政策傳遞視角下綠色金融對長江經濟帶制造業減排的影響

關鍵詞 綠色金融政策；制造業；污染減排；長江經濟帶

中國經濟發展取得舉世矚目的成就，但隨之而來的環境保護根源性、結構性和趨勢性壓力日益凸顯，生態破壞和污染排放的嚴峻形勢尚未根本緩解，成為限制地區高質量發展的瓶頸。2024年全國生態環境保護工作會議指出，中國生態文明建設仍處在負重前行、壓力疊加的關鍵時期，生態環境保護任務依然艱巨。面對繁重艱巨的國內改革，2024年國務院政府工作報告強調實施制造業高質量發展行動，推動傳統產業綠色化轉型。

長江經濟帶作為國家戰略發展地，具有至關重要的生態地位。長江經濟帶制造業是引領中國制造業發展的排頭兵，但制造業企業長期粗放發展難以實現環境保護和經濟發展的協調統一。“優環境”與“穩增長”已成為長江經濟帶制造業企業在高質量發展進程中亟待解決的重點與難點問題。綠色金融作為改善生態環境的綠色活動，已成為當下生態文明建設的新引擎。2017年，國務院決定在全國5省設立“綠色金融改革創新試驗區”，這標志著中國綠色金融邁進“自上而下”的頂層設計和“自下而上”的區域探索相結合的新階段，也標志著中國綠色金融政策的全面啟動。據此，全面系統地研究綠色金融政策對長江經濟帶制造業減排的影響具有重要意義。

縱觀已有研究，一是受限于微觀數據的可得性，現有研究主要立足于國家、地區等宏觀層面探討綠色金融政策對環境污染的影響［1-3］。企業作為環境污染排放的微觀主體，對環境污染的影響不容忽視，少數學者通過較舊的中國工業企業數據庫，研究綠色金融細分政策對企業綠色轉型的影響，未能揭示微觀企業主體的污染現狀。二是現有關于綠色金融政策與污染排放的文獻集中于綠色信貸政策、綠色債券政策和碳排放權政策［4-6］，綠色金融政策整體影響污染排放的文獻較為不足。同時，現有文獻主要通過技術進步、產業結構調整等較為單一化的變量來探究綠色金融政策的減排機制，基于綠色金融政策“制定→傳導→反饋”過程的減排機制有待進一步深入和豐富。三是現有文獻主要基于宏觀層面分析綠色金融政策對地區環境污染的空間溢出效應，對于微觀層面而言，學者們主要研究綠色金融政策對企業綠色轉型產生的經濟后果［7］，鮮有學者從微觀企業層面剖析綠色金融政策對污染排放產生影響的同時，分析其可能具有的環境效應、經濟效應和社會效應。

針對上述實踐與理論局限，本研究主要存在以下研究貢獻：①基于宏觀金融政策與微觀企業行為協作的視角為打好污染防治攻堅戰提供流域情境下的環境治理方案，對設立綠色金融改革創新試驗區的政策效果進行系統的量化評估，為有重點、分層次、分階段地推進綠色金融發展和制造業低碳轉型提供直接的經驗證據。②基于政策“制定→傳導→反饋”視角詮釋了綠色金融政策對污染減排的作用機理，本研究從政策制定主體、政策傳導主體和政策反饋主體3個維度全面系統地考察了綠色金融政策對制造業減排的作用機理，有助于更詳細地解構中央環境政策賦能微觀經濟主體的影響過程。③在既有文獻的基礎上補充了綠色金融政策的環境效應、經濟效應與社會效應研究，有效識別并揭示了綠色金融政策的宏微觀治理效果，為今后綠色金融政策的優化和完善提供有益參考。

1 理論分析與研究假說

1. 1 綠色金融政策與污染減排

綠色金融政策設立初衷是為促進金融資源在經濟部門和環境部門之間達到最優配置，與其他金融政策不同的是，綠色金融政策旨在提高經濟增長質量的同時解決環境污染問題。制造業企業是污染排放的關鍵行動者和重要參與者，也是綠色金融政策的直接影響者。制造業企業是否進行綠色生產，將污染治理付出的成本內在化，一定程度上依賴于外部競爭水平。根據企業競爭力理論，源于外部的污染減排壓力有利于激勵企業創新思維、克服組織惰性［8］。與以往環境政策相比，綠色金融政策既能通過行政處罰的方式“一票否定”重污染企業的投融資需求，又能依托環境信息披露、環境社會責任履行等方式增加企業外部競爭力。一方面綠色金融工具提高了重污染企業融資成本，倒逼企業進行綠色創新，以“創新補償效應”彌補企業“遵循制度成本”；另一方面通過緩解非重污染企業融資約束，在增加重污染企業投資風險的同時降低其融資機會，最終使綠色資源流向清潔生產的企業。具體而言，政府為試驗區提供財政補貼和獎勵形成地區“洼地效應”，若企業達到金融機構認證標準則能獲取綠色信貸支持，為制造業企業綠色轉型提供資金保障。此外，制造業企業提高污染減排相關的環境信息披露水平，有利于樹立綠色環保的企業形象，維護企業綠色聲譽，獲取企業競爭優勢［9］，最終實現企業綠色發展。據此，提出假設H1。

H1：綠色金融政策的實施有利于試驗區企業減排。

1. 2 綠色金融政策影響污染減排的作用機理

在綠色金融政策傳遞過程中，如何化解政策執行困境、實現政策效果向政策愿景的有效轉化，關鍵在于政策“制定→傳導→反饋”過程的有效融合［10］。綠色金融政策除對制造業減排產生直接影響外，政策傳遞各級主體（政策制定主體、政策傳導主體和政策反饋主體）將對制造業減排產生間接影響。首先，就以宏觀監督和激勵為主的政策制定主體而言，政府通過實施污染減排政策、發放政府補貼等形式，管理、監督和調控制造業企業的污染排放情況［11］。其次，就以產業結構調整為主的政策傳導主體而言，金融機構通過進行金融資源配置，限制高能耗、高污染企業的發展，扶持綠色低碳企業的發展，從而調整產業發展結構［12］。最后，就以研發創新為主的政策反饋主體而言，制造業企業通過綠色技術引進、技術改造和技術研發，提高資源利用效率、節約生產運營成本，從而對污染減排產生間接影響［13］。政策制定主體的管理減排形式、政策傳導主體的結構減排形式以及政策反饋主體的技術減排形式構成了我國主要的污染減排體系［14］。其中，政策制定主體層面的管理減排為“軟減排”舉措，政策傳導主體層面的結構減排和政策反饋主體層面的技術減排為“硬減排”舉措，3類減排措施協同發展、相輔相成，高效地管理和控制企業環境污染行為（圖1）。

1. 2. 1 基于政策制定主體層面的政府財政激勵的作用機理分析

從政策傳遞過程來看，綠色金融政策的實施并非單一的政府行為，而是由政策制定者（政府）傳遞到政策反饋者（企業）的復雜過程。政府財政激勵作為一種前期支持，是政府有選擇地引導、激勵企業綠色轉型的重要手段。政府作為綠色金融政策的制定者，通過環保投資發揮資金導向效應，傳遞出政府致力于發展綠色經濟的決心，在向污染企業發出警示信號的同時，以正向激勵或逆向倒逼的方式發揮企業主觀能動性促使其主動綠色轉型。環境問題涉及多方利益，短期來看，政府財政激勵會改變企業成本和收益結構繼而影響企業生產決策，一方面，政府財政激勵傳遞出企業資源利用效率不高的信號，有利于引導社會資本和優秀人才向節能、環保、生態等領域傾斜，此時企業進行綠色轉型的期望值高且成本較低；另一方面，財政分權下的央地博弈誘發地方政府進行環保競爭，在此過程中，地方政府致力于爭奪地區間綠色優質資源，推動地區經濟高質量發展［15］，從而激發企業參與污染防治的主動性與積極性。長遠來看，政府財政激勵通過綠色技術升級和市場環境改善來降低企業污染排放，一方面，政府財政激勵是政府履行環境治理職能的物質保障，企業運用環保資金進行綠色技術的研發和推廣，促使污染企業從傳統低效的高能耗生產方式轉向清潔生產；另一方面，政府在環保理念上從末端治理轉向源頭管控［16］，加強信息公開下的市場監督與市場約束，積極引導和推動企業進行綠色變革，市場預期發生變化間接規范了企業污染行為。據此，提出假設H2。

H2：綠色金融政策的實施，通過政府財政激勵促進企業減排。

1. 2. 2 基于政策傳導主體層面的金融機構資源配置的作用機理分析

政策傳遞過程必須通過一定媒介來加以承載，所謂政策傳遞實質上是依托于媒介，將政策付諸貫徹落實的實踐過程［17］。金融機構作為經濟參與者，在綠色金融政策傳遞過程中扮演著傳導介質的角色，金融機構對金融資源進行綠色配置將引起金融市場上供需結構的變化。對中國來說，相比在資本市場融資，金融機構信貸仍是企業外部融資的主要來源。具體而言，金融機構將企業污染排放衍生的負外部性內在化，經過融資渠道動態調整企業環境污染的機會成本，在增進清潔投資的同時減少污染投資，借助資金配置引導企業綠色轉型和高質量發展。金融機構的融資功能從企業生產經營初始階段就發揮環境治理作用，通過資金要素再分配和棕色企業綠色轉型兩個渠道貫穿整個生產流程，具有始端防治和全周期治理特征。在資金要素再分配方面，金融機構對企業清潔生產的激勵效應，表現在非重污染企業在獲得信貸融資時具有便利性和可得性的比較優勢，當企業在環境信息披露、環境風險管理以及環境績效各方面表現較好時，將獲得成本更低、期限更長以及規模更高的外部融資［18］。在棕色企業綠色轉型方面，金融機構的約束效應表現在污染企業在獲得信貸融資時將面臨更高的交易成本和門檻限制［19］，高昂的污染成本和融資利率導致企業經濟績效下跌，污染企業唯有增強清潔投入，并自主進行綠色轉型才能有效緩釋環境風險。據此，提出假設H3。

H3：綠色金融政策的實施，通過金融機構資源配置促進企業減排。

1. 2. 3 基于政策反饋主體層面的企業技術創新的作用機理分析

在綠色金融政策傳遞鏈上，金融機構是傳導介質，企業則是政策信息接收的后期反饋者。在全球綠色競爭背景下，技術創新作為核心競爭力對企業可持續發展的重要性不言而喻。技術創新是企業綠色發展的關鍵動力和基礎支撐，企業只有進行技術轉型升級才能緩釋環境風險［20］。當企業經濟資源減少或增多時，企業會根據自身運營情況靈活調整企業創新策略，具體取決于企業的根本動機［21］。企業污染治理主要采用實質性創新和策略性創新兩大類方式降低污染排放。綠色金融政策對污染行業和清潔行業的規制程度是不同的，根據利益博弈理論，污染企業與清潔企業存在不同的利益博弈，兩類企業在技術構成和污染排放方面存在明顯差異，污染企業綠色轉型成本較高，為了快速獲得市場認可和資金支持，只有進行策略性創新才能在利益博弈中獲得絕對優勢［22］。從規制風險來看，在波特假說理論框架下，清潔企業的股東有強烈的動機督促企業開展技術創新活動，以降低環境違規帶來的潛在風險，有助于企業獲取競爭優勢與綠色聲譽，增加企業現金流和顧客黏性，獲得投資者青睞［23］。從創新風險來看，企業進行實質性創新的研發難度高于一般性創新，合規成本理論認為環境管制會增加企業經營成本，因而當污染企業面臨環境治理的成本高于粗放式發展的收益時，遵循理性人假設的管理層就不會主動尋求實質性創新，而是采用低成本、易模仿的末端治理技術規避環境管制［24］。據此，提出假設H4。

H4：綠色金融政策實施后，相較于非重污染企業，重污染企業為尋求政策扶持進行策略性創新促進企業減排。

2 數據說明、變量選取與模型構建

2. 1 樣本與數據

本研究以2011—2021年滬深A股長江經濟帶制造業上市企業為研究對象。2010年環境保護部正式發布了《上市公司環境信息披露指南》，首次規定重污染企業從2011年起應當定期披露環境信息，其中包括企業環境污染支出情況，據此以2011年作為起始年份。制造業企業分類標準根據《國民經濟行業分類》（GB/T 4754—2017）和《上市公司行業分類指引》（2012）進行匹配界定。

企業數據來自企業年度環境報告、財務報告和CSMAR數據庫，地區數據來自各地區《統計年鑒》和《中國環境統計年鑒》，對樣本進行以下處理：①剔除具有ST（財務狀況或其他狀況出現異常）、*ST（退市風險警示）情形的樣本；②剔除變量數據缺失較多的樣本；③剔除污染數據為0的樣本；④剔除企業數據少于5年的樣本；⑤地區層面少數缺失的數據采用線性插值法進行填補。經過上述篩選，最終得到802個制造業企業，共6 538個樣本觀測值。為控制異常值對回歸結果的影響，對所有連續變量進行上下1%的Winsorize縮尾處理。

2. 2 變量與說明

2. 2. 1 被解釋變量的選取

制造業污染排放（MER）。受限于微觀企業減排數據難以獲取，以往文獻對企業環境污染的測度尚未形成統一標準，主要采用單一指標法、綜合指標法或以其他指標間接來衡量。單一指標和綜合指標的測度數據主要來自中國工業企業數據庫，囿于中國工業企業污染排放數據較舊，中國經濟步入新階段以來，全球綠色新政頻出、世界經濟結構處于裂變期，數年前的企業數據已無法準確反映中國當前的發展狀況。其他指標多采用企業環境信息披露或宏觀層面數據間接測算企業環境污染情況，這些指標數據來源缺乏準確性，主觀賦值難以反映企業間差異，對企業污染行為的識別較弱。污染者支付原則認為，污染企業應借助經濟手段承擔環境責任，通過外部不經濟性內在化推進企業綠色轉型。基于此，在參照Patten［25］等學者做法的基礎上，根據企業年度環境報告、財務報表附注披露的環境污染支出情況（包括：排污費、環境保護稅、購買碳排放配額支出、碳排放支出、廢污處理費等）手工收集企業環境污染支出數據，采用企業環境污染支出之和取對數來衡量企業環境污染情況。鑒于該類費用支出多基于企業排放的各類固、液、氣以及危險物等的數量和種類為依據進行計算，在一定程度上可以度量企業環境污染的綜合水平［26］。

2. 2. 2 政策沖擊的選取

當前關于綠色金融政策的相關研究較為豐富，主要集中于碳排放權交易試點政策［27］和綠色信貸政策［28］，但相關學者認為碳排放權交易試點政策和綠色信貸政策存在局限性，無法全面度量中國綠色金融政策的實施效果［29］。綠色金融改革創新試驗區作為中國綠色金融發展的頂層設計［30］，融合了各種綠色金融工具［31］，為全面系統地測度綠色金融政策效果提供了有利條件［32］，是考察綠色金融政策整體效果的理想準自然實驗［33］。鑒于此，選取2017年建設“綠色金融改革創新試驗區”作為政策沖擊，主要考慮以下兩點：①該政策的發布實施是企業環境治理動機變革的合適代理變量。在政策實施前，企業自發進行環境保護活動以應對上級環保考核和利益相關方環保訴求；在政策實施后，地方政府和金融機構根據企業環境治理實際情況調整企業財政補貼和金融資源，企業環境治理動機產生“分水嶺”式變化。②該政策在長江經濟帶的試驗區囊括了上游、中游和下游3個不同區域的省份，在資源稟賦、經濟發展、產業結構以及環境承載力等方面各有優劣，能充分體現政策的適用性和針對性。上述政策含義旨在推動企業低碳轉型的同時，從根本上改變企業傳統高能耗、高污染的發展理念，為解答綠色金融政策如何援助企業點“綠”成“金”提供政策思路。

2. 2. 3 控制變量的選取

參照Xue等［34］的研究，選取以下控制變量：①固定資產比率（FAR）：固定資產凈額除以資產合計。②企業年齡（AGE）：企業成立年份取自然對數。③兩職合一（DUAL）：虛擬變量，當董事長兼任總經理時取1，反之取0。④財務杠桿（LEV）：總負債除以總資產。⑤企業規模（SIZE）：企業總資產取自然對數。⑥股權制衡（BAL）：第二至第五大股東持股比例除以第一大股東持股比例。⑦現金持有（CASH）：企業期末現金及現金等價物余額與總資產的比值。⑧員工密集度（EI）：年末員工數除以營業收入。⑨盈利能力（ROA）：凈利潤與總資產的比值。⑩金融背景（FB）：虛擬變量，若企業董事、監事和高級管理人員具有金融背景，則賦值為1，反之為0。

2. 3 模型構建

為了獲得可信的推斷，沿用雙重差分法來考察宏觀綠色金融政策對微觀制造業減排的影響。該方法主要采用兩次差分來進行更為精確地識別。具體而言，第一重差分為時間維度，主要分析綠色金融政策實施前后的影響，若樣本觀測值在2017年及以后則取值為1，否則為0；第二重差分為地區維度，分析綠色金融政策試驗地區與非試驗地區制造業減排差異的影響，若企業注冊地址位于綠色金融政策試驗地區則取值為1，否則為0。本研究保留了注冊地址位于浙江省、江西省和貴州省在內的所有企業，一方面能盡量減少長江經濟帶其他地區宏觀因素對政策效果的干擾，另一方面將綠色金融政策產生的空間溢出效應充分考慮進去。由于同時控制了時間效應和個體效應，因此基準回歸模型不含單獨的時間虛擬變量和分組虛擬變量。設定基準模型如下：

式中：i 為企業，t 為時間。被解釋變量MERit為制造業企業污染排放，POLICYi為分組虛擬變量，POSTt為時間虛擬變量，X'it 為系列控制變量，μi為個體效應，ηt為時間效應，εit 為隨機誤差項。α0、α1、λ 為待估參數。POLICYi×POSTt為本研究核心解釋變量，估計系數為雙重差分估計量，若系數為負，則表明綠色金融政策實施后，試驗區制造業企業降低了環境污染，反之則相反。

3 實證結果

3. 1 基準回歸結果

表1為綠色金融政策對長江經濟帶制造業企業減排的直接影響回歸結果。由表1可知，基準估計中綠色金融政策對制造業企業污染排放的回歸系數在1%的顯著性水平上為負數。加入控制變量的影響后，綠色金融政策對制造業企業污染排放的回歸系數仍然在1%的顯著性水平上為負數。繼續加入企業固定效應和時間固定效應后，綠色金融政策對制造業企業污染排放的回歸系數依舊在1%的顯著性水平上為負數。由此可知，在實施綠色金融政策后，試驗區內長江經濟帶制造業企業的污染排放水平顯著低于非試驗區制造業企業，即綠色金融政策對長江經濟帶制造業企業污染排放具有抑制作用，因此假設H1得到驗證。

3. 2 穩健性檢驗

3. 2. 1 平行趨勢檢驗

準確反映政策效果的前提條件為試驗區和非試驗區企業污染水平在政策實施前滿足平行趨勢，即在沒有政策沖擊的前提下，兩者具備一致的時間變化趨勢。圖2為平行趨勢檢驗，本研究以綠色金融政策實施時間2017年為分界點，比較政策實施前后3年制造業環境污染情況。如圖2所示，在綠色金融政策實施前，試驗區與非試驗區制造業企業污染支出水平整體上呈平行趨勢，且差距在不斷增大，但試驗區制造業污染支出水平始終高于非試驗區；在綠色金融政策實施后，試驗區制造業企業污染支出水平顯著低于非試驗區，符合平行趨勢假定。

3. 2. 2 安慰劑檢驗

為排除無法觀測的潛在隨機因素對研究結論的影響，本研究對綠色金融政策實施效果的偶然性進行識別，按照基準回歸中政策虛擬變量的分布狀況，隨機抽樣500次重新構建“偽政策虛擬變量”，若隨機抽樣構建的“偽政策虛擬變量”對制造業減排不存在顯著影響，則表明基準回歸結果偏差較小。安慰劑檢驗如圖3所示，隨機分配的樣本估計系數值集中分布在0值附近，且基準回歸估計結果位于分布圖以外，表明隨機構建的“偽政策虛擬變量”不具有政策效應，基準回歸結果受未觀測變量的影響較小，即綠色金融政策促進長江經濟帶制造業企業減排的影響是真實存在的。

3. 2. 3 PSM‐DID檢驗

傾向得分匹配法可以有效處理可觀測變量的偏差。為保證實驗組與對照組的平衡性，采用PSM‐DID方法檢驗綠色金融政策對制造業減排的影響。具體而言，使用近鄰匹配方法為實驗組重新匹配控制組，再次利用雙重差分模型識別綠色金融政策的減排效應。由表2可知，在控制企業固定效應和時間固定效應的情況下，核心解釋變量顯著為負，綠色金融政策仍在1%的顯著性水平下抑制制造業企業污染排放，進一步佐證了研究結論的穩健性。

3. 2. 4 更改政策沖擊時間

鑒于綠色金融政策提出時間為2017年6月，而中央文件傳遞到地方政府具有一定的時滯性，基于此，以2018年作為綠色金融政策沖擊時間，將2018年及以后年份作為政策實施區間，2018年以前年份作為政策未實施區間。為避免2017年對研究結論造成干擾，對歸屬于2017年的研究樣本進行逐一剔除。由表2可知，解釋變量的系數顯著為負，即在更改政策沖擊時間后，回歸結果與預期仍相符。

3. 2. 5 替換被解釋變量

精準識別制造業污染水平是識別綠色金融政策減排效應的關鍵，為此借鑒馬茜等［35］的做法，基于行業碳排放數據折算企業碳排放量（CCE），進一步采用企業碳排放量加1取對數來衡量企業環境污染水平。由表2可知，核心解釋變量的系數依然在1%的水平上顯著為負，這與前文研究結論保持一致。

3. 2. 6 控制宏觀因素

忽略宏觀層面經濟因素將對研究結論產生影響，本研究在前述控制變量的基礎上增加金融發展水平（FDL）、產業結構（INDU）、社會消費水平（SCL）3個變量。金融發展水平采用金融機構貸款與地區生產總值的比值衡量；產業結構以地區第三產業增加值與地區生產總值的比值衡量；社會消費水平采用地區社會消費品零售總額的增長比例度量。表2顯示，核心解釋變量的系數仍舊顯著為負，而新增控制變量在5%及以上水平對企業污染排放具有不同影響，研究結論再次證明了回歸結果的可靠性。

3. 3 異質性分析

3. 3. 1 地區異質性

長江經濟帶地區間資源環境承載力與經濟發展基礎差距較大，因此本研究依據《長江經濟帶發展規劃綱要》將樣本數據分為長江經濟帶上游地區、中游地區和下游地區。由表3可知，綠色金融政策對長江經濟帶上游地區和中游地區的影響并不顯著，但對下游地區制造業企業污染排放具有抑制作用。究其原因，上游地區金融發展水平不高且金融發展環境不夠優化，中游地區制造業發展仍以擴大規模為導向，長江經濟帶制造業的發展水平存在“下游高上游低、中游塌陷”的現象［36］，因此綠色金融政策的污染減排效應在上游地區和中游地區尚未完全顯現。此外，下游地區主要以新材料、電子信息和裝備制造業為主導，經濟發展水平和金融發展水平較高，因此實施綠色金融政策有助于下游地區制造業企業進行污染減排。

3. 3. 2 環境規制強度異質性

出于趨利性本質，制造業企業通常在追求經濟效益最大化的同時忽視對地區生態環境的保護。地方政府以強制性或激勵性手段實施的環境規制，是倒逼企業低碳轉型、抑制生態環境惡化的重要方式，因此制造業企業污染減排的整體效果受外部環境規制強度的影響［37］。本研究參照陳詩一等［38］的做法衡量地區環境規制，進一步以環境規制強度的中位數為基準，將研究樣本劃分為高環境規制強度和低環境規制強度兩組。由表4可知，無論在高環境規制強度組或低環境規制強度組，綠色金融政策對制造業污染排放均具有抑制作用，但高環境規制強度組抑制作用更強。究其原因，高環境規制強度下的制造業企業可能面臨更大的環境規制壓力，此時政府對企業的環境監管更為嚴格，對環境不友好事件的懲罰力度更大，因此綠色金融政策對制造業減排的效果更強。

3. 3. 3 所有制結構異質性

企業所有制屬性的差異使其執行環保方案時動機有所不同，進而影響企業環保決策。基于此，將整體樣本劃分為國有與非國有企業兩種經濟主體，國有企業具有營利性和社會性的雙重特性，在綠色低碳發展中承擔更多的環境社會責任，非國有企業長期面臨融資約束和市場競爭壓力，對市場的反應更為敏銳。分組回歸結果見表4，綠色金融政策均在1%的顯著性水平上抑制國有企業和非國有企業污染排放，從系數來看，政策沖擊對非國有企業的抑制作用更強。這可能與國有企業的經營活動長期受政府干預決策有關，因其自身政治優勢可以降低環境管制帶來的影響，產品向清潔生產方向轉變的積極性更弱。

4 作用機理分析

4. 1 政策制定主體

我國地方政府承擔著環境污染治理的重任，在生態文明治理逐漸納入政府績效考核的背景下，財政激勵是政府履行環保職能的有力支撐［39］。環境污染治理投資是政府履行環境治理職能的直接表現形式和經濟基礎，是政府用于環境污染治理的專項資金，支撐企業進行技術升級和低碳轉型。本研究采用地方環境污染治理投資占地區生產總值的比重來衡量政府財政激勵，具體模型如下：

式中：INVESTit表示環境治理投資，根據企業所屬地區進行匹配，其余變量含義同上。

表5匯報了政策制定主體層面的回歸結果。由表5可知，核心解釋變量與環境治理投資的交乘項的系數仍顯著為負，表明環境治理投資水平的提高增強了綠色金融政策對制造業污染排放的抑制作用，假設H2 得到驗證。政府作為綠色金融政策的制定者，直面社會公眾與污染企業，通過環境污染治理投資發揮資金導向效應傳遞出政府致力于發展綠色經濟的決心。同時，環境污染治理投資有利于激發社會公眾的環保意識，促進綠色產品和服務的需求增長，進而帶動制造業企業自主轉型，從而增強了綠色金融政策對制造業污染排放的抑制作用。

4. 2 政策傳導主體

綠色金融政策的實施部署旨在為企業低碳轉型提供資金支持，金融機構資源配置是制造業企業緩解資金壓力的重要工具和手段，有助于吸引金融資源向更環保、更綠色的領域傾斜和流動。企業污染治理過程需投入大量資金成本，綠色轉型的企業通常面臨較高的融資約束，融資難成為企業低碳轉型的第一道阻礙［40］。本研究采用融資約束來衡量金融機構資源配置，參照Hadlock等［41］的方法，使用SA指數測量企業融資約束，具體模型如下：

式中：SAit表示融資約束，若SA指數絕對值越高，則表明企業面臨的融資約束程度越大，其余變量含義同上。

表5匯報了政策傳導主體層面的回歸結果。由表5可知，核心解釋變量與融資約束的交乘項的系數顯著為正，表明在高融資約束條件下，綠色金融政策對制造業污染排放的抑制作用更弱，假設H3未通過驗證。企業主要面臨如何通過有限的資源實現收益最大化的難題，具體地，金融機構改變了企業融資的機會成本和貸款管理方式，鑒于資本市場信息不對稱和企業綠色水平難以測度，企業傾向于將資源投向污染型生產活動，規避環保投資。在金融資源有限的前提下，企業將生產資源投入污染型生產活動會產生更大的經濟效益，若投向污染治理將產生制度遵循成本。金融資源的非協調流動和企業短期利益沖突成為企業減排的現實矛盾。

4. 3 政策反饋主體

技術創新是企業綠色發展的關鍵動力和基礎支撐，如何盡快從傳統的“能源驅動”轉為“創新驅動”的現代化發展模式，成為長江經濟帶制造業企業面臨的重大挑戰。已有研究發現，為獲取更多金融資源，上市公司存在追求“數量”忽視“質量”的策略性創新行為［42］。本研究根據國家知識產權局收集的企業發明專利情況，以企業申請發明專利數量加1取對數來衡量企業實質性創新，非發明專利數量加1取對數衡量企業策略性創新。在區分行業污染程度的基礎上構建核心解釋變量與企業創新的交互項，考察綠色金融政策實施后，試驗區重污染行業企業與非重污染行業企業的創新行為對制造業減排的影響，構建三重差分模型如下：

式中：TIit表示企業技術創新，具體包括實質性創新和策略性創新，數據來自國家知識產權局，其余變量含義同上。

表6為重污染企業和非重污染企業進行實質性創新和策略性創新的估計結果。結果表明：綠色金融政策實施后，重污染企業并未進行實質性創新活動，但存在顯著的策略性創新行為；非重污染企業進行策略性創新的動力同樣高于實質性創新，支持前文研究假設H4，即在企業開展綠色創新活動時，存在重“量”而輕“質”的現象。這意味著長江經濟帶制造業企業整體創新效能不足，自主研發創新短板猶存，企業尚未享有技術紅利，加劇了金融資源從重污染企業向非重污染企業的流動。根據利潤最大化目標，若企業進行實質性創新帶來的收益難以彌補研發投入成本，企業就會開展含金量更高的策略性創新活動。

5 進一步研究

5. 1 環境改善效應

綠色金融作為資源配置的重要中介和連接生態環境的重要橋梁，能否有效地服務于生態文明建設是值得探究的問題。為研究綠色金融政策引起的制造業減排是否具有生態環境改善效應，本研究基于“稟賦—壓力—治理”模型，采用熵權TOPSIS法從生態環境稟賦、生態環境壓力和生態環境治理3個方面選取7個基礎指標構建了生態環境質量評價指標體系（表7）。借鑒王馨等［20］的做法構建模型如下：

式中：ENVrt為地區r 在第t 年的生態環境質量，解釋變量γMERit表示綠色金融政策誘發的制造業減排，其余變量含義同上。

環境改善效應的回歸結果見表8。由表8可知，核心解釋變量γMER在1%的顯著性水平上與生態環境質量正相關，表明綠色金融政策在促進制造業減排的同時產生了正向的環境改善效應。地區環境污染能否根本得到遏制，很大程度上取決于企業對政策的執行力度。綠色金融政策的實施推動了長江經濟帶試驗區企業進行產業結構優化轉型，促進高污染、高能耗的傳統制造業向清潔產業轉變，從而降低地區環境污染，提高當地生態環境質量。

5. 2 經濟增長效應

引領經濟資源進行綠色高效配置是綠色金融助推經濟高質量增長的核心功能。綠色金融政策減少了信貸資源和金融資源流向污染部門，成為經濟綠色化發展的重要動力。為研究綠色金融政策引起的制造業減排是否具有經濟增長效應，借鑒Lien［43］的做法，運用托賓Q 值來衡量企業經濟績效。借鑒王馨等［20］的做法構建模型如下：

式中：TOBit為企業i 在第t 年的經濟績效，其余變量含義同上。

經濟增長效應的回歸結果見表8。由表8可知，核心解釋變量γMER在1%的顯著性水平上與企業經濟績效正相關，表明綠色金融政策引致的制造業減排行為增加了企業經濟績效，符合企業“理性經濟人”假設和利潤最大化目標，即制造業企業進行污染減排活動往往基于經濟利益驅動而非合規性目的，綠色金融政策引起的企業環境信息披露行為降低了企業環境風險，有利于贏取資本市場上綠色投資者的青睞，為企業績效增長提供助力。

5. 3 社會福利效應

綠色金融政策兼具預防性、有效性和可持續性的特征，在推動制造業低碳化生產的同時發展新的經濟增長模式，促使企業目標與政府目標趨于一致，最終實現環境保護、經濟發展與社會福利的平衡與統一。為研究綠色金融政策引起的制造業減排是否具有社會福利效應，采用人均可支配收入（PCDI）和地區就業人數（RE）衡量社會福利效應。借鑒王馨等［20］的做法構建模型如下：

式中：SOCIALrt為地區r 在第t 年的社會福利效應，包含人均可支配收入（PCDI）和地區就業人數（RE），其余變量含義同上。

社會福利效應的回歸結果見表8。由表8可知，核心解釋變量γMER在1%的顯著性水平上與人均可支配收入正相關，與地區就業人數負相關。表明綠色金融政策促進制造業減排的同時提高了當地人均可支配收入，但減少了當地就業人數。一方面，綠色金融政策有助于企業抓住綠色經濟發展機遇，開辟新的利潤增長點，促進地區經濟增長的同時提高居民收入。另一方面，綠色金融政策的實施伴隨產業結構調整，導致部分勞動力的替代和就業需求的下降，從而減少了試驗區就業人數。

6 結論與政策建議

6. 1 研究結論

從“長江之制”看“長江之治”，步入“十四五”階段，中國生態文明建設邁進減污降碳協同增效、經濟社會全面轉型的攻堅時期，綠色金融政策作為銜接資源配置和環境治理的關鍵紐帶，如何高質量服務于制造業減排是建設“美麗長江”的必由之路。本研究基于長江經濟帶滬深A股制造業企業面板數據，運用雙重差分和三重差分模型全面系統地考察了綠色金融政策對長江經濟帶制造業減排的影響，得出以下結論：①綠色金融政策的實施顯著降低了長江經濟帶制造業企業污染排放。②異質性分析發現，綠色金融政策的污染減排效應在長江經濟帶下游地區、高環境規制強度組企業以及非國有企業更強。③政策制定主體的財政激勵增強了綠色金融政策對制造業污染排放的抑制作用；政策傳導主體的資源配置減弱了綠色金融政策對制造業污染排放的抑制作用；政策反饋主體基于策略性創新進行污染減排的動力高于實質性創新。④綠色金融政策的實施對試驗區產生了積極的環境改善效應和經濟增長效應，增加了人均可支配收入，但減少了當地就業人數。

6. 2 政策建議

（1）政策制定主體應完善綠色金融政策體系，配套差異化的激勵政策，推廣試驗區成功經驗，進一步提高社會福利水平。①政府需因勢利導給予不同區域、不同階段的企業配套差異化的激勵政策以破除區域桎梏，積極培育企業新模式、新業態，撬動更多社會資本參與試驗區綠色發展新進程，釋放試驗區生態優先、綠色發展新動能。②綠色金融政策作為污染減排的良好試驗田，政府應總結試驗區成功經驗，并形成典型案例在長江經濟帶進行推廣，持續為制造業減排創造便利條件。③政府應構筑金融、財政、稅收等有效落地的政策支撐體系，減弱企業減排行為對其他經濟活動的擠出效應，兼顧短期發展與長期減排的任務目標，在環境保護、經濟增長和社會利益之間尋找最佳平衡點。

（2）政策傳導主體應深化信貸機制改革，實行有差異的動態授信策略，創造優良的投融資市場環境。①金融機構應加快完善環境信息披露、減排信息共享以及信貸使用跟蹤機制，促使企業污染成本內部化，充分發揮資源配置對前端污染治理的推動作用，最大限度規避“染綠”“漂綠”事件再次發生。②金融機構應提高對重大環境、社會風險的識別和對比能力，實行有差異的動態授信策略，對重要行業和企業實行風險敞口管理，促進污染主體間信息協同、核心技術聯合攻關和綠色成果轉化，激發企業低碳發展內生動力。③金融機構需充分發揮不同金融工具的協同創新作用，推進由點到面的約束機制和信貸激勵，消除不同地區、行業、企業間壁壘，提供優良的金融環境以降低企業經營風險和融資成本，從源頭層面引導企業生產方式轉變。

（3）政策反饋主體應加快實質性創新技術攻關，擇優選取最佳綠色轉型模式，協同內外部利益相關方參與企業綠色價值共創，充分釋放綠色金融政策紅利。①企業應加快實質性創新技術攻關，根據國家技術創新政策制定企業長遠目標。同時，企業管理層應優化配置技術創新的戰略與資源組合，擇優選取最佳綠色轉型模式。②企業應協同內外部利益相關方參與綠色價值共創，充分釋放綠色金融政策紅利，既需充分調動利益相關方督促企業進行環保決策，也需預防經理人從環保費用中攫取私利。③綠色金融政策的減排成效依賴于微觀企業主體的行為選擇，這為優化綠色金融政策提供現實參考和抓手，因此未來污染治理還應關注企業的不遵從行為，進一步探究企業不遵從行為背后的深層次原因，從而有針對性地推動企業參與污染治理，最終提升綠色金融政策的整體成效。