开放科学(资源服务)标识码(OSID)：
This study employs a panel dataset of A-share listed firms in China spanning the period from 2013 to 2023. Firm-level green patent data is matched with industrial robot statistics from the International Federation of Robotics (IFR) to construct measures of robotic application intensity and green sustainable innovation. A two-way fixed effects model is utilized to empirically test the core hypotheses. To further examine the underlying mechanisms, a mediation analysis framework is applied. To address potential endogeneity concerns arising from reverse causality and omitted variable bias, several robustness strategies are implemented, including time trend controls, system GMM estimation, and double machine learning regression.
This study offers several theoretical contributions. First, it broadens the analytical perspective on the green impact of AI by shifting the focus from general green innovation to green sustainable innovation, which holds greater long-term strategic value. Second, a novel dual-pathway analytical framework is proposed to explain how robotic application fosters green persistence, specifically through the upgrading of human capital and the attraction of green investors via signaling effects. Third, the analysis investigates the heterogeneity of this relationship across different contexts, including firm ownership structures, industry characteristics, and the intensity of environmental regulation, thereby enhancing the understanding of the conditional mechanisms involved.
The empirical results indicate that robotic applications significantly enhance firms' levels of green sustainable innovation. Mechanism analyses reveal that this effect operates primarily through two channels: (1) enhancing the level of human capital, and (2) attracting the attention of green investors via signaling effects. Moreover, the positive impact is more pronounced among non-state-owned enterprises, certified green factories, firms in less polluting industries, and those subject to stronger environmental regulatory constraints. Thus, the government should raise the penetration of robots across manufacturing, create dedicated funds and demonstration projects, using tax breaks, subsidies and low-interest loans to incentivize firms to adopt robots for green upgrades. Robots' green-innovation boost is uneven. It is necessary to spotlight green-factory pioneers to set replicable models. For heavy polluters, SOEs firms in weak-regulation regions, where the impact of robot adoption tends to lag,governments should craft targeted programs that pair strict environmental rules with incentives to embed robots in green production, driving full-scale sustainable transformation.
Overall, this study contributes to the growing literature on the green development implications of AI, sheds light on the “black box” through which robotic applications drive long-term green innovation, and offers theoretical grounding and practical insights for firms seeking to leverage intelligent technologies for sustainable development, as well as for policymakers aiming to design effective AI-driven green innovation incentives. Future research could examine whether the synergy between robotics, digital transformation, and AI platforms can amplify green sustainable innovation via energy optimization and process improvements;and researchers could introduce moderating factors such as green finance and leverage quasi-natural experiments or stronger instruments to mitigate endogeneity.
开放科学(资源服务)标识码(OSID)：
党的二十大报告提出“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”。党的二十届三中全会提出,“支持企业用数智技术、绿色技术改造提升传统产业”,“推动制造业高端化、智能化、绿色化发展”。《关于加快经济社会发展全面绿色转型的意见》强调“强化企业科技创新主体地位,支持龙头企业牵头组建关键核心技术攻关联合体,加大对中小企业绿色低碳技术研发的资助力度”。企业在推动经济繁荣发展的同时,亦是引发环境问题的重要源头[1]。绿色创新是实现企业绿色转型的关键路径,但面临投资风险大、前期投入高、回报周期长等挑战[2]。此外,有研究表明,短期的绿色创新仅能帮助企业获得税收、融资与利润方面的短期收益,若要提高企业环境绩效乃至长期竞争力,还需进行绿色持续创新[3]。企业绿色持续创新注重绿色创新能力的持续提升[4],有利于企业进行知识积累和技术研发,且高度契合生态文明思想,对促进环境保护和社会经济发展具有重要意义,并成为学术界聚焦的研究课题之一[5]。
随着工业机器人深度渗透社会生产体系,人工智能技术的范式演进推动社会各领域发生颠覆性变革[6]。工业机器人通过自动化和智能化技术能够提高企业生产效率,优化供应链管理并降低经营成本,进而促进产业转型和价值链升级[7]。同时,人工智能作为创新的催化剂,驱动企业不断探索新商业模式和挖掘市场机会,借助大数据分析改善客户体验、动态调整产品设计并实现精准营销[8]。换言之,企业借助工业机器人,通过优化生产经营与管理,促进企业绿色创新[9]。当前学术界关于人工智能与企业绿色创新关系的研究成果较丰富,但针对绿色持续创新的探讨较少,二者之间的复杂多维关系尚未得到充分论证。如何高效利用工业机器人提高绿色持续创新水平,成为中国企业面临的重大问题。基于此,本研究以2013—2023年中国A股上市企业面板数据为研究样本,构建固定效应模型,实证检验机器人应用与企业绿色持续创新关系,以期丰富绿色持续创新的相关研究,为政府政策制定和企业战略规划提供参考,助力企业提升绿色持续创新水平,加速绿色转型进程。
本研究的边际贡献体现为以下3方面:首先,将人工智能的绿色发展效应扩展至绿色可持续创新层面,强调人工智能对企业持续创新行为的影响,进而深化机器人应用赋能企业绿色创新的认知。其次,从两个维度打开人工智能驱动绿色持续创新的作用“黑箱”。一是从人力资本质量维度,论证教育背景对企业绿色持续创新的关键支撑作用;二是引入绿色投资者关注度作为市场信号和资金匹配的核心指标,将人才和资本要素纳入人工智能与绿色持续创新关系的分析框架,揭示二者间的因果关系。最后,明晰机器人应用对绿色持续创新的异质性效应,从企业属性、产业特征、股权性质以及环境规制角度进行分析。
在全球经济“绿色”发展背景下,工业机器人应用催生出一系列颠覆性创新范式[10]并成为企业绿色持续创新的驱动力。机器人具备高效率、高精度,以及可持续作业的显著优势,能有效替代低技能劳动力[11-12],优化生产流程与人力配置,削减企业雇佣成本,为持续的绿色研发活动提供支持。据《人口与劳动绿皮书:中国人口与劳动问题报告No.20》估算,智能制造会替代19.6%的制造业普通劳动力。此外,通过引入机器人技术,智能整合任务模块、优化资源配置,能够有效解决企业研发中任务分配不均问题,进而推动绿色持续创新。具体而言,第一,机器人能够精确控制生产过程中的材料使用、能源消耗和废弃物排放,从而减少资源浪费和环境污染。在优化生产效率的同时,该技术亦有助于降低企业运营成本,提升绿色发展的可持续性。第二,机器人作为现代信息技术进步的最新成果,具有强大的数据处理和学习能力。通过与大数据、云计算等技术结合,机器人能够不断学习和优化生产过程中的绿色技术,推动绿色技术的持续创新。有企业利用机器人技术建立产品绿色化定量分析体系,构建持续的优化机制,有效提升了绿色产品开发效率,降低了生产成本和维护成本。第三,机器人应用能够促进企业绿色管理模式的持续创新。随着数字化环境监测和智能系统建设的推进,管理者能够实时监测企业环境和经济活动,为绿色管理提供数据支持。同时,企业管理层的环保认知更加强烈,进一步促进绿色管理精细化和智能化,以及持续的绿色创新活动[13]。据此,本文提出如下假设:
H1:机器人应用有助于企业绿色持续创新。
1.2.1 人力资本水平
机器人应用对人力资本水平提升具有显著的结构性影响,表现为技术替代与技能增值的双重效应。一方面,机器人会替代低技能劳动力岗位,出现“机器取代人”的现象[14-15]。偏向性技术进步理论揭示,计算机与自动化技术的快速发展将带来对具有创新思维、问题解决能力等高人力资本特征劳动力的需求[16]。从知识结构来看,机器人迭代催生技能需求发生结构性转变,如对机器人设计、研发、维修等技能型人才的需求日益旺盛,进而对劳动力受教育程度提出更高要求[17]。另一方面,人工智能红利并非以“涓流”效应惠及所有群体,其在低人力资本地区发挥更显著的调节效应。此外,基于员工组织匹配理论,工业机器人应用会吸引与之适配的高素质人才[18]。
要素配置是制约企业绿色持续创新的关键因素,其中,人力资本对持续创新尤为重要[19]。作为一项知识密集型活动,绿色持续创新离不开高技能劳动者知识与技术的支持。从内部视角来看,掌握先进人工智能技术的员工能够为绿色创新提供长期技术支持[20],推动生产资料和生产技能革新,不断为企业绿色创新研发赋能。从外部视角来看,高技能人力资本拥有强大的学习能力,能够更快地积累知识,提升技能,并通过集聚和溢出效应增强企业对外部资源的整合与吸收能力,进而持续激发企业绿色创新活力。
1.2.2 绿色投资者关注度
绿色投资已成为驱动可持续发展的重要力量。获得绿色投资支持的企业更倾向于采用绿色生产流程,其绿色治理绩效也更出色[21]。绿色投资通常聚焦以环境保护和可持续发展为核心的企业,通过投资上述企业促进社会责任履行与实现财务回报的双重目标[22]。企业借助机器人技术开展绿色创新,能显著优化生产流程、提升资源利用率并增强绿色技术研发能力[23]。这一过程有助于企业塑造积极的社会形象,获得外部认可度,通过信号效应,吸引更多绿色投资者。此外,绿色技术赋能与可持续发展导向的环境项目可形成协同效应,吸引绿色投资者关注,进而提高其投资意愿[24]。
绿色投资者关注度的提升,有助于企业缓解融资约束、减少管理层短视行为,进而推动企业绿色持续创新[25]。绿色投资者通常具备丰富的环保知识和经验,能够为企业绿色创新项目提供全面、专业的评估,有助于企业识别并优化绿色创新项目,提高项目成功率和效果[26]。与此同时,绿色投资者的监督机制也促使企业强化环境绩效与社会责任意识,从而在决策过程中选择有利于环境保护和可持续发展的项目[27]。据此,本文提出如下研究假设:
H2:机器人应用通过提升人力资本和增加绿色投资者关注度提高企业绿色持续创新水平。
综上,本文构建研究框架,如图1所示。
图1 研究框架
Fig.1 Research framework
本研究以2013—2023年中国A股上市企业为研究样本,并进行如下处理:首先,剔除被标记为ST、*ST的企业,同时,排除非正常上市样本;其次,剔除空缺值较多的企业样本,对存在少量缺失值的样本采用插补法进行填补;最后,进行缩尾处理,为避免变量极端值对估计效应的影响,将所有连续变量进行1%缩尾处理。
2.2.1 企业绿色持续创新水平
参考周泽将和高雅萍[28]的做法,结合企业绿色专利申请数计算企业绿色持续创新水平。具体计算公式如下:
(EGPAc,t+EGPAc,t-1)
(1)
其中,CGICc,t表示企业c第t年的绿色持续创新水平,EGPAc,t表示企业c第t年的绿色专利申请数。
反映绿色专利申请量的相对增长趋势;EGPAc,t+EGPAc,t-1则表征绿色创新规模。这一计算方法既考虑企业绿色创新能力,又兼顾其增长趋势,能够较全面地反映企业在绿色创新领域的动态发展,并强调企业创新在时间上的持续性。为保证变量数量级的一致性,对企业绿色持续创新水平变量加1取对数,使用lnCGIC表示。
2.2.2 机器人应用
借鉴王永钦和董雯[14]的研究,使用国际机器人联合会(International Federation of Robotics)的数据计算企业机器人渗透度并作为机器人应用的代理变量。同样,为保证核心变量数量级的一致性,对机器人应用变量加1取对数,使用lnROB表示。
2.2.3 控制变量
为降低遗漏变量可能带来的估计偏误,本研究加入以下控制变量:①企业年龄,以研究样本期内观测年份减去企业成立年份后加1的自然对数表示;②董事会规模,使用上市公司董事会人数的自然对数表示;③企业资产负债率,为企业总负债与总资产的比值;④企业资产收益率,为年净利润占总资产的比值;⑤企业规模,利用总资产的自然对数计算获得;⑥股权集中度,以第一大流通股股东的持股比例表示;⑦托宾Q值,为企业市值与总资产的比值;⑧两职合一,以董事长兼任总经理的情况表示;⑨营收增长率,以本年营业收入相较上年营业收入的增长率衡量。上述变量描述性统计结果见表1。
表1 描述性统计结果
Table 1 Results of descriptive statistics
变量类型变量符号均值最大值最小值标准差样本量自变量机器人应用(lnROB)1.9312.8920.1330.64716 467因变量绿色持续创新(lnCGIC)1.2085.5790.0001.52816 467控制变量企业年龄(F_Age)3.0253.6112.0790.29516 467董事会规模(B_Size)2.1292.6391.6090.19116 467企业资产负债率(AL_Ratio)0.4330.8690.0620.19516 467企业资产收益率(R_Assets)0.0310.189-0.2240.05716 467企业规模(F_Size)22.56826.37820.1811.29116 467股权集中度(S_Con)0.3320.7400.0760.14816 467两职合一(D_Role)0.2321.0000.0000.42216 467营收增长率(R_Rate)0.3436.440-0.6970.93216 467托宾Q值(T_Q)1.9507.9150.8071.23816 467
为同步控制非固有观测变量与宏观时变趋势的干扰,本研究采用个体与时间双向固定效应模型分析机器人应用对企业绿色持续创新水平的影响,具体模型设立如下:
lnCGICc,t=α+βlnROBc,t+γCONc,t+CORc+TIMt+
c,t
(2)
其中,lnCGIC表示企业绿色持续创新水平;lnROB表示机器人应用;CON是控制变量集合;β表示待估计参数;CORc,t、TIMt分别表示企业与时间固定效应;c,t表示随机扰动项。
使用两步法中介效应模型验证假设H2,即人力资本与绿色投资者关注是否发挥中介效应。具体的机制检验模型如下:
EHCc,t=λ1+μ1lnROBc,t+ν1CONc,t+CORc+TIMt+c,t
(3)
GIAc,t=η1+θ1lnROBc,t+ϑ1CONc,t+CORc+TIMt+c,t
(4)
其中,EHC和GIA分别代表人力资本水平与绿色投资者关注程度。
若模型(2)～(4)中的 β、μ1、θ1均显著,说明中介变量在机器人应用与企业绿色持续创新水平之间发挥桥梁作用。为进一步验证中介变量的作用,构建模型如下:
lnCGICc,t=λ2+μ2EHCc,t+ν2CONc,t+CORc+TIMt+c,t
(5)
lnCGICc,t=η2+θ2GIAc,t+ϑ2CONc,t+CORc+TIMt+c,t
(6)
表2为机器人应用对企业绿色持续创新水平影响的回归结果。数据显示,在逐步纳入控制变量(CON)、固定效应等情况后,列(1)～(5)表明机器人应用对企业绿色持续创新始终呈正向影响且在1%水平上显著,其中,双向固定效应模型的估计值为0.038 9(p=0.001<0.01),表明机器人应用对企业绿色持续创新水平的提升效应为3.89%,即验证机器人应用有助于提升企业绿色持续创新,假设H1得证。
表2 基准回归分析结果
Table 2 Results of the baseline regression analysis
变量 (1)(2)(3)(4)(5)lnCGIClnCGIClnCGIClnCGIClnCGIClnROB0.186 1∗∗∗0.136 0∗∗∗0.038 0∗∗∗0.038 9∗∗∗0.039 3∗∗∗(0.017 6)(0.016 3)(0.011 7)(0.011 6)(0.011 6)Constant0.848 4∗∗∗-10.810 3∗∗∗-13.290 2∗∗∗-10.928 9∗∗∗-10.577 4∗∗∗ (0.041 4)(0.686 6)(0.793 2)(1.251 5)(1.248 1)CONNYYYY企业固定NNYYY时间固定NNNYY省份×时间NNNNY样本量16 46716 46716 46716 46716 467A_R20.006 20.201 40.653 10.660 90.661 5
注：***、**、*分别表示1%、5%和10%的显著性水平,括号中为稳健标准误,下同
人工智能对企业可持续发展具有积极影响[29-30],一方面,机器人应用对低技能劳动力具有替代效应,同时,节约生产成本[31],显著提升企业盈利能力。这一积极经济效应促使企业增加绿色研发投入,包括资本与人力两方面,进而助力持续绿色技术创新。另一方面,机器人应用通过强化技术效应促进企业创新[32],这与本文理论分析中关于机器人应用促进企业绿色持续创新的观点一致。
3.2.1 内生性处理
为有效缓解内生性问题,本研究采用时间趋势项控制、系统GMM回归以及双重机器学习回归等方法进行稳健性检验。具体而言,首先,为缓解时间变化效应带来的内生性问题,在基准模型基础上加入控制变量与时间虚拟变量的交互项,结果见表3列(1)。其次,使用系统GMM估计方法。实证结果显示,自回归检验中AR(1)的p值为0.002、AR(2)的p值为0.945,表明差分残差存在一阶自相关但无二阶自相关,且Hansen检验p值为0.118,接受工具变量有效性假设。最后,采用基于随机森林算法的双重机器学习部分线性模型进行估计,结果见表3列(3)(4)。结果表明,没有出现显著性变化,即基准回归结果稳健。
表3 内生性处理结果
Table 3 Results of endogeneity treatment
变量(1)(2)(3)(4)lnCGIClnCGIClnCGIClnCGICL.lnCGIC 0.463 9∗∗∗(0.046 5)lnROB0.037 9∗∗∗2.905 7∗0.028 7∗∗0.032 0∗∗∗(0.011 5)(1.551 3)(0.011 8)(0.012 0)Constant-7.811 0∗∗ -15.259 2∗∗0.092 7∗∗∗0.085 5∗∗∗ (3.063 6)(6.078 3)(0.008 3)(0.008 4)CONYYYYCON2NNNY企业固定YYYY时间固定YYYYAR(1)0.002AR(2)0.945Hansen test0.118样本量16 46714 97016 46716 467A_R20.667 1
注：“CON2”表示控制变量的平方项
3.2.2 其他稳健性检验
(1)考虑变量滞后性。将控制变量与核心自变量作滞后一期处理,以捕捉机器人应用对绿色持续创新的长期影响,表4中列(1)结果显示,这一做法并未改变lnROB系数符号和显著性,因此基准回归结果可靠。
表4 稳健性检验结果
Table 4 Results of robustness test
变量(1)(2)(3)(4)(5)(6)(7)lnCGIClnCGIClnCGIClnCGIClnCGIClnCGIClnCGICL.lnROB0.026 9∗∗(0.011 9)lnROB0.030 9∗∗∗0.020 0∗∗0.035 8∗∗∗0.038 8∗∗∗0.039 1∗∗∗0.039 0∗∗∗(0.009 9)(0.009 6)(0.012 3)(0.011 6)(0.011 6)(0.011 6)Constant-10.207 9∗∗∗-8.903 3∗∗∗-8.183 8∗∗∗-10.594 9∗∗∗-10.904 2∗∗∗-10.912 2∗∗∗-10.884 2∗∗∗ (1.302 8)(1.202 8)(1.021 6)(1.245 7)(1.253 2)(1.253 3)(1.255 5)CONYYYYYYY企业固定YYYYYYY时间固定YYYYYYY样本量14 97016 46716 46714 97016 46716 46716 467A_R20.674 20.644 00.637 90.663 30.660 90.660 90.660 9
(2)替换变量。将测算绿色持续创新水平的变量由绿色专利申请量细分为发明专利申请量与实用新型专利申请量,旨在考察机器人应用对突破性持续创新和应用型持续创新的影响。从表4列(2)(3)可以看到,lnROB的系数分别在1%和5%水平上显著,通过检验,意味着替换变量并不影响基准回归结果。
(3)缩减样本。本研究排除2015年数据样本,原因在于2015年中国股市存在巨大波动。检验结果见表4列(4),相关系数为0.035 8(p<0.01),即原回归结果稳健。
(4)排除政策影响。本研究排除两项典型政策以防止对企业绿色持续创新水平的影响,分别是数字经济政策和环保政策。其中,数字经济政策以大数据试验区设立政策为代理变量,该政策自2015年启动,涵盖京津冀、珠三角等8个区域。通过构建二元虚拟变量,将位于试点地区的企业赋值为1,非试点地区企业赋值为0,作为控制变量纳入模型(2)进行估算以排除并行政策的影响。环保政策则使用碳排放权交易政策作为代理变量,该政策自2011年开始在北京、天津等七省市施行,并于2013年起陆续启动交易,旨在通过市场激励机制推动碳减排。本研究同样构建政策虚拟变量,将碳市场开市时间作为政策时点,并将列入碳排放权交易权政策的地区企业设置为1,其他企业为0,对模型(2)重新估计。表4中的列(5)(6)(7)分别是排除数字经济政策、环保政策以及同时排除两项政策影响的结果,再次论证基准结论稳健。
3.3.1 工厂属性分类
绿色工业已成为未来工业发展的重要方向。2016年工业和信息化部发布的《绿色制造工程实施指南(2016—2020年)》指出,“以实施绿色制造工程为牵引”,“推动绿色产品、绿色工厂、绿色园区和绿色供应链全面发展”。截至2023年底,国家层面累计建成绿色工厂5 095家,其产值在制造业总产值中占比超17%,并持续保持上升趋势。
在推进绿色工厂建设过程中,机器人应用显著增强企业绿色持续创新能力[33]。为验证这一观点,本研究匹配工业和信息化部发布的绿色工厂名单,实施分组回归,结果见表5列(1)(2)。其中,列(1)结果表明,在绿色工厂中机器人应用对企业绿色持续创新水平的影响效应为0.048 9(p=0.065<0.1)。相比之下,列(2)为非绿色工厂情境,其机器人应用对绿色持续创新的影响为0.036 2(p=0.005<0.01),虽然也呈现正向影响,但影响程度较弱。通过对比可以发现,绿色工厂中机器人应用对企业绿色持续创新水平的影响效应显著强于非绿色工厂,有力地支持绿色工厂环境对机器人应用创新效应的放大作用。
表5 异质性分析结果(1)
Table 5 Results of heterogeneity analysis (1)
变量lnCGIC(1)绿色工厂(是)(2)绿色工厂(否)lnCGIC(3)股权性质(国有)(4)股权性质(非国有)lnROB0.048 9∗0.036 2∗∗∗0.021 3 0.050 7∗∗∗(0.026 3)(0.012 9)(0.017 6)(0.015 4)Constant-10.125 9∗∗∗-10.840 3∗∗∗-12.860 4∗∗∗-11.158 2∗∗∗ (2.953 5)(1.374 7)(2.377 0)(1.585 5)CONYYYY企业固定YYYY时间固定YYYY样本量3 38813 0796 9149 553Chow test3.27∗∗∗2.26∗∗∗A_R20.677 10.649 10.722 80.605 2
3.3.2 企业股权性质分类
非国有企业的产权制度和激励机制更加灵活,有助于非国有企业抓住市场机遇,通过应用机器人技术推动企业绿色持续创新。同时,非国有企业通常具有更强的创新意愿和动力,这源于它们为保持竞争优势和市场份额的内在需求。机器人作为现代制造业的关键要素,其应用能显著提升生产效率,降低能耗与排放,契合非国有企业对绿色、高效发展的追求。因此,机器人应用在非国有企业中能够发挥更显著的持续创新效应。
本研究将样本分为国有企业和非国有企业,以此量化机器人应用过程中非国有企业相较于国有企业展现出的持续创新差异,具体见表5中列(3)(4)。回归结果显示,机器人应用的绿色持续创新效应不显著。相比之下,在非国有企业样本中机器人应用导致绿色持续创新水平提高0.050 7(p=0.001<0.01)。这一结果验证机器人应用对非国有企业绿色持续创新水平的提升效应更显著。
3.3.3 企业所属行业分类
尽管机器人应用会给企业带来持续的创新效应,但面对重污染行业的“固有”问题,该效应能否显现?为分析这一点,本研究依据《上市公司环保核查行业分类管理名录》,将样本划分为重污染行业企业和非重污染行业企业。表6中列(1)(2)分别是重污染行业和非重污染行业企业的回归结果。从实证结果对比可以看出,机器人使用在两类企业中的影响均为显著,并且相较于重污染行业,在非重污染行业中机器人使用对企业绿色持续创新水平的提升作用更强(系数为0.077 3,p=0.000<0.01)。可能的原因是,绿色创新往往需要大量资金用于研发、设备更新和技术改造,而重污染企业往往面临资金紧张、融资困难等问题,限制其持续投入。此外,重污染企业可能在人才储备和吸引方面存在不足,因缺乏高素质的研发人才和创新团队而难以开展深入的绿色技术研发,进而限制其绿色持续创新水平提升。
表6 异质性分析结果(2)
Table 6 Results of heterogeneity analysis (2)
变量lnCGIC(1)污染程度(重)(2)污染程度(非重)lnCGIC(3)环境规制(强)(4)环境规制(弱)lnROB0.055 9∗∗∗0.077 3∗∗∗0.056 7∗∗∗0.014 6(0.019 1)(0.019 1)(0.015 8)(0.016 5)Constant-9.361 6∗∗∗-8.059 8∗∗∗-10.967 3∗∗∗-7.844 4∗∗∗ (2.417 2)(1.047 9)(1.716 4)(2.608 2)CONYYYY企业固定YYYY时间固定YYYY样本量5 02411 4438 3718 096Chow test2.71∗∗∗2.10∗∗∗A_R20.648 00.273 00.638 20.729 7
3.3.4 环境规制强度分类
受到高环境规制约束的企业往往面临更大的环保压力。因此,在推动智能生产的过程中,高环境规制企业除关注生产效率和质量外,还注重环保性能和可持续性。这促使高环境规制企业通过机器人应用在绿色持续创新方面有更佳表现[34]。
为验证该观点,本研究首先通过计算上市公司所在地区的废气废水污染治理年投入金额与当年工业产值的比重,构建环境规制强度变量。随后,采用中位数作为分类标准,将大于中位数的地区企业标记为1,表示该企业面临严苛的环境规制;小于中位数的地区企业标记为0,表示受到的环境规制较弱。表6的列(3)(4)是执行样本分类标准后的回归结果,可以发现,受到严格环境规制的企业,其机器人应用对绿色持续创新的影响为0.056 7(P=0.000);而弱环境规制企业的这一效应值为0.014 6(P=0.378>0.1),并且邹检验也表明组间系数差异显著。由此可见,高环境规制企业采用机器人进行绿色持续创新的效果更显著。
前文分析揭示人力资本和绿色投资者关注是影响企业绿色持续创新水平的重要因素。因此,本文将从这两个维度进行作用机制检验。对于人力资本(EHC)的量化,本研究采用企业中研究生学历者占员工总数的比重衡量。对于绿色投资者关注变量的量化,使用年度企业绿色投资者人数衡量(GIA)。
如表7列(1)(3)所示,企业机器人应用水平提升导致企业人力资本水平提升和绿色投资者关注加大,二者的效应值分别是0.000 3和0.025 6且均达到显著性水平。这一结果验证机器人应用对人力资本水平与绿色投资者关注度提升均具有积极作用。进一步地,列(2)(4)分别是模型(5)(6)的回归结果,以加强验证人力资本和绿色投资者关注两个作用机制的存在。结果显示,人力资本水平提升与绿色投资者关注加大均对企业绿色持续创新水平产生显著正向影响。这一结果与理论预期相符,即研究假设H2得证。
表7 中介效应分析结果
Table 7 Results of mediation analysis
变量(1)(2)(3)(4) EHClnCGICGIAlnCGIClnROB0.000 3∗0.025 6∗∗∗(0.000 2)(0.006 4)EHC1.169 1∗(0.663 2)GIA 0.036 3∗(0.020 3)Constant0.030 4-10.884 0∗∗∗-6.490 0∗∗∗-10.614 1∗∗∗(0.025 0)(1.247 6)(0.644 1)(1.255 7)CONYYYY企业固定YYYY时间固定YYYY样本量16 46716 46716 46716 467A_R20.698 70.660 80.566 90.660 7
对人力资本而言,虽然机器人应用会带来劳动力的替代效应,但是也会驱动劳动力结构优化(毛日昇,2024),包括劳动力向新兴行业转移,以及劳动力技能升级[35]。教育作为人力资本提升的关键途径,可助力新技术采纳、资源节约以及环保意识树立。作为企业绿色持续创新的基础——人力资本的升级,有助于其接受绿色知识,降低对环境的负面影响、开发出新环保技术与产品等[36]。拥有“绿色知识”的人力资本被视为企业获取可持续竞争优势的隐性资源和动态能力,这些资源和能力使得组织能够通过绿色创新获得可持续竞争优势[37]。此外,人力资本水平较高地区对环保产品及服务也有更高需求,而消费者对绿色产品的需求可以激励企业进行绿色持续创新[38]。
绿色投资者关注作为一种非正式环境规制,可通过公众监督与媒体监督增强民众环保意识,推动绿色生活方式的普及[39]。需求端的绿色容量扩张倒逼企业加大绿色产品供给,推动持续创新以满足市场需求。绿色投资增加为企业提供充足的资金保障,助力绿色技术研发与生产流程优化,从而促进绿色持续创新[40]。
本研究立足于人工智能迅速发展的时代背景,系统考察机器人应用能否解决面临环境与市场双重压力的企业的绿色持续创新问题。研究发现,机器人应用不仅是提升生产效率的工具,更是驱动企业绿色持续创新的关键,其显著的促进效应在经过多轮稳健性检验后依然成立。机制分析揭示这一影响的双重驱动路径:一方面,机器人应用通过人机交互,引发对高技能劳动力的需求,进而优化企业人力资本,为知识密集型绿色创新活动奠定人才基础;另一方面,机器人应用的绿色生产潜力向市场传递出积极信号,有效吸引绿色投资者关注,从而为投资周期长、风险高的绿色持续创新项目提供宝贵的资金支持与治理监督。进一步的异质性分析表明,这种赋能效应在不同维度上表现出不同影响,在已获得绿色工厂认证、非国有企业、非重污染行业以及面临强环境规制的企业中,机器人应用的绿色持续创新价值得到更充分的释放,这说明企业的内在绿色发展意愿与外部制度环境是激活机器人绿色潜力的重要条件。
根据研究结论,本文得出以下启示:
(1)充分认识机器生产的绿色可持续属性。机器人应用在化解传统生产中经济效益与环境保护的二元对立局面中具有重要作用。当前,尽管中国机器人保有量已居全球首位,但相较于庞大的制造业规模,机器人应用普及度仍有较大提升空间。为此,应采取激励手段,鼓励企业加大生产过程中的机器人使用。其一,设立专项资金,对采用先进机器人技术进行绿色生产改造的企业给予税收减免、补贴或低息贷款等优惠,以降低企业绿色转型成本,加速机器人技术在绿色制造领域的推广。其二,建立机器人绿色创新示范机制,引导企业探索机器人应用与绿色生产深度融合的新模式,为行业树立标杆,推动整个制造业向绿色化、智能化方向发展。
(2)鉴于机器人应用通过提升人力资本与吸引绿色投资者关注的双重路径,推动企业绿色持续创新,企业应加大对员工的智能化培训,提升员工对绿色生产理念的理解和机器人应用能力。同时,在社会层面,需培养更多具备数字化素养和绿色意识的新型人才,为机器人技术在绿色持续创新中的广泛应用提供坚实的人才基础。在吸引绿色投资者方面,企业需主动加强环境信息披露,公开绿色生产中的机器人应用情况、节能减排效果等,以此增强绿色投资者的信任度与投资意向。此外,政府应充分发挥政策引导作用,鼓励社会资本流向绿色持续创新项目,为绿色持续创新提供充足的资金保障。
(3)强化绿色工厂建设的示范引领与推广效应。通过选取典型的绿色工厂,展示其智能化生产模式与绿色制造技术应用经验,为同行业相关企业提供可复制范例。对于重污染行业企业、国有企业以及弱环境规制企业而言,机器人应用带来的绿色持续创新促进效应相对有限。政府需针对性制定专项计划,对于重污染行业企业而言,可以实施规范与激励并重的方针,既确保企业遵循严格的环保标准,又通过政策激励确保机器人在绿色生产环节的应用,促进企业绿色转型。
本研究尚存在以下局限:第一,虽然考察了人力资本升级和绿色投资者关注两个直接且重要的作用路径,但可能还存在其它的作用机制,未来可展开相应研究,对本文结论形成补充,比如机器人应用是否与企业数字化转型产生协同效应、数字平台与人工智能结合下的风险评估和数据分析,进而优化能源管理、改进生产工艺和开发新环保产品,达到持续创新的效果。此外,是否存在其他经济社会变量发挥调节作用,比如绿色金融等的调节效应。第二,本研究虽然采用固定效应模型、系统GMM以及双重机器学习等方法处理内生性问题,然而深层次的内生性问题依然无法避免,如那些本身就具有较强创新意愿、优秀管理能力或前瞻性战略眼光的企业,可能同时倾向于投资机器人和进行绿色持续创新,未来研究可以尝试寻找准自然试验或构建其它工具变量缓解内生性问题。
[1] 马平平,张明,王龙可. 公众环境关注与企业绿色转型:政府环境规制与企业内部能力的双重审视[J]. 中国人口·资源与环境,2024,34(6):112-123.
[2] 刘金科,肖翊阳. 中国环境保护税与绿色创新:杠杆效应还是挤出效应[J]. 经济研究,2022,57(1):72-88.
[3] 冉启英,杨小东,叶林祥. 数字化与持续绿色创新——来自A股上市工业企业的证据[J]. 苏州大学学报(哲学社会科学版),2024,45(4):119-131.
[4] AFELTRA G,ALERASOUL S A,STROZZI F. The evolution of sustainable innovation: from the past to the future[J].European Journal of Innovation Management,2023,26(2): 386-421.
[5] 侯林岐,蔡书凯,马卫刚,等. 政府绿色采购如何提升企业绿色创新持续性[J]. 科技进步与对策,2025,42(4):110-120.
[6] 唐要家,王蜡,唐春晖. 人工智能如何提升企业全要素生产率——基于技术创新和技术应用视角[J]. 财经问题研究,2025,47(1):87-100.
[7] 吕越,谷玮,包群. 人工智能与中国企业参与全球价值链分工[J]. 中国工业经济,2020,37(5):80-98.
[8] 肖静华,胡杨颂,吴瑶. 成长品:数据驱动的企业与用户互动创新案例研究[J]. 管理世界,2020,36(3):183-205.
[9] 郭金花,常帅文,焦嶕. 工业机器人应用、媒体关注与企业绿色创新[J]. 南京财经大学学报,2024,42(5):100-110.
[10] HUYNH T L D,HILLE E,NASIR M A. Diversification in the age of the 4th industrial revolution:the role of artificial intelligence, green bonds and cryptocurrencies[J].Technological Forecasting and Social Change,2020,159:120188.
[11] 聂飞,胡华璐,李磊. 工业机器人何以促进绿色生产——来自中国微观企业的证据[J]. 产业经济研究,2022,21(4):1-14.
[12] 陈媛媛,张竞,周亚虹. 工业机器人与劳动力的空间配置[J]. 经济研究,2022,57(1):172-188.
[13] LUO K,ZHANG K. Executive's environmental background and sustainable development:evidence from substantial green innovation[J].Sustainable Development,2024,32(5): 4812-4828.
[14] 王永钦,董雯. 机器人的兴起如何影响中国劳动力市场——来自制造业上市公司的证据[J]. 经济研究,2020,55(10):159-175.
[15] ACEMOGLU D,RESTREPO P. Demographics and automation[J].The Review of Economic Studies,2022,89(1):1-44.
[16] 陈琳,高悦蓬,余林徽. 人工智能如何改变企业对劳动力的需求——来自招聘平台大数据的分析[J]. 管理世界,2024,40(6):74-93.
[17] 林峰,李宏兵. 工业机器人使用、性别异质性与高等教育入学率[J]. 统计研究,2023,40(12):145-156.
[18] 尹志锋,曹爱家,郭家宝,等. 基于专利数据的人工智能就业效应研究——来自中关村企业的微观证据[J]. 中国工业经济,2023,40(5):137-154.
[19] 曹玉珊,陈哲. 员工持股计划与企业持续创新——基于人力资本结构升级视角[J]. 统计与决策,2024,40(3):179-183.
[20] 陈芳,刘松涛. 人工智能技术能否成为引领城市绿色发展的新引擎[J]. 南京财经大学学报,2022,40(3):78-86.
[21] 王辉,林伟芬,谢锐. 高管环保背景与绿色投资者进入[J]. 数量经济技术经济研究,2022,39(12):173-194.
[22] JIANG L,BAI Y. Strategic or substantive innovation? the impact of institutional investors' site visits on green innovation evidence from China[J]. Technology in Society,2022,68: 101904.
[23] LEE C C,QIN S,LI Y. Does industrial robot application promote green technology innovation in the manufacturing industry[J].Technological Forecasting and Social Change,2022,183:121893.
[24] AZAD S,TULASI DEVI S L, MISHRA A K. Investing in our planet: examining retail investors' preference for green bond investment[J]. Business Strategy and the Environment,2024,33(6):5151-5173.
[25] 姜广省,卢建词. 逻辑兼容性:绿色投资者、环境规制与企业绿色创新[J]. 经济管理,2023,45(9):68-87.
[26] JIN C,MONFORT A,CHEN F,et al. Institutional investor ESG activism and corporate green innovation against climate change:exploring differences between digital and non-digital firms[J]. Technological Forecasting and Social Change,2024,200:123129.
[27] BARKO T,CREMERS M,RENNEBOOG L. Shareholder engagement on environmental, social, and governance performance[J]. Journal of Business Ethics,2021,180(2):777-812.
[28] 周泽将,高雅萍. 地方政府环保关注度与企业绿色持续创新水平[J]. 系统工程理论与实践,2025,45(1):17-35.
[29] CHEN P,CHU Z,ZHAO M. The road to corporate sustainability: the importance of artificial intelligence[J].Technology in Society,2024,76:102440.
[30] 陈伟,邓堯,杨柏,等.人工智能能否赋能区域技术创新——创新环境的中介效应[J].科技进步与对策,2024,41(10):57-66.
[31] KOCH M,MANUYLOV I,SMOLKA M. Robots and firms[J].The Economic Journal,2021,131(638):2553-2584.
[32] WANG L,ZHOU Y,CHIAO B. Robots and firm innovation: evidence from Chinese manufacturing[J].Journal of Business Research,2023,162:113878.
[33] 戴魁早,王思曼,黄姿. 绿色工厂建设促进了企业绿色创新吗?[J]. 数量经济技术经济研究,2024,41(11):177-199.
[34] 辛雅儒,申晨,冯锐,等. 机器人应用、CEO绿色经历与企业绿色技术创新[J]. 经济管理,2024,46(7):129-145.
[35] WANG J,WANG W,LIU Y,et al. Can industrial robots reduce carbon emissions? based on the perspective of energy rebound effect and labor factor flow in China[J].Technology in Society,2023,72:102208.
[36] SUKI N M,SUKI N M,SHARIF A,et al. Importance of green innovation for business sustainability: identifying the key role of green intellectual capital and green SCM[J].Business Strategy and the Environment,2023,32(4):1542-1558.
[37] REHMAN S U,KRAUS S,SHAH S A,et al. Analyzing the relationship between green innovation and environmental performance in large manufacturing firms[J].Technological Forecasting and Social Change,2021,163:120481.
[38] LIN B,MA R. Green technology innovations, urban innovation environment and CO2 emission reduction in China: fresh evidence from a partially linear functional-coefficient panel model[J].Technological Forecasting and Social Change,2022,176:121434.
[39] 孙金花,徐琳霖,胡健. 环境责任视角下非正式环境规制对企业绿色技术创新的影响——一个有中介的调节模型[J]. 技术经济,2021,40(10):10-22.
[40] LI C J,RAZZAQ A,IRFAN M,et al. Green innovation, environmental governance and green investment in China: exploring the intrinsic mechanisms under the framework of COP26[J].Technological Forecasting and Social Change,2023,194:122708.