寧金輝，史方

【摘要】基于供給側結構性改革去杠桿的現實需求， 以2012年銀監(jiān)會出臺的《綠色信貸指引》這一外生沖擊事件作為準自然實驗， 采用雙重差分模型， 實證檢驗綠色信貸政策對重污染企業(yè)資本結構動態(tài)調整的影響及其作用路徑。 研究發(fā)現， 綠色信貸政策的出臺顯著降低了重污染企業(yè)資本結構調整速度， 且在國有企業(yè)和市場化程度較高地區(qū)的企業(yè)中更為顯著。 作用路徑分析還表明， 綠色信貸政策通過縮小貸款規(guī)模， 來降低企業(yè)資本結構調整速度。

【關鍵詞】綠色信貸;資本結構;動態(tài)調整;去杠桿

【中圖分類號】F275? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）21-0044-10

一、引言

供給側結構性改革是引領我國經濟走向新常態(tài)的關鍵抓手。 十九大報告明確指出以供給側結構性改革為主線， 推動經濟發(fā)展質量變革、效率變革、動力變革。 結構性去杠桿作為我國供給側改革五大任務之一， 被看作是推行供給側結構性改革的核心環(huán)節(jié)。 相關數據顯示， 非金融A股上市公司的資產負債率已從2007年的44.07%上升到2017年的60.07%， 但從行業(yè)屬性來看， 高杠桿企業(yè)主要集中在煤炭、有色金屬、鋼鐵、電力、熱力等重污染行業(yè)[1] 。 重污染行業(yè)的高杠桿蘊含著較高的舉債風險， 已經嚴重影響到重污染行業(yè)的轉型升級， 成為我國經濟穩(wěn)定發(fā)展的重大隱患。 綠色信貸政策作為商業(yè)銀行供給側結構性改革的重要內容， 要求商業(yè)銀行在信貸審批和投放過程中， 嚴格管控對重污染行業(yè)的信貸投放， 以倒逼其產業(yè)轉型升級， 防范系統風險， 維護經濟穩(wěn)定。

為了推動綠色信貸政策落地， 原銀監(jiān)會于2012年發(fā)布了《綠色信貸指引》（銀監(jiān)發(fā)[2012]4號）， 對銀行業(yè)金融機構實施綠色信貸的工作提出了明確要求[2] ， 這標志著綠色信貸正式成為商業(yè)銀行的發(fā)展戰(zhàn)略。 該指引明確指出“對存在重大風險隱患的企業(yè)， 中斷甚至終止信貸資金投放”， 這表明綠色信貸政策嚴格限制對重污染企業(yè)的授信。 在我國資本市場資源配置功能尚不完善的背景下， 銀行信貸仍是企業(yè)融資的主要渠道。 銀行授信作為一個相對外生且與企業(yè)負債密切相關的調整成本， 是公司外部流動資產的主要來源[3，4] 。 然而， 綠色信貸政策重塑了重污染企業(yè)的融資環(huán)境， 商業(yè)銀行將環(huán)境風險納入授信審核條件， 嚴控對重污染企業(yè)的信貸投放， 從而降低其資本結構調整速度。 那么， 綠色信貸政策是否落實到位？ 本文嘗試從資本結構動態(tài)化角度， 來觀測綠色信貸政策的實施效果， 即考察綠色信貸是否影響重污染企業(yè)資本結構動態(tài)調整。 此次《綠色信貸指引》的出臺， 為我們的研究提供了良好的研究契機。

理論上講， 現有關于企業(yè)資本結構動態(tài)調整影響因素的研究多關注于產品市場競爭、宏觀經濟沖擊、市場化進程、法制環(huán)境、媒體報道、產業(yè)政策等外部環(huán)境因素以及公司成長機會、自由現金流、高管薪酬激勵、公司治理、大型投資等內部特征。 但對于從綠色信貸政策這一宏觀變量出發(fā)， 探討資本結構動態(tài)調整影響因素的研究卻鮮有文獻回應。 基于此， 本文結合供給側結構性改革去杠桿的現實需求， 以2012年原銀監(jiān)會發(fā)布的《綠色信貸指引》這一外生沖擊事件作為準自然實驗， 采用雙重差分模型， 實證檢驗綠色信貸政策對重污染企業(yè)資本結構動態(tài)調整的影響及其作用機制。 這不僅有助于我們從理論上理解綠色信貸的經濟后果、資本結構動態(tài)調整的影響因素， 同時， 對于政府部門探索經濟去杠桿的實現路徑、激活經濟平穩(wěn)運行的微觀基礎也具有重要的政策啟示。

本文的研究貢獻主要體現在以下三個方面： 第一， 相關文獻關于綠色信貸政策實施效果評價主要集中在貸款規(guī)模、投資水平等方面。 而本文從資本結構動態(tài)化角度， 基于《綠色信貸指引》這一外生沖擊事件， 采用雙重差分模型， 探討綠色信貸政策對資本結構動態(tài)調整的影響， 有利于從更多元的視角去評價綠色信貸政策的實施效果。 第二， 學者們針對資本結構動態(tài)調整影響因素已經做了較為豐富的探討， 但很少有研究關注到綠色信貸這一重要的研究領域。 而本文結合當前結構性去杠桿的現實背景， 探討綠色信貸政策對公司資本結構動態(tài)調整的影響， 豐富了公司資本結構動態(tài)調整的理論研究。 第三， 本文在深化供給側結構性改革的背景下， 討論綠色信貸和企業(yè)資本結構， 有利于更全面地理解資本市場服務實體經濟， 對監(jiān)管部門去杠桿、商業(yè)銀行完善綠色信貸政策以及投資者優(yōu)化相關投資決策等具有重要的借鑒意義。

二、文獻綜述

資本結構作為企業(yè)一項重要的財務決策， 在公司理財研究領域占據核心地位。 MM理論認為， 在完美的市場條件下資本結構和企業(yè)價值無關。 而權衡理論認為， 由于存在信息不對稱、破產成本、代理成本等摩擦因素， 企業(yè)存在一個最優(yōu)的資本結構， 是權衡債務融資和權益融資各種利弊后的均衡結果。 隨著資本結構研究的逐步深入， 動態(tài)資本結構成為該領域研究的熱點。 動態(tài)資本結構理論認為， 企業(yè)存在目標資本結構， 基于外部環(huán)境和內部環(huán)境的變化， 不斷適時對其進行調整， 以實現企業(yè)價值的最大化， 但趨向目標資本結構的速度取決于調整成本。

有關企業(yè)資本結構動態(tài)調整影響因素， 當前學者們主要從公司內外部因素出發(fā)進行研究。 外部因素主要包括產品市場競爭[5] 、宏觀經濟沖擊[6] 、市場化進程[7] 、法制環(huán)境[8] 、媒體報道[9] 、產業(yè)政策[10] 等。 姜付秀等[5] 認為產品市場競爭越激烈， 企業(yè)越逼近目標資本結構; Cook和Tian[6] 的研究表明， 宏觀經濟運行情況是影響資本結構動態(tài)調整的重要因素; 姜付秀和黃繼承[7] 發(fā)現， 市場化進程與企業(yè)資本結構調整速度顯著正相關; 黃繼承等[8] 認為， 法律環(huán)境越完善， 資本結構調整速度越快; 林慧婷等[9] 的研究表明， 媒體報道顯著提高了資本結構動態(tài)調整速度; 巫岑等[10] 認為， 產業(yè)政策降低了資本結構調整成本。 內部因素主要包括成長機會[11] 、現金流[12] 、高管薪酬激勵[13] 、公司治理[14] 、大型投資[15] 。 黃繼承等[13] 的研究表明， 高管薪酬與資本結構調整速度顯著正相關; 甘麗凝等[15] 發(fā)現， 有大型投資的企業(yè)資本結構調整速度比無大型投資的企業(yè)更快， 實際資本結構與目標資本結構的偏差較小; 羅琦和胡亦秋[12] 發(fā)現， 公司自由現金流是影響企業(yè)資本結構調整的重要因素。

關于綠色信貸政策實施效果的評價主要集中在貸款規(guī)模、投資水平等方面。 蘇冬蔚和連莉莉[16] 、陳琪[17] 和蔡海靜等[18] 研究發(fā)現， 綠色信貸政策降低了重污染企業(yè)的債務融資， 提高了債務資本成本， 同時顯著減少了新增投資。

三、理論分析與研究假設

資本結構靜態(tài)權衡理論認為， 企業(yè)存在最優(yōu)的負債水平， 可以通過調整資本結構達到最優(yōu)以實現企業(yè)價值最大化。 但資本結構動態(tài)權衡理論認為， 企業(yè)存在目標資本結構， 實際資本結構不斷向目標資本結構進行動態(tài)調整， 但企業(yè)資本結構調整需耗費成本， 目標資本結構往往偏離最優(yōu)資本結構。 現有關于資本結構調整速度的文獻主要集中在調整成本， 調整成本直接決定了資本結構動態(tài)調整速度， 即調整成本的增加降低了企業(yè)的調整速度。 調整成本同時受到公司內部經營活動和外部金融發(fā)展環(huán)境的雙重影響， 并處于不斷的動態(tài)變化中， 因此， 不同企業(yè)的調整成本不同， 其資本結構調整速度存在顯著的差異[19] 。 Leary和Roberts[20] 認為， 調整成本包括固定成本和制度成本兩個部分， 前者是指進行調整所需要的會計費用、資產評估費用等成本， 而后者是由資本市場外在環(huán)境決定。 對于不同的企業(yè)來說， 固定成本絕對數量差異不大， 其相對大小因公司規(guī)模、盈利能力等經營情況的不同而存在差異， 制度成本則主要歸因于資本市場的不完善， 使公司無法及時獲取資金或融資環(huán)節(jié)過于復雜， 從而使其調整成本增加[21] 。 連玉君和鐘經樊[21] 指出， 在我國金融市場不完善的現實背景下， 制度成本是影響我國企業(yè)資本結構動態(tài)調整更為重要的因素。 信貸融資的可獲得性是影響企業(yè)資本結構調整成本的關鍵， 張勝等[22] 認為， 信貸資金的可獲得性作為重要且更具隱蔽性的調整成本， 直接影響企業(yè)資本結構調整速度; 林炳華和陳琳[4] 認為， 銀行融資在公司的融資渠道中仍占據主導位置， 作為稀缺金融資源， 銀行授信是影響企業(yè)資本結構的關鍵因素; 常亮[23] 認為， 銀行授信是影響負債的調整成本更為直接的因素。

就本文的研究主題而言， 綠色信貸要求銀行業(yè)金融機構收緊對重污染企業(yè)的信貸投放， 將更多的信貸資源投入綠色項目和綠色產業(yè)， 促進產業(yè)結構綠色轉型， 從而實現經濟的可持續(xù)發(fā)展。 《綠色信貸指引》明確指出：“對存在重大風險隱患的企業(yè)， 中斷甚至終止信貸資金投放?！?雖然該政策的實施是為了督促商業(yè)銀行具體落實綠色信貸， 但政策已經成為具有強制約束力的管理辦法[17] 。 因此， 該指引出臺后， 商業(yè)銀行一方面積極履行社會責任， 另一方面為了優(yōu)化信貸結構、提高銀行資產質量、防范環(huán)境和社會風險， 對待重污染企業(yè)更加謹慎[18] 。 銀行授信作為一項相對外生且與企業(yè)負債密切相關的調整成本， 是公司外部流動資產的主要來源， 具有減小調整成本的功能， 獲取銀行授信意味著擁有更快的調整速度[23] 。 銀行授信可以緩解企業(yè)融資約束， 使企業(yè)更容易獲得信貸資金， 直接降低資本結構的調整成本， 從而大大提高資本結構調整速度[24] 。

但商業(yè)銀行在信貸審核過程中引入企業(yè)環(huán)境風險評估機制， 對重污染企業(yè)進行嚴格的授信限制， 重污染企業(yè)獲取新增貸款的難度將會加大[18] 。 蘇冬蔚和連莉莉[16] 、陳琪[17] 和蔡海靜等[18] 的研究均已證實綠色信貸政策降低了重污染企業(yè)的新增銀行貸款。 因此， 綠色信貸政策的出臺較大地改變了重污染企業(yè)的融資環(huán)境， 銀行授信的限制加劇了企業(yè)的融資約束程度， 降低了外部信貸融資的可得性， 提高了融資的制度成本和調整成本， 從而降低了重污染企業(yè)的資本結構動態(tài)調整速度。

基于此， 本文提出：

H1： 綠色信貸政策出臺后， 重污染企業(yè)的資本結構動態(tài)調整速度有所降低。

綠色信貸政策作為我國政府應對環(huán)境問題、推動經濟可持續(xù)發(fā)展的經濟手段， 是供給側結構性改革去杠桿的重要內容。 產權性質作為影響企業(yè)資本結構動態(tài)調整的關鍵因素， 有可能影響綠色信貸政策與資本結構動態(tài)調整之間的關系。 首先， 現有文獻普遍認為國有企業(yè)的公有產權屬性決定了其面臨著所有者缺位問題， 國有股權屬于全體人民， 政府充當“代理股東”， 復雜的委托代理關系和過長的代理鏈條使國有企業(yè)擁有過多的決策環(huán)節(jié)， 審批決策制度僵化， 融資環(huán)節(jié)復雜。 加之國有企業(yè)股權集中度較高， 融資決策效率較低， 其無法及時獲得資本結構調整所需要的信貸資金， 進而增加了調整成本[25] 。 其次， 國有企業(yè)的預算軟約束比較突出， 加重了管理層的道德風險， 從而減小了管理層優(yōu)化資本結構動態(tài)調整的動機， 進而導致資本結構決策發(fā)生扭曲， 也有可能提高調整成本[26] 。 最后， 在綠色信貸出臺后， 該政策對國有重污染企業(yè)融資懲罰效應更強， 主要降低了國有企業(yè)的貸款規(guī)模。 加之國有企業(yè)承擔了更多的國家政策導向性任務， 商業(yè)銀行對國有企業(yè)的監(jiān)管更加嚴格， 從而更有可能減少對國有重污染企業(yè)的信貸投放， 提高調整成本， 降低其資本結構動態(tài)調整速度。

基于此， 本文提出：

H2：與非國有企業(yè)相比， 綠色信貸政策出臺后， 國有重污染企業(yè)資本結構動態(tài)調整速度的降低更為明顯。

市場化程度是影響企業(yè)資本結構動態(tài)調整的重要外部變量。 由于各地區(qū)資源、信息、文化等因素的影響， 我國市場化程度存在明顯的地區(qū)差異。 企業(yè)所在地區(qū)市場化程度越低， 政府對企業(yè)經營和銀行借貸的干預程度越高， 非市場化機制對資源配置的扭曲效應越明顯。 由于重污染企業(yè)是地方財政的主要稅源， 某些官員為了自身和地方利益可能會對地方國有重污染企業(yè)施加保護， 干預商業(yè)銀行的綠色信貸政策， 從而使該政策的實施效果可能不及預期。 然而， 在市場化程度較高的地區(qū)， 市場在資源配置中的作用更為突出， 政府對市場的干預越少， 市場的競爭越充分， 嚴格的市場規(guī)則會導致企業(yè)面臨競爭激烈的經營環(huán)境。

在基本實現現代化的今天， 注重生態(tài)、保護環(huán)境越來越重要， 通過發(fā)揮市場機制實現工業(yè)綠色發(fā)展才是大勢所趨。 盡管重污染工業(yè)具有歷史必然性， 但重污染企業(yè)作為傳統產業(yè)， 是環(huán)境污染的主要制造者， 不符合市場需求， 與綠色發(fā)展趨勢相悖， 無法適應外部競爭的市場化環(huán)境。 同時， 在市場化程度較高的地區(qū)， 金融發(fā)展水平也比較高， 商業(yè)銀行的信貸政策會更加市場化， 商業(yè)銀行在決定信貸資源的配置時會更多地考慮市場因素， 基于市場經濟原則來決定貸款對象[27] 。 銀行業(yè)金融機構的專業(yè)化水平越高， 防范信貸風險和環(huán)境風險的能力更強， 降低風險水平的措施更加嚴格， 信貸融資對重污染企業(yè)而言更難[28] ， 綠色信貸政策的實施更加徹底， 商業(yè)銀行對重污染企業(yè)的授信限制執(zhí)行得更加嚴格， 提高了資本結構的調整成本。 因此， 綠色信貸政策對重污染企業(yè)資本結構動態(tài)調整速度的約束作用有可能更強。

基于此， 本文提出：

H3：與市場化程度較低的地區(qū)相比， 綠色信貸政策出臺后， 市場化程度較高地區(qū)重污染企業(yè)資本結構動態(tài)調整速度的降低更為明顯。

四、研究設計

（一）數據來源與樣本選擇

本文以2007 ～ 2018年滬深兩市A股重污染上市公司為實驗組， 同時將非重污染上市公司為控制組。 在此基礎上， 本文對數據按照以下原則進行進一步篩選： ①剔除ST或?ST的公司樣本; ②剔除金融保險行業(yè)公司樣本; ③剔除核心研究指標缺失的樣本。 最終得到27116個觀測值。 本文使用的數據均來源于CSMAR國泰安數據庫。 為了消除極端值對實證結果造成的誤差， 本文對所有連續(xù)型變量進行上下1%的縮尾處理。

（二）模型設定與變量定義

借鑒Rangan和Flannery[29] 的研究， 本文運用標準部分調整模型對公司資本結構調整速度進行測算， 模型（1）如下：

LEVi，t-LEVi，t-1=θ（LEV?i，t-LEVi，t-1）+μi，t （1）

其中， LEVi，t和LEVi，t-1分別表示公司i在第t年和第t-1年的實際資本結構， 用資產負債率表示。 LEV?i，t表示公司i在第t年的目標資本結構。 系數θ反映公司資本結構的調整速度， μi，t為隨機擾動項。

理論上來說， 資本結構是由企業(yè)特征、行業(yè)、時間等因素共同決定的函數[5，29] 。 基于Huang和Ritter[30] 的做法， 本文通過企業(yè)規(guī)模（Size）、盈利能力（Profit）、抵押能力（Tangble）、成長機會（MB）、非債務稅盾（Dep）、研發(fā)投入（R&D和R&Ddum）、資本結構年度—行業(yè)中位數（LEVmed）以及行業(yè)效應和時間效應等指標來計算目標資本結構LEV?i，t， 模型（2）如下：

LEV?i，t-1=αXi，t-1 （2）

其中， α表示回歸系數， Xi，t-1表示影響資本結構的公司特征、行業(yè)、時間等因素。

將模型（2）代入模型（1）得到如下模型（3）：

LEVi，t=αXi，t-1+（1-θ）LEVi，t-1+ui，t （3）

為了保證研究結論的穩(wěn)健性， 借鑒Flannery和Hankins[24] 、黃繼承等[8] 的做法， 本文同時使用固定效應模型（FE）和廣義矩估計（GMM）兩種方法對模型（3）進行估計。 然后， 將估算出的回歸系數α代入模型（2）中， 可以估計出公司的目標資本結構LEV?i，t。 具體而言， 用固定效應模型估計的目標資本結構以LEVfe表示， 用廣義矩估計方法估計的目標資本結構以LEVgmm表示。

為了檢驗《綠色信貸指引》的出臺對重污染企業(yè)資本結構調整速度的影響， 本文參考林慧婷等[9] 的做法， 對模型（1）進行如下的修正：

LEVi，t-LEVi，t-1=（β0+β1Posti，t+β2Treatmenti，t+β3Posti，tTreatmenti，t）（LEV?i，t-LEVi，t-1）+ui，t （4）

其中： β0為常數項， β1、β2和β3是解釋變量的估計系數; Posti，t為時間變量， 表示《綠色信貸指引》是否出臺， 2012年以前的年份取0， 2012年及以后的年份取1; Treatmenti，t為實驗變量， 若為重污染企業(yè)該值取1， 否則取0; ui，t為隨機擾動項。 本文關注的是模型（4）中的系數β3， 反映《綠色信貸指引》的出臺對重污染企業(yè)資本結構調整速度的影響。 若β3顯著為負， 則表明《綠色信貸指引》出臺后重污染企業(yè)資本結構動態(tài)調整速度有所降低。

具體變量的定義如表1所示。

五、實證結果分析

（一）描述性統計

表2列示了主要變量的描述性統計結果。 用固定效應模型測算的目標資本結構LEVfe的均值為0.637、中位數為0.704、標準差為0.229。 而用廣義矩估計方法測算的目標資本結構LEVgmm的均值為0.692、中位數為0.757、標準差為0.261。 用固定效應模型估計實際資本結構偏離目標資本結構的偏離程度DEVfe的均值為0.247、中位數為0.249、標準差為0.201。 而用廣義矩估計方法估計實際資本結構偏離目標資本結構的偏離程度DEVgmm的均值為0.302、中位數為0.313、標準差為0.196。 可以看出， 用兩種不同方法估算的目標資本結構存在一定差異， 但差異并不大。 Treatment的均值為0.243， 表示重污染企業(yè)樣本占樣本總量的24.3%。

（二）基本回歸結果

1. 綠色信貸政策對資本結構調整速度的影響。 本文使用模型（4）考察綠色信貸政策對重污染企業(yè)資本結構調整速度的影響。 回歸結果如表3所示。 表3的第（1）列和第（3）列分別列示了使用固定效應模型和廣義矩估計方法估算全樣本的估計結果， 資本結構偏離程度的回歸系數分別為0.1285和0.1308， 這意味著就全樣本而言， 企業(yè)的年平均資本結構調整速度大約在12% ～ 13%之間， 企業(yè)存在不斷向目標資本結構進行動態(tài)調整的趨勢。

表3的第（2）列和第（4）列列示了雙重差分模型估計結果， 回歸結果中三階交乘項DEVfe×Post×Treatment的系數β3是本文關注的主要變量。 第（2）列是模型（4）固定效應模型估算的回歸結果， DEVfe×Post×Treatment的回歸系數為-0.0234， 在5%的水平上顯著為負。 這意味著《綠色信貸指引》出臺后， 重污染企業(yè)的資本結構調整速度下降了2.34%。 第（4）列是模型（4）廣義矩估計方法估算的回歸結果， DEVgmm×Post×Treatment的回歸系數β3為-0.0227， 在1%的水平上顯著為負。 這意味著《綠色信貸指引》出臺后， 重污染企業(yè)的資本結構調整速度下降了2.27%。 因此， 綠色信貸政策出臺后， 重污染企業(yè)的資本結構動態(tài)調整速度有所降低， 支持了本文H1。

2. 產權性質的調節(jié)效應。 表4報告了不同產權性質下綠色信貸政策對重污染企業(yè)資本結構調整速度的影響。 本文將全樣本按照產權性質劃分為國有企業(yè)和非國有企業(yè)兩個樣本組。 第（1）列和第（3）列顯示： 在國有企業(yè)樣本組中， DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數分別為-0.0256和-0.0257， 分別在10%和5%的水平上顯著為負。 第（2）列和第（4）列顯示： 在非國有企業(yè)樣本組中， DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數分別為-0.008和-0.0054， 均未通過顯著性檢驗。 這表明與非國有企業(yè)相比， 綠色信貸政策出臺后， 國有重污染企業(yè)資本結構動態(tài)調整速度的降低更為明顯， 支持了本文H2。

3.市場化程度的調節(jié)效應。 借鑒陳琪[17] 的研究， 本文使用《中國分省份市場化指數報告（2016）》（王小魯和樊剛等）中的市場化總指數評分來衡量地區(qū)市場化程度的代理變量。 市場化指數越高， 說明該地區(qū)的市場化程度越高。 表5報告了不同市場化程度下綠色信貸政策對重污染企業(yè)資本結構調整速度的影響。 按照市場化指數中位數將全樣本分為高市場化程度和低市場化程度地區(qū)兩個子樣本組， 分別對其進行回歸。 第（1）列和第（3）列顯示： 在高市場化程度樣本組中， DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數分別為-0.0252和-0.022， 均在5%的水平上顯著為負。 第（2）列和第（4）列顯示： 在低市場化程度樣本組中， DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數分別為-0.0168和-0.0185， 均未通過顯著性檢驗。 這表明， 與市場化程度較低的地區(qū)相比， 綠色信貸政策出臺后， 市場化程度較高地區(qū)的重污染企業(yè)資本結構動態(tài)調整速度的降低更為明顯， 支持了本文H3。

（三）穩(wěn)健性和內生性檢驗

1. 傾向得分匹配法。 為了解決可能存在的樣本偏差問題， 本文使用傾向得分匹配法為重污染企業(yè)實驗組在非重污染企業(yè)樣本中匹配控制組， 并對模型（4）重新進行估計。 具體而言： 首先， 本文使用企業(yè)規(guī)模、盈利能力、資本結構、產權性質、成長性、市場化程度等關鍵變量作為匹配標準; 其次， 采用Probit模型來估計樣本為重污染企業(yè)的可能概率;最后， 按照傾向的分值， 利用1∶4近鄰匹配法為實驗組選取與其預期概率值最為接近的控制組。 表6列示了傾向得分匹配法的基本回歸結果。 可以看出， 三階交乘項DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數均在5%的水平上顯著為負， 結論與前文一致， 說明本文的研究結論相對穩(wěn)健。

2. 安慰劑檢驗。 為了進一步排除可能存在不可觀測的遺漏變量問題， 參考陳琪[17] 的研究， 本文使用安慰劑檢驗重新考察綠色信貸政策對重污染企業(yè)資本結構調整速度的影響。 通過描述性統計可知本文共包含6589家重污染企業(yè)樣本， 從總樣本中隨機選取與原回歸重污染企業(yè)樣本同等數量的樣本， 并生成虛擬實驗組， 隨機選擇的實驗組就是安慰劑， 其他樣本企業(yè)則作為對照組。 本文設置一個新的虛擬變量Treat， Treat取1表示虛擬實驗組， Treat取0表示控制組。 重復上述回歸， 如果模型中不存在不可觀測的遺漏變量， 則安慰劑的檢驗結果即隨機選擇的虛擬實驗組與控制組的雙重差分的估計系數不顯著。 表7列示了安慰劑檢驗的回歸結果。 結果顯示， DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數均不顯著， 表明模型不存在不可觀測的遺漏變量問題， 說明本文的研究結論較為穩(wěn)健。

六、作用路徑分析

企業(yè)融資方式的選擇會受到融資資源可獲得性的制約。 我國政府從環(huán)境污染問題和綠色發(fā)展趨勢出發(fā)， 引導金融機構積極承擔環(huán)境責任。 為了治理污染、保護環(huán)境， 綠色信貸政策要求嚴格控制對重污染企業(yè)的信貸投放， 將企業(yè)的環(huán)境表現設為發(fā)放信貸的條件。 面對宏觀資金供給面的沖擊， 重污染企業(yè)獲得外部信貸融資的難度加大。 而信貸資金的可獲得性及獲得數量的多少作為重要且更具隱蔽性的調整成本， 直接影響著企業(yè)資本結構調整速度。 綠色信貸降低了重污染企業(yè)信貸的可獲得性， 信貸資金規(guī)模的約束限制了其進行資本結構調整所需要的信貸資金規(guī)模， 提高了企業(yè)資本結構調整成本， 進而降低了重污染企業(yè)的資本結構動態(tài)調整速度。 因此， 本文認為綠色信貸降低了重污染企業(yè)銀行貸款規(guī)模， 而銀行信貸的減少又為綠色信貸政策對企業(yè)資本結構動態(tài)調整速度提供了媒介。 基于此， 本文認為綠色信貸政策通過減少貸款規(guī)模作用于企業(yè)資本結構動態(tài)調整速度。 為了驗證綠色信貸政策的作用路徑， 構建如下中介效應模型：

Loani，t=r0+r1Posti，t+r2Treatmenti，t+r3Posti，t×

Treatmenti，t+rXi，t+μi，t （5）

LEVi，t-LEVi，t-1=（θ0+θ1Posti，t+θ2Treatmenti，t

+θ3Posti，tTreatmenti，t）（LEV?i，t-LEVi，t-1）+

θ4Loani，t+μi，t （6）

其中， Loani，t表示企業(yè)銀行借款。 為了保證結論的可靠性， 本文借鑒陳琪[17] 和蔡海靜等[18] 的做法， 同時采用企業(yè)現金流量表中“取得借款收到的現金”除以期末總資產（用Loan1表示）和企業(yè)的短期借款、長期借款以及一年內到期的非流動負債之和的本期變化值除以期末總資產（用Loan2表示）兩種度量方式來衡量銀行借款的變化。 同時， 還控制了企業(yè)規(guī)模、盈利能力、抵押能力、成長性、產權性質、市場化程度、年度效應、行業(yè)效應等變量。

模型（4）、（5）和（6）構成了中介效應的驗證路徑， 根據假設分析， 本文預計r3顯著小于0， θ3和θ4均在統計上顯著， 且|θ3|<|β3|。

檢驗綠色信貸政策對資本結構調整速度的影響路徑包含三個步驟。

首先， 模型（4）的估計結果（表3）已經表明綠色信貸政策的出臺顯著降低了重污染企業(yè)資本結構調整速度。

其次， 以模型（5）驗證綠色信貸政策對中介變量（貸款規(guī)模）的作用。 表8與表9的列（1）和列（3）分別報告了綠色信貸政策與企業(yè)貸款規(guī)模Loan1和Loan2的回歸結果。 可以看出， 無論被解釋變量是Loan1還是Loan2， 三階交乘項DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數均為負， 且至少通過了5%水平的顯著性檢驗。 這說明綠色信貸政策顯著降低了重污染企業(yè)的貸款規(guī)模， 與本文預期一致。

最后， 模型（6）用于驗證中介變量的加入對被解釋變量的影響。 從表8的列（2）和列（4）可以看出， 當貸款規(guī)模用Loan1表示時， 三階交乘項DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數分別為-0.0161和-0.0172， 且分別在10%和5%的水平上顯著， 與模型（4）的結果相比， 回歸系數的絕對值有所下降。 同時， 中介變量Loan1的系數也在1%的水平上顯著。 這說明以Loan1衡量的企業(yè)貸款規(guī)模在綠色信貸政策對重污染企業(yè)資本結構調整速度的影響中起到了部分中介的作用。 從表9的列（2）和列（4）可以看出， 當貸款規(guī)模用Loan2表示時， 三階交乘項DEVfe×Post×Treatment和DEVgmm×Post×Treatment的回歸系數分別為0.002和0.0013， 并不顯著。 但是中介變量Loan2的系數仍在1%的水平上顯著， 這說明以Loan2衡量的企業(yè)貸款規(guī)模在綠色信貸政策對重污染企業(yè)資本結構調整速度的影響中起到完全中介作用。 根據現有的中介效應模型， 中介效應檢驗的Sobel Z值分別為-2.212、-2.073、-5.115和-5.147， 均至少在5%的水平上顯著。 綜合上述結果， 綠色信貸政策通過縮小貸款規(guī)模作用于企業(yè)資本結構動態(tài)調整速度， 與本文預期一致。

七、研究結論和政策建議

本文結合供給側結構性改革去杠桿的現實需求， 以2012年我國原銀監(jiān)會出臺的《綠色信貸指引》這一外生沖擊事件作為準自然實驗， 采用雙重差分模型， 實證檢驗了綠色信貸政策對重污染企業(yè)資本結構動態(tài)調整的影響及其作用路徑。 研究發(fā)現： 綠色信貸政策的出臺顯著降低了重污染企業(yè)資本結構調整速度， 且在國有企業(yè)和市場化程度較高地區(qū)的企業(yè)中更為明顯。 作用路徑分析表明： 綠色信貸政策通過降低貸款規(guī)模， 來降低企業(yè)資本結構調整速度。

本文的研究結論具有一定的理論意義和政策啟示。 根據上述結論， 本文提出以下建議： 第一， 研究結果表明， 綠色信貸政策取得了階段性實施效果， 因此建議政府進一步完善和細化綠色信貸政策的管理辦法， 加強對綠色信貸政策的實施力度。 重點關注和監(jiān)管銀行業(yè)金融機構在市場化程度較低的地區(qū)和非國有企業(yè)授信限制的具體落實情況。 第二， 建議銀行業(yè)金融機構在授信的審查過程中， 盡量避免一刀切式落實綠色信貸政策， 根據重污染細分行業(yè)的不同屬性制定不同類型的實施細則， 以提高商業(yè)銀行資產質量和防范壞賬風險。 此外， 綠色信貸政策限制資金流入重污染企業(yè)僅僅是手段， 其真正的目的在于倒逼重污染企業(yè)通過綠色創(chuàng)新促進產業(yè)轉型升級。 商業(yè)銀行在制定懲罰措施的同時， 還要制定配套的激勵措施， 對于存在較高環(huán)境風險的企業(yè)， 嚴格控制信貸投放， 而對于綠色創(chuàng)新表現突出的重污染企業(yè)優(yōu)先授信， 不斷完善綠色信貸政策制度和流程建設。 第三， 建議重污染企業(yè)積極順應綠色發(fā)展潮流， 關注自身生產經營過程中產生的環(huán)境風險， 加強節(jié)能減排技術的開發(fā)和應用， 完善環(huán)境信息披露機制， 降低企業(yè)與銀行之間的信息不對稱， 爭取長期發(fā)展所需的信貸資源。

【 主 要 參 考 文 獻 】

[1] 綦好東，劉浩，朱煒.過度負債企業(yè)“去杠桿”績效研究[ J].會計研究，2018（12）：3 ～ 11.

[2] 丁杰.綠色信貸政策、信貸資源配置與企業(yè)策略性反應[ J].經濟評論，2019（4）：62 ～ 75.

[3] Sufi A.. Bank lines of credit in corporate finance：An empirical analysis[ J].Review of Financial Studies，2009（3）：1057 ～ 1088.

[4] 林炳華，陳琳.公司如何獲得銀行授信——基于公司財務和公司治理的視角[ J].經濟管理，2015（10）：136 ～ 145.

[5] 姜付秀，屈耀輝，陸正飛，李焰.產品市場競爭與資本結構動態(tài)調整[ J].經濟研究，2008（4）：99 ～ 110.

[6] Cook D. O.， Tian T.. Macroeconomic conditions and capital structure adjustment speed[ J].Journal of Corporate Finance，? 2010（1）：73 ～ 87.

[7] 姜付秀，黃繼承.市場化進程與資本結構動態(tài)調整[ J].管理世界，2011（3）：124 ～ 134.

[8] 黃繼承，朱冰，向東.法律環(huán)境與資本結構動態(tài)調整[ J].管理世界，2014（5）：142 ～ 156.

[9] 林慧婷，何玉潤，王茂林，朱冰.媒體報道與企業(yè)資本結構動態(tài)調整[ J].會計研究，2016（9）：41 ～ 46.

[10] 巫岑，黎文飛，唐清泉.產業(yè)政策與企業(yè)資本結構調整速度[ J].金融研究，2019（4）：92 ～ 110.

[11] Drobetz W.， Wanzenried G.. What determines the speed of adjustment to the target capital structure？[ J].Applied Financial Economics，2006（16）：941 ～ 958.

[12] 羅琦，胡亦秋.公司自由現金流與資本結構動態(tài)調整[ J].財貿研究，2016（3）：117 ～ 125.

[13] 黃繼承，闞鑠，朱冰，鄭志剛.經理薪酬激勵與資本結構動態(tài)調整[ J].管理世界，2016（11）：156 ～ 171.

[14] Chang Y. K.， Chou R. K.， Huang T. H.. Corporate governance and the dynamics of capital structure： New evidence[ J].Journal of Banking & Finance，2014（48）：374 ～ 385.

[15] 甘麗凝，武洪熙，牛芙蓉，張鳴.大型投資與資本結構動態(tài)調整——基于中國上市公司的經驗證據[ J].會計研究，2015（9）： 59 ～ 67.

[16] 蘇冬蔚，連莉莉.綠色信貸是否影響重污染企業(yè)的投融資行為？[ J].金融研究，2018（12）：123 ～ 137.

[17] 陳琪.中國綠色信貸政策落實了嗎——基于“兩高一剩”企業(yè)貸款規(guī)模和成本的分析[ J].當代財經，2019（3）：118 ～ 129.

[18] 蔡海靜，汪祥耀，譚超.綠色信貸政策、企業(yè)新增銀行借款與環(huán)保效應[ J].會計研究，2019（3）：88 ～ 95.

[19] 凌鴻程.分析師跟蹤與資本結構動態(tài)調整[ J].財經論叢， 2018（7）：60 ～ 69.

[20] Leary M. T.， Roberts M. R.. Do firms rebalance their capital structures？[ J].Social Science Electronic Publishing，2005（6）： 2575 ～ 2619.

[21] 連玉君，鐘經樊.中國上市公司資本結構動態(tài)調整機制研究[ J].南方經濟，2007（1）：23 ～ 38.

[22] 張勝，張珂源，張敏.銀行關聯與企業(yè)資本結構動態(tài)調整[ J].會計研究，2017（2）：49 ～ 55.

[23] 常亮.銀行授信與資本結構動態(tài)調整——來自中國上市公司的經驗證據[ J].南方經濟，2012（9）：156 ～ 168.

[24] Flannery M. J.， Hankins K. W.. Estimating dynamic panel models in corporate finance[ J].Journal of Corporate Finance，2013（1）：1 ～ 19.

[25] 盛明泉，張敏，馬黎珺，李昊.國有產權、預算軟約束與資本結構動態(tài)調整[ J].管理世界，2012（3）：151 ～ 157.

[26] 盛明泉，張春強，王燁.高管股權激勵與資本結構動態(tài)調整[ J].會計研究，2016（2）：44 ～ 50.

[27] 翟勝寶，易旱琴，鄭潔，唐瑋，曹學勤.銀企關系與企業(yè)投資效率——基于我國民營上市公司的經驗證據[ J].會計研究，2014（4）：74 ～ 80.

[28] 趙興楣，王華.政府控制、制度背景與資本結構動態(tài)調整[ J].會計研究，2011（3）：34 ～ 40.

[29] Rangan K. P.， Flannery M. J.. Partial adjustment toward target capital structures[ J].Journal of Financial Economics，2006（3）：? 469 ～ 506.

[30] Huang R.， Ritter J. R.. Testing theories of capital structure and estimating the speed of adjustment[ J].Journal of Financial and Quantitative Analysis，2009（2）：237 ～ 271.