Digital Technology Transformation, Digital Governance Capability and Green Transformation and Upgrading in Manufacturing Enterprises:A Study on the Mechanism Based on the Digital Empowerment Theory

Wu Weihong,Yang Fan,Zhang Aimei,Liu Ying

(School of Economics and Management,Beijing University of Chemical Technology, Beijing 100029, China)

Abstract：With the strategic goals of "carbon neutrality and carbon peaking", green transformation and upgrading is critical for the fundamental transformation of economic development. The technological dividend brought by the development of the digital economy provides an important opportunity for the green transformation and upgrading of the manufacturing industry, and gradually becomes the core element driving the green transformation and upgrading of the manufacturing industry. New digital models such as smart manufacturing and industrial Internet emerge one after another to accelerate the integration and innovation of the modern manufacturing industry, and help to solve the sore points in the green transformation and upgrading of China's manufacturing industry.

Most of the existing research on the digital economy and the green transformation and upgrading of the manufacturing industry has analyzed the role of the digital economy in enabling industrial upgrading and promoting high-quality development from the macro level, but the synergistic enabling mechanism of the digital economy in the macro environment and the micro organization has not been tapped; the mechanism of the role of the digital economy on the green transformation and upgrading of the manufacturing industry is still in a black box. Therefore, it is necessary to explore the influence mechanism of digital economy on the green transformation and upgrading of the manufacturing industry from the internal and external perspectives of enterprises, and put forward effective ways and government intervention strategies to realize the green transformation and upgrading of the manufacturing industry.

This paper incorporates industrial digitalization and digital governance into the same analytical framework from the dual perspectives of resource empowerment and structural empowerment based on digital empowerment theory and the combination of dynamic capability theory, green innovation theory and resource-based view, and introduces green process innovation. Using the Super-SBM model, GML index model, text mining method and fixed effects model, it conducts an empirical study on the mechanism of the role of digital economy in empowering green transformation and upgrading of manufacturing industry, with the research samples from 311 listed manufacturing companies from 2015 to 2020.

The research results show that (1) after taking into account the non-desired outputs such as energy inputs and pollutant emissions, the overall level of green transformation and upgrading in China's manufacturing industry is on an upward trend, but the space for green development needs to be further expanded through technological progress; (2) digital technology transformation in enterprises achieves an improved factor allocation efficiency and generates technological iteration effects in manufacturing enterprises, significantly improving their green transformation and upgrading level; (3) as the two dimensions of green process innovation, cleaner production technology innovation and end-treatment technology innovation play significant mediating roles in the impact of digital technology transformation on the green transformation and upgrading of manufacturing industry; (4) digital governance capability of the government, as a new form of governance, positively moderates the promotion effect of digital technology transformation on green transformation and upgrading in manufacturing. By identifying the situational factors of the digital economy empowering the green transformation and upgrading of the manufacturing industry, it helps the manufacturing industry to achieve sustainable development and provides an important basis for the effective implementation of ecological civilization construction strategy and digital construction in China.

The paper provides theoretical and practical contributions. By exploring the mechanism of the digital economy enabling green transformation and upgrading of the manufacturing industry from the perspective of the internal and external collaboration of enterprises, this paper enriches the theoretical research on the digital economy and green transformation and upgrading of the manufacturing industry. Meanwhile, on the basis of analyzing the current situation of green transformation and upgrading of the manufacturing industry, this paper explores the strategies from the perspective of the role mechanism of the digital economy in enabling green transformation and upgrading of the manufacturing industry, and provides suggestions for improving the practice of green transformation and upgrading of the manufacturing industry and guiding the government to improve its governance capability.

Key Words：Digital Economy;Digital Technology Transformation;Digital Governance Capability;Green Transformation and Upgrading; Digital Empowerment

收稿日期：2022-07-20

修回日期：2023-02-27

基金项目：国家社会科学基金一般项目(22BJL051)

作者简介：吴卫红(1972—),女,安徽定远人,博士,北京化工大学经济管理学院教授、硕士生导师,研究方向为技术创新管理、科技管理、产业绿色发展;杨帆(1997—),女,河北衡水人,北京化工大学经济管理学院硕士研究生,研究方向为创新管理;张爱美(1965—),女,吉林抚松人,博士,北京化工大学经济管理学院教授、硕士生导师,研究方向为技术经济;刘颖(1998—),女,河北保定人,北京化工大学经济管理学院硕士研究生,研究方向为创新管理。本文通讯作者:张爱美。

DOI：10.6049/kjjbydc.Q202207198

开放科学(资源服务)标识码(OSID)：

中图分类号：F424

文献标识码：A

文章编号：1001-7348(2023)12-0032-10

0 引言

随着“碳达峰、碳中和”战略目标的提出以及生态文明建设进程的不断推进,我国经济发展与环境保护之间的矛盾愈发凸显。耶鲁大学、哥伦比亚大学与世界经济论坛联合发布的《2020年全球环境绩效指数报告》显示,中国在参与评估的180个国家和地区中排名第120位,一定程度上反映我国生态环境绩效现状不容乐观[1]。过度依靠资源红利以及长期粗放型发展模式导致我国制造业企业能源消耗、污染物排放问题突出、产品附加值偏低,存在被全球价值链“低端锁定”风险。自然资源与生态环境的双重红线要求我国制造业企业摆脱传统要素驱动发展模式,绿色转型升级成为经济发展方式根本性转变的关键[2]。

在“创新驱动、转型升级”目标指引下,《中国制造2025》行动纲领提出:“以提质增效为中心,以加快新一代信息技术与制造业深度融合为主线,以推进智能制造为主攻方向。”数字经济发展带来的技术红利为制造业企业绿色转型升级提供了重要契机,逐渐成为驱动制造业企业绿色转型升级的核心要素。自Tapscott[3]提出“数字经济”概念以来,数字经济研究经历了信息经济、互联网经济、新经济3个阶段,不同发展阶段研究重点各有不同[4]。早期关于数字经济的研究主要强调数字产业化,着重分析数字化产业及数字技术市场化应用。随着研究的不断深入,研究重点逐渐转移到对数字技术经济功能的解读及数字技术对生产关系的变革上来。作为一种新经济范式,数字经济的新特征深刻改变着主体行为,并催生出新经济活动[4]。数字经济与实体经济不断融合,有效打通了供需信息渠道,畅通了国内大循环“供需梗阻”,从供需两端为实体经济发展提供了新机遇[5]。制造业作为国民经济主体行业,成为全球经济竞争以及迈向价值链高端竞争的制高点,紧紧抓住世界范围内新一轮科技革命和产业变革的历史性机遇,加快数字化技术与制造业深度融合,成为推动“智能制造”发展的强大动力。环境适应理论指出,在数字经济迅速发展的全新外部环境下,制造业企业需要通过数字化转型重新排列、整合自身价值创造过程,创新价值创造方式并实现“创造性破坏”(赵振等,2018),促进产出增加和效率提升。因此,通过制造业质量变革、效率变革和动力变革为“数字经济赋能”[5],对于破解中国制造业绿色转型升级“痛点”问题具有重要意义。

基于数字化赋能理论,数字经济赋能效应体现为内部资源赋能和外部结构赋能两个维度。其中,内部资源赋能强调提升被赋能者在获取、控制和管理资源方面的能力。产业数字化反映传统产业利用数字化技术并以信息流为牵引,对生产过程进行转型升级以提升企业资源整合能力,体现为数字经济资源赋能过程;外部结构赋能聚焦于改变情境条件,数字化治理反映政府作为社会治理主体,在促进各地数字化治理创新系统化、规范化和高效化方面发挥重要作用[6]。“数字技术+治理”的新型治理模式旨在实现政府治理结构改善与数字化治理能力提升,为企业绿色转型升级提供有利的外部环境。现有文献多从企业内部微观环境或外部宏观环境视角对数字经济赋能效应展开探究。从微观视角出发,部分学者探讨数字经济通过数据驱动、创新驱动、需求驱动和供给驱动赋能制造业企业转型升级[7-8],并基于利益相关者理论,提出数字技术的快速发展为价值创造主体多方参与提供了可能,但仅有少数学者探究数字化程度加深对制造业企业绿色创新绩效的积极影响,未深入阐明数字经济对制造业绿色转型升级的影响[9]。从宏观视角出发,已有学者基于政府干预理论指出,合理的政府规制能够产生“创新补偿效应”,指出政府不断加大数字化投入、提高区域数字化水平有利于提高企业创新绩效(周青等,2020),但针对数字技术深度嵌入社会治理、社会风险监测以及诉求表达能否为制造业企业绿色转型升级提供支撑的研究较少,理论研究滞后于实践发展。

综上所述,首先,相关学者对数字经济赋能制造业企业转型升级虽然取得一定研究成果,但针对企业内部数字化转型与政府外部数字化治理能力如何协同赋能微观企业转型升级缺乏理论阐释;其次,未对数字经济如何赋能制造业企业绿色转型升级进行深入研究,其作用机制仍不明确。众所周知,数字经济赋能制造业企业绿色转型升级是打赢绿色发展攻坚战的重要保障,对其作用机制展开研究迫在眉睫。鉴于此,本文以数字化赋能理论为基础,结合动态能力理论和资源基础观,根据资源编排理论,将数字经济赋能视作对数据资源的编排过程,深度剖析数字经济从企业内外部赋能制造业企业绿色转型升级的过程。具体而言,从资源赋能与结构赋能双重视角出发,将企业数字化转型与数字化治理纳入同一研究框架,运用文本挖掘、关键词提取、Super-SBM模型及面板数据回归模型,实证检验企业内部数字化技术转型与政府外部数字化治理能力对制造业企业绿色转型升级的影响,并提出促进制造业企业绿色转型升级的有效途径与政府干预策略。

本文贡献如下:首先,在理论层面,本文立足于数字经济内涵和制造业企业绿色转型升级的现实意义,从企业内外部协同视角探究数字经济赋能制造业企业绿色转型升级的作用机制,兼顾政府和企业的主体地位,有助于丰富数字经济及制造业企业绿色转型升级理论研究,为加快完善数字经济赋能制造业绿色转型升级提供相关理论依据。其次,在实践层面,本文针对目前环境问题引致政府与企业迫切要求绿色发展的现实背景,在对制造业企业绿色转型升级现状进行测度的基础上,从数字经济赋能制造业企业绿色转型升级的作用机制视角探讨发展策略,有助于针对性举措实施落地,为改善制造业企业绿色转型实践、引导政府提升治理能力提供理论依据。

1 理论分析与研究假设

1.1 数字化技术转型与制造业企业绿色转型升级

制造业发展可阐释为由劳动、资本制造向智能制造演化的过程,不同发展阶段存在不同赋能和驱动效应。智能化制造中的质量变革主要由数字经济赋能,受数字化、网络化、平台化和需求升级驱动,呈现制造服务精准化和制造过程数字化特征,如海尔集团打造COSMOPlat平台、青岛红领集团打造互通互联的智能数据共享系统等[8]。数字经济会产生技术迭代效应,通过新技术迭代促进制造业企业生产方式变革[10]。首先,基于数字化赋能理论,从资源赋能视角出发,企业数字化技术转型水平提升以及高效联通的信息网络与先进的数字化设计有助于提升企业资源整合能力,将绿色创新要素融入企业生产和运营过程,形成多方参与互动的绿色发展网络,在促进企业产出增加的同时能够进一步改善环境治理绩效[11]。其次,根据动态能力理论,随着环境动态性的持续波动,数字化技术通过提升企业信息整合能力和深度分析能力实时洞察市场,有利于企业制定科学决策,在传统生产工艺的基础上融合先进信息技术[9],基于大数据预测准确把握政策导向与市场需求,通过数字化手段迎合可持续发展与绿色创新发展趋势,进而实现绿色转型升级。据此,本文提出如下假设:

H1:企业数字化技术转型能够显著提升制造业企业绿色转型升级水平。

1.2 绿色工艺创新的中介作用

基于内生增长理论,企业内部创新是驱动企业技术进步与绿色转型升级的关键。随着数字化技术与制造技术融合发展,工艺流程各部门之间联动的边际成本持续下降,制造收益呈几何式增长,技术溢出效应显著[12]。智能化、大数据、网络化等数字化技术以资源节约和环境保护为导向,为企业绿色工艺创新提供数字化设计[11]。

绿色工艺创新作为一种新型技术创新手段(原毅军等,2019),涵盖清洁生产技术创新和末端治理技术创新两个维度[13-14]。其中,清洁生产技术创新是一种预防性环境管理策略,末端治理技术创新是源头预防策略的有益补充。数字化技术转型推动制造业实现材料选择、工艺设计、技术提升、生产流程改造等清洁生产技术领域的最优化设计,通过对现有生产工艺进行智能化、网络化改进,能够有效降低原材料、能源投入品使用强度,使用更加环保的生产材料与设计方案,从而降低整个生产过程对资源环境所产生的压力[15]。末端治理技术创新侧重于对废弃物的处置,将数字化技术与末端治理技术相融合,有助于促进污染物处理技术创新,提高污染物处理设备运行效率[13],进而实现环境绩效与经济绩效双赢。据此,本文提出如下假设:

H2:数字化技术转型通过提升制造业企业清洁生产技术创新能力,进而提高制造业企业绿色转型升级水平。

H3:数字化技术转型通过提升制造业企业末端治理技术创新能力,进而提高制造业企业绿色转型升级水平。

1.3 数字化治理能力的调节作用

社会治理数字化作为公共管理领域的新范式,是数字化治理理论在社会治理领域的应用。数字化治理将数字技术深度嵌入到社会治理决策、民众诉求表达、社会风险监测等各个环节[16],赋能政府、企业和公众等多元主体,有助于提升政府治理效能、优化社会政策制定、扩大群众互动范围、推进治理方式转型[17]。从结构赋能视角出发,数字化治理能力提升有助于促进政府体系优化与流程再造,丰富政府环境执法监督方式,提升政务服务水平与公众满意度,为数字经济赋能制造业企业绿色转型升级提供有力支撑。并且,随着大数据分析、云计算等数字化技术逐渐融入政府治理,有助于开拓科技与治理之间的良性互动空间,促进政府主导、社会协同的新型治理模式的出现。政府借助政治势能统筹整合辖区技术、组织、权威、公共服务等要素[18],能够大大缓解传统治理模式的时滞性与资源限制,促进政府与企业有效互动,在合法性动机驱使下,制造业企业会更加积极主动地迎合相关政策规定,实施绿色发展策略。据此,本文提出如下假设:

H4:政府数字化治理能力能够正向调节数字化技术转型影响制造业企业绿色转型升级的过程。

2 研究设计

2.1 样本选取

2015 年《政府工作报告》首次提出《中国制造2025》计划,强调制定“互联网+”行动计划,推动互联网、云计算、大数据、物联网等与现代制造业结合,促使越来越多的制造业企业开启数字化战略转型。鉴于此,本研究以2015年为时间节点,选取2015—2020年沪深A股制造业上市公司为研究样本,样本筛选步骤如下:①根据2012年上市公司行业分类结果(中国证券监督管理委员会公告[2013]4号)得到2 982家上市公司名录;②剔除ST或*ST的上市公司;③剔除2015—2020年退市的上市公司以及社会责任报告缺失的上市公司。最终,选取311家上市公司为研究对象,涉及25个制造业细分行业,共计1 866个样本观测值。其中,计算机、通信和其它电子设备制造业样本占比13.5%,医药制造业样本占10.93%,化学原料及化学制品制造业占9.97%,其它制造业细分行业样本占比均不超过9%。

2.2 模型构建

根据Hausman检验结果,本文构建固定效应模型对数字经济赋能制造业企业绿色转型升级的影响效应进行研究。

2.2.1 基础模型构建

为检验数字化技术转型对制造业企业绿色转型升级的赋能效应,本文构建如下计量模型:

GTUi,t=α0+α1DTTi,t+αmRi,t+μi,t+εi,t

(1)

式(1)中,GTU表示制造业企业绿色转型升级水平,DTT表示企业数字化技术转型,R为控制变量合集,μ、ε表示固定效应和随机误差项。

2.2.2 中介效应检验模型

本文借鉴温忠麟等[19]的中介效应检验方法,引入绿色工艺创新两个维度作为中介变量,在模型(1)的基础上进行扩展。

PIi,t=α0+α1DTTi,t+αmRi,t+μi,t+εi,t

(2)

GTUi,t=α0+α1DTTi,t+α2PIi,t+αmRi,t+μi,t+εi,t

(3)

MIi,t=α0+α1DTTi,t+αmRi,t+μi,t+εi,t

(4)

GTUi,t=α0+α1DTTi,t+α2MIi,t+αmRi,t+μi,t+εi,t

(5)

其中,PI为清洁生产技术创新,MI为末端治理技术创新。

2.2.3 调节效应检验模型

本文将政府数字化治理能力设置为调节变量,借鉴Balli &Sφrensen[20]的方法,对自变量和调节变量作去中心化处理,在此基础上加入交互项,构建如下模型:

GTUi,t=α0+α1DTTi,t+α2DGCi,t+αmRi,t+μi,t+εi,t

(6)

GTUi,t=α0+α1DTTi,t+α2DGCi,t+α3DTTi,t*DGCi,t+γmRi,t+μi,t+εi,t

(7)

其中,DGC为政府数字化治理能力,DTT*DGC为数字化技术转型与数字化治理能力的交互项。

2.3 变量测量

2.3.1 被解释变量:制造业企业绿色转型升级水平

制造业企业绿色转型升级水平提升意味着在较少的资源消耗与污染物排放基础上促进发展效率提升。本文采用考虑非期望产出的Super-SBM模型和GML指数[21]测度制造业企业绿色转型升级水平。本研究将制造业各细分行业设为一个决策单位(DMU),构造每个时期制造业行业生产的最佳前沿。非期望产出超效率SBM计算公式如下:

(8)

s. t.

xk=Xλ+Sx

(9)

yk=Yλ-Sy

(10)

zk=Zλ+Sz

(11)

λ≥0,Sx≥0,Sy≥0,Sz≥0

其中,ρ为规模报酬可变(VRS)的DMU超效率值,Sx、Sy、Sz为投入产出松弛变量。当ρ≥1时,表明被评价的决策单元相对有效;当ρ≤1时,表明被评价的决策单元相对无效。ρ值越大,说明制造业企业绿色转型升级效率越高。

本文选取全局参比Malmquist指数模型(GML指数)评价制造业各细分行业绿色转型升级效率动态变化情况。GML指数表达式如下:

(12)

借鉴岳鸿飞[2]、沈可挺等(2011)的研究,投入产出指标数据来源及处理过程如下:①劳动投入:选取分行业规模以上制造业企业从业人员年平均数为代理指标,相关数据来源于历年《中国统计年鉴》;②资本投入:采用规模以上制造业企业固定资产净值为代理指标,相关数据来源于历年《中国工业统计年鉴》,并根据《中国经济普查年鉴》及各省份统计年鉴数据对缺失年份进行补充;③能源消耗:选取规模以上制造业分行业终端能源消费量作为能源投入的代理指标,相关数据来源于《中国能源统计年鉴》;④期望产出:选取考虑中间投入成本的规模以上制造业企业主营业务收入为代理指标,相关数据来源于《中国统计年鉴》《中国工业统计年鉴》;⑤非期望产出:采用规模以上制造业企业废水、废气、固体废弃物排放量3种污染物为非期望产出,通过熵值法构建制造业企业污染物综合排放指标作为非期望产出的代理指标,相关数据来源于《中国环境统计年鉴》。对上述指标进行收集与整理,根据311家上市公司每年主营业务收入占行业主营业务收入的比重测度各企业绿色转型升级水平。

2.3.2 核心解释变量:数字化技术转型

上市公司年报披露了企业基本情况、业务描述、公司治理等与企业发展相关的信息,具有十分重要的读取价值[22]。本文借鉴赵宸宇[23]的研究,运用文本挖掘法对311家制造业上市公司2015—2020年披露的年度报告进行关键词挖掘,将其作为测度企业数字化技术转型的代理指标,具体步骤如下: 第一,将收集到的311家制造业企业年报转换为txt格式。 第二,选取一些智能制造发展较为成功的企业样本。由法国里昂商学院、华中科技大学管理学院等共同发布的《2020中国智能制造企业百强榜》显示,311家企业中共计26家企业上榜,以此26家制造业企业2015—2020年发布的年度报告为分析样本,最终共选取156份典型样本,以避免人工筛选的主观性。 第三,基于Python的Jieba分词功能对156份样本进行分词处理,统计分词词频,筛选与数字化技术转型相关的高频词汇,形成数字化技术转型关键词初级词库,如数据、数字、数控、信息化、智能化等。 第四,缩小关键词范围。根据数字化技术转型初级词库,利用Python软件在1 866份总样本中提取关键词前后文本,筛选词频较高的文本组合,基于既有文献进行补充,并邀请5名业界和学术界专家对高频词汇进行核验(胡楠等,2021),形成最终的数字化技术转型关键词词库,如数据管理、数据分析、数据服务、智能制造、智能技术、智能生产、智能设备等。 第五,根据数字化技术转型关键词词库,利用Jieba功能对所有样本进行分词处理,统计相关关键词词频并对其进行标准化处理,以反映制造业企业数字化技术转型水平。

2.3.3 中介变量:绿色工艺创新

绿色工艺创新对企业环境绩效与竞争优势具有重要影响,清洁生产技术创新旨在减少企业生产过程中造成的环境问题,从源头上降低污染物排放;末端治理技术创新侧重于提升在企业生产过程中产生的废弃物处置效率(解学梅等,2019)。企业社会责任报告综合反映企业社会责任履行情况,是企业与社会利益相关者之间沟通的“桥梁”。本文在收集311家制造业上市公司2015—2020年披露的社会责任报告的基础上,分别构建清洁生产技术创新与末端治理技术创新关键词词库,运用Python软件和文本挖掘法对企业清洁生产技术创新、末端治理技术创新能力进行测度,挖掘步骤如表1所示。

2.3.4 调节变量:数字化治理能力

数字化治理是政府治理的新形态,推进政府治理数字化是提升政府治理效率的主要内容。政府数字化治理能力提升主要体现为“数字技术+治理”新型治理模式的出现以及电子政务、数据治理的统筹推进,因此对地方政府职能履行情况进行定量分析成为测度政府数字化治理能力的重要指标。根据邓雪琳等[24]的研究,政府工作报告作为特殊的政策文件,全面总结了政府的工作成果和未来工作计划,是政府施政方针以及治理重点的直接体现,具有较强的权威性。已有研究通过对地方政府工作报告进行文本分析,探究地方政府的治理特征[25]、治理聚焦[26]等发展现状。因此,本文在已有研究的基础上,以政府工作报告回顾与总结为文本分析对象,运用Python软件对311家制造业企业注册所在地政府2015—2020年发布的726份政府工作报告进行文本分析,具体挖掘步骤如下:第一,收集726份政府工作报告,提取其中的“政府工作回顾”部分文本内容,并将其转换为txt格式作为研究样本。 第二,基于Python的Jieba分词功能对总样本进行分词处理,统计分词词频,筛选数字化治理能力相关高频词汇,形成数字化治理能力初级词库,如数字、数据、光纤、互联、一体化、智能化等。 第三,缩小关键词范围。利用Python软件在726份总样本中提取关键词前后文本,筛选词频较高的文本组合,并基于既有文献进行补充,邀请5位专家对高频词汇进行核验(胡楠等,2021),形成最终的数字化治理能力关键词词库,如大数据监管、数据共享、数据通道、数字政府、互联网+政务等。 第四,根据最终建立的数字化治理能力关键词词库,利用Jieba功能对所有样本进行分词处理,统计相关关键词词频并对其进行标准化处理,以度量政府数字化治理能力。

2.3.5 控制变量

本文借鉴已有研究成果(付悦等,2014;刘振等,2018),设置如下控制变量,数据均来源于CSMAR数据库。

(1)企业上市时间。上市时间反映企业发展成熟度与适应能力,影响企业战略规划方向。本文借鉴解学梅[13]的研究,将上市时间界定为企业上市起至观测年份。

(2)企业规模。企业规模在一定程度上影响制造业企业绿色转型升级效率,因此本文采用员工人数对数衡量企业规模。

(3)股权集中度。绿色转型升级对管理者环保意识具有较高的依赖性,股权集中度反映控股大股东风险承担能力,对企业参与绿色转型具有重要影响。因此,本文参考刘振等(2018)的做法,以第一大股东持股比例作为股权集中度的代理变量。

(4)所有制性质。国有企业与非国有企业战略发展方向受所有制性质的影响,进而影响企业承担社会责任的程度。因此,本文借鉴付悦等(2014)的研究,采用虚拟变量法,将国有企业记为1,非国有企业记为0。

(5)资本密集度。资本密集度越高,越有利于企业利用自身资本密集比较优势从事绿色创新活动,计算公式如下:

资本密集度=固定资产/员工总人数

综上所述,变量测度方法与数据来源如表2所示。

3 实证结果分析

3.1 制造业企业绿色转型升级水平测度

本文运用非期望产出Super-SBM模型和GML指数测度制造业企业绿色转型升级水平,结果如表3所示。从时间维度看,自2015年国务院正式印发《中国制造2025》以来,制造业向智能制造发展成为共识,通过智能化感知、人机交互、决策和执行技术实现设计过程、制造过程和制造装备智能化,成为推动制造业企业绿色转型的关键环节。整体而言,2015—2020年我国大部分制造业行业的绿色转型升级水平波动式上升,均值由2015年的1.007升至2020年的1.125,上升幅度高于10%。从行业维度看,在考虑能源消耗与污染物综合排放指标非期望产出后,大部分制造业行业绿色转型升级GML指数均大于1,但行业间绿色转型升级水平呈现明显的差异性。其中,医药制造业作为技术密集型行业的代表,GML指数最高,2015—2020年均值达到1.251;废气资源综合利用业由于本身绿色特征明显,在当前技术条件下绿色发展进步空间不足,GML指数均值仅为0.989。通过上述分析可见,在环境形势与政策导向双重压力下,制造业企业在保持良好绿色发展趋势的同时,也面临着绿色转型升级水平参差不齐、部分行业绿色发展空间不足等问题。因此,促进技术变革、创新驱动与政策支持成为推动制造业企业绿色转型升级的主攻方向,而数字经济发展则为制造业企业数字化转型与绿色发展提供了新契机。

3.2 回归结果分析

3.2.1 描述性统计与相关性分析

本文采用Stata 16.0对数据进行实证分析,表4为变量描述性统计结果,表5为各变量间的相关系数矩阵。从中可见,数字化技术转型与制造业绿色转型升级显著正相关,初步验证本研究主效应,需进一步进行多元回归分析。本文采用Hausman检验对固定效应和随机效应模型进行检验,发现方差膨胀因子(VIF)远小于临界值10,说明不存在多重共线性问题。

3.2.2 直接效应检验

首先,检验数字化技术转型对制造业企业绿色转型升级的直接效应,结果如表6所示。表6中模型(1)对控制变量进行回归,结果发现企业规模、企业上市时间、资本密集度与制造业绿色转型升级正相关,说明规模大、成立时间长且资本实力雄厚的企业更有能力进行绿色转型升级;股权集中度与制造业绿色转型升级负相关,表明股权过于集中不利于企业绿色创新;所有制性质与制造业绿色转型升级负相关,说明相比于非国有企业,国有企业更关注自身合法性,环境保护制度设计与经营理念也更符合绿色发展目标。因此,当非国有企业环境表现欠佳时,会急于通过绿色转型升级寻求市场支持。模型(2)检验数字化技术转型对制造业企业绿色转型升级的直接效应,结果表明企业内部数字化技术转型正向影响绿色转型升级水平(α=0.396,p<0.01),假设H1得以验证。这表明,数字技术普及打破了制造业企业原来粗放的发展模式,高效连通的信息网络使企业不仅获得数字化技术外溢效应,还提升了企业资源整合能力,从而推动制造业企业绿色转型升级进程。

3.2.3 中介效应检验

进一步,对绿色工艺创新两个维度清洁生产技术创新和末端治理技术创新进行中介效应检验,结果如表7所示。其中,由模型(1)总效应检验结果可知,数字化技术转型对制造业企业绿色转型升级的影响效应显著为正(α=0.396,p<0.01);模型(3)结果显示,加入清洁生产技术创新中介变量后,数字化技术转型对制造业绿色转型升级的回归系数减小,而数字化技术转型对清洁生产技术创新的影响效应显著为正(α=0.134,p<0.01),清洁生产技术创新对制造业企业绿色转型升级的回归系数为0.045(α=0.045,p<0.05),表明数字化技术转型通过对企业清洁生产技术创新产生积极影响从而间接促进绿色转型升级水平提升,假设H2得以验证。模型(4)、(5)列示了末端治理技术中介效应逐步回归估计结果。其中,模型(5)加入末端治理技术创新中介变量后,数字化技术转型回归系数由0.396降至0.386,且数字化技术转型对末端治理技术创新的回归系数显著为正(α=0.203,p<0.01),末端治理技术创新对制造业企业绿色转型升级的回归系数为0.049,在1%水平上显著(α=0.049,p<0.01),说明末端治理创新对数字化技术转型影响制造业企业绿色转型升级过程存在部分中介效应,假设H3得以验证。

3.2.4 调节效应检验

表8列示了数字化治理能力对数字化技术转型与制造业企业绿色转型升级关系的调节效应检验结果。模型(1)仅包括控制变量,模型(2)在模型(1)的基础上引入数字化技术转型和数字化治理能力,模型(3)在模型(2)的基础上引入数字化技术转型和数字化治理能力的交互项。模型(3)结果显示,数字化技术转型与数字化治理能力交互项对制造业企业绿色转型升级具有正向影响,且在10%水平上显著(α=0.254,p<0.1),假设H4得以验证。这表明,数字政府呈现的业务在线化、数据运营化、全触点数字化等特征使政府治理实现从数据孤岛到数据流通共享的跨越,政府管理水平提升促使企业采取绿色发展战略。

3.2.5 稳健性检验

(1)滞后一期被解释变量。考虑到制造业企业数字化技术转型和绿色工艺创新的时滞性特征,本文采用滞后一期制造业企业绿色转型升级数据进行回归分析。结果显示,数字化治理能力调节效应有所减弱,说明数字政府建设有效降低了政府对企业管理的时滞性,并显著提高了政府治理效率,与前文检验结果一致。

(2)保留重污染行业。相比于其它行业,非金属矿物制品业、纺织业等重污染行业更需要进行绿色转型升级,因此本文剔除其它行业样本,得到612个观测样本共102家企业数据,重新进行实证分析,结果均支持研究假设。

(3)改变时间窗口。由于《中国制造2015》与“互联网+”行动计划于2015年提出,在实行初期可能存在一定的政策时滞性,故本文剔除2015年数据,得到1 555个观测样本,重新进行实证分析,发现回归结果均支持研究假设,表明本文研究结论具有稳健性。

4 结语

4.1 研究结论

本文以数字经济发展为研究背景,对制造业企业绿色转型升级现状进行分析,通过构建计量经济学模型进行实证研究,深度剖析数字经济赋能制造业企业绿色转型升级的作用机制,得出如下结论:

(1)根据非期望产出Super-SBM模型和GML指数测度结果,发现造纸及纸制品业、非金属矿物制品业等行业高耗能、高排放特征明显,需要重点关注和规制。2015—2020年,制造业企业绿色转型升级水平呈波动上升趋势,相比于高耗能行业,废气资源综合利用业受自身绿色特征及发展基础的影响,绿色转型升级水平稍显落后,制造业行业绿色转型升级水平提升需要技术进步的强有力支撑。

(2)从资源赋能角度出发,数字化技术转型通过推动制造业企业价值重新排列、整合对企业绿色转型升级水平产生促进作用,其已成为促进制造业企业绿色转型与创新的主导力量。

(3)作为绿色工艺创新的两个维度,清洁生产技术创新和末端治理技术创新对数字化技术转型促进制造业企业绿色转型升级存在显著中介效应,数字化技术为制造业生产与污染物处理提供数字化设计,进而实现创造性破坏与颠覆性创新。

(4)作为一种新型治理形态,政府数字化治理能力提升正向调节数字化技术转型对制造业企业绿色转型升级的促进作用,从结构赋能角度为企业绿色转型升级提供有力的外部治理环境。

4.2 政策建议

(1)突破数字经济信息传递介质认知局限,发挥数字经济技术溢出效应,加强数字技术推广与应用。制造业绿色转型升级进程存在显著行业差异,部分行业绿色转型升级水平亟待提升。因此,应瞄准绿色转型较为落后的制造业行业,集中优势资源推动重点转型。凭借数字经济特殊的技术属性以及较强的网络效应优势,对传统制造业企业形成技术外溢效应,促进传统制造业数字化升级,提升资本、能源等要素利用率,降低资源能源消耗强度,实现绿色可持续发展。

(2)强化制造业企业生产过程中的数字化设计,提升绿色工艺创新实践对制造业绿色转型升级的驱动作用。针对亟需转变发展方式的制造业企业,利用数字化技术实现绿色转型水平突破式发展,为制造业企业提供宽松的自主研发环境,激发企业数字化技术转型积极性,提升企业绿色工艺创新水平,解决目前制造业企业绿色发展空间不足的问题。

(3)运用数字技术推动政府职能转变与政府体制机制重塑,发挥政府治理对制造业企业绿色转型升级的引导与监督作用,形成政府与企业协同共治的社会治理新局面。互联网、大数据等数字化技术应用与扩散为数字政府建设提供了新机遇,数据驱动、技术嵌入、社会协同成为新型数字化治理模式的关键机制,改变着传统政府治理局限于物理空间的不足。因此,应加快数字政府建设,提升政府决策、监管和服务能力,及时准确地研判制造业企业绿色转型发展趋势及潜在风险,促进数字技术与政府治理良性互动,更好地为制造业企业绿色发展赋能。

参考文献：

[1] 郝春旭,邵超峰,董战峰,等.2020年全球环境绩效指数报告分析[J].环境保护,2020,48(16):68-72.

[2] 岳鸿飞,徐颖,吴璘.技术创新方式选择与中国工业绿色转型的实证分析[J].中国人口·资源与环境,2017,27(12):196-206.

[3] SHEETS B H. Book review of don tapscott's growing up digital——the rise of the net generation[J]. Information Technology, Learning, and Performance Journal, 1999, 17(2): 53.

[4] 陈晓红,李杨扬,宋丽洁,等.数字经济理论体系与研究展望[J].管理世界,2022,38(2):208-224.

[5] 姜松,孙玉鑫.数字经济对实体经济影响效应的实证研究[J].科研管理,2020,41(5):32-39.

[6] 戴祥玉,卜凡帅.地方政府数字化转型的治理信息与创新路径——基于信息赋能的视角[J].电子政务,2020,17(5):101-111.

[7] 焦勇.数字经济赋能制造业转型:从价值重塑到价值创造[J].经济研究参考,2020,40(14):113-118.

[8] 廖信林,杨正源.数字经济赋能长三角地区制造业转型升级的效应测度与实现路径[J].华东经济管理,2021,35(6):22-30.

[9] 周慧慧,李海霞,赵琳瑞.制造业数字化转型对绿色创新绩效的影响研究——数字化水平的调节作用[J].科技与管理,2021,23(1):33-43.

[10] 李廉水,石喜爱,刘军.中国制造业40年:智能化进程与展望[J].中国软科学,2019,34(1):1-9,30.

[11] 谢雄标,吴越,严良.数字化背景下企业绿色发展路径及政策建议[J].生态经济,2015,31(11):88-91.

[12] 韩先锋,宋文飞,李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济,2019,37(7):119-136.

[13] 解学梅,王若怡,霍佳阁.政府财政激励下的绿色工艺创新与企业绩效:基于内容分析法的实证研究[J].管理评论,2020,32(5):109-124.

[14] XIE X, HUO J, QI G, 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.

[15] 汪明月,李颖明,王子彤.工业企业绿色技术创新绩效传导及政府市场规制的调节作用研究[J].管理学报,2022,19(7):1026-1037,1091.

[16] 沈费伟,诸靖文.数据赋能:数字政府治理的运作机理与创新路径[J].政治学研究,2021,36(1):104-115,158.

[17] 管志利.政府数字化转型的总体性分析及合作治理之道[J].行政与法,2022,39(10):22-33.

[18] 刘旭然.数字化转型视角下政务服务跨域治理的特征、模式和路径——以“跨省通办”为例[J].电子政务,2022,19(9):112-124.

[19] 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,2004,49(5):614-620.

[20] BALLI H O, SΦRENSEN B E. Interaction effects in econometrics[J]. Empirical Economics, 2013, 45(1): 583-603.

[21] PASTOR J T, LOVELL C A K. A global Malmquist productivity index[J]. Economics Letters, 2005, 88(2): 266-271.

[22] 唐晓波,谭明亮,李诗轩,等.基于风险短语挖掘的知识聚合模型研究[J].情报理论与实践,2020,43(8):152-158,139.

[23] 赵宸宇.数字化发展与服务化转型——来自制造业上市公司的经验证据[J].南开管理评论,2021,24(2):149-163.

[24] 邓雪琳.改革开放以来中国政府职能转变的测量——基于国务院政府工作报告(1978-2015)的文本分析[J].中国行政管理,2015,31(8):30-36.

[25] 卢盛峰,李晓淳,卢洪友.地方政府财政治理特征研究:来自中国政府工作报告文本识别的经验证据[J].财政研究,2020,41(4):99-114.

[26] 张文鹏,段莉,王涛.地方政府体育治理聚焦与推进的注意力研究——基于31个省(区、市)政府工作报告的文本分析[J].中国体育科技,2021,57(7):78-84.

(责任编辑：王敬敏)