綠色信貸是否促進了企業綠色創新？

中圖分類號：F424；F719；F062.9文獻標志碼：A文章編號：1009-055X（2025）04-0062-17

doi：10.19366/j. cnki.1009-055X.2025.04.006

一、引言

改革開放以來，我國經濟發展取得了顯著成就，但經濟高速發展也相伴產生了環境污染等生態問題。為此，我國在“十一五”時期便已開始實施一系列積極舉措，穩步推進生態文明建設，促進我國經濟綠色轉型與可持續發展。經濟的綠色發展離不開綠色金融的支撐與配合，綠色信貸作為綠色金融的重要組成部分，其發展可追溯到20世紀70年代。1974年綠色信貸業務已有了初步實踐，到2002年開始在全球范圍推廣。與國外相比，我國在綠色信貸方面的起步相對較晚，直到2007年才首次將綠色信貸作為政策體系中的一種重要要素。此后，綠色信貸成為我國綠色金融最重要的政策實踐[1]。2012年，中國銀行保險監督管理委員會①發布了《綠色信貸指引》（以下簡稱《指引》），明確了商業銀行在綠色信貸方面的職責和基本原則，要求其在信貸業務中充分考察環境因素[2，并賦予了銀行分配信貸資源的權利。綠色信貸作為一種鼓勵借款人進行綠色投資、實現可持續發展的金融服務工具[3]，不僅可以有效引導資金流向低碳領域，還強調了在授信過程中將環境因素作為審慎考察的關鍵因素[4-5]。而重污染企業由于其高能耗、高污染的特點，在綠色轉型過程中往往受到更多限制，具體表現為綠色信貸政策對高能耗、高污染的“兩高”行業的信貸融資設立了環境準入門檻[1]。雖然綠色信貸政策在信貸資源配置、節約資源耗損、環境污染防治等方面發揮了積極作用[6，但關于綠色信貸政策對重污染企業綠色創新的影響及其作用機制如何，現有研究尚未得出一致結論。

本文通過選取2009—2022年的重污染企業作為研究對象，基于《指引》實施的準自然實驗，構建雙重差分模型，研究該政策對重污染企業綠色創新的影響及其作用機制。本文的貢獻主要有以下三點：第一，現有研究更多關注綠色信貸政策對企業投融資行為的影響，本文借助《指引》這一外生事件，從綠色創新的角度探究綠色信貸政策的政策效果，豐富了企業綠色創新外部影響因素的相關研究。第二，通過重點關注重污染企業，從融資約束的角度探究綠色信貸政策對重污染企業綠色創新的影響及其作用機制，豐富現有關于綠色信貸政策的經濟后果以及重污染企業綠色創新的研究，并為政府更好地利用信貸政策以促進重污染企業綠色轉型提供了參考。第三，基于產權性質、地域差異和企業自身規模差異等視角，檢驗了綠色信貸政策對企業綠色創新影響的異質性，豐富了綠色信貸政策對企業綠色創新異質性影響的研究。

二、理論分析與研究假設

本文從重污染企業信貸獲得、綠色投資意愿探討綠色信貸政策對重污染企業綠色創新的影響，并進一步從融資規模和信貸成本探究綠色信貸政策對重污染企業綠色創新影響的作用機制。

（一）綠色信貸政策與重污染企業綠色創新

在我國積極推行綠色金融的進程中，綠色信貸已經成為助力實現經濟、社會和環境共同可持續發展目標的重要金融工具之一。對于綠色信貸政策的實施效果，現有研究主要有兩種觀點：其一，根據傳統經濟學，環境規制會增加企業費用，對企業生產力、競爭力均產生抑制作用°；其二，根據波特假說的創新補償理論，適度的環境法規能夠激發企業增加研發投人以提高污染治理能力和產品科技含量，從而促使企業更加積極地推動綠色技術創新[7]。

然而，對于重污染企業而言，綠色信貸政策的實施未必能如期促進企業的綠色創新，相反，可能會抑制企業綠色創新。原因在于：一方面，統一的環境信息披露規范的缺乏而導致的金融市場上信息不對稱現象仍然顯著存在。根據信息不對稱理論，金融機構可能會因為企業環境信息披露不足或故意隱瞞關鍵信息導致風險管理成本增加，從而降低其向重污染企業貸款的意愿。另一方面，綠色信貸政策要求銀行等金融機構承擔環境責任，并嚴格地將環境信息納入考核標準，這將導致授信門檻提高或企業貸款利率上升。《指引》的實施使得綠色信貸限制更加嚴格，增加了重污染企業的融資壓力，導致主要依賴銀行貸款進行負債融資的企業比例顯著降低[8-9]。同時，企業負債融資比例的降低會縮減其整體融資規模，限制其各項活動的開展，在一定程度抑制企業的綠色創新活動。劉金科等[2研究發現，綠色信貸政策主要誘發企業的清潔并購行為，而對企業的綠色創新的影響并不顯著，即企業只是改善短期環境表現而非進行長期的綠色轉型升級。然而，企業的這些行為實際上是由綠色創新的特征所驅動的。企業綠色創新是一個長期且不穩定的過程，技術要求高，資金投入大，特別是重污染企業，在面臨融資困難的同時，更需承受投資周期長和回報不確定性大的雙重挑戰。因此，在企業面臨資源約束，尤其是自由現金流減少的情況下，重污染企業在權衡當期收益與高投入、高風險的綠色創新時，可能會更傾向于選擇前者以避免承擔較高的機會成本[10]，隨之對綠色創新投人也將會減少。概言之，《指引》的實施會加劇重污染企業的融資約束，降低企業的綠色創新意愿，進而對企業綠色創新產生抑制作用。據此，本文提出以下假設：

H1：《指引》的實施會對重污染企業綠色創新產生抑制作用。

（二）綠色信貸政策影響企業綠色創新的作用機制

推行綠色信貸政策的初衷在于通過差異化資源配置，引導資金流向綠色低碳企業，從而實現經濟和生態協調共進、可持續發展的目標。經濟政策調整產生的不確定性會干擾企業預期、影響企業經營決策[1]；但與早期的政策不同，《指引》的執行力度更大、政策落實效果更好[2]]。因而，《指引》實施所引發的外生沖擊與不確定性會影響重污染企業的外部融資環境，進而影響重污染企業的相關經營決策。

從外部融資的可獲得性角度來看，重污染企業的綠色創新活動高度依賴融資貸款的資金支持。在推進綠色創新活動的過程中，由于面臨研發周期長、機會成本高等不確定性，企業會更傾向尋求長期債務融資等穩定的資金來源。然而，《指引》的實施加強了對金融機構的監督力度，使其違反綠色信貸政策的成本遠大于為重污染企業提供融資的收益[12]。此外，有學者研究發現，金融機構擴大綠色信貸規模在總貸款規模中的比重，有助于提高其資產收益率[13]。因此，金融機構會更偏好發展綠色信貸業務，對重污染企業的融資需求采取更審慎的態度，如進行更嚴格的信貸審核，從而提高了重污染企業的融資門檻，并導致重污染企業更難獲得綠色創新活動所需的長期債務融資。重污染企業融資規模的縮減，一方面會產生資源約束效應，即企業用于生產經營的資金總額減少，限制其正常經營活動，導致其綠色創新活動也將受到抑制；另一方面會產生綠色創新活動的資金“擠占”效應，即重污染企業融資規模的減少后，會更傾向于將資金用于短期收益顯著的活動，降低企業進行綠色創新的意愿并減少綠色創新投人，從而導致綠色創新活動資金的“擠占”2]，最終制約重污染企業綠色創新。由此可見，融資規模在綠色信貸政策對重污染企業綠色創新影響的過程中起到了中介作用。

從變動的信貸成本角度看，銀行為了補償交易中潛在的違約風險所帶來的委托代理成本，往往會通過提高貸款利率這一手段降低重污染企業的借貸意愿[14]，從而限制那些因投資過度而加劇環境污染問題的企業行為。從資源約束角度看，信貸成本的增加，會加劇重污染企業所面臨的融資約束，導致企業信貸資金總額的減少，進而對企業整體發展產生限制，企業的綠色創新活動也將受到抑制[1。從資金“擠占”角度看，實際貸款利率的提高直接增加了企業用于研發等創新活動的信貸成本，重污染企業在有限的資金條件下可能更傾向將原本計劃用于研發支出的資金，調整至其他更能產生直接盈利的經營活動上，這種資金“擠出”效應將會制約企業的綠色創新活動[15」，限制企業在綠色環保等可持續發展方面的產業升級。概言之，信貸成本在綠色信貸政策對重污染企業綠色創新的影響過程中發揮了中介作用。據此，本文提出以下假設：

H2：《指引》通過縮減重污染企業的融資規模，負向影響其綠色創新。

H3：《指引》通過提高重污染企業的信貸成本，負向影響其綠色創新。

三、研究設計

基于上述理論分析，本文采用雙重差分方法實證檢驗《指引》對重污染企業綠色創新的影響，并進一步分析其作用機制。

（一）樣本選取與數據來源

本文選取2009—2022年的全部A股上市公司為樣本，以《指引》頒布的2012年作為政策時點，并根據 2010年的《上市公司環境信息披露指南》和2012年修訂的《上市公司行業分類指引》將樣本中的企業劃分為重污染企業與非重污染企業。重污染企業作為實驗組，非重污染企業作為對照組。與此同時，對樣本進行進一步的篩選和處理：（1）剔除上市狀態為ST、*ST或PT企業；（2）剔除金融行業公司；（3）剔除相關數據存在嚴重缺失的企業；（4）在 1% 和 99% 的水平上對連續變量進行縮尾處理。經過數據清洗后最終得到4559家企業、共35085個觀測值，其中，重污染企業1415家、共10678個觀測值，非重污染企業3144家、共24407個觀測值①。本文所采用的上市公司財務數據主要來自國泰安數據庫，衡量企業綠色創新水平的綠色專利申請量、授權量等數據主要來自中國研究數據服務平臺。

（二）變量選取

1．被解釋變量

鑒于專利數量是技術創新衡量中的唯一可得數據[16]，且其在政府考核體系中權重較大，本文采用專利數據來反映企業的研發創新程度。參考黎文婧等[17以及Johnstone 等[18的做法，以綠色發明專利申請總數作為衡量綠色創新水平的指標。同時，為了消除專利申請數量可能存在的右偏態分布所導致的誤差問題，還借鑒了王馨等[19]和Comaggia等[20]的處理方式，對專利申請數量加1后取對數，得到被解釋變量綠色創新水平（lnGT）。

2．核心解釋變量

本文的核心解釋變量，為實驗虛擬變量（Treat）與時間虛擬變量（Post）相乘得到的交互項（Treat_Post）。時間虛擬變量即政策實施變量，表示當年度是否已經實施了《指引》，也即將《指引》出臺時間2012年作為政策實施的關鍵節點，在2012年之前的觀測值賦值為0；而在2012年及其之后的觀測值賦值為1。實驗虛擬變量即是否為重污染企業。重污染行業是指2010年《上市公司環境信息披露指南》界定的16大類污染行業，并根據2008年《關于印發〈上市公司環保核查行業分類管理名錄〉的通知》（環辦函［2008］373號）的規定、2012年修訂的《上市公司行業分類指引》，以及參照張琦等[21]、許罡[22]的做法，所確定的19 個細分行業。本文根據以上述標準，將樣本所屬行業按重污染企業和非重污染企業進行劃分。重污染企業為實驗組，實驗虛擬變量賦值為1；非重污染企業則作為對照組，實驗虛擬變量賦值為0。交互項僅在同時滿足兩個條件時賦值為1：一是企業屬于重污染企業（即Treat =1 ），二是時間處于2012年及之后（即 Post=1 ）。交互項的系數表示雙重差分法下的政策效應結果，即《指引》對重污染企業綠色創新行為的影響。

3．中介變量

參考肖海蓮等[23的做法，本文以企業長期借款與其總資產的比值來衡量融資規模（LongDebt）。此外，借鑒了鄭軍等[24]的做法，以財務費用中的利息支出、手續以及其他費用明細的總額與總負債的比值來衡量融資成本（Cost）。

4．控制變量

根據已有的文獻，并考慮其他可能影響企業創新能力的因素，本文將企業規模（Size）、總資產收益率（ROA）、營業收入增長率（Growth）、總資產負債率（Debt）、企業年齡（Age）、員工規模（Employee）、管理層持股比例（Mshare）、托賓 Q 值（Tobin Q ）等企業層面特征變量作為控制變量。

本文主要變量及其具體的衡量如表1所示。

① 重污染企業主要來自鋼鐵、化工、煤炭和電力等支撐中國工業化高速發展的基礎性產業，且多數屬于資本密集型企業，規模大、固定資產比例較高，上市企業較多。因而，在本文的樣本中，重污染企業數量占總樣本數量的比例約為三分之一。

（三）模型構建

雙重差分法（difference-in-diferences，DID）是經濟學實證研究中常用的因果推斷方法之一，被大量學者用于評估經濟政策效果[25-26]。雙重差分法主要是通過對比實驗組和控制組在政策實施前后表現的變化，來評估經濟政策的實施效果。

為研究綠色信貸政策對重污染企業綠色創新的影響，設定如下基準回歸模型：

式中，下標 i 和 Ψ_t 分別表示企業和年份； lnGT_it 為被解釋變量，表示企業 i 在 χ_t 年的綠色創新水平，以綠色發明專利申請數量作為衡量標準；Treat_Post為交互項； C_it 為控制變量； γ_t，μ_i 分別表示時間、行業固定效應； ε_it 表示隨機擾動項。

四、實證結果與分析

本文首先對變量進行描述性統計以及相關性分析，確保變量均處于合理范圍內并排除共線性問題，然后檢驗《指引》與重污染企業綠色創新的關系，并在此基礎上進行一系列穩健性檢驗，最后探究《指引》對重污染企業綠色創新影響的作用機制。

（一）描述性統計

表2報告了主要變量的描述性統計結果。由表2可知，被解釋變量的均值為0.5447，最大值為4.8752，標準差為0.9343，表明不同企業間綠色發明專利申請數存在差異，也反映企業在綠色創新方面的積極性與成效存在差異。實驗虛擬變量均值為0.3043，說明樣本中有大約 30.43% 的企業是重污染企業。交互項均值為0.2614，說明同時滿足政策實施時點和重污染企業界定標準的企業占全樣本的 26.14% 。在控制變量描述性統計結果中，資產收益率和營業收人增長率都存在負值，暗示部分企業的盈利能力和成長性面臨挑戰。資產負債率最大值為 90.60% ，表明部分企業負債水平較高，面臨著較大的償債壓力和財務風險。根據已有文獻可知，其他控制變量的結果基本符合預期。

（二） 相關性分析

在進行基準回歸之前，對變量相關性進行分析。被解釋變量與交互項呈負相關，初步驗證了假設1；其他變量之間的相關系數大部分都小于0.5，不存在多重共線性的問題。具體的相關性分析結果見表3。

（三）綠色信貸政策對重污染企業綠色創新的回歸結果與分析

通過雙重差分法，進一步分析綠色信貸政策對重污染企業綠色創新的影響，基準回歸結果見表4。如表4所示，在沒有加入控制變量的情況下，交互項的回歸系數為-0.1297，且在 1% 的水平下顯著，初步表明綠色信貸政策的實施顯著抑制了重污染企業的綠色創新，其凈效應達 12.97% 。然而，在引入企業層面的控制變量后，交互項系數在 1% 的水平下依然顯著為負（ （β₁=-0.0871） ，但抑制效應略有所降低，降至 8.71% ，證實綠色信貸政策對重污染企業綠色創新產生了顯著的抑制作用。此外，企業規模的回歸系數為0.2451，在 1% 的水平上顯著，說明大型企業因其規模效應，單位生產成本更低，并擁有更多資源用于推進綠色創新。相反，資產負債率在 5% 的顯著性水平下的回歸系數為 -0.1065 ，說明企業面臨較大的償債壓力時，其綠色創新活動會受到明顯的抑制。由此可見，綠色信貸政策的實施對重污染企業的綠色創新產生抑制作用，假設1得證。綠色信貸政策通過加劇重污染企業的融資約束、降低其綠色創新意愿以及減少綠色創新活動的資金，進而抑制了重污染企業的綠色創新。本結果也支持了現有關于綠色信貸政策對重污染企業綠色創新具有抑制作用的研究[1-2.6]

（四）穩健性檢驗

本文采用平行趨勢檢驗、安慰劑檢驗、雙重差分傾向得分匹配（PSM-DID）、替換被解釋變量以及剔除受疫情影響的年份等方法對回歸結果進行穩健性檢驗。

1．平行趨勢檢驗

雙重差分法的前提條件是滿足平行趨勢檢驗，即在一個外部事件沖擊前，實驗組和對照組需保持一致的變化趨勢，從而排除其他事件可能的干擾。故而，將政策實施前三年以及實施后十年的時間虛擬變量與實驗虛擬變量進行交互，同時選取《指引》頒布前一年（2011年）作為基準期，考察交互項回歸結果，觀察政策時點前后是否有明顯的趨勢波動。平行趨勢檢驗結果如圖1所示。可以看出，在2009至2012年間，交互項系數均不顯著，說明重污染企業與非重污染企業在《指引》頒布前的綠色創新活動不存在明顯差異；而交互項系數在2014年及以后開始顯著為負，并呈現一定的下降趨勢，說明政策對重污染企業綠色創新產生了抑制作用，且該作用在綠色信貸政策實施的第三年才開始顯著，說明綠色信貸政策對企業的影響存在一定的滯后性。由上述分析可知，雙重差分模型滿足平行趨勢假定，研究結果是可靠有效的。

2．安慰劑檢驗

（1）隨機抽取實驗組。為了避免遺漏非觀測因素的影響，參考周茂等[27]的做法，間接檢驗未觀測到的企業特征對估計結果的影響，構建交互項的系數估計值 的表達式如下：

式中，DID表示解釋變量 Treat_Post，control表示控制變量。在全樣本中采取隨機抽取實驗組的方法，重復隨機過程1000次，得到1000 個 的分布曲線，具體的分布曲線如圖2所示。可以看出，估計值都集中分布在零值附近，且基準回歸的 β₁ 估計值不包含在隨機檢驗的結果內，由此可以反推出 γ=0 ，從而證明模型的回歸結果是穩健的，即綠色信貸政策實施的效應不受非觀測遺漏變量的影響。

（2）虛擬政策時間。由于《指引》實施時間為2012年，為排除政策實施后其他政策對研究結果可能存在的影響，并考慮到政策實施還存在一定的時滯性，本文分別假設虛擬政策年份為2014年和2015年，進而檢驗該時點交互項的顯著性，虛擬政策時間的安慰劑檢驗結果見表5。由表5的回歸結果可知，兩個虛擬政策時點的交互項的回歸系數均不顯著，表明《指引》對重污染企業綠色創新的影響不受其他政策的干擾，進一步增強了結果的可信度。

3.雙重差分傾向得分匹配法

為了解決樣本偏誤問題，本文采取雙重差分傾向得分匹配法進行穩健性檢驗。首先，以企業是否為重污染行業作為主要的匹配標準，將一系列控制變量作為協變量，按照一比一近鄰匹配的方法進行Logit回歸。樣本通過了平行趨勢檢驗，匹配后實驗組和控制組協變量標準化偏差均顯著減小，同時二者之間均不存在顯著差異。其次，以匹配數據進行雙重差分法回歸。具體的回歸結果見表6。如表6所示，當未加入控制變量時，交互項的回歸系數在 5% 的水平下顯著為-0.1398，引入控制變量后系數變為-0.1003，依然顯著為負，說明綠色信貸政策的影響效應在PSM-DID 前后沒有發生明顯變化，實證結果穩健。

4．替換被解釋變量

參考齊紹洲等[28]的做法，本文選取已授權的綠色發明專利數量作為衡量企業綠色創新的代理變量（lnGA）以進行穩健性檢驗。已授權的專利數量代表著專利的產出量，能有效地反映企業的研發創新程度，因此，本文更換被解釋變量以進行穩健性檢驗，具體結果見表7。如表7所示，替換被解釋變量后，交互項的回歸系數在 1% 的水平下仍顯著為負，說明基準結果的穩健性和可靠性。

5．剔除受疫情影響年份

新冠疫情是一場全球突發公共衛生危機，對經濟、社會以及生態等方面都造成了嚴重沖擊，所以疫情期間的數據可能存在異常偏差并影響實證結果的準確性。因此，本文剔除受疫情影響的年份（2020年至2022年）的數據后，再進行回歸分析，結果見表8。如表8所示，交互項的回歸系數在1% 的水平下仍顯著為負。然而，產生的抑制效應相比基準回歸有所降低，表明疫情在一定程度上增強了綠色信貸政策對重污染企業綠色創新活動的抑制作用。

（五）綠色信貸政策對重污染企業綠色創新的機制分析

根據前述分析已知，綠色信貸政策顯著抑制了重污染企業綠色創新。為了進一步研究其內在的作用機制，在式（1）的基準模型的基礎上，借鑒溫忠麟等[29]的做法，從信貸資源配置的角度設定如下中介效應模型以檢驗假設2和假設3：

M_it=α₀+α₁Treat_i-Post_t+α₂C_it+γ_t+μ_i+ε_it

式中， M_it 代表中介變量，具體包含企業融資規模和企業融資成本。根據中介效應檢驗方法可知，如果式（1）中回歸系數 β₁ 、模式（3）中回歸系數 α₁ 以及式（4）中回歸系數 λ₂ 均顯著，則中介效應顯著；此時，若 λ₁ 也顯著則為部分中介效應，若 λ₁ 不顯著則為完全中介效應；若 α₁，λ₂ 至少有一個不顯著，便須再進行Bootstrap檢驗，若通過則說明中介效應顯著。

1．融資規模

由于重污染企業綠色創新活動需要長期且穩定的資金支持，而《指引》的實施可能會使金融機構為規避風險和降低成本而提高授信標準，從而使得重污染企業縮小融資規模，進而影響其綠色創新。基于此，本文對融資規模在綠色信貸政策與重污染企業綠色創新之間的作用機制進行了檢驗，具體回歸結果如表9所示。表9模型（1）報告了綠色信貸政策對重污染企業融資規模的回歸結果，可以看出交互項的回歸系數在 5% 的水平下顯著為負，說明綠色信貸政策顯著降低了重污染企業的融資規模；加入中介變量后，交互項的回歸系數 λ₁ 在 1% 的水平下仍然顯著為負（ λ₁= -0.0882），而融資規模（LongDebt）的回歸系數 λ₂ 不顯著（ λ₂=-0.130 2） 。由此，通過Bootstrap檢驗，進一步得到了直接效應和間接效應 95% 的置信區間分別為 ，-0.0067]和［-0.2088，-0.1708]，間接效應顯著，但系數乘積與 λ₁ 異號，說明存在遮掩效應，即使綠色信貸政策能通過縮減融資規模進而抑制了重污染企業綠色創新，但融資規模這一中介變量卻在一定程度上弱化了綠色信貸政策對企業綠色創新的負面影響，假設2得證。

2.信貸成本

在綠色信貸政策實施后，銀行為了補償與重污染企業交易中潛在的風險成本，往往會上調貸款利率[30]，進而增加了重污染企業的信貸成本。本文通過實證分析，對信貸成本在綠色信貸政策與重污染企業綠色創新之間的作用機制進行了檢驗，具體回歸結果見表10。從模型（1）可以看出，交互項的回歸系數為正數但不顯著，由前述的理論分析可知政策的實施會提高企業的信貸成本，綠色信貸政策對信貸成本的直接影響也有限；模型（2）中交互項的回歸系數在 1% 的水平下顯著為負0 （λ₁=-0.0869） ，中介變量信貸成本系數在 5% 水平下顯著為負（ λ₂=-0.0092） ，說明綠色信貸政策和信貸成本均對重污染企業綠色創新產生了抑制效應。為了進一步驗證中介效應的存在，進行了Bootstrap檢驗，結果顯示直接效應和間接效應 95% 的置信區間分別為［-0.0384，-0.0299］和[Γ-0.1835，Γ-0.1447] ，間接效應顯著，且系數乘積與 λ₁ 同號，證明中介效應顯著且屬于部分中介效應，即信貸成本在綠色信貸政策對重污染企業綠色創新的影響中發揮了中介作用，假設3得證。《指引》的實施提高了企業的信貸成本，減少了企業的融資總金額，這一定程度上制約企業各項活動，“擠占”了綠色創新資金，并降低企業綠色創新意愿，最終抑制了重污染企業的綠色創新。

（六）綠色信貸政策對重污染企業綠色創新影響的異質性分析

本文從產權性質、地域差異以及企業規模這三個維度，探究《指引》對重污染企業綠色創新影響的差異性。

1．產權性質

我國不同所有權性質的企業在自身特性和資源可獲得方面存在一定差異，這將會導致信貸政策沖擊下不同產權性質的重污染企業綠色創新行為有所不同。因而，需要考慮產權性質對重污染企業綠色創新帶來的差異性影響。首先，國有企業因享有政府的隱性擔保而具有較低的債務違約風險，使其面臨較小的融資約束。其次，國有企業需積極響應國家政策號召，承擔環境治理、綠色發展等社會責任，使其在獲取債務融資時因符合綠色發展更受銀行等金融機構的青睞。反觀非國有企業所面臨的諸多挑戰，一是缺乏足夠的政府扶持，融資難度大；二是規模相對較小或經營較分散，融資渠道受限；三是市場中信貸歧視的存在，促使資源更多地流向國有企業。Brandt 等[31的研究也發現，在其他條件相同的情況下，非國有企業獲得貸款的可能性和額度依然較低，面臨更嚴格的融資條件；再者，非國有企業在履行社會責任方面的主動性相對較弱，銀行在貸款審批決策時，會更傾向選擇既有意愿也有能力承擔社會責任并進行環境保護的國有企業。

按照產權性質，本文將樣本劃分為國有企業和非國有企業兩組，分組進行實證檢驗，檢驗結果見表11。如表11所示，在國有企業中，交互項的回歸系數不顯著，但非國有企業系數在 1% 的水平下顯著為負（ （β₁=-0.1657） ，并通過Chow檢驗，證明了組間系數差異的存在。這一結果表明，《指引》對非國有重污染企業的綠色創新具有顯著的抑制效應。

2．地域差異

我國地域遼闊，資源豐富，不同地區的資源配置和經濟發展水平存在差異。因此，在探究綠色信貸政策對重污染企業綠色創新的影響時，應考慮區域間的異質性。相較于中西部地區，我國東部地區經濟發展水平相對較高，金融市場環境更完善，因而大量的資本會更主動流入該地區。相關研究表明，東部地區嚴格實施的環境規制能夠激發企業的技術創新活力，但這種現象在中西部地區并不明顯[32]。同時，東部地區的金融市場化程度相對更高，是眾多金融政策的試驗田。東部地區的企業夠自主培養環保意識和提升創新動力，在新興綠色金融領域中的創新動力也更高[33]，從而減弱了綠色信貸政策對東部地區的重污染企業綠色創新的制約。相比之下，經濟發展水平相對較低且資源有限的中西部地區的企業受到綠色信貸政策影響更大。在融資渠道相對有限的條件下，中西部地區的重污染企業會傾向選擇將既有資金投入到企業自身運營中，而不是優先解決環境污染問題，正如“污染避難所”概念指出，欠發達地區通常追求經濟發展的意愿會更為強烈，因而選擇降低環境標準來吸引工業化更成熟的污染產業加人[34-35]。可見，中西部地區的重污染企業對綠色創新活動的內外部驅動力都相對較弱，受到綠色信貸政策約束作用更強，即《指引》對中西部地區的重污染企業綠色創新的抑制效應更為顯著。

根據企業所在省份，本文將樣本劃分為東部地區和中西部地區①，東部、中西部不同地區的分組回歸結果見表12。由表12可知，兩組樣本的交互項的回歸系數均在 5% 的水平下顯著為負，其中東部地區為-0.0804，中西部地區為-0.0912，表明綠色信貸政策對中西部地區的重污染企業綠色創新的抑制效應更明顯。通過Chow檢驗，證明了組間系數差異的存在，進一步驗證了東部地區和中西部地區的重污染企業在綠色信貸政策影響效應上確實存在顯著差異。

3．企業規模

Fan等[36]認為，規模各異的企業在生產率、盈利能力以及償債能力等方面呈現顯著的差異，在面臨相同的綠色金融政策時，也會展現不同的反應和適應性。因此，在研究綠色信貸政策對重污染企業綠色創新的影響時，應將企業規模作為分組依據，納人異質性檢驗分析。首先，大規模企業因備受外界關注而降低了與金融機構以及公眾之間的信息不對稱，其經營、財務以及證券交易信息對于投資者和債權人都更加公開透明[37，因此大規模企業在獲得金融機構的信貸投資支持上更具有優勢。其次，大規模企業可以憑借其長期的資本積累所產生的規模效應降低單位生產成本，分散實行綠色創新過程中可能的風險并及時調整經營發展目標，從而保證綠色創新活動的有效開展。然而，綠色信貸政策的實施使得小規模企業在自身資源受限的情況下，融資變得更加困難，融資額度的縮減致使企業缺乏足夠的資金以支撐綠色技術的創新開發，導致小規模企業研發創新的意愿降低，從而制約了企業的綠色發展進程[14]。

借鑒李旭超等[38]的做法，本文根據樣本中企業總資產中位數（ Size=22.0114? ），將企業劃分為大規模企業（ Sizegt;22.0114 ）和小規模企業（ Size?22.0114） ，并通過分組回歸檢驗分析《指引》對重污染企業的綠色創新發展的影響效應，分組回歸結果見表13。由表13可知，大規模企業的交互項的回歸系數并不顯著，而小規模企業的系數在 1% 水平下顯著為負 （β₁=-0.0734） ，并通過Chow檢驗，證明了組間系數差異的存在，表明《指引》對小規模的重污染企業的綠色創新的抑制作用更明顯。該研究結果進一步證實了，不同規模企業在獲取信貸資金難易程度以及對信貸資金變化的反應程度上存在一定差異，與現有研究結論相一致[16]。

五、研究結論與對策建議

本文以2012年頒布的《指引》為準自然實驗，選取2009—2022年A股非金融上市公司為研究對象，采用雙重差分法研究該政策對重污染企業綠色創新的影響。研究發現：第一，《指引》的實施對重污染企業綠色創新具有顯著的抑制作用，這與現有研究得出的《指引》會對企業產生資源約束效應并對其綠色創新資金產生“擠占”效應的結論相一致，并從重污染企業角度進行了補充和論證。第二，作用機制分析表明，融資規模和信貸成本在《指引》與重污染企業的綠色創新的關系中起到了中介作用。第三，異質性分析表明，《指引》的實施對重污染企業綠色創新的抑制作用在非國有企業、中西部地區企業以及小規模企業中更為顯著。

《指引》頒布的初衷是從戰略層面鼓勵銀行等金融機構積極推動綠色金融，促進經濟、社會與環境的協調發展。然而，由上述研究結果可以看出，我國綠色信貸政策對于重污染企業綠色創新卻產生了抑制效應。因此，基于上述研究結果，本文分別從政府、金融機構以及企業三個層面提出以下建議，以期《指引》能更好地促進綠色發展。

對政府而言，第一，采取差異化的措施，避免“一刀切”的做法。由上述分析可知，目前綠色信貸政策的實施過程中，對于非國有企業、經濟欠發達地區以及規模小的重污染企業，往往存在一定的信貸歧視傾向。相關部門應針對不同行業、不同性質以及不同地區的企業制定和實行差異化的制度。第二，完善環境信息披露制度，規范綠色信貸的監督準則。當前，銀行與企業之間的信息不對稱問題依然突出，導致信貸資源錯配，阻礙企業的綠色創新。在完善《指引》的基礎之上，政府應同時創建多樣化的企業信息實時監管機制。

對金融機構而言，第一，充分發揮綠色信貸實施的主體作用，積極響應政策號召。作為綠色信貸政策的執行者，金融機構的執行效率直接關系到政策能否取得預期效果。因此，金融機構需建立起與企業溝通的橋梁，不斷優化信貸業務的管理流程。對于重污染企業的項目投資，既要保持謹慎的態度，也要積極扶持具備發展潛力的綠色低碳項目。第二，拓展綠色貸款適用范圍，推出更豐富多元的綠色金融產品。針對重污染企業的可持續發展需求，金融機構應大力開發并推行針對重污染企業的綠色減排的專項貸款，推動企業環保技術的持續創新。

對重污染企業而言，不僅要追求自身的經濟效益，還應該注重社會效益，從而才能實現企業的長期發展。首先，重污染企業應主動向公眾披露環境保護信息，提升對綠色金融政策的敏感度和理解力。其次，重污染企業應積極探索和開拓新的融資渠道，例如，爭取政府專項財政資金的補助，或者通過股權融資等方式籌集資金。最后，重污染企業要積極學習并采納先進的環保理念和技術，推動重污染企業實現綠色可持續發展。

參考文獻：

[1] 郭俊杰，方穎，郭曄．環境規制、短期失敗容忍與企業綠色創新——來自綠色信貸政策實踐的證據［J]．經濟研究，2024，59（3）：112-129.

[2] 劉金科，劉霧萱，晁穎．綠色信貸與低碳轉型：資本整合還是技術創新？——來自準自然實驗的證據［J].數量經濟技術經濟研究，2024，41（6）：151-171.

[3] AN S，LI B，SONG D，et al. Green credit financing versus trade credit financing in a supply chain with carbonemission limits [J]. European Journal of Operational Research，2021，292（1）：125-142.

[4] 樊志剛，李盧霞．我國商業銀行推行綠色信貸的政策環境分析及業務創新路徑探討［J]．金融理論與實踐，2012 （9）：11-16.

[5] 高曉燕，紀文鵬．綠色債券的發行人特性與發行信用利差［J]．財經科學，2018（11）：26－36.

[6] 張芳，于海婷．綠色信貸政策驅動重污染企業綠色創新了嗎——基于企業生命周期理論的實證檢驗［J]．南開管理評論，2024，27（3）：118-128，193，129-130.

[7] 郭進．環境規制對綠色技術創新的影響——“波特效應”的中國證據［J]．財貿經濟，2019，40（3）：147－160.

[8] LEMMON M，ROBERTS M R. The response of corporate financing and investment to changes in the supply ofcredit[J]. Journal of Financial and Quantitative Analysis，201O，45（3）： 555 -587.

[9] 蘇冬蔚，連莉莉．綠色信貸是否影響重污染企業的投融資行為？［J]．金融研究，2018（12）：123－137.

[10] 畢茜，鄧玲．綠色信貸業績評價對企業綠色創新的驅動效應研究［J]．南方金融，2022（5）：18－32.

［11］王偉，陳繹潤：經濟政策不確定性與企業債務期限結構——來自中國A股上市公司的經驗證據［J]．南方金融，2023（4）：33-47.

[12] YIN X，WANG D，LU J， et al. Does green credit policy promote corporate green innovation？ evidence fromChina [J]. Economic Change and Restructuring，2023，56（5）：3187-3215.

[13］張琳，廉永輝．綠色信貸如何影響商業銀行財務績效？——基于銀行收入結構分解的視角［J］．南方金融，2020 （2）：45-56.

[14] 楊柳勇，張澤野．綠色信貸政策對企業綠色創新的影響［J]．科學學研究，2022，40（2）：345－356.

[15] SUEYOSHIT，GOTOM. Can environmental investment and expenditure enhance financial performance of US electricutility firms under the clean air act amendment of 1990？[J]. Energy Policy，2009，37（11）： 4819 -4826.

[16] 惠獻波：綠色信貸政策、金融資源配置與企業綠色全要素生產率——基于我國重污染企業的證據［J]．西南金融，2022（10）：65-77.

[17] 黎文靖，鄭曼妮．實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響［J］．經濟研究，2016， 51 （4）： 60 -73.

[18] JOHNSTONE N，HASCIC I， POPP D. Renewable energy policies and technological innovation： evidence basedon patent counts [J]. Environmental and Resource Economics，2010 （45）： 133 -155.

[19] 王馨，王營．綠色信貸政策增進綠色創新研究［J]．管理世界，2021，37（6）：173-188，11.

[20] CORNAGGIA J，MAO Y，TIAN X，et al. Does banking competition afect innovation？[J]. Journal ofFinancialEconomics，2015，115（1）：189-209.

［21］張琦，鄭瑤，孔東民．地區環境治理壓力、高管經歷與企業環保投資——一項基于《環境空氣質量標準（2012）》的準自然實驗［J].經濟研究，2019，54（6）：183－198.

[22] 許罡．新環保法實施對重污染企業融資影響及后果研究［J]．現代財經（天津財經大學學報），2022，42（2）： 96 -113.

[23] 肖海蓮，唐清泉，周美華．負債對企業創新投資模式的影響——基于Ramp;D異質性的實證研究［J]．科研管理，2014，35（10）：77-85.

[24] 鄭軍，林鐘高，彭琳．貨幣政策、內部控制質量與債務融資成本［J]．當代財經，2013（9）：118－129.

[25] 陳強，齊霽，顏冠鵬．雙重差分法的安慰劑檢驗：一個實踐的指南[J]．管理世界，2025，41（2）：181-220.

[26] 張征宇，林麗花，曹思力，等．雙重差分設計下固定效應估計量何時可信？——若干有用的建議［J］．管理世界，2024，40（1）：196－222.

[27] 周茂，陸毅，杜艷，等．開發區設立與地區制造業升級［J]．中國工業經濟，2018（3）：62－79.

[28] 齊紹洲，林山，崔靜波．環境權益交易市場能否誘發綠色創新？——基于我國上市公司綠色專利數據的證據［J]．經濟研究，2018，53（12）：129－143.

[29] 溫忠麟，葉寶娟．中介效應分析：方法和模型發展［J]．心理科學進展，2014，22（5）：731－745.

[30] 張笑，胡金焱．綠色信貸政策是否抑制了重污染企業的投資？［J]．山東社會科學，2022（8）：138－146.

[31] BRANDT L，LI H. Bank discrimination in transition economies： ideology，information，or incentives？[J].Journal of Comparative Economics，2003，31（3）： 387 -413.

[32] 黃志基，賀燦飛，楊帆，等．中國環境規制、地理區位與企業生產率增長［J]．地理學報，2015，70（10）：1581 - 1591.

[33] 邢有為，姜旭朝，黎曉峰．環境治理投入對經濟增長的異質性影響研究——基于城市化的視角［J]．自然資源學報，2018，33（4）：576-587.

[34] HEJ.Pollution haven hypothesisand environmental impactsof foreign direct investment：the case of industrialemission of sulfur dioxide （ SO₂ ）in Chinese provinces [J]. Ecological Economics，2006，60（1）：228-245.

[35] 賀燦飛，張騰，楊晟朗．環境規制效果與中國城市空氣污染［J]．自然資源學報，2013，28（10）：1651－1663.

[36] FAN H，PENG Y，WANG H，et al. Greening through finance？[J]. Journal of Development Economics，2021，152：102683.

[37] 黃輝．企業特征、融資方式與企業融資效率［J]．預測，2009，28（2）：21－27.[38] 李旭超，羅德明，金祥榮．資源錯置與中國企業規模分布特征［J]．中國社會科學，2017（2）：25－43，205 -206.

Does Green Credit Promote Green Innovation in Business？ Empirical Evidence Based on Heavily Polluting Firms

LUO Jiawen DU Jiarui GUO Jiaxian （School of Business Adminstration，South China Universityof Technology，Guangzhou 510641，Guangdong，China）

Abstract： The Green Credit Guidelines （GCG），enacted in 2O12，use green credit as a tool to steer capital toward sustainable sectors like green innovation， thereby promoting optimal resource allocation. However， given their inherent high-pollution characteristics， does the GCG suppress green innovation in heavily polluting enterprises？ Using the data of A-share listed companies from 2OO9 to 2O22， this study constructed a quasi-natural experiment based on the 2012 GCG and employed a difference-in-differences（DID）model to examine the impact of green credit policy on the green innovation of heavy poluting enterprises. The results show that the green credit policy significantly inhibits green innovation in heavily polluting enterprises. This effect primarily operates through two mechanisms： reducing financing scale and increasing credit costs，which exacerbate financial constraints and indirectly hinder green innovation activities. Heterogeneity analysis shows that the negative impact of the GCG is more pronounced for non-state-owned firms， enterprises in central and western regions， and smallerscale heavily polluting firms. Based on the findings of the study， this paper proposes several policy recommendations： （1） the government should refine green credit regulatory standards; （2）financial institutions should provide diversified， specialized credit services for heavily pollting firms； and （3） heavily polluting enterprises should enhance their environmental disclosure and increase investments in green innovation.

Key words： green credit； green innovation； heavy pollution firm； difference-in-differencesmodel；mediating effect