數據要素與綠色創新：基于新質生產力視角

摘 要：數據要素是形成新質生產力的動力引擎，而綠色發展是衡量新質生產力發展水平的重要標尺，探究數字化與綠色化之間的內在邏輯成為當前備受關注的重要議題。本文利用2010—2022年中國A股制造業上市企業數據，實證研究了在新質生產力背景下，數據要素對企業綠色創新質量的影響機制與實現條件。研究發現，數據要素對企業綠色創新質量的提升具有積極影響；數據要素的綠色賦能作用在國有企業、高新技術企業、資本與技術密集型企業及低金融約束程度的企業中更明顯；機制分析表明，數據要素能夠通過提高企業創新投入和幫助企業獲得政府支持的方式提升企業綠色創新質量；大數據技術水平和人力資本質量是數據要素驅動企業綠色創新的有效條件。本文的研究結論有助于實現新質生產力的數字化與綠色化“雙化協同”，也為推動經濟高質量發展提供有益借鑒。

關鍵詞：新質生產力；數據要素；企業綠色創新質量；綠色發展

中圖分類號：F062.5 文獻標識碼：A 文章編號：1000-176X（2024）09-0018-16

一、引 言

數字化與綠色化作為新質生產力最為鮮明的時代特征，不僅引領著全球科技革命與產業轉型的發展趨勢，更在重塑生產力發展藍圖和全球競爭格局中占據核心地位［1］。習近平總書記強調要“加速數字化綠色化協同發展”“數據是新的生產要素，是基礎性資源和戰略性資源，也是重要生產力”“綠色發展是高質量發展的底色，新質生產力本身就是綠色生產力”。

數據要素作為新質生產力的引擎，能有效實現科技創新、促進產業深度轉型并推動生產要素的創新性配置［2］。綠色發展作為高質量發展的內在要求，強調在經濟增長過程中注重生態環境保護與資源高效利用，能夠實現社會經濟發展與自然環境和諧共生［3］，這不僅關乎人類社會的長遠福祉，而且是衡量新質生產力發展水平的關鍵標尺。因此，探討新質生產力背景下數字化與綠色化之間的關系，尤其是數據要素這一核心要素在促進綠色發展中的作用機制，成為一個亟待研究的重要議題。

基于新古典經濟學理論，數據作為一種生產要素，能夠有效提升企業的生產效率和創新能力，進而推動產業結構的優化和升級［4］。同時，數據要素所展現的低復制成本、低流通摩擦和乘數效應［5］等新特征，使其成功突破了傳統經濟增長模式的限制［6］，成為推動綠色發展的關鍵驅動力［7，8］。具體而言，數據要素通過提供透明、準確的信息，有效降低了企業與政府、市場之間的信息不對稱程度［9］，增強了企業的市場洞察力和決策準確性。同時，數據要素還賦能傳統產業智能化升級［10］，促進了綠色新興產業的蓬勃興起，推動了綠色技術的研發與應用，引領了綠色消費趨勢的形成，并有效提升了資源利用效率，全方位地加速了社會經濟向綠色可持續發展路徑轉型［11］。然而，已有研究多停留于理論闡釋與效用構建層面，鮮有基于實證數據的深入剖析，特別是從生產力理論視角出發，對數據要素的綠色賦能的具體路徑、條件及其效果的全面探討尚顯不足。同時，已有研究對數據要素與綠色發展之間的賦能關系和作用機制還未形成一致觀點，亦有一些學者從污染轉移和數據要素間接引致的能源壓力等方面展開討論，指出數字要素對綠色經濟發展存在一定的負面效應［12］。基于以上考慮，本文聚焦于企業這一微觀主體，旨在運用實證分析方法，深入探索新質生產力背景下，數據要素對企業綠色創新的賦能作用、內在機理及實現條件。

本文的邊際貢獻有以下三點：第一，深化了新質生產力理論，拓展了綠色發展理論邊界。在現有新質生產力的理論研究基礎上，本文聚焦于綠色發展這一關鍵維度，深入探索了數字化與綠色化融合的新路徑。通過將數據要素作為新質生產力的核心要素融入綠色經濟分析框架，揭示了新質生產力在綠色創新與經濟轉型中的作用機制。第二，緊密結合中國產業動態和社會經濟背景，對新質生產力的綠色賦能作用提供了微觀證據。現有新質生產力領域的研究主要停留在理論闡釋與效用構建層面，本文使用企業微觀數據，實證檢驗了數據要素對綠色創新質量的積極影響，驗證了其對國有企業、高新技術企業等特定類型企業的顯著效果，為新質生產力的綠色賦能效應提供了堅實的實證支撐，并為政策制定提供了基于企業特性的精準施策參考。第三，結合生產力理論，從生產力及生產關系的視角剖析了綠色賦能作用機制與實現條件。本文驗證了創新投入和政府補貼是數據要素賦能綠色創新的重要作用機制，大數據技術水平與人力資本質量是實現賦能作用的關鍵條件，這一研究結論豐富了新質生產力與綠色發展的理論內涵，為實踐中數據要素與綠色創新的深度融合提供了新的視角。

二、理論分析與研究假設

新質生產力是科技創新與生產力發展的深度融合，它代表了先進生產力的質態躍升。新質生產力的核心在于“新”與“質”兩個層面。其中，“新”指的是區別于傳統生產力的新型生產力，它依托于新技術、新經濟、新業態的深度融合與發展，展現出獨特的內涵與優勢［13］；在追求生產力的顯著增長與提升過程中，“質”的維度凸顯了創新驅動的核心地位，彰顯了對創新和自主發展的深刻理解和堅定追求［14］。

數據要素在推動新質生產力的形成過程中發揮著舉足輕重的作用。數據要素不僅能夠直接促進經濟發展方式的轉變和產業結構的優化升級，更可以與傳統生產要素深度交融，釋放出強大的乘數效應［5］。數據要素所具備的正外部性和低復制成本的特性，使其在推動科技創新、優化資源配置及引領產業結構升級［3］等方面起到了決定性作用。數據要素的廣泛應用能夠有效地培育出更高素質的新質勞動力，創造出具備更高技術含量的新質勞動資料，培育出更廣泛領域的新質勞動對象。這些新質要素的涌現，不僅將引發生產力的巨大躍升，更將有力推動新質生產力的形成，為社會經濟發展注入新的活力和動力。

值得一提的是，新質生產力擺脫了傳統經濟的增長方式和發展路徑，在促進綠色化方面發揮著至關重要的作用［15，16］。新質生產力通過不斷促進傳統產業的智能化改造并催生新的產業形態，能有效推動綠色創新和研發，促進綠色產業的發展，推動綠色消費和綠色生活的普及，提升資源利用效率，促進社會經濟綠色、可持續發展。

綠色創新作為應對環境挑戰和實現可持續發展的關鍵路徑，要求企業在技術創新的同時，注重環境保護和資源的高效利用。依據技術創新與產業升級理論，數據要素在推動綠色創新的過程中起到重要作用。通過數據驅動的技術革新與產業轉型，企業能夠實現生產方式的綠色化、低碳化，提升資源利用效率，減少環境污染。通過深度挖掘和分析生產過程中的數據，企業能夠精準識別環保技術的研發方向，洞察綠色市場的需求變化，探索潛在的合作機會。這不僅有助于企業針對性地開展綠色技術研發，提升企業的綠色創新質量，還能夠促進綠色技術的快速應用和市場推廣，從而增強企業在綠色領域的競爭力和影響力。因此，本文提出以下假設：

H1：數據要素對企業提升綠色創新質量具有顯著的積極影響。

在新質生產力背景下，生產要素創新性配置已成為推動經濟增長與轉型升級的核心動力。根據生產力理論，生產力的提升依賴于生產要素的優化配置與技術創新。在新質生產力背景下，數據要素作為一種全新的生產要素，不僅豐富了生產資料的內涵，還改變了傳統生產要素的組合方式。數據要素的加入，使得企業能夠更高效地利用現有資源，通過數據挖掘與分析，發現潛在的創新機會，從而增加對創新活動的投入。這種創新性的生產要素配置，為企業實現綠色創新奠定了堅實的基礎。

數據要素能夠與其他生產要素深度融合，產生強大的協同效應［17］，形成新的生產力增長點。通過數據挖掘與分析，企業可以洞察市場趨勢、優化生產流程、提升產品質量，進而推動技術創新與產業升級。同時，數據要素的邊際效用遞增特性為企業創新投入提供了持續的動力。隨著數據量的增加和數據分析技術的成熟，企業能夠不斷從數據中挖掘新的價值點，推動創新活動的深入發展。在這一過程中，企業不僅能夠更加精準地把握市場需求、生產狀況與資源分布的全貌，還能通過數據分析的精準指導，實現創新資源的優化配置與高效利用，確保創新投入精準聚焦于關鍵領域與核心環節。

尤為重要的是，數據要素在推動企業向綠色、低碳、可持續發展方面發揮著不可替代的作用。通過數據分析，企業能夠清晰地識別出運營過程中的環保瓶頸與綠色創新潛力，進而制定針對性的改進策略與行動計劃。這種基于數據的創新決策過程不僅提升了企業的創新投入效率，還確保了創新投入的綠色屬性與可持續發展價值。因此，本文提出以下假設：

H2a：數據要素通過提高企業創新投入，提升企業綠色創新質量。

新質生產力的形成需要政府和市場共同調節培育，不僅需要市場“無形的手”進行資源配置，還需要政府這一“有形的手”發揮作用，進行方向引導與政策支持，構建新型生產關系，完善機制體制。根據馬克思主義政治經濟學原理，生產關系對生產力具有反作用。在新質生產力背景下，生產關系的調整與重構必須緊密契合數據要素這一新興生產要素的特點與發展規律。數據要素以其獨特的優化資源配置、促進信息共享和降低交易成本的能力，正推動著生產關系向更加現代化、高效化的方向轉型。這一過程不僅極大地增強了企業的創新活力與市場競爭力，還為企業爭取政府支持奠定了堅實的基礎。

數據要素通過優化生產關系、促進企業與政府之間的良性互動，以及提升企業綠色創新質量等方式發揮重要作用。在綠色創新領域，由于存在外部性、公共品屬性等問題，市場可能無法充分激勵企業進行綠色創新。此時，政府可以通過提供補貼等干預手段彌補市場失靈，激勵企業增加綠色創新投入［18］。然而，信息不對稱的問題始終是政府支持過程中的一大挑戰，這可能導致決策失誤和資源配置低效［19］。數據要素憑借其強大的信息整合與分析能力，可以為政府提供更加全面、準確的企業綠色創新信息，幫助政府更加精準地評估企業的創新潛力與風險，從而作出更為科學合理的補貼決策。

獲得政府支持的企業，其綠色創新活動得到了強有力的資金支持。這不僅加速了綠色技術的研發與應用進程，提升了綠色創新的質量與效率，還為企業帶來了聲譽上的提升與合作伙伴的青睞。在此基礎上，一個以綠色創新為核心的創新生態系統逐漸形成并不斷優化，形成了一個正向循環的創新氛圍。這種氛圍進一步激發了企業的創新活力與積極性，推動了企業綠色創新質量的持續提升。其中，政府補貼和稅收返還都是有效的政府支持方式，可以為企業提供更多的資金支持。因此，本文提出以下假設：

H2b：數據要素通過幫助企業獲得政府補貼，提升企業綠色創新質量。

H2c：數據要素通過幫助企業獲得稅收返還，提升企業綠色創新質量。

綜上所述，具體作用機制如圖1所示。

三、研究設計

（一） 變量選取

⒈被解釋變量

企業綠色創新質量（GPR） 為本文的被解釋變量。借鑒陶長琪和丁煜［20］在評估企業創新質量方面的研究，本文采用企業綠色發明專利申請量占總綠色專利申請量的比例作為核心指標。選擇這一指標具有多重優勢。首先，這種方法可以有效消除企業規模對創新質量評估的潛在影響，使得不同規模的企業在創新質量上能夠公平比較。其次，通過占比來度量企業綠色創新質量，還有助于排除其他不可觀測因素對研究結果的干擾，提高研究的準確性和可靠性。最后，綠色發明專利申請量占比的提升可以直接反映企業創新活動的高質量、高技術發展水平。這種趨勢不僅代表了企業在技術創新上的努力，也是其實現綠色發展的關鍵驅動力。在后續的穩健性檢驗中，本文采用企業獨立綠色專利申請量與聯合綠色專利申請量之和的自然對數作為替代變量。

⒉解釋變量

數據要素（Dig） 為本文的解釋變量，可以評估企業在數據處理和運用方面的能力。本文從技術應用的視角，借鑒了史青春等［21］的研究，使用吳非等［22］構建的關鍵詞圖譜對解釋變量進行度量。該圖譜包含“大數據技術水平”“人工智能技術水平”“云計算技術水平”“區塊鏈技術水平”“數字技術場景應用”這五項指標下的細分關鍵詞，這些關鍵詞不僅涵蓋了數據的收集、存儲、清理和分析各個環節，還體現了企業在實際應用中的數據要素驅動決策的能力。

具體來說，本文通過統計制造業企業年報中該圖譜關鍵詞的披露次數來度量企業的數據要素應用情況。這些披露次數不僅可以直接體現企業對數據要素的重視程度，還可以間接反映企業的數據要素應用效果，因為如果一個企業成功地將數據要素應用于實際業務中，并取得了成效，那么它很可能會在年報中詳細闡述實施情況和效果。

⒊控制變量

為了控制其他因素對研究的影響，本文借鑒蘇媛和李廣培［23］的研究，從企業財務特征和公司治理層面選取了9個控制變量。財務特征層面主要包括企業規模（Size）、資產負債率（Lev）、凈資產收益率（ROE）、成長能力（SG）、營運能力（TAT）；公司治理層面主要包括獨立董事比例（IBD）、高管薪酬激勵（Dpay）、股權集中度（CR） 及兩職合一（Dual）。表1報告了文中主要變量的度量情況。

（二） 模型構建

為了考察數據要素對企業綠色創新質量的影響，本文構建了基準模型（1）：

（三） 數據來源

制造業涉及多個領域，包括機械制造、電子信息、化工等，這些行業在生產過程中往往伴隨著能源消耗和環境污染。因此，制造業企業在綠色創新方面有著迫切的需求和廣闊的空間。本文以2010—2022年中國A股制造業上市企業為初始樣本，為了獲得有效研究樣本，對數據進行了如下篩選：剔除了ST類企業，剔除了數據明顯異常（如資產負債率大于1） 的樣本，剔除了2020年之后上市的樣本，剔除了數據嚴重缺失的樣本。經過上述篩選，得到20 794個企業—年度數據。為了避免極端值的影響，本文對連續變量均進行了1%和99%的縮尾處理。數據要素相關數據來自上海和深圳兩個證券交易所官方網站上相關企業的年報數據，財務數據來源于CSMAR數據庫，企業綠色創新質量數據來源于CNRDS數據庫。

主要變量的描述性統計結果如表2所示。由表2可知，各變量的VIF值均小于10，說明不存在嚴重的多重共線性問題。

四、實證結果與分析

（一） 基準回歸結果分析

表3報告了基準模型（1） 的回歸結果。列（1） 未考慮控制變量的影響，Dig的系數為0. 036（p<0. 010），初步驗證了數據要素對企業綠色創新質量的正向影響，驗證了H1。列（2） 考慮了控制變量的影響，Dig的系數下降至0. 026（p<0. 010），再次驗證了數據要素對制造業企業綠色創新質量的促進作用，這一結果還說明，如果忽略其他因素的影響，可能導致數據要素促進作用的高估。從控制變量來看，Size、ROE、SG及Dpay的系數均為正且顯著，說明企業規模、盈利能力、成長能力及高管薪酬激勵均有利于提高制造業企業綠色創新質量。

（二） 內生性處理

⒈控制固定效應

盡管基準模型已考慮行業和年份層面不可觀測因素的影響，鑒于企業文化差異對研究的潛在影響，本文采用面板雙向固定效應回歸模型，旨在消除不隨時間變化但隨企業變化的不可觀測因素的影響。鑒于地區政策差異對數據要素利用效率與綠色創新質量之間的關系會產生的影響，本文在基準模型的基礎上，進一步控制了企業所屬省份的固定效應。此外，非觀測因素可能同時受到行業—年份或省份—年份共同因素變化的影響，如政策實施有時效性，本文考察了行業和省份時間趨勢的影響。表4分別報告了控制不同因素影響下的高維固定效應回歸結果。從回歸結果來看，Dig的系數均為正，分別在1%和5%的水平下顯著，說明盡可能排除非觀測因素的影響后，基本結論不變。值得注意的是，隨著控制的因素增多，Dig系數的t值呈現下降趨勢，說明考慮上述因素的影響是有必要的。

⒉傾向得分匹配

考慮到不同數據要素應用水平的企業在綠色創新投入、盈利能力等方面呈現差異，從而導致企業本身差異引起的綠色創新質量不同被錯誤歸因于數據要素的影響。為了緩解上述樣本自選擇問題導致的內生性，本文根據數據要素應用水平的行業中位數將樣本分為數據要素應用水平高組（處理組） 和數據要素應用水平低組（控制組），并采用傾向得分匹配（PSM） 的方式為處理組尋找合適的控制組，從而消除系統差異，最后采用PSM后的樣本進行基準模型的估計。表5報告了以基準模型中的控制變量為協變量，卡尺半徑為0. 010的近鄰1∶1匹配下的平衡性檢驗結果。由回歸結果可知，在PSM前，除了股權集中度（CR） 外，處理組和控制組協變量均值差異的t檢驗p值均小于0. 100，說明處理組與控制組呈現顯著的系統差異。在PSM后，各協變量標準偏差的絕對值均低于5%，并且處理組與控制組均值差異t檢驗的p值大于0. 100，說明PSM后的樣本不存在系統差異，PSM效果較好。

為了進一步檢驗PSM效果，本文還根據PSM前后處理組和控制組的傾向得分繪制了核密度曲線。①在PSM前，處理組與控制組傾向得分核密度曲線呈現較大的差異，在PSM后，處理組與控制組傾向得分核密度曲線呈現明顯的重合，說明系統差異得以消除。表6報告了PSM回歸結果，考慮到PSM對匹配方法具有一定的敏感性，作為穩健性檢驗，表6還披露了近鄰1∶1無放回和核匹配下的回歸結果。可以看到，無論是何種匹配方式，Dig的系數均為正且顯著，說明消除樣本選擇偏差的影響后，基準模型依然穩健。

（三） 穩健性檢驗①

⒈替換變量

為避免研究結論受到變量度量方式的影響，本文通過替換核心被解釋變量的方式進行穩健性檢驗。本文使用企業獨立綠色專利申請量與聯合綠色專利申請量之和的自然對數（GP） 作為企業綠色創新質量的替代變量。同時，本文單獨計算了獨立綠色專利申請量占比（IGPR） 和聯合綠色專利申請量占比（JGPR） 作為被解釋變量的替代變量。從回歸結果來看，Dig的系數均為正且顯著，說明本文的基本結論不受核心變量度量方式的影響。

⒉改變估計方法

其一，考慮到企業綠色發明專利申請量存在零值，被解釋變量零值過多可能會對估計結果產生影響，本文采用了泊松偽極大似然估計法（PPML） 進行穩健估計。其二，綠色發明專利申請量占比的取值范圍介于0—1之間，屬于受限被解釋變量問題，本文采用了Tobit模型進行穩健估計。其三，綠色發明專利申請量在不進行自然對數處理的情形下是非負整數，屬于離散變量，為典型的計數模型，并且綠色發明專利申請量存在較多的零值，分布較為分散，故本文還進行了零膨脹負二項回歸。回歸結果表明，無論采用哪種估計方法，Dig的系數均為正且顯著，再次驗證了基準回歸結果的穩健性。

（四） 異質性分析

⒈基于產權性質的異質性分析

企業產權性質可能影響數據要素與綠色創新質量的關系。為了檢驗產權性質的差異，本文根據實際控制人的產權屬性將樣本企業分為國有企業與非國有企業。如表7所示，Dig的系數均為正且顯著，為了比較兩組回歸的系數差異，本文借助Bootstrap檢驗進行300次自助抽樣得到經驗p值為0，說明兩組回歸的系數呈現顯著差異。通過比較兩組系數可知，數據要素對國有企業綠色創新質量的影響尤為顯著。一方面，國有企業和非國有企業在激勵機制和風險承擔方面存在差異［24］。國有企業往往受到更多的政策引導和監管，能更有效地運用數據要素提升綠色創新質量。另一方面，不同產權性質的企業在資源獲取能力上也有所不同。國有企業通常更容易從政府獲得支持和資源，有助于其在綠色創新方面取得更大的進展；而非國有企業可能面臨更多的市場競爭，因而在運用數據要素提升企業綠色創新質量時可能面臨更大的挑戰。

⒉基于行業性質的異質性分析

為了考察行業性質差異所帶來的影響，本文借鑒《戰略性新興產業分類目錄》《戰略性新興產業分類（2012）（試行）》確定高科技上市企業行業代碼為C25、C26、C27、C28、C29、C31、C32、C34、C35、C36、C37、C38、C39、C40、C41，并進行分樣本回歸。如表8 所示，從列（1） 和列（2） 的回歸結果來看，Dig的系數雖然均為正，但只有在高新技術行業中通過了顯著性檢驗，說明數據要素對企業綠色創新質量的影響在高新技術行業中更加明顯。

本文借鑒魯桐和黨印［25］的研究，把固定資產比重和研發支出比重作為分類指標，采用聚類分析法將上述行業分為勞動密集型、資本密集型及技術密集型三類，并在此基礎上借鑒2012年修訂的《上市公司行業分類指引》將本文的樣本分為勞動密集型和資本與技術密集型，并進行分樣本回歸，從表8列（3） 和列（4） 的回歸結果來看，Dig的系數僅在列（4） 中為正且顯著，說明數據要素對企業綠色創新質量的影響在資本與技術密集型行業中更加明顯。

綜上所述，在高新技術行業或資本與技術密集型行業的企業中，數據要素對企業綠色創新質量的促進作用尤為顯著。這背后的深層次原因可能在于數據在此類行業中扮演的雙重核心角色：既是戰略決策不可或缺的基石，又是技術創新與產品開發活力涌動的源泉。這些企業往往具有先進的數據分析工具和技術，能夠從海量數據中提取出更高質量、更具價值的新信息。這些新信息不僅有助于企業精準識別市場趨勢和客戶需求，而且能夠為企業的價值創造提供有力支持。同時，通過數據的深度挖掘和分析，企業還能夠更好地激活和利用冗余資源，實現資源的優化配置和高效利用。基于數據作出的科學決策提升了綠色創新質量，使企業能夠更快速地響應市場變化，共同推動數據要素在綠色創新中的深度應用并取得顯著成效。

⒊基于金融約束程度的異質性分析

為了考察金融約束程度對數據要素與綠色創新質量關系的影響，本文借鑒陶長琪和丁煜［20］的研究，采用（應收賬款-應付賬款+存貨+現金持有量） /總資產作為企業金融約束程度的替代變量，該比值越高，意味著現金流越充裕，面臨的金融約束程度越低。本文根據金融約束程度的行業年度均值將樣本分為低金融約束程度企業和高金融約束程度企業，并進行分樣本回歸。如表9所示，Dig的系數均為正且顯著，并且Bootstrap檢驗的p值為0，數據要素對企業綠色創新質量的影響呈現金融約束程度上的差異，通過比較系數可知，數據要素對企業綠色創新質量的影響在低金融約束程度企業中更加明顯。

基于金融發展理論，高金融約束程度企業可能面臨更多的融資難題［26］，這會影響其應用數據要素提升綠色創新質量的能力。金融約束情況還會影響企業的投資策略和風險偏好。在金融約束較緊的情況下，企業可能更加注重短期收益和風險控制，而在綠色創新方面的投入可能相對較少；在金融約束較松的情況下，企業可能更加注重長期發展和創新投入，從而更有動力應用數據要素提升綠色創新質量。

（五） 機制檢驗

本文假設數據要素可能通過提高企業創新投入和幫助企業獲得政府支持的方式影響企業的綠色創新質量。為了驗證上述機制，本文借鑒邵帥等［27］的研究構建了模型（2） 和模型（3）：

⒈創新投入的機制檢驗

表10 報告了創新投入的機制檢驗結果，列（1） 為基準回歸結果，作為模型（3） 的對照。列（2） 中Dig的系數為0. 367且通過了1%顯著性水平的檢驗，說明數據要素應用水平的提高促進了企業創新投入。列（3） 中RDS的系數為正且通過了1%顯著性水平的檢驗，說明企業加大創新投入有利于其綠色創新質量的提升。Dig的系數為正且通過了1%顯著性水平的檢驗，并且影響系數由0. 025下降至0. 024，說明創新投入發揮了部分機制效應，進一步可以計算得到間接效應占總效應的比例為4. 0%，說明數據要素不僅會直接影響綠色創新質量還會通過提高創新投入間接提升綠色創新質量，驗證了H2a。

⒉政府支持的機制檢驗

如表11所示，列（1） —列（3） 報告了政府支持的機制檢驗結果，列（1） 為基準回歸，作為模型（3） 的對照。列（2） 中Dig的系數為0. 037且通過了10%顯著性水平的檢驗，說明數據要素應用水平的提高有助于企業獲得更多的政府補貼。列（3） 中Sub的系數為正且通過了1%顯著性水平的檢驗，說明政府加大補貼力度鼓勵企業綠色創新，有利于其綠色創新質量的提升，并且Dig的系數依然為正且顯著，說明政府補貼發揮了部分機制效應，驗證了H2b。列（4） —列（6） 的結果為稅收補貼的機制檢驗結果，列（5） 中Dig的系數雖然為正，但未通過顯著性檢驗，說明稅收返還的機制未得到驗證，即H2c未得到驗證。

政府補貼和稅收返還同樣都是政府支持企業綠色發展的重要手段，但稅收返還的效果并不明顯，本文認為可能存在以下三個原因：第一，在資金流方面，政府補貼直接注資且專款專用，高效促進綠色創新。第二，在監管評估方面，政府補貼伴隨嚴格監管，確保資金有效利用，而稅收返還則監管薄弱，資金用途難以控制。第三，在作用機制方面，政府補貼直接降低創新門檻與風險，激勵效果顯著，稅收返還的間接激勵則相對較弱。

（六） 實現條件

在新質生產力持續演進的框架下，勞動者角色與勞動資料范疇的深化與拓展顯得尤為關鍵，必須緊密跟隨時代步伐不斷革新。特別地，當數據要素日益成為推動新質生產力形成與升級的核心驅動力時，企業對大數據技術的革新速度及其在實際應用中的效能寄予了厚望。同時，企業對掌握先進數字技能與素養的勞動者提出了更為嚴苛與多元化的要求。

技術創新需要達到一定的門檻才能產生顯著的效果［30］，而大數據技術作為一種共性技術，是現代勞動資料的重要組成部分，也是數據要素轉化為生產力的關鍵勞動工具。大數據技術的發展水平直接決定了企業能不能從海量數據中提取有價值的信息，為綠色創新提供決策支持。也就是說，只有當企業掌握了足夠成熟的大數據技術，才能確保數據要素被最大化地應用，進而推動綠色創新的發展。

同時，新質生產力強調勞動者、勞動資料、勞動對象及其優化組合的質變。在這一過程中，勞動者不再僅僅是簡單勞動力的提供者，而是需要具備高素質、持續學習能力和創新精神的新型勞動者。依據人力資本理論和創新理論，數據要素的有效應用不僅依賴于先進的技術，更依賴于那些具備深厚專業知識和分析能力的人才［31］。只有當企業的人力資本質量達到一定的標準，能夠熟練、準確地操作和分析數據時，數據要素才能真正發揮其賦能綠色創新的作用。鑒于此，本文深入剖析并系統探討企業大數據技術水平與人力資本質量在數據要素賦能綠色創新質量提升中的關鍵作用。

具體來說，本文借鑒黃賾琳等［32］的研究，分析數據要素對綠色創新的促進效應是不是受到大數據技術水平和人力資本質量的門檻效應影響。換句話說，本文試圖分析是否只有當大數據技術水平和人力資本質量達到某個特定水平時，數據要素才能對企業綠色創新質量產生顯著影響。本文構建了模型（4）：

因此，使用“xthregs”命令考察非平衡面板數據的門檻效應模型，該命令最多只能討論雙重門檻效應。fi 為個體固定效應，vt 為時間固定效應。本文采用大數據技術指標對企業的大數據技術水平進行度量（Big_data），即根據年報中出現大數據技術相關關鍵詞的總詞頻進行度量。人力資本質量（HC） 指標以企業大專及以上員工數量占比進行度量。

進行門檻效應回歸之前需要對門檻效應進行檢驗，表12報告了門檻效應檢驗結果，大數據技術（Big_data） 第一門檻效應檢驗的F統計量為6. 250且通過了5%顯著性水平的檢驗，雙重門檻效應檢驗的F統計量較小，未通過顯著性檢驗，說明存在大數據技術的單一門檻效應。同理可知，人力資本質量（HC） 的單一門檻和雙重門檻的F統計量均通過了顯著性檢驗，說明存在人力資本質量的雙重門檻效應。表12不僅提供了門檻效應的存在性檢驗，還給出了門檻值的估計結果及95%的置信區間。值得注意的是，兩個門檻變量的門檻值均落在置信區間內，說明門檻值估計結果比較準確。

如表13所示，列（1） 以Big_data為門檻變量，當Big_data到達門檻值（10） 之前，Dig的系數為0. 006（p<0. 010），跨過門檻值之后，Dig的系數上升至0. 015（p<0. 010），說明隨著企業大數據技術水平的提高，數據要素對企業綠色創新質量的影響逐漸增強。這意味著，要想提高數據要素對企業綠色創新質量的影響，需要提高企業的大數據技術水平。通過簡單的描述性統計可知，Big_data大于10的樣本僅占總樣本的2. 3%，說明大部分企業的大數據技術水平較低，應當提高企業的大數據技術水平。

從列（2） 的回歸結果來看，當HC到達第一門檻值（0. 244） 之前，Dig的系數雖然為正，但并不顯著。當HC跨過第一門檻值到達第二門檻值（0. 565） 之前，Dig的系數為0. 011 （p<0. 010）。當HC跨過第二門檻值之后，Dig的系數上升至0. 023（p<0. 010）。當人力資本質量較低時，數據要素與人力資本未能較好地匹配，難以實現數據要素驅動制造業企業綠色創新質量的提升。只有當人力資本質量大于0. 244時，數據要素才能夠促進企業綠色創新質量的提升，并且隨著人力資本質量的提高，數據要素對企業綠色創新質量的正向影響逐漸增強，說明人力資本質量是數據要素促進企業綠色創新質量的有效實現條件。

通過描述性分析可知，人力資本質量高于0. 244 的樣本占總樣本的34. 6%，說明仍然有65. 4%樣本企業的數據要素與人力資本未能較好地匹配，僅有5. 7%的樣本企業人力資本質量高于0. 565，說明企業亟須提高人力資本質量，提高高質量人力資本的比重，才能加大數據要素對企業綠色創新質量的促進作用。

五、研究結論與政策啟示

新質生產力是引領中國經濟邁向高質量發展的必由之路，其內核深植于綠色發展的核心理念之中，其本質是綠色生產力的現代詮釋。盡管現有研究已從多維度、多層次對新質生產力的理論基礎與內涵外延進行了深入剖析，但在實證方面，關于新質生產力如何具體賦能綠色發展、促進綠色創新的研究尚顯不足，缺乏系統而全面的量化分析。尤為關鍵的是，針對數據這一核心要素在綠色創新過程中所發揮的具體作用，現有研究存在分歧，尚未達成廣泛共識。本文在新質生產力的理論體系下，實證檢驗了數據要素對企業綠色創新質量的促進效應。研究結果顯示：數據要素對企業綠色創新質量的提升有顯著的正向效應。在經過一系列內生性檢驗和穩健性檢驗后，基準回歸結果依然成立。異質性分析結果發現，這種綠色賦能作用在國有企業、高新技術企業、資本與技術密集型企業及低金融約束程度企業中表現更為明顯。機制分析結果表明，數據要素能通過提高企業創新投入和幫助企業獲得政府支持的方式提升企業綠色創新質量。最后，本文驗證了數據要素對綠色創新的促進效應受到企業大數據技術水平和人力資本質量的門檻效應影響。基于上述研究結論，本文得到以下政策啟示：

第一，強化政企協同機制，共繪數據要素賦能新藍圖。政府需進一步深化與企業的合作，通過設立專項扶持基金、搭建科研創新合作橋梁等舉措，激勵企業深耕數據技術的研發前沿與應用實踐，旨在全面提升企業在數據挖掘、深度分析及創新應用上的綜合能力。此外，政府應不斷完善數據使用的標準體系與法規框架，加速數據資源的開放共享進程，幫助企業降低數據獲取門檻與成本，為數據要素的高效流通與價值釋放奠定堅實的制度基礎。

第二，深化金融與科技的融合創新，為綠色創新項目注入強勁動力。鑒于低金融約束程度下企業展現出更佳的綠色創新表現，政府應持續優化金融生態，簡化融資流程，降低企業融資成本，特別是針對綠色創新項目，應提供定制化的專項貸款、風險投資等多元化金融支持。同時，倡導金融機構依托企業數據信用體系，創新金融產品與服務，確保資金流向綠色、高效的創新領域，加速資本與科技的深度融合。

第三，聚焦人力資本質量提升，構筑綠色創新人才高地。人才作為綠色創新的核心驅動力，為了培育人才，政府應加大對教育資源的投資，強化數據科學、環境科學及能源技術等關鍵領域的專業人才培養與引進。同時，激勵企業構建內部培訓體系，提升員工的數據思維與創新技能，為綠色創新項目培養復合型、高素質的人才隊伍。此外，推動產學研用一體化發展，促進企業、高校與科研機構之間的緊密合作，加速綠色創新技術的研發與成果轉化，增強企業的綠色創新能力與市場競爭力，共同推動綠色經濟蓬勃發展。

參考文獻：

［1］ 周文，何雨晴.新質生產力：中國式現代化的新動能與新路徑［J］.財經問題研究，2024（4）：3-15.

［2］ 邱海平.新質生產力理論的科學內涵及其重大創新意義［J］.財經問題研究，2024（5）：3-14.

［3］ 戴翔，楊雙至.數字賦能、數字投入來源與制造業綠色化轉型［J］.中國工業經濟，2022（9）： 83-101.

［4］ 蔡繼明，劉媛，高宏，等.數據要素參與價值創造的途徑——基于廣義價值論的一般均衡分析［J］.管理世界，2022，38（7）：108-121.

［5］ 楊俊，李小明，黃守軍.大數據、技術進步與經濟增長——大數據作為生產要素的一個內生增長理論［J］.經濟研究，2022，57（4）：103-119.

［6］ 蔡思航，翁翕.一個數據要素的經濟學新理論框架［J］.財經問題研究，2024（5）：33-48.

［7］ 陳彥斌，張永山，劉瑞，等.新質生產力筆談［J］.財經問題研究，2024（7）：3-18.

［8］ 周文，劉守英，鄭紅亮，等. 專題筆談：發展新質生產力的理論與實踐問題［J］. 東北財經大學學報，2024（4）：3-18.

［9］ ZHAO Y， XIN L. Research on green innovation countermeasures of supporting the circular economy to green finance under big data［J］. Journal of enterprise information management， 2021，35（4/5）： 1305-1322.

［10］ 許憲春，任雪，常子豪.大數據與綠色發展［J］.中國工業經濟，2019（4）：5-22.

［11］ 曹裕，李想，胡韓莉，等.數字化如何推動制造企業綠色轉型？——資源編排理論視角下的探索性案例研究［J］.管理世界，2023，39（3）：96-112+126+113.

［12］ LANGE S， POHL J， SANTARIUS T. Digitalization and energy consumption. Does ICT reduce energy demand？［J］. Ecological economics， 2020，176： 106760.

［13］ 蒲清平，黃媛媛.習近平總書記關于新質生產力重要論述的生成邏輯、理論創新與時代價值［J］.西南大學學報（社會科學版），2023，49（6）：1-11.

［14］ 汪壽陽，劉穎.揭示科技創新對發展生產力的重要作用［N］.人民日報，2024-04-09（9）.

［15］ 徐政，鄭霖豪，程夢瑤.新質生產力賦能高質量發展的內在邏輯與實踐構想［J］.當代經濟研究， 2023（11）：51-58.

［16］ 賈康. 新質生產力的概念、內涵與體系：以“創新”促“質變”［J］. 東北財經大學學報，2024（4）：19-26.

［17］ 彭影，李士梅.創新要素流動與城市綠色創新發展——數據要素流動環境的空間調節作用［J］. 科技進步與對策，2023，40（1）：30-39.

［18］ 李青原，肖澤華.異質性環境規制工具與企業綠色創新激勵——來自上市企業綠色專利的證據［J］.經濟研究，2020，55（9）：192-208.

［19］ 屈文洲，謝雅璐，葉玉妹.信息不對稱、融資約束與投資—現金流敏感性——基于市場微觀結構理論的實證研究［J］.經濟研究，2011，46（6）：105-117.

［20］ 陶長琪，丁煜. 數據要素何以成為創新紅利？——源于人力資本匹配的證據［J］. 中國軟科學，2022（5）：45-56.

［21］ 史青春，牛悅，徐慧.企業數據要素利用水平影響投資效率機理研究——利用數據要素激活冗余資源的中介作用［J］.中央財經大學學報，2023（11）： 105-115.

［22］ 吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］.管理世界，2021，37（7）：130-144+10.

［23］ 蘇媛，李廣培.綠色技術創新能力、產品差異化與企業競爭力——基于節能環保產業上市公司的分析［J］.中國管理科學，2021，29（4）：46-56.

［24］ 王朝才，汪超，曾令濤.財政政策、企業性質與資本結構動態調整——基于A股上市公司的實證研究［J］.財政研究，2016（9）：52-63.

［25］ 魯桐，黨印.公司治理與技術創新：分行業比較［J］.經濟研究，2014，49（6）：115-128.

［26］ ZHAO M， ZHANG B. Credit corruption， financial constraint and corporate innovation： evidence on China［J］.Finance research letters， 2023，53：103658.

［27］ 邵帥，張可，豆建民.經濟集聚的節能減排效應：理論與中國經驗［J］.管理世界，2019，35（1）： 36-60+226.

［28］ 應千偉，何思怡.政府研發補貼下的企業創新策略：“濫竽充數”還是“精益求精”［J］.南開管理評論，2022，25（2）：57-69.

［29］ 吳怡俐，呂長江，倪晨凱.增值稅的稅收中性、企業投資和企業價值——基于“留抵退稅”改革的研究［J］.管理世界，2021，37（8）：180-194.

［30］ 萬建香，汪壽陽.社會資本與技術創新能否打破“資源詛咒”？——基于面板門檻效應的研究［J］.經濟研究，2016，51（12）：76-89.

［31］ ERIKSSON C， LINDéN J， PAPAHRISTODOULOU C. Human capital， innovation， and growth［J］.International journal of economic theory， 2022，19（2）： 343-369.

［32］ 黃賾琳，秦淑悅，張雨朦.數字經濟如何驅動制造業升級［J］.經濟管理，2022，44（4）：80-97.

（責任編輯：鄧 菁）