绿色金融与环境规制能否经受住风暴？气候风险意识与企业规模对农业供应链韧性的条件效应

《Sustainability》：Can Green Finance and Environmental Regulation Weather the Storm? Conditional Effects of Climate Risk Awareness and Firm Size on Agricultural Supply Chain Resilience

　　

研究人员使用2010–2024年中国A股农业上市公司的面板数据，通过双向固定效应模型，辅以工具变量、分位数回归、异质性检验和交互模型，考察了绿色金融（GF）、环境规制（ER）和气候风险意识（CRA）与农业供应链韧性（SCR）的平均关联和条件关联。基于文本的CRA与SCR正相关。基于气象观测的同期物理气候风险未显示出稳健关联，而其滞后一期、经济规模调整后的对应指标显著为负。GF和ER均未表现出与SCR的无条件线性关系，且CRA显著削弱了GF的边际效应。融资约束、供应链集中度、要素配置效率和创新强度并未形成稳定的间接渠道。综上所述，研究结果表明，GF、ER与农业SCR之间的关系并非通过单一传导路径运作，而可能取决于企业层面的风险感知、资源动员、运营协调和结构重组是否形成有效的能力配置。

全球气候变化通过极端高温、强降水、干旱和洪涝持续扰乱农业生产和分销。与制造业供应链相比，农业供应链更直接暴露于生态条件、季节性生产周期和区域物流约束，因此对气候相关风险尤为脆弱。绿色金融（GF）和环境规制（ER）是促进绿色转型和应对气候挑战的两大政策工具，但它们在提升农业供应链韧性（SCR）方面的有效性尚不明确。现有研究存在三方面空白：第一，直接证据有限，多数研究聚焦制造业而非农业；第二，未系统考察GF与ER的潜在协同；第三，常混淆管理者的气候风险意识（CRA）与客观物理气候暴露。为此，研究人员使用2010–2024年中国A股农业上市公司面板数据，采用双向固定效应模型，考察了省级GF发展、市级ER强度与农业SCR的关联，并检验了CRA的调节角色以及物理气候风险的不同效应。该研究发表在《Sustainability》。研究结论表明，GF和ER的效果并非普遍平均效应，而是受企业能力、风险背景和政策匹配共同调节的条件性政策效应。CRA显著促进SCR，而物理气候风险具有滞后损害效应；GF和ER无无条件线性关系，CRA削弱GF的边际效应；政策间未形成稳定协同；融资约束、供应链集中度、要素配置效率和创新强度并非稳定间接渠道。该研究构建了资源-能力-韧性整合框架，区分了CRA与物理气候风险，扩展了动态能力理论在农业供应链韧性中的应用。

研究人员为开展研究使用了以下关键方法：采用双向固定效应模型估计平均关联；使用工具变量两阶段最小二乘法（2SLS）处理内生性，其中GF的工具变量为同省其他城市GF均值，CRA的工具变量为滞后一期值；通过分位数回归考察分布异质性；通过分组回归和连续交互模型检验异质性；使用Bootstrap方法（5000次重抽样）检验潜在传导路径。样本来源为2010–2024年中国A股农业上市公司，数据来自CSMAR、Wind数据库、中国金融年鉴、中国统计年鉴、中国气象局等。

研究结果如下：

**4.1 数据特征与相关性**：描述性统计显示农业SCR在不同企业间差异显著，GF、ER和CRA也存在充分变异。相关性矩阵表明SCR与CRA正相关，GF与SCR在双变量层面负相关，ER与SCR弱相关，支持GF和ER无无条件线性关联的初步判断。

**4.2 内生性与稳健性**：2SLS结果显示CRA系数显著为正（0.464，1%水平），GF和ER仍不显著，说明CRA的正向驱动效应在控制内生性后仍稳健。稳健性检验包括：替换因变量为供应链集中度（CRA与客户集中度正相关）、替换气候风险指标为物理气候风险指数（CPRI，同期不显著，滞后一期CPRI_GDP_Ratio显著负）、更换模型设定（随机效应、混合OLS、Tobit）和样本调整（剔除COVID-19时期、移除直辖市、平衡面板），核心结论不变。补充构念效度检验表明SCR指数在疫情后收入恢复、冲击期运营稳定性及供应链结构映射方面展现出韧性含义。

**5.1 企业规模异质性**：分组回归显示，ER在大型企业中与SCR显著正相关，在中小型企业中不显著；GF在各规模组中均不显著。大型企业更能将合规压力转化为绿色升级和过程优化。

**5.2 气候风险意识水平异质性**：按CRA中位数分组，GF在低CRA组系数为正，高CRA组为负，均不显著；ER在高CRA组系数更大；CRA与SCR的正关联仅在高CRA组显著，表明风险意识达到一定水平后才能转化为适应性投资。

**5.3 技术与所有权交叉异质性**：将企业分为国有高科技、民营高科技、国有非高科技、民营非高科技四组，GF仅在国有高科技企业中与SCR显著正相关，其他组不显著；CRA与SCR的关联也随技术能力和治理资源变化。

**5.4 区域气候脆弱性与农业结构异质性**：北方干旱区GF系数显著为正，南方多雨区不显著；ER在北方干旱区系数更大；CRA在南方多雨区更显著。农业结构分形维度越高，CRA边际效应越强，主产区表现更明显。

**5.5 分位数回归**：GF在韧性高分位数上无正关联；CRA在中高分位数上稳定正相关；ER与去中心化企业规模的交互项在各分位数均为正，表明ER与SCR的关联随企业规模增大而增强，支持规模依赖。

**6.1 政策交互与CRA调节**：GF×ER交互项不显著，表明GF与ER未形成协同效应；GF×CRA交互项显著负，表明CRA削弱了GF的边际效应，支持能力饱和与紧急挤出解释；ER×CRA交互项不显著。

**6.2 潜在传导路径检验**：Bootstrap路径检验表明，融资约束（SA_abs）、供应链集中度（SCC）、要素配置效率（TFP_OP）和创新强度（Rd_Rev_Ratio）的间接关联置信区间均包含零，四个路径均未构成稳定间接渠道，说明GF和ER与SCR的关联更可能依赖于多种能力过程的组合转换。

总结讨论部分：研究结论表明，GF和ER的效果是条件性的，受企业能力、风险背景和政策匹配调节。CRA具有双重属性：作为风险感知促进适应，而物理气候风险造成滞后损害。GF和ER未形成稳定协同，CRA弱化GF的边际效应。四个潜在传导路径均不显著，表明韧性构建依赖系统性能力配置。研究结论翻译如下：第一，气候风险具有双重属性：在企业感知和披露层面显著促进农业SCR，但客观物理气候风险存在滞后负效应。第二，GF和ER的政策效果呈现结构异质性和能力阈值，而非普遍平均效应。第三，CRA显著削弱GF的政策有效性，且两项政策工具未形成稳定协同。第四，融资约束、供应链集中度、要素配置效率和创新强度四个路径变量均未提供稳定的间接渠道证据。