1. 引言
自生态文明建设被纳入我国“五位一体”布局后，中国人民银行便陆续发布包括绿色信贷政策以及绿色债券支持政策在内的各种绿色金融政策(陈国进等，2021) [1]。根据华夏基金2022年中国ESG发展创新白皮书数据，国内上市公司ESG披露率29.45%，相较于国际水平有着极大的提升空间。与此同时，“融资难，融资贵”一直是困扰我国企业发展的难题(余静文等，2021) [2]，有文献研究指出，企业ESG行为能够显著降低企业的融资成本，从而为企业发展注入活力(李增福等，2022) [3]。因此，从ESG行为视角研究企业信贷融资问题，有助于帮助企业作出合理化的经济行为。本文以A股制造业上市公司为研究对象，通过实证研究方式探索ESG表现对信贷融资的影响，为解决企业融资困境建言献策。
目前国外学者对ESG的研究主要集中于以下三个方面：一是关于企业ESG表现对企业代理成本的研究。如Tang (2022) [4]、Atz等(2022) [5]研究认为，企业ESG表现可以有效降低代理成本、减少信息不对称，从而缓解融资约束。二是企业ESG表现对财务成本的研究。如Chang等(2021) [6]研究认为，企业ESG支出能有效降低总财务成本，提升企业的成本效益。三是ESG表现与财务绩效相关关系的研究。如Hamdi等(2022) [7]认为，ESG和企业财务绩效显著正相关。Kalia和Aggarwal (2022) [8]认为，ESG对企业财务绩效的影响在发达国家更为显著。信贷融资方面的研究重点主要集中在信贷配给理论、交易成本理论、信息不对称理论、逆向选择与道德风险理论等经济学领域展开。如Choudhary和Jain (2022) [9]研究了地区经济程度、受教育程度、季节表现等因素对信贷配给的影响，Kwon (2021) [10]研究了风险和抵押品价值如何影响信贷配给；Hennart (2022) [11]研究了市场进入模式选择与交易成本理论的关系；Quah等(2020) [12]研究了信息不对称、融资约束与投资效率的关系。由此可知，国外对于ESG表现与信贷融资的研究较多集中于ESG经济后果及信贷融资的经济学理论层面，关于ESG表现对信贷融资的影响研究还较少。
ESG理念自2008年正式进入中国，随着2016年“绿色金融”和2020年“双碳”政策的提出和推进，ESG相关研究开始爆发。近年来，学术界开始将ESG表现作为一个整体研究其对企业财务绩效的影响。主要形成了两种观点：一部分学者认为ESG表现与企业绩效正相关。如陈婉(2018) [13]、Zhang等(2020) [14]认为，ESG表现好的企业能够以较低的财务成本获得资金，周方召(2020) [15]等认为可增强企业风险应对能力，从而提高投资回报率。另一部分学者认为与企业财务绩效负相关。如陈若鸿等(2022) [16]认为，由于承担ESG责任需要长期投入，风险较高，ESG表现越好反而会降低企业的财务绩效。目前学者的观点尚未达成一致。产生差异的主要原因：一是ESG表现和企业绩效评价方法不同，在一定程度上导致分析结果的差异。二是ESG表现与企业绩效的关系可能受其他因素的影响。已有研究如李井林等(2021) [17]从企业创新、媒体关注、机构投资者等方面探讨了ESG表现对企业绩效的影响，但鲜有文献关注融资约束对二者关系的影响。信贷融资层面，国内学者仍然基于国外对于信贷融资经济学理论层面的相关研究加以演化，并基于中国国情加以发展和演进。如吴灵丽(2021) [18]基于信贷配给理论研究了数字普惠金融对中小企业融资约束的影响，李泉(2021) [19]基于融资约束视角研究了信贷供给对企业研发投入的影响；汪娇(2022) [20]研究了信息不对称对融资约束的影响，谭露(2020) [21]基于信息不对称视角研究了高铁开通与融资约束的关系。从国内的研究来看，学者们较少从信贷融资角度以实证研究方式对企业ESG表现进行相关的研究分析。
一方面，目前针对ESG的已有研究不够丰富，在数据选取及处理方面也有局限性，所使用的ESG评级数据多为自行构建的细分维度评级指标，数据权威性不足，且实证研究少、对企业异质性影响的探讨不足。本文借用上市公司数据进行实证分析，以丰富国内ESG领域相关研究；另一方面，融资困境成为企业发展过程中的重大阻力，严重影响企业健康向好发展。通过实证研究企业ESG行为对信贷融资的影响，帮助企业对ESG行为对信贷融资的影响有一个更加清晰的认知，从而助力企业健康发展。
2. 理论基础与研究假设
2.1. 融资理论
根据信息不对称理论，企业在进行外部融资时，投资者处于劣势地位，所以投资者会由于不确定性要求更高的风险报酬率，这导致融资成本增高且融资难度变大。根据委托代理理论，由于代理冲突的存在，投资者会要求更高的风险溢价来应对风险，进而导致融资变得更加困难，企业ESG表现是外界评价企业实际表现的重要参考之一。
首先，企业ESG表现可以通过发挥信号效应降低融资成本。企业披露其ESG表现向外界传递了很多关于企业的非财务信息，资金持有者能更加了解企业在环境保护、社会责任以及公司治理方面的信息，缓解信息不对称，提升投资者的信心，进而缓解企业的融资约束。其次，企业ESG表现可以通过发挥治理效应降低代理成本，从而缓解融资约束。披露ESG表现能够对企业的治理结构和内部控制形成一定的约束力，提高企业治理水平，约束管理层的投机行为，缓解代理冲突。企业披露ESG表现还能提高企业信息透明度，有效降低企业投资者获取信息的成本，也有利于外部投资者实现外部监督，缓解代理冲突，进而缓解融资约束。综上，企业ESG表现能披露企业的相关信息，帮助资金持有者更好地了解和监督企业，从而降低企业的融资成本，缓解融资约束。
2.2. 研究假设
我国绿色发展理念以及中央相关政策引导如《关于加快构建绿色金融体系的指导意见》等文件的出台，说明政府对企业绿色转型给予了高度重视。因此，从政策角度看，企业ESG表现与其信贷融资之间存在着千丝万缕的联系，符合政策引导方向以及配合政府进行绿色转型的企业更加容易获得政府支持，从而更有可能从银行取得贷款，降低企业的融资成本；另一方面，ESG表现好的企业由于政策的扶持获得了更好的发展机会，这种信号传递至资本市场也会导致投资者更加看好该企业的发展前景，从而对该企业进行投资，这会导致ESG表现较好的企业往往也能够提升其在资本市场上的融资能力。基于投资者角度，企业进行ESG的披露能够很大程度上进行信息的透明化，降低了代理成本和信息不对称性，此举能够增强投资者对企业的了解和信心，从而缓解企业的融资约束。因此，无论是基于政策还是投资者角度，ESG的披露理论上能够促进企业融资水平。为此，本文提出假设H1：ESG表现提升了企业信贷融资水平。
进一步地，由于东西部地区的经济发展差异、政策执行差异以及市场化程度差异等各种差异，企业所处地区也会导致企业ESG表现对企业信贷融资水平的影响不一样。从政策上看，东部地区经济发展较为先进的城市诸如北上广深等城市对优质企业的支持力度更大、政策与配套激励措施的出台更为完善，因而一方面会通过相关政策的实施鼓励企业进行着眼于长远发展的投资，另一方面又能给相关绿色企业提供更多优质的融资方式。东部地区绿色投资企业相对于中西部地区在此背景下更有可能获得政府政策上的扶持，从而得以以更低的成本获取资金或是得以获取更多的资金。为此，本文提出假设H2：企业ESG表现对东部地区企业的信贷融资水平影响更大。
根据行业性质，重污染企业相对于环境保护型企业在政府调控的过程中，可能更容易受到政府的“惩罚”，所以会更加重视绿色政策的执行。而公众对非重污染企业的关注度相对较低，所以非重污染企业在绿色政策执行方面更加松懈。为此，本文提出假设H3：企业ESG表现对非重污染企业的信贷融资水平影响更大。
国有企业在国家战略发展规划中起着示范性作用，因而国有企业往往被动附带有更多的政府任务，更多地是为了响应国家号召而执行绿色政策。国有企业由于存在政府的隐形保护和担保，其违约风险或破产风险较低，更容易获得信贷资金，具有天生的债务融资优势；而非国有企业由于经营风险较大，往往面临比较严重的融资约束。在国家鼓励企业绿色健康发展时，国企往往会进行率先表率，因而本文提出假设H4：非国有企业ESG表现与信贷融资的相关性更大。
3. 研究设计
3.1. 样本选择与数据获取
本文以Wind金融数据库中2020年至2022年A股制造业上市公司为研究样本。为确保研究结果的可靠性，剔除了ST企业、财务指标缺失较为严重的企业、融资成本为负等明显不合理情况的企业以及金融业企业，进行缩尾处理后的数据采用Stata 16.0软件进行回归分析，以探究企业ESG表现与信贷融资之间的关系。
3.2. 变量定义
本文变量定义如表1所示，由于信贷融资能力包括融资成本以及融资能力两个方面的内容，因此本文被解释变量的选取借鉴邱牧远等[22]、韩乾等[23]的做法，采用融资成本及融资能力作为企业信贷融资的两个代理变量。
解释变量的选取方面，最具代表性的大致分为两类，一类以邱牧远等[22]为代表的将ESG拆分为环境、社会、治理三个要素，并按披露与否、披露质量将解释变量用六个多维度因素变量进行表征，这种方法能够更加清楚地发现具体的ESG表现的哪一个方面对企业融资产生了何种影响，但其缺点在于数据来源于IPE网站、CSMAR、Bloomberg等网站，这就导致了数据的获取和整理均十分困难；另一类学者如谢红军等[24]，采用Wind数据库中的华证ESG评级数据作为衡量指标，该指标也得到了Lins等[25]的认可，由于该评级由专业投资机构采用特定评级方式计算得出，因此本身具有一定权威性，因此本文参考第二种做法，直接利用Wind数据库中的华证ESG评级作为解释变量的衡量标准。
Table 1. Definition of variables
表1. 变量定义
变量类型 |
变量代码 |
变量名称 |
变量说明 |
被解释变量 |
fc1 |
债务融资成本 |
债务利息比 = (企业净资本支出 − 利息收入)/(短期债务 + 长期债务) |
fc2 |
企业市场估值 |
托宾Q值 = 市价/(总资产 − 商誉 − 无形资产净额) |
解释变量 |
ESG |
ESG表现 |
根据Wind数据库中的ESG评级赋值取对数得出 |
控制变量 |
age |
企业年龄 |
企业成立时长(年)的对数 |
ROA |
资产回报率 |
ROA = 100 × (税后净利润/总资产) |
pro |
所有权性质 |
国有企业定义为1，否则为0 |
IND |
行业性质 |
重污染企业定义为1，否则为0 |
size |
企业规模 |
Wind数据库中的大型企业定义为1，否则为0 |
region |
地区 |
东部沿海城市定义为1，否则为0 |
Lev |
资产负债率 |
Lev = 100 × (总负债/总资产) |
注：短期债务 = 短期借款 + 应付票据 + 一年内到期的长期借款；长期债务 = 长期借款 + 应付债券 + 专项应付款；企业净资本支出 = 资本性支出 − 折旧；市价：市值。根据2008年颁布的《上市公司环保核查行业分类管理名录》，将“火电、钢铁、水泥、电解铝、煤炭、冶金、建材、采矿、化工、石化、制药、轻工、纺织、制革”16类行业确认为重污染。
3.3. 模型设计
对于企业ESG对信贷融资的影响，以往的文献如王丽青等[26]多采用线性回归模型，但其研究采用的是单因变量，仅仅只研究了融资成本一个方面，为此本文同时参考邱牧远等[22]的做法，将融资约束设置为融资成本和融资能力两个代理变量的方式，使得研究更为全面科学，由此得到本文线性回归模型如下：
fci,t = α0 + α1ESGi,t + α2agei,t + α3ROAi,t + α4proi,t + α5INDi,t + α6sizei,t + α7regioni,t + α8Levi,t
4. 实证结果与分析
4.1. 描述性统计
样本的描述性统计结果如表2所示。由该表可知，在选取的样本中，windESG评级的最大值为2.398，最小值为0，标准差为0.926，均值为1.427。ESG评级中，最大值为2.197，最小值为0，标准差为0.785，均值为1.209，样本公司的ESG评分差异很大，表明当前我国上市公司尚未形成标准完善的内部信息披露体系，并且有部分企业并未披露相关信息。企业融资能力最大值为19.72，最小值为0，标准差为1.304，均值为0.997，说明样本企业的融资能力存在一定的提升空间。
Table 2. Descriptive statistics
表2. 描述性统计
变量 |
N |
mean |
sd |
min |
max |
code |
7898 |
2.254 |
1.458 |
1 |
5.161 |
year |
7898 |
2.021 |
0.757 |
2.020 |
2.022 |
IND |
7898 |
0.175 |
0.38 |
0 |
1 |
pro |
7898 |
0.245 |
0.43 |
0 |
1 |
size |
7898 |
0.691 |
0.462 |
0 |
1 |
age |
7898 |
3.013 |
0.336 |
1.386 |
4.205 |
region |
7898 |
0.721 |
0.449 |
0 |
1 |
Lev |
7898 |
0.412 |
0.185 |
0.0143 |
1.957 |
windESG |
7898 |
1.427 |
0.926 |
0 |
2.398 |
ESG |
7898 |
1.209 |
0.758 |
0 |
2.197 |
ROA |
7898 |
6.443 |
8.773 |
−89.44 |
121.7 |
fc1 |
7898 |
3.25 |
1.659 |
0.00171 |
14.84 |
fc2 |
7898 |
0.997 |
1.304 |
0 |
19.72 |
4.2. 相关性分析
本研究利用Stata 16.0对各个变量进行了相关性检验，结果如表3所示。由表3可以观察到，除ESG与windESG之间相关性系数较大，为0.850之外，本研究中各变量之间系数值均小于0.7，而本研究中windESG变量作为ESG的替换变量来进行稳健性检验，因此并不会影响回归结果，所以可以初步判断数据变量之间不存在多重共线性的问题。
为了使结果更加可信与准确，本文对回归进行了方差膨胀因子检验，如表4所示。从表中可知，结果中未出现大于10的VIF，说明本文不存在多重共线性问题。
Table 3. Correlation analysis
表3. 相关性分析
|
code |
year |
IND |
pro |
size |
age |
region |
Lev |
windESG |
ESG |
ROA |
fc1 |
fc2 |
code |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
year |
−0.267 |
1 |
|
|
|
|
|
|
|
|
|
|
|
IND |
−0.0693 |
0.0219 |
1 |
|
|
|
|
|
|
|
|
|
|
pro |
−0.0427 |
0.0572 |
−0.0048 |
1 |
|
|
|
|
|
|
|
|
|
size |
0.0253 |
0.0422 |
−0.0815 |
0.214 |
1 |
|
|
|
|
|
|
|
|
age |
0.0305 |
0.0121 |
0.0456 |
0.268 |
0.216 |
1 |
|
|
|
|
|
|
|
region |
0.0308 |
−0.02 |
−0.0715 |
−0.118 |
0.0018 |
−0.0175 |
1 |
|
|
|
|
|
|
Lev |
0.142 |
−0.023 |
−0.108 |
0.253 |
0.311 |
0.148 |
−0.033 |
1 |
|
|
|
|
|
windESG |
0.0374 |
0.19 |
0.0472 |
0.29 |
0.378 |
0.404 |
−0.0135 |
0.202 |
1 |
|
|
|
|
ESG |
0.043 |
0.148 |
0.0332 |
0.278 |
0.375 |
0.355 |
0.0132 |
0.16 |
0.85 |
1 |
|
|
|
ROA |
−0.257 |
−0.0632 |
0.0419 |
−0.141 |
−0.136 |
−0.13 |
−0.0063 |
−0.316 |
−0.277 |
−0.252 |
1 |
|
|
fc1 |
−0.121 |
0.0309 |
0.0276 |
−0.203 |
−0.222 |
−0.204 |
0.0411 |
−0.535 |
−0.237 |
−0.186 |
0.272 |
1 |
|
fc2 |
−0.0556 |
0.155 |
0.0169 |
0.0424 |
0.0931 |
0.17 |
−0.0209 |
−0.16 |
0.438 |
0.397 |
−0.0109 |
0.0866 |
1 |
Table 4. Variance inflation factor test
表4. 方差膨胀因子检验
Variable |
VIF |
1/VIF |
ESG |
1.37 |
0.728340 |
size |
1.28 |
0.782418 |
Lev |
1.26 |
0.792142 |
age |
1.20 |
0.834062 |
pro |
1.19 |
0.836880 |
ROA |
1.17 |
0.856258 |
IND |
1.03 |
0.971472 |
region |
1.02 |
0.977716 |
Mean VIF |
1.19 |
|
4.3. 多元回归分析
本研究的回归结果如表5所示。企业ESG表现与企业债务融资成本的回归系数为−0.078，在1%的水平上显著，说明企业良好的ESG表现能够有效地降低企业债务融资成本；企业ESG表现与企业市场估值的回归系数为0.739，在1%的水平上显著，说明企业良好的ESG表现能够有效地提高企业的市场估值，假设1得到验证。
这一实证结果说明企业可以通过企业自身的ESG表现向外界资金持有者传递企业在环境、社会和公司治理方面的积极信号，树立一个良好的企业形象，获得社会的认可和信赖，企业ESG表现作为一种非强制性的信息，它改善了企业内外部信息不对称的情况，从而吸引更多的外源融资，降低企业自身的债务融资成本，提高企业融资能力。
Table 5. Benchmark regression results
表5. 基准回归结果
|
N |
Coef. |
t-value |
p-value |
fc1 |
fc2 |
fc1 |
fc2 |
fc1 |
fc2 |
ESG |
7898 |
−0.078*** |
0.739*** |
−3.25 |
36.78 |
0.001 |
0.000 |
Lev |
7898 |
−4.238*** |
−1.566*** |
−45.22 |
−19.84 |
0.000 |
0.000 |
region |
7898 |
0.075** |
−0.114*** |
2.14 |
−3.89 |
0.032 |
0.000 |
age |
7898 |
−0.472*** |
0.256*** |
−9.38 |
6.05 |
0.000 |
0.000 |
size |
7898 |
−0.087** |
−0.009 |
−2.3 |
−0.27 |
0.022 |
0.789 |
pro |
7898 |
−0.102*** |
−0.117*** |
−2.61 |
−3.53 |
0.009 |
0.000 |
IND |
7898 |
−0.1** |
−0.1*** |
−2.42 |
−2.87 |
0.016 |
0.004 |
ROA |
7898 |
0.018*** |
0.005*** |
9.45 |
2.87 |
0.000 |
0.004 |
Constant |
7898 |
6.443*** |
0.081 |
42.67 |
0.63 |
0.000 |
0.526 |
注：***、**、*分别表示在1%、5%、10%水平上显著。
4.4. 稳健性检验
本研究通过实证检验发现企业ESG表现提升了企业信贷融资水平，为保证结果的稳健性，通过替换解释变量进行稳健性检验，因为对企业ESG的评级方式很可能影响实证结果，因此这里将ESG变量替换为windESG变量重新进行回归估计。
回归结果如表6所示。通过表6可知，windESG与企业债务融资成本的回归系数为−0.126，在1%的水平上显著，说明windESG评级越高，企业的债务融资成本越低，即企业良好的ESG表现会有效地降低债务融资成本；windESG与企业的市场估值的回归系数为0.722，在1%的水平上显著，说明windESG评级越高，企业的市场估值越高，即企业良好的ESG表现会有效地提高企业的市场估值。结果表明，企业良好的ESG表现对信贷融资起到正向的促进作用，该结果依然支持假设1。
Table 6. Robustness test
表6. 稳健性检验
|
N |
Coef. |
t-value |
p-value |
fc1 |
fc2 |
fc1 |
fc2 |
fc1 |
fc2 |
windESG |
7898 |
−0.126*** |
0.722*** |
−6.28 |
44.07 |
0.000 |
0.000 |
Lev |
7898 |
−4.228*** |
−1.682*** |
−45.27 |
−22.02 |
0.000 |
0.000 |
region |
7898 |
0.073** |
−0.085*** |
2.09 |
−3 |
0.036 |
0.003 |
age |
7898 |
−0.415*** |
0.086** |
−8.13 |
2.06 |
0.000 |
0.040 |
size |
7898 |
−0.055 |
−0.05 |
−1.47 |
−1.62 |
0.141 |
0.104 |
pro |
7898 |
−0.086** |
−0.136*** |
−2.2 |
−4.24 |
0.028 |
0.000 |
IND |
7898 |
−0.088** |
−0.138*** |
−2.13 |
−4.09 |
0.033 |
0.000 |
ROA |
7898 |
0.017*** |
0.008*** |
8.74 |
4.91 |
0.000 |
0.000 |
Constant |
7898 |
6.336*** |
0.504*** |
41.68 |
4.06 |
0.000 |
0.000 |
注：***、**、*分别表示在1%、5%、10%水平上显著。
5. 进一步分析
5.1. 地区异质性
由于东西部地区的经济社会发展差异、政策差异、市场化程度差异等各种差异，企业所处地区也会导致企业ESG表现对企业信贷融资水平的影响不一样，所以本研究进行了地区异质性检验，回归结果如表7所示。由表7可知，在东部地区，ESG与企业债务融资成本的回归系数为−0.09，在1%的水平上显著，而西部地区的回归系数为−0.046，结果不显著，说明东部地区的企业良好的ESG表现更能有效地降低企业的债务融资成本。其次，在东部地区，ESG与企业的市场估值的回归系数为0.737，在1%的水平上显著，西部地区的回归系数为0.733，在1%的水平上显著，说明不论是东部地区的企业，还是西部地区的企业，良好的ESG表现均能有效提高企业的市场估值。综合上述结果可知，对于东部地区，企业的ESG表现更能提高企业的信贷融资水平，即东部地区企业ESG表现对企业信贷融资的影响更显著。
Table 7. Regional heterogeneity
表7. 地区异质性
|
N |
Coef. |
t-value |
p-value |
fc1 |
fc2 |
fc1 |
fc2 |
fc1 |
fc2 |
东部 |
西部 |
东部 |
西部 |
东部 |
西部 |
东部 |
西部 |
东部 |
西部 |
东部 |
西部 |
ESG |
7898 |
−0.09*** |
−0.046 |
0.737*** |
0.733*** |
−3.25 |
−0.97 |
32.100 |
17.740 |
0.001 |
0.332 |
0.000 |
0.000 |
Lev |
7898 |
−4.201*** |
−4.323*** |
−1.531*** |
−1.666*** |
−38.13 |
−24.19 |
−16.690 |
−10.790 |
0.000 |
0.000 |
0.000 |
0.000 |
age |
7898 |
−0.483*** |
−0.434*** |
0.185*** |
0.467*** |
−8.32 |
−4.27 |
3.830 |
5.320 |
0.000 |
0.000 |
0.000 |
0.000 |
size |
7898 |
−0.088** |
−0.085 |
0.039 |
−0.118* |
−1.98 |
−1.18 |
1.060 |
−1.900 |
0.048 |
0.240 |
0.288 |
0.058 |
pro |
7898 |
−0.061 |
−0.189*** |
−0.169*** |
−0.023 |
−1.28 |
−2.72 |
−4.250 |
−0.380 |
0.200 |
0.007 |
0.000 |
0.702 |
IND |
7898 |
−0.091* |
−0.124* |
−0.051 |
−0.208*** |
−1.81 |
−1.71 |
−1.220 |
−3.330 |
0.071 |
0.087 |
0.223 |
0.001 |
ROA |
7898 |
0.018*** |
0.019*** |
0.005*** |
0.004 |
7.96 |
5.1 |
2.720 |
1.190 |
0.000 |
0.000 |
0.006 |
0.234 |
Constant |
7898 |
6.545*** |
6.353*** |
0.137 |
−0.435* |
38.05 |
21.3 |
0.950 |
−1.690 |
0.000 |
0.000 |
0.340 |
0.092 |
注：***、**、*分别表示在1%、5%、10%水平上显著。
5.2. 行业异质性
根据行业性质的不同，重污染企业相对于环境保护型企业在政府调控的过程中，可能更容易受到政府的“惩罚”，从而难以进行融资，所以本文进行行业异质性检验，验证假设3，回归结果如表8所示。由表8可知，对于重污染企业，ESG与企业债务融资成本的回归系数为−0.063，结果不显著，说明良好的ESG表现不能有效地降低企业的债务融资成本；而对于非重污染企业，ESG与企业债务融资成本的回归系数为−0.079，在1%的水平上显著，这说明良好的ESG表现能有效地降低企业的债务融资成本。其次，对于重污染企业，ESG与企业市场估值的回归系数为0.747，在1%的水平上显著，说明重污染企业良好的ESG表现能有效提高企业的市场估值，从而提高企业的融资能力；对于非重污染企业，ESG与企业市场估值的回归系数为0.738，在1%的水平上显著，说明非重污染企业良好的ESG表现也会有效地提高企业的市场估值。综合上述分析可知，企业ESG表现对非重污染企业的融资水平影响更大，所以假设3成立。
Table 8. Industry heterogeneity
表8. 行业异质性
|
N |
Coef. |
t-value |
p-value |
fc1 |
fc2 |
fc1 |
fc2 |
fc1 |
fc2 |
重污染 |
非重污染 |
重污染 |
非重污染 |
重污染 |
非重污染 |
重污染 |
非重污染 |
重污染 |
非重污染 |
重污染 |
非重污染 |
ESG |
7898 |
−0.063 |
−0.079*** |
0.747*** |
0.738*** |
−1.14 |
−2.98 |
14.780 |
33.690 |
0.254 |
0.003 |
0.000 |
0.000 |
Lev |
7898 |
−3.936*** |
−4.288*** |
−1.094*** |
−1.651*** |
−17.67 |
−41.49 |
−5.320 |
−19.320 |
0.000 |
0.000 |
0.000 |
0.000 |
region |
7898 |
0.082 |
0.069* |
−0.026 |
−0.14*** |
1.14 |
1.75 |
−0.390 |
−4.280 |
0.254 |
0.079 |
0.694 |
0.000 |
age |
7898 |
−0.429*** |
−0.466*** |
0.246** |
0.273*** |
−3.56 |
−8.38 |
2.210 |
5.950 |
0.000 |
0.000 |
0.027 |
0.000 |
size |
7898 |
−0.316*** |
−0.032 |
−0.218*** |
0.044 |
−3.96 |
−0.75 |
−2.950 |
1.240 |
0.000 |
0.451 |
0.003 |
0.216 |
pro |
7898 |
−0.053 |
−0.11** |
−0.117 |
−0.114*** |
−0.63 |
−2.49 |
−1.500 |
−3.120 |
0.530 |
0.013 |
0.135 |
0.002 |
ROA |
7898 |
0.01** |
0.02*** |
−0.002 |
0.006*** |
2.44 |
9.26 |
−0.450 |
3.520 |
0.015 |
0.000 |
0.654 |
0.000 |
Constant |
7898 |
6.263*** |
6.404*** |
−0.055 |
0.037 |
17.28 |
38.37 |
−0.170 |
0.270 |
0.000 |
0.000 |
0.869 |
0.788 |
注：***、**、*分别表示在1%、5%、10%水平上显著。
5.3. 产权异质性
已有研究普遍认为，中国企业的信贷政策存在“所有制歧视”的现象。国有企业由于存在政府的隐形保护和担保，其违约风险或破产风险较低，更容易获得信贷资金，具有天生的债务融资优势；而非国有企业由于经营风险较大，往往面临比较严重的融资约束，因此本文进行了所有权性质异质性检验。由表9可知，对于国有企业，ESG与债务融资成本的回归系数为−0.063，结果不显著，而非国有企业的ESG与债务融资成本的回归系数为−0.081，在1%的水平上显著，说明非国有企业良好的ESG表现更能有效地降低企业的债务融资成本。国企与非国企的ESG表现均对企业的融资水平存在显著的提高效应，但非国企的ESG表现对企业融资水平的提高效应更为明显，所以假设4成立。
Table 9. Heterogeneity of property rights
表9. 产权异质性
|
N |
Coef. |
t-value |
p-value |
fc1 |
fc2 |
fc1 |
fc2 |
fc1 |
fc2 |
国企 |
非国企 |
国企 |
非国企 |
国企 |
非国企 |
国企 |
非国企 |
国企 |
非国企 |
国企 |
非国企 |
ESG |
7898 |
−0.063 |
−0.081*** |
0.38*** |
0.765*** |
−0.85 |
−3.21 |
6.040 |
36.480 |
0.397 |
0.001 |
0.000 |
0.000 |
Lev |
7898 |
−3.82*** |
−4.39*** |
−2.588*** |
−1.144*** |
−21.07 |
−39.73 |
−16.830 |
−12.530 |
0.000 |
0.000 |
0.000 |
0.000 |
region |
7898 |
0.167** |
0.04 |
−0.198*** |
−0.068** |
2.58 |
0.97 |
−3.610 |
−1.990 |
0.010 |
0.330 |
0.000 |
0.046 |
age |
7898 |
−0.367*** |
−0.497*** |
0.231** |
0.245*** |
−3.27 |
−8.83 |
2.430 |
5.260 |
0.001 |
0.000 |
0.015 |
0.000 |
size |
7898 |
−0.321*** |
−0.036 |
−0.453*** |
0.042 |
−3.36 |
−0.88 |
−5.600 |
1.230 |
0.001 |
0.378 |
0.000 |
0.220 |
IND |
7898 |
−0.051 |
−0.109** |
−0.243*** |
−0.066* |
−0.61 |
−2.31 |
−3.410 |
−1.690 |
0.543 |
0.021 |
0.001 |
0.090 |
ROA |
7898 |
0.022*** |
0.017*** |
0.007* |
0.005*** |
4.6 |
8.36 |
1.670 |
2.810 |
0.000 |
0.000 |
0.095 |
0.005 |
Constant |
7898 |
5.897*** |
6.583*** |
1.568*** |
−0.152 |
15.97 |
39.12 |
5.010 |
−1.090 |
0.000 |
0.000 |
0.000 |
0.276 |
注：***、**、*分别表示在1%、5%、10%水平上显著。
6. 研究结论与政策建议
本文以Wind金融数据库中2020~2022年A股制造业上市公司为研究样本，使用线性回归方法研究企业ESG表现对信贷融资的影响。研究结果表明：第一，企业ESG表现能够推动企业以较低成本获得股权融资和债务融资，即企业ESG表现对信贷融资起到正向促进作用；第二，在进一步分析中发现企业ESG表现对信贷融资的正向促进作用在东部地区企业、非重污染企业和非国有企业更加显著。
基于上述结论，给出以下三点建议：
1) 在企业层面，企业应该建立与完善ESG治理架构，将ESG治理理念深入企业，提高企业自身的ESG表现，以此向外界传递企业在环境、社会与公司治理方面积极的信号，缓解企业内外信息不对称的情况，吸引更多资金持有者，以推动企业以较低成本获得融资，提高融资能力。
2) 在政府方面，政府应该建立健全更加完善的监督机构，完善ESG披露制度，保证披露信息的可信度，并且出台相应政策去引导企业主动提高自身ESG表现。对于西部地区的企业，可以完善当地的市场化程度，提高经济发展水平，规范法制环境等；对于重污染企业，应当提高企业的绿色发展理念，将绿色发展战略纳入企业长远的发展战略中；对于国有企业，中央政府和地方政府应当配合起来，从上到下地贯彻绿色发展理念。
3) 在公众层面，公众应当提高对企业ESG的关注度，多加关注企业的信息以及企业所披露的信息，对企业起到监督的作用。同时，公众对企业信息关注度的提高也可以促进公众对企业的了解，缓解企业内外部信息差的问题。