环境信息披露与融资约束关系的回归分析：研究成果

我们首先采用OLS方法检验环境信息披露与融资约束的关系，结果如表10-2所示。我们在列（1）中仅考虑“投资—现金流”的静态模型中的最基本变量；为避免由于时间趋势带来的“伪回归”问题，在列（2）中控制了宏观固定效应；考虑到不同地区的政府治理水平具有差异，在列（3）中进一步控制了省份固定效应，在列（3）中进一步加入了更多的公司特征变量以控制公司的异质性影响。从表中列（1）至（4）总体来看，静态基准模型中现金流（CF）的系数均显著为正，这反映出公司总体上存在一定的融资约束。与此同时，现金流与披露水平的交互项（CF×ED）均显著为负，这表明公司披露的环境信息的增加有助于降低融资约束水平，即假设10-1成立。另外，随着控制的因素越多，信息披露的融资约束减缓效应越大，这反映出宏观因素、地区差异和公司自身特点均对融资约束行为产生影响。

表10-2　OLS静态与差分GMM（FD-GMM）估计结果

续表

(www.xing528.com)

注：系数括号内为标准误；宏观和省份固定效应分别采用相应年份或省份虚拟变量进行控制，下同；减缓效应=（β2/β1）×100%，反映相对不披露时，披露对融资约束缓解的相对效应，下同；Sargan和AR（2）检验量括号内均为对应的P值；AR（1）检验均在5%显著水平通过，结果略，下同。

采用静态模型OLS分析得到了本章的主体结论，但是，实证分析中还可以存在以下几个问题：首先，现金流与环境信息披露水平等解释变量可能与不可观测的公司固定效应（λ）相关，造成系数估计的偏误。为此，我们采用一阶差分方法消除掉不可观测的公司固定效应。其次，差分后的方程仍可能存在解释变量与误差项相关的问题，例如，当随机误差项存在序列相关时，ΔILit-1与Δεit相关导致系数μ估计偏误，为得到一致性估计，我们可采用投资水平（IL）的t-2期以上的滞后项作为工具变量进行GMM回归。再次，公司投资与公司规模（SIZE）等控制变量之间可能存在反向因果关系，为此，我们对这些控制变量进行滞后一期，解决可能存在的同时性偏差问题。最后，我们视其高阶滞后项为前定变量作为现金流与环境信息披露的工具变量解决其可能的内生性问题。

基于以上考量，我们采用差分GMM（FD-GMM）动态面板方法利用总体样本进行估计。在表10-2列（5）中我们仅控制了公司规模（SIZE）变量。从表中可以看出，现金流（CF）系数显著为正，这也反映出样本公司总体上存在融资约束。与此同时，现金流（CF）与环境信息披露水平（ED）交叉项的系数显著为负，这说明提高环境信息披露水平可以缓解融资约束。在列（6）中当我们加入其他解释变量，公司融资约束（β1）和缓解效应（β2）略有下降，但系数仍然很显著。考虑到所有公司面临的共性宏观冲击，例如，宏观财政金融政策以及重大环境事故等可能会影响公司的融资约束情况，我们用年份控制住宏观固定效应，从表10-2列（7）中可以看出宏观固定效应显著存在，融资约束系数为0.28且缓解效应保持在-0.07，两者均显著。在现金流的中值水平，经环境信息披露减缓后的融资约束系数为0.002，这反映出环境信息披露具有较大的融资约束缓解效应。相对未披露情形，披露的融资约束缓解相对效应为24.79%，该效应大于OLS基准结果，反映出OLS低估了环境信息披露的效果。表中Sargan检验和AR（2）检验均在5%的显著水平上通过，因此，模型中的工具变量是有效的。总之，从表10-2列（5）（6）和（7）来看，样本公司总体上存在融资约束，提高环境信息披露水平可以减缓其融资约束，从而进一步支持了假设10-1。