数字化转型与企业绿色创新

杨畅 罗帅

摘 要：在推动数字化转型与“双碳”背景下，企业如何实现数字化转型以及如何促进绿色创新？本文选取2011—2022年中国制造业上市公司的数据，检验了数字化转型对绿色创新的影响机制以及融资约束的调节效应。研究发现：第一，数字化转型通过提升知识共享水平和降低企业研发风险，促进绿色创新；第二，融资约束削弱了数字化转型对绿色创新的促进作用；第三，异质性分析表明，成熟公司数字化转型对绿色创新具有更强的促进作用，其融资约束的削弱效果更明显。本文为数字技术驱动经济绿色转型和高质量发展提供了启示。

关键词：数字化转型；绿色创新；融资约束；企业数字化；高质量发展

本文索引：杨畅，罗帅.<变量 2>[J].中国商论，2024（11）：-137.

中图分类号：F270 文献标识码：A 文章编号：2096-0298（2024）06（a）--04

1 引言

近年来，极端气候频发威胁到社会与经济发展，使得环境问题受到广泛关注。在此背景下，绿色创新被普遍视作应对环境问题的首要措施，我国政府和企业开始重视绿色创新的发展。具体来看，国家“十四五”规划和中共二十大相继强调“加快节能降碳先进技术的研发与推广”；2016—2022年，中国绿色专利授权量年均增长率达到9.3%，成为推动全球绿色创新的重要力量。由此，如何加强绿色创新政策落实、如何实现企业绿色创新突破，成为亟待解决的关键问题。

随着数字科技高速发展，企业正在积极推进数字化转型，为绿色创新带来新的机遇。数字技术具有低耗能和高效率特征，可以驱动企业生产流程绿色化[1]。那么，企业数字化转型能否促进绿色创新？其背后的影响机制和作用条件分别是什么？目前相关研究仍存在较大的拓展空间：首先，就影响机制而言，学者对数字化转型如何影响企业绿色创新展开了初步研究，但得出了不一致的结论。其次，就作用条件而言，相关研究尚未充分关注融资约束的调节效应和企业年龄的异质性影响。基于此，本文以2011—2022年中国制造业上市公司为样本，探讨了数字化转型对绿色创新的影响机制，以及融资约束的调节效应和企业年龄的异质性影响。

相较现有研究，本文可能的边际贡献包括：第一，本文从知识共享和研发风险两个维度，揭示了数字化转型对绿色创新的影响效果与机制，为数字赋能企业绿色转型提供了依据。第二，本文验证了融资约束对数字化转型与绿色创新关系的调节效应，从而为政府和企业突破数字赋能绿色发展的瓶颈提供思路。第三，本文拓展分析了企业年龄的异质性影响，揭示了年龄特征在数字驱动绿色创新中发挥的作用，从而为企业利用数字技术实现高质量发展提供启示。

2 理论分析与研究假设

数字化转型通过提升知识共享水平和降低企业研发风险，促进绿色创新。一方面，在知识共享水平上，企业凭借数字技术构建信息交换平台，与接入平台的客户、供应商、政府等利益相关者之间实现信息实时共享，从而获得资源环境相关的前沿知识和信息，扩大绿色创新所需的知识供给[2]。另一方面，在企业研发风险上，绿色创新比一般创新活动面临更大风险，企业能利用数字技术的预测算法提高预测市场的准确性，从而减少绿色产品创新的需求不确定性[3]。此外，企业利用数字孪生和仿真技术实现研发过程虚拟化，识别新产品性能缺陷，从而降低绿色创新的试错成本，激励更多绿色创新活动。基于此，本文提出以下假设H1：

H1：数字化转型促进企业绿色创新。

融资约束削弱数字化转型对绿色创新的促进作用。融资约束是影响企业创新的首要情景变量，不论是数字化转型还是绿色创新活动，都与融资约束高度相关[4-5]。一方面，当企业面临较高融资约束时，企业有限的现金流被数字化转型和绿色创新活动所挤占，使其现有核心业务面临较大财务压力，迫使企业减缓甚至暂停数字化转型和绿色创新活动，从而削弱两者之间的正向影响关系[6]；另一方面，由于数字化转型和绿色创新都面临较大的收益不确定性，处于融资约束条件下的企业，会将有限资金配置到确定性更高的项目上，从而进一步挤出数字化转型和绿色创新活动，限制其利用数字技术驱动绿色创新的能力 [7]。基于此，本文提出假设H2：

H2：企业面临较强的融资约束时，数字化转型对绿色创新的促进作用被显著削弱。

3 研究设计

3.1 样本选取与数据来源

本文选取2011—2022年沪深A股制造业上市公司作为研究对象，在此基础上剔除ST、ST*、PT、PT*和相关数据缺失的样本，最终得到2773家公司的面板数据，总计观测值18816个。本文绿色发明专利数据来源于中国研究数据服务平台（CNRDS），其他数据均来源于国泰安数据库（CSMAR）。为排除极端值影响，本文对连续变量进行了上下1%缩尾处理。

3.2 变量定义

（1）被解释变量

绿色创新（lnGIa），参考陶锋等（2021）[7]的研究，本文采用上市公司独立申请的绿色发明专利数量加一取对数进行衡量。同时，用绿色发明专利获得数量进行稳健性检验。

（2）解释变量

数字化转型（lnDT），借鉴吴非等（2021）[8]的研究，将人工智能技术、大数据技术、云计算技术、区块链技术、数字化技术应用的关键出现在上市企业年报的词频，加一取对数处理进行衡量。

（3）调节变量

融资约束（FC），参考陈峻等（2020）的研究[9]，采用模型测算的融资约束发生概率进行衡量。同时，参考Whited等（2006）[10]的研究计算WW指数，进行稳健性检验。

（4）控制变量

参考现有研究，本文引入如下控制变量：企业规模（SIZE）、资产负债率（LEV）、盈利能力（ROE）、股权集中度（TOP1）、固定资产比率（MER）、产权性质（NAT）、两职兼任（CP）。具体如表1所示。

3.3 模型构建

为了检验H1，即企业数字化转型对绿色创新的影响，本文构建了模型：

为进一步检验H2，即融资约束对数字化转型和绿色创新关系的调节作用，本文构建了模型：

在回归分析中，本文采用基于普通最小二乘法的省份和年份双重固定效应模型进行估计，同时对稳健性标准差进行聚类处理。

4 实证分析

4.1 回归分析

表2列示基准回归结果。其中，表2第（1）列显示了数字化转型对绿色创新的影响结果，可以看出lnDT的回归系数为0.081，并且在1%水平下显著，表明数字化转型显著提升了企业绿色创新水平，与本文假设H1相符。表2第（2）列显示了融资约束的调节效应，可以发现lnDT×FC的系数为-0.119，并且在1%水平下显著，这说明融资约束显著削弱数字化转型对绿色创新的促进作用，支持了假设H2的结论。

4.2 稳健性检验

本文运用以下方法展开稳健性检验，所得结论与基准结果一致。（1）为了解决有偏选择的内生性问题，本文采用Heckman两阶段回归方法进行稳健性检验。在第一阶段中，以企业是否有绿色创新（dGI）作为被解释变量，使用probit回归模型进行估计并生成逆米尔斯比率（imr）；在第二阶段中，将逆米尔斯比率作为控制变量加入模型进行回归。（2）为避免绿色发明专利申请数量可能带来的估计偏差，本文使用上市公司绿色发明获得数量进行估计。（3）为避免FC指数准确性可能带来的偏差，本文使用WW指数进行估计。

4.3 异质性分析

考虑到企业年龄可能带来异质性影响，本文按照企业成立年龄是否大于均值，将样本分为成熟公司和年轻公司进行分组回归，结果如表3所示。表3列（1）-（2）显示，成熟公司的lnDT系数明显高于年轻公司，且两者间系数差异显著，表明成熟公司数字化转型对绿色创新促进作用更强。这可能是因为成熟公司拥有更丰富的经营经验和更完备的供应链体系，更容易利用数字技术进行知识和资源共享，产生更多绿色创新[11]。此外，表3列（3）-（4）显示，成熟公司的lnDT×FC系数也明显高于年轻公司，且两者间系数差异显著，表明成熟公司融资约束的削弱作用更强。可能的解释是，面临融资约束的成熟公司，采用和研发新技术时沉默成本和风险厌恶程度都更高，更倾向于投资确定性高的项目，从而减少数字化转型和绿色创新活动，削弱了两者之间的正向影响关系[11]。

5 结语

本文选取2011—2022年我国制造业上市公司的面板数据，检验了数字化转型对绿色创新的影响机制以及融资约束的调节效应。

结论表明：

第一，数字化转型提高知识共享水平，降低企业研发风险，从而促进绿色创新；

第二，融资约束削弱了数字化转型对绿色创新的促进作用；

第三，异质性分析表明，成熟公司数字化转型对绿色创新具有更强的促进作用，其融资约束的削弱效果也更明显。

综上所述，企业利用数字化转型能够持续有效地推进绿色创新，但是受到融资约束的限制和企业年龄的影响，未来在发挥数字化转型和绿色发展的协同作用上，企业和政府应该侧重于改善融资环境，同时在战略和政策制定上将年龄因素纳入考虑范围，从而最大化数字赋能企业高质量发展的效果。

参考文献

戴翔，杨双至.数字赋能、数字投入来源与制造业绿色化转型[J].中国工业经济，2022（9）：83-101.

林永佳，杨畅，蔡幸.企业数字化转型与绿色创新能力升级： 基于网络效应的分析[J].现代财经（天津财经大学学报），2023，43（2）： 3-19.

Liu X， Liu F， Ren X. Firms digitalization in manufacturing and the structure and direction of green innovation[J]. Journal of Environmental Management， 2023， 335： 117525.

García-Quevedo J， Segarra-Blasco A， Teruel M. Financial constraints and the failure of innovation projects[J]. Technological Forecasting and Social Change， 2018， 127： 127-140.

王冠男，吴非，曹铭.对外开放对企业数字化转型驱动效应研究[J].亚太经济，2022（1）：102-110.

Zhang D， Du P， Chen Y. Can designed financial systems drive out highly polluting firms？ An evaluation of an experimental economic policy[J]. Finance Research Letters， 2019， 31.

陶锋，赵锦瑜，周浩.环境规制实现了绿色技术创新的“增量提质”吗： 来自环保目标责任制的证据[J].中国工业经济，2021（2）： 136-154.

吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现： 来自股票流动性的经验证据[J].管理世界，2021，37（7）： 130-144.

陈峻，郑惠琼.融资约束、客户议价能力与企业社会责任[J].会计研究，2020（8）：50-63.

Whited T M， Wu G. Financial constraints risk[J]. The review of financial studies， 2006， 19（2）： 531-559.

Wang C， Lin Y. Does bargaining power mitigate the relationship between environmental regulation and firm performance？ Evidence from China[J]. Journal of Cleaner Production， 2022， 331： 129859.