Loading [MathJax]/jax/output/SVG/jax.js

数字化转型与企业绿色技术创新:基于大数据文本挖掘的研究

尹西明, 王朝晖, 陈劲, 李纪珍

尹西明, 王朝晖, 陈劲, 李纪珍. 数字化转型与企业绿色技术创新:基于大数据文本挖掘的研究[J]. 北京理工大学学报(社会科学版), 2023, 25(5): 159-170. DOI: 10.15918/j.jbitss1009-3370.2023.6705
引用本文: 尹西明, 王朝晖, 陈劲, 李纪珍. 数字化转型与企业绿色技术创新:基于大数据文本挖掘的研究[J]. 北京理工大学学报(社会科学版), 2023, 25(5): 159-170. DOI: 10.15918/j.jbitss1009-3370.2023.6705
YIN Ximing, WANG Zhaohui, CHEN Jin, LI Jizhen. Digital Transformation and Manufacturing Firms’ Green Technological Innovation——A Study based on Big Data Mining[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2023, 25(5): 159-170. DOI: 10.15918/j.jbitss1009-3370.2023.6705
Citation: YIN Ximing, WANG Zhaohui, CHEN Jin, LI Jizhen. Digital Transformation and Manufacturing Firms’ Green Technological Innovation——A Study based on Big Data Mining[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2023, 25(5): 159-170. DOI: 10.15918/j.jbitss1009-3370.2023.6705

数字化转型与企业绿色技术创新:基于大数据文本挖掘的研究

基金项目: 国家自然科学基金青年项目“多层次系统视角下中国高校学术创业与成果转化促进机制研究”(72104027);工信部党的建设中心重大项目“习近平经济思想指引下我国数字经济发展理论范式研究”(GXZY2210)
详细信息
    作者简介:

    尹西明 (1991-),男,北京理工大学管理与经济学院副研究员,硕士生导师,清华大学技术创新研究中心兼任副研究员,E-mail:yinximing@bit.edu.cn

    陈劲(1968-),男,清华大学经济管理学院教授,博士生导师,教育部“长江学者”特聘教授,清华大学技术创新研究中心主任,E-mail:chenjin@sem.tsinghua.edu.cn

    李纪珍(1974-),男,教授,博士生导师,E-mail:lijzh@sem.tsinghua.edu.cn

    通讯作者:

    王朝晖(2000-),男,硕士研究生,通信作者,E-mail:mickwang@connect.hku.hk

  • 中图分类号: G301;F425;F204

Digital Transformation and Manufacturing Firms’ Green Technological Innovation——A Study based on Big Data Mining

  • 摘要: 数字化转型是企业创新的新动能和引擎,与此同时碳达峰碳中和的国家战略也对制造业绿色化发展提出新目标与新要求,但鲜有研究关注数字化转型如何影响企业绿色创新。从“战略—资源—制度”的三维视角出发,探究数字化转型对中国制造业企业绿色技术创新的影响和作用机制,以及产权这一制度逻辑的异质性影响。以2011—2019年沪深A股1 016家上市制造业企业为样本,基于大数据文本挖掘和负二项回归模型的实证研究发现:(1)数字化战略显著提升了企业绿色技术创新能力;(2)数字化资源投入部分中介数字化战略对企业绿色技术创新能力提升作用;(3)企业的产权性质在上述中介关系发挥有调节的中介作用,也即:与国有企业相比,民营企业在数字化战略促进绿色技术创新和数字化战略引导数字化资源投入阶段无显著差异,但在数字化资源投入向绿色技术创新转化阶段具有更高效率。稳健性检验发现,数字化战略与资源投入对企业绿色技术创新的显著影响在中期依然成立,存在持续赋能效应,且中长期来看国有企业与民营企业在数字化转型促进绿色技术创新方面并无显著差异。进一步引入关键词文本网络探究数字化战略的结构性影响,发现数字产品与制造战略是提升绿色技术创新能力的有效战略维度,数字金融战略与数字营销战略对企业绿色技术创新无直接促进效应。研究结果从战略、资源和制度的三重视角,打开了数字化加速制造业绿色化转型的过程机制和产权性质的异质性影响,为理清数字化对制造业企业绿色创新的作用机理及情境因素提供重要理论启示,也为激励制造业抓住产业数字化机遇、加快助力碳达峰碳中和提供科学决策支持。

     

    Abstract: In the era of digital economy, digital transformation is becoming a new engine for firm innovation. At the same time, the national strategy of carbon peak and carbon neutrality puts forward new goals and new requirements for firms’ green innovation. However, little research has investigated the dialectical relationship between digital transformation and corporate green transformation. From the perspectives of strategic management, resource-based view and institutional logic, this study employed a multi-sourced dataset covering 1 016 public listed manufacturing firms from 2011 to 2019 and used big data mining and negative binomial regression model to explore the relationship and mechanism between firm digital transformation and green technological innovation, as well as the contingent role of the nature of property right. Empirical results show that: (1) Digital strategy significantly improved the level of green technology innovation of enterprises; (2) Digital resource investment mediated the effect of digital strategic transformation on promoting corporate green technological innovation; (3) Further analysis found that the state of equity had played a moderating mediation effect on the intermediary relationship: compared with state-owned enterprises, private enterprises had higher efficiency in the transformation stage of digital resource investment to green technology innovation. The robustness test finds that the significant impact of digital transformation strategy and resource input on corporate green technological innovation still existed in the medium term, with a continuous enabling effect. There was no difference between state-owned enterprises and private enterprises in terms of the relationship between digital transformation and green technological innovation in the medium and long term. Further, introducing keyword text networks to explore the structural impact of digital strategy, this study finds that digital product and manufacturing strategy were effective strategic dimensions to enhance green technology innovation capability, and digital financial strategy and digital marketing strategy had no direct promotion effect on green technology innovation of enterprises. From perspectives of resources, strategy and institution, this study opens the black box of the promotion effect of corporate digital transformation on green technological innovation. Moreover, this research provides essential theoretical enlightenment about the role of digitalization in corporate green innovation. Also, it gives decision-making suggestions for the government to encourage enterprises further to seize the opportunity of industrial digitalization and accelerate the realization of carbon peak and carbon neutrality.

     

  • 数字化转型是全球新一轮科技和产业革命的关键议题,更是中国式现代化新征程上推进高质量发展的重要抓手[13]。与此同时,碳达峰碳中和(以下简称“双碳”)也成为新发展阶段中国经济社会绿色化转型的全新战略目标和任务之一。数字化转型和绿色化转型的历史性交汇,为企业抓住数字化的战略机遇期、加快推进面向绿色可持续发展的数字创新发展提供新机遇、新挑战。国际能源署(IEA)研究指出,基于数字化技术的需求驱动型解决方案将为能源使用降本增效、减少碳排放提供显著的好处[4]。然而,数字化技术及其应用于数字转型过程带来的大量“碳排放”也引发了针对基于数字化技术进行绿色转型方案的质疑与争议。例如,欧洲的“The Shift Project” 1智库针对近170项关于数字技术对环境影响的国际研究结果显示,2018年数字化技术在全球二氧化碳排放中所占的份额为3.7%,超过了航空业所占的2.5%,且该比例仍然在快速上涨。

    企业的数字化转型之于绿色转型的利与弊,已成为学界、产业界共同关心但仍存争议的热点话题,但鲜有研究系统性探究数字化转型能否真正促进制造业企业绿色技术创新,更少有学者通过实证研究来揭开这一过程的影响机制和异质性影响因素。例如有研究发现地区数字化综合水平及其数字基础、数字投入、数字素养、数字经济四个指标均对资源型企业绿色技术创新存在显著的“倒U形”影响[5]。但目前的研究主要聚焦于宏观政策、区域层面或定性探讨,较少揭示数字化转型对企业绿色创新的影响机制,且未充分考虑制度等其他环境因素的权变影响。

    本文聚焦制造业企业数字化转型和绿色技术创新,回答以下四个相关且递进的问题:(1)数字化战略是否能切实促进企业绿色技术创新?(2)企业数字化战略与数字化资源投入之间存在怎样的关系,又如何影响企业绿色技术创新?(3)在中国持续深化国企市场化改革的大背景下,企业产权性质对这一过程有何异质性影响?(4)不同维度的数字化战略选择对绿色技术创新的影响是否相同?本文以2011—2019年中国A股上市的制造业企业为研究样本,通过大数据挖掘和负二项回归等计量经济学分析方法,从战略与资源双重视角,系统探究中国制造业企业数字化转型战略对企业绿色技术创新能力提升的影响,并引入数字化资源投入揭示二者之间的作用机理;基于制度基础观探究了产权性质对企业数字化向绿色技术创新转化过程中的异质性影响。进一步分析中引入文本网络分析法解构数字化战略,揭示不同维度的数字化战略选择与制造业企业绿色技术创新之间的差异性关系。

    本文对协同推进数字化和绿色化转型的理论和实践作出了三方面贡献。(1)通过资源与战略的双重视角,从“战略设计—资源投入—创新发展”的过程理论逻辑入手,结合大数据挖掘、计量经济学实证分析,打开了数字化战略促进制造业企业绿色技术创新能力提升的过程“黑箱”,为学术界从微观视角认识数字化转型对绿色技术创新的影响提供了实证证据,也为企业数字创新管理研究提供了来自碳达峰碳中和视角的新启示。(2)引入企业产权这一制度属性来探究其对数字化引领绿色技术创新的异质性影响。从数字化转型的“战略—行动”一致性和时效性来看,中国企业基本做到了数字化转型“知行合一”,且数字化战略转型对企业绿色技术创新确有深远影响。但是,相较民营企业,短期来看国有企业在数字化资源向绿色技术创新转化效率方面存在不足,而中期、长期下二者并无明显差异。该结果反映了中国国有企业改革在绿色发展方面取得的积极成果,也为国有企业进一步抓住数字化转型机遇、提升内部数字化资源转化效率,并利用其为中国绿色可持续发展做出贡献提供了管理实践启示。(3)通过文本网络分析法解构数字化战略,发现数字化金融与数字化营销战略并没有对企业的绿色技术创新能力产生实质性影响,而数字产品与制造战略是提升绿色技术创新能力的有效战略维度,说明中国制造业数字化转型需要加大对新产品开发和制造环节的数字化重视程度,并加大资源投入力度,最大程度地发挥数字化对制造业绿色化发展的赋能成效。

    在数字经济时代,人工智能、大数据、云计算和物联网等数字技术驱动的科技和产业革命正在快速重塑企业的内外部环境,企业竞争所处的时代环境更加复杂多变、模糊不定[6-7]。数字化转型作为企业转型升级和重塑竞争优势的重要战略机遇,需要纳入公司的顶层战略设计中,才能有效破解数字化过程中面临的组织、人力资源和企业文化重构的难题,真正加快企业创新转型[8]

    碳中和的本质是从资源依赖走向技术依赖的发展转型,其战略机遇期是科技强国、数字化和碳中和的叠加态。数字化与绿色化转型的两大国家战略的交互存在历史必然性。作为绿色创新的核心组成部分,绿色技术创新是企业实现绿色创新的重要途径,而企业的技术创新又受到数字化战略的深刻影响。正如前文所述,数字化转型是中国摆脱高碳发展的路径依赖、加快迈向绿色低碳转型发展模式的重要抓手。将数字化转型纳入企业整体组织管理与经营战略的企业,可能更有潜力高效地利用数字技术和数据要素来提升数字化研发效率,进而更高效地提升绿色技术创新能力,实现绿色发展的目标。基于此,本文提出如下假设:

    H1. 企业数字化战略能够显著提升企业绿色技术创新能力。

    虽然关于数字化战略与企业创新发展的研究受到了很多关注,但对其作用机理、转型过程中战略与资源的关系以及匹配问题知之甚少。Bouncken等[9]研究发现企业对于数字化的承诺在明确战略的引导下,以价值观、变革热情等方式在组织内部传播,强化了企业内数字化技术的功能。无论是资源基础观还是动态能力观,都强调战略与资源的相互作用关系。从资源基础观(Resource-Based View,RBV)的角度来看,Barney[10]认为企业在掌握如何利用自身资源实施战略后将获得可持续性的战略优势,并且给指出了两种RBV视角下战略实施途径。第一种强调企业的战略实施能力本身作为企业的一种资源,可以为企业带来长期竞争优势;第二种强调基于现有资源的战略实施本身不是长期竞争优势的来源,而是其他有价值的、稀缺的、不易模仿的、不可替代的资源的战略补充。从动态能力观的角度来看,企业资源潜在价值的实现主要依赖于战略的实施与其引领下的资源利用方式[1113]。数字化转型是一个长周期的过程,且目前各行业数字化转型尚不存在某一种固定模式,战略层面的顶层设计需要实际的资源投入才可能转化为高效识别、吸收和转化内外部技术和研发机会、知识的动态能力。为应对来自外界的竞争压力,以及包括环境规制在内的政策压力时,强调数字化战略的企业将通过引导相应的数字化资源投入以加快企业绿色转型。综上,本文提出如下假设:

    H2a. 企业数字化战略能够显著带动企业数字化资源投入。

    资源基础理论认为企业的竞争优势来源于其内部的异质性资源和组织能力。在静态运行阶段,数字化资源能够促进物质与技术的匹配,实现被要求的创新;在动态演化阶段,数字化资源能够有效地吸收利用信息,对资源进行重置整合,形成绿色技术创新所需要的组合技能,适应不断变化的环境从而实现持续生存[14]。Melander和Pazirandeh[15]通过对11个典型案例的分析,从价值网络的视角指出企业数字化资源投入对环境可持续发展所带来的积极影响。数字化在企业价值网络协同绿色创新的过程中至少发挥了两方面的作用。首先,基于数字化、大数据技术实现的创新本身可以提高产品与服务的可持续性,例如基于数字化软件实现的能耗可视化技术,以及能源效率提高技术等。其次,数字化时代,数据作为一种重要的战略资源,价值网络内的数据与技术共享可以激发企业的活力,促进协同创新。数字化技术也为不同企业之间的技术交流奠定了基础,例如,汽车生产商、维修商、电池供应商以及产品用户等价值网络主体通过产品中内置的数字化一体平台与数据共享实现了创新职能整合,进而降低企业绿色技术创新的成本,加快速度并提升成效。

    综上,本文提出如下假设:

    H2b. 企业数字化资源投入进一步促进企业绿色技术创新能力。

    进一步地,根据假设H2a与H2b的推演,数字化战略引致的数字化资源投入的提升,将进一步促进企业绿色技术创新能力,也即数字化资源投入在二者关系中起到中介作用。据此,本文进一步提出如下假设:

    H2c. 企业数字化资源投入在企业数字化战略与企业绿色技术创新能力之间起到中介作用。

    制度基础观(Institution Based View,IBV)认为企业的战略行为或选择会受到制度的重要影响。企业的创新行为,特别是绿色创新行为,作为企业的一种战略选择也会受到来自企业资源与制度方面的影响。很多学者认为,企业绿色创新不同于一般的创新活动,单独从技术与市场两个方面不足以解释绿色创新的动因,还应该从组织属性、规制等方面加以考虑。Renning等[16]研究指出,绿色产品创新主要由市场因素推动,而绿色过程创新则更多地由环境规制驱动。在中国转型期的背景下,一方面,企业产权性质的差异意味着来自政府支持的力度不同,而政府支持又会直接影响企业的创新行为;另一方面,不同产权性质的企业在目标导向,经营模式等方面都存在差异,这些因素可能会影响组织的运营状况,进而直接或间接地对企业的绿色技术创新产生影响。

    根据委托代理理论,所有权与经营权的分离给现代企业带来了一系列问题。而相较民营企业,国有企业的委托代理问题更为突出[17]。对于国有企业高管来说,政治性目标的完成情况、是否符合政府的政策意图与企业的财务状况同属于其晋升考核的标准的一部分。而企业的创新行为,特别是整体行业内尚未成熟的绿色创新行为,都需要企业在前期投入大量的资金,其收益则需要经过较长的时间才能体现出来,同时企业的创新成果存在极大的不确定性。因此对于当期的高管来说可能更倾向于规避风险,避免将“劣迹”留给自己,将“政绩”留给下任。在这种情况下,相对于民营企业,国有企业高管缺乏动力来利用已有的数字化资源开展绿色创新活动。另外,政府庇护理论认为,政府及其官员可以从其直接或间接控制的国有企业发展中获得更多的政治利益[18]。而当国有企业发展遇到困难时,更容易争取到政府在资本、补贴、减税等方面的扶持政策和资金支持[19]。这种缺少内外压力的情况会抑制国有企业从事包括数字化转型和绿色技术创新在内的高风险、高投入和回报周期长探索式创新活动的意向和行动。

    综上,本文提出如下假设:

    H3a. 产权性质会负向调节企业数字化战略对企业绿色技术创新能力的影响。

    H3b. 产权性质在企业数字化战略影响企业数字化资源投入的过程中起到调节作用,即相对于国有企业,民营企业产权性质会强化企业数字化战略与企业数字化资源投入之间的关系。

    H3c. 产权性质在企业数字化资源投入影响企业绿色技术创新能力的过程中起到调节作用,即相对于国有企业,民营企业产权性质会强化企业数字化资源投入与企业绿色技术创新能力之间的关系。

    图1为本文的研究框架示意图。

    图  1  研究框架示意图
    资料来源:作者绘制。

    考虑不同行业的特性对企业数字化战略的影响迥异,以及2020年爆发的全球新冠疫情对产业和企业发展逻辑的冲击性影响,选择2011—2019年在中国沪深股市上市的制造业企业为样本。研究所使用的年报文本数据来源于深圳证券交易所、上海证券交易所官方网站,专利数据来源于国家知识产权局专利数据库,其他数据均来源与国泰安数据库(CSMAR)。剔除含主要变量缺失值的样本,保留部分年份为0或缺失但其他年份非0的企业,最终的有效样本中包括了1 016家企制造业企业,共4 166个观测值。本文对所有微观层面的数据进行1%和99%的缩尾处理。

    1.解释变量

    本文参考吴非等[20]、戚聿东和 蔡呈伟[21]的处理方法,采用大数据挖掘基础上的内容分析法构建数字化战略指标。首先,通过大数据网络爬虫下载2011—2019年中国沪深A股上市公司的年报。再通过Python的pdfminer3k库将所有PDF格式的年报转换为txt格式,对于无法转换的年报利用百度智能云提供的OCR技术接口进行格式转换。完成格式转换后,通过Python的jieba库对所有文本进行分词处理,结合已有研究以及与相关领域专家的讨论筛选符合数字化战略的关键词“词袋”(图2),并通过关键词共现网络分析技术进一步甄选。最后,对词袋内的关键词总词频进行再统计。由于关键词词频总数较大且成明显的偏态分布,本文对关键词词频取自然对数,构建数字化战略指数。

    图  2  企业数字化战略关键词“词袋”
    资料来源:参考吴非等[20]修订绘制。

    2. 中介变量

    数字化资源投入中最核心的部分是与数字技术相关设备和系统的投入,包括但不限于计算机终端、传感器、存储设备、监控设备等硬件和信息技术系统等数字化软件资源。数字化投资与数字技术外包是企业数字化商业战略实施状况的两个重要指标,公司内数字技术竞争力是企业数字化转型发展与维持的直接基础[22-23]。本文参考Dewan等[24]的研究,数字化资源投入具体包括了财务报表固定资产项目中所有含“计算机”“电子”项目的数额之和,对其取对数后构建数字化资源投入指数。

    3. 被解释变量

    本文参考齐绍洲等[25]的研究,采用绿色研究《联合国气候变化框架公约》对绿色专利进行了七大分类:交通运输类(transportation)、废弃物管理类(waste management)、能源节约类(energy conservation)、替代能源生产类(alternative energy production)、行政监管与设计类(administrative regulatory or design aspects)、农林类(agriculture or forestry)和核电类(nuclear power generation)。按照该上述分类标准,通过国家知识产权局专利数据库核算了企业每年的绿色专利数量,进一步区分了绿色发明专利与绿色实用新型专利,作为企业绿色技术创新能力的衡量指标。一般认为,专利的创新性由高到低依次为发明专利、实用新型专利和外观设计专利。本文主检验部分使用较数字化战略滞后一年的绿色发明专利申请数量作为企业绿色技术创新能力的衡量指标。在稳健性检验部分采用绿色发明专利申请数与绿色实用新型专利申请数之和作为绿色技术创新能力的替代变量。

    4. 调节变量

    中国企业按照拥有上市公司股份的实际控制人性质可划分为国有企业、民营企业、外资企业与其他企业四类产权性质。根据CSMAR数据库中实际控制人的类型确认企业的产权性质。将样本中的企业分为国有企业与民营企业。CSMAR数据库中有少部分企业被标记为多重产权性质,经过对公开资料的收集发现,该部分公司的股权结构中确实存在不同产权性质的控制人并存的情况,且没有一方所占股权比例存在绝对优势。为避免此类企业对研究结果的影响,删除了被标记为多重产权性质的企业,只保留明确被识别为国有企业与民营企业的样本。构建股权性质哑变量SOE,国有企业标记为1,民营企业标记为0。

    5. 其他控制变量

    参考齐绍洲等[25],采用一系列企业的经济特征作为模型的控制变量。取总收入(取对数后用REV表示)以及Tobin Q值(TOBINQ)衡量企业的社会财富创造力。取上市企业的负债率(LEV)作为控制变量来衡量企业的信用评价。取样本的企业净资产和企业员工数量作为控制变量来衡量企业规模的大小,取对数后分别用SIZE与LABOR表示。R&D投入,企业的研发投入是创新能力或产出提升的主要决定因素之一,不同企业的创新投入规模直接影响了创新产出的数量。为凸显出数字化资源建设异质性,以及避免不同企业间一般研发投入资源投入规模差异性对研究结论的影响,选取样本中上市制造业企业的R&D投入作为模型的控制变量,取对数后用RD表示。

    描述性统计结果如表1所示。被解释变量企业绿色技术创新绩效平均数为1.142,最大值为235,最小值为0,呈现明显的偏态分布(取对数后仍不符合正态分布),这意味着一般的OLS模型并不适用于关于绿色专利的研究。另外,其标准差为6.999,方差远大于平均值,反映了中国企业绿色技术创新水平个体之间差异较大,同时说明在计量模型选取时需要考虑数据过度离散的问题。

    表  1  主要变量定义及描述性统计
    变量符号 (1) (2) (3) (4) (5)
    观测值数 平均值 标准差 最大值 最小值
    DIG_STA 4 166 1.230 1.328 5.835 0
    DIG_INV 4 166 2.767 0.229 3.114 0
    GREEN_INN 4 166 1.142 6.999 235.000 0
    REV 4 166 21.310 1.287 27.530 15.180
    LEV 4 166 0.385 0.195 0.989 0.049
    TOBINQ 4 166 2.008 1.163 8.705 0.884
    SIZE 4 166 21.910 1.127 27.390 17.810
    LABOR 4 166 7.722 1.097 11.030 3.584
    RD 4 166 17.860 1.397 25.030 8.337
    SOE 4 166 0.239 0.427 1 0
    下载: 导出CSV 
    | 显示表格

    进一步地,考虑样本中企业的产权性质。研究样本中国有企业(222家)与民营企业(794家)数目比约为1∶3。对本文核心变量的平均值进行t检验,检验结果如表2所示,发现国有企业的绿色技术创新绩效平均值相较民营企业高约0.259,但在统计学意义上并不显著。国有企业数字化战略平均值相较民营企业低2.28,且在1%水平上显著;而国有企业的数字化资源投入平均值相较民营企业高约0.33,在1%水平上显著。该结果初步表明,绿色创新发展方面,国有企业相较民营企业无明显差异;数字化建设方面,国有企业在数字化战略转型层面略弱于民营企业,而在数字化转型实际投入方面则强于民营企业。该描述性统计初步表明了国有企业与民营企业在数字化转型方面存在显著差异,也证明了在探究数字化转型与绿色技术创新之间的关系时考虑产权性质的必要性。

    表  2  国有企业与民营企业主要变量均值t检验
    变量 均值(国有企业)N=222 均值(民营企业)N=794 Pr
    (|T| > |t|)
    GREEN_INN 1.338 1.079 0.309
    DIG_STA 1.056 1.284 0.000***
    DIG_INV 2.792 2.759 0.000***
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV 
    | 显示表格

    以往关于专利的研究主要是基于一般线性或者非线性回归模型,其问题是线性与非线性回归模型都是假设随机变量服从正态分布,但专利产出由于其本身特征可以被认为更服从泊松分布过程,此时如果采用一般线性或者非线性回归模型来估计方程就会产生偏差。从国外研究来看,泊松分布和负二项分布是研究专利产出的基本模型。但是泊松模型不能解决过度离散问题,可能不适用于绿色专利产出的研究。本文通过考察绿色技术创新变量的方差是否远大于均值,以及ALPHA检验是否显著来进行模型选取。具体检验如下:若变量方差与均值基本相等,则为等离散采用泊松分布模型;若方差明显大于均值且ALPHA检验也显著,则为过离散采用负二项分布模型。统计结果显示绿色技术创新方差(方差=49)远大于平均值(平均值=1.142), 对文章所有模型进行ALPHA检验,结果均表明负二项模型比泊松分布更优(Likelihood Ratio test of alpha=0)。

    此外,考虑到数字化转型影响绿色技术创新存在一定的时滞,对绿色技术创新(GREEN_INN)进行滞后1期的处理,并在稳健性检验部分做进一步滞后检验,验证企业数字化转型的中期、长期效应。本文控制了时间(Year)与行业(Industry)的虚拟变量,用以控制经济周期和行业异质性对主要变量及其互相关系的内生性影响。

    为检验假设H1,构建模型(1)

    GREEN_INNt+1=β0+β1DIG_STAt+β2RDt+β3LEVt+β4REVt+β5TOBINQt+β6LABORt+β7SIZEt+IND+YEARS+ε (1)

    为检验H2a、H2b、H2c,构建模型(2)~模型(4)。模型(2)中的各变量均为符合正态分布的连续变量,因此采用多元线性回归模型

    DIG_INVt=β0+β1DIG_STAt+β2RDt+β3LEVt+β4REVt+β5TOBINQt+β6LABORt+β7SIZEt+IND+YEARS+ε (2)
    GREEN_INNt+1=β0+β1DIG_INVt+β2RDt+β3LEVt+β4REVt+β5TOBINQt+β6LABORt+β7SIZEt+IND+YEARS+ε (3)
    GREEN_INNt+1=β0+β1DIG_STAt+β2DIG_INVt+β3RDt+β4LEVt+β5REVt+β6TOBINQt+β7LABORt+β8SIZEt+IND+YEARS+ε (4)

    通过模型(5)~模型(8)检验H3a、H3b、H3c。模型(8)中同时加入自变量(DIG_STA)、中介变量与(DIG_INV)与调节变量(SOE),以及调节变量与中介变量的交乘项(SOE×DIG_INV)以进一步验证是否存在有调节的中介效应。模型(6)中的各变量均为符合正态分布的连续变量,因此采用多元线性回归模型

    GREEN_INNt+1=β0+β1DIG_STAt+β2SOEt×DIGSTAt+β3SOEt+β4RDt+β5LEVt+β6REVt+β7TOBINQt+β8LABORt+β9SIZEt+IND+YEARS+ε (5)
    DIG_INVt=β0+β1DIG_STAt+β2SOEt×DIG_STAt+β3SOEt+β4RDt+β5LEVt+β6REVt+β7TOBINQt+β8LABORt+β9SIZEt+IND+YEARS+ε (6)
    GREEN_INNt+1=β0+β1DIG_INVt+β2SOEt×DIG_INVt+β3SOEt+β4RDt+β5LEVt+β6REVt+β7TOBINQt+β8LABORt+β9SIZEt+IND+YEARS+ε (7)
    GREEN_INNt+1=β0+β1DIG_STAt+β2DIG_INVt+β3SOEt×DIG_INVt+β4SOEt+β5RDt+β6LEVt+β7REVt+β8TOBINQt+β9LABORt+β10SIZEt+IND+YEARS+ε (8)

    其中,为β0模型中的常数项; β1β10为变量系数;ε为残差。

    主检验实证结果如表3所示。表3中的第(1)列结果显示,数字化战略对绿色技术创新系数为正,且在1%水平显著(β=0.175P<0.01),证明数字化战略正向促进了企业的绿色技术创新,支持了假设H1的预测。第(2)列和第(3)列中绿色数字化战略对数字化资源投入系数显著为正(β=0.013P<0.01),数字化资源投入对绿色技术创新系数显著为正(β=0.538P<0.1),假设H2a和假设H2b得到支持,表明数字化战略引领了企业的数字化资源投入,数字化资源投入对企业的绿色技术创新有正向促进作用。进一步按照温忠麟等[26]关于中介效应的检验方法,在模型中同时加入数字化战略、数字化资源投入两个变量,结果如第(4)列所示。发现数字化战略变量符号为正且显著,说明企业数字化资源投入在数字化战略促进企业绿色技术创新的过程中起到了部分中介作用,假设H2c得到支持。

    表  3  主检验结果
    变量 (1) (2) (3) (4) (5) (6) (7) (8)
    GREEN_INN DIG_INV GREEN_INN GREEN_INN GREEN_INN DIG_INV GREEN_INN GREEN_INN
    DIG_STA 0.175*** 0.013*** 0.168*** 0.145*** 0.015*** 0.166***
    (0.000) (0.000) (0.000) (0.004) (0.000) (0.000)
    SOE×DIG_STA 0.103 −0.009
    (0.257) (0.120)
    DIG_INV 0.538* 0.442 0.900*** 0.807**
    (0.051) (0.111) (0.008) (0.016)
    SOE×DIG_INV −1.104** −1.119**
    (0.036) (0.032)
    SOE −0.175 −0.019** −0.140 −0.117
    (0.204) (0.023) (0.322) (0.404)
    RD 0.306*** 0.022*** 0.319*** 0.299*** 0.312*** 0.022*** 0.332*** 0.311***
    (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
    LEV −0.555 −0.169*** −0.378 −0.462 −0.504 −0.167*** −0.471 −0.563
    (0.115) (0.000) (0.291) (0.197) (0.152) (0.000) (0.192) (0.119)
    REV −0.004 −0.002 0.056 −0.014 0.009 −0.000 0.109 0.036
    (0.974) (0.837) (0.675) (0.918) (0.947) (0.988) (0.423) (0.790)
    TOBINQ −0.029 −0.017*** 0.032 −0.020 −0.028 −0.016*** 0.033 −0.021
    (0.605) (0.000) (0.562) (0.728) (0.628) (0.000) (0.555) (0.713)
    LABOR −0.158* 0.031*** −0.171* −0.161* −0.153 0.031*** −0.202** −0.190**
    (0.098) (0.000) (0.077) (0.092) (0.112) (0.000) (0.037) (0.048)
    SIZE 0.644*** 0.038*** 0.564*** 0.628*** 0.641*** 0.040*** 0.566*** 0.629***
    (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
    Constant −21.006*** 1.476*** −22.180*** −21.574*** −21.349*** 1.417*** −24.319*** −23.657***
    (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
    Observations 4 166 4 166 4 166 4 166 4 166 4 166 4 166 4 166
    Industry FE Yes Yes Yes Yes Yes Yes Yes Yes
    Year FE Yes Yes Yes Yes Yes Yes Yes Yes
    R2 0.111 0.183 0.110 0.112 0.112 0.184 0.111 0.113
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV 
    | 显示表格

    进一步探究企业产权性质对上述研究结论的影响。表3第(5)列与第(6)列结果中企业产权性质与数字化战略的交乘项系数均不显著,表明国有企业与民营企业在数字化战略促进绿色技术创新、数字化战略引领数字化资源投入两个阶段没有显著差异,否定了假设H3a和假设H3b。第(7)列结果显示企业数字化资源投入与企业产权性质的交乘项系数显著(β=1.104P<0.05),表明相较民营企业,国有企业数字资源投入向绿色技术创新转化的效率较低,证明了假设H3c。

    上述实证结果与理论推导的假设结果不一致的原因可能有二。首先,战略与资源在促进企业绿色技术创新方面的逻辑不尽相同。而无论是制度基础观,还是将产权性质作为权变因素的已有研究,都未对这一区别进行考虑,依据其结论所得出的推论可能因此与本文的实证结果存在差异。其次,根据目标导向理论,除了实现财务绩效目标以外,国企承担着重要的社会责任目标[27]。对于一般的创新活动来说,这种目标的复杂性可能会造成企业资源分散,进而负面影响企业创新行为。但对于绿色技术创新来说,其作为中国企业推动经济绿色发展体系的主要途径,与中国生态文明建设和现代化经济体系建设的需求高度一致,因此国有企业在绿色创新方面可能存在不同的行为逻辑。

    在假设H2c和假设H3c得到支持的基础上,进一步检验企业产权性质是否为有中介的调节效应,即考察参考数字化战略是否会通过数字化资源投入与产权性质的交乘影响绿色技术创新。参考已有研究中关于有调节的中介变量的检验方法,“在中介效应的基础上检验调节效应”[28]。上文已证明了数字化资源投入的中介效应,进一步在模型中引入数字化资源投入与企业产权性质的交乘项,表3第(8)列结果显示该交乘项系数显著为负(β=1.119P<0.05)。此结果说明,企业产权性质调节了数字化资源投入在数字化战略促进数字化技术创新过程中的中介效应,民营企业在数字化资源投入向绿色技术创新转化阶段具有更高的效率。

    考虑数字化战略的时滞效应,以及进一步检验企业数字化转型是否为企业带来可持续竞争优势。本文将数字化资源投入相对数字化战略滞后一年,绿色技术创新绩效相对数字化战略滞后一年,检验数字化转型中期效应;将数字化资源投入相对数字化战略滞后两年,绿色技术创新绩效相对数字化战略滞后四年,检验数字化转型长期效应。中期效应主要变量检验结果显示前文结论均没有实质性改变。长期效应检验结果显示数字化资源投入对绿色技术创新影响依然正向且显著(β=0.014P<0.01);数字化战略对数字化资源投入的促进作用,以及数字化战略对技术创新的直接影响正向但并不显著。企业数字化转型影响的递减一定程度上体现了数字化战略与数字化基础设施建设竞争激烈、技术迭代迅速,企业需要根据市场环境、技术发展实时制定数字化战略,跟进数字化基础设施建设,以维持自身数字化竞争优势。进一步考虑产权性质的影响,结果显示,国有企业与民营企业中期、长期来看在数字化转型引导绿色创新的各个阶段均无显著差异。

    考虑不同类型专利的创新性。中国专利申请规定,在专利的创造性审查过程中,发明专利需要具备“突出的实质性特点和显著的进步”,而实用新型专利只需具备“实质性特点和进步”,实用新型专利的创新性要低于发明专利。但考虑到中国企业绿色转型尚处于初始阶段,部分企业绿色技术创新水平有限,短时间内无法产出高水平的绿色技术创新。因此本部分稳健性检验中将绿色发明专利与绿色实用新型专利共同纳入考虑,以衡量企业的绿色技术创新水平。描述性统计结果显示绿色技术创新均值2.274,最大值为413,最小值为0,方差为183.87,远大于均值;进一步进行ALPHA检验,结果表明负二项模型相较泊松分布模型更优。采用负二项分布模型和新构建的绿色技术创新指标重复上文实验,上文所有结论均不发生改变。

    中国专利申请的公示是动态的,所以需要进一步考虑专利数据实际申请与公开之间的时间差。例如2020年7月份公开的发明专利中,有15 000件以上是2018年申请的。这种情况可能会影响本文中绿色专利数据的准确性。因此本文剔除了2018年和2019年的样本后重复上文所有检验,结果表明所有结论均不改变,证明本文的结论具有较好的稳健性 2

    文本分析方法的引入为战略管理实证研究提供了更多的可能性。但传统基于“词袋法”的变量构建依托于研究者对关键词的预设,缺乏透明性与可解释性[29]。即使关键词自身含义明确,研究者依然无法了解战略制定者提及该关键词的意图。例如,一般认为“生物识别技术”用于表达制造业企业的产品研发战略,但实际上其往往与“互联网金融”“第三方支付”“征信”等关键词同时出现,明显存在数字金融战略方向的集中表意。

    参考社会学学者Satish等[30]的研究,引入文本网络分析方法分析研究样本的4 166份年报,构建数字化战略关键词网络,并通过Louvain算法对进行社区识别(Community Identification)以解构数字化战略。不同于预设词袋,基于不同数字化底层技术的数字化关键词呈现出了战略层面的聚类结果。结合刘洋等[2]关于数字创新的理论研究,根据社区识别结果(解析度=1.0)将数字化战略分为数字金融战略、数字营销战略、数字产品与制造战略,如表4所示。

    表  4  基于文本网络分析的数字化战略分类结果
    变量名称变量定义变量构成关键词
    DIG_FIN数字金融战略互联网金融、第三方支付、人脸识别、大数据、生物识别技术、征信、区块链、 智能数据分析、身份验证、开放银行、金融科技、数字货币
    DIG_MKT数字营销战略电子商务、B2B、O2O、C2C、C2B、B2C、智能营销、智能客服、混合现实
    DIG_PRO数字产品与制造战略智能交通、物联网、智能家居、智能穿戴、智慧农业、虚拟现实、智能文旅、增强现实、网联、自动驾驶、深度学习、云计算、类脑计算、内存计算、分布式计算、认知计算、绿色计算、虚拟现实、亿级并发、自然语言处理、智能机器人、人脸识别、移动互联、商业智能、异构数据、数据可视化、人工智能、大数据、融合架构、语音识别、机器学习、信息物理系
    下载: 导出CSV 
    | 显示表格

    数字化战略关键词网络构建的具体步骤如下:第一步,采用中文分词包Jiaba对年报进行分词,统计每篇年报中数字化关键词出现的词频,并构建数字化关键词—年报二模网络,该矩阵表示数字化关键词在年报中的频率分布。第二步,将数字化关键词—年报二模网络转化为数字化关键词一模网络。该关键词共现矩阵M表示数字化关键词之间的共现关系网络。mi,j表示矩阵中ij列,即i词与j词的关系强度[式(9)]。例如,A关键词在年报a中出现NAa次,B关键词在年报a中出现NBa次,则年报aA关键词和B关键词贡献关系强度的贡献为NAaNBa。设样本中共有N个年报,关键词w在年报n中出现的频率为Nwnmi,j可表示为

    mi,j=Nn=1NinNjn (9)

    进一步地,检验不同数字化战略对主检验假设的影响。如表5所示,被解释变量为数字技术创新,数字金融战略、数字营销战略系数不显著(β=0.104P>0.1β=0.176P>0.1);数字产品与制造战略系数为正且显著(β=0.2P<0.01)。绿色技术创新主要指“减少环境污染,减少原材料和绿色能源使用的技术、工艺和产品检验的总称”,对制造业企业来说,金融与市场营销层面的战略通常与其核心产品技术与生产无直接关系,因此对绿色技术创新无直接的实质性影响。表6是数字产品与制造战略与数字化资源投入对绿色技术创新的影响,结果显示数字化资源投入在数字化产品与制造战略与数字化资源投入之间的中介作用依然显著,进一步验证了本文假设,也即数字化战略引导企业实现产品数字化、生产流程智能化,增加数字化资源投入,进而促进绿色技术创新。

    表  5  异质性数字化战略影响绿色技术创新检验结果
    变量(1)(2)(3)
    GREEN_INNGREEN_INNGREEN_INN
    DIG_MKT0.104
    (0.198)
    DIG_FIN−0.176
    (0.176)
    DIG_PRO0.200***
    (0.000)
    Constant−21.515***−21.454***−20.480***
    (0.000)(0.000)(0.000)
    Observations4 1544 1544 154
    Industry FEYesYesYes
    Year FEYesYesYes
    R20.1090.1090.112
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV 
    | 显示表格
    表  6  数字产品与制造战略与数字化资源投入影响绿色技术创新检验结果
    变量 (1) (2) (3) (4)
    GREEN_INN DIG_INV GREEN_INN GREEN_INN
    DIG_PRO 0.200*** 0.014*** 0.193***
    (0.000) (0.000) (0.000)
    DIG_INV 0.538* 0.431
    (0.051) (0.120)
    Constant −20.480*** 1.477*** −22.180*** −21.046***
    (0.000) (0.000) (0.000) (0.000)
    Observations 4 154 4 154 4 166 4 154
    Industry FE Yes Yes Yes Yes
    Year FE Yes Yes Yes Yes
    R2 0.112 0.183 0.110 0.112
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV 
    | 显示表格

    在产业数字化转型和“双碳”目标双重战略实施的时代背景下,聚焦企业数字化与绿色化双重转型这一交叉学科研究的热点议题,从战略管理、资源基础观和制度基础观的多重视角出发,系统探究了企业数字化转型与绿色技术创新能力之间的关系及其作用机制,以及产权性质的异质性影响,以期为打开数字化转型影响企业绿色技术创新能力的过程“黑箱”,进一步澄清数字化转型与绿色发展的关系提供经验证据。理论方面,基于资源与战略的双重视角,打开了企业数字化转型促进绿色技术创新的过程黑箱,并检验了产权性质对这一过程的异质性影响,为进一步理清数字化对企业绿色技术创新的作用机理及异质性因素提供重要理论启示;为数字化时代深入应用和完善战略管理、资源基础观和制度基础观理论提供了经验证据。政策方面,从绿色发展的视角揭示了企业数字化转型的意义[31],为中央和地方政府进一步完善数字化转型以及碳达峰碳中和的相关政策,将数字经济与绿色发展政策有机统筹整合,进一步激励企业抓住产业数字化机遇,加快推进数字化和绿色化协同转型提供基于科学研究的决策启示。

    本文为企业数字化转型与绿色技术创新的关系及其机制和情境因素提供了理论和经验启示,但受限于数据可得性与文章的聚焦点所限,也存在一定的局限性,未来需要进一步深化。第一,受限于公司公开披露数据的范围,本文未能对不同阶段、不同属性的数字化资源投入做进一步区分,未来需要通过大样本问卷调查等方式对其深入探讨。第二,由于数字化转型和绿色技术创新都需要大量的资源投入,可能面临融资约束等问题。除了产权性质以外,未来需要进一步研究融资约束等科技金融因素对这一过程的异质性影响。第三,不同企业所处的行业和区域的差异,也会影响到企业数字化转型的具体战略、投入强度以及绿色转型的成效,未来需要对不同行业、区域的数字经济发展程度等外部环境因素的影响做进一步探究。

    注释:
  • 图  1   研究框架示意图

    资料来源:作者绘制。

    图  2   企业数字化战略关键词“词袋”

    资料来源:参考吴非等[20]修订绘制。

    表  1   主要变量定义及描述性统计

    变量符号 (1) (2) (3) (4) (5)
    观测值数 平均值 标准差 最大值 最小值
    DIG_STA 4 166 1.230 1.328 5.835 0
    DIG_INV 4 166 2.767 0.229 3.114 0
    GREEN_INN 4 166 1.142 6.999 235.000 0
    REV 4 166 21.310 1.287 27.530 15.180
    LEV 4 166 0.385 0.195 0.989 0.049
    TOBINQ 4 166 2.008 1.163 8.705 0.884
    SIZE 4 166 21.910 1.127 27.390 17.810
    LABOR 4 166 7.722 1.097 11.030 3.584
    RD 4 166 17.860 1.397 25.030 8.337
    SOE 4 166 0.239 0.427 1 0
    下载: 导出CSV

    表  2   国有企业与民营企业主要变量均值t检验

    变量 均值(国有企业)N=222 均值(民营企业)N=794 Pr
    (|T| > |t|)
    GREEN_INN 1.338 1.079 0.309
    DIG_STA 1.056 1.284 0.000***
    DIG_INV 2.792 2.759 0.000***
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV

    表  3   主检验结果

    变量 (1) (2) (3) (4) (5) (6) (7) (8)
    GREEN_INN DIG_INV GREEN_INN GREEN_INN GREEN_INN DIG_INV GREEN_INN GREEN_INN
    DIG_STA 0.175*** 0.013*** 0.168*** 0.145*** 0.015*** 0.166***
    (0.000) (0.000) (0.000) (0.004) (0.000) (0.000)
    SOE×DIG_STA 0.103 −0.009
    (0.257) (0.120)
    DIG_INV 0.538* 0.442 0.900*** 0.807**
    (0.051) (0.111) (0.008) (0.016)
    SOE×DIG_INV −1.104** −1.119**
    (0.036) (0.032)
    SOE −0.175 −0.019** −0.140 −0.117
    (0.204) (0.023) (0.322) (0.404)
    RD 0.306*** 0.022*** 0.319*** 0.299*** 0.312*** 0.022*** 0.332*** 0.311***
    (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
    LEV −0.555 −0.169*** −0.378 −0.462 −0.504 −0.167*** −0.471 −0.563
    (0.115) (0.000) (0.291) (0.197) (0.152) (0.000) (0.192) (0.119)
    REV −0.004 −0.002 0.056 −0.014 0.009 −0.000 0.109 0.036
    (0.974) (0.837) (0.675) (0.918) (0.947) (0.988) (0.423) (0.790)
    TOBINQ −0.029 −0.017*** 0.032 −0.020 −0.028 −0.016*** 0.033 −0.021
    (0.605) (0.000) (0.562) (0.728) (0.628) (0.000) (0.555) (0.713)
    LABOR −0.158* 0.031*** −0.171* −0.161* −0.153 0.031*** −0.202** −0.190**
    (0.098) (0.000) (0.077) (0.092) (0.112) (0.000) (0.037) (0.048)
    SIZE 0.644*** 0.038*** 0.564*** 0.628*** 0.641*** 0.040*** 0.566*** 0.629***
    (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
    Constant −21.006*** 1.476*** −22.180*** −21.574*** −21.349*** 1.417*** −24.319*** −23.657***
    (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
    Observations 4 166 4 166 4 166 4 166 4 166 4 166 4 166 4 166
    Industry FE Yes Yes Yes Yes Yes Yes Yes Yes
    Year FE Yes Yes Yes Yes Yes Yes Yes Yes
    R2 0.111 0.183 0.110 0.112 0.112 0.184 0.111 0.113
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV

    表  4   基于文本网络分析的数字化战略分类结果

    变量名称变量定义变量构成关键词
    DIG_FIN数字金融战略互联网金融、第三方支付、人脸识别、大数据、生物识别技术、征信、区块链、 智能数据分析、身份验证、开放银行、金融科技、数字货币
    DIG_MKT数字营销战略电子商务、B2B、O2O、C2C、C2B、B2C、智能营销、智能客服、混合现实
    DIG_PRO数字产品与制造战略智能交通、物联网、智能家居、智能穿戴、智慧农业、虚拟现实、智能文旅、增强现实、网联、自动驾驶、深度学习、云计算、类脑计算、内存计算、分布式计算、认知计算、绿色计算、虚拟现实、亿级并发、自然语言处理、智能机器人、人脸识别、移动互联、商业智能、异构数据、数据可视化、人工智能、大数据、融合架构、语音识别、机器学习、信息物理系
    下载: 导出CSV

    表  5   异质性数字化战略影响绿色技术创新检验结果

    变量(1)(2)(3)
    GREEN_INNGREEN_INNGREEN_INN
    DIG_MKT0.104
    (0.198)
    DIG_FIN−0.176
    (0.176)
    DIG_PRO0.200***
    (0.000)
    Constant−21.515***−21.454***−20.480***
    (0.000)(0.000)(0.000)
    Observations4 1544 1544 154
    Industry FEYesYesYes
    Year FEYesYesYes
    R20.1090.1090.112
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV

    表  6   数字产品与制造战略与数字化资源投入影响绿色技术创新检验结果

    变量 (1) (2) (3) (4)
    GREEN_INN DIG_INV GREEN_INN GREEN_INN
    DIG_PRO 0.200*** 0.014*** 0.193***
    (0.000) (0.000) (0.000)
    DIG_INV 0.538* 0.431
    (0.051) (0.120)
    Constant −20.480*** 1.477*** −22.180*** −21.046***
    (0.000) (0.000) (0.000) (0.000)
    Observations 4 154 4 154 4 166 4 154
    Industry FE Yes Yes Yes Yes
    Year FE Yes Yes Yes Yes
    R2 0.112 0.183 0.110 0.112
      注: *、**、***分别表示10%、5%、1%的显著性水平。
    下载: 导出CSV
  • [1] 尹西明, 林镇阳, 陈劲, 等. 数据要素价值化动态过程机制研究[J]. 科学学研究, 2022, 40(2): 220−229
    [2] 刘洋, 董久钰, 魏江. 数字创新管理: 理论框架与未来研究[J]. 管理世界, 2020, 36(7): 198−217+219.
    [3] 余江, 孟庆时, 张越, 等. 数字创新: 创新研究新视角的探索及启示[J]. 科学学研究, 2017, 35(7): 1103−1111.
    [4]

    IEA. Digital demand-driven electricity networks initiative [EB/OL]. (2021)[2021-09-12].https://www.iea.org/programmes/digital-demand-driven-electricity-networks-initiative.

    [5] 王锋正, 刘向龙, 张蕾, 等. 数字化促进了资源型企业绿色技术创新吗?[J]. 科学学研究, 2021, 40(2): 332−344.
    [6] 尹西明, 李楠, 陈万思, 等. 新中国70年技术创新研究知识图谱分析与展望[J]. 科学学与科学技术管理, 2019, 40(12): 19−34.
    [7] 尹西明, 陈劲, 海本禄. 新竞争环境下企业如何加快颠覆性技术突破: 基于整合式创新的理论视角[J]. 天津社会科学, 2019(5): 112−118.
    [8] 陈冬梅, 王俐珍, 陈安霓. 数字化与战略管理理论: 回顾、挑战与展望[J]. 管理世界, 2020, 36(5): 220−236+20.
    [9]

    BOUNCKEN R, BARWINSKI R. Shared digital identity and rich knowledge ties in global 3D printing :a drizzle in the clouds?[J]. Global Strategy Journal, 2020, 11(1): 81−108.

    [10]

    BARNEY J B. Is the resource-based “view” a useful perspective for strategic management research? yes[J]. The Academy of Management Review, 2001, 26(1): 22−40.

    [11]

    BARNEY J B, ARIKAN A M. The resource-based view: origins and implications[J]. The Blackwell Handbook of Strategic Management, 2001, 5: 124−188.

    [12]

    HITT M A, BIERMAN L, SHIMIZU K, et al. Direct and moderating effects of human capital on strategy and performance in professional service firms: a resource-based perspective[J]. Academy of Management Journal, 2001, 44(1): 13−28. doi: 10.2307/3069334

    [13]

    NEWBERT S L. Empirical research on the resource‐based view of the firm: an assessment and suggestions for future research[J]. Strategic Management Journal, 2007, 28(2): 121−146. doi: 10.1002/smj.573

    [14]

    HUANG J W, LI Y H. Green innovation and performance: the view of organizational capability and social reciprocity[J]. Journal of Business Ethics, 2017, 145(2): 309−324. doi: 10.1007/s10551-015-2903-y

    [15]

    MELANDER L, PAZIRANDEH A. Collaboration beyond the supply network for green innovation: insight from 11 cases[J]. Supply Chain Management: An International Journal, 2019, 24(4): 509−523. doi: 10.1108/SCM-08-2018-0285

    [16]

    RENNINGS K, ZIEGLER A, ANKELE K, et al. The influence of different characteristics of the EU environmental management and auditing scheme on technical environmental innovations and economic performance[J]. Ecological Economics, 2006, 57(1): 45−59. doi: 10.1016/j.ecolecon.2005.03.013

    [17] 潘红波, 余明桂. 支持之手、掠夺之手与异地并购[J]. 经济研究, 2011, 46(9): 108−120.
    [18] 余明桂, 回雅甫, 潘红波. 政治联系、寻租与地方政府财政补贴有效性[J]. 经济研究, 2010, 45(3): 65−77.
    [19] 李玲, 陶厚永. 纵容之手、引导之手与企业自主创新: 基于股权性质分组的经验证据[J]. 南开管理评论, 2013, 16(3): 69−79+88.
    [20] 吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现: 来自股票流动性的经验证据[J]. 管理世界, 2021, 37(7): 130−144+10.
    [21] 戚聿东, 蔡呈伟. 数字化对制造业企业绩效的多重影响及其机理研究[J]. 学习与探索, 2020(7): 108−119.
    [22]

    MITHAS S, TAFTI A, MITCHELL W. How a firm’s competitive environment and digital strategic posture influence digital business strategy[J]. MIS Quarterly, 2013, 37(2): 511−536. doi: 10.25300/MISQ/2013/37.2.09

    [23]

    NWANKPA J K, MERHOUT J W. Exploring the effect of digital investment on IT innovation[J]. Sustainability, 2020, 12(18): 7374. doi: 10.3390/su12187374

    [24]

    DEWAN S, SHI C, GURBAXANI V. Investigating the risk-return relationship of information technology investment: firm-level empirical analysis[J]. Management Science, 2007, 53(12): 1829−1842. doi: 10.1287/mnsc.1070.0739

    [25] 齐绍洲, 林屾, 崔静波. 环境权益交易市场能否诱发绿色创新: 基于我国上市公司绿色专利数据的证据[J]. 经济研究, 2018, 53(12): 129−143.
    [26] 温忠麟, 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004(5): 614−620.
    [27] 郝书辰, 陶虎, 田金方. 不同股权结构的国有企业治理效率比较研究: 以山东省为例[J]. 中国工业经济, 2011(9): 130−139.
    [28] 温忠麟, 张雷, 侯杰泰. 有中介的调节变量和有调节的中介变量[J]. 心理学报, 2006(3): 448−452.
    [29]

    RULE A, COINTET J P, BEARMAN P S. Lexical shifts, substantive changes, and continuity in State of the Union discourse, 1790—2014[J]. Proceedings of the National Academy of Sciences, 2015, 112(35): 10837−10844. doi: 10.1073/pnas.1512221112

    [30]

    SATISH N,KALLE L,ANN M,et al. Digital innovation management: reinventing innovation management research in a digital world[J]. Mis Quarterly, 2017, 41(1): 233−238

    [31] 蔡跃洲. 中国共产党领导的科技创新治理及其数字化转型: 数据驱动的新型举国体制构建完善视角[J]. 管理世界, 2021, 37(8): 30−46.
  • 期刊类型引用(17)

    1. 樊驰,公艳. 数字化转型赋能企业创新研究可视化分析——现状、热点及演进趋势. 技术经济与管理研究. 2025(01): 119-126 . 百度学术
    2. 杨晓霞. 数字贸易、外商直接投资与企业绿色技术创新. 西部经济管理论坛. 2025(01): 30-41 . 百度学术
    3. 王向前,华梦姣. 数字化转型对汽车制造业绿色技术创新的影响研究. 山西大同大学学报(自然科学版). 2025(01): 49-55+62 . 百度学术
    4. 赵晓慧,余畅,董维佳. 数字化转型与企业绿色创新:基于创新动机的异质性分析. 干旱区资源与环境. 2025(04): 22-32 . 百度学术
    5. 杜雯欣. 重污染行业数字化转型对绿色技术创新的影响——基于链式多重中介效应与调节效应分析. 甘肃金融. 2025(03): 55-63 . 百度学术
    6. 徐伟锋. 产业数字化与绿色技术创新的耦合协调. 技术经济与管理研究. 2024(03): 20-25 . 百度学术
    7. 王少华,王敢娟,董敏凯. 供应链网络位置、数字化转型与企业全要素生产率. 上海财经大学学报. 2024(03): 3-17 . 百度学术
    8. 柯遵义,余澳. 数字化转型研究热点、主题变迁与发展趋势——基于CSSCI数据的文献计量分析. 图书情报导刊. 2024(05): 54-65 . 百度学术
    9. 陈胜利,王东. 大数据对企业管理决策影响研究. 中国服饰. 2024(07): 58-60 . 百度学术
    10. 王千龙,林雨璐,黄晓慧. 企业数字化转型对ESG表现的影响研究——基于全要素生产率和绿色技术创新的中介效应. 经营与管理. 2024(08): 38-45 . 百度学术
    11. 张译文. 数字化转型、高管风险偏好与企业绿色技术创新. 商业会计. 2024(14): 100-103 . 百度学术
    12. 马永霞,何静. 高校创新创业教育促进新质生产力发展:理论逻辑、现实困境与实现进路. 中国大学生就业. 2024(07): 29-38 . 百度学术
    13. 李辽宁,张韶静,韩少真,李辉. 数字化转型能否抑制企业成本粘性?——基于粘性三重成因的研究. 北京理工大学学报(社会科学版). 2024(06): 201-218 . 百度学术
    14. 杨睿娟,吴小燕,张文瑞,冀梦琪. “双碳”目标下数字化转型对能源企业双重绩效的影响——环境规制的调节作用. 煤炭经济研究. 2024(12): 31-41 . 百度学术
    15. 戴克清,潘景威,宋恩扬,张家精. 数字化驱动绿色化“双转”机制:来自安徽省上市企业转型绩效的证据. 皖西学院学报. 2024(06): 102-111 . 百度学术
    16. 冯学良,孟祥旭. 创新激励政策对绿色技术创新的影响机制分析. 科技管理研究. 2024(24): 29-37 . 百度学术
    17. 侯林芳. 民营企业数字化转型战略选择分析. 销售与市场. 2024(21): 22-24 . 百度学术

    其他类型引用(22)

图(2)  /  表(6)
计量
  • 文章访问数: 
  • HTML全文浏览量: 
  • PDF下载量: 
  • 被引次数: 39
出版历程
  • 收稿日期:  2023-03-31
  • 修回日期:  2023-06-29
  • 网络出版日期:  2023-09-12
  • 刊出日期:  2023-09-14

目录

/

返回文章
返回