綠色信貸政策能否提升重污染企業韌性

中圖分類號F832.0 文獻標志碼A 文章編號1002-2104（2025）05-0105-11 DOI：10.12062/cpre.20241132

近年來，日益增強的環境規制給重污染企業的韌性提出巨大挑戰。如何在堅持綠色低碳發展道路的前提下，推動重污染企業摒棄原有的粗放型發展模式，同時避免對其持續經營造成嚴重影響，是當前國民經濟的一個重要議題。黨的二十屆三中全會提出，要實施支持綠色低碳發展的財稅、金融、投資、價格政策和標準體系，積極發展科技金融、綠色金融、普惠金融、養老金融、數字金融等，加強對重大戰略、重點領域、薄弱環節的優質金融服務。其中，綠色信貸是中國綠色金融領域的重要政策實踐，它要求銀行合理配置信貸資源，促進資源向低消耗、低排放的行業傾斜。毫無疑問，綠色信貸政策在短期會給重污染企業帶來較大的沖擊，增加其融資壓力2，但是作為市場激勵型的環境規制方式，綠色信貸政策在長期內有可能提高重污染企業韌性，因此評估綠色信貸政策對重污染企業韌性的影響及內在機制，對提升重污染企業韌性具有重要的理論和現實意義。

1文獻綜述

韌性（resilience）這一概念源自物理學、生態學等學科，指的是一個系統在遭受外部沖擊后維持自身穩定并恢復原有狀態的能力[3。韌性概念在經濟學各領域廣受學者們的青睞，特別是研究區域經濟韌性的相關文獻呈快速增長趨勢。目前，有關韌性的研究方向逐漸由宏觀向微觀傾斜，重點集中于對企業韌性4-、企業出口韌性等的研究。大多數學者從狹義的視角研究企業韌性，即企業韌性的研究時點局限于突發性場景前后，比如金融危機[8-9]突發疫情[10-1]等。然而，這一研究視角忽略了企業日常運營中逐漸累積、隱性存在且易被忽視的細微危機和挑戰對企業韌性的影響，而且所采用的數據多為截面數據，難以反映企業韌性的動態變化[12]。此外，針對企業韌性的影響因素，學者們主要從企業數字化轉型[13-15]、企業ESG表現[16-17]、探索性創新[18]等方面展開研究，但鮮有文獻關注到環境規制政策對企業韌性的提升作用。

綠色信貸政策對實體企業運作模式產生重要影響，是評估當前綠色金融政策效果的一個關鍵研究領域。大部分學者認為綠色信貸政策對重污染企業產生了負面影響，形成融資懲罰效應[19-20]，導致重污染企業全要素生產率下降[21-22]，加劇了重污染企業的退出風險[23]。另一部分學者研究發現，綠色信貸政策對重污染企業的轉型升級有一定正向作用，如促進重污染企業綠色創新[24-25]、提高重污染企業綠色創新質量[26等。通過上述的梳理可以發現，目前認為綠色信貸政策對于重污染企業的發展具有積極作用的文獻還相對較少。那么，綠色信貸政策是否能對重污染企業韌性產生正向作用呢？

盡管現有文獻從多個角度研究綠色信貸政策對重污染企業的影響，但目前尚未關注到綠色信貸政策與重污染企業韌性之間的關聯。鑒于此，本研究利用2007一2022年中國A股上市公司面板數據，以2012年中國銀行業監督管理委員會發布的《中國銀監會關于印發綠色信貸指引的通知》（以下簡稱綠色信貸政策）為準自然實驗，構建雙重差分模型，深入探索綠色信貸政策與重污染企業韌性之間的關系。可能的邊際貢獻主要體現在兩個方面：一是從韌性的角度研究綠色信貸政策對重污染企業的影響。現有的研究多認為綠色信貸政策的實施對于重污染企業的生存和發展具有消極效應，但忽視了綠色信貸政策對重污染企業韌性的內在激勵作用。二是揭示了綠色信貸政策通過提高重污染企業投資效率和技術創新能力提升企業韌性，構建了一條從金融資源配置到企業內部治理改善再到企業韌性增強的傳導路徑，為理解綠色信貸政策如何助力重污染企業應對環境挑戰、實現可持續發展提供了新的視角和經驗證據。

2 理論分析與研究假設

綠色信貸政策以市場激勵為主導并結合政府監督，引導信貸資金向綠色項目傾斜。一方面，政府通過對信貸資源的選擇性發放，使得重污染企業在生產過程中更加注重環保問題；另一方面，綠色信貸政策的市場激勵作用能夠在長期倒逼重污染企業提升韌性，即企業在面對外部沖擊時，保持運營的連續性和穩定性，甚至在某些情況下促進企業實現綠色轉型升級。因此，本研究從提高投資效率和促進技術創新這兩條渠道，考察綠色信貸政策如何提升重污染企業韌性。

2.1綠色信貸政策、投資效率與重污染企業韌性

綠色信貸政策通過抑制重污染企業過度投資，提高投資效率，進而增強重污染企業韌性。具體來說，綠色信貸政策主要通過改變重污染企業債務期限結構和加強外界對重污染企業的監督來提高投資效率。

首先，綠色信貸政策實施之后，重污染企業的重大長期投資項目資金來源受限，特別是污染型項目難以獲得長期貸款[27-28]，有利于減少其過度投資。在綠色信貸約束下，即使少部分重污染企業可以通過短期債務融到資金，其債務期限結構也會發生根本性變化，短期債務占比上升能夠降低債權人與企業決策者之間的信息不對稱，減少企業的投資沖動，抑制企業的過度投資，提高投資效率[29-30]

其次，綠色信貸政策能夠加強外界對重污染企業的監督從而抑制其過度投資，提高其投資效率。綠色信貸政策出臺之后，商業銀行將環境風險納入貸款項目的評估標準之中，對重污染企業的貸款發放更為謹慎[31。為了避免重污染企業將銀行信貸資金用于污染型長期投資，商業銀行會要求重污染企業披露與投資項目相關的環境信息，這有助于增強商業銀行對重污染企業長期投資項目的監督，降低銀企雙方的信息不對稱性，減少重污染企業過度投資的行為，從而提高重污染企業的投資效率[29]。投資決策是企業三大決策之一，關系到企業整體戰略與未來長遠發展，是企業經營管理的重要環節[32]。投資效率的提高意味著重污染企業投資更為合理、投資回報率更高，有助于增強其韌性。

2.2綠色信貸政策、技術創新與重污染企業韌性

綠色信貸政策可以通過促進技術創新增強重污染企業韌性，主要表現為\"倒逼升級效應\"和\"信號傳遞效應”。

綠色信貸政策導致重污染企業面臨的環保壓力普遍增加，倒逼其加快環保技術創新。這不僅可以減少這一政策的負面沖擊，而且能夠通過“創新補償\"形成高層次競爭優勢，具有顯著的“倒逼升級效應”。基于動態研究視角的“波特假說\"認為，環境規制政策的實施能夠增強重污染企業的技術創新能力[33]，且已有研究證明此結論[34-35]。綠色信貸政策實施之后，對重污染企業的污染排放要求更為嚴格，高排放的企業面臨著更高的融資約束成本[36]。一方面，重污染企業為了減少污染排放必須進行轉型升級，從而將更多資源投人到綠色創新之中，企業的創新能力得以增強；另一方面，環境規制下的重污染企業將會意識到自身的資源利用缺乏效率，從而有更多的動力進行轉型升級以提高資源利用效率，從而增強自身的創新能力。此外，重污染企業長期開展技術創新活動，能夠增強環境績效進而削弱信貸約束給自身帶來的不利影響[37]。考慮到企業綠色創新具有外部性，綠色信貸政策通過對綠色轉型的重污染企業進行補償，改善了企業的現金流，將這種外部性內部化[38]。因此，綠色信貸政策在倒逼重污染企業進行創新的同時還增強了對其創新的激勵。

綠色信貸政策的出臺增強了公眾環保意識，減少了污染產品的消費，增加了綠色環保產品需求，產生“信號傳遞效應”。這一效應促使市場主體，包括企業和消費者，在消費和生產決策中更多地考慮環保因素。為了迎合市場日益增長的綠色需求，保持市場競爭力，重污染企業將加快綠色技術的研發步伐，著手開發出新型環保產品和清潔生產工藝，以實現自身的可持續發展。這些企業通過技術創新搶占綠色轉型先機，確保其產品和生產工藝不僅能夠滿足市場需求，還能符合綠色信貸的貸款要求。這樣的轉型不僅提升了企業的環保形象，同時也使他們能夠從綠色信貸中獲得更多的金融支持，從而進一步加快綠色技術的創新，形成良性循環。

創新是引領發展的第一動力，促進企業的創新，能夠加快企業的高質量發展進程[39]。技術創新能夠增強企業抗風險能力與適應力，幫助企業靈活應對生產危機[40]。綠色信貸政策的“倒逼升級效應\"和“信號傳遞效應\"激勵重污染企業自我創新、變革和調整，使其能夠更好適應和應對政治、社會、經濟等各領域的挑戰和沖突[41]。

基于上述分析，提出研究假設H1、H2、H3。

H1：綠色信貸政策作為市場激勵型環境規制措施，對重污染企業韌性具有正向作用。H2：綠色信貸政策有利于提高重污染企業的投資效率，從而促進重污染企業韌性的提升。H3：綠色信貸政策可以激勵重污染企業的技術創新，進而增強重污染企業的韌性。

綠色信貸政策對企業韌性的作用機制如圖1所示。

3 研究設計

3.1樣本選擇和數據來源

基于2007一2022年間中國A股市場的上市公司，以

2008年環境保護部發布的《上市公司環保核查行業分類管理名錄》與2012年中國證監會發布的《上市公司行業分類指引》中的行業分類相對照，來確定重污染上市企業。重污染企業主要分布在煤炭、采礦、紡織、制革、造紙、石化、制藥、化工、冶金、火電等行業內。為確保研究數據的準確性，本研究剔除了特殊處理（ST、*ST）、暫時退市（PT以及屬于金融行業的公司和部分關鍵變量數據不完整的樣本。經過篩選，共獲得14560個有效觀測值，涉及910家上市公司，其中322家被歸類為重污染企業。上市公司財務數據來自CSMAR數據庫，專利數據來自國家知識產權局網站，企業年報數據則分別從深圳證券交易所和上海證券交易所的官方網站獲取。

3.2變量定義

3.2.1被解釋變量：企業韌性（Y）

企業韌性具有潛在性，很難對其進行測度，需要從多個方面對其進行考量。Ambulkar等42和陸蓉等43采用問卷調查對企業韌性進行測量，但是這種方法具有較強的主觀性，很容易受到訪談人所處的企業環境、自身的知識儲備等因素的影響，不具有普遍性。更多學者采用間接的方法來測度韌性，常用的方法有財務指標法和市場指標法。財務指標法主要使用凈資產收益率44、營業收入增長率[45]、每股凈資產[46]等指標來衡量，但這種方法過度依賴財務信息披露，且不具有實時性。相比之下，股價波動率等市場指標法能夠更直接反映企業基本面及其預期變化，且具有實時性[47]。如果企業具備較高的韌性，其股票在危機事件中受到的影響將相對更小[48]。股價的波動率能夠較好地反映企業在面對突發事件以及日常經營中的危機、挑戰和沖擊時表現出的韌性，故采用股價的波動率，即股票日收益在當年的標準差來衡量企業長期導向韌性，并采用其他衡量方法進行穩健性檢驗。衡量企業韌性的模型如下：

式中： Y_i，t 為企業 i 在第 Φ_t 年的企業韌性； n 代表企業第χ_t 年股票日收益觀測值的總數；k為求和索引變量，代表第

圖1綠色信貸政策對企業韌性的作用機制

k 天； P_k 為企業在第 k 天的股票日收益； 為企業股票日收益的均值。

3.2.2核心解釋變量：綠色信貸政策雙重差分項 （X）

綠色信貸政策發布于2012年，故時間虛擬變量 B 在2012年之前取值為0，2012年及之后取值為1。T為區分企業是否屬于重污染企業的政策虛擬變量，若企業屬于重污染行業，則其值取1，否則為0。綠色信貸政策雙重差分項 （χ） 為政策虛擬變量和時間虛擬變量的交乘項。

3.2.3機制變量：投資效率和創新能力

參考Richardson[49]、徐倩[50]、陳效東等[51]的方法，構建模型（2），通過殘差項衡量投資效率：

式中 ：I_i，t 為企業i在第 Φ_t 年的新增投資支出，即（資本性支出-資產清理收益-重置投資）/年初總資產； G_i，t-1 用托賓 Q 表示，代表t-1年企業的投資機會； ?A_i，t-1 為t-1年時企業年限，用當年年份減去上市年份再加上1的自然對數衡量； ?L_i，t-1 表示 t-1 年企業的資產負債率，用總負債／總資產表示； C_i，t-1 為現金及現金等價物周轉率，用經營活動產生的現金流量凈額/年初總資產表示； S_i，t-1 為企業規模，用t-1年總資產的自然對數表示； R_i，t-1 用t-1年考慮現金紅利再投資的年個股回報率表示； μ_j 為行業固定效應； φ_t 為時間固定效應； ε_i，t 為模型估計的殘差； α₀ 為常數項 α₁…α₂…α₃…α₄…α₅…α₆…α₇ 為變量系數。

采用最小二乘法對模型（2）進行分年度回歸，求得模型的殘差。用殘差的絕對值來表示公司的投資效率，絕對值越小說明投資效率越高。

企業的創新能力參照權小鋒等[52]的做法，采用發明專利、實用新型專利和外觀設計專利這3種專利申請數量加上1的自然對數來衡量。

3.2.3控制變量

控制變量分為兩個層面。一是公司經營層面，包括資產負債率、總資產報酬率、現金及現金等價物周轉率、無形資產占比、企業規模、企業年限。二是公司治理層面，包括獨立董事占比、董事會規模、機構投資者持股比例。

變量描述及計算方式計算見表1。

3.3模型構建和描述性統計

為了研究綠色信貸政策對重污染企業韌性的影響，本研究將2012年出臺的《綠色信貸指引》作為一次準自然實驗，參照李俊成等[53的研究，構建如下的雙重差分模型：

式中：企業韌性的代理變量 Y_i，t 為i企業在第 χ_t 年的股票日收益的標準差，若股票日收益的波動越小，則代表企業面對日常經營的挑戰以及沖擊時表現出較高的穩定性，即企業韌性越強； T_i 為政策虛擬變量，如該企業為重污染企業，則取1，否則取 0;B_t 為時間虛擬變量，年份在2012年之前取0，否則取 1;F_i，t 為一系列的控制變量； δ_i 為個體固定效應； γ_p 是省份固定效應； β₀ 為常數項 ，β₁，β₂ 為變量系數。其他變量含義同上。

主要變量的描述性統計見表2。

4實證結果分析

4.1基準回歸

基準回歸結果見表3。其中列（1）為未加入控制變量以及控制了個體和年份固定效應的回歸結果，列（2）則是在列（1）的基礎上加入了控制變量，綠色信貸政策雙重差分項回歸系數均在 1% 水平上顯著為負，表明受到綠色信貸政策影響的重污染企業具有更高的企業韌性。列（3）進一步控制行業和省份固定效應，綠色信貸政策雙重差分項的回歸系數為-0.087，在 1% 水平上顯著。以上結果驗證了假設H1，即綠色信貸政策的實施能夠顯著提升重污染企業韌性，使得重污染企業能夠應對經營中的挑戰以及突發事件，保持自身的穩定發展。控制變量方面，企業年限、無形資產占比的回歸系數分別在 1%10% 的水平上顯著為負，而機構投資者持股占比的回歸系數在 1% 的水平上顯著為正，說明企業年限越長、無形資產占比越高、機構投資者持股比例越低，企業韌性越強。

表1變量描述

表2主要變量的描述性統計

4.2 平行趨勢檢驗

運用雙重差分進行實證分析的前提是通過平行趨勢檢驗。為了驗證實驗組和對照組是否滿足平行趨勢檢驗的要求，構建了如下模型：

γ_p+φ_t+ε_i，t

如果模型（4）的回歸結果顯示實驗組和對照組在政策實施之前的趨勢一致，那么2012年及之后年份企業韌性的變化原因很可能來自綠色信貸政策。

參照丁杰等25]的做法，選取政策執行的前一年（2011年）作為基準年，分析政策虛擬變量 × 時間虛擬變量的回歸系數 （β₁） 進而評價平行趨勢檢驗是否通過。如圖2所示，在政策推行之前，政策虛擬變量 × 時間虛擬變量的回歸系數均不顯著異于零，意味著在政策生效前，對照組與處理組之間的企業韌性差異不隨時間發生變化。在政策實施的第1年，政策虛擬變量 × 時間虛擬變量的回歸系數不顯著異于零，而在政策實施第2年及之后的年份，回歸系數均顯著異于零，說明綠色信貸政策具有一定的滯后性，且隨著政策的不斷推進，綠色信貸政策對實驗組企業韌性的正面影響逐漸顯現，且這種影響隨著時間的推移而逐步增強。具體來說，綠色信貸政策在實施后的第4年對重污染企業韌性的促進作用達到頂峰，之后其影響力度開始有所下降。這表明綠色信貸政策在初期對重污染企業韌性的提升起到了積極的作用，但隨著時間的推移，這種效應可能會逐漸減弱。因此，本研究的雙重差分模型通過了平行趨勢檢驗，基準回歸結果穩健。

表3基準回歸結果

注： P/lt;0.10 ，*** Plt;0.01 ；括號內數值為聚類在公司層面的標準誤。

4.3 安慰劑檢驗

考慮到可能存在一些無法觀察到的因素與綠色信貸政策具有高度一致性，這些因素與綠色信貸政策共同作用下形成了基準回歸的結果。為了排除此種情況，本研究通過隨機選擇重污染企業樣本進行安慰劑測試。如果安慰劑測試得到的估計系數與基準模型中的估計系數存在顯著差異，那么可以推斷基準回歸結果并非受到這些不可觀測因素的影響。進行500次抽樣的綠色信貸政策雙重差分項的回歸系數分布如圖3所示，觀察到大部分的回歸系數都緊密地圍繞在0附近。在基準回歸中，交互項的系數為-0.087，這在圖3中表現為一個低概率的結果，即基準模型的估計系數并非由那些不可觀測的因素主導，而是綠色信貸政策對其產生了實質性影響。

圖2平行趨勢檢驗

圖3安慰劑檢驗

4.4穩健性檢驗

4.4.1替換被解釋變量

借鑒許朝凱等[54|的方法，利用HP（hodrick-prescott）濾波法將企業的銷售額分為長期趨勢項和短期波動項來計算企業韌性。一般來說，企業的銷售額長期趨勢項趨近于企業的銷售額實際情況。當企業面臨沖擊和挑戰時，實際銷售額將偏離潛在銷售額。當銷售額波動項為正時，說明企業能夠有效抵御沖擊，保持銷售額增長，企業韌性較強；當銷售額波動項為負時，絕對值越大，銷售額負向偏離潛在銷售額增長的幅度越大，企業抵御外部沖擊的能力越弱，企業韌性越小。因此，采用以下的公式來替代被解釋變量企業韌性：

Y_i，t=O_v/O_m

式中： 表示銷售額的短期波動項， θ_m 是銷售額的長期趨勢項。其他變量含義同上。HP濾波法平滑參數則是參照許朝凱等[54的方法，設置為6.25。

表4列（1）為穩健性檢驗結果。在替換被解釋變量之后，綠色信貸政策雙重差分項的回歸系數為正并且在 5% 水平上顯著，進一步說明基準回歸結果是穩健的。

4.4.2預期效應檢驗

雙重差分策略的運用需要符合政策實施之前不存在預期效應的假定，否則不能滿足雙重差分外生性沖擊這一條件，即綠色信貸政策不能在實施之前對重污染企業韌性產生顯著性影響。為了驗證是否滿足這一假定，假設政策在2011年實施，在模型（3）中構建了年份虛擬變量與政策虛擬變量的交乘項。若樣本所處年份大于或等于2011年時，年份虛擬變量取1，否則取0。回歸結果見表4列（2），可以看出年份虛擬變量 × 政策虛擬變量的回歸系數不顯著，并且綠色信貸政策雙重差分項的回歸系數并沒有發生較大變化，表明基準回歸結果沒有受到政策預期的影響或者受到的影響較小。

表4穩健性檢驗結果

注： ^**Plt;0.05，^***Plt;0.01 ；括號內數值為聚類在公司層面的標準誤。

4.4.3排除其他政策的影響

中國的環境規制政策大多以行政區劃為實施單位[55]，其他地區的環境規制政策也可能對重污染企業韌性造成影響。因此參照李俊成等[53]的做法，在基準回歸的基礎上加入地區和年份的交互效應來排除按照地區來實施的環境規制政策對綠色信貸政策效果的干擾。回歸結果見表4列（3），在排除了地區性環境規制政策的影響之后，綠色信貸政策雙重差分項回歸系數依舊顯著為負，表明基準回歸的結果不受其他地區的環境規制政策影響。

4.4.4傾向性得分匹配檢驗

實驗組和對照組的選擇不是隨機的，導致不同組別企業之間的特征可能存在系統性差異，從而使對照組和實驗組的企業韌性在未實施綠色信貸政策前就可能存在差異，進而影響雙重差分的準確性。因此，為了滿足雙重差分模型隨機分組的前提條件，采用傾向性得分匹配的方法來進行穩健性檢驗。使用基準回歸中公司經營層面和公司治理層面的控制變量作為匹配變量，按照近鄰匹配的方法來匹配樣本，然后對匹配好的樣本進行回歸，回歸結果表4列（4）。由列（4）可知，綠色信貸政策雙重差分項回歸系數顯著為負，表明基準回歸結論穩健。

4.4.5去除極端值

考慮到樣本中的極端值可能會對回歸結果造成干擾，對樣本數據進行雙側 1% 的縮尾處理。縮尾完成后的回歸結果見表4列（5），綠色信貸政策雙重差分項的回歸系數顯著為負，表明基準回歸的結果具有穩健性。

5 機制檢驗

根據前文分析，綠色信貸政策主要通過提高投資效率和促進創新增強重污染企業韌性。本研究在基準回歸的基礎上借鑒江艇[5關于因果推斷的建議，構建機制檢驗模型如下：

式中： M_i，t 為機制變量，用投資效率和創新能力來表示。其他變量含義同上。

機制檢驗結果見表5。列（1）列（2）綠色信貸政策雙重差分項的回歸系數均為-0.006且在 5% 水平上顯著，表明綠色信貸政策的實施能夠提升重污染企業的投資效率。重污染企業投資效率的提高也意味著其韌性的增強，這也證明了研究假設H2。列（3）列（4）綠色信貸政策雙重差分項的回歸系數均為0.195且在 1% 水平上顯著，表明綠色信貸政策實施之后，重污染企業的創新專利申請量增加，重污染企業的創新能力得以加強，研究假設H3得以驗證，即綠色信貸政策促進了重污染企業的技術創新，從而增強了重污染企業的韌性。

表5機制檢驗結果

注： ^**Plt;0.05，^**Plt;0.01 ；括號內數值為聚類在公司層面的標準誤。

6 異質性分析

在驗證了綠色信貸政策對重污染企業的作用機制之后，為了考察綠色信貸政策對于不同企業的差異性影響，構建了如下三重差分模型：

式中： H_i，t 為異質性分析的差異變量。其他變量含義同上。

6.1企業性質

中國的國有企業相較于非國有企業，在資金、土地和人力資源等方面具有顯著的優勢，并且通常是政策執行的領跑者，故綠色信貸政策可能在國企和非國企之間有著不同的政策效果。本研究定義了企業性質的虛擬變量，若企業屬于國營或國有控股，則取值1，否則取值0。企業性質的異質性分析結果見表6列（1。綠色信貸政策雙重差分項 × 企業性質的回歸系數為-0.088，且在 5% 的水平上顯著，表明綠色信貸政策實施之后，相比于非國有企業，國有企業的韌性提升作用更強。這是因為，通常國有企業是環境規制政策的重點關注對象，需要承擔更多的社會責任，起到帶頭作用[57]。在綠色信貸政策實施之后，國有企業有更多的責任和動力來做出改變，進行產業結構的轉型升級，從而增加了企業的創新產出，增強了企業韌性。

6.2企業規模

大規模企業往往具有更雄厚的資本、更多高層次的人才以及更完善的部門體系[58]，故綠色信貸政策對于不同規模的企業可能有著不同的影響。大規模企業更有可能在綠色信貸政策的刺激之下，倒逼自身進行改革，從而提高運營效率和技術創新水平。本研究參照沈坤榮等58定義企業規模的方法，采用了國家統計局公布的《統計上大中小微型企業劃分辦法（2017年）》作為企業規模分類的依據。根據該標準，年營業收入達到或超過4億元的企業被歸類為大規模企業。本研究定義了企業規模的虛擬變量，取值為1代表該企業屬于大規模企業，否則為0。回歸結果見表6列（2），綠色信貸政策雙重差分項 × 企業規模的回歸系數為-0.090，且在 1% 水平上顯著，表明相對于小規模企業，大規模企業的資金、人才、技術優勢能夠與綠色信貸政策發揮更好的協同作用，進而增強大規模企業的韌性。

6.3 商業信用能力

受到融資約束的企業有動力去尋找替代性融資來緩解資金壓力[59]。如果企業的商業信用能力較弱，其資金需求將會高度依賴銀行信貸。當這類企業的銀行信貸受限時，將難以從其他地方獲得資金，故綠色信貸政策可能對這類企業的影響更加顯著。而商業信用較強的企業在面臨信貸融資受限時，能夠積極尋求其他融資方式來彌補銀行信貸所減少的資金來源，從而一定程度上削弱綠色信貸政策的影響[30]。故綠色信貸政策對于不同商業信用能力的企業的實施效果可能不一樣。本研究認為，企業的預收款項和合同負債反映了企業對客戶的議價能力，也屬于企業的商業信用能力。因此，在陳幸幸等5對商業信用定義的基礎上加上了企業的預收款項以及合同負債，具體定義為：商業信用 Σ=Σ （應付賬款 ⁺ 應付票據 ⁺ 合同負債 + 預收款項）/總資產。

本研究定義了商業信用能力的虛擬變量，若商業信用小于整個樣本在研究期內商業信用的平均值，則商業信用能力取值1，代表商業信用較弱企業，否則取值0。回歸結果見表6列（3），綠色信貸政策雙重差分項 x 商業信用能力的回歸系數為-0.069，在 1% 水平上顯著，證明了綠色信貸政策對于商業信用更弱的企業韌性的影響更大這一結論。

6.4數字化轉型程度

隨著人工智能、云計算、區塊鏈等技術的不斷發展，數字化正在成為企業發展的重要推動力。已有眾多研究表明，企業的數字化轉型能夠增強企業韌性[11-12]。為了探究綠色信貸政策對于不同數字化程度企業的差異化影響，借鑒吳非等的做法，通過提取年報中“數字化轉型”的關鍵詞衡量企業的數字化水平。若數字化水平高于其樣本期限內的均值，則數字化轉型程度取值1，代表其數字化水平較高，否則為0。回歸結果見表6列（4），綠色信貸政策雙重差分項 x 數字化轉型程度的回歸系數為-0.044 且在 10% 水平上顯著，表明綠色信貸政策更能促進數字化程度較高的企業韌性的提升。數字化轉型能夠提升企業的分工水平，這有助于集中創新資源，降低創新過程中的溝通成本[6]。因此，綠色信貸政策實施之后，數字化轉型程度更高的企業能夠更好地發揮資源配置效應進行技術研發，增強企業韌性。

表6異質性分析

注 ∵Plt;0.10，^**Plt;0.05，^***Plt;0.01 ；括號內數值為聚類在公司層面的標準誤。

7 結論及政策建議

本研究通過對2007—2022年中國A股上市公司的實證分析，深入探討了綠色信貸政策對重污染企業韌性的影響。研究結果表明，綠色信貸政策有效提升了重污染企業韌性，即這些企業在面對突發沖擊和市場波動時能夠保持穩定運營。此外，研究發現綠色信貸政策通過改善投資效率和激發創新活力增強了企業的適應能力和持續發展能力。異質性分析進一步揭示，綠色信貸政策對國有、規模較大、商業信用較弱、數字化轉型程度較高的重污染企業韌性有著更顯著的提升效果。這些發現為理解綠色信貸政策如何促進重污染企業可持續發展提供了新的視角和經驗依據。通過優化金融資源配置，綠色信貸政策有望成為推動重污染企業綠色轉型、增強重污染企業韌性的重要工具，有助于促進經濟發展和環境保護的雙重目標實現。

基于上述結論，提出相應的政策建議。

一是要進一步提高重污染企業對綠色信貸政策的認知和響應能力。鼓勵企業研發和引進先進的環保技術來擴大創新效應，培育企業競爭優勢，增強重污染企業韌性。例如，可以通過商業銀行或其他金融機構向重污染企業的綠色項目提供低息貸款，支持其綠色技術改造和升級；或者設立專項融資通道，為符合綠色標準的企業提供更便捷的融資服務，確保信貸資源更加精準地支持致力于綠色轉型和技術升級的重污染企業。

二是搭建銀企對接平臺，推進商業銀行等金融機構和企業之間的信息共享，擴大綠色信貸政策提升重污染企業韌性的作用。通過信息共享平臺，商業銀行等金融機構能夠更為了解企業項目的環境風險，進而限制企業的長期污染型項目的貸款申請，確保綠色信貸資金用于高效率、高環保標準的項目。在此基礎上，金融機構還可以定期評估企業綠色項目的進展并根據評估結果及時調整政策和資金計劃，防止綠色信貸資金被挪用或低效使用，從而強化重污染企業的投資效率，提升其韌性。

三是針對不同類型企業，執行差異化綠色信貸政策，特別是增加韌性提升較差企業綠色信貸資金的可獲得性。對于在綠色信貸政策下表現出較強韌性的企業（如國有企業、規模較大的企業、數字化轉型程度更高的企業），政策的積極效果已經顯現，金融機構仍應繼續為這些企業的綠色項目提供充足的信貸支持，確保其在綠色轉型過程中保持引領地位。這類企業的成功案例將為其他企業提供示范效應，推動整個行業的綠色發展。而對于小規模企業和民營企業，金融機構應在確保綠色信貸標準不變的前提下，優化綠色信貸的配給機制，優先為這些企業提供更加靈活、易得的綠色信貸產品，降低其融資成本。通過政策性的支持與更優的信貸條款，幫助這些企業克服規模和資源的限制，提升其環境治理能力和市場適應能力。對于數字化轉型程度較低的企業，可以通過綠色信貸產品的創新，例如提供與數字化升級相結合的環保技術貸款，支持其進行技術改造和管理優化，提升其在綠色轉型中的競爭力。

參考文獻

[1]金祥義，張文菲，施炳展.綠色金融促進了中國出口貿易發展嗎？[J].金融研究，2022（5）：38-56.

[2]范源源，李建軍.綠色信貸政策對勞動收入份額的影響研究：基于人力資源與信貸資源再配置視角[J].經濟評論，2022（3）：22-38.

[3]孫久文，孫翔宇.區域經濟韌性研究進展和在中國應用的探索[J].經濟地理，2017，37（10）：1-9.

[4]胡海峰，宋肖肖，竇斌.數字化在危機期間的價值：來自企業韌性的證據[J].財貿經濟，2022，43（7）：134-148.

[5]ORLANDOB，TORTORAD，PEZZIA，etal.Thedisruptionof theinternational supply chain： firm resilience and knowledgeprepared-nessto tackle theCOVID-19outbreak[J].Journal of internationalmanagement，2022，28（1）：100876.

[6]潘越，柯進軍，寧博.不確定性沖擊、政府采購與企業發展韌性[J].數量經濟技術經濟研究，2024，41（4）：193-212.

[7]杜運蘇，陳漢.內外銷耦合協調如何提升企業出口韌性：內在機制與中國經驗[J].世界經濟研究，2024（5）：118-133.

[8]MARKMAN GM，VENZIN M.Resilience：lessons from banks thathavebraved the economic crisisand fromthose that have not[J].In-ternational businessreview，2014，23（6）：1096-1107.

[9]胡海峰，宋肖肖，郭興方.投資者保護制度與企業韌性：影響及其作用機制[J].經濟管理，2020，42（11）：23-39.

[10]ALBUQUERQUER，KOSKINENY，YANG S，etal.Resiliency ofenvironmental and social stocks：an analysis of the exogenous CO-VID-19 market crash[J].Review of corporate finance studies，2020，9（3）：593-621.

[11]胡媛媛，陳守明，仇方君.企業數字化戰略導向、市場競爭力與組織韌性[J].中國軟科學，2021（增刊1）：214-225.

[12]陳俊華，郝書雅，易成.數字化轉型、破產風險與企業韌性[J].經濟管理，2023，45（8）：26-44.

[13]蔣巒，凌宇鵬，張吉昌，等.數字化轉型如何影響企業韌性：基于雙元創新視角[J].技術經濟，2022，41（1）：1-11.

[14］張卿，鄧石軍.數字化轉型對企業韌性的影響：來自COVID-19的證據[J].經濟與管理，2023，37（1）：38-48.

[15]羅良文，張琳琳，王晨.數字化轉型與企業韌性：來自中國A股上市企業的證據[J].改革，2024（5）：64-79.

[16]劉建秋，徐雨露.ESG表現與企業韌性[J].審計與經濟研究，2024，39（1）：54-64.

[17]當小虹林寶亮FSC表現與企業韌性.放應與機制[I]產業經濟評論，2024（3）：116-134.

[18]馮挺，祝志勇.探索式創新與企業韌性：來自新三板上市公司的證據[J].山西財經大學學報，2023，45（2）：116-126.

[19]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.

[20］陳琪.中國綠色信貸政策落實了嗎：基于\"兩高一剩\"企業貸款規模和成本的分析[J].當代財經，2019（3）：118-129.

[21]丁杰.綠色信貸政策、信貸資源配置與企業策略性反應[J].經濟評論，2019（4）：62-75.

[22］喻旭蘭，周穎.綠色信貸政策與高污染企業綠色轉型：基于減排和發展的視角[J].數量經濟技術經濟研究，2023，40（7）：179-200.

[23]陸菁，鄢云，王韜璇.綠色信貸政策的微觀效應研究：基于技術創新與資源再配置的視角[J].中國工業經濟，2021（1）：174-192.

[24]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.

[25]丁杰，李仲飛，黃金波.綠色信貸政策能夠促進企業綠色創新嗎：基于政策效應分化的視角[J].金融研究，2022（12）：55-73.

[26]劉瀾飚，任可歆.綠色信貸政策對企業綠色創新質量的影響研究[J].南開學報（哲學社會科學版），2023（6）：131-145.

[27]舒利敏，廖菁華.末端治理還是綠色轉型：綠色信貸對重污染行業企業環保投資的影響研究[J].國際金融研究，2022（4）：12-22.

[28］于波.綠色信貸政策如何影響重污染企業技術創新？[J].經濟管理，2021，43（11）：35-51.

[29］王艷麗，類曉東，龍如銀.綠色信貸政策提高了企業的投資效率嗎：基于重污染企業金融資源配置的視角[J].中國人口·資源與環境，2021，31（1）：123-133.

[30]郭紅，尹菁.綠色信貸政策實施對重污染企業投資效率影響研究：促進還是抑制？[J].現代財經（天津財經大學學報），2023，43（5）：85-99.

[31]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.

[32]高杰英，褚冬曉，廉永輝，等.ESG表現能改善企業投資效率嗎？[J].證券市場導報，2021（11）：24-34.

[33]PORTER M E， VAN DER LINDE C. Toward a new conception ofthe environment-competitiveness relationship [J]. Journal of eco-nomic perspectives，1995，9（4）：97-118.

[34]金剛，沈坤榮.以鄰為壑還是以鄰為伴：環境規制執行互動與城市生產率增長[J].管理世界，2018，34（12）：43-55.

[35]于波.綠色信貸政策如何促進企業綠色創新[J].現代經濟探討，2023（2）：45-55.

[36]郭俊杰，方穎.綠色信貸、融資結構與企業環境投資[J].世界經濟，2022，45（8）：57-80.

[37］宋躍剛，靳頌琳.綠色信貸政策對企業環境績效的影響效果與機制檢驗[J].中國人口·資源與環境，2023，33（9）：134-146.

[38]鞠曉生，盧獲，虞義華.融資約束、營運資本管理與企業創新可持續性[J].經濟研究，2013，48（1）：4-16.

[39]任曉猛，錢滔，潘士遠，等.新時代推進民營經濟高質量發展：問題、思路與舉措[J].管理世界，2022，38（8）：40-54.

[40」孤少咩，你夕 ，孜不倒新、組織徹性與制迫亞業間質量發展[J].科技進步與對策，2023，40（13）：81-92.

[41]EDGEMAN R. Strategic resistance for sustaining enterprise rele-vance[J]. International journal of productivity and performancemanagement，2015，64（3）：318-333.

[42]AMBULKAR S，BLACKHURST J，GRAWE S. Firm's resilience tosupplychain disruptions：scale development and empirical exami-nation[J]. Journal of operations management，2015，33：111-122.

[43］陸蓉，徐龍炳，葉茜茜，等.中國民營企業韌性測度與影響因素研究[J].經濟管理，2021，43（8）：56-73.

[44]ORTIZ-DE-MANDOJANA N，BANSAL P. The long-term benefitsof organizational resilience through sustainable business practices[J].Strategic management journal，2016，37（8）：1615-1631.

[45]李恩極，張晨，萬相昱.經濟政策不確定性下的創新決策：企業韌性視角[J].當代財經，2022（10）：102-114.

[46]張杰，范雨婷.創新投入與企業韌性：內在機制與產業鏈協同[J].經濟管理，2024，46（5）：51-71.

[47]MORCK R，YEUNG B，YU W. The information content of stockmarkets：why do emerging markets have synchronous stock pricemovements？[J]. Journal of financial economics，20oo，58（1/2）：215-260.

[48]DURNEV A，MORCK R，YEUNG B，et al. Does greater firm-spe-cificreturnvariationmeanmore orlessinformedstockpricing？[J]. Journal of accounting research，2003，41（5）：797-836.

[49]RICHARDSON S. Over-investment of free cash flow[J]. Review ofaccounting studies，2006，11（2）：159-189.

[50]徐倩.不確定性、股權激勵與非效率投資[J].會計研究，2014（3）：41-48.

[51]陳效東，周嘉南，黃登仕.高管人員股權激勵與公司非效率投資：抑制或者加劇[J].會計研究，2016（7）：42-49.

[52]權小鋒，尹洪英.中國式賣空機制與公司創新：基于融資融券分步擴容的自然實驗[J].管理世界，2017（1）：128-144.

[53]李俊成，彭俞超，王文蔚.綠色信貸政策能否促進綠色企業發展：基于風險承擔的視角[J].金融研究，2023（3）：112-130

[54]許朝凱，劉宏曼.國際貿易網絡演化與中國出口韌性提升[J].世界經濟研究，2023（6）：100-114.

[55］陳登科.貿易壁壘下降與環境污染改善：來自中國企業污染數據的新證據[J].經濟研究，2020，55（12）：98-114.

[56]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[57]王勇，李雅楠，俞海.環境規制影響加總生產率的機制和效應分析[J].世界經濟，2019，42（2）：97-121.

[58]沈坤榮，喬剛，林劍威.智能制造政策與中國企業高質量發展[J].數量經濟技術經濟研究，2024，41（2）：5-25.

[59]陳幸幸，史亞雅，宋獻中.綠色信貸約束、商業信用與企業環境治理[J].國際金融研究，2019（12）：13-22.

[60]吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現：來自股票流動性的經驗證據[J].管理世界，2021，37（7）：130-144.

[61]袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還日向「國汶1（0 150

How does green credit policy enhance the resilience of heavily polluting enterprises： based on China'sA-share listed companies

DU Yunsu，YANGSiyuan （School of Economics and Management，Nanjing Forestry University，Nanjing Jiangsu 21Oo37，China）

AbstractEnancingtheresilienceofheavilypolutigenterprises，promoting theconstructionofthegreenproductionsystemndc celeratingthecoordinateddevelopmentoftheeconomyandenvironmentareurgentisuestobeaddressedBasedontheoriessuchas the“PorterHypothesis”andadaptiveresilience，thisstudyfirstanalyzedtheinteal mechanismsbywhichgrencreditpolicyenhancedenterpriseresilience.Then，usingpaneldatafromChineseA-sharelistedcompaniesfrom2O07to2O22 andtreatingthemplementationofteGnCreditGudelisasaquasi-aturalxpeint，estudyplodadiferencein-diferencsodelticalltesttheimpactoftegreencreditpolicyontheresilienceofheavilypolutingenterprisesanditsunderlyingmechanisms.Theresearch found that： ① Thegreen credit policycould significantly enhance the resilience of heavily polluting enterprises.The conclusion remaiedvalidfterriesofobustsstestsdngplcebotestssingaleativedepedentrablesxpctatiottsts exclusion of impacts from other policies，and propensity score matching tests （PSM）. ② Dynamic effect analysis showed that the green creditpolicydaceranlagt，ndsteolicyrogessd，itsositieimpactoesilnceofavilypolige became increasingly apparent. ③ Mechanism analysis revealed that the green credit policy mainly enhanced the resilience of heavily polluting enterprises by improving investment eficiency and enhancing innovation capacity. ④ Heterogeneity analysis indicated that thegreencreditpolicyhdasrongerfectonimprovingtheslienceofavilypoltingeterprsestatwerestate-owd，gein scale，thosewithweakercommercialceditandthoseundergoingahigherlevelofdigitalransformationBasedonteaboversarch findings，this study proposes the following policy recommendations： ① Further improve the awareness and responsiveness of heavily polluting enterprises to green credit policy. ② Establish platforms for bank-enterprise collaboration to promote information sharing betweenfinancial institutions，such as commercial banks，and enterprises. ③ Implement differentiated green creditpolicies fordifferent typesofenterprises.Undertheconstraintsofthe“dualcarbon”goals，thegreencreditpolicycanbecomeanimportanttoltopromote thegrentransformationofheavilypolutingenterprisesandehanceteirsilience，thuscontributingtoteachievementof hedual goals of economic development and environmental protection.

Key Wordsgreen credit policy;resilience of enterprises; investment efficiency; technological innovation

（責任編輯：王愛萍）