綠色信貸政策對重污染企業債務成本的影響

李新功 朱艷平

【摘 要】 文章以2007—2018年A股上市重污染企業的非平衡面板數據為原始樣本，通過傾向得分匹配法匹配出重污染企業的反事實參照組。將《綠色信貸指引》作為綠色信貸政策實施的起點，運用雙重差分模型分別對全樣本和匹配樣本進行實證檢驗，探究了綠色信貸政策對重污染企業債務融資成本的凈影響效應，并進一步考察了產權性質不同下綠色信貸政策對國有企業和非國有企業債務融資成本的影響效果。實證結果發現：（1）綠色信貸政策實施以來，重污染企業的債務融資成本顯著高于非重污染企業;（2）相較于非國有企業，國有企業受綠色信貸政策影響更明顯。文章嘗試運用PSM-DID方法檢驗政策效果，很好地解決了選擇偏差和遺漏變量的問題，同時又避免了內生性問題，為綠色信貸政策的檢驗提供了新的研究思路和方法。

【關鍵詞】 綠色信貸; 債務成本; 傾向得分匹配; 雙重差分模型

一、引言

中國改革開放40多年來，在經濟上取得的成就舉世矚目，工業化進程加速推進，但我國的環境污染問題日漸突出。企業作為環境問題的制造主體，特別是重污染行業企業，對環境的污染引起社會各界的廣泛關注，黨和政府陸續制定并出臺了一系列政策法規并嘗試運用金融手段深入推進生態環境保護工作。在環境污染治理的嚴峻背景下，綠色信貸政策相繼出臺。2007年7月出臺了《關于落實環保政策法規防范信貸風險的意見》，這份文件的出臺標志著我國的環境治理工具中又多了綠色信貸這把金融利器。2012年2月，中國銀監會發布了《綠色信貸指引》，該文件針對金融機構在綠色信貸工作方面做了相對具體的安排，提出銀行等金融機構在信貸審核時關注企業社會責任和環境表現的要求，對國家支持的綠色行業提供更充足的信貸資源與優惠利率，對國家不鼓勵甚至限制的重污染行業減少貸款額度并提高他們的借款利率，引導資本由“兩高”產業向綠色產業轉移，有助于加快轉變經濟發展方式和實現產業結構優化升級。然而，銀行等金融機構作為綠色信貸政策的實施主體，其在政策實施過程中會基于盈利性角度考慮，可能會偏離國家政策目標，存在不完全執行政策的可能。那么《綠色信貸指引》實施以來，是否真正發揮了其政策效應，是否對重污染企業債務融資產生了一定影響？因此研究綠色信貸對企業債務融資成本影響的凈政策效應極具理論意義和現實意義。

二、文獻綜述

綠色信貸政策的實施引起了國內外學者的廣泛關注，King & Levine[ 1 ]研究得出綠色信貸政策的實施有助于銀行信貸結構的優化，有效降低銀行信貸風險及社會環境風險，從而有利于銀行經營績效的提升。但有些學者認為綠色信貸政策實施效率并不高，Biswas[ 2 ]深入分析了印度銀行業的綠色金融發展狀況，發現銀行實施綠色信貸政策缺乏動力。Luo et al.[ 3 ]的研究認為，綠色信貸政策并沒有促進企業在環保方面做更多的投入，公眾對判斷企業的環境友好程度缺乏相關綠色信貸信息的了解。

國內學者從兩個方面對綠色信貸政策效應進行了研究：一方面是關于綠色信貸政策對商業銀行經營績效的影響。何德旭和張雪蘭[ 4 ]認為綠色信貸政策在對商業銀行進行環境和社會風險管理方面有所助益，從而減少不良資產的數量，提高銀行的經營績效;李程等[ 5 ]采用雙重模型分析了綠色信貸對銀行績效的影響，發現該政策給銀行績效帶來負向影響，但是這種負向影響有減弱的趨向;張琳等[ 6 ]研究結果顯示綠色信貸與銀行財務績效之間存在正向的動態交互影響，同時綠色信貸對財務績效的改善有滯后效應。另一方面是從企業角度檢驗綠色信貸政策的實施效應。孫焱林和施博書[ 7 ]研究發現綠色信貸政策可以幫助企業更容易獲取信貸資金用在企業的研發創新中;王鳳榮和王康仕[ 8 ]收集了我國制造業企業的大量數據來分析綠色金融配置現狀，發現綠色金融配置效率較低，并且對污染企業沒有形成有效的融資約束。在綠色信貸政策是否對企業債務融資成本影響方面的研究比較少，連莉莉[ 9 ]研究發現綠色信貸政策對綠色企業的債務融資成本影響較大，降低了企業的融資成本，并有效抑制了兩高企業的發展;蔡海靜[ 10 ]根據造紙、采掘與電力行業的數據分析指出綠色信貸政策的實施對長期借款和借款成本的效果不明顯;張穎和吳桐[ 11 ]運用雙重差分模型分析得出綠色信貸政策實施效果并不明顯，“兩高”型企業仍獲得了較低廉的信貸資金。

對大量文獻的整理分析發現，在綠色信貸政策對銀行經營績效的影響方面研究得較為豐富，大部分學者認為綠色信貸政策提高了銀行經營績效。而關于綠色信貸政策對企業層面影響后果的研究較少，已有研究得出的結論也是綠色信貸政策效果不明顯?？赡苁巧鲜鲅芯吭谡咴u價方法及樣本數據選擇上存在差異，對綠色信貸與企業債務成本關系的估計準確性不夠，直接影響對綠色信貸政策效應的檢驗。

政策實施效果的傳統評估方法通常有兩種：一種是在政策實施后，對實施政策的實驗組與沒有受政策干預的對照組直接橫向比較;另一種是對實驗組在政策實施前和實施后的差異進行縱向比較。這兩種方法都會影響政策的估計結果，橫向比較無法排除實驗組與對照組在其他因素上的差異，縱向比較出的前后差異又無法排除這種差異是受其他事件的影響。因此，本文借鑒孫焱林和施博書[ 7 ]的研究方法，為了避免相關研究中的偏誤問題，嘗試運用傾向得分匹配——雙重差分模型進行實證檢驗。首先運用PSM匹配出重污染企業的反事實參照組，然后用雙重差分模型檢驗政策對實驗組的平均處理效應，而不是直接檢驗企業債務成本。該方法很好地解決了選擇偏差和遺漏變量的問題，同時又避免了內生性問題，能夠得出綠色信貸政策對重污染企業債務成本影響的凈效應，是本文最大的創新之處。

三、理論分析與假設提出

基于利益相關者理論，企業和政府屬于不同的利益主體關系，企業經營本身就是以實現利潤最大化為目的，當企業的利益與環境之間發生矛盾時，企業首先會基于切身利益考慮，從而做出環境破壞的行為。由可持續發展理論可知，整個社會的可持續發展才是政府主要考慮的內容，所以政府必須要求企業只能在維護可持續發展的基礎上，讓社會利益達到最大化。正因為這種矛盾的存在，才需要政府對企業進行監督和管理。

由于信息不對稱理論，在信貸市場上，銀行等金融機構對企業的了解較少，沒有辦法對企業面臨的風險進行合理判斷，并且債權人對自身的這種信息劣勢地位是知悉的，為了彌補自身信息的不足，債權人一般在提高利率的同時設置更加嚴格的約束條款或者增加貸款的成本?；诃h境風險管理理論，隨著國家綠色信貸政策的出臺，作為執行主體的金融機構要根據國家政策的要求，在信貸審批時充分考慮企業的環境行為，把與企業信貸業務相關的環境風險作為衡量信貸風險的主要依據。資金提供方對環境行為的風險感知表現在以下三方面：一是環境責任帶來的直接風險，當信貸資金流向了受污染的資產或者項目時，基于環境責任和社會責任，債權人有義務進行監管和清理，治污成本可能會超出貸款資本金價值，于是就會形成此類風險;二是違約風險，當企業出現環境事故時，由環境事故導致的損失或者為履行監管規定造成的監管成本上升，很大程度上會導致企業不能如期償還到期債務，由此形成信貸違約風險;三是聲譽風險，銀行業金融機構因與發生環境事故的企業存在信貸關系而遭受聲譽受損，銀行業金融機構在執行綠色信貸政策時，鑒于盈利性和安全性視角，應該規避風險，充分考慮企業信貸業務的風險程度，特別是對極易引發環境問題的重污染企業來說，債權人對其環境行為的風險感知越高，重污染企業的信貸融資成本就越高。

《綠色信貸指引》從戰略高度對包括銀行在內的金融機構提出了更加具體明確的要求，具體表現在：要求銀行等金融機構更為有效地實行綠色信貸政策;盡一切努力促進節能減排和環境方面的保護工作。但是，由于銀行、中央政府與地方政府的目標并不完全一致，在監管不到位或者激勵不足時，三者之間在利益上的博弈很有可能影響政策的執行效果。Aizawa & Yang[ 12 ]認為環保數據能否被準確披露與收集以及銀行業利益上的激勵決定著綠色信貸政策能否取得預期的效果。張秀生和李子明[ 13 ]從地方政府和銀行博弈視角，發現信息傳導的低效率和環境的監管可能會使綠色信貸存在執行不力情形。Zhang et al.[ 14 ]認為由于政策細節不清、缺乏環保方面的標準，綠色信貸并未在中國完全展開。因此，綠色信貸政策能否被有效開展還取決于執行主體的執行情況。如商業銀行按照《綠色信貸指引》的要求嚴格把控信貸審批門檻，將企業的環境表現作為信貸審批的重要參考因素。具體表現為：限制重污染行業的資金獲得或者對其實行高利率貸款;對綠色企業或者綠色項目提供貸款支持或實行優惠利率貸款。如此，重污染企業的債務成本必然上升。除了上述分析，重污染企業相較于非重污染企業來說，其引發環境問題的可能性更大。由于環境問題存在外部性，所以容易產生環境問題的重污染企業更容易受到來自外部各界壓力的制約。相比非重污染企業而言，無論是受到國家監管制度的監管，還是來自輿論導向的社會監督，重污染企業更容易受到社會各界的關注，引起的后果比較嚴重，造成的不利影響更大。綜合上述分析，提出假設：

假設1：相比非重污染企業，綠色信貸政策提高了重污染企業的債務融資成本。

針對不同產權性質的企業，銀行等債權人在放貸考核時的標準也不同。企業若想取得長久持續的發展，除了追求自身利益最大化外還要重視與利益相關方的關系，履行其必要的社會責任。相比非國有企業，國有企業享有政府擔保和融資便利，同時其經營理念和管理模式往往更容易受到政府總體利益的影響，能夠在更大程度和范圍內滿足政府政治利益的需求，更加主動配合政府的治理理念，順應政府各項政策的號召，使政府的管理效果更加明顯。因此，國有企業在保護環境、防范污染以促進社會可持續發展方面擔負著更為重大的責任和目標。特別是綠色信貸政策作為政府環境保護的一種環境經濟手段，可以看成是政府政策支持的一個有效補充。環境規制政策對國有企業的影響要大于非國有企業，國有企業在政策的壓力下為了滿足政府的管理需求，增強債權人等利益相關者的投資信心，會更加注重提高自身環境保護能力。因此，國有企業更可能會對綠色信貸政策作出積極響應，積極配合政府的治理理念，基于綠色信貸政策的外部壓力，會削弱國有企業特別是重污染國有企業的融資優勢。而非國有企業本身就處于信貸融資的弱勢地位，政策壓力對其影響不大。另外，相比非國有企業，國有企業更能及時掌握政府環境治理方面的政策信息，對政策變化也較為敏感，因此能夠及時根據政策變化進行調整來免遭更多損失。相對而言，非國有企業在綠色發展轉型上處于不利的地位。綜上分析綠色信貸政策的實施對重污染國有企業的影響程度可能要大于非國有企業。于是提出假設：

假設2：相比非國有企業，綠色信貸政策對國有企業的債務融資成本影響更明顯。

四、研究設計

（一）樣本選取與數據來源

考慮到綠色信貸政策的特定實施對象，本文從國泰安數據庫（CSMAR）中選取2007—2018年A股重污染型上市企業作為實驗組，剩余作為對照組。其中，重污染企業的界定參考了國家環保部2008年印發的《上市公司環保核查行業分類管理名錄》和2001年證監會發布的《上市公司行業分類指引》，將16類重污染行業合并為8大類。即采掘業（B）、食品飲料（C0）、紡織服裝皮毛（C1）、造紙印刷（C3）、石化塑料（C4）、金屬非金屬（C6）、醫藥生物（C8）、水電煤氣（D）。在數據整理過程中剔除保險、金融行業上市公司、ST類企業以及數據嚴重缺失的樣本。最終獲得909家上市企業的7 255個觀測值作為全樣本，實驗組包含3 219個觀測值，控制組包含4 036個觀測值。經過傾向得分匹配得到的PSM樣本中，共有7 230個觀測值，其中實驗組包含3 219個，控制組包含4 011個。數據處理由Stata15.0軟件完成。

（二）模型設計及變量定義

對一項政策效果的評估，通常采用雙重差分方法（DID）?！毒G色信貸指引》作為一個純外生事件滿足雙重差分法的前提條件，因為其并非為了實驗目的而發生，也不會受單個企業的影響，因此可以看作是一個準自然實驗。在政策評估時，由于個體固定效應和環境效應等其他不可觀測因素的存在，往往會導致政策評估的結果不夠準確。雙重差分法通過對截面單位在政策實施前后的結果取差值，就能排除個體固定效應和環境效應帶來的影響。即通過比較某一事件對實驗組與對照組影響的差異，可以克服干擾因果關系的其他因素或遺漏變量的影響，從而更好地識別出因果關系[ 15 ]。

探究綠色信貸政策對重污染企業債務成本的影響實質在于揭示重污染企業在實驗期前后的債務成本差異。但對于統一觀測個體，不可能同時處于實驗期前與后的兩個觀測點上。雙重差分法利用控制組作為反事實參照組能很好地解決這一問題，但這樣找到的反事實參照組與實驗組需要滿足共同趨勢假設，即如果不出臺《綠色信貸指引》，重污染企業與非重污染企業的債務成本隨時間的變化趨勢一致。但是由于樣本選擇方法或樣本分類標準不一致等原因使得實驗組與對照組的劃分并非是隨機選擇的，況且實驗組與對照組之間本來就存在不同的特征，這很可能會導致前面提到的共同趨勢假設無法滿足。由Heckman等提出的傾向得分匹配與雙重差分結合的方法可以很好地解決這一問題，使得樣本滿足共同趨勢假設[ 16 ]。傾向得分匹配法（PSM）將實驗組和對照組匹配，即在對照組樣本中找到某個企業，使之與實驗組樣本的可觀測變量盡可能一致，即除了債務成本以外的其他可觀測變量相近時，便能夠對實驗組與對照組的債務成本進行相互比較。因此，本文將重污染企業樣本作為實驗組，對照組為非重污染企業樣本，將2007—2018年樣本上市企業劃分成四組子樣本，即執行綠色信貸政策前后的實驗組以及實施綠色信貸政策前后對應的對照組。本文通過虛擬變量Treated和Time區別上述四組子樣本。其中Treated=1代表執行綠色信貸政策的重污染企業，Treated=0代表非重污染企業;Time=1代表執行綠色信貸政策之后的年份，即2012—2018年，Time=0代表執行綠色信貸之前的年份，即2012年之前。根據上述分析，同時參照已有研究[ 17-18 ]，將本文回歸模型設定如下：

其中，被解釋變量CDF代表債務成本，參考李廣子和劉力[ 19 ]、姚立杰等[ 20 ]的測度方法，考慮到數據可得性，本文選取財務報表附注中的凈財務費用與平均借款總額的比值作為企業債務成本的衡量方法。其中凈財務費用包括“利息支出”“手續費”“其他財務費用”，借款總額包括“短期借款”“長期借款”“一年內到期的非流動負債”。Control表示的是一系列控制變量。參照已有研究[ 21-22 ]，具體包括企業規模、企業盈利能力、資產負債率、成長性、流動比率、經營凈現金流量，同時也對行業和年份進行了控制。？著代表隨機干擾項。各變量的具體含義如表1所示。

五、實證與分析

（一）傾向得分匹配結果及平衡性檢驗

鑒于對照組的數量多于實驗組，本文采用1：4的近鄰匹配方法，使用評定（Logit）模型估計傾向得分。通過可觀測變量，在共同范圍內將實驗組上市公司與對照組上市公司進行匹配。為了保證樣本匹配效果，需要對匹配后的樣本數據進行平衡性檢驗。數據平衡性檢驗是為了確保協變量的傾向得分在實驗組和對照組之間不存在顯著差異，克服選擇性偏差帶來的影響[ 23 ]。經Logit模型匹配后，實驗組平均處理效應估計值為-0.002，對應的t值為-2.30，即滿足1.96<=|t|<2.58，故處理效應在5%的水平下顯著。由表3匹配效果檢驗可知，大多數協變量匹配后對應的標準化偏差小于10%，唯有協變量企業規模的偏差為13.9%，且通過t檢驗的結果可以看到，大多數的結果不拒絕實驗組與對照組無系統差異的原假設（Size和Lev除外）。說明在經Logit模型匹配后，實驗組與對照組各方面的特征已經非常相似，使用傾向得分匹配法將數據進行了較好的匹配，通過了平衡性檢驗。

（二）綠色信貸政策對重污染企業債務成本影響的檢驗

根據模型（1）采用混合回歸對全樣本和PSM樣本進行雙重差分檢驗，回歸結果如表4所示。在全樣本中未加入控制變量情形下，Time×Treated的系數為0.0040，并且在5%水平上顯著?；貧w結果表明綠色信貸政策的頒布使得重污染企業的債務成本顯著升高?？紤]到可能存在潛在的相關遺漏變量，在表中第二列加入控制變量后，交互項系數在5%水平上顯著為正。由于存在選擇性偏差問題，在全樣本下的檢驗不能正確反映政策的效果，經過PSM匹配處理后，交互項的系數均在5%的水平上顯著為正。符合假設1的預期判斷。因此，在平均處理效應下，綠色信貸政策顯著提高了重污染企業的債務成本。

（三）企業所有權性質差異下綠色信貸政策對企業債務成本的檢驗

為了進一步研究企業所有權性質是否會影響綠色信貸政策的實施效果，本文按照企業所有權性質的不同，把全樣本和經過匹配后的PSM樣本中的企業分為國有企業和非國有企業，然后對國有企業和非國有企業進行分組檢驗。表5顯示了國有企業與非國有企業的平均處理效應，可以看到無論是在全樣本還是匹配后的PSM樣本中，國有企業交互項的系數均為正，且都在1%的水平上顯著;而非國有企業交互項的系數為負，并且沒有通過顯著性檢驗。說明綠色信貸政策對重污染行業中國有企業的債務成本的影響較為明顯，符合假設2的預期。

（四）穩健性檢驗

該部分采取更換匹配方法和改變政策執行的時間來進行穩健性檢驗。前文在傾向得分匹配時采用了近鄰匹配，這里通過卡尺匹配、核匹配方法對樣本重新進行匹配，然后進行雙重差分回歸，回歸結果如表6。更換匹配方法后，Time×Treated的回歸系數仍然在5%水平上顯著為正，與前面1：4近鄰匹配的回歸結果無實質性差異。將政策執行時間提前兩年來進行安慰劑檢驗，若“政策處理效應”依舊顯著則說明研究結果很可能來自其他政策變化或隨機因素[ 24 ]。選取2010年作為綠色信貸政策發生的時間，回歸結果如表7，無論是在全樣本還是PSM樣本下，此時交互項系數不顯著，也就是說前文回歸結果不可能是由《綠色信貸指引》之前的其他事件導致。

六、結論與啟示

本文運用傾向得分匹配和雙重差分模型檢驗了《綠色信貸指引》頒布后，重污染企業債務融資成本的政策凈效應以及企業所有權性質差異下綠色信貸政策對企業債務成本的影響程度。結果表明：（1）相比非重污染企業，綠色信貸政策顯著提高了重污染企業的債務成本。（2）綠色信貸政策對重污染國有企業的債務成本影響效果更明顯。綜上可以得出，綠色信貸政策實施以來，確實提高了重污染企業的貸款門檻，對重污染企業的融資起到了一定的約束作用。從中可以得到以下啟示：

一是政府應加強綠色信貸政策的實施力度，制定統一的、更具可操作性的綠色信貸政策實施細則，對授信部門建立健全約束和激勵機制;明確貸款企業和銀行金融機構在環境污染中承擔的法律責任;同時需要建立與綠色信貸政策相配套的監管體系，嚴格把控綠色信貸資金流向，做到綠色貸款?？顚Ｓ?。

二是銀行業金融機構作為綠色信貸的實施主體，應繼續嚴格把控重污染企業的信貸門檻和評估機制;積極地創造有助于綠色信貸政策實施的條件，開發更加多元化的綠色信貸金融產品;針對不同所有權性質的企業采取差異化的定價策略，以消除政策效應對企業影響的不對稱性，引導資金向更加綠色環保的企業和項目流動，以確保綠色信貸政策效果的長期穩定性，促進經濟可持續發展。

三是企業應加強環境保護意識，充分利用國家綠色信貸政策帶來的發展機遇，特別是對重污染企業而言，綠色信貸政策會使其更加關注自身可持續發展。一方面會提高其自身治理環境的主動性，使其改變高污染、高耗能的傳統生產方式;另一方面在綠色信貸政策的扶持和鼓勵下利用技術創新加快轉型，實現全社會的可持續發展。

【參考文獻】

[1] KING R G， LEVINE R. Finance and growth：schumpeter might be right[J].Policy Research Working Paper Series，1993，108（3）：717-737.

[2] BISWAS N. Sustainable? green? banking? approach：the need of the hour[J].Business Spectrum，2011，1（1）：32-38.

[3] LUO C， FAN S， ZHANG Q. Investigating the influence of green credit on operational efficiency and financial performance based on hybrid econometric models[J].International Journal of Financial Studies，2017，5（4）：27.

[4] 何德旭，張雪蘭.對我國商業銀行推行綠色信貸若干問題的思考[J].上海金融，2007（12）：4-9.

[5] 李程，白唯，王野，等.綠色信貸政策如何被商業銀行有效執行？——基于演化博弈論和DID模型的研究[J].南方金融，2016（1）：47-54.

[6] 張琳，廉永輝，趙海濤.綠色信貸和銀行財務績效的動態交互影響關系：基于中國29家商業銀行的實證研究[J].上海金融，2019（4）：31-39.

[7] 孫焱林，施博書.綠色信貸政策對企業創新的影響：基于PSM-DID模型的實證研究[J].生態經濟，2019，35（7）：87-91，160.

[8] 王鳳榮，王康仕.“綠色”政策與綠色金融配置效率：基于中國制造業上市公司的實證研究[J].財經科學，2018（5）：1-14.

[9] 連莉莉.綠色信貸影響企業債務融資成本嗎？——基于綠色企業與“兩高”企業的對比研究[J].金融經濟學研究，2015，30（5）：83-93.

[10] 蔡海靜.我國綠色信貸政策實施現狀及其效果檢驗：基于造紙、采掘與電力行業的經驗證據[J].財經論叢，2013（1）：69-75.

[11] 張穎，吳桐.綠色信貸對上市公司信貸融資成本的影響：基于雙重差分模型的估計[J].金融與經濟，2018（12）：8-12.

[12] AIZAWA M， YANG C. Green credit， green stimulus， green revolution？China's mobilization of banks for environmental cleanup[J].The Journal of Environment & Development，2010，19（2）：119-144.

[13] 張秀生，李子明.“綠色信貸”執行效率與地方政府行為[J].經濟問題，2009（3）：87-90.

[14] ZHANG B， YANG Y， BI J. Tracking the implementation of green credit policy in China：top-down perspective and bottom-up reform[J]. Journal of environmental management，2011，92（4）：1321-1327.

[15] 錢雪松，唐英倫，方勝.擔保物權制度改革降低了企業債務融資成本嗎？——來自中國《物權法》自然實驗的經驗證據[J].金融研究，2019（7）：115-134.

[16] 李延喜，賽騫，孫文章.在審計報告中溝通關鍵審計事項是否提高了盈余質量？[J].中國軟科學，2019（3）：120-135.

[17] 肖浩，孔愛國.融資融券對股價特質性波動的影響機理研究：基于雙重差分模型的檢驗[J].管理世界，2014（8）：30-43，187-188.

[18] 周黎安，陳燁.中國農村稅費改革的政策效果：基于雙重差分模型的估計[J].經濟研究，2005（8）：44-53.

[19] 李廣子，劉力.債務融資成本與民營信貸歧視[J].金融研究，2009（12）：137-150.

[20] 姚立杰，付方佳，程小可.企業避稅、債務融資能力和債務成本[J].中國軟科學，2018（10）：117-135.

[21] 陸正飛，祝繼高，孫便霞.盈余管理、會計信息與銀行債務契約[J].管理世界，2008（3）：152-158.

[22] 孫錚，李增泉，王景斌.所有權性質、會計信息與債務契約：來自我國上市公司的經驗證據[J].管理世界，2006（10）：100-107，149.

[23] 曹靜，郭哲.中國二氧化硫排污權交易試點的政策效應：基于PSM-DID方法的政策效應評估[J].重慶社會科學，2019（7）：24-37.

[24] 晏艷陽，嚴瑾.國家自主創新示范區建設對企業創新的影響研究[J].軟科學，2019，33（6）：30-36.