賦能還是負能：數據要素與重污染企業綠色技術創新

中圖分類號：F273.1；X322 文獻識別碼：A 文章編號：1004-342（2025）05-43-17

黨的二十大報告再次重申“綠水青山就是金山銀山”的綠色發展理念。①2022 年12月，國家發展改革委、科技部出臺的《關于進一步完善市場導向的綠色技術創新體系實施方案（2023一2025年）》指出，要“進一步完善市場導向的綠色技術創新體系”，“強化企業創新主體地位”，以“加快發展方式綠色低碳轉型、推動高質量發展”。①在此背景下，政府將給予開展綠色技術創新的企業更多扶持，而重污染企業的融資與信貸將會受到一定程度的限制。因此，部分重污染企業亟須尋找新的綠色技術創新動力，向外界塑造綠色形象以獲得更多的政府支持。

2023年9月，為加快經濟高質量發展，“新質生產力”這一概念應運而生?！靶沦|生產力”的“新”表現為數字技術和數字經濟的深度融合；而“質”表現在運用數字技術優化生產效率、提高產品和服務水平，以實現綠色可持續發展。這進一步證實了大數據、云計算等信息技術已然是中國經濟綠色轉型的新引擎。2022年12月，中共中央、國務院出臺了《關于構建數據基礎制度更好發揮數據要素作用的意見》，基于數據產權、數據要素治理等重要制度，初步構造中國數據基礎制度的“四梁八柱”。 ②₂₀₂₃ 年10月，國家數據局正式揭牌，意味著數據要素已然是中國經濟轉型的關鍵支點。

然而，數據作為數字經濟時代的“石油”，是越多越好嗎？一方面，企業通過將獲取的海量數據與勞動力、資本、技術等傳統生產要素結合，產生“兩要素互生”“多要素共生”的良性耦合態勢，③加速科技與生產融合，有益于管理層整體把控、有效監督綠色技術創新活動的各個環節，進一步完善內部風險評估體系并提高風險應對能力，降低綠色研發中風險隱患的發生概率，增加綠色創新產出，助推企業綠色可持續發展。另一方面，數據存在量多質低、快速貶值等問題，這既會影響數據價值的創造和利用，亦會導致企業創新明顯放緩。在此背景下，深人剖析數據要素在企業綠色技術創新過程中的“賦能”或“負能”效果，對企業加快綠色轉型、踐行綠色低碳發展理念具有重要的理論和現實意義

本文可能的邊際貢獻有：（1）以微觀經濟主體重污染企業為研究對象，將數據要素納人微觀企業綠色技術創新的分析框架，相比于以往城市群或省級層面的研究，本文的結果更具針對性；（2）本文深人探討了數據要素對重污染企業綠色技術創新的潛在作用機制及異質性，將有助于企業實現綠色可持續發展提供可行路徑，同時豐富了數據要素的研究思路，為外部治理環境改善和內部實施發展策略以實現更好更快的綠色轉型發展提供政策啟示。

一、文獻綜述

數據是一把“雙刃劍”。已有文獻探究了有關數據要素的經濟后果，但存在相悖的結論。一方面，作為第四次工業革命的重要戰略性資源和生產力，數據要素釋放的倍增效應顯著提升企業全要素生產率，并成為聯動不同產業綠色轉型的核心紐帶。②同時，數據要素攜帶大量真實可靠的經濟信息，其應用價值源于“流通與共享”，體現在促進經濟增長、驅動企業決策、提高生產效率等方面。另一方面，數據要素的非競爭性、低成本性以及易復制性特征，無法構成企業的持續競爭優勢；并且其具備的規模報酬遞增特征也會進一步擴大企業間的“數字鴻溝”，其中頭部企業利用此優勢進行數據封鎖，繼而擠占初創企業的創新空間。同時，并非所有企業都能合理利用數字工具處理數據并應用于創新活動中，這很可能導致企業創新效率明顯下降，并且政策的缺陷性也會抑制數據要素的創新效應

關于企業綠色技術創新的影響因素，既有文獻分別從企業內部推動因素和企業外部拉動因素進行了研究。企業綠色技術創新水平受到環境規制、金融支持、等外部因素的影響；更重要的是與利益相關者、高管團隊特征、①企業組織文化等內部因素相關。

綜合來看，已有文獻證實了數據要素對城市或區域等中觀層面綠色創新發展的影響，同時也有學者論證了數字經濟、數字化轉型等因素對企業綠色技術創新的影響，但鮮有研究基于微觀經濟主體重污染企業視角探討數據要素與綠色技術創新活動之間的關系?；诖?，本文將數據要素與重污染企業綠色技術創新納入同一研究框架中，探討數據要素對企業綠色技術創新究竟是“數字鴻溝”還是“數字紅利”？此外，本文還分析資源配置效率、研發投人在數據要素與企業綠色技術創新之間的作用。進一步，考察環境規制、區域及智能化水平等特質不同時，數據要素對企業綠色技術創新是否產生異質性效應。

二、理論分析和研究假設

熊彼特創新理論提出，創新即“生產要素的重新組合”。數字經濟背景下，數據成為新的生產要素，數據要素相較于資本、勞動力等傳統生產要素，是一種高級的、全新的生產要素，數據量愈多愈好，能夠形成強大的“數據網絡效應”。基于此，重污染企業可依據本企業生產經營需要來篩選、組合所獲得的豐富數據及信息，對綠色技術創新產生直接生產效應與組合生產效應。具體來說，直接生產效應層面，基于數據集合擴大、利用頻率的提升，其可以幫助企業解讀、轉化已有信息，形成“數據一信息一知識一數據”的價值增值閉環，強化企業從現有數據中提取創新要素的技能，進而調動企業開展綠色技術創新的積極性。組合生產效應層面，在資源配置過程中，由于資本、勞動等傳統生產要素固有的信息不足及信息不對稱等缺陷，致使要素資源錯配現象普遍發生。然而，當傳統生產要素與數據要素相互融合，可以為重污染企業及時、準確地提供有效市場信息，協助其更全面地知曉市場需求狀況，明晰綠色技術創新方向，降低產品研發過程中因決策失誤造成的損失，進一步緩和綠色創新體系中產品供給端和需求端矛盾，①繼而規避由綠色技術創新成果商業化產生的風險。②同時，進一步提高技術人員創造能力和生產效率，激發重污染企業員工綠色技術創新潛力。此外，重污染企業嘗試通過借助大數據作為綠色技術創新動力，以獲得更多的政府支持和稅收優惠，促進企業實現綠色可持續發展。由此可以研判，數據要素可以賦能企業綠色技術創新。

然而，“水能載舟，亦能覆舟”。由于數據存在質量參差不齊、快速貶值等問題，數據量越多，越有可能阻礙數據價值的創造和使用。隨著大數據的發展，盡管企業更易獲取海量非競爭性、低成本性以及易復制性的數據，但是并非所有企業都能合理利用數字工具處理并使用所獲得的數據，大數據分析也未必能帶來更好的企業決策，這很可能導致企業創新明顯放緩。同時，數據要素在與傳統生產要素間匹配過程中產生的誤差以及數據要素的強外部性特征會致使企業數據要素嵌入的空心化，繼而有礙企業開展綠色技術創新活動。具體來說，一方面，龍頭企業為獲得更多數據壟斷利潤，相較于推動數據要素的流通交易，更側重于囤積數據，繼而出現少數大企業壟斷的局面，引起創新抑制效應；另一方面，數據要素的非排他性特征，會導致數據交易各方主體在分配權益時形成混亂局面，進而降低企業進行數據交易的意愿。此外，“雙碳”目標下，政府往往更傾向于給予綠色、低碳、環保的公司資金補助與政策扶持?；谕獠慷嘀刂贫葔毫?，重污染企業也許為獲得更多的政府支持，加大研發階段無形資本的投入，而這些無形資本在短期內難以帶來經濟產出，致使企業創新效率下降，綠色創新行為受阻。據此可以研判，數據要素可能“負能”企業綠色技術創新。

綜合上述理論分析，數據要素是“賦能”還是“負能”企業綠色技術創新呢？因此，本文提出競爭性假設：

Hla：數據要素對重污染企業綠色技術創新具有正向促進作用。

Hlb：數據要素對重污染企業綠色技術創新具有反向抑制作用。

三、數據來源和研究設計

（一）樣本選擇與數據來源

近些年來，中國全面倡導企業“綠色化”“低碳化”生產。重污染行業作為“三去一降一補”的重點關注對象，①綠色技術創新對于其長遠發展尤為關鍵，因而解決重污染企業的綠色技術創新問題迫在眉睫。本文以2013年為研究起點，選擇2013—2022年作為樣本觀測期，并剔除金融類企業、數據缺失、資產負債率大于1等企業樣本。同時，對包含的連續變量進行了 1% 和 99% 水平的縮尾處理，最后得到7146個觀測值。

本文的數據來源為：首先，綠色技術創新數據通過專利數據庫、中國研究數據服務平臺獲?。黄浯?，數據要素數據從上市企業年度財務報告中獲取；最后，其余研究變量相關數據主要從歐洲中期天氣預報中心、國泰安數據庫和萬得數據庫取得，

（二）研究變量

1.被解釋變量

企業綠色技術創新（LnGTI）。學術界普遍認可專利能夠衡量企業綠色技術創新水平，而綠色專利申請又能更及時、準確地反映企業綠色技術創新能力的高低。所以，本文借鑒徐佳和崔靜波的研究，采用綠色發明型專利進行衡量。此外，由于綠色專利申請數據呈現右偏分布，故本文采取綠色專利數量加1的自然對數為綠色技術創新的度量指標。

2.解釋變量

數據要素（SJ），主要源自數字技術的投入使用。③本文參考史青春等的研究，④使用Python技術對2013—2022年上市重污染企業年報信息中的數據要素投入水平進行文本分析和詞頻統計。其中，數據要素投入水平Σ=Σ “智能技術水平”披露次數 + “區塊鏈技術水平”披露次數 + “云計算技術水平”披露次數 + “大數據技術水平”披露次數＋“大數據技術應用水平”披露次數。

3.中介變量

資源配置效率。為了提高實證結果的準確性，本文采用兩個子指標來衡量要素資源配置效率。借鑒戴魁早等的做法，企業勞動要素配置效率使用主營業務收入占員工人數比重的自然對數（LnLabor）度量，使用企業主營業務收入比企業固定資產的自然對數（LnCapital）衡量企業資本要素配置效率。

研發投入（Rdd）?；谑箶祿悠椒€及消除異方差的目的，本文參考王曉紅等的研究，①采用研發支出的自然對數來衡量研發投入。

4.調節變量

環境規制（ER）。參考杜克銳等的研究，②本文使用空氣流通系數度量環境規制強度，即10米高風速和大氣邊界層高度相乘得到各地區（城市）不同年份的空氣流動系數。數據來源于歐洲中期天氣預報中心公布的ERA5氣象數。實證模型中采用的變量和具體度量指標見表1。

表1變量的定義與衡量方法

（三）回歸模型構建

首先，為了深入剖析數據要素與企業綠色技術創新之間的關系，本文借鑒陶長琪和丁煜的研究，③構建以下模型進行基準回歸分析：

其中， i，j，t 分別表示上市公司、行業以及時間。 LnGTI_it 代表企業綠色技術創新水平；SJ_it 為數據要素，Controls 即控制變量， η_j，ω_t 分別表示行業和時間固定效應， ε_it 代表隨機誤差項。

四、實證結果與分析

（一）描述性統計結果

全樣本描述性統計結果由表2列示，可以看出重污染企業綠色技術創新（LnGTI）

的均值為0.424，最大值為3.367，而最小值是0，表示綠色創新專利申請數量企業間差異性較大，多數重污染企業綠色技術創新積極性不足，重污染行業的綠色技術創新水平提升尚存在較大進步空間。數據要素（SJ）的最大值是41，最小值是0，意味著不同企業數據要素的使用水平存在較大的差異

表2描述性統計

（二）基準回歸

表3匯報了數據要素對重污染企業綠色技術創新雙重固定效應的回歸結果。回歸結果表明，綠色技術創新（LnGTI）與數據要素（SJ）的回歸系數為0.006，在 1% 的水平上顯著為正，說明數據要素的使用能夠促進透明、公開數據交易市場的建立，讓信息資源實現“增量提質”，這可大幅縮減綠色創新活動中開展數據收集與處理的邊際成本，提升邊際收益，讓資金最大程度地應用到企業綠色產品的生產過程中，達到調動企業綠色技術創新積極性的效果，即Hla獲得實證數據支撐

表3基準回歸

續表

（三）內生性檢驗

1.工具變量法

本文參考黃群慧等的研究，①以互聯網寬帶接入端口數占轄區年底人口數比重的自然對數作為工具變量 （IV） ，以此紓緩遺漏變量、反向因果等造成的內生性問題。互聯網基礎設施水平較高地區的數據要素利用程度較高，有益于該地區數據要素使用端重新組合現有資源，產生新的綠色創新動力，因此可以滿足相關性的要求。同時，區域人均互聯網寬帶接人端口數不直接作用于企業綠色創新活動，滿足外生性條件。

表4第（2）列結果顯示， IV 的回歸系數為24.759，在 1% 顯著性水平上為正，說明數據要素行業年均值與內生自變量高度相關，證實工具變量具有相關性。表4第（3）列回歸結果顯示，排除了內生性問題影響后，數據要素對企業綠色技術創新仍然具有顯著促進作用，本文結論仍然成立。除此之外，Cragg-Donald Wald F=45.296 ，大于 Stock-Yogo 10% 水平的閾值16.38，這意味著 IV 非“弱工具變量”。據此，進一步證實了本文的研究結論Hla具有穩健性。

2.Heckman兩階段回歸

綠色技術創新活動研發周期長，因而創新失敗風險系數較高，所以管理層會更加謹慎保守地進行綠色創新戰略決策，這可能會導致重污染行業上市公司少披露甚至不披露綠色專利數據，致使企業綠色技術創新數據出現自我選擇偏差。②因此，基于趙晶和孟維烜的解決方案，對5214個觀測值進行Heckman兩階段回歸。其中，選擇的工具變量 （IVI）= 上一年全國互聯網用戶數 × 各省1984 年每萬人固定電話的數量。①

Heckman兩階段回歸是否開展綠色技術創新結果如表4第（4）（5列所示。可以看出，imr回歸系數顯著，意味著樣本選擇偏差干擾了實證結果。接著，數據要素的估計系數亦在 1% 水平上顯著為正，說明數據要素為重污染企業綠色技術創新帶來“數字紅利”的結論在剔除樣本選擇偏誤影響后依舊成立。

表4內生性檢驗

（四）穩健性檢驗

1.改變計量回歸方法

2.替換企業綠色技術創新水平衡量指標

由于綠色專利數據具有左截尾的特點，本文在表5第（2）列中展示了控制行業及時間雙重固定效應的Tobit回歸結果?？梢园l現，數據要素的回歸系數仍然為正，意味著本文的結論具有穩健性。

本文參考王馨和王營的做法，以綠色創新總量（LnEnvrpat）替代核心被解釋變量進行穩健性檢驗，對實證模型（1）再次進行回歸檢驗，估計結果見表5列（3）。數據要素與綠色技術創新依舊呈顯著的正相關關系，故說明替換被解釋變量的衡量方式后，二者之間的相關性并沒有發生改變，并且利用數據要素能夠顯著提升企業綠色技術創新質量，這與主回歸結果具有一致性。

3.考慮重大政策影響

重污染企業利用數據要素進行綠色技術創新的過程中可能受到國家政策的影響。因此，為了排除2015年環保督察、2017年綠色金融改革試點以及2018年環保稅對本文結論可能產生的影響，本文剔除2015年、2017年、2018年的重污染上市公司樣本，實證結果如表5第（4）列所示，回歸系數為0.007，在 1% 的水平上高度顯著，意味著數據要素與重污染企業綠色技術創新之間的相關性并沒有發生改變，即實證模型（1）的回歸結果具有穩健性。

表5穩健性檢驗

五、作用機制檢驗

前文研究為深刻理解數據要素對重污染企業綠色技術創新的“賦能”效果提供了實證數據支撐。但僅就對數據要素與重污染企業綠色技術創新的關系進行了整體性刻畫，尚未對其中的作用機制進行深入探討。下文研究將揭示數據要素賦能企業綠色技術創新的“暗箱”。

第四次工業革命的浪潮下，一方面，恰逢現代運算能力的大幅提高，島式的信息被互聯互通，數據將對企業資源配置效率的提高產生重大影響?；谫Y源配置理論，企業核心競爭力深受資源稟賦的影響，因而綠色創新資源配置會影響重污染企業的綠色技術創新行為。另一方面，基于信息不對稱理論，企業可以通過大數據擴大信息搜索的空間，獲取和利用海量的數據信息，減少因信息不對稱帶來的負面外部性，并能夠預測未來市場的潛在需求，進而影響管理者對研發投入的判斷能力。此外，企業研發投人的準確性是影響企業綠色創新行為的重要因素之一。機制邏輯框架圖如下：

圖1數據要素與企業綠色技術創新機制邏輯框架

同時，為了進一步厘清資源配置效率、研發投入在數據要素與企業綠色技術創新中發揮的機制作用，本文根據江艇的研究思路，①構建模型如下：media_it=η₀+η₁SJ_it+η₂Controls+λ_i+γ_t+ε_it （2）

（一）資源配置效率

在理論上，企業要素資源配置效率會受到數據要素的影響。一是在勞動要素配置方面，大數據賦予機器設備智能化屬性，大數據賦予機器設備智能化屬性，助力智能化機器設備高效處理部分非常規任務，并且隨著企業用工成本的逐步提高，人工智能技術對部分常規性、高度程序化任務的替代性可能增強。同時，在創新的浪潮下，企業亟需更多具備創新能力的高技術人才和研發人才運用和創新人工智能技術，因而可能通過降低對常規低技能勞動力需求、增加對非常規高技能勞動力需求的方式，實現勞動力結構的調整，進而提升生產效率。最終，基于人工智能的替代效應、增強效應以及創造效應的釋放，將激勵勞動力提高人力資本水平以適配人工智能技術，促使中低人力資本水平勞動力向高人力資本水平勞動力轉型，企業勞動力配置向高級化發展。二是在資本要素配置方面，數據要素的參與重塑了資本要素的供給，提高了企業資本配置效率。“數字金融 + 實體網點”等新模式顯著改變了“臂彎”型金融供給曲線位置，打破了傳統金融環境下長期存在的金融服務“二八定律”，借助多樣化的金融產品和服務整合社會各類小額、分散、閑置的資金，為企業社會化生產提供更全面的金融支持。②同時，將數據要素應用于資本配置機制中，緩解了企業融資過程中的信息不對稱，因而企業可以更好地借助智能投顧、供應鏈金融等途徑獲得所需的資本要素供給，有助于優化企業的資本要素配置。

為進一步驗證上述機制，本文將資源配置效率細化成勞動要素配置效率（LnLabor）及資本要素配置效率（LnCapital）兩個指標，回歸結果如表6第（2）和（3）列所示。數據要素均在 1% 的水平上顯著正相關，究其原因，隨著企業在生產過程中逐步投入數據要素，這將打破傳統生產要素的桎梏，突破資源時空的局限性，緩解資源錯配，有利于資源配置的優化，讓各類綠色要素資源在多行業、部門間共享，有助于形成優勢互補、協同發展的局面，為重污染企業開展綠色創新活動提供更多的發展空間，實現數據要素有效賦能綠色技術創新鏈升級。這與林馳的研究結論基本一致。①

（二）研發投入

企業未來的研發回報易受到外界不確定性因素的沖擊，這會影響企業對未來市場投資的精準度，潛在地擴大了融資成本，增添投資的等待期權價值。數字經濟時代下，重污染企業可以通過大數據擴大信息搜索的空間，更高效地采集和開發碎片化的信息資源?；谛畔⒉粚ΨQ理論，這既能幫助企業精準預測未來市場的潛在需求，提高管理者的研發決策判斷能力，降低研發成本，擴大其在綠色技術創新方面的研發投入，又能基于數據要素的易復制性和外部性助推綠色技術的共享和流通，淡化并縮小創新活動的邊界，為企業獲取創新性信息流和知識流提供更具生命力的創新生態體系。此外，通過實時獲取的豐富、多源的市場供需信息，企業能夠及時規避研發風險并發現潛在的“藍海領域”，激發企業進行綠色技術創新活動的意愿和動力，形成企業獨特的競爭優勢。上述機制的實證結果即表6第（4）列，SJ 的回歸系數在 1% 的水平上顯著為正，可能的原因是：企業在研發環節精準應用數據要素，通過特定算法對生產流程進行數據模擬，依據不同階段的信息反饋對研發方向、進度進行引導、修訂及校正，實現研發投入在綠色技術創新上利用的最大化，繼而減少企業在生產活動中不必要的生產環節和資源消耗行為，降低生產過程的資源浪費和碳排放，加速重污染企業綠色化、低碳化轉型，助力綠色高質量發展，同時現有研究也基本證實了增加研發投人可以調動企業綠色技術創新積極性。③因此，通過利用數據要素，優化企業研發決策，增加企業研發投入促進企業綠色技術創新。

表6作用機制檢驗

續表

六、進一步分析

（一）基于環境規制的異質性分析

現有文獻對環境規制與企業綠色技術創新的相關關系并未形成統一的研究結論。一方面，根據波特假說理論，適度的環境規制有助于帶來“補償性收益”。①換言之，政府加強環境規制能夠規范企業資源開發行為，動態調節數據要素產生綠色技術創新效應。②隨著政府持續加大環境的外部監管和處罰力度，社會整體污染水平顯著下降，綠色低碳企業將擁有絕對競爭優勢，而高能耗、高污染的企業將漸漸被社會淘汰。重污染企業為保持原有市場份額，必須充分利用大數據進行綠色技術升級改造，以達到較高的綠色創新水平，實現產業智能化、綠色化及資源節約化。另一方面，也有研究認為環境規制對企業綠色技術創新并不能產生正向影響，亦不能帶來“波特效應”，相反還會抑制企業創新水平的提高。較強的環境規制會給重污染企業帶來更多的環境保護壓力和環保治理成本，這會對企業數據要素投人產生“擠占效應”，抑制數據要素乘數效應的釋放，導致企業綠色研發效率下降。

故本文通過數據要素和環境規制的交乘項（ SJ×ER ）檢驗環境規制在數據要素與綠色技術創新之間的調節效應，實證結果如表7第（2）列所示。實證結果顯示，

SJ^*ER 的估計系數顯著為正，表明當政府采取較低的環境規制時，盡管企業使用數據要素能夠快速地甄選出具有發展潛力和綠色價值的項目，但資金的有限性及管理者的短視行為，會在一定程度上抑制數據要素釋放“數字紅利”，環境規制力度的加強，能夠最大程度地激發數據要素賦能企業綠色技術創新效應。因此，加強環境規制，有利于激發微觀主體綠色技術創新活力。

（二）基于區域的異質性分析

2022年2月，我國“東數西算”工程正式啟動，借此以大數據為核心構建新型算力網絡體系，將東部算力需求有條不紊地引導至西部，促進東西部協同聯動，更好為企業綠色技術創新“賦能”。因此，本文將樣本劃分為東部及中西部兩個區域，深入剖析不同區域數據要素與企業綠色技術創新的作用關系，實證結果由表7第（3）（4）列所示。結果顯示，東部地區企業的數據要素“賦能”綠色技術創新的作用效果更明顯?？赡艿脑蚴?，從現實層面來看，中國幅員遼闊，各地區資源稟賦和經濟發展水平差距較大，而東部沿海地區對外開放程度和經濟發展水平較高，配備相對健全的基礎設施，擁有優越的區位及人才等優勢，這些都可能會引起各類生產要素向東部沿海地區流動，出現“強者愈強，弱者愈弱”現象，致使該區域內數據要素與企業綠色技術創新之間的關系更加明顯。

（三）基于智能化水平的異質性分析

《“十四五”智能制造發展規劃》指出要“加快推動智能制造發展”，助推制造業實現“高端化、智能化、綠色化”。①然而，智能化水平不同的企業，其綠色生產效率具有差異性?；诖耍疚牟捎脵C器人的安裝密度來衡量企業智能化水平，并對所在細分行業智能化水平數值大于中位數的企業取1，其他企業取0，實證結果見表7第（5）（6列所示。結果表明，智能化水平較高的重污染企業能夠更好地利用數據要素提升自身綠色技術創新水平?？赡艿脑蚴?，智能化水平較高的重污染企業既能更好地把新興技術融入生產環節，又具備更強的數據分析能力，能夠更好地把數據資源轉化為現實生產力，并通過人工智能更快、更準確地做出決策，降低冗余成本，設計出更合理、完善的能源利用策略與監管系統，提升能源利用效率，促進企業綠色技術創新水平的提高。

表7異質性分析

續表

七、結論與啟示

數據要素作為數字經濟的核心生產要素，是助推數實融合、加速“中國制造”向“中國智造”轉變的關鍵抓手。然而，如何激發數據要素乘數效應，更好地提高資源配置效率、增加企業研發投人以激發綠色創新活力成為重污染企業綠色高質量發展的重要現實議題。基于此，本文選取2013一2022年重污染上市公司樣本數據為研究對象，實證檢驗數據要素對重污染企業綠色技術創新的影響，依據實證研究結果，本文得出以下研究結論。

一方面，數據要素顯著促進重污染企業綠色技術創新作用機制，通過提高資源配置效率、增加研發投入，更好地賦能重污染企業綠色技術創新。另一方面，從數據要素影響企業綠色技術創新的異質性來看。一是數據要素對重污染企業綠色技術創新的正向效應在環境規制強度更高地區及東部地區表現更加顯著。東部地區數字化基礎建設早，已形成較為完善的數字化體系，在數據要素應用和綠色技術創新發展方面均具有天然優勢，并且環境規制強度在數據要素“賦能”企業綠色技術創新的上更發揮著“錦上添花”的作用。二是相較于智能化水平較低的企業，數據要素對高智能化水平企業綠色技術創新的“賦能”效果更為顯著

基于本文的研究結論，提出以下政策建議：

1.政府相關部門應進一步深化落實數字經濟政策，維護數據要素市場秩序，為重污染企業開展綠色技術創新提供堅實的保障，讓“數字紅利”最大程度地普惠至社會大眾。同時，中央層面應強化頂層設計，加大對重污染企業的環境規制強度，在引導的基礎上倒逼其通過技術進步實現綠色化生產，逐步養成環保意識，以此筑牢“雙化協同”發展的“安全底座”，防止“污染天堂”的形成。此外，政府部門應通過對大量經濟數據的精細研判，增強宏觀調控的前瞻性和穩定性，逐步在數字化建設落后的中西部地區開展“東數西算”工程，持續激發數據要素賦能的內在潛力。

2.重污染企業應當充分重視數據要素的“賦能”效果，促進綠色技術創新。近年來，國家實施一系列扶持大數據發展的政策，以期不斷釋放數據要素創新活力。重污染企業應積極響應國家政策，合理運用數據要素產生的倍增效能優化內部資源配置，搭建起綠色技術創新優勢平臺，精準重構自身的綠色技術生態，助推企業實現綠色可持續發展。此外，重污染企業應努力將數據要素應用到綠色產品、綠色工藝上，降低企業綠色技術創新的試錯成本，規避研發風險，促使研發資金更好地投入到綠色化生產中，爭取早日實現經濟綠色轉型升級和“雙碳”的目標。

3.“打鐵必須自身硬”，重污染企業更需注重自身智能化水平的提高。從本文的研究可以看出，智能化水平較高的重污染企業可以更好地利用數據要素“賦能”企業綠色技術創新，因此重污染企業應當依托宏觀經濟政策，積極提升本企業的數智化水平。同時，重污染企業在引進數據要素時，不能單純為了迎合綠色轉型升級熱潮，切忌一概而論，應因企制宜全面考慮自身實際發展情況，防止短視行為損害企業長遠利益。

（實習編輯：郭靜姝）

Empowerment or Disempowerment： Data Elements and Green Technology Innovation in Heavy Polluting Enterprises

ZHU Zhaozhen1 WEI Peiru’ ZHANG Wei2

（1.School of Accountancy，Auhui University of Finance and Economics， Bengbu，Auhui，233030;1.School of StatisticsandApplied Mathematics，Auhui Universityof Financeand Economics，Bengbu，Auhui，23041）

Abstract：With the continuous development and application of the new generation of information technology and digital technology，data elements has gradually become thecore production elements of newquality productivity attributed toits significantmultiplier efect，and whether itcan promotethe green technological innovationof heavy pollting enterprises is an important issue worthyof study.Taking Chinese A-share listed companies in the heavy polluting industry from 2O13 to 2022 as the research object，the“empowerment”or“disempowerment”efectof data elements in the process of green technological innovationof enterprises is analyzed in-depth.The study finds hat data elements“empower” the green technology innovation of the heavy poluting enterprises.Mechanism analysis shows that data elements can stimulate enterprises’green technological inovation by improving resource alocation effciencyand increase Ramp;D investment.Heterogeneityanalysis indicates thatthe positive impactof data elements on thegreen innovation performance of enterprises ismore significant in the enterprises with stronger environmental regulations，intheeasternregion and with higherlevels ofintelligence.The above findings provide solid evidence for improving the role of data elements in green technology innovation in heavy polluting enterprises.

Key words： data elements; green technology innovation; heavy polluting enterprises