绿色信贷政策作为绿色金融政策的重要组成部分，其对实体企业的作用机制和具体成效是当前绿色金融政策评估的研究热点。系统研究绿色金融政策约束下高污染企业的绿色转型成效，据此探寻适合中国国情的企业绿色转型路径，是目前中国绿色金融政策实践领域和相关学术研究领域亟须论证的重大命题。基于此，本期分享的文章从减排和发展的双重视角界定“企业绿色转型”，分别用 SO2 排放强度和全要素生产率作为减排和发展的实际考察指标。利用中国政府于 2007 年 7 月出台的《关于落实环保政策法规防范信贷风险的意见》（以下简称《意见》）——这一政策事件在行业层面的非对称冲击构建双重差分模型，同时采用数个大型微观数据库的匹配样本，评估绿色信贷政策施行对高污染企业绿色转型的影响，并试图廓清绿色信贷政策约束下高污染企业绿色转型所依赖的特定路径。
▪ 文献来源：喻旭兰,周颖.绿色信贷政策与高污染企业绿色转型:基于减排和发展的视角[J].数量经济技术经济研究,2023,40(07):179-200.
▪ 数据与代码来源：《数量经济技术经济研究》编辑部 ( http://www.jqte.net/）
▪ 主要内容： 在“双碳”战略目标和可持续发展背景下，企业亟须将数字化转型作为实现绿色发展、解决制度和效率困境的“破局”关键。本文尝试在深度解读企业绿色转型内涵的基础上，解构数字化转型驱动绿色转型的作用机理。基于2009～2021年中国上市公司样本数据实证发现，企业数字化转型对环境绩效、经济绩效和绿色创新绩效均具有显著的正向影响。这意味着，企业数字化转型能够显著促进绿色转型。异质性分析表明，当区域环境规制强度较高时，企业数字化转型的驱动效应更强；相较于非重污染企业，重污染企业基于多方压力而更具绿色转型内生动机，从而在一定程度上削弱了数字化转型的驱动作用。从作用路径看，企业数字化转型通过提升内部能力建设、增强市场外部关注、吸引政府补贴三种途径促进绿色转型。从政策层面看，低碳城市试点在数字化转型对绿色转型的作用机制中发挥一定的正向激励作用，但“双碳”目标囿于提出时间较短，其激励作用尚未显现。本文拓展了绿色转型的研究视角，为企业数字化与绿色化“双转型”融合研究提供了新思路，为“双碳”愿景下中国企业实现数字化绿色化协同转型提供了路径选择。
▪ 创新点：（1）厘清了信贷约束条件下高污染企业做出渐进式环境投资决策的潜在动机，同时从“挤出效应”角度为理解规制政策之下受限企业无法兼顾多重目标的特征事实提供了新的理论解释和分析框架，是对现有绿色金融政策评估研究和企业绿色转型影响因素研究的重要补充。（2）为客观评价绿色信贷政策施行的实质效果提供了经验证据，同时为今后绿色金融政策的完善和发展提供了重要参考。
CNDD-0019 WIPO分类下上市公司绿色专利数量
本文主要涉及三个大型微观企业数据库：1998~2013 年中国工业企业数据库、1998~2014 年中国 企业污染调查数据库和 1998~2018年中国企业创新专利数据库，这三个微观数据库分别来源于中华人 民共和国国家统计局、生态环境部和国家知识产权局。由于微观数据库存在匹配混乱、指标缺失、指标 异常等问题（聂辉华等，2012），本文对其进行了预处理：（1）参考 Brandt等（2012）的研究，采用序贯识别 法（Sequential Judgment Method），依次按照“法人代码、企业名称、成立年份+法人代表、六位数行政区划 代码+法人代表+联系方式”的步进顺序对数据库中的样本企业进行交叉识别，从而形成单个微观数据 库的面板数据集。（2）基于法人代码和年份字段进行数据库之间的匹配与合并，从而构建出工企-污染 和工企-创新两个合并数据库。在此基础上对合并数据库进行数据清洗，具体的动作步骤包括： （1）鉴于样本期间国民经济行业分类标准发生过多次变动，本文将四位数行业分类代码统一至 《国民经济行业分类》（GB/T 4754-2002）；（2）为剔除物价波动的影响，采用 1998~2013 年二位数行 业的 PPI（1998=1）对所有货币型指标进行平减处理；（3）限定样本行业为制造业，并参考杨汝岱 （2015）的处理思路，剔除 2010 年的样本，剔除主营业务收入少于 2000 万元、从业人数少于 8 人、流 动资产和固定资产净值大于总资产、本年折旧大于累计折旧、资产负债率小于 0、开业年份大于统 计年份以及职工薪酬、应交增值税、财务费用为负的样本，同时剔除关键指标数据缺失的样本。最 终，本文得到在企业-年份维度上存在变异、包含 81857 家制造企业、时间跨度为 1998~2013 年、共 249504 个观测值的非平衡面板数据集。
为精准识别绿色信贷政策对高污染企业绿色转型的因果效应，本文将 2007 年 7 月出台的《意见》视 为 绿 色 信 贷 政 策 实 施 的 外 生 冲 击 事 件 ，基 于 经 典 的 双 重 差 分 估 计 框 架（Difference-inDifferences，DID），同时参考 Fan 等（2021）的研究，从减排和发展的双重视角考察绿色信贷政策约束下高污染企业的绿色转型成效，基准模型设定如下：
其中，下标 f、t、c 和 i 分别代表企业、年份、城市和行业。被解释变量 Yftci 表示污染排放强度指标与全要素生产率。X’ft 代表一系列企业层面的控制变量。Trendft 是时间趋势项，用来吸收被解释变量可能存在但尚未被控制变量和固定效应所完全覆盖的增减趋势。ϕftci 代表企业、年份、城市和行业固定效应，分别用以吸收个体、时间、地区和行业层面不可观测的典型特征对相同组别范围中企业的同质性冲击。εftci 是随机扰动项。此外，考虑到同一城市和同一行业中企业特征因素在时间序列上存在一定程度的趋同性，本文还在年份-城市-行业层面对估计系数的标准误进行了聚类调整。
本文核心解释变量 GCPti = Treati × Postt，其中 Treati是处理组虚拟变量，高污染企业取 1，非高污染企业取 0；Postt是绿色信贷政策实施前后的虚拟变量，2007 年以前年度取 0，2007 年以后年度取 1，2007 年当年取 0.420。在构造该双重差分项时，关键是根据绿色信贷政策实施后银行机构贷款授信的实际变动情况，将样本划分为仅包含高污染企业的处理组和包含非高污染企业的控制组。2007年 5 月，国务院发布了《国务院关于印发节能减排综合性工作方案的通知》（以下简称《通知》），该政策文件明确界定了占全国工业能耗和 SO2 排放近 70% 的六大“两高”行业（包括电力、钢铁、有色、建材、石油加工、化工等）。作为《意见》出台的前瞻指引性文件，《通知》划定的六大“两高”行业实际上代表着绿色信贷政策实施后银行授信变动的具体方向，为本文利用双重差分方法捕捉到一个相对精准的政策净影响效应提供了良好的契机。本文依据《通知》界定的“两高”行业对样本企业进行分组。具体而言，若企业所属行业的二位数代码处于六“两高”行业之中，则该样本企业被识别为高污染企业，作为本文的处理组；其余制造业企业识别为非高污染企业，作为本文的控制组。此外，由于本文实质上考察的是绿色信贷政策的融资约束效应，因此剔除了相关环保企业样本。
被解释变量方面，考虑到工业 SO2 为企业主要污染排放物（陈登科，2020），本文选取 SO2 排放量占工业总产值的比重（Polint）作为企业污染排放强度的代理变量。同时，本文也将使用 SO2 排放量占工业增加值的比重（Polint1）和工业废水排放量占工业总产值的比重（Polint2）作为污染排放强度的代理变量，进行稳健性测试。此外，参考 Olley 和 Pakes（1996）以及 Levinsohn 和 Petrin（2003）的方法对企业全要素生产率进行测算，测算结果分别用 TFP_op 和 TFP_lp 表示。
表 2 汇报了基准回归模型的估计结果，其中第（1）~（4）列的被解释变量为污染排放强度，第（5）~（7）列的被解释变量为全要素生产率。第（1）列和第（5）列未引入控制变量，所有回归方程均控制了企业、年份、城市和行业固定效应。以表 2 第（2）列和第（6）列结果为例，核心解释变量 GCP 的系数均在 1% 的统计水平上显著为负。这意味着，绿色信贷政策实施以后，相对于非高污染企业，高污染企业减排成效提升，同时全要素生产率受到抑制。基准回归结果表明，绿色信贷政策施行通过信贷渠道对高污染企业经营投资和环境治理行为形成了实质性约束，高污染企业在重新审视自身环境与社会责任的基础上，积极采取减排举措并取得了一定的实际成效，假说 1 得到证实。此外，回归结果亦表明，绿色信贷政策对高污染企业的全要素生产率产生了一定程度的负面冲击，绿色信贷政策约束下高污染企业减排和发展存在一定的矛盾。
图 1 分别绘制了以 Polint 和 TFP_op 作为式（2）被解释变量时，系数 αk 的大小和显著性。观察可知，在 2007 年以前，交互项系数 αk 均不显著地异于 0，这说明在政策实施以前，高污染企业与非高污染企业之间污染排放强度和全要素生产率的差异不随时间变化，从而平行趋势假说得到验证。同时，对于 2007 年以后的交互项系数，其估计值逐年减小，且在样本期的末年均出现显著异于 0 的情况，这说明绿色信贷政策实施后，相对于非高污染企业，高污染企业环境表现改善更明显而全要素生产率下降更剧烈，且政策对两者的影响效应逐年增强。这也意味着，至少在政策实施后的六年以内，高污染企业环境表现持续改善而全要素生产率持续受到抑制。
见推文末尾。
▪ 客服微信方式：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：
DeepData001
获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
