轉型金融驅動高耗能行業碳減排研究黨中央高度重視哲學社會科學工作，不斷推動新時代哲學社會科學事業取得歷史性成就。淄博市積極響應號召，高度重視并大力推進哲學社會科學工作，特別是2022年以來，組織開展了全市社科規劃研究工作，推出了一批兼具學術價值和實踐指導意義的優秀研究作品。為充分展示淄博市社科規劃研究工作的豐碩成果，激勵廣大哲學社會科學工作者奮發有為、再創佳績，特選取部分優秀研究成果予以刊登。摘要隨著2020年9月雙碳目標的提出，我國的碳減排工作日益緊迫。2020年全球碳排放中，高耗能行業的碳排放占比達到全行業的58%，如何針對高耗能行業進行碳減排是當前工作的重要議題。為了實現“雙碳”目標，一方面需要加大對綠色產業進行金融支持，另一方面，“非綠”產業的轉型發展也不容忽視。2022年6月金磚國家財長和央行行長會議提出轉型金融在推動高碳行業低碳轉型中扮演重要角色。轉型金融較之于綠色金融更具有靈活性、針對性和適應性，可以為更大規模和范圍的經濟結構轉型提供金融支持。本課題首先闡述了轉型金融的理論內涵及必要性，進一步測算2010-2020年高耗能行業的能源消費和碳排放量，然后采用迪氏指數分解模型分解出能源結構、能源效率、償債能力和轉型金融融資缺口四個因素，實證研究轉型金融如何支持高耗能行業的碳減排。接著分析了綠色信貸政策對高耗能行業綠色創新的作用機制和碳排放權交易政策的影響機制和作用效果。研究結果發現：轉型金融能夠通過能源結構、能源效率和轉型缺口三個因素促進高耗能行業的碳減排。能源結構的碳減排作用由最初的促進碳排放變為抑制碳排放；能源效率的改善能夠在根本上促進碳減排；償債能力在中間一段時間內受產能影響有一定的下降，但隨著負債規模的下降和產能的逐步抬升，造成了償債能力在后期的日趨膨脹；轉型融融資缺口變化能夠一定程度上反映出行業的碳排放量增速變化情況。綠色信貸指引政策的實施使高耗能行業通過主動減少研發投入并且提高對高耗能企業的融資成本，從而抑制了高耗能企業的綠色創新。碳排放權交易政策可通過減少碳排放量、促進技術創新和優化產業結構改善碳績效，技術創新和產業結構升級表現為正向空間溢出效應，技術創新可以促進產業結構升級，產業結構的升級可以減少碳排放量，碳排放量存在負向空間溢出效應。最后從標準制定、制度創新、政策協同、數字平臺、市場主體、國際合作等方面提出適合我國轉型金融發展的實踐路徑。雙碳目標下轉型金融驅動高耗能行業碳減排的機制及路徑研究一、引言全球氣候變化已成為人類發展面臨的最大非傳統安全挑戰。政府間氣候變化專門委員會（IPCC）在2021年發布的第六次評估報告中強調，將全球溫升限制在不高于或略超過1.5攝氏度需要從能源、工業、建筑、交通和城市系統等方面進行快速而深遠的轉型。在各個國家對外發出碳中和目標之后，全球的關注的問題便從最初是否要進行綠色升級，轉移到如何以最快的速度進行轉型。據氣候債券倡議組織相關研究估計，要實現《巴黎協定》所約定的目標，每年至少需要對基礎設施投資6.9萬億美元、對能源轉型投資1.6萬億美元到3.8萬億美元。在此過程中，要實現1.5℃的溫控目標，必須要在2050年之前實現二氧化碳的凈零排放，這需要全球各國的共同努力。近年來，綠色金融作為支持實體經濟低碳轉型的重要金融工具，在推動我國實現減污降碳方面取得了一定的成效。2021年9月22日，《中共中央國務院關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》中明確指出，要“積極發展綠色金融，有序推進綠色低碳金融產品和服務開發”。近年來，我國綠色金融在政策指引以及各行業綠色技改創新下獲得蓬勃發展，根據數據顯示，截至2020年末，我國綠色貸款余額、綠色債券存量分別位居世界第一和第二位，但是我國綠色金融的發展存在“重綠色信貸、輕多元化工具應用”的問題（朱民，2021）[1]。綠色金融界定嚴苛，“純綠”的綠色金融不適應高耗能行業的行業特點（陸岷峰，2022）[2]。綠色金融服務體系缺少對標高耗能行業的有效產品，加之投資者對于轉型風險的回避情緒，導致高耗能行業很難享受到綠色金融的融資支持（萬秋旭2022）[3]。綠色金融目前忽視了“轉型風險”這一潛在風險，尤其注意“洗綠”風險的產生（馬駿，2021）[4]，這一系列的問題導致綠色金融在促進碳減排方面仍然難以發揮應有的作用，無法在根本上推動我國雙碳目標的實現，尤其是助推高耗能行業的低碳升級。此外，是否為綠色的認定標準，各家金融機構主要參考《綠色產業指導目錄（2019年版）》，但從金融投向來看，煤炭、鋼鐵、水泥、造紙等傳統意義的高碳行業未納入綠色的認定標準，從而造成其難以獲得金融支持自高碳至低碳的經營轉型。然而，為了實現“雙碳”目標，一方面需要加大對綠色產業進行金融支持，另一方面，“非綠”產業的轉型發展也不容忽視。因此，轉型金融逐漸步入大家的視野，為高碳行業的低碳轉型提供金融動力。較之于綠色金融，轉型金融更具有靈活性、針對性和適應性，可以為更大規模和范圍的經濟結構轉型提供金融支持（門潔，2021）[5]。2022年6月，金磚國家財長和央行行長會議提出，轉型金融在推動高碳行業低碳轉型中扮演重要角色。通過研究轉型金融促進高耗能行業的碳減排驅動機制，既可以促進雙碳目標的落實與實現，也可以進一步的助力新舊動能的轉化，為新型制造業的發展提供新動力支持。通過分析轉型金融的影響作用能夠拓寬金融支持實體經濟發展的渠道，充分發揮政府的支持作用，帶動民間資本的投資活力，最終提高金融資金的利用效率，促進實體經濟高質量發展。二、轉型金融的理論基礎近年來，國內國際方面關于發展轉型以及轉型金融的認識逐步增多，不再將綠色和非綠進行割裂對待，更加注重轉型發展的過程。伴隨時間推移，某一經濟主體的經營活動隨著融資支持安排，單位產量實現更優節能減排效果。而這一發展進程，便是轉型的過程，相關融資安排可以將其視同為轉型金融。要真正實現由高碳向低碳的遷移，僅僅依靠綠色金融是不夠的，由非綠到綠色、由高碳至低碳的轉型金融的理念成為了諸多業界人士的共識。（一）轉型金融的理論內涵2019年3月，經濟合作與發展組織（OECD）首次提出廣義的轉型金融的概念，將其定義為在經濟主體向可持續發展目標轉型的進程中，為它們提供融資以幫助其轉型的金融活動，涵蓋了向聯合國17個可持續發展目標轉型的全部金融活動。2020年9月氣候債券倡議組織于《為可信賴的低碳轉型活動提供金融支持白皮書》中，將轉型金融描述為“氣候減緩轉型”，為實現《巴黎協定》2030年全球碳排放減半、2050年凈零排放目標做出重大貢獻，可以發揮長期作用，但路徑尚未明確的金融活動[6]；同年3月，歐盟委員會技術專家組發布《歐盟可持續金融分類法》，認為轉型金融以減緩氣候變化為目標，為尚未提供低碳替代產品的行業轉型注入金融支持[7]。同年12月，國際資本市場協會（InternationalCapitalMarketAssociation，ICMA）在《氣候轉型融資手冊》中闡明轉型金融是應對氣候轉型的一種融資方式[8]。國內關于轉型金融的官方表述較少，部分金融機構及行業協會針對轉型金融出臺了相關文件。2021年5月，日本金融廳，以及經濟、貿易和工業部，環境部聯合發布的《氣候轉型融資基本指南》，認為轉型金融是為難以減排的部門提供融資，以助力其為實現脫碳或低碳轉型開展長期的、戰略性的溫室氣體減排活動（黃琳，2023）[9]。2022年11月，《G20轉型金融框架》中將轉型金融定義為：在可持續發展目標(SDGs)的背景下，以與《巴黎協定》目標一致的方式，支持整個經濟向更低和凈零排放、氣候適應能力轉型的金融服務（馬駿，2022）[10]。國內關于轉型金融的官方表述較少，部分學者將轉型金融命名為“零碳金融”，認為零碳金融作為綠色金融的補充或延申，狹義上指對碳密集或“棕色”產業實現凈零碳排放轉型的金融支持，助力工業和農業的“革命性”的脫碳技術的研究和發展（朱民，2021[11]，潘柳，2022[12]，門潔，2022[5]）；也有學者認為，轉型金融更多著眼于高耗能排放的棕色產業，即高耗能行業（施懿宸2021）[13]；匯豐銀行(HSBC)認為轉型金融是金融支持高耗能公司向綠色的轉型，側重點是能源密集和難以減排的部門。轉型金融也可以不局限于綠色項目，擴大潛在發行人和投資者的可選范圍，在收益和目標類型上更加靈活，有力的補充高耗能行業的融資缺口（施瑩，2022）[3]。還有學者通過引申其他概念來定義轉型金融，如“公平轉型”概念的重新定義，通過國際間的合作，以投資、分工等轉型金融形式實現碳中和目標（劉艷，2022）[14]。從國內外對轉型金融的定義可以發現，轉型金融的概念提出時間較短，關于轉型金融的認識和研究剛剛起步。當前，綠色金融的概念日趨成熟，作為綠色金融的重要延伸，轉型金融與綠色金融存在以下三個方面的共性：一是強調減緩氣候變化的目標，二是突出可持續發展的過程，三是注重金融支持的屬性。結合我國實際，參考目前已有的相關概念與定義，本文認為，轉型金融的內涵可總結為“為應對氣候變化影響和實現可持續發展，運用多樣化的金融工具，為傳統的碳密集和高環境風險的市場實體、經濟活動和資產項目向低碳和零碳排放轉型提供的金融服務。”（二）轉型金融的基本特征轉型金融具有四個基本特征，一是低碳轉型要求各個經濟實體的低碳轉型不能停留在表面，而應制定戰略計劃并嚴格落實。二是轉型金融支持對象明確，應用范圍廣闊。轉型金融所支持的融資對象，較于綠色金融領域而言較為寬泛，不僅包括減少碳排放的項目及經營活動，也包括建立相應實施路徑的經濟主體，可以應用于目前歸類為高碳的行業或產業，超出了目前綠色金融定位的投放范疇，使用更加靈活和便利，應用范圍更加廣闊。三是轉型金融更加側重過程，依托具體行業標準。綠色金融較為看重定位為綠色的資產端，近似于一個靜態的概念；而轉型金融更加側重由非綠至綠色轉型的一個動態過程。但不同的行業和企業，其轉型的標準和技術各不相同，因此相關衡量標準也應隨著低碳轉型的路徑進行分階段調整。因此，轉型金融依托嚴格的行業標準進行界定，強調轉型的過程這一階段性的概念，除了金融對其進行支持以外，還涵蓋了科學與技術在低碳及零碳轉型過程中的應用。四是轉型金融支持對象，具備長期目標和效果。從國際上各個組織對轉型金融的定位來看，其支持的對象須與《巴黎協定》或國家層面的碳中和目標保持一致，應該具備較為明確的減排目標和減排效果。轉型金融的支持對象也可以結合自身能力，制定更加切實有效的減排目標和實施方案。（三）轉型金融的基本要素雖然目前國際上一些公共部門主體提出了對于轉型金融的定義，但相關界定標準仍不夠清晰，也沒有達成共識。國內外目前的綠色金融和可持續金融體系對于“轉型活動”缺乏清晰明確的界定標準和披露要求，導致金融機構對于“轉型活動”無法明確識別，從而“不敢”也沒有動力提供資金支持其進行低碳轉型。借鑒綠色和可持續金融體系的經驗，同時結合轉型活動的特點，轉型金融體系應具備的五大要素：轉型金融標準、信息披露要求、轉型金融產品、政策激勵機制以及公正轉型。轉型金融的服務對象：高耗能行業。在本文中的高耗能行業定義為制造業中碳排放量和能源消耗量巨大的行業，如石油加工、有色金屬、電力等行業。轉型金融的服務內容：轉型金融應當提供助力于企業碳減排技術的融通資金、融資渠道、咨詢服務、風險管理等，為投資者提供專門的轉型信息披露、投資渠道等。轉型金融的評價體系：針對于高耗能行業的碳排放量、低碳技術的發明專利和進度、管理者的低碳意識、企業碳信息的披露等等。轉型金融的主要投資者：以政府和銀行為主體，發行以可持續債券為代表的專項債券推動高耗能企業碳減排。政府牽頭，民間資本進一步活躍市場，充分提高轉型金融產品的流動性。（四）轉型金融與綠色金融的區別與聯系在聯合國環境規劃署所構建的可持續金融框架中，綠色金融與共同致力于減緩氣候變化，服務于實現《巴黎協定》中所設定的減排目標。但轉型金融與綠色金融間存在共同的目的與業務內容上的區別，從概念角度來說，綠色金融（GreenFinance）按照中國人民銀行的說法：是指為支持環境改善、應對氣候變化和資源節約高效利用的經濟活動，即對環保、節能、清潔能源、綠色交通、綠色建筑等領域的項目投融資、項目運營、風險管理等所提供的金融服務。這意味著綠色金融的服務對象非常繁雜，涉及一系列的行業，包括制造業、服務業、交通行業以及建筑行業（如圖2-1）。然而，每個行業有著其行業特殊性，綠色金融服務體系很難做到面面俱到，尤其是高耗能行業，由于其不完全符合綠色債券發行的標準，很難獲得綠色金融提供的資金支持，促進高耗能行業的綠色發展和碳減排（萬秋旭，2022）[3]。相較而言，不同于綠色金融有著寬泛的支持范圍，轉型金融則將支持范圍聚焦在碳密集型企業與“兩高”項目的低碳轉型，轉型金融強調的是對既有的支持對象進行低碳化轉型幫助，目前最主要的服務目標是制造業，尤其是高耗能行業的碳減排問題，較少涉及有關污染物的排放問題，而主要的實現途徑則是助推碳減排的技術升級。圖2-1綠色金融服務對象綠色金融的評價體系層次過于復雜。以中證ESG評價體系為例，其中E（Environment）指標的評價主要涉及五個主題，分別是：氣候變化、污染與廢物、自然資源、環境管理和環境機遇（見圖2-2）。其中，僅氣候變化涉及了轉型金融對應的碳排放指標，綠色金融評價體系在各個指標上沒有明確的側重點，評價寬泛，涉及范圍廣，這與其服務的對象范圍廣泛是相適應的。與之相比，轉型金融的評價體系應當更多聚焦于碳排放指標，企業如何管理溫室氣體的排放，采用何種技術減少碳排放等。圖2-2綠色金融評價體系（中證ESG）（五）我國發展轉型金融的必要性1、高耗能行業是我國碳排放的主要來源。近年來，隨著全球各國對碳排放的重視以及相關綠色金融政策的出臺，全球碳排放雖然增速緩慢，且2020年受疫情影響有所降低，但尚未達到峰值。全球范圍內，電力行業依然是碳排放主要來源，而工業領域是第二大碳排放源（徐洪峰，2023）[19]。2021年全球電力和工業碳排放量分別為13.75吉噸和10吉噸，占比39.4%與28.65%，比2019年合計占比提高1.4%。中國碳排放同樣呈現持續增加趨勢，且中國“富煤、缺油、少氣”的資源稟賦決定碳排放主要由燃煤發電和供熱環節產生，2020年我國碳排放總量103.76億噸，其中，工業碳排放51.64億噸，占比近一半，其次為電力行業，占比35.33%。具體在工業領域，我國碳排放主要源于鋼鐵、化工、建材、有色金屬冶煉等傳統高耗能行業。2020年，我國鋼鐵行業碳排放15.98億噸，占我國碳排放總量15.4%，居所有工業門類之首，鋼鐵生產的碳排放主要產生于鐵礦石、焦炭等原材料的高爐熔煉環節。因此，電力和工業領域是全球及我國碳排放的主要來源，推動高耗能低碳轉型是實現雙碳目標的關鍵環節。2、高碳行業轉型資金需求巨大。我國提出碳達峰碳中和目標后，相關機構測算出碳達峰碳中和資金需求，雖存在一定差別，但大多數機構估計在2060年碳達峰之前，中國碳達峰碳中和資金需求量將超過100億人民幣（徐洪峰，2023）[19]。（詳見表2-1）。據中金公司測算，2021-2030年碳達峰時期，我國高碳行業資金需求最多的行業，分別為電力、交通運輸、建筑、鋼鐵。2030-2060年碳達峰時期，我國高碳行業資金需求最多的行業，分別為電力、交通運輸、建筑、化工，其資金需求詳見表2-2。高耗能行業綠色轉型的緊迫性產生了巨大轉型金融資金需求，而綠色金融由于嚴苛的標準，無法滿足對高碳企業的融資需求。此外，隨著綠色金融標準的調整越來越嚴格，更多高碳產業的低碳轉型將可能被逐步排除在綠色金融支持范圍之外。因此，高耗能行業的低碳轉型將需要轉型金融產品和服務的支持。表2-1我國碳達峰碳中和資金需求機構名稱時間段資金需求量（萬億元）人民銀行易綱團隊2020-2030年222030-2060年117中金公司總過程1392020-2030年22中國綠色金融委員會馬駿團隊2021-2050年487清華大學氣候變化和可持續發展協會2020-2050年174.38高盛公司2021-2050年104中央財經大學綠色金融國際研究院2021-2030年14.2生態環境部環境規劃院2021-2025年9.32026-2030年11.5數據來源：根據公開資料整理表2-2我國重點排放產業碳達峰碳中和資金需求匡算產業類別時間段資金需求量（萬億元）2021-2030年9.82030-2060年57.6交通運輸2021-2030年6.32030-2060年31.1建筑2021-2030年3.92030-2060年18.4鋼鐵2021-2030年1.12030-2060年2農業2021-2030年0.72030-2060年2.9水泥2021-2030年0.32030-2060年0.6化工2021-2030年0.22030-2060年3.9數據來源：中金公司、Wind數據庫3、高耗能行業面臨較大轉型風險進而傳遞至金融系統。一隨著相關政策的頒布，我國對碳排放約束日趨嚴格，同時，相關部門對環境污染處罰力度的加大，使企業財產風險敞口發生變化。二綠色金融相關標準的制定對企業形成“倒逼效應”，使得企業在獲得融資需求后不斷升級轉型，最終綠色環保技術逐漸取代傳統高碳技術，從而加快擱淺資產形成。三隨著國家對碳排放的重視加大以及相關政策的指引，消費者偏好向低碳轉變，從而會導致市場信號不確定性加大，給企業帶來較大經營風險。四由于金融風險具有傳染性，金融機構持有轉型企業的貸款、債券、股權等，將通過實體經濟傳遞至金融系統，給金融市場以及信貸市場帶來損失。轉型風險需要更多行業政策、市場手段、金融手段以及技術變革等舉措予以應對。通過金融調節資金配置，助力高碳企業轉型，不僅可以減少碳排放，也有助于規避轉型風險。三、高耗能行業的能源消費現狀與碳排放量自從改革開放以來，我國的經濟發展速度讓全世界震驚，但是與此同時，長期以碳排放為主的能源消費結構加重了生態環境的負擔，碳排放也成為全球氣候變暖的主要原因之一（張浩然，2022）[20]。“30·60”目標是我國向世界做出的莊嚴承諾，各省市也均在積極探索符合自身實際的碳達峰碳中和實現路徑（程如華，2022）[21]。我國當前正處于工業化城鎮化深入推進階段，一方面經濟要高質量發展，另一方面產業結構偏重、能源結構偏煤，這種重化特征制約經濟的高質量發展。因此當前國家必須立足國情，以工業領域的“重頭”高耗能行業為著力點，推動其綠色發展，為實現雙碳目標打下良好基礎。高耗能行業也被稱為能源消耗密集型產業，指的是生產過程中耗能較多，單位產出能耗較高的產業。國家統計局以行業總體耗能及單位增加值能耗為標準，把石油煤炭及其他燃料加工業、化學原料及化學制品制造業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業、電力熱力生產和供應業六大行業列為高耗能行業。在中國工業體系中，高耗能行業碳排放在整個工業體系中占比較高，而我國當前距離完成工業化和城鎮化進程還需要經歷一段時間，作為提供能源和原材料產品的基礎性部門—高耗能產業，在我國的發展道路上仍將占有一個較大的比重（陸大道，2015）[22]。因此要實現“30·60”目標，就要提高高耗能行業的能源使用效率以及降低排排放強度。而對政府而言，則是要加大科研資金投入，為科技減排工作提供長期有效的資金保障（王保乾、徐睿，2022）[23]。（一）高耗能行業能源消費現狀高耗能行業的一直以來是全球應對氣候變化首要處理的對象。事實上，中國的能源消費量和碳排放量主要集中在高耗能行業。根據《2010年國民經濟和社會發展統計報告》界定的六大高耗能行業，其中包含：化學原料及化學制品制造業（簡稱化學制造業）、黑色金屬冶煉及壓延加工業（簡稱黑色金屬加工業）、有色金屬冶煉及壓延加工業（簡稱有色金屬加工業）、非金屬礦物制品業（簡稱非金屬制造業）、石油加工煉焦及核燃料加工業（簡稱石油加工業）、電力、熱力的生產和供應業（簡稱電力生產業）。整體角度，高耗能行業的能源消費量呈現波動上升趨勢（見圖3-1）。從2010年到2013年，高耗能行業增長速率較低，整體維持在73%左右。從2013到2016年，能源消費量開始明顯攀升，消費比重增加到75%左右，較前期增加大約2%。從2016到2019年，能源消費比重呈現波動形式。2016年到2018年，首次出現下降趨勢，但2019年迅速出現反彈，達到75.61%，在隨后的2020年，能源消費比重更是再創新高，達到了歷史最高值76.7%。高耗能行業的能源消費占比占全體工業部門的72%到76%，而且這一比重一直有增加的趨勢，雖然在2020年時，為了貫徹落實《節約能源法》和《工業節能管理辦法》，充分發揮節能監察的監督保障作用，持續提高工業能效和綠色發展水平，助推工業經濟高質量發展，工業和信息化部對重點高耗能行業實施能耗專項監察，按照“十三五”高耗能行業節能監察全覆蓋的安排，對煉油、對二甲苯、純堿、聚氯乙烯、硫酸、輪胎、甲醇等石化化工行業，金冶煉、稀土冶煉加工、鋁合金、銅及銅合金加工等有色金屬行業，建筑石膏、燒結墻體材料、瀝青基防水卷材、巖棉、礦渣棉及其制品等建材行業，糖、啤酒等輕工行業等細分行業的重點用能企業開展強制性單位產品能耗限額標準執行情況專項監察，但是高耗能行業的能源消費量仍舊居高不下，這進一步說明高耗能行業進行碳減排的必要性和緊迫性。圖3-1高耗能行業能源消費比重制造業內部角度，如圖3-2，高耗能行業的能源消費量逐年上漲，且仍舊保持穩定增長的態勢。在制造業中，高耗能行業能源消費量維持在79%到80%左右。從2010年到2019年，高耗能行業能源消費增長53128萬億噸標準煤，而其他制造業則僅增長9715萬億噸，而到了2020年，高耗能行業能源消費量達到了歷史新高的255211萬億噸標準煤，但其他制造業的能源消費量卻出現了下降趨勢，僅僅為24440萬億噸標準煤，更進一步得凸顯出高耗能行業能源消費量的比重迅速增大，同時也體現出高耗能行業是制造業能源消費的主要推動者。高耗能行業的碳減排對于我國的制造業實現雙碳目標起到關鍵性作用。圖3-2我國制造業的能源消費量（二）高耗能行業碳排放量1、高耗能行業的碳核算模型本文在測算2010-2020年能源消費碳排放過程中使用的數據主要為國家層面和省級層面能源消耗數據以及分品種分能源的碳排放因子，能耗數據來源為《中國能源統計年鑒》。目前，我國尚未對二氧化碳排放量這一指標進行專門統計，學術界大多參考《2006年IPCC國家溫室氣體清單指南》所提出的計算方法對碳排放量進行測算，以某地區或某行業碳排放為測算對象時通常利用自下而上的計算方法，通過計算行業或地區其化石能源消費量與碳排放系數的乘積，從而對碳排放進行大致估算。本文主要以6種高耗能行業為研究對象，基于整體視角與產業層面探討碳排放的基本情況。考慮到數據可取性，本文主要選取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣等一次能源進行估算，計算公式如下：Ct=Σn(k)=1Ekt×NCVk×CEFk×COFk×其中，Ct為高耗能行業碳排放量（萬噸）；k表示能源消費種類，t表示年份，Ekt表示第t期第k種能源消費量，所需數據均取自各年度《中國能源統計年鑒》；NCVk表示能源平均低位發熱量，主要參考《中國能源統計年鑒》所提供的數據；CEFk是《2006年IPCC國家溫室氣體清單指南》中提供的碳排放系數；COFk為碳氧化因子；44與12表示為CO2和C的分子量。8種能源消費數據和主流能源排放系數如表3-1所示。表3-1各種主流能源排放系數平均低位發熱量（KJ/KG）單位熱值含碳量（T/TJ）碳氧化率碳排放系數（CO2/KG,CO2/㎡）煤炭2090826.370.941.9003焦炭2843529.50.932.8604原油4181620.10.983.0202汽油4307018.90.982.9251煤油4307019.50.983.0179柴油4265220.20.983.0959燃料油4181621.10.983.1705天然氣3893115.30.992.1622數據來源：《中國能源統計年鑒》、《省級溫室氣體排放編制指南》煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣這八種能源消費數據和主流能源排放系數出自（2010-2020）《中國能源統計年鑒》。2、高耗能行業的碳排放量及增長率分析圖3-32010-2020年高耗能行業總排放量及增長率通過查詢中國統計年鑒各行業能源消費量，選取石油煤炭及其他燃料加工業、化學原料及化學制品制造業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業、電力熱力生產和供應業六大高耗能行業數據，通過IPCC計算2010-2020年總碳排放量如圖3-3所示。從2010-2013年高耗能行業的碳排放量增速呈現上升趨勢，在2013年呈現出負增長速度，說明碳減排政策初見成效，高耗能行業的碳排放量有了一定程度上的遏制。但是隨著我國供給側結構性改革、去庫存、去杠桿的政策性提出，以及一帶一路的發展，我國的高耗能行業的總排放量有了一定的反彈，但增長速度仍然見緩。到了2020年，我國碳排放量迅速飆升，這也同時意味著我國經濟以及工業化的發展迅速，但是如何在經濟高速增長的同時，更高效地利用能源，降低碳排放量就成了當下著重需要解決的難題。在2020年，我國也明確提出力爭2030年前實現碳達峰與2060年前實現碳中和的目標。就當前我國碳排放量的持續增長情況，說明我們的“碳中和”目標實現仍然有很大的進步空間。四、轉型金融支持高耗能行業碳減排的作用機制及因素分解（一）轉型金融支持高耗能行業碳減排的作用機制高耗能行業的轉型升級，現行分析主要基于綠色金融視角，如從綠色技改和抵押碳資產等方式來進行綠色融資來促進鋼鐵行業發展（趙禹程，2022）[24]；通過政府設置投資壁壘的方式，降低棕色行業的收益，提高融資成本來倒逼行業升級（郭禹辰，2022）[25]；通過PFI融資模式以及企業本身的綠色經營理念出發，探討綠色金融對行業轉型的支持（王寧，2021）[26]；從綠色科技、清潔能源方面探討這些因素與綠色轉型的關系（Madaleno,M.，2021）[27]；還有以區域經濟、老工業城市等為研究對象來分析綠色金融對行業轉型的促進作用，即通過擴大綠色金融產品，建設綠色金融服務平臺等來推動行業轉型（邵文靜，2021[28]，陳翊高，2022[29]）。對于高耗能行業，轉型金融的實現機制主要通過四個方面（如圖4-1）。第一個是能源結構。能源結構主要反映了行業利用能源的品種和比例，代表了高耗能行業的能源利用品種的變化對碳減排的促進作用。高耗能行業通過轉型融資，改進行業內部能源利用品種，減少低質、劣質能源的使用，提高提高清潔能源的使用，比如降低煤炭能源的消耗比例，提高天然氣能源的使用比例，從而減少單位能源碳排放量。第二個是能源利用效率代表了單位產能下消耗了多少能源，反應行業的能源利用技術水平。通過擴大轉型金融專項融資規模，加大對科研的投入，努力發展低碳、脫碳技術，提高能源的利用效率，直接減少能源消耗后排放的二氧化碳數量，發展固碳、碳回收技術，如生物固碳，將碳元素固定在地表，減少排向大氣中的二氧化碳量。通過加大對科研資金的投入，能夠在根本上提高高耗能行業的碳減排力度。第三個償債系數表示的是多少工業產能能夠覆蓋一單位融資缺口，反映了行業的產出能力和償債能力。這一指標并沒有對碳減排有著積極作用，相反，該指標是一個碳排放量的正向指標。但如果行業產能下降，負債水平提高，償債能力減弱也會進一步影響行業的轉型金融融資能力，進而影響轉型金融作用的發揮。第四個指標是轉型融資規模和缺口，缺口大小會直接影響轉型融資的規模。缺口變化量反映了行業對轉型金融融資的需求大小，如果行業內部融資缺口大，說明對轉型金融的融資需求變大，進而提高了轉型金融的融資規模，最終提高轉型金融發揮作用的能力。圖4-1轉型金融作用機制（二）LMDI模型構建與應用在探討碳減排因素分解作用的文獻中，許多學者采用了不同的研究方法。指數分解框架（IDA）一開始成為主要的碳排放量驅動因素分析模型（楊莉莎，朱俊鵬，賈智杰，2019）[30]，IDA能夠量化碳排放變化中的驅動因素，可以明顯地表現出碳排放量的主要因素（付華，李國平，朱婷，2021）[31]。然而，IDA模型有著明顯的不足，首先IDA不能對碳排放量進行完全分解，其次也不能解決零值問題。Ang（2005）[33]提出了一種對數平均迪氏指數方法（LogarithmicMeanLogarithmicMean），該方法的主要目的是將碳排放這一總量的變化分解為各種因素效應的加總，從定量的角度分析這些影響因素對于碳排放量結果的貢獻程度，從而為決策者提供相對科學的意見。LMDI解決了IDA的完全分解問題和零值問題，大大提高了因素分解的準確性。隨后Ang又進行了進一步的改進，通過研究中國的各省份的制造業碳排放，將LMDI模型拓展為多區域空間分解（Ang，2015）[36]。通過LMDI模型，有學者發現能源結構和能源強度對碳排放具有負向作用（徐菲，2020）[32]，位嬌嬌（2017）[35]則發現我國工業碳排放具有宏觀波動性，但技術效應和管理效應是主要的碳減排因素，袁蒂（2012）[34]通過研究保定市的交通行業的碳排放量發現了人口效應和經濟效應對于交通行業碳排放有助推作用。根據上述文獻綜述的結論，本文嘗試使用LMDI模型，將高耗能行業中的碳排放量分解出有關轉型金融的融資缺口因素，從實證角度分析兩者是否存在關系。在多因素模型的驅動下，假設被解釋變量Y受n個因素影響，j表示每個因素區別標志，比如產業部門。基于迪氏指數，定義式如下（4-1）：期初總量變化式（4-2）：期末總量變化式（4-3）：考慮到簡化，本文僅涉及加法對整體變化的因素分解。將4-3與4-2求差可以得出被解釋變量Y的變化量（4-4）：通過求對數并加權平均可以得到第k個影響因素的加法公式，如下式子（4-5），如果該因素大于0，說明具有推動作用，反之，如果小于0則是具有抑制作用。ΔYxk=根據Ang（2005）[33]所構造的模型，即從能源結構效應、能源強度效應、經濟結構效應以及經濟規模效應，利用LMDI模型進行因素分解。本文的模型基于Ang的初始模型，參考徐菲（2020）[32]、位嬌嬌（2017）[35]的構建邏輯，加入了轉型金融中涉及的融資缺口這一指標，構造出如下模型（見式4-6）：CC=Σi×DEi其中，CC表示總碳排放量，數據利用式4-1就算所得。i表示各個高耗能行業部門，CCi表示各個高耗能行業部門的碳排放量，CEi表示各個部門的能源消費量，數據來源于《中國能源統計年鑒》，Cpi表示各個部門的行業增加值，數據來源于《中國統計年鑒》，DEi表示各個部門的轉型金融融資缺口，數據來源于CCER，并假設高耗能行業的長期融資負債中，有20%作為維持公司運轉的常規融資量，其余80%則作為進行碳減排轉型和技術升級的專項融資量。本文利用上市公司長期資產負債率平均變化量的80%作為轉型金融融資缺口代理變量。將各個因素進行定義（見式4-7）：cc=Σistri×effi×repi×DEi(4?7)Str（CC/CE）即能源結構，Eff（CE/CP）即能源利用效率，Rep（CP/DE）即償債能力，DE是各個部門的轉型金融融資缺口。為了方便推導，本文仍然采用加法分解法把高耗能行業的碳排放量變化分解成以下幾種效應的加總：Δcc=cct?cc0=Δccstr+Δcceff+Δccrep+ΔccDE(4?8)按照Ang（2005）[33]的權重計算wi，則各個因素的貢獻值為式（4-9）：(4?9)其中：Δccstr=wiln(4?10)Δcceff=wiln(4?11)Δccrep=wiln(4?12)ΔccDE=wiln(4?13)4-10表示的是能源結構。4-11表示的是能源利用效率。4-12表示的是償債能力。4-13表示的是轉型金融融資缺口。這是我們本文重點研究的因素，即轉型金融的融資變化量對碳排放量的影響。（三）轉型金融支持高耗能行業碳減排因素分解1、因素分解根據上述整理的數據和推導的模型，利用LMDI模型，計算出2010-2019年我國高耗能行業碳減排的因素分解模型的結果。根據以上式子，求出各個影響因素，尤其是轉型金融融資缺口的貢獻值。結果如表4-1所示：表4-1高耗能行業LMDI因素分解實證結果能源結構能源效率償債能力轉型融資缺口碳排放量10-1116399.31512-92686.1192129520.212937.9781772653271.3869911-1240603.87708-126260.0196182661.7622-1228.47429495777.1454612-1347537.93767-471166.6781560628.1518-1092.618396135906.79313-1437687.34183-624039.2126736868.4357-2184.449505148332.115414-15-21512.26125-544262.6476698850.8449-5999.843792127076.092215-16-22261.62058-598975.4055766058.937-6232.472458138589.438516-17-43566.21484-691086.5249897642.7501-6485.608434156504.401917-18-50117.8232-727087.0331978169.9909-6805.311725194159.822918-19-75359.11738-766413.07121081414.482-7538.089128232104.2044平均值-7843.17395-515775.1902670201.7297-4169.876617142413.4892010到2019年中，能源結構、能源效率和轉型金融融資缺口這三個因素都起到了對碳減排的抑制作用。其中，能源結構從2010年到2013年為正向指標，沒有起到碳減排作用，而從2015年起，該指標成為負向指標，即抑制了碳排放量的增加，且有進一步加大的趨勢，平均減少7843.17萬噸。能源結構在六大高耗能行業中的碳減排力度逐年改善。由此得出結論，高耗能行業內部的能源結構不斷改革，最終促使能源結構得到優化，碳排放量逐步減少。能源效率方面則起到主要作用，平均減少515775.19萬噸。根據圖8所示，能源效率的碳減排能力逐漸增強，除了2014到2015年期間略有下滑之外，一直起到了明顯的碳減排作用。說明了高耗能行業能源利用效率的逐漸改善，提高了化石能源的利用效率，一定程度上說明高耗能行業對能源效率技術發展的重視程度。償債能力這一指標與能源效率展現相對明顯的對稱性。這一指標的主要作用是反映了高耗能行業的產能和償債能力。行業產能的擴張和負債率的下降都會導致該指標的上漲。由表4-1可知，該指標的平均碳排放量為670201.72萬噸，是主要的碳排放量指標。從2010年到2013年，該指標出現了明顯攀升，而在2015到2016年出現了一個短暫的下降。然而，由于2015年“三去一降一補”供給側結構性改革的提出，行業杠桿和負債規模明顯下降，導致償債能力存在明顯的抬升。轉型融資缺口這一指標，整體而言變化相對穩定。融資缺口的變動對于大型企業來說變化規模并不明顯，根據實證我們發現其仍然能夠起到明顯的碳減排作用，2010到2019年總共實現平均碳減排4169.87萬噸。從實證方向，能夠在這一時段表明，轉型金融的融資缺口在一定程度上能夠促進碳減排的發展。圖4-2高耗能行業碳排放因素分解2、貢獻率分析表4-2高耗能行業LMDI因素分解貢獻率能源結構能源效率償債能力轉型融資缺口10-1130.78%-173.99%243.13%0.07%11-1242.39%-131.83%190.72%-1.28%12-1334.98%-346.68%412.51%-0.80%13-1425.41%-420.70%496.77%-1.47%14-15-16.93%-428.30%549.95%-4.72%15-16-16.06%-432.19%552.75%-4.50%16-17-27.84%-441.58%573.56%-4.14%17-18-25.81%-374.48%503.80%-3.51%18-19-32.47%-330.20%465.92%-3.25%如表4-2所示，該圖表核算了各個指標的貢獻率。能源結構的貢獻率從2010年到2013年由30.78%下降到25.499%，隨后一路下降到2019年的最大值-32.468%，實現了由正向指標轉為負向指標的轉變，且負向貢獻率呈現擴大趨勢。能源效率仍然起到最主要的碳減排作用。并且負向貢獻率一直存在擴大趨勢，從2010年到2016年，逐步擴大至-441.576%，隨后略有上漲，回調至-330.202%。說明能源技術利用效率一直是主要碳減排因素，但近些年存在效率下降的問題。償債能力則是最主要的拉動指標，貢獻率常年增長。從2010年243.13%到2016年的573%，隨后又逐漸回落到465%。圖4-3轉型融資缺口貢獻率與碳排放量增長率關系轉型金融的融資缺口相較于其他因素，其貢獻率相對較低，平均在-2.63%左右，而且并不穩定。從2010年到2014年，轉型金融融資缺口顯著下降到-4.72%，從2015年到2019年，又逐步攀升到-3.25%。如圖4-3所示，轉型金融融資缺口的貢獻率與我國高耗能行業碳排放量的增速有一定的相似之處。這說明，轉型融資缺口的擴張速度與高耗能行業的碳排放增速有一定關系。3、累積效應逐年累積效應可以能夠看到各個因素的逐年累積趨勢。這種累積效應的好處就是能夠減少單個時間的波動對整體趨勢的影響。根據圖4-4所示，根據所分析的四個因素，我們能夠發現，除了償債能力這一指標，其他三個因素對于碳減排都具有相對明顯的促進作用。作用效果排名：能源效率＞能源結構＞轉型金融融資缺口。能源效率下降趨勢最為明顯，從2010到2019年，總共減少碳排放量達到4641976.71萬噸，能源結構則減少碳排放量為70588.56萬噸，而轉型金融融資缺口這一因素，對于碳排放量的效果并不明顯，僅為37528.59萬噸需要進一步的擴展。圖4-4逐年累積效應（四）結論根據實證結果，發現能源結構的碳減排作用由最初的促進碳排放變為抑制碳排放，減排作用也在逐步增強，說明了高耗能行業內部注意到了能源結構的改善，且逐步發力。能源效率因素是最主要的碳減排因素，能源效率的改善能夠在根本上促進碳減排，但近年波動較大，效率不足，在2014到2015年出現負增長。即如果產能短時間內的萎縮，會表現出能源效率的下降，說明行業仍然注重技術的投入，但受到產能與利潤的影響，會造成技術研發的不足。償債能力是最主要的碳排放因素，該指標不能起到碳減排作用。償債能力在中間一段時間內受產能影響有一定的下降，但隨著負債規模的下降和產能的逐步抬升，造成了償債能力在后期的日趨膨脹。轉型融資缺口也起到了積極的碳減排作用。從2010年到2019年，轉型融資缺口的貢獻率與高耗能行業的碳排放量增長率存在一定的相似性，說明融資缺口變化能夠一定程度上反映出行業的碳排放量增長速度變化情況。然而，本文仍然存在一些不足。由于信息披露較少，本文的實證分析所采用的數據與現實真實情況存在誤差，無法完全還原轉型金融的碳減排作用。本文也沒有探討轉型金融下其他因素對高耗能行業碳減排的影響程度，需要后續研究進行補充。五、綠色信貸政策對高耗能行業綠色創新的作用機制綠色創新作為企業實現綠色轉型的主要途徑，可以通過構建綠色生產工藝、生產低碳產品等生產體系，促進綠色經濟發展（張勁松、魯珊珊，2022）[37]。但由于其外部性強、投入成本大、風險高等特點，需要長期穩定的資金支持（徐佳、崔靜波，2020）[38]。因此為更好地服務實體經濟，促進經濟發展方式轉變和經濟結構調整，2012年，原中國銀行業監督管理委員會發布了《關于印發綠色信貸指引的通知》（以下簡稱“指引”）。綠色信貸作為銀行業金融機構遵循對應產業政策的基礎上利用利率杠桿調控信貸資金從高污染環境破壞型企業向國家支持的產業流動，從而實現資金的“綠色配置”，能夠為企業的綠色創新活動提供資金。從實施效果來看，大部分研究結果證明了《指引》的正向效應。綠色信貸會增加了高耗能企業的債務融資成本，抑制了高耗能企業的污染排放（潘燁，2022）[39]與落后產能擴張，提升了高耗能企業綠色轉型投資水平（舒利敏、廖菁華，2022）[40]，使高耗能企業通過增加環境投資的方式改善環境緩解信貸約束（郭俊杰、方穎，2022）[41]，促進了高耗能企業的多元化趨勢（LiandChen，2022）[42]，同時綠色信貸通過增加對環保企業的資金支持，促進了其技術創新（何凌云等，2019）[43]。然而，部分學者認為，《指引》的實施可能會產生負向效應。綠色信貸會抑制高耗能企業的債務融資，壓縮了高耗能企業的創新空間（廖果平等，2022）[44]，使污染密集型行業企業的綠色轉型水平較低（張雪梅等，2022）[45]。綜上所述，現有研究都闡述了《指引》的實施會使銀行業金融機構對環保企業提供信貸支持，對高耗能企業施加信貸限制。但由于研究方法、時間和樣本的不同，得出的結論也存在分歧，同時也缺乏從企業綠色創新的微觀視角評估該項政策的有效性。本節運用雙重差分模型實證檢驗《指引》的實施對高耗能行業企業綠色創新的影響效果，并根據高耗能行業企業的所有權、規模以及所在地區進行異質性分析。同時在此基礎上構建“《指引》的實施—高耗能行業企業的研發投入—企業的綠色創新”和“《指引》的實施—高耗能行業企業的融資成本—企業的綠色創新”的三重差分模型作為機制分析，解釋《指引》的實施對高耗能行業企業綠色創新的具體影響機制。（一）理論分析與研究假設1、綠色信貸、研發投入與企業綠色創新綠色信貸政策作為對傳統環境規制政策的有益補充（陸菁等，2021）[46]，可以從“遵循成本效應”和“創新補償效應”兩個角度分析對企業綠色創新產生的作用。“遵循成本效應”認為，嚴格的環境規制必然會控制企業的污染行為，使企業治理和控制污染的成本上升，從而擠占對企業研發的投入，制約企業綠色創新。“創新補償效應”認為企業在面臨環境規制時，可以選擇進行技術創新或污染治理，而企業在合理的環境規制作用下，會選擇對企業最有利的方式，自覺將外部成本內部化，加大綠色創新投入，有效配置資源和提高經營效率，抵消成本上升，實現企業凈收益。但同時綠色信貸政策兼具金融資源配置功能，能夠引導銀行業金融機構對環保企業增加資金支持，對高污染企業施加一定的信貸限制。企業綠色創新是企業綠色轉型發展的關鍵舉措，但企業進行綠色創新風險大、成本高，周期長且需要投入大量的資金進行研發。《指引》實施后，高耗能企業的新增貸款顯著減少（蔡海靜等，2019）[47]，高耗能企業可自由支配的現金流減少，企業為了維持正常的生產經營活動，會主動減少能夠用于研發投資的資金，從而限制了他們開發綠色技術創新的能力（ZhangandKong，2022）[48]。并且《指引》要求銀行業金融機構根據企業的環境表現放貸（于波，2021）[49]，而高耗能企業進行綠色創新短期內很難見到效果，為了能夠達到綠色信貸新門檻，緩解當下困境，高耗能企業可能會選擇投入更多的資金進行治污減排末端治理，減少用于研發投入的資金，即擠占企業的研發投入，最終抑制了企業的綠色創新。綜上所述，可以發現《指引》的實施會使高耗能企業減少研發投入，從而對企業的綠色創新活動有抑制作用。據此，本文提出以下研究假設：研究假設1：《指引》的實施抑制了高耗能行業企業的綠色創新。研究假設2：《指引》的實施使高耗能企業通過主動減少研發投入，從而抑制了高耗能行業企業的綠色創新。2、綠色信貸、融資成本與企業綠色創新綠色信貸政策以企業環境和社會責任為核心標準，引導社會資本流向綠色產業，從而實現經濟的綠色發展轉型。因此其對銀行業金融機構開展綠色信貸業務的要求更明確具體，把節能減排、環境保護等作為對企業放貸的重要參考指標。具體表現為：規定銀行業金融機構實行差異化的貸款政策，限制高耗能行業企業的資金獲取或提高貸款利率；對環保企業或綠色項目提供信貸支持或降低貸款利率（李新功、朱艷平，2021）[50]。因此《指引》在實施后，使銀行業金融機構通過提高資金成本、收窄融資渠道（斯麗娟、曹昊煜，2022）[51]，降低了高耗能企業的債務融資能力（Liuetal.，2019）[52]與融資規模，縮短了高耗能企業的貸款期限（XuandLi，2020）[53]，導致高耗能企業的信貸約束加劇和債務成本上升，對其產生明顯的融資懲罰效應和投資抑制效應（蘇冬蔚、連莉莉，2018）[54]，最終因無法獲得足夠的資金而停止一些綠色創新活動（Wenetal.，2021）[55]。《指引》實施的同時使銀行業金融機構增加對環保企業的信貸資金支持，提高了環保企業的債務融資能力（Zhangetal.，2021）[56]，從而使環保企業獲得充足的信貸資金促進企業的研發創新(孫焱林、施博書，2019)[57]。綜上所述，可以發現《指引》的實施會使銀行業金融機構減少對高耗能企業的信貸資金支持，同時提高放貸利率使高耗能企業的債務融資成本提高，最終因缺乏資金減少或停止綠色創新活動。據此，本文提出以下研究假設：研究假設3：《指引》的實施通過提高高耗能企業的債務融資成本，從而抑制了高耗能行業企業的綠色創新。（二）研究設計及實證分析1、樣本選取與數據來源本文的研究樣本為2007—2018年中國A股上市的工業企業，根據2008年環保部發布的《上市公司環境保護核查行業分類管理名錄》，結合2012年中國證監會的行業分類標準，把工業企業中屬煤炭、采礦、紡織、制革、造紙、石化、制藥、化工、冶金、火電等16個行業的劃分為高耗能行業企業，并設為實驗組，其它工業企業設為控制組。另外，本文剔除ST、PT等企業樣本和有數據缺失的樣本，最終得到842家工業企業。其中實驗組為441家高耗能行業企業，控制組為401家其它工業企業，對所有樣本進行上下1%分位的縮尾處理消除異常值。上市工業企業專利數據來自中國研究數據服務平臺（CNRDS），并遵循世界知識產權局的綠色專利標準匹配得到綠色發明專利，其它經濟數據均來自國泰安數據庫（CSMAR），部分缺失值用插補法填缺。2、變量定義（1）被解釋變量：企業綠色創新（GI）。選取上市工業企業的綠色發明專利申請量，一方面發明專利、實用新型專利與外觀設計專利，三類專利的創新性依次降低，綠色專利分類同理，因此綠色發明專利能更好的代表企業的綠色創新成果。另一方面，專利授權涉及的時間周期較長，不確定性因素大，專利申請數據更及時可靠(齊紹洲等，2018)[58]。（2）解釋變量：Treat×Time。Treati代表工業企業i是否為高耗能行業企業，若是高耗能行業企業則取值為1，為其它工業企業取值為0。Timet代表《綠色信貸指引》實施的時間虛擬變量，當t為2012年及其以后的年份時取值為1，為2012年以前的年份時取值為0。（3）控制變量：考慮到其它因素對企業綠色創新可能造成的影響，本文選取企業規模（Size）、資產負債率（Lev）、總資產收益率（Roa）、企業年齡（Age）、營業收入增長率（Growth）作為控制變量。具體變量名稱、定義及描述性統計如表5-1所示。表5-1變量定義及描述性統計變量名稱變量定義平均值標準差最小值中位數最大值GILn（綠色發明專利申請數量+1）0.240.67006.46Treat樣本為高耗能行業企業，Treat取1，否則

Treat取00.520.50011Time樣本年度在2012年及以后則Time為1，反之則Time為00.580.49011SizeLn（期末總資產）22.21.3619.0922.0726.02Lev總負債/總資產0.510.210.080.511.63Roa凈利潤/總資產0.030.07-0.420.030.23AgeLn（公司已上市年份）2.420.62-0.692.563.18Growth(

當期營業收入—上期營業收入)/上期營業收入0.270.97-5.350.0814.723、模型設定為考察《指引》的實施對高耗能行業企業綠色創新的影響效果，本文運用雙重差分法進行實證分析，具體模型設定如下：GIi,t=α+βTreati×Timet+θXi,t+μi+δt+εi,t其中i，t就表示上市企業和時間。GIi,t表示上市工業企業綠色發明專利申請量；Treati為工業企業i是否為高耗能行業企業，若是高耗能行業企業則取值為1，為其它工業企業取值為0；Timet代表《綠色信貸指引》實施的時間虛擬變量，當t為2012年及其以后的年份時取值為1，為2012年以前的年份時取值為0；Xi,t表示企業一系列的控制變量；μi代表個體固定效應；δt代表時間固定效應；εi,t為隨機擾動項。4、平行趨勢檢驗及PSM—DID平行趨勢假設又稱共同趨勢假設，是雙重差分法最基本的假設（黎文靖、鄭曼妮，2016）[59]。其要求在未受到干預或沖擊前，實驗組與控制組的平均結果隨時間變動趨勢相同。因此在本文中要求在《指引》實施前，高耗能行業企業與其它工業企業之間綠色發明專利申請情況基本保持一致的時間趨勢。從圖5-1可以看出，《指引》實施前，高耗能行業企業綠色創新與其它工業企業綠色創新的變化趨勢基本相同，但《指引》實施后，對高耗能行業企業綠色創新有明顯的抑制效果。《指引》的實施對高耗能行業企業綠色創新的基準回歸結果如表5-2列（1）所示，結果顯示Treati×Timet的系數在5%的置信水平下顯著為負，說明《指引》在實施后，與其它工業企業相比，高耗能行業企業的綠色創新顯著下降7.5%。表5-2列（2）顯示PSM—DID結果，其回歸結果與列（1）無異，說明《指引》的實施抑制了高耗能行業企業的綠色創新，假設1成立。圖5-1工業企業綠色創新平行趨勢檢驗表5-2DID基準回歸結果與PSM—DID結果（1）（2）DIDPSM—DID變量GIGITreati

×Timet-0.0747**(-2.33)-0.0904***(-2.77)Size0.0361***(2.68)0.0378***(2.76)Lev0.1225**

(2.46)0.1347***(2.64)Roa0.0850(0.94)0.1094(1.19)Age0.0534(1.46)0.0463(1.25)Growth-0.0042(-1.19)-0.0065(-1.56)Constant-0.8474***(-2.81)-0.8796***(-2.84)企業固定效應是是年份固定效應是是N10,1048,980Numberofid842840R20.0600.060注：括號內為聚類到企業層面的穩健標準誤；*、**、***分別表示在10%、5%、1%的置信水平下顯著。下文同。（三）穩健性檢驗1、安慰劑檢驗為避免基準回歸結果受到不可觀測的遺漏變量的影響（黃煒等，2022）[60]，本文通過虛構實驗組的方式進行安慰劑檢驗。具體而言本文從樣本工業企業中隨機抽取441個作為實驗組，使得《指引》的實施對對企業綠色創新的影響變的隨機，并將這個過程重復進行500次，結果如圖5-2所示。圖5-2繪制了500次模擬實驗的系數估計值及對應的P值。由圖可知，絕大部分的系數估計值在0的附近分布，對應的P值也都不顯著。而本文基準回歸的系數估計值是-0.075（如圖中實線所示），P值也在5%的置信水平下顯著，圖示也只有小部分的隨機試驗結果顯著，因此本文研究結果在安慰劑檢驗中屬于小概率事件，證明了基準回歸結果的穩健性。圖5-2安慰劑檢驗2、更換因變量的度量方式為了證明基準回歸結果的穩定性，采用更換因變量的度量方式進行穩健性檢驗。參考李青原、肖澤華（2020）[61]的做法，使用（企業當年綠色專利獲得數+1）取自然對數作為企業綠色創新的替代變量進行檢驗，用GR表示。基準回歸結果如表5-3所示，列（1）Treati×Timet的系數在1%的水平下都顯著為負，與上文的基準分析結論一致，證明了《指引》的實施抑制了高耗能行業企業綠色創新回歸結果的穩健性。表5-3DID穩健性檢驗（替代因變量）（1）變量GRTreati

×Timet-0.0710***(-3.20)Size0.0200**

(2.01)Lev0.1161***(3.26)Roa-0.0849(-1.43)Age0.0544*

(1.93)Growth-0.0036(-1.39)Constant-0.5432**(-2.44)企業固定效應是年份固定效應是N10,104Numberofid842R20.056（四）異質性分析1、《指引》的實施對不同所有權高耗能行業企業綠色創新影響的估計分析在面對信貸融資時，國有企業和非國有企業所遭受的歧視程度不同。商業銀行等銀行金融機構的經營原則是要保證在銀行資產負債安全性與流動性的前提下，最大可能的去實現盈利性，并且商業銀行的風險承擔水平與盈利能力有著長期的負相關關系（王鋒、葛星，2022）[62]。因此相比于非國有企業，商業銀行更愿意把資金貸給資金財力雄厚，經營風險低、收益穩定的國有企業。基于此，本文進一步考察《指引》的實施是否會受到高耗能行業企業所有權性質的不同而對企業綠色創新效果造成不同的影響，因此將高耗能行業企業分為國有和非國有。結果如表5-4列（1）和列（2）所示，可以發現，《指引》的實施對非國有高耗能行業企業的影響效果在5%的置信水平下顯著為負，說明《指引》在實施后，與其它非國有工業企業相比，非國有高耗能行業企業的綠色創新顯著下降10.2%，而《指引》的實施對國有高耗能行業企業的影響效果不顯著。可能的原因就是非國有高耗能行業企業面臨商業銀行等銀行機構更大的信貸融資約束，沒有充足的資金能夠支撐起企業的綠色創新活動。2、《指引》的實施對不同規模高耗能行業企業綠色創新影響的估計分析不同規模的企業在資源占有量、信息敏感度、決策靈活性方面都存在明顯差異,具體表現為企業創新方式、組織特征、市場力量的不同（王孝松、張瑜，2021）[63]。基于此，本文進一步考察《指引》的實施是否會受到高耗能行業企業規模的不同而對企業綠色創新效果造成不同的影響，因此根據2011年樣本企業總資產的中位數，將高耗能行業企業分為大規模和小規模。結果如表5-4列（3）和列（4）所示，可以發現，《指引》的實施對大規模高耗能行業企業的影響效果在5%的置信水平下顯著為負，說明《指引》在實施后，與其它大規模工業企業相比，大規模高耗能行業企業的綠色創新顯著下降14.3%，而《指引》的實施對小規模高耗能行業企業的影響效果不顯著。可能的原因是大規模企業缺乏靈活性，企業進行技術創新的效率低，使企業規模與創新無關甚至負相關（高良謀、李宇，2009）[64]。另外只有面臨激烈的市場環境時，企業為了生存才會考慮增大投資研發，提升創新水平和效率。因此，相比于小規模高耗能行業企業，大規模高耗能行業企業在經營方向、技術等方面的調整更為困難，從獲取信息到投入運營流程繁瑣，對市場的敏感度低，并且企業規模越大，其壟斷程度和市場力量就越高，在面對高額的壟斷利潤以及較少的潛在競爭者，只會讓企業不求進取,缺乏創新動力。3、《指引》的實施對不同地區高耗能行業企業綠色創新影響的估計分析企業所處地區不同，所擁有的資源條件也存在差異。東部地區無論是在經濟發展，還是金融環境來說都比中西部地區更為發達。基于此，本文進一步考察《指引》的實施是否會受到高耗能行業企業所處地區的不同而對企業綠色創新效果造成不同的影響，因此將工業企業所處地區劃分為東部和中西部。結果如表5-4列（5）和列（6）所示，可以發現，《指引》的實施對中西部地區高耗能行業企業的影響效果在10%的置信水平下顯著為負，說明《指引》在實施后，與中西部地區的其它的工業企業相比，高耗能行業企業的綠色創新顯著下降8.62%，而《指引》的實施對東部地區高耗能行業企業的影響效果不顯著。可能的原因是中西部地區經濟相對東部地區來說更為落后，銀行業金融機構資源和資金方面更少。因此對中西部地區的高耗能行業企業造成的信貸約束程度更大，從而抑制了企業的綠色創新。表5-4異質性分析（1）（2）（3）（4）（5）（6）國有非國有大規模小規模東部中西部變量GIGIGIGIGIGITreati

×Timet-0.0686(-1.48)-0.1015**

(-2.43)-0.1425**

(-2.40)-0.0420(-1.46)-0.0646(-1.50)-0.0862*(-1.78)Size0.0459**

(2.30)0.0358*

(1.87)0.0827***

(2.74)0.0130(1.05)0.0421**

(2.00)0.0304*

(1.86)Lev0.1008(1.33)0.0908(1.39)0.0448(0.41)0.1013**

(2.02)0.1042(1.32)0.1453**

(2.45)Roa0.0454(0.32)0.1048(0.96)0.2597(1.23)0.0607(0.93)0.1308(0.88)0.0435(0.44)Age0.0772(1.17)0.0733(1.64)0.1498*

(1.76)0.0598**

(2.07)0.0738(1.58)0.0123(0.22)Growth-0.0077(-1.59)-0.0037(-0.69)-0.0017(-0.20)-0.0022(-0.81)-0.0053(-1.11)-0.0031(-0.54)Constant-1.0905**(-2.42)-0.8539**(-2.00)-2.0285***(-3.01)-0.3702(-1.27)-0.9698**(-2.10)-0.7093*(-1.88)企業固定效應是是是是是是年份固定效應是是是是是是N6,0844,0205,0525,0525,9164,188Numberofid507335421421493349R20.0740.0490.0970.0330.0600.064（五）機制分析1、模型設定為考察《指引》的實施對高耗能行業企業綠色創新的具體影響機制，本文基于雙重差分模型，借鑒已有文獻中常用的三重差分模型進行機制檢驗（錢雪松等，2019）[65]，具體模型設定如下：GIi,t=α+β1Treati×Timet+β2Treati×Timet×Φi,t+β3Treati×Φi,t+β4Timet×Φi,t+β5Φi,t+θXi,t+μi+δt+εi,t其中Φi,t代表機制變量，在本文中從研發投入（RD）和融資成本(Cost)兩個方面來探究《指引》的實施對高耗能行業企業綠色創新的具體影響機制。RD為上市工業企業研發投入取對數獲得，Cost參考連莉莉（2015）[66]選取上市工業企業財務費用與負債總額的比值獲得，數據來源于國泰安數據庫（CSMAR），其余變量與上文相同。在機制檢驗中，主要關注Treati×Timet×Φi,t這三次交互項的系數β2。2、工業企業研發投入的機制效應分析《指引》的實施使高耗能企業的新增貸款顯著減少，從而導致高耗能企業可自由支配的現金流減少，企業為了維持正常的經營活動，會主動減少研發投入，即擠占企業的研發投入資金，最終因缺乏創新投入導致對企業的綠色創新活動產生抑制作用。基于此，本文以上市工業企業研發投入的對數取值作為衡量企業研發投入的指標，研究《指引》的實施對高耗能行業企業綠色創新影響的機制效應。結果如表5-5列（1）所示，列（1）中Treati×Timet×RDi,t的系數在5%的置信水平下顯著為負，表明《指引》的實施會使高耗能企業通過主動減少研發投入，從而抑制了高耗能行業企業的綠色創新，假設2成立。3、工業企業融資成本的機制效應分析《指引》的實施使銀行業金融機構對環保企業或綠色項目提供信貸支持或降低貸款利率，限制高耗能行業企業的資金獲取或提高貸款利率。因此降低了環保企業的融資成本，提高了高耗能企業的融資成本，從而使高耗能企業面臨更強的信貸約束，沒有充足的資金進行綠色技術創新活動。基于此，本文以上市工業企業財務費用與負債總額的比值作為衡量企業融資成本的指標，研究《指引》的實施對高耗能行業企業綠色創新影響的機制效應。結果如表5-5列（2）所示，列（2）中Treati×Timet×Costi,t系數在1%的置信水平下顯著為正，表明《指引》的實施會通過提高高耗能企業的融資成本，從而抑制了高耗能行業企業的綠色創新，假設3成立。表5-5機制分析（1）（2）研發投入融資成本變量GIGITreati

×Timet1.1366**(2.25)-0.1064***

(-2.83)Treati

×Timet×RDi,t-0.0677**(-2.25)Treati×RDi,t0.0064(0.29)Timet×RDi,t0.1079***(4.20)RD-0.0258(-1.30)Treati

×Timet

×Costi,t2.1613***(3.34)Treati

×Costi,t-0.0806(-0.48)Timet×Costi,t-2.1840***

(-3.74)Cost1.8020***(4.28)Size0.0106(0.47)0.0335**

(2.50)Lev0.0783(1.11)0.0897*

(1.80)Roa0.1916(1.31)0.1065(1.17)Age0.0077(0.15)0.0540(1.50)Growth-0.0068(-0.92)-0.0044(-1.21)Constant0.1713(0.34)-0.8235***(-2.74)企業固定效應是是年份固定效應是是N6,47110,100Numberofid796842R20.0690.065（六）結論第一，《指引》的實施抑制了高耗能行業企業的綠色創新，并且經過平行趨勢檢驗、PSM—DID以及更換樣本區間的穩健性檢驗后，結論依然成立。第二，異質性分析表明《指引》的實施對高耗能行業企業綠色創新的抑制作用在不同企業特征下表現出異質性：首先，非國有高耗能行業企業相比于國有高耗能行業企業而言，其會受到商業銀行等銀行機構更大的信貸融資約束，沒有充足的資金能夠支撐起企業的綠色創新活動，因此《指引》的實施抑制了非國有高耗能行業企業的綠色創新。其次，大規模高耗能行業企業相比于小規模高耗能行業企業而言，靈活性低，市場的敏感度低，并且大規模企業在市場上處于頭部地位，壟斷程度高，缺乏創新動力，因此《指引》的實施抑制了大規模高耗能行業企業的綠色創新。再次，中西部地區高耗能行業企業相比于東部地區高耗能行業企業而言，所在地區的銀行業金融機構資源和資金更少，對高耗能行業企業造成的信貸約束程度更大，因此《指引》的實施抑制了中西部地區高耗能行業企業的綠色創新。第三，機制分析表明《指引》的實施會使銀行業金融機構實行差異化的貸款政策，增加對環保企業的信貸支持或降低貸款利率，限制高耗能企業的資金獲取或提高貸款利率，使高耗能行業企業減少了研發投入，提高了對高耗能行業企業的融資成本，從而抑制了對高耗能行業企業的綠色創新。六、碳排放權交易政策的影響機制和作用效果21世紀以來隨著經濟全球化水平的不斷加深，溫室氣體過度排放所導致的氣候變化已成為人類面臨的最大威脅，我國作為全球最大的能源消耗國，因此在應對氣候變化和綠色低碳發展等方面面臨著更大的挑戰。碳排放權交易（以下簡稱“碳交易”）市場是國際社會應對氣候變化的重要工具，在環境治理和經濟綠色發展中發揮著關鍵作用。隨著我國“雙碳”目標的提出，碳交易在我國經