中國綠色信貸政策對勞動力需求的沖擊效應研究

宋紅雨　侯貴生

摘 要：綠色低碳轉型不可避免對勞動力需求造成影響。為了評估綠色信貸政策對勞動力需求的沖擊效應，文章將2012年的綠色信貸政策視為一項準自然實驗，從理論上探究了該政策對企業勞動力需求的影響機制。進一步，利用雙重差分模型實證分析了綠色信貸政策對企業勞動力需求的影響。同時，從內部企業特征、外部環境特征和城市特征角度討論了綠色信貸政策對企業勞動力需求的異質性影響。結果表明，第一，綠色信貸政策顯著降低了重污染企業的就業。第二，資本更新效應在綠色信貸政策和就業之間表現為遮掩效應。產出效應和融資約束效應在綠色信貸政策和就業之間存在中介效應。第三，異質性分析結果表明在金融發展水平低、市場化水平低的企業中，綠色信貸政策對企業勞動力需求產生了更深的負面影響。此外，在城市產業結構水平低、數字經濟發展水平低的地區以及大型企業和國有企業中，綠色信貸政策對勞動力需求的負面影響更強。文章進行了一系列穩健性檢驗，包括平行趨勢檢驗、安慰劑檢驗、預期效應檢驗、控制重要政策及宏觀經濟環境的影響以及PSM-DID檢驗，穩健性檢驗結果均支持研究結論。文章具有啟示意義，隨著環境規制的繼續加強，政府部門在考慮企業的減排目標時，也應考慮到其對就業的不利影響。

關鍵詞：綠色信貸政策 勞動力需求 產出效應 資本更新效應 融資約束效應

DOI：10.19592/j.cnki.scje.410860

JEL分類號：Q5， J23， G28? ?中圖分類號：F832

文獻標識碼：A? ?文章編號：1000 - 6249（2024）06 - 077 - 21

一、引 言

在綠色低碳轉型的背景下，綠色信貸政策作為政府重要的環境規制手段，對中國環境治理具有重要意義。作為關鍵性的節點，2012年中國銀監會發布了《關于印發綠色信貸指引的通知》（簡稱《綠色信貸指引》）1，該指引對金融機構的綠色信貸工作提出了具體要求，被認為是國內首份針對綠色信貸的規范性文件。

綠色信貸政策是對傳統經濟增長方式和環境保護方式的重大變革。在這場變革中，重污染企業的生產和經營受到了沖擊，同樣地，相關就業人員也不得不面臨崗位競爭、調整和淘汰。持續性的綠色信貸政策對企業就業的影響是一個亟待解答的問題，這一影響的評估對中國經濟的高質量和可持續發展具有重要意義。環境規制對企業勞動力需求的影響存在悖論性爭議?；诓ㄌ丶僬f，有學者認為環境規制帶來的創新補償效應可以部分或完全抵消遵循成本效應，最終促進勞動力需求的提升。Berman and Bui（2001）的理論框架表明，環境規制政策通過企業產出效應和要素替代效應影響勞動力需求，但影響方向并不確定。基于以上理論，學者們從多個角度評估了環境規制政策對企業勞動力需求的影響，但并未得出一致結論。從排污費（Li et al.， 2022a）、溫室氣體排放交易系統（Hanoteau and Talbot，2019）、清潔空氣行動政策（Li and Lin，2022）等角度研究表明，環境規制政策降低了企業勞動力需求。然而，有學者考察了環境規制政策對就業的積極影響，并從二氧化硫排放交易計劃（Ren et al.， 2020）、碳排放權交易政策（Yu and Li，2021）等角度證實了這一結論。此外，也有學者討論了環境規制政策和就業之間存在的非線性影響（馬賽等，2023）。有關環境規制影響就業的文獻為本研究奠定了基礎，但由于差異性的研究視角和研究內容，尚未對環境規制的就業影響得出一致結論。此外，目前有關綠色信貸政策的研究多集中在環境效應和投資效應方面，少有文獻考察綠色信貸政策的經濟社會影響。

本文利用2007—2021年上市公司數據，考察了綠色信貸政策對企業勞動力需求的影響。研究表明，綠色信貸政策顯著降低了重污染企業的就業。影響機制表明，資本更新效應在綠色信貸政策和就業之間表現為遮掩效應。產出效應和融資約束效應在綠色信貸政策和就業之間存在中介效應。進一步異質性分析發現，在金融發展水平低、市場化水平低的企業中，綠色信貸政策對重污染企業勞動力需求產生了更深的負面影響。此外，在城市產業結構水平低、城市數字經濟發展水平低的地區以及大型企業和國有企業中，綠色信貸政策對勞動力需求的負面影響更強。

本文與當前文獻的區別包括以下幾點。首先，本文從理論上對綠色信貸政策的影響進行了研究。通過梳理文獻，本文是首次在微觀層面上討論綠色信貸對企業就業影響的研究之一。進一步，從產出效應、融資約束效應和資本更新效應角度分析了綠色信貸對企業就業的影響途徑。其次，在實證上，本文將2012年的《綠色信貸指引》作為一項準自然實驗，證明了綠色信貸對企業就業的影響方向和影響機制。特別地，研究揭示了資本更新在綠色信貸政策和就業之間存在遮掩效應。最后，從多個角度討論了綠色信貸對就業的異質性影響。

本文可能的邊際貢獻包括以下幾點：

第一，本文從微觀層面討論了綠色信貸政策對勞動力需求的沖擊效應，從理論和實證兩個角度闡述了綠色信貸政策影響就業的理論機制和政策效果。對綠色信貸政策的評估將揭示嚴格的環境規制的經濟社會影響。此外，對就業影響的評估將豐富和擴展環境規制的相關研究。

第二，波特假說強調技術創新機制，而本文揭示了重污染企業面臨綠色信貸政策所選擇的另一種減排路徑的就業影響，即企業通過末端治理，或者引進高效環保的生產設備來替代低效污染的生產設備（本文將這一過程界定為“資本更新”），對企業勞動力需求產生影響。這對于揭示環境規制對經濟社會的影響有重要政策啟示。

第三，環境保護和經濟增長是經濟轉型中面臨的重要挑戰，本文從勞動力需求的角度提供了理論支持。進一步，從企業內部特征、外部環境特征和城市特征角度對綠色信貸政策和就業的關系進行了異質性分析。具體而言，從企業規模和企業性質、金融發展水平和市場化程度，以及城市產業結構和數字經濟發展水平角度，研究了綠色信貸政策對就業的異質性影響。這些探索和檢驗可以在理論上拓展環境規制下的經濟社會影響。

二、文獻綜述

為了推動綠色低碳轉型應對氣候變化和環境問題，世界各國采取了一系列環境規制政策和行動，這些措施對經濟體系的影響涵蓋了各個領域。近年來，環境規制產生的經濟、社會影響被學者廣泛關注（Ren et al.， 2018；余泳澤、尹立平，2022；游靄瓊、王明珂，2023；傅芳寧、李勝蘭，2023）。其中，部分文獻關注了環境規制對就業的影響。從理論的角度來看，學者就環境規制對就業的不同影響機制展開了討論，但多集中在發達國家，且尚未得出統一的結論。

對于環境規制是否會影響企業的勞動力需求，主要有兩種觀點。第一種觀點是基于波特假說，認為適當設計的環境規制可以觸發創新，從而部分或完全抵消遵循成本，即環境規制促進了就業規模的增加。第二種觀點以Berman and Bui（2001）為代表，該觀點認為環境規制通過企業產出和要素替代影響勞動力需求，其影響方向并不確定。根據以上理論，學者對環境規制的就業效應展開研究。具體而言，一些學者支持環境規制政策對就業的積極影響。有學者（Ren et al.， 2020）討論了二氧化硫排放交易計劃對企業勞動力需求的影響。結果表明，由于企業生產規模擴張，該計劃增加了受監管企業的就業。Yamazaki（2017）發現，澳大利亞的中性碳稅政策使得清潔服務行業的就業率上升。此外，根據資本-技能互補假說，Yao et al.（2023）發現新的環境保護法促使企業增加資本要素投入和招聘高技能勞動力。Barrett and Hoerner（2002）通過分析美國對高碳能源規制的一攬子政策的就業影響，發現從資本和能源密集型產業轉向勞動和技能密集型產業導致勞動力略有增加。王鋒、葛星（2022）利用低碳城市試點政策作為一項準自然實驗，結果發現該政策的推行使得試點城市的企業就業增加。

然而，有學者證實了環境規制政策對就業的負面影響。Liu et al.（2017b）評估了廢水排放標準對江蘇省太湖地區所有紡織印染企業勞動力需求的影響。結果表明更嚴格的環境標準減少了勞動力需求。Sheriff et al.（2019）研究了1990年清潔空氣法新氮氧化物條款對化石燃料發電廠的影響，結果表明安裝氮氧化物排放控制設施降低了電廠的就業。Yip（2018）支持環境稅提高了失業率。Liu et al.（2021）討論了國家空氣污染控制政策對中國就業的影響，結果表明新的環境法規降低了制造業勞動力需求。Zheng et al.（2022）研究了中國二氧化硫排放總量控制對制造業企業就業的影響。他們認為環境規制降低了污染密集型企業的就業，但受影響的主要是低技能工人。Li and Lin（2022）討論了清潔空氣行動對勞動需求的影響，結果表明工業就業因清潔空氣行動而下降，但沖擊集中在政策的后期。

綠色信貸作為一項推動企業綠色低碳轉型的引導型環境規制政策，受到眾多學者的關注。該政策對重污染企業具有顯著的融資懲罰效應和投資抑制效應。例如，有學者（Liu et al.， 2017a）發現綠色信貸在抑制能源密集型產業投資方面是有效的。一些學者（He et al.， 2019；Liu et al.， 2019）發現綠色信貸通過引導信貸資源配置，從而指導消費和投資行為。此外，連莉莉（2015）發現綠色企業與“兩高”企業相比，承擔較低的債券融資成本。Li et al.（2022b）發現綠色信貸的實施使得重污染企業的債務融資規模顯著下降。Wen et al. （2021）認為綠色信貸明顯減少了銀行信貸，且降低了銀行信貸在能源密集型產業的配置效率。融資懲罰效應和投資抑制效應可能會帶來企業盈利能力和經營業績的下降（肖建忠、董宇萱，2023；蘇冬蔚、連莉莉，2018）。這些研究表明，綠色信貸可能不利于企業勞動力需求的增加。

現有文獻主要從碳排放強度、綠色創新質量和全要素生態率方面討論綠色信貸的影響。具體而言，在企業層面，Lee et al.（2022）表明綠色信貸顯著降低了重污染企業的碳排放強度。在行業層面，Zhang et al.（2022）發現綠色信貸降低了工業碳排放強度。Hu et al.（2021）研究發現綠色信貸對綠色專利產量產生了積極的影響。Wang et al.（2022）表明綠色信貸提高了企業的綠色創新質量，但王馨、王營（2021）認為受限行業綠色創新質量提升不明顯。Su et al.（2022）認為綠色信貸與企業綠色技術創新存在非線性影響，也有研究（李強、陳山漫，2023）表明綠色信貸從整體上促進了企業的綠色技術創新。在綠色信貸對全要素生產率的影響方面，學者們意見不一。有學者支持綠色信貸提高了綠色全要素生產率和全要素生產率（Wang and Wang，2023）。但胡浩、劉笑笑（2022）認為綠色信貸降低了企業的綠色全要素生產率。

通過梳理文獻，有關環境規制影響就業的文獻為本研究奠定了基礎，但由于差異性的研究視角和研究內容，目前尚未對環境規制的就業影響得出一致結論。有關綠色信貸政策影響評估的文獻大多集中在對企業的融資、投資、績效、創新和減排方面，少有研究討論綠色信貸的經濟社會影響，鮮有有關綠色信貸的就業效應的研究，但這一影響的分析對中國經濟的高質量和可持續發展有著重要的貢獻。因此，在企業級微觀數據的基礎上，本文評估了2012年綠色信貸政策是否會顯著影響重污染企業的就業。其次，討論了2012年綠色信貸政策影響重污染企業就業的可能途徑。最后，本文從內部企業特征、外部環境特征和城市特征角度更全面地分析了2012年的綠色信貸政策和重污染企業的就業之間的關系。

三、理論分析與研究假設

受Berman and Bui（2001）研究框架的啟示，分析綠色信貸政策對重污染企業就業的沖擊效應。Berman and Bui（2001）通過引入局部靜態均衡的假設將環境規制引致的污染減排投資看作是“準固定”要素，其投入量受到外源性約束（如政府制定的相關環境規制政策），而不只是由成本最小化決定。假設企業以成本最小化為要素投入決策原則，在綠色信貸政策實施下，本研究將企業為治理環境問題所產生的成本看作“準固定”要素，例如環境治理投資以及減排成本，將勞動力和原材料看作可變要素。企業的生產經營需要支付一定的前期成本，其內部現金流一般無法承擔，這就造成企業依賴外部融資的現象。外部融資依賴程度較高的企業有更高的融資需求，需要支付更多的融資成本，本文在成本函數中引入包含銀行貸款利率[FR]的融資成本投入。

假設企業以成本最小化為要素投入決策原則，企業的成本函數可以用下式表示：

[Y]表示產出，[FR]表示銀行貸款利率，[Pm][m=1，2，…，M]代表第[m]個可變投入要素的價格，[Zn][n=1，2，…，N]代表第[n]個“準固定”要素投入量。

根據謝潑德引理，成本函數對要素價格的偏導數恰是企業對要素的條件要素需求。因此，可變要素勞動力[L]的需求可以表示為銀行貸款利率[FR]、企業產出[Y]、可變要素價格[Pm]和“準固定”要素投入量[Zn]的函數。利用線性方程可以近似的將勞動需求表示為：

下面關注綠色信貸政策對融資成本、企業產出和資本更新的影響。[b]的符號反映了綠色信貸政策對企業融資成本的影響。綠色信貸政策通過對重污染企業設置懲罰性高貸款利率來控制信貸門檻，提高重污染企業的融資成本，降低重污染企業的外部融資依賴，因此[b>0]。ɑ的符號反映了綠色信貸政策對產出的影響。綠色信貸政策加大了重污染企業現金缺口，抑制了企業的擴大生產，導致重污染企業產出下降，在短、中期內其通過創新補償對企業產出的正向影響有限，因此，[ɑ<0]。[c]的符號反映了綠色信貸政策對“準固定”要素投資的影響。為了獲取貸款，企業將被動增加環保投資以滿足銀行綠色信貸要求，因此，[c>0]。

綜合而言，[βFb<0]反映了綠色信貸政策通過融資約束效應對企業就業產生的負向影響，[δYɑ<0]反映了綠色信貸政策通過產出效應對企業就業產生的負向影響，[∑ⁿ_n=1λnc>0]表明資本更新效應增加了企業就業。對于重污染企業而言，綠色信貸政策的融資約束效應和產出效應更明顯，從短、中期來看，綠色信貸政策對就業的正向影響難以抵消產出效應和融資約束效應的負向影響，總體上不利于就業的增加。結合上述分析，資本更新抑制了綠色信貸政策和企業就業的負向影響，表現為遮掩效應。以式（4）為基礎，本文通過繪制圖1進一步闡釋了綠色信貸政策對就業的影響機制。

產出效應是指綠色信貸政策通過影響企業產出從而影響就業。2012年中國銀監會發布《綠色信貸指引》，綠色信貸指引的發布至少增加重污染企業的三種監管成本，分別是融資成本、沉沒成本和不合規成本（Hu et al.， 2021）。根據信號傳遞理論，商業銀行給企業發放綠色信貸本身就給外部投資者起到了重要的信號傳遞作用（于波，2021）。因此，綠色產業不僅能夠通過獲取低成本的融資資金緩解資金約束，而且更容易獲得其他投資者的資金支持。對于重污染企業來說，貸款的減少和環境觸發成本將會通過財務報表反應給投資者，這會給企業帶來負面效應。相比于獲得綠色信貸的企業，重污染企業獲得的資金減少。為了獲取貸款，企業不得不進行內部轉型，增加環境治理投資，這可能會導致有關耗能和污染的初始投資的成本成為沉沒成本。當這些成本過高時，可能會降低企業產出，從而減少企業就業需求，最終降低就業。

遵循成本說認為，當有外部環境規制時，企業不得不進行環境治理投資來減少污染。這部分環境治理投資成本被認為是企業為遵循環境規制政策而產生的“遵循成本”。遵循成本使得企業偏離最優生產決策，造成產出的下降，從而降低就業。但是，創新補償說認為環境規制通過產生外部創新壓力、增加遵從成本從而使得企業通過內部轉型以降低成本，進而引起創新（Porter and Van der Linde，1995）。本研究認為遵循成本效應強于創新補償效應。

假說1：綠色信貸對企業的就業有負向影響。

假說2：綠色信貸通過產出效應降低了就業。

資本更新效應是指綠色信貸政策通過影響企業環境治理投資進而影響就業。環境治理投資反應了企業對環境的重視程度。Berman and Bui（2001）認為環境治理方法可以分為兩種，第一種是末端治理，這種治理發生在生產之后和排放之前，目的是將污染物在排放到環境中之前從排放中去除。第二種是生產過程的改變，這種治理發生在生產過程中，一般通過更新生產設備來提高生產效率并降低排放水平。類似地，黃新煥等（2023）認為前瞻性環境治理和策略性環境治理可以闡述企業對于環境規制政策所形成的兩種治理行為。前瞻性環境治理是指企業在利潤最大化目標下，將環境污染治理投資視為一種可持續競爭優勢。而策略性環境治理是在監管的規定下，企業將環境治理看作是一種成本負擔。這種環境治理投資是企業為了滿足最低減排要求和減少懲罰，所付出的最低環境治理投資。

策略性環境治理通常會增加配套工人的需求，而前瞻性環境治理通常會減少勞動力需求。例如，發生了勞動節約型的技術進步，那么企業會通過減少勞動力來擴大企業規模。本研究認為企業通過環境治理投資可能增加了勞動力需求，但這種促進作用可能小于由于產出效應等導致的抑制作用，因此，本研究認為資本更新效應在綠色信貸政策和就業之間起到了遮掩作用。

假說3：資本更新抑制了綠色信貸政策和就業之間的負向影響，即資本更新效應在綠色信貸政策和就業之間存在遮掩效應。

綠色信貸政策通過提升企業融資成本增強企業融資約束，導致企業減少外部融資依賴。外部融資依賴是指企業對外部融資來源的依賴程度。其中，銀行借款是中國企業最常用的外部融資手段。綠色信貸作為一項推動企業綠色低碳轉型的引導型環境規制政策，對重污染企業具有顯著的融資懲罰效應。連莉莉（2015）發現綠色企業與兩高企業相比，承擔較低的債券融資成本。Li et al.（2022b）認為綠色信貸的實施使得重污染企業的債務融資規模顯著下降。Wen et al.（2021）認為綠色信貸明顯減少了銀行信貸。融資懲罰效應可能會帶來企業盈利能力和經營業績的下降（肖建忠、董宇萱，2023；蘇冬蔚、連莉莉，2018），進而影響企業勞動力需求。外部融資依賴的企業內部現金流不足，難以滿足企業投資要求，需要通過外部籌資彌補資金缺口（胡永平，2022）。綠色信貸的實施可能導致此類企業產生資金缺口，造成企業融資不足。這會對企業的投資，甚至是正常的經營活動造成沖擊。因此，綠色信貸可能通過增強企業的融資約束，減少企業外部融資依賴，影響企業就業需求。

假說4：綠色信貸通過融資約束效應降低了就業。

四、研究設計與數據來源

（一）數據來源

本文選取中國滬深兩市A股上市公司作為研究樣本，以2007—2021年為研究期間，選擇非ST企業以避免異常值的影響。最終得到4618家上市公司、共計40887組觀測值的非平衡面板數據。數據來源于國泰安數據庫、中國能源統計年鑒、中國金融年鑒、wind數據庫。

被解釋變量是勞動力需求[lnemp]，由企業就業人數的對數來衡量。關鍵解釋變量是綠色信貸政策變量[pilot]。利用企業類型和政策時間交互項刻畫綠色信貸政策。對于企業類型，本文將重污染行業企業取為1，其他企業取為0。同時構造了政策時間虛擬變量，將2012年及其以后的各年份取為1，2012年之前各年份取為0。重污染行業名單的認定根據《上市公司行業分類指引》《上市公司環保核查行業分類管理名單》和《上市公司環境信息披露指南》，主要包括火電、鋼鐵、水泥等16類行業。將這16類行業進行手工匹配，最終得到關鍵解釋變量。

在控制變量方面，借鑒現有文獻（王躍堂等，2012，Sheng et al.， 2019），本文考慮了一系列影響企業勞動力需求的變量。其中包括平均工資[lnwage]（定義為工資支出與就業人數之間的比值）、托賓Q值[q]（定義為公司的市場價值與公司資產的重置價值之比值）、公司年齡[lnage]（定義為當前年份與成立年份的差值加1）、資產負債率[lev]（定義為負債總額與資產總額的比值）、所得稅[lntax]（定義為應納稅所得額）、資產回報率[roa]（稅后凈資產和總資產的比值）、銷售費用率[ser]（定義為營銷費用和與營業收入的比值）。

最后，本文考慮了綠色信貸影響就業的中介變量。首先根據假設2，利用企業營業收入[lnoe]和盈利水平（凈利潤）[lnnp]來衡量企業的產出。其次，根據假設3，企業可能通過購買末端治理設備、購買新的生產設備、采用新的技術來進行環境治理投資。因此，采用兩個變量來反應環境治理中的資本更新水平。第一是固定資產比值[ir]（定義為固定資產、無形資產和其他資產的總和與總資產的比值），第二是折舊水平[de]。最后，根據假設4，使用銀行借款比例[bl]和長期借款與總資產比[ltl]來衡量企業融資約束水平。表1展示了主要變量的描述性統計結果1。

（二）模型構建

在政策效應評估方法中，雙重差分法被學者廣泛使用。該方法的核心思想是將政策視為外生于經濟系統的準自然實驗。本文利用雙重差分法檢驗了這樣一個事實：重污染行業的企業受到綠色信貸的影響更大，而非重污染行業的企業受到綠色信貸的影響相對更小。因此，在2012年綠色信貸政策實施后，綠色信貸政策對不同行業企業的影響差異可以進行雙重差分估計?；陔p重差分模型進行的回歸，可以有效控制處理組和對照組之間的事前差異，根據事前差異和事后差異，從而識別出綠色信貸政策給企業就業帶來的凈效應。一般的雙重差分模型被設置為：

[lnempjit=α1+β1pilotjit+θ1controljit+kj+ki+kt+εjit] （5）

其中，[i，j]和[t]分別代表企業、城市和年份。[lnemp]是指就業；[pilot]是綠色信貸政策；[control]是企業層面的控制變量；[kj，ki]和[kt]分別是城市、企業和年份固定效應；[εjit]是誤差項。本文主要關注[β1]的值，因為它衡量了政策實施前后平均差異，反映了綠色信貸政策對企業就業的影響。如果[β1]為正，2012年綠色信貸政策增加了企業就業，否則，它減少了企業就業。根據本研究的假設，預期[β1]為負。

進一步，基于本文對中介效應的理論分析，利用中介效應討論了綠色信貸政策對企業就業可能存在的影響路徑。參考Baron and Kenny（1986）提出的方法，本文建立了以下中介效應模型。

[lnempjit=a0+a1pilotjit+akcontroljit+kj+ki+kt+εjit] （6）

[Mjit=b0+b1pilotjit+bkcontroljit+kj+ki+kt+εjit] （7）

[lnempjit=c0+c1pilotjit+c2mjit+ckcontroljit+kj+ki+kt+εjit] （8）

其中，[Mjit]代表中介變量，包括產出效應、融資約束效應和資本更新效應。根據學者提出的中介效應模型檢驗流程（溫忠麟、葉寶娟，2014），當系數[ɑ1]顯著時，如果b1和c2都顯著，說明中介效應顯著。此時，如果[c1]的系數不顯著，那么說明存在完全中介效應。當[c1]顯著時，如果b1c2和c1同號，說明存在部分中介效應，如果b1c2和c1符號相反，說明存在遮掩效應。

五、綠色信貸政策對勞動力需求影響的實證分析

基于上述理論分析和研究假設，本部分首先實證估計綠色信貸政策對企業的就業的影響。然后，討論潛在影響機制。最后，分析綠色信貸政策和就業之間的異質性關系。

（一）綠色信貸政策對就業的影響

綠色信貸政策的目標是促進企業的綠色低碳發展，但其也會對經濟社會不可避免地產生影響，尤其是對就業。表2展示了式（1）的估計結果。在表2的列（1）中，結果只包含了綠色信貸政策和三種固定效應。綠色信貸政策的系數為-0.1509，在1%的水平上顯著。在列（2）中，本文添加了所有的控制變量。結果表明，綠色信貸政策的系數為-0.1269，在1%的水平上顯著。系數結果表明，在2012年的綠色信貸政策實施后，重污染企業的就業比非重污染企業的就業下降得更多。這意味著綠色信貸政策顯著降低了就業。研究結果表明，假設1成立。

盡管2012年的綠色信貸政策目標是促進企業的綠色低碳發展，但它對企業的勞動力需求產生了影響。表2結果表明，綠色信貸政策降低了重污染企業的就業。這可以解釋為在2012年綠色信貸政策實施之后，相比于環保企業，重污染企業從銀行獲得貸款的難度有所增加。由于商業銀行貸款是企業債務融資的主要來源，資金不足導致企業規模擴張和生產受限，從而影響產出和勞動力需求。

（二）影響機制

在確定綠色信貸政策對企業就業的影響之后，本文基于假設2—4來討論潛在的影響機制。首先，討論綠色信貸是否通過產出效應影響企業就業。其次，研究綠色信貸政策是否通過資本更新效應影響企業就業，然后考慮融資約束效應機制，最后，分析綠色信貸政策和就業之間的異質性關系。

1.產出效應檢驗

表3的列（1）—（3）報告了產出中介效應的模型檢驗結果。在表3的列（2）中綠色信貸政策對中介變量的系數b1顯著為負，說明綠色信貸降低了重污染企業的產出。列（3）中綠色信貸政策和中介變量系數c1和c2均顯著，且b1c2與c1同號，說明產出效應在綠色信貸和就業之間存在中介效應。列（4）和列（5）也證明了產出中介效應的存在。綠色信貸通過將環境成本內部化，這會導致重污染企業經營成本的上升，加劇企業面臨的行業競爭壓力，降低企業產出。此外，由于信號傳遞理論，銀行給企業發放綠色信貸起到了信號傳遞作用。因此，重污染企業不僅難以獲得商業銀行的金融支持，也難以獲得其他投資者的支持。資金缺口可能會影響企業規模擴張甚至是正常生產從而降低企業產出。因此，綠色信貸政策減少了重污染行業企業產出，從而降低了企業的就業。這些結論證實了假設2。

2.資本更新效應檢驗

表4報告了資本更新中介效應模型的檢驗結果。結果表明，表4第（2）列中的綠色信貸政策對中介變量的系數b1顯著為正，說明綠色信貸政策促進了企業資本更新水平的提升。第（3）列中的綠色信貸政策與中介變量的系數c1和c2也均顯著。此時，b1c2與c1異號，說明企業資本更新水平在綠色信貸政策與就業之間存在遮掩效應。表4的第（4）列和第（5）列也證明了資本更新的遮掩效應的存在。相比于非重污染企業，重污染企業面臨更強的環境規制，需要承擔更高的環境治理成本。企業的牟利性導向導致大多重污染企業只愿付出最低投入對環保要求做出應答，從而避免懲罰。這種導向行為導致企業偏好策略性環境治理，即進行末端治理。在末端治理過程中，設備安裝、運行和維護會延伸企業產業鏈，這增加了配套的勞動力需求。但是，即便企業進行環境治理投資增加了部分勞動力需求，但這種促進作用遠小于由于產出效應等導致的抑制作用?？傮w上，綠色信貸政策不利于勞動力需求的增加。因此，綠色信貸政策通過資本更新降低了企業勞動力需求。在相關部門對環境治理投資的重污染企業進一步的支持下，資本更新將會持續發揮遮掩效應，有效緩解由產出效應等所帶來的就業破壞效應。這些結果證實了假設3。

3.融資約束效應檢驗

表5的列（2）和列（3）報告了融資約束效應的模型檢驗結果。在表5的列（2）中，綠色信貸政策對中介變量的系數bl顯著為負，說明綠色信貸降低了重污染企業的外部融資依賴。列（3）中綠色信貸政策和中介變量系數c1和c2均顯著，且b1c2與c1同號，說明融資約束效應在綠色信貸和就業之間存在中介效應。列（4）和列（5）也證明了融資約束效應的存在。綠色信貸對重污染企業具有顯著的融資懲罰效應，融資成本上升，融資規模受限，驅動重污染企業減少以銀行信貸為主的融資依賴。這可能會導致企業擠壓生產經營資金，造成企業經營績效的下滑，從而降低企業就業需求。因此，綠色信貸政策使得重污染行業的企業面臨較為嚴重的融資約束，導致企業降低外部融資依賴，從而降低了企業就業。這些結論證實了假設4。

六、異質性分析

在證實了綠色信貸政策對企業就業的影響和影響路徑后，接下來分析兩者之間的異質性關系。本文從三個角度分析了可能存在的異質性，分別是外部制度環境（金融發展和市場化）、企業內部特征（企業規模和所有權）和城市特征（產業結構和數字經濟發展）。

（一）金融發展和市場化

綠色信貸政策是否降低了企業的就業，可能和各地區的金融發展水平有關。金融發展水平較高的地區更有能力在股權融資和債務融資上支持企業的發展，降低企業的融資約束（O'Toole and Newman，2017）。在金融發展水平較高的地區，企業有更多可以選擇的融資途徑，當以銀行信貸為主的間接融資渠道受到限制后，可以轉向直接融資渠道獲得資金。此外，金融發展水平高的地區具有相對豐富的金融資源和較高的資金配置效率（Levine， 1997）。而金融發展水平較低的地區，企業融資困難程度相對較高。本文根據金融發展水平（利用存貸款余額和GDP的比值衡量）將全樣本劃分為兩個子樣本。然后，重新估計了綠色信貸和就業的關系。表6的列（1）和列（2）結果表明，在金融發展水平較高的地區，綠色信貸和就業沒有顯著的負向關系，導致該結果可能的原因是在金融發展水平較高的地區，企業融資便利性較高，降低了綠色信貸政策導致的融資約束，進一步緩解了綠色信貸政策對就業的負面影響。

綠色信貸與就業的關系可能與市場化水平有關。一方面，市場化水平較高的地區受到社會關注較高，其融資需求傳遞信號較強，能夠提升企業的融資便利性。另一方面，高市場化水平地區擁有更低的信貸風險（李慧云、劉鏑，2016）。此外，市場化改革可以充分發揮金融資源合理配置的作用（張佩瑤、崔建軍，2021；王俊韡等，2023；李思慧、徐保昌，2018）。為了研究市場化水平的異質性影響，參考相關學者（樊綱等，2011）的研究，采用市場化指數衡量地區的市場化水平，將全樣本劃分為兩個子樣本，重新估計綠色信貸與就業的關系。表6的列（3）和列（4）結果表明，在高市場化水平地區，綠色信貸和就業的關系不顯著。而在低市場化水平地區，綠色信貸政策和就業呈現顯著負相關。導致該結果可能的原因是在高市場化水平地區，金融資源配置更加合理，更低的信貸風險導致銀行為重污染企業提供貸款的可能性更高，因此，在市場化水平較高地區，綠色信貸政策的影響較弱。

（二）企業規模和性質

在中國，商業銀行比較注重抵押貸款（李增泉等，2008）。在綠色信貸政策頒布之前，大型重污染企業憑借其規模優勢和資本優勢更容易獲得商業銀行的信貸資金（李廣子、劉力，2009）。在綠色信貸政策實施之后，其所產生的懲罰效應也主要作用于大型重污染企業。根據國家統計局《統計上大中小微型企業劃分辦法（2017）》，將企業分為大型企業和其他企業，重新估計綠色信貸和就業的關系。表7第（1）列和第（2）列結果表明，在大型企業中，綠色信貸政策與就業呈現顯著的負向關系。而在小型企業中，綠色信貸政策對就業沒有顯著影響。導致該結果可能的原因是在綠色信貸政策頒布之前，大型重污染企業因為經營透明度和抵押條件優勢獲取大量的金融機構信貸資金。因此，綠色信貸政策實施之后，金融機構對重污染企業的懲罰效應主要作用于大型企業。

在不同的產權性質下，綠色信貸對就業可能存在不同影響。由于國有企業享有政府擔保和違約風險的優勢，銀行更愿意為國有企業提供信貸資金（陸正飛等，2015）。在綠色信貸政策實施之前，商業銀行主要為國有企業提供資金支持。因此，研究推斷，在綠色信貸政策實施之后，其所產生的懲罰效應也主要作用于國有企業。根據此推斷，本文基于兩個子樣本（國有企業和民營企業）重新估計了綠色信貸政策和就業的關系。表7的列（3）和列（4）結果表明，綠色信貸對國有企業的就業有顯著負面影響，而在民營企業中不存在顯著關系。導致該結果可能的原因是由于國有企業享有政府擔保和違約風險的優勢，這導致銀行的信貸資金更多地流入國有企業。因此，綠色信貸政策對國有企業的影響更強。

（三）城市產業結構及數字經濟水平

綠色信貸政策對就業的影響可能與城市的產業結構有關。產業結構升級的本質是生產率的提升，產業結構變遷往往帶來平均勞動生產率的提高，產品市場需求增加，勞動力市場需求隨之增加。本文根據城市層面的產業結構合理化水平（干春暉等，2011；曲越等，2022），將全樣本分為兩個子樣本，重新估計綠色信貸和就業的關系。表8的列（1）和列（2）結果表明，在產業結構合理化水平較高的地區，綠色信貸和就業沒有顯著的負向關系。這說明，綠色信貸政策對產業結構合理化水平較高、較低組的影響存在差異。導致該結果可能的原因是，產業結構合理化水平較高則城市的企業勞動生產率、企業利潤和勞動力市場需求較高。面對嚴格的綠色信貸政策，其調整能力更強，緩解了綠色信貸政策對就業的負面影響。

綠色信貸政策是否降低了企業的就業，可能和城市的數字經濟發展水平有關。數字經濟的發展對企業高質量發展有促進作用（劉國武等，2023）。例如，數字惠普金融的發展能夠推動金融產業發展，緩解企業融資約束，互聯網服務的發展促進制造業企業生產率和效率的提升（黃群慧等，2019；薛飛等，2022）。本文根據城市數字經濟發展水平（趙濤等，2020），將全樣本分為兩個子樣本，重新估計綠色信貸和就業的關系。表8的列（3）和列（4）結果表明，綠色信貸政策對數字經濟發展水平較高、較低組的影響存在差異，即在數字經濟發展水平較高的地區，綠色信貸和就業沒有顯著的負向關系。導致該結果可能的原因是，數字經濟的發展為企業的融資提供了更多的機會，緩解其融資約束。此外，數字經濟的發展提升了企業生產率和業績，這有利于企業就業需求的增加，緩解綠色信貸對企業就業的負面效應。

七、穩健性分析

本部分進行了穩健性分析，第一，進行了平行趨勢檢驗。第二，為了避免基準DID回歸結果受到其他不可觀測到的遺漏變量的影響，進行了一項安慰劑檢驗。第三，討論了綠色信貸政策實施之前是否產生預期效應。第四，控制了重要政策及宏觀經濟環境的影響。最后，采用PSM-DID進行穩健性檢驗。

（一）平行趨勢檢驗

本文通過描述性統計對重污染行業和其他行業的就業需求進行了展示，表1中就業需求的標準差為1.386，表示就業需求在樣本企業間存在較大差異。圖2展示了2007—2021年不同行業企業就業規模的平行趨勢。其中，虛線代表重污染行業的就業需求，實線代表其他行業的就業需求?？梢园l現在綠色信貸政策實施前，重污染行業和其他行業就業需求的時間變化趨勢基本一致，而在綠色信貸政策實施后二者差距顯著擴大。

無偏雙重差分模型的前提條件是平行趨勢假設。該假設要求在2012年綠色信貸政策實施之前，實驗組和對照組之間不存在顯著差異。為了驗證這一假設，本文構建了一系列虛擬變量，然后替換到式（6）中的pilot中。在圖3中，-5至-2表示政策實施前的第5年至第2年，0表示政策實施的年份，1至9表示政策實施后的第1年至第9年。文章設置以政策實施前一年為基期。結果表明，在2012年綠色信貸政策實施前，綠色信貸政策的系數并不顯著。相比之下，可以發現綠色信貸政策對2012年以后的就業產生顯著的負面影響。因此，研究結果表明，本文的雙重差分模型滿足平行趨勢假設。

（二）安慰劑檢驗

為了避免基準DID回歸結果受到其他不可觀測到的遺漏變量的影響，借鑒王鋒、葛星（2022）的研究，本文進行了一項安慰劑檢驗。具體而言，在樣本城市中隨機抽取了1309個企業作為虛假的處理組，其余城市作為虛假對照組。進一步，文章重新進行了DID估計。將上述過程重復500次，得到了500個隨機系數以及相應的P值，圖4展示了這500個隨機系數估計值的核密度分布圖和P值圖。結果表明，隨機系數集中在0值附近呈現正態分布。可以看出隨機系數明顯偏離真實值，并且大多數不顯著。因此，這意味著本文的基準回歸結果是穩健的。

（三）預期效應檢驗

為了檢驗在實際政策發生之前是否產生預期效應，在式（6）的基礎上，引入了時間（如果year等于2011，則時間虛擬變量為1，否則為0）和重污染企業的交互項虛擬變量（[pilot2011]）。表9的列（1）結果表明，綠色信貸政策的系數在1%的水平上顯著為負，而[pilot2011]的系數不顯著。因此，綠色信貸政策實施之前并沒有產生預期效應。

（四）控制重要政策的影響

樣本期間涵蓋了第十一個五年規劃綱要、第十二個五年規劃綱要、第十三個五年規劃綱要以及第十四個五年規劃綱要的規劃時期。部分規劃綱要對單位GDP能耗和非化石能源占一次能源消費比重提出了計劃目標1。有研究表明，這些政策對企業的環保投資以及產出造成了影響（Lee et al.， 2022；郭文，2016；韓超等，2017）。這些重要政策可能會影響本文的估計結果，因此，本文利用兩個省級變量來控制相關能源政策，分別是能源強度[ei]和能源結構[es]。結果如表9列（2）所示，綠色信貸政策降低了重污染企業的就業。

為應對宏觀經濟環境的變化，企業管理者的行為可能發生改變。為了控制宏觀經濟環境的變化可能對企業就業需求的影響，本文引入城市通貨膨脹率[cpi]，將其作為衡量宏觀經濟環境變化的一個指標。此外，進一步考慮經濟結構變動帶來的影響，利用產業結構、工業結構和城鎮化指標綜合反映地區經濟結構[ecostr]（盛來運等，2018）。表9的列（3）和列（4）結果表明，綠色信貸政策的系數在1%的水平上顯著為負，即綠色信貸政策降低了重污染企業的就業。

考慮到綠色金融政策在企業層面的疊加效應，本文對城市綠色金融發展水平進行了控制。2016年的《關于構建綠色金融體系的指導意見》1和2022年的《銀行業保險業綠色金融指引》2明確提出構建綠色金融體系、促進發展綠色金融。目前，綠色金融主要由綠色信貸、綠色保險、綠色債券和綠色基金等內容組成，本研究利用城市變量來控制相關綠色金融政策。具體而言，根據綠色保險、綠色債券和綠色基金指標，利用熵權法對綠色金融[gf]進行測算。結果如表9列（5）所示，綠色信貸政策降低了重污染企業的就業。

（五）PSM-DID檢驗

為保證基準回歸結果的可靠性，更好地揭示綠色信貸政策和就業之間的因果關系，本文還采用PSM-DID進行穩健性檢驗。具體而言，采用卡尺匹配（1∶4和1∶7）、半徑匹配和核匹配四種匹配方式來篩選與實驗組企業相似度較高的企業。經過上述穩健性操作，變量的t檢驗結果均不顯著，說明PSM結果有效。在此基礎上，構建了由篩選企業和實驗組企業組成的樣本來估計式（6）。表10的列（1）—（4）結果表明，核心解釋變量綠色信貸政策的系數在1%的水平上顯著為負。這些結果表明本文的基準回歸結果是穩健的。

八、結論和政策啟示

綠色信貸政策是推動企業綠色低碳轉型的重要措施，不可避免地對社會產生諸多影響。本文將綠色信貸政策的實施看作是一項準自然實驗，首先在理論上討論綠色信貸政策對就業的影響機制。其次，采用2007—2021年中國滬深兩市A股上市公司的數據，利用雙重差分模型估計綠色信貸政策對企業員工就業的影響，并進行了一系列穩健性檢驗和異質性檢驗。

經過上述分析，得出如下結論：綠色信貸政策降低了重污染企業的就業，研究結果經過了一系列穩健性檢驗。第二個主要發現是產出效應和融資約束效應在綠色信貸政策和就業之間存在中介效應，資本更新效應在綠色信貸政策和就業之間表現為遮掩效應。此外，異質性分析結果表明在城市產業結構水平低、數字經濟發展水平低的企業，綠色信貸政策對重污染企業就業產生了更深的負面影響。最后，在金融發展水平低、市場化水平低、大型企業和國有企業中，綠色信貸政策對就業的負面影響更強。

基于上述研究結論，得到以下政策啟示。第一，作為世界上最大的發展中國家，中國正在實施一系列環境規制措施參與全球氣候治理。作為引導型環境規制政策的一種，綠色信貸對重污染企業的產出和外部融資起到了一定的抑制作用，這表明綠色信貸政策取得了階段性的進展。因此，銀行業金融機構應該根據相關法律法規繼續嚴格控制信貸門檻，從而約束重污染企業行為，督促企業淘汰落后產能及落后設備、工藝。雖然綠色信貸政策的目標是為了促進企業綠色低碳轉型，但是這一政策對重污染企業的就業產生了影響。隨著環境規制的繼續加強，相關部門在考慮企業的減排目標時，也應考慮到其對就業的不利影響。為了減弱這種不利影響，政府可以加大對高碳轉型企業的政策扶持力度，幫助企業順利轉型，降低失業風險。此外，面對進一步環境規制政策的調適，政府還可以考慮一系列的就業幫扶、就業援助等措施，加大就業穩崗力度。

第二，從資本更新的遮掩效應來看，為了獲得貸款，重污染企業不得不通過環境治理投資以達到環保要求，環境治理投資緩解了綠色信貸政策對就業的負向影響。政府本著促進企業綠色低碳轉型的初衷，應對于想通過環保治理投資進而實現綠色低碳轉型的企業給予資金支持。在政策框架下，金融機構可以為高碳轉型企業制定具體的金融支持方案。例如，在綠色信貸政策框架下適當降低高碳轉型企業的信貸門檻。目前資本更新效應對就業的正向影響難以抵消產出效應和融資約束效應的負向影響，但在對高碳轉型企業的政策支持下，資本更新效應不斷增強，這將有利于重污染企業綠色轉型和吸納就業。

第三，異質性結果發現綠色信貸政策對國有企業和大型重污染企業的就業存在顯著的負面影響，而這種影響對非國有企業和中小型企業并不存在。由于國有企業和大型企業往往對一個地區的經濟發展和社會的穩定有重要影響，因此，政府有必要介入，對國有企業和大型企業進行指導，支持環境治理投資，妥善處理下崗工人的再就業等問題。例如，政府需要招募專業技術人才，提升再就業定向性和專業性培訓力度，提高失業人員在當地市場的匹配度。相關部門應對因環保問題導致失業的人員進行政策支持，以鼓勵企業接納員工。

文章存在一些局限，在未來，學者可以繼續研究哪些類型（男性和女性，高技能和低技能，教育水平高和教育水平低）的工人更容易受到綠色信貸政策的影響。除綠色信貸外，學者還應繼續探究綠色保險、綠色基金、綠色信托等多層次綠色金融對就業的影響。

參考文獻

樊綱、王小魯、馬光榮，2011，“中國市場化進程對經濟增長的貢獻”，《經濟研究》，第9期，第4-16頁。

傅芳寧、李勝蘭，2023，“是綠色虹吸還是綠色涓滴：低碳試點政策對綠色技術創新的鄰里效應研究”，《南方經濟》，第8期，第115-133頁。

干春暉、鄭若谷、余典范，2011，“中國產業結構變遷對經濟增長和波動的影響”，《經濟研究》，第5期，第4-16+31頁。

郭文，2016，“環境規制影響區域能源效率的閥值效應”，《軟科學》，第11期，第61-65頁.

韓超、張偉廣、馮展斌，2017，“環境規制如何‘去資源錯配——基于中國首次約束性污染控制的分析”，《中國工業經濟》，第4期，第115-134頁。

胡浩、劉笑笑，2022，“綠色信貸與企業全要素生產率——基于‘兩高一剩企業的準自然實驗分析”，《工業技術經濟》，第11期，第75-84頁。

胡永平，2022，“融資依賴、IPO與創業板上市公司創新投資”，《科研管理》，第3期，第117-124頁。

黃群慧、余泳澤、張松林，2019，“互聯網發展與制造業生產率提升：內在機制與中國經驗”，《中國工業經濟》，第8期，第5-23頁。

黃新煥、鮑艷珍、陳勇智等，2023，“獎懲組合政策下企業策略性環境治理演化博弈研究”，《中國環境科學》，第7期，第3808-3820頁。

李廣子、劉力，2009，“債務融資成本與民營信貸歧視”，《金融研究》，第12期，第137-150頁。

李慧云、劉鏑，2016，“市場化進程、自愿性信息披露和權益資本成本”，《會計研究》，第1期，第71-78+96頁。

李夢潔，2016，“環境規制、行業異質性與就業效應——基于工業行業面板數據的經驗分析”，《人口與經濟》，第1期，第66-77頁。

李強、陳山漫，2023，“綠色信貸政策、融資成本與企業綠色技術創新”，《經濟問題》，第8期，第67-73+120頁.

李思慧、徐保昌，2018，“金融市場化、融資約束與企業成本加成：來自中國制造業企業的證據”，《國際貿易問題》，第2期，第164-174頁。

李增泉、辛顯剛、于旭輝，2008，“金融發展、債務融資約束與金字塔結構——來自民營企業集團的證據”，《管理世界》，第1期，第123-135+188頁。

連莉莉，2015，“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”，《金融經濟學研究》，第5期，第83-93頁。

劉國武、李君華、湯長安，2023，“數字經濟、服務業效率提升與中國經濟高質量發展”，《南方經濟》，第1期，第80-98頁。

馬賽、薛勇、黃釗坤，2023，“京津冀城市群環境規制對就業規模影響”，《中國軟科學》，第9期，第171-181頁。

陸正飛、何捷、竇歡，2015，“誰更過度負債：國有還是非國有企業”，《經濟研究》，第12期，第54-67頁。

曲越、秦曉鈺、汪惠青、夏友富，2022，“中國‘碳中和的城市協同路徑研究——基于‘碳達峰異質性的門限模型”，《中國地質大學學報（社會科學版）》，第4期，第50-63頁。

盛來運、鄭鑫、周平等，2018，“我國經濟發展南北差距擴大的原因分析”，《管理世界》，第9期，第16-24頁。

蘇冬蔚、連莉莉，2018，“綠色信貸是否影響重污染企業的投融資行為？”，《金融研究》，第12期，第123-137頁。

王鋒、葛星，2022，“低碳轉型沖擊就業嗎——來自低碳城市試點的經驗證據”，《中國工業經濟》，第5期，第81-99頁。

王俊韡、羅海東、張蘋蘋，2023，“利率市場化對實體企業金融化的影響研究”，《經濟問題》，第2期，第69-76頁。

王馨、王營，2021，“綠色信貸政策增進綠色創新研究”，《管理世界》，第6期，第173-188+11頁。

王躍堂、王國俊、彭洋，2012，“控制權性質影響稅收敏感性嗎？——基于企業勞動力需求的檢驗”，《經濟研究》，第4期，第52-63頁。

溫忠麟、葉寶娟，2014，“中介效應分析：方法和模型發展”，《心理科學進展》，第5期，第731-745頁。

肖建忠、董宇萱，2023，“綠色信貸政策對企業環境績效的影響——以重污染行業上市企業為例”，《江蘇大學學報（社會科學版）》，第2期，第89-100+112頁。

薛飛、周民良、劉家旗，2022，“數字基礎設施降低碳排放的效應研究——基于‘寬帶中國戰略的準自然實驗”，《南方經濟》，第10期，第19-36頁。

游靄瓊、王明珂，2023，“環境規制、科技創新投入與經濟發展質量——來自中國地級市層面的證據”，《南方經濟》，第6期，第142-162頁。

于波，2021，“綠色信貸政策如何影響重污染企業技術創新？”，《經濟管理》，第11期，第35-51頁。

余泳澤、尹立平，2022，“中國式環境規制政策演進及其經濟效應：綜述與展望”，《改革》，第3期，第114-130頁。

張佩瑤、崔建軍，2021，“市場化改革有助于經濟去杠桿嗎？——來自中國省級層面的經驗證據”，《經濟問題探索》，第10期，第1-12頁。

趙濤、張智、梁上坤，2020，“數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據”，《管理世界》，第10期，第65-76頁。

Baron， R.M. and Kenny， D.A.， 1986， “The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual，Strategic， and Statistical Considerations”， Journal of Personality and Social Psychology， 51（6）： 1173-1182.

Barrett， J.P. and Hoerner， J.A.， 2002， Clean Energy and Jobs：A Comprehensive Approach to Climate Change and Energy Policy， Washington，DC， Economic Policy Institute.

Berman， E. and Bui， L.T.M.， 2001， “Environmental Regulation and Labor Demand：Evidence from the South Coast Air Basin”， Journal of Public Economics，? 79（2）： 265-295.

Hanoteau， J. and Talbot， D.， 2019， “Impacts of the Quebec Carbon Emissions Trading Scheme on Plant-level Performance and Employment”， Carbon Management， 10（3）： 287-298.

He， L.， Zhang， L.， Zhong， Z.， Wang， D. and Wang， F.， 2019， “Green Credit， Renewable Energy Investment and Green Economy Development：Empirical Analysis Based on 150 Listed Companies of China”， Journal of Cleaner Production， 208： 363-372.

Hu， G.， Wang， X. and Wang， Y.， 2021， “Can the Green Credit Policy Stimulate Green Innovation in Heavily Polluting Enterprises？ Evidence from a Quasi-natural Experiment in China”， Energy Economics， 98： 105134.

Lee， C.C.， Chang， Y.F. and Wang， E.Z.， 2022， “Crossing the Rivers by Feeling the Stones： The Effect of Chinas Green Credit Policy on Manufacturing Firms Carbon Emission Intensity”， Energy Economics， 116： 106413.

Levine， R.， 1997， “Financial Development and Economic Growth：Views and Agenda”， Journal of Economic Literature， 35（2）： 688-726.

Li， J.， Dong， X. and Dong， K.， 2022a， “Do Pollutant Discharge Fees Affect Labor Demand？ Evidence from China's Industrial Enterprises”， Applied Economics， 54（2）： 170-188.

Li， W.， Cui， G. and Zheng， M.， 2022b， “Does Green Credit Policy Affect Corporate Debt Financing？ Evidence from China”， Environmental Science and Pollution Research， 29（4）： 1-10.

Li， Z. and Lin， B.， 2022， “Analyzing the Impact of Environmental Regulation on Labor Demand： A Quasi-experiment from Clean Air Action in China”， Environmental Impact Assessment Review， 93： 106721.

Liu， J.Y.， Xia， Y.， Fan，Y.， Lin， S.M. and Wu， J.， 2017a， “Assessment of a Green Credit Policy Aimed at Energy-intensive Industries in China Based on a Financial CGE Model”， Journal of Cleaner Production， 163，293-302.

Liu， M.， Shadbegian， R. and Zhang， B.， 2017b， “Does Environmental Regulation Affect Labor Demand in China？ Evidence from the Textile Printing and Dyeing Industry”， Journal of Environmental Economics and Management， 86： 277-294.

Liu， M.， Tan， R. and Zhang， B.， 2021， “The Costs of ‘Blue Sky： Environmental Regulation， Technology Upgrading，and Labor Demand in China”， Journal of Development Economics， 150： 102610.

Liu， X.， Wang， E. and Cai， D.， 2019， “Green Credit Policy， Property Rights and Debt Financing： Quasi-natural Experimental Evidence from China”， Finance Research Letters， 29： 129-135.

O'Toole， C. and Newman， C.， 2017， “Investment Financing and Financial Development： Evidence from Viet Nam”， Review of Finance， 21（4）： 1693-1674.

Porter， M.E. and Van Der Linde， C.， 1995， “Toward a New Conception of the Environment Competitiveness Relationship”， Journal of Economic Perspectives， 9（4）： 97-118.

Ren， S.， Li， X.， Yuan， B.， Li， D and Chen， X.， 2018， “The Effects of Three Types of Environmental Regulation on Eco-efficiency： A Cross-Region Analysis in China”， Journal of Cleaner Production， 173： 245-255.

Ren， S.， Liu，D.， Li，B.， Wang， Y. and Chen， X.， 2020， “Does Emissions Trading Affect Labor Demand？ Evidence from the Mining and Manufacturing Industries in China”， Journal of Environmental Management， 254： 109789.

Sheng， J.， Zhou， W. and Zhang， S.， 2019， “The Role of the Intensity of Environmental Regulation and Corruption in the Employment of Manufacturing Enterprises： Evidence from China”， Journal of Cleaner Production， 219： 244-257.

Sheriff， G.， Ferris， A.E. and Shadbegian， R.J.， 2019，? “How Did Air Quality Standards Affect Employment at US Power Plants？ The Importance of Timing，Geography，and Stringency”， Journal of the Association of Environmental and Resource Economists， 6（1）： 111-149.

Su， X.， Pan， C.， Zhou， S. and Zhong， X.， 2022， “Threshold Effect of Green Credit on Firms Green Technology Innovation： is Environmental Information Disclosure Important？”， Journal of Cleaner Production， 380： 134945.

Wang， C. and Wang， L.， 2023， “Green Credit and Industrial Green Total Factor Productivity： The Impact Mechanism and Threshold Effect Tests”， Journal of Environmental Management， 331： 117266.

Wen， H.， Lee， C. C and Zhou， F.， 2021， “Green Credit Policy， Credit Allocation Efficiency and Upgrade of Energy-intensive Enterprises”， Energy Economics， 94： 105099.

Yamazaki， A.， 2017，? “Jobs and Climate Policy： Evidence from British Columbias Revenue-Neutral Carbon Tax”， Journal of Environmental Economics and Management， 83： 197-216.

Yao， W.， Zhang， Y.， Ma， J and Cui， G.， 2023， “Does Environmental Regulation Affect Capital-Labor Ratio of Manufacturing Enterprises： Evidence from China”， International Review of Financial Analysis， 86： 102485.

Yip， C.M.， 2018， “On the Labor Market Consequences of Environmental Taxes”， Journal of Environmental Economics and Management， 89： 136-152.

Yu， D.J. and Li，J.， 2021， “Evaluating the Employment Effect of Chinas Carbon Emission Trading Policy： Based on the Perspective of Spatial Spillover”， Journal of Cleaner Production， 292： 126052.

Zhang， A.， Deng， R. and Wu， Y.， 2022， “Does the Green Credit Policy Reduce the Carbon Emission Intensity of Heavily Polluting Industries？ - Evidence from Chinas Industrial Sectors”， Journal of Environmental Management， 311： 114815.