綠色金融發展在節能環保行業的實證影響及應對策略TOC\o"1-2"\h\u185281.1研究假設 13371.2樣本選取與數據來源 166251.3變量定義 2142701.3.1被解釋變量 2211001.3.2解釋變量 2257921.3.3控制變量 323301.4模型構建 4170811.5描述性統計和多重共線性檢驗 5142781.5.1描述性統計 5289461.5.2相關性檢驗 6167101.6回歸結果與分析 7194731.7穩健性檢驗 810859參考文獻 101.1研究假設通過上文對國內外相關文獻的梳理，本文分析了綠色金融發展影響節能環保行業的機理。綠色金融發展可以通過資金形成、政策激勵、緩解融資約束和影響創新決策的方式正向促進節能環保行業，又可以通過風險規避和流動性約束的方式負向抑制節能環保行業。當正面促進作用大于負面抑制作用時，綠色金融發展將激勵節能環保行業進行技術創新，從而提升企業總資產；反之，則抑制。在此基礎上，同時考慮我國綠色金融發展和節能環保產業發展的現狀，進一步提出了本文的研究假設：假設1：綠色金融發展對節能環保行業有正向促進作用。假設2：綠色金融發展對節能環保行業有負向抑制作用。1.2樣本選取與數據來源本文首先對同花順、東方財富網站的節能環保板塊上市企業進行統計，初步篩選出樣本企業，并在國泰安數據庫中補充了部分樣本企業。由于2022年中有部分上市民營企業引入國有資本，資本結構可能產生變化，因此本文的研究年限為2014-2021年。節能環保產業作為新興產業，仍處于行業發展的初級階段，企業結構不穩定，在統計中有少部分企業經營中斷而退市，考慮到該行業發展的原因，本文對研究時間段內退市的企業不做剔除以保證樣本量的充足，并就其進行常規的多元回歸分析，在此類情況中樣本數據通過縮尾處理來消除極值數據，在收集的168家企業中，剔除了ST和*ST公司；剔除研發數據缺失的上市公司（陳思遠，朱佳妮，2022）；剔除了節能環保項目主營業務收入低于50%的公司，最終篩選出97家節能環保上市企業面板數據。數據來源于國泰安數據庫和企業年報，這在一定尺度上呈現通過WIND數據庫對部分綠色金融發展數據進行補充，本文分析使用的軟件為stata11.0。1.3變量定義在借鑒相關資料文獻的基礎上，本文選取了一些具有代表性的指標對相關因素進行衡量，具體變量設置見下表1-1：表1-1變量定義變量類別變量符號變量含義取值方法因變量SIZE總資產總資產對數自變量GL綠色金融發展水平節能環保項目和服務貸款余額對數控制變量FCI融資約束水平股利支付率RD研發投入企業研發投入對數TY總市值年末股價與上市公司每年總股數對數GROW成長能力本期營業收入增量/上期主營業務收入TOP10股權集中度前十大股東持股比例LEV償債能力資產負債率1.3.1被解釋變量總資產在一定程度上影響著企業發展。一般來說，規模較大的企業資金更充分，在進行活動時不僅能利用規模優勢充分調動資源，這在一定情況下反映了還擁有議價能力，可以降低企業成本，減少失敗可能帶來的風險與損失（曹景軒，彭俊杰，2023）；而中小企業由于資金限制，在活動的投入上也會受到相應的阻礙。因此，本文在研究中借鑒祁瑞雄（2016）的做法，采用企業期末總資產的自然對數來代表企業規模水平（丁志鵬，何雅婷，2021）。1.3.2解釋變量本文的解釋變量是綠色金融發展。目前國內外尚未形成統一的衡量綠色金融與經濟高質量發展的指標，因此，本文鑒于研究對象是節能環保行業，參考楊致遠，何嘉誠（2021）的研究方式。利用主客觀相結合的方式來進行綠色金融指數的測算。主觀權重由不同綠色金融方式為環保產業提供資金確定。其中，從這些表現可以估摸出各個指標分別參照2021年綠色金融發生額、2021年綠色證券發行額、2021年綠色保險賠付額、2021年政府綠色產業投資基金融資額確定（江景軒，賴俊杰，2022）。本模型的顯著亮點在于其靈活性與可擴展性的結合。鑒于研究背景與需求的多樣性，本文在設計時強調了組件間的模塊化，以便根據實際需求靈活調整或替換，同時不影響整體結構的穩固與高效。這一創新策略不僅增強了模型的實用性，也為后續研究者打造了一個開放的研發空間，鼓勵他們基于現有框架進行二次開發或改良。客觀權重則由熵值法確定，具體過程如下：首先，對指標無量綱化處理，以消除各個指標單位、數值的影響（譚永福，馬春霞，2019）。對于正向指標，采用QUOTExj'xj'（it）=QUOTEmax1≤i對于負向指標，采用QUOTExj'xj'（it）=QUOTExj（it）其次，為消除零的影響，對無量綱處理后的每一個數據都加0.001。再計算t時期第i個省份第j個指標的比重QUOTE。QUOTEpjit=xj'第三步，計算第j項指標的熵值QUOTE=﹣kQUOTE(it)lnQUOTE(it)其中，k=1/lnnT。第四步，計算客觀權值QUOTEQUOTE=1-QUOTE/QUOTE其中，m表示指標個數。根據主觀權重法可得各項指標的權重為綠色金融77.78%、綠色保險0.2%、綠色證券主觀2.27%、綠色產業投資19.75%（馮志剛，謝海濤，2022）。在此特定時刻不難看出這一點根據客觀權重得到的各個指標的權重分別為綠色金融6.65%、綠色保險35.59%、綠色證券47.52%、綠色產業投資10.14%。在滿足組合權重和兩種權重的偏差平方和最小的條件下，最佳組合結果是使主觀權重等于客觀權重等于0.5。鑒于這一情形可以得到最后的綜合權重QUOTE為綠色金融42.21%、綠色保險17.94%、綠色證券24.90%（段浩淼，闕澤霖，2024）。綠色產業投資14.94%。在此基礎之上，本文進一步測算31個省市自治區的綠色金融指數，其公式為：QUOTE=QUOTE(it)QUOTE其中，QUOTE表示t時刻第i省份綠色金融指數；QUOTE（it）表示t時刻i省份第j個指標無量綱處理后的結果；QUOTE表示第j個指標的綜合權重；m表示樣本總量。通過上式可以依次計算出各省市自治區在不同年份的綠色金融水平(張逸凡,王靜怡,2023)。1.3.3控制變量（1）總市值文借鑒付方媛（2018）的做法，使用年末股價與上市公司每年總股數這一指標來對節能環保行業的總市值進行衡量。（2）股權集中度股權集中度能表明企業股份分布情況，在這樣的大環境里在一定程度上影響著企業執行決策的統一度。一般來說，過高的股權集中度意味著大股東可能會利用自己的權力做出損害中小股東的利益的行為；此外，當一家公司的所有權過于集中時，大股東可能出于自身利益而不愿在研發上投入更多資金(黃俊天,徐君萱,2022)。通過觀察能夠推斷若股權集中度過于分散，股東意見難以統一，也不利于快速作出統一的決策，抓住市場機會。因此，本文借邵嘉偉，樊慧妍（2020）的做法，采用前十大股東持股占有率代表企業的股權集中度。（3）研發投入研發投入是企業為了增強技術創新，提升企業核心競爭力在研發過程中的各項投入，為企業進行技術創新提供資金支撐。根據我國的會計準則，其主要包括：研發人員人工成本，研發過程中的直接購入，研發設備的折舊費用。本文借鑒段云翔，歐陽菲（2020）年的做法，從這當中不難看出研發投入采用上市企業年報中披露的資本化、費用化研發投入兩部分加總得出的對數。（4）成長性企業的成長性代表企業未來的發展前景，用來衡量企業的發展狀況，也在一定程度上影響著企業總資產。一般來說，成長性好的企業對研發創新有較強的意愿，會積極從市場上尋求機會，幫助企業發展。在此類情況中表明企業成長機會的指標通常包括總資產增長率、資本支出占總支出的比例、固定資產增長率、凈利潤增長率等。本文借鑒鄧明煜、鄭澤濤、梁佳?。?019）的做法，采用主營業務收入增長率來代表企業的成長性。（5）償債能力償債能力即企業償還債務的能力。由于我國的節能環保行業還處于發展階段，在企業發展的資金中，有多少是通過舉債進行籌資的，關系到企業的資本結構，不同的資本結構對企業的研發投入和績效也會產生不同的影響。這在一定尺度上呈現一般來說，企業的資產負債率越高，可用于進行研發創新的資金也就越多，但過高的資產附著力也會帶來更高的風險。因此，本文參考趙文和,成怡忠（2019）的做法，采用資產負債率對企業償債能力進行衡量。（6）融資約束企業研發活動受到內外部限制因素較大，導致研發成本過高，其中融資約束可能影響到綠色金融發展對企業總資產的作用。這在一定情況下反映了一方面，當企業面臨高融資約束時，傾向于將資金投入到高回報率的項目中(宋嘉俊,陳曉玲,2021)；本文在既有理論的基礎上，構筑了此次的模型架構，無論是在信息流動路徑還是數據分析方法上，都體現了對前人智慧的尊重與傳承，并在此基礎上進行了創新。在信息流程的設計上，本文借鑒了信息處理領域的經典理論，確保信息從收集、傳遞至分析的每一步都高效且精確。通過嚴格把控信息源及執行標準化處理步驟，信息的可靠性得到了切實保障，同時也更加注重信息流的透明度與可追蹤特性。另一方面，融資約束程度高的企業進行外部融資的難度以及相關的融資成本更大，會減少投資機會，企業的投資現金流的敏感程度較高，從這些表現可以估摸出會減少企業研發資金的投入。因此，本文參考何李煜宸，周慧敏（2022）的做法，采用股利支付率這一指標衡量企業的融資約束水平，股利支付率是融資約束的負指標。1.4模型構建本文利用面板數據進行回歸分析，在于前文之分解首先檢驗綠色金融發展對節能環保行業的影響。為分析綠色金融發展對節能環保行業影響，本文以節能環保行業的總資產作為因變量，用綠色金融發展水平作為解釋變量，以上述分析為依據構建了如下的模型(周文博,吳東來,2018)（1）。通過模型（1）檢驗假設1——綠色金融發展是否對節能環保行業產生影響，其中，i代表第i家節能環保行業，t代表第t年，α為截距項，β、μ、ρ、σ、φ、γ、ω為待估系數，ε代表隨機誤差項。具體模型如下：SIZEi,t考慮到行業的研發創新活動具有滯后性，因此，為檢驗綠色金融發展水平對節能環保行業的滯后效應，建立如下模型（2）。其中GLi,t?1表示滯后一期的綠色金融發展水平(王馨瑜,王宇翔,2020)SIZEi,t1.5描述性統計和多重共線性檢驗1.5.1描述性統計（1）混合型描述性統計表1-2各變量描述性統計VariableObsMeanStd.Dev.MinMaxSIZE5473.2781.2490.0006.475GL54729.1330.41327.64229.561TY54720.0221.34515.30024.139TOP1054760.29012.71821.930100.000RD54717.5681.22412.57920.198GROW5470.2660.417-0.6603.541FCL5470.2890.3530.0003.671LEV5470.4400.1750.0570.941上表1-2給出了實證過程中用到的各變量的描述性統計結果：從綠色金融發展對數來看，鑒于這一情形均值為29.1，最大值為29.5，最小值為26.6，說明節能環保產業上市公司綠色金融發展數額整體呈增長趨勢。而對于研發投入，在這樣的大環境里節能環保行業的研發投入對數均值為17.56，說明節能環保產業的研發創新意識較強，但是最小值為12.579，最大值為20.198，在這樣的大環境里不同企業的研發投入具有差距，這也與目前我國多數節能環保行業的行業競爭、融資渠道有限、政策環境的影響有關。從控制變量看，企業總市值、凈利潤、資產負債率、股權集中度和成長性也同樣存在較大差距(周子豪,朱云杰,2021)；對于前文結論的核實，在此暫不深入討論，其中一個重要因素在于時間的約束?？茖W研究往往是一個長期且細致的過程，特別是在面對復雜問題或新領域時，需要足夠的時間來觀察和分析數據，并最終得出可靠的結論。盡管本研究已取得一些初步發現，但要對所有結論進行全面且細致的核實，還需更長時間的跟蹤研究和反復實驗。這不僅有助于消除偶然因素的干擾，還能確保研究成果具備更高的可信度和廣泛的適用性。此外，技術手段的發展狀況也對結論的核實過程產生重要影響，隨著科技的進步，新型研究手段和技術不斷涌現，為科學研究提供了更多新的機遇。其中，節能環保行業成長性最大值與最小值差距大，且均值僅0.266，表明近幾年節能環保行業的成長狀況不容樂觀；資產負債率的均值為0.44，表明債務融資依然是節能環保行業主要的融資手段之一。通過觀察能夠推斷融資約束水平最大值為3.671，平均值為0.289，由此可見，不同企業之間的融資約束水平存在較大的差異(范曉霜,徐英杰,2021)。1.5.2相關性檢驗為了確?；貧w結果的正確性，接下來對各自變量的相關性進行檢驗。本文使用Stata軟件對自變量做相關性Pearson檢驗，從這當中不難看出結果見表1-3。其中，研發投入對數RD與資產負債率LEV的部分相關系數超過了0.3，存在較強的相關性。其他自變量的Pearson相關系數都不大(李明輝，張慧文,2022)。表1-3模型中各自變量間Pearson相關系數變量SIZEGLTYTOP10FCLGROWLEVRDSIZE1.000GL0.208***1.000TY0.293***0.290***1.000TOP10-0.221***-0.262***-0.0471.000FCL-0.032-0.042-0.0590.107**1.000GROW0.0030.041-0.0170.005-0.107**1.000LEV0.202***0.278***0.452***-0.175***-0.213***0.0691.000RD0.602***0.178***0.153***-0.228***-0.0450.098**0.191***1.000注：*代表p<10%，**代表p<5%，***代表p<1%。接下來，為進一步檢驗各自變量是否存在嚴重的多重共線性，本文接下來利用方差膨脹因子（VIF）進行檢驗，在此類情況中結果如下表1-4所示，各個自變量的VIF數值都小于10，模型不存在嚴重的多重共線性問題，可以進行接下來的回歸(魏思彤,韓曉婷,2021)。表1-4模型各自變量VIF表變量VIFGL1.20TY1.33TOP101.14FCL1.07GROW1.03LEV1.39RD1.111.6回歸結果與分析通過使用HOUSEMAN檢驗對樣本數據分別對模型（1）、（2）依次進行了固定效應、隨機效應的測試，結果顯示數據組適合固定效應。因此本文選擇用固定效應進行回歸分析，以下是回歸結果，總體來說各核心變量都是顯著的，模型擬合度良好(高梓銘,呂俊杰,2022)。首先，這在一定尺度上呈現檢驗綠色金融發展對企業總資產的直接影響，對模型（1）進行固定效應回歸檢驗，得出的回歸結果見表4-5。模型（1）通過了F檢驗，R2為0.4，模型擬合度較好。從結果中可以看出(劉子琳,楊英豪,2022)，綠色金融發展對節能環保產業上市公司總資產的回歸系數為0.3664，這在一定情況下反映了在對部分影響因素進行控制的情況下，1%的顯著性水平下綠色金融發展對節能環保行業產生了顯著的積極作用，說明綠色金融發展為節能環保行業提供資金來源，在一定程度上促進了節能環保行業的總資產；表明綠色金融發展對節能環保行業發展的正向促進作用大于負向抑制作用，從而產生了積極的促進作用，促進企業總資產提高，從這些表現可以估摸出從實證結果上驗證了綠色金融發展對節能環保行業具有積極影響(黃子萱,鄧曉彤,2018)。在數據探索階段，先前研究的啟示要求本文加強對新興分析手段與技術的運用。隨著信息技術的日新月異，大數據分析、深度學習算法等尖端工具正逐步成為科研實踐的關鍵要素。這些工具不僅提升了數據處理效率，還能發掘傳統方法難以觸及的深層信息與規律。因此，在后續研究中，本文應致力于探索將這些先進技術融入分析流程的途徑，以增強研究結論的精確度和深度理解。從控制變量來看，企業償債能力與企業成長性的影響都不顯著，其他變量均顯著，企業規模的擴張對企業總資產產生了正面影響，在于前文之分解股權集中度對總資產產生了負面影響；研發投入與企業的總資產正相關，說明企業的研發投入越高，越有助于總資產的提升；從融資約束水平來看，融資約束的系數為-0.2004，在5%的水平上顯著，表明融資程度越高的企業，越不利于企業經營活動的展開(賈雪凝,胡紫晨,2022)。表1-5模型（1）的回歸結果變量名稱模型（1）回歸系數T檢驗值P值gl0.3664***3.920.000TY0.1793***3.460.001Top10-0.0122***-2.730.007rd0.3352***5.990.000grow-0.0666-0.980.328fcl-0.2004**-2.330.020lev-0.3151-0.990.324_cons-16.1891***-6.900.000R20.40Observations547F-statistic9.81***注：*代表p<10%，**代表p<5%，***代表p<1%。其次，在此特定時刻不難看出這一點檢驗綠色金融發展對企業發展的滯后效應，對模型（2）進行固定效應回歸檢驗，得出的回歸結果見表4-6(趙文和,王怡然,2022)。模型（2）通過了F檢驗，R2為0.33。從結果中可以看出，滯后一期的綠色金融發展水平對節能環保產業上市公司總資產的回歸系數從0.3664增加到了0.3914。以上述分析為依據表明在對部分影響因素進行控制的情況下，1%的顯著性水平下滯后一期的綠色金融發展對節能環保行業產生了顯著的積極作用，且該作用較當期綠色金融發展對節能環保行業的作用有所強化。也就是說綠色金融發展作用于節能環保行業時存在滯后效應(楊宇輝,林月婷,2020)。表1-6模型（2）的回歸結果變量名稱模型（2）回歸系數T檢驗值P值gl0.3914***4.110.000TY0.2000***3.220.001Top10-0.0127**-2.430.016rd0.2385***3.390.001grow-0.0958-1.370.177fcl-0.1951**-2.130.034lev-0.0805-0.220.823_cons-15.6162***-6.490.000R20.33Observations450F-statistic8.93***注：*代表p<10%，**代表p<5%，***代表p<1%。模型（1）和模型（2）的回歸結果顯示，鑒于這一情形綠色金融發展對企業總資產的系數在模型（1）和模型（2）中均為正，在1%的水平上顯著，接受原假設H1，拒絕了原假設H2，即綠色金融發展對節能環保行業存在積極影響。1.7穩健性檢驗為了進一步檢驗結果的穩健性，在這樣的大環境里提升研究結果的可靠性，本文進行了如下的穩健性檢驗：在模型（1）、（2）中，采用替換被解釋變量的方法進行檢驗，參考郭曉丹（2011）的做法，使用專利授權數量TY2替代專利申請數量TY，重新對節能環保行業進行衡量，全樣本具體結果如下表1-7所示。表1-7為將企業總資產的替代變量SIZE2帶入模型（1）、（2）進行回歸的結果，結果顯示綠色金融發展與節能環保行業顯著正相關，與前文的結果保持一致(何家俊,楊宇飛,2020)。表1-7全樣本穩健性檢驗變量名稱模型（1）模型（2）gl0.5112***0.3567***TY0.1397***0.2168***Top10-0.0059-0.0103**rd0.3607***0.3752***grow-0.0237-0.0360fcl-0.0203-0.1133lev0.14980.3352_cons-20.3837***-17.3991***R20.450.42Observations547450F-statistic10.089.71***注：*代表p<10%，**代表p<5%，***代表p<1%。各產業上市企業異質性穩健性檢驗結果如表1-8所示。在顯著性水平上，綠色金融發展水平對總資產的影響顯著，通過觀察能夠推斷與主研究中的顯著水平稍有不同，但正負方向與原模型是相同的，模型較為穩健(高雨辰,鄭曉彤,2019)。表1-8各產業上市企業異質性穩健性檢驗變量名稱節能企業環保企業資源循環利用企業模型（1）模型（2）模型（1）模型（2）模型（1）模型（2）gl0.2835**0.4163***0.4509***0.4270***0.4705**0.2370TY0.1526**0.08750.1071***0.18430.01400.2944***Top10-0.0141**-0.0163*-0.0072-0.0098-0.0035-0.0272**rd0.4557***0.4879***0.2567**0.08160.3005**0.1809grow-0.2754***-0.2836***0.10160.06790.29230.2396fcl-0.0980-0.1432-0.4796**-0.3536-0.3966*-0.4287**lev-0.36180.2174-0.58210.3279-0.74000.3267_cons-15.4116***-18.2452***-16.1393***-13.7912***-16.1282***-13.5913**R20.510.470.420.250.410.37Observations19015724119811694F-statistic10.29***8.51***6.95***6.33***9.76***10.37**注：*代表p<10%，**代表p<5%，***代表p<1%。近年來，我國開始大力支持節能環保產業的發展，綠色金融為節能環保企業的發展提供了資金支持。本文在梳理國內外相關文獻的基礎上，進一步梳理綠色金融對節能環保行業發展的作用機理，從這當中不難看出通過選取97家上市節能環保企業非平衡面板數據，實證檢驗綠色金融投入能否對節能環保企行業效產生影響。經過檢驗，本文得出了以下結論(沈浩然，曹雅琳,2021)：（1）綠色金融與節能環保行業發展正相關。這說明綠色金融作為一種資金來源，在進入節能環保企業以后，部分資金得到有效配置，支持企業生產經營并帶來利潤，為企業創造了創新條件，提高了企業的創新績效；另一方面，綠色金融的風險管理能夠提升節能環保企業的公司治理能力，從而節約企業的創新成本，提高資金使用績效，不斷進行生產研發，提升企業創新績效。（2）但綠色金融對節能環保行業發展的影響存在一定程度上的滯后性，在全樣本回歸結果中，滯后一期的綠色金融水平對行業的影響程度更大，這種時滯效應是由于綠色金融的資金引導作用以及研發投入的資源配置作用需要一定的時間才得以體現所引發的。參考文獻[1]陳立銘,郭麗華,張偉偉.我國綠色信貸政策的運行機制及實施路徑[J].當代經濟研究,2016(01):91-96.[2]陳思遠，朱佳妮.綠色信貸對企業債務融資的影響研究——來自重污染企業的經驗數據[J].財會通訊,2019(08):36-40.[3]曹景軒，彭俊杰.促進節能環保產業發展的綠色信貸產品創新研究[J].金融經濟,2018(18):8-10.[4]丁志鵬，何雅婷.政府補貼、研發投入對上市公司企業績效的影響[D].江南大學,2018.[5]楊致遠，何嘉誠.多融資模式下企業節能減排效用評估的計量分析[J].山西師范大學學報(自然科學版),2019