绿色信贷与企业全要素生产率——基于,“两高一剩”企业的准自然实验分析

胡 浩 刘笑笑

（上海大学经济学院，上海 200444）

改革开放以来，我国经济实现了30多年的高速增长，但从2012年开始，随着人口红利消失、资本积累速度降低及成本优势减弱，经济下行压力不断增大，经济发展与资源环境的矛盾日趋尖锐，重工业化趋势明显和落后产能过剩的问题日益突出。在此背景下，如何改善环境质量，推动经济高质量发展，成为众多学者关心的问题。根据索洛（Solow）经济增长模型，全要素生产率是经济增长的内在动力，也是推动经济高质量发展的关键。我国是银行主导型的金融体系，企业外部融资需求主要依赖于银行贷款，这意味着推动企业全要素生产率提升的过程中，不可忽略绿色信贷带来的影响。“两高一剩”行业属于关系国计民生的传统支柱型产业，在国民经济体系中扮演着重要角色，推动 “两高一剩”企业绿色转型升级是经济高质量发展的必然要求。

与传统环境规制不同，绿色信贷兼具信贷资源配置与环境规制的双重特性，积极引导银行体系内部资金从污染领域流向绿色领域，遏制 “两高一剩”企业盲目投资扩张，推动其向绿色、低碳、循环方向发展。但在具体实践中，绿色信贷的作用效果取决于政策本身是否合理、银行能否有效执行及微观企业的应对策略等多重因素［1］。基于上述背景，本文探讨以下问题：绿色信贷能否提升 “两高一剩”企业全要素生产率？影响企业全要素生产率的作用机制是什么？对异质性企业是否存在显著的非对称影响？对上述问题的回答，有利于挖掘 “两高一剩”企业的转型动力，实现经济与环境绩效的双赢。

与本文密切相关的文献主要有两类。（1）有关环境规制与企业全要素生产率的研究。绿色信贷的本质是环境政策，学术界关于环境规制对全要素生产率的影响效果尚未达成一致，主要存在3种观点：抑制、促进、不确定。新古典经济学家认为环境政策会引发企业污染治理投资，增加生产成本，进而削弱全要素生产率［2］。以波特为代表的经济学家则认为合理的环境政策诱发企业实施积极的创新策略、调整资源配置，进而提升全要素生产率［3］，也称之为 “波特假说”。此外，不少学者认为环境政策对企业全要素生产率的作用效果因区域、行业、环境规制方式不同而存在显著差异［4，5］。总体上，上述研究更多考察行政化手段和市场化手段对企业全要素生产率的影响，从信贷资源配置的视角探讨企业全要素生产率的文献相对较少；

（2）有关绿色信贷的实施效果。诸多学者从宏观和中观层面研究绿色信贷对经济和环境效益［6］、产业结构升级［7］、行业资源配置［8］、绿色全要素生产率［9］等的影响。关于绿色信贷的微观效应诸多学者从企业投融资行为［10］、资源配置［1］、污染排放［11］、技术创新［12］等方面进行探讨。

综上，上述研究对绿色信贷的实施效果进行了富有启发性的探索，但尚未达成一致结论。原因在于以下3点：（1）行业界定存在差异。现有研究主要依据环保部、国务院、银监会颁布的相关文件确定绿色信贷限制行业，不同部门对行业界定存在差异，因此在确定受绿色信贷影响的行业时，不能达成一致；
（2）样本选择偏差。部分学者使用双重差分模型评估绿色信贷的政策效应时，将 “两高一剩”企业设为实验组，其余设为对照组，并未剔除受绿色信贷正向影响的低碳环保企业，导致实验结果可能存在偏误；
（3）作用机制尚未明确。绿色信贷发挥作用需要通过市场微观主体传导，现有关于绿色信贷与全要素生产率的研究大都基于省级或行业面板数据，多从融资约束视角探讨其作用机制，较少涉及资本、劳动等微观生产要素。

基于此，本文以2012年银监会印发的 《绿色信贷指引》为准自然实验，基于2007～2020年沪深A股上市公司年度数据，构建双重差分和三重差分模型评估绿色信贷对 “两高一剩”企业全要素生产率的影响效果，使用 “投资-投资机会”敏感性模型和中介效应模型，从资本配置效率和人力资本结构视角探究绿色信贷影响企业全要素生产率的微观机理。本文的研究对于完善绿色信贷政策，推动 “两高一剩”企业绿色转型提供了证据支持。

1.1 绿色信贷与企业全要素生产率

绿色信贷通过设立环境准入门槛及信贷配额管制双重约束机制，影响企业内部研发创新和资源配置，进而影响全要素生产率。研发创新是提升企业全要素生产率的直接途径，但其具有周期长、投资金额大、不确定性高的特点，企业进行创新时需要稳定的资金支持，从正规银行机构获取债务融资是企业重要的外部融资渠道。绿色信贷加大了 “两高一剩”企业技术创新成本，削弱了企业技术创新的积极性，从而降低企业全要素生产率。此外，“两高一剩”企业内部资金可能无法满足投资需求，对于追求利润最大化的企业来说不得不放弃一些具有高回报、高收益的投资项目，进而无法达到最优生产决策，导致全要素生产率下降。据此，本文提出：

假说1：绿色信贷抑制了 “两高一剩”企业全要素生产率的提升。

1.2 绿色信贷对企业全要素生产率的作用机制

绿色信贷要求银行业金融机构对绿色、低碳、环保企业提供贷款支持和优惠利率，限制 “两高一剩”企业的贷款额度和实行惩罚性高利率。外部融资环境在影响企业资本配置效率中发挥重要作用，融资约束越高，企业的资本成本越高，对投资机会的敏感性越低，进而削减资本和劳动投入［13］，使企业偏离利润最大化的投资决策，扭曲了企业的资本配置效率，最终导致全要素生产率下降。据此，本文提出：

假说2：绿色信贷通过恶化 “两高一剩”企业资本配置效率进而降低全要素生产率。

高质量的人力资本有利于提高生产效率、增强创新能力、优化劳动力与物质资本的匹配性，激发企业内生发展动力。绿色信贷给 “两高一剩”企业带来经营压力，向市场传递出行业发展前景不广阔的信号，对高质量的人力资本来说可能更愿意进入国家重点鼓励发展的朝阳行业。此外，绿色信贷增强了 “两高一剩”企业面临的融资约束，当资金流动不足时，企业可能会选择减少雇佣高质量的人力资本或降薪来筹集资金，进一步抑制了企业人力资本结构优化，导致全要素生产率下降。据此，本文提出：

假说3：绿色信贷通过抑制 “两高一剩”企业人力资本结构优化进而降低全要素生产率。

2.1 行业划分与样本选择

本文依据银监会发布的 《绿色信贷实施情况关键评价指标》，将环境和社会风险类型为A类、《指标》中 “两高一剩”行业参考目录在 《国民经济行业分类标准》中的二分位行业认定为 “两高一剩”行业。同时，为了避免样本选择偏误，本文剔除受绿色信贷正向影响较大的交通运输、仓储和邮政业，电力、热力、燃气及水生产和供应业，以及环保企业的样本数据。

本文以2007～2020年沪深A股上市公司为原始样本，为保证数据的有效性，剔除以下样本：同时发行B股或H股的企业；
资产负债率大于1的企业；
ST和*ST企业；
金融类企业；
缺失值较严重的企业。最终，得到了公司年度样本20004个，其中，“两高一剩”企业5084个，非 “两高一剩”企业14920个。本文数据来自国泰安数据库、中国研究数据服务平台及 《中国统计年鉴》。由于2020年数据可能受到新冠肺炎疫情的影响，为避免异常值，本文对所有连续变量进行1%的双边缩尾处理。

续 表

续 表

2.2 变量定义

被解释变量：企业全要素生产率。本文使用LP法测算企业全要素生产率。在指标选取上，参考钱雪松等 （2018）［14］的计算方法，产出使用主营业务收入衡量，资本投入使用固定资产净额衡量，劳动力投入使用企业员工总人数衡量，中间投入使用企业购买商品、接受劳务支付现金衡量，对上述指标取自然对数。

核心解释变量：绿色信贷政策。本文构建两个虚拟变量：政策虚拟变量，实验组为 “两高一剩”企业赋值为1，控制组为非 “两高一剩”企业赋值为0；
时间虚拟变量，观测值位于2012年及之后赋值为1，2012年之前赋值为0。

控制变量。借鉴已有文献，本文选取企业、行业、省（区、市）和国家层面特征变量，作为本文的控制变量，具体指标和衡量方式见表1。

表1 控制变量及其定义

2.3 模型设定

本文以2012年银监会印发的 《绿色信贷指引》为准自然实验，运用双重差分模型考察绿色信贷对企业全要素生产率的影响效果，构建如下回归模型：

其中，TFPit是企业i在t时期的全要素生产率，Treati为政策虚拟变量，如果企业属于 “两高一剩”行业取值为1，否则为0；
Timet为时间虚拟变量，如果观测值位于2012年及之后取值为1，否则为0。Treati×Timet的系数β1是本文关注的核心变量，表示绿色信贷对 “两高一剩”企业全要素生产率的影响效果。Controlit是一组控制变量，μi为个体固定效应，λt为时间固定效应，εit为随机误差项。

3.1 描述性统计

描述性统计结果如表2所示，企业全要素生产率（TFP）的均值为 12.631，标准差为 1.083，最小值为10，最大值为16.745，表明全要素生产率在样本期内存在较大差异。控制变量也都在较大范围内波动，这为考察绿色信贷对企业全要素生产率的影响效果提供了研究素材。

表2 主要变量的描述性统计

3.2 平行趋势检验

本文绘制了绿色信贷实施前后 “两高一剩”企业和非 “两高一剩”企业平均全要素生产率变化的时间趋势图，如图1所示。《绿色信贷指引》实施（2012年）之前，两组企业全要素生产率变化趋势基本平行，实施之后，与非 “两高一剩”企业相比，“两高一剩”企业全要素生产率增速相对平缓，两者之间的差距先缩小后扩大。因此，基本满足平行趋势假设。

图1 绿色信贷实施前后不同行业平均全要素生产率变化的时间趋势

3.3 双重差分回归结果

本文引入企业、行业、省（区、市）和国家层面特征变量，以检验政策有效性，双重差分回归结果如表3中列 （1）～（2）所示。在控制时间、个体固定效应和时间、地区、行业固定效应后，Treati×Timet的系数均显著为负，表明绿色信贷显著抑制了 “两高一剩”企业全要素生产率的提升。上述结果初步验证了假说1成立。

表3 绿色信贷对企业全要素生产率的影响

3.4 三重差分回归结果

除绿色信贷外，可能存在其他相关政策影响企业全要素生产率，从而导致估计结果偏误。相较于其他环境规制手段，绿色信贷主要通过影响企业外部融资渠道，进而影响全要素生产率。理论上，外部融资依赖度更高的 “两高一剩”企业对政策的反应更加敏感，因此，本文借鉴陆菁等（2021）［1］的研究使用 “应收账款净值／总资产”衡量企业外部融资依赖度，将该指标大于或等于50分位数值的企业定义为外部融资依赖度较低的企业，否则为外部融资依赖度较高的企业。构建三重差分模型如下：

其中，Financeit为融资约束虚拟变量，当样本属于外部融资依赖度较高的企业时取值为1，否则为0，其他变量的定义同方程 （1）。三重差分估计结果如表3中列 （3）～（4） 所示，Treati×Timet×Financeit的系数β1在5%的水平上显著为负，说明绿色信贷显著降低了 “两高一剩”企业全要素生产率水平，与前文的估计结果一致。

3.5 稳健性检验

本文后续进行一系列稳健性检验，以保证实证结果的准确性。

续 表

（1）更换全要素生产率测算方法。本文使用OP法测算企业全要素生产率TFPOP，投资采用资本性支出（构建固定资产、无形资产和其他长期资产支付的现金-处置固定资产、无形资产和其他长期资产收回的现金）的自然对数衡量，其余指标不变。回归结果见表4，Treati×Timet的系数β1都显著为负，该结果与表3基本一致，说明更换全要素生产率测算指标和测算方法不会影响本文的估计结果。

（2）排除其他事件的干扰。为了排除绿色信贷出台前后其他事件对估计结果的影响，本文调整时间窗口进行稳健性检验。具体包括：①缩小时间窗口。选取绿色信贷出台前后3年（2009～2015年）的数据作为研究期间，进行稳健性检验。回归结果如表4中列 （3）～（4） 所示，Treati×Timet的系数显著为负，与前文的实证结果一致；
②时间反事实检验。选取绿色信贷出台之前的时期作为研究期间（2007～2011年），设置时间虚拟变量Year2011，该变量在2011年取1，否则为0。回归结果如表4中列 （5）～（6） 所示，Treati×Year2011的系数均不显著，表明在绿色信贷出台之前，与非 “两高一剩”企业相比，“两高一剩”企业全要素生产率没有发生显著变化。

表4 稳健性检验

（3）安慰剂检验。为了考察本文的估计结果是否由行业-时间层面不可观测的因素驱动，借鉴Cai等 （2016）［15］的研究，通过随机分配 “两高一剩”行业对本文的估计结果进行安慰剂检验。本文的样本共包含64个行业，其中14个为“两高一剩”行业。因此，从64个行业中随机选取14个行业，将其设定为 “伪”处理组 “两高一剩”行业，其余为非 “两高一剩”行业。本文进行500次回归分析，随机生成处理组的估计系数核密度及相应P值分布如图2所示，分布都集中在零点附近，大多数估计值的p值大于0.1，竖线表示的真实估计系数在安慰剂检验中明显属于异常值。因此，本文的研究结果不太可能由行业-时间层面不可观测的因素驱动。

图2 安慰剂检验

前文的研究发现，绿色信贷对 “两高一剩”企业全要素生产率具有显著的抑制作用，但不同类型的企业对该政策的反应是否存在差异？本文从企业所有制和地区金融发展水平的视角切入，运用分组回归方法考察绿色信贷影响企业全要素生产率的横截面差异。

4.1 基于企业所有制视角

表5的列 （1）、（2）报告了基于企业所有制分组检验的结果，Treati×Timet的估计系数在两组样本中都显著为负，但在非国有企业样本中系数绝对值相对更大，说明与国有 “两高一剩”企业相比，绿色信贷对非国有企业全要素生产率的抑制作用更强。原因可能在于，由于市场存在信贷所有制歧视，在放贷给国有和非国有企业都面临违约风险的背景下，规避风险的商业银行更愿意向国有企业提供信贷支持。因此，与国有企业相比，非国有企业对绿色信贷政策的反应更加敏感。

4.2 基于地区金融发展水平视角

理论上，金融发展水平更高的地区企业拥有更多的融资渠道，受绿色信贷的影响相对更小。为了检验不同金融发展水平下绿色信贷影响企业全要素生产率的异质性，本文使用 “金融市场化程度指数”衡量地区金融发展水平，将该指标大于或等于50分位数值的地区定义为金融发展水平较高的地区，否则为金融发展水平较低的地区。表5的列 （3）、（4） 报告了基于地区金融发展水平分组检验的结果，两组样本的估计系数都显著为负，但金融发展水平更低地区的系数绝对值更大。因此，绿色信贷对金融发展水平更低地区的 “两高一剩”企业全要素生产率的抑制作用相对更强。

表5 异质性检验

上述研究结果表明，绿色信贷导致 “两高一剩”企业全要素生产率下降。那么，该政策通过何种机制发挥作用？基于前文的分析，本文从资本配置效率和人力资本结构两个角度探讨绿色信贷的作用机制。

为了验证假说 2，借鉴方军雄 （2007）［16］的研究方法，使用 “投资-投资机会”敏感性模型考察绿色信贷是否通过资本配置效率影响企业全要素生产率，模型如下：

其中，Investit为企业当期投资水平，使用 “资本性支出／总资产”衡量。Roait为资产收益率，用来测度企业的投资机会，其他变量的定义同模型 （1）。结果如表6的列 （1）、（2） 所示，θ1显著为负，表明绿色信贷出台之后，与非 “两高一剩”企业相比，“两高一剩”企业投资效率显著下降，揭示出绿色信贷通过恶化企业资本配置效率渠道降低全要素生产率。

为了验证假说3，本文借鉴温忠麟和叶宝娟（2014）［17］提出的中介效应模型，考察绿色信贷是否通过抑制企业人力资本结构优化，进而降低全要素生产率。模型如下：

其中，Rlzbit为企业i在t时期的人力资本结构，参考马新啸等 （2020）［18］的做法，使用企业当年硕士研究生及以上学历员工占全部员工的比例衡量，这一指标越大，表示企业人力资本结构越优，其他变量的定义与模型 （1）一致。表6的列 （3）、（5）报告了相应的回归结果，中介效应模型的回归系数β1、γ1、η2均显著，Sobel Z值为-5.004，所以中介效应存在，占比约为9.6%。因此，绿色信贷通过抑制企业人力资本结构优化，进而降低全要素生产率得到有效验证。

表6 绿色信贷影响企业全要素生产率的机制检验

绿色信贷作为连接金融资源和生态环境的重要纽带，在目前经济下行、产能过剩及环境污染的背景下，该政策能否提升 “两高一剩”企业全要素生产率，实现经济与环境绩效的双赢？答案是否定的。本文基于2007～2020年沪深A股上市公司年度数据，以2012年银监会印发的 《绿色信贷指引》为准自然实验，通过构建双重差分和三重差分模型评估绿色信贷对 “两高一剩”企业全要素生产率的影响效果、异质性和作用机制。结果表明，绿色信贷显著抑制了 “两高一剩”企业全要素生产率的提升。异质性分析发现，绿色信贷对非国有、地区金融发展水平低的 “两高一剩”企业的抑制作用更强。机制分析表明，绿色信贷主要通过恶化资本配置效率和抑制人力资本结构优化两条途径抑制 “两高一剩”企业全要素生产率。基于上述研究，本文的政策启示如下：

完善绿色信贷政策体系，激发企业转型动力。绿色信贷的根本目的是希望通过信贷约束倒逼企业绿色转型升级，减少给环境带来的负外部性。“两高一剩”企业摆脱高污染、高能耗的发展模式需要高质量人力资本投入和稳定的资金支持。但目前绿色信贷对 “两高一剩”企业实行一票否决制，可能会抑制企业的资本投资和创新投入，使其陷入 “信贷约束-全要素生产率下降”的恶性循环，阻碍了 “两高一剩”企业绿色转型。因此，应构建扶持 “两高一剩”企业绿色转型升级的激励机制，依据行业特点提出针对性的绿色信贷标准与环境风险要求，给予积极实施绿色转型升级的企业提供资金支持，激发 “两高一剩”企业内在转型动力。

发挥有效市场和有为政府的作用，优化绿色信贷的资源配置。充分发挥市场资源配置的决定性作用，引导各类资源和要素向绿色、低碳、环保行业集聚；
另外，政府积极弥补市场失灵，引导 “两高一剩”企业绿色转型升级。研究结果显示绿色信贷对非国有企业全要素生产率负向冲击更强，可能由于非国有企业无法向银行提供充分的抵押或担保，从而面临信贷歧视，一定程度上阻碍了绿色信贷政策市场选择效应的发挥，因此，政府需要着力解决非国有 “两高一剩”企业绿色发展激励不足的问题，缓解目前存在的信贷所有制偏好，加强银行信贷供给的竞争性与公平性，提高信贷资源配置效率。

健全政策评估体系，推进绿色信贷标准化。建立标准化的绿色信贷实施效果评估制度，全面评估政策实施成效及面临的关键性障碍，真正发挥绿色信贷的导向、激励和监督作用。此外，完善信息披露制度，建立全方位、多角度的 “两高一剩”企业环境和社会风险评估结果及绿色信贷实施效果的信息发布系统，实现不同部门之间的信息共享，促进银行业金融机构履行生态环境保护的社会责任，推动 “两高一剩”企业绿色转型。

猜你喜欢 生产率信贷要素 中国城市土地生产率TOP30决策(2022年7期)2022-08-04掌握这6点要素，让肥水更高效当代水产(2020年4期)2020-06-16聚焦Z世代信贷成瘾疯狂英语·新悦读(2020年1期)2020-02-20跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26全要素生产率：写入“十三五”规划的新概念环球市场信息导报(2017年38期)2017-10-23也谈做人的要素山东青年(2016年2期)2016-02-282015年8月债券发行要素一览表债券(2015年9期)2015-09-29

推荐访问:生产率 企业 高一