綠色信貸政策對企業創新活動投入的影響研究
——基于2007—2020年A股上市企業面板數據的實證分析

李良兵,賈 婧

(安徽大學 大數據與統計學院,安徽 合肥 230601)

一、引 言

由于我國市場經濟的快速發展,經濟建設確實獲得了突出的成績。但是在這種顯著成績的背后,我國長期的粗放型經濟發展方式,卻帶來了相對惡劣的經濟環境形勢。因而,為改善現狀,實現經濟由快速發展向高質量發展、綠色發展的轉變,一方面,近年來政府實施了一系列的措施,比如綠色信貸政策、碳達峰碳中和政策等;另一方面,國家也在大力支持企業創新,扶持企業創新活動,從而推動國家不斷創新,促進我國經濟社會綠色健康可持續發展。而施行綠色信貸政策的意義,就在于重新科學合理地規劃我國信貸資源,限制高污染重污染企業信貸,鼓勵低污染綠色企業信貸,逼迫前者或進一步促進后者企業激發自身內在減排的動力,通過增加企業創新活動投入實現主動減排,為我國經濟社會綠色健康可持續發展做出重要貢獻。

為促進綠色信貸的高效開展,我國環?？偩衷?007年頒布了《關于落實環保政策法規防范信貸風險的意見》,第一次明確提出金融機構組織的貸款投放決策要充分考慮到企業發展對環境的影響。繼此之后,2012年銀監會頒布了《綠色信貸指引》,這一政策明確提出了商業銀行必須對貸款公司的環境業績和經營風險進行客觀合理的評價評估,以合理的方式配置貸款資源,這也標志著綠色信貸政策的全面深入開展與實施[1]。從2012年《綠色信貸指引》出臺以來,企業創新活動投入是否受到了綠色信貸政策的顯著影響?這種影響是促進的還是抑制的?這種影響又是通過何種途徑對企業創新活動投入起到作用的?根據地區不同、企業性質不同,這種影響又有怎樣的差異呢?這些也正是本文的主要研究問題所在。

相較于以往文獻,本文可能的邊際貢獻主要有:首先,基于微觀層次,從企業創新活動投入出發檢驗綠色信貸的微觀政策效應,從而豐富了關于宏觀政策變化與微觀企業活動關系的相關研究成果。其次,目前評價企業創新活動投入的指標,主要是企業研發投入(R&D)、綠色專利申請數量或質量等一些研發專利類的數據,本文使用無形資產比率衡量企業創新活動投入,同時此指標也能充分體現公司的創造產出。最后,在企業地域差異和性質差異條件下,考察了綠色信貸政策對創新活動投入的異質效應,并進一步考察了融資約束在綠色信貸政策對企業創新活動投入的影響中起到的中介作用。

二、理論基礎與研究假設

1.理論基礎分析

綠色信貸政策的實質是環境規制政策,我國環境規制政策大致區分為命令管制型、市場鼓勵型、非正式型三個類別。在本文看來,《綠色信貸指引》屬于命令管制型政策。關于環境規制與企業創新活動投入二者之間有何關系的問題研究,目前主要有以下三種說法:①環境規制政策促進創新活動投入,即“波特假說”?！安ㄌ丶僬f”最重視的是企業創新補償效應,認為合理的環境規制在長時間內會提高企業的科技創新能力。有不少的學者圍繞波特效應是否成立進行了驗證。較早有Requate[2]提出,環境規制政策的執行力度與發展綠色技術創新的能力之間存在單調的正相關關系,即環境規制政策執行越嚴厲,企業的發展創新動力就越強烈。后來,Hamamoto[3]指出,在產業內部,R&D支出與環境監管的嚴格程度之間存在正相關關系,并通過提供日本產業的證據支持了這一發現。近年來,WANG等[4]提出,環境政策在一定嚴格程度(<3.08)內對綠色生產力增長產生積極影響,即環境規制政策執行越嚴厲,綠色生產力增長越大,企業的發展創新動力就越強烈?；谌醪ㄌ丶僬f和狹義波特假說,王班班等[5]研究發現,命令管制型和市場鼓勵型的環境政策促進了行業節能減排和企業技術創新。②環境規制政策導致企業成本增加,抑制企業對創新活動的投入,制約經濟發展[6]。其中,Chintrakarn[7]建立超對數隨機前沿生產模型,表明環境嚴格性對美國各州技術效率低下有著積極的影響。張根文等[8]也同樣認為,實施環境規制會大大提高企業生產的成本以及環境污染的治理投入,因此也勢必會降低企業的創新活動投入,對其產生一定的抑制效應。③環境規制與創新活動投入之間表現為非線性的復雜關系。一種觀點是呈現先降低后增加的“U”型動態特點,即環境規制先通過創新資金被擠出或不足抑制企業綠色創新,同時通過創新補償效應產生正面促進作用[9-10];另一種觀點則是認為環境規制與創新活動投入之間呈現倒“U”型的動態關系,即合理的環境規制能有效促進企業綠色創新,但當達到一定嚴厲的程度時,就會反過來抑制企業綠色創新[11]。

綜上所述,有關環境規制與企業創新活動投入之間的研究結論還存在一定的爭議。這些成果為本文的深入研究提供了參考價值和理論基礎,但同時也有一些局限性或者可以補充的內容。一方面,很多文獻中使用研發投入和專利申請數據去反映創新活動投入,但一個企業創新活動的產出往往不止這些,少有文獻從無形資產的角度來衡量創新活動投入。另一方面,少有文獻將融資約束納入環境規制政策與企業創新活動投入的關系研究當中,未考慮到融資約束在兩者關系之間的中介效應?；诖?本文主要圍繞波特效應,從微觀的信貸限制企業角度入手,以國泰安CSMAR庫為數據來源,選取我國2007—2020年A股上市企業面板數據作為研究樣本,重點探討綠色信貸政策對企業創新活動投入的影響,深入分析企業所處地域不同和性質不同對這一政策傳導過程中可能產生的差異影響,研究綠色信貸政策對企業創新活動投入的影響機理。

2.研究假說

(1)綠色信貸政策對企業創新活動投入的影響。政府通過推行綠色信貸政策,限制高污染重污染企業信貸,鼓勵低污染綠色企業信貸,有效配置了信貸資源;這雖然對信貸限制企業形成了融資約束,但政策的最終目標是通過信貸約束促使企業激發自身內在減排的動力,倒逼信貸限制企業轉型升級[12]。但是,一旦公司自身發展資金不足,加上遭遇信貸約束的制約,便會使得公司未必有實力加大創新投入和進行轉型升級。因此,本文嘗試從微觀信貸限制企業角度入手,探究綠色信貸政策對其創新活動投入的影響,并提出以下假設。

假設1a:綠色信貸政策能夠顯著促進信貸限制企業的創新活動投入;

假設1b:綠色信貸政策不能顯著促進信貸限制企業的創新活動投入。

(2)綠色信貸政策對不同地域和不同股權性質的企業創新活動投入的異質性影響。根據企業所屬地區的不同。由于我國東部企業大多位于經濟發達城市,中部企業則位于經濟發展速度較快的區域,更易于獲得大量的金融機構信貸資金,所以綠色信貸政策對我國東部企業和中部企業的融資約束力度相對較小。因此在綠色信貸政策執行后,相比于東部與中部,西部信貸限制公司開展創新性活動和研發的動力更大。針對企業股權性質的不同。相對于國企來說,非國有企業(民營企業、外資企業等)很少得到政府參與經營或資金幫助,因而加大創新投入的動力更為強勁,更有可能實現研發創新,推動行業和產業升級,降低政策對其產生的約束負作用[13]。因此,本文繼續提出以下假設。

假設2:《綠色信貸指引》頒布后,西部信貸限制企業創新活動投入應高于中東部;

假設3:《綠色信貸指引》頒布后,非國有信貸限制企業創新活動投入應高于國有企業。

(3)綠色信貸政策影響企業創新活動投入的機制。關于綠色信貸政策對企業創新活動投入的影響機理分析中,融資約束可能起到中介效應的作用:一方面,綠色信貸政策越嚴厲、實施力度越大,往往越能體現出該區域的制度環境更完善,金融投資市場也更好地良性發展,更有助于企業外部投資成本進一步降低,進而改善對其存在的融資約束[14],即綠色信貸政策與融資約束呈負相關。另一方面,創新研發活動具有典型的風險大、不確定性強的特點,當企業受到的融資約束越大時,就越難以吸引到外界融資投資,從而造成創新投入資金的不足,也就越難以開展企業創新活動。因此,融資約束對創新活動投入呈負向影響作用[15]。這種綠色信貸政策通過改善綠色企業融資約束從而促進創新活動投入。于是,本文提出最后一個假設。

假設4:融資約束在綠色信貸政策對企業創新活動的影響中起到顯著的中介作用。

三、研究設計

1.模型構建

為有效評估綠色信貸政策對企業創新活動投入的影響,本文構建基準回歸模型如下:

(1)

式中:t表示年份,i表示上市企業, εit為隨機擾動項。被解釋變量Inarit表示企業創新活動投入,本文用無形資產比率來反映。核心解釋變量treatit×postit表示行業屬性與綠色信貸政策的交互項,其系數β1體現了《綠色信貸指引》政策執行前后對信貸限制企業創新活動投入產生的影響,因此這也是本文最為關注的。其中,postit為政策實施前后的虛擬變量,即2012年及以后取值為1,2012年以前取值為0;treatit表示是否為受政策影響限制的行業,即上市公司若屬于受政策影響限制的行業,則被認定為信貸限制企業(sh驗組取值為1),否則被認定為非信貸限制企業(對照組取值為0)。Control表示控制變量集合?？紤]到各個企業創新活動投入受到政策影響的時間不同,同時注意到不同行業中無形資產可能有較大的差異,因此本文控制了年份固定效應(Year)和企業固定效應(Industry)。

2.數據來源與變量選取

數據主要來源于國泰安CSMAR數據庫,所選取的研究樣本為2007—2020年A股上市企業面板數據,并且參考Feenstra等[16]、黎文靖等[17]、劉強等[18]文獻,對數據進行了預處理。首先,刪除了以下數據:①2012版證監會發布的《上市公司行業分類指引》中,行業為保險類、金融類和綜合類的企業;②以ST、*ST或PT開頭的企業;③部分數據嚴重缺失的樣本。其次,對缺失部分研究變量值的面板數據進行缺失值填補,采取的方法是對于兩端缺失數據使用前后填充,對于中間數據使用線性插值填補。比如,上市企業600 227缺失2015年和2020年的托賓Q值,則2015年的托賓Q值采用線性插值法填補,而2020年的托賓Q值用2019年的值代替。最后,針對所要研究的主要連續變量,本文均進行了1%和99%分位水平上的極端值縮尾處理。最終本文得到來自1 278家上市企業的17 892個有效樣本。

(1)被解釋變量“企業創新活動投入”。本文使用無形資產比率來衡量企業創新活動投入,主要有以下理由:首先,基于現有文獻,為衡量企業創新活動投入,大多數學者使用的是研發投入(R&D)、綠色專利申請數量或質量等一些研發專利類的數據,而研發投入作為一種投入,并沒有充分反映公司技術創新的全部成果,例如企業新技術的引進與管理、人力資本開發是不計算在研發投入中的[19]。其次,無形資產的計量也與企業的創新活動投入有關。無形資產主要涉及專利權、非專利技術、商標權和著作權等,所以公司創新活動投入的全部成果和綜合表現,應該體現于無形資產的增加。即相比于研發投入,無形資產的增加可能蘊含著更多的關于公司對技術創新活動投入的信息。

因此,通過上述理由的闡述,本文認為無形資產比率(無形資產凈額/資產總計)這一指標更能夠用來衡量企業創新活動投入。除此之外,本文把無形資產凈額放入基準回歸作為對比,并且利用專利申請數據中的實用新型申請數量進行了穩健性檢驗。

(2)核心解釋變量“行業屬性與綠色信貸政策的交互項”。本文主要通過雙重差分法(DID)來評估綠色信貸政策對企業創新活動投入的影響。由于2012年頒布的《綠色信貸指引》政策并沒有明確地定義政策執行的對象,因而構造合適的干預組和控制組,成為了本文運用DID的關鍵和難點。因此,本文參考錢雪松等[20]的處理方式,選擇了信貸限制企業作為受政策實施影響的實驗組,非信貸限制企業作為不受政策實施影響的對照組。

關于信貸限制行業的劃分。首先,原銀監會在《綠色信貸實施情況關鍵評價指標》中,明確了不同環境和社會風險類型的客戶;其次,借鑒諶仁俊等[21]對信貸限制行業劃分的做法,將以下行業定義為信貸限制行業(表1)。并參照證監會發布的2012修訂版《上市公司行業分類指引》將信貸限制行業代碼與之對應。

(3)控制變量?，F實中企業創新活動投入還會受到其他經濟特征指標的影響,為控制其影響,本文引入了一系列控制變量,包括企業規模,企業年齡,員工人數,總資產收益率,托賓Q值,資產負債率,資本密集度,企業成長性,現金流,股權集中度[22-23]。各控制變量符號與解釋見表2。

表2 各控制變量符號與解釋

為更好地掌握不同分組下主要研究變量的數據情況和差異性,本文對試驗組和控制組的這些變量分別進行了描述性統計,具體結果如表3所示。

表3 主要變量的描述性統計分析

四、實證結果分析

1.雙重差分法的平行趨勢檢驗

DID估計方法是否有效,一般依賴于平行趨勢假設,即在《綠色信貸指引》政策未實施的情況下,實施該政策前N期的實驗組和控制組的上市企業創新活動投入的變化趨勢應該相似。因此,參考Moser等[24]的文獻,運用事件研究法進行分析。為了清晰直觀地看出綠色信貸政策執行前后,實驗組和控制組的上市企業創新活動投入的變化趨勢,本文繪制出綠色信貸政策的年度動態效應圖(圖1)。從圖1中可以看出,政策實施前交互項的系數(虛線左側)均不顯著異于0,說明前1期至前5期的上市企業隊列對創新活動結果變量的影響具有平行趨勢,為本文使用DID估計方法的有效性提供支撐。

圖1 綠色信貸政策的年度動態效應

2.基準回歸結果及分析

基于模型(1),進行綠色信貸政策對企業創新活動投入的基準回歸,結果見表4。

表4 綠色信貸政策對企業創新活動的影響分析

從表4可以看出,(1)-(3)列交互項treat×post的系數分別在5%、10%和5%的水平上顯著為正,引入固定效應后,其系數仍顯著但有所降低,再加入控制變量后,其系數從0.005 3增加到0.005 6,即綠色信貸政策實施后,信貸限制企業的無形資產比率增加0.56%。(4)-(6)列是把無形資產凈額作為被解釋變量進行基準回歸的結果,作為對比,三列交互項的系數也均顯著為正。綜上所述,都表明《綠色信貸指引》政策顯著促進了信貸限制企業的創新活動投入。

重點分析第(3)列控制變量的回歸結果。第一,企業年齡顯著促進了信貸限制企業的創新活動。第二,員工人數對信貸限制企業的創新活動產生促進作用。分析的主要原因可能是,公司人力資源的數量多少直接體現著公司吸納知識的實力,因此,公司高素質人員比例越多,那么公司創造力就更強,也更容易接受外來知識,參與更多的創新活動[25]。第三,總資產收益率反而顯著抑制了信貸限制企業的創新活動投入?？赡艿脑蚴?總資產收益率作為企業績效的衡量,綠色信貸政策會明顯抑制信貸限制企業的績效提高,因而雖然企業績效在下降,但是信貸限制企業為了成功轉型,反而促進了企業創新。第四,現金流對信貸限制企業創新活動產生了顯著促進作用?，F金流反映了公司的還款能力,其越大表示著公司業務活動中形成的凈現金流量以及支付全部欠款的能力越強,從而有更多的資金用來投入企業創新活動。其他控制變量均未顯著影響企業創新活動投入。

3.穩健性檢驗

穩健性檢驗主要采用了四種方法,前三種方法的檢驗結果見表5。

表5 三種方法的穩健性檢驗

第一,選擇Tobit模型對基準回歸結果進行穩健性檢驗。如圖2所示,被解釋變量無形資產比率Inar的最小值為0,并且存在著顯著的截尾特性。為此,進行Tobit回歸,如表5第(1)列所示,其交乘項treat×post的系數在1%的水平上顯著為正,與基準回歸的結論一致。

圖2 變量Inar的直方圖和密度曲線

第二,表1中綠色信貸限制行業主要包含了重污染行業,實際上酒、飲料和精制茶制造業(C15),紡織業(C17),紡織服裝、服飾業(C18),皮革、毛皮、羽毛及其制品和制鞋業(C19),造紙及紙制品業(C22)這5類也屬于污染程度較高的行業[26],也會受到綠色信貸政策一定的約束。因此,若本文所研究企業屬于這5類行業,則也將其確認為綠色信貸限制行業,即擴大了對綠色信貸限制行業的確認范疇。表5第(2)列展示了在重新劃分行業類別后的回歸結果,其中交乘項treat×post的系數在5%的水平上顯著為正,這同樣證實了基準回歸的結論。

第三,有不少學者使用專利申請數據作為企業創新活動的度量指標[27-28],結合信貸限制企業的專利申請更偏向于實用性,因此本文使用專利申請數據中的實用新型申請數量作為被解釋變量,重新進行基準回歸以檢驗穩健性。為消除實用新型申請數量的右偏分布問題和極端值影響,本文將其加1后取自然對數。表5第(3)列展示了更換被解釋變量的回歸結果,其中交乘項treat×post的系數在10%的水平顯著為正,再次證實了基準回歸的結論。

第四,考慮到可能出現的遺漏變量問題,選取“反事實”的安慰劑檢驗分析,也就是檢驗綠色信貸政策對企業創新活動投入的影響,究竟源自于《綠色信貸指引》這一政策,還是來自于不可預測因素的影響。因此,為了避免與綠色信貸政策有關的遺漏變量影響模型的預測結果,在本文中隨機設置了1 000次重復的安慰劑實驗,并作出這1 000次估計綠色信貸政策對企業創新活動投入影響的安慰劑t值分布圖(圖3)。圖3所展示的1 000次t值隨機分布近乎以0為中心,表明隨機設定綠色信貸政策的實施對企業創新活動幾乎沒有影響。此外,綠色信貸政策對信貸限制企業創新活動的影響系數對應t值為2.03(圖3虛線處),而1 000次安慰劑試驗中僅有極少數回歸的t值大于真實回歸系數的t值,這說明綠色信貸政策的作用是比較穩健的,的確顯著促進了綠色信貸限制企業創新活動的提高。

圖3 安慰劑檢驗(1 000次)

綜上所述,本文DID方法下的估計結果有較強的穩健性。

4.異質性分析

經過基準回歸分析和穩健性檢驗,研究顯示綠色信貸政策的實施的確顯著促進了信貸限制企業的創新活動投入。而對于不同微觀特征的企業,這種促進作用會不會有所差異呢?為了探討這個問題,本文將從不同企業地域和性質兩個方面展開異質性分析。

在企業地域差異方面,按照我國對三大經濟帶的劃分,把我國內地31個省份、直轄市和自治區劃分為東部沿海地區、中部地區和西部地區。采用分樣本回歸的方法,設定東部沿海地區(East)、中部地區(Mid)和西部地區(West)3個子樣本,分別進行基準模型的回歸。

表6第(1)-(3)列匯報了企業地域異質性回歸結果。其中,西部地區的交互項系數在10%顯著性水平上顯著為正,而中部和東部地區的系數為正但并不顯著。據此判斷,綠色信貸政策實施后,西部信貸限制企業創新活動投入高于中東部。分析可能的原因是,西部地區由于經濟社會整體發展水平較低,投資渠道較少,對重污染企業所獲得的綠色貸款資金約束強度較大,因此企業具有更強的發展創新動能,更需要通過增加技術創新活動投入促進向綠色企業的轉化,所以綠色信貸政策對西部信貸限制企業創新活動的拉動效應也比較突出。

表6 異質性分析一覽表

在企業股權性質差異方面,也同樣使用分樣本回歸的方法,設定國企(Soe)、非國企(Nsoe)2個子樣本,分別進行基準回歸。表6第(4)-(5)列匯報了企業性質異質性回歸結果?？梢钥闯?國有企業的交互項系數為正但不顯著,非國有企業在10%顯著性水平上系數為正而且顯著。據此判斷,綠色信貸政策更能推動非國企的創新活動投入,對國企并無明顯的正向促進作用。

5.作用機制分析

通過以上分析,可以發現綠色信貸政策能夠顯著提高上市企業的創新活動投入,那么這其中的作用機制又是什么呢?創新研發活動具有典型的風險大、不確定性強的特點,企業受到的融資約束越大時,越難以吸引到外界融資投資,從而造成創新投入資金不足,也就越難以開展企業創新活動。相關文獻也證實融資約束與企業創新存在顯著的負相關關系[29]。綠色信貸政策可通過實現在不同類型行業之間的資本配置功能,從而降低企業對環境污染項目的投入,帶動社會資本更多流入綠色工業和環境友好類制造過程,并以此減少企業可能受到的融資約束,促進企業從合法的金融機構取得融資支持,以便用于研發活動,從而提高企業創新活動的投入。因此,融資約束可能在綠色信貸政策對企業創新活動投入的影響中起到了一定的中介作用,但是這種作用到底顯不顯著呢?基于此,本文運用中介效應檢驗方法[30],聯合模型(1)構建如下中介效應模型:

(2)

(3)

式中:Fconsit表示企業融資約束,其他變量與模型(1)相同。模型(1)和模型(2)、模型(3)同時構成中介效應模型。

為克服財務指標對企業融資約束產生的間接影響,大多數學者一般采用KZ指數、WW指數、SA指數這三種多變量指數作為融資約束的衡量指標[31]。本文選擇SA指數作為融資約束的代理變量,計算公式如下:

SA=-0.737ln_Size+0.043ln_Size2-0.04ln_Age

(4)

針對上述模型,檢驗步驟具體如下。

首先,用綠色信貸政策對企業創新活動投入進行直接回歸,即基準回歸。若β1顯著為正,可進行下一步檢驗;若不顯著,表明失去了中介效應的前提,終止操作。由模型(1)的基準回歸結果可知β1顯著為正,可以進行下一步檢驗,并且這時β1表示綠色信貸政策影響企業創新活動投入的總效應。

其次,用綠色信貸政策對融資約束進行回歸,觀察α1是否顯著。

最后,把綠色信貸政策交互項和融資約束同時當作解釋變量對企業創新活動投入進行回歸。若α1、γ1和γ2都顯著,則表示融資約束具有部分中介效應;若α1和γ2顯著而γ1不顯著,則為完全中介效應;若α1和γ2中至少有一個不顯著,則無法驗證中介效應存在與否,可以運用Sobel檢驗法驗證。若存在中介效應,則假設4成立,反之不成立。

表7匯報了綠色信貸政策對企業創新活動影響作用機制的中介效應檢驗結果。從表7可知,γ1顯著,但是α1和γ2都不顯著,根據上述步驟可知此方法無法檢測出中介效應,應該運用Sobel檢驗法驗證。

表7 企業創新活動投入的中介效應檢驗結果

因此,利用stata中的segmediation命令實現中介效應的Sobel檢驗。如表8所示,中介效應的Sobel檢驗P<0.05,說明存在中介效應,并且中介效應在總效應中占比1.44%(0.000 08/0.005 59=0.014 4)。綜上所述,融資約束在綠色信貸政策對企業創新活動的影響中起到顯著的部分中介作用,并且由a和b值都顯著為負可知,綠色信貸政策在一定程度上能夠顯著緩解企業面臨的外部融資約束,而外部融資約束的緩解有利于企業創新活動的進行。

表8 企業創新活動投入的Sobel檢驗結果

五、結論與政策啟示

1.主要結論

圍繞波特效應,從微觀的信貸限制企業角度入手,選取我國2007—2020年A股上市企業面板數據作為研究樣本,重點探討了綠色信貸政策對企業創新活動投入的影響,進而對企業地區和股權性質兩方面進行了異質性分析,并以融資約束為切入點,構建了“綠色信貸政策—融資約束—企業創新活動投入”的中介效應檢驗模型,討論了綠色信貸政策是通過何種路徑對企業創新活動投入產生影響的。

(1)本文使用無形資產比率來衡量企業創新活動投入指標,研究發現綠色信貸政策能夠顯著促進信貸限制企業的創新活動投入,為檢驗“波特假說”提供了中國經驗證據。

(2)綠色信貸政策的實施對西部和非國有企業的創新活動投入提升更為顯著,可能原因是西部地區由于經濟社會整體發展水平較低,投資渠道較少,綠色信貸政策迫使企業激發更強的發展創新動能,并通過增加技術創新活動投入促進其向綠色企業轉化;而非國有企業較少得到政府參與經營或資金幫助,因而加大創新活動投入的動力更為強勁。

(3)融資約束在綠色信貸政策和企業創新活動投入的關系中發揮顯著的部分中介作用,即綠色信貸政策對企業創新活動投入的部分影響是通過緩解企業外部融資約束來實現的。

2.政策啟示

(1)從政策角度看,我國政府有必要合理加大對綠色信貸政策的執行力度,對西部和非國有企業的金融貸款給予更多支持,逐步設立國家綠色信貸政策有效評價體系,既能倒逼中小企業積極求突破、追技術創新,又能有效促進企業創新活動投入和行業轉型升級。

(2)從商業銀行角度來看,應當構建更適合于綠色貸款人特征的信貸管理機制,從嚴把控貸款門檻和評級機制,加強綠色貸款創新,發展多樣化的綠色信貸產品,既要克服綠色公司在綠色貸款方面的問題,也要增加重污染公司獲得貸款資源的門檻與成本,以激發相關公司轉型升級的意愿,從而助力其綠色發展。

(3)從公司的角度看,企業應該主動對接國家綠色信貸創新政策,并完善企業的綠色管理,以充分發揮自主創新動力。尤其是對于信貸限制企業來說,不但要增強其自我治理環境的主動性,以轉變經營高污染高耗能產品的傳統方式,更要在國家綠色信貸政策的倒逼與鼓勵下用創新促進轉型,以實現整個國家經濟社會的可持續發展。

需要說明的是,本研究也存在一定的局限性:一是分組依據。因為沒有比較詳細全面的公司污染物排放量數據和公司綠色信用統計信息等,因此無法完全排除控制組中可能會出現未被觀察到、但環境污染程度較高的公司,也受到綠色信貸政策影響。二是同期的環境政策影響。雖然本文已經進行了一些穩健性檢驗,但確實還沒法充分消除同期環境相關政策的影響。因此,還需要更多相關研究學者挖掘微觀數據和改進識別策略,以更為準確地評估綠色信貸政策對企業創新活動投入的影響效應。