绿色信贷政策、融资约束与高污染企业估值.pdf

一一、引言引言2012年 绿色信贷指引 为金融机构开展绿色信贷业务提供了指导性意见，进一步明确了银行业发放绿色信贷的标准和准则。该政策的实施意味着对高污染企业的信贷审批将会更加严格，这对高污染企业的估值可能会产生不小的负面影响。从宏观方面看，绿色信贷政策引导企业进行环境信息披露以及加强对环境的保护，从而提高企业的环境社会责任，并对社会环境产生正外部性。从企业的微观行为来看，绿色信贷政策会提高所有企业的贷款门槛以及贷款成本，这将极大地限制高污染行业的投资。与此同时，为了获取贷款以维持现金流的稳定，高污染企业会采取各种措施去符合绿色信贷政策，比如加强环境信息披露、缩减高污染的投资支出和增加环境污染的治理费用等。由此可见，既然绿色信贷政策可以影响企业现金流的稳定性，那么它也会对估值产生重要影响。绿色信贷政策的实施是否会影响企业估值呢？对此，下文将在阐释绿色信贷政策作用机制的基础之上，运用双重差分模型来评价绿色信贷对高污染企业估值的影响。二二、文献综述文献综述（一）绿色信贷政策的影响绿色信贷政策的实施效果是学术界关注的焦点，大体上可以分为企业和行业两个层面的研究。在企业层面上，绿色信贷政策会对高污染企业的创新绩效产生影响。此外，绿色信贷政策还会加剧高污染企业的盈余管理，从而降低其盈余质量1，抬升其退出风险2。在行业层面上，绿色信贷政策提升了高污染行业的绿色全要素生产率3，进而提升了绿色信贷政策与环保财政政策的协同效应4，有助于产业结构升级。（二）公司估值及其影响因素公司的价值评估主要集中在两个方面，即相对价值和绝对价值。在现有文献中，多采用托宾Q值和ROA等来作为公司估值的代理变量。公司估值受多方面因素的影响。在外部金融环境极度不稳定时，公司外部其他因素以及非正式产权的发展对公司估值影响较大5。此外，公司估值可以与投资者行为联系在一起，尤其是投资者权力等6。公司估值也会受到管理层特征的影响，CEO的负面情绪会成为投资者低估公司预期价值的信号5。摘要：本文利用双重差分模型检验绿色信贷政策对高污染企业估值的影响。结果表明，绿色信贷政策对高污染企业的价值具有明显的抑制效应，且融资约束、研发投入以及每股股利在其中发挥了调节效应。上述结果存在明显的异质性，在国有高污染企业和低现金流量企业的样本中，政策影响的效果更加明显。进一步分析表明，由于融资替代的存在，绿色信贷政策的执行效果在某种程度上将有所削弱。因此，必须重视绿色信贷政策对高污染企业估值的负面影响，从而为高污染企业的绿色转型营造有利的制度环境。关键词：绿色信贷；公司估值；融资约束；研发投入中图分类号：F832.42文献标识码：A文章编号：1009-3540（2023）07-0071-0010秦海林 王秀凤作者简介：秦海林（1976），男，博士，天津工业大学经济与管理学院教授，硕士生导师；王秀凤（通讯作者）（1999），女，天津工业大学经济与管理学院硕士研究生。绿色信贷政策、融资约束与高污染企业估值Green Finance绿色金融绿色金融71712023年第7期WUHANFINANCE（三）绿色信贷与公司估值企业的社会责任在公司估值中至关重要，不同类型的公司所承担的社会责任也有所不同。一方面，高污染企业投资的边际社会成本高于其边际社会效益，因而对环境造成了外部性。Chu7认为企业股东社会责任提案的提交具有显著的价值意蕴。这意味着，企业的环境社会责任可以使公司的价值得到明显提升。此外，环境信息披露能够从侧面反映企业承担的社会责任高低。信息披露水平越低，公司估值也会相应降低8；环境信息的披露水平越高，企业的估值也就越高。公司的环境管理绩效与公司估值具有显著的正相关关系5。同时，众多的环境污染事件会带来非常大的社会成本，处罚力度的加大会使得企业的生产成本明显提高，从而降低企业的收益。随着绿色信贷政策的实施，信贷审查更加严格，信贷门槛以及融资成本随之攀升。当贷款审批被严格限制时，企业为获取信贷会进行相应的盈余管理9，从而增加了财务舞弊的可能性，对于不良信息的披露也会降低，对公司估值产生消极影响。从以往文献的整理中不难发现，鲜有文献将绿色信贷政策与公司估值结合起来进行研究。对于公司估值的研究也仅限于对公司估值方法以及影响因素的研究。同时，国内外有关绿色信贷的文献较多，但有关绿色信贷对企业估值的影响却很少。因此，本文将利用双重差分模型来评估绿色信贷政策的实行对于公司估值的影响。本文的边际贡献有三点：第一，切入点较为新颖，从公司估值模型入手，研究了绿色信贷政策对于公司现金流的影响；第二，使用双重差分模型进行主回归分析，同时使用了动态DID以及安慰剂检验等稳健性检验，使得结论具有更高的可信度；第三，对于绿色信贷政策影响公司估值的内部机制进行了实证检验，从融资约束、研发投入、每股股利入手，阐释了绿色信贷政策对企业的微观效应。三三、理论分析与研究假说理论分析与研究假说（一）绿色信贷政策与公司估值首先，绿色信贷政策的执行不仅会刺激高污染企业的盈余管理行为10，而且会诱致高昂的贷后监督成本，从而导致公司估值行情走低。绿色信贷政策提高了贷款门槛与贷款成本，使得高污染企业面临巨大的融资约束11。企业为获得信贷可能会进行财务造假，致使会计信息质量降低，随之而来的是资产配置效率的下降，进而导致公司估值的降低12。与此同时，绿色信贷政策对于贷后的监督管理也非常严格。财务造假的企业在获取信贷以后，为了应对信贷机构的审查，必然也会采取相应的措施来进行产业结构升级，这会导致公司的现金流下降，公司的估值降低。其次，绿色技术的研发与使用存在不确定性，高污染企业如果遵照绿色信贷政策的指引，研发绿色技术或使用绿色技术，就会在短期内面临投资收益率下降的风险，从而导致公司估值走低。绿色信贷政策实质上是对公司间有限的信用资源进行重新分配。高污染企业要想获得信贷，就必须采取绿色技术创新等方式进行绿色转型。毋庸置疑，技术创新与研发投入是正相关的，而研发投入很可能成为沉没成本。因此，研发投入的增加不一定意味着创新产出的增加13。研发费用和环境信息披露费用作为一种成本会影响到公司的现金流量。如此一来，绿色信贷政策势必会提高企业的生产成本，而其对于产出的影响具有不确定性。因此，绿色信贷政策会对高污染企业的估值产生不利影响。最后，绿色信贷政策要求高污染企业提高信息披露质量，这在短期内不仅会增加生产或服务的边际成本，而且还会挤占公司的自由现金流，压缩公司现金分红的空间，从而导致公司估值走低。一般来说，信息披露水平越高的企业，越容易得到银行以及社会公众的信任，更容易获得银行信贷。在实施绿色信贷政策之后，鉴于公司存在通过财务舞弊来进行政策套利的机会主义行为，银行等金融机构会倾向于将资金给予信息披露水平更高的企业。然而，环境信息的公开披露会带来种种费用，其作为生产成本的一部分会对企业现金流的稳定性产生重要影响14。一方面，生产成本的大幅提高会使自由现金流中的净收益减少，从而造成自由现金流减少。财务灵活性假说认为，自由现金流可以让大量的资金保留在公司内部，这会增强公司政策制定者的信心，并为公司的投资决策提供资金支持。因此，在有足够自由现金流的情况下，企业会扩大研发投入来增加产出，此时公司估值会相应提高；与此相反，现金流减少自然会降低公司估值。另一方面，不同的股利政策都要求有一定的自由现金流，公司在自由现金流下降之后，会通过采用不同的非现金分红方式7272来减少其面临的资金压力。从股利折现模型来看，如果现金股利不断缩水，公司估值就会相应地降低。基于以上分析，本文提出研究假说1：H1：绿色信贷政策会降低高污染企业估值。（二）作用机制分析1.融资约束由于绿色信贷政策对企业融资的限制是多方面的，融资约束问题会降低企业估值。为了矫正信贷资金流向“三高”企业，绿色信贷指引 将企业的环境表现以及社会责任作为信贷的重要参考标准，引导资金流向高效环保的绿色产业。在这种情况下，当高污染企业难以获取融资时，其为了“改善”环境信息披露质量可能会实施盈余管理，以降低融资难度1。由此可见，高污染企业在事前可以通过财务造假来获取融资，在获取信贷以后也可能继续进行财务造假来获取信贷支持。政策套利问题的存在加大了银行的监控成本，为了覆盖成本，金融机构会上调借贷利率。进一步来说，随着政府对环境污染问题的重视，高污染企业会受到严厉的惩罚，生态环境正外部性企业将得到更大的支持。惩罚势必会加大企业面临的融资约束，其投资效率将会下降15，创新产出也会降低。如此一来，投资者对公司的期望会降低，而公司的价值也会随之下降。基于以上分析，本文提出研究假说2：H2：绿色信贷政策通过加大高污染企业面临的融资约束，降低其估值。2.研发投入一方面，高污染企业不仅会受到政府的处罚而加大其融资约束，同时也难以获得资金补贴，从而影响其研发活动。另一方面，实施绿色信贷政策后，面临融资约束的企业会转向其他资金回收周期短、风险低、短期投资回报率更高的项目，即绿色信贷政策的推行会对企业创新活动产生挤出效应，研发投入相应降低。然而，持续研发是提升公司核心能力的重要途径。如果企业研发投入显著减少，其竞争力就会减弱，创新产出也会随之下降，投资者对于公司估值的预期值也会下降。也就是说，绿色信贷政策会减少高污染企业的研发投入，从而对其估值产生不利影响。基于以上分析，本文提出研究假说3：H3：绿色信贷政策通过抑制高污染企业的研发投入，降低其估值。3.每股股利从股利信号理论来看，股利的发放可以传递信号，让投资者了解有关公司前景的信息。因此，公司股利与公司价值呈现出正相关关系。根据股利分配的代理理论，股利分配可以抑制管理层为满足私利而进行过度投资的问题。当无效投资减少时，公司估值会相应提高。换句话说，无论是从信号理论还是从代理理论来看，股利分配均可以提高公司的价值。然而，绿色信贷政策的实施会使高污染企业的生产成本增加，净利润下降，自由现金流下降。一方面，自由现金流下降会直接影响企业的现金股利，所以根据股利信号理论以及代理理论，公司估值将会相应降低。另一方面，随着现金股利的减少，投资者对于公司的预期会降低，从而减持或抛售手中的股票，导致公司股价出现断崖式下跌16。如此一来，就会形成恶性循环，即：企业的现金流会减少企业的投资效率下降公司面临更高的融资约束红利分配意愿降低每股股利进一步降低。基于以上分析，本文提出研究假说4：H4：绿色信贷政策通过降低高污染企业的股利分配，降低其估值。四四、研究设计研究设计（一）样本选取与数据来源参照苏冬蔚等17的做法，本文选取20072015年A股上市公司数据，并对数据做如下处理：（1）删除ST、ST*类公司数据；（2）删除主要变量中缺失值严重的样本；（3）对于连续变量在1%和99%的水平上进行winsorize的缩尾处理。最终获得2323家公司的14041条数据。本文数据主要来自国泰安数据库。（二）模型设定与变量定义1.双重差分模型参照苏冬蔚等17的研究，结合绿色信贷政策具有准自然实验的特征，本文选用双重差分模型来评估该政策对于高污染企业估值的影响。为此，建立以下双重差分模型：Tobinqit=0+1didit+control+i+t+it（1）其中，下标i、t分别代表公司和时间。Tobinq是公司估值的代理变量托宾Q值。did是年份虚拟变量Time与政策虚拟变量Treated的交互项。control表示一系列控制变量，表示个体固定效应，表示时间固定效应，为误差项。Green Finance绿色金融绿色金融73732023年第7期WUHANFINANCE2.被解释变量本文以托宾Q值作为企业估值的代理变量。托宾Q值是公司市值与资产账面价值之比，Q值越大代表产业投资回报率越高，企业在资本市场变现套利的动机越大。也就是说，Q值越大，公司的投资价值越高，估值越高。3.核心解释变量参照苏冬蔚等17的研究，核心解释变量did是年份虚拟变量Time与政策虚拟变量Treated的交互项。Time以2012年作为时间节点，2012年及其以后的年份取值为1，2012年以前的年份取值为0。上市公司环保核查行业分类管理名录 中公布的14个重点污染行业为实验组，Treated取1；其余企业为对照组，Treated取0。4.控制变量为了解决模型的变量遗漏问题，本文加入以下控制变量：流动比率（liq）、两职合一（dua）、产权性质（state）、是否存在一控多情况（mor）、有形资产比率（asset）、现金流波动性（cash flow）、盈利波动性（profit）、大股东占款（sto）、股权制衡度（res）、银行借款比例（liability）、短期借款依赖度（short）、实际控制人两权分离率（sep）。具体的定义与说明详见表1。5.中间变量（1）融资约束（sa）本文借鉴Hadlock等18构建的sa指数作为衡量融资约束的指标。其中，sa指数用以下公式来进行测量：sa=-0.737size+0.043size2-0.040age（2）其中，size代表企业规模，用期末总资产的自然对数来衡量；age代表企业年龄，以企业成立年限来衡量。sa指数数值越大，表明公司受到的融资约束困扰越严重。（2）创新投入（inn）创新投入以研发投入占营业收入的比例来表示，以检验绿色信贷政策对于公司估值的调节效应。（3）每股股利（div）股利政策发生变化的代理变量用每股股利来表示，每股股利用股利分派率乘以每股收益来表示。6.主要变量的描述性统计结果从表 2 可知，托宾 Q 值（Tobinq）的平均值为2.125，标准差为1.346；产权性质（state）的平均值为0.533，说明国有企业在所有企业中占到一半左右。表1主要变量及其定义类型被解释变量解释变量控制变量中间变量变量名称托宾Q值双重差分流动比率两职合一产权性质是否存在一控多情况有形资产比率现金流波动性盈利波动性大股东占款股权制衡度银行借款比例短期借款依赖度实际控制人两权分离率融资约束创新投入每股股利符号Tobinqdidliqduastatemorassetcash flowprofitstoresliabilityshortsepsainndiv说明公司市值/资产账面价值年份虚拟变量Time政策虚拟变量Treated流动资产/流动负债董事长与总经理是否为同一人，是=1，否=0国有企业=1，非国有企业=0是否存在同一实际控制人控制多家上市公司的情况，是=1，否=0（资产总计-无形资产净额-商誉净额）/资产总计（现金流/总资产）三年波动率，三年波动率计算为t-2到t年标准差（息税前利润/总资产）三年波动率，三年波动率计算为t-2到t年标准差（其他应收款-其他应付款）/总资产第25大股东持股比例/第一大股东持股比例（短期借款+一年内到期的非流动负债+长期借款）/总资产（短期借款+一年到期的长期借款）/总资产实际控制人拥有上市公司控制权比例-实际控制人拥有上市公司所有权比例sa指数计算公式研发投入/营业收入股利分派率每股收益表2主要变量描述性统计变量Tobinqdidliqduastatemorassetcash flowprofitstoresliabilityshortsepsainndiv样本量137461374614938147031480014800149391403514934149391493814939149381442613746745213522均值2.1250.2002.2660.2070.5090.3560.9390.0500.030-0.0200.6030.1870.1295.169-3.6774.2860.111最小值0.91900.2750000.5670.0030.001-0.2440.019000-4.2000.0300最大值8.466117.32011110.2260.1930.0922.5910.6230.48728.530-3.07025.7700.800标准差1.3420.4002.5950.4050.5000.4790.0730.0420.0340.0470.5610.1590.1197.8170.2174.3080.145p251.27101.0140000.9270.0210.009-0.0290.1650.0390.0220-3.8251.7100.00574747.共同趋势检验如图1所示，绿色信贷指引 实施之前，交互项回归系数总体上为正，且变化趋势相对平稳，而在2012年之后的第一、二、三年变化趋势急转直下，迥异于绿色信贷政策出台前的情形。由此说明，共同趋势检验在大体上满足要求，双重差分模型的估计结果是可以接受的。图1 共同趋势检验五五、实证结实证结果分析果分析（一）基准回归结果分析表3是构造的双重差分模型的实证结果。在不加入控制变量时，did系数在5%的显著性水平上通过了t检验，说明绿色信贷政策对高污染企业估值有着非常大的影响。随着控制变量的添加，绿色信贷政策将会在5%、1%的显著性水平上降低高污染企业估值。逐步添加控制变量后，估计结果的显著性逐渐提高，证明研究假说1成立，且本文的实证结果具有稳健性。结合实际，实施绿色信贷政策之前，高污染企业盈利稳定，风险较小。绿色信贷政策实施以后，与非高污染企业相比，高污染企业面临着更加严格的信用审批，从而融资受限，资金流的稳定性受到影响。此时，企业会采取各种方式获取融资，要么增加成本治理污染，要么财务造假获取信贷。在一个充满竞争的市场上，这些都会导致企业估值降低。（二）稳健性检验为进一步提高研究结论的稳健性，本文基于双重差分的回归结果进行了一系列稳健性检验。1.更换被解释变量利用资产回报率（roa）作为公司估值的代理变量。资产回报率与企业的利润创造息息相关，用资产回报率作为公司估值的代理变量与公司金融中利用市场法对公司估值极其相似。更换被解释变量之后的结果如表4所示，在逐步添加控制变量后，绿色信贷政策降低高污染企业估值的结论依然显著。假说1得到验证。2.动态DID检验借鉴Bertrand等19的研究，本文构造了动态双重差分模型来检验结果的准确性。模型如下：Tobinqit=0+0After0Treated+1After1Treated+2After2Treated+3After3Treated+4Pre1Treated+5Pre2Treated+6Pre3Treated+7Treated+control+it（3）表3基准回归结果变量didliqduastatemorassetcash flowprofitstoresliabilityshortsepConstant个体固定效应时间固定效应ObservationsR-squaredNumber of symbol(1)-0.0718*(-2.21)2.3669*(87.27)控制控制14,0390.2632,322(2)-0.0700*(-2.14)-0.0471*(-6.95)-0.0436(-1.33)-0.1253*(-1.92)0.0413(1.28)0.4759*(2.63)2.0758*(11.80)控制控制13,6920.2672,311(3)-0.0773*(-2.37)-0.0413*(-6.03)-0.0402(-1.24)-0.1122*(-1.73)0.0363(1.13)0.4469*(2.47)0.9464*(3.69)2.6729*(8.30)-1.5189*(-6.37)-0.1509*(-4.70)2.0347*(11.32)控制控制13,6890.2782,311(4)-0.1082*(-3.26)-0.0546*(-7.48)-0.0412(-1.25)-0.1436*(-2.16)0.0532(1.61)0.3187*(1.74)0.8411*(3.23)2.4933*(7.68)-1.1093*(-4.52)-0.1371*(-4.17)-1.2890*(-8.49)0.5923*(3.24)-0.0009(-0.38)2.3811*(12.96)控制控制13,3320.2842,305注：*、*、*分别代表在1%、5%、10%的水平上显著；括号内数值为t值。下表同。Green Finance绿色金融绿色金融75752023年第7期WUHANFINANCE其中，绿色信贷指引 实施当年After0取值为1，否则为0；实施后第一年After1取值为1，否则为0；实施后第二年After2取值为1，否则为0；实施后第三年After3取值为1，否则为0；实施前一年Pre1取值为1，否则为0；实施前两年Pre2取值为1，否则为0；实施前三年Pre3取值为1，否则为0。Treated表示政策变量，其与上述各项的交互项表示绿色信贷政策对于公司估值影响的变化趋势。结果如表5所示。由表5可知，政策实施以前，交互项的系数均不显著；在政策实施的当年，交互项的系数显著为正；在政策实施以后的第一年，交互项的系数并不显著，在之后的两年，交互项的系数在1%的水平上显著。这说明，绿色信贷政策实施以后，政策效果并不会立即显现，绿色信贷政策对于公司估值的影响存在一定的滞后效应。3.安慰剂检验安慰剂检验一般是虚构政策发生的时间抑或是虚构政策影响的处理组。其判断依据是：如果虚构以后的实证结果依然显著，则结论不具有稳健性；如果虚构以后结果不再显著，则证明结论具有可靠性。本文借鉴郁智等1的研究，虚构政策发生的时间，以2011年作为绿色信贷政策发生的时间点，以表4更换被解释变量的结果变量didliqduastatemorassetcash flowprofitstoresliabilityshortsepConstant个体固定效应时间固定效应ObservationsR-squaredNumber of symbol(1)-0.0063*(-4.27)0.0511*(41.29)控制控制14,0390.0462,322(2)-0.0062*(-4.16)0.0033*(10.74)0.0010(0.70)-0.0120*(-4.04)-0.0007(-0.45)0.0078(0.94)0.0441*(5.53)控制控制13,6920.0592,311(3)-0.0057*(-3.88)0.0032*(10.43)0.0005(0.35)-0.0109*(-3.72)-0.0003(-0.22)0.0111(1.37)0.1022*(8.88)-0.2633*(-18.21)0.0295*(2.76)0.0048*(3.34)0.0399*(4.94)控制控制13,6890.0902,311(4)-0.0076*(-5.29)0.0001(0.28)0.0010(0.69)-0.0112*(-3.89)0.0007(0.52)0.0082(1.04)0.0940*(8.36)-0.2768*(-19.72)0.0868*(8.19)0.0026*(1.83)-0.0962*(-14.66)-0.0656*(-8.29)0.0003*(2.66)0.0802*(10.11)控制控制13,3320.1682,305表5动态DID结果变量After0TreatedAfter1TreatedAfter2TreatedAfter3TreatedPre1TreatedPre2TreatedPre3Treated控制变量个体固定效应时间固定效应Tobinq0.145*-0.041-0.142*-0.249*0.055-0.007-0.010是控制控制t值2.68-0.77-2.68-4.660.96-0.26-0.53表6安慰剂检验回归结果变量did1liqduastatemorassetcash flowprofitstoresliabilityshortsepConstant个体固定效应时间固定效应ObservationsR-squaredNumber of symbol(1)-0.0218(-0.27)2.3317*(63.99)控制控制6,3030.2282,107(2)0.0249(0.31)-0.0705*(-6.39)-0.0205(-0.42)-0.0011(-0.01)0.1329*(2.81)0.9147*(2.60)1.5629*(4.62)控制控制6,1820.2412,097(3)0.0286(0.36)-0.0668*(-5.97)-0.0205(-0.42)-0.0120(-0.12)0.1284*(2.72)0.9121*(2.58)-0.3683(-0.99)0.6507(1.39)-1.0897*(-2.99)-0.0798(-1.45)1.5849*(4.59)控制控制6,1790.2442,097(4)0.0920(1.14)-0.0735*(-6.27)-0.0158(-0.32)-0.0359(-0.36)0.1483*(3.04)0.6240*(1.72)-0.3929(-1.04)0.6208(1.31)-0.8521*(-2.27)-0.0430(-0.77)-1.2636*(-5.76)0.8531*(3.30)-0.0008(-0.25)1.9888*(5.58)控制控制6,0130.2532,07676762011年为界分别提前和滞后两年选取样本。具体来说，2009 年和 2010 年是政策发生以前的年份，Time取0；2012和2013年为政策发生以后的年份，Time取1。保持实验组样本不变，核心解释变量取政策实施时点（Time）与实验组（Treated）的交互项（did1），结果如表6所示。结果显示，在虚构政策发生时间以后，绿色信贷政策对于公司估值的结果不再显著。这再次证明本文的实证结果具有稳健性。六六、机制检验机制检验（一）融资约束通过建立如下模型，可以检验融资约束在绿色信贷政策与公司估值中所发挥的作用。sait=0+1didit+control+i+t+it（4）本文通过将样本分为国有企业、非国有企业来考察融资约束对于公司估值的影响，实证检验结果如表7所示。（1）列的回归结果表明，绿色信贷政策的实施会在5%的显著性水平上提高高污染企业的融资约束。研究假说2成立。（2）和（3）列分别显示了对样本进行国有企业以及非国有企业分组的回归结果。结果表明，绿色信贷政策对于非国有高污染企业融资限制作用并不显著，而在国有企业中，绿色信贷政策会在5%的显著性水平上提高高污染企业的融资约束。实行绿色信贷政策以后，国有企业起到表率作用，银行等金融机构对于资金流向国有重污染企业的限制更加严格，所以国有重污染企业面临的融资约束更强。非国有重污染企业本来自身的融资制约较强，因此绿色信贷政策的执行效果并不明显。（二）研发投入高污染企业技术创新会受到绿色信贷政策的影响。高污染企业技术创新变化以后，创新产出必定发生变化，产出变化之后一系列现金流会发生改变，从而可能影响公司估值。本文通过以下模型研究绿色信贷政策是否会对研发投入产生影响而作用于公司估值。innit=0+1didit+control+i+t+it（5）其中，innit表示第i个企业第t年的研发投入。表8（1）列结果显示，绿色信贷政策在全样本中的实施会在1%的显著性水平上降低高污染企业的研发投入。原因可能在于：实行绿色信贷政策将大大增加公司的生产成本。在企业资金有限时，生产成本的不断提高将会对其他研发投入产生“挤出效应”。在这种情况下，绿色信贷政策的实施会降低企业的研发投入进而影响公司估值。（2）和（3）列分样本回归结果显示，绿色信贷政策对非国有高污染企业的研发投入影响更大。研究假说3成立。原因可能在于：一方面，国有企业是国家各种政策实施的表率，且更加关注环境责任的履行，国有企业研发投入受绿色信贷政策的影响较小。另一方面，国有企业是政府重点关注的对象，能享受政府的资金支持，其资金相对于非国有企业来说较为充足。因此，在绿色信贷政策实施以后，非国有高污染企业研发投入的下降幅度更大。（三）每股股利本文通过以下模型研究绿色信贷政策是否会对现金股利产生影响，从而影响公司估值。divit=0+1didit+control+i+t+it（6）其中，divit表示第i个企业第t年的每股股利。如表9所示，（1）列显示了在全样本中实行绿色信贷表7机制检验回归结果1变量didliqduamorassetcash flowprofitstoresliabilityshortsepConstantObservationsR-squaredNumber of symbol(1)全部企业0.0046*(2.54)0.0012*(3.19)0.0004(0.21)0.0009(0.49)0.1253*(12.42)-0.0331*(-2.29)0.0615*(3.51)-0.0281*(-2.06)0.0018(0.98)-0.0178*(-2.13)0.0341*(3.40)-0.0000(-0.38)-3.6109*(-362.97)13,0450.8312,259(2)国有企业0.0055*(2.37)0.0007(0.95)-0.0006(-0.22)-0.0041*(-2.00)-0.0315*(-1.90)-0.0435*(-2.21)-0.0032(-0.13)-0.0224(-1.22)0.0046*(1.71)0.0221*(2.13)0.0193(1.54)-0.0002(-1.18)-3.5041*(-215.15)6,8690.8261,024(3)非国有企业0.0026(0.98)0.0007*(1.74)0.0000(0.01)0.0185*(4.73)0.1837*(15.51)-0.0158(-0.82)0.0910*(4.01)-0.0077(-0.41)-0.0019(-0.83)-0.0781*(-5.99)0.0582*(3.76)-0.0001(-0.32)-3.5995*(-302.58)6,1760.8611,352Green Finance绿色金融绿色金融77772023年第7期WUHANFINANCE政策会明显降低高污染企业的每股股利。（2）和（3）列分组回归结果显示，绿色信贷政策会在1%的显著性水平上降低国有企业的每股股利，而在非国有企业中效果并不显著。这与机制检验1的回归结果相吻合，政策实施后融资约束在国有企业中异常严重，企业内部现金流更加紧张，用于分发股利的现金流也随之减少。由此验证了假说4。七七、异质性检验异质性检验（一）基于产权性质的异质性检验为确保核心解释变量系数的稳定性以及大多数控制变量系数的显著性，本文更换了部分控制变量：实际控制人拥有上市公司所有权比例（con），以实际控制人与上市公司股权关系链每层持有比例相乘或实际控制人与上市公司每条股权关系链每层持有比例相乘之总和来衡量；公司规模（size），以公司资产的对数来衡量；杠杆比率（lever），以总负债除以总资产来衡量；机构投资者持股比例（institution），以机构投资者持有的上市公司股份比例来衡量；控股股东持股比例（rat），优先选择控股股东持股比例，若报告未公布控股股东，则选择第一大股东持股比例。表10显示了基于产权性质的异质性分析，绿色信贷政策分别在1%、1%、10%的显著性水平上降低了高污染企业的价值，研究假说1仍然成立。进一步通过chow检验发现，国有企业与非国有企业存在显著的组间系数差异，显著性水平为1%。绿色信贷政策对国有企业的影响更大，且在国有企业中其系数的绝对值明显大于非国有企业。这表明绿色信贷政策在更大程度上降低了国有高污染企业的估值。究其原因，绿色信贷政策实施后，国有企业受到的关注较高，银行等金融机构对国有高污染企业的贷款支持减少，其面临的融资约束日益严峻，公司价值也表8机制检验回归结果2变量didliqduamorassetcash flowprofitstoresliabilityshortsepConstant个体固定效应时间固定效应ObservationsR-squaredNumber of symbol(1)全部企业-0.4694*(-3.05)0.0571*(2.94)-0.1007(-1.01)-0.1580(-1.03)1.2274*(2.29)-2.5951*(-2.63)5.7936*(4.85)-4.8764*(-4.66)0.0990(0.89)-1.1886*(-1.68)0.7633(0.95)-0.0102(-1.12)3.8464*(5.79)控制控制6,4210.0311,826(2)国有企业-0.4326*(-1.84)-0.0525(-1.14)0.1883(1.15)-0.1402(-0.86)-4.5980*(-3.49)-0.0840(-0.06)6.5478*(3.64)-5.4909*(-3.83)-0.5256*(-3.05)-0.8529(-0.97)-0.0823(-0.08)-0.0209(-1.56)9.5212*(7.18)控制控制2,3600.065682(3)非国有企业-0.4422*(-2.18)0.0659*(2.86)-0.2251*(-1.76)-0.2640(-0.85)1.9967*(3.15)-3.9860*(-2.97)5.6439*(3.58)-4.9106*(-3.38)0.4300*(2.93)-1.1101(-1.04)0.9135(0.76)0.0005(0.04)1.6313(1.61)控制控制4,0610.0361,175表9机制检验回归结果3变量didliqduamorassetcash flowprofitstoresliabilityshortsepConstant个体固定效应时间固定效应ObservationsR-squaredNumber of symbol(1)全部企业-0.0143*(-3.50)0.0040*(4.54)0.0016(0.41)0.0005(0.13)0.0587*(2.64)0.0453(1.42)-0.0015(-0.03)0.0407(1.25)0.0107*(2.58)-0.0929*(-4.90)-0.0879*(-3.80)0.0008*(2.86)0.0539*(2.45)控制控制12,0140.0352,280(2)国有企业-0.0320*(-6.01)0.0074*(4.17)-0.0035(-0.55)0.0008(0.16)0.0917*(2.53)0.0759*(1.71)-0.0307(-0.49)0.0391(0.86)0.0135*(2.15)-0.1185*(-4.92)-0.0645*(-2.18)0.0003(0.61)0.0341(0.95)控制控制6,1700.0421,017(3)非国有企业0.0085(1.32)0.0031*(2.94)0.0039(0.74)0.0005(0.05)0.0210(0.73)0.0237(0.52)0.0119(0.20)0.0259(0.55)0.0093(1.64)-0.0557*(-1.78)-0.0932*(-2.44)0.0011*(2.92)0.0640*(2.22)控制控制5,8440.0431,3647878随之下降。因此，相比于非国有高污染企业，国有高污染企业更容易受到绿色信贷政策的影响。（二）基于现金流的异质性分析考虑到公司估值与企业的现金流密切相关，绿色信贷政策对于公司估值的影响可能会在现金流量方面呈现出异质性。本文选择企业的经营性净现金流作为企业拥有自由现金流的代理变量。对于经营性净现金流取中位数，将大于其中位数的样本作为高现金流量组，其余样本作为低现金流量组。表11结果显示，绿色信贷政策在1%的显著性水平上降低了高污染企业的估值，再次证明了研究假说1的稳健性。同时，通过chow检验发现，高现金流量组和低现金流量组组间系数存在明显差异。表11（2）和（3）列展示了分组回归的结果，在高现金流量组中绿色信贷政策对于公司估值的降低效果并不显著，这说明在企业拥有较低的自由现金流量时，绿色信贷政策对公司的影响更大。在绿色信贷政策实施后，银行等金融机构对于放贷的审查条件更加严格，自由现