綠色金融政策推動了企業綠色轉型嗎?

摘要：企業綠色轉型是實現經濟高質量發展和碳中和目標的關鍵戰略舉措。本研究基于2013—2022年中國城市與上市企業的匹配數據，從理論與實證兩個維度系統探討了綠色金融政策對企業綠色轉型的影響及其作用機制。研究發現，綠色金融政策對企業綠色轉型具有顯著的促進作用，且這一影響表現出良好的穩定性和持續性。機制研究表明，金融資源錯配會削弱綠色金融政策的積極效應，而企業數字化轉型則能有效增強政策效果。異質性分析發現，從區域維度看，綠色金融政策對東部地區企業的促進作用顯著，但對西部地區企業的影響效果不明顯;從企業特征看，政策對高研發強度企業的綠色轉型具有顯著推動作用，而對低研發強度企業的影響則相對有限。進一步研究發現，綠色金融政策對高污染企業的綠色轉型具有更為顯著的促進作用，但對存在供給過度型資源錯配的企業則表現出明顯的抑制作用。

關鍵詞：綠色金融政策;企業綠色轉型;金融資源錯配;數字化轉型

一、引言

在全球氣候變化與可持續發展議題日益凸顯的背景下，生態文明建設已成為我國經濟社會發展的重要戰略方向。自2017年黨的十九大報告將污染防治納入“三大攻堅戰”以來，我國在環境保護和綠色發展方面取得了顯著進展。2020年“雙碳”目標的提出，進一步彰顯了我國應對氣候變化的決心與行動。黨的二十大報告提出“推動綠色發展和促進人與自然和諧共生”的新發展理念，明確了加快發展方式綠色轉型這一首要任務。在這一背景下，企業作為經濟活動的實踐主體，承擔著綠色技術革新和生態價值創造的核心使命。

然而，企業在綠色轉型過程中面臨諸多挑戰首先，綠色轉型需要大量資金和資源投入，且具有長周期、高風險和高投入的特點，導致企業難以獲得充足的資金支持。其次，外佳的市場投融資機制進一步加劇了企業綠色轉型的困難，因此，構建功能完善的金融系統，發揮其資源配置和風險管理功能，對支持企業綠色轉型至關重要。黨的二十大報告為構建企業綠色轉型的制度性保障框架提供了明確指引，包含財政稅收調節、綠色金融賦能和投資信號引導等措施。在此指引下，我國自2017年起先后在浙江、廣東、貴州、江西、新疆等地設立綠色金融改革創新試驗區，并于2019年擴大試點范圍，將甘肅蘭州新區納入試點城市名單，為完善綠色金融政策體系積累了寶貴經驗。

學術界對綠色金融的研究已取得豐碩成果。早期研究主要聚焦于綠色信貸這一政策工具，從宏微觀角度探討其對經濟綠色增長和企業綠色轉型的作用[1- 2]。隨著綠色金融改革創新試驗區的設立和政策工具的豐富，學者們開始采用更全面的研究視角，或以綠色金融改革創新試驗區的設立作為準自然實驗[3- 4]，或構建多維度指標評價綠色金融發展水平[5- 6]。研究表明，綠色金融在宏觀層面具有降低碳排放、推動經濟綠色發展的作用[6- 7];在微觀層面，則通過信貸約束機制影響重污染企業的融資行為，形成投資抑制效應[3- 4]，從而推動企業綠色轉型。此外，綠色金融還能與傳統環境規制政策形成互補，提高微觀企業投融資效率[8]。

在衡量企業綠色轉型方面，現有研究存在兩種主要取向：一是關注轉型結果，如使用污染排放強度作為衡量指標[9];二是關注轉型過程，如采用綠色專利申請數量、授權數量和被引用數量等指標[10]。然而，這些方法往往較為單一，忽視了企業綠色轉型的投入過程。為此，部分學者開始構建多維度評價體系，如于連超等（2019）從綠色文化、綠色戰略、綠色創新等多個維度構建企業綠色轉型評價體系[11]。本研究在此基礎上，創新性地構建了考慮企業綠色轉型投入的多維度指標，以便更全面地衡量企業綠色轉型水平。

盡管綠色金融為企業轉型提供了重要支持，但金融資源錯配問題仍然突出。現有研究表明，金融資源錯配會抑制企業創新投入，阻礙綠色轉型[12- 13]。然而，關于金融資源錯配如何影響綠色金融政策推動企業轉型的研究仍顯不足。傳統信貸標準可能導致金融資源持續流向未轉型的傳統產業，造成資金流向偏差和資源配置不均，這可能限制綠色金融的政策效果。因此，本文將深入探討金融資源錯配對綠色金融政策推動企業綠色轉型的影響。

此外，數字化轉型作為企業發展的新趨勢，其與綠色金融的協同效應尚未得到充分研究。數字化轉型通過優化資源配置、提升資源利用效率，不僅能夠促進企業綠色轉型，還能推動企業開發應用節能減排、綠色低碳等新型生產技術[14- 15]。本文將創新性地將企業數字化轉型納入研究框架，探討其在綠色金融推動企業綠色轉型過程中的作用機制。

本研究的邊際貢獻主要體現在以下三個方面：首先，在研究數據上，創新性地使用Python爬蟲技術從上市企業年報中提取綠色轉型相關信息，構建多維度評價指標，拓展了數據來源;其次，在研究視角上，首次將金融資源錯配和數字化轉型納入分析框架，豐富了綠色金融推動企業綠色轉型的作用機制研究;最后，在研究立意上，突破傳統單一政策工具分析框架，從多維度細化綠色金融政策對企業綠色轉型的影響，為完善綠色金融提供了新的經驗證據。

二、理論分析與研究假設

（一）綠色金融政策對企業綠色轉型的影響

自2017年綠色金融改革創新試驗區試點以來，我國通過構建多層次綠色金融服務體系，逐步實現了資本配置的生態價值內生化。綠色金融的核心機制在于以環境效益優先的融資決策標準，突破傳統金融供給邊界，形成差異化融資條件，構建可持續性資本引導范式。其作用機制主要體現在三個維度：（1）流動性支持：緩解綠色企業在清潔技術研發周期中的資金約束，為其深度脫碳提供穩定的資本保障。（2）負向激勵：將環境信用評級與融資準入條件掛鉤，提高非綠色企業的資源獲取門檻，促使其關注自身綠色發展。（3）風險對沖：通過環境責任保險等創新工具，將生態負外部性納入企業成本核算，降低低碳技術開發中的財務波動，削弱極端氣候事件對宏觀經濟的傳導效應。此外，綠色信貸與綠色保險的協同運作，構建了覆蓋資本融通、風險管理和持續改進的貫通機制，推動企業運營模式向低碳化方向演進，最終實現商業價值與生態效益的雙重均衡。基于此，本文提出如下假設：

H1：綠色金融政策能夠顯著促進企業綠色轉型

（二）金融資源錯配的調節作用機制

在資源動態配置理論框架下，企業綠色轉型本質上是綠色資源對非綠色資源的重新配置過程。綠色金融通過資源配置與價值發現功能，在行業間和行業內兩個層面發揮作用：（1）在行業間層面：抑制資源向“三高”產業過度集聚，引導資源流向清潔技術企業，形成環境外部性內部化的市場矯正效應。（2）在行業內層面：通過差異化融資標準設置“綠色門檻”，構建動態激勵機制，推動企業持續優化環境治理能力以維持資源競爭優勢。然而，資源基礎理論的“資源詛咒”效應在綠色金融實踐中顯現出特殊形態。

盡管我國綠色金融規模快速增長，但其供給總量與轉型主體的需求之間仍存在顯著缺口，導致金融資源配置偏離最優效率，具體表現為三種抑制機制：（1）成本約束效應：金融資源錯配導致的融資溢價抬高了綠色轉型的技術投資門檻，形成“高成本 $＼twoheadrightarrow$ 低投入 $＼twoheadrightarrow$ 高風險”的負向循環。（2）逆向選擇效應：非綠色企業通過影子融資渠道獲取資源，形成對綠色轉型的替代性依賴，削弱環境績效與資源獲取的正向關聯。（3）路徑依賴效應：短期資金主導的資源配置模式誘發企業戰略短視，陷入傳統生產模式的路徑依賴，導致綠色資產積累陷入“低水平均衡陷阱”。基于上述分析，本文提出如下研究假設：

H2：金融資源錯配會抑制綠色金融政策對企業綠色轉型的積極影響。

（三）企業數字化轉型的影響機制

企業數字化轉型是數據要素資本化及重構傳統生產要素配置范式的價值創造過程。其核心在于數據要素與傳統生產要素的互補，形成“數據-資本-勞動”協同的生產函數，并通過以下三大機制促進綠色金融對企業綠色轉型的積極影響：（1）信息生產機制：物聯網與區塊鏈技術降低環境足跡的觀測成本，數字孿生技術和大數據分析能夠優化資源配置效率，降低綠色技術的試錯成本。（2）信息傳遞機制：基于機器學習的環境數據清洗算法，將企業環境數據庫與金融機構ESG評級系統關聯，形成“數據-信用”轉換通道，提升信息傳遞效率，縮短綠色融資審批周期。（3）信息驗證機制：區塊鏈和大數據技術增強企業生產經營的透明度，降低企業與金融機構之間的交易成本和信息不對稱程度，通過無形“監管”降低代理成本，優化企業治理能力。數字化轉型通過技術賦能，顯著提升了綠色金融政策的環境矯正效率。基于上述分析，本文提出如下研究假設：H3：企業數字化轉型會增強綠色金融政策對企業綠色轉型的積極影響。

H3：企業數字化轉型會增強綠色金融政策對企業綠色轉型的積極影響。

三、模型設定與變量選取

（一）模型設定

基于上文的理論分析，本文構建雙向固定效應模型進行實證檢驗，如式（1）所示：

式（1）中，下標 $i$ 表示企業， $t$ 表示時間， $r$ 表示城市， $j$ 表示行業; $Y_{it}$ 表示被解釋變量——企業綠色轉型。 $GF_{rt}$ 為本模型主要解釋變量，系數 $＼alpha_{1}$ 表示估計參數。 $X_{k_{it}}$ 為企業層面的控制變量， $X_{k_{rt}}$ 為城市層面的控制變量，本文將在下文詳細闡釋。 $＼alpha_{0}$ 為常數項， $＼delta_{rt}$ 表示城市固定效應， $＼sigma_{t}$ 表示時間固定效應， $＼alpha_{j}$ 表示行業固定效應，控制每個城市每個行業內企業隨時間變化的固定效應， $＼epsilon_{jrt}$ 為隨機干擾項。本文在回歸中采用城市層面的聚類穩健性標準誤消除異方差。

（二）變量選取與數據說明

1.被解釋變量的選取

企業綠色轉型：本文通過Python爬蟲功能在巨潮資訊網上歸集整理了2013—2022年A股剔除ST和＼*ST的非金融行業上市公司的年度報告，并將其轉換成txt格式，提取所有文本內容，以供后續篩選使用。根據“十四五”規劃、國家發展和改革委發布的有關意見以及與相關專家的討論，從綠色文化轉型、綠色戰略轉型、綠色創新轉型、綠色投入轉型、綠色生產轉型和綠色排放轉型等維度確定了287個企業綠色轉型關鍵詞。在此基礎上，剔除關鍵詞前存在“沒”“無”“不”等停用詞的情況。基于Python中的jieba庫，提取并計算上市企業每年年報中各個關鍵詞的頻率，采用企業綠色轉型關鍵詞匯頻數總和與年報語段長度之比和對數化處理后的關鍵詞匯頻數衡量微觀企業綠色轉型程度，分別表示為port和lntotal。

2.解釋變量的選取

綠色金融：本文的核心解釋變量為綠色金融政策。本文運用全局熵值法，分別選擇綠色信貸、綠色證券、綠色保險和綠色投資四個一級指標，構建各城市綠色金融發展水平指標。在綠色信貸方面，本文借鑒文書洋等（2022）的做法，分別將節能環保清潔行業上市公司和剔除了非正常交易的上市公司的銀行借款額匯總至城市層面，使用節能環保清潔行業借款規模占比作為綠色信貸的二級指標①;在綠色證券方面，本文在史代敏和施曉燕（2022）研究的基礎上，擴展了綠色證券的涵蓋范圍，使用環保清潔行業市值占比②和八大高耗能行業③市值占比作為綠色證券的二級指標;在綠色保險方面，本文借鑒現有研究中常用的以農業保險近似表示綠色保險[3，16]，以農業保險保費賠付規模作為綠色保險的二級指標;在綠色投資方面，本文使用各城市節能環保財政支出占全市GDP的比重，作為綠色投資的二級指標。本文運用全局熵值法，賦權上述綠色金融發展水平指標中的二級指標，公式如下：

式（2）中， $r$ 和 $t$ 分別表示城市和年份， $j$ 表示綠色金融指標體系中的各一級指標， $＼omega_{j}$ 為各二級指標的權重， $x_{r，t}^{j}$ 為經標準化處理后的指標值。

3.控制變量的選取

由于本文研究的主要內容為城市層面的綠色金融發展水平對微觀企業層面綠色轉型的影響。因此，本文從企業和城市兩個層面選擇合適的控制變量。在企業層面，本文選擇如下指標：企業規模（Size）：取對數后的企業年末總資產;企業資產負債率（Lev）：企業年末負債總額與資產總額之比;企業上市年份（Listage）：每年的年份與企業上市當年的年份之差;股票收益率（Stockyield）：年個股收益率;企業市場價值（TobinQ）：托賓Q值，衡量方式為企業年末股票市值與凈債務之和與有形資產價值之比，有形資產價值為扣除待攤費用、無形資產及其他資產和遞延稅款借項的資產總額。在城市層面，本文選擇如下指標：經濟發展（PerGDP），選取人均GDP衡量;產業結構（SEC），選取城市第二產業GDP與整體GDP之比衡量;產業結構高級化（STE），選取第三產業從業人數與第二產業從業人數之比衡量;對外開放程度（Open），選取各城市按當年美元對人民幣匯率折算后的外商投資進出口總額占GDP的比重衡量。

（三）樣本選擇與數據來源

本文選擇2013—2022年中國A股上市公司為研究樣本。企業層面數據來源于國泰安CSMAR數據庫，綠色保險數據來源于中國研究數據服務平臺（CNRDS），城市層面數據來源于《中國城市統計年鑒》和《中國城市建設統計年鑒》。本文主要變量的描述性統計結果如表1所示，其中，因變量企業綠色轉型強度port均值和標準差均為0.003，最小值為0，最大值為0.049;lntotal均值為4.892，最小值同樣為0，最大值為8.423，標準差為0.924，表明二者在研究期間數據存在較大差異，具備統計學上的研究意義。

四、實證結果與分析

（一）實證結果分析

綠色金融政策與企業綠色轉型的回歸結果如表2所示。表2列（1）和列（2）是基準回歸結果，可以看出綠色金融政策（ $GF_{r}$ ）對企業綠色轉型lntotal和port的回歸系數均在 $1＼%$ 的水平上顯著為正，因此本文初步判斷綠色金融政策能夠推進企業綠色轉型。列（3）和列（4）是綠色金融滯后期的估計結果，可以看出綠色金融政策（ $GF_{r，t + 1}$ ）對企業綠色轉型lntotal和port的影響仍在 $1＼%$ 的水平上顯著為正，說明綠色金融政策推進企業綠色轉型的作用具有一定的持續性和長期性。在控制變量方面，在企業層面，資產規模、資產負債率、股票收益率和市場價值對企業綠色轉型有顯著正向影響，企業上市年份越長反而不利于其進行綠色轉型;在城市層面，優化產業結構，提高對外開放水平均有助于推動企業綠色轉型。綜上，假設H1得到證實。

（二）穩健性檢驗 ①

為避免結果受企業綠色轉型度量方式的影響，本文借鑒朱于珂等（2022）的做法，以綠色專利被引用次數重新衡量企業綠色轉型。綠色專利被引用次數的具體衡量方式為企業當年申請的綠色專利自其申請當年起被引次數總和，數據來自 CNRDS 數據庫。本文將式（1）中被解釋變量替換成對應的綠色專利被引用次數，同時使用零膨脹負二項分布模型考察綠色金融政策對于綠色專利被引用次數的影響，進行重新回歸。借鑒謝婷婷和劉錦華（2019）的研究思路，使用六大高能耗產業利息支出占比的逆向化指標重新衡量綠色信貸發展水平替換原綠色信貸指標，使用地方節能環保支出占財政支出的比重替換原綠色投資指標，再次計算綠色金融發展水平 $（GF_{n}）$ ，作為之前計算的綠色金融發展水平的替換變量使用雙向固定效應模型進行重新回歸，檢驗結果與前文沒有實質差異。

2.更換估計模型

2017年6月開始，國務院逐步展開綠色金融改革創新試驗區試點，并在試點地區出臺相關政策，引導金融機構設立綠色支行，創新綠色金融產品及服務，構建完善統一的綠色金融風險防控體系，為企業實現綠色轉型提供融資支持，緩解轉型風險。為進一步得出綠色金融推動企業綠色轉型的穩健結論，本文將2017年啟動的綠色金融試點政策看作一次準自然實驗，構建雙重差分模型，如式（3）所示。基于2013—2022年囊括全國30個省份（香港特別行政區、澳門特別行政區、臺灣、西藏除外）的企業面板數據，并將2017—2022年設為綠色金融試點政策執行年份，2013—2016年作為試點政策實施之前的時期。同時本文將綠色金融試點地區內的企業作為處理組，其余地區作為對照組，進行重新回歸，檢驗結果與前文沒有實質差異。

3.改變樣本范圍

改革開放以來，工業是我國經濟平穩發展的重要支柱行業，但以往粗放型的工業增長模式以大量的資源消耗和嚴重的環境污染為代價，不利于實現經濟的可持續發展。因此，工業企業綠色轉型是目前的研究重點。為了進一步提高結論的穩健性和適用性，本文將樣本范圍縮減到工業企業中，以考察綠色金融對工業企業綠色轉型的影響，重新進行回歸，檢驗結果顯示沒有實質性差異，可以證明上述結論的穩健性。

（四）內生性處理

盡管已經在上文所設定的雙重差分模型中控制了企業、行業和年份固定效應，并選取了相關控制變量，考慮到經濟低碳轉型可能引發對綠色金融發展的新需求，可能導致反向因果問題。本節擬通過工具變量法在一定程度上解決內生性問題。本文參照Bartik（2009）[10]及易行健和周利（2018）[19]的研究，構造工具變量 $（F / G F_{n}）$ ，具體衡量方式為滯后一期的綠色金融發展水平與全國平均綠色金融發展水平在時間上的一階差分項的乘積。其合理性體現在，一方面，各地區綠色金融發展水平的增長率在全國范圍內的分布情況表明，單一地區的綠色金融發展對整體國家綠色金融發展水平的影響是有限的。換言之，全國綠色金融發展的水平并不顯著地受到特定地區綠色金融發展的影響，表明全國綠色金融增長率對于個別地區綠色金融增長率來說，具有外生性特征。另一方面，就工具變量的有效性而言，只要遺漏變量對企業低碳轉型的影響不足以與全國綠色金融發展水平形成顯著的相關性，那么該工具變量便可視為有效。使用兩階段最小二乘法進行重新估計后的檢驗結果沒有實質性差異，可以證明上述結論的穩健性。

（五）調節機制檢驗

1.模型設定與調節變量選取

經過雙重差分模型檢驗和一系列穩健性檢驗，本文已經證明了綠色金融政策能夠有效推進企業綠色轉型進程。為探究綠色金融政策對企業綠色轉型的影響機制，本文從金融資源錯配和企業數字化轉型兩個方面選取調節變量，并設立調節效應模型，進一步考察綠色金融政策對企業綠色轉型的作用路徑。模型設定如下：

在式（1）的基礎上，式（4）增加了調節變量 $M_{it}$ ，通過觀察自變量與調節變量交互項 $GF_{rt} ＼times M_{it}$ 的系數及顯著性，判斷調節變量 $M_{it}$ 是否影響自變量與因變量的關系。

調節變量指標說明：金融資源錯配 $（Fm_{it}）$ 方面，本文參照邵振（2010）[20]、盧佳瑄和萬壽義（2024）[12]的做法，使用企業的資金使用成本對所在行業平均成本偏離百分比的絕對值來衡量金融資源錯配的程度，取值越大，說明金融資源錯配的程度越高。在企業數字化轉型（ $Dt_{it}$ ）方面，本文借鑒楊志紅和王小林（2024）[14]的做法，同樣利用Python提取上市公司年報中與數字化轉型有關的關鍵詞匯總得到總詞頻，并對其進行對數化處理。上述原始數據均來自CSMAR數據庫。

2.影響機制分析

金融資源錯配所引發的結構性失衡與市場流向扭曲，加劇綠色產業的融資壁壘，抑制低碳技術研發投入與綠色轉型項目落地效率，延緩企業綠色轉型進程。因此，在驗證綠色金融政策對企業綠色轉型的影響時，應考慮金融資源錯配的影響。從表3列（1）和列（2）的回歸結果可以看出，無論被解釋變量是port還是lntotal，交叉項 $GF_{it} ＼times Fm_{it}$ 對被解釋變量port和lntotal的影響系數在 $1＼%$ 的顯著性水平上為負。這說明，在實施綠色金融政策背景下，金融資源錯配程度較高的企業將面臨更高昂的融資成本和更有限的融資渠道，從一定程度上削弱其綠色轉型意愿，產生對企業綠色轉型行為的“擠出效應”，可能更傾向于將金融資源配置到短周期、快回報的生產項目中。綜上，假設H2得到證實。

企業數字化轉型是實現綠色轉型的關鍵，其優化信息生產機制、傳遞機制和驗證機制，提高資源配置和生產經營效率，助力企業采取轉型行動并實現可持續發展，因此本文也考察了企業數字化轉型對綠色金融政策推進企業綠色轉型的影響。從表3列（3）和列（4）的回歸結果可以看出，無論被解釋變量是port還是lntotal，企業數字化轉型對于綠色金融與企業綠色轉型間關系的調節

效應均在 $1＼%$ 的水平上顯著為正。這說明，提高企業數字化轉型水平將增強綠色金融推進企業綠色轉型的作用。在實施綠色金融的政策背景下，數字化轉型有利于緩解企業與銀行等金融機構的交易成本和信息不對稱程度，降低企業搜尋融資信息的成本，提升融資效率。企業在獲取外部融資后，利用大數據等技術，搜集整合分析生產流程、經營過程、能源投入和污染排放等信息，高效完成信息共享，以提升技術研發創新的成功率，顯著推進自身綠色轉型進程。綜上，假設H3得到證實。

五、異質性分析

具備不同特質的企業在相同的政策影響下可能產生不同的效果。現有研究圍繞企業綠色轉型展開了政策效應的異質性分析，包括企業所在區域及其金融發展水平、環保執法水平、產權性質、企業規模和企業生命周期等。一些學者認為綠色金融政策對處于經濟金融發達地區、執法力度弱、大型、國有、內部控制質量好、處于增長期的企業 的促進作用更為明顯[21-22]。因此，為進一步豐富本文的研究結論，并為企業綠色轉型提供更為具體的政策建議，本文探討了綠色金融政策對企業綠色轉型的異質性效果。我國地區間經濟發展水平、生產專業化程度和科技創新能力存在差異，東部地區擁有較為發達的經濟發展、技術創新和人力資源水平，當地企業開展綠色技術創新和低碳生產變革的意愿更強，完成綠色轉型的可能性更高，在一定程度上更有利于發揮綠色金融政策推進企業綠色轉型的作用，隨著東部地區大量制造業企業遷往中部和西部地區，加強了知識技術和資源交流，提升了當地制造業集聚水平，然而部分企業為了規避綠色轉型的巨大成本，大規模發展低端制造業，企業綠色轉型水平較低。西部地區擁有較為豐富的自然資源稟賦，但經濟和技術創新發展水平與東、中部地區差異過大，企業進行綠色轉型過程中面臨較大的風險和成本。本文根據《中國統計年鑒》所采用的東中西部劃分，將樣本分為東、中和西部地區分別進行檢驗，驗證不同地區對企業綠色轉型的異質性影響①。

表4展示了不同地區綠色金融政策對企業綠色轉型的影響。可以看出綠色金融政策顯著推進了東部地區的企業綠色轉型，對中部地區企業的影響僅在 $5＼%$ 的水平上顯著，而對西部地區則沒有顯著影響，經過組間差異系數檢驗，這一統計結果依然顯著。這說明在東部地區中，日臻成熟的規模經濟效益及高度發達的經濟與技術發展水平與推進完善綠色金融政策的過程相協調，有效推進企業綠色轉型。與東部地區相比，西部地區的經濟和技術發展水平較為滯后，金融資源配置能力較差，開展綠色金融政策后反而會增加金融機構的經營成本，難以發揮其資源再配置的作用，難以推進企業綠色轉型。

研發投入是企業進行綠色轉型的關鍵資源。企業進行綠色轉型的過程是一個高難度、高成本和長周期的過程，需要大量的研發資金作為資源保障。然而，隨著企業發展進入不同的階段，會相應轉變自身的發展戰略，調整研發投入水平。不同的研發投入水平會導致綠色金融政策對企業綠色轉型出現異質性影響。若企業研發投入強度處于較低水平，說明企業此時仍將擴大生產規模和提高經營利潤視為未來發展重點，綠色轉型方面的投入較少，綠色金融政策對其影響較弱。而當企業研發投入強度較高，意味著企業有更多資金和資源投入到綠色創新活動中，綠色創新的意愿更強，這與綠色金融政策提供的資金支持和激勵目標相契合，有助于進一步推動企業的綠色轉型。為驗證不同研發強度對企業綠色轉型的異質性影響，本文使用取對數后的企業研發投入資金作為企業研發強度的衡量指標。根據各年度的研發投入強度將樣本分為高研發強度組和低研發強度組。

表5展示了不同研發強度對綠色金融政策推進企業綠色轉型的影響。可以看出綠色金融政策在 $1＼%$ 的水平上顯著推進了高研發強度企業綠色轉型，而對低研發強度企業不存在顯著影響，經過組間差異系數檢驗，這一統計結果依然顯著。可能的原因在于，一方面，研發投入強度較高的企業，本身就具備技術偏向性和綠色導向性，對綠色金融政策更為敏感，更有可能推進與綠色轉型有關的項目。綠色金融政策也將進一步鼓勵企業將資金分配至綠色轉型和綠色技術創新等領域。另一方面，研發投入強度較低的企業，本身并不重視研發投入，相比于實現綠色發展，其提高利潤和擴大規模的意愿更強，因此短期內綠色金融政策的激勵效果不佳。綜上，本文認為，高研發投入強度有利于強化綠色金融政策推進企業綠色轉型的效果。

六、進一步分析

（一）不同金融資源配置類型：供給不足VS供給過度

在中國當前的經濟背景下，企業間的金融資源配置呈現顯著的不均衡現象，這種不均衡不僅體現在資源分配的數量上，還涉及資源錯配類型的差異。一方面，部分企業面臨著金融資源供給過剩的問題。企業杠桿率提高，導致原本過剩的金融資源逐漸轉變為無效供給，逐步累積金融風險。另一方面，不具備顯著優勢的民營企業和中小企業面臨著金融資源供給不足的問題。銀行對抵質押物的高要求及低折扣，使得許多有資金需求的企業難以獲得融資，加劇融資成本高昂和融資渠道困難的問題。金融資源錯配不僅影響企業的正常運營和發展，也對整個經濟的健康發展造成了挑戰。為此，本文區分金融資源錯配類型，討論不同錯配類型下錯配程度對綠色金融推進企業綠色轉型影響過程的差異。本文根據資金使用成本與所在行業平均資金使用成本的差值判斷金融資源錯配類型，若該差值大于0，說明該企業資金使用成本高于均衡狀態下的利率水平，存在供給不足型錯配;反之，則存在供給過度型錯配。

表6展示了不同金融資源錯配類型對于綠色金融推進企業綠色轉型的影響。表6列（1）和列（2）顯示當企業發生金融資源供給過度型錯配時，綠色金融對企業綠色轉型抑制作用均在 $1＼%$ 水平上顯著;表6列（3）顯示當企業發生金融資源供給不足型錯配時，綠色金融對企業綠色轉型無顯著影響，經過組間差異系數檢驗，這一統計結果依然顯著。可見，在實施綠色金融的政策背景下，企業面臨不同類型的金融資源錯配，使其所采取的轉型行動不同。其原因在于，金融資源供給過度型錯配企業由于更容易獲得外部信貸資源和享受更低的融資成本，綠色金融政策對其綠色轉型行為的激勵效應相對較弱。因此，本文認為在實施綠色金融政策的背景下金融資源錯配對企業綠色轉型的抑制作用主要體現在供給過度型資源錯配對企業綠色轉型的抑制作用。為提升綠色金融政策對企業綠色轉型的激勵效應，應重點緩解企業的供給過度型資源錯配。

（二）不同企業類型：高污染企業VS非高污染企業

借鑒謝喬昕和張宇（2021）[2]的做法，進一步將企業分為高污染企業和非高污染企業。回歸結果如表7所示，相比于高污染企業，綠色金融對非高污染企業綠色轉型的推動作用更為顯著，經過組間差異系數檢驗，這一統計結果依然顯著。其原因可能在于，現有的綠色金融政策傾向于支持環境改善、應對氣候變化和資源節約高效利用的項目或企業。非高污染企業轉型過程中的清潔能源、節能環保等項目因其環境效益明顯、綠色屬性強更容易獲得綠色金融的支持。而高污染行業企業由于其固有的高污染特性，較難獲得同等力度的金融支持。同時，我國綠色金融政策在統一標準制定、激勵機制構建以及產品創新等方面雖已取得初步成效，但一些關鍵領域和環節依然存在不完善的問題，還有待形成對高污染企業綠色轉型的示范效應。

七、研究結論與啟示

本研究基于2013—2022年全國238個地級市的企業面板數據，系統考察了綠色金融政策對企業綠色轉型的影響效應及其作用機制。主要結論如下：（1）綠色金融政策對企業綠色轉型具有顯著的促進作用，且這種影響具有長期性和穩定性特征。這一結論在通過替換解釋變量與被解釋變量、更換估計模型和調整樣本范圍等一系列穩健性檢驗后依然成立。（2）機制分析發現，金融資源錯配和企業數字化轉型是影響政策效果的兩個重要調節變量。金融資源錯配會抑制綠色金融的政策效果，而企業數字化轉型則能顯著增強綠色金融對企業綠色轉型的促進作用。（3）異質性分析發現，從區域維度來看，綠色金融政策對東部地區企業的促進作用顯著，但對西部地區企業的影響效果不明顯;從企業特征來看，政策對高研發強度企業的綠色轉型具有顯著推動作用，而對低研發強度企業的影響則相對有限。（4）進一步研究發現，相較于供給不足型資源錯配，供給過度型資源錯配對綠色轉型的抑制作用更為顯著。

基于以上研究結論，本文提出如下政策建議：

首先，在微觀層面。企業應主動把握綠色發展趨勢，在綠色金融政策支持下，結合自身資源稟賦和發展實際，科學制定綠色轉型戰略。特別要重視提升資源配置能力，通過矯正金融資源錯配和推進數字化轉型來放大綠色金融的政策效應。對于供給過度型資源錯配企業，更應著力優化資源配置效率，為綠色轉型奠定基礎。

其次，在宏觀層面。應完善綠色金融政策體系。一是加快綠色金融立法進程，明確綠色信貸、綠色債券、綠色保險等金融工具的監管要求和激勵措施;二是完善配套政策，通過稅收減免、財政補貼、風險補償等方式降低綠色金融服務成本;三是建立統一的綠色金融標準體系，包括綠色項目認定標準、環境效益評估方法等，為綠色金融產品創新提供制度保障。

最后，進行差異化政策設計。針對不同區域和類型企業的特點，實施精準化的綠色金融政策。對高污染高耗能企業，應重點提供轉型金融支持;對金融資源供給過度型企業，可設計專項融資方案以增強其轉型動力。同時，應充分考慮東西部地區發展差異，因地制宜制定區域化支持政策。

參考文獻：

[1] 謝婷婷，劉錦華.綠色信貸如何影響中國綠色經濟增長？[J].中國人口·資源與環境，2019，29（9）：83- 90.

[2] 謝喬昕，張宇.綠色信貸政策、扶持之手與企業創新轉型[J].科研管理，2021，42（1）：124- 134.

[3] Zhang T. Can Green Finance Policies Affect Corporate Financing. Evidence from China's Green Finance Innovation and Reform Pilot Zones [J]. Journal of Cleaner Production，2023（419）：138289.1- 138289.12

[4] Yan C， Mao Z， Ho K. Effect of Green Financial Reform and Innovation Pilot Zones on Corporate Investment Efficiency[J]. Energy Economics，2022（113）：106185.1- 106185.11.

[5] 文書洋，劉浩，王慧.綠色金融、綠色創新與經濟高質量發展[J].金融研究，2022（8）：1- 17.

[6] 史代敏，施曉燕.綠色金融與經濟高質量發展：機理、特征與實證研究[J].統計研究，2022，39（1）：31- 48.

[7] 張穎，鄒國昊.綠色金融政策對碳排放的空間溢出效應研究[J].武漢大學學報（哲學社會科學版），2024，77（5）：60- 72.

[8] 王遙，潘冬陽，張笑.綠色金融對中國經濟發展的貢獻研究[J].經濟社會體制比較，2016（6）：33- 42.

[9] 吳龍，于千惠，平靚.中國制造企業綠色轉型的自愿性環境規制路徑——以ISO14001環境管理體系認證的作用與局限性為例[J].財貿經濟，2023（4）：140- 156.

[10] 胡潔，于憲榮，韓一鳴.ESG評級能否促進企業綠色轉型？——基于多時點雙重差分法的驗證[J].數量經濟技術經濟研究，2023（7）：90- 111.

[11] 于連超，張衛國，畢茜.環境稅對企業綠色轉型的倒逼效應研究[J].中國人口·資源與環境，2019（7）：112- 120.

[12] 盧佳瑄，萬壽義.不同類型金融資源錯配對企業創新投入的影響[J].商業研究，2024（1）：49- 60.

[13] 王書華，薛曉磊，范瑞.我國金融資源錯配是否抑制了生態效率的提升？——基于產業結構升級視角[J].西安交通大學學報（社會科學版），2022，42（3）：71- 82.

[14] 楊志紅，王小林.企業數字化轉型與綠色協同創新行為[J].經濟學動態，2024（12）：73- 91.

[15] 王鏑，章揚.企業數字化轉型、策略性綠色創新與企業環境表現[J].經濟研究，2024，59（10）：113- 131.

[16] Ren X， Shao Q， Zhong R. Nexus Between Green Finance， Non- fossil Energy Use， and Carbon Intensity：Empirical Evidence from China Based on a Vector Error Correction Model[J]. Journal of Clean Production，2020（277）：122844.1- 122844.12.

[17]朱于珂，高紅貴，丁奇男，等.地方環境目標約束強度對企業綠色創新質量的影響——基于數字經濟的調節效應[J].中國人口·資源與環境，2022（5）：106- 119.

[18] Bartik T. How Do the Effects of Local Growth on Employment Rates Vary with Initial Labor Market Conditions？ [R]. Upjohn Working Papers amp; Journal Articles，2009.

[19]易行健，周利.數字普惠金融發展是否顯著影響了居民消費：來自中國家庭的微觀證據[J].金融研究，2018，461（11）：47- 67.

[20]邵挺.金融錯配、所有制結構與資本回報率：來自1999- 2017年我國工業企業的研究[J].金融研究，2010（9）：47- 63.

[21]崔惠玉，王寶珠，徐輝.綠色金融創新、金融資源配置與企業污染減排[J].中國工業經濟，2023（10）：118- 136.

[22]王修華，劉錦華，趙亞雄.綠色金融改革創新試驗區的成效測度[J].數量經濟技術經濟研究，2021，38（10）：107- 127.