Green Innovation Linkage of Heavy-Polluting Enterprises under the "Carbon Neutrality and Peak Carbon Emissions" Goals

Hao Panpan1, Wang Shiyuan1, Yuan Dongliang2, He Yanan1

( 1.School of Accounting, Shanxi University of Finance and Economics, Taiyuan 030006, China; 2.School of Management, Lanzhou University, Lanzhou 730000, China )

Abstract：In the process of promoting carbon neutrality and peak carbon emissions, tackling heavy-polluting enterprises is of utmost importance. With the intensification of resource constraints, stakeholders are not only concerned about the operational performance of these enterprises but also pay close attention to their environmental performance. With policy support for building innovation alliances among enterprises, if positive green innovation linkage exists among heavy-polluting enterprises, it will significantly improve their green innovation efficiency, promote green innovation within these enterprises, enhance their carbon performance, and elevate the overall green innovation capabilities of the heavy-polluting industry. Undoubtedly, this will be a tremendous driving force for achieving China's low-carbon transformation and "dual carbon" goals.

Therefore, in accordance with the "Guidelines for Environmental Information Disclosure of Listed Companies" published by the Ministry of Environmental Protection, this study categorizes 16 industries as heavy-polluting industries. It utilizes data from heavy-polluting listed companies on the Shanghai and Shenzhen A-shares exchanges from 2010 to 2021 as samples. Through empirical methods such as panel regression and rolling regression, it examines the evidence, mechanisms, and economic consequences of green innovation linkage among heavy-polluting enterprises. Specifically, by constructing a linkage model and conducting panel regressions, it explores the performance of green innovation linkage among heavy-polluting enterprises in the current period and lagged periods. By grouping them based on median values and conducting regressions, the study investigates the heterogeneity characteristics of green innovation linkage among heavy-polluting enterprises. Through a three-step model, it examines the mechanisms behind green innovation linkage among heavy-polluting enterprises from the perspectives of "knowledge spillover" and "risk avoidance".By employing rolling regression, it obtains the linkage coefficient of green innovation among heavy-polluting enterprises. This coefficient is then used as an explanatory variable, while the manually collected and calculated carbon performance of enterprises, specifically the ratio of carbon emissions per unit of revenue, is used as the explained variable. The benchmark regression model includes appropriate new control variables to examine the economic consequences of linkage.

The research indicates that there is negative linkage in green innovation among heavy-polluting enterprises in the current period, but positive linkage in the two lagged periods. This result is robust even after undergoing a series of robustness tests. Heterogeneity analysis shows that when the digitization level of enterprises and the level of information flow in their respective regions are high, the negative linkage in green innovation among heavy-polluting enterprises is mitigated, leading to enhanced positive linkage in lagged periods. Mechanism analysis reveals that green innovation linkage among heavy-polluting enterprises is mainly achieved through knowledge spillover and risk avoidance mechanisms. Specifically, knowledge spillover acts as a mediating effect in the lagged periods, while risk avoidance acts as a mediating effect in the current period and a masking effect in the lagged periods. Examination of the economic consequences of linkage shows that when there is positive green innovation linkage among heavy-polluting enterprises in the lagged periods, it significantly improves their carbon performance.

According to the conclusions drawn from the above research, policy recommendations should be formulated from the perspectives of both enterprises and the government. For enterprises, firstly, they should enhance the construction of internal and external information exchange and sharing platforms, and increase the breadth and depth of communication and cooperation with peer enterprises. Secondly, enterprises should raise their environmental awareness, shoulder the responsibility of environmental protection, and actively improve their carbon performance levels. Thirdly, enterprises should enhance their risk control capabilities and strike a balance between resource allocation and risk-taking. Finally, enterprises should prioritize the development of digital technologies and formulate digital transformation plans tailored to their own needs. As for the government, firstly, it should attach importance to infrastructure construction, build advanced transportation networks, and utilize the convenience brought by knowledge flow and innovation resource spillovers for enterprises. Secondly, it should promote the deep integration of digitization and enterprise green innovation, guiding enterprises to establish green innovation management systems characterized by digitization. Thirdly, the government should strengthen its supervisory role, create a fair competition environment, and encourage enterprises to actively fulfill social responsibilities and engage in green innovation activities.

Key Words：Green Innovation; Linkage Effect; Knowledge Spillover; Risk Avoidance; Carbon Performance

收稿日期：2024-01-05

修回日期：2024-05-14

基金项目：教育部人文社会科学研究项目(22YJA630024);甘肃省科技计划资助项目(23JRZA368)

作者简介：郝盼盼(1985—),女,山西晋城人,博士,山西财经大学会计学院副教授,研究方向为研发创新管理、公司金融;王诗元(1998—),男,河南安阳人,山西财经大学会计学院博士研究生,研究方向为研发创新管理;原东良(1992—),男,山西晋城人,博士,兰州大学管理学院研究员,研究方向为企业创新与企业社会责任;贺亚楠(1985—),女,山西方山人,博士,山西财经大学会计学院副教授,研究方向为企业创新。通讯作者:王诗元。

DOI：10.6049/kjjbydc.2024010161

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2025)15-0098-10

0 引言

党的二十大报告提出“加快发展方式绿色转型,深入推进环境污染防治,提升生态系统多样性、稳定性、持续性,积极稳妥推进碳达峰碳中和”。工业和信息化部、国家发展和改革委员会等十一部门联合印发《关于开展“携手行动”促进大中小企业融通创新(2022—2025年)的通知》提出,“推动协同创新,推动大企业、中小企业联合科研院所、高校等组建一批大中小企业融通、产学研用协同的创新联合体,鼓励承接科技重大项目,加强共性技术研发”,“推动绿色创新升级,推动大企业通过优化采购标准、加强节能减排技术支持等措施,引导推动产业链上下游中小企业深化低碳发展理念、提升资源利用效率,提升产业链整体绿色发展水平”。在企业创新联动和绿色转型发展背景下,如果重污染企业发挥绿色创新联动效应,就能够提高整体绿色创新效率。重污染企业间的绿色创新是否具有联动性?这种联动是否具有动态性?通过何种传导机制实现?会造成怎样的后果?上述问题有待解答。

现有企业绿色创新研究主要关注影响因素和经济后果两个方面。其中,宏观层面的影响因素包括资本市场对外开放(徐悦等,2023)、节能减排财政政策(郑兰祥等,2023)等。在微观层面,不同治理模式和技术能力会显著影响企业绿色创新(卞雅莉,2013)。此外,学者们探究了企业绿色创新的经济后果,分析其对碳排放量(程丹亚和曾刚,2023)、地区产业升级(韩先锋等,2023)等方面的影响,但鲜有探讨企业间绿色创新联动问题。考虑到企业绿色创新具有技术外部性和环境外部性特征[1],这一双重外部性将加剧绿色创新结果的不确定性。为避免个体局限性和资源有限性导致的高风险,企业会跟随其它组织或群体绿色创新决策行为[2]。近期,学者们开始关注企业绿色创新决策互动行为,主要探讨地区和行业同群效应[3-4],未关注重污染类企业这一特殊样本在绿色创新方面的决策互动行为,尤其是动态视角下的重污染企业绿色创新决策联动。进一步地,学者们从高管环境关注[5]、共同机构所有权[6]、同行企业财务绩效变化[7]等方面探究了企业绿色创新同群效应背后的作用机理,主要关注企业个体静态认知背后的中介机制,忽视了企业由认知到比较再到决策这一动态逻辑。实际上,从企业个体视角到企业间决策互动视角,企业间决策互动是一个复杂动态过程。不同于已有研究,本文聚焦企业绿色创新联动的动态性特征,考察企业决策互动在当期与后期的动态性表现,并将知识溢出、风险规避两个动态机制纳入企业绿色创新联动机理研究框架,以弥补现有研究的不足。

本文的边际贡献体现如下:第一,关注重污染企业这一特殊样本绿色创新,不同于已有静态视角下的决策互动研究,深入探究同期及滞后期重污染企业绿色创新联动的动态性表现,以期为相关研究提供增量贡献;第二,遵循“认知—比较—决策”这一动态逻辑,从知识溢出和风险规避两个维度打开重污染企业绿色创新联动背后的“黑箱”,以期为企业绿色创新决策影响因素研究提供新证据;第三,在“双碳”目标下,检验重污染企业绿色创新联动的碳绩效后果,并深入探讨随着企业绿色创新联动方向变化,碳绩效水平是否发生改变这一问题,以期为引领重污染企业绿色创新联动,推进绿色转型发展提供政策启示。

1 理论分析与研究假设

1.1 重污染企业绿色创新联动性

企业决策联动性是指特定群体内某个体企业行为会受其他个体行为的影响,致使自身行为决策发生改变,进而产生不同行为结果。与同群效应中个体决策方向趋于一致不同[8],联动性可能导致群体中个体决策方向不一致,主要包括正向联动和负向联动。本文通过实证检验探究重污染企业绿色创新联动性。

动态竞争理论认为,在激烈的竞争环境下,企业间互动关系会促使竞争对手作出相应反应,以避免失去竞争优势[9]。同群效应理论认为,某一群体内个体行为会与其他个体行为趋于一致[2]。由于面临相似的市场环境、资源约束和行业前景,重污染企业间“竞争者”和“共生者”共存,可能受彼此决策的影响。与其它企业决策行为不同,绿色创新是从根本上解决环境问题的前瞻性长远战略,有助于企业获得环境和财务双重绩效[10]。然而,企业绿色创新具有外部性特征[11],技术外部性会降低企业绿色创新的实际收益。重污染同行企业经营环境的负外部性会增加绿色创新成本,导致绿色创新活动面临较高成本和风险。对重污染企业而言,开展绿色创新的不确定性风险较高。因此,为了规避风险和追求利益,重污染企业个体会主动或被动地根据同行业其它企业决策行为进行调整。因此,重污染企业绿色创新决策行为具有联动性。

绿色创新活动的收益周期较长,企业前期需要投入大量人力和财力资本。随着时间推移,企业绿色创新决策动态性凸显。绿色创新的技术外部性特征会弱化企业对创新收益的独占能力[12],导致绿色创新绩效无法在短期内实现。当同行企业增加绿色创新投入时,由于短期内无法看到收益,在权衡财务绩效和环境收益后,焦点企业会加强对绿色创新风险的解读。同时,行业发展与政策引导具有环境保护倾向,在重污染行业,这一倾向更为明显,导致重污染企业面临的环境风险与规范压力进一步增大。此外,利益相关者会积极关注企业环境收益与经济收益[13],这意味着企业需要应对多重压力。因此,基于避险本能与危机防御动机,企业在短期内会减少绿色创新资源投入,以降低经营风险、决策压力以及自身不确定性。基于以上考虑,本文提出以下假设:

H1a：短期看,重污染企业绿色创新存在负向联动性。

长期看,若企业不选择与同行企业趋同的绿色创新策略,就会承担更高的风险和成本。相较于追随同类企业绿色创新决策,企业自主决策需要承担更高的信息搜索成本和创新风险。绿色创新具有复杂性和不确定性,企业借助自身力量难以识别创新机会并获取有效创新信息。企业绿色创新决策具有一定的局限性。基于声誉需求,重污染企业管理者会尽量避免因绿色创新投资持续减少而引发公共关系危机。重污染企业倾向于追随同类企业创新决策行为。因此,由于独立决策的高成本和低收益,以及管理者对声誉的需求,重污染企业会由“观望”转为追随同类企业绿色创新决策行为。

当焦点企业追随同类企业绿色创新决策时,能够获取同类企业溢出的创新成果,并通过知识与信息吸收转化提升自身绿色创新水平(田潇潇和郭克莎,2023)。反之,焦点企业技术成果会向同行其它企业溢出,推动其它企业绿色创新活动,通过社会乘数效应带动重污染行业企业绿色创新发展。基于此,本文提出以下假设:

H1b：长期看,重污染企业绿色创新存在正向联动性。

1.2 重污染企业绿色创新联动的作用机制

1.2.1 知识溢出机制

创新知识溢出是由创新外部性所致,是指经济组织在创新活动中促使其他经济主体享受创新收益而未承担其成本[14]。由于绿色创新的高风险性和不确定性,重污染同行企业间的绿色创新溢出更显著,能够带动焦点企业绿色创新进步。彭向等[15]研究发现,产业内知识溢出能够显著促进产业创新,具有创新优势企业开展的创新活动能够促进同行其它企业创新水平提升。领先企业在绿色创新过程中的知识溢出,可为落后企业开展“干中学”提供更多可能性[16]。

与发达国家相比,低水平模仿是我国大多数企业改进生产效率的短期行为方式。Lavie[17]研究发现,在短期内能够较为容易地从外部获取新知识和新技术的企业,一定程度上不够重视内部知识积累和自身研发投入;Laursen等[18]发现,过度注重外部资源搜集而不关注自身知识积累和创新投入会对企业创新产生负向影响。相较于绿色研发活动,对外溢创新成果的低水平模仿具有风险小、成本低和见效快的优势。在普遍存在创新知识溢出效应的情景下,短期内处于技术劣势的企业倾向于通过简单模仿获得先进技术,从而导致自身绿色创新产出水平下降。综上,本文提出如下假设:

H2a：短期看,重污染企业绿色创新负向联动通过知识溢出机制实现。

已有研究表明,创新成果吸收与转化是一个过程(陆菊春和沈春怡,2019)。因此,当同行企业制定新的绿色创新决策时,相关信息或知识会经过一段时间传递给其它企业,后者通过识别、分析并吸收应用这些知识实现创新突破。从微观层面看,上述联动行为能够降低知识接受企业创新失败风险,加速其创新知识积累,进一步促进其创新水平提升;从宏观层面看,上述联动行为能够降低重污染行业绿色创新成本,鼓励行业内企业增加创新投入,提升重污染企业绿色创新正向联动性。综上,本文提出如下假设:

H2b：长期看,重污染企业绿色创新正向联动通过知识溢出机制实现。

1.2.2 风险规避机制

风险管理理论认为,企业能否实施风险管理取决于自身对风险的态度[19]、竞争者行为与策略[20]等因素。重污染同行企业创新行为能够改变焦点企业外部竞争环境,增加后者管理风险。盲目追随重污染同行企业创新行为会改变焦点企业原有资源分配策略,增加组织风险。绿色创新旨在节能减排、保护环境,这在短期内与企业效益最大化目标不一致。对于重污染企业而言,即使同行企业制定新的绿色创新决策,焦点企业也不会盲目追随,甚至会考虑将有限资金投向其它领域。实际上,为了有效维持现有市场竞争优势,降低经营风险,焦点企业管理者更愿意对成熟的核心技术进行投资[21],会更多关注市场营销能力或其它方面的能力[22],减轻绿色创新资源投入。因此,短期看,为了规避创新失败风险和减少竞争压力,焦点企业会采取保守的资源分配策略,将工作重点转移到现有成熟技术利用方面,而非追随同行其它企业绿色创新决策。综上,本文提出如下假设:

H3a：短期看,重污染企业绿色创新负向联动通过风险规避机制实现。

风险管理理论认为,风险承担是管理者在制定决策时所愿意承担的风险,能够在很大程度上决定企业创新水平[23]。短期看,焦点企业会因管理者采取的风险应对措施导致自身绿色创新产出下降。但从长期看,焦点企业管理者基于声誉考虑,会在决策时参考、解读、分析与应用同行企业绿色创新决策信息,对竞争对手决策信息进行深度挖掘,进而降低自身经营决策行为、结果的不确定性风险。在长期学习过程中,企业管理者通过降低信息不对称程度减少绿色创新风险。当风险降到企业能够承受的程度时[24],焦点企业会产生绿色创新意愿。综上,本文提出如下假设:

H3b：长期看,重污染企业绿色创新正向联动通过风险规避机制实现。

2 研究设计

2.1 样本处理与选择

本文以沪深A股上市公司中的重污染行业企业作为样本,考虑到碳绩效数据可获取的最新年份为2021年,故将样本期设定为2010—2021年。根据2010年9月14日生态环境部公布的《上市公司环境信息披露指南》,本文将火电、煤炭、冶金等16类行业归为重污染行业。

本文对样本进行以下处理:①剔除已退市企业样本;②剔除财务数据和研发数据缺失及异常的企业样本;③对模型中的连续变量进行上下5%分位的缩尾处理。经过筛选处理,得到7 169个样本观测值。

2.2 数据来源

本文使用的绿色创新专利数据来自INCOPAT数据库,研发数据、数字化水平和高铁开通数据均来自CNRDS数据库,碳绩效数据来源于《中国能源统计年鉴》与中国排放交易网站,企业财务数据均来自CSMAR数据库。

2.3 变量定义

2.3.1 绿色创新

本文根据世界知识产权组织(WIPO)公布的《绿色专利清单》中IPC代码对绿色创新专利进行识别。专利分为发明专利、实用新型专利与外观设计专利,由于外观设计专利无法采用IPC代码进行识别,故本文绿色创新专利只包括发明专利与实用新型专利。本文采用绿色创新专利获得数测度企业绿色创新产出水平,其中,自变量为当年重污染企业平均绿色创新专利获得数(不包括焦点企业),因变量为焦点企业当年绿色创新专利获得数。

2.3.2 中介变量

(1)知识溢出。借鉴白旭云等[25]的研究成果,本文采用行业层面的知识溢出(企业接受来自同行业其它企业研发溢出)作为中介变量。参考Li[26]的研究成果,本文将重污染行业作为一个集合,采用重污染行业中除焦点企业外其它同行企业研发投入额合计取自然对数作为知识溢出的衡量指标。

(2)风险规避。当企业在行业中处于弱势地位时,所面临的风险较高,其风险规避意愿较强。现有研究采用财务杠杆比率、股票盈利能力、所在行业竞争强度以及所在行业产品市场竞争优势等指标衡量企业风险水平(Yan等,2020)。本文选取企业产品市场竞争优势衡量企业当前风险承担水平,并采用赫芬达尔指数(hhi)作为产品市场竞争地位的代理指标。hhi指标值越大,代表企业产品市场竞争优势越大,所面临的风险水平越低,企业风险规避意愿越弱。

2.3.3 控制变量

考虑到企业创新活动受其它因素影响,本文将研发投入(rd)、现金流比率(cashflow)、第一大股东持股比例(top1)、负债经营率(odr)、资产回报率(roa)、机构投资者持股比例(inst)、股权制衡度(balance)等作为控制变量。

2.4 模型构建

借鉴郝盼盼等[27]的研究成果,为验证重污染企业创新活动是否具有动态联动性,本文构建如下模型:

(1)

式中,lnaceeptj,t表示焦点企业j在t年的绿色创新专利获得数,Aaccepti,t-k表示当年重污染企业平均绿色创新专利获得数(不包括焦点企业j),通过计算当年重污染企业绿色创新专利获得总数与重污染企业数之比(除焦点企业j)获得,该自变量包含当期、滞后一期与滞后二期,共3期变量。Controlj,t表示上文提及的控制变量,Xt表示企业与年份固定效应。各变量定义如表1所示。

3 实证结果与分析

3.1 描述性统计

本文描述性统计结果如表2所示。由表2可知,样本企业绿色创新专利获得指标(lnaccept)的最小值为0,最大值为1.390,平均值为0.210。由此表明,上述指标数值总体偏小,仅个别企业绿色创新产出水平较高。这意味着部分重污染企业未意识到绿色创新的重要性,未有效开展绿色创新研发活动。企业研发投入(rd)的平均值为17.680,说明重污染行业整体研发投入水平较高,但绿色创新产出水平较低,进一步表明部分企业绿色创新与环境保护意识有待提升。

3.2 重污染企业绿色创新联动性分析

表3列(1)显示,当期自变量回归系数为-26.735,在1%的显著性水平上为负;在列(1)的基础上,列(2)加入滞后期自变量进行回归,结果显示,当期自变量的回归系数为-29.872,滞后一期自变量的回归系数为1.827,滞后二期自变量的回归系数为2.575。其中,当期与滞后二期自变量的回归系数均在1%水平上显著,而滞后一期自变量的回归系数不显著。上述实证结果表明,在控制企业个体固定效应与时间固定效应的情况下,企业绿色创新联动性当期表现为负向,但在滞后期表现为正向,说明重污染企业绿色创新短期呈现负向联动,但长期呈现正向联动。由此,验证了假设H1a和H1b。滞后一期的回归系数不显著可能是由于这一时期正是联动性转变的过渡期。因此,下文重点关注当期与滞后二期重污染企业绿色创新联动性。

3.3 稳健性检验

3.3.1 剔除从未获得绿色专利企业样本

本文剔除从未获得过绿色创新专利的企业样本进行回归,结果如表4列(1)所示。结果表明,在剔除部分样本后,企业创新联动性依然与主回归结果一致,进一步证实本文结果稳健。

3.3.2 变量缩尾再检验

前文对连续变量进行5%与95%分位的缩尾处理,此处对相关部分进行1%与99%分位的缩尾处理,结果如表4列(2)所示。由结果可知,本文结论具有稳健性。

3.3.3 环境规制强度对重污染企业绿色创新联动性的影响

由于所在地区环境规制强度差异,企业面临的环保压力不同,绿色创新动机与激励以及对其它同行企业创新行为的反应也有所不同。本文将企业所在地区环境规制强度(er)作为控制变量纳入回归模型,结果见表4列(3)。由结果可知,本文结论具有稳健性。

3.3.4 重污染行业其它企业特征的影响

在控制重污染行业企业特征后,将重污染行业其它特征值作为控制变量纳入主回归模型,包括同行企业研发投入(mrd)、现金流比率(mcashflow)、第一大股东持股比例(mtop1)、负债经营率(modr)、资产回报率(mroa)、机构投资者持股比例(minst)、股权制衡度(mbalance),回归结果见表4列(4)。由结果可知,本文结论具有稳健性。

3.4 企业数字化水平异质性分析

一方面,随着数字化水平提升,企业模仿学习范围得以拓展,信息收集效率大幅提升。此时,落后企业可以通过模仿学习获取领先企业创新成果,强化自身绿色创新能力。另一方面,随着数字化水平提升,企业能够拓展内外部资源配置范围,通过整合内外部资源提高自身绿色创新水平[28]。因此,本文认为,数字化水平异质性影响重污染企业绿色创新联动性。本文使用企业年末无形资产明细项中与数字经济相关部分金额占无形资产总额的比值度量企业数字化应用水平,实证结果如表5所示。对比列(1)与列(2)的回归系数可知,数字化水平较高组别当期回归系数为-23.395,在1%水平上显著为负;滞后二期回归系数为2.737,在5%水平上显著为正。数字化水平较低组别当期的回归系数在1%水平上显著为负;滞后二期回归系数为正但不显著。由此可见,数字化技术应用对重污染企业绿色创新联动性存在异质性影响,且这一影响具有滞后性。

3.5 企业信息流通程度异质性分析

高铁开通对企业创新联动性的影响主要体现在信息流通方面,如技术人才流动、信息环境改善等[29]。一方面,高铁开通能够降低人才、技术流动成本,提高企业资源配置效率;另一方面,高铁设施越完善,创新资源交流越活跃,越能强化企业联动效应,促进企业创新联动。因此,本文认为,企业信息流通程度能够影响重污染企业绿色创新联动性。本文将企业所在地区是否开通高铁作为企业信息流通程度的代理指标,并将样本分组进行实证检验,结果如表6所示。对比列(1)与列(2)的回归系数可知,企业信息流通程度较高组别当期回归系数为-25.744,在1%水平上显著为负;滞后二期回归系数为与2.232,在5%水平上显著为正。企业信息流通程度较低组别当期回归系数在1%水平上显著为负,滞后二期回归系数不显著。由此可见,高铁开通能够促进信息流通,对重污染企业绿色创新联动性存在异质性影响,且这一影响具有滞后性。

4 进一步分析

4.1 重污染企业绿色创新联动性的作用机制检验

借鉴温忠麟等[30]的研究成果,本文采取三步法模型进行中介机制验证,如式(2)～(4)所示。

(2)

(3)

(4)

4.1.1 知识溢出机制检验

本文采用重污染同行企业研发投入额(lrdspill)测度知识溢出。表7显示,当期回归结果中,回归系数a1(-0.083)与b(-5.706)均在1%显著性水平上为负,表明间接效应显著。在加入知识溢出变量lrdspill后,回归系数c1′(-30.346)在1%显著性水平上为负,直接效应显著。此时,系数a1b与c1＇异号,且c1(-29.872)的绝对值小于c1＇(-30.346)的绝对值,存在遮掩效应,效应量为1.56%(|a1b/c1＇|)。借鉴宇超逸等[31]对遮掩效应的解释,当期知识溢出会强化重污染同行企业绿色创新的负向联动性。由此表明,短期看,由于创新成果具有外部性,焦点企业能够低成本地获得同行企业创新成果,倾向于维持甚至减少现有研发投入。因此,假设H2a得证。此外,滞后二期回归系数a3(-0.343)与回归系数b(-5.706)均在1%显著性水平上为负,说明间接效应显著。在加入中介变量lrdspill后,回归系数c3＇(0.619)不显著,表明直接效应不显著,此时只存在中介效应。上述实证结果表明,滞后二期重污染同行企业绿色创新活动通过知识溢出呈现正向联动性,即知识溢出在滞后二期发挥中介效应。因此,假设H2b得证。

4.1.2 风险规避机制检验

表8显示,当期回归系数a1(-0.078)不显著,而回归系数b(0.216)显著。Sobel检验结果显示,间接效应的Z值的绝对值大于1.96,在1%水平上显著。Bootstrp检验结果显示,置信区间不包含0,且a1b与c1＇同号,故风险规避当期存在中介效应。产生这一结果的原因如下:短期内同行企业开展高风险、长周期的绿色创新活动可能导致自身市场竞争力减弱,而焦点企业为维持短期利益,不愿跟随同行企业开展不确定性较高的绿色创新行为,甚至会将资源向市场营销活动倾斜,因而导致绿色创新的负向联动。由此,假设H3a成立。滞后二期回归系数a3(-0.035)不显著,回归系数b(0.216)在5%显著性水平上为正,Sobel检验,结果如表8所示。由表8可知,间接效应a3b显著性水平为1%,且Z值的绝对值明显大于1.96,间接效应a3b通过Sobel检验。Bootstrap检验结果显示,滞后二期的检验结果置信区间不包含0,与Sobel检验结果共同证实回归结果的可靠性。上述结果表明,滞后二期重污染同行企业创新能够通过抑制焦点企业市场竞争优势提高其风险规避意识,进而强化重污染企业绿色创新的正向联动性。产生这一结果的原因如下:在滞后期,同行创新企业创新成果显现,导致焦点企业在产品市场上的竞争优势减弱,促使后者为了维持原有竞争优势,模仿同行企业创新活动甚至开发独有的绿色创新产品。由此,假设H3b得证。

4.2 重污染企业绿色创新联动性经济后果检验

参考江轩宇等[32]的做法,本文构建模型(5)检验重污染企业绿色创新联动性在企业层面的碳排放后果。

lnccej,t=α+β1,kComovementj,t-k+β2Controlsj,t+β3Xt+εj,t

(5)

其中,lnccej,t企业碳绩效水平,Comovementj,t-k为表示联动性变量。本文将企业碳绩效水平作为因变量,在模型(1)的基础上,将地区环境规制强度(er)与政府补助(gs)作为新增控制变量。借鉴张宏等[33]的做法,本文将企业层面单位碳排放量的营业收入作为企业碳绩效测度指标,指标越大,碳绩效表现越好。该指标通过式(6)计算得到。

企业碳绩效

(6)

其中,行业碳排放量通过计算碳排放参考系数与分行业能源消耗量得到,两类数据分别来自碳排放交易网与《中国能源统计年鉴》,其它数据来自CSMAR数据库。

表9列(1)中当期联动指数_b_Aaccepti,t的回归系数不显著,列(2)中滞后二期联动指数_b_Aaccepti,t-2的回归系数在10%水平上显著为正,说明绿色创新负向联动不会对企业碳绩效水平产生显著影响,但正向联动能够促使企业单位碳排放量营业收入额显著增加。

5 结语

5.1 结论

本文基于2010—2021年中国重污染行业沪深A股上市企业数据构建绿色创新联动性研究模型,考察重污染企业绿色创新的动态联动性、作用机制和经济后果,得出以下主要结论:

(1)重污染行业上市企业绿色创新活动当期具有负向联动性,滞后二期表现为正向联动。由此表明,短期看,重污染企业绿色创新存在负向联动性,即同行业创新企业开展绿色创新会抑制焦点企业绿色创新,而在滞后期这一联动性由负转正,说明长期看,重污染企业共同开展绿色创新活动,能够提高行业绿色创新水平。在进行一系列稳健性检验后,上述结果依然成立。

(2)作用机制分析表明,知识溢出机制当期存在遮掩效应,滞后二期存在中介效应,即当期重污染企业绿色创新活动通过知识溢出机制表现出负向联动性,滞后二期同行企业绿色创新活动与焦点企业绿色创新活动通过知识溢出机制表现出显著正相关关系。风险规避当期存在中介效应,滞后二期存在遮掩效应,即短期看,同行业企业创新行为会提高焦点企业竞争优势,导致负向联动性产生;长期看,重污染同行企业绿色创新成果产出会导致焦点企业市场竞争力下降,迫使焦点企业追随同行企业开展绿色创新,表现出正向联动性。

(3)异质性分析表明,当企业数字化水平、信息流通水平较高时,其在长期会表现出对绿色创新联动的积极作用。

(4)短期内重污染企业绿色创新的负向联动对碳绩效水平无显著影响;在长期正向联动中,企业层面的碳绩效水平得以显著提高。这一结果表明,重污染企业绿色创新的正向联动性对企业碳绩效水平具有显著促进作用。

5.2 政策建议

5.2.1 企业层面

(1)推进企业内外部信息共享平台建设,加强与同行企业交流与合作,提升资源共享与知识外溢程度,以及信息传递效率与分享水平,提升同行企业间创新联动性。

(2)主动承担绿色生产、环境保护责任,提高企业碳绩效表现与水平,促进行业整体低碳发展。

(3)提升风险识别意识,控制创新风险,在提高风险承担能力与优化创新资源配置之间达到平衡。

(4)重视数字技术引进与应用,找寻适合企业自身数字化转型与数字化生产方案。

5.2.2 政府层面

(1)重视知识溢出对企业绿色创新联动性的影响,加强基础设施建设,构建发达交通网络,从而为企业间知识流动与创新成果外溢提供便利。

(2)加强数字化基础设施建设,推动数字化与企业绿色创新深度融合,引导企业通过数字化转型提高数字化水平,进而构建以数字化为特征的企业绿色创新生产经营体系。

(3)发挥监督作用,建立长效激励机制,完善绿色法律法规体系和知识产权制度,全方位营造公平的市场竞争环境,引导企业主动开展污染防治工作与绿色创新活动。

5.3 不足与展望

本文存在以下不足:第一,从要素流动与风险管理视角探究重污染企业绿色创新联动性的作用路径,未来可从企业创新合作视角出发,探究其形成机制;第二,聚焦绿色创新这一维度,但不同类型和维度的创新联动性可能存在差异,未来可进一步探究自主创新、模仿创新的联动机制;第三,基于“双碳”目标这一政策背景,将重污染企业作为研究对象,但上述企业大多为制造企业,相较于中小企业,前者在资金、研发实力等方面具有明显优势。未来可进一步探讨中小企业在绿色创新联动过程中的作用。

参考文献：

[1] 王旭, 褚旭. 制造业企业绿色技术创新的同群效应研究——基于多层次情境的参照作用[J].南开管理评论, 2022, 25(2): 68-81.

[2] MANSKI C F. Economic analysis of social interactions[J].Journal of Economic Perspectives, 2000, 14(3): 115-136.

[3] 张艳, 方怡文. 企业绿色技术创新的策略选择——来自地区同群效应的经验证据[J].商业研究, 2022, 65(5): 58-69.

[4] 吴卫红, 蔡海波, 冯兴奎, 等. 企业绿色技术创新的同群效应及诱发机理[J].科技管理研究, 2022, 42(16): 197-203.

[5] ZHANG B, WANG Z H, LAI K H. Mediating effect of managers' environmental concern: bridge between external pressures and firms' practices of energy conservation in China[J].Journal of Environmental Psychology, 2015, 43(7): 203-215.

[6] 王晓亮, 杨雪. 企业绿色创新的同群效应研究——基于共同机构所有权视角[J].软科学,2024,38(9):108-118.

[7] LIAO Z J, LIU Y, LI M S. Is environmental innovation contagious? a study on the mechanism of individual firms' environmental innovation affecting the industry[J].Sustainable Development, 2020, 28(6): 1787-1795.

[8] BEIRY M A, RONDINELLI D A. Proactive corporate environmental management: a new industrial revolution[J].The Academy of Management Executive, 1998, 12(2): 38-50.

[9] HSIEH C, SONG Z. Grasp the large, let go of the small: the transformation of the state sector in China[J].Brookings Papers on Economic Activity, 2015, 20(1): 295-366.

[10] 陈力田, 朱亚丽, 郭磊. 多重制度压力下企业绿色创新响应行为动因研究[J].管理学报, 2018, 15(5): 710-717.

[11] RENNINGS K. Redefining innovation——eco-innovation research and the contribution from ecological economics[J].Ecological Economics, 2000, 32(2): 319-332.

[12] 李亚兵, 夏月, 赵振. 高管绿色认知对重污染行业企业绩效的影响: 一个有调节的中介效应模型[J].科技进步与对策, 2023, 40(7): 113-123.

[13] DUBEY R, GUNASEKARAN A, ALI S S. Exploring the relationship between leadership, operational practices, institutional pressures and environmental performance: a framework for green supply chain[J].International Journal of Production Economics, 2015, 160(2): 120-132.

[14] 王敏, 辜胜阻. 国外关于技术创新溢出的学术探究[J].国外社会科学, 2014, 37(6): 27-37.

[15] 彭向, 蒋传海. 产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学(季刊), 2011, 10(3): 913-934.

[16] AGHION P, ALESINAl A, TREBBI F. Endogenous political institutions[J].The Quarterly Journal of Economics, 2004, 119(2): 565-611.

[17] LAVIE D. The competitive advantage of interconnected firms: an extension of the resource-based view[J].Academy of Management Review, 2006, 31(3): 638-658.

[18] LAURSEN K, SALTER A. Open for innovation: the role of openness in explaining innovation performance among UK manufacturing firms[J].Strategic Management Journal, 2006, 27(2): 131-150.

[19] LIEBENBERG A P, HOYT R B. The determinants of enterprise risk management: evidence from the appointment of chief risk officers[J].Risk Management and Insurance Review, 2003, 6(1): 37-52.

[20] FROOT K A, SCHARFSTEIN D S, STEIN J C. Risk management: coordinating corporate investment and financing policies[J].The Journal of Finance, 1993, 48(5): 1629-1658.

[21] GILBERT C G. Unbundling the structure of inertia: resource versus routine rigidity[J].Academy of Management Journal, 2005, 48(5): 741-763.

[22] KEMPER J, SCHILKE O, BRETTEL M. Social capital as a micro-level origin of organizational capabilities[J].Journal of Product Innovation Management, 2013, 30(3): 589-603.

[23] 李庆华, 郭飞, 刘坤鹏. 使用衍生品的公司创新水平更高吗——基于融资约束和高管风险承担意愿视角[J].会计研究, 2021, 42(2): 149-163.

[24] 董保宝. 风险需要平衡吗: 新企业风险承担与绩效倒U型关系及创业能力的中介作用[J].管理世界, 2014, 30(1): 120-131.

[25] 白旭云, 王笑天, 石晓义. 企业的知识溢出与创新绩效实证分析[J].统计与决策, 2020, 36(10): 185-188.

[26] LI V. Do false financial statements distort peer firms' decisions[J].The Accounting Review, 2016, 91(1): 251-278.

[27] 郝盼盼, 曹碧倖, 贺亚楠. 城市群内企业创新投资是否存在联动效应——来自国家级城市群的证据[J].中国科技论坛, 2022, 38(2): 105-114.

[28] 宋德勇, 朱文博, 丁海. 企业数字化能否促进绿色技术创新——基于重污染行业上市公司的考察[J].财经研究, 2022, 48(4): 34-48.

[29] 陈婧, 方军雄, 秦璇. 交通发展、要素流动与企业创新——基于高铁开通准自然实验的经验证据[J].经济理论与经济管理, 2019, 39(4): 20-34.

[30] 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, 36(5): 614-620.

[31] 宇超逸, 王雪标, 孙光林. 数字金融与中国经济增长质量: 内在机制与经验证据[J].经济问题探索, 2020, 41(7): 1-14.

[32] 江轩宇, 申丹琳, 李颖. 会计信息可比性影响企业创新吗[J].南开管理评论, 2017, 20(4): 82-92.

[33] 张宏, 蔡淑琳. 异质性企业环境责任与碳绩效的关系研究: 媒体关注和环境规制的联合调节效应[J].中国环境管理, 2022, 14(2):88,112-119.

(责任编辑:张 悦)