数字化转型对企业绿色创新的影响——基于中国制造业上市公司的经验证据

靳 毓 文 雯 何 茵

(1.中国人民大学，北京 100872；2.北京外国语大学，北京 100089；3.曼彻斯特大学，曼彻斯特 M13 9PL)

一、引言

在我国经济持续快速增长的同时，生态资源约束和环境污染问题也日益突出，加快转变经济发展方式、推动产业结构优化升级刻不容缓。2020年9月，习近平总书记在第七十五届联合国大会一般性辩论上发表重要讲话，明确提出我国将采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。这一重大宣示意味着我国将全力推动经济社会发展全面绿色转型，坚定不移走绿色、低碳、循环、可持续发展之路。为实现经济发展与环境保护的和谐共进，近年来国家大力倡导绿色创新战略，将绿色创新作为解决环境问题的根本之策。制造业是我国国民经济发展的重要支柱，也是经济运行中的主要能源消耗者和承担碳减排重任的主力军，加快推动制造业企业绿色创新对于实现经济结构转型意义重大。不同于传统科技创新，绿色创新强调经济效益、社会效益和生态效益的协调统一，具有更高的不确定性和风险。如何有效推动企业绿色创新是新时代亟待解决的重要议题。

随着数字经济的蓬勃发展，信息技术与实体产业加速融合，人工智能、区块链、云计算、大数据等新一代数字科技的创新突破及其对制造业的持续渗透，推动制造业在价值创造流程各环节发生深刻变革。2021年国务院印发《2030年前碳达峰行动方案》，要求深入实施绿色制造工程、大力推行绿色设计、完善绿色制造体系，进一步明确了推进工业领域数字化、智能化、绿色化融合发展的重要意义。根据《中国数字经济发展白皮书(2021)》，2020年我国产业数字化规模达31.7万亿元，占数字经济比重为80.9%，占GDP比重为31.2%，数字化转型已成为产业优化升级的新引擎。数字科技赋能企业转型升级，通过数据高效流动整合信息与资源，推动企业生产方式、管理流程和组织结构实现根本性变革，在优化企业信息环境(罗进辉 等，2021)、促进专业化分工(袁淳 等，2021)、改善公司治理(祁怀锦 等，2020)等方面发挥着积极作用，为企业高质量发展提供了强大动能(赵宸宇 等，2021；黄大禹 等，2021)。不仅如此，数字技术在绿色低碳转型中也发挥着至关重要的作用。根据世界经济论坛数据，到2030年各行业受益于信息通信技术(ICT)所减少的碳排放量将达121亿吨。由此可见，数字技术已然成为引领企业绿色制造的新兴红利。在推动绿色创新、实现绿色发展的进程中，既需要数字科技的直接支撑，也离不开企业在研发、生产、销售以及商业模式等方面的全面重构和深度变革。然而，从现有文献来看，很少有研究将数字化转型与绿色创新纳入同一框架展开分析。那么，作为经济发展的新动能，数字化转型是否有助于提升企业绿色创新产出？如果是，其影响机制又如何？对上述问题进行深入探讨不仅能够为我国大力发展数字经济奠定坚实的理论基础，也可以为加快推进绿色创新战略提供重要的政策启示。

基于上述分析，本文以2015—2019年沪深A股制造业上市公司为样本，实证检验数字化转型这一经济发展新动能对企业绿色创新的影响。较之已有研究，本文的边际贡献主要体现在：第一，基于绿色创新的视角拓展了企业数字化转型经济后果方面的研究。已有研究着重考察了数字化转型对企业绩效、股票流动性、盈余管理以及公司治理水平等的影响(赵宸宇 等，2021；罗进辉 等，2021；祁怀锦 等，2020)，而直接探讨数字化转型与企业绿色创新关系的文献并不多见。本文研究发现，数字化转型通过缓解企业融资约束、降低管理层的委托代理成本、激发企业增长潜能，进而显著提升了企业绿色创新水平，为推动数字化发展的必要性和紧迫性提供了新的经验证据。第二，从数字化转型的角度丰富了企业绿色创新驱动因素的研究。现有文献主要从组织外部压力和内部特征等角度探讨企业绿色创新的影响因素(齐绍洲 等，2018)，鲜有关注微观企业数字化转型这一经济发展的关键性战略对绿色创新的影响。因此，本文是对企业绿色创新影响因素文献的有益补充。第三，研究结论为政府制定和实施绿色创新战略提供了重要的理论依据和决策参考。

二、文献综述

(一)数字化转型的经济后果

数字化转型可以理解为“新兴数字科技+实体企业”，是指企业利用信息、计算、沟通和连接技术的组合，通过提升信息处理和流通效率，促进新旧资源与能力的内部集成和外部拓展，引发生产流程、业务活动和商业模式的转变，进而实现创新潜能激发、交易成本节约以及商业价值获取的系统化过程(Gilch et al.，2021；李琦 等，2021)。从已有研究来看，学者围绕数字化转型对企业经济绩效和公司治理的影响展开了广泛探讨。

1.数字化转型对企业经营和绩效的影响

关于数字化转型究竟会对企业经营和绩效产生何种影响，现有研究结论存在一定分歧。一类观点认为，推动数字化转型有助于提高资源配置和整合效率，进而改善企业经营，提升企业绩效水平。相关研究表明，数字化转型通过促进数据要素的高效流动，增强了企业的创新能力、应对冲击能力以及可持续发展能力，对于企业实现快速成长和价值提升具有重要意义(易露霞 等，2021；倪克金 等，2021；黄大禹 等，2021)。同时，数字化转型也有助于提高信息透明度，缓解信息不对称，减少委托代理问题，从而显著增强企业的外部融资能力(高雨辰 等，2021)。还有一些研究发现，企业数字化转型能够有效提升专业化分工水平，且主要是通过降低企业面临的外部交易成本实现的(袁淳 等，2021)；数字化转型显著提高了企业全要素生产率，是数字经济时代提升制造业企业生产效率的强劲驱动力(赵宸宇 等，2021)；数字化扮演着“经济资源”的角色，提高了企业持有现金的交易动机和预防动机(谭志东 等，2022)。而另一类观点则强调，由于部分企业缺乏相应的技术配套设施或组织架构，数字化转型不仅很难对企业绩效产生显著的正向促进作用，甚至还可能阻碍绩效的提升。Li et al.(2018)指出，推动企业数字化转型并非易事，除了要投入大量的资金外，还需对现有的业务流程、产品体系、管理架构等进行深度重构。企业组织结构与数字化转型技术架构的不匹配会引发管理失调，进而阻碍数字化转型积极效应的发挥，甚至导致企业绩效降低(余江 等，2017；周青 等，2020)。Hajli et al.(2015)也证实，数字化发展只能提高对信息技术高度依赖的行业的运营绩效，而对传统行业的绩效没有明显的促进效应。

2.数字化转型对公司治理的影响

类似地，基于公司治理层面的数字化转型经济后果研究，也存在两种截然相反的观点。“促进观”认为，数字化运营有助于提升公司资源运营效率和信息透明度，降低真实盈余管理(罗进辉 等，2021)，通过降低信息不对称和管理者决策行为的非理性程度显著提高公司治理水平(祁怀锦 等，2020)。张永珅等(2021)研究表明，数字化水平越高，审计风险越小、审计成本越低，企业财务报告审计收费越低。此外，吴非等(2021)还发现，企业数字化转型通过缓解信息不对称并强化市场的正面预期、优化企业创新的投入产出状况，以及增加企业价值和财务稳定性等渠道显著提升了企业的股票流动性，即数字化转型有助于改善企业在资本市场的表现。而“抑制观”则从商业模式角度切入，认为数字技术赋能商业模式创新会增加企业经营业务的复杂性，间接加剧企业信息不对称、恶化股东和管理者之间的代理冲突(李荣 等，2020)。

(二)绿色创新的影响因素

绿色创新是指与绿色产品或工艺相关的硬件或软件创新，包括节能污染防治、废物回收利用、绿色产品设计或企业环境管理等方面的技术创新活动(Chen et al.，2006)。就影响企业绿色创新的外部因素而言，政策方案和环境规制是多数学者关注的焦点。(1)宏观政策方面。已有研究表明，排污权交易试点政策增加了污染行业内公司的绿色创新活动(齐绍洲 等，2018)，低碳试点城市政策有效提升了高碳排放企业的绿色技术创新水平(熊广勤 等，2020)，绿色信贷政策对绿色创新亦起到了显著的促进作用(王馨 等，2021)。(2)环境规制方面。相关研究发现，环境税显著促进了企业绿色创新(于连超 等，2019)，排污收费对企业绿色发明成果产出存在“倒逼”效应(李青原 等，2020)。此外，政府与企业之间的联系也被证实与绿色创新密切相关，比如政治关联、环保约谈、中央环保督察等均有助于提高企业绿色创新水平(李杰 等，2020；于芝麦，2021；李依，2021)。还有一些研究从企业内部因素出发，发现高管海外经历、长期导向等对企业绿色创新均存在显著影响(Quan et al.，2021；康丽群 等，2021)。

总体来看，尽管有关企业绿色创新影响因素的研究日渐丰富，但基于数字化转型视角的探讨却较为少见。与本文最为接近的研究是王锋正等(2022)，该文基于技术整合能力视角，考察了地区数字化综合水平及其数字基础、数字投入等分项指标对资源型企业绿色技术创新的影响。不同于此，考虑到数字技术具有与制造业发展融合相长的最佳结合点(钞小静 等，2021)，本文进一步深入至企业层面，探讨制造业企业数字化转型水平对绿色创新的影响，研究结论为数字科技和生产发展的深度融合奠定了更加扎实的微观基础。

三、理论分析与研究假设

绿色创新是企业将环保意识和责任主动纳入日常生产经营，通过绿色技术、产品、过程的创新来减少环境污染以创造新的市场机会的战略行为(马骏 等，2020)，其兼具环保与创新双重属性。从创新维度来看，绿色创新具有创新活动长期性、复杂性以及高度不确定性的普遍特征，创新过程中的信息不对称和代理问题会严重影响企业创新水平(Cohen et al.，2013)；从环保维度来看，绿色创新活动强调创新过程的低能耗、低污染、低排放、可回收等，其技术和资金门槛更高、成果回收期更长，因而企业实施绿色创新的积极性普遍不高。诚然，绿色创新活动在短期内很难产生明显的经济效益，但长期来看其既可以帮助企业构筑起坚实的技术壁垒，还能够为企业赢得良好的形象和声誉，从而增强企业的长期竞争优势(Hart，1995；Aragón-Correa et al.，2003)。与开展绿色创新活动类似，提升数字化水平也可以使企业长期受益。数字化转型不仅有助于降低经济社会的能源消耗，实现生态环境保护的绿色发展目标，而且能够通过数据信息的高效整合打破“时空限制”，使不同区域或组织之间的资源配置达到最优(黄大禹 等，2021)。可以说，数字化转型的本质特征天然地嵌入了绿色发展理念，能够为企业绿色技术创新提供强大的内在驱动力。本文认为，数字化转型主要通过“资源效应”、“治理效应”和“乘数效应”三条渠道促进企业绿色创新。

首先，企业数字化转型可以发挥“资源效应”，通过提升企业融资能力，缓解企业融资约束，从而促进绿色创新。一方面，绿色创新活动的高风险、高投入和高不确定性特征加剧了投资者对信息不对称的敏感程度(许林 等，2021)；另一方面，由于绿色创新通常以知识溢出的形式产生正外部性，即具有公共产品属性，企业对环境治理项目的大量投入短期内可能导致财务资源被挤占，陷入资金紧张的局面(齐绍洲 等，2018)。进一步，有研究指出，当企业面临严重的融资约束时，其会主动削减绿色技术创新投入(杨国忠 等，2019)。而数字化转型可以显著提高企业的融资效率，明显改善企业融资难、融资贵的问题，这是因为：第一，数字化转型能够推动企业内部大量数据信息的流动整合并快速输出可利用信息(王守海 等，2022)，显著增强企业信息透明度(肖红军 等，2021；罗进辉 等，2021)，降低企业内外部信息不对称程度(祁怀锦 等，2020；吴非 等，2021)，减少投资者信息搜寻和契约签订等外部交易成本(袁淳 等，2021)；同时，数字化转型还向外界释放了企业具有良好发展前景的积极信号，促使企业更易赢得资本市场的青睐。因此，数字化转型有助于提升企业的融资能力(高雨辰 等，2021)，为企业带来更多的外部投资(高雨辰 等，2021；黄大禹 等，2021)，进而有效缓解融资约束。第二，数字化转型顺应了政府部门的政策导向，有利于企业获得更多的优惠政策支持及政府资源投入(王守海 等，2022)，从而为绿色创新活动的开展提供了充足的资金支持。

其次，企业数字化转型可以发挥“治理效应”，通过强化外部监督、缓解内部代理冲突，从而提升企业绿色创新水平。创新活动存在高度的不确定性和风险，自利的管理者可能会出于追求眼前利益的机会主义动机而阻碍企业创新战略的实施。相比于传统科技创新，绿色创新技术的专业性更强，在研发以及成果运用过程中的信息不透明度更高，股东对管理者进行有效监督的难度更大，代理成本对创新的抑制作用更明显。而数字化转型有助于减少创新活动中的监督成本，原因主要在于：一方面，数字化技术的运用可以方便股东跟进关键指标及最新的财务数据，使得管理过程及经营结果更加透明化、可视化，这有助于压缩管理层机会主义投机空间，降低企业的监督成本；另一方面，提高管理流程的数字化水平可以显著削弱管理者的自由裁量权，减少其从事机会主义与利己行为的机会，从而有效缓解管理层和股东之间的代理冲突，促进企业绿色创新。

最后，企业数字化转型可以发挥“乘数效应”，通过优化内外部资源配置，激发企业增长潜能，从而为绿色创新活动提供内源动力。绿色创新活动具有复杂性和长期性特征，需要企业拥有较强的资源整合和优化能力。而数字化技术的运用能够有效降低信息沟通成本，促进企业之间的协同合作，改善资源配置效率，提升企业成长性，进而为绿色创新活动注入强劲内生动力。一方面，大数据、互联网和人工智能等数字化技术的深度应用有助于增强信息系统的互联互通和综合集成，提高企业对供应链上下游资源的整合能力以及对市场需求变化的快速响应能力，改善资源配置与协调效率(王可 等，2018)；另一方面，企业数字化转型在促进信息共享与知识整合的同时，还能够提炼出新的信息和知识(祁怀锦 等，2020)，这有助于增厚企业智力资本，激发企业创新活力，为企业带来更多投资机会(谭志东 等，2022)。

基于上述分析，本文提出：

假设

1

：

在其他条件一定的情况下，数字化转型有助于促进企业绿色创新。

四、研究设计

(一)样本选择与数据来源

本文以2015—2019年沪深A股制造业上市公司为研究对象，通过构建年份固定效应模型，实证检验数字化转型对企业绿色创新的影响。由于绿色创新专利指标采用的是未来一期数据，因此实际的样本期间为2016—2020年。针对初始研究样本，本文剔除了被特殊处理(ST、ST)及相关数据缺失的上市公司。经过上述筛选，最终得到5810个公司-年度观测值。为了避免极端值的影响，本文对所有连续变量进行了上下1%的缩尾处理。参考吴非等(2021)的做法，本文以包含数字化关键词汇的词语总数来衡量数字化转型水平，其中词汇统计数据来自WinGo财经文本数据平台。绿色专利数据来自CNRDS数据库，其余财务数据和公司治理数据均来自国泰安数据库。

(二)变量说明

1.被解释变量：企业绿色创新

考虑到数字化转型效应的发挥需要一定时间，为了降低内生性问题的干扰，本文采用未来一期上市公司独立获得的绿色专利(包含发明专利以及实用新型专利)数量作为企业绿色创新的代理变量，记为GPatent1；同时，采用未来一期上市公司与其他实体联合获得的绿色专利数量作为另一衡量指标，记为GPatent2。由于绿色专利数据具有典型的“右偏性”特征，本文对其加1并取自然对数。

2.核心解释变量：数字化转型水平

数字化转型水平衡量指标的构建过程如下：第一步，根据“十四五”规划政策文件，借鉴胡楠等(2021)的研究思路，采用“种子词+Word2Vec相似词”方法对吴非等(2021)构建的数字化关键词词集进行扩充。具体实现路径是，先使用Python软件将“十四五”规划的PDF文档转换成TXT文档，而后依据上下文语义信息将词汇表示成多维向量，并通过计算向量之间的相似度求得词汇之间的语义相似性(Bengio et al.，2003)，最终得到的数字化词集包含94个词汇。第二步，采用文本分析法，借助WinGo财经文本数据平台抓取公司年报中的关键词条，统计包含数字化关键词汇的词语总数并进行对数化处理，得到用于刻画企业数字化转型水平的指标Digword。本文的特征词图谱如图1所示。

图1 特征词图谱

(三)模型设定

本文构建如下多元回归模型，检验数字化转型对企业绿色创新的影响。

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

(1)

其中：下标i代表个体企业，t代表年份；被解释变量GPatent代表企业绿色创新；解释变量Digword代表数字化转型水平；Controls代表控制变量，包括企业规模(Size)、资产负债率(Lev)、企业年龄(Age)、盈利能力(ROA)、产权性质(SOE)、股权集中度(Concern)、机构持股(Institution)、现金占比(Cash)、企业成长性(TobinQ)、研发投入(R&D)；Year FE代表年份固定效应；ε代表残差项。如果假设1成立，即数字化转型显著提高了企业绿色创新，那么α应显著为正。

本文主要变量的说明如表1所示。

表1 主要变量说明

变量名称变量符号变量定义企业绿色创新GPatent1未来一期上市公司独立获得的绿色专利数量(包含发明专利以及实用新型专利)加1取自然对数企业绿色创新GPatent2未来一期上市公司与其他实体联合获得的绿色专利数量(包含发明专利以及实用新型专利)加1取自然对数数字化转型水平Digword公司年报中包含数字化关键词汇的词语总数加1取自然对数,特征词图谱如图1所示企业规模Size营业收入的自然对数资产负债率Lev企业总负债与总资产的比值企业年龄Age企业至本期上市年数的自然对数盈利能力ROA企业净利润与总资产的比值产权性质SOE国有企业取1,否则取0股权集中度Concern前五大股东持股比例之和机构持股Institution机构投资者持股比例之和现金占比Cash货币资金与总资产的比值企业成长性TobinQ企业市场价值与账面总资产的比值研发投入R&D企业研发投入与营业收入的比值

五、实证结果分析

(一)描述性统计

表2列示了本文主要变量的描述性统计结果。GPatent1和GPatent2的均值分别为0.467和0.152，标准差分别为0.849和0.483，说明不同企业间的绿色创新水平差异较大。Digword的均值和标准差分别为1.495和1.295，最大值为4.804，表明样本企业间的数字化转型水平存在明显差异。限于篇幅，其他变量的特征不再赘述，详见表2。

表2 主要变量的描述性统计结果

变量样本数均值标准差最小值P25中位数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报告了单变量检验结果。不难发现，相比于不存在数字化转型的样本组，企业绿色创新变量的均值在存在数字化转型的样本组更高，且均值差异显著。这表明数字化转型有助于促进企业绿色创新，假设1初步得到支持。

表3 单变量检验结果

是否存在数字化转型否(N=1606)是(N=4204)均值差异检验GPatent10.4100.4880.814***GPatent20.1090.1680.558***

、、分别表示在1%、5%和10%的水平上显著。

(二)回归结果分析

表4报告了假设1的检验结果。其中，列(1)和列(2)的被解释变量为GPatent1，列(3)和列(4)的被解释变量为GPatent2。检验结果显示，Digword的回归系数至少在5%的水平上显著为正，说明数字化转型能够显著促进企业绿色创新，提高绿色专利产出。此外，从经济意义上来看，在控制其他因素影响的情况下，数字化转型(Digword)比例每增加一个标准差会导致企业绿色创新水平(GPatent1和GPatent2)分别提高5.54%和12.78%。综上可知，数字化转型对企业绿色创新存在正向影响，且该结果兼具统计显著性和经济显著性。由此，假设1得到验证。

表4 基准回归结果

(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

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。

(三)稳健性检验

1.倾向得分匹配(PSM)

考虑到数字化转型水平不同的企业初始条件可能有所差异，是否采用数字化转型战略提升绿色创新也是企业自主选择的结果，为缓解可能存在的内生性问题，本文先将样本期内存在数字化转型事实的企业归为实验组、未进行数字化转型的企业归为控制组，而后采用倾向得分匹配方法(PSM)开展稳健性检验。

本文将两组样本按照企业规模(Size)、资产负债率(Lev)、企业年龄(Age)、盈利能力(ROA)、产权性质(SOE)、股权集中度(Concern)、企业成长性(TobinQ)、研发投入(R&D)进行1∶1的近邻匹配，以确保两组样本在可观测到的公司特征上基本相同，从而使组别之间的差异仅体现为数字化转型的影响。PSM方法可靠与否可通过观测匹配后匹配变量的标准偏差绝对值进行判断，标准偏差绝对值越小，说明匹配效果越好。表5列示了样本均衡性检验结果，从中可见，匹配后实验组和控制组的标准偏差绝对值都在5%以内，且T检验结果显示匹配后特征变量均不存在显著差异，接受匹配后匹配变量均值相等的原假设，说明经PSM匹配后的结果是可靠的。

表5 样本均衡性检验结果

变量样本均值实验组控制组标准化偏差T检验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报告了平均处理效应(ATT)的检验结果。被解释变量在匹配后ATT值为正，且t值通过了至少10%水平的检验，说明实验组的平均处理效应显著，即数字化转型显著促进了企业绿色创新。

表6 倾向得分匹配(PSM)平均处理效应

样本实验组控制组标准化偏差标准误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**

、、分别代表在10%、5%和1%的水平上显著。

对经PSM处理后的样本进行回归，结果如表7所示。由列(1)、(2)可见，Digword的回归系数至少在5%的水平上显著为正，与前文结果无明显差异。这说明，本文的主效应并不会受样本选择性偏差的影响。

表7 稳健性检验结果：倾向得分匹配(PSM)

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

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

2.工具变量法

考虑到数字化转型对企业绿色创新的影响可能存在因果倒置的内生性问题，即企业绿色创新能力更强的公司更有动力开展数字化转型活动，本文采用工具变量法进行了稳健性检验。选取的工具变量为同行业、同省份其他企业的数字化水平的均值(Digword_IV)。同行业、同地区其他企业的数字化发展水平会影响本企业的数字化转型决策，但不会直接影响绿色创新水平，因而该工具变量符合相关性和外生性要求。表8报告了工具变量法估计结果。第一阶段回归中，Digword_IV的回归系数显著为正，说明工具变量具有相关性。第二阶段回归中，Kleibergen-Paap rk LM统计量在1%的水平上显著，拒绝工具变量识别不足的原假设；Cragg-Donald Wald F、Kleibergen-Paap rk Wald F统计量大于Stock-Yogo，弱工具变量识别F检验在10%显著性水平上的临界值拒绝弱工具变量的原假设。上述检验结果表明，本文选取的工具变量是合理可靠的。由估计结果可知，Digword的回归系数均在1%的水平上显著为正，表明本文假设1仍然成立。

表8 稳健性检验结果：工具变量法

第一阶段(1)Digword第二阶段(2)GPatent1(3)GPatent2Digword_IV0.990***(37.22)Digword0.114***(6.24)0.037***(3.71)控制变量YESYESYESConstant-0.515(-1.27)-3.502***(-10.79)-2.278***(-11.90)Year FEYESYESYESKleibergen-Paap rk LM统计量731.325***Cragg-Donald Wald F统计量1081.605Kleibergen-Paap rk Wald F统计量1372.270Hansen J 统计P值0.000Observations581058105810R-squared0.1650.1230.086

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

3.改变企业绿色创新的衡量指标

前文使用上市公司获得的绿色专利数衡量绿色创新，在此选取企业申请的绿色专利数进行替代性测试。具体而言，以未来一期上市公司独立申请的绿色发明专利和绿色实用新型专利总量(AGPatent1)以及未来一期上市公司与其他实体联合申请的绿色专利数量(AGPatent2)作为被解释变量。表9列(1)和列(2)的结果显示，Digword的回归系数均在5%的水平上显著为正。这说明，在更换被解释变量的衡量方法后，数字化转型对企业绿色创新依然存在显著的正向影响。

表9 稳健性检验结果：改变关键变量的衡量方法

(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)控制变量YESYESYESYESConstant-4.234***(-10.76)-2.893***(-10.60)-3.377***(-9.21)-2.378***(-10.97)Year FEYESYESYESYESObservations5810581046484648R-squared0.1500.0950.1420.092

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

4.采用未来两期绿色创新数据进行分析

鉴于绿色创新产出周期较长，此处使用未来两期上市公司获得的绿色专利数作为被解释变量重新进行检验，结果如表9列(3)和列(4)所示。其中，GPatent1代表未来两期企业独立获得的绿色专利数量，GPatent2代表未来两期企业联合获得的绿色专利数量。实证结果显示，Digword的回归系数均为正，并且至少在10%的水平上显著。这意味着，企业数字化转型水平越高，未来两期的绿色创新水平也越高。由此可知，本文研究结论并未发生明显变化。

5.控制省份和行业固定效应

考虑到不同地区、不同行业的企业的数字化转型与创新激励政策可能存在差异，本文在控制年份固定效应的基础上，进一步控制了省份固定效应和行业固定效应(取两位代码进行细分)，这在一定程度上有助于缓解遗漏变量所导致的内生性问题。表10列(1)和列(2)报告了具体的检验结果，从中可见，Digword的回归系数仍然至少在10%的水平上显著为正。这说明在进一步控制省份和行业固定效应的影响后，所得结论与基准回归结果基本一致。

表10 稳健性检验结果：控制省份和行业固定效应、改变回归样本

(1)GPatent1(2)GPatent2(3)GPatent1(4)GPatent2Digword0.013*(1.71)0.013***(2.73)0.025***(2.61)0.042***(2.80)控制变量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

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

6.调整回归样本

考虑到部分样本企业不存在绿色创新活动，进而可能对实证结果产生干扰，因此在剔除连续5年没有获得绿色专利的企业后，重新进行了检验，结果如表10列(3)和列(4)所示。不难发现，Digword的回归系数均在1%的水平上显著为正，与前文的检验结果保持一致。

六、作用机制检验

在前文的理论分析部分，本文预期数字化转型主要通过发挥“资源效应”、“治理效应”和“乘数效应”，进而对企业绿色创新产生显著的促进作用。接下来，对上述作用机制进行检验。

(一)“资源效应”机制检验

借鉴Kaplan et al.(1997)，本文以KZ指数作为企业融资约束的代理变量。KZ指数越大，意味着公司融资约束程度越高。首先，按照融资约束的均值将全样本划分为高融资约束和低融资约束两组；然后，进行回归分析。表11报告了“资源效应”机制的检验结果。由列(1)和列(3)可知，在低融资约束样本组，Digword的回归系数都不显著；由列(2)和列(4)可知，在高融资约束样本组，Digword的回归系数至少在5%的水平上显著为正；并且，组间系数差异均显著。上述结果说明，相比于融资约束程度较低的企业，在融资约束程度较高的企业中，数字化转型对绿色创新的促进作用更显著。由此可知，“资源效应”机制得到验证，即数字化转型通过提升企业融资能力、缓解企业融资约束，进而推动了绿色创新。

表11 “资源效应”机制检验结果

低融资约束(1)GPatent1高融资约束(2)GPatent1低融资约束(3)GPatent2高融资约束(4)GPatent2Digword0.015(1.39)0.026**(2.20)0.010(1.57)0.021***(2.99)控制变量YESYESYESYESConstant-3.052***(-8.68)-2.842***(-6.85)-2.068***(-9.82)-2.336***(-9.48)组间系数差异-0.011**(-2.07)-0.011**(-2.27)Year FEYESYESYESYESObservations3325248533252485R-squared0.1490.1320.0900.095

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

(二)“治理效应”机制检验

由于管理层持股是促进管理层与股东利益趋同、缓解委托代理成本的重要途径之一，本文以管理层持股作为委托代理成本的衡量指标。通常，管理层持股比例越低，企业代理冲突越严重。在将全样本依据管理层持股比例的均值划分为高代理成本和低代理成本两组的基础上，重新进行回归，结果如表12所示。由列(1)和列(3)可知，在低代理成本样本组，Digword的回归系数都不显著；由列(2)和列(4)可知，在高代理成本样本组，Digword的回归系数至少在5%的水平上显著为正；并且，组间系数差异均显著。上述结果说明，相比于低代理成本的企业，数字化转型对高代理成本企业绿色创新的促进作用更显著。由此可知，“治理效应”机制得到验证，即数字化转型通过降低企业代理冲突，进而推动了绿色创新。

表12 “治理效应”机制检验结果

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)控制变量YESYESYESYESConstant-2.796***(-4.61)-3.773***(-9.79)-1.523***(-5.03)-2.468***(-10.41)组间系数差异-0.008***(-2.83)-0.014***(-4.10)Year FEYESYESYESYESObservations1957385319573853R-squared0.1140.1600.0450.105

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

(三)“乘数效应”机制检验

参考谭志东等(2022)的做法，本文使用Tobin Q作为企业成长性和投资机会的代理变量。Tobin Q值越大，说明企业成长性越好、投资机会越多。本文先按照企业成长性的均值将全样本划分为高成长性和低成长性两组，然后重新进行回归，结果见表13。由列(1)和列(3)可知，在低成长性样本组，Digword的回归系数至少在5%的水平上显著为正；由列(2)和列(4)可知，在高成长性样本组，Digword的回归系数虽为正但都不显著；并且，组间系数差异均显著。上述结果说明，相比于成长性较高的企业，数字化转型对绿色创新的促进作用在成长性较低的企业中更明显。由此可知，“乘数效应”机制得到验证，即数字化转型通过激发企业增长潜能，进而促进了绿色创新。

表13 “乘数效应”机制检验结果

低成长性(1)GPatent1高成长性(2)GPatent1低成长性(3)GPatent2高成长性(4)GPatent2Digword0.025**(2.19)0.010(0.82)0.025***(3.43)0.002(0.30)控制变量YESYESYESYESConstant-2.604***(-5.49)-1.919***(-6.46)-2.159***(-5.60)-0.947***(-5.30)组间系数差异0.015***(4.82)0.023***(4.00)Year FEYESYESYESYESObservations3721208937212089R-squared0.1300.1100.0700.050

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

七、拓展性研究

(一)异质性分析

1.是否属于高新技术行业的影响

作为科技和经济紧密结合的载体，高新技术企业是国家科技战略布局中的重要组成部分。高新技术企业属于知识和技术密集型行业，拥有较丰富的数字硬件基础设施储备和较强的创新能力，其本身的数字化水平较高。虽然相比于高新技术企业，非高新技术企业自身的创新能力较弱，但是在数字化转型过程中其更容易通过改善管理、投资和生产等途径，实现运作效率和创新能力的大幅提升。因此，本文预期，数字化转型对非高新技术企业绿色创新的影响更显著。本文按照企业是否属于高新技术企业将全样本划分为高新技术企业和非高新技术企业两组，在此基础上，重新检验数字化转型对绿色创新的影响，结果如表14所示。

表14 异质性检验结果：是否属于高新技术行业

高新技术企业(1)GPatent1非高新技术企业(2)GPatent1高新技术企业(3)GPatent2非高新技术企业(4)GPatent2Digword0.012(0.61)0.023***(2.63)0.017(1.32)0.015***(2.81)控制变量YESYESYESYESConstant-3.244***(-4.08)-3.558***(-10.13)-3.015***(-6.65)-2.131***(-10.07)组间系数差异-0.011***(-3.08)0.002**(2.01)Year FEYESYESYESYESObservations1031477910314779R-squared0.1510.1490.1380.083

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

列(1)和列(3)的结果显示，在高新技术企业样本组，Digword的回归系数为正但都不显著；由列(2)和列(4)可知，在非高新技术企业样本组，Digword的回归系数均在1%的水平上显著为正；并且，组间系数差异均显著。上述检验结果说明，相比于高新技术企业，数字化转型对绿色创新的促进作用在非高新技术企业中更明显。

2.是否属于重污染行业的影响

由于重污染行业企业对绿色创新的意愿和动力可能更强，本文预期数字化发展对绿色创新的促进作用在重污染行业企业中更加显著。首先，按照我国环境保护部2008年制定的《上市公司环保核查行业分类管理名录》，将煤炭、采矿、纺织、制革、造纸、石化、制药、化工、冶金、火电等16个行业归为重污染行业，其他归为非重污染行业；然后，依据上述标准将全样本划分为重污染行业与非重污染行业两组子样本，并重新进行回归。

表15报告了是否属于重污染行业对企业数字化转型与绿色创新关系的差异化影响的检验结果。由列(1)和列(3)可知，在重污染行业样本组，Digword的回归系数均为正，且至少在5%的水平上显著；由列(2)和列(4)可知，在非重污染行业样本组，Digword的回归系数在10%的水平上显著为正或不显著；并且，组间系数差异均显著。综上分析可知，相比于非重污染行业，重污染行业企业数字化转型对绿色创新的促进效应更明显。

表15 异质性检验结果：是否属于重污染行业

重污染行业(1)GPatent1非重污染行业(2)GPatent1重污染行业(3)GPatent2非重污染行业(4)GPatent2Digword0.035***(3.62)0.008(0.68)0.012**(2.11)0.009*(1.76)控制变量YESYESYESYESConstant-1.930***(-5.24)-4.527***(-10.55)-1.344***(-3.74)-1.967***(-6.27)组间系数差异0.027***(9.04)0.003***(4.13)Year FEYESYESYESYESObservations2142366821423668R-squared0.1070.1690.1400.120

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

(二)区分企业绿色创新的类型

进一步，本文还考察了企业数字化转型对不同类型绿色创新的影响。具体而言，将企业绿色创新专利区分为绿色发明专利和绿色实用新型专利。GPatent1_I和GPatent2_I分别表示上市公司独立获得以及与其他实体联合获得的绿色发明专利数量，GPatent1_U和GPatent2_U分别表示上市公司独立获得以及与其他实体联合获得的绿色实用新型专利数量。由表16列(1)～(4)可知，企业数字化转型对绿色发明专利和绿色实用新型专利均存在显著的正向影响。

表16 企业数字化转型对不同类型绿色创新的影响

(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)控制变量YESYESYESYESConstant-2.003***(-13.60)-2.159***(-9.65)-1.814***(-14.50)-1.382***(-11.60)Year FEYESYESYESYESObservations5810581058105810R-squared0.1420.1040.0660.069

、、分别代表在10%、5%和1%的水平上显著；括号内为t值。限于篇幅，控制变量的回归结果不再详细列示。

八、研究结论与启示

本文以2015—2019年沪深A股制造业上市公司为样本，较为系统地考察了数字化转型对企业绿色创新的影响。研究结论主要包括：(1)数字化转型能够显著促进企业绿色创新活动，且该结论在经过一系列稳健性测试后依然成立；(2)作用机制检验结果表明，数字化转型通过缓解企业融资约束、弱化企业代理冲突、激发企业成长潜能，进而促进了绿色创新；(3)异质性分析结果显示，在非高新技术企业、重污染行业企业中，数字化转型对绿色创新的促进作用更显著；(4)进一步，在区分绿色创新类型后研究发现，数字化转型对绿色发明专利和绿色实用新型专利均存在显著的正向影响。

本文结论具有一定的政策启示，主要体现在以下几个方面：第一，把握数字经济发展新机遇，推进企业数字化转型。要遵循差异化原则，根据不同属性企业的实际情况制定有针对性的数字化转型优惠政策或行动方案，支持和引导数字科技与企业在绿色产品、绿色工艺，以及组织结构和管理流程上深度融合，助力经济全面绿色转型和高质量发展。第二，畅通数字化转型的信息传导机制，提升社会整体信息透明度。数字化转型的本质功能在于提升企业内外部信息的传导质量与效率，因此监管部门需进一步完善企业信息披露机制，科学设定企业在各类市场交易中的信息披露标准，促进企业、投资者、消费者等多方主体间的良性互动，为企业数字化转型提供良好的市场基础。第三，重视数字化转型的公司治理作用，促进企业绿色发展。一方面，加强数字硬件设施配备和网络体系建设，调整和优化原有管理模式，不断夯实数字化转型的技术和管理基础；另一方面，主动提高信息披露透明度，加快构建跨界分享融合的数据交换生态系统，努力降低企业内外部的信息不对称程度。