金融论坛2021年第5期（总第305期）
绿信贷政策的绿效果及影响机制
曹廷求 张翠燕 杨雪
[摘要]本文以2012年颁布的《绿信贷指引》为例构造准自然实验，采用双重差分法检验了《绿 信贷指引》的实施对企业绿创新活动的影响。研究发现：相较非重污染企业，绿信贷政策的实施 整体上抑制了重污染企业的绿创新，从政策的动态效应上看抑制作用逐渐减弱，该政策促进了积极
履行社会责任的重污染企业进行绿转型。机制检验表明绿信贷政策通过抑制企业的信贷融资，尤 其是长期借款，对上市公司绿创新行为产生负向影响，且该影响主要集中在申请绿发明专利、非国 有以及所在地区金融发展程度低的企业中。 [关键词]绿信贷；绿创新；融资约束；双重差分法
[文章编号]1009-9190 (2021)05-0007- 11 [JEL 分类号]G21 ;G32;016 [文献标志码]A
Green Effect and Influence Mechanism of Green Credit Policy
------Based on the Evidences of Green Patent Data of Chinese Listed Companies
C A O Ting-qiu Z H A N G C u i-y a n Y A N G X u e
[Abstract j B a s e d on the G r e e n Credit Guidelines promulgated in 2012, this paper constructs a quasi-natural experiment,
a nd uses the double difference m e t h o d to examine the impact of implementation of G r e e n Credit Guidelines o n the green innovation activities of enterprises. It*s found that, c o m p a r e d with non-heavily polluting enterprises, the implementation of green credit policy has inhibited the green innovation of heavily—polluting enterprises as a whole, a nd the restraining effect
w a s gradually w e a k e n e d from the perspective of d y n a m i c effect of the policy; the policy has promoted the green transformation of heavily-polluting enterprises that actively fulfill their social responsibilities. T h e m e c h a n i s m test s h ows that green credit policy has a negative impact on the green innovation behavior of listed c o m p a n i e s by inhibiting the credit financing
of enterprises, especially the long-term loans, and the impact is mainly concentrated o n the enterprise
s that apply for green invention patents, n o n-s t a t e-o w n e d enterprises, or enterprises in regions with low level of financial development.
[Key words] green credit; green innovation; financing constraint; DID m e t h o d
弓I言
一、
改革开放四十年来，中国经济在取得举世瞩目成就的同时也面临资源过度消耗、环境污染严重等问题，尽管政府多次出台各种命令型和市场激励型环境规制政策，但并未从根本上扭转中国高污染、高耗能的发 展态势。2019年中国能源消费总量、煤炭消费总量、原油消费总量分别比2018年增长3.3%、1%和6.8%，而 清洁能源消费量仅占能源消费总量的23.4%,337个城市中53.4%的城市环境空气污染超标，累计重度污染
[作者简介]曹廷求，山东大学经济学院、山东大学（济南）产业金融研究中心，教授、博士生导师、“泰山学者特聘教授”，博士（济南，250100)，E-m a il:t qca〇@126.c〇m；张翠燕，山东大学经济学院博士生；杨雪，山东大学经济学院硕士生。
[基金项目]本文受国家自然科学基金面上项目“中国金融周期的区域非对称性研究”（项目编号：7197308
5)和山东省 “泰山学者”建设工程专项经费的资助。
[作者致谢]感谢编辑和匿名审稿人的宝贵意见，文责自负。
7
数据来源于《2019年中国生态环境状况公报》。
绿专利的定义来源于《中国绿专利统计报告(2014-2017)》。
http ://w w v/cn/view/pages/ItemDetail.html?docId=9636&itemId=915&generaltype=0
金融论坛 2021年第5期（总第305期）
天数比2018年增加88天®。十九届五中全会指出“持续改善环境质量是建设美丽中国的重要任务，是推动 高质量发展的有力抓手”，全会要求“到2035年，广泛形成绿生产生活方式”。因此以节约资源、提高能效、 防范污染、实现可持续发展等技术为主题的绿专利@创新将是促进经济转变传统生产模式，实现绿转型 的重要动力。
企业作为创新的主体，如何摆脱高污染、高耗能的传统发展路径实现绿转型对促进中国经济持续健 康
发展至关重要。企业绿创新过程中需持续稳定的资金支持，但内源融资一般难以满足创新需求。从正规 银行机构获取债务融资是发展中国家重要的外源融资渠道，因而金融机构的信贷政策成为影响企业进行绿 创新活动的一个关键性因素。2012年，原银监会印发《绿信贷指引》®，要求银行业金融机构从战略高度 推进绿信贷，加大对绿、低碳、循环经济的支持，把企业的环境和社会风险纳入信贷全流程，实施差别化 信贷政策等约束方式，倒逼企业落实节能环保政策，促进企业发展方式转变。随后《绿信贷实施情况关键 评价指标》《关于构建绿金融体系的指导意见》以及《建设绿金融改革创新试验区总体方案》等相继出 台，这些政策均要求采取“差别化信贷政策”，其本质目的是从源头着手，过程发力，通过改变资源配置，引导 资金流向可持续发展领域，改变以往环境规制政策中的“先污染、后治理”和“边污染、边治理”的模式，从而 引导激励绿企业发展，遏制污染性投资扩张。
毫无疑问，绿信贷政策的实施标志着传统发展理念的彻底转变，无论是上市公司还是银行金融机构 都将面临巨大的挑战。以往金融资源更倾向配置到“三高”行业加剧了中国的产能过剩和环境污染，反过来 信贷结构的扭曲增加了银行风险。相较之前，银行业金融机构为提升自身绿评级，对企业进行贷款审批时 会更偏向环境友好型项目，企业所面临的融资约束条件可能更为严苛，企业的投资导向将转变为绿、低 碳、循环经济领域。大量文献都已证实融资约束影响企业创新活动(Brown ,fttal .,2012;Am 〇rP ，etal . ,2013; Cornaggia，et al . ,2015 )，nammer ( 2020)发现绿债券的发行并非是一种表面的“漂绿”工具，而是直接促进 了企业绿创新活动的增加。中国绿信贷政策的实施是否也起到如此效果？企业是否会转而进行绿创 新活动？这个问题目前还未得到实质性验证。
事实上，围绕绿信贷政策实施效果，学者们进行了大量的研究，但所得结论莫衷一是。一方面从微观 企业视角关注绿信贷对企业产出的影响，结果发现该政策长期是无效的(刘婧宇等，2015)；另一方面探究 绿信贷对企业投融资的影响，其中一部分学者发现该政策增加了重污染企业从银行的贷款难度，对重污 染企业具有融资惩罚和投资抑制效应(苏冬蔚、连莉莉，2018; 丁杰,2019；陈幸幸等,2019)，但另一部分学者 发现该政策显著提升了绿上市公司的融资便利性，并未显著降低其融资成本(牛海鹏等，2020 )。也有学者 从政策实施的主体一银行视角考察绿信贷政策对银行信贷风险或成本效率的影响，发现该政策对银行 是有效的(孙光林等，2017; 丁宁等，2020)。更有学者将金融机构信贷决策与经济增长相结合，在同一框架下 检验绿金融对经济高质量发展的作用(王瑶等，2019；刘锡良、文书洋，2019 )。尽管冃前关于绿金融政策 的研究逐渐增多，但上述研究均未验证绿信贷政策对微观企业绿创新行为起到何种影响，目前中国关 于微观企业绿创新行为研究的相关文献较少，无论是排污权交易试点政策还是新环保法均是从环境规制 视角考察对微观企业创新行为的影响(齐绍洲等,2018；王晓祺等，2020)。也有学者研究开发区政策对企业 绿创新的影响(邱洋冬，2020 )，但都未从融资约束视角考察绿金融政策对微观企业绿创新的影响。
本文的主要贡献在于：第一，从绿金融视角，探讨绿信贷政策对企业绿创新的影响，对绿创新 相关研究进行拓展和延伸；第二，本文所采用的数据更为翔实准确，基于专利数据库，利用上市公司的母公 司、子公司、孙公司等公司名（包括曾用名）匹配构建了中国上市公司绿专利数据，数据基础丰富独特；第 三，本文系统探讨了绿金融对绿创新的影响机制——
融资约束，该机制对绿金融服务实体经济高质①②③8
曹廷求、张翠燕、杨雪：绿信贷政策的绿效果及影响机制
量发展具有指导意义，同时为研究融资约束与企业创新行为的文献提供了新的证据。
本文余下内容安排为：第二部分理论分析与研究假说；第三部分研究设计；第四部分实证结果与分析；第五部分从机制检验和异质性分析视角进一步探讨；最后是结论与政策建议。
二、理论分析与研究假说
(一)绿信贷与企业绿创新
技术创新一直是新增长理论的核心研究内容(Romer,1990)，技术创新能够解释经济增长和T F P中期 波动性问题(Kogan,etal.,2017)。由于创新活动具有周期长、不可预测性、失败率高等特点，使创新活动的进 行必须依赖发展良好的金融市场。尽管风投、众筹等融资方式正改变企业的资金来源格局，但从正规银行获 取的债务融资依旧是发展中国家企业最主要的外部融资来源（Ayyagari,et al.,2011 )。Nanda和Nicholas (2014)发现大萧条期间的银行困境降低了企业专利的数量和质量，表明信贷市场在企业创新中确实发挥了 积极作用。但Morck和Naka mura(1999)认为以银行为主的金融体系会抑制外部资金向最具创新性领域的 有效流动，原因在于银行作为债权人，出于盈利性考虑更倾向于规避风险，信贷市场这种
固有偏见阻碍了企 业进行创新活动。
传统金融市场关注的是投资项目是否盈利，忽视投资项目中的资源与环境因素。而绿金融发展的重 点在于实现投资向“绿”转变，促进投资由高污染高耗能转向节能环保领域。绿信贷政策实施后银行机 构在进行贷款审批时会充分考虑企业所涉及的环境与社会风险，对污染企业而言，由于自身处于污染行业 范畴，相较非污染行业竞争优势更弱，其融资难度较之前会有所增加，另一方面，绿信贷政策实施后银行 为提升自身绿评级会提高放贷门槛，因而污染企业的融资成本也会上升。虽然企业可能会通过绿创新 活动进行“漂绿”，但包含绿技术的专利相较非绿专利，其技术要求更高、投入更多，可能短期内并不会 得到实质性提高®。
绿信贷政策实施后，商业银行会对信贷资源进行重新配置，重污染企业可能会面临环境诉讼风险，引发外部债权人撤资或拒绝对其信贷进行展期，使负债融资水平下降(苏冬蔚、连莉莉,2018)，在此情况下即 使重污染企业有进行绿创新活动的动机，但受限资金的不足，也难以进行持续性的绿创新，因此绿信 贷政策主要通过影响企业的债务融资水平对其绿创新活动产生影响。另一方面企业获得的融资并非是中 立的，融资类型会影响创新活动的速度和方向选择(Mazzucato and Semieniuk，2017 )，企业较易获得长期融资 时，更敢在高风险领域进行试错性投资Uaneway,2012)。创新的高风险性意味着金融机构在进行放贷时必 须容忍企业的风险。尽管银行价格竞争能够提高银行的风险容忍度，增加对企业R&D投资的信贷供给意愿 (李波、朱太辉,2020)，但当无法观察到借款企业风险类型时，银行会更倾向
给企业发放短期贷款，减少长期 贷款，因而绿信贷政策实施后重污染企业的长期债务融资可能下降得更多，将不利于企业进行绿创新 活动。由此提出以下假说：
假说H1：绿信贷政策实施后，相较非重污染企业，重污染企业的绿创新会下降。
部分重污染企业具有较强的政策敏感性，积极主动履行社会责任，通过良好的环境、社会与治理绩效 (ESG)向社会传达自身“漂绿”的信号。利用社会责任报告在投资者及利益相关者之间形成积极的反馈循环 (Cheng，et al.，2014)，一方面增加企业对社会、环境与治理结构披露的透明度，表达自身“主动变绿”的意愿，另一方面改善内部控制系统，提高其法律遵从性和报告的可靠性，减少公司和投资者之间的信息不对称，降 低企业融资约束(E I,etal.,2011)，同时社会责任报告的透明度为企业带来了良好的声誉效应，声誉效应往 往会提升银行对其可信任程度，可降低抵押物贷款要求。Goss和R〇b«l S(2011)探究了贷款人是否区别对待 社会责任水平高低差异的企业，发现银行将企业社会责任视为利差的决定因素，给予披露企业社会责任信 息的公司较低的利率和较长期限的贷款，但当企业社会责任被认定为风险时则设定严苛的贷款合同条款。
①绿专利只有绿发明专利和绿实用新型专利两种类型，相比非绿专利中包含外观设计专利而言难度更大。
9
金融论坛2021年第5期（总第305期）
因此，社会责任评级的高低可视为重污染企业主动变“浅绿”的衡量标准。
考虑到中国当前绿信贷政策的操作实践，银行在进行贷款审批时要对客户的环境和社会风险进行评 估，企业的环境信息和环境评估报告成为审核贷款的重要先决条件。对于重污染企业而言，如果其自身的社 会责任评级较高，具有强烈“漂绿”的主动意愿，符合银行对环境和社会表现的授信要求时，绿信贷政策实 施后反而会促进其进行绿创新，而社会责任评级较差的重污染企业则会在同等条件下被置于更艰难的融 资环境下，难以实现绿创新转型。这一过程才是真正发挥绿金融服务绿高质量发展的应有之义。因此 我们提出以下假说：
假说H2：绿信贷政策实施后，相较非重污染企业，社会责任评级高的重污染企业会增加绿创新，而低评级的重污染企业绿创新活动会被抑制。
(二)绿信贷政策对重污染企业创新影响的异质性分析
1. 企业专利类型的异质性分析
发明专利需经过形式审查和实质审查两种审查方式，审查严格、申请费用高且平均审查周期长、成功率 较实用新型专利而言更低，因此相较发明专利，实用新型专利一直受到企业的青睐。究其根源，企业的
创新 活动有时只是为了寻求政策扶持的一种策略性行为，并非为了实质性地增加企业的创新竞争力，因此在创 新过程中往往会追求创新的数量而忽视创新质量的提高(Hall and Harhoff，2012)。产业政策激励以及专利法 第二次修订中鼓励国企申请专利均显著刺激了实用新型和外观设计专利的增加，但发明专利的申请量却并 未实质性增加（黎文靖、郑曼，2016；丁〇1^，付31.，2014)，中国上市公司更多是追求“数量”的策略性创新。
绿专利需包含与污染物处置或与减缓全球气候变化相关的技术，这意味着其比非绿的专利技术要 求更高、难度系数更大而且所需投人资金更多，绿专利只有绿发明和绿实用新型两种专利类型，绿 信贷政策实施后由于企业面临的融资约束更为严峻，在融资约束条件恶化、技术要求更高的情景下，绿发 明专利数量将会下降更多，而受策略性创新驱动，绿实用新型专利会成为企业“漂绿”的最好选择，因而其 可能并不会下降。由此提出以下假说：
假说H3：绿信贷政策实施后，重污染企业存在策略性创新行为，相较非重污染企业，重污染企业的绿 发明专利数量下降，而绿实用新型专利可能并不会下降。
2. 企业所有制的异质性分析
中国的国有和民营企业长期以来在从银行获得贷款方面存在显著的差别。对银行而言国有企业因有政 府的隐性担保，其债务违约概率小，加之国有企业往往存活时间较长，与国有银行间存在稳定的银企关系，
信息不对称性相对较弱，因而面临的融资约束低于民营企业。Branch和LK2003 )的研究证实了这点，在其他 条件相同的情况下民营企业获得贷款的可能性更小，获得的贷款额更少，但面临的贷款条件却更为严苛。而 绿信贷中也存在“歧视”，绿金融改革创新试验区政策的实施加重了非国有企业的融资约束(沈璐、廖显 春，2020)。
融资约束是抑制民营企业创新的重要因素(余明桂等,2019)。绿信贷政策实施后，国有企业作为政府 所有的企业需承担政府在环境保护、绿高质量发展方面的社会目标，虽然政府有动机干预银行贷款决策，但该政策实施后对银行的绿贷款绩效考核也形成一定约束，银行在进行放贷时自身也面临一种权衡，因此相较之前而言，国有重污染企业的融资约束也会增加，其为迎合政府环境保护社会目标而进行的绿创 新活动受限于融资约束的影响可能并不会显著增加。但相较国有企业而言，非国有企业面临的融资约束此 时会变得更为严重，绿创新活动被抑制的强度更大。基于上述分析，我们提出以下假说：假说H4：绿信贷政策实施后，非国有重污染企业的绿创新活动受到的抑制作用更为显著。
3. 金融发展的异质性分析
作为金融发展与经济增长开创性的研究,Rajan和ZingaleS(1998)的研究表明，金融发展通过向更依赖 外部融资的企业提供更低融资成本的资金促进企业的发展。企业所在地区金融市场的良好发展可以为企业 营造良好的金融生态环境，有效缓解企业的融资压力（谢军、黄志忠,2014 )。在金融发展比较好的地区，金融
10
曹廷求、张翠燕、杨雪：绿信贷政策的绿效果及影响机制
机构能够获取更为全面的借款企业信息，对企业投资项目的质量可以进行有效的评价，信息不对称问题较 少。而在金融发展水平比较低的地区，信息不对称问题严重，提高了金融机构的审批和监督成本，企业很难
以更低的价格获取外部融资，对企业的创新活动形成融资约束。
绿信贷政策针对的是以银行为主体的金融机构，在同等条件下若企业所在地区金融发展水平较高，
其他金融机构也会助力促进企业实现融资需求，Huang等(2018)发现蚂蚁金服作为非正规融资平台在审批
借款时会通过大数据和人工智能的审贷方法对借款人进行综合性评价，缓解了信息不对称问题，从而降低
了借款人的融资成本。徐丽鹤和李青(2020)认为中国正规与非正规融资都能显著促进企业的多维度创新，
但相较非正规融资渠道，正规信贷对促进企业创新的作用更强。因此绿信贷政策实施后，尽管重污染企业
进行绿创新活动所面临的融资环境更为严峻，但在不同金融发展水平的地区，因信贷可得性不同对绿
创新的影响可能存在差异。基于此，本文提出以下假说：
假说H5：绿信贷政策实施后，在金融发展水平低的地区，相较非重污染企业，重污染企业的绿创新
活动被抑制得更显著。
三、研究设计
(―)样本选择与数据来源
鉴于2007年中国上市公司的会计准则发生了变化，本文以2007-2018年中国A股上市公司为原始样 本，剔除金融类上市公司、ST公司、财务数据信息不全以及资产负债率大于1的公司。为控制离值对估计
结果造成的偏差，对所有连续型变量在1%和99%水平上进行缩尾处理。财务数据来源于Wind数据库、CSMAR数据库。专利基础数据来源于中华人民共和国国家知识产权局。
本文中如何定义污染行业是一个关键性因素，已有文献对重污染行业的定义是采用《上市公司环保核
查行业分类管理名录》或对政策冲击前一年的各类污染物进行线性加总。本文在借鉴苏冬蔚和连莉莉(2018)选取4种排放物基础上计算政策冲击前即2011年各个行业各类污染物排放占比，对比各个行业各
类污染物排放占比与所有行业污染物排放占比的中值，若大于中值取值为1，否则取值为0。将四类污染物
的虚拟变量相加，若虚拟变量之和大于2定义为重污染行业，否则为非重污染行业，最终选取19个行业为
污染行业®。4种污染物排放数据来源于《中国环境统计年鉴》。
本文的被解释变量为绿专利，由于缺乏现成的上市公司绿专利数据，借鉴H e等(2018)的方法利
用Python软件将上市公司母公司、子公司、孙公司等公司名（包括曾用名）与专利数据中的申请人姓名匹 配，其中每一条专利数据中包含了详尽的多个专利分类号，参考齐绍洲等(2018)的做法，采用“国际专利分
类绿清单”绿专利分类检索条目中的分类号进行筛选®若公司专利数据中的分类号中包含一条绿专
利分类检索条目中的分类号则定义为一条绿专利，然后依据上市公司母公司与子公司、孙公司等一对多
的对应关系累加到上市公司母公司层面，从而得到上市公司的绿专利数据气参控关系数据来源于Wind
数据库。
(二)模型构建
为考察绿信贷政策对上市公司绿创新的影响，本文构建如下双重差分基准模型：
Gpatentu=P〇+OTreati•Afier,+yX^1+^+(〇,+£1.,(1)其中式（1)中被解释变量表示；上市公司t年的绿创新能力，借鉴寇宗来和刘学悦(2020)的
①限于篇幅详细行业未展示。
②分类号来自I P C绿清单网站，经整理该清单共计4 900余条绿专利分类号。
③寇宗来和刘学悦(2020)对中国工业企业进行匹配时指出，不应将工业企业的母公司和子公司申请的专利匹配到中 国工业企业名录中，但上市公司子公司、孙公司等财务数据会合并报表，有理由认为其绿创新能力应包含子公司、孙公司
等情况。
11
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议