大数据发展、知识产权保护对企业绿色技术创新的影响

任英华 刘宇钊 胡宗义 李海彤

摘要 大数据提高了信息交流和知识传播的速度与效率，是中国经济高质量发展的重要推手。现有研究针对大数据发展的红利效应进行了一系列的探讨，但鲜有从企业绿色发展视角进行的分析。为系统评估大数据发展对企业绿色技术创新的影响，该研究在理论分析大数据发展影响企业绿色技术创新内在机理和知识产权保护调节作用的基础上，借助“国家大数据综合试验区”的外生政策冲击，以沪深A股上市公司为研究对象，采用双重差分模型评估大数据发展对企业绿色技术创新的影响以及知识产权保护在二者之间发挥的调节效应。研究结果表明，大数据发展显著促进了企业绿色技术创新，经过一系列稳健性检验后结论仍然成立。异质性检验表明，大数据发展对企业绿色技术创新的促进作用在大规模企业、国有企业和地方政府数据开放水平高的企业中更为显著。机制检验表明，大数据发展可以通过提高地区环境规制强度、缓解企业融资约束和提升企业人力资本水平三种渠道促进企业绿色技术创新。调节效应检验表明，知识产权保护在大数据发展与企业绿色技术创新之间发挥了显著的正向调节作用。因此，政府应完善大数据发展政策，持续推进大数据与实体经济深度融合发展；加强大数据发展政策引导企业绿色技术创新的制度设计，将大数据发展与碳达峰、碳中和等绿色发展目标有机结合起来；因地制宜、因企施策，建立支持企业绿色创新发展的长效机制；加强知识产权保护制度体系建设，更有效地促进企业绿色技术创新，推进绿色发展。

关键词 大数据发展；企业绿色技术创新；知识产权保护；双重差分模型；国家大数据综合试验区

中图分类号 F623 文献标志码 A 文章编号 1002-2104（2023）07-0157-11 DOI：10. 12062/cpre. 20230114

为了破解发展难题，厚植发展优势，中共十八届五中全会提出了“创新、协调、绿色、开放、共享”的新发展理念。绿色是中国高质量发展的底色，是实现“双碳”目标的必经途径。为了推动绿色发展，2019年4月，国家发改委、科技部联合出台了《关于构建市场导向的绿色技术创新体系的指导意见》，指出绿色技术创新正在成为绿色发展的重要动力，要加快构建企业为主体的绿色技术创新体系。然而，目前大多数企业在绿色技术创新方面动力不足、能力不强［1］，亟须寻找新的绿色创新动力。

近年来，以大数据、云计算等为代表的信息技术迅猛发展，已成为中国经济转型发展的新动力［2］。中国政府高度重视大数据发展，从2015年开始，党的十八届五中全会正式将大数据发展上升为国家战略，国务院出台了《促进大数据发展行动纲要》，指出“大数据成为推动经济转型发展的新动力”，要鼓励大数据发展以及大数据与实体经济的融合。为了进一步推动大数据创新发展，2016年，国家发改委等部门批准在贵州等10省市开展国家大数据综合试验区建设。在技术发展和政策鼓励的双重推动下，大数据已成为中国经济转型的重要支点［3］。在此背景下，深入探究大数据发展对企业绿色技术创新的影响及其作用机理，对于更好释放大数据发展红利效应以助力绿色发展具有重要的理论和现实意义。

大数据作为引领新一轮科技革命和技术变迁的战略性生产要素［4］，具有大量高价值知识产权。与大多数创新成果相同，大数据技术或应用的创新可能面临知识产权侵权风险。数字化背景下，创新成果被侵占时，创新主体也将面临更大的损失［5］，因而知识产权保护的作用变得愈发重要。中国政府高度重视知识产权保护对创新发展的推动作用，提出了知识产权强国战略，指出加强知识产权保护是激励高价值创新的重要保障。因此，该研究进一步考察知识产权保护对大数据发展与企业绿色技术创新之间关系的影响，这对更好地抓住新一轮科技革命，完善知识产权保护体系具有重要的理论和现实意义。

该研究的边际贡献主要有三个方面：第一，从企业绿色技术创新角度考察大数据发展带来的影响，并深入探究其影响机制，梳理出地区环境规制强度、企业融资约束和企业人力资本水平等作用机制，在此基础上对其进行实证检验，丰富大数据发展对绿色发展影响的研究。第二，首次将大数据发展、知识产权保护和企业绿色技术创新纳入同一理论框架，实证检验知识产权保护在大数据发展与企业绿色技术创新之间发挥的调节效应，为政府制定大数据等数字技术的知识产权保护政策提供参考。第三，从企业微观特征和地区宏观环境两个视角进一步区分企业规模、企业所有制和地方政府数据开放水平的差异，深入探讨大数据发展对企业绿色技术创新影响的异质性，为政府精准施策提供有益的参考。

1 文献综述

政策文件和已有文献为大数据确定了较为统一的定义。国务院出台的《促进大数据发展行动纲要》中指出，大数据不仅是数量巨大、应用价值高的数据集合，还是对数据进行采集、存储和关联分析的新一代信息技术。已有文献认为，数据、技术和应用是大数据的三个要素［6］，大数据的核心是从海量数据中获取高价值的知识信息，而不是对数据的简单统计［2］。基于上述定义，该研究认为，大数据发展的目的是从大数据集中提取更高价值的数据信息，所以其核心内容包括用于处理大数据集的大数据技术和大数据应用的创新发展。

随着大数据的飞速发展，大数据与实体经济融合的广度和深度持续增加，涉及经济、商业、公共管理、国家安全、科學研究等诸多领域和部门［4，7］。关于大数据发展的经济效应，现有研究大多从宏观视角切入，聚焦于经济增长、效率提升、创新驱动等方面。在经济增长方面，许宪春等［2］系统分析了大数据在资源整合、科学决策和环境监管三个方面的重要作用，认为大数据可以促进经济绿色发展。徐翔等［8］认为大数据可以加快资源流通，优化资源配置，从而促进经济增长。在效率提升方面，学者们一致认为大数据集中隐藏着巨大的价值，通过大数据技术对海量数据进行挖掘开发可以带来资源配置优化和效率提升［9］。赵云辉等［10］构建了包含大数据发展、制度环境和政府治理效率的理论框架，研究发现大数据发展有助于政府治理效率的提升，并能通过与制度环境的有效契合抑制腐败行为。在创新驱动上，陈国青等［11］发现大数据能创造管理决策的新范式，提升企业管理决策水平，赋予企业创新原动力。杨俊等［4］认为大数据可以引起生产研发模式转型，通过自身的“乘数作用”驱动技术创新。然而，大数据发展对企业的影响仅得到较少关注，现有文献的研究视角主要集中在企业创新、企业价值和企业全要素生产率等方面。Wu等［12］专门探讨了大数据对企业技术创新的影响，研究发现大数据能帮助企业扩展现有知识的搜索空间，并能通过数据分析组合现有技术来创造新技术。张叶青等［3］探究了大数据对企业市场价值的影响，发现大数据应用可以提高企业的市场价值，其主要影响机制在于大数据应用提高了企业的生产效率和研发投入，但是相关技术和人才供给的不足可能会限制其积极影响。史丹等［13］也发现大数据发展会提升制造业企业全要素生产率，并且企业创新、要素配置和数据赋能在其中起到了中介作用。

关于知识产权保护对企业创新的影响，现有文献基于外部性理论也进行了一些探讨。有研究发现，知识产权保护可以有效促进企业创新［14-15］。龙小宁等［16］在此基础上将知识产权保护区分出立法制规保护、司法保护和行政保护三个维度，研究发现司法保护的作用最大，立法制规保护的作用次之，行政保护的作用尚不明确。黎文靖等［17］将企业创新质量进行区分，构建了低质量创新主导模式下知识产权司法保护影响企业创新的理论框架，实证研究发现知识产权司法保护减少了低质量专利申请，促使企业创新模式向高质量创新主导模式转移。关于企业绿色技术创新的影响因素，现有文献主要关注环境规制的作用。众多学者基于“波特假说”进行了研究，发现无论是强约束力的命令型环境规制，还是弱约束力的市场型环境规制和自愿型环境规制都可以促进企业绿色技术创新［18-21］。也有部分学者从金融支持的角度进行了研究：王馨等［22］采用双重差分方法检验了《绿色信贷指引》政策对企业绿色创新表现的影响，发现绿色信贷是促进企业绿色技术创新的重要动力；伍格致等［23］研究发现中国融资融券限制的放宽会促进标的公司绿色创新数量的提升；金环等［24］也发现，绿色金融改革试验区的设立可以通过缓解融资约束，整体上促进制造业企业绿色技术创新。此外，近年来数字经济的发展使得少数学者关注到数字化对企业绿色技术创新的影响：宋德勇等［25］发现企业数字化水平的提升能够促进重污染企业绿色技术创新；王锋正等［26］也发现地区数字化可以促进资源型企业绿色技术创新。

综合来看，已有研究就大数据发展和知识产权保护对企业创新的影响分别进行了一些有益的探讨，但未进一步研究大数据发展与企业绿色技术创新之间的内在关系，更忽略了知识产权保护对二者关系产生的冲击。大数据作为推动经济转型发展的新动力，在中国经济需要转型绿色发展的关键时期，研究大数据发展对企业绿色技术创新的影响显得尤为迫切。由此，该研究借助国家大数据综合试验区（以下简称大数据试点政策）的准自然实验，基于2012—2019年中国沪深A股上市公司的面板数据，将大数据发展、知识产权保护和企业绿色技术创新纳入同一理论框架，利用大样本实证研究深入探讨大数据发展对企业绿色技术创新的影响及其作用机理，以及知识产权保护在二者之间发挥的作用，为更好推动绿色发展提供实证依据和决策参考。

2 理论分析与研究假设

2. 1 大数据发展与企业绿色技术创新

大数据发展可能会对企业绿色技术创新产生积极影响。一方面，大数据可以扩大企业信息搜索的空间［3］，帮助企业更高效地采集和开发碎片化的信息资源［2］，使得企业能够有效获取和利用海量的数据信息［13］，提高企业从已有信息中提炼创新要素的能力［27］，进而促进企业绿色技术创新。另一方面，大数据技术有利于企业收集消费者的历史信息、挖掘消费者的潜在需求，从而促进生产者与消费者的信息交流。以消费者需求为导向有利于企业明确研发创新的方向，降低研发过程中的不确定性，可以有效缓解企业创新系统中的研发要素供需矛盾和创新产品供需矛盾［28］，进而大幅度降低研发创新成果商业化失败的风险［3］，提高绿色技术创新产出的回报率，调动企业绿色技术创新的积极性。

大数据发展对企业绿色技术创新的影响机制可分为宏观和微观两个层面。宏观机制层面，大数据发展可以通过提高地区环境规制强度影响企业绿色技术创新。环境规制是促进企业绿色技术创新的主要因素之一，不同类型的环境规制均可促进企业的绿色技术创新，大量研究围绕“波特假说”对此进行了验证［18-21］。目前，中国环境信息治理仍存在着信息公开不足、环境信息失真、信息交流缺少反馈等一系列环境信息传播困境［29］，面对冗杂的环境信息，凭借传统的管理方法和资源已很难处理当前的环境治理问题，而大数据恰好可以解决这一问题。大数据技术可以迅速整合不同系统、部门和企业各自碎片化的环境数据信息，打破信息传播壁垒，形成统一的环境数据信息系统，帮助监管部门及时获取高价值的环境数据信息，有助于实现环境监管的实时化、精准化［2］。同时，大数据技术能够提升社会公众对环境信息的获取能力，增强公众参与环境信息治理的愿望［30］，完善公众对环境问题进行监督和举报的反馈机制，从而健全现代环境治理体系。环境监管的加强和环境治理体系的完善也会提高地区环境规制强度，进而促进企业绿色技术创新。微观机制层面，大数据发展可以通过缓解企业融资约束和提升企业人力资本水平影响企业绿色技术创新。首先，相较传统的技术创新，绿色技术创新具有前期投入大、回本周期長的特征，因此，必须辅以一定的资金支持，以解决创新过程中可能面对的一系列市场机制问题［19］，这也意味着融资约束往往是企业绿色技术创新过程中面临的关键障碍。而大数据技术可以通过降低金融机构与企业之间的信息不对称问题，有效缓解企业的融资约束。金融机构借助大数据技术，可以对碎片化的海量信息进行采集、分类与解析，更好地研判企业的财务状况，降低与企业之间的信息不对称［31］，从而帮助金融机构提升资源配置效率和风险管理能力，有效避免金融市场中的逆向选择问题［32］，进而帮助企业加快融资速度，降低融资成本，解决其在绿色技术创新过程中所面临的资金问题，为企业绿色技术创新活动的开展提供便利条件［33］。其次，企业创新活动产出的质量依赖于人力资本的水平［34］。大数据发展使得大数据技术与企业生产经营活动深度融合［4］，从而提高企业对大数据技术的应用程度［3］，加大企业对高技能劳动力的需求，促使企业提升人力资本水平［35-36］。经自身学习、经验积累及对技术消化吸收而实现自主创新，促进技术与技能劳动的匹配［37］。随着企业人力资本水平的提升，高质量人力资本所附带的知识资本将融入企业绿色创新过程，高效率的交流将产生直接的知识外溢效应和技术扩散效应［38-39］，进而提升企业绿色技术创新水平。基于上述分析，提出以下假设。

假设1：大数据发展能够促进企业绿色技术创新。

假设2：大数据发展可以通过提高地区环境规制强度、缓解企业融资约束和提升企业人力资本水平三种渠道促进企业绿色技术创新。

2. 2 知识产权保护在大数据发展与企业绿色技术创新之间的调节作用

技术创新是大数据发展的重要动力［2］。大数据技术作为驱动生产力变革的前沿技术，具有大量高价值知识产权。然而，由于知识产权具有较强的外部性［14］，当大数据新技术在市场出现时，可能会面临知识产权侵权风险。一些企业为获取新技术红利与提高市场竞争力，会对新技术进行不断地复制、模仿、研发与应用，直至新技术红利消失殆尽后形成新的市场均衡［40］。因此，如果这些知识产权没有得到有效保护，将无法避免其他组织或个人的“搭便车”行为，造成知识产权侵权现象［41］。此外，数字技术和数字产品可复制性强的特点造成了数字技术领域侵权现象频发［42］，这些特征将进一步损害企业创新成果的价值，打压企业的创新意愿，进而限制大数据技术的创新和发展。

针对大数据技术创新侵权问题，知识产权保护可以通过限制同行或竞争对手的模仿行为，在一定程度上消除企业创新的潜在风险，提高企业研发成果的价值［43］，提升企业创新意愿，从而促进大数据技术的创新和发展。

因此，知识产权保护可以通过降低知识产权原本较强的外部性，实现对大数据技术创新成果的保护，有利于企业充分发挥大数据技术的价值，进而在更大程度上对企业绿色技术创新活动产生积极影响。基于上述分析，提出以下假设。

假设3：知识产权保护在大数据发展对企业绿色技术创新的影响中起正向调节作用。

3 研究设计

3. 1 模型构建

使用双重差分模型评估大数据试点政策影响企业绿色技术创新的效应，基准模型设置如下：

ln = 0 + 1 （× ）+ ++ + （1）

其中：ln i，t表示上市公司在年的绿色技术创新水平，表示大数据试点政策的政策虚拟变量，表示政策实施时间的时间虚拟变量；1是双重差分项的系数，反映在对大数据试点政策实施前后和试点地区及非试点地区之间进行双重差分后，大数据试点政策对试点地区企业绿色技术创新的净影响。表示控制变量；和分别表示时间、企业固定效应，为随机误差项。为使回归结果更加稳健，采用聚类稳健标准误估计回归模型。

基于前文对知识产权保护调节作用的理论分析，为进一步检验知识产权保护在大数据发展与企业绿色技术创新之间发挥的调节作用，构建调节效应模型，具体模型设定如下：

ln = 0 + 1 （× ）+ 2 it +?1（（× ）× it） + ++ + （2）

其中：为知识产权保护代理变量，是大数据试点政策与知识产权保护交乘项的系数。如果显著且与1符号相同，则说明存在正向调节效应。模型其他变量与参数说明同式（1）。

3. 2 指标说明及数据来源

3. 2. 1 被解释变量

企业绿色技术创新（ln ）。参考齐绍洲等［18］、徐佳等［19］以及邓玉萍等［20］的研究，采用企业绿色发明专利申请数量加1后的自然对数作为其衡量指标，选择依据如下：第一，绿色发明专利申请数量最直观地反映了企业绿色技术创新活动的产出，可量化性高［19］，相较于绿色实用专利更能反映高层次的绿色创新能力［20，44］；第二，相较于专利授权数据，专利申请数据具有更高的时效性，可以更及时地展示企业绿色技术创新活动的产出［18-20］。

3. 2. 2 核心解释变量

大数据试点政策（），表示为政策虚拟变量（）和时间虚拟变量（）两者的交乘项。政策虚拟变量（），如果上市公司位于试点范围内，取值为1，否则为0。时间虚拟变量（），政策实施期间（2016年及以后）取值为1，在非试点期间（2016年之前）取值为0。

3. 2. 3 调节变量

知识产权保护水平（）。参考周泽将等［45］的做法，采用国家知识产权局发布的知识产权保护指数，并将各省每年的知识产权保护指数减去年度中位数得出的数值作为省际知识产权保护水平的衡量指标。

3. 2. 4 控制变量

为了控制其他企业特征对绿色技术创新的影响，参考徐佳等［19］、邓玉萍等［20］相关文献，选取以下控制变量：企业规模（）、企业年龄（）、资产负债率（）、净资产收益率（）、托宾Q值（）、董事会人数（）、独立董事比例（）、管理费用率（）以及企业所有制（）。模型中选取的变量和具体衡量指标见表1。

3. 2. 5 数据来源和处理

考虑到大数据试点政策推出时间相对较短，并且在2020年初全球爆发了新冠肺炎疫情，企业正常的生产经营活动受疫情影响较大。因此，选用2012—2019年沪深A股企业为样本。数据来源分为两部分：①绿色发明专利申请数据源自数据库；②企业特征数据来自国泰安数据库。

在实证分析前，对数据进行了预处理：第一，剔除金融类企业的样本；第二，剔除各年度ST、＊ST、PT的样本；第三，参考唐松等［46］的研究，保留数据至少5年连续的样本；第四，剔除模型变量数据缺失的样本；第五，对数据中所有连续变量进行1%的双边缩尾处理，最终得到15 760个“企业-年度”观测值。主要变量的描述性统计见表2。

4 实证分析

4. 1 基准回归结果

基准模型的回归结果见表3。列（1）是未控制“时间-企业”固定效应以及控制变量的结果，列（2）是控制“时间-企业”固定效应的结果，列（3）、列（4）是分别在列（1）、列（2）基础上加入控制变量的结果。列（1）、列（2）结果可以看出，无论是否控制“时间-企业”固定效应，回归结果都非常显著。列（3）、列（4）结果显示，进一步在模型中加入控制变量后，大数据试点政策的估计系数仍然在1%的水平上显著为正，但系数有所下降。这表明企业层面还存在其他影响绿色技术创新水平的因素，因此，模型中控制变量的选取是有效的。列（4）全变量的回归结果表明，在剔除了可能的混淆因素后，大数据试点政策显著提升了企业绿色技术创新水平，该项政策使得试点地区上市公司绿色技术创新水平提高了7. 60%（e0. 073 2-1），表明大数据发展显著促进了企业绿色技术创新，支持了假设1。

4. 2 稳健性检验

4. 2. 1 平行趋势检验

借鉴Hering等［47］的做法，选取样本期第一年2012年为基期，将大数据试点政策变量与年份虚拟变量的交乘项纳入基本模型，据此考察试点地区与非试点地区上市公司的绿色技术创新水平在大数据试点政策实施前后是否存在显著差异，检验结果见表4。平行趋势检验的回归结果表明，（=2013，…， 2015）的估计系数均未通过10%的显著性水平检验，说明大数据试点政策实施前试点地区与非试点地区上市公司的绿色技术创新水平并没有显著差异，支持了平行趋势假设。在大数据试点政策实施当年，的估计系数显著为正，表明大数据试点政策对企业绿色技术创新水平的提升作用不存在时滞效应。之后几年除了2018年，估计系数都显著为正，表明大数据发展对企业绿色技术创新的促进作用存在动态变化。另外，加入控制变量后，（=2013，…，2019）的估计系数显著性均未发生变化，但影响程度都略小于前者，这一结果与基准回归结果保持一致。结果表明，模型设置满足平行趋势假设。因此，前文结果具备稳健性。

4. 2. 2 PSM‑DID

企业层面不同的经济特征也可能影响企业的绿色技术创新水平，干扰主回归结果。因此，使用PSM‑DID方法检验大数据发展对企业绿色技术创新的影响。参考何靖［48］和王修华等［49］的做法，采用基准模型的控制变量作为匹配变量，再采用半径匹配、核匹配方法分别给试点地区企业样本匹配企业层面经济特征最为接近的对照组，以确保实验组和对照组可以进行更加合理的对比。两种PSM方法均通过平衡性检验，在此基础上，利用双重差分模型对匹配后的数据进行回归，提炼出大数据试点政策对企业绿色技术创新的净效应。具体回归结果见表5列（1）、列（2），其中列（1）是半径匹配的估计结果，列（2）是核匹配的估计结果。表5列（1）、列（2）结果显示，不同匹配方法中大数据试点政策的估计系数均在1%水平上显著为正，与表3中基准回归的估计结果保持一致，验证了前文结果的稳健性。

4. 2. 3 政策外生性检验

双重差分模型要求政策实施前试点地区和非试点地区不能因为产生有效预期而提前采取行动，即理论上政策是外生的。借鉴邱子迅等［50］的做法，在估计中加入政策虚拟变量1（取值为1的条件为该地区一年后为试验区）控制预期效应。表5 列（3）结果显示，1的估计系数不显著，且大数据试点政策的估计系数在5%的水平上显著为正，说明大数据试点政策的预期效应不存在，进一步验证了前文结果的稳健性。

4. 2. 4 加入区域经济特征控制变量

区域经济发展水平和互联网普及程度都可能对企业绿色技术创新产生影响。因此，在模型中加入省级人均GDP（取自然对数，1）、用户互联网宽带接入率（2）、互联网宽带接入端口率（3）和各省人均使用计算机数（取自然对数，4）作為区域经济特征控制变量后进行回归，回归结果见表5列（4）。表5列（4）结果显示，大数据试点政策的估计系数显著为正，再次验证了基准回归结果的稳健性。

4. 2. 5 排他性檢验

在大数据试点政策实施的同期，部分试点省份和城市可能受到其他绿色创新政策的激励，例如7 省市于2013年逐步启动的碳排放交易试点政策（1）对企业绿色技术创新起到了显著的促进作用［51］。此外，自2012年底开始，国家发展改革委开始大规模启动低碳城市试点政策（2）。已有研究表明，该项政策也能显著促进企业绿色技术创新［19］。最后，部分试点地区可能受到其他创新政策的影响，如科技部和国家发展改革委于2016年在全国范围内进一步推动的创新型城市建设试点政策。为此，在基准模型中加入这三项政策的虚拟变量进行回归，以进一步控制其对基准结果的影响，回归结果见表5列（5）。表5列（5）结果显示，在控制了其他政策变量的影响后，大数据试点政策的估计系数依然显著为正，说明大数据发展明显促进了企业绿色技术创新，前文结果依旧稳健。

4. 2. 6 更换企业绿色技术创新水平衡量指标

参考徐佳等［19］的做法，采用绿色发明专利申请数量占总发明专利申请数量的比例（）作为衡量企业绿色技术创新水平的指标。该指标有助于排除同时影响企业绿色发明专利申请和发明专利申请的混淆因素。估计结果见表5列（6）。列（6）中大数据试点政策的估计系数在5%的水平上显著为正，这意味着改变企业绿色技术创新衡量指标并不会影响主要研究结论。

4. 3 异质性分析

前述实证结果表明，大数据发展可以促进企业绿色技术创新。进一步地，分别从企业微观特征和地区宏观环境的异质性视角考察大数据发展与企业绿色技术创新的关系，主要回答以下问题：大数据发展对企业绿色技术创新的影响是否因企业规模、企业所有制和地方政府数据开放水平不同而存在明显差异？

4. 3. 1 企业规模的异质性

大数据发展对不同规模企业的影响可能存在差异。相较于小规模企业，大规模企业拥有更多的资金、技术和人才储备，大数据技术能够帮助大规模企业更迅速地采集与分析资金、技术和人才的数据信息，高效整合绿色创新研发活动所需的资源，提升绿色技术的研发效率，从而更显著地提升企业绿色技术创新水平。因此，大数据发展对大规模企业绿色技术创新的促进作用可能更突出。为了验证上述逻辑，根据企业总资产的中位数将样本企业分为大规模企业（）和小规模企业（）后进行分组回归，结果见表6列（1）、列（2）。可以看出，大规模企业分组中，的系数显著为正，说明大数据发展显著促进了大规模企业绿色技术创新；而小规模企业分组中，的系数不显著，说明大数据发展对小规模企业绿色技术创新未产生明显的促进作用。回归结果与推论一致：大数据发展对企业绿色技术创新的促进作用在大规模企业中更加突出。

4. 3. 2 企业所有制的异质性

大数据发展对不同所有制企业的影响也可能存在差异。相较于非国有企业，国有企业受到地方政府和经济政策影响的程度更大，而大数据试点政策是国家发改委为了大数据发展制定的“自上而下”的顶层设计，代表了中国未来的发展方向。国有企业为了迎合国家发展诉求，会更加积极地贯彻落实这一政策的各项要求。此外，国有企业受到资源扶持和政策支持的力度更大，更有能力落实大数据发展政策。因此，大数据发展对国有企业绿色技术创新的影响可能更为显著。为了验证以上推论，根据企业所有制类型将样本企业分为国有企业（）和非国有企业（）后进行分组回归，回归结果见表6列（3）、列（4）。可以看出，无论是国有企业还是非国有企业，大数据发展均显著促进了企业绿色技术创新，但通过对组间系数差异进行Chow检验，发现大数据发展对国有企业的促进作用更为显著。回归结果与推论一致：大数据发展对企业绿色技术创新的促进作用在国有企业中更为显著。

4. 3. 3 地方政府数据开放水平的异质性

地方政府数据开放水平不同的地区，大数据发展对企业绿色技术创新的影响也可能存在差异。地方政府手中优质的数据资源是提升地区数据信息整合能力和数据资源配置能力，推动地区创新发展的重要因素。地方政府数据开放水平高的地区，企业通过大数据技术能获取的优质数据更多，创新资源的有效配置能力更强，该地区企业可以更便捷地获取绿色技术创新所需的知识信息资源，从而更高效地进行绿色技术创新活动。因此，大数据发展对企业绿色技术创新的促进作用在地方政府数据开放水平高的地区可能更为明显。为了验证上述推论，根据复旦大学发布的“数林匹克”指数划分地区数据开放水平高低（前25%为高，后75%为低），将样本企业按所在地分为两组进行回归。回归结果见表6列（5）、列（6）。回归结果表明，对于地方政府数据开放水平高（）的企业，大数据发展对其绿色技术创新的影响正向显著；对于地方政府数据开放水平低（）的企业，大数据发展对其绿色技术创新没有显著的影响。回归结果与推论一致：大数据发展对企业绿色技术创新的促进作用在地方政府数据开放水平高的地区更为显著。

5 影响机制检验

基于前文理论分析，构建中介效应模型对大数据发展影响企业绿色技术创新的机制进行检验。

，= 0 + 1（× ），+ ，++ + ，（3）

ln ，= 0 + 1（× ），+ 2 ，+，+ + + ，（4）

其中：为中介变量，分别为地区环境规制强度、企业融资约束和企业人力资本水平；模型其他变量与参数说明同式（1）。

5. 1 提高地区环境规制强度

为衡量地区环境规制强度的中介效应，参考刘荣增等［52］的做法，选用各省工业污染治理投资完成额与第二产业增加值的比值（）作为衡量地区环境规制强度的指标，回归结果见表7列（1）、列（2）。列（1）结果显示，变量的系数显著为正。以上结果表明，大数据发展可以提高地区的环境规制强度，环境规制强度的提升会对企业绿色技术创新产生显著的促进作用。

5. 2 缓解企业融资约束

如前文所述，企业融资约束是限制企业绿色技术创新的重要因素。参考宋敏等［53］的做法，使用SA指数（）作为企业融资约束的衡量指标，回归结果见表7列（3）、列（4）。列（3）变量的系数显著为负，表明大数据发展明显缓解了企业融资约束；列（4）融资约束指标的系數显著为负，变量的系数显著为正，表明融资约束起到了部分中介效应。简言之，大数据发展通过缓解企业融资约束促进了企业绿色技术创新产出的提升。

5. 3 提升企业人力资本水平

企业的绿色创新活动离不开高知识人才的支撑。参考肖土盛等［54］的做法，以上市公司中硕士及以上学历员工占比（）作为企业人力资本水平的衡量指标，回归结果见表7列（5）、列（6）。结果表明，大数据发展显著优化了企业人力资本结构，高质量的人力资本水平为企业的研发活动提供了充足的人才和知识储备，从而促进了企业的绿色技术创新活动。上述结果支持了该研究的假设2。

6 知识产权保护调节效应检验

调节效应模型的回归结果见表8。列（1）是仅控制了“时间-企业”固定效应的回归结果，列（2）是既控制了固定效应，还控制了控制变量的回归结果。列（1）结果显示，大数据试点政策与知识产权保护交乘项的估计系数在5%的水平上显著为正；列（2）结果显示，加入控制变量后，交乘项的估计系数依然显著为正，表明知识产权保护在大数据发展对企业绿色技术创新的影响中起到了正向调节作用，支持了该研究的假设3。

7 结论与政策建议

该研究借助大数据试点政策的准自然实验，基于2012—2019年沪深A股企业数据，运用双重差分模型，系统评估了大数据发展对企业绿色技术创新的影响以及知识产权保护在二者之间发挥的调节作用。结果表明：①大数据发展显著促进了企业绿色技术创新，这一结论在进行了一系列稳健性检验之后仍然成立。②异质性检验表明，大数据发展对企业绿色技术创新的促进作用在大规模企业、国有企业和地方政府数据开放水平高的企业中更为突出。③机制检验表明，大数据发展主要通过提高地区环境规制强度、缓解企业融资约束和提升企业人力资本水平三种渠道促进企业绿色技术创新。④调节效应检验表明，知识产权保护在大数据发展与企业绿色技术创新之间发挥了显著的正向调节作用。

上述研究结论对于更好释放大数据发展红利效应和推进绿色发展具有重要的政策启示。①政府应该以“国家大数据综合试验区”的实践作为基础，加强大数据发展政策引导企业绿色技术创新的制度设计，将大数据发展与碳达峰、碳中和等绿色发展目标有机结合起来，充分发挥大数据发展带来的红利效应，从而更好地推进绿色发展。②要进一步细化大数据发展政策，增强其对不同类型和不同地区企业的针对性，避免“一刀切”。异质性分析发现，地方政府数据开放水平等因素会影响大数据发展对企业绿色技术创新的促进作用。因此，政府要坚持面向社会提供优质数据，以推动大数据在企业生产经营中的开发应用，进而推动大数据和企业绿色创新协调发展。③应建立支持企业绿色技术创新的长效机制，重视大数据在环境保护、企业融资和人才引进上的重要作用，深入疏通大数据发展促进企业绿色技术创新的传导渠道，通过制度保障更好地推动绿色发展。④要加强知识产权保护制度体系建设，构建包含立法、行政、司法的知识产权保护制度体系，以充分发挥知识产权保护在大数据发展与企业绿色技术创新之间的正向调节作用，从而促进绿色发展。

参考文献

［1］ 汪明月，李颖明，王子彤，等. 政治嵌入、外部融资对环境规制与绿色技术创新关系的影响［J］. 中国人口·资源与环境，2022，32（8）：75-88.

［2］ 许宪春，任雪，常子豪. 大数据与绿色发展［J］. 中国工业经济，2019（4）：5-22.

［3］ 张叶青，陆瑶，李乐芸. 大数据应用对中国企业市场价值的影响：来自中国上市公司年报文本分析的证据［J］. 经济研究，2021，56（12）：42-59.

［4］ 杨俊，李小明，黄守军. 大数据、技术进步与经济增长：大数据作为生产要素的一个内生增长理论［J］. 经济研究，2022，57（4）：103-119.

［5］ 袁胜超. 数字化驱动了产学研协同创新吗：兼论知识产权保护与企业吸收能力的调节效应［J/OL］. 科学学与科学技术管理，2022-08-05［2022-10-10］. https：//smartlib. buu. edu. cn/asset/detail/0/2031139259235.

［6］ 朱扬勇，熊赟. 大数据是数据、技术，还是应用［J］. 大数据，2015，1（1）：78-88.

［7］ 胡键. 基于大数据的国家实力：内涵及其评估［J］. 中国社会科学，2018（6）：183-192.

［8］ 徐翔，赵墨非. 数据资本与经济增长路径［J］. 经济研究，2020，55（10）：38-54.

［9］ GLAESER E L，KOMINERS S D，LUCA M，et al. Big data and bigcities：the promises and limitations of improved measures of urbanlife［J］. Economic inquiry，2018，56（1）：114-137.

［10］ 趙云辉，张哲，冯泰文，等. 大数据发展、制度环境与政府治理效率［J］. 管理世界，2019，35（11）：119-132.

［11］ 陈国青，张瑾，王聪，等.“大数据-小数据”问题：以小见大的洞察［J］. 管理世界，2021，37（2）：203-213.

［12］ WU L， HITT L， LOU B. Data analytics， innovation， and firm productivity［J］. Management science， 2020， 66（5）： 2017-2039.

［13］ 史丹，孙光林. 大数据发展对制造业企业全要素生产率的影响机理研究［J］. 财贸经济，2022，43（9）：85-100.

［14］ 吴超鹏，唐菂. 知识产权保护执法力度、技术创新与企业绩效：来自中国上市公司的证据［J］. 经济研究，2016，51（11）：125-139.

［15］ 王海成，吕铁. 知识产权司法保护与企业创新：基于广东省知识产权案件“三审合一”的准自然试验［J］. 管理世界，2016（10）：118-133.

［16］ 龙小宁，易巍，林志帆. 知识产权保护的价值有多大：来自中国上市公司专利数据的经验证据［J］. 金融研究，2018（8）：120-136.

［17］ 黎文靖，彭远怀，谭有超. 知识产权司法保护与企业创新：兼论中国企业创新结构的变迁［J］. 经济研究，2021，56（5）：144-161.

［18］ 齐绍洲，林屾，崔静波. 环境权益交易市场能否诱发绿色创新：基于我国上市公司绿色专利数据的证据［J］. 经济研究，2018，53（12）：129-143.

［19］ 徐佳，崔静波. 低碳城市和企业绿色技术创新［J］. 中国工业经济，2020（12）：178-196.

［20］ 邓玉萍，王伦，周文杰. 环境规制促进了绿色创新能力吗：来自中国的经验证据［J］. 统计研究，2021，38（7）：76-86.

［21］ 王分棉，贺佳，孙宛霖. 命令型环境规制、ISO 14001认证与企业绿色创新：基于《环境空气质量标准（2012）》的准自然实验［J］.中国软科学，2021（9）：105-118.

［22］ 王馨，王营. 绿色信贷政策增进绿色创新研究［J］. 管理世界，2021，37（6）：173-188.

［23］ 伍格致，游达明. 融资融券能够促进企业绿色创新吗？［J］. 中国软科学，2022（4）：172-182.

［24］ 金环，于立宏，徐远彬. 绿色产业政策与制造业绿色技术创新［J］. 中国人口·资源与环境，2022，32（6）：136-146.

［25］ 宋德勇，朱文博，丁海. 企业数字化能否促进绿色技术创新：基于重污染行业上市公司的考察［J］. 财经研究，2022，48（4）：34-48.

［26］ 王锋正，刘向龙，张蕾，等. 数字化促进了资源型企业绿色技术创新吗？［J］. 科学学研究，2022，40（2）：332-344.

［27］ 陶长琪，丁煜. 数据要素何以成为创新红利：源于人力资本匹配的证据［J］. 中国软科学，2022（5）：45-56.

［28］ 胡山，余泳泽. 数字经济与企业创新：突破性创新还是渐进性创新？［J］. 财经问题研究，2022（1）：42-51.

［29］ 傅毅明. 大数据时代的环境信息治理变革：从信息公开到公共服务［J］. 中国环境管理，2016，8（4）：48-51.

［30］ 方印，张海荣. 大数据时代公众环境信息传播权初探［J］. 中国矿业大学学报（社会科学版），2021，23（1）：53-63.

［31］ 裴长洪，倪江飞，李越. 数字经济的政治经济学分析［J］. 财贸经济，2018，39（9）：5-22.

［32］ 艾永芳，孔涛. 区域大数据发展能促进企业绿色创新吗？［J］.中南财经政法大学学报，2021（6）：116-126，160.

［33］ 金芳，齐志豪，梁益琳. 大数据、金融集聚与绿色技术创新［J］.经济与管理评论，2021，37（4）：97-112.

［34］ 沈国兵，袁征宇. 企业互联网化对中国企业创新及出口的影响［J］. 经济研究，2020，55（1）：33-48.

［35］ ARVANITIS S，LOUKIS E. Employee education，information andcommunication technologies，workplace organization，and trade：acomparative analysis of Greek and Swiss firms［J］. Industrial andcorporate change，2015，24（6）：1417-1442.

［36］ 孙早，侯玉琳. 工业智能化如何重塑劳动力就业结构［J］. 中国工业经济，2019（5）：61-79.

［37］刘涛，油永华. 供给侧结构性改革：基于技术资本与技能劳动关系的视角［M］. 北京：经济科学出版社. 2021.

［38］ 赵宸宇，王文春，李雪松. 数字化转型如何影响企业全要素生产率［J］. 财贸经济，2021，42（7）：114-129.

［39］ 刘维刚，倪红福. 制造业投入服务化与企业技术进步：效应及作用机制［J］. 财贸经济，2018，39（8）：126-140.

［40］ 王林輝，姜昊，董直庆. 工业智能化会重塑企业地理格局吗［J］. 中国工业经济，2022（2）：137-155.

［41］ 周洲，吴馨童. 知识产权保护对企业数字化转型的影响：来自“三审合一”改革的经验证据［J］. 科学学与科学技术管理，2022，43（6）：89-109.

［42］ 姜南，李鹏媛，欧忠辉. 知识产权保护、数字经济与区域创业活跃度［J］. 中国软科学，2021（10）：171-181.

［43］ 刘建江，熊智桥，罗双成. 知识产权保护是否提升了企业全要素生产率：基于知识产权示范城市建设的准自然实验［J］. 南京财经大学学报，2022（2）：1-11.

［44］ WURLOD J D， NOAILLY J. The impact of green innovation onenergy intensity： an empirical analysis for 14 industrial sectors inOECD countries［J］. Energy economics， 2018， 71： 47-61.

［45］ 周泽将，汪顺，张悦. 知识产权保护与企业创新信息困境［J］.中国工业经济，2022（6）：136-154.

［46］ 唐松，伍旭川，祝佳. 数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异［J］. 管理世界，2020，36（5）：52-66.

［47］ HERING L， PONCET S. Environmental policy and exports：evidencefrom Chinese cities［J］. Journal of environmental economicsand management， 2014， 68（2）： 296-318.

［48］ 何靖. 延付高管薪酬对银行风险承担的政策效应：基于银行盈余管理动机视角的PSM‑DID 分析［J］. 中国工业经济，2016（11）：126-143.

［49］ 王修华，刘锦华，赵亚雄. 绿色金融改革创新试验区的成效测度［J］. 数量经济技术经济研究，2021，38（10）：107-127.

［50］ 邱子迅，周亚虹. 数字经济发展与地区全要素生产率：基于国家级大数据综合试验区的分析［J］. 财经研究，2021，47（7）：4-17.

［51］ 董直庆，王辉. 市场型环境规制政策有效性检验：来自碳排放权交易政策视角的经验证据［J］. 统计研究，2021，38（10）：48-61.

［52］ 刘荣增，何春. 环境规制对城镇居民收入不平等的门槛效应研究［J］. 中国软科学，2021（8）：41-52.

［53］ 宋敏，周鹏，司海涛. 金融科技与企业全要素生产率：“赋能”和信贷配给的视角［J］. 中国工业经济，2021（4）：138-155.

［54］ 肖土盛，吴雨珊，亓文韬. 数字化的翅膀能否助力企业高质量发展：来自企业创新的经验证据［J］. 经济管理，2022，44（5）：41-62.