绿色金融改革创新对企业碳排放的影响研究
——基于试点地区上市公司的经验证据

吴 蕾

（新疆财经大学 金融学院，新疆 乌鲁木齐 830012）

一、引言

2020年9月，习近平主席在第七十五届联合国大会一般性辩论上提出，中国将力争在2030年前实现碳达峰，在2060年前实现碳中和。之后，习近平总书记多次强调，要把碳达峰、碳中和纳入生态文明建设整体布局中，加大对绿色发展的金融支持。这些都充分体现出中国坚持绿色低碳发展的战略决心，和主动应对气候变化、推动构建人类命运共同体的大国责任和担当。因此，以低污染、低能耗、低排放、高效率为特征的低碳经济和绿色经济必将成为中国经济发展的趋势。

中共中央政治局在2015年9月审议通过的《生态文明体制改革总体方案》中，首次提出构建绿色金融体系的战略。随后，中国人民银行等七部委在2017年6月发布的《建设绿色金融改革创新试验区总体方案》中提出，选择浙江、江西、广东、贵州、新疆五省（区）中的部分地方建设有不同侧重点和不同特色的绿色金融改革创新试验区。绿色金融改革创新试验区的设立，一方面通过优胜劣汰机制，以环境绩效与经济绩效相结合，促使高耗能高污染与低附加值生产企业退出市场；另一方面，通过奖励机制，促使更多企业通过绿色技术创新等措施进行绿色转型，从而更好地达到节能减排的目的。

目前，国内外大量学者的研究集中于对绿色金融和碳排放二者单独研究，绿色金融对碳排放的影响在宏观层面的研究也较为丰富。王梦媛和方厚政（2021）[1]、赵娜（2021）[2]研究发现，绿色信贷对绿色技术创新有较显著的促进作用，增加了企业绿色专利的数量，研发投入是最主要的影响渠道。苏东蔚和连莉莉（2018）[3]通过2012年实施的《绿色信贷指引》为事件构造准自然实验，进行该政策对重污染企业投融资行为影响的研究，发现绿色信贷对经济发展存在明显的融资惩罚效应和投资抑制效应。Caroline（2021）[4]通过研究发现企业绿色债券等绿色金融工具在改善气候和经济发展方面均有显著促进作用。张婕和王凯琪等（2022）[5]通过PSM-DID等方法验证碳排放权交易政策的减排效果，发现该政策对处于政府高度干预及国有经济发达区域制度环境下的高耗能企业效果更显著。杨林京和廖志高（2021）[6]认为绿色金融发展和结构调整优化可以显著降低碳排放，但是能源结构的不合理可能会阻碍产业结构的优化升级。

与我国绿色金融改革创新试验区政策有关的研究，主要有以下两类：一是从宏观角度分析，俞毛毛和马妍妍（2022）[7]提出设立绿色金融试验区有助于提高地区出口质量，对于污染较严重的省（区），该影响更为显著，其中江西、新疆、浙江三个省（区）的出口质量受到的影响更为明显。Huang和Xue等（2021）[8]研究发现绿色投资通过促进绿色技术创新，进而实现碳减排的目标。二是从微观角度分析，李戎和刘璐茜（2021）[9]认为该政策的实施有助于提高企业长期借款占比和改善企业债务结构以达到提升企业绿色创新能力的效果。对重污染企业而言，沈璐和廖显春（2020）[10]提出该政策可以通过提高重污染企业的融资约束倒逼企业履行社会责任，尤其在非国有、未持股金融机构、市场化程度较低地区的企业中更显著。孙莹和孟瑶（2021）[11]认为绿色金融改革创新试验区试点政策的实施对企业在绿色发明专利和绿色实用新型专利的申请上存在诱发作用，总体上提升了企业绿色技术创新能力。

通过梳理国内外相关文献可以看出，有关绿色金融对碳排放的影响已有不少研究，但是总体上关于绿色金融政策对工业企业碳排放的微观效应的定量分析研究较少，尤其是对绿色金融改革创新试点政策净效应的微观检验。围绕以上研究，本文的创新点在于：第一，基于微观视角，从企业碳排放强度的角度出发检验设立绿色金融改革创新试验区的微观政策效应，有助于丰富与该政策相关的实证研究，进一步探讨绿色金融政策创新在碳排放方面带来的深远影响。第二，通过绿色金融改革创新试验区的设立这一外生事件构造准自然实验，有助于减少内生性问题对实证结果的干扰，为绿色金融改革创新试验区政策与工业企业碳排放强度关系的研究提供可靠的经验证据。第三，通过异质性分析，有助于从更多不同角度和条件分析政策的实施对企业碳排放的影响效果，并为差异化绿色金融政策的制定和实施提供参考。

二、理论分析与研究假设

绿色金融对实现“双碳”目标具有重要意义。陈智莲和高辉等（2018）[12]认为绿色金融的出现将过去一味追求经济增长而忽视生态环境保护的传统发展方式改变为追求生态与经济相适应的绿色低碳发展方式。季凯文和罗璐薏（2022）[13]认为积极的绿色金融政策可以有效促进工业企业绿色创新的投入，并倒逼工业企业创新产出增加。王元龙和马昀等（2011）[14]认为完善构建绿色金融体系，有助于中国经济发展方式的转变，是推动绿色和可持续发展的必由之路。

毛彦军和徐文成（2019）[15]认为我国目前绿色金融体系建设在绿色金融政策的激励约束、绿色金融组织体系的完善、绿色金融产品和服务创新等方面已取得一些成就，一定程度上对碳减排效果起到积极作用。影响碳排放的因素有很多，政策的设立不仅具有导向作用，可以引导工业企业积极履行社会责任，引导调整高耗能高排放产业向绿色环保友好型产业发展，而且有一定的调控和分配作用，根据区域各自的发展特征，设立有侧重点的发展目标，使资源更多地流向绿色低碳型企业。所以，政策的建立对碳排放存在一定的影响，在研究政策对碳排放影响净效应的同时，为差异化绿色金融政策的制定和实施提供参考，有助于政策在全国范围内推广。

围绕以上研究，本文提出如下假设：

H1：绿色金融改革创新试验区的设立能够有效降低试点地区工业企业的碳排放强度。

H2：绿色金融改革创新试验区的设立能够通过促进企业绿色技术创新从而有效降低试点地区工业企业的碳排放强度。

三、研究设计

（一）数据来源与处理

本文选取2014—2019年A股上市公司的数据为初始样本。从产业结构看，工业部门是碳排放的主要来源，所以本文主要以A股上市公司中的工业企业数据为基础进行研究。进行数据处理，为使其更具有代表性：①剔除ST、*ST、PT类公司数据，以及金融类上市公司的数据，只保留工业部门上市企业；②剔除存在数据缺失的变量样本；③剔除资产负债率小于0或大于1的企业样本；④剔除2017年及以后上市的企业样本；⑤为了避免极端值对实证结果的干扰，对连续型变量进行双侧1%和99%的缩尾处理。处理后，最终得到2014—2019年共1954个公司的年度观测值。相关上市公司财务数据均来自国泰安数据库（CSMAR）。

（二）构建模型

本文根据Rosenbaum和Donald（1983）[16]提出的PSM法，通过企业规模（lnsize）、资产负债率（lnlev）、固定资产比例（lnfasset）、流动比例（lnliq）、总资产收益率（roa）、经营性净现金流量（cf）、资本密集度（lncapital）、股权集中度（lntop1）8个企业特征变量对实验组和控制组企业进行匹配，可观测变量的数值时期为2014年。PSM法的思想核心源于匹配估计量，即通过企业特征变量，将实验组和控制组中实施绿色金融改革创新试点政策概率接近的两个工业企业进行匹配，以确保干预效应估计是建立在企业之间不同结果的基础上。

本文将绿色金融改革创新试点政策的冲击视为准自然实验，采用双重差分DID模型，对实验组和控制组的政策实施效果进行对比分析，从而实现政策效果的量化。为了避免由于不同省（区）城市发展不均衡等原因，导致实验组和控制组样本的差分结果产生偏差，本文先用倾向匹配得分法对样本可观测变量进行匹配，为每一个实验组样本找到唯一对应的控制组样本，使实验样本能够通过平稳性检验，再利用DID方法检验政策效果。为了检验假设，本文设定以下基本模型来检验绿色金融政策对政策试点地区企业碳排放强度的净效应：

（1）式中，被解释变量lnciit表示第i个企业第t年的碳排放强度；交互项treated×time作为解释变量，其待估计系数β1为绿色金融政策对企业碳排放强度影响的净效应，是DID方法估计的核心，也是重点。如果该系数显著为负，解释变量与被解释变量之间是负相关关系，即绿色金融改革创新试点政策有助于降低工业企业碳排放。control为可能影响企业碳排放强度的其他控制变量；vi、ui分别表示年份固定效应和地区固定效应；εit表示随机扰动项。

（三）变量度量

1.被解释变量

本文的被解释变量为企业碳排放强度（lnci），作为衡量工业企业的碳减排效果。根据Chapple和Clarkson等（2013）[17]、沈洪涛和黄楠（2019）[18]对碳排放的衡量，计算公式见式（2）、式（3）。其中1吨标准煤的二氧化碳折算系数为2.493①由国家统计局标准折标煤系数计算方法可知，1吨标准煤完全燃烧产生的CO2的C排放系数（吨碳/吨标准煤），国家发展和改革委能源研究所推荐值为0.67，日本能源经济研究所参考值为0.68，美国能源部能源信息署参考值为0.69，此处按照0.68进行计算。1吨碳在氧气中燃烧后产生大约3.667吨二氧化碳（C的分子量为12，CO2的分子量为44，44/12=3.67），所以1吨标准煤的CO2折算系数为0.68×3.667=2.493。。行业方面的相关数据分别来源于《中国工业统计年鉴》《中国能源统计年鉴》。为了避免异方差问题对实证结果产生影响，本文在以上测算方法的基础上对ci进行对数化处理，得到企业碳排放强度lnci。

2.解释变量

本文的解释变量是交互项treated×time，其待估计系数是绿色金融政策对企业碳排放强度影响的净效应。treated为政策虚拟变量，表示该企业所在省份是否属于政策试点省份而受到政策的影响：当treated=1时表示为该企业属于试点地区范围内；当treated=0时表示为非试点地区企业。time表示年份虚拟变量，本文的绿色金融政策试点开始时间为2017年，因此年份为2017年及以后，则time=1，否则为0。

3.控制变量

考虑到企业自身层面的其他因素对碳排放存在潜在影响，尽可能衡量绿色金融政策的净效应，使倾向得分匹配中得到好的结果。本文参考张颖和吴桐（2018）[19]、王梦媛和方厚政的做法，选取一些企业层面的影响因素作为控制变量，其具体定义和说明见表1。

表1 控制变量定义与说明

四、实证结果

（一）倾向得分匹配效果检验

本文进行倾向得分匹配的实验组为2017年开始实施绿色金融改革创新试点政策省（区）内的610家工业企业，控制组为不属于该省（区）范围内的1344家工业企业，共计1954家企业。通过Logit模型估计倾向得分，采用核匹配法计算并确定权重，施加了共同支持条件。

何靖（2016）[20]认为PSM的“条件独立性条件”需要得到满足才可以体现可靠性，即要求匹配后的实验组和控制组企业在可观测变量，企业特征变量上不存在显著差异。如果两组存在显著差异，则说明企业特征变量的选取或者匹配方法的选择不合适，匹配不成功，无法进行后续分析。匹配后新样本平衡性检验结果见表2。从表2可以看出，通过倾向得分匹配处理，实验组和控制组在企业规模（lnsize）、资产负债率（lnlev）、流动比率（lnliq）等8个企业特征变量方面的差异大幅减少，各变量匹配后的标准偏差的绝对值均显著小于10。从T检验的结果来看，t统计量均不显著，因此，本文选取的企业特征变量在实验组和对照组之间不存在显著差异。图1为PSM匹配后协变量偏差图，其中·表示匹配前实验组和控制组的差异度，×表示匹配后两组的差异度，图中显示经过核匹配后变量的标准差缩小了，均小于10%。以上结果均表明实验组和对照组企业在2017年实施绿色金融改革创新试点政策的概率接近，可以进行相互比较，核匹配方法合适且估计结果可靠，可以进行下一步双重差分实证研究。

表2 倾向得分匹配前后各变量的平衡性检验

图1 PSM匹配后协变量偏差图

（二）双重差分检验

本文在对全样本进行倾向得分匹配处理的基础上，构建固定效应双重差分模型，即通过一阶差分的方式消除变量的时间变化影响，对式（1）进行回归检验。因为政策虚拟变量treated具有时间不变性，所以在检验分析过程中会被自动删除，这对估计结果及其显著性不会产生任何影响。绿色金融改革创新政策对工业企业碳排放影响的平均处理效应如表3所示。其中第（1）列为企业在个体和时间双向固定效应下得到的回归结果，treated×time的系数在1%的水平下显著为负。第（2）列是在上一步的基础上加入了企业的特征变量，估计结果仍显著为负。结果表明，绿色改革创新试点政策实施之后，试验区省（区）内的工业企业的碳排放得到了有效抑制。因此，可以认为绿色金融改革创新试点政策能够有效降低试点地区工业企业的碳排放强度，验证了前文假设H1。

表3 政策对工业企业碳排放的平均处理效应

（三）稳健性检验

参照Bakke和Mahmudi等（2016）[21]的做法，对上述研究结论进行稳健性检验，从而排除实验组与控制组工业企业在绿色金融改革创新试验区政策实施之前已经存在的固有差异及其他遗漏变量对前文研究的干扰。本文将绿色金融创新改革试验区政策实施的年份提前两年，即从2017年提前至2015年，政策考察期依旧是2014—2019年，再次检验该政策对工业企业碳排放的影响。在安慰剂检验过程中，对实验组和控制组的处理与前文基本研究一致，旨在保持对实验组和控制组工业企业的选择与前文研究一致。如表4所示，第（1）列为不加控制变量，第（2）列为加入控制变量。不论是否加入控制变量，本文观察的核心变量treated×time的系数均不显著。由此可知，上文基准分析双重差分检验估计结果稳健可靠。

表4 安慰剂检验

五、进一步分析

（一）机制分析

绿色金融改革创新试点政策的实施对企业在绿色发明专利和绿色实用新型专利的申请上存在诱发作用，总体上促进了企业绿色技术创新能力。因此，本文在模型（1）的基础上，引入绿色技术创新（tech）做进一步分析，机制检验模型如下：

绿色技术创新（tech）的测度可以分为研发投入和研发产出，运用企业研发投入资金的自然对数（lnrd）作为研发投入的衡量指标。参考已有文献可知研发产出可以通过企业绿色专利①绿色专利包括绿色发明专利和绿色实用新型专利两种类型，不包括外观设计专利。绿色专利这两种类型，相比于非绿色专利而言申请难度更大。申请数量来衡量，专利一般包括发明专利、实用新型专利和外观设计专利，而绿色专利只包括前两种。因此，本文用绿色发明专利申请数量（lninv1）和绿色实用新型专利申请数量（lninv2）来作为研发产出的衡量指标。考虑到样本企业存在绿色专利申请数量为0的年份，以及绿色专利申请数量存在厚尾分布现象，对两种绿色专利申请数量分别加1后取自然对数处理。

1.基于研发投入

表5为以研发投入（lnrd）作为企业绿色技术创新的衡量指标研究绿色金融改革创新试点政策对企业碳排放机制分析的回归结果。从表5可以看出，虽然该绿色金融政策可以通过促进企业增加研发投入金额的方式来抑制企业的碳排放强度，但是抑制作用不显著。可能的原因是，企业研发资金的投入对企业碳排放的抑制作用存在滞后性，无法在投入的当期就产生明显的效果，也可能是企业研发投入并非完全用作绿色技术创新相关研究，而是用作其他方面的创新研究投入，因此该抑制作用不显著。

表5 机制分析——研发投入

2.基于研发产出

表6为以绿色发明专利申请数量（lninv1）和绿色实用新型专利申请数量（lninv2）作为衡量研发产出的指标研究绿色金融改革创新试点政策对企业碳排放机制分析的回归结果，其中第（1）列以绿色发明专利申请数量（lninv1）衡量研发产出，第（2）列以绿色实用新型专利申请数量（lninv2）作为衡量。结果显示，该回归结果分别在1%和5%的水平上显著，即绿色改革创新试验区的设立显著增加企业绿色发明专利和绿色实用新型专利申请数量，从而显著降低企业碳排放强度，其中以绿色专利申请数量作为机制，该政策对企业碳排放的抑制效果更加显著。因此，绿色金融改革创新试验区的设立能够通过促进企业绿色技术创新而有效降低试点地区工业企业的碳排放强度，即假设H2得证。

表6 机制分析——研发产出

（二）异质性分析

1.基于企业所有制的特征分析

本文根据企业所有制性质把全样本分为国有企业组与非国有企业组，其中非国有企业组包括民营企业和外资企业等，通过这种分组方式检验绿色金融改革创新试点政策对不同所有权类型企业在碳减排方面的差异化影响。由表7中（1）、（2）列的实证结果可以看出，在控制其他影响因素的基础上，非国有企业交互项treated×time的系数均在1%的水平下显著，说明该绿色金融政策显著促进非国有企业进行碳减排，其中非国有企业交互项treated×time的系数-0.4283的绝对值大于国有企业交互项treated×time的系数-0.2751的绝对值，说明相较于国有企业，绿色金融改革创新试点政策对非国有企业碳减排影响更大。这可能是因为非国有企业更灵活，不论是企业结构还是资金投入，均可以根据政策的要求进行灵活调整，以达到更好的碳减排效果。

2.基于企业污染程度的特征分析

重污染企业在工业企业中占有很大比例，排放的废弃物对环境和空气等产生很大影响，因此重污染企业也是建立绿色金融改革创新试点政策关注的重点对象。通过研究重污染企业碳排放强度的状况来进一步分析该试点政策的碳减排效果，进而为试点的推广及政策的修订完善提供一些有价值的参考。本文参照李百兴和王博等（2018）[22]的做法，在环境保护部2010年9月公布的《上市公司环境信息披露指南》基础上，使用证券监督管理委员会2012年修订的《上市公司行业分类标准指引》进行划分，挑选出煤炭业、采矿业、纺织业、制革业、造纸业、石化业、制药业、化工业、冶金业、火电业等16个重污染行业的企业，其余企业属于非重污染行业企业。通过按照企业污染程度不同进行分组的方式来检验绿色金融改革创新试点政策对分属不同行业类型企业在碳减排方面的差异化影响。

由表7中（3）、（4）列的实证结果可以看出，在控制其他影响因素的基础上，重污染和非重污染企业的交互项treated×time的系数均在1%的水平下为显著，说明该绿色金融政策显著促进两类企业的碳减排，其中重污染企业交互项treated×time系数的绝对值大于非重污染企业，说明相较于非重污染企业，绿色金融改革创新试点政策对重污染企业碳减排影响更显著。可能是因为重污染企业大都具有较强的政策敏感性并且积极履行社会责任，说明绿色金融改革创新试点政策对重污染企业能够起到优胜劣汰的作用，引导重污染企业向环境友好型企业发展。

表7 企业特征异质性分析回归结果

六、结论与启示

本文以2017年我国建立绿色金融改革创新试验区政策为准自然实验，根据2014—2019年我国A股上市工业企业的面板数据，采用PSM-DID方法分析了建立绿色金融改革创新试验区政策对工业企业碳排放强度的影响。实证结果发现，绿色金融改革创新试点政策能够有效降低试点地区工业企业的碳排放强度；机制分析表明，该试点政策可以通过促进企业绿色技术创新有效降低碳排放，尤其体现在研发产出方面；由异质性分析可知，该政策对非国有企业以及重污染企业的碳排放抑制影响更强。绿色金融创新改革试点政策显著促进工业企业碳减排的原因可能在于：一是绿色金融试点政策对不同经济发展水平地区的侧重点不同；二是绿色金融试点政策可以促进产业结构调整；三是绿色金融试点政策能够促进能源结构优化。

根据本文研究结论，得出以下实践启示：

第一，绿色金融创新改革试验区政策应在更大范围内推广。由本文研究结论可知，虽然政策效果可能具有时滞性，但目前来看该政策能显著降低工业企业，尤其是重污染企业的碳排放强度。因此，应该积极促进各省（区）探索适合本地区的绿色金融发展模式与路径，积极促进高污染高能耗企业通过加强绿色技术创新、增加绿色金融资产投资、降低融资约束等方式，实现绿色低碳转型。

第二，政府应着力完善建立绿色金融体系。适度扩大绿色信贷规模，大力促进绿色金融工具创新，不断完善相关法律法规，制定相关风险防控制度，加强对绿色金融市场的监管，积极引导工业企业实现绿色低碳转型。

第三，企业应当主动适应绿色金融政策，提高对绿色金融政策的敏感性，充分发挥自主创新能力，加大企业绿色技术创新投入，合理配置各类资源，争取更多政策红利，促进企业实现低碳绿色转型。◆