楊琴 楊世峰

摘?要：本文以銀監(jiān)會2012年發(fā)布的《綠色信貸指引》為基礎(chǔ)，運用SBM方向距離函數(shù)和GML指數(shù)評估了2010—2019年我國上市公司的綠色全要素生產(chǎn)率，并通過雙重差分法（DID）探究了綠色信貸政策對我國上市公司重度污染企業(yè)綠色全要素生產(chǎn)率的影響。結(jié)果表明，綠色信貸政策對提高重污染企業(yè)的綠色效率有積極作用，但同時對重污染企業(yè)的綠色技術(shù)進步率產(chǎn)生顯著負面影響，最終導致了重污染企業(yè)的綠色全要素生產(chǎn)率顯著下降。進一步對企業(yè)股權(quán)性質(zhì)和地區(qū)經(jīng)濟發(fā)展水平進行分組研究后發(fā)現(xiàn)，非國有企業(yè)和位于東部地區(qū)的企業(yè)受到綠色信貸政策影響的程度更大。

關(guān)鍵詞：綠色信貸政策；綠色全要素生產(chǎn)率；雙重差分法；綠色金融

一、?引言

近年來，全球范圍內(nèi)的環(huán)境污染日益嚴重，成為制約可持續(xù)發(fā)展的重要因素。尤其在我國，長期大規(guī)模工業(yè)化和城市化進程中未能有效控制污染物排放，導致許多地區(qū)空氣、水、土壤等環(huán)境污染嚴重，不僅影響人民生活，也給經(jīng)濟發(fā)展帶來負面影響。為了應(yīng)對環(huán)境問題，政府采取了一系列政策措施，其中綠色信貸政策作為一種環(huán)境金融工具被廣泛關(guān)注和采用。綠色信貸政策是指通過鼓勵和引導金融機構(gòu)向符合環(huán)保標準的企業(yè)提供低利率、優(yōu)惠抵押等金融服務(wù)，以促進綠色經(jīng)濟發(fā)展和環(huán)境治理。因此，深入研究綠色信貸政策對于企業(yè)的綠色全要素生產(chǎn)率的影響，對于加強環(huán)境治理、促進綠色經(jīng)濟發(fā)展、實現(xiàn)可持續(xù)發(fā)展具有重要的理論和實踐意義。此外，研究結(jié)果可以為政府部門提供決策參考，優(yōu)化綠色金融政策，加強金融機構(gòu)對環(huán)保企業(yè)的支持，推動可持續(xù)發(fā)展。

目前大部分研究集中在探討綠色信貸政策的實施途徑、綠色信貸政策實施效應(yīng)以及綠色信貸政策的實施對企業(yè)投融資行為、企業(yè)綠色創(chuàng)新以及企業(yè)資源配置等的影響。綠色全要素生產(chǎn)率的提升是促進經(jīng)濟綠色發(fā)展的重要途徑，卻鮮有文獻研究綠色信貸政策對企業(yè)綠色全要素生產(chǎn)率的影響。鑒于此，本文以《綠色信貸指引》政策的頒布作為一個準自然實驗，以2010—2019年我國上市公司的數(shù)據(jù)為樣本，運用雙重差分方法，旨在探究綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響，并為進一步優(yōu)化綠色金融改革路徑提供理論依據(jù)和實證數(shù)據(jù)支持。

二、文獻綜述

（一）綠色全要素生產(chǎn)率的測算和影響因素

第一，綠色全要素生產(chǎn)率的測算。測算綠色全要素生產(chǎn)率可以采用多種方法，包括代數(shù)指數(shù)法、索羅余值法、隨機前沿生產(chǎn)函數(shù)法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）。目前，眾多學者運用數(shù)據(jù)包絡(luò)分析法測算綠色全要素生產(chǎn)率，Banker等（1984）最先提出了數(shù)據(jù)包絡(luò)分析法，結(jié)合DEA和Malmquist指數(shù)，可以將綠色全要素生產(chǎn)率分解為綠色效率和綠色技術(shù)進步率。因此，可以從綠色效率和綠色技術(shù)進步率這兩個方面來解釋企業(yè)綠色全要素生產(chǎn)率的提高途徑。陳超凡（2016）利用方向性距離函數(shù)和ML生產(chǎn)率指數(shù)的方法測算工業(yè)綠色全要素生產(chǎn)率，方法是基于假設(shè)基期的綠色全要素生產(chǎn)率為1，然后通過計算每一年的Malmquist指數(shù)，將其乘以基期的綠色全要素生產(chǎn)率的值，以此推導出每一期的綠色全要素生產(chǎn)率。蔡烏趕和周小亮（2017）、劉和旺和左文婷（2016）分別運用EBM-DDF模型、SBM（Slacked-Based?Measure）方向距離函數(shù)結(jié)合ML指數(shù)，計算并分析了中國省級綠色全要素生產(chǎn)率。馮嚴超等（2021）采用SBM模型結(jié)合ML指數(shù)的方法，對中國各?。ㄗ灾螀^(qū)、直轄市）的綠色全要素生產(chǎn)率進行了測量和分析。孫冬營等（2021）則利用非期望產(chǎn)出的SBM模型，測量了長三角城市群中26個工業(yè)企業(yè)在2009—2018年的綠色全要素生產(chǎn)率。劉傳江等（2022）使用SBM-GML指數(shù)模型，對中國39個工業(yè)行業(yè)在2003—2018年的綠色全要素生產(chǎn)率進行了測算，并將其分解為綠色技術(shù)進步率和綠色效率兩個指標。第二，綠色全要素生產(chǎn)率的影響因素。佘碩等（2020）通過對中國地級市的綠色全要素生產(chǎn)率進行探究，發(fā)現(xiàn)該指標受到技術(shù)創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)的影響。萬倫來和朱琴（2013）基于我國工業(yè)1999—2010年的數(shù)據(jù)研究發(fā)現(xiàn)，研發(fā)投入顯著提升了企業(yè)的綠色全要素生產(chǎn)率。陳超凡（2016）研究發(fā)現(xiàn)技術(shù)水平、產(chǎn)權(quán)結(jié)構(gòu)、環(huán)境規(guī)制和外商投資會顯著影響工業(yè)綠色全要素生產(chǎn)率。尹子擘等（2021）的研究表明，綠色金融的發(fā)展水平對綠色全要素生產(chǎn)率有顯著影響。周曉輝等（2021）、程文先和錢學鋒（2021）的研究表明，數(shù)字經(jīng)濟的發(fā)展可以提高綠色全要素生產(chǎn)率。蘇科和周超（2021）的研究則使用長江經(jīng)濟帶103個城市的面板數(shù)據(jù)，發(fā)現(xiàn)人力資本和科技創(chuàng)新對綠色全要素生產(chǎn)率有顯著的正向影響。

中國證券期貨2023年8月

第4期綠色信貸政策提升重污染企業(yè)綠色全要素生產(chǎn)率了嗎？

（二）綠色信貸政策實施效應(yīng)

研究綠色信貸政策實施效果的角度有兩個。第一個方面是從銀行角度出發(fā)，King和Levine（1993）以及Cilliers等（2012）的研究表明，實施綠色信貸政策不僅能夠促進商業(yè)銀行的競爭力和綠色可持續(xù)發(fā)展，而且還能提高商業(yè)銀行的經(jīng)營績效。通過設(shè)置綠色信貸門檻，有效降低了商業(yè)銀行的貸款風險。也有學者表示綠色信貸政策的實施會抑制商業(yè)銀行的發(fā)展，增加商業(yè)銀行的業(yè)務(wù)成本和管理費用，進而降低商業(yè)銀行的經(jīng)營績效，從而抑制銀行發(fā)展（胡榮才等，2016）。第二個方面是從企業(yè)角度出發(fā)，有一些學者認為綠色信貸政策的實施可以促進重污染企業(yè)的發(fā)展。例如，Cowan（1998）認為，通過完善金融資源，綠色信貸政策能夠降低環(huán)保型企業(yè)的融資成本，從而促進企業(yè)技術(shù)創(chuàng)新，改善生態(tài)環(huán)境。然而，大多數(shù)學者認為綠色信貸政策的實施會抑制重污染企業(yè)的發(fā)展，如劉海英（2017）、王康仕等（2019）和王保輝（2019）研究表明，綠色信貸政策加大了污染性企業(yè)借款的難度，綠色信貸政策的實施會對高污染、高耗能企業(yè)的融資造成限制，使得這些企業(yè)籌集資金更加困難和昂貴。丁杰（2019）的研究表明，這種限制會降低重污染企業(yè)的資金分配效率，從而阻礙其技術(shù)創(chuàng)新的提升。蘇冬蔚和連莉莉（2018）、陳幸幸等（2019）以及陳琪（2019）使用DID模型進行實證檢驗，發(fā)現(xiàn)綠色信貸政策的實施對重污染企業(yè)造成了一定程度的信貸約束，并影響企業(yè)投資決策和商業(yè)信用，進一步惡化了高耗能、高污染企業(yè)的經(jīng)營狀況。

目前，大多數(shù)研究集中在探討綠色信貸政策的實施方法、效果以及對企業(yè)投融資行為、綠色創(chuàng)新和資源配置的影響等方面。但是，提高綠色全要素生產(chǎn)率是促進經(jīng)濟綠色發(fā)展的重要途徑，卻鮮有文獻研究綠色信貸政策對企業(yè)綠色全要素生產(chǎn)率的影響。因此，本文旨在探究綠色信貸政策對重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生的影響。為了實現(xiàn)這一目標，我們將以《綠色信貸指引》政策的頒布為準自然實驗，采用2010—2019年我國上市公司數(shù)據(jù)進行雙重差分分析。研究的目的是為綠色金融改革路徑的優(yōu)化提供理論依據(jù)和數(shù)據(jù)支持。

三、理論分析與研究假設(shè)

（一）綠色信貸政策與重污染企業(yè)綠色全要素生產(chǎn)率

綠色全要素生產(chǎn)率（GTFP）可以分解為綠色技術(shù)進步率（GTC）和綠色效率（GEC）。綠色信貸政策通過影響綠色技術(shù)進步率和綠色效率進而影響綠色全要素生產(chǎn)率。

1綠色信貸政策對重污染企業(yè)綠色技術(shù)進步率的影響

第一，綠色信貸政策通過信貸約束效應(yīng)降低重污染企業(yè)的綠色技術(shù)進步率，根據(jù)蘇冬蔚和連莉莉（2018）、丁杰（2019）以及張小可和葛晶（2021）的研究，綠色信貸政策的實施對重污染企業(yè)獲得信貸融資的難度造成了影響，主要是由于該政策改變了信貸來源。丁杰和胡蓉（2020）的研究進一步發(fā)現(xiàn)，該政策限制了重污染企業(yè)的信貸融資能力，尤其對長期信貸融資的抑制效果更為明顯。第二，綠色信貸政策通過成本效應(yīng)降低了重污染企業(yè)的綠色技術(shù)進步率，綠色信貸政策要求銀行在給重污染企業(yè)進行綠色信貸時將企業(yè)的環(huán)境保護情況作為準入門檻，因此，為了能夠獲得綠色信貸，企業(yè)將會投入更多的資源用于減少污染物的排放，減少企業(yè)用于創(chuàng)新研發(fā)的資金（陸菁等，2021）；同樣，蔡海靜和周施（2022）也發(fā)現(xiàn)在綠色信貸政策下，商業(yè)銀行將企業(yè)環(huán)保狀況作為審批貸款的必備條件之一，通過高貸款成本和高貸款門檻等條件抑制信貸資源向“兩高”企業(yè)流動，從而形成融資約束，阻礙其發(fā)展。第三，綠色信貸政策通過信息傳遞效應(yīng)降低重污染企業(yè)的綠色技術(shù)進步率，根據(jù)于波（2021）的研究，綠色信貸政策具有信息傳遞效應(yīng)，銀行在做出決策時會綜合考慮企業(yè)的環(huán)境風險和持續(xù)經(jīng)營風險，從而減少了對重污染企業(yè)的商業(yè)信用供應(yīng)。這導致了這些企業(yè)在綠色技術(shù)創(chuàng)新方面的進步率降低?；谏鲜龇治觯疚奶岢鲅芯考僭O(shè)1。

假設(shè)1：綠色信貸政策的實施會降低重污染企業(yè)的綠色技術(shù)進步率。

2綠色信貸政策對重污染企業(yè)綠色效率的影響

綠色信貸政策通過市場選擇效應(yīng)、市場份額效應(yīng)和企業(yè)金融資源配置效應(yīng)的作用，對企業(yè)資源配置效率產(chǎn)生影響，從而影響綠色效率。第一，綠色信貸政策通過市場選擇效應(yīng)提高重污染企業(yè)的綠色效率，宋馬林和金培振（2016）認為由環(huán)境污染的負外部性造成的排污、治污的成本由整個社會承擔，這樣企業(yè)變相降低了生產(chǎn)成本。生產(chǎn)率越低的企業(yè)承擔的社會責任越少，越可能以較低成本獲得更多的市場生存機會。第二，綠色信貸政策通過市場份額效應(yīng)提高了重污染企業(yè)的綠色效率，張小可和葛晶（2021）提出，綠色信貸政策是一種重要的實施主體，其作用主要有兩種方式：首先，該政策緩解了那些盡管盈利高但受信貸歧視的企業(yè)的信貸約束，讓它們獲得更多信貸支持；其次，銀行在履行債權(quán)人監(jiān)督職責的同時，對企業(yè)的資源使用和運營情況進行更嚴格的監(jiān)督，從而促進高生產(chǎn)率企業(yè)擴大市場份額，提高資源配置效率。總體而言，綠色信貸政策發(fā)揮著至關(guān)重要的作用。第三，綠色信貸政策通過企業(yè)金融資源的配置效應(yīng)提高重污染企業(yè)的綠色效率，王艷麗等（2021）基于企業(yè)金融資源配置視角，發(fā)現(xiàn)綠色信貸政策有助于提高重污染企業(yè)的投資效率，進而提高重污染企業(yè)的綠色效率?；谏鲜龇治觯疚奶岢鲅芯考僭O(shè)2。

假設(shè)2：綠色信貸政策會提高重污染企業(yè)的綠色效率。

3綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響

綠色信貸政策對重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生了相反的影響：一方面，該政策通過信貸約束效應(yīng)、成本效應(yīng)和信息傳遞效應(yīng)降低了這些企業(yè)的綠色技術(shù)進步率；另一方面，綠色信貸政策通過市場選擇效應(yīng)、市場份額效應(yīng)和企業(yè)金融資源配置效應(yīng)提高了重污染企業(yè)的綠色效率?；谏鲜龇治?，本文提出以下兩個不同的研究假設(shè)3。

假設(shè)3a：假設(shè)綠色信貸政策對綠色技術(shù)進步率的負面影響超過對綠色效率的正面影響，則該政策將對重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生正面影響。

假設(shè)3b：假設(shè)綠色信貸政策對綠色技術(shù)進步率的負面影響低于對綠色效率的正面影響，則該政策將對重污染企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生正面影響。

（二）不同所有權(quán)性質(zhì)下的理論分析和研究假設(shè)

我國國有企業(yè)與非國有企業(yè)在多個方面存在明顯的差異。因此在分析我國企業(yè)問題時必須考慮企業(yè)所有權(quán)性質(zhì)，具體到信貸市場上，國有企業(yè)往往比非國有企業(yè)更具“貸款優(yōu)勢”。一方面，國有企業(yè)通常享有政府補貼、政策性融資等政策的支持（李廣子等，2009），因此國有企業(yè)在向商業(yè)銀行等金融機構(gòu)獲取信貸資金時，往往享有更低的貸款利率，而與之相比，非國有企業(yè)往往自身企業(yè)規(guī)模較小，還款能力較弱，同時缺乏政策的支持，所以在向金融機構(gòu)貸款時會受到一定程度的限制。另一方面，我國當前大多數(shù)商業(yè)銀行都屬于國有企業(yè)，在對企業(yè)進行貸款審核時，往往會存在所謂的“所有制歧視”，即當兩家企業(yè)其他情況都相同，而其中一家為國有企業(yè)，另一家為非國有企業(yè)時，商業(yè)銀行往往更偏好于將貸款發(fā)放給國有企業(yè)（張杰等，2013），這進一步提高了非國有企業(yè)的貸款和成本。綠色信貸政策實施后，將進一步惡化重污染企業(yè)的信貸環(huán)境?；谏鲜龇治?，本文提出研究假設(shè)4。

假設(shè)?4：與國有重污染企業(yè)相比，綠色信貸政策對非國有重污染企業(yè)的影響更明顯。

（三）不同地區(qū)發(fā)展水平下的理論分析和研究假設(shè)

自改革開放以來，我國經(jīng)濟實現(xiàn)了高速增長，并取得了眾多引人注目的成就。但與此同時，東部、中部和西部地區(qū)間的經(jīng)濟差距快速擴大，區(qū)域經(jīng)濟發(fā)展模式的極度不平衡越來越成為束縛我國經(jīng)濟高質(zhì)量發(fā)展的重要癥結(jié)。由于區(qū)域經(jīng)濟發(fā)展的不平衡，東部、中部和西部地區(qū)在市場環(huán)境、法治環(huán)境以及資源配置等方面存在著顯著差異。通常情況下，經(jīng)濟發(fā)展水平較高的地區(qū)在資源配置效率方面表現(xiàn)更出色，因此綠色信貸政策的實施也更加容易推廣。一方面，東部地區(qū)作為我國經(jīng)濟發(fā)展的重要支撐，整體的發(fā)展水平和資本優(yōu)勢明顯優(yōu)于中西部地區(qū)，金融政策體系較為完善，因此綠色信貸政策的實施工作在東部地區(qū)將更容易開展；另一方面，由于中西部地區(qū)開發(fā)時間較晚，以及其地理位置和環(huán)境資源等原因，我國更多的化工企業(yè)選擇在東部地區(qū)落戶發(fā)展，這就造成了東部地區(qū)重污染企業(yè)數(shù)目多、污染物排放量大的問題。基于以上分析，本文提出研究假設(shè)5。

假設(shè)5：2012?年《綠色信貸指引》頒布后，相較于中西部地區(qū)，東部地區(qū)重污染企業(yè)受到的影響更明顯。

四、實證研究設(shè)計

（一）數(shù)據(jù)來源與樣本選擇

本文以我國2010年至2019年上市公司為研究對象，探究基于《綠色信貸指引》的綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響。在數(shù)據(jù)篩選方面，根據(jù)國家環(huán)境保護部于2010年發(fā)布的《上市公司環(huán)境信息披露指南》和中國證券監(jiān)督管理委員會于2012年修訂的《上市公司行業(yè)分類指引》，將16個行業(yè)中的煤炭開采和洗選業(yè)、石油和天然氣開采業(yè)等定義為重污染企業(yè)，其余為非重污染企業(yè)。同時，剔除了2010—2019年的ST、*ST公司和在2010年后上市的公司，并移除固定資產(chǎn)凈額、員工數(shù)目、購買商品及接受勞務(wù)支付的現(xiàn)金、碳排放量和營業(yè)收入數(shù)據(jù)缺失的公司，以確保數(shù)據(jù)的有效性。最終，共有1380個觀測值，其中710個為重污染企業(yè)觀測值，670個為非重污染企業(yè)觀測值。本文所采用的企業(yè)數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫（CSMAR）和萬得數(shù)據(jù)庫（WIND）。

（二）計量模型構(gòu)建

為探究綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響，本文借鑒蘇冬蔚和連莉莉（2018）的研究，采用雙重差分DID模型進行估計。通過雙重差分模型，本文旨在分析綠色信貸政策的實施對重污染企業(yè)綠色全要素生產(chǎn)率的影響效果。該模型可有效地避免內(nèi)生性問題，并通過將樣本分為實驗組和對照組，研究實施和不實施政策情況下變量的變化，來評估政策實施的效果。雙重差分模型最重要的適用條件是如果沒有外生政策的沖擊，實驗組和對照組的研究變量變化應(yīng)該是相同的，即滿足共同趨勢假設(shè)。在沒有實施綠色信貸時，所有企業(yè)都只能通過傳統(tǒng)信貸模式獲取貸款，而實施綠色信貸政策后，金融機構(gòu)會將企業(yè)生產(chǎn)的環(huán)境狀況納入貸款審核的重要標準。與非重污染企業(yè)相比，重污染企業(yè)由于其高消耗、高污染、高排放的生產(chǎn)模式，勢必會受到更加嚴厲的貸款限制。故本文將重污染企業(yè)定義為實驗組，非重污染企業(yè)定義為對照組，以2012年《綠色信貸指引》政策為準自然實驗，構(gòu)建雙重差分模型，分析綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響。具體模型設(shè)定如下：

這個方程式包含了多個變量，其中，i代表企業(yè)，t代表年份，Yit代表i企業(yè)第t年的GTFP、GTC、GEC；Treatedi為組別虛擬變量，用于區(qū)分實驗組企業(yè)和對照組企業(yè)，如果是實驗組企業(yè)，則取值為1，否則為0；Timet為政策虛擬變量，用于區(qū)分2012年以前和2012年及以后的數(shù)據(jù)。如果是2012年及以后的數(shù)據(jù)，則取值為1，否則為0；Treatedi*Timet為雙重差分變量；Xit包括多個企業(yè)層面的控制變量；δi為個體固定效應(yīng)；λt為時間固定效應(yīng)；εit為隨機擾動項。

（三）變量選取

1被解釋變量

本文的被解釋變量是綠色全要素生產(chǎn)率、綠色技術(shù)進步率和綠色效率。本文參考劉傳江等（2022）的做法，利用SBM方向距離函數(shù)和GML指數(shù)模型測算企業(yè)的綠色全要素生產(chǎn)率。以2010年為基期，利用后一年的GML指數(shù)乘以前一年的GML，以此類推得到2010—2019年企業(yè)的綠色全要素生產(chǎn)率，并將GML指數(shù)進一步分解為GTC和GEC。這里所提到的指標包括投入指標、期望產(chǎn)出和非期望產(chǎn)出三個方面。其中，投入指標由勞動力投入、資本投入和中間投入三個二級指標組成，分別測量企業(yè)年末在職職工人數(shù)、固定資產(chǎn)凈額和購買商品、接受勞務(wù)支付的現(xiàn)金。期望產(chǎn)出是指企業(yè)的營業(yè)收入，非期望產(chǎn)出則是用排污費來測量。

2解釋變量

政策虛擬變量（Time）：本文選擇2012年銀監(jiān)會頒布的《綠色信貸指引》作為切入點，構(gòu)建雙重差分模型。政策虛擬變量在2010—2011年取值為0，2012—2019年取值為1。

組別虛擬變量（Treated）：由于綠色信貸政策的實施，金融機構(gòu)將更加關(guān)注貸款企業(yè)及其關(guān)聯(lián)方對環(huán)境和社會造成的潛在影響，這可能會對重污染企業(yè)的融資和經(jīng)營發(fā)展產(chǎn)生顯著影響，而對其他非重污染企業(yè)的影響相對較小。鑒于此，本文采用蘇冬蔚和連莉莉（2018）、丁杰（2019）的研究方法，將重污染企業(yè)定義為實驗組（Treated=1），非重污染企業(yè)定義為對照組（Treated=0）。

雙重差分變量DID（Treated*Time）：該變量為本文的核心解釋變量，是政策虛擬變量與實驗組虛擬變量的交互項，用來衡量綠色信貸政策對企業(yè)綠色全要素生產(chǎn)率的影響。

3控制變量

借鑒以往文獻，本文控制變量包括資產(chǎn)總利潤率、托賓Q值、營運資金比率、資本密集度、投入資本回報率、企業(yè)規(guī)模、股權(quán)集中度、企業(yè)成長能力。各變量的定義如表1所示。

五、實證結(jié)果分析

（一）變量的描述性統(tǒng)計

表2為本文主要變量的描述性統(tǒng)計結(jié)果。如表2所示，企業(yè)綠色全要素生產(chǎn)率的標準差為0601，最小值和最大值分別為?0108和1418，均值為?1122；企業(yè)綠色技術(shù)進步率的標準差為0506，最小值和最大值分別為0119和6985，均值為1083；企業(yè)綠色效率的標準差為0506，最小值和最大值分別為0222和4497，均值為1142。上述分析說明了在樣本期內(nèi)，企業(yè)間綠色效率差異較大，這可能與不同的行業(yè)特征有關(guān)。

除資產(chǎn)總利潤率、營運資金比率、投入資本回報率等幾個變量，大多變量的標準差均小于均值，表明離散系數(shù)相對較小，數(shù)據(jù)穩(wěn)定性較好。

（二）平行趨勢的經(jīng)驗觀察

本文的研究對象包括處理組和對照組兩部分，旨在比較政策前后處理組和對照組的綠色全要素生產(chǎn)率的整體變化趨勢。如圖1所示，可以發(fā)現(xiàn)在綠色信貸政策出臺之前（2012年前），重污染企業(yè)的GTFP顯著高于非重污染企業(yè)的GTFP。因此可以說，在政策出臺之前重污染企業(yè)具有更高的GTFP。而在2012年《綠色信貸指引》頒布后，實驗組的綠色全要素生產(chǎn)率逐漸下降，對照組綠色全要素生產(chǎn)率卻保持增長趨勢，并在2013年超過實驗組。二者之間的對比差異在一定程度上反映出?2012年《綠色信貸指引》政策在短期內(nèi)對實驗組企業(yè)綠色全要素生產(chǎn)率造成了負向影響。

圖1?平行趨勢檢驗

（三）基準回歸結(jié)果

表3為基準回歸結(jié)果，列（1）以綠色技術(shù)進步率GTC為被解釋變量，DID系數(shù)為-0352且在1%水平上顯著，說明了綠色信貸政策的實施會降低重污染企業(yè)的綠色技術(shù)進步率，即假設(shè)1得到驗證。列（2）以綠色效率GEC為被解釋變量，DID系數(shù)為?0177，且在1%水平上顯著，說明綠色信貸政策的實施提升了重污染企業(yè)的GEC，即假設(shè)2得到驗證。列（3）以綠色全要素生產(chǎn)率GTFP為被解釋變量，DID系數(shù)為-0155且在1%水平上顯著。此檢驗結(jié)果支持假設(shè)3a，表明在綠色信貸政策實施以后，重污染企業(yè)GTFP?明顯下降，這說明綠色信貸政策抑制了重污染企業(yè)的綠色發(fā)展。

（四）穩(wěn)健性檢驗

1更換測算模型

為準確刻畫重污染企業(yè)的綠色全要素生產(chǎn)率，本文參考陳琦（2021）的研究更換測算模型，將SBM-GML指數(shù)模型更換為CCR模型，重新測算重污染企業(yè)的綠色全要素生產(chǎn)率。表4為更換測算模型后綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響結(jié)果。

根據(jù)表4結(jié)果可知，在更換測算模型后GTC的DID系數(shù)為-0257且在1%水平上顯著，說明綠色信貸政策的實施會降低重污染企業(yè)的綠色技術(shù)進步率?；GEC的DID系數(shù)為?0075，且在5%水平上顯著，說明綠色信貸政策的實施會提高重污染企業(yè)的綠色效率；GTFP的DID系數(shù)為-0088且在10%水平上顯著，說明綠色信貸政策的實施會降低重污染企業(yè)的綠色全要素生產(chǎn)率。以上結(jié)果與基準回歸結(jié)果一致，故認為基準回歸結(jié)果基本可靠。

2更換計量模型

鑒于政策實施的對象是非隨機的，同時也為降低雙重差分模型存在的偏差和樣本選擇偏差，故本文進一步選擇PSM-DID模型進行穩(wěn)健性檢驗。借鑒劉曄等（2016）的研究，本文根據(jù)托賓Q值、營運資金比率、投入資本回報率、股權(quán)集中度、固定資產(chǎn)比率、資產(chǎn)負債率等識別企業(yè)特征匹配估計量，使用?Logit模型回歸估計傾向得分，進行?DID?回歸。相關(guān)回歸結(jié)果如表5所示。

表5展示了進行傾向性匹配后的數(shù)據(jù)平衡性檢驗結(jié)果。通過進行傾向性匹配得分，我們成功地達到了樣本平衡，因此所有變量的t統(tǒng)計量顯著降低。這表明傾向性匹配是一種有效的方法，可以用來提高研究的可信度和可靠性。因此，我們可以得出結(jié)論，傾向性匹配是合理和可靠的方法。

根據(jù)表6雙重差分回歸結(jié)果，經(jīng)過傾向匹配得分的樣本，綠色信貸政策的實施對重污染企業(yè)的綠色技術(shù)進步率產(chǎn)生了顯著的負面影響。具體來說，綠色信貸政策的DID系數(shù)為-0361，顯著水平為1%。這表明，該政策的實施降低了重污染企業(yè)的綠色技術(shù)進步率；GEC的DID系數(shù)為0190且在1%水平上顯著，說明綠色信貸政策的實施會提高重污染企業(yè)的綠色效率；GTFP的DID系數(shù)為-0118且在10%水平上顯著，說明綠色信貸政策的實施會降低重污染企業(yè)的綠色全要素生產(chǎn)率。以上結(jié)果與基準回歸結(jié)果一致，故認為基準回歸結(jié)果基本可靠。

3安慰劑檢驗

為了降低遺漏變量的影響，本文在基準回歸中考慮了企業(yè)規(guī)模、成長能力、股權(quán)集中度等多個可能影響企業(yè)綠色全要素生產(chǎn)率的因素。然而，即使這些因素被考慮在內(nèi)，仍然可能存在一些不可觀測的因素對估計結(jié)果產(chǎn)生影響。為了解決這個問題，本文借鑒了Chetty等（2009）和La?Ferrara?E等（2012）的研究，進行了安慰劑檢驗。這種方法可以進一步驗證研究結(jié)果的可靠性，確保研究結(jié)論的準確性。安慰劑檢驗的基本思路是使用一個不可能對結(jié)果產(chǎn)生影響的虛假變量替代交互項，并隨機分配處理組和控制組。為此，我們會隨機指定一個綠色信貸政策發(fā)生的時間，并在樣本企業(yè)中隨機選取一組作為處理組。然后重新估計模型，并計算錯誤的估計系數(shù)。如果這個估計系數(shù)不顯著，就說明即使存在不可觀測的因素，基準估計結(jié)果仍然是可靠的。具體來說，我們會在2010—2019年的所有年份中隨機產(chǎn)生一個綠色信貸政策發(fā)生的時間，以此產(chǎn)生一個錯誤的估計系數(shù)β＾r(nóng)andom，再將這個過程重復(fù)500次，產(chǎn)生?500個?β＾r(nóng)andom，這種方法可以有效地減輕遺漏變量的影響，同時進一步驗證研究結(jié)果的準確性。結(jié)果如圖2所示，經(jīng)過安慰劑檢驗后，我們發(fā)現(xiàn)估計系數(shù)β＾r(nóng)andom都集中在0附近并服從正態(tài)分布。這表明非觀測因素幾乎不會對估計結(jié)果產(chǎn)生重要影響，從而進一步驗證了基準回歸結(jié)果的穩(wěn)健性。因此，我們可以得出結(jié)論，研究結(jié)果是可靠和有效的。

圖2?安慰劑檢驗

（五）異質(zhì)性檢驗

根據(jù)前文分析，企業(yè)之間所有權(quán)性質(zhì)不同、所在地區(qū)不同等可能對綠色信貸影響重污染企業(yè)全要素生產(chǎn)率產(chǎn)生不同效果。所以本文在全樣本進行基準回歸之后，再次分別就企業(yè)所有權(quán)性質(zhì)、所處地區(qū)進行了異質(zhì)性分析，以此來探究綠色信貸政策對不同性質(zhì)的重污染企業(yè)綠色全要素生產(chǎn)率產(chǎn)生的影響。

1按所有權(quán)性質(zhì)分組回歸

在我國，國有企業(yè)與非國有企業(yè)在經(jīng)營環(huán)境上存在較大差異。具體到信貸市場上，國有企業(yè)比非國有企業(yè)更具融資優(yōu)勢，綠色信貸政策的實施可能進一步擴大國有企業(yè)和非國有企業(yè)在融資方面的差異，因此本文將樣本分為國有企業(yè)與非國有企業(yè)分別帶入基準模型進行回歸。結(jié)果如表7所示。

根據(jù)表7所示，我們可以看到國有企業(yè)雙重差分交互項DID的系數(shù)為-0132，且在10%的置信水平下顯著；而非國有企業(yè)雙重差分交互項DID的系數(shù)為-0239，且在5%的置信水平下顯著。這意味著綠色信貸政策的實施會抑制國有企業(yè)和非國有企業(yè)的綠色全要素生產(chǎn)率，但對于非國有企業(yè)來說，綠色信貸政策的抑制效果更加明顯。因此，我們可以得出結(jié)論，綠色信貸政策對企業(yè)的綠色全要素生產(chǎn)率產(chǎn)生了負面影響，并且非國有企業(yè)受到的影響更大，即假設(shè)4得到驗證。本文推測，造成此現(xiàn)象的原因可能有兩點：第一，國有企業(yè)相較于非國有企業(yè)，除了綠色信貸外，還享有更多的貸款政策和資源優(yōu)惠，綠色信貸政策的實施對其融資并不會造成太大影響，而非國有企業(yè)貸款條件嚴苛，并且常常自力更生，自負盈虧；第二，國有企業(yè)與非國有企業(yè)外部制度環(huán)境不同，具體來說，國有企業(yè)外部制度環(huán)境優(yōu)于非國有企業(yè)，在綠色信貸政策實施的過程中，國有企業(yè)更容易受到當?shù)卣块T的關(guān)注（舒利敏?等，2022）。因此綠色信貸政策對非國有企業(yè)造成的負向影響更為明顯。

2按地區(qū)分組回歸

考慮到各地區(qū)經(jīng)濟狀況與稟賦優(yōu)勢的差別，因此檢驗綠色信貸政策對不同地區(qū)重污染企業(yè)綠色全要素生產(chǎn)率的差異性影響?？紤]到樣本量的均衡，本部分的檢驗依照國家統(tǒng)計局制定的區(qū)域劃分方式，將我國的31個省（自治區(qū)、直轄市）劃分為東、中、西三大區(qū)域。根據(jù)樣本企業(yè)的注冊地址，將它們歸為東部、中部和西部三個區(qū)域，并將它們分別用于基準模型的回歸分析。結(jié)果如表8所示。

由表8可知，東部地區(qū)雙重差分交互項DID的系數(shù)為-0174，且在10%水平上顯著，表明綠色信貸政策對東部地區(qū)重污染企業(yè)綠色全要素生產(chǎn)率有顯著的負向影響；中部地區(qū)雙重差分交互項DID的系數(shù)為-0073，西部地區(qū)雙重差分交互項DID的系數(shù)為-0144，雖然中部地區(qū)和西部地區(qū)的雙重差分交互項系數(shù)為負，但未通過顯著性檢驗，由此判斷，地區(qū)經(jīng)濟發(fā)達程度不同，綠色信貸政策對重污染企業(yè)綠色全要素生產(chǎn)率的影響也存在差異，符合前文提出的假設(shè)?5。本文推測這可能是因為經(jīng)濟發(fā)展較快的東部地區(qū)，重污染企業(yè)數(shù)目較多（本文樣本企業(yè)中東部地區(qū)共計69家企業(yè)，其中重污染企業(yè)35家；中部地區(qū)共計44家企業(yè)，其中重污染企業(yè)25家；西部地區(qū)共計25家企業(yè)，其中重污染企業(yè)11家），從而導致綠色信貸政策對東部地區(qū)企業(yè)綠色全要素生產(chǎn)率影響的實證效果更為明顯；同時東部地區(qū)由于經(jīng)濟快速發(fā)展造成的污染物排放也多，當?shù)卣畢f(xié)調(diào)經(jīng)濟增長和環(huán)境治理的任務(wù)更重。因此當綠色信貸政策實施后，東部地區(qū)迫于經(jīng)濟發(fā)展轉(zhuǎn)型的壓力，可能會加大綠色信貸的實施力度，以加快推動當?shù)刂匚廴酒髽I(yè)治污減排，保護環(huán)境，致使綠色信貸政策對東部地區(qū)企業(yè)綠色全要素生產(chǎn)率的負向影響強于中西部地區(qū)（惠獻波，2022）。

六、結(jié)論與政策建議

（一）結(jié)論

本研究使用2012年原銀監(jiān)會頒布的《綠色信貸指引》政策作為準自然實驗，以138家上市公司2010—2019年的面板數(shù)據(jù)為基礎(chǔ)，運用雙重差分法對中國重污染企業(yè)的綠色全要素生產(chǎn)率與綠色信貸政策之間的關(guān)系進行研究。這一方法旨在消除其他可能干擾研究結(jié)論的因素，以更加準確地評估該政策對企業(yè)綠色全要素生產(chǎn)率的影響?；谏鲜龇治龅贸鲆韵陆Y(jié)論。

第一，本文的研究結(jié)論表明，綠色信貸政策提高了重污染企業(yè)的綠色效率，但顯著降低了重污染企業(yè)的綠色技術(shù)進步率，綠色信貸政策對綠色技術(shù)進步率的負效應(yīng)大于對綠色效率的正效應(yīng)，因此綠色信貸政策在一定程度上會抑制重污染企業(yè)綠色全要素生產(chǎn)率的發(fā)展。但就政策實施長期來看，本文認為隨著綠色信貸政策的不斷完善，綠色信貸服務(wù)范圍的不斷擴大，企業(yè)在進行技術(shù)水平改造、提升綠色發(fā)展水平后可以獲得更多的信貸支持，讓企業(yè)越來越重視綠色發(fā)展，進而會提升企業(yè)綠色全要素生產(chǎn)率。

第二，綠色信貸政策實施效果因企業(yè)所有權(quán)性質(zhì)差異而不同。具體來看，綠色信貸對非國有重污染企業(yè)綠色全要素生產(chǎn)率的抑制作用強于國有重污染企業(yè)。本文推測，造成此現(xiàn)象的原因可能是國有企業(yè)相較于非國有企業(yè)，除了綠色信貸外，還享有更多的貸款政策和資源優(yōu)惠，綠色信貸政策的實施對其融資并不會造成太大影響，而非國有企業(yè)貸款條件嚴苛，并且常常自力更生，自負盈虧等。

第三，綠色信貸政策實施效果因地區(qū)經(jīng)濟發(fā)展水平差異而不同。具體來看，綠色信貸政策對東部地區(qū)重污染企業(yè)的綠色全要素生產(chǎn)率抑制作用最為顯著。雖然對中西部地區(qū)也有一定的負面影響，但并不顯著。據(jù)此，我們猜測這可能是因為東部地區(qū)的經(jīng)濟增長速度較快，重污染企業(yè)數(shù)量相對較多，同時由于快速發(fā)展導致的污染物排放也更多，因此當?shù)卣趨f(xié)調(diào)經(jīng)濟增長和環(huán)境治理方面承擔了更重的任務(wù)。綜上，本研究認為在綠色信貸政策實施后，東部地區(qū)的重污染企業(yè)可能面臨更大的環(huán)保壓力和治理要求，因此可能會更積極地申請綠色信貸以加快治污減排，保護環(huán)境。這或許是造成東部地區(qū)企業(yè)綠色全要素生產(chǎn)率受到更強負面影響的原因。相比之下，中西部地區(qū)的重污染企業(yè)數(shù)量較少，環(huán)保治理壓力相對較小，因此綠色信貸政策對企業(yè)綠色全要素生產(chǎn)率的影響不明顯。

（二）政策建議

基于本文研究結(jié)論，現(xiàn)提出以下兩點建議。

第一，強化綠色信貸政策的約束力。前文結(jié)論表明，綠色信貸政策會抑制重污染企業(yè)綠色全要素生產(chǎn)率的提升，考慮到當前的綠色信貸政策下，重污染企業(yè)可能只是通過“綠色”貸款獲得更低的利率，但并沒有真正采取行動來改善其環(huán)保生產(chǎn)方式。因此，政府可以加強監(jiān)管力度，要求重污染企業(yè)在獲得綠色貸款的同時，必須遵守一系列環(huán)境標準和限制條件。

第二，制定更具針對性的綠色信貸政策。當前的綠色信貸政策過于籠統(tǒng)，考慮到我國地區(qū)經(jīng)濟發(fā)展水平的不平衡以及企業(yè)個體的差異性，本文得出我國東部地區(qū)的重污染企業(yè)以及非國有重污染企業(yè)的綠色全要素生產(chǎn)率更易受到綠色信貸政策的抑制。因此，政府可以制定更具針對性的綠色信貸政策，為不同地區(qū)、不同性質(zhì)的企業(yè)提供更精準的環(huán)保支持和激勵措施，以此推動企業(yè)實施綠色生產(chǎn)，提高企業(yè)的綠色全要素生產(chǎn)率。

參考文獻

［1］陳超凡中國工業(yè)綠色全要素生產(chǎn)率及其影響因素——基于ML生產(chǎn)率指數(shù)及動態(tài)面板模型的實證研究［J］統(tǒng)計研究，2016，33（3）：53-62

［2］蔡烏趕，周小亮中國環(huán)境規(guī)制對綠色全要素生產(chǎn)率的雙重效應(yīng)［J］經(jīng)濟學家，2017（9）：27-35

［3］馮嚴超，王曉紅，胡士磊FDI、OFDI與中國綠色全要素生產(chǎn)率——基于空間計量模型的分析［J］中國管理科學，2021，29（12）：81-91

［4］孫冬營，吳星妍，顧嘉榕，等長三角城市群工業(yè)企業(yè)綠色全要素生產(chǎn)率測算及其影響因素［J］中國科技論壇，2021（12）：91-100

［5］劉傳江，張劭輝，李雪綠色信貸政策提升了中國重污染行業(yè)的綠色全要素生產(chǎn)率嗎？［J］國際金融研究，2022（4）：3-11

［6］佘碩，王巧，張阿城技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)與城市綠色全要素生產(chǎn)率——基于國家低碳城市試點的影響渠道檢驗［J］經(jīng)濟與管理研究，2020，41（8）：44-61

［7］萬倫來，朱琴R&D投入對工業(yè)綠色全要素生產(chǎn)率增長的影響——來自中國工業(yè)1999～2010年的經(jīng)驗數(shù)據(jù)［J］經(jīng)濟學動態(tài)，2013（9）：20-26

［8］尹子擘，孫習卿，邢茂源綠色金融發(fā)展對綠色全要素生產(chǎn)率的影響研究［J］統(tǒng)計與決策，2021，37（3）：139-144

［9］周曉輝，劉瑩瑩，彭留英數(shù)字經(jīng)濟發(fā)展與綠色全要素生產(chǎn)率提高［J］上海經(jīng)濟研究，2021（12）：51-63

［10］程文先，錢學鋒數(shù)字經(jīng)濟與中國工業(yè)綠色全要素生產(chǎn)率增長［J］經(jīng)濟問題探索，2021（8）：124-140

［11］蘇科，周超人力資本、科技創(chuàng)新與綠色全要素生產(chǎn)率——基于長江經(jīng)濟帶城市數(shù)據(jù)分析［J］經(jīng)濟問題，2021（5）：71-79

［12］胡榮才，張文瓊開展綠色信貸會影響商業(yè)銀行盈利水平嗎？［J］金融監(jiān)管研究，2016（7）：92-110

［13］劉海英企業(yè)環(huán)境績效與綠色信貸的關(guān)聯(lián)性——基于采掘服務(wù)、造紙和電力行業(yè)的數(shù)據(jù)樣本分析［J］中國特色社會主義研究，2017（3）：85-92

［14］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

［15］丁杰綠色信貸政策、信貸資源配置與企業(yè)策略性反應(yīng)［J］經(jīng)濟評論，2019（4）：62-75

［16］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

［17］陳幸幸，史亞雅，宋獻中綠色信貸約束、商業(yè)信用與企業(yè)環(huán)境治理［J］國際金融研究，2019（12）：13-22

［18］陳琪中國綠色信貸政策落實了嗎——基于“兩高一?！逼髽I(yè)貸款規(guī)模和成本的分析［J］當代財經(jīng)，2019（3）：118-129

［19］張小可，葛晶綠色金融政策的雙重資源配置優(yōu)化效應(yīng)研究［J］產(chǎn)業(yè)經(jīng)濟研究，2021（6）：15-28

［20］丁杰，胡蓉區(qū)域性環(huán)境規(guī)制與綠色信貸政策的有效性——基于重污染企業(yè)信貸融資視角［J］軟科學，2020，34（12）：61-67

［21］陸菁，鄢云，王韜璇綠色信貸政策的微觀效應(yīng)研究——基于技術(shù)創(chuàng)新與資源再配置的視角［J］中國工業(yè)經(jīng)濟，2021（1）：174-192

［22］蔡海靜，周施綠色信貸政策與“兩高”企業(yè)權(quán)益資本成本［J］財會月刊，2022（3）：51-60

［23］于波綠色信貸政策如何影響重污染企業(yè)技術(shù)創(chuàng)新？［J］經(jīng)濟管理，2021，43（11）：35-51

［24］宋馬林，金培振地方保護、資源錯配與環(huán)境福利績效［J］經(jīng)濟研究，2016，51（12）：47-61

［25］王艷麗，類曉東，龍如銀綠色信貸政策提高了企業(yè)的投資效率嗎？——基于重污染企業(yè)金融資源配置的視角［J］中國人口·資源與環(huán)境，2021，31（1）：123-133

［26］李廣子，劉力債務(wù)融資成本與民營信貸歧視［J］金融研究，2009（12）：137-150

［27］張杰，劉元春，翟福昕，等銀行歧視、商業(yè)信用與企業(yè)發(fā)展［J］世界經(jīng)濟，2013，36（9）：94-126

［28］孔東民，王亞男，代昀昊為何企業(yè)上市降低了生產(chǎn)效率？——基于制度激勵視角的研究［J］金融研究，2015（7）：76-97

［29］陳琦金融科技對綠色全要素生產(chǎn)率的影響分析［D］濟南：山東大學，2021

［30］劉曄，張訓常，藍曉燕國有企業(yè)混合所有制改革對全要素生產(chǎn)率的影響——基于PSM-DID方法的實證研究［J］財政研究，2016（10）：63-75

［31］舒利敏，廖菁華末端治理還是綠色轉(zhuǎn)型？——綠色信貸對重污染行業(yè)企業(yè)環(huán)保投資的影響研究［J］國際金融研究，2022（4）：12-22

［32］惠獻波綠色信貸政策、金融資源配置與企業(yè)綠色全要素生產(chǎn)率——基于我國重污染企業(yè)的證據(jù)［J］西南金融，2022（10）：65-77

［33］BANKER?R?D，CHARNES?A，COOPER?W?WSome?models?for?estimating?technical?and?scale?inefficiencies?in?data?envelopment?analysis［J］Management?Science，1984，30（9）：1078-1092

［34］COWAN?ETopical?issuesin?environmental?finance［J］EEPSEA?Special?and?Technical?Paper，1998，43（3）：1-20

［35］CHETTY?Ｒ，LOONEY?A，KROFT?KSalience?and?taxation：Theory?and?evidence［J］American?Economic?Ｒeview，2009，99（4）：1145-1177

［36］KING?R?G，LEVINE?RFinance?and?growth：Schumpeter?might?be?right［J］Quarterly?Journal?of?economics，1993，108（3）：717-737

［37］LA?FERRARA?E，CHONG?A，DURYEA?SSoap?operas?and?fertility：Evidence?from?Brazil［J］American?Economic?Journal：Applied?Economics，2012，4（4）：1-31

Does?Green?Credit?Policy?Improve?the?Green?Total?Factor?Productivity?of?Heavy-polluting?Enterprises？?An?Empirical?Study?Based?on?a?Difference-in-Differences?Model

YANG?Qin?YANG?Shifeng

（School?of?Finance，Lanzhou?University?of?Finance?and?Economics，Lanzhou??730101，China）

Abstract：This?article?uses?the“Green?Credit?Guidelines”issued?by?the?former?China?Banking?Regulatory?Commission?in?2012?as?a?quasi-natural?experimentBased?on?the?SBM?directional?distance?function?and?GML?index，the?green?total?factor?productivity?of?listed?companies?in?China?from?2010?to?2019?is?calculated，and?then?the?double?difference?method（DID）is?used?to?explore?the?impact?of?green?credit?policy?on?the?green?total?factor?productivity?of?listed?companies?heavy-polluting?enterprisesThe?results?show?that?the?green?credit?policy?has?a?positive?effect?on?improving?the?green?efficiency?of?heavy-polluting?enterprises，but?at?the?same?time?has?a?significant?negative?impact?on?the?green?technology?progress?rate?of?heavy-polluting?enterprises，ultimately?leading?to?a?significant?decrease?in?the?green?total?factor?productivity?of?heavy-polluting?enterprisesFurther?grouping?based?on?enterprise?equity?nature?and?regional?economic?development?level?reveals?that?non-state-owned?enterprises?and?enterprises?located?in?the?eastern?region?are?more?affected?by?the?green?credit?policy

Key?words：Green?Credit?Policy；Green?Total?Factor?Productivity；Difference-in-Differences?Method；Green?Finance