环境信息披露对企业全要素生产率的影响

2021-08-09付嘉为东北财经大学经济学院辽宁大连6025东北财经大学经济计量分析与预测研究中心辽宁大连6025

中国环境科学 2021年7期

范丹,付嘉为 (.东北财经大学经济学院,辽宁大连 6025；2.东北财经大学经济计量分析与预测研究中心,辽宁大连 6025)

目前,中国环境治理进入新阶段,在继推行命令控制型和市场激励型环境规制政策之后,环境信息披露作为降低企业与社会公众之间的信息不对称的有效手段,是否可以逐步将环境规制主要措施转移到以企业披露、公众监督为主的环境信息披露上是值得关注的议题.在美国,环境信息披露政策已经成为政府直接环境管控和市场工具的重要补充或替代措施[1].中国环境信息披露政策于 20世纪末展开,并逐步得到落实和发展.在此背景下,党的十九大提出提高全要素生产率是中国经济高质量发展的动力之源.上市企业作为市场的主体对经济增长以及经济结构优化发挥重要引领,其全要素生产率的提升更是中国实现高质量、高效率、可持续经济发展的关键[2].因此,在企业环境治理问题和高质量发展的双重背景下,探究环境信息披露对企业全要素生产率的影响,成为环境经济学关注的重要问题.

环境信息披露作为评估企业环境风险的重要依据,已逐渐成为政府和学界关注的重点.美国早期出台的 TRI(有毒物质排放清单)制度在一定程度上降低了企业污染[1].之后针对上市公司实施 ESG(环境、社会及公司治理)项目也取得了明显的企业污染减排效果.在学术界,国内外学者也分别从不同角度对环境信息披露进行研究,主要基于微观视角,考察环境信息披露对企业财务绩效[3]、环境治理[4]、污染减排[5]、企业风险[6]等方面的影响.也有少量研究考察环境信息披露的影响因素[7-8].而鲜有文献研究环境信息披露与企业全要素生产率之间的关系.其原因在于企业环境信息披露难以量化,以及全要素生产率与环境信息披露之间存在的内生性问题难以解决,这也正是本文的出发点和关注所在.

另一方面,关于环境规制对企业全要素生产率的影响,已有文献分别考察了以两控区为代表的命令型环境规制阻碍了企业全要素生产率的增长[9].以排污权交易为主导的市场激励型环境规制提升了上市企业全要素生产率[10].此外,关于全要素生产率的相关研究也多从行业[11]、省份地区[12-13]等宏观、中观角度进行,关于微观企业层面研究较少.鉴于此,本文拟从微观企业层面出发,围绕环境信息披露对企业全要素生产率的影响这一主题进行拓展,并进一步揭示环境信息披露对企业生产效率的作用渠道.

本文以2007～2016年的沪深两市上市企业作为研究对象,实证探讨环境信息披露对企业全要素生产率的影响,并对传导机制及异质性进行分析,从微观角度为政府进一步推行环境信息披露制度提供策略参考.

1 研究方法与设计

1.1 机理分析

企业全要素生产率作为生产中一种综合性的评价指标.可以分解为技术创新效应和资源配置效应[10].一方面,环境信息披露可能通过合规成本(外部压力)和声誉效应(内部激励)促使企业提高绿色技术创新[14-15].同时,环境责任作为社会责任的重要组成部分,详细的环境信息披露能够反映企业承担的环保责任.一般而言,积极进行环境信息披露的企业有助于向投资者传递企业经营稳定的正面信息[16],给消费者树立具有社会责任感的企业形象,有利于提高企业综合竞争力.此外,环境信息披露也是影响银行借款的重要影响因素,可以通过降低银企间信息不对称,来帮助企业降低债务融资成本[17].另一方面,环境信息披露质量高的企业会被投资者认为更有实力和社会责任感,因此给予其更多的环境风险折价,降低了企业股权融资成本[18-20].而企业综合竞争力和企业融资约束又会影响企业要素资源配置,因此本文拟从绿色技术创新、综合竞争力和融资约束三条途径来探讨环境信息披露对企业全要素生产率的影响.

1.2 实证模型构建

1.2.1 环境信息披露对企业全要素生产率影响路径的计量模型上述机理分析对环境信息披露与企业全要素生产率的关系作出理论推断,为了更加准确的检验环境信息披露对企业全要素生产率的影响机理.本文构建如下模型:

上式中:Yijt表示省份i行业j中的企业在第t年的全要素生产率.EDI是环境信息披露得分.β1是本文重点关注的环境信息披露对企业全要素生产率的影响;X表示影响企业全要素生产率的一组控制变量,包括企业规模、股权集中度、企业年龄、企业所有制、资产负债率、现金流量比、资产收益率和固定资产比例;δi为地区固定效应;λj为行业固定效应;nt为年份固定效应;εijt为随机误差项.

1.2.2 环境信息披露对企业全要素生产率作用机制的中介效应模型为了更加准确的衡量出绿色技术创新、企业融资约束和企业竞争力在环境信息披露对企业全要素生产率影响效果的大小和比重,本文参考温忠麟等[21]的研究方法构造中介效应模型如下:

式中:Mijt表示中介变量;中介效应大小为 ab;中介效应可拆分为绿色技术创新(Patentijt)、企业综合竞争力(LIijt)、融资约束(KZijt和 SAijt)3条路径.Patentijt表示省份i行业j中的企业在t年获得的绿色发明型专利授权量.LIijt表示省份i行业j中的企业在t年用于衡量企业综合竞争力的勒纳指数.KZijt和 SAijt分别表示省份i行业j的企业在t年所受融资约束大小的指标,其它变量解释与模型(1)相同.

1.2.3 环境信息披露对企业全要素生产率影响的双重差分模型为了克服内生性对研究结论的影响,本文以2013年7月环境保护部颁布的《国家重点监控企业污染源监督性监测及信息公开办法》[22]作为准自然实验,该政策强制要求重污染企业披露其环境信息.因此第一重差分来自于重污染企业与非重污染企业之间的差异,第二重差分来自于试点前与试点后的差异,构建以下双重差分模型:

式中,TFPijt表示位于省份i行业j的企业在t年的全要素生产率.DID表示企业污染类型虚拟变量(Treat)与政策时间前后虚拟变量(Time)的交互项,即企业为重污染企业,则Treat取值为1,反之取值为0;在政策后Time取值为 1,反之取值为 0;其系数α1是本文重点关注的环境信息披露政策对企业全要素生产率的影响效果;X为一组控制变量,与公式(1)中控制变量相同;ηi为地区固定效应;μi为行业固定效应;ξt为时间固定效应;εijt为随机误差项.

1.3 数据来源和处理

为了从微观层面探讨环境信息披露对全要素生产率的影响,结合数据的可获得性,本文以 2007～2016年的沪深两市上市企业作为研究对象,依据特定标准,对企业环境信息披露水平进行衡量.所需评估数据来源于企业年报和社会责任报告等,并通过企业相关财务数据,利用OP法计算出企业全要素生产率,所需财务数据均来自源wind数据库.与以往宏观层面研究中通过提取出数据中的平衡面板数据,或利用差值法补齐缺失值的数据处理方式不同,本文采用非平衡面板数据,较好的保留了数据的真实性和准确性.考虑到奇异值对研究结论的潜在干扰,参考现有研究本文剔除以下样本数据:①数据值缺失严重的企业;②标注为ST或ST*的企业;③金融类企业;④同时发行H股和B股的企业.

1.4 重要变量及其测量

1.4.1 环境信息披露本文使用企业环境信息披露指数(EDI)作为解释变量对企业环境信息披露水平进行量化,根据2010年环境保护部颁布的《上市公司环境信息披露指南》[23]相关指引,对企业环境信息披露从企业污染物排放情况、企业环保资金投入、企业环保事故及赔偿、企业环保目标、获得政府相关环保补贴、与环保相关的贷款、政府环保政策对企业产生的影响、为改善生态环境进行的投入、获得的环保荣誉、其他与环保相关的收入和支出这10个方面进行综合打分.具体判断标准如下:未进行环境信息披露记为 0分,无数字化信息且无货币化信息的定性环境信息披露记 1分,有数字化信息但无货币化信息的定量环境信息披露记 2分,同时具有数字化信息和货币化信息的环境信息披露记 3分.将所有项目在这三个维度的得分加总可得样本企业环境信息披露的量化总得分,最后根据公式(1)得到最终的环境信息披露指标(EDI).

式中:EDIj表示第j个上市企业的环境信息披露总得分,TEDI表示最佳环境信息披露得分,为满分30分.

1.4.2 全要素生产率全要素生产率最早由索洛提出,多数研究最初通过索洛余量来计算企业全要素生产率,这种测算方式虽然简单,但是易受到内生性和选择误差等问题带来的干扰.之后,Olley等[24]提出的半参数OP法很好地解决了这个问题,因此采用该方法测算全要素生产率得到了广泛应用[25-26].本文运用 OP法测算企业全要素生产率,具体而言,使用企业固定资产净值的自然对数和企业成长年限作为状态变量,控制变量为企业是否为国有企业和是否有进出口活动,代理变量为企业投资的自然对数,退出变量用企业是否标注为ST或ST*和企业是否退市来表示.除 OP法外,本文进一步利用 LP法、ACF法和GMM法测算全要素生产率进行稳健性检验.LP法和OP法类似,主要区别在于LP法使用中间投入作为代理变量.ACF法在OP法与LP法的基础上进一步克服了变量的相关性问题.而 GMM方法可解决模型中的内生性问题[10].

1.4.3 中介变量和分类变量选用绿色专利授权量作为绿色技术创新的代理变量进行机制检验,选取勒纳指数(LI)来衡量企业综合竞争力,勒纳指数=(营业收入-管理费用-销售费用-营业成本)/营业收入.LI数值越大,企业竞争力越强.构建企业融资约束的 KZ指标[27-28],该指数越大,表示企业受到的融资约束越强.参考 Hadlock等[29]构建企业融资约束的 SA指标,具体为 SA=-0.737size+0.043size2-0.040age,其中size为其规模的自然对数; age为企业成立时间.该指数绝对值越大表示企业所受到的融资约束越强.异质性分类变量包括地区、所有制性质、行业污染程度和行业竞争强度4个方面.通过构建赫芬达尔——赫希曼指数(HHI)来衡量企业所处行业的竞争程度.并且按照 HHI指数的测算方法分为以资产总计测算的HHI指数(HHI_asset)和以营业收入计算的HHI指数(HHI_ output),其中HHI指数值越高,表明行业的垄断程度越高,竞争程度越低,反之则反.并将HHI由高到低排列,取中位数及以上的设为低竞争行业,取中位数以下的设为高竞争行业进行异质性分类.

1.4.4 其他变量为了控制其他因素对企业全要素生产率的影响,在回归模型中加入了其他可能影响企业全要素生产率的变量.具体包括:企业规模、股权集中度、企业年龄、企业所有制、资产负债率、现金流量比、资产收益率和固定资产比例.考虑到时间、行业、地区对研究结论的影响,本文也控制了年份、行业、省份固定效应,并在省份层面进行聚类,各变量的定义和描述性统计结果见表1.

表1 变量定义及描述性统计Table 1 Variable definition and descriptive statistics

2 实证结果与分析

2.1 环境信息披露对企业全要素生产率的影响

利用公式(2)回归结果见表 2,无论采用哪一种模型进行估计,以及是否添加控制变量,环境信息披露的系数 β1均为正,且不同模型回归系数差异不大,添加控制变量后的回归系数均值为 0.173.该结果说明环境信息披露作为除命令型环境规制和市场型环境规制之外的第 3种环境规制手段,有助于促进企业全要素生产率.原因可能有以下 2个方面,从市场方面来说,环境信息披露能够有效传播企业环境信息,缩小信息不对称,加大企业与消费者之间的联系,提高消费者对企业环境绩效的关注,采取“用脚投票”的方式,能够倒逼企业进行绿色研发,提高企业全要素生产率.从投资者角度来看,积极而准确的环境信息披露,能够增加投资者信心,从而降低企业融资成本,促进企业研发投入.

表2 环境信息披露对企业全要素生产率的影响Table 2 Impact of environmental information disclosure on enterprise total factor productivity

本文利用微观企业层面的现实数据.全面系统的考察环境信息披露对我国企业全要素生产率的影响.为相关环境信息披露制度建设和企业生产效率提升的研究提供补充.但囿于数据可获性,本文仍存在局限性有待进一步拓展.本文选取环境信息披露较为详细的沪深上市企业为研究样本,由于这类企业存在一定特殊性,导致研究结论较为有限,而这需要更多其他类型企业数据来解决.最后,随着我国环境信息披露的不断发展,更多相关数据的披露,未来相关研究可进一步拓展.

2.2 PSM检验

由于企业在环境信息披露内容上具有较大的自主选择权,企业可能更加突出与之相关“好”的环境绩效信息,弱化与之相关“坏”的环境绩效信息,从而产生样本自选择问题.为了解决上述问题,本文按照是否进行了环境信息披露,将全样本分为处理组和控制组.表3报告了使用PSM最近邻匹配法的估计结果.可以发现,虽然在匹配前后,处理组相对于控制组而言,环境信息披露对企业全要素生产率的处理效应(ATT)从0.133下降至0.063,但仍然在1%的水平上显著,说明在解决样本自选择问题后,上文结论仍然保持稳健.

表3 PSM检验结果Table 3 The results of PSM

此外,本文接下来也从其它方面对研究结论进行稳定性检验.并对其传导机制展开分析.同时根据企业所在地区、所有制性质、污染程度、行业竞争度等差异,分别探讨企业环境信息披露对企业绿色技术的异质影响.

2.3 稳健性检验

2.3.1 替换被解释变量考虑到OP法测算企业全要素生产率具有一定的特异性,为了避免由于全要素生产率测算方法带来的选择性误差,提高结论的稳健性,本文分别采取了LP法、ACF法和系统GMM法测算出的企业全要素生产率作为被解释变量,并通过方程(2)进行回归.结果发现,不同估计方法中环境信息披露EDI的系数β1仍然显著为正.因此,在采用不同的估算方法来避免特异性误差后,结果仍然显著,证明了上文结论的稳健性.

2.3.2 工具变量检验虽然企业进行环境信息披露是自发性行为,但可能存在全要素水平越高的企业,其环境信息披露水平也越高.为了进一步解决可能由于这种双向因果而产生的内生性问题,本文使用工具变量(lnIV)法进行稳健性检验.参考史贝贝等[30]选取地市级报纸种类数量作为环境信息披露的工具变量,本文选取当年百度新闻中包含该上市企业名称的新闻条数作为环境信息披露的工具变量.主要原因在于,第一,随着移动终端的广泛使用,网络已经成为政府及相关部门获得信息的最大来源,企业受到的政府及社会关注度越大,该企业进行环境信息披露的可能性也就越大,而百度新闻中包含该企业的新闻条目数很好的反应了企业所受的关注度.第二,百度新闻中包含企业名称的条目数并不会随着企业全要素生产率的大小而明显变化,满足工具变量的有关假设.此外,本文也通过了工具变量外生性检验以及弱工具变量检验.

本文利用Python获取2007～2016年百度新闻中包含企业名称的条目数,根据企业代码匹配到各个企业,将该条目数的自然对数,作为环境信息披露的工具变量(lnIV),较好地克服了模型可能存在的内生性问题.工具变量的估计结果发现,在处理内生性问题后,环境信息披露同样可以显著促进企业全要素生产率,进一步验证了上文结论的稳定性.

2.3.3 增加控制变量除了上述控制变量外,在企业层面,本文分别参考于新亮等[31]研究发现,企业人均工资和企业资本密度均会影响企业全要素生产率.因此,分别选取企业应付工资占企业人数之比与企业固定资产占企业人数比例进行衡量.此外也新增控制了企业绿色实用新型专利授权数量.在省份层面,地区经济发展水平、城市规模、居民消费水平和科技水平均会影响企业全要素生产力,本文分别用地区人均GDP的自然对数、人口数的自然对数、居民消费价格指数的自然对数和地区大学数量的自然对数来衡量,并加入模型中予以控制.新增控制变量的回归结果表明,无论是单独新增省份或企业层面的控制变量,还是同时新增省份与企业层面控制变量,环境信息披露都能显著促进企业全要素生产率,说明上文结果具有较好的稳健性.

2.3.4 增加协变量为了进一步控制可能影响到上文结论宏观层面的因素,参考史贝贝等[30]的处理方法,在模型(2)的基础上添加省份与时间的一次交互项 pro×t(t=year-2007)、二次交互项 pro×t2、省份虚拟变量(pro)与年份虚拟变量(year)的交互项pro×year,来控制省份层面随时间变化的非线性趋势对研究结论的影响.增加协变量后的回归结果显示,环境信息披露(EDI)的系数β1仍显著为正,表明环境信息披露仍然可以显著提高企业全要素生产率,进一步证明了结论的稳健性.

2.3.5 内生性处理-双重差分法虽然PSM法在一定程度上缓解了企业环境信息披露自选择问题带来的回归结果偏误,本文仍担心全要素生产率较高的企业更有可能进行更加详细环境信息披露,由此双向因果带来的内生性问题仍然可能对研究结论造成干扰.因此,本文利用双重差分法考察环境信息披露政策对企业全要素生产率的影响.双重差分回归结果显示,在控制了控制变量和地区、行业、时间三重固定效应后,环境信息披露政策仍显著提高了重污染企业的全要素生产率,说明在进一步缓解样本自选择偏误和内生性问题后,上述结论仍然稳健.

3 机制检验和异质性分析

3.1 传导机制分析

3.1.1 企业绿色技术创新以企业绿色技术创新为中介机制的估计结果见表4,环境信息披露对企业绿色技术创新的影响系数为正,与李青原等[32]发现的排污收费促进了企业绿色专利成果产出相似.在添加企业绿色技术创新变量后,环境信息披露对全要素生产率的系数值为 0.011,且在 1%的水平上显著,但比不添加中介变量的系数估计值 0.232要小,说明此中介效应成立,与排污权交易通过促进企业绿色技术创新来提高企业全要素生产率的研究发现类似[10].上述传导路径成立的理论依据可能在于,环境信息披露迫使投资者和消费者增加对企业环境绩效的关注,倒逼企业进行绿色技术升级,促进企业绿色研发,从而提高企业全要素生产率.

3.1.2 企业综合竞争力环境信息披露通过提高企业综合竞争力来促进企业全要素生产率的结果同见表 4.与经验证据不同,环境信息披露对企业综合竞争力的回归结果并不显著,说明企业环境信息披露并未促进企业综合竞争力,这与刘悦等[33]发现的环境规制在长期不会影响企业的生产率和竞争力相同,进而环境信息披露也未能通过企业综合竞争力来促进企业全要素生产率.可能原因在于我国环境违法成本较低,公众环保意识薄弱[1],难以通过企业环境信息披露来提高企业产品竞争力,从而未能提高企业在市场上的竞争地位.

表4 绿色技术创新和综合竞争力的机制检验结果Table 4 Mechanism test results of green technology innovation and comprehensive competitiveness

3.1.3 企业融资约束环境信息披露通过缓解企业融资约束来提高企业全要素生产率.一般而言,企业环境信息披露质量越高,企业就越容易获得银行长期贷款和投资者的青睐,从而缓解企业融资压力.对企业融资约束的机制检验结果报告见表5环境信息披露对融资约束KZ和SA的系数估计值均显著,说明提高环境信息披露水平能够降低企业融资约束,与吴红军等的研究发现相同[34].无论采用哪种指标来衡量融资约束,环境信息披露均能通过缓解企业融资约束来促进企业全要素生产率.

表5 融资约束的机制检验结果Table 5 The results of mechanism test of financing constraints

3.2 异质性分析

3.2.1 不同地区由于我国不同省份之间的要素资源禀赋,科技发展水平存在差异,环境信息披露的企业全要素生产率的促进作用也可能会有所不同.因此本文将全样本按地区划分为东、中、西3个子样本分别进行回归.研究结果见表 6,可以发现环境信息披露对企业全要素生产率的促进作用仅体现在东部地区,在中西部地区未能产生预期效果.可能原因在于东部地区企业受到的投资者和消费者关注度更高,环境信息披露对企业影响较大.

表6 地区异质性检验结果Table 6 Regional heterogeneity test results

3.2.2 企业所有制性质将全样本按企业所有制性质分为国有企业(SOE=0)和非国有企业(SOE=1),如表8所示,非国有企业的EDI系数为正,在5%的水平上显著,而国有企业的 EDI系数不显著,说明非国有企业全要素生产率受环境信息披露影响程度显著,而国有企业的环境信息披露未产生明显效果.分析原因,一方面,国有企业受到更多的政府补贴,缺乏竞争压力,环境信息披露不能显著推动企业绿色创新,对企业融资约束的影响也较小.另一方面,非国有企业自负盈亏,环境信息披露使消费者产生“用脚投票”,倒逼企业进行绿色研发,同时积极的环境信息披露也会降低企业融资预算,促进企业全要素生产率.

3.2.3 行业污染按《上市公司行业分类指引》[35]将样本划分为重污染企业(Pollution=1)和非重污染企业(Pollution=0)两个子样本,代入公式(2)分别进行回归,检验结果见表 7.从回归结果可以看出,重污染企业的环境信息披露对企业全要素生产率的激励效应为正,在 5%的水平上显著,而非重污染企业的环境信息披露对企业全要素生产率的作用效果并不明显.原因在于,重污染企业通过环境信息披露降低了与银行或其他投资机构之间的信息不对称,有利于缓解企业融资约束.

表7 企业性质和污染类型异质性分析结果Table 7 Heterogeneity test results of enterprise nature and pollution type

3.2.4 行业竞争将样本分为高竞争行业和低竞争行业分别进行回归.行业竞争异质性检验结果见表8.由检验结果可以发现,无论是以哪种方式衡量行业竞争,处于高竞争行业中的企业环境信息披露均能显著促进全要素生产率,而处于低竞争行业中的企业的环境信息披露并未实现预期效果.可能原因在于以下两点:第一,行业垄断程度的增加,加大了企业融资约束,进而阻碍了企业要素结构禀赋升级.第二,在高竞争行业中,以利益最大化为目标导向的企业通过绿色技术创新改善企业环境绩效,从而产生更加正面的环境信息披露,以获得更大的市场份额.

表8 行业竞争异质性检验结果Table 8 Industry competition heterogeneity test results

4 建议

考虑环境信息披露有助于企业全要素生产率的提升,而我国目前环境信息披露主体多为上市企业,通过企业社会责任报告披露环境信息,且存在负面披露少、披露种类低、披露质量差等问题.因此,需完善相应法律法规,规范披露标准,增加定量信息披露,丰富披露的污染物种类,提高披露的详细程度.可借鉴国际上利用特定的可持续报告、ESG报告等来披露企业环境信息,以提升环境信息披露的效果.

自2021年起,我国全部上市公司强制披露环境信息.因此,可以充分发挥上市企业的示范引领作用,进一步推行并逐步扩大环境信息披露企业范围.我国目前环境违规处罚力度相对较低,应加强环境执法力度,以此诱发企业绿色技术创新,进而提升企业全要素生产率.此外,还应为不同所有制企业营造公平的市场竞争环境,提高对中西部地区企业环境信息披露的关注度,强化市场竞争程度.