碳風險對企業投資行為的影響研究

摘要：本文分析了碳風險對中國上市公司投資行為的影響。通過選取2013—2021年A股全部上市公司為研究樣本，以2016年中國簽署《巴黎協定》為碳政策的時點，使用雙重差分法分析了碳風險對企業投資行為的影響。研究發現，2016年中國簽訂《巴黎協定》減排承諾簽訂后，上市公司中高碳排放企業的過度投資行為明顯減少。進一步研究發現，當企業ESG績效較好，以及行業競爭水平較高時，碳風險對企業投資行為的抑制作用減緩。本文的研究從投資角度拓展了碳風險影響企業價值的路徑，也豐富了雙碳背景下中國上市公司投資規律的研究成果。

關鍵詞：碳風險；過度投資；ESG；行業競爭水平

中圖分類號：F2"""""""文獻標識碼：A""""""doi：10.19311/j.cnki.16723198.2025.03.009

0"引言

近來，有關碳排放引發的環境問題得到了學術界和實務界的廣泛關注[1]。企業正面臨提高運營效率和財務業績的壓力，同時也面臨眾多利益相關者群體對超越環境活動規定水平的巨大需求。中國在建立清潔發展機制方面具有最大的發展潛力，為了加速向可持續經濟轉型，中國政府在2016年加入《巴黎協定》的減排承諾，并在隨后的2020年9月，承諾在2030年前達到碳峰值，在2060年前實現碳中和。由碳排放政策嚴格執行而產生的企業碳風險對企業業務與財務的影響，為成為大量學術研究的焦點所在[2]。因此，本研究選取2013—2018年中國A股上市公司作為研究樣本，通過雙重差分法（DID）考察碳風險對企業投資效率的影響。研究結果顯示，碳風險對企業的投資效率有積極影響，主要是抑制了企業的過度投資。進一步研究發現碳風險對企業過度投資的抑制，在ESG水平較高，以及行業競爭水平較高時有所減緩。

1"理論分析與研究假設

1.1"碳風險與企業投資行為

本文認為，碳風險對企業投資效率的積極影響，主要來自以下4個方面。

第一，碳風險極大地刺激了企業的創新，增加了企業的綠色專利。此外，碳風險會敦促企業減少污染物排放，也使企業能夠通過出售碳排放權獲得額外收入;第二，環境法規具有創新補償效應，意味著環境法規產生的合規成本可以被分攤，從而提高投資效率;第三，由于ETS的建立，對環境保護的過度投資會產生擠出效應，從而調整企業投資于其他高效領域的資金量。第四，碳風險在敦促企業外部治理機制方面發揮重要作用。碳風險的存在督促企業披露更多的交易信息，形成對公司的外部約束，減少了企業信息的不對稱性和代理問題，促進投資效率。基于以上分析，本文提出如下假設。

H1：碳風險會顯著降低企業過度投資水平，提高企業投資效率

1.2"ESG績效與企業投資

根據2021年普華永道的調查，全球79%的股東認為公司應將ESG直接納入其業務實踐和戰略。這表明，股東們不僅關心投資組合的傳統財務指標，還關心投資選擇的環境和社會特征。

更高的ESG績效反映了企業投資價值更符合綠色低碳發展的趨勢，需要企業超前布局投資，企業投資的依據更為充分。管理者傾向于通過向利益相關者誠實地傳達他們的ESG績效努力來減少信息不對稱。因此，管理層有動力投資于ESG實踐，以顯示他們對所有利益相關者群體的承諾，避免逆向選擇問題，并將自己與競爭對手區分開來。

基于上述討論，本文認為，ESG績效更好的企業，獲得的投資機會增加，從而會減緩碳風險對企業投資行為的約束。因此本文提出以下假設。

H2a：ESG績效較好的企業，碳風險對企業過度投資的抑制作用會緩解

1.3"行業競爭水平與企業投資

競爭行為是影響企業投資的重要因素。本文認為，競爭水平會影響碳風險對高碳排放企業投資行為的影響效果。

更高的競爭行為會促使更多產品產能擴張或產品改進的投資行為。競爭增加了企業對質量改進、成本降低、合同激勵和員工努力的重視，這與產品市場競爭有助于協調管理者和股東的利益這一論點相一致。因此，競爭水平較高時，會推動或鼓勵企業維持較高的投資水平。

綜上，本文提出如下研究假設：

H2b："行業競爭水平較高時，碳風險對企業過度投資的抑制作用會緩解

2"研究設計

2.1"樣本選擇

本文依據行業碳排放數據，以及中國碳排放權交易市場所確定的八大能耗產業來確定高碳排放企業樣本，并通過中國政府簽訂《巴黎協定》承諾減碳的時間2016年，確定減碳政策時間，以及樣本時期。由于《巴黎協定》的簽署是中國向全世界減排行動的標志，因此本文選取2016年作為碳政策的發生時點，確定樣本期間為2013—2021年。除了碳風險數據之外，本文的投資效率所需數據以及公司財務特征數據均來自于國泰安CSMAR數據庫，ESG所需要的數據來自于彭博社數據庫。

2.2"變量設計

被解釋變量。投資效率Inveffi_InvR。借鑒已有文獻的研究，本文使用投資模型變量來測量企業投資效率[3]。計算方法為先估算企業正常的投資水平，然后將模型的殘差作為投資效率的代理變量。模型如下：

Invi，t=a0+a1TQi，t-1+a2Levi，t-1+a3Cashi，t-1+a4Agei，t-1+a5Sizei，t-1+a6Reti，t-1+a7Invi，t-1+a8Yeari，t-1+a9Indi，t-1+εi，t"（1）

在模型（1）中，Invi，t是公司年度實際的投資水平，其測量方式為企業當年固定資產、無形資產以及其他長期資產的支出減去出售資產得到的收入之差，再除以年初資產總額；TQ為公司流通市值、非流通市值以及負債賬面價值之和與總資產之比；Lev為企業年末資產負債率；Cash為企業現金持有量，衡量方式為年末貨幣資金除以總資產；Age為公司成立日起到統計截止日的年限；Size為企業總資產的自然對數；Ret為公司在資本市場上的股票收益率；最終，模型（1）中的殘差項ε代表了投資效率Inveffi_InvR。

解釋變量。碳風險DID。本文使用雙重差分法來構造碳風險變量。首先是處理組樣本，依據中國碳排放交易市場確定的八大能耗行業，與證監會行業分類一一比對，若樣本公司所處行業為八大能耗行業之一，則為處理組樣本Treat，賦值為1，否則為控制組樣本，賦值為0。其次是政策時間變量，借鑒國內外碳風險研究，使用《巴黎協定》的簽署時間為碳政策時點，確定2016年及之后為政策時點之后Post，賦值為1，2016年之前為政策時點之前，賦值為0。最終，碳風險的變量為DID變量，即交乘項Treat×Post。

調節變量。ESG績效。本文使用彭博社ESG評分來測量企業ESG績效，ESG評分中，分別包括了E、S和G的得分以及綜合得分，本文使用綜合得分來測量企業ESG績效。競爭水平HHI，為行業內的每家公司的營業收入與行業營業收入合計比值的平方累加，具體計算方式為HHI=sum[（Xi/X）2]，Xi為單個公司的營業收入，X為該公司所屬行業的營業收入合計，（Xi/X）即為該公司所占的行業市場份額。其中，行業分類按照證監會行業代碼分類，字母加兩位數字相同的行業劃分為同一行業。

控制變量。依據以往企業投資的相關研究，本文控制了以下影響因素作為控制變量。首先是公司治理變量，包括董事會規模Boardsize，使用董事會人數的自然對數；董事會結構Independ，使用獨立董事占董事會總人數的比例；股權集中度Blockhold，使用第一大股東持股比例；高管持股CEOhold，使用管理層持股占總流通股的比例；管理層薪酬Compensation，使用前三位高管薪酬總額的自然對數。其次是公司特征變量，包括公司年齡Age，使用公司成立日至統計日截止的年限；公司規模Size，公司總資產的自然對數；財務杠桿Lev，年末資產負債率；財務績效ROA，年末總資產負債率；成長性Growth，公司營業收入的增長率；自由現金流Cashflow，計算方式為公司前一年度息前稅后利潤加折舊與攤銷，再扣減營運資本增加與資本支出。

2.3"研究模型與方法

本文使用DID雙重差分模型來檢驗研究假設，如模型（2）。

Inveffi_InvRi，t=a0+a1DIDi，t-1+a2ESGi，t-1+a3DIDi，t-1*ESGi，t-1+a4HHIi，t-1+a5DIDi，t-1*HHIi，t-1+a6Controlsi，t-1+εi，t（2）

在模型（2）中，Inveffi_InvR為被解釋變量企業投資效率，DID為本文的碳風險變量，即交乘項Treat×Post，是主要解釋變量，ESG和HHI是調節變量，分別代表ESG績效和行業競爭水平，Controls為全部控制變量，包括年度和行業控制變量。

3"實證結果

3.1"描述性統計與相關性分析

表1為變量的描述性統計結果。如圖所示，企業投資效率Inveffi_InvR的標準差為0070，最小值為-0029，最大值為0420，說明不同企業對投資效率在分布上有明顯的差異。DID碳風險變量的均值結果顯示，處理組樣本占整體比例的21%。企業平均ESG評分為11分，但最大值和最小值之間差別明顯，最小值為0分，最大值為5950分。除此之外，行業競爭性水平的均值為0160，最小值為0040，最大值為1，同樣在行業之間差別較大。

3.2"回歸結果

表2為模型的回歸結果。在表2中，模型（1）為全部控制變量與企業過度投資Inveffi_InvR的回歸結果。模型（2）為主要解釋變量碳風險對企業過度投資的回歸結果，模型（3）和模型（4）為分別加入ESG和HHI之后的乘積項回歸結果，模型（5）為所有變量的回歸結果。

表2中模型（2）的回歸結果顯示，碳風險DID與企業過度投資Inveffi_InvR的回歸系數為-0002，對應T值為-318，在5%的顯著性水平下顯著。這表明減排政策顯著抑制了高碳企業的過度投資行為，本文的研究假設H1得到了強烈支持。模型（3）的結果顯示，DID×ESG與過度投資的回歸系數為0001，對應T值為182，在10%的顯著性水平下顯著為正，本文的研究假設H2a得到了支持。表明在ESG得分較高的企業中，碳風險對企業投資的抑制作用會明顯減弱。模型（4）的結果顯示，HHI與DID的乘積項回歸系數為0016，對應T值為190，在10%的顯著性水平下顯著，驗證了本文假設H2b。模型（5）中對應主要解釋變量和調節變量的回歸系數符號不變。表4的回歸結果表明，本文的研究假設得到了很好的支持。

3.3"穩健性檢驗

為驗證本文研究假設的穩健性，本文對研究假設增加了如下兩種穩健性檢驗。

首先使用Biddle（2009）[4]的投資模型計算方式重新測量企業過度投資，測量方式如下：

Invi，t=β0+β1Growthi，t-1+θi，t（3）

其中，Growth代表企業營業收入的增長率，測量了企業過度投資的程度Inveffi_Biddle。

其次本文改變了行業競爭HHI的測量方式，使用營業總收入來代替原有的主營業務收入，重新計算行業競爭水平。本文穩健性檢驗的結果如表3所示。

如表3所示，模型（2）至模型（5）的回歸結果中，DID碳風險與企業投資效率Inveffi_Biddle之間的回歸系數均為負，并且在5%的顯著性水平下顯著。這一結果再次支持了本文的研究H1，表明高碳風險企業在碳政策實施后投資水平明顯降低。同時，ESG和HHI行業競爭水平與DID的乘積項回歸系數在模型（3）和模型（4）中均為正，并且在5%的顯著性水平下顯著，這一結果再次支持了本文的研究假設H2a和H2b，表明ESG績效較高和行業競爭水平較高的企業，投資水平不會明顯下降。穩健性檢驗的結果支持本文研究假設。

4"研究結論

本文使用雙重差分法分析了碳排放政策對企業投資行為的影響。研究結果顯示，自中國簽訂《巴黎協定》開始實施碳政策以后，高碳排放企業的投資水平顯著降低。這表明碳風險顯著降低了企業的過度投資行為。進一步的研究結果顯示，ESG績效較好的企業和行業競爭程度較高的企業，投資水平減緩的程度明顯降低。這表明碳風險對企業投資水平的影響在ESG較好的企業以及競爭程度較高的行業中其影響作用有所減弱。

參考文獻

[1]Arif"M，Kumar"R，Kumar"R，等.Modelling"of"sectoral"emissions"of"shortlived"and"longlived"climate"pollutants"under"various"control"technological"strategies[J].Science"of"the"Total"Environment，2020，699.

[2]Jang"S"S，Ko"H，Chung"Y，等.CSR，social"ties"and"firm"performance[J].Corporate"Governance，2019，19（6）：13101323.

[3]翟勝寶，程妍婷.企業家精神與非效率投資——基于企業生命周期視角[J].財會月刊，2022，（6）：2534.

[4]Biddle"G"C，Hilary"G，Verdi"R"S.How"does"financial"reporting"quality"relate"to"investment"efficiency？[J].Journal"of"Accounting"and"Economics，2009，48（2）：112131.