前沿速递|绿色金融能否改善ESG绩效？来自中国绿色信贷政策的证据

Dan Ma, Yuhang He, Linggang Zeng，School of Statistics, Southwestern University of Finance and Economics,

Energy Economics（2024年7月）

绿色金融作为实现环境和社会目标的重要政策工具，已逐渐成为许多国家改革的焦点。本研究以企业的 ESG（环境、社会和治理）综合得分作为环境和社会责任的代理变量，利用双重差分法（DID）和中国上市公司 2011-2021 年的微观数据，发现绿色信贷政策显著提升了相关企业的环境和社会绩效。进一步的研究表明，绿色信贷政策通过优化信贷资源配置、培养管理层的环境意识和增加研发投入，有助于提高企业的环境、社会和治理绩效。此外，地区市场化程度和企业融资约束水平也是影响政策效果的调节因素，对于环境、社会和公司治理绩效排名前列和后列的企业，政策的促进作用更为明显。

以下为正文内容：

随着气候变化、环境保护和公共卫生等社会问题的日益突出，企业、投资者和公众的要求也因可持续发展的目标而重塑。在此背景下，环境、社会和治理（ESG）概念逐渐成为重要的概念（Riedl和Smeets, 2017；Albuquerque等，2019）根据全球可持续投资联盟（GSIA）编制的数据，2016 年全球 ESG 资产为 22.84 万亿美元，到 2022 年将激增至惊人的 30.32 万亿美元，与 2016 年相比大幅增长 32.77%。作为经济活动的重要主体，企业将环境（E）、社会（S）和治理（G）因素纳入决策过程，不仅是为了监测和规范企业绩效，也是解决全球社会问题的重要手段。与股东利益最大化的观点（Fried man，1970）相反，环境、社会和治理概念强调，在追求财务目标的同时，公司应将环境保护、履行社会责任和加强公司治理纳入其业务模式（Hart 和 Zingales，2017）。

此外，生态环境的实质性改善不仅需要强有力的末端治理，还需要通过市场化的金融工具改变资源配置的激励机制；绿色金融是可持续发展的驱动力（Scholtens 和 Dam，2007；Soundarrajan 和 Vivek，2016；Taghizadeh-Hesary 和 Yoshino，2019）。与传统金融相比，绿色金融的显著特点是将环境保护和资源利用全面贯穿于金融活动中。绿色金融通过市场驱动的资源配置，推动市场采用环保、低碳的发展战略，实现经济与环境的平衡，最终实现经济与社会的可持续发展（He和Cheng，2022）。

与现有研究相比，本研究在以下几个方面做出了贡献。首先，它拓展了绿色信贷对环境和社会影响的研究。现有关于绿色金融政策微观层面效应的研究主要关注单一的经济或环境结果，如全要素生产率、技术创新和环境治理（Wen等，2021b；Ding等，2022；Zhang等，2021；Lee 和Lee，2022；Guo和Zhang，2023）。这种片面的评价标准可能会忽视绿色信贷的整体政策效应。本研究采用 ESG 这一反映企业环境、社会和治理绩效的综合评价体系，更全面地描述绿色金融政策的微观后果。这种方法更全面地描述了绿色金融政策的微观后果。其次，在影响机制方面，现有研究大多探讨绿色信贷微观传导机制的影响（Chen等，2022b；Lei等，2023a），维度相对单一。本研究以信贷政策是否形成有效的外部压力为基点，从信息传导和行为外部性两个角度综合分析了绿色信贷政策对不同ESG水平企业的影响，更深入地探讨了绿色信贷与ESG之间的内在关系。此外，我们首次将“行业内使用委托贷款的企业比例”作为绿色信贷政策的工具变量，较好地解决了 DID 估计中潜在的内生性问题，也可能为后续绿色金融相关的实证工作提供参考。

1研究设计

1.1识别策略

1.1.1基准模型设定

为了验证 GCG 政策是否影响 ESG 业绩，采用了 DID 方法。参照 Card 和 Krueger（1993），基准回归模型具体如下：

在此背景下，ESGit 代表第 i 家公司在第 t 年的 ESG 表现，treati 是行业分组变量，其中受 GCG 影响的行业的值为 1，其他行业的值为 0；postt 是时间分组变量，2012 年及以前为 0，以后年份为 1。交互项系数 β1 用于计算 GCG 对ESG 的因果效应。由于 GGCG 设立了行业进入标准以确定处理组，并且考虑到所有模型都控制了行业和时间固定效应，我们没有将 treati 和 postt 分别作为解释变量，其中 ctrlit 代表控制变量的特征向量。根据 Zhang（2023）的研究，我们引入了行业、省份和时间的固定效应φj、δp、μt，以控制影响企业 ESG 表现的不可观测因素。εit为随机误差项。最后，所有 OLS 回归模型的标准误差都采用了公司级聚类，以消除异方差性。

1.1.2机制模型设定

为了探究 GCG 影响企业 ESG 表现的渠道，我们建立了一个序列检验的中介效应模型（Baron 和 Kenny，1986 年），以检验 GCG 是否通过财务结构优化、管理层对 ESG 改善的认识以及企业研发投入的增加来影响 ESG 表现。在公式（1）的基准回归模型基础上，增加了以下模型，以检验上述三个渠道的作用机制：

在这种情况下，Mit 代表企业 i 在第 t 年的中间变量，包括财务结构优化、管理意识和企业研发投资。系数 δ1 描述了 GCG 对中间变量的影响，而 γ1 则描述了 GCG 的直接影响。交互项 δ1 ×γ2 描述了 GCG 通过这一特定渠道对 ESG 的影响。其余设置与公式（1）一致：

Moderatorit代表第 i 家企业在第 t 年的调节变量，包括地区市场化程度和企业融资约束水平。我们所关注的不等式 4 是三重交互项的系数ω1，ω1 衡量 GCG 对 ESG 业绩的政策影响如何随市场化程度的变化而变化。

1.2数据来源与变量选取

我们选取了 2011 年至 2021 年间在中国 A 股上市的公司作为初始样本，在此基础上移除了 PT、ST 和*ST 公司以及金融公司，并将样本与彭博社 ESG 分数和地区数据进行匹配。我们剔除了观测值损失严重的样本，并对关键变量进行了 1%的修正，从而获得了来自 1342 家上市公司的 10,875 个观测值。市场化程度来自 2011 年至 2019 年的中国市场指数数据库。管理层对ESG的认识来自年报中环境关键字的提及频率（Chen等，2018；Si 和Cao，2022）、中国证券市场会计研究（CSMAR）数据库中的公司数据、彭博ESG评分以及Wind数据库中的区域经济数据。

1.2.1确定处理组

如果数据集中的上市公司属于这 18 个行业，则 AB 行业 i 为 1，作为准自然实验的处理组；否则为 0，作为对照组。我们的基准样本包含 10,875 个观测值，包括中国证监会分类标准中 74 个行业的上市公司，其中 3840 个观测值属于 A 类和 B 类行业，占 35.31%。由于受政策影响行业的实施范围是由政府外部提供的，因此在很大程度上避免了ESG绩效与GCG政策之间的自我选择偏差。

1.2.2因变量

随着ESG投资理念在资本市场和信贷市场的推进，中国出现了各种ESG评价体系。本研究参考了学术界的主流做法（Buchanan等，2018），该指数系统充分利用定量和定性数据来描述公司的 ESG 表现，如污染物处理、温室气体排放、能源消耗、环境处罚、社区关系、多样性、社会捐赠、董事会治理和高管薪酬等，分值从 0.1 到 100 分不等。彭博社还为上市公司提供一级指数评分，包括环境指标 E、S 和 G，以相同权重构成 ESG 总分。此外，彭博社的 ESG 评级针对不同行业进行了调整，便于进行跨行业分析和比较（Baldini等，2018）。

1.2.3机制变量

机制变量包括 (1)信贷再分配（banklev），即短期借款和长期借款之和除以总资产；(2)管理层环境意识（lnatt），即公司年报中环境关键词出现频率的对数值；(3)研发投入（lnRD），即企业研发投入的对数值：(1)区域市场化程度是中国各省市场化进程的综合指数，包括五个一级指标：政府与市场关系、非国有经济发展、产品市场发展、要素市场发展、市场中介组织发展和法律监管环境，以及 18 个基本指数；(2) 金融约束，包括三种计算方法：KZ 指数，源自 Kaplan 和 Zingales（1997 年）；SA 指数，根据 Hadlock 和 Pierce（2010）计算；WW 指数，根据 Whited 和 Wu（2006）制定。

2研究结果

2.1平行趋势检验

以 DID 作为本研究的基本识别策略，只有当处理组和对照组在政策实施前就存在时，估计结果才是有效的，即在政策实施初期两组间的ESG 表现没有显著差异时，平行趋势假说才成立。按照事件研究的思路，根据基准模型（1）逐年估计处理组和对照组之间的 ESG 差异，并对平行趋势进行如下检验：

2.2基准回归结果

表 2 列出了公式（1）中指定的基准模型的回归结果，第二列报告了公式（1）的结果变量 ABpost 表示处理组与政策后时期之间的交互项，即 ABindustryi × postt，其系数表示对GCG 政策效应的估计值。结果表明，GGCG 政策对环境和社会风险相关行业的 ESG 表现产生了显著的积极影响。

2.3稳健性检验

1.安慰剂试验。随机分配政策处理组的系数估计值与 0 对称，范围在 -0.2 到 0.2 之间。在表 1 的第（5）列中，处理效果的真实估计值为 2.086，明显位于 t 检验的拒绝区域内。这表明表 1 的真实估计值与零有显著差异，表明该政策产生了显著的正效应。

2. 样本转换。为减少极端值对估计结果的潜在影响，对样本进行了 5%的水平修剪，如表 3 第（1）列所示。随后，考虑到GCG 政策对 A 类企业和 B 类企业的影响可能不同，我们分别估计了政策对每一类企业的影响。表 3 第(2)列和第(3)列显示了结果。

3. 排除其他政策影响。(1）排除绿色金融改革试点方案。2016 年，中国在六个省份实施了绿色金融改革试点方案，因此，这些地区的企业可能会受到ESG 业绩的影响。因此，我们将这六个省的上市公司从数据集中移除。回归结果见表 3 第（4）列。(2）剔除碳排放权交易政策。2017年12月，中国启动了碳排放权交易，从发电行业开始，到钢铁、电力、化工、建材、造纸、有色金属等其他高耗能高排放行业，碳排放权交易被认为是以环境友好为目标，实现绿色低排放发展的重要政策工具。这些行业与 GCG 政策所关注的行业有很大的重叠，而碳排放交易政策增强了这些行业减少排放的动力，从而有可能改善 ESG 表现。为了排除碳排放交易政策对估计结果的潜在干扰，我们剔除了 2018 年以后的样本。回归结果见表 3 第（5）列。

4. 对固定效应进行调整。为了进一步控制企业层面的个体差异对因变量和政策交互项的潜在影响，根据公式（1）加入了企业固定效应，以减少可能的内生性，结果见表 3 第（6）列。

结果表明，在进行一系列稳健性检验后，政策效应的估计值与基准结果相比保持不变。这说明，绿色信贷政策对ESG 性能有显著的积极影响。

5.变化中的变化模型（CIC）。传统的差分（DID）模型受到严格条件的限制。在第 4.1 节中，尽管我们观察到政策差异的 95% 置信区间不包括 0 值，并且通过了传统的平行趋势检验，但我们无法确定处理组和对照组的非控制特征在政策实施前后没有发生变化。换句话说，相关行业的上市公司可能在政策实施后因其他因素而提高了 ESG 水平，从而可能导致高估绿色信贷政策（GCP）对公司生产总值（GCP）的影响。除平行趋势假设外，DID 模型还要求遵守稳定单位处理值假设 (SUTVA)。SUTVA 规定，政策干预只影响处理组，对对照组没有影响，这意味着政策没有溢出效应。如果由于 GCP 政策，银行减少了对相关行业的信贷发放，那么其他行业的公司可能会以更低的门槛获得信贷资源，从而降低为获得信贷而提高 ESG 的动力。这种溢出效应可能导致 DID 对 GCP 政策效应的高估。因此，我们采用了 Athey 和 Imbens（2006 年）提出的 “变化中的变化”（CIC）估计方法。

2.4内生性问题

1.倾向得分匹配。GCG 政策可能会导致 GCG 相关公司与对照组之间在 ESG 表现上存在系统性差异。这些差异可能是由于规模和资历等运营和管理特征造成的。这种差异有可能导致 DID 分析中的估计值出现偏差。为了解决可观测变量引起的内生性问题，我们将式（1）中的控制变量指定为匹配协变量。相比之下，Logit、Probit 和 Epanechnikov 核匹配方法匹配的是 GCG 相关企业控制组中最相似的样本。随后，我们构建了三个新的对照组，并使用式（1）中的模型进行了倾向得分匹配差异分析（PSM-DID）。

2. 交互固定效应。尽管 GCG 的发行对企业来说是外生的，但中国银监会在选择 GCG 相关行业时并非随机选择。行业固定效应只反映了每个行业的时变特征，如是否存在环境污染、是否属于政策鼓励行业、是否存在大量可抵押固定资产等。在行业层面还存在时变特征，如产业结构调整、国外需求和改善环境、社会和治理的潜力。如果这类不可观测因素影响了银监会对行业和 ESG 表现的选择，可能会导致遗漏变量的内生性问题。

为了解决这个问题，按照 Bai（2009）的方法，采用了交互固定效应来控制随时间变化的行业水平特征。如表 4 第（4）列所示，结果表明 GCG 政策仍然对 ESG 业绩有显著的积极影响。

5.工具变量法（IV）。为了进一步解决前面提到的内生性问题，我们采用了 IV 方法作为 DID 估计的额外稳健性检验（Cai 等，2016）。表 5 第（1）-（2）列列示了 2SLS 结果。交互项 indEntpost 代表行业内使用委托贷款的企业比例与时间虚拟变量的乘积，被用作 ABpost 的工具。鉴于 GCG 是政府为银行业制定的指导意见，因此银行对相关行业的信贷融资可能会受到限制。相比之下，信托、证券和资产负债表外业务等影子银行活动不受 GCG 政策限制。企业可以通过影子银行业务满足外部融资需求，从而导致资产负债表中的委托贷款增加。因此，预计政策干预与预期委托贷款交易之间存在正相关。表 5 中的所有第一阶段回归结果都通过了弱工具变量检验，满足工具变量的相关性假设。

2.5异质性检验

本研究根据所有权、地理位置和行业对总体样本进行分类，以便于进行分组分析。

1.所有权特征。由于国有企业和非国有企业在信贷市场上的融资能力存在差异（Cai等，2016；Zhang，2022），如表 6 第(1)-(3)列所示，我们根据产权将样本分为三组。从交互项的系数估计值和置信区间可以看出，不同子样本的政策效果存在差异。对非国有企业而言，GCG 对 ESG 的提升最为显著，而对地方国有企业的影响则明显低于对非国有企业的影响。有趣的是，GCG 对中央国有企业的影响并不明显。

我们认为，原因在于私营企业面临的信贷市场竞争加剧，迫使它们有更强的动力去履行GCG政策规定的环境和社会责任。国有企业受益于潜在的政府信用背书，从规避风险的角度出发，更倾向于接受银行的信贷支持。此外，GCG 政策旨在从市场导向的角度优化信贷分配，而国有企业更容易受到政府行政指导的影响，从而削弱了 GCG 的政策效果。这些特点在中央国有企业中更为明显，导致政策效果不佳。

2.地理位置。中国国家统计局根据各省的经济发展情况，将中国各省分为东部、中部、西部和东北部四个经济区。与其他地区相比，东部地区工业体系完备，市场化程度高，金融发展成熟。GCG 政策对东部地区企业的影响更为显著，对中部和西部地区的影响积极但不显著，对东北地区企业几乎没有影响。西部地区也受到了积极的政策影响，但中部和东北地区的企业并没有受到政策措施的显著影响。

综合表 6 的结果，GCG 政策要求银行在贷款定价和信贷分配上采取差异化的风险管理，一个高度市场化的金融市场似乎是 GCG 政策效应的前提条件。因此，我们进一步分析了地区市场化程度如何影响 GCG 政策的调节效应。

3.行业异质性。上市公司所处的行业是决定其生产经营是否构成环境或社会风险的根本因素。GCG 具有行业特殊性，处理内生性的 PSM 模型无法为对照组中的单个公司匹配相同的行业，因此，我们只能依靠行业固定效应来控制内生性。由于各行业上市公司数量不同，在计算政策效应时，上市公司数量较多的行业权重较大。为了全面观察 GCG 政策的行业异质性，我们在基准回归模型的基础上选取了处理组中的 17 个行业作为新的处理组，并对原对照组进行了 DID 估计。图 4 显示了 DID 交互项的估计系数及其 95% 的置信区间，其中左侧的 5 个行业属于 GCG 政策规定的 A 类行业。

回归结果表明，GCG 政策影响不显著的行业，如住房和土木工程，在能源消耗、环境和社会影响方面表现出较低的潜在风险。GCG 政策对高污染、高能耗的重工业企业的环境、社会和治理绩效的积极影响更为普遍。值得注意的是，Wen 等（2021a）发现，GCG 政策导致信贷资源从能源密集型企业流出，限制了这些企业的研发投资，阻碍了这些产业的转型和升级。虽然我们的结论与 Wen 等（2021a）的结论存在差异，主要是由于处理组分类和因变量的不同，但我们对信贷资源外流和研发投资在形成 GCG 政策对ESG 的影响中的作用感到好奇，这将是后续章节探讨的主题。

2.6机制检验

1.信贷资源配置。中国的金融结构主要依赖于直接融资，绿色金融主要依赖于银行主导的绿色信贷。绿色信贷政策承担着双重责任，一是通过信贷资金的配置，将 “棕色部门”的生产资源重新配置到“绿色部门”，从而实现全社会的清洁高效生产；二是向存在环境和社会风险隐患的企业发出信号，纠正外部效率偏差。为了探究这一机制如何发挥作用，我们基于 3.1 节中的主题机制模型（公式 2 和 3），以银行贷款比率（banklev）为代理变量，用 Mit 表示，研究信贷资源配置在政府间清洁生产政策效应中的作用。

表 7 第 1 栏的结果表明，GCG导致相关行业的银行贷款比例相对下降。如第 2 列所示，银行贷款比例与企业的环境、社会和公司治理绩效之间存在负相关关系。机制检验表明，GCG 政策通过降低关注行业的信贷水平，提高了企业的 ESG 表现。这意味着 GCG 通过银行对具有负外部性的企业实施信贷惩罚，发出了明确的信号，迫使具有环境和社会风险的企业改善其 ESG 表现。关于观察到的结果，将在第 5.2 节中使用量化回归进行进一步讨论。

3.研发投资。如果仅通过重新分配信贷资源和管理层的环境意识来实现，GCG对提高ESG绩效的政策影响可能会导致绿色洗涤（Zhang，2023）。张（2023）对2016年中国绿色金融改革试点政策进行了研究，发现试点地区的高污染企业尽管在实际ESG条款中表现不佳，但仍试图通过披露选定的ESG数据来塑造可持续绩效的形象。绿色金融改革的试点政策并没有显著提高企业的ESG绩效，反而影响了企业的绿色化。为了检验GCG政策是否真正提高了企业的ESG绩效，而不仅仅是导致虚假的洗绿行为，我们应该从为提高ESG绩效而付出有形成本的行业中获得证据。

GCG 政策旨在引导关注类企业降低环境成本、提高效率、采用清洁生产技术和提高能效 （Wen 等，2021a），技术创新已成为实现这些目标的必要途径。为了研究 GCG 政策下的相关产业是否承担了技术创新的成本，进而提高了其 ESG 表现，我们将研发投入（lnRD）作为替代变量（Mit），并进行了机制检验。结果见表 7 的第(5)列和第(6)列。

GCG政策促使相关产业的研发投资相对增长了16%。通过加大研发力度，企业可以显著提高ESG绩效。值得注意的是，相关行业在信贷资源外流的背景下增加了研发支出。我们进一步研究了ESG子指标，如表7的列（7）和（8）所示，揭示了环境和社会得分存在非中介效应。有理由认为，重点行业为满足GCG政策的环境和社会责任要求而承担有形成本，这证实了ESG绩效的真正改善。

3进一步分析

3.1调节效应

3.1.1区域市场化水平的调节作用

基于异质性分析，我们发现，在市场化程度较高的地区（如中国东部省份），金融机构更有可能将行政指导排除在贷款决策之外，并根据公司的风险绩效决定信贷资源的最佳配置。然而，从GCG政策对国有和非国有企业绩效的影响的不确定性来看，市场化程度较高的非国有企业似乎有巨大的动力来履行GCG政策所要求的环境和社会责任。

为了验证我们的猜想，我们根据第 3.1.2 节（公式 4）中概述的设定建立了计量经济学模型。在此背景下，我们引入了区域市场化指数（市场）作为 Moderatorit 的代理变量、 在公式 4 中，我们的焦点是与 treati × postt × Moderatorit 三重交互项相关的系数 ω1。

表8第（1）列显示了基于方程（4）的区域市场化指数调节作用的回归结果。三个相互作用项的估计系数表明，市场化指数每增加一个单位，GCG政策对ESG绩效的影响就会增强0.444。这表明，随着该地区市场化程度的提高，GCG的政策效应显著增强。东西部地区GCG政策效果的异质性主要可以用其市场化水平的差异来解释。GCG的政策意图是通过市场化手段消除外部因素造成的市场失灵。通过差异化配置信贷资源，金融机构实现了对环境和社会责任企业的激励和约束。区域市场化水平的变动效应检验结果为GCG政策的成功实施提供了证据，并为政策效应相对较低的地区指明了未来的政策方向。

3.1.2融资约束水平的调节作用

为了验证融资约束的负向调节作用，与上一节一样，我们采用了三个广泛使用的指数（KZ、SA 和 WW）作为融资约束的替代指标，并将它们纳入式（4）的回归模型中。表 7 第（2-4）列的结果表明，对于所关注的企业而言，融资约束越高，GCG 政策对ESG 业绩的促进作用就越小。这些调节效应支持了前面提出的假设。这一结论与 Zhang（2022）和 Wen 等（2021a）的研究结果一致，他们发现绿色信贷收紧了高污染企业的融资约束，降低了绿色生产率，限制了企业的转型升级。因此，可以说中国的绿色信贷政策在制度设计上存在严重缺陷，与促进高能耗产业转型升级的目标背道而驰。

在实践中，银监会明确要求在 GCG 框架内实施差异化信贷政策，强调要 “支持绿色、低碳、循环经济，严格控制‘两高一剩’（不含转型升级方面）和落后产能”。银行必须为研发和投资提供信贷支持，促进受审查行业的转型和升级。然而，这一要求对银行的内部控制机制提出了重大挑战。实际上，这要求银行内部实行高度的内部控制。在提供信贷之前，必须进行专业评估，以确定信贷分配是否会带来环境和社会风险。信贷批准后，必须严格监控信贷资金的流向，以确保符合指定用途。由于信息不对称和需要降低政策风险，银行可能会谨慎地分配信贷，使其低于社会福利最大化的水平，无法满足转型和升级行业的资金需求。

3.2分位数回归模型

在前面的第4.5.1节中，我们观察到GCG政策在宏观层面实现了信贷资源从“棕色产业”向“绿色产业”的分配。在第4.4节的异质性分析中，我们从宏观角度考察了GCG政策影响的异质性。问题是，GCG是否在基于单一环境和社会绩效水平的群体内表现出异质的政策效应？

通过直接估计反事实分布函数来评估GCG的政策效果，CIC模型被证明比标准分位数DID模型更准确。传统的QDID和CIC模型都进行了计算，总体差异很小。由于空间限制，我们仅在表9中显示了ICC估计结果。

结果表明，GCG在ESG绩效的各个层面上都有积极的政策效应。总体而言，更高的ESG绩效增强了GCG政策的效果。结合机制测试和调节效应的结论，很明显，GCG产生了一种副作用：最初ESG表现较好的公司更有可能获得不同信贷政策的支持。这改善了融资约束，允许充足的资金增加研发投资，从而维持ESG绩效的上升轨迹。这一过程还通过优化财务资源分配、减少对ESG绩效较低的企业的信贷敞口以及集中ESG绩效较强的资源构成企业，证实了GCG政策方法的有效性。

准自然实验表明：（1）GCG政策显著提高了具有环境和社会风险的公司的ESG绩效。GCG对非国有企业、中国东部企业和高能耗企业的促进作用更为明显。（2） 一系列机制检验表明，绿色信贷政策通过银行和向公司经理发出信号来优化信贷资源的分配。通过市场机制，它将企业行为与环境和社会相关的潜在负外部性内部化，增强管理层的环境意识，增加研发投资，促进环境风险企业的转型升级，提高企业ESG绩效。（3）进一步的研究表明，区域市场化程度显著增强了GCG对ESG绩效的政策影响。公司面临的融资约束越高，GCG政策对其ESG绩效的增强作用就越小。分位数回归表明，GCG政策对表现最好和最差的公司的初始ESG绩效都有更明显的改善效果。

尽管这项研究提供了有价值的结论和见解，但其局限性依然存在。首先，GCG政策并没有在煤炭开采和洗涤行业或橡胶和塑料行业带来显著的ESG改善。由于空间限制，并没有对缺乏政策影响的根本原因进行深入分析。其次，尽管ESG框架具有综合性，但它并没有考虑经济表现。政策制定者在制定政策时必须全面考虑经济增长、环境保护和社会发展。未来的研究应致力于构建更全面的指标，以便更彻底地比较和检验绿色金融相关政策的影响。

（选文、整理：武彦青）

ABSTRACT

阅读原文，获取更多文章信息