提供论文发表、期刊发表、证书、著作、课题申请、专利等一条龙服务——畅志文化期刊网您负责教书育人,我们负责解决您职称,晋级路上遇到的难题。

绿色信贷政策、企业新增银行借款与环保效应

分类:(三) 发表时间:2019-08-05

一、引言 改革开放以来, 中国经济发展取得了举世瞩目的成就, 但在经济快速发展的同时环保形势却日益严峻。习近平同志在党的十九大报告中指出, 坚持人与自然和谐共生, 必须树立和

一、引言

改革开放以来, 中国经济发展取得了举世瞩目的成就, 但在经济快速发展的同时环保形势却日益严峻。习近平同志在党的十九大报告中指出, 坚持人与自然和谐共生, 必须树立和践行“绿水青山就是金山银山”的理念, 坚持节约资源和保护环境的基本国策。近年来, 我国开始探索运用经济手段深入推进生态环境保护工作。2007年7月12日, 由国家环境保护总局、中国人民银行和中国银行业监督管理委员会联合发布的《关于落实环保政策法规防范信贷风险的意见》, 标志着我国绿色信贷政策的正式出台。绿色信贷政策要求银行严格控制对高耗能、高污染 (以下简称“两高”) 行业的信贷投放, 同时进一步加大对循环经济、环境保护和节能减排技术改造项目的信贷支持力度, 以此来促进节能减排并防范信贷风险。

目前已有的文献主要围绕绿色信贷政策的运行机制、实施现状和发展必要性等方面展开, 且大多聚焦于定性分析, 定量分析比较鲜见。而现有的关于绿色信贷政策的实证研究文献主要集中在两个方面:一方面是围绕企业的债务融资与其环境表现展开研究, 有学者研究表明, 企业的环保行为对其债务融资具有积极作用, 如较好的环境表现有助于企业获得长期的借款 (沈洪涛, 2012) , 绿色企业比“两高”企业的债务融资成本更低 (连莉莉, 2015) 。而关于绿色信贷政策对企业银行借款期限的影响, 学界结论并非一致。蔡海静 (2013) 发现绿色信贷政策仅体现在短期借款行为上, 而Wang和Zhu (2017) 的研究发现污染企业的长期借款在绿色信贷政策出台后大幅下降, 也有学者发现绿色信贷政策的有效性主要体现在市场化进程较高的地区 (蔡海静和许慧, 2011) 。另一方面是研究绿色信贷政策对商业银行绩效的影响, 如李程等 (2016) 研究发现, 绿色信贷在一定程度上对商业银行绩效有负面影响, 但随着该政策的实施, 这种负面影响正在减弱。然而龚玉霞等 (2018) 使用动态面板模型却发现, 商业银行实施绿色信贷对其综合经营绩效有显著的正向影响。

本文以2007年出台的绿色信贷政策作为外生事件, 采用倾向得分匹配法 (PSM) 和双重差分法 (DID) , 试图评估检验绿色信贷政策的实施对遏制信贷资金流向“两高”行业以及改善环境质量的影响和效果。首先, 通过倾向得分匹配法为“两高”企业挑选对照组, 使用双重差分法比较处理组与对照组在政策实施前后新增银行借款的变化, 以评估绿色信贷政策对“两高”企业银行借款的微观效果;然后, 从大气污染和水污染两个角度检验绿色信贷政策对环境质量的改善作用。研究发现, 绿色信贷政策显著减少了“两高”企业的新增银行借款, 且受政策冲击较大的城市SO2排放量和工业废水排放量均明显减少。本文还进一步检验了不同污染程度、不同产权性质、不同地域与不同地区经济发展压力情况下绿色信贷政策实施效果的差异, 以及资本市场投资者对绿色信贷政策的反应。研究发现, 相较于国有企业, 非国有企业受到绿色信贷政策的约束更强;比较中西部地区企业, 东部地区企业受到绿色信贷政策的约束更强;而较之经济发展压力大的地区企业, 位于发展压力小的地区企业受到绿色信贷政策的约束更强;“两高”企业在绿色信贷政策公布日附近具有更明显的负向市场反应。

本文的主要贡献在于:首先, 创新性地提供了我国绿色信贷政策实施效果 (1) 的经验证据。以往关于绿色信贷的研究主要停留在理论探讨层面, 本文采用PSM-DID方法检验了绿色信贷政策的实施效果, 在经验研究方面取得了新的突破;其次, 本文将绿色信贷政策的执行效果从微观层面向宏观层面拓展, 更深入揭示了经济手段对环境保护的作用。

本文后续安排如下:第二部分为制度背景与研究假设, 第三部分为研究设计, 第四部分为实证结果与分析, 第五部分为进一步研究, 第六部分为结论与启示。

二、制度背景与研究假设

(一) 制度背景

近年来, 我国环保形势日益严峻, 国家也越来越重视绿色发展。党的十九大提出要加快建立绿色生产和消费的法律制度与政策导向, 建立健全绿色低碳循环发展的经济体系。而银行信贷作为国家宏观调控的重要手段和企业融资的重要来源, 在这方面具有十分突出的作用。在此背景下, 关于绿色信贷及其经济后果的研究, 也日益受到理论界与实务界的关注。

推行绿色信贷既是基于防范信贷风险的需要, 也是实现经济可持续发展的必经之路。当前, 一些地区建设项目和企业的环境违法现象较为突出, 因污染企业关停带来的信贷风险加大, 已严重影响到社会稳定和经济安全 (环发[2007]108号) 。推行绿色信贷体现了银行社会责任意识的提高, 有助于取得国际社会和同业的认可, 提升银行的国际竞争力 (蔡海静, 2013) 。在新常态下, 商业银行推行绿色信贷, 真正实现“寓义于利”, 有助于提高银行核心竞争力, 使银行在获取丰厚“绿色利润”的同时, 还能够提高银行环境风险的管理能力 (Aintablian, 2007) 。绿色信贷对于整体经济的可持续发展亦有显著的促进作用, 从微观上看可以引导资金投向有利于环保的企业, 促进实体经济的可持续发展;从宏观上看可以促进绿色产业发展与地区经济增长。同时, 绿色信贷还能在城市规划中起到关键性作用, 推动建立绿色可持续发展城市。

(二) 研究假设

目前, 我国加入赤道原则的银行还不多, 但绿色信贷政策推行后, 我国的银行类金融机构也开始努力践行社会责任。截至2017年6月, 我国21家主要银行机构的绿色贷款余额已达8.29万亿元 (2) 。绿色信贷政策具有双重意义, 它除了提倡对循环经济、环境保护和节能减排技术改造项目的信贷支持之外, 还要求银行严格控制对“两高”行业的信贷投放。银行等金融机构主动执行绿色信贷政策可以向利益相关者展示它们能为“绿色”买单, 从而提升其社会形象, 如汇丰银行始终践行赤道原则, 一方面在信贷投放上拒绝污染企业, 另一方面与世界自然基金会共同合作长江项目, 为环保项目捐款以降低碳排放, 改善空气质量和生存环境, 并由此提升了自身美誉度 (郭丽, 2007) 。在绿色信贷政策推行之后, 银行一般会更加小心地对待“两高”企业, 因为潜在的环境违规风险增加了企业无力偿还债务的可能性。考虑到自身利益和社会责任, 银行将控制对污染企业的贷款投放量, “两高”企业获取新增银行借款的难度将会加大。本文推测, 2007年我国推出的重大绿色信贷政策, 应该对遏制“两高”企业的新增银行贷款发挥了积极作用。据此, 本文提出以下假设:

H1a:推行绿色信贷政策后, “两高”企业所获得的新增银行借款有所下降。

绿色信贷政策作为一种正式制度, 其运转过程由制定和实施两个部分组成。在实现政策目标的过程中, 方案确定的功能只占10%, 其余的90%取决于有效执行 (陈振明, 2003) 。在政策制定方面, 中国并不落后于其他国家, 但却存在严重的政策执行不力问题 (Allen等, 2005) 。不充分的环境信息、不完善的配套政策和法律、不同行业之间不明确的实施标准以及地方保护主义被认为是推进绿色信贷政策的主要障碍 (Aizawa和Yang, 2010) 。

银行等金融机构是绿色信贷政策的执行主体, 对其而言, 贯彻执行绿色信贷政策有利于长远发展。但实际上, 由于存在较高的执行成本, 银行在执行绿色信贷政策时积极性可能并不高。其原因在于:一方面, 缩减对“两高”企业的信贷投放意味着银行需要放弃一部分利润来源, 自身市场份额将受到影响, 并且“两高”企业对银行借款的依赖程度较高, 银行一旦缩紧对其信贷支持, 有些项目可能会因此停工, 造成银行贷款无法收回;另一方面, 银行在评判借款企业的环境污染状况的过程中还要付出额外的成本, 在利润最大化目标下, 银行会在短期利益与长期利益之间进行权衡, 有可能导致绿色信贷政策执行不力。据此, 本文提出以下与H1a不同的竞争性假设:

H1b:推行绿色信贷政策后, “两高”企业所获得的新增银行借款并没有明显减少。

一个地区内企业的环境表现在很大程度上决定了当地的环境质量, 我国目前绝大多数污染排放物源于工业企业, 这类企业是绝大多数污染物的直接生产者 (沈洪涛和周艳坤, 2017) 。事实上, 企业在生产过程中对外部环境造成了负面影响却未给予补偿, 即产生了生产的外部不经济。“两高”行业的快速扩张, 致使工业废水、废气的排放量不断增加, 由此加剧了环境的恶化, 给环境带来了负外部性。经济学理论解决负外部性的常见方法包括税收和明确产权, 即通过向外部不经济的厂商征收恰好等于外部边际成本的税收或者根据科斯定理明确产权, 但是前者很难以货币形式衡量外部性的成本, 后者在现实情况下交易成本不可能为零。绿色信贷的推行要求银行在信贷活动中, 把符合环境检测标准作为信贷审批的重要前提, 提高了“两高”企业借款的门槛, 本质上可以将其视为一种促进环保的宏观经济政策工具。以经济杠杆引导环保, 从而将企业的环境污染成本内部化。

绿色信贷政策可以通过两种途径对环境保护产生影响。一是通过绿色信贷政策直接限制银行信贷资金流向“两高”企业, 遏制“两高”行业的发展, 同时增加资金流入环保、节能减排技术改造项目, 进而控制污染物的排放, 此即绿色信贷发挥作用的直接途径;二是银行在信贷审批中加强了对企业环境保护的关注度, 提高了企业向银行借款的门槛, 向“两高”企业传递出负面信号, 影响其生产经营决策和资源配置, 激发其节能减排的需求, 此即绿色信贷发挥作用的间接途径。因此, 本文提出以下假设:

H2a:绿色信贷政策的推行, 可以降低“两高”企业的污染排放, 改善城市环境质量。

然而, 对于商业银行而言, 在初期执行绿色信贷过程中, 银行会存在边际成本上升的情形, 短期内成本升高, 风险扩大, 回报降低, 导致银行无法获得更多利润而不严格执行绿色信贷政策 (马萍和姜海峰, 2009) 。对于企业而言, 经理人出于自身利益的考量, 可能会选择高成本借贷来投资高污染项目, 未必一定会通过减少排污来迎合银行的需求。综合来看, 政策效果可能不明显。因此, 本文针对H2a, 也提出以下的竞争性假设:

H2b:绿色信贷政策的推行, 并没有降低“两高”企业的污染排放。

三、研究设计

(一) 样本选取

为了检验2007年绿色信贷政策的实施效应, 本文以2004-2011年A股上市公司为初始样本, 选取“两高” (3) 行业中的企业作为处理组, 其余为对照组。在剔除金融行业公司、AH股同时上市公司、ST公司以及重要变量缺失的上市公司后, 最终获得11408个观测作为全样本, 其中全样本下的处理组包含3585个观测, 对照组包含7823个观测。

由于双重差分的估计结果严格依赖于对照组的选择, 为了体现结果的稳健性, 本文使用了倾向得分匹配法进一步在非“两高”行业中匹配对照组。具体而言, 采用二元Probit模型来估计样本是“两高”行业的可能概率, 参考孙铮等 (2006) , 在预测模型中选取企业规模、成长性、资产负债率、净资产收益率、企业性质、自有资金比率及权益融资能力等作为控制变量, 按照倾向得分值为处理组挑选与其概率值最为接近的对照组。经过上述程序之后, 便可得到PSM样本, 共有7111个观测, 其中处理组包含3526个观测, 对照组包含3585个观测。

为保证倾向得分匹配法结果的准确性, 本文参考Shipman等 (2015) 的方法, 进行平衡性检验, 匹配后所有变量的偏差均在6%以内, 且匹配后t检验的p值都大于10%, 说明匹配后所有变量在处理组和对照组之间不存在显著差异。这表明本文对匹配变量和匹配方法的选取是恰当的, 以此为基础的匹配估计结果可信。

(二) 估计模型及变量

在微观层面上, 为考察绿色信贷政策对企业新增借款的影响, 本文设定如下差分模型:

Loan=β0+β1Post+β2Treatment+β3Post×Treatment

+βjControls+ε (1)

在宏观层面上, 为考察绿色信贷政策的实施对环境质量的影响, 建立如下双重差分模型:

SO2/Wastewater=β0+β1Post+β2Most impacted cities

+β3Post×Most impacted cities

+βjControls+ε (2)

其中, β0为常数项, βi为解释变量待估系数, ε为随机扰动项。模型 (1) 中Loan表示企业的新增银行借款, Treatment表示是否为“两高”企业, Post表示绿色信贷政策是否实施;模型 (2) 中 SO2为地级市二氧化硫排放量, Wastewater为地级市工业废水排放量, Most impacted cities是哑变量, 当地级市受绿色信贷政策影响较大时为1, 否则为0。参考孙铮等 (2006) , 模型 (1) 控制变量为企业规模、资产负债率、净资产收益率、成长性、权益融资能力、自有资金比率、产权性质等变量;同时, 由于2008年金融危机之后, 政府出台的“四万亿”经济刺激计划对银行信贷存在不可忽略的影响, 因此本文参考李茫茫等 (2016) 控制了金融危机哑变量。模型 (2) 参考李锴和齐绍洲 (2011) 、李小平和卢现祥 (2010) , 主要控制了地级市人均国内生产总值、城市化水平和对外开放水平。具体的变量含义见表1。

本文中所用数据来源包括: (1) 财务数据、产权性质和行业属性数据来自于国泰安 (CSMAR) 数据库; (2) 用于衡量社会外部性的地级市二氧化硫排放量、工业废水排放量数据来自《中国环境统计年鉴》; (3) 各地级市GDP数据来自《中国统计年鉴》。

1 变量说明表 导出到EXCEL

 

 

变量 变量说明

Loan
年度新增银行借款, 短期借款、长期借款和一年内到期的长期借款之和的本期变化值除以期初总资产

SO2
二氧化硫排放量, 地级市二氧化硫实际排放量 (千吨) 取自然对数

Wastewater
工业废水排放量, 地级市工业废水实际排放量 (百万吨) 取自然对数

Post
时间虚拟变量, 绿色信贷政策发布之后的年份为1, 其他为0

Treatment
政策影响虚拟变量, “两高”行业的企业为1, 其他为0

Post×Treatment
交互项, Post×Treatment的估计系数β3主要度量绿色信贷对企业借款的真实影响, β3<0意味着绿色信贷实施后“两高”企业的新增银行借款小于对照组企业的新增银行借款

Most impacted cities
虚拟变量, 计算地级市“两高”企业的总资产占本市所有上市公司总资产的比重, 如果大于2007年的中位数则取1, 否则取0

Size
企业规模, 期末总资产的自然对数

Lev
资产负债率, 期末总负债除以总资产

Roe
净资产收益率, 净利润除以净资产

Growth
成长性, 本期营业收入与上期营业收入之差除以上期营业收入

Offer
权益融资能力, 本期配股或增发募集资金除以期初总资产

Cfio
自有资金比率, 本期经营活动产生的现金流量净额与投资活动产生的现金流量净额之差除以期初总资产

Soe
产权性质, 国有企业为1, 非国有企业为0

TobinQ
企业相对价值, 期末市值与期末总负债之和除以总资产

Cycle
金融危机哑变量, 2008年之后取值为1, 否则为0

GDP
本期人均国内生产总值的自然对数

Urban
城市化水平, 非农人口占总人口的比重

Open
对外开放水平, 进出口总额占GDP的比重

Province/Industry/Year
省份/行业/年份虚拟变量

 

四、实证结果与分析

(一) 描述性统计

表2列示了PSM样本企业层面 (Panel A) 和地级市层面 (Panel B) 主要变量的描述性统计结果。本文以新增银行借款 (Loan) 来衡量绿色信贷在企业层面的政策效果, Panel A表明Loan在处理组中的均值为0.05, 在对照组中均值为0.04。本文以二氧化硫排放量 (SO2) 来衡量大气污染, 以工业废水排放量 (Wastewater) 来衡量水污染, Panel B显示受政策影响大的城市SO2的均值为8.78, 其他城市为8.53, 受政策影响大的城市Wastewater均值为6.43, 其他城市为6.59。

2 描述性统计 导出到EXCEL

 

 


Panel A Firm-level variables
  PSM treatment firms   PSM benchmark firms
  N Mean Median Sd   N Mean Median Sd

Loan
3522 0.05 0.02 0.13   3585 0.04 0.00 0.13
                   

Panel B City-level variables
  Most impacted cities   Other cities
  N Mean Median Sd   N Mean Median Sd

SO2
831 8.78 8.85 1.46   825 8.53 8.54 1.64

Wastewater
831 6.43 6.44 1.48   825 6.59 6.69 1.54

 

(二) 实证检验

1.绿色信贷对企业借款影响的检验

本文分别对全样本和PSM样本进行DID检验, 其中Post × Treatment度量绿色信贷政策对“两高”行业借款的真实影响。表3第 (1) 列为全样本中模型 (1) 的回归结果, Post的系数不显著, 说明对照组在绿色信贷政策发布之后银行借款未发生显著变化, Treatment的系数在1%水平上显著为正, 说明“两高”企业在绿色信贷政策实施前所获得的新增银行借款显著多于对照组企业。最值得关注的是, Post × Treatment的系数在5%水平上显著为负, 说明绿色信贷政策实施后, “两高”企业所获得的新增银行借款显著减少了。考虑到可能存在潜在的相关遗漏变量, 本文也采用了另外一种DID估计形式, 模型中省略PostTreatment, 同时控制个体固定效应和时间固定效应, 结果列示在第 (2) 列, Post × Treatment的系数在10%水平上显著为负。表3第 (3) 列和第 (4) 列是PSM样本的回归结果, 交互项的系数依然显著为负。

3 绿色信贷对企业借款影响的检验 导出到EXCEL

 

 


Loan
全样本   PSM样本
(1) (2)   (3) (4)
Post 0.002     0.000  
  (0.58)     (0.05)  

Treatment
0.052***     0.036*  
  (3.08)     (1.68)  

Post×Treatment
-0.011** -0.009*   -0.015** -0.014**
  (-2.18) (-1.76)   (-2.47) (-2.34)

Controls
 

Fixed effects
Industry Firm, Year   Industry Firm, Year

N
11408 11408   7107 7107

Adj.R2
0.092 0.092   0.088 0.089

注:括号内为t值, 并经公司层面的cluster异方差修正;*******分别表示参数在1%、5%和10%的显著性水平上显著异于零。

为了检验DID估计的有效性, 参考Bertrand等 (2004) 本文又进行了以下稳健性检验 (4) : (1) 共同趋势检验; (2) 安慰剂检验。在共同趋势检验中, 将Post变量替换为年份虚拟变量, 并产生交互项, 以2007年作为基准年 (Bertrand和Mullainathan, 2003) , 结果显示在绿色信贷政策实施之前, Year -3 × Treatment, Year -2 × TreatmentYear -1 × Treatment的系数均不显著, 表明处理组和对照组无显著差异, 满足共同趋势的假设;在绿色信贷政策实施后, Year +1 × Treatment, Year +2 × Treatment的系数不显著, 而Year +3 × Treatment的系数在1%水平上显著为负, Year +4 × Treatment的系数在5%水平上显著为负, 这表明绿色信贷政策发挥作用存在两年的时滞。在安慰剂检验中, 本文利用反事实方法 (范子英和田彬彬, 2013) , 假定绿色信贷政策在2005年实施, 样本区间为2004-2007年, 结果显示Treatment × Post的系数不显著, 表明所观察到的效果是由绿色信贷政策引起的, 而不是其他因素。以上稳健性检验结果说明本文观察到的“两高”企业的新增银行借款在绿色信贷政策公布后明显减少的结论是可靠的。

2.绿色信贷政策的社会外部性检验

本文从大气污染与水污染两个方面检验绿色信贷的实施效果, 回归结果如表4所示。第 (1) 列为因变量是二氧化硫排放量时的回归结果, 第 (2) 列为因变量是工业废水排放量时的回归结果。在第 (1) 与第 (2) 列中, Post的系数为负值, 但未通过显著性检验, 说明受绿色信贷政策冲击较小的城市在政策公布后污染物的减少量并不明显;Most impacted cities的系数在1%水平上显著为正, 说明受绿色信贷政策影响较大的城市在政策实施之后污染物减排效果明显。而我们最关心的是Post × Most impacted cities的系数, 第 (1) 列中Post × Most impacted cities的系数在1%水平上显著为负, 说明受绿色信贷政策影响较大的城市在绿色信贷实施后二氧化硫排放量明显减少;第 (2) 列中Post × Most impacted cities的系数在5%水平上显著为负, 说明受绿色信贷政策影响较大的城市在绿色信贷实施后工业废水排放量显著减少。

4 绿色信贷政策的社会外部性检验 导出到EXCEL

 

 


Variables
(1) (2) (3) (4)

SO2
Wastewater SO2 Wastewater
Post -0.165** -0.102**    
  (-2.39) (-2.54)    

Most impacted cities
0.324*** 0.247***    
  (4.14) (3.63)    

Post×Most impacted cities
-0.164*** -0.092** -0.231** -0.181*
  (-3.97) (-2.39) (-2.14) (-1.87)

Controls

Fixed effects
Province Province City, Year City, Year

N
1656 1656 1656 1656

Adj.R2
0.375 0.452 0.427 0.553

注:括号内为t值, *******分别表示参数在1%、5%和10%的显著性水平上显著异于零。

在此基础上, 本文又采用第二产业增加值占GDP的比重重新界定受政策影响大的城市 (Most impacted cities) , 当该值超过当年所有地级市的中位数时, Most impacted cities为1, 否则为0, 结果显示Post × Treatment的系数依然显著为负。在估计绿色信贷的环境效应过程中, 不可避免会受到其他政策的干扰, 从而对绿色信贷的环境效应产生高估或者低估。为识别和解决这一问题, 本文搜索了2007年绿色信贷政策实施之后的年份中的其他政策性事件, 比如《国家酸雨和二氧化硫污染防治十一五规划》 (2008年1月) 、《国务院关于进一步加大工作力度确保实现“十一五”节能减排目标的通知》 (2010年5月) , 本文有理由相信, 政府实施的各项环保措施均产生了降污效果, 从而使本文绿色信贷的降低污染效果可能被高估。为识别这一影响, 本文在基准回归模型中加入2008年和2010年两个政策虚拟变量, 如果加入了政策虚拟变量后2007年绿色信贷政策的效果不再显著, 则表明本文绿色信贷的环境效应是不稳健的;如果加入政策虚拟变量后2007年绿色信贷政策的效果依然显著但系数降低, 则本文的估计结果存在高估的现象, 但这一高估不影响本文的结论, 从侧面表明实证结果的相对稳健性。回归结果显示, 加入两个虚拟变量之后, Post×Most impacted cities的系数有所减小, 但依然显著。

五、进一步研究

(一) 在“两高”行业中按企业污染程度作进一步分组

2007年有多项新政策出台, 如何能保证观察到的效果是由绿色信贷政策的实施所带来呢?为进一步排除其他政策影响的可能性, 本文将样本限定在“两高”行业中, 在“两高”样本中根据污染物排放强度和能源消耗情况将样本进行高低分组, 如果污染程度更高的一组在政策实施后所受影响更大, 则可以确定观察到的效果就是绿色信贷政策的政策效应, 而非其他政策的随机影响。在“两高”样本中, 本文将火电、水泥、化工 (化学原料及化学制品制造业、橡胶制造业、塑料制造业) 、造纸划分为处理组, 将其余行业作为对照组, 进一步进行双重差分检验, 回归结果中Post × Treatment的系数显著小于零, 说明在“两高”行业内部, 污染程度更高的企业在绿色信贷政策实施后新增银行借款减少的程度更明显。

(二) 按照企业产权性质分组

在我国制度背景下, 国有企业和民营企业与政府之间的关系存在天然差别。企业就环境问题与政府进行博弈时, 产权性质起着重要作用, 在理论上存在着两种情况。一种情况是, 由于政府是国有企业的实际控制人, 政府对企业管理层的任命与绩效考核具有决定作用, 所以国有企业通常所体现的是政府意志和利益。另外一种情况是, 国有企业具有规模大、员工多的特点, 通常是一方支柱性企业, 因此国有企业具有和政府讨价还价的能力, 地方政府在环境监管中往往会对国有重污染企业妥协。有研究表明, 相对于非国有企业, 国有企业能获得更多的隐形优惠, 具体到环境治理领域, 国有企业面临的环境监管压力较小, 管制压力大部分落在非国有企业上。可见, 绿色信贷带来的信贷约束可能对于不同产权性质的企业影响有所不同。本文按照产权性质 (Soe) 将全样本和PSM样本都划分为国企和非国企两组进行检验, 在国有企业分组中, Post × Treatment的系数未通过显著性检验, 而在非国有企业组中, Post × Treatment的系数显著为负, 说明绿色信贷政策主要减少了“两高”行业中非国有企业的新增银行借款。

(三) 按照地域分组

我国东部地区与中西部地区在市场化进程上存在明显差异, 与中西部地区相比, 东部地区经济发展水平更高, 法制管理上也相对更完善。中西部出于发展经济的需要, 环境治理与保护的力度可能更低, 企业所面对的环境监管压力也可能较轻。因此, 绿色信贷政策所产生的信贷约束可能对不同地域的企业产生不同的影响。本文按照企业注册地所在省份将全样本和PSM样本都划分为东部和中西部两组进行检验。在东部分组中, Post × Treatment的系数显著为负, 而在中西部分组中Post × Treatment的系数不显著, 说明位于东部地区的“两高”企业在绿色信贷政策实施后银行借款显著减少, 而位于中西部地区的“两高”企业在绿色信贷政策实施后银行新增借款并未发生明显变化。

(四) 按地区经济发展压力分组

借鉴沈洪涛和马正彪 (2014) 所采用的方法, 本文根据样本公司注册地所在城市上期 (t-1) GDP增幅在其属省份中排名较前一期 (t-2) 排名的变动, 构建虚拟变量GDP_Pressure衡量地区经济发展压力, 若当地GDP增幅在省内排名下降, 说明当地政府面临经济发展压力大, GDP_Pressure为1;反之, GDP_Pressure为0。本文发现在经济发展压力大的地区Post×Treatment的系数不显著, 而在经济发展压力小的地区, Post×Treatment的系数在5%水平上显著为负。也就是说, 省内经济发展压力小的地区的“两高”企业在政策实施后新增银行借款减少得更加明显, 即绿色信贷政策在地区经济发展压力小的地区实施效果更加明显。

(五) 绿色信贷政策推出后的市场反应

2007年7月12日, 国家环境保护总局、中国人民银行和中国银行业监督管理委员会联合发布了《关于落实环保政策法规防范信贷风险的意见》, 这标志着我国绿色信贷政策的正式推出, 本文将这一天作为事件日进行事件研究。图1展示了[-7, +7]窗口内各个交易日的累计超额回报, 纵坐标为CAR值, 其中Treatment代表“两高”企业, Benchmark代表其他企业。图1显示, 绿色信贷政策公布时, 股票市场投资者在公告日附近作出了明显的负向反应, 而且投资者对“两高”企业的负向反应更强。

图1 [-7, 7]窗口累积超额收益率走势图

图1 [-7, 7]窗口累积超额收益率走势图   下载原图

 

表5进一步列示了全样本中CAR[-3, 3]和CAR[-5, 5]的描述性统计及组间比较结果。表5显示, 在两个时间窗口中, 处理组CAR的均值和中位数均显著小于参照组 (p< 0.01) 。

5 单变量分析 导出到EXCEL

 

 

  CAR[-3, 3]   CAR[-5, 5]
  Treatment Benchmark   Treatment Benchmark

N
378 793   378 793

Mean
-3.92% -2.26%   -4.90% -2.20%

Median
-4.50% -2.57%   -4.79% -2.20%

Std.dev
7.65% 8.27%   8.98% 9.90%
t检验 -3.29***   -4.51***

Wilcoxon秩和检验
-3.86***   -5.04***

注:*******分别表示参数在1%、5%和10%的显著性水平上显著异于零。

六、结论与启示

通过采用上述倾向得分匹配法 (PSM) 和双重差分法 (DID) , 本文评估验证了绿色信贷政策的实施对遏制信贷资金流向“两高”行业的影响以及对改善环境质量的效果, 即在微观上, 绿色信贷政策显著减少了“两高”企业的新增银行借款, 且经过一系列DID稳健性检验后结论依然显著;在宏观上, 受绿色信贷政策冲击较大的城市SO2排放量和工业废水排放量均已明显减少, 生态环境质量有所改善。同时, 本文还进一步检验了在不同污染程度、不同产权性质、不同地域以及不同地区经济发展压力之下绿色信贷政策实施效果的差异, 以及资本市场投资者对绿色信贷政策的反应。研究发现, 在“两高”行业中, 污染程度严重的企业受政策影响更为明显;较之国有企业, 非国有企业受到绿色信贷政策的约束更强;较之中西部地区企业, 东部地区企业受到绿色信贷政策的约束更强;较之经济发展压力大的地区企业, 经济发展压力小的地区企业受政策影响更为明显;“两高”企业在绿色信贷政策公布日附近有更明显的负向市场反应。

上述实证结果表明, 实施绿色信贷政策总体效果理想, 符合当下中国的生态需求和经济发展需求, 不但控制了信贷资金流向“两高”行业, 也在一定程度上促进了节能减排, 改善了环境质量。从中我们可以得到以下启示:一是对政府而言, 在生态环境保护方面除了采取必要的行政管制措施之外, 有必要进一步加强绿色信贷政策的实施力度。二是对银行而言, 作为绿色信贷政策的实施主体, 应当积极创造条件推行绿色信贷, 采取差异化的定价引导资金流向更加环保的产业及企业, 这样一方面有利于摆脱长期困扰的贷款“呆账”、“宕账”阴影, 提升商业银行的经营绩效;另一方面也有利于优化产业结构和能源结构, 促进经济可持续发展。三是对“两高”企业而言, 绿色信贷政策的实施将倒逼企业更加关注自身生产经营过程中的环境风险, 提高企业环境治理的主动性, 从而达到节能减排的目的。



畅志文化期刊网,一个专业的论文发表,期刊发表,著作出版,课题等评职称相关平台。

文章名称:绿色信贷政策、企业新增银行借款与环保效应

文章地址:www.sjzjkl.com/lunwenjianshang/_san_/1035.html

内容来自网络-如有侵权,请告知删之

上一篇:年报风险提示信息影响审计意见类型吗?——来自高管任期周期性特征的 下一篇:旅游目的地如何有效管控风险——来自南疆地区的证据

还有问题,免费咨询专业人员

没有问题了,我想发稿或出版

选择服务:

作者姓名: *

联系电话: *

留言备注: *

咨询部:

发表部:

在线客服

客服电话:17600057161

投稿邮箱:71712724@qq.com

QQ:71712724
QQ:71712724

咨询部:

发表部: