新質(zhì)生產(chǎn)力、供應(yīng)鏈深度數(shù)字化與企業(yè)碳績(jī)效

摘要 該研究聚焦關(guān)鍵數(shù)字技術(shù)引領(lǐng)的新質(zhì)生產(chǎn)力，基于2008—2022年上市公司和供業(yè)鏈中小企業(yè)的匹配數(shù)據(jù)，采用5G試點(diǎn)政策的準(zhǔn)自然實(shí)驗(yàn)方法，實(shí)證檢驗(yàn)了5G試點(diǎn)政策對(duì)企業(yè)碳績(jī)效的影響，并從供應(yīng)鏈深度數(shù)字化的新視角展開多角度的機(jī)制分析。實(shí)證結(jié)果顯示：①有別于一般數(shù)字技術(shù)創(chuàng)新，關(guān)鍵數(shù)字技術(shù)引領(lǐng)的新質(zhì)生產(chǎn)力發(fā)展，對(duì)企業(yè)自身碳績(jī)效提升具有更強(qiáng)效能，且通過了交錯(cuò)DID、工具變量和機(jī)器學(xué)習(xí)模型等一系列的穩(wěn)健性檢驗(yàn)，但對(duì)整個(gè)供應(yīng)鏈未發(fā)現(xiàn)有顯著的總量碳減排效應(yīng)，對(duì)供應(yīng)鏈上企業(yè)的碳績(jī)效提升效應(yīng)也暫不明顯。②供應(yīng)鏈深度數(shù)字化的機(jī)制分析表明，關(guān)鍵數(shù)字技術(shù)引領(lǐng)的新質(zhì)生產(chǎn)力發(fā)展，對(duì)供應(yīng)鏈數(shù)字化的影響更顯著。一方面，企業(yè)自身生產(chǎn)的深度數(shù)字化使得能源利用率更高；另一方面，供應(yīng)鏈深度數(shù)字化對(duì)提高供應(yīng)鏈效率、優(yōu)化供需匹配、穩(wěn)定供需關(guān)系、增加供應(yīng)商創(chuàng)新等方面的影響更顯著。③數(shù)字供應(yīng)鏈金融的機(jī)制分析表明，有別于一般數(shù)字技術(shù)創(chuàng)新作用的不顯著，數(shù)字供應(yīng)鏈金融的發(fā)展在改善供應(yīng)鏈信息不對(duì)稱、緩解融資約束方面發(fā)揮了顯著的正面作用?；诖?，在新質(zhì)生產(chǎn)力的建設(shè)中，應(yīng)著力加強(qiáng)關(guān)鍵數(shù)字技術(shù)的研發(fā)和應(yīng)用，推動(dòng)供應(yīng)鏈的深度數(shù)字化轉(zhuǎn)型升級(jí)和數(shù)字供應(yīng)鏈金融的發(fā)展，探索數(shù)字供應(yīng)鏈金融的“脫核”模式，助力“雙碳”目標(biāo)的實(shí)現(xiàn)。

關(guān)鍵詞 關(guān)鍵數(shù)字技術(shù)；碳績(jī)效；供應(yīng)鏈深度數(shù)字化；數(shù)字供應(yīng)鏈金融；信息不對(duì)稱

中圖分類號(hào) F062；1；F274 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 1002-2104（2024）10-0080-14 DOI：10. 12062/cpre. 20240728

新質(zhì)生產(chǎn)力是創(chuàng)新起主導(dǎo)作用，具有高科技、高效能、高質(zhì)量特征，符合新發(fā)展理念的先進(jìn)生產(chǎn)力質(zhì)態(tài)［1］，核心產(chǎn)業(yè)支撐是數(shù)字經(jīng)濟(jì)［2］。新質(zhì)生產(chǎn)力通過技術(shù)革命性突破、生產(chǎn)要素創(chuàng)新性配置和產(chǎn)業(yè)深度轉(zhuǎn)型升級(jí)驅(qū)動(dòng)企業(yè)的綠色低碳轉(zhuǎn)型、提升企業(yè)碳績(jī)效，助力“雙碳”目標(biāo)的實(shí)現(xiàn)［3］。關(guān)鍵數(shù)字技術(shù)包括人工智能、高端芯片、量子信息、物聯(lián)網(wǎng)、區(qū)塊鏈、工業(yè)互聯(lián)網(wǎng)和元宇宙等7類［4］，屬于戰(zhàn)略前沿技術(shù)，符合新質(zhì)生產(chǎn)力的技術(shù)革命性突破與產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的特征，在生產(chǎn)要素創(chuàng)新性配置、產(chǎn)業(yè)深度轉(zhuǎn)型升級(jí)中具有關(guān)鍵性作用。因此，延續(xù)數(shù)字經(jīng)濟(jì)、數(shù)字金融對(duì)碳排放的相關(guān)研究［5-9］，本研究以關(guān)鍵數(shù)字技術(shù)代表新質(zhì)生產(chǎn)力，從供應(yīng)鏈深度數(shù)字化的新視角探討其對(duì)企業(yè)碳績(jī)效提升的影響：①有別于一般數(shù)字技術(shù)對(duì)碳排放的影響［10］，首次研究關(guān)鍵數(shù)字技術(shù)為代表的新質(zhì)生產(chǎn)力對(duì)企業(yè)碳績(jī)效提升的影響。②有別于一般數(shù)字技術(shù)的供應(yīng)鏈數(shù)字化［11-12］，首次研究關(guān)鍵數(shù)字技術(shù)對(duì)供應(yīng)鏈深度數(shù)字化的影響機(jī)制。③關(guān)鍵數(shù)字技術(shù)催生了數(shù)字供應(yīng)鏈金融的新業(yè)態(tài)，區(qū)別于供應(yīng)鏈金融［13］，首次研究數(shù)字供應(yīng)鏈金融對(duì)供應(yīng)鏈上、下游中小企業(yè)融資約束的“脫核”（不依賴核心企業(yè)進(jìn)行授信）作用。

1 文獻(xiàn)綜述

與本研究密切相關(guān)的已有研究可總結(jié)為以下4類。

一是新質(zhì)生產(chǎn)力的測(cè)度以及新質(zhì)生產(chǎn)力與碳績(jī)效?，F(xiàn)有文獻(xiàn)中有關(guān)新質(zhì)生產(chǎn)力的測(cè)度以及新質(zhì)生產(chǎn)力與碳績(jī)效研究的相對(duì)較少。①新質(zhì)生產(chǎn)力的測(cè)算。由于數(shù)字經(jīng)濟(jì)是新質(zhì)生產(chǎn)力的核心產(chǎn)業(yè)之一［2］，因此新質(zhì)生產(chǎn)力的測(cè)算最初是直接以數(shù)字經(jīng)濟(jì)的增加值構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)［14］，依據(jù)是2021年5月國(guó)家統(tǒng)計(jì)局公布的《數(shù)字經(jīng)濟(jì)及其核心產(chǎn)業(yè)統(tǒng)計(jì)分類（2021）》，以其匹配上市公司數(shù)據(jù)進(jìn)而獲得上市公司的專利數(shù)據(jù)。Feng等［15］則綜合了社會(huì)再生產(chǎn)過程中的生產(chǎn)、分配、交換、消費(fèi)環(huán)節(jié)的33個(gè)指標(biāo)進(jìn)行了全面而系統(tǒng)的測(cè)算，韓文龍等［16］進(jìn)一步對(duì)新質(zhì)生產(chǎn)力的測(cè)算及其對(duì)經(jīng)濟(jì)增長(zhǎng)的作用進(jìn)行了探討。上述測(cè)算多聚焦在城市層面，顆粒度較粗，且指標(biāo)體系的內(nèi)生性較強(qiáng)，存在一定的局限性?！蛾P(guān)鍵數(shù)字技術(shù)專利分類體系（2023）》的頒布使關(guān)鍵數(shù)字技術(shù)不僅具有官方分類指引的權(quán)威性，還具備了微觀企業(yè)級(jí)的細(xì)顆粒度，為新質(zhì)生產(chǎn)力的測(cè)算提供了新的規(guī)范和標(biāo)準(zhǔn)。②當(dāng)前文獻(xiàn)多側(cè)重于探討數(shù)字經(jīng)濟(jì)和數(shù)字技術(shù)對(duì)碳排放或碳績(jī)效的影響。數(shù)字經(jīng)濟(jì)作為中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)力，被認(rèn)為具有較大的潛力能夠幫助實(shí)現(xiàn)“雙碳”目標(biāo)［17-18］，相關(guān)研究主要集中在數(shù)字技術(shù)創(chuàng)新有利于促進(jìn)能源利用效率提升［9，19］、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化［20］、全要素生產(chǎn)率提升［21］、綠色創(chuàng)新發(fā)展［22］等方面。上述文獻(xiàn)中雖有部分內(nèi)容提及關(guān)鍵數(shù)字技術(shù)對(duì)碳績(jī)效的影響，但未與一般數(shù)字技術(shù)作明確的區(qū)分，鮮有文獻(xiàn)從關(guān)鍵數(shù)字技術(shù)專利的視角探討新質(zhì)生產(chǎn)力的碳績(jī)效效應(yīng)。

二是供應(yīng)鏈深度數(shù)字化的效應(yīng)。新質(zhì)生產(chǎn)力的重要特征是促進(jìn)產(chǎn)業(yè)的深度轉(zhuǎn)型升級(jí)。中國(guó)的數(shù)字技術(shù)和數(shù)字經(jīng)濟(jì)是以傳統(tǒng)的互聯(lián)網(wǎng)信息技術(shù)為基礎(chǔ)，在物聯(lián)網(wǎng)、云計(jì)算、人工智能等關(guān)鍵數(shù)字技術(shù)的推動(dòng)下，從實(shí)驗(yàn)室走向了商業(yè)實(shí)踐，逐步成為現(xiàn)代產(chǎn)業(yè)鏈和供應(yīng)鏈的重要組成部分。這些技術(shù)通過集成和分析來自產(chǎn)業(yè)鏈供應(yīng)鏈各環(huán)節(jié)的大量數(shù)據(jù)，顯著提高了決策的精準(zhǔn)性和運(yùn)營(yíng)效率［23］。已有研究表明，企業(yè)的數(shù)字化轉(zhuǎn)型不僅可以提升自身的生產(chǎn)率，還能夠?qū)﹃P(guān)聯(lián)企業(yè)甚至產(chǎn)業(yè)鏈的生產(chǎn)效率產(chǎn)生溢出效應(yīng)［24］。然而，探討以關(guān)鍵數(shù)字技術(shù)代表的新質(zhì)生產(chǎn)力，研究其深耕產(chǎn)業(yè)鏈供應(yīng)鏈能否給企業(yè)碳績(jī)效提升帶來更顯著影響的文獻(xiàn)還較少。

三是數(shù)字供應(yīng)鏈金融的效應(yīng)。在考察以關(guān)鍵數(shù)字技術(shù)為代表的新質(zhì)生產(chǎn)力時(shí)，還需要從生產(chǎn)要素創(chuàng)新性配置的角度進(jìn)行分析。已有研究表明，金融是經(jīng)濟(jì)配置資源的核心［25］，而數(shù)字供應(yīng)鏈金融則是關(guān)鍵數(shù)字技術(shù)應(yīng)用于產(chǎn)業(yè)鏈供應(yīng)鏈的最新實(shí)踐形式。隨著區(qū)塊鏈和工業(yè)互聯(lián)網(wǎng)等關(guān)鍵數(shù)字技術(shù)的興起，數(shù)字供應(yīng)鏈金融逐漸成為推動(dòng)產(chǎn)業(yè)鏈供應(yīng)鏈優(yōu)化的新業(yè)態(tài)。然而，已有研究主要關(guān)注數(shù)字金融如何通過提供新的信用評(píng)估與融資渠道，為中小企業(yè)提供資金流動(dòng)性支持、減輕融資壓力［26-27］，對(duì)數(shù)字金融與供應(yīng)鏈金融如何融合形成新業(yè)態(tài)，特別是數(shù)字供應(yīng)鏈金融如何通過提升透明度和可信度來緩解融資約束，以及如何通過促進(jìn)企業(yè)對(duì)綠色技術(shù)的投資進(jìn)而提升績(jī)效的研究較為匱乏。本研究選擇數(shù)字供應(yīng)鏈金融作為變量，正是基于其能夠深度嵌入供應(yīng)鏈并在企業(yè)碳績(jī)效提升中發(fā)揮重要作用，符合當(dāng)前生產(chǎn)要素創(chuàng)新性配置的研究需求，旨在填補(bǔ)現(xiàn)有研究的空白。

四是強(qiáng)化企業(yè)承擔(dān)社會(huì)環(huán)境責(zé)任的效應(yīng)。上述供應(yīng)鏈深度數(shù)字化和數(shù)字供應(yīng)鏈金融對(duì)企業(yè)碳績(jī)效的影響，其中的一部分影響將體現(xiàn)在企業(yè)決策、生產(chǎn)和經(jīng)營(yíng)行為的改變上。關(guān)鍵數(shù)字技術(shù)不僅深化了供應(yīng)鏈數(shù)字化，還通過數(shù)字供應(yīng)鏈金融傳導(dǎo)至企業(yè)行為的調(diào)整，從而促進(jìn)企業(yè)履行社會(huì)環(huán)境責(zé)任。已有研究表明，融資約束是影響企業(yè)履行社會(huì)環(huán)境責(zé)任的重要因素［28］，但關(guān)于關(guān)鍵數(shù)字技術(shù)應(yīng)用帶來的數(shù)字供應(yīng)鏈金融如何影響企業(yè)履行社會(huì)環(huán)境責(zé)任的相關(guān)研究還較少。此外，企業(yè)內(nèi)部控制或治理結(jié)構(gòu)是企業(yè)社會(huì)環(huán)境治理的重要組成部分［29］，關(guān)鍵數(shù)字技術(shù)可能通過提升供應(yīng)鏈透明度、降低交易成本等方式，促進(jìn)企業(yè)的治理水平和環(huán)境績(jī)效的提升，但已有研究中有關(guān)供應(yīng)鏈深度數(shù)字化對(duì)企業(yè)履行社會(huì)與環(huán)境責(zé)任的研究仍相對(duì)較少。

綜上所述，現(xiàn)有文獻(xiàn)主要從一般數(shù)字技術(shù)、數(shù)字經(jīng)濟(jì)角度探討其對(duì)碳排放和碳績(jī)效的影響，從關(guān)鍵數(shù)字技術(shù)視角深入分析新質(zhì)生產(chǎn)力對(duì)企業(yè)碳績(jī)效影響的相關(guān)研究較少，關(guān)于供應(yīng)鏈深度數(shù)字化和數(shù)字供應(yīng)鏈金融的中介效應(yīng)研究也相對(duì)較少。因此，本研究從供應(yīng)鏈深度數(shù)字化和數(shù)字供應(yīng)鏈金融兩方面探討關(guān)鍵數(shù)字技術(shù)對(duì)碳績(jī)效的影響，旨在揭示關(guān)鍵數(shù)字技術(shù)作為新質(zhì)生產(chǎn)力與一般數(shù)字技術(shù)不同的影響機(jī)制。

2 理論機(jī)制分析

根據(jù)前文所述，從供應(yīng)鏈的深度數(shù)字化和數(shù)字供應(yīng)鏈金融兩方面入手，分析關(guān)鍵數(shù)字技術(shù)代表的新質(zhì)生產(chǎn)力對(duì)企業(yè)碳績(jī)效的影響機(jī)理，并提出對(duì)應(yīng)的假說。

2. 1 供應(yīng)鏈深度數(shù)字化的效應(yīng)

有別于一般數(shù)字技術(shù)創(chuàng)新，關(guān)鍵數(shù)字技術(shù)深耕供應(yīng)鏈數(shù)字化的機(jī)制包括深耕自身生產(chǎn)過程的數(shù)字化以及供應(yīng)鏈的深度數(shù)字化兩個(gè)部分。

2. 1. 1 深耕自身生產(chǎn)過程的數(shù)字化

深耕企業(yè)自身生產(chǎn)過程的數(shù)字化的邏輯為關(guān)鍵數(shù)字技術(shù)→深耕生產(chǎn)數(shù)字化→能源利用率更高→提升企業(yè)碳績(jī)效的邊際效應(yīng)更強(qiáng)。供應(yīng)鏈的深度數(shù)字化則是供應(yīng)鏈上的企業(yè)利用關(guān)鍵數(shù)字技術(shù)改造和升級(jí)傳統(tǒng)的生產(chǎn)模式，以達(dá)到提高能源效率和減少資源浪費(fèi)的目的。

（1）深耕企業(yè)自身生產(chǎn)過程的數(shù)字化帶來生產(chǎn)過程的智能化、能源管理的流程優(yōu)化、生產(chǎn)的柔性化等方面的新變化［30-31］。首先，企業(yè)通過更高精度的大數(shù)據(jù)分析、實(shí)時(shí)監(jiān)控和智能決策支持，推動(dòng)生產(chǎn)過程中能源利用效率的提升。其次，生產(chǎn)過程的智能化，即通過引入智能制造系統(tǒng)，使企業(yè)能夠在生產(chǎn)過程中實(shí)現(xiàn)柔性生產(chǎn)。最后，優(yōu)化能源管理，即企業(yè)利用云計(jì)算和物聯(lián)網(wǎng)技術(shù)構(gòu)建集成的能源管理系統(tǒng)，跨越多個(gè)生產(chǎn)單位、突破地理位置的限制，對(duì)能源使用情況進(jìn)行監(jiān)控優(yōu)化。從而實(shí)現(xiàn)能源跨時(shí)間、跨空間的優(yōu)化配置，降低整個(gè)生產(chǎn)過程中的能源消耗。

（2）一般數(shù)字技術(shù)創(chuàng)新偏重傳統(tǒng)的計(jì)算機(jī)和互聯(lián)網(wǎng)信息技術(shù)，在簡(jiǎn)化流程、信息“脫媒”等方面發(fā)揮重要作用，但對(duì)生產(chǎn)過程智能化的提升較小，一般數(shù)字技術(shù)對(duì)碳排放總量減排效應(yīng)的實(shí)現(xiàn)尚存在一定難度。另外，部分關(guān)鍵數(shù)字技術(shù)，如工業(yè)互聯(lián)網(wǎng)、5G、區(qū)塊鏈等仍處于相對(duì)早期的發(fā)展應(yīng)用階段，即使關(guān)鍵數(shù)字技術(shù)能提升單位產(chǎn)出的生產(chǎn)效率，碳排放總量的減少也可能因?yàn)樯a(chǎn)總量的增長(zhǎng)而被抵消，部分新型業(yè)態(tài)產(chǎn)品和服務(wù)需求的增加可能反而導(dǎo)致能源消耗和碳排放總量的增加?；诖?，提出假說1和第一機(jī)制的子假說2.1。

H1：有別于一般數(shù)字技術(shù)創(chuàng)新，關(guān)鍵數(shù)字技術(shù)提升企業(yè)碳績(jī)效的邊際效應(yīng)更顯著，而供應(yīng)鏈的總量碳減排效應(yīng)和溢出效應(yīng)則難以實(shí)現(xiàn)。

H2.1：關(guān)鍵數(shù)字技術(shù)通過深耕企業(yè)自身生產(chǎn)過程的數(shù)字化，使企業(yè)對(duì)能源利用效率的提升作用更強(qiáng)，進(jìn)而使企業(yè)碳績(jī)效的表現(xiàn)更佳。

2. 1. 2 供應(yīng)鏈的深度數(shù)字化

供應(yīng)鏈深度數(shù)字化的邏輯鏈可歸納為關(guān)鍵數(shù)字技術(shù)→供應(yīng)鏈深度數(shù)字化（包括提高供應(yīng)鏈效率、優(yōu)化供需匹配、穩(wěn)定供需關(guān)系、增加供應(yīng)商創(chuàng)新）→企業(yè)碳績(jī)效的提升，對(duì)企業(yè)自身碳績(jī)效的提升效果更明顯。關(guān)鍵數(shù)字技術(shù)通過供應(yīng)鏈深度數(shù)字化對(duì)供應(yīng)鏈上、下游企業(yè)產(chǎn)生顯著影響，這將反過來助益企業(yè)自身碳績(jī)效的提升。

（1）提高供應(yīng)鏈效率。提高供應(yīng)鏈效率是供應(yīng)鏈深度數(shù)字化中主要的中介效應(yīng)。通過關(guān)鍵數(shù)字技術(shù)的創(chuàng)新應(yīng)用，如中心性算法、圖技術(shù)等現(xiàn)代供應(yīng)鏈管理技術(shù)，企業(yè)能夠?qū)崿F(xiàn)供應(yīng)鏈百億級(jí)節(jié)點(diǎn)、千億級(jí)邊（關(guān)系）的實(shí)時(shí)監(jiān)控與協(xié)調(diào)，降低運(yùn)營(yíng)成本，提升整體響應(yīng)速度，從而提升供應(yīng)鏈的效率。

（2）優(yōu)化供需匹配。優(yōu)化供需匹配可以讓企業(yè)利用關(guān)鍵數(shù)字技術(shù)提高供應(yīng)鏈的響應(yīng)速度和靈活性，從而更好地匹配市場(chǎng)供需變化。通過優(yōu)化供需匹配，企業(yè)能夠減少資源浪費(fèi)，提高生產(chǎn)效率，進(jìn)而對(duì)碳績(jī)效產(chǎn)生積極影響。

（3）穩(wěn)定供需關(guān)系。穩(wěn)定供需關(guān)系可以增強(qiáng)供應(yīng)鏈的韌性和穩(wěn)定性，從而應(yīng)對(duì)市場(chǎng)波動(dòng)和外部沖擊。在當(dāng)前快速變化的市場(chǎng)環(huán)境中，穩(wěn)定的供需關(guān)系對(duì)于企業(yè)持續(xù)運(yùn)營(yíng)和碳績(jī)效至關(guān)重要。

（4）增加供應(yīng)商創(chuàng)新。增加供應(yīng)商創(chuàng)新通過關(guān)鍵數(shù)字技術(shù)的應(yīng)用來激發(fā)和促進(jìn)上游供應(yīng)商的創(chuàng)新活動(dòng)，進(jìn)而提升供應(yīng)鏈的整體效率和碳績(jī)效。

綜上，提出第一機(jī)制的假說2及其子假說2.2。

H2：關(guān)鍵數(shù)字技術(shù)通過供應(yīng)鏈的深度數(shù)字化使企業(yè)碳績(jī)效的表現(xiàn)更好。

H2.2：關(guān)鍵數(shù)字技術(shù)通過供應(yīng)鏈的深度數(shù)字化，包括提高供應(yīng)鏈效率、優(yōu)化供需匹配、穩(wěn)定供需關(guān)系、增加供應(yīng)商創(chuàng)新等4個(gè)方面，對(duì)企業(yè)碳績(jī)效產(chǎn)生更顯著的提升作用。

2. 2 深耕數(shù)字供應(yīng)鏈金融的效應(yīng)

傳統(tǒng)的供應(yīng)鏈金融長(zhǎng)期存在著“不可能三角”，即存在覆蓋率、服務(wù)深度與便利性難以兼顧的困境。而且，其過度圍繞著核心企業(yè)，以應(yīng)收賬款、預(yù)付款和存貨等流動(dòng)資產(chǎn)進(jìn)行質(zhì)押的方式開展。數(shù)字供應(yīng)鏈金融的發(fā)展則有助于將海量的資金流、物流和信息流進(jìn)行整合，通過關(guān)鍵數(shù)字技術(shù)進(jìn)行信用評(píng)估，可以僅依賴信用進(jìn)行授信。總的來說，深耕數(shù)字供應(yīng)鏈金融的機(jī)制表現(xiàn)為關(guān)鍵數(shù)字技術(shù)→改善供應(yīng)鏈信息不對(duì)稱→緩解產(chǎn)業(yè)鏈融資約束→提升企業(yè)碳績(jī)效，對(duì)企業(yè)自身碳績(jī)效的提升效果更明顯。

深耕數(shù)字供應(yīng)鏈金融主要通過以下兩個(gè)方面影響企業(yè)碳績(jī)效：①改善供應(yīng)鏈信息不對(duì)稱。在傳統(tǒng)的供應(yīng)鏈金融模式中，由于信息傳遞的限制和不透明，中小企業(yè)往往面臨較大的融資障礙和信用評(píng)估困難。隨著關(guān)鍵數(shù)字技術(shù)的發(fā)展，供應(yīng)鏈上企業(yè)的信息不對(duì)稱問題可以得到有效緩解。②緩解供應(yīng)鏈融資約束。通過改善供應(yīng)鏈信息不對(duì)稱，數(shù)字供應(yīng)鏈金融能夠通過智能風(fēng)控和遠(yuǎn)程授信為供應(yīng)鏈上的上、下游企業(yè)提供貸款，從而有效緩解其融資約束。綜上，提出第二機(jī)制的假說3。

H3：關(guān)鍵數(shù)字技術(shù)通過深耕數(shù)字供應(yīng)鏈金融，有助于改善供應(yīng)鏈的信息不對(duì)稱，緩解其融資約束，產(chǎn)生供應(yīng)鏈的“脫核”作用，進(jìn)而對(duì)企業(yè)碳績(jī)效產(chǎn)生更明顯提升作用。

2. 3 強(qiáng)化企業(yè)承擔(dān)社會(huì)環(huán)境責(zé)任

供應(yīng)鏈深度數(shù)字化和深耕數(shù)字供應(yīng)鏈金融還會(huì)或部分會(huì)影響整個(gè)供應(yīng)鏈上企業(yè)行為的改變，主要包括以下兩個(gè)方面：①?gòu)?qiáng)化供業(yè)鏈企業(yè)的社會(huì)責(zé)任（CSR）。通過緩解供業(yè)鏈企業(yè)的融資約束，供應(yīng)鏈上的企業(yè)能夠有更充裕的資金追加綠色投資。通過深耕數(shù)字供應(yīng)鏈金融，企業(yè)能夠更準(zhǔn)確地評(píng)估潛在的回報(bào)和風(fēng)險(xiǎn)，從而促使供業(yè)鏈上的企業(yè)主動(dòng)承擔(dān)社會(huì)責(zé)任。②加強(qiáng)供應(yīng)鏈上的企業(yè)環(huán)境和社會(huì)治理（ESG）實(shí)踐。通過深耕數(shù)字供應(yīng)鏈金融，企業(yè)可以有更充裕的資金直接支持ESG實(shí)踐。深耕供應(yīng)鏈數(shù)字化也有助于供應(yīng)鏈上企業(yè)的運(yùn)營(yíng)遵守環(huán)境和社會(huì)責(zé)任規(guī)范。

基于此，提出第三機(jī)制的假說4。

H4：供應(yīng)鏈深度數(shù)字化和數(shù)字供應(yīng)鏈金融有助于改善供應(yīng)鏈管理，增加供應(yīng)鏈上企業(yè)的綠色投資，強(qiáng)化企業(yè)的社會(huì)責(zé)任，加強(qiáng)社會(huì)環(huán)境實(shí)踐，進(jìn)而進(jìn)一步提升企業(yè)的碳績(jī)效。

本研究的理論機(jī)制路徑如圖1所示。

3 數(shù)據(jù)變量和研究設(shè)計(jì)

3. 1 變量說明

3. 1. 1 被解釋變量

被解釋變量為企業(yè)碳績(jī)效（cp）。改進(jìn)鄧慧慧等［32］的做法，采用營(yíng)業(yè)收入與營(yíng)業(yè)成本和碳排放量乘積的比值來衡量碳績(jī)效，即企業(yè)經(jīng)營(yíng)收入 /（ 碳排放量 × 企業(yè)經(jīng)營(yíng)成本）。其中，借鑒并改進(jìn)王浩等［33］的方法測(cè)算碳排放量，通過下述指標(biāo)加總計(jì)算：①燃燒和能源燃料排放，包括化石、生物質(zhì)燃料、原料開采、石油和天然氣系統(tǒng)、電力調(diào)入調(diào)出；②生產(chǎn)過程排放；③固體廢棄物焚燒排放、污水處理導(dǎo)致的排放；④土地利用方式轉(zhuǎn)變的排放。

3. 1. 2 解釋變量

核心解釋變量為關(guān)鍵數(shù)字技術(shù)（kdp）。kdp_a 為關(guān)鍵數(shù)字技術(shù)專利申請(qǐng)量，參考Feng 等［15］的方法，基于國(guó)際專利分類（International patent classification，IPC）從企業(yè)的一般專利中識(shí)別、爬取并匯總關(guān)鍵數(shù)字技術(shù)專利，IPC參照關(guān)系表是國(guó)家知識(shí)產(chǎn)權(quán)局在2023年9月25日發(fā)布的《關(guān)鍵數(shù)字技術(shù)專利分類體系（2023）》。具體來講，在獲取企業(yè)關(guān)鍵數(shù)字技術(shù)專利申請(qǐng)量時(shí)，將專利的原始申請(qǐng)人設(shè)為企業(yè)全稱，申請(qǐng)日設(shè)置為特定年份的1月1日到12月31日，IPC分類號(hào)設(shè)置為關(guān)鍵數(shù)字專利所涉及的全部IPC分類號(hào)。kdp_g 為關(guān)鍵數(shù)字技術(shù)專利授予量，獲取方法同關(guān)鍵數(shù)字技術(shù)專利申請(qǐng)量，僅需要將申請(qǐng)日調(diào)整為授權(quán)日。需要說明的是，在獲取發(fā)明專利申請(qǐng)量或授予量時(shí)，要將檢索框左側(cè)的授權(quán)發(fā)明、實(shí)用新型和外觀設(shè)計(jì)復(fù)選框去掉。dp_a 為一般數(shù)字技術(shù)創(chuàng)新申請(qǐng)量，是所有數(shù)字技術(shù)專利申請(qǐng)數(shù)，根據(jù)國(guó)家知識(shí)產(chǎn)權(quán)局發(fā)布的《數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)分類與國(guó)際專利分類》與國(guó)家知識(shí)產(chǎn)權(quán)局中的企業(yè)專利數(shù)據(jù)庫(kù)進(jìn)行匹配獲得。

3. 1. 3 中介變量

中介變量為供應(yīng)鏈深度數(shù)字化和數(shù)字供應(yīng)鏈金融，數(shù)字供應(yīng)鏈金融是供應(yīng)鏈深度數(shù)字化帶來的金融創(chuàng)新和生產(chǎn)要素的創(chuàng)新性配置手段。①供應(yīng)鏈深度數(shù)字化的論證包括假說H2.1的企業(yè)自身生產(chǎn)數(shù)字化和假說H2.2的供應(yīng)鏈上企業(yè)的數(shù)字化兩個(gè)方面。企業(yè)自身生產(chǎn)數(shù)字化主要應(yīng)用關(guān)鍵數(shù)字技術(shù)創(chuàng)新（kdp_a）與一般數(shù)字技術(shù)創(chuàng)新（dp_a）進(jìn)行比較分析。供應(yīng)鏈上企業(yè)的數(shù)字化參考Olden 等［34］的做法，運(yùn)用供應(yīng)鏈數(shù)字化示范試點(diǎn)政策的DID虛擬變量（digita）和數(shù)字技術(shù)創(chuàng)新是否為關(guān)鍵數(shù)字技術(shù)創(chuàng)新（kdp_a）進(jìn)行交互效應(yīng)的對(duì)比分析，進(jìn)而從提高供應(yīng)鏈效率、優(yōu)化供需匹配、穩(wěn)定供需關(guān)系和增加供應(yīng)商創(chuàng)新4個(gè)維度分析。供應(yīng)鏈效率的指標(biāo)用上游供應(yīng)商企業(yè)的庫(kù)存調(diào)整幅度來衡量供應(yīng)鏈的響應(yīng)效率（sce）。參考陶鋒等［11］、楊志強(qiáng)等［35］的做法，優(yōu)化供需匹配（match）指標(biāo)基于供需波動(dòng)偏離度進(jìn)行衡量，穩(wěn)定供需關(guān)系（relat）由上游企業(yè)與客戶關(guān)系的持續(xù)時(shí)間來衡量，增加供應(yīng)商創(chuàng)新則由上游供應(yīng)商企業(yè)的發(fā)明專利申請(qǐng)量（innov）來衡量。②數(shù)字供應(yīng)鏈金融的論證。參考鞠曉生等［36］、解維敏等［37］的做法，構(gòu)造KZ指數(shù)，分析公司投資和資本結(jié)構(gòu)的關(guān)系，衡量融資約束程度。同時(shí)，構(gòu)建SA指數(shù)，從公司的內(nèi)在信息不對(duì)稱程度衡量公司受到的融資約束程度。進(jìn)一步借鑒張學(xué)勇等［38］的做法，以公司個(gè)股的交易數(shù)據(jù)構(gòu)造了3個(gè)關(guān)鍵的股票流動(dòng)性指標(biāo)：流動(dòng)性比率指標(biāo)、非流動(dòng)性比率指標(biāo)以及收益率反轉(zhuǎn)指標(biāo)。對(duì)這些流動(dòng)性指標(biāo)進(jìn)行主成分分析，可以構(gòu)建出代表資金供給方和企業(yè)之間信息不對(duì)稱的綜合指標(biāo)（asy）。其中，流動(dòng)性比率指標(biāo)考慮了股票的交易量和價(jià)格變動(dòng)，反映市場(chǎng)中股票買賣的容易程度。高流動(dòng)性通常意味著在不影響股票價(jià)格的情況下，交易者可以迅速買入或賣出大量股票。非流動(dòng)性比率指標(biāo)則關(guān)注市場(chǎng)交易的摩擦和限制，如買賣差價(jià)和交易成本，這些因素可能導(dǎo)致非知情交易者在交易中受到不利影響。收益率反轉(zhuǎn)指標(biāo)則是基于市場(chǎng)的短期價(jià)格波動(dòng)，這種波動(dòng)往往出現(xiàn)在知情交易發(fā)生后的價(jià)格調(diào)整。收益率的這種短期反轉(zhuǎn)可以被視為市場(chǎng)參與者對(duì)公司信息公開后的反應(yīng)，從而揭示了信息不對(duì)稱的存在。

3. 1. 4 控制變量

控制變量（Controls）。借鑒王元彬等［5］、黃勃等［8］的處理方法，控制變量包括影響碳排放的諸多企業(yè)行為特因素：企業(yè)年限（ln age，取對(duì)數(shù)值）、營(yíng)業(yè)收入增長(zhǎng)率（growth）、財(cái)務(wù)杠桿（lev，總負(fù)債與總資產(chǎn)之比）、企業(yè)規(guī)模（ln size，員工人數(shù)取對(duì)數(shù)）、盈利能力（return，凈利潤(rùn) / 營(yíng)業(yè)收入）、流動(dòng)性（liq，流動(dòng)資產(chǎn) / 總資產(chǎn)）、現(xiàn)金流量（cashf，經(jīng)營(yíng)活動(dòng)產(chǎn)生現(xiàn)金流量?jī)纛~ / 總資產(chǎn)）、董事會(huì)規(guī)模（ln board，董事人數(shù)取對(duì)數(shù)）、創(chuàng)新能力（patent，專利申請(qǐng)數(shù)加1的自然對(duì)數(shù)）、 研發(fā)投入（rdinv，研發(fā)支出 / 營(yíng)業(yè)收入）、企業(yè)性質(zhì)（soe，國(guó)有企業(yè)賦值1，其他為0）。

3. 2 數(shù)據(jù)樣本

初始數(shù)據(jù)集為2008—2022年所有A股上市公司，數(shù)據(jù)來自國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)，包括企業(yè)基本和財(cái)務(wù)信息等指標(biāo)。企業(yè)碳排放量是通過上市公司披露的相關(guān)指標(biāo)進(jìn)行計(jì)算獲得。上市公司專利指標(biāo)來自智慧芽全球?qū)＠麢z索數(shù)據(jù)庫(kù)，計(jì)算核心解釋變量關(guān)鍵數(shù)字技術(shù)專利數(shù)量的相關(guān)變量。上述數(shù)據(jù)合并后獲得企業(yè)的年度基礎(chǔ)數(shù)據(jù)集一，共計(jì)24 592個(gè)觀測(cè)值。

為研究供應(yīng)鏈數(shù)字化、融資約束等供應(yīng)鏈的影響，構(gòu)建上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度樣本。參考陶鋒等［11］的做法，將上市公司的標(biāo)的企業(yè)與其上游供應(yīng)商和下游客戶數(shù)據(jù)進(jìn)行匹配，得到上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的12 378個(gè)觀測(cè)樣本。再將其與企業(yè)的年度基礎(chǔ)數(shù)據(jù)集一合并，得到上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度供應(yīng)鏈數(shù)據(jù)集二，共18 645個(gè)樣本。

上述數(shù)據(jù)處理時(shí)，雖然匹配了上下游數(shù)據(jù)，存在一對(duì)多現(xiàn)象，但總體樣本量減少的原因是供應(yīng)鏈企業(yè)中存在許多非上市的中小企業(yè)。因此，通過天眼查抓取了64 794條項(xiàng)目級(jí)融資信息，構(gòu)建當(dāng)年是否獲得融資的企業(yè)級(jí)虛擬變量，進(jìn)一步對(duì)供應(yīng)鏈上的中小企業(yè)進(jìn)行匹配，得到11 461條上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度非上市企業(yè)樣本，作為年度供應(yīng)鏈數(shù)據(jù)集三，用以衡量關(guān)鍵數(shù)字技術(shù)對(duì)供應(yīng)鏈上的中小企業(yè)融資約束的影響。

3. 3 研究設(shè)計(jì)

首先，運(yùn)用經(jīng)典線性回歸模型檢驗(yàn)關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)碳績(jī)效的影響。具體來說，針對(duì)內(nèi)生性的問題，運(yùn)用雙向固定效應(yīng)模型檢驗(yàn)基本結(jié)果，采用工具變量法緩解內(nèi)生性擔(dān)憂、探索漸進(jìn)一致的估計(jì)作穩(wěn)健性檢驗(yàn)。穩(wěn)健性檢驗(yàn)還包括進(jìn)一步運(yùn)用交錯(cuò)DID模型的準(zhǔn)自然實(shí)驗(yàn)的方法，詳見后文。雙向固定效應(yīng)模型如下：

其次，參考江艇［39］的做法，采用中間機(jī)制檢驗(yàn)?zāi)Ｐ偷确椒ㄟM(jìn)行檢驗(yàn)和論證。

最后，參考王元彬等［5］的做法，基于基礎(chǔ)數(shù)據(jù)集一，采用機(jī)器學(xué)習(xí)-隨機(jī)森林模型計(jì)算關(guān)鍵數(shù)字技術(shù)對(duì)碳績(jī)效的動(dòng)態(tài)影響。

4 實(shí)證結(jié)果與分析

4. 1 描述性統(tǒng)計(jì)

首先，將關(guān)鍵數(shù)字技術(shù)專利數(shù)量、企業(yè)碳績(jī)效指標(biāo)和上市公司初始數(shù)據(jù)集進(jìn)行匹配。其次，參考黃勃等［8］的處理方法對(duì)初始樣本進(jìn)行了如下處理：剔除ST類公司樣本；剔除金融行業(yè)公司；剔除信息傳輸；軟件和信息技術(shù)服務(wù)業(yè)公司；剔除IPO未滿一年的公司樣本；剔除總資產(chǎn)小于總負(fù)債的樣本。最后，為了減輕極端值的影響，對(duì)主要變量進(jìn)行了1%的縮尾處理。經(jīng)過處理后，得到公司-年度的樣本觀測(cè)值共計(jì)24 592個(gè)，上游供應(yīng)商-目標(biāo)公司-下游客戶的年度數(shù)據(jù)集二的觀測(cè)值共計(jì)18 402個(gè)。表1展示了基礎(chǔ)數(shù)據(jù)集一主要變量的統(tǒng)計(jì)特征。

4. 2 基準(zhǔn)模型結(jié)果

應(yīng)用雙向固定效應(yīng)模型論證假說H1，結(jié)果見表2。列（1）展示了模型（1）的結(jié)果，在控制了企業(yè)特征變量，企業(yè)、地區(qū)和時(shí)間固定效應(yīng)后，關(guān)鍵數(shù)字技術(shù)專利申請(qǐng)量（kdp_a）代表的新質(zhì)生產(chǎn)力每提高1個(gè)標(biāo)準(zhǔn)差，企業(yè)碳績(jī)效將顯著增加3. 85%個(gè)標(biāo)準(zhǔn)差。進(jìn)一步替換核心解釋變量為關(guān)鍵數(shù)字技術(shù)專利授權(quán)量（kdp_g），作初步的穩(wěn)健性檢驗(yàn)，結(jié)果見列（2），核心解釋變量的系數(shù)更大，說明用企業(yè)獲得授權(quán)的有效專利數(shù)衡量其關(guān)鍵數(shù)字技術(shù)時(shí)，關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)碳績(jī)效提升的作用更顯著。列（3）展示了一般數(shù)字技術(shù)（dp_a）影響企業(yè)碳績(jī)效的結(jié)果，其系數(shù)雖然顯著，但是比關(guān)鍵數(shù)字技術(shù)的系數(shù)要小，說明關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)碳績(jī)效的正面影響邊際效應(yīng)更強(qiáng)，假說H1初步得證。此外，列（4）展示了替換被解釋變量為碳排放量的回歸結(jié)果，發(fā)現(xiàn)關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)碳排放并未產(chǎn)生顯著影響，說明關(guān)鍵數(shù)字技術(shù)的創(chuàng)新重在提高碳利用效率而不是減少碳排放總量。最后，列（5）匯報(bào)了應(yīng)用上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度產(chǎn)業(yè)鏈數(shù)據(jù)集二的結(jié)果，發(fā)現(xiàn)對(duì)整個(gè)供應(yīng)鏈的碳績(jī)效提升并無顯著影響，這說明關(guān)鍵數(shù)字技術(shù)對(duì)整個(gè)供應(yīng)鏈的溢出作用尚不明顯。

4. 3 穩(wěn)健性檢驗(yàn)

關(guān)鍵數(shù)字技術(shù)與一般數(shù)字技術(shù)的信息有一定重合，對(duì)企業(yè)碳績(jī)效的影響可能會(huì)產(chǎn)生遺漏變量的內(nèi)生性問題。此外，關(guān)鍵數(shù)字技術(shù)包含7個(gè)專利類別，是一個(gè)綜合信息集，這容易高估其對(duì)碳績(jī)效的影響。因此，一方面采用外生政策沖擊造成的準(zhǔn)自然實(shí)驗(yàn)有效緩解內(nèi)生性問題，另一方面進(jìn)一步運(yùn)用工具變量法進(jìn)行漸近一致的估計(jì)。

4. 3. 1 5G和國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)政策的準(zhǔn)自然實(shí)驗(yàn)

5G作為下一代通信技術(shù)，為關(guān)鍵數(shù)字技術(shù)提供了必要的基礎(chǔ)設(shè)施支持。5G的高速度、低延遲和廣連接性能，使人工智能、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等技術(shù)得到更大范圍、更高效率的應(yīng)用。因?yàn)?G政策是由省或市級(jí)政府外力引入的，且其實(shí)施過程與企業(yè)內(nèi)部決策相對(duì)獨(dú)立，因此，5G政策的實(shí)施可以視作一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)。

各省份以及地級(jí)市5G政策的相關(guān)信息來自北京大學(xué)法學(xué)院發(fā)布的北大法寶數(shù)據(jù)庫(kù)。參照Beck 等［40］、郭桂霞等［41］的做法，交錯(cuò)DID的模型設(shè)定如下：

表3列（1）匯報(bào)了雙重差分的結(jié)果。其系數(shù)雖然要比基準(zhǔn)模型結(jié)果大許多，但這并不是關(guān)鍵數(shù)字技術(shù)的邊際效果。而是說明，5G基礎(chǔ)設(shè)施建設(shè)較好，從而關(guān)鍵數(shù)字技術(shù)更強(qiáng)的地區(qū)，其碳績(jī)效的提升比其他地區(qū)更顯著。

同理，國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)政策（以下簡(jiǎn)稱大數(shù)據(jù)試點(diǎn)政策）對(duì)試點(diǎn)城市的大數(shù)據(jù)產(chǎn)業(yè)產(chǎn)生相對(duì)外生的推動(dòng)作用。大數(shù)據(jù)是區(qū)塊鏈和人工智能等新一代數(shù)字技術(shù)和金融科技的基礎(chǔ)，是大數(shù)據(jù)分析的基礎(chǔ)數(shù)據(jù)要素，對(duì)數(shù)據(jù)密集型的關(guān)鍵數(shù)字技術(shù)（如人工智能、區(qū)塊鏈等）的發(fā)展具有重要意義。因此，借鑒邱子迅等［42］的做法，將交錯(cuò)DID項(xiàng)替換為大數(shù)據(jù)試點(diǎn)虛擬變量（bigdata），交錯(cuò)DID回歸結(jié)果見表3的列（2），穩(wěn)健性得到了進(jìn)一步論證。

進(jìn)一步進(jìn)行平行趨勢(shì)檢驗(yàn)?；貧w模型如下：

圖2橫坐標(biāo)以某地區(qū)5G政策開始實(shí)施為零點(diǎn)，以樣本區(qū)間跨度為窗口期，k 的取值范圍為［-9，5］，圖2中的虛線表示95%的置信區(qū)間，同樣采用了聚類到企業(yè)的穩(wěn)健標(biāo)準(zhǔn)誤。由圖2（a）可知，處理組和控制組企業(yè)在5G政策實(shí)施前滿足平行趨勢(shì)假定，而在政策實(shí)施后，在實(shí)施5G政策的地區(qū)，政策效應(yīng)從第3期開始表現(xiàn)顯著。另外，各期虛擬變量系數(shù)與交錯(cuò)DID回歸系數(shù)差別較大的原因是將政策實(shí)施前所有系數(shù)求和取平均值作為基準(zhǔn)（y=0），以消除事前的系統(tǒng)性差異。圖2（b）展示了大數(shù)據(jù)試點(diǎn)政策的處理組與控制組企業(yè)碳績(jī)效差異的動(dòng)態(tài)變化，政策實(shí)施前滿足平行趨勢(shì)假定，政策實(shí)施后，實(shí)施大數(shù)據(jù)試點(diǎn)政策地區(qū)的企業(yè)碳績(jī)效顯著高于控制組。

4. 3. 2 交錯(cuò)DID異質(zhì)性處理效應(yīng)檢驗(yàn)

傳統(tǒng)雙向固定效應(yīng)模型可能存在估計(jì)偏誤。在本研究中，當(dāng)政策漸進(jìn)實(shí)施時(shí)，還存在某個(gè)地區(qū)出臺(tái)多項(xiàng)政策的情形，表現(xiàn)為政策影響程度的異質(zhì)性［43］。因此，采用轉(zhuǎn)換效應(yīng)（switching effect）法對(duì)前一小節(jié)交錯(cuò)DID可能存在的估計(jì)偏誤問題進(jìn)行修正［44］。參考郭桂霞等［41］的做法，5G和大數(shù)據(jù)試點(diǎn)政策的轉(zhuǎn)換效應(yīng)的動(dòng)態(tài)變化分別如圖3（a）、圖3（b）所示，基期系數(shù)即為異質(zhì)性穩(wěn)健DID的估計(jì)系數(shù)，-5至-1期為在t-5至t-1時(shí)期實(shí)施安慰劑檢驗(yàn)，通過了類似經(jīng)典DID的平行趨勢(shì)檢驗(yàn)。

4. 3. 3 工具變量法

由于大數(shù)據(jù)試點(diǎn)政策由政府推動(dòng)，具有外生性，而且只通過關(guān)鍵數(shù)字技術(shù)影響碳排放，符合工具變量選取要求。因此，采用工具變量法進(jìn)一步處理，結(jié)果見表4。表4顯示，結(jié)果均顯著為正，與基準(zhǔn)回歸結(jié)果一致。此外，工具變量法還通過了Stock?Yogo的弱工具變量檢驗(yàn)。

5 機(jī)制檢驗(yàn)

5. 1 供應(yīng)鏈深度數(shù)字化的機(jī)制檢驗(yàn)

供應(yīng)鏈深度數(shù)字化的假說H2是從深耕生產(chǎn)數(shù)字化的假說H2.1和深耕供應(yīng)鏈數(shù)字化的假說H2.2進(jìn)行論證。

首先，驗(yàn)證假說H2.1。由于基礎(chǔ)數(shù)據(jù)集剔除了金融行業(yè)而以制造業(yè)為主，以制造業(yè)企業(yè)為研究對(duì)象，所以可以近似檢驗(yàn)生產(chǎn)數(shù)字化的假說。因此，用一般數(shù)字技術(shù)創(chuàng)新（dp_a）替換核心解釋變量，代入基準(zhǔn)模型（1）進(jìn)行檢驗(yàn)。結(jié)果見表5列（1），對(duì)比基準(zhǔn)回歸結(jié)果表3列（1）可以發(fā)現(xiàn)，該系數(shù)小于關(guān)鍵數(shù)字技術(shù)創(chuàng)新（kdp_a）。進(jìn)一步，設(shè)置數(shù)字技術(shù)是否為關(guān)鍵數(shù)字技術(shù)的虛擬變量（kdp），如果企業(yè)數(shù)字技術(shù)專利申請(qǐng)中包含關(guān)鍵數(shù)字經(jīng)濟(jì)技術(shù)專利則賦值1，否則為0。在列（1）中再加入該虛擬變量（kdp）與一般數(shù)字技術(shù)創(chuàng)新（dp_a）的交互項(xiàng)，結(jié)果見列（2），發(fā)現(xiàn)關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)碳績(jī)效產(chǎn)生更強(qiáng)的正面影響。此外，關(guān)鍵數(shù)字技術(shù)創(chuàng)新有別于傳統(tǒng)互聯(lián)網(wǎng)數(shù)字經(jīng)濟(jì)，其深耕企業(yè)的生產(chǎn)過程，不僅帶來生產(chǎn)過程自動(dòng)化和柔性生產(chǎn)的改變，還通過供需端智能化帶來的產(chǎn)銷融合提升，使企業(yè)生產(chǎn)能夠得到及時(shí)調(diào)整，減少了能源浪費(fèi)。因此，根據(jù)Ackerberg等［45］的做法，采用ACF估計(jì)修正的OP法計(jì)算企業(yè)全要素生產(chǎn)率（TFP）作為中間機(jī)制變量，檢驗(yàn)結(jié)果見列（3）。替換核心解釋變量為數(shù)字經(jīng)濟(jì)技術(shù)創(chuàng)新（dp_a），回歸結(jié)果見列（4），同樣發(fā)現(xiàn)了關(guān)鍵數(shù)字技術(shù)的企業(yè)碳績(jī)效的邊際效應(yīng)顯著強(qiáng)于一般數(shù)字技術(shù)。假說H2.1得證。

其次，驗(yàn)證假說H2.2。一要檢驗(yàn)關(guān)鍵數(shù)字技術(shù)創(chuàng)新是否對(duì)整體供應(yīng)鏈數(shù)字化產(chǎn)生有別于一般數(shù)字技術(shù)創(chuàng)新的顯著影響。運(yùn)用供應(yīng)鏈數(shù)字化示范試點(diǎn)政策的DID（digita）與數(shù)字技術(shù)是否為關(guān)鍵數(shù)字技術(shù)的虛擬變量（kdp）進(jìn)行交互，在基準(zhǔn)模型（1）基礎(chǔ)上構(gòu)造三重差分模型（DDD）進(jìn)行檢驗(yàn)。參考張樹山等［46］和劉海建等［47］的做法，將商務(wù)部市場(chǎng)體系建設(shè)司公布的供應(yīng)鏈創(chuàng)新與應(yīng)用試點(diǎn)城市和試點(diǎn)企業(yè)名單（商建函〔2018〕654號(hào)）與上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度供應(yīng)鏈數(shù)據(jù)集二進(jìn)行合并，得到上市公司供應(yīng)鏈數(shù)字化示范試點(diǎn)政策的DID（digita）項(xiàng)。供應(yīng)鏈數(shù)字化示范試點(diǎn)政策的DID項(xiàng)有助于消除供應(yīng)鏈數(shù)字化對(duì)碳績(jī)效的影響，DDD估計(jì)量則能反映關(guān)鍵數(shù)字技術(shù)有別于一般數(shù)字技術(shù)創(chuàng)新對(duì)供應(yīng)鏈所有鏈上企業(yè)碳績(jī)效帶來的凈效應(yīng)。結(jié)果見表6列（1），初步論證了關(guān)鍵數(shù)字技術(shù)創(chuàng)新具有更顯著的作用。二是從提高供應(yīng)鏈響應(yīng)效率、優(yōu)化供需匹配、穩(wěn)定供需關(guān)系和增加供應(yīng)商創(chuàng)新4個(gè)方面進(jìn)一步論證。采用上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度供應(yīng)鏈數(shù)據(jù)集二。供應(yīng)鏈效率指標(biāo)參考Feng等［48］的研究，用上游供應(yīng)商企業(yè)的庫(kù)存調(diào)整幅度來衡量供應(yīng)鏈的響應(yīng)效率（sce）。供應(yīng)鏈優(yōu)化供需匹配（match）指標(biāo)基于供需波動(dòng)偏離度進(jìn)行衡量，穩(wěn)定供需關(guān)系（relat） 由上游企業(yè)與客戶關(guān)系的持續(xù)時(shí)間來衡量，增加供應(yīng)商創(chuàng)新則由上游供應(yīng)商企業(yè)的發(fā)明專利申請(qǐng)量（innov）所衡量。由表6列（2）—列（5）可以看出，關(guān)鍵數(shù)字技術(shù)在這4個(gè)方面都具有更強(qiáng)的效應(yīng)。深耕供應(yīng)鏈數(shù)字化上述4個(gè)方面的作用都有助于減少因過度生產(chǎn)或庫(kù)存過剩導(dǎo)致的資源浪費(fèi)，從而可以提升企業(yè)的碳績(jī)效。假說H2.2得證。

5. 2 深耕數(shù)字供應(yīng)鏈金融的機(jī)制檢驗(yàn)

為驗(yàn)證假說H3，先對(duì)緩解供應(yīng)鏈上企業(yè)的融資約束進(jìn)行論證，再對(duì)緩解融資約束背后機(jī)理改善信息不對(duì)稱的機(jī)制進(jìn)行論證。

首先，供應(yīng)鏈的融資約束是指包括標(biāo)的企業(yè)及其上、下游企業(yè)融資時(shí)所面臨的約束，基于供應(yīng)鏈數(shù)據(jù)集二，采用KZ指數(shù)和SA指數(shù)（由于為負(fù)值，已取絕對(duì)值處理）進(jìn)行分析。表7列（1）和列（2）分別展示了KZ指數(shù)為因變量，關(guān)鍵數(shù)字技術(shù)創(chuàng)新和一般數(shù)字技術(shù)創(chuàng)新為自變量的回歸結(jié)果。列（3）和（4）則是SA 指數(shù)為因變量的結(jié)果。以上結(jié)果均論證了一般數(shù)字技術(shù)創(chuàng)新對(duì)緩解制造業(yè)企業(yè)的融資約束沒有顯著影響，而關(guān)鍵數(shù)字技術(shù)卻顯著緩解了供應(yīng)鏈上所有企業(yè)的融資約束。另外，運(yùn)用上游供應(yīng)商-標(biāo)的企業(yè)-下游客戶的年度非上市企業(yè)數(shù)據(jù)集三，以當(dāng)年鏈上企業(yè)是否獲得融資（financ，由于系數(shù)較小作了量綱處理）為因變量，結(jié)果見列（5）、列（6），發(fā)現(xiàn)關(guān)鍵數(shù)字技術(shù)也有助于改善供應(yīng)鏈上中小企業(yè)的信息不對(duì)稱，緩解其融資約束。

其次，進(jìn)一步論證緩解融資約束背后的原因?；诠?yīng)鏈數(shù)據(jù)集二，以代表資金供給方和企業(yè)之間信息不對(duì)稱綜合指標(biāo)（asy）為因變量，關(guān)鍵數(shù)字技術(shù)創(chuàng)新和一般數(shù)字創(chuàng)新為自變量，回歸結(jié)果見表8。表8列（1）的結(jié)果表明，關(guān)鍵數(shù)字技術(shù)有助于改善供應(yīng)鏈鏈上企業(yè)融資的信息不對(duì)稱程度。在此基礎(chǔ)上，結(jié)合表7的結(jié)果，發(fā)現(xiàn)只有關(guān)鍵數(shù)字技術(shù)才有助于實(shí)現(xiàn)供應(yīng)鏈上中小企業(yè)融資的“脫核”效應(yīng)。

5. 3 強(qiáng)化企業(yè)社會(huì)、環(huán)境責(zé)任的機(jī)制檢驗(yàn)

參考張琦等［49］的做法，手工搜集了約6 500份重污染行業(yè)上市企業(yè)的年度報(bào)告，并從中提取了與環(huán)境治理和綠色生產(chǎn)相關(guān)的投資項(xiàng)目，加總計(jì)算綠色投資（green）數(shù)據(jù)，并除以期末總資產(chǎn)進(jìn)行標(biāo)準(zhǔn)化處理。上市公司社會(huì)責(zé)任（csr）數(shù)據(jù)來自和訊網(wǎng)。環(huán)境、社會(huì)和公司治理（esg）數(shù)據(jù)來自華證ESG得分［50］。將上述數(shù)據(jù)與供應(yīng)鏈數(shù)據(jù)集二匹配，結(jié)果見表9。表9表明，關(guān)鍵數(shù)字技術(shù)有利于企業(yè)綠色投資，促進(jìn)了企業(yè)社會(huì)責(zé)任和環(huán)境、社會(huì)及治理的實(shí)踐。

6 進(jìn)一步討論

6. 1 異質(zhì)性分析

異質(zhì)性分析圍繞信息不對(duì)稱程度的作用機(jī)制展開，這是深耕數(shù)字化所帶來的一個(gè)關(guān)鍵影響，是兩大新視角邏輯推理的共同基礎(chǔ)之一。參考葉永衛(wèi)等［51］的做法，將數(shù)據(jù)集一以企業(yè)規(guī)模和抵押資產(chǎn)占比的中位數(shù)劃分為信息不對(duì)稱程度高、低兩個(gè)組別，考察關(guān)鍵數(shù)字技術(shù)是否有助于降低信息不對(duì)稱程度，結(jié)果見表10。結(jié)果發(fā)現(xiàn)，在企業(yè)規(guī)模和抵押資產(chǎn)占比低而信息不對(duì)稱程度較高的組別，關(guān)鍵數(shù)字技術(shù)更有利于企業(yè)碳績(jī)效的提升。

6. 2 機(jī)器學(xué)習(xí)模型的分析

運(yùn)用機(jī)器學(xué)習(xí)模型對(duì)關(guān)鍵數(shù)字技術(shù)變量的重要性進(jìn)行排序，通過動(dòng)態(tài)分析的方式考察關(guān)鍵數(shù)字技術(shù)創(chuàng)新影響碳績(jī)效的真實(shí)偏函數(shù)形式，并對(duì)關(guān)鍵數(shù)字技術(shù)和一般數(shù)字技術(shù)的偏函數(shù)影響進(jìn)行對(duì)比分析，進(jìn)一步論證基本結(jié)論H1。根據(jù)預(yù)測(cè)準(zhǔn)度選擇機(jī)器學(xué)習(xí)的模型，運(yùn)用傳統(tǒng)OLS模型和機(jī)器學(xué)習(xí)方法的隨機(jī)森林模型、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確度進(jìn)行比較（horse race）。其中，隨機(jī)森林模型包含500棵樹模型，每棵樹隨機(jī)考慮7個(gè)特征。支持向量機(jī)徑向基核函數(shù)設(shè)為高斯核。神經(jīng)網(wǎng)絡(luò)模型的多層感知機(jī)設(shè)置兩個(gè)隱藏層，包含100和50個(gè)節(jié)點(diǎn)，采用Adam算法。隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)模型均采用固定隨機(jī)狀態(tài)，以保證每次運(yùn)行得到一致的結(jié)果。如圖4所示，隨機(jī)森林模型的R2得分高達(dá)0. 954。因此，采用隨機(jī)森林模型進(jìn)行訓(xùn)練。

運(yùn)用隨機(jī)森林模型考察關(guān)鍵數(shù)字技術(shù)以及碳績(jī)效其他影響因素的相對(duì)重要性，以該影響因素令殘差平方和的下降程度來衡量相對(duì)重要性。如圖5所示，關(guān)鍵數(shù)字技術(shù)作為新一代數(shù)字技術(shù)，在眾多影響碳績(jī)效因素中的位序相對(duì)靠后，但相對(duì)效應(yīng)達(dá)到了相同數(shù)量級(jí)。其排序較低則是因?yàn)殛P(guān)鍵數(shù)字技術(shù)的影響部分被整體技術(shù)創(chuàng)新（patent）的作用所抵消，造成了一定程度上的低估。

圖6分別展示了企業(yè)碳績(jī)效對(duì)一般數(shù)字技術(shù)創(chuàng)新和關(guān)鍵數(shù)字技術(shù)創(chuàng)新的偏依賴（偏函數(shù)），橫坐標(biāo)內(nèi)部刻度表示了自變量1/10，2/10，…，9/10分位數(shù)。由于低分位數(shù)出現(xiàn)的頻率較高，第1條刻度線存在重合現(xiàn)象。因此，對(duì)于一般數(shù)字技術(shù)創(chuàng)新，大多數(shù)企業(yè)（1/10～9/10分位）發(fā)展一般數(shù)字技術(shù)創(chuàng)新對(duì)企業(yè)碳績(jī)效幾乎沒有影響，甚至產(chǎn)生負(fù)效應(yīng)，在9/10分位數(shù)之后則表現(xiàn)為緩慢提升碳績(jī)效，因而總體上影響并不顯著。這與環(huán)境庫(kù)茲涅茨曲線的倒“U”形相一致。對(duì)于關(guān)鍵數(shù)字技術(shù)，在企業(yè)關(guān)鍵數(shù)字技術(shù)積累初期（0～6/10分位和1/10～4/10在0點(diǎn)重合），函數(shù)表現(xiàn)為持續(xù)下降，表明關(guān)鍵數(shù)字技術(shù)的創(chuàng)新投入較多，對(duì)碳績(jī)效的正面影響較小。而當(dāng)關(guān)鍵數(shù)字技術(shù)達(dá)到6/10 之后，其對(duì)碳績(jī)效的影響在振蕩中緩慢上升，且未見有明顯收斂趨勢(shì)，且其提升碳績(jī)效的斜率比一般數(shù)字技術(shù)更大，這也說明關(guān)鍵數(shù)字技術(shù)對(duì)碳績(jī)效的提升作用比一般數(shù)字技術(shù)更強(qiáng)，并將發(fā)揮著愈發(fā)重要的作用，假說H1得到了進(jìn)一步的加強(qiáng)論證。

7 結(jié)論與政策建議

本研究基于2008—2022年上市公司數(shù)據(jù)，并用天眼查抓取和匹配了供應(yīng)鏈中小企業(yè)的數(shù)據(jù)集，采用雙向固定效應(yīng)、5G和國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)政策的準(zhǔn)自然實(shí)驗(yàn)、工具變量法、機(jī)制檢驗(yàn)和機(jī)器學(xué)習(xí)等模型，研究關(guān)鍵數(shù)字技術(shù)作為新質(zhì)生產(chǎn)力的重要代表，對(duì)企業(yè)碳績(jī)效的影響及其作用機(jī)制。區(qū)別既有文獻(xiàn)考察一般數(shù)字技術(shù)創(chuàng)新、廣義的數(shù)字經(jīng)濟(jì)對(duì)企業(yè)碳排放、碳績(jī)效的影響，本研究聚焦關(guān)鍵數(shù)字技術(shù)代表的新質(zhì)生產(chǎn)力對(duì)碳績(jī)效的影響，并著重從供應(yīng)鏈的深度數(shù)字化和數(shù)字供應(yīng)鏈金融展開研究。主要結(jié)論包括以下內(nèi)容。

（1）基準(zhǔn)回歸發(fā)現(xiàn)，與一般數(shù)字技術(shù)創(chuàng)新相比，關(guān)鍵數(shù)字技術(shù)創(chuàng)新在碳排放減排總量方面的效果尚不顯著，在提升企業(yè)碳績(jī)效方面具有更顯著的邊際效應(yīng)，但對(duì)整個(gè)供應(yīng)鏈碳績(jī)效的提升效果也暫不明顯。以5G和國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)試點(diǎn)政策作為準(zhǔn)自然實(shí)驗(yàn)，運(yùn)用交錯(cuò)DID、異質(zhì)性處理效應(yīng)的交錯(cuò)DID以及工具變量法的檢驗(yàn)，該結(jié)論均展示出了良好的穩(wěn)健性。用機(jī)器學(xué)習(xí)模型進(jìn)行動(dòng)態(tài)分析的發(fā)現(xiàn)吻合環(huán)境庫(kù)茲涅茨曲線假說，并再次論證了關(guān)鍵數(shù)字技術(shù)創(chuàng)新具有更強(qiáng)效能這一基本結(jié)論。碳績(jī)效各影響因素的重要性排序也驗(yàn)證了關(guān)鍵數(shù)字技術(shù)作為新興因素對(duì)企業(yè)碳績(jī)效的提升發(fā)揮了更重要的作用。

（2）從供應(yīng)鏈深度數(shù)字化的視角出發(fā)構(gòu)建多維度指標(biāo)進(jìn)行了多角度的細(xì)致機(jī)制分析。結(jié)果發(fā)現(xiàn)，與一般數(shù)字技術(shù)創(chuàng)新相比，關(guān)鍵數(shù)字技術(shù)創(chuàng)新對(duì)供應(yīng)鏈數(shù)字化的影響更顯著，主要表現(xiàn)為企業(yè)自身生產(chǎn)的深度數(shù)字化和供應(yīng)鏈深度數(shù)字化兩個(gè)方面：關(guān)鍵數(shù)字技術(shù)→生產(chǎn)深度數(shù)字化→能源利用率更高→提升企業(yè)碳績(jī)效的邊際效應(yīng)更強(qiáng)，以及關(guān)鍵數(shù)字技術(shù)→供應(yīng)鏈深度數(shù)字化（提高供應(yīng)鏈效率、優(yōu)化供需匹配、穩(wěn)定供需關(guān)系、增加供應(yīng)商創(chuàng)新）→對(duì)企業(yè)自身碳績(jī)效的提升效果更明顯。

（3）從深耕數(shù)字供應(yīng)鏈金融的視角展開多角度的分析。結(jié)果發(fā)現(xiàn)，區(qū)別于一般數(shù)字技術(shù)創(chuàng)新的作用不顯著，數(shù)字供應(yīng)鏈金融對(duì)碳績(jī)效的影響表現(xiàn)為關(guān)鍵數(shù)字技術(shù)→改善產(chǎn)業(yè)鏈信息不對(duì)稱→緩解融資約束→對(duì)企業(yè)自身碳績(jī)效的提升效果更明顯。另外，首次為數(shù)字供應(yīng)鏈金融的“脫核”作用提供了實(shí)證證據(jù)，即關(guān)鍵數(shù)字技術(shù)緩解了供應(yīng)鏈上的中小企業(yè)融資約束，意味著對(duì)核心企業(yè)增信的依賴得到了“松綁”。異質(zhì)性分析以企業(yè)規(guī)模和抵押資產(chǎn)占比的中位數(shù)劃分信息不對(duì)稱程度高、低兩個(gè)組別，進(jìn)一步佐證了關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)信息不對(duì)稱的有效改善是企業(yè)碳績(jī)效得到更顯著提升的重要原因。

（4）供應(yīng)鏈深度數(shù)字化和深耕數(shù)字供應(yīng)鏈金融進(jìn)一步強(qiáng)化了企業(yè)承擔(dān)社會(huì)、環(huán)境責(zé)任的行為。深耕數(shù)字供應(yīng)鏈金融獲得的額外融資有助于企業(yè)增加綠色投資、CSR和ESG的實(shí)踐。此外，供應(yīng)鏈的深度數(shù)字化也有利于篩選更合適的綠色投資項(xiàng)目，并對(duì)其進(jìn)行風(fēng)險(xiǎn)與收益評(píng)價(jià)，進(jìn)而增加綠色投資。深耕供應(yīng)鏈數(shù)字化還有利于提高供應(yīng)鏈管理效率，從而提高CSR和ESG的水平。

上述結(jié)論可能具有如下政策啟示。

（1）加快培育新質(zhì)生產(chǎn)力，加強(qiáng)關(guān)鍵數(shù)字技術(shù)的研發(fā)和應(yīng)用。新質(zhì)生產(chǎn)力有明確的產(chǎn)業(yè)支撐，鑒于關(guān)鍵數(shù)字技術(shù)為代表的新質(zhì)生產(chǎn)力有別于一般數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)，雖然在提升企業(yè)碳績(jī)效方面具有顯著的邊際效應(yīng)，但是并未產(chǎn)生碳排放總量減排效應(yīng)，說明新質(zhì)生產(chǎn)力僅發(fā)揮了部分作用。關(guān)鍵數(shù)字技術(shù)對(duì)企業(yè)碳績(jī)效發(fā)揮作用符合環(huán)境庫(kù)茲涅茨曲線的倒“U”形假說，即關(guān)鍵數(shù)字技術(shù)需要經(jīng)過深化和廣化，才會(huì)對(duì)企業(yè)碳績(jī)效產(chǎn)生提升效果，且其作用的發(fā)展趨勢(shì)未見收斂。因此，應(yīng)瞄準(zhǔn)前沿戰(zhàn)略科技，加大對(duì)關(guān)鍵數(shù)字技術(shù)，如人工智能、大數(shù)據(jù)、區(qū)塊鏈等的研發(fā)和應(yīng)用支持，加快新質(zhì)生產(chǎn)力的形成和發(fā)展。此外，應(yīng)順應(yīng)新時(shí)代下的創(chuàng)新規(guī)律，發(fā)揮好新型舉國(guó)體制的優(yōu)勢(shì)，通過提供資金支持、稅收優(yōu)惠、技術(shù)合作平臺(tái)等，整合和打通產(chǎn)學(xué)研的合作，以促進(jìn)關(guān)鍵數(shù)字技術(shù)的創(chuàng)新和普及，從而形成完善的先進(jìn)生產(chǎn)力質(zhì)態(tài)。

（2）推動(dòng)供應(yīng)鏈的數(shù)字化轉(zhuǎn)型和升級(jí)。關(guān)鍵數(shù)字技術(shù)深耕供應(yīng)鏈的數(shù)字化對(duì)自身及供應(yīng)鏈效率的提升都產(chǎn)生了更顯著影響，但是提升整個(gè)供應(yīng)鏈碳績(jī)效的溢出效應(yīng)暫未顯現(xiàn)。因此，應(yīng)重視支持那些能深耕挖掘供應(yīng)鏈數(shù)字化潛力的技術(shù)、平臺(tái)、商業(yè)模式的研發(fā)和創(chuàng)新，如“供應(yīng)鏈即服務(wù)”的數(shù)字化供應(yīng)鏈新模式以及數(shù)字供應(yīng)鏈孿生、邊緣計(jì)算等技術(shù)和新質(zhì)生產(chǎn)力業(yè)態(tài)。這不僅將能改善企業(yè)自身的碳績(jī)效，也有助于提升整個(gè)供應(yīng)鏈的環(huán)境表現(xiàn)。

（3）促進(jìn)數(shù)字供應(yīng)鏈金融的發(fā)展。當(dāng)前數(shù)字供應(yīng)鏈金融影響碳績(jī)效的實(shí)際經(jīng)濟(jì)效應(yīng)初顯，也同樣面臨改善供應(yīng)鏈碳績(jī)效乃至碳排放總量碳減排效果暫不明顯的瓶頸。為進(jìn)一步緩解中小企業(yè)的融資約束，應(yīng)積極鼓勵(lì)銀行業(yè)等金融機(jī)構(gòu)積極探索供應(yīng)鏈“脫核”模式。當(dāng)前可能的一大痛點(diǎn)是供應(yīng)鏈融資的風(fēng)險(xiǎn)控制過度依賴核心企業(yè)。應(yīng)鼓勵(lì)利用關(guān)鍵數(shù)字技術(shù)的創(chuàng)新和賦能，實(shí)現(xiàn)包括數(shù)字供應(yīng)鏈的建設(shè)、整合和完善，推動(dòng)供應(yīng)鏈轉(zhuǎn)向依托信息和數(shù)據(jù)的信用評(píng)估體系，減輕供應(yīng)鏈核心企業(yè)的信用負(fù)擔(dān)，同時(shí)也為鏈上中小企業(yè)融資可得性給予精準(zhǔn)滴灌。這將加快形成金融新質(zhì)業(yè)態(tài)，更好發(fā)揮金融資源的創(chuàng)新性配置。

參考文獻(xiàn)

［1］ 黃漢權(quán). 深刻領(lǐng)悟發(fā)展新質(zhì)生產(chǎn)力的核心要義和實(shí)踐要求［J］.求是，2024（11）：32-37.

［2］ 林毅夫，等. 新質(zhì)生產(chǎn)力：中國(guó)創(chuàng)新發(fā)展的著力點(diǎn)與內(nèi)在邏輯［M］. 北京：中信出版社，2024.

［3］ 楊珊珊，董鋒. 高質(zhì)量發(fā)展背景下“雙碳”實(shí)現(xiàn)的邏輯與渠道：以發(fā)展新質(zhì)生產(chǎn)力為視角［J］. 中國(guó)礦業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024，26（4）：63-74.

［4］ 國(guó)家知識(shí)產(chǎn)權(quán)局辦公室. 國(guó)家知識(shí)產(chǎn)權(quán)局辦公室關(guān)于印發(fā)《關(guān)鍵數(shù)字技術(shù)專利分類體系（2023）》的通知［EB/OL］（. 2023-09-25）［2024-03-16］. https：//www. cnipa. gov. cn/art/2023/9/25/art_75_187769.html.

［5］ 王元彬，張堯，李計(jì)廣. 數(shù)字金融與碳排放：基于微觀數(shù)據(jù)和機(jī)器學(xué)習(xí)模型的研究［J］. 中國(guó)人口·資源與環(huán)境，2022，32（6）：1-11.

［6］ 戴魁早，黃姿，王思曼. 數(shù)字經(jīng)濟(jì)促進(jìn)了中國(guó)服務(wù)業(yè)結(jié)構(gòu)升級(jí)嗎？［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（2）：90-112.

［7］ 陳貴富，韓靜，韓愷明. 城市數(shù)字經(jīng)濟(jì)發(fā)展、技能偏向型技術(shù)進(jìn)步與勞動(dòng)力不充分就業(yè)［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2022（8）：118-136.

［8］ 黃勃，李海彤，劉俊岐，等. 數(shù)字技術(shù)創(chuàng)新與中國(guó)企業(yè)高質(zhì)量發(fā)展：來自企業(yè)數(shù)字專利的證據(jù)［J］. 經(jīng)濟(jì)研究，2023，58（3）：97-115.

［9］ 楊剛強(qiáng)，王海森，范恒山，等. 數(shù)字經(jīng)濟(jì)的碳減排效應(yīng)：理論分析與經(jīng)驗(yàn)證據(jù)［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2023（5）：80-98.

［10］ 王帥龍. 數(shù)字經(jīng)濟(jì)之于城市碳排放：“加速器”抑或“減速帶”？［J］. 中國(guó)人口·資源與環(huán)境，2023，33（6）：11-22.

［11］ 陶鋒，王欣然，徐揚(yáng)，等. 數(shù)字化轉(zhuǎn)型、產(chǎn)業(yè)鏈供應(yīng)鏈韌性與企業(yè)生產(chǎn)率［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2023（5）：118-136.

［12］ 郭峰，熊云軍. 中國(guó)數(shù)字普惠金融的測(cè)度及其影響研究：一個(gè)文獻(xiàn)綜述［J］. 金融評(píng)論，2021，13（6）：12-23.

［13］ 凌潤(rùn)澤，李彬，潘愛玲，等. 供應(yīng)鏈金融與企業(yè)債務(wù)期限選擇［J］. 經(jīng)濟(jì)研究，2023，58（10）：93-113.

［14］ 許憲春，張美慧. 中國(guó)數(shù)字經(jīng)濟(jì)規(guī)模測(cè)算研究：基于國(guó)際比較的視角［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2020（5）：23-41.

［15］ FENG D F，SHEN Y，XIE X L，et al. Digital economy and carbon emission reduction：evidence from China［J］. China economic journal，2023，16（3）：272-301.

［16］ 韓文龍，張瑞生，趙峰. 新質(zhì)生產(chǎn)力水平測(cè)算與中國(guó)經(jīng)濟(jì)增長(zhǎng)新動(dòng)能［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2024，41（6）：5-25.

［17］ 裴長(zhǎng)洪，倪江飛，李越. 數(shù)字經(jīng)濟(jì)的政治經(jīng)濟(jì)學(xué)分析［J］. 財(cái)貿(mào)經(jīng)濟(jì)，2018，39（9）：5-22.

［18］ 謝云飛. 數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳排放強(qiáng)度的影響效應(yīng)及作用機(jī)制［J］. 當(dāng)代經(jīng)濟(jì)管理，2022，44（2）：68-78.

［19］ 韓先鋒，宋文飛，李勃昕. 互聯(lián)網(wǎng)能成為中國(guó)區(qū)域創(chuàng)新效率提升的新動(dòng)能嗎［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2019（7）：119-136.

［20］ 李曉鐘，陳涵樂，張小蒂. 信息產(chǎn)業(yè)與制造業(yè)融合的績(jī)效研究：基于浙江省的數(shù)據(jù)［J］. 中國(guó)軟科學(xué)，2017（1）：22-30.

［21］ 韓峰，姜竹青. 集聚網(wǎng)絡(luò)視角下企業(yè)數(shù)字化的生產(chǎn)率提升效應(yīng)研究［J］. 管理世界，2023，39（11）：54-77.

［22］ 黃賾琳，蔣鵬程. 數(shù)字低碳之路：工業(yè)機(jī)器人與城市工業(yè)碳排放［J］. 財(cái)經(jīng)研究，2023，49（10）：34-48.

［23］ CULLEN Z，F(xiàn)ARRONATO C. Outsourcing tasks online：matching supply and demand on peer?to?peer internet platforms［J］. Management science，2021，67（7）：3985-4003.

［24］ 楊汝岱，李艷，孟珊珊. 企業(yè)數(shù)字化發(fā)展、全要素生產(chǎn)率與產(chǎn)業(yè)鏈溢出效應(yīng)［J］. 經(jīng)濟(jì)研究，2023，58（11）：44-61.

［25］ 宋華，韓夢(mèng)瑋，胡雪芹. 供應(yīng)鏈金融如何促進(jìn)供應(yīng)鏈低碳發(fā)展：基于國(guó)網(wǎng)英大的創(chuàng)新實(shí)踐［J］. 管理世界，2023，39（5）：93-112.

［26］ BERG T，BURG V，GOMBOVI? A，et al. On the rise of FinTechs：credit scoring using digital footprints［J］. Review of financial studies，2020，33（7）：2845-2897.

［27］ BARROT J N，NANDA R. The employment effects of faster payment：evidence from the federal quickpay reform［J］. Journal of finance，2020，75（6）：3139-3173.

［28］ 斯麗娟，曹昊煜. 綠色信貸政策能夠改善企業(yè)環(huán)境社會(huì)責(zé)任嗎：基于外部約束和內(nèi)部關(guān)注的視角［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2022（4）：137-155.

［29］ TAO Y Q，WANG D J，YE Y W，et al.The role of public environmental concern on corporate social responsibility：evidence from search index of web users［J］.Energy economics，2023，126：107041.

［30］ 權(quán)小鋒，李闖. 智能制造與成本粘性：來自中國(guó)智能制造示范項(xiàng)目的準(zhǔn)自然實(shí)驗(yàn)［J］. 經(jīng)濟(jì)研究，2022，57（4）：68-84.

［31］ 楊善林，王建民，侍樂媛，等. 新一代信息技術(shù)環(huán)境下高端裝備智能制造工程管理理論與方法［J］. 管理世界，2023，39（1）：177-190.

［32］ 鄧慧慧，曾慶閣，趙曉坤. 制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型、外部壓力與碳績(jī)效［J］. 浙江社會(huì)科學(xué)，2023（10）：36-48.

［33］ 王浩，劉敬哲，張麗宏. 碳排放與資產(chǎn)定價(jià)：來自中國(guó)上市公司的證據(jù)［J］. 經(jīng)濟(jì)學(xué)報(bào)，2022，9（2）：28-75.

［34］ OLDEN A，M?EN J. The triple difference estimator［J］. Econometrics journal，2022，25（3）：531-553.

［35］ 楊志強(qiáng)，唐松，李增泉. 資本市場(chǎng)信息披露、關(guān)系型合約與供需 長(zhǎng)鞭效應(yīng)：基于供應(yīng)鏈信息外溢的經(jīng)驗(yàn)證據(jù)［J］. 管理世界，2020，36（7）：89-105.

［36］ 鞠曉生，盧荻，虞義華. 融資約束、營(yíng)運(yùn)資本管理與企業(yè)創(chuàng)新可持續(xù)性［J］. 經(jīng)濟(jì)研究，2013，48（1）：4-16.

［37］ 解維敏，方紅星. 金融發(fā)展、融資約束與企業(yè)研發(fā)投入［J］. 金融研究，2011（5）：171-183.

［38］ 張學(xué)勇，陳然，魏旭. 承銷商與重返IPO表現(xiàn)：基于信息不對(duì)稱的視角［J］. 經(jīng)濟(jì)研究，2020，55（1）：164-180.

［39］ 江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］. 中國(guó)工業(yè)經(jīng)濟(jì)，2022（5）：100-120.

［40］ BECK T，LEVINE R，LEVKOV A.Big bad banks：the winners and losers from bank deregulation in the United States［J］. Journal of finance，2010，65（5）：1637-1667.

［41］ 郭桂霞，張堯. 風(fēng)險(xiǎn)自留能抑制信用風(fēng)險(xiǎn)承擔(dān)嗎：基于中國(guó)商業(yè)銀行信貸資產(chǎn)證券化數(shù)據(jù)的實(shí)證研究［J］. 國(guó)際金融研究，2022（12）：46-56.

［42］ 邱子迅，周亞虹. 數(shù)字經(jīng)濟(jì)發(fā)展與地區(qū)全要素生產(chǎn)率：基于國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)的分析［J］. 財(cái)經(jīng)研究，2021，47（7）：4-17.

［43］ GOODMAN?BACON A.Difference?in?differences with variation in treatment timing［J］. Journal of econometrics，2021，225（2）：254-277.

［44］ DE CHAISEMARTIN C，D'HAULTFCEUILLE X. Two?way fixed effects estimators with heterogeneous treatment effects［J］. American economic review，2020，110（9）：2964-2996.

［45］ ACKERBERG D A，CAVES K，F(xiàn)RAZER G. Identification properties of recent production function estimators［J］. Econometrica，2015，83（6）：2411-2451.

［46］ 張樹山，胡化廣，孫磊，等. 供應(yīng)鏈數(shù)字化與供應(yīng)鏈安全穩(wěn)定：一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)［J］. 中國(guó)軟科學(xué)，2021（12）：21-30.

［47］ 劉海建，胡化廣，張樹山，等. 供應(yīng)鏈數(shù)字化與企業(yè)績(jī)效：機(jī)制與經(jīng)驗(yàn)證據(jù)［J］. 經(jīng)濟(jì)管理，2023，45（5）：78-98.

［48］ FENG M，LI C，MCVAY S E，et al.Does ineffective internal control over financial reporting affect a firm's operations： evidence from firms' inventory management［J］.Accounting review，2015，90（2）：529-557.

［49］ 張琦，鄭瑤，孔東民. 地區(qū)環(huán)境治理壓力、高管經(jīng)歷與企業(yè)環(huán)保投資：一項(xiàng)基于《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（2012）》的準(zhǔn)自然實(shí)驗(yàn)［J］.經(jīng)濟(jì)研究，2019，54（6）：183-198.

［50］ 方先明，胡丁. 企業(yè)ESG表現(xiàn)與創(chuàng)新：來自A股上市公司的證據(jù)［J］. 經(jīng)濟(jì)研究，2023，58（2）：91-106.

［51］ 葉永衛(wèi)，陶云清，李鑫. 數(shù)字基礎(chǔ)設(shè)施建設(shè)與企業(yè)投融資期限錯(cuò)配改善［J］. 經(jīng)濟(jì)評(píng)論，2023（4）：123-137.

（責(zé)任編輯：王愛萍）