環境執法合作與企業資本成本

周行 馬妍妍 劉潔

【摘要】“京津冀環境執法聯動機制”是深化地區生態環境一體化建設的關鍵內容。 本文以2011 ～ 2020年京津冀地區A股上市公司數據為樣本， 采用PSM-DID方法， 分析環境執法聯動機制對企業資本成本的影響。 研究表明， 京津冀環境執法聯動機制提高了污染企業資本成本。 中介效應分析顯示， 北京污染企業在環境執法壓力下， 未有顯著金融化趨勢， 而津、冀污染企業傾向于轉向金融投資， 以緩解環境執法帶來的資本成本提高壓力。 這表明雖然環境執法聯動機制可以促進污染排放減少， 但區域協同成效依然受到企業發展水平不均衡的制約。

【關鍵詞】京津冀;環境執法;重污染企業;權益資本成本;雙重差分模型

【中圖分類號】F276.6? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）18-0054-10

一、引言

環境規制通過限制企業污染排放、激勵企業開展環保投資達到環境治理的目的。 合理的環境政策能夠在改善環境的同時合理保障投資者回報， 提升企業的可持續發展能力。 然而環境監管的過度強化可能會導致企業的資本成本過高， 甚至會直接威脅企業的生存。 權益資本成本一直是政府規制的核心參數①。 環境規制對微觀企業的影響表現為， 政策實施后， 落后產能企業盈利水平下降， 對投資者吸引力減弱， 而股東會減少對落后產能企業的資金投入， 導致這類企業資本成本上升。 目前我國的工業企業仍處于依靠要素投入、資本累積方式來拉動增長的階段， 一旦要素投入尤其是資本要素的投入不足， 其后續發展就很難維持。 只有將資本成本維持在一個可接受的水平， 才能吸引更多的資本。

京津冀城市群是我國北方經濟最為活躍的地區， 京津冀地區重污染企業的資本成本波動， 必然會受到京津冀環境協同治理的直接影響。 表面上， 政府環境治理主要著眼于維護公眾福利， 確保被規制企業履行社會責任， 但如果投資者無法獲得適當的回報， 當地經濟發展缺少投資拉動， 社會福利的增速就會放緩。 作為投資者的要求報酬率， 重污染企業的資本成本應如何變動， 才能實現京津冀經濟發展與環境治理的雙贏， 是一個極具現實意義的問題。 但遺憾的是， 現有跨域規制合作的研究大都著眼于制度設計、職能分配等規范分析的范疇[1-3] ， 部分文獻從宏觀層面對合作機制的治理效果進行了量化[4] ， 但從企業微觀層面研究環境規制影響企業資本成本的文獻依然欠缺。

基于此， 本文以京津冀地區A股上市公司數據為樣本， 以重污染企業資本成本為切入點， 采用雙重差分模型量化京津冀環境執法聯動機制的政策效應， 并基于京津冀三地的地域差異進行重污染企業權益資本成本變化的機制分析。 本文的主要創新點在于： 首先， 以企業的權益資本成本為切入點， 為現有跨域規制合作治理效應的研究補充微觀層面的證據。 其次， 分析了環境執法聯動機制在京津冀三地企業中的差異化傳導路徑。 在有關政策效應的分析中， 大多數研究都假設處于不同發展水平省份的處理組個體在政策沖擊中受到等價影響， 但京津冀經濟發展水平的不均衡， 以及由此導致的三地企業行為偏好的差異， 使得上述假設在現實中無法成立。 本文進一步研究了處于不同地區的重污染企業中環境執法聯動機制傳導的路徑差異， 為探索京津冀協同治理背景下經濟增長與環保相容的均衡發展方式、進一步完善協同治理機制提供參考。

二、文獻綜述

（一）地方政府環境規制行為研究

環境治理成本與收益的不對等及地方利益的制約， 共同造成了跨域生態治理的困局[5，6] 。 國內相關研究也認為地方利益分割導致地方政府在行為選擇上具有強烈的地方性偏好和短期性， 環境規制也呈現出顯著的“逐底競爭”態勢[7-9] 。 地方政府想在維持本地生態穩定的同時獲得“三高”投資帶來的經濟效益， 就更傾向于在行政邊界設廠， 這樣以流動性和擴散性為特征的環境污染可能會從一個區域擴散到另一區域， 產生“污染泄漏”現象[10] 。

環境問題的日趨復雜及生態系統的整體性， 使得局域生態環境問題逐漸超出行政區政府的治理意愿和能力， 呈現“脫域化”特征[11] 。 雙邊或多邊的區域政府便開始尋求合作行政或聯合治理[12] 。 具體到京津冀生態治理研究上， 其本身的產業結構與生態特征使三地在經濟發展與環境治理上能夠形成很好的協同與互補。 但是生態治理的公共物品屬性、地方政府整體治理目標上的偏好差異， 以及合作成員間影響力不均衡等因素也影響著首都經濟圈地方政府間的生態治理協作[13，14] 。

從制度設計、職能分配等規范分析的范疇， 現有研究對地方政府的跨域合作規制進行了具有解釋力的分析， 卻少有文獻針對合作機制的治理效果進行量化檢驗。 事實上， 政府跨域合作規制是對原有規制體制的調整與優化， 對政府跨域合作規制影響的量化分析具有更強的地域特征， 所得結論也更具現實借鑒意義。

（二）重污染企業的資本成本研究

資本市場上， 投資者根據潛在投資機會的風險與收益預期進行決策， 篩選適宜的投資項目。 作為理性投資者根據其投資風險所要求的報酬率， 資本成本始終是規制者與被規制者之間進行博弈的主要對象。 通過解決資金來源、助推新舊動能轉換等方式， 資本市場成為促進實體經濟增長的一個重要著力點[15] 。

在環境問題日益嚴峻的背景下， 環境規制政策的影響逐漸成為企業與投資者決策中不可回避的問題[16] 。 例如， 綠色信貸政策通過提高污染企業貸款的門檻， 限制其規模與產能的擴大。 排污限額與環保稅的征收不僅降低了重污染企業產量， 而且縮減了企業的利潤[17] 。 而對于重污染企業來說， 不論是被動地迫于生存壓力還是主動適應政策變化， 在環境規制壓力下都需要更新落后設備或轉變發展戰略， 這種投資方向的轉變也必然影響企業的資本成本。 因此， 企業為了持續吸引資金甚至僅僅是避免關停， 也會針對環境規制壓力采取補救措施， 例如， 增加污染治理投資以降低自身排污水平[18] 、通過開展研發活動獲得綠色競爭能力[19，20] 、積極披露環境信息[21] 。 對重污染企業來說， 治理污染終歸是一項沒有直接收益甚至會嚴重影響短期盈利水平的活動， 涉足新的技術開發或經營領域也必然會給企業發展增加不確定性[22] 。 投資者會基于環境監管壓力與對污染企業風險的預判， 而要求一個較高的風險補償， 導致重污染企業資本成本升高[15] 。

相關研究通過研發、環保投資等企業活動的資本成本效應， 間接證明了環境規制對重污染企業資本成本的影響， 但這些研究未納入環境治理跨域合作的影響。 本文梳理了京津冀生態環境協同治理框架下重污染企業權益資本成本的變化問題， 是對現有研究的有益補充。

三、理論分析與研究假說

（一）環境執法與重污染企業資本成本

京津冀環境執法聯動機制會直接影響重污染企業的生產經營活動， 從而影響投資者的風險感知與價值判斷， 并體現在資本成本的變化上。 政府出臺的環境治理政策加大了監管風險， 企業由此要承擔監管成本， 從而影響未來的現金流和資產價格。 Stroebel等[23] 認為未來企業和投資者面臨的主要氣候環境風險來自于監管風險。 在環境執法聯動機制建立以前， 孤立執法伴隨著監管盲區， 地方政府往往難以對處于行政邊界的灰色區域形成有力的監管與懲罰。 部分企業為了獲得短期的低成本優勢， 仍有強烈的污染動機。 污染企業的低成本、高利潤對部分社會責任感缺失的投資者具有很大的吸引力[15] 。 為了獲取更高的利潤， 部分投資者就會傾向于投資污染企業， 污染企業因此獲得了較低的資本成本。

隨著京津冀環境執法聯動機制的建立， 環境執法力度逐年增大， 政府對企業污染行為的檢測日趨嚴格。 若污染行為被執法者監測到， 企業會面臨高額的罰款。 環境執法聯動機制的建立， 進一步削弱了企業違規違法污染的動機， 迫使企業從高耗能高污染的生產經營方式向環境友好方式轉變[18] 。 對投資者來說， 在環境問題日益嚴峻的背景下， 重污染企業始終面臨著政策收緊、執法力度進一步加大的風險。 部分重污染企業向環境友好發展方式的轉變必然涉及大額的資本投入， 這種轉型的不確定性也會增加投資者的風險要價。 可見， 環境隨著執法聯動機制的建立， 環境執法力度進一步加大， 投資者會基于環境監管壓力與對污染企業的風險預期進行決策調整， 從而提高風險要價， 導致重污染企業資本成本升高。 據此， 提出假說1：

H1： 隨著京津冀環境執法聯動機制建立、環境執法力度加大， 重污染企業的資本成本提高。

（二）重污染企業資本成本變動的機制分析

除投資者對宏觀政策的直接風險感知以外， 企業在政策影響下對自身生產經營活動的調整， 也會影響投資者在面對特定投資目標時， 針對目標公司的個別風險感知。 這二者共同構成了投資者的風險判斷。 因此， 環境執法聯動機制的建立對于重污染企業資本成本的影響可以劃分為直接影響與間接影響兩個部分。 前者來自于規制政策直接作用于重污染企業， 導致重污染企業競爭力下降、融資成本增高。 后者來自于環境監管壓力下重污染企業對自身生產經營活動的調整， 是環境執法聯動機制通過企業微觀行為， 進而作用于資本成本所產生的間接影響。 在間接效應中， 重污染企業對自身生產經營活動的調整， 往往與產能更新、研發等長期價值投資活動相關[20] 。 環境規制壓力迫使資源有限的企業在長期價值項目與短期收益項目間進行取舍。

重污染企業的研發投資、環境治理投資是兩類最主要、最典型的長期價值投資活動。 與短期項目相比， 長期項目往往伴隨著更大的投資成本、更長的回報期限與更高的收益不確定性。 投資者對長期投資的態度也更加審慎， 會要求較高的風險補償。 隨著環境執法聯動機制的建立， 京津冀地區環境執法力度顯著加大， 當地重污染企業必須積極應對， 減輕乃至徹底消除污染。 重污染企業通過環境治理支出購入新的技術設備， 代替原有落后的高排放、高耗能的技術設備， 可以直接達到節能減排的目的[15] 。 因此與開展研發活動相比， 通過環境治理支出來實現落后技術的更新， 是重污染企業在面臨環境規制壓力時一種更為直接的選擇。 但是作為環境規制壓力下企業額外支付的合規成本， 環境治理投資本身不會為企業帶來經濟收益， 反而會對生產盈利性投資進行擠占[24] 。 而技術設備更新投入大、生產線改造成本高等情況， 客觀上必然對企業短期盈利狀況產生不利影響。 伴隨著重污染企業盈利不確定性的增加， 投資者也會因此要求更高的風險報酬， 導致京津冀地區重污染企業資本成本升高。

對企業來講， 重污染的生產方式意味著技術落后， 但可能是成本低廉的生產方式; 而轉型為低污染、無污染的現代化企業， 既意味著巨額的資本投入， 也需要高水平的技術研發。 以“波特假說”為代表的觀點認為， 更嚴格的環境規制雖然增加了企業生產經營的合規成本， 但也促進了企業創新[19] ， 因為單個企業很難擁有關于環保創新技術的充分信息。 在京津冀一體化發展過程中， 政府間的轉移支付會為發展滯后地區企業提供環保技術引進和創新所需信息， 引導企業在最大化自身利益的同時， 通過技術引進與創新活動改變企業落后的生產經營方式。 但研發創新的周期長、不確定性高等特征， 也會通過當地重污染企業資本成本的提高有所體現。 據此， 提出假說2a：

H2a： 京津冀環境執法聯動機制促使重污染企業開展長期價值投資， 從而對資本成本產生影響。

但也應注意到， 現實中一部分企業技術落后、資金不足， 使得這部分企業不但污染嚴重而且難以通過技術更新實現環保目標， 從而傾向于將資金配置到門檻低、收益快、無污染的金融領域[25] 。 京津冀地區環境執法力度加大時， 這類企業只能通過低效率的末端治理被動地減少污染排放。 但這種“先污染后治理”的模式存在嚴重的規模不經濟缺陷， 并且無法滿足日益增加的環境規制與可持續發展要求的需要[26] 。 這就進一步降低了企業承擔環境責任的意愿， 使企業在關停部分高污染生產項目的同時， 將資金配置到門檻低、收益快、無污染的金融領域， 以彌補產能降低的利潤損失[27] 。 有研究表明， 在金融業高盈利的背景下， 實體經濟都希望將部分資金投入類金融業務領域。 對于普遍屬于資本密集型的重污染企業來說， 企業有較強的動機涉足類金融業務。

對于以制造業為主的重污染企業而言， 投資金融資產會擠出實體投資， 使得企業收益更加依賴金融資產投資， 而不是主業經營， 這從底層削弱了企業的創新能力[28] 。 已有研究顯示， 實體企業的金融化會對企業價值產生消極影響[29] 。 而金融投資本身的高風險性， 也會直接提高財務風險[30] 、降低財務信息質量[31] 。 這增加了企業的風險， 投資者會因此要求更高的風險補償， 導致企業資本成本增加。 據此， 提出假說2b：

H2b： 京津冀環境執法聯動機制促使重污染企業提高金融化程度， 從而對資本成本產生影響。

四、研究設計

（一）模型設定

2015年京津冀三地環保部門協商建立了環境執法聯動機制， 首次正式啟動三地環境執法聯動工作， 共同打擊跨區域、流域的環境違法行為。 因此， 本文選用2015年京津冀環境執法聯動機制建立這一時間節點進行準自然實驗， 評估合作執法強度變化對企業資本成本的影響， 以驗證H1。 按照“上市公司環保核查行業分類管理名錄”與 Wind行業中心界定的上市公司主營業務， 確定了包括煤炭、采礦、紡織、制革、造紙、石化、制藥、化工、冶金、火電等16 個行業的重污染企業為本文的處理組， 其他企業為對照組。 建立雙重差分模型如下：

Rei，t，j，k=γ0+γ1Govcopt+γ2Pollutioni，j，k×

Govcopt+γ3Pollutioni，j，k+Controls+Yeart+? （1）

其中： i、t、j、k分別代表第i家公司在第t年j行業k地區的觀測值; 被解釋變量Re為采用剩余收益模型（GLS模型）估算的資本成本②。

Pollution和Govcop為解釋變量。 Pollution是企業是否為重污染企業的虛擬變量， Pollution=1為重污染企業， 否則為0。 Govcop為時期虛擬變量， 2015年及之后年份Govcop取值為 1， 否則取0。 Controls是一組控制變量， 包括： 以總資產取對數衡量的企業規模（Size）、財務杠桿（Lev）、總資產收益率（Roa）、 現金占總資產比重（Cash）、營業收入增長率 （Growth）、管理費用占銷售收入比重（Agency）、固定資產占總資產比重 （Fixrat）、總資產周轉率（Tat）、賬面市值比 （Bm）。 時間固定效應為Year， 隨機誤差項為?。 采用面板數據固定效應模型進行回歸。

為驗證H2a和H2b， 本文借鑒溫忠麟、葉寶娟[34] 的做法， 采用逐步法進行中介效應檢驗：

Rei，t，j，k=c0+c1Pollutioni，j，k×Govcopt+

c2Govcopt+Controls+Yeart+? （2）

Meditori，t，j，k=α0+α1Pollutioni，j，k×Govcopt+

α2Govcopt+Controls+Yeart+? （3）

Rei，t，j，k=b0+b1Meditori，t，j，k+c1'Pollutioni，j，k×Govcopt+b2Govcopt+Controls+Yeart+? （4）

其中： Meditor為以企業活動表示的中介變量， 包括以企業開展研發投資、環境保護投資占總資產比重表示的企業長期價值投資變量（Lon_val）， 以及以金融化投資占總資產比重表示的金融化行為變量（Finbev）; 變量下標與其他變量含義同上文。

公式（2） ～ （4）描繪了中介效應的因果鏈， 公式（2）與公式（1）一致， c1為主效應系數。 在公式（4）中控制了中介變量的影響后， 系數c1'仍然顯著， 則說明對應的企業活動中介作用成立， a1b1與c1的比值則為中介效應占總效應的比重。 與上文保持一致， 逐步檢驗面板數據固定效應模型。

（二）數據來源與描述性統計

本文以2011 ～ 2020年京津冀地區的A股上市公司為樣本， 剔除了資不抵債、總資產增長率大于1.5、連續三年虧損及數據異常與缺失樣本后， 樣本量包括407家公司， 共3031個觀測值。 數據取自國泰安數據庫。

樣本的描述性統計結果見表1。 Pollution均值為0.2009， 說明京津冀地區大約有600個重污染企業樣本觀測值， 與實際相符。 Re均值為0.0375， 標準差為2.7396， 說明京津冀地區各企業間的資本成本相差較大。 上市公司其余財務特征變量的描述性統計情況與現有研究保持一致。

五、實證結果分析與穩健性檢驗

（一）實證結果分析

表2為公式（1）的回歸結果③。 表2列（1） ～ （3）分別為未加入控制變量、僅控制時間效應、加入控制變量與時間效應的回歸結果。 結果顯示Govcop系數均顯著為正， 可見2015年以后京津冀地區上市企業的資本成本都有所上升。 交乘項Pollution×Govcop系數均顯著為正， 表明隨著京津冀環境執法聯動機制的建立， 當地重污染企業的資本成本進一步上升， H1得以證實。

表3為長期價值投資中介效應的檢驗結果， 表2列（3）已證實公式（2）中主效應系數c1為1.0451， 顯著為正， 此處不再重復列示。 表3列（1）、（2）為企業長期價值投資的中介效應檢驗結果。 雖然在控制了長期價值投資對資本成本的影響后， 系數c1'仍然顯著為正， 但環境執法聯動機制與企業的長期價值投資為負相關關系， 可見， 企業長期價值投資的中介作用不成立， H2a未得以證實。

為了進一步研究環境執法聯動機制對企業資本成本的影響路徑， 將長期價值投資細分為環保投資（Epinv）與研發投資（Rdrat）兩類， 分別檢驗其中介效應。 表3列（3）、（4）為環保投資中介效應的檢驗結果。 環境執法聯動機制與重污染企業的環保投資呈正相關關系， 說明環境執法聯動機制確實提高了企業的環保投資水平; 在控制了環保投資后， 環境執法聯動機制與資本成本之間的正相關關系依然顯著， 環保投資的中介效應成立。 列（5）、（6）為研發投資中介效應的檢驗結果。 雖然在控制了研發投資后， 環境執法聯動機制與資本成本之間的正相關關系依然顯著， 但環境執法聯動機制與研發投資為負相關關系， 研發投資未在環境執法聯動機制與資本成本間起到中介作用。 說明在環境執法聯動機制下， 企業更傾向于將資金配置在環境效益更加直觀的環保投資上， 這在一定程度上會擠壓收益不確定程度較高的研發投資。

表4列（1）、（2）為企業金融化行為的中介效應檢驗結果， a1為正顯著， 說明環境執法聯動機制強化了部分企業的金融化行為， 但企業金融化行為對資本成本的影響不顯著， H2b未得以證實。 這并不能推斷出金融化行為的中介作用不成立。 為進一步分析企業金融化行為的作用， 本文按照投資期限將企業金融化行為分為長期金融投資（Lfinbev）與短期金融投資（Sfinbev）兩類， 分別檢驗其中介效應。

表4列（3）、（4）為長期金融投資中介效應的檢驗結果。 環境執法聯動機制與重污染企業的長期金融投資呈正相關關系; 在控制了長期金融投資后， 環境執法聯動機制與資本成本之間的正相關關系依然顯著， 表明長期金融投資的中介效應成立。 列（5）、（6）為短期金融投資中介效應的檢驗結果。 雖然在控制了短期金融投資后， 環境執法聯動機制與資本成本之間的正相關關系依然顯著， 但短期金融投資與資本成本呈負相關關系， 可見企業的短期金融投資在環境執法聯動機制與資本成本之間起到了遮掩作用。 與長期金融投資對于資金的占用不同， 使用閑置資金進行短期金融資產配置是一種預防性儲蓄。 在環境規制收緊、污染企業經營不及預期的情形下， 短期金融投資的收益可以改善企業的盈利狀況、抵御外部沖擊， 在一定程度上有利于企業進行外部融資[35] 。 由此說明與不確定程度較高的長期金融投資相比， 在京津冀環境執法強度增大的背景下， 為彌補落后產能降低對盈利的短期影響， 重污染企業也會傾向于將資金配置在短期收益項目上。

綜上， 京津冀環境執法聯動機制建立以后， 面對執法力度的增大， 研發投資、環保投資、長期金融化投資與短期金融化投資共同構成了重污染企業四類投資風險不同、投資收益相異的應對偏好。 整體而言： 環境執法聯動機制的建立對三地企業開展研發創新活動并未起到顯著的促進作用; 重污染企業資本成本的提升主要是由于環保投資與長期金融化投資提高所致; 環境執法壓力下， 重污染企業會將部分資金配置到收益較快的短期金融化投資項目上， 以緩解環境執法強度增大帶來的資本成本上升壓力， 企業的短期金融投資在環境執法聯動機制與資本成本之間起到了遮掩效應。

（二）穩健性檢驗

1. 為驗證上述結論的穩健性， 針對公式（1）進行如下檢驗。

第一， 為減少個體差異對回歸結果的干擾， 本文對重污染企業樣本進行傾向得分匹配， 采用最近鄰1∶1可放回匹配， 用匹配后的樣本對公式（1）進行回歸。 匹配指標包括Controls中所包含的公司特征變量與年份。 匹配后大多數變量標準化偏差小于 10%， 滿足平衡假設。 T 檢驗結果顯示， 除企業規模因素（Size）外， 處理組與控制組指標差異匹配后均不顯著。 觀測值位于共同取值范圍內， 滿足共同支撐假設， 限于篇幅， 平衡假設與共同支撐假設檢驗結果未予列示。 采用匹配后樣本回歸的結果如表5列（1） ～ （3）所示。 上述穩健性檢驗結果均與H1結論一致。

第二， 更換資本成本估算方法， 回歸結果見表5列（4）。 采用基于市盈率（PE Ratio）和市盈增長比率（PEG Ratio）的PEG模型和MPEG模型估算資本成本[36] ， 取均值（Re_robust）來替換主回歸中GLS模型估算的資本成本。

第三， 安慰劑檢驗結果如表5列（5）所示。 假設環境聯動機制建立于2014年（Exp）或2016年（Lay）， 構造對應的政策沖擊指標Pollution×Exp與Pollution×Lay加入公式（1）。 結果顯示， Pollution×Exp與Pollution×Lay的系數均不顯著， 安慰劑檢驗構建的虛擬政策效應不成立。

2. 針對公式（2） ～ （4）進行如下穩健性檢驗。

第一， 采用Sobel檢驗法（H0：ab=0）[37] ， 驗證中介效應結論的穩健性。 逐步檢驗法下， 中介效應占總效應的比重存在的前提是b和c的乘積項不顯著為0， 但當b和c有一個是統計不顯著時仍然可能出現乘積項顯著的情況， 而逐步法可能會無法檢驗出這種情況。 Sobel檢驗法（H0：ab=0）可以檢驗解釋變量和中介變量系數乘積項的顯著性。 Sobel檢驗結果見表3、表4的最后兩行。 本文Sobel檢驗結果與逐步檢驗的結果基本保持一致。

第二， 運用Bootstrap方法進行中介效應穩健性檢驗。 若Bootstrap方法獲得的中介效應的置信區間不包含0， 則認為中介效應在統計上顯著。 為了與主回歸中面板數據固定效應模型保持一致， 在Bootstrap檢驗中對各連續的變量序列取一階差分， 設置抽樣次數為1000， 選擇偏差校正的非參數百分位法取樣。 在90%的置信區間下， 檢驗結果見表6， Bootstrap檢驗結果與上文一致。

六、進一步研究： 地區異質性檢驗

大多數研究都假設處于不同發展水平省份的處理組個體在政策沖擊中受到了相同影響， 但這在現實中并不總是成立。 京津冀經濟發展水平與影響力的不均衡， 導致三地政府治理目標與企業行為偏好間存在差異。 三地間產業轉移與污染流動都有明顯的方向性， 整體呈現以京津為中心向河北輻射轉移的趨勢， 因此環境執法聯動機制對于北京、天津污染企業與河北污染企業的影響很可能是不同的。 在北京地區， 由于近年來持續推進疏解非首都功能， 經濟結構與空間結構已有所調整， 環境治理也取得較大進展。 河北是京津幫扶轉移的對象， 政府積極承接來自京津地區的工業產能。 當地企業在面臨著更大治理壓力的同時， 也獲得了更多的資金與技術幫扶， 更有動力開展環境治理投資。 雖然環境執法聯動機制帶來了京津冀三地整體污染水平的降低， 但對于不同地區的重污染企業， 其微觀傳導路徑并不一樣。

據此， 本文進一步研究處于不同地區的重污染企業， 其環境執法聯動機制傳導的路徑差異。 將京津冀三地的樣本公司分為三組， 分別進行環保投資與金融化行為的中介效應檢驗， 檢驗結果見表7 ～ 表9。 由于研發投資的中介效應在全樣本下不成立， 這里不再對研發投資的中介效應進行分組檢驗。

表7 ～ 表9的列（1）分別列示了京津冀三地重污染企業資本成本在環境執法聯動機制影響下的變化情況。 交乘項Pollution×Gopgov的系數均顯著為正， 說明環境執法聯動機制的建立對資本成本的提升作用在三地均有所體現。 表7顯示， 環保投資的中介效應在北京地區企業不成立。 面對環境執法強度的增加， 北京的重污染企業也末有明顯的金融化傾向。 這與北京地區環保投資已趨于成熟， 且多數重污染企業已經轉移、污染減排壓力顯著下降的現實一致。

表8顯示， 在天津地區， 環境執法聯動機制對環保投資未起到顯著促進作用， 面對環境執法聯動機制下執法強度的加大， 天津地區的企業傾向于增加長期金融投資來獲得金融收益。 綜合這兩個結果， 當地企業的金融化投資在一定程度上顯示出“實體擠出”的特點。

表9顯示， 在河北地區， 環境執法聯動機制的建立對于企業環保投資具有顯著的促進作用。 這與河北地區污染比較嚴重、治理需求更加迫切的現實情況也是一致的。 同時， 長期金融投資的中介效應與短期金融投資的遮掩效應均成立， 可見當地企業傾向于通過短期金融投資的“蓄水池”效應， 來緩解環境執法強度加大帶來的資本成本上升壓力， 但長期金融投資對環保投資等長期價值投資的“實體擠出”效應依然存在。

七、結論與政策建議

本文以2011 ～ 2020年京津冀三地A股上市公司為樣本， 通過雙重差分模型與中介效應模型， 研究了京津冀環境執法聯動機制建立對重污染企業資本成本的影響。 結果表明， 京津冀環境執法聯動機制建立以后， 環境執法力度增大， 強化了投資者對于環境與監管風險的考量， 客觀上造成了重污染企業資本成本的上升。 這既包含了政策的直接影響， 也包含了企業面對政策變化自身調控行為的間接影響。 中介效應分析結果表明， 雖然在全樣本下， 企業的長期價值投資與金融化行為的中介效應不成立， 但細分來看， 企業的環保投資、長期金融投資在環境執法聯動機制與資本成本之間起到了中介作用， 而短期金融投資起到遮掩作用。

地域異質性機制分析表明， 由于京津冀三地原本的治理偏好及發展水平等存在差異， 環境執法聯動機制影響不同地區企業資本成本的路徑也有顯著差異。 三地的路徑差異顯示出三地環境治理與發展的不均衡， 三地的協同化發展仍有進一步優化的潛力。 隨著北京非首都功能的持續疏解， 越來越多的在京重污染企業完成遷出。 遺憾的是， 與功能疏解相伴的轉移支付政策效果還沒有明確顯現。 在京津冀一體化發展過程中， 天津在承接北京產能轉移的同時， 也承擔著向河北轉移支付的責任。 但就目前的發展與研究狀況來看， 尚未有顯著證據驗證天津向河北進行產業轉移的實效。 本文也從側面證明， 天津地區的重污染企業自身仍存在“實體擠出”的問題。 環境執法聯動機制建立以后， 河北地區重污染企業的環保投資與金融化行為均有所增加， 中介效應成立。 作為北京產能轉移的主要承接對象， 河北地區環境治理雖有成效， 但長期效果尚不穩定， 研發能力依然滯后， 長期金融投資的“實體擠出”問題依然顯著， 對于承接的灰色產能的綠化不充分。

基于上述結論， 本文提出以下建議： 第一， 加大環境執法力度， 關注資本成本變化的影響。 通過政策影響， 提升投資者對于環境責任的關注度并對企業進行引導。 進一步完善企業環境信息披露制度， 激勵企業進行環境信息披露， 樹立企業積極承擔環境社會責任的良好形象， 以獲得投資者支持。 第二， 京津冀生態環境協同治理離不開企業主體地位的發揮， 企業不只是被動轉移， 更要主動參與到環境治理活動中。 長期來看， 環境治理不會局限于被動的末端治理， 而是提前至前端的升級優化， 這離不開研發創新。 對實體企業來說， 長期金融投資對研發創新的擠壓必然有損企業的長期價值， 因此要避免企業脫實向虛。 第三， 促進三地高質量協同發展。 一方面發揮北京的輻射作用， 繼續向津冀進行產能轉移、支付轉移， 相關的技術與資金支持要切實落地。 另一方面， 要加快推進產業對接協作， 理順三地產業發展鏈條， 形成區域間產業合理分布和上下游聯動機制， 避免同質化發展。 同時要提升天津在三地協同中的作用， 將津冀由產業布局重疊導致的競爭關系， 轉變為競合關系。

【 注 釋 】

① 不做特別說明，本文資本成本指的是權益資本成本。

② 該模型能較好地估計企業的風險溢價，是文獻中應用最為廣泛的資本成本估算方法。借鑒Gebhardt等[32] 、毛新述等[33] 的研究方法，GLS模型估計權益資本成本的公式如下：

P0=bps0+[t=111roet-Re（1+Re） t]bpst-1+[roe12-Re（1+Re） 11]bps11

其中，roet是預期凈資產收益率，bps是每股凈資產，P0是股價。

③ 參考已有做法，采用面板數據固定效應模型進行回歸，固定效應模型已經控制了不隨時間變化的個體效應影響。Pollution變量不隨時間變化，該變量的影響已通過固定效應模型予以控制，在回歸結果中不再列示該變量系數。

【 主 要 參 考 文 獻 】

[1] 王喆，周凌一.京津冀生態環境協同治理研究——基于體制機制視角探討[ J].經濟與管理研究，2015（7）：68 ～ 75.

[2] 孫濤，溫雪梅. 動態演化視角下區域環境治理的府際合作網絡研究——以京津冀大氣治理為例[ J].中國行政管理，2018（5）：83 ～ 89.

[3] 魏娜，孟慶國.大氣污染跨域協同治理的機制考察與制度邏輯——基于京津冀的協同實踐[ J].中國軟科學，2018（10）：79 ～ 92.

[4] Cui M.， Yang Y.， Liu S.. Research on the Evaluation of Cross-regional Environmental Collaborative Governance Ability： Take the Beijing-Tianjin-Hebei Urban Agglomeration as an Example[ J].Educational Research and Reviews，2020（4）：47 ～ 52.

[5] Zhu S.， He C.， Liu Y.. Going Green or Going Away： Environmental Regulation，Economic Geography and Firms' Strategies in China's Pollution-intensive Industries[ J].Geoforum，2014（5）：53 ～ 65.

[6] Andrews R.， Ferry L.， Skelcher C.， et al.. Corporatization in the Public Sector： Explaining the Growth of Local Government Companies[ J].Public Administration Review，2020（3）：483 ～ 493.

[7] Li G.， Guo F.， Di D.. Regional Competition，Environmental Decentralization，and Target Selection of Local Governments[ J].Science of the Total Environment，2021（2）：142536.

[8] 李勝.合法性追求、謀利性傾向與地方政府環境治理的策略性運作[ J].中國人口·資源與環境，2020（12）：137 ～ 146.

[9] 李珒.環境政策執行偏差的破解——基于信號傳遞理論的解釋[ J].中國人口·資源與環境，2020（12）：147 ～ 154.

[10] Lundberg J.. Spatial Interaction Model of Spillovers from Locally Provided Public Services[ J].Regional Studies，2006（6）：631 ～ 644.

[11] 孟慶瑜，梁楓.京津冀生態環境協同治理的現實反思與制度完善[ J].河北法學，2018（2）：25 ～ 36.

[12] Kirk E.， Nabatchi T.， Balogh S.. An Integrative Framework for Collaborative Governance[ J].Journal of Public Administration Research and Theory，2012（1）：1 ～ 29.

[13] 孫靜，馬海濤，王紅梅.財政分權、政策協同與大氣污染治理效率——基于京津冀及周邊地區城市群面板數據分析[ J].中國軟科學，2019（8）：154 ～ 165.

[14] 胡志高，李光勤，曹建華.環境規制視角下的區域大氣污染聯合治理——分區方案設計、協同狀態評價及影響因素分析[ J].中國工業經濟，2019（5）：24 ～ 42.

[15] 汪平，周行.重污染企業環境規制的權益資本成本效應 ——基于PSM-DID與空間杜賓模型的研究[ J].廣東社會科學，2021（4）：46 ～ 56.

[16] Tang H.， Liu J.， Wu J.. The Impact of Command-and-Control Environmental Regulation on Enterprise Total Factor Productivity： A Quasi-natural Experiment Based on China's "Two Control Zone" Policy[ J].Journal of Cleaner Production，2020（254）：120011.

[17] 關愛萍，孟宇.中國環保稅的經濟增長紅利效應研究——基于門檻特征與空間溢出視角[ J].開發研究，2019（4）：130 ～ 136.

[18] 陳宇峰，馬延柏.綠色投資會改善企業的環境績效嗎——來自中國能源上市公司的經驗證據[ J].經濟理論與經濟管理，2021（5）：68 ～ 84.

[19] Porter M. E.， Vander L. C.. Toward a New Conception of the Environment-competitiveness Relationship[ J].Journal of Economic Perspectives，1995（4）：97 ～ 118.

[20] Hashmi R.， Alam K.. Dynamic Relationship among Environmental Regulation，Innovation，CO2 Emissions，Population，and Economic Growth in OECD Countries： A Panel Investigation[ J].Journal of Cleaner Production，2019（10）：1100 ～ 1109.

[21] Pedron A. P. B.， Macagnan C. B.， Simon D. S.， et al.. Environmental Disclosure Effects on Returns and Market Value[ J]. Environment，Development and Sustainability，2021（6）：4614 ～ 4633.

[22] 許松濤，肖序.上市公司環境規制、產權性質與融資約束[ J].經濟體制改革，2011（4）：146 ～ 150.

[23] Stroebel J.， Wurgler J.. What Do You Think about Climate Finance？[ J]. Journal of Financial Economics，2021（2）：487 ～ 498.

[24] Weche J. P.. Does Green Corporate Investment Really Crowd Out Other Business Investment？[ J].Industrial and Corporate Change，2018（5）：1279 ～ 1295.

[25] 汪海鳳，白雪潔，李爽.環境規制、不確定性與企業的短期化投資偏向——基于環境規制工具異質性的比較分析[ J].財貿研究，2018（12）：80 ～ 93.

[26] 林伯強，王喜枝，杜之利.環境規制對中國工業能源效率的影響——基于微觀企業數據的實證研究[ J].廈門大學學報（哲學社會科學版），2021（4）：30 ～ 42.

[27] 俞毛毛，馬妍妍.環境規制抑制了企業金融化行為么？——基于新《環保法》出臺的準自然實驗[ J].北京理工大學學報（社會科學版），2021（2）：30 ～ 43.

[28] Orhangazi O.. Financialization and Capital Accumulation in the Non-financial Corporate Sector： A Theoretical and Empirical Investigation on the US Economy 1973-2003[ J].Cambridge Journal of Economics，2008（6）：32+863 ～ 886.

[29] 戚聿東，張任之.金融資產配置對企業價值影響的實證研究[ J].財貿經濟，2018（5）：3 ～ 52.

[30] 黃賢環，吳秋生，王瑤.金融資產配置與企業財務風險： “未雨綢繆”還是“舍本逐末”[ J].財經研究，2018（12）：100 ～ 112.

[31] 白俊，劉園園，邱善運.金融資產配置與股價信息含量[ J].南方經濟，2019（11）：53 ～ 71.

[32] Gebhardt W.， Lee C.， Swaminathan B.. Towards an Implied Cost of Capital[ J].Journal of Accounting Research，2001（1）：76 ～ 139.

[33] 毛新述，葉康濤，張頔.上市公司權益資本成本的測度與評價——基于我國證券市場的經驗檢驗[ J].會計研究，2012（11）：12 ～ 22.

[34] 溫忠麟，葉寶娟.中介效應分析：方法和模型發展[ J].心理科學進展，2014（5）：731 ～ 745.

[35] Gehringer A.. Growth，Productivity and Capital Accumulation： The Effects of Financial Liberalization in the Case of European Integration[ J].International Review of Economics & Finance，2013（4）：291 ～ 309.

[36] Easton P.. PE Ratios， PEG Ratios and Estimating the Implied Expected Rate of Return on Equity Capital[ J].Accounting Review，2004（1）：73 ～ 96.

[37] Sobel M. E.. Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models[ J].Sociological Methodology，1982（13）：290 ～ 312.

【基金項目】教育部人文社會科學研究項目“地方政府策略性環境規制對重污染企業環境治理投資影響機制研究”（項目編號：21YJC630176）

【作者單位】1.北京聯合大學商務學院， 北京 100025;2. 南京郵電大學經濟學院， 南京 210023。 劉潔為通訊作者