张 潇

(南京财经大学，江苏 南京 210023)

一、 引言

从《联合国气候变化框架公约》到《京都议定书》再到《巴黎协定》，注重低碳发展已经成为世界各国的共识。 2020 年9 月，我国提出“二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和”，这意味着我国将坚定不移地把降碳和推动绿色发展作为促进经济社会全面绿色转型的总抓手，采取有力政策和措施，实现经济发展与碳排放脱钩。 制造业虽然在我国国民经济中占据主导地位，对保持经济平稳发展贡献巨大，但粗放式增长模式形成了巨大的环境压力，对总碳排放的贡献率达到了53.48%[1]。 因此，推动制造业的深度减排和绿色发展对全社会实现双碳目标意义重大，当然，“3060”目标的提出也为制造业绿色转型提供了契机。

在大力倡导绿色发展的背景下，制造业正在向低碳化方向发展。 一方面，企业重新规划的发展路径、确定的发展重心，会给财务指标带来影响；另一方面，企业所面临的政策支持、市场竞争、管理策略等方面的变化，会对原有的非财务指标产生较大影响。 但现有评级体系更侧重于财务指标，对非财务的指标也更多地集中在企业规模[2-3]、银企关系[4-5]、企业所处宏观环境[6-7]等方面。 Safiullah等[8]以标普的评级结果为因变量，研究发现碳排放通过合规成本和声誉及未来运营这两个渠道影响企业现金流，从而影响信用评级。 所以，现有的从财务和非财务两个方面构建的信贷评价体系不再能够恰当地反映出企业正在经历的转变和面临的风险[9]。

绿色信贷有别于传统的信用贷款，它在贷款政策、文化和管理的流程之中融入了环境与社会责任，这就意味着在信用风险的评估过程中需要将绿色因素考虑在内[10]。 在联合国责任投资原则机构(UN PRI)和全球报告倡议组织(GRI)的指引下，国际上逐步形成了一些具有影响力和代表性的ESG 指标体系。 世界银行也从环境角度对资源效率与污染预防、土地使用、生物多样性保护等方面进行了具体规定。 李晓华[11]则进一步明确绿色对我国制造业发展的具体要求，要开发更多绿色技术和产品并提高自身的内部结构和能源、资源利用效率，减少碳排放。

因此，在制造业进入深化改革创新、转变发展方式的攻坚期，探究企业绿色发展对信贷可得的影响是有必要的。 本文在传统信用评级体系的基础上，融入与企业绿色发展相关的指标，构建适合我国发展趋势的信用评价指标体系，进而对比分析企业信贷可得的决定因素，以期为该行业未来发展提供方向，给银行业发放绿色贷款提供信息支持。

二、 指标体系和模型的构建

(一)指标体系的构建

鉴于双碳目标下，制造业纷纷进行绿色转型的现状，本文参考国内外现有的制造业评价体系，从财务指标和非财务指标两个角度对制造业的传统信用评级指标体系进行构建，并在此基础上融入绿色发展指标，构建出符合发展趋势的信用评价指标体系。

首先，本文参照《企业绩效评价标准值》选取了8 个指标来完成财务指标体系的构建，分别代表企业的偿债能力、盈利能力、营运能力、成长能力。 其中，流动比率、资产负债率能分别体现出一个企业的短期、长期的偿债能力；盈利能力是企业进行转型发展的重要基础，给企业转型所需的现金流提供了可靠保障，而资产报酬率和销售净利率可以较好地衡量一个企业的盈利能力；存货、应收账款可以作为动产进行抵押担保，在一定程度上保证企业的履约行为，并且其周转率能够较好衡量企业的营运能力；成长能力则可以用净利润增长率和营业收入增长率进行衡量。

其次，根据前文对非财务指标文献的总结，本文将非财务指标分为公司规模、股权结构、公司治理、宏观环境这四个方面。 公司规模用总市值、企业经营年限来衡量；用股权集中度即第一大股东持股比例来衡量股权结构；将公司治理分成领导层素质即重要股东文化水平、银企关系即与企业有合作关系的银行数量两个方面；宏观环境作为定性指标难以度量，而在提倡企业进行绿色转型的背景下，本文选用政府补助这一定量指标进行代替。

最后，参考李莹[12]对企业环境绩效评价体系的构建方法和ESG 评价方法，本文的绿色发展指标由资源使用水平、污染减排水平、环保投入水平三个二级指标构成。 用单位产品能源消耗量、原材量消耗量来反映企业资源使用水平；用单位产品废气减排系数和废水减排系数反映污染减排水平。 为污水处理、降低碳排放进行的大规模非生产性投资能反映出企业的环保意识，因此用是否拥有独立的污染处理系统来衡量环保投入水平。 具体指标如表1所示。

表1 数字化制造企业信贷评价指标体系

(二)模型构建

本文采用Logit 回归模型对企业的银行授信情况进行建模，Y为企业是否获得银行授信的虚拟变量，其对数表达式为:

其中，Pi代表获得银行授信的企业的概率，即p(Y＝1)，1-Pi则代表未获得授信企业的概率，即p(Y＝0)。

为了分析制造企业获得银行授信的决定因素，我们构建了两个Logit 模型，如式(2)和式(3)所示。模型1 只包括财务指标和非财务指标，模型2 在模型1 的基础上融入了绿色发展指标。 具体公式如下所示:

式中，Yi表示企业i是否获得银行授信，如果获得，X1i表示财务指标，X2i表示非财务指标，X3i表示绿色发展指标。

本文参考Xu 等[13]提出协变量的平均比例法，来衡量变量对响应变量的贡献。 变量Pj占比的平均值由下式给出:

式中，Xij代表第i个企业的第j个变量的值，βj是变量Xj的系数，pi是Yi＝ 1 的预测概率。 然后将Pj降序排列。 前十个变量被定义为主要的决定因素。

三、 实证研究

(一)样本选取与数据来源

本文以沪深A 股中的制造企业为研究对象，选取2020 年的数据进行研究，剔除被特别处理的样本和数据缺失的样本，最终得到94 家样本企业。

被解释变量为企业的银行授信情况，数据来源于企业2020 年年报，其中获得银行授信的企业有52 家，未获得银行授信的企业有42 家。 核心解释变量中的流动比率、资产负债率、资产报酬率、销售净利率、应收账款周转率、存货周转率等财务指标，来源于CSMAR 数据库；企业的领导层素质、废气废水减排系数、数字化基础设施情况、单位产品的能源和原材料消耗量等指标，基于企业年报手工整理获得。

(二)回归结果分析

根据上述构建的Logit 模型，在多重共线性检验后，对模型1 和模型2 进行回归，其预测结果如表2所示。 市值、企业经营年限是正向显著的，这意味着公司规模越大越有利于企业获得银行授信；资源使用指标属于负向指标，与银行授信是负相关，说明资源利用效率较差的企业获得银行信贷的可能性更小；污染减排系数、环保投入水平与银行授信呈负向关系可能是因为银行考虑到减排能力的提升和基础设施的建设需要投入大量资金，会削减企业生产，属于前期投入大、回收期较长的经济活动，违约可能性较大，风险性增强。

表2 各模型数据的估计系数

(三)决定因素分析

在此基础上，应用协变量的计算方法得到各变量占比，排名前十的变量如表3 所示。

表3 银行信贷可得性变量的重要性排序

在模型1 中，即传统信用评价指标体系下，银行首要关注的是企业经营年限，其次是资产报酬率和市值。 这表明，在不考虑碳中和政策和碳减排举措时，银行发放贷款更重视企业偿还债务的能力和发生违约的可能性，忽视了企业股权结构和公司治理方面的影响。 在模型2 中，即考虑到绿色发展指标时，企业废气减排系数排名第二，这意味着企业在废气处理上的投入和技术水平是银行优先考虑的因素，原材料消耗占比也属于前十的重要影响因素。废气排放和原材料消耗的减少，一方面是企业环保意识的增强、环保能力的提升，另一方面也是企业技术水平的改进，更有利于企业的可持续发展。

将两个模型进行对比，企业经营年限都是首要被考虑的因素，这意味着规模越大的企业，银行认为其违约的可能性就越小，企业能够得到银行贷款的可能性就越大。 而衡量企业成长能力的指标因对绿色发展指标的着重考察而掉出了前十的行列，这意味着绿色发展水平越高的企业其持续发展的可能性越强，在一定程度上有利于企业的成长能力。 其余指标的排名均略微下降。

此外，两个模型的决定因素排名中，股权集中度的排名都较为靠后，这意味着对企业股权结构还未引起足够的重视；污染处理系统对企业获得银行授信的影响力度仍然较小，说明企业需进一步加强将技术应用到产品中的水平，使其更快发挥作用，并需要进一步加强污染处理设施的建设，不能仅依赖于公共设施的污染处理。

四、 政策建议

鉴于上述分析，我们发现绿色发展指标会对信贷可得的决定因素产生重要影响，尤其是企业废气排放指数高居第二位；衡量成长能力的指标受到的影响较大，不再是决定因素；企业股权结构和污染处理水平还未引起企业和银行的高度重视。 为此，我们提出以下建议:

于企业而言，要进行内部结构升级并提高污染防治能力。 在国家政策背景下，企业应增强节能减排意识，及时调整企业发展目标，对企业内部结构进行优化升级，广纳高新技术人才，加强员工专业技能培养，鼓励创新，从而增强企业活力。 此外，企业还应及时披露关于绿色发展情况的具体信息，积极接受国家与公众的监督。

于银行而言，要健全和完善信贷审核信息并完善风险评估体系。 首先，要加强对绿色企业的识别能力，对不符合政策规定的企业，不给予银行授信。其次，要完善获得绿色企业信息的来源，加强和工商税务等部门的联系，重视获取客户来源的渠道，积极运用第三方信息平台获取相关信息。 最后，还要进一步量化绿色发展的内部评价指标，总体上使得对客户的评估更具有客观性和真实性。