I緒論研究背景綠色信貸是綠色金融最主要的手段之一，是企業(yè)綠色發(fā)展的重要保證[1]，中國的綠色信貸被視為推動國家工業(yè)轉型的關鍵財政援助工具[2]?！毒G色信貸指引》中可以清晰的看出國家想要以銀行作為出發(fā)點，影響各個企業(yè)。其主要運作流程是：銀行對綠色化程度較高的企業(yè)提供利息更低、數(shù)量更多的貸款，此外拒絕對環(huán)境污染較大的企業(yè)放貸，綠色信貸政策無疑重塑了未來企業(yè)發(fā)展方向。現(xiàn)階段我國實施的綠色信貸政策取得了一定成效，據(jù)統(tǒng)計2021年末，我國綠色信貸余額為15.9萬億元，這也充分說明了綠色信貸在我國的綠色金融體系中發(fā)揮著舉足輕作用。我國推進經(jīng)濟結構綠色轉型具有強大決心。根據(jù)黨的第十九次及第二十次全國代表大會的內容，需要堅定地相信創(chuàng)新是我們發(fā)展的核心驅動力，并加速推動創(chuàng)新主導的發(fā)展策略?！笆奈濉币?guī)劃再次體現(xiàn)國家生態(tài)建設和環(huán)境綠色發(fā)展重視程度，重點突出了“發(fā)展和支持綠色金融、技術創(chuàng)新”。并且，2021年國家相繼出臺的多項政策并將“雙碳”政策寫入全國政府工作報告。作為綠色轉型的重要工具，綠色信貸政策增強了環(huán)境保護和經(jīng)濟發(fā)展的雙贏能力（WangandFeng），企業(yè)綠色技術創(chuàng)新是實現(xiàn)可持續(xù)發(fā)展和環(huán)境保護的重要途徑，得到了國家的政策支持[3]。但其中需要大量的資金和時間投入，會使得企業(yè)承受財務壓力，成本較高。綠色信貸政策能夠優(yōu)化融資結構，為具有較大風險的創(chuàng)新活動提供資金支持，降低企業(yè)投入成本，更好的實現(xiàn)可持續(xù)發(fā)展目標。在證券公司實習期間，我深入了解了企業(yè)的融資行為與金融市場的互動關系。我發(fā)現(xiàn)，企業(yè)在尋求外部融資時，往往會受到綠色信貸政策的影響。這些政策不僅引導著企業(yè)投資于環(huán)保項目，還鼓勵企業(yè)進行綠色創(chuàng)新。通過證券公司的數(shù)據(jù)分析，我觀察到符合綠色信貸標準的企業(yè)往往能夠獲得更低的貸款利率和更寬松的貸款條件，這無疑激發(fā)了企業(yè)進行綠色創(chuàng)新的積極性?；谶@一觀察，我對此課題有了極大的興趣?？傊?，綠色信貸已經(jīng)成為我國金融業(yè)發(fā)展主流。本文對于綠色信貸政策能促進企業(yè)綠色技術創(chuàng)新這一問題，進行深入探索，并提供相關有價值的建議。研究意義（1）理論意義本文梳理了綠色信貸政策的發(fā)展歷程、已取得的成果以及目前還存在的問題，對綠色信貸作用機理展開理論分析，同時針對綠色信貸政策效果進行了實證檢驗。但是經(jīng)過閱讀大量文獻發(fā)現(xiàn)，大部分學者忽略了綠色信貸政策對企業(yè)綠色技術創(chuàng)新的影響研究，主要局限于宏觀經(jīng)濟，但是本文的研究對這一部分內容做了補充，為我國進一步完善綠色信貸政策提供理論參考。（2）實踐意義本文的研究結果有利于政府更好的完善政策體制，評估把握綠色信貸的實施效果，從而更加有效更有針對性的制定強有力政策。對于銀行等金融機構而言，有利于其對于綠色信貸企業(yè)的審批，加強貸后監(jiān)管，防止資金被運用到不合理污染環(huán)境生產(chǎn)活動中去，從而達到保護環(huán)境的目的。對于企業(yè)，可以促進其綠色轉型，得到更加有效理想的政策支持，從而實現(xiàn)可續(xù)發(fā)展目的。研究方法文獻研究法：本文利用知網(wǎng)查閱文獻，通過閱讀相關綠色信貸政策與企業(yè)綠色技術創(chuàng)新文獻加深理解，并在各種數(shù)據(jù)庫進行數(shù)據(jù)進行檢索，為文章的撰寫提供便利。計量分析法：選用相關變量去衡量不同類型的綠色技術創(chuàng)新，并且選取DID去評估綠色信貸政策的實施效果。研究框架計量分析法文獻分析法解決問題分析問題第一部分緒論第四部分數(shù)據(jù)分析第二部分文獻綜述第三部分研究設計第五部分研究結論及建議提出問題研究思路計量分析法文獻分析法解決問題分析問題第一部分緒論第四部分數(shù)據(jù)分析第二部分文獻綜述第三部分研究設計第五部分研究結論及建議提出問題研究思路主要研究內容研究方法圖STYLEREF1\s1.SEQ圖\*ARABIC\s11論文框架文獻綜述回顧綠色信貸相關研究蘇冬蔚等人通過研究通過調整信貸政策，對這些企業(yè)的資金來源進行了有效控制，從而抑制了其過度的債務融資行為。這一政策的實施，不僅有助于推動企業(yè)實現(xiàn)綠色發(fā)展，還有利于促進整個社會的可持續(xù)發(fā)展[4]。Zhangetal從研究中得出結論綠色信貸政策能夠降低信息不對稱性，從而促進企業(yè)綠色技術創(chuàng)新[5]。何凌云，梁宵，楊曉蕾經(jīng)過研究發(fā)現(xiàn)，綠色信貸政策對融資約束程度越高的企業(yè)促進作用更強，認為綠色信貸需要對相關企業(yè)有更大的扶持力度[6]。陳恒宇、劉強、王偉南認為實施綠色信貸政策能夠讓“兩高一?！辈坏貌贿M行綠色技術創(chuàng)新[7]。王康仕，孫旭然，王鳳榮通過研究得出結論綠色信貸政策對國有污染較大企業(yè)的影響并不顯著，其融資約束作用并未能有效發(fā)揮作用。相反，該政策可能會增加民營污染企業(yè)的融資難度，從而對其發(fā)展產(chǎn)生不利影響。這一現(xiàn)象值得進一步研究和探討，以期找到更加有效的政策措施，促進各類企業(yè)實現(xiàn)綠色發(fā)展，推動社會可持續(xù)發(fā)展進程[8]?？偨Y來看，綠色信貸政策對嚴重污染的企業(yè)產(chǎn)生了深遠的影響，它能推動企業(yè)的綠色技術創(chuàng)新發(fā)展，但同時也有一些問題出現(xiàn)，如缺乏準確的環(huán)境數(shù)據(jù)公開、實施項目的準則不夠清晰和沒有強行要求等等這些因素導致了“漂綠”的金融創(chuàng)新現(xiàn)象。在微觀層面上，學者主要集中于商業(yè)銀行績效的影響。孫光林等學者采用動態(tài)和靜態(tài)面板分析方法，深入研究了綠色信貸政策對銀行風險的影響。研究發(fā)現(xiàn)，綠色信貸政策能夠顯著優(yōu)化銀行的不良貸款率，從而有效降低銀行面臨的信用風險。這一結果表明，綠色信貸政策不僅有助于促進銀行的可持續(xù)發(fā)展，還能夠提升銀行的風險管理能力[9]。Lianetal通過研究發(fā)現(xiàn)綠色信貸政策對銀行資產(chǎn)收益率產(chǎn)生了顯著的正面影響，從而有效促進了經(jīng)濟效應的提升。具體而言，綠色信貸政策通過引導銀行資金投向環(huán)保、節(jié)能等綠色產(chǎn)業(yè)，不僅有助于實現(xiàn)銀行資產(chǎn)的優(yōu)化配置，還能夠推動綠色產(chǎn)業(yè)的發(fā)展，進而帶動整個經(jīng)濟的可持續(xù)發(fā)展[10]。謝婷婷主要研究綠色信貸對中國銀行績效增長方式，利用面板GMM模型進行分析，明確了綠色信貸的正向促進作用[11]。相反，也有一眾學者得出了不同的觀點。李蘇選擇了我國進行綠色信貸業(yè)務的商業(yè)銀行作為研究對象，發(fā)現(xiàn)這些銀行在實施綠色信貸業(yè)務時并未帶來額外的收益，而且在大型國有銀行中，其成本增加的程度更為顯著[12]。丁寧等認為綠色信貸業(yè)務會加劇銀行成本支出，成本效率會在短期內降低[13]?？梢钥闯?，綠色信貸業(yè)務一定程度上能夠減小銀行不良貸款率，增加銀行收益，但綠色信貸體系還不夠成熟。綠色技術創(chuàng)新的相關研究（1）環(huán)境規(guī)制對綠色技術創(chuàng)新的影響相關研究Brunnermeier等運分析影響環(huán)境創(chuàng)新的因素，在探討影響環(huán)境創(chuàng)新的諸多因素中，一項關鍵發(fā)現(xiàn)是企業(yè)成本的增加會顯著抑制其綠色技術創(chuàng)新的進程。具體來說，隨著企業(yè)運營成本的上升，其在綠色技術領域的研發(fā)投入可能會受到限制，進而影響其創(chuàng)新能力和技術進步[14]。此外，Caietal.,研究發(fā)現(xiàn)企業(yè)在綠色技術領域的創(chuàng)新活動往往會受到成本增加的負面影響[15]。然而根據(jù)“波特假說”，環(huán)境規(guī)制的實施可以通過技術來彌補環(huán)境治理過程中的經(jīng)濟損失，所以環(huán)境規(guī)制對于企業(yè)技術創(chuàng)新問題也受到了大量學者的研究。林開杰得出結論環(huán)境規(guī)制對企業(yè)綠色技術創(chuàng)新影響較大，在更為嚴格的環(huán)境規(guī)制要求下，企業(yè)將被迫進行更高層次的綠色技術創(chuàng)新。這種壓力促使企業(yè)加大研發(fā)投入，推動綠色技術的進步和創(chuàng)新[16]。此外，企業(yè)績效也會被環(huán)境規(guī)制所影響，企業(yè)對于經(jīng)濟效益的追求從而影響到企業(yè)綠色技術創(chuàng)新。郭進選用我國30個省的面板數(shù)據(jù)，研究表明，政府對企業(yè)征收排污費用能夠促進企業(yè)的綠色技術創(chuàng)新[17]；除此之外，環(huán)境規(guī)制與綠色創(chuàng)新的關系呈現(xiàn)倒U型，過高的環(huán)境規(guī)制程度不利于綠色創(chuàng)新。在國家政府實行環(huán)境規(guī)制效率方面發(fā)展中國家政策執(zhí)行效率較低（Harrisonetal.,），中國作為最大的發(fā)展國家，實行的環(huán)境規(guī)制政策體系還需要完善[18]。但是環(huán)境規(guī)制帶來結果并不總是令人滿意，因為環(huán)境監(jiān)管政策可能會導致污染控制成本、額外的生產(chǎn)成本以及創(chuàng)新失敗造成的成本[19]。不同地區(qū)企業(yè)綠色技術創(chuàng)新收到的環(huán)境規(guī)制影響程度也不同，甄夢夢經(jīng)過研究發(fā)現(xiàn)東部企業(yè)或者處在成長期的企業(yè)，環(huán)境規(guī)制的促進作用更明顯[20]。也體現(xiàn)在了不同的企業(yè)類型上，鄧玉萍等利用雙重差分模型發(fā)現(xiàn)這綠色信貸政策對東部和中部地區(qū)、大型企業(yè)和技術密集型企業(yè)影響效果更為顯著[21]。（2）區(qū)域綠色技術創(chuàng)新相關研究綠色創(chuàng)新在我國起步時間較晚，因此各地區(qū)之間勢必存在差異。各個地區(qū)的政策區(qū)別較大，因此，同一企業(yè)所在地區(qū)的不同，得到的政策補助也不同，例如地方政府可以通過銀行授予公司更低甚至零利率貸款[22]。在區(qū)域企業(yè)綠色技術創(chuàng)新方面。任貴秀基于2005—2020年黃河流域89個城市，黃河流域綠色創(chuàng)新發(fā)展存在穩(wěn)定且較為明顯的全局空間自相關關系，局部空間自相關以高-高型和低-低型為主，山東半島城市群分布在熱點區(qū)，黃河流域中上游地區(qū)的城市多位于冷點區(qū)[23]。根據(jù)曹霞等人的研究結果，各地的創(chuàng)新效能存在顯著差距，中國整體上表現(xiàn)出"東部領先西部"的特點[24]。在空間溢出方面。吳新中等人經(jīng)過研究發(fā)現(xiàn)位于長江經(jīng)濟帶的工業(yè)綠色全要素增長率存在空間溢出效應[25]。韓科振也得出了類似的觀點，即隨著鄰近地區(qū)綠色金融資源的增加和金融服務的優(yōu)化，本地區(qū)的企業(yè)能夠獲得更多的資金支持和金融服務，從而推動綠色技術的創(chuàng)新和應用[26]。在綠色技術創(chuàng)新效率的領域內。李雪松得出位于東部的企業(yè)的創(chuàng)新和傳統(tǒng)型綠色發(fā)展效率是全中國最高水準[27]，并且在綠色技術開發(fā)階段，中西部面臨更加嚴峻的環(huán)境問題。Chen和Golley的觀點是，環(huán)保技術的創(chuàng)新能夠提升地區(qū)的綠色發(fā)展?jié)摿Γ⒃鰪娖渚G色發(fā)展效率[28]。綠色信貸政策對企業(yè)綠色技術創(chuàng)新影響相關研究關于綠色信貸政策對于企業(yè)綠色科技創(chuàng)新的影響存在兩類截然相反的見解。王馨根據(jù)研究發(fā)現(xiàn)綠色信貸政策對企業(yè)綠色創(chuàng)新行為產(chǎn)生了積極且明顯的效應，尤其是在綠色創(chuàng)新產(chǎn)品的數(shù)量方面表現(xiàn)得尤為突出。隨著環(huán)保法規(guī)執(zhí)行程度的加深，綠色信貸政策對綠色技術創(chuàng)新活動的促進效果變得更加顯著[29]。謝喬昕主張政府補貼是綠色信貸政策與企業(yè)創(chuàng)新能力之間的關鍵調適因素[30]。同時，綠色信貸政策可能會激發(fā)企業(yè)主動尋求創(chuàng)新改革，以利用技術的提升來抵消成本增加，這種觀念被陶鋒等人和劉金科、肖翊陽所接受[31,32]。Tian等人根據(jù)研究發(fā)現(xiàn)綠色信貸作為一種金融工具，對促進污染企業(yè)的綠色技術創(chuàng)新具有顯著作用。它不僅激勵企業(yè)加大研發(fā)投入，還推動企業(yè)實現(xiàn)向綠色經(jīng)濟的轉型[33]。但是Guoqiang認為綠色信貸政策通過增強中國企業(yè)全要素生產(chǎn)率，有效推動了企業(yè)在綠色技術領域的創(chuàng)新。具體來說，該政策通過優(yōu)化資金配置，為企業(yè)提供了更為高效的資源利用，從而提升了企業(yè)的生產(chǎn)效率。這一效率的提升，進一步激發(fā)了企業(yè)在綠色技術方面的創(chuàng)新動力，促進了綠色技術的發(fā)展和應用[34]。但是，也有大量學者秉持不同結論?！皟筛咭皇！逼髽I(yè)的綠色技術創(chuàng)新發(fā)展受到綠色信貸的負面沖擊，其原因在于該政策增加了高耗能、高排放公司的高額長期借款限制，減少了這些公司用于科技創(chuàng)新的資金支出，進而阻礙它們實現(xiàn)綠色技術的進步[35]。于波以雙重差分法為基礎，得出政策出臺后增加了重污染企業(yè)經(jīng)濟壓力，從而抑制了企業(yè)的綠色技術創(chuàng)新，證明綠色信貸不符合“波特假說”[36]。同樣，陸菁利用企業(yè)內和企業(yè)外數(shù)據(jù)證明了2007年實施的綠色信貸政策對企業(yè)也有相同影響不符合“波特假說”[37]。研究評述通過閱讀文獻發(fā)現(xiàn)，大部分研究集中于綠色信貸政策對整體綠色技術創(chuàng)新的研究，但實際上，根據(jù)企業(yè)的動機不同可以將其劃分為策略性綠色技術創(chuàng)新和實質性綠色技術創(chuàng)新。由于兩種創(chuàng)新形式所需資金數(shù)量和面臨難度都是不同的，因此綠色信貸政策的實施對兩者的影響程度有所差異，鑒于現(xiàn)有研究在綠色技術創(chuàng)新分類方面的局限性，本研究旨在對綠色技術創(chuàng)新的類型進行深入的分類研究。本研究旨在深入探討綠色信貸政策對企業(yè)在不同綠色綠色技術創(chuàng)新活動的廣泛影響，并致力于拓展當前對綠色信貸政策促進企業(yè)綠色技術創(chuàng)新影響的學術討論。通過分析綠色信貸政策對企業(yè)各類綠色技術創(chuàng)新的具體作用，本研究力圖擴展相關領域的研究視野。研究設計研究假設綠色信貸直接影響企業(yè)綠色技術創(chuàng)新綠色信貸政策作為兼具環(huán)境規(guī)制和經(jīng)濟激勵功能的市場化工具，其以政府為主導、以銀行為實施主體、以企業(yè)為實施對象。本質在于通過差異化信貸配給引導資金流向綠色環(huán)保領域，限制企業(yè)非綠色項目的資金投入，促進經(jīng)濟綠色化發(fā)展，淘汰高污染、高能耗的落后產(chǎn)能。在綠色信貸政策北京西安，企業(yè)對綠色創(chuàng)新部分會獲得更多資金支持，央行要求銀行等金融機構為綠色低碳項目提供更有利的信貸條件，更優(yōu)惠的利率有助于幫助綠色友好型企業(yè)以更低的成本獲得銀行貸款。企業(yè)的綠色創(chuàng)新活動可以促進經(jīng)濟的可持續(xù)發(fā)展，符合綠色信貸政策的要求，會得到銀行更多資金支持。H1：綠色信貸政策可以影響企業(yè)綠色技術創(chuàng)新。綠色信貸政策與企業(yè)不同類型綠色技術創(chuàng)新的關系本研究將綠色技術創(chuàng)新分為兩類：實質性和策略性綠色技術創(chuàng)新。策略性綠色技術創(chuàng)新則是為了規(guī)避環(huán)境規(guī)制或為了獲得稅收優(yōu)惠和政府補貼而進行的創(chuàng)新活動。實質性綠色技術創(chuàng)新主要關注提升企業(yè)生產(chǎn)技術的環(huán)保性能，旨在推動企業(yè)生產(chǎn)模式的綠色轉型，從而增強企業(yè)的社會效益。實質性綠色技術創(chuàng)新作為一種高質量的綠色技術創(chuàng)新類型由于其研發(fā)難度更高、所需資金也更多，但由于且成果見效慢，所以具有較高的風險。相反的，策略性綠色技術創(chuàng)新則具有明顯“短平快”特征。因此，為了快速獲得投資者的資金支持和政府的環(huán)境補貼，策略形綠色技術創(chuàng)新更容易被企業(yè)所選擇。H2：綠色信貸政策對企業(yè)的策略性綠色技術創(chuàng)新具有明顯的促進作用。H3：綠色信貸政策對企業(yè)的實質性綠色技術創(chuàng)新影響較小。企業(yè)融資與企業(yè)綠色技術創(chuàng)新《綠色信貸指引》提高“兩高一?！逼髽I(yè)融資難度，增加了“兩高一?！逼髽I(yè)運營困難度，使得相關企業(yè)不得不放棄對環(huán)境有污染的生產(chǎn)方式，轉而謀求綠色轉型?！皟筛咭皇！逼髽I(yè)進行綠色技術創(chuàng)新不僅能夠克服《綠色信貸指引》帶來融資難問題，而且能夠實現(xiàn)企業(yè)自身的可持續(xù)發(fā)展。鑒于此，《綠色信貸指引》的出臺將對企業(yè)融資條件產(chǎn)生更為嚴格的限制。具體而言，該指引通過提高貸款審批標準，增加了企業(yè)獲取資金的難度，從而對企業(yè)的融資活動施加了額外的約束。H4：在企業(yè)綠色技術創(chuàng)新受綠色信貸政策影響的過程中，融資約束扮演中介作用。研究理論模型綠色信貸政策zhengce政策綠色信貸政策zhengce政策融資約束企業(yè)綠色轉型實質性創(chuàng)新策略性創(chuàng)新基本模型構建雙重差分法（DID）模型基礎是構建反事實研究框架，用以計算自然試驗中實驗組和對照組在干預下增量的變化，該方法主要被運用于政策評估。DID模型能夠建立有一個重要的前提，必須確保實驗組與對照組在政策實施前的時間序列中呈現(xiàn)出一致的時間效應或發(fā)展趨勢，以滿足“平行趨勢假設”的要求。在樣本滿足平行趨勢檢驗后，應選取具有代表性的政策頒布時間作為分界點，探究政策實施前后被解釋變量的變化，進而評估政策效果。模型如下：EnvrPat其中，EnvrPat分別代表企業(yè)i在第t期的整體綠色技術創(chuàng)新，controlsi,t代表第t期一系列影響綠色技術創(chuàng)新的控制變量；posti,t×treati,t為雙重差分變量；μi表示控制個體固定效應，關于變量的衡量本研究選取了自2007至2022年的中國滬深股市所有非金融上市公司，以2012年發(fā)布的《指引》作為自然實驗的標準，把“兩高一?！毙袠I(yè)的公司設定為實驗組，其他各行各業(yè)則視為對照組。將不同類型企業(yè)綠色技術創(chuàng)新分別作為被解釋變量，檢驗《指引》的實施效果。（1）被解釋變量的衡量由于專利授予量在時間上具有一定的滯后性，而專利申請量具有準確的時效性，參考李依等人的研究成果，本研究選用企業(yè)申請的綠色專利數(shù)量作為衡量其綠色技術創(chuàng)新活動（EnvrPat）的指標[38]。在本研究的實證分析部分，綠色發(fā)明專利的數(shù)量被選定為評估策略性綠色技術創(chuàng)新的量化標準。與此同時，綠色實用新型專利的申請數(shù)量則被用來衡量實質性綠色技術創(chuàng)新的成效。為了消除零值對分析結果的潛在影響，我們對綠色實用專利申請量和綠色發(fā)明專利申請量分別進行了加1處理，并取其自然對數(shù)，以此量化實質性和策略性綠色技術創(chuàng)新。解釋變量的衡量本研究引入了一個虛擬變量“treat”，旨在區(qū)分實驗組與對照組。當企業(yè)屬于“兩高一?！毙袠I(yè)時，該變量賦值為1；若企業(yè)歸類于其他行業(yè)，則變量賦值為0。此外，以《指引》發(fā)布之年2012年作為劃分時點，將2012年之前的觀測數(shù)據(jù)標記為post賦值為0，而將2012年及之后的數(shù)據(jù)賦值為1。中介變量的衡量融資約束是指企業(yè)尋求融資所面臨的外部約束，企業(yè)為了獲得融資，不得不舍棄部分利益以求獲得融資。在選取變量方面，我們選用SA指數(shù)去衡量企業(yè)融資約束，并且選擇公司規(guī)模(Size)及創(chuàng)立時間(Age)作為調節(jié)因素。為了避免因零值而產(chǎn)生的誤導影響到我們的分析結果，我們會通過自然對數(shù)的處理方式來測量公司規(guī)模，同時也利用觀察年度減去公司上市年度的方式來度量公司的創(chuàng)立時長。一般來說，SA指數(shù)是負數(shù)且其數(shù)值越高，代表著公司的融資約束程度越寬松。具體而言，SA的計算方法如下所述：SA=?0.737（4）控制變量的衡量借鑒已有研究的基礎上，為確保模型構建的可信度，選取如下控制變量Control：企業(yè)規(guī)模、實物投資水平、研發(fā)水平、增長能力、所有權集中程度、財務杠桿作用、資產(chǎn)有形性、現(xiàn)金持有量、財務業(yè)績和獨立董事的比例。具體變量定義見表3-1。表STYLEREF1\s3.SEQ表\*ARABIC\s11變量定義變量名稱變量縮寫計算方法因變量綠色技術創(chuàng)新EnvrPat綠色專利申請量加1的自然對數(shù)策略性綠色技術創(chuàng)新EnvrInvPat綠色發(fā)明專利申請量加1的自然對數(shù)實質性綠色技術創(chuàng)新EnvrUtyPat綠色實用專利申請量加1的自然對數(shù)自變量政策變量Treat對于非“兩高一?！毙袠I(yè)的公司，賦值為0；若上市公司被歸類為“兩高一?！毙袠I(yè)，則該虛擬變量取值為1。時間變量Time在2012年頒布《指引》之前數(shù)據(jù)賦值為0，之后的數(shù)據(jù)賦值為1交互項Did實驗組變量和實驗組變量的交叉項中介變量融資約束SASA指數(shù)的結果呈現(xiàn)負值。企業(yè)所面臨的融資約束程度與其SA指數(shù)的絕對值成反比，即SA指數(shù)的絕對值越低，代表的融資約束越小控制變量增長能力Growth本年度營業(yè)收入的增長率所有權集中制度Share最大股東的持股比例財務杠桿作用Lev資產(chǎn)負債率資產(chǎn)有形性PPE固定資產(chǎn)除以總資產(chǎn)現(xiàn)金持有量Cash現(xiàn)金量除以總資產(chǎn)財務業(yè)績ROA凈利潤除以總資產(chǎn)獨立董事的比例Indep獨立董事相對于所有董事會成員的比例數(shù)據(jù)分析數(shù)據(jù)來源本研究選取了自2007至2022年的中國A股上市公司樣本，以2012年發(fā)布的《指引》作為自然的試驗標準，把“兩高一?！毙袠I(yè)的企業(yè)設定為實驗組，其他企業(yè)的則視為對照組。在對初始樣本進行預處理后，本研究得到了最終的樣本集，涵蓋了843家上市公司的15088條年度記錄。對于樣本中出現(xiàn)的變量缺失值，我們采用了均值替代的方法進行處理。另外，我們使用國泰安數(shù)據(jù)庫和Wind數(shù)據(jù)庫作為綠色專利數(shù)據(jù)和控制變量數(shù)據(jù)的主要來源，并在數(shù)據(jù)處理和實證分析中使用STATA17軟件。描述統(tǒng)計表STYLEREF1\s4-SEQ表\*ARABIC\s11描述統(tǒng)計VariableObsMeanStd.dev.MinMaxEnvrPat15,0880.29040.74770.00006.8480EnvrInvPat15,0880.20630.62920.00006.3279EnvrUtyPat15,0880.16300.50910.00005.9480treat15,0880.26720.44250.00001.0000Time15,0880.68750.46350.00001.0000did15,0880.18230.38610.00001.0000Size15,08822.62591.422119.045628.6365Age15,0882.92520.34720.00003.7612Lev15,0880.48810.18800.00711.4841ROA15,0880.04240.0571-0.64380.4775Cash15,0880.05320.0756-0.74430.8759PPE15,0880.24860.18360.00000.9709Growth15,0880.355015.5204-0.98611878.3720share15,0880.35530.15420.01840.8999Indep15,0880.36940.05620.00000.8000從上表可以看出，企業(yè)綠色技術創(chuàng)新的均值0.29，標準差0.74，最小值0，最大值卻達到了6.85，這可以看出在我國各個企業(yè)綠色技術創(chuàng)新水平差異較大。企業(yè)策略性綠色技術創(chuàng)新均值0.21，標準差0.63，企業(yè)實質性綠色技術創(chuàng)新的均值為0.16，標準差0.51，可見企業(yè)策略性綠色技術創(chuàng)新和實質性綠色技術創(chuàng)新差異性較大。時間虛擬變量的平均值為0.68，這一數(shù)值反映出在2012年政策生效后所采集的樣本數(shù)據(jù)占據(jù)了總樣本量的68%。同時，處理虛擬變量的平均值為0.26，這表明在研究的企業(yè)樣本中，有26%的企業(yè)被歸類為“兩高一?！毙袠I(yè)?！皟筛咭皇！逼髽I(yè)的占比較大，超過25%，可以說明本研究可靠性。方差膨脹因子檢驗表STYLEREF1\s4.SEQ表\*ARABIC\s12方差膨脹因子檢驗VariableVIF1/VIFLev1.46000.6830ROA1.45000.6907Size1.42000.7024Cash1.32000.7584Age1.17000.8550PPE1.15000.8666Indep1.02000.9768share1.01000.9942Growth1.00000.9987MeanVIF1.2200在本研究中，我們采用了方差膨脹因子（VIF）檢驗法來診斷變量之間的多重共線性問題。依據(jù)準則，如果單個變量的VIF值不超過10，同時所有變量的VIF值的均值也不超出3，那么可以推斷這些變量之間缺乏顯著的共線性關系。由表可得，數(shù)據(jù)不存在多重共線性，可以說明本研究可靠性。平行趨勢檢驗平行趨勢檢驗是采用did的基礎，實驗組與對照組的目標變量必須滿足這個前提條件。這意味著，在政策實施之前，兩組間的目標變量不應存在顯著差異。若兩組在政策實施前已有差異，則DID方法所得結果將無法準確反映政策的實際凈效應。為驗證平行趨勢假設，創(chuàng)建了一種回歸模型，該模型包括年度的虛擬變量與實驗組虛擬變量所構成的交互項。若在《指引》頒布時間2012年之前，該系數(shù)在統(tǒng)計學意義上未顯示出顯著性，那么這意味著對照組和實驗組在政策實行之前的走勢是相似的，符合平行趨勢檢驗標準;否則，就表示對照組間有明顯的區(qū)別，不符合平行趨勢檢驗標準。使用2012年作為當期變量，前一年的作為post1，后一年的作為pre1，以此類推。建立如下平行趨勢檢驗模型：EnvrPatμt代表控制個體效應。若αi都不顯著，表示政策前的處理組和對照組的趨勢基本相同，若表STYLEREF1\s4.SEQ表\*ARABIC\s13平行趨勢檢驗結果VARIABLESEnvrPatEnvrInvPatEnvrUtyPatpost5-0.1981-0.1432-0.1071(-0.4336)(-0.3175)(-0.7520)post4-0.1557-0.1191-0.0893(-0.7165)(-0.6278)(-0.5610)post3-0.1448-0.1086-0.0877(-1.2692)(-0.3319)(-0.3355)post2-0.1381-0.1069-0.0826(-0.3248)(-1.3765)(-0.4686)post1-0.0801-0.0754-0.0358(-2.4538)(-3.0819)(-1.4302)current-0.0352***-0.0343***-0.0085(-2.6546)(-3.2759)(-0.8181)pre1-0.0211**-0.0099***-0.0251(-2.3416)(-3.3927)(-0.9722)pre20.0076***0.0145**0.0012(4.2156)(2.4154)(0.0461)pre30.0367***0.03960.0344***(2.9182)(1.2203)(3.0820)pre40.0544**0.0577*0.0177(2.3115)(1.9592)(0.5197)pre50.0827**0.0477**0.0541(1.9967)(2.4199)(1.6313)pre60.0512**0.0623*0.0139(2.4024)(1.7320)(0.4242)pre70.1192***0.0864**0.0489(2.8032)(2.5225)(1.3701)pre80.1259**0.06280.0954**(2.4968)(1.5926)(2.3820)pre90.0774*0.06090.0174(1.6577)(1.5925)(0.4716)pre10-0.0276-0.0069-0.0497(-0.5994)(-0.1740)(-1.5208)Constant0.2572***0.1264**0.2095***(3.7260)(2.0368)(4.2000)Observations15,08815,08815,088R-squared0.0220.0190.011Numberofid943943943從上表可以看出，在政策執(zhí)行之前，對于綠色技術創(chuàng)新、策略性綠色技術創(chuàng)新以及實質性綠色技術創(chuàng)新的模型，時間虛擬變量的統(tǒng)計顯著性并不顯著，自政策生效以來，綠色技術創(chuàng)新的相關指標，包括策略性和實質性兩個維度，均顯示出其對應的時間虛擬變量在統(tǒng)計上大多是顯著的，這說明政策發(fā)布確實造成了綠色科技創(chuàng)新的顯著變化。政策前不顯著，政策后顯著，比較符合平行趨勢檢驗的。DID建模結果綠色信貸政策影響企業(yè)綠色技術創(chuàng)新實證結果表STYLEREF1\s4.SEQ表\*ARABIC\s14綠色信貸政策與綠色技術創(chuàng)新(1)(2)VARIABLESNocontrolControldid0.0302*0.0361**(1.6569)(1.9776)treat-0.0450-0.0409(-1.5823)(-1.4363)Time0.1645***0.1530***(17.7692)(15.8826)Lev0.0421(1.0810)ROA-0.1360(-1.5335)Cash-0.1506**(-2.5106)PPE-0.1458***(-3.1083)Growth-0.0001(-0.3078)share-0.0229(-0.6767)Indep0.1920**(2.0599)Constant0.1838***0.1563***(18.1920)(3.4504)Observations15,08815,088R-squared0.0330.035Numberofid943943本文研究目標是政策對綠色技術創(chuàng)新的影響，需要注意的是時間和處理變量的交互項，在第一列中，僅包含虛擬變量及其交互項的回歸分析結果顯示，交互項的系數(shù)為0.0302，且在10%的置信水平上具有統(tǒng)計顯著性。而在第二列中，引入控制變量后的回歸分析，交互項的系數(shù)提升至0.0361，顯著性水平也提高至5%。這表明，控制變量的加入增強了交互項的顯著性水平。政策的實施，導致綠色技術創(chuàng)新增加了3.6%，政策的實施對企業(yè)綠色科技創(chuàng)新的影響是正向的，假設H1成立。從控制變量來看，cash現(xiàn)金持有量顯著為負，說明企業(yè)現(xiàn)金持有量越多，綠色科技創(chuàng)新就會越少，ppe資產(chǎn)有形性顯著為負，說明企業(yè)固定資產(chǎn)越多，綠色科技創(chuàng)新反而會降低。Indep獨立董事顯著為正，說明獨立董事越多，綠色科技創(chuàng)新就會越多，lev資產(chǎn)負債率對綠色科技創(chuàng)新會有正向影響，其余變量會有負向影響，但是不顯著。綠色信貸政策影響不同類型企業(yè)綠色技術創(chuàng)新實證結果表STYLEREF1\s4.SEQ表\*ARABIC\s15綠色信貸政策與企業(yè)各類型綠色技術創(chuàng)新VARIABLESEnvrPatEnvrInvPatEnvrUtyPatdid0.0361**0.0125**0.0296(1.9776)(2.3936)(0.1456)treat-0.0409-0.0166**-0.0443(-1.4363)(-2.3741)(-0.0552)Time0.1530***0.1360***0.0690(15.8826)(16.3549)(0.4757)Lev0.04210.0590*-0.0195(1.0810)(1.7558)(-0.6639)ROA-0.1360-0.0592-0.0925(-1.5335)(-0.7727)(-1.3787)Cash-0.1506**-0.1025**-0.1114**(-2.5106)(-1.9789)(-2.4551)PPE-0.1458***-0.1270***-0.0498(-3.1083)(-3.1358)(-1.4031)Growth-0.0001-0.0000-0.0000(-0.3078)(-0.1941)(-0.2654)share-0.0229-0.00420.0018(-0.6767)(-0.1447)(0.0708)Indep0.1920**0.2489***-0.0369(2.0599)(3.0925)(-0.5235)Constant0.1563***0.03520.1667***(3.4504)(0.9015)(4.8676)Observations15,08815,08815,088R-squared0.0350.0350.014Numberofid943943943為了更好的研究政策對綠色技術創(chuàng)新的影響，后續(xù)把綠色技術創(chuàng)新細分為策略性綠色技術創(chuàng)新和實質性綠色技術創(chuàng)新來研究政策的作用。在上表中，第二列展示了政策對策略性綠色技術創(chuàng)新影響的估計結果，而第三列則呈現(xiàn)了政策對實質性綠色技術創(chuàng)新影響的估計結果。分析顯示，政策實施對于策略性綠色技術創(chuàng)新具有正面影響，并且這一影響在統(tǒng)計上是顯著的。相對于策略性創(chuàng)新，政策對實質性綠色技術創(chuàng)新的影響則不那么明顯，雖然呈現(xiàn)出正向趨勢，但并未達到統(tǒng)計上的顯著性。另外，綠色信貸政策已被證實對公司的策略性綠色技術創(chuàng)新產(chǎn)生了積極的推動效果,從而確認了假設H2的正確性。相對而言，對于企業(yè)實質性綠色技術創(chuàng)新，綠色信貸政策的影響并不顯著，這與假設H3的預期相符?？梢?，企業(yè)為了迎合綠色信貸政策的法規(guī)要求，企業(yè)將重心投入到研發(fā)成本較低和功能性較弱的綠色專利中，以謀求更低成本的外部資金。穩(wěn)定性檢驗安慰劑檢驗研究采用安慰劑測試方法以確定政策效果是否受到非隨機變量的影響。若觀察到安慰劑試驗的結果與真實干預的效果顯著不同，則可以推斷出沒有被誤導的其他隨機影響并未對結果產(chǎn)生混淆。圖STYLEREF1\s4.SEQ圖\*ARABIC\s11整體綠色技術創(chuàng)新圖STYLEREF1\s4.SEQ圖\*ARABIC\s12策略性綠色技術創(chuàng)新圖STYLEREF1\s4.SEQ圖\*ARABIC\s13實質性綠色技術創(chuàng)新在前述三個圖表中，通過垂直虛線標示的數(shù)值代表了政策對綠色技術創(chuàng)新交互項的實證估計值，依次為0.0361、0.0125、0.0296。與此同時，水平虛線標識了10%的統(tǒng)計顯著性閾值。觀察結果表明，大多數(shù)估計得到的DID交互項系數(shù)集中在0的附近，且相應的p值多數(shù)超過了0.1，未能通過顯著性檢驗，這說明我們的估計結果不是偶爾得到的，政策實施對綠色科技創(chuàng)新、策略性綠色技術創(chuàng)新、實用性綠色技術創(chuàng)新的影響沒有受到其他因素或者隨機因素的干擾。Psmdid檢驗使用treat虛擬變量和Lev、ROA、Cash、PPE、Growth、Share、Indep進行傾向得分匹配，使用最鄰近匹配法對樣本進行匹配，剔除不匹配的觀測，得到新的數(shù)據(jù)集。標準化均值偏差在匹配后都低于50%，除了Lev和Growth之外的其他控制變量不會拒絕兩組間控制變量取值無系統(tǒng)性誤差的初始假設。表STYLEREF1\s4-SEQ表\*ARABIC\s16傾向匹配結果UnmatchedMean%reductt-testV(T)/V(C)VariableMatchedTreatedControl%biasbiastp>tLevU0.510.4812.906.860.000.85*M0.510.4716.70-30.107.890.001.02ROAU0.040.04-7.70-4.220.001.02M0.040.041.2085.000.530.591.14*CashU0.070.0526.1013.790.000.79*M0.070.07-0.8096.80-0.410.681.05PPEU0.380.20111.9061.670.001.13*M0.380.39-2.5097.80-1.070.280.90*GrowthU0.200.41-1.70-0.750.460.00*M0.200.150.4075.602.630.017.38*shareU0.350.36-3.30-1.800.071.02M0.350.350.6082.700.260.791.10*IndepU0.370.37-9.50-5.050.000.83*M0.370.370.7092.300.340.740.90*Psmdid的結果如下表所示，策略性綠色技術創(chuàng)新和實質性綠色技術創(chuàng)新的政策發(fā)布的交互項的系數(shù)依舊顯著為正，這與之前的結果保持一致，也說明了我們建立的模型的穩(wěn)健性。表STYLEREF1\s4-SEQ表\*ARABIC\s17Psm檢驗結果VARIABLESEnvrPatEnvrInvPatEnvrUtyPatdid0.0357*0.0121**0.0297(1.9584)(2.4685)(0.1528)treat-0.0407-0.0163-0.0444(-1.4280)(-0.6634)(-0.0576)t0.1530***0.1360***0.0690***(15.8730)(16.3486)(9.4669)Lev0.04250.0592*-0.0193(1.0901)(1.7602)(-0.6537)ROA-0.1359-0.0596-0.0916(-1.5304)(-0.7773)(-1.3640)Cash-0.1501**-0.1021**-0.1111**(-2.5014)(-1.9711)(-2.4492)PPE-0.1473***-0.1284***-0.0499(-3.1394)(-3.1707)(-1.4045)Growth-0.0005-0.0003-0.0003(-0.3568)(-0.2455)(-0.2983)share-0.0236-0.00490.0019(-0.6962)(-0.1676)(0.0732)Indep0.1899**0.2469***-0.0369(2.0368)(3.0672)(-0.5235)Constant0.1576***0.03660.1667***(3.4796)(0.9354)(4.8648)Observations15,08015,08015,080R-squared0.0350.0350.014Numberofid943943943中介效應建立中介效應模型：企業(yè)整體綠色技術創(chuàng)新EnvrPatSAEnvrPat企業(yè)策略性綠色技術創(chuàng)新EnvrInvPatSAEnvrInvPat企業(yè)實質性綠色技術創(chuàng)新EnvrUtyPatSAEnvrUtyPat表STYLEREF1\s4.SEQ表\*ARABIC\s18融資約束對整體綠色技術創(chuàng)新的中介機制檢驗(1)(2)(3)VARIABLESEnvrPatEnvrPatSAsa-2.0937***(-10.6422)did0.0427**0.0361**0.0032***(2.3475)(1.9776)(4.0601)treat-0.0450-0.0409-0.0019(-1.5853)(-1.4363)(-1.6025)t0.0539***0.1530***-0.0473***(4.0311)(15.8826)(-115.3830)Lev-0.04240.0421-0.0403***(-1.0719)(1.0810)(-24.3473)ROA-0.1737**-0.1360-0.0180***(-1.9645)(-1.5335)(-4.7644)Cash-0.1505**-0.1506**0.0001(-2.5187)(-2.5106)(0.0199)PPE-0.0802*-0.1458***0.0314***(-1.7003)(-3.1083)(15.7027)Growth-0.0001-0.0001-0.0000***(-0.5423)(-0.3078)(-2.6075)share-0.0219-0.02290.0005(-0.6488)(-0.6767)(0.3412)Indep0.12730.1920**-0.0309***(1.3680)(2.0599)(-7.7888)Constant-4.2192***0.1563***-2.0899***(-10.2008)(3.4504)(-1,083.4776)Observations15,08815,08815,088R-squared0.0430.0350.601Numberofid943943943第二列是政策對整體綠色技術創(chuàng)新的回歸，系數(shù)代表總效應，顯著為正，第三列是政策交互項對融資約束的回歸，系數(shù)顯著為正，交互項與SA指數(shù)的相關系數(shù)在統(tǒng)計上顯著，這一發(fā)現(xiàn)揭示了融資約束在政策效應對綠色技術創(chuàng)新的影響過程中扮演了一定的中介角色。具體而言，政策交互項的系數(shù)為正，而SA指數(shù)的系數(shù)為負，意味著隨著SA指數(shù)的增加，企業(yè)面臨的融資約束減少，相應地，整體綠色技術創(chuàng)新水平降低。表STYLEREF1\s4.SEQ表\*ARABIC\s19融資約束對策略性綠色技術創(chuàng)新的中介機制檢驗(1)(2)(3)VARIABLESEnvrInvPatEnvrInvPatSAsa-1.6828***(-9.9045)did0.0178**0.0125***0.0032***(2.1339)(3.7936)(4.0601)treat-0.0199-0.0166-0.0019(-0.8098)(-0.6741)(-1.6025)t0.0564***0.1360***-0.0473***(4.8788)(16.3549)(-115.3830)Lev-0.00890.0590*-0.0403***(-0.2611)(1.7558)(-24.3473)ROA-0.0895-0.0592-0.0180***(-1.1713)(-0.7727)(-4.7644)Cash-0.1024**-0.1025**0.0001(-1.9841)(-1.9789)(0.0199)PPE-0.0742*-0.1270***0.0314***(-1.8226)(-3.1358)(15.7027)Growth-0.0001-0.0000-0.0000***(-0.4119)(-0.1941)(-2.6075)share-0.0034-0.00420.0005(-0.1167)(-0.1447)(0.3412)Indep0.1968**0.2489***-0.0309***(2.4490)(3.0925)(-7.7888)Constant-3.4816***0.0352-2.0899***(-9.7467)(0.9015)(-1,083.4776)Observations15,08815,08815,088R-squared0.0410.0350.601Numberofid943943943從上表可以看出，融資約束對于整體綠色技術創(chuàng)新以及策略性綠色技術創(chuàng)新均展現(xiàn)出了顯著的中介作用。本研究結果暗示，綠色信貸政策可能通過增加企業(yè)的融資難度，間接推動企業(yè)增強其綠色技術創(chuàng)新的投入，這一發(fā)現(xiàn)支持了假設H4的成立。由此可見，企業(yè)為了尋求融資，從而去增加對綠色技術創(chuàng)新的投入。本章小結本文研究了政策對綠色技術創(chuàng)新的影響，通過選取2007-2022年的上市公司數(shù)據(jù)，建立了雙重差分模型，在此之前進行了vif方差膨脹因子檢驗，基本都小于3，可以排除共線性。而且做了平行趨勢檢驗，也基本都符合平行趨勢檢驗的假設。我們以整體綠色技術創(chuàng)新、策略性綠色技術創(chuàng)新、實質性綠色技術創(chuàng)新作為主要的研究對象，并利用面板回歸分析法對它們與政策執(zhí)行的時間因素(虛擬變量)及實驗組/對照組(虛擬變量)之間的互動效應進行了深入探討。結果表明，綠色信貸政策被證實能夠有效促進企業(yè)的綠色技術創(chuàng)新活動，然而，對于實質性綠色技術創(chuàng)新的促進效果并不顯著。為了驗證結果的穩(wěn)健性，依據(jù)處理和對照組配合控制變量進行了psmdid模型，系數(shù)依然顯著，策略性綠色技術創(chuàng)新和實質性綠色技術創(chuàng)新的正負和顯著性也和之前的一致，說明我們的模型是穩(wěn)健的。同時也進行了安慰劑檢驗，交互項的500次估計結果中大部分都集中在0附近，說明我們得到的估計結果沒有受到隨機因素的干擾。使用SA融資約束變量，研究融資約束是否有在政策影響過程中有中介效應，時政結果顯示SA具有部分中介效應，這可能是由于融資約束除了對企業(yè)投融資狀況具有約束外，對銀行乃至整個社會均具有一定的約束作用，從而提升了整個社會各個層面的綠色技術創(chuàng)新水平效率。研究結論及建議研究結論綜合本次研究，獲得下述3點結論：第一：綠色信貸政策顯著促進企業(yè)整體綠色技術創(chuàng)新。第二：綠色信貸政策在促進“兩高一?！逼髽I(yè)的綠色技術創(chuàng)新方面，對于策略性與實質性創(chuàng)新的影響存在差異。具體來說，該政策有效地激發(fā)了企業(yè)在策略性綠色技術方面的創(chuàng)新活動，而對于激發(fā)實質性綠色技術創(chuàng)新的作用則不太明顯。這表明“兩高一?！逼髽I(yè)可能更傾向于追求能夠帶來政策優(yōu)惠的策略性技術改造，而在實質性技術創(chuàng)新上，可能存在重數(shù)量輕質量的現(xiàn)象。第三：融資約束具有部分的中介效應。建議基于上述研究結論，提出以下三點政策建議。首先，應進一步優(yōu)化和完善綠色信貸政策體系，以加速其制度建設。核心措施包括強化環(huán)境約束機制和構建綠色激勵措施，旨在激發(fā)企業(yè)在綠色技術創(chuàng)新方面的內在動力，促使企業(yè)積極投身于實質性的綠色技術創(chuàng)新活動。此外，需要對綠色信貸相關的法律法規(guī)進行完善，對企業(yè)的違規(guī)行為實施嚴格懲罰，以此加強企業(yè)綠色技術創(chuàng)新的規(guī)范性，確保企業(yè)能夠按照正確的方向進行技術創(chuàng)新。同時，政策制定者需要增強對公司綠色技術創(chuàng)新的支持力度，設計并執(zhí)行相應的獎勵機制，以激發(fā)公司參與綠色技術創(chuàng)新的熱情。金融機構也應該推出各種綠色信貸產(chǎn)品，以滿足各類公司的需求。例如，對于在綠色技術創(chuàng)新方面表現(xiàn)突出的銀行，可以提供再貸款的優(yōu)惠條件；對于綠色技術創(chuàng)新質量較高的企業(yè)，則可以提供更低利率的貸款及其他激勵措施。銀行需要提高綠色信貸在整體貸款結構占比。從本文上述分析中可以看出，在《指引》頒布后，低息的綠色信貸可以刺激企業(yè)進行綠色技術創(chuàng)新，可以降低企業(yè)研發(fā)成本，激發(fā)企業(yè)對于綠色技術創(chuàng)新的投入。首先政府需要針對信用風險較大的綠色技術創(chuàng)新企業(yè)制定風險分散政策，并對其提供幫助，例如資金補貼、稅費優(yōu)惠等政策，建立激勵機制；最后可以對銀行進行上述的優(yōu)惠政策，激勵銀行完善綠色信貸體系。完善綠色環(huán)保信息披露制度，健全信息共享機制。首先，完善政府信息披露機制，使得企業(yè)能夠無差別地地獲取綠色信貸政策信息，讓金融機構是平等獲取信息的綠色信貸供給主體；其次，建立健全金融機構信息披露機制，使得各企業(yè)同時無差別獲取銀行業(yè)各金融機構綠色信貸，能夠平等地向各個企業(yè)提供綠色信貸。最后，建立健全企業(yè)信息披露機制，鼓勵企業(yè)按照相同的規(guī)范公布環(huán)保數(shù)據(jù)，從而提升企業(yè)實施環(huán)保信貸的質量，使得再貸款地各個程序步驟中，銀行都能控制風險，銀行業(yè)機構可以根據(jù)環(huán)境數(shù)據(jù)公開程度的關注度，使得環(huán)境數(shù)據(jù)公開狀態(tài)好的公司更易于獲得環(huán)境信用，并由此提高了公司披露環(huán)境數(shù)據(jù)的積極性，提高綠色信貸的質量促進企業(yè)實質性綠色技術創(chuàng)新。參考文獻劉敏樓,黃旭,孫俊.數(shù)字金融對綠色發(fā)展的影響機制[J].中國人口·資源與環(huán)境,2022,32（06）:113-122.[2]李毓,胡海亞,李浩.綠色信貸對中國產(chǎn)業(yè)結構升級影響的實證分析——基于中國省級面板數(shù)據(jù)[J].經(jīng)濟問題,2020,（01）:37-43.[3]MiaoW,ChaoF.Thewin-winabilityofenvironmentalprotectionandeconomicdevelopmentduringChina'stransition[J].TechnologicalForecastingSocialChange,2021,166.[4]蘇冬蔚,連莉莉.綠色信貸是否影響重污染企業(yè)的投融資行為?[J].金融研究,2018,（12）:123-137.[5]Zhang,K.,Y.Li,Y.Qi,andShao.CanGreenCreditPolicyImproveEnvironmentalQuality?EvidencefromChina[J].JournalofEnvironmentalManagement,2021.113445.[6]何凌云,梁宵,楊曉蕾等.綠色信貸能促進環(huán)保企業(yè)技術創(chuàng)新嗎[J].金融經(jīng)濟學研究,2019,34（05）:109-121.[7]劉強,王偉楠,陳恒宇.《綠色信貸指引》實施對重污染企業(yè)創(chuàng)新績效的影響研究[J].科研管理,2020,41（11）:100-112.[8]王康仕,孫旭然,王鳳榮.綠色金融、融資約束與污染企業(yè)投資[J].當代經(jīng)濟管理,2019,41（12）:83-96.[9]孫光林,王穎,李慶海.綠色信貸對商業(yè)銀行信貸風險的影響[J].金融論壇,2017,22（10）:31-40.[10]YonghuiLian,JieyingGao,TaoYe,Howdoesgreencreditaffectthefinancialperformanceofcommercialbanks?——EvidencefromChina[J],JournalofCleanerProduction,2022（344）:279-290.[11]謝婷婷,劉錦華.綠色信貸如何影響中國綠色經(jīng)濟增長?[J].中國人口·資源與環(huán)境,2019,29（09）:83-90.[12]李蘇,賈妍妍,達潭楓.綠色信貸對商業(yè)銀行績效與風險的影響——基于16家上市商業(yè)銀行面板數(shù)據(jù)分析[J].金融發(fā)展研究,2017,（09）:72-77.[13]丁寧,任亦儂,左穎.綠色信貸政策得不償失還是得償所愿?——基于資源配置視角的PSM-DID~1成本效率分析[J].金融研究,2020,（04）:112-130.[14]BrunnermeierS.B.CohenM.A.DeterminantsofEnvironmentalInnovationinUSManufacturingIndustries[J].JournalofEnvironmentalEconomicsandManagement,2003,45（2）:278-293.[15]Cai,X.,B.Zhu,H.Zhang,L.Li,andM.Xie.CanDirectEnvironmentalRegulation