4.1 样本选择与数据来源....................................23
4.2 变量选取............................................23
第 5 章 实证分析....................30
5.1 描述性统计及模型检验..................................... 30
5.1.1 变量描述性统计........................................30
5.1.2 模型检验.......................................33
第 5 章 实证分析
5.1 描述性统计及模型检验
5.1.1 变量描述性统计
本文主要变量的描述性统计如表 5.1 所示。可以发现，全样本企业全要素生产率（TFP）的标准差为 0.680，最小值和最大值分别为 7.588 和 11.236，均值为8.928，中位数为 8.845，中位数略小于平均数，说明了样本中有一半多企业的全要素生产率水平是比平均水平低的，企业间全要素生产率差异较大。同时本文通过 LP 法测算的全要素生产率与以往关于公司全要素生产率的文献相比，数值较高，这可能是因为以往的研究中大多以工业企业数据库作为数据来源，而本文是以上市公司作为研究对象，数据均来自万得数据库和国泰安数据库，企业数量少于工业企业数据库，所以测算出的全要素生产率偏高（孔东民等，2015[82]）。
控制变量中，两职合一（CEO Duality）的均值为 0.298，表明 CEO 与董事长为同一人的公司仅占总样本数量的 29.8%，说明大多数公司控制权与经营权已实现分离。董事会规模（Board）的均值 2.132，标准差为 0.191，最大值为 2.639，最小值为 1.609，表明样本企业中董事会规模有较大差异。第一大股东持股比例（FSR）的均值为 0.337，标准差为 0.142，最大值和最小值分别为 0.088 和 0.712，说明不同企业的股权集中度有较大不同。资产负债率（Lev）的最小值为 0.037，最大值为 0.834，说明样本企业的资产负债率差异较大，有的企业负债水平仅有3.7%，而有的企业负债水平却高达 83.4%；资产收益率（Roa）的均值为 0.043，最小值为-0.156，最大值为 0.220，说明样本企业间盈利水平也有较大差异，有些企业还出现亏损的情况。企业规模（Size）的均值为 21.830，最小值为 19.687，最大值为 25.720，企业年龄 Age 的均值为 2.633，最小值为 1.099，最大值为 3.401，表明在经过对数处理后，样本企业间的资产规模和年龄差异不大。中介变量研发投入（RD）的均值为 17.712，最小值为 13.911，最大值为 21.613，说明不同企业研发投入差距较大。
...........................
第 6 章 结论与建议
6.1 结论
本文在梳理国内外相关文献的基础上，从可持续发展、信息不对称、企业社会责任角度出发，以 2008-2018 年 A 股市场所有上市公司的面板数据为基础，通过 LP 法测算了所有企业的全要素生产率，并以其为被解释变量，以 2012 年《绿色信贷指引》正式实施为事件构造准自然实验，运用双重差分模型定量评估绿色信贷政策对重污染企业全要素生产率的总体影响，以及地区异质性和所有权异质性是否会改变绿色信贷政策对企业全要素生产率的影响方向和程度。同时在此基础上，运用中介效应模型探讨了研发投入在其中的中介作用。得出以下结论：
第一，绿色信贷政策对重污染企业全要素生产率显著负相关，即 2012 年《指引》的实施使重污染企业全要素生产率显著下降。这一研究结论也得到了其他稳健性检验的支持。本文推测这可能是因为《指引》实施后，一方面重污染企业融资难度加剧，融资成本上升，企业正常生产经营受到影响；另一方面重污染为获取信贷资金，会选择投入大量资金去治理污染或减少生产，以便能达到金融机构的贷款要求，由此造成企业可用资金减少，盈利能力降低，致使企业全要素生产率进一步下降。
第二，企业所有权性质不同，将显著影响绿色信贷政策对重污染企业全要素生产率的抑制程度。具体来看，绿色信贷政策对非国有重污染企业具有较强的负向影响，对国有企业的负向作用并不显著。本文推测这可能是由于国有企业自身享有政府政策偏好和信贷优势，故当绿色信贷政策实施时，对其信贷能力并不会产生较大影响，因此其全要素生产率受到的负向影响不显著。
参考文献（略）
