商业银行ESG履责与企业僵尸化风险治理

王垒; 蔡一通; 沙一凡

商业银行ESG履责与企业僵尸化风险治理

中国海洋大学经济学院，山东青岛 266100

基金项目:

国家社会科学基金一般项目 23BGL108

泰山学者工程专项经费资助 tsqn202306089

山东省自然科学基金面上项目 ZR2023MG013

详细信息

作者简介:
王垒(1986-)，男，山东淄博人，中国海洋大学经济学院教授，博士

蔡一通(2001-)，男，湖南益阳人，中国海洋大学经济学院硕士研究生

通讯作者:
沙一凡(1997-)(通讯作者)，女，山东德州人，中国海洋大学经济学院博士研究生

中图分类号: F832
计量
- 文章访问数: 7
- HTML全文浏览量: 4
- PDF下载量: 1
- 被引次数: 0
出版历程
- 收稿日期: 2025-11-16
- 网络出版日期: 2026-03-23
- 刊出日期: 2026-01-28

Commercial Banks' ESG Performance and the Governance of Enterprises' Zombie Risk

School of Economics, Ocean University of China, Qingdao 266100, China

摘要

摘要: 利用金融手段破解僵尸企业治理难题是推动落后产能有序退出、防范化解重大经济金融风险的重要举措。利用上市公司公告的贷款数据实证检验发现，银行ESG履责能有效降低企业僵尸化风险，当银行ESG履责水平提高1个标准差时，企业沦为僵尸企业的概率将降低1.21%。有别于传统意义上的“信贷输血”，银行ESG履责不仅缓解了企业信贷约束，还能通过强化落后产能治理、提升企业投资效率和生产效率，系统降低企业僵尸化风险，助力僵尸企业“脱困重生”；且银行ESG履责对非国有企业、非重污染企业、高外部融资依赖企业和高债务融资成本企业的治理作用更为显著。研究结论为监管部门利用金融手段精准施策、分类处置僵尸企业，进而防范化解系统性金融风险提供了政策启示。
- 银行ESG履责 /
- 信贷配置 /
- 僵尸企业
Abstract: Using financial tools to address the challenges of zombie enterprise governance is a key measure to promote the orderly withdrawal of backward production capacity and prevent and resolve major economic and financial risks. Based on the loan data disclosed in listed companies' announcements, this paper empirically examines the governance effect of banks' ESG performance on zombie enterprises. The findings show that banks' ESG performance can effectively reduce enterprises' zombie risk, when the level of banks' ESG performance increases by one standard deviation, the probability of enterprises becoming zombie enterprises decreases by 1.21%. Mechanism tests reveal that, different from the traditional "credit blood transfusion", banks' ESG performance not only eases enterprises' credit constraints, but also systematically reduces their zombie risk by strengthening the governance of backward production capacity and improving their investment efficiency and production efficiency, thereby helping zombie enterprises escape from distress and achieve rebirth. Heterogeneity tests indicate that the governance effect of banks' ESG performance is more significant for non-state-owned enterprises, non-heavily polluting enterprises, enterprises with high external financing dependence, and the enterprises with high debt financing costs.
- banks' ESG /
- credit allocation /
- zombie enterprises

HTML全文

表 1 描述性统计结果

变量	样本量	均值	标准差	最小值	中位数	最大值
Zombie	12 345	0.188	0.391	0.000	0.000	1.000
Bank_ESG	12 345	5.887	0.605	1.000	6.000	7.000
Size	12 345	22.296	1.167	20.130	22.160	25.680
Leverage	12 345	0.446	0.193	0.082	0.440	0.926
Age	12 345	2.965	0.298	2.079	2.996	3.555
ROA	12 345	0.035	0.066	-0.278	0.035	0.210
CashFlow	12 345	0.044	0.065	-0.148	0.043	0.235
TobinQ	12 345	2.224	1.349	0.887	1.804	8.624
SOE	12 345	0.322	0.467	0.000	0.000	1.000
Growth	12 345	0.171	0.386	-0.541	0.110	2.287
Board	12 345	2.223	0.171	1.792	2.303	2.639
Top	12 345	0.378	0.057	0.143	0.364	0.800
Inddirector	12 345	57.053	14.593	22.809	57.518	88.899

下载: 导出CSV

表 2 基准回归检验结果

变量	(1)	(2)	(3)	(4)
	Zombie
	混合Logit	固定效应Logit	随机效应Logit	边际效应
Bank_ESG	-0.278^***	-0.216^**	-0.312^***	-0.020^***
	(-4.284)	(-1.993)	(-3.637)	(-3.653)
Size	-0.258^***	-0.961^***	-0.419^***
	(-6.505)	(-6.092)	(-6.628)
Leverage	1.756^***	4.433^***	3.093^***
	(8.117)	(7.811)	(9.165)
Age	-0.090	-1.996^*	-0.036
	(-0.688)	(-1.656)	(-0.166)
ROA	-47.647^***	-41.194^***	-51.969^***
	(-36.921)	(-20.968)	(-31.896)
CashFlow	1.206^**	2.055^**	1.744^**
	(2.038)	(2.338)	(2.349)
TobinQ	0.093^***	0.021	0.108^**
	(2.715)	(0.325)	(2.309)
SOE	0.243^***	0.638^**	0.454^***
	(3.231)	(2.219)	(3.649)
Growth	0.086	0.138	0.132
	(0.921)	(1.063)	(1.170)
Board	-0.303	0.298	-0.352
	(-1.228)	(0.498)	(-0.948)
Top	-0.016^***	-0.020^***	-0.027^***
	(-6.883)	(-2.707)	(-7.137)
Inddirector	-0.338	-1.386	-0.749
	(-0.484)	(-0.905)	(-0.731)
常数项	7.752^***		11.177^***
	(6.671)		(6.224)
个体固定	否	是	否
行业固定	是	是	是
年度固定	是	是	是
样本量	12 342	4 942	12 342
Pseudo R²	0.458	0.502
注：、、 * *分别表示在10%、5%、1%的水平上显著，括号内为Z值；对于混合Logit和随机效应Logit，由于完全预测问题，3个样本未被纳入本次回归，但不影响主要解释变量的估计结果；对于固定效应Logit，由于较多样本的Zombie变量始终为1或始终为0，对系数估计没有贡献，也被自动剔除。下表同。

下载: 导出CSV

表 3 内生性检验

变量	(1)	(2)	(3)	(4)	(5)
	Bank_ESG	Zombie	HighESG	Zombie	Zombie
	工具变量法		Heckman两阶段		PSM
ESGFN	0.102^***
	(13.297)
ESGFV	0.047^***
	(29.894)
Bank_ESG		-0.086^***		-0.027^***	-0.269^***
		(-6.389)		(-3.822)	(-3.617)
IMR				-0.135^**
				(-2.088)
PeerESG			0.357^***
			(5.698)
控制变量	是	是	是	是	是
个体固定	否	否	否	是	否
行业固定	是	是	是	否	是
年度固定	是	是	是	是	是
样本量	12 255	12 255	12 345	12 345	7 333
K-P rk LM	1 135.605
C-D Wald F	2 449.708
R²	0.603	0.363		0.284	0.445

下载: 导出CSV

表 4 更换核心变量

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
	混合 Logit	固定效应 Logit	随机效应 Logit	混合 Logit	固定效应 Logit	随机效应 Logit	混合 Logit	固定效应 Logit	随机效应 Logit
	Zombie_NOPL			Zombie			Zombie
Bank_ESG	-0.278^***	-0.216^**	-0.312^***
	(-4.284)	(-1.993)	(-3.637)
Bank_ESG_ave				-0.322^***	-0.262^**	-0.370^***
				(-5.041)	(-2.406)	(-4.344)
Bank_ESG_Bb							-0.036^***	-0.021^**	-0.039^***
							(-6.073)	(-1.975)	(-4.902)
控制变量	是	是	是	是	是	是	是	是	是
个体固定	否	是	否	否	是	否	否	是	否
行业固定	是	是	是	是	是	是	是	是	是
年度固定	是	是	是	是	是	是	是	是	是
样本量	12 342	4 942	12 342	12 342	4 942	12 342	12 202	4 842	12 202
Pseudo R²	0.458	0.502		0.458	0.502		0.470	0.520

下载: 导出CSV

表 5 纳入非上市银行贷款数据、排除样本区间和政策干扰

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
	混合 Logit	固定效应 Logit	随机效应 Logit	混合 Logit	固定效应模型^①	随机效应 Logit	混合 Logit	固定效应 Logit	随机效应 Logit
	Zombie
Bank_ESG_kw	-25.301^***	-28.204^**	-30.193^***
	(-3.795)	(-2.138)	(-3.339)
Bank_ESG				-0.351^***	-0.022^**	-0.386^***	-0.277^***	-0.217^**	-0.311^***
				(-3.634)	(-2.049)	(-2.963)	(-4.254)	(-1.996)	(-3.620)
policy_control							-0.256	-0.519	-0.383
							(-1.494)	(-1.360)	(-1.521)
post_policy							-0.864^***	0.911	-0.840^***
							(-5.186)	(1.572)	(-3.977)
控制变量	是	是	是	是	是	是	是	是	是
个体固定	否	是	否	否	是	否	否	是	否
行业固定	是	是	是	是	否	是	是	是	是
年度固定	是	是	是	是	是	是	是	是	是
样本量	12 337	4 938	12 337	6 857	6 858	6 857	12 342	4 942	12 342
R²					0.274
Pseudo R²	0.460	0.504		0.439			0.458	0.502

下载: 导出CSV

表 6 作用机制检验：缓解企业信贷约束、强化落后产能治理

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
变量	Zombie	S_Loans	Zombie	Zombie	ww	Zombie	Zombie	l_elim	Zombie
Bank_ESG	-0.028^***	0.386^***	-0.023^***	-0.032^***	-0.002^**	-0.028^***	-0.027^***	0.287^***	-0.020^**
	(-3.526)	(14.596)	(-2.950)	(-3.465)	(-2.363)	(-3.157)	(-3.317)	(15.946)	(-2.477)
S_Loans			-0.012^***
			(-2.890)
ww						2.240^***
						(12.718)
l_elim									-0.022^***
									(-4.249)
控制变量	是	是	是	是	是	是	是	是	是
个体固定	是	是	是	是	是	是	是	是	是
年度固定	是	是	是	是	是	是	是	是	是
样本量	12 278	12 278	12 278	10 650	10 650	10 650	12 345	12 345	12 345
Sobel检验		-2.835^***			-2.324^**			-4.106^***
R²	0.290	0.336	0.291	0.289	0.622	0.313	0.284	0.160	0.285
注：考虑到机制变量为连续变量，采用DLS模型并固定个体和年度效应进行回归。表 7同。

下载: 导出CSV

表 7 作用机制检验：提升企业投资效率、提升企业生产效率

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)	(9)
变量	Zombie	INVEFF	Zombie	Zombie	TFP_LP	Zombie	Zombie	TFP_OP	Zombie
Bank_ESG	-0.024^***	-0.007^***	-0.023^***	-0.025^***	0.020^**	-0.023^***	-0.025^***	0.019^**	-0.024^***
	(-2.870)	(-2.872)	(-2.749)	(-3.085)	(2.439)	(-2.914)	(-3.134)	(2.461)	(-2.995)
INVEFF			0.145^***
			(4.432)
TFP_LP						-0.076^***
						(-5.183)
TFP_OP									-0.062^***
									(-4.104)
控制变量	是	是	是	是	是	是	是	是	是
个体固定	是	是	是	是	是	是	是	是	是
年度固定	是	是	是	是	是	是	是	是	是
样本量	10 756	10 756	10 756	12 300	12 300	12 300	12 331	12 331	12 331
Sobel检验		-2.410^**			-2.207^**			-2.111^**
R²	0.302	0.021	0.303	0.288	0.546	0.292	0.283	0.474	0.286

下载: 导出CSV

表 8 异质性检验：企业产权性质、行业污染程度

变量	(1)	(2)	(3)	(4)	(5)	(6)
	混合 Logit	固定效应 Logit	随机效应 Logit	混合 Logit	固定效应 Logit	随机效应 Logit
	Zombie
Bank_ESG	-0.352^***	-0.501^***	-0.436^***	-0.330^***	-0.287^**	-0.384^***
	(-4.664)	(-3.692)	(-4.353)	(-4.770)	(-2.478)	(-4.198)
SOE	-0.910	-2.895^***	-1.421^*
	(-1.497)	(-2.919)	(-1.808)
SOE×Bank_ESG	0.197^*	0.611^***	0.322^**
	(1.912)	(3.717)	(2.414)
Pollute				-1.866^**	-2.331^*	-2.480^**
				(-2.468)	(-1.839)	(-2.556)
Pollute×Bank_ESG				0.272^**	0.362^*	0.374^**
				(2.148)	(1.876)	(2.298)
个体固定	否	是	否	否	是	否
行业固定	是	是	是	是	是	是
年度固定	是	是	是	是	是	是
样本量	12 342	4 942	12 342	12 342	4 942	12 342
Pseudo R²	0.458	0.505		0.459	0.503

下载: 导出CSV

表 9 异质性检验：外部融资依赖、债务融资成本

变量	(1)	(2)	(3)	(4)	(5)	(6)
	混合 Logit	固定效应 Logit	随机效应 Logit	混合 Logit	固定效应 Logit	随机效应 Logit
	Zombie
Bank_ESG	-0.261^***	-0.189^*	-0.289^***	-0.142^*	-0.137	-0.165^*
	(-3.961)	(-1.734)	(-3.331)	(-1.900)	(-1.174)	(-1.706)
EFD	1.232	2.374^**	1.632^*
	(1.500)	(2.285)	(1.820)
EFD×Bank_ESG	-0.248^*	-0.468^**	-0.304^*
	(-1.735)	(-2.539)	(-1.951)
COD				51.993^***	47.249^***	62.899^***
				(4.104)	(2.727)	(4.100)
COD×Bank_ESG				-8.1635^***	-6.772^**	-9.580^***
				(-3.907)	(-2.346)	(-3.710)
个体固定	否	是	否	否	是	否
行业固定	是	是	是	是	是	是
年度固定	是	是	是	是	是	是
样本量	12 321	4 919	12 321	12 340	4 942	12 340
Pseudo R²	0.456	0.502		0.459	0.506

下载: 导出CSV

参考文献(45)

[1]	周文婷, 冯晨. 僵尸企业的风险传染效应: 基于供应链机制[J]. 世界经济, 2022(11): 101-124.
[2]	顾海峰, 朱慧萍. 地方政府债务是否会影响银行系统性风险——基于土地财政、僵尸贷款及期限错配渠道[J]. 经济学家, 2023(2): 67-78.
[3]	徐淑丹. 专业化审判机构对僵尸企业退出的影响机制研究——来自巡回法庭和破产法庭的证据[J]. 经济科学, 2025(2): 195-222.
[4]	FARIA-E-CASTRO M, PAUL P, SÁNCHEZ J M. Evergreening[J]. Journal of Financial Economics, 2024, 153: 103778. doi: 10.1016/j.jfineco.2024.103778
[5]	PEEK J, ROSENGREN E S. Unnatural selection: perverse incentives and the misallocation of credit in Japan[J]. American Economic Review, 2005, 95(4): 1144-1166. doi: 10.1257/0002828054825691
[6]	王垒, 崔慧霖, 赵忠超. 地方政府债务对企业僵尸化的空间溢出效应与化解机制[J]. 金融理论探索, 2025(1): 3-16.
[7]	栾甫贵, 赵静. 我国僵尸企业的脱困重生机制研究——基于多元共治实践的组态分析[J]. 会计研究, 2023(8): 61-72.
[8]	朱光顺, 魏宁. 负责任的银行贷款与上市公司ESG表现[J]. 数量经济技术经济研究, 2023(12): 133-151.
[9]	梁琪, 李温玉, 余峰燕. "遵从监管"抑或"主动履责": 双重治理视角下银行绿色治理指数及其对银行绩效的影响研究[J]. 金融研究, 2023(6): 38-56.
[10]	周冬华, 黄雨秀. 环保法与僵尸企业形成——基于一项准自然实验的证据[J]. 会计研究, 2024(8): 116-134.
[11]	DE JONGHE O, MULIER K, SAMARIN I. Bank specialization and zombie lending[J]. Management Science, 2025, 71(2): 1260-1286. doi: 10.1287/mnsc.2023.01437
[12]	HOUSTON J F, SHAN H. Corporate ESG profiles and banking relationships[J]. The Review of Financial Studies, 2022, 35(7): 3373-3417. doi: 10.1093/rfs/hhab125
[13]	张成, 曹林楠. 企业数字化转型、ESG表现与绿色创新绩效[J]. 郑州大学学报(哲学社会科学版), 2025(5): 104-109.
[14]	ACEBO E, GUTIÉRREZ-LÓPEZ C, ABAD-GONZÁLEZ J, et al. Lazarus, come forth! Public loan guarantees and the recovery of zombie firms[J]. Economic Modelling, 2025: 107366.
[15]	陈东晖, 李素梅, 尚达, 等. 贷款银行ESG实践与借款企业绿色技术创新[J]. 现代金融研究, 2024(11): 14-24.
[16]	KORNAI J, WEIBULL J W. Paternalism, buyers' and sellers' market[J]. Mathematical Social Sciences, 1983, 6(2): 153-169. doi: 10.1016/0165-4896(83)90003-3
[17]	TIHANYI L, GRAFFIN S, GEORGE G. Rethinking governance in management research[J]. Academy of Management journal, 2014, 57(6): 1535-1543. doi: 10.5465/amj.2014.4006
[18]	SCHIVARDI F, SETTE E, TABELLINI G. Credit misallocation during the European financial crisis[J]. The Economic Journal, 2022, 132(641): 391-423. doi: 10.1093/ej/ueab039
[19]	王嘉鑫, 刘雪娜, 于鑫雨, 等. 银企ESG一致性与贷后企业策略性ESG行为[J]. 财经研究, 2024(4): 109-123.
[20]	ALBUQUERQUE B, IYER R. The rise of the walking dead: zombie firms around the world[J]. Journal of International Economics, 2024, 152: 104019. doi: 10.1016/j.jinteco.2024.104019
[21]	ALVES C F, MENESES L L. ESG scores and debt costs: exploring indebtedness, agency costs, and financial system impact[J]. International Review of Financial Analysis, 2024, 94: 103240. doi: 10.1016/j.irfa.2024.103240
[22]	BIRINDELLI G, CHIAPPINI H, JALAL R. Greenwashing, bank financial performance and the moderating role of gender diversity[J]. Research in International Business and Finance, 2024, 69: 102235. doi: 10.1016/j.ribaf.2024.102235
[23]	徐忠. 新时代背景下中国金融体系与国家治理体系现代化[J]. 经济研究, 2018(7): 4-20.
[24]	王垒, 冯明聪, 沙一凡. 行业特定知识转移与分析师预测质量: 来自券商机构并购的证据[J]. 东方论坛-青岛大学学报(社会科学版), 2024(2): 55-71.
[25]	赵梦洁, 任广乾, 李俊超. 投资者-上市公司ESG信息互动对企业"漂绿"行为的影响研究[J]. 管理学报, 2025(6): 1093-1102.
[26]	赵绍阳, 李梦雪, 佘楷文, 等. 绿色监管下商业银行信贷资源配置的策略性行为研究[J]. 经济科学, 2025(3): 128-151.
[27]	宋科, 徐蕾, 李振, 等. ESG投资能够促进银行创造流动性吗?——兼论经济政策不确定性的调节效应[J]. 金融研究, 2022(2): 61-79.
[28]	CHANG Q, ZHOU Y, LIU G, et al. How does government intervention affect the formation of zombie firms?[J]. Economic Modelling, 2021, 94: 768-779. doi: 10.1016/j.econmod.2020.02.017
[29]	张笑愚, 信春华, 王鑫怡. 企业ESG表现对杠杆操纵的影响研究[J]. 管理学报, 2025(4): 709-718.
[30]	GABRIEL A, GIMÉNEZ ROCHE G A. The distorted entrepreneurial decision-making of zombie firms[J]. Managerial and Decision Economics, 2024, 45(3): 1230-1241. doi: 10.1002/mde.4065
[31]	HE X, JING Q, CHEN H. The impact of environmental tax laws on heavy-polluting enterprise ESG performance: a stakeholder behavior perspective[J]. Journal of Environmental Management, 2023, 344: 118578. doi: 10.1016/j.jenvman.2023.118578
[32]	曹慧平, 丁怡帆. 金融供给改善与企业劳动力投资效率: 商业银行网点分布的证据[J]. 广东财经大学学报, 2024(1): 54-69. http://xb.gdufe.edu.cn/article/id/c3d8ec76-7076-4c5f-8330-90573855015d
[33]	谢红军, 吕雪. 负责任的国际投资: ESG与中国OFDI[J]. 经济研究, 2022(3): 83-99.
[34]	黄少卿, 陈彦. 中国僵尸企业的分布特征与分类处置[J]. 中国工业经济, 2017(3): 24-43.
[35]	张十根, 陈力维. 董事高管责任保险与企业僵尸化风险[J]. 金融监管研究, 2025(7): 60-80.
[36]	王垒, 刘青德, 李宽. ESG评级分歧与公司债券定价: 信息挖掘还是信息恶化[J]. 国际金融研究, 2024(3): 87-96.
[37]	张质彬, 张涵, 熊爱华. 绿色金融对企业全要素生产率的影响机制研究[J]. 科研管理, 2025(8): 135-144.
[38]	王辉, 林伟芬. 环境责任信号: ESG与绿色投资吸引[J]. 统计研究, 2025(10): 80-92.
[39]	周忠民, 李振英, 马本江, 等. 银行信贷、非效率投资与僵尸企业——来自中国A股上市公司的经验证据[J]. 财经理论与实践, 2020(2): 15-23.
[40]	RICHARDSON S. Over-investment of free cash flow[J]. Review of Accounting Studies, 2006, 11(2): 159-189.
[41]	王永钦, 李蔚, 戴芸. 僵尸企业如何影响了企业创新?——来自中国工业企业的证据[J]. 经济研究, 2018(11): 99-114.
[42]	陈晓珊, 陈思敏. 地方政府环境注意力与企业ESG表现[J]. 广东财经大学学报, 2025(1): 77-92. http://xb.gdufe.edu.cn/article/id/d3f54954-aa7b-40f9-bc01-2cc7a78be2d6
[43]	潘爱玲, 刘昕, 邱金龙, 等. 媒体压力下的绿色并购能否促使重污染企业实现实质性转型[J]. 中国工业经济, 2019(2): 174-192.
[44]	DEMIRGVÇ-KUNT A, MAKSIMOVIC V. Law, finance, and firm growth[J]. The Journal of Finance, 1998, 53(6): 2107-2137. doi: 10.1111/0022-1082.00084
[45]	李广子, 刘力. 债务融资成本与民营信贷歧视[J]. 金融研究, 2009(12): 137-150.