How Does the Green Credit Policy Affect the Default Risk of Enterprises?
-
摘要:
以2009—2023年中国A股上市公司为样本，对绿色信贷政策是否影响企业的违约风险进行了研究。研究结果表明，绿色信贷政策的实施总体上会降低重污染企业的违约风险，这种影响在国有企业、机构投资者占比高和信息披露程度高的企业更为明显。该政策主要通过降低企业负债和激励企业创新来降低重污染企业的违约风险。动态检验结果显示，在短期内政策实施带来的企业权益市场价值下降大于其负债规模的降低，而之后，政策实施带来的企业负债规模下降作用逐渐增强。同时，该政策激励了企业创新，因而重污染企业违约风险的降低趋势在较长期比较显著。研究结果丰富了绿色信贷政策和违约风险影响因素的讨论，也厘清了绿色信贷政策对重污染企业违约风险的动态影响和潜在作用机制。
Abstract:Using a sample of Chinese A-share listed companies from 2009 to 2023, this paper examines whether the green credit policy affect the default risk of enterprises. The findings indicate that the implementation of the green credit policy generally reduces the default risk of heavily polluting enterprises, especially in state-owned enterprises or firms with more substantial external supervision and a higher level of information disclosure. It can also be observed that this policy decreases heavily polluting enterprises' default risk mainly by lowering their debt levels and incentivizing corporate innovation. Dynamic test results show that in the short term, the decrease in corporate equity market value resulting from policy implementation outweighs the reduction in debt size. Subsequently, however, the effect of this policy on the reduction of their default risk is gradually enhanced with time. The potential benefits brought by encouraging enterprises to carry out technological innovation can also explain the long-term decline of their default risk. This study enriches the discussion on green credit policies and the influencing factors of default risk, and also clarifies the dynamic impact and potential mechanism through which green credit policies affect the default risk of heavily polluting enterprises.
-
一、 问题的提出
绿色信贷常被称为可持续融资或环境融资，一般是指银行在信贷活动中将环境问题纳入贷款审核机制，并通过该机制作出最终的贷款决定[1]。中国的绿色信贷政策起步较晚，其中最有代表性的是原中国银行业监督管理委员会于2012年2月24日出台的《绿色信贷指引》（银监发〔2012〕4号，以下简称《指引》），它克服了以往政策的不足，作为指导中国金融机构开展绿色信贷业务的纲领性文件，被视为中国绿色信贷政策的里程碑[2]105099[3]105415。《指引》规定金融机构要对客户的环境和社会风险设立评估标准并进行动态评估，相关结果应当作为其评级、信贷准入、管理和退出的重要依据，其中，已经获得授信的项目如果出现重大环境和社会风险，金融机构可以中止甚至终止发放信贷资金。《指引》通过影响企业的贷款规模、贷款期限、贷款利率等来影响企业的行为，对重污染企业信贷资金的配置具有重大影响。以往研究探讨了绿色信贷政策与企业绩效、转型升级、研发投资和创新、社会责任等之间的关系，但是较少研究其可能对企业违约风险产生的影响。如果企业的违约风险较高，不仅会降低企业的生产率，影响企业正常经营[4]，还可能会形成连锁反应，引发系统性金融风险。因此，研究绿色信贷政策与企业违约风险之间的关系具有重要意义。
那么，绿色信贷政策为什么可能会对企业的违约风险产生影响？一方面，绿色信贷的推出，提高了重污染企业贷款的门槛，增加了企业的融资约束。以往研究表明，绿色信贷政策会影响企业的融资成本、债务融资规模和经营绩效，而根据默顿模型可知，企业权益市场价值和负债情况与其违约风险息息相关。另一方面，当面临较大的环境监管压力和较高的环境污染成本时，重污染企业可能会进行企业创新来缓释环境风险、降低环境污染成本。王馨和王营以及丁杰等发现绿色信贷政策促进了重污染企业的绿色创新[5]173[6]55。孟庆斌等研究发现企业创新与违约风险之间呈现U型关系[7]169。由此可见，绿色信贷政策的推行可能会影响重污染企业的违约风险。然而，以往研究较少提供绿色信贷政策对企业违约风险影响的直接证据。
本研究以2009—2023年中国A股上市公司为样本，拟采用双重差分法考察绿色信贷政策如何影响重污染企业的违约风险：首先，以2012年《指引》出台作为准自然实验，从总体上检验绿色信贷政策对重污染企业违约风险的影响；其次，将进行一系列潜在作用机制的讨论；再次，进一步考察绿色信贷政策对企业违约风险的动态影响；最后，基于企业性质、内部治理环境和外部监督情况进行异质性影响研究。
二、 文献综述
（一） 违约风险的相关研究
已有相关文献对企业违约风险的度量主要使用企业的信用评级、CDS（credit default swap）价差、违约概率、信用利差等指标[8]。参考已有相关文献，并考虑中国企业信用数据的可得性，笔者研究主要聚焦违约概率作为违约风险的度量。
Merton提出企业权益是企业潜在价值的看涨期权，其中行权价格等于企业负债账面价值，当企业资产价值低于企业负债账面价值时，企业发生违约[9]449。默顿模型运用了期权定价理论的思路，认为企业权益市场价值、负债账面价值和股票收益的波动率是影响违约风险的主要因素。Bharath和Shumway在默顿模型的基础上进行了近似估计，构建了简化违约概率模型，并发现简化违约概率模型实际上比默顿模型效果更好[10]1339。国内外学者以默顿模型或简化违约概率模型为基础，从股票流动性[11]494[12]100597、董事会[13]101703、企业创新[7]169等微观层面对企业的违约风险进行了研究。然而，较少有文献研究宏观政策对企业违约风险的影响。从宏观政策的角度来看，郑世林等以及许红梅和李春涛使用双重差分模型分别研究了房地产限购政策、《中华人民共和国社会保险法》的出台对上市公司违约风险的影响[14][15]115。但是，以上研究均未涉及绿色信贷政策对企业违约风险的影响。
（二） 绿色信贷政策的相关研究
从绿色信贷的角度来看，近年来，许多学者从宏观、微观层面对绿色信贷政策实施效果进行了大量的研究。从宏观层面来说，绿色信贷政策实施效果主要集中经济增长、能源利用效率、环境质量等方面[16-18]。从微观层面来说，已有文献主要研究了绿色信贷政策对商业银行经营管理、上市公司环境绩效及经营绩效、投融资行为、金融化水平、绿色转型、社会责任和企业创新等方面的影响。其中，部分学者研究发现绿色信贷政策对企业发展有消极影响。例如，有些研究结果表明中国绿色信贷政策实施后，重污染企业的债务融资规模降低[19-23]，特别地，丁杰等以及苏冬蔚和连莉莉还发现债务融资期限会下降，融资成本会增加[6]55[24]。Yao等认为绿色信贷政策通过增加企业融资限制和降低投资水平，降低了重污染企业的经营业绩[3]105415。Wen等探讨了绿色信贷政策对能源密集型企业转型升级的影响，发现绿色信贷政策的实施降低了这些企业的银行信贷配置效率和研发投资，阻碍了企业升级[2]105099。还有部分学者认为绿色信贷政策可能会对企业发展产生积极影响。例如，王馨和王营采用双重差分法研究绿色信贷政策对企业绿色创新的影响，发现绿色信贷政策实施对重污染企业的绿色创新会产生积极影响[5]173。
在现有探讨绿色信贷政策微观效应的文献中，本研究与三篇文献关联最紧密。第一，是李俊成等从企业风险承担的角度出发，使用双重差分模型探究绿色信贷政策对企业风险承担的影响[25]112。笔者在研究角度上与之存在差异：本研究是从违约风险的角度出发，而李俊成等是从企业风险承担的角度进行研究[25]112，二者存在本质上的不同。违约风险又称信用风险，是指借款人因种种原因不愿或无力履行合同条件而构成违约，致使交易对方遭受损失的可能性。而企业风险承担水平大多是基于企业投资角度进行展开的，是指企业为获得高额回报在决策时愿意承担风险的程度，反映了企业面对风险的真实态度和偏好，主要使用盈余波动率、收益率波动性等指标来衡量。一般来看，较高的企业风险承担水平意味着企业更愿意投资高风险高收益的项目。第二，是屈梦杰和毛莹研究发现绿色信贷政策与重污染企业的违约距离正相关，对重污染企业的违约风险有显著的抑制作用，信贷规模缩小和信贷成本上升引起的信贷约束发挥了部分中介效用[26]11。第三，是孙志红和罗桂香研究发现绿色信贷政策的实施通过调整债务期限结构、提升环境信息披露质量使重污染企业的违约距离增加，即违约风险降低[27]60。不同于这三篇文献，本研究在变量选择、影响机制方面进行了更详细、深入的探讨。具体来看，本研究不仅使用默顿违约距离、简化违约距离作为违约风险的代理变量，还采用了文献中普遍使用的简化违约概率来度量违约风险，使研究结论更加真实可靠。此外，本研究深入探讨了企业权益市场价值、负债规模和企业创新这三个因素及其动态相互作用对研究结论的影响，进一步丰富了绿色信贷政策影响企业违约风险的机制研究。
三、 理论假设
以往研究发现银行关系、借款利率、资本结构和财务杠杆会对企业的违约风险产生影响[28-29]。在绿色信贷政策下，商业银行将企业的环保状况纳入信贷审批的决策和核算，通过高贷款成本和高贷款门槛等条件抑制信贷资源向重污染企业流动。
从短期来看，执行绿色信贷政策可能会加剧重污染企业的融资约束，减少其获得信贷资金的能力，这可能对企业现有贷款的偿还能力构成挑战，进而提高现有贷款的违约风险。此外，企业融资约束的增加还可能会减少企业利润、经营业绩和降低企业市场价值，进而增加企业的违约风险。
从长期来看，一方面，减少负债、降低财务杠杆能够直接降低企业的违约风险，而绿色信贷政策会提高重污染企业的贷款门槛，降低企业长期贷款规模和期限，从而导致重污染企业的财务杠杆下降，违约风险下降；另一方面，通过改善企业形象和融资环境、提升经营绩效和企业整体竞争力间接降低违约风险。
首先，根据“波特效应假说”，适当的环境规制可以促使企业进行更多的创新活动，而这些活动将提高企业的生产力，抵消由环境保护带来的成本增加并且提升企业的盈利能力[30]。虽然企业创新投入具有高成本、长期性和收益不确定性等风险特征，导致企业缺乏足够的动力进行创新[31]，但在绿色信贷政策实施提高企业融资约束、增加企业合规成本的背景下，进行企业创新的潜在收益可能会增加，动机也会增强。重污染企业积极的企业创新行为在满足环境监管需求的同时，也可能降低企业生产成本、改善生产效率，提高经营业绩[32-34]，降低违约风险。
其次，根据新制度经济学的“合法性理论”，企业的生产、经营和发展将不断适应国家的产业政策和指导[35-36][37]105224。当绿色信贷政策实施后，重污染企业可能会加强环境信息披露、改变生产方式，以满足政策要求。这可能会提高重污染企业的社会责任感和市场信誉，吸引更多的投资者和债权人提供融资支持。这种支持不仅可以帮助企业改善财务状况，还可以通过增强企业的市场竞争力和持续经营能力来降低违约风险。实际上，绿色信贷政策可能同时产生这两种效应（直接效应和间接效应），共同作用于降低重污染企业的违约风险。综上所述，提出以下假设：
假设1. 绿色信贷政策的实施总体上会降低重污染企业的违约风险。
金融机构会对不同特征的企业作出不同的贷款决策。企业的产权性质、内部治理环境和外部监管水平等均可能影响绿色信贷政策的作用效果。
首先，相较于非国有企业，国有企业由于与政府存在密切关系，其资金和经营状况等由政府作一定程度的担保，企业更容易凭借其信用和声誉，不仅能够从金融机构获得信贷资金进行生产经营和企业创新，还能够更及时地掌握国家的政策信息，并积极调整其经营活动以满足政策要求，从而减少自身损失。因此，绿色信贷政策对国有企业的影响可能比较明显。
其次，绿色信贷政策要求金融机构将企业的社会和环境风险纳入贷款决策，这加强了企业对社会和环境信息的披露。信息披露程度较高的企业，能够向市场传递出更多积极可靠的信息，提高投资者的投资信心。而公司可靠信息的可得性与企业违约概率息息相关[38]。所以，绿色信贷政策对信息披露程度高的企业的影响可能比较明显。
最后，机构投资者作为一种外部监管力量不仅能够改善公司治理效能，提高公司经营现金流回报和经营业绩[39]，也更有可能看到环境保护行动带来的长期价值，遵循绿色信贷政策，减少公司的环境污染项目。因此，绿色信贷政策对外部监督水平较高的企业的影响可能比较明显。综上所述，提出以下假设：
假设2a. 在国有企业，绿色信贷政策对企业违约风险的降低作用更加显著。
假设2b. 在信息披露程度较高的企业，绿色信贷政策对企业违约风险的降低作用更加显著。
假设2c. 在外部监管水平较高的企业，绿色信贷政策对企业违约风险的降低作用更加显著。
融资约束、资本结构与企业的违约风险密切相关。当企业的环境风险比较低、环境绩效表现较好时，企业将获得规模更大、期限更长和成本更低的外部融资；当企业污染排放较多，发生违反环境保护法律法规等事件时，企业尤其重污染企业会面临更高融资门槛和更高融资成本[5]175。以往研究表明，该政策实施会对企业的债务融资和经营绩效产生负面影响。而默顿模型及其衍生的简化违约概率模型发现，企业权益市场价值和负债情况会影响企业的违约风险。由此可见，如果企业面临较高的融资限制，融资需求无法得到满足，则可能会影响企业权益市场价值、负债规模和财务杠杆，进而影响企业的违约风险。
从另一个角度来看，企业创新也与企业的违约风险息息相关。当重污染企业的环境污染成本、融资成本增加时，企业可能更有动力进行企业创新来实现自身可持续发展。齐绍洲等研究发现排污权交易试点政策使试点地区污染行业内企业的绿色创新活动增加[40]。李青原和肖泽华发现排污收费会倒逼企业的绿色创新能力，环保补助却挤出企业绿色创新能力[41]。刘金科和肖翊阳研究发现环境保护税改革促进了企业绿色创新活动[42]。也有研究发现了绿色信贷政策促进了重污染企业绿色创新。而Hsu等研究发现公司的违约概率与其专利情况呈负相关[43]。孟庆斌等研究也发现企业创新与企业违约风险之间存在联系，虽然企业创新带来的不确定性可能会降低公司价值、增加企业的违约风险，但是如果企业创新取得成功，则有助于企业利用新技术、新产品形成自身独特的竞争优势，能为企业创造较高的收益，降低企业的违约风险[7]169。此外，“波特效应假说”认为适当的环境规制所引发的企业创新能够在一定程度上抵消环境污染成本，提高企业的生产力和盈利能力，这可能会降低企业的违约风险。研究的理论框架图如图1所示。
综上所述，研究提出以下假设：
假设3a. 绿色信贷政策将通过增加企业融资约束，影响企业权益市场价值，从而增加重污染企业的违约风险。
假设3b. 绿色信贷政策将通过影响企业负债规模和财务杠杆，从而降低重污染企业的违约风险。
假设3c. 绿色信贷政策将通过激励企业创新，从而降低重污染企业的违约风险。
四、 数据选择与模型设定
（一） 样本选择与数据来源
考虑金融危机的影响，本研究选取2009—2023年中国A股上市公司作为初始研究样本（共
5485 家公司，50029 个观察值），并按照以下原则进行样本筛选：剔除金融行业上市公司样本（剩余5440 家公司，49678 个观察值）；剔除财务数据存在缺失值的样本（剩余4634 家公司，39035 个观察值）；剔除样本期间内行业代码存在变更的样本（剩余3688 家公司，27072 个观察值）。为了减少选择性偏差，研究最终采用平衡面板数据样本（平衡面板数据样本不包含政策冲击后，即2012年及之后的上市公司样本），包括602家公司的9030 个观察结果，其中实验组有320家公司的4800 个观察值，控制组有282家公司的4230 个观察值。同时，研究在稳健性检验部分使用非平衡面板数据（共计3137 家公司，26521 个观察值）进行检验，发现结果具有一致性。此外，考虑突发公共卫生事件对回归结果的影响，研究在稳健性检验部分使用2009—2019年数据重新进行检验，发现结果稳健。研究根据上市公司所属行业差异来确定实验组和控制组，即根据中华人民共和国生态环境部（原环境保护部）2010年发布的《上市公司环境信息披露指南》所选取的火电、钢铁、水泥、电解铝、煤炭、冶金、化工、石化、建材、造纸、酿造、制药、发酵、纺织、制革、采矿这16个重污染行业与2012年中国证券监督管理委员会公布的上市公司行业分类进行匹配。本研究将属于重污染行业的上市公司划分为实验组，其他行业上市公司划分为控制组。本研究的财务数据来源于国泰安（CSMAR）数据库，公司违约风险相关数据经过手动整理得到，专利数据来源于中国研究数据服务平台（CNRDS）数据库。本研究对所有连续变量按1%和99%水平进行了缩尾处理以消除极端值的影响。（二） 变量描述
1. 被解释变量：违约风险
Merton基于期权定价理论，将企业的所有者权益看作企业价值的看涨期权，企业负债账面价值看作期权的行权价格，当企业资不抵债时发生违约[9]449。该模型采用默顿违约距离来估算违约风险，得到了广泛认可。Bharath和Shumway对默顿模型进行近似估计，提出简化违约概率模型，并且通过对比分析发现简化违约概率模型在实际应用中比默顿模型表现更好[10]1339。因此，本研究主要采用简化违约概率作为企业违约风险的代理变量，其取值范围在0至1之间，取值越大说明企业的违约风险越高。简化违约距离计算公式，如式（1）所示，对式（1）求累积标准正态分布得到简化违约概率，如式（2）所示。
$$ D_B=\frac{{\mathrm{ln}}\left(\dfrac{{V}_{E}+{V}_{D}}{{V}_{D}}\right)+\left(r-0.5\times {\sigma }_{v}^{2}\right)\times T}{{\sigma }_{v}^{}\times \sqrt{T}} $$ (1) $$ E=N\left(-D_B\right) $$ (2) 式中：
$ D_B $ 为企业的简化违约距离（取值越大违约风险越低）；$ {{E}} $ 为企业的简化违约概率（取值越大违约风险越高），简化违约距离与简化违约概率呈反相关；$ {V}_{D} $ 为企业负债账面价值，为短期负债加上0.5倍的长期负债的总和；$ {V}_{E} $ 为企业权益市场价值；$ r $ 为企业前一年的股票回报率；$ {\sigma }_{v} $ 为企业价值的波动率；按照已有相关文献的通常做法，期权的到期时间$ T $ 设定为1年。2. 控制变量
参考相关文献[10]1339[44]172[45]，主要引入以下控制变量：企业年龄（Age）、产权性质（Soe）、第一大股东持股比例（Top1）、机构投资者持股比例（Iip）、董事会规模（Boardsize）、经营现金流（Ocf）、营业收入增长率（Org）、营业利润率（Pmo）、留存收益占比（Re）、有形资产比率（Tar）、总资产收益率（Roa）、超额收益率（Exreturn）和股票收益波动率（
$ {\sigma }_{E} $ ）。具体变量定义，如表1所示。表 1 变量定义变量符号 变量定义 E 简化违约概率，采用Bharath和Shumway[10]1347公式计算得到 DB 简化违约距离，采用Bharath和Shumway[10]1347公式计算得到 DM 默顿违约距离，采用Merton[9]449公式计算得到 Ti 当企业为重污染企业取1，否则取0 Pt 《指引》实施虚拟变量，2012年及之后取1，否则取0 Age 公司上市年龄，当前年份减企业上市年份 Soe 产权性质，若企业为国有企业取1，非国有企业取0 Top1 第一大股东持股比例，公司第一大股东持股数/总股本 Iip 机构投资者持股比例，机构投资者持有的上市公司股份比例 Boardsize 董事会规模，董事会董事数量 Ocf 经营现金流，公司经营现金流/总资产 Org 营业总收入增长率，（营业总收入本年本期金额−营业总收入上年同期金额）/营业总收入上年同期金额 Pmo 营业利润率，营业利润/营业收入 Re 留存收益占比，留存收益/总资产 Tar 有形资产比率，（资产总计−无形资产净额−商誉净额）/总资产 Roa 总资产收益率，公司净利润/总资产 Exreturn 超额收益率，企业的收益率与其所在市场的市场收益率之差 $ {\sigma }_{E} $ 股票收益的波动率，根据前一年的月度股票收益率求标准差计算 $ {V}_{D} $ 企业负债账面价值，短期负债加上0.5倍的长期负债的总和，取对数 $ {V}_{E} $ 企业权益市场价值，期末收盘价×流通股股数+每股净资产×非流通股股数，取对数 Patent 实用新型专利申请数量 PatentF 发明专利申请数量 PatentGS 绿色实用新型专利申请数量 PatentGF 绿色发明专利申请数量 3. 变量描述性统计
主要变量的描述性统计结果，如表2所示。其中，企业违约风险的均值为0.036、标准差为0.157、最小值为0、最大值为0.971，说明中国A股上市公司的违约风险普遍较低，但是部分企业的违约风险较高。Ti（虚拟变量，当企业为重污染企业取1，否则取0）的均值为0.532，表示说明实验组的样本占总样本的53.2%。Pt（虚拟变量，2012年及以后取1，否则取0）的均值为0.800，表示2012年政策实施后的样本占总样本的80%。关于其他控制变量的描述性统计结果与同类研究基本一致。
表 2 描述性统计变量 样本量 均值 标准差 最小值 最大值 E 9030 0.036 0.157 0 0.971 DB 9030 13.620 10.140 −1.896 46.730 DM 9030 8.149 3.887 0.633 50.400 Ti 9030 0.532 0.499 0 1.000 Pt 9030 0.800 0.400 0 1.000 Age 9030 15.140 6.072 1.000 27.000 Soe 9030 0.684 0.465 0 1.000 Top1 9030 36.190 14.590 9.080 74.300 Iip 9030 53.780 18.810 0.358 91.430 Boardsize 9030 9.214 1.854 5.000 15.000 Ocf 9030 0.057 0.070 −0.191 0.250 Org 9030 0.133 0.351 −0.625 2.950 Pmo 9030 0.069 0.160 −1.301 0.655 Re 9030 0.162 0.198 −1.686 0.563 Tar 9030 0.944 0.062 0.531 1.000 Roa 9030 0.036 0.058 −0.316 0.204 Exreturn 9030 0.076 0.415 −0.617 2.095 $ {\sigma }_{E} $ 9030 0.124 0.053 0.044 0.446 4. 模型
（1）双重差分模型
基于《指引》作为准自然实验，研究利用双重差分模型研究绿色信贷政策对企业违约风险的影响。《指引》要求金融机构将客户的环境风险评估纳入贷款审批，对于已经发放贷款的项目，如果存在重大环境风险，可以延迟或终止贷款发放。该政策的实施会提高重污染企业的贷款门槛，重污染企业从而会面临更多的监管压力。因此，研究根据公司所属行业差异来确定实验组和控制组。如果公司属于重污染行业，则被认定为实验组，Ti取1；否则，被认定为控制组，Ti取0，具体匹配方法见数据描述部分。Pt为政策实施前后的时间虚拟变量，实施后的期间（2012年及以后）取1，实施前的期间（2012年以前）Pt取0。
参考Brogaard等、Baghdadi等以及许红梅和李春涛的研究，主要采用简化违约概率作为企业违约风险的度量指标进行OLS（ordinary least squares）回归[11]494[13]101703[15]121，参考Nadarajah等以及Capasso等采用简化违约距离和默顿违约距离代表违约风险进行稳健性检验[12]100597[46]，并在公司层面进行聚类调整。基本的模型如下
$$ {E}_{i,t} = {\alpha }_{0} + {\alpha }_{1}\times {T}_{i}\times {P}_{t}+{\sum }_{k=2}^{14}{\alpha }_{k}\times {X}_{i,t-1}+{f}_{i}+{f}_{t}+{\varepsilon }_{i,t} $$ (3) 式中：交互项的系数
$ {\alpha }_{1} $ 为关注的对象。如果因变量为简化违约概率（E）且$ {\alpha }_{1} $ 显著大于0，表示绿色信贷政策实施增加了重污染企业的违约风险。$ {X}_{i,t-1} $ 为滞后一期的控制变量，包括董事会规模（Boardsize）、经营现金流（Ocf）、营业收入增长率（Org）、留存收益占比（Re）、有形资产比率（Tar）、总资产收益率（Roa）、超额收益率（Exreturn）、股票收益波动率（$ {\sigma }_{E} $ ）等。$ {f}_{i} $ 为公司固定效应，$ {f}_{t} $ 为年份固定效应，$ {\varepsilon }_{i,t} $ 为残差项。（2）动态回归模型
为了研究绿色信贷政策实施的动态影响，参考Zhang和Wang[37]105224，采用如下模型
$$\begin{split} {E}_{i,t}=\;&{\beta }_{0}+{\sum }_{t=2012}^{2019}{\beta }_{t}\times {P}_{t}\times {T}_{i}+\\ &{\sum }_{k=1}^{13}{\beta }_{k}\times{X}_{i,t-1}+{f}_{i}+{f}_{t}+{\varepsilon }_{i,t} \end{split}$$ (4) （3）机制分析模型
本研究以权益市场价值、负债账面价值和企业实用新型专利申请数量作为中介变量探讨绿色信贷政策对重污染企业违约风险的影响机制。同时，参考Yao等[3]105415采用如下模型
$$ {Y}_{i,t}={\theta }_{0}+{\theta }_{1}\times {P}_{t}\times {T}_{i}+{\sum }_{k=2}^{14}{\theta }_{k}\times {X}_{i,t-1}+{f}_{i}+{f}_{t}+{\varepsilon }_{i,t} $$ (5) $$ {E}_{i,t}={r}_{0}+{r}_{1}\times {Y}_{i,t}+{\sum }_{k=2}^{14}{r}_{k}\times {X}_{i,t-1}+{f}_{i}+{f}_{t}+{\varepsilon }_{i,t} $$ (6) $$\begin{split} {y}_{i,t}=\;& {\omega }_{0}+{\sum }_{t=2012}^{2019}{\omega }_{t}\times {P}_{t}\times {T}_{i}+\\ &{\sum }_{k=1}^{13}{\omega }_{k}\times {X}_{i,t-1}+{f}_{i}+{f}_{t}+{\varepsilon }_{i,t} \end{split}$$ (7) 式中：
$ {Y}_{i,t} $ 、$ {y}_{i,t} $ 为权益市场价值、负债账面价值和企业实用新型专利申请数量。首先，第一阶段先检验式（5），即绿色信贷政策对企业权益市场价值或负债规模或企业创新是否有影响。接下来检验式（6），即企业权益市场价值规模、负债规模、企业创新是否会影响重污染企业的违约风险。如果二者都很显著，则表示绿色信贷政策是通过影响企业权益市场价值或负债规模或企业创新从而影响企业的违约风险。此外，也采用了式（7）从动态视角去检验潜在影响机制。
五、 实证结果和分析
（一） 基准回归结果
根据式（3），采用双重差分模型估算绿色信贷对重污染企业违约风险的影响。其中，被解释变量是以简化违约概率衡量的企业违约风险。绿色信贷政策对公司违约风险的总体影响，如表3所示。由表3可知，第（1）列只加入公司固定效应和年份固定效应，得到回归系数为−0.025，在1%水平上显著，这说明绿色信贷政策的实施会降低重污染企业的违约风险。第（2）列和第（3）列分别展示了加入非财务指标、财务指标作为控制变量的回归结果。可以发现，在逐步添加控制变量后，关键解释变量Ti×Pt的回归系数的符号没有明显变化，其值在−0.025和−0.023之间，在1%水平上显著。总的来看，回归结果验证了假设1，即绿色信贷政策实施会降低重污染企业的违约风险。
表 3 绿色信贷政策对公司违约风险的总体影响变量 （1） （2） （3） E E E Ti×Pt −0.025*** −0.025*** −0.023*** （0.008） （0.008） （0.008） Age −0.008 −0.005 （0.010） （0.010） Soe −0.007 −0.008 （0.008） （0.008） Top1 0.001 0.000 （0.000） （0.000） Iip −0.001*** −0.001** （0.000） （0.000） Boardsize 0.004** 0.004** （0.002） （0.002） Ocf −0.044 （0.033） Org 0.010* （0.006） Pmo −0.036 （0.029） Re 0.027* （0.016） Tar 0.001 （0.042） Roa −0.177** （0.079） Exreturn −0.034*** （0.004） $ {\sigma }_{E} $ −0.042 （0.036） 常数项 0.047*** 0.163 0.116 （0.004） （0.155） （0.151） 公司固定效应 是 是 是 年份固定效应 是 是 是 样本量 9030 9030 9030 R2 0.271 0.274 0.288 注： *、**、***分别代表在10%、5%和1%水平上显著，括号内为稳健标准误，回归在公司层面进行聚类调整。 （二） 异质性结果
为进一步阐明绿色信贷政策的作用效果，研究根据企业产权性质、内部环境治理情况（企业信息披露程度）、外部监督水平（机构投资者占比）来进行异质性分析，异质性结果如表4所示。具体来说，首先，将样本划分为国有企业和非国有企业，来考察绿色信贷政策与企业违约风险之间的关系是否会受到企业特征的影响。由表4第（1）列和第（2）列结果可知（−0.030，在1%水平上显著），绿色信贷政策对企业违约风险的降低作用在国有企业更为明显。其次，参考相关文献，选取机构投资者占比衡量企业外部监督水平，根据中位数将样本公司划分为机构投资者占比高的子样本和机构投资者占比低的子样本分别进行回归。由表4第（3）列和第（4）列结果可知，机构投资者占比高的子样本回归系数为−0.025且在5%水平上显著，说明绿色信贷政策对企业违约风险的降低作用在高机构投资者占比的企业更为显著。最后，参考许红梅和李春涛[15]129，依据上交所和深交所上市公司信息披露工作评价结果，将企业信息披露判定为A级和B级的企业划分为信息披露程度高的组别，将企业信息披露判定为C级和D级的企业划分为信息披露程度低的组别。由表4第（5）列和第（6）列结果可知，信息披露程度高的企业回归系数为−0.026，在1%水平上显著，说明绿色信贷政策的实施对信息披露程度高的企业违约风险的降低作用更明显。由表4可知，结果验证了假设2a、假设2b和假设2c，即在国有企业、信息披露程度较高和外部监管水平较高的企业，绿色信贷政策对企业违约风险的降低作用更加显著。
表 4 异质性结果变量 （1） （2） （3） （4） （5） （6） 国有企业 非国有企业 机构投资者占比高 机构投资者占比低 信息披露程度高 信息披露程度低 E E E E E E Ti×Pt −0.030*** −0.005 −0.025** 0.004 −0.026*** −0.012 （0.011） （0.013） （0.011） （0.015） （0.009） （0.028） 常数项 0.272 0.159 0.414* 0.157 0.201 0.767** （0.219） （0.191） （0.241） （0.175） （0.180） （0.357） 控制变量 是 是 是 是 是 是 公司固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 样本量 6157 2872 4530 4500 7935 1095 R2 0.309 0.237 0.359 0.356 0.296 0.266 注： *、**、***分别代表在10%、5%和1%的水平上显著，括号内为稳健标准误，回归在公司层面进行聚类调整。控制变量包括企业年龄（Age）、产权性质（Soe）、第一大股东持股比例（Top1）、机构投资者持股比例（Iip）、董事会规模（Boardsize）、经营现金流（Ocf）、营业收入增长率（Org）、营业利润率（Pmo）、留存收益占比（Re）、有形资产比率（Tar）、总资产收益率（Roa）、超额收益率（Exreturn）、股票收益波动率（$ {\sigma }_{E} $）；表5−表15表示意义相同。当样本分为国有企业和非国有企业、机构投资者占比高的子样本和机构投资者占比低的子样本时，控制变量分别去除产权性质（Soe）、机构投资者持股比例（Iip）。 （三） 稳健性检验
为了验证之前的回归结果是稳健的，从平行趋势检验、更换违约风险的衡量指标、更换模型、变更样本和排除其他政策的影响这五个方面进行了稳健性检验。
1. 平行趋势检验
双重差分法的关键假设是平行趋势假设，所以本研究需要进行平行趋势检验，即检验在《指引》出台之前，实验组和控制组的违约风险的变化趋势是相似的。本研究以2011年作为基期来构建时期虚拟变量，平行趋势检验（违约概率变量）结果如表5所示。由表5可知，2009—2011年，即《指引》出台前的年份，回归系数都不显著。这说明在绿色信贷政策实施之前，实验组和控制组的违约风险没有显著的差异，符合平行趋势假设。此外，本研究还使用简化违约距离（DB）、默顿违约距离（DM）进行了平行趋势检验。平行趋势检验（违约距离变量）结果如表6所示。由表6可知，结论保持一致。
表 5 平行趋势检验（违约概率变量）年份 （1） （2） E E 2009 0.017 0.018 （0.020） （0.020） 2010 −0.005 −0.000 （0.012） （0.012） 2012 −0.023 −0.022 （0.019） （0.019） 2013 0.005 0.007 （0.012） （0.012） 2014 0.014 0.011 （0.013） （0.013） 2015 −0.005 −0.005 （0.012） （0.012） 2016 −0.006 −0.009 （0.012） （0.012） 2017 −0.014 −0.007 （0.014） （0.014） 2018 −0.034* −0.027 （0.018） （0.018） 2019 −0.090*** −0.085*** （0.024） （0.024） 2020 −0.009 −0.005 （0.012） （0.012） 2021 −0.050*** −0.043*** （0.015） （0.015） 2022 −0.031** −0.016 （0.014） （0.014） 2023 −0.006 −0.001 （0.015） （0.015） 常数项 0.045*** 0.119 （0.005） （0.150） 控制变量 否 是 公司固定效应 是 是 年份固定效应 是 是 样本量 9030 9030 R2 0.277 0.293 表 6 平行趋势检验（违约距离变量）年份 （1） （2） （3） （4） DB DB DM DM 2009 0.378 0.199 −0.179 −0.151 （0.549） （0.524） （0.273） （0.217） 2010 −0.533 −0.734 −0.107 −0.080 （0.664） （0.663） （0.259） （0.264） 2012 1.428*** 1.550*** −0.155 −0.051 （0.518） （0.510） （0.282） （0.283） 2013 0.061 −0.011 0.389 0.456 （0.629） （0.597） （0.315） （0.313） 2014 0.196 0.107 1.058*** 0.996*** （0.666） （0.624） （0.322） （0.319） 2015 0.693 0.628 −0.279 −0.328 （0.772） （0.734） （0.324） （0.320） 2016 1.024 1.152* 0.161 0.103 （0.681） （0.641） （0.287） （0.283） 2017 2.640*** 2.486*** 0.308 0.271 （0.673） （0.625） （0.333） （0.323） 2018 2.325*** 1.935*** −0.011 0.001 （0.772） （0.724） （0.311） （0.304） 2019 1.760** 1.203* 0.212 0.103 （0.737） （0.683） （0.313） （0.304） 2020 2.539*** 1.969*** 0.138 −0.005 （0.802） （0.745） （0.318） （0.308） 2021 2.784*** 2.289*** −0.931*** −1.023*** （0.771） （0.728） （0.338） （0.330） 2022 1.075 0.315 0.218 0.186 （0.788） （0.754） （0.330） （0.324） 2023 1.255* 0.521 1.412*** 1.264*** （0.757） （0.743） （0.385） （0.377） 常数项 12.990*** 0.874 8.070*** 10.360*** （0.266） （5.832） （0.130） （3.634） 控制变量 否 是 否 是 公司固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 9030 9030 9030 9030 R2 0.691 0.713 0.670 0.683 2. 更换违约风险的衡量指标
（1）更换为简化违约距离（DB）
使用简化违约距离（DB）代替简化违约概率（E）作为违约风险的替代变量，重新对绿色信贷政策与企业违约风险的关系进行检验，稳健性检验（更换指标变量）结果，如表7所示。表7第（1）列展示了回归结果，发现研究结论保持一致。
表 7 稳健性检验（更换指标变量）变量 （1） （2） DB DM Ti×Pt 0.809** 0.263* （0.354） （0.148） 常数项 11.760** 9.215** （5.039） （3.681） 控制变量 是 是 公司固定效应 是 是 年份固定效应 是 是 样本量 9030 9030 R2 0.817 0.678 （2）更换为默顿违约距离（DM）
使用默顿违约距离（DM）代替简化违约概率（E）作为违约风险的替代变量，重新进行检验。表7第（2）列展示了回归结果，回归系数显著为正，说明绿色信贷政策实施导致企业违约距离增加，违约风险下降，研究结论保持一致。
3. 更换模型
考虑样本企业简化违约概率（E）的分布在0处存在截尾特征，参考孟庆斌等和邓路等采用Tobit模型重新进行回归[7]179[44]178。稳健性检验（更换模型）回归结果，如表8所示。由表8可知，结论保持一致。
表 8 稳健性检验（更换模型）变量 （1） （2） E E Ti×Pt −0.057*** −0.039*** （0.016） （0.015） 常数项 0.282*** 0.221 （0.012） （0.214） 控制变量 否 是 公司固定效应 是 是 年份固定效应 是 是 样本量 9030 9030 伪R2 1.320 1.607 4. 变更样本
（1）剔除实际违约（ST）的样本公司
参考Baghdadi等以及许红梅和李春涛，将样本公司中实际违约的公司（ST）剔除后重新进行回归[13]101703[15]123，作为稳健性检验。稳健性检验（变更样本）回归结果，如表9所示。研究发现回归系数符号不变，结果依旧显著，表示研究的结果是相对稳健的。
表 9 稳健性检验（变更样本）变量 剔除ST样本 制造业企业样本 剔除绿色产业企业样本 非平衡面板样本 非平衡面板样本 E E E E DB Ti×Pt −0.024*** −0.023*** −0.021*** −0.016** 0.709** （0.008） （0.008） （0.008） （0.007） （0.306） 常数项 0.071 0.065 0.125 0.006 20.730*** （0.150） （0.075） （0.154） （0.062） （2.466） 控制变量 是 是 是 是 是 公司固定效应 是 是 是 是 是 年份固定效应 是 是 是 是 是 样本量 8889 6090 8886 26521 26521 R2 0.290 0.295 0.289 0.311 0.794 （2）使用制造业企业样本
将样本公司限制为制造业上市公司，以重污染行业制造业企业作为实验组，其他制造业企业作为控制组重新进行回归，稳健性检验（变更样本）回归结果，如表9所示，研究发现结果是稳健的。
（3）剔除绿色产业企业样本
考虑绿色信贷政策中的“信贷支持”，参考李俊成等[25]112，研究剔除绿色产业企业样本后重新进行回归，稳健性检验（变更样本）回归结果，如表9所示。研究发现结果是稳健的。
（4）使用非平衡面板样本
本研究使用非平衡面板数据样本（共计3137家公司，
26521 个观察值）重新进行回归，稳健性检验（变更样本）回归结果，如表9所示，研究发现结果是稳健的。5. 排除其他政策的影响
（1）排除“去产能”政策影响
在本研究的样本考察期内，2015年供给侧结构性改革“去产能”政策的推出与研究密切相关。“去产能”作为改革的首要任务，通过严格控制新产能，减少无效低端供给，实现了退出落后产能的政策效果，钢铁和煤炭行业去产能效果尤其显著[47-48]。因此，以2015年作为政策处理年，以钢铁和煤炭行业企业作为实验组，加入“去产能”政策实施的交乘项作为控制变量来排除该政策对研究估计结果的影响，稳健性检验（排除其他政策影响）结果，如表10所示，研究发现结果依然成立。
表 10 稳健性检验（排除其他政策影响）变量 排除“去产能”政策 排除“去产能”政策 排除“公共卫生事件” 排除“公共卫生事件” E E E E Ti×Pt −0.015* −0.014* −0.023*** −0.023*** （0.008） （0.007） （0.009） （0.008） 常数项 0.047*** 0.115 0.051*** 0.066 （0.003） （0.151） （0.003） （0.062） 控制变量 否 是 否 是 公司固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 9030 9030 6622 6622 R2 0.284 0.299 0.308 0.324 （2）排除“公共卫生事件”影响
考虑“公共卫生事件”影响，本研究剔除2019年之后样本（即采用2009—2019年样本）重新回归，稳健性检验（排除其他政策影响）回归结果，如表10所示，研究发现结果是稳健的。
（四） 机制检验
1. 财务机制检验
根据默顿模型，权益和负债价值是影响企业违约风险的重要因素。而绿色信贷的实施增加了重污染企业的融资约束，导致其经营绩效下降，债务融资成本上升和债务融资规模下降。因此，为了进一步探讨绿色信贷政策对重污染企业违约风险的影响机制，研究引入企业权益市场价值（
$ {V}_{E} $ ）、负债账面价值（$ {V}_{D} $ ），采用式（5）和式（6）进行回归，验证假设3a和假设3b。财务机制分析结果如表11所示。由表11可知，第（1）列和第（2）列展示了“绿色信贷—负债规模—违约风险”这一传导机制，回归结果表示绿色信贷政策的实施会导致企业负债规模的下降，而负债规模的下降会导致企业违约风险下降。第（3）列和第（4）列展示了“绿色信贷—权益市场价值—违约风险”这一传导机制，结果说明政策的实施会导致企业权益市场价值的下降，而权益市场价值的下降会导致企业违约风险上升。从总体上来看，绿色信贷政策会影响企业权益市场价值和负债规模进而影响违约风险。表 11 财务机制分析负债机制（账面价值） 权益机制（市场价值） 变量 （1） 变量 （2） 变量 （3） 变量 （4） VD E VE E Ti×Pt −0.143** VD 0.033*** Ti×Pt −0.074* VE −0.028*** （0.057） （0.004） （0.041） （0.005） 常数项 21.630*** 常数项 −0.595*** 常数项 21.280*** 常数项 0.710*** （0.769） （0.184） （0.496） （0.178） 控制变量 是 控制变量 是 控制变量 是 控制变量 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 样本量 9030 样本量 9030 样本量 9030 样本量 9030 R2 0.921 R2 0.297 R2 0.883 R2 0.292 2. 企业创新机制检验
创新也会影响企业的违约风险水平，而绿色信贷政策的实施可能会增加重污染企业的企业创新。因此，本研究引入企业实用新型专利申请数量、发明专利申请数量、绿色实用新型专利申请数量、绿色发明专利申请数量来衡量企业创新。将专利申请数量加1后取自然对数，并采用式（5）和式（6）进行回归，发现绿色信贷政策实施后，实用新型专利申请数量和绿色实用新型专利申请数量增加，对发明专利申请数量和绿色发明专利申请数量无影响即对创新质量无影响，这与王馨和王营[5]173的结论一致。而绿色实用新型专利申请数量的增加会降低企业的违约风险。这可能是因为实用新型专利主要是针对产品形状、结构或组合的改进，创新要求相对较低、审查程序相对简单、申请和授权速度较快，可能更容易被市场快速认可、更快地转化为实际产品，从而带来直接的经济效益，提高企业的市场适应性和灵活性，降低经营风险和违约风险。而发明专利保护的是新的技术方案，包括产品、方法或者其改进，可以是结构、材料、配方、工艺等。相较之下，发明专利需要具有显著的技术进步，创新要求高、投入成本高、研发和回报周期长，且市场转化率不一定高，可能导致企业在研发过程中承担较大的财务压力，不利于企业进行风险分散。总的来看， 企业创新机制分析（专利）和企业创新机制分析（绿色专利）结果，如表12和表13所示，结果验证了假设3c，展示了“绿色信贷政策—企业创新—违约风险”这一传导机制。该发现对绿色信贷政策的制定和实施提供了重要启示，即在促进企业创新时，应考虑不同类型专利对企业违约风险的不同影响，以及如何通过政策激励来优化企业的创新结构和风险管理。
表 12 企业创新机制分析（专利）实用新型专利 发明专利 变量 （1） 变量 （2） 变量 （3） 变量 （4） Patent E PatentF E Ti×Pt 0.381*** Patent −0.002 Ti×Pt 0.013 PatentF −0.001 （0.077） （0.002） （0.078） （0.002） 常数项 1.432 常数项 0.128 常数项 2.411 常数项 0.128 （1.631） （0.151） （1.476） （0.152） 控制变量 是 控制变量 是 控制变量 是 控制变量 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 样本量 8940 样本量 8940 样本量 8940 样本量 8940 R2 0.761 R2 0.276 R2 0.798 R2 0.276 表 13 企业创新机制分析（绿色专利）绿色实用新型专利 绿色发明专利 变量 （1） 变量 （2） 变量 （3） 变量 （4） PatentGS E PatentGF E Ti×Pt 0.129*** PatentGS −0.007** Ti×Pt −0.071 PatentGF −0.004 （0.044） （0.003） （0.051） （0.003） 常数项 0.663 常数项 0.130 常数项 0.595 常数项 0.127 （0.786） （0.151） （0.869） （0.152） 控制变量 是 控制变量 是 控制变量 是 控制变量 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 样本量 8940 样本量 8940 样本量 8940 样本量 8940 R2 0.639 R2 0.277 R2 0.702 R2 0.277 （五） 动态影响
为调查绿色信贷政策实施对重污染企业违约风险的动态影响，研究参考相关文献，采用不同于平行趋势检验的模型，即根据式（4）和式（7）进行回归。绿色信贷对企业违约风险的动态影响（违约概率变量）回归结果，如表14所示。表14第（1）列和第（2）列分别展示了随着绿色信贷政策的逐步实施，其积极影响逐渐显现，给重污染企业带来的收益效应逐渐增加，导致重污染企业的违约风险下降。政策的动态影响，如图2所示，考虑篇幅限制，仅展示了以“实用新型专利申请数量”为创新机制代表变量的动态检验结果，其余类型专利结果一致。
表 14 绿色信贷对企业违约风险的动态影响（违约概率变量）年份 （1） （2） （3） （4） （5） （6） （7） （8） E E VD VD VE VE Patent Patent 2012 −0.027 −0.028 −0.005 −0.023 0.052* 0.061** 0.086 0.081 （0.017） （0.017） （0.029） （0.030） （0.030） （0.028） （0.064） （0.065） 2013 0.001 0.001 −0.063* −0.076** −0.119*** −0.119*** 0.027 0.020 （0.010） （0.009） （0.036） （0.035） （0.039） （0.036） （0.074） （0.075） 2014 0.010 0.005 −0.095** −0.100** −0.202*** −0.167*** 0.057 0.063 （0.011） （0.011） （0.045） （0.044） （0.040） （0.034） （0.082） （0.081） 2015 −0.009 −0.011 −0.106** −0.107** −0.269*** −0.246*** 0.213** 0.226** （0.009） （0.009） （0.054） （0.053） （0.049） （0.045） （0.093） （0.093） 2016 −0.010 −0.015 −0.134** −0.145** −0.160*** −0.117*** 0.343*** 0.358*** （0.010） （0.010） （0.060） （0.058） （0.048） （0.041） （0.098） （0.098） 2017 −0.018 −0.013 −0.178*** −0.181*** −0.074 −0.095** 0.369*** 0.366*** （0.011） （0.011） （0.066） （0.065） （0.052） （0.048） （0.105） （0.104） 2018 −0.038** −0.033** −0.188*** −0.199*** −0.053 −0.098** 0.428*** 0.400*** （0.016） （0.015） （0.072） （0.071） （0.055） （0.049） （0.108） （0.107） 2019 −0.094*** −0.091*** −0.181** −0.175** −0.061 −0.097* 0.483*** 0.456*** （0.023） （0.023） （0.076） （0.075） （0.061） （0.055） （0.113） （0.112） 2020 −0.013 −0.011 −0.199** −0.193** −0.012 −0.046 0.691*** 0.667*** （0.009） （0.009） （0.080） （0.080） （0.070） （0.063） （0.119） （0.118） 2021 −0.054*** −0.049*** −0.209** −0.210** 0.131* 0.073 0.676*** 0.643*** （0.013） （0.013） （0.083） （0.083） （0.072） （0.064） （0.123） （0.122） 2022 −0.035*** −0.022** −0.138 −0.137 0.082 −0.038 0.711*** 0.663*** （0.012） （0.011） （0.085） （0.086） （0.068） （0.062） （0.123） （0.124） 2023 −0.010 − 0.0076 −0.145 −0.173* 0.070 0.001 0.711*** 0.655*** （0.013） （0.013） （0.089） （0.089） （0.066） （0.060） （0.118） （0.122） 常数项 0.047*** 0.122 21.940*** 21.590*** 22.730*** 21.400*** 1.855*** 1.891 （0.004） （0.150） （0.025） （0.766） （0.020） （0.498） （0.033） （1.696） 控制变量 否 是 否 是 否 是 否 是 公司/年份固定效应 是 是 是 是 是 是 是 是 样本量 9030 9030 9030 9030 9030 9030 8940 8940 R2 0.277 0.293 0.917 0.921 0.860 0.884 0.761 0.764 进一步地，根据式（7）对企业负债、权益市场价值和企业创新这些影响机制进行动态检验，由表14可知，第（3）列和第（4）列展示了2013—2021年回归系数为负且显著，说明绿色信贷政策降低了重污染企业的负债规模。第（5）列和第（6）列展示了从2013年开始回归系数显著为负，说明绿色信贷政策降低了重污染企业权益市场价值。对比第（3）—（6）列的回归系数，发现随着政策不断推行，绿色信贷对企业权益市场价值的降低作用逐渐减小，对企业负债规模的影响逐渐增大，从而导致企业违约风险下降。原因可能在于绿色信贷政策的实施可能会降低投资者的投资信心，从而导致短期内重污染企业的股票价格和权益市场价值下降，但随着企业社会责任的加强和公司治理的改善，这种负向影响在较长期内逐渐减弱。与此同时，可能由于企业已签订的贷款合同期限较长或商业信用对企业短期借款产生了替代效应，抑或由于政策的时滞效应，该政策对企业债务融资的降低作用在较长期更显著。第（7）列和第（8）列展示了在政策实施后的第4年，即从2015年开始会导致企业实用新型专利申请数量增加，这种激励作用一直持续到2023年。通过以上动态影响机制检验，研究发现绿色信贷导致企业权益市场价值和负债规模下降，在短期内企业权益市场价值的降低效果强于负债规模的下降，在较长期时这种效果逐渐减弱，且较长期内企业创新的积极作用显现，因而绿色信贷政策对企业违约风险的降低作用在较长期更显著。
此外，研究还使用简化违约距离（DB）、默顿违约距离（DM）进行了动态影响检验，绿色信贷对企业违约风险的动态影响（违约距离变量）结果，如表15所示，发现结论保持一致。
表 15 绿色信贷对企业违约风险的动态影响（违约距离变量）年份 （1） （2） （3） （4） DB DB DM DM 2012 1.480*** 1.358*** −0.060 0.027 （0.455） （0.346） （0.241） （0.242） 2013 0.113 −0.127 0.485** 0.533** （0.533） （0.359） （0.229） （0.225） 2014 0.248 0.059 1.153*** 1.073*** （0.589） （0.416） （0.239） （0.236） 2015 0.745 0.451 −0.184 −0.251 （0.680） （0.530） （0.212） （0.209） 2016 1.076** 0.112 0.256 0.181 （0.541） （0.369） （0.183） （0.176） 2017 2.692*** 0.715* 0.403 0.348 （0.542） （0.393） （0.277） （0.266） 2018 2.376*** 1.554*** 0.084 0.078 （0.706） （0.579） （0.204） （0.196） 2019 1.811*** 0.937 0.307 0.180 （0.682） （0.582） （0.226） （0.217） 2020 2.591*** 1.472*** 0.233 0.073 （0.728） （0.569） （0.211） （0.200） 2021 2.836*** 1.831*** −0.835*** −0.946*** （0.696） （0.567） （0.247） （0.240） 2022 1.127 1.149** 0.313 0.263 （0.689） （0.560） （0.230） （0.222） 2023 1.307** 0.171 1.507*** 1.341*** （0.625） （0.524） （0.312） （0.304） 常数项 12.960*** 11.590** 8.019*** 10.320*** （0.190） （5.043） （0.066） （3.634） 控制变量 否 是 否 是 公司固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 9030 9030 9030 9030 R2 0.691 0.818 0.670 0.683 六、 结论、贡献与政策建议
（一） 结论
本研究利用《指引》的实施作为准自然实验，考察了绿色信贷政策与重污染企业违约风险之间的因果关系。实证结果表明，绿色信贷政策的实施总体上会导致重污染企业的违约风险降低，这种影响在国有企业、机构投资者占比高和信息披露程度高的企业更为明显。动态检验结果显示，随着时间的演变，绿色信贷政策对企业违约风险的降低作用逐渐增强。机制检验结果显示，该政策实施影响重污染企业违约风险的主要机制为财务机制和创新机制，即企业权益市场价值和负债规模之间的动态变化以及由于激励企业创新带来的潜在收益能够解释重污染企业的违约风险在较长期内下降趋势显著。
（二） 贡献
本研究的贡献主要体现在以下三个方面。首先，已有的学术文献对于绿色信贷政策如何影响企业违约风险的研究相对不足。目前，只有屈梦杰和毛莹以及孙志红和罗桂香使用KMV模型测度的违约距离作为因变量探讨了中国绿色信贷政策对企业违约风险的影响[26]11[27]60。而本研究基于中国绿色信贷政策，从企业违约风险角度出发，使用双重差分模型考察了绿色信贷政策对重污染企业违约风险的因果影响，扩展了绿色信贷政策因果效应的相关研究，为政策的推行和调整提供了理论依据。相较于已有研究，本研究在变量指标选择和影响机制分析上进行了更深入的探讨，如研究采用了默顿违约距离、简化违约距离、简化违约概率等多种指标作为因变量，更全面地论证了笔者的研究结论。
其次，研究基于企业权益市场价值、负债规模和企业创新进行了潜在影响机制分析，阐明了绿色信贷政策降低企业违约风险的传导路径。进一步地，研究进行了动态影响分析，发现了该政策对重污染企业违约风险的影响具有时变特征，并揭示了绿色信贷政策导致的企业权益市场价值、负债规模和企业创新的动态变化对企业违约风险的影响。
最后，本研究将违约风险的研究拓展到宏观绿色信贷政策领域。以往文献大多从企业创新、资产配置、股票流动性、董事会等微观视角研究违约风险，较少有文献从宏观政策视角特别是从绿色信贷政策视角来考察对企业违约风险的影响，而本研究从绿色信贷政策的角度拓展了企业违约风险影响因素的讨论，为有效防范和识别企业违约风险提供了证据支持。
（三） 政策建议
基于研究发现，提出以下政策建议：
第一，政府应该继续坚持并不断完善绿色信贷政策。研究的结论表明绿色信贷政策有利于降低重污染企业的违约风险，不同于以往的行政手段，其通过经济杠杆引导环保，有效地促进了重污染企业的可持续发展。因此，从长远来看，政府应该将绿色信贷作为一项长期战略有序推进，鼓励企业遵循绿色信贷政策，实现绿色发展。同时，应该进一步优化和完善绿色信贷政策或激励政策，鼓励银行加强绿色信贷产品创新、服务创新、企业创新，更好地服务于实体经济。此外，还要加强信息披露制度，建立环境信息共享平台，与银行和企业实现三方信息共享，消除政策效应的不对称性。
第二，在政策推行的过程中，需要注意绿色信贷政策对不同特征企业的异质性作用。具体来看，金融机构需要考虑不同企业在产权性质、内部治理和外部监督水平、行业和规模、融资约束等方面的差异，制定恰当的评估指标和控制措施，以推动绿色信贷政策更好地发挥作用。政府在推行绿色信贷政策时，也需要考虑不同特征企业治理压力的差异，具体问题具体分析，针对不同特征的企业作出差异化且恰当合理的决策，从而更好地发挥绿色信贷政策支持企业绿色转型和国家经济绿色发展的作用。
第三，企业要加强融资管理、及时调整融资战略和经营战略，提高创新水平，提升风险管理水平，实现绿色转型。一方面，研究发现绿色信贷政策会对企业的融资行为特别是债务融资行为产生影响。因此，企业要根据自身的实际情况，合理地调整筹资策略，降低国家政策对企业生产经营的影响。还要积极主动披露环境信息，承担相应的社会责任，这有利于政府、银行、投资者等更好地了解企业及其项目的社会和环境风险，从而降低企业的融资成本、增强企业的融资能力，推动企业的绿色发展。另一方面，研究结论表明绿色信贷政策能够鼓励企业创新，而企业创新有助于降低企业的财务风险，所以要加强企业创新、加大创新研发投入，这样不仅能够帮助企业缓解环境规制带来的成本上升，还有利于增加企业的创新竞争力和促进企业的可持续发展。
-
表 1 变量定义
变量符号 变量定义 E 简化违约概率，采用Bharath和Shumway[10]1347公式计算得到 DB 简化违约距离，采用Bharath和Shumway[10]1347公式计算得到 DM 默顿违约距离，采用Merton[9]449公式计算得到 Ti 当企业为重污染企业取1，否则取0 Pt 《指引》实施虚拟变量，2012年及之后取1，否则取0 Age 公司上市年龄，当前年份减企业上市年份 Soe 产权性质，若企业为国有企业取1，非国有企业取0 Top1 第一大股东持股比例，公司第一大股东持股数/总股本 Iip 机构投资者持股比例，机构投资者持有的上市公司股份比例 Boardsize 董事会规模，董事会董事数量 Ocf 经营现金流，公司经营现金流/总资产 Org 营业总收入增长率，（营业总收入本年本期金额−营业总收入上年同期金额）/营业总收入上年同期金额 Pmo 营业利润率，营业利润/营业收入 Re 留存收益占比，留存收益/总资产 Tar 有形资产比率，（资产总计−无形资产净额−商誉净额）/总资产 Roa 总资产收益率，公司净利润/总资产 Exreturn 超额收益率，企业的收益率与其所在市场的市场收益率之差 $ {\sigma }_{E} $ 股票收益的波动率，根据前一年的月度股票收益率求标准差计算 $ {V}_{D} $ 企业负债账面价值，短期负债加上0.5倍的长期负债的总和，取对数 $ {V}_{E} $ 企业权益市场价值，期末收盘价×流通股股数+每股净资产×非流通股股数，取对数 Patent 实用新型专利申请数量 PatentF 发明专利申请数量 PatentGS 绿色实用新型专利申请数量 PatentGF 绿色发明专利申请数量 
下载: 导出CSV
表 2 描述性统计
变量 样本量 均值 标准差 最小值 最大值 E 9030 0.036 0.157 0 0.971 DB 9030 13.620 10.140 −1.896 46.730 DM 9030 8.149 3.887 0.633 50.400 Ti 9030 0.532 0.499 0 1.000 Pt 9030 0.800 0.400 0 1.000 Age 9030 15.140 6.072 1.000 27.000 Soe 9030 0.684 0.465 0 1.000 Top1 9030 36.190 14.590 9.080 74.300 Iip 9030 53.780 18.810 0.358 91.430 Boardsize 9030 9.214 1.854 5.000 15.000 Ocf 9030 0.057 0.070 −0.191 0.250 Org 9030 0.133 0.351 −0.625 2.950 Pmo 9030 0.069 0.160 −1.301 0.655 Re 9030 0.162 0.198 −1.686 0.563 Tar 9030 0.944 0.062 0.531 1.000 Roa 9030 0.036 0.058 −0.316 0.204 Exreturn 9030 0.076 0.415 −0.617 2.095 $ {\sigma }_{E} $ 9030 0.124 0.053 0.044 0.446
下载: 导出CSV
表 3 绿色信贷政策对公司违约风险的总体影响
变量 （1） （2） （3） E E E Ti×Pt −0.025*** −0.025*** −0.023*** （0.008） （0.008） （0.008） Age −0.008 −0.005 （0.010） （0.010） Soe −0.007 −0.008 （0.008） （0.008） Top1 0.001 0.000 （0.000） （0.000） Iip −0.001*** −0.001** （0.000） （0.000） Boardsize 0.004** 0.004** （0.002） （0.002） Ocf −0.044 （0.033） Org 0.010* （0.006） Pmo −0.036 （0.029） Re 0.027* （0.016） Tar 0.001 （0.042） Roa −0.177** （0.079） Exreturn −0.034*** （0.004） $ {\sigma }_{E} $ −0.042 （0.036） 常数项 0.047*** 0.163 0.116 （0.004） （0.155） （0.151） 公司固定效应 是 是 是 年份固定效应 是 是 是 样本量 9030 9030 9030 R2 0.271 0.274 0.288 注： *、**、***分别代表在10%、5%和1%水平上显著，括号内为稳健标准误，回归在公司层面进行聚类调整。
下载: 导出CSV
表 4 异质性结果
变量 （1） （2） （3） （4） （5） （6） 国有企业 非国有企业 机构投资者占比高 机构投资者占比低 信息披露程度高 信息披露程度低 E E E E E E Ti×Pt −0.030*** −0.005 −0.025** 0.004 −0.026*** −0.012 （0.011） （0.013） （0.011） （0.015） （0.009） （0.028） 常数项 0.272 0.159 0.414* 0.157 0.201 0.767** （0.219） （0.191） （0.241） （0.175） （0.180） （0.357） 控制变量 是 是 是 是 是 是 公司固定效应 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 样本量 6157 2872 4530 4500 7935 1095 R2 0.309 0.237 0.359 0.356 0.296 0.266 注： *、**、***分别代表在10%、5%和1%的水平上显著，括号内为稳健标准误，回归在公司层面进行聚类调整。控制变量包括企业年龄（Age）、产权性质（Soe）、第一大股东持股比例（Top1）、机构投资者持股比例（Iip）、董事会规模（Boardsize）、经营现金流（Ocf）、营业收入增长率（Org）、营业利润率（Pmo）、留存收益占比（Re）、有形资产比率（Tar）、总资产收益率（Roa）、超额收益率（Exreturn）、股票收益波动率（$ {\sigma }_{E} $）；表5−表15表示意义相同。当样本分为国有企业和非国有企业、机构投资者占比高的子样本和机构投资者占比低的子样本时，控制变量分别去除产权性质（Soe）、机构投资者持股比例（Iip）。
下载: 导出CSV
表 5 平行趋势检验（违约概率变量）
年份 （1） （2） E E 2009 0.017 0.018 （0.020） （0.020） 2010 −0.005 −0.000 （0.012） （0.012） 2012 −0.023 −0.022 （0.019） （0.019） 2013 0.005 0.007 （0.012） （0.012） 2014 0.014 0.011 （0.013） （0.013） 2015 −0.005 −0.005 （0.012） （0.012） 2016 −0.006 −0.009 （0.012） （0.012） 2017 −0.014 −0.007 （0.014） （0.014） 2018 −0.034* −0.027 （0.018） （0.018） 2019 −0.090*** −0.085*** （0.024） （0.024） 2020 −0.009 −0.005 （0.012） （0.012） 2021 −0.050*** −0.043*** （0.015） （0.015） 2022 −0.031** −0.016 （0.014） （0.014） 2023 −0.006 −0.001 （0.015） （0.015） 常数项 0.045*** 0.119 （0.005） （0.150） 控制变量 否 是 公司固定效应 是 是 年份固定效应 是 是 样本量 9030 9030 R2 0.277 0.293
下载: 导出CSV
表 6 平行趋势检验（违约距离变量）
年份 （1） （2） （3） （4） DB DB DM DM 2009 0.378 0.199 −0.179 −0.151 （0.549） （0.524） （0.273） （0.217） 2010 −0.533 −0.734 −0.107 −0.080 （0.664） （0.663） （0.259） （0.264） 2012 1.428*** 1.550*** −0.155 −0.051 （0.518） （0.510） （0.282） （0.283） 2013 0.061 −0.011 0.389 0.456 （0.629） （0.597） （0.315） （0.313） 2014 0.196 0.107 1.058*** 0.996*** （0.666） （0.624） （0.322） （0.319） 2015 0.693 0.628 −0.279 −0.328 （0.772） （0.734） （0.324） （0.320） 2016 1.024 1.152* 0.161 0.103 （0.681） （0.641） （0.287） （0.283） 2017 2.640*** 2.486*** 0.308 0.271 （0.673） （0.625） （0.333） （0.323） 2018 2.325*** 1.935*** −0.011 0.001 （0.772） （0.724） （0.311） （0.304） 2019 1.760** 1.203* 0.212 0.103 （0.737） （0.683） （0.313） （0.304） 2020 2.539*** 1.969*** 0.138 −0.005 （0.802） （0.745） （0.318） （0.308） 2021 2.784*** 2.289*** −0.931*** −1.023*** （0.771） （0.728） （0.338） （0.330） 2022 1.075 0.315 0.218 0.186 （0.788） （0.754） （0.330） （0.324） 2023 1.255* 0.521 1.412*** 1.264*** （0.757） （0.743） （0.385） （0.377） 常数项 12.990*** 0.874 8.070*** 10.360*** （0.266） （5.832） （0.130） （3.634） 控制变量 否 是 否 是 公司固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 9030 9030 9030 9030 R2 0.691 0.713 0.670 0.683
下载: 导出CSV
表 7 稳健性检验（更换指标变量）
变量 （1） （2） DB DM Ti×Pt 0.809** 0.263* （0.354） （0.148） 常数项 11.760** 9.215** （5.039） （3.681） 控制变量 是 是 公司固定效应 是 是 年份固定效应 是 是 样本量 9030 9030 R2 0.817 0.678
下载: 导出CSV
表 8 稳健性检验（更换模型）
变量 （1） （2） E E Ti×Pt −0.057*** −0.039*** （0.016） （0.015） 常数项 0.282*** 0.221 （0.012） （0.214） 控制变量 否 是 公司固定效应 是 是 年份固定效应 是 是 样本量 9030 9030 伪R2 1.320 1.607
下载: 导出CSV
表 9 稳健性检验（变更样本）
变量 剔除ST样本 制造业企业样本 剔除绿色产业企业样本 非平衡面板样本 非平衡面板样本 E E E E DB Ti×Pt −0.024*** −0.023*** −0.021*** −0.016** 0.709** （0.008） （0.008） （0.008） （0.007） （0.306） 常数项 0.071 0.065 0.125 0.006 20.730*** （0.150） （0.075） （0.154） （0.062） （2.466） 控制变量 是 是 是 是 是 公司固定效应 是 是 是 是 是 年份固定效应 是 是 是 是 是 样本量 8889 6090 8886 26521 26521 R2 0.290 0.295 0.289 0.311 0.794
下载: 导出CSV
表 10 稳健性检验（排除其他政策影响）
变量 排除“去产能”政策 排除“去产能”政策 排除“公共卫生事件” 排除“公共卫生事件” E E E E Ti×Pt −0.015* −0.014* −0.023*** −0.023*** （0.008） （0.007） （0.009） （0.008） 常数项 0.047*** 0.115 0.051*** 0.066 （0.003） （0.151） （0.003） （0.062） 控制变量 否 是 否 是 公司固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 9030 9030 6622 6622 R2 0.284 0.299 0.308 0.324
下载: 导出CSV
表 11 财务机制分析
负债机制（账面价值） 权益机制（市场价值） 变量 （1） 变量 （2） 变量 （3） 变量 （4） VD E VE E Ti×Pt −0.143** VD 0.033*** Ti×Pt −0.074* VE −0.028*** （0.057） （0.004） （0.041） （0.005） 常数项 21.630*** 常数项 −0.595*** 常数项 21.280*** 常数项 0.710*** （0.769） （0.184） （0.496） （0.178） 控制变量 是 控制变量 是 控制变量 是 控制变量 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 样本量 9030 样本量 9030 样本量 9030 样本量 9030 R2 0.921 R2 0.297 R2 0.883 R2 0.292
下载: 导出CSV
表 12 企业创新机制分析（专利）
实用新型专利 发明专利 变量 （1） 变量 （2） 变量 （3） 变量 （4） Patent E PatentF E Ti×Pt 0.381*** Patent −0.002 Ti×Pt 0.013 PatentF −0.001 （0.077） （0.002） （0.078） （0.002） 常数项 1.432 常数项 0.128 常数项 2.411 常数项 0.128 （1.631） （0.151） （1.476） （0.152） 控制变量 是 控制变量 是 控制变量 是 控制变量 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 样本量 8940 样本量 8940 样本量 8940 样本量 8940 R2 0.761 R2 0.276 R2 0.798 R2 0.276
下载: 导出CSV
表 13 企业创新机制分析（绿色专利）
绿色实用新型专利 绿色发明专利 变量 （1） 变量 （2） 变量 （3） 变量 （4） PatentGS E PatentGF E Ti×Pt 0.129*** PatentGS −0.007** Ti×Pt −0.071 PatentGF −0.004 （0.044） （0.003） （0.051） （0.003） 常数项 0.663 常数项 0.130 常数项 0.595 常数项 0.127 （0.786） （0.151） （0.869） （0.152） 控制变量 是 控制变量 是 控制变量 是 控制变量 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 公司固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 年份固定效应 是 样本量 8940 样本量 8940 样本量 8940 样本量 8940 R2 0.639 R2 0.277 R2 0.702 R2 0.277
下载: 导出CSV
表 14 绿色信贷对企业违约风险的动态影响（违约概率变量）
年份 （1） （2） （3） （4） （5） （6） （7） （8） E E VD VD VE VE Patent Patent 2012 −0.027 −0.028 −0.005 −0.023 0.052* 0.061** 0.086 0.081 （0.017） （0.017） （0.029） （0.030） （0.030） （0.028） （0.064） （0.065） 2013 0.001 0.001 −0.063* −0.076** −0.119*** −0.119*** 0.027 0.020 （0.010） （0.009） （0.036） （0.035） （0.039） （0.036） （0.074） （0.075） 2014 0.010 0.005 −0.095** −0.100** −0.202*** −0.167*** 0.057 0.063 （0.011） （0.011） （0.045） （0.044） （0.040） （0.034） （0.082） （0.081） 2015 −0.009 −0.011 −0.106** −0.107** −0.269*** −0.246*** 0.213** 0.226** （0.009） （0.009） （0.054） （0.053） （0.049） （0.045） （0.093） （0.093） 2016 −0.010 −0.015 −0.134** −0.145** −0.160*** −0.117*** 0.343*** 0.358*** （0.010） （0.010） （0.060） （0.058） （0.048） （0.041） （0.098） （0.098） 2017 −0.018 −0.013 −0.178*** −0.181*** −0.074 −0.095** 0.369*** 0.366*** （0.011） （0.011） （0.066） （0.065） （0.052） （0.048） （0.105） （0.104） 2018 −0.038** −0.033** −0.188*** −0.199*** −0.053 −0.098** 0.428*** 0.400*** （0.016） （0.015） （0.072） （0.071） （0.055） （0.049） （0.108） （0.107） 2019 −0.094*** −0.091*** −0.181** −0.175** −0.061 −0.097* 0.483*** 0.456*** （0.023） （0.023） （0.076） （0.075） （0.061） （0.055） （0.113） （0.112） 2020 −0.013 −0.011 −0.199** −0.193** −0.012 −0.046 0.691*** 0.667*** （0.009） （0.009） （0.080） （0.080） （0.070） （0.063） （0.119） （0.118） 2021 −0.054*** −0.049*** −0.209** −0.210** 0.131* 0.073 0.676*** 0.643*** （0.013） （0.013） （0.083） （0.083） （0.072） （0.064） （0.123） （0.122） 2022 −0.035*** −0.022** −0.138 −0.137 0.082 −0.038 0.711*** 0.663*** （0.012） （0.011） （0.085） （0.086） （0.068） （0.062） （0.123） （0.124） 2023 −0.010 − 0.0076 −0.145 −0.173* 0.070 0.001 0.711*** 0.655*** （0.013） （0.013） （0.089） （0.089） （0.066） （0.060） （0.118） （0.122） 常数项 0.047*** 0.122 21.940*** 21.590*** 22.730*** 21.400*** 1.855*** 1.891 （0.004） （0.150） （0.025） （0.766） （0.020） （0.498） （0.033） （1.696） 控制变量 否 是 否 是 否 是 否 是 公司/年份固定效应 是 是 是 是 是 是 是 是 样本量 9030 9030 9030 9030 9030 9030 8940 8940 R2 0.277 0.293 0.917 0.921 0.860 0.884 0.761 0.764
下载: 导出CSV
表 15 绿色信贷对企业违约风险的动态影响（违约距离变量）
年份 （1） （2） （3） （4） DB DB DM DM 2012 1.480*** 1.358*** −0.060 0.027 （0.455） （0.346） （0.241） （0.242） 2013 0.113 −0.127 0.485** 0.533** （0.533） （0.359） （0.229） （0.225） 2014 0.248 0.059 1.153*** 1.073*** （0.589） （0.416） （0.239） （0.236） 2015 0.745 0.451 −0.184 −0.251 （0.680） （0.530） （0.212） （0.209） 2016 1.076** 0.112 0.256 0.181 （0.541） （0.369） （0.183） （0.176） 2017 2.692*** 0.715* 0.403 0.348 （0.542） （0.393） （0.277） （0.266） 2018 2.376*** 1.554*** 0.084 0.078 （0.706） （0.579） （0.204） （0.196） 2019 1.811*** 0.937 0.307 0.180 （0.682） （0.582） （0.226） （0.217） 2020 2.591*** 1.472*** 0.233 0.073 （0.728） （0.569） （0.211） （0.200） 2021 2.836*** 1.831*** −0.835*** −0.946*** （0.696） （0.567） （0.247） （0.240） 2022 1.127 1.149** 0.313 0.263 （0.689） （0.560） （0.230） （0.222） 2023 1.307** 0.171 1.507*** 1.341*** （0.625） （0.524） （0.312） （0.304） 常数项 12.960*** 11.590** 8.019*** 10.320*** （0.190） （5.043） （0.066） （3.634） 控制变量 否 是 否 是 公司固定效应 是 是 是 是 年份固定效应 是 是 是 是 样本量 9030 9030 9030 9030 R2 0.691 0.818 0.670 0.683
下载: 导出CSV
-
[1] THOMPSON P, COWTON C J. Bringing the environment into bank lending: Implications for environmental reporting [J]. The British Accounting Review, 2004, 36(2): 197-218.
[2] WEN H W, LEE C C, ZHOU F X. Green credit policy, credit allocation efficiency and upgrade of energy-intensive enterprises [J]. Energy Economics, 2021, 94: 105099.
[3] YAO S Y, PAN Y Y, SENSOY A, et al. Green credit policy and firm performance: What we learn from China [J]. Energy Economics, 2021, 101: 105415.
[4] 丁志国, 丁垣竹, 金龙. 违约边界与效率缺口:企业债务违约风险识别[J]. 中国工业经济, 2021(4): 175-192. [5] 王馨, 王营. 绿色信贷政策增进绿色创新研究[J]. 管理世界, 2021, 37(6): 173-188. [6] 丁杰, 李仲飞, 黄金波. 绿色信贷政策能够促进企业绿色创新吗?——基于政策效应分化的视角[J]. 金融研究, 2022(12): 55-73. [7] 孟庆斌, 侯粲然, 鲁冰. 企业创新与违约风险[J]. 世界经济, 2019, 42(10): 169-192. [8] BALLESTER L, GONZALEZ-URTEAGA A, MARTINEZ B. The role of internal corporate governance mechanisms on default risk: A systematic review for different institutional settings [J]. Research in International Business and Finance, 2020, 54: 101293.
[9] MERTON R C. On the pricing of corporate debt: The risk structure of interest rates [J]. The journal of Finance, 1974, 29(2): 449-470.
[10] BHARATH S T, SHUMWAY T. Forecasting default with the Merton distance to default model [J]. The Review of Financial Studies, 2008, 21(3): 1339-1369.
[11] BROGAARD J, LI D, XIA Y. Stock liquidity and default risk [J]. Journal of Financial Economics, 2017, 124(3): 486-502.
[12] NADARAJAH S, DUONG H N, ALI S, et al. Stock liquidity and default risk around the world [J]. Journal of Financial Markets, 2021, 55: 100597.
[13] BAGHDADI G A, NGUYEN L H G, PODOLSKI E J. Board co-option and default risk [J]. Journal of Corporate Finance, 2020, 64: 101703.
[14] 郑世林, 韩高峰, 石光. 房地产限购对公司违约风险的影响[J]. 世界经济, 2016, 39(10): 150-173. [15] 许红梅, 李春涛. 劳动保护、社保压力与企业违约风险——基于《社会保险法》实施的研究[J]. 金融研究, 2020(3): 115-133. [16] 吴晟, 武良鹏, 赵湘莲. 绿色信贷政策对制造业外部融资、经济增长和能源消费的影响[J]. 中国人口 • 资源与环境, 2021, 31(3): 96-107. [17] MA X W, MA W W, ZHANG L, et al. The impact of green credit policy on energy efficient utilization in China [J]. Environmental Science and Pollution Research, 2021, 28(37): 52514-52528.
[18] ZHANG K, LI Y C, QI Y, et al. Can green credit policy improve environmental quality? Evidence from China [J]. Journal of Environmental Management, 2021, 298: 113445.
[19] 郭俊杰, 方颖. 绿色信贷、融资结构与企业环境投资[J]. 世界经济, 2022, 45(8): 57-80. [20] 郭俊杰, 方颖. 绿色信贷政策、信贷歧视与企业债务融资[J]. 经济学(季刊), 2023, 23(6): 2231-2246. [21] 王艳丽, 类晓东, 龙如银. 绿色信贷政策提高了企业的投资效率吗?——基于重污染企业金融资源配置的视角[J]. 中国人口 • 资源与环境, 2021, 31(1): 123-133. [22] 张超林, 刘凤根. 绿色信贷政策、信贷资源配置与企业R&D投资——基于双重差分法的实证研究[J]. 管理评论, 2023, 35(7): 122-137. [23] LIU X H, WANG E X, CAI D T. Green credit policy, property rights and debt financing: Quasi-natural experimental evidence from China [J]. Finance Research Letters, 2019, 29: 129-135.
[24] 苏冬蔚, 连莉莉. 绿色信贷是否影响重污染企业的投融资行为?[J]. 金融研究, 2018(12): 123-137. [25] 李俊成, 彭俞超, 王文蔚. 绿色信贷政策能否促进绿色企业发展?——基于风险承担的视角[J]. 金融研究, 2023(3): 112-130. [26] 屈梦杰, 毛莹. 绿色信贷对重污染企业信用风险的影响[J]. 河北金融, 2023(11): 11-18. [27] 孙志红, 罗桂香. 绿色信贷政策是否有效降低了重污染企业信贷风险[J]. 新疆农垦经济, 2024(6): 60-72. [28] AOKI Y. The effect of bank relationships on bond spreads: Additional evidence from Japan [J]. Journal of Corporate Finance, 2021, 68: 101937.
[29] CATHCART L, DUFOUR A, ROSSI L, et al. The differential impact of leverage on the default risk of small and large firms [J]. Journal of Corporate Finance, 2020, 60: 101541.
[30] PORTER M E, LINDE C. Toward a new conception of the environment-competitiveness relationship [J]. Journal of Economic Perspectives, 1995, 9(4): 97-118.
[31] TIAN X, WANG T Y. Tolerance for failure and corporate innovation [J]. The Review of Financial Studies, 2014, 27(1): 211-255.
[32] 颉茂华, 王瑾, 刘冬梅. 环境规制、技术创新与企业经营绩效[J]. 南开管理评论, 2014, 17(6): 106-113. [33] 杨蓉, 彭安祺. 环境规制、技术创新与重污染企业绩效[J]. 华东师范大学学报(哲学社会科学版), 2021, 53(1): 129-141. [34] 武运波, 高志刚. 环境规制、技术创新与工业经营绩效研究[J]. 统计与决策, 2019, 35(9): 102-105. [35] SUCHMAN M C. Managing legitimacy: Strategic and institutional approaches [J]. Academy of Management Review, 1995, 20(3): 571-610.
[36] LI D Y, HUANG M, REN S G, et al. Environmental legitimacy, green innovation, and corporate carbon disclosure: Evidence from CDP China 100 [J]. Journal of Business Ethics, 2018, 150(4): 1089-1104.
[37] ZHANG Y J, WANG W. How does China's carbon emissions trading (CET) policy affect the investment of CET-covered enterprises? [J]. Energy Economics, 2021, 98: 105224.
[38] 常莹莹, 曾泉. 环境信息透明度与企业信用评级——基于债券评级市场的经验证据[J]. 金融研究, 2019(5): 132-151. [39] CORNETT M M, MARCUS A J, SAUNDERS A, et al. The impact of institutional ownership on corporate operating performance [J]. Journal of Banking & Finance, 2007, 31(6): 1771-1794.
[40] 齐绍洲, 林屾, 崔静波. 环境权益交易市场能否诱发绿色创新?——基于我国上市公司绿色专利数据的证据[J]. 经济研究, 2018, 53(12): 129-143. [41] 李青原, 肖泽华. 异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J]. 经济研究, 2020, 55(9): 192-208. [42] 刘金科, 肖翊阳. 中国环境保护税与绿色创新:杠杆效应还是挤出效应?[J]. 经济研究, 2022, 57(1): 72-88. [43] HSU P H, LEE H H, LIU A Z, et al. Corporate innovation, default risk, and bond pricing [J]. Journal of Corporate Finance, 2015, 35: 329-344.
[44] 邓路, 刘欢, 侯粲然. 金融资产配置与违约风险:蓄水池效应, 还是逐利效应?[J]. 金融研究, 2020(7): 172-189. [45] GOYAL V K, WANG W. Debt maturity and asymmetric information: Evidence from default risk changes [J]. Journal of Financial and Quantitative Analysis, 2013, 48(3): 789-817.
[46] CAPASSO G, GIANFRATE G, SPINELLI M. Climate change and credit risk [J]. Journal of Cleaner Production, 2020, 266: 121634.
[47] 丁志国, 张炎炎, 任浩锋. 供给侧结构性改革的“去产能”效应测度[J]. 数量经济技术经济研究, 2020, 37(7): 3-25. [48] TIAN Y H, DING L J, YANG B, et al. The effects of de-capacity policy on steel and coal firms'profitability: Evidence from China's listed companies [J]. Energies, 2022, 15(12): 1-17.
计量
- 文章访问数: 76
- HTML全文浏览量: 18
- PDF下载量: 7
