绿色金融政策对制造业上市公司的激励效应分析
——基于信息披露的视角

张鲜华， 崔雨晴

(兰州财经大学 会计学院，兰州 730020)

一、引言

2021年8月，联合国政府间气候变化专门委员会(IPCC)发布《第六次评估报告第一工作组报告》。报告指出，自工业革命以来，全球地表平均温度已上升约1℃，由此可能导致的气候变化已造成全球各地自然灾害频发，对地球生态和人类社会造成不可逆转的负面影响。这是继2015年《巴黎协定》提出关于“努力将气温升幅限制在工业化前水准以上1.5℃之内”的目标后，人类再一次意识到遏止全球气候危机的紧迫性。全球各国为此采取诸多应对措施，制定和发布各类政策与相关标准，我国政府提出“2030年前碳达峰、2060年前碳中和”的远景目标。事实上，我国应对气候变化的努力至少可以追溯到2009年，出台多项配套政策，其中之一是绿色金融政策。

在此背景下，曾为我国经济发展作出贡献，但同时是环境污染主要制造者的高污染高能耗企业(简称“两高”企业)，不得不面对绿色升级转型的严峻挑战[1]。“两高”企业多属于资本密集型行业，通常需要通过抵押资产以获得持续的外部融资[2]和信贷资源[3]，迫切需要一系列配套政策和激励手段助其完成产业升级与绿色转型。绿色金融政策制定的初心是将对环境保护和治理的考量融入投融资活动，一方面给予绿色企业融资支持，引导资金流入节能环保和低碳减排等绿色领域；另一方面减少对污染项目的资金供给，实现资金的绿色配置[4]。

然而，在绿色金融政策实施过程中，相当一部分受到融资约束的“两高”企业选择“漂绿”(green washing)做法。漂绿是指企业为应对环境规制而选择的象征性行为[5]，即通过虚假环保宣传以达到粉饰自身行为的目的[6]。相关研究表明，融资需求较强的企业面对信贷约束时，会有较强动机操纵盈余[7]、粉饰环保表现[8]，甚至不惜披露虚假信息，以换取信贷资源的支持。基于此，本文选取在我国经济发展中占据重要地位且“两高”企业较为集中的制造业作为研究对象，将该行业上市公司置于绿色金融政策全面实施的背景之下，并以决定绿色金融市场透明度的企业信息披露质量为视角，检验绿色金融政策的实施是否对制造业的绿色转型升级发挥激励作用。

二、文献回顾与假设提出

(一)文献回顾

什么是绿色金融，国内外学界尚未形成统一的界定，但均将其视为金融行业的重要创新，旨在通过运用多样化的金融工具，将环境治理纳入投融资活动，通过投融资行为实现资金的绿色配置，最终促进生态协调发展，实现经济与环境之间的平衡[9-11]。实施绿色金融政策后，一方面优先考量绿色产业和清洁项目，给予倾斜；另一方面减少对污染项目的资金供给，促使传统产业向绿色化转变。本文采纳由中国人民银行、财政部等七部委于2016年8月联合发布的《关于构建绿色金融体系的指导意见》(以下简称《指导意见》)中的定义：绿色金融是指为支持环境改善、应对气候变化和资源节约高效利用的经济活动，即对环保、节能、清洁能源、绿色交通、绿色建筑等领域的项目投融资，项目运营，风险管理等所提供的金融服务。《指导意见》的发布标志着绿色金融已上升至国家战略高度。基于此，绿色金融政策可视为通过贷款、私募基金、发行债券和股票、保险等金融服务，将社会资金引导至绿色产业发展的一系列政策和制度安排[12]。

近年来，引发学界和政策制定者广泛关注的相关议题主要集中在实施绿色金融政策对宏观经济发展的影响，以及对企业和银行形成的微观影响[13]。通过大样本研究，该政策已被证明能够有效促进全社会绿色投资、绿色产业发展，且能够对“两高”企业形成显著的融资惩罚效应和投资抑制效应[14-17]。不过从全球范围来看，绿色金融尚属新生事物，在发展过程中仍面临如何持续实施的问题。学界为此的努力主要体现在三个方面：第一，探索如何完善绿色金融的正向激励机制[18]。一方面是来自中央、地方两级政府的财政贴息和税收优惠支持，如何更好地发挥激励作用[19]；另一方面是来自中央银行再贷款的支持和低成本绿色发展基金，如何降低绿色融资的综合成本[20]。第二，探索如何加大绿色金融产品和服务创新。实施绿色金融的领域或项目大多要求投资回报，需要吸取国际相关领域的先进经验，通过创新绿色金融工具满足市场多样性和多维度需求，才能实现商业化或准商业化运作[21]。第三，探索如何持续提升绿色金融市场的透明度。研发绿色产品需要巨量投入，通过披露质量较低的环境信息来粉饰自身环保表现则成本较低，而绿色金融市场存在信息不对称，加之公众的绿色发展意识匮乏，使融资方利用信息优势进行漂绿成为可能[22-23]。可见，绿色金融市场的透明度在某种程度上决定绿色金融政策所要达成的环境规制目标能否实现，即能否激发企业的内在减排动力，使其通过技术创新实现主动减排[24]。

通过以上文献可以看出，虽然学者们大多已关注到绿色金融政策的实施给宏观经济的绿色发展带来积极影响，但同时将微观企业置于相对严苛的环境规制中。企业会基于适应哲学选择真正“变绿”，还是基于对抗哲学进行粉饰性漂绿，这与绿色金融市场的透明度密切相关。本文基于既有研究成果，选取关乎绿色金融市场透明度的企业信息披露质量为视角，检验绿色金融政策全面实施背景下A股制造业上市公司公开披露的信息质量变化及其内在机制，以期助力政策制定者把握绿色金融政策对企业的微观影响，最终达到激励企业实现绿色升级转型的初衷。

(二)提出假设

金融机构制定绿色金融政策的初心：一方面期望利用优先放贷或优惠性利率，给予绿色企业融资支持；另一方面期望通过限制信贷或惩罚性利率，约束污染企业发展。面对严苛的环境规制，企业会做何反应？根据《南方周末》2009—2016年连续8年发布的“中国漂绿榜”，漂绿现象广泛存在，甚至不乏知名大企业榜上有名。常见手法是，企业通过信息披露向外界发送象征意味的信号，既可能是“报喜不报忧”的选择性披露，也可能是“言行不一”的表述性操纵。

从企业披露的财务信息来看。实施绿色金融政策给“两高”企业带来一系列限制，引发企业融资问题，使得原本依赖外部持续融资的污染企业雪上加霜。污染型企业多属于资本密集型行业，其外部融资依赖程度高，对这些企业来说，一旦由于信贷问题出现资本风险，企业很容易陷入生存危机[25]。而在外界看来，传统制造业企业特别是“两高”企业的高利润往往与高消耗高污染画上等号，被视为通过耗费大量能源、排放巨量污染物而来。在此背景下，“两高”企业若报告显示良好的盈利，则更容易引起公众的强烈关注，甚至带来政治成本。叶青等的研究证实登上“胡润富豪榜”这一高调事件后富豪公司选择低调行事，通过降低会计信息质量，以尽量规避或减轻公众关注所带来的政治成本[26]。唐松等基于政治成本假说，研究表明民营企业家背负的“原罪”嫌疑会降低其所经营企业的会计信息质量[27]。综上，此类企业往往会选择低调行事，通过平滑利润，避免可能引发的公众关注、造成高昂的政治成本，且不影响信贷资源的获得。基于此，提出假设H1：在绿色金融政策全面实施背景下，制造业上市公司的财务信息披露质量呈现下降趋势。

从企业披露的非财务信息来看。一方面，企业履行社会责任特别是环保责任的成本高昂，需要足量的资金支持，财务绩效构成企业社会责任的约束变量[28]；另一方面，相关研究表明企业履行社会责任对财务绩效的正向影响需要一个较长期间，短期来看企业履行社会责任会降低当期的财务绩效[29]。有研究显示，企业环境信息披露质量对债务融资成本的降低作用十分有限[30]。因此，当企业有融资需求，但囿于环境规制，且财务绩效不理想时，会利己考量而“报喜不报忧”地选择性披露，或“言行不一”地表述性操纵披露，使非财务信息质量受损。基于此，提出假设H2：在绿色金融政策全面实施背景下，制造业上市公司的非财务信息披露质量呈现下降趋势。

三、研究设计

(一)样本选择与数据来源

本文选取在我国经济发展中占据重要地位且“两高”企业较为集中的A股制造业上市公司作为样本，剔除存在观察值缺失和ST及*ST企业。同时，选取样本公司2010—2020年间公开披露的财务和非财务信息作为样本数据。为避免极端值的影响，对连续变量进行1%和99%水平上的缩尾处理。最终，获得非平衡面板样本数据8206个。

分析采用的财务数据均来自CSMAR 数据库，非财务数据来源于和讯网企业社会责任报告评级数据库，数据分析采用Stata 16.0软件完成。

此外，将2016年G20杭州峰会作为我国全面开展绿色金融实践的起点。原因是在此次峰会上，担任主席国的中国首次提出绿色金融理念，并成立绿色金融研究小组，激励环境友好型绿色投资建设，引发全球关注。

(二)变量选取

1.验证假设H1的变量选取

对于财务信息披露质量的衡量，目前学界常见的做法有两种：第一种是采用盈余反应系数，即市场对盈余信息的反映程度，检验会计盈余与股票累计超额收益率之间的关联性[27]112。绿色金融政策实施后，会计盈余与股票累计超额收益率之间若呈现正向关联，则表明政策实施后企业财务信息披露质量有所提升；若负向关联，则说明财务信息质量有所下降。第二种是采用Jones经典模型或修正后的Jones模型来说明企业的盈余管理水平。通过采用修正后的Jones模型计算出可操纵应计利润(DA)，取绝对值，得到可操纵性应计利润的绝对值(ABSDA)，用以衡量企业盈余管理的动机[31]。即若绿色金融政策全面实施后，企业的可操纵应计利润增加，则表明企业的财务信息披露质量下降。为规避因测度方法的选取而导致偏差，本文在主回归分析中采用第一种做法，在稳健性检验中采用第二种做法。

具体来说，当采用第一种做法时，解释变量为绿色金融政策全面实施后的会计盈余，由NI*Year_dum两部分组成。其中，NI为会计盈余，选取每股收益率(EPS)作为代理变量；Year_dum为政策虚拟变量，2010—2015年赋值为0，2016—2020年赋值为1；两者的交互项则代表政策(未)实施下的会计盈余[32]。同时，被解释变量为样本公司i在第t年的股票累计超额收益率(CARi，t)，具体计算公式为

CARi，t=[∏(1+Ri，k-1]-[∏(1+Rm，k-1]，

(1)

式中，i表示样本公司，k表示月份，Ri，k表示股票i在第t年第k月的报酬率，Rm，k表示同一月份内的市场回报率。数据来源于CSMAR数据库中“考虑现金红利再投资的月个股回报率”和“考虑现金红利再投资的综合月市场回报率(等权平均法)”。考虑我国上市公司披露年报的日期为次年4月30日，第t年的CARi，t是指第t年5月初至t+1年4月末的12个月累计超额报酬率。

2.验证假设H2的变量选取

解释变量为政策虚拟变量，2010—2015年赋值为0，2016—2020年赋值为1。被解释变量，即非财务信息披露质量，本文采纳和讯网对样本公司所披露的社会责任信息质量评级。该评级从股东责任、供应商、客户和消费者权益责任、环境责任和公共责任等五个方面对企业所披露的社会责任信息进行综合及分项评分，已被众多国内研究者认可和采用。为了更精准地观察企业应对绿色金融政策的信息披露表现，本文选取其中的环境责任分项评分作为非财务信息披露质量的代理变量。

3.控制变量的选取

为排除其他因素对研究结论存在的潜在影响，借鉴相关研究做法，并结合本文研究内容，选取两类控制变量：一类是样本公司的基本特征变量，包括企业规模(Size)、资产负债率(Lev)、营业收入增长率(Growth)、第一大股东持股比例(Top1)、经营性现金流比率(CF)和盈利能力(ROA)；另一类是样本企业的股权特征和治理特征变量，包括是否两职合一(Dual)、董事会规模(Boardsize)、独董规模(Indrct)、高管是否持股(Mnghld)、机构持股比例(INST)和股权性质(SOE)。同时，加入个体、时间和省份效应，以期控制对回归结果的影响。此外，为消除聚集效应可能带来的偏误，对回归中的标准误差进行企业层面的聚类(cluster)处理。相关变量的类型、名称以及具体定义说明见表1。

表1 主要变量的定义

(三)模型构建

为检验绿色金融政策的全面实施对制造业上市公司财务和非财务信息披露质量的影响，基于假设H1和H2，分别构建回归模型(2)和模型(3)。模型中的α0和β0表示常数项，Year为时间固定效应，Province为省份固定效应，ε为随机扰动项。此外，考虑绿色金融政策的实施对信息披露质量的影响存在时滞效应，模型(2)和模型(3)中的被解释变量分别为滞后一期的数据，解决时间序列数据中由于经济活动的连续性或持久性导致的自相关问题。

CARi，t-1=α0+α1×NIi，t+α2×NIi，t×Year_dum+α3×Controli，t+Yeari，t+Provincei，t+ε；

(2)

CSRi，t-1=β0+β1×Year_dum+β2×Controli，t+Yeari，t+Provincei，t+ε。

(3)

为验证在绿色金融政策实施背景下，制造业上市公司的财务信息披露质量呈现下降趋势，在模型(2)中，系数α表明会计盈余的信息含量，α1为绿色金融政策实施前的盈余反应系数，预期显著为正，α2为NI*Year_dum交互项的系数，表明实施绿色金融政策后制造业上市公司财务信息披露质量所发生的变化，预期显著为负。同时，为验证绿色金融政策背景下，制造业上市公司的非财务信息披露质量也呈现下降趋势，在模型(3)中，系数β1表明实施绿色金融政策后制造业上市公司非财务信息披露质量的变化，预期显著为负。

四、实证分析与结果讨论

基于研究设计，对样本企业8206个非平衡面板数据展开描述性统计、单变量统计和回归分析，验证研究假设。

(一)描述性统计和单变量分析

首先，对变量进行描述性统计分析，发现样本企业无论是财务绩效还是基本特征方面均存在较大差异。从非财务信息披露来看，差异也不容忽略，特别是环境责任信息披露的标准差达到0.910。其次，通过分组单变量分析，初步比较和判断样本企业在绿色金融政策实施前后的信息披露。结果表明，政策实施后，ABSDA和环境责任得分(CSR)均值明显降低(0.050<0.058和0.102<0.658)，且差异在1%水平上显著。控制变量中，除营业收入增长和盈利能力变化不大外，其余变量均存在显著的前后差异。由此，初步验证假设H1和H2，即绿色金融政策全面实施，制造业上市公司财务和非财务信息披露质量呈现下降趋势。

(二)相关性分析

主要变量间的相关性分析结果显示，除盈利能力和会计盈余之间相关性较强，其他变量间相关系数均小于0.5，说明变量间不存在多重共线性，不会对模型的拟合优度产生影响。此外，控制变量与被解释变量的关系基本显著，说明控制变量的选取是适合的。

(三)多变量回归分析

通过豪斯曼检验分析，验证假设H1和H2是否成立，且同时控制个体、时间和省份，较适合的方法是采用面板数据模型中的个体固定效应模型进行回归。另外，使用个体固定效应模型，控制不随时间或个体变化的因素，解决部分内生性问题。

多变量回归后的结果见表2。其中，第(1)列和第(2)列是模型(2)加入控制变量前后的回归结果，重点观察交互项NI*Year_dum，考察政策实施后财务信息披露质量的变化。模型(2)中，期初会计盈余指标NI的系数在加入控制变量前后显著为正，表明在绿色金融政策全面实施前，样本企业的财务信息披露质量良好。政策实施后，交互项NI*Year_dum的系数为负值，并在加入控制变量前后均表现为负相关，只是显著程度上存在1%和5%水平上的区别。交互项为负，表明在绿色金融政策全面实施后，样本企业的会计盈余和股票累计超额收益率之间的关系不再密切，会计盈余信息含量低，财务信息披露质量有所下降，假设H1得到验证。

第(3)列和第(4)列是模型(3)加入控制变量前后的回归结果，重点观察虚拟变量Year_dum，考察政策实施后非财务信息披露质量的变化。环境责任信息披露的系数显著为负，并在加入控制变量前后皆通过1%水平上的显著性测试。这说明在绿色金融政策全面实施后，样本企业的非财务信息披露质量明显下降，假设H2得到验证。

表2 多变量回归

表2 (续)

五、进一步的机制检验

根据前文的文献回顾可推断，全面实施绿色金融政策后，“两高”企业面临着金融机构对信贷投放的严格规制，很难获得债务融资，而且随时可能成为政府环保监管和处罚的目标。实施绿色金融政策后，承受着环境责任风险、信贷违约风险和声誉风险的“两高”企业越来越难以获得融资。面临着融资困境的企业有强烈的调整对外披露信息的动机，通过迎合政策偏好而获取信贷资源。本文进一步分析企业融资约束程度，检验其是否在信息披露质量下降过程中起到中介作用。

关于企业融资约束的测量方法有很多，代表性的测度方法有KZ指数[33]、WW指数[34]和SA指数[35]。结合本文研究，参考鞠晓生的做法，采用SA指数来衡量，原因在于：一方面，该研究关注的融资约束问题与本文类似，具体是由企业自身原因导致的贷款者“惜贷”，从而增加企业的外部融资成本，造成融资受限的情形；另一方面，融资约束测量方法虽多，但这些方法均依赖具有内生性的财务指标如现金流等，而融资约束与现金流等金融变量之间相互决定[36]，以致研究结论可能存在偏误。选择SA指数，仅使用企业规模和企业年龄两个随时间变化不大且具有很强外生性的变量构建指数，既易于计算，又排除内生性干扰。计算公式为

SA=0.043×Size2-0.073×Size-0.04×Age，

(4)

式中：Size为公司年末总资产除以100万，再取自然对数；Age为样本观测年份与公司成立年份之差。(4)式计算结果取绝对值即SA指数，SA指数越大，面临的融资约束越严重。

参照温忠麟提出的中介效应检验程序，构造计量模型(5)、模型(6)和模型(7)。分别检验假设H1和H2的同时，分三个步骤来验证融资约束在绿色金融政策实施与样本公司(非)财务信息披露质量之间是否发挥中介效应[37]。

DA/CSR=α0+α1×Year_dum+α2×Control+Year+Province+ε，

(5)

SA=β0+β1×Year_dum+β2×Control+Year+Province+ε，

(6)

DA/CSR=α0+α1×Year_dum+δ×SA+α2×Control+Year+Province+ε。

(7)

回归结果见表3。其中，第(1)列至第(3)列为验证假设H1的三步回归结果，第(4)列至第(6)列则是验证假设H2的回归结果。第(1)列Year_dum的回归系数显著为负(α1=-0.022，p<0.01)，说明政策实施对样本企业财务信息披露质量具有显著的负向影响，由此，进入下一步的中介效应检验。第(2)列显示政策实施对样本企业融资约束的影响，控制相关变量的影响后，Year_dum的回归系数显著为正(β1=0.345，p<0.01)，表明政策实施加强样本企业的融资约束。第(3)列Year_dum的回归系数依然显著为负(α1=-0.037，p<0.01)，但比第(1)列下降0.015；同时，融资约束的回归系数显著为正(δ=0.041，p<0.1)。这表明政策实施后，在样本企业财务信息披露质量下降过程中，融资约束起到部分的中介效应。用同样的分步骤检验方法对假设H2进行回归，结果表明，融资约束在政策实施后样本企业财务信息披露质量下降过程中起到部分的中介作用。进一步回归结果表明，实施绿色金融政策后，样本企业面临加剧的融资约束，引发企业在财务信息和非财务信息的披露上采取有损于信息质量的举动。

表3 进一步的机制检验回归

六、稳健性检验

在验证假设H1的回归分析中，采用盈余反应系数作为财务信息质量的代理变量。然而，该代理变量包含股价的因素，有可能受到市场和投资者预期的影响。为了保证研究结论的可靠性，采用前文所述的另一种主流方法，用修正的Jones模型计算可操纵应计利润DA，取其绝对值，得到ABSDA，将其作为财务信息披露质量的代理变量。DA的计算步骤如下。

第一，构建模型(8)并进行回归，估算参数β1、β2和β3。

(8)

式中：i表示样本企业；t表示年度；TAi，t代表i公司在第t期的总应计利润，为营业利润减去经营活动现金净流量；Ai，t-1代表i公司在第t-1期的期末总资产；ΔREVi，t为i公司在第t期的主营业务收入增加额；PPEi，t为i公司在第t期的期末固定资产账面价值。

第二，将估算的β1、β2和β3代入模型(9)，计算非可操纵性应计利润。式中，ΔRECi，t为企业的应收账款变动额。

(9)

第三，通过公式(10)计算得到样本企业在第t年的可操纵应计利润。估算出DA值并取绝对值后，构建回归模型(11)，检验绿色金融政策实施背景下样本企业财务信息披露质量的变化。

(10)

ABSDA=α0+α1×Year_dum+α2×Control+Year+Province+ε。

(11)

针对假设H2，采取和讯网对样本企业的社会责任信息披露质量总评分，构建回归模型(12)检验绿色金融政策背景下样本企业的非财务信息披露质量变化。

CSR=β0+β1×Year_dum+β2×Control+Year+Province+ε。

(12)

回归结果表明，无论是否加入控制变量，α1的系数皆显著为负。该结果验证假设H1成立，即在绿色金融政策全面实施背景下，样本企业的财务信息披露质量呈现下降趋势。类似，无论是否加入控制变量，β1的系数皆显著为负。该结果验证假设H2成立，即在绿色金融政策全面实施背景下，样本企业的非财务信息披露质量呈现下降趋势。通过替换两组变量后的稳健性检验表明，前文的检验结果较稳健。

七、研究结论与对策建议

(一)研究结论

推出绿色金融政策旨在将环保考量融入投融资活动，实现资金的绿色配置。本文将2016年G20杭州峰会视为我国全面实施绿色金融政策的起点，以关乎绿色金融市场透明度的企业信息披露质量为视角，选取A股制造业上市公司为样本，实证分析其公开披露的财务和非财务信息，检验绿色金融政策实施是否起到激励企业绿色转型的作用。结果表明：第一，全面实施绿色金融政策后，样本企业的财务和非财务信息披露质量均有所下降。这一结果在替换相关变量后依然稳健。第二，进一步内在机制检验表明，绿色金融政策的全面实施致使样本企业面临愈发严苛的融资约束，样本企业为获取信贷资源而选择迎合政策偏好，其结果是损害信息披露质量。

(二)对策建议

为了应对严峻的气候风险，实现“双碳”目标，我国的绿色金融市场仍需进一步发展。由此，提出以下对策建议。

对监管方来说，欲回归政策制定的初心，需要在把握政策实施对企业可能形成的微观影响的基础上灵活施策，进一步完善绿色金融政策的相关标准。例如，“两高”企业的绿色转型是应对政策变化的难点，不同行业在转型目标和路径等方面缺乏共识，迫切需要转型金融标准与机制的指导，尤其是具体的绩效指标和测量工具[38]。在信息披露方面，需要引导企业进行规范化和结构化的披露，特别是环境绩效信息需要量化，并构建环境效益信息披露平台和绿色金融数据库。

对企业特别是“两高”企业来说，需要形成对自身所处政策及市场环境转型趋势的认知和定位[39]，尽快开展有关绿色转型的战略设计，并制定具体的应对策略。在此基础上，探索跨行业合作和多技术路径组合，运用金融与信息技术，加速企业的绿色转型升级。在信息披露方面，除监管需要和规避风险等来自外部的动因外，企业需要在监管方和自身的共同推动下找到提升信息披露质量、实现企业真正变绿的内在动力。

对金融机构与中介机构来说，需要充分认识绿色金融在当前社会经济背景下的战略价值，不断开发和创新绿色金融产品与业务，并逐步建立一整套科学、规范和可操作的绿色金融产品管理体系。在此基础上，同步推进环境信息披露，实现商业模式的闭环[40]，在实现我国“双碳”目标过程中获得市场优势。