【绿色信贷对企业去杠杆程度的影响实证分析案例8700字（论文）】

1绿色信贷对企业去杠杆程度的影响实证分析案例绿色信贷对企业去杠杆程度的影响实证分析案例 1 1 1 23、平行趋势检验 34、实证结果分析 4 5 62、安慰剂检验 63、PSM-DID检验 7 2、绿色信贷影响企业去杠杆程度的异质性检验 1、描述性统计分析本文主要变量的描述性统计特征见表4-1。根据表4-1可知，企业去杠杆程度(Delev)最大值为0.78,最小值为-0.43,方差为0.17;有形资最大值为0.88,最小值为-0.43,方差为0.181;权益乘数计算的去杠杆程度(Delev_EM)最大值为0.57,最小值为-0.38,方差为0.147;产权比率计算的去杠杆程度(Delev_PR)最大值为1.47,最小值为-0.62,方差为0.325,不同企业去杠杆程度水平分布范围较广，从方差来看存在一定的差异；企业净资产收益率最大值为0.19,最小值为-0.08;企业资产负债率 (Lev)最大值为0.86,最小值为0.08,企业资产收入率(Sales)最大值为3.11,最小值为0.08;企业规模(Size)最大值为26.16,最小值为20.06;企业托宾Q值(TobinQ)最大值2为6.85,最小值为0.15;企业年龄(IPOAge)最大值为30,最小值为2;企业股权集中度 (Largest)最大值为89.99,最小值为3.62;企业微观层面控制变量差异化也较为明显，表4-1描述性统计结果变量名N2、变量相关性分析本文主要变量的相关估计系数见表4-2。其中，绿色信贷政策的假设。各变量间相关估计系数绝对值均小于0.8,变量间不存在相互替代关系。表4-211111111-0.040**133、平行趋势检验DelevitDelevit=βo+∑θtpret+θ₀curent+∑αtpret+β₁Treatedi+其中，postt表示2012年后第t年的交互项(即post₁代表2013年，以此类推),pret表示2012前第t年的交互项(即pre₁代表2011年，以此类推),curent表示2012年当年的交互项。4post_1时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1根据回归结果绘制政策动态效应图4-1,可以看出在绿色信贷政策实施之前包括实施当post_1年，交互项系数位于0附近，且不显著;在政策实施一年后，高污染企业去杠杆程度显著高post_14、实证结果分析5时间和个体效应N注：(1)括号内为p值；(2)*、**、***分别表示在10%、5%、1%统计表4-4报告了式(1)的回归估计结果，通过固定效应双重差分模型考察了绿色信贷政的估计系数为-0.0203且在5%统计水平上显著,表明绿色信贷政策颁布后，相较于非重污染企业，重污染企业的去杠杆程度得到显著提升，验证了假设H1。(二)稳健性检验61、因变量替换参考王玉泽(2019)的研究成果，本文分别从总债务有形资产比视角、权益乘数视角与不能接受假设H1;反之，若三个交互项估计系数均统计上显著为负，则认为上文回归分析结果具有稳健性，不能拒绝假设H1,即《绿色信贷指引》的颁布确实引致了高双重差分变量(DID)估计系数的回归结果。可以看到三种替换指标对应的双重差分变量 文回归分析结果具有较强的稳健性，进一步支持了本文的假设H1。因变量替换检验结果时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1%统计水平上显著2、安慰剂检验检验方法，分别设置了政策颁布前1年、2年、3年三个伪证策时间(即2009年、2010年、72011年)进行回归检验，如果任一时间对应的双重差分变量(DID)估计系数显著为负，则则支持上文回归分析结果具有稳健性，不能拒绝假设H1。表4-6安慰剂检验结果时间和个体效应N表4-6列(1)、列(2)、列(3)分别报告了《绿色信贷指引》政策时间提前1年、2确实是由2012年的《绿色信贷指引》政策引致，而非此前时刻的其他因素。综上所述，安慰剂检验结果证明了本文回归分析结果具有较强的稳健性，进一步支持了本文的假设H1。除样本分组带来的偏差，本文使用倾向得分匹配法(PSM),将实验组和控制组内的样本进行1:1最临近匹配，即在控制组样本中找出和实验组样本在微观特征上相似的个体来——对应。之后再对匹配后的样本进行双重差分回归检验，若双重差分变量(DID)估计系数不显著为负，则说明上文回归分析结果是由样本分组偏差引致，不具有稳健性，不能接受假设H1;反之，若双重差分变量(DID)估计系数统计上显著为负，则说明上文回归分析结果具8有稳健性，进一步支持假设H1。各个样本的倾向匹配得分值，并根据倾向匹配得分值对实验组样本在控制组样本中进行1:1最临近匹配。匹配完成后进行平衡性检验，检验结果如表4-7所示。匹配前实验组和控制组大幅下降，各指标的偏差绝对值均小于5%,说明倾向得分匹配结果较为理想。图4-2报告了倾向得分匹配后的协变量偏差分布情况，匹配后各协变量的偏差均分布于0值附近，差异较小。图4-3则报告了倾向得分匹配后，实验组与控制组的取值情况，可以看到，绝大多数观测值都处于共同取值的范围内，符合重叠假设。图4-4报告了匹配前后的倾向得分核分布图，可以观察到，匹配后实验组与控制组的倾向得分核分布差异明显缩小。综上所述，通过倾向得分匹配(PSM)对实验组与控制组样本进行了理想的匹配。接下来，匹配偏差(%)偏差减少匹配前匹配后匹配前匹配后匹配前匹配后匹配前匹配后匹配前匹配后匹配前匹配后匹配前匹配后在平衡性检验和倾向得分核密度分析之后，本文对匹配后的样本进行双重差分回归分析。若PSM-DID回归分析结果与上文回归分析结果保持一致，则说明后者具有较高的稳健性，不能拒绝假设H1。回归结果汇报如表4-8,可以看到双重差分变量(DID)估计系数为-0.0289且在5%水平上显著,与上文分析结果保持一致，说明前述结论并不依赖于分组样本间的选择性偏差。综上所述，基于PSM-DID方法的检验结果进一步佐证了上文回归分析结果具有较强的稳健性。时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1%统计水平上显著(三)进一步分析1、绿色信贷影响企业去杠杆程度的机制性检验前述回归结果和稳健性检验说明绿色信贷政策的推出显著提升了重污染企业的去杠杆步分析。在影响机制的检验方法上，本文借鉴Baron&Kenny(1968)和石大千等(2018)的方法，引入机制变量(Zit),分三个阶段进行实证检验：首先，将双重差分变量(DID)与企业去杠杆程度(Delev)进行回归，即验证政策颁布对企业去杠杆程度的影响，上文已进行回归，若估计系数显著,说明政策的颁布对该机制变量产生了影响；最后，将双重差分变量(DID)与机制变量(Zit)同时放入模型与企业去杠杆程度(Delev)进行回归，若机制变量(Zit)估计系数显著,而双重差分变量(DID)估计系数不显著或显著但系数绝对值降低，则证明绿色信贷政策通过机制变量(Zit)影响企业去杠杆程度。按照上述检验步Zit=βo+β₁DIDit+β₃Treatedi+β₄Timeit+γXit+δi+λt+EitDelevit=βo+θZit+β₁DIDit+β₃Treatedi+β₄Timeit+γXit+δi+λt+Eit(6)(1)融资约束借鉴Whited&Wu(2006)、况学文(2010)和刘莉亚(2015)等的研究方法，使用WWWW=-0.091CF-0.062DivPos+0.021Lev-0.044Size+现金股利支付哑变量，当期如果派发现金股利则为1,否则为0;Lev为长期负债与资产比制造业取两位编码其他行业取一位编码);SG为销售收入增长率。本文WW指数相关数据均将WW指数作为机制变量进行三阶段回归检验，回归结果分别汇报于表4-9列(1)、列(2)、列(3)。列(2)中双重差分变量(DID)的系数为正且具有统计显著性，说明绿色信贷政策的推出导致重污染企业的融资约束相比非重污染企业显著上升；列(3)中企业融资约束(WW)的估计系数显著为负，而双重差分变量(DID)系数绝对值相较列(1)杠杆程度提升，验证了本文的假设H2。根据上述回归结果，绿色信贷政策可能是通过提高表4-9融资约束的机制性检验结果(-2.2847)时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1(2)投资效率本文参考Richardson(2006)、徐倩(2014)、陈效东等(2016)和李文文等(2020)衡Invt=βo+β₁Growtht-1+β₂Levt-1+β₃Casht-1+β₄Aget-1+β₅Sizet-β₆Rett-1+β₇Invt-1+其中，Invt为t年公司的实际新增投资支出，即总投资-维持性投资=(购建固定资产、无形资产和其他长期资产支付的现金+取得子公司及其他营业单位支付的现金净额-处置固定资产、无形资产和其他长期资产收回的现金净额-处置子公司及其他营业单位收到的现金净额-(固定资产折旧+无形资产摊销+长期待摊费用摊销))/年初总资产；Levt-1为上一年衡量；Aget-1为上一年时公司年龄即观测年度-IPO年度；Casht-1为上一年公司的现金流个股回报率衡量；Invt-1为上一年的新增2012行业标准，制造业代码取2位，其他行业取1位，进行行业分类；年份虚拟变量；∈:模型估计的残差；对模型分年度进行OLS回归，残差的绝对值即为公司非效率投将非效率投资程度作为机制变量进行三阶段回归检验，回归结果分别汇报于表4-10列 (1)、列(2)、列(3)。列(2)中，双重差分变量(DID)的系数为负且具有统计显著性，说明政策颁布导致重污染企业投资效率相较非重污染企业显著上升；列(3)中，非效率投资程度(InefficInv)估计系数统计上显著为正，而双重差分变量(验证了本文的假设H3。根据上述回归结果，绿色信贷政策可能是通过提高重污染企业的投表4-10投资效率的机制性检验结果时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1(1)所有权性质产权性质，将样本分为国有企业与非国有企业两组。如表4-11所示，在国有企业组中，双的估计系数为负但不显著。该结果验证了本文的假设H4。说明国有企业天然的债务融资优势可能会导致其杠杆率处于较高水平，而非国有企业因受到“信贷歧视”,可能具有较低的表4-11所有权性质检验结果国有企业时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1(2)融资渠道依赖算企业间接融资依赖度指标=(短期借款+一年内到期的非流动负债+长期借款)/总资产，将样本根据间接融资依赖度中位数分为高间接融资依赖与低间接融资依赖两组。如表4-12所H5。说明融资渠道单一的重污染企业，可能受绿色信贷政策影响较大，而主要融资环境的表4-12融资渠道依赖检验结果高间接融资依赖时间和个体效应N注：(1)括号内为p值，(2)*、**、***分别表示在10%、5%、1(3)企业社会责任绍洲等(201