高污染企业的环境司法与绿色washing：基于双重/无偏机器学习的中国环境法庭证据

《International Review of Financial Analysis》：Environmental judiciary and greenwashing among heavily polluting firms: Evidence from China's environmental tribunals based on double/debiased machine learning

　　•环境法庭有效遏制了高污染企业的绿色washing行为。•环境法庭通过吸引绿色投资者关注、加强公众监督以及提升管理层的环保意识来遏制绿色washing。•健全的环境司法体系是环境立法实现其目标的关键。引言中国正处于实现碳达峰和碳中和双重目标的关键时期。随着对环境责任要求的日益提高，企业被期望在绿色转型中发挥核心作用。由于环境挑战的加剧，投资者和消费者都更倾向于选择环境表现较好的企业（Cepni等人，2024；Krueger等人，2020）。通常，这类企业被认为面临较低的投资风险（Fang，2024），且产品竞争力更强（Zameer等人，2020）。然而，在缺乏有效监管和标准化的环境信息披露机制的情况下，企业可能会为迎合外部预期而刻意操纵信息披露，从而出于自身利益而广泛从事机会主义的绿色washing行为（Delmas & Burbano，2011）。根据RepRisk的数据，全球报告的绿色washing事件从2019年的273起增加到2024年的1262起，年均增长率达35.83%，其中48.26%的案件属于中重度。此类行为混淆了真实与环境信息的界限，削弱了绿色信号的总体可信度（Seele & Gatti，2017；Testa等人，2018），降低了绿色投资的效果，扭曲了投资环境（Gatti等人，2021；Shi等人，2023；Sun等人，2024），还阻碍了国家的绿色转型进程（Xu等人，2025；Zhang，2024）。高污染企业是推动碳排放减少和绿色转型的主要力量（Hu、Fang & Wu，2023）；但多数研究表明，这些企业仍在继续污染的同时，试图通过塑造绿色形象来获得外部认可（Shi等人，2023；Zhao & Lee，2024）。这源于中国在发展初期对高污染产业过度支持，导致了市场垄断地位的形成，进而削弱了企业自身投资于绿色转型的动力（Yan等人，2019）。在可持续发展的外部压力日益增大的背景下，这些企业采取低成本策略，通过夸大或误导性的环境信息披露来满足政策要求和市场偏好。为推动实质性的绿色转型，中国政府长期以来一直以环境立法作为核心治理工具，先后制定了《2014年环境保护法》和《2018年大气污染防治法》等法律。这些立法旨在通过提高环境违规成本，迫使高污染企业进行实质性绿色转型。基于外部压力理论，一些研究认为，法律条款中的环境处罚措施能够迫使企业走向绿色转型（Liu等人，2021；Yu等人，2022）。但实际上，普通法院对环境案件重视不足（Wang、Pan等人，2025），且缺乏专业的司法能力（He & Wang，2024），导致环境违规行为的识别和惩处力度有限。这使得绿色washing带来的收益高于预期的法律成本，从而间接促使高污染企业采取机会主义的绿色washing行为（Han & Zhang，2025；Shi等人，2023）。尽管环境立法框架不断完善，但环境司法能力的滞后发展却削弱了环境监管在推动实质性绿色转型方面的效果（Pan等人，2024）。自2007年起，中国逐步建立了环境法庭，以更有效地处理环境问题。与普通法院相比，环境法庭通过集中管辖环境案件并任命专业法官（Zhao等人，2022），实现了司法资源的重新分配，显著提升了环境审判的效率（Tao、Hai等人，2023；Tao、Wang等人，2023）。大多数研究都证实了环境法庭的积极效应，包括增加环境投资（Zhang、Yu & Kong，2019）、减少污染物排放（Wang、Pan等人，2025）以及促进绿色创新（Zhao & Zhao，2025）。不过，关于环境法庭对企业选择性环境信息披露影响的研究还比较有限。虽然Lv等人（2024）表明环境法庭鼓励企业披露更多环境信息，但这些披露是否是对监管压力的战略回应，目前尚缺乏充分探讨。环境法庭通过加强环境审判的严格性、确保司法判决的有效执行，以及提高企业面临环境诉讼的风险，降低了高污染企业进行战略性环境信息披露的动机。鉴于中国当前面临极为迫切的绿色转型需求，其环境法庭制度为评估环境司法的治理效果提供了制度背景，也为其他国家应对企业绿色washing问题提供了宝贵的经验借鉴。因此，本研究以中国建立环境法庭这一准自然实验为研究对象，运用双重/去偏机器学习方法，探讨专门的环境司法机构对高污染企业绿色washing行为的治理效应。研究结果表明，环境司法具有威慑作用，能够增加外部压力，从而遏制高污染企业的绿色washing行为。这凸显了环境司法在补充和强化环境立法效力方面的重要性。从协同社会治理的角度来看，环境法庭发挥作用的三个主要途径分别是：增强绿色投资者的关注度、加强公众对环境的监督以及提升管理层的环保意识。此外，对于国有企业、内部控制薄弱的企业以及高污染行业的企业，这种治理效应更为显著。不过，政治关系会削弱这种效应。同时，在法律环境良好的地区以及市场竞争激烈的行业中，该效应也更为明显。本研究为相关领域做出了几项贡献。首先，它指出健全的环境司法体系是外部压力有效约束企业行为的重要前提，为解释为何外部压力理论在某些情况下失效提供了新的视角。以往的研究对于环境立法的效力得出了不同结论（Han & Zhang，2025；Hu、Wang & Du，2023；Li & Deng，2025），这些研究往往隐含着环境司法能够正常发挥作用的假设。本研究认为，这种分歧是由于环境司法体系不完善，从而削弱了立法的效力。我们主张，虽然环境立法是绿色治理的制度基础，但充分的司法威慑仍不可或缺，才能有效迫使高污染企业进行实质性绿色转型。这对于那些环境司法体系不完善的国家和地区具有重要的参考价值。其次，本研究强调，有效的环境治理需要政府、市场和社会力量的协同参与。环境法庭作为一种将正式制度约束与非正式社会监督相结合的制度创新，为多种治理力量之间的协同作用提供了制度平台。通过加强绿色资本治理、提升公众监督力度以及提高管理层的环保意识，本研究揭示了环境法庭如何通过调动社会治理力量来增强司法威慑的治理效果。最后，本研究将双重/去偏机器学习方法引入企业治理研究领域。目前，现有研究大多采用传统的差分-差分模型来评估环境监管的治理效应，但该模型在处理异质性处理效应和大量控制变量方面存在明显缺陷（Cengiz等人，2019；Goodman-Bacon，2021）。双重/去偏机器学习方法通过奈曼正交化和交叉拟合策略解决了这些问题，既能有效减轻正则化偏差，又能利用机器学习算法灵活捕捉变量间的非线性关系，从而提高处理效应估计的精确度。通过运用双重/去偏机器学习方法来确定处理效应，本研究为未来政策评估的相关研究提供了更为严谨的方法论参考。本文的其余结构如下：第二部分回顾相关文献；第三部分构建理论框架并提出研究假设；第四部分阐述实证设计；第五部分汇报并分析实证结果；第六部分探讨中介机制和异质性分析；最后，第七部分总结研究结论，并提出政策建议、研究局限及未来研究方向。文献综述大多数研究表明，企业绿色washing行为受利润动机、外部监管和内部治理机制的影响。首先，利润激励起着至关重要的作用。主动采用环保标签的企业更容易在市场上脱颖而出（Berrone等人，2017），而由此产生的绿色溢价进一步强化了企业从事绿色washing行为的动机（Nardi，2022）。此外，日益激烈的市场竞争还会在企业间引发绿色washing行为的蔓延效应。环境法庭与企业绿色washing制度理论认为，法律法规会对企业施加强制性的外部压力，迫使它们遵守相关规定（Sharma & Henriques，2005）。然而，高污染企业可能更倾向于采用低成本的象征性绿色宣传来弥补其丧失的合法性（Lee & Raschke，2023；Seele & Gatti，2017），这使得环境立法难以有效遏制绿色washing行为（Han & Zhang，2025）。与立法不同，环境法庭的设立强调了……双重/去偏机器学习现有研究普遍采用带有双向固定效应的差分-差分模型来评估政策效应（He & Wang，2024；Lv等人，2024；Wang、Pan等人，2025）。但是，当不同单位的处理时间不一致时，由于处理效应的异质性会导致负权重问题，从而使TWFE估计量出现偏差（Goodman-Bacon，2021）。至于合成控制法，当存在混杂变量时，也可能产生偏差。双重/去偏机器学习基准估计表2显示了环境法庭设立对绿色washing的估计处理效应。第（1）列仅考虑控制变量和年度固定效应的线性项，而第（2）列则额外加入了控制变量的二次项。这并不意味着控制变量只能采用二次形式，控制变量的函数形式是由更为复杂的随机森林机器学习算法确定的。中介机制本部分采用Farbmacher等人（2022）提出的因果中介分析方法，来研究绿色投资者关注度、公众环境监督以及管理层环保意识在其中的中介作用。表10的第（1）列显示，在控制了绿色投资者关注度之后，环境法庭在处理组和对照组中对绿色washing均产生了显著的负向直接影响，这进一步证明了环境司法的威慑作用。关于……结论绿色转型始终是全球发展议程中的核心议题。虽然大多数研究都从政策激励和立法监管的角度探讨了推动绿色转型的因素，但司法监督的作用却鲜有研究。本研究通过运用双重/去偏机器学习方法，聚焦于中国建立环境法庭这一重大的环境司法改革，以此填补这一研究空白。CRediT作者贡献声明杜静宇：概念构建、方法设计、数据收集、初稿撰写。夏悦伟：方法设计、软件应用、定量分析、初稿撰写。郑佳莹：指导监督、论文修改。曹希丹：资源协调、数据整理、数据收集。利益冲突声明作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。杜静宇|夏悦伟|郑佳莹|曹希丹