李紹哲 李含笑 林麗瓊

摘? ?要：本文以2017年綠色金融改革創(chuàng)新試驗區(qū)政策為制度背景，基于2012—2021年滬深A股420家重污染行業(yè)上市企業(yè)數(shù)據(jù)，運用雙重差分模型實證檢驗了綠色金融試點政策對重污染企業(yè)碳排放的影響及作用機制。研究發(fā)現(xiàn)，綠色金融試點政策顯著降低了重污染企業(yè)碳排放，上述結(jié)論在非國有重污染企業(yè)、外部融資依賴程度高的重污染企業(yè)和產(chǎn)業(yè)結(jié)構(gòu)扭曲程度高的省份更為顯著。機制分析表明，綠色金融試點政策在通過促進環(huán)境治理抑制重污染企業(yè)碳排放的同時，亦通過增加重污染企業(yè)金融投資、降低存貨投資方式，短期內(nèi)實現(xiàn)了碳減排。本文的研究為認識和評價綠色金融試點政策的碳減排效應提供了一個新的證據(jù)，同時也為推動綠色金融試點政策的優(yōu)化升級提供了經(jīng)驗支持。

關(guān)鍵詞：綠色金融；影響效應；作用機制；重污染企業(yè)

中圖分類號：F832.5? 文獻標識碼：A? 文章編號：1674-2265（2023）11-0046-09

DOI：10.19647/j.cnki.37-1462/f.2023.11.006

一、引言

2020年，習近平總書記提出，中國力爭在2030年前實現(xiàn)碳達峰，2060年前實現(xiàn)碳中和。黨的二十大報告進一步指出，“積極穩(wěn)妥推進碳達峰碳中和”，“深入推進能源革命，加強煤炭清潔高效利用”。當前，重污染企業(yè)已成為碳排放的重要來源，中國碳核算數(shù)據(jù)庫（CEADs）顯示，2022年中國碳排放量累計110億噸，約占全球碳排放量的28.87%，其中工業(yè)排放量累計42億噸，約占中國碳排放量的38.18%，構(gòu)建綠色低碳工業(yè)體系已成為實現(xiàn)雙碳目標的關(guān)鍵。

綠色金融是基于節(jié)約資源和保護環(huán)境的金融創(chuàng)新，對構(gòu)建綠色低碳工業(yè)體系具有重要作用。2016年8月，中國人民銀行等七部委聯(lián)合印發(fā)了《關(guān)于構(gòu)建綠色金融體系的指導意見》，強調(diào)建立綠色信貸、綠色債券、綠色保險、碳金融等綠色金融體系。2017年6月，中國人民銀行等七部委在浙江、江西、廣東、貴州、新疆五省份八地設(shè)立綠色金融改革創(chuàng)新試驗區(qū)，2019年11月和2022年8月又增設(shè)甘肅蘭州新區(qū)和重慶市作為第二、三批綠色金融改革創(chuàng)新試驗區(qū)，這意味著我國綠色金融發(fā)展進入了頂層設(shè)計和區(qū)域探索雙驅(qū)動階段。那么，綠色金融改革創(chuàng)新試驗區(qū)的設(shè)立能否有助于降低重污染企業(yè)碳排放？從實踐層面來看，試點地區(qū)積極利用綠色金融構(gòu)建節(jié)能降碳體系，如浙江衢州市和湖州市分別創(chuàng)建碳賬戶和建筑行業(yè)“碳效碼”體系，江西贛江新區(qū)推出碳中和基金，廣東廣州市創(chuàng)新碳排放權(quán)抵押融資產(chǎn)品。從理論層面來看，關(guān)于碳排放的影響因素，以往學者主要從經(jīng)濟增長、技術(shù)創(chuàng)新、環(huán)境規(guī)制、固定資產(chǎn)投資和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整（全世文和袁靜婷，2019；孫振清等，2020；陳詩一等，2021；馮宗憲和高贏，2019；Ahmed和Zeshan，2014；陳寶貴和石曉慧，2023）[1-6]等方面進行闡釋。本文關(guān)注綠色金融政策對重污染企業(yè)碳排放的影響，即從綠色金融視角探討重污染企業(yè)碳減排的動因。目前，有關(guān)綠色金融政策碳減排效應的研究成果較為豐富，主要形成以下觀點：部分學者認為綠色金融政策的實施能夠倒逼重污染企業(yè)承擔環(huán)境和社會責任，減少生產(chǎn)過程中的污染排放（Muganyi 等，2021）[7]，進而降低了碳排放量（高原和申珍珍，2022；潘敏和王晨，2022；范德成和張修凡，2022）[8-10]，但也有少數(shù)學者認為綠色金融政策面臨效率低、制度不合理的困境，難以實現(xiàn)碳減排（Leiman，2007；錢浩祺等，2019）[11，12]。

國內(nèi)外有關(guān)綠色金融的文獻為本文研究提供了有價值的借鑒，但少有文獻評估綠色金融試點政策對重污染企業(yè)碳減排的影響效果，更鮮有文獻從企業(yè)投資和環(huán)境治理視角系統(tǒng)探討綠色金融試點政策沖擊下重污染企業(yè)的策略反應。基于以上考慮，本文利用2012—2021年滬深A股420家重污染上市企業(yè)數(shù)據(jù)，借助雙重差分模型實證檢驗綠色金融試點政策對重污染企業(yè)碳排放的影響、機制及異質(zhì)性，并提出優(yōu)化綠色金融試點政策的相關(guān)啟示。與以往研究相比，本文可能的邊際貢獻主要體現(xiàn)在以下方面：第一，拓寬綠色金融試點政策的研究視野，本文從重污染企業(yè)碳減排的視角出發(fā)，探究綠色金融試點政策引導重污染企業(yè)碳減排的經(jīng)驗證據(jù)，有助于全面評價綠色金融試點政策的實施效果并提出政策啟示；第二，豐富綠色金融試點政策研究內(nèi)容，本文從企業(yè)投資和環(huán)境治理視角，探究綠色金融試點政策影響重污染企業(yè)碳排放的內(nèi)在渠道，為優(yōu)化綠色金融試點政策的作用效果提供路徑參考。

二、理論分析與研究假設(shè)

綠色金融試點政策的主要任務包括以下四個方面：一是完善綠色金融標準體系，探索綠色評價和認證體系；二是加強環(huán)境監(jiān)管力度，建立企業(yè)環(huán)境責任信息披露機制；三是構(gòu)建綠色金融服務體系，發(fā)展綠色信貸、綠色債券等多元化融資工具，創(chuàng)新推出生態(tài)發(fā)展基金、綠色節(jié)能貸款等多樣化融資產(chǎn)品；四是推進綠色金融基礎(chǔ)設(shè)施建設(shè)，大力引進綠色金融相關(guān)人才，定期舉辦試驗區(qū)聯(lián)席會議。上述四個方面工作是我國綠色金融試點政策的重要任務，有助于實現(xiàn)試驗區(qū)綠色企業(yè)發(fā)展壯大和重污染企業(yè)轉(zhuǎn)型升級的發(fā)展目標。

（一）綠色金融試點政策與重污染企業(yè)碳排放

根據(jù)外部性理論，重污染企業(yè)碳排放行為長期內(nèi)會引發(fā)溫室效應，給自然環(huán)境造成極大的破壞，而重污染企業(yè)并未對排放行為付費（陳詩一等，2021）[3]，這意味著環(huán)境成本將由社會共同承擔，重污染企業(yè)缺少節(jié)能降碳意愿。綠色金融試點政策能夠?qū)崿F(xiàn)環(huán)境成本內(nèi)部化的效果，有利于實現(xiàn)重污染企業(yè)碳減排。一方面，綠色金融試點政策具有融資懲罰效應（占華，2021）[13]，要求金融機構(gòu)建立綠色認證體系，明確對綠色企業(yè)、項目的遴選和認定標準，更好地為新能源、碳中和、綠色交通等綠色企業(yè)和項目提供融資支持，而對煤炭、石油、有色等重污染企業(yè)和項目則收取懲罰性高利率，直接提高了重污染企業(yè)融資成本。另一方面，綠色金融試點政策具有資源配置效應（高原和申珍珍，2022）[8]。試點地區(qū)加快完善綠色金融產(chǎn)品體系，積極為綠色企業(yè)提供融資支持，同時限制重污染企業(yè)的股權(quán)和債權(quán)融資，增加了重污染企業(yè)的融資難度和融資門檻，間接提高了重污染企業(yè)融資成本。在融資懲罰效應和資源配置效應的共同作用下，原本由社會承擔的環(huán)境成本逐漸轉(zhuǎn)變?yōu)橹匚廴酒髽I(yè)融資成本（He等，2022）[14]，重污染企業(yè)不得不重視生產(chǎn)經(jīng)營活動中的生態(tài)和環(huán)境因素，轉(zhuǎn)變高污染、高耗能的發(fā)展模式，進而降低了碳排放。由此，本文提出如下假設(shè)：

H1：綠色金融試點政策有利于降低重污染企業(yè)碳排放。

（二）綠色金融試點政策降低重污染企業(yè)碳排放的中介機制

企業(yè)投資在綠色金融試點政策降低重污染企業(yè)碳排放中起著重要作用。一方面，綠色金融試點政策加強了試點地區(qū)環(huán)境監(jiān)管力度，加大重污染企業(yè)面臨環(huán)境處罰、停產(chǎn)整頓和訴訟賠償?shù)娘L險，增加了重污染企業(yè)生產(chǎn)經(jīng)營成本和不確定性，使重污染企業(yè)的經(jīng)營績效出現(xiàn)顯著下滑（陳志剛和弓怡菲，2022）[15]，重污染企業(yè)為在短期內(nèi)增加經(jīng)營業(yè)績和效益，可能將資金用于金融投資，來減緩綠色金融試點政策給重污染企業(yè)帶來的不利影響（王修華等，2021）[16]。因此，綠色金融試點政策的出臺可能引發(fā)實體替代效應，導致重污染企業(yè)金融投資增加，這會擠占重污染企業(yè)的生產(chǎn)經(jīng)營性業(yè)務，進而抑制碳排放。另一方面，綠色金融試點政策也提高了企業(yè)融資審批的環(huán)境標準要求，加劇重污染企業(yè)外部融資難度，重污染企業(yè)為避免陷入流動性危機，必須重新估計未來資金可得性，選擇性地減緩實業(yè)投資擴張的步伐。由于存貨投資在實業(yè)投資中具有靈活的調(diào)節(jié)機制，重污染企業(yè)可能會優(yōu)先調(diào)整存貨儲備以適應融資環(huán)境變化（翟光宇和王曉暉，2020；Tan和Emin，2020）[17，18]。因此，綠色試點政策的出臺可能引發(fā)投資抑制效應，導致重污染企業(yè)存貨投資降低，這會減少重污染企業(yè)的生產(chǎn)經(jīng)營性業(yè)務，進而抑制碳排放。由此，本文提出如下假設(shè)：

H2：綠色金融試點政策通過增加企業(yè)金融投資，進而抑制了重污染企業(yè)碳排放。

H3：綠色金融試點政策通過減少企業(yè)存貨投資，進而抑制了重污染企業(yè)碳排放。

除企業(yè)投資之外，環(huán)境治理在綠色金融試點政策降低重污染企業(yè)碳排放中也起著重要作用。當前，監(jiān)管機構(gòu)尚未強制要求企業(yè)公布環(huán)境責任信息，造成環(huán)境信息不對稱問題，減弱了重污染企業(yè)的環(huán)境治理動機（趙陽等，2019）[19]。而綠色金融試點政策施行后，試點地區(qū)秉承“先行先試”的原則，推動建立企業(yè)環(huán)境責任信息披露機制。重污染企業(yè)為減少環(huán)境信息披露對債務融資和生產(chǎn)經(jīng)營帶來的不利影響，會主動開展環(huán)境治理活動（占華，2021）[13]，通過引進污染治理設(shè)備、改善生產(chǎn)工藝流程等方式，提高煤炭、石油等能源使用效率，進而降低了碳排放（高原和申珍珍，2022）[8]。由此，本文提出如下假設(shè)：

H4：綠色金融試點政策通過促進企業(yè)環(huán)境治理，進而抑制了重污染企業(yè)碳排放。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取了浙江、江西、廣東、貴州、新疆作為綠色金融改革創(chuàng)新試驗區(qū)處理組所在省份，其他為控制組所在省份①。同時，在潘愛玲等（2019）[20]對重污染企業(yè)定義②的基礎(chǔ)上，以2012—2021年滬深A股重污染上市企業(yè)為研究對象，并按以下原則對樣本進行篩選：剔除樣本期內(nèi)ST、PT和*ST的樣本、2012年之后上市的樣本、主要變量缺失的樣本，最終獲得420家上市企業(yè)的4200個年度樣本。為減少異常值的影響，本文對主要連續(xù)變量的1%和99%分位數(shù)進行Winsorize縮尾處理，企業(yè)層面數(shù)據(jù)主要來自銳思數(shù)據(jù)庫、國泰安數(shù)據(jù)庫。行業(yè)層面數(shù)據(jù)主要來自《中國工業(yè)統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》和《中國經(jīng)濟普查年鑒》。

（二）變量選取

1. 被解釋變量：重污染企業(yè)碳排放量（CE）。目前企業(yè)公開的碳排放數(shù)據(jù)較少，可用性較低，因此，本文參考潘敏和王晨（2022）[9]的研究，利用統(tǒng)計年鑒中能源消耗數(shù)據(jù)以及《2006年IPCC國家溫室氣體清單指南》中該能源的碳排放系數(shù)，求得重污染行業(yè)碳排放量，隨后以重污染企業(yè)營業(yè)成本占重污染行業(yè)主營業(yè)務成本的比例作為權(quán)重，求得重污染企業(yè)的碳排放量，公式如下：

第[t]年重污染行業(yè)碳排放量=第[t]年重污染行業(yè)能源消耗量×該能源碳排放系數(shù)? ? ? （1）

[第t年重污染企業(yè)碳排放量=ln（第t年重污染企業(yè)營業(yè)成本第t年重污染行業(yè)主營業(yè)務成本×第t年重污染行業(yè)碳排放量）] （2）

為驗證此指標構(gòu)建的合理性，通過借鑒陳小蓓和陳雪婷（2021）[21]的方法，本文基于2009年中國工業(yè)企業(yè)數(shù)據(jù)庫與中國企業(yè)污染數(shù)據(jù)庫匹配數(shù)據(jù)，使用公式（1）和（2）計算得到數(shù)據(jù)庫中的企業(yè)碳排放量，并與使用該數(shù)據(jù)庫中煤炭、燃料油的消費量求得的企業(yè)碳排放量進行皮爾森相關(guān)性檢驗與OLS回歸，皮爾森相關(guān)性檢驗表明兩者的相關(guān)性系數(shù)為0.353，在1%的水平下顯著。同時以利用煤炭、燃料油消費量求得的企業(yè)碳排放量作為被解釋變量，以公式（1）和（2）求得的企業(yè)碳排放量作為解釋變量，并控制行業(yè)固定效應，在未控制其他企業(yè)特征變量的情況下，解釋變量系數(shù)為正，且在1%的水平下顯著，表示兩者存在高度的相關(guān)性，說明運用公式（1）和（2）求得的企業(yè)碳排放量指標具有一定合理性。

2. 核心解釋變量。綠色金融試點政策，通過構(gòu)建雙重差分變量（Post×Treat）來衡量。Post表示政策的二元變量，2017年及以后取1，否則取0；[Treat]是組別的二元變量，重污染企業(yè)位于試驗區(qū)所在省份取1，否則取0。

3. 中介變量。（1）金融投資（FIn）。借鑒王修華等（2021）[16]的做法，采用交易性金融資產(chǎn)、衍生金融資產(chǎn)和投資性房地產(chǎn)凈額之和乘以100占總資產(chǎn)的比重衡量。由于我國企業(yè)持有投資性房地產(chǎn)多為資本逐利而非經(jīng)營自用，投資性房地產(chǎn)更貼近于金融投資概念（蔡海靜等，2021）[22]，因此，本文將投資性房地產(chǎn)歸類為金融投資。（2）存貨投資（CIn）。借鑒王修華等（2021）[16]的做法，采用存貨投資凈額乘以100占總資產(chǎn)的比重衡量。（3）環(huán)境治理（EPI）。Patten （2005）[23]指出企業(yè)環(huán)保資本投資可以較好地衡量環(huán)境治理水平，趙陽等（2019）[19]同樣采用環(huán)保投資作為企業(yè)環(huán)境治理替代變量，因此，借鑒趙陽等（2019）[19]、張琦等（2019）[24]和謝東明（2020）[25]等對環(huán)保投資定義③，采用環(huán)保投資變化量乘以100占總資產(chǎn)的比重衡量。

4. 控制變量。為了控制企業(yè)層面的特征，本文對企業(yè)年齡（Age）、董事會規(guī)模（Board）、經(jīng)營活動現(xiàn)金流水平（CF）、現(xiàn)金持有水平（Cash）、兩職合一（Dual）、高管持股比例（ESO）、員工規(guī)模（ET）、籌資活動現(xiàn)金流水平（FCF）、成長性（Grow）、獨立董事比例（IDR）、杠桿水平（Lev）、托賓q（Q）、盈利能力（ROA）、企業(yè)規(guī)模（Size）、產(chǎn)權(quán)性質(zhì)（SOE）、前十大股東持股比例（TES）進行了控制，具體變量的類別、名稱、符號與定義如表 1 所示。

（三）模型設(shè)定

1.基準回歸模型。本文構(gòu)建如下雙重差分模型，考察綠色金融試點政策對重污染企業(yè)碳排放的影響：

[CEit=β0+β1Postt×Treati+γXit+λi+μt+εit]

其中，[i]和[t]分別表示企業(yè)和年份，[CEit]為重污染企業(yè)碳排放衡量指標；[Postt]表示政策時間的二元變量；[Treati]表示組別二元變量；[Postt×Treati]表示雙重差分變量；[Xit]表示一系列企業(yè)控制變量；[εit]表示隨機擾動項，[μt]表示時間固定效應，[λi]表示個體固定效應。

2.中介效應檢驗模型。在模型（3）的基礎(chǔ)上，本文借鑒溫忠麟和葉寶娟（2014）[26]的方法，構(gòu)建中介效應模型（4）和（5），來檢驗綠色金融試點政策對重污染企業(yè)碳排放的作用渠道，模型形式如下：

[Mit=θ0+θ1Postt×Treati+γXit+λi+μt+εit]? （4）

[CEit=α0+α1Postt×Treati+α2M+γXit+λi+μt+εit]? （5）

其中，[Mit]為中介變量，主要包括金融投資（[FInit]）、存貨投資（[CInit]）、環(huán)境治理（[EPIit]）。

（四）描述性統(tǒng)計

主要變量的描述性統(tǒng)計結(jié)果見表2。可以看出重污染企業(yè)碳排放量的最大值為15.479，均值為11.350，標準差為1.934，表明不同重污染企業(yè)間碳排放差距較大。其他變量的描述性統(tǒng)計與現(xiàn)有文獻基本一致，在此不再贅述。

四、實證分析

（一）平行趨勢檢驗

采用雙重差分法的潛在條件是處理組與控制組的樣本在受到政策沖擊之前具有相似的發(fā)展趨勢，即符合平行趨勢的假定。因此，在模型（1）的基礎(chǔ)上，本文借鑒Jacobson等（1993）[27]的做法，采用事件研究法進行平行趨勢檢驗，估計模型如下：

[CEit=η0+δtt=20132021Yeart×Treati+η1Xit+λi+μt+εit]? ?（6）

其中，[Yeart]是年份虛擬變量，其他變量含義與模型（1）保持一致。本文選取2012年作為基年，系數(shù)[δt]反映了第[t]年處理組與控制組重污染企業(yè)碳排放量之間的差異。樣本企業(yè)碳排放的平行趨勢檢驗結(jié)果如圖1所示，上下虛線代表95%的置信區(qū)間?？梢?，在2017年之前，系數(shù)[δt]的估計值均不顯著，說明處理組與控制組重污染企業(yè)的碳排放量在政策實施前并不存在顯著差異，滿足平行趨勢假定。

（二）基準回歸

基準回歸結(jié)果如表 3 所示，在僅考慮個體、時間固定效應的情況下，第（1）列中Post×Treat的系數(shù)顯著為負，進一步考慮控制變量情況下，第（2）列中Post×Treat的系數(shù)為-0.113，且在1%的水平上顯著。該結(jié)果表明，與控制組相比，綠色金融試點政策使處理組重污染企業(yè)碳排放量減少，假設(shè)H1得以驗證。

（三）穩(wěn)健性檢驗

1.更換解釋變量。借鑒He等（2022）[14]對綠色金融的定義，本文從綠色信貸、綠色證券、綠色保險、綠色投資和碳金融五個維度，采用熵值法構(gòu)建省級綠色金融測度指標（GF），以此重新進行實證檢驗。回歸結(jié)果如表 4 所示，第（1）列中綠色金融的系數(shù)依舊顯著為負，與本文的基準回歸結(jié)果基本一致，進一步說明了回歸結(jié)果的穩(wěn)健性。

2. 安慰劑檢驗。（1）構(gòu)造偽政策發(fā)生時間。參考潘敏和王晨（2022）[9]的做法，本文利用2012—2016年的樣本數(shù)據(jù)，假設(shè)綠色金融試點政策的發(fā)生時間分別為2013年和2014年，并構(gòu)造偽Post×Treat，以此重新進行實證檢驗?；貧w結(jié)果如表 4 所示，第（2）和（3）列中偽Post×Treat的系數(shù)均未通過顯著性檢驗，進一步說明了回歸結(jié)果的穩(wěn)健性。（2）構(gòu)造偽樣本處理組。參考馬述忠等（2023）[28]的做法，本文將綠色金融試點政策的生效年份隨機分配給各省份，同時隨機設(shè)定處理組重污染企業(yè)，構(gòu)造偽Post×Treat，以此重新進行實證檢驗，并將該隨機抽取過程重復進行500次。安慰劑檢驗結(jié)果如圖 2 所示，可以看出偽Post×Treat的系數(shù)集中分布在0值附近，服從正態(tài)分布，且Post×Treat的實際系數(shù)值為-0.113，明顯屬于異常值，進一步說明了回歸結(jié)果的穩(wěn)健性。

3. 多期DID檢驗。鑒于2019年11月，中國人民銀行等六部委聯(lián)合印發(fā)《甘肅省蘭州新區(qū)建設(shè)綠色金融改革創(chuàng)新試驗區(qū)總體方案》，蘭州新區(qū)正式成為綠色金融改革創(chuàng)新試驗區(qū)。因此，為提高回歸結(jié)果的穩(wěn)健性，本文將樣本中甘肅省重污染企業(yè)歸為處理組，并構(gòu)造Post×Treat，基于多期雙重差分模型重新進行實證檢驗。回歸結(jié)果如表 4 第（4）列所示，Post×Treat的系數(shù)依舊顯著為負，進一步說明了回歸結(jié)果的穩(wěn)健性。

4. PSM-DID。首先，基于logit模型計算出各個重污染企業(yè)的傾向得分值。其次，使用近鄰匹配和卡尺匹配的方法，按照傾向得分值為處理組樣本匹配控制組，其中PSM平衡性檢驗結(jié)果表明，匹配后各協(xié)變量的標準化偏差均小于10%，說明本文選取的協(xié)變量是有效的。最后，對匹配成功的樣本進行雙重差分估計?；貧w結(jié)果如表 4 所示，第（5）列是使用1∶3近鄰匹配得到的回歸結(jié)果，第（6）列是使用1∶3卡尺內(nèi)匹配得到的回歸結(jié)果，Post×Treat的系數(shù)均顯著為負，進一步說明了回歸結(jié)果的穩(wěn)健性。

（四）異質(zhì)性分析

本文從產(chǎn)權(quán)性質(zhì)、外部融資依賴性和產(chǎn)業(yè)結(jié)構(gòu)扭曲角度出發(fā)，進行分組回歸，進一步驗證并深化研究結(jié)論。

1. 基于產(chǎn)權(quán)性質(zhì)的異質(zhì)性分析。國有企業(yè)可利用與政府和銀行的天然關(guān)聯(lián)關(guān)系解決生產(chǎn)經(jīng)營中的資金約束問題（占華，2021）[13]，這可能導致綠色金融試點政策對重污染企業(yè)的融資懲罰效應減弱，不利于實現(xiàn)碳減排。因此，本文基于2016年重污染企業(yè)產(chǎn)權(quán)性質(zhì)，將全樣本劃分為國有企業(yè)和非國有企業(yè)兩個子樣本并進行分組回歸?；貧w結(jié)果如表 5 所示，由第（1）和（2）列可以看出，Post×Treat的系數(shù)均顯著為負，且國有重污染企業(yè)Post×Treat系數(shù)的絕對值小于非國有重污染企業(yè)，這表明綠色金融試點政策對非國有重污染企業(yè)的碳減排效果更顯著，側(cè)面證實綠色金融試點政策通過發(fā)揮融資懲罰效應，進而降低了重污染企業(yè)碳排放。

2. 基于外部融資依賴的異質(zhì)性分析。外源融資依賴程度越高，企業(yè)生產(chǎn)經(jīng)營決策更易受融資環(huán)境變化的影響，這有利于綠色金融試點政策對重污染企業(yè)發(fā)揮融資懲罰效應，進而實現(xiàn)碳減排。因此，本文借鑒 Rajan和Zingales（1995）[29]的方法，計算企業(yè)外部融資依賴程度，基于2016年重污染企業(yè)外部融資依賴程度的中位數(shù)，將全樣本劃分為外部融資依賴程度高和外部融資依賴程度低的企業(yè)兩個子樣本并進行分組回歸。回歸結(jié)果如表 5 所示，由第（3）和（4）列可以看出，Post×Treat的系數(shù)均顯著為負，且外部融資依賴程度高的重污染企業(yè)Post×Treat系數(shù)的絕對值大于外部融資依賴程度低的重污染企業(yè)，這表明重污染企業(yè)外部融資程度越高，綠色金融試點政策對其的碳減排效果更顯著，側(cè)面證實綠色金融試點政策通過發(fā)揮融資懲罰效應，進而降低了重污染企業(yè)碳排放。

3. 基于產(chǎn)業(yè)結(jié)構(gòu)扭曲的異質(zhì)性分析。地區(qū)產(chǎn)業(yè)結(jié)構(gòu)扭曲會導致資源配置的低效率甚至無效率（沈小波等，2021）[30]，那么，綠色金融試點政策的資源配置效應在該地區(qū)作用效果可能更顯著。因此，本文借鑒沈小波等（2021）[30]的方法，計算各省份產(chǎn)業(yè)結(jié)構(gòu)扭曲程度，基于2016年各省份產(chǎn)業(yè)結(jié)構(gòu)扭曲程度的中位數(shù)，區(qū)分產(chǎn)業(yè)結(jié)構(gòu)扭曲程度高和產(chǎn)業(yè)結(jié)構(gòu)扭曲程度低的省份，并根據(jù)重污染企業(yè)的注冊地，將全樣本劃分為兩個子樣本進行分組回歸?；貧w結(jié)果如表 5 所示，由第（5）和（6）列可以看出，在產(chǎn)業(yè)結(jié)構(gòu)扭曲程度高的省份，Post×Treat的系數(shù)顯著為負，而在產(chǎn)業(yè)結(jié)構(gòu)扭曲程度低的省份，Post×Treat的系數(shù)則不顯著，這表明在產(chǎn)業(yè)結(jié)構(gòu)扭曲程度高的省份，綠色金融試點政策對重污染企業(yè)碳減排的效果更顯著，側(cè)面證實綠色金融試點政策通過發(fā)揮資源配置效應，進而降低了重污染企業(yè)碳排放。

（五）作用機制檢驗

結(jié)合理論分析，綠色金融試點政策可以通過影響企業(yè)投資和環(huán)境治理，進而抑制重污染企業(yè)碳排放，下文將重點檢驗上述渠道效應是否存在。

1. 企業(yè)投資中介效應檢驗。以企業(yè)金融投資作為中介變量研究綠色金融試點政策對重污染企業(yè)碳排放的影響，回歸結(jié)果如表 6 所示。第（2）列中Post×Treat的系數(shù)在5%的水平上顯著為正，表明與控制組相比，綠色金融試點政策的出臺引發(fā)實體替代效應，使得重污染企業(yè)增加金融投資以彌補利潤率下滑對企業(yè)的負面影響。第（3）列中企業(yè)金融投資的系數(shù)在1%的水平上顯著為負，同時Post×Treat的系數(shù)絕對值相較于第（1）列出現(xiàn)下降，表明綠色金融試點政策導致重污染企業(yè)金融投資增加，會擠占重污染企業(yè)的生產(chǎn)經(jīng)營性業(yè)務，進而抑制了重污染企業(yè)碳排放，假設(shè)H2得以驗證。以企業(yè)存貨投資作為中介變量研究綠色金融試點政策對重污染企業(yè)碳排放的影響，回歸結(jié)果如表 6 所示。第（4）列中Post×Treat的系數(shù)在10%的回歸水平上顯著為負，表明與控制組相比，綠色金融試點政策的出臺引發(fā)投資抑制效應，使得重污染企業(yè)選擇性地減少存貨投資規(guī)模。第（5）列中企業(yè)存貨投資的系數(shù)在1%的水平上顯著為正，同時Post×Treat的系數(shù)絕對值相較于第（1）列出現(xiàn)下降，表明綠色金融試點政策導致重污染企業(yè)存貨投資降低，會減少重污染企業(yè)的生產(chǎn)經(jīng)營性業(yè)務，進而抑制了重污染企業(yè)碳排放，假設(shè)H3得以驗證。

2. 環(huán)境治理中介效應檢驗。以企業(yè)環(huán)境治理作為中介變量研究綠色金融試點政策對重污染企業(yè)碳排放的影響，回歸結(jié)果如表 6 所示。第（6）列中Post×Treat的系數(shù)在5%的水平上顯著為正，表明與控制組相比，綠色金融試點政策的出臺倒逼重污染企業(yè)開展環(huán)境治理活動。第（7）列中環(huán)境治理的系數(shù)在10%的回歸水平上顯著為負，同時Post×Treat的系數(shù)絕對值相較于第（1）列出現(xiàn)下降，表明綠色金融試點政策倒逼重污染企業(yè)開展環(huán)境治理活動，通過引進污染治理設(shè)備、改善生產(chǎn)工藝流程等方式，抑制了重污染企業(yè)碳排放，假設(shè)H3得以驗證。

五、結(jié)論與政策啟示

本文使用滬深A股重污染上市企業(yè)數(shù)據(jù)評估了綠色金融試點政策對重污染企業(yè)碳排放的影響，研究結(jié)果表明：綠色金融試點政策顯著降低了重污染企業(yè)碳排放。上述結(jié)論在非國有重污染企業(yè)、外部融資依賴程度高的重污染企業(yè)和產(chǎn)業(yè)結(jié)構(gòu)扭曲程度高的省份更為顯著。機制分析發(fā)現(xiàn)，綠色金融試點政策可以通過增加重污染企業(yè)金融投資，降低存貨投資，促進重污染企業(yè)開展環(huán)境治理，進而抑制重污染企業(yè)碳排放。

基于上述研究結(jié)論，本文得到以下政策啟示：第一，逐步擴大綠色金融改革創(chuàng)新試點范圍。通過構(gòu)建完善的綠色融資體系，創(chuàng)新推出綠色信貸、綠色債券和綠色保險等多樣化綠色金融產(chǎn)品，倒逼重污染企業(yè)進行清潔生產(chǎn)，充分降低生產(chǎn)過程中的碳排放。第二，設(shè)定合理的環(huán)境監(jiān)管和融資約束力度。一方面，將試點地區(qū)環(huán)境監(jiān)管的力度控制在合理的范圍內(nèi)，減少“一刀切”式的環(huán)境監(jiān)管手段對重污染企業(yè)經(jīng)營業(yè)績的影響，避免其陷入“強環(huán)境監(jiān)管—金融投資增加—經(jīng)濟脫實向虛”的惡性循環(huán)。另一方面，將在試點地區(qū)融資約束力度控制在合理的范圍內(nèi)，金融機構(gòu)與地方政府需要動態(tài)調(diào)整融資懲罰和資源配置的力度，對重污染企業(yè)給予適度的融資支持，避免其陷入“資金短缺—投資減少—經(jīng)營困難”的惡性循環(huán)。第三，健全環(huán)境治理融資體系。將重污染企業(yè)的環(huán)境治理支出納入融資標準，為重污染企業(yè)開展環(huán)境治理提供充足的信貸資金，加快生產(chǎn)過程中“棕色”資源的退出和能源使用效率的提升。

注：

①第二批試驗區(qū)于2019年11月在甘肅省蘭州新區(qū)設(shè)立，鑒于時間跨度較短，因此，在基準回歸中視為控制組樣本，但在穩(wěn)健性檢驗中作為新設(shè)立試驗區(qū)進行相關(guān)處理。第三批試驗區(qū)于2022年8月在重慶市設(shè)立，鑒于樣本期未包括2022年，因此，暫未考慮。

②重污染企業(yè)的行業(yè)代碼分別為B06、B07、B08、B09、C17、C19、C22、C25、C26、C28、C29、C30、C31、C32、D44。

③將重污染企業(yè)年報在建工程中與脫硫、脫硝、、節(jié)能、除塵、綠化、污染防治、綠色生產(chǎn)、水土保持、生態(tài)建設(shè)、生態(tài)恢復、生態(tài)環(huán)境治理、清潔化生產(chǎn)、環(huán)保研發(fā)、環(huán)保設(shè)施與設(shè)備、環(huán)保技改、環(huán)境保護、廢氣處理、廢渣處理、污水處理、噪聲處理、廢水處理、重金屬處理、固體和危險廢棄物處理等相關(guān)的支出項進行匯總，得出重污染企業(yè)當年環(huán)保支出數(shù)據(jù)。

參考文獻：

[1]全世文，袁靜婷.我國經(jīng)濟增長與碳排放之間的變協(xié)整與閾值效應 [J].改革，2019，（02）.

[2]孫振清，劉保留，李歡歡.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、技術(shù)創(chuàng)新與區(qū)域碳減排——基于地區(qū)面板數(shù)據(jù)的實證研究 [J].經(jīng)濟體制改革，2020，（03）.

[3]陳詩一，張建鵬，劉朝良.環(huán)境規(guī)制、融資約束與企業(yè)污染減排——來自排污費標準調(diào)整的證據(jù) [J].金融研究，2021，（09）.

[4]馮宗憲，高贏.中國區(qū)域碳排放驅(qū)動因素、減排貢獻及潛力探究 [J].北京理工大學學報（社會科學版），2019，21（04）.

[5]Vaqar Ahmed，Muhammad Zeshan. 2014. Decomposing Change in Energy Consumption of the Agricultural Sector in Pakistan [J].Agrarian South：Journal of Political Economy，3（3）.

[6]陳寶貴，石曉慧.碳排放權(quán)的法律屬性、適質(zhì)性及質(zhì)權(quán)實現(xiàn)路徑 [J].金融發(fā)展研究，2023，（02）.

[7]Muganyi T，Yan L，Sun H. 2021. Green Finance，F(xiàn)intech and Environmental Protection：Evidence from China[J]. Environmental Science and Ecotechnology，7.

[8]高原，申珍珍.綠色金融改革政策的碳減排效應[J].中國環(huán)境科學，2022，42（10）.

[9]潘敏，王晨.碳排放權(quán)交易試點階段企業(yè)減排效應研究 [J].經(jīng)濟縱橫，2022，（10）.

[10]范德成，張修凡.綠色金融改革創(chuàng)新對高排放企業(yè)碳減排的效果分析 [J].工程管理科技前沿，2022，41（4）.

[11]Leiman A. 2007. The Economics of Climate Change（The Stern Review）-By Nicholas Stern [J].South African Journal of Economics，75（2）.

[12]錢浩祺，吳力波，任飛州.從“鞭打快?！钡叫黍?qū)動：中國區(qū)域間碳排放權(quán)分配機制研究 [J].經(jīng)濟研究，2019，54（03）.

[13]占華.綠色信貸如何影響企業(yè)環(huán)境信息披露——基于重污染行業(yè)上市企業(yè)的實證檢驗 [J].南開經(jīng)濟研究，2021，（03）.

[14]He L，Zhong T，Gan S. 2022. Green Finance and Corporate Environmental Responsibility：Evidence from Heavily Polluting Listed Enterprises in China [J].Environmental Science and Pollution Research，29（49）.

[15]陳志剛，弓怡菲.綠色金融對企業(yè)績效的影響及機制分析 [J].經(jīng)濟與管理評論，2022，38（05）.

[16]王修華，劉錦華，趙亞雄.綠色金融改革創(chuàng)新試驗區(qū)的成效測度 [J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2021，38（10）.

[17]翟光宇，王曉暉.通貨膨脹預期與企業(yè)存貨投資行為——基于行業(yè)與企業(yè)融資約束視角的實證分析 [J].國際金融研究，2020，（10）.

[18]Tan O F，Emin A. 2020. Inventory Investment and Cash Flow Sensitivity：Evidence from Turkish Firms [J]. Journal of Business Economics and Finance，9（2）.

[19]趙陽，沈洪濤，周艷坤.環(huán)境信息不對稱、機構(gòu)投資者實地調(diào)研與企業(yè)環(huán)境治理 [J].統(tǒng)計研究，2019，36（7）.

[20]潘愛玲，劉昕，邱金龍，申宇.媒體壓力下的綠色并購能否促使重污染企業(yè)實現(xiàn)實質(zhì)性轉(zhuǎn)型 [J].中國工業(yè)經(jīng)濟，2019，（02）.

[21]陳小蓓，陳雪婷.媒體壓力、融資約束與工業(yè)企業(yè)碳排放——綠色發(fā)明專利的調(diào)節(jié)作用 [J].科技進步與對策，2021，38（12）.

[22]蔡海靜，謝喬昕，章慧敏.權(quán)變抑或逐利：環(huán)境規(guī)制視角下實體企業(yè)金融化的制度邏輯 [J].會計研究，2021，（04）.

[23]Patten D M. 2005. The Accuracy of Financial Report Projections of Future Environmental Capital Expenditures：a Research Note [J].Accounting Organizations and Society， 30（5）.

[24]張琦，鄭瑤，孔東民.地區(qū)環(huán)境治理壓力、高管經(jīng)歷與企業(yè)環(huán)保投資——一項基于《環(huán)境空氣質(zhì)量標準（2012）》的準自然實驗 [J].經(jīng)濟研究，2019，54（06）.

[25]謝東明.地方監(jiān)管、垂直監(jiān)管與企業(yè)環(huán)保投資——基于上市A股重污染企業(yè)的實證研究 [J].會計研究，2020，（11）.

[26]溫忠麟，葉寶娟.中介效應分析：方法和模型發(fā)展[J].心理科學進展，2014，22（05）.

[27]Jacobson L S，LaLonde R J，Sullivan D G. 1993. Earnings Losses of Displaced Workers [J].The American Economic Review，（4）.

[28]馬述忠，吳鵬，房超.東道國數(shù)據(jù)保護是否會抑制中國電商跨境并購 [J].中國工業(yè)經(jīng)濟，2023，（02）.

[29]Rajan G R，Zingales L. 1995. What Do We Know about Capital Structure？ Some Evidence from International Data [J]. The Journal of Finance，50（5）.

[30]沈小波，陳語，林伯強.技術(shù)進步和產(chǎn)業(yè)結(jié)構(gòu)扭曲對中國能源強度的影響 [J].經(jīng)濟研究，2021，56（02）.