论文题目：绿色金融政策抑制了企业的环境违规吗？——基于绿色金融改革创新试验区的一项准自然实验
作者：杜兴强，谢裕慧，曾泉
期刊：金融研究2024年第5期
推送：何诗麒 审核：陈颖洁 校对：许多
研究领域：投资与技术创新
仅用作学术交流，原文版权归原期刊和原作者所有，转载请注明出处。
01原文摘要
本文基于绿色金融改革创新试验区试点政策（简称试点政策）准自然实验，以2014—2019年A股上市公司为研究对象，采用双重差分模型，分析试点政策对企业环境违规的影响。研究发现：处于试验区的上市公司，环境违规概率显著更低，表明试点政策有效抑制了企业环境违规；试点政策对企业环境违规的抑制作用，在污染行业中更突出。在以企业违规程度进行敏感性测试、采纳倾向得分匹配法控制样本的平衡性和使用公司固定效应回归控制潜在的遗漏变量后，上述结论依然稳健。机制检验显示，试点政策能通过公司绿色转型、超额融资约束（非财务特征决定的融资约束）和金融机构的环境监管（金融机构对污染企业实施的审核、评级、退出等监管措施）等机制影响企业环境违规行为。分组检验表明，试点政策对环境违规的抑制作用，在规模较小、媒体关注度较低和处于空气污染严重地区的企业中更突出。本文的发现，可为评价绿色金融改革创新试验区试点政策效果提供参考。
02问题导入
为促进绿色金融政策的落地实施，2017年6月国务院常务会议决定，在浙江、江西、广东、贵州和新疆五省(自治区)八地(市)建立绿色金融改革创新试验区。绿色金融改革创新试验区试点政策（简称试点政策）的出台，为我们提供了一个分析绿色金融政策如何引导市场需求和规范市场主体行为的准自然实验场景。试点政策的初衷是注重绿色金融的引导作用，但是试点政策也可能产生治理效应，抑制企业的环境违规。但现有研究并未关注试点政策是否及如何影响企业的环境违规。基于此背景，本文提出以下问题：绿色金融试点政策能否影响企业的环境违规？其如何影响企业的环境违规？
03研究设计
一、理论分析与研究假设
设立绿色金融改革创新试验区旨在促进绿色金融政策的落实和激发绿色金融创新，先行先试，获得相对成功经验后再向全国推广。在“激励”和“监督”的机制作用下，试点政策可以从以下三个方面抑制企业的环境违规：第一，从激励机制来看，试点政策能够鼓励和引导资源流向技术升级项目和绿色产业，支持企业对现有发展模式和生产工艺进行变革，从而降低企业面临的转型边际成本。第二，从监督机制来看，试点政策强化了环境污染引起的超额融资约束，增加了环境污染的成本，从而抑制了企业实施环境污染的意愿。第三，从监督机制来看，试点政策能强化金融机构对企业环境行为的外部监督，通过对金融机构在环境保护方面提出更多的监管和信息披露要求，促使金融机构更加关注客户的环境行为、增强其对企业环境保护的监督力度，进而抑制企业的环境违规。基于以上分析，本文提出：
假说1：限定其他条件，与非绿色金融试点政策地区的企业相比，试点地区内企业的环境违规概率更低。
环境污染的治理需求对污染行业和非污染行业展现出整体上的差异性，这是因为：首先，与非污染行业相比，试点政策对污染行业产生了更强的超额融资约束和更加严格的外部监管，进而对企业环境违规的抑制作用效果在污染行业中更加突出。其次，绿色金融试点政策引导资金流入、进行技术升级和流程改造的作用在污染行业的企业中将被放大，最终更有利于试点政策发挥作用，从而抑制环境污染和降低环境违规的概率。基于以上分析，本文提出：
假说2：限定其他条件，相比于非污染行业，绿色金融试点政策对环境违规的抑制作用在污染行业中更突出。
二、样本选择与数据来源
本文以2014年—2019年A股上市公司为初始样本，并按以下标准进行筛选：第一，剔除金融、保险类上市公司的观测值；第二，剔除企业环境违规变量、控制变量和公司注册地信息缺失的观测值；第三，对所有连续型变量按1%(99%)分位进行缩尾处理。上市公司的环境违规行为依据公众环境研究数据库信息识别。绿色金融试验区所属企业依据各试验区根据《生态文明体制改革总体方案》和各个地区的实际情况发布的试验区总体方案手工识别。公司财务特征、市场交易等其他数据来源于CSMAR数据库。
04实证分析
一、模型设定
本文采用双重差分模型进行回归，模型构建如下：
模型（1）中，下标i、t分别表示企业、年份。被解释变量ENV_VIOi,t表示环境违规的虚拟变量，若企业i在第t年存在环境违规(任何一种与环境相关的处罚，如罚款、警告、责令停产停业等)，则取值为1，否则为0。TREATi×POSTt是本文的核心解释变量。其中，若企业i的注册地位于绿色金融改革创新试验区,则TREATi取值为1，否则为0；若观测值的第t年是2017年及以后年度,则POSTt取值为1，否则为0。本文通过分析公司治理、财务状况以及地区层面经济社会发展水平等因素，确定最终控制变量包括：第一大股东持股比例、管理层持股比例、企业规模、股票收益率、上市年限等。Industry Dummiesi,t、Year Dummiesi,t分别表示行业固定效应、时间固定效应。εi,t表示随机误差项。
回归结果支持假说1。
进一步，本文将样本划分为污染与非污染行业两个子样本，并分别对两个子样本按照模型（1）的设定进行回归，回归结果支持假说2。
二、平行趋势检验
本文在模型中同时加入绿色金融政策试点前后各期(BEFORE－2、BEFORE－1、POST+1、POST+2)及试点当期(POST0)的虚拟变量与TREAT的交乘项。经检验，平行趋势假设成立。
三、安慰剂检验
首先，限定从2017年的公司中随机抽取与研究样本中相同比例的公司作为实验组，其他公司作为对照组，重复上述抽样过程500次，获得500份随机样本。其次，利用这些随机样本按模型（1）的设定进行回归，获得变量TREAT×POST基于随机样本的估计系数。最后，统计这些估计系数的分布。结果表明，双重差分模型的回归结果不是由随机抽样系统性生成。
四、敏感性测试与内生性分析
第一，采纳公司是否因环境违规而被处以罚款的敏感性测试。本文设定虚拟变量ENV_FINE作为因变量，若公司当年因环境违规被罚款，则赋值为1，否则为0。
第二，采纳企业环境违规程度的敏感性测试。采用“企业因环境违规罚款金额占企业营业收入的比重”和“环境违规次数”度量环境违规严重程度，分别进行Tobit回归和Order Probit回归。
第三，采用倾向得分匹配法构建配对样本进行内生性测试。本文采用倾向得分匹配法获取匹配样本来控制可能存在的内生性。
第四，本文还进行了其他敏感性测试：（1）采用注册地所在试验区所属省份的公司子样本、降低试点与非试点省份差异的影响；（2）采用Logistic和线性概率的公司层面固定效应模型控制潜在的遗漏变量问题；（3）样本包含后续拓展试验区（2019年甘肃省兰州）；（4）考虑到政策效应的期限，将样本区间拓展为事件冲击发生前后四年和前后五年，再分别采用传统的双重差分设计（仅包括首批试验区）和交叠双重差分设计（包括首批试验区和后续拓展的试验区）重新检验假设;（5）绿色金融政策并非单一政策，因此本文检验了绿色债券、绿色信贷和碳金融政策的执行力度对企业环境违规的影响。
经检验，本文的实证回归结果依然稳健。
五、机制测试
本文以绿色转型(绿色专利)、超额融资约束和金融机构的环保监督强度作为中介渠道来进行机制测试。各中介变量的具体含义如下：绿色转型采用企业绿色专利(发明专利与实用新型专利之和)申请数与企业专利(发明专利与实用新型专利之和)申请数之比衡量；超额融资约束采用基于公司财务特征的模型预测KZ值，并用KZ指数的实际值减去预测值来捕捉政策形成；金融机构的环保监督强度采用“地级市层面的政府工作报告中与环保相关的关键词总数占政府工作报告用词总数的比例”来替代。
六、进一步分析
本文按照以下标准划分总体样本，并进行分组回归：（1）按公司规模大小分组，以此考察试点政策对企业环境违规抑制作用的异质性影响。（2）按媒体关注分组，以此考察试点政策对企业环境违规抑制作用的异质性影响。（3）按地区污染程度分组，以此考察试点政策对企业环境违规抑制作用的异质性影响。
05主要结论
第一，试点政策与试验区内企业的环境违规概率显著负相关，且这一负相关关系在污染行业中更突出。
第二，机制检验发现试点政策能够通过促进企业绿色转型（增加绿色专利）、增强试点政策的超额融资约束和强化金融机构的环保监督这三个渠道抑制试验区内公司的环境违规。
第三，进一步分析发现试点政策对企业环境违规的抑制作用因公司内外部因素的不同存在异质性，即在小公司、媒体关注较低的公司以及污染程度较为严重的地区这一抑制作用更显著。
06主要贡献
第一，本文立足于激励和监督融合的视角，分析了试点政策对公司环境违规的影响，并剖析了试点政策抑制公司环境违规的三个影响渠道———绿色转型、超额融资约束和金融机构的环境监督，从而拓展了试点政策在公司层面的经济后果研究，为探索试点政策的推广和应用提供重要的决策参考。
第二，本文发现试点政策对环境违规的抑制作用在污染行业企业、小规模企业、空气污染严重地区的企业和媒体报道较少的企业中更突出，为探索企业异质性和外部环境异质性如何调节试点政策对环境违规的影响提供了有益参考。
07前沿追踪
围绕与本文相关的研究主题，近年来学者们展开了大量研究。
在关于绿色金融政策的研究中，李慧等（2024）研究发现，本地绿色金融试点政策的实施会对空间关联地区的碳减排产生积极影响，绿色金融试点政策主要通过发展绿色信贷、优化能源消费结构和提升能源利用效率等方式促进地区碳减排。马艳芹等（2024）认为，绿色金融改革创新政策的推行有助于降低试验区的能源强度，并提升试验区的绿色全要素能源效率，从而产生节能效应。郝向举等（2024）发现，试验区金融机构提高了重污染企业与非重污染企业的相对融资约束，降低了企业间资本错配，并通过激励非重污染企业创新投入、抑制重污染企业创新投入来影响两类企业绿色转型。
在关于企业绿色转型的研究中，毛其淋等（2024）认为，智能制造显著推动了企业进行绿色转型，促使企业摆脱“表面的、保守的、短视的”转型困境，实现“实质的、突破的、清洁生产的”绿色转型。徐斯旸等（2024）研究发现，“金融科技-实体经济”匹配度提升对企业绿色转型具有显著正向影响。
08参考文献
[1] 李慧,佟孟华,张国建.绿色金融改革创新试验区的碳减排效应——基于空间溢出效应与城市异质性的视角[J].统计研究,2024,41(09):44-58.
[2] 马艳芹,罗良文.绿色金融改革创新的节能效应研究[J].经济与管理研究,2024,45(09):22-38.
[3] 郝向举,何爱平,薛琳.绿色金融改革创新试验区对企业绿色转型的影响机[J].中国人口·资源与环境,2024,34(06):124-135.
[4] 毛其淋,石步超.通向绿色发展之路：智能制造与企业绿色转型[J/OL].世界经济,2024,(09):152-182[2024-11-06].
[5] 徐斯旸,丁子家,向海凌,等.“金融科技-实体经济”匹配与企业绿色转型[J/OL].财贸经济,1-17[2024-11-06].
点击“阅读原文”，获取原文链接。
微信公众号投资研究动态：《投资研究动态》是中南财经政法大学国际投资研究所官方公众号。该所成立于2000年10月，现任所长为金融学院顾露露教授，主要从事高水平对外开放，国际投融资和科技创新等问题研究。公众号发布本研究所的研究动态并定期精选推送国内外经典和前沿的学术研究。凝炼最核心的内容，提出最独到的观点，致力于为国内外相关领域研究者提供一个学习、探讨和交流的平台。
朋友圈分享：点击右上角图标，分享到朋友圈。
加关注：点击标题下投资研究动态即可关注。
点击我的头像【查看历史消息】即可查看往期推送。
长按下方二维码，“识别图中二维码”即可轻松关注
