新经济研究
Journal of New Economic Studies
- 主办单位:未來中國國際出版集團有限公司
- ISSN:3079-3416（P）
- ISSN:3079-9589（O）
- 期刊分类:经济管理
- 出版周期:月刊
- 投稿量:2
- 浏览量:324
相关文章
暂无数据
低碳城市试点政策对企业财务绩效的影响研究
Study on the Impact of Low-Carbon City Pilot Policies on Corporate Financial Performance
引言
在全球气候变化加剧与可持续发展成为共识的背景下，中国于2020年提出“碳达峰、碳中和”目标，推动经济社会绿色转型成为国家战略。低碳城市试点政策作为一项重要的环境规制工具，自2010年起分三批在全国范围内推行，旨在通过政策引导、资金支持、技术推广等方式推动城市低碳发展。该政策不仅影响城市层面的碳排放与能源结构，更对企业这一微观主体产生深远影响。
企业是碳排放的重要来源，也是绿色转型的关键实施者。低碳政策的实施可能通过多种渠道影响企业经营：一方面，政策可能增加企业的环保成本，挤占生产性投资；另一方面，政策也可能激励企业进行绿色技术创新、优化资源配置、提升能源效率，从而增强长期竞争力。因此，科学评估低碳城市试点政策对企业财务绩效的影响，不仅有助于理解环境规制的经济效应，也能为政策优化与企业战略调整提供依据。
既有研究多聚焦于低碳政策对城市碳排放、绿色创新等方面的影响，而对其微观企业财务绩效的探讨仍显不足，且结论不一。部分研究认为环境规制会加重企业负担，降低其财务绩效；也有研究指出合理的环境政策可激发“创新补偿效应”，提升企业价值。此外，现有研究在机制探讨上多侧重于单一渠道，缺乏系统性的多路径分析。
基于此，本文利用2005-2024年中国A股上市公司数据，构建多期双重差分模型，实证检验低碳城市试点政策对企业财务绩效的影响，并从融资约束缓解与绿色创新促进两个角度揭示其作用机制。本文的边际贡献在于：第一，提供了低碳政策与企业财务绩效之间因果关系的较新证据；第二，从异质性视角揭示了政策效果的差异化特征；第三，系统检验了融资约束与绿色创新在政策影响中的中介角色，丰富了相关机制研究。
一、理论分析和研究假设
（一）低碳政策与企业财务绩效：直接效应
根据波特假说（Porter Hypothesis），适当的环境规制可激发企业进行创新，从而部分或完全抵消合规成本，甚至提升企业竞争力。低碳城市试点政策作为一种“柔性”环境规制，通常配套以财政补贴、税收优惠、绿色信贷等激励措施，有助于引导企业向绿色生产模式转型。企业通过节能改造、清洁技术应用、绿色产品开发等方式，不仅能满足政策要求，还可能获得新的市场机会、提升品牌形象，进而改善财务绩效。
相反，遵循成本理论认为，环境规制会增加企业的运营成本，如设备更新、排污治理、合规管理等支出，从而挤占企业资源，降低其盈利能力与市场价值。低碳政策若执行过严或配套支持不足，可能导致企业负担加重，财务绩效下降。
综合上述两种观点，低碳政策对企业财务绩效的影响可能存在“双刃剑”效应，其净效应取决于政策强度、企业特征与外部环境。本文提出：
假设1：低碳城市试点政策对企业财务绩效具有显著影响，但方向有待实证检验。
（二）机制分析：融资约束与绿色创新
融资约束缓解机制。低碳试点城市往往享有中央与地方政府的财政与金融支持，如绿色信贷优先、环保专项补贴、低碳基金设立等。这些措施可直接或间接缓解企业的融资约束，尤其对于绿色项目或技术改革类投资。融资约束的缓解使企业更有能力进行长期投资与创新活动，进而提升企业价值。
绿色创新促进机制。政策压力与激励双轮驱动下，企业倾向于增加绿色研发投入，申请绿色专利，推动技术升级。绿色创新不仅能帮助企业达到环保标准，还可通过产品差异化、成本节约、效率提升等途径增强竞争力，从而提升财务绩效。基于此，本文提出：
假设2：低碳城市试点政策通过缓解企业融资约束提升其财务绩效。
假设3：低碳城市试点政策通过促进企业绿色创新提升其财务绩效。
二、研究设计
（一）样本选取与数据来源
本文选用2005-2024年沪深A股非金融类上市企业的面板数据作为研究样本。在样本处理时，剔除了样本期间内ST、*ST及退市公司样本，同时也剔除关键财务数据缺失的样本；此外为缓解极端值影响，对所有连续变量进行上下1%的缩尾处理。最终获得4944家A股上市公司20年的数据，构建了包含49333个样本的平衡面板。主要数据来源于CNRDS数据库。
（二）变量定义
1.被解释变量：企业财务绩效
在学术界中，企业财务绩效的评估主要采用TobinQ、ROA及ROE等指标进行衡量。而本文的研究方向重点关注企业的市场价值和长期政策影响，其中，ROE指标更加偏重测度短期盈利能力和资金使用效率的实际影响，且易受会计操纵影响；相比之下，TobinQ与ROA则较为适合，然而ROA作为一项考察企业财务绩效的综合指标，可能无法有效体现市场对企业未来盈利能力和成长性的集体预期。因此，针对这一局限，本文在基准回归部分选择以TobinQ指标评估企业财务绩效，在稳健性检验部分则以ROA和ROE指标衡量企业财务绩效来增强实证检验的准确性。
2.解释变量：低碳城市试点政策（DID）
低碳城市试点政策的虚拟变量（DID）以Treat与Post变量的乘积来构建。若企业注册地所在城市为低碳试点城市，则Treat取1，否则为0；对于试点城市，低碳城市试点政策实施当年及之后年份Post取1，实施前年份取0；低碳试点城市名单截止到2025年12月共分三批，第一批为2010年，包含广东、辽宁、湖北、陕西、云南5省与天津、重庆2个直辖市及其他6个地级城市；第二批为2012年，共包含海南1省、北京、上海2直辖市以及其他26个城市及地区；第三批共包含45个城市及地区被评选低碳试点城市。试点体系范围持续扩大，三批试点城市中后续无退出试点城市，由此试点城市从低碳试点政策实施当年开始，Post取值为1，后续取值不存在变化。
3.中介变量
（1）融资约束
借鉴相关文献Hadlock and Pierce (2010) 的方法，本文选取SA指数法衡量融资约束指标，本文取其绝对值SA进行分析，该值越大，表明企业面临的融资约束越严重。该指数具体计算公式为：SA = -0.737×Size +0.043×Size²-0.040×Age。其中，Size为企业总资产（单位：百万元人民币）的自然对数，Age为企业观测年份与上市年份的差值。
（2）绿色创新
本文参考已有文献，用绿色专利授权量（LnGreen_Grant）衡量绿色创新指标，其具体计算方法为发明和实用新型绿色专利的总授权量加上1的自然对数
4.控制变量
借鉴已有文献的做法，本文控制了可能影响被解释变量的其他因素，具体包含企业规模（Size）、总资产净利润率（ROA）、净资产收益率（ROE）、总资产周转率（ATO）、营业收入增长率（Growth）、 上市年限（Listage）、管理层持股比例（Mshare）、企业全要素生产率（TFP_LP）。主要变量的定义见表1。
| 变量类型 | 变量名称 | 变量符号 | 变量度量 |
|---|---|---|---|
| 被解释变量 | 托宾Q值 | TobinQ | 企业的市场价值/资产重置成本 |
| 解释变量 | 低碳城市试点政策 | DID | Treat*Post |
| 控制变量 | 企业规模 | Size | 总资产的自然对数 |
| 总资产净利润率 | ROA | 净利润/总资产 | |
| 净资产收益率 | ROE | 净利润/平均净资产 | |
| 总资产周转率 | ATO | 销售收入/总资产 | |
| 营业收入增长率 | Growth | （本年营业收入-上年营业收入）/上年营业收入 | |
| 上市年限 | Listage | ln(当年年份-上市年份+1) | |
| 管理层持股比例 | Mshare | 管理层持有的股份数量/企业总股本 | |
| 企业全要素生产率 | TFP_LP | 采用Levinsohn & Petrin（2003）的半参数方法进行估计 | |
| 股权性质 | SOE | 是否为国有企业的虚拟变量，如果是取值为１，否则取值为０ | |
| 行业 | Industry | 取2012年公布的行业代码，C开头的为制造业，其他为非制造业 | |
| 中介变量 | 融资约束指数 | SA | SA = -0.737 × Size +0.043 × Size² -0.040 × Age |
| 绿色专利授权量 | LnGreen_Grant | 发明和实用新型绿色专利的总授权量加上1的自然对数 |
（三）模型构建
为探究低碳城市试点政策对企业财务绩效的影响，本文构建模型（1）：
（1）
其中，和分别代表企业和年份，代表企业财务绩效，代表低碳城市试点政策，代表控制变量，的大小衡量了低碳试点政策对企业财务绩效的净效应，和分别代表城市固定效应和年份固定效应，为随机误差项。本文采用聚类至企业层面的稳健标准误，以缓解可能出现的自相关和异方差问题。
三、实证分析
（一）描述性统计
相关的描述性统计结果如表2所示。TobinQ的均值为1.572，标准差为1.167，最小值为0.850，最大值为7.654，说明托宾Q值有较大差异。DID的均值为0.561，说明有56.1%的样本收到低碳城市试点政策影响。其他变量数值均在合理标准内。
| 变量 | 观测值 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|---|
| TobinQ | 49174 | 1.949 | 1.572 | 1.167 | 0.850 | 7.654 |
| DID | 49174 | 0.561 | 1.000 | 0.496 | 0.000 | 1.000 |
| Size | 49174 | 22.105 | 21.910 | 1.276 | 19.781 | 26.135 |
| ROA | 49174 | 0.042 | 0.040 | 0.063 | -0.203 | 0.221 |
| ROE | 49174 | 0.063 | 0.073 | 0.132 | -0.636 | 0.366 |
| ATO | 49174 | 0.660 | 0.560 | 0.446 | 0.084 | 2.677 |
| Growth | 49174 | 0.153 | 0.100 | 0.367 | -0.540 | 2.196 |
| ListAge | 49174 | 2.021 | 2.197 | 0.931 | 0.000 | 3.401 |
| SOE | 49174 | 0.372 | 0.000 | 0.483 | 0.000 | 1.000 |
| Mshare | 49174 | 13.688 | 0.618 | 19.761 | 0.000 | 68.877 |
| TFP_LP | 49174 | 8.571 | 8.461 | 1.046 | 6.427 | 11.471 |
| LnGreen_Grant | 49174 | 0.659 | 0.000 | 1.003 | 0.000 | 4.143 |
| SA | 49174 | 4.403 | 4.146 | 1.432 | 1.087 | 10.110 |
（二）基准回归结果
表3报告了低碳城市试点政策对企业财务绩效的基准回归结果。列（1）为低碳城市试点政策对企业财务绩效的简单OLS估计，未控制任何变量，列（2）则添加控制变量，未控制任何固定效应。列（3）只控制了城市固定效应，而列（4）则添加了城市固定效应与时间固定效应，且列（3）和列（4）均添加聚类标准误到企业个体。
| (1) | (2) | (3) | (4) | |
|---|---|---|---|---|
| TobinQ | TobinQ | TobinQ | TobinQ | |
| DID | 0.0971*** | 0.234*** | 0.334*** | 0.0614** |
| (9.17) | (23.98) | (22.41) | (2.34) | |
| Size | -0.428*** | -0.418*** | -0.438*** | |
| (-44.56) | (-42.91) | (-21.62) | ||
| ROA | 8.772*** | 8.407*** | 7.910*** | |
| (51.04) | (48.87) | (18.80) | ||
| ROE | -2.317*** | -2.145*** | -2.023*** | |
| (-28.44) | (-26.54) | (-13.91) | ||
| ATO | -0.139*** | -0.0981*** | -0.0335 | |
| (-7.44) | (-5.16) | (-0.86) | ||
| Growth | 0.180*** | 0.170*** | 0.163*** | |
| (13.46) | (12.92) | (9.75) | ||
| ListAge | 0.316*** | 0.314*** | 0.293*** | |
| (48.35) | (47.27) | (21.49) | ||
| Mshare | -0.00311*** | -0.00348*** | -0.00504*** | |
| (-10.85) | (-11.83) | (-9.15) | ||
| TFP_LP | 0.0486*** | 0.0235* | 0.0107 | |
| (3.59) | (1.70) | (0.38) | ||
| _cons | 1.894*** | 10.11*** | 10.05*** | 10.78*** |
| (238.83) | (80.83) | (79.04) | (36.56) | |
| Control | No | Yes | Yes | Yes |
| City | No | No | Yes | Yes |
| Year | No | No | No | Yes |
| N | 49174 | 49174 | 49174 | 49174 |
| r2 | 0.002 | 0.211 | 0.252 | 0.345 |
注：括号内数值为t值，* p <0.1, ** p <0.05, *** p <0.01。
（三）稳健性检验
1.平行趋势检验
基准回归结果表明低碳政策能够提升试点地区的企业财务绩效水平，假设1由此成立，但这一结果可能在试点政策实施之前就存在，因此本文引入平行趋势检验。本文研究样本的时间范围为2005年至2024年，由于政策在不同年份逐步实施，我们构建了相对时间变量pd，表示每个观测值距离本公司受政策冲击的年份数。为平衡样本并确保估计精度，我们将相对时间窗口限定为冲击前12年至冲击后14年。如图1所示，在政策实施前（相对时间pd<0），处理组与对照组的企业财务绩效没有显著差异趋势，所有前置期系数估计值均接近于零且不显著。这为我们的识别策略提供了有力支持。政策实施后（pd≥0），系数立即转为显著为正，并在后续时期维持，表明政策效应是及时且持久的，未出现短期脉冲后迅速衰减的模式。
2.安慰剂检验
为进一步验证研究结论和排除内生性政策冲击，对政策实施时间和实验组样本均进行重复1000次的安慰剂检验，结果见图2。由图2可知，低碳城市试点政策系数值以正态分布形式汇集于零值附近，且绝大多数P值大于0.1，该结果表明，基准回归中观察到的正向效应极不可能由随机性或未观测到的时序性混淆因素所驱动。这进一步强化了本文核心结论的稳健性，即政策冲击对企业价值的提升作用具有因果解释力。
（四）异质性分析
1.产权性质
从产权性质来看，政策效应在非国有企业中显著为正（系数=0.085，t=3.54），但在国有企业中不显著且系数接近于零。这一差异的可能原因在于，国有企业通常与政府联系更为紧密，已能通过多种渠道获得资源与支持，因此新增政策的边际效应相对有限；而非国有企业面临的融资约束和市场壁垒更为突出，政策带来的实质性优惠（如减税降费、市场准入等）能更有效地缓解其约束，从而对其价值提升产生更为显著的积极影响。
2.行业属性
从行业属性来看，政策显著提升了非制造业企业的价值（系数=0.112，t=4.20），而对制造业企业的影响不显著。一个可能的解释是，本政策的核心着力点可能在于激发服务创新、改善商业环境或促进消费升级，这些方面与非制造业（如服务业、信息技术业等）的关联更为直接和紧密。相比之下，制造业企业的发展可能更受制于技术瓶颈、供应链稳定性和国际市场需求等结构性因素，使得本次政策的针对性效果未能充分显现。
| (1) | (2) | (3) | (4) | |
|---|---|---|---|---|
| 国企 | 非国企 | 制造业 | 非制造业 | |
| DID | -0.00883 | 0.0852*** | -0.00308 | 0.112*** |
| (-0.43) | (3.54) | (-0.15) | (4.20) | |
| Size | -0.601*** | -0.649*** | -0.683*** | -0.599*** |
| (-35.20) | (-37.41) | (-37.39) | (-33.27) | |
| ROA | 4.402*** | 5.454*** | 5.712*** | 3.305*** |
| (17.97) | (24.71) | (27.17) | (12.91) | |
| ROE | -0.802*** | -1.337*** | -1.249*** | -0.715*** |
| (-8.68) | (-13.33) | (-13.77) | (-6.88) | |
| ATO | 0.0677** | 0.217*** | 0.0820** | 0.142*** |
| (2.11) | (6.54) | (2.38) | (4.20) | |
| Growth | -0.00325 | 0.0707*** | 0.0506*** | 0.0422*** |
| (-0.22) | (4.88) | (3.53) | (2.75) | |
| ListAge | 0.487*** | 0.763*** | 0.748*** | 0.552*** |
| (23.72) | (52.33) | (54.14) | (26.95) | |
| Mshare | -0.00571*** | -0.00280*** | -0.00208*** | -0.00555*** |
| (-5.05) | (-4.95) | (-3.56) | (-5.50) | |
| TFP_LP | 0.0363 | 0.0592*** | 0.126*** | -0.00638 |
| (1.62) | (2.70) | (5.10) | (-0.30) | |
| _cons | 13.67*** | 14.09*** | 14.30*** | 13.91*** |
| (50.03) | (52.17) | (52.89) | (44.64) | |
| Firm | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes |
| N | 18283 | 30891 | 33419 | 15734 |
| r2 | 0.636 | 0.636 | 0.638 | 0.674 |
注：括号内数值为t值，* p <0.1, ** p <0.05, *** p <0.01。
（五）含有中介效应的影响机制检验
1.融资约束的中介作用
（2）
（3）当模型（2）中系数与模型（3）中系数均显著时，间接效应显著，中介效应成立，下同。其中，为企业的融资约束变量，其余变量与模型（1）保持一致。
2.绿色创新的中介作用
（4）
（5）其中，为绿色创新变量，其余变量与模型（1）保持一致。
表5呈现了融资约束与绿色创新的中介效应的分析结果，首先，列（1）重现了基准回归中DID对企业价值的显著正向总效应。列（2）显示，政策对融资约束（SA）的影响同样显著为正，表明政策实施有效缓解了企业的融资约束。列（3）将政策与融资约束同时纳入回归，此时融资约束的系数显著为正，而DID的系数不再显著，说明融资约束起到了完全中介作用，即政策主要通过缓解融资约束来提升企业价值
类似地，列（4）检验政策对绿色创新的影响，发现政策显著提高了企业的绿色专利数量。列（5）同时加入政策和绿色创新后，绿色创新的系数显著为正，而政策的直接效应变得不显著，这表明绿色创新同样发挥了完全中介效应，即政策通过激励企业进行绿色创新进而提升其市场价值。由此结果可验证假设2与假设3的成立。
| (1) | (2) | (3) | (4) | (5) | |
|---|---|---|---|---|---|
| TobinQ | SA | TobinQ | LnGreen_Grant | TobinQ | |
| DID | 0.0349** | 0.0109*** | 0.0151 | 0.0357*** | 0.0338 |
| (2.18) | (2.87) | (0.47) | (2.91) | (1.01) | |
| SA | 1.811*** | ||||
| (4.27) | |||||
| LnGreen_Grant | 0.0333** | ||||
| (2.37) | |||||
| Size | -0.629*** | 1.190*** | -2.784*** | 0.267*** | -0.638*** |
| (-50.76) | (229.45) | (-5.22) | (28.04) | (-12.74) | |
| ROA | 5.049*** | -0.0191 | 5.084*** | -0.421*** | 5.063*** |
| (31.17) | (-0.62) | (10.11) | (-3.38) | (10.27) | |
| ROE | -1.091*** | -0.0108 | -1.072*** | 0.0953* | -1.095*** |
| (-15.91) | (-1.06) | (-7.93) | (1.81) | (-8.18) | |
| ATO | 0.142*** | -0.0156** | 0.170*** | -0.0371** | 0.143*** |
| (6.03) | (-2.32) | (3.72) | (-2.06) | (3.02) | |
| Growth | 0.0465*** | -0.00659*** | 0.0585** | -0.0527*** | 0.0483* |
| (4.40) | (-3.56) | (2.25) | (-6.49) | (1.76) | |
| ListAge | 0.687*** | -0.0522*** | 0.781*** | -0.0450*** | 0.688*** |
| (60.81) | (-16.10) | (12.29) | (-5.19) | (13.49) | |
| Mshare | -0.00362*** | 0.000526*** | -0.00458*** | 0.000956** | -0.00366*** |
| (-7.33) | (5.63) | (-4.00) | (2.52) | (-3.11) | |
| TFP_LP | 0.0524*** | 0.00604 | 0.0414 | 0.0462*** | 0.0508 |
| (3.29) | (1.44) | (1.34) | (3.77) | (1.62) | |
| _cons | 13.81*** | -21.85*** | 53.37*** | -5.533*** | 13.99*** |
| (71.11) | (-200.96) | (5.44) | (-37.12) | (13.94) | |
| Firm | Yes | Yes | Yes | Yes | Yes |
| Year | Yes | Yes | Yes | Yes | Yes |
| N | 49174 | 49174 | 49174 | 49174 | 49174 |
| r2 | 0.637 | 0.999 | 0.644 | 0.710 | 0.637 |
注：括号内数值为t值，* p <0.1, ** p <0.05, *** p <0.01。
四、研究结论和政策建议
（一）研究结论
本研究基于2005-2024年沪深A股非金融类上市公司的面板数据，运用多期双重差分模型，系统考察了低碳城市试点政策对企业财务绩效的影响及其作用机制。研究结论如下：
第一，低碳城市试点政策显著提升了试点地区企业的财务绩效。基准回归结果表明，低碳试点政策（DID）的系数在控制企业特征、城市与年份固定效应后，仍然显著为正。这表明，该政策作为一项重要的环境规制工具，不仅有助于实现宏观层面的绿色转型目标，也能够在微观层面通过“波特效应”激励企业，从而提升其市场价值与长期绩效。
第二，政策的绩效提升效应主要通过缓解企业融资约束和促进绿色创新两条路径实现。机制检验结果表明，一方面，政策通过降低企业的融资约束指数，为企业绿色转型和技术升级提供资金支持；另一方面，政策显著提高了企业的绿色专利授权量，激发了绿色创新活力。这两条路径均发挥了完全中介作用，即政策主要通过改善融资环境和激励创新活动来最终提升企业价值。
第三，政策的效应具有明显的异质性。从产权性质来看，政策对非国有企业的促进作用更为显著，而对国有企业影响不显著。这可能与两类企业在资源禀赋、政策敏感性和融资依赖度等方面的差异有关。从行业属性来看，政策对非制造业企业的财务绩效提升作用更为突出，对制造业企业的影响则不明显。这或许反映出当前政策的着力点与服务业、信息技术等非制造业的转型升级路径更为契合。
（二）政策建议
首先对政府而言，持续优化政策协同机制，加强低碳试点政策与绿色金融、科技创新、产业升级等政策的协调配合，形成系统性的激励约束体系；实施差异化精准扶持，针对非国有企业、中小微企业以及绿色技术密集型行业，设计更具针对性的融资支持、税收优惠和研发补助政策，提升政策惠及面与有效性；健全绿色创新市场体系，完善绿色技术交易市场，强化绿色专利保护，畅通“绿色创新—市场应用—价值实现”的转化路径。
其次，对企业而言，战略层面主动融入，将绿色低碳纳入企业长期发展战略，积极申请并利用试点政策提供的各类资源与平台；聚焦绿色创新核心能力，加大绿色技术研发投入，推动生产工艺清洁化与产品绿色化，将环境绩效转化为竞争优势；优化内部资源配置，利用政策缓解的融资约束，将更多资金导向效率提升、技术升级等长期价值创造活动。
参考文献：
- [1] 田淑英,夏梦丽,许文立.低碳经济下的企业绩效及其信贷约束——基于“低碳城市”试点政策的准自然实验分析[J].财经论丛,2022(10):49-58.
- [2] 李百兴,王博,卿小权.企业社会责任履行、媒体监督与财务绩效研究——基于A股重污染行业的经验数据[J].会计研究,2018(07):64-71.
- [3] 刘晗,张晓凤.低碳经济下上市公司绩效及影响分析——基于低碳城市试点政策的准自然实验[J].科技和产业,2025,25(10):250-257.
- [4] 胡爱平,张春艳,周莎.财务共享对企业财务绩效的影响研究——以华为公司为例[J].会计之友,2021(19):14-19.
- [5] 李海彤,王化成,曹丰.产融合作与企业投资效率——基于试点城市的准自然实验[J].南开管理评论,2024,27(06):4-15+50.
- [6] 王双进,田原,党莉莉.工业企业ESG责任履行、竞争战略与财务绩效[J].会计研究,2022(03):77-92.
- [7] 杨凌云.股票入选沪深300指数成分股对企业融资约束的影响[D].上海外国语大学,2022.