绿色信贷政策能够提升重污染企业会计稳健性吗?——基于《绿色信贷指引》的准自然实验

□ 刘岩 赵祖强

一、引言

作为评价会计信息质量的一项重要指标，会计稳健性反映了企业对“坏消息”和“好消息”反应的非对称性。在市场经济条件下，企业既会遇到“好消息”，也会面临“坏消息”，稳健性原则要求企业在处理不确定的经济业务时应持谨慎的态度，提高会计稳健性可以有效预防公司财务风险。党的十八大以来，绿色金融在我国取得了长足进展，多元化的绿色金融产品和服务明显推动了我国经济社会发展的绿色化、低碳化。其中，绿色信贷政策兼具金融资源配置与企业环境规制的双重特性，它可以通过市场化的经济手段来促使企业将污染成本内部化，有效发挥了资金配置对环境的正外部性作用（成琼文和李赵研，2021；祝贺缤和邵慧敏，2021）。在党的十九大报告将“防治污染”和“防范化解重大风险”同时上升到国家战略地位的背景下，评估绿色信贷政策的风险防范作用具有重要的研究价值。鉴于会计稳健性具有明显的风险预警和风险缓冲功能，厘清绿色信贷政策影响重污染企业稳健性的作用机制，不仅可以考察银行业金融机构对绿色信贷政策的落实情况，而且能够为防治污染和防范公司财务风险提供新的经验证据。

在“双碳”目标的指引下，绿色信贷政策评估成为时下研究的热点。已有研究发现，绿色信贷政策实施之后，高污染企业的新增银行借款大幅度萎缩，受此影响，高污染企业不仅显著提高了其环保信息披露质量（刘亦文等，2022）和环保社会责任意识（斯丽娟和曹昊煜，2022），而且还加快了绿色创新转型的步伐（谢乔昕和张宇，2021；王馨和王营，2021）和提升了绿色全要素生产率（刘传江等，2022）。显然，关于绿色信贷政策的研究成果主要聚焦于企业行为选择和经营绩效，但是，鲜有文献专门讨论绿色信贷政策是否会影响高污染企业的会计稳健性。提高会计稳健性可以给企业带来一系列的积极影响，它不仅能够降低债务成本（郑登津和闫天一，2016）、抑制关联交易（张洪辉等，2018）和真实盈余管理行为（蒋勇和王晓亮，2019），而且还在一定程度上提高了企业的投资效率（刘晓红和周晨，2021）。那么，如何才能提高企业的会计稳健性呢？从利益相关者的角度来看，公司债特殊条款（甄红线等，2019）、企业内控评价（刘斌和吴锡皓，2019）和大客户地理邻近性（程小可等，2019）均可以提升企业的会计稳健性；从信息披露的角度来看，关键审计事项披露（王宏涛等，2022）和年报问询函（姜永宏等，2023）显著提高了被问询企业的会计稳健性。那么，绿色信贷政策能够提升重污染企业会计稳健性吗?

为此，本文从损失厌恶心理视角出发，分析绿色信贷政策影响重污染企业会计稳健性的作用机制，并以2012年印发的《绿色信贷指引》为外生政策事件构造准自然实验，运用双重差分模型（DID）实证检验了绿色信贷政策对重污染企业会计稳健性的影响。与已有文献相比，本文的边际贡献如下：（1）首次以损失厌恶心理为切入点，阐释了绿色信贷政策影响重污染企业会计稳健性的作用机制，不仅为评估绿色信贷政策提供了新的思路，而且丰富了会计稳健性研究的相关文献；（2）从企业产权性质和投资效率的角度分析绿色信贷政策对重污染企业会计稳健性的异质性影响，异质性分析的结果进一步表明，损失厌恶心理在绿色信贷政策提升重污染企业会计稳健性过程中起到了关键作用。

二、理论分析与研究假说

绿色信贷政策本质上是基于环境保护的信贷配给，它显著改变了重污染企业的融资环境（秦海林和刘岩，2022；徐于蓝，2021），加剧企业的信贷资源损失厌恶心理，从而激励企业提高会计稳健性。

绿色信贷政策的出台意味着企业所面临的的融资环境发生了较大的变化，已有研究发现，绿色信贷政策显著降低了重污染企业的长期债务比例（苏冬蔚和连莉莉，2018）。受此影响，重污染企业可能会有两种截然相反的选择。一方面，为了缓解融资约束，管理层可能会增加盈余管理和降低会计稳健性。当企业拥有投资机会但面临融资约束困境时，管理层往往会进行向上的盈余管理,通过传递“好消息”和减少“坏消息”的方式进行盈余平滑,从而帮助公司取得更多外部融资机会，这显然会降低企业的会计稳健性（李胜楠等，2016；李宾和杨济华，2017）。另一方面，面对融资约束，管理层也具有提高会计稳健性的动机。已有研究发现，会计稳健性在银行信贷契约中占据重要的地位，由于较高的会计稳健性可以降低银行的信贷风险,银行愿意提供优惠贷款回报企业，因此，为了缓解融资约束，管理层有动机提高会计稳健性（赵刚等，2014）。此外，采取稳健的会计政策也有助于企业获得商业信用融资和降低股权融资成本（陈幸幸等，2019；王生年和徐亚飞，2016）。因此，从理论上来讲，在不考虑其他因素影响的条件下，绿色信贷政策可能会降低重污染企业的会计稳健性，也可能会提升其会计稳健性。

然而，在绿色信贷政策的影响下，无论是加强贷前授信审批管理，还是对有潜在重大环境和社会风险的客户制定并实行有针对性的贷后管理措施，信贷契约的完善和加强显著提升了银行在重污染企业中的债权人地位。在《绿色信贷指引》的作用下，银行可以在债务契约中更加明确债权人的权利、控制权相机转移制度等等，尤其是当银行以投放短期债务为主时，重污染企业面临环境风险或者出现任何违约行为，债权人随时可以停贷断贷，甚至实施控制权转移（袁卫秋，2005）。在银行充分发挥债权监督治理机制效应下，企业隐瞒负面消息的成本与风险将会增加，这会加剧企业的信贷资源损失厌恶心理，为了获得绿色信贷支持，公司管理层势必会减少机会主义行为，提高对“坏消息”的反应敏感度，进而促使重污染企业的会计稳健性有效提升（徐昕和沈红波，2010）。综合上述分析，本文提出以下假说：

H1:绿色信贷政策可以提高重污染企业的会计稳健性。

三、研究设计

（一）样本选择与数据来源

本文以我国2009-2021年A股上市公司数据为初始样本，进行如下处理：（1）剔除金融类上市公司样本；（2）剔除所有ST、ST*类股票的交易数据；（3）为保证主要变量的完整性，剔除主要变量缺失严重的样本；（4）借鉴前人的研究方法，对会计稳健性等主要连续变量在1%和99%的水平上进行Winsorize缩尾处理。经过处理后，本文共得到包含1504家上市公司的14129个样本数据，以上所用到的企业微观数据均来自CSMAR数据库。本文使用STATA16.0进行数据处理和实证检验。

（二）变量定义和度量

1.被解释变量

（1）会计稳健性（Cscor e）。Khan和Wa tts（2009）认为会计稳健性主要取决于公司的规模、市值和财务杠杆，可以通过这三个主要变量的线性组合计算得出企业的会计稳健性。本文参照他的做法，在Basu（1997）模型的基础上进行了修正，计算出每家公司的CScore。本文首先参考叶永卫等人的做法，构建Basu模型：

在模型（1）中，EPSi,t表示企业i在t年的每股收益；Pi,t-1表示企业i上一年年末股票价格；DR是一个虚拟变量，若R＜0，则DR赋值为1，否则赋值为0，其中R表示t年5月到t+1年4月的考虑现金红利再投资的个股回报率；Sizei,t表示企业i在t年的规模；Levi,t表示企业i在t年的资产负债率；MBi,t表示企业i在t年的市值账面比，用企业市值与股东权益面值之比进行衡量。需要对模型（1）进行分年度回归，估计出系数γ1～γ4，再将其代入模型（2）计算得到会计稳健性（Cscore）。

（2）会计稳健性（Basu）和会计稳健性（ACF）。本文以Basu和ACF代替Cscore做被解释变量进行稳健性检验，其中，Basu反映了会计盈余对“坏消息”敏感度；ACF反映了应计项目对负的经营性现金流敏感度比对正的经营性现金流敏感度的增量，该值大于0则说明会计稳健性存在。

2.解释变量

（1）双重差分变量（DID）。首先，设置政策识别虚拟变量（Time）。本文以2012年印发的《绿色信贷指引》为准自然实验，选择《绿色信贷指引》的出台时间做政策节点，即2012年及其以后的年份记为1，2012之前的年份记为0。其次，设置处理组虚拟变量（Treated）。本文以是否属于污染行业为标准确定处理组和对照组。对于重污染企业的界定以2008年环保部颁布的《上市公司环保核查行业分类管理名录》为依据，包括钢铁、冶金、电解铝、水泥、火电、建材、采矿、煤炭、纺织、化工、石化、制药、轻工、制革等相关企业。借鉴于波（2021）的研究，如果上市企业属于上述行业则做处理组，记为1；反之则为对照组，记为0。最后，生成双重差分变量（DID），即处理组虚拟变量（Treated）与政策识别虚拟变量（Time）的交互项。

（2）三重差分变量（DDD）。考虑到《绿色信贷指引》鼓励银行业金融机构实行有差别、动态的授信政策，以行业标准划分确定的重污染企业过于笼统，并且其他政策也可能对以上行业产生影响，所以本文以该上市公司是否为重点污染监控单位为标准确定第二对处理组和对照组，即设置第二对处理组虚拟变量（Group），如果企业为重点污染监控单位，则记为1，反之则记为0。

3.中介变量

债务期限结构（MS）。参考李栋栋（2016）对债务期限结构的测度方法，本文以长期债务与总负债的比值来代表企业的债务期限结构（MS）。根据上述测度标准，长期债务占比越多，企业的MS值就越大，其债务期限也就越长。反之，MS越小，则表明企业只能获得短期融资，这在一定程度上表明企业面临一定的融资约束。缩短债务期限能够让债权人更好地掌握债务人的经营动态，加强债权人对债务人的监督和约束。

4.控制变量

为了尽最大可能避免有偏估计，本文参考已有文献依次加入如下控制变量：托宾Q值（Q）、资产规模（SIZE）、产权性质（NOPR）、融资约束（FC）、公司年龄（CAGE）、管理层年龄（MAGE）、会计准则变更的影响（CAS）和会计事务所（BIG）。

本文所用到的主要变量如表1所示。

表1 主要变量及其定义

（三）模型设计

1.双重差分模型

本文主要通过构造双重差分模型来检验绿色信贷政策对重污染企业会计稳健性的影响。双重差分模型的设计如下：

式中，i代表样本企业，t代表年份。被解释变量Cscorei,t代表t时期i企业的会计稳健性；DIDi,t为处理组虚拟变量（Treated）与政策识别虚拟变量（Time）的交互项，若为政策颁布后涉及企业则记为1，反之则记为0；Controli,t为相关控制变量；σi和δi分别为时间固定效应和个体固定效应，εi,t为随机误差项。双重差分项DIDi,t的回归系数β1是重要考察对象，若系数符号为正，则表示绿色信贷政策可以提升重污染企业会计稳健性。

2.三重差分模型

双重差分法模型虽能有效克服政策的内生性问题，但是需要满足共同趋势假设，此外经常面临无法排除其他政策干扰的困难，从而影响估计结果的准确性。考虑到双重差分估计策略可能存在的问题，本文参考任胜钢（2019）等的做法，构造三重差分模型以提炼出更为纯净的政策效应。三重差分模型的形式如下：

式中，DDDi,t为解释变量，是第一对处理组虚拟变量（Treated）与政策识别虚拟变量（Time）和第二对处理组虚拟变量（Group）的交互项，若为政策颁布后涉及企业则记为1，反之则记为0。式中的其余变量同式（3）。

3.中介效应模型

为了验证债务期限结构在绿色信贷政策影响重污染企业会计稳健性的中介作用，本文构造中介效应模型，即在式（3）基础上，依次建立式（5）和式（6）。

四、实证结果及其分析

（一）描述性统计

表2报告了主要变量的描述性统计。可以看到，无论是Cscore测度的会计稳健性，还是Basu和ACF测度的会计稳健性，其最小值和最大值之间均具有比较明显的差异，这说明不同企业间的会计稳健性差异明显。双重差分变量（DID）的均值为0.31，这说明受绿色信贷政策影响的样本约占总体样本的31%；不同企业间的债务期限结构（MS）也存在明显的差异；其余控制变量的分布与已有研究趋同。

表2 主要变量的描述性统计

（二）基准回归

表3汇报了双重差分模型的回归结果，重点关注模型（3）中DID的系数。为提高研究结论的可靠性，本文采用逐步添加控制变量的方法。列（1）为不加入控制变量时的回归结果，DID的系数为0.1839，在1%的水平上显著；列（2）和列（3）为依次加入控制变量后的回归结果，DID的系数分别为0.1701和0.1697，均在1%的水平上显著。这意味着，绿色信贷政策对高污染企业会计稳健性的影响在统计上具有显著的稳定性。以上结果表明，相对于非重污染企业，重污染企业的会计稳健性在绿色信贷政策出台后显著提高。这可能是因为，损失厌恶心理可以有效抑制重污染企业的机会主义行为。研究假说H1得到了证实。

表3 双重差分模型回归结果

（三）稳健性检验

1.平行趋势检验

双重差分模型的基本假设前提是处理组与对照组在政策实施之前满足平行趋势假设。参考相关文献（刘岩和秦海林，2022），本文分别通过绘制处理组与控制组的时间趋势图和事件研究法对双重差分模型的基本假设前提进行了检验（见图1和图2）。

图1 会计稳健性的时间趋势图

图2 会计稳健性的多期动态效应图

方法一是绘制处理组与控制组企业会计稳健性的时间趋势图。将样本分为处理组 （重污染企业）和控制组 （非重污染企业），对政策前后处理组和控制组的会计稳健性的变化趋势进行对比分析。如图1所示，在政策实施年份（2012）之前，处理组和控制组的会计稳健性变动趋势大体一致，而在政策实施之后却呈现出较大差异。据此，不难断定，双重差分模型的时间趋势假定基本满足。

方法二是采用事件研究法。首先，生成事件虚拟变量，即年份虚拟变量（若为当期年份则赋值为1，反之则赋值为0）与处理组虚拟变量的交互项。其次，将事件虚拟变量作为解释变量进行回归。最后，观察事件虚拟变量的系数，若政策时点之前的事件虚拟变量的系数不显著，则表明双重差分模型满足平行趋势假设。在图2中，横轴2009-2011分别为绿色信贷政策实施前3年、前2年和前1年，并依次表示当期的事件虚拟变量；2012为绿色信贷政策实施年份，并表示当期的事件虚拟变量；2013-2019分别为政策实施后第1至7年，并依次表示当期的事件虚拟变量。进一步来看，在2012年之前，事件虚拟变量的系数不显著，这表明绿色信贷政策实施前，处理组与对照组企业的会计稳健性不存在显著差异，满足平行趋势假设；而在2013年和2014年，事件虚拟变量的系数变显著。这意味着，重污染企业的会计稳健性显著提升，证明绿色信贷政策可以提升重污染企业的会计稳健性。这与基准回归结果一致。

2.三重差分模型

表4汇报了三重差分模型的回归结果，重点关注模型（4）中DDD的系数。为提高研究结论的可靠性，本文采用嵌套回归的方法。列（1）为不加入控制变量时的回归结果，DDD的系数为0.1170，在1%的水平上显著；列（2）和列（3）为依次加入控制变量后的回归结果，DID的系数分别为0.1052和0.1038，均在1%的水平上显著。虽然三重差分模型回归结果中DDD的系数相对于双重差分模型回归结果中DID的系数有所降低，但两者均在1%的水平上显著。这与双重差分模型的回归结果一致，进一步证明了研究假说H1。

表4 三重差分模型回归结果

3.更换被解释变量

表5汇报了更换被解释变量后的回归结果。列（1）和列（3）为Basu做被解释变量的回归结果，DID和DDD的系数分别为0.1757和0.0598，均在1%的水平上显著；列（2）和列（4）为ACF做被解释变量的回归结果，DID和DDD的系数分别为0.0828和0.0776，均在5%的水平上显著。以上回归结果表明基准回归结果是可靠的，进一步验证了研究假说H1。

表5 更换被解释变量后的回归结果

（四）影响机制分析

本文利用中介效应模型验证债务期限结构在绿色信贷政策影响重污染企业会计稳健性中的中介作用。表6汇报了中介效应模型的回归结果。列（1）是模型（3）的回归结果；列（2）是模型（5）的回归结果，MS的回归系数为-0.0097，在5%的水平上显著，这表明重污染企业的长期债务比例在绿色信贷政策实施后显著降低；列（3）为模型（6）的回归结果，其中，DID的系数为0.1676，在1%的水平上显著，MS的回归系数为-0.0526，在5%的水平上显著，这表明，债务期限结构在绿色信贷政策对重污染企业会计稳健性的影响中发挥了部分中介效应。

表6 中介效应模型回归结果

（五）异质性分析

为了检验基准回归结果的适用范围，本文基于企业产权性质和投资效率进行异质性分析。异质性检验分别按照以下标准分组：一是将全体样本企业按照产权性质分为国有企业样本组和民营企业样本组；二是根据非效率投资的中位数将样本分成投资效率较高的样本组和投资效率较低的样本组。

表7汇报了异质性检验的估计结果。列（1）为国有企业样本组的回归结果，DID系数为0.2725，在1%的水平上显著，这表明绿色信贷政策可以显著提高国有重污染企业的会计稳健性；列（2）为民营企业样本组的回归结果，DID系数为-0.0113，但不具有显著性，这表明绿色信贷政策不能显著影响民营重污染企业的会计稳健性。以上结果可能的原因是：相比国有企业，民营企业往往在绿色信贷政策出台之前便面临信贷配给，因此，绿色信贷政策带来的信贷损失厌恶心理较小。同时，国有企业的政策负担沉重和政治关联复杂，绿色信贷政策带来的融资环境变化会放大其损失厌恶心理。

列（3）为投资效率较高样本组的回归结果，DID系数为0.0946，但不具有显著性，这表明绿色信贷政策并不能显著影响投资效率较高重污染企业的会计稳健性；列（4）为投资效率较低样本组的回归结果，DID系数为0.1988，在1%的水平上显著，这表明绿色信贷政策可以显著提升投资效率较低的重污染企业的会计稳健性。以上结果可能的原因是：相比投资效率较高的企业，投资效率较低的企业往往具有较高的财务风险，其损失厌恶心理自然更严重，其更愿意为了获得绿色信贷资金而提升公司的会计稳健性；然而，对于那些投资效率较高的重污染企业而言，它们拥有充沛的现金流，绿色信贷政策带来的信贷损失厌恶心理较小。

五、研究结论与启示

为了检验源自损失厌恶心理的理论推断，本文利用2009-2021年中国A股上市公司数据，以2012年印发的《绿色信贷指引》为准自然实验，通过构造双重差分模型检验了绿色信贷政策对重污染企业会计稳健性的影响。本文研究发现如下：（1）基准回归结果显示，绿色信贷政策的实施可以显著地提升重污染企业的会计稳健性。（2）中介效应检验表明，绿色信贷政策可以改变重污染企业的债务期限结构，长期债务比例降低会增加重污染企业的融资约束，加剧其信贷损失厌恶心理，从而激励企业提高会计稳健性。（3）异质性分析发现，绿色信贷政策可以显著提高国有重污染企业的会计稳健性，但并不能够显著影响民营重污染企业的会计稳健性；同时，绿色信贷政策可以显著提高投资效率较低的重污染企业的会计稳健性，但并不能显著影响投资效率较高的重污染企业的会计稳健性。

基于以上结论，本文的政策启示如下：第一，重污染企业应该正视损失厌恶心理的存在，减少投资决策和财务管理中的激进行为，提高公司的投资效率和控制财务风险。第二，在《绿色信贷指引》的影响下，银行业金融机构在重污染企业中的债权人地位陡然提升，这一改我国公司以往存在的债权人治理不足的现状，为我国公司会计信息质量的治理战略由监管走向制衡提供了经验证据。第三，银行业金融机构应该关注重污染企业合理的信贷需求。绿色信贷政策无疑提高了重污染企业的信贷门槛，加强对重污染企业的监督治理和满足重污染企业合理的融资需求不应该成为“二选一”的问题，由于融资约束可能会引致管理层的机会主义行为，银行业金融机构应该努力探索市场化手段，在加强对重污染企业监督的同时满足其合理的信贷需求。第四，政府部门应不断完善绿色信贷政策，充分挖掘绿色信贷潜力，切实减轻企业的融资约束，发挥其防治污染和防范风险的双重作用，助力经济高质量发展。