曹斯蔚，許敬軒

（1. 中國人民大學(xué) 財(cái)政金融學(xué)院，北京 100872；2. 北京工商大學(xué) 經(jīng)濟(jì)學(xué)院，北京 100048）

2021 年3 月開始，我國北方多地多次遭遇大風(fēng)沙塵天氣。4 月中旬，“泥雨”驟下，出行不便，空氣污染引發(fā)了嚴(yán)重的經(jīng)濟(jì)社會(huì)問題。與此同時(shí)，2020 年的我國宏觀杠桿率從2019 年年末的246.5%攀升至270.1%，前兩個(gè)季度增幅高達(dá)13.9%、7.2%[1]。企業(yè)作為我國宏觀經(jīng)濟(jì)的微觀主體，其杠桿率又是我國經(jīng)濟(jì)高杠桿的根源與基礎(chǔ)細(xì)胞，從我國微觀的工業(yè)企業(yè)數(shù)據(jù)來看，其杠桿率高企，資本結(jié)構(gòu)中又以短期的流動(dòng)負(fù)債占比更高。從企業(yè)自身的需求來看，更能分散風(fēng)險(xiǎn)的長期債務(wù)、股權(quán)融資反而占比不高[2]，存在著深層次的結(jié)構(gòu)倒掛現(xiàn)象。關(guān)于這一現(xiàn)象的成因眾說紛紜，或認(rèn)為是源自增發(fā)貨幣的刺激政策[3]，或看作來自抵押物的較廣界定范圍[4]，或是不確定性風(fēng)險(xiǎn)的一種企業(yè)層面?zhèn)鲗?dǎo)[5-6]。在“去杠桿”的供給側(cè)結(jié)構(gòu)性改革大背景下，理清我國企業(yè)高杠桿率、結(jié)構(gòu)倒掛現(xiàn)象的規(guī)律與成因至關(guān)重要。本文提供了一個(gè)新的視角，即考察空氣質(zhì)量這一地方政府供給的公共物品[7]，以檢驗(yàn)空氣污染中的PM2.5濃度對(duì)企業(yè)杠桿率與融資行為的影響。本文又將融資行為分為債務(wù)融資與股權(quán)融資，再將債務(wù)融資拆分為短期債務(wù)融資、長期債務(wù)融資，以實(shí)證PM2.5對(duì)其的不同影響，從環(huán)境領(lǐng)域找到結(jié)構(gòu)倒掛現(xiàn)象出現(xiàn)的源頭與動(dòng)態(tài)規(guī)律。

不斷攀升的企業(yè)杠桿率意味著粗放的增長模式，不利于我國經(jīng)濟(jì)的高質(zhì)量發(fā)展。2016 年，黨中央、國務(wù)院發(fā)布的《國務(wù)院關(guān)于積極穩(wěn)妥降低企業(yè)杠桿率的意見》（國發(fā)〔2016〕54 號(hào)），提出了“三去一降一補(bǔ)”工作中，積極穩(wěn)妥降低企業(yè)杠桿率的具體意見。同年，財(cái)政部、國家稅務(wù)總局為落實(shí)有關(guān)精神，發(fā)布《關(guān)于落實(shí)降低企業(yè)杠桿率稅收支持政策的通知》（財(cái)稅〔2016〕125 號(hào)），提出了利用財(cái)稅工具降低企業(yè)成本負(fù)擔(dān)的目標(biāo)。2018 年8 月，國家發(fā)展改革委、人民銀行、財(cái)政部、銀保監(jiān)會(huì)、國資委印發(fā)的《2018 年降低企業(yè)杠桿率工作要點(diǎn)》（發(fā)改財(cái)金〔2018〕1135 號(hào)），提出了“去杠桿”的各項(xiàng)工作重點(diǎn)。2019 年7 月，國家發(fā)展改革委、人民銀行、財(cái)政部、銀保監(jiān)會(huì)印發(fā)的《2019 年降低企業(yè)杠桿率工作要點(diǎn)》（發(fā)改財(cái)金〔2019〕1276 號(hào)）要求，降低企業(yè)杠桿率工作持續(xù)推進(jìn)、不斷落實(shí)與實(shí)施?？梢?，“去杠桿”是黨和國家現(xiàn)階段風(fēng)險(xiǎn)攻堅(jiān)的重大命題，并不斷根據(jù)需要來配合、調(diào)整、完善具體的實(shí)施方案和工作細(xì)則。與此同時(shí)，國務(wù)院于2013 年發(fā)布《大氣污染防治行動(dòng)計(jì)劃》（國發(fā)〔2013〕37號(hào)）十條措施，旨在推動(dòng)我國經(jīng)濟(jì)可持續(xù)發(fā)展，使得發(fā)展方式向環(huán)境友好型、資源節(jié)約型轉(zhuǎn)變。而2020 年9 月，國家主席習(xí)近平在聯(lián)合國大會(huì)上宣布：“中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭(zhēng)于2030 年前達(dá)到峰值，努力爭(zhēng)取2060 年前實(shí)現(xiàn)碳中和?！北疚臑槲覈?jīng)濟(jì)“去杠桿”、供給側(cè)結(jié)構(gòu)性改革、環(huán)保治理與政府治理改革的協(xié)同作用、“碳達(dá)峰”和“碳中和”戰(zhàn)略的實(shí)現(xiàn)，提供了一個(gè)可供經(jīng)驗(yàn)借鑒的思考。另外，學(xué)界對(duì)我國企業(yè)高杠桿化與結(jié)構(gòu)倒掛傾向的成因與解決路徑的研究，大都還是從傳統(tǒng)的政府與市場(chǎng)的維度上進(jìn)行分析。學(xué)術(shù)共識(shí)在于企業(yè)擁有的政治資源、政治背景是企業(yè)高杠桿化的促成因素，而寬松的貨幣刺激政策涌入了大量的“熱錢”，支配著企業(yè)負(fù)債水平的陡然上升，再加上不暢的企業(yè)融資環(huán)境，衍生出了中國特色的結(jié)構(gòu)倒掛傾向。環(huán)境因素、污染水平對(duì)企業(yè)杠桿率高企與結(jié)構(gòu)倒掛傾向的影響一直較少談及，企業(yè)駐地的空氣污染程度作為一種風(fēng)險(xiǎn)資本，對(duì)企業(yè)行為的影響還需深入剖析。本文做出了一個(gè)嘗試，找到了PM2.5濃度對(duì)企業(yè)杠桿率與融資行為影響的實(shí)證證據(jù)。

企業(yè)杠桿是一種拆借資金的工具，也是分散風(fēng)險(xiǎn)的手段。理論上，企業(yè)所在地區(qū)的空氣污染可被看作是一種風(fēng)險(xiǎn)資本，也是一種要素稟賦，其增加了企業(yè)經(jīng)營的風(fēng)險(xiǎn)。因此，需要借助融資工具以引入外部資本，實(shí)現(xiàn)風(fēng)險(xiǎn)轉(zhuǎn)移、風(fēng)險(xiǎn)共擔(dān)。但需要注意的是，企業(yè)的融資不是一方主體的單方面行為，其內(nèi)含了融資需求方與供給方的雙方博弈，體現(xiàn)于融資約束概念上的限制。即企業(yè)因空氣污染而暴露在了風(fēng)險(xiǎn)更大的環(huán)境中，經(jīng)營情況也就更有可能變差，融資供給方會(huì)對(duì)這個(gè)因素進(jìn)行識(shí)別與評(píng)估，而調(diào)整資金供給類型、期限與規(guī)模。企業(yè)可能無法獲得分散風(fēng)險(xiǎn)效果最好的融資工具，因而出現(xiàn)結(jié)構(gòu)倒掛傾向。本文研究了空氣污染中的PM2.5濃度對(duì)企業(yè)杠桿率與融資行為的影響，還納入了PM2.5對(duì)融資約束影響的機(jī)制分析，從環(huán)境的視角闡釋我國企業(yè)的高杠桿率與結(jié)構(gòu)倒掛傾向。

本文使用了中國工業(yè)企業(yè)、美國國家航空航天局（NASA）氣象衛(wèi)星遙感AOD（氣溶膠光學(xué)厚度）反演數(shù)據(jù)等數(shù)據(jù)庫，以及中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（CNEMC）天氣數(shù)據(jù)，共同構(gòu)建了一個(gè)非平衡的面板數(shù)據(jù)集。本研究計(jì)算出了精確到縣的PM2.5濃度水平，并用應(yīng)收賬款占比作為代理變量，將以往混同在杠桿率這一融資規(guī)模指標(biāo)內(nèi)部的融資約束進(jìn)行分離，即企業(yè)獲得融資是以融資供給方對(duì)其經(jīng)營風(fēng)險(xiǎn)的識(shí)別為條件。又以相關(guān)指標(biāo)為判定標(biāo)準(zhǔn)，剖析了“空氣污染—融資約束—杠桿率”的邏輯鏈條，還將存量杠桿率的形成過程分解為不同類型的流量融資行為。實(shí)證結(jié)果表明，縣域的年度平均PM2.5濃度每上升1 μg/m3，轄區(qū)內(nèi)企業(yè)的杠桿率顯著提高0.572 7%；又因?yàn)槿谫Y約束同時(shí)上升的擠壓作用，出現(xiàn)了以短期債務(wù)融資增加為主的結(jié)構(gòu)倒掛傾向。空氣污染同時(shí)推動(dòng)企業(yè)高杠桿化與融資結(jié)構(gòu)倒掛，從而找到了企業(yè)高杠桿化和結(jié)構(gòu)倒掛傾向在環(huán)境污染層面上的一個(gè)新解釋。

本文的創(chuàng)新點(diǎn)及邊際貢獻(xiàn)有三個(gè)方面：（1）使用逆溫差的工具變量以解決識(shí)別的內(nèi)生性問題，實(shí)證分析了空氣污染的外在經(jīng)營環(huán)境變化是否會(huì)改變企業(yè)效能、影響融資約束，是否會(huì)傳導(dǎo)到企業(yè)層次的經(jīng)營風(fēng)險(xiǎn)，是否是企業(yè)高杠桿、結(jié)構(gòu)倒掛成因的一個(gè)解釋；（2）還將環(huán)保治理標(biāo)準(zhǔn)改革與省直管縣改革導(dǎo)致的縣級(jí)治理能力差異納入論證范圍，并進(jìn)行異質(zhì)性分析的對(duì)比研究，以判別其政策協(xié)同效應(yīng)；（3）實(shí)證分析使用了氣象衛(wèi)星遙感AOD 反演數(shù)據(jù)，克服了以往地面觀測(cè)數(shù)據(jù)的數(shù)據(jù)操縱問題，并將污染數(shù)據(jù)精確計(jì)算到縣而提供了相關(guān)研究數(shù)據(jù)使用上的參考與借鑒。

1 制度背景與研究假設(shè)

1.1 制度背景與文獻(xiàn)綜述

我國企業(yè)存在杠桿率高企與融資結(jié)構(gòu)倒掛的雙重傾向，而我國地區(qū)間空氣污染水平的時(shí)空分布，對(duì)企業(yè)經(jīng)營風(fēng)險(xiǎn)、企業(yè)行為的作用機(jī)制值得更進(jìn)一步探討。一般而言，空氣污染嚴(yán)重使得轄內(nèi)企業(yè)風(fēng)險(xiǎn)上升。為實(shí)現(xiàn)風(fēng)險(xiǎn)共擔(dān)、分散與轉(zhuǎn)移，企業(yè)融資需求旺盛，但由于融資約束的強(qiáng)擠壓，只能以結(jié)構(gòu)倒掛的短債資金拆借方式維持現(xiàn)金流通暢。“去杠桿”與生態(tài)文明的協(xié)同政策效應(yīng)需要實(shí)證上的證據(jù)，而空氣污染對(duì)人類生產(chǎn)經(jīng)營活動(dòng)存在較強(qiáng)干擾的內(nèi)生性問題，其也需要在計(jì)量方法上找到解決方案。

關(guān)于剖析企業(yè)高杠桿的定義、結(jié)構(gòu)、成因與危害，為了找到“去杠桿”的實(shí)現(xiàn)路徑，許多學(xué)者做出了非常卓越的努力與理論研究工作。按照公司金融理論，企業(yè)只要沒有遭遇融資約束的阻撓往往會(huì)根據(jù)宏觀經(jīng)濟(jì)景氣指數(shù)去調(diào)整杠桿率[8]。目前，現(xiàn)行的杠桿率界定方式與計(jì)算方法存在很多不合理之處，沒有合理區(qū)分流量與存量指標(biāo)，有很多混淆。高杠桿可能來自貨幣超發(fā)的刺激計(jì)劃，也受到借款抵押物認(rèn)定范圍過于寬松的影響，還是各種不確定因素共同作用的結(jié)果，更與政府行為[9-11]與體制問題[12]息息相關(guān)。高杠桿率使企業(yè)極易瀕臨破產(chǎn)邊緣，容易引致其戰(zhàn)略激進(jìn)、表現(xiàn)不佳[13]，可能危害到國家金融穩(wěn)定[14]，抑制技術(shù)創(chuàng)新[15-16]。因此，“去杠桿”能改善企業(yè)績(jī)效[17]，還可以激勵(lì)企業(yè)創(chuàng)新。但是，結(jié)構(gòu)性減稅[18]、技術(shù)創(chuàng)新[19]都是行之有效的“去杠桿”實(shí)現(xiàn)路徑與手段。

學(xué)界對(duì)空氣污染的研究日益受到關(guān)注。首先，PM2.5是造成霧霾污染的主要污染物?！巴粑⒐裁\(yùn)”下空氣污染對(duì)人類活動(dòng)的影響不可忽視。嚴(yán)重的空氣污染降低了人均預(yù)期壽命[20]，改變了地理空間內(nèi)的人口流動(dòng)[21]， 使企業(yè)存貨流轉(zhuǎn)受阻[22]、勞動(dòng)力成本上升[23]、勞動(dòng)生產(chǎn)率明顯下降[24-26]、創(chuàng)新激勵(lì)變化[27]。最后，作為一種隱性的、無形的、通常人們主觀上未必能意識(shí)到的地方公共物品，理論上，空氣質(zhì)量還與政府治理能力、環(huán)保治理與縣級(jí)改革異質(zhì)性密切相關(guān)，并有了一些實(shí)證上的證據(jù)。環(huán)保治理與縣級(jí)改革也理應(yīng)影響到地方政府財(cái)力與支出責(zé)任匹配[28]，改變著縣級(jí)政府支出偏好[29]，影響其包括空氣在內(nèi)的地方公共物品供給。然而，空氣污染是否會(huì)在企業(yè)融資行為的層面上造成影響，本文試圖厘清其作用機(jī)制與規(guī)律。其對(duì)于推進(jìn)我國供給側(cè)結(jié)構(gòu)性改革大背景下的微觀企業(yè)“去杠桿”，發(fā)揮其與多維績(jī)效考核、省直管縣、環(huán)保治理改革的政策協(xié)同作用，并通過各項(xiàng)改革提高政府能力[30-31]，以實(shí)現(xiàn)我國經(jīng)濟(jì)高質(zhì)量發(fā)展，完成“碳達(dá)峰”與“碳中和”戰(zhàn)略目標(biāo)，可謂意義重大。

1.2 研究假設(shè)

結(jié)合現(xiàn)有理論、客觀事實(shí)與實(shí)踐經(jīng)驗(yàn)，本文做出以下假設(shè)：

假設(shè)一：空氣污染提高了企業(yè)杠桿率，同時(shí)惡化了企業(yè)基本經(jīng)營狀況與現(xiàn)金流，強(qiáng)化了企業(yè)的融資約束。

假設(shè)二：空氣污染導(dǎo)致企業(yè)融資約束的加強(qiáng)，又阻塞了企業(yè)通過股權(quán)融資、長期債務(wù)融資分散風(fēng)險(xiǎn)的可能。風(fēng)險(xiǎn)轉(zhuǎn)移、風(fēng)險(xiǎn)分散的需求被擠壓到了短期的流動(dòng)負(fù)債融資之中，進(jìn)一步造成了企業(yè)杠桿的結(jié)構(gòu)倒掛傾向。

假設(shè)三：2012 年的環(huán)保治理新標(biāo)準(zhǔn)實(shí)施、財(cái)政省直管縣改革、貧困縣劃定與“去杠桿”政策具有協(xié)同效應(yīng)，抑制了空氣污染導(dǎo)致的企業(yè)高杠桿化與結(jié)構(gòu)倒掛傾向。

本文采用中國工業(yè)企業(yè)數(shù)據(jù)、美國國家航空航天局氣象衛(wèi)星遙感AOD 反演數(shù)據(jù)、中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)天氣數(shù)據(jù)等數(shù)據(jù)庫對(duì)以上假設(shè)進(jìn)行檢驗(yàn)。

2 實(shí)證設(shè)計(jì)與數(shù)據(jù)描述

2.1 實(shí)證設(shè)計(jì)

本文采用標(biāo)準(zhǔn)的OLS 模型，使用雙線加權(quán)得到縣域年度平均PM2.5濃度作為地區(qū)空氣污染程度的衡量指標(biāo)，再進(jìn)行估計(jì)分析；為了解決識(shí)別的內(nèi)生性問題，使用逆溫差作為工具變量，采用2SLS 方法再次進(jìn)行估計(jì)以進(jìn)行對(duì)比。隨后，本文將企業(yè)杠桿率分解為債務(wù)融資、股權(quán)融資、短期債務(wù)融資、長期債務(wù)融資，以同時(shí)厘清杠桿總量與結(jié)構(gòu)變化的問題。

2.1.1 計(jì)量模型

（1）OLS 估計(jì)模型。本文首先使用OLS 模型實(shí)證檢驗(yàn)空氣污染與企業(yè)杠桿率、融資行為之間的關(guān)系，回歸模型（1）如下：

式中：i 表示企業(yè)個(gè)體，j 表示企業(yè)所在地區(qū)，t 表示年份；Levi,j,t是 本文的被解釋變 量，分別為i 企業(yè)個(gè)體在j 地區(qū)第t 年的杠桿率、債務(wù)融資、股權(quán)融資、短期債務(wù)融資、長期債務(wù)融資；PM2.5j,t是本文的核心解釋變量，代表縣域地區(qū)j 使用t 年度平均的PM2.5濃度；Xi,j,t表示一系列控制變量，包括企業(yè)層級(jí)的企業(yè)年齡、企業(yè)規(guī)模、營業(yè)利潤率、國企、外資占比，天氣方面的控制變量包括降水量、日照時(shí)數(shù)、氣溫、相對(duì)濕度。本文模型均使用雙向固定效應(yīng)模型，αi為企業(yè)固定效應(yīng)，μt為年份固定效應(yīng)。εi,j,t為誤差項(xiàng)，包括隨企業(yè)、時(shí)間和地區(qū)變化且不可觀測(cè)特征。標(biāo)準(zhǔn)誤聚類到縣級(jí)，以識(shí)別位于同一個(gè)縣內(nèi)企業(yè)的空間和時(shí)間相關(guān)性。β1是本文最關(guān)心的系數(shù)，反映了空氣污染對(duì)企業(yè)杠桿率與融資行為的影響。

（2）工具變量估計(jì)模型。要想得到OLS 方法的一致估計(jì)量，需要外生性假設(shè)，但明顯模型（1）很可能因存在遺漏變量或者逆向因果而產(chǎn)生內(nèi)生性問題[32]，即杠桿率和融資行為會(huì)受到不可觀測(cè)的時(shí)空變量影響、杠桿率和融資行為也可能反過來影響地區(qū)空氣污染，使得OLS估計(jì)產(chǎn)生偏誤。相對(duì)比可供使用的識(shí)別策略，風(fēng)速等地面的空氣流動(dòng)性指標(biāo)工具變量識(shí)別容易被個(gè)體所觀測(cè)，可能導(dǎo)致影響企業(yè)選址行為的選擇性偏誤。秦嶺—淮河南北方沿線的地理斷點(diǎn)回歸（RD）[32-33]，識(shí)別相對(duì)“干凈”，但樣本量受到了嚴(yán)重限制，解釋變量的變動(dòng)性容易不足，并不適合于本文的研究選題。而逆溫差這一工具變量（IV）在功能性上則可同時(shí)克服上述的兩個(gè)缺點(diǎn)，理論上合格的工具變量選擇必須滿足相關(guān)性（與核心解釋變量相關(guān)）、外生性（與誤差項(xiàng)不相關(guān)）兩個(gè)假設(shè)條件[34]。 首先，空氣污染的PM2.5濃度必須與逆溫差程度相關(guān)，正常情況下因?yàn)榭諝庵械膽腋☆w粒會(huì)隨氣流縱向不斷上升而在半空消散，大氣溫度應(yīng)該隨著海拔的升高而穩(wěn)定地逐漸降低。但地球大氣存在一種“逆溫”現(xiàn)象，即大氣層溫度會(huì)隨著離地高度增加而上升。而此類逆溫現(xiàn)象會(huì)阻礙空氣的垂直對(duì)流，加重區(qū)域PM2.5濃度的上升。世界各地氣象觀測(cè)的高清分辨率解析圖都支持了這一結(jié)論。然后，逆溫差不會(huì)通過PM2.5濃度的其他途徑直接影響企業(yè)的杠桿率與融資行為。一個(gè)有力的經(jīng)驗(yàn)證據(jù)是，在2001 年之后，雖然我國PM2.5濃度急劇上升與經(jīng)濟(jì)快速發(fā)展同時(shí)發(fā)生，但相關(guān)地區(qū)的逆溫差強(qiáng)度卻沒有多大的變化。另外，通過控制其他天氣變量的辦法，逆溫差程度已經(jīng)與人類生產(chǎn)經(jīng)濟(jì)活動(dòng)高度不相關(guān)，而且季節(jié)因素的影響也已經(jīng)極度微弱。所以，基本能夠判定本文的估計(jì)結(jié)果可以得到無偏估計(jì)量。

因此，本文將逆溫差強(qiáng)度作為空氣污染PM2.5濃度的工具變量，使用兩階段最小二乘法（2SLS）對(duì)模型進(jìn)行估計(jì)，并且第二階段回歸模型與模型（1）相同。而第一階段的回歸模型為：

式中：IVj,t表示工具變量，是縣域地區(qū)j 在t 年度的逆溫差強(qiáng)度，ηi,j,t是一階段回歸的誤差項(xiàng)，其余變量定義與設(shè)定均與模型（1）相同。且除了核心解釋變量之外，一階段回歸的控制變量與二階段相同，以保證第一階段回歸的殘差ηi,j,t與控制變量Xi,j,t正交。不再贅述。

2.1.2 數(shù)據(jù)來源

為了分析空氣污染對(duì)企業(yè)杠桿率和融資行為的影響，本文使用中國工業(yè)企業(yè)數(shù)據(jù)庫、美國國家航空航天局氣象衛(wèi)星遙感AOD（氣溶膠光學(xué)厚度）反演數(shù)據(jù)、中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)天氣數(shù)據(jù)，構(gòu)造了一個(gè)龐大而變量信息豐富的面板數(shù)據(jù)集。其中，中國工業(yè)企業(yè)數(shù)據(jù)庫是針對(duì)我國規(guī)模以上（年主營業(yè)務(wù)收入500 萬元以上）企業(yè)的百萬級(jí)別數(shù)據(jù)庫，統(tǒng)計(jì)區(qū)域具體到了縣級(jí)，作為企業(yè)數(shù)據(jù)來源，其樣本巨大、變量充足、信息豐富。而核心解釋變量，即空氣污染物中的PM2.5濃度——環(huán)境空氣中直徑小于等于2.5 微米的顆粒物濃度和逆溫差程度，數(shù)據(jù)質(zhì)量要求的重要性無可比擬。本文數(shù)據(jù)來源于全球模擬與同化辦公室發(fā)布的MERRA-2 數(shù)據(jù)集，這一數(shù)據(jù)集通過測(cè)量塵埃和霧霾等空氣懸浮顆粒物所吸收、反射日光照射的數(shù)量和強(qiáng)度，估計(jì)特定污染物，尤其是缺乏地面監(jiān)測(cè)時(shí)估算的地區(qū)空氣污染物濃度，以月為單位，按0.5 度×0.625 度的經(jīng)緯度柵格，記錄了1980 年至今各項(xiàng)空氣污染指標(biāo)。數(shù)據(jù)的時(shí)間跨度從1980 年開始高達(dá)40 年，覆蓋全國幾乎所有縣級(jí)單位范圍，而且還避免了地面監(jiān)測(cè)站污染數(shù)據(jù)可能發(fā)生的人為操 縱[35]。天氣的控制變量來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)天氣數(shù)據(jù)。分組回歸的數(shù)據(jù)則來自縣級(jí)政府改革數(shù)據(jù)和地市級(jí)統(tǒng)計(jì)數(shù)據(jù)，其提供了基于2012 年環(huán)保治理新標(biāo)準(zhǔn)實(shí)施與縣級(jí)改革進(jìn)行異質(zhì)性分析的材料。

2.2 數(shù)據(jù)描述

2.2.1 回歸變量的計(jì)算與設(shè)定

本文采取雙線插值法[36]，使用ArcGIS10.0 軟件計(jì)算出衛(wèi)星反演的柵格點(diǎn)PM2.5濃度數(shù)據(jù)縣域平均值，再按年度進(jìn)行平均得到全國各縣級(jí)單位的年度平均PM2.5濃度數(shù)據(jù)，設(shè)為變量PM2.5。

逆溫差強(qiáng)度數(shù)據(jù)也源自NASA 全球模擬與同化辦公室的MERRA-2 數(shù)據(jù)集，其按0.5 度×0.625 度的經(jīng)緯度柵格，以6 小時(shí)一次的頻率，分42 個(gè)垂直層分別記錄了距地面110 ～36 000 米的空氣溫度。本文參考Chen 等的計(jì)算方法，逆溫差強(qiáng)度變量用第二層空氣（320米）溫度減去第一層（110 米）溫度的差值，將數(shù)據(jù)樣本識(shí)別到縣級(jí)區(qū)域，每6 小時(shí)數(shù)據(jù)加總平均到年以進(jìn)行構(gòu)造。

按照理論，企業(yè)杠桿率以負(fù)債合計(jì)除以資產(chǎn)總計(jì)進(jìn)行構(gòu)造，債務(wù)融資、股權(quán)融資、短期債務(wù)融資、長期債務(wù)融資分別以負(fù)債合計(jì)、所有者權(quán)益合計(jì)、流動(dòng)負(fù)債合計(jì)、長期負(fù)債合計(jì)除以滯后一期資產(chǎn)總計(jì)的存量指標(biāo)以進(jìn)行變量構(gòu)造。

在企業(yè)層級(jí)的控制變量方面，企業(yè)年齡計(jì)算方式為ln(年份-開業(yè)時(shí)間年+1)；營業(yè)利潤率等于營業(yè)利潤除以主營業(yè)務(wù)收入；國企虛擬變量根據(jù)定義，若控股情況為1，國企變量為1，否則為0；外資占比變量參考邵敏和黃玖立[37]的做法，以外商資本除以實(shí)收資本進(jìn)行計(jì)算。降水量、氣溫、相對(duì)濕度的天氣控制變量數(shù)據(jù)則以中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)天氣數(shù)據(jù)為基礎(chǔ)，平均到縣、加總到年。日照時(shí)數(shù)變量為一年內(nèi)太陽在一地實(shí)際照射的時(shí)數(shù)。

2.2.2 數(shù)據(jù)的處理與清洗

中國工業(yè)企業(yè)數(shù)據(jù)則先以Brandt 等[38]的經(jīng)典方法進(jìn)行識(shí)別，再參照聶輝華等[39]的方法進(jìn)行數(shù)據(jù)清理。具體為：一是按企業(yè)代碼id 和時(shí)間將不同年份的數(shù)據(jù)進(jìn)行縱向匹配，獲得一個(gè)非平衡面板；二是刪除工業(yè)總產(chǎn)值、工業(yè)銷售產(chǎn)值、員工人數(shù)、中間投入、固定資產(chǎn)、銷售額、實(shí)收資本小于零、單期折舊小于累計(jì)折舊、固定資產(chǎn)與流動(dòng)資產(chǎn)小于總資產(chǎn)等明顯異常、不合邏輯、數(shù)據(jù)錯(cuò)誤的觀測(cè)值；三是刪除總資產(chǎn)等關(guān)鍵變量缺失的樣本；四是對(duì)職工人數(shù)小于8 人、沒有完整的會(huì)計(jì)系統(tǒng)的企業(yè)樣本、銷售額小于500 萬元、不符合規(guī)模以上企業(yè)定義的樣本進(jìn)行刪除；五是為了消除極端值的影響，對(duì)關(guān)鍵變量進(jìn)行上下1%的縮尾處理。本文最終得到了1999—2015 年的2 207 472 個(gè)企業(yè)×年觀測(cè)值。

2.2.3 變量的描述性統(tǒng)計(jì)

表1 給出了各變量的名稱、定義及統(tǒng)計(jì)描述。

3 實(shí)證回歸結(jié)果

3.1 基本回歸結(jié)果

3.1.1 OLS回歸結(jié)果

表2 中的第（1）～（5）列分別匯報(bào)了縣域PM2.5濃度對(duì)企業(yè)杠桿率、債務(wù)融資、股權(quán)融資、短期債務(wù)融資、長期債務(wù)融資的OLS 回歸結(jié)果。第（1）～（5）列均控制了年份與企業(yè)的固定效應(yīng)，考慮到縣域企業(yè)、企業(yè)不同年份隨機(jī)擾動(dòng)項(xiàng)之間相關(guān)性產(chǎn)生的統(tǒng)計(jì)檢驗(yàn)標(biāo)準(zhǔn)誤偏差，本文的所有回歸均將標(biāo)準(zhǔn)誤聚類到縣級(jí)層面。

由表2 可以看出，在OLS 模型下，第（1）列中縣域PM2.5濃度對(duì)企業(yè)杠桿率的影響系數(shù)為-0.000 989，在1%的水平下顯著；第（2）～（4）列中PM2.5濃度對(duì)債務(wù)融資的影響系數(shù)為-0.001 044、對(duì)股權(quán)融資的影響系數(shù)為0.001 510、對(duì)短期債務(wù)融資的影響系數(shù)為-0.000 959，均在1%的水平下顯著；而第（5）列中，PM2.5濃度對(duì)長期債務(wù)融資無顯著影響。在不考慮內(nèi)生性的情況下，似乎企業(yè)能在一定程度上自主識(shí)別空氣污染造成的經(jīng)營風(fēng)險(xiǎn)，選擇期限較長的融資工具以拆借資金、分散風(fēng)險(xiǎn)，但邏輯上存在不連貫的地方。

3.1.2 IV回歸結(jié)果

表3 匯報(bào)了逆溫差強(qiáng)度對(duì)企業(yè)杠桿率和融資行為影響的IV 估計(jì)的一階段回歸結(jié)果。結(jié)果表明：在控制了企業(yè)層面控制變量、天氣控制變量的情況下，逆溫差強(qiáng)度對(duì)縣域年均PM2.5濃度有正向的顯著影響，系數(shù)為4.874 575，并在1%的水平下顯著。

表1 變量的描述性統(tǒng)計(jì)

表4 匯報(bào)了逆溫差強(qiáng)度對(duì)企業(yè)杠桿率和融資行為影響的IV 估計(jì)的二階段回歸結(jié)果，第（1）～（5）列回歸的被解釋變量分別為企業(yè)杠桿率、債務(wù)融資、股權(quán)融資、短期債務(wù)融資、長期債務(wù)融資。并且，在本文下設(shè)的IV 各表中，各列回歸的Kleibergen-Paap F 值均大于Stock-Yogo 10%的臨界值水平（約為7.0 左右），回歸不存在弱工具變量問題。而且，表4 的第（1）～（5）列回歸都控制了年份與企業(yè)的固定效應(yīng)。

從表4 的二階段回歸結(jié)果中可以看出，在使用工具變量解決了OLS 模型識(shí)別內(nèi)生性問題的情況下，估計(jì)的結(jié)果出現(xiàn)了明顯的不同?？h域PM2.5濃度對(duì)企業(yè)杠桿率的影響系數(shù)為0.005 727，在1%的水平下顯著。PM2.5濃度使企業(yè)在1%的顯著水平下增加了債務(wù)融資，系數(shù)為0.009 613，對(duì)股權(quán)融資則無顯著影響。在結(jié)構(gòu)上，PM2.5濃度使得短期債務(wù)融資在1%的顯著水平下增加，系數(shù)為0.007 871，長期債務(wù)融資則無顯著變化。估計(jì)結(jié)果可以表明，空氣污染在一定程度上推動(dòng)了企業(yè)的高杠桿與結(jié)構(gòu)倒掛傾向?？偠灾?，縣域的年度平均PM2.5濃度每上升1 μg/m3，轄區(qū)內(nèi)企業(yè)的杠桿率提高0.572 7%，債務(wù)融資增加0.961 3%。其中，短期債務(wù)融資又增加了0.787 1%，空氣污染同時(shí)推動(dòng)了企業(yè)高杠桿化與融資結(jié)構(gòu)倒掛。

表2 OLS估計(jì)的回歸結(jié)果

表3 IV估計(jì)的一階段回歸結(jié)果

3.2 機(jī)制檢驗(yàn)回歸結(jié)果

從企業(yè)的主觀意愿來看，為化解空氣污染造成的企業(yè)經(jīng)營風(fēng)險(xiǎn)，企業(yè)應(yīng)該更愿意選擇期限更長的融資工具，以達(dá)到與融資供給方風(fēng)險(xiǎn)分散、盈虧共擔(dān)的目的。因此，這樣的回歸估計(jì)結(jié)果應(yīng)該大概率是被動(dòng)選擇的無奈之舉。融資需求方借不到期限更長、分散風(fēng)險(xiǎn)效果更好的現(xiàn)金流，存在融資約束的擠壓。一般情況下，企業(yè)融資必須提供能反映其自身經(jīng)營效益、現(xiàn)金流水平、資產(chǎn)抵押等企業(yè)基本面的財(cái)務(wù)報(bào)表與證明材料，以供銀行等融資供給方參考和評(píng)估。其構(gòu)成相對(duì)復(fù)雜，難以準(zhǔn)確、完整的構(gòu)造變量進(jìn)行測(cè)算。又因中國工業(yè)企業(yè)數(shù)據(jù)庫中現(xiàn)金流指標(biāo)的大量缺失，本文參考石曉軍和張順明[40]對(duì)商業(yè)信用與融資約束強(qiáng)相關(guān)性的闡釋，使用應(yīng)收賬款除以滯后一期資產(chǎn)總計(jì)作為融資約束的代理變量。并用應(yīng)收賬款除以資產(chǎn)總計(jì)構(gòu)造“融資約束（一）”，以供穩(wěn)健性檢驗(yàn)。企業(yè)應(yīng)收賬款占比越高，應(yīng)收還未收回來的資金越多，現(xiàn)金流轉(zhuǎn)越慢。而反映在財(cái)務(wù)報(bào)表上，企業(yè)的經(jīng)營指標(biāo)不佳，其賴賬的經(jīng)營風(fēng)險(xiǎn)越高，企業(yè)遭遇的融資約束也就越強(qiáng)。

表5 匯報(bào)了縣域PM2.5濃度對(duì)企業(yè)融資約束影響的IV 估計(jì)二階段回歸結(jié)果。PM2.5濃度上升，企業(yè)的融資約束增加，系數(shù)為0.002 624，且在1%的水平下顯著。并且，穩(wěn)健性檢驗(yàn)的結(jié)果與之相一致。PM2.5濃度上升，融資約束增加且顯著，IV的二階段回歸估計(jì)結(jié)果穩(wěn)定?？h域PM2.5濃度每上升1 μg/m3，企業(yè)遭遇的融資約束同時(shí)增加0.262 4%。可在一定程度上判定，企業(yè)杠桿率的結(jié)構(gòu)倒掛傾向是融資約束擠壓下被動(dòng)選擇的無奈之舉，是融不到更長期限資金下的權(quán)宜之計(jì)，造成了融資渠道以短債為主的“堰塞湖”。

4 穩(wěn)健性與異質(zhì)性檢驗(yàn)

4.1 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)工具變量2SLS 回歸結(jié)果的穩(wěn)健性，本文進(jìn)行了5 組變量替換：第（1）列是將小于0 的逆溫值替換為0；第（2）列是變更逆溫變量，變更為統(tǒng)計(jì)地區(qū)一年內(nèi)逆溫現(xiàn)象出現(xiàn)的天數(shù)；第（3）列是替換雙線加權(quán)縣年度平均的PM2.5濃度，變更為最鄰近點(diǎn)縣年度平均的PM2.5濃度（mpm25b）。穩(wěn)健性檢驗(yàn)的一階段回歸結(jié)果如表6 所示。

表6 顯示，工具變量的一階段回歸結(jié)果穩(wěn)健。第（1）列為將小于0 的逆溫值替換為0 的一階段回歸結(jié)果；第（2）列為統(tǒng)計(jì)一年內(nèi)逆溫現(xiàn)象出現(xiàn)的天數(shù)構(gòu)造逆溫變量的一階段回歸結(jié)果；第（3）列為空氣污染變量變更為最鄰近點(diǎn)縣年度平均的PM2.5濃度（mpm25b）的一階段回歸結(jié)果。可見，其系數(shù)均為正，分別為4.623 42、0.014 006、4.802 177，且在1%的水平下顯著，一階段回歸結(jié)果穩(wěn)健。

表4 IV估計(jì)的二階段回歸結(jié)果

表7 為工具變量穩(wěn)健性檢驗(yàn)的二階段回歸結(jié)果。為了節(jié)省篇幅，表7 中僅匯報(bào)了核心解釋變量的系數(shù)，且均控制了年份與企業(yè)固定效應(yīng)，這里不再贅述。表7 中二階段回歸的Panel A、Panel B、Panel C 為穩(wěn)健性檢驗(yàn)，變量替換方式分別對(duì)應(yīng)表6 的第（1）～（3）列，即：Panel A 將小于0 的逆溫值替換為0；Panel B 統(tǒng)計(jì)一年內(nèi)逆溫現(xiàn)象出現(xiàn)的天數(shù)；Panel C 將空氣污染變量變更為最鄰近點(diǎn)縣年度平均的PM2.5濃度（mpm25b）。可見，穩(wěn)健性檢驗(yàn)的結(jié)果基本與原工具變量基準(zhǔn)模型回歸估計(jì)結(jié)果相一致?？h域空氣污染的PM2.5濃度對(duì)股權(quán)融資的影響不顯著，對(duì)企業(yè)杠桿率產(chǎn)生顯著的正向影響，推動(dòng)了企業(yè)的高杠桿化與債務(wù)融資行為。結(jié)構(gòu)上，這一推動(dòng)作用又反映在推動(dòng)短期債務(wù)融資正向增長上，存在著融資約束擠壓下的結(jié)構(gòu)倒掛傾向。

4.2 異質(zhì)性檢驗(yàn)

基本回歸、機(jī)制和穩(wěn)健性檢驗(yàn)結(jié)果證實(shí)了：空氣污染使得企業(yè)融資需求、融資約束同時(shí)上升而出現(xiàn)了融資結(jié)構(gòu)倒掛傾向。從環(huán)境與生態(tài)文明的視角，為我國企業(yè)的高杠桿化、融資結(jié)構(gòu)倒掛現(xiàn)象提供了一個(gè)新穎的解釋。但是，在現(xiàn)階段政府環(huán)保治理全面推行、力度不斷加強(qiáng)的情況下，是否有效地協(xié)同“去杠桿”經(jīng)濟(jì)政策，遏制了這一從自然環(huán)境風(fēng)險(xiǎn)傳導(dǎo)到企業(yè)風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)的傳播途徑？這值得探討與研究。另外，我國省直管縣的縣級(jí)政府收支、權(quán)責(zé)、治理結(jié)構(gòu)改革已經(jīng)證明了對(duì)空氣質(zhì)量這一地方公共物品的供給有改善作用，但是否對(duì)切斷自然風(fēng)險(xiǎn)轉(zhuǎn)換為企業(yè)經(jīng)營風(fēng)險(xiǎn)、金融風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)的傳播途徑有積極作用？這尚未有研究。而貧困縣劃定、精準(zhǔn)扶貧作為黨的十八大實(shí)現(xiàn)全面建設(shè)小康目標(biāo)的關(guān)鍵政策，其賦予了對(duì)應(yīng)的縣級(jí)行政單位一定的特殊性。本文分組進(jìn)行空氣污染對(duì)企業(yè)杠桿率、融資行為的異質(zhì)性分析，這對(duì)于提高認(rèn)識(shí)以評(píng)估政策的協(xié)同效應(yīng)很有必要。研究分別基于2012 年大氣環(huán)保治理實(shí)施新標(biāo)準(zhǔn)前后、財(cái)政省直管縣改革、全面省直管縣改革、貧困縣劃定，使用分組回歸以進(jìn)行異質(zhì)性檢驗(yàn)。

表5 機(jī)制檢驗(yàn)的回歸結(jié)果

4.2.1 基于新標(biāo)準(zhǔn)實(shí)施前后的分組回歸結(jié)果

2012 年，環(huán)保部發(fā)布了《關(guān)于實(shí)施〈環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)〉（GB3095—2012）的通知》（環(huán)發(fā)〔2012〕11 號(hào)）（以下簡(jiǎn)稱《通知》）?！锻ㄖ诽岢隽艘栽黾游廴疚锉O(jiān)測(cè)項(xiàng)目、加嚴(yán)部分污染物限值為主要手段的大氣污染防治、環(huán)境質(zhì)量改善策略。與此同時(shí)，與《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》相對(duì)應(yīng)的《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》也同步推出。對(duì)PM2.5濃度實(shí)時(shí)監(jiān)測(cè)的“藍(lán)天保衛(wèi)戰(zhàn)”在地方政府的治理層面上更是不斷展開。據(jù)此，本文基于新標(biāo)準(zhǔn)實(shí)施前后的時(shí)間區(qū)間劃分對(duì)樣本進(jìn)行分組回歸，以進(jìn)行PM2.5濃度對(duì)企業(yè)杠桿率與融資行為影響的異質(zhì)性分析，旨在剖析其與“去杠桿”供給側(cè)結(jié)構(gòu)性改革經(jīng)濟(jì)政策的協(xié)同作用。

表6 穩(wěn)健性檢驗(yàn)的一階段回歸結(jié)果

表7 穩(wěn)健性檢驗(yàn)的二階段回歸結(jié)果

表8 為使用逆溫差強(qiáng)度作為工具變量，檢驗(yàn)PM2.5濃度對(duì)企業(yè)杠桿率與融資行為影響的分組回歸結(jié)果。為節(jié)省篇幅，表8 中僅匯報(bào)了核心解釋變量的系數(shù)，且均控制了年份與企業(yè)的固定效應(yīng)，這里不再贅述。Panel A 為2012 年新標(biāo)準(zhǔn)實(shí)施前樣本，Panel B 為2012 年新標(biāo)準(zhǔn)實(shí)施后樣本。在新標(biāo)準(zhǔn)實(shí)施前，PM2.5濃度顯著提高了企業(yè)杠桿率、推動(dòng)了債務(wù)融資；結(jié)構(gòu)上，短期債務(wù)融資顯著增加，融資約束增強(qiáng)。實(shí)施后，PM2.5濃度只對(duì)債務(wù)融資有顯著正向影響；結(jié)構(gòu)上，融資需求涌入了長期債務(wù)融資。PM2.5濃度對(duì)企業(yè)高杠桿、融資結(jié)構(gòu)倒掛的推動(dòng)作用，在新標(biāo)準(zhǔn)實(shí)施后得到了有效遏制。機(jī)制上，融資約束的擠壓作用得到緩解，切斷了風(fēng)險(xiǎn)傳導(dǎo)途徑，環(huán)保治理與“去杠桿”經(jīng)濟(jì)政策產(chǎn)生了一定的協(xié)同效應(yīng)。在融資約束釋緩的情況下，因?yàn)楣蓹?quán)融資約束的極高門檻，融資需求被疏通到了長期債務(wù)融資之上，債務(wù)融資內(nèi)部的結(jié)構(gòu)倒掛傾向得以消除。

4.2.2 基于財(cái)政省直管縣改革的分組回歸結(jié)果

2002 年開始，浙江、湖北、河南、山東、福建、廣東等先后根據(jù)本省份的具體情況，實(shí)施了財(cái)政省直管縣改革，將一部分歸屬于地級(jí)市的經(jīng)濟(jì)管理權(quán)和社會(huì)管理權(quán)直接賦予經(jīng)濟(jì)強(qiáng)縣，在財(cái)政體制等方面實(shí)行了“省直管縣”。客觀上，賦予了縣域政府財(cái)權(quán)，調(diào)動(dòng)了地方積極性，促進(jìn)了地方經(jīng)濟(jì)發(fā)展。財(cái)政省直管縣改革通過拉動(dòng)地方經(jīng)濟(jì)增長，間接改善了地方融資環(huán)境。然而，地方政府在晉升激勵(lì)的作用下，往往具有“唯GDP 論”的生產(chǎn)性支出偏向。在這種背景下，地方政府是否會(huì)優(yōu)化空氣質(zhì)量這一地方公共物品供給，堅(jiān)持高質(zhì)量發(fā)展原則，秉承“去杠桿”政策指導(dǎo)，改善縣級(jí)經(jīng)濟(jì)環(huán)境特征，釋緩融資約束，遏制企業(yè)高杠桿與結(jié)構(gòu)倒掛傾向？這值得探討。本文基于財(cái)政省直管縣改革進(jìn)行分組回歸，以實(shí)證分析這一縣域財(cái)權(quán)改革與“去杠桿”供給側(cè)結(jié)構(gòu)性改革的協(xié)同作用。

表9 為基于財(cái)政省直管縣改革分組的IV 估計(jì)的二階段回歸結(jié)果。為節(jié)省篇幅，表9 中僅匯報(bào)了核心解釋變量的系數(shù)，且均控制了年份與企業(yè)的固定效應(yīng)，這里不再贅述。Panel A 為未實(shí)施財(cái)政省直管縣改革樣本，PM2.5濃度增加會(huì)顯著地拉升融資約束，從而驅(qū)動(dòng)企業(yè)顯著地借助短期債務(wù)，增加債務(wù)融資，導(dǎo)致企業(yè)高杠桿化與結(jié)構(gòu)倒掛傾向。Panel B中的樣本實(shí)施了財(cái)政省直管縣改革，PM2.5濃度對(duì)企業(yè)杠桿率與融資行為、融資約束均無顯著影響。這說明此項(xiàng)改革有效地遏制了企業(yè)的高杠桿化與融資結(jié)構(gòu)、債務(wù)結(jié)構(gòu)倒掛傾向，并與“去杠桿”供給側(cè)結(jié)構(gòu)性改革產(chǎn)生了協(xié)同效應(yīng)。

4.2.3 基于貧困縣劃定的分組回歸結(jié)果

從2012 年開始，在精準(zhǔn)扶貧的大背景下我國開展了國家級(jí)貧困縣劃定政策。這些縣又被稱為劃定國家扶貧工作重點(diǎn)縣或國定貧困縣，是國家為幫助貧困地區(qū)設(shè)立的一種標(biāo)準(zhǔn)，在全國一共設(shè)立了832 個(gè)國家級(jí)貧困縣。2020 年11 月23 日，我國832 個(gè)國家級(jí)貧困縣全部脫貧摘帽，黨和國家這一波瀾壯闊的脫貧攻堅(jiān)工作是全面建設(shè)小康社會(huì)下惠民生的偉大成就與壯舉。同時(shí)，貧困縣劃定通過各類政策傾斜，改變了縣域特征與政治資源，深刻地影響著地區(qū)內(nèi)的經(jīng)濟(jì)條件與融資環(huán)境。同樣地，基于貧困縣劃定，進(jìn)行PM2.5濃度對(duì)企業(yè)杠桿率、融資行為、融資約束影響的分組回歸與異質(zhì)性分析，有利于厘清精準(zhǔn)扶貧與“去杠桿”供給側(cè)結(jié)構(gòu)性改革兩項(xiàng)重大政策之間的相互關(guān)系，并以環(huán)保治理為紐帶提供一個(gè)政策分析的新視角。

表8 基于新標(biāo)準(zhǔn)實(shí)施前后的異質(zhì)性檢驗(yàn)

表9 基于財(cái)政省直管縣改革的分組回歸結(jié)果

表10 給出了基于貧困縣劃定分組的二階段回歸估計(jì)結(jié)果。為節(jié)省篇幅，表10 中僅匯報(bào)了核心解釋變量的系數(shù)，且均控制了年份與企業(yè)的固定效應(yīng)，這里不再贅述。由Panel A 可以看出，在未被劃定為貧困縣的分組樣本中，縣域空氣污染的PM2.5濃度指標(biāo)對(duì)企業(yè)杠桿率、融資約束、融資行為均具有正向影響，且在1%的水平下顯著。而在Panel B 被劃定為貧困縣的分組樣本中，縣域空氣污染的PM2.5濃度指標(biāo)對(duì)各項(xiàng)變量均無顯著影響。簡(jiǎn)而言之，貧困縣劃定改革、精準(zhǔn)扶貧增加了本地區(qū)企業(yè)的政治資源與政策傾斜度，遏制了由空氣污染所引致的企業(yè)杠桿化與結(jié)構(gòu)倒掛傾向。

5 結(jié)論與政策建議

本文通過使用衛(wèi)星反演的空氣污染PM2.5數(shù)據(jù)、中國工業(yè)企業(yè)數(shù)據(jù)等數(shù)據(jù)庫共同構(gòu)建了數(shù)據(jù)集，使用大氣層中的逆溫差強(qiáng)度作為工具變量，實(shí)證分析了縣域PM2.5濃度對(duì)企業(yè)杠桿率與融資行為的影響，提供了一個(gè)從空氣質(zhì)量這一環(huán)境因素來解釋企業(yè)高杠桿化與融資結(jié)構(gòu)倒掛的新視角，得到了如下幾個(gè)結(jié)論：一是空氣污染提高了企業(yè)風(fēng)險(xiǎn)，賦予了企業(yè)融資沖動(dòng)，分散風(fēng)險(xiǎn)的動(dòng)機(jī)導(dǎo)致企業(yè)的杠桿率提高。二是空氣污染中的PM2.5濃度增加減慢了企業(yè)的現(xiàn)金流轉(zhuǎn)，造成應(yīng)收賬款囤積，強(qiáng)化了企業(yè)融資約束，阻礙企業(yè)獲得股權(quán)融資、長期債務(wù)融資以分散風(fēng)險(xiǎn)的可能。因此，增量的融資需求被融資約束擠壓到了短期債務(wù)之中，形成了倒掛的存量資本結(jié)構(gòu)，共同造成了企業(yè)的高杠桿化與結(jié)構(gòu)倒掛傾向。三是通過兼論環(huán)保治理與縣級(jí)改革的異質(zhì)性分析，判定2012 年的環(huán)保治理新標(biāo)準(zhǔn)實(shí)施、財(cái)政省直管縣改革、全面省直管縣、貧困縣劃定與“去杠桿”政策具有抑制空氣污染導(dǎo)致企業(yè)高杠桿化與結(jié)構(gòu)倒掛傾向的協(xié)同效應(yīng)。從宏觀層面來看，“去杠桿”、環(huán)保治理、省直管縣改革、精準(zhǔn)扶貧、“碳達(dá)峰”和“碳中和”等國家重大政策的實(shí)施具有互相促進(jìn)的協(xié)同效應(yīng)。

結(jié)合以上結(jié)論，本文提出如下政策建議。首先，對(duì)于遏制企業(yè)高杠桿化與結(jié)構(gòu)倒掛傾向、對(duì)融資約束的釋緩至關(guān)重要。所以，應(yīng)該廣開長期債務(wù)與股權(quán)融資渠道，踐行債轉(zhuǎn)股試點(diǎn)改革，優(yōu)化企業(yè)融資結(jié)構(gòu)，提高企業(yè)通過合理融資分散風(fēng)險(xiǎn)的自主性。其次，對(duì)空氣污染的治理與對(duì)企業(yè)“去杠桿”目標(biāo)的實(shí)現(xiàn)并不矛盾，完全可以兼顧，一起協(xié)同推行，以促進(jìn)我國經(jīng)濟(jì)高質(zhì)量發(fā)展。再次，推動(dòng)財(cái)政省直管縣等擴(kuò)大縣級(jí)政府社會(huì)經(jīng)濟(jì)管理自主權(quán)的改革，有利于改善地區(qū)融資環(huán)境，實(shí)現(xiàn)企業(yè)“去杠桿”。簡(jiǎn)政放權(quán)、權(quán)力下放勢(shì)在必行，更是大勢(shì)所趨。最后，政府要重視空氣污染等自然風(fēng)險(xiǎn)擴(kuò)散到金融風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)的傳導(dǎo)與累積。引導(dǎo)企業(yè)與其他微觀主體有效地切斷傳導(dǎo)途徑，消除風(fēng)險(xiǎn)囤積，打好防范重大金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)。頂層設(shè)計(jì)上還要對(duì)地方官員實(shí)行多維績(jī)效考核，提供晉升激勵(lì)以兼顧防范隱性風(fēng)險(xiǎn)，以促進(jìn)生態(tài)文明與經(jīng)濟(jì)高質(zhì)量發(fā)展相互協(xié)同。

表10 基于貧困縣劃定的分組回歸結(jié)果