随着工业化的快速发展，资源过度消耗、环境污染等问题日益严峻，经济绿色转型已成为当今世界经济结构调整的重要趋势之一。为改善生态环境，党的二十大报告进一步强调要推动绿色发展，促进人与自然和谐共生。基于这种背景，许多国家制定了一系列政策将环境保护与金融挂钩。绿色金融兼具环境规制与资源配置功能，引导资源流向环保产业。2016年8月，中国人民银行联合财政部、国家发展改革委等六部门发布《关于构建绿色金融体系的指导意见》,强调大力发展绿色信贷，进一步引导资金流向绿色投资项目并限制高污染企业信贷融资，目的是激励企业进行绿色转型，促使其实现绿色发展。

重污染企业作为能源消耗和污染排放的主体，是推动产业结构绿色转型，实现可持续发展的主要力量之一。梳理现有文献发现，绿色金融政策的效果具有不确定性：一方面，政策会倒逼企业进行绿色创新并表现出“波特效应”[1-2];另一方面，政策会加大高污染、高排放企业的融资压力，进而引致企业进行漂绿[3-4]。具体而言，政策带来的环境压力是长期的，重污染企业进行绿色创新，可以缓解政策带来的融资压力，也有助于提高企业的生产率，最终有益于企业的财务绩效[5]。然而，银行信贷作为企业外部融资的主要手段，绿色金融政策也可能加剧对重污染企业的融资约束，使其难以将有限的资金用于绿色创新[4,6],进而引致企业进行漂绿。因此，政策能否达到预期效果，实现经济绿色发展关键在于企业的行为选择。

目前，定量分析企业漂绿行为的实证研究还比较少。本研究以2016年发布的《关于构建绿色金融体系的指导意见》为准自然实验，利用双重差分模型考察绿色金融政策对企业漂绿行为的影响，从策略性创新、融资约束以及股权集中度等角度分析绿色金融政策影响企业漂绿行为的路径，并基于企业产权性质、规模以及区域特征分析绿色金融政策的异质性影响。文章可能的边际贡献在于：一是在构建漂绿指标时采用Bloomberg数据库中的环境披露评分以及和讯网发布的上市公司的环境责任得分，聚焦企业的环境责任表现，使漂绿行为的界定不受社会和治理指标的影响；二是从企业的策略性创新和股权集中度两个路径进一步探索绿色金融政策对企业漂绿行为的影响。企业漂绿不利于绿色政策效果的发挥，有害于生态文明建设，甚至会干扰市场秩序。研究结果对助力经济绿色发展具有重要的理论和现实意义。

一、文献综述

(一)企业漂绿行为的研究

目前，学术界对企业漂绿行为愈发关注，但总体研究仍然较少。就漂绿概念而言，由于不同学科以及研究视角的差异，学术界对漂绿概念的界定未达成一致。大多学者从营销视角、印象管理视角以及信息沟通视角界定漂绿行为。Laufer认为，混淆、掩饰、故作姿态是构成漂绿的三大要素，目的是修复或进一步塑造企业公共形象[7];Lyon等认为，漂绿是企业选择性披露正面信息，同时隐藏负面信息的一种投机行为[8];邱慈观认为，对环境承诺做出宣称、蓄意误导以及承诺未获得事实支持是构成漂绿的三个条件[9]101;还有学者将漂绿定义为象征性行动与实质性行动之间的差距，例如在环境管理方面，管理人员发出绿色信号却并非行动执行[10-11]。近年来，人们愈发关注ESG(环境、社会和治理)理念，有不少学者从ESG维度研究企业漂绿行为。Yu等认为，漂绿表现为企业披露大量的ESG信息，但实际在ESG方面表现不佳[12]。

就漂绿动因而言，现有文献主要将企业漂绿动因界定在信息不对称、获得竞争优势和追求利润最大化三个方面。首先是信息不对称。消费者很难判断产品是否环保，公众无法知道发布社会责任报告的企业是否真正履行了社会责任，这些均为企业漂绿提供了可能[13]。其次是获得竞争优势。面临激烈的市场竞争，企业通过宣称自身的环保性可以在一定程度上获得竞争优势[14]。最后是追求利润最大化。依据“经济人假设”,企业通过低成本的漂绿获得合法性利益是一种理性选择的表现[15-16]。

就漂绿经济后果而言，主要分为对企业自身和整个经济社会的影响。在企业层面，漂绿行为曝光会损害企业股价[17],危害企业财务绩效[10],还会影响消费者的忠诚度，使其怀疑企业所提供的产品信息是否真实[18]。在经济社会层面，漂绿行为会削弱环境法规的实施效果。当“漂绿”产品与“真绿”产品同时存在于市场时，价格机制会导致“真绿”产品市场份额大幅下降，从而形成“柠檬市场”[19]。此外，漂绿还会降低交易效率和整个社会的福利水平，甚至阻碍社会经济持续稳定发展[16]。

(二)绿色金融政策实施效果的研究

关于绿色金融政策给企业带来的经济后果，存在两种截然不同的观点：传统的新古典经济学认为，加强环境规制虽然会通过规范企业行为而产生一定的社会效益，但本质上是将企业的外部环境成本内部化，增加企业的生产经营成本，最终会降低企业经营绩效；而波特假说认为，适当的环境规制可以促使企业创新，提高生产力，进而抵消成本，使企业在市场上更具竞争力[2,5]。此外，也有学者探究了绿色金融政策影响企业绿色行为的机制。第一类机制主要关注信贷资源配置[20]。绿色信贷具有显著的融资惩罚效应和投资抑制效应[3],使重污染企业的债务融资规模下降、融资成本上升、融资期限缩短[21-22],企业为了维持正常生产经营活动进而挤占研发投入[23]。与此同时，为了符合绿色金融政策要求进而获得信贷支持，会诱发企业进行漂绿[4]。第二类机制主要关注创新补偿效应。在波特假说的“倒逼”效应理论框架下，环境规制政策的实施会倒逼企业主动进行绿色创新进而提高技术水平带来收益[24-25],抵消环境规制带来的环境成本。

现有文献为研究绿色金融政策对企业行为选择的影响提供了重要基础，但仍有进一步改进的空间：在研究视角方面，基于绿色金融政策背景下，多数文献单独刻画企业的绿色创新行为或者漂绿行为，而将企业绿色创新行为与漂绿行为纳入同一研究框架，并分析不同动机的绿色创新行为对绿色金融政策与企业漂绿行为之间关系的调节作用有待研究；在作用机制方面，多数文献关注以融资约束为代表的外部因素，企业管理层面的内部因素对企业漂绿行为的影响也应当进行检验。

二、理论分析与研究假说

绿色金融政策作为激励企业绿色发展的一种重要金融管制手段，通过信贷额度、贷款利率等工具引导金融资源流向环保企业[5]。然而，环境治理创造的更多的是社会效益，而非经济效益[26],追求利润最大化的企业主动进行环境治理的动机不强。此外，重污染企业的绿色治理需要大量投资，在环境保护和市场竞争的双重压力下，企业更可能将有限的资金投入生产经营活动[27],同时选择低成本的漂绿行为向外部信息使用者传递积极信号，迎合银行授信标准，进而获取融资便利，缓解融资困境[5]。

信息披露制度不健全、环境信息披露者与使用者之间信息不对称均为企业漂绿提供了可能[27]。如今，环境信息披露是银行评估企业或项目环境风险的重要信息来源，尤其是对重污染企业而言，环境信息是否披露已成为银行是否发放贷款的重要影响因素。有研究发现，环境信息披露有助于企业获取更多的银行借款，并降低债务融资成本，优化企业借款期限结构[28]。因此，企业在披露环境信息时可能存在投机性倾向，通过漂绿来迎合政策要求和银行的授信标准[15],并误导消费者和投资者[29-30]。基于以上分析，提出第一个假设。

H1:绿色金融政策的实施会增加重污染企业的漂绿行为。

绿色信贷政策要求银行等金融机构在发放贷款时将环境风险考虑在内，环境责任表现成为企业获得银行贷款的重要依据[29],从而对重污染企业起到融资惩罚作用，提高他们的融资门槛与融资成本[3,31]。然而，重污染企业作为资本密集型产业，银行信贷融资成功与否直接影响企业是否有充足资金维持生产运营与发展[22,32]。重污染企业在融资受阻的情况下，更难以将有限的资金分配到环境治理当中。因此，当企业面临环境规制与外源融资受阻的双重压力时，很有可能进行漂绿。基于此，提出第二个假设。

H2:绿色金融政策会加剧重污染企业融资约束，进而增加企业漂绿行为。

从动机角度看，企业的创新行为可分为策略性创新和实质性创新[33]。策略性创新是指企业为迎合政府政策和监管、获取创新补贴等目的进行低水平的创新活动，追求创新的速度与数量；实质性创新则指企业为提升创新能力，推动技术进步而进行的高质量创新[33-35]。高质量的绿色发明专利创新需要投入大量的资源，研发周期长、风险高；技术水平较低的绿色实用新型专利创新成本低、风险低且周期短[5]。实质性创新能推动绿色技术进步，促进企业节能减排，控制污染；策略性创新难度相对较低，其产出成果的贡献也相对较小，对环境保护无明显帮助[35]。基于“经济人假设”,理性人都追求自身利益最大化。在绿色金融政策的冲击下，重污染企业可能更倾向于采用低成本的策略性创新，迎合政府政策和监管的同时降低研发失败的风险。基于此，提出第三个假设。

H3:在绿色金融政策的冲击下，企业的策略性创新活动越多，其漂绿行为越严重。

从企业管理层面看，企业管理者对环境信息披露具有较大的决策权，而股权结构会影响管理层的战略决策[36]。高的股权制衡度能更有效地监督管理者的行为，限制企业选择性披露信息行为，提高企业的环境信息披露质量[36]。因此，股权集中度可能会影响企业的环境信息披露决策。基于以上分析，提出第四个假设。

H4:股权集中度对绿色金融政策与企业漂绿行为之间的关系有调节作用。

三、研究设计

(一)模型设定

为检验假设H1,绿色金融政策对企业漂绿行为的影响，以2016年颁布的《关于构建绿色金融体系的指导意见》为外生政策冲击。参考Zhang的做法[4],构建DID模型：

式中：i为企业；t为年份；G为企业的漂绿程度；T为组别的虚拟变量，重污染企业取值为1,其他企业取值为0;P为时间的虚拟变量，2016年之后取值为1,否则为0;交互项Ti×Pt是核心解释变量，其回归系数α1为政策效应，若α1显著为正，表明绿色金融政策增加了企业漂绿行为，假设H1成立，若α1显著为负，表明绿色金融政策抑制了企业漂绿行为；Z为一系列相关的控制变量；δi和μt分别为企业固定效应和时间固定效应；εi,t为随机误差项。

为研究融资约束、股权集中度以及策略性创新的作用，参考Feng和Liang的方法[37],构建模型：

式中Mi,t为调节变量，包含融资约束、股权集中度和策略性创新水平，其他变量的定义与模型(1)一致。若回归系数ρ2显著，则可认为其具有调节作用。

(二)变量定义

1.被解释变量

由于对漂绿概念界定的不统一以及数据的可得性，对漂绿行为的衡量依然是一个难题。现有文献使用的方法主要包括内容分析法、问卷调查法和ESG评分法等[38,18,4,12]。ESG是体现企业可持续发展表现的重要指标[39],用企业ESG得分来反映企业环境责任表现具有合理性。参考Yu等的研究[12],并避免受社会和治理因素的影响，选择从环境维度研究漂绿行为，采用标准化后的企业环境披露得分与实际环境责任得分之间的差距(“言过其实”的行为[29])衡量企业漂绿程度。其中，企业环境披露得分来源于Bloomberg数据库，企业的环境责任得分来源于和讯网。Bloomberg数据库提供的ESG评分是依据企业ESG相关信息披露程度来计算的，不衡量企业实际在ESG方面的表现，评分越高表明企业披露的信息越多。和讯网提供的环境责任得分是依据上市公司的环保意识、环境管理体系、环保投入金额、排污种类数以及节约能源种类数五个方面来计算的，其评分越高表示企业的环境表现越好。漂绿指数的衡量公式为：

式中：Gi,t为企业i在t年的漂绿程度；Edisi,t与ERtgi,t分别为企业i在t年的环境披露得分与环境责任得分；

分别为样本所有企业在t年的环境披露得分均值和环境责任得分均值；σEdis与σEdis分别为样本所有企业在t年的环境披露得分标准差和环境责任得分标准差。

此外，参考Li等的研究方法[40],利用线性归一化的方法构建漂绿指数进行稳健性检验：

2.解释变量

以双重差分变量T×P为解释变量，其回归系数为绿色金融政策的影响效应。P为政策实施的虚拟变量，2016年之前的年份设为0,2016年及以后的年份设为1。T为组别的虚拟变量，重污染企业设为1,其他企业设为0。

3.调节变量

借鉴Hadlock和Pierce的方法[41],构建融资约束的代理指标，即SA指数，见式(5)。

式中：D为总资产；Y为企业上市年限。

大多学者利用专利申请数或专利授权数衡量企业的创新程度。专利申请数具有及时性、稳定性等优点，本研究选取专利申请数来反映企业创新水平[42-43]。在我国的专利类型中，与外观设计专利和实用新型专利相比，发明专利的创新水平最高[44]。参考现有文献的做法，将绿色发明专利归为实质性创新，将绿色实用型专利归为策略性创新[33-35]。此外，采用第一大股东持股比例衡量企业的股权集中程度。

4.其他变量

参考He以及Zhang的研究[4-5],选取企业规模、企业年龄、资产收益率、资产负债率、现金流量、营业收入增长率、托宾Q值以及股权集中度作为控制变量，同时还控制了时间和企业固定效应。具体变量定义见表1。

表1 变量定义

(三)样本与数据来源

以2011—2021年沪深两市A股上市公司为初始样本，参考王锋等的研究[45],对样本进行如下处理：剔除金融行业上市企业；剔除股票简称中带有“ST”和“* ST”的上市企业；剔除上市状态为“暂停上市”“终止上市”“退市整理期”的企业；剔除数据严重缺失以及财务指标明显异常的上市企业。此外，为了减少极端值对估计结果造成的偏差，对主要连续变量在1%和99%的水平上进行缩尾处理。

数据来源于国泰安数据库(CSMAR)、中国研究数据服务平台(CNRDS)、彭博数据库(Bloomberg)以及和讯网。其中，上市公司的财务数据来自CSMAR数据库；企业环境责任得分来自彭博数据库以及和讯网；绿色专利数据来自CNRDS数据库。按照2010年环境保护部(现生态环境部)出台的《上市公司环境信息披露指南》,将煤炭、采矿、石化等16个行业划分为重污染行业。另外，结合证监会2012年版《上市公司行业分类指引》的行业代码，将样本企业分为重污染企业和其他企业。

四、实证结果与分析

(一)描述性统计与相关性分析

主要变量的描述性统计结果见表2。数据显示，企业漂绿程度均值为-0.645,最大值为3.335,最小值为-5.675,可见不同企业漂绿程度差距较大。企业规模均值为23.112,最大值为26.538,最小值为20.442,样本分布较为均匀。此外，其他控制变量包括企业年龄、资产收益率及资产负债率等与现有文献基本一致，均在合理范围内。

表3是主要变量的相关性分析结果。数据显示，大多数控制变量在1%或5%的水平上与被解释变量相关，表明对这些变量进行控制是合理的。另外，通过观察其他变量之间的系数发现，不存在严重的多重共线性问题。

表2 描述性统计结果

(二)基准回归

采用双重差分模型，并借助Stata软件得到基准回归结果见表4。表4列(1)和列(2)中的漂绿变量基于式(5)计算获得。列(1)是仅控制企业固定效应和时间固定效应的回归结果，α1的系数估计值在1%的水平上显著为正。列(2)是在列(1)的基础上加入一系列控制变量后的回归结果，α1的系数估计值为0.231,在1%水平上统计显著。结果表明，绿色金融政策的实施使得重污染企业漂绿行为高出0.231个单位，显著增加了重污染企业漂绿行为，可知假设H1成立。

表3 相关系数

表4 基准回归

(三)稳健性检验

1.平行趋势检验

使用双重差分模型进行政策效应评估的必要前提是平行趋势假定，即在政策实施前，结果变量在处理组和对照组的变化趋势一致。参考He等的做法[5],采用事件研究法进行平行趋势检验，分别设置政策颁布前后4年与当年的年份虚拟变量与处理组虚拟变量的交互项，重新进行回归。将各交互项的回归结果绘制成平行趋势检验图，结果如图1所示。可以发现，绿色金融政策实施前各期的系数估计值均不显著。这说明，处理组和对照组在政策实施前并无显著差异，即满足平行趋势假定。

2.替换被解释变量的构建方法

为进一步考察结果的稳健性，基于式(6)计算漂绿程度。结果见表5的列(1),T×P的回归系数仍然显著为正，与前文保持一致。

3.排除其他政策干扰

样本期间的其他政策可能会影响企业漂绿行为，进而造成基准估计的偏差。为避免2012年绿色信贷政策的干扰，参考斯丽娟等的研究[20],通过引入2012年之后年份的虚拟变量排除绿色信贷政策的影响，结果见表5列(2)。由表5列(2)可知，在控制该政策后，T×P的回归系数依然显著为正。2017年，国务院在湖州市、衢州市、广州市、哈密市、昌吉州、克拉玛依市、贵安新区、赣江新区建立绿色金融改革创新试验区。试验区的绿色金融发展状况与其他地区之间必然存在差异[20],为此，删除位于绿色金融改革创新试验区的企业样本从而剔除试验区政策的影响，结果见表5列(3)。从表5可知，在控制该政策后，核心自变量系数仍显著为正。

图1 平行趋势检验

表5 稳健性检验

4.倾向得分匹配(PSM-DID)

为避免由于样本可能存在选择偏差而引起的内生性问题，采用最近邻1∶1匹配法，并以模型(1)中的控制变量作为PSM模型的匹配指标，对样本进行筛选，然后利用双重差分模型对筛选后的结果进行基准回归，结果见表5列(4)。可以发现，T×P的回归系数显著为正，与前文保持一致。

5.改变窗口期的检验

余林徽等指出，窗口期的选择会影响估计结果[46]:窗口期短可能导致样本量不足，造成估计结果有偏；窗口期长可能导致处理组和控制组的样本构成发生变化。选取2012—2020年、2013—2021年的样本重新进行回归，结果见表5列(5)和列(6)。可以发现，交互项系数仍显著为正。

6.安慰剂检验

首先，从总样本中随机抽取380家企业作为处理组，其他企业作为对照组。其次，生成伪政策虚拟变量，对随机选择的处理组和对照组进行回归，并重复上述过程500次。最后，绘制500个伪政策虚拟变量的估计系数和对应的p值分布，如图2所示。可以发现，估计系数的均值接近于0,且大部分p值大于0.1,表明估计不太可能是偶然获得的，即基准回归结果是稳健的。

图2 安慰剂检验

(四)机制分析

从创新动机看，黎文靖等认为低技术水平的策略性创新目的在于迎合政府政策[33],对促进企业绿色技术进步的作用不明显，高质量的实质性创新会产生巨大的经济环保效益。因此，创新质量的高低在一定程度上体现了企业实际对促进经济绿色发展的贡献程度。为考察策略性绿色创新的影响，构建调节效应模型(2),实证结果见表6列(1)。数据显示，T×P×N的系数估计值在1%的水平显著为正，策略性创新具有显著的调节效应。这表明，当重污染企业受到绿色金融政策的冲击时，其策略性绿色创新活动越多，重污染企业的漂绿行为也增加得越多。另外，绿色金融政策会限制银行对重污染企业的信贷支持，重污染企业债务融资能力下降[40,47]。因此，重污染企业可能为迎合政策以获取银行信贷支持而进行漂绿。此外，由于经营者与股东之间利益冲突的存在，股权结构会影响公司管理层的战略决策[36,48]。为考察融资约束以及股权集中程度对绿色金融政策与企业漂绿行为之间关系的影响，利用调节效应模型(2)进行检验。实证结果见表6列(2)和列(3),可以发现，T×P×BSA和T×P×O的系数估计值均显著为正，说明融资约束和股权集中度均发挥了正向调节作用。具体而言，若企业面临的融资约束越强，受绿色金融政策冲击时，重污染企业的漂绿行为增加得越多；若企业的股权集中度越高，绿色金融政策对企业漂绿行为的加剧作用也越强。

表6 调节效应结果

五、进一步分析：异质性分析

企业的产权性质、规模和所处地区的金融发展水平是影响企业创新水平的重要因素。因此，绿色金融政策对重污染企业漂绿行为的影响可能具有不对称性。基于此，分别基于企业产权性质、企业规模以及企业所在区域差异对样本企业进行分组回归。

(一)企业产权性质

在我国的制度背景下，国有企业天然具有融资优势。相对于民营企业，国有企业有更多的融资渠道。因此，有学者认为国有企业为迎合政策而进行漂绿以获取融资的可能性较低[4,27]。基于此，将样本分为国有企业与非国有企业，探讨在不同产权性质下，政策对企业的影响有何差异，结果见表7的列(1)和列(2)。T×P的系数估计值在国有企业样本中显著为正，在非国有企业样本中不显著，表明绿色金融政策显著增加了国有重污染企业的漂绿行为。可能原因在于，国有企业更直接受国家政府的影响和干预，有更大的压力来响应政策，这可能会潜在地推动企业进行漂绿的机会主义行为[49]。此外，国企高管为追求晋升，存在通过漂绿响应环境规制的动机[50]。

表7 异质性分析

(二)企业规模

大规模企业在资本、技术、知识和管理经验方面均具有优势，会在一定程度上提高绿色技术创新成功的概率[50]。中小企业融资成本高、融资限制多，其风险承担能力也较弱[51]。另外，社会对中小企业的关注也相对较少[29]。因此，相比于大型企业，中小企业更倾向于采用低成本的漂绿环境信息策略来迎合政策要求。以企业规模的均值为分界线，将全样本分为大规模企业和中小规模企业两个样本组，分别进行回归，结果见表7的列(3)和列(4)。可以发现绿色金融政策显著增加了中小规模企业的漂绿行为，对大规模企业的影响不显著。

(三)企业所在地

我国地区发展不平衡，资源条件差异较大，绿色金融政策对不同地区的重污染企业漂绿行为的影响有所不同。有学者认为地方官员为追求经济效益，处于经济欠发达地区的重污染企业可能更倾向于漂绿[5,49],实证结果见表7的列(5)和列(6)。从表7的列(5)和列(6)可知，T×P的系数估计值在东部地区显著为正，在中西部地区不显著。这表明相对于中西部地区，绿色金融政策会显著增加东部地区企业的漂绿行为。可能原因在于，东部地区的高污染企业可能面临更强的政策压力，消费者的环保意识也相对较强，导致位于东部地区的重污染企业的漂绿动机也相对较强。

六、结论与启示

基于中国沪深A股上市公司2011—2021年的数据，探究绿色金融政策对企业漂绿行为的影响。研究发现：

第一，绿色金融政策显著增加了重污染企业的漂绿行为。在进行替换被解释变量的构建方式、排除其他政策干扰、改变窗口期以及替换模型的一系列稳健性检验后，结论依然成立。

第二，通过调节效应分析发现：融资约束越强，企业的漂绿行为增加得越多；股权集中度越高，企业的漂绿行为越严重；策略性绿色创新活动越多，企业的漂绿行为越多。

第三，企业的产权性质、规模大小及所在区域都会影响政策实施效果。研究发现：相对于非国有企业，政策对国有重污染企业的漂绿行为影响更明显；与大规模企业相比，中小规模企业的漂绿行为受政策影响更明显；与中西部地区相比，东部地区重污染企业漂绿行为的增加更明显。

可从以下几个方面加强政策引导：

首先，未来通过金融手段引导资金流向环境友好型企业，限制对高污染企业的信贷支持，最终实现经济绿色发展。企业漂绿行为的存在不利于绿色金融体系的健康发展，监管机构应明确环境信息披露相关准则，重点监管“言行不一”的企业，并配合相应惩治措施。

其次，由于绿色发明创新难度大、风险高、周期长，企业可能更倾向于低水平的创新活动。政府部门应对企业的绿色发明创新活动予以支持与政策优待。

再次，就企业管理层面而言，引导企业对积极履行环境责任的管理者予以薪酬激励，并营造“言行一致”的文化氛围。

最后，出台相关政策为中小规模企业提供融资便利，支持其完成绿色转型升级。

参考文献:

[1]王国印,王动.波特假说､环境规制与企业技术创新:对中东部地区的比较分析[J].中国软科学,2011(1):100-112.

[2]蒋秀兰,沈志渔.基于波特假说的企业生态创新驱动机制与创新绩效研究[J].经济管理,2015,37(5):190-199.

[3]苏冬蔚,连莉莉.绿色信贷是否影响重污染企业的投融资行为[J].金融研究,2018(12):123-137.

[9]邱慈观.企业绿债与漂绿疑云[M].上海:上海交通大学出版社,2021.

[14]李大元,贾晓琳,辛琳娜.企业漂绿行为研究述评与展望[J].外国经济与管理,2015,37(12):86-96.

[16]肖红军,张俊生,李伟阳.企业伪社会责任行为研究[J].中国工业经济,2013(6):109-121.

[17]王欣,郑若娟,马丹丹.企业漂绿行为曝光的资本市场惩戒效应研究[J].经济管理,2015,37(11):176-187.

[20]斯丽娟,曹昊煜.绿色信贷政策能够改善企业环境社会责任吗:基于外部约束和内部关注的视角[J].中国工业经济,2022(4):137-155.

[23]于波.绿色信贷政策如何影响重污染企业技术创新?[J].经济管理,2021,43(11):35-51.

[26]周建,刘珂,余江龙,等.前端预防亦或末端治理:低碳城市试点政策与企业环保投资战略选择[J].经济管理,2023,45(10):147-167.

[27]吴秋生,任晓姝.绿色信贷政策与企业 “漂绿” 行为治理:基于国家金融学框架下的实证研究[J].金融经济学研究,2023,38(1):146-160.

[28]倪娟,孔令文.环境信息披露､银行信贷决策与债务融资成本:来自我国沪深两市A股重污染行业上市公司的经验证据[J].经济评论,2016(1):147-156,160.

[29]李哲,王文翰.“多言寡行”的环境责任表现能否影响银行信贷获取:基于“言”和“行”双维度的文本分析[J].金融研究,2021(12):116-132.

[31]刘锋,黄苹,唐丹.绿色金融的碳减排效应及影响渠道研究[J].金融经济学研究,2022,37(6):144-158.

[32]喻旭兰,周颖.绿色信贷政策与高污染企业绿色转型:基于减排和发展的视角[J].数量经济技术经济研究,2023,40(7):179-200.

[33]黎文靖,郑曼妮.实质性创新还是策略性创新?:宏观产业政策对微观企业创新的影响[J].经济研究,2016,51(4):60-73.

基金资助:安徽省哲学社会科学规划项目(AHSKY2020D37); 安徽财经大学研究生科研创新基金项目(ACYC2022393);

文章来源:薛新红,程嘉星.绿色金融政策对中国上市企业漂绿行为的影响研究[J].华北水利水电大学学报(社会科学版),2024,40(06):28-39.