自愿型環境規制與企業投資效率

【中圖分類號】F275.5 【文獻標識碼】A 【文章編號】1004-0994（2025）14-0056-6

一、引言

為加快經濟社會全面綠色轉型，我國探索出一套獨具特色的環境規制政策工具，為環境治理和綠色轉型提供了依據和保障（孔希賢等，2024）。“綠色工廠\"認定政策作為其中之一，具有重要意義。該政策協助企業實現從“要我環保\"到“我要環保”的轉變，是自愿型環境規制在我國制度背景下的創新應用（朱朝暉等，2023）。作為衡量企業高質量發展水平的重要指標之一，企業投資效率受到學術界和實務界的廣泛關注。投資效率提升不僅是微觀企業穩健運營的基礎，更是宏觀經濟增長的基石。從企業層面來看，積極進行投資、提高投資效率已成為企業構建核心競爭優勢和進行價值創造的原動力，較高的投資效率有利于其在激烈的市場競爭中占據優勢，協助其長久穩健發展（王宸等，2022；陳戀，2023）。然而，目前鮮有文獻系統研究“綠色工廠”認定政策對企業投資效率的影響，更未涉足具體的作用機制分析。那么，“綠色工廠\"認定政策對于提升企業投資效率是否有效？其作用機制是什么？通過何種渠道可以將這種影響放大？找出這些問題的答案能夠為企業提升投資效率、實現高質量發展提供經驗借鑒。

基于此，本文以我國A股上市公司為樣本，采用多期雙重差分法，實證檢驗了“綠色工廠\"認定對企業投資效率的影響及其作用機制。本文可能的貢獻在于：其一，為環境政策的相關研究提供了新視角。本文從微觀層面驗證了綠色治理體系提升企業投資效率的有效性，豐富了“綠色工廠\"認定政策的影響范圍和效果的相關研究，為進一步優化環境政策提供了理論支撐。其二，本文從“綠色工廠\"認定政策的信息效應、治理效應和資源效應角度進行機制檢驗，同時進行了一系列富含研究意義的異質性檢驗，拓展了有關企業投資效率影響因素的研究體系。其三，本文提出了一系列針對性建議，不僅為企業提升投資效率提供了實踐指引，還為政府創新政策工具提供了決策參考。

二、政策背景與研究假設

（一）政策背景

1.發展沿革。為積極構建綠色制造體系，2015年，國務院首次提出“綠色工廠\"這一核心概念，并將建設\"綠色工廠\"列為“綠色制造工程\"的核心內容。工業和信息化部自2016年起開始指導各省全面開展“綠色工廠\"認定工作，并給予一系列政策優惠。

2.政策特征。相較于以往的綠色獎項評定，“綠色工廠\"認定具有以下全新特征：第一，企業享有申報與否的自主決策權；第二，“綠色工廠\"認定具有公開明晰且嚴格的評定標準，并通過多級篩選形成事前防范、事中管控的監管機制；第三，“綠色工廠\"認定具有明顯的動態調整特點，地方政府依據“三年一復核”的原則進行動態管理，未達要求的企業將被除名，形成長期且持續的事后約束機制；第四，“綠色工廠\"政策所暗含的政府公權力為獲評企業所享受的各項差別化優待提供了制度保障（陳艷瑩等，2022），當地政府會通過專項資金、財政獎勵等直接補貼和信貸優惠等間接優惠政策對獲評企業予以支持。

（二）研究假設

1.綠色工廠的信息效應：保障專有信息傳遞。“綠色工廠\"認定政策作為國家層面出臺的環境規制政策，是我國一項重要的頂層設計和系統謀劃，在經濟運行中占據重要地位。因此，獲得“綠色工廠\"認定的企業往往會受到極高的社會關注。這種關注會促使獲評企業采取更加積極主動的信息披露策略，這幫助獲評企業與相關群體建立相對更客觀、可信的信息傳遞渠道。通過這一信息渠道，企業可不斷釋放自身的專有利好信息以及企業前景和公司治理等增量信息，從而及時彌補與外部投資者之間的溝通間隙（張嬈和郭曉旭，2022），為企業帶來更多充分、準確的投資信息。由此，能夠有效提升企業投資決策質量，進而促使獲評企業的投資效率提升。

2.綠色工廠的治理效應：吸引長期機構投資者。隨著公眾對可持續發展關注度的提升，環境因素在投資決策中的重要性日益凸顯（崔也光等，2023），那些尋求長期穩定的投資回報且具有豐富專業知識和信息優勢的長期機構投資者更傾向于投資環境治理更為主動的企業（Krueger等，2020）。“綠色工廠\"認定更強調企業自身環保理念的轉變，使企業再難通過“象征性”的信息披露滿足日趨嚴格的合規性要求。因此，獲得“綠色工廠\"認定的企業更容易引起長期機構投資者的關注。

長期機構投資者一般為戰略型投資者，交易不頻繁，且對上市公司的經營狀況有較為深入的了解，有更高的積極性通過“用手投票\"的方式監督管理層行為，進而提高公司治理水平、提升企業的資本市場聲譽（牛建波等，2013）。因此，隨著獲評企業的長期機構投資者持股規模的上升：一方面，大宗持股的“錨定\"效應能夠提升中小投資者粘性（鐘芳和王滿，2020），從而對企業資金形成有效補充，為企業投資效率提升提供資金支持；另一方面，長期機構投資者能更好地發揮監督和治理效能，對企業或管理層的激進避稅和冒進投資行為及時“糾偏”（劉祎等，2024），約束大股東的掏空行為等（劉楊方姝和易志高，2025），進而減少企業因代理問題、信息不對稱所進行的非效率投資，提升企業投資效率。

3.綠色工廠的資源效應：緩解企業融資約束。一方面，經過認定的企業所獲得的特殊身份標簽可以衍生出更多的市場需求和收益，從而增加企業的內部盈余；另一方面，企業獲評后，工業和信息化部、財政部及各級政府以一次性獎補、專項基金、信貸優惠等方式支持企業，為企業提供與經營期限結構相匹配的外部資金供給（李香菊等，2023）。因此，“綠色工廠\"認定能夠增加企業資金來源，緩解融資約束。上述資金的流人不僅保障了企業的流動性資金需求，使其能夠在遇到效益較優的投資項目時迅速采取行動，還幫助企業著眼于長期的投資效率優化。通過合理的資金分配，企業的資金鏈可以完整覆蓋整個投資周期，從而提升企業的投資效率。基于以上分析，本文得出如下假設：

H1：企業獲得“綠色工廠\"認定能夠有效提升其投資效率。

三、研究設計

（一）樣本選擇與數據來源

本文以 2011～2023 年我國A股上市公司為樣本，并對樣本進行如下處理： ① 剔除ST和 公司； ② 剔除主要變量缺失的上市公司； ③ 剔除金融行業觀測值； ④ 對連續變量進行上下 1% 分位的縮尾處理。經過篩選，最終得到31985個樣本年度觀測值。本文數據主要來自CSMAR數據庫，部分數據由手工整理所得。

（二）變量定義

1.被解釋變量。本文參考已有研究（姚立杰等，2020;王化成等，2024；任廣乾等，2024），采用Richardson（2006）的模型測度企業投資效率（IE）。具體模型如下：

Invest_i，t=α₀+α₁Growth_i，t-1+α₂Lev_i，t-1+α₃Cash_i，t-1+ α₄Age_i，t-1+α₅Size_i，t-1+α₆Ret_i，t-1+α₇Invest_i，t-1+ ∑ Industry+ ∑Year+εi，t （1

其中：Investi，t為企業i在第t年的新增投資額，用固定資產、無形資產和其他長期資產等非流動資產凈額與總資產的比值衡量； Growth_i，t-1 為企業i在第 t-1 年的營業收入增長率； Lev_i，t^-1 為企業i在第 t-1 年的資產負債率，用總負債與總資產的比值衡量； Cash_i，t-1 為企業i在第 t-1 年的自由現金流，用公司經營活動產生的現金流量凈額與總資產的比值衡量; Age_i，t-1 表示公司i在第t-1年的上市年限； Size_i，t-1 為企業i在第 t-1 年的規模，用總資產的自然對數衡量； Ret_i，t-1 為企業i在第t-1年的股票收益率，用每股股票收益衡量； Invest_i，t-1 為企業i在第 t-1 年的新增投資額；Industry和Year分別表示行業虛擬變量和年度虛擬變量， ε 為殘差。殘差 ε 的絕對值越大，表明企業非效率投資行為越嚴重，投資效率越低。

2.解釋變量。本文設置虛擬變量企業獲評“綠色工廠\"（GreenFactory）作為解釋變量。企業獲評“綠色工廠”的當年及以后年度，GreenFactory賦值為1，否則為0。

3.控制變量。參照已有研究（姚立杰等，2020；王化成等，2024；王治和沈欣月，2024），本文選取如下控制變量：資產負債率（Lev）、企業規模（Size）、總資產收益率（Roa）、企業自由現金流（FCF）、企業價值（TobinQ）、總資產周轉率（TAT）、股權集中度（Top1）、企業上市年限（Age）、兩職合一（Dual）、獨立董事比例（Independent）、管理層薪酬（MS）、董事會規模（Board）。

變量的具體定義如表1所示。

（三）模型構建

為檢驗“綠色工廠\"認定對企業投資效率的影響，本文運用多期雙重差分法，構建如下多期DID模型：

∑Firmi+εi，t （2

其中： IE_i，t 為企業i在第t年的投資效率；GreenFac-toryi，t為企業獲評“綠色工廠\"的虛擬變量；Controlsi，t代表各控制變量；Yeart表示年份固定效應； Firm_i 表示個體固定效應； ε_i，t 為殘差。

照平行趨勢檢驗的回歸設計，繪制政策動態經濟效應圖，如圖1所示。圖1結果表明，受“綠色工廠\"認定政策影響的處理組和未受影響的控制組符合平行趨勢假設。同時，動態經濟效應結果表明，政策的影響在企業獲評“綠色工廠\"后開始顯現，H1得到初步驗證。

四、實證分析

（一）描述性統計

描述性統計結果如表2所示。被解釋變量投資效率（IE）的均值為0.038，標準差為0.047，且最大值與最小值之間的差距較大，表明不同企業間的投資效率差異較為明顯。解釋變量企業獲評“綠色工廠\"（GreenFactory）的均值為0.169，標準差為0.375。其他控制變量的描述性統計結果均分布在合理區間內，與現有研究較為接近。

（二）平行趨勢檢驗

使用雙重差分法前，處理組和控制組樣本需滿足平行趨勢假設。本文參考已有研究（Beck等，2010），分別構造個體企業受到“綠色工廠\"認定政策影響前和影響后若干年的虛擬變量，同時以投資效率（IE）為被解釋變量，按

（三）基準回歸

表3為企業獲評“綠色工廠\"對投資效率影響的回歸結果，解釋變量GreenFactory的回歸系數為-0.009，且在1% 的水平上顯著。結果表明，企業獲評“綠色工廠\"能夠顯著提升投資效率，回歸結果支持H1。

（四）內生性與穩健性檢驗

1.避免測量誤差。為盡量避免投資效率的測量誤差，本文參考相關研究（Biddle等，2009；Chen等，2011；李廣平等，2025），設置不同計量方法的替代變量IE_Biddle和IE_Chen，并將其作為被解釋變量分別代人模型（2）中進行檢驗。回歸結果如表4列（1）和列（2）所示，GreenFactory的回歸系數均在 1% 的水平上顯著為負，表明本文結論穩健。

注：*、**、***分別表示在 10%.5% 和 1% 的水平上顯著，括號內為經企業層面聚類調整后的t值，下同。

2.PSM-DID。本文采用傾向得分匹配法（PSM）進行穩健性檢驗。以模型（2）的控制變量為協變量，以1：1最近鄰匹配為原則，為處理組尋找相近特征的控制組。在進行匹配后，協變量的標準偏誤顯著降低，均低于 10% 且處理組與控制組之間的均值大部分不存在顯著差異，這表明樣本匹配效果良好。本文用匹配后的樣本進行回歸。由表4列（3）可知，GreenFactory的回歸系數在 1% 的水平上顯著為負，結論依然成立。

3.添加宏觀變量。本文加入兩個宏觀層面控制變量，即上市公司所在地區GDP總量的自然對數（GDP）和上市公司所在地區的產業結構高級化（IS，即第三產業產值/第二產業產值）。表4列（4）顯示，GreenFactory的回歸系數在 1% 的水平上顯著為負，結論依然成立。

4.工具變量檢驗。本文參考已有研究（劉誠和夏杰長，2023），以各地區地形起伏度與對應年份乘積的自然對數（Topography）為工具變量進行內生性檢驗。相關性層面，地區的地形起伏度越小，越有利于工廠建設發展，也更符合“綠色工廠\"的用地集約化要求。外生性方面，地形起伏度為自然環境變量，很難直接作用于企業投資效率。本文根據Anderson統計量和P值拒絕了原假設所認為的存在識別不足的問題，并根據Cragg-Donald統計量排除了弱工具變量問題。表5列（1）為第一階段的回歸結果，Topography的回歸系數為-0.003，且在 1% 的水平上顯著，說明企業所在地區的地形起伏度與企業獲評“綠色工廠\"負相關，與預期相符。第二階段的回歸結果顯示，企業獲評“綠色工廠\"的預測值（GreenFactory_IV）的回歸系數顯著為負，表明在緩解相應的內生性問題后，本文結論依然成立。

5.安慰劑檢驗。本文參考已有研究（閆華紅等，2022），將企業獲評“綠色工廠\"的政策時間提前一年和提前兩年，分別生成GreenFactory1和GreenFactory2兩個解釋變量，以考察基準回歸結果的得出是否來自樣本企業間的固有差異或受到企業發展及“綠色工廠\"政策推進過程中偶然性因素的干擾。結果如表6列（1）和列（2）所示，在更換企業獲評“綠色工廠\"的時點后，主要解釋變量不再顯著，這一反事實檢驗結果表明本文結論仍舊穩健。

五、機制檢驗

（一）保障專有信息傳遞

本文參考已有研究（張云等，2024），以投資者關系活動記錄表中企業與投資者的互動問答為基礎數據，同時參考“綠色工廠評價指標第三方評價表”和相關政策文件，篩選出其中與“綠色工廠\"關鍵詞相關的投資者提問和企業回答數據，并在“企業一年份\"層面進行加總，以此作為企業專有信息傳遞（Transmissionofinformation）的代理變量。該變量越大，表明企業向外部傳遞其專有信息的意愿和積極性越強。回歸結果如表7列（1）所示，GreenFactory的回歸系數為0.233，且在 1% 的水平上顯著，這表明保障專有信息傳遞的機制成立。“綠色工廠\"認定政策能夠為企業與相關群體建立客觀、可信的信息渠道，有效保障企業專有信息的傳遞，緩解企業的內外部信息不對稱，提升企業投資決策質量，進而促進獲評企業投資效率提升。

（二）吸引長期機構投資者

本文參考已有研究（周紹妮等，2017），將平均換手率較低的機構投資者定義為長期機構投資者，并統計企業的長期機構投資者持股比例（Long-terminstitutional in-vestors），該變量的值越大，表明企業的長期機構投資者占比越高。回歸結果如表7列（2）所示，GreenFactory的回歸系數為0.003，且在 1% 的水平上顯著，這表明吸引長期機構投資者的機制成立。綠色工廠\"認定這種企業自主參與的環境規制政策更能夠引起長期機構投資者的關注，從而產生較強的治理效應，對企業生產經營和信息質量等產生“錨定\"和“糾偏\"作用，有效填補單一監督環節可能出現的漏洞，進而減少企業因代理問題、信息不對稱問題所產生的非效率投資，提升企業投資效率。

（三）緩解企業融資約束

本文參考已有研究（葉建華和張婷婷，2025），以KZ指數衡量企業的融資約束程度，該變量的值越大表明企業的融資約束程度越高。回歸結果如表7列（3）所示，GreenFactory的回歸系數在 1% 的水平上顯著為負，這表明緩解企業融資約束的機制成立。企業獲評“綠色工廠”能夠有效緩解企業融資約束，使企業在遇到較優的投資機會時，能有更多的現金儲備迅速采取行動，還能夠著眼于長期的投資效率提升。

六、異質性分析

（一）高管綠色認知的異質性檢驗

企業運營模式是管理層意愿和執行能力的體現。“綠色工廠\"認定政策能否發揮預期作用，高管的綠色認知尤為重要。參考已有研究（李亞兵等，2023），本文以“節能減排”“環境技術開發\"和“低碳環保\"等相關詞匯在企業年報中出現的頻次來衡量企業的高管綠色認知。同時，本文根據企業當年度的高管綠色認知是否高于同行業均值，將樣本分為高管綠色認知水平較高和高管綠色認知水平較低的樣本組，在此基礎上進行分樣本回歸，并進行組間系數差異檢驗。

回歸結果如表8所示，在高管綠色認知水平較高的樣本中，GreenFactory的回歸系數絕對值更大，顯著性水平更高，且兩組數據的組間系數差異檢驗結果顯著。因此，在高管綠色認知水平較高組樣本中，“綠色工廠\"認定對企業投資效率的提升作用更為明顯。這可能是因為，較高的綠色認知意味著高管對可持續發展的重要性有深刻的認識。當其所任職企業獲評“綠色工廠\"時，高管會將“綠色工廠\"認定中的高標準、嚴要求在日后的經營管理中貫徹實施。此外，綠色認知水平較高的高管更傾向于與利益相關者定期對話，并公開披露企業在綠色工廠創建和發展方面的表現，幫助企業樹立良好形象、獲得資源支持，從而放大“綠色工廠\"認定政策對企業投資效率的積極效應。

（二）央地財政政策協同度的異質性檢驗

通過對“綠色工廠\"認定的相關政策進行梳理，本文發現，部分地級市在中央和省級財政給予財政補貼的基礎上，對獲評“綠色工廠\"的企業進行額外獎補，形成了央地協同的財政政策體系。同時，本文也發現部分省份的財政獎補仍停留在省級層面，下轄地級市并未出臺額外的財政補貼政策。因此，對于已出臺額外財政補貼政策的地級市來說，當其轄區內的企業獲評“綠色工廠\"時，“綠色工廠\"認定政策對企業投資效率的提升效應可能更加顯著。基于此，本文根據各地級市是否出臺針對工業和信息化部“綠色工廠\"的額外財政補貼政策，將樣本分為央地財政政策協同度較高和較低組進行分樣本回歸，并進行組間系數差異檢驗，結果如表9所示。

如表9列（1）和列（2）所示，在央地財政政策協同度較高組，GreenFactory的回歸系數絕對值更大，顯著性水平更高，且兩組數據的組間系數差異檢驗結果顯著。這表明在央地財政政策協同度較高的地區，“綠色工廠”認定政策對企業投資效率的影響更加顯著。這可能是因為，在央地財政政策協同度較高的地區，層級協同水平更高，上下級政策目標銜接、工具互補性更強。當企業所在地區出臺了針對\"綠色工廠\"的額外財政補貼政策時，在資金層面能夠形成央地協同的財政政策體系，為企業提升投資效率提供直接動力；同時，各級政府作為本級財政資金的直接監管者，在監管層面也實現了國家、省、市三級“縱向聯動”，形成央地政府協同的監督鏈條。因此，在多層級政府財政資金和監督力量的參與下，獲評企業資金更加充裕、生產經營決策更加規范、企業的投資機會和投資穩健性得到大幅提升，有效放大了“綠色工廠\"認定政策對投資效率的積極效應。

七、結論與啟示

本文以 2011～2023 年我國滬深A股上市公司為研究樣本，手工整理了上市公司獲得“綠色工廠\"認定的情況，運用多期雙重差分模型檢驗其對企業投資效率的影響。研究發現，企業獲評“綠色工廠\"能夠有效提升投資效率。機制檢驗表明，“綠色工廠\"認定能夠發揮信息效應、治理效應和資源效應，分別通過保障企業專有信息傳遞、吸引長期機構投資者和緩解企業融資約束，進而促進企業投資效率提升。進一步研究發現，“綠色工廠\"認定對企業投資效率的提升作用在高管綠色認知水平較高和央地財政政策協同度較高地區的企業中更顯著。

基于上述結論，本文得出以下政策啟示：

第一，強化“綠色工廠\"認定政策對企業投資效率提升的引導作用。政策制定部門可不斷加大后續配套政策的執行力度，讓符合條件的企業對政策“應知盡知”，幫助企業享受最優的政策紅利，為企業投資效率提升補資金、引人才、添信心、增活力。第二，重視高管綠色認知水平在“綠色工廠\"認定助力企業投資效率提升中的重要作用。企業高管應主動關注并不斷學習國家制定的相關環境發展戰略和政策，提高自身的綠色認知水平和環境素養，并將其反映在企業的內部管理和運營中，從而強化政策對企業投資效率的提升效應。第三，提高央地財政政策協同度。各級政府部門可積極建立健全財政部門上下聯動、財政與其他部門橫向互動的工作協同推進機制。未出臺相關財政補貼政策的地區可逐級推進落實，出臺顆粒度更細的財政獎補政策措施，使獲評企業享受到財政獎補政策的全過程覆蓋，助力企業投資效率提升。

【主要參考文獻】

陳戀．經濟政策不確定性與實體經濟投資效率［ J］．技術經濟與管理研究，2023（8）：73 ～ 78．

陳艷瑩，于千惠，劉經珂．綠色產業政策能與資本市場有效“聯動”嗎——來自綠色工廠評定的證據［ J］．中國工業經濟，2022（12）：89 ～ 107．

崔也光，王守杰，王肇．企業參與碳交易能夠提升ESG表現嗎？——基于數字化轉型的調節效應分析［ J］．財務研究，2023（5）：57 ～ 68．

孔希賢，郎麗華，王鈺良．數字貿易對中國經濟韌性的影響——來自中國城市的經驗證據［ J］．國際經貿探索，2024（5）：20 ～ 39．

李廣平，衡夢君，劉莉．逆向混改能抑制民營企業非效率投資嗎［ J］．財會月刊，2025（6）：43 ～ 49．

李香菊，劉碩，邊琳麗．數字金融、市場分割與資本要素錯配［ J］．統計與決策，2023（17）：137 ～ 142．

李亞兵，夏月，趙振．高管綠色認知對重污染行業企業績效的影響：一個有調節的中介效應模型［ J］．科技進步與對策，2023（7）：113 ～ 123．

劉祎，尹云龍，楊旭．數量或質量：環境信息披露對綠色創新的影響［ J］．科研管理，2024（4）：166 ～ 174．

劉誠，夏杰長．線上市場、數字平臺與資源配置效率：價格機制與數據機制的作用［ J］．中國工業經濟，2023（7）：84 ～ 102．

牛建波，吳超，李勝楠．機構投資者類型、股權特征和自愿性信息披露［ J］．管理評論，2013（3）：48 ～ 59．

王宸，陸超，戴靜雯．產品市場競爭、經濟政策不確定性與企業投資效率［ J］．北京交通大學學報（社會科學版），2022（4）：134 ～ 149．

王治，沈欣月．企業數字化轉型與供應商投資效率——基于供應鏈后向溢出視角［ J］．財會月刊，2024（20）：36 ～ 41．

王化成，張潔，張超敏等．品牌競爭力與企業高質量發展——基于投資效率的視角［ J］．中國人民大學學報，2024（4）：45 ～ 60．

Krueger P.， Sautenr Z.， Starks L. T.. The Importance of Climate Risks for Institutional Investors［ J］．The Review of Financial Studies，2020（3）：1067～1111．

Richardson S.. Over-investment of Free Cash Flow［ J］．Review of Accoun-ting Studies，2006（11）：159 ～ 189．

（責任編輯·校對：黃艷晶 羅萍）