綠色金融影響下的重污染企業ESG戰略：實質性改革還是“漂綠”？

摘 要：基于2009—2021年中國A股上市公司的數據，運用雙重差分模型，考量綠色金融能否如“手術刀”般真正發揮提升企業環境社會治理績效的作用，抑或只成為部分企業“漂綠”營銷的“麥克風”。結果表明：綠色金融的發展不僅未顯著加劇企業“漂綠”行為，而且對“漂綠”傾向較重的企業起到了遏制作用。綠色金融政策的實施顯著提升了重污染企業的環境社會績效，且這一正向作用在非國有性質、位于市場化程度較高地區和非高科技企業中表現得更為明顯。鑒于此，應擴大區域綠色金融改革試點范圍，充分調動社會資本，助力重污染企業改善ESG表現。

關鍵詞： 綠色金融體系建設；重污染企業；雙重差分模型；“漂綠”風險

中圖分類號：F832；F272；X196" 文獻標識碼： A"" 文章編號：1003-7217（2025）02-0002-08

一、引 言

中國作為世界上最大的發展中國家之一，其經濟在過去幾十年取得了巨大成就，但與此同時，環境污染和生態破壞問題也日益凸顯，嚴重影響了人民生活質量和經濟可持續發展。隨著生態文明建設的開展，可持續發展理念在各界逐漸滲透，作為現代經濟體系血脈的金融不可避免地與可持續發展理念交織在一起，逐漸形成了綠色金融的概念與趨勢。綠色金融為中國生態環境的持續優化在末端治理之外提供了一條全新的路徑^[1]。在這一背景下，探究現有綠色金融政策的實際效果和作用機理顯得尤為重要。綠色金融是否能真正發揮“手術刀”作用，激發企業的綠色內生動力，從根本上提升環境社會績效？或者部分企業可能采取“漂綠”策略，利用綠色金融贏得資金和形象，但實際環境績效未提升，綠色金融在這種情況下是否僅是一個起到宣傳作用的“麥克風”？

在提倡高質量發展的背景下，金融機構勢必要承擔環境和社會責任，并進行相應的策略調整^[2]，且相較于綠色財政政策，綠色金融具有無可比擬的優勢^[3]。馬駿認為機構建設、財稅金融手段、結合民間力量推動金融基建、法律完善等四方面是綠色金融發展的現實路徑^[4]。同時，需要對部分新涌現的風險予以格外的關注^[5]。綠色金融推動企業加大力度投入綠色研發，提升了綠色信貸企業的綠色創新活躍度^[6]，并促進制造業服務化^[7]，使地區走綠色發展之路^[8]并推動能源結構的改良^[9]。在民生層面，綠色金融亦能發揮作用，劉振榮等人研究發現居民收入受益于綠色金融對于產業結構的轉型升級效應^[10]。

ESG研究從20世紀70年代開始興起，部分學者發現黨派政治^[11]、中央環保督察試點政策^[12]與CEO學術經歷^[13]均能影響企業履行環境社會責任的表現。從資本市場的視角觀察，較高的ESG表現與信息披露水平可以約束管理層不理性行為^[14]、提升信息透明度^[15]。但是，亦有學者認為ESG是對公司資源的不當分配和挪用^[16]。隨著ESG理念逐步走進大眾視野，一些公司或組織通過誤導性的溝通和營銷手段，使公眾相信其產品、服務或運營比實際情況更具可持續性，但實際上并沒有真正的環保意圖或行動^[17]，即所謂的“漂綠”行為。Delmas與Burbano將“漂綠”的驅動因素分解為外部、組織、個人心理三個層面^[18]。針對“漂綠”行為的應對措施可以從不同主體展開，中小股東治理^[19]、輿論參與^[20]可降低“漂綠”發生的概率，從嚴監管亦可發揮作用，但懲罰效應表現出層級衰減的特征^[21]。

現有研究多將ESG指數的提升等同于企業環境社會治理績效的提升，但忽視了企業為迎合政策要求而采取的“漂綠”等機會主義行為。事實上，將企業“漂綠”現象納入分析框架能夠更準確地評估綠色金融政策的凈效應。對綠色金融政策與企業“漂綠”行為之間的關聯機制進行前期探究，檢驗綠色金融政策的實施是否顯著加劇了企業“漂綠”現象。若事實如此，則ESG的提升或許只是企業表面上的“偽裝”，這將極大削弱政策的實際效力。這是現有文獻所缺失的關鍵性分析，為后續評估綠色金融政策效果提供了前置基礎。

二、理論分析與研究假設

（一）綠色金融與“漂綠”、環境社會績效

綠色金融政策為企業綠色發展提供了資金支持、政策激勵等有利條件。企業為了獲取這些支持，可能基于機會主義的考慮而進行“漂綠”。如果企業普遍存在“漂綠”行為，那么企業“漂綠”指數必然會顯著提高。而實證結果并未如此體現，則說明企業并未大規模選擇虛假宣傳的道路，相反更多是通過真實的環保投入和努力來回應綠色金融政策的號召。因此，綠色金融政策未能引發“漂綠”指數增加的實證結果，就佐證了企業并未采取欺騙性的手段偽造綠色實踐水平。

基于上述分析，如果實證檢驗結果顯示綠色金融發展并未導致企業“漂綠”指數顯著增加，且與企業環境績效直接存在正向的統計學關聯，那么合理推論就是：該政策真正發揮了激勵企業提升內生環境社會績效的作用，而非單純的表面文章或形象管理，則此時綠色金融起到了“手術刀”作用。若綠色金融導致了企業“漂綠”指數的提升，環境社會績效并未提升，則可以說明企業在環境社會績效議題上使用“表面功夫”誤導利益相關者，而真實效果存疑，此時綠色金融僅僅起到了“麥克風”的作用。

（二）綠色金融、重污染企業特征與環境社會績效

通過制定更加嚴格的環保法律法規，并將其納入金融監管框架，綠色金融有助于提高重污染企業環境違規的處罰成本。良好的環境績效對企業獲取融資渠道和資金支持至關重要，這無疑會促使企業自覺重視ESG實踐。綠色金融體系建設政策中包含有關強制性環境信息披露的要求，面對來自各利益相關方的壓力，重污染企業難以遮掩自身的環境表現，只能通過切實改善ESG管理來提升自身的環保形象^[22]。

第一，針對企業的產權性質而言，非國有企業的運營目標主要是經濟效益和股東利益最大化，其決策往往更加市場化和理性化。相比之下，國有企業除了經濟效益之外，還肩負一定的政治任務，決策動因更為復雜，對市場反饋機制的依賴程度不如非國有企業。因此，非國有企業在面臨綠色金融政策引導時，更容易做出提升環境社會表現的市場化決策。綜上，提出假設：

假設1 在非國有重污染企業中，綠色金融政策對于環境社會績效提升的作用更大。

第二，針對企業所處的地區，市場化發展相對領先的地區，其市場體系和機制更加完善，政策法規的執行力和制度供給也更有保障^[23]。相關的綠色金融政策在此環境下能夠更加順利高效地落實，從而真正對企業產生規范約束和激勵導向作用。在市場化相對落后的地區，由于體制機制建設滯后，政策執行往往面臨阻力重重的困境。此外，金融市場和資源在市場化較發達地區更為集中，這為企業獲取各類綠色信貸、債券、股權融資等提供了充足的金融資源供給。相反，落后地區由于綠色金融市場發育不夠，綠色資金往往較為緊缺。綜上，提出假設：

假設2 綠色金融政策對于位于市場化程度較高地區的重污染企業的環境社會績效的提升效果更好。

第三，針對企業的科技水平，科技水平較高的重污染企業在綠色金融政策推動下環境社會績效提升效果可能更好。科技實力較強的重污染企業，在產品研發、工藝改進等方面往往具備較為深厚的技術積累。這不僅為其順利消化并應用新的綠色前沿技術提供了基礎，也為企業自主的綠色技術創新掃清了障礙。然而，科技水平較低的高污染企業也有可能通過“彎道超車”的方式實現對綠色金融政策的更好利用。它們面臨著巨大的節能減排和技術改造壓力，在綠色金融政策的大力支持下，這類企業完全有機會通過大規模的技術升級來實現質的飛躍。綜上，提出競爭性假設：

假設3a 科技水平較高的重污染企業能夠強化現有的技術優勢，環境社會績效提升幅度更大。

假設3b 科技水平較低的重污染企業可能實現“彎道超車”，環境社會績效的提升更明顯。

三、指標構建與研究設計

（一）綠色金融發展指數構建

評價指標的選取遵循了科學性、代表性、可獲得性和層次分明的原則，從資金供給、產品創新、政策支持和權益市場等多個層面全面考慮了綠色金融的內涵和特征。同時，本文作者參與訪談了相關業界人士及專家學者，并將數據獲取難度和可操作性納入考量，選取指標的說明如表1所示：

選用熵值法，綜合上述指標進行計算，該方法基于信息熵的概念，通過計算方案的信息熵值來衡量各子項目的權重，進而進行決策和排序。熵值法的步驟如下：

1.計算指標信息熵E_j：

E_{j=－∑ni=1xij∑ni=1xijlnxij∑ni=1xij}（1）

2.計算指標權重：

w_{j=1－Ej∑mj=11－Ej}（2）

3.標準化決策矩陣：

y_{ij=xij∑ni=1xij}（3）

4.計算方案信息熵：

E_{i=－∑mj=1wj×yijln （yij）}（4）

5.計算綜合評價指數：

D_t=1－EiEmax（5）

其中，E_max表示所有備選方案中的信息熵最大值。

（二）“漂綠”風險的測度與行業特征

根據企業是否在該領域“言行不一”，構建“漂綠”指標（DGW）。步驟如下：第一步，收集研究樣本公司的年報，在管理層討論與分析部分中利用爬蟲軟件進行文本分析，挑選“綠色”“環境保護”“低碳”“環境”“社會責任”“消費者”“供應鏈”等詞并計算其出現的頻率，然后與同行業企業中位數進行比較。若大于行業中位數則企業“言”層面（Oral）的取值為1，否則為0。第二步，若企業在該年度遭受環境監管部門的處罰，或經歷環境信訪事件及環境事故，則在“行”層面（Actual）定義為1，否則為0。綜上，“言行不一”指標定義如下：

DGW_{i，t=1， Orali，t=1 且 Actuali，t=1；0，其他}（6）

同時，構建如下公式，針對企業相對同行業的“漂綠”指數進行計算：

GW_{i，t=ERi，t－Edisσdis－ERi，t－Eperσper}（7）

其中，ER_i，t為公司i在t年的ESG評級的披露得分；E_dis和E_per分別表示環境披露和績效得分的平均值；σ_dis和σ_per分別表示環境披露和績效得分的標準差。在實際操作中，彭博環境評級被視為環境披露得分，而Wind環境評級被視為環境真實績效得分。

（三）研究設計

1.數據來源。

選取中國A股2009—2021年的上市公司作為研究對象，按照國家統計局2013年關于三種產業的劃分標準，剔除第三產業中F類至T類的公司與ST、*ST、PT公司，其中財務數據來自Wind、上市公司年報、國泰安數據庫，ESG評級數據來自彭博數據庫與上市公司社會責任報告。在收集完數據后，對數據采取了剔除不可得值、縮尾10%的處理，以保證樣本分布的取值和頻率處在可控的范圍。

2.變量選取。

被解釋變量：“漂綠”指數與環境社會績效。“漂綠”指數由前文計算得出，環境社會績效采取彭博數據庫中ESG評分數據衡量并采取歸一化處理。

解釋變量：綠色金融體系建設政策（GFP）與綠色金融指數（GFI）。其中，GFI由前文計算得出。GFP的計算以高污染企業為實驗組，非高污染企業為控制組，結合生態環境部的認定以及手動篩選的方式挑選出目標重污染企業，政策沖擊時間點設定為2017年。《關于構建綠色金融體系的指導意見》發布于2016年8月，由于該文件為綱領性文件，次年中國人民銀行牽頭制定了相應的分工方案，各地方各部門的配套指引均集中于2017年發布，所以將時間點設置延后一年。若樣本處于2017年及以后年度的實驗組，則虛擬變量定為1，否則定為0。

控制變量：為了幫助減少誤差項的干擾，參考林輝與李唐蓉的研究^[24]，設置若干控制變量。

變量含義如表2所示：

3.模型構建。自然實驗是按照一定的標準有意識地將控制組分離出來的做法，進行該實驗存在的問題之一是僅通過前后對比得到的研究結果可能會受到事前差異的干擾。雙重差分模型的出現克服了使用自然實驗研究的這一缺陷，該模型公式如下：

ESG_{i，t=α1+δ1GFPi，t+∑7j=1θjXij+μi+λt+εi，t}（8）

其中，ESG_i，t是被解釋變量，表示在時間t下的公司i的環境社會績效評分值；GFP_i，t是解釋變量，表示公司i在時間t是否為實驗組。X_ij是控制變量，α₁是模型的截距項，δ₁是雙重差分系數，θ_j是控制變量的系數，μ_i與λ_t分別是個體與年份固定效應，ε_i，t是誤差項。

四、實證研究與結果分析

（一）綠色金融發展與企業“漂綠”行為的動態關聯

1.基準回歸結果。

以“言行不一”指標DGW為因變量，使用Probit模型進行研究。從表3可以看出：GFI的系數為4.428，在統計學上并不顯著。這意味著地區綠色金融發展水平的變化，對企業“言行不一”行為的影響并沒有通過實證檢驗。

將GW指數作為因變量進行非條件分位數回歸，列（2）為總體固定效應回歸結果，顯示地區綠色金融指數（GFI）的系數為-1.373，不具有統計意義上的顯著性。同時，為了保證回歸結果的穩健性，利用CNRDS數據庫中的企業ESG評級作為環境真實績效得分，重新計算GW指數并進行回歸，結果列示于列（3）。

從表3可以發現綠色金融發展對“漂綠”的影響存在明顯的非對稱性且該結果通過了穩健性考察。具體來看，在列（4）25%分位數回歸與列（5）50%分位數回歸中，GFI的系數分別為-0.177和-2.63，較小且統計意義不顯著，表明對原本“漂綠”程度較小的企業，綠色金融發展的約束作用不明顯。

而在列（6）75%分位數回歸中，GFI的系數為-2.713，在10%水平上顯著為負，絕對值也較大。這反映出對原本“漂綠”程度較高的企業而言，綠色金融發展對其形成了更為顯著的規范和約束作用。

上述結果可能的解釋是，對原本“漂綠”傾向不高的企業，由于它們的基礎環保表現已經較好，或監督力度較小，地區綠色金融發展水平對其“漂綠”行為影響較小，而對于“漂綠”傾向較重的企業，在綠色金融高速發展的進程中往往會受到更多利益相關方的關注和監督，因此會被迫規范并改善環保行為。

2.細分行業異質性分析。

計算機、通信和其他電子設備制造業為5G、人工智能等前沿技術提供了物質基礎，對提升國家在全球科技競爭中的地位具有戰略意義。有色與黑色金屬冶煉加工業作為基礎工業的重要組成部分，為航空航天、汽車制造等高端領域提供關鍵材料，是加快工業化和現代化進程的上游基礎。汽車與醫藥制造業分別作為我國新能源出海與保障社會穩定和可持續發展的關鍵行業，研究意義重大。為此，對該三類細分行業進行異質性分析，如表4所示。

從表4可以發現，綠色金融并未刺激計算機、通信和其他電子設備制造業、有色與黑色金屬冶煉加工業的“漂綠”指數顯著增長。列（3）顯示汽車與醫藥制造業“漂綠”指數的系數為負，表明綠色金融抑制了行業“漂綠”現象，有助于樹立相關企業的社會形象，提高中國汽車與醫藥制造企業的競爭力，服務新能源出海的國家戰略，并為構建“健康中國”提供支持。

（二）綠色金融體系建設政策沖擊與重污染企業環境社會績效

1.平行趨勢假設檢驗。

在雙重差分模型中，需要關注處理組和對照組之間在干預前后的差異變化，通過比較處理組和對照組在干預前的趨勢是否平行，可以排除時間趨勢對研究結果的影響，確保因果效應的準確評估。為此，進行平行趨勢假設檢驗，在處理發生前樣本的動態效應置信區間包含零，其他影響被解釋變量的因素未產生任何效應。在處理發生后動態效應值保持在一個較高的水平，基本保持穩定，結果滿意。

2.基準回歸結果。

在控制相關變量后，GFP變量的系數在模型設定下為正值且高度顯著，這表明綠色金融體系建設政策對企業環境社會績效存在顯著正向促進作用。回歸結果見表5，可以看出：在基準回歸列（1）中，GFP的系數為2.382，在1%的統計水平上顯著。這意味著在加入其他控制變量時，實施綠色金融體系建設政策每增加一個單位，就會顯著提高重污染企業環境社會績效約2.382個單位。該結果初步驗證了綠色金融體系建設政策促進企業履行環境社會責任的積極作用。總的來說，在2016年《關于構建綠色金融體系的指導意見》與次年各類子領域操作指引性文件通過后，通過實施有利于環境保護和可持續發展導向的金融政策工具，能夠有效激勵重污染企業主動提升自身的環境社會績效，為經濟綠色轉型貢獻正向力量， 回歸結果支持了部分文獻中關于綠色金融體系建設政策有助于提升重污染企業環境社會責任表現的發現，為相關理論提供了新的經驗證據支持。

（三）異質性分析

1.企業產權針對企業異質性的影響，按照實際控制人性質，進一步將樣本分為國有企業和非國有企業兩組，分別估計綠色金融體系建設政策對企業環境社會績效的影響效果，以考察政策效應是否因所有制性質而存在顯著差異，如表5所示。

從表5可以看出：在列（2）中，以國有企業為樣本的回歸結果顯示，GFP的系數為2.013，在1%的統計水平上顯著為正。這說明對于國有重污染企業而言，綠色金融政策的實施能夠顯著提升其環境社會績效水平。從理論上講，這可能是由于國有企業更易受到政府政策的影響和約束，在面臨綠色金融政策壓力時更傾向于采取相應的環保措施，以符合政府的可持續發展導向。同時，在列（3）以非國有企業為樣本的回歸中，GFP的系數在5%的水平上顯著為正且值高于國有企業樣本。這表明相較于國有企業，實施綠色金融政策對非國有重污染企業環境社會績效的提升效果更為顯著。非國有企業通常享有更大的經營自主權，面臨市場競爭壓力時容易自發采取相應舉措以獲取競爭優勢，因此其對綠色金融政策的響應度更高。假設1得到證明。

2.地區市場化。

參考中國分省份市場化指數數據庫，針對企業所處省份的市場化水平進行劃分，若該地區的市場化指數位于前50%則設定為高市場化地區，否則設定為低市場化地區。結果如表5所示，可以看出：以市場化較高地區企業為樣本的回歸列（4）中，GFP的系數為3.353，在1%的統計水平上顯著為正。這意味著在市場經濟制度相對完善、資源配置更多依賴于市場機制的地區，綠色金融政策能夠顯著促進本地區重污染企業提升其環境社會績效水平。較高的市場化進程推動了要素資源在行業和地區之間的高效流動，加之政策激勵，企業較容易獲取環保技術、資金等資源來開展相關投入，從而提升環境績效。以市場化相對落后地區企業為樣本的回歸結果列（5）顯示，GFP變量不顯著。這說明在這些地區，綠色金融政策實施并未能夠顯著改變當地重污染企業的環境社會表現。造成這一現象的原因可能在于，這些地區的市場化程度較低，資源配置效率較差，加之制度環境與政策執行力度的制約，導致企業難以獲得足夠的支持性條件來響應綠色金融政策的激勵，從而抑制了政策實施效果的顯現。上述分析結果揭示了區域市場化水平對綠色金融政策效應存在顯著的正向調節作用。在經濟制度環境和資源稟賦條件相對有利的地區，企業更容易響應政策激勵并提升環境表現，而在市場化相對滯后的地區，政策難以充分發揮作用，假設2得到證明。

3.科技水平。

針對企業科技水平的分類，參考楊興哲與周翔翼^[25]的研究，并結合證監會行業分類進行判斷。結果如表5所示，可以看出：以高科技重污染企業為樣本的回歸結果列（6）顯示， GFP的系數為2.193，在1%的統計水平上顯著為正。同時，在列（7）以非高科技重污染企業為樣本的回歸中，GFP的系數為2.316，在5%的統計水平上顯著為正，且系數值高于高科技企業樣本。這一結果表明，相較于高科技重污染企業，綠色金融政策對非高科技重污染企業環境社會績效的促進作用更為顯著，假設3a不成立，假設3b得證。

一方面，非高科技重污染行業通常被視為傳統且污染程度較高的行業，在環保壓力較大的背景下，綠色金融政策給這些企業施加了更大的改革壓力和動力，迫使它們不得不加大環保投入力度，以符合政策的可持續發展導向。而高科技企業即使未受政策激勵，由于自身技術優勢，也可能會自發采取一定環保措施。另一方面，非高科技企業在環保技術上可能存在較大的改造空間和潛力，在綠色金融政策的激勵下可以通過技術升級等途徑實現環境績效的較大提升。相較之下，高科技企業在環保水平上的提升空間可能有限。

（四）穩健性檢驗

1.替換變量檢驗。

為了檢驗核心解釋變量綠色金融政策與被解釋變量企業環境社會績效之間的穩健性關系，采用了替換變量的方式進行穩健性檢驗。用GFP2作為綠色金融政策的替換變量，代替了原有的GFP變量。參考李井林等人^[26]的方法，重新設定重污染行業企業的樣本并與時間組成交乘項，結果如表6列（1）所示。

從表6可以看出：GFP2的系數為正值，且在1%的統計水平上顯著。這表明不論采用何種綠色金融政策的測度指標，主要實證結果均能夠保持穩健性，即實施有利于可持續發展的金融政策工具，能夠顯著促進重污染企業提升其環境社會績效水平。

2.工具變量檢驗。

將企業是否持有銀行股權（Bank）作為綠色金融政策的工具變量。這一選擇基于：持有銀行股權的企業可以更便利地獲得銀行的信息與資源，基于銀行在我國金融體系中的重要性，可以分析得出這種效應使得企業更容易地獲得綠色金融相關政策支持。對工具變量和解釋變量之間的相關系數進行了進一步的計算，結果如表6所示。列（2）為第一階段回歸，將內生解釋變量作為因變量，使用工具變量對內生變量進行回歸，得到內生變量的擬合值，列（3）為第二階段回歸，用被解釋變量對第一階段得到的內生變量的擬合值進行回歸，從而估計出模型的參數。在1%的置信水平上顯著，這進一步驗證了工具變量選擇的科學性和合理性。因此，是否持有銀行股權可以較為合理地作為綠色金融政策的外生工具變量。由表6可知，系數均顯著，且計算得出Kleibergen-Paap rkLM 值為 10.58，P 值為 0.001，在 1% 的水平上顯著。Cragg-Donald-Wald F 值為 56.26，Kleibergen-PaapWaldrk F值為 66.39，均大于 10% 的 Stock-Yogo 工具變量檢驗值 16.38，通過不可識別檢驗與弱工具變量檢驗，選用是否持有銀行股權作為工具變量較好地證明了雙重差分模型回歸的穩健性。

3.排除同時段其他政策干擾。

碳排放權交易政策出臺后，自2013年起，7個試點碳市場陸續開始上線交易，該政策亦可能推動重污染企業“漂綠”動機和ESG表現。因此，參考江靜琳等人^[27]的做法，在模型中引入碳排放權交易政策虛擬變量，以排除其潛在的干擾并觀察綠色金融政策的效應。虛擬變量設置為政策分組虛擬變量和時間虛擬變量的交乘項，若2013年及以后企業所處地區實施試點政策，則取值為1，否則為0。為了克服變量的多重共線性問題，采取嶺回歸并對數據采取中心化處理。從表6可以看出：列（4）中以“漂綠”指數為被解釋變量的回歸顯示，綠色金融指數與“漂綠”指數仍然不存在統計學關聯；列（5）以ESG指數為被解釋變量的回歸顯示估計系數為0.372，在1%的統計水平上顯著為正。這一結果與之前的回歸分析結論保持一致，進一步證實了綠色金融政策對提升重污染企業環境社會績效具有顯著的正向促進作用。也就是說，在排除碳排放權交易政策影響之后，綠色金融政策未提升企業“漂綠”水平，且仍然顯著提高了企業ESG績效達到相對較高水平的概率。

五、研究結論與啟示

基于中國A股上市公司非平衡面板數據，實證分析發現以下結論：

（1）綠色金融在促進重污染企業ESG提升方面取得了積極成效，且并未直接增強這些企業進行“漂綠”行為的傾向。因此，在重污染企業的發展過程中，綠色金融更像是一把精準的“手術刀”，專注于解決企業發展中的關鍵問題，而非簡單的表面修飾。

（2）聚焦到ESG績效提升的角度，綠色金融體系的完善顯著促進了重污染企業ESG的提升，該結果在1%的水平上顯著，且順利通過了平行趨勢檢驗與多個穩健性檢驗。

基于上述研究結論，有如下啟示：

首先，由于地區差異的存在，政策制定應注重區域協調。2017年，我國在浙江、江西、廣東、貴州、新疆等5省（區）8個城市（新區）啟動為期5年的綠色金融改革創新試驗，標志著綠色金融改革進入全面推進新階段。在此背景下，加快區域綠色金融改革試點的擴大步伐，向更多地區復制推廣成熟做法，對于夯實全國綠色金融體系建設基礎具有重要意義。

其次，綠色金融政策需要為企業技術創新提供資金支持和激勵機制。綠色創新活動通常面臨“高風險、高投入”的困境，缺乏資金支持是制約創新的主要瓶頸之一^［28］。因此，綠色金融政策應充分運用財政資金、信貸資金、社會資本等多種資金來源，為企業的綠色研發和技術創新提供充裕的資金保障。

最后，當“漂綠”行為受到更多公眾的抵制時，企業就不得不重視消費者的環保訴求，調整發展戰略，維護消費者的利益。因此，加強公眾教育，提高對“漂綠”行為的識別意識，使消費者掌握一些簡單的識別方法，如查閱企業環保信息公開情況、關注媒體監督報道等，是一種有效的做法。

參考文獻：

［1］ 馬駿. 中國綠色金融的發展與前景[J]. 經濟社會體制比較， 2016（6）： 25-32.

[2] 劉錫良， 文書洋. 中國的金融機構應當承擔環境責任嗎？——基本事實、理論模型與實證檢驗[J]. 經濟研究， 2019， 54（3）： 38-54.

[3] 文書洋， 張琳， 劉錫良. 我們為什么需要綠色金融？——從全球經驗事實到基于經濟增長框架的理論解釋[J]. 金融研究， 2021（12）： 20-37.

[4] 馬駿. 論構建中國綠色金融體系[J]. 金融論壇， 2015， 20（5）： 18-27.

[5] 王元龍， 馬昀， 王思程， 等. 中國綠色金融體系：構建與發展戰略[J]. 財貿經濟， 2011（10）： 38-46，135.

[6] 孟猛猛，談婧，王袁清清，等.企業數字化轉型對綠色創新的影響研究［J］.技術經濟，2023，42（2）：42-52.

[7] 孫英杰， 陳艷華， 林春. 綠色金融能否賦能中國式現代化產業體系建設？——基于制造業服務化視角[J]. 財經理論與實踐， 2024， 45（2）： 9-16.

[8] 郭海紅， 劉新民. 糧食安全與農業綠色低碳發展協同推進機制研究——基于糧食主產區政策的準自然實驗[J]. 湖南師范大學社會科學學報， 2024， 53（3）： 13-28.

[9] 龐加蘭， 王薇， 袁翠翠. 雙碳目標下綠色金融的能源結構優化效應研究[J]. 金融經濟學研究， 2023， 38（1）： 129-145.

[10]劉振榮， 張文靜， 司傳寧. 綠色金融發展與居民消費潛力釋放——基于2014—2020年我國省級層面面板數據的實證分析[J]. 新疆財經大學學報， 2023（4）： 28-40.

[11]Di Giuli A， Kostovetsky L. Are red or blue companies more likely to go green？ Politics and corporate social responsibility[J]. Journal of Financial Economics， 2014， 111（1）： 158-180.

[12]陳琪， 李夢函. 垂直型環境監管與企業ESG表現——基于中央環保督察的準自然實驗[J]. 公共管理與政策評論， 2023， 12（6）： 45-62.

[13]夏蕓， 蔡可， 林子昂. CEO學術經歷對企業ESG表現的影響研究——來自中國上市公司的經驗數據[J]. 工業技術經濟， 2023， 42（12）： 42-53.

[14]熊敬. 上市公司ESG信息強制性披露：制度優勢、法理基礎與實現路徑[J]. 湖南大學學報（社會科學版）， 2024， 38（3）： 74-82.

[15]帥正華. 中國上市公司ESG表現與資本市場穩定[J]. 南方金融， 2022（10）： 47-62.

[16]Zimmerli W C， Richter K，Holzinger M. Corporate ethics and corporate governance[M]. Berlin， Heidelberg： Springer， 2007： 173-178.

[17]Du X. How the market values greenwashing？ Evidence from China[J]. Journal of Business Ethics， 2015， 128（3）： 547-574.

[18]Delmas M A， Burbano V C. The drivers of greenwashing[J]. California Management Review， 2011， 54（1）： 64-87.

[19]沈弋， 錢明， 呂明晗， 等. 中小股東監督與漂綠治理——基于詞向量模型的文本分析[J]. 中國人口·資源與環境， 2023， 33（8）： 116-129.

[20]孫自愿， 汪瑋， 孫孟欣， 等. 媒體報道對企業“漂綠”的影響——高管特征與內部監督的中介作用[J]. 北京理工大學學報（社會科學版）， 2023， 25（1）： 67-79.

[21]蘇睿芯， 杜建國， 金帥. 綠色轉型還是投機漂綠：金融支持視角下高碳企業的策略選擇[J]. 企業經濟， 2023， 42（12）： 139-149.

[22]章尹賽楠， 李青原， 李昱. 不破不立：綠色信貸政策下重污染企業的應對[J]. 經濟評論， 2023（5）： 34-52.

[23]蔡長昆. 制度環境、制度績效與公共服務市場化：一個分析框架[J]. 管理世界， 2016（4）： 52-69，80，187-188.

[24]林輝， 李唐蓉. 綠色發展、金融支持與企業價值——基于上市公司ESG的實證檢驗[J]. 現代經濟探討， 2023（2）： 28-44.

[25]楊興哲， 周翔翼. 治理效應抑或融資效應？股票流動性對上市公司避稅行為的影響[J]. 會計研究， 2020（9）： 120-133.

[26]李井林， 陽鎮， 陳勁， 等. ESG促進企業績效的機制研究——基于企業創新的視角[J]. 科學學與科學技術管理， 2021，42（9）： 71-89.

[27]江靜琳， 王正位， 廖理. 農村成長經歷和股票市場參與[J]. 經濟研究， 2018， 53（8）： 84-99.

［28］肖仁橋， 肖陽， 錢麗. 綠色金融、綠色技術創新與經濟高質量發展［J］. 技術經濟， 2023， 42（3）： 1-13.

（責任編輯：厲亞）

Research on the ESG Transformation and “Greenwashing” Issues of Heavily Polluting Enterprises"under the Influence of Green Finance

XU Weijun^1，2 ， WANG Xin^1，2

（1. School of Business Administration， South China University of Technology，"Guangzhou，Guangdong 510641， China;

2. Greater Bay Intelligent Finance"" and Risk Management Research Base， Guangzhou，Guangdong 510641， China）

Abstract：Based on the data of Chinese A-share listed companies from 2009 to 2021， using a difference-in-differences （DID） model， this study examines whether green finance can truly play a role in improving corporate environmental and social performance like a surgical knife， or only become a “microphone” for some companies’ “greenwashing” marketing. The results indicate that the development of green finance not only did not significantly exacerbate the “greenwashing” behavior of enterprises， but also played a restraining role in enterprises with a strong tendency towards “greenwashing”. The implementation of green finance policies has significantly improved the environmental and social performance of heavily polluting enterprises， and this positive effect is more evident in non-state-owned enterprises， those located in areas with higher marketization levels， and non-high-tech enterprises. In view of this， the pilot scope of regional green finance reform should be expanded， social capital should be fully mobilized， and the aim is to help heavy polluting enterprises improve their ESG performance.

Key words：green finance system construction; heavily polluting enterprises; difference-in-differences model; “greenwashing” risk

基金項目：" 教育部人文社會科學研究規劃基金（22YJA630099），廣東省哲學社會科學規劃項目（GD23CGL10），廣州市哲學社會科學規劃課題（2023GZYB09）

作者簡介： 徐維軍（1975—），男，寧夏固原人，博士，華南理工大學工商管理學院教授，大灣區數智金融與風險管理研究基地主任，研究方向：綠色金融。