原文标题：绿色信贷、非正规金融融资与重污染企业绿色创新

原文作者：李世辉、尤碧莹、牛珂、殷敬伟

发表期刊：经济研究

关键词：绿色信贷；非正规金融融资；绿色创新；重污染企业

一、引言

在高质量发展与绿色低碳转型的背景下，绿色信贷政策作为支撑绿色发展的重要制度安排，受到了学界与实务界的广泛关注。该政策通过信贷资源的配置功能，旨在对低污染企业提供金融支持，并对重污染企业施加信贷约束，从而倒逼其实现转型升级。然而，绿色信贷政策在实施过程中存在明显的局限性：对于重污染企业而言，严厉的信贷限制虽然激发了其绿色创新的意愿，但也加剧了其融资约束，导致企业可能陷入“融资困难—投资减少—经营恶化”的恶性循环。这种“有心无力”的现实困境，使得政策预期的“倒逼效应”往往难以实现，甚至可能产生抑制研发投入的“挤出效应”。

既有文献关于绿色信贷对企业绿色创新影响的结论尚不统一。部分学者认为政策能有效诱导环保投入，而另一部分学者则指出高昂的融资成本与不确定性迫使企业采取低成本策略，缩减创新投入。本文认为，融资渠道的拓展是破解这一矛盾的关键。作为传统银行体系的延伸，影子银行以其灵活性成为重污染企业在正规金融受限时的重要替代渠道。影子银行融资具有“双刃剑”效应：一方面，它能为受限企业提供必要的资金缓冲，弥补绿色创新所需的资金缺口，使融资约束下的“倒逼效应”得以发挥；另一方面，长期依赖高成本的非正规金融可能加重企业的财务负担，甚至诱发企业陷入“只污染、不治理”的投机陷阱。

本文以2012年《绿色信贷指引》的出台作为准自然实验，运用双重差分法深入考查了影子银行融资规模对重污染企业绿色创新的影响。研究发现，在绿色信贷政策下，重污染企业显著提升了影子银行融资规模，且随着这一渠道的拓展，政策对企业绿色创新的影响由“挤出效应”转变为“倒逼效应”。影子银行在一定程度上发挥了积极的资源配置作用，助力融资受限企业通过绿色创新实现转型。但值得警惕的是，过度依赖此类融资模式会显著增加企业的财务风险。

二、研究设计

（一）数据来源

文章选取2007-2016年中国沪深A股上市公司作为初始企业样本，上市公司财务及公司治理数据来自中国经济金融研究数据库（CSMAR）数据库，绿色创新专利数据来自中国研究数据服务平台（CNRDS）数据库。由于文章关注的是绿色信贷政策以及影子银行对于重污染企业的影响，文章剔除了内源性资金供给特别充裕的或者龙头企业，即经营性现金流量增长率始终为正、营业收入在行业中始终排在前30%的企业，还剔除了节能环保行业企业。文章最终得到11812个有效观测值。

（二）模型设计

首先构造模型（1）来检验假说H1:绿色信贷压力下重污染企业是否会选择影子银行融资作为替代性融资渠道。

首先，影子银行融资规模（Shadow）是被解释变量，表示企业从影子银行融入资金的规模大小，具体用（表外负债+明股实债）/总负债衡量，其中，表外负债和明股实债均基于许晓芳等（2020）所构建的回归模型估计而得。

其次，本文以《资管新规》的出台为准自然实验构造双重差分模型，并从两个维度划分《资管新规》冲击的处理组和对照组。首先考虑地区层面影子银行总体水平。影子银行总体水平更高的地区受《资管新规》的影响更大。根据《资管新规》颁布当年企业所在省份影子银行总体水平是否高于所有省份的均值划分了处理组和对照组。其次，考虑了企业层面影子银行融资需求。影子银行融资需求更大的企业受《资管新规》影响更大。根据是否为非国有企业、银行信用评级是否低于A级分别划分了处理组和对照组。

双重差分标识变量（DID，即Treat⨉Post）是本文所关心的核心解释变量。Treat是企业是否为受到绿色信贷限制的重污染企业的虚拟变量。根据原银监会印发的《绿色信贷实施情况关键评价指标》，环境和社会风险等级为A类和B类的企业被认定为重污染企业（处理组），Treat赋值为1，否则为0；Post是《指引》实施前后的虚拟变量，2012年及以后的年份赋值为1,2012年以前的年份赋值为0。DID作为双重差分标识变量，该变量反映的是重污染企业在《指引》出台前后影子银行融资规模的变化额相比于低污染企业影子银行融资规模变化额的差异。

文章还构建了模型（2）来检验假说H2:重污染企业影子银行融资规模是否强化了绿色信贷政策倒逼其进行绿色转型的政策效果。

在模型（2）中，绿色专利（Green）是被解释变量，表示企业进行绿色创新的活跃程度，用绿色专利申请量加1后取自然对数来表示。

三、实证结果

（一）基准回归

表1的第（1）列报告了假说H1的回归结果，双重差分标识变量的回归系数显著为正，说明绿色信贷压力下重污染企业会选择影子银行作为替代性融资渠道。表1的第（1）列采用的是公司层面聚类调整的标准误，第（2）列将聚类层级调整到行业层面，结论仍成立。

表1的第（3)-(4）列报告了假说H2的回归结果。其中，第（3）列着重检验绿色信贷政策对重污染企业绿色创新行为的总体效应。第（4）列主要检验影子银行融资规模在绿色信贷政策和重污染企业绿色创新行为二者之间的调节作用。在第（3）列中，双重差分标识变量的回归系数显著为负。这一结果表明绿色信贷政策对重污染企业绿色创新行为的总体效应是挤出效应，即尽管绿色信贷政策提高了重污染企业绿色转型的意愿，但也制约了重污染企业绿色转型的能力，这一固有局限性导致绿色信贷政策总体上呈现挤出效应。只有在重污染企业能够妥善解决资金问题的情况下，绿色信贷政策才可以发挥倒逼效应。

在表1的第（4）列中，在多元回归中加入影子银行融资规模与双重差分标识变量的交互项以后，双重差分标识变量的回归系数显著为负，这意味着在重污染企业未通过影子银行进行融资的情况下，绿色信贷政策对重污染企业绿色创新行为的挤出效应占据主导地位。在表1的第（4）列中，影子银行融资规模与政策效应的交互项的回归系数显著为正。这一结果显示，随着影子银行融资规模逐步扩大，绿色信贷政策对重污染企业绿色创新行为的政策效应将逐步从挤出效应转为倒逼效应。本文进一步计算了绿色信贷政策对重污染企业绿色创新行为的影响由负转正的拐点数值，大约为0.26（≈0.08/0.31），即一旦影子银行融资规模大于拐点数值（0.26），绿色信贷政策对重污染企业绿色创新行为的倒逼效应将占据主导地位。第（5）-（6）列将聚类层级替换为行业层面，结论仍成立。

表1 基准回归

（二）稳健性检验

1.平行趋势检验。

2.安慰剂检验。

3.倾向得分匹配法。

4.替换处理组构造方式。一是将环境和社会风险等级为B类的重污染企业排除在处理组以外，二是将经营活动可能更多地属于运营阶段，而非建设阶段的重污染企业排除在处理组以外，三是将环境表现较好的重污染企业排除在处理组以外。

5.替换影子银行融资规模衡量方式。一是改用“新增委托贷款借入金额的自然对数值”作为第一个替代性指标，二是改用“委托贷款、信托贷款与银行承兑汇票贴现之和/总资产”作为第二个替代性指标。

6.改用第t+1期、t+2期、t+3期的绿色专利作为被解释变量。

7.排除产能过剩的影响。一是剔除产能过剩企业，而是将产能过剩政策作为控制变量纳入模型。

8.排除替代性解释：绿色信贷政策出台以后影子银行资金主要流向了那些环境表现较好的重污染企业，从而导致本文观察到影子银行融资规模缓解了绿色信贷政策对重污染企业绿色创新行为的抑制作用。一是对企业的环境表现与影子银行融资规模二者之间的关系进行了相关性分析和回归分析，二是剔除环境表现较好的企业样本以后对假说H1、H2重新进行检验。

9.将样本期延长至2023年。

10.排除事前趋势。

11.针对模型（2），一是以企业所在城市明代驿站数量作为工具变量，并运用Wooldrige(2015）提出的控制函数法来控制内生性问题，二是借鉴Poppo et al.(2016）的方法进行内生性检验。

（三）绿色信贷政策的融资惩罚效应

本文认为绿色信贷政策会导致重污染企业更多地从影子银行融入资金的关键在于绿色信贷政策对重污染企业存在融资惩罚效应。为了验证这一逻辑链条，分别检验了绿色信贷政策对重污染企业借款规模、借款期限、借款成本和商业信用水平的影响。结果发现，绿色信贷政策的出台会导致重污染企业的借款规模下降、借款期限变短、借款成本增加以及商业信用水平降低。

表2 绿色信贷政策的融资惩罚效应

（四）异质性分析

1.基于地区影子银行活跃度的异质性分析

本文预期在影子银行活跃度较高的地区，当地的重污染企业才有条件借助影子银行来帮助其更好地实现绿色创新。第一，考虑到影子银行活跃度和金融监管环境密切相关，即在金融监管强度更高的地区，影子银行将受到更大程度的限制，采用“区域金融监管支出/金融业增加值”来衡量各个省份的金融监管强度，并以此作为第一个分组标准。根据企业所在省份在2011年的金融监管强度是否高于所有样本省份在2011年的金融监管强度均值，将样本企业分为金融监管强度高组和金融监管强度低组。第二，考虑到影子银行活跃度和金融业市场化水平息息相关，即在金融业市场化水平更高的地区，影子银行将拥有更大的发展空间，本文采用樊纲指数中金融业市场化水平这一子指标作为第二个分组标准。根据企业所在省份在2011年的金融业市场化水平是否高于所有省份在2011年的均值，将样本企业分为金融业市场化水平高组和低组。基于相同的逻辑，又采用银行业的赫芬达尔指数来衡量各个省份的银行竞争程度，以此作为第三个分组标准。根据企业所在省份在2011年的银行竞争程度是否高于所有省份在2011年的均值，将样本企业分为银行竞争程度高组和低组。表3的所有结果均与本文的理论预期一致。

表3 基于地区影子银行活跃度的异质性分析

2.基于企业融资约束的异质性分析

由前文可知，重污染企业之所以转向影子银行进行融资，其背后的原因在于绿色信贷政策使得重污染企业融资更为困难，产生了资金缺口。如果重污染企业在绿色信贷政策出台以后并未面临严峻的资金困境，其自然也就不会选择影子银行这一替代性融资渠道。按照以下分组标准进行了分组检验：（1）根据产权性质将样本分为国有企业、非国有企业两组。相比国有企业，由于非国有企业多数不具备和政府讨价还价的能力，其面临的环境监管也更为严苛，绿色信贷政策的融资惩罚效应在非国有企业中可能会更为突出。（2）基于销售收入增长率、留存收益率、资本支出率、公司年龄四个变量的综合得分来识别企业所处的生命周期，并根据2011年是否处于成长期将样本企业分为成长期、非成长期两组。处于成长期的企业融资难度更高。表4的结果均与本文的理论预期一致。

表4 基于企业融资约束的异质性分析

（五）长期依赖影子银行融资渠道的反噬效应

本文认为影子银行融资通过补齐重污染企业在绿色信贷政策下的资金短缺，促使政策效应由“挤出效应”向“倒逼效应”转变，从而有效激发了企业的绿色创新意愿。虽然理论上影子银行的资金供给可能因缓解压力而削弱企业的创新动力，但考虑到此类非正规融资具有极高的潜在风险且弊大于利，该假设成立的可能性较低。为深度验证这一逻辑及其实际的经济后果，本文采用破产指数（Zscore）作为财务风险的度量指标，通过实证检验影子银行融资规模的扩张是否会显著加剧重污染企业的财务风险。表5的结果表明，绿色信贷政策的融资惩罚效应会导致重污染企业的财务风险上升，影子银行融资规模的提升不仅直接提高了企业的财务风险，而且间接强化了绿色信贷政策对重污染企业财务风险的提升作用。

表5 影子银行加剧财务风险的总体效应

四、原文摘要

绿色信贷是一项旨在调整信贷结构以推动绿色发展的政策工具。但既有文献对其执行效果却存在争议，究其原因在于绿色信贷政策下重污染企业往往“有心无力”，缺乏充裕的资金来实现绿色创新。基于此背景，本文认为以影子银行为代表的非正规金融有助于缓解重污染企业面临的正规金融信贷限制，进而促进重污染企业绿色创新。本文研究发现，《绿色信贷指引》实施以后，重污染企业增加了影子银行融资规模，并且影子银行能够发挥积极的资金配置作用，使绿色信贷政策对重污染企业绿色创新行为的作用效果从挤出效应逐步转为倒逼效应。随后，本文还发现了绿色信贷政策对重污染企业正规金融可得性、商业信用水平的负向影响。进一步分析发现，在影子银行活跃度较高的地区，以及面临较强融资约束的企业中，影子银行发挥的资金配置功能更为显著。最后，重污染企业长期依赖影子银行融资渠道会加剧财务风险，存在消极的反噬效应，这揭示了重污染企业期望通过绿色创新最终回归正规金融融资体系的内在驱动力。本文对进一步完善绿色信贷政策和全面认识影子银行的“双刃剑”作用有一定的启示作用。

作者：

王子宽 中央财经大学金融学院博士研究生

指导老师：

王 遥 中央财经大学绿色金融国际研究院院长