投資風險[11]。因此，企業面臨較高融資成本時，為了規避風險，會更傾向于限制其綠色項目的實施，從而降低了綠色投資效率。

融資約束在環境規制和綠色投資效率之間的調節作用往往受企業性質的影響。如表9中列（2）和列（3）所示，環境規制和融資約束的交互項（KZ*PITI）系數在國有企業組中顯著為負，相較于非國有企業，國有企業的融資約束在環境規制與綠色投資效率之間的反向調節作用更為顯著。

融資約束在環境規制和綠色投資效率之間的調節作用也會受企業規模的影響。表9中列（4）和列（5）所示，環境規制和融資約束的交互項（KZ*PITI）系數在大規模企業中為負，但不夠顯著。從回歸系數來看， 相對于大規模企業，融資約束對小規模企業的環境規制與綠色投資效率之間的負面影響更大；表明小規模企業相對于大規模企業更難獲得融資支持，導致在環境規制與綠色投資方面的效率受到更大制約[12]。

3.穩健性檢驗

對于Tobit回歸分析的穩健性檢驗，本文使用Bootstarp法進行檢驗，通過指定Bootstrap抽樣次數與設置隨機數，生成穩健的標準誤差和置信區間。結果顯示，環境規制能促進重污染企業綠色投資效率的提高，詳見表10。

為了使結果更具有穩健性，本文使用傾向得分匹配法，以環境規制的中位數為標準進行分組，將高于中位數的樣本劃分為處理組，低于中位數的樣本劃分為控制組，將分組后的變量作為因變量。控制相關變量，對分組后的變量進行回歸，并計算傾向得分值，根據傾向得分值采用最近鄰匹配法進行一對一匹配[13]。匹配后的樣本回歸結果如表11所示，環境規制與企業綠色投資效率在10%水平上顯著為正，在國有企業和大規模企業中同樣顯著為正。這表明環境規制與企業綠色投資效率正相關，與主回歸結果一致，結果具有穩健性。

五、研究結論與政策建議

基于2017—2019年滬深A股重污染行業上市公司數據，分析了環境規制對企業綠色投資效率的影響以及融資約束在其中的調節作用。研究發現，大多數企業的綠色投資效率在0.5以下，說明企業在綠色投資決策方面仍有改進空間。同時，環境規制與企業綠色投資效率之間存在顯著正相關。說明地方政府制定的環境政策和執行力度可以鼓勵企業進行綠色投資。環境規制越嚴格，企業越傾向于采取環保措施，這一關系在國有企業和大規模企業中尤為明顯，是由于這些企業更容易受到政府政策的影響。融資約束在環境規制與綠色投資效率中發揮了調節作用，企業在面臨環保投資時不愿意承擔高成本的綠色投資，從而降低了綠色投資效率[14]。因此，政府和金融機構需要在制定環保政策的同時，提供更靈活的融資工具，以幫助企業更好地進行環保投資。

根據上述結論，提出以下建議：第一，企業應注重環境管理并遵守相關環境法規和規范，以減少污染物排放，優化資源利用，為企業可持續發展作出貢獻。第二，金融機構需要強化對重污染企業環境風險評估，以更全面地了解企業的環境績效和可持續性[15]。政府需要提供激勵措施，如稅收優惠或補貼，以鼓勵金融機構支持綠色投資。第三，政府和企業應加強信息共享與合作，建立跨界合作機制，從而有效地評估和管理重污染企業的環境風險，推動產業結構的優化與轉型升級。

參考文獻：

[1]陳羽桃，馮建.企業綠色投資提升了企業環境績效嗎：基于效率視角的經驗證據[J].會計研究，2020（1）：179-192.

[2]John W. Maxwell，Christopher S. Decker.Voluntary environmental investment and responsive regulation[J]. Environmental and Resource Economics，2006（33）：425-439 .

[3]王維，孟慶軍，陳逸航，等.環境規制、融資約束與企業綠色創新：來自長三角制造業的經驗證據[J].科技和產業，2023（1）：38-45.

[4]張平，張鵬鵬，蔡國慶.不同類型環境規制對企業技術創新影響比較研究[J].中國人口·資源與環境，2016（4）：8-13.

[5]唐國平，李龍會，吳德軍. 環境管制、行業屬性與企業環保投資[J].會計研究，2013（6）：83-89．

[6]王芋樸，陳宇學.環境規制、金融發展與企業技術創新[J].科學決策，2022（1）：65-78.

[7]楊潔，石依婷.碳信息披露、高管雙重激勵與企業價值[J].湖南師范大學自然科學學報，2023（1）：29-37.

[8]胡珺，宋獻中，王紅建. 非正式制度、家鄉認同與企業環境治理[J].管理世界，2017（3）：76-94．

[9]張琦，鄭瑤，孔東民.地區環境治理壓力、高管經歷與企業環保投資：一項基于《環境空氣質量標準（2012）》的準自然實驗[J].經濟研究，2019（6）：183-198．

[10]覃予，王翼虹.環境規制、融資約束與重污染企業綠色化投資路徑選擇[J].財經論叢，2020（10）：75-84.

[11]王馨，王營.綠色信貸政策增進綠色創新研究[J].管理世界，2021（6）：173-188.

[12]馬延柏.企業綠色投資行為的驅動因素研究[J]. 環境經濟研究，2021（2）：57-79.

[13]張濟建，于連超，畢茜，等.媒體監督、環境規制與企業綠色投資[J].上海財經大學學報，2016（5）：91-103．

[14]王云，李延喜，馬壯，等. 媒體關注、環境規制與企業環保投資[J].南開管理評論，2017（6）：83-94．

[15]甘小豐.中國商業銀行效率的SBM分析：控制宏觀和所有權因素[J].金融研究，2007（10）：58-69.

責任編輯：田國雙

*基金項目：湖南省自然科學基金項目“‘雙碳’目標下環境規制對企業綠色投資的影響機制及推動路徑研究”（2023JJ30520）；湖南省社會科學成果評審委員會課題“‘雙碳’目標下環境規制對企業綠色治理的影響機制及傳導路徑研究”（XSP2023GLZ022）。

第一作者簡介：唐洋，南華大學經濟管理與法學學院，教授，博士，碩士生導師。研究方向：資源環境會計與審計。