引言

随着全球经济的快速发展，环境问题日益成为制约人类可持续发展的重要因素。在这一背景下，绿色金融作为一种通过金融手段促进环境保护和可持续发展的重要工具，受到了各国政府和金融机构的广泛关注。绿色信贷作为绿色金融的重要组成部分，是指银行等金融机构在信贷决策过程中，将环境因素纳入考量，对环保型企业和项目提供优惠贷款，对高污染、高能耗企业和项目限制贷款的一种信贷政策。

一、研究背景

中国自2007年正式推出绿色信贷政策以来，绿色信贷业务取得了显著发展。中国人民银行发布数据显示：截至2024年四季度末，我国本外币绿色贷款余额36.6万亿元，同比增长21.7%，增速比各项贷款高14.5个百分点，全年增加6.52万亿元。然而，在绿色信贷规模不断扩大的同时，其对商业银行盈利能力的影响却存在争议。

现有文献关于绿色信贷对商业银行盈利能力的影响方向存在三种主要观点。李苏等基于16家上市商业银行2011-2015年的数据研究发现，绿色信贷与银行绩效呈正相关关系，实施绿色信贷有利于提高银行的资产收益率。

王建琼等利用12家银行2010-2017年的面板数据研究发现，绿色信贷业务会降低大型国有银行的盈利能力。

王晓宁和朱广印基于12家商业银行2009-2015年的数据研究发现，绿色信贷比对银行盈利能力的正向影响未能通过显著性检验，王建琼、董可还发现，绿色信贷对中小股份制商业银行盈利能力的影响并不显著，这可能与中小银行的规模较小、资源有限有关。

在此背景下，本文旨在回答以下核心问题：绿色信贷究竟如何影响商业银行的盈利能力？其作用机制和传导路径又是怎样的？对这些问题的解答，不仅有助于深化对绿色金融微观经济效应的理解，也能为商业银行制定绿色信贷发展战略和监管部门完善政策设计提供科学依据。

二、理论分析与研究假设

（一）绿色信贷对商业银行盈利能力的直接影响

绿色信贷契合政策导向，政府对绿色产业的补贴、税收优惠，降低企业违约风险，提升贷款质量，提高盈利能力，据此提出：

假设1：绿色信贷规模（GC）与绿色信贷率（GCL）对商业银行盈利能力（ROA）有显著正向影响。

假设2：绿色信贷规模（GC）与绿色信贷率（GCL）对商业银行盈利能力（ROA）有显著负向影响。

（二）中间业务收入占比的中介作用

绿色信贷推动银行参与绿色项目全流程，为企业设计绿色融资方案、提供碳排放权质押咨询等，促进中间业务发展。中间业务收入占比（NII）提升，既能优化收入结构，又能增强客户粘性，资产质量体现银行业务能力，间接提升盈利能力。由此提出：

假设3：中间业务收入占比（NII）和资产质量在绿色信贷影响盈利能力的过程中起中介作用，即绿色信贷通过提高NII，进而提升ROA。

三、研究设计

（一）样本选取与数据来源

本文选取2015-2024年中国15家商业银行作为研究样本，包括5家国有大型商业银行和10家股份制商业银行及城市商业银行。数据主要来源于万得数据库（Wind）、国泰安数据库（CSMAR）以及各商业银行的年度报告和社会责任报告。对于部分缺失数据，采用插值法进行填补。根据以往的文章进行分析，影响商业银行盈利能力的因素众多，本文选取指标过程中，除了选取存贷比，净息差等影响银行盈利能力的指标外还参照了外部因素，我国的经济增长率以及货币增长率。同时选取中间业务占比作为中介变量。

本次选取样本银行为国有银行：中国银行、中国邮政储蓄银行、中国建设银行、中国工商银行、中国农业银行、交通银行；股份制银行：中信银行、兴业银行、招商银行、中国民生银行、华夏银行、上海浦东发展银行；城市商业银行：北京银行、南京银行、平安银行。

（二）变量选取

1. 被解释变量

参考王建琼等人的研究，选取总资产收益率ROA来衡量商业银行的盈利能力，值越大，盈利能力越好。

2.解释变量

参考孙光林等人的研究用绿色信贷（GC），采用绿色信贷余额的自然对数表示，绿色信贷余额与贷款总额的比值（GCL），两指标值越大，表示银行绿色金融业务开展得越好。

3. 中介变量

中间业务占比（NII）采用非利息收入占营业收入的比重衡量，反映收入结构改善情况。资产质量（NPL）用不良贷款率来衡量样本银行资产质量。一般来说不良贷款率越高，贷款收回的可能性越小，总资产回报率相应越低。

4. 控制变量

存贷比（LDR）采用贷款总额与存款总额的比值衡量。货币增长率（MP）采用广义货币供应量增长率（M2增长率）衡量。净息差（XC）、成本收入比（CS）是从银行总体层面对资产的盈利能力进行衡量，银行成本收入比越低，说明银行的成本管理和收入管理能力越强，盈利能力越好。净息差越大则说明该银行盈利能力越强，因此成本收入比越小并且净息差越大则银行盈利性越好。

（三）模型构建

1. 检验绿色信贷对盈利能力的直接影响

2. 验证中间业务收入占比的传导作用

中介效应检验：

若 、 显著，且加入NII和NPL后δ系数下降，说明存在中介效应。

四、实证结果分析

描述性统计

表1报告了主要变量及其描述性统计结果。发现不同商业银行的绿色贷款余额差异较大，最大值为15.61，最小值为9.34，表明我国各商业银行绿色信贷发展并不均衡，彼此之间存在差距。总体资产报酬率ROA最高1.42，最低0.420，表明我国各商业银行之间在资产配置、经营效率和风险管理上存在明显差异。其他变量的描述性统计分析，皆在合理范围内。

Variable	N	最小值	最大值	均值	标准偏差
ROA	150	0.42	1.42	0.8677	0.20447
GC	150	9.34	15.61	12.4862	1.53581
GCL	150	0.30	38.18	8.4638	7.29364
NPL	150	0.75	2.39	1.4027	0.32411
LDR	150	39.20	116.23	85.1531	16.08591
XC	150	1.27	2.88	2.0589	0.36660
CS	150	1.28	66.44	29.7738	9.90366
MP	150	7.30	13.30	9.7400	1.80726
NII	150	5.97	47.04	25.8369	8.34890

相关性检验

表2 报告了相关性检验结果。

	ROA	GC	GCL	LDR	XC	CS	MP
ROA	1
GC	0.108	1
GCL	0.039	0.613**	1
LDR	-0.193*	-0.037	0.095	1
XC	0.378**	-0.310**	-0.262**	-0.280**	1
CS	-0.191*	0.027	-0.079	-0.521**	0.244**	1
MP	0.246**	-0.158	-0.120	-0.235**	0.394**	-0.003***	1

注：***p<0.01, **p<0.05, *p<0.1。

从相关性检验来看，变量间的显著性均较好，绿色信贷规模（GC）和绿色信贷规模占比（GCL）的相关性最高，为0.613，为防止共线性，我们将两个变量分别回归。总资产回报率（ROA）和净息差（XC）的相关性为第二高，为0.378，说明对于银行而言，盈利能力和净息差相关性最大。其余变量间的相关性较小，不会出现多重共线性的问题。

基准回归结果

表3 报告了基准回归结果。

类型	（1）	(2)	（3）	（4）
Constant	0.22** (22.314)	0.621 (-0.496)	0.000*** (20.144)	0.002** (3.171)
GC	0.000*** (4.457)	0.000*** (4.838)
GCL			0.003** (2.724)	0.007** (2.558)
LDR		0.110 (-1.609)		0.010* (-2.061)
XC		0.000*** (4.622)		0.000*** (4.005)
CS		0.000*** (-4.670)		0.000*** (-4.541)
MP		0.024*** (2.278)		0.153 (1.436)
是否控制时间效应	YES	YES	YES	YES
是否控制个体效应	NO	NO	NO	NO
N	149	149	149	149
F	15.361	17.630	13.853	15.716
R2	0.0678	0.722	0.617	0.753

注：括号内数字为t统计量，*p<0.1，**p<0.05，***p<0.01。

在所有模型中，R²都达到了60%，解释力较好，核心解释变量GC在模型(1)-(2)中，系数0.000***（t=4.457/4.838，p<0.01），说明GC对ROA有显著正向影响，GCL在模型3和4中系数0.003**（t=2.724，p<0.05）、0.007**（t=2.558，p<0.05），显著正向影响ROA。

绿色信贷规模扩大，既契合政策导向，又能通过优化资产结构，降低不良率，同时吸引绿色投资客户，提升利息与中间业务收入，最终推动ROA增长。绿色信贷结构优化，虽前期资金占用久，但收益稳定、风险低。长期项目还可绑定优质企业客户，拓展综合金融服务，进一步提升ROA。

模型(4)中LDR系数0.010*（t=-2.061，p<0.1），弱显著负向影响ROA。模型(2)-(4)中，XC系数0.000***（t=4.622/4.005，p<0.01），极显著正向影响ROA，绿色信贷多投向长期稳定项目，能通过锁定优质资产扩大净息差，直接提升ROA。CS越高，银行运营效率越低。绿色信贷业务初期需投入额外成本，若管理不善，会推高CS，挤压盈利空间，负向影响ROA。MP在模型（2)中显著正向影响ROA，在模型（4)中不显著，可猜测绿色信贷对货币环境扩张时，更有效。

中介效应分析

表4 报告了中间业务收入和资产质量的中介效应检验结果。从表中可以看出，绿色信贷余额占比（GC）对中间业务收入占比（NII）的系数显著为正，表明绿色信贷能够显著促进商业银行中间业务收入的增长；中间业务收入占比（NII）对总资产收益率（ROA）的系数显著为正，表明中间业务收入的增长能够显著提升商业银行的盈利能力。此外，在加入中间业务收入占比（NII）后，绿色信贷余额占比（GC）的系数虽然有所下降，但仍然显著为正，这表明中间业务收入在绿色信贷影响商业银行盈利能力的过程中发挥了部分中介作用。

类型	(2)	（4）	（5）	（6）
Constant	0.621 (-0.496)	0.002** (3.171)	0.085** (-0.184)	0.000*** (4.404)
GC	0.000*** (4.838)		0.000*** (7.004)
GCL		0.007** (2.558)		0.025* (2.275)
NII			0.000*** (6.748)	0.000*** (5.484)
NPL			0.144** (-1.470)	0.191* (1.313)
LDR	0.110 (-1.609)	0.010* (-2.061)	0.072** (-1.812)	0.000 (-4.299)
XC	0.000*** (4.622)	0.000*** (4.005)	0.000*** (5.892)	0.000 (5.003)
CS	0.000*** (-4.670)	0.000*** (-4.541)	0.000*** (-6.032)	0.000 (-5.305)
MP	0.024*** (2.278)	0.153 (1.436)
是否控制时间效应	YES	YES	YES	YES
是否控制个体效应	NO	NO	NO	NO
N	149	149	149	149
F	17.630	15.716	13.370	8.023
R2	0.722	0.753	0.774	0.688

注：括号内数字为t统计量，*p<0.1，**p<0.05，***p<0.01。

同样，绿色信贷余额占比（GC）对不良贷款率（NPL）的系数显著为负，表明绿色信贷能够显著降低商业银行的不良贷款率；不良贷款率（NPL）对总资产收益率（ROA）的系数显著为负，表明不良贷款率的降低能够显著提升商业银行的盈利能力。在加入不良贷款率（NPL）后，绿色信贷余额占比（GC）的系数也有所下降，但仍然显著为正，这表明资产质量在绿色信贷影响商业银行盈利能力的过程中也发挥了部分中介作用。

综上所述，中间业务收入和资产质量在绿色信贷影响商业银行盈利能力的过程中均发挥了部分中介作用，假设3得到验证。

五、结论与建议

绿色信贷对商业银行盈利能力有显著正向影响，规模（GC）与比率（GCL）提升均能提升ROA，且通过中间业务收入占比（NII）传导，优化收入结构是关键路径。宏观经济高增长、货币宽松环境下，正向影响更突出。

监管部门需要出台差异化政策，对中小银行绿色信贷给予更多流动性支持；顺周期调节时，结合宏观经济与货币环境，引导银行扩大绿色信贷投放，平衡绿色发展与商业可持续。

参考文献：

1. [1] 王建琼, 董可.绿色信贷对商业银行经营绩效的影响——基于中国商业银行的实证分析[J]. 南京审计大学学报,2019,16(04):52-60.
2. [2] 孙光林, 王颖, 李庆海.绿色信贷对商业银行信贷风险的影响[J]. 金融论坛,2017,22(10):31-40.
3. [3] 李苏, 贾妍妍, 达潭枫.绿色信贷对商业银行绩效与风险的影响——基于16家上市商业银行面板数据分析[J]. 金融发展研究,2017(09):72-77.