企業數字化轉型的碳減排效應研究

摘要：基于2012—2021年中國A股上市公司的面板數據，借助固定效應模型分析數字化轉型對碳排放的影響及作用機制。研究結果顯示，數字化轉型能夠顯著抑制企業碳排放水平；機制檢驗結果表明，數字化轉型能夠促進企業生產效率提升并增強綠色創新能力，進而有效抑制企業碳排放水平；數字化轉型對企業碳排放水平的影響存在異質性，國有企業與高環境規制企業實施數字化轉型戰略對碳排放的抑制作用更加顯著。

關鍵詞：數字化轉型；碳減排；生產效率；綠色創新；可持續發展

中圖分類號：F272.3

文獻標志碼：A

收稿日期：2024-03-29

基金項目：

山東省自然科學基金（批準號：ZR2022MG022，ZR2023MG076）資助。

通信作者：

張寧，男，博士，教授，主要研究方向為數字化轉型、產品創新。E-mail： Zhang_Ning1980@126.com

伴隨中國經濟社會持續快速發展，資源環境的承載能力已經達到或接近上限，生態環境問題成為制約中國經濟高質量的突出短板，在此背景下，中國提出“力爭2030年前碳達峰、2060年前實現碳中和”的“雙碳”目標。推動經濟社會綠色化與低碳化發展是實現高質量發展的關鍵，必須統籌產業結構調整、污染治理、生態保護、應對氣候變化，推進各類資源節約集約利用、發展綠色低碳產業^[1]。企業作為市場經濟的微觀主體^[2]，推動其綠色低碳轉型是實現“雙碳”目標以及促進經濟高質量發展的關鍵。在推進經濟社會發展綠色化、低碳化的同時，中國產業結構升級的另一個重要主題是數字化轉型。隨著新一代數字技術的不斷迭代升級并與國民經濟各行業深度融合，產業賦能作用進一步增強，數字化深刻改變了企業的要素組合、生產方式、組織結構、商業模式等，重塑了企業的價值創造邏輯。鑒于此，在微觀層面探討數字化轉型能否成為助力“雙碳”目標的新引擎，具有重要的現實價值。現有文獻關于企業數字化轉型的研究大多集中在經濟后果與環境后果方面。在經濟后果方面，數字化轉型能夠顯著提高企業的全要素生產率^[3]，增強經濟內生增長動力^[4]，推動企業實現高質量發展。在環境后果方面，部分研究驗證了數字化轉型在促進企業綠色創新^[5]、綠色轉型^[6]、履行社會責任^[7]等方面的積極作用，但未對其能否實際影響企業碳排放進行系統性的實證檢驗。也有研究驗證了數字技術在推動企業碳減排方面的顯著效果^[8]，然而，由于經濟主體的行為變化，技術進步也可能通過影響能源消費和產出增長導致CO2排放反彈效應^[9]，如新型信息通信技術和相關產業的高速發展，可能導致資源消耗的大幅增加^[10-11]，進而提高碳排放水平^[12]。基于“雙碳”背景，本文選取2012—2021年滬深A股上市企業作為研究樣本，利用Python軟件分析并統計企業年報數字化相關詞頻構造數字化轉型程度指標，結合資源基礎理論、冗余資源理論等實證檢驗了數字化轉型對碳排放的影響及作用機制。

1 理論基礎與假設提出

1.1 數字化轉型與企業碳減排

數字化轉型是指企業利用新型數字技術，革新傳統商業模式，改變企業為客戶創造價值的方式，從而獲得持續性競爭優勢^[13]。分析數字化轉型對企業碳排放的影響，首先，數字技術有助于加速資本、勞動力與資源等要素的流動與整合^[14]，推動核心生產環節與管理模式的良性變革從而提升企業財務績效。根據冗余資源理論，當企業擁有充足的資源時，在承擔社會責任方面的靈活度和可持續性會更高，財務績效高的企業傾向于為創新活動^[15]和環境保護^[16]等提供更多的閑置資源。其次，企業開展數字化轉型業務還能在一定程度上增強風險承擔能力。數字化轉型有助于企業緩解融資約束和降低代理成本，通過發揮資源效應滿足企業的資源需求，進而提高企業的風險承擔水平，在推動企業減少碳排放方面發揮積極作用。在面臨較高經營風險的情況下，企業往往優先將有限資源投入到核心生產經營領域^[17]。在經營風險較低的情況下，企業更傾向于重點關注利益相關方的需求，特別是企業形象和社會效益方面，同時積極推動企業的碳減排舉措。據此，提出假設：

H1：企業數字化轉型能夠顯著抑制碳排放水平。

1.2 數字化轉型對企業碳排放影響機制分析

1.2.1 數字化轉型、生產效率與企業碳排放 新型數字技術的嵌入改變了企業原有的生產模式與管理模式，推動既有生產要素重新配置，提高企業生產效率與資源利用效率^[18]，進而降低企業碳排放水平。首先，數字技術的引進實現了企業生產運營過程中的自動化，大量的人力勞動力被工業機器人等自動化設備替代，企業勞動力結構得以優化，勞動生產率與生產效率得以提高^[19]。其次，數據驅動的決策可以更精準地監控生產過程，改善生產要素的配置，有助于改進企業傳統生產工藝，推動企業向精益式創新驅動發展模式轉變，提高生產效率并釋放一部分資源用于投資和采用清潔能源，從而降低對傳統能源的依賴，減少對環境的破壞^[20]。最后，數字技術的嵌入以及數字平臺的搭建加快了信息要素的流動，擴展資源獲取渠道并減少信息交流成本^[18，21]。數字化轉型可以整合多方面的數據，使企業基于全面、準確的信息從而做出更科學的決策，降低市場失靈所引起的資源錯配^[22]，減少資源損耗。實時信息共享有助于協調生產計劃、運輸、消費等各方面的工作，提升供應鏈各環節運行效率，有效降低生產成本并提高傳統產業效能，從而減少碳排放，推動企業綠色轉型。據此，提出假設：

H2：企業數字化轉型可以提高企業生產效率，進而降低企業碳排放水平。

1.2.2 數字化轉型、綠色創新能力與企業碳排放 綠色創新是以環保為導向，通過對低碳技術、綠色工藝以及環保產品的創新來推動企業綠色轉型以發掘新的市場機會的戰略行為，在企業核心價值中融入環境價值與社會價值^[23]。首先，企業實施數字化轉型戰略有助于集聚信息、技術等多元創新資源要素，降低綠色創新過程中的代理成本，提高各部門之間的溝通與協作效率^[24]，推動跨部門協同創新體系的搭建，促進企業綠色創新能力提升。數字技術賦能企業以數據驅動綠色創新，大數據、人工智能等數字技術的應用幫助企業高效整合生產、運作流程中的海量數據，并將其轉化成有價值的知識資源^[25]。根據資源基礎理論^[26]，企業的持久競爭力和創新動力來源于具有價值和獨特性的知識資源。大數據、云計算等數字技術賦能企業整合多元化的數據與信息資源，加快知識共享和知識溢出速度，有效促進綠色創新。其次，企業提高綠色創新能力有助于全流程節能減排。綠色創新通過替代效應優化傳統能源消費結構，提高可再生能源在企業生產中的使用比例^[9]；綠色低碳技術的廣泛應用，整體上提高了不同生產要素的組合配置效率，使包括能源在內的多元生產要素的利用效率得以大幅提升^[27]。因此，綠色創新有助于實現生產過程中能源的清潔與高效使用，減少對生態環境的污染。末端污染控制技術的廣泛運用能夠加強對各個環節污染廢棄物的無害化處理，有效預防和減少污染物的生成，實現CO2循環再利用，降低環境負荷^[28]。據此，提出假設：

H3：企業數字化轉型通過提高企業綠色創新能力，降低企業碳排放水平。

2 研究設計

2.1 數據來源

選取2012—2021年中國A股上市公司的數據為研究樣本。其中，企業碳排放相關數據以及財務數據均來源于國泰安數據庫（CSMAR），相關企業年報數據來源于巨潮資訊網。剔除金融類企業和信息傳輸、軟件和信息技術服務業；剔除ST和期間退市的樣本；對所有微觀層面的連續變量進行1%和99%的縮尾處理，篩選后得到2 680家企業共15 574條觀測值。

2.2 變量設定

2.2.1 被解釋變量" 碳排放（CE）。借助上市公司碳排放相關數據，并參考此前研究^[29]，采用如下公式計算上市企業的年度碳排放量：上市公司碳排放=燃燒和逃逸排放+生產過程排放+廢棄物排放+土地利用方式轉變（森林轉為工業用地）導致的排放。最終結果經對數處理，作為企業碳排放水平的代理變量。

2.2.2 核心解釋變量 數字化轉型（DT）。采用文本分析方法對樣本企業年報中的數字化相關詞頻進行定量測度，以有效反映數字化轉型的強度及動態趨勢^[30]。從“技術實踐應用”與“底層技術運用”兩大層面構建數字化轉型詞典，又以人工智能、區塊鏈、云計算、大數據4個主流技術方向對“底層技術運用”層面的關鍵詞進行補充，由此形成最終的數字化轉型關鍵詞詞庫（圖1）。依據詞庫內容，利用Python程序對樣本企業年報文本與詞庫關鍵詞進行搜索匹配與詞頻統計，并對其+1取對數處理。

2.2.3 機制變量 （1）生產效率（TFP）。現有研究傾向于使用全要素生產率衡量企業的生產效率，以避免單一績效指標的不足。研究發現OP方法較適用于衡量企業層面的全要素生產率，且能較好地處理變量相互決定偏差所導致的內生性問題^[31]。鑒于此，使用OP方法計算企業全要素生產率，以衡量企業生產效率。

（2）綠色創新能力（GI）。參考已有文獻^[23]，利用綠色發明專利申請量衡量企業綠色創新能力。綠色發明專利更能反映創新的質量，而綠色專利申請量與授權量相比，在反映企業創新時間方面更具準確性。

2.2.4 控制變量 參考已有文獻^[30]，選取公司規模（Size）、托賓Q值（TobinQ）、凈資產收益（ROE）、獨立董事比例（Indep）、總資產周轉率（ATO）、營業收入增長率（Growth）、資產負債率（Lev）作為控制變量（表1）。

3 實證分析

3.1 描述性統計

表2中，碳排放水平的均值為13.631，標準差為1.344，說明樣本企業的碳排放水平存在較大差距；數字化轉型均值為1.124，標準差為1.239，中位數為0.693，表明企業間的數字化轉型程度具有較大差異，大部分企業的轉型程度處于較低水平。

3.2 基準回歸

由表3可知，M（1）未將控制變量及固定效應納入模型，DT的回歸結果為0.072，未對企業碳減排產生促進作用。在M（2）中，加入控制變量及時間（Year）、行業（Ind）固定效應后，DT的回歸系數為-0.005，達到1%顯著水平，說明企業數字化轉型對碳排放水平具有顯著的抑制作用。由此，H1得證。

3.3 穩健性檢驗

3.3.1 替換被解釋變量 為進一步驗證研究結論的穩健性，使用碳強度（CI）替換被解釋變量，檢驗企業數字化轉型對碳排放績效的影響效應，表4中第（1）列為替換被解釋變量后的回歸結果，再次驗證了H1。

3.3.2 滯后解釋變量 考慮到數字化轉型屬于長期性投入，數字化戰略自推動到影響碳排放量具有一定時滯，將核心解釋變量滯后1期處理并回歸分析，以解決內生性問題的影響。表4列M（2）中滯后解釋變量后的回歸結果與基準回歸結果保持一致，M（3）為在替換被解釋變量的基礎上將解釋變量滯后一期的回歸結果，仍與前文結論一致。

3.3.3 工具變量法 采用工具變量法以進一步處理內生性問題，選取同年度同行業的企業數字化轉型均值作為工具變量，利用兩階段最小二乘法進行檢驗^[32]。同行業的數字化轉型與該企業當期數字化轉型具有較強的相關性，在一定程度上影響本企業的數字化決策，但與碳排放水平無直接關系，因此該工具變量選取符合相關性和外生性的要求，內生性檢驗結果見表4中M（4）和M（5）。M（4）為第一階段回歸，工具變量IV_DT估計值為0.091，證明了該工具變量的有效性。在M（5）第二階段回歸中，NewDT的估計系數為-0.021且通過了1%水平的顯著性檢驗，與基準回歸結果一致。H1再次得證。

3.4 機制檢驗

3.4.1 生產效率的影響 假設企業實施數字化戰略可以通過提高企業生產效率，進而對企業碳排放產生顯著的抑制作用，采用逐步檢驗方法對生產效率的機制效應進行檢驗。表5中，M（1）表明，數字化轉型戰略的實施顯著提高了企業的生產效率；M（2）中的回歸結果顯示，DT與TFP的回歸系數分別為-0.010和-0.165，且皆在1%水平上顯著，說明企業數字化轉型能夠通過提高生產效率有效減少企業碳排放。本文使用Sobel檢驗對生產效率的機制效應進行進一步驗證，Z=-2.513，p＜0.01，中介效應占比為11.2%，H2得證。

3.4.2 綠色創新的影響 對于數字化轉型能否通過綠色創新抑制企業碳排放，同樣采用逐步檢驗方法，結果見表5。M（3）的結果顯示，企業數字化轉型顯著提高了綠色創新能力；M（4）中回歸結果顯示，DT的回歸系數為-0.005，且通過了1%水平的顯著性檢驗；GI的回歸系數為-0.001，并在5%的置信水平上顯著。以上結果說明，企業實施數字化轉型戰略能夠通過提高綠色創新能力，進而有效抑制碳排放產出。經過Sobel檢驗，Z=-2.131，p＜0.05，中介效應占比為6.5%。H3得證。

4 異質性分析

4.1 產權性質異質性

根據企業產權性質將樣本企業分為國有企業組與非國有企業組進行分組回歸，異質性檢驗結果見表6中M（1）和M（2）。相較于非國有企業，國有企業實施數字化轉型戰略對企業碳排放的抑制作用更加顯著，其估計系數為-0.010，且通過了1%水平顯著性檢驗；而非國有企業組未能通過顯著性檢驗。原因可能是國有企業作為國家經濟的重要組成部分，肩負著更大的社會責任，擁有更強的綠色發展自驅力，同時也更容易受到綠色低碳轉型相關的政策扶持或專項資金資助；企業推進數字化轉型具備較高的資金門檻，而國有企業由于有國家信用背書，相較于非國有企業，具備更強風險承擔能力，在融資方面也更具優勢。因此，國有企業實施數字化戰略對碳排放的抑制作用更加明顯。

4.2 環境規制異質性

將政府報告中環境保護相關的詞頻作為衡量地區環境規制強度的代理變量，并對其+1取對數處理^[33]。以環境規制強度的均值為臨界值，將企業分為高環境規制組與低環境規制組。由表6中M（3）和M（4）可知，數字化轉型的碳減排效應在高環境規制情境下更為明顯。原因可能是當企業面臨較為嚴格的環境規制時，需要承擔較高的環境成本，倒逼企業通過提高環保投入與技術創新來促進節能減排^[34]，從而規避環境行政處罰、降低環境成本。

5 結論

本文選取2012—2021年中國滬深A股上市企業的面板數據構建了基本回歸模型與機制檢驗模型，檢驗了企業數字化轉型對碳排放水平的影響及作用機制。企業數字化轉型對碳排放水平具有顯著的抑制作用，有效推動企業綠色低碳轉型；數字化轉型整體上提高了不同生產要素的配置效率，實現生產效率與綠色創新能力的提升，進而推動企業綠色低碳轉型。

綜上，企業需緊抓“雙碳”目標下綠色發展的新機遇，以數字化技術為綠色轉型賦能。充分利用數字化手段，積極提升生產效率與綠色創新能力，重視其在企業綠色低碳轉型過程中的關鍵推動作用。首先，企業應主動采用先進的數字化技術和工具，建立智能生產系統，實現生產流程的優化和自動化，同時加強數據分析和決策支持，推動持續改進和創新。重視員工培訓和參與，實現人機協作，共同提升企業生產效率。其次，應明確制定與綠色創新相關的戰略目標，并將環保和可持續發展納入企業的戰略規劃之中；建立完善的綠色創新監測與評估機制，確保企業環保表現得到及時追蹤和評估，并保證綠色創新的有效實施。最后，正確認識到推行數字化轉型戰略在不同特征企業中的差異化與獨特性作用。例如，國有企業以及東部發達地區企業應利用自身的資源及政策優勢，積極推動數字化戰略，充分發揮數字化在環境保護與生態治理方面的帶頭作用。建立建全的環境規制體系，獎懲分明，對于碳排放超標的企業提高環境行政處罰力度；對于積極實施數字化戰略、推動綠色低碳轉型且符合標準的企業，給予一定政策扶持與資金補助。

參考文獻

［1］劉方媛， 吳云龍. “雙碳”目標下數字化轉型與企業ESG責任表現：影響效應與作用機制[J]. 科技進步與對策， 2024， 41（5）： 40-49.

[2]于法穩， 林珊.“雙碳”目標下企業綠色轉型發展的促進策略[J]. 改革， 2022（2）： 144-155.

[3]趙宸宇， 王文春， 李雪松. 數字化轉型如何影響企業全要素生產率[J]. 財貿經濟， 2021， 42（7）： 114-129.

[4]涂心語， 嚴曉玲. 數字化轉型、知識溢出與企業全要素生產率——來自制造業上市公司的經驗證據[J]. 產業經濟研究， 2022（2）： 43-56.

[5]靳毓， 文雯， 何茵. 數字化轉型對企業綠色創新的影響——基于中國制造業上市公司的經驗證據[J]. 財貿研究， 2022， 33（7）： 69-83.

[6]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.

[7]趙宸宇. 數字化轉型對企業社會責任的影響研究[J]. 當代經濟科學， 2022， 44（2）： 109-116.

[8]SHANG Y P， RAZA S A， HUO Z， et al. Does enterprise digital transformation contribute to the carbon emission reduction？ Micro-level evidence from China[J]. International Review of Economics amp; Finance， 2023， 86： 1-13.

[9]楊莉莎， 朱俊鵬， 賈智杰. 中國碳減排實現的影響因素和當前挑戰——基于技術進步的視角[J]. 經濟研究， 2019， 54（11）： 118-132.

[10] 薛飛， 劉家旗， 付雅梅. 人工智能技術對碳排放的影響[J]. 科技進步與對策， 2022， 39（24）： 1-9.

[11] HASEEB A， XIA E J， SAUD S， et al. Does information and communication technologies improve environmental quality in the era of globalization？ An empirical analysis[J]. Environmental Science and Pollution Research， 2019， 26（9）： 8594-8608.

[12] SHOBANDE O A. Decomposing the persistent and transitory effect of information and communication technology on environmental impacts assessment in Africa： Evidence from Mundlak Specification[J]. Sustainability， 2021， 13（9）： 4683.

[13] ANNARELLI A， BATTISTELLA C， NONINO F， et al. Literature review on digitalization capabilities： Co-citation analysis of antecedents， conceptualization and consequences[J]. Technological Forecasting and Social Change， 2021， 166： 120635.

[14] YANG M Y， FU M T， ZHANG Z H. The adoption of digital technologies in supply chains： Drivers， process and impact[J]. Technological Forecasting and Social Change， 2021， 169： 120795.

[15] 宋在科， 劉凌婧. 組織冗余、融資約束與企業創新投資[J]. 青島大學學報（自然科學版）， 2020， 33（4）： 125-131.

[16] NG A C， REZAEE Z. Business sustainability performance and cost of equity capital[J]. Journal of Corporate Finance， 2015， 34： 128-149.

[17] 王會娟， 陳新楷， 陳文強， 等. 數字化轉型能提高企業的風險承擔水平嗎？[J]. 財經論叢， 2022（12）： 70-80.

[18] 韋莊禹. 數字經濟發展對制造業企業資源配置效率的影響研究[J]. 數量經濟技術經濟研究， 2022， 39（3）： 66-85.

[19] 湯萱， 高星， 賴曉冰. 數字化轉型對企業勞動生產率的影響研究[J]. 經濟縱橫， 2022（9）： 104-112.

[20] REN S， ZHANG Y F， LIU Y， et al. A comprehensive review of big data analytics throughout product lifecycle to support sustainable smart manufacturing： A framework， challenges and future research directions[J]. Journal of Cleaner Production， 2019， 210： 1343-1365.

[21] HALLIKAS J， IMMONEN M， BRAX S. Digitalizing procurement： The impact of data analytics on supply chain performance[J]. Supply Chain Management： An International Journal， 2021， 26（5）： 629-646.

[22] LI J L， CHEN L T， CHEN Y， et al. Digital economy， technological innovation， and green economic efficiency——Empirical evidence from 277 cities in China[J]. Managerial and Decision Economics， 2022， 43（3）： 616-629.

[23] 谷城， 張樹山. 智能制造何以實現企業綠色創新“增量提質”[J]. 產業經濟研究， 2023（1）： 129-142.

[24] 馬兆良， 許博強. 數字賦能與綠色技術創新——基于中國上市公司的經驗數據[J]. 生態經濟， 2023， 39（10）： 81-88.

[25] BAG S， GUPTA S， KUMAR A， et al. An integrated artificial intelligence framework for knowledge creation and B2B marketing rational decision making for improving firm performance[J]. Industrial Marketing Management， 2021， 92： 178-189.

[26] BHARADWAJ A S. A resource-based perspective on information technology capability and firm performance： An empirical investigation[J]. MIS Quarterly， 2000， 24（1）： 169-196.

[27] SHROUF F， MIRAGLIOTTA G. Energy management based on Internet of Things： Practices and framework for adoption in production management[J]. Journal of Cleaner Production， 2015， 100： 235-246.

[28] XIE X M， HUO J G， QI G Y， et al. Green process innovation and financial performance in emerging economies： Moderating effects of absorptive capacity and green subsidies[J]. IEEE Transactions on Engineering Management， 2015， 63（1）： 101-112.

[29] 王浩， 劉敬哲， 張麗宏. 碳排放與資產定價——來自中國上市公司的證據[J]. 經濟學報， 2022， 9（2）： 28-75.

[30] 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.

[31] 魯曉東， 連玉君. 中國工業企業全要素生產率估計：1999-2007[J]. 經濟學（季刊）， 2012， 11（2）： 541-558.

[32] 肖紅軍， 陽鎮， 劉美玉. 企業數字化的社會責任促進效應：內外雙重路徑的檢驗[J]. 經濟管理， 2021， 43（11）： 52-69.

[33] 陳詩一， 陳登科. 霧霾污染、政府治理與經濟高質量發展[J]. 經濟研究， 2018， 53（2）： 20-34.

[34] 張愛玲， 靳衛東. 數字金融對綠色全要素生產率的影響研究[J]. 青島大學學報（自然科學版）， 2022， 35（4）： 105-111.

Research on the Carbon Emission Reduction Effect of Enterprises Digital Transformation

——Based on the Dual Perspective of Productivity and Green Innovation

ZHAO Yan-qiao¹， ZHANG Ning¹， HE Li-feng^1，2

（1.Business College， Qingdao University， Qingdao 266061， China;

2. School of Information Management and Engineering， Shanghai University of Finance and Economics， Shanghai 200433， China）

Abstract： Based on the panel data of China's A-share listed companies from 2012 to 2021， the impact and mechanism of digital transformation on carbon emissions"" were analyzed by the fixed-effects model. The results show that digital transformation can significantly inhibit the level of corporate carbon emissions. The mechanism test results show that digital transformation can promote the improvement of corporate productivity and enhance the ability of green innovation， which in turn can effectively inhibit the level of corporate carbon emissions. The impact of digital transformation on corporate carbon emissions levels is heterogeneous， and the implementation of digital transformation strategies by state-owned enterprises and high-environmental regulation enterprises has more significant inhibition of carbon emissions.

Keywords： digital transformation; carbon emission reduction; productivity; green innovation; sustainable development