數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新的影響
——基于中國制造業(yè)上市公司的經(jīng)驗證據(jù)

靳 毓 文 雯 何 茵

(1.中國人民大學(xué)，北京 100872；2.北京外國語大學(xué)，北京 100089；3.曼徹斯特大學(xué)，曼徹斯特 M13 9PL)

一、引言

在我國經(jīng)濟持續(xù)快速增長的同時，生態(tài)資源約束和環(huán)境污染問題也日益突出，加快轉(zhuǎn)變經(jīng)濟發(fā)展方式、推動產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級刻不容緩。2020年9月，習(xí)近平總書記在第七十五屆聯(lián)合國大會一般性辯論上發(fā)表重要講話，明確提出我國將采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和。這一重大宣示意味著我國將全力推動經(jīng)濟社會發(fā)展全面綠色轉(zhuǎn)型，堅定不移走綠色、低碳、循環(huán)、可持續(xù)發(fā)展之路。為實現(xiàn)經(jīng)濟發(fā)展與環(huán)境保護的和諧共進，近年來國家大力倡導(dǎo)綠色創(chuàng)新戰(zhàn)略，將綠色創(chuàng)新作為解決環(huán)境問題的根本之策。制造業(yè)是我國國民經(jīng)濟發(fā)展的重要支柱，也是經(jīng)濟運行中的主要能源消耗者和承擔(dān)碳減排重任的主力軍，加快推動制造業(yè)企業(yè)綠色創(chuàng)新對于實現(xiàn)經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型意義重大。不同于傳統(tǒng)科技創(chuàng)新，綠色創(chuàng)新強調(diào)經(jīng)濟效益、社會效益和生態(tài)效益的協(xié)調(diào)統(tǒng)一，具有更高的不確定性和風(fēng)險。如何有效推動企業(yè)綠色創(chuàng)新是新時代亟待解決的重要議題。

隨著數(shù)字經(jīng)濟的蓬勃發(fā)展，信息技術(shù)與實體產(chǎn)業(yè)加速融合，人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等新一代數(shù)字科技的創(chuàng)新突破及其對制造業(yè)的持續(xù)滲透，推動制造業(yè)在價值創(chuàng)造流程各環(huán)節(jié)發(fā)生深刻變革。2021年國務(wù)院印發(fā)《2030年前碳達峰行動方案》，要求深入實施綠色制造工程、大力推行綠色設(shè)計、完善綠色制造體系，進一步明確了推進工業(yè)領(lǐng)域數(shù)字化、智能化、綠色化融合發(fā)展的重要意義。根據(jù)《中國數(shù)字經(jīng)濟發(fā)展白皮書(2021)》，2020年我國產(chǎn)業(yè)數(shù)字化規(guī)模達31.7萬億元，占數(shù)字經(jīng)濟比重為80.9%，占GDP比重為31.2%，數(shù)字化轉(zhuǎn)型已成為產(chǎn)業(yè)優(yōu)化升級的新引擎。數(shù)字科技賦能企業(yè)轉(zhuǎn)型升級，通過數(shù)據(jù)高效流動整合信息與資源，推動企業(yè)生產(chǎn)方式、管理流程和組織結(jié)構(gòu)實現(xiàn)根本性變革，在優(yōu)化企業(yè)信息環(huán)境(羅進輝 等，2021)、促進專業(yè)化分工(袁淳 等，2021)、改善公司治理(祁懷錦 等，2020)等方面發(fā)揮著積極作用，為企業(yè)高質(zhì)量發(fā)展提供了強大動能(趙宸宇 等，2021；黃大禹 等，2021)。不僅如此，數(shù)字技術(shù)在綠色低碳轉(zhuǎn)型中也發(fā)揮著至關(guān)重要的作用。根據(jù)世界經(jīng)濟論壇數(shù)據(jù)，到2030年各行業(yè)受益于信息通信技術(shù)(ICT)所減少的碳排放量將達121億噸。由此可見，數(shù)字技術(shù)已然成為引領(lǐng)企業(yè)綠色制造的新興紅利。在推動綠色創(chuàng)新、實現(xiàn)綠色發(fā)展的進程中，既需要數(shù)字科技的直接支撐，也離不開企業(yè)在研發(fā)、生產(chǎn)、銷售以及商業(yè)模式等方面的全面重構(gòu)和深度變革。然而，從現(xiàn)有文獻來看，很少有研究將數(shù)字化轉(zhuǎn)型與綠色創(chuàng)新納入同一框架展開分析。那么，作為經(jīng)濟發(fā)展的新動能，數(shù)字化轉(zhuǎn)型是否有助于提升企業(yè)綠色創(chuàng)新產(chǎn)出？如果是，其影響機制又如何？對上述問題進行深入探討不僅能夠為我國大力發(fā)展數(shù)字經(jīng)濟奠定堅實的理論基礎(chǔ)，也可以為加快推進綠色創(chuàng)新戰(zhàn)略提供重要的政策啟示。

基于上述分析，本文以2015—2019年滬深A(yù)股制造業(yè)上市公司為樣本，實證檢驗數(shù)字化轉(zhuǎn)型這一經(jīng)濟發(fā)展新動能對企業(yè)綠色創(chuàng)新的影響。較之已有研究，本文的邊際貢獻主要體現(xiàn)在：第一，基于綠色創(chuàng)新的視角拓展了企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟后果方面的研究。已有研究著重考察了數(shù)字化轉(zhuǎn)型對企業(yè)績效、股票流動性、盈余管理以及公司治理水平等的影響(趙宸宇 等，2021；羅進輝 等，2021；祁懷錦 等，2020)，而直接探討數(shù)字化轉(zhuǎn)型與企業(yè)綠色創(chuàng)新關(guān)系的文獻并不多見。本文研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束、降低管理層的委托代理成本、激發(fā)企業(yè)增長潛能，進而顯著提升了企業(yè)綠色創(chuàng)新水平，為推動數(shù)字化發(fā)展的必要性和緊迫性提供了新的經(jīng)驗證據(jù)。第二，從數(shù)字化轉(zhuǎn)型的角度豐富了企業(yè)綠色創(chuàng)新驅(qū)動因素的研究?，F(xiàn)有文獻主要從組織外部壓力和內(nèi)部特征等角度探討企業(yè)綠色創(chuàng)新的影響因素(齊紹洲 等，2018)，鮮有關(guān)注微觀企業(yè)數(shù)字化轉(zhuǎn)型這一經(jīng)濟發(fā)展的關(guān)鍵性戰(zhàn)略對綠色創(chuàng)新的影響。因此，本文是對企業(yè)綠色創(chuàng)新影響因素文獻的有益補充。第三，研究結(jié)論為政府制定和實施綠色創(chuàng)新戰(zhàn)略提供了重要的理論依據(jù)和決策參考。

二、文獻綜述

(一)數(shù)字化轉(zhuǎn)型的經(jīng)濟后果

數(shù)字化轉(zhuǎn)型可以理解為“新興數(shù)字科技+實體企業(yè)”，是指企業(yè)利用信息、計算、溝通和連接技術(shù)的組合，通過提升信息處理和流通效率，促進新舊資源與能力的內(nèi)部集成和外部拓展，引發(fā)生產(chǎn)流程、業(yè)務(wù)活動和商業(yè)模式的轉(zhuǎn)變，進而實現(xiàn)創(chuàng)新潛能激發(fā)、交易成本節(jié)約以及商業(yè)價值獲取的系統(tǒng)化過程(Gilch et al.，2021；李琦 等，2021)。從已有研究來看，學(xué)者圍繞數(shù)字化轉(zhuǎn)型對企業(yè)經(jīng)濟績效和公司治理的影響展開了廣泛探討。

1.數(shù)字化轉(zhuǎn)型對企業(yè)經(jīng)營和績效的影響

關(guān)于數(shù)字化轉(zhuǎn)型究竟會對企業(yè)經(jīng)營和績效產(chǎn)生何種影響，現(xiàn)有研究結(jié)論存在一定分歧。一類觀點認為，推動數(shù)字化轉(zhuǎn)型有助于提高資源配置和整合效率，進而改善企業(yè)經(jīng)營，提升企業(yè)績效水平。相關(guān)研究表明，數(shù)字化轉(zhuǎn)型通過促進數(shù)據(jù)要素的高效流動，增強了企業(yè)的創(chuàng)新能力、應(yīng)對沖擊能力以及可持續(xù)發(fā)展能力，對于企業(yè)實現(xiàn)快速成長和價值提升具有重要意義(易露霞 等，2021；倪克金 等，2021；黃大禹 等，2021)。同時，數(shù)字化轉(zhuǎn)型也有助于提高信息透明度，緩解信息不對稱，減少委托代理問題，從而顯著增強企業(yè)的外部融資能力(高雨辰 等，2021)。還有一些研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型能夠有效提升專業(yè)化分工水平，且主要是通過降低企業(yè)面臨的外部交易成本實現(xiàn)的(袁淳 等，2021)；數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)全要素生產(chǎn)率，是數(shù)字經(jīng)濟時代提升制造業(yè)企業(yè)生產(chǎn)效率的強勁驅(qū)動力(趙宸宇 等，2021)；數(shù)字化扮演著“經(jīng)濟資源”的角色，提高了企業(yè)持有現(xiàn)金的交易動機和預(yù)防動機(譚志東 等，2022)。而另一類觀點則強調(diào)，由于部分企業(yè)缺乏相應(yīng)的技術(shù)配套設(shè)施或組織架構(gòu)，數(shù)字化轉(zhuǎn)型不僅很難對企業(yè)績效產(chǎn)生顯著的正向促進作用，甚至還可能阻礙績效的提升。Li et al.(2018)指出，推動企業(yè)數(shù)字化轉(zhuǎn)型并非易事，除了要投入大量的資金外，還需對現(xiàn)有的業(yè)務(wù)流程、產(chǎn)品體系、管理架構(gòu)等進行深度重構(gòu)。企業(yè)組織結(jié)構(gòu)與數(shù)字化轉(zhuǎn)型技術(shù)架構(gòu)的不匹配會引發(fā)管理失調(diào)，進而阻礙數(shù)字化轉(zhuǎn)型積極效應(yīng)的發(fā)揮，甚至導(dǎo)致企業(yè)績效降低(余江 等，2017；周青 等，2020)。Hajli et al.(2015)也證實，數(shù)字化發(fā)展只能提高對信息技術(shù)高度依賴的行業(yè)的運營績效，而對傳統(tǒng)行業(yè)的績效沒有明顯的促進效應(yīng)。

2.數(shù)字化轉(zhuǎn)型對公司治理的影響

類似地，基于公司治理層面的數(shù)字化轉(zhuǎn)型經(jīng)濟后果研究，也存在兩種截然相反的觀點?！按龠M觀”認為，數(shù)字化運營有助于提升公司資源運營效率和信息透明度，降低真實盈余管理(羅進輝 等，2021)，通過降低信息不對稱和管理者決策行為的非理性程度顯著提高公司治理水平(祁懷錦 等，2020)。張永珅等(2021)研究表明，數(shù)字化水平越高，審計風(fēng)險越小、審計成本越低，企業(yè)財務(wù)報告審計收費越低。此外，吳非等(2021)還發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型通過緩解信息不對稱并強化市場的正面預(yù)期、優(yōu)化企業(yè)創(chuàng)新的投入產(chǎn)出狀況，以及增加企業(yè)價值和財務(wù)穩(wěn)定性等渠道顯著提升了企業(yè)的股票流動性，即數(shù)字化轉(zhuǎn)型有助于改善企業(yè)在資本市場的表現(xiàn)。而“抑制觀”則從商業(yè)模式角度切入，認為數(shù)字技術(shù)賦能商業(yè)模式創(chuàng)新會增加企業(yè)經(jīng)營業(yè)務(wù)的復(fù)雜性，間接加劇企業(yè)信息不對稱、惡化股東和管理者之間的代理沖突(李榮 等，2020)。

(二)綠色創(chuàng)新的影響因素

綠色創(chuàng)新是指與綠色產(chǎn)品或工藝相關(guān)的硬件或軟件創(chuàng)新，包括節(jié)能污染防治、廢物回收利用、綠色產(chǎn)品設(shè)計或企業(yè)環(huán)境管理等方面的技術(shù)創(chuàng)新活動(Chen et al.，2006)。就影響企業(yè)綠色創(chuàng)新的外部因素而言，政策方案和環(huán)境規(guī)制是多數(shù)學(xué)者關(guān)注的焦點。(1)宏觀政策方面。已有研究表明，排污權(quán)交易試點政策增加了污染行業(yè)內(nèi)公司的綠色創(chuàng)新活動(齊紹洲 等，2018)，低碳試點城市政策有效提升了高碳排放企業(yè)的綠色技術(shù)創(chuàng)新水平(熊廣勤 等，2020)，綠色信貸政策對綠色創(chuàng)新亦起到了顯著的促進作用(王馨 等，2021)。(2)環(huán)境規(guī)制方面。相關(guān)研究發(fā)現(xiàn)，環(huán)境稅顯著促進了企業(yè)綠色創(chuàng)新(于連超 等，2019)，排污收費對企業(yè)綠色發(fā)明成果產(chǎn)出存在“倒逼”效應(yīng)(李青原 等，2020)。此外，政府與企業(yè)之間的聯(lián)系也被證實與綠色創(chuàng)新密切相關(guān)，比如政治關(guān)聯(lián)、環(huán)保約談、中央環(huán)保督察等均有助于提高企業(yè)綠色創(chuàng)新水平(李杰 等，2020；于芝麥，2021；李依，2021)。還有一些研究從企業(yè)內(nèi)部因素出發(fā)，發(fā)現(xiàn)高管海外經(jīng)歷、長期導(dǎo)向等對企業(yè)綠色創(chuàng)新均存在顯著影響(Quan et al.，2021；康麗群 等，2021)。

總體來看，盡管有關(guān)企業(yè)綠色創(chuàng)新影響因素的研究日漸豐富，但基于數(shù)字化轉(zhuǎn)型視角的探討卻較為少見。與本文最為接近的研究是王鋒正等(2022)，該文基于技術(shù)整合能力視角，考察了地區(qū)數(shù)字化綜合水平及其數(shù)字基礎(chǔ)、數(shù)字投入等分項指標對資源型企業(yè)綠色技術(shù)創(chuàng)新的影響。不同于此，考慮到數(shù)字技術(shù)具有與制造業(yè)發(fā)展融合相長的最佳結(jié)合點(鈔小靜 等，2021)，本文進一步深入至企業(yè)層面，探討制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型水平對綠色創(chuàng)新的影響，研究結(jié)論為數(shù)字科技和生產(chǎn)發(fā)展的深度融合奠定了更加扎實的微觀基礎(chǔ)。

三、理論分析與研究假設(shè)

綠色創(chuàng)新是企業(yè)將環(huán)保意識和責(zé)任主動納入日常生產(chǎn)經(jīng)營，通過綠色技術(shù)、產(chǎn)品、過程的創(chuàng)新來減少環(huán)境污染以創(chuàng)造新的市場機會的戰(zhàn)略行為(馬駿 等，2020)，其兼具環(huán)保與創(chuàng)新雙重屬性。從創(chuàng)新維度來看，綠色創(chuàng)新具有創(chuàng)新活動長期性、復(fù)雜性以及高度不確定性的普遍特征，創(chuàng)新過程中的信息不對稱和代理問題會嚴重影響企業(yè)創(chuàng)新水平(Cohen et al.，2013)；從環(huán)保維度來看，綠色創(chuàng)新活動強調(diào)創(chuàng)新過程的低能耗、低污染、低排放、可回收等，其技術(shù)和資金門檻更高、成果回收期更長，因而企業(yè)實施綠色創(chuàng)新的積極性普遍不高。誠然，綠色創(chuàng)新活動在短期內(nèi)很難產(chǎn)生明顯的經(jīng)濟效益，但長期來看其既可以幫助企業(yè)構(gòu)筑起堅實的技術(shù)壁壘，還能夠為企業(yè)贏得良好的形象和聲譽，從而增強企業(yè)的長期競爭優(yōu)勢(Hart，1995；Aragón-Correa et al.，2003)。與開展綠色創(chuàng)新活動類似，提升數(shù)字化水平也可以使企業(yè)長期受益。數(shù)字化轉(zhuǎn)型不僅有助于降低經(jīng)濟社會的能源消耗，實現(xiàn)生態(tài)環(huán)境保護的綠色發(fā)展目標，而且能夠通過數(shù)據(jù)信息的高效整合打破“時空限制”，使不同區(qū)域或組織之間的資源配置達到最優(yōu)(黃大禹 等，2021)?？梢哉f，數(shù)字化轉(zhuǎn)型的本質(zhì)特征天然地嵌入了綠色發(fā)展理念，能夠為企業(yè)綠色技術(shù)創(chuàng)新提供強大的內(nèi)在驅(qū)動力。本文認為，數(shù)字化轉(zhuǎn)型主要通過“資源效應(yīng)”、“治理效應(yīng)”和“乘數(shù)效應(yīng)”三條渠道促進企業(yè)綠色創(chuàng)新。

首先，企業(yè)數(shù)字化轉(zhuǎn)型可以發(fā)揮“資源效應(yīng)”，通過提升企業(yè)融資能力，緩解企業(yè)融資約束，從而促進綠色創(chuàng)新。一方面，綠色創(chuàng)新活動的高風(fēng)險、高投入和高不確定性特征加劇了投資者對信息不對稱的敏感程度(許林 等，2021)；另一方面，由于綠色創(chuàng)新通常以知識溢出的形式產(chǎn)生正外部性，即具有公共產(chǎn)品屬性，企業(yè)對環(huán)境治理項目的大量投入短期內(nèi)可能導(dǎo)致財務(wù)資源被擠占，陷入資金緊張的局面(齊紹洲 等，2018)。進一步，有研究指出，當企業(yè)面臨嚴重的融資約束時，其會主動削減綠色技術(shù)創(chuàng)新投入(楊國忠 等，2019)。而數(shù)字化轉(zhuǎn)型可以顯著提高企業(yè)的融資效率，明顯改善企業(yè)融資難、融資貴的問題，這是因為：第一，數(shù)字化轉(zhuǎn)型能夠推動企業(yè)內(nèi)部大量數(shù)據(jù)信息的流動整合并快速輸出可利用信息(王守海 等，2022)，顯著增強企業(yè)信息透明度(肖紅軍 等，2021；羅進輝 等，2021)，降低企業(yè)內(nèi)外部信息不對稱程度(祁懷錦 等，2020；吳非 等，2021)，減少投資者信息搜尋和契約簽訂等外部交易成本(袁淳 等，2021)；同時，數(shù)字化轉(zhuǎn)型還向外界釋放了企業(yè)具有良好發(fā)展前景的積極信號，促使企業(yè)更易贏得資本市場的青睞。因此，數(shù)字化轉(zhuǎn)型有助于提升企業(yè)的融資能力(高雨辰 等，2021)，為企業(yè)帶來更多的外部投資(高雨辰 等，2021；黃大禹 等，2021)，進而有效緩解融資約束。第二，數(shù)字化轉(zhuǎn)型順應(yīng)了政府部門的政策導(dǎo)向，有利于企業(yè)獲得更多的優(yōu)惠政策支持及政府資源投入(王守海 等，2022)，從而為綠色創(chuàng)新活動的開展提供了充足的資金支持。

其次，企業(yè)數(shù)字化轉(zhuǎn)型可以發(fā)揮“治理效應(yīng)”，通過強化外部監(jiān)督、緩解內(nèi)部代理沖突，從而提升企業(yè)綠色創(chuàng)新水平。創(chuàng)新活動存在高度的不確定性和風(fēng)險，自利的管理者可能會出于追求眼前利益的機會主義動機而阻礙企業(yè)創(chuàng)新戰(zhàn)略的實施。相比于傳統(tǒng)科技創(chuàng)新，綠色創(chuàng)新技術(shù)的專業(yè)性更強，在研發(fā)以及成果運用過程中的信息不透明度更高，股東對管理者進行有效監(jiān)督的難度更大，代理成本對創(chuàng)新的抑制作用更明顯。而數(shù)字化轉(zhuǎn)型有助于減少創(chuàng)新活動中的監(jiān)督成本，原因主要在于：一方面，數(shù)字化技術(shù)的運用可以方便股東跟進關(guān)鍵指標及最新的財務(wù)數(shù)據(jù)，使得管理過程及經(jīng)營結(jié)果更加透明化、可視化，這有助于壓縮管理層機會主義投機空間，降低企業(yè)的監(jiān)督成本；另一方面，提高管理流程的數(shù)字化水平可以顯著削弱管理者的自由裁量權(quán)，減少其從事機會主義與利己行為的機會，從而有效緩解管理層和股東之間的代理沖突，促進企業(yè)綠色創(chuàng)新。

最后，企業(yè)數(shù)字化轉(zhuǎn)型可以發(fā)揮“乘數(shù)效應(yīng)”，通過優(yōu)化內(nèi)外部資源配置，激發(fā)企業(yè)增長潛能，從而為綠色創(chuàng)新活動提供內(nèi)源動力。綠色創(chuàng)新活動具有復(fù)雜性和長期性特征，需要企業(yè)擁有較強的資源整合和優(yōu)化能力。而數(shù)字化技術(shù)的運用能夠有效降低信息溝通成本，促進企業(yè)之間的協(xié)同合作，改善資源配置效率，提升企業(yè)成長性，進而為綠色創(chuàng)新活動注入強勁內(nèi)生動力。一方面，大數(shù)據(jù)、互聯(lián)網(wǎng)和人工智能等數(shù)字化技術(shù)的深度應(yīng)用有助于增強信息系統(tǒng)的互聯(lián)互通和綜合集成，提高企業(yè)對供應(yīng)鏈上下游資源的整合能力以及對市場需求變化的快速響應(yīng)能力，改善資源配置與協(xié)調(diào)效率(王可 等，2018)；另一方面，企業(yè)數(shù)字化轉(zhuǎn)型在促進信息共享與知識整合的同時，還能夠提煉出新的信息和知識(祁懷錦 等，2020)，這有助于增厚企業(yè)智力資本，激發(fā)企業(yè)創(chuàng)新活力，為企業(yè)帶來更多投資機會(譚志東 等，2022)。

基于上述分析，本文提出：

假設(shè)

：

四、研究設(shè)計

(一)樣本選擇與數(shù)據(jù)來源

本文以2015—2019年滬深A(yù)股制造業(yè)上市公司為研究對象，通過構(gòu)建年份固定效應(yīng)模型，實證檢驗數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新的影響。由于綠色創(chuàng)新專利指標采用的是未來一期數(shù)據(jù)，因此實際的樣本期間為2016—2020年。針對初始研究樣本，本文剔除了被特殊處理(ST、ST)及相關(guān)數(shù)據(jù)缺失的上市公司。經(jīng)過上述篩選，最終得到5810個公司-年度觀測值。為了避免極端值的影響，本文對所有連續(xù)變量進行了上下1%的縮尾處理。參考吳非等(2021)的做法，本文以包含數(shù)字化關(guān)鍵詞匯的詞語總數(shù)來衡量數(shù)字化轉(zhuǎn)型水平，其中詞匯統(tǒng)計數(shù)據(jù)來自WinGo財經(jīng)文本數(shù)據(jù)平臺。綠色專利數(shù)據(jù)來自CNRDS數(shù)據(jù)庫，其余財務(wù)數(shù)據(jù)和公司治理數(shù)據(jù)均來自國泰安數(shù)據(jù)庫。

(二)變量說明

1.被解釋變量：企業(yè)綠色創(chuàng)新

考慮到數(shù)字化轉(zhuǎn)型效應(yīng)的發(fā)揮需要一定時間，為了降低內(nèi)生性問題的干擾，本文采用未來一期上市公司獨立獲得的綠色專利(包含發(fā)明專利以及實用新型專利)數(shù)量作為企業(yè)綠色創(chuàng)新的代理變量，記為GPatent1；同時，采用未來一期上市公司與其他實體聯(lián)合獲得的綠色專利數(shù)量作為另一衡量指標，記為GPatent2。由于綠色專利數(shù)據(jù)具有典型的“右偏性”特征，本文對其加1并取自然對數(shù)。

2.核心解釋變量：數(shù)字化轉(zhuǎn)型水平

數(shù)字化轉(zhuǎn)型水平衡量指標的構(gòu)建過程如下：第一步，根據(jù)“十四五”規(guī)劃政策文件，借鑒胡楠等(2021)的研究思路，采用“種子詞+Word2Vec相似詞”方法對吳非等(2021)構(gòu)建的數(shù)字化關(guān)鍵詞詞集進行擴充。具體實現(xiàn)路徑是，先使用Python軟件將“十四五”規(guī)劃的PDF文檔轉(zhuǎn)換成TXT文檔，而后依據(jù)上下文語義信息將詞匯表示成多維向量，并通過計算向量之間的相似度求得詞匯之間的語義相似性(Bengio et al.，2003)，最終得到的數(shù)字化詞集包含94個詞匯。第二步，采用文本分析法，借助WinGo財經(jīng)文本數(shù)據(jù)平臺抓取公司年報中的關(guān)鍵詞條，統(tǒng)計包含數(shù)字化關(guān)鍵詞匯的詞語總數(shù)并進行對數(shù)化處理，得到用于刻畫企業(yè)數(shù)字化轉(zhuǎn)型水平的指標Digword。本文的特征詞圖譜如圖1所示。

圖1 特征詞圖譜

(三)模型設(shè)定

本文構(gòu)建如下多元回歸模型，檢驗數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新的影響。

GPatent=α+αDigword+αControls+Year FE+ε

(1)

其中：下標i代表個體企業(yè)，t代表年份；被解釋變量GPatent代表企業(yè)綠色創(chuàng)新；解釋變量Digword代表數(shù)字化轉(zhuǎn)型水平；Controls代表控制變量，包括企業(yè)規(guī)模(Size)、資產(chǎn)負債率(Lev)、企業(yè)年齡(Age)、盈利能力(ROA)、產(chǎn)權(quán)性質(zhì)(SOE)、股權(quán)集中度(Concern)、機構(gòu)持股(Institution)、現(xiàn)金占比(Cash)、企業(yè)成長性(TobinQ)、研發(fā)投入(R&D)；Year FE代表年份固定效應(yīng)；ε代表殘差項。如果假設(shè)1成立，即數(shù)字化轉(zhuǎn)型顯著提高了企業(yè)綠色創(chuàng)新，那么α應(yīng)顯著為正。

本文主要變量的說明如表1所示。

表1 主要變量說明

變量名稱變量符號變量定義企業(yè)綠色創(chuàng)新GPatent1未來一期上市公司獨立獲得的綠色專利數(shù)量(包含發(fā)明專利以及實用新型專利)加1取自然對數(shù)企業(yè)綠色創(chuàng)新GPatent2未來一期上市公司與其他實體聯(lián)合獲得的綠色專利數(shù)量(包含發(fā)明專利以及實用新型專利)加1取自然對數(shù)數(shù)字化轉(zhuǎn)型水平Digword公司年報中包含數(shù)字化關(guān)鍵詞匯的詞語總數(shù)加1取自然對數(shù),特征詞圖譜如圖1所示企業(yè)規(guī)模Size營業(yè)收入的自然對數(shù)資產(chǎn)負債率Lev企業(yè)總負債與總資產(chǎn)的比值企業(yè)年齡Age企業(yè)至本期上市年數(shù)的自然對數(shù)盈利能力ROA企業(yè)凈利潤與總資產(chǎn)的比值產(chǎn)權(quán)性質(zhì)SOE國有企業(yè)取1,否則取0股權(quán)集中度Concern前五大股東持股比例之和機構(gòu)持股Institution機構(gòu)投資者持股比例之和現(xiàn)金占比Cash貨幣資金與總資產(chǎn)的比值企業(yè)成長性TobinQ企業(yè)市場價值與賬面總資產(chǎn)的比值研發(fā)投入R&D企業(yè)研發(fā)投入與營業(yè)收入的比值

五、實證結(jié)果分析

(一)描述性統(tǒng)計

表2列示了本文主要變量的描述性統(tǒng)計結(jié)果。GPatent1和GPatent2的均值分別為0.467和0.152，標準差分別為0.849和0.483，說明不同企業(yè)間的綠色創(chuàng)新水平差異較大。Digword的均值和標準差分別為1.495和1.295，最大值為4.804，表明樣本企業(yè)間的數(shù)字化轉(zhuǎn)型水平存在明顯差異。限于篇幅，其他變量的特征不再贅述，詳見表2。

表2 主要變量的描述性統(tǒng)計結(jié)果

變量樣本數(shù)均值標準差最小值P25中位數(shù)P75最大值GPatent158100.467 0.849 0.000 0.000 0.000 0.693 3.784 GPatent258100.152 0.483 0.000 0.000 0.000 0.000 2.708 Digword58101.495 1.295 0.000 0.000 1.386 2.398 4.804 Size581021.738 1.342 18.934 20.807 21.619 22.516 25.391 Lev58100.405 0.183 0.067 0.258 0.399 0.545 0.860 Age58102.870 0.303 2.079 2.691 2.900 3.099 3.476 ROA58100.039 0.059 -0.239 0.014 0.037 0.068 0.193 SOE58100.265 0.441 0.000 0.000 0.000 1.000 1.000 Concern58100.519 0.143 0.202 0.412 0.518 0.622 0.845 Institution58100.419 0.240 0.004 0.209 0.442 0.614 0.880 Cash58100.161 0.103 0.024 0.089 0.135 0.200 0.544 TobinQ58102.124 1.338 0.000 1.290 1.742 2.558 8.344 R&D58100.044 0.035 0.000 0.024 0.037 0.054 0.209

表3報告了單變量檢驗結(jié)果。不難發(fā)現(xiàn)，相比于不存在數(shù)字化轉(zhuǎn)型的樣本組，企業(yè)綠色創(chuàng)新變量的均值在存在數(shù)字化轉(zhuǎn)型的樣本組更高，且均值差異顯著。這表明數(shù)字化轉(zhuǎn)型有助于促進企業(yè)綠色創(chuàng)新，假設(shè)1初步得到支持。

表3 單變量檢驗結(jié)果

是否存在數(shù)字化轉(zhuǎn)型否(N=1606)是(N=4204)均值差異檢驗GPatent10.4100.4880.814***GPatent20.1090.1680.558***

、、分別表示在1%、5%和10%的水平上顯著。

(二)回歸結(jié)果分析

表4報告了假設(shè)1的檢驗結(jié)果。其中，列(1)和列(2)的被解釋變量為GPatent1，列(3)和列(4)的被解釋變量為GPatent2。檢驗結(jié)果顯示，Digword的回歸系數(shù)至少在5%的水平上顯著為正，說明數(shù)字化轉(zhuǎn)型能夠顯著促進企業(yè)綠色創(chuàng)新，提高綠色專利產(chǎn)出。此外，從經(jīng)濟意義上來看，在控制其他因素影響的情況下，數(shù)字化轉(zhuǎn)型(Digword)比例每增加一個標準差會導(dǎo)致企業(yè)綠色創(chuàng)新水平(GPatent1和GPatent2)分別提高5.54%和12.78%。綜上可知，數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新存在正向影響，且該結(jié)果兼具統(tǒng)計顯著性和經(jīng)濟顯著性。由此，假設(shè)1得到驗證。

表4 基準回歸結(jié)果

(1)GPatent1(2)GPatent1(3)GPatent2(4)GPatent2Digword0.030***(3.37)0.020**(2.51)0.018***(3.49)0.015***(3.04)Size0.184***(13.49)0.109***(13.03)Lev0.628***(9.07)0.103***(2.77)Age-0.173***(-4.51)-0.004(-0.18)ROA0.457**(2.34)-0.154(-1.48)SOE-0.017(-0.61)-0.045***(-2.60)Concern-0.196**(-2.25)-0.114**(-2.03)Institution0.004(0.07)0.008(0.25)Cash0.286***(2.64)0.051(0.82)TobinQ-0.018**(-2.44)-0.003(-0.73)R&D5.616***(16.77)1.646***(9.13)Constant0.381***(14.79)-3.455***(-10.73)0.095***(6.68)-2.267***(-11.83)Year FEYESYESYESYESObservations5810581058105810R-squared0.0050.1440.0040.089

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。

(三)穩(wěn)健性檢驗

1.傾向得分匹配(PSM)

考慮到數(shù)字化轉(zhuǎn)型水平不同的企業(yè)初始條件可能有所差異，是否采用數(shù)字化轉(zhuǎn)型戰(zhàn)略提升綠色創(chuàng)新也是企業(yè)自主選擇的結(jié)果，為緩解可能存在的內(nèi)生性問題，本文先將樣本期內(nèi)存在數(shù)字化轉(zhuǎn)型事實的企業(yè)歸為實驗組、未進行數(shù)字化轉(zhuǎn)型的企業(yè)歸為控制組，而后采用傾向得分匹配方法(PSM)開展穩(wěn)健性檢驗。

本文將兩組樣本按照企業(yè)規(guī)模(Size)、資產(chǎn)負債率(Lev)、企業(yè)年齡(Age)、盈利能力(ROA)、產(chǎn)權(quán)性質(zhì)(SOE)、股權(quán)集中度(Concern)、企業(yè)成長性(TobinQ)、研發(fā)投入(R&D)進行1∶1的近鄰匹配，以確保兩組樣本在可觀測到的公司特征上基本相同，從而使組別之間的差異僅體現(xiàn)為數(shù)字化轉(zhuǎn)型的影響。PSM方法可靠與否可通過觀測匹配后匹配變量的標準偏差絕對值進行判斷，標準偏差絕對值越小，說明匹配效果越好。表5列示了樣本均衡性檢驗結(jié)果，從中可見，匹配后實驗組和控制組的標準偏差絕對值都在5%以內(nèi)，且T檢驗結(jié)果顯示匹配后特征變量均不存在顯著差異，接受匹配后匹配變量均值相等的原假設(shè)，說明經(jīng)PSM匹配后的結(jié)果是可靠的。

表5 樣本均衡性檢驗結(jié)果

變量樣本均值實驗組控制組標準化偏差T檢驗tPSize匹配前21.76921.6578.52.860.004匹配后21.77221.788-1.2 -0.55 0.585Lev匹配前0.4110.38912.34.160.000匹配后0.4110.412-0.2 -0.07 0.942Age匹配前2.8692.875-1.9 -0.65 0.513匹配后2.8692.872-1.1 -0.52 0.606ROA匹配前0.0380.040-3.1 -1.05 0.293匹配后0.0380.039-0.5 -0.24 0.809SOE匹配前0.2710.2485.41.820.068匹配后0.2720.272-0.2 -0.07 0.941Concern匹配前0.5200.5162.90.980.327匹配后0.5200.5181.50.670.502TobinQ匹配前2.1012.186-6.4 -2.17 0.030匹配后2.0962.104-0.6 -0.28 0.780R&D匹配前0.0440.044-0.7 -0.25 0.805匹配后0.0440.045-2.3 -1.05 0.294

表6報告了平均處理效應(yīng)(ATT)的檢驗結(jié)果。被解釋變量在匹配后ATT值為正，且t值通過了至少10%水平的檢驗，說明實驗組的平均處理效應(yīng)顯著，即數(shù)字化轉(zhuǎn)型顯著促進了企業(yè)綠色創(chuàng)新。

表6 傾向得分匹配(PSM)平均處理效應(yīng)

樣本實驗組控制組標準化偏差標準誤t值GPatent1匹配前0.4880.4100.0780.0253.15***匹配后0.4890.4350.0540.0311.73*GPatent2匹配前0.1680.1090.0580.0144.13***匹配后0.1680.1280.0400.0162.43**

、、分別代表在10%、5%和1%的水平上顯著。

對經(jīng)PSM處理后的樣本進行回歸，結(jié)果如表7所示。由列(1)、(2)可見，Digword的回歸系數(shù)至少在5%的水平上顯著為正，與前文結(jié)果無明顯差異。這說明，本文的主效應(yīng)并不會受樣本選擇性偏差的影響。

表7 穩(wěn)健性檢驗結(jié)果：傾向得分匹配(PSM)

(1)GPatent1(2)GPatent2Digword0.021**(2.44)0.016***(3.17)控制變量YESYESConstant-3.400***(-11.99)-2.399***(-14.40)Year FEYESYESObservations51145114R-squared0.1420.094

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

2.工具變量法

考慮到數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新的影響可能存在因果倒置的內(nèi)生性問題，即企業(yè)綠色創(chuàng)新能力更強的公司更有動力開展數(shù)字化轉(zhuǎn)型活動，本文采用工具變量法進行了穩(wěn)健性檢驗。選取的工具變量為同行業(yè)、同省份其他企業(yè)的數(shù)字化水平的均值(Digword_IV)。同行業(yè)、同地區(qū)其他企業(yè)的數(shù)字化發(fā)展水平會影響本企業(yè)的數(shù)字化轉(zhuǎn)型決策，但不會直接影響綠色創(chuàng)新水平，因而該工具變量符合相關(guān)性和外生性要求。表8報告了工具變量法估計結(jié)果。第一階段回歸中，Digword_IV的回歸系數(shù)顯著為正，說明工具變量具有相關(guān)性。第二階段回歸中，Kleibergen-Paap rk LM統(tǒng)計量在1%的水平上顯著，拒絕工具變量識別不足的原假設(shè)；Cragg-Donald Wald F、Kleibergen-Paap rk Wald F統(tǒng)計量大于Stock-Yogo，弱工具變量識別F檢驗在10%顯著性水平上的臨界值拒絕弱工具變量的原假設(shè)。上述檢驗結(jié)果表明，本文選取的工具變量是合理可靠的。由估計結(jié)果可知，Digword的回歸系數(shù)均在1%的水平上顯著為正，表明本文假設(shè)1仍然成立。

表8 穩(wěn)健性檢驗結(jié)果：工具變量法

第一階段(1)Digword第二階段(2)GPatent1(3)GPatent2Digword_IV0.990***(37.22)Digword0.114***(6.24)0.037***(3.71)控制變量YESYESYESConstant-0.515(-1.27)-3.502***(-10.79)-2.278***(-11.90)Year FEYESYESYESKleibergen-Paap rk LM統(tǒng)計量731.325***Cragg-Donald Wald F統(tǒng)計量1081.605Kleibergen-Paap rk Wald F統(tǒng)計量1372.270Hansen J 統(tǒng)計P值0.000Observations581058105810R-squared0.1650.1230.086

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

3.改變企業(yè)綠色創(chuàng)新的衡量指標

前文使用上市公司獲得的綠色專利數(shù)衡量綠色創(chuàng)新，在此選取企業(yè)申請的綠色專利數(shù)進行替代性測試。具體而言，以未來一期上市公司獨立申請的綠色發(fā)明專利和綠色實用新型專利總量(AGPatent1)以及未來一期上市公司與其他實體聯(lián)合申請的綠色專利數(shù)量(AGPatent2)作為被解釋變量。表9列(1)和列(2)的結(jié)果顯示，Digword的回歸系數(shù)均在5%的水平上顯著為正。這說明，在更換被解釋變量的衡量方法后，數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新依然存在顯著的正向影響。

表9 穩(wěn)健性檢驗結(jié)果：改變關(guān)鍵變量的衡量方法

(1)AGPatent1(2)AGPatent2(3)GPatent1t+2(4)GPatent2t+2Digword0.019**(2.01)0.015**(2.34)0.018*(1.92)0.015***(2.76)控制變量YESYESYESYESConstant-4.234***(-10.76)-2.893***(-10.60)-3.377***(-9.21)-2.378***(-10.97)Year FEYESYESYESYESObservations5810581046484648R-squared0.1500.0950.1420.092

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

4.采用未來兩期綠色創(chuàng)新數(shù)據(jù)進行分析

鑒于綠色創(chuàng)新產(chǎn)出周期較長，此處使用未來兩期上市公司獲得的綠色專利數(shù)作為被解釋變量重新進行檢驗，結(jié)果如表9列(3)和列(4)所示。其中，GPatent1代表未來兩期企業(yè)獨立獲得的綠色專利數(shù)量，GPatent2代表未來兩期企業(yè)聯(lián)合獲得的綠色專利數(shù)量。實證結(jié)果顯示，Digword的回歸系數(shù)均為正，并且至少在10%的水平上顯著。這意味著，企業(yè)數(shù)字化轉(zhuǎn)型水平越高，未來兩期的綠色創(chuàng)新水平也越高。由此可知，本文研究結(jié)論并未發(fā)生明顯變化。

5.控制省份和行業(yè)固定效應(yīng)

考慮到不同地區(qū)、不同行業(yè)的企業(yè)的數(shù)字化轉(zhuǎn)型與創(chuàng)新激勵政策可能存在差異，本文在控制年份固定效應(yīng)的基礎(chǔ)上，進一步控制了省份固定效應(yīng)和行業(yè)固定效應(yīng)(取兩位代碼進行細分)，這在一定程度上有助于緩解遺漏變量所導(dǎo)致的內(nèi)生性問題。表10列(1)和列(2)報告了具體的檢驗結(jié)果，從中可見，Digword的回歸系數(shù)仍然至少在10%的水平上顯著為正。這說明在進一步控制省份和行業(yè)固定效應(yīng)的影響后，所得結(jié)論與基準回歸結(jié)果基本一致。

表10 穩(wěn)健性檢驗結(jié)果：控制省份和行業(yè)固定效應(yīng)、改變回歸樣本

(1)GPatent1(2)GPatent2(3)GPatent1(4)GPatent2Digword0.013*(1.71)0.013***(2.73)0.025***(2.61)0.042***(2.80)控制變量YESYESYESYESConstant-4.122***(-12.34)-2.445***(-12.17)-0.196(-0.63)-1.254***(-3.19)Year FEYESYESYESYESIndustry FEYESYESNONOProvince FEYESYESNONOObservations5810581024901190R-squared0.2200.1630.0530.067

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

6.調(diào)整回歸樣本

考慮到部分樣本企業(yè)不存在綠色創(chuàng)新活動，進而可能對實證結(jié)果產(chǎn)生干擾，因此在剔除連續(xù)5年沒有獲得綠色專利的企業(yè)后，重新進行了檢驗，結(jié)果如表10列(3)和列(4)所示。不難發(fā)現(xiàn)，Digword的回歸系數(shù)均在1%的水平上顯著為正，與前文的檢驗結(jié)果保持一致。

六、作用機制檢驗

在前文的理論分析部分，本文預(yù)期數(shù)字化轉(zhuǎn)型主要通過發(fā)揮“資源效應(yīng)”、“治理效應(yīng)”和“乘數(shù)效應(yīng)”，進而對企業(yè)綠色創(chuàng)新產(chǎn)生顯著的促進作用。接下來，對上述作用機制進行檢驗。

(一)“資源效應(yīng)”機制檢驗

借鑒Kaplan et al.(1997)，本文以KZ指數(shù)作為企業(yè)融資約束的代理變量。KZ指數(shù)越大，意味著公司融資約束程度越高。首先，按照融資約束的均值將全樣本劃分為高融資約束和低融資約束兩組；然后，進行回歸分析。表11報告了“資源效應(yīng)”機制的檢驗結(jié)果。由列(1)和列(3)可知，在低融資約束樣本組，Digword的回歸系數(shù)都不顯著；由列(2)和列(4)可知，在高融資約束樣本組，Digword的回歸系數(shù)至少在5%的水平上顯著為正；并且，組間系數(shù)差異均顯著。上述結(jié)果說明，相比于融資約束程度較低的企業(yè)，在融資約束程度較高的企業(yè)中，數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新的促進作用更顯著。由此可知，“資源效應(yīng)”機制得到驗證，即數(shù)字化轉(zhuǎn)型通過提升企業(yè)融資能力、緩解企業(yè)融資約束，進而推動了綠色創(chuàng)新。

表11 “資源效應(yīng)”機制檢驗結(jié)果

低融資約束(1)GPatent1高融資約束(2)GPatent1低融資約束(3)GPatent2高融資約束(4)GPatent2Digword0.015(1.39)0.026**(2.20)0.010(1.57)0.021***(2.99)控制變量YESYESYESYESConstant-3.052***(-8.68)-2.842***(-6.85)-2.068***(-9.82)-2.336***(-9.48)組間系數(shù)差異-0.011**(-2.07)-0.011**(-2.27)Year FEYESYESYESYESObservations3325248533252485R-squared0.1490.1320.0900.095

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

(二)“治理效應(yīng)”機制檢驗

由于管理層持股是促進管理層與股東利益趨同、緩解委托代理成本的重要途徑之一，本文以管理層持股作為委托代理成本的衡量指標。通常，管理層持股比例越低，企業(yè)代理沖突越嚴重。在將全樣本依據(jù)管理層持股比例的均值劃分為高代理成本和低代理成本兩組的基礎(chǔ)上，重新進行回歸，結(jié)果如表12所示。由列(1)和列(3)可知，在低代理成本樣本組，Digword的回歸系數(shù)都不顯著；由列(2)和列(4)可知，在高代理成本樣本組，Digword的回歸系數(shù)至少在5%的水平上顯著為正；并且，組間系數(shù)差異均顯著。上述結(jié)果說明，相比于低代理成本的企業(yè)，數(shù)字化轉(zhuǎn)型對高代理成本企業(yè)綠色創(chuàng)新的促進作用更顯著。由此可知，“治理效應(yīng)”機制得到驗證，即數(shù)字化轉(zhuǎn)型通過降低企業(yè)代理沖突，進而推動了綠色創(chuàng)新。

表12 “治理效應(yīng)”機制檢驗結(jié)果

低代理成本(1)GPatent1高代理成本(2)GPatent1低代理成本(3)GPatent2高代理成本(4)GPatent2Digword0.014(1.08)0.022**(2.12)0.006(0.82)0.020***(3.12)控制變量YESYESYESYESConstant-2.796***(-4.61)-3.773***(-9.79)-1.523***(-5.03)-2.468***(-10.41)組間系數(shù)差異-0.008***(-2.83)-0.014***(-4.10)Year FEYESYESYESYESObservations1957385319573853R-squared0.1140.1600.0450.105

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

(三)“乘數(shù)效應(yīng)”機制檢驗

參考譚志東等(2022)的做法，本文使用Tobin Q作為企業(yè)成長性和投資機會的代理變量。Tobin Q值越大，說明企業(yè)成長性越好、投資機會越多。本文先按照企業(yè)成長性的均值將全樣本劃分為高成長性和低成長性兩組，然后重新進行回歸，結(jié)果見表13。由列(1)和列(3)可知，在低成長性樣本組，Digword的回歸系數(shù)至少在5%的水平上顯著為正；由列(2)和列(4)可知，在高成長性樣本組，Digword的回歸系數(shù)雖為正但都不顯著；并且，組間系數(shù)差異均顯著。上述結(jié)果說明，相比于成長性較高的企業(yè)，數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新的促進作用在成長性較低的企業(yè)中更明顯。由此可知，“乘數(shù)效應(yīng)”機制得到驗證，即數(shù)字化轉(zhuǎn)型通過激發(fā)企業(yè)增長潛能，進而促進了綠色創(chuàng)新。

表13 “乘數(shù)效應(yīng)”機制檢驗結(jié)果

低成長性(1)GPatent1高成長性(2)GPatent1低成長性(3)GPatent2高成長性(4)GPatent2Digword0.025**(2.19)0.010(0.82)0.025***(3.43)0.002(0.30)控制變量YESYESYESYESConstant-2.604***(-5.49)-1.919***(-6.46)-2.159***(-5.60)-0.947***(-5.30)組間系數(shù)差異0.015***(4.82)0.023***(4.00)Year FEYESYESYESYESObservations3721208937212089R-squared0.1300.1100.0700.050

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

七、拓展性研究

(一)異質(zhì)性分析

1.是否屬于高新技術(shù)行業(yè)的影響

作為科技和經(jīng)濟緊密結(jié)合的載體，高新技術(shù)企業(yè)是國家科技戰(zhàn)略布局中的重要組成部分。高新技術(shù)企業(yè)屬于知識和技術(shù)密集型行業(yè)，擁有較豐富的數(shù)字硬件基礎(chǔ)設(shè)施儲備和較強的創(chuàng)新能力，其本身的數(shù)字化水平較高。雖然相比于高新技術(shù)企業(yè)，非高新技術(shù)企業(yè)自身的創(chuàng)新能力較弱，但是在數(shù)字化轉(zhuǎn)型過程中其更容易通過改善管理、投資和生產(chǎn)等途徑，實現(xiàn)運作效率和創(chuàng)新能力的大幅提升。因此，本文預(yù)期，數(shù)字化轉(zhuǎn)型對非高新技術(shù)企業(yè)綠色創(chuàng)新的影響更顯著。本文按照企業(yè)是否屬于高新技術(shù)企業(yè)將全樣本劃分為高新技術(shù)企業(yè)和非高新技術(shù)企業(yè)兩組，在此基礎(chǔ)上，重新檢驗數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新的影響，結(jié)果如表14所示。

表14 異質(zhì)性檢驗結(jié)果：是否屬于高新技術(shù)行業(yè)

高新技術(shù)企業(yè)(1)GPatent1非高新技術(shù)企業(yè)(2)GPatent1高新技術(shù)企業(yè)(3)GPatent2非高新技術(shù)企業(yè)(4)GPatent2Digword0.012(0.61)0.023***(2.63)0.017(1.32)0.015***(2.81)控制變量YESYESYESYESConstant-3.244***(-4.08)-3.558***(-10.13)-3.015***(-6.65)-2.131***(-10.07)組間系數(shù)差異-0.011***(-3.08)0.002**(2.01)Year FEYESYESYESYESObservations1031477910314779R-squared0.1510.1490.1380.083

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

列(1)和列(3)的結(jié)果顯示，在高新技術(shù)企業(yè)樣本組，Digword的回歸系數(shù)為正但都不顯著；由列(2)和列(4)可知，在非高新技術(shù)企業(yè)樣本組，Digword的回歸系數(shù)均在1%的水平上顯著為正；并且，組間系數(shù)差異均顯著。上述檢驗結(jié)果說明，相比于高新技術(shù)企業(yè)，數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新的促進作用在非高新技術(shù)企業(yè)中更明顯。

2.是否屬于重污染行業(yè)的影響

由于重污染行業(yè)企業(yè)對綠色創(chuàng)新的意愿和動力可能更強，本文預(yù)期數(shù)字化發(fā)展對綠色創(chuàng)新的促進作用在重污染行業(yè)企業(yè)中更加顯著。首先，按照我國環(huán)境保護部2008年制定的《上市公司環(huán)保核查行業(yè)分類管理名錄》，將煤炭、采礦、紡織、制革、造紙、石化、制藥、化工、冶金、火電等16個行業(yè)歸為重污染行業(yè)，其他歸為非重污染行業(yè)；然后，依據(jù)上述標準將全樣本劃分為重污染行業(yè)與非重污染行業(yè)兩組子樣本，并重新進行回歸。

表15報告了是否屬于重污染行業(yè)對企業(yè)數(shù)字化轉(zhuǎn)型與綠色創(chuàng)新關(guān)系的差異化影響的檢驗結(jié)果。由列(1)和列(3)可知，在重污染行業(yè)樣本組，Digword的回歸系數(shù)均為正，且至少在5%的水平上顯著；由列(2)和列(4)可知，在非重污染行業(yè)樣本組，Digword的回歸系數(shù)在10%的水平上顯著為正或不顯著；并且，組間系數(shù)差異均顯著。綜上分析可知，相比于非重污染行業(yè)，重污染行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新的促進效應(yīng)更明顯。

表15 異質(zhì)性檢驗結(jié)果：是否屬于重污染行業(yè)

重污染行業(yè)(1)GPatent1非重污染行業(yè)(2)GPatent1重污染行業(yè)(3)GPatent2非重污染行業(yè)(4)GPatent2Digword0.035***(3.62)0.008(0.68)0.012**(2.11)0.009*(1.76)控制變量YESYESYESYESConstant-1.930***(-5.24)-4.527***(-10.55)-1.344***(-3.74)-1.967***(-6.27)組間系數(shù)差異0.027***(9.04)0.003***(4.13)Year FEYESYESYESYESObservations2142366821423668R-squared0.1070.1690.1400.120

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

(二)區(qū)分企業(yè)綠色創(chuàng)新的類型

進一步，本文還考察了企業(yè)數(shù)字化轉(zhuǎn)型對不同類型綠色創(chuàng)新的影響。具體而言，將企業(yè)綠色創(chuàng)新專利區(qū)分為綠色發(fā)明專利和綠色實用新型專利。GPatent1_I和GPatent2_I分別表示上市公司獨立獲得以及與其他實體聯(lián)合獲得的綠色發(fā)明專利數(shù)量，GPatent1_U和GPatent2_U分別表示上市公司獨立獲得以及與其他實體聯(lián)合獲得的綠色實用新型專利數(shù)量。由表16列(1)～(4)可知，企業(yè)數(shù)字化轉(zhuǎn)型對綠色發(fā)明專利和綠色實用新型專利均存在顯著的正向影響。

表16 企業(yè)數(shù)字化轉(zhuǎn)型對不同類型綠色創(chuàng)新的影響

(1)GPatent1_I(2)GPatent1_U(3)GPatent2_I(4)GPatent2_UDigword0.008*(1.71)0.014**(2.10)0.010**(2.57)0.010***(2.79)控制變量YESYESYESYESConstant-2.003***(-13.60)-2.159***(-9.65)-1.814***(-14.50)-1.382***(-11.60)Year FEYESYESYESYESObservations5810581058105810R-squared0.1420.1040.0660.069

、、分別代表在10%、5%和1%的水平上顯著；括號內(nèi)為t值。限于篇幅，控制變量的回歸結(jié)果不再詳細列示。

八、研究結(jié)論與啟示

本文以2015—2019年滬深A(yù)股制造業(yè)上市公司為樣本，較為系統(tǒng)地考察了數(shù)字化轉(zhuǎn)型對企業(yè)綠色創(chuàng)新的影響。研究結(jié)論主要包括：(1)數(shù)字化轉(zhuǎn)型能夠顯著促進企業(yè)綠色創(chuàng)新活動，且該結(jié)論在經(jīng)過一系列穩(wěn)健性測試后依然成立；(2)作用機制檢驗結(jié)果表明，數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束、弱化企業(yè)代理沖突、激發(fā)企業(yè)成長潛能，進而促進了綠色創(chuàng)新；(3)異質(zhì)性分析結(jié)果顯示，在非高新技術(shù)企業(yè)、重污染行業(yè)企業(yè)中，數(shù)字化轉(zhuǎn)型對綠色創(chuàng)新的促進作用更顯著；(4)進一步，在區(qū)分綠色創(chuàng)新類型后研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對綠色發(fā)明專利和綠色實用新型專利均存在顯著的正向影響。

本文結(jié)論具有一定的政策啟示，主要體現(xiàn)在以下幾個方面：第一，把握數(shù)字經(jīng)濟發(fā)展新機遇，推進企業(yè)數(shù)字化轉(zhuǎn)型。要遵循差異化原則，根據(jù)不同屬性企業(yè)的實際情況制定有針對性的數(shù)字化轉(zhuǎn)型優(yōu)惠政策或行動方案，支持和引導(dǎo)數(shù)字科技與企業(yè)在綠色產(chǎn)品、綠色工藝，以及組織結(jié)構(gòu)和管理流程上深度融合，助力經(jīng)濟全面綠色轉(zhuǎn)型和高質(zhì)量發(fā)展。第二，暢通數(shù)字化轉(zhuǎn)型的信息傳導(dǎo)機制，提升社會整體信息透明度。數(shù)字化轉(zhuǎn)型的本質(zhì)功能在于提升企業(yè)內(nèi)外部信息的傳導(dǎo)質(zhì)量與效率，因此監(jiān)管部門需進一步完善企業(yè)信息披露機制，科學(xué)設(shè)定企業(yè)在各類市場交易中的信息披露標準，促進企業(yè)、投資者、消費者等多方主體間的良性互動，為企業(yè)數(shù)字化轉(zhuǎn)型提供良好的市場基礎(chǔ)。第三，重視數(shù)字化轉(zhuǎn)型的公司治理作用，促進企業(yè)綠色發(fā)展。一方面，加強數(shù)字硬件設(shè)施配備和網(wǎng)絡(luò)體系建設(shè)，調(diào)整和優(yōu)化原有管理模式，不斷夯實數(shù)字化轉(zhuǎn)型的技術(shù)和管理基礎(chǔ)；另一方面，主動提高信息披露透明度，加快構(gòu)建跨界分享融合的數(shù)據(jù)交換生態(tài)系統(tǒng)，努力降低企業(yè)內(nèi)外部的信息不對稱程度。