數字化轉型對紡織企業綠色創新的影響作用與機制

摘要： 數字化綠色化協同共促紡織行業高質量發展具有重要意義。本文基于2011—2022年中國A股紡織行業上市公司面板數據，從資源與效率角度挖掘數字化轉型對綠色創新的影響作用與機制。實證結果表明，數字化轉型對紡織企業綠色創新產生抑制作用，其作用機制源于“效率抑制”而非“要素擠占”。環境信息披露能夠直接緩解數字化轉型對綠色創新的抑制作用，政府補貼的信號傳遞效應能夠間接削弱數字化轉型對綠色創新效率的抑制。本文為警示數字化悖論，引導數字化轉型賦能紡織企業綠色創新，優化政策工具的調節路徑提供啟示。

關鍵詞： 數字化轉型;紡織企業;綠色創新;要素擠占;綠色創新效率;政府補貼;環境信息披露

中圖分類號： TS101.1; F272

文獻標志碼： A

紡織行業是國民經濟與社會發展的支柱產業，是服務民生與美化生活的基礎產業，同時也是亟需綠色轉型的重點行業之一［1］。紡織品全生命周期的高能耗和高排放問題不容忽視。在原料端，2022年全球纖維總產量為1.16億t，其中65%是合成纖維，主要來源是煤、石油等不可再生能源［2］;在生產端，紡織行業每年的碳足跡為33億t［3］，成為全球第二大污染行業［4］。面對能源與環境的雙重壓力，綠色創新成為紡織行業綠色轉型的剛性要求。綠色創新主要指綠色技術創新，是減少環境污染，減少原材料和能源使用的技術、工藝或產品的總稱［5］。近年來，中國紡織行業積極推動全流程綠色技術的研發應用，初步建立起全生命周期綠色低碳產業體系［1］。然而，創新要素投入偏低、產業鏈綠色協同較弱及環境信息披露不足等因素仍然制約著綠色創新［6-7］。鑒于此，在綠色轉型發展新階段，為使綠色創新顯現出實效，破解紡織企業綠色創新約束具有重要意義。

數字化轉型被視為企業實現綠色轉型發展的“破局”關鍵［8］。數字化轉型是將數字技術應用于現有的企業生產管理體系，以數字融合推動組織結構變革、業務流程改進，并重塑價值創造方式的過程［9-10］。以數字化轉型為方向，2022年紡織行業裝備數字化率、數字化生產設備聯網率分別達到556%和49%［4］。大數據、數字孿生、工業物聯網等技術逐步應用于紡織領域，服裝計算機輔助設計、企業資源計劃等信息系統集中部署于紡織企業，在紡紗、印染、服裝、化纖工業領域建成了具有自主知識產權的紡織服裝機器人與智能裝備系統，紡織行業數字化轉型穩健發展。

數字技術在企業的常規化應用能夠影響綠色創新［11］，但是現有研究針對數字化轉型的影響效果出現嚴重分歧［10］。基于制造業整體經驗，數字化轉型對綠色創新產生了“數字賦能”［12］和“能力詛咒”［9］的“雙刃劍”作用［13］，表現出復雜的非線性影響［14-17］。多數研究探索了“數字賦能”機制，通過提升知識整合能力、弱化代理沖突、優化資源配置、緩解融資與信息約束、促進信息共享與媒體監督等路徑機制，數字化轉型對綠色創新產生“增量提質”的賦能效應［12，18-19］。學者們也指出“數字賦能”奏效與否取決于企業的管理能力，滯后的管理能力會使數字化轉型對企業創新產生消極影響，表現出數字化轉型悖論［9，20］。僅有少數研究警示數字化轉型的消極影響，指出數字技術應用造成的資源分配失衡、信息負載、創新流程復雜化抑制了綠色創新［16，21］。具體到紡織行業，紡織企業將數字技術融合于紡織設備、工藝流程、清潔生產等綠色創新環節，對制造階段的節能降耗進行了探索?；诓糠旨徔椘髽I實踐案例，數字化轉型在優化生產流程方面表現出積極影響［4］，其生產效率提升作用已得到驗證［22］，但其綠色創新效益目前仍然缺乏實證評估。上述研究為針對性分析紡織企業數字化轉型影響綠色創新的效果和作用機制提供了理論參考。但仍有以下問題待研究：1） 行業層級數字化轉型的綠色創新效果。由于制造業數字化轉型的應用場景存在差異，目前針對細分行業的評估不足。紡織行業產業鏈長、關聯度高，產品全生命周期應用數字技術的場景豐富，其數字化轉型具有代表性和啟發性。然而，鮮有研究檢驗紡織企業數字化轉型的綠色創新實效。2） 數字化轉型影響綠色創新的機制“黑箱”亟須探索。制造業企業數字化轉型對綠色創新的作用效果仍存在爭議，相較于被廣泛研究的賦能機制，數字化轉型的抑制機制仍缺乏深入研究。厘清抑制作用路徑對于企業規避數字化轉型悖論、促進高質量發展同樣具有現實意義。

鑒于此，本文基于資源基礎理論和資源編排理論，將政府補助和環境信息披露納入數字化轉型影響綠色創新的理論框架，采用雙向固定效應模型，實證檢驗紡織企業數字化轉型影響綠色創新的效果與機制。從資源與效率角度挖掘數字化轉型潛在的抑制作用路徑，探討政府補助和環境信息披露兩種政策工具的調節機制，以期為傳統制造業數字化和綠色化協同共促高質量發展提供啟示。

1 理論機制與研究假設

1.1 數字化轉型與綠色創新

根據資源編排理論，企業綠色創新的關鍵是如何有效利用資源。然而，數字化轉型要求企業投入高額的固定資金，其引發的要素擠占效應會削弱綠色創新所必要的資源投入，令企業的綠色創新陷入困境。同時，數字化轉型的“數據驅動”作用在信息過載的情形下會轉變為“能力詛咒”［9］。由于紡織領域的核心裝備和工業軟件的技術支撐能力尚不匹配，目前紡織企業數據處理所采用的軟件大多是信息技術研發商開發的通用軟件，難以滿足具體紡織生產環節精準化數據分析的專業需求［23］。這制約了紡織企業通過生產運營數據挖掘有價值的綠色創新信息資源，削弱了紡織企業應對市場綠色需求的響應能力，最終降低了綠色創新的決策速度。據此，本文提出假設H1。

H1：數字化轉型對紡織企業綠色創新產生抑制作用。

1.2 要素擠占路徑

資本和勞動是綠色創新的重要投入要素［5］。數字化戰略的推進總體上會使資本和勞動這兩種創新要素的投入減少［24］。1） 數字化轉型對紡織企業而言，意味著新的開支和較高的學習成本［25］。在前期投入階段，企業需要承擔軟硬件投入和培訓服務開支;在中期內化階段，企業為了適應新的數字化生產管理體系，面臨管理費用等隱性成本的增加［26］。上述數字物化成本和隱性管理成本會擠占創新的資本要素［13］，降低企業綠色創新產出［15］。2） 數字化轉型會導致以業績為導向的高效能型勞動要素所占比重逐步超越以創新發展為目標的創新型勞動要素［9］。這將損害企業創新所必要的勞動要素資源，對企業綠色創新產生不利沖擊［21］。據此，本文提出假設H2。

H2：數字化轉型通過擠占綠色創新要素抑制了紡織企業綠色創新。

1.3 效率抑制路徑

在數字化轉型過程中，紡織企業原有的管理能力和運營體系將面臨挑戰。1） 數字化轉型對企業綠色創新的影響，取決于企業的管理能力與數字化轉型戰略是否相匹配［20］。若企業的管理能力滯后于數字變革，那么新的數字技術難以與企業原有資源和綠色創新流程實現耦合，這對企業綠色創新效率產生消極影響［9］。2） 隨著數字化轉型的推進，各環節累積的海量數據會產生信息超載和數據延遲等問題［26］，提升了企業數據決策的門檻［9，16］，不利于企業按照市場需求及時調整綠色創新流程，降低了企業的綠色創新效率，進而抑制綠色創新。據此，本文提出假設H3。

H3：數字化轉型通過降低綠色創新效率抑制了紡織企業綠色創新。

1.4 政府補助的調節作用

根據資源基礎理論，綠色創新所需要的資源既可以由企業內部提供，也可從企業外部獲取［27］。政府補助便是企業獲取外部資源的重要方式，也是影響綠色創新重要的政策手段［28］，它能夠從資源補充和信號傳遞兩方面助力企業綠色創新［29］。值得注意的是，政府補助對民營企業創新績效的促進作用更大。因此，對于以民營企業為生力軍的紡織行業，一方面，政府補助可以通過資源補充機制，補充紡織企業自身所缺乏的創新要素［29］，從而影響紡織企業綠色創新行為。另一方面，政府補助能夠產生信號傳遞機制，扮演信號傳遞媒介角色，降低綠色創新需求與供給之間的信息不對稱，發揮間接的創新補償效應，進而激勵紡織企業綠色創新效率的提升［29-31］。據此，本文提出假設H4a、H4b。

H4a：政府補助能夠通過資源補充機制緩解數字化轉型的綠色創新抑制作用。

H4b：政府補助能夠通過信號傳遞機制緩解數字化轉型的綠色創新抑制作用。

1.5 環境信息披露的調節作用

強制性環境信息披露是加強企業環境治理的重要規制手段［32］。據環保部《上市公司環境信息披露指南》，2011年起重污染行業上市企業應當定期披露環境信息，不得有虛假記載、誤導性陳述或重大遺漏。其中，重污染行業上市企業包括了紡織、化學纖維、皮毛制品相關企業。對于紡織行業企業來說，引入可供公眾監督的強制性環境信息披露規制，可以減少企業環境機會主義行為，驅動企業綠色創新［33］。當環境信息披露規制較強時，紡織企業會注重生產運營環節的數據積累與分析，緩解數據延遲造成的創新低效問題，提升要素配置的精準性，進而有利于紡織企業綠色創新。據此，本文提出假設H5。

H5：環境信息披露能夠緩解數字化轉型對紡織企業綠色創新的抑制作用。

綜上，本文認為在紡織企業層面，數字化轉型主要通過創新要素擠占、創新效率抑制兩條路徑影響紡織企業綠色創新。與此同時，政府補助和環境信息披露在數字化轉型影響綠色創新的過程中起到調節作用。相關作用機制的研究框架如圖1所示。

2 研究設計

2.1 樣本選擇與數據來源

結合工業和信息化部與中國紡織工業聯合會對于紡織行業的界定，依據《上市公司行業分類指引（2012年修訂）》中紡織業、服裝服飾業和化學纖維制造業的行業代碼，本文選取2011—2022年一直存續的A股紡織企業上市公司為研究樣本，實證考察數字化轉型如何影響紡織企業綠色創新。主要變量數據來源于中國經濟金融研究數據庫（CSMAR）和國家知識產權局，環境規制變量數據來源于中國環境數據庫。本文剔除了核心數據缺失和上市狀態非正常的樣本，最終篩選后保留92家紡織企業，共計得到1 104個企業—年度觀測值。

2.2 變量說明

2.2.1 被解釋變量：紡織企業綠色創新

現有研究根據企業生產函數，將綠色專利作為綠色創新的產出［5］，并且基于世界知識產權組織（World Intellectual Property Organization，WIPO）公布的《綠色專利清單》和國際專利分類（International Patent Classification，IPC）代碼識別綠色創新［5，12，24］。由于外觀設計專利不采用IPC分類，本文只統計發明專利和實用新型專利。同時，專利申請量更多地體現了企業對綠色技術的重視程度，而專利授予量更能反映實際技術提升水平和技術創新程度［5］。因此，本文采用已授權的當期綠色發明專利與綠色實用新型專利數量之和衡量紡織企業綠色創新（GP），被解釋變量的各年度樣本均值如圖2所示，樣本散點分布趨勢如圖3所示。

2.2.2 核心解釋變量：數字化轉型

現有文獻在測度企業數字化轉型程度時，通常使用客觀數據法、事件沖擊法和年報詞頻法［10］。1） 客觀數據法包括利用企業數字化無形資產占比測算數字化轉型［12，34］，通過調研數據構造數字化水平變量［35］。2） 事件沖擊法利用企業是否受到宏觀數字政策沖擊來度量企業數字化轉型［10］，如“寬帶中國”政策等［36］。3） 年報詞頻法是現有研究常用來衡量上市公司數字化轉型的方法。學者們基于“數字化”關鍵詞詞典，用文本分析法識別上市公司年報中“管理層討論與分析”部分的“數字化”關鍵詞，進而統計關鍵詞詞頻占比來構造數字化轉型變量［12，37］。上述方法雖然為衡量數字化轉型提供了切入點，但也各自存在以下不足：事件沖擊法難以將其他產業和區域政策與數字政策剝離，降低了數字政策實施效果的識別能力;年報詞頻法統計的關鍵詞詞頻更傾向于反映企業對數字化戰略的重視程度，而非數字化轉型的真實行動［10］。相比之下，雖然客觀數據法只能統計具體的數字技術，存在遺漏數字化人力成本的問題，但是考慮到目前紡織企業數字化轉型投入仍然以購買通用軟件和操作系統為主［23］，數字化人力資本投入的遺漏問題較小。同時，數字化無形資產占比能夠更好地從投入視角測度數字化轉型。綜上所述，本文基于改進的客觀數據法對紡織企業數字化轉型進行測度。

基于祁懷錦等［34］和宋德勇等［12］利用企業數字化無形資產占比測算數字化轉型的方法，參考Zhang等［17］劃分的通信基礎、供銷財管、行政管理和生產倉管數字化轉型關鍵詞，構建紡織企業數字化轉型指標。具體測算步驟如下：1） 結合紡織企業設計、制造、管控等環節的數字化轉型現狀［23］，增加服裝計算機輔助設計、噴頭驅動技術、數碼噴印技術、自動紡絲機、自動縫紉機、自動平縫機、工業縫紉機、連續送布技術、自動卷取技術、數碼紡織、電腦花樣機數字控制系統等，構建數字化轉型無形資產關鍵詞庫。2） 使用Stata16軟件對財務報告附注披露的期末無形資產項目進行文本識別，匹配關鍵詞并標記數字化無形資產。3） 計算期末數字化無形資產金額占無形資產總額的比例衡量紡織企業數字化轉型（digital）。

2.2.3 中介變量

為檢驗數字化轉型對資本要素和勞動要素的擠占路徑，本文參考劉海建等［24］的衡量方法，計算企業當期研發投入與營業收入之比衡量紡織企業的資本要素投入（rdspend），采用研發人員數量占比衡量紡織企業的勞動要素投入（rdlabor）。創新效率是指企業將有限的創新資源投入轉化為有價值的專利產出的能力［38］。為檢驗數字化轉型對綠色創新效率的抑制路徑，本文參考劉暢等［39］的研究，使用綠色創新產出和創新投入加1后的自然對數比值，即ln（綠色專利申請數量+1）/ln（研發支出+1）來衡量綠色創新效率（ginn）。

2.2.4 調節變量

為檢驗政府補助和環境信息披露對數字化轉型影響綠色創新的調節機制，本文參考楊洋等［29］的方法采用企業當年獲得政府創新補助金額加1后的自然對數來衡量政府補助（subsidy）。參考Zhang等［17］衡量環境信息披露（disclosure）的方法，統計上市公司環境負債、環境業績與環境治理指標披露情況，合成企業環境信息披露指標，disclosure數值越大，則表明信息披露質量越高。

2.2.5 控制變量

本文控制企業財務特征、組織治理和環境規制層面影響紡織企業綠色創新的變量。1） 在企業財務特征層面，由于規模較大和價值創造較高的企業，其綠色創新意識越強并且創新成功率越高［5］，本文選取資產水平（asset）、資產收益率（roa）和托賓Q值（tobinq）以衡量企業規模和價值創造能力［5-12］。asset數值越高表明企業規模越大，roa和tobinq越大表明企業的價值創造能力越強。由于財務杠桿對企業環境行為投資有著重要作用［28］，本文使用上市公司資產負債率（lev）來衡量。2） 在企業組織治理層面，企業的創新決策受制于組織治理水平［40］，因此本文選擇股權集中度（top）、兩職合一（dual）、董事結構（board）來衡量［28，41-42］。3） 在環境規制層面，外部環境規制能夠增加企業的綠色創新數量［32-33］，因此，本文參考任曉松等［43］的方法，利用熵值法計算城市廢水、SO2、煙塵三類污染物排放量綜合指數來衡量城市環境規制力度（er）。本文主要變量的說明如表1所示。

2.3 模型設定

本文構建如下式多元回歸模型（1），考察數字化轉型對紡織企業綠色創新的影響：

GPi，t=α0+α1digitali，t+αicontrolsi，t+yeart+cityi+εi，t（1）

式中：下標i代表個體企業，t代表年份;被解釋變量GPi，t表示企業綠色創新水平;解釋變量digitali，t表示企業數字化轉型水平;controlsi，t為一系列控制變量，包括資產水平（asset）、資產收益率（roa）、資產負債率（lev）、托賓Q值（tobinq）、環境規制力度（er）、股權集中度（top）、兩職合一（dual）與董事結構（board）;yeart和cityi分別表示控制年份和城市固定效應;εi，t為隨機誤差項。

基于理論部分的中介路徑分析，本文在模型（1）的基礎上引入中介效應模型進行實證檢驗。參考溫忠麟等［44］的研究，構建模型（2）和模型（3）：

Mi，t=β0+β1digitali，t+βicontrolsi，t+yeart+cityi+εi，t（2）

GPi，t=γ0+γ1digitali，t+γ2Mi，t+γicontrolsi，t+yeart+cityi+εi，t（3）

式中：Mi，t表示中介變量，具體包括資本要素投入（rdspend）、勞動要素投入（rdlabor）、綠色創新效率（ginn）。

為應對中介變量對被解釋變量因果效應論證不充分的問題，本文參考江艇［45］和李萬利等［36］的研究，補充了中介變量影響被解釋變量的實證支持。

探討潛在的調節機制有利于引導紡織企業數字化轉型更好地適應綠色創新需求。基于理論部分的調節機制分析，本文借鑒溫忠麟等［45］的研究進一步建立模型（4）和模型（5），檢驗政府補助和環境信息披露在數字化轉型影響綠色創新過程中的調節機制：

GPi，t=α0+α1digitali，t+α2Zi，t+α3digitali，t×Zi，t+αicontrolsi，t+yeart+cityi+εi，t（4）

Mi，t=β0+β1digitali，t+β2Zi，t+β3digitali，t×Zi，t+βicontrolsi，t+yeart+cityi+εi，t（5）

式中：Zi，t表示調節變量。

模型（4）旨在檢驗政府補助（subsidy）和環境信息披露（disclosure）是否調節了數字化轉型影響綠色創新的直接效應路徑。模型（5）旨在檢驗政府補助（subsidy）是否調節了數字化轉型影響綠色創新的間接效應路徑。

3 實證檢驗結果及分析

3.1 描述性統計分析

表2報告了變量描述性統計結果。由表2可以發現，被解釋變量GP的均值為6.543，標準差為15.847，說明紡織企業綠色創新水平存在較大差異。核心解釋變量digital的均值為0.071，最大值為1、最小值為0，標準差為0.155，說明紡織企業數字化轉型平均水平較低，企業間數字化轉型水平差異較小。表3報告了變量相關系數，可以初步判斷digital與GP之間存在負相關關系，同時各變量間的相關系數均小于0500。結合表2各變量方差膨脹因子檢驗結果遠小于10，方差膨脹因子均值為1.230，可在一定程度上表明變量之間不存在嚴重的多重共線性問題。

3.2 基準回歸檢驗

基準回歸檢驗結果如表4所示。其中，第1列展示了控制變量對綠色創新的影響結果，第2列是基于模型（1）的回歸結果，在引入企業財務、組織治理、環境規制、年份和城市特征的前提下，digital的回歸系數為-11.862，在1%水平上顯著，其他控制變量的系數符號和顯著性與第1列基本保持一致。上述檢驗結果表明紡織企業數字化轉型與綠色創新存在負向線性關系，假設H1得到驗證。本文的基準回歸結果與以上市公司重污染行業或制造業企業為研究樣本所得出的數字化轉型賦能效應有所不同［12，18-19，42］，但是證明了數字化轉型對綠色創新確實存在抑制作用。這與學者們所警示的“能力詛咒”效應和“數字化悖論”［9，14-16］基本一致，即新興數字技術未能與紡織企業原有資源和創新流程實現高度耦合，導致數字化轉型對企業綠色創新產生消極影響［9］。

3.3 內生性檢驗

考慮到前文的實證結果可能受不可觀測或遺漏因素的干擾，本文采用工具變量法緩解內生性問題。參考Lewbel［46］、李唐等［47］、宋德勇等［12］構造工具變量的方法，采用企業數字化水平與按省份分類的數字化水平均值差額的三次方（iv_digital）作為工具變量。一方面，構造的工具變量iv_digital依賴于核心解釋變量的數值分布［46］，與企業數字化轉型具有較強的相關性;另一方面，參考李唐等［47］驗證工具變量排他性的方法，將iv_digital加入基準計量模型?；貧w結果如表5第1列所示，iv_digital系數為13.825，未通過顯著性檢驗，這表明工具變量iv_digital與基準計量模型的擾動項不相關。iv_digital除通過影響數字化轉型而對綠色創新存在作用之外，并不存在影響企業綠色創新的其他途徑，因而滿足工具變量的排他性約束要求。表5第2列報告了iv_digital對digital的第一階段回歸結果，結果顯示iv_digital的系數分別在1%的水平上顯著為正，表明工具變量與digital顯著存在相關關系，且第一階段的F統計值遠大于10，因此本文內生變量與工具變量之間具有強相關性。第3列報告了第二階段回歸結果，結果顯示Cragg-Donald Wald F統計值遠大于Stock-Yogo在10%顯著性水平上的臨界值（16.38），拒絕弱工具變量的原假設;Anderson canon.corr.LM統計量通過了1%顯著性檢驗，拒絕工具變量識別不足的原假設。上述檢驗表明工具變量的選取是可信的。同時，第二階段回歸結果顯示iv_digital的估計系數在1%的水平上顯著為負，表明數字化轉型對紡織企業綠色創新表現出抑制作用。綜上所述，在使用工具變量緩解了潛在內生性問題后基準回歸結論仍然成立。

3.4 穩健性檢驗

本文采用更換核心變量度量方法、增加控制變量和縮短樣本期4種方法進行穩健性檢驗，回歸結果如表6所示。

1） 更換被解釋變量的度量方法。將綠色專利加1后的自然對數作為綠色創新的衡量指標，記為lnGP，以應對綠色專利數據可能具有的“右偏性”特征［18］。使用lnGP替換被解釋變量后的回歸結果如表6第1列所示，digital在1%的顯著性水平上為負。2） 更換解釋變量的度量方法。從戰略引領、技術驅動、組織賦能、環境支撐、數字化成果及數字化應用六個視角構造企業數字化指數［48］，作為數字化轉型的衡量指標，記為dig_index，數據來源于CSMAR《中國上市公司數字化轉型研究數據庫》。如表6第2列所示，dig_index的系數為-0.211，通過了1%顯著性檢驗。3） 增加控制變量。考慮到企業高管背景對綠色創新的影響［49］，本文在模型（1）的基礎上增加高管年齡（age）和高管海外背景（oversea）控制變量。如表6第3列所示，控制企業高管特征之后，digital仍顯著為負。4） 縮短樣本期。由于樣本期包含“十二五”至“十三五”及“十四五”規劃初期，“十四五”新政策沖擊會對企業綠色創新決策產生影響。同時，考慮到專利授予往往需要1～2年的時間周期［5］。因此，本文將樣本期縮短為2011—2020年。如表6第4列所示，digital的系數顯著為負。綜上所述，數字化轉型抑制了紡織企業綠色創新，前文的基準回歸結果較為穩健。

3.5 中介機制檢驗

3.5.1 要素擠占路徑

要素擠占包含資本要素擠占和勞動要素擠占兩條路徑的實證檢驗。表7第1～3列為資本要素擠占檢驗結果。第1列顯示，數字化轉型（digital）對資本要素投入（rdspend）的回歸系數為-0.017，未通過顯著性檢驗，數字化轉型沒有顯著減少資本要素投入;第2～3列顯示，資本要素投入（rdspend）的系數分別為0.438和0.441，均未通過顯著性檢驗。上述結果表明數字物化成本和隱性管理成本并不會顯著擠占紡織企業對綠色創新的資本要素投入，即資本要素擠占并非數字化轉型抑制綠色創新的主要路徑。表7第4～6列為勞動要素擠占檢驗結果。第4列顯示，數字化轉型（digital）對勞動要素投入（rdlabor）的回歸系數為2.616，在5%水平上顯著為正，表明數字化轉型沒有擠占反而較顯著地增加了紡織企業的勞動要素投入。不同于工業機器人對生產線勞動力的直接替代［50］，數字化轉型涉及管理結構變革和運營模式優化，而紡織領域核心工業軟件的技術支撐能力尚未形成［23］，對相關研發人員需求增加。表7第5～6列顯示，勞動要素投入（rdlabor）的系數符號不穩定且未通過顯著性檢驗，表明服務于數字化轉型而增加的勞動要素投入，未能為紡織企業綠色創新帶來顯著增量。分析認為原因在于：一方面，數字化轉型造成高效能型勞動要素投入超過創新型勞動要素投入［9］;另一方面，熟悉紡織領域生產流程和綠色創新關鍵技術的復合型數字化人才不足。因而，數字化轉型并非通過勞動要素擠占路徑抑制綠色創新。

綜上所述，數字化轉型未表現出顯著的要素擠占效應，即紡織企業數字化轉型并非通過要素擠占路徑抑制綠色創新，拒絕假設H2。

3.5.2 效率抑制路徑

數字化轉型的效率抑制路徑檢驗結果如表8所示。第1列顯示，數字化轉型（digital）對綠色創新效率（ginn）的回歸系數為-3.220且在5%水平上通過了顯著性檢驗，表明紡織企業數字化轉型抑制了綠色創新效率，這與劉暢等［39］基于制造業上市公司的研究結論不同。從制造業整體經驗來看，企業數字化轉型催生的協同創新系統和知識共享平臺，促進不同技術的聚合，加速了聯合綠色創新產出，提高了綠色創新效率。然而，由于紡織全產業鏈協同的數字化智能生態尚未建立［23］，產業鏈協同發掘數據要素的能力不足，企業數據決策存在門檻［17］，因而制約了復雜綠色關鍵技術的及時識別與協同突破，降低了紡織企業的綠色創新效率。第2～3列顯示，綠色創新效率（ginn）的系數分別為1.908和1.928，均在1%水平上通過顯著性檢驗。因此，數字化轉型對綠色創新效率的抑制作用會傳導至綠色創新，減少紡織企業綠色創新數量。綜上所述，數字化轉型通過效率抑制路徑影響了紡織企業綠色創新，假設H3得到驗證。

3.6 調節機制檢驗

3.6.1 政府補助效應

政府補貼效應檢驗結果如表9所示?；谀Ｐ停?）的直接調節效應檢驗結果如表9第1列所示。數字化轉型（digital）對綠色創新（GP）的回歸系數為-13.385，數字化轉型與政府補貼交互項（digital×subsidy）的系數為0.097，未通過顯著性檢驗，表明政府補貼未能調節數字化轉型影響綠色創新的直接效應路徑?；谀Ｐ停?）的資源補充間接調節效應檢驗結果如第2列所示。由于digital和digital×subsidy均未通過顯著性檢驗，表明政府補貼的資源補充效應不明顯，拒絕假設H4a?；谀Ｐ停?）的信號傳遞間接調節效應檢驗結果如第3列所示。在主回歸與前文一致的基礎上，數字化轉型與政府補貼交互項（digital×subsidy）的系數為1.226，在10%水平上顯著為正，表明政府補貼通過信號傳遞效應間接調節了數字化轉型的效率抑制路徑，假設H4b得到驗證。創新活動的高度不確定性使得企業內部和外部存在信息不對稱，而政府創新補貼恰好能夠扮演信號傳遞媒介的角色［29］。獲得政府創新補貼傳遞出的信號是企業在紡織行業某一技術創新領域得到認可，這種認可信號幫助紡織企業獲得其他外部協同創新資源，彌補因紡織產業鏈數字化協同創新系統和知識共享平臺發展滯后對綠色創新效率的制約。綜上所述，政府補助可以間接緩解數字化轉型對綠色創新的負向影響效應。

3.6.2 環境信息披露效應

表10為環境信息披露效應的檢驗結果?；谀Ｐ停?）的直接調節效應檢驗結果如表10第1列所示。數字化轉型（digital）對綠色創新（GP）的回歸系數為-13.832，在1%的顯著性水平上為負，與基準回歸保持一致。數字化轉型與環境信息披露交互項（digital×disclosure）的系數為25.959，在1%顯著性水平上為正，表明環境信息披露正向調節了數字化轉型影響綠色創新的直接效應路徑，有利于企業綠色創新。這與王曉祺等［32］基于上市公司總體樣本的研究結論一致。因此，較強的環境信息披露能夠督促紡織企業重視全流程數據要素的積累與應用，緩解數據延遲和信息超載造成的綠色創新低效問題。第2列是基于模型（5）的間接調節效應檢驗結果，顯示在主效應與前文一致的基礎上，數字化轉型與環境信息披露交互項（digital×disclosure）的系數為3.866，未通過顯著性檢驗，因此環境信息披露未調節效率抑制間接效應路徑。綜上所述，環境信息披露能夠直接緩解數字化轉型對綠色創新的抑制作用。

4 結 論

面對能源與環境的雙重壓力，如何實現數字化綠色化協同轉型已成為中國紡織行業關注的重點問題之一。本文基于資源基礎理論和資源編排理論，將政府補助和環境信息披露納入數字化轉型影響綠色創新的理論框架，從資源與效率角度挖掘數字化轉型潛在的抑制作用路徑。基于2011—2022年中國A股紡織行業上市公司面板數據，采用雙效固定效應模型，實證檢驗紡織企業數字化轉型對綠色創新的抑制效果與中介機制，并且識別了政府補助和環境信息披露兩種政策工具的調節機制，以期為傳統制造業數字化和綠色化協同共促高質量發展提供啟示。研究發現，數字化轉型對紡織企業綠色創新產生了抑制作用，新興數字技術還未能對紡織企業原有的綠色創新流程實現賦能。中介檢驗表明，數字化轉型并未占用紡織企業綠色創新資源，其對綠色創新的影響源于“效率抑制”。調節檢驗顯示，環境信息披露能夠直接緩解數字化轉型對綠色創新的抑制作用，政府補貼的“信號傳遞”效應能夠間接削弱數字化轉型對綠色創新的“效率抑制”作用。

本文為推進紡織企業數字化綠色化協同轉型提供以下啟示：1） 采取有側重的漸進式數字化轉型戰略。鑒于數字化轉型戰略與企業管理能力不匹配帶來的消極影響，紡織行業應當支持龍頭企業和綠色工廠探索以數字化轉型為基礎的綠色創新路徑，合理應用“以舊換新”政策，逐漸提升行業整體數字化管理與應用能力，逐步激活紡織行業綠色創新活力。2） 建設紡織全產業鏈協同的數字化智能生態。鑒于產業鏈協同能力不足對綠色創新效率的不利影響，紡織行業應當彌合全流程數字化轉型斷點，增強數據要素在紡織設計、生產、決策和管理各環節的流動性，加強模塊化單元的數字化集成應用，提升紡織企業全生命周期的綠色創新需求識別效率，深化數字技術與綠色創新流程的耦合。3） 支持搭建跨產業鏈協同創新服務平臺。發揮政府補貼在紡織企業數字化綠色化協同轉型過程的信號傳遞作用，更好地匯聚、整合、連接和配置數據、技術、人才、資本等創新要素，促進綠色紡織共性技術和復雜綠色關鍵技術突破。4） 完善紡織行業環境信息披露標準與框架。以規范行業環境信息披露制度為抓手，對接國際可持續發展合作規則，將環境信息披露納入企業綠色供應鏈管理要求，激發數字化轉型的環境治理效能與綠色創新實踐。5） 構建數字化綠色化協同發展的人才支撐體系。鑒于紡織企業數字化轉型新增的研發人員投入未能為綠色創新創造顯著增量，應當聯合紡織高校和科研院所建立掌握綠色創新和數字技術的復合型智庫，結合市場導向和企業轉型升級需求，培養熟悉可持續發展業務的數字化經營管理人才。

本文仍存在一些局限，需在未來研究中深入探討：1） 本研究僅從綠色專利維度衡量企業綠色創新，探究數字化轉型對紡織企業綠色創新的影響作用與機制。未來的研究可以在此基礎上納入管理和營銷等維度的綠色創新，以完善紡織企業綠色創新的研究范疇。2） 受制于中國紡織行業上市公司樣本量，本研究未能進一步分析數字化轉型對紡織企業綠色創新的異質性影響。后續研究可以嘗試對紡織領域的細分行業企業、不同產權性質或不同地理區位企業數字化轉型的綠色創新影響進行深入分析。

參考文獻：

［1］中國紡織工業聯合會. 2022/2023中國紡織工業發展報告［M］. 北京： 中國紡織出版社， 2023.

China National Textile and Apparel Council. 2022/2023 China Textile Industry Development Report［M］. Beijing： China Textile amp; Apparel Press， 2023.

［2］Textile Exchange. Materials Market Report［EB/OL］. （2023-11-01）［2024-01-28］. https：//textileexchange.org/app/uploads/2023/11/Materials-Market-Report-2023.pdf.

［3］House of Commons Environmental Audit Committee. Fixing fashion： Clothing consumption and sustainability［R］. London： the House of Commons， 2019.

［4］杜歡政， 劉建成， 陸莎. 雙碳目標下紡織產業的綠色創新與發展［J］. 紡織學報， 2022， 43（9）： 120-128.

DU H Z， LIU J C， LU S. Green innovation and development of textile industry under dual carbon goals［J］. Journal of Textile Research， 2022， 43（9）： 120-128.

［5］齊紹洲， 林屾， 崔靜波. 環境權益交易市場能否誘發綠色創新？ 基于我國上市公司綠色專利數據的證據［J］. 經濟研究， 2018， 53（12）： 129-143.

QI S Z， LIN S， CUI J B. Do environmental rights trading schemes induce green innovation？ Evidence from listed firms in China［J］. Economic Research Journal， 2018， 53（12）： 129-143.

［6］中國紡織工業聯合會. 2021/2022中國紡織工業發展報告［M］. 北京： 中國紡織出版社， 2022.

China National Textile and Apparel Council. 2021/2022 China Textile Industry Development Report［M］. Beijing： China Textile amp; Apparel Press， 2022.

［7］申明浩， 譚偉杰. 數字化與企業綠色創新表現： 基于增量與提質的雙重效應識別［J］. 南方經濟， 2022（9）： 118-138.

SHEN M H， TAN W J. Digitalization and green innovation performance of enterprises： Identification of double effects based on increment and quality improvement［J］. South China Journal of Economics， 2022（9）： 118-138.

［8］李金昌， 連港慧， 徐藹婷. “雙碳”愿景下企業綠色轉型的破局之道： 數字化驅動綠色化的實證研究［J］. 數量經濟技術經濟研究， 2023， 40（9）： 27-49.

LI J C， LIAN G H， XU A T. Study on the path of enterprise green transformation under the carbon peaking and carbon neutrality goals： An empirical study on digitalization driving greenization［J］. Journal of Quantitative amp; Technological Economics， 2023， 40（9）： 27-49.

［9］王旭， 張曉寧， 牛月微. “數據驅動”與“能力詛咒”： 綠色創新戰略升級導向下企業數字化轉型的戰略悖論［J］. 研究與發展管理， 2022， 34（4）： 51-65.

WANG X， ZHANG X N， NIU Y W. “Data driven” and “capability curse”： Strategic paradox of enterprise digital transformation under the guidance of green innovation strategy upgrade［J］. Ramp;D Management， 2022， 34（4）： 51-65.

［10］金星曄， 左從江， 方明月， 等. 企業數字化轉型的測度難題： 基于大語言模型的新方法與新發現［J］. 經濟研究， 2024， 59（3）： 34-53.

JIN X Y， ZUO C J， FANG M Y， et al. Measurement problem of enterprise digital transformation： New methods and findings based on large language models［J］. Economic Research Journal， 2024， 59（3）： 34-53.

［11］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.

［12］宋德勇， 朱文博， 丁海. 企業數字化能否促進綠色技術創新？ 基于重污染行業上市公司的考察［J］. 財經研究， 2022， 48（4）： 34-48.

SONG D Y， ZHU W B， DING H. Can firm digitalization promote green technological innovation？ An examination based on listed companies in heavy pollution industries［J］. Journal of Finance and Economics， 2022， 48（4）： 34-48.

［13］余菲菲， 曹佳玉， 杜紅艷. 數字化悖論： 企業數字化對創新績效的雙刃劍效應［J］. 研究與發展管理， 2022， 34（2）： 1-12.

YU F F， CAO J Y， DU H Y. Digitalization paradox： Double-edged sword effect of enterprise digitalization on innovation performance［J］. Ramp;D Management， 2022， 34（2）： 1-12.

［14］林永佳， 楊暢， 蔡幸. 企業數字化轉型與綠色創新能力升級： 基于網絡效應的分析［J］. 現代財經（天津財經大學學報）， 2023， 43（2）： 3-19.

LIN Y J， YANG C， CAI X. Enterprise digital transformation and green innovation capability development： Analysis based on network effects［J］. Modern Finance and Economics-Journal of Tianjin University of Finance and Economics， 2023， 43（2）： 3-19.

［15］王鋒正， 劉向龍， 張蕾， 等. 數字化促進了資源型企業綠色技術創新嗎？［J］. 科學學研究， 2022， 40（2）： 332-344.

WANG F Z， LIU X L， ZHANG L， et al. Does digitalization promote green technology innovation of resource-based enterprises？［J］. Studies in Science of Science， 2022， 40（2）： 332-344.

［16］成瓊文， 陸思宇. 數字技術應用、經濟不確定性與綠色創新［J］. 軟科學， 2023， 37（5）： 1-7.

CHENG Q W， LU S Y. Digital technology application， economic uncertainty and green innovation［J］. Soft Science， 2023， 37（5）： 1-7.

［17］ZHANG W Q， ZHAO J L. Digital transformation， environmental disclosure， and environmental performance： An examination based on listed companies in heavy-pollution industries in China［J］. International Review of Economics amp; Finance， 2023（87）： 505-518.

［18］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.

JIN Y， WEN W， HE Y. Impact of digital transformation on corporate green innovation： Evidence from China’s manufacturing listed companies［J］. Finance and Trade Research， 2022， 33（7）： 69-83.

［19］郭豐， 楊上廣， 柴澤陽. 企業數字化轉型促進了綠色技術創新的“增量提質”嗎？ 基于中國上市公司年報的文本分析［J］. 南方經濟， 2023（2）： 146-162.

GUO F， YANG S G， CHAI Z Y. Does digital transformation of enterprises improve the quantity and quality of green technology innovation？ Text analysis based on annual reports of Chinese listed companies［J］. South China Journal of Economics， 2023（2）： 146-162.

［20］HAJLI N. Social commerce constructs and consumer’s intention to buy［J］. International Journal of Information Management， 2015， 35（2）： 183-191.

［21］徐輝， 周孝華， 周兵. 數字化轉型對制造業企業創新效率的門檻效應研究［J］. 管理學刊， 2024， 37（1）： 100-119.

XU H， ZHOU X H， ZHOU B. Research on the threshold effect of digital transformation on innovation efficiency of manufacturing enterprises［J］. Journal of Management， 2024， 37（1）： 100-119.

［22］李建琴， 童文慶， 周恒. 數字化轉型對紡織業升級的影響研究［J］. 絲綢， 2024， 61（1）： 1-10.

LI J Q， TONG W Q， ZHOU H. Research on the influence of digital transformation on the textile industrial upgrading［J］. Journal of Silk， 2024， 61（1）： 1-10.

［23］鄭小虎， 劉正好， 陳峰， 等. 紡織工業智能發展現狀與展望［J］. 紡織學報， 2023， 44（8）： 205-216.

ZHENG X H， LIU Z H， CHEN F， et al. Current status and prospect of intelligent development in textile industry［J］. Journal of Textile Research， 2023， 44（8）： 205-216.

［24］劉海建， 胡化廣， 張樹山， 等. 供應鏈數字化的綠色創新效應［J］. 財經研究， 2023， 49（3）： 4-18.

LIU H J， HU H G， ZHANG S S， et al. The green innovation effect of supply chain digitization［J］. Journal of Finance and Economics， 2023， 49（3）： 4-18.

［25］劉淑春， 閆津臣， 張思雪， 等. 企業管理數字化變革能提升投入產出效率嗎［J］. 管理世界， 2021， 37（5）： 170-190.

LIU S C， YAN J C， ZHANG S X. Can corporate digital transformation promote input-output efficiency？［J］. Journal of Management World， 2021， 37（5）： 170-190.

［26］戚聿東， 蔡呈偉. 數字化對制造業企業績效的多重影響及其機理研究［J］. 學習與探索， 2020（7）： 108-119.

QI Y D， CAI C W. Research on the multiple effects of digitalization on the performance of manufacturing enterprise and their mechanisms［J］. Study amp; Exploration， 2020（7）： 108-119.

［27］WERNERFELT B. A resource-based view of the firm［J］. Strategic Management Journal， 1984， 5（2）： 171-180.

［28］解學梅， 朱琪瑋. 企業綠色創新實踐如何破解“和諧共生”難題？［J］. 管理世界， 2021， 37（1）： 128-149.

XIE X M， ZHU Q W. How can green innovation solve the dilemmas of “Harmonious Coexistence”？［J］. Journal of Management World， 2021， 37（1）： 128-149.

［29］楊洋， 魏江， 羅來軍. 誰在利用政府補貼進行創新？ 所有制和要素市場扭曲的聯合調節效應［J］. 管理世界， 2015（1）： 75-86.

YANG Y， WEI J， LUO L J. Who innovate from the government subsidies？ The joint regulatory effect of ownership and the factor market distortions［J］. Journal of Management World， 2015（1）： 75-86.

［30］劉劍民， 夏琴， 徐玉德， 等. 產業技術復雜性、政府補助與企業綠色技術創新激勵［J］. 南開管理評論， 2024， 27（2）： 94-103.

LIU J M， XIA Q， XU Y D， et al. Industrial technical complexity， government subsidies and corporate green technology innovation incentives［J］. Nankai Business Review， 2024， 27（2）： 94-103.

［31］馬文斌， 朱歡. 綠色低碳企業創新效率測度及影響因素研究： 基于三階段DEA與Tobit模型［J/OL］. 軟科學， 2024： 51.1268.G3.20230920.1418.012.html.

MA W B， ZHU H. Innovation efficiency measurements and influencing factors of green and low-carbon enterprises： An analysis based on three-stage DEA and Tobit panel model［J/OL］. 軟科學， 2024： 51.1268.G3.20230920.1418.012.html.

［32］王曉祺， 寧金輝. 強制社會責任披露能否驅動企業綠色轉型？ 基于我國上市公司綠色專利數據的證據［J］. 審計與經濟研究， 2020， 35（4）： 69-77.

WANG X Q， NING J H. Can mandatory social responsibility disclosure drive corporate green transformation？ Evidence based on green patent data of listed companies in China［J］. Journal of Audit amp; Economics， 2020， 35（4）： 69-77.

［33］王曉祺， 郝雙光， 張俊民. 新《環保法》與企業綠色創新： “倒逼”抑或“擠出”？［J］. 中國人口·資源與環境， 2020， 30（7）： 107-117.

WANG X Q， HAO S G， ZHANG J M. New Environmental Protection Law and corporate green innovation： Forcing or forcing out？［J］. China Population， Resources and Environment， 2020， 30（7）： 107-117.

［34］祁懷錦， 曹修琴， 劉艷霞. 數字經濟對公司治理的影響： 基于信息不對稱和管理者非理性行為視角［J］. 改革， 2020（4）： 50-64.

QI H J， CAO X Q， LIU Y X. The influence of digital economy on corporate governance： Analyzed from information asymmetry and irrational behavior perspective［J］. Reform， 2020（4）： 50-64.

［35］傅穎， 徐琪， 林嵩. 在位企業流程數字化對創新績效的影響： 組織惰性的調節作用［J］. 研究與發展管理， 2021， 33（1）： 78-89.

FU Y， XU Q， LIN S. Business process digitization， organizational inertia and innovation performance in incumbent firms： Moderating effect of organizational inertia［J］. Ramp;D Management， 2021， 33（1）： 78-89.

［36］李萬利， 劉虎春， 龍志能， 等. 企業數字化轉型與供應鏈地理分布［J］. 數量經濟技術經濟研究， 2023， 40（8）： 90-110.

LI W L， LIU H C， LONG Z N， et al. Enterprise digital transformation and the geographic distribution of supply chain［J］. Journal of Quantitative amp; Technological Economics， 2023， 40（8）： 90-110.

［37］袁淳， 肖土盛， 耿春曉， 等. 數字化轉型與企業分工： 專業化還是縱向一體化［J］. 中國工業經濟， 2021（9）： 137-155.

YUAN C， XIAO T S， GENG C X， et al. Digital transformation and division of labor between enterprises： Vertical specialization or vertical integration［J］. China Industrial Economics， 2021（9）： 137-155.

［38］GAO W L， CHOU J L. Innovation efficiency， global diversification， and firm value［J］. Journal of Corporate Finance， 2015（30）： 278-298.

［39］劉暢， 潘慧峰， 李珮， 等. 數字化轉型對制造業企業綠色創新效率的影響和機制研究［J］. 中國軟科學， 2023（4）： 121-129.

LIU C， PAN H F， LI P， et al. Impact and mechanism of digital transformation on the green innovation efficiency of manufacturing enterprises in China［J］. China Soft Science， 2023（4）： 121-129.

［40］劉振， 劉博. 股權集中度、管理者薪酬組合與自主創新投資［J］. 科研管理， 2018， 39（12）： 95-102.

LIU Z， LIU B. Ownership concentration， managerial compensation package and independent innovation investment［J］. Science Research Management， 2018， 39（12）： 95-102.

［41］李琦， 劉力鋼， 邵劍兵. 數字化轉型、供應鏈集成與企業績效： 企業家精神的調節效應［J］. 經濟管理， 2021， 43（10）： 5-23.

LI Q， LIU L G， SHAO J B. The effects of digital transformation and supply chain integration on firm performance： The moderating role of entrepreneurship［J］. Business and Management Journal， 2021， 43（10）： 5-23.

［42］祁懷錦， 劉斯琴. 企業數字化發展對綠色創新的影響及其作用機理［J］. 當代經濟科學， 2023， 45（4）： 72-83.

QI H J， LIU S Q. The influence and mechanism of enterprise digital development on green innovation［J］. Modern Economic Science， 2023， 45（4）： 72-83.

［43］任曉松， 劉宇佳， 趙國浩. 經濟集聚對碳排放強度的影響及傳導機制［J］. 中國人口·資源與環境， 2020， 30（4）： 95-106.

REN X S， LIU Y J， ZHAO G H. The impact and transmission mechanism of economic agglomeration on carbon intensity［J］. China Population， Resources and Environment， 2020， 30（4）： 95-106.

［44］溫忠麟， 葉寶娟. 有調節的中介模型檢驗方法： 競爭還是替補？［J］. 心理學報， 2014， 46（5）： 714-726.

WEN Z L， YE B J. Different methods for testing moderated mediation models： Competitors or backups？［J］. Acta Psychologica Sinica， 2014， 46（5）： 714-726.

［45］江艇. 因果推斷經驗研究中的中介效應與調節效應［J］. 中國工業經濟， 2022（5）： 100-120.

JIANG T. Mediating effects and moderating effects in causal inference［J］. China Industrial Economics， 2022（5）： 100-120.

［46］LEWBEL A. Constructing instruments for regressions with measurement error when no additional data are available， with an application to patents and Ramp;D［J］. Econometrica， 1997， 65（5）： 1201-1213.

［47］李唐， 李青， 陳楚霞. 數據管理能力對企業生產率的影響效應： 來自中國企業—勞動力匹配調查的新發現［J］. 中國工業經濟， 2020（6）： 174-192.

LI T， LI Q， CHEN C X. The effect of data management ability on firm productivity new evidence from China employer-employee survey［J］. China Industrial Economics， 2020（6）： 174-192.

［48］張文文， 景維民. 數字經濟監管與企業數字化轉型： 基于收益和成本的權衡分析［J］. 數量經濟技術經濟研究， 2024， 41（1）： 5-24.

ZHANG W W， JING W M. Digital economy regulation and digital transformation of enterprises： A balancing analysis of benefits and costs［J］. Journal of Quantitative amp; Technological Economics， 2024， 41（1）： 5-24.

［49］沈菲， 陶啟智， 張云. 董事海外背景對企業綠色技術創新的影響研究： 基于企業聲譽的視角［J］. 上海財經大學學報， 2022， 24（3）： 108-122.

SHEN F， TAO Q Z， ZHANG Y. Directors with overseas background and firm green technology innovation： From the perspective of corporate reputation［J］. Journal of Shanghai University of Finance and Economics， 2022， 24（3）： 108-122.

［50］趙君麗， 寧江霞， 張文秋. 工業機器人、人力資本與就業： 以紡織產業為例［J］. 絲綢， 2024， 61（1）： 11-22.

ZHAO J L， NING J X， ZHANG W Q. Industrial robots， human capital， and employment： Taking the textile industry as an example［J］. Journal of Silk， 2024， 61（1）： 11-22.

The effect and mechanism of digital transformation on green innovation of textile enterprises

ZHANG Chi， WANG Xiangrong

ZHANG Wenqiu1， CHEN Shuilin1， LI Hao2，3

（1.Glorious Sun School of Business and Management， Donghua University， Shanghai 200051， China; 2.Business School，Nanjing Xiaozhuang University， Nanjing 211171， China; 3.Business School， Nanjing University， Nanjing 210008， China）

Abstract： The textile industry plays a crucial role in national economic and social development， serving as a fundamental industry that not only supports people’s livelihoods but also enhances their quality of life. Green innovation is an important requirement for the textile industry’s high-quality development. In recent years， China’s textile industry has actively promoted the development and application of full-process green technology. A full-life-cycle green and low-carbon industrial system has been initially established. However， low investment in innovation factors， weak green coordination among industrial chains and insufficient disclosure of environmental information are still restricting green innovation. Given this， it is crucial for textile enterprises to overcome the barriers to green innovation as they enter a new phase of green transformation. With the promotion of digital transformation， textile enterprises integrate digital technology into textile equipment， process flow， clean production， and other green innovation links and explore energy saving and consumption reduction in the manufacturing stage. In this context， the effect of digital transformation applied to green innovation in textile enterprises needs to be evaluated， and the black box mechanism urgently needs to be explored.

Based on the resource-based theory and resource orchestration theory， this paper incorporates government subsidies and environmental information disclosure into the theoretical framework of the impact of digital transformation on green innovation. Adopting the panel data of China’s A-share listed companies in the textile industry from 2011 to 2022 and the two-way fixed effect model， it empirically tests the effect and mechanism of digital transformation on green innovation. From the perspective of resources and efficiency， the paper explores the potential mediating path of digital transformation and discusses the moderating mechanisms of government subsidies and information disclosure as two policy tools.

This study offers the following contributions. First， the measurement of the digital transformation using the objective data from textile enterprises is improved. Second， the empirical method fills the gap in the textile industry digital-greening study. Third， from the perspective of inhibition mechanisms， it provides enlightenment for warning digital paradoxes and guiding digital transformation to empower green innovation through policy tools. The results show that digital transformation has a restraining effect on green innovation， and emerging digital technologies have not yet enabled the original green innovation process of textile enterprises. The mediating test shows that digital transformation does not occupy the green innovation resources of textile enterprises， and its impact on green innovation is due to “efficiency inhibition” rather than “factor crowding-out”. The moderating test shows that disclosing environmental information can directly lessen the inhibition effect of digital transformation on green innovation. The “signal transmission” effect of government subsidies can indirectly weaken the “efficiency inhibition” effect of digital transformation on green innovation.

The study of the impact and mechanisms of digital transformation on green innovation can serve as a guide for textile enterprises， enabling them to better adapt to the demands of green innovation. It can also serve as inspiration for the digital-greening collaboration of traditional manufacturing industries to promote high-quality development.

Key words： digital transformation; textile enterprises; green innovation; factor crowding-out; green innovation efficiency; government subsidies; environmental information disclosure