1. 引言
2020年9月，国家主席习近平在第75届联合国大会庄严舞台上，对“碳达峰、碳中和”宏伟目标作出坚定不移的承诺，并矢志不渝地履行这一庄严使命。他多次在国际交流中重申“双碳”战略目标，彰显了中国在全球环境治理中的坚定决心与积极姿态。以“双碳”目标为引领的绿色发展模式，不仅是对传统发展模式的深刻反思与有力纠偏，更是对低碳、绿色、可持续发展路径的积极探索与坚定实践。这一模式大幅削减碳排放，为全球绿色发展转型提供中国方案与中国智慧。在绿色创新道路上，中国企业不但在技术领域取得重大突破，而且也在理念层面积极践行绿色环保价值观。绿色创新不仅为企业带来经济效益与社会效益双赢成果，更为企业未来发展注入强大活力与动力。从长远来看，绿色创新是企业实现可持续发展、走向未来的必由之路。此外，绿色创新对于环境保护同样具有不可估量的价值。然而，企业在绿色技术创新方面面临着资金短缺的巨大挑战。为解决这一问题，绿色金融应运而生，成为推动企业绿色技术创新的重要力量。绿色金融是通过运用绿色债券等多元化金融工具，拓宽企业融资渠道，减少交易费用，为企业开展绿色技术创新提供坚实金融保障的金融服务。
近年来，我国绿色金融政策框架体系逐步健全，旨在为企业开展绿色技术创新提供金融服务，缓解企业资金不足的难题。在政策有力推动下，中国人民银行发布2023年金融机构贷款投向统计报告显示，截至2023年底，我国绿色贷款总额(包括本外币)呈现显著增长态势，达到30.08万亿元，同比增长率高达36.5%。同时，据人民日报报道，这一时期国内发明型专利授权总量也实现稳步增长，总量达到92.1万件，同比增长15.4%。由此可见，绿色金融在推动实体企业技术绿色化转型、引领经济向高质量发展模式转变中扮演重要角色。具体而言，深入实施绿色金融政策有助于企业获得充足的绿色创新资金，促进企业技术创新发展。这一趋势不仅增强企业在环保技术领域的核心竞争力，而且也为我国在全球绿色经济格局中占据有利地位提供有力保障。未来，随着政策环境的持续优化与金融机构支持力度的加大，绿色金融有望继续发挥其在可持续发展道路上的关键作用，为我国经济绿色转型与高质量发展注入更多活力。
2. 文献综述
2.1. 绿色金融相关研究
绿色金融的概念可追溯至20世纪70年代的德国银行，随后在国际组织的推动下，逐步走上规模化发展道路。绿色金融源自于传统金融，不仅继承传统金融核心理念与职能，通过资金配置与融通，助力国民经济增长，更展现出其独特价值，通过精准引导金融资源向低碳、绿色等创新项目倾斜，为经济可持续发展与高质量增长提供有力支撑。
Salazar指出绿色金融将环境保护与经济增长联系起来，从而实现国家经济与环境目标[1]。Marcel在评估34家全球大银行的绿色金融实践后发现，银行业稳定健康发展对于推动经济可持续增长与环境保护具有显著促进作用[2]。Climent & Soriano研究表明通过推广绿色基金等新型绿色金融工具，可以有效促进经济发展[3]。Scholtens指出，金融机构创设具有环保导向的新型金融市场，以减轻社会面临的环境压力[4]。Caroline Flammer对绿色金融工具进行调查发现：绿色金融在促进气候改善方面发挥关键性作用[5]。
绿色金融在我国虽然起步较晚，但国内学术界对其研究深度与广度已与国际接轨。我国绿色金融领域的先驱者高建良，率先提出“绿色金融”概念，他强调其是一种通过利用金融手段实现“可持续发展”战略，旨在促进环境保护与经济协调发展的金融运作策略[6]。随后，安伟进一步深化绿色金融理论内涵，将其视为一项突破传统框架的环境经济政策[7]。肖仁桥等将绿色信贷、绿色证券以及绿色保险三个方面内容作为绿色金融重要组成部分进行讨论，得出绿色金融在推动经济高质量发展具有贡献的结论[8]。曾学文等学者则运用碳金融指标对绿色金融发展状况进行量化评估，为我国绿色金融研究领域提供有力数据支撑[9]。王遥等研究揭示绿色金融引导资金流向环保领域，促使经济向绿色方面转变事实[10]。刘贯春等发现，绿色金融发展提高纯技术效率，推动绿色发展效率增长[11]。俞岚在对比研究中指出，与发达国家相比，中国在应对气候变化融资方面尚存差距，这一发现为我国绿色金融的未来发展提供明确改进与提升方向[12]。苏冬蔚等通过采取准自然实验方法探讨绿色信贷如何影响重污染企业决策[13]。刘锡良和文书洋强调，经济发展质量提高的关键一环是金融机构信贷决策，意味着未来国家的金融发展将受益于绿色金融优势[14]。王馨等应用双重差分法(DID)研究发现，《指引》实施后，大部分企业创新水平得到明显提高，进一步证明绿色金融在推动绿色创新方面的积极作用[15]。
在宏观层面，绿色金融推动产业绿色化发展，优化经济结构，如绿色金融政策巧妙运用多样化金融工具，有效提高绿色金融资源配置效率，改善污染企业贷款条件，支持环保产业发展。在微观层面，绿色金融通过解决信息不对称与期限错配问题[16]以激励企业投资行为，同时运用降低贷款利率、扩大信用额度等手段，鼓励居民进行绿色消费。
综上，尽管绿色金融领域吸引众多学者广泛关注，并积累相当丰富的学术成果，但当前研究仍存在不足之处：第一，现有研究大多将重点放在探讨绿色金融如何推动经济高质量发展上；第二，相较于其他经济领域，绿色金融在城市层面的实证研究尚显不足；第三，关于绿色金融如何影响企业技术创新机制，当前研究尚显浅显，需进一步深入探究与剖析。
2.2. 绿色创新相关研究
党的二十大报告指出，未来我国经济与企业发展的主旋律将是绿色经济与绿色创新。在这一背景下，技术革新无疑成为企业实现可持续发展的关键路径[17]，它不仅为企业实现关键核心技术突破注入力量，而且是企业在落实“双碳”目标与深入贯彻绿色发展理念中至关重要的一环。相较于传统创新模式，绿色技术创新呈现出更为复杂且前瞻性的特征，为在绿色技术领域取得突破，企业必须具备多元化知识与资源，尤其是涉及环境污染减轻、低碳甚至零碳的专业知识与技术[18]。
绿色创新内涵深远丰富，它涵盖企业在追求经济与环境可持续发展双重目标下，对技术与产品等领域进行的前沿探索与创新实践。现阶段研究主要集中在探讨影响企业技术创新的各种因素与绿色创新所带来的正面效应。在正面影响方面，绿色技术有助于提高资源利用效率，推动环境效益实现最大化，同时降低成本、增加额外收入、提升企业竞争优势与绩效[19]。Fan等研究者认为，高效的融资机制有助于促进绿色创新[20]。
在探讨企业绿色创新影响因素时，多位学者从不同角度提出独到见解。杨朝均等指出，政府监管在企业绿色创新普及过程中发挥着举足轻重的作用，通过政策引导与监督执行，有效推动企业绿色创新进程[21]。唐礼智等强调环境规制在企业绿色创新决策中占据核心地位，认为环境法规不仅能够激发企业技术创新动力，还通过设立明确的环保标准与要求，促使企业不断提升绿色创新水平[22]。刘金科等研究也支持上述观点，指出环境规制越强，企业绿色创新程度越高，环境管制方式不同会导致企业技术创新效果差异[23]。此外，邢明强等认为数字化转型有助于降低绿色代理成本、提升绿色投资效率，通过引入新技术与管理模式为企业绿色创新提供强大的技术支撑与管理保障[24]。
在绿色金融改革创新试验区政策实施背景下，绿色金融显著推动企业绿色技术革新步伐。政府对绿色经济领域的坚定支持，为企业绿色技术创新提供坚实政策基础。游莉群等调查发现，这一政策的出台为企业绿色技术创新带来正面作用，显著提升企业市场竞争力，促使企业发展壮大[25]。时省等采用双重差分方法(DID)实证检验表明，与未受《绿色信贷指引》影响企业相比，受绿色信贷约束的企业在绿色创新方面表现出更为强劲的活力[26]。这一发现进一步验证绿色金融政策在推动企业绿色技术创新方面的重要作用，为政策制定者提供有力数据支持。
目前，众多学者针对影响企业进行绿色创新的因素进行广泛研究，研究重点主要围绕环境规制、数字化以及ESG评级等领域，对绿色金融领域的实证研究尚不充分。现有研究主要采用双重差分方法探讨绿色金融相关政策对绿色创新的影响，但未深入剖析绿色金融发展水平对企业绿色创新的具体作用机制，也未将研发资金、研发人员以及融资约束等因素纳入绿色金融与绿色创新分析框架中。因此，本文在深入研读与借鉴现有绿色金融评价指标相关文献基础上，将研发资金、研发人员以及融资约束等关键因素纳入分析模型，以期深入探讨绿色金融对企业绿色技术创新的影响。
本文主要边际贡献体现在以下几个方面：① 采用固定效应模型研究绿色金融与企业绿色技术创新之间的内在关系，拓展了对企业绿色技术创新因素的研究范畴。② 从资金、人力资源角度验证研发资金与研发人员的中介作用，证实绿色金融通过提高企业研发资金与人力资源水平促进企业绿色技术创新。③ 研究融资约束如何在企业绿色技术创新与绿色金融之间发挥负向作用，扩展了对融资约束相关研究的视野。④ 运用泊松计数模型探究绿色金融如何影响企业技术创新，丰富绿色创新领域研究方法与扩展泊松模型在实证分析中的应用场景。
3. 理论分析与研究假设
3.1. 绿色金融对企业绿色技术创新的影响
企业在进行绿色创新时面临周期长、风险高以及资金约束等问题限制其创新发展空间[27]，而绿色金融运用多种金融工具将资金注入企业，以支持其创新发展。
首先，作为一种信贷融资方式，绿色金融通过提高高污染、高耗能企业融资门槛，有效抑制“两高”企业盲目扩张，降低绿色化产业融资成本[28]，为企业提供资金支持，增强企业自主研发绿色技术意愿，从而推动整个绿色产业进步与发展。具体而言，作为信贷融资方式之一，绿色金融不仅为企业提供资金支持，更在环境可持续发展中扮演关键角色。它提高“两高”企业融资门槛，有效遏制其盲目扩张，减少污染与资源消耗，推动整体产业向绿色、低碳方向转型。同时，通过降低绿色产业信贷成本，如优惠贷款与贴息政策，激发企业自主研发绿色技术积极性，加速技术创新与扩大应用市场范围，促进绿色产业链发展壮大。更重要的是，绿色金融的介入提高了社会对环保理念的认知度。金融机构对绿色项目的支持不仅提升公众环保意识，也增强政府与企业在推动绿色发展方面的信心与动力。以此良性循环推动全球绿色产业进步，为应对气候变化与环境挑战提供关键解决方案。
其次，环境法规与绿色金融政策结合，对于调整企业长期债务比例、优化债务结构、增加企业可调配资金具有显著效果[29]。改善债务结构一系列措施有助于推动企业在绿色技术创新方面增加投入，促进绿色经济蓬勃发展。在政策引导与金融支持双重作用下，企业倾向于选择长期、低成本绿色融资渠道，增强企业在市场上的稳定性与可预测性。优化债务结构意味着企业趋向于采用与其经营战略目标相匹配的融资工具，如发行绿色债券或与环保项目相关的债务证券，此策略有利于企业在市场上塑造环保与社会责任的良好形象，并且在吸引投资者关注与参与的同时，降低资金成本，扩大绿色经济规模与影响力。此外，环境规制在企业债务管理中扮演着不可或缺的角色。严格的环保要求迫使企业重新审视其生产流程与产品设计，以减少资源消耗与环境污染。企业为满足规制要求通常需要投入更多资本与技术改进其环境性能，长期债务与优化债务结构为此提供必要资金支持与操作灵活性。
最后，绿色金融为解决投资双方之间信息不对称问题提供重要参考。通过建立健全政府监管机制与财务管理体系，银行成为连接政策变化与社会发展的重要桥梁，推动地方政府对当地社会发展支持，激励社会主体以绿色经济、能源节约、环境友好理念生活。金融机构在企业融资审批过程中扮演信息桥梁的角色，通过促进区域内信息公开与透明，有效吸引更为精准且符合绿色标准的投资。此过程有助于鼓励金融资源朝绿色经济与节能环保企业倾斜，有效推动企业在绿色创新领域持续发展[30]。总之，绿色金融不仅为企业创新发展提供必要资金支持，更在推动绿色经济转型与可持续发展方面贡献不可估量的力量。基于此，本文提出以下研究假设：
H1：绿色金融能够促进企业绿色技术创新。
3.2. 研发资金和研发人员的中介作用
绿色金融的发展对企业绿色技术创新具有显著的推动作用，其机制主要涵盖两大方面：一方面，绿色金融通过减轻融资限制以增加企业研发投入。金融机构提供优惠利率、降低贷款条件、简化贷款流程，使企业更容易获得所需流动资金。企业获得资金后能够激励企业增加在研发人员与技术上的资金投入，促使企业产生大量版权、商标、专利等知识产权，对企业长期竞争力与技术创新能力起到至关重要的支撑作用，推动企业不断向前发展[31]。研发过程中产生的创新成果是企业的技术资产，也是未来市场竞争的关键，诸多成果不断为企业在日益激烈的市场竞争中抢占有利地位与扩大影响力保驾护航。因此，绿色金融通过提升企业研发投入，推动技术与产业进步，促进整体经济可持续发展。
另一方面，绿色金融通过强化政策制度约束增加企业研发投入。政策制度约束包括制定绿色金融相关标准与指导文件，旨在规范企业绿色投资行为、强调企业社会责任，倒逼高污染企业加快绿色技术创新步伐[32]。首先，绿色金融相关标准与指导文件为企业提供明确发展方向，引导企业在经营过程中考虑环境与社会影响，从而加速企业向绿色技术创新转型。其次，政策制度约束还通过激励奖惩机制鼓励企业积极投入绿色技术创新。例如，政府通过税收优惠、补贴政策以及项目资助等方式，给予在绿色技术研发与应用方面表现优秀的企业奖励，从而提高其研发投入积极性与效率。此外，政策制度约束制定与执行行业标准，强化市场对绿色技术创新需求与支持。政府与行业联合制定与推广绿色技术标准，能够提高市场对绿色产品与技术的接受度，鼓励企业为达到标准而进行技术改进与创新。标准化约束与激励机制，有效推动整个行业向环保、可持续方向发展，使企业在技术创新与市场竞争中不断进步。基于以上分析，本文提出以下研究假设：
H2：绿色金融促使研发资金增加从而推动企业绿色技术创新。
H3：绿色金融能够提高研发人员占比从而促进企业绿色技术创新。
3.3. 融资约束的调节作用
企业创新发展受到多方面因素综合影响，其中包括经济环境、企业规模以及所属行业属性等因素[33]，这些因素共同作用导致企业在融资时面临不同程度约束，进而对企业绿色创新产生影响。
第一，绿色创新的成功需要持续资金支持，然而，融资约束如同一道无形的屏障，导致众多企业在资金流动性上捉襟见肘。高融资约束增加企业创新成本，减弱企业绿色创新意愿，尤其在竞争激烈、利润率普遍偏低的行业环境中，大多数企业由于资金筹措困难，不得不选择延迟或放弃绿色创新项目。为打破这一僵局，解决融资约束问题显得尤为迫切。因此，提供灵活且成本效益高的融资途径成为关键所在。这不仅能帮助企业突破资金瓶颈，更能够激励其积极投身于绿色创新，进而推动经济可持续发展。在此过程中，政府与金融机构通过制定与实施一系列绿色项目贷款政策、投资计划以支持企业绿色创新，引领经济朝环保、可持续方向发展。
第二，融资约束促使企业资源调整，使其更趋向于向风险较低、回报稳定的项目投资资金。融资约束对企业资源配置产生深远影响，通常导致其偏向于选择风险较低、回报较稳定的投资项目。其原因在于融资限制问题的存在使得企业必须面对资金匮乏现状，限制企业在高风险、高回报项目上资金投入。企业在面对融资困境时，通常会优先考虑资金需求少、风险较低类投资项目。然而，企业的这一行为导致其在技术创新发展方面受限。因此，政府与金融机构应提供灵活、低成本融资方式，鼓励企业在不同风险水平上进行投资，帮助企业克服融资约束带来的资源配置偏好，推动经济朝着更加均衡方向发展。
第三，融资约束增加企业创新投资风险。投资者在投资时常要求企业披露关键信息，导致企业技术秘密泄露风险增加，阻碍企业绿色创新进程。为解决融资困难问题，企业通常需要向投资者披露更多关键信息以获取资金支持，包括技术细节与商业计划等敏感信息。对于高科技领域而言，技术保密性在企业竞争中至关重要，任何泄露都可能带来严重的经济损失与市场地位下降。因此，披露关键信息会增加企业技术秘密泄露风险，尤其在竞争激烈的市场环境下，其他竞争对手或不法分子可能会利用信息获利甚至损害企业利益。政府与金融机构应建立具有隐私保护的安全融资机制，如加强法律保护或采用技术安全措施确保企业技术秘密不被泄露。同时，企业应选择信誉良好、信任度高的投资者或采用技术保护措施降低技术泄露风险，从而更安全地进行绿色创新融资。基于此，本文提出以下研究假设：
H4：融资约束在绿色金融与企业绿色创新之间起着负向调节作用。
4. 研究设计
4.1. 样本选择与数据来源
本文收集整理沪深A股上市企业2012~2022年数据，结合现有文献资料，采用以下措施清洗数据样本：第一，排除房地产类与银行类公司；第二，排除ST、*ST、PT等类型公司。其中，绿色金融指标数据来自《中国工业统计年鉴》《国家统计年鉴》；上市企业相关数据来源于CSMAR数据库、中国研究数据服务平台(CNRDS)。
4.2. 变量描述
4.2.1. 被解释变量
绿色技术创新(Ln Patent)。本文以绿色发明专利授权数量作为评估企业绿色创新水平指标[34]。根据绿色发明专利数据分布情况，采用将其加1，再取自然对数方式评估企业环保创新能力。
4.2.2. 解释变量
绿色金融发展(GF)。本文参考朱广印、王思敏[35]以及王静[36]等人的方法，运用熵值法对绿色信贷、绿色投资、绿色保险、绿色证券四个维度八个指标进行计算，获得绿色金融发展指数，其中八个指标均以地级市层面数据衡量。绿色金融发展综合评价指标见表1。
Table 1. Comprehensive evaluation indicators for the development of green finance
表1. 绿色金融发展综合评价指标
一级指标 |
二级指标 |
三级指标 |
属性 |
绿色金融发展(GF) |
绿色信贷 |
高耗能工业产业利息支出/工业产业利息总支出(%) |
负 |
绿色信贷余额(亿元) |
正 |
绿色投资 |
污染治理投资/GDP (%) |
正 |
林业投资/GDP (%) |
正 |
绿色保险 |
农业保险收入/农业总产值(%) |
正 |
农业保费收入(亿元) |
正 |
绿色证券 |
环保企业总市值/A股总市值(%) |
正 |
六大高耗能行业A股市值/A股总市值(%) |
负 |
4.2.3. 中介变量
研发资金(ln rdi)。企业投入越多研发经费，通常会带来更多专利产出。因此，本文将企业研发费用取自然对数衡量研发资金[37]。
研发人员(RD Person)。研究团队成果包括但不限于版权、专利以及商标等知识产权，对企业技术创新能力起到至关重要的支撑作用，推动企业不断向前发展。因此，企业研发人员占比越高，专利产出越多，技术创新能力越强。
4.2.4. 调节变量
融资约束(SA)。本文参照游莉群所提方法[25]，选用SA指数作为衡量企业融资限制的代理变量。
4.2.5. 控制变量
本文主要选择五个关键因素作为控制变量：公司规模(Size)、资产负债率(Lev)、资本密集度(CAP)、股权集中度(Stock 1)以及托宾Q值。变量定义及说明见表2。
Table 2. Variables are defined and explained
表2. 变量定义及说明
变量名称 |
变量符号 |
变量定义 |
绿色技术创新 |
Ln Patent |
Ln (绿色发明专利授权数 + 1) |
绿色金融发展 |
GF |
运用熵值法对绿色信贷、绿色投资、绿色保险、绿色证券测算出绿色金融发展指数。 |
研发资金 |
Ln rdi |
Ln (企业研发投入金额) |
研发人员 |
RD Person |
Ln (企业研发人员数量 + 1) |
融资约束 |
SA |
SA指数绝对值，计算公式为：SA = |−0.737 * Size + 0.043 * Size2 − 0.040 * Age| |
企业规模 |
Size |
Ln (企业总资产) |
资产负债率 |
Lev |
总负债/总资产 |
资本密集度 |
CAP |
总资产/营业收入 |
股权集中度 |
Stock 1 |
第一大股东持股数量/企业股本总数 |
托宾Q值 |
Tobin Q |
市场价值/总资产 |
4.3. 模型设定
为研究绿色金融如何促进上市公司绿色创新，建立以下基准回归模型：
(1)
式(1)中，t代表年份，i代表企业，
表示企业i在t年的绿色技术创新水平，
表示企业i在t年的绿色金融发展水平，
表示本文所用控制变量，
表示随机干扰项，
是个体固定效应，
是时间固定效应。
为检验研发费用是否在绿色金融与企业绿色创新之间发挥中介作用，参考现有研究，构建模型(2)与模型(3)：
(2)
(3)
其中研发资金(
)作为中介变量，表示企业i在t年的研发投入金额。
另外，为探究绿色金融是否会促进研发人员数量增长从而提高企业技术创新能力，本文设定模型(4)和模型(5)：
(4)
(5)
其中研发人员(
)作为中介变量，即企业i在t年的研发人员数量。
通过对融资限制进行评估，探究其对促进企业绿色创新作用，本文构建模型(6)进行回归。该模型中，
表示融资约束与绿色金融的交互项。
(6)
5. 实证结果及分析
5.1. 描述性统计
由表3可知，绿色技术创新呈现显著差异，其平均值为0.268，企业整体创新水平相对较低，极差高达6.475、标准差为0.644，揭示不同企业在绿色创新方面存在较大差异与波动的现状。同样，绿色金融的发展状况在各城市间也呈现出不均衡现象。绿色金融最大值为0.657，最小值为0.065，标准差为0.122，直观地反映绿色金融发展水平在不同城市间的显著差异。中介变量方面，研发资金投入同样存在明显不均衡现状，最大值与最小值分别为25.025与5.094，显示不同企业在研发投入上具有巨大差异；研发人员也呈现类似情况，其均值为5.549、极差达到13.636，表明样本企业在研发投入方面存在差异。融资约束均值为−3.812、最大值与最小值分别为−3.096和−4.558，说明本文所选上市企业普遍面临严格资金限制。在控制变量中，企业规模均值为22.186、资产负债率均值为0.388、资本密集度均值为2.407、托宾Q值均值为2.025、股权集中度均值为33.96。描述性统计结果见表3。
5.2. 基准回归
本文采用面板数据进行基准回归分析(见表4)。第(1)列控制个体、时间效应，仅引入核心解释变量进行回归，结果显示绿色金融系数为1.938，并且在1%水平上呈现显著性，说明绿色金融能够有力促进企业技术创新。为进一步验证这一结论并探究其他潜在影响因素，在第(2)列至第(6)列中逐步加入公司规模、资产负债率、资本密集度、股权集中度、托宾Q值等控制变量，经过一系列回归分析可知，核心解释变量——绿色金融系数仍然保持在1%水平上显著为正，表明随着绿色金融发展水平不断提升，企业在绿色技术创新方面取得进展也愈发显著，这一结果有效验证本文假设H1。
Table 3. Descriptive statistics
表3. 描述性统计
Variable |
Obs |
Mean |
Std. Dev. |
Min |
Max |
Ln Patent |
25,075 |
0.268 |
0.644 |
0.000 |
6.475 |
GF |
25,075 |
0.437 |
0.122 |
0.065 |
0.657 |
Size |
25,075 |
22.186 |
1.272 |
19.585 |
26.452 |
Lev |
25,075 |
0.388 |
0.193 |
0.035 |
0.908 |
CAP |
25,075 |
2.407 |
1.878 |
0.378 |
18.942 |
Top1 |
25,075 |
33.960 |
14.767 |
8.020 |
75.779 |
Tobin Q |
25,075 |
2.025 |
1.257 |
0.802 |
15.607 |
SA |
25,075 |
−3.812 |
0.250 |
−4.558 |
−3.096 |
Ln rdi |
25,075 |
18.044 |
1.500 |
5.094 |
25.025 |
RD Person |
25,075 |
5.549 |
1.260 |
0.000 |
13.636 |
Table 4. Baseline regression
表4. 基准回归
变量 |
(1) Ln Patent |
(2) Ln Patent |
(3) Ln Patent |
(4) Ln Patent |
(5) Ln Patent |
(6) Ln Patent |
GF |
1.938*** |
0.723*** |
0.723*** |
0.720*** |
0.681*** |
0.651*** |
|
(0.0683) |
(0.0827) |
(0.0827) |
(0.0827) |
(0.0839) |
(0.0846) |
Size |
|
0.190*** |
0.198*** |
0.202*** |
0.197*** |
0.202*** |
|
|
(0.00744) |
(0.00786) |
(0.00791) |
(0.00812) |
(0.00826) |
Lev |
|
|
−0.100*** |
−0.107*** |
−0.107*** |
−0.111*** |
|
|
|
(0.0323) |
(0.0323) |
(0.0323) |
(0.0327) |
CAP |
|
|
|
−0.0123*** |
−0.0123*** |
−0.0119*** |
|
|
|
|
(0.00289) |
(0.00289) |
(0.00293) |
Top1 |
|
|
|
|
−0.00161*** |
−0.00170*** |
|
|
|
|
|
(0.000582) |
(0.000589) |
Tobin Q |
|
|
|
|
|
0.00273 |
|
|
|
|
|
|
(0.00295) |
Constant |
−0.578*** |
−4.263*** |
−4.401*** |
−4.448*** |
−4.263*** |
−4.363*** |
|
(0.0299) |
(0.148) |
(0.154) |
(0.154) |
(0.168) |
(0.172) |
id |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
year |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
N |
25,075 |
25,075 |
25,075 |
25,075 |
25,075 |
25,075 |
R-squared |
0.673 |
0.662 |
0.667 |
0.684 |
0.675 |
0.679 |
注：***、**、*分别表示在1%、5%、10%的水平上显著。
控制变量方面，经过统计分析，公司规模与绿色技术创新之间存在显著正向相关关系，其相关系数达到0.202，其主要原因在于规模较大的企业资金充足、技术人员比例大，企业创新能力强；而资产负债率、资本密集度、股权集中度系数均在1%水平上显著为负，说明对企业技术创新具有负向影响。其原因是资产负债率等因素限制了企业在资金、资源以及决策上的灵活性，从而降低企业绿色技术创新活力。
5.3. 中介效应检验
本文将研发资金与研发人员作为中介变量引入回归模型中，借鉴温忠麟等提出的方法进行中介效应检验[38] (见表5)。
5.3.1. 研发资金的中介效应
表5第(1)列展示了绿色金融对企业研发资金的回归结果，绿色金融系数在显著水平上为正，表明绿色金融有助于增加企业研发资金；第(2)列是考虑研发资金后对被解释变量进行回归的结果，绿色金融系数依然在1%显著性水平上为正，同时研发资金系数也在1%显著性水平上呈正向，说明研发资金具有显著中介效应，验证假设H2。
5.3.2. 研发人员的中介效应
表5第(3)列是绿色金融对研发人员的回归结果，绿色金融系数为0.697，并在1%显著水平上呈正向，说明绿色金融能够促进企业研发人员数量增加。第(4)列是加入研发人员后进行回归，绿色金融系数为0.281，且在1%水平上显著，研发人员系数也在1%水平上显著为正，说明研发人员发挥了显著的中介作用，假设H3得到验证。
Table 5. Mechanism analysis based on R&D investment
表5. 基于研发投入的机制分析
变量 |
(1) Ln rdi |
(2) Ln Patent |
(3) RD Person |
(4) Ln Patent |
GF |
1.512*** |
0.229*** |
0.697*** |
0.281*** |
|
(0.0617) |
(0.0323) |
(0.0591) |
(0.0366) |
Ln rdi |
|
0.131*** |
|
|
|
|
(0.00339) |
|
|
Size |
0.807*** |
0.110*** |
0.642*** |
0.132*** |
|
(0.00726) |
(0.00464) |
(0.00690) |
(0.00513) |
Lev |
−0.963*** |
0.171*** |
−0.411*** |
0.164*** |
|
(0.0480) |
(0.0250) |
(0.0457) |
(0.0283) |
CAP |
−0.199*** |
0.0231*** |
−0.152*** |
0.0216*** |
|
(0.00450) |
(0.00242) |
(0.00423) |
(0.00270) |
Top1 |
−0.0102*** |
−0.000413 |
−0.00921*** |
−0.000285 |
|
(0.000521) |
(0.000271) |
(0.000498) |
(0.000310) |
Tobin Q |
0.114*** |
−0.00244 |
0.0988*** |
−0.000822 |
|
(0.00619) |
(0.00322) |
(0.00566) |
(0.00352) |
RD Person |
|
|
|
0.148*** |
|
|
|
|
(0.00446) |
Constant |
0.463*** |
−4.713*** |
−8.365*** |
−3.679*** |
|
(0.154) |
(0.0799) |
(0.149) |
(0.0991) |
id |
Yes |
Yes |
Yes |
Yes |
year |
Yes |
Yes |
Yes |
Yes |
N |
22,923 |
22,923 |
18,853 |
18,853 |
R-squared |
0.908 |
0.684 |
0.936 |
0.730 |
注：***、**、*分别表示在1%、5%、10%的水平上显著。
5.4. 调节效应检验
企业在技术创新方面的资金与人员投入受限于融资约束，因此，本文将融资约束作为调节变量引入回归模型，以研究融资约束调节功能(见表6)。
第(1)列中解释变量系数显示出1%显著性，在第(2)列中，这一系数依然保持正向显著状态，交互项GF * SA系数达到−0.538，且具有负向显著性，说明融资约束在绿色金融与企业绿色技术创新之间发挥着负向调节功能，验证假设H4。
Table 6. Analysis of moderating effect based on financing constraints
表6. 基于融资约束的调节效应分析
变量 |
(1) Ln Patent |
(2) Ln Patent |
GF |
0.902*** |
3.012*** |
|
(0.0984) |
(0.640) |
SA |
0.149*** |
−0.0737 |
|
(0.0369) |
(0.0764) |
GF * SA |
|
−0.538*** |
|
|
(−0.161) |
Size |
0.209*** |
0.207*** |
|
(0.00795) |
(0.00798) |
Lev |
−0.131*** |
−0.126*** |
|
(0.0314) |
(0.0315) |
CAP |
−0.00804*** |
−0.00771*** |
|
(0.00280) |
(0.00280) |
Top1 |
−0.00219*** |
−0.00214*** |
|
(0.000541) |
(0.000541) |
Tobin Q |
0.00431 |
0.00370 |
|
(0.00294) |
(0.00294) |
Constant |
−4.051*** |
−4.877*** |
|
(0.156) |
(0.293) |
id |
Yes |
Yes |
year |
Yes |
Yes |
N |
25,068 |
25,068 |
R-squared |
0.687 |
0.687 |
注：***、**、*分别表示在1%、5%、10%的水平上显著。
5.5. 内生性检验
鉴于本文构建的回归模型可能存在内生性问题，导致实证结果出现偏差，因此，采用工具变量法进行内生性检验。参考现有研究方法，本文将滞后一期绿色金融发展水平作为工具变量。这一选择基于两方面考量：第一，滞后一期绿色金融与当期绿色金融发展水平在趋势与特征上具有较高相似性，满足工具变量方法对于相关性的基本要求；第二，滞后期的绿色金融并不直接影响当前的被解释变量，从而确保工具变量外生性，满足工具变量法的另一关键条件。基于上述分析，本文在研究中引入滞后一期的绿色金融作为工具变量，并结合两阶段最小二乘法(2SLS)回归模型，以有效解决内生性问题，提高本文实证研究的准确性与可靠性(见表7)。
结果表明，经过第一阶段回归分析，F统计量高达3954，这一显著数值充分表明，本文所选用工具变量并未出现弱化现象，反而呈现出强工具变量特性，其预测能力十分卓越。核心解释变量系数为2.308，在显著水平上达到1%，说明绿色金融对企业绿色技术创新具有显著正向影响，与前文结论相同。
Table 7. Endogeneity test based on instrumental variable method
表7. 基于工具变量法的内生性检验
VARIABLES |
(1) y1 |
GF |
2.308*** |
|
(0.223) |
Size |
0.136*** |
|
(0.0121) |
Lev |
−0.143*** |
|
(0.0368) |
CAP |
−0.0105*** |
|
(0.00313) |
EPS |
−0.00802 |
|
(0.00687) |
Top1 |
−0.000383 |
|
(0.000624) |
id |
Yes |
year |
Yes |
N |
21,560 |
R-squared |
0.537 |
ad F |
3954 |
注：***、**、*分别表示在1%、5%、10%的水平上显著。
5.6. 稳健性检验
本文通过使用四种不同的稳健性检验方法，有效评估回归模型的可靠性，包括剔除直辖市样本、更换被解释变量、缩短样本周期以及采用泊松计数模型(见表8)。
5.6.1. 更换被解释变量
表8第(1)列是将被解释变量绿色发明型专利授权数量更换为绿色实用型专利授权数(Ln utility)，绿色金融系数是1.412，在1%水平上显著，表明更换被解释变量后，绿色金融仍对企业绿色技术创新产生显著正向影响，说明回归结果具有稳健性。
5.6.2. 缩短样本周期
2017年，绿色金融改革创新试验区政策正式实施，获得显著成效，为减少试验区政策影响，本文选取2017年以前样本进行回归。根据8第(2)列数据，绿色金融系数在1%显著性水平上达到0.363，说明缩短样本周期后，绿色金融对企业技术创新仍然产生正向影响。
5.6.3. 剔除直辖市样本
直辖市在政治、经济方面具有发展优势，各省份之间经济发展水平可能存在较大差异，因此，本文将直辖市样本剔除后进行回归。表8第(3)列结果表明，直辖市样本数据被剔除后，解释变量系数依然显著为正，与前文结果一致。
Table 8. Robustness test
表8. 稳健性检验
变量 |
(1) Ln utility |
(2) Ln Patent |
(3) Ln Patent |
(4) Ln Patent |
GF |
1.412*** |
0.363** |
0.318* |
1.190*** |
|
(0.113) |
(0.158) |
(0.184) |
(0.296) |
Size |
0.366*** |
0.154*** |
0.154*** |
0.532*** |
|
(0.00999) |
(0.0138) |
(0.0151) |
(0.0292) |
Lev |
−0.106** |
−0.127** |
−0.102 |
0.237 |
|
(0.0431) |
(0.0573) |
(0.0620) |
(0.195) |
CAP |
−0.0189*** |
−0.00894* |
−0.00927* |
−0.0855*** |
|
(0.00385) |
(0.00489) |
(0.00537) |
(0.0200) |
Top1 |
−0.00100 |
−0.000492 |
−0.000867 |
−0.0164*** |
|
(0.000725) |
(0.000975) |
(0.00104) |
(0.00213) |
Tobin Q |
0.00613 |
−0.000398 |
−0.000527 |
0.0711*** |
|
(0.00404) |
(0.00414) |
(0.00458) |
(0.0265) |
Constant |
−8.035*** |
−3.238*** |
−3.224*** |
−13.58*** |
|
(0.205) |
(0.289) |
(0.315) |
(0.636) |
id |
Yes |
Yes |
Yes |
Yes |
year |
Yes |
Yes |
Yes |
Yes |
N |
25,075 |
11805 |
12135 |
13,302 |
R-squared |
0.711 |
0.730 |
0.688 |
|
注：***、**、*分别表示在1%、5%、10%的水平上显著。
5.6.4. 泊松计数模型
基于专利授权数是不连续变量，因此本文运用泊松计数模型进行回归分析。根据表8第(4)列数据，绿色金融系数高达1.190，达到1%显著水平，说明企业技术创新受到绿色金融正向影响。
5.7. 异质性分析
5.7.1. 区域异质性分析
由于我国东部、中部及西部地区在市场规模、技术水平等方面存在明显差异，因此，本文将样本划分为东部、西部及中部地区三个子样本，采用分组回归方法，以确定不同省市绿色金融政策与实际情况差异对企业绿色技术创新的影响(见表9)。
其中，东部、中部子样本回归结果显示，核心解释变量系数分别为0.445、0.186，且均在1%水平上显著，说明绿色金融能够显著正向影响东部与中部地区企业绿色技术创新。然而，绿色金融系数在西部子样本中不显著，主要原因在于西部地区金融发展水平滞后，基础设施不完善，企业难以获得充足的外部融资，仅依靠内部资源难以推动绿色创新项目发展。
5.7.2. 企业类型异质性分析
基于企业之间核心竞争力、生产要素使用情况差异，本文将总样本划分为技术密集型、劳动密集型以及资产密集型企业子样本(见表9)。其中，在技术密集型与资产密集型样本中，绿色金融系数分别在5%、10%水平上显著为正，说明绿色金融可以推动两类企业绿色技术创新发展。而绿色金融系数在劳动密集型企业样本中不显著，主要原因是劳动密集型企业在生产经营活动中离不开大量劳动力，对技术与设备需求较少。
Table 9. Heterogeneity analysis
表9. 异质性分析
变量 |
区域划分 |
企业类型划分 |
东部 (1) Ln Patent |
西部 (2) Ln Patent |
中部 (3) Ln Patent |
劳动密集型 (4) Ln Patent |
技术密集型 (5) Ln Patent |
资产密集型 (6) Ln Patent |
GF |
0.445* |
0.364 |
0.186* |
0.00700 |
0.700** |
0.163* |
|
(0.237) |
(0.429) |
(0.482) |
(0.231) |
(0.316) |
(0.465) |
Size |
0.139*** |
0.170*** |
0.177*** |
0.0872*** |
0.223*** |
0.163*** |
|
(0.0187) |
(0.0350) |
(0.0404) |
(0.0213) |
(0.0254) |
(0.0458) |
Lev |
−0.0685 |
−0.0962 |
−0.201 |
−0.0244 |
−0.172 |
−0.277* |
|
(0.0763) |
(0.144) |
(0.161) |
(0.0843) |
(0.106) |
(0.157) |
CAP |
−0.00933 |
−0.00315 |
−0.0160 |
−0.00242 |
−0.0167* |
−0.0189 |
|
(0.00726) |
(0.0106) |
(0.0125) |
(0.00707) |
(0.00935) |
(0.0150) |
Top1 |
−0.00203 |
0.00577** |
−0.00334 |
−0.00173 |
0.000997 |
−0.00185 |
|
(0.00124) |
(0.00262) |
(0.00288) |
(0.00139) |
(0.00186) |
(0.00251) |
Tobin Q |
−0.00480 |
0.00449 |
0.0148 |
−0.00673 |
−0.00222 |
0.00313 |
|
(0.00547) |
(0.0107) |
(0.0149) |
(0.00667) |
(0.00669) |
(0.0161) |
Constant |
−2.920*** |
−3.869*** |
−3.512*** |
−1.759*** |
−4.808*** |
−3.204*** |
|
(0.381) |
(0.737) |
(0.896) |
(0.459) |
(0.525) |
(0.966) |
id |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
year |
Yes |
Yes |
Yes |
Yes |
Yes |
Yes |
N |
18,280 |
3,863 |
2,932 |
7,597 |
13,204 |
4,274 |
R-squared |
0.735 |
0.633 |
0.841 |
0.417 |
0.658 |
0.819 |
注：***、**、*分别表示在1%、5%、10%的水平上显著。
6. 结论与启示
6.1. 研究结论
本文以沪深A股上市企业2012~2022年数据作为研究样本，采用固定效应模型实证研究绿色金融如何促进企业绿色技术创新。
结果显示：(1) 绿色金融作为一种重要的金融工具，对于推动企业绿色技术创新不断深化发展具有显著促进作用。(2) 通过机制分析可知，绿色金融被证实能够通过优化企业人力资源配置与增加研发资金投入等途径，有效提升企业绿色技术创新水平。同时，融资约束在这一过程中发挥反向调节功能。(3) 异质性分析表明在技术密集型企业中，绿色金融所展现的推动效应尤为显著，其影响力更大。(4) 为确保研究结论稳固性与可信度，本文首先采用工具变量法，以减少潜在偏差。然后，进行多维度稳健性检验，包括更换被解释变量、缩短样本时间跨度、排除直辖市样本以及运用泊松回归模型进行验证。经过内生性与稳健性检验，本文所得出的研究结论仍然保持一致。
6.2. 启示建议
基于以上研究结论，本文提出以下建议：
(1) 健全绿色金融制度，落实绿色金融政策
我国绿色金融目前仍处于初级探索阶段，面临法制建设、制度框架以及政策规划等多方面挑战与局限性。为确保绿色金融政策有效且深入推进，相关部门应构建一个多维度、全覆盖的法律系统，涵盖立法、执法以及监管等多个核心层面，并确保其在各个维度上的完善性与前瞻性。在此基础上，结合各地区实际情况，量身定制绿色金融发展规划，旨在最大化绿色金融法律与政策改革在不同地域效益，进而推动我国绿色金融事业持续、健康、快速发展。
(2) 顺应绿色发展趋势，积极主动创新
企业应顺应绿色金融趋势演进，搭乘绿色金融便车，积极推进企业绿色技术创新实践。随着全球对环境可持续性问题的关注不断增加，企业应主动加强与金融机构之间的交流合作，确保能够获得资金支持与政策优惠，以实现更紧密的业务联动与资源共享；企业应积极关注绿色金融领域新趋势，以便及时调整自身战略与经营模式，更好地适应未来绿色经济发展方向。
(3) 加强内部组织建设，客观评估企业状况
对金融机构而言，首先应着重强化内部组织能力构建，完善风险管理机制，主动服务实体企业，提升服务质量与客户满意度；其次进一步发展业务水平，向企业注入血液，发挥资金效应，促进企业可持续发展；此外，金融机构应客观评估企业绿色经营活动，为企业创建良好的外部融资环境。
(4) 加强绿色金融多主体协同合作，打造绿色金融健康和谐生态圈
在绿色金融广泛且复杂的领域中，政府、金融机构、企业等多方主体对于绿色金融蓬勃发展具有决定性作用。因此，在绿色金融制度政策规划阶段，应鼓励多方主体进行多角度、深层次地探讨协商，通过集思广益，确保政策全面、准确地反映各方利益与需求，为绿色金融健康发展奠定坚实基础；在执行与享受阶段，金融机构与企业等市场主体应及时主动向有关政府部门反馈政策实施情况，提供宝贵的第一手信息，以持续优化政策实施效果，确保发挥绿色金融功能。
基金项目
贵州省哲学社会科学规划课题青年项目“贵州‘1 + 9’国家级开放创新平台对外开放现状、问题及对策研究”(23GZQN62)。