引言

在"双碳"目标背景下，如何引导金融资源向绿色领域配置、缓解企业绿色转型面临的融资困境，已成为学术界和实务界共同关注的重要议题。自2017年国务院常务会议决定建设绿色金融改革创新试验区以来，该政策已覆盖六省（区）十地，在绿色信贷、绿色债券等方面进行了系统性探索。然而，绿色项目具有投资周期长、风险高等特点，企业在转型过程中普遍面临融资约束，尤其在以银行信贷为主导的中国金融体系下，民营企业和中小企业更易受到信贷歧视。绿色金融改革创新试验区政策能否缓解融资约束、其作用机制及差异化影响，尚未得到充分回答。既有研究多关注绿色金融对全要素生产率或ESG表现的影响，对融资约束的直接效应及ESG表现这一综合性传导渠道关注有限，且较少考察政策在不同市场结构中的差异化响应。

有鉴于此，本文以2009—2024年中国A股上市公司为样本，构建多期双重差分模型，实证检验绿色金融改革创新试验区政策对企业融资约束的影响及机制。本文的边际贡献在于：第一，以融资约束为被解释变量，从"前端效应"视角评估政策成效；第二，系统考察"绿色信贷资源配置"和"企业ESG表现改善"双重传导机制；第三，从行业竞争程度维度进行拓展分析，揭示政策效应的异质性特征。

一、理论分析与研究假说

（一）绿色金融试点政策、绿色信贷资源配置与企业融资约束

企业融资约束是制约其投资与长期发展的关键障碍。在中国银行主导的金融体系下，民营企业与中小企业因信息不对称和"所有制歧视"长期处于信贷弱势地位。绿色项目因投资周期长、风险高，在传统信贷机制下更易遭受融资排斥，加剧企业绿色转型的融资困境。因此，缓解企业融资约束是推动绿色低碳转型的重要议题。

从理论机制看，绿色金融改革创新试验区政策主要通过资源支持和信号传递两条路径缓解融资约束。资源支持方面，试验区通过绿色信贷风险补偿、财政贴息等措施，构建"政府分担+市场运作"的支持体系，降低银行对绿色企业的风险溢价估计，引导金融资源向绿色领域配置。信号传递方面，试验区通过环境信息披露和绿色认证等制度安排，提高企业环境行为的可观测性，帮助企业向资本市场传递积极信号，降低银企信息不对称，进而缓解融资约束。

从制度背景来看，自2017年绿色金融改革创新试验区设立以来，相关配套政策体系不断完善，特别是2024年七部门联合发布的《关于进一步强化金融支持绿色低碳发展的指导意见》为试验区纵深推进提供了顶层制度保障。然而，既有文献对试验区政策效应的考察多集中于绿色技术创新、全要素生产率提升或ESG表现改善等"后端结果"，而对政策能否直接作用于企业融资约束这一"前端机制"关注不足。

综合上述分析，绿色金融改革创新试验区政策既能够通过政府主导的信贷资源倾斜和风险分担机制直接增加企业外部融资的可得性，又能够通过信息披露和认证体系的完善降低银企信息不对称，从而有效缓解企业融资约束。

基于此，本文提出假说1：绿色金融改革创新试验区政策能够显著缓解企业面临的融资约束。

信贷配给理论指出，由于银企之间的信息不对称，银行往往通过信贷配给而非利率调整来规避风险，导致部分具有正外部性的企业无法获得充足融资。在中国以银行信贷为主导的金融体系下，金融资源配置存在明显的"所有制歧视"和"规模歧视"，而绿色项目因投资周期长、技术风险高等特点，在传统信贷框架下更易被视为高风险项目，面临更为严重的融资约束。绿色金融改革创新试验区政策通过建立绿色信贷风险补偿基金、财政贴息、差异化额度管理等制度安排，构建了"政府引导、市场运作、风险共担"的绿色信贷资源配置机制，有效降低了银行对绿色企业的风险溢价估计，将信贷资源从"棕色"领域引导至"绿色"领域。

从微观传导机制来看，绿色信贷资源配置的优化对企业融资约束的缓解主要体现在两个方面：其一，信贷可得性提升。试验区政策通过增加绿色信贷额度和简化审批流程，使企业能够更便捷地获得银行借款，缓解数量型融资约束。其二，债务融资成本下降。绿色信贷激励机制引导银行对绿色企业给予利率优惠，风险补偿机制降低了银行的风险溢价要求，进而降低企业的利息负担和融资成本。上述两个方面共同作用，使得企业在绿色金融改革背景下能够以更低成本、更高效率获取外部融资。

基于此，本文提出假说2：绿色金融改革创新试验区政策通过优化绿色信贷资源配置，进而缓解企业融资约束。

（二）绿色金融试点政策、企业ESG表现与融资约束

企业融资约束的本质是外部资金供给方与企业之间的信息不对称所导致的风险溢价与信贷配给。绿色金融改革创新试验区政策通过推动企业ESG表现的系统性提升，构建起"政策激励→信息改善→融资约束缓解"的传导链条。具体而言，试验区政策通过绿色信贷激励、强制环境信息披露约束以及绿色项目认证等制度安排，对企业形成ESG改善激励，而ESG评分的提升能够在资本市场上发挥信号传递功能——向银行等债权人释放关于企业长期经营稳健性、环境合规能力与信息透明度的积极信号，促使银行下调风险溢价、放宽抵押担保要求，从价格型和数量型两个维度同时缓解融资约束。

更进一步，ESG表现的改善还会通过利益相关者渠道为企业带来实质性资源支持。根据利益相关者理论，ESG评分较高的企业更容易与政府、金融机构、供应商等建立稳固的合作关系，从而获得更多的绿色信贷额度、财政环保补助以及商业信用支持。已有研究表明，绿色金融试点政策能够显著提升企业ESG表现，而ESG表现的提升又能够通过降低信息不对称和拓宽外部资源渠道来缓解企业融资约束。

基于此，本文提出假说3：绿色金融改革创新试验区政策通过提高企业ESG评分，进而缓解企业融资约束。

二、数据来源及实证分析

（一）变量定义及数据来源

本文选取2009-2024年绿色金融改革创新试验区七省（区）十市内所属沪深A股上市公司为研究样本。剔除金融与保险业、“特殊处理”类（ST）企业，为防止极端值的影响，对连续变量进行1%的缩尾处理。

1. 被解释变量

参照Kaplan和Zingales（1997）的经典研究，本文采用KZ指数衡量企业融资约束程度。KZ指数基于企业现金流、杠杆率、现金持有、股利支付和托宾Q等财务指标构建，能够综合反映企业面临的外部融资难度。相较于SA指数和WW指数，KZ指数对中国上市公司具有更好的适用性和区分度。在绿色金融政策评估研究中，融资约束是核心传导机制，林木西和肖宇博亦采用KZ指数作为被解释变量检验绿色金融改革创新试验区的政策效果。因此，本文以KZ指数作为被解释变量，构建双重差分模型检验政策对企业融资约束的缓解效应。

2. 解释变量

核心解释变量为绿色金融改革创新试验区政策实施的交互项。具体来说，我国绿色金融改革创新试验区在2017-2022年分批次设立，并逐步扩大试点范围。其中浙江省湖州市、衢州市、江西省赣江新区、广东省广州市、贵州省贵安新区、新疆哈密、昌吉州和克拉玛依市绿金试验区于2017年6月14日获批；甘肃省兰州新区和重庆市绿金试验区分别于2019年11月28日和2022年8月19日获批。设定交叉项为本文核心解释变量。其中，为组别虚拟变量，若企业注册递纸位于绿色改革创新试验区内，该变量为1，否则取值为0。为时间虚拟变量，企业i在政策设立时间点t开始取值为1，之后简写为did。

3. 控制变量

主要包括：企业规模(Size)、总资产收益率(ROA)、现金流(Cashflow)、销售净利润率(Netprofit)、流动比率(Liquid)，本文同时控制了行业和年份固定效应（见表1）。

（二）基准回归分析

为考察绿色金融试点政策对企业融资约束的影响，本文构建以下模型：

式（1）中的i,j,c,t分别表示企业、行业、城市和时间，指代企业融资约束，是本文的核心解释变量，是本文关注的核心参数，即绿色金融改革创新试验区这一外生制度能够缓解企业融资约束则其符号应显著为正；为控制变量组；为企业个体固定效应，为时间固定效应，为随机扰动项。以上估计基于城市层面的聚类调整标准误差。

变量	标准差	均值	最小值	最大值
KZ	2.494	1.363	-12.813	7.930
did	0.195	0.040	0	1
Size	1.321	22.135	19.415	26.452
ROA	0.066	0.033	-0.556	0.222
CashFlow	0.070	0.046	-0.223	0.282
Netprofit	0.205	0.058	-2.110	0.595
Liquid	2.947	2.658	0.217	34.609

变量	（1）	（2）	（3）	（4）
	全样本	全样本	竞争性	非竞争性
DID	-0.251** (0.124)	-0.158** (0.079)	-0.208** (0.102)	0.047 (0.706)
Size		-0.074*** (0.025)	-0.113*** (0.032)	0.048 (0.048)
ROA		-6.914*** (0.271)	-6.587*** (0.318)	-6.788*** (0.539)
Cashflow		-12.616*** (0.126)	-12.948*** (0.155)	-11.990*** (0.214)
Liquid		-0.343*** (0.011)	-0.351*** (0.010)	-0.279*** (0.027)
Netprofit		-0.079 (0.079)	-0.166* (0.099)	0.079 (0.130)
N	49,517	49,512	37,421	12,019
R-squared	0.601	0.786	0.784	0.792
id FE	YES	YES	YES	YES
year FE	YES	YES	YES	YES
industry FE	YES	YES	YES	YES

注：***、** 和 * 分别表示在1%、5%和10%的水平上显著；括号内为样本企业层面聚类的t值。需要说明的是，本文采用非平衡面板数据，Stata在回归过程中会自动剔除缺失值观测，因此不同模型和分组回归中的样本量存在差异，这属于常见情况，并不影响结论的稳健性。

主要变量的描述性统计如表1所示。

基准回归结果如表2所示。列（1）未加入控制变量时，DID系数显著为负；列（2）加入财务和治理特征变量后，交互项系数仍在1%水平上显著为负，假说1得证。

按行业竞争程度分组回归显示，列（3）竞争性企业DID系数在5%水平上显著为负，而列（4）非竞争性企业系数不显著。原因在于，竞争性企业现金流不稳定、外部融资依赖度高且更易遭受信贷歧视，政策带来的"绿色信号"和信贷倾斜对其边际效应更大；而非竞争性企业（如垄断性国企）资金渠道稳定、融资约束较低，政策敏感度不足，故效果不显著。

（三）稳健性检验

1. 平行趋势检验

双重差分法要得到无偏估计的前提是符合平行趋势假设，目的在于排除可能干扰处理效应估计的其他因素。否则处理效应可能被其他因素所混淆，无法准确地估计出处理效应，构建如下模型判断是否符合平行趋势假设：

其中， 和 分别表示政策前j期和政策后K期的虚拟变量和处理组的交互项。

图1显示绿色金融改革试验区之前KZ指数并不显著异于0，支持平行趋势假设。政策实施当期（current）及之后各期（post1–post5）系数显著为负，说明绿色金融改革创新试验区政策显著降低了企业的 KZ 指数；且政策后各期系数持续位于零轴下方，表明该政策对企业融资约束的缓解作用具有一定的持续性和稳定性。

2. 安慰剂检验

图 2 显示，500 次随机置换所得到的伪政策效应系数均分布于 0 附近（核密度峰值位于 0 点），且绝大多数伪系数不显著（p > 0.1）；而本文基准回归估计的真实政策效应系数为 -0.158，显著位于上述伪系数分布的左侧尾部之外，表明绿色金融改革创新试验区政策对企业融资约束的缓解效应并非由随机因素或样本分组偏误所驱动。

3. 更换被解释变量

将被解释变量更换为债务融资成本进行稳健性检验。结果显示，债务融资评级对绿色金融政策的影响系数估计依旧显著为负。因此，本文基准结果在不同评价体系下依然稳健。

4. 分位数回归

考虑到 KZ 指数可能存在分布偏态，本文进一步采用中位数回归（Median Regression）替换基准 OLS 回归。由于 Stata 原生分位数回归命令不支持聚类标准误，本文汇报的为标准误为 Bootstrap 自助标准误（重复 500 次）。结果显示，did 系数显著为负，与基准回归结论一致。

三、机制分析

（一）绿色信贷资源配置

本文采用银行借款比例[(短期借款+长期借款)/总负债]衡量企业绿色信贷资源获取能力，是观测政策效果的核心指标。结果如表3所示：全样本中列(1)和列(2)的DID系数在1%水平上显著为正，假说2得证；分样本中列(3)和列(4)系数均显著为正，表明政策对两类企业均能通过优化信贷配置缓解融资约束。竞争性企业系数绝对值略大，原因在于该类企业以民营和中小企业为主，面临更严重的信贷歧视，政策通过定向倾斜和风险补偿打破传统配给束缚，边际改善效果更显著；而非竞争性行业以国有企业为主，融资渠道本就多依赖政策性银行和财政拨款，对传统信贷市场依赖度低，且绿色转型更多依靠行政指令和专项拨款，融资约束缓解的增量效应相对有限。

变量	（1）	（2）	（3）	（4）
	全样本	全样本	竞争性	非竞争性
DID	-0.021*** (0.008)	-0.019*** (0.007)	-0.014* (0.008)	-0.025** (0.013)
Control	No	Yes	Yes	Yes
N	46,791	46,786	34,987	11,734
R-squared	0.6871	0.7535	0.7556	0.7773
Id FE	Yes	Yes	Yes	Yes
year FE	Yes	Yes	Yes	Yes
industry FE	Yes	Yes	Yes	Yes

（二）企业ESG改善机制

变量	（1）	（2）	（3）	（4）
	全样本	全样本	竞争性	非竞争性
DID	0.917* (0.486)	0.899* (0.486)	1.228** (0.623)	0.057 (0.798)
Control	No	Yes	Yes	Yes
N	48,215	48,211	36,492	11,652
R-squared	0.6500	0.6519	0.6807	0.5553
Id FE	Yes	Yes	Yes	Yes
year FE	Yes	Yes	Yes	Yes
industry FE	Yes	Yes	Yes	Yes

本文进一步检验了绿色金融改革创新试验区政策通过改善企业 ESG 表现进而缓解融资约束的传导渠道。表4报告了以企业 ESG 综合评分为被解释变量的回归结果。列（1）和列（2）显示，在不加入和加入控制变量的情况下，did 系数分别为 0.917 和 0.899，均在 10% 水平上显著为正，表明绿色金融试点政策对企业 ESG 表现具有显著的正向促进作用。这一结果的经济逻辑在于：绿色金融改革创新试验区通过建立绿色信贷激励机制、完善环境信息披露要求、搭建绿色项目对接平台等配套措施，为企业改善环境、社会及治理表现提供了外部激励和资源支持。

从行业竞争程度来看，列（3）和列（4）显示，竞争性行业中 did 系数为 1.228，在 5% 水平上显著为正；而非竞争性行业中 did 系数仅为 0.057，不具有统计显著性。这表明绿色金融试点政策对企业 ESG 表现的提升作用在竞争性行业中更为显著。其原因在于：竞争性行业中的民营企业占据主导地位，面对激烈的市场竞争和多元化的利益相关者压力，更有动力借助绿色金融工具改善 ESG 表现以获取竞争优势和融资便利。而非竞争性行业多以国有企业或垄断性企业为主，其经营决策更受行政指令影响，市场化绿色金融工具的激励效应相对有限。

综合来看，绿色金融改革创新试验区政策能够通过推动企业改善 ESG 表现来传导其对融资约束的缓解效应，且这一传导渠道在竞争性行业中更为畅通。企业 ESG 表现的提升有助于降低银企之间的信息不对称，增强银行等债权人对企业未来现金流的信心，从而起到缓解融资约束的作用。

四、结论与启示

本文以2009—2024年绿色金融改革创新试验区覆盖的七省（区）十市内沪深A股上市公司为样本，利用试验区分批设立构建多期双重差分模型。结果显示，试验区政策显著缓解了企业融资约束（交互项系数为-0.158，p<0.05），结论通过了平行趋势检验、安慰剂检验及其他稳健性检验。机制分析表明，政策主要通过优化绿色信贷资源配置和提升企业ESG表现发挥作用。异质性分析表明，政策对竞争性行业企业的缓解效应更显著，原因在于该类行业中的民营和中小企业面临更严重的融资歧视，绿色金融政策的边际改善效果更大。

基于以上结论，本文提出以下政策启示：第一，扩大试验区覆盖范围并完善配套措施。将更多符合条件的地区纳入试验区，通过绿色信贷风险补偿、财政贴息和再贷款等工具降低银行绿色信贷业务的风险与成本，确保金融资源流向绿色企业和项目。第二，强化ESG信息披露并发挥其信号功能。规范ESG信息披露标准，提高信息可比性和可信度，对ESG表现优异的企业给予更多绿色金融资源倾斜，形成"ESG改善—融资成本下降—绿色投资增加"的良性循环。第三，对非竞争性行业实施差异化绿色金融政策。由于该类行业中国企占比高、融资渠道以政策性银行和财政拨款为主，市场化绿色金融工具的增量效应有限，应通过行政激励与市场化工具相结合的方式引导其改善ESG表现和优化融资结构。第四，因地制宜推进试验区建设。充分考虑地区金融发展基础和产业结构差异，在绿色信贷额度分配、风险补偿比例和财政贴息力度等方面实施差异化安排，提高政策精准性和边际效应，探索可复制可推广的经验。

参考文献：

1. [1] Brandt L, Li H. Bank discrimination in transition economies: Ideology, information, or incentives?[J]. Journal of comparative economics, 2003, 31(03): 387-413.
2. [2] Connelly B L, Certo S T, Ireland R D, et al. Signaling theory: A review and assessment[J]. Journal of management, 2011, 37(01): 39-67.
3. [3] Abdeljawad I, Alia M A, Demaidi M. Financing constraints and corporate investment decision: Evidence from an emerging economy[J]. Competitiveness review, 2024, 34(01): 208-228.
4. [4] Freeman R E. Strategic management: A stakeholder approach[M]. Cambridge university press, 2010.
5. [5] Gao H, He J, Li Y. Media spotlight, corporate sustainability and the cost of debt[J]. Applied economics, 2022, 54(34): 3989-4005.
6. [6] Hadlock C J, Pierce J R. New evidence on measuring financial constraints: Moving beyond the KZ index[J]. The review of financial studies, 2010, 23(05): 1909-1940.
7. [7] Hao Y, Wu W. Environment, social, and governance performance and corporate financing constraints[J]. Finance research letters, 2024, 62: 105083.
8. [8] Kaplan S N, Zingales L. Do investment-cash flow sensitivities provide useful measures of financing constraints?[J]. The quarterly journal of economics, 1997, 112(01): 169-215.
9. [9] Myers S C, Majluf N S. Corporate financing and investment decisions when firms have information that investors do not have[J]. Journal of financial economics, 1984, 13(02): 187-221.
10. [10] Scholtens B, Dam L. Banking on the equator. Are banks that adopted the equator principles different from non-adopters?[J]. World development, 2007, 35(08): 1307-1328.
11. [11] Spence M. Job market signalling: The quarterly journal of economics[J]. LXXXVII, 1973, 3: 355-74.
12. [12] Stiglitz J E, Weiss A. Credit rationing in markets with imperfect information[J]. The American economic review, 1981, 71(03): 393-410.
13. [13] Whited T M, Wu G. Financial constraints risk[J]. The review of financial studies, 2006, 19(02): 531-559.
14. [14] Zhang T. Can green finance policies affect corporate financing? Evidence from China's green finance innovation and reform pilot zones[J]. Journal of cleaner production, 2023, 419: 138289.
15. [15] 蔡海静, 汪祥耀, 谭超. 绿色信贷政策, 企业新增银行借款与环保效应[J]. 会计研究, 2019, 3: 88-95.
16. [16] 陈胜蓝, 陈英丽, 胡佳妮. 市场竞争程度, 股权性质与公司融资约束——基于中国 20 个行业上市公司的实证分析[J]. 产业经济研究, 2012 (04): 28-36.
17. [17] 丁杰. 绿色信贷政策, 信贷资源配置与企业策略性反应[J]. 经济评论, 2019 (04): 62-75.
18. [18] 李广子, 熊德华, 刘力. 中小银行发展如何影响中小企业融资?——兼析产生影响的多重中介效应[J]. 金融研究, 2016, 438(12): 78-94.
19. [19] 李青原, 肖泽华. 异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J]. 经济研究, 2020, 55(09): 192-208.
20. [20] 李增福, 陈嘉滢. 企业ESG表现与短债长用[J]. 数量经济技术经济研究, 2023, 40(12): 152-171.
21. [21] 刘锡良, 文书洋. 中国的金融机构应当承担环境责任吗?——基本事实, 理论模型与实证检验[J]. 经济研究, 2019, 54(03): 38-54.
22. [22] 苏冬蔚, 连莉莉. 绿色信贷是否影响重污染企业的投融资行为?[J]. 金融研究, 2018, 12(123): r137.
23. [23] 王馨, 王营. 绿色信贷政策增进绿色创新研究[J]. 管理世界, 2021, 37(06): 173-188+11.
24. [24] 王遥, 任玉洁. “双碳”目标下的中国绿色金融体系构建[J]. 当代经济科学, 2022, 44(05): 1-13+139.
25. [25] 魏志华, 曾爱民, 李博. 金融生态环境与企业融资约束--基于中国上市公司的实证研究[J]. 会计研究, 2014 (05): 73-80.
26. [26] 谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?[J]. 经济学 (季刊), 2018, 17(04): 1557-1580.
27. [27] 张小勇, 郭爱君, 雷中豪. 绿色金融提高企业全要素生产率了吗?[J]. 济南大学学报 (社会科学版), 2024, 34(02).