绿色金融、碳排放规制与企业绿色全要素生产率

何振华

（宁夏大学a.经济管理学院；b.新华学院，银川 750021）

0 引言

作为助推低碳化、绿色化高质量发展的关键动力，企业绿色全要素生产率提升不仅有助于夯实经济社会发展基础，还为推进“双碳”目标实现提供源头活水[1]。但囿于资源配置效率低、环境污染严重、融资难与融资贵等问题，企业绿色创新活动受限，制约绿色全要素生产率提升[2]。受国内外形势所迫，探寻提升企业绿色全要素生产率的“新引擎”，寻求政策优化路径，弥合现阶段产业绿色低碳发展缺口，具有重要理论意义及现实价值。

绿色金融作为引领低碳时代的重要金融工具，能够弥合传统金融短板，更好地服务企业绿色发展，为企业绿色全要素生产率提高注入资本力量。具体而言，绿色金融通过创新金融产品与服务，扩展绿色信贷业务范围，有利于实现最大效率的资源配置，纾解企业融资困境，提高企业绿色全要素生产率[3]。与此同时，碳排放规制以碳排放权交易试点政策实施为依托，可推动绿色金融相关机构探索碳租赁、碳资产抵押融资、碳保险等绿色产品与服务，精准引导资金流入企业碳减排、资源高效利用等领域[4]。这有助于碳金融产品创新，鼓励企业建立内部碳定价机制，引导其选择成本最优金融服务产品并进行绿色生产与交易，降低绿色资源消耗、成本开支，推动绿色低碳产业提质增效，助力企业绿色全要素生产率提升。那么，如何利用绿色金融提升企业绿色全要素生产率？如何通过碳排放规制放大绿色金融对企业绿色全要素生产率的促进作用？解答上述疑问已然成为学术界的热点话题。

回溯既有文献，国内外学者针对绿色金融与绿色全要素生产率的研究集中在定量考察层面。部分学者采用非参数数据包络分析、方向性距离函数（DEA-DFF）模型、阈值模型的研究表明，绿色金融对绿色全要素生产率提升具有正向影响[5]。另有学者研究发现绿色金融对绿色全要素生产率有地理异质性影响[6]。综上可知，现有关于绿色金融、绿色全要素生产相关研究较为丰富，但目前尚无文献将绿色金融、碳排放规制与企业绿色全要素生产率三者纳入统一分析框架，深入检验三者内在逻辑关系。本文选用中介效应、多元回归模型验证绿色金融影响企业绿色全要素生产率的作用机制，以及碳排放规制在二者关系中发挥的调节作用。与此同时，深入探究绿色技术创新、资源配置结构在两者之间的中介作用。

1 理论机制与研究假设

1.1 绿色金融对企业绿色全要素生产率的直接效应

绿色金融作为经济增长新动能，具备“风险管理”“市场定价”等功能，能通过绿色金融产品、政策支持，为企业提升绿色全要素生产率提供切实的金融服务[7]。第一，绿色金融发展有助于完善“市场定价”，促进企业绿色全要素生产率提升。绿色金融价格体系构建有利于提高内外“市场定价”，实现绿色产业激励与提高金融资产环境敏感性[8]。同时，绿色金融价格体系构建可对各绿色低碳市场因素展开合理调配，全面落实各绿色低碳产业金融服务定价中“有扶有控”的目标原则。第二，绿色金融有益于推进“风险管理”，扎实促进企业绿色全要素生产率提升。其一，绿色金融发展赋予金融机构专业性高、成本低的代理监督职责，可为企业绿色环保生产提供有效资金支持，减轻企业在绿色生产资金压力。其二，绿色金融发展要求金融机构借助全流程风险监测功能，有效核查企业环保与安全生产贷前、贷中、贷后全流程生产，监督贷款资金有效利用于企业绿色生产中，助力推进企业绿色全要素生产率提高。其三，金融机构基于绿色金融服务要求，对企业进行专项检查、风险排查，有效识别企业产品风险，为企业绿色全要素生产率提升提供安全保障。其四，金融机构借助气候风险压力检测、绿色保险、环保资产风险权重调整等金融信贷工具，为企业应对气候变化提供绿色金融服务，有助于缓解企业应对不确定风险时的金融压力。基于上述分析，本文提出：

假设1：绿色金融可促进企业绿色全要素生产率提升。

1.2 碳排放规制的调节效应

碳排放规制作为促进企业控制碳排放总量的重要组成部分，对企业探索碳市场机制具有显著影响。基于环境理论，碳排放规制程度越大，企业低碳化发展进程越快，越有利于降低能源消耗，有效提升绿色全要素生产率。一方面，碳排放规制能够提升成本压力，倒逼企业升级绿色技术工艺，进而促使企业绿色全要素生产率提升。企业能够依托绿色信贷服务在碳市场中购买超排额度，维持原有生产，继而以低成本模式推进碳控排[9]。这有利于企业优化资源配置改进生产工艺，提高生产效率以降低单位产量的碳强度。另一方面，碳排放规制能够提升减排收益，激励企业绿色工艺升级，夯实企业绿色全要素生产率基础。碳排放规制的政策预期及信号机制可促进高耗能企业市值下降，推动绿色金融的绿色债券发展。这能使企业有资金开展节能减排技术升级项目，达到碳市场排放总量控制的要求，助其从“能耗高、环压大”逆境转向“绿色低碳、强竞争力”顺境。因此，企业不仅能够获得一般条件生产率提升的所有益处，还可通过出售多余碳排放配额以获得额外减排收益[10]。企业管理层在获得额外利润后顺利升级绿色生产工艺，助力企业绿色生产效率提升。综上，本文提出：

假设2：碳排放规制能够正向调节绿色金融对企业绿色全要素生产率的促进作用。

1.3 绿色技术创新和资源配置结构的中介效应

第一，绿色技术创新效应。首先，绿色金融借助易获得、成本低等优势，催生出多元绿色金融产品，提高企业购买绿色保险服务产品的机遇，提供充足的研发资金，进而促进企业绿色技术创新[11]。企业绿色技术创新能力提高可推动先进绿色产品精益制造，提升产业绿色发展质量，有效带动绿色全要素生产率提升。其次，金融机构借助绿色债券、信贷、投资等绿色金融工具，能为绿色环保企业增添资本投入量。最后，绿色金融发展能够有效改善金融错配情况，为企业引进新兴技术、搭建绿色创新技术研发平台提供有效资金支持。这能够有效提升企业绿色技术创新效率，为企业绿色生产提供有力技术支撑，助力企业绿色全要素生产率提升。

第二，资源配置结构效应。在绿色金融政策（如税费减免、市场准入等）的指引下，金融机构适时调整信贷结构，把大部分资金投入低耗能低污染企业，从而优化资源配置结构[12]。绿色金融能够通过互联网金融平台、移动支付等多种金融渠道，为能源环保相关投资者获取融资提供融资平台及服务，提高金融资源配置效能，扩大绿色企业融资渠道并缓解融资约束[13]。随着资源配置结构逐渐优化，社会资本逐步流向环境保护领域，促使企业绿色转型资金压力得以减轻，既能提升生产部门资源使用效率，也可减少生产过程环境污染排放，有利于提升企业绿色全要素生产率。因此，本文提出：

假设3：绿色金融能通过推进绿色技术创新、优化资源配置结构，进而赋能企业绿色全要素生产率提升。

2 研究设计

2.1 模型设计

为全方位探究绿色金融影响企业绿色全要素生产率的作用机理，构建多元回归模型：

其中，ETFPit、DIFIit分别代表企业绿色全要素生产率、绿色金融；CONTROLSit为控制变量合集，包含宏观、微观两个层面的变量；ICV与YEAR分别表示行业与年份控制变量；εit-1代表随机误差项。

为深入检验碳排放规制在绿色金融与企业绿色全要素生产率两者关系中的作用，本文在模型（1）中纳入碳排放规制与绿色金融的交叉项，表达式为：

其中，CZFQit-1代表碳排放规制指标。

为了探究“绿色金融—企业绿色全要素生产率”的内部传导机制，构建如下递归方程组探究二者间的作用机制：

其中，MED代表中介变量组，包含绿色技术创新（ENTR）与资源配置结构（RESO）。绿色技术创新采用发明专利和实用新型专利授权量衡量；资源配置结构利用要素边际产出与其实际价格衡量，要素边际产出越高，资源配置效率越高。若式（4）、式（5）中的绿色金融系数显著，则表明解释变量与被解释变量间具有中介效应，反之则表明不存在中介效应。

2.2 变量选取

2.2.1 被解释变量

企业绿色全要素生产率（ETFP）。企业绿色全要素生产率相较于企业全要素生产率，新增了非期望产出、能源投入两大变量。本文参照邵慰等（2023）[14]的研究，选用MaxDEA 软件，采用GML 指数模型和SBM-DDF 模型测算企业绿色全要素生产率。就投入变量而言，“能源投入”利用企业经营、环保成本乘以行业总能源消费量衡量。“资本投入”选用永续盘存法对资本存量展开估算，即：Kt=(1-δ)×Kt-1+It/Pt，其中，K、Kt-1依次代表当期资本存量与前一期资本存量，δ、It、Pt分别指折旧率、当期新增固定资产投入、企业所在省份固定资产投资价格指数。“劳动力投入”以企业年末就业人数度量。就产出变量而言，“非期望产出”采用工业二氧化硫排放量和工业废水中化学需氧总量衡量。“期望产出”选取企业营业收入来衡量，并以2011年为基期折算为实际GDP。

2.2.2 解释变量

绿色金融（DIFI）。借鉴朱雅锡和张建平（2023）[15]的研究，从绿色证券（GS）、绿色信贷（GC）、绿色保险（GL）、绿色投资（GI）4个维度构建绿色金融评价指标体系（见表1），并采用熵值法进行测算。

表1 绿色金融评价指标体系

2.2.3 调节变量

碳排放规制（CZFQ）。关于碳排放规制的代理变量设置，借鉴相关研究，采用“上市公司是否为碳市场的控排企业”来综合反映企业的减排质量。基于此，本文手工收集整理了各碳市场的控排企业，并将非上市控排企业归入“对照组”，赋值为0；将上市控排企业定义为“处理组”，赋值为1。同时，CZFQ_post代表企业碳市场控排与其进入时间的交互项，并将纳入碳市场年份赋值为1，反之为0，其系数能够反映碳排放规则对企业全要素生产效率的影响。其中，若CZFQ_post＞0，则碳排放规则实施前、后两个期间控排企业生产效率提升程度高于其他企业。

2.2.4 控制变量

研究基于宏观、微观视角选取影响企业绿色全要素生产率的控制变量。宏观控制变量包含：外商直接投资（DGI），以某一地区实际运用外资总额与地区GDP之比度量；教育发展（HCS），选取高等教育在校生人数与总人数之比衡量；经济发展水平（LEB），以地区人均GDP 加1 取自然对数表示。微观控制变量包括：企业盈利能力（COR），采用净资产收益率来测度；企业资产结构（EAS），用流动资产总额与资产总额之比测度；企业股权激励（EEI）为虚拟变量，若高管持股则为1，否则为0；应交税费比重（ACT），选用企业税收占营业收入的比重度量；现金持有水平（CHI），以公司经营活动产生的现金流量净额与资产总额的比值表示；公司成长性（COM），运用公司营业收入增长率衡量。

2.3 数据来源

依据《上市公司环保核查行业分类管理名录》《上市公司行业分类指引》《上市公司环境信息披露指南》标准，以及国家发展改革委于2011 年出台的《关于开展碳排放权交易试点工作的通知》，选取2011—2021年沪深A股上市能源企业为研究样本。同时，将各个地区宏微观数据匹配得到“企业-年度”数据集。研究样本主要包含21 类碳排放权交易试点政策重点关注的行业上市企业①能源密集型行业包括：水泥制品制造、炼钢、平板玻璃制造、非木竹浆制造、木竹浆制造、原料制造、氮肥制造、电力供应、铝冶炼、有机化学原料制造、铜冶炼、铁合金冶炼、专用化学产品制造、黑色金属铸造、炼铁、砼结构构件制造、化学试剂和助剂制造、原油加工及石油制品制造、燃气生产与供应业、热力生产和供应、机制纸及纸板制造等类别上市能源企业。。研究数据来源于《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国保险年鉴》及各省份统计年鉴。另外，部分数据来自CEADs 数据库、中国研究数据服务平台（CNRDS）、CSMAR数据库。为有效提高数据质量，本文对原始数据进行如下处理：第一，剔除ST、*ST、PT 标记以及退市的企业；第二，剔除上市时间不满三年的企业，以确保研究数据的连续性；第三，对数据进行1%、99%的缩尾处理，随后获得26795个“企业-年度”观测数据，以此减少奇异值干扰。

3 实证结果分析

3.1 基准回归分析

下页表2 列示了绿色金融和企业绿色全要素生产率的实证结果。其中，列（1）结果显示，在绿色金融与企业绿色全要素生产率线性关系中，DIFI的系数为0.867，在1%的水平上显著为正，说明绿色金融可推动企业绿色全要素生产率提升，证实了假设1。列（2）至列（5）的结果表明，绿色金融二级指标绿色证券（GS）、绿色信贷（GC）、绿色保险（GL）、绿色投资（GI）的回归系数均显著为正，意味着绿色证券、绿色信贷、绿色保险以及绿色投资均能驱动企业绿色全要素生产率提升。

表2 基准回归结果

控制变量中，就微观层面而言，COR、EEI、EAS、CHI、COM的系数均显著为正。这意味着盈利状况越好、高管持股比例越高、流动资产额度越高、现金流越充足、营业收入增长率越快，越能促进企业绿色全要素生产率提升。ACT的回归系数不显著，说明加大税负会抑制企业绿色全要素生产率提升。就宏观层面而言，LEB回归系数显著为正，能够正向影响企业绿色全要素生产率，说明经济发展水平越高，越能为企业绿色全要素生产率提升提供生产资金。而DGI回归系数为负。究其原因，外商直接投资会促进产业集聚，引致要素市场扭曲、资源环境承载不足等问题，会抑制我国企业绿色全要素生产率的提高。HCS回归系数为正但不显著，原因在于高校缺乏环境保护类专业相关课程，导致毕业生就业中并不能解决企业绿色生产的问题。

3.2 碳排放规制的调节效应检验

表3为碳排放规制的调节效应检验结果。观察表3数据可知，绿色金融回归系数为1.047，在1%的水平上显著为正。这说明绿色金融会促进企业绿色全要素生产率提升，再次支持假设1。绿色金融和碳排放规制交叉项系数显著为正，表明地方碳排放规制水平越高，越有益于绿色金融促进企业绿色全要素生产率，故假设2成立。产生上述结果的原因可能是，地方碳排放规制水平的提升能推进该地节能降碳，可供当地企业继续开展绿色生产生活，促进能源结构转型、生态价值转化，为该地区提升绿色金融服务质效与提高企业绿色全要素生产率提供助力。

表3 调节效应检验结果

3.3 稳健性检验

（1）替换解释变量。参考吕鲲等（2022）[16]的研究，以碳金融作为解释变量进行回归。表4列（1）结果显示,解释变量通过1%水平上的显著性检验，且为正值，表示基准回归结果相对稳健。

表4 稳健性检验结果

（2）替换研究方法。参考已有研究做法，采用企业所在地是否属于“国家低碳城市试点”作为准自然实验，验证解释变量与被解释变量间的关系，表4 列（2）结果表明，DID系数在1%的水平上显著为正，代表开展“国家低碳城市试点”后，解释变量及被解释变量促进作用显著增强，意味着表2的研究结论稳健。

（3）工具变量法。将企业所在地同类绿色金融指数剔除后的均值作为工具变量，展示第一阶段结果工具变量与绿色金融间的相关关系。表4 列（3）为第二阶段回归结果，可见绿色金融系数在1%的水平上显著为正，说明运用工具变量控制内生性后，绿色金融仍旧对企业绿色全要素生产率具有促进作用。

3.4 中介效应检验

下页表5为中介效应检验结果，结果显示，列（1）中绿色金融系数在1%的水平上显著为正，表明绿色金融有利于激励绿色技术创新。细究其因，绿色金融在不断提升服务质量时，可为企业绿色技术创新提供充足研发资金，满足企业绿色技术创新的资金需要，帮助其提升绿色技术创新效益，推动技术成果转化和应用。这有利于企业做出科学合理的生产、投资决策，有利于开展创新活动，进而提高企业绿色全要素生产率。列（2）中绿色金融系数在1%的水平上显著为正，表明绿色金融对资源配置结构存在正向影响效应。溯其根源，绿色金融发展可降低企业对自然资源高消耗的依赖，推动地区资源配置结构优化。此外，绿色金融通过信贷资金来优化企业外部技术绿色资源配置，使企业在吸收、模仿、改进的基础上提升技术能力，实现技术赶超，以此对企业绿色全要素生产率提升产生正向催化作用。列（3）中绿色技术创新系数为正，意味着绿色技术创新越强，越能快速提升企业绿色全要素生产率。列（4）中资源配置结构系数在1%的水平上显著为正，表明资源配置结构在绿色金融影响企业绿色全要素生产率过程中发挥中介作用。综上可知，假设3 成立。进一步发现，ENTR*RESO交叉项系数均显著为正，意味着绿色技术创新越强、资源配置结构越完整，越能推动全要素生产率提升。

表5 中介效应检验结果

4 结论与建议

本文选用2011—2021 年中国沪深A 股上市能源企业数据，探究绿色金融对企业绿色全要素生产率的影响，以及碳排放规制在两者间的调节效应，同时，还检验了绿色技术创新与资源配置结构在两者间的中介效应。结果表明：首先，绿色金融能显著促进企业绿色全要素生产率提升，该结论在历经更换解释变量、研究方法与采用工具变量法这一系列稳健性检验后仍旧成立。其次，碳排放规制是绿色金融影响企业绿色全要素生产率过程中的关键调节机制，即地方政府碳排放规制程度越高，绿色金融促进企业绿色全要素生产率提高的作用越强。最后，中介效应检验结果显示，资源配置结构与绿色技术创新在绿色金融对企业绿色全要素生产率作用过程中发挥显著中介作用。

基于上述研究结论，对进一步提升企业绿色全要素生产率、推动企业高质量发展提出以下建议。第一，构建“常态化”的绿色金融服务体系。打造一批“专精特新”和“隐形冠军”绿色生产企业，持续完善绿色金融创新、服务政策，统筹绿色金融领域中的各类财政补贴、税收优惠、贴息、奖补等激励政策[17]。第二，建设“规范化”的碳排放治理机制。明确企业碳排放总量目标和碳排放权交易配额总量，建立动态碳排放治理机制，使碳排放治理设计同企业绿色全要素生产及其经济高质量发展相适应。第三，实现“科学化”的创新基地平台建设。需培育一批绿色生产研究中心、科技资源共享服务平台、绿色技术创新中心等绿色创新基地平台，建立综合性绿色技术交易市场，建立绿色技术创新侵权行为信息记录平台，为提升企业绿色全要素生产率提供基础支撑。第四，加快“精准化”的资源配置结构升级。首先，在提升资源配置效率中，政府应该将“放活+管好”有机融合，使得各种要素协同向先进生产力集聚。其次，政府要理顺与市场之间的关系，深化“放管服效”改革，降低对微观主体的干预。最后，政府要积极推动产业政策转型，提高企业绿色服务意识，提倡企业间的公平竞争，实现资源优化配置结构升级。