
为深入贯彻生态文明建设战略,中国将绿色发展提升至前所未有的高度。继2020年提出实现碳达峰碳中和的宏伟目标后,2022年党的二十大进一步强调“推动绿色发展,促进人与自然和谐共生”的重要理念,推动越来越多企业进行绿色转型(刘锦华等,2024;祁怀锦和刘斯琴,2023)。绿色金融作为关键政策工具,其实施效果备受关注。2017年6月,国务院部署设立绿色金融改革创新试验区,率先在浙江、江西、广东、贵州、新疆五省(区)开展试点,标志着中国绿色金融发展进入区域性先行先试的新阶段。然而,政策影响并非局限于试点地理边界之内。在高度联结的供应链网络中,试验区内核心客户企业所承受的绿色转型与合规压力,可能向上游非试验区供应商外溢传导。对部分供应商而言,实质性绿色转型往往面临成本高、周期长的现实约束,而满足大客户绿色偏好、维系关键合作关系的压力又亟须解决,这可能促使其采取“漂绿”策略,即通过夸大、虚假的环境信息披露或误导性宣传,塑造符合利益相关方期待的绿色形象。这一潜在风险意味着,绿色金融政策的效应评估需突破地理边界限制,从供应链网络视角审视其跨区域溢出效应。这既是准确研判政策成效的关键,也是防范政策红利被异化、确保绿色资源精准配置的必然要求,更关乎绿色发展理念在微观层面的真正落地。
然而,绿色金融政策的供应链溢出效应及其潜在风险尚未得到充分探讨。尽管既有研究为理解绿色金融政策对企业行为的影响奠定了重要基础,但仍存在两方面不足:一方面,现有研究大多聚焦于政策对试点区域内企业的直接影响(杜兴强等,2024;郝向举等,2024),普遍忽视了政策通过供应链网络向非试点地区扩散的跨区域溢出效应。虽然科技金融等类似政策的供应链创新溢出已受到关注(曹廷求和彭文浩,2024),但绿色金融政策是否以及如何影响上游供应商的环境行为,尤其是否诱发了“漂绿”等非预期后果,仍有待深入检验。另一方面,现有对企业“漂绿”成因的探讨,大多聚焦于企业内部治理特征或外部宏观制度压力(苏冬蔚和刘子茗,2023),而从供应链上下游关系视角,解析客户压力驱动供应商“漂绿”的内在逻辑与实现路径的研究仍相对匮乏。因此,连接绿色金融政策与非试点地区企业“漂绿”行为的供应链传导机制,构成了当前研究的重要缺口。这一缺口既制约了对绿色金融政策微观效应的全面评估,也不利于在供应链环节精准防范政策资源被“漂绿”行为侵蚀。
本文从供应商—客户关系视角出发,关注绿色金融改革创新试验区政策可能引致的供应链非预期后果。本文所称客户主要是指供应商披露的前五大客户(核心客户),并据此刻画供应链压力传导。核心企业对政策的响应,可能通过订单分配、技术标准设定等渠道向上下游企业传导,形成供应链溢出效应,该传导机制已在学术研究与企业实践中得到印证(曹廷求和彭文浩,2024)。例如,Dai等(2021)的研究发现,企业社会责任存在从客户到供应商的单向传导,且该传导效应会随供应链关系终止而消失,这为本文分析绿色金融政策通过供应链传导提供了重要理论支撑。现实案例亦表明,核心客户的环保要求可能诱发上游企业的策略性披露行为,从而形成表面合规现象。以苹果公司(Apple)为例,其提出严苛环保标准后,多家供应商被曝光采用“掐尖”策略,把清洁电力等绿色资源集中配置于单一产品线,通过小众产品快速实现碳中和等方式“漂绿”,而非进行实质性、系统性的绿色转型。
为回答上述问题,本文基于2012—2022年A股上市公司数据,采用华证ESG指数与彭博ESG指数来共同构建企业“漂绿”指标,从供应商—客户关系视角深入考察绿色金融改革创新试验区内的客户对非试验区供应商“漂绿”行为的影响。为排除绿色金融政策对供应商的直接影响,本文在样本中剔除了自身位于绿色金融改革创新试验区的供应商。本文的边际贡献主要体现在以下三方面:一是拓展了绿色金融政策效应评估的研究视角。现有研究大多聚焦政策对试验区企业的区域内直接效应,而本文将研究对象由试点地区企业自身延伸至其供应链上游关联企业,揭示政策效应沿供应链跨区域传导的外溢影响,并利用供应商—大客户匹配关系提供微观识别证据,弥补了对关系网络传导渠道的关注不足。二是丰富了非预期后果机制的理论化解释。基于舞弊三角理论,从“压力—借口—机会”三个维度系统刻画供应链压力诱发“漂绿”的内在逻辑,揭示绿色金融政策在强化绿色治理的同时可能伴生“漂绿”的非预期后果,为理解政策效果提供了更具解释力的机制框架。三是明确了政策作用边界并提炼针对性治理启示。遵循“外部压力输入—内部决策转化—治理约束调节”的逻辑思路,考察客户稳定度、高管绿色认知与媒体关注度情境因素的异质性作用,进而明确政策溢出效应在何种企业与何类治理环境下更易被放大。研究结论可为破解绿色金融政策碎片化引发的监管协同问题、纠正绿色金融资源错配提供实证依据,同时引导核心企业构建真实、绿色、高效的供应链体系,回应企业绿色供应链治理的实践需求,对推动绿色经济高质量发展具有重要的理论与现实意义。
二、政策背景与理论分析 (一) 政策背景改革开放四十余年来,中国经济建设取得了历史性成就,但也累积了诸多生态环境问题。绿色金融作为兼顾经济效率与生态效益的政策工具,成为破解生态难题、推动可持续发展的关键抓手。在此背景下,“十三五”规划纲要明确提出“建立绿色金融体系”的战略目标。2017年6月,国务院出台绿色金融改革创新试验区政策,并选定浙江、江西、广东、贵州、新疆五省(区)作为首批试点区域。试点区域涵盖东、中、西部,代表性强且各有侧重。其中,浙江、广东作为东部沿海经济发达省份,依托成熟金融体系引领绿色金融产品创新与组织架构优化;江西、贵州地处中西部,凭借丰富生态资源推动产业结构绿色转型;新疆维吾尔自治区立足西部区位优势,探索绿色金融赋能经济发展的新模式。随着改革推进,2022年6月新增重庆市为试验区,至此正式形成“六省(区)九地”的试点格局,初步构建起完整的绿色金融立体发展体系。自绿色金融改革创新试验区设立以来,各试验区在绿色金融领域取得了显著成效,不仅为完善国家和行业标准提供了实践依据,还为绿色产业发展和传统企业绿色转型拓展了多元化融资途径。
(二) 供应链视角下绿色金融改革创新试验区政策对企业“漂绿”的影响1.企业“漂绿”的概念界定及影响因素。企业“漂绿”是指企业通过虚假宣传、夸大宣传或者传播误导性信息等方式,对外塑造出可持续发展的环保形象,却未实际履行相应环保责任的行为(解学梅等,2024)。既有研究普遍认为,企业“漂绿”的产生受内部因素与外部制度环境因素的共同作用。
基于内部因素,研究主要聚焦于管理层特征与经营状况。管理层作为战略决策核心,其绿色认知水平直接影响企业环保战略与行动导向,高管绿色认知不足显著加剧企业“漂绿”倾向(李航,2024;谢海娟等,2024)。同时,由于“漂绿”具有一定风险,其发生往往依赖足够的收益驱动,企业的业绩期望落差与外部资本利益关系成为触发“漂绿”的关键变量(李大元等,2015)。当业绩未达预期或落差扩大时,企业更可能通过“漂绿”策略进行形象修复与风险转移(邹艳芬和肖志文,2024)。此外,机构投资者持股对企业行为选择具有显著影响,共同机构持股可能强化企业短期压力,加剧“漂绿”风险(王暖欣和张双鹏,2024);而当机构投资者的绿色关注度上升时,也可能在“绿色偏好”压力下诱发企业更易采取象征性绿色行为(张云和杨振宇,2024)。
基于外部因素,相关研究大多从政策环境(吴烨伟等,2023)、社会制度(李传轩和安妮,2025)与产业环境(陈玲芳,2023;黄溶冰等,2020)等维度解释企业“漂绿”的生成机制。Delmas和Burbano(2011)、王凤荣和王康仕(2018)指出,政府环境监管的制度性缺陷是企业“漂绿”的重要诱因,而信息不对称为其提供了操作空间(陈建宇等,2025)。在市场激励型环境规制下,绩效较差企业更倾向于通过“漂绿”获取市场认可与资源支持(肖芬蓉和黄晓云,2016)。同时,环境信息披露制度尚不健全(许黎莉等,2024),企业披露信息缺少第三方有效核查(吴秋生和任晓姝,2023),进一步放大了“漂绿”可能性。相对而言,第三方环境鉴证与行业专长审计形成双重约束,有助于压缩企业“漂绿”空间并提升信息披露真实性(Parguel等,2011)。
2.绿色金融改革创新试验区的经济效应研究。现有文献对绿色金融改革创新试验区政策的研究已取得较为丰富的成果,主要从微观企业与宏观区域两个层面展开。在微观层面,研究普遍肯定政策的正向激励效应,认为其能够有效提升企业创新能力(时省和张亚,2024)、提高绿色经济效率(赵亚雄等,2023),并通过强化环境约束机制倒逼污染企业履行社会责任(沈璐和廖显春,2020)、改善企业环境绩效(Jiang等,2022;Pan等,2020)。在宏观层面,该政策有助于驱动产业绿色转型升级(金环等,2022)、推动城市减污降碳协同治理(马莹莹等,2024),并促进能源减贫与可持续发展(Hu等,2024),呈现出多维度的综合效应。与此同时,也有研究指出,绿色金融政策在创造正向激励的同时,也可能引发企业的策略性应对行为,从而产生非预期后果。绿色金融政策的试点推行,不仅引导资源向绿色领域倾斜(杜兴强等,2024;郝向举等,2024),也显著提升了企业的合规压力与市场竞争强度(胡剑波等,2024)。在实质性绿色转型成本较高、收益兑现周期较长的情况下,部分企业可能更倾向于采取“迎合式”策略以满足政策要求。丁杰等(2022)指出,管理层可能通过选择性披露环保信息来塑造绿色形象。张岳和周应恒(2021)则进一步警示,在信息不对称情境下,融资方的“漂绿”行为可能侵蚀政府绿色金融政策红利,进而削弱政策绩效。
3. 供应链视角下的绿色金融改革创新试验区的“漂绿”溢出效应。目前,鲜有研究从供应商—大客户的供应链视角系统考察绿色金融改革创新试验区政策对企业“漂绿”行为的影响。事实上,供应链是企业获取真实市场需求最直接、高效的路径,企业往往通过识别核心客户特定需求针对性地调整自身经营决策。这种基于上下游协作的决策传导机制在产业生态中形成显著的供应链溢出效应。既有研究也为此提供了经验证据,如曹廷求和彭文浩(2024)发现科技金融政策存在创新溢出效应,能够显著提升非试点地区供应商的创新水平;朱俏俏和杨贝贝(2025)发现客户绿色转型能够推动供应商同步推进绿色转型。这些成果为本文基于供应链溢出效应视角来探讨绿色金融政策对企业“漂绿”行为的影响提供了重要逻辑支撑。聚焦绿色金融改革创新试验区政策,本文认为,绿色金融政策对试验区企业形成的外部绿色约束,并不会止步于企业边界,而是会通过供应链治理机制向上游供应商传导,并在供应商资源能力约束下催生其“漂绿”行为,形成“政策施压—客户供应链压力传导—供应商策略响应”的完整逻辑链条。
首先,政策施压触发核心企业绿色治理。如前所述,绿色金融改革创新试验区政策对试验区企业的绿色转型激励效应已得到众多文献证实。该政策通过信贷配给效应,以绿色信贷、财政补贴等政策红利为激励,引导试验区企业满足更严格的碳排放与能耗标准(郝大鹏等,2025)。这既推动了企业自身绿色转型,也促使其将环保要求纳入供应链管理,启动对上游供应商的绿色治理(钱先航等,2025)。
其次,核心企业为满足融资合规与绩效考核要求,往往通过供应链契约与治理机制将政策压力定向传导至上游供应商,并伴随一定程度的责任外移。在实践中,核心企业可能通过提高采购环境标准、强化供应商绩效评估等方式,将外部政策约束转化为供应链内部的准入门槛与合规要求(谭建华等,2025)。例如,华为在2022年供应商碳减排大会上明确提出将绿色要求融入全流程采购管理;《重庆市梁平区绿色金融改革创新试验区工作方案》亦强调构建绿色供应链体系,鼓励核心企业优先选择获得绿色认证的供应商。这些实践表明,核心企业能够借助契约设计与治理工具实现政策压力的跨企业传递。从理论上看,该过程可由关系嵌入理论与供应链治理理论共同解释。前者强调核心客户与供应商长期互动形成的信任关系、信息共享与声誉约束,为绿色规范的执行提供“软约束”基础;后者则强调制度与契约安排的“硬约束”作用,核心客户通过明确合规标准、权利义务与奖惩机制,将政策要求转化为可操作、可追责的供应链规则,从而提升约束的可执行性与可监督性。然而,由于核心企业与供应商之间普遍存在权力不对称与信息壁垒,压力传导在强化治理的同时,也可能放大责任转嫁风险,使上游弱势供应商承担更高的合规成本与运营负担。
最后,当传导的政策压力与供应商自身资源能力约束相叠加时,供应商的“漂绿”动机可能被激发。客户企业对供应商提出的环保认证、碳足迹披露等硬性要求,虽然在形式上推进了绿色治理,但对资源有限、转型能力不足的中小型供应商而言,实质性绿色转型往往意味着高额资本投入与技术改造成本,短期内难以承受。与此同时,为维系与核心客户的合作关系、进入绿色供应链体系并间接获取订单稳定性与政策红利,供应商需要在较短期限内回应客户的绿色要求。在“真实转型成本过高”与“不回应则面临订单流失”的双重约束下,相较于长期且昂贵的工艺改进,象征性环保投入、选择性信息披露等低成本、见效快的策略性“漂绿”行为更可能成为其替代性选择,从而实现短期合规与关系维系的目标。由此,绿色金融改革创新试验区政策可能通过供应链压力传导机制,引发非试验区供应商产生“漂绿”行为。基于此,为检验供应链视角下绿色金融政策对企业“漂绿”行为的溢出影响,本文提出假说1。
假说1:绿色金融改革创新试验区内客户会导致非试验区供应商产生“漂绿”行为。
(三) 供应链视角下绿色金融改革创新试验区政策对企业“漂绿”的影响机制绿色金融改革创新试验区客户对非试验区供应商“漂绿”的溢出效应,主要通过供应链进行压力传递。基于舞弊三角理论,可从压力、借口和机会三个维度解析该影响机制。压力维度上,试验区内客户向非试验区供应商施加了来自交易关系与资本市场的双重压力:一是为维持合作关系、锁定大客户订单,非试验区供应商面临满足客户绿色要求的直接压力;二是外部投资者对绿色产业链的关注度提升,供应商需承受信息披露和环境表现的市场压力。上述双重压力叠加,使供应商更倾向于通过“漂绿”迎合利益相关者预期,以降低合作风险与市场风险。借口维度上,试验区内客户绿色需求的提升往往会推高非试验区供应商的绿色转型成本,进而加剧其经营约束。对供应商来说,技术改造、环保设备投入等成本可能在短期内挤压利润空间,导致企业陷入经营困境、融资困难(黄溶冰等,2019)。在此情境下,供应商更可能将成本过高、短期难以承受视为自我合理化理由,以低成本的符号化绿色行为替代实质性转型,从而缓解生存压力并维持外部评价。机会维度上,非试验区的监管力度相对薄弱,加之环境信息披露的复杂性和专业性,导致供应商的“漂绿”行为难以被及时识别与惩戒。这种监管薄弱状态降低了“漂绿”行为的违规成本,与压力、借口因素相互作用,共同强化供应商实施“漂绿”策略的动机与可行性。综上,试验区内客户因政策要求而施加的供应链压力形成行为动机,成本约束提供行为合理化借口,而监管薄弱则为此创造了实施条件,三者共同推动非试验区供应商“漂绿”。本文的逻辑框架如图1所示。
|
| 图 1 绿色金融政策对企业“漂绿”产生溢出效应的逻辑框架 |
1.强化上游绿色达标需求。绿色金融改革创新试验区政策通过绿色信贷、绿色债券发行便利、绿色补贴等激励措施,引导资金流向以环境友好与可持续发展为导向的企业(丁杰等,2022)。试验区企业在受到融资成本下降与资金可得性提升等正向激励的同时,也会面临绿色合规标准强化与环境监管约束趋严的外部压力。基于供应链治理理论,试验区客户可以通过绿色采购标准、环保认证要求等治理机制,将政策约束转化为对供应商的刚性绿色要求。一方面,试验区内严格的绿色要求迫使客户将供应商的环境表现纳入合作评价体系,从源头强化合作门槛;另一方面,绿色融资便利提升了核心企业维持绿色资质、获取政策红利的收益预期,使其更倾向于优先选择环境友好型供应商以巩固自身合规优势。在此情境下,供应商为锁定绿色大客户、维持合作关系以避免客户流失,往往被迫快速响应客户的绿色诉求。然而,真实环境治理具有明显的成本刚性与时间滞后性:企业需投入大量资金用于环保设备升级、清洁技术研发与环境管理体系建设,且成效往往需数年才能显现。与之相比,“漂绿”策略凭借低成本、高灵活性特征,容易成为供应商应对压力的替代性选择。尤其是在第三方核证机制不完善、监管识别能力有限的情况下,供应商更可能通过粉饰环境信息披露等方式,在短期内塑造合规形象,从而满足客户的表面绿色要求,而无需承担真实环境治理的高额成本。
同时,在绿色金融改革创新试验区的政策导向下,试验区客户倾向于打造全绿色供应链网络。基于市场信号理论,这是向市场释放绿色合规信号。作为供应链上游的供应商,为巩固合作关系并提升自身竞争优势,往往会对该信号作出积极回应,即通过塑造与核心客户相匹配的绿色形象,向外部市场传递其环境合规能力与绿色治理水平,从而稳固供应链地位、争取潜在资源支持,并更好地对接外部投资者对绿色可持续项目的高度期待与严格要求。绿色供应链对外部投资者具有较强吸引力,企业若能展示绿色生产流程、采用环保材料以及实施节能减排措施,往往会对投资者的风险评估与资产配置策略产生实质性影响。这种基于绿色价值的投资偏好还可能沿供应链关系向上游扩散,使上游供应商更容易进入投资者视野并获得资本关注(黎文靖和路晓燕,2015)。然而,上游供应商在回应外部投资者绿色偏好时,可能面临自身条件与实际需求不匹配的问题。当供应商在环境绩效、绿色技术或可持续管理能力等方面尚无法达到外部投资者标准时,为维持融资机会并维护企业形象,极有可能采取“漂绿”行为,即夸大环保成就或采取表面上的绿色措施以迎合投资者的偏好。此类行为不仅违背了绿色转型初衷,还可能误导消费者,损害公众对绿色产品和服务的信任。基于此,本文提出假说2。
假说2:绿色金融改革创新试验区内的客户通过强化上游绿色达标需求,引发非试验区供应商的“漂绿”行为。
2.推高上游绿色转型成本进而加剧经营压力。绿色金融改革创新试验区的设立,核心目标是借助政策激励与监管创新的双重合力,引导社会资金向绿色、低碳、环保领域的项目与企业倾斜,进而为经济结构绿色转型注入强劲动力。在这一政策背景与市场导向的共同作用下,试验区内客户在选择合作伙伴或供应商时,逐渐将环境绩效纳入核心评价标准,倾向于与环保表现优异的主体建立合作关系。客户绿色偏好的转变,从供应链层面产生显著传导效应,直接影响非试验区供应商:为了满足试验区客户的绿色合规要求、维持自身在供应链中的竞争地位,非试验区供应商不得不被动增加绿色环保投入。该传导性环境规制改变了企业成本结构,短期内加重了企业成本负担(王艳和于立宏,2023)。对原本绿色转型成本承受能力较弱的供应商而言,新增成本难以通过内部消化或外部转嫁有效缓释,最终可能转化为持续性的经营压力,进而压缩利润空间,扰动正常生产经营并削弱可持续发展能力。
供应商的绿色转型成本承受能力主要体现在盈利能力与融资约束两个维度:一方面,盈利能力较低的供应商在绿色转型成本上升后更易陷入经营困境,并引发股东回报下降、成长空间受限、研发投入被挤出等连锁反应。面对经营压力,企业通常会在“降本”与“增收”之间寻找应对策略,但在竞争激烈的市场环境中,通过提价转嫁成本往往难以实现;而绿色技术创新与流程改造需要长期投入,短期内难以形成显著回报。在收益难以快速兑现且成本压力显著上升的情境下,部分企业可能转向“漂绿”等低成本的策略性响应,以较小代价维持市场吸引力并满足客户对绿色形象的要求。另一方面,融资约束进一步放大了上述压力。绿色技术研发、设备更新与工艺改造通常伴随高额资金需求,对供应商形成明显的现金流压力。更严格的环保标准对原本融资受限的企业冲击更为突出(刘锦华等,2024)。因此,融资约束严重的非试验区供应商若进行真实绿色转型,将面临难以承受的经济压力,而“漂绿”策略不仅能规避经营压力,还能迎合客户的绿色偏好,从而成为更具短期可行性的策略选择。基于此,本文提出假说3。
假说3:绿色金融改革创新试验区客户的绿色偏好会推高非试验区供应商的绿色转型成本,加剧低绿色转型成本承受能力供应商的经营压力,进而强化其“漂绿”倾向。
三、数据样本与变量介绍 (一) 数据来源本文选取2012—2022年A股上市公司为样本,前五大客户数据和供应商主要财务数据来源于国泰安数据库(CSMAR),企业“漂绿”指标基于华证ESG和彭博ESG披露数据综合测算得出。对以下样本进行了剔除处理:金融行业企业、ST与PT企业、仅一年有效数据的企业、核心变量数据严重缺失的观测值。
(二) 模型构建与变量选取为考察绿色金融政策对企业“漂绿”行为的供应链溢出效应,构建模型(1)进行检验。
| $ {GWS}_{i,t}=\alpha +\beta DID+\gamma Controls+year+firm+{\varepsilon }_{i,t} $ | (1) |
1.被解释变量:非试验区供应商“漂绿”(GWS)。参考Hu等(2023)的研究,本文采用企业信息披露漂绿指数度量,定义为供应商ESG披露得分与ESG实际绩效得分的差值,由代表披露数据的彭博数据库与代表实际绩效的华证数据库共同刻画,计算方式见公式(2)。
| $ {GWS}_{i,t}=\left(\frac{{ESG}_{dis,i,t}-\overline{{ESG}_{dis}}}{{\sigma }_{dis}}\right)-\left(\frac{{ESG}_{per,i,t}-\overline{{ESG}_{per}}}{{\sigma }_{per}}\right) $ | (2) |
其中,
2.解释变量:绿色金融改革创新试验区政策(DID)。该变量为双重差分变量,由
3.控制变量:以供应商自身公司特征为控制变量,主要变量的描述性统计如表1所示。
| 变量名称 | 符号 | 变量定义 | 样本量 | 均值 | 标准差 |
| 漂绿 | GWS | 供应商信息披露漂绿指数 | −0.459 | 1.112 | |
| 绿色金融政策 | DID | 客户是否处于绿色金融改革创新试验区 | 0.062 | 0.241 | |
| 资产规模 | SIZE | 总资产的自然对数 | 22.840 | 1.218 | |
| 总资产净利润率 | ROA | 净利润/总资产 | 0.044 | 0.065 | |
| 资产负债率 | LEV | 总负债/总资产 | 0.420 | 0.199 | |
| 账面市值比 | MR | 股东权益账面价值/公司市值 | 0.376 | 0.173 | |
| 存货周转率 | IT | 营业成本/存货净额期末余额 | 17.566 | 13.503 | |
| 营运资金周转率 | WCT | 营业收入/(流动资产合计−流动负债合计) | 26.857 | 27.362 |
为检验绿色金融改革创新试验区客户对非试验区供应商“漂绿”行为的溢出效应,本文分别采用双重机器学习和双重差分两种方法进行基准回归分析。表2汇报了双重机器学习和双重差分的基准回归结果,其中第(1)、(2)列为双重机器学习中偏线性模型在未控制固定效应、控制个体和时间双重固定效应情形下的回归结果,结果显示绿色金融改革创新试验区内的客户显著增加了非试验区供应商的“漂绿”行为;第(3)、(4)列为双重差分模型分别在未控制固定效应、控制个体和时间双重固定效应情形下的回归结果,结果同样表明绿色金融改革创新试验区内的客户会显著引发非试验区供应商的“漂绿”行为。总体而言,两种方法在方向和显著性上保持一致,支持了假说1。此外,客户数量能够直观反映供应商对下游客户的合作规模及依赖程度,其动态调整会改变供应链压力的传递效率,进而可能干扰核心结论。为识别客户数量动态变化的影响,本文基于年度—供应商的统计口径,核算出供应商在每一年度的试验区客户数量(DIDN),并据此检验试验区客户数量与非试验区供应商“漂绿”行为之间的量化关系。表2第(5)列结果显示,非试验区供应商合作的试验区客户数量越多,其“漂绿”倾向越大。该证据从合作强度维度印证并强化了基准结论。
| (1) | (2) | (3) | (4) | (5) | |
| GWS | GWS | GWS | GWS | GWS | |
| DID | 0.342***(2.791) | 0.303***(34.735) | 0.224**(2.239) | 0.149**(2.060) | |
| DIDN | 0.163***(3.936) | ||||
| SIZE | −0.063*(−1.746) | −0.012(−0.210) | 0.019(0.323) | ||
| ROA | 0.268(0.719) | 1.310***(3.570) | 1.306***(3.560) | ||
| LEV | 0.271(1.273) | 0.088(0.296) | −0.061(−0.201) | ||
| MR | −0.104(−0.583) | 0.283(1.318) | 0.281(1.299) | ||
| IT | −0.000(−0.083) | −0.000*(−1.702) | −0.000**(−2.224) | ||
| WCT | 0.000***(6.292) | 0.000***(7.064) | 0.000***(7.320) | ||
| 常数项 | −0.100***(−3.801) | −0.048*(−1.914) | 0.876(1.197) | −0.411(−0.329) | −1.072(−0.842) |
| 时间/个体固定效应 | 未控制 | 控制 | 未控制 | 控制 | 控制 |
| 样本量 | 2 094 | 2 094 | 2 094 | 2 094 | 2 094 |
| Adj R2 | 0.003 | 0.682 | 0.685 | ||
| 注:*、**、***分别代表在10%、5%、1%水平上显著,括号内数值为t值;下同。 | |||||
1.事前趋势检验。双重差分模型有效识别依赖于事前平行趋势假设,即政策实施前处理组与对照组不存在系统性的趋势差异。图2报告了事前趋势检验的结果,政策实施前各期的回归系数均未通过10%的显著性水平检验,平行趋势假设未被拒绝,而政策实施后第三年和第四年试验区客户对非试验区供应商“漂绿”行为的正向溢出效应开始显著显现,表明试验区客户对非试验区供应商“漂绿”的促进效应并非源于政策实施前的组间趋势差异,而是随着政策推进逐步显现的因果效应,从而在时间维度上支持了基准回归结论的稳健性。
|
| 图 2 事前趋势检验 |
2.安慰剂检验。为缓解样本非随机性可能引发的选择性偏差或潜在混淆效应干扰,本文参考刘秉镰和孙鹏博(2022)的方法,采用重复抽样500次进行估计的方式开展安慰剂检验。如图3所示,随机样本估计系数集中分布于0附近,而基准回归系数偏离该分布区间。上述结果表明绿色金融改革创新试验区内的客户对供应商“漂绿”的驱动作用并非由随机或不可观测因素所致,验证了基准结论的稳健性。
|
| 图 3 安慰剂检验 |
本文揭示的是基于供应链特定契约关系的“关系网络溢出”,但区域政策扩散效应可能对其形成混淆干扰,二者在作用机制与覆盖范围上存在差异:前者依托供应链合作关系,以供需双方的契约约束与压力传导为核心逻辑,仅作用于与试验区客户存在直接供应链关联的企业,具有显著的关系特异性;后者则属于基于地理邻近性的空间溢出,以区域间政策示范效应与要素跨区流动为驱动,覆盖范围囊括与试验区地理邻近或经济关联的所有非试验区企业,呈现显著的区域普惠性。基于上述差异,为进一步排除区域政策扩散效应的干扰,补充开展两项检验:一是地理距离异质性检验,其核心逻辑在于,若溢出效应源于供应链关联而非区域政策扩散,则溢出强度不应随供应商与试验区企业的地理距离变化而变化,即远距离与近距离供应商的溢出效应无显著差异。表3第(1)列以供应商与客户最小距离的对数作为调节变量,第(2)列依据该最小距离均值将样本划分为两组,对大于平均距离的样本赋值为1,并构建虚拟变量,两项检验结果均显示,地理距离并未显著影响供应链溢出效应强度,印证该效应的供应链关联属性。二是无供应链联系的相邻省份企业对照组检验,通过选取位于试验区周边但未与试验区企业建立供应链合作的企业作为对照组,若处理组仍存在显著的“漂绿”溢出效应,则意味着即便考虑区域政策扩散的潜在影响,供应链溢出效应的显著性仍得到有效验证,表3第(3)列报告了该检验结果。两项补充检验均与理论预期一致,表明本文识别的供应链溢出效应并未受到区域政策扩散的实质性干扰,基准回归结论稳健。
| (1) | (2) | (3) | |
| DIST为供应商与客户最小距离对数 | DIST为供应商与客户最小距离分组虚拟变量 | 无供应链联系的相邻省份企业对照组 | |
| DID | 0.267*** (2.97) | 0.261*** (2.92) | 0.286*** (2.62) |
| DID_DIST | −0.029 (−1.42) | −0.165 (−1.26) | |
| DIST | −0.024** (−2.50) | −0.137** (−2.46) | |
| 控制变量 | 控制 | 控制 | 控制 |
| 时间/个体固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 984 | ||
| Adj R2 | 0.684 | 0.684 | 0.699 |
本文进一步通过多种稳健性检验验证基准回归结论的可靠性,具体设计如下:(1)倾向得分匹配(PSM)。为缓解样本选择偏差可能导致的内生性问题,将控制变量作为匹配协变量,采用半径匹配法估算样本倾向得分,基于匹配后样本重新回归。(2)排除离群值影响。为消除离群值对回归结果的影响,对核心变量GWS两端各缩尾2.5%,然后重新进行回归估计。(3)排除其他政策干扰。为排除绿色供应链政策(DID1)的干扰,该政策变量纳入控制变量体系后重新回归。(4)使用聚类标准误。基准回归采用稳健标准误,此处采用聚类标准误开展稳健性检验,以缓解可能存在的截面相关问题。(5)控制区域经济趋势。在基准回归控制变量中纳入省份GDP增速,以控制区域经济发展趋势的潜在影响。表4的回归结果显示,经过上述多种稳健性处理后,绿色金融改革创新试验区内客户对非试验区供应商“漂绿”行为的显著促进作用依然成立,表明基准回归结论具有良好的稳健性。
| (1) | (2) | (3) | (4) | (5) | |
| 倾向得分匹配 | 排除离群值 | 排除其他政策 | 聚类标准误 | 控制经济趋势 | |
| GWS | GWS | GWS | GWS | GWS | |
| DID | 0.159**(2.195) | 0.148**(2.076) | 0.150**(2.078) | 0.149*(1.949) | 0.146**(2.04) |
| DID1 | 0.283**(2.039) | ||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 时间/个体固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 1 933 | 2 094 | 2 094 | 2 094 | 2 094 |
| Adj R2 | 0.675 | 0.670 | 0.682 | 0.682 | 0.689 |
基于前文构建的舞弊三角理论框架,本部分从供应链压力传递视角分别就强化上游绿色达标需求(压力维度)和加剧上游经营压力(借口维度)进行检验。
(一) 强化上游绿色达标需求基于舞弊三角理论中的压力维度,绿色金融改革创新试验区内客户在政策导向与环境合规约束下,通常具有更强的绿色采购偏好,并倾向选择具备绿色优势的合作方。该偏好沿供应链向上游传导,使非试验区供应商面临更强的绿色达标压力。对难以或不愿承担高成本真实治理投入的供应商而言,为兼顾大客户绿色采购要求与资本市场对绿色表现的偏好,其可能选择成本更低、见效更快的“漂绿”策略,以在形式上呈现符合预期的环境形象。
1.锁定绿色大客户压力。绿色金融改革创新试验区政策通过激励与约束机制重塑客户绿色采购标准,并将更高的合规要求向上游传导,从而对供应商形成显著外部约束。在监管相对薄弱的情形下,供应商可能基于成本—收益权衡,以“漂绿”替代实质治理来满足客户表面上的合规要求。本文以供应商的客户赫芬达尔指数(HHI)衡量客户集中度,作为大客户锁定压力的代理变量。基于资源依赖理论,客户集中度越高,供应商对少数核心客户的依赖程度越高,供应商也越难通过调整交易结构规避外部合规压力,从而更可能被迫采取“顺从性响应”。因此,本文将供应商客户HHI设定为调节变量,用以检验大客户锁定压力是否会强化非试验区供应商实施“漂绿”的作用机制。表5第(1)列的实证结果显示,客户集中度越高,政策对供应商“漂绿”的促进效应越显著,验证了“客户政策压力—依赖度强化—漂绿行为”的传导链条,说明试验区客户的绿色合规要求会在依赖关系强化下推动上游供应商采取“漂绿”行为回应压力。
| (1) | (2) | (3) | (4) | (5) | (6) | |
| 强化上游绿色迎合动机 | 加剧上游经营压力 | |||||
| M所表示含义 | 客户集中度 | 投资者关注 | 绿色转型成本 | 成本承担能力 | 边际利润率 | 融资约束 |
| HHI | IA | GC | CS | MPR | KZ | |
| DID | 0.153**(2.138) | 0.279**(2.290) | 0.166**(2.254) | 0.133*(1.874) | −0.005(−0.053) | 0.176**(2.379) |
| M | 0.119(0.528) | 0.257**(2.573) | −0.113(−1.400) | 0.109**(2.561) | 0.384(1.020) | −0.075***(−3.989) |
| DID×M | 0.593**(2.371) | 0.836*(1.844) | 0.117*(1.703) | −0.291*(−1.913) | −0.997**(−2.379) | 0.053*(1.914) |
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 时间/个体固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 2004 | |||||
| Adj R2 | 0.683 | 0.710 | 0.682 | 0.684 | 0.683 | 0.685 |
2.打造绿色市场声誉。在绿色金融改革创新试验区政策驱动下,试验区客户往往将绿色声誉作为合作的重要门槛,并通过供应链尽职调查、碳核算等方式推进绿色供应链建设,进而倒逼非试验区供应商快速展现环境友好性。同时,绿色供应链的声誉信号会增强外部资本关注,进一步强化供应商的形象压力,从而放大其策略性披露动机。为验证该机制,本文以供应商的投资者关注度(IA)作为调节变量进行检验,表5第(2)列结果显示,投资者关注度越高,政策对非试验区供应商“漂绿”的促进作用越强,说明试验区客户的绿色合作要求会通过声誉压力进一步诱发供应商的“漂绿”行为。
综合上述两部分结果,试验区客户通过强化上游企业的绿色达标需求,显著推动非试验区供应商实施“漂绿”,假说2得到支持。
(二) 加剧上游经营压力根据舞弊三角理论中的借口因素,在绿色金融改革创新试验区政策与市场信号共同作用下,试验区客户对供应商的环境表现提出了更高要求,进而通过供应链将压力外溢至非试验区供应商。非试验区供应商为满足更严格的环保标准需增加环保投入,绿色转型成本随之上升,并进一步推高生产与运营成本,当企业成本承受能力不足时,订单获取与利润空间更易受到挤压,“缓解经营困境”因而可能成为其实施“漂绿”的解释性借口。为检验该机制,本文围绕绿色转型成本及其承载能力开展实证分析。
首先,参考张琦等(2019)的方法,本文使用非试验区供应商管理费用明细表中与环境保护相关的总费用支出作为绿色转型成本(GC)的代理变量进行调节效应分析。表5第(3)列的结果初步表明,供应商绿色转型成本越高,试验区客户对非试验区供应商“漂绿”的促进作用越强,表明绿色转型成本的上升会放大相关外溢效应。其次,考虑到“绿色转型成本压力—漂绿”机制可能主要发生在成本承载能力较弱的企业中,本文选取供应商融资约束(KZ指数)与盈利能力(边际利润率)构建绿色转型成本承担能力变量CS。当KZ指数≤中位数(融资约束低)且边际利润率≥中位数(盈利水平高),记CS=1;否则为0。结果如表5的第(4)列所示,表明绿色转型成本承受能力较低的供应商更容易在供应链压力下发生“漂绿”行为。此外,本文还进行了高、低绿色转型成本承担能力的分组回归,同样验证了上述结论。最后,分别使用边际利润率MPR和融资约束KZ指数单独作为企业绿色转型成本承担能力的代理变量进行了回归。回归结果如表5第(5)、(6)列所示,结果表明,当盈利能力较弱或融资约束更严重时,试验区客户对非试验区供应商“漂绿”的溢出效应更显著,进一步说明经营压力是驱动企业“漂绿”的重要因素。
综合以上结果可得出结论:绿色金融改革创新试验区客户的偏好会推高非试验区供应商的绿色转型成本,显著加剧低绿色转型成本承受能力供应商的“漂绿”倾向,假说3成立。
六、异质性分析本部分从“外部压力输入—内部决策转化—治理约束调节”三个关键维度,系统考察供应链压力向供应商“漂绿”行为转化的核心异质性来源。其中,外部压力输入用客户稳定性来表征,该指标能够直接锚定供应商对外部压力的响应取向,即其究竟是遵循长期合作导向的战略调整,还是倾向于短期利益驱动的策略性应对,从而为后续分析提供贴近真实合作关系的现实基础。内部决策转化用高管绿色认知来表征,作为影响企业环境战略选择的关键认知基础,高管绿色认知在“外部客户压力”与“内部漂绿行为”之间发挥传导与转换的枢纽作用,是解释压力转化路径差异与行为选择分化的重要切入点。治理约束调节用媒体关注度来表征,该变量精准适配“跨区域溢出”的场景特性,通过改变漂绿行为的成本—收益结构,构成了约束企业机会主义行为的关键外部治理维度。这三个维度相互补充、层层递进,为全面揭示跨区域供应链绿色政策溢出效应的异质性边界提供了坚实支撑。
(一) 客户稳定度客户稳定度是衡量供应链合作关系的重要维度,能够直观反映供需双方的关系黏性、合作预期与依赖程度。供应商的“漂绿”决策本质上是对客户绿色要求与自身成本收益的权衡,而客户稳定度直接决定了其对供应链绿色压力的响应逻辑:高稳定度意味着长期合作契约与信任基础,供应商更愿意开展长期绿色转型投入以规避沉没成本;低稳定度则对应短期松散关联,供应商因担忧合作终止,倾向于以低成本“漂绿”替代实质性绿色转型。为验证该逻辑,本文参考董浩和闫晴(2025)的研究方法,将“上一年前五大客户中仍有部分客户维持本年度前五大客户地位”界定为稳定合作关系,通过“本年度前五大客户中稳定客户数量占比(即数量除以5)”量化客户稳定度,据此将非试验区供应商划分为低客户稳定度与高客户稳定度两组进行分组回归,结果如表6第(1)、(2)列所示,绿色金融改革创新试验区客户对客户稳定度低的非试验区供应商“漂绿”行为具有更为显著的溢出作用。
| (1) | (2) | (3) | (4) | (5) | (6) | |
| 低客户稳定度 | 高客户稳定度 | 低绿色认知水平 | 高绿色认知水平 | 高媒体关注度 | 低媒体关注度 | |
| GWS | GWS | GWS | GWS | GWS | GWS | |
| DID | 0.164*(1.744) | 0.038(0.437) | 0.172**(2.000) | 0.115*(1.893) | −0.003(−0.065) | 0.151*(1.925) |
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 时间/个体固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 样本量 | 887 | 617 | 635 | |||
| Adj.R2 | 0.765 | 0.818 | 0.782 | 0.821 | 0.907 | 0.734 |
| 组间差异检验 | 6.47*** | 5.97*** | 11.04*** | |||
| DID变量系数组间差异检验 | 0.41 | 10.21*** | 5.14*** | |||
| 注:组间差异检验与DID变量组间系数差异检验根据邹检验估计结果计算得出。 | ||||||
试验区客户的绿色要求最终需通过供应商高管的决策落地,高管绿色认知会直接过滤、放大或削弱供应链压力的传导效果,是连接“外部客户压力”与“内部漂绿行为”的核心机制变量。作为企业战略决策的主导者,高管的绿色认知直接决定企业对环保责任、绿色转型的价值判断,进而影响“漂绿”行为的决策逻辑。基于舞弊三角理论的压力—决策逻辑,当高管绿色认知水平越低时,越可能将绿色要求理解为短期外部约束而非长期发展机遇,也越倾向于以成本更低的“漂绿”替代实质性绿色转型;相反,绿色认知水平较高的高管更重视长期可持续发展目标,通常会降低企业采取漂绿策略的动机。为此,本文基于供应商年报,从绿色竞争优势认知、企业社会责任认知以及外部环境压力感知三方面,通过统计相关关键词的出现频次,对高管绿色认知水平进行量化测度,并根据中位数将其分为低、高程度绿色认知进行分组检验。表6第(3)、(4)列汇报了高管绿色认知水平较低和较高的回归结果,结果显示绿色金融改革创新试验区客户对于非试验区高管绿色认知水平较低的供应商“漂绿”的正向溢出效应更为明显。
(三) 媒体关注度外部监管是抑制企业机会主义行为的重要外部约束,与舞弊三角理论中的“机会”维度相对应。作为企业外部监督中的关键力量,媒体关注度的高低会直接影响供应商对接试验区客户时的“漂绿”倾向:媒体关注度越高,企业“漂绿”行为被曝光的风险及声誉损失成本越大,越会显著削弱其投机动机;反之,当媒体关注度较低时,信息不对称程度会进一步加剧,企业“漂绿”的预期违规成本随之降低,更易在供应链压力驱动下采取“漂绿”策略。鉴于非试验区监管强度弱于试验区,媒体关注度的差异会直接重塑供应商“漂绿”的成本—收益结构,因此成为考察政策溢出效应异质性的关键外部维度。为此,本文使用报刊媒体内容提及该供应商的次数衡量其媒体关注度,并根据中位数将样本划分为高、低媒体关注度进行分组检验。表6第(5)、(6)列汇报了高媒体关注度和低媒体关注度的回归结果,表明绿色金融改革创新试验区内的客户对非试验区媒体关注度较低的供应商“漂绿”的正向溢出作用更为明显。
七、研究结论与政策建议本文基于2012—2022年A股上市公司供应商—客户匹配数据,以绿色金融改革创新试验区设立为准自然实验,检验绿色金融政策通过供应链关系向非试验区企业传导的“漂绿”非预期后果。基于双重机器学习与双重差分两种识别策略的实证结果一致表明,当供应商的核心客户位于试验区时,非试验区供应商“漂绿”程度显著上升。机制分析显示,试验区客户在政策约束与市场信号作用下提高绿色达标要求,推高供应商绿色转型成本并加剧经营压力,进而诱发企业以“形式合规”替代“实质治理”的策略性响应。异质性分析发现,上述溢出效应在客户稳定度较低、高管绿色认知水平较弱以及媒体关注度低的供应商中更显著。
根据以上结论,政策启示如下:(1)完善绿色金融政策体系,构建跨区域协同监管机制,破解政策碎片化引致的监管盲区问题。本文研究表明,绿色金融政策会导致非试验区供应商产生“漂绿”行为。当前绿色金融改革创新试验区采用“区域试点、逐步推广”的推进模式,虽有利于政策分阶段落地,但也使政策效应易通过供应链实现跨区域传导。与之不匹配的是,现有监管体系仍呈现较强的属地化和分割化特征,导致具备跨区域属性的“漂绿”行为难以及时识别和有效约束。基于此,一方面应加快统一绿色项目认定标准、信息披露要求和绩效评估指标,从源头破解政策碎片化难题,为跨区域监管提供可比、可核验的统一依据。另一方面应构建“金融+环保+工信+区域监管”多部门联动的跨区域协同机制,强化供应链协同约束,将核心企业的绿色融资资格与上下游供应商的环保合规情况挂钩,倒逼核心企业履行产业链绿色监管责任;对查实的“漂绿”行为实施跨区域联合惩戒,包括限制融资、纳入失信名单等,并依托试点政策的动态评估与迭代推广机制,及时将成熟地区的监管经验复制到非试点区域。(2)强化外部监督与信息披露监管,筑牢绿色金融资源高效配置的制度屏障。本文研究表明,媒体关注度不足所反映的外部监管薄弱,会显著增加企业“漂绿”风险,而信息披露不完全为企业实施“漂绿”提供了关键操作空间,因此构建全维度监管体系成为遏制“漂绿”、优化资源配置的关键抓手。政府应建立系统化的环境信息披露制度、加大环境监管力度并引入第三方评估机构。具体而言,政府可强制要求企业定期公开碳排放量、能源消耗量、废物处理成效等核心环境绩效数据,使公众与投资者清晰掌握企业真实环境表现。同时,健全环境监管机制,强化对环境违法行为的查处力度,显著提高企业违法成本,从制度层面压缩“漂绿”空间。(3)加强企业绿色发展引导,提升高管绿色认知水平,推动绿色供应链协同建设。政府可针对性出台税收优惠、财政补贴等实质性支持政策,重点向积极践行绿色发展、无“漂绿”行为的企业倾斜,尤其是对供应链中发挥绿色示范作用的核心企业加大激励力度,以标杆引领效应带动全产业链绿色协同升级;同时建立企业“漂绿”行为黑名单制度,倒逼企业摒弃投机心理、正视绿色责任。
| [1] | 曹廷求, 彭文浩. 科技金融政策的创新溢出效应——来自供应商-客户关系的证据[J].当代财经,2024(10). |
| [2] | 陈建宇, 沈娇, 蔡闫东. 关键审计事项披露能否抑制企业“漂绿”行为?——基于A股重污染上市公司的证据[J].审计与经济研究,2025(1). |
| [3] | 陈玲芳. 企业漂绿行为的地区同群效应——来自中国工业上市公司的经验证据[J].科学决策,2023(6). |
| [4] | 丁杰, 李仲飞, 黄金波. 绿色信贷政策能够促进企业绿色创新吗?——基于政策效应分化的视角[J].金融研究,2022(12). |
| [5] | 董浩, 闫晴. 供应链稳定性能否实现稳就业?[J].财经研究,2025(2). |
| [6] | 杜兴强, 谢裕慧, 曾泉. 绿色金融政策抑制了企业的环境违规吗?——基于绿色金融改革创新试验区的一项准自然实验[J].金融研究,2024(5). |
| [7] | 郝大鹏, 李炳辰, 王小禹. 绿色金融政策的污染减排供应链传导效应研究——基于中国上市公司的准自然实验[J].产业经济研究,2025(1). |
| [8] | 郝向举, 何爱平, 薛琳. 绿色金融改革创新试验区对企业绿色转型的影响机理[J].中国人口·资源与环境,2024(6). |
| [9] | 胡剑波, 叶树, 张宽元. 绿色金融政策与企业ESG表现——基于绿色金融改革创新试验区的准自然实验[J].金融论坛,2024(7). |
| [10] | 黄溶冰, 陈伟, 王凯慧. 外部融资需求、印象管理与企业漂绿[J].经济社会体制比较,2019(3). |
| [11] | 黄溶冰, 谢晓君, 周卉芬. 企业漂绿的“同构”行为[J].中国人口·资源与环境,2020(11). |
| [12] | 金环, 于立宏, 徐扬. 绿色金融创新政策与企业生产率差异——来自中国上市公司的证据[J].经济评论,2022(5). |
| [13] | 李传轩, 安妮. 企业ESG信息披露漂绿规制的反身法路径[J].江淮论坛,2025(1). |
| [14] | 李大元, 贾晓琳, 辛琳娜. 企业漂绿行为研究述评与展望[J].外国经济与管理,2015(12). |
| [15] | 李航. 绿色金融发展对重污染企业“漂绿”行为的影响研究[J].科学决策,2024(9). |
| [16] | 黎文靖, 路晓燕. 机构投资者关注企业的环境绩效吗?——来自我国重污染行业上市公司的经验证据[J].金融研究,2015(12). |
| [17] | 刘秉镰, 孙鹏博. 国家级金融改革试验区如何影响碳生产率[J].经济学动态,2022(9). |
| [18] | 刘锦华, 王修华, 严露. 绿色金融试点政策能否倒逼污染企业绿色创新?——基于绿色金融改革创新试验区的经验证据[J].统计研究,2024(12). |
| [19] | 马莹莹, 姚文艳, 姜玲. 绿色金融改革创新试验区政策对城市减污降碳的影响及作用机制[J].中国人口·资源与环境,2024(6). |
| [20] | 祁怀锦, 刘斯琴. 绿色金融政策促进企业绿色创新吗——来自绿色金融改革创新试验区的证据[J].当代财经,2023(3). |
| [21] | 钱先航, 张新然, 邱善运. 客户环境规制、供应链溢出与企业绿色低碳技术创新[J].经济理论与经济管理,2025(2). |
| [22] | 沈璐, 廖显春. 绿色金融改革创新与企业履行社会责任——来自绿色金融改革创新试验区的证据[J].金融论坛,2020(10). |
| [23] | 时省, 张亚. 绿色金融政策对绿色技术创新的影响及机制研究——基于绿色金融改革创新试验区的准自然实验[J].管理评论,2024(1). |
| [24] | 苏冬蔚, 刘子茗. 绿色金融改革是否影响企业绿色绩效与漂绿风险?[J].国际金融研究,2023(4). |
| [25] | 谭建华, 肖浩然, 谭志东. 生产网络中的绿色低碳转型溢出效应——基于供应商与客户关系的证据[J].统计研究,2025(6). |
| [26] | 王凤荣, 王康仕. 绿色金融的内涵演进、发展模式与推进路径——基于绿色转型视角[J].理论学刊,2018(3). |
| [27] | 王暖欣, 张双鹏. 抑制还是加剧——共同机构持股对企业“ESG漂绿”行为的影响研究[J].产业经济评论,2024(4). |
| [28] | 王艳, 于立宏. 环境规制工具对企业绿色技术创新偏好的影响研究[J].管理评论,2023(2). |
| [29] | 吴秋生, 任晓姝. 绿色信贷政策与企业“漂绿”行为治理——基于国家金融学框架下的实证研究[J].金融经济学研究,2023(1). |
| [30] | 吴烨伟, 周霖钰, 刘宁. 环境规制、绿色并购与环境绩效[J].系统工程理论与实践,2023(5). |
| [31] | 肖芬蓉, 黄晓云. 企业“漂绿”行为差异与环境规制的改进[J].软科学,2016(8). |
| [32] | 谢海娟, 朱倩云, 孙佳佳, 等. 高管环保认知与企业“漂绿”倾向[J].华东经济管理,2024(12). |
| [33] | 解学梅, 陈文妍, 张惠淼. 企业漂绿行为因果理论框架构建与未来研究展望[J].管理评论,2024(10). |
| [34] | 许黎莉, 刘超, 段翀. 环境信息披露、绿色信贷政策迎合与企业价值[J].经济与管理评论,2024(6). |
| [35] | 张琦, 郑瑶, 孔东民. 地区环境治理压力、高管经历与企业环保投资——一项基于《环境空气质量标准(2012)》的准自然实验[J].经济研究,2019(6). |
| [36] | 张岳, 周应恒. 绿色金融“漂绿”现象的成因与防范: 来自日本的经验启示[J].现代日本经济,2021(5). |
| [37] | 张云, 杨振宇. 机构投资者绿色关注与企业“漂绿”行为: 效应、诱因与治理[J].财经研究,2024(11). |
| [38] | 赵亚雄, 王修华, 刘锦华. 绿色金融改革创新试验区效果评估——基于绿色经济效率视角[J].经济评论,2023(2). |
| [39] | 朱俏俏, 杨贝贝. 客户企业绿色转型的供应链扩散效应[J].中国人口·资源与环境,2025(3). |
| [40] | 邹艳芬, 肖志文. ESG“漂绿”对企业绩效的影响研究[J].当代财经,2024(11). |
| [41] | Dai R, Liang H, Ng L. Socially responsible corporate customers[J].Journal of Financial Economics,2021,142(2):598–626. |
| [42] | Delmas M A, Burbano V C. The drivers of greenwashing[J].California Management Review,2011,54(1):64–87. |
| [43] | Hu X Q, Xia Y H, Guo J H, et al. The impact of green finance on total factor carbon emission reduction efficiency in China[J].Environmental Science and Pollution Research,2024,31(1):757–771. |
| [44] | Hu X W, Hua R H, Liu Q F, et al. The green fog: Environmental rating disagreement and corporate greenwashing[J].Pacific-Basin Finance Journal,2023,78:101952. |
| [45] | Jiang Y, Qin S Y, Xu Y P. Impact of green credit policy on sustainability performance of high-pollution enterprises[J].Environmental Science and Pollution Research,2022,29(52):79199–79213. |
| [46] | Pan X F, Pan X Y, Song M L, et al. The influence of green supply chain management on manufacturing enterprise performance: Moderating effect of collaborative communication[J].Production Planning & Control,2020,31(2-3):245–258. |
| [47] | Parguel B, Benoît-Moreau F, Larceneux F. How sustainability ratings might deter “Greenwashing”: A closer look at ethical corporate communication[J].Journal of Business Ethics,2011,102(1):15–28. |