了解金融科技（Fintech）对企业“洗绿”行为的影响对推动绿色金融发展至关重要。本文利用2011年至2021年中国上市公司的数据，说明了Fintech是如何影响企业的“洗绿”行为。我们讨论了𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过两种机制抑制企业的“洗绿”行为：外部机制方面通过减少信息不对称和金融约束，内部机制方面通过提高全要素生产率（TFP）和运营效率。异质性检验表明，Fintech能显著减少高科技企业、高污染企业、高管具有环保意识的企业以及位于Fintech发展水平高、政府干预多、工业化水平低的省份的企业“洗绿”行为。本文揭示了Fintech如何推动企业的环境、社会和治理（ESG）效能及如何抑制无诚意的ESG行为，旨在揭开Fintech如何影响“洗绿”行为的“黑箱”。中国人民大学金融科技研究所（微信ID：ruc_fintech）对研究核心部分进行了编译。
作者 | Dangyang Zhang,Cao Wang,Yurun HE,Samuel A.Vigne
来源 | The British Accounting Review
编译 | 荆媌
简介
金融创新极大地改变了金融工具和服务市场，而这一行业的典型特点是严格控制新参与者的进入，且效率提高有限（Campanellaetal.）。传统的金融服务如今已与技术进步相融合，新的金融服务也因技术创新而出现（Liberti和Peters，2023年）。
最近的研究强调了𝐹𝑖𝑛𝑇𝑒𝑐ℎ在改变当前金融市场方面的作用，表明采用𝐹𝑖𝑛𝑇𝑒𝑐ℎ工具进行技术驱动交易的情况显著增加（Alawi等人，2022年；Karim等人，2022年；Naeem等人，2021年）。金融机构一般会要求企业在融资过程中增加抵押资产或在原有抵押物之外增加担保，以降低风险（Merton&Thakor，2019）。这一要求往往导致企业融资不足，或在融资过程中被迫过度抵押资产（Huo&Li，2024；Zhang等，2021）。然而，𝐹𝑖𝑛𝑇𝑒𝑐ℎ可以利用大数据分析和智能算法的优势，加强供需双方的信息匹配（Alt等，2018年；Zhu，2023年）。这一进步颠覆了传统的金融服务模式，降低了金融成本，扩大了企业的融资能力（Kongetal.）。此外，𝐹𝑖𝑛𝑇𝑒𝑐ℎ资源大大简化了企业与其合作伙伴之间的信息流，包括企业资源规划和供应链管理系统（Hendricksetal.）。企业还能从利用𝐹𝑖𝑛𝑇𝑒𝑐ℎ期刊预检提高库存效率中获得巨大收益，这对提高生产效率起着至关重要的作用（Shah&Shin，2007；Leeetal.，2021）。
然而进入经济转型期后，企业迈向高质量发展阶段，与可持续发展密切相关的问题日益突出（Ren等，2022年）。这些问题主要集中在减碳、环保、污染控制和可持续目标上，通过技术升级和共同繁荣来开展（Li等，2021；Zhang，2023d）。反过来，政策设计与金融工具发展也越来越关注ESG的可持续目标（Drempetic等，2020；张，2022a）。现有文献普遍认为财务限制阻碍了公司的ESG绩效并主要表现在两个方面：ESG相关活动指的是企业的社会责任和环境治理，这意味着花费企业资金的同时会缩短企业的收益，因此面临资金限制的企业可能会阻碍其参与ESG相关活动（Guo等，2023；Zhang&Lucey，2022）；另一个维度表明，ESG可以作为获得外部融资的有效信号，迫使高度受限的企业参与ESG活动。然而这也可能增加他们参与“洗绿”的动机，假装符合环保要求（Zhang，2022b，2022c）。潜在的不真诚ESG的风险仍然令人担忧，选择性的ESG信息披露，如“洗绿”，可能会因故意歪曲而产生负面影响（Zhang，2022a，2022b）。
最近，金融发展对提高ESG效能的影响开始受到关注。金融发展（包括𝐹𝑖𝑛𝑇𝑒𝑐ℎ和绿色金融）的特点不仅在于数字化，还在于通过整合ESG实现可持续转型的显著趋势（Becker等，2022年；Zhang，2023a）。因此，本研究旨在探讨𝐹𝑖𝑛𝑇𝑒𝑐ℎ能否成为可持续增长的催化剂，从而降低不真诚的环境、社会和治理实践的风险。讨论的主要结论如下：首先，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业的“洗绿”行为有显著的负面影响。借用Zhang（2022a）的研究，我们通过比较披露的ESG分数和实际的ESG表现分数来评估企业的“洗绿”行为。结果表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业的实际ESG表现有很大的积极影响，并起到了缓解“洗绿”行为的作用。我们的稳健性检验得出的结论与基准回归结果一致，表明𝐹𝑖𝑛𝑇𝑒𝑐ℎ的发展阻碍了企业的“洗绿”行为。此外，我们还研究了𝐹𝑖𝑛𝑇𝑒𝑐ℎ缓解“洗绿”行为的机制，结果表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ从外部解决信息不对称和财务约束问题，以及从内部提高企业的全要素生产率（TFP）和运营效率，从而阻碍企业的“洗绿”行为。最后，针对企业层面的异质性分析发现，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对高科技和高污染行业企业的“洗绿”行为有显著的负面影响，对高管环保意识较强的企业的“洗绿”行为也有显著的负面影响。此外，在省级层面上，分析表明，在𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展程度高、政府干预程度高和工业化程度低的省份，𝐹𝑖𝑛𝑇𝑒𝑐ℎ显著降低了企业的“洗绿”行为。
文献综述和假设的提出
绿色金融中的𝐹𝑖𝑛𝑇𝑒𝑐ℎ
随着当前技术革命的不断深入，𝐹𝑖𝑛𝑇𝑒𝑐ℎ的应用已成为经济和金融部门可持续发展的关键。𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过大数据、人工智能和区块链等先进技术，为绿色金融提供了广泛而高效的应用场景（Zavolokina等，2016年），为新服务和商业模式创造了无数机会（Iman，2020年）。在绿色金融实践中，𝐹𝑖𝑛𝑇𝑒𝑐ℎ的出现受到多重因素的影响，包括经济繁荣、风险资本的可获得性、互联网基础设施的改善以及贷款需求等（Haddad&Lars,2019;Wuetal.）。𝐹𝑖𝑛𝑇𝑒𝑐ℎ初创企业通过构建创新的期刊预检技术，推动了绿色金融的可持续发展，其中最主要的ESG评估系统为满足中国资本市场的投资需求提供了本地化的高效解决方案。这些应用在加快绿色金融发展的同时，也促进了社会的包容性和可持续发展。
在较发达的金融市场中，𝐹𝑖𝑛𝑇𝑒𝑐ℎ和绿色金融应用的增长领域表现出更高的研发强度和投资波动性（Anna和Samaniego，2011年），这凸显了高效运作的金融市场如何能将资源精准地导向创新驱动的绿色增长产业。此外，虽然成熟度不匹配的投资可能会抑制企业的数字化导向，但𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过缓解金融约束有效地减轻了这种负面影响（Xu等，2024年）。在存在严重代理问题的企业中，成熟度不匹配的投资可能会削弱管理者的风险态度从而阻碍数字化导向，但𝐹𝑖𝑛𝑇𝑒𝑐ℎ在这类企业中有助于平衡和缓解这些负面影响（Sun等，2024年）。
𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“洗绿”的影响
所谓“洗绿”，是指企业为自己伪装的ESG绩效优于实际的ESG绩效（Zhang,2022a,2022d）。张，2022a，2022d）。先前的研究反映了投资者偏好ESG表现优异的公司（Anastasia等人，2024年），因此非洁净企业可以通过进行“洗绿”来缓解资金紧张。
𝐹𝑖𝑛𝑇𝑒𝑐ℎ的快速发展使人们更加关注企业的ESG表现，在解决“洗绿”行为方面发挥着至关重要的作用。𝐹𝑖𝑛𝑇𝑒𝑐ℎ的应用不仅促进了绿色金融的健康发展，也为投资者和消费者提供了更可靠的信息。首先，𝐹𝑖𝑛𝑇𝑒𝑐ℎ提高了企业信息的透明度，使虚假或误导性信息易被发现（Wang等，2024年）。通过使用先进技术，𝐹𝑖𝑛𝑇𝑒𝑐ℎ极大地增强了识别绿色项目的能力，有效区分了真正的绿色企业和仅仅从事绿色清洗的企业（Zhang，2023b）。𝐹𝑖𝑛𝑇𝑒𝑐ℎ的应用确保了ESG数据的真实性和完整性，使企业无法轻易篡改或伪造数据，从而大大提升了“洗绿”难度（Giakoumelou，2024；Zavolokina等人，2016）。
此外，𝐹𝑖𝑛𝑇𝑒𝑐ℎ还缓解了企业的资金紧张问题，尤其是那些ESG绩效较低的企业影响更为明显（Guo等，2023年）。𝐹𝑖𝑛𝑇𝑒𝑐ℎ降低了绿色认证的成本和复杂性，使更多真正有价值的绿色项目和企业能够轻松获得认证，从而进一步降低了“洗绿”的可能性（Wu&Huang，2022）。此外，𝐹𝑖𝑛𝑇𝑒𝑐ℎ还优化了清洁资本的识别程序，从而缓解了与生态友好倡议相关的资金限制和洗绿动机（Zhang，2022a，2023b）。
最终，𝐹𝑖𝑛𝑇𝑒𝑐ℎ培养了投资者对可持续资产的偏好，同时为他们提供了先进的工具，以衡量和降低与ESG相关的投资组合风险（Firdousi等人，2023年；Muganyi等人，2021年）。它有助于投资者全面了解ESG因素如何影响公司的长期估值前景，从而增加对具有环保意识的追求的资本分配（Zhou，2022）。
因此，我们提出以下假设：
H1：𝐹𝑖𝑛𝑇𝑒𝑐ℎ可减轻企业的“洗绿”行为。
金融科技与“洗绿”的关系模式图
𝐹𝑖𝑛𝑇𝑒𝑐ℎ与企业外部融资
𝐹𝑖𝑛𝑇𝑒𝑐ℎ的应用对金融中介机构和企业都产生了深远影响（Sun等人，2024年）。通过利用先进技术，𝐹𝑖𝑛𝑇𝑒𝑐ℎ大大提高了金融交易的透明度和效率，从而缓解了企业内部的信息不对称问题（Afshan等，2024年；Broby，2021年；Das，2019年），优化了财务绩效（Bharath.，2009年；Saurabh等，2013年；Yuan等，2021年）。
𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过提高信息透明度和降低财务杠杆，有效降低了企业的破产风险（Yu等，2022年）。通过实时数据收集、处理和分析，𝐹𝑖𝑛𝑇𝑒𝑐ℎ帮助投资者和金融机构准确了解企业的融资需求（Wang等，2024年）。现有文献发现，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对具有创新和高风险特征的新能源企业的财务绩效产生积极影响（Wu&Huang，2022），鼓励绿色创新，减少企业的绿色清洗行为。
因此，𝐹𝑖𝑛𝑇𝑒𝑐ℎ不仅缓解了企业的外部资金约束，促进了可持续发展，还为投资者和消费者提供了更可靠的信息保障。绿色金融的发展在减少“洗绿”方面发挥了作用，它实现了生态友好型创新，提高了盈利能力，缓解了财务约束，从而有效促进了企业的ESG效益（Zhang，2023b）。
根据分析，我们提出以下假设：
H2：𝐹𝑖𝑛𝑇𝑒𝑐ℎ缓解了信息不对称和财务约束的风险，进而阻碍了企业的“洗绿”行为
𝐹𝑖𝑛𝑇𝑒𝑐ℎ与企业内部融资
除了大幅提高内部控制质量外，𝐹𝑖𝑛𝑇𝑒𝑐ℎ还通过促进内部财务绩效和全要素生产率(TFP)对公司治理机制产生了深远影响（Cheng等，2024年）。𝐹𝑖𝑛𝑇𝑒𝑐ℎ的发展通过缓解财务约束，促进了企业的重大创新，提高了TFP（Xiao&Yu，2023）。企业的科技投资对运营绩效产生了积极影响，并显著降低了融资成本（尤其是债务成本）。
𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过引入自动化和数字化技术，有效遏制了运营成本并降低了投资和维护成本，同时优化了运营战略（Najafetal.）。企业利用信息技术改进了知识管理实践，从而提高了盈利能力（Sunil等人，2012年；Susana&Alegre，2012年）。此外，𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过提供数字信用评估和智能风险管理等服务，降低了企业的融资成本并提高了融资效率，从而推动了资本投资和边际产出，进一步提高了TFP（Dong和Yu，2023年）。内部控制效率的提高降低了企业的“洗绿”动机，使企业的实际ESG表现更好。
因此，我们提出以下假设：
H3:𝐹𝑖𝑛𝑇𝑒𝑐ℎ提高了企业的全要素生产率，降低了企业的运营成本，从而减轻了企业的“洗绿”行为。
调查设计
经验模式
为检验𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“洗绿”行为的影响，我们建立了实证模型公式（1）：
𝐺𝑟𝑒𝑛𝑤𝑎𝑠𝑖𝑡=𝛼0+𝛼1𝐹𝑖𝑛𝑇𝑒𝑐𝑠𝑝𝑡+𝛼2𝐹𝑖𝑟𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠𝑖𝑡+𝛼3𝑃𝑟𝑜𝑣𝑖𝑛𝑐𝑒𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠𝑝𝑡+𝜈𝑖+𝜇𝑡+𝜀𝑖𝑡
其中，𝐺𝑟𝑒𝑒𝑛𝑤𝑎𝑠ℎ𝑖𝑡表示公司𝑖在时间𝑡表现出的绿色清洗行为，表明披露的ESG分数与实际ESG表现分数之间存在差异。𝐹𝑖𝑛𝑇𝑒𝑐ℎ𝑝𝑡代表𝑝省在时间𝑡时𝐹𝑖𝑛𝑇𝑒𝑐ℎ的发展程度，表明该地区𝐹𝑖𝑛𝑇𝑒𝑐ℎ的进步。如果𝐹𝑖𝑛𝑇𝑒𝑐ℎ减少了“洗绿”行为，那么系数𝛼1应该显著为负。𝐹𝑖𝑟𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠𝑖𝑡代表企业层面的控制变量，𝑃𝑟𝑜𝑣𝑖𝑛𝑐𝑒𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠𝑝𝑡代表省份层面的控制变量。此外，𝜈𝑖代表模型中的企业固定效应，𝜇𝑡代表年份固定效应，𝜀𝑖𝑡代表残差项。
为了进一步研究𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业绿色清洗行为的影响，我们建立了以下实证模型公式（2）：
𝐺𝑟𝑒𝑒𝑛𝑤𝑎𝑠ℎ𝑖𝑡=𝛽0+𝛽1𝐹𝑖𝑛𝑇𝑒𝑐ℎ𝑝𝑡∙𝑀𝑖𝑡+𝛽2𝐹𝑖𝑛𝑇𝑒𝑐ℎ𝑝𝑡+𝛽3𝑀𝑖𝑡+𝛽4𝐹𝑖𝑟𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠𝑖𝑡+𝛽5𝑃𝑟𝑜𝑣𝑖𝑛𝑐𝑒𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠𝑝𝑡+𝜈𝑖+𝜇𝑡+𝜀𝑖𝑡(2)
其中，𝑀𝑖𝑡指的是机制变量，包括企业信息不对称、财务约束、全要素生产率和企业运营成本。系数𝛽1反映了机制变量的影响；系数𝛽1与系数𝛽2同方向，表明机制变量在𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“绿色清洗”行为的影响中起作用。
主要变量定义
借鉴Zhang（2022a,2022c,2023b,2024）的研究，我们将“洗绿”得分定义为企业在ESG期刊预证披露得分分布中相对于同行的归一化程度与企业在ESG真实绩效得分分布中相对于同行的归一化程度之间的差距（见公式（3））。洗绿得分衡量公司洗绿行为的程度，其值越大，意味着公司的可持续绩效效率越低，其值越小，意味着公司的洗绿行为得到缓解。𝐸𝑆𝐺𝐷𝑖𝑠𝑐𝑙𝑜𝑠𝑢𝑟𝑒𝑖𝑡是由彭博社ESG测量的，它是通过企业自身披露的ESG信息计算得出的、而𝐸𝑆𝐺𝑅𝑎𝑡𝑖𝑛𝑔是由华正ESG客观测量的，它是通过公开的ESG信息数据计算得出的。
𝐹𝑖𝑛𝑇𝑒𝑐ℎ指数综合考虑了地区𝐹𝑖𝑛𝑇𝑒𝑐ℎ和数字化的广度和深度（Guo等，2023年），同时考虑了地理和时间维度的可比性。它是一个多维概念，包含了影响金融产品和服务可用性和可获得性的各种因素（Xu等，2024年；Zhu，2023年），𝐹𝑖𝑛𝑇𝑒𝑐ℎ指数值越高，表明该地区的𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展水平越高（Ji等，2022年）。
数据来源和描述性统计
本文用于计算“洗绿”得分的ESG数据分别来自彭博ESG数据库和Wind数据库。省𝐹𝑖𝑛𝑇𝑒𝑐ℎ指数数据来自北京大学数字金融研究中心1，具有较高的代表性和权威性（Xu等，2024），因为该指数始于2011年，所以我们的𝐹𝑖𝑛𝑇𝑒𝑐ℎ变量最早可以追溯到2011年（Guo等，2023）。所有其他企业层面的数据来源于CSMAR数据库，而省份层面的数据来源于中国国家统计局。根据数据的可用性，我们的实证分析涵盖2011年至2021年（Zhu，2023年）。
表1列出了描述性统计，𝐺𝑟𝑒𝑒𝑛𝑤𝑎𝑠ℎ的最小值为-2.278，最大值为3.273，平均值为-0.004，数值越大代表企业的绿色清洗行为越多。标准化𝐹𝑖𝑛𝑇𝑒𝑐h取值范围在0到1之间，平均值为0.575，取值越高表示𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展水平越高。在控制变量方面，我们采用了企业层面和省份层面的控制变量。前者包括企业年龄、企业规模、企业杠杆率、投资回报率和劳动力成本。后者包括省份开放度、产业结构和财政支出占比（Dong&Yu，2023；Harakehetal.，2023；Wangetal.，2023）。为了缩小变量之间的巨大差距，方便数据处理和分析，我们对控制变量进行了对数变换或按总资产进行了归一化处理。
此外，机制变量𝐴𝑠𝑦𝑚𝑚𝑒𝑡𝑟𝑖𝑐𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑜𝑛代表公司的信息不透明、提取并计算公司流动性比率、非流动性比率和反转指数的第一和第二主成分，作为信息不对称的替代指标（Bharathetal.,2009；Wang等人，2024）。我们将𝐴𝑠𝑦𝑚𝑚𝑒𝑡𝑟𝑖𝑐𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑜𝑛标准化，使其最小值为-5.264，最大值为2.038，数值越大代表信息透明度越低。机制变量𝑆𝐴是衡量企业财务约束的指标，其值越大，说明企业财务约束越大。在表1中，𝑆𝐴指数的所有值都小于0，表明该变量的绝对值与企业财务约束水平成反比。机制变量𝑇𝐹𝑃的最小值为3.032，最大值为10.471，平均值为8.291。机制变量𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔𝑐𝑜𝑠𝑡已被标准化，其最小值为-3.996，最大值为4.044。
实证结果
基准回归
为了检验H1，本节研究了𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“洗绿”行为的影响。在表2的第（1）列中，在不考虑控制变量的情况下，𝐹𝑖𝑛𝑇𝑒𝑐ℎ的系数为-0.3126，且在0.05水平上显著，表明𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业绿色清洗行为的影响为负。表2第（2）列加入了企业层面的控制变量，𝐹𝑖𝑛𝑇𝑒𝑐ℎ的系数为-0.3367，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业绿色清洗行为的影响为负，且在0.05水平上显著。添加了企业层面控制变量和省份层面控制变量的第（3）列显示，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业绿色清洗行为的负向影响有所增加。表2最初三列的研究结果表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ缓解了企业的“洗绿”行为，从而证实了本研究中的H1。如第（3）列所示，𝐹𝑖𝑛𝑇𝑒𝑐ℎ指数每增加一个单位，企业的“洗绿”得分就会减少45.10%。
为了进一步验证回归结果的稳健性，我们在表2的第（4）列中加入了滞后和先进的𝐹𝑖𝑛𝑇𝑒𝑐ℎ变量作为额外的协变量。结果表明，无论是先行还是滞后，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“洗绿”行为的影响都不显著。此外，由于𝐹𝑖𝑛𝑇𝑒𝑐ℎ指数是一个省域变量，表2第（5）列将第（3）列的回归结果聚类到省域层面，第（5）列的结果显示，在5%的显著性水平下，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“洗绿”行为的影响仍然为负，这与基准回归结果一致。
机制探索
信息不对称与财务约束
根据以往的分析，𝐹𝑖𝑛𝑇𝑒𝑐ℎ的发展减少了公司与投资者之间的信息不对称（Giakoumelou，2024年）。因此，“洗绿”行为更容易被识别，导致与“洗绿”相关的成本和风险增加。因此，𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过增强信息对称性来缓解“洗绿”行为。
表3列出了信息不对称对𝐹𝑖𝑛𝑇𝑒𝑐ℎ和“洗绿”行为的调节作用。为了研究信息不对称的调节效应，我们在模型中引入了交互项（Xu等，2024年）。在逐步加入企业层面和省份层面的控制变量后，我们发现交互项的系数为负，且在0.1水平上显著，而𝐹𝑖𝑛𝑇𝑒𝑐ℎ变量的系数仍显著为负。此外，表3中的第（4）列直接考察了企业信息不对称期刊预证明对绿色清洗行为的影响系数为显著正值。表3的结果表明，企业信息不对称程度的增加会导致更多的“洗绿”行为，而𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过降低企业的信息不对称程度显著阻碍了企业的“洗绿”行为，进而验证了H2。
企业的外部财务约束会影响企业的“洗绿”行为；当企业的外部财务约束增加时，企业会采取“洗绿”的战略行为来缓解这些约束（Zhang，2023a）。因此，一旦企业的外部财务约束减少，企业就会减少“洗绿”行为，以降低信贷风险（Ji等，2022）。表4第（1）-（3）列使用𝐹𝑖𝑛𝑇𝑒𝑐ℎ变量与SA指数的交互项来检验企业财务约束的调节作用。列（1）-（3）中交互项系数的结果均为负，且在0.01水平上显著，𝐹𝑖𝑛𝑇𝑒𝑐蚋的系数均在0.01水平上显著为负，表明𝐹𝑖𝑛𝑇𝑒𝑐ℎ抑制了企业财务约束，进而抑制了企业的绿色洗涤行为。
企业的全要素生产率和运营成本
在企业内部运营方面，𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过使用各种先进技术，优化资本配置，提高劳动生产率，增强风险管理能力，优化生产流程（Mishraetal.，2013；Mithasetal.，2012）。因此，𝐹𝑖𝑛𝑇𝑒𝑐ℎ提高了公司的全要素生产率，降低了运营成本。表5考察了全要素生产率对企业“洗绿”行为和𝐹𝑖𝑛𝑇𝑒𝑐ℎ的影响。表5第（1）-（3）列中的交互项𝐹𝑖𝑛𝑇𝑒𝑐ℎ×𝑇𝐹𝑃的系数显著为负。此外，第（4）列将TFP作为协变量，未加入交互项，TFP的系数在0.01水平上显著为负。表5的结果表明，企业全要素生产率的提高会阻碍企业的“洗绿”行为，而𝐹𝑖𝑛𝑇𝑒𝑐ℎ会随着企业全要素生产率的提高抑制企业的“洗绿”行为。同样，表6考察了运营成本对𝐹𝑖𝑛𝑇𝑒𝑐ℎ和企业“洗绿”行为的影响。第（1）-（3）列中交互项的系数显着为负，表明𝐹𝑖𝑛𝑇𝑒𝑐ℎ减轻了企业的运营成本，从而减少了企业的“洗绿”行为，证实了H3。
企业特征的异质性
本文从三个维度分析了企业层面的异质性。
首先，我们根据中国证监会（CSRC）2012年版《行业分类》和《国家重点支持的高新技术领域》来判断企业是否属于高新技术企业。分类变量“高新技术”的定义是：当企业为高新技术企业时为1，否则为0。根据表7的研究结果，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对高科技企业的“洗绿”行为有显著的负面影响，而对非高科技企业的影响并不显著。可能导致这些结果的一个原因是，与非高科技企业相比，高科技企业更善于在运营中利用𝐹𝑖𝑛𝑇𝑒𝑐ℎ（Guo等，2023年；Gambacorta等，2024年）。
其次，我们使用证监会2012年修订的《上市公司行业分类指引》中的二级行业分类对重污染企业进行分类。从表8中可以看出，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对重污染行业企业的“洗绿”行为影响显著且为负，而对非重污染行业企业的“洗绿”行为影响不显著。表8的结果表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ有效地减少了污染企业的“洗绿”行为（Ji等，2022）。
最后，我们根据企业高管是否具有环保意识来分析企业的异质性。我们通过研究高管的述职报告中是否包含与环保相关的字眼来进行区分。从表9的结果可以看出，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对具有环保意识的企业的“洗绿”行为的影响显著且为负，而对不具有环保意识的企业的“洗绿”行为的影响不显著。这表明，具有环保意识的企业高管会对企业的“洗绿”行为产生负面影响（Haddad&Hornuf，2019；Sun等，2024；Zeng等，2022）。
区域特征的异质性
表10考察了地区异质性。在第(1)-(2)列中，根据各省的𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展水平将其分为高𝐹𝑖𝑛𝑇𝑒𝑐ℎ地区和低𝐹𝑖𝑛𝑇𝑒𝑐ℎ地区。回归结果表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对高𝐹𝑖𝑛𝑇𝑒𝑐ℎ地区企业的“洗绿”行为有显著的负面影响（Guo等，2023），但对低𝐹𝑖𝑛𝑇𝑒𝑐ℎ地区企业的“洗绿”行为影响不显著。结果表明，地区𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展水平越高，越有利于有效利用𝐹𝑖𝑛𝑇𝑒𝑐ℎ打击企业的“洗绿”行为。
表10第（3）-（4）列根据各省财政支出占GDP的比例将其分为两组：政府干预程度高的省份和政府干预程度低的省份（Farboodi&Veldkamp，2020）。回归结果显示，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对绿色清洗的影响在政府干预高的省份显著为负，而在政府干预低的省份不显著。鉴于𝐹𝑖𝑛𝑇𝑒𝑐ℎ的发展依赖于数字基础设施建设，政府干预更明显的地区更有利于𝐹𝑖𝑛𝑇𝑒𝑐ℎ的发展（Chengetal.）。
此外，表10第（5）-（6）列根据工业化程度将各省分为两组。回归结果表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对工业化程度较低的省份的企业“洗绿”行为有显著的负面影响。𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过引导资本流向清洁产业来促进经济的可持续发展，使得轻资产产业更有可能从𝐹𝑖𝑛𝑇𝑒𝑐ℎ中受益（Zheng&Guo，2024）。因此，𝐹𝑖𝑛𝑇𝑒𝑐ℎ更有可能缓解低工业化地区企业的“洗绿”行为。同时，工业化地区转型难度较大，因此低工业化地区在减少洗绿方面可能会受到𝐹𝑖𝑛𝑇𝑒𝑐ℎ更显著的影响（Xu等，2024年）。
总结
鉴于环境虚伪行为对环境保护工作的不利影响，全面了解“洗绿”行为的驱动因素对于促进高质量的可持续发展至关重要。本研究利用北京大学中国金融信息产业研究中心发布的𝐹𝑖𝑛𝑇𝑒𝑐ℎ指数，结合中国上市公司2011-2021年的数据，探讨𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业“洗绿”行为的影响。
本文提出的实证证据有五项重要发现：
首先，本文发现𝐹𝑖𝑛𝑇𝑒𝑐ℎ抑制了企业的“洗绿”行为。为了确保这一结果的稳健性，本文进行了各种检验，包括工具变量法、准自然实验、替换解释变量和被解释变量以及更换样本。所有检验结果都一致表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业的“洗绿”行为有明显的负面影响（Najaf等，2024年）。
其次，在外部融资方面，𝐹𝑖𝑛𝑇𝑒𝑐ℎ缓解了企业的财务约束，减少了企业面临的信息不对称，从而减轻了企业的“洗绿”行为。𝐹𝑖𝑛𝑇𝑒𝑐ℎ提高了企业信息的透明度，增加了“洗绿”的成本和风险，最终有助于遏制这种行为。
第三，在内部融资方面，𝐹𝑖𝑛𝑇𝑒𝑐ℎ通过提高全要素生产率有效减少了企业的“洗绿”行为。全要素生产率的提高是通过优化生产流程和提高生产率实现的，从而减少了企业的“洗绿”行为。
此外，对企业层面多样性的分析表明，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对高科技企业、高污染企业以及管理层注重环保的组织的“洗绿”行为有显著的负面影响。(Zeng等人，2022年）。
最后，省级层面的异质性分析表明，在𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展水平较高、政府干预力度较大、工业化水平较低的省份，𝐹𝑖𝑛𝑇𝑒𝑐ℎ对企业的“洗绿”行为有显著的负面影响。
根据本文的研究结果，我们提出以下三点建议：
首先，提高一个地区的𝐹𝑖𝑛𝑇𝑒𝑐ℎ进步水平将有助于阻止在该地区运营的企业的“洗绿”行为。𝐹𝑖𝑛𝑇𝑒𝑐ℎ的应用不仅能提高企业的生产力和运营效率，还能提高企业信息的透明度，从而减少企业的“洗绿”行为。鼓励建立𝐹𝑖𝑛𝑇𝑒𝑐ℎ基础设施，提升𝐹𝑖𝑛𝑇𝑒𝑐ℎ发展的整体水平，有利于促进经济的可持续增长。
此外，提高企业高管的环保意识也有可能缓解企业的“洗绿”行为。企业若能提供培训或聘用环保意识较强的人员，则可降低与“洗绿”行为相关的信用风险。
最后，政府决策者可以通过促进𝐹𝑖𝑛𝑇𝑒𝑐ℎ基础设施和相关金融投资的发展，推动𝐹𝑖𝑛𝑇𝑒𝑐ℎ进步，减轻企业的“洗绿”行为。本研究提出了解决企业环境虚伪问题的新视角，希望能促使企业真正履行环保责任，实现经济的可持续发展。
……
获取完整报告
请后台回复“ESG数据”
获取下载链接
END
责编/张谦
编译/荆媌
排版/陈亚洲、钱家彦
【延伸阅读】
