打开文本图片集

摘要：文章选择2013-2023年沪深两市A股重污染行业上市公司数据为样本，通过构建面板数据回归模型，探讨我国重污染行业企业数字化转型对企业绿色技术创新的影响及其作用传导机制，经研究发现：重污染企业数字化转型显著促进企业绿色技术创新；企业数字化转型可以通过提升企业环境信息披露质量间接促进绿色技术创新；国有企业、高数字化程度转型水平的企业其数字化转型对绿色技术创新水平的促进作用更强。基于研究结果，文章提出了加强政策支持引导完善绿色激励机制、提升环境信息披露透明度和披露率的对策建议，旨在促进我国重污染企业通过数字化转型来实现绿色技术创新，推动经济的可持续发展。

关键词：重污染企业； 数字化转型 ;环境信息披露; 绿色技术创新

一、引言

尽管我国重污染企业是推动工业生产和经济增长的重要引擎，但在促进经济发展与加快污染防治的双重压力下，如何提高或促进这些企业的绿色发展与转型，已成为社会各界关注的重点。绿色技术创新是重污染企业进行绿色转型的重要方式。绿色技术创新以可持续发展为原则，能够有效缓解传统技术的环境风险，从源头上减少排污、提高能源利用效率，是重污染企业实现绿色转型的重要突破（Ran & Zhang，2023）。然而，绿色创新也具有高投入、高风险、正外部经济性等特征，企业在进行此类研发活动时可能严重缺乏内在驱动力。因此，探究如何赋能企业绿色技术创新，对推动重污染企业进行创新升级与宏观经济绿色高质量发展具有重要的现实意义。

与此同时，以大数据、云计算等为代表的数字技术翩然而至，为企业绿色技术创新能力的提升提供了崭新思路与方向。数字技术与实体产业的深度融合，从根本上改变了传统商业模式，深刻影响着企业的组织结构、战略管理、营运成本等。在重污染企业绿色转型升级进程中，数字技术可以有效监控污染排放、减少资源浪费。企业可以利用数字技术精准管理、靶向治污，从源头上进行污染防治，为企业绿色创新保驾护航。

然而，对数字赋能“有效性”的质疑同样不容忽视，即数字技术在重塑商业组织新模式的要素性变革中，若企业原始生产要素难以与其匹配融合，则其技术属性与经济属性极易陷入数字困境，不能获得预期的产能升级与业态提速。尽管企业进行数字化转型已然成为大势所趋，但污染密集型行业的数字化建设仍然处于初级阶段（赵宸宇等，2021）。基于此，数字技术的跨领域应用，能否帮助重污染企业获取技术跃迁效应、重塑创新环境，实现绿色技术创新的突破式发展，成为亟待验证的问题。

二、理论分析与研究假设

2.1 重污染企业数字化转型对绿色技术创新的促进效应

本文绿色技术创新是指一种和生态效益相结合的现代技术系统，是企业通过研发新技术或对现有技术进行改善，将技术创新运用到生产经营的环节之中或是开发新产品，做到资源的优化和有效利用，全面的绿色技术创新能够使企业可以最大限度地降低成本的同时又可以减少或避免对环境造成的不利影响，最终实现经济绩效和生态效益双赢局面的创新。

随着数字经济时代的到来，企业借助数字化技术能够加快信息传播速度，降低知识获取成本，提升企业生产要素配置效率，优化企业创新技术资源，从而充分赋能企业绿色技术创新活动。具体来说：首先，企业应用数字技术可以动态监测生产过程中所产生的环境污染物，从而及时对污染进行处理，提高绿色技术发展水平（申明浩和谭伟杰，2022）；其次，数字信息技术的广泛运用悄然改变了市场的竞争格局，进而打破了原有市场中信息要素传递不顺畅的问题。此外，交易市场数字化转型也打破了传统商品本地化交易习惯，全面放开商品交易时间和场所，从而实现了商品交易的全面互联网化，特别是资源要素的流动能够打破技术壁垒，整合绿色技术创新要素，推动企业拓宽创新边界，更好地找到绿色技术创新路径，并通过人力资源与科技的跨地域流转从而促进企业绿色创新能力全面提升。总体来说，数字化转型既降低了企业交易成本，又提高了要素配置效率，还帮助企业有了更多的资源可以投放于有利于提高长期生产效率的创新研发，可以说数字化转型是一个有效推动企业绿色质量升级的新动力。

基于上述分析，本文提出以下假设1：我国重污染行业企业数字化转型能够促进企业绿色技术创新。

2.2重污染企业数字化转型对绿色技术创新的传导机制

环境信息披露制度作为一种减少投融资市场信息不对称的重要方式，对重污染企业的绿色技术创新具有重要影响。从企业外部发展来看，企业数字化通过打破信息壁垒，降低与外部利益相关者的信息不对称问题，能提升企业环境信息披露质量，进而提高公司创新活动的透明度。根据信号理论的观点，企业通过披露与绿色技术创新相关的人员、预算、控制等信息，突出自身绿色创新水平，保持与当前“绿水青山就是金山银山”建设蓝图的一致性，会吸引越来越多的环保型投资者（吴赢和张翼，2021）。他们对企业绿色运营行为的关注和对环境友好型产品的市场需求反过来会促进企业优化生产过程，缓解企业融资约束或降低融资成本。也可以说，这种互动关心的“激励性信号”赋予企业更高的合法性，进一步吸引资本市场投资者对这些企业的关注和追捧（胡玉尚，2024）。从企业内部发展来看，企业数字化提高了内部信息治理水平，让管理层更直接、更高效的了解实际与披露数据的差距，便于提高企业环境信息披露质量，进一步促进绿色技术创新。数字技术的内部化应用为企业内部不同部门机构间的信息传递与资源整合提供了优化路径（黄勃等，2023），特别是企业生产阶段各环节的资源损耗和环境披露信息等。基于公布的环境信息披露，企业可以追踪内部各个生产环节、流程，强化自身的环境责任导向以及改善环境创新战略决策行为，最终驱动绿色技术创新。

基于上述分析，本文提出假设2：我国重污染行业企业数字化转型可以通过提升企业环境信息披露质量来促进绿色技术创新。

三、变量选取和模型构建

3.1数据选取

文章从国泰安数据库中选取2013-2023年沪深两市A股重污染行业上市公司的数据为样本，依据《上市公司行业分类指引》等相关政策，将煤炭、采矿、纺织等16个行业划分为重污染行业。同时，文章对样本数据进行了以下筛选：（1）剔除ST、*ST类财务状况异常的样本公司；（2）剔除存在数据有缺失值的样本公司；（3）剔除利息支出为负数的样本公司。此外，对回归模型中所有连续变量均进行了1%和99%分位的缩尾处理以消除极端值影响。

3.2变量说明

（1）被解释变量：绿色技术创新（GTI）。本文参考齐绍洲等（2018）的做法，使用绿色专利申请数量来衡量绿色技术创新，包括了当年独立、联合申请的绿色发明专利、绿色实用新型专利数量。该指标能够有效的衡量企业进行绿色技术创新的成果和产出。

（2）核心解释变量：数字化转型（Digital）。本文主要参考吴非等（2021）、贾秀彦等（2022）的做法，利用上市公司公布的年度报告中的相应关键词词频测度，作为企业数字化转型程度的代理指标，即采用重污染企业年报中出现“人工智能”、“区块链”、“云计算”、“大数据”和“数字技术应用”的合计词频数，取自然对数处理后作为企业数字化转型的衡量指标。

（3）中介变量：环境信息披露质量（EID）。本文借鉴孔东民等（2021）、郭毓东和洪扬（2022）的方法，从企业的社会责任报告或环境报告中获取5个维度、30个子项的信息，采用内容评分法来衡量上市公司环境信息披露质量。根据5个大项的评分要求，将每家公司30项指标的得分相加得到这家公司环境信息披露质量的得分。

（4）控制变量：本文从企业的财务特征、公司治理角度以及企业异质性三个角度选取控制变量：其中固定资产规模用固定资产净额除以总资产来表示，用来衡量企业固定资产情况；资产负债率代表企业资本结构，可以综合性的表达企业的负债水平；无形资产规模用来衡量企业累计的技术经验，用无形资产净额与总资产的比值表示；成长性用营业收入增长率来表示，数值越大，企业的成长性越好，企业的生产经营和研发能力越强，也说明企业拥有更好的绿色技术创新环境，更利于绿色技术创新活动的开展；股权集中度用第一大股东的持股比例进行表示，股权集中度可以对企业绿色技术创新决策产生影响，进而影响企业的绿色技术创新项目；产权性质通过虚拟变量将企业产权划分为国企和非国企两组，对国有企业赋值1，非国有企业赋值0；所有变量及其说明见表1。

（三）. 模型构建

四、实证结果分析

4.1基准回归

在对相关理论机制进行梳理的基础上，文章运用回归模型探究重污染行业企业数字化转型对绿色技术创新的影响，结果如表2所示。

从表2列（1）可知，重污染企业数字化转型对绿色技术创新的系数为0.294，呈1%显著性，说明重污染行业企业数字化转型对绿色技术创新的提升有显著的促进作用。在控制变量中，固定资产规模、股权集中度、无形资产规模、成长性的回归结果显著为正，说明这些因素有助于促进企业的绿色技术创新；资产负债率的系数显著为负，说明较高的资产负债率可能会限制企业的绿色技术创新能力，因此可以验证假设1成立，即我国重污染行业企业数字化转型对企业的绿色技术创新具有显著的促进作用。

4.2稳健性和内生性检验

为提高回归模型的准确性和可靠性，文章进行稳健性和内生性检验，如表2所示。

（1）更换模型形式：前文使用基准回归模型进行分析，列（2）运用随机效应模型进一步检验，以排除来自可能存在的不可观测到的个体异质性或固定效应所引起的混淆和偏差，结果显示数字化转型的系数为0.270， 1%显著性，表明基准回归模型结论具有稳健性。

（2）替换解释变量：使用企业无形资产占比重新衡量各重污染企业的数字化转型水平，记作Digital 2。列（3）显示，数字化转型的回归系数为0.193，达到1%显著性，与基准回归结果一致。

（3）内生性检验：为解决可能存在内生性问题，本文以解释变量的一阶滞后项作为工具变量进行两阶段最小二乘估计，记作L.Digital。列（4）-（5）显示，2SLS的第一阶段L.Digital回归系数为0.435，显著性水平为1%，说明选取的工具变量和数字化转型之间具有强相关性。第二阶段Digital拟合值的回归结果显著为0.142，达到1%显著性，即排除内生性对结果的干扰后，回归结果依然稳健。

4.3中介效应分析

为检验重污染行业企业数字化转型对绿色技术创新的影响传导机制，文章考察环境信息披露是否在其两者之间起到的中介作用，结果如表3所示。

列（2）数字化转型对环境信息披露质量的系数为0.173，呈1%显著性，说明重污染企业数字化转型能够明显提升环境信息披露质量；列（3）环境信息披露质量对绿色技术创新的系数为0.359，呈1%显著性，证明环境信息披露质量可以促进重污染企业的绿色技术创新。假设2得到验证，即我国重污染行业企业环境信息披露质量在数字化转型与企业绿色技术创新中起着中介作用。

4.4异质性分析

为进一步探究重污染企业的异质性对绿色技术创新的影响，文章进行如下异质性分析，结果如表4所示。

（1）产权性质异质性

文章将样本按照产权性质分为国企、非国企两个子样本，进行分组回归。结果显示列（1）数字化转型对国有企业的系数显著为正，而列（2）对非国有企业的影响系数则不显著，原因可能在于国企具有资源、政策、组织结构和管理优势，以及承担更多社会责任的压力，更具备进行数字化转型的条件，能更好地实施绿色生产措施，从而提升绿色技术创新，而非国有企业因资金限制、技术能力、管理和组织结构上的困难，以及竞争压力和市场需求的影响，限制了非国有企业进行数字化转型和实施绿色生产措施的能力和意愿。

（2）数字化转型程度异质性

文章以数字化转型水平的中位数为标准，将样本分为高数字化转型程度企业、低数字化转型程度企业两个子样本进行分组回归。表4列（3）中估计系数0.307显著为正，列（4）系数不显著，说明高水平的数字化转型对绿色技术创新的促进效应更明显，而低水平的数字化转型对绿色技术创新的效应不显著。可能的原因是处于低水平数字化转型发展指数的重污染企业，在对数字化转型的过程中，依旧在进行资本的前期高投入或管理效益上的尝试，对绿色技术创新的促进作用不明显；而对于数字化转型发展水平较高的企业，生产的自动化、智能化水平都处于较高阶段，数字化技术的有效利用能够实现高效、高产、绿色环保的目标，从而有效促进绿色技术创新的提升。

五、结论与对策建议

文章以我国重污染行业企业数字化转型对绿色技术创新的影响效应及作用机制进行了研究，检验了环境信息披露在其二者间的中介作用，并对企业产权性质、数字化转型程度的异质性进行了分析，得出如下结论：1、重污染行业企业数字化转型对企业绿色技术创新具有正向显著影响；2、重污染行业企业的数字化转型可以通过提升环境信息披露质量进而促进绿色技术创新；3、重污染企业数字化转型对绿色技术创新的影响程度受到产权性质、数字化转型程度的影响，即高水平的数字化转型企业、国有企业在相关政策、创新能力等方面拥有更大优势，更能促进企业绿色技术创新的提升。

结合上述结论，本文从以下两方面提出对策建议：第一、加强政策支持与引导，完善绿色激励机制。政府应明确数字化转型与绿色技术创新在环保考核中的权重，加大对企业多种形式的经济支持，提高企业追求绿色发展的积极性，加大对绿色技术推广应用的支持力度，全面提升重污染企业的绿色技术创新能力。第二、提升环境信息披露透明度和披露率，构建诚信的监管体系。政府应建立全面、系统的环境信息披露制度，确保信息披露的规范化和标准化，使各利益相关者能够准确评估企业的环境表现。其次，企业应利用数字化工具提升信息披露效率，如通过物联网、区块链等技术手段，实现信息的实时更新和溯源。此外，政府及相关部门应建立健全的监管体系，对环境信息披露进行动态监测和定期评估，确保信息的真实性和可靠性，加强问责机制，进而推动企业更加主动地进行绿色技术创新。

参考文献

[1]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（7）： 114-129.

[2]El-Kassar A N， Singh S K. Green innovation and organizational performance： The influence of big data and the moderating role of management commitment and HR practices[J]. Technological forecasting and social change， 2019， 144： 483-498.

[3]申明浩， 谭伟杰. 数字化与企业绿色创新表现——基于增量与提质的双重效应识别[J]. 南方经济， 2022， 41（9）： 118-138.

[4]吴赢， 张翼. 数字经济与区域创新——基于融资和知识产权保护的角度[J]. 南方经济， 2021， 40（9）： 36-51.