低碳城市试点政策能否促进重污染企业绿并购
低碳城市试点政策
能否促进重污染企业绿并购
张  娆  李天虹
（南京农业大学金融学院，江苏  南京  210095）
摘要：“双碳”战略背景下，绿并购是重污染企业实现绿转型的重要途径。本文以低碳城市试点政策为一项准自然实验，基于2008—2020年A股重污染行业上市公司数据构建多期双重差分模型。研究发现：低碳城市试点政策对重污染企业绿并购具有显著推动作用；从作用机制看，低碳城市试点政策通过增加环境规制强度和提供财政支持推动重污染企业开展绿并购；低碳城市试点政策对重污染企业绿并购的推动作用在东部地区、非资源型城市、竞争度高的行业和非国有企业中更为明显。基于此，应综合考虑地区、行业和企业特征，针对性完善政策体系，充分发挥政策引导作用；重污染企业要积极响应低碳城市试点政策，借助绿并购实现环境效益和经济效益的双赢。全球十大污染城市
关键词：低碳城市；绿并购；重污染企业
中图分类号：F830  文献标识码：A  文章编号：1674-2265（2023）12-0022-10
DOI：10.19647/jki.37-1462/f.2023.12.003
一、引言
随着城市化进程中碳排放引致的气候变暖问题日渐凸显，城市逐渐成为推动低碳发展和缓解气候变暖的重要责任主体和行动单元（徐佳和崔静波，2020）[1]。为推动全社会降碳减排，国家发展改革委于2010年启动低碳城市试点工作，并分别于2012年和2017年扩大参与试点的城市范围，旨在推动产业结构和消费模式的低碳化发展，以期实现经济增长和环境保护的协调发展。
随着低碳城市试点工作的展开，地方政府对环境污染违法行为的管制力度增强，重污染企业面临的环境治理压力随之升高。并购是实现产业转型升级和产业结构调整的重要方式（巩亚林等，2023）[2]，而绿并购兼具“绿”与“并购”双重属性，是重污染企
业实现绿转型、推动产业绿发展的重要途径（Zhang等，2022）[3]，不仅能够帮助重污染企业快速获取绿技术和清洁能源（Lu，2021）[4]，降低污染物排放，满足环境政策的要求，还能提高能源使用效率，扩大产品竞争优势，补偿环境治理增量成本（Han等，2022）[5]，实现经济效益的提升。那么低碳城市试点政策在促进产业结构低碳化发展的过程中，对重污染企业绿并购活动有何影响？通过何种渠道影响？不同情境下的影响作用是否存在差异？
针对上述问题，本文选取2008—2020年A股重污染行业上市公司作为研究样本，运用多期双重差分法检验低碳城市试点政策与重污染企业绿并购之间的关系。本文的主要贡献在于：第一，从绿并购的视角出发，拓展了低碳城市试点政策的微观影响，也为
收稿日期：2023-07-02      修回日期：2023-11-22
作者简介：张娆，女，辽宁抚顺人，博士，南京农业大学金融学院教授，博士生导师，研究方向为公司治理与绿金融；李天虹，女，江苏扬州人，南京农业大学金融学院，研究方向为公司治理与绿金融。
基金项目：国家社会科学基金项目“混合所有制改革的双向混合与提升企业风险承担能力”（18BGL085）。
重污染企业实施绿战略、推进绿实践提供了方向；第二，基于低碳城市试点政策的实施，丰富了重污染企业绿并购的驱动因素，既有研究绿并购影响因素的文献多局限于环境规制、官员环境考核压力视角，鲜有文献关注具体环境政策对企业绿并购的作用；第三，基于机制检验明晰了低碳城市试点政策的作用路径，为政策实施过程中兼顾环境规制力度和财政支持提供理论支撑，而不同情境下的政策效果探讨有助于针对性完善和推进低碳城市建设，保障政策实施效果。
二、文献综述
低碳城市试点政策是降低碳排放量、推动全社会绿转型的重要工具，许多学者从宏观和微观两个维度探究了政策实施效果。从宏观层面看，在环境效益方面，低碳城市建设不仅降低了试点城市的碳排放强度（Liu等，2022）[6]，提高了其碳排放效率（Zhang 等，2022）[7]，还显著降低了邻近非试点城市的碳排放量，产生“鲇鱼效应”（郑汉和郭立宏，2022）[8]；在经济效益方面，低碳城市试点政策推动产业结构升级（逯进等，2020）[9]，提升城市绿创新水平和效率（胡求光和马劲韬，2022）[10]，进而提高了城市绿全要素生产率（Wang等，2022）[11]。从微观层面看，低碳城市试点政策的微观影响主要围绕企业碳排放、绿创新和生产效率等方面展开。在企业碳排放方面，低碳城市建设提升了企业的碳减排绩效（Chen等，2021）[12]。在绿创新方面，低碳城市试点政策激励制造业企业自主研发（胡亚男和余东华，2022）[13]，并通过命令型和市场型环境政策工具诱使企业开展绿创新（徐佳和崔静波，2020；杨菲等，2022）[1，14]。在生产效率方面，低碳城市建设提升了企业全要素生产率（赵振智等，2021）[15]，促进了企业可持续和高质量发展（王贞洁和王惠，2022）[16]。
绿并购是企业外延式绿发展的重要路径，现有文献在探讨绿并购的驱动因素时主要聚焦于政府官员环境考核压力和环境规制两方面。关于政府官员环境考核压力的影响，在环境绩效考核制度下，地方官员通过财政补贴和征收排污费推动重污染企业实施绿并购（潘爱玲和吴倩，2020）[17]；领导干部自然资源资产离任审计政策的实施增加了地方官员的环境考核压力，促进了辖区内重污染企业实施绿
并购（曹玉珊和马儒慧，2021）[18]。关于环境规制的影响，正式环境规制中的市场激励型环境规制与绿并购呈倒U形关系，命令控制型环境规制与绿并购的关系
则不显著（邱金龙等，2018）[19]。Han等（2022）[5]以《环境保护法》的实施为准自然实验，发现在新《环境保护法》实施后，出于成本动机和创新动机企业会倾向于实施绿并购。除了法律法规等形成的正式环境规制，重污染企业还要面对诸多非正式环境规制。随着社会公众对环境保护问题关注度的提升，重污染企业实施绿并购的概率不断提高（邱金龙等，2018）[19]；随着负面媒体报道数增多，重污染企业越倾向于实施绿并购（潘爱玲等，2019）[20]。
综上所述，现有文献对低碳城市试点政策的实施效果展开了丰富研究，但目前尚未有文献从企业绿并购的维度出发，研究低碳城市试点政策对企业投资行为的影响。因此，本文以低碳城市试点政策的实施为准自然实验，探究其是否对重污染企业的绿并购行为产生影响。
三、理论分析和研究假设
（一）低碳城市试点政策与重污染企业绿并购
低碳城市试点政策是我国为建立绿低碳经济发展模式而在城市层面实施的一项环境政策。从政策的具体任务看，低碳城市试点政策要求各地区制定低碳发展规划、出台支持低碳发展的相关政策、推动产业
低碳化转型升级，鼓励企业采用低碳技术实现绿发展。一方面，试点地区政府结合地区特点制定碳减排目标和行业碳排放标准，对超标排放的企业进行处罚，严控高污染、高排放、高耗能项目的审批，增加重污染企业环境污染行为的合规成本，倒逼其淘汰落后产能，开展绿技术创新以提升能源使用效率。相较于不确定性高、投入大的绿创新，绿并购是企业快速获取稀缺绿资源的便捷渠道，有助于降低企业的环境违法风险，提升市场竞争力（王凤荣等，2023）[21]。因此，绿并购是重污染企业应对政策压力的有效途径。另一方面，试点地区为引导企业进行节能减排出台促进低碳发展的产业政策、财政政策和税收政策，拓宽重污染企业的融资渠道（宋清华和吕泰亨，2023）[22]，为其绿治理实践提供资金支持，激发其开展绿并购的内生动力。基于上述分析，本文提出如下假设：
H1：低碳城市试点政策能促进重污染企业实施绿并购。
（二）低碳城市试点政策对重污染企业绿并购的影响机制
一方面，低碳城市试点政策实施后，环境规制强度提升，重污染企业面临的合法性压力、成本压力和
市场竞争压力也随之增加，进而推动其实施绿并购。其一，低碳城市试点政策要求地方政府结合行业特点建立碳排放标准，并加强监管力度、制定惩罚措施，增加重污染企业排污行为的合法性压力。合法
性理论认为合法性是企业生存和发展的基本要求（Dimaggio和Powell，1983）[23]，在环境合法性压力下，企业会积极承担环境责任以应对合法性危机。但环境保护具有负外部性，企业在承担环境责任的同时额外付出了成本，挤占了利润空间，增加了成本压力（胡珺等，2020）[24]。而融入了环境责任的绿并购不仅能改善企业的环境绩效，还有助于培育新的利润增长点形成经济利益（潘爱玲等，2019）[20]，从而缓解环境政策引致的合法性压力和成本压力。其二，低碳城市试点政策的实施引起了社会公众对环境问题的重视，显著提高了居民绿消费意识（曹翔和高瑀，2021）[25]，高污染、高环境风险的“双高”产品逐步丧失市场竞争力，直至被市场淘汰，这驱使重污染企业为满足社会公众对环保的诉求进行绿并购，向外界展现自身践行绿发展理念的良好形象，同时提供更具绿竞争力的产品（黄维娜和袁天荣，2021）[26]，以缓解市场竞争压力。
另一方面，低碳城市试点政策为重污染企业实现绿高质量发展提供财政支持，激励其进行绿并购。政府补偿为环境污染负外部性问题的内部化解决提供了保障。为达成低碳城市试点政策减排降碳的目标，试点地区政府会灵活运用贷款贴息、投资补助和项目奖励等多种财政手段为企业的低碳转型提供补贴，引导企业在前端生产和末端治理环节加大环保投入，以提高绿生产效率和固废利用率，从而降低污染物的排放。例如，为保障低碳城市试点政策发挥有效作用，武汉市政府在《武汉市低碳城市试点工作实施方案》中提出：“整合现有财政专项资金，对低碳发展的重大项目和科技、产业化示范项目采取引导、激励、奖励或者贴息贷款等方式给予支持。”而重污染企业在实施绿并购时倾向于采用现金支付方
式（潘爱玲等，2019）[20]，因此，试点地区政府对积极践行低碳发展理念的企业提供的财政支持有助于缓解其实施绿并购时面临的资金困境，从而对其绿并购行为产生正向激励作用。
综上所述，本文提出如下假设：
H2a：低碳城市试点政策增加了重污染企业面临的环境规制强度，迫使其开展绿并购。
H2b：低碳城市试点政策为企业的绿转型提供
财政支持，激励重污染企业开展绿并购。
四、研究设计
（一）样本选择与数据来源
本文以2008—2020年A股重污染行业上市公司为研究对象，探究低碳城市试点政策与重污染企业绿并购之间的关系。对样本做如下筛选：（1）剔除样本期内“ST”“*ST”“暂停上市”“终止上市”企业；（2）剔除主要变量数据缺失的样本。企业层面的数据均来自国泰安数据库，地区层面数据则来自《中国城市统计年鉴》和《中国环境年鉴》。最终，本文的样本中包含了4777个公司年度观测值，为了避免极端值对实证结果的异常影响，本文对主要连续变量进行了上下1%的缩尾处理。
（二）变量定义
1. 被解释变量：绿并购（Greenma）。借鉴潘爱玲等（2019）[20]的做法，结合企业并购交易公告中的并购背景、目的和影响等判断企业并购行为是否属于绿并购，若企业当年实施绿并购取值为1，否则取值为0。
2. 解释变量：低碳城市试点政策（Treat）。根据国家发展改革委发布的相关文件确定参与低碳试点的城市名单，若企业所处城市入选低碳试点名单，则当年及以后年份取值为 1，否则为 0。由于低碳城市试点政策分别于2010年7月、2012年11月和2017年1月实施，本文分别将2010年、2012年和2017年作为政策实施的时间，三批试点名单中交叉出现的试点城市的时间以最早实施低碳城市试点政策的时间为准。
3. 控制变量。本文参照曹玉珊和马儒慧（2021）[18]、潘爱玲和吴倩（2020）[17]、吴烨伟等（2023）[27]的研究，控制了其他可能影响重污染企业绿并购决策的变量，包括企业规模（Lnsize）、盈利能力（Roa）、资本密集度（Ppe）、自由现金流（Fcf）、管理费用率（Mfee）、大股东占款（Occu）、董事会规模（Board）、两职合一（Dual）、产权性质（Soe）和财政支出（Fis）。此外，本文还控制了企业所处年份、行业和地区。表1为主要变量名称和计算方法。
（三）模型构建
鉴于低碳城市试点政策分三批实施，本文构建多期双重差分模型检验低碳城市试点政策与重污染企业绿并购之间的关系，模型具体设定为：
Greenma
it
=β
+β
1
Treat
it
+η×X
it
+
v
t
+y
j
+μ
p
+ε
it
（1）其中，Greenma it为被解释变量绿并购；Treat it
表示低碳城市试点政策的虚拟变量；X it为控制变量；v
t
、y j、μp分别为年份、行业和地区固定效应；εit为随机扰动项。模型主要关注Treat it的系数β1，若β1显著为正，则低碳城市试点政策能推动重污染企业实施绿并购。
五、实证结果与分析
（一）描述性统计与相关性分析
表2展示了主要变量的描述性统计结果。其中，绿并购的均值为0.0496，说明样本期内约5%的重污染企业实施了绿并购；低碳城市试点政策的均值
为0.452，说明45.2%的重污染企业所处城市施行了该政策；其他控制变量的分布范围与已有研究较为一致，不存在异常值。
表3展示了相关性分析结果，低碳城市试点政策与绿并购的相关系数在1%水平上显著为正，初步验证了前文假设。多重共线性检验结果如表4所示，各变量的方差膨胀因子均小于 1.64，均值仅为 1.27，表明变量间不具有显著的多重共线性。
（二）基准回归
本文采用多期双重差分法检验低碳城市试点政策对重污染企业绿并购的影响。表5报告了多期双重差分结果，其中列（1）未加入控制变量，列（2）则在列（1）的基础上加入控制变量。所有回归结果都采用了企业层面的聚类稳健标准误差。列（2）显示加入控制变量后，低碳城市试点政策在5%水平上与绿并购呈显著正相关，表明低碳城市试点政策的实施会显著促进重污染企业实施绿并购。
（三）稳健性检验
1.平行趋势检验。为检验政策实施前实验组和对照组是否拥有平行的时间变化趋势，本文借鉴Beck 等（2010）[28]的做法，对受政策影响地区的企业设置政策实施前虚拟变量，其中Pre1表示低碳城市试点地区的企业是否位于政策实施的前1年，Pre2表示试点
表1：主要变量定义
变量类型被解释变量解释变量控制变量变量符号
Greenma
Treat
Lnsize
Roa
Ppe
Fcf
Mfee
Occu
Board
Dual
Soe
Fis
变量名称
绿并购
低碳城市试点政策
企业规模
盈利能力
资本密集度
自由现金流
管理费用率
大股东占款
董事会规模
两职合一
产权性质
财政支出
变量定义
若企业当年实施绿并购，取值为1，否则为0。
若企业当年所处城市开展低碳试点，取值为1，否则为0。
企业总资产的对数
净利润/平均总资产
固定资产净额/总资产
经营活动现金流量净额/总资产
管理费用/主营业务收入
其他应收款/总资产
董事会人数
董事长是否兼任总经理
国有企业取值为1，否则为0。
财政支出/GDP
表2：描述性统计
变量名称
Greenma
Treat
Lnsize
Roa
Ppe
Fcf
Mfee
Occu
Board
Dual
Soe
Fis
样本量
4777
4777
4777
4777
4777
4777
4777
4777
4777
4777
4777
4777
均值
0.0496
0.4520
22.4735
0.0454
0.3438
0.0640
0.0650
0.0117
10.5208
0.2106
0.4815
0.1974
标准差
0.2172
0.4977
1.4350
0.0497
0.1644
0.0636
0.0404
0.0174
2.7284
0.4078
0.4997
0.0840
最小值
0.0000
0.0000
20.1227
-0.1044
0.0203
-0.1135
0.0068
0.0001
5.0000
0.0000
0.0000
0.0998
最大值
1.0000
1.0000
26.5511
0.2004
0.9542
0.2425
0.2124
0.1047
20.0000
1.0000
1.0000
0.9791
表3：相关性分析
变量Greenma Treat Lnsize Roa Ppe
Fcf Mfee Occu Board Dual Soe
Fis Greenma
1.0000
0.0385***
0.0659***
0.0041
0.0293**
-0.0216
-0.0114
0.0126
0.0377***
-0.0022
0.0133
0.0154
Treat
1.0000
0.0677***
-0.0011
-0.0880***
-0.0228
-0.0427***
-0.0417***
0.0076
0.0437***
-0.0644***
0.0368**
Lnsize
1.0000
-0.0915***
0.3980***
0.1265***
-0.3214***
-0.0605***
0.3384***
-0.2229***
0.4386***
0.1774***
Roa
1.0000
-0.1748***
0.4092***
-0.0138
-0.1188***
-0.0906***
0.0639***
-0.1819***
-0.1189***
Ppe
1.0000
0.2385***
-0.1953***
-0.0977***
0.2022***
-0.1856***
0.4254***
0.1169***
Fcf
1.0000
-0.0860***
-0.0876***
0.0381***
-0.0488***
0.0660***
-0.0478***
Mfee
1.0000
0.1434***
-0.0752***
0.0988***
-0.1073***
0.1111***
Occu
1.0000
0.0216
-0.0016
0.0913***
0.0883***
Board
1.0000
-0.1601***
0.3168***
0.1383***
Dual
1.0000
-0.3230***
-0.1566***
Soe
1.0000
0.3246***
Fis
1.0000
注：*、**和***分别代表10%、5%和1%的显著性水平。下同。
地区的企业是否位于政策实施的前2年，以此类推。根据平行趋势检验的相关理论，将Pre1—Pre4代替模型（1）中的核心解释变量进行回归，若Pre1—Pre4的系数均不显著，则满足平行趋势假设。表6报告了平行趋势检验结果，Pre1—Pre4的系数均不显著，说明政策实施前绿并购开展情况在实验组和对照组间不存在显著差异，平行趋势假设成立。为检验政策实施效果，本文在回归中加入了政策实施后虚拟变量，
其中Post1表示企业是否处于低碳城市试点政策实施后的第1年，Post2—Post8以此类推，结果显示政策实施后1—6期虚拟变量系数大部分为正却不显著，直至政策实施后第7期开始显著为正，说明政策存在滞后效应。
2.安慰剂检验。为排除其他随机因素干扰，确保回归结果是由低碳城市试点政策所引致的，本文参照
杨菲等（2022）[14]
的做法，通过随机低碳城市试点名
单和试点时间进行安慰剂检验。本文随机生成一个低碳城市试点名单，并为每个试点城市设置虚假的试点时间。然后将上述步骤重复500次，并利用模型（1）进行回归分析。图1绘制了500个估计系数的核密度分布及其p 值，估计系数大多分布在0附近，且绝大多数p 值在0.1以上，与基准回归结果存在较大差
异，从而说明基准回归结果不是偶然得出的，重污染企业开展绿并购活动主要源于低碳城市试点政策的实施。
表5：基准回归
变量Treat Lnsize Roa Ppe Fcf Mfee Occu Board Dual Soe Fis Constant 年份行业地区N Pseudo R 2
（1）Greenma 0.1841*（0.0957）
-2.3701***（0.3301）
Yes Yes Yes 46370.0989（2）Greenma 0.1929**（0.0961）0.1141***（0.0349）1.4253*（0.8530）-0.4549*（0.2724）-1.3395**（0.6087）0.4439（1.1027）1.3771（2.1733）0.0079（0.0141）0.0451（0.0895）-0.2313**（0.1134）-3.5177（2.4947）-4.2025***（1.0072）
Yes Yes Yes 46370.1142
注：括号内为企业层面聚类稳健标准误，下同。
表4：多重共线性检验
变量Greenma Treat Lnsize Roa Ppe Fcf Mfee Occu Board Dual Soe Fis Mean VIF
VIF 1.0101.0401.5601.3701.5001.3701.1801.0701.1801.1401.6401.1701.270
表6：平行趋势检验
变量Pre4Pre3Pre2Pre1Post1Post2Post3
Post4Post5Post6Post7Post8Controls Constant 年份行业地区N Pseudo R 2
（1）Greenma -0.0950（0.2905）0.1990（0.2193）0.0645（0.1948）0.0517（0.1907）0.1282（0.1801）0.1447（0.1667）0.1279（0.1710）0.1914（0.1987）-0.1324（0.2002）0.2931（0.1830）0.3234**（0.1565）0.4065**（0.1915）
Yes -2.3905***（0.3511）
Yes Yes Yes 46370.1029
（2）Greenma -0.1020（0.2968）0.2195（0.2209）0.0588（0.1978）0.0716（0.1954）0.1208（0.1829）0.1385（0.1649）0.1475（0.1736）0.2099（0.2029）-0.1347（0.1998）0.3136*（0.1871）0.3384**（0.1602）0.4171**（0.1954）
Yes -4.0912***（1.0392）
Yes Yes Yes 46370.1189
注：因篇幅所限，控制变量简要展示，作者备索。下同。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。