转型金融驱动高耗能行业碳减排研究

转型金融驱动高耗能行业碳减排研究党中央高度重视哲学社会科学工作，不断推动新时代哲学社会科学事业取得历史性成就。淄博市积极响应号召，高度重视并大力推进哲学社会科学工作，特别是2022年以来，组织开展了全市社科规划研究工作，推出了一批兼具学术价值和实践指导意义的优秀研究作品。为充分展示淄博市社科规划研究工作的丰硕成果，激励广大哲学社会科学工作者奋发有为、再创佳绩，特选取部分优秀研究成果予以刊登。摘要随着2020年9月双碳目标的提出，我国的碳减排工作日益紧迫。2020年全球碳排放中，高耗能行业的碳排放占比达到全行业的58%，如何针对高耗能行业进行碳减排是当前工作的重要议题。为了实现“双碳”目标，一方面需要加大对绿色产业进行金融支持，另一方面，“非绿”产业的转型发展也不容忽视。2022年6月金砖国家财长和央行行长会议提出转型金融在推动高碳行业低碳转型中扮演重要角色。转型金融较之于绿色金融更具有灵活性、针对性和适应性，可以为更大规模和范围的经济结构转型提供金融支持。本课题首先阐述了转型金融的理论内涵及必要性，进一步测算2010-2020年高耗能行业的能源消费和碳排放量，然后采用迪氏指数分解模型分解出能源结构、能源效率、偿债能力和转型金融融资缺口四个因素，实证研究转型金融如何支持高耗能行业的碳减排。接着分析了绿色信贷政策对高耗能行业绿色创新的作用机制和碳排放权交易政策的影响机制和作用效果。研究结果发现：转型金融能够通过能源结构、能源效率和转型缺口三个因素促进高耗能行业的碳减排。能源结构的碳减排作用由最初的促进碳排放变为抑制碳排放；能源效率的改善能够在根本上促进碳减排；偿债能力在中间一段时间内受产能影响有一定的下降，但随着负债规模的下降和产能的逐步抬升，造成了偿债能力在后期的日趋膨胀；转型融融资缺口变化能够一定程度上反映出行业的碳排放量增速变化情况。绿色信贷指引政策的实施使高耗能行业通过主动减少研发投入并且提高对高耗能企业的融资成本，从而抑制了高耗能企业的绿色创新。碳排放权交易政策可通过减少碳排放量、促进技术创新和优化产业结构改善碳绩效，技术创新和产业结构升级表现为正向空间溢出效应，技术创新可以促进产业结构升级，产业结构的升级可以减少碳排放量，碳排放量存在负向空间溢出效应。最后从标准制定、制度创新、政策协同、数字平台、市场主体、国际合作等方面提出适合我国转型金融发展的实践路径。双碳目标下转型金融驱动高耗能行业碳减排的机制及路径研究一、引言全球气候变化已成为人类发展面临的最大非传统安全挑战。政府间气候变化专门委员会（IPCC）在2021年发布的第六次评估报告中强调，将全球温升限制在不高于或略超过1.5摄氏度需要从能源、工业、建筑、交通和城市系统等方面进行快速而深远的转型。在各个国家对外发出碳中和目标之后，全球的关注的问题便从最初是否要进行绿色升级，转移到如何以最快的速度进行转型。据气候债券倡议组织相关研究估计，要实现《巴黎协定》所约定的目标，每年至少需要对基础设施投资6.9万亿美元、对能源转型投资1.6万亿美元到3.8万亿美元。在此过程中，要实现1.5℃的温控目标，必须要在2050年之前实现二氧化碳的净零排放，这需要全球各国的共同努力。近年来，绿色金融作为支持实体经济低碳转型的重要金融工具，在推动我国实现减污降碳方面取得了一定的成效。2021年9月22日，《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中明确指出，要“积极发展绿色金融，有序推进绿色低碳金融产品和服务开发”。近年来，我国绿色金融在政策指引以及各行业绿色技改创新下获得蓬勃发展，根据数据显示，截至2020年末，我国绿色贷款余额、绿色债券存量分别位居世界第一和第二位，但是我国绿色金融的发展存在“重绿色信贷、轻多元化工具应用”的问题（朱民，2021）[1]。绿色金融界定严苛，“纯绿”的绿色金融不适应高耗能行业的行业特点（陆岷峰，2022）[2]。绿色金融服务体系缺少对标高耗能行业的有效产品，加之投资者对于转型风险的回避情绪，导致高耗能行业很难享受到绿色金融的融资支持（万秋旭2022）[3]。绿色金融目前忽视了“转型风险”这一潜在风险，尤其注意“洗绿”风险的产生（马骏，2021）[4]，这一系列的问题导致绿色金融在促进碳减排方面仍然难以发挥应有的作用，无法在根本上推动我国双碳目标的实现，尤其是助推高耗能行业的低碳升级。此外，是否为绿色的认定标准，各家金融机构主要参考《绿色产业指导目录（2019年版）》，但从金融投向来看，煤炭、钢铁、水泥、造纸等传统意义的高碳行业未纳入绿色的认定标准，从而造成其难以获得金融支持自高碳至低碳的经营转型。然而，为了实现“双碳”目标，一方面需要加大对绿色产业进行金融支持，另一方面，“非绿”产业的转型发展也不容忽视。因此，转型金融逐渐步入大家的视野，为高碳行业的低碳转型提供金融动力。较之于绿色金融，转型金融更具有灵活性、针对性和适应性，可以为更大规模和范围的经济结构转型提供金融支持（门洁，2021）[5]。2022年6月，金砖国家财长和央行行长会议提出，转型金融在推动高碳行业低碳转型中扮演重要角色。通过研究转型金融促进高耗能行业的碳减排驱动机制，既可以促进双碳目标的落实与实现，也可以进一步的助力新旧动能的转化，为新型制造业的发展提供新动力支持。通过分析转型金融的影响作用能够拓宽金融支持实体经济发展的渠道，充分发挥政府的支持作用，带动民间资本的投资活力，最终提高金融资金的利用效率，促进实体经济高质量发展。二、转型金融的理论基础近年来，国内国际方面关于发展转型以及转型金融的认识逐步增多，不再将绿色和非绿进行割裂对待，更加注重转型发展的过程。伴随时间推移，某一经济主体的经营活动随着融资支持安排，单位产量实现更优节能减排效果。而这一发展进程，便是转型的过程，相关融资安排可以将其视同为转型金融。要真正实现由高碳向低碳的迁移，仅仅依靠绿色金融是不够的，由非绿到绿色、由高碳至低碳的转型金融的理念成为了诸多业界人士的共识。（一）转型金融的理论内涵2019年3月，经济合作与发展组织（OECD）首次提出广义的转型金融的概念，将其定义为在经济主体向可持续发展目标转型的进程中，为它们提供融资以帮助其转型的金融活动，涵盖了向联合国17个可持续发展目标转型的全部金融活动。2020年9月气候债券倡议组织于《为可信赖的低碳转型活动提供金融支持白皮书》中，将转型金融描述为“气候减缓转型”，为实现《巴黎协定》2030年全球碳排放减半、2050年净零排放目标做出重大贡献，可以发挥长期作用，但路径尚未明确的金融活动[6]；同年3月，欧盟委员会技术专家组发布《欧盟可持续金融分类法》，认为转型金融以减缓气候变化为目标，为尚未提供低碳替代产品的行业转型注入金融支持[7]。同年12月，国际资本市场协会（InternationalCapitalMarketAssociation，ICMA）在《气候转型融资手册》中阐明转型金融是应对气候转型的一种融资方式[8]。国内关于转型金融的官方表述较少，部分金融机构及行业协会针对转型金融出台了相关文件。2021年5月，日本金融厅，以及经济、贸易和工业部，环境部联合发布的《气候转型融资基本指南》，认为转型金融是为难以减排的部门提供融资，以助力其为实现脱碳或低碳转型开展长期的、战略性的温室气体减排活动（黄琳，2023）[9]。2022年11月，《G20转型金融框架》中将转型金融定义为：在可持续发展目标(SDGs)的背景下，以与《巴黎协定》目标一致的方式，支持整个经济向更低和净零排放、气候适应能力转型的金融服务（马骏，2022）[10]。国内关于转型金融的官方表述较少，部分学者将转型金融命名为“零碳金融”，认为零碳金融作为绿色金融的补充或延申，狭义上指对碳密集或“棕色”产业实现净零碳排放转型的金融支持，助力工业和农业的“革命性”的脱碳技术的研究和发展（朱民，2021[11]，潘柳，2022[12]，门洁，2022[5]）；也有学者认为，转型金融更多着眼于高耗能排放的棕色产业，即高耗能行业（施懿宸2021）[13]；汇丰银行(HSBC)认为转型金融是金融支持高耗能公司向绿色的转型，侧重点是能源密集和难以减排的部门。转型金融也可以不局限于绿色项目，扩大潜在发行人和投资者的可选范围，在收益和目标类型上更加灵活，有力的补充高耗能行业的融资缺口（施莹，2022）[3]。还有学者通过引申其他概念来定义转型金融，如“公平转型”概念的重新定义，通过国际间的合作，以投资、分工等转型金融形式实现碳中和目标（刘艳，2022）[14]。从国内外对转型金融的定义可以发现，转型金融的概念提出时间较短，关于转型金融的认识和研究刚刚起步。当前，绿色金融的概念日趋成熟，作为绿色金融的重要延伸，转型金融与绿色金融存在以下三个方面的共性：一是强调减缓气候变化的目标，二是突出可持续发展的过程，三是注重金融支持的属性。结合我国实际，参考目前已有的相关概念与定义，本文认为，转型金融的内涵可总结为“为应对气候变化影响和实现可持续发展，运用多样化的金融工具，为传统的碳密集和高环境风险的市场实体、经济活动和资产项目向低碳和零碳排放转型提供的金融服务。”（二）转型金融的基本特征转型金融具有四个基本特征，一是低碳转型要求各个经济实体的低碳转型不能停留在表面，而应制定战略计划并严格落实。二是转型金融支持对象明确，应用范围广阔。转型金融所支持的融资对象，较于绿色金融领域而言较为宽泛，不仅包括减少碳排放的项目及经营活动，也包括建立相应实施路径的经济主体，可以应用于目前归类为高碳的行业或产业，超出了目前绿色金融定位的投放范畴，使用更加灵活和便利，应用范围更加广阔。三是转型金融更加侧重过程，依托具体行业标准。绿色金融较为看重定位为绿色的资产端，近似于一个静态的概念；而转型金融更加侧重由非绿至绿色转型的一个动态过程。但不同的行业和企业，其转型的标准和技术各不相同，因此相关衡量标准也应随着低碳转型的路径进行分阶段调整。因此，转型金融依托严格的行业标准进行界定，强调转型的过程这一阶段性的概念，除了金融对其进行支持以外，还涵盖了科学与技术在低碳及零碳转型过程中的应用。四是转型金融支持对象，具备长期目标和效果。从国际上各个组织对转型金融的定位来看，其支持的对象须与《巴黎协定》或国家层面的碳中和目标保持一致，应该具备较为明确的减排目标和减排效果。转型金融的支持对象也可以结合自身能力，制定更加切实有效的减排目标和实施方案。（三）转型金融的基本要素虽然目前国际上一些公共部门主体提出了对于转型金融的定义，但相关界定标准仍不够清晰，也没有达成共识。国内外目前的绿色金融和可持续金融体系对于“转型活动”缺乏清晰明确的界定标准和披露要求，导致金融机构对于“转型活动”无法明确识别，从而“不敢”也没有动力提供资金支持其进行低碳转型。借鉴绿色和可持续金融体系的经验，同时结合转型活动的特点，转型金融体系应具备的五大要素：转型金融标准、信息披露要求、转型金融产品、政策激励机制以及公正转型。转型金融的服务对象：高耗能行业。在本文中的高耗能行业定义为制造业中碳排放量和能源消耗量巨大的行业，如石油加工、有色金属、电力等行业。转型金融的服务内容：转型金融应当提供助力于企业碳减排技术的融通资金、融资渠道、咨询服务、风险管理等，为投资者提供专门的转型信息披露、投资渠道等。转型金融的评价体系：针对于高耗能行业的碳排放量、低碳技术的发明专利和进度、管理者的低碳意识、企业碳信息的披露等等。转型金融的主要投资者：以政府和银行为主体，发行以可持续债券为代表的专项债券推动高耗能企业碳减排。政府牵头，民间资本进一步活跃市场，充分提高转型金融产品的流动性。（四）转型金融与绿色金融的区别与联系在联合国环境规划署所构建的可持续金融框架中，绿色金融与共同致力于减缓气候变化，服务于实现《巴黎协定》中所设定的减排目标。但转型金融与绿色金融间存在共同的目的与业务内容上的区别，从概念角度来说，绿色金融（GreenFinance）按照中国人民银行的说法：是指为支持环境改善、应对气候变化和资源节约高效利用的经济活动，即对环保、节能、清洁能源、绿色交通、绿色建筑等领域的项目投融资、项目运营、风险管理等所提供的金融服务。这意味着绿色金融的服务对象非常繁杂，涉及一系列的行业，包括制造业、服务业、交通行业以及建筑行业（如图2-1）。然而，每个行业有着其行业特殊性，绿色金融服务体系很难做到面面俱到，尤其是高耗能行业，由于其不完全符合绿色债券发行的标准，很难获得绿色金融提供的资金支持，促进高耗能行业的绿色发展和碳减排（万秋旭，2022）[3]。相较而言，不同于绿色金融有着宽泛的支持范围，转型金融则将支持范围聚焦在碳密集型企业与“两高”项目的低碳转型，转型金融强调的是对既有的支持对象进行低碳化转型帮助，目前最主要的服务目标是制造业，尤其是高耗能行业的碳减排问题，较少涉及有关污染物的排放问题，而主要的实现途径则是助推碳减排的技术升级。图2-1绿色金融服务对象绿色金融的评价体系层次过于复杂。以中证ESG评价体系为例，其中E（Environment）指标的评价主要涉及五个主题，分别是：气候变化、污染与废物、自然资源、环境管理和环境机遇（见图2-2）。其中，仅气候变化涉及了转型金融对应的碳排放指标，绿色金融评价体系在各个指标上没有明确的侧重点，评价宽泛，涉及范围广，这与其服务的对象范围广泛是相适应的。与之相比，转型金融的评价体系应当更多聚焦于碳排放指标，企业如何管理温室气体的排放，采用何种技术减少碳排放等。图2-2绿色金融评价体系（中证ESG）（五）我国发展转型金融的必要性1、高耗能行业是我国碳排放的主要来源。近年来，随着全球各国对碳排放的重视以及相关绿色金融政策的出台，全球碳排放虽然增速缓慢，且2020年受疫情影响有所降低，但尚未达到峰值。全球范围内，电力行业依然是碳排放主要来源，而工业领域是第二大碳排放源（徐洪峰，2023）[19]。2021年全球电力和工业碳排放量分别为13.75吉吨和10吉吨，占比39.4%与28.65%，比2019年合计占比提高1.4%。中国碳排放同样呈现持续增加趋势，且中国“富煤、缺油、少气”的资源禀赋决定碳排放主要由燃煤发电和供热环节产生，2020年我国碳排放总量103.76亿吨，其中，工业碳排放51.64亿吨，占比近一半，其次为电力行业，占比35.33%。具体在工业领域，我国碳排放主要源于钢铁、化工、建材、有色金属冶炼等传统高耗能行业。2020年，我国钢铁行业碳排放15.98亿吨，占我国碳排放总量15.4%，居所有工业门类之首，钢铁生产的碳排放主要产生于铁矿石、焦炭等原材料的高炉熔炼环节。因此，电力和工业领域是全球及我国碳排放的主要来源，推动高耗能低碳转型是实现双碳目标的关键环节。2、高碳行业转型资金需求巨大。我国提出碳达峰碳中和目标后，相关机构测算出碳达峰碳中和资金需求，虽存在一定差别，但大多数机构估计在2060年碳达峰之前，中国碳达峰碳中和资金需求量将超过100亿人民币（徐洪峰，2023）[19]。（详见表2-1）。据中金公司测算，2021-2030年碳达峰时期，我国高碳行业资金需求最多的行业，分别为电力、交通运输、建筑、钢铁。2030-2060年碳达峰时期，我国高碳行业资金需求最多的行业，分别为电力、交通运输、建筑、化工，其资金需求详见表2-2。高耗能行业绿色转型的紧迫性产生了巨大转型金融资金需求，而绿色金融由于严苛的标准，无法满足对高碳企业的融资需求。此外，随着绿色金融标准的调整越来越严格，更多高碳产业的低碳转型将可能被逐步排除在绿色金融支持范围之外。因此，高耗能行业的低碳转型将需要转型金融产品和服务的支持。表2-1我国碳达峰碳中和资金需求机构名称时间段资金需求量（万亿元）人民银行易纲团队2020-2030年222030-2060年117中金公司总过程1392020-2030年22中国绿色金融委员会马骏团队2021-2050年487清华大学气候变化和可持续发展协会2020-2050年174.38高盛公司2021-2050年104中央财经大学绿色金融国际研究院2021-2030年14.2生态环境部环境规划院2021-2025年9.32026-2030年11.5数据来源：根据公开资料整理表2-2我国重点排放产业碳达峰碳中和资金需求匡算产业类别时间段资金需求量（万亿元）2021-2030年9.82030-2060年57.6交通运输2021-2030年6.32030-2060年31.1建筑2021-2030年3.92030-2060年18.4钢铁2021-2030年1.12030-2060年2农业2021-2030年0.72030-2060年2.9水泥2021-2030年0.32030-2060年0.6化工2021-2030年0.22030-2060年3.9数据来源：中金公司、Wind数据库3、高耗能行业面临较大转型风险进而传递至金融系统。一随着相关政策的颁布，我国对碳排放约束日趋严格，同时，相关部门对环境污染处罚力度的加大，使企业财产风险敞口发生变化。二绿色金融相关标准的制定对企业形成“倒逼效应”，使得企业在获得融资需求后不断升级转型，最终绿色环保技术逐渐取代传统高碳技术，从而加快搁浅资产形成。三随着国家对碳排放的重视加大以及相关政策的指引，消费者偏好向低碳转变，从而会导致市场信号不确定性加大，给企业带来较大经营风险。四由于金融风险具有传染性，金融机构持有转型企业的贷款、债券、股权等，将通过实体经济传递至金融系统，给金融市场以及信贷市场带来损失。转型风险需要更多行业政策、市场手段、金融手段以及技术变革等举措予以应对。通过金融调节资金配置，助力高碳企业转型，不仅可以减少碳排放，也有助于规避转型风险。三、高耗能行业的能源消费现状与碳排放量自从改革开放以来，我国的经济发展速度让全世界震惊，但是与此同时，长期以碳排放为主的能源消费结构加重了生态环境的负担，碳排放也成为全球气候变暖的主要原因之一（张浩然，2022）[20]。“30·60”目标是我国向世界做出的庄严承诺，各省市也均在积极探索符合自身实际的碳达峰碳中和实现路径（程如华，2022）[21]。我国当前正处于工业化城镇化深入推进阶段，一方面经济要高质量发展，另一方面产业结构偏重、能源结构偏煤，这种重化特征制约经济的高质量发展。因此当前国家必须立足国情，以工业领域的“重头”高耗能行业为着力点，推动其绿色发展，为实现双碳目标打下良好基础。高耗能行业也被称为能源消耗密集型产业，指的是生产过程中耗能较多，单位产出能耗较高的产业。国家统计局以行业总体耗能及单位增加值能耗为标准，把石油煤炭及其他燃料加工业、化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、电力热力生产和供应业六大行业列为高耗能行业。在中国工业体系中，高耗能行业碳排放在整个工业体系中占比较高，而我国当前距离完成工业化和城镇化进程还需要经历一段时间，作为提供能源和原材料产品的基础性部门—高耗能产业，在我国的发展道路上仍将占有一个较大的比重（陆大道，2015）[22]。因此要实现“30·60”目标，就要提高高耗能行业的能源使用效率以及降低排排放强度。而对政府而言，则是要加大科研资金投入，为科技减排工作提供长期有效的资金保障（王保乾、徐睿，2022）[23]。（一）高耗能行业能源消费现状高耗能行业的一直以来是全球应对气候变化首要处理的对象。事实上，中国的能源消费量和碳排放量主要集中在高耗能行业。根据《2010年国民经济和社会发展统计报告》界定的六大高耗能行业，其中包含：化学原料及化学制品制造业（简称化学制造业）、黑色金属冶炼及压延加工业（简称黑色金属加工业）、有色金属冶炼及压延加工业（简称有色金属加工业）、非金属矿物制品业（简称非金属制造业）、石油加工炼焦及核燃料加工业（简称石油加工业）、电力、热力的生产和供应业（简称电力生产业）。整体角度，高耗能行业的能源消费量呈现波动上升趋势（见图3-1）。从2010年到2013年，高耗能行业增长速率较低，整体维持在73%左右。从2013到2016年，能源消费量开始明显攀升，消费比重增加到75%左右，较前期增加大约2%。从2016到2019年，能源消费比重呈现波动形式。2016年到2018年，首次出现下降趋势，但2019年迅速出现反弹，达到75.61%，在随后的2020年，能源消费比重更是再创新高，达到了历史最高值76.7%。高耗能行业的能源消费占比占全体工业部门的72%到76%，而且这一比重一直有增加的趋势，虽然在2020年时，为了贯彻落实《节约能源法》和《工业节能管理办法》，充分发挥节能监察的监督保障作用，持续提高工业能效和绿色发展水平，助推工业经济高质量发展，工业和信息化部对重点高耗能行业实施能耗专项监察，按照“十三五”高耗能行业节能监察全覆盖的安排，对炼油、对二甲苯、纯碱、聚氯乙烯、硫酸、轮胎、甲醇等石化化工行业，金冶炼、稀土冶炼加工、铝合金、铜及铜合金加工等有色金属行业，建筑石膏、烧结墙体材料、沥青基防水卷材、岩棉、矿渣棉及其制品等建材行业，糖、啤酒等轻工行业等细分行业的重点用能企业开展强制性单位产品能耗限额标准执行情况专项监察，但是高耗能行业的能源消费量仍旧居高不下，这进一步说明高耗能行业进行碳减排的必要性和紧迫性。图3-1高耗能行业能源消费比重制造业内部角度，如图3-2，高耗能行业的能源消费量逐年上涨，且仍旧保持稳定增长的态势。在制造业中，高耗能行业能源消费量维持在79%到80%左右。从2010年到2019年，高耗能行业能源消费增长53128万亿吨标准煤，而其他制造业则仅增长9715万亿吨，而到了2020年，高耗能行业能源消费量达到了历史新高的255211万亿吨标准煤，但其他制造业的能源消费量却出现了下降趋势，仅仅为24440万亿吨标准煤，更进一步得凸显出高耗能行业能源消费量的比重迅速增大，同时也体现出高耗能行业是制造业能源消费的主要推动者。高耗能行业的碳减排对于我国的制造业实现双碳目标起到关键性作用。图3-2我国制造业的能源消费量（二）高耗能行业碳排放量1、高耗能行业的碳核算模型本文在测算2010-2020年能源消费碳排放过程中使用的数据主要为国家层面和省级层面能源消耗数据以及分品种分能源的碳排放因子，能耗数据来源为《中国能源统计年鉴》。目前，我国尚未对二氧化碳排放量这一指标进行专门统计，学术界大多参考《2006年IPCC国家温室气体清单指南》所提出的计算方法对碳排放量进行测算，以某地区或某行业碳排放为测算对象时通常利用自下而上的计算方法，通过计算行业或地区其化石能源消费量与碳排放系数的乘积，从而对碳排放进行大致估算。本文主要以6种高耗能行业为研究对象，基于整体视角与产业层面探讨碳排放的基本情况。考虑到数据可取性，本文主要选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气等一次能源进行估算，计算公式如下：Ct=Σn(k)=1Ekt×NCVk×CEFk×COFk×其中，Ct为高耗能行业碳排放量（万吨）；k表示能源消费种类，t表示年份，Ekt表示第t期第k种能源消费量，所需数据均取自各年度《中国能源统计年鉴》；NCVk表示能源平均低位发热量，主要参考《中国能源统计年鉴》所提供的数据；CEFk是《2006年IPCC国家温室气体清单指南》中提供的碳排放系数；COFk为碳氧化因子；44与12表示为CO2和C的分子量。8种能源消费数据和主流能源排放系数如表3-1所示。表3-1各种主流能源排放系数平均低位发热量（KJ/KG）单位热值含碳量（T/TJ）碳氧化率碳排放系数（CO2/KG,CO2/㎡）煤炭2090826.370.941.9003焦炭2843529.50.932.8604原油4181620.10.983.0202汽油4307018.90.982.9251煤油4307019.50.983.0179柴油4265220.20.983.0959燃料油4181621.10.983.1705天然气3893115.30.992.1622数据来源：《中国能源统计年鉴》、《省级温室气体排放编制指南》煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气这八种能源消费数据和主流能源排放系数出自（2010-2020）《中国能源统计年鉴》。2、高耗能行业的碳排放量及增长率分析图3-32010-2020年高耗能行业总排放量及增长率通过查询中国统计年鉴各行业能源消费量，选取石油煤炭及其他燃料加工业、化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、电力热力生产和供应业六大高耗能行业数据，通过IPCC计算2010-2020年总碳排放量如图3-3所示。从2010-2013年高耗能行业的碳排放量增速呈现上升趋势，在2013年呈现出负增长速度，说明碳减排政策初见成效，高耗能行业的碳排放量有了一定程度上的遏制。但是随着我国供给侧结构性改革、去库存、去杠杆的政策性提出，以及一带一路的发展，我国的高耗能行业的总排放量有了一定的反弹，但增长速度仍然见缓。到了2020年，我国碳排放量迅速飙升，这也同时意味着我国经济以及工业化的发展迅速，但是如何在经济高速增长的同时，更高效地利用能源，降低碳排放量就成了当下着重需要解决的难题。在2020年，我国也明确提出力争2030年前实现碳达峰与2060年前实现碳中和的目标。就当前我国碳排放量的持续增长情况，说明我们的“碳中和”目标实现仍然有很大的进步空间。四、转型金融支持高耗能行业碳减排的作用机制及因素分解（一）转型金融支持高耗能行业碳减排的作用机制高耗能行业的转型升级，现行分析主要基于绿色金融视角，如从绿色技改和抵押碳资产等方式来进行绿色融资来促进钢铁行业发展（赵禹程，2022）[24]；通过政府设置投资壁垒的方式，降低棕色行业的收益，提高融资成本来倒逼行业升级（郭禹辰，2022）[25]；通过PFI融资模式以及企业本身的绿色经营理念出发，探讨绿色金融对行业转型的支持（王宁，2021）[26]；从绿色科技、清洁能源方面探讨这些因素与绿色转型的关系（Madaleno,M.，2021）[27]；还有以区域经济、老工业城市等为研究对象来分析绿色金融对行业转型的促进作用，即通过扩大绿色金融产品，建设绿色金融服务平台等来推动行业转型（邵文静，2021[28]，陈翊高，2022[29]）。对于高耗能行业，转型金融的实现机制主要通过四个方面（如图4-1）。第一个是能源结构。能源结构主要反映了行业利用能源的品种和比例，代表了高耗能行业的能源利用品种的变化对碳减排的促进作用。高耗能行业通过转型融资，改进行业内部能源利用品种，减少低质、劣质能源的使用，提高提高清洁能源的使用，比如降低煤炭能源的消耗比例，提高天然气能源的使用比例，从而减少单位能源碳排放量。第二个是能源利用效率代表了单位产能下消耗了多少能源，反应行业的能源利用技术水平。通过扩大转型金融专项融资规模，加大对科研的投入，努力发展低碳、脱碳技术，提高能源的利用效率，直接减少能源消耗后排放的二氧化碳数量，发展固碳、碳回收技术，如生物固碳，将碳元素固定在地表，减少排向大气中的二氧化碳量。通过加大对科研资金的投入，能够在根本上提高高耗能行业的碳减排力度。第三个偿债系数表示的是多少工业产能能够覆盖一单位融资缺口，反映了行业的产出能力和偿债能力。这一指标并没有对碳减排有着积极作用，相反，该指标是一个碳排放量的正向指标。但如果行业产能下降，负债水平提高，偿债能力减弱也会进一步影响行业的转型金融融资能力，进而影响转型金融作用的发挥。第四个指标是转型融资规模和缺口，缺口大小会直接影响转型融资的规模。缺口变化量反映了行业对转型金融融资的需求大小，如果行业内部融资缺口大，说明对转型金融的融资需求变大，进而提高了转型金融的融资规模，最终提高转型金融发挥作用的能力。图4-1转型金融作用机制（二）LMDI模型构建与应用在探讨碳减排因素分解作用的文献中，许多学者采用了不同的研究方法。指数分解框架（IDA）一开始成为主要的碳排放量驱动因素分析模型（杨莉莎，朱俊鹏，贾智杰，2019）[30]，IDA能够量化碳排放变化中的驱动因素，可以明显地表现出碳排放量的主要因素（付华，李国平，朱婷，2021）[31]。然而，IDA模型有着明显的不足，首先IDA不能对碳排放量进行完全分解，其次也不能解决零值问题。Ang（2005）[33]提出了一种对数平均迪氏指数方法（LogarithmicMeanLogarithmicMean），该方法的主要目的是将碳排放这一总量的变化分解为各种因素效应的加总，从定量的角度分析这些影响因素对于碳排放量结果的贡献程度，从而为决策者提供相对科学的意见。LMDI解决了IDA的完全分解问题和零值问题，大大提高了因素分解的准确性。随后Ang又进行了进一步的改进，通过研究中国的各省份的制造业碳排放，将LMDI模型拓展为多区域空间分解（Ang，2015）[36]。通过LMDI模型，有学者发现能源结构和能源强度对碳排放具有负向作用（徐菲，2020）[32]，位娇娇（2017）[35]则发现我国工业碳排放具有宏观波动性，但技术效应和管理效应是主要的碳减排因素，袁蒂（2012）[34]通过研究保定市的交通行业的碳排放量发现了人口效应和经济效应对于交通行业碳排放有助推作用。根据上述文献综述的结论，本文尝试使用LMDI模型，将高耗能行业中的碳排放量分解出有关转型金融的融资缺口因素，从实证角度分析两者是否存在关系。在多因素模型的驱动下，假设被解释变量Y受n个因素影响，j表示每个因素区别标志，比如产业部门。基于迪氏指数，定义式如下（4-1）：期初总量变化式（4-2）：期末总量变化式（4-3）：考虑到简化，本文仅涉及加法对整体变化的因素分解。将4-3与4-2求差可以得出被解释变量Y的变化量（4-4）：通过求对数并加权平均可以得到第k个影响因素的加法公式，如下式子（4-5），如果该因素大于0，说明具有推动作用，反之，如果小于0则是具有抑制作用。ΔYxk=根据Ang（2005）[33]所构造的模型，即从能源结构效应、能源强度效应、经济结构效应以及经济规模效应，利用LMDI模型进行因素分解。本文的模型基于Ang的初始模型，参考徐菲（2020）[32]、位娇娇（2017）[35]的构建逻辑，加入了转型金融中涉及的融资缺口这一指标，构造出如下模型（见式4-6）：CC=Σi×DEi其中，CC表示总碳排放量，数据利用式4-1就算所得。i表示各个高耗能行业部门，CCi表示各个高耗能行业部门的碳排放量，CEi表示各个部门的能源消费量，数据来源于《中国能源统计年鉴》，Cpi表示各个部门的行业增加值，数据来源于《中国统计年鉴》，DEi表示各个部门的转型金融融资缺口，数据来源于CCER，并假设高耗能行业的长期融资负债中，有20%作为维持公司运转的常规融资量，其余80%则作为进行碳减排转型和技术升级的专项融资量。本文利用上市公司长期资产负债率平均变化量的80%作为转型金融融资缺口代理变量。将各个因素进行定义（见式4-7）：cc=Σistri×effi×repi×DEi(4−7)Str（CC/CE）即能源结构，Eff（CE/CP）即能源利用效率，Rep（CP/DE）即偿债能力，DE是各个部门的转型金融融资缺口。为了方便推导，本文仍然采用加法分解法把高耗能行业的碳排放量变化分解成以下几种效应的加总：Δcc=cct−cc0=Δccstr+Δcceff+Δccrep+ΔccDE(4−8)按照Ang（2005）[33]的权重计算wi，则各个因素的贡献值为式（4-9）：(4−9)其中：Δccstr=wiln(4−10)Δcceff=wiln(4−11)Δccrep=wiln(4−12)ΔccDE=wiln(4−13)4-10表示的是能源结构。4-11表示的是能源利用效率。4-12表示的是偿债能力。4-13表示的是转型金融融资缺口。这是我们本文重点研究的因素，即转型金融的融资变化量对碳排放量的影响。（三）转型金融支持高耗能行业碳减排因素分解1、因素分解根据上述整理的数据和推导的模型，利用LMDI模型，计算出2010-2019年我国高耗能行业碳减排的因素分解模型的结果。根据以上式子，求出各个影响因素，尤其是转型金融融资缺口的贡献值。结果如表4-1所示：表4-1高耗能行业LMDI因素分解实证结果能源结构能源效率偿债能力转型融资缺口碳排放量10-1116399.31512-92686.1192129520.212937.9781772653271.3869911-1240603.87708-126260.0196182661.7622-1228.47429495777.1454612-1347537.93767-471166.6781560628.1518-1092.618396135906.79313-1437687.34183-624039.2126736868.4357-2184.449505148332.115414-15-21512.26125-544262.6476698850.8449-5999.843792127076.092215-16-22261.62058-598975.4055766058.937-6232.472458138589.438516-17-43566.21484-691086.5249897642.7501-6485.608434156504.401917-18-50117.8232-727087.0331978169.9909-6805.311725194159.822918-19-75359.11738-766413.07121081414.482-7538.089128232104.2044平均值-7843.17395-515775.1902670201.7297-4169.876617142413.4892010到2019年中，能源结构、能源效率和转型金融融资缺口这三个因素都起到了对碳减排的抑制作用。其中，能源结构从2010年到2013年为正向指标，没有起到碳减排作用，而从2015年起，该指标成为负向指标，即抑制了碳排放量的增加，且有进一步加大的趋势，平均减少7843.17万吨。能源结构在六大高耗能行业中的碳减排力度逐年改善。由此得出结论，高耗能行业内部的能源结构不断改革，最终促使能源结构得到优化，碳排放量逐步减少。能源效率方面则起到主要作用，平均减少515775.19万吨。根据图8所示，能源效率的碳减排能力逐渐增强，除了2014到2015年期间略有下滑之外，一直起到了明显的碳减排作用。说明了高耗能行业能源利用效率的逐渐改善，提高了化石能源的利用效率，一定程度上说明高耗能行业对能源效率技术发展的重视程度。偿债能力这一指标与能源效率展现相对明显的对称性。这一指标的主要作用是反映了高耗能行业的产能和偿债能力。行业产能的扩张和负债率的下降都会导致该指标的上涨。由表4-1可知，该指标的平均碳排放量为670201.72万吨，是主要的碳排放量指标。从2010年到2013年，该指标出现了明显攀升，而在2015到2016年出现了一个短暂的下降。然而，由于2015年“三去一降一补”供给侧结构性改革的提出，行业杠杆和负债规模明显下降，导致偿债能力存在明显的抬升。转型融资缺口这一指标，整体而言变化相对稳定。融资缺口的变动对于大型企业来说变化规模并不明显，根据实证我们发现其仍然能够起到明显的碳减排作用，2010到2019年总共实现平均碳减排4169.87万吨。从实证方向，能够在这一时段表明，转型金融的融资缺口在一定程度上能够促进碳减排的发展。图4-2高耗能行业碳排放因素分解2、贡献率分析表4-2高耗能行业LMDI因素分解贡献率能源结构能源效率偿债能力转型融资缺口10-1130.78%-173.99%243.13%0.07%11-1242.39%-131.83%190.72%-1.28%12-1334.98%-346.68%412.51%-0.80%13-1425.41%-420.70%496.77%-1.47%14-15-16.93%-428.30%549.95%-4.72%15-16-16.06%-432.19%552.75%-4.50%16-17-27.84%-441.58%573.56%-4.14%17-18-25.81%-374.48%503.80%-3.51%18-19-32.47%-330.20%465.92%-3.25%如表4-2所示，该图表核算了各个指标的贡献率。能源结构的贡献率从2010年到2013年由30.78%下降到25.499%，随后一路下降到2019年的最大值-32.468%，实现了由正向指标转为负向指标的转变，且负向贡献率呈现扩大趋势。能源效率仍然起到最主要的碳减排作用。并且负向贡献率一直存在扩大趋势，从2010年到2016年，逐步扩大至-441.576%，随后略有上涨，回调至-330.202%。说明能源技术利用效率一直是主要碳减排因素，但近些年存在效率下降的问题。偿债能力则是最主要的拉动指标，贡献率常年增长。从2010年243.13%到2016年的573%，随后又逐渐回落到465%。图4-3转型融资缺口贡献率与碳排放量增长率关系转型金融的融资缺口相较于其他因素，其贡献率相对较低，平均在-2.63%左右，而且并不稳定。从2010年到2014年，转型金融融资缺口显著下降到-4.72%，从2015年到2019年，又逐步攀升到-3.25%。如图4-3所示，转型金融融资缺口的贡献率与我国高耗能行业碳排放量的增速有一定的相似之处。这说明，转型融资缺口的扩张速度与高耗能行业的碳排放增速有一定关系。3、累积效应逐年累积效应可以能够看到各个因素的逐年累积趋势。这种累积效应的好处就是能够减少单个时间的波动对整体趋势的影响。根据图4-4所示，根据所分析的四个因素，我们能够发现，除了偿债能力这一指标，其他三个因素对于碳减排都具有相对明显的促进作用。作用效果排名：能源效率＞能源结构＞转型金融融资缺口。能源效率下降趋势最为明显，从2010到2019年，总共减少碳排放量达到4641976.71万吨，能源结构则减少碳排放量为70588.56万吨，而转型金融融资缺口这一因素，对于碳排放量的效果并不明显，仅为37528.59万吨需要进一步的扩展。图4-4逐年累积效应（四）结论根据实证结果，发现能源结构的碳减排作用由最初的促进碳排放变为抑制碳排放，减排作用也在逐步增强，说明了高耗能行业内部注意到了能源结构的改善，且逐步发力。能源效率因素是最主要的碳减排因素，能源效率的改善能够在根本上促进碳减排，但近年波动较大，效率不足，在2014到2015年出现负增长。即如果产能短时间内的萎缩，会表现出能源效率的下降，说明行业仍然注重技术的投入，但受到产能与利润的影响，会造成技术研发的不足。偿债能力是最主要的碳排放因素，该指标不能起到碳减排作用。偿债能力在中间一段时间内受产能影响有一定的下降，但随着负债规模的下降和产能的逐步抬升，造成了偿债能力在后期的日趋膨胀。转型融资缺口也起到了积极的碳减排作用。从2010年到2019年，转型融资缺口的贡献率与高耗能行业的碳排放量增长率存在一定的相似性，说明融资缺口变化能够一定程度上反映出行业的碳排放量增长速度变化情况。然而，本文仍然存在一些不足。由于信息披露较少，本文的实证分析所采用的数据与现实真实情况存在误差，无法完全还原转型金融的碳减排作用。本文也没有探讨转型金融下其他因素对高耗能行业碳减排的影响程度，需要后续研究进行补充。五、绿色信贷政策对高耗能行业绿色创新的作用机制绿色创新作为企业实现绿色转型的主要途径，可以通过构建绿色生产工艺、生产低碳产品等生产体系，促进绿色经济发展（张劲松、鲁珊珊，2022）[37]。但由于其外部性强、投入成本大、风险高等特点，需要长期稳定的资金支持（徐佳、崔静波，2020）[38]。因此为更好地服务实体经济，促进经济发展方式转变和经济结构调整，2012年，原中国银行业监督管理委员会发布了《关于印发绿色信贷指引的通知》（以下简称“指引”）。绿色信贷作为银行业金融机构遵循对应产业政策的基础上利用利率杠杆调控信贷资金从高污染环境破坏型企业向国家支持的产业流动，从而实现资金的“绿色配置”，能够为企业的绿色创新活动提供资金。从实施效果来看，大部分研究结果证明了《指引》的正向效应。绿色信贷会增加了高耗能企业的债务融资成本，抑制了高耗能企业的污染排放（潘烨，2022）[39]与落后产能扩张，提升了高耗能企业绿色转型投资水平（舒利敏、廖菁华，2022）[40]，使高耗能企业通过增加环境投资的方式改善环境缓解信贷约束（郭俊杰、方颖，2022）[41]，促进了高耗能企业的多元化趋势（LiandChen，2022）[42]，同时绿色信贷通过增加对环保企业的资金支持，促进了其技术创新（何凌云等，2019）[43]。然而，部分学者认为，《指引》的实施可能会产生负向效应。绿色信贷会抑制高耗能企业的债务融资，压缩了高耗能企业的创新空间（廖果平等，2022）[44]，使污染密集型行业企业的绿色转型水平较低（张雪梅等，2022）[45]。综上所述，现有研究都阐述了《指引》的实施会使银行业金融机构对环保企业提供信贷支持，对高耗能企业施加信贷限制。但由于研究方法、时间和样本的不同，得出的结论也存在分歧，同时也缺乏从企业绿色创新的微观视角评估该项政策的有效性。本节运用双重差分模型实证检验《指引》的实施对高耗能行业企业绿色创新的影响效果，并根据高耗能行业企业的所有权、规模以及所在地区进行异质性分析。同时在此基础上构建“《指引》的实施—高耗能行业企业的研发投入—企业的绿色创新”和“《指引》的实施—高耗能行业企业的融资成本—企业的绿色创新”的三重差分模型作为机制分析，解释《指引》的实施对高耗能行业企业绿色创新的具体影响机制。（一）理论分析与研究假设1、绿色信贷、研发投入与企业绿色创新绿色信贷政策作为对传统环境规制政策的有益补充（陆菁等，2021）[46]，可以从“遵循成本效应”和“创新补偿效应”两个角度分析对企业绿色创新产生的作用。“遵循成本效应”认为，严格的环境规制必然会控制企业的污染行为，使企业治理和控制污染的成本上升，从而挤占对企业研发的投入，制约企业绿色创新。“创新补偿效应”认为企业在面临环境规制时，可以选择进行技术创新或污染治理，而企业在合理的环境规制作用下，会选择对企业最有利的方式，自觉将外部成本内部化，加大绿色创新投入，有效配置资源和提高经营效率，抵消成本上升，实现企业净收益。但同时绿色信贷政策兼具金融资源配置功能，能够引导银行业金融机构对环保企业增加资金支持，对高污染企业施加一定的信贷限制。企业绿色创新是企业绿色转型发展的关键举措，但企业进行绿色创新风险大、成本高，周期长且需要投入大量的资金进行研发。《指引》实施后，高耗能企业的新增贷款显著减少（蔡海静等，2019）[47]，高耗能企业可自由支配的现金流减少，企业为了维持正常的生产经营活动，会主动减少能够用于研发投资的资金，从而限制了他们开发绿色技术创新的能力（ZhangandKong，2022）[48]。并且《指引》要求银行业金融机构根据企业的环境表现放贷（于波，2021）[49]，而高耗能企业进行绿色创新短期内很难见到效果，为了能够达到绿色信贷新门槛，缓解当下困境，高耗能企业可能会选择投入更多的资金进行治污减排末端治理，减少用于研发投入的资金，即挤占企业的研发投入，最终抑制了企业的绿色创新。综上所述，可以发现《指引》的实施会使高耗能企业减少研发投入，从而对企业的绿色创新活动有抑制作用。据此，本文提出以下研究假设：研究假设1：《指引》的实施抑制了高耗能行业企业的绿色创新。研究假设2：《指引》的实施使高耗能企业通过主动减少研发投入，从而抑制了高耗能行业企业的绿色创新。2、绿色信贷、融资成本与企业绿色创新绿色信贷政策以企业环境和社会责任为核心标准，引导社会资本流向绿色产业，从而实现经济的绿色发展转型。因此其对银行业金融机构开展绿色信贷业务的要求更明确具体，把节能减排、环境保护等作为对企业放贷的重要参考指标。具体表现为：规定银行业金融机构实行差异化的贷款政策，限制高耗能行业企业的资金获取或提高贷款利率；对环保企业或绿色项目提供信贷支持或降低贷款利率（李新功、朱艳平，2021）[50]。因此《指引》在实施后，使银行业金融机构通过提高资金成本、收窄融资渠道（斯丽娟、曹昊煜，2022）[51]，降低了高耗能企业的债务融资能力（Liuetal.，2019）[52]与融资规模，缩短了高耗能企业的贷款期限（XuandLi，2020）[53]，导致高耗能企业的信贷约束加剧和债务成本上升，对其产生明显的融资惩罚效应和投资抑制效应（苏冬蔚、连莉莉，2018）[54]，最终因无法获得足够的资金而停止一些绿色创新活动（Wenetal.，2021）[55]。《指引》实施的同时使银行业金融机构增加对环保企业的信贷资金支持，提高了环保企业的债务融资能力（Zhangetal.，2021）[56]，从而使环保企业获得充足的信贷资金促进企业的研发创新(孙焱林、施博书，2019)[57]。综上所述，可以发现《指引》的实施会使银行业金融机构减少对高耗能企业的信贷资金支持，同时提高放贷利率使高耗能企业的债务融资成本提高，最终因缺乏资金减少或停止绿色创新活动。据此，本文提出以下研究假设：研究假设3：《指引》的实施通过提高高耗能企业的债务融资成本，从而抑制了高耗能行业企业的绿色创新。（二）研究设计及实证分析1、样本选取与数据来源本文的研究样本为2007—2018年中国A股上市的工业企业，根据2008年环保部发布的《上市公司环境保护核查行业分类管理名录》，结合2012年中国证监会的行业分类标准，把工业企业中属煤炭、采矿、纺织、制革、造纸、石化、制药、化工、冶金、火电等16个行业的划分为高耗能行业企业，并设为实验组，其它工业企业设为控制组。另外，本文剔除ST、PT等企业样本和有数据缺失的样本，最终得到842家工业企业。其中实验组为441家高耗能行业企业，控制组为401家其它工业企业，对所有样本进行上下1%分位的缩尾处理消除异常值。上市工业企业专利数据来自中国研究数据服务平台（CNRDS），并遵循世界知识产权局的绿色专利标准匹配得到绿色发明专利，其它经济数据均来自国泰安数据库（CSMAR），部分缺失值用插补法填缺。2、变量定义（1）被解释变量：企业绿色创新（GI）。选取上市工业企业的绿色发明专利申请量，一方面发明专利、实用新型专利与外观设计专利，三类专利的创新性依次降低，绿色专利分类同理，因此绿色发明专利能更好的代表企业的绿色创新成果。另一方面，专利授权涉及的时间周期较长，不确定性因素大，专利申请数据更及时可靠(齐绍洲等，2018)[58]。（2）解释变量：Treat×Time。Treati代表工业企业i是否为高耗能行业企业，若是高耗能行业企业则取值为1，为其它工业企业取值为0。Timet代表《绿色信贷指引》实施的时间虚拟变量，当t为2012年及其以后的年份时取值为1，为2012年以前的年份时取值为0。（3）控制变量：考虑到其它因素对企业绿色创新可能造成的影响，本文选取企业规模（Size）、资产负债率（Lev）、总资产收益率（Roa）、企业年龄（Age）、营业收入增长率（Growth）作为控制变量。具体变量名称、定义及描述性统计如表5-1所示。表5-1变量定义及描述性统计变量名称变量定义平均值标准差最小值中位数最大值GILn（绿色发明专利申请数量+1）0.240.67006.46Treat样本为高耗能行业企业，Treat取1，否则

Treat取00.520.50011Time样本年度在2012年及以后则Time为1，反之则Time为00.580.49011SizeLn（期末总资产）22.21.3619.0922.0726.02Lev总负债/总资产0.510.210.080.511.63Roa净利润/总资产0.030.07-0.420.030.23AgeLn（公司已上市年份）2.420.62-0.692.563.18Growth(

当期营业收入—上期营业收入)/上期营业收入0.270.97-5.350.0814.723、模型设定为考察《指引》的实施对高耗能行业企业绿色创新的影响效果，本文运用双重差分法进行实证分析，具体模型设定如下：GIi,t=α+βTreati×Timet+θXi,t+μi+δt+εi,t其中i，t就表示上市企业和时间。GIi,t表示上市工业企业绿色发明专利申请量；Treati为工业企业i是否为高耗能行业企业，若是高耗能行业企业则取值为1，为其它工业企业取值为0；Timet代表《绿色信贷指引》实施的时间虚拟变量，当t为2012年及其以后的年份时取值为1，为2012年以前的年份时取值为0；Xi,t表示企业一系列的控制变量；μi代表个体固定效应；δt代表时间固定效应；εi,t为随机扰动项。4、平行趋势检验及PSM—DID平行趋势假设又称共同趋势假设，是双重差分法最基本的假设（黎文靖、郑曼妮，2016）[59]。其要求在未受到干预或冲击前，实验组与控制组的平均结果随时间变动趋势相同。因此在本文中要求在《指引》实施前，高耗能行业企业与其它工业企业之间绿色发明专利申请情况基本保持一致的时间趋势。从图5-1可以看出，《指引》实施前，高耗能行业企业绿色创新与其它工业企业绿色创新的变化趋势基本相同，但《指引》实施后，对高耗能行业企业绿色创新有明显的抑制效果。《指引》的实施对高耗能行业企业绿色创新的基准回归结果如表5-2列（1）所示，结果显示Treati×Timet的系数在5%的置信水平下显著为负，说明《指引》在实施后，与其它工业企业相比，高耗能行业企业的绿色创新显著下降7.5%。表5-2列（2）显示PSM—DID结果，其回归结果与列（1）无异，说明《指引》的实施抑制了高耗能行业企业的绿色创新，假设1成立。图5-1工业企业绿色创新平行趋势检验表5-2DID基准回归结果与PSM—DID结果（1）（2）DIDPSM—DID变量GIGITreati

×Timet-0.0747**(-2.33)-0.0904***(-2.77)Size0.0361***(2.68)0.0378***(2.76)Lev0.1225**

(2.46)0.1347***(2.64)Roa0.0850(0.94)0.1094(1.19)Age0.0534(1.46)0.0463(1.25)Growth-0.0042(-1.19)-0.0065(-1.56)Constant-0.8474***(-2.81)-0.8796***(-2.84)企业固定效应是是年份固定效应是是N10,1048,980Numberofid842840R20.0600.060注：括号内为聚类到企业层面的稳健标准误；*、**、***分别表示在10%、5%、1%的置信水平下显著。下文同。（三）稳健性检验1、安慰剂检验为避免基准回归结果受到不可观测的遗漏变量的影响（黄炜等，2022）[60]，本文通过虚构实验组的方式进行安慰剂检验。具体而言本文从样本工业企业中随机抽取441个作为实验组，使得《指引》的实施对对企业绿色创新的影响变的随机，并将这个过程重复进行500次，结果如图5-2所示。图5-2绘制了500次模拟实验的系数估计值及对应的P值。由图可知，绝大部分的系数估计值在0的附近分布，对应的P值也都不显著。而本文基准回归的系数估计值是-0.075（如图中实线所示），P值也在5%的置信水平下显著，图示也只有小部分的随机试验结果显著，因此本文研究结果在安慰剂检验中属于小概率事件，证明了基准回归结果的稳健性。图5-2安慰剂检验2、更换因变量的度量方式为了证明基准回归结果的稳定性，采用更换因变量的度量方式进行稳健性检验。参考李青原、肖泽华（2020）[61]的做法，使用（企业当年绿色专利获得数+1）取自然对数作为企业绿色创新的替代变量进行检验，用GR表示。基准回归结果如表5-3所示，列（1）Treati×Timet的系数在1%的水平下都显著为负，与上文的基准分析结论一致，证明了《指引》的实施抑制了高耗能行业企业绿色创新回归结果的稳健性。表5-3DID稳健性检验（替代因变量）（1）变量GRTreati

×Timet-0.0710***(-3.20)Size0.0200**

(2.01)Lev0.1161***(3.26)Roa-0.0849(-1.43)Age0.0544*

(1.93)Growth-0.0036(-1.39)Constant-0.5432**(-2.44)企业固定效应是年份固定效应是N10,104Numberofid842R20.056（四）异质性分析1、《指引》的实施对不同所有权高耗能行业企业绿色创新影响的估计分析在面对信贷融资时，国有企业和非国有企业所遭受的歧视程度不同。商业银行等银行金融机构的经营原则是要保证在银行资产负债安全性与流动性的前提下，最大可能的去实现盈利性，并且商业银行的风险承担水平与盈利能力有着长期的负相关关系（王锋、葛星，2022）[62]。因此相比于非国有企业，商业银行更愿意把资金贷给资金财力雄厚，经营风险低、收益稳定的国有企业。基于此，本文进一步考察《指引》的实施是否会受到高耗能行业企业所有权性质的不同而对企业绿色创新效果造成不同的影响，因此将高耗能行业企业分为国有和非国有。结果如表5-4列（1）和列（2）所示，可以发现，《指引》的实施对非国有高耗能行业企业的影响效果在5%的置信水平下显著为负，说明《指引》在实施后，与其它非国有工业企业相比，非国有高耗能行业企业的绿色创新显著下降10.2%，而《指引》的实施对国有高耗能行业企业的影响效果不显著。可能的原因就是非国有高耗能行业企业面临商业银行等银行机构更大的信贷融资约束，没有充足的资金能够支撑起企业的绿色创新活动。2、《指引》的实施对不同规模高耗能行业企业绿色创新影响的估计分析不同规模的企业在资源占有量、信息敏感度、决策灵活性方面都存在明显差异,具体表现为企业创新方式、组织特征、市场力量的不同（王孝松、张瑜，2021）[63]。基于此，本文进一步考察《指引》的实施是否会受到高耗能行业企业规模的不同而对企业绿色创新效果造成不同的影响，因此根据2011年样本企业总资产的中位数，将高耗能行业企业分为大规模和小规模。结果如表5-4列（3）和列（4）所示，可以发现，《指引》的实施对大规模高耗能行业企业的影响效果在5%的置信水平下显著为负，说明《指引》在实施后，与其它大规模工业企业相比，大规模高耗能行业企业的绿色创新显著下降14.3%，而《指引》的实施对小规模高耗能行业企业的影响效果不显著。可能的原因是大规模企业缺乏灵活性，企业进行技术创新的效率低，使企业规模与创新无关甚至负相关（高良谋、李宇，2009）[64]。另外只有面临激烈的市场环境时，企业为了生存才会考虑增大投资研发，提升创新水平和效率。因此，相比于小规模高耗能行业企业，大规模高耗能行业企业在经营方向、技术等方面的调整更为困难，从获取信息到投入运营流程繁琐，对市场的敏感度低，并且企业规模越大，其垄断程度和市场力量就越高，在面对高额的垄断利润以及较少的潜在竞争者，只会让企业不求进取,缺乏创新动力。3、《指引》的实施对不同地区高耗能行业企业绿色创新影响的估计分析企业所处地区不同，所拥有的资源条件也存在差异。东部地区无论是在经济发展，还是金融环境来说都比中西部地区更为发达。基于此，本文进一步考察《指引》的实施是否会受到高耗能行业企业所处地区的不同而对企业绿色创新效果造成不同的影响，因此将工业企业所处地区划分为东部和中西部。结果如表5-4列（5）和列（6）所示，可以发现，《指引》的实施对中西部地区高耗能行业企业的影响效果在10%的置信水平下显著为负，说明《指引》在实施后，与中西部地区的其它的工业企业相比，高耗能行业企业的绿色创新显著下降8.62%，而《指引》的实施对东部地区高耗能行业企业的影响效果不显著。可能的原因是中西部地区经济相对东部地区来说更为落后，银行业金融机构资源和资金方面更少。因此对中西部地区的高耗能行业企业造成的信贷约束程度更大，从而抑制了企业的绿色创新。表5-4异质性分析（1）（2）（3）（4）（5）（6）国有非国有大规模小规模东部中西部变量GIGIGIGIGIGITreati

×Timet-0.0686(-1.48)-0.1015**

(-2.43)-0.1425**

(-2.40)-0.0420(-1.46)-0.0646(-1.50)-0.0862*(-1.78)Size0.0459**

(2.30)0.0358*

(1.87)0.0827***

(2.74)0.0130(1.05)0.0421**

(2.00)0.0304*

(1.86)Lev0.1008(1.33)0.0908(1.39)0.0448(0.41)0.1013**

(2.02)0.1042(1.32)0.1453**

(2.45)Roa0.0454(0.32)0.1048(0.96)0.2597(1.23)0.0607(0.93)0.1308(0.88)0.0435(0.44)Age0.0772(1.17)0.0733(1.64)0.1498*

(1.76)0.0598**

(2.07)0.0738(1.58)0.0123(0.22)Growth-0.0077(-1.59)-0.0037(-0.69)-0.0017(-0.20)-0.0022(-0.81)-0.0053(-1.11)-0.0031(-0.54)Constant-1.0905**(-2.42)-0.8539**(-2.00)-2.0285***(-3.01)-0.3702(-1.27)-0.9698**(-2.10)-0.7093*(-1.88)企业固定效应是是是是是是年份固定效应是是是是是是N6,0844,0205,0525,0525,9164,188Numberofid507335421421493349R20.0740.0490.0970.0330.0600.064（五）机制分析1、模型设定为考察《指引》的实施对高耗能行业企业绿色创新的具体影响机制，本文基于双重差分模型，借鉴已有文献中常用的三重差分模型进行机制检验（钱雪松等，2019）[65]，具体模型设定如下：GIi,t=α+β1Treati×Timet+β2Treati×Timet×Φi,t+β3Treati×Φi,t+β4Timet×Φi,t+β5Φi,t+θXi,t+μi+δt+εi,t其中Φi,t代表机制变量，在本文中从研发投入（RD）和融资成本(Cost)两个方面来探究《指引》的实施对高耗能行业企业绿色创新的具体影响机制。RD为上市工业企业研发投入取对数获得，Cost参考连莉莉（2015）[66]选取上市工业企业财务费用与负债总额的比值获得，数据来源于国泰安数据库（CSMAR），其余变量与上文相同。在机制检验中，主要关注Treati×Timet×Φi,t这三次交互项的系数β2。2、工业企业研发投入的机制效应分析《指引》的实施使高耗能企业的新增贷款显著减少，从而导致高耗能企业可自由支配的现金流减少，企业为了维持正常的经营活动，会主动减少研发投入，即挤占企业的研发投入资金，最终因缺乏创新投入导致对企业的绿色创新活动产生抑制作用。基于此，本文以上市工业企业研发投入的对数取值作为衡量企业研发投入的指标，研究《指引》的实施对高耗能行业企业绿色创新影响的机制效应。结果如表5-5列（1）所示，列（1）中Treati×Timet×RDi,t的系数在5%的置信水平下显著为负，表明《指引》的实施会使高耗能企业通过主动减少研发投入，从而抑制了高耗能行业企业的绿色创新，假设2成立。3、工业企业融资成本的机制效应分析《指引》的实施使银行业金融机构对环保企业或绿色项目提供信贷支持或降低贷款利率，限制高耗能行业企业的资金获取或提高贷款利率。因此降低了环保企业的融资成本，提高了高耗能企业的融资成本，从而使高耗能企业面临更强的信贷约束，没有充足的资金进行绿色技术创新活动。基于此，本文以上市工业企业财务费用与负债总额的比值作为衡量企业融资成本的指标，研究《指引》的实施对高耗能行业企业绿色创新影响的机制效应。结果如表5-5列（2）所示，列（2）中Treati×Timet×Costi,t系数在1%的置信水平下显著为正，表明《指引》的实施会通过提高高耗能企业的融资成本，从而抑制了高耗能行业企业的绿色创新，假设3成立。表5-5机制分析（1）（2）研发投入融资成本变量GIGITreati

×Timet1.1366**(2.25)-0.1064***

(-2.83)Treati

×Timet×RDi,t-0.0677**(-2.25)Treati×RDi,t0.0064(0.29)Timet×RDi,t0.1079***(4.20)RD-0.0258(-1.30)Treati

×Timet

×Costi,t2.1613***(3.34)Treati

×Costi,t-0.0806(-0.48)Timet×Costi,t-2.1840***

(-3.74)Cost1.8020***(4.28)Size0.0106(0.47)0.0335**

(2.50)Lev0.0783(1.11)0.0897*

(1.80)Roa0.1916(1.31)0.1065(1.17)Age0.0077(0.15)0.0540(1.50)Growth-0.0068(-0.92)-0.0044(-1.21)Constant0.1713(0.34)-0.8235***(-2.74)企业固定效应是是年份固定效应是是N6,47110,100Numberofid796842R20.0690.065（六）结论第一，《指引》的实施抑制了高耗能行业企业的绿色创新，并且经过平行趋势检验、PSM—DID以及更换样本区间的稳健性检验后，结论依然成立。第二，异质性分析表明《指引》的实施对高耗能行业企业绿色创新的抑制作用在不同企业特征下表现出异质性：首先，非国有高耗能行业企业相比于国有高耗能行业企业而言，其会受到商业银行等银行机构更大的信贷融资约束，没有充足的资金能够支撑起企业的绿色创新活动，因此《指引》的实施抑制了非国有高耗能行业企业的绿色创新。其次，大规模高耗能行业企业相比于小规模高耗能行业企业而言，灵活性低，市场的敏感度低，并且大规模企业在市场上处于头部地位，垄断程度高，缺乏创新动力，因此《指引》的实施抑制了大规模高耗能行业企业的绿色创新。再次，中西部地区高耗能行业企业相比于东部地区高耗能行业企业而言，所在地区的银行业金融机构资源和资金更少，对高耗能行业企业造成的信贷约束程度更大，因此《指引》的实施抑制了中西部地区高耗能行业企业的绿色创新。第三，机制分析表明《指引》的实施会使银行业金融机构实行差异化的贷款政策，增加对环保企业的信贷支持或降低贷款利率，限制高耗能企业的资金获取或提高贷款利率，使高耗能行业企业减少了研发投入，提高了对高耗能行业企业的融资成本，从而抑制了对高耗能行业企业的绿色创新。六、碳排放权交易政策的影响机制和作用效果21世纪以来随着经济全球化水平的不断加深，温室气体过度排放所导致的气候变化已成为人类面临的最大威胁，我国作为全球最大的能源消耗国，因此在应对气候变化和绿色低碳发展等方面面临着更大的挑战。碳排放权交易（以下简称“碳交易”）市场是国际社会应对气候变化的重要工具，在环境治理和经济绿色发展中发挥着关键作用。随着我国“双碳”目标的提出，碳交易在我国经