文摘

本文使用2012年发布的“绿色信贷指南”作为一个处于实验中,使用a股上市公司的统计数据,从2008年到2017年,使用PSM-DID模型检查绿色信贷政策的效果和机制严重污染企业的投资效率,和考虑的异构影响金融生态环境的关系。研究表明,绿色信贷准则颁布后,重污染企业的投资效率与non-heavy-polluting公司相比略有提高,影响更明显的地区有更好的金融生态环境。研究结论证实的有益影响绿色信贷的指导方针政策的审慎的投资公司,对环境造成严重的污染和提高投资效率,提供经验证据,财务杠杆来推动绿色经济转型。

1。介绍

2015年6月,辽宁省的环境保护部门,结合金融机构,对37个企业实施绿色信贷限制违反了环境保护法。这些公司主要参与加热、化工、金融、冶炼、造纸、电镀等行业,严重污染环境。环保部门将这些企业的监督跟进,和整改后的限制只能取消他们的问题。相反,限制贷款在2013年第一季度,中国农业银行浙江分行发行72亿元贷款47绿色环保项目,35亿元前一年同期增加;银行的“绿色贷款余额达到305亿元。等基础设施项目的贷款主要是清洁能源、污水处理、垃圾处理、节能服务。上面的两个场景是真实情况下的经济转型由绿色信贷驱动的。颁布以来,特别是2012年的“绿色信贷指南”(以下简称“指南”),中国的绿色信贷规模逐渐扩大。截至2020年6月底,中国的绿色信贷余额已超过11万亿元,在世界上处于领先地位;中国的绿色债券股票是1.2万亿元,这需要世界亚军的位置。

从绿色信贷的实现路径的角度来看,一方面,通过提高贷款门槛高污染行业,公司被迫接受绿色转型升级。另一方面,它侧重于支持环保产业的融资,清洁能源、污水处理、和其他生计项目,缓解融资约束,促进绿色产业的快速发展。绿色信贷准则的颁布是一个重要的衡量金融服务实体经济,旨在提高基金支出的效率高污染产业和环保产业。因此,近年来改革和探索之后,政策的影响是什么?重污染企业的低效率的投资可以真正改善吗?这一系列的理论研究迫切需要测试的问题。

回顾现有研究,绿色信贷政策主要参与金融机构的传播以及政策的影响取决于微型企业的反应。Aizawa和Chaofei1]和Naveiro Aoussat [2)指出,绿色金融的核心目的是促进经济和生态的协调和可持续发展的好处。然而,可持续发展是离不开高效的企业投资效率;信息不对称和代理问题往往使企业偏离最优水平的投资,导致企业投资效率低(3,4]。绿色贷款的发行并不能提高公众的期望企业在绿色产业5]。绿色金融政策的颁布要求污染企业披露环境信息,减少银行和企业之间的信息不对称;通过调整金融资源,污染企业的融资成本和投资风险可以增加(6,7]。因此,通过绿色信贷政策的颁布,高污染企业的融资可以获得从金融机构已经降低。企业管理必须重新评估未来资本运作状态,仔细地选择投资项目,改变投资减少低效投资的方向和提高投资效率的高污染企业。绿色信贷政策可以鼓励企业关注早期预防和控制措施,而不是晚期缓解措施(8]。此外,绿色信贷政策的实施效果地区之间的差异密切相关的金融生态环境。金融生态环境将产生一定程度的影响公司债务融资成本、融资结构、债务期限等。9- - - - - -12]。绿色信贷政策有效地抑制能源密集型行业的投资。刘等人,迈克尔13,14)表明,金融生态环境的质量有一定程度的影响企业信用融资能力和信用期限结构。Dosi [15)发现,金融生态环境的约束和激励金融市场的操作受到许多因素的影响,如社会经济系统,法律,人民生活水平和教育,最终导致不同的行为的金融实体。总之,绿色信贷政策对企业投资效率的影响会有所不同,由于不同的金融生态环境。因此,战略背景下的金融服务实体经济,如何将绿色信贷政策指导的公司投资行为对环境造成严重的污染是一个实践问题,需要立即处理的理论和学术界。研究两者之间的关系具有重要的理论和实践意义为提高绿色金融为实体经济服务,推动绿色转型的高污染企业。

在此基础上,本文选择从2008年到2017年我国a股上市公司为研究样本,从nonheavy-polluting公司区分重污染企业;本文使用PSM-DID模型来探索“指南”的效果和机制对企业投资效率和检查的异构影响金融生态环境的关系这两个测试的有效性和地区“指南”的区别。本文的研究的贡献主要体现在两个方面:(1)从资本需求和资本利用率的角度,它解释了绿色信贷的影响在高污染企业的投资效率,并进一步探索其内部机制。(2)的基础上,两者之间的关系的研究,我们进一步探讨异质性的影响实证参考提供的金融生态环境和促进绿色信贷的顺利实施。

2。理论分析和研究假设

2.1。绿色信贷和企业投资效率

银监会的“指导方针”的目的是使用“绿色信贷”的银行业金融机构来改变现有的信贷结构不合理和有效地停止支持实体经济与环境和社会风险更高的标准和推动经济结构的调整以及经济发展方式的转变。“指南”明确表示,特别信贷指南应制定限制类别和行业重大环境和社会风险,国家重点监管,实施差异化和动态信贷政策和风险管理系统。“指南”颁布后,重污染企业可能有以下两个变化:(1)重污染企业专注于“指南”的影响。因此,根据环境和社会风险的评估标准,他们重新估计公司未来的首都地位和政策变化和投资更加谨慎。(2)与non-heavy-polluting企业相比,在有限的资本水平下,重污染企业可以减少无效投资和提高投资效率;这是一个重污染企业生存的必要条件。因此,这两个方面是如何在现实中发挥作用?

关于第一个变化,在该国的环境控制增加的背景下,如果严重污染企业继续原来的投资计划,他们确实会面临巨额的罚款甚至停业整改,如环境税高,行政罚款,和起飞的市场,等。因此,如果重污染企业想要生存,他们必须重新评估未来金融形势和政策的变化,谨慎投资,分配更多的资源有效和高效的投资。第二个变化,重污染企业被列为限制信贷的金融机构。与non-heavy-polluting公司相比,它更难以从金融机构获得资金支持,并显著降低融资的可用性。受“指导方针”,新增贷款的数量高污染企业可以从银行得到减少。新增贷款的规模通常很难弥补资金缺口,有资金链断裂的风险。过度投资的现象如前所述得到了改善。Mengze和魏16)证实,绿色信贷可以从三个方面:提高微观经济效率降低交易成本,分散或减少企业创新风险,监督投资企业或项目。因此,本文认为,绿色信贷政策可以形成一个“淘汰机制”,提高内部资本配置的效率高污染企业和增加有效的投资银行与企业之间的动态博弈。在实施绿色信贷政策时,公司必须披露环境信息。非金融信息质量越高,越接近获得外部融资的数量是最佳的融资金额,这不仅缓解投资不足,也避免了过度投资(17,18]。

从上述分析,本文提出了如下列出的假设。

假设1。“指南”发行后,高污染企业的投资效率相比,可以显著提高non-heavy-polluting企业。
绿色信贷是如何影响污染企业的投资效率?彼得斯(19)认为,当外部宏观经济不确定性高,企业的投资收入会变得不稳定。通过这种方式,企业的资本需求对于在建的项目,固定资产投资,设备更新和转换,科学和技术发展费用,和试生产新产品将减少;同时,融资约束的情况下,经理的资本自由裁量权也将减少以及债务偿还责任,公司将显著减少过度投资行为(20.]。“指南”发布后,高污染企业所面临的环境和社会风险限制了融资渠道。减少计划投资,特别是投资计划,原本已经对生态环境产生负面影响,更有可能被迫中止或者终止,导致大量减少资本需求和过度投资行为。相反,企业将提高现有资金的使用效率,实现微观经济效率的提高,增加有效的投资,加快企业的转型升级。从上述分析,本文提出了如下列出的假设。

假设2。颁布的“指导方针”减少高污染企业的资本需求和提高了效率的利用现有的资金严重污染企业,从而影响企业的投资效率。

2.2。金融生态环境异质性的影响

所谓的“金融生态环境”是指一系列的外部环境和金融操作的基本条件。根据其组件,良好的金融生态环境是由高速经济发展,一个良好的法律环境,高层社会信誉,良好的金融部门独立,和复杂的中介服务和社会保障21]。从地区金融生态环境显著地不同,但就中国而言,整个东部地区和东部海滨地区的金融生态环境是好的在某种程度上,在中部和西部地区的生态环境相对较差。金融生态环境的条件将大大影响区域金融资源的配置效率。例如,当某一地区的金融生态环境更好,金融市场,法律体系,和完整性系统在该领域明显比在其他领域,这个领域将减少政府干涉市场。这表明银行认识到环境信息的能力的风险借贷公司和转换风险补偿的能力深受金融生态环境的影响(22]。根据以往学者的研究,金融生态环境确实可以显著影响信贷资金的配置效率。例如,Fazzari et al。23)发现,金融生态是正相关的信贷资金的配置效率。王等人。24)发现金融发展在促进经济增长的有效性受到外部金融生态环境的影响。

摘要缩小,绿色信贷对企业投资效率的影响肯定也受到金融生态环境的影响。一方面,绿色信贷政策的有效实施,在更好的金融生态环境的地区,金融市场,法律体系,和完整性体系相对完整,和重污染企业受到更严格的监管和银行更严格的资格。在这个时候,在这种情况下的高融资约束,绿色信贷政策发挥动态博弈与银行和可以更有利于促进高污染企业的微观经济效率的提高将增加和投资效率的当前基金。与此同时,当一个银行评估一个企业的信用评级,其外部环境优势注定要被包括在评估,这将增加的可能性高污染企业获得银行贷款,和相应的贷款利率和担保费用将减少在一起(25]。另一方面,根据前面的分析,在区域金融生态环境较差,缺乏有效实施绿色信贷政策是由于相对较低的市场化,可怜的金融和法律系统,弱资源分配效率,等等,这可能导致贫困实现的可能性;因此,对高污染企业可以降低其影响。在贫穷的地区金融生态环境、绿色信贷政策的影响对重污染企业是非常低;此外,世行贷款的利润驱动的动机不会限制高污染企业的投资高污染企业并不会大大受到影响。从上述分析,本文提出了如下列出的假设。

假设3。绿色信贷的影响企业的投资效率更明显地区具有良好的金融生态环境。

3所示。研究设计

3.1。样本选择和数据来源

本文以从2008年到2017年a股上市公司为研究对象,利用李和冯的处理方法26)和苏连(27)的分析计算,确定重污染企业污染排放强度在不同的行业,这也是本文确定的实验组。详细步骤如下。

首先,工业二氧化硫、烟(粉),和液体和固体废物排放国家统计局每年公布的通过《中国统计年鉴》确定污染物的排放,污染物排放单位的各种产业的产值计算,它可以表示为 ,在哪里是污染物排放的排放单位产值j的行业我,污染物排放的总排放吗j的行业我,是工业的总产值我。

其次,规范单位排放的污染物量输出值的各种行业的范围内,让它[0,1]: 在哪里是污染物排放的排放单位产值j规范化的行业我,污染物排放的最小排放吗j在所有行业污染物排放的最大发射吗j在所有的行业。

第三,发射强度γ_我的行业我计算,污染严重、不重污染行业杰出的中位数吗γ_我:

具体地说,本文计算了各个行业的污染排放强度在2011年,前一年出版的指导方针,根据2012年中国统计年鉴,并确定20高污染行业,如电力行业,热力生产和供应行业,造纸和纸产品的行业。在此基础上,本文就消除了圣^∗圣企业、金融企业和主要变量有严重缺失和异常数据和最终确定18349年观察,包括2852年上市公司分为上市公司1002实验组和对照组1850上市公司。摘要金融生态环境数据来自中国区域金融生态环境评价(2013 - 2014),和其他金融和泰安microsurvey数据从数据库(CSMAR)。减少极端值的影响的研究结论,主要处理连续变量与winsorization上下1%。

3.2。变量定义

3.2.1之上。投资效率

本文利用研究结果从理查森28),AGcB et al。29日王,et al。30.)使用以下模型的回归残差来表示企业的投资效率:

公式,代表了一个新的投资,投资等于(现金花在购买和建造固定资产、无形资产、和其他长期资产−净现金收到固定资产,无形资产和其他资产的处置)除以总资产;代表公司的大小,大小等于公司的总资产的对数;现金是现金和现金等价物,等于(货币资金+交易性金融资产)除以总资产;列弗代表了资产负债率、等于公司的负债总额除以资产总额;增长代表投资机会,等于企业的主营业务收入的增长率;返回代表企业的年度股票收益率等于年度股票回报率考虑现金红利;和年龄代表了企业的年龄,等于企业的上市的对数年。公式(3)就退化到今年,行业获得剩余,剩余的绝对值和记录Absinvest,这是投资效率。值越大,越低的投资效率和nonefficient投资企业拥有越高。

3.2.2。金融生态环境

本文的研究结论谢(31日,魏32)等,并使用所有引用中国不同地区的金融生态环境的研究小组由“中国金融生态环境评价”研究所的金融、中国社会科学院,确定在每一个地区金融生态环境的水平。由于没有数据的金融生态环境综合指数在2009年,2011年和2012年,本文使用的实践邓小平建平和曾庆红勇供参考和使用数据的2008年来取代2009年,2010年的数据来取代2011年的数据,2013年的数据来取代2012年的数据,2014年和数据来取代2015年调查的数据的异构影响金融生态环境从2008年到2015年。具体做法是找到所有引用的平均价值的金融生态环境。如果某一地区金融生态环境综合指数大于平均值,然后分配给1,表明该地区金融生态环境相对不错。如果该指数小于平均值,它被指定为0,表明该地区的金融和生态环境相对较差。

3.2.3。控制变量

减少其他因素的影响,本文利用相关研究和设置控制变量后从盈利能力、发展能力、操作能力和管理一个企业:企业规模、总资产报酬率、销售增长率、总资产周转率、独立董事的比例,和公司的年龄;此外,本文进一步控制固定效应和行业固定效应。本文的主要变量的定义如表所示1。

3.3。模型选择

双差异(做)模型是一种政策评价模型广泛应用于学术界。基本原理是将样本划分为一个实验组受政策影响,对照组不受政策影响,然后比较实验组和对照组的政策效果。应用这个模型需要满足的实验组和对照组有相似的变化趋势(常见的趋势)的实现策略。然而,由于重污染企业和non-heavy-polluting企业之间的巨大差异在本文中在不同的行业规范和管理方法方面,有一定的自我选择问题的研究样本,使共同趋势的假设很难得到满足。为了应对这一问题,本文提出利用倾向得分匹配赫克曼et al。33]。PSM可以更好的解决问题的样本选择偏差,但它往往忽略了变量之间的内生性问题,同时也可以通过不同解决内生性问题和获得政策的处理效果,但它有一定的缺陷解决样本偏差问题。因此,选择这两种方法的组合来评价绿色信贷的影响企业的投资效率。

模型的基本思想如下:在对照组不受政策的影响,找到公司j(匹配),非常类似于公司我在实验组我≈j;重复操作可以匹配一组具有共同价值范围Sp;实验组和对照组的设置可以更好地满足双差的共同趋势的假设。倾向得分匹配匹配倾向得分相同的人在一起。典型的匹配方法包括最近邻匹配,匹配半径和内核匹配。本文使用内核匹配方法确定权重,和它的表达式如下所示: 在哪里指定带宽和吗是内核函数。

具体PSM-DID过程可分为以下步骤:(1)用logit模型来估计倾向得分: (2)计算重污染企业的投资效率的变化和non-heavy-polluting公司之前和之后的发行的指导方针。(3)减重污染企业的投资效率变化之前和之后的发行指南-匹配non-heavy-polluting企业投资效率的变化之前和之后的发行指导获得发行后的平均处理效应的指南,如公式(3.6)所示。

的公式,T代表一个实验组重污染公司,C代表一个non-heavy-polluting公司在对照组,t₀代表之前发布的指南,t₁代表准则发布后,我实验组,代表了一个公司j代表一个公司在对照组,(我,j)代表核心匹配后的重量,我₁代表实验集团公司在匹配之前,我₀代表控制集团公司在匹配之前,N^∗代表企业的数量在实验组集我 。

基于上述分析,本文将基于PSM-DID回归模型方法如下:

公式,控制代表了控制变量,包括固定效果的控制和行业;的系数β₃代表的净效应对实验组政策的实施。如果β₃< 0,这意味着“指南”的颁布减少高污染企业的低效率的投资,也就是说,高污染企业的投资效率提高。

此外,进一步探索的动态影响政策的实施,我们研究预期效应和滞后效应之前和之后的发行”的指导方针。“这篇论文利用风扇的实践等。34,以下模型:

4所示。实践的结果

4.1。描述性统计的主要变量

表2和3列出了本文的主要变量的描述性统计。从表可以看出2,公司的全部样本的平均投资效率为0.0238,表明在我国上市公司的总体投资效率相对较好,低效率的投资并不是认真的。实验组的重污染企业,发行的“指导方针”之前,平均投资效率为0.0316岁。准则的颁布后,投资效率为0.0244,平均减少了23%。在某种程度上,公布的指南大大降低污染严重企业的低效率的投资和提高投资效率。non-heavy-polluting公司的投资效率的平均值在对照组0.0259发行前的指导方针。指南发行后的平均值是0.0210,减少19%,这表明,所有类型的企业的低效率投资减少了发行后的指导方针。与non-heavy-polluting企业相比,重污染企业投资效率的影响更大。具体的因果关系和内部机制需要实证检验。

4.2。模型检查

4.2.1。准备绿色信贷对投资效率的影响

(1)平均处理效应。我们评估的影响,绿色信贷政策的低效率的投资公司通过面板回归模型,造成严重污染,结果列在表中4。结果(1)只包含关键的解释变量,也就是说,低效率的投资,显著系数是负的,说明准则的颁布确实显著降低高污染企业的低效率的投资,提高资本配置的效率,从而提高投资效率;所以,假设1不拒绝。模型1的基础上,逐步控制变量添加到模型中,形成的结果(2)- (7)。显然,污染系数×后仍然是负的,这进一步支持假说的结论1。

(2)动态行为。研究动态绿色信贷对投资效率的影响,本文进一步使用混合面板模型,结果见表5。动态面板回归模型显示,在今年发布指导方针,政策的实施并没有产生重大影响的投资效率高污染企业。主要原因是金融机构在制定自己的信贷政策时滞按照指导方针。高污染企业的投资效率主要是计算的投资项目,需要一定的时间来改变投资计划。自2013年以来,政策执行的净效应是显著负的,至少在1%的水平,表明该指南显示第二年的政策颁布以来微观效应,和高污染企业的低效率的投资明显减少了。2013年回归系数−0.0071,它是重要的在1%的水平。也就是说,“指导方针”发布后,2013年政策执行的效果是最明显的。虽然回归系数的绝对值在2014年与2013年相比略有下降,回归系数的绝对值自2014年以来逐年增加,这也意味着指南已经稳定的实现过程,以及影响的程度逐渐增加。

(3)测试基于PSM-DID模型。减少高污染企业系统的差异在实验组和不重污染企业的共同趋势的假设和获得更健壮的研究结论,本文进一步测试通过使用PSM-DID上面的结论。如果没有重要的实验组和对照组之间的不同匹配后,倾向得分匹配需要满足自然假说之间的平衡和共同支持的假设。平衡属性的假设意味着之间没有重要的不同匹配后的实验组和对照组,而共同支持的假设意味着两个实验组和对照组有足够的重叠区域范围的值。

的倾向得分匹配可以在以下两个步骤完成。首先,选择合适的匹配变量,变量的条件分布估计,也就是说,绿色信贷,然后计算倾向得分,倾向得分的概率是指样本企业将受到指导控制后可观察到的因素的影响。其次,根据计算倾向得分和变异的绿色信贷在第一步中,投资效率的条件分布产生的变量估计。由于倾向得分的“合成”所有匹配的变量对投资效率的影响,倾向评分的一致性控制可以有效地保证的独立性绿色信贷和投资效率,大大降低了估计偏差引起的不同企业之间的控制变量的区别。

引用本文的相关研究和选择,最后,企业规模(大小),资产负债率(Lev),营业收入的增长率(增长),股本(Shrcr)的浓度和总资产周转率(乙)确定匹配的变量;此外,今年进一步控制。表6显示每个匹配变量的平衡性质测试结果后内核匹配。

因此,没有确切的方法来确定匹配的效果,但标准偏差的绝对值越小匹配后,匹配效果就越好。罗森鲍姆和鲁宾35)指出,如果匹配变量之间的标准偏差的绝对值大于20%,匹配效果不好。Chang et al。36)指出,如果标准差之间的绝对值变量匹配小于5%后,然后匹配效应是可靠的和可接受的。综上所述,标准偏差的绝对值的匹配变量,企业规模、资产负债率、营业收入增长率,股权集中和总资产周转率匹配后不到5%,所以本文选择匹配的变量和匹配方法可以被认为是适当的,和匹配的评估结果也是可靠的。相反,从的角度来看,意味着区别匹配前后实验组和对照组,有显著差异匹配变量的均值匹配之前匹配和没有重要的不同之后,这也表明本文匹配估计结果是可靠的。

上面的测试显示,如果倾向得分匹配属性平衡假说是满意,那么共同支持假设要求倾向分数的实验组和对照组应该有足够的共同价值范围;也就是说,倾向实验组和对照组的成绩应该有类似的分布特征。图1假设检验的结果普遍支持。内核匹配后,观察值在共同价值范围内,所以匹配后的观测值和共同支持范围不会影响样品。

总而言之,倾向得分匹配后,数据重污染企业的实验组和对照组non-heavy-polluting企业都很平衡。此时,重污染企业和non-heavy-polluting企业有类似的特点,从而保证了模型的共同趋势的假设是满意。表列出了PSM-DID模型的测试结果。不难看到表7双差分项是−0.001,在10%显著水平,明确表示,颁布的“指导方针”减少了企业的低效率的投资;与non-heavy-polluting公司相比,重污染企业的影响更大。

4.2.2。绿色信贷影响投资效率的测试机制

先前的研究表明,指南是宣布后,重污染的企业减少了低效投资和提高投资效率与non-heavy-polluting企业。我们将进一步检查的机制的准则影响投资效率高污染企业。“指南”发布后,重污染企业缺乏资金来源。国家政策的影响下,重污染企业的计划投资可能减少。特别是,投资计划,原本已经对生态环境产生负面影响更可能被迫中止或者终止,导致大量减少的资本要求。相反,更多的是注意现有基金的使用,使现有资金的使用效率,从而减少低效投资,提高投资效率。为了验证这一假设的准确性,本文利用男爵和肯尼的研究方法37]和Satterthwaite [38]。它检查通过以下三个步骤:第一步,用于回归的差异项资本需求;如果差异项的回归系数显著,这表明颁布的“指导方针”有显著影响高污染企业的资金需求。第二步是使用不同的词来回归投资效率;假设不同的回归系数项是重要的,它意味着颁布的“指导方针”影响了高污染企业的投资效率;因为这一步已经完成之前,它就会被忽略掉。第三步是使用不同的术语和资本需求回归投资效率;如果差异项系数不再是重要的或者是减少或重大意义,但系数的绝对值减少了,这意味着颁布的“指导方针”的确会影响企业通过资本投资效率的需求。根据上述步骤,本文设计以下模型:

方程(4.1)是第一步,和方程(4.2)是第三步D_它代表了资本要求。王的研究和歌曲(2014),本文中的资金需求包括流动性资金需求(Dld)和长期融资需求(过程)。流动性资金需求指的是短期或公司的日常业务需求;公司的流动性资本限额的不确定性会影响公司未来的融资行为,然后影响公司的投资行为。流动性要求=短期借款+应付短期债券+额外发行和分配基于短期demand-short-term借贷基于长期需求。长期资本需求是指长期资金需求的公司或项目建设和投资。公司的项目投资通常来自长期资金,和长期资本的不确定性的增加将不可避免地减少公司的投资行为。长期融资需求=长期借款+额外发行和分配基于长期needs-long-term基于短期借款需求。本文中的资本要求都是衡量资本要求的变化,变化的资本要求=(流动资金需求−初步资本需求)/初步的资本要求。

表8显示了绿色信贷机制的测试结果影响投资效率。从不同的系数模型(1)和(2),公布的指南已经减少了企业的流动性资本需求和长期资本需求,但只有流动性资金需求是至关重要的。模型(3)的解释变量是投资效率,即公式(4.1)的测试结果;模型(3)的区别词不再是重要的。因此,它可以表明准则对企业投资效率的影响确实是影响对资金的需求,尤其是对流动资金的需求,与假设2不拒绝。

4.2.3。金融生态环境异质性的影响

它可以从表暴露出来9的回归系数的绝对值微分项更好的区域金融生态环境的回归系数大于微分项与一个贫穷的区域金融生态环境和区域微分项良好的金融生态环境是重要的在5%的水平。我们可以找到一个更好的金融生态环境确实可以增加指南对投资效率的影响,并假设3不能拒绝。它需要进一步指出,金融生态环境质量变化的影响绿色信贷政策的实施;地区一个更好的金融生态环境是有利于政策的实施和传播。在这项研究中,更好的金融生态环境的地区包括上海、北京、浙江、广东、江苏、福建、天津、山东、重庆、辽宁、安徽。

4.3。健壮性测试

为了使研究结论更健壮,本文首先使用安慰剂测试和移动政策时间提前1年。假定政策是2011年实施(虚构的政策),和检验周期设置为2007 - 2016。如果回归结果的差异项下虚构的政策仍然是重要的,它意味着原评估结果可能是偏见。相反,如果差异项不再是重要的,它可以在一定程度上解释说,虚拟政策不会影响公司的投资效率和回归的结果是可靠的。本文使用安慰剂试验来验证绿色信贷对投资效率的影响。结果表明,不同条件不再重要,如表所示10。可以看出,上述结论本文的健壮。本文还构建了一个新的实验组和对照组根据列表中的高污染企业披露上市公司的环境检验行业分类管理作为本文的实验组。再次验证上述过程,结果表明,不同术语仍显著负的,如表所示11。可以看出,高污染企业的分类标准将不影响本文的研究假设,因此上述结论仍声音。

5。研究结论和启示

本文以所有上市公司在上海和深圳证券交易所市场从2008年到2017年为对象,将于2012年颁布的绿色信贷准则处于实验,并使用PSM-DID模型来实证检验绿色信贷政策的影响公司的投资效率造成严重污染。结论如下:第一,一些小企业污染问题相比,颁布的“指导方针”确实显著降低重污染企业的低效率的投资,从而提高投资效率,政策效应已经稳定。第二,“指南”的颁布限制高污染企业的资金来源和提高效率的公司利用现有的资金影响他们的资金需求。第三,区域政策与一个更好的金融生态环境更容易实现和传输;因此,准则的颁布在这些地区更加明显对高污染企业的投资效率的影响。

本文的研究结论具有重要的指导意义,以支持国家的建设生态文明和绿色金融的发展。本文的结论的政策含义是:第一,绿色信贷政策的颁布实施了融资约束的公司可以污染环境,使用绿色迫使重污染公司转换和升级,减少高污染企业的低效率的投资,提高投资效率的高污染企业。这也表明,国家宏观政策的影响已经在一定程度上反映在micromarket。国家应进一步深化绿色金融政策,建立更完整的绿色金融评价机制,实现高质量的经济和社会发展。第二,信贷融资是产业结构调整的助推器。绿色信贷政策可以调整金融资源的分配,然后重污染企业的投资和融资决策的影响。金融机构应该大力发展绿色金融帮助该国供应方面的结构性改革。第三,金融生态环境可以给一个推动绿色信贷政策的有效实施。地方政府应加强金融生态环境建设,促进经济发展和金融稳定,他们必须创造一个良好的金融生态环境,这样可以顺利传送国家政策和地方企业可以有效地保证。

数据可用性

原始数据支持了本文的结论可以在作者的要求,没有过度的预订,任何合格的研究人员。

的利益冲突

作者宣称没有利益冲突。