一、引言

随着经济飞速发展，环境污染问题日益突出，国家对环境保护越来越重视，媒体和大众对环境保护也越来越关注。党的十九大报告提出要坚决打好防范化解重大风险、精准脱贫、污染防治的攻坚战^[1]，凸显了环境保护的重要战略意义。2020年国家主席习近平首次提出“碳达峰”和“碳中和”的战略目标^①，全国碳排放权也于2021年7月16日开始交易。党的十九大报告还指出，发展绿色金融是推进绿色发展的重要手段^[1]。目前，我国已经建立了支持绿色金融发展的政策体系和市场环境，绿色金融在促进经济绿色转型方面扮演着至关重要的角色。

①   国家主席习近平在第七十五届联合国大会一般性辩论上发表重要讲话.(2020-09-22)[2023-08-31]. https://baijiahao.baidu.com/s?id=1678595656103445127&wfr=spider&for=pc。

2008年以来，我国相继出台了多项法律法规，鼓励、要求企业积极承担社会责任，向外披露环境信息。2008年《环境信息公开办法(试行)》^②出台，国家鼓励企业承担治理环境污染和保护环境的社会责任，并自愿公开环境信息。同年，上海证券交易所发布《上海证券交易所上市公司环境信息披露指引》，明确上市公司可以选择以多种形式披露环境信息。2012年中国银行业监督管理委员会^③面向各政策性银行、国有商业银行等发布了《银监会关于印发绿色信贷指引的通知》。2016年中国人民银行等七部委联合印发了《关于构建绿色金融体系的指导意见》。上述政策均要求银行业金融机构加强对信贷客户的环境和社会表现审查力度，对环境和社会表现不合规的客户，应当不予授信，同时加强对绿色环保企业的信贷支持力度，促进企业绿色型发展与区域经济增长方式转型升级。

②   《环境信息公开办法(试行)》于2019年废止。

③   2018年，中国银行业监督管理委员会撤销。

绿色信贷政策对于重污染企业的融资与经营活动影响极大。首先，重污染企业往往要进行技术和设备的更新和改造，以达到绿色信贷政策中规定的环保标准。这就涉及巨大的资金投入，包括购买新的污染治理设备、进行工艺改进等，一些经济效益较低的企业则很难实现设备的绿色转型。其次，企业大多是利润导向，环保投资与短期利润目标可能存在冲突。推进环保措施可能需要停产、减产，并增加生产成本，这给企业的经济效益造成巨大压力，大多企业并不愿意为达到绿色信贷政策的环保要求而付出高昂的成本。因此，重污染企业往往难以达到绿色信贷政策所规定的环保标准，这意味着这些企业在申请绿色贷款时面临着较高的门槛和较大的难度。再次，绿色信贷政策鼓励金融机构给予环保型和低碳型企业更优惠的贷款利率和更灵活的还款期限，这使得绿色项目的融资成本更低，竞争力更强，相对而言，重污染企业的融资成本则更高。最后，绿色信贷政策的出台表明政府对于环保问题高度关注，金融机构为了降低风险，也会更加倾向于支持环保型和低碳经济项目，而对于高污染企业的借贷则越来越谨慎。在此政策下，重污染企业可能会披露更全面、准确的环境信息，以证明自己的环保水平符合绿色贷款的要求，从而获得金融机构的绿色信贷。基于以上背景，本文选取我国A股上市公司数据，来探讨以下问题：绿色信贷政策对企业环境信息披露产生了哪些影响？这种影响的传导机制是怎样的？受到哪些因素的调节？

本文的贡献体现在：相对于以往用内容分析法衡量企业环境信息披露，本文用文本分析法对企业年度财务报表中“管理层讨论与分析”模块(以下简称MD&A)中的信息进行文本分析。前人研究表明，MD&A是一个重要的信息来源，反映了管理层在报告期内对企业的总结和思考，可以更好地揭示管理者的态度、偏好和披露策略^[2-3]。企业其他形式的环境信息披露可以被粉饰，例如财务环境信息可以被操纵，环境政策信息和环境管理信息可能名不副实，而政府并没有对MD&A中环境信息披露作出要求，所以管理层披露的环境信息数量完全取决于管理层自己的考虑。同时，MD&A中包含的前瞻性信息也是其他形式环境信息披露不能体现的，所以MD&A更能表明企业的环保态度和披露侧重。

以往文章大多采用内容分析法衡量企业环境信息披露，更容易受到企业信息粉饰的影响，本文从企业MD&A入手，设置的因变量分别从环境信息的具体性、前瞻性、可读性考虑企业披露信息的质量，为政府部门和民众提供一种判断环境信息质量的方式，从而侧重给予那些真正环保的企业资源，有助于调整信贷结构，促进经济发展可持续和经济结构优化，进而实现“绿色信贷”。实施绿色信贷政策的目的之一就是督促企业向绿色环保方向转型，履行环保义务、披露环境信息。本文通过研究政策颁布前后企业环境信息披露的变化情况，为绿色信贷政策的真实效果评估提供了依据，也为以后企业环境污染的治理政策提供了重要参考。

二、文献综述 (一) 绿色信贷与绿色信贷指引政策

“绿色信贷”通常被称为可持续融资或环境融资。宏观上的绿色信贷就是指银行业金融机构在遵循对应产业政策的基础上利用利率杠杆调控信贷资金的流向，实现资金的“绿色配置”。与传统信贷偏重经济效益相比，绿色信贷更偏重环境效益^[4]。丁宁等^[5]指出，绿色信贷政策的目标是将资金引导至节能环保企业和从事绿色生产活动的企业，促进经济发展的同时也能尽可能地保护环境。2012年1月，中国银行业监督管理委员会面向各级金融机构发布了《绿色信贷指引》(以下简称《指引》)，从内控管理与信息披露、放贷流程管理、监督检查等方面提出了要求：第一，对客户的环境和社会表现进行评估和调查，对环境和社会表现不合规的客户，应当不予授信；第二，加强对绿色环保企业的信贷支持力度；第三，加强信贷资金拨付管理和贷后管理。

绿色信贷政策促进了企业绿色创新。Hong等^[6]发现，《指引》整体促进了企业在绿色技术方面上的创新。影响机制上，连莉莉^[7]发现在绿色信贷政策施行后，“绿色”企业会获得更多的信贷支持，有利于整个产业向更清洁、更环保的方向发展，表明绿色信贷政策发挥了该有的作用。同时，《指引》实施后，重污染企业的债务融资能力显著下降^[8]，主要表现为贷款规模下降、贷款成本增加、信贷融资受到遏制^[9]。绿色信贷政策的实施增加了重污染企业的贷款限制，降低了企业的融资能力。

绿色信贷政策对于企业环境信息披露存在积极影响。占华^[10]的研究证明绿色信贷政策显著促进了企业环境信息披露，并探究了其中的影响机制和调节机制，提出绿色信贷主要通过融资约束和环境绩效渠道对企业环境信息披露产生积极影响；企业面临媒体压力越大，绿色信贷对该企业环境信息披露影响越大。李万超等^[11]提出，《指引》的出台会引起重污染企业融资结构的变化，具体表现为减少长期负债，增加流动性负债。而环境信息披露与企业新增银行贷款具有正向相关关系，说明重污染企业为获得更多信贷支持，有积极主动进行环境信息披露的内在动力。除此之外，刘亦文等^[12]进一步证明了《指引》的出台提高了受限企业环境信息披露质量，且对非国有企业、“两高”企业，对中西部地区、环境规制较强地区企业的促进效果更强。总之，《指引》的颁布确实增加了企业环境信息披露，且对不同性质的企业影响不同。

(二) 环境信息披露的相关研究

现有文献认为可采用三种方式披露环境会计信息：补充报告模式、独立报告模式、新闻媒体和互联网报告方式。补充报告模式，即企业在披露社会责任信息时没有既定格式，而是把相关的信息分散在现有的会计信息披露工具中，比如补充报表、会计报表附注、年度报告、董事长报告、单独报告和内部工作会议记录等^[13-14]。独立报告模式，即把相关信息汇总并通过一定的格式集中披露，可以分别披露环境会计信息与其他财务信息，避免了补充报告模式下环境会计信息和其他信息造成的混乱^[15]，主要有环境会计报告、可持续发展报告、碳排放报告、生态足迹报告等^[16]。除此之外，新闻媒体和互联网报告也是企业披露环境信息的方式，李朝芳^[17]指出新闻媒体受众广泛，能起到更好的传播与公示作用，可以作为一种信息披露渠道，同时也可以作为一种有效的奖惩手段，激励和督促企业进行环境会计信息披露。

目前学界对环境信息披露动机的研究可以大致分为三类：外部监督、企业绩效以及组织架构。

外部监督压力可以促进企业环境信息的披露。Orsato^[18]早在2003年就提出，企业缺乏主动进行环境信息披露的动机，其披露行为是为了满足政府、法律法规的要求。此后，国内外的研究者们陆续对企业环境信息披露的动机和影响因素进行探讨。在政府监管压力方面，王建明^[19]的研究表明，重污染行业企业在较高的监管压力下，为了避免相关的处罚，发布的环境信息更加具体和可信。毕茜等^[20]的研究发现，我国环境信息披露法律法规的颁布及实施提高了企业环境信息披露水平。这表明政策和法律可以有效提高企业环境信息披露的积极性。研究还发现媒体关注也对企业环境信息披露有积极作用。吴德军^[21]的研究显示，媒体关注可以正向影响企业环境信息披露质量，同时与公司内部治理存在替代效应。这意味着，如果企业的内部治理机制不健全，媒体关注可以弥补企业内部治理的不足，促进企业环境信息披露。因此，企业环境信息披露的外部影响因素是多方面的，政策和法律的颁布、监管压力以及媒体关注等因素都可以对企业环境信息披露产生积极影响。

企业绩效情况也会影响企业环境信息的披露。Frendy^[22]发现公司规模和盈利能力对环境信息披露有积极影响；但财务杠杆水平与环境信息披露程度负相关。Andrikopoulos等^[23]则认为当公司杠杆水平增加时，股东监控需求增加，会让公司提高披露水平。此外，程隆云等^[24]发现企业环境信息披露水平受到公司规模、公司盈利能力和公司营运能力的正向调节作用。

企业环境信息披露行为也受到企业内部组织架构的影响。毕茜等^[20]发现上市公司的国有控股特征、独立董事占比和监事会规模等都会对企业环境信息的披露产生正向影响，这表明企业内部监督对环境信息披露有正向影响。黄珺等^[25]发现股权集中度和股权制衡度、高管的薪酬水平和持股比例都会正向影响企业环境信息披露质量。Yu等^[26]则认为股权集中度会导致企业隐瞒环境信息，从而减少企业环境信息披露。总体而言，企业内部经营情况影响着环境信息披露，公司规模、盈利能力、营运能力和内部组织框架都会对企业环境信息披露产生影响。

企业环境信息披露的经济后果主要体现在企业价值、预期现金流等方面。优质的环境信息披露会带来预期现金流的增加，进而提升企业价值^[27]；且无论短期还是长期来看，企业价值与企业社会环境责任履行质量呈正相关^[28]。所以环境信息披露对企业价值和预期现金流有正向作用。

三、理论分析与研究假设 (一) 《指引》的颁布实施对企业环境信息披露的影响

毕茜等^[20]研究发现，我国环境信息披露法律法规的颁布及实施会提高企业环境信息披露水平。根据合法性理论和信号理论，绿色信贷政策颁布实施后，企业作为社会组织的微观组成部分，无法承受来自内外部的合法性压力，会主动披露环境信息释放自身合法性信号，树立一个符合大众预期的、积极履行社会责任的形象，维护企业声誉，获得信贷支持。据此提出假设H1。

H1：《指引》实施后，重污染企业会加强环境信息披露，环境信息的具体性、前瞻性、可读性都会得到提升。

(二) 融资约束和环境代理成本的中介效应

从融资约束角度来看，绿色信贷指引政策是通过约束银行业金融机构放贷行为来间接影响企业环保行为的。前人研究表明，《指引》实施后，重污染企业的债务融资能力显著下降^[8]，表现为贷款规模降低、贷款成本提高^[9]。而优质的环境信息披露会带来预期现金流的增加，进而提升企业价值^[27]。因此重污染企业会为了获得银行的信贷支持去增强环境信息披露。据此提出假设H2a。

H2a：绿色信贷政策通过增加企业的融资约束，增强其环境信息披露。

从环境代理成本角度来看，绿色信贷政策增强了银行业金融机构对企业环境绩效的审查，为应对这种审查，股东会增大对管理层环境治理行为的监督力度，要求管理层做出更多环保行为。Jensen等^[29]指出，企业代理成本主要来自股东对管理层的监督和约束，且监督越严格，产生的代理成本越大。因此，绿色信贷政策会增加环境代理成本。而迫于股东的压力和金融机构的审查，管理层也会更重视环境管理，披露更多更高质量的环境信息。据此提出假设H2b。

H2b：绿色信贷政策通过增加企业环境代理成本，增强其环境信息披露。

四、研究设计 (一) 数据来源

本文选择沪深两地上市公司作为研究对象，以2008—2016年数据作为初始样本，并进行如下处理：一是剔除ST、^*ST样本；二是剔除存在数据异常、数据缺失的样本；三是剔除金融行业的样本；四是对所有非虚拟变量数据进行了1%的缩尾处理。上述数据来自中国证券市场研究与监控数据库(CSMAR)和中国研究数据服务平台(CNRDS)。

之所以选择2008—2016年数据，是因为国务院办公厅于2016年11月10日印发了《控制污染物排放许可制实施方案》，对企业环境信息披露产生了较大影响，可能会对双重差分的结果造成污染，所以本文样本期截至2016年，而绿色信贷政策于2012年颁布，为了保证双重差分检验中政策发布年份前后样本的平衡性，样本向前取到2008年^①。

①   在未列示的结果中，我们扩大样本区间至2003—2020年，结果依然显著。

(二) 变量构建

本文采用文本分析来处理各公司各年度的会计报表中MD&A。之前的研究表明，MD&A是一个重要的信息来源，可以更好地表明管理者的披露策略^[2-3]。

1. 因变量

MD&A是企业年报的一部分，主要包括两个方面：报告期间经营业绩变动的解释与前瞻性信息。经营业绩表现了管理层对上一年企业经营情况的总结；前瞻性信息则表现了管理层对企业未来的规划。

计算机文本分析法可以让我们挖掘非财务信息中特定主题的信息，如环保、公益等。文本分析有两种方法，其中词典法是指将句子切分成词，然后对特定词组的词频进行统计，进而进行分析和总结^[7]。本文用python编程，用词典法对各公司各年度MD&A进行文本挖掘。

本文因变量的构建需要三个词库：一是环保词词库，包含环保、绿色、健康、恶化等词；二是前瞻词词库，包含将会、将要、将可以、将达到、希望、期望、相信、计划等词；三是复杂词词库以衡量年报文本信息复杂性。本文依照王克敏等^[30]的做法，将逆接词、会计术语、次常用字三个部分作为复杂词词库。根据廖秋忠^[31]的研究，文本中逆接成分(虽然、但是等)越多，句子、段落间描述的事件越不协调，文本逻辑关系越复杂；又根据Pretorius^[32]的研究，文本逻辑关系越复杂，文本可读性越低；所以本文参考王琪^①文章中的逆接词组成复杂词词库。Chen等^[33]研究发现，年报阅读难度高的主要原因是其中含有大量会计专业术语，所以会计专业术语在年报中出现的频率在一定程度上能够反映年报的理解难度。本文借鉴王克敏等^[30]的做法，用灵格斯词霸会计词典(2008)中的会计术语组成复杂词词库；由于文本中的生僻字会降低读者阅读的顺畅性，提高阅读难度，本文用《现代汉语次常用字表》(1988)组成复杂词词库。

①   王琪. (2019). 逆接関係を表す表現に関する日中対照研究: 文法化の観点からの分析を中心に (Doctoral dissertation, 九州大学)。

本文使用上述词库来衡量企业年报MD&A句子层面上的环保叙述性披露。具体而言，基于先前Li^[34]和Huang等^[35]的研究，我们使用三种衡量标准来衡量企业的环保叙述性披露数量，分别是环保叙述性披露的数量、含有数字的环保叙述性披露的数量和前瞻性环保叙述性披露的数量。环保叙述性披露的数量是MD&A中含有环保词词库中环保词的句子(以下简称环保句子)总数；含有数字的环保叙述性披露的数量是MD&A中含有数字的环保句子总数，此数字不包括表示年月日的数字；前瞻性环保叙述性披露的数量是MD&A中含有前瞻词词库中前瞻词的环保句子总数。本文遵循徐巍等^[36]的做法构建第四个因变量FOG=0.4×(环保句子的平均字数+环保句子中复杂词的平均数量)来衡量环境信息披露的可读性，FOG越大，表示企业环境信息披露可读性越差。

2. 自变量

自变量有两个，均为虚拟变量。由于《指引》于2012年1月29日发布，所以设置自变量Post。当会计年度为2012年及以后时，Post=1；否则Post=0。设置自变量行业属性，用符号PI表示。若公司所在行业是重污染行业，PI=1；否则PI=0。重污染行业的认定主要根据中国证券监督管理委员会2012年修订的《上市公司行业分类指引》、中华人民共和国环境保护部^②2008年制定的《上市公司环保核查行业分类管理名录》 (环办函〔2008〕373号)以及《上市公司环境信息披露指南》 (环办函〔2010〕78号)，主要包括火电、钢铁、水泥、电解铝、煤炭、冶金、化工、石化、建材、造纸、酿造、制药、发酵、纺织、制革和采矿业等16类行业。借鉴耿晓媛等^[37]的做法，把以下具体行业代码：B06、B07、B08、B09、C17、C19、C22、C25、C26、C27、C28、C30、C31、C32、C33、D44作为重污染行业。

②   2018年3月，中华人民共和国环境保护部撤销。

3. 控制变量

根据上文总结的影响企业环境信息披露的因素，本文设置了以下控制变量：

(1) 偿债能力，用符号Leverage表示，等于公司期末资产负债率。

(2) 企业规模，用符号Size表示，等于(公司期末总资产+1)的对数。

(3) 盈利能力，用符号ROA表示，等于公司期末资产收益率。

(4) 企业年龄，用符号Age表示，等于(企业存续年数+1)的对数。

(5) 企业性质，用符号SOE表示。若企业性质为国企，则为1；否则为0。

(6) 是否经四大会计师事务所审计，用Big4表示。若企业本年年报经四大审计，则为1；否则为0。

(7) 业务增长能力，用符号Sales Growth表示，等于本年营业收入增长率。

(8) 公司价值，用符号Q表示，等于托宾Q。

(9) 董事会治理，用符号Dual表示。若公司CEO和董事会主席是同一个人，则为1；否则为0。

(10) 所有权结构1，用符号Top 10表示，等于前十大股东持股百分比之和。

(11) 所有权结构2，用符号BSR表示，等于控股股东持股比例。

(12) 运营效率，用符号Operating Efficiency表示，等于当期营业收入除以营业成本。

(13) 独立董事占比，用符号Independent表示，等于独立董事占董事会人数比。

(三) 研究模型

为研究绿色信贷政策对重污染企业的影响，本文用双重差分法构建模型：

$ \text { EP_Disclosure }_{i t+1}=\alpha+\beta_1 \text { Post }+\beta_2 \mathrm{PI}+\beta_3 \text { Post } \times \mathrm{PI}+\sum \beta \text { Controls }_{i t}+\mathrm{FE}_{\text {year }}+\mathrm{FE}_{\text {industry }}+\varepsilon_{i t} $

(1)

其中，EP_Disclosure_it+1为上述衡量环保叙述性披露的四个因变量；Controls_it为上述控制变量；i和t分别表示企业和年份；α为常数项；β为系数；ε为随机干扰项。考虑到绿色信贷政策从颁布到实施再到产生影响会经历一段时间，本文将因变量提前一期，以保证回归的准确性，并消除部分内生性。由于环保披露会受到宏观经济和制度政策的影响，各行业各年度影响不同，所以在模型中加入了年度固定效应和行业固定效应，并采取行业层面聚类稳健的标准误。

五、实证研究与结果分析 (一) 描述性统计和基准回归结果 1. 描述性统计

本文各因变量、自变量、控制变量的描述性统计如表 1、表 2所示。

2. 基准回归结果

根据上述模型得到基准回归结果, 如表 3、表 4所示。

可见，公司规模与企业环境信息披露数量呈现正相关，与环境信息可读性呈现负相关；股权集中度与企业环境信息披露数量呈现负相关，与环境信息可读性呈现正相关。

无论是否增加控制变量，核心解释变量Post×PI都至少在5%显著性水平上显著，政策的实施使得重污染企业披露的环境信息分别增加了10.14%、12.54%和8.5%，且信息的可读性增强。也就是说，《绿色信贷指引》实施后，重污染企业会加强环境信息的披露，验证了H1。

(二) 平行趋势检验

使用双重差分法进行研究的一个重要前提是政策发布前因变量符合平行趋势假设。本文用Stata16做平行趋势假设，首先生成年份与PI的交乘项pre_2表示2010年×PI、pre_1表示2011年×PI、Current表示2012年×PI、post_1表示2013年×PI、post_2表示2014年×PI、post_3表示2015年×PI，以2009年数据作为基期，再用因变量对其进行回归，结果如表 5、图 1所示。

可见，在政策颁布前第一年、第二年交乘项系数均不显著异于0；政策实施后，(1)(2)(3)列的交乘项系数显著为正，说明政策的发布对重污染企业环境信息披露产生了显著影响；(4)列的交乘项显著为负，说明政策的发布对重污染企业环境信息披露可读性产生了显著影响。综上，模型符合平行趋势假设。

(三) 安慰剂检验 1. Bootstrap安慰剂检验

Bootstrap安慰剂检验是一种实证研究方法，通常用于检验某种处理或干预是否真正有效。本文从所有样本企业中随机抽取300家企业作为新的实验组，其他企业作为对照组进行回归。若回归结果不显著，则说明绿色信贷政策对重污染企业环境信息披露的影响是真实存在的。为避免单次实验的偶然性，本文将上述过程重复500次。安慰剂检验的结果如表 6、表 7、表 8、表 9所示，回归系数如图 2所示。

可见，随机生成的实验组导致交乘项系数集中分布在0值附近，与原本的基准回归结果相去甚远；500次实验得到的回归系数都显著异于原基准回归结果。可见随机生成的实验组和对照组没有政策效应，结果受到未观测到的遗漏变量影响较少，说明绿色信贷政策对重污染企业环境信息披露的影响是真实存在的。

2. 排除新环保法的政策影响

为进一步排除样本期内其他相似事件，例如《中华人民共和国环境保护法》(以下简称《环保法》)的实施对本文结论的干扰，本文增加了一个新的控制变量Post15。《环保法》(2014年修订)于2015年1月1日起实行，所以当会计年度为2015年及以后时，Post15=1，其他时间Post15=0。加入Post15后，回归结果如表 10所示。

可见，加入控制变量Post15后，交乘项依然显著，说明《环保法》的实施不会对本文结论造成干扰。

(四) 内生性检验 1. 倾向得分匹配方法检验

倾向得分匹配方法(PSM)能够解决实验组和控制组之间可观测变量的偏差问题，保证实验组样本与对照组样本的平衡性，消除选择偏差的影响。本文使用重污染企业与非重污染企业1∶ 1有放回近邻匹配方法，减少企业特征层面组间差异。经过匹配后，实验组与控制组在各控制变量上的差异均有明显下降，其中，实验组与控制组在企业规模上的差异下降了97.7%，偿债能力差异下降了96.7%，其他变量的差异也有70%以上的下降；然后用匹配得到的样本重新进行回归，得到结果如表 12所示。

可见，减少控制变量的组间差异后，回归结果与基准结果一致，仍然至少在5%的显著性水平上显著，且系数大小未发生明显变化，再次验证了结论的稳健性。

2. 控制企业固定效应

控制企业固定效应后，回归结果如表 13所示。

可见，控制企业固定效应后，交乘项系数至少在10%的显著性水平上显著，系数略有变化，但仍然能够表明绿色信贷政策的实施有利于提高企业环境信息披露质量。

3. 熵平衡法

熵平衡法能够同时控制实验组与对照组样本控制变量多维平衡性，进而最大限度上使两组样本实现精确匹配，并解决部分内生性问题。本文将所有控制变量进行三阶矩加权调整，以减少企业特征层面组间差异；然后用调整后得到的样本重新进行回归，得到结果如表 14、表 15所示。

可见，经过熵平衡法进行匹配后，结果仍然显著，但系数和显著性均略有减小。

(五) 中介效应检验

本文选取融资约束与环境代理成本作为中介变量，来探讨绿色信贷政策的实施对企业环境信息披露的影响机制。

1. 融资约束

本文借鉴Kaplan等^[38]构建的KZ指数来衡量融资约束程度，数据来自CSMAR数据库。KZ指数越高，表示企业融资约束越强。

探究以融资约束为中介变量的模型设定如下：

$ \mathrm{KZ}_{i t}=\alpha+\beta_1 \text { Post }+\beta_2 \mathrm{PI}+\beta_3 \text { Post } \times \mathrm{PI}+\sum \beta\text{Controls}_{i t}+\mathrm{FE}_{\text {year }}+\mathrm{FE}_{\text {industry }}+\varepsilon_{i t} $

(2)

$ \mathrm{EP}\_\text { Disclosure }_{i t+1}=\alpha+\beta_1 \text { Post }+\beta_2 \mathrm{PI}+\beta_3 \text { Post } \times \mathrm{PI}+\beta_4 \mathrm{KZ}_{i t}+\sum \beta \text { Controls }_{i t}+\mathrm{FE}_{\text {year }}+\mathrm{FE}_{\text {industry }}+\varepsilon_{i t} $

(3)

用上述模型回归得到结果如表 16所示。

列(1)中，Post×PI系数显著为正，说明绿色信贷政策的颁布会使重污染企业的融资约束增强；列(2)、列(3)、列(4)中，KZ、Post×PI系数显著为正，说明企业环境信息披露的数量会随着融资约束的增强而提高, 中介效应成立；列(5)中，KZ系数显著为正，说明企业环境信息披露可读性会随着融资约束的增强而减弱，这说明融资约束不是重污染企业环境信息披露可读性增强的中介变量。

2. 环境代理成本

学界尚未对衡量环境代理成本的方式进行统一，史永东等^[39]用总代理成本(总资产周转率)来衡量环境代理成本；王馨等^[40]使用企业“管理费用”科目中的绿化费等环境治理费用测算环境代理成本。本文以排污环保费用发生额作为环境代理变量，记为Ecost，数据来自CNRDS，其中包括环境保护支出、排污费、绿化费、危险废弃物处置费等。

探究以环境代理成本为中介变量的模型设定如下：

$ \mathrm{Ecost}_{i t}=\alpha+\beta_1 \text { Post }+\beta_2 \mathrm{PI}+\beta_3 \text { Post } \times \mathrm{PI}+\sum \beta \text { Controls }_{\text {it }}+\mathrm{FE}_{\text {year }}+\mathrm{FE}_{\text {industry }}+\varepsilon_{i t} $

(4)

$ \mathrm{EP}\_\text{Disclosure}_{i t+1}=\alpha+\beta_1 \text{Post}+\beta_2 \mathrm{PI}+\beta_3 \text{Post} \times \mathrm{PI}+\beta_4 \mathrm{Ecost}_{i t}+\sum \beta\text{Controls}_{i t}+\mathrm{FE}_{\text{year}}+\mathrm{FE}_{\text{industry}}+\varepsilon_{i t} $

(5)

用上述模型回归得到结果如表 17所示。

列(1)中，Post×PI系数显著为正，说明绿色信贷政策的颁布使得高污染企业的环境代理成本增多；列(2)、列(3)、列(4)中，Ecost、Post×PI系数显著为正，说明企业环境信息披露的数量会随着环境代理成本的增加而提高, 中介效应成立；列(5)中，Ecost系数不显著，说明环境代理成本不是企业环境信息披露可读性增强的中介变量。

本文通过构造Sobel统计量，对间接效应进行检验，公式为$Z=a \times b / \sqrt{a^2 \sigma_b^2+b^2 \sigma_a^2} $。其中，a为绿色信贷政策与中介变量的回归系数，b为中介变量与企业环境信息披露的回归系数，σ_a和σ_b分别为对应系数的标准误差。并用a×b/c表示中介效应占总效应之比，其中c为不考虑中介效应时绿色信贷政策与环境信息披露的回归系数。

以Sent_green为例，中介效应分解如表 18所示。

融资约束和环境代理成本的中介效应占比分别为2.17%和3.65%，相较而言，环境代理成本作为中介变量对环境信息披露的影响略大于融资约束。

综上，绿色信贷政策既能直接影响重污染企业环境信息披露，也能通过融资约束以及环境代理成本迫使企业提高环境信息披露，但二者不是企业环境信息披露可读性增强的中介变量。

(六) 异质性分析 1. 产权性质异质性分析

本部分考察企业产权性质是否对绿色信贷政策与环境信息披露的关系有影响。结果如表 19所示。

综合来看，绿色信贷政策对国有重污染企业环境信息披露影响更强。这可能是因为，国有企业直接受到国资委的监督，要严格遵守政府的环保法规和标准，因此在环境信息披露方面更加谨慎，从而提高了环境信息披露的透明度。国企是行业的标杆，要承担更多的社会责任，要更注重形象建设，而环境信息披露是展示自己环保形象的重要手段。

2. 股权集中度异质性

本部分考察企业股权集中度是否对绿色信贷政策与环境信息披露的关系有影响。本文设置了控制变量Top10，为前十大股东持股百分比之和，现按照中位数分组，设置变量q_Top10来进行异质性分析，公司Top10在中位数之上的，q_Top10=2，反之q_Top10=1，考虑到不同行业不同年份有不同的股权特征，此过程也控制了行业和年度。结果如表 20所示。

从解释变量系数和显著性上来看，绿色信贷政策颁布后，股权集中度低的重污染企业在环境信息披露数量上有更明显的提高。这与Yu等^[26]的观点不谋而合：股权集中度的升高会导致企业隐瞒环境信息，而股权集中度高的重污染企业在披露可读性上有更好的表现。这可能是因为股权越分散，参与撰写MD&A的人越多，导致内容更混乱，逻辑更复杂，可读性下降。

六、研究结论与展望

本文研究发现绿色信贷政策的颁布对重污染企业的环境信息披露有积极影响。具体表现为，企业在MD&A中有关环保的叙述性披露增多，且更具体，对环保行为更有规划，可读性也得到了显著提高。本文也通过一系列检验验证了上述结论的可靠性和稳健性。

绿色信贷政策除了能直接影响重污染企业环境信息披露外，还能通过增强融资约束、增加环境代理成本使企业提高环境信息披露，但二者不是企业环境信息披露可读性增强的中介变量。具体而言，绿色信贷政策的颁布增加了重污染企业的融资约束以及环境代理成本，企业为了缓解融资约束、获得信贷支持，企业管理层为了应对股东和政府部门日益增强的监督力度，倾向于披露更多的环境信息；而融资约束的增加却导致披露的可读性减弱；环境代理成本与披露可读性之间相关关系不显著。

产权性质、股权集中度对上述影响有调节作用。综合来看，国有重污染企业受政策影响大，会披露更多、更具体的环境信息；股权集中度高的公司倾向披露更少的环境信息，但披露信息的可读性更高。

结合以上结论，为进一步实现绿色金融，强化政策对企业行为的规制作用，提出以下建议：

第一，绿色信贷政策的颁布确实从金融方面对重污染企业环境信息披露有积极影响，政府可进一步颁布绿色可持续相关法律，从成本、销售端等方面规制重污染企业环保行为。

第二，绿色信贷政策通过限制银行金融机构对污染企业的放贷行为，间接促使企业更环保、披露更多环境信息。所以，需要金融机构建立公正全面的评价体系来衡量企业环境绩效。环境信息可读性也是衡量企业环境信息披露质量的重要指标，可将企业环境信息可读性加入企业环保评价体系。

第三，绿色信贷政策通过提高重污染企业融资约束来促进企业环境信息披露和环保行为。所以，可以对污染程度高、拒不作出改变的企业进行更强硬的融资约束；对已作出改变的企业适度放款贷款限制，并持续监督；对环境效益高、改善显著的企业进行资源倾斜，提高信贷资源的配置能力和效率。

第四，绿色信贷政策通过提高重污染企业环境代理成本来促进企业环境信息披露和环保行为。所以，可以对非国有企业、股权集中度高的企业进行更严格地监督，使股东对管理层提出更高的环境要求，增加企业内部环境代理成本，促使他们作出更多环保行为、披露更优质的环境信息。