EN中文

JOURNAL OF NATURAL RESOURCES >

2025 , Vol. 40 >Issue 3: 667 - 691

DOI: https://doi.org/10.31497/zrzyxb.20250307

Regular Articles

The influence mechanism of green finance policy on green development of enterprises

  • DAI Qi-wen , 1, 2 ,
  • GUO Zhong-yuan 1 ,
  • LAI Xuan-yu 1 ,
  • JIN Tao 1, 2
Expand
  • 1. School of Economics and Management, Guangxi Normal University, Guilin 541004, Guangxi, China
  • 2. Key Laboratory of Digital Empowerment Economic Development (Guangxi Normal University), Education Department of Guangxi Zhuang Autonomous Region, Guilin 541004, Guangxi, China

Received date: 2024-06-21

  Revised date: 2024-09-27

  Online published: 2025-02-21

Fold

Abstract

Utilizing green financial policies to promote green transformation of enterprises is not only a requirement for high-quality development of enterprises, but also an important part of building a green financial theory with Chinese characteristics. Selecting A-share listed companies in Shanghai and Shenzhen from 2008 to 2021 as research samples, a PSM-DID model is employed with the Green Credit Guidelines as a natural experiment. This study establishes an evaluation index system from five dimensions: green production, green innovation, environmental quality, social sharing, and green system to comprehensively evaluate the green development of enterprises, and explores the effects and mechanisms of green credit policies on the green development of enterprises. Research has found that the implementation of green credit policies has significantly promoted the green development of enterprises, and improved the levels of green production, green innovation, environmental quality, and green institution. From the perspective of enterprise investment structure, it has been verified that green credit policies can facilitate the green development of enterprises through investment duration, investment risk bearing capacity, and digital investment. From a dimensional perspective, emphasizing long-term investment can help improve green production, green innovation and environmental quality for enterprises. The increase in investment risk bearing capacity is conducive to enhancing the level of green production, innovation, and institutional management for enterprises. The raising of digital investment helps to improve the green institutional management of enterprises. Heterogeneity testing found that green credit policies have a significant promoting effect on the green development of small-scale enterprises, enterprises in central and western regions, and enterprises in high-intensity environmental regulation areas.

Key words： green finance policy; green development; investment structure; green transformation; environmental governance

Cite this article

DAI Qi-wen , GUO Zhong-yuan , LAI Xuan-yu , JIN Tao . The influence mechanism of green finance policy on green development of enterprises[J]. JOURNAL OF NATURAL RESOURCES, 2025 , 40(3) : 667 -691 . DOI: 10.31497/zrzyxb.20250307

绿色发展理念已成为全社会共识，推动经济社会发展绿色化是实现高质量发展的关键。如何走绿色发展之路，不仅依托于政府的政策手段，更要积极发挥市场激励作用。第十三届全国人民代表大会第五次会议中提出“发展绿色金融，加快形成绿色低碳生产生活方式”。如何利用绿色金融等市场型环境规制手段赋能绿色发展，引导更多经营主体实现生产方式的绿色转型是值得思考的重要学术议题和现实问题。作为中国绿色金融体系的主力军和创新型金融工具，绿色信贷政策将环境风险纳入贷款审核机制，以环境检测标准和污染治理效果作为信贷审批的重要前提，利用金融手段实施环境治理[1]，取得了重要成效。
根据资本预算理论，企业融资的方式、规模和成本直接影响资本结构和投资组合，进而影响企业投资决策，并得到相关学者的论证[1,2]。绿色金融政策通过融资渠道内生化企业环境成本，压缩污染企业的融资空间，减少企业现金流量和投资机会。由此产生的融资约束效应会影响企业的投资结构，并可能倒逼企业绿色转型。可以从以下三个方面分析：第一，企业对环境风险的重视度在绿色金融政策实施后得到提高，直接表现在企业投资决策过程中需综合评估环境风险及其可能导致的潜在财务负担[3]。由此推断，企业可能通过调整投资结构，如优先考虑环境友好型项目，以实现风险最小化和持续发展的目标。第二，绿色金融政策提高了企业投资风险的承担能力[4]，相应地增强了企业长期性的绿色投资意愿[5]。环境信息披露制度的进一步完善发挥了关键作用，不仅弱化企业短视主义偏好、降低企业长期投资决策的顾虑，一定程度上也弥补了绿色项目投资周期长、风险高、收益不确定等不利因素，增强了绿色信贷政策推动企业绿色转型的实际作用。第三，绿色信贷政策提升了企业的数字化投资水平，降低投资风险，增强企业绿色转型动力。环境治理的透明化对企业的绿色发展至关重要[6]。绿色信贷政策要求企业披露更高质量的环境信息，这可能促使企业重视数字化信息系统建设。数字化投资水平的提升有助于企业整合各方优势资源，及时捕捉风险信息，降低企业绿色转型中的机会主义，从而提高绿色绩效[7]。此外，绿色信贷政策释放绿色信号，提高了投资者和公众对企业环境治理的关注[8]，产生有效的监督和防范作用[9]。严格的外部监督迫使企业更加注重环保，转变生产和运营模式，提高绿色生产效率[10]。由此可见，数字化程度的提升让企业在风险管理、环境保护与治理方面的努力及时为外界所了解[11]，进一步强化了绿色信贷政策在外部监督和信息传递方面的作用。综上所述，企业投资结构在绿色信贷政策与绿色发展之间发挥着至关重要的作用，并通过长期投资策略、投资风险承担能力、数字化投资水平的交互作用推动企业的绿色转型。
目前中国各级政府已陆续出台一系列绿色金融政策，但现阶段的绿色金融体系并不完善，如缺乏统一的绿色认证制度和规范的环保信息制度[12]、环境信息披露和绿色金融监管有待加强[13,14]。绿色金融的环境监督缺失可能会导致企业“漂绿”以及绿色信贷资源错配，这不仅削弱企业履行环境责任的动力，还会阻碍绿色金融的健康稳定发展[15,16]。同时，金融机构贷款的高风险会降低企业的绿色信贷意愿，且对企业短期创新失败缺乏包容，即企业环保投资的失败会影响短期绿色评价，并引发金融机构的严厉信贷限制[17]。此外，绿色领域投资往往具有风险高、收益不确定等问题，这将削弱绿色金融政策的实际作用[18]。上述问题对企业投资结构、资源配置效率提出了更高的要求，需要企业不仅关注产品和技术的绿色化，还要在运营和制度层面构建绿色管理体系[19]。企业作为市场经济发展和环境保护治理的主体，其绿色转型既是推进国家绿色发展战略的微观基础，也是经济战略转型的重要推动力[20]。那么，聚焦于市场激励手段的绿色信贷政策是否会促进企业的绿色发展?若存在积极作用，政策效应有多大?内在影响机制和逻辑是什么?针对这些问题的思考和分析，有助于全面评估绿色信贷政策效应并深入理解政策实施的理论和现实意义，为如何完善中国绿色金融体系、优化企业绿色转型的内在动力、促进经济高质量发展提供政策启示。基于此，本文选取2008—2021年沪深A股上市企业为研究样本，以原中国银行业监督管理委员会于2012年颁布的《绿色信贷指引》为准自然实验，运用PSM-DID模型实证检验绿色信贷政策对企业绿色发展的影响。从长期投资策略、投资风险承担能力、数字化投资水平三条路径验证绿色信贷政策实施对企业绿色发展的作用机制，讨论政策效应在企业规模、区域、环境规制强度等方面的异质性，最后提出促进企业绿色发展的政策建议，为绿色金融改革提供借鉴。
与已有文献相比，本文边际贡献可能有以下两点：第一，构建了企业绿色发展指标体系，较为全面、客观地衡量企业绿色发展水平。已有文献多采用单一指标或仅从绿色创新、环保投资等某个维度评估企业绿色转型或绿色发展，忽略了企业在生产、管理、社会责任等方面的绿色化探索，难以综合反映企业绿色发展的真实水平。本文从绿色生产、绿色创新、环境质量、社会共享、绿色制度等五个维度解读企业绿色发展的内涵，充分考量了企业在生产链改革与内部治理的绿色化转型，克服了单维指标缺乏全面性及代表性的不足，为全面评估绿色金融政策推动企业绿色发展的效果提供了更多的信息和视角。第二，从投资结构视角搭建绿色金融政策影响企业发展的理论框架，证实了投资期限、投资风险承担能力、数字化投资水平等三条影响路径，进一步深化理解了绿色信贷政策、投资结构与绿色发展之间的逻辑关系。这不仅丰富了有关绿色金融与绿色发展的研究视角及其本土化证据，也指明了企业绿色转型的未来发展方向，为政府进一步完善绿色金融政策、充分释放制度改革红利提供了重要的政策启示。

1 理论分析与假设提出

相较于传统的命令控制型环境政策，绿色信贷具有灵活性高、执行成本低等特性，其约束激励机制能有效引导企业低碳发展[21]，是实现企业绿色发展的重要推动力。基于信号理论，绿色信贷政策的实施释放了鼓励发展绿色经济的信号导向[22]，引导资金向绿色低碳领域倾斜[21]；同时，对污染企业具有一定的警示作用[23]。在政策信号的引导下，污染企业将面临更严格的环境监管和更高的合规成本，污染领域投资风险大大增加[24]，这将极大地降低投资者对污染领域的投资意愿[25]。为了消除绿色信贷的不利影响而获得信贷资源和融资便利，污染企业可能会转变投资策略，实施绿色转型。通过建立绿色声誉获得投资者和消费者的青睐[1]，如积极研发绿色技术、建设环保设施，以图在长期发展中取得竞争优势。通过现有文献的梳理，可以看出绿色信贷政策对企业绿色发展的影响与投资结构有着密切的关系。绿色信贷政策的实施影响企业融资的方式、规模和成本，进而改变企业的投资结构，而投资结构又是决定资源配置效率和方向的关键因素[1,2]。投资结构的转变有助于企业分散由环境问题带来的潜在风险，提高企业在绿色技术和产品领域的竞争力，从而增强绿色发展动能。本文基于投资结构视角，从投资期限、数字化投资水平及投资风险承担能力三条路径分析绿色信贷政策对企业绿色发展的影响机制。
首先，绿色信贷政策通过调整企业的投资期限提升了企业绿色发展水平。资本结构理论认为，企业投资决策仅取决于投资机会的盈利水平，与金融因素无关。因此，相较于回报周期长、风险高的长期投资项目，企业会倾向于投资见效快、周期短的项目[26]。绿色转型作为推动企业高质量发展的重要策略也存在长期投资类似的问题，即在短期内可能导致管理费用和治理成本的上升，进而削弱了决策者的内在动力[17]。幸运的是，绿色信贷政策的实施倒逼企业增加长期性的研发投入，促进了绿色转型[2]。一方面，绿色信贷政策的实施完善了环境信息披露制度，有效缓解了贷款机构与投资者之间、委托人与经理人之间的信息不对称问题[27]。这不仅削弱经济政策不确定性对企业投资的抑制效应，也降低了企业长期决策风险[28]。因此，企业投入长期性的绿色技术创新的意愿有所增强，由污染排放转为绿色生产，由注重短期利润变为注重持久发展[5]。另一方面，绿色信贷政策的实施可以通过信贷监督职能弱化企业短视主义偏好，缓解由此产生的长期投资不足[28]。绿色信贷政策通过释放绿色信号，提高了投资者和社会公众对企业环境治理的关注[8]，迫使企业提高环境披露质量[29]。企业环境治理和环境投资的透明化促使绿色发展成为企业的唯一出路[6]。尽管企业在短视决策的影响下往往因追求短期利益而忽视或放弃绿色项目转而追求利润更高的重污染项目[30]，然而因绿色信贷政策的监督效应，迫使管理者更加努力地开展周期长的绿色创新投资、寻求绿色发展机会[31]。
其次，绿色信贷政策通过提高企业投资风险承担能力提升绿色发展水平。绿色信贷政策将环境因素纳入银行的授信及项目管理框架，强化了环境竞争力在企业价值评估中的重要性[32]。面对较高的环境与社会风险，为对冲绿色信贷政策带来的风险及提升竞争力，重污染企业将主动增强其投资风险承担能力[33]。同时，绿色信贷政策有助于减弱政策的不确定性对企业的投资风险承担能力的负面影响[34]。研究表明，投资风险承担水平较高的企业通常具有长期战略眼光和可持续发展意识，愿意容忍更多的绿色收益波动性和不确定性[34]。因此，在绿色信贷加持下，企业可能会基于长远发展考虑，更加积极地绿色创新，优先考虑绿色项目。根据资源拼凑理论，企业投资风险承担水平的提升能够激发企业内部资源潜能，捕捉投资机遇，进而提升生产运营效率和管理效能。这会增强企业对绿色创新风险的容忍度和信心[35]，从而激励企业增加绿色投资，推动绿色发展进程[34]。
最后，绿色信贷政策通过提高企业的数字化投资水平推动绿色发展。近年来，随着数字技术的发展与普及，数字化转型逐渐成为企业绿色创新的驱动力[7,31]。绿色金融政策实施后，企业的绿色低碳转型需求有所增加[12]，这提高了企业对数据源、数据量及数据类型的要求[36]。在此情景下，企业可能加大投资数字化信息系统，以更好地收集和处理能源使用和环境治理等方面数据。企业的数字化投资将传递积极信号，可视为对企业信誉的正面“背书”[37]，不仅有助于拓宽融资渠道、抑制财务风险，且缓解了由信息不对称引发的各类问题[38]。因此，数字化投资有助于污染企业更有效地应对绿色信贷政策引发的风险和融资限制，从而减轻经营压力。此外，加大数字化投资可以提高人力资本质量、实施智能化的风险管理，进而促进企业的绿色创新转型[7,39]。数字化发展通过增强组织学习能力和动态能力整合企业内部知识，进而推动绿色转型进程[40,41]。具体来看，它不仅促进企业整合优势资源，提高资源配置效率和投资效率，还可以形成跨领域、网络化的协同创新平台。通过信息、知识和创新资源的共享、集成、利用和再创造等方式，及时捕捉风险信息，精确选择创新路径[40⇓-42]。这既能降低企业绿色转型中的机会主义，也可以助推企业更好地应对外部不确定性风险，使绿色研发设计、绿色生产管理更趋精准化[43]。综合以上论述，本文提出以下研究假说：
假说1：绿色信贷政策提升了企业绿色发展水平。
假说2：绿色信贷政策通过调整企业的投资期限促进企业绿色发展。
假说3：绿色信贷政策通过提高企业的投资风险承担能力促进企业绿色发展。
假说4：绿色信贷政策通过提高企业的数字化投资水平促进企业绿色发展。

2 研究方法与数据来源

2.1 数据来源

2007年原环保总局、中国人民银行、中国银行业监督管理委员会联合出台了《关于落实环境保护政策法规防范信贷风险的意见》，多个省市制定了绿色信贷的实施方案和具体细则。2012年原中国银行业监督管理委员会颁布了《绿色信贷指引》，完善了绿色信贷的政策体系。故以2012年为基准年，作为政策实施年份。考虑到2022年的部分重要指标数据缺失严重，故选择以2008—2021年作为研究期。参考王馨等[31]做法，以原中国银行业监督管理委员会在《绿色信贷实施情况关键评价指标》中明确的环境和社会风险A类企业所属行业为依据，若上市公司属于上述行业，则被认定为绿色信贷限制行业。选择中国沪深A股上市企业为研究样本，将绿色信贷受限制企业作为处理组。数据主要来源于CSMAR数据库（https://data.csmar.com/），包括上市公司的基本信息、财务报表、行业特征等。绿色专利数据来自国家知识产权局（https://www.cnipa.gov.cn/）。在初始样本的基础上，剔除ST、PT类财务状况异常以及财务数据或关键变量缺失严重的公司。防止数据极端值影响回归结果的模拟，剔除异常值，对所有的连续变量在1%~99%分位上进行Winsorize处理，最终得到3641家企业和23296个观测值。

2.2 模型设定

以《绿色信贷指引》作为一项准自然实验，采用双重差分模型（DID）考察控制组与处理组的绿色发展在政策实施前后的相对差异。考虑到可能出现样本选择偏差，在排除政策内生性影响的基础上，进一步使用倾向评分匹配（PSM）方法。该方法可以减弱未采用随机分组而产生的系统性差异，降低单独使用双重差分方法的估计偏误[44]。通过将有关企业的各类特征变量信息综合为一个倾向得分值，并依据此分值对处理组和控制组样本进行匹配，以更好地满足双重差分估计所要求的平行趋势假设，也可以解决在企业层面可能存在的因样本选择偏误带来的内生性问题。由此，选取PSM-DID模型进行估计，基准回归模型如下：
G R E i t = α 0 + α 1 T r e a t i × T i m e t + β C o n t r a l s i t + ϑ t + γ i + I n d t r e n d p + ε i t
式中： G R E i t代表i企业在t年的绿色发展水平；p代表行业； T r e a t i测度政策冲击的行业虚拟变量，若企业属于绿色信贷政策限制行业，则 T r e a t i = 1，否则 T r e a t i = 0； T i m e t衡量政策冲击的时间虚拟变量，若企业年份在2012年及之后，则 T i m e t = 1，否则 T i m e t = 0； α 1衡量绿色信贷政策对企业绿色发展的净效应； C o n t r a l s i t为一系列控制变量； α 0为常数项； β是系数； ϑ t为时间固定效应； γ i为个体固定效应，用于控制不随企业变化的宏观经济环境和不随时间变化的企业特征。为了降低企业所属行业的周期性特征对估计结果造成的可能影响，模型加入 I n d t r e n d p以控制行业时间趋势； ε i t为随机误差项。

2.3 变量选择

2.3.1 因变量：企业绿色发展

2018年出台的《绿色工厂评价通则》建立了“厂房集约化、原料无害化、生产洁净化、废物资源化、能源低碳化”的绿色工厂评价指标体系，为企业的绿色发展指引了方向。周英男等[45]认为企业绿色发展是企业从“高污染、高排放”向“资源节约、环境友好”的发展模式转变。中国社会科学院工业经济研究所课题组将绿色转型界定为：工业迈向“能源资源利用集约、污染物排放减少、环境影响降低、劳动生产率提高、可持续发展能力增强”的过程，以理念、技术和制度的全方位创新为支撑，注重环境效益与经济效益的协调统一。综合来看，企业的绿色发展是指企业以绿色发展理念为指导，通过技术创新、环保改造等途径进行产业升级，以实现企业生产中资源节约化、能源低碳化，树立良好公众社会形象的一种新的高质量发展模式。
对于绿色发展的衡量，现有文献已开展了不少研究。孙传旺等[46]从技术创新、生产水平、降污减排、环境保护、社会评价5个维度建立企业绿色转型综合评价指标，欧阳华生等[47]从绿色体制、绿色生产、绿色社会3个维度构建企业绿色发展评级体系，蒋煦涵等[48]从绿色体系、绿色减排、绿色研发构建制造业绿色发展指标体系。基于已有的研究成果，本文充分考虑企业绿色发展的内涵特征，重点关注企业生产过程的高效化、集约化、低碳化、可持续化，兼顾测度指标的层次性及数据可得性，构建了企业绿色发展评价体系。如表1所示，包括绿色生产、绿色创新、环境质量、社会共享、绿色制度5个子系统、18个准则层和34个测度指标。其中绿色生产强调企业采用环保材料、提高资源利用率、减少废弃物的产生与排放、实现生产活动生态化；绿色创新分为创新投入与产出，强调产品研发生产过程中采用绿色技术；环境质量主要关注企业污染排放、污染治理与环境监管水平；社会共享是指企业积极履行社会责任，为社会提供绿色产品和服务、参与公益事业；绿色制度是指企业建立和完善一系列与绿色发展相关的管理制度和政策措施，包括环保理念、环保培训、环保制度。5个维度相互促进，共同构成企业绿色发展评价体系的完整框架。
表1 绿色发展指数体系

Table 1 Green Development Index System

一级指标 二级指标 三级指标 变量定义 权重 指标属性
绿色生产
(0.17)		 绿色生产效率 绿色全要素生
产率		 采用SBM-ML指数测度 0.002 正向
清洁生产 亲环境产品
使用		 若开发或采用亲环境产品，赋值为1；否则为0 0.039 正向
清洁生产披露 0=无描述；1=定性描述；2=定量描述 0.035 正向
能源节约 能源节约行为 若采用能源节约政策/措施/技术，赋值为1；
否则为0		 0.036 正向
循环经济 可再生能源
使用		 若使用可再生能源或采用循环经济政策，
赋值为1；否则为0		 0.045 正向
环保投资 环保投资支出 当年绿色投资支出/期末总资产 0.014 正向
绿色创新
(0.19)		 创新投入 创新经费投入 研发经费投入/主营业务收入 0.015 正向
创新智力投入 研发部门员工数/员工总数 0.015 正向
创新智力投入 硕士及以上员工数/员工总数 0.019 正向
创新产出 总体绿色创新水平 ln(绿色发明专利申请量+绿色实用新型专利
申请量+1)		 0.018 正向
绿色创新数量 ln(绿色发明专利申请量+1) 0.023 正向
绿色创新质量 ln(绿色实用新型专利申请量+1) 0.022 正向
绿色创新效率 当年绿色专利申请数/研发投入 0.078 正向
环境质量
(0.30)		 污染排放 污染排放量 ln(总污染当量数+1） 0.003 负向
污染排放达标 若排放达标，赋值为1；否则为0 0.000 正向
污染治理 废气治理披露 0=无描述；1=定性描述；2=定量描述 0.021 正向
废水治理披露 0=无描述；1=定性描述；2=定量描述 0.020 正向
固废利用与
处置披露		 0=无描述；1=定性描述；2=定量描述 0.025 正向
粉尘烟尘治理
披露		 0=无描述；1=定性描述；2=定量描述 0.032 正向
噪声/光污染
治理披露		 0=无描述；1=定性描述；2=定量描述 0.032 正向
环境质量
(0.30)		 环境监管 重点污染监控单位披露 若披露公司为重点监控单位，赋值为1；否则为0 0.004 负向
突发环境事故 若有突发重大环境污染事件，赋值为1；否则为0 0.000 负向
发生环境违法
事件		 若发生环境违法事件，赋值为1；否则为0 0.000 负向
发生环境信访
事件		 若发生环境信访事件，赋值为1；否则为0 0.000 负向
ISO14001认证 若通过ISO14001审核，赋值为1；否则为0 0.028 正向
ISO9001认证 若通过ISO9001审核，赋值为1；否则为0 0.027 正向
年度报告披露 若年度报告披露环境相关信息，赋值为1；否则为0 0.004 正向
社会责任报告
披露		 若社会责任报告披露环境相关信息，赋值为1；
否则为0		 0.026 正向
独立环境报告
披露		 若有单独披露的环境报告，赋值为1；否则为0 0.076 正向
社会共享
(0.12)		 环保荣誉 获得环保荣誉/奖励 若披露公司获得环保方面荣誉或奖励，赋值为1；否则为0 0.038 正向
环保公益 参加环保公益活动 若披露公司参与环保专项或公益活动，赋值为1；否则为0 0.037 正向
绿色办公 办公节约资源 若公司有绿色办公政策或措施，赋值为1；否则为0 0.044 正向
环境税 环境保护税 缴纳的环境保护税额，2018年前未缴纳的排污费 0.000 负向
绿色制度
(0.22)		 环保理念 高管绿色认知 基于绿色竞争优势认知、企业社会责任认知、外部环境压力感知选取关键词，计算年报中关键词出现频次 0.020 正向
企业环保意识 若披露公司的环保理念、环保方针、环境管理组织结构、循环经济发展模式、绿色发展等，赋值为1；否则为0 0.021 正向
若披露公司环保目标完成情况或未来环保目标，赋值为1；否则为0 0.040 正向
环保培训 环保教育与
培训		 若披露公司参与环保相关教育与培训，赋值为1；否则为0 0.047 正向
环保制度 环保管理制度体系 若披露公司制定相关环境管理制度，赋值为1；否则为0 0.022 正向
环境事件应急机制 若披露公司建立环境相关重大突发事件应急机制，采取应急措施处理污染物等，赋值为1；否则为0 0.030 正向
“三同时”制度 若披露公司执行“三同时”制度，赋值为1；否则为0 0.042 正向

注：各指标权重保留三位小数，因部分指标权重数值过小，保留三位小数后显示为0.000。环保管理制度体系与企业环保意识中的“环境管理组织结构”可能有重叠，但不会造成较大影响。首先，二者承担不同的角色和意义：选择“环境管理组织结构”衡量环保意识是为了确保企业对外公布的环保理念不仅是抽象的概念，而是有明确的组织架构和人员配置支撑这些理念的实施。环保管理制度体系侧重于企业制定的一系列具体管理制度、政策和职责，强调操作层面的具体内容。其次，二者均属于绿色制度一级指标下，内部调整影响不大。此外，企业环保意识的测度是依据国泰安CSMAR数据库整体设计，无法单独获取“环境管理组织结构”的数据。

由于不同指标对企业绿色发展的影响程度不同，采用熵值法赋权，得到企业绿色发展指数（GRE），指数值越大，企业绿色发展水平越高。考虑到各指标的量纲问题，参照普遍做法，将企业绿色发展指数（GRE）及各维度得分扩大10倍，以消除不同量纲带来的分析偏差，确保结果的可比性和解释性。

2.3.2 自变量：绿色金融政策

虽然《关于构建绿色金融体系的指导意见》明确了绿色金融包括绿色信贷、绿色债券、绿色股票指数和相关产品、绿色发展基金、绿色保险、碳金融等，但受制于数据可获得性，无法全面分析所有绿色金融的作用。中国金融体系的银行主导型特点决定了绿色信贷是绿色金融领域最大的组成部分，因此探究绿色信贷政策的微观影响可以在很大程度上代表绿色金融的作用。Treat表征绿色信贷政策实施行业。若企业认定为属于绿色信贷限制行业（实验组），Treat=1；否则为绿色信贷非限制行业（对照组），Treat=0。Time表征绿色信贷政策实施时间，若企业处于绿色信贷政策实施后（2012年及以后），Time=1；否则为政策实施前（2012年以前），Time=0。

2.3.3 控制变量

基于理论分析、本文构建的理论框架和已有重要文献的普遍做法[31,46]，选择资产负债率、盈利能力、固定资产占比、托宾Q、现金流比率、企业成长性、两职合一、独董比例、账面市值比、企业规模、企业年龄、企业产权性质作为控制变量。上述控制变量被广泛认为是影响企业绿色发展的重要因素，加入模型中有助于准确地识别和解释绿色信贷政策的效应。限于篇幅，具体控制变量的选择理由在文中不再详述。表2是被解释变量、解释变量及控制变量的具体含义。
表2 变量定义表

Table 2 Definition of variables

变量类型 变量名称 变量符号 变量定义
被解释变量 企业绿色发展 GRE 基于企业绿色发展评价体系的得分
企业绿色生产 GRE1 基于企业绿色发展评价体系中绿色生产的得分
企业绿色创新 GRE2 基于企业绿色发展评价体系中绿色创新的得分
企业环境质量 GRE3 基于企业绿色发展评价体系中环境质量的得分
企业社会共享 GRE4 基于企业绿色发展评价体系中社会共享的得分
企业绿色制度 GRE5 基于企业绿色发展评价体系中绿色制度的得分
解释变量 绿色信贷限制企业 Treat 若是绿色信贷限制企业，则Treat=1；否则Treat=0
绿色信贷实施时间 Time 若企业在2012年及之后，则Time=1；否则Time=0
控制变量 资产负债率 LEV 总负债/总资产
盈利能力 ROA 企业净收益/企业总资产
固定资产占比 FIX 企业固定资产/企业总资产
托宾Q TBQ (流通股市值+非流通股股份数×每股净资产+负债账面值)/总资产
现金流比率 CASH 经营活动产生的现金流量净额/总资产
企业成长性 GROW 公司营业收入增长率
两职合一 DUAL 若董事长与总经理是同一个人，赋值为1；否则为0
独董比例 IND 独立董事人数/董事人数
账面市值比 BM 账面价值/总市值
企业规模 SIZE ln(公司年总资产)
企业年龄 AGE ln(当年年份-上市年份+1)
企业产权性质 SOE 若为国有企业，赋值为1；否则为0

2.4 描述性统计

表3报告了各变量的描述性统计结果。GRE的均值为1.241，标准差为1.254，最小值为0.068，最大值为5.556；GRE1、GRE2、GRE3、GRE4、GRE5的标准差分别为0.338、0.098、0.463、0.263、0.443，可见样本企业的绿色发展指数及其各维度的发展水平存在较大差异。TBQ、BM、SIZE等控制变量差异较大，标准差均大于1，数据较稳定，符合上市公司现实。
表3 变量描述性统计结果

Table 3 Descriptive statistical results of variables

变量 观测值/个 均值 标准差 最小值 最大值
GRE 23296 1.241 1.254 0.068 5.556
GRE1 23296 0.188 0.338 0.003 1.390
GRE2 23296 0.080 0.098 0.000 0.424
GRE3 23296 0.495 0.463 0.044 2.063
GRE4 23296 0.143 0.263 0.000 1.198
GRE5 23296 0.336 0.443 0.000 2.012
Treat 23296 0.019 0.138 0.000 1.000
Time 23296 0.872 0.334 0.000 1.000
Treat×Time 23296 0.011 0.105 0.000 1.000
LEV 23296 0.424 0.196 0.060 0.873
ROA 23296 0.043 0.060 -0.191 0.209
FIX 23296 0.219 0.147 0.006 0.677
TBQ 23296 2.038 1.211 0.870 7.687
CASH 23296 0.049 0.066 -0.136 0.232
GROW 23296 0.174 0.338 -0.482 1.896
DUAL 23296 0.271 0.445 0.000 1.000
IND 23296 0.375 0.053 0.333 0.571
BM 23296 0.977 1.001 0.104 6.080
SIZE 23296 22.208 1.218 20.058 26.031
AGE 23296 2.084 0.737 0.693 3.296
SOE 23296 0.324 0.468 0.000 1.000

3 结果分析

3.1 PSM分析

参照已有文献和R2最大法则[49]，构建Logit回归模型。选择基础回归模型中的控制变量作为协变量，估计样本企业的倾向得分值。基于卡尺最近邻匹配法对处理组和控制组进行匹配。为验证匹配结果可靠性，对变量得分匹配平衡性进行检验（表4）。经匹配后，处理组和控制组的变量均值均不存在显著性差异，标准差大幅下降，表明匹配后处理组和控制组的分布具有很好的一致性，满足PSM分析的平行趋势假设。为比较匹配前后处理组和控制组倾向得分值的差异性，绘制核密度函数图（图1）。对比可知，匹配后两组样本的核密度曲线基本一致，进一步说明匹配结果较为理想。
表4 变量匹配前后对比

Table 4 Comparison of variables before and after matching

变量 样本匹配 均值 标准偏差 标准偏差
减少幅度		 T检验
处理组 对照组 t值 p值
LEV 匹配前 0.536 0.422 59.800 12.210 0.000
匹配后 0.535 0.518 8.900 85.100 1.370 0.170
ROA 匹配前 0.037 0.043 -9.900 -2.020 0.044
匹配后 0.037 0.039 -2.500 74.700 -0.390 0.698
FIX 匹配前 0.400 0.216 119.000 26.770 0.000
匹配后 0.400 0.413 -8.700 92.700 -1.170 0.243
TBQ 匹配前 1.629 2.046 -38.800 -7.250 0.000
匹配后 1.630 1.721 -8.400 78.200 -1.330 0.183
CASH 匹配前 0.070 0.049 33.000 6.730 0.000
匹配后 0.070 0.074 -6.900 78.900 -1.030 0.303
GROW 匹配前 0.180 0.174 1.900 0.430 0.670
匹配后 0.180 0.190 -2.700 -40.300 -0.390 0.697
DUAL 匹配前 0.069 0.275 -56.900 -9.790 0.000
匹配后 0.069 0.078 -2.400 95.700 -0.510 0.609
IND 匹配前 0.365 0.375 -19.800 -3.920 0.000
匹配后 0.365 0.368 -5.800 70.800 -0.880 0.378
BM 匹配前 1.654 0.964 57.400 14.580 0.000
匹配后 1.651 1.534 9.700 83.000 1.320 0.188
SIZE 匹配前 23.260 22.190 81.500 18.670 0.000
匹配后 23.250 23.180 5.900 92.800 0.810 0.418
AGE 匹配前 2.433 2.077 52.400 10.190 0.000
匹配后 2.437 2.430 1.100 98.000 0.170 0.865
SOE 匹配前 0.874 0.314 138.700 25.500 0.000
匹配后 0.873 0.860 3.300 97.600 0.590 0.557
图1 匹配前后倾向得分的核密度分布比较

Fig. 1 Comparison of kernel density distribution of propensity scores before and after matching

3.2 基准回归分析

基准回归结果如表5所示，列 (1)、列 (2) 分别未加入和加入了控制变量，交互项系数均显著为正，且后者系数增加了近一倍。表明绿色信贷政策实施后，企业绿色发展水平得到显著提升。因此，假说1得到验证。模型 (3) ~模型 (7) 考察了绿色信贷对企业绿色发展分维度水平的影响。结果表明，绿色信贷政策显著提升了企业的绿色生产、绿色创新、环境质量、绿色制度的发展水平，而对企业社会共享水平并无显著影响，证实了“波特假说”。由此可以窥测企业可能更关注直接的环境和政策风险，倾向于投资环保技术、生产流程改进和污染控制等与绿色发展直接相关的且易于量化评估的环节，而对社会共享水平此类间接的、长期的社会福利效应并未给予足够的重视。虽然绿色信贷政策的实施从整体上促进了企业的绿色发展，但从局部各维度来看，还未能实现企业全面绿色转型。
表5 基准回归结果

Table 5 Benchmark regression results

变量 (1) GRE (2) GRE (3) GRE1 (4) GRE2 (5) GRE3 (6) GRE4 (7) GRE5
Treat×Time 0.146*
(0.08)		 0.286***
(0.08)		 0.075**
(0.03)		 0.014**
(0.01)		 0.065*
(0.03)		 -0.003
(0.03)		 0.138***
(0.04)
控制变量 否 是 是 是 是 是 是
行业时间趋势 否 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是 是
观测值/个 22626 22626 22626 22626 22626 22626 22626
调整R2 0.701 0.711 0.616 0.754 0.617 0.487 0.582

注：括号内报告的是稳健标准误，*、**和***分别表示在10%、5%和1%的水平上显著，下同。

3.3 平行趋势检验

为了验证企业绿色发展是绿色信贷政策所致而非受其他难以观测的因素影响，采用处理前趋势检验方法对平行趋势假定的合理性进行验证，具体模型如下：
G R E i t = α + ∑ n = - 4 9 β n T r e a t i t n + γ C o n t r o l i t + μ i + λ t + ε i t
式中：μi、λt分别表示个体固定效应、时间固定效应，用于控制不随时间变化的企业特征和不随企业变化的宏观经济环境； T r e a t i t n是以绿色信贷政策实施当年为参照而生成的相对年份政策变量，若为绿色信贷限制企业，则 T r e a t i t n=1，否则 T r e a t i t n=0。设定政策实施前一年为事件分析的基准年， β n是相对基准年的回归系数。如果 β n不显著异于0，则表明满足平行趋势假定。通过绘制95%置信区间下 β n的估计结果（图2），可见政策实施前，绿色信贷政策限制企业与非限制企业的绿色发展水平没有显著差异。绿色信贷政策实施初期，企业的绿色发展明显呈上升趋势，说明政策取得预期效果；在政策实施后期，污染企业的敏感性逐步降低，政策效果逐渐减弱。
图2 平行趋势检验

Fig. 2 Parallel trend test

3.4 稳健性检验

3.4.1 更换匹配方式检验

为了检验匹配方法的合理性，对初始样本进行半径匹配和核匹配，并做DID估计。由表6列 (1)~列 (2) 看出，Treat×Time系数均在1%的统计水平上显著为正，这与近邻匹配后的结果保持一致，说明绿色信贷政策有效提升了企业绿色发展水平。
表6 稳健性检验结果

Table 6 Robustness test results

变量 (1) 半径匹配 (2) 核匹配 (3) 解释变量滞后一期 (4) 制造业
样本		 (5) 新环
保法		 (6) 绿色金融改革创新试验区
Treat×Time 0.286***
(0.08)		 0.286***
(0.08)		 0.731***
(0.15)		 0.675***
(0.05)		 0.286***
(0.08)		 0.286***
(0.08)
P_green 0.009
(0.02)
P_area -0.021
(0.05)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 22674 22674 16994 18475 22626 22626
调整R2 0.711 0.711 0.299 0.298 0.711 0.711

3.4.2 子样本检验

为再次检验结果的稳健性，利用两组子样本进行回归分析。首先，考虑到潜在的内生性问题，使用滞后一期的Treat×Time作为解释变量，对模型进行重新估计。结果如表6列 (3) 所示，交互项系数在1%的统计水平上显著为正。其次，借鉴贺康等[50]做法，选取制造业企业样本进行回归。制造业既是绿色转型的主体，也是绿色信贷政策限制的主要对象。结果如表6列 (4) 所示，交互项系数在1%的水平上显著为正，与基准回归结果一致。

3.4.3 相关政策的干扰检验

为了排除同期其他政策的干扰，选择《中华人民共和国环境保护法》和“绿色金融改革创新试验区”政策，进行回归分析。2015年出台的《中华人民共和国环境保护法》（以下简称“《环保法》”）规定企业需要实施相关减排治污的举措，监管体系的强化极大地提高了企业环境成本，迫使企业关注环境绩效，可能对企业绿色发展产生影响[51,52]。借鉴刘媛媛等[52]方法，引入《环保法》政策变量（P_green）进行回归。结果如表6列 (5) 所示，P_green的系数不显著，而交互项系数显著为正。
自2017年以来，浙江、江西、广东、贵州、新疆均建立了绿色金融改革创新试验区。试验区将企业的“绿色”表现纳入金融机构的投融资决策，污染企业的债务融资受到明显约束，可能倒逼企业提高环保支出达到相应环境标准，以缓解融资压力[53]。因此，试验区企业的绿色发展可能受到反向激励。借鉴赵亚雄等[54]方法，引入绿色金融改革创新试验区的政策变量（P_area），进行回归。结果如表6列 (6) 所示，P_area的系数不显著，而交互项系数显著为正。由此可见，在排除了与绿色信贷政策同期实施的《中华人民共和国环境保护法》和“绿色金融改革创新试验区”政策后，估计结果与基准结果仍保持一致。《中华人民共和国环境保护法》和“绿色金融改革创新试验区”政策并没有影响到主效应。

3.4.4 安慰剂检验

为了进一步检验平行趋势，排除处理组和控制组在政策实施前存在系统性差异，确保企业绿色发展是受绿色信贷政策冲击而非其他外生因素影响。借鉴刘瑞明等[55]方法构造随机实验组和对照组进行安慰剂检验。具体做法如下：随机抽取相同样本量作为虚构的实验组和对照组，重复回归1000次，统计交互项的t值，做出核密度图并与基准回归结果中的t值对比。如图3所示，随机实验中的交互项系数t值分布在0两侧且服从正态分布，显著异于基准回归的t值3.46，排除其他随机因素的干扰。
图3 安慰剂检验结果

Fig. 3 Placebo test results

3.5 机制分析

3.5.1 长期投资效应

参照赵勇等[28]方法，基于资本性支出、长期股权投资、研发支出、投资现金流量等指标，采用熵值法计算长期投资综合指数（Invest），数值越大代表企业长期投资越多。按照Invest的年度中位数将样本划分为长期投资组（高Invest）和短期投资组（低Invest）。回归结果如表7列 (1)、列 (2) 所示，高Invest组的Treat×Time系数显著为正，而低Invest组的交互项系数不显著，表明绿色信贷政策有助于促进注重长期投资企业的绿色发展。因此，假说2得到验证。分维度结果显示，GRE1、GRE2、GRE3的两组交互项系数均为：高Invest组显著为正，而低Invest组不显著，说明绿色信贷政策改善了实施长期投资策略企业的绿色生产、绿色创新和环境质量。此外，不同周期投资企业的绿色制度水平在绿色信贷政策实施后均得到显著提升，而短期投资企业的影响更大。
表7 长期投资效应检验

Table 7 The test results of long-term investment effect

变量 GRE GRE1 GRE2
(1)
低Invest		 (2)
高Invest		 (3)
低Invest		 (4)
高Invest		 (5)
低Invest		 (6)
高Invest
Treat×Time 0.454
(0.29)		 0.289***
(0.10)		 0.073
(0.06)		 0.084**
(0.04)		 -0.012
(0.02)		 0.015*
(0.01)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 11011 10903 11011 10903 11011 10903
调整R2 0.706 0.732 0.593 0.644 0.756 0.776
变量 GRE3 GRE4 GRE5
(7)
低Invest		 (8)
高Invest		 (9)
低Invest		 (10)
高Invest		 (11)
低Invest		 (12)
高Invest
Treat×Time 0.078
(0.12)		 0.092**
(0.04)		 -0.001
(0.10)		 -0.007
(0.03)		 0.319***
(0.11)		 0.107**
(0.05)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 11011 10903 11011 10903 11011 10903
调整R2 0.625 0.639 0.470 0.516 0.594 0.589

3.5.2 投资风险承担效应

借鉴李俊成等[32]做法，采用经行业均值调整后的资产收益率在t~(t+2) 年的波动性测算企业投资风险承担能力（RiskT），数值越大意味着企业的投资风险承担能力越强。按照年度中位数将样本划分为低投资风险承担能力组（低RiskT）和高投资风险承担能力组（高RiskT）。结果如表8列 (1)、列 (2) 所示，高RiskT组的Treat×Time系数显著为正，而低RiskT组的交互项系数不显著，表明绿色信贷政策对投资风险承担能力较强企业的绿色发展具有显著促进作用，这与已有研究结论相似[33,34]。因此，假说3得到验证。分维度结果显示，GRE1、GRE2、GRE5的两组交互项系数均为：高RiskT组显著为正，而低RiskT组不显著，说明对于投资风险承担能力较强的企业，绿色信贷政策有助于提升他们的绿色生产、绿色创新、绿色制度水平。这也意味着绿色信贷政策可以通过增强企业投资风险承担能力，进而提高资本配置效率和管理效率，提高了企业开展绿色创新、绿色转型的风险容忍度和信心。
表8 风险承担效应检验

Table 8 The test results of risk-taking effect

变量 GRE GRE1 GRE2
(1)
低RiskT		 (2)
高RiskT		 (3)
低RiskT		 (4)
高RiskT		 (5)
低RiskT		 (6)
高RiskT
Treat×Time 0.193
(0.15)		 0.318***
(0.12)		 0.084
(0.06)		 0.093**
(0.04)		 -0.000
(0.01)		 0.027***
(0.01)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 9321 12438 9321 12438 9321 12438
调整R2 0.751 0.702 0.653 0.610 0.785 0.741
变量 GRE3 GRE4 GRE5
(7)
低RiskT		 (8)
高RiskT		 (9)
低RiskT		 (10)
高RiskT		 (11)
低RiskT		 (12)
高RiskT
Treat×Time 0.076
(0.06)		 0.033
(0.06)		 -0.041
(0.05)		 0.019
(0.04)		 0.078
(0.07)		 0.149**
(0.06)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 9321 12438 9321 12438 9321 12438
调整R2 0.654 0.621 0.512 0.496 0.605 0.583

3.5.3 数字化投资效应

参考已有研究做法[43,56]，依据关键词手工识别上市公司财务报告附注中有关企业数字化的无形资产和固定资产投资，计算二者加总占企业年度资产总额的比例，作为企业数字化投资水平（ED）的测度指标，数值越大代表企业数字化投资水平越高。按照年度中位数将样本划分为低数字化投资组（低ED）和高数字化投资组（高ED）。结果如表9列 (1)、列 (2) 所示，高ED组的Treat×Time系数显著为正，而低ED组的不显著，表明绿色信贷政策有助于促进数字化投资水平较高企业的绿色发展。因此，假说4得到验证。分维度结果显示，绿色信贷政策实施后，数字化投资水平较高企业的绿色制度水平有了明显提升。这意味着数字化投资与绿色制度之间可能存在技术互补效应，绿色信贷政策通过提高数字化投资水平，引导金融资源差异化及绿色化配置，促进企业绿色制度改革[40]。
表9 数字化投资效应检验

Table 9 The test results of digital investment effect

变量 GRE GRE1 GRE2
(1)
低ED		 (2)
高ED		 (3)
低ED		 (4)
高ED		 (5)
低ED		 (6)
高ED
Treat×Time 0.112
(0.13)		 0.332***
(0.12)		 0.074
(0.05)		 0.040
(0.05)		 0.014
(0.01)		 0.011
(0.01)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 11081 11186 11081 11186 11081 11186
调整R2 0.719 0.713 0.612 0.631 0.775 0.747
变量 GRE3 GRE4 GRE5
(7)
低ED		 (8)
高ED		 (9)
低ED		 (10)
高ED		 (11)
低ED		 (12)
高ED
Treat×Time -0.017
(0.05)		 0.060
(0.05)		 -0.029
(0.04)		 0.029
(0.03)		 0.072
(0.07)		 0.197***
(0.06)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 11081 11186 11081 11186 11081 11186
调整R2 0.621 0.620 0.515 0.468 0.590 0.580

3.6 异质性分析

3.6.1 企业规模异质性

在商业银行主导的金融体系中，金融资源配置的资产抵押偏好导致信贷资源主要集中在大型企业和重资产行业[57]。中小企业因其抵押品不足和信息不对称问题，在绿色技术创新投资领域常常难以获得必要的资金支持。因此，不同规模的企业在融资能力、经营效率等方面存在较大差异，可能影响绿色信贷政策的效果[58]。按照年度中位数将样本划分为小规模和大规模企业组，以检验企业规模的异质性，结果如表10所示。列 (1) 中的交互项系数显著为正，而列 (2) 中的交互项系数不显著，表明绿色信贷政策对小规模企业的绿色发展具有显著积极影响。可能的原因在于大企业资金来源渠道丰富，抗风险能力强，受绿色信贷政策的约束小，绿色转型的激励效果不明显；而小企业对金融机构信贷的依赖性较大，面对绿色信贷政策带来的融资压力，将会更加注重环境表现并监督管理层作出相应战略安排，有利于绿色转型，这与蔡晓春等[59]研究结论相似。分维度结果显示，绿色信贷政策的实施显著促进了小企业在绿色生产、环境质量方面的改善，但抑制了小企业绿色创新发展。这可能由于资金不足，小企业倾向于通过关停污染生产线、实施基本污染治理等低成本措施实现绿色生产，提高环境绩效。更加注重短期的财务表现在一定程度上限制了小企业对长期绿色创新项目的投资。此外，不同规模企业的绿色制度水平在绿色信贷政策实施后均得到显著提升，而小企业的影响更大。
表10 企业规模异质性检验

Table 10 The heterogeneity test of enterprise size

变量 GRE GRE1 GRE2
(1)
小规模		 (2)
大规模		 (3)
小规模		 (4)
大规模		 (5)
小规模		 (6)
大规模
Treat×Time 0.614***
(0.16)		 0.158
(0.11)		 0.174**
(0.07)		 0.064
(0.04)		 -0.009**
(0.00)		 0.011
(0.01)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 10800 11438 10800 11438 10800 11438
调整R2 0.651 0.718 0.530 0.619 0.677 0.796
变量 GRE3 GRE4 GRE5
(7)
小规模		 (8)
大规模		 (9)
小规模		 (10)
大规模		 (11)
小规模		 (12)
大规模
Treat×Time 0.189***
(0.06)		 -0.000
(0.04)		 0.004
(0.06)		 -0.019
(0.04)		 0.257***
(0.09)		 0.106**
(0.05)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 10800 11438 10800 11438 10800 11438
调整R2 0.613 0.633 0.465 0.480 0.546 0.586

3.6.2 区域异质性

由于区域经济差异，企业的发展水平和资金约束程度不同，绿色信贷政策的区域实施效果也不同。在经济较为发达地区，企业可能拥有更强的融资能力和更高的经营效率。在以银行信贷为主的间接融资渠道受阻后，企业会转向其他融资渠道获取资金[60]，这会削弱绿色信贷对企业绿色发展的激励作用。将样本划分为东部和中西部两类，考察绿色信贷政策影响企业绿色发展的区域异质性，结果如表11所示。列 (1) 的交互项系数显著为正，而列 (2) 的交互项系数不显著，表明绿色信贷政策对中西部地区企业的绿色发展具有促进作用，这与现有文献结论相似[61]。分维度结果显示，绿色信贷政策促进了中西部企业在绿色生产、环境质量方面的改善，提升了东部企业的绿色创新水平，但抑制了中西部企业的社会共享水平。此外，不同地区企业的绿色制度水平在绿色信贷政策实施后均得到显著提升。
表11 区域异质性检验

Table 11 The heterogeneity test of regional

变量 GRE GRE1 GRE2
(1)
中西部		 (2)
东部		 (3)
中西部		 (4)
东部		 (5)
中西部		 (6)
东部
Treat×Time 0.467***
(0.12)		 0.142
(0.11)		 0.155***
(0.04)		 0.006
(0.05)		 -0.002
(0.01)		 0.028***
(0.01)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 6753 15859 6753 15859 6753 15859
调整R2 0.698 0.718 0.593 0.627 0.724 0.765
变量 GRE3 GRE4 GRE5
(7)
中西部		 (8)
东部		 (9)
中西部		 (10)
东部		 (11)
中西部		 (12)
东部
Treat×Time 0.196***
(0.05)		 -0.044
(0.05)		 -0.063*
(0.04)		 0.058
(0.04)		 0.179***
(0.06)		 0.100*
(0.06)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 6753 15859 6753 15859 6753 15859
调整R2 0.616 0.619 0.438 0.508 0.559 0.595

3.6.3 环境政策异质性

绿色信贷政策的有效实施可能受到环境政策的调节作用，环境规制的加强有效提高绿色信贷的资源配置效率。严格的环境规制促使投资者关注企业环境信息、督促环境治理，企业会加大环境治理支出[31]。合理的环境规制可以刺激企业实施技术创新以减少污染排放，产生“创新补偿”效应，加快环境治理和优化进程[62]。为考察绿色信贷政策与环境规制政策对企业绿色发展的影响，借鉴刘荣增等[63]方法，采用工业污染治理完成投资额占工业增加值比例测量环境规制强度（ERG），进行回归。按照年度中位数将样本划分为高强度环境规制组（高ERG）和低强度环境规制组（低ERG），结果如表12所示。列 (2) 的交互项系数显著为正，而列 (1) 的交互项系数不显著，表明绿色信贷政策对高强度环境规制地区的企业绿色发展具有促进作用，与申韬等[64]研究结论相似。这意味着环境规制政策与绿色信贷政策存在着互补关系，产生叠加强化效果。环境规制较强地区的环境信息披露体系更加完善，绿色信贷的透明度更高，更有助于银行开展绿色信贷业务，对企业产生更大的压力和倒逼机制。分维度结果显示，绿色信贷政策提升了高环境规制地区企业的绿色生产和环境质量水平及低环境规制地区企业的绿色创新。企业的绿色制度水平受到绿色信贷政策的显著影响，但在不同强度的环境规制地区并无明显差异。
表12 环境政策异质性检验

Table 12 The heterogeneity test of environmental policy

变量 GRE1 GRE1 GRE2
(1)
低ERG		 (2)
高ERG		 (3)
低ERG		 (4)
高ERG		 (5)
低ERG		 (6)
高ERG
Treat×Time 0.201
(0.15)		 0.342***
(0.12)		 0.067
(0.06)		 0.094**
(0.04)		 0.030**
(0.01)		 0.007
(0.01)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 10077 11646 10077 11646 10077 11646
调整R2 0.726 0.722 0.636 0.630 0.769 0.744
变量 GRE3 GRE4 GRE5
(7)
低ERG		 (8)
高ERG		 (9)
低ERG		 (10)
高ERG		 (11)
低ERG		 (12)
高ERG
Treat×Time 0.018
(0.06)		 0.092*
(0.05)		 -0.032
(0.04)		 0.000
(0.04)		 0.129*
(0.07)		 0.151***
(0.06)
控制变量 是 是 是 是 是 是
行业时间趋势 是 是 是 是 是 是
个体固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值/个 10077 11646 10077 11646 10077 11646
调整R2 0.633 0.633 0.514 0.489 0.604 0.584

4 结论与启示

在“坚定不移走生态优先、绿色发展之路”的战略背景下，利用金融政策促进企业绿色转型既是企业高质量发展的要求，也是构建中国特色金融理论体系的重要内容。作为绿色金融体系的关键组成部分，实施绿色信贷政策推动企业绿色转型无疑是落实绿色发展战略的重要实践探索。本文以原中国银行业监督管理委员会在2012年颁布的《绿色信贷政策》作为准自然实验，重点考察绿色金融政策对受限制企业绿色发展的影响及作用机制，得到如下结论：
（1）绿色信贷政策的实施显著提升了企业绿色发展水平，这一结果在经过多种匹配方法、子样本回归、安慰剂检验、相关政策的干扰检验等一系列稳健性测试后依然成立。然而分维度检验发现，绿色信贷政策并未提高企业社会共享水平，而是主要通过改善绿色生产、绿色创新、环境质量、绿色制度促进企业绿色发展，说明绿色信贷政策还未能全面促进企业绿色转型。
（2）从企业投资结构视角检验作用机制的结果表明，绿色信贷政策影响企业绿色发展的主要路径包括投资期限、投资风险承担能力、数字化投资水平。具体而言，绿色信贷政策实施后，注重长期投资有助于改善企业绿色生产、绿色创新和环境质量。投资风险承担能力的提高有利于提升企业的绿色生产、绿色创新和绿色制度水平，数字化投资水平的提升有助于完善企业的绿色制度。这意味着绿色信贷政策通过提高企业风险承担水平，增强企业开展绿色创新的风险容忍度和信心，强化了绿色发展理念。数字化投资水平的提高，缓解了融资约束，有助于风险管理，激励企业绿色发展。
（3）异质性检验发现，绿色信贷政策对企业绿色发展的作用受到企业规模、区域特征、政策强度的影响。环境规制政策与绿色信贷政策可能存在着互补关系，产生叠加强化效果，在高强度环境规制地区可能会产生更大的压力和倒逼机制。绿色信贷政策实施后，小规模企业、中西部地区企业、高强度环境规制地区企业的绿色发展有所提升。具体来看，小企业的绿色生产、环境质量有所改善，但绿色创新水平受到抑制；中西部企业的绿色生产、环境质量及东部企业的绿色创新有所提高，但抑制了中西部企业的社会共享水平。此外，绿色信贷政策提升了高环境规制地区企业的绿色生产、环境质量及低环境规制地区企业的绿色创新。
基于以上结论，本文总结得出如下政策启示：
（1）健全绿色金融政策体系，完善政策的引导激励机制。首先，完善绿色金融政策，提高信贷资源配置效率。建立绿色标准，明确支持的绿色产业和绿色项目类型，实现信贷资源的精准投放，引导企业低碳转型，实现经济绿色发展。加强绿色金融监管，强化金融机构的风险管理体系，确保绿色金融体系的稳定性和可持续性。其次，完善绿色金融政策对企业社会责任的引导和激励机制，全面提高企业绿色发展水平。将环境质量、社会共享等要素纳入评估标准，进一步优化企业社会责任评估体系，引导企业主动承担社会责任，提高社会共享水平。
（2）优化企业投资结构，推动企业绿色发展。首先，完善企业环境信息披露制度，鼓励企业对绿色生产、绿色创新等绿色领域的长期投资。通过实施税收减免或财政补贴等政策及完善环境信息披露制度，减少企业长期绿色投资决策的顾虑。制定并推广绿色生产和运营的标准，以准确评估企业绿色发展绩效，引导企业避免短视主义行为，建立和完善绿色制度。其次，推动企业数字化信息系统建设，加强数字技术在企业绿色转型中的应用。建立数字化发展产业园示范基地，构建知识共享和技术协作平台，降低企业绿色生产、绿色技术创新壁垒，激发企业绿色转型的内在动力，提高绿色生产效率和企业环境质量。最后，建立风险分担和补偿机制，减轻企业在绿色转型过程中的经济压力。设立绿色转型风险评估机构，为企业提供专业的风险评估服务，降低企业实现绿色生产和绿色技术创新的门槛和风险。设立绿色转型风险补偿机制，增强投资风险承担能力，进而提高企业绿色生产运营效率和绿色制度管理效能。
（3）充分考虑企业和区域的差异性，重视政策设计和实施的针对性和灵活性。金融机构应开发针对大企业和发达地区企业的绿色金融产品和服务，打破对现有生产模式的依赖，提高绿色转型的动力，引导大企业和发达地区企业建立绿色生产体系。制定差异化信贷政策，提供更优惠的信贷条件和更灵活的还款设计。鼓励和支持更依赖间接融资的中小企业和中西部地区企业的绿色转型，为中小企业提供研发扶持，增强绿色创新能力。发挥绿色信贷政策与环境规制政策的协同互补作用，通过信息共享和联合监管，提高减污降碳的协同治理效果和效率，形成更有效的“约束网”。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王艳丽, 类晓东, 龙如银. 绿色信贷政策提高了企业的投资效率吗? 基于重污染企业金融资源配置的视角. 中国人口·资源与环境, 2021, 31(1): 123-133.

[WANG Y L, LEI X D, LONG R Y. Can green credit policy promote the corporate investment efficiency? Based on the perspective of high-pollution enterprises' financial resource allocation. China Population, Resources and Environment, 2021, 31(1): 123-133.]

[2]
王康仕, 孙旭然, 王凤荣. 绿色金融、融资约束与污染企业投资. 当代经济管理, 2019, 41(12): 83-96.

[WANG K S, SUN X R, WANG F R. Green finance, financing constrains and the investment of polluting enterprise. Contemporary Economic Management, 2019, 41(12): 83-96.]

[3]
ZHANG T. Can green finance policies affect corporate financing? Evidence from China's green finance innovation and reform pilot zones. Journal of Cleaner Production, 2023, 419: 138289, Doi: 10.1016/j.jclepro.2023.138289.

[4]
DENG H, LI Y, LIN Y J. Green financial policy and corporate risk-taking: Evidence from China. Finance Research Letters, 2023, 58: 104381, Doi: 10.1016/j.frl.2023.104381.

[5]
陈琪, 尚宇. 绿色并购的绿色创新效应: 策略逢迎还是实质转型. 金融发展研究, 2023, (6): 36-46.

[CHEN Q, SHANG Y. The green innovation effect of green mergers and acquisitions: Strategic fitting or substantial transformation. Journal of Financial Development Research, 2023, (6): 36-46.]

[6]
郭红, 尹菁. 绿色信贷政策实施对重污染企业投资效率影响研究: 促进还是抑制?. 现代财经: 天津财经大学学报, 2023, 43(5): 85-99.

[GUO H, YIN J. Impact of green credit policy on investment efficiency of heavily polluting enterprises: Promotion or inhibition?. Modern Finance and Economics: Journal of Tianjin University of Finance and Economics, 2023, 43(5): 85-99.]

[7]
HE J Q, SU H W. Digital transformation and green innovation of Chinese firms: The moderating role of regulatory pressure and international opportunities. International Journal of Environmental Research and Public Health, 2022, 19(20): 13321, Doi: 10.3390/ijerph192013321.

[8]
ENGLE R, GIGLIO S, KELLY B, et al. Hedging climate change news. The Review of Financial Studies, 2020, 33(3): 1184-1216.

[9]
周肖肖, 贾梦雨, 赵鑫. 绿色金融助推企业绿色技术创新的演化博弈动态分析和实证研究. 中国工业经济, 2023, (6): 43-61.

[ZHOU X X, JIA M Y, ZHAO X. An empirical study and evolutionary game analysis of green finance promoting enterprise green technology innovation. China Industrial Economics, 2023, (6): 43-61.]

[10]
孙浩, 郭劲光. 环境规制和产业集聚对能源效率的影响与作用机制: 基于空间效应的视角. 自然资源学报, 2022, 37(12): 3234-3251.

DOI

[SUN H, GUO J G. The influence and mechanism of environmental regulation and industrial agglomeration on energy efficiency: A spatial effects-based perspective. Journal of Natural Resources, 2022, 37(12): 3234-3251.].

DOI

[11]
吴秋生, 任晓姝. 绿色信贷政策与企业“漂绿”行为治理: 基于国家金融学框架下的实证研究. 金融经济学研究, 2023, 38(1): 146-160.

[WU Q S, REN X S. Green credit policy and governance of corporate greenwashing behavior: An empirical study based on the national finance framework. Financial Economics Research, 2023, 38(1): 146-160.]

[12]
高原, 申珍珍. 绿色金融改革政策的碳减排效应. 中国环境科学, 2022, 42(10): 4849-4859.

[GAO Y, SHEN Z Z. The role of green finance reform policy in carbon reduction. China Environmental Science, 2022, 42(10): 4849-4859.]

[13]
朱兰, 郭熙保. 党的十八大以来中国绿色金融体系的构建. 改革, 2022, (6): 106-115.

[ZHU L, GUO X B. Construction of China's green finance system since the 18th national congress of the CPC. Reform, 2022, (6): 106-115.]

[14]
国务院发展研究中心“绿化中国金融体系”课题组, 张承惠, 谢孟哲, 等. 发展中国绿色金融的逻辑与框架. 金融论坛, 2016, 21(2): 17-28.

["Green China's Financial System" study group of Development Research of the State Council, ZHANG C H, XIE M Z, et al. The developmental logic and framework of China's green finance. Finance Forum, 2016, 21(2): 17-28.]

[15]
SUN Z Y, ZHANG W W. Do government regulations prevent greenwashing? An evolutionary game analysis of heterogeneous enterprises. Journal of Cleaner Production, 2019, 231: 1489-1502.

[16]
ZHANG D Y. Green financial system regulation shock and greenwashing behaviors: Evidence from Chinese firms. Energy Economics, 2022, 111: 106064, Doi: 10.1016/j.eneco.2022.106064.

[17]
郭俊杰, 方颖, 郭晔. 环境规制、短期失败容忍与企业绿色创新: 来自绿色信贷政策实践的证据. 经济研究, 2024, 59(3): 112-129.

[GUO J J, FANG Y, GUO Y. Environmental regulation, short-term failure tolerance and firm green innovation: Evidence from the practice of green credit policy. Economic Research Journal, 2024, 59(3): 112-129.]

[18]
胡洁, 于宪荣, 韩一鸣. ESG评级能否促进企业绿色转型? 基于多时点双重差分法的验证. 数量经济技术经济研究, 2023, 40(7): 90-111.

[HU J, YU X R, HAN Y M. Can ESG rating promote green transformation of enterprises:A validation based on the time-varying DID model. Journal of Quantitative & Technological Economics, 2023, 40(7): 90-111.]

[19]
解学梅, 朱琪玮. 企业绿色创新实践如何破解“和谐共生”难题?. 管理世界, 2021, 37(1): 128-149, 9.

[XIE X M, ZHU Q W. How can green innovation solve the dilemmas of "harmonious coexistence"?. Journal of Management World, 2021, 37(1): 128-149, 9.]

[20]
戴其文, 杨靖云, 张晓奇, 等. 污染企业/产业转移的特征、模式与动力机制. 地理研究, 2020, 39(7): 1511-1533.

DOI

[DAI Q W, YANG J Y, ZHANG X Q, et al. Transfer characteristics, patterns and mechanisms of polluting enterprises and industries. Geographical Research, 2020, 39(7): 1511-1533.]

[21]
孙少岩, 王笑音, 高翠云. 绿色信贷能发挥碳减排效应吗?. 中国人口·资源与环境, 2023, 33(8): 37-47.

[SUN S Y, WANG X Y, GAO C Y. Can green credit reduce carbon emissions?. China Population, Resources and Environment, 2023, 33(8): 37-47.]

[22]
姜燕, 秦淑悦. 绿色信贷政策对企业可持续发展绩效的促进机制. 中国人口·资源与环境, 2022, 32(12): 78-91.

[JIANG Y, QIN S Y. Promotion mechanism of green credit policy on sustainable development performance of enterprises. China Population, Resources and Environment, 2022, 32(12): 78-91.]

[23]
徐胜, 赵欣欣, 姚双. 绿色信贷对产业结构升级的影响效应分析. 上海财经大学学报, 2018, 20(2): 59-72.

[XU S, ZHAO X X, YAO S. Analysis on the effect of green credit on the upgrading of industrial structure. Journal of Shanghai University of Finance and Economics, 2018, 20(2): 59-72.]

[24]
LI W, CHENG H H, HE J H, et al. The impacts of green credit policy on green innovation of high-polluting enterprises in China. Finance Research Letters, 2024, 62: 105167, Doi: 10.1016/j.frl.2024.105167.

[25]
LIN B Q, PAN T. Financing decision of heavy pollution enterprises under green credit policy: Based on the perspective of signal transmission and supply chain transmission. Journal of Cleaner Production, 2023, 412: 137454, Doi: 10.1016/j.jclepro.2023.137454.

[26]
JOHN K, LITOV L, YEUNG B. Corporate governance and risk-taking. The Journal of Finance, 2008, 63(4): 1679-1728.

[27]
南晓莉, 岳俐. 绿色信贷政策与污染型僵尸企业治理: 淘汰与转型的双重效应. 大连理工大学学报: 社会科学版, 2024, 45(1): 23-32.

[NAN X L, YUE L. Green credit policy and disposing of polluting zombie enterprises elimination effect and transformation effect. Journal of Dalian University of Technology: Social Sciences, 2024, 45(1): 23-32.]

[28]
赵勇, 马珍妙. 营商环境对企业长期投资决策的影响: 基于上市公司的面板数据分析. 改革, 2023, (9): 110-128.

[ZHAO Y, MA Z M. The impact of business environment on long-term investment decisions of enterprises: Based on the panel data analysis of listed companies. Reform, 2023, (9): 110-128.]

[29]
QI M. Green credit, financial ecological environment, and investment efficiency. Complexity, 2021, (1): 5539195, Doi: 10.1155/2021/5539195.

[30]
杨融, 陈效林, 夏雨晴. 双碳背景下CEO开放性与重污染企业绿色并购. 北京工商大学学报: 社会科学版, 2023, 38(5): 111-124.

[YANG R, CHEN X L, XIA Y Q. CEO openness and green M&A of heavy-polluting enterprises in the context of the carbon peaking and carbon neutrality policy. Journal of Beijing Technology and Business University: Social Sciences, 2023, 38(5): 111-124.]

[31]
王馨, 王营. 绿色信贷政策增进绿色创新研究. 管理世界, 2021, 37(6): 173-188, 11.

[WANG X, WANG Y. Research on the green innovation promoted by green credit policies. Journal of Management World, 2021, 37(6): 173-188, 11.]

[32]
李俊成, 彭俞超, 王文蔚. 绿色信贷政策能否促进绿色企业发展? 基于风险承担的视角. 金融研究, 2023, (3): 112-130.

[LI J C, PENG Y C, WANG W W. Can the green credit policy promote the development of green enterprises from the perspective of risk-taking?. Journal of Financial Research, 2023, (3): 112-130.]

[33]
程振, 赵振智, 吕德胜. 绿色信贷、企业风险承担与企业绿色创新: “波特效应”的中国证据. 技术经济与管理研究, 2022, (10): 68-74.

[CHENG Z, ZHAO Z Z, LYU D S. Green credit, enterprise risk bearing and enterprise green innovation: The Chinese evidence of "porter effect". Journal of Technical Economics & Management, 2022, (10): 68-74.]

[34]
李善燊, 赵蓉, 郝琪梦. 碳市场试点促进企业绿色投资增长吗? 基于融资约束和风险承担的视角. 征信, 2024, 42(1): 79-87.

[LI S S, ZHAO R, HAO Q M. Does the carbon market pilot promote the growth of green investment of enterprises? From the perspective of financing constraints and risk taking. Credit Reference, 2024, 42(1): 79-87.]

[35]
严若森, 陈静, 李浩. 基于融资约束与企业风险承担中介效应的政府补贴对企业创新投入的影响研究. 管理学报, 2020, 17(8): 1188-1198.

[YAN R S, CHEN J, LI H. The impact of government subsidies on enterprise innovation investment based on the mediating effects of financing constraints and risk-taking. Chinese Journal of Management, 2020, 17(8): 1188-1198.]

[36]
佟岩, 赵泽与, 李鑫. 地方政府减碳重视度与企业数字化转型: 来自高耗能上市公司的经验证据. 财经论丛, 2023, (12): 82-91.

[TONG Y, ZHAO Z Y, LI X. Local governments' emphasis on carbon reduction and enterprise digital transformation: Evidence from high energy-consuming listed companies. Collected Essays on Finance and Economics, 2023, (12): 82-91.]

[37]
易露霞, 吴非, 徐斯旸. 企业数字化转型的业绩驱动效应研究. 证券市场导报, 2021, (8): 15-25, 69.

[YI L X, WU F, XU S Y. Research on the performance driving effect of enterprise digital transformation. Securities Market Herald, 2021, (8): 15-25, 69.]

[38]
SU J Q, WEI Y Y, WANG S B, et al. The impact of digital transformation on the total factor productivity of heavily polluting enterprises. Scientific Reports, 2023, 13(1): 6386, Doi: 10.1038/s41598-023-33553-w.

PMID

[39]
楼润平, 张昊, 麦诗诗. 制造业企业数字化投资与创新绩效: 人力资本的中介作用. 海南大学学报: 人文社会科学版, 2022, 40(6): 100-112.

[LOU R P, ZHANG H, MAI S S. Digitalization investment and innovation performance in the manufacturing enterprises: The intermediary role of human capital. Journal of Hainan University: Humanities & Social Sciences, 2022, 40(6): 100-112.]

[40]
UNIVERSITY E, BHARADWAJ A, EL SAWY O A, et al. Digital business strategy: Toward a next generation of insights. MIS Quarterly, 2013, 37(2): 471-482.

[41]
CHEN P Y, HAO Y Y. Digital transformation and corporate environmental performance: The moderating role of board characteristics. Corporate Social Responsibility and Environmental Management, 2022, 29(5): 1757-1767.

[42]
吴卫红, 秦臻, 张爱美, 等. 企业数字化转型与政府数字化治理对创新“提质增量”的协同影响机制研究. 广西师范大学学报: 哲学社会科学版, 2024, 60(2): 42-58.

[WU W H, QIN Z, ZHANG A M, et al. Research on the collaborative impact mechanism of enterprise digital transformation and government digital governance on the innovation "Improvement in both quantity and quality". Journal of Guangxi Normal University: Philosophy and Social Sciences Edition, 2024, 60(2): 42-58.]

[43]
祁怀锦, 曹修琴, 刘艳霞. 数字经济对公司治理的影响: 基于信息不对称和管理者非理性行为视角. 改革, 2020, (4): 50-64.

[QI H J, CAO X Q, LIU Y X. The influence of digital economy on corporate governance: Analyzed from information asymmetry and irrational behavior perspective. Reform, 2020, (4): 50-64.]

[44]
孙晓华, 张竣喃, 郑辉. “营改增”促进了制造业与服务业融合发展吗?. 中国工业经济, 2020, (8): 5-23.

[SUN X H, ZHANG J N, ZHENG H. Will replacing BT with VAT promote the integrated development of manufacturing and services?. China Industrial Economics, 2020, (8): 5-23.]

[45]
周英男, 黄赛. 可持续发展视域下火电企业绿色转型模式: 基于华电宁夏分公司的案例研究. 科研管理, 2020, 41(2): 172-182.

[ZHOU Y N, HUANG S. Green transformation model of thermal power enterprises from the perspective of sustainable development: A case study based on Huadian Ningxia Branch. Science Research Management, 2020, 41(2): 172-182.]

[46]
孙传旺, 张文悦. 对外直接投资与企业绿色转型: 基于中国企业微观数据的经验研究. 中国人口·资源与环境, 2022, 32(9): 79-91.

[SUN C W, ZHANG W Y. Outward foreign direct investment and enterprise green transition: An empirical study based on the micro data of Chinese enterprises. China Population, Resources and Environment, 2022, 32(9): 79-91.]

[47]
欧阳华生, 张光忠, 王青颖. 环保财税政策促进重污染企业绿色发展了吗? 基于“税”与“补”的政策选择视角. 地方财政研究, 2023, (7): 40-53.

[OUYANG H S, ZHANG G Z, WANG Q Y. Does the environmental fiscal policy promote the green development of heavily polluting enterprises? From the perspective of policy choice based on "tax" and "subsidy". Sub National Fiscal Research, 2023, (7): 40-53.]

[48]
蒋煦涵, 章丽萍. 数字化转型促进高端制造业绿色发展的路径研究. 当代财经, 2023, (9): 16-27.

[JIANG X H, ZHANG L P. Research on the path of digital transformation to promote the green development of the high-end manufacturing industry. Contemporary Finance & Economics, 2023, (9): 16-27.]

[49]
孙菁, 周红根, 李启佳. 股权激励与企业研发投入: 基于PSM的实证分析. 南方经济, 2016, (4): 63-79.

[SUN J, ZHOU H G, LI Q J. Equity incentives and enterprise R&D investment: Based on the empirical analysis of PSM. South China Journal of Economics, 2016, (4): 63-79.]

[50]
贺康, 王运陈, 张立光, 等. 税收优惠、创新产出与创新效率: 基于研发费用加计扣除政策的实证检验. 华东经济管理, 2020, 34(1): 37-48.

[HE K, WANG Y C, ZHANG L G, et al. Tax preferences innovation output and innovation efficiency: Based on R&D expense super deduction policy. East China Economic Management, 2020, 34(1): 37-48.]

[51]
柳建华, 杨祯奕, 孙亮. 强环境规制与重污染企业的环境治理行为: 基于实施新《环保法》与开展中央环保督察的检验. 会计研究, 2023, (7): 178-192.

[LIU J H, YANG Z Y, SUN L. Strict environmental regulation and environmental governance behavior of heavily polluting enterprises: Based on the introduction of the new Environmental Protection Law and the implementation of central environmental protection inspection. Accounting Research, 2023, (7): 178-192.]

[52]
刘媛媛, 黄正源, 刘晓璇. 环境规制、高管薪酬激励与企业环保投资: 来自2015年《环境保护法》实施的证据. 会计研究, 2021, (5): 175-192.

[LIU Y Y, HUANG Z Y, LIU X X. Environmental regulation, management's compensation incentive and corporate environmental investment: Evidence from the implementation of the Environmental Protection Law in 2015. Accounting Research, 2021, (5): 175-192.]

[53]
王修华, 刘锦华, 赵亚雄. 绿色金融改革创新试验区的成效测度. 数量经济技术经济研究, 2021, 38(10): 107-127.

[WANG X H, LIU J H, ZHAO Y X. Effectiveness measurement of green finance reform and innovation pilot zone. The Journal of Quantitative & Technical Economics, 2021, 38(10): 107-127.]

[54]
赵亚雄, 王修华, 刘锦华. 绿色金融改革创新试验区效果评估: 基于绿色经济效率视角. 经济评论, 2023, (2): 122-138.

[ZHAO Y X, WANG X H, LIU J H. Effectiveness measurement of green finance reform and innovation pilot zone: Based on the perspective of green economic efficiency. Economic Review, 2023, (2): 122-138.]

[55]
刘瑞明, 毛宇, 亢延锟. 制度松绑、市场活力激发与旅游经济发展: 来自中国文化体制改革的证据. 经济研究, 2020, 55(1): 115-131.

[LIU R M, MAO Y, KANG Y K. Deregulation, market vitality and tourism economy development: Evidence from Chinese cultural system reform. Economic Research Journal, 2020, 55(1): 115-131.]

[56]
宋德勇, 朱文博, 丁海. 企业数字化能否促进绿色技术创新? 基于重污染行业上市公司的考察. 财经研究, 2022, 48(4): 34-48.

[SONG D Y, ZHU W B, DING H. Can firm digitalization promote green technological innovation? An examination based on listed companies in heavy pollution industries. Journal of Finance and Economics, 2022, 48(4): 34-48.]

[57]
刘锡良, 文书洋. 中国的金融机构应当承担环境责任吗? 基本事实、理论模型与实证检验. 经济研究, 2019, 54(3): 38-54.

[LIU X L, WEN S Y. Should financial institutions be environmentally responsible in China? Facts, Theory and evidence. Economic Research Journal, 2019, 54(3): 38-54.]

[58]
戴其文, 郝文杰, 承忠彬, 等. 环境规制政策驱动实体经济“脱实向虚”了吗? 基于中国碳排放权交易试点的准自然实验. 自然资源学报, 2024, 39(6): 1320-1340.

DOI

[DAI Q W, HAO W J, CHENG Z B, et al. Has environmental regulatory policy driven the financialization of manufacturing enterprises? A quasi-natural experiment from the enactment of China's carbon emission trading pilot policy. Journal of Natural Resources, 2024, 39(6): 1320-1340.]

[59]
蔡晓春, 刘雨萱. 绿色信贷政策对企业竞争力的影响研究. 工业技术经济, 2023, 42(9): 65-74.

DOI

[CAI X C, LIU Y X. Study on the influence of green credit policy on enterprise competitiveness. Journal of Industrial Technological Economics, 2023, 42(9): 65-74.]

[60]
魏巍, 郑红, 张娇娇. 绿色信贷对“两高”企业债务融资规模影响研究. 征信, 2024, 42(1): 70-78.

[WEI W, ZHENG H, ZHANG J J. Research on the impact of green credit on the scale of debt financing of "two highs"enterprises. Credit Reference, 2024, 42(1): 70-78.]

[61]
王韶华, 林小莹, 张伟, 等. 绿色信贷对中国工业绿色技术创新效率的影响研究. 统计与信息论坛, 2023, 38(4): 88-102.

[WANG S H, LIN X Y, ZHANG W, et al. Research on the impact of green credit on green technology innovation efficiency of industry in China. Journal of Statistics and Information, 2023, 38(4): 88-102.]

[62]
郭沛, 梁栋. 低碳试点政策是否提高了城市碳排放效率: 基于低碳试点城市的准自然实验研究. 自然资源学报, 2022, 37(7): 1876-1892.

DOI

[GUO P, LIANG D. Does the low-carbon pilot policy improve the efficiency of urban carbon emissions: Quasi-natural experimental research based on low-carbon pilot cities. Journal of Natural Resources, 2022, 37(7): 1876-1892.]

DOI

[63]
刘荣增, 何春. 环境规制对城镇居民收入不平等的门槛效应研究. 中国软科学, 2021, (8): 41-52.

[LIU R Z, HE C. Study on the threshold effect of environmental regulation on income inequality of urban residents. China Soft Science, 2021, (8): 41-52.]

[64]
申韬, 李小依. 绿色信贷对企业竞争力的影响研究: 基于《绿色信贷指引》的准自然实验. 工业技术经济, 2023, 42(8): 134-142.

DOI

[SHEN T, LI X Y. A study on the impact of green credit on corporate competitiveness: A quasi-natural experiment based on the Green Credit Guidelines. Journal of Industrial Technological Economics, 2023, 42(8): 134-142.]

Options
Outlines

/

〈 〉