1. 引言
全球绿色债券市场显示出了显著的扩张动力和庞大的成长空间。中国自2015年7月首次在香港联合交易所成功发行绿色债券以来，在政策的推动下，这一市场已经正式启动并迅速增长。到了2019年，随着政策和市场机制的进一步优化，市场规模实现了明显的扩大。2020年，中国提出了碳达峰和碳中和的目标，为绿色债券市场带来了新的增长机遇。当前，我国的ESG评价体系呈现多样化特点，并且随着国内ESG投资与全球市场的融合不断加深，中国正在积极构建具有本土特色的ESG评价体系。主要的评级机构包括华证指数、商道融绿、社会价值投资联盟和中财绿金院等。
ESG评级为投资者提供了一个工具，用以深入了解企业在追求利润的同时，如何承担对环境、社会的责任，以及其公司治理的效率，这些都是非财务方面的信息，这使得投资者能够更客观地评估企业的可持续发展能力。在资本市场上，ESG绩效已成为衡量企业长期价值的一个重要指标，它直接关系到投资者对企业的信任度，影响着企业的融资成本和整体表现。对于推动中国经济的高质量和绿色发展具有重要意义[1]。企业若在ESG评级上表现不佳，可能意味着其在可持续发展和企业韧性方面存在不足，未来可能面临市场淘汰的风险。因此，鼓励企业通过发展绿色产业、开展绿色项目、获取绿色融资来提高其ESG评级，以环境保护促进经济、民生和社会的全面发展，已成为社会关注的焦点议题。
本文的理论意义在于：第一，丰富了目前关于企业发行绿色债券经济后果的研究，不局限于环境表现和财务表现的评价指标，更进一步分析发行绿色债券对企业投资理念、价值标准的影响，拓宽了现有研究视角[2]；第二，我国关于ESG价值体系的研究尚处于起步阶段，将绿色金融与ESG相结合，丰富了现有关于ESG理念的理论研究，增加了企业ESG表现的前因变量[3]。
基于此，本文在借鉴现有研究成果的基础上，采用多角度深入分析企业发行绿色债券对ESG评级的影响。文章引入了调节效应模型、区域差异性分析、要素密集度异质性分析以及作用机制分析等方法，实证检验了企业发行绿色债券对ESG评级的正向影响，并据此提出了针对性的政策建议，为绿色债券领域的研究增添了新的视角和深度[4]。通过这种多维度的分析方法，本文的研究不仅拓展了对绿色债券影响的理解，也为政策制定者和企业提供了有关如何利用绿色债券推动企业及经济可持续发展的宝贵见解。
2. 文献综述
目前关于企业发行绿色债券的关注主要是市场反应和企业表现两方面，企业通过发行绿色债券资助环保项目，这种做法能够吸引投资者的关注，并可能对公司的股票价格产生积极影响，导致在股票市场上宣布发行绿色债券时出现正向的市场反应。然而，也有研究者指出，相较于传统债券，发行绿色债券并不一定能为企业带来额外的收益。他们认为，由于投资者倾向于关注短期利益，对于投资绿色项目所带来的长期不确定性和潜在风险持谨慎态度，这限制了绿色债券在提升投资吸引力方面的潜力[5]。
企业单独的力量不足以推动产业向绿色转型，要转变以牺牲环境为代价来促进经济增长的旧有模式，解决发展中的问题，资金的支持是关键。在现有文献中，探讨绿色金融政策对企业ESG绩效影响的研究相对较少，虽然有些文献分别探讨了绿色金融政策对环境保护、公司治理、社会责任的影响，但很少有研究将这三者综合考虑[5]。总体而言，任晓姝(2024)通过对2016~2021年A股市场发行与未发行绿色债券的公司进行对比分析，发现发行绿色债券的公司在ESG方面表现更佳，尤其在国有企业、非重污染行业和“双碳”目标提出后更为明显。孙少岩等(2023)采用包含非期望产出的固定效应随机前沿模型，从生产率、强度和总量三个维度证实了绿色信贷的碳减排效果，能显著提升全要素碳生产率和降低碳排放强度。刘海英等(2020)构建了绿色技术进步指标，实证分析了绿色信贷对绿色技术创新的影响，发现绿色信贷与绿色技术进步之间存在显著的“U型”关系，初期的抑制作用主要是因为绿色信贷对企业项目投资方向的严格限制和高环保标准，后期的推动作用则是因为绿色信贷水平的提升促进了绿色低碳技术进步。王翌秋等(2023)指出，商业银行在贷款时越来越重视企业的ESG绩效，倾向于向表现良好的企业发放更多、期限更长、条件更宽松的贷款[6]。斯丽娟和曹昊煜(2022)以《绿色信贷指引》为准自然实验，使用连续双重差分模型证实了绿色信贷政策的实施能通过提高资金成本、增加企业环境关注两种途径，促进企业开展前端治理和绿色办公。
3. 理论分析与提出假设
3.1. 理论分析
根据企业社会责任理论，企业通过发行绿色债券，会吸引政府、资本市场参与者、媒体和社会公众的更多目光，从而减少信息不对称现象。这促使企业更有动机在人权保护、劳动标准、产品质量和社区参与等方面增加投资，以塑造其积极履行社会责任的形象，提升其声誉和公众认可。同时，绿色债券发行所带来的低成本资金也为企业提供实现社会价值最大化的服务提供了可能性，企业发行绿色债券可以降低融资成本[6]，因为这种债券体现了企业对环境保护和社会责任的承担。企业通过发行绿色债券展示其对可持续发展的承诺，增强了投资者对企业的信任，从而可能降低企业的融资成本。
从环保的视角出发，绿色债券相较于传统债券，不仅发行效率高、成本较低，而且能够适应绿色创新项目长期的资金需求。鉴于节能减排、污染防治和技术创新等领域对资金的大量需求，加之这些领域的不确定性和高风险，融资难度和成本往往成为企业履行环保责任的障碍。企业通过发行绿色债券为环境治理项目提供了稳定的资金来源[7]。同时，随着对高质量发展和可持续性的重视，投资者开始更多地考虑企业的环境风险和表现，绿色债券的发行传递出企业对环保和节能的承诺，这有助于吸引投资者的关注，降低企业的融资成本，增加企业在环保方面的投资，从而提高企业的环境表现。
绿色债券的发行对企业推动绿色创新具有积极作用，创新项目往往需要巨额资金、长期投入和面对较高风险，而融资限制一直是阻碍企业创新的关键因素，高昂的融资成本可能会削弱企业进行创新的动力，通过发行绿色债券，企业可以向市场传递其对环保的承诺，这有助于减少资金提供者和需求者之间的信息差距，同时，市场投资者越来越重视企业在绿色投资和环境信息披露方面的表现，将发行绿色债券视为企业积极履行社会责任的信号[7]，这有助于企业建立节能降耗的积极形象，吸引投资者的关注，进而为绿色创新活动提供更广泛的融资途径。
3.2. 提出假设
绿色创新被视为企业实现减排目标的关键手段，只有持续增强企业的绿色创新能力，才能有效减少碳排放，实现碳中和与碳减排[8]。企业通过发行绿色债券，不仅可以提升自身的绿色表现，还能向市场传递其对绿色项目承诺的积极信号，建立起对节能减排政策的积极响应形象，增强投资者的信任，并吸引更多资金。这也会激励同行业的其他企业增加对绿色创新的投资[9]，以提升自身的企业表现。基于此，本文提出以下假设：
H1：企业发行绿色债券的行为将促进其他企业增加绿色创新力度，进而提高ESG评级。
绿色债券通常具有较长的存续期，这与绿色项目长期投资周期的需求相契合，有助于减少期限不匹配的风险，并优化债务到期结构，降低项目偿还资金的压力。发行绿色债券还能降低融资成本[10]，因为它们享有税收优惠，包括政府的免税和免息政策，这些优惠政策降低了发行成本，使得绿色债券的利率通常低于市场上同期、同期限、同信用评级的其他债券。此外，监管机构还赋予绿色债券作为合格质押品的地位，增强了其流动性。总体来看，绿色债券发行减轻了企业的融资限制，为企业的绿色项目投资提供了更多资金渠道，提升了企业的ESG表现。因此，本文提出以下研究假设：
H2：发行绿色债券通过减轻企业的融资压力，从而增强其ESG绩效。
企业发行绿色债券是其提升环境、社会和治理(ESG)水平的重要策略之一。以下是对这一研究假设的合理解释：
绿色债券的募集资金专门用于资助环保项目，这样的资金定向投入有助于企业加大在绿色技术和可持续发展项目上的支出，直接推动企业在环境保护方面的实践，发行绿色债券能够向外界传递企业对环境保护的承诺和决心[11]，这种积极的信号能够提升企业的环保形象，吸引更多关注可持续发展的投资者和消费者。基于此，本文提出以下假设：
H3：企业通过发行绿色债券改善环保投资支出，从而提升企业的ESG水平。
4. 研究设计
4.1. 数据来源
本文选取2010~2022年中国A股市场发行绿色债券的上市公司和发行普通债券未发行绿色债券的公司为研究对象。按照研究惯例，剔除了金融行业样本，ST类样本以及主要变量数据缺失的样本。样本数据筛选如下：1) 删除ST和ST*公司，因为此类公司数据无法有效地反映变量间的关系；2) 为防止企业IPO定价的影响，删除第一年上市公司数据；3) 为保证数据计算的真实性、科学性和有效性，剔除指标和年份数据缺失的企业；4) 由于西藏的数据可得性问题，选择除西藏外全国三十个省、自治区和直辖市的相关上市公司数据。文章样本数据处理采用Excel 2010，数据分析采用Stata 16.0。
4.2. 模型构建
为了检验绿色债券对企业ESG水平的影响，本文构建如下计量模型：
ESGjt = β0 + β1greenjt + βcontroljt + δj + φt + εjt (1)
其中，下标j、t分别表示行业以及年份，δj为行业固定效应；φt为时间固定效应；εjt为随机误差项，核心解释变量greenjt前面的系数β1是本文的主要关注系数，该系数表明发行绿色债券会引起企业ESG评级变动的平均处理效应，如果该系数显著为正，那么说就明企业发行绿色债券能够增强ESG表现。
4.3. 变量设定
4.3.1. 被解释变量
本文的被解释变量包括企业ESG评级(ESG)，研究企业发行绿色债券对于企业ESG的影响，使用WIND数据库中的华证ESG综合评级作为企业ESG表现情况。
4.3.2. 解释变量
本文的解释变量为绿色债券发行(green)，反映企业是否发行绿色债券的虚拟变量，该变量的取值根据企业发行绿色债券的时点确定，企业发行绿色债券当年以后为1，否则为0。
4.3.3. 控制变量
本文选取的控制变量包括：公司规模(Size)、财务杠杆(lev)、盈利能力(roa)、公司价值(tobinq)、成长能力(Growth)、公司上市年限(firmage)、现金持有水平(Cashflow)等，具体定义如表1所示。
Table 1. Description of variables
表1. 变量说明
变量类型 |
变量名称 |
符号表示 |
数据指标 |
数据来源 |
被解释变量 |
企业ESG表现 |
ESG |
华证ESG评级 |
Wind数据库 |
解释变量 |
绿色债券发行 |
Green |
企业发行绿色债券当年以后为1，否则为0 |
Csmar数据库 |
控制变量 |
企业规模 |
Size |
企业总资产取自然对数 |
Csmar数据库 |
企业年龄 |
firmge |
企业上市年份取自然对数 |
Csmar数据库 |
资产负债率 |
Lev |
负债与资产总额之比 |
Csmar数据库 |
企业成长性 |
Growth |
企业营业总收入年增长率 |
Csmar数据库 |
|
公司现金流 |
Cashflow |
企业经营活动现金流净额与总资产之比 |
Csmar数据库 |
公司价值 |
tobinq |
托宾Q值 |
Csmar数据库 |
独立董事规模 |
indep |
独立董事/董事人数 |
Csmar数据库 |
盈利能力 |
Roa |
净利润/资产 |
Csmar数据库 |
两职合一 |
Dual |
若董事长与总经理是同一人则取值1，否则为0 |
Csmar数据库 |
审计质量 |
Big4 |
为四大会计师事务所审计为1，否则为0 |
Csmar数据库 |
5. 实证分析
5.1. 描述性统计
如表2各变量描述性统计结果可以看出，被解释变量ESG的均值为4.157，标准差为1.000，最小值为1，最大值为8，说明样本企业的ESG水平等级良好，且各企业之间的ESG水平存在一定差异。绿色债券的均值为0.064，标准差为0.246，这意味着样本中仅有6.4%的样本处在绿色债券的发行期间内。
Table 2. Descriptive statistics of key variables
表2. 主要变量的描述性统计
变量 |
Obs |
Mean |
Std. dev. |
Min |
Max |
ESG |
30,497 |
4.157 |
1.000 |
1 |
8 |
green |
30,497 |
0.064 |
0.246 |
0 |
1 |
size |
30,497 |
22.315 |
1.317 |
19.692 |
26.682 |
lev |
30,497 |
0.435 |
0.203 |
0.030 |
0.916 |
roa |
30,497 |
0.042 |
0.062 |
−0.343 |
0.251 |
cashflow |
30,497 |
0.046 |
0.068 |
−0.224 |
0.260 |
growth |
30,497 |
0.173 |
0.384 |
−0.630 |
3.273 |
indep |
30,497 |
37.533 |
5.401 |
28.57 |
60 |
dual |
30,497 |
0.274 |
0.446 |
0 |
1 |
tobinq |
30,497 |
1.986 |
1.290 |
0.791 |
13.527 |
firmage |
30,497 |
2.893 |
0.356 |
1.099 |
3.611 |
big4 |
30,497 |
0.067 |
0.250 |
0 |
1 |
5.2. 相关性分析
多重共线性是计量经济学中常见的问题，指的是在回归模型中，自变量之间存在高度相关性，从而使得难以准确估计它们的系数。具体来说，当两个或多个自变量之间存在线性关系，或者它们之间的相关性很强时，就会出现多重共线性。为避免多重共线性，本文首先对各变量进行相关性检验和共线性诊断，可以通过计算变量间的Pearson相关系数来检验是否存在多重共线性问题，变量间相关系数见表3。
Table 3. Correlation coefficient table of variables
表3. 变量间相关系数表
变量 |
ESG |
green |
size |
lev |
roa |
cashflow |
growth |
ESG |
1 |
|
|
|
|
|
|
green |
0.093*** |
1 |
|
|
|
|
|
size |
0.195*** |
0.346*** |
1 |
|
|
|
|
lev |
−0.079*** |
0.201*** |
0.504*** |
1 |
|
|
|
roa |
0.196*** |
−0.011* |
−0.025*** |
−0.377*** |
1 |
|
|
cashflow |
0.064*** |
0.024*** |
0.089*** |
−0.141*** |
0.387*** |
1 |
*** |
growth |
−0.008 |
0.011* |
0.033*** |
0.023*** |
0.264*** |
0.025*** |
1 |
indep |
0.086*** |
0.003 |
0.029*** |
−0.002 |
−0.017*** |
−0.001 |
−0.006 |
dual |
0.004 |
−0.063*** |
−0.183*** |
−0.150*** |
0.049*** |
−0.027*** |
0.025*** |
tobinq |
−0.091*** |
−0.128*** |
−0.366*** |
−0.256*** |
0.178*** |
0.102*** |
0.065*** |
firmage |
−0.039*** |
0.040*** |
0.223*** |
0.215*** |
−0.138*** |
0.040*** |
−0.079*** |
big4 |
0.119*** |
0.161*** |
0.354*** |
0.105*** |
0.025*** |
0.076*** |
−0.007 |
|
indep |
dual |
tobinq |
firmage |
Big4 |
|
|
indep |
1 |
|
|
|
|
|
|
dual |
0.092*** |
1 |
|
|
|
|
|
tobinq |
0.038*** |
0.069*** |
1 |
|
|
|
|
firmage |
0.003 |
−0.093*** |
−0.031*** |
1 |
|
|
|
big4 |
0.042*** |
−0.057*** |
−0.084*** |
0.026*** |
1 |
|
|
注：*、**、***表示在10%、5%、1%水平上显著。下表同。
5.3. 回归分析
基于上述面板数据构建多元线性回归模型的回归结果如表4所示，1) 为不考虑控制变量的情况下，绿色债券(green)的回归系数为0.446，且在1%水平下显著为正，2) 为考虑加入控制变量后，变量绿色债券(green)的回归系数为0.173，虽然green前面系数的估计值有所下降，但依旧在1%水平上显著，从经济意义的角度来看，企业发行绿色债券的概率每增加一个标准差，企业的ESG水平提高1.986%。
Table 4. Regression table
表4. 回归表格
变量 |
ESG |
ESG |
(1) |
(2) |
green |
0.446*** |
0.173*** |
|
(18.76) |
(7.35) |
size |
|
0.221*** |
|
|
(36.37) |
lev |
|
−0.875*** |
|
|
(−24.41) |
roa |
|
2.587*** |
|
|
(24.19) |
cashflow |
|
−0.162* |
|
|
(−1.86) |
growth |
|
−0.146*** |
|
|
(−10.06) |
indep |
|
0.013*** |
|
|
(13.63) |
dual |
|
0.005 |
|
|
(0.44) |
tobinq |
|
−0.035*** |
|
|
(−7.17) |
firmage |
|
−0.169*** |
|
|
(−9.46) |
big4 |
|
0.140*** |
|
|
(6.17) |
_cons |
3.372*** |
−1.031*** |
|
(42.41) |
(−6.61) |
N |
30,497 |
30,497 |
Year |
Yes |
Yes |
Ind |
Yes |
Yes |
R2 |
0.071 |
0.183 |
5.4. 机制分析
上文已经通过多种计量经济学分析方法确认，上市公司发行绿色债券对于显著提高企业的ESG (环境、社会和治理)表现具有积极作用，本文将探究三种可能的途径：融资约束、环保投资以及绿色技术的创新，这些途径可能解释了绿色债券发行如何促进企业ESG评级的提升。在已有模型(1)的基础上，本文将进一步构建新的模型来检验这些中介效应：
Mit = α0 + α1greenit + βcontrolit+ δi + φt + εit
ESGit = β0 + β1greenit + β2Mit + βcontrolit + δi+φt + εit
其中，Mit为机制变量，涵盖了融资约束、环保投资以及绿色技术创新三个方面。在本文中，绿色技术创新(Inv)通过采用中国研究数据服务平台(CNRDS)提供的2010至2022年企业年度绿色专利申请数量的自然对数加一来度量，至于融资约束的度量，虽然有多种方法如投资–现金流敏感度、现金–现金流敏感度、KZ指数和SA指数等，但本文选择使用SA指数，因为它能有效避免WW指数和KZ指数存在的内生性问题[12]。参照HADLOCK、PIERCE以及鞠晓生等的研究，计算公式为SA = −0.737 × Size + 0.043 × Size2 − 0.04 × Age。SA指数的负值结果需取其绝对值，数值越大，表明企业所受的融资约束越严重，至于环保投资的度量，则参照赵领娣等(2022)和张琦等(2019)的方法，将企业在建工程明细表中与环保相关的投资支出，如脱硫脱硝、污水处理、节能、除尘、废气废渣处理、环境治理、生态恢复、清洁化生产等项目进行汇总，并将其与期末总资产相除以进行标准化处理，从而得到企业的年度环保投资数据[13]。
5.4.1. 环保投资
本文检验环保投资(Invest)的中介效应，汇总了在建工程明细表中与污染防治、生态环境修复以及绿色生产相关的投资支出，这些数据被用来计算企业在特定年度的绿色投资支出总额，并通过将其除以期末的总资产来进行标准化。为了降低数据处理过程中的偏差，去除所有包含缺失值的相关变量，排除样本期间被特别处理(ST)的公司数据。此外，对主要的连续变量进行了1%水平的缩尾处理，以减少极端值的影响。
Table 5. Mechanism validation: environmental investments
表5. 机制检验：环保投资
变量 |
(1) |
(2) |
(3) |
ESG |
Invest |
ESG |
green |
0.173*** |
0.020*** |
0.167*** |
|
(7.34) |
(5.22) |
(6.81) |
Invest |
|
|
0.218*** |
|
|
|
(5.51) |
size |
0.221*** |
0.001 |
0.216*** |
|
(36.33) |
(0.59) |
(33.57) |
lev |
−0.872*** |
0.040*** |
−0.892*** |
|
(−24.32) |
(6.75) |
(−23.22) |
roa |
2.589*** |
0.008 |
2.576*** |
|
(24.19) |
(0.43) |
(22.10) |
cashflow |
−0.154* |
−0.019 |
−0.167* |
|
(−1.76) |
(−1.29) |
(−1.74) |
growth |
−0.146*** |
−0.007*** |
−0.147*** |
|
(−10.04) |
(−3.04) |
(−9.31) |
indep |
0.013*** |
0.000 |
0.014*** |
|
(13.58) |
(0.46) |
(13.18) |
dual |
0.005 |
0.010*** |
0.007 |
|
(0.44) |
(4.95) |
(0.50) |
tobinq |
−0.035*** |
−0.001* |
−0.033*** |
|
(−7.18) |
(−1.66) |
(−6.04) |
firmage |
−0.168*** |
−0.013*** |
−0.167*** |
|
(−9.43) |
(−4.68) |
(−8.86) |
big4 |
0.139*** |
0.003 |
0.175*** |
|
(6.11) |
(0.90) |
(7.27) |
_cons |
−1.030*** |
0.085*** |
−1.037*** |
|
(−6.60) |
(3.36) |
(−6.29) |
N |
30,473 |
27,555 |
27,555 |
Year |
Yes |
Yes |
Yes |
Ind |
Yes |
Yes |
Yes |
R2 |
0.182 |
0.073 |
0.177 |
研究结果见表5，企业发行绿色债券(green)的估计系数在第(2)列中显著为正，说明企业发行绿色债券有效促进企业在环保支出上的投入。企业发行绿色债券(green)的估计系数在第(1)列和第(3)列中均显著为正。第(3)列融环保投资(Invest)的估计系数在1%的水平上显著为正，表明环保投资的作用机制确实存在。
5.4.2. 融资约束
通过引入SA指数进行逐步回归检验企业发行绿色债券在融资约束路径方面对企业ESG表现的提升效应。在实际操作中，企业可以通过发行绿色债券来筹集资金，专门用于绿色项目或战略投资，从而向市场传递其对环境治理的承诺和努力。这种做法不仅有助于改善企业的环境绩效，还能通过降低融资成本来提高企业的财务绩效。此外，政府的监管和环境治理措施也在其中起到了关键作用，通过提供良好的政策环境和激励机制，可以进一步促进企业绿色转型和ESG表现的提升[14]。
Table 6. Mechanism validation: financing constraints
表6. 机制检验：融资约束
变量 |
(1) |
(2) |
(3) |
ESG |
SA |
ESG |
green |
0.173*** |
−0.069*** |
0.140*** |
|
(7.34) |
(23.74) |
(5.89) |
SA |
|
|
−0.478*** |
|
|
|
(10.35) |
size |
0.221*** |
0.028*** |
0.207*** |
|
(36.33) |
(37.58) |
(33.39) |
lev |
−0.872*** |
−0.026*** |
−0.859*** |
|
(−24.32) |
(−5.83) |
(−24.00) |
roa |
2.589*** |
−0.114*** |
2.643*** |
|
(24.19) |
(−8.61) |
(24.71) |
cashflow |
−0.154* |
−0.016 |
−0.146* |
|
(−1.76) |
(−1.52) |
(−1.68) |
growth |
−0.146*** |
−0.006*** |
−0.143*** |
|
(−10.04) |
(−3.45) |
(−9.85) |
indep |
0.013*** |
0.001*** |
0.013*** |
|
(13.58) |
(6.09) |
(13.24) |
dual |
0.005 |
0.018*** |
−0.003 |
|
(0.44) |
(11.52) |
(−0.24) |
tobinq |
−0.035*** |
0.020*** |
−0.045*** |
|
(−7.18) |
(32.60) |
(−8.97) |
firmage |
−0.168*** |
−0.649*** |
0.142*** |
|
(−9.43) |
(−292.90) |
(4.07) |
big4 |
0.139*** |
0.079*** |
0.102*** |
|
(6.11) |
(27.89) |
(4.41) |
_cons |
−1.030*** |
−2.631*** |
0.227 |
|
(−6.60) |
(−135.91) |
(1.15) |
N |
30,473 |
30,473 |
30,473 |
Year |
Yes |
Yes |
Yes |
Ind |
Yes |
Yes |
Yes |
R2 |
0.182 |
0.816 |
0.185 |
如表6所示的数据分析结果表明，在第(2)列中，回归系数在1%的显著性水平上显著，这说明企业通过发行绿色债券能有效减轻其面临的融资约束。进一步地，在第(3)列中，融资约束(SA)的系数同样显著，这表明融资约束在绿色债券对企业ESG表现的影响中发挥了中介作用，并可以据此判断融资约束在以中介效应的形式存在[15]。
5.4.3. 绿色技术创新
本文检验绿色技术创新(Inv)的中介效应，选取企业绿色授权专利总量的对数作为中介变量，如表7所展示的回归分析结果表明，企业发行绿色债券与绿色技术创新之间存在显著的正相关关系。具体来说，在列(1)中，绿色债券(green)的系数在1%的显著性水平下显著为正，这反映了企业通过发行绿色债券能够促进其在绿色技术创新方面的表现。进一步地，在列(2)中，绿色创新(Inv)的系数同样显著为正，并且通过了1%的显著性检验，这表明绿色创新对企业ESG (环境、社会和治理)水平的提升具有积极影响[16]。同时，绿色债券(green)的系数在此模型中依然保持正向显著，这暗示了绿色技术创新在绿色债券促进企业ESG表现的过程中扮演了中介角色。
Table 7. Mechanism validation: green technology innovation
表7. 机制检验：绿色技术创新
变量 |
(1) |
(2) |
(3) |
ESG |
Inv |
ESG |
green |
0.173*** |
0.195*** |
0.230*** |
|
(7.35) |
(3.98) |
(7.13) |
Inv |
|
|
0.119*** |
|
|
|
(24.18) |
size |
0.221*** |
0.321*** |
0.188*** |
|
(36.37) |
(27.12) |
(23.61) |
lev |
−0.875*** |
−0.023 |
−0.958*** |
|
(−24.41) |
(−0.31) |
(−19.75) |
roa |
2.587*** |
2.359*** |
2.106*** |
|
(24.19) |
(11.73) |
(15.84) |
cashflow |
−0.162* |
0.575*** |
−0.201* |
|
(−1.86) |
(3.13) |
(−1.66) |
growth |
−0.146*** |
−0.193*** |
−0.107*** |
|
(−10.06) |
(−6.50) |
(−5.46) |
indep |
0.013*** |
−0.001 |
0.011*** |
|
(13.63) |
(−0.57) |
(8.90) |
dual |
0.005 |
0.013 |
0.005 |
|
(0.44) |
(0.55) |
(0.31) |
tobinq |
−0.035*** |
0.018* |
−0.017** |
|
(−7.17) |
(1.77) |
(−2.56) |
firmage |
−0.169*** |
−0.496*** |
−0.145*** |
|
(−9.46) |
(−12.18) |
(−5.38) |
big4 |
0.140*** |
0.233*** |
0.223*** |
|
(6.17) |
(5.27) |
(7.64) |
_cons |
−1.031*** |
−4.990*** |
−0.730*** |
|
(−6.61) |
(−15.56) |
(−3.44) |
N |
30,497 |
17,888 |
17,888 |
Year |
Yes |
Yes |
Yes |
Ind |
Yes |
Yes |
Yes |
R2 |
0.183 |
0.347 |
0.218 |
5.5. 稳健性检验
5.5.1. 滞后效应
企业在感知外部信息并作出相应决策调整时，通常会经历一段延迟期，同时，绿色债券发展的积极影响在企业行为上的体现是一个缓慢且持续的过程。这种情形可能导致当前时期发行绿色债券的信息未能得到及时反馈。因此，本文参考李宗泽和李志斌(2023)的研究方法，对主要解释变量和相关控制变量进行一期至三期的滞后处理，并纳入基准模型进行回归分析。
Table 8. Lag effect
表8. 滞后效应
变量 |
(1) |
(2) |
(3) |
滞后一期 |
滞后二期 |
滞后三期 |
ESG |
ESG |
ESG |
Lgreen |
0.166*** |
|
|
|
(6.47) |
|
|
Lgreen2 |
|
0.157*** |
|
|
|
(5.66) |
|
Lgreen3 |
|
|
0.172*** |
|
|
|
(5.77) |
size |
0.246*** |
0.269*** |
0.277*** |
|
(34.95) |
(33.41) |
(31.60) |
lev |
−0.884*** |
−0.886*** |
−0.904*** |
|
(−21.29) |
(−18.72) |
(−17.59) |
roa |
2.410*** |
2.385*** |
2.457*** |
|
(19.15) |
(16.90) |
(16.51) |
cashflow |
−0.052 |
0.063 |
0.117 |
|
(−0.51) |
(0.54) |
(0.92) |
growth |
−0.124*** |
−0.137*** |
−0.158*** |
|
(−7.24) |
(−7.32) |
(−7.98) |
indep |
0.013*** |
0.013*** |
0.013*** |
|
(11.97) |
(10.71) |
(9.78) |
dual |
−0.012 |
−0.043*** |
−0.054*** |
|
(−0.85) |
(−2.64) |
(−3.01) |
tobinq |
−0.020*** |
−0.010 |
−0.004 |
|
(−3.39) |
(−1.51) |
(−0.59) |
firmage |
−0.170*** |
−0.146*** |
−0.125*** |
|
(−7.97) |
(−5.78) |
(−4.33) |
big4 |
0.134*** |
0.127*** |
0.138*** |
|
(5.27) |
(4.48) |
(4.53) |
_cons |
−1.533*** |
−2.118*** |
−2.429*** |
|
(−8.47) |
(−10.17) |
(−10.56) |
N |
24,249 |
19,967 |
17,376 |
Year |
Yes |
Yes |
Yes |
Ind |
Yes |
Yes |
Yes |
R2 |
0.188 |
0.197 |
0.207 |
如表8的分析中可以明显看出，无论是滞后一期还是三期的回归分析中，关键解释变量green的系数均呈现出显著的正向影响，且经过滞后处理的回归结果与基准模型的回归结果保持一致，这表明企业发行绿色债券不仅能够显著提升其ESG评级，而且这种正面影响具有一定的持续性，进一步验证了基准回归结果的稳健性，并巩固了核心变量之间因果关系的可信度[17]。
5.5.2. 改变样本容量
在2020年年初，受到疫情这一外部冲击的影响，这种外部冲击可能导致金融机构在严峻的市场环境下可能放宽了贷款标准，以保持其收益水平，这可能会影响到当年绿色金融活动的质量问题；同时，企业为了适应资本市场的偏好、降低成本、吸引投资，可能会采取一些美化自身形象的措施，这可能会促使企业调整其经营模式和战略规划，从而削弱绿色金融的效应。这种效应可能导致企业发行绿色债券与ESG评级提升之间的关系出现伪相关。为了验证基准回归结果的稳健性，本研究对样本时期进行了调整，剔除了2020年的数据，并重新进行了基准回归分析。调整后的样本回归结果详见相应表格。
2017年6月，国务院选择在浙江、江西、广东、贵州、新疆五省(区)的8个城市(新区)作为首批国家级绿色金融改革创新试验区，开展为期5年的具有地方特色的绿色金融改革创新试点，以推动绿色金融体系的发展。2019年12月，国家在甘肃省兰州新区增设了绿色金融改革创新试验区，2022年8月又批准设立了重庆绿色金融改革创新试验区[18]。这些国家级绿色金融改革创新试验区的建立，不仅增强了相关地区对绿色金融的关注，还通过资源配置提升了绿色金融的效率(赵亚雄等，2023)，促进了地区产业结构的生态化发展(斯丽娟和姚小强，2022)，并提高了企业履行社会责任的水平(沈璐和廖显春，2020)，最终对企业ESG评级的提升起到了显著的推动作用(苏冬蔚和刘子茗，2023)。这种作用可能导致基准回归中观察到的企业ESG表现的提升，实际上是区域绿色金融改革政策的结果，而非绿色债券发行的直接影响。因此，本研究剔除了样本区间内涉及国家级绿色金融改革创新试验区设立后的企业数据[19]，并对缩减后的样本数据进行了基准回归分析，以检验剔除政策效应后的基准回归结果的稳健性。样本量调整后的回归结果详见表9。
Table 9. Adjusting sample size
表9. 调整样本容量
变量 |
(1) |
(2) |
样本期调整 |
样本期缩减 |
ESG |
ESG |
green |
0.155*** |
0.164*** |
|
(6.47) |
(5.96) |
size |
0.214*** |
0.222*** |
|
(34.47) |
(30.34) |
lev |
−0.845*** |
−0.841*** |
|
(−23.28) |
(−19.47) |
roa |
2.433*** |
2.611*** |
|
(22.23) |
(19.82) |
cashflow |
−0.124 |
−0.294*** |
|
(−1.40) |
(−2.77) |
growth |
−0.154*** |
−0.144*** |
|
(−10.59) |
(−8.39) |
indep |
0.013*** |
0.015*** |
|
(13.15) |
(12.24) |
dual |
0.008 |
−0.010 |
|
(0.66) |
(−0.64) |
tobinq |
−0.039*** |
−0.029*** |
|
(−7.76) |
(−4.89) |
firmage |
−0.166*** |
−0.212*** |
|
(−9.23) |
(−9.74) |
big4 |
0.144*** |
0.143*** |
|
(6.16) |
(5.44) |
_cons |
−0.843*** |
−1.078*** |
|
(−5.31) |
(−5.79) |
N |
28,136 |
20,931 |
Year |
Yes |
Yes |
Ind |
Yes |
Yes |
R2 |
0.181 |
0.190 |
如表9中的分析结果显示，(1)列展示了剔除2020年数据后的回归分析，核心解释变量green的系数为0.155，在1%的显著性水平上显著，这表明在排除了重大疫情冲击的影响后，企业发行绿色债券继续对提升企业的ESG表现有积极作用。(2)列则展示了在排除了国家级绿色金融改革创新试验区政策影响后的回归结果，核心解释变量green的系数为0.164，同样在1%的显著性水平上显著，这证实了即使在没有国家级绿色金融改革创新试验区政策效应的情况下，企业发行绿色债券也能显著地促进其ESG评级的提高[20]。与基准回归结果相比，排除了国家级绿色金融改革创新试验区政策效应后，核心变量green的系数有所减少，这反映出国家级绿色金融改革创新试验区对提升企业ESG表现有显著的正面影响，从而也从侧面证实了绿色金融政策对企业ESG表现提升的积极作用[20]。这些回归结果进一步验证了基准回归结果的稳健性，并加强了核心变量之间因果关系的证据。
6. 调节效应分析
6.1. 企业信誉得分的调节效应
本文构建企业声誉评价体系以量化企业的声誉，参考了国内外的企业声誉排名体系常丽娟与屈雯(2015年)的研究成果，同时考虑了各利益相关方对企业声誉的看法。在确保评价体系的可操作性、分层次、有效性以及相对全面性的前提下，筛选出了12个评价企业声誉的关键指标，这些指标具体包括：资产排名、收入排名、净利润排名、价值排名、资产负债率、流动比率、长期负债比、每股收益、每股税前现金股利、是否国际四大会计师事务所、可持续增长率、独立董事比例。接下来，研究运用因子分析法对这12个指标进行了处理，以计算出企业的声誉得分(Score)。最终，根据得出的声誉得分，将企业从声誉最低到最高排序，并分为十个组别。每个组别分别对应一个从1到10的赋值，以此代表企业声誉的不同等级，其中1代表最低声誉，10代表最高声誉。引入企业信誉得分(Score)与发行绿色债券(green)构成的交互项进行调节效应检验。
Table 10. Moderating role of corporate credit score
表10. 企业信誉得分的调节作用
变量 |
ESG |
green |
0.131*** |
|
(4.86) |
Score |
0.254*** |
|
(11.85) |
c_interaction |
0.129*** |
|
(3.50) |
size |
0.137*** |
|
(14.74) |
lev |
−0.691*** |
|
(−17.78) |
roa |
1.290*** |
|
(8.31) |
cashflow |
−0.234*** |
|
(−2.67) |
growth |
−0.151*** |
|
(−10.41) |
indep |
0.013*** |
|
(13.20) |
dual |
0.004 |
|
(0.30) |
tobinq |
−0.041*** |
|
(−8.42) |
firmage |
−0.162*** |
|
(−9.10) |
big4 |
0.006 |
|
(0.25) |
_cons |
0.731*** |
|
(3.39) |
N |
30473 |
Year |
Yes |
Ind |
Yes |
R2 |
0.186 |
研究结果见表10，第(1)列交互项系数也在99%的置信水平下为正，说明企业信誉得分对上市公司发行绿色债券与ESG评级之间有正向的调节效应。企业信誉得分提高能够增强发行绿色债券对ESG评级的促进效果[21]。这是因为企业信誉得分的提高意味着企业在市场中的正面形象和信誉度提升，这将增加投资者对企业发行绿色债券的信任度，同时，企业信誉得分的提高可能表明企业在风险管理方面表现良好，具有更健全的风险管理机制，能够有效减少与利益相关者的摩擦所带来的风险，从而提高企业的可持续发展能力和履约意愿，降低债券违约概率，从而吸引更多的投资，进一步促进企业的ESG评级[22]。
6.2. 企业金融化的调节效应
本文采用最传统、最直观的度量指标即金融资产配置占比衡量企业金融化(FINRATIO)，考察企业金融化(FINRATIO)对企业发行绿色债券与ESG评级的调节作用，引入企业金融化(FINRATIO)与发行绿色债券(green)构成的交互项进行调节效应检验。
Table 11. Moderating role of corporate financialization
表11. 企业金融化的调节作用
变量 |
ESG |
green |
0.190*** |
|
(7.80) |
FINRATIO |
−0.058 |
|
(−0.83) |
c_interaction |
1.323*** |
|
(3.64) |
size |
0.220*** |
|
(35.86) |
lev |
−0.868*** |
|
(−23.53) |
roa |
2.561*** |
|
(23.54) |
cashflow |
−0.142 |
|
(−1.60) |
growth |
−0.146*** |
|
(−9.89) |
indep |
0.013*** |
|
(13.13) |
dual |
0.006 |
|
(0.50) |
tobinq |
−0.035*** |
|
(−7.00) |
firmage |
−0.172*** |
|
(−9.48) |
big4 |
0.139*** |
|
(6.04) |
_cons |
−1.002*** |
|
(−6.36) |
N |
29,846 |
Year |
Yes |
Ind |
Yes |
R2 |
0.181 |
研究结果见表11，第(1)列交互项系数在99%置信水平下显著为正，表示企业金融化(FINRATIO)对上市公司发行绿色债券与ESG评级之间具有正面的调节作用，企业金融化程度强化了发行绿色债券对ESG评级的促进作用[23]。
7. 异质性分析
7.1. 企业属性
本文采用企业所有权结构作为反映其在环境责任、社会责任以及公司治理改革方面的倾向性的代表指标，并依据所有权性质对样本进行了区分组。考虑到国有企业可能更多地受到政府政策等政治因素的影响，本研究引入了一个虚拟变量(SOE)，对于国有企业，该变量被赋予值为1，而私营企业或其他类型企业则为0。进一步地，研究通过分组回归分析探讨了绿色债券发行对不同类型企业ESG表现的影响。
根据表12的第(1)和第(2)列数据，可以观察到绿色债券的发行对于提升国有企业和非国有企业的ESG表现均具有正面且统计上显著的效果。对于国有企业，绿色债券发行与ESG表现之间的交互项在1%的显著性水平上显著；而非对国有企业而言，相应的交互项不仅在1%的显著性水平上显著，其估计的系数也略高于非国有企业。从市场认知角度来看，非国有企业可能面临更大的市场压力，需要通过绿色债券发行来提升其ESG形象和市场竞争力，从而获得投资者的青睐。从政策角度来看，国有企业可能更容易获得政府的政策支持和财政补贴，这可能增加了绿色债券发行的吸引力，但其影响可能被其他国有企业特有的因素所稀释[24]。从企业规模来看，国有企业往往规模较大，其ESG表现的改善可能对整体评分的提升贡献较小。相比之下，非国有企业规模较小，绿色债券发行可能对其ESG评分产生更大的相对影响。这些发现表明，绿色债券发行在增强非国有企业的ESG表现方面具有更加显著和稳定的效应。
Table 12. Heterogeneity analysis: corporate attributes
表12. 异质性分析：企业属性
变量 |
ESG |
(1) |
(2) |
国有企业 |
非国有企业 |
green |
0.119*** |
0.211*** |
|
(4.00) |
(5.22) |
size |
0.262*** |
0.187*** |
|
(27.40) |
(22.56) |
lev |
−0.901*** |
−0.862*** |
|
(−15.53) |
(−18.49) |
roa |
2.028*** |
2.791*** |
|
(10.41) |
(21.77) |
cashflow |
−0.019 |
−0.172 |
|
(−0.14) |
(−1.54) |
growth |
−0.137*** |
−0.136*** |
|
(−5.88) |
(−7.34) |
indep |
0.014*** |
0.011*** |
|
(9.08) |
(8.80) |
dual |
−0.103*** |
0.035** |
|
(−3.88) |
(2.49) |
tobinq |
−0.021** |
−0.038*** |
|
(−2.34) |
(−6.51) |
firmage |
−0.119*** |
−0.190*** |
|
(−3.74) |
(−8.57) |
big4 |
0.131*** |
0.128*** |
|
(4.23) |
(3.74) |
_cons |
−2.050*** |
−0.261 |
|
(−8.44) |
(−1.16) |
N |
12274 |
18223 |
Year |
Yes |
Yes |
Ind |
Yes |
Yes |
R2 |
0.241 |
0.165 |
7.2. 行业污染程度
重污染企业通常被认为是环境污染的主要责任方，它们在生态环境问题中扮演着关键角色，由于其生产过程中产生的污染较为严重，面临着更高的环保要求和监管压力。发行绿色债券可以为这些企业提供资金，以投资于减少污染的技术和设施，从而迅速改善其环境表现[25]。绿色债券作为一种特殊的融资工具，对重污染企业的长期信贷支持实施了严格的限制，导致这些企业面临较大的外部融资限制。与此相反，重污染行业的企业更可能通过发行绿色债券来为它们的传统项目提供绿色改造和技术创新所需的资本[26]。本文假设，与非重污染行业相比，绿色债券对重污染行业的企业在ESG (环境、社会和治理)表现上的提升作用更为显著。
为了验证这一假设，本文根据行业的污染属性将样本企业分为重污染和非重污染两组，并进行了分组回归分析。如表13研究结果显示，在重污染行业组中，绿色债券(green)的系数在统计上显著为正，而在非重污染行业组中，该系数虽然为正且具有统计显著，但估计的系数略低于重污染行业。这表明绿色债券的发行对于提升重污染企业的ESG水平具有更加积极的影响，这有助于推动这些企业进行深层次的改革，并朝着可持续发展的方向前进[27]。
Table 13. Heterogeneity analysis: industry pollution levels
表13. 异质性分析：行业污染程度
变量 |
ESG |
(1) |
(2) |
重污染 |
非重污染 |
green |
0.250*** |
0.139*** |
|
(5.69) |
(4.93) |
size |
0.221*** |
0.221*** |
|
(16.36) |
(32.73) |
lev |
−1.040*** |
−0.837*** |
|
(−13.18) |
(−20.89) |
roa |
1.926*** |
2.804*** |
|
(7.37) |
(24.09) |
cashflow |
−0.512*** |
−0.048 |
|
(−2.58) |
(−0.50) |
growth |
−0.142*** |
−0.134*** |
|
(−4.16) |
(−8.40) |
indep |
0.012*** |
0.014*** |
|
(5.36) |
(12.53) |
dual |
0.019 |
0.004 |
|
(0.68) |
(0.27) |
tobinq |
−0.045*** |
−0.032*** |
|
(−3.68) |
(−6.11) |
firmage |
−0.255*** |
−0.137*** |
|
(−6.25) |
(−6.94) |
big4 |
0.129*** |
0.142*** |
|
(2.65) |
(5.54) |
_cons |
−0.465 |
−1.196*** |
|
(−1.39) |
(−7.10) |
N |
7144 |
23353 |
Year |
Yes |
Yes |
Ind |
Yes |
Yes |
R2 |
0.155 |
0.201 |
7.3. 技术水平异质性
根据表14的第(1)和第(2)列数据，可以观察到企业发行绿色债券对于提升技术密集型企业和非技术密集型企业的ESG表现均具有正面且统计上显著的效果，但企业发行绿色债券(green)对技术密集型企业和非技术密集型企业的ESG (环境、社会和公司治理)影响存在差异。技术密集型企业可能在环境敏感度上与非技术密集型企业不同，技术密集型企业可能更依赖于研发和创新，这可能使它们在环境实践上更为先进，技术密集型企业可能更擅长于将资本分配到高效率和高产出的研发项目中[28]，而非技术密集型企业可能更需要绿色债券来改善其环境表现和运营效率。因此，虽然企业发行绿色债券对技术型密集型企业和非技术密集型企业的ESG评级都产生显著影响，但非技术密集型企业估计的系数略高于技术密集型企业。
Table 14. Heterogeneity analysis: technology level
表14. 异质性分析：技术水平
变量 |
ESG |
(1) |
(2) |
技术密集型 |
非技术密集型 |
green |
0.145*** |
0.181*** |
|
(3.28) |
(6.45) |
size |
0.204*** |
0.235*** |
|
(22.87) |
(28.29) |
lev |
−0.741*** |
−0.996*** |
|
(−14.18) |
(−20.24) |
roa |
3.175*** |
1.988*** |
|
(21.26) |
(13.02) |
cashflow |
−0.039 |
−0.204* |
|
(−0.29) |
(−1.77) |
growth |
−0.192*** |
−0.107*** |
|
(−8.48) |
(−5.63) |
indep |
0.011*** |
0.016*** |
|
(7.52) |
(11.61) |
dual |
0.016 |
−0.005 |
|
(1.01) |
(−0.27) |
tobinq |
−0.037*** |
−0.035*** |
|
(−5.65) |
(−4.71) |
firmage |
−0.122*** |
−0.208*** |
|
(−4.85) |
(−8.20) |
big4 |
0.136*** |
0.135*** |
|
(3.62) |
(4.71) |
_cons |
−0.489** |
−1.203*** |
|
(−2.40) |
(−5.84) |
N |
13,801 |
16,696 |
Year |
Yes |
Yes |
Ind |
Yes |
Yes |
R2 |
0.158 |
0.210 |
7.4. 区域异质性
考虑到中国广阔的地理分布和不同地区在资源和文化历史发展上的显著差异时，单一的全样本分析可能无法充分揭示地区之间的潜在区别[29]。在经济较为发达的地区，公司能够以更低的成本发行绿色债券，并且更有可能获得政府的财政支持，这些因素共同促进了它们在规划和实施绿色项目方面的ESG (环境、社会和公司治理)表现。本文根据国家统计局的区域划分标准，将样本中的所有上市公司分为东部、中部和西部三类[30]，以分别研究绿色债券对其ESG评级的影响。如表15的第(1)、(2)和(3)列分别展示了绿色债券对东部、中部和西部上市公司ESG评级的影响。分析结果显示，在第(1)列和第(3)列中，绿色债券的估计系数在东部地区和中部地区显著为正，虽然在第(2)列中，西部地区的相应系数也显著，但其系数略低于中部和东部地区。这表明，在东部地区，发行绿色债券对提升企业的ESG绩效具有更加明显的正面效果，可能是东部地区在获取财政资源和实施绿色计划方面的优势，拥有更成熟的资本市场和更广泛的投资者基础，这有助于降低绿色债券的发行成本，并提高其对ESG绩效的正面影响。
Table 15. Heterogeneity analysis: regional
表15. 异质性分析：区域性
变量 |
ESG |
(1) |
(2) |
(3) |
东部 |
西部 |
中部 |
green |
0.172*** |
0.133** |
0.171*** |
|
(5.99) |
(2.33) |
(2.59) |
size |
0.225*** |
0.194*** |
0.211*** |
|
(31.67) |
(11.31) |
(12.39) |
lev |
−0.839*** |
−0.918*** |
−0.946*** |
|
(−19.65) |
(−9.74) |
(−9.59) |
roa |
2.720*** |
2.101*** |
2.518*** |
|
(22.04) |
(7.20) |
(8.04) |
cashflow |
−0.084 |
−0.170 |
−0.647*** |
|
(−0.82) |
(−0.75) |
(−2.60) |
growth |
−0.127*** |
−0.172*** |
−0.165*** |
|
(−7.21) |
(−4.83) |
(−4.51) |
indep |
0.012*** |
0.013*** |
0.022*** |
|
(10.22) |
(5.01) |
(7.99) |
dual |
−0.003 |
0.090*** |
−0.044 |
|
(−0.22) |
(2.74) |
(−1.11) |
tobinq |
−0.036*** |
−0.050*** |
−0.023* |
|
(−6.16) |
(−4.07) |
(−1.73) |
firmage |
−0.140*** |
−0.127** |
−0.335*** |
|
(−6.79) |
(−2.57) |
(−5.91) |
big4 |
0.068*** |
0.264*** |
0.307*** |
|
(2.62) |
(3.89) |
(3.98) |
_cons |
−1.305*** |
−0.449 |
−0.425 |
|
(−6.47) |
(−1.11) |
(−1.04) |
N |
21404 |
4931 |
4147 |
Year |
Yes |
Yes |
Yes |
Ind |
Yes |
Yes |
Yes |
R2 |
0.186 |
0.201 |
0.224 |
8. 研究结论与政策建议
本文发现增强绿色债券在提升企业ESG表现以及推动绿色低碳经济发展方面具有显著的政策价值，并提出了以下政策建议：一、优化绿色债券融资渠道，政府可以依据绿色项目的实施进度，制定相应的政策，延长绿色债券的发行批准或偿还期限，以确保企业绿色项目的资本需求得到满足，并增强资金的长期稳定性，助力项目顺利完成。同时，企业也应完善绿色债券发行的规则，确保资金专用于绿色项目，并加强资金管理和项目信息披露[30]。二、综合施策发挥绿色债券的ESG绩效提升作用，减轻融资约束和提升绿色技术创新能力是绿色债券提升企业ESG表现的关键机制。为充分发挥这一作用，需要从多个角度入手，消除障碍。政策制定者应采取措施，如提供税收优惠、降低发行门槛、增强市场流动性等，以激发绿色债券市场的活力。三、强化绿色金融的激励机制，绿色债券对于提升中西部地区企业、非国有企业以及媒体关注度较低企业的ESG表现影响有限。这些企业可能在ESG管理和自身发展上存在一定的不足，或是在绿色债券发行管理上遇到问题，未能充分发挥绿色债券的作用。鉴于这些企业在推动经济高质量发展中的重要性，政策应向它们倾斜，提供更多支持[31]，以充分发挥绿色债券的融资潜力。
综上所述，通过这些政策建议，可以进一步激发绿色债券市场的发展，促进企业ESG表现的提升，进而推动绿色低碳可持续经济的发展。
NOTES
*通讯作者。