来源：市场资讯
（来源：江苏省绿色金融高端智库）
摘要
电力行业是实现联合国可持续发展议程气候目标的核心领域，该行业正面临推进低碳转型与保障能源安全的双重挑战。本文探讨了绿色金融在中国电力市场中，为应对能源安全问题、推动低碳转型所发挥的关键作用。研究构建了创新性的区域低碳能源安全指数（LCES），利用 2010-2023 年的相关数据，从区域和企业两个层面实证检验了绿色金融试点政策的实施影响。研究结果显示，在样本期内，我国低碳能源安全水平有所提升，电力企业的碳排放规模呈下降趋势。从区域层面来看，绿色金融政策在高耗能地区和自然灾害易发地区展现出显著的实施效果，但对整体区域的低碳能源安全水平，尚未产生统计意义上的显著影响。从企业层面来看，绿色金融政策能显著降低电力企业的碳排放水平，其中对化石燃料燃烧和固体废物焚烧产生的碳排放减排效果尤为突出；且这一效应在股权集中度高、创新能力先进、数字化水平较强的国有电力企业中表现得更为明显。从公司金融视角展开的机制分析表明，机构投资者持股、股权制衡与管理层持股因素在绿色金融影响电力企业低碳转型与能源安全的过程中发挥调节作用。综上，本研究为厘清绿色金融在平衡中国电力行业能源安全与低碳发展刚性需求中的战略作用，提供了具有重要参考价值的研究结论。
研究背景及意义
随着人口快速增长与工业化进程不断推进，电力消费与经济增长的关联愈发紧密，电力已成为现代社会发展的核心要素。传统能源与可再生能源技术的应用均以电力生产为核心，这一特征也反映出社会正逐步向电力驱动型经济转型。据预测，到本世纪中叶，电力占终端能源消费总量的比重将达到 66%，这凸显出电力在实现低碳经济发展目标过程中的关键作用。在全球共同推进可持续发展的背景下，电力行业转型已被广泛认为是降低碳排放、缓解气候变化的重要举措。
实践证明，在减少碳排放、遏制气候恶化方面，可再生能源发电的效果优于核电，为低碳经济发展提供了可持续路径。但电力行业当前面临双重挑战：一方面，需在本世纪中叶将碳排放大幅降至近零或净负水平；另一方面，需持续扩大发电装机容量，为全球更大比例的能源消费电气化与脱碳进程提供支撑。实现上述目标的关键在于保障能源安全，因为可再生能源的波动性与间歇性特征，对电网的稳定性和可靠性构成了独特挑战。此外，可再生能源利用往往伴随较高的运营成本，还可能引发其他非预期后果，进一步加剧了能源安全保障的复杂性。因此，保障能源安全是电力市场平稳向低碳转型、实现长期电力经济可持续发展的必要前提。
为应对气候变化与能源安全的双重挑战，绿色金融应运而生，成为契合联合国可持续发展目标与《巴黎协定》要求、推动可持续发展的核心政策工具。这一趋势在脱碳需求更为迫切的亚洲地区尤为显著。现有研究日益表明，绿色金融能够通过降低风险、提高透明度，提升绿色生产效率、减少碳排放，并吸引民间资本投向低碳项目。实证研究已证实，绿色金融工具在推动绿色技术创新、降低企业碳排放、提升能源利用效率方面具备显著效果，还能产生空间溢出效应，改善区域减排绩效。但绿色金融发展仍面临诸多挑战，区域发展不均衡、民营企业准入渠道有限、制度约束等问题，可能削弱其包容性与长期实施效果。此外，相关研究强调，绿色金融需与配套财政政策、健全的治理框架相结合，才能充分发挥作用。尽管绿色金融相关研究已取得诸多进展，但鲜有研究系统探讨绿色金融能否同时提升能源安全水平、推动脱碳进程，尤其是在两大目标高度交织的电力行业。绿色金融的实施效果，不仅取决于其对清洁能源投资的推动作用，还在于其能否为电网升级、能源存储、需求侧响应体系等配套基础设施建设提供支撑。
现有研究围绕绿色金融与环境质量展开了大量探讨，但绿色金融对能源安全的影响仍有待深入研究，尤其是其在电力市场中实现能源安全与减排双重目标的作用机制。能源三元悖论框架强调，能源安全、环境可持续性与经济可承受性三者之间存在内在权衡关系，本研究并未假设这三大目标可同时实现，而是将分析重点聚焦于能源安全与环境可持续性的相互作用 —— 这也是中国电力行业绿色金融政策明确的核心发展重点。本研究认可经济可承受性是一项约束条件，但该议题超出了本文的研究范畴。因此，本研究的研究目标为探讨绿色金融如何缓解（而非彻底解决）脱碳与能源安全之间的矛盾。为弥补现有研究缺口，本文构建了独特的指数体系，对中国区域低碳能源安全水平（LCES）进行量化测度，并实证检验绿色金融对该指数的影响。受数据可得性限制，低碳能源安全指数（LCESI）在省级层面构建；同时，为补充区域层面分析、更精准评估政策实施效果，本文利用企业碳排放数据将实证分析延伸至企业层面。这种结合区域与企业的双重分析视角，能够从结构和行为两个维度对电力行业低碳转型进行全面评估。
研究结果显示，在研究期内，中国省级LCESI整体呈上升趋势，而省级电力企业的碳排放指数则持续下降。值得关注的是，绿色金融政策在高耗能地区和自然灾害高暴露地区提升LCES的效果尤为显著。企业层面的进一步分析表明，绿色金融对企业减排具有统计意义上的显著正向作用，且在股权集中度高、创新能力先进、数字化水平突出的国有企业中，这一效应表现得更为明显。机制分析结果显示，机构投资者持股、股权制衡、管理层持股等因素在绿色金融的减排效应中发挥调节作用。
研究亮点
本研究从研究主题、分析视角、研究方法三个方面，对绿色金融与能源安全的现有研究体系做出重要补充，提出了新的研究见解。
第一，在研究主题方面，现有研究往往将能源安全与气候目标割裂探讨，甚至将二者视为相互冲突的发展重点，而越来越多的研究强调需关注二者的内在关联。在电力行业中，整合这两大研究维度尤为关键，因为行业脱碳举措会直接影响能源的可获得性、可靠性与经济可承受性。现有绿色金融研究多聚焦于其在推动碳中和、促进企业创新、完善金融体系方面的作用，而对绿色金融如何重塑能源安全格局的探讨较为有限，尤其是在低碳转型的压力背景下。
第二，在研究方法方面，本文采用省 - 企双尺度实证分析策略，将省级能源基础设施、市场环境数据与上市电力企业碳排放数据相结合。从宏观视角界定能源安全（聚焦电网系统可靠性），同时从微观视角阐释能源安全（聚焦企业碳排放水平）。这种综合分析方法具有必要性，因为电力行业的减排效果不仅取决于生产侧的碳排放变化，还与需求侧的能源消费结构转型密切相关。例如，在农村地区推广电采暖替代家庭燃煤取暖，虽能改善当地空气质量，但也可能导致电力需求大幅增加，进而推高整个电力系统的碳排放。
第三，在分析视角方面，本研究基于股权集中度、创新能力、数字化水平等企业特征，开展了深入的异质性分析。与现有多从行业整体层面评估绿色金融影响的研究不同，本文结合公司金融视角，探讨了绿色金融政策影响企业减排的具体作用机制，并检验了机构持股、股权制衡、公司治理结构等因素对绿色金融实施效果的调节作用。
研究结果
研究假设：
H1：绿色金融政策对区域LCES具有正向影响。
H2：绿色金融对LCES的影响在易受灾或高能源需求省份更为显著。
H3：绿色金融政策降低电力企业碳排放。
H4：绿色金融通过机构投资者持股、股权制衡、管理层持股等公司金融治理机制影响企业排放。
H5：绿色金融对碳排放的影响在股权集中度高、创新能力先进、数字化水平强的国有企业中更为显著。
1.LCES的变化特征
基于定义的维度与收集的数据，计算2012-2022年LCESI（如图4所示）。《中国统计年鉴》《中国能源统计年鉴》《中国电力统计年鉴》最新版本（2023年出版）提供了截至2022年的数据；此外，其他关键变量的最早可用数据可追溯至2012年。因此，本研究采用2012-2022年数据。图4描绘了LCES（以下简称“指数”）的趋势，该指数整合了四个关键类别：可获得性（A1）、可及性（A2）、可负担性（A3）、环境（A4）。指数从2012年的-0.07上升至2022年的0.128，增幅约1.82倍，表明过去十年中国电力系统的稳定性与可靠性显著提升。尽管期间指数出现一定波动，但整体相对稳定，2017年后呈稳步上升态势。这一模式表明，尽管各单独类别存在变异，但低碳能源安全的整体趋势积极且稳定。实证分析在两个不同层面进行：第一组回归评估绿色金融政策对区域LCES的影响；第二组分析绿色金融如何影响企业层面碳排放。
图4还突出展示了四个类别的单独变化：2012-2015年，可获得性与可及性经历了相当大的波动，尤其是可及性在2013年达到峰值后逐渐下降，而可获得性虽有变异但无明显趋势。根据《中国电力统计年鉴》数据，2014-2016年A2（可及性）的下降主要归因于部分地区平均停电时间增加与供应可靠性降低——这些中断受特定省份极端天气条件与基础设施老化影响。2017年后，基础设施投资推动了更稳定的上升趋势。2015年起，可获得性与可及性趋于稳定，波动减少；2017年后，趋势更为一致，反映这些维度进入更成熟稳定的阶段。相比之下，2012-2015年，可负担性与环境呈下降趋势。
尽管A4反映逐年下降，但这一模式与更广泛的低碳转型过程并不矛盾。该指标基于上市电力企业的标准化碳排放构建，即使整体能源系统向低碳强度转型，电力需求增长仍可能导致这些排放上升。此外，计算中纳入了废物处理、工艺热等间接排放类别——这些成分可能抵消可再生能源扩张带来的环境收益。2015年起，这些间接类别呈现反弹模式：早期下降后稳步上升；2017年后，这一上升趋势持续，表明可负担性与环境绩效均取得实质性进展，后续年份两个维度均持续改善。A4指标的短期不一致也可能与国家政策信号与企业层面报告实践的差异相关，这可能导致实际排放趋势与报告标准化值之间的暂时偏离。
2.绿色金融试点政策对LCES的影响
本节使用方程（1）估计绿色金融试点政策的初始影响，以LCES为被解释变量。表3列（1）与（2）的结果分别对应采用等权重法与PCA构建的能源安全指数。尽管两种设定中绿色金融对省级LCES的估计系数均为正，但在统计上不显著。这一结果不应被解释为无效应，而是表明在当前模型设定与数据限制下，无法检测到稳健关联。为确保DID设计的有效性，进行了额外诊断检验：附录表A3证实2017年前试点与非试点省份具有可比性；附录图A1报告了省级事件研究系数，支持平行趋势假设；附录图A2呈现了安慰剂随机化检验结果。为解决集群数量适中的担忧，遵循Cameron与Miller的方法，进行野生集群自助法t推断——自助法p值函数表明估计系数完全处于相应置信区间内，证实推断不受集群数量适中的影响，且估计处理效应统计不显著且稳健。为应对同期环境政策的潜在干扰，回归中纳入中国碳排放权交易体系（ETS）作为额外控制变量——通过考虑ETS参与，估计政策效应反映了碳市场之外的变异，结果在方向与统计显著性上均保持稳定，表明观测到的绿色金融试点效应并非由ETS相关因素驱动。
进一步估计中介式回归，考察企业层面减排如何反映在省级指数中——在设定中加入环境子指数A4后，A4的系数较大且高度显著，表明该维度有效捕捉了企业汇总排放的变化；政策指标仍不显著，表明仅环境绩效改善不足以改变复合LCES；其他三个维度（可获得性、可及性、可负担性）对政策的响应较弱，因此A4的改善在完整指数中被稀释。这一证据表明，省级结果不显著是由各维度的异质性响应导致，而非指数设计缺陷。
为考察政策有效性是否在不同能源消费水平的省份存在差异，引入能源消费与政策实施的交互项。表3列（3）的结果显示，交互项系数显著为正，表明政策对LCES的影响随能源消费水平的提高而增强。这一发现表明，绿色金融政策在高能耗地区促进低碳能源安全的效果更为显著，与Liu等人的研究一致——他们发现绿色金融政策通过优化能源消费结构、提高能源效率，推动中国低碳发展。本研究结果强化了这一视角，表明能源消费作为中介变量，放大了绿色金融政策对低碳能源安全的正向影响。
此外，考虑到能源安全高度依赖电力基础设施稳定性，且自然灾害可能破坏这种稳定性，纳入自然灾害直接经济损失的交互项，考察其对政策结果的影响。表3列（4）的结果显示，该交互项系数显著为正，表明随着自然灾害经济损失的增加，绿色金融政策对LCES的影响更为显著。在自然灾害高发地区，重建需求与低碳转型的强烈动机可能推动政策有效性——这些面临大量重建需求的地区，受益于绿色金融政策提供的财政支持，在灾后重建过程中促进清洁能源与低碳技术投资；此外，频繁遭遇自然灾害的地区可能对气候风险更为敏感，更倾向于采用旨在减轻未来灾害频率与严重程度的低碳措施。中国政策制定者也倾向于优先支持灾害损失较大的地区，这进一步增强了绿色金融政策在这些高风险地区的有效性，使其对低碳能源安全的影响尤为显著。假设H4得到支持。
为支持这一解释，既有研究表明，面临高需求压力或反复暴露于自然冲击的地区，更有可能从以灵活性为导向和韧性建设的投资中获益——这些投资改善电网稳定性并减少可再生能源波动性的不利影响，这解释了为何韧性增强机制在这些省份更为主导。这一模式与Denholm等人与Sinsel等人的研究结果一致，他们均强调储能、互联与系统灵活性在强化能源系统韧性中的关键作用。相比之下，已拥有高比例可变可再生能源的经济发达地区，当可再生能源扩张速度超过系统灵活性增长时，可能面临短期产出波动性增加。多项研究表明，此类情况加剧了平衡挑战，并可能暂时削弱能源安全。
这些发现与Li等人的研究一致——他们认为区域层面绿色金融政策的有效性往往受基础设施准备度、行政能力以及政策工具在各省碎片化实施的差异限制。基准模型中观测到的不显著平均效应可能反映了这种结构性异质性。相反，高能耗与易受灾地区的显著交互效应表明，在低碳投资需求更为迫切或政策激励与区域挑战更紧密契合的地区，绿色金融政策更为有效。实践案例进一步支持本研究结果：例如，同为绿色金融试点的内蒙古与河北，已实施针对性工具，如用于可再生能源投资、基础设施升级、灾后恢复的绿色债券。这些地区利用绿色金融工具不仅促进能源转型，还强化能源安全与气候韧性，与表3的研究发现一致。这些地区金融需求与环境紧迫性的契合，可能解释了观测到的政策有效性区域异质性。这表明，在脆弱条件下，韧性增强渠道倾向于主导；而在发达地区，波动性诱导渠道更为明显。
3.绿色金融试点政策对电力企业碳排放的影响
尽管区域层面结果整体不显著，但揭示了省份间的重要异质性，表明绿色金融政策在特定情境下可能更为有效。省级LCES反映能源系统的长期结构性特征，这些特征通常通过产能扩张、电网升级、能源来源多元化逐步演变；而企业层面分析捕捉了对融资改善与环境激励的更即时行为响应。企业层面减排可能提升环境可持续性，但未必立即转化为更高的区域能源安全——这取决于更广泛的基础设施与省际电力流动。实证研究表明，大规模省际输电使西部与北部省份能够向沿海需求中心出口电力；关于电力流动中隐含碳强度的证据进一步表明，进口电力的排放因子往往与本地发电不同，导致省级层面生产侧与消费侧排放的显著差距。因此，省级层面效应不显著可能代表一个渐进且滞后的调整过程，而非完全无政策影响。为进一步探索这些政策的有效性并更好理解其影响渠道，研究将焦点转向企业层面——在此，低碳转型可通过碳排放数据更直接地衡量。这一微观层面分析为绿色金融如何促进电力部门低碳转型提供了补充证据。
表4呈现了估计结果：具体而言，列（1）显示总碳排放的结果，列（2）至（5）分别显示化石燃料燃烧、生物质燃料燃烧、生产过程、固体废物焚烧的结果。结果表明，绿色金融政策显著减少电力企业碳排放，尤其是估计系数-0.6248表明，绿色金融政策使企业碳排放减少约0.62个标准差，表明低碳绩效显著改善。由于化石燃料燃烧是电力企业碳排放的主要来源，这些发现表明绿色金融政策有效激励企业采用风能、太阳能、水电等清洁能源替代传统化石燃料——这通过绿色金融工具提供的财政支持与优惠条件（如低息贷款、税收减免、政府补贴）实现。这些政策已被证实能有效促进电力部门向清洁能源转型并减少碳排放。企业层面研究结果与关于绿色金融工具减排效应的既有文献一致：Chai等人发现，中国绿色信贷渠道显著减少高耗能行业的企业层面碳排放；同样，Zhang等人强调绿色债券在提升企业低碳投资中的作用。为应对自报排放数据可靠性的担忧，进行了一系列验证与稳健性检验：如附录表A4所示，报告排放量与收入、企业规模呈强相关，而强度型指标与规模变量呈弱关联——这一模式与经济逻辑一致，表明数据内部一致性。这些结果表明，尽管自报噪声可能增加方差，但并未对识别引入系统性偏差，主要研究发现保持稳健。
3.1.平行趋势检验
DID反事实框架假设处理组与对照组满足平行趋势假设——这意味着在没有绿色金融政策的情况下，试点与非试点省份电力企业碳排放趋势将遵循相同模式。此外，基准回归结果捕捉了绿色金融试点政策对碳排放的平均效应，但未解决效应的时间变异。
图5呈现了总碳排放的γi估计结果及95%置信区间。绿色金融政策实施前六年，γi值均不显著，表明政策引入前处理组与对照组差异极小，支持平行趋势假设。此外，图5显示从政策年份开始至第四年，γi呈下降趋势，进一步强化了方程（2）结果的稳健性。
3.2.安慰剂检验
DID模型的一个潜在问题是不可观测的时变企业特征可能影响估计结果——尽管先前分析控制了不随时间变化的企业固定特征，但某些特征可能随时间变化并影响假设识别，而当前模型未捕捉这些时变影响。为应对这一担忧，进行安慰剂检验以验证结果稳健性。该检验在“无政策效应”假设下进行多次估计，以确定显著结果是否偶然出现。
结果如图6所示，横轴表示估计安慰剂系数，纵轴表示密度——结果表明大致以0为中心分布。这种围绕零 ̂ βplacebo 的分布与安慰剂检验的预期一致，支持主要研究发现的稳健性，表明主分析中观测到的显著效应不太可能源于随机变异。
3.3.其他稳健性检验
接下来，通过五个额外渠道进一步检验方程（2）结果的稳健性，结果如表5所示：第一，仅放松企业层面控制；第二，仅放松省级层面控制；第三，同时放松企业与省级层面控制；第四，采用省级聚类标准误，以解决省级层面自相关导致的潜在偏差；第五，使用随机效应模型作为替代，检验模型稳健性。表5结果显示，所有检验中绿色金融系数均在1%水平统计显著，负系数保持一致，处理效应依然显著且实质性，强化了主要发现的稳定性。
为进一步解决企业层面排放空间归属的潜在担忧，根据企业注册总部城市与其主要经营城市是否一致，拆分样本进行额外稳健性检验。结果如表5列（6）与（7）所示：两种情况下，绿色金融的估计系数均为负且统计显著，与基准发现一致。具体而言，当样本限制为注册总部与主要经营城市不一致的企业时，绿色金融系数为-0.6744（p<0.01）；而对于注册与经营地点一致的企业，系数仍为负且显著（-0.5522，p<0.01）。
为确保企业层面CO₂排放数据的可靠性并避免自报数据产生的偏差，采用基于估计的排放数据进行稳健性检验。表5列（8）报告的关键系数仍显著为负（-0.2073），表明绿色金融对企业层面碳排放的影响对替代数据构建具有稳健性。
3.4.影响机制分析
利用企业层面数据，研究发现绿色金融试点政策有效减少中国电力企业碳排放。本节通过考察机构投资者持股、股权制衡、管理层持股三个因素的作用，探索这一效应背后的机制。纳入每个因素的交互项，评估其对碳排放的影响。机制分析在DID框架内进行——绿色金融试点作为中央政府引入的政策冲击，可被视为外生于单个企业。本节旨在识别绿色金融影响企业低碳转型的关键传导渠道，而非估计新的结构性因果效应。具体而言，采用机构投资者持股占总流通股的比例作为机构投资者持股的代理变量；第二大股东持股与第一大股东持股的比例作为股权制衡的代理变量；管理层持股占总股份的比例作为管理层持股的代理变量。结果如表6所示。
表6列（1）显示机构投资者持股的效应：负系数表明，机构持股比例越高，绿色金融政策减少碳排放的影响越强。这可能源于机构投资者对公司治理施加的长期视角与影响力——机构投资者通常更倾向于促进可持续实践，将资源高效配置于可持续项目，并鼓励电力企业响应绿色金融政策，采用低碳措施。
表6列（2）显示股权制衡的结果：正系数表明，更平衡的股权结构增强了绿色金融政策减少碳排放的有效性。当股权结构更平衡（第二大股东持股占第一大股东持股的比例更高）时，意味着决策权集中度降低；这种更公平的股权分布有助于更好地与环境政策保持一致，因为不同股东利益可能更有效地汇聚于长期可持续目标，从而强化绿色金融政策对减排的影响。
表6列（3）呈现管理层持股的结果——交互项系数显著为正，表明随着管理层持股比例的降低，绿色金融政策减少碳排放的有效性提高。这一发现与Sautner等人的研究一致，他们认为管理层技能影响企业向绿色经济的适应能力：当管理层持股较低时，管理层可能更关注短期财务绩效，由于低碳举措成本较高且回收期较长，可能将其置于次要地位；相反，较高的管理层持股可能导致管理层偏好回报更快的项目，而非长期减排投资，从而削弱政策对减排的影响。为减轻潜在的处理后偏差，在构建机制变量时，使用机构持股、股权制衡、市场份额的滞后值（L1）——使用滞后值时结果保持一致，证实结论并非由同期反馈效应驱动。企业与年份固定效应，以及一期滞后中介变量的使用，有助于减轻潜在的同时性与预期性担忧。这种简约形式方法清晰且实证基础扎实地展示了绿色金融政策如何通过治理、创新、技术路径影响企业层面行为。
本研究通过揭示绿色金融的有效性在不同企业并非均匀分布，而是取决于股权结构、创新能力、数字化水平，进一步拓展了这些研究。这些结果强调了企业内部特征在塑造金融政策工具传导中的重要性。若干实践案例阐明了这些实证模式：中国电力市场的两大主要参与者——国家电网公司与中国华电集团，积极发行绿色债券并获取低成本资本，为太阳能光伏项目、生物质混燃改造、人工智能驱动的碳监测平台提供融资。这些企业对绿色金融机制的积极采用，反映了其更强的政策响应性与资源动员能力，尤其是在国有企业与数字化先进实体中，与表6和表7的异质性结果一致。假设H5得到实证支持。
3.5.异质性检验
3.5.1.企业层面所有权类型的影响
在中国，国有企业受益于大量政府支持，包括财政援助与优惠政策——这种支持通常使它们在资本获取、监管优惠、战略资源等方面具有竞争优势。因此，本研究将中国电力企业分为民营企业与国有企业两组，使用上述建立的模型评估绿色金融试点政策对每组的影响。结果如表7列（1）与（2）所示。
结果表明，国有企业与民营企业的碳排放均显著减少，民营企业的绝对减排量略高于国有企业；然而，国有企业减排的显著性更高，而民营企业的显著性较弱。尽管国有企业的绝对减排量略小，但回归结果中显著性更高，可能由以下因素解释：首先，国有企业通常获得更多政策支持，资源获取渠道更广泛，这放大了绿色金融政策干预的影响；其次，国有企业往往表现出更强的社会责任感，对政策变化的响应更为积极，从而强化了回归分析中观测到的政策效应；最后，国有企业集中化的治理结构可能使外部因素产生更直接的影响，而更市场化的民营企业在统计显著性方面对政策干预的响应相对较弱。
3.5.2.企业层面股权集中度的影响
既有研究表明，股权结构影响企业碳排放。本研究通过第一大股东持股占总流通股的比例衡量股权集中度，并根据股权集中度的中位数，将企业分为两组：高股权集中度组（高于中位数）与低股权集中度组（低于中位数）。使用上述设定的模型，考察绿色金融试点政策对这两组的影响，结果如表7列（3）与（4）所示。
对于股权集中度较高的企业，绿色金融政策对碳排放的负向影响更为显著，超过基准回归结果；这种效应也比股权集中度较低的企业更为突出。近期研究表明，集中的股权通过减少代理摩擦、加速决策执行，提高绿色投资效率与环境绩效。若干因素可能解释这些发现：首先，在股权高度集中的企业中，第一大股东通常对战略决策拥有相当大的影响力，导致他们优先考虑长期价值保护与绿色政策遵守——这种一致性可能使企业对旨在减少碳排放的绿色金融举措做出更强响应；此外，股权集中度较高的企业通常面临更少的股东利益冲突，有助于更快、更有效地制定低碳投资决策；相反，在股权集中度较低的企业中，分散的股权结构可能稀释绿色金融政策的影响，因为优先级各异且影响力有限的股东可能缺乏执行低碳战略的能力。
3.5.3.企业层面绿色创新的影响
研究表明，绿色创新有助于减排。值得注意的是，受气候变化风险高度影响的行业（如电力部门），次年绿色专利往往会增加。为考察创新在绿色金融试点政策有效性中的作用，使用绿色专利申请总数的自然对数作为创新的代理变量，将电力企业分为“高创新”与“低创新”两组，并使用方程（2）重新评估政策影响。
表8列（1）与（2）的结果表明，对于高创新组，绿色金融试点政策对碳排放的负向影响比基准模型更为显著；相比之下，低创新组的估计系数虽也显著，但小于基准模型。这表明绿色金融试点政策对创新能力较强的电力企业碳排放的影响比创新能力较弱的企业更为突出。技术创新通过提高能源利用效率、优化流程，显著改善企业碳绩效。当绿色金融放松融资约束并专门为低碳项目提供资金时，创新密集型企业能够更快地识别、采用并扩大绿色技术规模，使相同额度的绿色信贷转化为更大幅度的减排。
3.5.4.企业层面数字化的影响
中国数字化在推进碳中和方面既带来了挑战，也创造了机遇，其应用涵盖硬件制造、基础设施建设、能源使用与消费过程、上下游供应链管理以及城市发展。企业的数字化转型战略通常体现在其年度报告中，这些报告概述了战略方向、核心经营理念与发展路径——报告中的词汇提供了关于战略重点与未来展望的洞见，使通过“数字化转型”相关术语的频率评估企业数字化转型水平成为可能。
本研究采用Python网络爬虫，收集并整理沪深交易所所有上市电力企业的年度报告；利用JavaPDFBox库提取文本内容，创建综合数据池；然后搜索并统计人工智能、区块链、云计算、大数据等代表关键技术方向的关键词频率；这些术语的累积频率被用于构建评估每家企业数字化转型水平的指标体系。数字化水平高于中位数的企业被归类为高数字化组，低于中位数的企业被归类为低数字化组。表8列（3）与（4）的结果表明，绿色金融政策对高数字化组碳排放的影响略高于低数字化组。这表明数字化转型在一定程度上提升了电力企业实施绿色金融政策的响应性与有效性。数字化转型通过提高生产力、缓解融资约束、提升能源效率绩效，显著减少污染排放与碳强度，从而使企业能够更有效地将绿色金融资源转化为碳减排成果。结果证实假设H5成立。为进一步证实绿色金融的异质性效应，提供了企业融资条件与能力结构的补充证据——附录表A5-A7报告了国有企业与非国有企业、高股权集中度与低股权集中度企业、高创新与低创新企业的双样本t检验结果。
研究展望
本研究也存在若干局限性：首先，受限于企业层面碳排放的详细数据，未来研究可进一步分析绿色金融对碳泄漏的影响（绿色贷款主要惠及低碳行业，可能给易受碳泄漏影响的制造业带来挑战）；其次，未来研究可纳入具体案例分析，探索绿色金融与能源安全的关系；此外，绿色金融政策可能产生空间效应，其与数字经济发展的交互会引发空间溢出效应，影响范围不仅限于单个城市，还包括更广泛的区域能源格局。为提升政策评估的全面性，未来研究可考虑整合空间计量模型，更充分捕捉这些效应；企业层面分析以企业注册地定义政策暴露度，虽符合中国制度治理结构并反映政策实施的实际渠道，但可能无法完全捕捉电力运营的空间异质性；最后，省级层面结果不显著的结论需谨慎解读，这可能源于样本量相对较小、政策影响需更长时间才能显现，或省级层面效应被其他同期因素部分抵消。未来研究可通过采用更长面板数据、纳入更多控制变量、应用替代识别策略等方式，更好地捕捉潜在的滞后效应或间接效应。
初审：胡锦华
审核：徐彩瑶
排版编辑：徐娴雅
文献推荐人：徐娴雅
热门跟贴