苏 蕾，翁赫章

(东北林业大学 经济管理学院，哈尔滨 150040)

长期以来，严重污染和大量碳排放是我国面临的主要环境问题，为此，国家积极部署生态文明建设，倡导绿色低碳的生产生活方式，并提出了力争于2030年前实现碳达峰、2060年前实现碳中和的战略目标。为了实现双碳目标，环保企业的绿色创新必不可少，绿色创新能够带动绿色经济转型进而改变现有环境状况，是支撑我国碳达峰、碳中和稳步实现的有力手段。然而，由于绿色创新本身具有周期长、风险高等特点[1]加之企业进行绿色创新更多的是出于企业自身社会责任的要求和政府的监督，而并非行业竞争[2]，导致长期以来环保企业绿色创新意愿低下。《2030年前碳达峰行动方案》，明确提出大力发展绿色贷款等绿色金融工具，引导金融机为了调动环保企业绿色创新积极性，满足环保企业经营需要，2021年10月国务院印发《2030年前碳达峰行动方案》，引导金融机构为绿色低碳项目提供长期限、低成本资金。该方案的制定明确了以绿色金融来优化我国污染性经济结构、进而实现双碳目标的战略方向；肯定了绿色信贷为低碳环保行业优化资金配置、为环保企业绿色创新提供源源不断资金支持的重要作用。从预期达到的目标来看，绿色信贷和绿色创新都有共同的目的，即追求环境收益。然而，绿色信贷是否如政策初衷对环保企业绿色创新产生了正向作用，并且，融资约束在绿色信贷与企业绿色创新的关系当中又产生了何种作用，这些问题并不明晰。因此，本研究通过分析融资约束视角下绿色信贷融资量对环保上市公司绿色创新水平的影响，探究绿色信贷对环保企业绿色创新的推动效应，对于实现我国绿色信贷合理配置，加快实现双碳目标发挥着重要作用。

1 理论分析

1.1 绿色信贷与绿色创新的关系梳理

关于绿色创新，本研究在相关学术研究梳理当中，发现研究方向的不同会导致绿色创新的定义和名称产生较大的差别[3]，总的来说，绿色创新的定义存在广义和狭义之分。

国际经合组织(OECD)早在2008年就给出了绿色创新的广义定义：即在产品、生产过程、服务或管理和商业方法上生产、吸收或利用一种新事物，其目的是在其整个生命周期内防止或大幅减少资源使用(包括能源使用)的环境风险、污染和其他负面影响[4]。绿色创新概念的提出引起了国内学者的讨论，张钢和张小军(2013)提出绿色创新的狭义定义，他们认为：绿色创新是旨在减少对环境不利影响的创新，它的产生是对环境创新或环境绩效的改进[5]。李旭(2015)则认为绿色创新主要是对资源与环境产生了效果，并且绿色创新具有双重外部特性[6]。近些年我国部分学者从绿色技术创新的角度赋予绿色创新定义，并用绿色专利作为绿色创新产出的数据源进行研究[7-8]。

通过文献的整理和分析，本研究提出绿色创新的狭义定义：即绿色创新是指为了减少能源利用和环境污染增加环境绩效，而进行的工艺的改良或技术的改进。

然而，在现实中，这种改良或改进使得绿色创新具有较强的知识溢出效应和环境外部性，加大了企业的绿色创新成本，并且长时间内并得不到有效补偿。这导致了绿色创新内生动力不足的问题在我国长期存在。有学者提出，绿色创新动力性不足的根本原因是：企业进行绿色创新风险高，所需投入量大且回报周期长，同时，企业也并不会获得所有、甚至大多数进行绿色创新活动而带来的社会收益[9]。因此，仅仅依靠传统的融资渠道和金融手段来推动企业绿色创新是远远不够的，合理的金融工具、强有力的政策和资金支持缺一不可。随着问题的日益尖锐，绿色信贷工具在推动绿色经济发展、企业绿色转型方面的重要影响逐渐得到了社会的认可[10]，绿色信贷要求金融机构在对投资项目综合评估时融入项目的社会及环境影响，以金融杠杆的作用提升企业融资的“环保门槛”。

1.2 融资约束对绿色信贷与环保上市公司绿色创新关系的影响

优序融资理论和信息不对称理论认为，信息不对称导致企业内外部融资存在成本差异，即外部融资成本高于内部融资成本。当所面临的成本差异较大时，企业只能选择内部融资进行投资活动，进而产生了融资约束问题[11]。

由于绿色创新具有投入量大、风险高、回报低的特点，环保上市公司若长期使用内部融资资金进行绿色创新活动，不仅很快会使企业陷入资金短缺的困境[12-13]，而且会因出于商业机密的保护和没有恰当的披露渠道等种种问题，造成信息不对称问题的加剧，环保上市公司在绿色创新项目外部融资方面的制约也将因此变得更加严峻[14]。另一方面，外部投资者为了降低风险、缓解信息的高度不对称，则需要付出大量的信息搜寻成本，这使得本就严峻的环保上市公司的融资难题雪上加霜，企业绿色创新的发展进而受到严重的打击。然而，作为战略与核心，环保上市公司即使在融资方面面临巨大阻碍也不会轻易放弃对于绿色创新项目的投资，相反，融资约束十分严重的企业的绿色创新意愿往往更加强烈[15]。因此，相较于低融资约束企业，当得到低利率且具有重大投资价值信号的绿色信贷[16]支持后，高融资约束企业会因融资约束得到一定程度的缓解而更加积极的开展绿色创新活动。

基于以上理论分析，本研究的创新主要体现在：首先，从企业层面研究绿色信贷对绿色创新的影响。已有研究多集中在绿色信贷政策的宏观视角对高污染、高耗能企业融资的制约，而本研究以环保上市公司的角度，对绿色信贷融资量和绿色创新水平的关系进行了实证分析，拓展了绿色信贷现有研究内容，丰富了企业视域下绿色创新的研究成果。其次，对环保上市公司绿色创新指标体系进行了创新构建。由于节能环保行业的概念较为新颖，学术界尚未对环保上市公司或节能环保企业的概念进行明确解释[17-18]。为了确保研究的真实性与科学性，本文通过《绿色产业指导目录(2019版)》《国民经济行业分类》及《上市公司行业分类指引》等政策文件的梳理，结合CSMAR数据库构建了完整的环保上市公司绿色创新指标体系。最后，本研究以融资约束为视角，探究不同融资约束下绿色信贷融资量与环保上市公司绿色创新水平关系当中的调节效应。这不仅拓宽了绿色信贷与绿色创新关系的研究视角，延伸了绿色创新影响因素的研究范畴，并且为实践中绿色信贷的投向选择上提供了方向性建议。

2 数据来源与研究方法

2.1 数据来源

本研究采用研究期间内我国A股市场上市公司专利数据以及对应的经济数据，上市公司绿色专利数据来自中华人民共和国国家知识产权局(SIPO)，经济数据来自国泰安数据服务中心(CSMAR)和同花顺。

由于学术界未对环保上市公司的概念进行明确解释，本研究依据2019年国家发改委发布的《绿色产业指导目录(2019 年版)》对其进行了界定。结合《国民经济行业分类与代码(GB / 4754—2011)》的四位数小类代码提取出节能环保产业的行业代码，并在CSMAR数据库及同花顺软件中筛选得到环保上市公司名单。在剔除未连续经营的、主研变量数据严重缺失和ST类企业后，最终构建了104家环保上市公司2015—2019年的平衡面板数据库，在剔除无效数据及缺省值后，观测值为372。

关于绿色专利授权数据，本研究选择采用WIPO于2010年推出的《国际专利分类绿色清单》作为政策标准和划分依据。该报告项下的检索条目以《联合国气候变化框架公约》为基本框架进行绿色专利分类。依照上述绿色专利划分的分类标准，最终在中国国家知识产权局官网根据IPO专利分类号和企业名称进行搜集，识别并核算了环保上市公司逐年的绿色专利授权数量，并将搜集结果作为企业绿色创新水平的核心衡量指标。

其他经济数据均从CSMAR数据库获取。

2.2 变量选择

被解释变量为绿色创新水平PAT，用上市公司绿色专利授权数量来衡量。借鉴齐绍洲(2018)、何凌云(2019)的研究，笔者认为，相较于政策等虚拟变量指标，将绿色专利授权数量作为度量环保上市公司绿色创新产出水平的指标具有客观性；同时，相比与单纯的专利数量，采用绿色专利数量指标能有效地剔除其他促进环保上市公司绿色创新的其他不可观察到的因素，如政府补贴等。

模型的解释变量:一是反映环保上市公司绿色信贷投放情况的指标GCL，本文采用绿色信贷余额衡量环保上市公司的绿色信贷实施情况；二是反映企业融资约束强度的指标SA。借鉴Hadlock&Pierce设计的能够避免内生性的SA指标计算公式为SA=-0.737·SIZE+0.043·SIZE2-0.040·AGE，其中SIZE为企业规模，取总资产的自然对数；AGE为企业的成立时间，以企业观测年度减去注册年度表示。SA指标数值越大，说明企业融资约束水平越高；三是融资绿色信贷和约束强度的交乘项GCL ×SA。模型(2)在模型(1)的基础上加入绿色信贷与融资约束强度的交互项，使得研究能够证明在不同融资约束强度的企业中，绿色信贷融资对企业绿色创新水平造成的不同影响。关于模型(1)，本研究主要关注GCL的系数，其正负能够说明绿色信贷对绿色创新水平的作用关系；而关于模型(2)，本研究主要关注交乘项系数，其正负能够说明在不同的融资约束下，绿色信贷对企业绿色创新水平影响的差异性。

控制变量主要包括了企业盈利能力ROA、社会财富创造力托宾Q、市场竞争度MAR和发展能力GROWTH的企业微观特征，具体定义见表1。另外，在实证分析过程中，使用的是面板数据，选择固定效应进行研究，控制企业的个体固定效应，以消除因不同企业而带来的不易观测到的其他影响。

表1 变量的定义

2.3 模型设定

PATi,t=α0+α1GCLi,t+α2SAi,t+α3GROWTHi,t+α4MARi,t+α5Qi,t+α6ROAi,t+εi,t

(1)

PATi,t=β0+β1GCLi,t+β2SAi,t+β3SAi,t×GCLi,t+β4GROWTHi,t+β5MARi,t+β6Qi,t+β7ROAi,t+σi,t

(2)

3 实证分析

3.1 描述性统计

表2列示了主要变量描述性统计结果。绿色创新水平方面，绿色专利授权数量自然对数的均值为1.859，标准差为1.349，最大值为6.497，表明在样本期间，环保上市公司绿色专利授权数量均值为6.417，标准差为3.854，最大值为663，说明环保上市公司绿色创新平均水平较差，不同企业绿色创新水平差异较大。融资约束强度方面，最小值为1.955，最大值为9.513，标准差为1.29，表明不同企业融资约束程度存在较大差异。

表2 变量的描述性统计

3.2 实证结果分析

表3中模型(1)、(2)的回归结果中可以看出，DW检验值均接近2，调整R2达到了90%，表明两个模型均由较好的拟合效果且没有自相关情况。

表3 检验结果

模型(1)的回归结果中可以看出，绿色信贷投放水平(GCL)的系数在1%的水平上显著为正，表明当绿色信贷投放水平越高时，环保上市公司的绿色创新水平越高。控制变量中，发展能力(GROWTH)系数显著为负，表明企业发展能力的提升在一定程度上阻碍了企业绿色创新能力的提升；市场竞争度(MAR)和盈利能力(ROA)的系数都显著为正，表明企业较好的市场表现和较强的盈利能力可以给企业绿色创新的发展产生积极的影响；社会财富创造能力(Q)的系数为负，但显著性水平不高，表明企业对社会的财富溢出效应阻碍了企业绿色创新水平的提升。

模型(2)的回归结果中可以看出，模型(2)的R2显著高于模型(1)的R2，并且交乘项SA·GCL的系数也通过了5%的显著性检验，根据温忠麟(2005)的研究，证明模型(2)调节效应显著。交乘项系数为0.250，且通过5%显著性水平检验，表明环保上市公司的融资约束越强，绿色信贷对绿色创新的正向作用越明显。

3.3 稳健性检验

考虑到企业往往不是年初就获得绿色信贷，加之开展绿色创新活动需要进行前期较长的计划准备阶段，当年的绿色信贷可能不会立即被企业投入到当年的绿色创新活动中，即绿色信贷的作用可能存在的滞后性。为了避免绿色信贷的滞后效应对研究结果造成影响，本文将绿色信贷投放水平变量滞后一期，检验当年绿色信贷对下一年企业绿色创新的影响，结果如表4，研究结论并没有受到实质性的影响，具有稳健性。

表4 稳健性检验的检验结果

4 结论与启示

本文以中国2015—2019年104家A股环保上市公司为样本，实证检验了绿色信贷对环保上市公司绿色创新的影响及融资约束在其中的调节作用。结果发现：①绿色信贷对环保上市公司绿色创新水平具有显著的正向影响，表明若金融机构加大绿色信贷投放力度将有助于改善环保上市公司绿色创新水平；②融资约束对绿色信贷与环保上市公司绿色创新指标之间的关系具有正向调节作用，融资约束越大的企业绿色信贷越能显著的提升企业绿色创新水平，说明若金融机构若能精确匹配融资约束高的环保上市公司并加大绿色信贷的投放力度，将进一步有效解决融资难点痛点，切实改善整个节能环保产业的融资环境，并提升企业绿色创新水平。

基于以上研究结论，实践过程中主要有以下启示：

第一，应开展金融机构绿色信贷业绩的评价。以2021年5月人民银行发布的《银行业存款类金融机构绿色金融业绩评价方案》为指引，实践好绿色信贷业绩评价方法，加强银行业金融机构绿色信贷业务的激励约束的同时刺激金融机构不断拓宽绿色信贷业务模式，撬动更多低息信贷资源向节能环保产业倾斜，进而促进节能环保行业高质量发展，使得绿色创新意愿强、绿色创新能力强的优秀环保上市公司受到可持续性的金融支持。

第二，应基于环保企业绿色创新评价不断加强金融机构对环保企业信用评级的监管。首先，银行业金融机构应设计精确的核算方法评价企业绿色创新能力，并将评价结果纳入银行征信系统，进一步提升信贷资格审核效率，避免银行信贷决策失误；其次，应进一步完善我国《企业环境信用评价办法》，实施对绿色创新能力评价结果的动态管理。明确“底线”，对于创新能力强的环保企业给予不断的资金支持、对于未达到评价要求的企业进行及时的资金限制，倒逼环保企业不断提升并维持绿色创新能力，打破节能环保产业融资约束瓶颈，实现绿色发展的良性循环。

第三，应严控企业自身绿色信贷资金流向。对于A股环保上市公司绿色信贷流向普遍披露不足的问题，首先环保企业自身应做到合理的运用绿色信贷资金盘活企业应收账款，进而提升环保企业绿色创新能力，在经营过程中确保资金配置的合理性；同时，应做到专款专用，并及时进行相关财务信息的共享或披露，加强社会、政府及企业自身的监督，确保绿色信贷资金“掷地有声”。